Titta

UR Samtiden - Nobelföreläsningar 2016

UR Samtiden - Nobelföreläsningar 2016

Om UR Samtiden - Nobelföreläsningar 2016

Föreläsningar av 2016 års Nobelpristagare i medicin, fysik, kemi och ekonomi. Inspelat den 7-8 december 2016. Arrangör: Kungliga Vetenskapsakademien.

Till första programmet

UR Samtiden - Nobelföreläsningar 2016 : Bengt Holmström, ekonomiDela
  1. Jag planerade inte
    att bli ekonom från början.

  2. Ursprungligen
    sysslade jag med tillämpad matematik.

  3. Nästa föreläsning
    ska professor Bengt Holmström ge.

  4. Han föddes i Helsingfors
    och doktorerade vid Stanford.

  5. Han är nu professor vid
    Massachusetts Institute of Technology.

  6. Jag ber härmed professor Holmström
    ta plats på scenen.

  7. Tack, Tomas.

  8. Jag vill tacka
    Kungliga Vetenskapsakademien...

  9. ...för att de uppmärksammat oss
    på det här otroligt fina viset.

  10. Tack för att ni har kommit hit.

  11. Jag har många vänner här, även
    om det är svårt att se dem härifrån.

  12. Det är väldigt trevligt
    att få dela det här priset-

  13. -med min något senile vän Oliver-

  14. -som står mig väldigt nära.

  15. Jag vill...

  16. ...försöka säga nånting
    om mitt arbete...

  17. ...men jag ämnar också förmedla...

  18. ...lite hur vi eller jag
    tänker kring de här teorierna.

  19. Ekonomi kan ibland framstå-

  20. -som antingen otroligt dumt
    eller trivialt, men inget däremellan-

  21. -och jag ska försöka förklara
    tankar som kan verka uppenbara-

  22. -men som faktiskt kräver
    större eftertanke.

  23. Det är en...

  24. Min plan är alltså
    att redogöra lite för min väg hit-

  25. -att berätta hur jag kom in
    på det här med incitament-

  26. -och några viktiga steg i det jag jobbat
    med, särskilt anställdas motivation.

  27. Så det
    kompletterar Olivers föreläsning-

  28. -såtillvida att jag fokuserar
    mer på kontrakt rent generellt-

  29. -och på kontrakt inom företaget-

  30. -snarare än mellan företag.

  31. Jag vill prata lite om
    hur jag började med det här-

  32. -för jag planerade inte
    att bli ekonom från början.

  33. Ursprungligen
    sysslade jag med tillämpad matematik.

  34. Jag började jobba
    för det stora finska företaget Ahlstrom.

  35. Det var ett progressivt företag
    med trettiotalet fabriker.

  36. Jag anställdes för en specifik uppgift:

  37. Jag skulle införa
    en stor planeringsmodell.

  38. Såna planeringsmodeller
    förekommer inte längre-

  39. -och jag hoppas kunna belysa varför.

  40. Men alla moderna företag på den tiden
    skulle ha en stor planeringsmodell.

  41. Vi pratar alltså om
    en linjär programmeringsmodell.

  42. Tusentals ekvationer och aktiviteter.

  43. Femårsplaner
    för investeringar och produktion-

  44. -eller hur processer ska integreras.
    Man beskriver hur företaget fungerar.

  45. Det var en fantastisk möjlighet
    för en matematiker som jag-

  46. -att lära sig
    hur ett stort företag fungerar.

  47. Jag fick jobba ihop
    med ekonomichefen.

  48. Han var väldigt karismatisk
    och även stenhård.

  49. Men han gillade mig,
    för jag sa vad jag tyckte-

  50. -även om jag ofta fick höra
    att min åsikt var fel.

  51. Men vi kom väldigt väl överens.

  52. Jag åkte ut till fabrikerna
    och samlade in information.

  53. Rätt snart insåg jag
    att det här inte tjänade nånting till.

  54. Det som personalen
    i fabrikerna oroade sig för-

  55. -var att nån ny manick
    skulle göra deras tillvaro besvärlig-

  56. -och dessutom
    manipulerade de systemet.

  57. Det ställde frågor om vad de skulle
    ange för att själva tjäna på systemet.

  58. Jag tror inte
    att de medvetet ville luras-

  59. -men de tyckte
    att huvudkontoret agerade fel.

  60. Därför skickade de inte rätt siffror-

  61. -utan siffror som fick huvudkontoret
    att agera annorlunda.

  62. Så jag insåg att problemet var-

  63. -att ingen av parterna
    hade all information.

  64. Och det här var
    ett komplicerat problem-

  65. -som var mycket större än uppgiften
    att räkna på modellen-

  66. -vilken i sig var komplicerad.

  67. Jag föreslog
    att vi skulle titta på det här-

  68. -och de övervägde tydligen
    att sparka mig-

  69. -men ekonomichefen räddade mig
    genom att ge mig en ny arbetsuppgift.

  70. Och den handlade om
    att undersöka incitamentsmodeller.

  71. Hur motiverar vi
    de anställda på rätt sätt?

  72. Det var rätt patetiskt, så här i
    efterhand, men jag gjorde mitt bästa.

  73. Det gällde moralen kring incitament,
    och så vidare.

  74. Och sen hade jag turen
    att få ett stipendium-

  75. -för att forska på Stanford.

  76. Och turen var inte bara att det var
    Stanford, utan även att jag insåg-

  77. -att ekonomer forskade kring
    incitament vid den här tidpunkten.

  78. Jag gick en kurs
    som Bob Wilson höll i-

  79. -vilket var en väldigt välkänd kurs.

  80. Bob Wilson blev senare min rådgivare,
    och han är här i dag.

  81. Jag frågade honom om incitament-

  82. -och han gav mig tips
    om vad jag kunde läsa.

  83. Först tyckte jag att allt var
    struntprat, men sen insåg jag-

  84. -att det faktiskt var rätt vettigt. Jag
    vet inte om ni kommer att hålla med.

  85. Så det var så jag hamnade där jag är.

  86. Och det känner jag mig rätt nöjd med.

  87. Så jag åkte dit för
    att skriva en uppsats i fyra månader.

  88. Jag tänkte väldigt enkelspårigt.

  89. Jag åkte dit och tänkte
    att jag skulle skriva min uppsats-

  90. -och sen ha löst
    problemen med incitament.

  91. Men efter
    att ha studerat dem i trettio år-

  92. -känner jag snarare att prestations-
    baserad ersättning är problemet.

  93. Om det här låter som republikanerna
    må det vara hänt.

  94. Men jag börjar med en berättelse
    om prestationsbaserad ersättning-

  95. -och hur vi studerade den förr.

  96. Wilson skrev om det 1969-

  97. -och Steve Ross
    - en annan vän - 1973.

  98. Så jag hade litteratur att utgå ifrån.

  99. Jag ska utgå från den, och sen visa-

  100. -hur jag utvecklade teorierna vidare
    med mina medförfattare-

  101. -och hur jag så småningom
    kom fram till vad jag nyss föreslog-

  102. -nämligen att problemet är större än
    bara prestationsbaserad ersättning.

  103. Jag kallar det
    principal-agent-problemet.

  104. Jag hade tänkt visa några ekvationer
    men ångrade mig.

  105. Det här är en förenklad modell
    över en komplicerad situation-

  106. -med en enda principal.

  107. En anställd är agent
    och arbetsgivaren är principal.

  108. Det kan vara en klient som är principal-

  109. -och som anlitar en advokat,
    som då är agent.

  110. En styrelse kan vara principal
    och vd:n agenten.

  111. Och så vidare. Modellen undersöker
    vilken sorts prestationslön-

  112. -som passar
    i en väldigt allmän kontext.

  113. Det finns två svårigheter
    som är i fokus för modellen.

  114. Den första är
    att intressena skiljer sig-

  115. -och den andra
    att prestationerna inte kan mätas exakt.

  116. De här två faktorerna
    komplicerar problemet.

  117. Jag återkommer till det alldeles strax.

  118. Men incitamentet
    är som jag sa bara ett kontrakt-

  119. -där lönen baseras
    på uppmätt prestation-

  120. -och den kan som sagt inte mätas
    exakt. Så det är bakgrunden.

  121. Och ofta frågar vi oss
    vad som är first best-

  122. -vilken vore lösningen
    om vi inte hade problemet?

  123. Tomas har nämnt det,
    men det finns två first best-fall.

  124. Det finns tre, men jag nämner bara två.

  125. Agentens val går att verifiera -
    vi ser vad den anställde gör.

  126. Då stipulerar kontraktet att om man
    inte gör så får man inte betalt.

  127. Och eftersom agenten
    oftast undviker risker...

  128. Nämnde jag det?
    Om intressena inte är samstämmiga-

  129. -beror det på att agenten är riskovillig
    och principalen är riskneutral.

  130. Idealet blir då
    att betala agenten en fast lön-

  131. -om denne inte handlar på ett sätt
    som kräver incitament.

  132. Det andra fallet är när agenten är
    riskneutral och inte bryr sig om risk-

  133. -och därför kan ta hela risken själv.

  134. Det här fallet är ett hyresavtal.

  135. Agenten är en residual claimant.

  136. Taxichaufförer
    passar i de flesta fall in på det här.

  137. Det är svårt att mäta deras prestation.
    De hyr bilen av dess ägare-

  138. -och får sen huvuddelen av, om inte
    hela inkomsten, från verksamheten.

  139. Det ger rätt incitament.
    De är som sina egna ägare när de kör.

  140. Generellt är second best i modellen
    att balansera incitament och risk.

  141. I stället för att gå in på
    hur det här studeras-

  142. -vill jag säga att mitt bidrag här-

  143. -var att försöka förstå
    hur den här modellen "tänker".

  144. Det är en stor del av
    hur jag undersöker teorin.

  145. Det är viktigt att försöka förstå
    hur modellen tänker-

  146. -för om det inte går
    vill jag inte gärna arbeta med modellen.

  147. Jag vill understryka det faktum-

  148. -att man inte alltid förstår
    när man tror att man gör det.

  149. Den här informationsprincipen
    kan låta enkel.

  150. Det ställdes tidigare en fråga...

  151. I stället för att fråga hur incitamenten
    ska utformas bör man först fråga-

  152. -vilken information som är värdefull
    för incitamentskontrakt.

  153. Och svaret kan låta lite väl självklart:

  154. Allt som kan ge information
    om agentens handlande.

  155. Det här upptäckte
    både Steve Shavell och jag-

  156. -och våra artiklar
    publicerades i samma volym.

  157. Men vid den här tidpunkten var
    det här inte den gängse uppfattningen.

  158. Man ansåg att om en signal innehöll
    för mycket brus var den värdelös.

  159. Så på så vis
    är det ett överraskande svar.

  160. Det är inte orsaken... Man kan också
    se på en gammal redovisningsprincip.

  161. Förr ansåg man att lönen bara skulle
    bero på variabler som agenten styr.

  162. Det låter också som en vettig princip.

  163. Men om man tar ett av de områden där
    informationsprincipen kan användas-

  164. -ser man att relativ prestation innebär
    att om du gör nåt-

  165. -vill jag se hur det går för nån
    som gör nåt liknande som du-

  166. -och jämföra hur det går för er två-

  167. -och utifrån det avgöra om jag
    ska betala dig mycket eller lite.

  168. Lönen beror på omständigheterna.

  169. Poängen är att eftersom agenten...

  170. ...inte ensam är den som åstadkommer
    det mätbara resultatet...

  171. ...för bra eller dålig tur
    påverkar ju också...

  172. ...bör man kunna filtrera bort
    det brus som inte borde vara där...

  173. ...för att bättre
    kunna mäta prestationen.

  174. Och det är där
    relativ prestation är värdefull.

  175. Så genom att ta nåt
    som agenten inte kan styra över-

  176. -kan jag ta bort nåt
    som agenten inte kan styra över.

  177. Därför är det här bra,
    och så minskar man risken.

  178. Så kontrollerbarhetsprincipen
    förändrades.

  179. Revisorerna
    omdefinierade kontrollerbarhet.

  180. Det blir lättare att mäta tack
    vare relativ prestationsutvärdering.

  181. Informationsprincipen
    hade nog inte diskuterats så mycket...

  182. Jag funderar inte så mycket på den...

  183. Det har använts som...

  184. Den här aspekten av mitt arbete
    har använts-

  185. -för att påpeka
    att vd:ar inte ska ersättas-

  186. -utifrån om de haft tur eller otur.

  187. Olika personer som jobbar med
    företagsstyrning förespråkar tanken på-

  188. -att vd:ars lön ska justeras utifrån
    makroekonomiska omständigheter.

  189. Men så sker oftast inte.
    Men det vill jag inte gå in på.

  190. I det här fallet är
    informationsprincipen viktig-

  191. -eftersom den berättar exakt
    hur modellen tänker.

  192. Att principen faktiskt fungerar-

  193. -beror på att den säger
    att även till synes oviktiga fakta-

  194. -kring huruvida agentens handlande
    motsvarar det förväntade-

  195. -är relevant när agenten utvärderas.

  196. Det förklarar flera gåtor -
    och snart kommer jag till en.

  197. Det förklarar i princip varför modellen
    producerar extremt komplicerade svar.

  198. Man får inte ett linjärt system
    eller en enda bonus-

  199. -eller nåt i stil med optioner
    eller nåt annat man ser i verkligheten.

  200. Det är nackdelen med principen:

  201. Det säger väldigt lite om utformningen,
    förutom i verkliga omständigheter.

  202. Så den är
    överkänslig för informationen-

  203. -men det gör också
    att vi förstår exakt hur den tänker.

  204. Och ett ställe där det här
    är särskilt viktigt-

  205. -är i ett exempel
    som Mirrlees tog upp 1976.

  206. Han tittade på
    ett väldigt enkelt matematiskt problem-

  207. -där agenten har agerat, och man har
    lagt till en normalfördelad brusterm-

  208. -vilket innebär att vi har en vanlig
    klockformad fördelningsfunktion.

  209. Det här känns som
    ett uppenbart exempel att titta på.

  210. Det här ger inte ett rimligt svar.

  211. Det perfekta incitamentet
    existerar för det första inte.

  212. Men man kan uppskatta first best-

  213. -genom att bestraffa agenten gradvis
    för dåliga resultat.

  214. Låt säga att du skulle få hundra
    men i stället får minus tiotusen.

  215. Då bestraffar vi dig hårt.
    Det får dig att agera så som jag vill.

  216. Och din lön är huvudsakligen fast.

  217. Paul Milgrom och jag
    tittade på exemplet...

  218. Informationsprincipen förklarar
    varför det är så här.

  219. För svansen på normalfördelningen
    ger enormt mycket information.

  220. Man betalar som en funktion av vilken
    information det finns i resultatet-

  221. -om huruvida
    agenten handlade som förväntat.

  222. Paul Milgrom och jag
    tittade på exemplet och kände...

  223. Jag var inte nöjd med
    den grundläggande modellen.

  224. Karriären gick bra,
    men jag var missnöjd-

  225. -för arbetet gick inte som jag ville.

  226. Modellen stämde
    men gav oss inte vad vi ville.

  227. Jag föreslog Paul
    att vi skulle samarbeta och vi...

  228. Du pratade om tio dagar,
    och vi lade nog en vecka på det här.

  229. Det var ett lättare problem, Oliver.

  230. Vi lade nog egentligen tre timmar
    på det, men jag ville inte...

  231. Det enkla svaret är-

  232. -att linjära incitament
    är optimala i vår modell-

  233. -eftersom pressen inte förändras.

  234. Linjära system är inte känsliga
    för de små informationsdetaljerna.

  235. Man kan också säga att Mirrlees
    system är väldigt extremt-

  236. -alltså att förlita sig på svansen
    i en fördelningskurva.

  237. Om man förändrar situationen
    bara lite...

  238. ...eller man gjort nåt misstag
    fallerar alltihop.

  239. Det linjära systemet var robust.

  240. Det har skrivits en hel del om det-

  241. -och numera tittar vi på modellen-

  242. -och undersöker
    agentens ansträngning.

  243. Men det är oväntat nog
    väldigt svårt att undersöka.

  244. För modellen beter sig så oberäkneligt,
    trots att allt ser så enkelt ut.

  245. Det här är väldigt viktigt.
    För många har tittat på Mirrlees fall-

  246. -och tänkt att de i stället
    ska undersöka linjära incitament.

  247. "Det här är inte relevant för oss."

  248. Men man skapar inte teorier
    för att kunna avfärda en modell-

  249. -som säger att man ska bestraffa
    personer längst ut på svansen.

  250. Man kan inte bara bortse från det.

  251. Det här är en viktig läxa
    vad gäller teorier.

  252. Vi skapar teorier för att ta reda på
    varför modellen säger en viss sak.

  253. I det här fallet insåg vi
    att vi tittade på fel sorts modeller.

  254. De modeller
    vi ska rådfråga i det här fallet...

  255. Den dynamiska modellen
    innehåller många handlingar-

  256. -och agenten kan styra sin prestation
    i högre utsträckning-

  257. -om han gör dynamiska val-

  258. -jämfört med Mirrlees system.

  259. Men jag vill inte prata om
    den linjära modellen-

  260. -förutom att säga att det som fångade
    Pauls och min uppmärksamhet-

  261. -var det faktum att den linjära modellen
    fungerade logiskt.

  262. Man ställer en fråga.
    Vad gäller om risken är lägre?

  263. Då kan incitamentet vara högre
    eftersom agenten är riskobenägen.

  264. Om agenten är mer riskvillig-

  265. -betalar man också högre incitament.

  266. Vad gäller om agenten anstränger sig
    mer? Allt det här fungerar.

  267. Om man hade ställt frågorna till
    den första modellen jag pratade om-

  268. -hade man fått inga
    eller helt galna svar.

  269. Det som ligger dolt i svaret-

  270. -och det visar sig
    när man tittar på det i detalj-

  271. -att det fanns en sak-

  272. -som vi hade ignorerat
    i tio år åtminstone.

  273. Och det handlar om att det är viktigt
    hur mycket mer man kan vinna-

  274. -på att höja incitamentet. Det kommer
    från agentens kostnadsfunktion.

  275. Det här innebär att det finns
    fler verktyg än att betala agenten.

  276. Man kan också förändra
    agentens kostnadsfunktion.

  277. Så vi kom in på det här med
    många olika uppgifter och verktyg-

  278. -och jag ska ge en kort översikt
    över det här och några exempel.

  279. När man har många uppgifter
    förändras allt för oss.

  280. Då måste man ta reda på
    om man fördelar sin insats på rätt sätt.

  281. Och det är utmanande, för vissa
    uppgifter är svårare att mäta än andra.

  282. Och man måste ha i åtanke-

  283. -att även
    om man lätt kan observera en...

  284. Kvantitet är lättare
    att mäta än kvalitet.

  285. Om man
    höjer incitamenten för kvantitet-

  286. -blir det svårare
    att ge kvalitetsincitament.

  287. Och i det första fallet flyttas insatsen
    från kvalitet till kvantitet.

  288. Vi får då många exempel på problem
    som är lika på kort och lång sikt.

  289. Om man ger kortsiktiga incitament
    får man problem på lång sikt.

  290. Och då hoppar jag över
    till skandalerna...

  291. ...som...

  292. ...väldigt ofta beror på problemet
    med för många uppgifter.

  293. Att man får vad man betalar för
    är ett av problemen.

  294. Den amerikanska banken Wells Fargo
    är ett väldigt nytt fall.

  295. Wells Fargo-anställda skapade
    över en miljon falska konton.

  296. De skapade konton
    för helt ovetande människor.

  297. Det fanns inte pengar på kontona,
    men de fick betalt för att skapa konton-

  298. -och så fick de bonusar
    och levde gott under några år.

  299. Nu tror jag att femtusen personer
    har fått sparken, och vd:n fick avgå.

  300. Det handlar om
    att man pressar personer.

  301. Det är inte det
    att de är onda människor.

  302. Vissa kanske är det, men inte generellt.

  303. De har bara höga förväntningar på sig.

  304. Vissa klarar inte av pressen-

  305. -utan känner att de måste uppnå målen
    för att få behålla jobbet.

  306. Deepwater Horizon-utsläppet 2010
    minns nog vissa av er.

  307. Det är ett katastrofalt exempel.
    BP hade skapat enorma incitament.

  308. Jag jobbade för McKinsey då
    och upplevde det här på nära håll.

  309. Det var väldigt aggressiva krav
    från ledningen-

  310. -på att företaget skulle
    hitta olja och pumpa upp den-

  311. -och lyckas lika bra
    som de mindre entreprenörerna.

  312. Jag ser det som uppenbart-

  313. -att det påverkade kvaliteten negativt.

  314. Enron är
    ett exempel på skilda intressen.

  315. Det här problemet hade redan
    General Motors och Fisher Body.

  316. Man har nån som jobbar för en-

  317. -och som i princip äger ett dotterbolag.

  318. Man ger incitament
    kopplade till dotterbolaget-

  319. -men tänker inte på
    vilken obalans det skapar.

  320. Om personen
    då bara utgör 1 procent av Enron-

  321. -så är det olämpligt
    med incitament i den situationen.

  322. Det talas mycket
    om lärare i USA just nu.

  323. Det är inte fel
    att undervisa med prov i åtanke-

  324. -men det drar fokus
    från värdet av att lärare-

  325. -ger elever annan kunskap-

  326. -såsom sociala och verbala färdigheter.

  327. Sånt är väldigt svårt att mäta,
    vilket leder till problem.

  328. Vad är då lösningen?
    Jo, lösningen här...

  329. Vad gäller problemet med
    många uppgifter finns det två sätt-

  330. -att stimulera t.ex. presentations-
    färdigheter bland skolelever-

  331. -eller att få lärare
    att avsätta mer tid för det.

  332. Ett är att på nåt sätt mäta
    hur eleverna klarar av det här-

  333. -eller skapa sig en uppfattning av det.

  334. Men enklare är att helt enkelt inte ge
    incitament för konkurrerande uppgifter.

  335. Problemet
    med konkurrerande uppgifter-

  336. -kan lösas med
    svaga ekonomiska incitament.

  337. Och i många fall kan det
    helt enkelt vara inga incitament.

  338. Ekonomiska incitament
    kan vara det bästa - för nåt annat.

  339. Så även om en uppgift går att mäta
    och incitament fungerar för just den-

  340. -first best - så väljer man
    att ignorera informationen.

  341. Ersättningen blir
    helt oberoende av den.

  342. Det är många som menar -
    och det här är populärt bland anställda-

  343. -att man ska få betalt för faktorer som
    man styr över. Det kan göra stor skada.

  344. För det är lätt att skapa resultat,
    men det är fel sorts resultat.

  345. Slutsatsen blir att om det finns olika
    uppgifter ska det finnas olika verktyg.

  346. Vad gör man om man
    inte får ge ekonomiska incitament-

  347. -om det är fel
    att ge prestationsbaserad lön?

  348. Det finns alternativ,
    särskilt om det är inom företaget.

  349. Det har att göra med
    det röda längst ner på bilden.

  350. Anställda vill känna sig uppskattade.

  351. Jag satt i Nokias styrelse i tretton år.

  352. Varje år fick de anställda säga
    vad de gillade och ogillade.

  353. Vartenda år sa folk att de ville veta
    mer om vad chefen förväntade sig.

  354. Många sa just det här.

  355. På företaget
    vill man påverka hur andra ser på en.

  356. Man vill göra bra ifrån sig
    och bli uppskattad.

  357. Man vill veta
    vad man ska göra för att bli uppskattad.

  358. Det är lite som ett mejl jag fick.

  359. "Vad ska jag göra
    för att få ett Nobelpris?"

  360. Det var ytterligare
    en person som ville bli uppskattad.

  361. Därför är det viktigt
    att utforma jobbet på rätt sätt.

  362. Man har alltså de här lite svagare
    sätten att uppmuntra till prestation.

  363. Där har företaget många verktyg
    för att kanalisera energin.

  364. Man kan till exempel skilja på uppgifter
    som är lätta och svåra att mäta.

  365. Man kan ha lärare
    som bara undervisar i matte-

  366. -och såna
    som bara undervisar i drama-

  367. -eller presentationer framför grupp,
    eller nåt annat svårmätt.

  368. Nu pratas det mycket om byråkrati-

  369. -och hur man skapar incitament
    i offentlig verksamhet.

  370. Och det bör man oftast inte göra.

  371. När nån vill införa incitamentsbaserad
    lön i offentlig verksamhet-

  372. -känns det väldigt frustrerande.

  373. Vi har t.ex. inflytande,
    karriärmöjligheter och handledning.

  374. Det finns massor av verktyg i företaget.

  375. Företagen kan bli mycket bättre på att
    utnyttja folks önskan om uppskattning.

  376. Då öppnar det upp
    för verktyg som inte är ekonomiska-

  377. -och kopplade till resultatet.

  378. Jag vill avsluta genom att säga
    att prestationsbaserad lön inte är allt.

  379. Problemet med att mäta resultat
    för anställda med flera olika uppgifter-

  380. -har inte bara med lönen att göra.

  381. Även karriärambitioner och
    andra faktorer kan leda till problem.

  382. Dewatripont, Jewitt och Tirole
    har skrivit om det här.

  383. Önskan om uppskattning
    leder till lobbying-kostnader-

  384. -vilket Milgrom och Roberts
    har skrivit om.

  385. Att äga tillgångar är ett verktyg.

  386. Oliver tog upp fängelser, och där
    är de skilda intressena ett problem.

  387. Jag vill avsluta med ett påpekande.

  388. Jag tror att förvärvsarbetets natur
    är på väg att förändras avsevärt.

  389. Några av er tittar nog i era telefoner
    medan ni sitter här.

  390. Ni tillägnar er inte den
    värdefulla information som jag ger er.

  391. Det är ett problem.

  392. Det är en av sakerna
    som oroar mig lite.

  393. Man vet inte vad de anställda gör-

  394. -men man kanske måste bestraffa
    såna med sidouppdrag hårdare.

  395. I stället för att jobba kanske du driver
    ett par egna bolag via mobilen.

  396. Och straffen har börjat bli extremt
    hårda för den här sortens aktivitet.

  397. Det här kan kopplas
    till informationsprincipen-

  398. -och det är rätt
    ur ett incitamentsperspektiv.

  399. För det här är inget misstag,
    och därför kan det bestraffas hårt.

  400. Tack så mycket.

  401. Jag... Vänta!

  402. Jag glömde helt
    att nämna mina stödtrupper.

  403. Bob Wilson, min rådgivare,
    är högst upp.

  404. Alla förutom han
    är medförfattare till mig.

  405. Paul Milgrom är till vänster
    och Jean Tirole till höger.

  406. Oliver fick en framträdande placering -
    jag minns ditt namn.

  407. John Roberts kunde tyvärr inte komma.

  408. Gary är här.
    Jag tror att det är de som är här.

  409. De är fantastiska att jobba med.
    Tack. Jag beklagar det där.

  410. Översättning: Markus Svensson
    www.btistudios.com

Hjälp

Stäng

Skapa klipp

Klippets starttid

Ange tiden som sekunder, mm:ss eller hh:mm:ss.

Klippets sluttid

Ange tiden som sekunder, mm:ss eller hh:mm:ss.Sluttiden behöver vara efter starttiden.

Bädda in ditt klipp:

Bädda in programmet

Du som arbetar som lärare får bädda in program från UR om programmet ska användas för utbildning. Godkänn användarvillkoren för att fortsätta din inbäddning.

tillbaka

Bädda in programmet

tillbaka

Bengt Holmström, ekonomi

Produktionsår:
Längd:
Tillgängligt till:

Bengt Holmström är en av två mottagare av 2016 års pris i ekonomisk vetenskap till minne av Alfred Nobel för sitt bidrag till det som kallas kontraktsteorin. Det är en generell tankeram för att analysera många olika frågor rörande utformningen av kontrakt, som bonusprogram för företagsledningar, självrisker i försäkring och privatisering av offentliga verksamheter. Här går han igenom hur de olika delarna i teorin har vuxit fram. Inspelat den 8 december 2016 på Stockholms universitet. Arrangör: Kungliga Vetenskapsakademien.

Ämnen:
Samhällskunskap > Ekonomi
Ämnesord:
Bonussystem, Företagsekonomi, Nobelpristagare, Personaladministration, Samhällsfördrag, Sveriges riksbanks pris i ekonomisk vetenskap
Utbildningsnivå:
Högskola

Alla program i UR Samtiden - Nobelföreläsningar 2016

Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Nobelföreläsningar 2016

Yoshinori Ohsumi, medicin

Nobelpriset i fysiologi eller medicin 2016 tilldelas den japanske cellbiologen Yoshinori Ohsumi som forskar kring hur celler bryter ner och återvinner delar av sig själva. Fenomenet kallas på forskarspråk autofagi, vilket är grekiska för självätande. Inspelat den 7 december 2016 på Karolinska institutet. Arrangör: Karolinska institutet.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Nobelföreläsningar 2016

Oliver Hart, ekonomi

Oliver Hart är en av två mottagare av 2016 års pris i ekonomisk vetenskap till minne av Alfred Nobel för sitt bidrag till det som kallas kontraktsteorin, framförallt inom den gren av kontraktsteorin som behandlar det viktiga fallet med inkompletta kontrakt. Här ger han bakgrunden till teorin. Inspelat den 8 december 2016 på Stockholms universitet. Arrangör: Kungliga Vetenskapsakademien.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Nobelföreläsningar 2016

Bengt Holmström, ekonomi

Bengt Holmström är en av två mottagare av 2016 års pris i ekonomisk vetenskap till minne av Alfred Nobel för sitt bidrag till det som kallas kontraktsteorin. Det är en generell tankeram för att analysera många olika frågor rörande utformningen av kontrakt, som bonusprogram för företagsledningar, självrisker i försäkring och privatisering av offentliga verksamheter. Här går han igenom hur de olika delarna i teorin har vuxit fram. Inspelat den 8 december 2016 på Stockholms universitet. Arrangör: Kungliga Vetenskapsakademien.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Nobelföreläsningar 2016

F Duncan M Haldane, fysik

F Duncan M Haldane är en av 2016 års Nobelpristagare i fysik. Här går han igenom den teoretiska utvecklingen som har lett fram till bland annat hans egen upptäckt om hur topologiska begrepp kan användas för att förstå egenskaperna hos kedjor av små magneter som förekommer i vissa material. Inspelat den 8 december 2016 på Stockholms universitet. Arrangör: Kungliga Vetenskapsakademien.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Nobelföreläsningar 2016

J Michael Kosterlitz, fysik

J Michael Kosterlitz är en av 2016 års Nobelpristagare i fysik. Tillsammans med David Thouless lyckades han visa något som ingen annan trodde var möjligt: att riktigt tunna skikt av ett material kan vara supraledande vid låga temperaturer, det vill säga att ström kan flyta fram i det helt utan motstånd. De visade också vad som händer när materialet byter fas och slutar vara supraledande. Inspelat den 8 december 2016 på Stockholms universitet. Arrangör: Kungliga Vetenskapsakademien.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Nobelföreläsningar 2016

Jean-Pierre Sauvage, kemi

Jean-Pierre Sauvage är en av 2016 års Nobelpristagare i kemi. Tillsammans med Sir J Fraser Stoddart och Bernard L Feringa har han utvecklat molekylära maskiner som är tusen gånger tunnare än ett hårstrå. Här berättar Sauvage om hur han tog första steget då han 1983 lyckades länka ihop två ringformade molekyler till en kedja, kallad katenan. Inspelat den 8 december 2016 på Stockholms universitet. Arrangör: Kungliga Vetenskapsakademien.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Nobelföreläsningar 2016

Sir J Fraser Stoddart, kemi

Sir J Fraser Stoddart är en av 2016 års Nobelpristagare i kemi. Tillsammans med Jean-Pierre Sauvage och Bernard L Feringa har han utvecklat molekylära maskiner som är tusen gånger tunnare än ett hårstrå. Här berättar Stoddart om sin forskning. Inspelat den 8 december 2016 på Stockholms universitet. Arrangör: Kungliga Vetenskapsakademien.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Spelbarhet:
UR Skola
Längd:
TittaUR Samtiden - Nobelföreläsningar 2016

Bernard Feringa, kemi

Bernard Feringa är en av tre mottagare av 2016 års Nobelpris i kemi. Här berättar Feringa om hur han var först med att utveckla en molekylär motor. 1999 fick han ett molekylärt rotorblad att kontinuerligt snurra åt ett och samma håll. Med hjälp av molekylära motorer har Feringa bland annat designat en nanobil och fått rotation på en glasstav som är 10 000 gånger större än själva motorn. Inspelat den 8 december 2016 på Stockholms universitet. Arrangör: Kungliga Vetenskapsakademien.

Produktionsår:
2016
Utbildningsnivå:
Högskola
Beskrivning
Visa fler

Mer högskola & samhällskunskap

Spelbarhet:
UR Skola
Längd
Titta UR Samtiden - Mellanöstern och global politik

Säkerhet och ekonomisk utveckling i MENA-regionen

Hur ser befolkningen i Mellanöstern på säkerhetsläget? Vilka är riskerna och möjligheterna ur ett nordiskt perspektiv? Vad säger statistiken oss om det som kallas MENA-regionen? Bi Puranen, generalsekreterare för World Values Survey och forskare vid Institutet för Framtidsstudier, berättar genom siffror. Moderator: Anna Wieslander. Inspelat den 2 december 2015 på Utrikespolitiska institutet i Stockholm. Arrangör: Utrikespolitiska institutet.

Spelbarhet:
UR Skola
Längd
Lyssna Bildningsbyrån - rasism

Svenska erfarenheter av rasism

Vilka är de vanligaste upplevelserna av rasism och vad får de för konsekvenser? Hör om olika slags erfarenheter av rasism och vilka motståndsstrategier de utsatta utvecklar. Evin Ismail är doktorand i sociologi vid Uppsala universitet och menar att muslimska beslöjade kvinnor hör till de grupper som är mest utsatta för rasism i det offentliga rummet. René León Rosales, fil doktor i etnologi, tycker att termen "vardagsrasism" är till stor nytta för att förstå att även handlingar som inte har någon rasistisk intention kan vara problematiska.