博碩士論文 85443001 完整後設資料紀錄

DC 欄位 語言
DC.contributor資訊管理學系zh_TW
DC.creator林文修zh_TW
DC.creatorWen-Shiu Linen_US
dc.date.accessioned2000-7-18T07:39:07Z
dc.date.available2000-7-18T07:39:07Z
dc.date.issued2000
dc.identifier.urihttp://ir.lib.ncu.edu.tw:88/thesis/view_etd.asp?URN=85443001
dc.contributor.department資訊管理學系zh_TW
DC.description國立中央大學zh_TW
DC.descriptionNational Central Universityen_US
dc.description.abstract危機企業的存在,整體而言是一種社會資源的誤用,從另一個角度看則正顯露出現行診斷模型的不足。事實上,企業危機診斷模型的建立,一直缺乏足夠的嚴謹性與理論基礎。這種現象導致研究模型缺乏豐富而深刻的內涵,而且過度簡化而忽略理論性辯證的研究結果,可能導致錯誤的結論。此外,之前建模工具多採用嚴謹數學與統計方法,但它們有需要許多前提假設與對資料型態有所限制的特性,從近年層出不窮的企業危機案例中,透露出它們的盲點與缺失。因此,本研究從企業經營風險、企業經營危機、智慧資本(intellectual capital)等理論,分析其內涵以及推導它們之間的關係,發現它們是企業績效評估與生存的良好解釋變數,而且各理論之間具有某種實質關係。但是各理論往往優劣互見,因此本研究加以整合,建立了新的企業危機診斷理論模型。 本研究以遺傳演算法的演化能力,系統性與自動化的解決類神經網路架構與參數的設定問題,整合成為「演化式類神經網路模式」,並成功的應用至本研究之企業危機診斷模型中。本研究另外選擇了多元區別分析、Logit迴歸模型,以及倒傳遞類神經網路當作績效評比的基準。實證結果發現,演化式類神經網路不管在學習樣本、測試樣本或整體樣本之分類正確率與穩定性上,皆比多元區別分析、Logit模式與倒傳遞類神經網路,具有較佳之模式績效。此外,在模式的概化能力上,亦是演化式類神經網路型表現較好。以財務與預測技術領域而言,能有較佳的分類與預測準確率、模式的穩定性,已是好的建模技術。換言之,本研究在乎它的概化能力與實用性。準此,演化式類神經網路模式無疑的,是企業危機診斷模型適宜的建模技術。 另一方面,本研究導入智慧資本後所建構的模型,經由第二階段實驗結果,發現智慧資本確實對企業危機診斷具增額解釋能力。亦即第二階段的實驗發現,導入智慧資本之後的模型績效評比,以使用多元區別分析與Logit迴歸模式的增額解釋能力最多。而演化式類神經網路與倒傳遞類神經網路,在智慧資本加入後的表現卻出現分歧現象,亦即部份時點的樣本在智慧資本的加入後,反而造成模型績效略降的現象。綜和而言,演化式類神經網路模式在整體分類正確率以及測試階段的分類正確率,比其他建模技術有較佳之績效。雖然,經過統計檢定分析,部份實驗之兩階段實驗績效比較,未達顯著差異,亦即部份實驗不能證實智慧資本對模型具有貢獻。但是以預測技術與財務領域的特性觀點,它們不若問卷調查或實驗室研究法之資料來源特性,是那麼的依賴統計檢定以保障研究品質。況且加入智慧資本的模型,能增進2.7%至10.86%的分類準確度,對企業危機診斷模型的本體而言,智慧資本已具有相當程度的貢獻。 總之,本研究從創新而有趣的研究觀點出發,檢驗了演化式類神經網路技術與智慧資本的有用性,對學術研究與管理實務上的知識累積與傳承,具有正面而好的啟發。zh_TW
DC.subject企業危機診斷zh_TW
DC.subject遺傳演算法zh_TW
DC.subject演化式類神經網路zh_TW
DC.subject智慧資本zh_TW
DC.subjectCorporate distress diagnosisen_US
DC.subjectGenetic algorithmsen_US
DC.subjectEvolutionary artificial neural networksen_US
DC.subjectIntellectual capitalen_US
DC.title演化式類神經網路為基底的企業危機診斷模型︰智慧資本之應用zh_TW
dc.language.isozh-TWzh-TW
DC.type博碩士論文zh_TW
DC.typethesisen_US
DC.publisherNational Central Universityen_US

若有論文相關問題,請聯絡國立中央大學圖書館推廣服務組 TEL:(03)422-7151轉57407,或E-mail聯絡  - 隱私權政策聲明