组织承诺和工作投入的中间变量

（一）描述性统计结果

1.FMOC总体状况

采用描述性统计分析，获得FMOC的总体状况如表3-15所示。

表3-15　家族企业职业经理人组织承诺（FMOC）的总体状况

数据显示，FMOC总体承诺得分为3. 61，比理论中值2. 5高出许多（高出44. 4％），可以认为宁波地区家族企业职业经理人的总体组织承诺水平较高，而各个承诺维度得分有所不同，除了机会承诺较低（2. 47）外，其他维度承诺水平都比较高，规范承诺最高，承诺值高达4. 48，因子解释度达到76. 94％，说明这5个因子较好地解释了家族企业职业经理人的组织承诺水平。

2.FMOC在样本差异统计上的分析

宁波地区家族企业职业经理人样本在性别、年龄、教育程度、工龄、职位、年薪6个方面具有一定差异，这种差异会反映到其组织承诺及其各个维度的水平状况上。

（1）性别差异的组织承诺状况分析

主要是通过一维方差分析（单因子变异数分析）和单一样本t检验的方法来分析家族企业职业经理人不同性别在组织承诺上有无显著差异的关系。结果得到P值小于0. 05的有经济承诺（0. 019）、机会承诺（0. 017）、整体承诺（0. 00）。由此表明，对家族企业职业经理人不同性别被试者在组织承诺各因子上进行单一样本t检验，其分析结果显示：P＝Sig.（2-tailed）＝0. 00＜0.05，表示性别对整体组织承诺呈现显著性差异，男性（M＝3. 8196）普遍高于女性（M＝3. 4608）。在组织承诺分项方面，情感承诺、理想承诺、机会承诺在性别上有显著差异，而且均表现为男性大于女性。在规范承诺、经济承诺方面没有性别上的显著差异。

（2）年龄差异的组织承诺状况分析

采用一维方差分析（单因子变异数分析）和单一样本t检验的方法来分析家族企业职业经理人不同年龄在组织承诺上的差异关系。结果得到P值小于0. 05的有情感承诺（0. 00）、理想承诺（0. 002）、机会承诺（0. 003）、整体承诺（0.045）。对家族企业职业经理人基于年龄进行单因子变异数分析表明：不同年龄的被试者在情感承诺、规范承诺、理想承诺3个方面均未呈现显著的差异，但经济承诺、机会承诺两个方面以及整体组织承诺方面均呈现显著的差异（P值均小于0.05）。继续采用SPSS相关分析，得到年龄和经济承诺之间Pearson相关分析的相关系数｜r｜＝0. 224^[5]，表示两变量弱正相关，而年龄和经济承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 016＜0. 05，比较显著，肯定了两者相关的假设。所以得出结论：年龄与经济承诺之间存在正相关，年龄越大，经济承诺越高。而年龄和机会承诺之间的Pearson Correlation（相关系数）｜r｜＝0. 164，表示两变量弱相关，两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 078＞0.05，不显著，因此否定了两者相关假设。所以得出结论：年龄与机会承诺之间不相关。年龄和整体承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 135，表示两变量弱相关，而年龄和整体承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 148＞0.05，不显著，因此否定了两者相关的假设。所以得出结论：家族企业职业经理人年龄与整体承诺之间不相关。

综合起来的分析结果是：家族企业职业经理人年龄与整体承诺之间不相关，但年龄与经济承诺之间存在正相关，年龄与机会承诺之间不相关。

（3）教育程度的组织承诺差异分析

采用一维方差分析（单因子变异数分析）和单一样本t检验的方法来分析家族职业经理人不同学历在组织承诺上有无显著差异的关系，结果表明，教育背景与规范承诺（P＝0. 011＜0.05）、理想承诺（P＝0. 009＜0.05）、机会承诺（P＝0. 039＜0. 05）以及整体承诺（P＝0. 000＜0. 05）方面呈现出显著关系，而与经济承诺无显著关系。而后对它们进行相关分析，结果如下：

教育程度和规范承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 165，表示两变量弱正相关，而教育程度和规范承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 076＞0. 05，不显著，因此否定了两者相关的假设。所以，可以得出结论：教育程度与规范承诺之间不存在相关。教育程度和理想承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 223，表示两变量弱正相关，而教育程度和理想承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0.016＜0.05，显著，肯定了两者相关的假设。所以，可以得出结论：教育程度与理想承诺之间正相关，教育程度越高，理想承诺越高。教育程度和机会承诺之间的Pearson Correlation（相关系数）｜r｜＝0. 145，表示两变量弱正相关，而教育程度和机会承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 121＞0. 05，不显著。因此否定了两者相关的假设。所以，根据上表，可以得出结论：教育程度与机会承诺之间不存在相关。教育程度和整体承诺之间的Pearson Correlation（相关系数）｜r｜＝0. 293，表示两变量具有一定正相关，而教育程度和整体承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 001＜0. 05，显著。因此肯定了两者相关的假设。所以，根据上表，可以得出结论：教育程度与整体承诺之间正相关，教育程度越高，整体承诺越高。

综合起来的分析结果是：家族企业职业经理人教育程度与整体承诺、理想承诺之间正相关，但与经济承诺无显著关系，与规范承诺、机会承诺也不相关。

（4）目前企业工龄的组织承诺差异分析

采用一维方差分析（单因子变异数分析）和单一样本t检验的方法来分析家族企业职业经理人在目前企业工作的工龄在组织承诺上有无显著差异的关系。结果表明，工龄与情感承诺（P＝0. 002＜0. 05）、理想承诺（P＝0. 001＜0. 05、经济承诺（P＝0. 019＜0. 05）、机会承诺（P＝0. 000＜0. 05）以及整体承诺（P＝0. 000＜0. 05）方面呈现出显著关系。而后对它们进行相关分析，结果为：工龄和情感承诺之间的Pearson Correlation（相关系数）｜r｜＝0. 260，表示两变量正相关，而工龄和情感承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 005＜0. 05，显著。因此肯定了两者相关的假设。所以，可以得出结论：工龄与情感承诺之间正相关，工龄越高，情感承诺越高。工龄和理想承诺之间的Pearson Correlation（相关系数）｜r｜＝0. 314，表示两变量正相关，而工龄和理想承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 001＜0.05，显著。因此肯定了两者相关的假设。所以，可以得出结论：工龄与理想承诺之间正相关，工龄越高，理想承诺越高。工龄和经济承诺之间的Pearson Correlation（相关系数）｜r｜＝0. 286，表示两变量弱相关，而工龄和经济承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 002＜0. 05，显著。因此肯定了两者相关的假设。所以，可以得出结论：工龄与经济承诺之间正相关。工龄和机会承诺之间的Pearson Correlation（相关系数）｜r｜＝0.314，表示两变量正相关，而工龄和机会承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 001＜0. 05，显著。因此肯定了两者相关的假设。所以，可以得出结论：工龄与机会承诺之间正相关，职业经理人在家族企业的工龄越长，机会承诺就越高。工龄和整体承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 335，表示两变量正相关，而工龄和整体承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 000＜0. 05，显著。因此肯定了两者相关的假设。所以，可以得出结论：工龄与整体承诺之间正相关。

综合起来的分析结果是：家族企业职业经理人在当前企业的工龄与规范承诺不相关，与其他维度和整体承诺均正相关。

（5）职业经理人职位的组织承诺差异分析

采用一维方差分析（单因子变异数分析）和单一样本t检验的方法来分析家族企业职业经理人不同职位在组织承诺上有无显著差异的关系。结果表明，5个维度和整体承诺的P值^[6]均小于0. 05，说明具有显著关系。而后对它们进行相关分析，得到以下结果：现任职位和情感承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 480，表示两变量正相关，而现任职位和情感承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 000＜0. 05，显著。因此肯定了两者相关的假设。所以，可以得出结论：现任职位与情感承诺之间正相关，职位越高，情感承诺越高。现任职位和规范承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 288，表示两变量正相关，而现任职位和规范承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 000＜0. 05，显著。因此肯定了两者相关的假设。所以，可以得出结论：现任职位与规范承诺正相关，职位越高，规范承诺越高。现任职位和理想承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 311，表示两变量正相关，而现任职位和理想承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 001＜0.05，显著。因此肯定了两者相关的假设。所以，可以得出结论：现任职位与理想承诺正相关。现任职位和经济承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 246，表示两变量正相关，而现任职位和经济承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 008＜0. 05，显著。因此肯定了两者相关的假设。所以，可以得出结论：现任职位与经济承诺正相关，职位越高，经济承诺越高。现任职位和机会承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 170，表示两变量弱正相关，而现任职位和机会承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 069＞0. 05，不显著。因此否定了两者相关的假设。所以，可以得出结论：现任职位与机会承诺不相关。现任职位和整体承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 439，表示两变量正相关，而现任职位和整体承诺两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 000＜0.05，显著。因此肯定了两者相关的假设。所以，可以得出结论：现任职位与整体承诺正相关，职位越高，整体承诺越高。

综合起来的分析结果是：家族企业职业经理人职位除与机会承诺不相关外，与其他维度和整体承诺均正相关。

（6）基于目前企业年薪的差异分析

采用一维方差分析（单因子变异数分析）和单一样本t检验的方法来分析家族企业职业经理人在目前企业的不同年薪在组织承诺上有无显著差异的关系。结果表明，5个维度和整体承诺的P值均小于0. 05^[7]，说明具有显著关系。而后对它们进行相关分析，结果为：年薪和情感承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 549，表示两变量较强正相关，而两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 000＜0. 05，显著。因此肯定了两者相关的假设。所以，可以得出结论：年薪与情感承诺正相关，年薪越高，情感承诺越高。年薪和规范承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 549，表示两变量较强正相关，而两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 000＜0. 05，显著。因此肯定了两者相关的假设。所以，可以得出结论：年薪与规范承诺正相关，年薪越高，规范承诺越高。年薪和理想承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 431，表示两变量正相关，而两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 000＜0.05，显著。因此肯定了两者相关的假设。所以，可以得出结论：年薪与理想承诺之间存在正相关，年薪越高，理想承诺就越高。年薪和规范承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 322，表示两变量正相关，而两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 000＜0. 05，显著。因此肯定了两者相关的假设。所以得出结论：年薪与经济承诺正相关，年薪越高，经济承诺越高。年薪和机会承诺之间的Pearson Correlation（相关系数）为｜r｜＝0. 172，表示两变量弱正相关，而两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 066＞0.05，不显著。因此否定了两者相关的假设。所以，可以得出结论：年薪与机会承诺不相关。年薪和整体承诺之间的Pearson Correlation（相关系数）为｜r｜＝0.526，表示两变较强正相关，而两个变量之间不相关的双尾检验值（P＝Sig.（2-tailed））为0. 000＞0. 05，显著。因此肯定了两者相关的假设。所以得出结论：年薪与整体承诺正相关，年薪越高，整体承诺越高。

综合以上分析，人口统计状况变量与各个承诺维度的相关分析结果如表3-16所示。

表3-16　家族企业职业经理人的人口状况与组织承诺各维度相关分析结果^[8]

在家族企业职业经理人的人口描述状况中，除了年龄对整体组织承诺不相关以外，其他5个方面的人口状况统计变量均对整体承诺呈显著影响，男性普遍高于女性的整体组织承诺水平，教育程度、工龄、现任职位、年薪均与整体组织承诺正相关。