期望理论视角下的激励时机研究

——基于商业银行金融业务创新效率

刘飞¹，杨忠²

（1黔南民族医学高等专科学校，都匀贵州，550008

2黔南幼儿师范高等专科学校，都匀贵州，550009）

摘要：期望理论是研究激励的重要理论基础之一。重点分析了激励时机，将其分类为滞后激励、现时激励和提前激励，构建了基于期望理论的激励时机模型。应用随机前沿分析方法进行实证研究，结果显示，在滞后激励、现时激励和提前激励三者之中，现时激励的激励作用最强、提前激励次之、滞后激励末之。激励时机选择和优化不容忽视，应该尽量多的使用现时激励和提前激励，避免使用滞后激励，以便发挥激励的最大效果。

关键词：期望理论；激励时机；商业银行；创新效率；随机前沿分析

中图分类号：F272.92 文献标识码：A

1理论基础和研究方法

1.1 理论模型

1.1.1 期望理论

激励是心理学术语，具有激发动机和鼓励行为之意。过程型激励理论重点研究心理过程，分析目标、期望、动机、行为和奖励等活动，在个体行为和个体需要之间建立联系，据此激励个体从事组织期望的活动。过程型激励理论主要有弗鲁姆(Vroom)的期望理论、洛克(Locke)的目标设置理论、斯金纳（Skinner）的强化理论、亚当斯(Adams)的公平理论等[10]。

M=V×E （1）

其中，M表示激励力（motivational force），推动个体采取某一行动，反映调动个体积极性、激发潜力的强度。V表示目标效价（valence），这一心理学概念指代个体对目标达成价值大小的主观估计，分为正、零、负三种，效价越高，激励力量越大。E表示期望值（expectancy），这一概率值指代实现目标的可能性大小，以及达成目标后兑现个体要求可能性大小的主观估计。

期望理论进一步发展，期望公式演进为式（2）所示。

M=V×E×I （2）

其中，I表示工具性，即能够帮助个体实现目标的环境、任务工具等非个人因素。

期望公式演进为式（3）所示。

M=V×E×I×T （3）

其中，T为激励时机价值，是因为个体在采取行动的不同阶段感知或接受奖励而产生的与时间相关的价值。

（1）激励时机分类

与奖励时机相对应，激励时机可以分为滞后激励、现时激励、提前激励三种。1）滞后激励，即个体完成某些行为一段时间之后，才得到激励，获得经济、精神等方面的鼓励；2）现时激励，即个体完成某些行为之后，立即或者在很短时间内便得到了激励；3）提前激励，即个体尚未开展某些活动或者已经开始但未结束时，就得到或者明确感知到激励。

（2）模型建设

根据前述分析，提出如下假设检验：

H1：滞后激励产生正向激励作用；

H2：现时激励产生正向激励作用；

H3：提前激励产生正向激励作用。

1.2 实证方法

Battese-Coelli提出的随机前沿分析基本模型如式（4）所示：

（4）

其中，表示被研究对象i在t时期的产出，被研究对象i在t时期的要素投入，为待估计的参数向量。表示生产函数，代表被研究对象i的技术前沿。表示观测误差和其他随机因素。是一个非负随机向量，表示技术无效率。非负误差项表示每个被研究对象i的实际产出低于与其前沿生产函数的差值，并且假定任何类似偏差都是由于技术和经济无效、员工努力程度等管理和控制因素造成的^[16]。

1.3 研究变量

创新活动从投入到产出通常有一定时间间隔，参考相关文献，本文将金融业务创新活动的时滞设定为滞后1年。本文使用的随机前沿分析实证模型，如式（5）所示。

（5）

为了验证基于期望理论的激励时机模型，本文对商业银行金融业务创新效率的影响因素进行如表1所示的设定。

表1 商业银行金融业务创新效率影响因素

序号	代码	影响因素	激励时机解释	取值
1	ESR	应付职工薪酬	表征滞后激励	连续取正值，越大表示该因素越强。
2	MAE	管理费用	表征现时激励	连续取正值，越大表示该因素越强。
3	NEP	净利润	表征提前激励	连续取正值，越大表示该因素越强。

此外，在无效率方程中引入时间变量t，以便测度创新效率随时间的变动趋势。商业银行金融业务创新无效率方程如式（6）所示。

（6）

1.4 数据样本

根据及时性、合理性原则，本文通过选取我国16家上市商业银行2013年——2018年的平衡面板数据，合计96个。用于研究的数据和信息主要来自万得数据库和商业银行年报。数据显示分析结果显示所有样本数据的变异系数均小于1，表明数据比较平稳、分布较为合理。

2 结果分析和讨论

2.1 研究模型的估计结果

表3 模型估计结果

系数	参数估计	标准差	t-检验值
β0	8.3919***	0.3815	21.9948
β1	0.1151***	0.0195	5.8910
β2	0.2843***	0.0931	3.0531
δ0	8.2414***	0.9454	8.7175
δ1	-0.0549***	0.0099	-5.5612
δ2	-0.0054	0.0515	-0.1057
δ3	-0.4439***	0.1039	-4.2716
δ4	-0.2688***	0.0708	-3.7978
总体方差	0.0091***	0.0014	6.3930
方差比γ	0.9828***	0.0994	9.8918
似然函数对数值	98.3876
单边LR检验	125.6231***

说明：（1）*、**、***分别代表在10%、5%和1%水平下显著；

（2）总体方差为，方差比为。

（3）LR为似然比的检验统计量，此处服从混合卡方分布。

根据Battese和Coelli (1995)的研究结论，运用Frontier 4.3软件，使用最大似然法对构建的研究模型进行参数估计，结果如表3所示。

除了应付职工薪酬ESR的估计系数δ2之外，效率计算方程与无效率方程的其余系数都具有较好的显著性，模型整体拟合效果较好。值0.9828在1%水平下显著，说明随机前沿分析模型的估计有效，对数似然值和LR值均表明模型具有较强的解释能力。Battese和Coelli也指出，SFA函数中的部分待估参数可能没有通过显著性检验，只要变差率的假设被拒绝，模型就能很好的拟合。

2.2 激励时机选择和激励幅度

根据表3，商业银行金融业务创新效率的影响因素应付职工薪酬、管理费用和净利润的估计系数δ2、δ3、δ4分别为-0.0054、-0.4439、-0.2688，除δ2之外均在1%水平下显著，表明三个影响因素均与无效率水平负相关，即对商业银行金融业务创新效率产生正向影响，发挥积极推动作用。因此，假设H2和H3得到完全验证，假设H1得到部分验证。