陈晓静平原-认知复杂性影响薪酬满意度的研究综述

认知复杂性影响薪酬满意度的研究综述陈晓静1平原2作者简介及联系方式：1陈晓静（1982－），江苏南京人，女，北京师范大学珠海分校讲师，管理学博士研究方向：组织行为学通信地址：广东珠海唐家湾金凤路18号北京师范大学珠海分校商学部5190002平原（1983—），河南辉县人，男，澳门科技大学管理学博士研究生研究方向：市场营销学通讯地址：澳门凼仔伟龙马路澳门科技大学行政与管理学院000853摘要：本文在查阅大量外文文献的基础上，对认知复杂性影响薪酬满意度该主题的主要研究方法、研究结论进行了系统总结，并对研究前景提出了展望，认为在今后的研究中可以引入模糊数学的研究方法和认知神经科学的研究视角，从而为薪酬满意度的进一步研究提供一定的理论依据。关键词：薪酬满意度认知复杂性模糊数学认知神经一、引言据哈佛大学的一项调查研究表明：员工的薪酬满意度每提高3个百分点，企业客户的满意度就提高5个百分点。可见，员工对薪酬的满意度是影响员工个人绩效及企业经营目标实现的关键。一个高满意度的薪酬可以吸引人才、留住人才，极大地激发员工的积极性、主动性和创造性，从而构建企业的核心能力，推动企业战略目标的实现。因此，无论对于学者还是企业管理者而言，薪酬满意度都是一个非常重要并值得研究的主题（Eskew＆Heneman，1996）。迄今为止，国内有关薪酬满意度的文献数量较少，且着眼点大多放在薪酬的对内公平性、对外竞争性以及制定对员工激励性的薪资策略等方面，鲜有从个体差异尤其是认知角度来进行研究，本文在查阅大量外文文献的基础上系统总结了认知复杂性影响薪酬满意度该主题的主要研究成果，并对研究前景进行了展望，希望为学者今后对薪酬满意度的研究提供一定的理论依据。二、相关概念（一）认知复杂性Bieri在1955年发展个人构念理论时引入认知复杂性（cognitivecomplexity）的概念，用以指代个人构念系统的分化程度。最初，Bieri给出了这样的定义：“认知复杂性指个体构念的分化程度，也就是一个人的判断所使用不同维度的相对个数。”Scott在1962年给出的定义为：认知复杂性是测量认知结构区分程度的概念，表现为个体在认识和理解周围环境时所使用的互斥性或互不相容的概念数目的多少。认知复杂性反映个体建构“客观”世界的能力，认知复杂性高的人具有高度复杂化的思维能力和认知特点，会比其他人更有可能运用多种具有互补性的方法和多种互不相容的概念去理解周围的现象。认知复杂性高的员工在处理工作问题时会拥有更多的备择方案，从而使其取得更好的绩效（Wofford，1994）；在一个决策团体中多数派和革新者要比少数派和保守者具有更高的认知复杂性(Gruenfeld＆Thomas-Hunt，1998）；高认知复杂性的立法者倾向于制定更加开放的贸易措施（Chricolow，2002）。而且经过培训或者决策实践，个体的认知复杂性还会提高，例如Duys和Hedstrom（2000）研究发现，经过培训的律师会具有更高的认知复杂性。BieriJ.Cognitivecomplexity-simplicityandpredictivebehavior.JournalofAbnormalandSocialPsychology,1955,51:263-268ScottWA.Cognitivecomplexityandcognitiveflexibility.Sociometry,1962,25:405-414BartunekJM,GordonJR,WeathersbyRP.Developing“complicated”understandinginadministrators.AcademyofManagementReview,1983,8:273-284（二）薪酬满意度1、薪酬满意度的含义薪酬满意度是指组织成员获得组织回报的经济性报酬和非经济性报酬与其期望值相比较后所形成的感觉程度（Singh和Loncar，2010）。它是一个相对的概念，即超出期望值——满意，达到期望值——基本满意，低于期望值——不满意（Green和Heywood，2008）。2、薪酬满意度的多维建构随着国外学者对薪酬满意度量表（PaySatisfactionQuestionnaire,PSQ）研究的不断深入，学术界已经达成统一共识，认为薪酬满意度是一个多维度的概念（Miceli＆Lane，1991）。但是，学者对于维度的性质和数量仍然各执一词（Carraher＆Buckley，2002）。Heneman和Schwab（1979；1985）认为薪酬满意度包涵5个维度，即薪酬水平（paylevel）、薪酬收益（paybenefits）、薪酬增长（payraises）、薪酬结构（paystructure）、薪酬管理（payadministration），最初的结论是将薪酬结构和薪酬管理合并为一个维度。Greenberger和Strasser（1988）；Scarpello，Huber和Vandenberg（1988）运用验证性因子分析法得出薪酬满意度包涵3或4个维度。Mulvey（1991），Judge（1993），Judge＆Welbourne（1994）运用实证分析法得出其包涵4或5个维度。我国学术界普遍接受Heneman（2000）采用修正差异理论所得出的四维建构，即薪酬水平、薪酬结构、薪酬体系和薪酬形式。薪酬水平是指企业各职位、各部门以及整个企业薪酬的平均值，决定了企业薪酬的外部竞争性。薪酬结构是企业纵向薪酬职等与横向薪酬职级组成的网络，涉及到企业薪酬的内部一致性问题。薪酬体系是企业确定员工基本薪酬的根据，国际上通行的薪酬体系有三种，即职位（岗位）薪酬体系、技能薪酬体系、能力薪酬体系。薪酬形式是指员工所得到的总薪酬的组成成分，其主要划分为直接薪酬和间接薪酬，前者主要是指以货币形式直接支付给员工的与工作时间挂钩的薪酬，后者则包括福利、有形服务等一些具有经济价值但以非货币形式提供给员工的补偿。三、研究方法（一）认知复杂性的测量对于个体认知复杂性的测量主要采用库格测验(repertorygridinstrument简称repgrid或reptest)（Bieri,1955＆1966），该测验常采用一个10行10列的表格，每列代表一个被评价的角色或人物（也称为“要素”)，每行代表一个评价时所用的维度或构念；当然，也可以用行代表角色，用列代表构念。被试需要对每个角色在每个维度上进行评分(通常采用六级评分)。对于每个被评价的角色，都通过比较每个维度上的评价与在其他各维度上的评价是否相同从而计算一个分数，这样对于每个角色而言要做45次(10选2的组合)比较。对某个角色每次做两个维度评分比较时，如果发现分数相同，就找到一个匹配(match)，这时记为1分，不相同时记为0分。关于10个被评角色所有的匹配个数的平均值，就是这个评价者的认知复杂性的指标（理论得分范围4-45分）。如果某评价者在不同维度上都做出同样的评价(这时匹配分数高)，那么他就没有以复杂的、分化的方式评估该角色，这反映了其较低的认知复杂性；相反，如果评价者用了维度上更多的数字进行评价（这时匹配分数低），就说明他能认识到角色在每个构念或维度上的细微差异，表现出较高的认知复杂性。总之，匹配分数得分越高，表示认知复杂性越低。但是，Carraher和Buckley（1966）对库格测验进行了质疑，认为其选择的被试都具有大学以上学历，从而影响了量表的效度，选择性评价（alternativeestimate）可以作为一种有效的替代手段。随着各种针对库格测验数据的专用计算程序（如Grid-stat软件）的开发，研究者可以较为容易地从更多的分析思路获得反映认知复杂性的多种指标，如相关系数、平均相关系数、因素个数、第一特征根的大小等，从而利用概念的相关分析、因素分析、冲突分析、Fiedler分数等方法测量个体的认知复杂性。很多学者还认真分析了认知复杂性的各种计算方法和指标之间的差异，如Rafaeli-Mor等对认知复杂性的各种理论概念和方法进行了分析，O’Keefe和Sypher重点考察了Bieri测量方法的信度、效度问题，Seaman和Koenig还考察了Bieri方法与Fiedler分数的关联问题，辛自强、池丽萍专门针对库格测验中评价者认知复杂性的各种表示方法或指标（特别是新近提出的冲突分析）进行系统地分析，以考察这些指标的关联和异同。这些学者的研究成果都为今后的个体认知复杂性的研究提供一些方法学上的参考依据。认知复杂性的测量还有一种基于库格测验原理的更简单易行的方法：给定某认知领域，要求被试尽可能为该领域中的对象分类（例如，由被试自己或者主试列出一些国家名称，然后让被试尽可能多的分类），所分类别中的维度或使用的互斥性概念（如地域、历史、种族、宗教等）越多，则认知复杂性越高。（二）薪酬满意度的测量国外学者通常在研究薪酬满意度的影响因素时，主要采用因子分析法。认知复杂性对薪酬满意度的影响研究也主要运用该方法，即将认知复杂性作为公共因子置于PSQ量表中进行测量，我国学者也有在研究中使用决策树法和层次分析法。1、因子分析法（FactorAnalysisMethod）因子分析法作为一种常用的多元统计分析方法，可从众多可观测“变量”中，概括和推论出少数不可观测的“潜变量”（因子），目的在于用最少的因子去概括和解释大量观测事实，并建立起最简洁、基本的概念系统，以揭示事物之间的本质联系的一种统计分析方法。因子分析认为每个变量既有特殊性又有公共性，变量的公共性指某个变量都受一些共同的因子的作用，因此变量之间存在相关性。变量的特殊性指某个变量除受一些共同的因子的作用外，还存在一些本身独有的、其他变量不能反映出来的信息。因子分析是由样本的资料将一组变量分解为一组潜在起支配作用的公共因子与特殊因子的线性组合。总之，因子分析法的目的是揭示观测变量之间的内在关联性，在尽可能保存原始数据的前提下，用较少的维度来刻画数据结构，从而发现本质或规律。2、决策树法（DecisionTreeMethod）决策树法是数据挖掘研究方法中的一种，首先对数据进行预处理，包括对数据的选择、净化、转化等方面。在数据库中有许多数据属性，可以主要采用面向属性的AOI技术进行优化。AOI技术首先由HAN提出，采用概念树爬升的技术来实现从关系表中归纳出高层次的总结性规则，其基本思路是：首先得到与任务相关的以关系表形式出现的数据集合，然后通过对每个属性进行爬升概念树的方法对该属性进行泛化直到该属性中的不同值的个数小BellRC.Whenismygridcognitivelycomplexandwhenisitsimple?Someapproachestodeciding.PersonalConstructTheory＆Practice,2004,1:28-32Rafaeli-MorE,SteinbergJ.Self-complexityandwell-being:Areviewandresearchsynthesis.PersonalityandSocialPsychologyReview,2002,6(1):31-58O’KeefeDJ,SypherHE.Cognitivecomplexitymeasuresandtherelationshipofcognitivecomplexitytocommunication.HumanCommunicationResearch,1981,8(1):72-92SeamanJM,KoenigF.Acomparisonofmeasuresofcognitivecomplexity.Sociometry,1974,37(3):375-390辛自强池丽萍，社会认知复杂性的量化指标及其关系【J】，心理科学，2007，30（4）：919-923张文慧张志学刘雪峰，决策者的认知特征对决策过程及企业战略选择