第3期 赵海峰,等结构方程模型与人工神经网络模型的比较-265 的方差协方差矩阵、结构方程中各误差项的方差协 另外,外生潜在变量之间的协方差小于零,说明 方差矩阵、y变量的测量误差的方差协方差矩阵、x外部股的比例与内部治理效率之间有着负相关关 变量的测量误差的方差协方差矩阵。 系。考虑到两个内生变量的多重相关系数的平方分 23研究结果及数据分析 别为Q2510和Q3248,说明方程的解释能力并不 由软件计算所得的具体的参数估计结果见表是非常强的。 l。从对各参数的估计结果来看,除了A21和n之 8个标识中有2个的斜率小于Q5,而几乎所有 外,其余各参数均统计显著,说明x2和x3可能不是的指标都有正的或负的凹度,这些数据明显偏离了 E的好标识,这与本文认为以时间表示的经营者经常态假设但本文仍然进行了最大似然估计。有很多 验指标能够对经营者能力进行衡量的假设是违背管理领域的研究中都采用了这种做法,但是几乎没 的这一结果说明,对经营者的管理能力及认知水平有对假设进行检验。ML估计偏离常规可能问题不 的影响因素还需作进一步的分析,可能需要选取其大,但实际情况是参数估计和有效性检验结果以 它指标来进行衡量以提高模型的拟合优度。 种未知的模式偏离常规。按照其他管理领域研究的 内生潜在变量之间的通径系数1>0且统计传统做法,似乎可以无视那些非正常现象和关系错 显著,说明企业是否经过“高新技术”认定对企业的误而照常对结果进行解释。在本文的研究中比这些 经营绩效有正面的影响,由于y为虚拟编码的直接传统更近了一步,将把这些数据用人工神经网络的 观测变量,其参照组为没有经过高新技术企业认定,计算方法进行处理以重新审视这些研究结果的解释 所以该结果说明经过高新技术企业认定的企业比没性与合理性 有经过认定的企业有着更好的经营绩效。1和1都 报告的最后提供了一些修正信息,其中提示将 是正值且统计显著,说明内部治理效率对企业绩效因子负载λ2改为自由参数可以相对最大限度地改 有着正面的影响,即内部治理效率高的企业会表现善卡方值,将其减少4501。这一修改可以在一定程 出更好的绩效无论从经营能力还是从是否通过高度上改善模型的拟合优度。本文在下面的研究中将 新认定方面都是如此。%2和都是负值且统计显忽略修正信息的提示,而采用其他非参数分析方法 著,说明外部股的比例对企业绩效有着负面的影响,—人工神经网络技术进行研究期望这一方法可 即外部股的比例越大企业的绩效越差。以上结论说以有助于进一步理清关系结构,同时考察结构方程 明企业内部股比企业外部股的激励效果要大。这与模型的子结构是否足够强壮到可以通过进一步的实 本文的研究假设是一致的。 证检验 表1参数估计表 LAM BDA 2=00031 42=0001521=150241 1=60210 B=a0134 =02473 g=47468 Covariance M atrx of EtA and KSI 00282 0216822340 06809 02168 2340 Squared M uItp le Correlatons fo Structural Equatons n:02510 n:03248 THETA -EPS 442022 y3:Q0901 THTEADELTA x:08979 x2:990334 7420 91994-2010ChinaAcademicjOUrnalElectronicPublishingHouseAllrightsreservedhttp://www.cnki.net的方差协方差矩阵、结构方程中各误差项的方差协 方差矩阵、y 变量的测量误差的方差协方差矩阵、x 变量的测量误差的方差协方差矩阵。 2. 3 研究结果及数据分析 由软件计算所得的具体的参数估计结果见表 1。从对各参数的估计结果来看, 除了 Κx 21和 Κx 31之 外, 其余各参数均统计显著, 说明 x 2 和 x 3 可能不是 Ν1 的好标识, 这与本文认为以时间表示的经营者经 验指标能够对经营者能力进行衡量的假设是违背 的, 这一结果说明, 对经营者的管理能力及认知水平 的影响因素还需作进一步的分析, 可能需要选取其 它指标来进行衡量以提高模型的拟合优度。 内生潜在变量之间的通径系数 Β21> 0 且统计 显著, 说明企业是否经过“高新技术”认定对企业的 经营绩效有正面的影响, 由于 y 1 为虚拟编码的直接 观测变量, 其参照组为没有经过高新技术企业认定, 所以该结果说明经过高新技术企业认定的企业比没 有经过认定的企业有着更好的经营绩效。Χ11和 Χ21都 是正值且统计显著, 说明内部治理效率对企业绩效 有着正面的影响, 即内部治理效率高的企业会表现 出更好的绩效, 无论从经营能力还是从是否通过高 新认定方面都是如此。Χ12和 Χ22都是负值且统计显 著, 说明外部股的比例对企业绩效有着负面的影响, 即外部股的比例越大, 企业的绩效越差。以上结论说 明企业内部股比企业外部股的激励效果要大。这与 本文的研究假设是一致的。 另外, 外生潜在变量之间的协方差小于零, 说明 外部股的比例与内部治理效率之间有着负相关关 系。考虑到两个内生变量的多重相关系数的平方分 别为: 0. 251 0 和 0. 324 8, 说明方程的解释能力并不 是非常强的。 8 个标识中有 2 个的斜率小于 0. 5, 而几乎所有 的指标都有正的或负的凹度, 这些数据明显偏离了 常态假设, 但本文仍然进行了最大似然估计。有很多 管理领域的研究中都采用了这种做法, 但是几乎没 有对假设进行检验。M L 估计偏离常规可能问题不 大, 但实际情况是参数估计和有效性检验结果以一 种未知的模式偏离常规。按照其他管理领域研究的 传统做法, 似乎可以无视那些非正常现象和关系错 误而照常对结果进行解释。在本文的研究中比这些 传统更近了一步, 将把这些数据用人工神经网络的 计算方法进行处理以重新审视这些研究结果的解释 性与合理性。 报告的最后提供了一些修正信息, 其中提示将 因子负载 Κy 21改为自由参数可以相对最大限度地改 善卡方值, 将其减少 45. 01。这一修改可以在一定程 度上改善模型的拟合优度。本文在下面的研究中将 忽略修正信息的提示, 而采用其他非参数分析方法 ——人工神经网络技术进行研究, 期望这一方法可 以有助于进一步理清关系结构, 同时考察结构方程 模型的子结构是否足够强壮到可以通过进一步的实 证检验。 表 1 参数估计表 LAMBDA Κy 32= 0. 003 1 Κy 42= - 0. 001 5 Κx 21= 15. 024 1 3 Κy 31= 6. 021 0 3 BETA Β21= 0. 013 4 GAMMA Χ11= 0. 042 0 Χ21= 0. 001 7 Χ12= - 0. 002 3 Χ22= - 0. 000 1 PS I Φ1= 0. 247 3 Φ2= 4. 746 8 CovarianceM atrix of ETA and KS I Γ1 Γ2 Ν1 Ν2 Γ1 0. 246 0 Γ2 0. 000 8 47. 458 7 Ν1 0. 028 2 0. 001 6 0. 680 9 Ν2 - 0. 028 2 - 0. 001 6 - 0. 216 8 22. 234 0 PH I Ν1 Ν2 Ν1 0. 680 9 Ν2 - 0. 216 8 22. 234 0 Squared M ultip le Co rrelations fo r Structural Equations Γ1: 0. 251 0 Γ2: 0. 324 8 THETA 2EPS y 2: - 44. 202 2 y 3: 0. 090 1 y 4: 1. 117 0 THTEA 2DEL TA x 1: 0. 897 9 x 2: 99. 033 4 x 3: 6. 742 0 x 4: 22. 450 9 第 3 期 赵海峰, 等: 结构方程模型与人工神经网络模型的比较 — 265 —