论文研究-基于贝叶斯网络的质量管理实践对绩效的影响评价.pdf

所需积分/C币:20 2019-09-20 16:33:07 587KB .PDF
收藏 收藏
举报

论文研究-基于贝叶斯网络的质量管理实践对绩效的影响评价.pdf,  提出了将结构方程模型与贝叶斯网络相结合, 对因果关系进行预测和诊断的方法. 该方法既发挥了结构方程模型基于理论的实证证实能力, 又突出了贝叶斯网络处理非线性关系及预测和诊断的能力, 有利于管理决策的制定. 进一步将该方法应用到质量管理实践与绩效关系的研究中, 明确了质量管理实践、质量绩效和企业绩效间的影响关系, 为企业有效的
1442 系统工程理论与实践 第31卷 图1为一个简单的贝叶斯网终.利用构建的贝叶斯网络可以 进行贝叶斯推理,贝叶斯推理主要有两种形式: 1)因果推珥,也叫正向推理,根据原囚的状态推导结果发生的 概率.如在图1中,由A、B推导C发生的概率. 2)诊断摧理,也叫逆向推理,根据结果的状态逆冋推导原因 图1一个简单的贝叶斯网络 如在图1中,由C推导A、B发生的概率 正是由于贝叶斯网络具有很强的推理能力(预测和诊断),因此已经广泛地应用于风险评价和管理1 顾客关系管理S、服务管理、可靠性分析8、生产和服务过程模拟側等领域. 23潜变量得分 由于贝叶斯网终是对观测变量进行的因果模拟,而SEM则是潜变量层的因果分析,因此要将贝叶斯网 络与SM结合,关键间题是确定潜变量旳得分,并以潜变量旳得分作为样夲数据构建贝叶斯网终. 目前计算潜变量得分的方法有很多,包括:简单加权平均法、因子荷载法、SEM、 Thomson回归模型和 Bartlett方法等.本研究釆用sEM方法,按照 Joreskog等人1提出的计算潜变量得分的程序计算理论模 型中4个潜变量的得分.采用该方法最大的优点就是潜变量和潜变量得分具有相同的协方差矩阵,同时充分 考虑了测量误差 对于外生变量测量模型来说,一旦系数A2确定后,潜变量的得分可以通过下式计算: min>(r-AsSiT05(ai-A2Si) st.(1/N)> Si (5) 其中,N表示样本量,x;表示第i个观测变量,。表示残差的协方差矩阵,上标T表示矩阵的转置,φ表示 的协方差矩阵 同理,采用同样的方法可以计算出潜变量?的得分 3质量管理实践与企业绩效的关系 31模型构建 在质量管理实践和绩效关系的研究中学者们最早关注的是质量管理实践和质量绩效的关系. Saraph等 人凹、Fymn等人20以及Tari等人2的斫究都表明质量管理实践和质量绩效有显著的相关关系但后来 的研究也显示并非所有的质量管理实践都能创造好的质量绩效,如Dow等人的研究就表明并非所有的质 量眢理实践都能实现卓越的质量绩效.随着硏究的深λ,学者们开始考虑将企业绩效整合在模型中,硏究质量 管理实践、质量绩效和企业绩效的关系.早期的研究结果显示质量管理实践能够直接影响企业绩效222-23 而在后米的硏究中,学者发现质量管理实践和企业绩效并没有直接的影响关系,而是通过质量绩效间接影响 企业绩效.24.如 Kaynak24检验了7项质量管理 实践与质量绩效和企业绩效的关系,发现这7项质量 内部质 管理实践都自接或间接影响质量绩效,并最终通过质 量绩效 量绩效影响企业绩效.李钊等人5的研究也证实了 /质量管理 企V 实战 绩效 质量管理实践通过质量绩效和创新绩效间接影响企 外部质 业绩效 量绩效 在现有研究的基础上,我们提出如图2所示的理 论模型.依据 Fynes和Voss25:提出的标准,将质量 图2理论模型 绩敚分为内部质量绩效和外部质量绩效 32数据分析 通过与中国质量认证中心QC)西北评审中心的合作,对陕西、宁夏、甘肃、新疆和浙江五省区通过第 三方管理体系认证的企业进行调硏.调査共设计了4个潜变量:质量管理实践、内部质量绩效、外部质量绩 效和企业绩效.其中,质量管理实践有10个测量指标,内部质量绩效和外部质量绩效各有3个指标,企业绩 效有5个测量指标4个潜变量的a系数在0.7220.881之间,表明变量的测量具有很好的信度.其次,利用 第8期 宋永涛.等:基于贝叶斯网络的质量管理实践对绩效的影响评价 1443 LISREL870通过验证性因子分析(CFA)分别检验量表的收敛效度和判别效度结果显示量表具有较好的收 敛效度和判别效度 表1变量间关系的检验结果 路径 标准化路径系数标准误T值结果 质量管理实践→企业绩效 0.01 0.180.11拒绝 质量管理实践→內部质量绩效 0.54 0.126.25支持 内部质量绩效→企业绩效 0.32 0.12378支持 质量管理实践→外部质量绩效 0.60 0.197.68支持 外部质量绩效→企业绩效 0.18 0.072.12支持 最后利用 LISREL8.0对模型进行拟合,模型拟合结果为:x2为626.94,df为184, RMSEA为0.089, CFI为0.93,GFI为0.83,NNFⅠ为0.92,RMR为0.047.结果表明模型和数据拟合的非常好.表1为模型中 变量间关系的检验结果.数据分析结果显示,质量管理实践以内部质量绩效和外部质量绩效为中介,间接影 响企业绩效我们以验证后的变量间的关系为基础,构建质量管理实践和绩效的贝叶斯网络模型 4贝叶斯网络分析 4.1贝叶斯网络模型的构建 贝卟斯网络模型的构建包括网络结构学习和网络参数学习(先验概率的估计).本研究中,以SEM的实 证检验的结果作为贝叶斯网络的机结,有效地弥补了贝叶斯网络结构缺乏理论支撑的难题.本斫究的贝叶斯 网络结构如图3所示 内部质量绩效 好中差 企业绩效 质量管理实践 好 中差 好中差 差 好中 内部质量 绩效 好差 质量管理 实践 企业绩效中中 中差 外部质量 差好 绩效 差中 差差 外部质量绩效 好中 其中 衣示质量管理实践 表示内部质量绩效 表示外部质量绩效 表示企业绩效 图3贝叶斯网络先验概率分布 由于网络结构中4个变量均为潜变量,因此需要求得每个变量具体的值.本研究利用 LISREL8.7计 算网络结构中4个潜变量的得分19.在此基础上以潜变量的得分为样本数据,利用贝叶斯网络仿真软件 Nctica4.08计算网络结构中4个变量的先验概率.首先,利用KM聚类分析对样本进行聚类,为了降低运算 的复杂性、增加判断结果的可识别性,本研究将每个变量都聚类为3种状态(好、中、差).利用 Netica4.08 计算的每个变量的先验概率如表2所示 1444 系统工程理论与实践 第31卷 表2各变量的先验概率 状态 变量 质量管理实践内部质量绩效外部质量绩效企业绩效 好中差 0.585 0.491 0.383 0.476 0.302 0.425 0.492 0.411 0.113 0.084 0.125 0.113 在先验慨率的基础上,利用 Nctica4.08确定因变量的条件概率分布,计算结果如图3所示 42贝叶斯推理 利用前面建立的贝叶斯网络,针对质量管理实践各状态的概率,通过贝叶斯推理可以预测内部质量绩效、 外部质量绩效和全业绩效的后验概率.例如,假定企业质量管理实践实施得很好(在图3所示的贝叶斯网络 中将质量管理实践“好”的概率设定为1.00),通过贝叶斯推理可以预测内部质量绩效“好”的概率为0669 表3显示的是在质量管理实践的不同状态下对内部质量绩效、外部质量绩效和个业绩效的预测 表3质量管理实践在不同状态的贝叶斯推理 质量管理实践的状态 内部质量绩效 外部质量绩效 企业绩效 p(好)p中)p(差)p好)(中)p(差)p(好)p(中)p(差 0.6690.3030.02810.5280.4270.04490.5530.3580.0891 十 0.2800.6130.1080.2150.6770.1080.4070.4630.130 差 1390.5560.3060.08330.3330.5830.2660.5390.196 如表3所示,当质量管理实践发生“好→中→差”的变化时,内部质量绩效和外部质量绩效呈现出相同 的变化趋势.其中,内部质量管理绩效、外部质量绩效和企业绩效“好”的概率呈现眀显下降的趋势,而这三 个变量“差”的概率则呈现出明显的上升趋势;内部质量绩效和外部质量绩效“中”的概率均呈现先上升在 下降的趋势,而企业绩效“中”的概率则呈现明显的上升趋势 此外还发现,当质量管理实践实施得成功时,对内部质量绩效影响最大,而当质量管理实践实施得不成 功时对外部质量绩效的影响更大.这是因为,质量管理实践的直接影响是产品质量(合格率、耐久性、可靠 性等)的提高.因此,当质量管理实践实施得比较成功时,产品质量会有很大提高产生好的内部质量绩效;而 当质量管理实践不成功时,产品质量难以保证,导致产品交付的延期及顾客满意的下降,造成外部质量绩效 显著降低 43贝叶斯诊断 贝叶斯网络不但能够进行“因→果”的正向推理,还能进行“果→因”的逆向推理(即贝叶斯诊断.贝叶 斯诊断的目的是分析“结果”产生的“原因”,进而为管理决策提供支持.在贝叶斯诊断中,子节点的状态是一 定的通过贝叶斯诊断可以确定父节点的状态.例如,假定企业绩效是好的(在图3所示的贝叶斯网络中将 企业绩效“好”的概率设定为1.00),通过叭叶斯诊断可以确定质量管理实践“好”的概率为0.679.表4显示 的是以企业绩效为基础对质量管理实饯、内部质量绩效和外部质量绩效做出的贝叶斯诊断 表4企业绩效的贝叶斯诊断 企业绩效的状态 质量管理实践 内部质量绩效 外部质量绩效 p(好)p(中)(差)以(好)D(中)p(差)p(好)m(中)p(差) 好 0.6790.2580.06290.6440.3170.03960.4750.4600.0646 0.5100.3420.1480.3540.5600.08570.3050.5270.168 差 0.4600.3450.1950.3440.3960.2600.2790.5020.219 如表4所示,当企业缵效发生“好→中→差”的变化时,质量管理实践、内鄙质量绩效和外部质量绩效 好”的概率均呈现明显卜降趋势,“差”的概率则呈现明显上升趋势;质量管理实饯“中”的概率先明显上升, 然后缓慢上升,而内部质量绩效和外部质量绩效“中”的概率均先上升,后下降.表4还显示,内部质量绩效 好时,容易产生好的企业绩效.此外,当企业发现其内部和外部质量绩效发生变化时,可以根据贝叶斯网络确 定质量管理实践的状态,为质量管理实践的有效实施提供决策依据.表5和表6显示的分别是以内部质量绩 效和外部质量绩效为基础对质量管理实践做出的贝叶斯诊断 第8期 宋永涛.等:基于贝叶斯网络的质量管理实践对绩效的影响评价 1445 表5内部质量绩效的贝叶斯诊断 表6外部质量绩效的贝叶斯诊断 内部质量绩效的状态 质量管理实践 外部质量绩效的状态 质量管理实践 P(好)p(中)p(差) p(好)p(中)p(差 好中差 0.7960.1720.0319 0.4170.4360.148 0.1970.3900.414 好中差 0.8060.1700.0246 0.5070.4160.0765 0.2110.2610.528 5结束语 质量管理实践与绩效的关系以及如何在企业内有效地实施质量管理实践是质量管理研究人员和实践者 关注的主要问题,目前巳有大量关于质量管理实践与绩效关系的研究.当前大部分基于实证的研究都无法有 效地解决变量间非线性关系的难题,同时当前的研究只能对绩效进行有限的预测,预测的精度不高,更重要 的是无法对绩效的原因做出诊断.本研究提出了将SEM与贝叶斯网络相结合的方法,在经过SEM实证验证 的模型的基础上,建立了质量管理实践和绩效的贝叶斯网络模型,并对质量管理实践和绩效的关系进行了有 效的预测和诊断.该方法继承了SEM和贝叶斯网络的优点,在发挥SEM基于实证的证实能力的同时又突出 了贝叶斯网络处理非线性关系的能力及预测和诊断能力. 本研究有助于企业眢理人员理解质量管理实践对绩效的影响机理,帮助企业制定有效的质量决策.提出 的SEM和贝叶斯网络相结合的方法能够在识别变量间因果关系的基础上,利用贝叶斯网络对结果变量进行 预测和诊断,为管理决策提供支持.该方法同样可以应用于顾客关系管理、各类风险的评价和管理等领域 参考文献 1 Saraph J V, Benson P G, Schroeder R G. An instrument for measuring the critical factors of quality manage ment[J. Decision Science, 1989, 20(4): 810-829 2 Powell T C. Total quality management as competitive advantage: A review and empirical study J. Strategic Management Journal, 1995, 16(1): 15-37 3 De Cerio J M. Quality management practices and operational performance: Empirical evidence for Spanish industry J. International Journal of Production Research, 2003, 40(12 ):2763-2786 4 Dow D, Samson D, Ford S. Exploding the myth: Do all quality management practices contribute to superior quality performance? J. Production and Operations Management, 1999, 8(1):1-27 5]李钊,苏秦,宋永涛质量管理实践对企业绩效影响机制的实证硏究[J·科斫管理、2008,29(1):41-47 Li Z. Su Q, Song Y T. Empirical study on influencing mechanism between quality management practice and business performance[J. Science Research Management, 2008, 29 (1:41-47 6]姜鹏,苏秦,党继祥,等.不同类型的质量管理实践与企业绩效影响机制的实证硏究[J.中国软科学,2009(7):134-143 Jiang P, Su Q. Dang JX, et al. An empirical research on the relationship among different k Inas o quality management practices and firm performance J]. China Soft Science, 2009(7): 134-143 7 Song X Y, Lee S Y. Bayesian analysis of structural equation models with nonlinear covariates and latent vari ablesJ. Multivariate Behavioral Research, 2006, 41(3):337 365 8 Gupta s, Kim H W. Linking structural equation modeling to Bayesian networks: Decision support for customer retention in virtual communities[J. European Journal of Operational Research, 2008, 190: 818-833 9 Anderson R, Mackoy R D, Thompson V B, et al. A Bayesian network estimation of the services-profit chain for transport service satisfaction[J]. Decision Science, 2004, 35(4):665-689 10 Cohen J. Cohen P. Applied Multivariate Regression/ Correlation Analysis for the Behavioral SciencesM. Hills dale, New Jersey London: Lawrence Erlbaum Associates, 1983 11 Taylor S. Assessing regression-based importance weights for quality perceptions and satisfaction judgement in the presence of higher order and interaction effects J] Journal of Retailing, 1997, 73(1): 135-159 12 Reinecke J Nonlinear structural equation models with the theory of planned behavior: Comparison of multiple group and latent product term analyses[J]. Quality Quantity, 2002, 36: 93-112 13 Scheines R, Hoijtink H, Boomsma A. Bayesian estimation and testing of structural equation models. Psy chomctrika 14 Das S, Chen M H, Kim S, et al. A Bayesian structural equations model for multilevel data with missing responses and missing covariates J. Bayesian Analysis, 2008, 3(1): 197-224 15]茆诗松.贝叶斯统计M].北京:中国统计出版社,199 Mao Ss. Bayesian Statistics[M]. Beijing: China Statistics Press, 1999 1446 系统工程理论与实践 第31卷 6〗陆静,唐小我.基于贝叶斯网络的操作风险预警机制硏究[.管理工程学报,2008,22(4):5661 Lu J, Tang X W. Building up the pre-warning system of operational risk by means of Bayesian networksJI Journal of Industrial Engineering and Engineering Management, 2008, 22(4) :56-61 17 Blodgett J G, Anderson R D A Bayesian network model of the consumer complaint processJ. Journal of Ser Research,200,2(4):321-33731 rvice 18]周忠宝,董豆豆,周经纶.贝叶斯网络在可靠性分析中的应用[J.系统工程理论与实践,2006.26(6):95-100 Zhou Z B, Dong DD, Zhou J L. A pplication of Bayesian network in reliability analysis[J]. Systems Engineering Theory Practice, 2006. 26(6):95 100 19 JOreskog K G, Sorbom D, Du Toit s, et al. Lisrel 8: New Statistical Features[M]. Lincolnwood, IL: Scientific Software international. 2 03 20 Flynn B B. Schroeder R G, Sakakibara SS. A framework for quality management research and an associated measurement instrument J. Journal of Operations Management, 1994, 11(4):339-366 21 Tari J J, Molina J F, Castejon J L. The relationship between quality management practices and their effects on quality outcomes. European Journal of Operational Research, 2007, 183: 483-501 22 Forker L B. The contribution of quality to business performance J]. International Journal of Operations Production Management, 1996, 16 (8):44-62 23 Curkovic S, Vickery S, Droge C Quality-related action programs: Their impact on quality performance and firm pcrformanccJ. Dccision Scicncc, 2000, 31(4):885-905 24 Kaynak H. The relationship bet ween total qualit y InanageInent practices and their effects on firIn perforIllanceJ] Journal of Operations management, 2003, 21: 405-435 25 Fynes B, Voss C. The moderating effect of buyer-supplier relationships on quality practices and performanceJ International Journal of Operations Production Management, 2002, 22(6):589-613

...展开详情
试读 7P 论文研究-基于贝叶斯网络的质量管理实践对绩效的影响评价.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
weixin_38744435 你的留言是对我莫大的支持
2019-09-20
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分,得勋章
最新推荐
论文研究-基于贝叶斯网络的质量管理实践对绩效的影响评价.pdf 20积分/C币 立即下载
1/7
论文研究-基于贝叶斯网络的质量管理实践对绩效的影响评价.pdf第1页
论文研究-基于贝叶斯网络的质量管理实践对绩效的影响评价.pdf第2页

试读结束, 可继续读1页

20积分/C币 立即下载 >