職業(yè)倦怠感因素及預測模型有效性分析

金仁旻，徐祖輝

(1.安徽經(jīng)濟管理學院，安徽　合肥　230059；2.上海財經(jīng)大學，上?！?00433)

?

職業(yè)倦怠感因素及預測模型有效性分析

金仁旻1，徐祖輝2

(1.安徽經(jīng)濟管理學院，安徽合肥230059；2.上海財經(jīng)大學，上海200433)

在問卷調查的基礎上首先對目前我國職場人士的職業(yè)倦怠狀況進行了描述性分析。其次對導致職業(yè)倦怠的因素進行預處理，獲得七個顯著因素，在此基礎上運用三種不同的模型對職場人士是否產(chǎn)生職業(yè)倦怠進行預測分析，結果表明：三個模型中，KNN模型的預測準確率最高，Logistic和LDA模型預測結果比較接近。

職業(yè)倦怠因素；KNN模型；LDA模型； Logistic模型

一、引　言

職場倦怠的性質和原因成為多學科關注的焦點已長達四十多年時間(Schaufeli[1]，2009)。該概念最早出現(xiàn)在臨床心理學研究方面，是用來描述一些服務行業(yè)工作人員由于工作時間長、強度大而導致的一種疲勞狀態(tài)(Freudenberger[2],1974)。職場倦怠會帶來很大的職業(yè)風險，它會損害人們的身體、心理健康，進而影響員工的工作表現(xiàn)，并可能形成惡性循環(huán)(Sauter &Murphy[3], 1995)。斯坦福大學及哈佛大學的研究人員對228名有工作倦怠的人進行了調查，結果發(fā)現(xiàn)，有工作倦怠的人生病的風險增加50%，健康出問題的風險增加35%，早死亡的風險增加20%，職場倦怠對人健康的危害不遜于香煙。可以說，職場倦怠問題已經(jīng)成為影響人們工作和生活的一大原因。

我國是世界上最大的發(fā)展中國家，正經(jīng)歷著經(jīng)濟與社會轉型，人們面臨的工作壓力越來越大?！疤鴺亲詺ⅰ薄斑^勞死”“抑郁”等職業(yè)倦怠的極端表現(xiàn)時有出現(xiàn)。著名辦公方案供應商雷格斯(Regus)的最新調查表明, 75%的中國上班族覺得自己承受的壓力越來越大。近67%的上班族感到一定程度的壓抑，并對自己的工作時常表現(xiàn)出厭倦。這一比例在全球受訪的80個國家和地區(qū)中最高，中國已成為目前世界上壓力最大的國家之一。而73%的受訪者認為工作是壓力的主要原因。

因此，本文對當下我國職場人士工作倦怠狀況進行調查，實證分析影響我國職場人士職業(yè)倦怠的主要因素，并通過驗證不同模型在預測職業(yè)倦怠上的有效性，為今后對職場壓力與倦怠進行管理和干預，提高職業(yè)群體健康水平提供參考。

二、文獻綜述

職業(yè)倦怠指個體在工作重壓下產(chǎn)生的身心疲勞與耗竭的狀態(tài)，最早由美國臨床心理學家Freudenberger于1974年提出。他認為職業(yè)倦怠是一種最容易在助人行業(yè)(如教師、護士、律師等)中出現(xiàn)的情緒性耗竭的癥狀。隨后M a s l a (1976；1981)等人把對工作上長期的情緒及人際應激源做出反應而產(chǎn)生的心理綜合癥稱為職業(yè)倦怠。一般認為，職業(yè)倦怠是個體不能順利應對工作壓力時的一種極端反應，是個體伴隨長時期壓力體驗而產(chǎn)生的情感、 態(tài)度和行為的衰竭狀態(tài)。

后來國外學者不斷對職業(yè)倦怠進行了新的研究。20世紀70年代，主要研究成果有工作—負荷控制模型和不同倦怠期的劃分(Karasek et al.[5],1979 )。工作—負荷控制模型指出人與環(huán)境適應不良會產(chǎn)生壓力反應與疾病。而倦怠期的劃分可根據(jù)癥狀分為生理的倦怠期、智力的倦怠期、社會的倦怠期、心理情感倦怠期、心靈的倦怠期五個階段。20世紀八九十年代的研究主要有ERI 模型(Siegristn[6]，1996)。該模型包含情境和個性兩個不同成分類型。模型假設過度承諾對身心健康有主效應，高努力—低獎酬不平衡對身心健康有主效應，高努力—低獎酬不平衡與過度承諾對身心健康有交互效應。后來職業(yè)倦怠進入實證研究階段，理論和實踐開始結合，出現(xiàn)了資源存儲理論(Hobfoll et al.[7]，2000)。該理論解釋了人如何因環(huán)境需求、資源供需之間的調節(jié)關系而產(chǎn)生壓力，適用于廣泛的職業(yè)領域。還有JD-R模型(Demerouti et al.[8]，2001)。此模型從工作要求和工作資源兩個角度，對倦怠的產(chǎn)生做出了解釋。JD-R 模型不僅涉及 6 個方面的工作資源，還解釋了工作要求與情感耗竭存在高相關關系，工作資源和個人效能感降低存在高相關關系。還有研究將職業(yè)倦怠研究拓展到家庭方面(Eric[9]，2010)。該研究實證分析了不同類型的家庭工作沖突與職業(yè)倦怠的關系，驗證了壓力沖突、行為沖突、家庭—工作沖突和職業(yè)倦怠有顯著關系，而時間沖突和職業(yè)倦怠不存在顯著關系。

其他比較典型的研究從環(huán)境角度解釋倦怠產(chǎn)生的原因(Sarason[10]，2001),認為個體是否會產(chǎn)生職業(yè)倦怠，工作環(huán)境是一個初始決定性因素。Wulf[11](2012)就通過實證研究，指出員工所在的職業(yè)環(huán)境以及員工與服務對象所處的社會環(huán)境會對職業(yè)倦怠有影響。

相對于國外的大量研究， 我國學者對職業(yè)倦怠的研究始于最近數(shù)年，且已取得一定成果，尤其是在測量工具的本土化和對不同職業(yè)的倦怠狀況探究等方面收獲豐碩。但因涉足時間較短，現(xiàn)實條件限制，總體看來，我國職業(yè)倦怠研究還處于起步階段，很多研究環(huán)節(jié)還屬空白。代表性的有李永鑫[12](2005)等在參考 Maslach 等的工作倦怠問卷的基礎上結合中國文化背景編制了倦怠問卷。在引進并修訂 MBI 的基礎上李超平等對于職業(yè)倦怠與組織公平的關系進行驗證性研究?？傮w來說我國職業(yè)倦怠研究還停留在較低層次，很少有對情緒、投入問題進行分析研究的，而且大多研究集中于某一職業(yè)群體(李玉蓮[13]，2014；范琳[14]，2015)，整合性研究不多，干預性研究基本上是空白，尤其缺乏不同職業(yè)群體之間職業(yè)倦怠水平的比較研究。 本研究在前人開發(fā)量表的基礎上，試圖跨越職業(yè)領域，對我國的職場人士的職業(yè)狀態(tài)進行調查，并使用不同模型對是否產(chǎn)生職業(yè)倦怠進行預測分析，比較其有效性，以期為后期研究提供借鑒。

三、數(shù)據(jù)收集及分析

(一)數(shù)據(jù)收集

本文的數(shù)據(jù)收集采取微信問卷星在線調查方式,通過不同的QQ群、微信群等渠道發(fā)放電子調查問卷，為保證數(shù)據(jù)有很好的代表性，盡量在不同的地區(qū)、領域發(fā)放。問卷分為兩大部分，一部分為受訪者倦怠感得分，另一部分為各潛在解釋變量的取值。數(shù)據(jù)收集共歷時2個月左右，共收集問卷402份。通過問卷整理，剔除了不合格問卷。比如有的問卷明顯是由學生填寫的，這部分問卷可能部分反映了學生實習或兼職時的職業(yè)倦怠狀況，但與真正的職業(yè)倦怠還是有差別的，所以這部分問卷予以剔除。另外，還有些問卷存在前后矛盾或有大量缺失值，均被視為無效問卷予以剔除。經(jīng)過研究小組整理，最后共獲得338份有效問卷，問卷有效率為84%。

(二)描述性統(tǒng)計分析

對數(shù)據(jù)進行初步整理，分析在各變量上職業(yè)倦怠感的分布情況(見表1)?？梢园l(fā)現(xiàn)，調查對象中男女比例大體一樣，分別為50.30%、49.7%，抽樣偏差十分小。有效問卷中，219名調查者在職場中并未出現(xiàn)倦怠，占被調查比例的64.79%，其中女性的不倦怠比例相對男性而言更高。有職業(yè)倦怠的比例為35.21%，并且男性的倦怠比例高于女性，盡管卡方檢驗的結果顯示二者沒有明顯的差別。

從年齡數(shù)據(jù)上來看，被調查人群職業(yè)倦怠的年齡主要集中在18～39歲，此年齡段倦怠人數(shù)明顯多于40歲以上的倦怠人數(shù)。這說明年輕的群體相對年老群體更容易發(fā)生倦怠。隨著年齡的增長，倦怠感會相對降低。

從學歷層次來看，被調查者中有職業(yè)倦怠的人群學歷主要集中在高中或中專以及初中以下。學歷為本科及以下人群倦怠比例要高于碩士及以上學歷的職場人士。這說明低學歷者比高學歷者更容易倦怠。

從婚姻狀況來看，已婚人士的職場倦怠比例為33.8%，要小于未婚人士(37.6%)。而離異人士中有倦怠感的比例最高，達到40%。但離異人士在樣本中占比相對較低，僅約為2.96%，所以此結論的可靠性需要進一步證實。

表1　各變量描述性統(tǒng)計

從行業(yè)來看，職業(yè)倦怠比例最高的行業(yè)分別是廣告/媒體、物流/運輸和政府/事業(yè)單位。在這些行業(yè)中，近一半人表示有職業(yè)倦怠感；而倦怠比例最低的兩個行業(yè)為批發(fā)零售和酒店/旅游/餐飲，分別為16.7%和26.7%。

從職業(yè)層次上來看，普通員工的職業(yè)倦怠比例較高，達43.90%，而高層管理者為25%，最低的是中層管理者，僅為10.6%。

從工齡結構上來看，倦怠者工齡主要集中在0～10年，這與我們此次調查數(shù)據(jù)的年齡結構是相似的。通過分析發(fā)現(xiàn)，工齡10年以下的倦怠人數(shù)明顯高于工作年限為10年及以上的。其中參加工作少于5年的人倦怠比例居然超過50%。而工齡較長的人中，工齡在10～15年的人群倦怠感比例最低，僅為18.9%。

從收入水平來看，收入水平與職業(yè)倦怠感呈負向關系。月收入2000元及以下的人士倦怠比例達42.86%，而月收入8000以上的倦怠比例僅為14.29%。單純從這個結果來看，收入水平是影響職業(yè)倦怠的一個重要因素。

從工作量選項來看，超過半數(shù)的人認為自己的工作量是比較合理的，超過三分之一的人認為自己的工作量偏多，僅有少部分人認為自己的工作量偏少。認為工作量偏多的人群中產(chǎn)生倦怠的人也比較多,達61.30%。比較有意思的是，認為工作量偏少的人中有職業(yè)倦怠感的比例要高于認為工作量合理的人的比例，這也從一定程度上說明工作量與職業(yè)倦怠并不是絕對正向關系，還有其他因素會影響職業(yè)倦怠。

從加班次數(shù)來看，每月加班10次以上的人群中有職業(yè)倦怠感的比例最高，達到60.30%，而從來不加班的人群中感到倦怠的比例也是最少的，為17.80%。這表明加班和職業(yè)倦怠感有著正向關系。

從休假時間來看，大約39%的人沒有除法定節(jié)假日以外的假期，約22%的人有1～5天的假期，表明大部分的人休假是比較少的。而21.89%的人有15天以上假期。結合前面樣本的行業(yè)分析，筆者認為這可能與教育、培訓等行業(yè)的寒暑假有關。這一定程度上反映了我國休假制度執(zhí)行狀況不是很好。而休假較少的人群，感到職業(yè)倦怠的比例也較高，分別為40.20%和42.70%，這說明休假與職業(yè)倦怠存在一定的負相關。有意思的是，休假超過15天以上的人群中，有職業(yè)倦怠的比例不是最低的，這也說明并不是假期越多越好。

上下級關系、同事關系和是否公平這三個變量共同反映了職場人士的工作軟環(huán)境。在這三個選項中，選擇軟環(huán)境一般的人占了大多數(shù)，對于較差的上下級關系、同事關系和經(jīng)常的不公平現(xiàn)象選項選擇的人比較少。上下級、同事關系不太好和經(jīng)常感到不公平現(xiàn)象的人群中，職業(yè)倦怠感的比例也相對較高，這說明工作軟環(huán)境和職業(yè)倦怠感存在一定的負向關系。但軟環(huán)境中具體選項的影響程度需要借助其他分析方法進一步分析。

(三)Logistic/LDA/QDA/KNN模型分析

1．解釋變量的預處理

首先，在選擇和建立模型之前我們要對得到的數(shù)據(jù)進行預處理，以防無用的數(shù)據(jù)進入模型從而影響模型的整體效果。因此我們第一步通過逐個回歸的方法將無用變量剔除；之后使用逐步回歸去除自變量之間的多重共線性問題，最后得到可以代入回歸模型的自變量。我們將14個自變量一一代入二元logistic模型，與因變量是否倦怠進行回歸。通過P值篩選出對整個模型有用的自變量?？紤]到各個自變量之間可能存在相互影響，因此我們將淘汰自變量的P值設為0.2，以免將顯著的變量直接剔除。當P<0.2，保留變量；當P≥0.2，剔除變量。根據(jù)P值我們可以剔除包括性別、婚姻狀況、行業(yè)在內(nèi)的三個變量，并對剩下的11個變量做進一步處理。

其次，進行多重共線性檢驗。對于二元logistic模型而言，多重共線性會導致方程中變量系數(shù)標準差的增大，從而使得模型估計系數(shù)可靠性大幅度下降，最終導致利用模型測算所得結果的準確性不理想。因此通過計算各變量的相關系數(shù)來判斷變量之間的多重共線性。變量間多重共線性修正方法很多。比如，增大樣本量；采用多種自變量篩選方法相結合的方式，建立一個最優(yōu)的逐步回歸方程；進行主成分分析，用提取的因子代替原變量進行回歸分析；嶺回歸分析，等等。下面我們將采用逐步回歸來修正多重共線性。根據(jù)逐步回歸結果，我們可以得到最終可以進入回歸模型的是休假時間、上下級關系、工作量、是否公平、收入、同事關系以及加班次數(shù)這7個變量(見表2)。

表2　自變量逐步回歸的結果

2．模型的選擇和建立

(1)logistic模型

Logistic回歸分析是指因變量為二級計分或二類評定的回歸分析。如果因變量是二項分類變量，顯然不能滿足正態(tài)分布的要求，這時就可以運用logistic 回歸分析。在一般的多元回歸分析中，如果以P(概率)作為因變量，回歸分析模型為：P=A+B1X1+B2X2+……+BnXn。但是，運用該模型進行計算時，常常會出現(xiàn)P 大于1 或P 小于0 的不合理情況。為此，對概率P進行對數(shù)單位轉換，即logitP=ln(P/1-P)，于是，就可以得到二元logistic 回歸分析方程：

1n[pi/1-pi]=α0+α1X1+α2X2+α3X3+α4X4+α5X5+α6X6+α7X7+εt

分析發(fā)現(xiàn)：上下級關系、休假時間在0.001置信水平下為顯著；工作量、收入和加班次數(shù)在0.01的顯著性水平下是顯著的，在0.05的置信水平下，是否公平和同事關系兩個變量顯著(見表3)。進一步分析發(fā)現(xiàn)，logistic模型的預測平均準確率為76.62722%。我們將數(shù)據(jù)分為訓練數(shù)據(jù)和測試數(shù)據(jù)，選取前70%的數(shù)據(jù)為訓練數(shù)據(jù)，大約236個數(shù)據(jù)；選取后30%的數(shù)據(jù)為測試數(shù)據(jù)，大約102個數(shù)據(jù)。

表3　logistic模型的系數(shù)估計結果

表4　logistic模型預測分析

表5　logistic模型測試數(shù)據(jù)預測分析

根據(jù)表4、表5分析結果可以看出，與之前的logistic模型預測分析結果相比，使用測試數(shù)據(jù)的平均預測準確率為84.31373%，提高了大約8個百分點。

(2)LDA模型

線性判別式分析(Linear Discriminant Analysis, LDA)是模式識別的經(jīng)典算法，其基本思想是將高維的模式樣本投影到最佳鑒別矢量空間，以達到抽取分類信息和壓縮特征空間維數(shù)的效果。投影后保證模式樣本在新的子空間有最大的類間距離和最小的類內(nèi)距離，即模式在該空間中有最佳的可分離性。使用這種方法能夠使投影后模式樣本的類間散布矩陣最大，并且同時類內(nèi)散布矩陣最小。就是說，它能夠保證投影后模式樣本在新的空間中有最小的類內(nèi)距離和最大的類間距離，即模式在該空間中有最佳的可分離性(見表5、表6)。

表6　先驗概率分布

表7　LDA模型測試數(shù)據(jù)預測分析結果

根據(jù)表7的分析結果，LDA模型測試數(shù)據(jù)的平均預測準確率為84.31373%，和logistic模型測試數(shù)據(jù)的平均預測準確率是一樣的。

(3)KNN模型

K最近鄰(k-Nearest Neighbor，KNN)分類算法是一個依賴極限定理、成熟且簡單的機器學習算法。其思想是如果一個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別。采用這種模型，分析發(fā)現(xiàn)，當K=10的時，KNN模型測試數(shù)據(jù)的平均預測準確率為87.2549%，高于logistic模型和LDA模型測試數(shù)據(jù)的平均預測準確率大約4個百分點(見表8)。

表8　KNN模型測試數(shù)據(jù)預測分析結果

3.模型的比較分析

線性判別分析(LDA模型)估計參數(shù)的方法是最小二乘法。它對模型的約束很多，比如正態(tài)性假設以及等協(xié)方差函數(shù)的假設。而logistic回歸則限制相對要少，參數(shù)的估計方法也用了更為一般化的極大似然估計。K近鄰(KNN模型)方法是一種黑箱技術，它基于數(shù)據(jù)挖掘技術，能夠動態(tài)地調整訓練集中的數(shù)據(jù)以達到適應不同樣本分布和不同時期的預測要求。三種模型各有優(yōu)點。KNN模型具有高長期預測精度、建模樣本要求不高、預測效果波動很小等優(yōu)點。Logistic回歸模型具有更好的透明度，所選擇的變量都可以通過一定的經(jīng)濟含義做出解釋。比較三種方法的預測準確率發(fā)現(xiàn)： KNN模型的平均預測準確率最高，logistic模型和LDA模型準確率差不多(見表9)。

表9　三種模型預測準確率的比較

四、結論及建議

本文通過對職場人士職業(yè)倦怠的調查數(shù)據(jù)分析，揭示了影響職業(yè)倦怠的主要因素以及其作用強弱，有助于從多角度了解現(xiàn)今職場狀況。首先，通過對職場人士的職業(yè)倦怠進行分析發(fā)現(xiàn)，職業(yè)倦怠在中國職場人士中是較普遍的問題，理應受到重視。其次，通過對職場人士職業(yè)倦怠分析，發(fā)現(xiàn)職業(yè)倦怠與很多因素有相關性，包括年齡、學歷、職業(yè)層次、工作年限、收入水平、工作量、加班次數(shù)、休假制度、上下級關系、同事關系、是否公平。以上因素中，上下級關系是最容易導致職業(yè)倦怠的因素，其次為工作量的多少。而加班次數(shù)和收入少于預期也會導致職業(yè)倦怠。最后，通過三個模型的比較分析發(fā)現(xiàn)，KNN模型在預測職業(yè)倦怠準確率上更好，今后的應用中我們應該更多考慮這種模型的適用性。

針對這些不同的因素，作為管理者，應該根據(jù)個體的差異性進行分析并采取相應措施。(1) 現(xiàn)代管理中越來越強調“以人為本”。根據(jù)以上分析發(fā)現(xiàn)，“工作量”“上下級關系”“加班頻率”“收入”是影響職業(yè)倦怠的重要因素。為了改變產(chǎn)生倦怠的應激源，作為管理者應該改變過去一味追求績效的管理模式，可根據(jù)實際情況突出情感化管理，真正體現(xiàn)“以人為本”的管理理念。(2)建立公平公正的激勵體系和績效考核機制，減少職工不公平感知頻率。從文中分析發(fā)現(xiàn)，員工對不公平的感知也是導致職業(yè)倦怠的一個重要因素，所以管理者應在績效評價中盡量做到透明、公正。(3)建立完善的培訓體系。由于倦怠產(chǎn)生的一部分原因是“能力恐慌”，員工需要學習新知識、新技能以適應工作中的新情況。完善的培訓體系既可以滿足員工的自我提升需求，還可以提高員工處理問題的能力，從而能夠有效緩解職業(yè)倦怠。(4)實行崗位輪換以豐富工作內(nèi)容。崗位輪換是指讓員工在同一水平的職位上輪換工作，通過多樣化的職業(yè)活動，可以幫助員工接觸不同的工作流程，緩解單調重復帶來的職業(yè)倦怠感。

總之，隨著社會發(fā)展，職場對員工的要求會越來越高，隨之而來的是越來越嚴重的職業(yè)倦怠問題。對于這些問題的普遍性根源和個性原因我們都應該充分考慮，根據(jù)實際情況提出應對措施，提高員工的職場狀態(tài)，最終為企業(yè)、社會帶來更大效益。

[1]Schaufeli W B, Bakker A B & Van Rhenen, W. How changes in job demands and resources predict burnout, work engagement, and sickness absenteeism. Journal of Organizational Behavior,2009，(30):893-917.

[2]Freudenberger H J. Staff burn-out[J]. Journal of Social Issues, 1974，30(1):159-165.

[3]Sauter S L & Murphy L R.Organizational risk factors for job stress[M].Washington, DC: American Psychological Association，1995.

[4]Maslach C. Burnout: the cost of caring[M]. Englewood Cliffs, NJ: Prentice-Hall, 1982.

[5]Karasek R, et al. Stress, productivity, and the reconstruction of working life[M]. New York: Basic Books，1979.

[6]Siegrist J. Adverse health effects of high-effort/low-reward conditions[M].Journal of Occupational Health Psychology,1996，(1)：27-41.

[7]Hobfoll S E & Shirom A.Conservation of resources theory: Applications to stress and management in the workplace[A].In R.T. Golembiewski (Ed.), Handbook of organizational behavior (2nd rev. ed.)[C]. New York: Dekker，2000:57-81.

[8]Demerouti E, Bakker A B, Nachreiner F & Schaufeli W B. The job demands-resources model of burnout[J]. Journal of Applied Psychology,2001，(86):499-512.

[9]Eric Lambert & Nancy L Hogan & Irshad Altheimer.The Association Between Work-Family Conflict and Job Burnout Among Correctional Staff: A Preliminary Study[J]. Am J Crim Just，2010，(35):37-55.

[10]Sarason Concepts of spirituality and community psychology, Journal of Community Psychology[J].2001, 29(5):599-60.

[11] Wulf Rossler. Stress, burnout and job dissatisfaction in mental health workers Eur Arch Psychiatry Clin Neurosci[J].2012，262 (Suppl 2):S65-S69.

[12]李永鑫，吳明證.工作倦怠的結構研究[J].心理科學，2005，28(2)：454-457.

[13]李玉蓮，等.基層疾病預防控制機構人員職業(yè)倦怠狀況及影響因素分析[J].中國公共衛(wèi)生，2014，(6)：261-266.

[14]范琳，楊杰瑛.高校英語教師職業(yè)倦怠及應對策略研究——基于教師專業(yè)發(fā)展的視角[J].外語教學，2015，(3)：45-47.

責任編校：裴媛慧，孫詠梅

Analysis on Job Burnout Factors and the Effectiveness of Predictive Models

JIN Ren-min1,XU Zu-hui2

(1. Anhui Institute of Business Administration, Hefei 230059, China;2. Shanghai University of Finance and Economics,Shanghai 200433, China)

With the primary data collected through survey, this essay first has a descriptive analysis on the state of job burnout in China, then screen out seven significant job burnout factor using pre-statistics. Based on the previous analysis, KNN model, LDA model and Logistic model are tested to predict job burnout. Results show that among the three different models KNN model is the best and the other two have similar performance.

job burnout factor;KNN model;LDA model;logistic model

2016-03-05

國家社科基金項目(15BGL166)；上海財經(jīng)大學研究生創(chuàng)新基金項目(CXJJ-2015-327)

金仁旻，男，安徽安慶人，講師，博士研究生，研究方向為組織戰(zhàn)略管理。

F240

A

1007-9734(2016)04-0103-07

徐祖輝，男，江蘇泰州人，博士研究生，研究方向為戰(zhàn)略管理。

DOI:10.19327/j.cnki.zuaxb.1007-9734.2016.04.017