基于創新知識的工作生產率數理函數模型研究

　　【摘 要】本文從知識、技術、創新變量對知識工作生產率協同影響的視角出發，對數字智能時代知識工作生產率測評的理論資源進行整合分析，并且對知識工作生產率數理函數模型進行系統融合，探索基于創新知識的工作生產率計量模型，優化知識員工的生產率評價制度，以期豐富企業生產率管理理論，為不斷增強我國經濟創新力及競爭力提供理論參考。

　　【關鍵詞】人力資本;生產率;創新;技術;生產函數

　　肖敏 時代經貿 2021-12-29

　　引言與文獻概述

　　黨的十九大報告指出，我國經濟已由高速增長階段轉向高質量發展階段，正處在轉變發展方式、優化經濟結構、轉換增長動力的攻關期，必須堅持質量第一、效益優先，以供給側結構性改革為主線，推動經濟發展質量變革、效率變革、動力變革，提高全要素生產率，著力加快建設實體經濟、科技創新、現代金融、人力資源協同發展的產業體系，著力構建市場機制有效、微觀主體有活力、宏觀調控有度的經濟體制，不斷增強我國經濟創新力和競爭力。Petty等(2000) 提出以信息和知識為主要驅動力的新經濟的興起，歸因于智力資本作為商業和研究主題重要性的日益提高。智力資本在近期的經濟、管理、技術和社會發展中以一種未知的、不可預見的形式而呈現，無論從信息社會、知識經濟、網絡社會還是創新的角度來看待這些發展，都有大量證據表明智力資本在決定企業價值和國民經濟績效方面起著重要作用。人力資本代表著個體的屬性和特征，包括吸引力、智力和技能以及經驗，可以定義為研究人員在其職業生涯特定時間內獲得的隱性知識、顯性知識以及個人的學術能力等(秦梓韜等，2020)。人力資本的價值在于其具有邊際報酬遞增的生產力屬性，是一個動態的數值，被稱為異質型人力資本，是生產要素與生產條件新組合的生產函數(丁棟虹，2001)。生產率是對生產力的投入和產出之間相對關系的描述，而生產力諸要素在生產過程中的有效利用程度決定了生產率的高低。生產率的研究不只是計量問題，更重要的是如何提高和提高到什么程度的問題 (劉源張，2014)。以前的學術科學研究主要集中在生命科學或工程領域的研究人員。然而，盡管學術研究人員通常在相似的組織機構、規范制度和激勵模式下工作，但他們在不同科學領域組織研究工作的方式有很大差異，這種異質性反過來又對創新政策、產學研關系、科學勞動力市場以及社會科學和人文科學研究相關性的明顯不足產生了重要影響。當研究人員如博士生和博士后的工作凈生產率為正時，由具有創業精神的科學家和大型團隊組成的資助研究模式占主導地位;研究人員的成本超過他們的生產率收益時，傳統研究的方法是最佳的。隨著時間的推移，兩種組織模式在研究經費、科學勞動力供應、團隊規模、出版物產出和分層模式方面存在顯著的異質性(Rahmandad等，2019)。

　　隨著人類社會從工業經濟向知識經濟演進，生產率創造的主體由體力工作者演變為知識工作者(戴昌鈞， 2014)。研究和開發密集型企業工作生產率一直是關注的焦點，不僅因為生產率是國家和產業競爭力的主要來源之一，也因為更多的面向商務的動機，比如指導價值創造的產品或服務的投資，以及在企業運作中的未來規劃。生產率也有其經濟利益值得進行研究和衡量，因為這可以進行比較并提出針對特定產業部門的公共政策或方案。生產率的衡量面臨許多困難，這些困難來自于被觀察變量的性質特征，而這些變量的特征有時是無形的(Duarte等，2017)。目前很少有人去嘗試發現哪一種流行的引用測量方法是最好的，以及證明這些方法在統計上是否可靠。一些機構對算法作出的決策公平有一種被誤導的傾向，具體表現在如果他們無法衡量想要最大化的指標(質量)，他們就會最大化所能衡量的指標(Lehmann等，2006)。因此，在全球進入數字智能時代，探討知識工作生產率數理函數模型的研究是一個重要的管理學課題，在工程應用領域也具有重要的實踐價值及指導作用。

　　創新、技術與知識工作生產率

　　人工智能指的是具有一定自主性與智能行為，能夠實現特定目標的系統。人工智能產生了大量新技術、新產品、新業態與新模式，引致經濟結構、生產方式、生活方式及思維方式發生重大變革，技術創新的動力是降低生產成本，減少單位產出的投入(隆云滔等， 2020)。研究表明，大多數創新不是持續努力的結果，而是對離散事件、特定歷史問題和新技術機遇的反應。創造性反應的模式是行業特有的，與創新過程的激進性和復雜性有關。創新起源包括制度搜索、市場機會、技術機會及問題應對。制度搜索即創新的發展是沿著已知的績效模式軌跡改善特性;市場機會即創新是為了滿足客戶需求或未開發的市場機會;技術機會即由于新技術或科學進步的到來，創新得以實現和發展;問題應對即創新對經濟、環境、組織、技術經濟或其他問題的反應(Taalbi，2017)。

　　大量實證文獻旨在評估知識資本對生產率的影響，在知識密集型商業服務中，創新對生產率有著很強的積極影響，創新的主要決定因素來自于研發、購買設備、專利或許可而獲得的正式知識。由于知識是無法觀察到的，因此數年來知識是與研究、開發支出一起提出的，并作為一個額外的生產因素納入標準的生產函數。外部研發影響過程創新，而產品創新與內部研發或其他獲取正式知識的渠道聯系更緊密，吸收能力變量對產品創新的作用大于過程創新。此外，技術創新和非技術創新的決定因素也有很大的不同。只有產品創新才會顯著影響企業的生產率，而過程創新似乎是無效的。只有技術創新對生產率有影響，而非技術創新對生產率顯然沒有影響(Musolesi等，2010)。知識溢出發生的根本原因是技術知識的非競爭性和部分排他性特征，擁有排他性技術知識的個體，能夠將技術知識引入企業創新活動，促進企業生產排他性產品，從而提高企業創新績效(柳卸林等，2020)。生物技術、化學和制藥、半導體、光電子學或飛機制造等領域的案例研究表明，新的制造技術帶來了技術不確定性的挑戰，需要發展從藝術到科學的過程理解和控制程序，對于更廣泛的商業生存能力和采用是至關重要的。從藝術、工藝到科學，技術不確定性程度依次降低。在藝術階段，技術存在很多不確定性，學習過程是緩慢的，學習成本也是昂貴的，技術框架難以確定;工藝階段的知識是隱性的，知識發展的速度很快，基本能建立技術框架;在科學階段，技術工作的原理、流程、目的都是清晰的，知識是可以編碼的，流程是標準化的，風險最低。在不同的階段，調控風險的方法分為以技術為基礎的管制、以績效為基礎的管制和以管理為基礎的管制，每種方法對企業創新的激勵程度各不相同，并以不同的方式應對技術上的不確定性(Roca 等，2017)。

　　對信息和通信技術等有形資產的投資越來越受到重視，因為它可以作為生產率外溢效應的重要來源，也可以作為知識傳播的手段。生產率利益的溢出效應以及創新的推動作用，使其成為文獻研究中頗有建樹的主題。創新產生技術知識作為產出，而這可以作為進一步研究的投入。由于知識的非競爭性和非排他性，知識通過各種渠道(貿易、專利、人員等)跨越時空，在創新者和接受者之間獲得與技術、地理或貿易距離成比例的生產率增長，這些外部性發生在國家、區域、行業、公司等任何層次之間的經濟交流活動中(Venturini，2015)。將組織間網絡與創新聯系起來的研究主要集中在跨越結構邊界的研究，并將其作為知識重組的手段，企業也越來越多地跨越機構邊界(國家、行業、技術)進行合作，以尋求新知識。當結構和制度分離同時影響知識重組時，自我網絡屬性的聚合表征掩蓋了不同的重組流程，從而導致不同類型的創新結果。通過關注三位一體作為網絡重組的關鍵點來解決問題，基于經紀人分布及其跨越或在機構邊界內的合作伙伴，將公司網絡劃分為三種開放的三元結構配置——國外、國內和混合模式，每種結構配置都體現了不同的重組流程，國外三元組合提供了有效的新知識獲取途徑，國內三元組合促進了相對有效的知識整合，而混合三元組合則平衡了以上兩種結構配置。利用國家作為制度邊界，我們將這種方法應用于生物技術行業的全球研發聯盟網絡，結果表明國內三元組合對創新生產率的影響強于混合三元組合和國外三元組合，相比之下國外“三位一體”比混合或國內 “三位一體”對創新的開創性有更大的影響。研究結果表明，不同經紀人配置代表獨特的重組流程，導致不同的創新結果。我們的研究對網絡和制度如何共同影響創新的不同方面提供了更深入的理解(Balachandran等， 2018)。以上研究成果表明知識工作生產率的內涵及外延隨著時代的變遷已經不再局限于傳統概念的產出與投入之比，技術、創新、知識這些重要的變量不能再獨立研究，要從系統出發研究技術、創新、知識對工作生產率的協同影響，并且注重個體的屬性及個體間的結構研究。

　　知識工作生產率測度方法

　　Iazzolino等(2018)提出基于Drucker關于技術效率的觀點，技術生產率是指知識產品的數量與知識數量之間的比值，由于知識是無形的因素，是不能測度的，那么技術效率即知識員工生產率是不能測度的，而Pulic 基于經濟效率的視角提出知識員工生產率是由人力資本投資的價值增值與人力資本投資之間的比值進行衡量。 Iazzolino等從理論視角構建了關于Drucker 基于知識的可持續發展戰略方法及主要歸功于Pulic的關于人力資本效率理論的內部關系理論，通過在一家初創期的知識密集型企業進行了知識員工生產率的實際測算，從案例研究應用分析來看，關于知識員工生產率的計算是可以實現的，生產率計算的結果可以用于公司制定獎勵政策的基礎(Iazzolino等，2018)。

　　Lapr等(2001) 提出如果生產函數的知識不完整，企業是否可以加速其學習曲線?并為此確定了一條專門生產線，建立了通過科學實驗而不是通過實踐學習來創造有關其生產函數的技術知識，這條生產線的組織結構在創造技術知識方面非常成功，正式的學習導致了生產率的巨大提高，而在同一家公司內的其他三條生產線上復制這種組織結構沒有達到預期效果，正規學習并沒有帶來類似的生產率提高。研究提出了兩個可能促進技術知識創造和轉移的因素即管理層參與和知識多樣性，以解決部門間的問題。管理學習變量對學習曲線影響的混合結果導致了對刻意學習活動中產生的知識本質的深入研究(Lapré等，2001)。Schéele等(2019)提出了知識員工生產率函數，認知科學研究明確表明對于特定的事件，員工的認知時間和物理時鐘時間是有區別的;這種差異導致了認知時間的扭曲，提出的生產率函數揭示了一個隱藏的經濟杠桿效應，即認知時間扭曲的微小程度就會導致員工的工作效率顯著降低。Kundisch 等(2014)使用被認可的收入會計身份為在信息技術生產率分析時使用柯布道格拉斯生產函數提供了重要的理論基礎，基于收入會計身份將資本分為信息資本及非信息資本，并產生了包含三項投入的基于會計身份的柯布道格拉斯生產函數，提供了基于工資率及回報率的信息資本與非信息資本條款。生產函數是描述企業產出與投入之間的技術關系，產出用價值增值來衡量，投入矢量包含勞動、非信息技術資本及信息資本。Cherchye等(2013)提出了一種基于數據包絡分析的決策單元效率度量方法，以多個輸入和多個輸出為特征，這種方法的特點是在效率評價中明確包括具體產出的投入及共同投入的信息，有助于以兩種不同的方式打開效率測量的“黑匣子”。首先，包括輸入分配的信息大大增加了效率測量的區分能力;其次，允許將決策單元的效率值分解為具體產出的效率值，便于管理者識別出需要關注的產出，用以彌補觀察到的低效率。Dahooie等(2018)提出知識工作產出與員工工作任務相關，工作產出采用模糊數進行評估量化，知識工作投入包括完成工作必須的知識、技能及能力，這些工作投入采用工作元素方法進行識別及量化，并且采用模糊數據包絡分析構建生產率模型;研究過程中以電力行業企業進行案例研究，研究結果表明考慮到既定的投入，當員工的工作產出達到了期望的水平時，即認為知識員工的生產率是較高的。

　　由以上分析可見，知識工作生產率是可以測度的，目前知識工作生產率測度的瓶頸在于知識工作投入產出的無形特征，同時要關注對投入產出的有形特征內涵研究，將有形和無形特征綜合計算。此外，技術創新對生產率有極強的積極影響，技術知識創造和轉移有利于學習曲線的模仿與運用，促進生產率的提高，認知時間的扭曲對生產率的測度具有很大影響，道格拉斯生產函數及基于數據包絡分析的決策單元效率度量方法是目前普遍使用的方法。

　　知識員工生產率數理函數模型

　　2013年10月，歐盟委員會推出了一項新的指標即歐盟2020創新指標，以衡量歐盟在實現《歐洲2020戰略》及其創新聯盟旗艦計劃目標方面的進展，以消除阻礙創新者將創意轉化為能夠在市場上取得成功的產品和服務的瓶頸。研究結論是，創新指標偏向于對創新成果的高科技含量的狹義理解，而修正后的指標結果存在很大差異，這可能對創新和產業政策產生廣泛的影響(Janger等，2019)。知識工作由目標導向的活動組成，這些活動需要高水平的能力才能完成，在現代組織中知識工作包含了大量且不斷增加的工作。研究結果支持了將情境感知體驗與活動相關的知識和技能進行自動適配的模型，此模型將知識、績效和社會網絡的理論進行了整合分析(Quinn，2005)。 Schéele等(2019)提出了知識員工生產率函數，認知科學研究明確表明對于特定的事件，員工的認知時間和物理時鐘時間是有區別的，這種差異導致了認知時間的扭曲，提出的生產率函數揭示了一個隱藏的經濟杠桿效應，即認知時間扭曲的微小程度就會導致員工的工作效率顯著降低。具體模型如下： (1) TR=P1 tTOT (2) TC=P2 tTOT (3) (4) (5)其中，P代表員工工作生產率，TR代表合同提供的總收益，TC代表合同提供的總成本，P1代表市場每小時向顧客收取的費用，P2代表市場每小時向員工付出的報酬;tTOT代表總的工作時間。公式(5)表明任何生產率的變化都可以采用產品和時間價值的比率來衡量。為明確起見，基于時間價值的不同時期t和t + 1之間的生產率變化可以導致以下結論：降低工資P2以資助投資，或提高客戶價格P1以促進投資。上述模型是以不同時期的產品價值比例來衡量生產率的變化，注重時間的價值。

　　Ding等(2010)采用最大似然估計泊松方法衡量信息技術對科學家研究生產率及學術合作的影響，最大似然估計泊松方法對數據分布的限制沒有標準泊松估計法嚴格，并且能夠提供比其他模型更穩健的結果。假定y 是科學家i既定年份t的結果變量，而協變量分布既定的條件下，學術生產率yit的期望水平是指： E{yit|xit，zi ，wit，t，u，εit}= exp{xit ' β+zi ' δ+wit ' γ+t+u+εit } 其中，xit是信息技術相關變量;zi 是控制了個人特征及博士學位授予機構的固定時期矢量;wit是控制了科學家特征、合作網絡及員工機構的可變時期矢量;t是虛擬年份變量，虛擬年份變量控制了觀察期間可能發生的學術結構變化，這些變化可能包括出版機構數量的增加以及合作網絡的普遍增加;u是機構固定效應，控制了不同機構產生的不可預見的影響;εit是隨機變量。

　　產技術進行生產，產出yi 是以下變量的函數：信息通訊技術資本ICTi ，非信息通訊技術資本Ki ，勞動力Li ，可觀察到的企業異質性變量集合即生產效率的可見差異變量Ai 。即：其中，指數α、β、γ分別為信息通訊技術資本 ICT、非信息通訊技術資本K、勞動L的產出彈性，μ為正態分布誤差，勞動生產率即既定單位時間單個員工的產出 。Nembhard和Xiao(2017)提出了基于多屬性效用理論的知識工作生產率主觀測評模型，將知識工作生產率從客觀研究方法向主觀研究方法進行了推進，測評主體從被評估者轉移到評估者，對評估者風險偏好的研究將生產率測評的結果與實踐進行結合，對于企業推廣研究具有重大意義。具體模型如下：

　　在知識工作生產率的效用評估過程中，如果生產率多指標的權重之和等于1，即∑ki=1，則采用線性的生產率效用評估模型;如果生產率多指標的權重之不等于 1，即∑ki ≠1，則采用非線性的生產率效用評估模型;模型中的效用函數ui(xi)是xi的單變量效用函數，范圍在0 到1之間變動， 參數a，b，c是由管理者的評估偏好決定的。Q、C、I，分別代表質量、客戶滿意度、創新指標。單屬性的權重ki 's， 是由評估者對生產率指標的相對重要性偏好決定的。其中U(CE)=EU(mi )(這里 CE 代表的是風險評估結果的確定性等值，EU 代表的是風險結果的期望價值)，實驗研究結果發現如果 CEmi< 5， 那么參與者對給定的生產率指標是風險規避的，單變量效用函數的參數也表明a>0，b<0，c<0;如果 CEmi> 5，那么參與者對于給定的生產率指標是風險喜好的，而且參數a<0，b>0，c>0。如果 CEmi= 5， 參與者則是風險中立的，a的絕對值非常大(e.g.， |a|≥100)。

　　由以上幾類知識工作生產率函數模型為研究基礎，可見知識工作生產率的內涵是豐富的，并且隨著時代的發展，知識工作生產率應當賦予其時代特征，知識工作生產率是不斷變化發展的，因此在技術創新、知識資本成為全球經濟引擎的信息技術創新時期，應當將知識、技術創新作為影響知識工作生產率測度結果的重要調節變量，構建知識工作生產率創新模型，推進知識工作生產率的永恒發展。后續研究中可以根據產出投入模型、泊松系回歸模型、柯布道格拉斯生產函數、多屬性效用理論模型進行整合研究，根據選取的不同變量屬性，采用相應的數量模型進行研究，亦可以進行比較研究綜合評判分析，將數字智能經濟時代知識工作生產率研究這一計量問題進行量化研究。

　　研究結論

　　本文從知識、技術、創新變量對知識工作生產率協同影響的視角出發，對數字智能時代知識工作生產率測評的理論資源進行整合分析，對知識工作生產率數理函數模型進行系統融合，將生產率管理思想與數字時代進行結合，挖掘生產率數字價值，關注工作生產率的整體性及系統性特征以及知識工作投入產出的有形無形特征，注重知識員工個體的屬性及個體間的結構分析，豐富了生產率管理思想，拓展了生產率測評的理論資源;同時，探索基于創新知識的工作生產率數理函數模型，優化知識員工的生產率評價制度，將生產率研究從概念模型向數量模型進行轉變，從理論研究向實證檢驗進行跨越，在研究方法上更加全面、系統、完整，其研究結果也將具有較高的信度及效度。

　　本文提出的數理模型研究給企業生產率管理提供了更系統的研究方法，生產率測評不僅要注重傳統的產出投入有形特征，也要注重技術、創新、知識的無形產出，在企業知識管理實踐中注重顯性知識、隱性知識的特征研究，同時將顯性知識、隱性知識進行有效轉化與融合研究。在人工智能時代，注重引進5G、物聯網、區塊鏈等先進技術與思想，將技術創新與知識員工的生產率測評不斷進行優化與發展，提高企業的創新力及競爭力。

　　首先，對于企業管理者而言，要推動企業的生產利潤目標導向，以利潤為核心的生產率測評制度將會成為生產率的助推器，在知識工作生產率尚未實現最優的情景下，倡導生產利潤將是企業管理者實行生產管理的最有效途徑。

　　其次，對于組織而言，創造學習氛圍，推動知識共享，加強知識有效轉移，進而創造知識，實行技術創新改革，有利于知識員工更有效地進行創新工作。組織要不斷拓展知識網絡資源，構建協同發展的網絡環境，在既定的工作投入，實行知識工作生產率的最大產出，或者推動工作投入要素的結構重組，實現生產率的最優提高。

　　再次，對于知識工作者而言，加強對自身職業生涯的管理，培養良好的心智模式，學會情緒管理，加強對自我的知識、技能等綜合方面素養的修煉，能夠獲得更多的工作幸福感，提高工作績效，在職業發展的道路上提升工作滿意度。

　　本文對知識工作生產率測評的理論資源進行了整合分析，并且對知識工作生產率數理函數模型進行系統研究，探索基于創新知識的工作生產率計量模型，但缺乏成熟的數量模型及實證數據。未來研究應構建可以推廣的知識工作生產率測評模型，加強行業數據分析，將整體研究方法與個體研究方法進行結合，加強網絡結構分析，采用系統融合的方法對知識工作生產率進行更有效的測評，提高企業的生產效率，創建更好的生產率創新生態，推動經濟的創新發展。因此，未來研究可就以下主題進行探索：第一，產學研與知識工作生產率的關系研究，探討產學研的合作模式與實施方法;第二，知識工作結構化在知識含量與知識工作生產率之間的調節效應研究，探索結構化對知識工作生產率的影響;第三，異質知識在知識協同網絡與知識工作生產率之間的調節作用，探索在知識協同網絡環境下，知識的異質程度與知識工作生產率協同效應研究。