基于客体特质模式识别的R&D人员绩效竞优评价研究

刘宏涛，赵希男，周 岩，荆 浩

(1.沈阳航空航天大学经济与管理学院，辽宁沈阳 110136；2.东北大学工商管理学院，辽宁沈阳 110189)

在知识经济背景下，科学技术的重要性得到了凸显，各国家和企业的竞争也逐渐演变成了其所掌握科学技术的竞争。R&D人员拥有大量的知识，承担着企业科学研究的重要任务，也逐渐成为了推动企业发展的重要力量，因而如何调动其主动性和创新性，成为企业急需解决的关键问题[1]。为了营造激励R&D人员探索和创新的环境氛围，各企业纷纷采取了一些人性化和个性化的管理措施，如使R&D人员具有宽松的工作环境、差异化的晋升途径和部分自由工作时间等[2]，这些措施发挥了积极的作用，但仍不能满足对R&D人员进行个性化管理的需求，因而迫切需要开发适合R&D人员特点的管理技术和方法。R&D人员的绩效考核是企业管理的重要内容，体现了企业不同的价值主张，对企业中的员工也具有一定的指导意义，因而符合R&D人员特点的个性化绩效评价方法需进行深入的研究。

近几年，R&D人员的绩效评价问题逐渐得到了部分学者的重视[3-8]，对评价内容和评价方法等方面进行了研究。在评价内容方面，刘凤霞[3]在明确R&D人员工作特点的基础上，参考已有的研究成果，从业绩、能力和态度等几个方面出发，并结合科研项目和个体身心素质构建了R&D人员的绩效评价指标体系。吴际等[4]依据员工创新行为本身的特征，从努力程度与潜力水平等方面出发，提出了R&D人员的创新绩效指标体系。王宗军等[5]则认为对R&D人员进行评价时要平衡产出和行为两种不同类型的指标，同时还要将R&D人员的个体绩效指标与组织的战略目标相结合。在评价方法方面，除了精确数的绩效评价方法，部分研究学者还关注了R&D人员绩效获取模糊性的问题，林望等[6]研究了科研人员的绩效评价方法问题，利用熵值法和模糊综合评价法，解决了科研人员绩效评价过程中容易出现的主观性和模糊性问题。李红玲等[7]根据R&D人员绩效的特征引入了市场距离的概念，并提出了基于市场距离的R&D人员绩效考核方法。张光进等[8]则根据定性和定量不同评价方法的适应性，为具有不同特征的R&D人员选择不同的绩效评价方法或方法组合。

虽然已有研究取得了一定的进展，但对R&D人员绩效的评价，大多采取自上而下的评价模式，R&D人员只能被动接受绩效评价结果，无法表达其不同的观点。这种评价方法容易使R&D人员的发展模式趋同，不利于其根据自身的特质对事物规律进行不同的探索，也不利于调动其积极性，因而迫切需要提出新的绩效评价方法，以满足企业的需求。因此，本文依据竞优原理，从被评价R&D人员(评价客体)特质模式的角度出发对其绩效进行分析和评价，在评价过程中组织允许其参与评价过程并充分认可其不同的绩效价值，有利于调动R&D人员积极性，而不同特质模式的识别也有利于组织开展精细化和个性化的管理。

1 R&D人员绩效评价方法的选择

R&D人员一般具有较高的学历和个人素质，富有创新精神，独立自主性高，注重个体价值的实现，需求个性化尤其明显等特点，而自上而下的传统绩效评价方法，较少考虑了R&D人员的上述特点，不能有效地调动R&D人员的积极性和创造性。

由于环境的变化，尤其是各种新技术的出现，使掌握大量知识的R&D人员个体价值的重要性日益凸显，领导者和管理者必须着眼于为R&D人员提供价值实现的平台，并为其提供一定的探索和创新空间，而非传统的封闭式人才平台。相关心理学的研究也表明，当行为主体可以亲自参与某个决策过程时，会比没有参加这个决策过程的行为主体更积极的去执行这个决策。基于以上的分析，应选择有利于R&D人员依据自身特质进行不同规律认知和探索的方法对其绩效进行评价，同时应允许R&D人员参与评价过程，并赋予其充分的价值实现空间，从而激发R&D人员的潜能。竞优理论认为行为主体不应过分关注竞争者的行为方式，进而忽略了事物的本质规律，造成“本末倒置”，而是应该根据自身的特质对事物规律进行探索和认知，展示出其优异的并有益于社会和组织的行为[9]。基于评价客体视角的竞优评价方法以竞优理论为指导，与采用统一权重系数的“他主式”式评价方法不同，该方法尊重行为主体的差异性和个性化特质，在对R&D人员绩效的评价过程中尽可能的凸显其价值，能更好的匹配R&D人员的上述特点。因此，本文选择从被评价对象视角出发的竞优评析方法对R&D人员的绩效进行评价[10-11]。

2 R&D人员绩效的竞优评价方法

设R&D人员的绩效评价由m个指标组成，记为X={x1，x2，…，xm}；共有n名R&D人员，记为O={o1，o2，…，on}；xij(i=1，2，…，n；j=1，2，…，m)代表R&D人员oi基于xj指标的评价值，A=(xij)n×m表示标准化后的评价数据矩阵。

2.1 基于R&D人员个体优势的特质识别

事物的规律具有复杂性和多样性，R&D人员在规律的探索过程中会形成不同的认知结果，而这种认知的差异往往不能用简单的对错来衡量，若这种差异能够得到组织的认同甚至鼓励，则有利于激发R&D人员的创新和竞优行为。因此，需要对R&D人员绩效行为中隐含的个体特质进行分析和识别，并在组织共识的价值内容下，对这种特质尽可能的认同甚至鼓励。基于R&D人员个体优势的特质识别是指从最能凸显其绩效价值的角度，对其内在特质进行的识别，而识别结果则是与组织价值内容相对应的一组价值参数结构。本文利用2-范数距离下的理想点评价模型对R&D人员的个体特质进行识别，其公式如下：

求解模型(2)，便可获得各R&D人员特质的识别结果。对R&D人员的个体特质进行识别具有重要的管理意义，组织可以掌握成员的特质状况，从而进行必要的引导和管理；而组织对R&D人员个体特质的认同和反馈，也有利于其掌握自身的状况，并对事物规律进行个性化的探索。

2.2 R&D人员特质模式的识别与分析

2.2.1 R&D人员特质模式的识别

首先，各R&D人员不同特质的识别，可以为组织的管理提供一定的依据，但其包含的信息量稍大，不利于组织管理工作的简化，也不利于对各R&D人员的绩效信息进行集结，因而需要对各R&D人员的特质信息进行共性的提炼；同时，对所有R&D人员的特质信息进行深入挖掘，有利于发现R&D人员整体特质的分布状况，从而开展有效的管理活动。基于此，本文对各R&D人员的特质识别结果进行了模式化分析，即将相近的个体特质聚为一类，从而提炼出具有规律和共性的R&D人员典型特质模式。

从尽可能的激励模式内各R&D人员的角度考虑，应尽可能的尊重每个成员的价值主张和利益述求，为其提供价值实现的平台，因而代表模式的价值参数结构与各R&D人员的优势权重向量偏差越小越好[13]，由此可通过如下模型得到各模式的价值参数结构：

2.2.2 R&D人员特质模式的特征分析

获得R&D人员的特质模式后，可以对其进行如下几个方面的分析，进而为组织提供管理的依据：

(1)特质模式的结构特征分析。主要是指对特质模式价值参数结构(权重结构)的含义进行分析，特质模式的价值参数结构反映了该模式内R&D人员的共同特征，即模式内R&D人员在各指标的表现情况，从而有利于组织进行管理和调整。

(2)主流模式分析。当某模式中聚集了R&D人员群体20%以上的成员时，本文便将该种模式称为主流特质模式。主流特质模式则是各特质模式中的重点管理对象，对组织发展具有重要的影响。

(3)特质模式的质量分析。主要是指对该特质模式内成员的总体绩效水平进行分析，进而为组织的后续管理提供有力的客观依据。若该模式内R&D人员的绩效水平都非常高，则说明该模式具有一定的先进性，值得进一步的研究和推广；若该模式内R&D人员的绩效水平都非常低，则说明该模式存在一定的问题，需要进一步的反思和调整。

2.3 确定特质模式的话语权重

R&D人员特质模式的获取，只是对不同R&D人员特质识别结果的初步集结，为了便于对R&D人员的绩效进行评价，还要明确各模式的权重值。首先，各特质模式的划分不是决策者的主观裁定，而是依据各R&D人员的特质识别结果进行的客观识别，因而如果某模式含有较多R&D人员数量，说明该模式的主张与大多数成员的利益述求相近，其获得的权重值应该越大；其次，在提炼R&D人员的共性特质时，不同的模式间差异较大，也增加了绩效信息集结时的分歧，因而可根据各模式间彼此的信息差异程度进行赋权，对符合群体利益的模式赋予较大权重。因此，本文通过各模式中含有的R&D人员数量和彼此间信息差异程度的大小计算各模式的权重值，第qr类特质模式的权重值可通过公式(4)得到[14]：

首先，如果该模式中拥有较多R&D人员，表明具有该类特质的人员较多，此模式也能够代表大多数R&D人员的利益述求，其权重也应越大，因而可通过公式(5)得到各模式基于人数获得的权重值：

(5)

式(5)的含义是，通过第qr类特质模式中包含的R&D人员个体数目占总体的比例确定其话语权重值。

其次，根据模式与其他模式的差异程度计算的值，其数学表达式如下：

d(wr，wl)的大小可以衡量两类模式之间的差异程度，该值越小，说明两类模式间的差异越小。对该模式与其他所有模式的差异系数进行求和，其数学表达式如下：

dr反映了qr模式与R&D人员群体意见的接近程度，且dr越大表明模式qr与群体意见的分歧越大，群体对该模式意见的接受程度越低，该类模式的权重值也就越小。相反，dr越小说明模式qr与群体意见的分歧越小，模式qr的权重也越大[15]。因此，模式qr根据评价信息差异程度获得的权重值可通过公式(8)计算：

2.4 评价的结论

yi为表示R&D人员oi基于不同特质模式的综合绩效评价值，且yi的值越小，说明R&D人员oi的表现越出色。为了符合人们的认知习惯，可将公式(10)中的结果通过公式(11)转换为百分制的形式。

(11)

需要指出的是，如果价值指标中的数值不是经过0-1标准化后的数据，则公式(11)中的需要除以其理想值后，才能带入公式(11)进行百分制形式的转换。

3 应用研究

国内某科技公司中R&D人员所占的比例较大，是该公司绩效评价中的重点管理对象，同时该公司积极推行人性化的管理方式，因此本文以该科技公司作为案例研究对象，验证所提方法的实用性。

3.1 R&D人员绩效评价的指标体系

根据R&D人员的特点和相关文研究成果[3-9,16-23]，对其绩效评价的指标体系应注意如下两个方面：(1)既要包含R&D人员的成果性指标，如工作的数量和质量等，也要包含R&D人员的行为、态度和素质。(2)R&D人员是脑力劳动者，往往忽视了自己身心素质的问题，对员工个人和组织都造成了不小的损失，因而本文将R&D人员的身心素质也确定为评价指标。基于以上的分析，本文对R&D人员绩效具体的评价指标及其说明见表1。

表1 R&D人员绩效评价指标体系

3.2 数据处理及结果

R&D人员各绩效指标的最终评价值如表2(Likert五点打分法)所示，5分为理想得分值。

表2 原始数据表

首先，根据表2中的数据，由模型(2)对15名R&D人员的个体特质进行识别，识别结果见表3。

表3 15名R&D人员个体特质识别结果

其次，对15名R&D人员特质中的共性进行提炼，获取其不同的特质模式。本文使用SPSS21.0软件对表3中的数据进行层次聚类分析，共得到5种特质模式，分别为：q1={o1，o6，o7，o10，o10}，q2={o2，o12，o15}，q3={o9，o13}，q4={o4，o8，o11}，q5={o3，o5}。根据各模式中员工不同的个体特质识别结果，通过公式(3)得到能够代表各特质模式特征的价值参数结构，结果见表4。

表4 典型“特质模式”价值参数结构

然后，由公式(5)和公式(8)获得各特质模式基于不同视角的话语权重，基于人数的权重结果为(0.333，0.2，0.133，0.2，0.133)；基于评价信息差异程度的权重结果为(0.218，0.211，0.191，0.151，0.229)；由公式(4)得到各模式最终的权重结果为(0.361，0.210，0.127，0.150，0.152)。

最后，根据不同特质模式的价值参数结构和式(9)计算每名R&D人员基于不同视角的绩效评价值，进而根据各模式的话语权重，由式(10)计算各R&D人员的最终评价结果：

y1= 0.776，y2= 0.611，y3= 0.781，y4= 0.706，y5= 0.756，y6= 0.685，y7= 0.735，y8= 0.626，y9= 0.732，y10= 0.862，y11= 0.739，y12= 0.634，y13=0.663，y14= 0.849，y15= 0.623。

由于各R&D人员的理想评价值为5分，因而最终评价结果需要除以5后才能带入公式(11)完成百分制形式的转换，其结果如下：

y1= 84.48，y2= 87.78，y3= 84.38，y4= 85.88，y5= 84.88，y6= 86.3，y7= 85.3，y8= 87.48，y9= 85.36，y10= 0.862，y11= 82.76，y12=87.32，y13=86.74，y14= 83.02，y15= 87.54。

因此，根据最终的评价结果，可得到15名R&D人员绩效的最终排名情况：

O2>O15>O8>O12>O13>O6>O4>O9>O7>O11>O5>O1>O3>O14>O10

3.3 结果讨论与管理启示

3.3.1 R&D人员个体特质分析

表3中各R&D人员的个体特质是从最有利于体现各员工绩效的角度识别的，体现了各R&D人员不同的行为方式。以R&D人员O3为例，其个体特质的识别结果为(0.319，0.252，0.046，0.071，0.063，0.039，0.169，0.042)，由此可知R&D人员O3在前两个指标表现较好，即工作的数量较多，质量也较好，权重值为0.319和0.252。同理，根据获得的优势权重向量可对其他R&D人员的个体特质进行分析。

对管理实践的启示是：从每名R&D人员的优势角度对其个体特质进行识别，既赋予了R&D人员个性化的空间，也为组织进行后续引导和管理提供了依据，同时也是进行特质模式分析和绩效评价的基础。

3.3.2 R&D人员特质模式特征分析

(1)从特质模式价值参数结构的特征方面分析。以模式1为例，共有5名R&D人员，分别为O1、O6、O7、O10和O14，代表模式1的价值参数结构是(0.070，0.218，0.160，0.079，0.261，0.059，0.046，0.108)，说明模式1中的成员在工作质量、科研项目和工作态度三个方面表现较好，权重系数分别为0.218、0.160和0.261。同理可分析其他成模式的结构特征。

(2)从各特质模式包含的人数方面分析。模式1、模式2和模式4包含的人数都大于或等于总人数的20%，属于员工群体中的主流特质模式，其中模式1包含的人数最多，超过总人数的33%，对组织具有较大的影响，组织需要对其进行格外的关注。模式3和模式5包含的人数则相对较少，都小于总人数的20%，不属于主流特质模式。

(3)从各特质模式内成员的总体竞优水平方面进行分析。模式1虽然包含的人数最多，是组织的主流模式，但其成员竞优水平却较低，排名均未在前20%中，没有在员工群体中起到主导和示范作用，需要引起组织的格外关注。通过模式价值参数的结构可知，该模式成员的优势在科研项目和工作质量等方面，但相较其他成员并没有表现足够优秀，组织需要为该类模式成员提供一个更好的科研环境和条件，帮助其取得更好的业绩。模式2中的成员排名均较高，分别排名第1名、第2名和第4名，在组织中发挥着导航者作用，是组织中较先进的特质模式。模式2中成员的优势体现在工作数量和工作态度两个方面，且在这两个方面表现足够优秀，表明该类成员在提升工作态度和工作效率方面具有一定的成功经验，可以对群体中的其他成员给予分享和指导。模式3和模式5包含人数都较少，模式3中的成员排名相对靠前，而模式5中的成员排名都靠后，分别为第11名和第13名，因而该模式也需要进行较大的反思和调整。模式4中的成员排名前中后各一名，仍需要进一步的调整和优化。

这对管理实践的启示是: 特质模式分析将个体特质相同或相似的R&D人员聚为一类，在个性基础上提炼共性，通过不同特质模式下的优势结构来刻画不同R&D人员行为特征的典型优势风格，有利于组织对R&D人员竞优行为的群体特征进行了解和分析。

4 结语

本文对各R&D人员的特质信息进行了深入挖掘和共性提炼，探索其背后的规律性特征，提出了R&D人员特质识别方法、特质模式的提炼方法、主流模式确立方法、模式质量分析方法和基于模式的评价方法等，既包容R&D人员的差异化行为，鼓励其积极地探索事物规律，也为组织后续的精细化和个性化管理提供了依据。同时，本文提出的特质识别和分析方法，以客观测评数据为依据，减少了绩效评价过程中的人为干预，结果公平公正。