生产溢出:它们有价值吗?

团队生产中的溢出效应

美国的一项研究提供了团队生产溢出效应的极好例子，它考察了超市收银员的布局[4]．研究发现，把最高效的收银员放在其他收银员的视线范围内，其他收银员会工作得更快，尽管绩效的提升很小。在这种情况下，假设具有最高生产力的工人将具有最大的生产力溢出效应。这很有可能是因为，与其他团队设置相比，收银员所从事的工作类型涉及的团队成员之间的互动要少得多(因为每个收银员主要从事一项单独的任务)。另一项研究着眼于学术界的溢出效应，这是一个涉及通过合著者网络运作的工作者之间的互动的环境［5］．该研究的作者构建了一个著名生命科学家的样本，他们经历了过早或意外的死亡，发现这些科学家的共同作者的论文数量下降了5-8%。在一项研究中也发现了支持的证据，该研究使用棒球运动员的数据来分析击球表现如何与球队中其他击球手的表现相关。这项研究发现，在表现出色的球员之前击球会得到更好的球，因为投手不想冒上垒的风险——在这种情况下，击球手收到了四个糟糕的球，并被允许在面对表现出色的球员之前“上垒”到一垒[6]．

其他研究也记录了团队生产的其他重要方面，以及团队如何发挥个体员工的最佳能力。一项研究调查了钢铁厂的数据，结果显示，使用集体激励性薪酬可以提高生产率，使用解决问题的团队可以提高复杂生产流程的生产率[7]．另一项研究表明，与单独工作相比，与他人合作可以提高生产率，这进一步证明了团队合作可以提高生产率[8]．最后，引入“高性能”工作实践与提高生产力相关[9]．

在研究生产力溢出时，经常会有这样一个假设:自己生产力最高的人，也会使他人生产力最高。事实上，这个假设在几乎所有的同伴效应文献中都很常见。然而，在许多情况下，这可能并不正确。例如，有些教授选择只专注于自己的研究，很少为公共利益提供帮助，而另一些教授则擅长帮助同事，可能会以牺牲自己的研究为代价。同样，一个聪明但内向的学生对其他学生的学习帮助可能不如在课堂上提出好问题的能力较差的学生。

一项研究提供了一个例子，生产溢出并不完全取决于团队中其他工人的平均能力[10]．两位作者研究了一家制衣厂，该制衣厂从按个人任务支付工人的计件工资转变为按完成整个产品的集体计件工资(团队由6或7名工人组成)。他们发现，转向团队生产提高了整体生产力，减少了人员流动率。此外，在控制平均能力的情况下，能力差异最大的团队是最高产的，这表明生产力提高的一个重要部分是通过团队的相互学习实现的。

尽管有这些令人鼓舞的证据，但团队生产可能会使企业衡量单个员工的贡献和决定如何补偿员工的方式复杂化。

证据来自全国篮球协会

工人的技能是多方面的。对于各种各样的生产过程来说，重要的技能之一就是能够发挥他人的长处。在最近的一项研究中，来自美国职业篮球协会(NBA)的数据被用来确定每个球员的三个指标:(i)得分能力;(二)防卫能力;以及(iii)他们帮助他人得分的能力[1]．这三个因素都是整个团队生产力和成功概率的重要组成部分。

每个参数对球队成功的影响都被量化为“每回合得分”的分差(包括本队得分的变化，加上他们在下次回合阻止对方得分的程度)。该测量的标准偏差为0.087。增加一个比他或她自己的生产力标准偏差高的球员将使球队的产出增加0.027(或31%的标准偏差)。相比之下，增加一名溢出参数标准差更高的球员将使团队产出提高0.017(或标准偏差的20%)。因此，虽然拥有更高生产力的球员对团队产出的贡献更大，但这两个因素的贡献率仅为1.6左右。

通过使用这个模型的估计，作者能够基于对球队生产的整体贡献形成球员排名。然后将这些排名与忽略溢出效应时的团队产出估算值进行比较。忽视溢出效应对评估特定玩家的整体贡献有很大影响，导致之前的方法低估了“团队”玩家的贡献。例如，卡梅罗·安东尼，一个高强度的射手，如果不考虑他对队友的负面溢出效应而导致的球队输出损失，他的输出指标就会高出1.31个标准差。相比之下，被广泛认为是NBA最佳进攻推手之一的史蒂夫·纳什，在考虑溢出效应的评估模型中，他的表现衡量标准比不考虑溢出效应的模型高出1.30个标准差。

最优分配

用于NBA的估计还表明，当球队拥有高效球员和外溢球员的最佳组合时，他们将有更高的产出。因此，根据球队目前的组成，有些球队会比其他球队更看重特定的球员。类似地，大多数公司在他们的组织中有不同的团队，并有能力在他们之间重新分配员工。

由于个人生产力和生产力溢出起着互补的作用，一个玩家/工人的整体贡献将取决于团队中其他玩家/工人的特征。研究表明，能最大程度提高团队生产力的任务往往是那些不能最大化个人直接生产力的任务。这表明，公司需要平衡团队和玩家/工人生产力之间的紧张关系，尤其是在个人生产力对薪酬有很大影响的公司。

2010年的一笔引人注目的交易说明了这种潜在的权衡。勒布朗·詹姆斯是一名自由球员，他正在决定是为克利夫兰(他现在的东家)效力还是为迈阿密效力。基于两支球队的其他首发球员，该研究模型使得预测这一决定对勒布朗·詹姆斯个人表现的影响成为可能，以及他对他所选择的球队表现的影响。克利夫兰提供了最大的个人发挥机会，而迈阿密则提供了最大的团队成功机会。估计的参数表明，转投迈阿密后，勒布朗·詹姆斯的个人生产力将下降11.8%，但他会大幅提高迈阿密每回合的得分。勒布朗·詹姆斯最终与迈阿密签约，第一年他的个人得分就下降了8.5%，但在接下来的四年里，他带领球队打进了NBA总决赛。

补偿

NBA的设置提供了一种有用的方法来检查在提供薪酬时是否恰当地考虑了生产力溢出。在本研究中使用的数据和估计方法使得估计每个球员的生产力和溢出参数成为可能，并将其与他们的工资数据相结合。NBA的生产力溢出效应被低估的程度是通过估计不同的生产力参数和球队成功之间的关系来衡量的，然后将其与这些相同的参数和薪酬之间的关系进行比较。结论是，与溢出参数的标准偏差增加相比，自身生产力的标准偏差增加所带来的团队成功是其1.6倍，而玩家的收入则是其8.7倍。因此，相对于自身的生产力，生产力溢出效应被低估了5倍以上。

该研究还考察了如果一支球队将一名得分能力高于均值一个标准差的球员交易走，并用这笔钱购买一名对队友表现有更积极溢出效应的球员，会发生什么情况。结果表明，获得进攻能力额外标准差的成本大约是获得生产力溢出额外标准差的5倍。研究发现，一支平均水平的球队，放弃一个标准偏差的进攻能力更好的球员，每回合得分差下降0.027分。然而，由于节省了资金，一般的球队能够购买那些具有额外5个标准差的积极生产力溢出效应的球员。这种溢出生产力的增加将使平均每场比赛的得分差提高0.084分。因此，这笔交易的净收益将是每回合平均得分差增加0.057分。在2007-2010年的样本中，球队平均每场有92.9次进攻。这将使球队相对于对手每场比赛净增5.3分。在2007年至2010年期间，约3.9%的NBA比赛得分在1分以内，14.7%的比赛得分在3分以内，26.8%的比赛得分在5分以内。因此，拟议的技能交易将对预期的总胜率产生重大影响，而不会增加相应的薪金成本。 Similarly, firms that can identify workers with high spillovers will likely be able to increase overall productivity without spending more on salaries.

最后，NBA的研究还发现，球员的薪酬主要基于他们对球队生产的直接贡献，而很少考虑他们提高队友生产力的能力。这种激励机制的失调可能会降低玩家的投资动机，或减少他们参与那些能增加他们对队友生产力的积极影响的行动，特别是在薪酬是基于相对表现的情况下。在许多“真实的”工作/生活环境中，这个问题可能更糟糕，在这种环境中，生产力溢出可能在公司内部可见，但对外部公司却没有影响。溢出效应可能包括员工是否具有良好的团队合作精神，是否有积极的态度，是否有强烈的职业道德等特征。然而，如果其他公司不能观察到一个工人的生产力溢出效应，那么这个工人很可能在他或她目前的工作中得到更少的报酬，因为任何外部聘用都不会考虑这一信息。