熊正德　李婷

[摘要] 基于新生代知識型員工離職率居高不下的現(xiàn)狀，從個體因素、組織因素、工作因素、宏觀環(huán)境因素四個方面選取了新生代知識型員工離職預(yù)警指標，采用FAHP與信息熵相結(jié)合的方式確定了各預(yù)警指標的權(quán)重，并將改進的TOPSIS法與3σ理論相結(jié)合，構(gòu)建了新生代知識型員工離職預(yù)警模型，最后結(jié)合223份調(diào)查問卷對模型進行了驗證，準確率達到82.5%，表明該模型具有較好的預(yù)警效果。

[關(guān)鍵詞] 新生代知識型員工；離職預(yù)警；TOPSIS法；組合賦權(quán)

[中圖分類號] D669[文獻標識碼] A[文章編號] 1008—1763（2017）01—0075—07

Abstract：Considering the high turnover rate of the new generation knowledge workers， this paper attempts to construct an early-warning model for the evaluation of the turnover intention of them. We selected the evaluation criteria according to the factors that influence employee turnover， which can be classified into four categories（individual， job-related， organizational and environmental）， and determined the criteria weights by combining Fuzzy Analytic Hierarchy Process （FAHP） and Entropy method. We also adopted TOPSIS method and the Pauta criterion to identify the grade of turnover risk of each employee. The proposed earlywarning model was tested on a sample of 223 new generation knowledge employees， and the results of which showed a satisfactory effect with an accuracy of 82.5 percent.

Key words： new generation knowledge workers； turnover earlywarning； TOPSIS method；combination empowerment

一引言

新生代知識型員工是指出生于20世紀80年代或90年代，具有較高知識技術(shù)水平和專業(yè)素養(yǎng)，能運用自身專業(yè)知識從事相關(guān)腦力勞動，為社會創(chuàng)造價值的員工[1]。他們大都接受過良好的教育，具有一定的創(chuàng)造力，在各個領(lǐng)域都起著不可忽視的作用。但由于成長環(huán)境的特殊性，新生代知識型員工在思維方式、價值觀念等方面與傳統(tǒng)員工存在著很大的差異，他們的頻繁跳槽、不安于現(xiàn)狀、高離職率給企業(yè)的人才管理工作帶來了很大的挑戰(zhàn)。為此，本文試圖構(gòu)建一套新生代知識型員工離職預(yù)警模型，根據(jù)員工所處的就業(yè)環(huán)境，分析員工近期的行為和心理，判斷員工的離職傾向，進而對其進行有效地預(yù)防及控制，以改善新生代知識型員工離職率居高不下的現(xiàn)狀。

員工離職一直是學(xué)者們研究的熱點。Roderick就發(fā)現(xiàn)親屬責(zé)任、工作自主性、工作滿意度以及組織承諾對員工離職有重要的影響[2]；Sun等研究了人口社會學(xué)因素以及工作相關(guān)因素對社區(qū)服務(wù)人員離職傾向的影響，研究結(jié)果表明他們對薪資水平、晉升機會以及工作條件的不滿意是造成其離職的主要原因[3]。Chen；Zheng；Mahrane等人對知識型員工的離職也做了研究，他們發(fā)現(xiàn)相對于普通員工，知識型員工更加看重工資的平等性、職業(yè)發(fā)展空間、工作認同感以及薪資結(jié)構(gòu)[4-6]。

近年來，80后、90后員工逐漸成為職場的主力軍，雖然為企業(yè)的發(fā)展做出了重大的貢獻，但其強調(diào)自我、崇尚自由、不安于現(xiàn)狀、跳槽頻繁的獨特個性給企業(yè)的管理者帶來了新的難題。王曉莉?qū)?0后員工進行研究，發(fā)現(xiàn)80后的離職間隔為1.94年，遠低于70后的5.02年和60后的10.82年，并指出物質(zhì)待遇、工作環(huán)境、工作與個性匹配、職業(yè)發(fā)展空間是影響80后離職的主要因素[7]；Robert對新生代知識型員工與老一代知識型員工的激勵問題進行了比較研究，他認為新生代知識型員工更加注重自身的發(fā)展、工作的穩(wěn)定性以及與上司的關(guān)系，而老一代知識型員工則更加看重工作的獨立性[8]。Xia等從中國社會等級結(jié)構(gòu)出發(fā)，基于認知失調(diào)理論研究了新生代員工的激勵問題，認為企業(yè)的管理者在面對新生代員工時首先要讓其有歸屬感，并讓他們相信自己是企業(yè)的核心員工，充分尊重他們，在面對復(fù)雜情境時，企業(yè)的管理者還要有權(quán)變的管理思想[9]；Jaroslava等研究了文化差異對新生代知識型員工工作積極性的影響，并通過對4個國家的200位員工進行實證研究，證明了新生代知識型員工的工作積極性不僅僅與新生代所具有的特點有關(guān)，文化背景差異在中間也發(fā)揮著不可忽視的作用[10]。Abdelbaset等研究發(fā)現(xiàn)薪資水平和額外福利是決定新生代員工是否離職的重要原因，并且員工感知到的有用性對離職的作用也十分顯著[11]。

縱觀眾多學(xué)者對員工離職的研究，發(fā)現(xiàn)大多停留在員工離職的影響因素及原因探討層面，關(guān)于新生代知識型員工的研究，也多是對其個性特點及其激勵問題的研究，雖然對企業(yè)管理有一定的指導(dǎo)作用，但畢竟是一種事后分析模式，無法挽回離職造成的已有損失。而離職預(yù)警，即通過分析員工近期行為表現(xiàn)，推測員工心理動態(tài)變化，來判斷員工的離職可能性，并對其進行有效地預(yù)防及控制，這種事前分析模式在一定程度上則更有價值。近年來，一些學(xué)者在這方面也展開了一些有益的探索。夏功成等采用定性模擬技術(shù)模擬員工的離職行為，進而預(yù)測員工離職的可能性[12]。Jiang和Liao基于信息熵構(gòu)建了一種能夠反映系統(tǒng)不確定性以及軟件開發(fā)者對系統(tǒng)影響均勻性的模型，用定量的方式測量了軟件項目開發(fā)者的離職風(fēng)險[13]。曹安照等結(jié)合知識員工的特點，將粗糙集和神經(jīng)網(wǎng)絡(luò)相結(jié)合構(gòu)建了知識員工離職預(yù)警模型[14]。Xin和Li利用調(diào)整的質(zhì)量工程部署方法，結(jié)合其他分析工具和相關(guān)方法，提出了一種多層次員工離職風(fēng)險識別模型，并用案例說明該方法能夠有效地預(yù)防和阻止員工的主動離職[15]。

雖然關(guān)于離職風(fēng)險預(yù)警的研究已經(jīng)逐步興起，但已有研究關(guān)注的對象過泛，針對新生代知識型員工這一特定群體的離職預(yù)警研究極少，并且缺乏有效的離職預(yù)警模型。鑒于此，本文以新生代知識型員工為研究對象，將體現(xiàn)新生代個性的指標納入離職預(yù)警指標體系，采用FAHP與信息熵主客觀相結(jié)合的方式計算預(yù)警指標的權(quán)重，并將改進的TOPSIS法與3σ理論相結(jié)合，構(gòu)建新生代知識型員工離職預(yù)警模型。最后，本文結(jié)合問卷調(diào)查數(shù)據(jù)對223位新生代知識型員工進行了離職預(yù)警評價，并通過跟蹤調(diào)查驗證了模型的有效性和準確性。

二新生代知識型員工離職預(yù)警模型構(gòu)建

（一）離職預(yù)警指標體系建立

本文基于員工離職影響因素的分析，結(jié)合新生代知識型員工的特點，遵循全面性、相對獨立性、可測量性、可比較性以及可預(yù)見性原則，從個體因素、組織因素、工作因素、宏觀環(huán)境因素四個方面選取新生代知識型員工離職預(yù)警指標，并借鑒相關(guān)離職量表，編制“新生代知識型員工職業(yè)生活質(zhì)量調(diào)查問卷”，為方便后續(xù)的追蹤調(diào)查，給每份問卷設(shè)定編號。在正式調(diào)查前，通過對70份預(yù)調(diào)查問卷進行分析，刪除了X2，X5，X6，X9；X13，X24，X27；X36，X45，X49；X59，X60等題項，大幅度提高了問卷的信度，進而形成正式調(diào)查問卷并進行正式調(diào)查，對正式調(diào)查回收的223份有效問卷進行信度分析，Cronbachs α值為0.932，問卷的信度甚佳。在此基礎(chǔ)上進行因子分析，提取出各維度的指標，從而得到了新生代知識型員工離職預(yù)警指標體系，具體如圖1所示。

由圖1可知，新生代知識型員工離職預(yù)警指標體系主要由個體因素、組織因素、工作因素以及宏觀環(huán)境因素構(gòu)成。個體因素，是指與新生代知識型員工自身相關(guān)、影響其工作和離職可能性的因素，包括人職匹配、個人專業(yè)、知識和技能水平以及性格傾向。組織因素，是指與組織設(shè)計、人員配備、組織形式相關(guān)的因素，具體包括職業(yè)成長機會、組織歸屬感、薪資福利水平、上司支持度、組織文化以及企業(yè)發(fā)展前景。工作因素，是指與新生代知識型員工所從事的具體工作有關(guān)的因素，是衡量新生代知識型員工離職可能性的重要組成部分。包括工作自主性、工作認同感、工作壓力、工作參與度、工作條件以及同事關(guān)系。宏觀環(huán)境因素，是指員工所處的社會環(huán)境，所面臨的宏觀經(jīng)濟形勢等，主要包括工作尋找行為、工作轉(zhuǎn)換成本以及外部工作機會。

（二）賦權(quán)方式選擇

本文采用FAHP模糊層次分析法確定預(yù)警指標的主觀權(quán)重，利用信息熵權(quán)法確定預(yù)警指標的客觀權(quán)重，通過主客觀權(quán)重的有效結(jié)合確定最終權(quán)重。

1.FAHP確定主觀權(quán)重

模糊層次分析法（FAHP）將模糊數(shù)學(xué)和層次分析法結(jié)合起來，綜合考慮目標對象的各個影響因素，然后根據(jù)各指標因素的隸屬關(guān)系構(gòu)建遞階層次結(jié)構(gòu)，采用9級比較標準構(gòu)造模糊判斷矩陣，并將此調(diào)整為模糊一致矩陣，最終得到各指標的權(quán)重[16]。具體算法如下：

（三）離職預(yù)警評價方法設(shè)計

新生代知識型員工離職預(yù)警評價是一個涉及多因素、多層次的綜合評價問題，評價過程具有模糊性、主觀判斷等特點。本文運用TOPSIS法對其進行評價。TOPSIS法是多目標系統(tǒng)優(yōu)選、評價、排序以及決策的有效途徑，它假設(shè)每個目標決策問題都有“理想解”和“負理想解”，并據(jù)此排序，對于評價對象規(guī)模的大小和指標的多寡均無嚴格限制[19]。但傳統(tǒng)的TOPSIS法也有其不足，它需要每個評價者對每個屬性都賦予一個確定的數(shù)值，而由于客觀事物的復(fù)雜性和主觀評價者的隨意性，評價者給出的結(jié)果往往有失客觀性。陳巖等[20]對傳統(tǒng)的TOPSIS法進行改進，利用語言信息來獲取評價者對各指標的評價意見，并對語言信息進行處理，得到?jīng)Q策矩陣所需的指標屬性值，然后按照傳統(tǒng)的TOPSIS法來測算相對貼近度，通過此種方式來實現(xiàn)模糊問題的精確化度量。本文亦采用此種方式度量新生代知識型員工的離職傾向，得到新生代知識型員工的離職預(yù)警值。因此，改進的TOPSIS法實際上分為兩個階段，即語言信息的有效轉(zhuǎn)換和離職預(yù)警值的計算。具體過程如下：

1.將語言決策矩陣轉(zhuǎn)換為導(dǎo)出決策矩陣

根據(jù)式（7）-（13）將表2的數(shù)據(jù)進行標準化和加權(quán)處理，算出各員工到正負理想解的距離，以及相對貼近度，即離職預(yù)警值，如表3所示。

由表3及其附表可知，新生代知識型員工的相對貼近度D*i，即離職預(yù)警值均在0.2512～0.3930之間，最大值為0.3930，小于0.5，預(yù)警值總體分布在離負理想解較近的左側(cè)，說明新生代知識型員工總體離職傾向較高。對表3中的5位員工離職預(yù)警值D*i進行排序，排列順序為S3

利用計算得到的223位新生代知識型員工的離職預(yù)警值，得到總體預(yù)警中心值為0.3333，標準差為0.0279。根據(jù)3σ的基本原理，得到新生代知識型員工總體離職預(yù)警界限，如表4所示。

四結(jié)語

新生代知識型員工在職場中扮演著越來越重要的角色，其離職不僅會給企業(yè)帶來人力資本的損失，而且將削弱企業(yè)的核心競爭力，因此，構(gòu)建一套離職預(yù)警模型，有效預(yù)防和控制新生代知識型員工離職行為的產(chǎn)生，對企業(yè)的健康長遠發(fā)展有著至關(guān)重要的作用。本文將改進的TOPSIS法與3σ理論相結(jié)合，構(gòu)建了一套全新的新生代知識型員工離職預(yù)警模型，并通過對223名新生代知識型員工進行離職預(yù)警評價，得到了各樣本員工的離職預(yù)警等級，輸出了相應(yīng)的離職預(yù)警信號，并且得到了各員工的局部指標預(yù)警狀態(tài)。最后通過跟蹤調(diào)查驗證了該模型的有效性，跟蹤結(jié)果顯示模型準確率為82.5%，表明本文構(gòu)建的模型具有較好的預(yù)警效果，能有效識別新生代知識型員工的離職風(fēng)險，具有較大的推廣應(yīng)用價值。

[參考文獻]

[1]Joyce A， Alex B. Values as Knowledge：A New Frame of Reference for A New Generation of Knowledge Workers[J].On the Horizon， 2010，18（3）：255-265.

[2]Roderick D I.An Event History Analysis of Employee Turnover： the Case of Hospital Employees in Australia[J]. Human Resource Management Review， 1999，9（4）：397-418.

[3]Sun Y，Luo Z N，F(xiàn)ang P Q. Factors Influencing the Turnover Intention of Chinese Community Health Service Workers Based on the Investigation Results of Five Provinces[J]. Journal of Community Health， 2013，38（16）：1058-1066.

[4]Chen S Y，Chen S Q.The Factor Analysis and Empirical Analysis Affect on Knowledge New Employees turnover in the Area of Architecture in China[R]. International Conference on Construction and Real Estate Management， 2009.

[5]Zheng Q G，Ding W H.Study on Influential Factors of Knowledge Worker Turnover Intention Based on the Factor Analysis[R]. EBusiness and EGovernment（ICEE）， International Conference on， 2011.

[6]Mahrane H，Nita C. The Relationship Between Satisfaction and Turnover Intentions for Knowledge Workers[J]. Engineering Management Journal， 2014，26（2）：3-9.

[7]王曉莉.80后員工跳槽情況的調(diào)查研究[J]. 中外企業(yè)家， 2010，（2）：61-62.

[8]Robert L L.Agerelated Differences in the Motivation of Knowledge Workers[J]. Engineering Management Journal，2006，18（3）：20-26.

[9]Xia Q， Li H Y. The Incentive Problems Study of the Employees of the New Generation under the Structure of Grade in China[J]. American Journal of Industrial and Business Management， 2013，3（8）：715-718.

[10]Jaroslava K， Adela K. Cultural Differences in the Motivation of Generation Y Knowledge Workers[J]. Human Affairs， 2014，（24）：511-523.

[11]Abdelbaset Q，Wan F W， Nizar D. Explaining Generation-Y Employees turnover in Malaysian Context[J]. Canadian Center of Science and Education. 2015，11（10）：126-138.

[12]夏功成，胡斌，張金隆.基于定性模擬的員工離職行為預(yù)測[J]. 管理科學(xué)學(xué)報， 2006， （4）：81-94.

[13]Jiang R，Liao H Z，Yu J K，et al. A Model Based on Information Entropy to Measure Developer Turnover Risk on Software Project[R]. Computer Science and Information Technology， International Conference on， 2009，419-422.

[14]曹安照，高來鑫，徐榮.基于RS-ANN知識員工離職模型及預(yù)警研究[J]. 貴州師范大學(xué)學(xué)報（自然科學(xué)版）， 2012，（5）：94-97.

[15]Xin W，Li W， Ping J，et al. Identifying Employee Turnover Risks Using Modified Quality Function Deployment[J]. Systems Research and Behavioral Science， 2014，31（3）：398-404.

[16]龔艷萍，趙志剛.用模糊層次分析法確定QFD中消費者要求權(quán)重[J]. 價值工程， 2006，（7）：81-83.

[17]汪衛(wèi)斌.基于主成分的熵權(quán)雙基點高技術(shù)企業(yè)核心競爭力評價[J]. 湖南大學(xué)學(xué)報（社會科學(xué)版）， 2008，（3）：68-72.

[18]許遠明，陶書金，曾令德.基于熵權(quán)—TOPSIS方法的施工評標模型應(yīng)用研究[J]. 工程管理學(xué)報， 2012，（5）：62-65.

[19]彭怡，李友元，寇綱等.外商直接投資區(qū)位選擇與風(fēng)險分析[J]. 管理評論， 2012，（2）：31-36.

[20]陳巖，樊治平.群決策中基于語言評價信息的TOPSIS方法[J]. 南京工業(yè)大學(xué)學(xué)報（自然科學(xué)版）， 2004，（3）：27-30.