关于《従業員口コミを用いた働きがいと働きやすさの企業業績との関係》一文的学术研究报告
一、 研究作者、机构与发表信息
本研究的作者为西家 宏典（所属机构：横浜国立大学 環境情報学府 及 (株)クレジット・プライシング・コーポレーション）与長尾 智晴（所属机构：横浜国立大学 環境情報学府）。该研究发表于《ジャフィー・ジャーナル》第19卷，于2021年4月出版，由日本金融・証券計量・工学学会刊发。
二、 学术背景与研究目的
本研究属于金融工程、计量经济学与人力资源管理交叉的领域，具体涉及企业无形资产（尤其是人力资本与组织环境）的量化评估及其与财务绩效、股票市场定价效率的关系。研究的核心动机在于，尽管“员工工作方式”在现代企业管理中日益受到重视（例如日本“働き方改革”相关法律的出台），但“工作价值感（働きがい）”和“工作舒适度/便利性（働きやすさ）”这类概念难以直接量化，且其与企业长期业绩之间的动态因果关系尚不明确。
在学术背景方面，已有研究利用员工满意度调查排名数据（如美国的“100 Best Companies to Work For”或日经的“働きやすい会社ランキング”）发现，员工满意度高的公司未来股票回报率更高，这被解释为市场对人力资本等无形资产存在错误定价（Mispricing）。同时，利用员工在线评论（口コミ）数据的研究逐渐兴起，例如利用Glassdoor.com的评分数据或日本Openwork网站的自由文本评论。这些研究多关注评分的“变化”而非“水平”对未来业绩的影响。
本研究旨在深化这一领域，其具体目标有：1）区别于使用单一的满意度评分或笼统的组织文化评分，本研究尝试从员工评论的文本信息中，分别构建“工作价值感”和“工作舒适度”两个独立的、具有时间序列特性的量化指标；2）运用面板向量自回归（Panel Vector Auto Regression, PVAR）等高级计量模型，深入分析这两个指标与企业财务绩效（如成长性、收益性）之间的双向动态关联及时间滞后效应；3）检验基于这两个指标构建的投资组合能否产生超额回报，以验证市场是否对由员工评论所揭示的“工作方式”改善信息反应不足。
三、 详细研究流程与方法
本研究流程主要包括数据获取与处理、指标构建、以及关联性分析三大阶段，涉及复杂的文本挖掘、机器学习与计量经济建模。
第一阶段：数据获取与预处理 研究数据来源于日本就业转职网站Openwork（原Vorkers）。研究者提取了2007年7月至2019年3月期间，针对上市企业发布的共计306,392条员工评论。关键创新在于对评论进行了精细的类别划分与整合：将“モチベーション”（动力）和“成長機会”（成长机会）两类评论合并，构建代表“工作价值感”的文本语料库；将“ワークライフバランス”（工作生活平衡）和“女性の働きやすさ”（女性工作便利性）两类评论合并，构建代表“工作舒适度”的文本语料库。这种分类基于一个明确假设，即这些类别的评论信息分别是“工作价值感”和“工作舒适度”的有效替代指标。数据统计显示，“工作舒适度”类别的评论数量多于“工作价值感”类别，且评论者以现职与离职者各半、男性及新卒入职者略多、平均在职年数5-7年的中坚层为主。
第二阶段：构建“工作价值感”与“工作舒适度”时序得分 这是本研究的核心方法创新环节，主要借鉴了作者团队先前研究（西家 & 津田，2018）的方法并进行了拓展。 1. 文本分割与情感分析：首先，将每条评论按句号分割成独立的句子。然后，使用情感分析模型为每个句子计算一个“积极概率”值。该情感分析模型是本研究的一个技术亮点：它并非使用单一模型，而是采用了基于FastText词向量与自主研发的多层感知机（MLP）组合的软集成模型。该模型的训练数据使用了27,018条已标注正面/负面标签的句子，并在独立的73,885条“企业优势/劣势”类别评论的验证集上进行了测试，其判别性能指标AUC达到了0.921，显示出极高的分类准确性。 2. 从句子概率到企业月度得分：获得句子级别的积极概率后，需要聚合到企业-月度层面。这个过程采用了复杂的三成分混合正态分布模型来校正偏差。具体步骤为：a) 先计算每个评论者在其评论的所有句子上的平均积极概率；b) 假设某一时点所有评论者的平均积极概率服从一个由三个正态分布混合的总体分布，分别代表“积极”、“中性”和“消极”群体，并使用EM算法估计参数；c) 对于每个具体企业，利用该企业所有评论者的平均积极概率数据，通过贝叶斯更新方法，对上述估计出的三个分布进行更新，得到该企业在该时点属于三个群体的后验概率；d) 最终的企业月度得分是这三个更新后分布的期望值的加权平均。此方法旨在控制不同企业间评论者数量和属性差异带来的偏差。 3. 计算修正得分变化：研究关注的是得分的“变化”而非“水平”。为了进一步控制不同企业在观察期内评论数量增长差异的影响，研究者定义了“修正得分变化”：将相邻12个月间的得分变化值，乘以（1+该期间内评论者数量的增量）。这使得得分变化的可比性更强。
第三阶段：关联性分析 1. 与企业财务绩效的关联性分析（PVAR模型）： * 研究对象与样本：分析期间为2011年3月至2019年3月，对象为东京证券交易所一部和二部的非金融类上市公司，且要求每个公司在各月末至少有10条以上评论。最终形成企业-年份的面板数据。 * 数据处理：企业财务指标采用“超额财务”指标，以控制行业和公司规模等因素的影响。具体方法是，为每个公司每个财年匹配一个参照投资组合（同行业且历史财务表现相似的公司群），用该公司实际财务指标与参照组合财务指标变化所推算的“预期”财务指标之差，作为“超额财务”指标（如超额ROE、超额销售增长率等）。 * 模型与方法：研究采用三变量面板向量自回归模型。模型包含三个内生变量：一个财务指标（如ROE、销售增长率、营业利润率、可持续增长率等）、工作价值感修正得分变化、工作舒适度修正得分变化。模型设定滞后阶数为3（年）。使用广义矩估计法进行参数估计，以处理面板数据的内生性问题。通过分析一个变量对另一个变量的滞后项系数是否显著，来判断其动态影响方向和滞后期。 2. 与股票市场表现的关联性分析（投资组合分析）： * 投资组合构建：每年3月末，根据过去12个月（t-24月至t-12月）的“工作价值感”和“工作舒适度”修正得分变化，将所有样本公司分别按照两个指标独立排序，划分为改善、稳定、恶化三个组，形成3x3=9个投资组合。 * 策略与检验：重点关注“双改善”组合和“双恶化”组合。从2011年3月开始，每年调整一次组合，持有期一年。分析这两个组合在接下来一年（t-12月至t月）的回报率。采用Fama-French五因子模型来检验其是否产生统计上显著的阿尔法（超额收益）。分析分别采用了市值加权和等金额加权两种方式构建投资组合。
四、 主要研究结果
1. 与企业财务绩效的双向动态关系结果： 面板向量自回归（PVAR）模型的估计结果揭示了“工作价值感”、“工作舒适度”与企业财务指标之间复杂的、有时滞的相互影响。 * “工作价值感”对企业未来业绩的影响：滞后3期的“工作价值感”修正得分变化，对当期的“超额销售增长率”和“超额销售成本增长率”均有显著的正向贡献。这表明，员工工作价值感的提升，大约在2-3年后会转化为企业销售规模的显著增长（同时也伴随着成本的增长）。 * “工作舒适度”对企业未来业绩的影响：滞后2期和3期的“工作舒适度”修正得分变化，对当期的“超额营业利润率”有显著的正向贡献。这意味着工作环境的改善和便利性的提高，在2-3年后有助于提升企业的盈利能力和经营效率。此外，滞后3期的“工作舒适度”变化还对“超额股利支付率”有正向贡献，可能暗示工作舒适度的提升促进了企业成熟度，从而倾向于提高股东回报。 * 企业财务对“工作价值感”的反向影响：滞后1期和2期的“超额ROE”以及“超额可持续增长率”，对当期的“工作价值感”修正得分变化有显著的正向影响。特别是“可持续增长率”（代表企业将利润再投资于内部增长的能力），其提升大约在1-2年后会带动员工工作价值感的提高。研究者解释，这可能是因为内部投资的增加（如新业务拓展）为员工提供了更多成长机会，从而提升了动力和成就感。 * 总结关系模式：研究得出结论，员工自下而上（Bottom-up）的“工作价值感”和“工作舒适度”改善，需要约2-3年时间才能正面影响企业的成长性和收益性。而代表企业自上而下（Top-down）战略的内部投资（以可持续增长率衡量），则能在约1-2年后提升员工的“工作价值感”。
2. 与股票市场表现的关系结果： * 双因子投资组合表现：基于“工作价值感”和“工作舒适度”双改善构建的投资组合，在持有期（约1年后）产生了统计上显著的正向超额收益（阿尔法）。在市值加权方式下，年化阿尔法高达8.481%；在等金额加权下为5.724%。这一结果在1%的显著性水平上显著。 * 单因子投资组合表现：值得注意的是，仅基于“工作舒适度”单一指标改善构建的投资组合，并未观察到统计上显著的超额收益。 * 市场意义：“双改善”组合能产生显著超额收益，而市场并未立即对此信息进行充分定价，这暗示股票市场对从员工评论中提取的、关于企业人力资本和组织环境改善的“软信息”存在反应不足或错误定价的现象。
五、 研究结论与价值
本研究的主要结论是：利用员工在线评论文本数据，可以有效地构建出“工作价值感”和“工作舒适度”这两个独立且具有时效性的量化指标。这两个指标的变化与企业未来财务绩效存在显著的、有方向性和时间差的动态因果关系：“工作价值感”的提升预示着企业未来的成长性，“工作舒适度”的改善则预示着未来的收益性；同时，企业用于增长的内部投资也能反过来提升员工的“工作价值感”。更重要的是，基于这两个指标共同改善的信息构建的投资策略能够获得超额回报，这为“市场对无形资产存在错误定价”的假说提供了来自日本市场、且基于非结构化文本数据的新证据。
研究的科学价值在于：1）方法论上，创新地将文本挖掘、机器学习与高级计量经济模型（PVAR）相结合，为量化研究难以观测的企业组织行为提供了可复制的研究框架；2）理论上，细化了“员工体验”的不同维度（价值感 vs. 舒适度），并分别探讨了它们与企业不同维度绩效（成长性 vs. 收益性）的独特联系，以及两者间的双向因果关系，深化了对人力资本与企业价值创造机制的理解。
研究的应用价值在于：1）为投资者提供了一种新的、基于公开文本数据的量化分析工具，可用于识别潜在的投资机会或风险管理；2）为企业管理者提供了实证依据，表明投资于提升员工“工作价值感”和“工作舒适度”并非单纯的成本，而是能在中长期转化为财务绩效的战略性投资，且两种投资产生效果的路径和周期有所不同。
六、 研究亮点
七、 其他有价值的讨论
研究也坦诚地指出了所用数据的潜在局限性：1）评论数据存在样本偏差，仅代表有动机主动发表评论的员工观点，且各公司评论数量差异大；2）尽管通过统计模型进行了校正，但仍可能存在未观测到的偏差；3）无法完全排除虚假或带有目的性的评论。研究者通过使用平台审核后的数据以及复杂的聚合模型（三成分混合正态分布）来尽可能缓解这些问题，但承认这仍是未来研究需要面对的挑战。此外，研究中对“工作价值感”和“工作舒适度”的操作化定义（基于特定评论类别）是其分析的基础，研究者也明确指出这仅是这两个复杂概念的一个可量化侧面。