榮鵬飛+葛玉輝

基金項目：國家社科基金項目（項目編號：11BGL014）；國家軟科學研究計劃項目（項目編號：2013GXQ4D165）；上海市教委科研創(chuàng)新重點項目（項目編號：14ZS117）；上海市一流學科建設(shè)項目（項目編號：S1205YLXK）；上海市研究生創(chuàng)新基金項目（項目編號：JWCXSL1201）。

作者簡介：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)情報工作·

〔摘要〕針對缺乏科技型企業(yè)高管團隊決策績效評價的研究現(xiàn)狀，構(gòu)建評價指標體系，通過問卷調(diào)查的方法收集研究數(shù)據(jù)，建立科技型企業(yè)高管團隊決策績效評價的ELMAN神經(jīng)網(wǎng)絡(luò)模型，并利用MATLAB軟件計算實現(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)系映射特點建立的決策績效評價模型，能夠完成決策績效評價任務(wù)，可用于評價科技型企業(yè)高管團隊的決策績效，不僅驗證了方法的有效性，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)系映射模型中的強大生命力。

〔關(guān)鍵詞〕科技型企業(yè)；高管團隊；決策績效評價；ELMAN神經(jīng)網(wǎng)絡(luò)模型

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

〔中圖分類號〕Ｆ２７０〔文獻標識碼〕Ａ〔文章編號〕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

隨著科學技術(shù)的進步和企業(yè)內(nèi)外部經(jīng)營環(huán)境的復(fù)雜變化，準確制定并有效執(zhí)行戰(zhàn)略決策對于提高科技型企業(yè)的市場競爭能力，推動科技型企業(yè)快速發(fā)展至關(guān)重要。決策績效評價是對決策實施后接近決策目標的程度及對社會、經(jīng)濟、科技的影響作用進行全面系統(tǒng)地評估，是檢查決策成敗的關(guān)鍵，也是改進決策質(zhì)量的有效途徑。作為一種戰(zhàn)略控制工具，決策績效評價有助于科技型企業(yè)了解自身發(fā)展的優(yōu)勢和劣勢，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)高管團隊是科技型企業(yè)負責戰(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、CEO及各部門總監(jiān)等，擔負著在復(fù)雜多變的內(nèi)外部經(jīng)營環(huán)境中審時度勢、時刻把握創(chuàng)新產(chǎn)品研發(fā)的最新發(fā)展態(tài)勢、不斷開拓和占領(lǐng)新的市場領(lǐng)域、引領(lǐng)客戶的產(chǎn)品需求狀況的重要使命。學界對于科技型企業(yè)高管團隊的研究來源于Hambrick和Mason（1984）提出的高層梯隊理論，該理論認為，高管團隊特征會影響到組織績效與戰(zhàn)略選擇，團隊成員不同的認知基礎(chǔ)、價值觀、洞察力以及這些特質(zhì)的作用過程會影響組織的競爭行為［２］。學者們就高管團隊與戰(zhàn)略決策和組織績效間的關(guān)系展開研究。Amason（1996）研究了高管團隊認知沖突和情感沖突對戰(zhàn)略決策績效的影響［３］；Kathleen和Eisenhardt（2013）闡述了高管團隊與企業(yè)績效間的關(guān)系［４］；陳燦和葉敏（2006）以國內(nèi)家族企業(yè)高管團隊為對象，實證研究了信任與戰(zhàn)略決策績效間的關(guān)系［５］；杜運周和陳忠衛(wèi)（2009）基于控制模式的調(diào)節(jié)分析，探討了高管沖突對團隊決策績效的影響［６］；陳璐等（2010）研究了家長式領(lǐng)導(dǎo)、沖突與高管團隊戰(zhàn)略決策效果的關(guān)系［７］；楊衛(wèi)忠和葛玉輝（2012）探討了高管團隊認知異質(zhì)性、自反性對決策績效的影響［８］。從已有的研究來看，盡管國內(nèi)外學者對高管團隊與戰(zhàn)略決策和組織績效間的關(guān)系做了深入研究，但尚未發(fā)現(xiàn)針對科技型企業(yè)高管團隊決策績效評價的相關(guān)文獻，從而為本文的研究留出探索的空間。

１高管團隊決策績效評價

Amason（1996）認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)運營績效［３］。高管團隊決策績效是由高管團隊成員共同努力取得的決策任務(wù)業(yè)績，強調(diào)高管團隊的決策功能，也是衡量高管團隊決策有效性的一個重要指標。就高管團隊決策績效評價而言，最具代表性的是團隊透鏡模型和多層次團隊決策理論。Brehmer和Hagafors（1986）以Brunswisk的個體決策模型為基礎(chǔ)，提出了團隊透鏡模型，用于評價團隊決策績效［９］。該模型認為，團隊由具有不同專長的成員組成，團隊成員各自掌握一些獨有的信息線索，決策過程中，團隊成員根據(jù)各自所掌握的專長知識對線索信息進行判斷，并將判斷結(jié)果提交給團隊領(lǐng)袖，團隊領(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。團隊透鏡模型將專長分布式團隊中團隊成員的判斷和多層次整合看作決策績效形成的關(guān)鍵，團隊成員的判斷偏差是團隊決策偏差的主要來源，將直接影響最終的團隊決策。團隊透鏡模型解釋了專長分布式團隊中信息整合模式對決策績效的影響，但沒有考慮決策過程中團隊成員間的溝通和交互作用，因此無法從團隊知識分享的角度提出對團隊決策的控制機制。此后，Hollenbeck和Ilgen（1997）在團隊透鏡模型的基礎(chǔ)上，提出了多層次團隊決策理論［１０］。該理論認為，團隊決策績效主要取決于4個水平（決策水平、個體水平、交互水平和團隊水平）上的變量，與之相對應(yīng)的是直接影響團隊決策績效的3個核心變量：團隊信息密度、成員效度和層級敏感性，這3個核心變量對團隊決策績效起決定性作用，而其他非核心變量，如社會環(huán)境、角色、人的因素等都通過這3個核心變量影響團隊決策績效。多層次團隊理論將影響團隊決策績效的因素僅歸結(jié)為3個核心變量，因而具有一定的局限性。本文將ELMAN神經(jīng)網(wǎng)絡(luò)引入團隊決策績效評價，構(gòu)建科技型企業(yè)高管團隊決策績效評價模型，以期彌補該領(lǐng)域內(nèi)研究的不足，豐富和完善高管團隊理論。

endprint

２ELMAN神經(jīng)網(wǎng)絡(luò)與科技型企業(yè)高管團隊決策績效評價ELMAN神經(jīng)網(wǎng)絡(luò)是一種動態(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承接層作為一步延遲算子，使其具有動態(tài)記憶的功能，從而比前向型網(wǎng)絡(luò)具有更強的計算能力［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似于前饋網(wǎng)絡(luò)，輸入層單元起信號傳輸作用，隱含層單元的傳遞函數(shù)可采用線性或非線性函數(shù)，承接層又稱為上下層或狀態(tài)層，用來記憶隱含層單元前一時刻的輸出值，可以看作是一個一步延遲算子，輸出層單元起線性加權(quán)作用。ELMAN神經(jīng)網(wǎng)絡(luò)的特點是隱含層的輸出通過承接層的延遲與存儲，自聯(lián)到隱含層的輸入，這種自聯(lián)方式使其對歷史狀態(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)本身處理動態(tài)信息的能力，達到動態(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，神經(jīng)網(wǎng)絡(luò)能夠結(jié)合人腦的細胞間結(jié)構(gòu)和計算機的運行速度，實現(xiàn)對決策績效形成過程的近似模擬［１２］。ELMAN神經(jīng)網(wǎng)絡(luò)隱含層的輸出通過承接層的延遲與存儲自聯(lián)到隱含層的輸入，這種自聯(lián)方式使其對歷史狀態(tài)數(shù)據(jù)具有敏感性，這與科技型企業(yè)高管團隊決策過程相似，當決策不符合現(xiàn)實情況或決策過程出現(xiàn)問題時，科技型企業(yè)高管團隊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了該過程，“報錯——返回輸出層重新計算（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)本身處理動態(tài)信息的能力，從而達到模擬科技型企業(yè)高管團隊動態(tài)決策的目的。具體而言，本文采用ELMAN神經(jīng)網(wǎng)絡(luò)評價科技型企業(yè)高管團隊決策績效，基于以下幾點考慮：（1）ELMAN神經(jīng)網(wǎng)絡(luò)采用可實現(xiàn)的物理結(jié)構(gòu)模擬科技型企業(yè)高管團隊決策績效評價的某些特點和功能，具有強大的容錯性，即使局部或者部分神經(jīng)元損壞后不會影響全局活動；（2）ELMAN神經(jīng)網(wǎng)絡(luò)優(yōu)于計算機的地方并不在于計算速度，而在于ELMAN神經(jīng)網(wǎng)絡(luò)的識別感知、智能控制及反饋模式［１３］，很強的學習功能讓ELMAN神經(jīng)網(wǎng)絡(luò)中的連接權(quán)和連接結(jié)構(gòu)都可以通過學習得到，使其具有模擬決策績效形成過程中的科技型企業(yè)高管團隊集體運作的功能；（3）ELMAM神經(jīng)網(wǎng)絡(luò)的輸入層可以同時容納大量數(shù)據(jù)，符合模擬科技型企業(yè)高管團隊決策環(huán)境復(fù)雜化的特點，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于在未制定決策前，科技型企業(yè)高管團隊內(nèi)部反復(fù)討論的過程，從而在神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)上實現(xiàn)了對決策績效評價過程的模擬。

３實證研究

３１決策績效評價指標體系

基于ELMAN神經(jīng)網(wǎng)絡(luò)評價科技型企業(yè)高管團隊決策績效，首先要建立決策績效評價指標體系，按照評價指標體系設(shè)計調(diào)查問卷，收集相關(guān)數(shù)據(jù)。根據(jù)科技型企業(yè)高管團隊已有研究情況，本文從構(gòu)成特征和結(jié)構(gòu)特征兩方面結(jié)合決策績效評價標準，構(gòu)建了科技型企業(yè)高管團隊決策績效評價指標體系，見表１：

表１科技型企業(yè)高管團隊決策績效評價指標體系

結(jié)構(gòu)變量觀測變量測評點決策績效影響因素科技型企業(yè)高管

團隊構(gòu)成特征X1團隊成員的年齡年齡異質(zhì)性對決策質(zhì)量的影響X2團隊成員的經(jīng)歷經(jīng)歷異質(zhì)性對決策質(zhì)量的影響X3團隊成員教育背景教育背景異質(zhì)性對決策質(zhì)量的影響X4團隊成員的社會資源社會資源對決策質(zhì)量的影響X5團隊成員的任期任期異質(zhì)性對決策質(zhì)量的影響X6決策者直覺決策直覺對決策質(zhì)量的影響X7團隊成員認知多樣性認知多樣性對決策質(zhì)量的影響科技型企業(yè)高管

團隊結(jié)構(gòu)特征X8團隊規(guī)模團隊規(guī)模對決策質(zhì)量的影響X9團隊信任團隊信任對決策質(zhì)量的影響X10團隊有效溝通團隊有效溝通對決策質(zhì)量的影響X11團隊凝聚力團隊凝聚力對決策質(zhì)量的影響X12團隊自我管理團隊自我管理能力對決策質(zhì)量的影響X13社會資本團隊社會資本對決策質(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決策質(zhì)量的影響X16決策行為的科學性決策行為科學性對決策質(zhì)量的影響X17知識權(quán)威類型知識權(quán)威類型對決策質(zhì)量的影響X18權(quán)力分配權(quán)力分配對決策質(zhì)量的影響X19任務(wù)特點任務(wù)特點對決策質(zhì)量的影響X20低水平的任務(wù)沖突低水平任務(wù)沖突對決策質(zhì)量的影響X21風險偏好風險偏好對決策質(zhì)量的影響決策績效評價標準任務(wù)績效Y1決策質(zhì)量決策質(zhì)量的高低關(guān)系績效Y2決策一致性決策一致性程度Y3決策滿意度決策滿意度的高低

３２數(shù)據(jù)收集

本文采用問卷調(diào)查的方法面向科技型企業(yè)高管團隊收集研究數(shù)據(jù)，調(diào)查問卷根據(jù)科技型企業(yè)高管團隊決策績效評價指標體系設(shè)計，采用Likert五分量法度量，共發(fā)放調(diào)查問卷30份，收回25份，有效問卷20份，有效問卷回收率為6667%。被調(diào)查人員中90%為男性，10%為女性；擔任高管的平均任職年限為32年；平均年齡為427歲，標準差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)用來對神經(jīng)網(wǎng)絡(luò)進行預(yù)測，以檢驗神經(jīng)網(wǎng)絡(luò)建模后的預(yù)測值與真值間的誤差是否在有效區(qū)間內(nèi)。

３３決策績效評價模型的建立

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］和決策績效評價指標體系，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)元個數(shù)及訓(xùn)練次數(shù)的確定是一個經(jīng)驗性問題，需要大量的實驗［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軟件進行模型計算，從ELMAN神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程得出，該3層ELMAN神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程和中間層神經(jīng)元的個數(shù)有很大關(guān)系。本文將誤差設(shè)置為0001，當網(wǎng)絡(luò)訓(xùn)練次數(shù)為500次時（見圖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個神經(jīng)元的500次訓(xùn)練過程

盡管中間層神經(jīng)元個數(shù)的理論確定值（n2）為43個，但在500次的訓(xùn)練次數(shù)下可知，當中間層神經(jīng)元個數(shù)為37時（見表２），網(wǎng)絡(luò)訓(xùn)練達到最佳結(jié)果，誤差僅為122E-08，遠小于限定的誤差范圍0001。因此，本文建立的科技型企業(yè)高管團隊決策績效評價的ELMAN神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)為21個輸入變量、37個中間層變量和3個輸出變量。表２不同中間層神經(jīng)元個數(shù)網(wǎng)絡(luò)訓(xùn)練500次的誤差范圍

神經(jīng)元個數(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決策績效評價模型的MATLAB計算實現(xiàn)

endprint

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

３４１定義數(shù)據(jù)

訓(xùn)練決策績效評價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，即Xn=（X1，X2，…，X21）；輸出變量為3個，即Yn=（Y1，Y2，Y3）。15組樣本中的輸入元素與輸出元素需形成對應(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)練用過的樣本數(shù)據(jù)輸入網(wǎng)絡(luò)，分析其輸出值（預(yù)測值）和真值間的差異，結(jié)果發(fā)現(xiàn)，Y1、Y2和Y3指標輸出值和真值間的誤差非常小，網(wǎng)絡(luò)對訓(xùn)練樣本數(shù)據(jù)的預(yù)測準確度較高，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，訓(xùn)練好的網(wǎng)絡(luò)需要利用測試數(shù)據(jù)進行測試，以檢驗網(wǎng)絡(luò)的預(yù)測性能否滿足要求，如果能滿足要求，則可以用來解決實際問題。為了保證檢驗結(jié)果的有效性和準確性，測試數(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)，檢驗網(wǎng)絡(luò)的預(yù)測精度，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)果與實際結(jié)果相比較，結(jié)果見圖２。

圖２表明，ELMAN神經(jīng)網(wǎng)絡(luò)的訓(xùn)練精度令人滿意，5個測試樣本的預(yù)測結(jié)果基本接近真值，最大相對誤差為1500%，最小相對誤差為400%，說明ELMAN神經(jīng)網(wǎng)絡(luò)模型具有實際應(yīng)用價值，能夠用于評價科技型企業(yè)高管團隊的決策績效。

４結(jié)論與創(chuàng)新

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

（1）首次將ELMAN神經(jīng)網(wǎng)絡(luò)引入決策績效評價，構(gòu)建了科技型企業(yè)高管團隊決策績效評價體系，對影響決策績圖２指標預(yù)測值、真值與相對誤差

效的21個輸入變量和3個衡量變量間的關(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，建立了以觀測點為自變量、以科技型企業(yè)高管團隊決策績效為因變量的ELMAN神經(jīng)網(wǎng)絡(luò)模型。由于建模結(jié)果的輸出預(yù)測值和真值間的誤差小于15%，驗證了方法的可行性，表明這種同時研究多個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)模型可以評價科技型企業(yè)高管團隊的決策績效。只要根據(jù)現(xiàn)實決策情況，給相應(yīng)的21個因素賦值，訓(xùn)練好的模型輸出3個績效評價變量（決策質(zhì)量、決策一致性和決策滿意度）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，從而達到?jīng)Q策績效評價的目的。

（3）從評價結(jié)果來看，ELMAN神經(jīng)網(wǎng)絡(luò)模型完成了科技型企業(yè)高管團隊決策績效評價任務(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密性，其神經(jīng)元可以自動尋找給定因素集的相關(guān)信息進行建模，以達到模型的正確性，具有容錯性和魯棒性。

參考文獻

［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)略決策績效：對中國家族企業(yè)高層管理團隊的一個實證研究［Ｊ］.商業(yè)經(jīng)濟與管理,2006，（8）:23-28.

［６］杜運周,陳忠衛(wèi).高管沖突與團隊決策績效——基于控制模式的調(diào)節(jié)分析［Ｊ］.管理科學,2009,22（4）:31-40.

［７］陳璐,楊百寅,井潤田,等.家長式領(lǐng)導(dǎo)、沖突與高管團隊戰(zhàn)略決策效果的關(guān)系研究［Ｊ］.南開管理評論,2010,13（5）:4-11.

［８］楊衛(wèi)忠,葛玉輝.TMT認知異質(zhì)性、自反性對決策績效的影響——基于中國企業(yè)的實證研究［Ｊ］.預(yù)測,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］.江南大學學報：自然科學版,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)測模型［Ｊ］.吉林大學學報：信息科學版,2002,20（4）:68-70.

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

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

（本文責任編輯：孫國雷）

endprint