1. 引言
5G-A全面商用与6G研发窗口压缩，使远程协同成为通信企业R&D新常态。中国信通院2025白皮书显示[1]，62%研发岗位已“周均远程 ≥ 3天”，但远程工程师专利提案量差异高达2.7倍，如何激励虚拟空间持续创新成为HR核心议题。JD-R模型虽被广泛用于创新前因研究[2]，却在高技术远程场景存在三缺口：远程办公时间属性未定[3] [4]、工作自主性传导机制模糊[5]、上级“随时在线”式反馈的边界效应缺失[6]。本文以276名通信研发工程师及82名直属上级为样本，结合专利系统客观数据，检验远程办公时间占比通过工作自主性影响创新行为的中介路径，并考察上级响应性的调节作用。研究贡献：① 将JD-R模型延伸至5G-A/6G远程研发情境；② 验证“放权–赋能–留白”机制链，明确工作自主性为远程办公转化为创新产出的关键“变压器”；③ 揭示上级高响应的挤出效应，为数字化领导行为划边界。结果可直接服务通信企业远程岗位设计、在线领导训练与个性化激励，并对芯片、互联网等研发密集型行业提供镜鉴。
2. 理论与建模
2.1. JD-R模型在研发情境的修正
工作要求–资源(JD-R)模型指出，任何工作情境均可拆解为“要求”与“资源”两类特征：要求消耗身心能量，资源则缓冲损耗并激活动机。
在5G-A/6G高密度迭代、跨域协同的通信研发场景下，传统JD-R量表出现“天花板”与“情境错位”缺陷，需做三处修正：
(1) 工作要求维度剔除“物理负荷”等低关联条目，新增“任务迭代速度”(task iteration speed)与“跨时区会议负荷”(cross-time-zone meeting load)，以反映标准窗口压缩与24 h在线评审带来的时间压力；
(2) 工作资源维度保留“社会支持”“反馈”等经典条目，引入“数字平台成熟度”(digital platform maturity)与“技术工具可及性”(tool accessibility)，凸显通信企业代码云、仿真云、自动测试床等专用资源；
(3) 将“工作自主性”从一般资源升级为“核心心理资源”，并细分为方法自主(选择算法/协议)、安排自主(决定子任务时序)、标准自主(自定性能指标)三维度，契合研发工作高不确定性、高探索性特征。修正后的JD-R模型既保留“健康–激励”双路径解释力，又适配远程研发情境。
2.2. 主效应
远程办公时间占比提升，首先压缩通勤与固定工位约束，使工程师可将节省的体力–认知资源重新配置到深度技术探索[7]；其次，时空弹性增强“错峰研发”机会，有利于在3GPP冻结前窗口完成高强度仿真与专利抢注；再者，数字平台与代码云的可及性在远程场景下被放大，形成资源增益效应。据此提出：
H1：远程办公时间占比越高，研发人员的创新行为(专利提案、创意分享、技术方案实施)越强。
2.3. 中介效应
工作自主性意味着研发人员可在方法、安排与评价标准上实施自我决策，这种控制感被视为“内在动机催化剂”[8]。当远程办公比例升高，组织不得不下放过程控制权，工程师得以：① 自主选择算法路线或协议方案(方法自主)，催生突破性创意；② 自行安排模块验证时序(安排自主)，减少等待与交接损耗；③ 设定并动态修正性能指标(标准自主)，快速迭代出可专利化技术方案。上述自主性三维度将远程办公带来的外部弹性转化为内部动机，进而触发更高水平的创新行为。因此提出：
H2：工作自主性的三维度(方法/安排/标准)部分中介远程办公时间占比对研发人员创新行为的正向影响。
2.4. 调节效应
上级响应性指supervisor对在线求助、即时消息与创意汇报的快速反馈程度[9] [10]。在远程情境下，高响应性上级倾向“秒回”与“密集跟踪”，虽可缓解信息不对称，却也可能：① 压缩员工自主决策空间，使其过度依赖外部指令；② 增加中断成本，削弱深度探索所需的“心流”状态；③ 通过“隐性时间压力”降低试错容忍度，从而减少高风险高价值创意产出。据此，上级高响应不仅弱化远程办公–创新行为的直接效应，也会抑制工作自主性的中介作用。由此提出：
H3a：上级响应性越高，远程办公时间占比对研发人员创新行为的正向效应越弱；
H3b：上级响应性越高，工作自主性在远程办公与创新行为之间的中介效应越弱。
2.5. 模型初定
综上所述，本文做出如下假设：
H1：远程办公时间占比对员工创新行为有正向显著性影响：
H1a：远程办公时间占比对创新意愿有正向显著性影响；
H1b：远程办公时间占比对创新行为执行有正向显著性影响；
H1c：远程办公时间占比对创新推广有正向显著性影响。
H2：工作自主性在远程办公时间占比对员工创新行为影响中有中介效应：
H2a：方法自主性在远程办公时间占比对员工创新行为影响中有中介效应；
H2b：安排自主性在远程办公时间占比对员工创新行为影响中有中介效应；
H2c：标准自主性在远程办公时间占比对员工创新行为影响中有中介效应。
H3：上级响应在远程办公时间占比对员工创新行为影响中有显著性调节作用：
H3a：上级响应性越高，远程办公时间占比对研发人员创新行为的正向效应越弱；
H3b：上级响应性越高，工作自主性在远程办公与创新行为之间的中介效应越弱。
由上述假设可得，本研究理论模型M1如图1所示：
Figure 1. Employee innovation behavior incentive theory model M1
图1. 员工创新行为激励理论模型M1
3. 数据收集与分析
3.1. 样本与数据收集
2025年4~6月，课题组以“远程办公周占比 ≥ 40%”为筛选线，在深圳、南京、西安三地的三家通信企业(设备制造、运营商、芯片子公司各一)研发部门发放问卷。HRBP导出过去十周门禁与VPN日志，计算每位工程师的远程办公时间占比，剔除不足40%者后生成候选名单。问卷以匿名二维码推送，工程师填答所有变量；直属上级单独对该下属2025年Q2的“创意产出”“专利提案”打分。共回收310份，删除填答时间短于300秒、同值直线、上级未匹配等无效样本，得276份有效问卷(有效率89.0%)，对应82名上级(平均每人评3.4名)。企业KM系统同步导出同一时段专利与3GPP提案数，与问卷工号盲编码匹配，形成“主观 + 客观”双源数据库。样本结构：深圳46.7%、南京29.0%、西安24.3%；男性68.5%；≤35岁71.7%；硕士及以上75.4%；初级/中级/高级岗位约4:4:2，符合通信研发人群分布。
3.2. 变量测量
(1) 自变量：远程办公时间占比(WFH%)
直接取自企业VPN与门禁系统，计算2025年Q2十周内在非园区办公天数 ÷ 总工作日，0%~100%连续变量(M = 57.55, SD = 18.74)。
(2) 因变量：员工创新行为(EIB)
如表1所示，在已有9条目基础上补充2项通信行业高频行为(“提出可专利的技术方案”“撰写标准提案”)，形成11条目Likert-5量表，由员工自评 + 上级他评各50%加权，α = 0.87。CFA显示单维拟合良好(χ2/df = 2.11, CFI = 0.96, RMSEA = 0.06)。
Table 1. Dependent variable: employee innovative behavior (EIB) Likert-5 scale
表1. 因变量：员工创新行为(EIB) Likert-5量表
测量变量 |
测量题项 |
创新意愿 |
1. 我主动提出全新的功能或算法创意 |
2. 我基于创意申请发明专利或实用新型 |
3. 我将创意提交至3GPP/CCSA等标准组织文稿 |
创新推广 |
1. 我在团队会议中倡导采用新创意 |
2. 我跨部门分享创意并寻求资源支持 |
3. 我主动组织技术分享或Mini-Workshop |
创新行为执行 |
1. 我将创意落实为原型、仿真或Demo |
2. 我撰写技术文档以支持创意落地 |
3. 我快速迭代方案以响应评审意见 |
4. 我利用代码云/仿真平台开放创意源代码或数据 |
5. 我在项目里程碑前完成可交付的创新成果 |
(3) 中介变量：工作自主性(WA)
如表2所示，采用Breaugh三维度9条目量表：方法自主(3)、安排自主(3)、标准自主(3)，整体α = 0.90，二阶模型χ2/df = 2.30，CFI = 0.95，TLI = 0.94，RMSEA = 0.07。
Table 2. Dependent variable: Mediator variable: Job Autonomy (WA) Breaugh three-dimensional 9-item scale
表2. 因变量：中介变量：工作自主性(WA) Breaugh三维度9条目量表
测量变量 |
测量题项 |
方法自主性 |
1. 我能自行选择完成算法/协议模块的具体方法 |
2. 我可自由决定使用哪种编程语言或仿真工具 |
3. 我可以独立确定技术问题的解决方案路径 |
安排自主性 |
1. 我能自主安排子任务的开始与结束时间 |
2. 我可决定何时进行调试、验证或代码评审 |
3. 我能灵活调整每日工作顺序以适应灵感高峰 |
标准自主性 |
1. 我可自行设定模块性能指标与测试标准 |
2. 我能修改项目里程碑的个体交付要求 |
3. 我可自主定义“完成”与“合格”的技术阈值 |
(4) 调节变量：上级响应性(SR)
如表3所示，上级响应性采用3条目量表，并在276份样本中表现出良好信度与效度：Cronbach’s α = 0.89，CR = 0.91，删题后α下降仅0.03~0.05；单因子CFA拟合优异(χ2/df = 1.96, CFI = 0.98, RMSEA = 0.06)，因子载荷0.75~0.85，AVE = 0.68，Fornell-Larcker与HTMT均显示√AVE远高于相关系数且HTMT < 0.85，同源偏差检验亦表明首因子解释度仅31.2%，ΔCFI = 0.015，信效度指标全部达标。
Table 3. Moderating variable: Supervisor responsiveness (SR) 3-item scale
表3. 调节变量：上级响应性(SR) 3条目量表
测量变量 |
测量题项 |
上级响应 |
当我在线向领导寻求帮助/建议时，领导通常会及时做出回复 |
当我在线向领导汇报工作内容时，领导能及时做出回复 |
当我在线向领导提出想法、创意时，领导总体上能及时跟我进行讨论 |
(5) 控制变量
控制变量涵盖个体与团队两个层面：个体层包括性别(男 = 1，女 = 0，男性占68.5%)、年龄(连续，M = 33.4岁，SD = 5.7)、学历(1专科至4博士，M = 3.1，众数为硕士)、工龄(连续年资，M = 7.8年，SD = 4.2)及岗位层级(初级 = 1至高级 = 3，分布约4:4:2)；团队层包括企业性质(设备商 = 1、运营商 = 2、芯片 = 3，占比分别为42.0%、35.5%、22.5%)、任务复杂度(Maynard 4条目短版，α = 0.82，AVE = 0.53，CFI = 0.97，RMSEA = 0.06)和团队规模(人数取自然对数，M = 3.42，约30人，SD = 0.88)。相关分析表明，上述变量与主要研究变量均呈显著相关(p < 0.05)，因此全部纳入后续层级回归与结构方程分析，以提高估计精度并控制潜在遗漏变量偏误。
3.3. 同源偏差与信效度
程序控制：员工–上级异源、匿名、分两波采集、设置2道反向题。统计检验：Harman单因子首因子37.4% < 40%；潜在共同方法因子对比ΔCFI = 0.018 < 0.02，表明同源偏差不严重。信度：所有构念Cronbach’s α > 0.80，组合信度CR > 0.80，AVE > 0.50。区分效度：Fornell-Larcker与HTMT准则均达标。KMO = 0.92，Bartlett p < 0.001，适合结构方程分析。
3.4. 分析工具
先用SPSS 26做层级回归检验主效应与调节第一阶段；再用Mplus 8.3进行偏差校正Bootstrap (5000次)检验中介效应；针对“被调节的中介”，采用潜调节结构方程(LMS)法，在Mplus中构建“WFH% × SR”交互潜变量，比较±1 SD上级响应水平下中介效应的显著性差异。所有连续变量中心化处理，VIF < 3排除多重共线；稳健性部分用负二项回归检验客观专利计数，结论保持一致。
同时，新增感知监控作为控制变量，该变量聚焦于远程办公场景下员工感知到的上级监控程度，参考Liang等(2023)开发的成熟量表设计3个题项，具体包括“领导会通过VPN日志、打卡记录等工具查看我的远程工作时长”“领导要求我定时上传工作截图、进度报告等材料以报备工作状态”“领导会频繁询问我远程办公期间的具体工作内容与进展细节”。经检验，该量表信效度良好，Cronbach’s α系数为0.86，单因子验证性因子分析拟合达标(χ²/df = 2.05, CFI = 0.97, RMSEA = 0.06)。在后续层级回归与结构方程模型分析中，将感知监控与性别、年龄、岗位层级等既有控制变量共同纳入模型，以排除其对远程办公时间占比、工作自主性与员工创新行为之间关系的潜在干扰，进一步提升研究结论的稳健性与可靠性。
4. 实证分析
4.1. 相关性矩阵
图2报告了各变量皮尔逊相关系数。远程办公时间占比(WFH%)与员工创新行为(r = 0.42, p < 0.01)、工作自主性三维度(r介于0.36~0.40，p < 0.01)均呈显著正相关；上级响应性与创新行为呈弱正相关(r = 0.18, p < 0.05)，与WFH%相关不显著(r = 0.07, p > 0.05)，为后续调节分析提供初步依据。控制变量中，年龄、岗位层级、任务复杂度与因变量显著相关，故保留于模型之中。
Figure 2. Correlation matrix
图2. 相关性矩阵
4.2. 主效应检验
远程办公时间占比对员工创新行为具有显著正向影响(β = 0.23, p < 0.001)，ΔR2 = 0.05，H1成立。方差膨胀因子(VIF)均小于2.3，多重共线性可忽略。
4.3. 中介效应检验
采用偏差校正Bootstrap (5000次)检验工作自主性三维度中介效应。结果如下：
方法自主性：间接效应 = 0.08，95% CI [0.03, 0.13]；
安排自主性：间接效应 = 0.07，95% CI [0.02, 0.12]；
标准自主性：间接效应 = 0.06，95% CI [0.01, 0.11]。
总中介效应占总效应的43.5%，直接效应仍显著(β = 0.13, p < 0.01)，表明三维度均发挥部分中介作用，H2得到支持。
4.4. 调节效应检验
在M1中加入“远程办公 × 上级响应”交互项，交互系数显著为负(β = −0.04, p < 0.05)。简单斜率分析显示：
低上级响应条件下，WFH%对创新行为斜率 = 0.31 (p < 0.01)；
高上级响应条件下，斜率降至0.11 (p > 0.05)。
进一步采用LMS法检验被调节的中介模型：
高响应组：工作自主性中介效应 = 0.03，95% CI [–0.01, 0.08] (不显著)；
低响应组：中介效应 = 0.09，95% CI [0.04, 0.15] (显著)；
差异指数 = 0.06，95% CI [0.02, 0.11]不包含零，H3a与H3b均成立。
4.5. 稳健性检验
(1) 将因变量替换为企业KM系统提取的“近六月专利 + 标准提案数”，采用Poisson回归，WFH%主效应系数 = 0.19，p < 0.01，方向与显著性保持不变。
(2) 将“数字平台成熟度”作为团队层变量纳入二层随机截距模型，远程办公效应(γ = 0.22, p < 0.01)及中介、调节模式均未发生实质变化，表明研究结果稳健。
此外，将修正后的JD-R模型变量(任务迭代速度、跨时区会议负荷、数字平台成熟度、技术工具可及性)纳入结构方程模型检验，结果显示模型拟合达标(χ²/df = 2.28, CFI = 0.94, RMSEA = 0.07)，其中数字平台成熟度、技术工具可及性正向显著影响工作自主性(β = 0.19、0.21, p < 0.01)，任务迭代速度与跨时区会议负荷对创新行为无直接显著效应，进一步验证了本研究对JD-R模型修正的合理性。
5. 分析结果讨论
5.1. 理论启示
首先，本研究将JD-R模型从教育场景延伸至5G-A/6G通信研发远程情境，验证了“资源–增益”路径在高技术、高迭代背景下的适用性：远程办公时间占比通过工作自主性三维度显著促进创新行为，总中介贡献达43.5%，弥补了传统JD-R文献对“方法–安排–标准”细分机制的忽视。其次，我们发现上级响应性在虚拟空间呈现“双刃剑”效应–高响应虽可缓解信息不对称，却同时削弱员工的自主决策空间与深度探索动机，从而对创新产出形成“挤出效应”。这一发现丰富了在线领导行为研究，提示“即时反馈”并非越高越好，为数字化领导理论划定了边界条件。
5.2. 管理实践
(1) 远程岗位设计：由“工时监控”转向“输出导向”，在目标契约中明确20%弹性时长用于员工自选题或前沿扫描，最大化方法/安排/标准自主性的激活空间。
(2) 数字化赋能：统一建设代码云、仿真云与知识图谱，降低跨地协作成本，确保弹性办公场景下技术资源“随取随用”，强化JD-R中的“工具可及性”增益路径。
(3) 在线领导行为：建议采用“异步 + 集中评审”双轨模式，上级仅在关键里程碑24 h内响应，日常沟通改为批处理，减少持续在线盯控带来的中断压力。
(4) 激励机制：将专利提案、3GPP文稿等客观创新指标纳入远程绩效考核，设置可兑换培训/会议资源的“创新积分”，形成资源保护理论所强调的“初始资源–资源螺旋”正向循环。
6. 局限与未来展望
第一，横断面设计限制了因果推断，后续可采用多时点评分或经验取样法(ESM)捕捉远程办公与创新行为的动态变化。第二，变量主要依赖自陈与上级他评，未来可接入Git提交频次、代码Review采纳率、专利数据库等客观指标，降低共同方法偏差。第三，样本聚焦通信企业，结论外推至互联网、芯片等研发密集型行业需谨慎，跨行业对比有助于检验本研究边界条件。此外，可进一步引入个体主动性人格、调节定向等特质变量，考察其与远程办公、上级响应的交互效应，以丰富“人–境”匹配视角下的创新管理研究。
远程办公本身并非抑制研发创新的“罪魁祸首”，关键在于通过工作自主性释放“资源–增益”效应；而上级响应需保持“适度边界”，过度即时的在线干预反而会挤出员工的探索行为。通信企业人力资源管理部门应构建“放权–赋能–留白”的远程研发管理体系：在岗位层面下放过程自主权，在工具层面统一数字平台，在领导层面实行节点式响应，在激励层面强化客观创新产出。唯有如此，方能在5G-A/6G技术窗口期持续获取高水平专利与标准提案，支撑企业在全球通信竞赛中维持技术领先。
基金项目
国家自然科学基金项目(61672296)；江苏省教育厅哲学社会科学基金项目(2014SJB008)。