激励效用及其测度模型研究，本文主要内容关键词为：效用论文,模型论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
本文作者分析了激励效用传统测度理论的优点和缺点，提出了激励效用的科学定义应该是受激励者对激励目标的满意程度。在此基础上，运用效用函数理论，建立了激励效用测度模型，即在对激励者和受激励者做出理性和完全信息条件假设下，受激励者的单目标激励效用可以用激励因素水平变量、受激励者对激励因素的现实拥有水平和期望得到的水平的效用函数进行测度。受激励者的多目标激励效用则可以按照加法规则，对各单目标激励效用进行加权平均；其权数由各受激励者的人性特征决定。
对激励效用的科学界定和准确测度，是研究和建立激励与绩效机理模型，制定最优谈判均衡激励合同的前提。无论是国内还是国外，都有学者对其给予了一定的关注，作了一些有益的探索。但时至今日，对激励效用的界定和测度，还没有一个既权威、又适用的理论。因此，对激励效用及其测度理论的研究，具有十分重要意义。
1 激励效用测度理论综述
什么是激励效用？很少有学者对它作出科学的界定，但激励效用一词却又经常见诸于许多学者发表的不同文献之中；其含义似乎是显而易见、约定俗成，但在不同的文献之中，却对它又有不同的理解，并相应形成了不同的测度理论。归纳起来，主要有动力论和绩效论两种。
1.1 动力论
有的学者把激励效用理解为激励力量，即由于激励而引发的工作动力，我们姑且将其称为“动力论”。动力论的主要代表有弗鲁斯和罗伯特·毫斯。
1.1.1 弗鲁斯的期望理论[1]
美国心理学家弗鲁斯于1964年在《工作和激励》一书中提出了著名的期望理论（Expectancy Theory）。他认为，激励力量受到两个因素影响：一是目标效价，指人对目标价值的判断。即如果实现该目标对人来说很有价值，人的积极性就高；反之就低。二是期望值，指人对目标可能性的估计。即如果人觉得实现该目标可能性大，就会努力争取，激励程度就高；反之就低，以至完全没有。其基本观点，可以表述为
F=E*V
只有当期望值（Expectancy）和目标效价（Valence）都高时，激励力量（Motive Force）才能最大限度地发挥出来。
1.1.2 综合激励模式理论
罗伯特·毫斯（Robert House）所提出的综合激励模式，实际上是对弗鲁斯期望理论的拓展，就是企图通过一个模式把内、外激励因素所引发的工作动力都归纳进去。其基本观点，可以表述为
M=V[，it]+E[，ia]（V[，ia]+E[，ea]*V[，ea]）
式中
M——代表某项工作任务的激励水平高低，即动力的大小。
V[，it]——代表对该项活动本身所提供的内酬效价，它所引起的内激励不计任务完成与否及其结果如何，故不包括期望值大小的因素，也可以说期望值最大是1，所以可不表示。
E[，ia]——代表对进行该项活动能否达到完成任务的期望值，也就是主观上对完成任务可能性的估计。进行这种活动时，人们要考虑自己完成任务的能力，以及客观上存在的困难等。
V[，ia]，——代表对完成任务的效价。
E[，ea]*V[，ea]——代表一系列双变量的总和。这些双变量中的第一个E[，ea]代表任务完成能否导致获得某项外酬的期望值；第二个V[，ea]代表对该项外酬的效价。在估计Eea时，人们考虑完成任务后，有多大把握得到相应的外酬，如加薪、提级和表扬。
公式中下标的意思是：i——内在的；e——外在的；t——任务本身的；a——完成。
如果把公式中的括号破除，将E[，ia]乘入，则公式右端则变为如下三项：
1）V[，ia]代表工作任务本身的效价，即这工作对工作者本人有用性大小。只要本人做那种工作感到有很大乐趣，很有意义，那么完成工作任务的期望值就为1，即完成任务的主观概率是百分之百，所以不必再乘Eit了。因此，这一项也代表做这件工作本身的内激励。
2）E[，ia]*V[，ia]代表任务的完成所起的内激励作用。
3）E[，ia]*E[，ea]*V[，ea]代表各种外酬所起的激励效果之和，其中引入两项期望值是因为前者是对完成任务可能性的估计，后者则仅是对完成任务与获得奖酬相联系的可靠性的估计。
总之，前两项属于内在激励，第三项属于外在激励，三者之和代表了内、外激励的综合效果。
动力论以激励力量作为激励效用的测度标准，用简单的数学模型，充分地说明了激励的作用过程，深刻地揭示了激励目标与激励效用之间复杂的逻辑关系，为我们准确地理解激励因素的作用机理，正确把握激励过程的规律性和有效性提供了理论依据。但动力论又有它的局限性，它并没有对目标效价和期望值作深入的定量研究，而仅限于定性分析，这就使得其实用价值受到了极大的限制。
1.2 绩效论
很多学者在实证研究中，为了弥补动力论无法对激励效用作计量分析的缺陷，就干脆把激励效用简单地理解为绩效，试图用绩效来测度激励效用。在此，我们姑且就将其称为“绩效论”。由于绩效的可观察性和测度理论的相对成熟性，为对激励效用进行计量分析提供了极大的便利。因此，持绩效论观点的学者很多。但绩效与激励效用的关联性太弱，事实上，并不是一个人的积极性高，就能产生好的绩效，因为绩效除了受激励效应影响外，还同时受到个人能力、政策、市场、自然条件等很多变量的影响。因此，用绩效测度激励效用，并不能真实、准确地反映激励效用的大小，其真实、准确性必定大打折扣。由此可见，无论是动力论还是绩效论，都各有其优点和缺陷，都不是激励效用的理想测度模型。
2 激励效用函数理论
2.1 激励效用的概念
要弄清楚什么是激励效用，首先就要全面分析激励的作用过程。任何人对待一个激励目标，并不是机械、自动、直接决定自己的工作积极性，即决定自己的激励力量；其理性行为应该是先分析判断自己对激励目标的满意程度，尔后再决定工作的积极性；之后，在个人积极性、个人能力和环境因素的共同作用下，才最终产生了绩效。因此，激励作用过程可用图1表示。
图1 激励作用过程图
Fig.1 Encouragement mechanism picture
激励效用，顾名思义，就是指激励效果，即由激励目标所产生的效果。但效果又分直接效果和间接效果，即如果由A引起B，再由B引起C，那B就是A的直接效果，C则是A的间接效果。效果又分控制性效果和影响性效果，即如果B是由A一个因素引起的，则B就是A的控制性效果，如果B是由A等两个以上因素引起的，则B是A的影响性效果。因此，从不同的角度进行测度，就对效用有不同的理解。但最能真实、准确反映一个因素效用的，莫过于其直接、控制性效果。从激励作用过程图可以看出，满意程度是激励目标的直接效果，激励力量和工作绩效是激励目标的间接效果；满意程度和激励力量是激励目标的控制性效果，工作绩效是激励目标的影响性效果。因此，激励效用的科学定义应该为受激励者对激励目标的满意程度。在此，我们不妨将其称为“满意论”。根据该定义，可以采取下述方法对激励效用进行测度。
2.2 前提和变量假设
2.2.1 前提假设
假设一：受激励者和激励者都是理性的。即每一个受激励者总是希望自己实现的激励水平最大化，并愿意为此尽最大的努力。但同时，每一个受激励者都不会盲目地为自己设定一个高不可攀的目标，都会从实际出发，根据自己的能力、现有水平及环境条件来为自己设计一个能够达到、且需要付出最大努力才能达到的目标。激励者在设计激励合同时，会充分考虑实现绩效最大化，同时也会考虑尽量避免激励不足和激励过剩。
假设二：受激励者和激励者都能充分掌握决策所需的所有信息，包括对方的所有信息，即受激励者能够根据个人能力、现有水平和环境条件等所需信息，准确预测在作出最大努力的情况下自己能够实现的最高目标，并决定以此作为自己的期望目标。激励者则能够准确预测到受激励者在作出最大努力情况下能够实现的最高绩效，并以此作为计划目标。双方能够在充分交换信息的基础上达到谈判均衡，并实现目标的一致和最优。
2.2.2 变量假设
S——表示激励因素水平变量；
S[，o]——表示受激励者对激励因素现实拥有的激励水平，简称现实值；
S[，t]——表示受激励者期望得到的激励水平，简称期望值；
U——表示激励效用变量.
根据假设，我们可以得到以下几点结论：
1）S[，o]≤S[，t]。因为受激励者是理性的，总是希望得到进步，期望越来越好，所以，他对激励水平的期望值不可能低于其现实值。
2）S∈[S[，o]，S[，t]]。因为激励者是理性的，又知悉受激励者的期望值，所以，他在制定激励合同时，不可能给受激励者提供高于受激励者期望值的激励水平，出现激励过剩的情况。
3）S可观测。因为根据假设，S[，t]是在受激励者作出最大努力下可以实现的，即S[，t]属于实现概率为1的必然事件，那么，在受激励者看来，对于任意S∈[S[，o]，S[，t]]，都属于实现概率为1的必然事件。即受激励者根据激励合同可以观测到S。
2.3 变量的水平测度
对于物质激励变量，采用原有计量方法进行测度；对于精神激励变量，则采用模糊数学的综合评价方法进行测度。
2.4 激励效用函数的定义
2.4.1 单目标激励效用函数
对于单目标激励变量S，根据激励效用的界定，我们定义：
所以，函数U（S）是激励变量S的单目标效用函数。
从单目标激励效用函数U（S）可以看出：
1）当S[，o]=S[，t]时，受激励者的期望值与现实值相等，说明受激励者已经得到了最大程度的满足，没有更高的期望；其唯一可能的理性行为选择就是尽最大的努力去维护目前已经拥有的激励水平。因此，此种情况对于受激励者来说，其激励效用为最大1。
多目标激励效用函数U（S）中的特征向量W，即为人性特征向量，是由每一个受激励者各自的人性特征所决定，即由其人性的自然属性、社会属性和精神属性的重要性程度所决定。
3 激励效用函数理论实证
3.1 激励水平的模糊测度
为了简单而又能说明问题，我们假设对受激励者实施的激励手段包括：薪酬S[，1]、评定劳模S[，2]和学习培训S[，3]，除了薪酬能够准确计量以外，对于劳模和学习激励手段，我们采用模糊测度法并按照下表确定其测度值：
表1 劳模S[，2]模糊测度值
Tab.1 Fuzzy estimating value of model worker
表2 学习S[，3]模糊测度值
Tab.2 Fuzzy estimating value of study
3.2 受激励者情况假设
假设受激励者的现有年薪水平为15万元，现已被授予市级劳模，现有学历为本科。激励者经过与受激励者多次信息交换，发现受激励者最渴望的就是想能够继续学习，取得博士学位，并希望社会地位能够进一步得到提升，想得到省级劳模奖励。而对于薪酬方面没有什么考虑，因为职务消费已经解决了基本的物质需求，再加上15万的年薪已经不低。由此可见，受激励者的人性特征为：精神属性最为重要，其次是社会属性，自然属性最后。
3.3 受激励者的多目标激励效用函数
根据受激励者的人性特征，可以由受激励者给出其特征向量。假设为
W=（0.2，0.35，0.45）
那么，其多目标激励效用函数为：
U（S[，1]，S[，2]，S[，3]）=0.2×1+0.35×（S[，2]-0.55）÷（0.77-0.55）+0.45×（S[，3]-0.54）÷（1-0.54）
根据受激励者的多目标激励效用函数，激励者可以结合自身所控制的激励资源，制定出最优的激励—绩效合同。
4 激励效用函数的实际意义
4.1 理论意义
激励效用函数既克服了“动力论”对激励效用不可测度的缺陷，又克服了“绩效论”对激励效用测度不准确的缺陷，还继承和发扬了“动力论”关于激励过程中激励和效用逻辑机理的研究成果，勾勒了激励作用过程图（图1）。从图1中可以看出，满意程度和激励力量都是激励目标的控制性效果，因此，从满意程度和激励力量两个角度对激励效用的测度结果应该是一致的。事实上，因为对于任何S，只要S∈[S[，o]，S[，t]]，则有S成功的概率P（S）=1。即弗鲁斯所称的期望值E=1。所以，F=E*V=V即为目标效价。如果我们用功效系数来测度目标效价的话，那么，其结果与激励效用函数就是一致的。
因此，激励效用函数既具有科学性，又具有可操作性，为进一步研究构建激励与绩效机理规划模型提供了有效的理论工具。
4.2 实践意义
激励效用函数对于激励者制定激励绩效合同具有重要的指导意义，激励者首先是需要对受激励者进行深入的了解，并进行充分的信息互换，摸清楚受激励者的现状水平和期望水平，了解受激励者的人性特征等；其次是明确自身的绩效期望目标，并盘点自身所控制的激励资源；再次就是根据受激励者的多目标激励效用函数，对症下药，有的放矢，制定出切实可行、行之有效的激励合同。尤其是在多目标激励效用函数的基础上，研究构建绩效与激励机理规划模型后，则具有更深远的实践意义。
标签：期望效用函数理论论文; 激励模式论文; 工作绩效论文; 效用理论论文; 绩效目标论文;