管理研究方法

1、I.logit模型：Logit模型(Logit model，也譯作評(píng)定模型”，分類評(píng)定模型”，又作Logistic regression, “邏輯回歸”)是離散選擇法模型之一，屬于多重變量分析范疇，是社會(huì)學(xué)、生 物統(tǒng)計(jì)學(xué)、臨床、數(shù)量心理學(xué)、計(jì)量經(jīng)濟(jì)學(xué)、市場營銷等統(tǒng)計(jì)實(shí)證分析的常用方法。邏輯分布(Logistic distribution )公式P(Y=1 | X=x)=exp(xB )/(1+exp(x 3 )其中參數(shù)3常用極大似然估計(jì)。ARCH(Autoregressive conditional heteroskedasticity model )中文文獻(xiàn)一般稱作“自回歸條件異方差模型”

2、.ARCH模型能模擬時(shí)間序列變量的波動(dòng)性的變化，它在計(jì)量金融領(lǐng)域中應(yīng)用較為廣泛。q = 5 ；t2 2 2 2通式：G 1al J 2at 2m _mt : N(0,1)GARCH 英文 Generalized AutoRegressive Conditional Heteroskedasticity，又稱“廣義 ARCH 模型(Generalized ARCH)”、“廣義自回歸條件異方差模型”。GARCH模型是一個(gè)專門針對(duì)金融數(shù)據(jù)所量體訂做的回歸模型，除去和普通回歸模型相同的之處，GARCH對(duì)誤差的方差進(jìn)行了進(jìn)一步的建模。特別適用于波動(dòng)性的分析和預(yù)測(cè)，這樣的分析對(duì)投資者的決策能起到非常重要的

3、指導(dǎo)性作用，其意義很多時(shí)候超過了對(duì)數(shù)值本身的分析和預(yù)測(cè)。丫(t)二,h(TT* a(t)h(t ) = h(t - 1)a(t - 1)2異方差性(heteroscedasticity )是相對(duì)于同方差而言的。所謂同方差，是為了保證回歸參數(shù)估計(jì)量具有良好的統(tǒng)計(jì)性質(zhì)，經(jīng)典線性回歸模型的一個(gè)重要假定：總體回歸函數(shù)中的隨機(jī)誤差項(xiàng)滿足同方差性，即它們都有相同的方差。如果這一假定不滿足，即:隨機(jī)誤差項(xiàng)具有不同的方差，則稱線性回歸模型存在異方差性。對(duì)存在異方差性的模型可以采用加權(quán)最小二乘法進(jìn)行估計(jì)。異方差性的檢測(cè)一一 White test。在此檢測(cè)中，原假設(shè)為：回歸方程的隨機(jī)誤差滿足同方差 性。對(duì)立假設(shè)為

4、：回歸方程的隨機(jī)誤差滿足異方差性。判斷原則為：如果nRA2chiA2 (k-1 ),則原假設(shè)就要被否定，即回歸方程滿足異方差性。在以上的判斷式中，n代表樣本數(shù)量，k代表參數(shù)數(shù)量，k-1代表自由度。chiA2值可由查表 所得。自相關(guān)在計(jì)量經(jīng)濟(jì)學(xué)中指，一隨機(jī)變量在時(shí)間上與其滯后項(xiàng)之間的相關(guān)關(guān)系，又稱序列相關(guān)。有一階自相關(guān)跟高階自相關(guān)之分。w的隨機(jī)域是相關(guān)的系統(tǒng)內(nèi)某給定時(shí)空點(diǎn)的參數(shù)值同其它時(shí)空點(diǎn)的參數(shù)值是相關(guān)的這種情況下，這個(gè)隨機(jī)域稱為自相關(guān)域。自相關(guān)性產(chǎn)生的原因：線性回歸模型中隨機(jī)誤差項(xiàng)存在序列相關(guān)的原因很多，但主要是經(jīng)濟(jì)變量自身特點(diǎn)、數(shù)據(jù)特點(diǎn)、變量選擇及模型函數(shù)形式選擇引起的。經(jīng)濟(jì)變量慣性的作用

5、引起隨機(jī)誤差項(xiàng)自相關(guān)經(jīng)濟(jì)行為的滯后性引起隨機(jī)誤差項(xiàng)自相關(guān)些隨機(jī)因素的干擾或影響引起隨機(jī)誤差項(xiàng)自相關(guān)模型設(shè)定誤差引起隨機(jī)誤差項(xiàng)自相關(guān)觀測(cè)數(shù)據(jù)處理引起隨機(jī)誤差項(xiàng)序列相關(guān) 內(nèi)生性就是模型中的一個(gè)或多個(gè)解釋變量與隨機(jī)擾動(dòng)項(xiàng)相關(guān)。內(nèi)生性產(chǎn)生的原因1:遺漏 變量，且遺漏變量與引入模型的其他變量相關(guān)。2 :解釋變量和被解釋變量相互作用，相互影響，互為因果。中心極限定理(central limit theorem )是概率論中討論隨機(jī)變量序列部分和分布漸近于正態(tài)分布的一類定理。 這組定理是數(shù)理統(tǒng)計(jì)學(xué)和誤差分析的理論基礎(chǔ)，指出了大量隨機(jī)變量積累分布函數(shù)逐點(diǎn)收斂到正態(tài)分布的積累分布函數(shù)的條件。設(shè)隨機(jī)變量序列相互獨(dú)

6、立，均具有相同的數(shù)學(xué)期望與方差，即令：E/二碼DX二込X2,、，Xn的規(guī)范和。則稱隨機(jī)變量Zn為隨機(jī)變量序列XI，z 二劣一 E%耳二+X和曲中心極限定理：設(shè)從均值為、方差為d A2;(有限)的任意一個(gè)總體中抽取樣本量為n的樣本，當(dāng)n充分大時(shí)，樣本均值的抽樣分布近似服從均值為、方差為d A2/n的正態(tài)分布。工具變量法選擇一個(gè)變量，作為模型中某隨機(jī)解釋變量的工具變量，與模型中的其他變量一起構(gòu)造出相應(yīng)參數(shù)的一個(gè)一致估計(jì)量，這種估計(jì)方法稱為工具變量法。作為工具變量，必須滿足下述四個(gè)條件：與所替的隨機(jī)解釋變量高度相關(guān)；(2 )與隨機(jī)誤差項(xiàng)不相關(guān)；與模型中其他解釋變量不相關(guān)；(4 )同一模型中需要引入多

7、個(gè)工具變量時(shí)，這些工具變量之間不相關(guān)。在統(tǒng)計(jì)學(xué)上，泊松回歸(英語：)是用來為計(jì)數(shù)資料和列聯(lián)表建模的一種回歸分析。泊松回歸假設(shè)反應(yīng)變量 Y是泊松分布，并假設(shè)它期望值的對(duì)數(shù)可被未知參數(shù)的線性組合建模。泊松回歸模型有時(shí)(特別是當(dāng)用作列聯(lián)表模型時(shí))又被稱作對(duì)數(shù)-線性模型。AHP (An alytic Hierarchy Process)層次分析法是美國運(yùn)籌學(xué)家T. L. Saaty教授于二十世紀(jì) 70年代提出的一種實(shí)用的多方案或多目標(biāo)的決策方法，是一種定性與定量相結(jié)合的決策分析方法。常被運(yùn)用于多目標(biāo)、多準(zhǔn)則、多要素、多層次的非結(jié)構(gòu)化的復(fù)雜決策問題，特別是戰(zhàn)略 決策問題，具有十分廣泛的實(shí)用性。過程：(1

8、 )通過對(duì)系統(tǒng)的深刻認(rèn)識(shí)，確定該系統(tǒng)的總目標(biāo)，弄清規(guī)劃決策所涉及的范圍、所要采取的措施方案和政策、實(shí)現(xiàn)目標(biāo)的準(zhǔn)則、策略和各種約束條件等，廣泛地收集信息。建立一個(gè)多層次的遞階結(jié)構(gòu)，按目標(biāo)的不同、實(shí)現(xiàn)功能的差異，將系統(tǒng)分為幾個(gè)等級(jí) 層次。確定以上遞階結(jié)構(gòu)中相鄰層次元素間相關(guān)程度。通過構(gòu)造兩比較判斷矩陣及矩陣運(yùn)算的數(shù)學(xué)方法，確定對(duì)于上一層次的某個(gè)元素而言，本層次中與其相關(guān)元素的重要性排序-相對(duì)權(quán)值。(4 )計(jì)算各層元素對(duì)系統(tǒng)目標(biāo)的合成權(quán)重，進(jìn)行總排序，以確定遞階結(jié)構(gòu)圖中最底層各個(gè)元素的總目標(biāo)中的重要程度。(5)根據(jù)分析計(jì)算結(jié)果，考慮相應(yīng)的決策。網(wǎng)絡(luò)分析法(ANP)是美國匹茲堡大學(xué)的 L.Saaty教

9、授于1996年提出的一種適應(yīng)非獨(dú)立的遞階層次結(jié)構(gòu)的決策方法，它是在層次分析法(Analytic Hierarchy Process,簡稱AHP)的基礎(chǔ)上發(fā)展而形成的一種新的實(shí)用決策方法。ANP首先將系統(tǒng)元素劃分為兩大部分：第一部分稱為控制因素層，包括問題目標(biāo)及決策準(zhǔn)則。所有的決策準(zhǔn)則均被認(rèn)為是彼此獨(dú)立的，且只受目標(biāo)元素支配?？刂埔蛩刂锌梢詻]有決策準(zhǔn)則，但至少有一個(gè)目標(biāo)。 控制層中每個(gè)準(zhǔn)則的權(quán)重均可用AHP方法獲得。第二部分為網(wǎng)絡(luò)層，它是由所有受控制層支配的元素組組成的C其內(nèi)部是互相影響的網(wǎng)絡(luò)結(jié)構(gòu)，它是由所有受控制層支配的元素組成的，元素之間互相依存、 互相支配， 元素和層次間內(nèi)部不獨(dú)立， 遞階

10、層次結(jié)構(gòu)中的每個(gè)準(zhǔn)則支配的不是一個(gè)簡單的內(nèi) 部獨(dú)立的元素，而是一個(gè)互相依存，反饋的網(wǎng)絡(luò)結(jié)構(gòu)。12數(shù)據(jù)包絡(luò)分析(data envelopment analysis,DEA)是一個(gè)對(duì)多投入 多產(chǎn)出的多個(gè)決策單元的 效率評(píng)價(jià)方法。它是 1978年由CHARNES和COOPER創(chuàng)建的。可廣泛使用于業(yè)績?cè)u(píng)價(jià)。DEA是一個(gè)線性規(guī)劃模型， 表示為產(chǎn)出對(duì)投入的比率。 通過對(duì)一個(gè)特定單位的效率和一組提供相 同服務(wù)的類似單位的績效的比較，它試圖使服務(wù)單位的效率最大化。在這個(gè)過程中，獲得100%效率的一些單位被稱為相對(duì)有效率單位，而另外的效率評(píng)分低于 100%的單位被稱為無效率單位。能運(yùn)用DEA來比較一組服務(wù)單位，

11、識(shí)別相對(duì)無效率單位， 衡量無效率的嚴(yán)重性，并通過對(duì)無效率和有效率單位的比較，發(fā)現(xiàn)降低無效率的方法。神 經(jīng) 網(wǎng) 絡(luò) 模 型 是 以 神 經(jīng) 元 的 數(shù) 學(xué) 模 型 為 基 礎(chǔ) 來 描 述 的 。 人 工 神 經(jīng) 網(wǎng) 絡(luò) (ArtificialNuearlNewtokr)s, 是對(duì)人類大腦系統(tǒng)的一階特性的一種描。簡單地講 ,它是一個(gè)數(shù)學(xué) 模型。 神經(jīng)網(wǎng)絡(luò)模型由網(wǎng)絡(luò)拓?fù)?節(jié)點(diǎn)特點(diǎn)和學(xué)習(xí)規(guī)則來表示。 神經(jīng)網(wǎng)絡(luò)對(duì)人們的巨大吸引 力主要在下列幾點(diǎn)： 1并行分布處理。2高度魯棒性和容錯(cuò)能力。3分布存儲(chǔ)及學(xué)習(xí)能力。 4能充分逼近復(fù)雜的非線性關(guān)系。神經(jīng)網(wǎng)絡(luò)具有四個(gè)基本特征：非線性： 非線性關(guān)系是自然界的普遍特性

12、。 大腦的智慧就是一種非線性現(xiàn)象。 人工神經(jīng)元處 于激活或抑制二種不同的狀態(tài)， 這種行為在數(shù)學(xué)上表現(xiàn)為一種非線性關(guān)系。 具有閾值的神經(jīng) 元構(gòu)成的網(wǎng)絡(luò)具有更好的性能，可以提高容錯(cuò)性和存儲(chǔ)容量。非局限性： 一個(gè)神經(jīng)網(wǎng)絡(luò)通常由多個(gè)神經(jīng)元廣泛連接而成。 一個(gè)系統(tǒng)的整體行為不僅取決于 單個(gè)神經(jīng)元的特征， 而且可能主要由單元之間的相互作用、 相互連接所決定。 通過單元之間 的大量連接模擬大腦的非局限性。聯(lián)想記憶是非局限性的典型例子。神經(jīng)網(wǎng)絡(luò)不但處理的信息可以非常定性： 人工神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)、自組織、自學(xué)習(xí)能力。有各種變化， 而且在處理信息的同時(shí)， 非線性動(dòng)力系統(tǒng)本身也在不斷變化。經(jīng)常采用迭代過程描寫動(dòng)力

13、系統(tǒng)的演化過程。非凸性：一個(gè)系統(tǒng)的演化方向， 在一定條件下將取決于某個(gè)特定的狀態(tài)函數(shù)。例如能量函數(shù)，它的極值相應(yīng)于系統(tǒng)比較穩(wěn)定的狀態(tài)。 非凸性是指這種函數(shù)有多個(gè)極值， 故系統(tǒng)具有多個(gè)較 穩(wěn)定的平衡態(tài)，這將導(dǎo)致系統(tǒng)演化的多樣性。隨機(jī)效應(yīng)模型(random effects models)是經(jīng)典的線性模型的一種推廣， 就是把原來(固定) 的回歸系數(shù)看作是隨機(jī)變量， 一般都是假設(shè)是來自正態(tài)分布。 這個(gè)模型是頻率派和貝葉斯模 型的結(jié)合， 是經(jīng)典的參數(shù)統(tǒng)計(jì)到高維數(shù)據(jù)分析的先驅(qū)， 是擬合具有一定相關(guān)結(jié)構(gòu)的觀測(cè)的典 型工具。 最直觀的用處就是把固定效應(yīng)推廣到隨機(jī)效應(yīng)， 隨機(jī)效應(yīng)是一個(gè)群體概念， 代表了 一個(gè)分

14、布的信息 or 特征，而對(duì)固定效應(yīng)而言，我們所做的推斷僅限于那幾個(gè)固定的(未知 的)參數(shù)。經(jīng)濟(jì)學(xué)中常希望評(píng)估某項(xiàng)目或政策實(shí)施后的效應(yīng)，比如政府推出的就業(yè)培訓(xùn)項(xiàng)目 (job training program) 。此類研究稱為 “項(xiàng)目效應(yīng)評(píng)估” (program evaluation) ， 而項(xiàng)目效應(yīng)也稱為“處理效應(yīng)” (treatment effect) 。16 學(xué)習(xí)型組織是一個(gè)能熟練地創(chuàng)造、獲取和傳遞知識(shí)的組織，同時(shí)也要善于修正自身的行 為，以適應(yīng)新的知識(shí)和見解。學(xué)習(xí)型組織的內(nèi)涵：( 1 )學(xué)習(xí)型組織方法發(fā)現(xiàn)、糾錯(cuò)、成長。組織學(xué)習(xí)普遍存在“學(xué)習(xí)智障” ，是由于個(gè)體思維的誤區(qū)，沒有找到關(guān)鍵的要點(diǎn)

15、，你的遠(yuǎn)景 是什么？如何去除其中的限制因素障礙， 獲得組織肌體的修復(fù)， 找到合適的成長環(huán)路， 這需 要個(gè)體之間不斷去學(xué)習(xí)、 探索， 達(dá)到互動(dòng)的目的。 一切心理和機(jī)構(gòu)層面的考量都不是學(xué)習(xí)的 關(guān)鍵元素， 修復(fù)和行動(dòng)力才是主導(dǎo)。 所以，方法只能在動(dòng)態(tài)的過程里找到， 最后成長。 發(fā)現(xiàn)、 糾錯(cuò)、成長是一個(gè)不斷循環(huán)的過程。也是學(xué)習(xí)的自然動(dòng)力。（2）學(xué)習(xí)型組織核心在組織內(nèi)部建立 “組織思維能力” 。學(xué)會(huì)建立組織自我的完善路線 圖。自我學(xué)習(xí)機(jī)制 組織成員在工作中學(xué)習(xí)，在學(xué)習(xí)中工作，學(xué)習(xí)成為工作新的形式。 （3）學(xué)習(xí)型組織精神學(xué)習(xí)、思考和創(chuàng)新。此處學(xué)習(xí)是團(tuán)體學(xué)習(xí)、全員學(xué)習(xí)，思考是系統(tǒng)、非線性的思考，創(chuàng)新是觀念、

16、制度、方法及 管理等多方面的更新。（4）學(xué)習(xí)型組織的關(guān)鍵特征系統(tǒng)思考。 只有站在系統(tǒng)的角度認(rèn)識(shí)系統(tǒng)，認(rèn)識(shí)系統(tǒng)的環(huán)境，才能避免陷入系統(tǒng)動(dòng)力的旋渦里去。（5）組織學(xué)習(xí)的基礎(chǔ)團(tuán)隊(duì)學(xué)習(xí)。團(tuán)隊(duì)是現(xiàn)代組織中學(xué)習(xí)的基本單位。 許多組織不乏就是組織現(xiàn)狀、 前景的熱烈辯論， 但團(tuán)隊(duì) 學(xué)習(xí)依靠的是深度匯談，而不是辯論。深度匯談是一個(gè)團(tuán)隊(duì)的所有成員，攤出心中的假設(shè)， 而進(jìn)入真正一起思考的能力。 深度匯談的目的是一起思考， 得出比個(gè)人思考更正確、 更好的 結(jié)論；而辯論是每個(gè)人都試圖用自己的觀點(diǎn)說服別人同意的過程?；疑碚撌且婚T研究信息部分清楚、部分不清楚并帶有不確定性現(xiàn)象的應(yīng)用數(shù)學(xué)學(xué)科。 傳統(tǒng)的系統(tǒng)理論， 大部研究那

17、些信息比較充分的系統(tǒng)。 灰色系統(tǒng)理論主要研究的就是 “外延 明確，內(nèi)涵不明確”的“小樣本，貧信息”問題。在客觀世界中，大量存在的不是白色系統(tǒng) （信息完全明確 ）也不是黑色系統(tǒng) （信息完全不明確 ），而是灰色系統(tǒng)。因此灰色系統(tǒng)理論以這 種大量存在的灰色系統(tǒng)為研究對(duì)象而獲得進(jìn)一步發(fā)展。（1）灰色系統(tǒng)理論認(rèn)為，系統(tǒng)是否會(huì)出現(xiàn)信息不完全的情況、 取決于認(rèn)識(shí)的層次、 信息的層次和決策的層次， 低層次系統(tǒng)的不確 定量是相當(dāng)?shù)母邔哟蜗到y(tǒng)的確定量， 要充分利用已知的信息去揭示系統(tǒng)的規(guī)律。 灰色系統(tǒng)理 論在相對(duì)高層次上處理問題，其視野較為寬廣；（2）應(yīng)從事物的內(nèi)部，從系統(tǒng)內(nèi)部結(jié)構(gòu)和參數(shù)去研究系統(tǒng)?；疑到y(tǒng)的內(nèi)涵

18、更為明確具體； （3）社會(huì)、經(jīng)濟(jì)等系統(tǒng)，一般會(huì)存在隨機(jī)因素的干擾，這給系統(tǒng)分析帶來了很大困難，但灰 色系統(tǒng)理論把隨機(jī)量看作是在一定范圍內(nèi)變化的灰色量， 盡管存在著無規(guī)則的干擾成分 經(jīng) 過一定的技術(shù)處理總能發(fā)現(xiàn)它的規(guī)律性；（4）灰色系統(tǒng)用灰色數(shù)、灰色方程、灰色矩陣、 灰色群等來描述，突破了原有方法的局限更 深刻地反映了事物的本質(zhì)；（5）用灰色系統(tǒng)理論研究社會(huì)經(jīng)濟(jì)系統(tǒng)的意義，在于一反過去那種純粹定性描述的方法，把 問題具體化、 量化， 從變化規(guī)律不明顯的情況中找出規(guī)律， 并通過規(guī)律去分析事物的變化和 發(fā)展。 例如人體本身就是一個(gè)灰色系統(tǒng)， 身高、體重、體型等是已知的可測(cè)量的指屬于白色 系統(tǒng)，而特異

19、功能、穴位機(jī)理、意識(shí)流等又是未知的難以測(cè)量的，屬黑色系統(tǒng)，介于此間便 屬灰色系統(tǒng)。體育領(lǐng)域也是一個(gè)巨大的灰色系統(tǒng)，可以用灰色系統(tǒng)理論來進(jìn)行研究。蟻群效應(yīng)是通過構(gòu)造人工蟻群，來解決最優(yōu)化問題，如TSP 問題。人工蟻群中把具有簡單功能的工作單元看作螞蟻。 二者的相似之處在于都是優(yōu)先選擇信息素濃度大的路徑。 較短 路徑的信息素濃度高， 所以能夠最終被所有螞蟻選擇， 也就是最終的優(yōu)化結(jié)果。 螞蟻系統(tǒng)是 以TSP作為應(yīng)用實(shí)例提出的，是最基本的ACO算法，比較易于學(xué)習(xí)和掌握。假設(shè)m只螞蟻在圖的相鄰節(jié)點(diǎn)間移動(dòng)， 從而協(xié)作異步地得到問題的解。 每只螞蟻的一步轉(zhuǎn)移概率由每條邊 上的兩類參數(shù)決定： 只螞蟻在圖的相

20、鄰節(jié)點(diǎn)間移動(dòng)， 從而協(xié)作異步地得到問題的解。 每只螞蟻的一步轉(zhuǎn)移概率由 每條邊上的兩類參數(shù)決定： 1 信息素值也稱信息素痕跡。 2 可見度，即先驗(yàn)值。信息素的 更新方式有 2 種，一是揮發(fā)， 也就是所有路徑上的信息素以一定的比率進(jìn)行減少， 模擬自然 蟻群的信息素隨時(shí)間揮發(fā)的過程；二是增強(qiáng)，給評(píng)價(jià)值“好”（有螞蟻?zhàn)哌^ ） 的邊增加信息素。螞蟻向下一個(gè)目標(biāo)的運(yùn)動(dòng)是通過一個(gè)隨機(jī)原則來實(shí)現(xiàn)的，也就是運(yùn)用當(dāng)前所在節(jié)點(diǎn)存儲(chǔ) 的信息，計(jì)算出下一步可達(dá)節(jié)點(diǎn)的概率， 并按此概率實(shí)現(xiàn)一步移動(dòng)，逐此往復(fù)，越來越接近 最優(yōu)解。螞蟻在尋找過程中，或者找到一個(gè)解后， 會(huì)評(píng)估該解或解的一部分的優(yōu)化程度，并 把評(píng)價(jià)信息保存在

21、相關(guān)連接的信息素中。系統(tǒng)動(dòng)力學(xué)(簡稱SD system dynamics)的出現(xiàn)于1956年，創(chuàng)始人為美國麻省理工學(xué)院(MIT)的福瑞斯特(J. W. Forrester)教授。系統(tǒng)動(dòng)力學(xué)是福瑞斯特教授于1958年為分析生產(chǎn)管理及庫存管理等企業(yè)問題而提出的系統(tǒng)仿真方法， 最初叫工業(yè)動(dòng)態(tài)學(xué)。 是一門分析研究信息反饋 系統(tǒng)的學(xué)科，也是一門認(rèn)識(shí)系統(tǒng)問題和解決系統(tǒng)問題的交叉綜合學(xué)科。從系統(tǒng)方法論來說： 系統(tǒng)動(dòng)力學(xué)是結(jié)構(gòu)的方法、 功能的方法和歷史的方法的統(tǒng)一。 它基于系統(tǒng)論， 吸收了控制論、 信息論的精髓，是一門綜合自然科學(xué)和社會(huì)科學(xué)的橫向?qū)W科。系統(tǒng)動(dòng)力學(xué)(system dynamics)運(yùn)用凡系統(tǒng)必有

22、結(jié)構(gòu)，系統(tǒng)結(jié)構(gòu)決定系統(tǒng)功能”的系統(tǒng)科學(xué)思想， 根據(jù)系統(tǒng)內(nèi)部組成要素互為因果的反饋特點(diǎn)，從系統(tǒng)的內(nèi)部結(jié)構(gòu)來尋找問題發(fā)生的根源， 而不是用外部的干擾或隨機(jī)事件來說明系統(tǒng)的行為性質(zhì)。系統(tǒng)動(dòng)力學(xué)對(duì)問題的理解，是基于系統(tǒng)行為與內(nèi)在機(jī)制間的相互緊密的依賴關(guān)系，并且透過數(shù)學(xué)模型的建立與操弄的過程而獲得的，逐步發(fā)掘出產(chǎn)生變化形態(tài)的因、 果關(guān)系，系統(tǒng)動(dòng)力學(xué)稱之為結(jié)構(gòu)。所謂結(jié) 構(gòu)是指一組環(huán)環(huán)相扣的行動(dòng)或決策規(guī)則所構(gòu)成的網(wǎng)絡(luò)， 例如指導(dǎo)組織成員每日行動(dòng)與決策的 一組相互關(guān)聯(lián)的準(zhǔn)則、 慣例或政策， 這一組結(jié)構(gòu)決定了組織行為的特性。 構(gòu)成系統(tǒng)動(dòng)力學(xué)模 式結(jié)構(gòu)的主要元件包含下列幾項(xiàng)，流”(flow)、積量” (level

23、)、率量” (rate)、輔助變量”(auxiliary) (Forrester, 1961)。系統(tǒng)動(dòng)力學(xué)將組織中的運(yùn)作，以六種流來加以表示，包括訂單 (order) 流、人員 (people) 流、資金 (money) 流、設(shè)備 (equipment) 流、物料流 (material) 與信息 (information) 流，這六種流歸納了組織運(yùn)作所包含的基本結(jié)構(gòu)。委托 代理 理論 是建立 在非 對(duì)稱 信息 博弈 論的 基礎(chǔ) 上的 。非 對(duì)稱 信息 (asymmetricinformation) 指的是某些參與人擁有但另一些參與人不擁有的信息。信息的非對(duì)稱性可從以 下兩個(gè)角度進(jìn)行劃分 :一是非對(duì)稱