12.电子数据交换技术作用的建模

1、电子数据交换技术作用的建模Sunder Kekre, Tridas Mukhopadhyay 和Kannan Srinivasan(Graduate School of Industrial AdministrationCarnegie Mellon UniversityPittsburgh, PA 15213)121 引言供应链今天正愈加依靠价值链伙伴间实际而有效的信息交换。过去十年来，诸如准确及时管理（just in time management）、快速响应制造和精益生产（lean production）系统的实践一直要求在贸易伙伴间有协调、可靠的信息交换（HBS 1991）。生产厂商、

2、供应商和物流服务供应者一直在信息技术（IT）进行着大规模的投资，以期在他们的供应链中成功地实现JIT（Kekre等，1992；Schonberger 1986）。从经营管理的视角出发，这些商号都要面对下列问题：由生产厂商及其供应商带来的营运利益是什么？有技术成效吗？寻找这些问题答案的富有经验的研究者们回过头来面对着下列挑战：人们如何将来自IT和供应管理文献的概念性框架加以集成，以便量度技术的作用？研究者应该知道的关键的方法学方面的问题是什么？在我们的领域研究中，我们愿研究电子数据交换（EDI）在JIT供应链中的作用。EDI常被认为是JIT系统的激活器。在这一技术及其使用上投资的日益增加一直同物

3、流和产品运送任务上的变化相适应。随着进行JIT采购时发生的变化给了我们一个评价IT这种驱动力所发生的冲击情况天然环境。当我们寻找EDI在不同供应链环境里所起作用的答案时，我们采用了图1中所示的研究范例。本章报导了已经开始的三个主要领域的研究，这些研究的共同目标是确认从生产到销售的信息集成供应链里的效绩驱动力（Srinivasan et al., 1994, Mukhopadhyay et al., 1995, Mukhopadhyay et al,. 1998）。当我们在下面的章节里介绍各个领域的研究工作时，研究范例的应用将被举例说明。这三个领域研究工作简要概括如下：在第2节，我们从一个生产厂

4、商的视角来开始研究从EDI所得到的营运利益。第一组模型研究EDI技术对在克莱斯勒（Chryster）装配中心的装运效绩的影响。装运的偏差分析（discrepancy analysis）使用一个捕获物资流和信息交换两者特性的分对数模型。从建模的视角出发，控制供应商那里的不同一性会有效地增强我们模型的解释能力。图1 EDI对供应链影响的研究范例在第三节中，我们介绍了关于EDI在供应链中作用持卖方视角的第二组模型，并且研究Kennametal公司的收益，即一个工具切削系统的销售者，带来什么样的利益。我们采用了一种把交易成本费用经济学、信息经济学和营运管理原理等融合在一起的一体化框架。我们开发了一个量

5、化EDI的使用对Kennametal收到付款的及时性的影响的根据常态频率分配平均数的偏差计算的统计单位模型，并且强调了信息交换在订货付款周期里的作用。第4节讨论了回答关键性问题的模型：EDI在JIT供应链中所创造的价值是什么？EDI仔细地分析了Chrysler装配中心在过去十年里的效绩方面的数据。横断面的和时间序列的数据进行组合，以便评估引用不同水平的EDI和JIT费用集中控制的影响。总而言之，所有的这三组模型证实了集成的信息交换的重要性，而且从物资流和信息流的两种视角强调了成功的JIT供应链的驱动力。在第5节中，我们从研究者在从事这样的领域研究时所面临的某些问题的讨论来结束本文。下面的章节介

6、绍了集中精力分析在Chrysler的装运偏差问题的第一份研究工作。122 来自EDI的营运效益：生产厂商的视角在JIT供应链中，物资流到信息交换的协调问题变得越来越重要。供应商有了像电子数据交换这样的技术，与贸易伙伴迅速地传送信息就使得生产厂商能够有效地管理物流活动。从研究的角度看，因此而产生的问题是要确认JIT供应链效绩的驱动力，具体地说，就是要确认技术在机械内的住处交换中的作用。我们要寻找下面两个关键问题的答案：影响装运效绩的决定因素是什么？统管生产和销售全部过程的信息与供应链中的卖方集成的效果是什么？12.2.1 研究现场Chrysler装配中心提供了一个EDI技术用来使物资流和信息流同

7、步的富有吸引力的例子。我们对Chrysler在八十年代中期创建的JIT程序作了事后分析。这一程序要求所有的JIT卖者采用EDI技术。然而，由于整个卖者基地的物流复杂性和信息交换模式上的差别而使这一分析变得复杂起来。从物资流的视角看，由于诸如所提供的零部件数、装运的目的地数，等等的因素而引起了复杂性。还有一些供应商专门从事汽车零部件工业方面的交易，并且提高了追随汽车工业标准的特殊能力。从信息交换的视角看，一些卖者大力投资，从而得到了全方位的信息集成。另外一些卖者仅仅提高了为满足Chrysler所提出的最小的JIT信息交换要求的最低能力。因此，在卖者基地信息集成的水平并不相同，有些供应商把进来的信

8、息直接映射到他们的内部系统而获得了充分集成的能力。Chrysler又转而把有助于卖者的内部运营与Chrysler装配中心同步的JIT调度表提供了某些卖者。我们所研究的效绩量度标准是二进制量度法的装运偏差。当装运的货物未像在事先发货通知中所表示的那样，而抵达JIT交货窗口以外的地方时，或者如果货物的运送不是目的地、数量有差错，就是发货单据有差错时。这时就被说成出现了偏差。我们的模型力图将图2上所示的供应商的物资和信息流特性的作用作一番整理。这些特性（独立变量）连同相关变量一起定义如下。A A 信息交换SCHEDULE=1，如果卖者收到了JIT调度表的话， =0，其它情况。INTEGRATION=

9、1，如果卖者已经把电子连接同Chrysler集成的话， =0，其它情况。ELINKS=使用了EDI连接的卖者贸易伙伴的比值。B B 物资流的复杂性PARTS=被装运的性质不同的零部件号码的数目。PARTNERS=卖者的贸易伙伴的数目。AUTO=与汽车工业相关的卖者业务比值。图2 装运偏差的驱动因子相关变量：D=1，如果装运有偏差的话， =0，其它情况。12.2.2 模型我们的相关变量（D）是一个二进制变量，因此，它在0和1之间是有界的。因此，常规最小二乘方（OLS）过程会导致效率不高的估计（Kmenta 1986）。我们采用分对数模型来进行我们的分析工作，并且使用最或然估算过程（Judge e

10、t al., 1985）。因此，有缺损的装运的概率是： （1）式中： （2）组合上面两个方程，我们就得到有缺损的第k次装运的下列似然函数： （3）式中：，如果第k次装运是有缺损的话。注意：是第k次装运的解释变量的矢量。对原始模型加以充实，以便能捕获供应商基地处的诸如管理技能和其他特殊因素等未观测到的不同性质（Chamberlain 1980）。具体地说，我们的模型允许方程（2）中的截距项在供应商处有变化。因此，我们定义，式中：被假定为具有平均值0和标准偏差的正态分布。我们观测到的不同一性的另一个来源涉及在研究周期期间内始终没有装运偏差的某些供应商。我们采用了阻挡物原动力结构（Gonul and

11、 Srinivasan 1993）,在这个结构中，我们将S定义为始终如一的供应商。因此，具有随机截距项以及阻挡物原动力结构的或然（似然）函数为： (4)12.2.3 结果和讨论模型的估计显示在表1中。我们进行了似然比实验，以确定扩展模型（4）相对于原始模型（3）的功效。试验拒绝原始模型，支持强调控制我们实例中不同性质重要性的扩展模型。注意：值与OLS中的相似，并且常常小于50%，甚至当这个模型有很好的拟合时（Hauser 1978）。我们的结果指出，扩展模型将改进了100%。扩展模型阐明了机构内部系统中信息交换的重要效果。例如，与供应商共用JIT调度表已经导致装运偏差的减少。此外，已经在集成的

12、信息系统中投资的供应商获得了如系数INTEGRATION所揭示的较高利益。正如所期望的那样，物资流复杂性对效绩有不利的影响。请注意到正的系数PARTS和PARTNERS。因此，我们的模型为EDI中不断变化的物流复杂性和投资提供了利益的定量度量方法。表1 估算结果系 数变 量O 原 始 的扩 展 的1 分 对 数截距-2.917-2.227SCHEDULE-0.306-0.410INTEGRATION-0.054-0.910E-LINKS-0.411-0.225PARTS0.3760.370PARTNERS0.0710.079AUTO0.398-0.205S0.1131.315Log Likel

13、ihood-772-6820.1360.24*在1%水平上有意义 *在5%水平上有意义 *在10%水平上有意义12.2.4 对建模框架的评注如在表1所示的模型估算是以参数规范为基础的，供应商那里的不同性质用正态分布的随机截距项来建模，始终如一的供应商由阻挡物原动力的结构来捕获。接着放松了随机截距项的正态分布假设，支持非参数规范（Heckman and Singer 1984）。我们发现，两个方法的结果非常一致。这项研究是努力使JIT系统中的信息协调作用定量化，该结果相对于供应链里的卖者所达到的利益还是要引起一些问题。当生产厂商（Chrysler）已经得益于在它的装配厂里较小的装运偏差，供应商借

14、助优良的营运效绩也会得到好处吗？我们把这个问题的模型建造成像在下一节中所描述的那样。12.3 来自EDI的营运利益：供应商的视角在前一节里，我们研究了对于JIT环境供应商Chrysler怎样有效地满足装配中心的装运要求。业已发现EDI通过减少误差来促进产品的交货。我们还通过模拟由供应商带来的营运利益来研究这个关系的相反方面的问题。供应商可以从EDI技术享有的关键利益之一就是及时地对提供的服务付款。我们为工具的JIT分布系统环境里的问题、切削加工系统和服务等建立了模型。我们寻找对下列关键问题的答案。EDI会促使生产厂商及时地向供应商付款吗？与订货完成周期有关的过程的改进会对付款产生重大影响吗？1

15、2.3.1 研究现场我们的研究现场是Kannametal公司，即模具制造系统的Fortune500批发商。它拥有比300个以上的用户，他们都有着水平不断更新的电子集成。一些用户虽然能够运用先进的EDI交易设备（例如，电子开发票），其他用户还是用基于纸张的购物订货方式进行交易。这种环境允许我们研究同使用在及时付款周期里所反映的EDI技术所获得的有差别的利益。类似于上述的Chrysler研究，我们必须控制在用户基地订货的复杂性。我们收集了Kennametal的超过300个用户样本的1994国库年的数据。这些用户中的一半同Kannamel有电子连线（虽然程度不同）；另一半是非EDI用户，对他们进行挑

16、选，以便在年销售和SIC（标准产业分类）代码上同他们的EDI相匹配。有了匹配就使得我们能把电子信息交换的好处理出个头绪来。因为匹配是以外生特征为基础的，故经验分析仍根据随机样本数据(Hausman and Wise 1981)来进行。在这种情况下的相关变量就是一个用户延期付款的概率，它用一个具体用户延期付款的那部分订货来度量。我们随机地选择了238个用户（一半EDI和他们的非EDI对方）来进行模型估计，并且我们用余下的数据测试我们估计结果的预测能力。在我们的模型里的解释变量属于图3所示的两类。付款的及时性取决于用户帐目的订单复杂性以及处理付款的信息交换的性质。这就引起下面定义的两组变量。图3

17、订货延期付款的驱动机制A A 信息交换E ORDER=1，如果用户用电子方式发送订单的话； =0，其它情况。E INVOICE=1，如果用户用电子方式传送发票的话； =0，其它情况。B B 订单的复杂性BLANKET =与一揽子协议有关的订货单的比值。STANDARD=与标准条款有关的订货单的比值。ITEMS =每个订货单货色条款的平均数。相关（因）变量P=用户延期付款的订货单的比例。12.3.2 模型我们用标准的根据正态频率分配平均数的偏差计算的统计单位模型估算延期付款的概率（Pindyck et al., 1981）。对于每个用户： （5）式中： （6）用加权最小二乘估算器（计算机）来估算

18、这个模型（Amemiya 1985），这个模型显示了如在表面化里的所示的极好的解释能力。我们还试验了模型的预测能力。我们用来自主要样本的P的平均值作为拖延签约情况观测结果的估算，并计算二乘的残数之和。基于这些值的试验舍弃的99%有效位水平上所有的模型系数都是零的无价值的假设(Greene 1990)。表2 延期付款模型的估算变量名称系数值有效位水平常数0.3620.000EORDER-0.120.354EINVOICE-0.351.003BLANKET0.208.043STANDARD-0.615.001ITEMS0.384.00012.3.3 结果和讨论信息和订货单复杂性等两种变量的估算出的

19、系数符号正如所预期的那样。从信息交换的视角看，我们的结果表明：及时付款的关键驱动力是电子开发票、清单，并不是电子订货。初看起来，这似乎是违背直观的。然而，这个过程的一个不公开的试验揭示出：电子开发票、清单的确关系重大。它使得开发票、清单的信息比手工开发票、清单能更早一些为用户所利用。此外，这种电子发票、清单的信息含量，相对于手工方式有高得多的准确度。用户的会计部门因此能够处理很早就导致有效的付款匹配过程的付款核准工作。在有电子订货而无电子开发票、清单的情况下，由于手工处理发票，付款的处理陷入了困难境地。与Clrysler的研究类似，业已发现订货单复杂性变对及时付款有重大影响。因为匹配过程变得更

20、加复杂，订货单的项目数（ITEMS）加长了付款周期。相反，我们发现了标准订货单延长了付款周期。这与JIT的哲理相反，后者始终增进长期一揽子协议的利益。进一步的精细研究揭示出了这种明显反常的原因。同Kennametal签有一揽子协议的用户在他们的订货单中指出了这一点。因此，在第一轮处理中，这样的订货单被当作普通订货单处理，并且，接着将这样的订货单的处理要延期至解决了价格偏差。12.3.4 12.3.4 对建模框架的评述EDI技术带给供应商的利益在其他订货处理活动中也是出现过的。在Kennametal情况中，从需要再处理的订货单的数目上我们也发现了有重大好处。此外，我们还分析了高级EDI能力由于种

21、种原因对销售量的影响。我们的结果指出，当供应商增强了与用户的电子链接时，他就能够通过用户所给予的增长了的销售额推断出有意义的利益。为了简捷起见，我们在这里未讨论这些模型（详见Mukhopadhyay et al. 1998）。由于EDI的有效投资和使用，给Kennametal带来了交易的增加、内部订货处理的平稳和流畅以及付款的快捷，然而，如果EDI只是产生了最起码的利益的话，则问题不定期是存在而需解决。我们要搞清楚机构内部的信息交换的金融影响是否反映在财务数字上。这是下面研究的焦点问题。我们回到Chrysler，并重新审视装配工厂由于在它们的JIT计划中使用了EDI是否能够产生费用节省的效果。

22、124 EDI的商务价值尽管在前面几节中对营运利益进行了量化，我们还是想解决有关EDI金融作用的争论。IT领域里的一些研究工作对IT的效果报道得很少，或根本不作报道，一些研究者建议，边际美元最好转换成在非IT上的投入。其他一些研究报道了一些更有希望的结果（Barua et al. 1995）由于两个原因使对IT效果的看法似乎很少一致（Brynjolfsson 1993）。第一，研究者必须应付有时难以得到的数据。第二，为了拣选IT的效果，人们必须计算出其他与非IT有关的投入。Chrysler的研究给了我们一个确定JIT供应链里的EDI技术对主要费用的种类是否有影响的极好机会。通过跟踪装配中心超过

23、规定时间的费用效绩，我们找到了与EDI在Chrysler的商务价值有关的下列关键问题：EDI日益引入入JIT供应链中的效果轨迹是什么？这种效果在不同的费用种类和工厂里有何不同？12.4.1 研究现场作为Chrysler的把交通工具费用减少30%的共同目标部分，要求它（指Chrysler）的采购、制造和物流等地方要协调和改善物资管理过程。EDI被用来改变物流和实现JIT作法。每个装配中心，作为JIT计划的一部分，它必须跟踪每个模型的诸如库存、过期库存、运输和溢价运输的货物等的年量度标准。同样，随着更多的供应商实施他们的JIT计划，IT组近些年来对每年的EDI的引入、推广等情况都作了记录。由于我们

24、已经说明了从装配中心那里的装运偏差减少而导致营运效绩的改善，我们采取了下一个步骤是探查被IT和物流这两个组跟踪的量度法是否能够确定EDI在Chrysler物流网络中的商务价值。来自IT和物流群体的抽样数据和时间序列数据因而被组合，以评价EDI的效果。物流网络的简略统计学在表功中作了概括。它强调了这个巨大网络的量级和复杂性。表3 关建数据时间周期装配工厂数运输总费用供应线路数每日的货车数交货量（1991年6月）过期库存成本（1990）生产总库存（1990）1981-199093亿美元以上7000148359亿美元328亿美元在本研究中的因变量是与物资和物流函数有关的主要费用种类，它们在下面予以定

25、义：因变量：INVT=库存周转率；OBS=在一个工厂里每年被勾销的物资的美元数。独立变量，如前所述，被区分成与信息交换和物流复杂性有关的两类。独立变量：A A 信息交换PROGRAM=1，在EDI计划开始以后； =0，其它情况。EDIP=在EDI计划下的物资的美元百分率。B B 物资的复杂性VOLUME=每年车辆的生产。PARTS=1，如果零部件的多样性超过平均水平的话； =0，其它情况。MINOR=1，如果在典型的年度里，5-15%的零部件是新的话； =0，其它情况。MAJOR=1，如果在典型的年度里15%以上的零部件是新的话； =0，其它情况。12.4.2 模型我们的概念模型表示在图4中。

26、该模型捕获信息交换特性和物资复杂性变量二者的影响以及它们的相互作用。为了简捷起见，我们对模型的讨论仅限于库存费用和废弃费用的分析上。有关这两种费用的抽样和时间序列的组合数据包括对一组典型对象进行的调查而得到的数据集。我们要求串行相关，并且对每个装配工厂用一种非迭代方式来修正自相关。Breusch-Pagan（1979）试验舍弃了INVT同方差误差的零假设，Goldfeld-Quandt (1972)也舍弃了OBS同方差误差的零假设。因此，我们用White的方法（White 1980）来修正异方差性。我们还检验了多共线性（Belsley et al.,1980）。最后，我们进行了Spencer和

27、Berk（1981）试验，以确定任何因变量规范是否应该含有其它的因变量。图4 库存和物资废弃的驱动机制从建模的视角看，由于有了共同的管理策略和方法，我们认出了工厂那里的残余物资之间的同时代相互关系。因而，如果给出了同时代的相互关系的话，估算有希望是没有偏见而一致的，但是，效率很低。为了克服这个问题，似乎不相关的回归（SUR）可以被使用。然而，利益形式的SUR的估算值有可能是很小的，其原因有三：（1）两个方程都含有类似的说明变量，（2）估算是基于趋向数据的，（3）说明变量之间相关系数，按年计算，大于0.5。此外，在这种情况里，如果布署了SUR方法的话，则发现残余物资之间的相互关系很小，这表明效率

28、的增益很小。不过在修正了自相关和异方差性以后，我们用SUR估算及OLS估算了两个方程。两个因变量的结果显示在表4中。表4 估算的结果变量名库存成交量（INV）过期库存（OBS）常数VOLUMEPROGRAMEDIPVOLUMEEDIPPARTSMINORMAJORNF-StatAdj-R4281-.0746.80.2199.949028.90.872535.633-168-0.03894.748.3842379022.40.74，表示、.05和.01等三种不同情况12.4.3 结果和讨论研究信息交换对两种费用种类的影响。PROGRAM对库存成交量以及对废弃费用两者的影响都是有利的。正如表4所示

29、的那样，在采用了EDI计划以后，INVT增加了6.8，OBS却有相当大的减少。随着引入的增加，库存成交量增加，这表明装配中心由于使用了较高水平的电子交换而能够使得它们的营运更为精益（Leaner）。有了较高水平的电子集成，随着OBS的减少，会看到类似的正面影响。从物流视角看，较高水平的PARTS（零部件）减少了库存退货，并增大了OBS。正如表4中负的VOLUME系数所指出的那样，在典型的年里，年过期费用的目标随着新的零部件所占比例的增高而增加（由MINOR和MAJOR系数所确认）。在典型年结束时，由库存减少和废弃下降所产生的价值被表示在图5和图6中。库存的轨迹在这一计划的开始显示出明显的改善，

30、而且随工厂的规模而定。从初始退货较低（产量较大）的工厂所得到的节省是较大的。换句话说：初始退货较多的工厂从住处交换改善中获利不大。节省率像期望的那样，随着EDI引入的增加而减少。JIT计划一采用，物料过期的费用下降也就感受到了。管理人员认为这种利益是由于机内数据清除、系统本身以及在开始JIT计划前必须承受的操作管理策略的改变所引起的。在EDI的引入比较多的情况下，所产生的利益是比较高的。平均来说，EDI计划的启动就会把每个工厂的物资报废减少0.17百万美元。如图5所示，由于EDI引入所引起的节省，其程度随工厂规模的增大而增大。 图5 由较低库存所得到的节省 图6 过期库存的费用节省12.4.4

31、 对建模网络的评述对有关费用趋向和EDI引入的十年纵向数据的分析生动地指出在Chrysler处所带来的金融效果。与JIT有关的四个费用种类（库存、过期物资、运输和溢价货物）极受同第一层供应商进行信息交换的新方式的影响（Mukhopadhyay et al., 1995）。对每年生产200，000辆车辆和处于90%EDI引入下的装配中心，来自这些费用种类的总的期望节省额每辆车辆约为60美元。若把来自EDI文件准备和传送的附加节省包括在内的话，则计算出来的EDI全系统的总利益为2.20亿美元，折算到每辆车辆为100美元。从管理的视角看，商业价值分析强调作为在JIT供应链中买者和供应者之间沟通的主要

32、方法的EDI的益处。其次，物资的复杂性变量强调了管理物流复杂性的重要性。这三个研究放在一起，算是举例说明了第1节里所讨论的研究范例的功效，以找出物流管理和信息流之间的相互作用。该范例会给供应链管理方面的未来研究带来许多希望，在三个主要领域还必须小心为之，以确保确实性和适当的解释。下面讨论这些方法问题。125 方法问题我们在供应链管理和EDI等研究项目中所得到的经验给我们自己上了方法问题方面的若干关键课题。我们把它们统一归并为三个类型：（1）与方法有关，（2）与量度有关的以及（3）与数据有关的事情。与方法有关的：在这三种情况中，由于融合了IT视角和物资管理视角，概念框架得以演变、发展。我们的研究

33、队伍是由交叉学科的人组成的，它从信息流视角以及从物资流视角，做了大量的工作来变换工艺过程。正是在这些变换期间，概念模型在这两个功能领域的理论基础的基础上发展起来了。另外，若干个易混淆的因素困扰着大多数实验研究。为了这一问题，我们必须研究交替规范，并使用复合型的估算方法来确保结果的耐久性以及推断出一致的管理关系。与测量方法有关的：研究者经常面临着选择合适的聚集水平，以捕获真正的驱动力。在Chrysler商务价值的研究中（第4节），我们通过在EDI计划下正被获得的物资的美元数来度量在一个聚积水平上的EDI引入的应用。相反，分析Chrysler装配中心（第2节）处的装运偏差需要一个更精细的度量EDI

34、使用情况的方法。与数据有关的：研究者还必须在分析抽样数据和时间序列数据时极其小心。Chrysler商务价值研究（第4节）中的纵向数据集把足够长期的视窗给了我们，以跟踪随时间而不断增加的EDI应用的效果。另外，我们必须控制其他容易混淆的因素，例如，零部件复杂性上的变化、模型以及可能使正被跟踪的效绩量度恶化的计划量等。获取这些外生因素的质量数据成为一项严峻的富有挑战的任务。抽样数据集（第3节里的Kennametal订货付款研究以及第2节里的Chrysler研究）并不向我们提供在广义时间周期内的纵向数据。我们利用抽样的变差来洞察供应链管理策略的功效。未来难题：供应链管理之所以必要乃是要达到费用控制和

35、减少一些工业的目标。一些厂商雄心勃勃地投资于信息技术（企业集成中的爆炸性增长是已经证明了当前情况），但是，对有效的物流常常很少有或根本没有确确实实的影响。这里所报道的这一领域的研究对供应链管理的有效性作了系统的分析。尽管数据的收集和估算是富有挑战性的工作，在一些厂商那里，重复我们所作的分析是将这里所报道的研究成果广义化所必需的。参考文献Amemiya, T. 1985. Advanced Econometrics, Cambridge, MA: Harvard University Press.Barua A., C. Ft. Kriebel and T. Mukhopadhyay (Marc

36、h 1995). Information Technologies and Business Value: An Analytic and Empirical Investigation. Information Systems Research 6( 1 ), 1-24.Belsley, D. A, E. Kuh and R. E. Welsch (1980). Regression Diagnostics. New York: Wiley. Breusch, T. S. and A. R Pagan (September 1979). A Simple Test for Heteroske

37、dasticity and Random Coefficient Variation. Econometrica 47(9), 1287-1294.Brynjolfsson, E. (December 1993). The Productivity Paradox of Information Technology. Communications of the ACM 36(12), 66-77.Chamberlain, G. (1980). Analysis of Co-variance with Qualitative Data. Review of Economic Studies 47

38、, 225-238.Goldfeld, S. M. and R. E. Quandt (1972).Vonlinear Methods in Econometrics. Amsterdam: North-Holland.Gonul. F. and K Srinivasan (Summer 1993). Modeling Multiple Sources of lqeterogeneity in Multinomial Logit Models: Methodological and Managerial Issues. Market Sci. 12. 213-229.Greene, W. lq

39、. (1990). Econometric Anal?is, New York: MacMillan.Hauser, J. R. (May 1978). Testing the Accuracy, Usefulness and Significance of Probabilistic Choice Models: An Information Theoretic Approach. Oper. Res. 26, 406-42 I.Hausman. J. and D. Wise (1981). Stratification on Endogenous Variables and Estimat

40、ion: The Gary Income Maintenance Experiment. Structural Analysis of Discrete Data wtth Econometric Applications, Cambridge, MA: MIT Press.HBS (1991). Chrysler Corporation: JIT and EDI (A). Harvard Business School Case Study. 9-191-146, MA: Cambridge, MA.Heckman, J. J. and B. Singer (1984). A Method for Minimizing the Impact of Distributional Assumptions in Econometric Data for Duration Data. Econometrica 52, 271-320.Judge, George G., W. E. Griffiths, R. Carter Hill, N. Lutkepohl and T