The complex antecedents of the innovation willingness of scientific and technological talents in universities under the theory of planned behavior： an analysis based on the fsQCA method

Zuoxue LI; Hui LIU

doi:10.3969/j.issn.2095-1248.2025.04.013

Journal of Shenyang Aerospace University >

2025 , Vol. 42 >Issue 4: 90 - 96

DOI: https://doi.org/10.3969/j.issn.2095-1248.2025.04.013

Management Science and Engineering

The complex antecedents of the innovation willingness of scientific and technological talents in universities under the theory of planned behavior： an analysis based on the fsQCA method

Zuoxue LI ,
Hui LIU

Expand

College of Economics and Management，Shenyang Aerospace University，Shenyang 110136，China

Received date: 2024-08-10

Revised date: 2025-04-02

Accepted date: 2025-04-07

Online published: 2025-08-19

Fold

Abstract

Based on the theory of planned behavior，the qualitative comparative analysis was used to explore the complex antecedent mechanism affecting the innovation willingness of scientific and technological talents in universities.The results show that internal ecological degree，external ecological degree，directive norm，exemplary norm，self-efficacy and control are not the necessary conditions for the innovation willingness of scientific and technological talents in universities； There are three paths to affect the innovation willingness of scientific and technological talents in universities，namely，innovation attitude-driven，directive-normative attitude-driven，and mixed-driven.The conclusions are helpful to systematically explain the complex antecedents of the innovation willingness of scientific and technological talents in universities，improve the innovation efficiency of scientific and technological talents，and empower the high-quality development of scientific and technological innovation.

Key words： scientific and technological talents; willingness to innovate; innovative attitude; theory of planned behavior; qualitative comparative analysis

Cite this article

Zuoxue LI , Hui LIU . The complex antecedents of the innovation willingness of scientific and technological talents in universities under the theory of planned behavior： an analysis based on the fsQCA method[J]. Journal of Shenyang Aerospace University, 2025 , 42(4) : 90 -96 . DOI: 10.3969/j.issn.2095-1248.2025.04.013

科技创新能力已成为综合国力竞争中的决定因素和世界各大国发展战略中的重点。然而，在某些领域，我国的创新体系整体效能不高，与发达国家相比还存在很大差距，例如在高端芯片制造、核心工业软件和医学影像设备元器件等领域“卡脖子”问题仍然比较严峻^［1］。高校科技人才是创新驱动发展的主要力量，创新意愿是高校科技人才产生创新行为的内生动力，也是高校科技人才进行科研的最直接的动力^［2］。因此，如何激发高校科技人才创新意愿，实现我国科技创新高质量发展成为亟待解决的重要课题。目前已有研究探讨了创新氛围^［3］、创新保障^［2］等单一因素对科技人才创新意愿的影响因素，鲜有研究采用整合视角，同时考察多因素协同作用对科技人才创新意愿的影响。然而现实中高校科技人才创新意愿是多种因素之间的联动效应，同时考察多种因素的协同影响，才能全面地揭示高校科技人才创新意愿的复杂机制。

基于此，本文以高校科技人才为研究对象，基于计划行为理论，采用模糊集定性比较分析方法（fuzzy set qualitative comparative analysis，fsQCA）探究高校科技人才创新意愿的复杂前因机制，为改善高校科技人才的管理制度和模式提供对策建议，从而激发高校科技人才的创新意愿。

1 理论基础与模型构建

1.1 理论基础

学者Ajzen提出的计划行为理论认为行为意向影响着个体行为的产生^［4］，而行为意向由个体态度、主观规范及知觉行为控制3个要素共同决定。一般来说，行为态度越积极，主观规范越强，知觉行为控制越强，个体实施该行为的意愿就越强烈^［5］。相应地，高校科技人才的创新意愿也是高校科技人才的创新态度、主观规范和知觉行为控制联动的结果。因此，本文以计划行为理论为基础探究高校科技人才创新意愿的复杂前因。

1.2 计划行为理论要素与高校科技人才创新意愿

1.2.1 创新态度与创新意愿

创新态度即个体对于创新的认知与偏好程度评价。Phan等^［6］在研究个体行为态度时认为态度由两个层面构成，即内生态度和外生态度。内生态度是源于个体的内部特质。赵斌等^［7］在研究中发现好奇心强、把创新看成是其分内工作、有强烈工作责任感、真正热爱创新的科技人才会有强烈的创新意愿。外生态度指受外部需求刺激而形成的对特定行为的偏好性评价。李广培等^［8］在研究中发现科技人员若能积极参与创新，不仅可以获得领导在精神上的认可，还可以提高收入，进而激发他们的创新热情。由此可见，内生态度和外生态度均会影响高校科技人才的创新意愿。

1.2.2 主观规范与创新意愿

主观规范是指个体在决策是否要执行某个行为时感受到的源自他们周围重要的人或组织规范而产生的社会压力^［9］，包括指令性规范和示范性规范。示范性规范，即科技人才周围领导和同事已表现出来的创新行为，对于科技人才具有示范性作用。郭丽芳等^［10］阐述了组织员工在充分考虑周围人际环境后会决定自己是否进行责任式创新，从而起到引导员工责任式创新意向和行为的示范作用，并激发员工进行责任式创新。指令性规范，即组织或组织中重要成员向科技人才提出创新要求。赵斌等^［7］指出组织制度是科技人员不得不遵循的规范，会给科技人员带来一定的压力，促使科技人才产生创新意愿。综上，本文将主观规范细分为示范性规范和指令性规范纳入影响高校科技人才创新意愿的条件变量中。

1.2.3 知觉行为控制与创新意愿

知觉行为控制是指科技人才在进行创新行为过程中所感受到的难易程度，主要包含创新的自我效能感和控制力两方面。自我效能感是个体对自己有能力进行创新的信心水平，许慧等^［11］提出当科研人员具备高度的创新自我效能感时，有助于激发他们的创新热情和行为表现。控制力是考虑到开展创新活动所需要的知识、技能、资源、时间和精力之后，科技人才对自己开展创新行为掌控程度做出的客观评价，辛本禄等^［3］提出增强员工的控制力感知，员工更容易产生创新意愿。因此，本文认为高校科技人才的自我效能感和创新控制力均能影响高校科技人才的创新意愿。

综上，本文基于计划行为理论与组态视角来探究影响高校科技人才创新意愿的组态效应机制，理论模型如图1所示。

显示原图|下载原图ZIP|生成PPT

图1 理论模型

2 变量测量、数据收集与分析

2.1 变量测量

本文采用现有文献中已经得到广泛应用和检验的研究量表进行编制。内生态度和外生态度采用Phan等^［6］的量表；指令性规范和示范性规范的测量采用Ajzen^［12］的量表；自我效能感采用Carmeli等^［13］的量表；控制力的测量采用Taylor等^［14］的量表；创新意愿采用Fishbein等^［15］的量表。

2.2 问卷的设计

问卷共分为两个部分，第一部分是受访者的基本情况，包括受访者的性别、年龄等个人特征；第二部分是问卷的主体部分，基于计划行为理论设置了27个题项，从个体的行为态度、主观规范和知觉行为控制3个维度来测量科技人才的创新意愿。受访者基于五级利克特量表作答，“1”代表“非常不同意”，“5”代表“非常同意”逐次递增。

2.3 问卷收集

本次研究样本为国内不同院校中随机抽取的科技人才，以问卷星网络链接的方式共发放300份调查问卷，回收294份调查问卷，排除了22份填答失效问卷，最后留存272份问卷作为本文的数据分析源。具体的样本特征分布情况如表1所示。

表1 样本特征分布情况

特征变量	类型	数量	占比/%
性别	男	214	78.68
性别	女	58	21.32
年龄	21~31岁	10	3.68
	31~40岁	102	37.50
	41~50岁	99	36.40
	50岁以上	61	22.42
学历	本科	7	2.58
	硕士	20	7.35
	博士	245	90.07
任职年限	1~2年	17	6.25
	3~5年	24	8.82
	6~10年	61	22.43
	10年以上	170	62.50
工作类型	基础研究	34	12.50
	应用基础研究	163	59.93
	应用研究	75	27.57
职称	初级	10	3.67
	中级	27	9.93
	副高级	112	41.18
	正高级	123	45.22

2.4 信效度分析

所有变量的Cronbach's α系数均大于0.6，CR值均高于0.7标准值，证明本文的问卷具有较好的内部一致性，信度良好。KMO值均大于0.7，说明各题项之间的关联度较好。表2为信度与效度分析，由表2数据可知，最小AVE值为0.41，达到效度基本要求（AVE值大于0.36是可以接受的）^［16］。

表2 信度与效度分析

变量	最小因子载荷系数	Cronbach's α	AVE	CR
内生态度	0.456	0.781	0.411	0.77
外生态度	0.568	0.806	0.62	0.83
指令性规范	0.466	0.740	0.45	0.76
示范性规范	0.673	0.839	0.66	0.84
自我效能感	0.613	0.868	0.65	0.88
控制力	0.596	0.682	0.41	0.67
创新意愿	0.588	0.798	0.47	0.81

3 研究方法与组态分析

3.1 研究方法

定性比较分析（qualitative comparative analysis，QCA）是20世纪80年代美国社会学家 Ragin基于集合理论和布尔运算为分析解决组态问题复杂因果关系提出的研究方法^［17］。QCA方法从组态视角出发，有利于解释管理实践研究中相互依赖、因果关系复杂的现象。本文选取fsQCA 方法，主要基于以下原因：首先，采用fsQCA方法能够从组态视角分析计划行为理论各要素的组合效应对高校科技人才创新意愿的影响，其次，fsQCA方法的研究结果具有非对称性的特点，能够对比高校科技人才高创新意愿与非高创新意愿的组态路径。

3.2 变量校准

本文采用直接校准法将样本描述性统计的95%分位数、中位数和5%分位数分别设定为完全隶属、交叉点、完全不隶属的锚点，条件变量的校准锚点如表3所示。

表3 条件变量的校准锚点

变量	完全隶属	交叉点	完全不隶属
创新意愿	5	4.4	3.61
内生态度	5	4.2	3.21
外生态度	5	3.67	2.33
指令性规范	4.75	3.5	2.26
示范性规范	4.67	3.33	1.68
自我效能感	4.75	3.5	2
控制力	4.67	3.33	2.03

3.3 必要性分析

通常以条件变量对结果变量的一致性水平作为必要条件的衡量指标。当条件变量的一致性大于0.9，才能被视为结果变量的必要条件^［18］。本文中的6个前因条件的一致性都没有达到0.9（如表4所示），因此单个前因条件均不构成结果变量的必要条件。

表4 单个条件变量的必要性分析

条件变量	一致性
条件变量	高创新意愿	非高创新意愿
内生态度	0.753	0.556
~内生态度	0.527	0.751
外生态度	0.706	0.594
~外生态度	0.556	0.693
指令性规范	0.682	0.605
~指令性规范	0.610	0.716
示范性规范	0.738	0.586
~示范性规范	0.538	0.717
自我效能感	0.707	0.595
~自我效能感	0.572	0.711
控制力	0.787	0.656
~控制力	0.494	0.652

注：～表示逻辑非，下同

3.4 组态分析

本文利用fsQCA3.0对高校科技人才高创新意愿和非高创新意愿的组态进行分析，将一致性阈值设为0.8、案例频数设为1，并将PRI一致性阈值设置为0.7^［19］，最终得到如表5所示的高创新意愿4条组态和非高创新意愿的3条组态路径。

表5 组态路径

条件变量	高创新意愿				非高创新意愿
	H1	H2		H3	NH1	NH2	NH3
	H1	H2a	H2b	H3	NH1	NH2	NH3
内生态度	●	●	●	●	⊗	⊗	⊗
外生态度	●	●	●	●		⊗	⊗
指令性规范	⊗	●	●		⊗		⊗
示范性规范	⊗	•		●	⊗	⊗	⊗
自我效能感	⊗		•	•	⊗	⊗	⊗
控制力		•	•	●	⊗	⊗
一致性	0.913	0.916	0.924	0.919	0.864	0.866	0.867
原始覆盖度	0.305	0.454	0.429	0.450	0.429	0.412	0.420
唯一覆盖度	0.051	0.028	0.010	0.022	0.036	0.019	0.026
解的一致性	0.894				0.856
解的覆盖度	0.552				0.474

注：● 表示核心条件存在；⊗表示核心条件缺失；•表示边缘条件存在；⊗表示边缘条件缺失；空白表示该条件可以出现也可以不出现，对结果没有影响。

从表5能够看出，在计划行为理论的交互作用下，产生了4条高创新意愿路径，且4条路径解的一致性达到0.894，大于标准值0.8，说明分析结果有效。覆盖度为0.552，说明该组态解释了一半以上高校科技人才高创新意愿产生的原因。

3.4.1 高校科技人才高创新意愿路径分析

1）路径1为创新态度型驱动。组态H1显示，强内生态度、强外生态度、非强示范性规范、非强自我效能感作为核心条件，非指令性规范作为边缘条件能够有效地提升高校科技人才的创新意愿。这意味着，当高校缺少指令性规范和示范性规范并且科技人才缺少自我效能感时，不管是否具备控制力，只要高校科技人才具有强烈的内生态度与外生态度，都会表现出较高的创新意愿，因此将组态H1命名为创新态度型驱动。

2）路径2为指令性规范态度型驱动。组态H2a指出，以创新态度和指令性规范为核心条件，示范性规范和控制力为边缘条件可以促进高校科技人才产生创新意愿。组态H2b指出，以创新态度和指令性规范为核心条件，自我效能感和控制力为边缘条件能够提高高校科技人才的创新意愿。比较H2a和H2b两条路径可以发现，两者在核心条件（创新态度和指令性规范）上完全相同，因此将这两条路径统一命名为指令性规范态度型驱动。两条路径在边缘条件（H2a中的示范性规范和H2b自我效能感）上存在替代关系。该条路径说明当高校科技人才具有强烈的创新态度且高校具有合理的指令性规范，即使让科技人才感知到较弱的示范性规范、自我效能感和创新控制力，也会激发他们的创新意愿。

3）路径3为混合型驱动。组态H3指出以创新态度、示范性规范和控制力为核心条件，自我效能感为边缘条件，高校科技人才会产生较强的创新意愿。这一组态表明，无论高校是否具有指令性规范，只要高校科技人才具有强烈的创新态度，高校具有合理的示范性规范，并且让科技人才感知到足够控制力，即使有较弱的自我效能感，也会激发高校科技人才的创新意愿。对比路径1和路径2，除了创新态度，此条路径中示范性规范和控制力也在激发科技人才创新意愿中起到了核心作用，影响创新意愿的3个维度均有核心条件出现在H3中，因此将组态H3命名为混合型驱动。

3.4.2 稳健性检验

参照张明等^［19］的检验标准，本文将把一致性门槛由0.8提高到0.85，一致性门槛在0.85时生成的组态结果和一致性门槛在0.8时生成的组态结果完全一致，所以本文的结论是比较稳健的。

4 结论

4.1 研究结论

1）本文通过必要条件分析发现，内生态度、外生态度、指令性规范、示范性规范、自我效能感和控制力均不是构成高校科技人才创新意愿的必要条件。2）本文采用组态视角和fsQCA方法研究发现，影响高校科技人才创新意愿的路径有3条，即创新态度型驱动、指令性规范态度型驱动和混合型驱动。3）高校科技人才创新意愿影响因素的路径具有多样性，存在多条可以产生目标结果的组态路径，弥补了传统方法上仅关注单一因素独立作用而无法对各个变量之间的复杂关系进行解释的问题。

4.2 管理建议

1）引导高校科技人才对创新保持积极的态度。从组态H1、H2和H3中都可以看出，作为核心条件，内生态度和外生态度是影响高校科技人才创新意愿的关键因素，高校要充分考虑科技人才的兴趣爱好、工作态度、责任感等内在特征，选拔内驱力强的优秀科技人才。2）建立合理的创新激励制度并发挥榜样引领作用。从路径H2可以看出，除了创新态度，指令性规范在激发高校科技人才创新意愿中也起到重要作用。因此，高校要建立合理的创新激励制度来充分激发他们对创新的热情。另外在路径H3中，示范性规范也起到核心作用，意味着领导自己不仅要积极创新，还要督促同事们积极参与创新，发挥榜样的引领作用。3）提高高校科技人才创新信心并强化资源支持。从H2a、H2b两条路径看出，创新自我效能感和控制力对激发高校科技人才创新意愿也起到一定的作用。因此高校要不断鼓励科技人才，让他们相信自己有完成创新任务的能力，同时也要加强对高校科技人才的培训，增加他们的创新知识，具备足够的创新知识和能力自然会增加创新的自信心。

4.3 不足与展望

本文可能存在一些不足。首先，影响高校科技人才创新意愿的因素有很多，未来的研究可以纳入更多的前因条件进行分析，进一步挖掘高校科技人才创新意愿的影响路径。其次，本文只讨论了计划行为理论要素与高校科技人才创新意愿复杂机制的静态关系，未来可深入探讨创新态度、主观规范和知觉行为控制对高校科技人才创新意愿的动态复杂机制。

References

Publishing order | Descend order by publishing year | Descend order by cited within

[1]	陈旭，江瑶，熊焰，等.关键核心技术“卡脖子” 问题的识别及应用：以AI芯片为例［J］.中国科技论坛，2023（9）：17-27.

[2]	杨锐，曲绍卫，牛萍.创新生态视域下高校科研人员创新动力影响因素研究［J］.科学决策，2022（6）：73-85.

[3]	辛本禄，代佳琳.组织创新氛围对员工创新意愿的作用机制：以知识密集型服务企业为样本［J］.科技进步与对策，2021，38（9）：109-116.

[4]	Ajzen I.From intentions to actions：a theory of planned behavior［M］.Heidelberg：Springer，1985：11-39.

[5]	Ajzen I.The theory of planned behavior［J］.Organizational Behavior and Human Decision Processes，1991，50（2）：179-211.

[6]	Phan P H， Wong P K， Wang C K.Antecedents to entrepreneurship among university students in Singapore：beliefs，attitudes and background［J］.Journal of Enterprising Culture，2002，10（2）：151-174.

[7]	赵斌，陈玮，李新建，等.基于计划行为理论的科技人员创新意愿影响因素模型构建［J］.预测，2013，32（4）：58-63.

[8]	李广培，吴金华.个体视角的绿色创新行为路径：知识共享的调节效应［J］.科学学与科学技术管理，2017，38（2）：100-114.

[9]	Ajzen I.Perceived behavioral control，self-efficacy，locus of control，and the theory of planned beha-vior1［J］.Journal of Applied Social Psychology，2002，32（4）：665-683.

[10]	郭丽芳，崔煜雯，马家齐.创新驱动力背景下新型研发机构员工责任式创新行为研究［J］.科技进步与对策，2019，36（16）：125-132.

[11]	许慧，郭丕斌，暴丽艳.组织创新支持对科研人员创新行为的影响：基于创新自我效能感、知识共享的链式中介效应［J］.科技管理研究，2021，41（8）：124-131.

[12]	Ajzen I.Residual effects of past on later behavior：habituation and reasoned action perspectives［J］.Personality and Social Psychology Review，2002，6（2）：107-122.

[13]	Carmeli A， Schaubroeck J.The influence of leaders’ and other referents’ normative expectations on individual involvement in creative work［J］.The Leadership Quarterly，2007，18（1）：35-48.

[14]	Taylor S， Todd P A.Understanding information technology usage：a test of competing models［J］.Information Systems Research，1995，6（2）：144-176.

[15]	Fishbein M， Ajzen I.Belief，attitude，intention，and behavior：an introduction to theory and research［M］.Reading Mass：Addison-Wesley Pub.Company，1975.

[16]	张宝建，张晓空，裴博，等.感知价值、认知过程和行为意向：MOOC学习行为的构型分析［J］.中国远程教育，2019（9）：72-82，93.

[17]	Ragin C C.The comparative method ：Moving beyond qualitative and quantative strategies［M］.California： University of California Press，1987.

[18]	张明，杜运周.组织与管理研究中QCA方法的应用：定位、策略和方向［J］.管理学报，2019，16（9）：1312-1323.

[19]	杜运周，刘秋辰，陈凯薇，等.营商环境生态、全要素生产率与城市高质量发展的多元模式：基于复杂系统观的组态分析［J］.管理世界，2022，38（9）：127-145.

Options

Outlines

模态框（Modal）标题