李 巖,牟博佼

(1.中國礦業(yè)大學(xué)(北京) 管理學(xué)院，北京 100083；2.中國地質(zhì)大學(xué)(北京) 經(jīng)濟管理學(xué)院，北京 100083)

0 引言

低估供應(yīng)線(supply line underweighting)現(xiàn)象是指在進行訂貨決策時，決策者對期末庫存賦予的權(quán)重高于在途庫存[1]。該現(xiàn)象最早是在研究牛鞭效應(yīng)時發(fā)現(xiàn)的[1]，并被認(rèn)為是導(dǎo)致牛鞭效應(yīng)的一個較為魯棒的行為原因[2-3]。單層級庫存管理系統(tǒng)研究發(fā)現(xiàn)，即使面對簡單的決策情形，低估供應(yīng)線現(xiàn)象仍然存在[4-5]。層級供應(yīng)鏈研究發(fā)現(xiàn)，不論決策者為學(xué)生還是物流專業(yè)人士，均表現(xiàn)出明顯的低估供應(yīng)線傾向[6-7]，Oliva等[8]甚至發(fā)現(xiàn)決策者會完全忽略供應(yīng)線的影響。

有研究嘗試從經(jīng)典運營管理角度發(fā)現(xiàn)低估供應(yīng)線現(xiàn)象的原因。例如，Croson等提出層級供應(yīng)鏈的協(xié)調(diào)風(fēng)險可能會導(dǎo)致低估供應(yīng)線(1)協(xié)調(diào)風(fēng)險指在層級供應(yīng)鏈中，決策者因不確定其他決策者會遵循最優(yōu)策略行動而采取了額外的預(yù)防措施，使最終策略偏離最優(yōu)均衡[3]。，然而即使摒除協(xié)調(diào)風(fēng)險，低估供應(yīng)線的現(xiàn)象依然存在[3]，需要從新的視角識別低估供應(yīng)線的成因。行為運籌學(xué)的快速發(fā)展為研究低估供應(yīng)線的成因提供了一種新的視角。

傳統(tǒng)的運營管理研究均假定決策者是完全理性的，能夠利用所有歷史信息制訂最優(yōu)決策。然而，低估供應(yīng)線的出現(xiàn)意味著決策者在制定訂貨決策時并未全面使用已有信息，從而造成訂貨決策偏差。這種信息處理的不全面性很可能源自于決策者在信息處理方面的局限，即決策者更加注意顯著的信息[9]。先前的行為研究提出多種反映決策者歧視性處理信息的認(rèn)知偏差，如近因效應(yīng)、首因效應(yīng)、損失規(guī)避等[10]，近因效應(yīng)是其中一種較為常見的認(rèn)知偏差。

近因效應(yīng)指相對于過去獲取的信息，決策者更重視最近獲取的信息[11]。該效應(yīng)意味著相對于更早期，近期的刺激會被過度放大[12-13]。例如，人們在股市中往往會過分關(guān)注最近股票價格的波動而忽視之前的股票價格走勢[14]。先前的研究在稅收、推薦系統(tǒng)、工作績效評價等諸多領(lǐng)域都發(fā)現(xiàn)近因效應(yīng)會顯著影響決策行為，近年的行為運籌學(xué)也開始將近因效應(yīng)引入運營管理問題中，以觀察該效應(yīng)如何影響訂貨、庫存等運營決策。研究發(fā)現(xiàn)，受近因效應(yīng)影響的決策者會對最近周期發(fā)生的需求給予更多關(guān)注，進而顯著影響訂貨決策。Schweitzer等[15]發(fā)現(xiàn)，如果決策者在上周的訂貨量多于實際需求，則其會降低對需求的估計，在下個周期的訂貨量很可能會低于上周訂貨水平，反之亦然；Benzion等[16]在由利潤(高、低)，和需求分布(均勻分布、正態(tài)分布)兩個維度構(gòu)成的4種情形中發(fā)現(xiàn)，近因效應(yīng)都會影響訂貨決策，這種影響效應(yīng)雖然隨著時間的推移會下降，但是很難被消除；Bostian等[17]以近因效應(yīng)作為要素之一，構(gòu)建個體的適應(yīng)性學(xué)習(xí)模型來研究多周期報童問題，發(fā)現(xiàn)可以較好地擬合行為實驗數(shù)據(jù)。

這些研究結(jié)論顯示，近因效應(yīng)使決策者在訂貨時會過分看重最近周期信息的作用，然而這種影響會否導(dǎo)致低估供應(yīng)線，目前尚未有明確的結(jié)論。本文的研究思路是，首先通過建?？坍嬩N售商近因效應(yīng)傾向?qū)τ嗀浶袨榈挠绊?，然后通過仿真實驗和統(tǒng)計分析檢驗低估供應(yīng)線現(xiàn)象，最后分析模型參數(shù)(提前期、訂貨批量、持有成本、需求標(biāo)準(zhǔn)差)對低估供應(yīng)線程度的影響，并給出相應(yīng)的解釋。

1 模型的建立

1.1 模型框架

考慮一個n周期的訂貨銷售系統(tǒng)，銷售商向上游訂貨，上游供應(yīng)商假設(shè)擁有充足產(chǎn)能，以摒除產(chǎn)能不足導(dǎo)致的缺貨對結(jié)果的干擾。

(1)下游需求 周期t(t=1,2,…,n)的需求Dt為一隨機變量，Dt～N(μ,σ2)，各周期需求之間獨立同分布，周期t實現(xiàn)的需求記為dt。

(2)訂貨提前期 本文假設(shè)所有訂貨延遲均發(fā)生在產(chǎn)品運輸環(huán)節(jié)[18]。任何信息延遲(銷售商訂單到達制造商的時間)為0，訂單處理延遲(銷售商在接到訂單到滿足下游需求之間的時間)為0，訂貨提前期為固定值L。

(4)期末庫存 指在每個周期末，銷售商滿足本周期需求后剩余的庫存水平，用It表示，

It=It-1+Ot-(L+1)-dt。

(1)

It>0表示期末庫存有剩余，It<0表示期末缺貨。

(6)需求處理 銷售商以延遲付貨的方式(backlogging)滿足下游需求[22]。當(dāng)沒有足夠的庫存滿足所有需求時，差額部分將遞延到以后周期。

(7)缺貨成本 當(dāng)制定的目標(biāo)訂貨水平并不能滿足L+1周期內(nèi)所有發(fā)生的需求時，就會產(chǎn)生缺貨，缺貨會給銷售商帶來商譽損失[23]。記單位缺貨成本為b。

(8)持有成本 如果制定的目標(biāo)訂貨水平超出L+1周期內(nèi)所有發(fā)生的需求，則會出現(xiàn)產(chǎn)品剩余，銷售商需要花費成本保管這些產(chǎn)品[24]。記單位持有成本為h。

(9)事件發(fā)生順序 事件發(fā)生按圖1所示的順序展開。t0,t1,t2,t3,t4僅表示事件之間的先后順序，不代表事件之間的實際時間間隔。實際上，t0,t1在周期初發(fā)生，而t2,t3,t4均在周期末發(fā)生。

3)t2時刻，需求dt實現(xiàn)，銷售商用庫存滿足需求。

4)t3時刻，銷售商根據(jù)式(1)查點期末庫存It。

1.2 基準(zhǔn)模型

在不考慮近因效應(yīng)的情況下，第2.1節(jié)描述的問題退變?yōu)榭紤]訂貨提前期和訂貨批量的多周期庫存管理問題。求解此時銷售商的最優(yōu)訂貨策略，以及所能實現(xiàn)的期望成本，將其作為對比分析的基準(zhǔn)。

(2)

假設(shè)單位采購成本為0，則n個周期的總成本為T(S1)，

式中δ為折現(xiàn)因子。

1.3 近因效應(yīng)模型

銷售商按照目標(biāo)訂貨水平制定訂貨決策[24]。在周期t末，銷售商制定從第t+1周期到第t+L+1周期總的目標(biāo)訂貨水平St，然后依據(jù)該目標(biāo)水平、在途庫存水平、期末庫存水平制定出訂貨數(shù)量

(3)

假設(shè)銷售商并不清楚每周期需求的分布信息，在制定訂單時需要對需求作出預(yù)測。由于真實經(jīng)營環(huán)境具有復(fù)雜性，多周期問題一般很難求得最優(yōu)訂貨策略，銷售商會采取啟發(fā)式方法動態(tài)更新每周期的訂貨決策。在該過程中，近因效應(yīng)可能會使銷售商產(chǎn)生兩方面認(rèn)知偏差，從而對訂貨決策產(chǎn)生影響。

(1)影響決策者的訂貨更新基準(zhǔn) 采用動態(tài)更新的啟發(fā)式方法制定每周期訂貨決策需要一個更新的訂貨基準(zhǔn)，而決策者會將訂貨決策固定在像系統(tǒng)初始狀態(tài)這樣易于獲得的信息之上[1,17]，這些信息會像錨一樣束縛著決策[25]。受近因效應(yīng)的影響，銷售商會在最近周期中尋找這樣的基準(zhǔn)，而最近周期已經(jīng)制定的目標(biāo)訂貨水平符合更新基準(zhǔn)的要求，從而錨定訂貨基準(zhǔn)。

(2)影響銷售商對需求的預(yù)測能力進而影響訂貨決策 當(dāng)采用動態(tài)更新的啟發(fā)式方法時，銷售商需要根據(jù)預(yù)測的未來周期需求調(diào)整每周期選定的訂貨基準(zhǔn)。近因效應(yīng)使最近周期發(fā)生的需求成為顯著信息，在銷售商對未來周期需求預(yù)測中占據(jù)重要的地位，因此最近周期的需求會對訂貨基準(zhǔn)的調(diào)整量產(chǎn)生影響。

考慮到近因效應(yīng)對訂貨決策兩方面的影響，本文采用需求追逐(demand chasing)的方式更新目標(biāo)訂貨水平[17]，以刻畫銷售商受近因效應(yīng)影響的訂貨行為，即

St=St-1+α[(L+1)dt-St-1]。

(4)

式中α∈(0,1]表示近因效應(yīng)程度，α取值越大，近因效應(yīng)越強。

2 仿真實驗設(shè)計

2.1 仿真實驗步驟

仿真實驗包括初始化系統(tǒng)、接收訂單、需求實現(xiàn)、計算期末庫存、制定訂單5個基本步驟。

(1)初始化系統(tǒng) 借鑒“啤酒游戲”的一般設(shè)置，在t=0時刻，期末庫存水平I0=12，銷售商有L個周期的在途庫存，每周期在途庫存數(shù)量為4，每周期需求的均值μ=4，單位缺貨成本為b=1，折現(xiàn)因子δ=0.95[26-27]，目標(biāo)訂貨水平初值為S0=4×(L+1)。

2.2 參數(shù)的選取

銷售商的訂貨決策除了受近因效應(yīng)程度α的影響外，還受訂貨提前期L、單位持有成本h、訂貨批量k、需求標(biāo)準(zhǔn)差σ的影響，因此仿真實驗需要綜合考慮這些參數(shù)的變化組合。

(1)訂貨提前期 一般啤酒游戲的訂貨提前期為2個或4個單位時間，Chatfield等[18]在仿真研究中將供應(yīng)鏈各層級的訂貨提前期設(shè)置為4個單位時間。參照這樣的設(shè)置，本文仿真實驗將訂貨提前期的上限定為4個單位時間。當(dāng)沒有提前期時，不存在在途庫存，也就不會發(fā)生低估供應(yīng)線的現(xiàn)象。因此，訂貨提前期從1個單位時間開始，以1個單位時間為步長增加到4。

(3)訂貨批量 根據(jù)Cachon[30]和Axs?ter[31]所設(shè)定的訂貨批量相對于需求均值的比例，考慮到本文設(shè)定每周期的需求均值為4，將訂貨批量設(shè)置為從0.5開始，以步長0.5增加到2。

(4)需求標(biāo)準(zhǔn)差 為了排除負(fù)需求出現(xiàn)的可能性，本文令μ>4σ?？紤]到需求均值為4，本文將需求標(biāo)準(zhǔn)差設(shè)置為從0.3開始，以步長0.2增加到0.9。

(5)近因效應(yīng)程度 前人研究發(fā)現(xiàn)，如果近因效應(yīng)程度固定(靜態(tài)模型)，則擬合的近因效應(yīng)程度在0.1～0.2之間波動；如果允許每周期近因效應(yīng)程度變化(動態(tài)模型)，則在初始周期擬合的近因效應(yīng)程度在0.24～0.28之間波動，之后近因效應(yīng)程度向靜態(tài)模型水平靠近[17]。本文設(shè)定固定的近因效應(yīng)程度，由于重點關(guān)注近因效應(yīng)對訂貨決策的影響，希望能夠在更廣泛的范圍內(nèi)考察這種影響的作用，本文將近因效應(yīng)程度綜合設(shè)置為從0.1開始，以步長0.1增加到0.4。

表1所示為仿真實驗各個參數(shù)的取值范圍。

表1 仿真實驗的參數(shù)取值

2.3 實驗方案

本文采用正交實驗[32]，考慮到表1中每個參數(shù)的變化水平，仿真實驗采用L16(45)的正交實驗表，如表2所示。

表2 正交實驗設(shè)計表

2.4 仿真實驗結(jié)果檢驗

(5)

期末庫存和在途庫存會降低訂貨量，意味著α1<0，α2<0。在不考慮近因效應(yīng)的情況下，期末庫存和在途庫存對訂貨量的影響不會產(chǎn)生顯著差異，因此當(dāng)銷售商能夠準(zhǔn)確估計供應(yīng)線時，回歸方程系數(shù)應(yīng)滿足α1=α2[1,33]。如果出現(xiàn)低估供應(yīng)線，則有α1<α2。α1和α2差得越遠，表明低估供應(yīng)線的程度越嚴(yán)重，本文以τ=α1/α2表示低估供應(yīng)線的程度，因此低估供應(yīng)線意味著τ>1，而且α1和α2之間存在顯著差異。

本文通過兩個步驟檢驗低估供應(yīng)線：①估計回歸系數(shù)α1和α2判斷τ是否大于1；②利用極大似然比率方法檢驗α1和α2之間的差異顯著性，檢驗統(tǒng)計量為χ2。

3 仿真結(jié)果分析

3.1 基準(zhǔn)模型分析

表3所示為對基準(zhǔn)模型的統(tǒng)計檢驗結(jié)果，可見每種情形下的回歸方程均有效。表3還展示了每種情形下的低估供應(yīng)線程度τ，以及α1和α2差異的顯著性檢驗統(tǒng)計量χ2的值。

表3 基準(zhǔn)模型統(tǒng)計檢驗分析

表4所示為對τ進行的描述性統(tǒng)計，這些統(tǒng)計指標(biāo)直觀反映出期末庫存水平和在途庫存水平對訂貨量決策產(chǎn)生了相似的影響，同時χ2檢驗指標(biāo)在統(tǒng)計意義上不顯著，因此在基準(zhǔn)模型中，不存在低估供應(yīng)線現(xiàn)象。

表4 基準(zhǔn)模型對低估供應(yīng)線程度τ的統(tǒng)計描述

續(xù)表4

3.2 近因效應(yīng)模型分析

表5所示為對近因效應(yīng)模型的統(tǒng)計檢驗結(jié)果，可見每種情形下的回歸方程均有效。

表5 近因效應(yīng)模型的統(tǒng)計檢驗分析

表6所示為對τ進行的描述性統(tǒng)計。低估供應(yīng)線程度τ的最小值為1.040、最大值為1.390、均值為1.205，同時χ2檢驗指標(biāo)在0.001水平上顯著，因此在途庫存系數(shù)和期末庫存系數(shù)之間存在顯著差異。

表6 近因效應(yīng)模型對低估供應(yīng)線程度τ的統(tǒng)計描述

基于以上分析，本文得出如下結(jié)論：

結(jié)論1近因效應(yīng)使期末庫存水平相對于在途庫存水平更能影響訂貨決策，導(dǎo)致產(chǎn)生低估供應(yīng)線。

雖然在途庫存也是銷售商根據(jù)當(dāng)時需求狀況制定的訂貨決策，但是由于受近因效應(yīng)的影響，當(dāng)期的實際需求水平對訂貨決策的影響最強烈，銷售商會認(rèn)為當(dāng)期的實際需求水平代表了未來需求的發(fā)展趨勢，更多地會以期末庫存水平為基準(zhǔn)制定訂貨決策，從而調(diào)整之前訂貨決策的偏差。該訂貨決策行為的結(jié)果是，對于受近因效應(yīng)影響的銷售商，期末庫存成為制定訂貨決策可以依靠的信息，而在途庫存成為基于需要修正的需求信息得出的訂貨決策。

另外，因為訂貨提前期的存在，銷售商在每周期制定的訂貨決策都要經(jīng)過L個周期才能收到產(chǎn)品，所以訂貨提前期的隔閡削弱了行動和效果之間聯(lián)系的顯著性[34]。于是，當(dāng)前周期供應(yīng)與需求的匹配狀況會吸引受到近因效應(yīng)影響的銷售商的注意力，使其花費極大的精力去改善當(dāng)前供給與需求不匹配的狀況，卻忽視了該狀況是由先前訂貨決策造成的[34]。在供應(yīng)鏈環(huán)境中，多個主體決策和決策效果之間的交互會進一步降低行動和效果之間聯(lián)系的顯著性[33,35-36]，因此可以預(yù)計近因效應(yīng)對低估供應(yīng)線的影響更為顯著。

在明確近因效應(yīng)是造成低估供應(yīng)線現(xiàn)象的一個因素后，本文進一步分析近因效應(yīng)程度α對低估供應(yīng)線程度τ的影響。將表2中各情形的τ值按照α的水平(α=0.1,0.2,0.3,0.4)分成4組，每組τ的均值分別為τα=0.1=1.138，τα=0.2=1.192，τα=0.3=1.283，τα=0.4=1.309，同時采用方差分析檢驗4組τ之間是否存在顯著差異，結(jié)果如表7所示。

表7 低估供應(yīng)線程度關(guān)于近因效應(yīng)程度的方差分析結(jié)果

方差分析表明，4組低估供應(yīng)線程度的均值之間存在顯著差異，考慮到隨著α的增加，τ的均值增加，本文得出如下結(jié)論：

結(jié)論2近因效應(yīng)程度的增強會加劇低估供應(yīng)線的程度。

近因效應(yīng)的增強使銷售商不能夠正確對待歷史信息(在途庫存水平)和當(dāng)前信息(期末庫存水平)對訂貨決策的影響，銷售商被當(dāng)前的期末庫存和需求的匹配狀況吸引，越發(fā)希望通過制定當(dāng)期的訂貨決策盡量改善期末庫存水平，使其與需求相匹配，卻嚴(yán)重忽視了在途庫存中已有一定數(shù)量的產(chǎn)品將會改善需求的匹配狀況，因此銷售商不成比例地過分倚重當(dāng)前信息制定訂貨決策，會增強低估供應(yīng)線程度。

3.3 近因效應(yīng)模型與基準(zhǔn)模型的對比分析

圖2所示為基準(zhǔn)模型和近因效應(yīng)模型每周期平均成本在16種情形下的比較，可見兩者變化趨勢相似，只是近因效應(yīng)模型每周期的平均成本均高于基準(zhǔn)模型。情形5中近因效應(yīng)模型的平均成本超出基準(zhǔn)模型59.84%(最差情形)，情形2中近因效應(yīng)模型的平均成本超出基準(zhǔn)模型8.70%(最好情形)，平均來看，近因效應(yīng)模型的平均成本高出基準(zhǔn)模型29.12%。

下面分析低估供應(yīng)線程度與近因效應(yīng)模型平均成本之間的關(guān)系。因為每個近因效應(yīng)程度α對應(yīng)一個低估供應(yīng)線程度τ和一個平均成本，所以本文以α為中介觀察低估供應(yīng)線程度和平均成本的變化，同時為了盡量詳盡地考察兩者之間的關(guān)系，令α的取值范圍從0.02開始，以步長0.02增加到0.4。另外，令ρ等于近因效應(yīng)模型平均成本相對于基準(zhǔn)模型的比例，衡量近因效應(yīng)模型的成本超過基準(zhǔn)模型的程度。

在每種情形下，本文計算出每個α對應(yīng)的τ和ρ的數(shù)值。通過對各情形的觀察比較，本文發(fā)現(xiàn)τ和ρ隨α的變化趨勢相似，只是具體數(shù)值有所不同。因此，本文以一種情形(L=2，h=0.5，b=1，k=1，μ=4，σ=0.9)為例展示這種變化趨勢，如圖3所示。在該情形下，基準(zhǔn)模型平均成本為0.201。

從圖3可見，隨著近因效應(yīng)的增強，低估供應(yīng)線程度和成本增加程度均不斷提高，τ與α之間，以及ρ與α之間的相關(guān)系數(shù)分別為0.930(p<0.001)和0.998(p<0.001)，同時τ與ρ之間的相關(guān)系數(shù)為0.916(p<0.001)，說明隨著低估供應(yīng)線程度的增強，每周期的平均成本偏離基準(zhǔn)模型的程度越大。由此本文得出如下結(jié)論：

結(jié)論3隨著近因效應(yīng)的增強，低估供應(yīng)線程度和每周期平均成本同向增加。

該結(jié)論表明，隨著近因效應(yīng)程度的增強，不但低估供應(yīng)線程度加劇，而且每周期平均運營成本也會提高，低估供應(yīng)線程度的加劇意味著訂貨決策更遠地偏離了最優(yōu)訂貨水平。Sterman[1]的啤酒游戲?qū)嶒烇@示，當(dāng)完全忽視在途庫存時，銷售商會完全根據(jù)實際庫存和理想庫存的差距制定訂貨決策。一旦出現(xiàn)高需求，銷售商就會制定較高的訂貨量以使庫存水平達到理想水平。然而，由于提前期的存在，這些新訂單需要經(jīng)過若干周期后才能實現(xiàn)，在此期間，在途庫存會源源到達。這樣的訂貨行為放大了下游的需求，造成訂貨決策不穩(wěn)定，增加了運營成本。相反，當(dāng)銷售商沒有低估供應(yīng)線時，其會認(rèn)識到已經(jīng)具有充足的在途庫存能夠改變需求和供給不平衡的狀態(tài)，從而制定更為保守的的訂貨決策，削弱下游需求波動帶來的沖擊，穩(wěn)定系統(tǒng)的運行，降低運營成本。

在現(xiàn)實中，決策者的近因效應(yīng)程度會隨決策環(huán)境的改變而調(diào)整。前人研究考慮到這種調(diào)整性后發(fā)現(xiàn)，決策者的近因效應(yīng)程度在0.10～0.28之間[17]。由圖3可見，當(dāng)α∈[0.10,0.28]時，每周期的平均成本會超出基準(zhǔn)模型6%～20%的水平。在一個更加動態(tài)的環(huán)境中，由于決策者自身儲存和處理信息能力的限制，近因效應(yīng)程度會更強[37-38]。因此在這種情況下，近因效應(yīng)會對系統(tǒng)績效產(chǎn)生更加顯著的負(fù)面影響。

結(jié)論3還反映了歷史信息在預(yù)測中的重要性。關(guān)聯(lián)理論(relevance theory)認(rèn)為，決策者期望更好調(diào)整自身行為以適應(yīng)變化的環(huán)境，因此會傾向于使用最近的信息[39]。然而，這種對最近信息的追逐卻會放大由偶然因素導(dǎo)致的偏差，給系統(tǒng)績效帶來負(fù)面影響。如果決策者能夠利用若干周期的歷史信息，則可削弱該負(fù)面影響，預(yù)測中常用的移動平均等方法就是利用該特征估計時間序列的趨勢性。另外，逐漸普及使用的信息系統(tǒng)不僅能夠記錄大量的歷史數(shù)據(jù)，還能對這些數(shù)據(jù)進行智能分析，有助于彌補決策者受近因效應(yīng)影響造成的決策偏差。

3.4 模型參數(shù)對低估供應(yīng)線程度影響的分析

根據(jù)近因效應(yīng)模型的仿真結(jié)果，在不同模型參數(shù)(訂貨提前期L、訂貨批量k、單位持有成本h、需求標(biāo)準(zhǔn)差σ)組合下，低估供應(yīng)線程度τ的大小不同(如表5)，本節(jié)將據(jù)此分析這些模型參數(shù)如何影響低估供應(yīng)線程度。將表2所示參數(shù)同一水平所包含的4種情形下的τ取均值，來衡量該水平下的低估供應(yīng)線程度，然后作出隨參數(shù)取值的增加，低估供應(yīng)線程度的變化圖形，如圖4所示。

(1)低估供應(yīng)線程度隨訂貨提前期L的增加而增強

由于近因效應(yīng)，訂貨提前期越長，最近一期實際發(fā)生的需求在目標(biāo)訂貨水平制定中的影響被放大得越明顯，間接增強了近因效應(yīng)程度，導(dǎo)致低估供應(yīng)線程度的加劇；另外，訂貨提前期的增加會進一步模糊訂貨決策與其效果之間的因果關(guān)系，導(dǎo)致銷售商過分重視當(dāng)前庫存，增加了低估供應(yīng)線程度；再次，實驗研究發(fā)現(xiàn)，增加提前期本身就會增強被試者受近因效應(yīng)影響的程度[13]。因此，可以預(yù)計在實際運營中，較長的訂貨提前期會直接增強近因效應(yīng)，進一步加劇低估供應(yīng)線的程度。

降低提前期是企業(yè)運營管理關(guān)注的一個重要方面。已有研究從提高對下游需求變動響應(yīng)速度的角度指出降低提前期的作用[40-41]，本文從決策偏差的角度指出降低提前期的必要性：降低訂貨提前期能夠削弱近因效應(yīng)的影響，從而減弱訂貨決策中低估供應(yīng)線的程度。該結(jié)論說明，如果受到多方面限制，提前期不能降低到較低的水平，則決策者需要有意識地避免決策受到近因效應(yīng)的影響，從而削弱提前期與低估供應(yīng)線之間的聯(lián)系。

(2)低估供應(yīng)線程度隨訂貨批量k的增大而減弱

雖然受到近因效應(yīng)的影響，期末庫存比在途庫存給名義訂貨量施加了更大的影響力，但是較大的訂貨批量限制了實際訂貨量的變化范圍，從而削弱了實際訂貨量相對于期末庫存變化的敏感性，降低了低估供應(yīng)線程度。

已有研究認(rèn)為，當(dāng)訂貨啟動成本相對于持有成本較小時，越小的訂貨批量越能降低訂貨的波動性[42]。在訂貨啟動成本可以忽略的情況下，不考慮訂貨批量的訂貨策略能夠達到最優(yōu)的效果[29]。在實際運營中，供應(yīng)鏈中的下游銷售商也希望上游供應(yīng)商能夠以較高的供貨頻率、通過較低的批量供應(yīng)產(chǎn)品，從而降低自身的庫存水平[43-44]。然而本文研究發(fā)現(xiàn)，即使在不考慮訂貨啟動成本的情況下，訂貨批量也不是越小越好，而是需要權(quán)衡的決策變量。較小的訂貨批量雖然提高了靈活性，但是加劇了受近因效應(yīng)影響的銷售商對供應(yīng)線的低估程度，增加了運營成本，這是被已有研究忽視的一個重要方面。盡管如此，訂貨批量對訂貨決策的影響仍然比較復(fù)雜，不同批量形式(整數(shù)倍批量或最小批量)對低估供應(yīng)線的影響程度也可能不盡相同，哪種形式的訂貨批量對企業(yè)最有利，需要未來進行深入研究。

(3)單位持有成本h對低估供應(yīng)線程度不具有顯著的影響

在近因效應(yīng)模型中，銷售商的訂貨決策是根據(jù)當(dāng)期實際發(fā)生的需求對之前訂貨量水平給予的修正，并未受單位持有成本的影響，由此可能導(dǎo)致增加單位持有成本時未能對低估供應(yīng)線程度產(chǎn)生顯著影響。已有研究發(fā)現(xiàn)，采用追逐需求的啟發(fā)式訂貨方式并不會對成本變化做出明顯反應(yīng)，原因可能是需求追逐方式中沒有考慮成本因素[17]。由于單位缺貨成本與單位持有成本在成本函數(shù)中的位置對稱，可以推斷單位缺貨成本不會對低估供應(yīng)線程度產(chǎn)生顯著的影響。

(4)低估供應(yīng)線程度隨需求標(biāo)準(zhǔn)差σ的增加而加劇

受近因效應(yīng)的影響，隨著需求波動性的增大，目標(biāo)訂貨水平發(fā)生較大波動，期末庫存It對訂貨量的影響被增強，從而加劇低估供應(yīng)線的程度。Sterman[1]在啤酒游戲?qū)嶒炛邪l(fā)現(xiàn)，被試具有將訂貨系統(tǒng)動態(tài)變化的原因歸結(jié)為外部干擾的傾向(open-loop attribution)，即使每周期的需求恒定不變，在大多數(shù)被試看來，需求在按不可思議的形式變化，其訂貨策略就是盡量匹配需求的變動，然而結(jié)果卻使供應(yīng)線被低估，系統(tǒng)運行越發(fā)不可控。因此可以推斷，需求波動會將銷售商對系統(tǒng)的學(xué)習(xí)從對訂貨方式的關(guān)注轉(zhuǎn)移到對這些外部沖擊的預(yù)測和反應(yīng)上，并且需求波動越大，越能吸引銷售商的注意力，從而加深低估供應(yīng)線的程度。

傳統(tǒng)供應(yīng)鏈研究發(fā)現(xiàn)，需求波動使供應(yīng)鏈各個層級的安全庫存增加，導(dǎo)致牛鞭效應(yīng)[45]，從而找到需求波動導(dǎo)致牛鞭效應(yīng)的一條非行為化路徑。本文發(fā)現(xiàn)在近因效應(yīng)影響下，需求波動會造成目標(biāo)訂貨水平變動，加劇低估供應(yīng)線程度，進而引發(fā)牛鞭效應(yīng)，因此本文發(fā)現(xiàn)了一條需求波動導(dǎo)致牛鞭效應(yīng)的行為化路徑。該結(jié)論啟示面對變動較大的需求，銷售商不應(yīng)再過度依靠最近周期發(fā)生的需求來制定訂貨決策，因為較大的波動已經(jīng)使這些周期的需求信息失去了參考價值。在這種情況下，銷售商即使不能降低安全庫存，也應(yīng)有意識地削弱對最近需求信息的依賴，穩(wěn)定目標(biāo)訂貨水平，切斷牛鞭效應(yīng)產(chǎn)生的行為化路徑。

4 結(jié)束語

低估供應(yīng)線現(xiàn)象是在供應(yīng)鏈行為實驗研究中發(fā)現(xiàn)的訂貨決策偏差，其會導(dǎo)致牛鞭效應(yīng)，增加供應(yīng)鏈的運營成本。先前研究雖然對該現(xiàn)象給予了描述性的探討，但是對造成該現(xiàn)象原因的分析還不夠充分。因此，有必要對其成因展開研究，以找到控制該現(xiàn)象發(fā)生的方法。本文建立了一個多周期考慮訂貨批量和訂貨提前期的銷售庫存管理模型，刻畫了銷售商受到一類普遍認(rèn)知偏差——近因效應(yīng)影響的訂貨決策行為，研究得出如下結(jié)論：

(1)近因效應(yīng)是導(dǎo)致低估供應(yīng)線現(xiàn)象出現(xiàn)的一個行為原因。

(2)隨著近因效應(yīng)程度的增強，低估供應(yīng)線的程度隨之加劇，而且平均成本偏離最優(yōu)成本的程度也增大。

(3)訂貨提前期的增加和需求波動的增加都會加劇低估供應(yīng)線的程度，而訂貨批量的增大會緩解低估供應(yīng)線程度，但是持有成本(缺貨成本)未能顯著影響低估供應(yīng)線的程度。

本文研究一方面從理論上進一步完善對低估供應(yīng)線決策偏差的認(rèn)識和理解，另一方面有助于采取有針對性的措施抑制低估供應(yīng)線，為在實踐中降低該決策偏差帶來的損失提供借鑒。本文考察了單層級供應(yīng)鏈中近因效應(yīng)對低估供應(yīng)線的影響，未來研究可以拓展到多層級供應(yīng)鏈中，進一步觀察近因效應(yīng)對層級庫存的影響。另外，近因效應(yīng)代表了與時間相關(guān)的一種有限理性行為，未來研究還可以考察其他與時間相關(guān)的有限理性行為對供應(yīng)鏈決策的影響。