版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、委托-代理理論的產(chǎn)生與應(yīng)用,使得企業(yè)生產(chǎn)管理提高了效率,卻產(chǎn)生了無可避免的道德風(fēng)險問題。為了解決道德風(fēng)險問題,就得在委托人和代理人之間引入激勵合同,使得代理人的行動選擇得到激勵或約束,進而實現(xiàn)雙方共贏。
本文在委托-代理理論框架下構(gòu)建了道德風(fēng)險博弈模型,分別對薪酬激勵機制、產(chǎn)權(quán)激勵機制、聲譽激勵機制和市場競爭激勵機制進行模型分析和理論推導(dǎo),去證明或證偽了企業(yè)激勵機制中的一些經(jīng)驗或總結(jié)。
在薪酬激勵機制的研究分析中,本
2、文發(fā)現(xiàn)一般性業(yè)績薪酬激勵機制的激勵效率與員工的風(fēng)險規(guī)避度、員工能力以及環(huán)境不確定性大小有關(guān);企業(yè)為了規(guī)避員工道德風(fēng)險,而設(shè)計競爭性獎金激勵機制的激勵效率與員工評估能力、員工真實能力以及員工的邊際產(chǎn)出占有率有關(guān)。
在產(chǎn)權(quán)薪酬激勵的研究分析中,本文發(fā)現(xiàn)如果存在依附于員工身上卻屬于企業(yè)剩余收益權(quán)所有的人力資本增值,那么員工有跳槽的動機;企業(yè)為了規(guī)避員工道德風(fēng)險,而設(shè)計人力資本產(chǎn)權(quán)激勵機制的激勵效率與員工學(xué)習(xí)能力、員工工作能力、員工風(fēng)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于道德風(fēng)險模型的軍代表激勵機制分析.pdf
- 基于道德風(fēng)險的廢舊品回收激勵機制研究.pdf
- 如何建立激勵機制防范會計道德風(fēng)險
- 基于防范道德風(fēng)險的TA公司保險代理人激勵機制研究.pdf
- 時間價值下供應(yīng)鏈多期道德風(fēng)險激勵機制研究
- 國有資產(chǎn)委托代理的道德風(fēng)險及激勵機制對策分析
- 失業(yè)保險的道德風(fēng)險與激勵機制分析及其對中國的啟示.pdf
- 信息不對稱條件下的導(dǎo)游道德風(fēng)險及激勵機制研究.pdf
- 考慮道德風(fēng)險的供應(yīng)鏈企業(yè)間知識共享激勵機制研究.pdf
- 基于博弈分析的供應(yīng)鏈協(xié)調(diào)機制及道德風(fēng)險問題.pdf
- 研發(fā)外包成果轉(zhuǎn)化中服務(wù)商道德風(fēng)險防范與激勵機制研究.pdf
- 研發(fā)外包成果轉(zhuǎn)化中服務(wù)商道德風(fēng)險防范與激勵機制研究
- 風(fēng)險投資中道德風(fēng)險的博弈分析.pdf
- 多委托―單代理關(guān)系下的逆向選擇與道德風(fēng)險及負(fù)荷聚合激勵機制
- 股票期權(quán)激勵對公司績效影響機制研究——基于道德風(fēng)險行為的視角.pdf
- “智豬博弈”模型改進與國企監(jiān)督激勵機制研究
- 中國保障性住房道德風(fēng)險的博弈分析.pdf
- 項目總控模式委托代理道德風(fēng)險激勵機制研究——以W市CBD總控項目為例.pdf
- 稅收征管博弈與激勵機制研究.pdf
- 基于合作博弈的外包項目激勵機制設(shè)計.pdf
評論
0/150
提交評論