工商管理系教师方帅与合作者在《经济管理》上发表学术论文

发布时间：2025-04-30     作者：[经济管理学院]韩岱彤    阅读：42次

近日，经济管理学院教师方帅及其合作者撰写的论文《机器学习方法与企业管理研究的融合：回顾与展望》发表在AMI权威期刊《经济管理》上。

机器学习方法在技术和理论构建中的优势受到了企业管理领域学者的关注。然而，机器学习方法在企业管理领域的应用还不够成熟，尤其是国内企业管理研究领域对机器学习方法的应用仍处于初级探索阶段。学者们对机器学习方法和企业管理研究的融合过程、研究主题、研究技术、理论构建、与传统研究范式的异同及互补等的理解和认知尚不够系统和深入，对企业管理领域未来如何运用机器学习方法还需要更细致的科学分析和综合研判。

本文对过去20多年间发表于国内外管理学顶级学术期刊的文献进行系统梳理，发现企业管理领域学者根据研究中遇到的问题对机器学习的应用逐步经历了四个阶段的发展，并呈现出了几个特点。首先，在研究主题上，国外文献的研究主题比较丰富，不仅利用机器学习进行变量测量和回归预测，也开始尝试运用机器学习进行理论构建和检验；国内文献的研究主题比较集中，主要是构建技术创新能力评价指标，在利用机器学习方法进行理论构建方面还有所欠缺。其次，在机器学习技术上，国外企业管理学者倾向于运用有监督机器学习技术进行回归预测、样本分类和变量测量，运用无监督机器学习技术进行数据降维、聚类分析、变量测量，较少运用强化学习技术；国内学者则更多集中在有监督机器学习技术本身的应用上。再次，在理论构建上，国外企业管理学者开始思考机器学习方法如何助力理论构建，认为机器学习算法可以从复杂数据中提炼出规律和模式，从而为新理论的构建铺垫基础；国内学者主要将机器学习用作测量与分析的工具，对其与理论构建的关系还处于了解与探索阶段。

基于对国内外文献的这些比较分析可以发现，机器学习方法在助力企业管理领域的理论构建和检验上具有巨大的潜能，二者不是竞争关系或从属关系，而是可以赋能理论的构建和检验。机器学习方法有助于完成理论构建的关键一步，即揭示“程式化事实”（stylized facts）或者数据中的稳健模式，不断测试和完善中程理论，并作为一种催化剂扩大理论解释的范围。具体而言，机器学习方法可以识别复杂构念之间的理论化关系，检验那些由于构念测量困难而未得到检验的理论。同时，机器学习方法能够帮助缓解构念身份谬误（construct identity fallacy）问题，从而为不同理论之间的对话和整合提供了可能。机器学习方法可建立最佳可预测水平的基准，比较解释性模型的解释力，从而发现解释性模型依赖的理论在对现象的解释上还存在多大的提升空间。在理论构建范式上，以机器学习方法为基础的溯因推理范式可以与传统的演绎推理和归纳推理范式形成协同互补，还有助于缓解不同范式之间的认知冲突，因此本文提出了构建混合方法以进行理论构建。

最后，本文对机器学习方法在未来中国企业管理研究中的运用进行了展望。一方面，以高管团队深层特征、企业战略管理和数字创新三个话题为例，分析机器学习在构念测量和理论构建中可能发挥的作用；另一方面，根据机器学习技术的进展，展望企业管理学者如何借鉴经济金融领域的前沿机器学习技术。本文期待启发中国学者利用前沿方法开展中国情境下的问题研究，探索中国企业管理实践的一般规律，揭示中外企业管理中关键要素与运行机制的异同，为中国企业管理实践提供理论支撑。

文章信息如下：方帅,刘知,程雨涵,李子璇. 机器学习方法与企业管理研究的融合：

回顾与展望 [J]. 经济管理, 2025, 47 (03): 183-208. DOI:10.19616/j.cnki.bmj.2025.03.010.