统计与决策论文篇（1）

中图分类号：TP393.0

目前，随着计算机系统与计算机网络在人们生活中的普遍使用，计算机网络以及计算机系统不断延伸拓展到社会各行各业中，计算机使用的广泛性，使得其业务数量与业务种类不停的增加[1]。数量与种类的不断增加，使得人们不得不开始思考如何在复杂的计算机网络中对有限的资源进行合理分配，已达到提高计算机网络运行效率的目的。在计算机网络运行的过程中，降低计算机网络运行的成本是亟需解决的问题。对资源和任务进行调度常常使用的理论是优化理论。从不同的维度对优化理论进行分类可以划分为动态优化和静态优化理论。由于静态优化理论在实际的运用过程中会存在较多的问题。因此，实际运用中常常使用动态优化理论。马可夫的决策过程（Markov Decision Process，MDP）是动态优化理论的基本模型[2]。随着计算机的广泛应用，计算机网络系统的资源管理方面会出现各种问题，而MDP模型的建立通常可以避免计算机网络“状态空间爆炸”的现象出现。MDP模型有效解决精确结算法中出现的各种问题。笔者通过本文，对此进行分析。

1 马尔可夫决策过程中动态模型的建立

1.1 马尔可夫的决策过程

马尔可夫基本的决策过程步骤主要包括以下几个步骤：首先具有一个描述性的状态集合S，通过这个描述状态的集合决策者可以在此集合内进行相关的行为，决策者在状态空间中的行为具有归为一个名为行为集合A。当然，决策者在对描述集合内进行的相关行为所产生的收益就可以命名为收益函数R。在整个马尔可夫决策的过程中，会逐渐产生一定关系记录决策者在描述状态下的转移过程，即状态转移关系SM。马尔可夫的决策过程是根据下一时刻的状态进行决策，而与系统的历史性无关。通常情况下，根据SM的性质可以将MDP分为随机的MDP和确定的MDP两类。确定的MDP在一定的状态随着行动的转移导致确定的状态转移。而随机的MDP不仅要根据当前状态下决策者的行为，还会受到一定的外部用随机变量W的影响。通常情况下，研究马尔可夫的决策过程，指的是随机MDP。其实在马尔可夫决策过程中，状态集合S到行为集合A中的一个映射被定义为π[3]。决策者根据π的具体情况来确定所需要的行为。在实际决策的过程中，典型的马尔可夫决策过程如下：首先，决策者观察所处的决策环境里面的状态S。其次，根据状态将进一步确定决策者的决策行为π，将该行为在系统中进行转换，然后再重复前面的步骤，就可以将马尔可夫的决策过程完成。随着马尔可夫系统的演进过程，其行为会产生一定的收益序列。将所获得MDP进行比较，将其转换成目标函数J，确定为一个确定的实数值。

1.2 马尔可夫决策过程的建模与分析

将马尔可夫决策理论运用于实际中，根据该理论建立相关的模型。其具体的运用操作包括以下几个方面。首先应当明确马尔可夫过程建模的目标。 在确定马尔可夫决策的过程中，根据受益目标的不同，运行系统的不同其导致的目标可能不同。即使是同一系统，由于研究角度的差异也会导致收益函数和目标函数的不同。以计算机网络为例，常见的目标函数有能量的消耗、延迟、分组丢失率以及节点吞吐量。随机的MDP，会带有期望的形式（E）的目标函数。期望函数中有限的马尔可夫决策过程和无限的马尔可夫决策过程形式分别表现为：

有限的马尔可夫决策形式：

无限的马尔可夫决策形式：

在系统运行的过程中，根据目标函数和各级函数的不同，其可以不断根据目标函数进行最大化和最小化进行变化[4]。通过相应的操作可以对马尔可夫进行相关的调整。其次，根据运行状态空间进一步确定决策的行为。在马尔可夫决策过程形成的过程中，系统的状态空间和决策行为空的有可能处于游离的状态。游离的状态下会在一定程度上占用无线电系统的空间。状态空间系统以及决策行为的确定可以为用户确定一定的取值范围。在对马尔可夫决策过程分析的过程中，对马尔可夫决策过程进行分类。根据不同的依据，马尔可夫可以分为几种不同的类型

2 马尔可夫决策过程的求解

在实际操作的过程中，马尔可夫的决策过程通常可以归类为两种：精确求解算法和近似求解算法。根据精确求算法可以满足用户在折优情形下用户的最优解。而近似求解法则是在一个系统中对资源和数据进行相关的调整以及建立相应的数据，满足用户的需求。这两种算法在实际的运用过程中，由于使用方式的不同，两种方法根据实际情况各存在不同的分类方法。用户根据自己的实际情况对其进行分类运用。

3 马尔可夫决策过程的应用

本文在对马尔可夫应用进行分析的过程中将一个可以修复的系统为例进行讲解。对该模型进行分析。

图1中的左半部分是一个可能正常工作、可能失效的随机子网，右半部分则为描述决策者的行为。包括对相关资源的分配。在MDPN的模型中，对相关的标记进行改良后可以获得改善的网络。该模型可以很好地处理系统中的对称性问题。缩小空间中问题。当前，基于对计算机系统以及计算机网络的研究和应用，分别对马尔可夫的相关理论展开分析，有利于计算机网络以及计算机的发展。将有关的理论运用其中，可以有效解决资源管理中的各项问题。

4 结束语

计算机系统与计算机网络中的资源和种类极其复杂，面对对计算机系统以及计算网络运用如此广泛的环境下，运用动态理论对系统进行建模，并对此进行求解，有助于计算机系统和计算机网络的发展。为计算机系统和计算机网络系统的研究提供了一个研究方向，将有利于我国科学技术的发展。

参考文献：

[1]林闯，万剑雄，向旭东，等.计算机系统与计算机网络中的动态优化：模型、求解与应用[J].计算机学报，2012（35）：20-22.

[2] Srivastava Rahul，Koksal Can Emre. Energy optimal trans-mission scheduling in wireless sensor networks. IEEE Trans-actions on Wireless Communications，2010（05）：1550-1560.

[3]王元卓，林闯，程学旗，方滨兴.基于随机博弈模型的网络攻防量化分析方法[J].计算机学报，2010（09）：1748-1762.

统计与决策论文篇（2）

企业管理思想进步到当下的阶段，很难想象一家没有上马企业资源计划ERP（Enterprise Resource Planning）或SAP（Systems Applications and Products in Data Processing）的公司是如何将物资资源管理（物流）、人力资源管理（人流）、财务资源管理（现金流）、信息资源管理（信息流）等集成一体化，进而推进生产、营销、供应、人力、资金等业务互相融合而顺畅运转的。当今企业在信息化方面面临的问题不是争论ERP的必要性，也不是讨论ERP的可行性，而是纠结于对ERP产生的海量数据如何进行进一步的收集、加工、处理。因为收集的数据多到无法甄别哪些是对决策有效的。

企业建立一套旨在全方位提升管理广度和深度的管理信息系统是必需的：利用统一规划的数据集成，以全面预算为主导，以产品生命周期管理为核心，以资金为主线，整合财务、人事、营销、科研、生产等管理职能，重组优化业务流程，连接信息孤岛，建立关键内部控制点，极大改善组织内部的信息不对称，大幅降低管理成本，有效地防范和控制风险。但是，国内应用现状是大部分企业正在运行的管理信息系统主要功能仍旧停留在处理大量的日常业务流程上，仅实现了中层管理的功能，并未上升到支持决策的高度。本文尝试通过对决策支持系统（Decision Support System，以下简称“DSS”）运行原理、特点和功能的阐述，结合企业实际，充分利用已成熟运行的通用ERP并以此为基础，模拟建立DSS的实施方案。

一、DSS的原理、特点和功能

20世纪70年代中期，美国麻省理工学院的米切尔・S・斯科特（Michael S.Scott）和彼德・G・W・基恩（Peter G.W.Keen）首次提出了“DSS”一词。DSS通过数据、模型和知识，以人机交互方式进行半结构化或非结构化决策的计算机应用系统，为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析辅助决策工具，帮助决策者提高决策水平和质量（张茜，2006）。DSS是管理信息系统（Management Information System，MIS）向更高一级的发展，标志着利用计算机与信息支持决策的研究与应用进入了崭新的阶段，并形成了决策支持系统新学科（王剑东，2003；万林，2008）。

DSS的特点体现在：（1）DSS的交互性表现在通过管理者同系统之间的多次对话，使决策得以完成；（2）DSS解决的问题属于半结构化或非结构化问题；（3）系统具有专门的结构存储和研究备用的模型及方法，提供模型的比较、联结和合成的功能；（4）DSS只是起辅助决策的作用，并不完全取代管理者的判断，应当让管理者处于主动地位；（5）DSS应当便于学习、使用和修改，因而要对用户的需求进行动态性的分析，做到及时完善DSS的各种功能（迟殿委，2008；徐强，2008）。DSS的应用原理体现了决策支持系统本质的演变：DSS初期是利用数据资料（数据库DB） 和模型资源（模型库MB）支持决策，发展到IDSS利用知识资源 （方法库MEB）和模型资源（模型库MB）结合支持决策，再到利用数据资源（数据仓库DW）支持决策。这样，决策支持系统概念就更明确为：针对决策问题，利用决策资源（数据、模型、知识等）（侯少然，2010）进行组合和集成，建立解决方案；通过方案的模型计算、知识推理、多维数据分析以及方案的修改，逐步逼近解决决策问题的系统。

数据资源（数据库与数据仓库）、模型资源和知识资源在网络上都是共享资源。决策支持系统就在于如何有效地利用这些决策资源，针对决策问题，把决策资源有机地组合成解决方案，既可以建立多个方案，又可以修改方案，再通过大量的计算或推理，最终达到支持决策的效果（张胤杰，2009）。DSS所实现的功能主要表现在：（1）管理并随时提供与决策问题有关的组织内部和外部消息；（2）收集、管理并提供各项决策方案执行情况的反馈信息，例如订货单、合同执行进程、物料供应计划的落实情况、生产计划的完成情况等；（3）能以一定的方式存储和管理与决策问题有关的各种数学模型，例如定价模型、库存控制模型与生产调度模型等；（4）能够存储并提供常用的数学方法（张世芳，2006），例如回归分析方法、线性规划、最短路径法等；（5）数据、模型与方法能容易地修改和添加，例如数据模式的变更、模型的连接或修改、算法的修改等（王剑东，2003；孙艳胜，2007）；（6）具有方便的人机对话和图像输出功能，能满足随机的数据查询要求，回答“if…what…”之类的问题（冯罡，2003；孙艳胜，2007）。

二、DSS的总体框架和表现方式

DSS的总体框架是：将来源于不同子系统、不同管理软件的数据收集于数据集成平台或数据仓库，选取各项决策分析主题的关键指标，注入事先建立的数学模型，最终生成可进行人机对话、不断修改决策变量的结果。其系统规划包含以下几个方面：

1.数据来源：可读取多种格式（如Excel、Access、以Tab分割的txt和固定长的txt等）的文件，同时可读取关系型数据库 （对应ODBC）中的数据。使用报表管理平台进行所需数据报表的上传收集，财务数据来源于财务核算软件，经营和项目数据来源于合同管理、PDM产品设计、生产作业管理软件等，人力资源数据来源于人员信息、薪酬统计软件等，其他未能进入系统的数据可考虑通过平面文件的形式进行采集。通过数据整合平台建立数据仓库，装载来源于各个系统的数据，包括历史数据的一次性装入、日常发生数据的定时抽取。

2.分析主题：构成决策支持系统的重要分析内容，按照管理者的思维逻辑建立跨流程、跨职能的主题和分析路径，对重要经营管理问题和要素进行深入分析，及时发现影响企业经营和管理的问题所在。考虑初步建立财务主题、营销主题、项目主题、关键指标等几部分。

3.决策模型：决策模型是决策支持系统的重要分析基础，为企业管理者提供辅助决策的科学管理工具，包括成本预算模拟、现金流模拟预测、盈利模拟预测等。

4.门户表示：是专门为企业管理者和决策者设计的观察企业的窗口，提供整个决策支持系统的展示界面，包括智能分析、模拟预测、绩效管理等多种展现形式与门户集成。所需要的输出被显示出来时，进行定型登录，自动将所要的列表、视图和图表显示出来。

三、DSS的财务实施方案

DSS的财务主题部分是本文讨论的重点，其实施方案立足于从时间跨度（年度、季度、月度）、项目类型（研究、开发、制造）、决策深度（作业层、战术层、战略层）等不同维度进行趋势分析、结构分析、因素分析，通过这样一个路径完成由低端财务分析向高端辅助决策支持的过渡。实施方案的对象包括：收入成本分析（收入构成、趋势、预算执行、费用趋势、费用构成等）、利润分析（利润因素、敏感性）、资金分析（资金协调性、贷款、融资成本）和综合评价（经营指标考核、五能力综合评价）。

实施方案必须注入以下因子：分析范围（集团内部关联方、集团外部竞争对手、国外竞争对手等）；分析角度（全周期项目预算、年度财务预算、市场经营预测、人力资源投入等）；分析指标（绝对数、相对数，横向比较、纵向比较）；数据来源；分析周期；分析内容。

四、财务决策模型的导入

决策支持系统财务应用的最终目的聚焦在综合评价，无论是讨论重大项目的取舍还是辅助企业的整体决策，主要包括两部分内容：经营指标考核和五能力综合评价。

目前大部分企业对财务管理软件的使用，依旧停留在账务处理阶段，软件本身对收集的数据不加工、不处理、不分析。如果从最基础的财务指标分析入手进行适当改进，那么对于决策层而言可增强财务数据的可理解性和拓展性，对于财务人员而言可提高操作的可行性，都是受益匪浅的。财务分析包括盈利能力（收益力，总资产报酬率、净资产收益率、主营业务利润率、销售净利润率、成本费用利润率）、偿债能力（安定力，流动比率、速动比率、资产负债率、利息保障倍数、所有者（股东）权益比率）、运营能力（活动力，总资产周转率、固定资产周转率、流动资产周转率、应收账款周转率、存货周转率）、发展能力（成长力，主营业务收入增长率、资本积累率、总资产增长率）和生产能力（生产力，人均主营业务收入、人均净利润、人均资产总额）五部分（即五力），通常以完整、真实、及时的财务数据为起点，借助不同的财务指标进行诠释。大部分企业通过对正在运行的财务管理信息系统进行适当的改进，就足以在完成指标计算的基础上提供简单的财务分析报告。

计算完成后，进一步引入由哈佛大学商学院迈克尔・波特（Michael Porter）于1979年提出的，现今被广泛应用于全球企业竞争战略决策的五力模型，该五力模型对决策层更加清晰、透彻地了解企业的经营业绩和发展前景的帮助是显著的。

综上所述，决策支持系统作为新兴的信息技术，能够为企业提供各类决策信息以及许多商业问题的解决方案，从而减轻了管理者从事低层次信息处理和分析的负担，使得他们专注于更需要决策智慧和行业积累的工作，实现了决策质量和效率的提升（侯少然，2010）。虽然DSS在国内大部分企业的开发与应用依然处于初级阶段，决策本身是复杂的、变化的、综合的，但以ERP为基础对DSS的设计和实现是可行的，成功是可以预见的。

（作者为CPA、会计师、上海财经大学硕士研究生）

参考文献

[1] 高洪深.决策支持系统（DSS）理论与方法（第4版）[M].北京：清华大学出版社，2009.

[2] 潘飞，文东华.实证管理会计研究现状及中国未来的研究方向――基于价值管理视角[J].北京：会计研究，2006（2）.

[3] 陈文伟.决策支持系统及其开发[M].北京：清华大学出版社，2004.

[4] 徐强.企业绿色管理决策影响因素研究[D].大连海事大学硕士论文，2008-03-01.

[5] 冯罡.企业整合管理能力评价和提升[D].北京：沈阳工业大学硕士论文，2003-03-07.

[6] 孙艳胜.基于B超数据心脏病辅助诊断系统[D].长春：吉林大学硕士论文，2007-04-01.

[7] 侯少然.企业物流资源协调优化决策支持系统研究[D].天津大学硕士论文，2010-06-01.

[8] 张茜.公共危机管理系统研究[D].武汉理工大学硕士论文，2006-10-01.

[9] 王剑东.基于C/S结构的备品配件管理系统研究与应用[D].保定：华北电力大学（河北）硕士论文，2003-12-26.

[10] 迟殿委.基于数据挖掘的决策支持系统的研究与实现[D].南昌大学硕士论文，2008-06-30.

统计与决策论文篇（3）

从20世纪60年代后期开始，美国一部分会计学者就在“信息系统是收集、加工、存储、输送信息的系统”意义上，确定了“会计是一个信息系统”的观点。比较经典且有代表性的定义是美国会计学会（AAA）1966年对信息系统的定义，认为是“鉴定、计量和传送经济信息的过程，借以使信息使用者能够作出可靠的判断和决策。” “会计实质上是一个信息系统，……它在提供决策所需计量信息的一般信息系统中占据大部分位置。”提供的信息既包括财务信息也包括非财务信息，是对“涉及到必须对稀缺资源作出选择的所有情形”提供的信息，既包括历史信息也包括未来信息，“在传统的会计报告的场合，需要与已经发生的经济业务有关的信息，在预算、标准成本和其他类似的场合，需要与未来计划与期望有关的信息”；会计“信息系统是为了帮助管理人员和其他人员实现各主体的组织目标而设计的”；“是一种可应用于各种对象的计量和传递程序”，这个程序由鉴定开始，到信息使用者能够作出可靠的判断和决策为止，认为会计的目标（而不是作用）是“使信息使用者能够作出可靠的判断和决策”；信息论是关于通讯的理论，会计信息系统论是一般信息论原理的应用，“会计还与有效的信息传递或传送相关联。”这种会计观与诺顿·贝德福德（Norton Bedford）与鲍拉道尼（Vahe Baladouni）所定义的“通讯论”有相通之处。

从上述概念中，可以引出以下两个结论：会计信息系统的目的是“使信息使用者能够作出可靠的判断和决策”；会计信息处理系统和决策者之间是一种“通讯系统”。

关于信息和信息系统的观点很多。梁战平认为“英语的Information是一个连续体的概念，由事实（Fact），数据（Data），信息（Information），知识（Knowledge），情报、智能（Intelligence）五个要素构成‘信息链’（Information Chain），信息的上游面向物理属性，信息的下游面向认知属性。”事实“是事物在人类视野或人类逻辑视野中最原始的映象。”数据“是对事实进行记录的一组符号”，信息是“既能被人认知，又能理解其现实意义的数据”，知识是信息之间的联系，是规律；“情报是一种为一定目的、有一定效用的可传递的知识，是一种活化了的知识”，“智能是以知识为基础的掌握事物的能力，包括分析事物、判断事物、寻找最佳方案等非常广泛的能力”，最终表现为寻找最佳方案进行决策——根据“情报”采取正确的行动以“掌握事物”——直至通过对决策执行的分析获得广泛的“智能”。实际上，这是把信息定义为包含“是什么？”“为什么？”“怎么做？”层层深入的系统的知识，也就是说，真正的“Information”应该解决“怎么做”的问题。“怎么做”的知识需要五个环节紧密相扣的信息处理过程。换言之，信息链五个要素经过连续的加工和处理层层递进，形成真正具有价值的“Information”。从加工处理角度看，信息链也是一种信息供应链，包括信息收集、信息处理、信息传递、信息使用和消费。有人从生态链角度研究信息链，认为信息生态链由信息供应者、信息传递者、信息消费者和信息分解者4类信息主体构成。会计作为信息系统（Information System），也应该是一个从信息搜集、信息处理、信息传递、信息使用和消费的连续的过程，是一个连续体，包括事实（会计业务）、数据（会计记录）、信息（会计报告）、知识（会计分析）、情报或职能（会计信息使用或会计决策），从“事实”信息转化为掌握事实的能力和办法的信息，亦即由事实经过信息处理最终转化为决策信息。概言之，会计信息系统应该是一个从信息的搜集到决策的完整而连续的“信息链”。

把信息链概念运用于会计研究的文献非常少，通常是研究单个企业或以单个企业为中心进行研究，我国一些会计信息系统论者就认为企业信息链只是指企业内部会计信息链，包括企业会计信息的搜集、处理、存储和传递，也可以认为是确认、计量、记录、报告的信息加工流程，其最终产品是内部和外部会计报告，并不参与决策，会计报告到决策之间的信息连接是中断的。也有人从信息生成、信息加工分析、信息基础应用和信息拓展应用来分析成本管理会计信息链，后者把会计信息处理和应用作为连续的过程，接近完整信息链的概念。

关于会计信息与决策的关系，会计“管理活动论”通常认为企业会计人员通过利用会计信息参与决策。“会计工作既是一种生成信息、供应信息的工作，也是一种利用信息、参与管理的工作。”因为“决策是一个过程，不能仅看做是拍板定案的一瞬间。”决策论创始人西蒙认为，决策过程“包括确定要解决的问题，拟定备选方案和选定方案三个主要步骤。需要强调的是：第一，会计作为企业的管理部门之一，是决策活动的参加者；第二，在整个决策过程的三个步骤中，会计根据企业财务状况和经营成果的综合分析、判断，在提出问题、制定备选方案、促成方案的选定和实施以及监控方案的实际效益等方面所起的作用，不是其它管理活动所能代替的。”信息与决策的分工只是一个技术问题或者是权力制约、不同知识和能力人员的配置问题，没有本质和严格的界限，“就以最高领导人拍板定案而言，也是指从诸多方案中最后选取一种。如果领导人选择的是由财会部门和财会人员提出的方案，则这种决策从实质上而不是形式上看，你能说财会部门没有参与决策吗？！”而且，“处理经济信息和利用经济信息是不能截然分开的，在实际工作中处理经济数据，反映经济动态，预测经济前景，规划决策未来是结合在一起的。”显然，“管理活动论”者认为会计人员是会计信息系统的构成部分，这样的“会计信息系统”既处理信息也运用信息参与决策，二者无法截然分开。但是，从现象上看，这似乎只适用于内部管理会计。

会计信息提供者与决策者之间是通讯系统吗？会计报告与决策之间是断开的吗？会计信息系统仅仅利用会计信息“参与”管理和决策吗？企业外部会计报告与决策者之间的关系是否连续？以上现象能否用一个统一的信息链理论加以解释？

为了论证和探讨企业会计信息与决策之间的关系，本文拟通过观察和描述现实，运用“还原”式分析方法，遵循“个人主义”或“原子主义”的研究范式，引入以下概念：经济利益会计，个人会计系统；提出4个假设：（1）会计的对象是经济利益；（2）会计的基本主体是个人；（3）大脑是一种信息处理系统；（4）整个社会会计信息系统只包括一个企业会计信息系统和一个个人会计信息系统。

二、假设解释及推论：会计信息链是从事实到决策的连续过程

（一）会计对象是经济利益 司马迁《史记·货殖列传》说：“天下熙熙皆为利来，天下攘攘皆为利往。”马克思说：“人们奋斗所争取的一切，都同他们的利益有关。”，“仅仅是利益把我们大家联系起来”。“利益分析法是历史唯物主义的根本分析方法”（赵家祥，1999），在历史唯物主义语境里，利益是“第一性”的。亚当·斯密在《国富论》一针见血地说明了人们从事生产的利益动机：“我们每天所需的食料与饮料，不是出自屠户、酿酒家或烙面师的恩惠，而是出于他们自利的打算。”（《国富论》第四卷第二章）人类社会的历史根本上说是追求经济利益的历史。

经济利益的追求是靠理性的方式实现的。马克思认为“利益不是在思索，而是在打算盘。”打算盘就是会计，在马克斯·韦伯那里就是形式理性。在《新教伦理与资本主义精神》中，复式簿记和资本核算制度是理性资本主义企业的核心；在《世界经济史纲》中，韦伯甚至认为“整个经济史就是一部经济理性主义的发展史。…这种理性主义建立的基础就是簿记制。”的确，“人类最早的会计行为——原始计量、记录行为”就是“由于自身对于管理生产活动与管理好生活的需要”而产生的。自然经济社会中，“在单个商品生产者仅仅用头脑记账或者仅仅在他的生产时间之外附带地把收支、支付日等记载下来”是为了家庭和个人财务状况的优化。现代企业财务会计主要目标是为了投资者的经济利益而设立的，无论是净损益、净权益还是所有者权益的变动都是投资者关注的核心经济利益。

无论会计对象的资金运动说（葛家澍，1980等）、价值运动说（郑石桥，1993）、价值量说（吴水澎，1981等）、财富或财产说（刘文泉，1980等）、经济活动说（廖洪，1982等）、信息运动说（杨雄胜，1985等）还是产权说（赵士信，1995）、经济业务说（方正生，1995）、账说（孙诤，1994）、会计要素说（莫国强，1998）、使用价值与价值矛盾说（易庭源，1990）、生产力和生产关系说（毛伯林，1981）、经济效益和产权关系说（戴子礼、谢诗芬，1988）、资金运动和经济关系说（王庆成，1986）、财务状况和经济成果说（刘炳让，1995）、财富与价值运动和资本运动说（陶丘山，1997），本质上都是“经济利益说”。 陶丘山同志2008年出版的专著《经济利益会计》系统地提出了会计的本质是信息系统，会计反映的客体是经济利益的观点，这与本文作者多年的思考暗合。

企业本质上是各种要素投入者之间形成的契约，企业资金运动、经济活动、经济业务、价值运动等的背后反映的是资本、劳动、技术、管理等要素投入者的经济利益，投入要素的目的不是出自他们的“恩惠，而是出于他们自利的打算”——其目的是为了获取要素投入的回报，所以他们的经济利益就是他们投入的要素及其回报，为此他们要设置运行会计系统并据此对经济利益的管理作出决策。

会计是对经济利益的反映和管理，“会计核算的对象是经济利益”，最基本的经济利益是个人利益，个人的经济利益需要个人的会计加以管理，每个人都有自己的经济利益也就都有自己的会计核算系统。只要承认个人经济利益的存在，承认每个人都有追求经济利益极大化的“理性经济人”动机，就必然承认对个人经济利益的管理，承认个人经济利益管理就应该承认作为个人经济利益管理手段和方法的个人的“小算盘”。

（二）基本会计主体是个人 企业会计主体假设是企业。但是归根溯源，经济利益是会计的对象，个人是理性的经济人，对个人的经济利益进行管理当然只能由本人来进行（不排除部分职能交给人），对经济利益进行理性管理的基本手段是会计，所以最基本的会计主体应该是个人。以个人为主体对个人经济利益进行记录、管理和控制的会计称为“个人会计”，类似于个人“小算盘”，其基本的职能也是通过个人会计信息系统实现的。个人会计信息系统实际上是大脑功能的一部分，通过头脑的信息处理功能实现，也可以采用“正规”、“外化的”簿记来实现。

个人会计就是通过理性的方式对个人经济利益进行管理和控制的会计，是个人簿记和个人管理会计的融合，其职能可以简单概括为事前决策，事中记录，事后分析。事前决策是通过利弊得失的权衡比较，作出“做不做”的决策，权衡、对比和决策使个人会计的首要职能，其具体表现就是事前核算。任何决策最终都是经过个人头脑的盘算和权衡通过发表意见、命令实现的，而个人决策最终要通过大脑的信息处理实现。根据西蒙的决策理论，决策可以分为程序化决策和非程序化决策，马克斯·韦伯认为人的社会行为受目的（工具）理性、价值理性、感情因素和传统因素影响。个人程序化决策所需要的信息与历史财务信息或其他数据化信息有关，需要对“簿记”和“头脑记忆”的历史信息进行分析处理；而非程序化决策只有“人”的（非机器的）信息系统才可以产生，其往往跟价值观、偏好、习俗、感情甚至欲望等非理性因素有关，对于复杂的预测性信息，人的大脑还可以做出模糊化处理从而最终做出决策；决策的时间过程也比较灵活，紧急情况的决策可以通过大脑的高速权衡和信息处理瞬间完成，重大事件和非紧急情况也需要正规化的决策支持系统来实现。方案选定后，个人会计信息系统会对未来做出规划和“预算”，可以是正式的预算，也可以是头脑中的规划和粗略的概算。预算制定后，需要对预算执行情况进行追踪记录，以便最后归纳分析和评价。记录的方式可以多种多样，可以采用简单簿记形式也可以采用头脑记忆式；可以采用单式簿记也可以采用复式簿记，簿记和头脑的记忆都是分门别类存储信息的过程。“进行历史记录的目的是为了吸取教训以作为未来的指南”。最后的分析评价一般采用对比分析和因素分析，评价得失，总结经验教训，获得“智能”，并作为未来决策的参考。在汉语语境里，事后的分析评价也叫做“事后核算”、“事后算账”。对于个人会计系统来说，决策是首要职能也是最终归宿，起导向作用，从这个意义上说，个人会计实际上是决策导向的会计，个人会计信息系统是决策驱动的信息系统，其性质属于事项会计系统。

与企业会计系统一样，个人会计也是一种完整、连续的信息系统或者信息处理链，包括信息搜集、确认、计量、记录、汇总和分析等信息加工环节。搜集信息就是广泛搜集与所需管理和控制的经济利益相关的财务和非财务信息、预测性信息或历史性信息。个人头脑中的会计系统除了搜集可计量的信息以外，还搜集一些不可计量的信息；由于“有限理性”，个人不可能获取有关问题的所有信息。确认是筛选、确定计入个人会计系统的信息，如果是复式簿记还需要对筛选出的信息归类，头脑式筛选往往无法摆脱价值观、大脑信息处理能力以及心情等的影响但可以筛选处理无法“形式化”的信息——个人簿记作为大脑的延长实际上既扩展了大脑的信息处理能力又部分摆脱了主观性因素的影响，但同时也减少了处理信息的范围。计量就是选择计量工具和计量模式对筛选进入个人会计系统的信息进行赋值、计价、计分等的过程，大脑对非数量信息的计量通常与个人感受相联系，无法做到完全客观。记录就是采用头脑式或簿记式、单式或复式簿记对搜集、确认和计量的信息分门别类加以存储。汇总即归纳已经记录的零散会计信息，形成可以纵览的报告或者结论。最终产品是决策或者指令，指令转化为行为后，信息处理循环随即终止。德国心理学家勒温提出的行为理论认为人的行为受到环境和动机的影响，环境实际上是指反映在头脑中的环境信息，动机就是人们的“感情因素”。个人是理性的，个人会计信息系统是以行为决策为驱动的，是理性信息处理与感性信息处理、可计量型信息处理与不可计量性信息处理、程序化决策与非程序化决策的综合。

基于个人利益（以记录为基础）的盘算和衡量，产生了要素是否投入某个经济组织或企业的决策，从而产生了作为要素集合体和“契约集”的企业，企业会计实际上是作为要素投入者的“会计”，或者说，企业会计实际上是要素投入者个人会计的“集体”，其目的是为这些所有个人会计系统提供进一步处理或直接决策用的信息——会计报表和报表分析资料，换言之，企业会计报表实际上是要素投入者个人会计的待处理信息，作为信息处理系统，个人会计还需要对此进行加工处理，形成个人要素投入和撤出的决策指令。因此，企业会计信息系统与要素所有者个人会计信息系统实际上是一个会计信息系统或信息链，前者本质上是个人会计信息系统的构成部分，目的是为了管理好要素所有者的经济利益。

归根结底，个人会计信息系统是最基本的，现代企业会计实际上是个人会计在企业内部的延伸。企业是由个人要素所有者提供包括劳动、管理、技术、资本等要素而形成的，每个要素提供者都有自己的个人会计系统，都有自己的“一本账”和“小算盘”。要素的投入和撤出是由个人会计系统的集合和——企业会计系统搜集、处理信息并最终传递给个人会计系统作出决策的。企业管理会计是管理者的会计，企业财务会计实际上是资本所有者或其他要素所有者的会计；企业管理会计信息系统的产品是决策方案，提供的信息加工程度较高，企业财务会计信息系统最多只到财务报表的分析，提供的信息加工程度较低。本质上，企业财务会计和管理会计信息系统都是为加强对要素所有者个人经济利益的管理而设置的。

三、结论：从事实到决策只是会计信息链中的信息转换

会计信息与决策之间是一个连续的信息链，信息的上游面向物理属性，下游面向认知属性，包括“是什么”、“为什么（经过分析）”和“怎么做（决策）”各方面的信息，是由“事实（Fact），数据（Data），信息（Information），知识（Knowledge），情报、智能（Intelligence）五个要素构成‘信息链’（Information Chain），”这样的会计信息系统和会计信息链才符合英语的Information（一个由五要素构成的连续体）的真实含义。从“事实”到“智能”，从原始数据到决策或指令，整个过程形式上涵盖了企业会计信息系统和个人会计信息系统，本质上都是个人会计信息系统的表现，二者都是对同样的经济事实和数据的加工。二者的区别只是个人会计信息系统更多地包含了非财务信息、智能化或非程序化决策和非理性因素，正因如此，个人会计信息系统的决策才符合个人的真正的全面的经济利益，由其作出的决策才更加“科学”，所以无论多么科学化的会计信息系统都无法替代个人信息系统的决策分析。但是，在程序化决策比较多的情形下，内部管理决策指令也可以更多地交给“正规的”、“科学的”企业会计信息系统，“随着信息在大多数领域内具有完全性、传统意义上的决策可能会不复存在。例如，在自动化工厂本来由人作的决策现在根据自动收集的信息改由机器来作。这方面的发展显示了信息职能与决策职能的结合。在此本来由管理者进行的决策可从会计信息中自动产生。”如此，就实现了“信息职能与决策职能的结合”。

会计信息系统和链接的动因是经济利益的分配和衔接。企业会计信息系统是由具有经济动机的人设计并基于人的决策需要由人驱动的。企业财务会计是基于外部要素投入者管理自己经济利益的需要设立并按照其意志执行的，企业管理会计是基于内部管理者管理要素的投入和产出而设立和运行的，目的也是为了管理者自己的经济利益；个人会计信息系统的决策职能更是由（包含感情、欲望、动机、价值观、偏好、理性的）大脑为了个人经济利益的实现直接做出的。会计信息系统和会计信息链所反映和控制的对象都是信息系统最终设计者或驱动者关心的经济利益，经济利益的连接导致会计信息系统的链接，经济利益的委托——关系导致会计信息系统的委托——关系。经济利益的界域决定了会计信息系统的界限，经济利益界域的交叉融合决定了企业会计与个人会计、财务会计与管理会计信息系统的交叉融合——如个人独资企业。

统计与决策论文篇（4）

一、库存决策支持功能研究对会计信息系统的意义

(一)库存决策支持系统研究现状存货是重要的流动资产，需要占用大量流动资金，一般情况下存货占企业总资产的30％左右。据估算，库存成本降低的潜力比任何其它市场营销环节要大得多，如企业物流成本占营销成本的50％，其中存货费用大约占35％。由此看来，降低存货成本已经成为“第三利润源泉”。在企业管理的其他环节成本降低潜力不大的情况下，在降低存货成本上努力已经是成本管理和企业管理的最终所向(于凌宇、冯玉萍，1998)。从现实状况看，库存管理决策具有对象种类繁多、数量巨大的特点，管理人员被大量的单据、台帐所淹没，信息处理效率低下，造成了对库存供应和需求的变化反映迟钝，库存决策效果差。从管理方法看，多数库存管理一般局限于库存的上下限报警，在提高周转率、库存资金合理分配、优化库存管理等方面意识淡漠，管理方法原始。库存管理引入库存决策支持系统可以发挥计算机信息处理速，辅助管理者做出科学的决策。因此，深入研究库存决策支持功能(Inventory Decision Suppot System，以下简称IDSS)很有必要。目前研究决策支持系统(以下简称DSS)的文献不多。在研究方法上，主要采用演绎法，认为决策支持系统结构应采用多库模型，倡导根据多库模型及理论框架开发系统。然而这些理论只是一种建立相应系统的框架和草图，只提供了一些开发系统最基本的观点和思考问题的角度。只是分别规定了相应系统的组成、结构和功能及内部相互关系以供人们根据工作的需求，建立自己的决策支持系统，但还远没有达到具有可操作、可实现的层次(李京文，2002)。在研究内容上主要集中在特殊库存模型的解法、开发某行业库存决策系统某具体环节、开发某具体企业库存决策支持系统，对开发库存决策支持系统理念和目标探讨的文献不多。

(二)会计信息系统增加库存决策支持功能的可行性及意义会计信息的质量，在很大程度上取决于会计信息能否有助于人们据以进行经济决策和不断提高经济效益的需要，会计的有用性主要指决策的有用性(葛家澍，2001)。对高质量会计信息的需求迫使会计软件从核算型、管理型不断向决策型发展。决策可以分为结构化决策、半结构化决策和非结构化决策，决策型会计软件的开发目前应以开发相对简单的结构化、半结构化决策模块为主，并力求实现与企业管理信息系统的完美融合。库存管理规范性较强，库存决策属于半结构化决策在会计信息系统中加强库存决策支持功能是可行的，原因在于库存决策以销售、采购为条件，通过应用功能完整的进销存模块，会计信息系统可以提供详细的销售、采购环节相关数据及业务信息，为分析销售、采购规律打下基础。会计信息系统提供了各种库存商品、原材料等真实的采购及销售价格，使用成本会计、管理会计计算库存的每种商品及原材料的利润贡献率、各个管理环节消耗的费用，按照商品利润贡献率标准用ABc分类法对商品及原材料进行分类，实现库存重点管理。

库存决策支持功能的研究对会计信息系统具有重大意义：(1)会计信息系统不仅需要提供信息，将来会计信息系统更需要发挥其决策辅助控制功能，通过库存决策支持功能企业可以实现对库存的管理和控制，使系统具有反馈、调节控制功能，为降低库存资金实现科学的库存管理提供保障。(2)库存决策支持功能的需求是会计信息系统进一步发展的动力，要求会计信息系统提供信息的“粒度”更小，同时库存决策支持功能的开发需要对库存管理的数学模型进行更深一步的研究与优化，从而促使会计信息系统的数据管理更详细低层、更全面丰富和科学。(3)库存决策支持能够自动提供新的有价值的指库存指标――缺货率(用缺货的程度反映存货满足用户需求的能力)。现代的企业竞争从价格、质量转到服务竞争，满足客户(顾客)个性化需求是企业的生命，缺货率从反面反映满足客户需求的程度，该指标可以从不同角度计算。根据周期计算公式为：周期缺货率=有缺货的周期／订货周期总数；按年计算的缺货频率克服了不同产品由于不同前置时间引起的不可比性，通过一年的订货周期数(Q／q，Q表示一年的需求，q表示每次采购量)乘按订货周期计算的缺货水平，表示为年缺货率=(Q／q)×(周期缺货概率)；根据作业日计算公式为：作业日缺货率=缺货的作业日／总作业日；按照所供应的企业数计算公式为：缺货企业数／供应企业数；按物资数的缺货程度计算公式为：企业数缺货率=缺货量／需求量。

二、库存目标决定库存决策支持系统目标

(一)不同时期的库存目标所决定的IDSS决策目标生产水平和技术发展程度决定企业的目标。早在工业化时期生产的规模不大、市场几乎无限的情况下，企业无需考虑需求、竞争与合作。企业目标为扩大生产能力，节约生产成本赚取高额利润，库存管理关注的重点为如何降低企业自身的库存费用。这种情况下适应社会需求的近代早期的存储论(或库存论)以实现满足需求的情况下存储费用最小化的库存目标，作为实现节约成本赚取利润企业目标的途径。在此目标指导下，开发的IDSS几乎都忽略需求的满足程度而仅将满足需求情况下库存费用最小化作为IDSS的决策目标，这是IDSS不能发挥应有效果最根本原因。进入信息时代后，顾客多元化、个性化的需求日益明显，促使企业生产规模变小，敏捷制造、客户关系管理等新型的经营和管理理念成为企业生存和发展的必然选择，库存管理的重点也单个仓库管理转向从物流学角度分析多级库存、供应链中的库存管理。物流学与供应链管理认为每个企业的库存都是整个供应链的一部分，库存目标为更好的满足客户需求情况下供应链成本最小，即从局部费用(单库存费用)最小发展到整体费用(供应链费用)最小。但以此目标指导IDSS开发和使用缺乏可实现性和可操作性，因为目前国内市场经济发展不成熟，供应链内企业合作、供应链之间的竞争的经营环境没有形成，企业管理水平较低，管理人员的素质不高，供应链管理方法并未得到较好的应用。其次，此目标无法指导IDSS和使用，供应链上的单个企业无法完全控制整个供应链成本，并且带来的收益没有形成合理的分配制度。

(二)IDSS开发与使用构想笔者认为，指导IDSS开发和使用的目标是使“库存贡献”与“库存成本”之差的最大化。其中“库存贡献”与“库存成本”包括显性的、隐性的，可计量的、不可计量的，即库存目标是一个多维目标，不能或很难用一维角度去衡量。库存贡献和库存成本(看作变量)的计量及比较问题是库存目标指导IDSS开发和使用需首要解决的问题。变量的测量实质是对属性的测量，变量的属性对应测量尺度，分别为定类尺度、定序尺度、定距尺度和定比尺度，各种尺度只有定比尺度有绝对零点可

以进行加减运算(李怀祖，2004)。库存目标中的贡献与成本包含许多很难或不可用货币表示数量化的因素，如缺货造成企业信誉及形象的损失、库存对企业发展战略的影响等，需要使用前几种测量尺度度量。变量的比较问题指库存贡献、库存成本使用前几种度量尺度度量无法直接度量，解决的方法即对非定比尺度变量按照一定统一的规则赋值，转化为定比尺度经过四则运算计算出每种库存的“库存贡献”与“库存成本”之差再比较大小。按上述库存目标的指导，笔者对IDSS开发和使用作如下构想：IDSS输入是多维库存策略和多维参数，分两个个阶段数据处理。如果使用时输入库存策略，第一层次数据处理用公式表示为：库存目标集=Ft(库存策略集，参数集)，处理Fl表示IDSS根据输入相应的参数值(从采购、销售、系统参数构成的参数集中)及库存策略，计算库存目标集合中各指标的属性值；如果使用时不输入库存策略，第一层数据处理表示为：库存目标集=F2(参数集)，处理F：表示系统根据输入的参数集合中各属性值选择库存策略，并计算库存目标集合中各指标属性值。使用输入库存目标与实数影射规则时，第二层数据处理表示为：实数集=G(库存目标集，映数规则集)，其中影射规则集是如何把库存目标中的各类变量值赋予某个实数值的规则；反之，系统使用默认的映射规则，数据处理表示为实数集=G(库存目标集)。

三、库存决策支持系统的理论基础与研究方法

(一)库存决策支持系统基础理论 开发IDSS需要相关的基础理论、应用理论作指导，需要借助一定的研究手段、方法研究这一新兴领域。DSS在不少行业和部门获得成功，取得了明显的效益。其理论基础和技术发展到今天离不开相关科学如计算机科学、管理科学、数学、信息科学、人工智能、信息经济学、认知科学等的支持。这些学科构成了其发展的理论框架，以称之为理论基础(张玉峰，2004)。开发IDSS是DSS的具体应用，上述理论也是IDSS的理论基础，并进一步将系统论、预测理论、决策理论、库存管理理论等也作为其基础理论。因为库存是企业大系统的一个子系统，需要系统论为指导处理与其它子系统之间关系；采购、销售、库存决策的外部环境经常变化需要预测理论为指导才能精确预测；决策过程本身比较复杂，只有符合决策理论的库存决策才是科学的决策；库存决策是库存管理链条上的节点，需要其指导。开发IDSS的应用理论包括DSS理论、动态规划理论、统计理论和方法。因为DSS理论是研究如何开发一般的DSS的科学，IDSS是研究对象更为具体的辅助库存决策的DSS；常出现的库存问题是采购、销售量已知，但经常变化且无规律，研究这类问题最简便方法是转化为动态规划问题，使用动态规划求解方法求解；未来采购、销售及其它参数需要运用具体的统计学理论和方法总结规律历史规律，再按照预测理论和方法进行预测。

(二)运用数理统计方法运用库存模型必须已知库存系统内的反映采购、销售业务情况的多个参数值。信息化水平较高的企业保留着大量的销售、采购等业务、财务数据，可以利用概率论与数理统计学的知识及方法总结其规律。能够对采购、销售规律进行研究的根本原因是他们本身具有规律性，各个学科对这些现象作了深入的研究。影响库存决策的采购、销售多数指标(看作随机变量)概率分布常使用正态分布、泊松分布　和指数分布　描述。随机变量满足以下两种条件之一服从正态分布：一是连续受到多个因素影响，并且不受某个特殊因素显著影　响；二是多个随机(一般大于等于9)变量加减运算得出的结果。商品销售量很大且连续(计量单位相对总量很小，可近似连续)，如果没有受到特别因素的影响即满足条件一；某类商品有多个子类，每种子类的销售相互独立，则这类商品销售量满足条件二。现实情况企业商品销售满足条件一或二的例子很多，可以用正态分布近似描述销售规律。可以使用多种检验方法检验采用正态分布描述的误差程度，常用的有正态概率纸法和夏皮洛――威尔克(shapiro-Wilk)检验法(峁诗松、程依明、濮晓龙，2004)。有条件的可以使用SPSS统计软件相应的功能模块给出用正态分布描述分布的误差大小。如果随机变量(只取自然数)均值较低(小于等于20)且满足以下条件：随机变量的取值与时间段的长度成正比，与时间段的起点无关；在很短时间段内，随机变量的取值与该时间段以前的状态无关，即满足无后效应；在充分小的时间段内随机变量最大值为一，数学上可以严格证明该随机变量服从泊松(Poisson)分布。如果商品销售不受时间影响且均值不大(小于等于9)，容易验证满足上述条件，可以用泊松颁布反映销售量的概率分布情况。商品的平均销售量中等(一般大于9，小于50)，且不受特别因素显著影响情况下可以使用指数分布描述。在用上述分布描述销售规律时，检验是否满足分布成立的条件即可。

(三)分析采购销售规律方法与步骤销售(需求)和采购(补充)预测是库存管理和决策的基础。采购、销售预测的效果是由确定预测目标、收集整理预测资料、选择预测方法、建立预测模型、评价预测模型、使用预测模型、分析预测结果每一阶段的效果共同决定。确定采购、销售预测目标是根据库存模型对未来采购、销售规律的需求确定；收集整理采购、销售资料应该根据预测目标要求去收集，包括销售、采购本身发展变化的历史资料。在有条件的信息化水平较高的企业可以将收集的资料扩大到对销售、采购发展变化有重大影响因素的历史资料上，此外还要判别资料的真实程度和可用度。分析企业采购及销售规律可按照以下阶段进行：首先，确定分析对象。分析采购、销售规律是为库存决策服务，只有影响库存决策的各指标才作为分析对象。其次，定性分析。分析采购及销售指标服从分布的类型，一般情况下可以用概率论中已有分布描述指标分布；如果没有对应分布只能用频率代替发生各种情况的概率，则无后面阶段。再次，定性分析检验。根据指标的样本点数据检验假设服从某种分布的误差，误差超出允许范围则否定定性假设，另寻其他方法或用频率代替概率；误差在允许范围内可以进行定量分析。目前统计软件(如SPSS、SAS)具有很好的分析及检验大量样本是否服从某种分布的功能。最后，定量分析及检验。确定各指标的分布函数或分布率的参数值，例如使用点估计、区间估计等方法确定各分布中的未知参数值。对定量分析阶段确定的参数检验其可信度，运用概率论中的“假设检验”理论进行检验。

(四)会计信息系统库存模型研究库存模型是对库存现象抽象、概括、归纳，从数量角度反映库存。研究库存首先抓住库存的本质和主要方面，把库存抽象成库存模型，然后用数学知识对库存模型加以研究得出定量结果。分类是研究问题的开始，可以从库存特征和库存中各参数特征两个角度进行分类。根据库存特点按照不同标准进行可把模型分类如(表1)。求出最优策略，各参数表示的意义如下。P为采购货物的单位价格，也称单位购入成本；C1为单位时间内单位物品的存储费用；c2为单位物品单位时间缺货损失：c3，为每次商品

的订货费用；R为需求速率，即单位时间内的需求；L为前置期，即从订货到第一批商品到达时间段；l为补充时间，即从第一批商品到达至最后一批商品入库时间；Q为订货量，需要指出前置期不为零，则只需在第一批货物到达前一个单位时间订货即可。因此下面所有模型都可以假设前置期为零不允许缺货条件下，可以做分类并计算采用T-循环策略最优库存策略各参数值，见(表2)；缺货费用与单位缺货量成正比，设单位缺货量缺货费用C2，采取采用T-循环策略，可作如下表分类并计算最优库存策略见(表3)；缺货费用与单位时间成正比，设单位时间缺货费用为C1，可作如下表分类并计算最优库存策略。

表示缺货时间(可根据实际情况按照库存总费用关于增减性确定其最佳取值，可作为已知条件)，库存策略为在两个方案选择最优，即比较存在缺货情况下最优库存策略下的单位时间库存总费用(用I表示)和不缺货情况下的单位时间库存总费用(用Ⅱ表示)　，最小值对应的库存策略为最优策略见(表4)。

四、会计库存信息决策支持系统功能分析

(一)数据管理功能该功能内容上包括采集不同来源及格式的原始数据、数据分析、数据预测。采集不同来源及格式的原始数据功能包括数据导入与输入功能。数据导入功能指从系统内部的其他模块或者系统外部(统计软件数据、财务软件的输入数据)导入库存决策支持系统模块中，并转化成所需要的格式，这是大批量数据输入的一种最有效的方式；数据输入功能指作库存决策所需要的相关参数输入到IDSS模块中。数据分析功能是该系统实现库存决策支持功能的基础。数据分析使用的工具比较灵活，可以是专门的数据分析统计模块，也可以是利用系统之外的其他的数据统计分析软件。数据预测功能是假设事物渐进式发展，事物的历史发展规律适合未来，使用某种预测手段对未来事物发展趋势或状态进行预测。预测功能是否准确取决于事物是否具有渐进性；从历史数据中总结的规律是否正确；预测方法使用是否恰当。因此，系统在分析设计数据分析预测功能时，要注意分析数据隐含规律的方法的准确性，预测方法的多样性，事物处于质变阶段就不能使用该分析预测功能模块进行预测。

(二)知识管理功能 知识管理功能内容上包括概率统计学知识、库存模型使用知识、系统参数知识。概率统计学知识包括概率分布知识、参数估计知识、假设检验知识、回归分析知识等；库存模型使用知识给出库存模型使用条件，判断一定参数条件下是否可以套用库存模型及使用模型计算结果误差范围有多大；系统参数知识包括影响库存决策的环境静态参数和变化趋势的知识，如银行利率、利率变化趋势、物价指数、物价变动趋势等。

(三)模型管理功能模型管理功能内容上包括模型选择、模型计算、灵敏度分析。模型选择指根据分析预测模块分析出来的采购、销售、系统参数情况，按照知识库中的模型适用条件知识从模型库中正确选择库存模型；模型运算指根据采购、销售参数、系统参数计算库存方案；灵敏度分析指计算各参数误差对库存方案的影响程度等。

统计与决策论文篇（5）

G642

统计学相关课程的课堂教学模式，一直是教师探讨的重点，以提高教学效率为主采取一系列新的教学方式。激发学生主观学习思维，面对统计学中各个知识点能够通过借助统计软件平台，有效促进自我学习能力，达到教学的真正目的。

一、《统计预测与决策》课程设置及教学问题

决策是经济研究及管理中的关键要素，而预测又是决策的一大前提。《统计预测与决策》这门课程对于研究经济及管理至关重要，做为统计学专业的必修课程，重视学生的综合性培养。使得学生在面对社会经济问题时，能够快速建立统计思维模式，具有实践意义。

而如今教学面临诸多困难，很多学生在接受《统计预测与决策》课程知识时，感到学习吃力。导致这一因素的原因有很多，首先有些学生没有足够的相关知识基础，当课程要求理论和实践结合时，会有些力不从心。另外，《统计预测与决策》安排的课时较少，使得学生不能保证足够时间的深入学习。最后就学生本身而言，其对于相关课程缺乏学习的兴趣，影响教学质量。

就《统计预测与决策》这门学科来看，其知识内容涵盖的很广，不仅包括数学、统计学还有经济学，不容易被学生理解。复杂多向的学科，需要重视基础理论的坚实教学，另外为培养综合性素质人才，兼顾统计学专业学生在面对经济管理问题时，合理运用统计预测与决策方法进行问题的解决。全面培养学生问题的处理能力，在教学改革中一直具有一定的研究意义。

二、探索教学改革新模式

对于统计预测与决策教学改革，深入分析相关模式的应用，在教学中探索课程教育的最大价值。面对教学改革带来的挑战，实施科学有利的教学方法，是提高统计学教学质量的前提。

1.经典案例教学法

为了提高学生的学习兴趣，在教学中使用之前发生过的生活中一些经典的案例，可以利用时下最热的事点引入课堂知识教育，提高经济或管理领域学生主动学习的心态。学生通过案例进行自我分析，发现其中的问题并参与到问题的解决中，可以提高学生的自信心。结合统计学专业知识培养学生的个性化发展，提高《统计预测与决策》课程的实践性。

2.实验教学辅助法

理论是实验教学的前提，而实践教学会更有效地提高学生的学习能力。为了加深学生对《统计预测与决策》课程理论知识的彻底掌握，根据课改要求在课程教学中，为学生提供更多的上机机会，在实验课上学生一人一机，通过自己收集或教师给定的经济数据，进行自作分析统计相关计量结果。结合统计软件的应用，熟练掌握课堂知识并进行训练。提高学生思维能力，在实验中发现易错的环节，并及时改正。问题的发生是学习的开始，加深薄弱环节的处理，教师辅助完成任务，巩固学生理论知识的运用，加深理论印象的同时激发学生主动学习的热情。

3.任务驱动法

让学生参与到课程的学习中是提高教学效率的重点，教师通过指定一些学习任务对学生产生“驱动”作用。通过一些客观存在的经济问题，引发学生自我思考的能力，激发学生运用其自身思维方式寻找答案，在实践中发挥理论价值。从实际出发，学生对问题展开分工、整理、方案实施等过程，经过对实际问题的自我处理，主动的参与到课程的教学过程中。在整个过程中形成自我处理问题的能力，相关知识理论的掌握也水到渠成。

三、借助统计软件实训平台实施教学改革

1.件实训目的

为了更进一步促进学生对统计学数据的处理能力，考虑通过统计软件实训平台，提高学生对《统计预测与决策》课程知识的加强巩固。通过统计软件实训培养学生发现问题、解决问题的基本能力，提高最理论知识的加深认识，建立自我解决问题的思维方式，为学生面对实际问题时可以快速进行分析处理，在经济或管理中得到更大价值的应用。

2.统计软件实训的现状

统计软件数据文件的建立与编辑，经济系统的多元线性回归分析，经济系统的聚类分析，统计质量控制图。以上是统计软件实训的四个主要内容安排，配合课程需要将理论与实训紧密结合，是当下统计学教育的专业建设需求。

3.统计软件实训平台教学时间安排

根据《统计预测与决策》课程的具体安排，进行统计软件实训。教师需要详细记录课时信息及进度，按照具体教学模块安排软件实训，使得学生紧密结合理论的同时借助统计软件实训平台，有效强化预测与决策的综合能力。统计软件实训平台会根据学生不同学习程度，有效推动学生的学习主动性。

4.统计软件实训成绩考核

应该将统计软件实训的考核成绩设置入整体课程考核中，重视软件实训在课程中的应用。将课时实训与理论紧密结合，“趁热打铁”可以巩固《统计预测与决策》课程知识点，有利于提高学生更全面、扎实的学习功底。激发学生对统计学的概念性理解，面对生活中的问题可以快速进行处理。

四、统计软件实训平台在教学中的改进

1.实训平台形式选择

教师应该考虑根据学生们在实训中的一些意见或实训报告，在实训中使用更容易符合学生需求的实训形式。其中验证性形式和综合实训形式，是课堂实训重点采用的实训形式。操作性较强、独立性较强的内容一般适合验证性试验。在系统上更具优势的综合性实训形式，与前者相得益彰，教师根据课时结合实训形式，有效提高教学质量。在实训中通过统计软件实训平台，了解学生对知识掌握的程度，适时调整实训形式保证统计软件的高效进行。

2.实训时间的安排

由于《统计预测与决策》课程具有复杂性和实践性这些特点，对于软件实训的时间安排，应该考虑适当增加。学生在足够的时间里可以继续探索相关领域的扩展性知识，提高学生具体分析能力，培养综合素质的提升。通过统计软件实训平台的进一步延伸，学生快速适应实训环境，体现课程教学改革发展的正确方向。

五、结束语

将统计软件实训做为改革任务，实现统计学下课程教育的有效性，丰富了学生的认识和思想范围。充分改革教学模式，激发学生对《统计预测与决策》课程学习的兴趣感，主动参与到课程问题探索，发挥课程学习的最大价值。经过调查发现，通过统计软件实训平台介入教学，优化了教学模式，帮助学生在实际中培养逻辑思维、统计分析、解决问题等综合能力。

参考文献：

[1]王桂梅.浅谈计算机实训室建设和管理[J].软件.2014（03）.

统计与决策论文篇（6）

诺贝尔经济学奖的获得者[美]赫伯特·西蒙教授对这一决策模式提出了严厉的批评，认为这样做“为的是产生那些非常动人的数学模型，用来表示简化的世界。在这方面，近年来人们已经提出了疑问，怀疑那些假说是否与人类行为的事实相距过远，以至根据那些假设所得出的理论同我们所处现实状况已经不再有什么关系了”（注：[美]赫伯特·西蒙著：《现代决策理论的基石》，作者为中译本写的“前言”。杨砾、徐立译，北京经济学院出版社，1989年3月第1版。）。也可以这样说，“最优化准则仅仅存在于逻辑推理中，没有实践价值”（注：袁宝华主编：《中国企业管理全书》（上），企业管理出版，1984年2月第1版。）。

随着现代管理从“物本管理”向“人（智）本管理”转变，决策目标以“满意性准则”取代“最优化准则”就成为历史的必然。

现代管理大师西蒙教授提出的以“有限理性”与“令人满意”准则取代微观经济学原来奉行的“完全理性”与“最大化原则”，是其决策理论的核心理论。其优越性，正如西蒙教授所说：“我认为，我提出的‘寻求满意的人’这一模型同那种‘寻求最优的人’的古典概念相比，在有关经济行为的经验研究中获得了多得多的支持”（注：[美]赫伯特·西蒙著：《现代决策理论的基石》，作者为中译本写的“前言”。杨砾、徐立译，北京经济学院出版社，1989年3月第1版。）。在现实经济生活中，遵循满意性准则进行决策，适当地应用数学模型进行定量分析，是完全必要的，问题是不能把它强调过了头，不能见物不见人，把定量分析推向极端。以数学模型的定量分析为基础，决策者要善于运用自己的学识、经验和直观判断能力对模型输出的结果进行全面的分析和评价，以实现决策者的智慧和推断同定量模型的解析相结合，借以获得更深刻、更全面的认识。在社会经济系统中，人的因素总是居于主导地位的。决策的层次越高、涉及面越广、情况越复杂，战略性、非规范性、不确定性越强，决策人员和决策支持人员的远见卓识和非凡的洞察力及由此而形成的高屋建瓴式的综合判断就越带根本性。

二、管理会计的新特点

管理会计是融管理和会计于一体的一个专门领域，是企业信息系统中的一个子系统，是决策支持系统的重要组成部分。因而其特性自然是依管理的特性为转移，并随着管理特性的发展而发展。

与上述知识经济管理上的基本特征相适应，在新的历史条件下，管理会计呈现的新特点，可概括为以下三个方面：

（一）管理会计新方法论的开创。

适应知识经济时代“智本管理”的要求，以及基于对管理特性的新认识，管理会计应遵循艺术规律，开创出认识上的新的方法论。新的方法论，可归结为：三个“重于”、三个“并重”。（注：余绪缨：“管理特性的转变历程与知识经济条件下管理会计的人文化趋向”，《财会通讯》，2001年第10期。）

三个“重于”是指：（1）“衡量”（measuring）重于“计算”（counting），正如管理大师PeterDrucker（德鲁克）所说，在管理上“我们需要的是进行衡量，而不是计算”（Weneedtomeasure，notcount）（注[美]彼得·德鲁克著：《现代管理宗师德鲁克文选》（英文版），机械工业出版社，1999年1月第1版。）。（2）认知性（cognition）重于精确性（precision）：认知性重在整体的质的把握，精确性重在细节的量的描述。（3）悟性重于理性：是上述第2点的进一步概括：重整体的质的把握，属艺术思维；重细节的量的描述，属科学思维，艺术思维重悟性；科学思维重理性。

强调这一点，有什么实际意义呢？例如：关于顾客满意程度消长变化的分析，并不是完全靠计算就能直接掌握的，深层次的问题要靠“悟”——“悟”出在深层次起作用的企业的经营思想上的方向性问题，认真进行改进，才能从根本上消除对顾客满意程度造成负面影响的种种因素。

三个“并重”是指：（1）量化与非量化并重（对可以量化的因素进行量化，难于量化的因素不强求量化，可以用其他形式如文字说明等进行反映）。（2）量化的各种形式并重：如考核学习成绩，100分制是一种量化形式，五分制是另一种量化形式。五分制是把学习成绩分成3个档次。按百分制，认为得76分的人比得75分的学得好一些，是很牵强的。按五分制，认为得80分的人比得70分的学得好一些，更符合客观实际，因为80分和70分属于不同档次。（3）量化的各种形式中，货币计量与非货币计量并重：也就是不把货币计量定于一尊，在管理活动中，许多因素从深层次看，是不能或不宜于进行货币计量的。如成员之间的协作配合情况、生产安全情况、员工对工作的满意程度……，是不能完全采用货币计量形式的。

上述认识上的新方法论及其在管理会计中的应用，蕴含着人的因素、精神因素和文化因素在其中的主导作用。

（二）决策支持模式从科学观向人文观转变。

管理会计师，作为决策支持系统中的参谋人员，主要从事决策的研究工作，为决策系统中的决策者正确有效地进行决策提供咨询服务。适应“管理决策”的要求，决策支持在不同的决策模式下具有不同的特点：

统计与决策论文篇（7）

决策支持系统的应用 决策支持系统(DDS)的概念提出20多年来,随着决策理论、信息技术、数据库技术、办 公自动化、专家系统等相关技术的发展,DDS取得了长足的进展,在许多领域得到应用。DDS已 成为许多行业经营管理中一个不可缺少的现代化支持工具。本期专题介绍了银行、房地产、 企业等应用DDS的情况,包括如下文章: 1.决策支持系统建立中的关键问题 ——兼论云南玉溪卷烟厂信息管理与决策支持系统 本文以建立云南玉溪卷烟厂信息管理与决策支持系统为例,介绍了决策支持系统建立 中的关键问题,包括决策支持与数据管理系统,模型、方法和知识管理系统及用户交互环境。 2.银行智能决策支持系统 面对激烈竞争和瞬息万变的金融市场,传统的银行决策方法已不能适应现代化银行发 展的需要。本文探讨如何将计算机决策支持技术应用到银行高层决策,建立银行智能决策支 持系统。 3.地震预报智能决策支持系统的研制与应用 地震是众多自然灾害中对人类生存造成危害最为严重的一种灾害。为了科学、准确预 报地震,减轻地震的影响,建立地震预报智能决策支持系统具有非常重要的价值。 4.智能房地产决策支持系统EID 柔性综合集成能够使系统按照当前运行状况,动态配置所需的计算机部件,以解决传统 专家系统表示和推理单一、难以融合异质计算部件等缺点。本文介绍在构建智能房地产决策 支持系统中,采用基于任务归约和子任务联想的知识汤建模方法,对柔性综合集成作了初步的 尝试。 5.低成本CIMS成本管理决策支持系统 本文以特钢企业为背景,阐述了建立网络环境下低成本CIMS成本管理决策支持系统的 基本思想,并提出CIMS环境下管理与决策的模型库、数据库、方法库和知识库的分析与设计 ,进而达到控制钢铁企业成本的目的。 决策支持系统是以日常业务处理系统的数据为基础,利用数学的或智能的方法,对业务 数据进行综合、分析,预测未来业务的变化趋势,在企业发展、市场经营战略等重大问题上为 领导层提供决策帮助的计算机系统。近年来企业(包括商业)部门业务处理以及信息管理系统 的广泛使用,既为决策支持系统的建立提供了基础,也为它的应用产生了强大的推动力。 与此同时,计算机在理论与技术上的新进展也使决策支持系统的研究与应用水平不断提 高,使它从早期的批处理方式演变成今天的联机分析处理方式,也带动了数据仓库、多维数据 库、数据挖掘等新技术的研究。 决策支持系统大体上由以下三个部分组成: ·对决策用的数据进行管理的决策数据管理子系统。 ·决策知识、模型管理子系统。 ·与用户进行对话、接收命令,提供决策结果的交互环境。 在建立决策支持系统中,以下几个问题显得尤为关键: 一、决策支持与数据管理系统 数据管理系统必须为决策支持的分析处理提供以下服务: (1)根据主题需要,从OLTP数据库中抽取分析用的数据。为此在抽取过程中要对原 始数据进行分类、求和、统计等处理,抽取的过程实际上是数据的再组织。 (2)在抽取过程中,完成数据净化,即去掉不合格的原始数据,必要时还必须对缺 损的数据加以补充。 (3)在改变分析、决策的主题时,可以按主题进行数据查询与访问。

统计与决策论文篇（8）

一、 引言

随着决策理论与方法研究的推进，计算机科学与信息技术的飞速发展，为满足决策者决策需求内涵的丰富与提升，一种重要的决策支持工具――决策支持系统（Decision Support System，DSS）应运而生。1971年，Scott Morton和Gorry首次提出DSS的概念以支持半结构化和非结构化决策。DSS是在MIS和基于模型的信息系统基础上发展起来的可形式化、可模型化的、层次较高的信息系统，追求的目标是有效性。自从DSS的概念被提出以来，研究者和实践家们一直在努力构建更合理、更完善的系统体系。

二、 决策支持系统

1. DSS概念体系。

（1）理论基础与实现依据。DSS的理论研究及实践开发和很多学科（领域）的知识有关，其理论框架涉及到计算机科学、信息科学、管理科学、决策科学、行为科学等领域。它不断吸收其他学科的知识并遵循其自身结构与功能特征的发展规律以完善其理论体系。

DSS支持全部决策过程，不同的研究者对决策过程模型有不同的认知和表述。DSS的研究者在很大程度上受到Simon决策过程模型的影响。它不仅用来解释决策过程，还是DSS实现的理论依据，且被很多研究者作为区分DSS和其他信息系统（如MIS、ES等）的标志。

（2）定义。自DSS的概念提出后，很多专家与学者（如Keen，Little，Alter，Moore，Bonczek & Tuban）等对DSS的定义进行了不断扩充与完善。

在军事指挥决策领域，DSS往往被称为辅助决策系统，但“决策支持辅助系统”和“辅助决策支持系统”都是不严谨的名称，因“支持”和“辅助”内涵相近。DSS的术语是内容自由的表述，不同时期、不同领域、采用不同技术的人对其有不同的理解。DSS广义的理解是指用来描述任何支持决策过程的人机系统，狭义的理解是指一种特定的技术。随着相关理论和技术的发展，DSS的概念内涵和外延都在不断丰富与发展之中，但理解DSS的实质需根据系统结构及其所决定的系统关键特征和功能。

因此，没有一个广为人们接受的统一的DSS定义，这也为该领域的发展留有待扩充空间，但不能忽视DSS的目的是支持和改进决策过程。

（3）基本结构。传统DSS基本结构总的来说分为两大类：一类是以Sprague两库结构为基础的“三部件”结构，它由数据部件、模型部件和对话部件组成，如图1所示；另一类是Bonczek（1981）提出的基于知识的“三系统”体系结构，它由语言子系统、问题处理子系统和知识子系统组成，如图2所示。它们分别从不同的角度揭示了DSS的内部结构和功能模块特征，都对后来DSS的结构扩充产生了很大的影响。

（4）关键特征和功能。因DSS没有统一的、广为接受的定义，故DSS的标准特征和功能也没有统一的描述。但理想中的DSS的关键特征和功能如图3所示。

（5）分类。在DSS的演化进程中，不同时期的不同研究者从不同视角、不同层次对DSS作了不同的分类。比较有代表性的是：Donovan，Madnick（1977）按能否支持重复决策，把DSS分为惯例DSS和临时性DSS；Arnott，Pervan（2005）按DSS的应用范围和技术特点，分为个人DSS，GDSS，谈判DSS，IDSS，基于知识管理的DSS，BI和DB。

在学术界广为接受的是Power（2007）按驱动方式将DSS分为模型驱动型DSS、数据驱动型DSS、通信驱动型DSS、文本驱动型DSS、知识驱动型DSS和基于Web的DSS等类型。近年来，基于数据仓库（Data Warehouse，DW）、联机在线分析（On-Line Analytical Process，OLAP）和数据挖掘（Data Mining，DM）的商业智能技术得到了迅速发展，再加上Microsoft、Oracle、IBM等数据库厂商的大力开发与支持，使得数据驱动的DSS相对于模型驱动的DSS具有更高的标准化程度和产品成熟度。

2. 系统分析和设计方法。DSS的系统分析和EDPS、MIS等不同，主要应符合决策者对决策过程的认知、满足DSS的设计规范和提升DSS的系统效能等方面。对DSS的系统分析通常采用一种称之为ROMC的方法，即表述（Representation）、操作（Operation）、记忆辅助（Memory aid）和控制机构（Control Mechanism）等，其主要特征是过程独立、依赖表达式但方法本身并没有提供实现DSS结构的具体技术。

DSS的设计可采用结构化系统开发方法、层次模型法、面向对象法等。每种方法的着眼点不同，选择系统设计方法时，需综合考虑开发人员的知识结构、决策问题的结构与特征、系统的可维护性等因素。

3. 应用。在已投入使用的信息系统中均有DSS成功应用于经济、管理、军事等领域的实例，这大大提高了决策的科学性。目前，许多全球著名的软件供应商，如CA、IBM、Oracle、NCR、Informix、SAS等都提供支持DSS研发的各种工具。

在国内，从事DSS研究的单位主要有中科院、南京大学、国防科大、中南大学等，它们已取得了很多理论研究与实践应用成果。目前，国内DSS的应用主要体现在大型互联电网、高等教育评估、军队指挥自动化、应急管理、物流管理等领域，其应用范畴仍在不断扩展之中。

三、 演化进程

自DSS概念提出以来，在人工智能、数据库、模型库、知识管理、联机分析、语义Web服务等新技术的不断推动以及对决策理论与方法的深入研究，DSS呈现出了以不同技术为主要表征的多种形态并已经取得了一系列重要的进展，如：对DSS定义和基本框架的拓展和改进、面向组织和团队的群体决策支持系统（Group Decision Support System，GDSS）、商业智能（Business Intelligence，BI）技术、决策支持中心（Decision Support Center，DSC）、综合性决策支持系统（Intelligent，Interactive and Integrated DSS，I3DSS）、智能决策支持系统（Intelligent Decision Support System，IDSS）以及基于网络技术而发展的分布式决策支持系统（Distributed Decision Support System，DDSS）等，目前DSS的研究主要集中在应用层面，其演化进程总结如下。

20世纪60年代：DSS的研究主要体现在Scott Morto的管理决策支持，卡内基梅隆大学（CMU）的组织决策理论研究，麻省理工学院（MIT）的有关交互式在线分析处理系统的技术研究，决策支持理论发展等方面。系统的主要特征是将交互式技术应用于管理任务。

20世纪70年代：Scott Morton和Gorry（1971）提出DSS的概念；1971年~1976年，研究主要集中在交互式的计算机系统，后把模型融入DSS；Keen和Scott Morton（1978）把DSS的应用范围限定在对半结构化管理决策的支持；这阶段具有代表性的是BrandAid，Alter，Holsapple等的研究。70年代中后期，系统主要注重有效性，而不是效率。

20世纪80年代：Sprague（1980）提出DSS的“三部件”结构，后又增加了知识库和方法库；Bonczek（1980）等提出DSS的“三系统”结构；1981年首届DSS国际会议在亚特兰大举办；1980年出现了GDSS的概念；Owen（1985）等人提出了DSC的概念；Kersten（1985）年开发支持谈判的决策支持系统NEGO；1989年出现的群件Lotus Notes；Kraemer和King（1989）提出的协同决策系统CDSS。人工神经元网络及机器学习等技术的研究与应用为知识的学习与获取提供了新途径，如专家系统和DSS结合形成IDSS。这阶段有代表性的是：DSS书籍；群决策支持系统原型；基于计算机的专家系统等。20世纪80年代中后期，注重系统的柔性及应用性。1990年以前，DSS大多是模型驱动的。

20世纪90年代：1990年后，Bill Inmon和Ralph Kimball积极推崇使用关系数据库技术建立数据驱动的DSS；1994年，开始把OLAP功能集成到数据库中；1995年，数据仓库和World Wide Web开始影响决策支持技术的发展，基于Web的DSS变得切实可行；Gartner Group（1996），提出BI的概念。随着网络、新一代数据库、多媒体、仿真和虚拟现实等技术的发展，DSS的研究主要集中在商业智能/联机在线分析、数据仓库、基于Web服务的系统/门户网站、数据挖掘等方面。系统的主要特征是网络化、应用性、数据驱动。

21世纪至今：系统研究注重应用、注重集成及融入人的高级思维，出现了面向服务的体系结构（Service-Oriented Architecture，SOA）的一体化系统形态。重视计算机与人的知识的相互融合及有效管理，强调DSS与人的交互。特别是近几年来，开始关注触控界面技术。系统的主要特征是友好交互、个性化、智能化、集成化。

DSS名称的扩展反映了决策支持技术的进步和决策者需求内涵的提升，几种主要的DSS形态的特征对比如表1所示。

每一种系统形态都有其独特的运用范围，即所求解的决策问题都有一定的边界。当然，无论是哪种形态的DSS，都需经过系统调查、可行性论证、系统规划、系统分析、系统设计、系统实施和系统评价等各阶段。

四、 面临的问题

目前，物联网、云计算、网络超算、无线传感、语义Web等新技术的出现和现有决策支持技术的发展，对个人、组织和社会的影响与日俱增。现有的DSS体系架构面临复杂决策环境下决策者逐渐增强的参与意识时屡屡陷入困境，这引起了我们的反思，DSS的决策支持效能为什么多年来没能提上去？

传统DSS是进行决策任务求解的重要支持工具，主要具备基于逻辑和符号推理的理性决策能力。在实践中常面临以下问题：

（1）知识提取困难。信息是决策的基础，海量（多维）信息、不完备信息，并有信息孤岛的存在，如何从这些信息中提取所需知识成为严重影响DSS系统效能的因素。

（2）处理半结构化和非结构化决策问题的能力较弱。目前，已经应用于实践的DSS大部分是模型或数据驱动的，面对结构化和非结构化的问题缺乏有效的解决途径。

（3）忽视了人的参与作用。传统DSS的发展重心在技术，主要依靠数据和模型从决策技术层面支持人的决策，忽略了不能完全模型化（定量化）的非技术因素（人的认知），人只是系统的“看客”，而单纯考虑技术因素往往让决策者认为技术不符合决策需求，作为非技术因素的人又是决策系统的一个重要组件，其参与作用如何才能被刻画出来且无缝融入系统并获得决策者的认可。

这些存在的问题严重影响了DSS的使用价值和用户的使用热情，以致DSS的进展不大，但这也是一种挑战和推动力。因此，如何突破现有DSS的体系架构以提供快速决策和满足决策者真实需求的复杂的、个性化的决策服务也就成为了研究焦点。

五、 发展趋势

进入20世纪90年代以来，人工智能（包括遗传算法、模糊逻辑和智能等），数据库技术，Web Service，特别是一些专用技术如网格计算、人机交互、移动计算和启发式搜索的算法等技术的发展，为DSS的发展提供了强大的技术支撑，扩展了系统辅助决策的深度与广度。其发展趋势主要有：

1. 注重基于认知特征的人机交互技术。系统通过人机交互技术支持决策过程，为决策过程中超越其认知极限的问题处理提供适用技术手段。近年来，基于知识的人机交互技术是目前DSS研究的主要方向。随着信息技术的发展，人机交互技术的研究也从简单的菜单驱动和多媒体界面发展到智能化、多模态（通道）界面，除了传统的键盘输入、触摸屏等接触式操控模式外，还允许语言、手势、视觉（眼动仪）等多种非接触式操控模式。

2. 注重人的高级思维的参与，从技术和非技术角度重建系统架构。目前，人类对信息处理规律的研究与探索已经渗透到认知领域，但人的认知特征并没有体现在传统DSS系统设计与操作过程中。我们认为，需从技术与非技术的角度考虑DSS的体系结构。将人的高级思维嵌入到非结构化决策问题求解之中以实现人机智能的协同与融合，以期系统在可信度、可行性、适应性、敏捷性等方面都会有所提高。当然，这势必会引起新型决策系统架构的改变，也会带来一系列需要解决的关键技术。譬如，如何将人件（参与决策活动的人）和软件网络赋能为人件服务和软件服务，并纳入系统进行统一管理、调度及使能驱动等。

3. 注重各种相关技术的集成应用。未来的DSS将是综合集成的，是一个集各种决策支持技术于一身的多功能系统。它把专家群体、决策者、统计数据和信息资料与计算机软件系统等有机结合起来，构成一个操作便利、快捷、流畅、更能反映决策者高级思维的新型决策系统，具有感性与理性、定性与定量的综合功能。特别是将语义Web服务、认知科学与未来DSS的设计与开发相结合，已引起国内一些科研院所（校）的重视，并开展了一些基础性研究工作，但仍有很多理论问题和技术实现难点有待深入研究。

4. 注重系统的智能化。随着人工智能技术的不断发展，人工智能技术在DSS中的应用己经相当广泛。大体可分为两类：一类是用人工智能技术去实现DSS的模型管理、模型选择等；另一类则是利用人工智能的知识表达和推理能力直接为决策问题提供支持。如使用专家系统可提升DSS的模型和数据管理；神经计算系统或GSS能够支持专家系统的知识获取过程；智能技术能实现不同任务的自动化，最终代替人执行许多日常事务等。

六、 总结

阐述了DSS的产生背景、概念体系、系统分析和设计方法、应用等方面，总结了DSS的演化发展历程。针对现有的DSS体系架构面临复杂决策环境下决策者逐渐增强的参与意识时屡屡陷入“困境”，反思了为何多年来DSS的系统效能提不上去的原因，并分析了DSS进一步的发展趋势。

参考文献：

1. 吴奎.基于面向服务架构的辅助决策开发平台若干关键技术研究.南京：南京理工大学博士学位论文，2010.

2. 白晓民，张伯明.大型互联电网在线运行可靠性评估、预警和决策支持系统.北京：清华大学出版社，2010.

3. 瞿斌.高等教育评估决策支持系统.北京：中国水利水电出版社，2011.

4. 李照顺，宋祥斌等.决策支持系统及其军事应用.北京：国防工业出版社，2011.

5. 吴健宏，翁文国.应急避难场所的选址决策支持系统.清华大学学报（自然科学版），2011，51（5）：632-636.

6. 王富忠，沈祖志.物流敏捷调运决策支持系统的研究.中国管理科学，2011，19（1）：84-90.

7. 黄孝鹏，周献中，田卫萍.基于人件服务的人机协同决策系统有关问题研究.第三届C4ISR技术论坛，2011，（11）.

8. 黄孝鹏，周献中，杨佩，萧毅鸿.基于人件服务的新型决策系统关键技术研究.计算机应用与软件，2012，29（2）：19-21，66.

统计与决策论文篇（9）

作者简介：胡志华（1980-），女，河南商丘人，华北水利水电学院机械学院，讲师；王瑞莲（1976-），女，河南南阳人，华北水利水电学院电力学院，讲师。（河南 郑州 450011）

基金项目：本文系河南省高等学校实验教学示范中心（教高【2010】1047-25号）资助的研究成果。

中图分类号：G642.423?????文献标识码：A?????文章编号：1007-0079（2012）21-0086-02

“自动控制原理”是电气类、信息类、机械类等专业的专业基础课，熟练掌握这门课程，是为专业课奠定基础。它是一门理论性较强的课程，课堂理论教学结束后需要进行实验教学。实验教学是理论联系实际的过程，是灵活运用课堂上所学理论知识的过程。但实验成绩的评定通常情况下是把每个学生所做的每个实验分数进行“和平均”得到一个最终的分数即为学生的总成绩，依此分数确定学生的实验成绩等级。基于对教学的改革，衍生了对成绩评定方法的优化研究。文献[1]把灰统计方法应用于创新型实验成绩的评定，但是该方法在确定学生的成绩为“优秀”或者是“良好”和“及格”与“不及格”时有争议，本文采用改进的灰统计的方法，用于确定自动控制原理实验的总成绩，使该课程实验成绩的最终确定更有理论依据，为教学成绩的确定提供经验。

一、建立灰统计模型

1.样本矩阵

每个学生做的自动控制原理实验个数n=8，分别为：实验1：典型环节的电路模拟与软件仿真；实验2：线性定常二阶系统的瞬态响应；实验3：线性系统稳态误差的研究；实验4：系统频率特性的测量；实验5：线性定常系统的串联校正；实验6：非线性系统的描述函数法；实验7：具有内部模型的状态反馈控制系统；实验8：采样控制系统的分析。

假设有m个学生，这m个学生做的n个实验成绩就构成统计矩阵D：

假设第m个学生的第n个实验分数属于统计灰类k，分为优、良、中、及格、不及格5大类，分别记为k1(优)，k2(良)，k3(中)，k4(及格)，k5(不及格)。

2.灰类白化函数

文献[1]中的白化函数定义如表1。从表1中可以看出，分数在[90，100]和[0,60]这两个范围内定义的灰类白化函数表达式为1，和其他范围分数段的灰类白化函数表达式定义不同，相比之下，对[90，100]和[0,60]这两个范围内得出的白化函数值要偏大，即容易把接近于“优秀”的“良好”得出“优秀”的成绩，容易把接近于“不及格”的“及格”成绩得出“不及格”的成绩，文献[1]中的算例也是这样的结果。基于这个原因，考虑采用表2所示的白化函数表达式。

3.计算k类决策系数nmk及综合决策系数nm

计算k类决策系数nmk：nmk为第m个学生属于第k个灰类的系数，公式如下：

其中为第m个学生第n个实验的成绩所提供的决策量白化值。

计算综合决策系数nm的公式如下：

k类决策系数nmk及综合决策系数nm计算结果见表3。

4.计算决策权

决策权rmk为第m个统计指标对灰类k的灰评估值，采用公式如下：

决策权向量表示第m个在不同统计灰类下的权。

5.判断灰类

若决策权向量中第k*个权rmk*最大，即：

则第m个指标属于第k*个灰类。

二、应用实例

假设某年毕业设计成绩样本如下表3。

灰统计计算结果如表4。

可见这5个学生的决策权向量：

由决策权向量即可得出这5个学生属于的灰类:

R1k*=max(r1k)= max(r11)=0.257，学生1的自动控制原理实验成绩属于k1灰类，即为优秀；

R2k*=max(r2k)= max(r21)=0.254，学生2的自动控制原理实验成绩属于k1灰类，即为优秀；

R3k*=max(r3k)= max(r34)=0.223，学生3的自动控制原理实验成绩属于k4灰类，即为及格；

R4k*=max(r4k)= max(r45)=0.232，学生4的自动控制原理实验成绩属于k5灰类，即为不及格；

R5k*=max(r5k)= max(r53)=0.226，学生5的自动控制原理实验成绩属于k3灰类，即为中等；

R6k*=max(r6k)= max(r64)=0.217，学生6的自动控制原理实验成绩属于k4灰类，即为及格；

R7k*=max(r7k)= max(r74)=0.218，学生7的自动控制原理实验成绩属于k4灰类，即为及格；

R8k*=max(r8k)= max(r82)=0.232，学生8的自动控制原理实验成绩属于k2灰类，即为良好。

三、分析与比较

“改进和平均”方法就是把每个学生的8个分数去掉1个最高分和最低分后平均，对这8个学生8个成绩采用“和平均” 、“改进和平均”、“灰统计”和“改进灰统计”的方法得出的成绩的等级进行比较，如表5。

由表5知，采用文献[1]中的灰统计方法得到的学生成绩等级与用“和平均”和“改进和”平均方法得到的成绩等级基本相同，但是“学生3”的成绩用这两种方法区别较大，和平均方法“学生3”的成绩评定等级为“及格”，而用灰统计方法得到的成绩是“不及格”，采用“改进灰统计”方法得出的成绩等级也是“及格”。另外，按照文献[1]中所述，用“灰统计”方法得出这样的结果是因为各位老师给“学生3”的成绩评定分散较大所致，即为各个老师对这个学生的成绩分歧较大造成，但是看“学生4”和“学生6”，各老师对这个学生打分的分散性更大，但是与“和平均”的成绩等级一样，只有“学生7”符合文献[1]所述结论，因而考虑采用改进的灰统计方法分析自动控制原理实验的总成绩比较合理。

参考文献：

[1]吴石林,等.创新型实验成绩的灰统计评估[J].实验技术与管理，2009,(4):132-134.

[2]邓聚龙,等.灰理论基础[M].武汉:华中科技大学出版社,2002.

[3]彭计红.高等教育中平时成绩评定的思考[J].南京中医药大学学报:社会科学版,2011,12(4):246-246.

[4]罗晓琴.大学物理实验成绩评定方式探索[J].实验科学与技术,2011,(5):102-10.

[5]刘宏超,岳红云.基于因子分析法的学生成绩影响因素的数学模型研究[J].高等函授学报(自然科学版),2011,(5):57-58,60.

[6]张志英.模糊评价法在本科毕业设计成绩评定中的应用[J].浙江理工大学学报,2011,(3):467-470.

[7]张陆.基于灰统计模型的图书馆用户满意度评估方法研究[J].情报杂志,2006,(12):51-52.

[8]张继东.AHP方法在课程教学质量评价中的应用[J].天津理工大学学报,2008,(4):82-84.

[9]张峰,胡艳连.模糊综合评判和层次分析法在高校教学评价中的应用[J].长春师范学院学报(自然科学版),2006,25(3):10-13.

[10]黄淑兰,郑承志.高职院校教师课堂教学质量灰色综合评价[J].宁波职业技术学院学报,2010,(2):46-50.

[11]江捷.美国大学课程成绩评定方法及启示[J].电气电子教学学报,2011,(6):21-22,30.

[12]罗忠.大学课程平时成绩的评定方法探索与实践[J].教学研究,2011,(5):31-34.

统计与决策论文篇（10）

决策可靠性分析的基本思想是，运用现代概率论的理论和方法，确定出依据最大收益期望值（EMV）或最小机会损失期望值（EOL）决策准则所选择的最优决策方案实现其期望益损值的概率，以此反映决策的可靠性状况。显然，概率越大，则意味着决策的可靠性越好。但仅有此指标还是不够的，还需要对所确定出的概率进行假设检验。

决策可靠性分析的步骤如下：

第一，运用现代概率论的理论和方法，确定出所选择的最优决策方案实现其期望益损值的概率，以反映最优决策方案的可靠性。

首先，讨论最优决策方案随机变量的概率分布。设最优决策方案随机变量为A，其取值为αij，i=1，2，……m，j=1，2，……n。由于绝大多数的最优决策方案随机变量往往可以表示成大量独立随机变量的总和，且总和中的每一个单独的随机变量对于总和又不起主要作用，因此，根据李雅普诺夫中心极限定理，可以认为最优决策方案随机变量近似地服从正态分布，即A～N（μ，σ2）。

其次，讨论最优决策方案随机变量的取值情况。显然，采取某一最优决策方案后实现的益损值只能在其最小和最大益损值之间。也就是说，αij的取值在min(αij)与max(αij)间。

于是，将随机变量的取值与所对应的概率相联系，用概率表示，则有：

P(min(αij)≤αij≤max(αij))=1-β

式中，1-β则为所选择的某一最优决策方案实现其期望益损值的概率。

最后，讨论1-β的计算方法。由前面讨论已知，A～N（μ，σ2），则根据正态分布的性质，必有：αij-μσ～N（0，1）。为此，可按照标准正态分布概率的计算方法，求出概率1-β，即：

对于Φ(max(αij)-μσ)，Φ(min(αij)-μσ)的值，可查正态分布表求得。通过它，可以反映所选择的最优决策方案实现的可靠性状况。关于μ和σ2，可根据样本对其作出估计。由数理统计可知，μ和σ2的估计量分别为

。

第二，对所求出的最优决策方案实现其期望益损值的概率（1-β）进行假设检验。步骤如下：

（1）建立检验假设H0：1-β与1-α没有显著差别，亦即1-β=1-α或β=α

备择假设H1：1-β与1-α有显著差别，亦即1-β≠1-α或β≠α

（2）计算t统计量，t=

（3）决定显著性水平（α） 在本文中，显著性水平（α）与决策者期望的可靠性（1-α）中的α是一致的。及相应的临界值t（α/2，m -1），

(4)比较t统计量与临界值t（α/2，m-1），当｜t｜≤t(α/2，m-1)，则接受H0，可以认为所求出的最优决策方案实现的可靠性（1-β）与决策者所期望的可靠性（1-α）相一致；当｜t｜＞t（α/2，m-1），则拒绝H0，可以认为所求出的最优决策方案实现的可靠性（1-β）与决策者所期望的可靠性（1-α）不相一致。

二、例证运用

某企业以批发方式销售它所生产的产品，每件产品的成本为0.03万元，批发价格每件为0.05万元。若每天生产的产品当天销售不完，每件要损失0.01万元。该企业每天的产量可以是1000、2000、3000、4000件，每天的批发销售量，根据市场的需要可能为0、1000、2000、3000、4000件，相应的概率分别为0.1、0.2、0.4、0.2、0.1。所构造的收益矩阵如表1所示。

根据收益矩阵，计算出各方案的期望收益值，见表1第6列。因此，依据最大收益期望值（EMV）准则，我们最终确定出的最优决策方案为A2。

但正如前述，所确定的这一最优决策方案A2实现最大收益期望值（EMV）的可靠性又是怎样呢？最大收益期望值（EMV）准则并没有给出，决策理论也没有研究。因此，有必要对此进行分析。根据决策可靠性分析步骤，计算出最优决策方案实现最大收益期望值（EMV）的可靠性（概率）为：

也就是说，采取最优决策方案A2以获得最大收益期望值（E（A2）=28）的可靠性为72.00%。为了比较，我们也计算出了其他方案实现其收益期望值的可靠性，见表1第8列。

问题在于，所求出的这72.0%的可靠性是否与决策者期望的可靠性（假定决策者期望的可靠性为95%）相一致？为此，对72.0%的可靠性做假设检验如下：

（1）建立检验假设H0：1-β=0.95，备择假设H1： 1-β≠0.95，

（2）计算t统计量，

（3）给定显著性水平（α）=0.05，查表得t（α/2，m-1）=2.776