本記事は、 「VOX EU」との協力により掲載されています。
労働者の生産性を左右するものは何か。労働者の生産性は、実際にはかなり伝染しやすい可能性があることを示す証拠が増えています。Falk and Ichino（2006）、Mas and Moretti（2009）、Bandiera et al.（2010）、De Grip and Sauermann（2012）の研究はいずれも、同僚が、企業が明示的に設けていない経路を通じて、経済的に重要な影響を同僚に及ぼしうることを示しています。
研究者の多くが労働者の生産性における同僚効果を論じる際に念頭に置いているメカニズムは、大きく二つのカテゴリーに分けられます。一つは職場規範で、同調圧力や順応的行動などのメカニズムを含みます。もう一つは労働の補完性で、知識のスピルオーバー、共同作業、および／または業務の専門化などのメカニズムを含みます。
文献を検討した結果、われわれは次のように結論づけます。低技能業務に従事する労働者の間には、生産性において意味のある同僚効果が存在するという考えを支持する強い証拠があり、その効果は主として順応的行動または同調圧力から生じています。一方、教育や研究などの高技能業務における同僚効果については、証拠は一様ではありません（Jackson and Bruegeman 2009、Waldinger 2012）。高技能労働者の間で見られる同僚効果は、通常、知識のスピルオーバーに起因するとされています。
出典：世界銀行
職場における同僚効果：ソーシャル・ネットワーク・アプローチ
最近の論文（Lindquist et al. 2015）において、われわれは社会ネットワーク研究の新たな手法を応用することで、職場における同僚効果に関する議論に貢献しています。われわれのネットワーク・アプローチにより、これまで分析されてこなかったものを含む多くの重要な問いに取り組むことが可能になります。同僚の生産性は労働者の生産性に影響を与えるか。職場内訓練による生産性の向上は、訓練を受けた労働者から未訓練の同僚へと広がるか。同僚ネットワークの構造は、ネットワーク全体での生産性の広がりを促進するか、それとも阻害するか。企業内の主要な労働者を特定することは可能か。可能であれば、その情報は、誰を訓練し、誰を留任させるかといった重要な判断において、人事管理者を支援するためにどのように活用できるか。同僚ネットワークの情報を用いて、企業が勤務時間やチームをより最適に編成したり、研修プログラムの設計を改善したりできるか。
われわれはこれらの問いを、多国籍モバイル通信事業者の社内コールセンターから得た高品質なデータセットを用いて検証します。このデータは2年間にわたるもので、個々の労働者の業績、属性、チーム所属、そして出退勤の正確な時刻に関する詳細な情報を含んでいます。これらのデータにより、週ごとに同僚ネットワークを作成することが可能になります。そこでは、二人の労働者間の重み付きリンクが、一週間のうちに同じチームで共に勤務した時間の長さを示します。すなわち、われわれは労働者が週の間にさらされている同僚と、そのさらされの強度について、非常に正確に把握しています。多くのネットワーク研究とは異なり、われわれはネットワークの安定的な部分の外側にあるさらされを特定しません。安定的な部分は、非ランダムな選別や共通のショックを受けやすい可能性があるためです。われわれは、チーム、週、個人の固定効果を条件とした後でも、同僚ネットワークがランダムであることを示します。このセットアップでは、離職、会社の人員配置上のニーズの変化、そして自身の勤務スケジュールや同僚の勤務スケジュールにおける個別的な変化により、すべての労働者は毎週、固有で外生的に変動する同僚の生産性という用量を受けます。
本稿では、局所的な平均ネットワーク効果と局所的な集計ネットワーク効果の両方を含む、労働者の生産性に関する形式モデルを提示します。局所的平均効果は社会的な労働規範（例：順応的行動や同調圧力）の役割を表し、局所的集計効果は戦略的補完性（例：知識のスピルオーバー）を表します。前述のとおり、これらは労働者間の生産性のスピルオーバーを説明するために通常提示される二つの主要なメカニズムです。われわれはこのモデルを本稿の実証部分の指針として用い、この特定の設定においてどちらのメカニズムがより重要であるかを検証します。このモデルはまた、「キー・ワーカー」を特定することも可能にします。キー・ワーカーとは、必ずしも最も生産性の高い労働者ではなく、ネットワークから除外された場合に全体の生産性を最も大きく低下させる労働者です。したがって、彼らは企業にとって「決定的」な労働者なのです。
主な知見
われわれは2種類の回帰実験を実施します。まず、外生的なネットワーク・エクスポージャー行列を用いて、同僚の生産性が自身の生産性に与える影響を分析します。
われわれは、労働者の生産性において確かに強いネットワーク効果が存在することを示します。
労働者の同僚ネットワークの現在の生産性が10%上昇すると、その労働者自身の現在の生産性は1.7%上昇します。
この生産性のスピルオーバーは、順応的行動によるものと考えています。
勤続年数の短い労働者は、同僚ネットワークの労働規範に特に強く反応します。推定値は、これまでの研究で得られた約1.4～1.5%という結果に近いものです（Falk and Ichino 2006、Mas and Moretti 2009；Herbst and Mas 2015も参照）。
2つ目の回帰実験では、労働者を1週間の職場内訓練プログラムにランダムに割り当てた現地実験のデータを活用し、職場内訓練によって生じる労働者の生産性の外生的変化が、未訓練の労働者を含む同僚の生産性にどのように影響するかを分析します。
訓練を受けた労働者にさらされることで、未訓練の労働者の生産性が向上することを示します。
労働者のネットワークに訓練を受けた同僚を1人加えると、その労働者自身の生産性が0.7%上昇します。
この効果は、局所的平均効果（すなわち順応的行動）ではなく、局所的集計効果（すなわち知識のスピルオーバー）によって生じていることを示します。
また、われわれはネットワーク・モデルによる労働者の生産性の分析が、人事方針に情報を提供し、企業の生産性を高めるためにどのように活用できるかも示します。どの労働者を企業に留めるべきか。誰を訓練すべきか。ネットワーク効果を考慮した場合の最適な方針と、企業がネットワーク効果を考慮しないという代替方針とを比較します。
例えば、人事責任者に、企業が最も強く留任させるべきだと考える10人の労働者を選んでもらう場合を想定してみましょう。合理的な戦略の一つは、平均生産性が最も高い10人を選ぶことです。これに対し、われわれの（モデルに基づく）戦略は、平均的なネットワーク『インター中心性』指標が最も高い10人、すなわちモデル上の主要労働者を選ぶことです。こうした労働者の選定は、本人の生産性と、その労働者が生み出すネットワーク効果（生産性のスピルオーバー効果）に依存します。各労働者は、自身の特性と、同僚ネットワークにおける固有の位置づけにより、同僚に与える影響の大きさが異なります。
この結果は、シフト・スケジュールや作業チームの最適な設計にも示唆を与えます。「ブリッジ・ワーカー」、すなわち一日のうちに複数のシフトで勤務する労働者は、ネットワーク効果をシフトをまたいで広げるために不可欠であるため、重要な役割を果たします。
主要な10人を選定した後、われわれは企業の人事責任者が個人の生産性に基づいて選んだ、最も生産性の高い10人の労働者と比較します。われわれのインター中心性指標と個人の生産性との間には強い相関（0.78）がある一方で、両方のリストに含まれる労働者は3人しかいません。われわれのモデルによれば、主要な10人を失った場合に生じる総生産性の損失は、労働者本人の生産性のみに基づく単純な戦略で選ばれた10人を失った場合の損失よりも22%高くなります。言い換えれば、われわれの主要な10人は、個人の平均生産性が最も高い10人よりも、企業にとってはるかに高い総合的な価値を持っています。これは、これらの労働者が大きなプラスの外部性を生み出しているためです。
また、われわれはネットワーク・アプローチを用いて、企業がどの労働者に訓練を施すべきかについても分析します。われわれは、企業が各労働者の同僚ネットワークにおける固有の位置を考慮して、訓練への配置をより戦略的に行うことで、訓練の収益性を改善できた可能性があることを示します。
結びの見解
また、同僚ネットワークの構造の変化が労働者の生産性に与える影響についても検討します。同僚ネットワークの最適な構造に関する政策的結論は、以下のように要約できます。
対象となる企業は、チーム規模を拡大すべきである；
「ブリッジ」労働者をより多く採用すべきである；そして
各ネットワークにおける平均媒介性を高めるべきである（すなわち、労働者間のつながりを増やすべきである）。
われわれの研究は、労働者の生産性が実際に伝染しやすいことを示しています。こうしたネットワーク効果の存在は、人事責任者が日々直面する多様な政策上の問いへの答えに影響を与えます。社会ネットワークの研究が、人事経済学の分野へより積極的に広がっていくことを期待しています。企業でしばしば利用可能な詳細なデータと、職場における同僚効果の重要性を踏まえると、この分野はネットワーク手法とモデルに特に適していると考えています。
参考文献
Bandiera, O, I Barankay, and I Rasul (2010), “Social incentives in the workplace,” Review of Economic Studies 77, 417-459.
De Grip, A and J Sauermann (2012), “The effects of training on own and co-worker productivity: Evidence from a field experiment,” Economic Journal 122, 376-399.
Herbst, D and A Mas (2015), “Peer effects on worker output in the labouratory generalize to the field,” Science 350, 545-549.
Jackson, C Kirabo, and E Bruegmann (2009), “Teaching students and teaching each other: The importance of peer learning for teachers,” American Economic Journal: Applied Economics 1, 85-108.
Lindquist, M, J Sauermann, and Y Zenou (2015) “Network Effects on Worker Productivity,” CEPR Discussion Paper No. 10928.
Falk, A and A Ichino (2006), “Clean evidence on peer effects,” Journal of Labor Economics 24, 39-57.
Mas, A and E Moretti (2009), “Peers at work,” American Economic Review 99, 112-145.
Waldinger, F (2012) “Peer effects in science – Evidence from the dismissal of scientists in Nazi Germany,” Review of Economic Studies 79, 838-861.
掲載された内容は、世界経済フォーラムによる見解への賛同を意味するものではありません。
最新のアジェンダを把握するには、 週刊ニュースレターに登録する。
執筆者：Matthew Lindquistは、ストックホルム大学スウェーデン社会研究所（Swedish Institute for Social Research）の労働経済学教授です。Jan Sauermannは、同研究所の助教授です。Yves Zenouは、ストックホルム大学の経済学教授であり、CEPRリサーチ・フェローです。
画像：カリフォルニア州メンローパークにある Facebook 本社のデザイン・スタジオで作業するFacebookの従業員。REUTERS/Robert Galbraith.
