榮鵬飛+葛玉輝

基金項(xiàng)目：國(guó)家社科基金項(xiàng)目（項(xiàng)目編號(hào)：11BGL014）；國(guó)家軟科學(xué)研究計(jì)劃項(xiàng)目（項(xiàng)目編號(hào)：2013GXQ4D165）；上海市教委科研創(chuàng)新重點(diǎn)項(xiàng)目（項(xiàng)目編號(hào)：14ZS117）；上海市一流學(xué)科建設(shè)項(xiàng)目（項(xiàng)目編號(hào)：S1205YLXK）；上海市研究生創(chuàng)新基金項(xiàng)目（項(xiàng)目編號(hào)：JWCXSL1201）。

作者簡(jiǎn)介：榮鵬飛（１９７９－），男，博士研究生，研究方向：科技創(chuàng)新管理、人力資源管理·企業(yè)情報(bào)工作·

〔摘要〕針對(duì)缺乏科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)的研究現(xiàn)狀，構(gòu)建評(píng)價(jià)指標(biāo)體系，通過(guò)問(wèn)卷調(diào)查的方法收集研究數(shù)據(jù)，建立科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)的ELMAN神經(jīng)網(wǎng)絡(luò)模型，并利用MATLAB軟件計(jì)算實(shí)現(xiàn)。研究結(jié)果表明：利用ELMAN神經(jīng)網(wǎng)絡(luò)的非確定性因果關(guān)系映射特點(diǎn)建立的決策績(jī)效評(píng)價(jià)模型，能夠完成決策績(jī)效評(píng)價(jià)任務(wù)，可用于評(píng)價(jià)科技型企業(yè)高管團(tuán)隊(duì)的決策績(jī)效，不僅驗(yàn)證了方法的有效性，而且也證明了ELMAN神經(jīng)網(wǎng)絡(luò)在建立非線性、非確定性因果關(guān)系映射模型中的強(qiáng)大生命力。

〔關(guān)鍵詞〕科技型企業(yè)；高管團(tuán)隊(duì)；決策績(jī)效評(píng)價(jià)；ELMAN神經(jīng)網(wǎng)絡(luò)模型

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０１４．０３．０２４

〔中圖分類(lèi)號(hào)〕Ｆ２７０〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ〔文章編號(hào)〕１００８－０８２１（２０１４）０３－０１１０－０５

Research of ELMAN Neural Network Model for TMT Decision Performance

Evaluation in Science and Technology EnterprisesRong PengfeiGe Yuhui

（Business School，University of Shanghai for Science and Technology，Shanghai 200093，China）

〔Ａｂｓｔｒａｃｔ〕According to the research status what TMT decision performance evaluation in science and technology enterprises was short,this paper gave the evaluation index system,collected research data with questionnaires,established ELMAN neural network model for TMT decision performance evaluation in science and technology enterprises,and the calculation was realized with MATLAB software.The results showed that:the model of decision performance evaluation which is established by using the non deterministic causal relationship mapping characteristics of ELMAN neural network can complete the task of decision performance evaluation,it may be used to evaluate TMT decision performance in science and technology enterprises,this not only verifies the validity of the method,but also proves the strong vitality what puts ELMAN neural network into establishing the nonlinear and non deterministic causal relationship mapping model.

〔Ｋｅｙｗｏｒｄｓ〕science and technology enterprises;TMT;decision performance evaluation;ELMAN neural network model

隨著科學(xué)技術(shù)的進(jìn)步和企業(yè)內(nèi)外部經(jīng)營(yíng)環(huán)境的復(fù)雜變化，準(zhǔn)確制定并有效執(zhí)行戰(zhàn)略決策對(duì)于提高科技型企業(yè)的市場(chǎng)競(jìng)爭(zhēng)能力，推動(dòng)科技型企業(yè)快速發(fā)展至關(guān)重要。決策績(jī)效評(píng)價(jià)是對(duì)決策實(shí)施后接近決策目標(biāo)的程度及對(duì)社會(huì)、經(jīng)濟(jì)、科技的影響作用進(jìn)行全面系統(tǒng)地評(píng)估，是檢查決策成敗的關(guān)鍵，也是改進(jìn)決策質(zhì)量的有效途徑。作為一種戰(zhàn)略控制工具，決策績(jī)效評(píng)價(jià)有助于科技型企業(yè)了解自身發(fā)展的優(yōu)勢(shì)和劣勢(shì)，能夠?qū)崿F(xiàn)科技型企業(yè)的診斷式控制和交互式控制，因而對(duì)于科技型企業(yè)戰(zhàn)略決策的制定和執(zhí)行意義重大［１］。

科技型企業(yè)高管團(tuán)隊(duì)是科技型企業(yè)負(fù)責(zé)戰(zhàn)略決策制定和執(zhí)行的高層決策主體，包括科技型企業(yè)的董事長(zhǎng)、CEO及各部門(mén)總監(jiān)等，擔(dān)負(fù)著在復(fù)雜多變的內(nèi)外部經(jīng)營(yíng)環(huán)境中審時(shí)度勢(shì)、時(shí)刻把握創(chuàng)新產(chǎn)品研發(fā)的最新發(fā)展態(tài)勢(shì)、不斷開(kāi)拓和占領(lǐng)新的市場(chǎng)領(lǐng)域、引領(lǐng)客戶(hù)的產(chǎn)品需求狀況的重要使命。學(xué)界對(duì)于科技型企業(yè)高管團(tuán)隊(duì)的研究來(lái)源于Hambrick和Mason（1984）提出的高層梯隊(duì)理論，該理論認(rèn)為，高管團(tuán)隊(duì)特征會(huì)影響到組織績(jī)效與戰(zhàn)略選擇，團(tuán)隊(duì)成員不同的認(rèn)知基礎(chǔ)、價(jià)值觀、洞察力以及這些特質(zhì)的作用過(guò)程會(huì)影響組織的競(jìng)爭(zhēng)行為［２］。學(xué)者們就高管團(tuán)隊(duì)與戰(zhàn)略決策和組織績(jī)效間的關(guān)系展開(kāi)研究。Amason（1996）研究了高管團(tuán)隊(duì)認(rèn)知沖突和情感沖突對(duì)戰(zhàn)略決策績(jī)效的影響［３］；Kathleen和Eisenhardt（2013）闡述了高管團(tuán)隊(duì)與企業(yè)績(jī)效間的關(guān)系［４］；陳燦和葉敏（2006）以國(guó)內(nèi)家族企業(yè)高管團(tuán)隊(duì)為對(duì)象，實(shí)證研究了信任與戰(zhàn)略決策績(jī)效間的關(guān)系［５］；杜運(yùn)周和陳忠衛(wèi)（2009）基于控制模式的調(diào)節(jié)分析，探討了高管沖突對(duì)團(tuán)隊(duì)決策績(jī)效的影響［６］；陳璐等（2010）研究了家長(zhǎng)式領(lǐng)導(dǎo)、沖突與高管團(tuán)隊(duì)?wèi)?zhàn)略決策效果的關(guān)系［７］；楊衛(wèi)忠和葛玉輝（2012）探討了高管團(tuán)隊(duì)認(rèn)知異質(zhì)性、自反性對(duì)決策績(jī)效的影響［８］。從已有的研究來(lái)看，盡管?chē)?guó)內(nèi)外學(xué)者對(duì)高管團(tuán)隊(duì)與戰(zhàn)略決策和組織績(jī)效間的關(guān)系做了深入研究，但尚未發(fā)現(xiàn)針對(duì)科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)的相關(guān)文獻(xiàn)，從而為本文的研究留出探索的空間。

１高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)

Amason（1996）認(rèn)為管理者面臨的決策環(huán)境非常復(fù)雜，管理層的決策質(zhì)量可能直接影響企業(yè)運(yùn)營(yíng)績(jī)效［３］。高管團(tuán)隊(duì)決策績(jī)效是由高管團(tuán)隊(duì)成員共同努力取得的決策任務(wù)業(yè)績(jī)，強(qiáng)調(diào)高管團(tuán)隊(duì)的決策功能，也是衡量高管團(tuán)隊(duì)決策有效性的一個(gè)重要指標(biāo)。就高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)而言，最具代表性的是團(tuán)隊(duì)透鏡模型和多層次團(tuán)隊(duì)決策理論。Brehmer和Hagafors（1986）以Brunswisk的個(gè)體決策模型為基礎(chǔ)，提出了團(tuán)隊(duì)透鏡模型，用于評(píng)價(jià)團(tuán)隊(duì)決策績(jī)效［９］。該模型認(rèn)為，團(tuán)隊(duì)由具有不同專(zhuān)長(zhǎng)的成員組成，團(tuán)隊(duì)成員各自掌握一些獨(dú)有的信息線索，決策過(guò)程中，團(tuán)隊(duì)成員根據(jù)各自所掌握的專(zhuān)長(zhǎng)知識(shí)對(duì)線索信息進(jìn)行判斷，并將判斷結(jié)果提交給團(tuán)隊(duì)領(lǐng)袖，團(tuán)隊(duì)領(lǐng)袖在總結(jié)各成員判斷結(jié)果的基礎(chǔ)上做出最后決策。團(tuán)隊(duì)透鏡模型將專(zhuān)長(zhǎng)分布式團(tuán)隊(duì)中團(tuán)隊(duì)成員的判斷和多層次整合看作決策績(jī)效形成的關(guān)鍵，團(tuán)隊(duì)成員的判斷偏差是團(tuán)隊(duì)決策偏差的主要來(lái)源，將直接影響最終的團(tuán)隊(duì)決策。團(tuán)隊(duì)透鏡模型解釋了專(zhuān)長(zhǎng)分布式團(tuán)隊(duì)中信息整合模式對(duì)決策績(jī)效的影響，但沒(méi)有考慮決策過(guò)程中團(tuán)隊(duì)成員間的溝通和交互作用，因此無(wú)法從團(tuán)隊(duì)知識(shí)分享的角度提出對(duì)團(tuán)隊(duì)決策的控制機(jī)制。此后，Hollenbeck和Ilgen（1997）在團(tuán)隊(duì)透鏡模型的基礎(chǔ)上，提出了多層次團(tuán)隊(duì)決策理論［１０］。該理論認(rèn)為，團(tuán)隊(duì)決策績(jī)效主要取決于4個(gè)水平（決策水平、個(gè)體水平、交互水平和團(tuán)隊(duì)水平）上的變量，與之相對(duì)應(yīng)的是直接影響團(tuán)隊(duì)決策績(jī)效的3個(gè)核心變量：團(tuán)隊(duì)信息密度、成員效度和層級(jí)敏感性，這3個(gè)核心變量對(duì)團(tuán)隊(duì)決策績(jī)效起決定性作用，而其他非核心變量，如社會(huì)環(huán)境、角色、人的因素等都通過(guò)這3個(gè)核心變量影響團(tuán)隊(duì)決策績(jī)效。多層次團(tuán)隊(duì)理論將影響團(tuán)隊(duì)決策績(jī)效的因素僅歸結(jié)為3個(gè)核心變量，因而具有一定的局限性。本文將ELMAN神經(jīng)網(wǎng)絡(luò)引入團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)，構(gòu)建科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)模型，以期彌補(bǔ)該領(lǐng)域內(nèi)研究的不足，豐富和完善高管團(tuán)隊(duì)理論。

endprint

２ELMAN神經(jīng)網(wǎng)絡(luò)與科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)ELMAN神經(jīng)網(wǎng)絡(luò)是一種動(dòng)態(tài)反饋網(wǎng)絡(luò)，該網(wǎng)絡(luò)在前饋型網(wǎng)絡(luò)的隱含層中增加了一個(gè)承接層作為一步延遲算子，使其具有動(dòng)態(tài)記憶的功能，從而比前向型網(wǎng)絡(luò)具有更強(qiáng)的計(jì)算能力［１１］。ELMAN神經(jīng)網(wǎng)絡(luò)一般分為4層：輸入層、中間層（隱含層）、承接層和輸出層。其輸入層、隱含層和輸出層的連接類(lèi)似于前饋網(wǎng)絡(luò)，輸入層單元起信號(hào)傳輸作用，隱含層單元的傳遞函數(shù)可采用線性或非線性函數(shù)，承接層又稱(chēng)為上下層或狀態(tài)層，用來(lái)記憶隱含層單元前一時(shí)刻的輸出值，可以看作是一個(gè)一步延遲算子，輸出層單元起線性加權(quán)作用。ELMAN神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是隱含層的輸出通過(guò)承接層的延遲與存儲(chǔ)，自聯(lián)到隱含層的輸入，這種自聯(lián)方式使其對(duì)歷史狀態(tài)數(shù)據(jù)具有敏感性。而內(nèi)部反饋網(wǎng)絡(luò)的加入也增加了網(wǎng)絡(luò)本身處理動(dòng)態(tài)信息的能力，達(dá)到動(dòng)態(tài)建模的目的，這樣就可以用大量數(shù)據(jù)訓(xùn)練建立好的模型。ELMAN神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型是：Ｘ（ｋ）＝ｆ（ＷＬ１Ｘｃ（ｋ）＋ＷＬ２ｕ（ｋ－１））；Ｘｃ（ｋ）＝αＸｃ（ｋ－１）＋Ｘ（ｋ－１）；Ｙ（ｋ）＝ｇ（ＷＬｓＸ（ｋ））。其中，連接權(quán)ＷＬ１為聯(lián)系單元與隱含層單元的連接權(quán)矩陣；ＷＬ２為輸入單元與隱含層單元的連接權(quán)矩陣；ＷＬｓ為隱含層單元與輸出單元的連接權(quán)矩陣；Ｘｃ（ｋ）和Ｘ（ｋ）分別表示聯(lián)系單元和隱含層單元的輸出；Ｙ（ｋ）表示輸出單元的輸出；０≤α＜１為自連接反饋增益因子；ｆ（ｘ）多取為sigmoid函數(shù)，ｆ（ｘ）＝１１＋ｅ－ｘ。

決策是人的大腦活動(dòng)，神經(jīng)網(wǎng)絡(luò)能夠結(jié)合人腦的細(xì)胞間結(jié)構(gòu)和計(jì)算機(jī)的運(yùn)行速度，實(shí)現(xiàn)對(duì)決策績(jī)效形成過(guò)程的近似模擬［１２］。ELMAN神經(jīng)網(wǎng)絡(luò)隱含層的輸出通過(guò)承接層的延遲與存儲(chǔ)自聯(lián)到隱含層的輸入，這種自聯(lián)方式使其對(duì)歷史狀態(tài)數(shù)據(jù)具有敏感性，這與科技型企業(yè)高管團(tuán)隊(duì)決策過(guò)程相似，當(dāng)決策不符合現(xiàn)實(shí)情況或決策過(guò)程出現(xiàn)問(wèn)題時(shí)，科技型企業(yè)高管團(tuán)隊(duì)重新返回到信息收集和分析的原始階段。ELMAM神經(jīng)網(wǎng)絡(luò)的隱含層和承接層即承擔(dān)了該過(guò)程，“報(bào)錯(cuò)——返回輸出層重新計(jì)算（承接層）——重新輸出”直到輸出值和真值的誤差落入有效區(qū)間內(nèi)，內(nèi)部反饋網(wǎng)絡(luò)的加入增加了ELMAN神經(jīng)網(wǎng)絡(luò)本身處理動(dòng)態(tài)信息的能力，從而達(dá)到模擬科技型企業(yè)高管團(tuán)隊(duì)動(dòng)態(tài)決策的目的。具體而言，本文采用ELMAN神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效，基于以下幾點(diǎn)考慮：（1）ELMAN神經(jīng)網(wǎng)絡(luò)采用可實(shí)現(xiàn)的物理結(jié)構(gòu)模擬科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)的某些特點(diǎn)和功能，具有強(qiáng)大的容錯(cuò)性，即使局部或者部分神經(jīng)元損壞后不會(huì)影響全局活動(dòng)；（2）ELMAN神經(jīng)網(wǎng)絡(luò)優(yōu)于計(jì)算機(jī)的地方并不在于計(jì)算速度，而在于ELMAN神經(jīng)網(wǎng)絡(luò)的識(shí)別感知、智能控制及反饋模式［１３］，很強(qiáng)的學(xué)習(xí)功能讓ELMAN神經(jīng)網(wǎng)絡(luò)中的連接權(quán)和連接結(jié)構(gòu)都可以通過(guò)學(xué)習(xí)得到，使其具有模擬決策績(jī)效形成過(guò)程中的科技型企業(yè)高管團(tuán)隊(duì)集體運(yùn)作的功能；（3）ELMAM神經(jīng)網(wǎng)絡(luò)的輸入層可以同時(shí)容納大量數(shù)據(jù)，符合模擬科技型企業(yè)高管團(tuán)隊(duì)決策環(huán)境復(fù)雜化的特點(diǎn)，分解決策影響因素后得到的一組因素即可作為輸入層，決策結(jié)果的衡量因素可以作為輸出層，中間層和承接層的作用則相當(dāng)于在未制定決策前，科技型企業(yè)高管團(tuán)隊(duì)內(nèi)部反復(fù)討論的過(guò)程，從而在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)上實(shí)現(xiàn)了對(duì)決策績(jī)效評(píng)價(jià)過(guò)程的模擬。

３實(shí)證研究

３１決策績(jī)效評(píng)價(jià)指標(biāo)體系

基于ELMAN神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效，首先要建立決策績(jī)效評(píng)價(jià)指標(biāo)體系，按照評(píng)價(jià)指標(biāo)體系設(shè)計(jì)調(diào)查問(wèn)卷，收集相關(guān)數(shù)據(jù)。根據(jù)科技型企業(yè)高管團(tuán)隊(duì)已有研究情況，本文從構(gòu)成特征和結(jié)構(gòu)特征兩方面結(jié)合決策績(jī)效評(píng)價(jià)標(biāo)準(zhǔn)，構(gòu)建了科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)指標(biāo)體系，見(jiàn)表１：

表１科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)指標(biāo)體系

結(jié)構(gòu)變量觀測(cè)變量測(cè)評(píng)點(diǎn)決策績(jī)效影響因素科技型企業(yè)高管

團(tuán)隊(duì)構(gòu)成特征X1團(tuán)隊(duì)成員的年齡年齡異質(zhì)性對(duì)決策質(zhì)量的影響X2團(tuán)隊(duì)成員的經(jīng)歷經(jīng)歷異質(zhì)性對(duì)決策質(zhì)量的影響X3團(tuán)隊(duì)成員教育背景教育背景異質(zhì)性對(duì)決策質(zhì)量的影響X4團(tuán)隊(duì)成員的社會(huì)資源社會(huì)資源對(duì)決策質(zhì)量的影響X5團(tuán)隊(duì)成員的任期任期異質(zhì)性對(duì)決策質(zhì)量的影響X6決策者直覺(jué)決策直覺(jué)對(duì)決策質(zhì)量的影響X7團(tuán)隊(duì)成員認(rèn)知多樣性認(rèn)知多樣性對(duì)決策質(zhì)量的影響科技型企業(yè)高管

團(tuán)隊(duì)結(jié)構(gòu)特征X8團(tuán)隊(duì)規(guī)模團(tuán)隊(duì)規(guī)模對(duì)決策質(zhì)量的影響X9團(tuán)隊(duì)信任團(tuán)隊(duì)信任對(duì)決策質(zhì)量的影響X10團(tuán)隊(duì)有效溝通團(tuán)隊(duì)有效溝通對(duì)決策質(zhì)量的影響X11團(tuán)隊(duì)凝聚力團(tuán)隊(duì)凝聚力對(duì)決策質(zhì)量的影響X12團(tuán)隊(duì)自我管理團(tuán)隊(duì)自我管理能力對(duì)決策質(zhì)量的影響X13社會(huì)資本團(tuán)隊(duì)社會(huì)資本對(duì)決策質(zhì)量的影響X14決策程序決策程序?qū)Q策質(zhì)量的影響X15決策效率決策效率對(duì)決策質(zhì)量的影響X16決策行為的科學(xué)性決策行為科學(xué)性對(duì)決策質(zhì)量的影響X17知識(shí)權(quán)威類(lèi)型知識(shí)權(quán)威類(lèi)型對(duì)決策質(zhì)量的影響X18權(quán)力分配權(quán)力分配對(duì)決策質(zhì)量的影響X19任務(wù)特點(diǎn)任務(wù)特點(diǎn)對(duì)決策質(zhì)量的影響X20低水平的任務(wù)沖突低水平任務(wù)沖突對(duì)決策質(zhì)量的影響X21風(fēng)險(xiǎn)偏好風(fēng)險(xiǎn)偏好對(duì)決策質(zhì)量的影響決策績(jī)效評(píng)價(jià)標(biāo)準(zhǔn)任務(wù)績(jī)效Y1決策質(zhì)量決策質(zhì)量的高低關(guān)系績(jī)效Y2決策一致性決策一致性程度Y3決策滿(mǎn)意度決策滿(mǎn)意度的高低

３２數(shù)據(jù)收集

本文采用問(wèn)卷調(diào)查的方法面向科技型企業(yè)高管團(tuán)隊(duì)收集研究數(shù)據(jù)，調(diào)查問(wèn)卷根據(jù)科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)指標(biāo)體系設(shè)計(jì)，采用Likert五分量法度量，共發(fā)放調(diào)查問(wèn)卷30份，收回25份，有效問(wèn)卷20份，有效問(wèn)卷回收率為6667%。被調(diào)查人員中90%為男性，10%為女性；擔(dān)任高管的平均任職年限為32年；平均年齡為427歲，標(biāo)準(zhǔn)差47歲。本文取其中15組數(shù)據(jù)為訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本，其余5組數(shù)據(jù)用來(lái)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，以檢驗(yàn)神經(jīng)網(wǎng)絡(luò)建模后的預(yù)測(cè)值與真值間的誤差是否在有效區(qū)間內(nèi)。

３３決策績(jī)效評(píng)價(jià)模型的建立

令ELMAN神經(jīng)網(wǎng)絡(luò)輸入層數(shù)目為n1，中間隱含層數(shù)目為n2，輸出層數(shù)目為m，根據(jù)Kolmogorov定理［１４］和決策績(jī)效評(píng)價(jià)指標(biāo)體系，n1=21，n2=n1*2+1=21*2+1=43，m=3。ELMAN神經(jīng)網(wǎng)絡(luò)中間層的神經(jīng)元傳遞函數(shù)采用S型正切函數(shù)TANSIG，輸出層神經(jīng)元傳遞函數(shù)采用PURELIN函數(shù)。由于中間層神經(jīng)元個(gè)數(shù)及訓(xùn)練次數(shù)的確定是一個(gè)經(jīng)驗(yàn)性問(wèn)題，需要大量的實(shí)驗(yàn)［１５］。根據(jù)已建立的ELMAN神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)和樣本數(shù)據(jù)，借助于MATLAB軟件進(jìn)行模型計(jì)算，從ELMAN神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程得出，該3層ELMAN神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程和中間層神經(jīng)元的個(gè)數(shù)有很大關(guān)系。本文將誤差設(shè)置為0001，當(dāng)網(wǎng)絡(luò)訓(xùn)練次數(shù)為500次時(shí)（見(jiàn)圖１），誤差落入設(shè)定范圍，故本文選擇500次訓(xùn)練樣本次數(shù)。圖１中間層為43個(gè)神經(jīng)元的500次訓(xùn)練過(guò)程

盡管中間層神經(jīng)元個(gè)數(shù)的理論確定值（n2）為43個(gè)，但在500次的訓(xùn)練次數(shù)下可知，當(dāng)中間層神經(jīng)元個(gè)數(shù)為37時(shí)（見(jiàn)表２），網(wǎng)絡(luò)訓(xùn)練達(dá)到最佳結(jié)果，誤差僅為122E-08，遠(yuǎn)小于限定的誤差范圍0001。因此，本文建立的科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)的ELMAN神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)為21個(gè)輸入變量、37個(gè)中間層變量和3個(gè)輸出變量。表２不同中間層神經(jīng)元個(gè)數(shù)網(wǎng)絡(luò)訓(xùn)練500次的誤差范圍

神經(jīng)元個(gè)數(shù)網(wǎng)絡(luò)性能訓(xùn)練次數(shù)誤差7500419E-0517500110E-0527500966E-0737500122E-0847500990E-08

３４決策績(jī)效評(píng)價(jià)模型的MATLAB計(jì)算實(shí)現(xiàn)

endprint

本文對(duì)15組樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，用訓(xùn)練好的網(wǎng)絡(luò)模型對(duì)其余5組樣本數(shù)據(jù)進(jìn)行預(yù)測(cè)。

３４１定義數(shù)據(jù)

訓(xùn)練決策績(jī)效評(píng)價(jià)ELMAN神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)共15組，每組輸入變量為21個(gè)，即Xn=（X1，X2，…，X21）；輸出變量為3個(gè)，即Yn=（Y1，Y2，Y3）。15組樣本中的輸入元素與輸出元素需形成對(duì)應(yīng)矩陣，即建立15×3階矩陣。將全部輸入元素組成一組輸入元素矩陣s=［s1，s2，…，s15；q1，q2，…，q15；r1，r2，…，r15］；輸出神經(jīng)元組成一組輸出元素矩陣w=［t，u，v］；將輸入矩陣s與輸出矩陣w轉(zhuǎn)化為序列，建立神經(jīng)元網(wǎng)絡(luò)，其中輸入為s，輸出為w，中間層個(gè)數(shù)為n（任意），網(wǎng)絡(luò)訓(xùn)練次數(shù)為500次。

３４２訓(xùn)練網(wǎng)絡(luò)與制圖

本文將網(wǎng)絡(luò)訓(xùn)練用過(guò)的樣本數(shù)據(jù)輸入網(wǎng)絡(luò)，分析其輸出值（預(yù)測(cè)值）和真值間的差異，結(jié)果發(fā)現(xiàn)，Y1、Y2和Y3指標(biāo)輸出值和真值間的誤差非常小，網(wǎng)絡(luò)對(duì)訓(xùn)練樣本數(shù)據(jù)的預(yù)測(cè)準(zhǔn)確度較高，即網(wǎng)絡(luò)已完全掌握了因變量和自變量間的關(guān)系。同時(shí)，訓(xùn)練好的網(wǎng)絡(luò)需要利用測(cè)試數(shù)據(jù)進(jìn)行測(cè)試，以檢驗(yàn)網(wǎng)絡(luò)的預(yù)測(cè)性能否滿(mǎn)足要求，如果能滿(mǎn)足要求，則可以用來(lái)解決實(shí)際問(wèn)題。為了保證檢驗(yàn)結(jié)果的有效性和準(zhǔn)確性，測(cè)試數(shù)據(jù)應(yīng)避免與訓(xùn)練數(shù)據(jù)相一致。為此，本文將未參與網(wǎng)絡(luò)訓(xùn)練的剩余5組樣本數(shù)據(jù)輸入網(wǎng)絡(luò)，檢驗(yàn)網(wǎng)絡(luò)的預(yù)測(cè)精度，并根據(jù)ELMAN神經(jīng)網(wǎng)絡(luò)模型的輸入、輸出情況，將網(wǎng)絡(luò)模擬結(jié)果與實(shí)際結(jié)果相比較，結(jié)果見(jiàn)圖２。

圖２表明，ELMAN神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度令人滿(mǎn)意，5個(gè)測(cè)試樣本的預(yù)測(cè)結(jié)果基本接近真值，最大相對(duì)誤差為1500%，最小相對(duì)誤差為400%，說(shuō)明ELMAN神經(jīng)網(wǎng)絡(luò)模型具有實(shí)際應(yīng)用價(jià)值，能夠用于評(píng)價(jià)科技型企業(yè)高管團(tuán)隊(duì)的決策績(jī)效。

４結(jié)論與創(chuàng)新

本文的研究得出的結(jié)論與創(chuàng)新點(diǎn)體現(xiàn)在以下幾個(gè)方面：

（1）首次將ELMAN神經(jīng)網(wǎng)絡(luò)引入決策績(jī)效評(píng)價(jià)，構(gòu)建了科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)體系，對(duì)影響決策績(jī)圖２指標(biāo)預(yù)測(cè)值、真值與相對(duì)誤差

效的21個(gè)輸入變量和3個(gè)衡量變量間的關(guān)系，利用ELMAN神經(jīng)網(wǎng)絡(luò)的非確定性因果關(guān)系映射特點(diǎn)，建立了以觀測(cè)點(diǎn)為自變量、以科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效為因變量的ELMAN神經(jīng)網(wǎng)絡(luò)模型。由于建模結(jié)果的輸出預(yù)測(cè)值和真值間的誤差小于15%，驗(yàn)證了方法的可行性，表明這種同時(shí)研究多個(gè)影響因素的方法是有意義的。

（2）利用本文提出的ELMAN神經(jīng)網(wǎng)絡(luò)模型可以評(píng)價(jià)科技型企業(yè)高管團(tuán)隊(duì)的決策績(jī)效。只要根據(jù)現(xiàn)實(shí)決策情況，給相應(yīng)的21個(gè)因素賦值，訓(xùn)練好的模型輸出3個(gè)績(jī)效評(píng)價(jià)變量（決策質(zhì)量、決策一致性和決策滿(mǎn)意度）的值，依據(jù)輸出結(jié)果，由科技型企業(yè)決定該決策是否可行，從而達(dá)到?jīng)Q策績(jī)效評(píng)價(jià)的目的。

（3）從評(píng)價(jià)結(jié)果來(lái)看，ELMAN神經(jīng)網(wǎng)絡(luò)模型完成了科技型企業(yè)高管團(tuán)隊(duì)決策績(jī)效評(píng)價(jià)任務(wù)，充分顯示了ELMAN神經(jīng)網(wǎng)絡(luò)在建立非線性、非確定性因果關(guān)系映射模型中的強(qiáng)大生命力。ELMAN神經(jīng)網(wǎng)絡(luò)不像線性模型要求因素集的完整性和嚴(yán)密性，其神經(jīng)元可以自動(dòng)尋找給定因素集的相關(guān)信息進(jìn)行建模，以達(dá)到模型的正確性，具有容錯(cuò)性和魯棒性。

參考文獻(xiàn)

［１］Simons R.Levers of control:How managers use innovative control systems to drive strategic renewal［Ｍ］.Boston:Harvard Business School Press,1995:35-40.

［２］Hambrick D C,Msaon P A.Upper echelons:The organization as a reflection of its top managers［Ｊ］.Academy of Management Review,1984,（9）:193-206.

［３］Amason A C.Distinguishing the effects of functional and dysfunctional conflict on strategic decision making:Resolving a paradox for top management teams［Ｊ］.Academy of Management Journal,1996,39（1）:123-148.

［４］Kathleen MEisenhardt.Top management teams and the performance of entrepreneurial firms［Ｊ］.Small Business Economics,2013,40（4）:805-816.

［５］陳燦,葉敏.信任與戰(zhàn)略決策績(jī)效：對(duì)中國(guó)家族企業(yè)高層管理團(tuán)隊(duì)的一個(gè)實(shí)證研究［Ｊ］.商業(yè)經(jīng)濟(jì)與管理,2006，（8）:23-28.

［６］杜運(yùn)周,陳忠衛(wèi).高管沖突與團(tuán)隊(duì)決策績(jī)效——基于控制模式的調(diào)節(jié)分析［Ｊ］.管理科學(xué),2009,22（4）:31-40.

［７］陳璐,楊百寅,井潤(rùn)田,等.家長(zhǎng)式領(lǐng)導(dǎo)、沖突與高管團(tuán)隊(duì)?wèi)?zhàn)略決策效果的關(guān)系研究［Ｊ］.南開(kāi)管理評(píng)論,2010,13（5）:4-11.

［８］楊衛(wèi)忠,葛玉輝.TMT認(rèn)知異質(zhì)性、自反性對(duì)決策績(jī)效的影響——基于中國(guó)企業(yè)的實(shí)證研究［Ｊ］.預(yù)測(cè),2012，（2）:23-30.

［９］Brehmer B,Hagafors R.Use of experts in complex decision making:A paradigm for the study of staff work［Ｊ］.Organizational Behavior and Human Decision Process,1986,38:181-195.

［１０］Helmreich R L.Managing human error in aviation［Ｊ］.Scientific American,1997,276（5）:62.

［１１］王輝.人工神經(jīng)網(wǎng)絡(luò)的研究與發(fā)展綜述［Ｊ］.電腦知識(shí)與技術(shù),2008，（30）:710-711.

［１２］朱大奇.人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望［Ｊ］.江南大學(xué)學(xué)報(bào)：自然科學(xué)版,2004，（2）:23-27.

［１３］孫丹,張秀艷.基于人工神經(jīng)網(wǎng)絡(luò)的股市預(yù)測(cè)模型［Ｊ］.吉林大學(xué)學(xué)報(bào)：信息科學(xué)版,2002,20（4）:68-70.

［１４］王志明.Kolmogorov定理的一個(gè)變形［Ｊ］.數(shù)學(xué)雜志,2008,28（4）:393-398.

［１５］劉浩,白振興.BP網(wǎng)絡(luò)的MATLAB實(shí)現(xiàn)及應(yīng)用研究［Ｊ］.現(xiàn)代電子技術(shù),2006，（2）:49-51.

（本文責(zé)任編輯：孫國(guó)雷）

endprint