Does Big Data Capability Make Green Human Resource Management More Effective? A Study of Green Organizational Citizenship Behaviour and Environmental, Social, and Governance Performance in the Indian Manufacturing Sector

テクニカル・サマリー：インドの製造業におけるビッグデータ能力とグリーン・ヒューマン・リソース・マネジメント

問題提起と研究のギャップ
環境・社会・ガバナンス（ESG）のパフォーマンスは、製造業にとって戦略的な不可欠事項となっているが、その進展は一様ではなく、特にインドのような新興経済圏において顕著である。既存の文献は、サステナビリティのための技術的およびオペレーショナルなイノベーションを強調しているものの、人間中心の「社会（Social）」および「ガバナンス（Governance）」の側面を見落としがちである。さらに、現在のグリーン・ヒューマン・リソース・マネジメント（GHRM）とデジタル能力に関する研究は、統合されたフレームワークとしてではなく、並行して進行していることが多い。本研究は、従業員主導の裁量的行動がいかにして統合的なESG成果に集約されるかというメカニズムに関して、具体的な実証的エビデンスが不足しているという点に着目している。本研究は、GHRMの実践がいかにして測定可能なESGパフォーマンスへと変換されるかを検証し、境界条件としてのビッグデータ分析能力（BDAC）を調査することで、これらのギャップに対処する。

理論的枠組みと仮説
本研究は、AMO（Ability–Motivation–Opportunity）フレームワークと自然資源ベース観（NRBV）を統合し、調整された媒介モデルを構築している。

• AMOフレームワーク： GHRMの実践（トレーニング、インセンティブ、参加）が、従業員の能力（Ability）、動機付け（Motivation）、機会（Opportunity）を高め、グリーン組織市民行動（GOCB）を促進すると仮定する。
• NRBV： GOCBが、サステナビリティの成果を推進するための戦略的能力の行動的マイクロ・ファンデーション（微視的基礎）として機能することを示唆している。
• BDAC： データ処理、モニタリング、意思決定を改善することにより、人間中心の実践の有効性を高める補完的な戦略的能力として概念化されている。

本研究では5つの仮説を提示する：

1. H1： GHRMの実践は、ESGパフォーマンスに正の影響を与える。
2. H2： GHRMの実践は、GOCBに正の影響を与える。
3. H3： GOCBは、ESGパフォーマンスに正の影響を与える。
4. H4： GOCBは、GHRMとESGパフォーマンスの関係を媒介する。
5. H5： BDACは、GHRMとGOCBの関係（ひいてはESGへの間接効果）を正に調整する。すなわち、BDACが高い場合に、その関係性はより強くなる。

調査手法

• 設計： 共通メソッドバイアスを低減し、因果推論を強化するために、タイムラグを用いた定量的研究デザインを採用した。
• サンプル： インドのグジャラート州およびマハラシュトラ州の6つの製造企業に所属する400人の従業員からデータを収集した。サンプルは、1,260人の母集団から比例配分を用いた単純無作為抽出（SRSWOR）によって選定された。
• データ収集： プロセスは約5ヶ月間にわたり、以下の3つのウェーブで行われた：
  • 時点1 (T1)： GHRMの実践およびBDAC。
  • 時点2 (T2)： GOCB（4〜6週間後）。
  • 時点3 (T3)： 知覚されたESGパフォーマンス（4〜6週間後）。
• 分析： 部分最小二乗構造方程式モデリング（PLS-SEM）を用いた。分析は2段階のアプローチで行われた。まず、信頼性と妥当性を確認するための確認的因子分析（CFA）（因子負荷量、VIF、クロンバックのアルファ、合成信頼性、AVE、HTMTを評価）を行い、次にブートストラップ法（5,000サンプル）を用いた構造モデルの評価を行った。ESGパフォーマンスは、反映的・形成的（reflective-formative）な高次構成概念（HOC）としてモデル化された。

主な結果

• 直接効果： 構造モデルは、GHRMの実践がESGパフォーマンスに対して有意な正の影響を与え（$\beta=0.380, p<0.001$）、GOCBに対して強い正の影響を与えること（$\beta=0.599, p<0.001$）を裏付けた。また、GOCBはESGパフォーマンスに対して有意な正の影響を与えた（$\beta=0.457, p<0.001$）。
• 媒介効果： GOCBは、GHRMとESGパフォーマンスの関係を部分的に媒介することが判明した。間接効果は有意であり（$\beta=0.273, p<0.001$）、これはGHRMには直接的な影響がある一方で、その影響の相当部分が従業員の裁量的行動を通じて伝達されることを示している。
• 調整効果： BDACは、GHRMとGOCBの関係を有意に調整した（$\beta=0.348, p<0.001$）。単純傾斜分析により、GHRMからGOCBを経由したESGパフォーマンスへの間接効果は、BDACが平均または低いレベルである場合と比較して、BDACが高いレベルにある場合に有意に強くなることが明らかになった。
• モデル適合度： モデルは中程度の予測力を示し、$R^2$値は0.20の閾値を超え、$Q^2$値は予測関連性を示した（GOCBで49.6%、ESGパフォーマンスで45.7%）。

意義と貢献
著者らは、本研究には主に3つの貢献があると主張している：

1. 行動的マイクロ・ファンデーション： 本研究は、GOCBを、GHRMと統合的なESG成果を結びつける重要な行動メカニズムとして概念化しており、孤立した環境指標を超えて、ESG（環境・社会・ガバナンス）の多次元的な性質に対処している。
2. 理論的統合： AMOとNRBVを組み合わせることで、本研究は、内部の人材能力がいかにして外部のサステナビリティの成果を駆動するかを実証し、HRシステム、従業員行動、および企業レベルのパフォーマンスを繋ぐマルチレベルの視点を提供している。
3. デジタル能力の役割： 本研究は、BDACをGHRMの有効性を強化する戦略的な「高次」リソースとして導入している。本研究は、BDACが境界条件として機能し、組織がサステナビリティへの意図を、検証可能でデータに基づいたESG成果へと変換することを可能にし、それによって象徴的なコミットメントと測定可能なパフォーマンスとの間のギャップを埋める役割を果たすと仮定している。

限界
著者らは、本研究が縦断的な設計ではなくタイムラグを用いた横断的な設計に依存していることを認めており、これが因果推論の深さに制限を与える可能性があるとしている。さらに、サンプルがインドの2州（グジャラート州およびマハラシュトラ州）の製造部門に限定されているため、他の地域や産業（例：サービス業やヘルスケア）への一般化可能性に影響を与える可能性がある。また、ESGパフォーマンスの把握に自己申告データを用いていることも潜在的な限界として指摘されており、将来の研究では客観的なESG格付けを活用できる可能性を示唆している。