基于复杂网络及复杂项目管理研究框架.doc

基于复杂网络的复杂项目管理研究框架发表时间：2010-11-30 李慧 关键字：项目管理 复杂网络 复杂项目 结构方程模型(SEM) 信息化应用调查我要找茬在线投稿加入收藏发表评论好文推荐打印文本把复杂网络理论引入管理，使之适应不断变化的环境需要，是近年来管理理论发展的重要趋势，并已在相关领域取得了广泛的研究成果。通过归纳复杂网络的特征及其测度。在分析复杂项目特性的基础上，基于复杂项目所涉及的结构、组织、人员、技术、进度、成本等各要素的不确定性以及各要素之间的相互作用关系，概括了复杂项目的复杂网络行为特征。根据复杂项目的复杂网络行为特征，基于结构方程建模(SEM)方法的应用范围和特点，提出了运用结构方程建模方法，分析、解决复杂项目管理问题的框架。 0 引言 复杂网络是对复杂系统结构和作用机制的一种抽象它表示具有大量各种相互作用的不同组元的系统可以用来描述系统中个体之间的关系以及系统的集体行为。在复杂网络中，节点代表的是某个个体或团体，节点之间的连接表示它们之间的相互作用。现实世界中的很多系统都可以用复杂网络去描述。比如社会系统、生物系统和交通系统、经济系统等。其中每一个体对应于网络的顶点(node或vertex)，个体之间的联系或相互作用对应于连接顶点的边(1ink或edge)。对复杂网络结构特征和内在嵌入机理的考察已经成为人们正确认识复杂网络。并促进复杂网络理论发展与应用的重要途径。既往的许多研究丁作和成果大都集中在自然科学领域应用复杂网络或随机图模型研究经济和金融系统运行规律的学者，也大多见于所谓的“经济物理学家”，他们运用统计物理的方法，结合网络关系来建模经济或金融市场的运行。这一理论在社会科学中的应用也已受到国内外学者的高度关注。如社会心理学家Milgram 通过对社会关系网络的研究，提出了“六度分隔”(sixdegree of separation)的概念。并且发现人际关系网络往往具有较大的群集系数(clustering coefficient)；席酉民等通过对组织网络的研究，提出了组织的立体多核网络模型。把复杂网络理论引入管理，使之适应不断变化的环境需要，是近年来管理理论发展的重要趋势。在我国，复杂网络理论也已被引入到经济与管理研究中，并取得了广泛的研究成果，但把复杂网络理论引入项目管理的研究目前还不太多。由于复杂项目所涉及的技术、组织、知识、人员、进度、成本等诸多内外界因素存在着高度的不稳定和不确定性复杂项目各构成要素的动态变化以及各要素间相互作用程度的差异对项目整体绩效具有重大影响。因而，应用复杂网络理论解决复杂项目运作过程中面临的各种问题具有一定的理论和实践意义。 复杂网络的特征及其测度复杂网络的研究者在大量网络现象的基础上抽象出了两种类型的复杂网络：小世界(small wodd)网络和无标度(free scale)网络。J01这两种类型的网络都具有两个基本特征：平均集聚程度高、网络距离短。高的平均集聚程度反映了事物在小世界的情况下自发走向有序的态势：小的最短路径特征反映了演化速度快的特征。目前的实证研究表明，许多现实网络，包括信息网络、社会网络、经济网络、生物网络等都具有集聚程度高和网络距离短的特性。复杂网络主要有3个重要的网络测度：网络度分布、网络平均路径和网络集聚系数。网络中某节点的连线数目称为该节点的度(degree)。对于规则网，每个节点都有度数K因此规则网的度分布是单点分布。而随机网的度分布是二项分布，可以用泊松分布逼近。AIbert，Jeong和Barabasi 在研究万维网的度分布时，发现它并不服从泊松分布，而是幂律分布。因而，Barabasi，Albert和Jeong131提出了无标度网络的概念。复杂网络的另外两个重要的网络测度分别是网络平均路径和网络集聚系数。其中，网络平均路径是网络中任意两点最短路径的平均值；任意节点的集聚系数是与它连通的节点之间现有连线和可能连线之比。网络集聚系数C是网络节点集聚系数的平均值。网络测度反映了复杂网络内部个体之间的相互影响这种影响是网络分析的重点。比如某一节点拥有的连线数目(即节点度)，即是节点之间相互作用的数量的反映。也就是说，一个节点的度反映了与这个节点(个体)相互作用的多寡，这里关注的重心是相互作用。 在复杂网络中，各节点之间的相互作用关系可以通过邻接矩阵表示，若只需要表示节点之间有否连线f即是否存在相互作用)，通过无权网络即可描述。在无权网络中。邻接矩阵(adiacency matrix)A的矩阵元非0即1，仅表示顶点之间的边存在与否两种情况。但在许多情况下。节点之间的关系或相互作用强度的差异起着至关重要的作用。此时，仅用无权网络不能准确地反映实际网络的细致结构及其功能。引入边权(1ink weight)的加权网络能够描述节点问相互作用强度的差异性，所以加权网络已经成为复杂网络研究的一个重要领域。在加权网络中边权代表个体间相互作用的强度。加权网络可以南集合G=(N，W)描述。包括N个节点，以及一组带有权重的边w：可以用加权邻接矩阵W表示加权网络，其中矩阵元wii(wijO)代表相邻两节点间的边权。大量实证研究表明许多实际网络都是加权网络，各节点间的相互作用程度有极大差异。 基于复杂网络理论马骏等总结了复杂网络的行为特征：网络中节点与节点之间连接的多样性。复杂网络中各节点具有不同的特性并按非线性方式进行状态转化。同时，节点之间的连接内容是多样化的，连接结构是立体动态的。网络具有动态演化特性。复杂网络中的局部互动关联性，涌现出网络整体上的动态演化行为模式而这种行为模式又导致网络结构的不断变化与更替。网络之间的交互影响性。各种各样的复杂网络相互连接起来。以复杂的耦合方式进行互动并影响各自的行为模式。2 复杂项目的复杂网络行为特征 21 项目复杂性的含义 以项目命名的各种管理行为在形式上多种多样在规模和复杂程度上千差万别。由于不同项目其规模、组织、人员、技术、市场、成本、进度等存在极大的差异，加之组织所面临的经济、社会、政治、产业、政策法规等外界环境的不确定性从而使不同项目的复杂性千差万别。对于项目复杂性的含义研究者们从不同的视角进行过界定。其中以Baccarini D(1996)的界定最为经典在相关文献中被多次引用。Baccafini D认为项目复杂性是指项目各相关要素间的区别与联系程度。对于此定义笔者认为需要澄清两个认识误区：一是将复杂项目等同于大规模项目。一提到复杂项目许多人往往把它和大型项目联系起来根据Baccarini D的界定，项目复杂性程度是南构成项目的各要素的数量和要素之间的相互作用共同决定的。如果项目涉及要素众多、规模庞大然而各因素间相关性却很小，比如那些程序化程度很高的项目则不一定很复杂。有些项目虽然涉及要素数量不多，但如果这些少量的要素之间存在高度的相关性，该项目则可能具有高度的复杂性。二是复杂性和不确定性正相关。不确定性和复杂性往往相伴而生，尽管有伴生性但特定项目不确定性和复杂性的程度与种类以及复杂性和不确定性间的相互关系却不尽相同。例如机械设备的研发活动因涉及系统的协调性和零部件的适配性等因素较电子商务平台的开发更复杂；而后者因市场竞争、消费者行为等因素的多变性，较前者有更多的市场不确定性。 大量研究证实项目复杂性是导致各种类型项目风险和项目绩效低下的根源。通过研究复杂项目各构成要素及其相互作用关系以及各要素动态变化对项目绩效的影响，以降低项目复杂性程度进而降低项目风险，提高项目绩效。是现阶段复杂项目管理研究的新领域。 22 复杂项目的复杂网络行为特征 221 复杂项目网络的小世界效应和无标度效应 小世界效应和无标度效应是复杂网络的两种基本特性。在复杂项目中构成项目的各要素(即项目网络中各节点)之间具有直接或间接的影响。笔者也发现，复杂项目中任意两要素问的相互作用关系类型可能有多种，但连接两要素间的中介变量往往不会太多也即项目网络中任意两节点间的网络距离一般很短，因而满足小世界效应。而且，构成复杂项目的各要素之间的相互作用程度往往存在极大的差异。某些构成要素可能与其它大量要素存在相关性，如项目的进度、成本与项目的组织、技术水平、人员配置、高层管理人员的支持、用户差异性、外部环境等大量因素直接或间接相关。而有些构成复杂项目的要素却只与很少的其它因素相关。也即复杂项目网络中各节点具有异质性。满足无标度网络的特性。 222 复杂项目的网络行为特征 根据复杂网络的特征和网络测度以及项目复杂性的含义。现实中的许多复杂项目都具有复杂网络的行为特征。 基于复杂项目所具有的复杂网络行为特征我们可以把构成复杂项目的各要素抽象为复杂项目网络的节点，将各要素之间的互动关系抽象为复杂项目网络的边。如此构成的复杂项目网络具有如下行为特征： (1)复杂项目网络由若干个相互影响、相互作用的元素或模块(节点)构成，项目的整体功能、结构由各节点之间的互动关系集中体现，其中任意一个节点发生变化都有可能导致各要素之间的失衡，从而影响整个项目的功能和结构。 (2)复杂项目网络中的一些节点或者由节点组成的局部网络(或称为子网络)在项目网络整体结构中的地位和作用各不相同，对网络的一种或多种功能起着不同的作用。个别关键位置节点的破坏，就会使整个网络失去平衡，甚至使整个网络毁于一旦。 (3)构成项目网络的各个模块或元素具有自律、自适应和自我调节功能，而不完全依靠外部环境的调节作用。(4)项目网络是一个动态演化网络。由于整个项目在计划、开发、执行等各阶段都面临着诸多不确定性因素，节点个数以及各节点之间的相互作用程度都会随着各种动态不确定因素的变化而变化，从而会影响整个项目的结构和功能。 (5)项目网络是一个典型的加权网络。项目网络中各节点之间的关系或相互作用强度存在差异，而且在许多情况下这种差异对整个网络起着至关重要的作用。基于复杂项目网络具有的动态、非线性、演化等复杂网络行为特征，把复杂网络现有的理论和方法应用于复杂项目网络的结构及其特征分析，将对复杂项目网络运作规律的把握起到至关重要的作用。从而有助于更好地协调整个项目的运作，提高项目整体绩效。3 基于复杂网络的复杂项目管理研究框架 复杂项目及项目管理的复杂性是目前项目管理研究的新领域。由于环境的不稳定性和不确定性。使得项目在计划、设计、开发、执行等各个阶段都面临着因结构、技术、市场、组织、人员、进度、成本等因素所导致的高度复杂性。这些不确定因素的广泛存在对复杂项目的管理提出了较高的要求。清晰把握复杂项目网络中各构成要素及其相互作用关系的动态、非线性及演化特征，寻找影响项目绩效的关键因素，从而作出相应改进以提高项目整体绩效，将是近期复杂项目管理研究的关键。对于多变量问题。采用多元相关分析法能够测度各自变量之问以及白变量与因变量之间的相关关系从而确定影响因变量的关键要素。结构方程建模(Structural Equation Modeling，SEM)方法综合运用多元回归分析、路径分析(path analysis)和验证型因子分析(Confirmatory Factor Analysis，CFA)方法进行统计数据分析可以用来解释一个或多个自变量与一个或多个因变量之间的关系能够更好地测度复杂多变量之间的复杂关系。基于复杂项目网络各节点间相互作用关系的多样性和相互作用关系程度的差异性，以及结构方程模型的应用范围和特点本文试图运用结构方程模型给出复杂项目管理研究的框架。 31 结构方程模型 结构方程建模(SEM)方法是基于变量的协方差矩阵(相关矩阵)分析变量之间关系的一种统计方法。结构方程模型包括测量模型(measurement model)和结构模型(structural model)两部分。测量模型描述显变量(指标)和潜变量之间的关系，如家庭收入等指标与社会经济地位的关系、各科成绩与学业成就的关系等。结构模型则描述潜变量之间的关联，如社会经济地位与学业成就的关系。整个结构方程模型可由如下3个方程表示： 其中：x为外生显变量；y为内生显变量；为外生潜变量；1为内生潜变量；6，8，分别表示误差项。运用结构方程建模方法各变量之间的相互作用关系可以用简要路径图表示，如图1所示。图1 多变之间的结构关系 SEM方法相对于传统的统计分析方法具有如下优势：可用于分析涉及潜变量的复杂关系；结构方程分析可以将一组数据片不同的模型去拟合。并通过计算各种拟合指数以反映不同模型对同一样本数据的整体拟合程度，从而可以选择更接近数据关系的模型；结构方程模型能够进行多变量分析(multivariate analysis)，可以同时处理多个因变量；允许自变量和因变量均含测量误差；可以同时估计因子结构和因子关系，也即可以同时考虑因子与指标之间的关系和因子与因子之间的关系；允许更大弹性的测量模型，即一个指标可以从属于多个因子。 32 基于结构方程模型的复杂项目管理研究框架 在复杂项目管理研究中许多变量是多维的无法直接测量涉及到潜变量的测量和因果模型的验证。比如要研究项目复杂性、项目风险与项目绩效之间的关系，我们可以假定项目复杂性、项目风险、项目绩效三者之间存在相关性，三者的概念模型如图2所示。图2项目复杂性，项目风险和项目绩效的概念模型上述3个变量都是潜变量，必须通过测量模型间接实现对它们的测量。对于项目复杂性这个潜变量，WeidongXia and Gwanhoo Lee(2004)界定了ISDP(信息系统开发项目)复杂性的4个维度：结构组织复杂性(S-tructuralOrs)、结构技术复杂性(StructuralIT)、动态组织复杂性(D丫namicOrg)、动态技术复杂性(DynamicIT)。每一个维度又可以通过一些显变量(指标)来反映。另一个潜变量项目绩效我们可以设定用成本、交付时间、项目功能3项指标来测度。对项目风险变量，则可通过自然风险、行为风险、技术风险、市场风险、组织风险、政治风险等指标进行测度。然而，笔者发现上述设定的指标也都难以直接测量，需要分别对各指标设计若干属性。然后，通过问卷形式对每种属性设置量表，即可对上述各变量进行测量。 根据观测结果即可以建立相关矩阵(协方差矩阵)，利用LISREL。AMOS等统计软件，进行验证性因子分析。当然。指标设定只是在收集数据前的假设。至于各指标是否能够很好地按照研究者的意图来测量相应的潜变量，则要涉及到测量效度的检验。 如果要分析复杂