第四章 研究結果
第三節 主要效果與調節效果之檢驗
本節將根據 HLM 的分析方法針對研究中所提及之推論與假設進行檢驗，
藉此處理資料間彼此不獨立所造成的影響。在此分析中，控制變項部分除了教 育程度外，其餘變項均以總平均數中心化處理。本研究的部屬資料巢套於主管 下，但除了主管本身效果外，並沒有更高層次的變項。因此根據 Hofmann
（1997）的建議方式，陸續以虛無模式（null model）以及隨機係數迴歸模式
（random coefficients regression model）進行分析。
首先，以 HLM 當中的虛無模型進行分析，找出 ICC1 指標，確定本研究資 料是否有不獨立之狀況產生。若有顯著的主管效果，則以隨機係數迴歸模式控 制主管效果，進而驗證本研究之假設。接著會陸續呈現 IOAM 與 SOAM 對於不 同工作表現（工作績效、Etic OCB、Emic OCB 及創造性績效）的主要效果，以 檢驗假設一、二及三。最後再呈現任務互依的調節效果，以檢驗假設四與五。
壹、 主管巢套效果檢驗與控制變項選取
跨層次分析的第一個步驟，在於確認結果變項是否存在組間變異，亦即工 作績效、組織公民行為（Etic & Emic）以及創造性績效在不同團體（主管）中 是否有所差異，若有則表示樣本之間並非完全獨立。此結果可透過 HLM 分析
48
當中的虛無模型加以驗證。分析結果如表 7 所示。根據分析結果，工作績效
（τ00 = .18，p < .01）、Etic OCB（τ00 = .24，p < .01）、Emic OCB（τ00 = .31，p
< .01）、創造性績效（τ00 = .29，p < .01）組間變異皆顯著。在此同時，四者的 ICC1 分別為：0.30、0.55、0.61、0.39，皆大於一般經驗的決斷值（0.12），由 此確定這些工作表現指標會因其主管效果而受影響，以及表示三者的組間變異 可以支持後續以跨層次分析的正當性。
表 7
主管效果虛無模型
依變項 固定效果 變異數成份
截距項γ00 標準誤 團體間變異 τ00 團體內變異σ2 ICC（1）
工作績效 4.67** 0.07 0.18** 0.42 0.30 Etic OCB 4.50** 0.06 0.24** 0.20 0.55 Emic OCB 5.06** 0.07 0.31** 0.20 0.61 創造性績效 4.10** 0.08 0.29** 0.46 0.39
註：*p < .05，**p < .01
接著在隨機係數迴歸模式中，依序檢驗研究中所獲得之控制變項，哪些是 真正會影響工作績效、組織公民行為與創造性績效這三個工作表現的控制變 項。在此步驟中，將個人層次控制變項放入 HLM 分析軟體中，檢驗這些控制 變項對結果變項之影響效果。結果發現員工的性別與年資，對於結果的影響效 果有限，且年資與年齡的相關極高，取其一為控制變項即可達成目的。因此本 研究正式分析時，所採用之控制變項為員工的年齡與教育程度，排除性別與年 資的控制，避免因為過多干擾變項導致原本有效果之關係被干擾，從顯著變成 不顯著，進而增加了型二錯誤的可能性（Type-II error）（Becker, 2005）。另外，
教育程度會以未中心化的形式進入分析，年齡部分則會與其他變項相同，將其 中心化後再放入 HLM 分析當中。以下分析將會以隨機係數迴歸模式來控制主 管效果，分別分析主要效果與調節效果。
49
貳、成就動機的主要效果
IOAM 與 SOAM 的主要效果分析方式，第一步為放入控制變項（員工年齡 與教育程度），接著再放入預測變項，依照其迴歸係數大小及顯著性指標，判斷 主要效果是否顯著。
主要效果的分析結果如表 8 當中的 M2 所呈現。在工作績效的部分，IOAM 與工作績效之間有邊緣的正相關（β3j = .09，p < .10），但 SOAM 與工作績效而 言沒有任何關連。因此假設一部份，只有 IOAM 的效果與預測一致，H1a 獲得 支持；SOAM 與假設一之預期不符，H1b 不支持。
在組織公民行為部分，根據表 8 當中的 M2 結果顯示，IOAM 與 Etic OCB 有邊緣的正相關（β3j = .07，p < .10），與 Emic OCB 則沒有關連。至於 SOAM 部分，其與 Etic OCB 並沒有顯著關連，與 Emic OCB 則有些微的負向相關（β4j
= -.08，p < .10）。因此假設二部分只有 H2a 獲得支持，H2b、H2c 皆沒獲得支 持，H4d 甚至與預期方向相反。沒顯著與方向相反的假設推論，留待後續進一 步討論。
至於創造性績效部分，根據表 8 當中的 M2 結果顯示，IOAM 與創造性績 效有邊緣的正相關（β3j = .17，p < .10）。而 SOAM 部分則是對於員工的創造性 績效而言，有顯著的負向關連（β4j = -.12，p < .05）。此結果符合假設三的預 期，H3a 與 H3b 皆獲得支持。
50
表 8
主要效果 HLM 分析結果
M1 M2
依變項 工作績效 Etic OCB Emic OCB 創造性績效 工作績效 Etic OCB Emic OCB 創造性績效 截距項γ00 4.19** 4.07** 4.82** 3.43** 4.22** 4.10** 4.81** 3.47**
控制變項
員工年齡γ10 .16** .12* .01 .07 .14* .09✝ .00 .03 教育程度γ20 .18** .17** .09 .25** .17* .15** .09✝ .24**
主要效果
IOAMγ30 .09✝ .07✝ -.02 .10✝ SOAMγ40 -.03 -.07 -.08✝ -.12*
調節效果
任務互依γ50
交互作用
IOAM*任務互依γ60
SOAM*任務互依γ70
團體間變異τ00 0.19** 0.23** 0.31** 0.27** 0.19** 0.23** 0.30** 0.28**
團體內變異σ2 0.40 0.19 0.20 0.44 0.39 0.19 0.20 0.42 註：遺漏值採取完全排除法，此處分析之 N = 197。教育程度未中心化，其餘皆以總平均數中心化處理。
註：✝p < .10，*p < .05，**p < .01
51
參、任務互依性的調節效果
此部分的分析方法，一樣先放入控制變項與預測變項，接著放入調節變項
（任務互依性），最後再放入經過中心化後的預測變項與調節變項交乘項，也就 是 IOAM 與任務互依性的交乘項和 SOAM 與任務互依性的交乘項進入 HLM 分 析。最後之分析結果為表 9 之 M4，主要判斷方式是依照不同交乘項對於工作 表現的迴歸係數顯著性，驗證調節效果是否存在。若有顯著，則再透過交互作 用圖的繪製，來探討結果是否符合假設預期。
首先從 M3 模式當中可以看到，工作本身的任務互依性，會些微調節員工 之工作績效（β5j = .10，p < .10），但是對於 Etic OCB、Emic OCB 及創造性績效 而言，則沒有顯著影響效果。
在表 9 之 M4 當中的工作績效部分，可以發現任務互依性確實會負向調節 IOAM 與工作績效的關係（β6j = -.09，p < .05）。根據此結果繪製成交互作用圖
（見圖 2），發現當任務互依性低時，IOAM 與工作績效的正向關係的確會更顯 著；而任務互依性高時，IOAM 與工作績效的正向關係就會消失。但是以 H4a 的推論而言，IOAM 的動機特質，會在任務互依性低時更被活化，導致員工在 此情境下工作績效更高，但圖 2 的結果卻顯示了任務互依性有更強的效果，反 而在任務互依性低時，高 IOAM 才能發揮影響力去正向預測員工的工作績效，
因此 H4a 僅獲得部分支持。至於 SOAM 與工作績效之間的關係，並無法被任務 互依性所調節，因此 H5a 並沒有獲得支持。
52
表 9
調節效果 HLM 分析結果
M3 M4
依變項 工作績效 Etic OCB Emic OCB 創造性績效 工作績效 Etic OCB Emic OCB 創造性績效 截距項γ00 4.24** 4.10** 4.82** 3.49** 4.25** 4.10** 4.82** 3.48**
控制變項
員工年齡γ10 .15* .10✝ .00 .04 .14* .09✝ .00 .03 教育程度γ20 .16* .15** .09 .23** .16* .15** .09✝ .23**
主要效果
IOAMγ30 .08 .07✝ -.02 .09 .08 .07✝ -.02 .08 SOAMγ40 -.03 -.07 -.08✝ -.12* -.02 -.06 -.10* -.12✝ 調節效果
任務互依γ50 .10✝ .03 .01 .08 .13* .04 -.02 .11✝ 交互作用
IOAM*任務互依γ60 -.09* -.02 .06✝ -.10*
SOAM*任務互依γ70 .03 .01 .06✝ .02
團體間變異τ00 0.19** 0.23** 0.30** 0.27** 0.17** 0.23** 0.32** 0.26**
團體內變異σ2 0.39 0.19 0.20 0.42 0.39 0.20 0.19 0.42 註：遺漏值採取完全排除法，此處分析之 N = 197。教育程度未中心化，其餘皆以總平均數中心化處理。
註：✝p < .10，*p < .05，**p < .01
53
圖 2：任務互依性對 IOAM 與工作績效之交互作用圖。
在組織公民行為方面，分成 Etic OCB 與 Emic OCB 兩部分。根據 M4 的結 果顯示，Etic OCB 的部分，任務互依性並不會去調節 IOAM 與之的關係，也不 會去調節 SOAM 與之的關係，因此 H4b 與 H5b 皆未獲得支持。至於 Emic OCB 的部分，M4 的分析結果顯示任務互依性會些微的正向調節 IOAM 與 Emic OCB 的關係（β6j = .06，p < .10），根據此結果繪製成交互作用圖（見圖 3），發現在 任務互依性低的情境，高 IOAM 會負向預測 Emic OCB；而在任務互依性較高 時高 IOAM 與 Emic OCB 變成幾乎沒有關係。因此，本研究的 H4c 推論是當任 務互依性低時，會讓高 IOAM 者展現更少的 Emic OCB 行為，而當任務互依高 性時，IOAM 與 Emic OCB 之間應有些微負相關或無相關，故 H4c 獲得支持。
另外，任務互依性也會邊緣地正向調節 SOAM 與 Emic OCB 的關係（β7j
= .06，p < .10），根據此結果繪製成交互作用圖（見圖 4），發現雖然任務互依 的確會正向調節 SOAM 與 Emic OCB 之關係，但即便在高任務互依的情境當 中，SOAM 依舊是負向預測 Emic OCB，而非如 H5c 預測的結果般會有較強的
工作 績 效
54
正向相關。根據交互作用圖（見圖 4），只能證明任務互依性能夠部分抵銷 SOAM 所帶來的負向效果，而這跟本研究之預期為完全相反的結果，此部分留 待後續進一步討論。總結來說，H5c 並沒有獲得支持。
圖 3：任務互依性對 IOAM 與 Emic OCB 之交互作用圖。
圖 4：任務互依性對 SOAM 與 Emic OCB 之交互作用圖。
55
最後在創造性績效的部分，根據 M4 的結果顯示，任務互依性會顯著地負 向調節 IOAM 與創造性績效的關係（β6j = -.10，p < .05），根據此結果繪製成交 互作用圖（見圖 5），顯示出當任務互依性低時，IOAM 與創造性績效的正向關 係會更顯著；而當任務互依性高時，IOAM 就與創造性績效沒有相關。根據 H4d 的推論，在任務互依性低時，IOAM 會更被激發出來，進而展現出更多的 創造性績效。但以圖 5 的結果卻顯示只要任務互依性高就能帶來較高的創造性 績效；而在任務互依低時，IOAM 才能發揮其效果，因此 H4d 僅獲得部分支 持。至於 SOAM 與創造性績效之間的關係，並不會受到任務互依性的調節影 響，因此 H5d 並不被支持。
圖 5：任務互依性對 IOAM 與創造性績效之交互作用圖。
創造 性 績 效
56
57