企业创新项目组合绩效预测的贝叶斯网络模型研究

摘要

为了维持长期的竞争优势，企业常常并行开展多个创新项目以便最大程度地利用资源，同时也使得创新项目组合管理的重要性逐渐凸显。创新项目组合的成功可以通过创新项目组合管理完成项目组合战略目标的程度即创新项目组合绩效来呈现。要保证有着较高创新项目组合绩效就需要对创新项目组合管理的整个过程进行管控，及时地发现影响成功的关键因素。创新项目组合的成功受到高管参与、项目经理胜任力、项目组合管理流程等多因素的影响，且影响因素间不仅存在线性关系，也可能存在复杂的非线性因果关系。然而，传统的绩效预测方法大部分只考虑影响因素间的线性因果关系或者本身就存在缺陷。
　　本研究使用贝叶斯网络对创新项目组合绩效进行预测，然而，贝叶斯网络在区分因果关系和虚假关系方面却有着不足。为了解决这种不足且提高预测准确率，建立一个含潜变量的贝叶斯网络模型，并提出创新项目组合绩效预测的方法框架。首先，通过问卷调查识别创新项目组合绩效的影响因子，建立项目组合绩效的传统贝叶斯网络结构;然后，基于贝叶斯网络图中变量间的因果关系构建变量间的假设因果关系模型，采用偏最小二乘法进行模型参数估计，并根据路径系数的显著性识别出虚假的因果关系，形成新的贝叶斯网络模型;最后，通过参数学习预测创新项目组合绩效。此外，将本文所提出的方法应用于收集的169份企业样本数据，并使用了十折交叉法计算了人工神经网络、树扩展的贝叶斯分类器结构学习的网络结构、K2算法结构学习的网络结构以及偏最小二乘法优化后的贝叶斯网络结构对创新项目组合绩效预测的平均准确率，结果表明了本文所提出网络结构有着较高的准确性和稳定性。

目录

声明

致谢

摘要

第一章 绪论

1．1 问题背景

1．2 研究现状、存在的问题及研究意义

1．2．1 研究现状

1．2．2 存在问题及研究意义

1．3 论文研究框架

1．4 论文结构

第二章 相关理论

2．1 创新项目组合管理

2．2 创新项目组合绩效

2．3 贝叶斯网络理论基础

2．3．1 贝叶斯网络的基本概念

2．3．2 贝叶斯网络应用及优点

2．3．3 贝叶斯网络建模方法

2．4 绩效预测方法

第三章 创新项目组合绩效影响因素的确定

3．1 创新项目组合绩效影响因素

3．1．1 高管参与

3．1．2 项目经理胜任力

3．1．3 项目组合管理流程的设计与实施

3．1．4 单个项目终止流程

3．2 数据收集

3．2．1 问卷设计和指标测量

3．2．2 数据来源

3．3 探索性因子分析

3．4 信度和效度检验

第四章 创新项目组合绩效预测的贝叶斯网络模型构建

4．1 潜变量得分计算

4．2 创新项目组合绩效预测的初始BN模型

4．2．1 数据离散化

4．2．2 基于K2算法的BN结构学习

4．3 基于PLS算法检验的创新项目组合绩效预测的BN模型

4．3．1 因果关系检验

4．3．2 偏最小二乘算法

4．3．3 基于PLS算法的BN模型

4．4 创新项目组合绩效预测的BN参数学习

第五章 实例应用

5．1 创新项目组合绩效预测

5．2 模型评估

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

附录

攻读硕士学位期间的学术活动及成果情况