基于ICA對價值鏈與企業(yè)家心智的關(guān)聯(lián)研究

摘要：

文章在分析影響價值鏈的企業(yè)家心智因素過程中引入了ICA理論，對應(yīng)用ICA理論進(jìn)行企業(yè)家心智因素的提取進(jìn)行了可行性分析。在實證研究中通過基于ICA理論的FastICA算法從一組觀測數(shù)據(jù)中分離出了影響價值鏈波動的主要因素，經(jīng)分析，企業(yè)家的認(rèn)知結(jié)構(gòu)對價值鏈的影響比較顯著。該方法用于篩選企業(yè)家心智因素是可行的，為ICA理論用于價值鏈管理和優(yōu)化提供了理論參考。

關(guān)鍵詞：價值鏈;企業(yè)家心智;獨立分量分析（ICA）;FastICA

中圖分類號：F27291 " 文獻(xiàn)標(biāo)志碼：A " 文章編號：

10085831（2015）04008006

一、問題的提出

價值鏈管理作為企業(yè)戰(zhàn)略的核心理念，在企業(yè)識別競爭優(yōu)勢資源方面發(fā)揮著重要作用[1]。以核心競爭力為基礎(chǔ)的整個價值鏈的競爭成為當(dāng)代企業(yè)競爭的重點[2]，企業(yè)要想生存發(fā)展就必須將分析重心從“競爭”轉(zhuǎn)移到“優(yōu)勢”的構(gòu)建上。企業(yè)家決定和影響了企業(yè)價值鏈的發(fā)展，對企業(yè)生存和發(fā)展起主導(dǎo)作用;并且企業(yè)家能力對企業(yè)價值鏈的發(fā)展和協(xié)調(diào)是企業(yè)生產(chǎn)經(jīng)營效率的保證[3]。這就要求企業(yè)從企業(yè)家的角度實現(xiàn)價值鏈的高效率、高效益，進(jìn)而提高企業(yè)核心競爭力，打造企業(yè)的競爭優(yōu)勢。

欲通過改造企業(yè)家心智來提高價值鏈效益，必須首先能夠證實企業(yè)家心智與價值鏈之間的相互關(guān)聯(lián)，把握企業(yè)家心智的不同因素對價值鏈的影響情況。企業(yè)價值鏈的統(tǒng)計數(shù)據(jù)中包含著大量信息，能從中通過統(tǒng)計數(shù)據(jù)的波動情況挖掘出企業(yè)家心智對于價值鏈的影響，將會對企業(yè)通過企業(yè)家的改造來提升競爭力具有重要意義。

ICA可以從觀測數(shù)據(jù)中分離出不同的影響因素，這與從價值鏈影響因素中分離企業(yè)家心智的不同方面的分析有相同的過程研究。針對價值鏈影響因素的特征，將ICA理論引入社會科學(xué)的數(shù)據(jù)處理中，以期加深對價值鏈?zhǔn)芷髽I(yè)家心智影響的認(rèn)識，為提高企業(yè)家對價值鏈的管理能力奠定一定的基礎(chǔ)。

二、價值鏈與企業(yè)家的關(guān)聯(lián)分析

（一）價值鏈的相關(guān)理論

價值鏈的概念由邁克爾·波特在20世紀(jì)80年代提出，最初是為了研究企業(yè)創(chuàng)造價值的過程。在邁克爾·波特《競爭優(yōu)勢》一書中企業(yè)的價值鏈?zhǔn)侵钙髽I(yè)基本活動與輔助活動在企業(yè)價值創(chuàng)造相互聯(lián)系、相互依存的動態(tài)過程系統(tǒng)。其中，價值鏈基本活動是創(chuàng)造價值的必經(jīng)過程，指的是從產(chǎn)品創(chuàng)造到產(chǎn)品銷售轉(zhuǎn)移以及后續(xù)售后服務(wù);另外，從原料采購、企業(yè)基礎(chǔ)設(shè)施建設(shè)到產(chǎn)品技術(shù)開發(fā)與人力資源管理的一系列價值鏈輔助活動是基本活動得以順利完成的保證，也是價值增值、保值的核心。

時代在變革，價值鏈由傳統(tǒng)價值鏈、虛擬價值鏈轉(zhuǎn)向價值網(wǎng)，理論界對價值鏈研究也在不斷創(chuàng)新[4-5]。毫無疑問，只有對價值鏈管理作出精準(zhǔn)把握的企業(yè)才能取得價值最大化，才能始終在時代的變革中取得有利的競爭地位。

本文中企業(yè)家是指在固有心智模式下對戰(zhàn)略形成有主導(dǎo)作用的各類群體，包括企業(yè)領(lǐng)導(dǎo)者、CEO、總經(jīng)理、高級經(jīng)理和其他專門人員，他們對整個價值鏈管理負(fù)有責(zé)任。

在價值鏈管理過程中，只有通過企業(yè)家的組織協(xié)同，整個企業(yè)流程才能達(dá)到最優(yōu)運行效果[6]。企業(yè)家是企業(yè)持續(xù)發(fā)展的主導(dǎo)力，企業(yè)家是企業(yè)的管理者和戰(zhàn)略者，因此，企業(yè)運行中價值鏈的優(yōu)化更離不開企業(yè)家本身[7]。此外，企業(yè)獲得或保持競爭優(yōu)勢主要取決于企業(yè)家對價值鏈的影響。可以說，企業(yè)的競爭優(yōu)勢取決于企業(yè)家認(rèn)識和組織其企業(yè)自身價值鏈，也取決于企業(yè)家理解和適應(yīng)整個產(chǎn)業(yè)的價值鏈[8]。因此，企業(yè)家尋求價值鏈核心創(chuàng)造力的過程就是企業(yè)家樹立企業(yè)競爭地位的嘗試[9]。可以說，企業(yè)家是戰(zhàn)略決策的主體，也是企業(yè)價值鏈優(yōu)化的主體。

從企業(yè)價值鏈的角度看，企業(yè)家支撐著整個價值鏈。而上至企業(yè)最高領(lǐng)導(dǎo)，下到每位主管都應(yīng)是價值鏈管理的中堅力量[10]。此外，企業(yè)在整合資源的過程中，具有能力的企業(yè)家是企業(yè)持續(xù)競爭優(yōu)勢的根本源泉[11]。總之，企業(yè)家是影響企業(yè)價值創(chuàng)造的主導(dǎo)力量[12]，占不足企業(yè)人數(shù)20%的企業(yè)家可以創(chuàng)造企業(yè)80%以上的價值[13]。

（二）企業(yè)家心智的基本理論

上述研究認(rèn)可了價值鏈中企業(yè)家主導(dǎo)作用的普遍存在，而隨著研究的不斷深入和實踐的不斷發(fā)展，一些研究發(fā)現(xiàn)，價值鏈管理失敗的部分原因是企業(yè)家管理技術(shù)所無法分離出來的。湯姆·彼得斯認(rèn)為管理的成功95%在于對不斷變化的心理因素的把控，5%在于掌握的技術(shù)因素。又如張根明、陳才就企業(yè)家能力對企業(yè)競爭優(yōu)勢的影響所做的研究指出，企業(yè)家的決策可能由于企業(yè)家過于大膽的策略或是過程中的其他不可控因素導(dǎo)致不能取得滿意的效果[14]。有鑒于此，一些研究人員逐漸拓展到企業(yè)家的心理層次，針對企業(yè)家心理的負(fù)面影響提出了問題和應(yīng)對策略。如Antonio、Anna等則對企業(yè)家心智的影響進(jìn)行了驗證[15-16]。

彼得·圣吉認(rèn)為“心智模式”是根深蒂固于每個人心中的，能夠影響其認(rèn)識世界和改造世界的種種假設(shè)、成見甚至圖象、印象[17]。價值鏈中企業(yè)家心智的構(gòu)建要素有很多，為了研究方便起見，本文對影響價值鏈的企業(yè)家心智主要構(gòu)建了以下三個變量：企業(yè)家的情緒、認(rèn)知結(jié)構(gòu)和認(rèn)知能力。

迪斯尼的首席執(zhí)行官邁克爾·艾斯納在講述身邊盲目自信的教訓(xùn)時警示心智是需要管理的[18]。很多人已經(jīng)認(rèn)識到企業(yè)家在進(jìn)行戰(zhàn)略決策時心智中的情緒在決定企業(yè)組織的思維模式和行動上扮演著重要角色[19];自我認(rèn)知中的自信心水平與主觀偏好對機會和風(fēng)險的識別具有顯著影響[20];此外，如果一個企業(yè)領(lǐng)導(dǎo)人不具備企業(yè)家能力，在現(xiàn)代激烈的競爭中企業(yè)將很難生存和發(fā)展[11];但事實上大多數(shù)人都無法肯定什么才是企業(yè)家心智。正是由于人們對企業(yè)家心智概念理解上的模糊和不統(tǒng)一，才導(dǎo)致企業(yè)家心智理論在應(yīng)用上的困難。因此，較為全面地分析企業(yè)家心智特性的描述，有助于理解企業(yè)家心智的概念和本質(zhì)。

綜合國內(nèi)外學(xué)者的分析，筆者認(rèn)為企業(yè)家心智的特性可分為：（1）主觀性。企業(yè)家心智是具有企業(yè)家個人風(fēng)格的，在主導(dǎo)企業(yè)戰(zhàn)略中企業(yè)家常常強烈地遵循自己的習(xí)慣、偏好和風(fēng)格;（2）客觀性。企業(yè)家心智是在歷史和遺傳等事實的基礎(chǔ)上形成的;（3）相對性。企業(yè)家心智本身沒有好壞之分，只是相對于企業(yè)發(fā)展的時間和空間而言時，企業(yè)家心智對競爭優(yōu)勢才會有正負(fù)影響的區(qū)別。企業(yè)家若想保持競爭優(yōu)勢，就必須對自身心智持續(xù)不斷地進(jìn)行創(chuàng)新、修煉和培育，以實現(xiàn)自身能力的全面和深入發(fā)展。

以上分析從不同角度揭示了企業(yè)家心智對企業(yè)的影響，但究其本質(zhì)來說是企業(yè)家心智中這些因素對價值鏈制定和優(yōu)化的影響。正基于此，本文認(rèn)為，只有深入到企業(yè)家心智對企業(yè)家競爭優(yōu)勢原生性因素進(jìn)行研究，企業(yè)家對價值鏈的決定性才能得到徹底肯定。

三、ICA的基本原理

獨立分量分析（ICA）[21]是20世紀(jì)90年代發(fā)展起來的數(shù)據(jù)處理技術(shù)，其目的是從觀測的混合數(shù)據(jù)中分離出分布未知但相互統(tǒng)計獨立的分量。該數(shù)據(jù)處理方法由Pierre Common于1994年提出，最初是為了解決雞尾酒會的問題，后來逐漸應(yīng)用于數(shù)據(jù)挖掘[22]及經(jīng)濟(jì)學(xué)[23]等領(lǐng)域。1996年Makeig運用信息最大化等算法對EEG和ERP進(jìn)行數(shù)據(jù)分離并成功分離出腦電圖中的非人腦電波[24]。1997年Mekeown等嘗試從fMRI數(shù)據(jù)中分析確定與任務(wù)相關(guān)的人腦活動，通過擴(kuò)展的ICA算法分離出大腦中包含大量特定瞬時獨立分量的區(qū)域并成功確定與瞬變?nèi)蝿?wù)相關(guān)的腦活動的空間分布[25]。因此可見，獨立分量分析可用于分析隱藏在現(xiàn)象背后的深層次原因。

盲信號分離是從已知混合信號x（t）情況下重構(gòu)出源信號S（t）的一種技術(shù)。它是基于源信號之間統(tǒng)計上相互獨立，混合信號在混合上是線性的兩個條件成立的前提下的一種獨立成分分析。假設(shè)時刻為t，n維觀測數(shù)據(jù)向量記為X=x1，x2，…，xnT，m個未知源數(shù)據(jù)構(gòu)成的向量記為S=s1，s2，…，smT，則ICA的線性模型可以寫成

X=ASt=mi=1aisi（1）

在此模型中混合矩陣記為A，ai表示A的m個行向量中第i個向量。此類問題的解決方法就是通常所說的ICA方法（也被稱為BSS）。首先是根據(jù)觀察向量計算出白化矩陣V，也就是將觀察向量白化使得

Z=VX=VAS（2）

圖1 ICA模型

但將觀察向量白化只能去相關(guān)性，只有運用ICA尋求一可逆變換矩陣W、對Z施行線性變換才能輸出n個相互獨立的向量y，保證獲得分量的獨立性才有：

Y=WZ=WVAS（3）

其中Y表示源信號S的估計值?？傊?，數(shù)據(jù)分離就是確定一個關(guān)于分離矩陣W的目標(biāo)函數(shù)用于衡量Yt中各個數(shù)據(jù)之間的獨立性，當(dāng)目標(biāo)函數(shù)接近于最大或最小值時各個數(shù)據(jù)之間趨于相互獨立，通過不斷對W進(jìn)行更新，使分離后的Yt為源數(shù)據(jù)St的準(zhǔn)確估計。

ICA理論實現(xiàn)信號分離是假定混合的數(shù)據(jù)之間是相互獨立的，并通過抽取滿足統(tǒng)計獨立的特征作為輸入的表示。實質(zhì)上，ICA的求解過程通常可以歸結(jié)為兩步[26]：一是確定度量統(tǒng)計獨立性的目標(biāo)函數(shù)，二是選擇合適的優(yōu)化方法對目標(biāo)函數(shù)進(jìn)行優(yōu)化，如圖1所示。

四、企業(yè)家心智和ICA模型

（一）價值鏈觀測數(shù)據(jù)中的獨立分量

獨立分量分析是一個解決盲源分離問題的普遍方法。在ICA中，為了確保ICA的可解性，必須作出如下假設(shè)[21]：（1）si之間是相互統(tǒng)計獨立的;（2）所有的獨立分量si中，至多有一個服從高斯分布;（3）常系數(shù)矩陣A滿足列滿秩。關(guān)于尋找混合矩陣A和源信號有許多方法，本文采用有快速獨立分量分析（FastICA）[27]進(jìn)行價值鏈影響因素的分析，F(xiàn)astICA采用有較好魯棒性的負(fù)熵來建立目標(biāo)函數(shù)。由于FastICA能夠依據(jù)獨立分量的影響程度由強到弱逐個進(jìn)行提取，部分較弱影響因素可以看作干擾不進(jìn)行提取。例如，價值鏈必然與企業(yè)家的情緒、能力、認(rèn)知結(jié)構(gòu)強烈相關(guān)，然而，實際情況中，必定有其他因素影響價值鏈，由于這些因素影響較弱，在利用FastICA對觀測數(shù)據(jù)進(jìn)行處理時可以將其作為干擾不進(jìn)行提取。價值鏈中企業(yè)家心智因素的分離實質(zhì)上就是從價值鏈的影響因素中分離出占主導(dǎo)地位的企業(yè)家心智的具體因素。在應(yīng)用獨立分量分析進(jìn)行價值鏈影響因素的提取的實驗中，因為價值鏈優(yōu)化中心智復(fù)雜多變，在把不可見分量進(jìn)行轉(zhuǎn)化的基礎(chǔ)上，采用快速獨立分量分析（FastICA）法進(jìn)行可觀察數(shù)據(jù)分量分析。在此通過企業(yè)銷售統(tǒng)計情況來反映價值鏈中企業(yè)家心智的變化，這樣可以通過銷售情況的波動來反映企業(yè)家心智對價值鏈的影響。在可觀測的銷售數(shù)據(jù)中，隱藏的企業(yè)家心智因素表示為近似線性組合的混合觀察值，因此，運用ICA方法對價值鏈因素分量提取分析是可行的。此外，價值鏈優(yōu)化中的隨機因素作為噪音處理，在此前提下，銷售數(shù)據(jù)分量提取的基本模型就可表示為：

X（t）=AS（t）+V（t）（4）

在此模型中A表示m×n混合矩陣，隱藏的價值鏈影響因素作為統(tǒng)計獨立的源信號向量記為S=s1，s2，…，smT，不相關(guān)的噪音構(gòu)成的向量記為V。相當(dāng)于基本線性盲源分離模型方法假設(shè)，某些隱藏的分量信號或時間序列S=s1，s2，…，smT被線性組合成一個多維度量X=x1，x2，…，xnT，這相似于方程（4）中V（t）項為零的情況，即噪音因素V（t）可以不記取。

（二）ICA模型對價值鏈中企業(yè)家心智的解釋

基于上文的分析，筆者將影響企業(yè)價值鏈的主要心智因素歸結(jié)為企業(yè)家的情緒Y1、認(rèn)知結(jié)構(gòu)Y2和能力Y3三方面。每個人的情緒表現(xiàn)都是隨時間波動的一條變化曲線且會存在個別突變點。由于情緒管理能力的差異，不同人的情緒波動幅度不同，但總體的波動趨勢大致相同。認(rèn)知結(jié)構(gòu)是一個人頭腦里的一個有層次、有系統(tǒng)的知識結(jié)構(gòu)，是通過知識和經(jīng)驗形成的，大多數(shù)管理者往往具有較高的知識水平和大量的實踐經(jīng)驗，認(rèn)知結(jié)構(gòu)通常已經(jīng)形成且較為穩(wěn)定，曲線表現(xiàn)較為平緩。能力同樣受個人教育水平和實踐經(jīng)驗的影響，是逐漸積累形成的，通常能力表現(xiàn)曲線為一條非降的曲線。

在價值鏈影響因素中分離企業(yè)家心智的不同方面，雖然不同人的能力跟他的認(rèn)知結(jié)構(gòu)相關(guān)，但對于同一個人，尤其是一個管理者，認(rèn)知結(jié)構(gòu)是一個近似不變的量，而能力通常會表現(xiàn)出一定的上升性。同時，情緒不受能力和認(rèn)知結(jié)構(gòu)影響。因此，對于同一個管理者，情緒、能力和認(rèn)知結(jié)構(gòu)的表現(xiàn)能大致被假設(shè)成互相獨立的分量。分別以s1，s2，s3表示三者的波動曲線，則三條曲線在統(tǒng)計上是相互獨立的，因s2非降，s3表現(xiàn)較為平緩，s2和s3的概率統(tǒng)計明顯為非高斯分布。同時為了確保ICA的可解性，至少需要三組觀測數(shù)據(jù)（確保A滿足列滿秩）。鑒于影響價值鏈的企業(yè)家心智的三方面因素在統(tǒng)計上相互獨立，且只有一個因素的概率統(tǒng)計接近高斯分布，完全可以基于ICA模型實現(xiàn)價值鏈影響因素的分離。

五、價值鏈中企業(yè)家心智因素提取

（一）價值鏈觀測數(shù)據(jù)中的獨立分量——企業(yè)家心智

圖2 2010-2012年銷售統(tǒng)計數(shù)據(jù)

本文以某企業(yè)的銷售數(shù)據(jù)作為實驗的原始數(shù)據(jù)，即通過選取實際數(shù)據(jù)分析企業(yè)家心智中影響價值鏈的具體因素。以天津某自行車企業(yè)為例，在企業(yè)的運營過程中僅能得到企業(yè)的銷售統(tǒng)計情況，文章試圖通過ICA理論中的FastICA算法挖掘出影響銷售變化的企業(yè)家心智因素。以該自行車企業(yè)2010-2012年3年的銷售量144組數(shù)據(jù)作為觀測量，記為X=A·S。其中X=[x1，x2，x3]T，影響企業(yè)價值鏈的主要心智因素記作S=[s1，s2，s3]T，A是常系數(shù)混合矩陣。則企業(yè)家心智對價值鏈的影響模型如下：

x1=a11s1+a12s2+a13s3

x2=a21s1+a22s2+a23s3

x3=a31s1+a32s2+a33s3 （5）

其中，該企業(yè)2010-2012年3年的銷售統(tǒng)計情況X如圖2所示。

（二）FastICA算法與價值鏈中企業(yè)家心智因素分析

為了避免企業(yè)產(chǎn)品分類和企業(yè)地理位置等固定因素的影響，F(xiàn)astICA算法要求觀測數(shù)據(jù)滿足零均值單位方差，因此，在對企業(yè)家心智因素進(jìn)行提取之前，首先對銷售統(tǒng)計數(shù)據(jù)進(jìn)行預(yù)處理。零均值可通過觀測數(shù)據(jù)減去統(tǒng)計均值實現(xiàn)。經(jīng)白化后的信號滿足單位方差的條件，具體通過銷售統(tǒng)計數(shù)據(jù)X的協(xié)方差矩陣的特征值分解實現(xiàn)。

RX=1nni=1XiXiH=Mj=1λjvjvHj（6）

n表示快拍數(shù)，M為觀測數(shù)據(jù)數(shù)。假定要提取的主要影響因素數(shù)為N，取前N個較大的特征值λ及其對應(yīng)的特征向量v，令D=diagλ1，λ2，…，λN，V=v1，v2，…，vN。白化矩陣可表示為：T=D-12VH，則Z=TX為預(yù)處理之后的觀測信號，滿足EZZH=I。

度量心智因素之間獨立性的目標(biāo)函數(shù)如下式：

FW=EGWTZ（7）

式中G（·）為非二次函數(shù)，通常取Gu=lgcoshu，W為要求的分離矩陣，Z為預(yù)處理后的銷售統(tǒng)計數(shù)據(jù)。由于FastICA無法恢復(fù)影響因素的實際波形幅度，為了簡化計算，這里假設(shè)相對波形幅度為1，即需滿足條件：EWTZ2=‖W‖2=1。此時影響因素的提取問題轉(zhuǎn)化為帶約束條件的目標(biāo)函數(shù)優(yōu)化問題，基于Kuhn-Tucker條件將其轉(zhuǎn)化為非約束優(yōu)化問題，得到新的目標(biāo)函數(shù)：

F（W）=E{Z·g（WTZ）}-βW（8）

式中，β=EWT0Z·gWT0Z為拉格朗日乘子，W0是W的初值， g（·）是G（·）的導(dǎo)數(shù)。

基于式（9）所示的牛頓迭代法對新的目標(biāo)函數(shù)進(jìn)行優(yōu)化，得W的迭代式如式（10）。

Wk+1=Wk-F（Wk）F′（Wk）（9）

Wk+1=EZ·gWTkZ-Eg′WTkZ·Wk（10）

式中，k表示迭代次數(shù)，g′（·）是g（·）的導(dǎo)數(shù)。

基于式（10）所示的迭代式可求得用于心智因素提取的分離矩陣W，再經(jīng)Y=W·Z分離出影響因素，將上面的銷售數(shù)據(jù)輸入到ICA分析程序中去，程序流程圖如圖3。

經(jīng)過ICA算法處理后得到如圖4所示結(jié)果。

圖3 ICA程序流程圖

圖4 影響因素估計結(jié)果

比較圖2和圖4，從ICA的基本原理看出y1，y2，y3為s1，s2，s3的估計，此時在圖4中影響因素y1，y3的波動中心比較平穩(wěn)，y2的波動中心有上揚的趨勢。而在圖2中，作為2011年銷售量的x2從后半年開始有所上漲，其中x2是s1，s2，s3的線性組合。由于反映價值鏈的銷售統(tǒng)計X與企業(yè)家心智Y的相關(guān)性，決定了y2認(rèn)知結(jié)構(gòu)是影響x2的可能因素。

（三）價值鏈提取影響因素的結(jié)果評價

通過分析可以得到如下結(jié)論：在圖4銷售量影響因素分析中第一、第三波形表示企業(yè)家情緒和能力，企業(yè)家的認(rèn)知結(jié)構(gòu)是第二個波形。最終實驗成功獲得影響銷售量的深層次因素，制定相應(yīng)的、更具針對性的戰(zhàn)略政策就可以事半功倍，使企業(yè)家能夠更好地管理自身和企業(yè)價值鏈。根據(jù)以上分析，可知對價值鏈管理和優(yōu)化的關(guān)鍵是分析企業(yè)家心智的有效性，而形成良好的心智首先是要保證情緒、認(rèn)知結(jié)構(gòu)、能力成為管理的推動力，使企業(yè)家心智和價值鏈優(yōu)化可以互相優(yōu)化。價值鏈優(yōu)化離不開企業(yè)家的主導(dǎo)，這就要求企業(yè)首先要了解企業(yè)家心智中對該價值鏈影響最大的因素，通過建立ICA模型能迅速調(diào)動和監(jiān)督該因素，進(jìn)而提高價值鏈優(yōu)化的效率。企業(yè)家心智模式應(yīng)根據(jù)價值鏈的性質(zhì)來選擇，其具體決定因素可以通過類似銷售數(shù)據(jù)的統(tǒng)計加以確定。

價值鏈影響因素的提取不同于企業(yè)資金和地理位置等固定因素的確定，信息提取結(jié)果很難在單個企業(yè)家自身下進(jìn)行驗證，也缺少相對應(yīng)的信息比較。只能通過身邊的企業(yè)家和企業(yè)經(jīng)營狀況，結(jié)合設(shè)計好的企業(yè)家心智方面的調(diào)查問卷進(jìn)行分析驗證，或是實證驗證。將此次經(jīng)ICA提取的價值鏈影響因素的結(jié)果與該企業(yè)企業(yè)家做好的調(diào)查問卷進(jìn)行疊加分析，得到以下結(jié)果：對于同一個企業(yè)家，經(jīng)ICA提取的企業(yè)家心智因素與已知的企業(yè)銷售額吻合良好，在企業(yè)家心智因素提取中，ICA所提取的價值鏈代表銷售額均分布在企業(yè)家心智因素變化范圍內(nèi)。經(jīng)專家訪談下的問卷調(diào)查，證實了經(jīng)ICA提取的企業(yè)家心智影響因素的有效性。

六、結(jié)束語

由于價值鏈優(yōu)化涉及信息眾多，決定了企業(yè)家心智的狀態(tài)及其演變方向的復(fù)雜性。本文利用ICA的思想從觀測數(shù)據(jù)X（價值鏈）分離出獨立分量Y（企業(yè)家心智）的具體因素，對企業(yè)的價值鏈管理和優(yōu)化提供了指引。雖然由于ICA的局限性，Y只是S波動情況的估計，無法反映S的幅值，但研究結(jié)論表明，通過分析企業(yè)家心智中影響因素波動與銷售統(tǒng)計波動之間的關(guān)系可以很好地幫助企業(yè)進(jìn)行價值鏈優(yōu)化。由于篇幅所限，本文所論述的企業(yè)家心智的選擇范圍具有一定的局限性，還需要在以后的研究中進(jìn)一步深入探究。

參考文獻(xiàn)：

[1]邁克爾·波特.競爭優(yōu)勢[M].陳小悅，譯.北京：華夏出版社，2004.

[2]胡善珍.基于提升企業(yè)核心能力的價值鏈管理研究[J].華東經(jīng)濟(jì)管理，2006，20（7）：94-98.

[3]王核成.基于動態(tài)能力觀的企業(yè)競爭力及其演化研究[D].杭州：浙江大學(xué)，2005：4.

[4]李鵬云.基于價值鏈的企業(yè)營運資金管理研究——以海爾集團(tuán)為例[D].青島：中國海洋大學(xué)，2011：5.

[5]戈來英.基于價值分析的萊鋼集團(tuán)公司競爭優(yōu)勢分析研究[D].南京：南京工業(yè)大學(xué)，2005：5.

[6]高雅翠.國有紡織企業(yè)價值鏈管理問題探討[J].商場現(xiàn)代化，2007（9）：70-71.

[7]李振興.基于價值鏈的優(yōu)化增強我國鋼鐵企業(yè)競爭優(yōu)勢研究[D].湘潭：湘潭大學(xué)，2004：4.

[8]曾忠祿.從企業(yè)價值鏈看戰(zhàn)略聯(lián)盟優(yōu)勢[J].當(dāng)代財經(jīng)，2001（1）：61-65

[9]林莉.競爭優(yōu)勢探尋——價值鏈分析法的應(yīng)用[J].商業(yè)研究，2004（1）：42-44.

[10]安穎.從價值鏈角度看各級管理者在企業(yè)人力資源管理中的作用[J].延安職業(yè)技術(shù)學(xué)院學(xué)報，2010，24（5）：47-48.

[11]蔡銳，孟翔飛，楊猛.創(chuàng)新、企業(yè)家能力與裝備制造業(yè)國有企業(yè)競爭優(yōu)勢[J].國有經(jīng)濟(jì)評論，2011，3（2）：13-20.

[12]楊依依.企業(yè)價值與價值創(chuàng)造的理論研究[D].武漢：武漢理工大學(xué)，2006：4.

[13]王家康.基于價值鏈的人力資源價值評價體系的構(gòu)建[D].武漢：華中科技大學(xué)，2005：10.

[14]張根明，陳才.企業(yè)家能力對企業(yè)競爭優(yōu)勢的影響研究[J].中國軟科學(xué)，2010（10）：164-171.

[15] BERNARDO A E， WELCH I.On the evolution of overconfidence and entrepreneurs[J].Journal of Economics Management Strategy，2001（3）：301-330

[16]MACKO A， TYSZKA T.Entrepreneurship and risk taking[J].Applied Psychology，2009（3）：469-487.

[17]彼得·圣吉.第五項修煉[M].郭進(jìn)隆，譯.上海：上海三聯(lián)出版社，1990.

[18]邁克爾·艾斯納，托尼·施瓦茨[M].劉俊英，譯.北京：中信出版社，2004.

[19] KJRGAARD A L.Organizational identity and strategy：An empirical study of organizational identity’s influence on the strategymaking process[J].International studies of Management and Organization，2009，39（1）：50-69.

[20] KOELLINGER P，MINNITI M，SCHADE C.“I think I can，I think I can”：Overconfidence and entrepreneurial behavior[J].Journal of Economic Psychology，2007，28（4）：502-527.

[21]張啟發(fā)，張斌，張喜斌.盲信號處理及應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2006.

[22]BINGHAM E. Advances in independent component analysis with applications to data mining[D].Helsinki：Helsinki University of Technology，2003.

[23]KICILUOTO K，OJA E.Independent component analysis for financial time series[C]//Adaptive Systems for Signal Processing，Communications and Control Symposium 2000，2000：111-116.

[24]MAKEIG S，BELL A J，JUNG T P，et al.Indepengent coponentanalsis of electroencephalographic data，advances in neural information processing systems，first application of ICA to EEG data analysis[M]. Cambridge，MA：MIT Press，1996：145-151.

[25]MEKEOWN M J，SEJNOWSKI T J.Independent component analysis of fMRI data：Examining the assumptions[J].Human Brain Mapping，1998（6）：368-372.

[26]HYVARINEN A，KARHUNEN J，OJA E.Independent component analysis[M].New York：John Wiley，2001.

[27]HYVARINEN A，OJA E.Independent component analysis：Atutorial[J].Neural Networks，2000，13：411-430.