我国基层公务员Topic首登AER, 随机试验已然成为TOP5的突破口！
关于随机试验，1.前沿: 携程梁建章又用自己公司做大型随机实验写文章了! 数据和结论真香！2.携程网梁建章(博士)用携程内部数据做了一篇文章！3.2位女学者用中国汽车制造公司做实验, 把文章发到了TOP5刊QJE！4.19年诺奖得主纳吉AER发文, 在印尼对6000个家庭做随机实验, 旨在提高全民医保参与率，5.关于田野实验研究, 你不得不读的一篇综述文章
《主观绩效评估，逢迎行为与工作绩效：来自中国的证据》
关于下方文字内容，作者：张顺，国际关系学院国家安全学院，通信邮箱：zhangshun@uir.edu.cn
作者之前的文章，1.毛咕噜又发一篇TOP刊, 再次闯入商学研究创新了！
de Janvry, Alain, Guojun He, Elisabeth Sadoulet, Shaoda Wang, and Qiong Zhang. 2023. "Subjective Performance Evaluation, Influence Activities, and Bureaucratic Work Behavior: Evidence from China." American Economic Review, 113 (3): 766-99. 其中一位作者是来自内地的中国人民大学张琼副教授，其他作者来自美国和香港机构。 Subjective performance evaluation could induce influence activities: employees might devote too much effort to pleasing their evaluator, relative to working toward the goals of the organization itself. We conduct a randomized field experiment among Chinese local civil servants to study the existence and implications of influence activities. We find that civil servants do engage in evaluator-specific influence to affect evaluation outcomes, partly in the form of reallocating work efforts toward job tasks that are more important and observable to the evaluator. Importantly, we show that introducing uncertainty about the evaluator's identity discourages evaluator-specific influence activities and improves bureaucratic work performance.
主观绩效评估，逢迎行为与工作绩效：来自中国的证据
目录
一、摘要
主观绩效评估（subjective performance evaluation）被企业和政府广泛用于提供工作激励。然而，相对于为实现组织本身的目标而工作，员工可能会投入过多的精力去讨好他们的领导。本文在中国地方公务人员（三支一扶项目的参与者）中进行了一个大规模的随机实验，以研究逢迎行为（influence activities）的存在和影响。研究发现，公务人员确实参与了针对评估者的影响，以影响评估结果，部分形式是将工作精力重新分配到对评估者来说更重要和更容易观察到的工作任务上。研究还表明，引入领导身份的不确定性会降低逢迎行为，并改善工作绩效。
二、引言
逢迎行为，是指在广泛提及的直接行贿或输送其他私人利益等方式之外，下属为了提高自己在主观绩效评估考核中的评分，将更多时间和精力用于影响负责考核的上级领导的主观评价上。这种行为可能背离了组织（委托人）的目标但行为本身是有一定实际意义的，比如下属更积极主动地完成考核领导所安排的工作、或更加积极主动地参与考核领导所倡议或启动的项目、并在考核领导更加看重的能力或态度维度上的提升和改进等。但有时这种行为可能毫无意义，比如下属分配大量精力去溜须拍马、“投其所好”、为考核领导处理很多工作以外的其他事务等。
尽管有不少文献从理论上探讨了逢迎行为的前因和后果，但相关方面的经验证据非常缺乏。这主要是因为这种行为本身不容易被观察到，且即使被观察到之后也很难被界定为逢迎行为（例如，下属可能仅仅只是想表现出待人热情真诚的一面，而不是为了提高自己的考核成绩）。因此，界定逢迎行为并研究其后果在实证上非常困难。
论文通过分析不同的试点评价机制，研究了逢迎行为的存在和影响。发现，逢迎行为是普遍存在的：当下属知道谁是其考核领导的时候，他们会花更多的精力去影响该领导的评价，进而导致考核领导给出了比非考核领导更高的工作绩效评分。更为重要的是，当下属不确定谁是考核领导时，他们则会更加努力地工作，最终导致各方对其工作的表现评价都更高。
三、制度背景与实验设计
1．制度背景
本文实验的制度背景是“三支一扶”——这是人力资源和社会保障部于2006年为地方政府推出的人力资本建设计划。通过这个项目，大学毕业生被聘用为农村和乡镇的临时公务员“college graduate civil servants（CGCSs）”。他们承担四种类型的职位：侧重于扶贫的乡镇政府办事员、侧重于农业支持的乡镇政府办事员、乡镇小学的教师，以及乡镇诊所的工作人员。
在党政双重领导的治理结构下，基层机构的两位领导都有可能是雇员的监督人和评价人。根据目前“三支一扶”的评估计划，当省人力资源部门首次将一名公务人员（CGCS）分配到一个乡镇时，她被明确告知，人力资源部门已经指定两位领导中的一位作为“评估者”，负责在年底对她的工作表现进行评估。然而，CGCS是为整个组织工作，而不是为特定的评估者工作，这意味着她要对两位领导分配的工作任务做出回应，尽管其中只有一位对她的评估结果有影响。
2．实验设计与实施
研究团队分析了两种不同的考核机制。第一种为“事前已知”考核安排：下属从开始工作时，就知道谁是其工作绩效的考核领导。第二种为“事后抽签”考核安排：下属开始工作时并不知道谁是其工作绩效的考核领导，考核领导是在年终时进行抽签决定的。相对第一种安排，“事后抽签”引入了考核领导的不确定性。
两种不同考核机制的分配在工作单位维度是随机的（每个单位选取相同的考核机制），并且评估者身份也是随机确定的。除了进入“三支一扶”项目且被分配到第一种考核安排的参与者外，其他人（包括评估者自己以及参与者的同事）并不知道评估者具体是谁。
表 1 实验设计
3．对实验可行性的验证
为了验证实验中分配是否随机，本文分别对实验组和对照组的CGCS和“参与/非参与评估”的领导进行Balance test，发现不能拒绝“实验组和对照组相同”的零假设；此外，有929（24.5%）的参与对象因为升学、提拔等原因退出了实验，本文也设计Attrition test检验是否存在潜在样本损失偏误。
表 2 Balance test_1
表 3 Balance test_2
表 4 Attrition test
四、理论框架
五、基准回归结果
1．命题一：“事前已知”组中“评估者”领导与“非评估者”领导的评价有差别
表 5 揭示评估者身份导致领导之间评价的差异
2．命题二：“事后抽签”组中，CGCS的工作表现更好
表 6 隐藏评估者身份对CGCS工作表现的影响
表 7 直方图：“事前已知”组和“事后抽签”组工作表现差异
六、机制分析
1．工作中的投其所好
首先考虑“事前已知”组中的“生产性逢迎行为”，作者在项目末期访问“事前已知”组中的CGCS，发现其更倾向认为“实际参与”评估的领导所布置的任务更加重要，有“投其所好”的趋势，部分解释了为什么评估者领导对其评价更高。
表 8 “事前已知”组中的“生产性逢迎行为”
2．同乡效应
本部分考虑“同乡效应”对不同组的CGCS和评估者的影响。现有研究发现，中国官僚体系中存在明显的“同乡偏好”（hometown favoritism），其中存在“从上至下”和“从下至上”两个机制：前者指领导自发地认可来自同乡的员工；后者指员工认为逢迎来自同乡的领导更加容易。
“事前已知”组中的CGCS和领导知道彼此身份，“从上至下”和“从下至上”两个机制都能实现；而“事后抽签”组中的CGCS不清楚具体参与评价的是哪位领导，因而无法确定是否“同乡”，“从下至上”的机制被削弱。两者之间的区别就是员工在逢迎行为上的不同激励。
回归发现，“事前已知”组存在显著的同乡效应，而“事后抽签”组则不然，进一步验证了逢迎行为在两组员工之间的差别。
表 9 评估者特征与逢迎行为
3．排除混淆的因素
作者进一步考虑了CGCS和评估人在实验中可能遇到的信息不对称和心理因素等可能混淆本文结论的变量，通过详细的问卷分析，实证结果仍然承认前文的结论是稳健的。
七、总结
研究发现，在“事前已知”考核机制下，事前被确定为负责考核的上级领导相比另一位上级领导对相应下属给出了明显更为正面的评价。同时，下属的确会将更多时间和精力用于负责考核的上级领导所交派的工作，倾向于认为负责考核的上级领导交派的工作任务更重要，在负责考核的上级领导更为看重的能力和（或）态度方面的进步更明显。在“事后抽签”组中，两位上级领导对相应下属的评价没有明显不同。这说明下属一旦不知道考核领导具体是谁，逢迎行为会明显缓减。更为重要的是，研究发现，“事后抽签”组的下属工作选择更加努力工作、将更多时间和精力用于组织（包括两位上级领导）都看重的能力和（或）态度方面，由此对应其在一系列工作绩效评估指标上都有更好的表现（包括两位领导的评价、同事的评价、绩效工资、加班等）。
为人大张琼副教授点赞！
关于因果推断书籍，参看：1.一本最新因果推断书籍, 包括了机器学习因果推断方法, 学习主流和前沿方法，2.社会经济政策的评估计量经济学, 提供书籍和数据和程序文件，3.诺奖得主Angrist的因果推断课程文献读物单子再次更新了, 还提供了其他三门课程，4.全面且前沿的因果推断课程, 提供视频, 课件, 书籍和经典文献，5.从网页上直接复制代码的因果推断书籍出现了, 学会主流方法成效极快，6.推荐书籍"用R软件做应用因果分析", 有需要的学者可以自行下载！7.哪本因果推断书籍最好？我们给你整理好了这个书单！8.“不一样”的因果推断书籍, 很多观点让我们能恍然大悟, 涵盖了不少其他书里没有的因果推断方法！9.搞懂因果推断中内生性问题解决方法必读的书籍和文献已搜集好！10.一位“诗人”教授写了本因果推断书籍, 现在可以直接下载PDF参看！11.使用R软件学习计量经济学方法三本书籍推荐，12.机器学习与Econometrics的书籍推荐, 值得拥有的经典，13.史上最全的因果识别经典前沿书籍, 仅此一份，14.用R语言做Econometrics的书籍推荐, 值得拥有的经典，15.Stata学习的书籍和材料大放送, 以火力全开的势头，16.USA经管商博士最狂热崇拜的计量书籍震撼出炉，17.推荐使用Python语言做因果推断前沿方法的书籍，18.一些比较常见的因果推断书籍25本汇总, 很多可以直接下载PDF，19.推荐一本专攻处理效应分析的书籍, 包括主流政策评估计量方法
关于因果推断，可参看①关于各种因果识别方法的120份经典实证文献汇总”，②21年诺奖得主那些年关于教育的研究, 学习其中的因果推断方法！，③因果推断的统计方法总结, 177份文献，④政策评估的计量方法综述, 包括最新因果推断方法，⑤在教育领域使用IV, RDD, DID, PSM多吗? 使用具体文献，⑥看完顶级期刊文章后, 整理了内生性处理小册子，⑤工具变量精辟解释, 保证你一辈子都忘不了，⑦DID, 合成控制, 匹配, RDD四种方法比较, 适用范围和特征，⑧关于双重差分法DID的32篇精选Articles专辑！⑨关于(模糊)断点回归设计的100篇精选Articles专辑！⑩匹配方法(matching)操作指南, 值得收藏的16篇文章等，⑪MIT广为流传的政策"处理效应"读本，⑫DID的研究动态和政策评估中应用的文献综述，⑬最新政策效应评估的四种方法，⑭政策效应评估的基本问题等。
1.用"因果关系图"来进行因果推断的新技能，2.因果推断专题：因果图，3.因果推断专题：有向无环图DAG，4.confounder与collider啥区别? 混淆 vs 对撞，5.三张图秒懂, 混淆, 中介, 调节, 对撞, 暴露, 结果和协变量的复杂关系，6.中介效应检验流程, 示意图公布, 不再畏惧中介分析，7.图灵奖得主Pearl的因果推断新科学，Book of Why?8.前沿: nature刊掀起DAG热, 不掌握就遭淘汰无疑！因果关系研究的图形工具!9.前沿: 卫星数据在实证研究中的应用, 用其开展因果推断的好处！10.7大因果推断大法精选实证论文, 可用于中国本土博士课堂教学！11.随机分配是什么, 为什么重要, 对因果关系影响几何？12.应用计量经济学现状: 因果推断与政策评估最全综述，13.疫情期计量课程免费开放！面板数据, 因果推断, 时间序列分析与Stata应用，14.Python做因果推断的方法示例, 解读与code，15.内生转换模型vs内生处理模型vs样本选择模型vs工具变量2SLS，16.不用IV, 基于异方差识别方法解决内生性, 赐一篇文献等等。
4年，计量经济圈近1500篇不重类计量文章，
可直接在公众号菜单栏搜索任何计量相关问题,
Econometrics Circle
数据系列：空间矩阵 | 工企数据 | PM2.5 | 市场化指数 | CO2数据 | 夜间灯光 | 官员方言 | 微观数据 | 内部数据计量系列：匹配方法 | 内生性 | 工具变量 | DID | 面板数据 | 常用TOOL | 中介调节 | 时间序列 | RDD断点 | 合成控制 | 200篇合辑 | 因果识别 | 社会网络 | 空间DID数据处理：Stata | R | Python | 缺失值 | CHIP/ CHNS/CHARLS/CFPS/CGSS等 |干货系列：能源环境 | 效率研究 | 空间计量 | 国际经贸 | 计量软件 | 商科研究 | 机器学习 | SSCI | CSSCI | SSCI查询 | 名家经验计量经济圈组织了一个计量社群，有如下特征：热情互助最多、前沿趋势最多、社科资料最多、社科数据最多、科研牛人最多、海外名校最多。因此，建议积极进取和有强烈研习激情的中青年学者到社群交流探讨，始终坚信优秀是通过感染优秀而互相成就彼此的。