《基于隐变量分析的IT投资回报模型研究.doc》由会员分享，可在线阅读，更多相关《基于隐变量分析的IT投资回报模型研究.doc（2页珍藏版）》请在三一办公上搜索。
1、图 1 结构方程与通径图的对应关系基于隐变量分析的 IT 投资回报模型研究杨智勇 1,2, 刘金兰 1( 1.天津大学 系统工程研究所, 天津 300072; 2.江西师范大学 信息工程研究所, 南昌 330022)摘要: 本文提出了一种基于隐变量分析的 IT ( Information Technology) 投资回报模型。模型通过建立定性与定量相结合的回报测评指标体系, 引入隐变量分析技术及结构方程模型建模方法, 对 IT 投资的财务收益与非财务收益进行综合测评并建模, 解决了 IT 投资的管理、顾客、战略等非财务收益难 以测量的问题, 实现了对 IT 投资回报的综合评价。最后运用此模型对
2、某企业的信息系统进行了投资回 报分析。关键词: 隐变量分析; 信息技术; 投资回报中图分类号: F22; C931.6文献标识码: A文章编号: 1002- 6487( 2007) 09- 0149- 02随着我国企业信息化进程的广泛开展, IT 投资的回报问题已经受到企业的密切关注。目前的 IT 投资回报模型主要 有成本- 收益分析、神经网络方法1、灰色系统方法2等, 此类 方法仍主要就企业 IT 投资所产生的财务收益展开评价。但由 于 IT 投资具有长期性、多维性的特点, 它在管理、顾客及战略 等方面的收益则难以测量或不可测量, 这就使得 IT 投资回报 的测评存在极大的模糊性与复杂性,
3、这是单一的财务收益测 评所无法体现出来的。因此, IT 投资回报的评价需要综合考 虑企业所获得的包括财务收益与非财务收益在内的所有收 益, 这是目前 IT 投资回报模型最新的研究方向之一3。本文基于隐变量分析技术, 提出了一种新的 IT 投资回 报模型, 在结合财务收益分析的基础上, 对 IT 投资所产生的 管 理 、顾 客 、战 略 等 非 财 务 收 益 进 行 了 综 合 考 量 , 建 立 了 定 性与定量相结合的回报测评指标体系, 解决了 IT 投资的非取值由外界因素决定; 而内生变量即因变量, 它的取值由外生变量决定。对于隐变量分析模型, 除了可以用通径图表示外, 还可 以利用结构
4、方 程 模 型 ( Structural Equation Model, SEM) 进 行 表示5, 这两种表示方法是等价的。图 1 显示了通径图与结构 方程模型之间的对应关系, a 是模型的通径图, b 是与通径图 相对应的结构方程模型。财务收益难以测量的问题,价。实现了对 IT 投资回报的有效评结构方程模型包括测量方程( Measurement Equation) 、结构方程( Structural Equation) 和模型假设。测量方程描述了隐变量 与 其 测 量 指 标 之 间 的 关 系( 如 图 1.b 中 的 前 四 个 方1隐变量分析程) , 结构方程则描述了隐变量之间的因果
5、关系( 如图 1.b 中的第 5 个方程) 。隐变量分析模型可用结构方程模型表示如下:测量方程:1.1 隐变量分析模型隐变量分析是近几十年来应用统计领域中发展最为迅 速的一个分支, 它已被广泛地应用于心理、教育、社会等学科 领域。隐变量分析能够过滤误差及个体差异、同时考察变量 间的直接作用与间接作用, 并能够找出变量间存在的内在的 结构关系或验证某种结构关系是否合理。隐变量分析通过通 径图直观地显示变量间的关系( 图 1.a) 。在隐变量分析中, 按变量的可直接测量与否, 可将变量分为显变量与隐变量( Latent Variable, LV) 两类4。其中隐变 量是无法直接测量的, 对它的测量
6、需要借助可测量的显变量 实现, 此时显变量也称为指标变量。同时根据变量的因果关 系, 还可以把变量分为外生变量( Exogenous Variable) 内生变 量( Endogenous Variable) 两类。其中外生变量即自变量, 它的x=x+x+,y=y+y+,结构方程:=+.(1a)(1b)(1c)其中 x 是 kq1 外源指标向量, 是 n1 外源隐变量向量 ( 设i 有 kqi 个指标, i=1,.,n, 则 kq=kqi) , x 是 x 在 上的 kqn 因 子负荷向量, 是 kq1 的测量误差向量, x 是 kq1 的常数项 向量; y 是 kp1 的内生指标向量, 是
7、m1 的内生隐变量向量( 设 i 有 kpi 个指标, i=1,.,m, 则 kp=kpi) , y 是 y 在 上的kpm 因子负荷向量, 是 kp1 的测量误差向量, y 是 kp1 的 常数项向量; 是 m1 的常数项向量, 是 m1 的残差向量。图 2 IT 投资回报隐变量分析模型是 与 之间的 mm 系数矩阵, 是 与 之间的 mn系数矩阵。模型假设6:、均为零均值向量;与 、与 不相关;与 无关, i 与 j 无关、r 与 s 无关(ij1 i,j=1, . , q1 rs1 r,s=1, . ,p);与 和 不相关;与 、无关。1.2 模型的估计与求解上述模型的估计目前主要有基于
8、最大 似 然 估 计 ( Maxi- mum Likelihood, ML) 的 LISREL 方法6和偏最小二乘( Partial Least Square, PLS) 7 8两大类方法。本文模型的估计使用偏最 小二乘法( Partial Least Square, PLS) 。PLS 方法采用迭代的 方式进行估计, 不需要数据分布假设, 适用于连续变量和分 类变量。偏最小二乘法能够估计测量变量的权重, 使它们对 投资回报的解释能力最大化, 投资回报以最终的内生变量或模型中除投资回报的观测指标( 即财务收益指标) 为可直接量化的定量指标外, 其余指标均为定性指标, 对这些指 标采用 9 级评
9、分制进行度量, 要求被调查者通过 1- 9 之间的 某个分值进行评判在具体指标上的自身感受, 从而达成对定 性指标的量化测量。3结论企业对 IT 投资日趋理性, 对其所产生的回报和综合效益也日益关注。IT 投资回 表 1 IT 投资回报隐变量分析模型指标体系因变量的形式出现在模型中,估计出的权重用于构建 IT 投资回报分值。IT 投资回报得分计算如下:报 已 经 由 当 初 的 只 分 析单纯经济收益, 发 展 为 对 非 经 济 收 益 同 时 进 行 综 合分析。考虑到非经济收 益 的 模 糊 性 和 不 可 测 量 性, 将其作为隐变量加以 分析显然是合理且更加有 效的。隐变量分析不仅能
10、 够消除测量误差, 而且能 通过 PLS 方法直接测算各 隐变量的外显值。研究显 示, 利用隐变量分析技术 对 IT 投 资 回 报 进 行 综 合 测评是可行和有效的。E()- min()QIT- ROI=100(2)2max()- min()3其中 QIT- ROI 是投资回报分值 , 是 投 资 回 报 的 潜 变 量 E()、min( )、max( )分 别 代 表 变 量 的 期 望 值 、最 小 值 和 最 大 值 。 变量的最小值和最大值由相应的观测指标值决定, 即:n2min()=wiminxii = 1nmin()=wiminxi(3a)4(3b)i = 1其中, xi 为潜
11、在投资回报的观测指标, wi 为权重, n 为观 测指标个数。IT 投资回报的隐变量分析模型22.1 模型构建对于 IT 投资回报的分析, 需要建立一个定量与定性相 结合的指标体系。定量分析主要关注于可以通过常规的成 本- 收益分析来测量的财务收益, 如经济价值创造能力评价参考文献:1汪 勇 , 严 红 , 李 林 峰. 企 业 信 息 化 经 济 效 益 分 析 与 评 价J. 现 代 情报, 2006, ( 2) 。2陈冬林, 黎志成.信息系统投资项目评价指标确定与灰色综合评价J.系统工程理论与实践, 2002, ( 2) 。3张浩, 冯林.平衡记分卡在 IT 投资回报评价中的应用J, 统
12、计与决 策, 2006, ( 5) 。4孙尚拱, 隐变量分析简介(一)J.数理统计与管理, 2002( 1 月) 21, 1。 5John C. Loehlin. Latent Variable models: An Introduction to Factor, Path, and Structural Analysis M. Mahwah: LawrenceErlbaum Associates, NJ, 1998, 1- 37.6侯杰泰, 温忠麟, 成子娟; 结构模型及其应用M.北京, 教育科学出 版社; 2004。7Wold H. Soft Modeling: The Basic Des
13、ign And Some EXtensions A. Systems Under Indirect Observation: Causality, Structure, PredictionC. Amsterdam: North- Holland, 1982, 1- 54.8Jan- Bernd Lohmoeller. Latent Variables Path Analysis with Par- tial Least SquaresM. Heidelberg: Physicaverl, 1989.( 责任编辑 / 李友平)法( Economic Value Added, EVA) 、 整
14、体 拥 有 成 本 法 ( TotalCost of Ownership, TCO) 、 微 软 快 速 经 济 价 值 评 量 法 ( Mi-crosoft s Rapid Economic Justification, MREJ) 等; 定性分析方 法则不是单纯地测量财务收益, 而是同时着眼于评估顾客、 雇员满意度和运作效率等其它方面的收益, 比如平衡记分卡( Balanced Scorecard) 方法3等。研究显示, 财务、管理、顾客、战略等构成了企业 IT 投资 回报收益的四个主要方面。其中财务收益是回报的直接体现 形式, 是可直接测量的, 因此在模型中将其作为投资回报的 观测指标;
15、 而后三者及投资回报则是无法直接量化的, 因此 在模型中均作为隐变量处理, 且相互间存在较强的因果关 系。根据上述研究, 可以为构建一个含有四个隐变量的 IT 投 资回报隐变量分析模型( 通径图如图 2 所示) , 并为模型中各 隐变量建立可观测( 显变量) 指标体系如表 1 所示。150统计与决策 2007 年 9 月(理论版)隐变量观测指标影响管理管理模式先进性x1+业务流程合理性x+信息质量改善x+工作质量改善x4+工作效率提升x5+顾客1产品可靠性y1+产品质量y+客户抱怨y3-客户忠诚y+服务满意度y5-战略2竞争力提升y6+管理水平提升y7+决策支持y8+投资回报3销售增长率y9+利润增长率y10+成本降低率y11+交货及时率y12+停工待料率y13+存货周转率y14+
