关键词：群体决策；信息集结；博弈论；信息获取；审议；透明性
一、引言
群体决策的研究涉及多个学科，不同学科对群体决策的研究所采取的方法和着重点不一样。在经济学、政治学、管理学领域对群体决策的研究侧重于偏好的集结，较少考虑影响偏好形成的潜在背景信息。其中社会选择理论与公共选择理论利用数学分析的方法和福利经济学的一些基本原理，研究如何“公平合理地”将群体成员的偏好集结为群体的偏好并据以作出群体的选择，这方面的研究源于Condorcet投票悖论的提出，从20世纪50年代开始经过Arrow、Sen、Gibbard和Satterthwaite等人的进一步发展，已形成完整的理论体系，通过对理性社会选择本质的剖析，促进了人们对选举、立法以及政治机构运作等问题的理解。
在管理科学领域，对群体决策的研究主要强调如何通过对群体成员以不同形式表达的偏好的集结，使得群体成员就最终决策达成某种程度上的一致，而一致性则意味着“正确性”，这方面最具代表性的是社会决策图式理论。
在社会心理学领域对群体决策的研究主要采用实验性方法，通过对群体成员之间交互过程的分析研究群体决策的信息集结有效性，一般假定群体成员具有共同的目标，很少考虑决策过程中的策略，心理学研究的主要成果是对群体思维和群体极化现象的分析。
近年来国外出现了不少用博弈论作为理论工具研究群体决策信息集结问题的文献，这些文献主要发表于经济学、政治学与政治经济学期刊，通过对群体决策过程中群体成员的动机和理的分析，给出了一些与人们的直觉完全相反的结论。笔者将对此领域的研究进展从决策信息的获取、审议过程中信息的披露、透明性的影响与最优决策规则四个方面进行评述。需要说明的是，这四个方面紧密关联，特别是决策群体成员的信息披露动机直接受到决策过程对公众是否透明以及最终的投票表决规则的影响，而群体成员的信息获取动机则部分地取决于信息披露动机，但由于利用博弈论分析群体决策问题的复杂性，现有的文献主要还是相对集中于其中的一两个方面。
二、决策信息的获取
（一）Condorcet陪审团定理与搭便车问题
文［10］对陪审团决策中的信息获取问题进行了研究，认为陪审员的信息准确程度取决于陪审团的大小，更大的陪审团的陪审员具有更少的动机认真听取审判过程，所以更大的陪审团作出正确判决的概率可能更小，从而导致陪审团定理不再成立。文［11-17］进一步研究了群体决策中的理性无知（rationalignorance）问题，对仍能有效集结信息时信息获取成本或成本函数需要满足的条件进行了分析，这些文献针对多数决定规则，假定所有群体成员具有完全相同的决策偏好。其中文［11,13-15］证明，当全体或部分群体成员的信息获取成本函数在获取零信息处的二阶导数为零，则Condorcet陪审团定理仍然有效。
（二）搭便车问题避免措施
因为信息获取活动一般是不可观测的，搭便车者可以通过提供一个虚假的信息假装已经给予了足够的投入，所以无法通过有效的惩罚措施以阻止搭便车问题，只能够从决策群体的成员组成和决策规则等方面考虑避免该问题的发生。
文［19-20］的研究结论从决策群体人员组成方面为避免信息获取中的搭便车问题提供了理论参考，指出具有极端偏好的成员相对来说更具有收集高成本信息的动机，但这两篇文献的研究内容不属于严格意义上的群体决策，因为其中的委员会成员仅负责收集与报告信息，自身并没有决策权。在文［19］中，委员会成员在信息收集之前相互间没有偏好差异，在投入不可观测的努力收集信息后形成各自不同的政策偏好，该文证明最优的委员会规模和总的社会剩余有时会随委员会成员偏好差异期望值的增大而增大，因为预期的偏好差异为成员提供了收集信息的动机。文［20］指出，如果信息收集的成本较低，委员会成员的偏好应该与决策者的偏好类似，这是因为一方面与决策者偏好类似的成员会收集决策者想要的信息，另一方面由于偏好类似所以在报告时不会产生信息的扭曲问题；如果信息收集的成本较高，则委员会应该由具有极端偏好的成员组成，只有这些成员才具有足够强烈的动机付出代价收集信息，但因为信任问题，他们往往只会收集硬信息，即客观上可验证的信息。对于在投票表决前需要对决策选项进行审议的群体决策来说，文［20］的研究结论尤其具有参考价值。
从群体决策机制设计的角度看，如果存在信息获取问题，则机制设计者必须既要考虑如何提供充分的激励促使群体成员获取信息，又要考虑如何有效集结成员所获得的信息，以最大化群体决策的期望效用。
三、审议过程中信息的披露
决策群体，尤其是规模较小的群体，一般会在投票表决前对决策选项进行审议，交流各自的私有信息。信息的共享能引起成员信念的收敛。但群体成员通常代表着不同的利益集体，具有不同的利益追求或偏好，因而具有操纵或隐藏私有信息的动机，从而限制了信息共享的可能性，成员间策略性的信息操纵与反操纵甚至导致比纯粹偏好冲突更大程度上的意见不一致。
绝大多数群体决策文献对审议（deliberation）、交流（communication）、辩论（debate）、廉价磋商（cheaptalk）等类似表述用语没有进行明确的区分，虽然这些用语在不同场合有一些微妙甚至较大的差异，如文［24］认为审议是辩论的子集。
研究审议对群体决策的影响的文献一般将决策过程建模为两阶段博弈：先审议后正式投票表决，通过对贝叶斯Nash均衡策略和均衡存在条件的分析，研究审议是否以及如何对群体决策发生作用。这类文献一般假定无论是以公共利益还是以私人利益作为评判标准，好的决策选择总是部分取决于世界的真实状态，而世界的真实状态对决策群体成员来说无法确切知道，他们仅不对称地掌握了有关世界真实状态的部分信息。在正式投票表决之前的审议过程可以使群体成员有机会告诉其他成员他们所掌握的私有信息，然后，根据各自已掌握的关于世界真实状态的部分信息，群体成员形成自己对世界真实状态的判断，进而根据自己的评判标准形成各自的决策选择偏好，如果他们的决策选择偏好不一致，就有可能在审议的过程中不披露自己的真实信息，或提供虚假的信息以诱导其他成员作出对自己有利的决策选择。因此，此类文献注重从信息集结角度对完全信息披露均衡和完全信息集结均衡的分析。
文［33］指出，尽管偏好与信息的差异可能使得部分成员在审议过程中具有错误表达私有信息的动机，但给予群体成员适当的外部激励能消除此类动机，促进信息与偏好的完全集结，而且随着群体规模的扩大，外部激励的强度可以很小，外部激励的具体措施包括对成员决策能力的肯定等。
四、透明性的影响
在文［34］中，委员会成员在前一时期表现出的决策能力影响了他在后一时期能否获得连任，而作为委员会成员可为其带来一定的效用。该文证明公开个人投票记录可以促进委员会成员努力获取信息。文［35］认为，仅公布最终决策结果，不公开个人投票记录，会诱导委员会成员按照现有偏见作出投票选择，因此，委员会的决策倾向于保守化，向公众公开成员的投票记录则能够减少现有偏见对决策的影响。该文同时认为，群体决策机制的设计应该不仅考虑决策过程的透明性，也要考虑决策规则的适当性，如果决策规则选择合适，则不透明的决策过程可能比透明的决策过程得到更好的决策结果。在文［34-35］所给出的模型中，都没有考虑委员会成员在投票表决前可能会相互交流各自的私有信息。
另外，不少文献从理论与实证两方面研究了决策过程的透明性对货币政策委员会决策的影响。文［7,42］对这方面的文献进行了综述。文［42］区分了三种类型的透明性：决策目标透明性；知识透明性，这里的知识指决策所依据的经济数据或经济模型等；操作透明性，包括委员会会议记录与投票记录的透明性以及决策结果的透明性等。该文评述的文献有部分运用了博弈理论作为分析工具。文［7］专门讨论了货币政策委员会决策过程中的动机问题，指出货币政策委员会的最优规模与透明性等仍有待进一步研究。
类似于文［34］，研究透明性对货币政策委员会决策信息集结有效性的影响的文献，一般认为委员会成员希望得到社会公众对其决策能力或决策偏好的正面评价，从而获得连任的机会，如文［43］假设委员会成员希望公众认为他是通货膨胀的强硬抵制者，而最近的文献如文［44-46］等，则假设委员会成员希望公众认为他是具有较强决策能力者。文［44］认为，公开审议过程的详细记录会使得货币政策委员会成员不愿意表达不同的意见，该文通过对美联储联邦公开市场委员会在被要求公开会议记录之前和之后的会议记录的分析说明了理论结果的有效性。文［45-46］分析了投票记录的公开对委员会成员投票表决行为的影响，认为投票记录对公众的透明带来的负面效应占主导地位，透明性不能增加社会福利。
五、最优决策规则
显而易见，不同的决策规则极大地影响了群体决策的信息集结效率，尤其是决策群体成员的偏好或能力不完全一致时，决策规则更是直接影响了群体成员的投票选择行为，进而影响了决策结果的正确性。前述文献大多不同程度地讨论了决策规则的比较和选择，除此以外，另有部分文献对各种情况下的最优决策规则进行了研究。
文［47-48］从最大化期望效用的角度对固定规模的委员会形式集体决策的最优决策规则进行了分析，文［49-50］研究了在特定约束条件下的最优决策规则。然而，这些早期的文献都有个潜在的假设：决策成员仅按照自身获得的信息作出投票选择。文［2,51］等指出，即使决策群体成员的偏好完全一致，也不能保证一定能够如Condorcet陪审团定理所预测的那样有效集结各成员的信息，因为群体成员仅根据自身信息作出非策略性的选择不符合理性要求，当且仅当所使用的决策规则为集结群体成员私有信息的最优规则时，所有群体成员仅按自身信息投票才是Nash均衡，而最优决策规则则取决于特定的决策情形。
文［52］证明，当采用文［48］所定义的最优决策规则时，所有成员仅按照自身获得的信息投票表决形成Nash均衡，但仅按自身信息投票可能不是有效的，因为部分成员联合决定策略性投票可以增加期望效用。文［53］讨论了投票者对不同决策选项具有可用基数表示的效用时的诚实投票问题，试图给出当决策机制允许多种消息类型时诚实投票的准确定义。为使投票者具有诚实投票的动机，文［54］提出了一种在随机选择的投票表决集合上运用多数决定规则得到最终决策的方法，在对所有投票者的表决结果运用多数决定规则和仅对投票表决结果的随机抽样子集运用多数决定规则之间进行随机选择，可以激励投票者诚实投票，从而得到Condorcet陪审团定理的有效性收敛结果。
文［55］基于陪审员的私有信息和策略性表决行为构建了一个陪审团决策模型，证明一致同意规则可能会导致无辜被告得到有罪判决和有罪被告得到无罪判决这两种错误的概率都增加。文［56］分析了决策群体所投票表决的决策选项不独立于投票表决规则的情形：给定决策群体的投票表决规则，提案者向决策群体提出一个要么完全接受要么完全拒绝的议案，群体投票表决是接受还是拒绝该议案。该文证明由于一致同意规则能促使提案者提出更有吸引力的议案，所以增加了决策群体的期望效用，在某些情况下，一致同意规则甚至是Pareto最优的表决规则，因为它也增加了提案者的期望效用，即使提案者与决策群体的利益追求可能完全相反。总结考虑一致性规则的文献［22,24,27,28,32,55,56］，可见博弈分析得到的结论往往与人们直观上的认识截然相反，一致性规则是不是合适的决策规则完全取决于特定的决策情形。
现实中的决策群体往往存在具有极端偏好的成员，这些成员的存在为信息的有效集结带来较大的困难。文［59］对存在极端偏好者和中立者的群体面对二分决策问题时的最优决策规则进行了研究，考虑了决策成员之间存在转移支付的情况，指出最优投票表决规则相对于转移支付可能性的大小来说是非单调的。文［60］对由两类具有完全相反的偏好的成员所组成的委员会决策进行了分析，对比了一致性规则与非一致性规则的信息集结效率。文［61］给出了一个现实中较难接受的非单调性决策规则――超多数惩罚（supermajoritypenalty）规则，当选择某一选项的投票过多时，将该选项作为群体决策最终结果的概率反而会下降，该文证明，当对于每个选项都存在极端偏好者时，超多数惩罚规则是最优匿名激励相容规则。
前述文献都假定群体成员的偏好相互独立，而文［62］对群体成员具有相互关联但不完全相同的偏好的情况进行了分析，其中的决策选择空间是连续的，该文分别讨论了采用平均规则与中值规则时所对应博弈的对称贝叶斯Nash均衡的存在性问题，并比较了这两种规则在不同偏好关联程度下的性能。
由于从众心理，群体成员经常会根据对其他成员行为的观察相应调整自己的行为。文［63-64］对从众心理对群体决策的影响进行了研究，其中假定群体成员一方面希望选出好的决策选项，另一方面又希望自己成为胜出的一方。文［63］分析了群体规模较大时同时投票机制与顺序投票机制的均衡特征和信息集结质量，文［64］指出这种从众心理导致同时存在多个均衡，而且对于这些均衡中的多数，信息不能被有效集结。文［64］从某种程度上说明了最优决策规则设计的困难。
六、现有研究工作的不足之处
其二，社会心理学从认知的角度研究群体决策，其结论出自于对实验和经验数据的统计学分析，易于为人们接受。但由于从实验或经验数据中利用统计学方法推导出群体的偏好分布参数极为困难，所以无法深入研究群体决策过程中因偏好不一致而导致的隐藏与扭曲私有信息等策略。
其三，与社会选择理论和公共选择理论一样，用博弈论研究群体决策信息集结问题的文献也是以理性选择假设作为判断与决策的微观基础。尽管所有群体成员严格按照贝叶斯规则更新自己的信念等完全理性假设对于心理学家和普通人来说都是难以接受的，但博弈论文献还是以其数学分析的简洁与严谨颠覆了很多直觉上的认识，通过对群体决策者动机的分析，有助于我们理解决策机制的哪些方面可能会引起不利于决策目标实现的策略，进而有助于决策机制的改进。随着群体成员偏好差异程度和决策问题重要程度的增加，审议方式和决策规则趋向于书面化和正规化，群体思维与群体极化现象将很少出现，决策结果也将更接近于博弈分析的预测。
目前对群体决策信息集结问题的研究尚处于起步阶段，还有很多不完善之处，在某些方面甚至存在根本性的缺陷。
第一，可能是受到信息经济学研究的误导，本领域的很多理论与实验分析文献，包括一些奠基性的文献，混淆了信息与在信息基础上形成的判断。真实信息的披露不会引起其他群体成员以及公众对自己决策能力的负面评价，更不会如判断的披露那样引起认知上的从众，如果决策者掌握了确凿可靠的信息，则其不会因为其他人基于其他信息产生的不同看法而轻易改变自己的信念。
除个别文献外，现有研究群体决策信息集结问题的文献几乎都是将审议完全等同于信息经济学领域的廉价磋商，将交流限制为每个群体成员同时向所有其他成员发送一轮公开的消息。在现实群体决策过程中，审议至少包括对各方面提供的信息的真实性的审议，以及对信息与世界真实状态之间的逻辑关联（即潜在的决策模型）的审议。因此，将审议建模为完全的廉价磋商的现实意义极为有限，对于偏好差异较大的群体更是如此。
群体决策在现代社会无处不在，如政府部门对重大战略性问题的决策、公司董事会对重要项目投资与实施问题的决策、审判委员会对犯罪嫌疑人的判决、专家对科学基金项目申请书的评审等。从组织或社会的目标出发，针对特定的决策问题，为了尽可能作出正确的决策，应该如何组成决策群体，选择何种决策规则？此类群体决策的科学化与民主化问题很久以来一直是管理、政治、法律和经济等领域讨论的中心，其研究结果对于各类政治、社会、经济组织的运行机制设计具有重要的意义。
中国学者对群体决策的理论与方法进行了大量的研究，提出了不少新的概念和方法，作出了很多重要贡献，国家自然科学基金委员会对群体决策理论与方法研究也较为重视，曾将其列为优先资助领域。但根据现有的各类文献和历年的基金项目研究摘要，总体感觉国内对决策群体成员的动机和理考虑较少，到目前为止还没有发现国内其他学者利用博弈论研究群体决策信息集结问题。
笔者试图利用不完全信息博弈论和机制设计理论，研究决策群体成员的策略性信息获取、信息传递和投票表决行为，揭示决策群体人员组成、审议方式、决策规则、透明性等决策机制的各个方面对群体决策的信息集结有效性的具体影响。并试图从信息集结角度，为一些典型公共决策情形优化决策机制。
参考文献：
［1］PIKETTYT.Theinformationaggregationapproachtopoliticalinstitutions［J］.EuropeanEconomicReview,1999,43(4-6):791-800.
［2］AUSTENSMITHD,BANKSJ.Informationaggregation,rationality,andtheCondorcetjurytheorem［J］.AmericanPoliticalScienceReview,1996,90(1):34-45.
［3］FEDDERSENT,PESENDORFERW.Theswingvoter’scurse［J］.AmericanEconomicReview,1996,86(3):408-424.
［4］FEDDERSENT,PESENDORFERW.Votingbehaviorandinformationaggregationinelectionswithprivateinformation［J］.Econometrica,1997,65(9):1029-1058.
［5］MYERSONR.ExtendedPoissongamesandtheCondorcetjurytheorem［J］.GamesandEconomicBehavior,1998,25(1):111-131.
［6］FEDDERSENT,PESENDORFERW.Elections,informationaggregation,andstrategicvoting［J］.ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica,1999,96:10572-10574.
［7］FUJIKIH.Themonetarypolicycommitteeandtheincentiveproblem:Aselectivesurvey［J］.MonetaryandEconomicStudies,2005,23(S1):37-82.
［8］VANDENBUSSCHEJ.Elementsofoptimalmonetarypolicycommitteedesign［EB/OL］.IMFWorkingPaperNo.06/277,2006.(2006-06-30)省略/external/pubs/ft/wp/2006/wp06277.pdf.
［9］GERLINGK,GRNERH,KIELA,SCHULTEE.Informationacquisitionanddecisionmakingincommittees:Asurvey［J］.EuropeanJournalofPoliticalEconomy,2005,21(3):563-597.
［10］MukhopadhayaK.JurySizeandtheFreeRiderProblem［J］.TheJournalofLaw,Economics,andOrganization,2003,19:24-44.
［11］MARTINELLIC.Wouldrationalvotersacquirecostlyinformation［J］.JournalofEconomicTheory,2006,129(1):225-251.
［12］MARTINELLIC.Rationalignoranceandvotingbehavior［J］.InternationalJournalofGameTheory,2007,35(3):315-335.
［13］KITAHARAM,SEKIGUCHIY.Condorcet’sjurytheoremundercostlyinformationacquisition［EB/OL］.WorkingPaper,UniversityofTokyo,2004.(2004-04-25).e.utokyo.ac.jp/cemano/research/DP/documents/coef54.pdf.
［14］KITAHARAM,SEKIGUCHIY.Aggregateaccuracyundermajorityrulewithheterogeneouscostfunctions［J］.EconomicsBulletin,2006,4(25):1-8.
［15］KITAHARAM,SEKIGUCHIY.Condorcetjurytheoremorrationalignorance［J］.JournalofPublicEconomicTheory,2008,10(2):281-300.
［16］BAGP,LEVINEP,SPENCERC.Anoteon:Jurysizeandthefreeriderproblem［J］.EconomicsBulletin,2006,4(3):1-12.
［17］TRIOSSIM.Costlyinformationacquisition.Bettertotossacoin［EB/OL］.WorkingPaper,CollegioCarloAlberto,2010.(2010-03-15).webmanager.cl/prontus_cea/cea_2010/site/asocfile/ASOCFILE120100127120554.pdf.
［18］SWANKO,WRASAIP.Deliberation,informationaggregation,andcollectivedecisionmaking［EB/OL］.WorkingPaper,TinbergenInstitute,2003.(2003-06-20).tinbergen.nl/discussionpapers/02006.pdf.
［19］CAIH.Costlyparticipationandheterogeneouspreferencesininformationalcommittees［J］.TheRANDJournalofEconomics.2009,40(1):173-189.
［20］BENIERSK,SWANKO.Onthecompositionofcommittees［J］.JournalofLaw,Economics,andOrganization,2004,20(2):353-378.
［21］LIH.Atheoryofconservatism［J］.JournalofPoliticalEconomy,2001,109(3):617-636.
［22］NICOLAP.Committeedesignwithendogenousinformation［J］.ReviewofEconomicStudies,2004,71(1):165-191.
［23］GERARDID,YARIVL.Informationacquisitionincommittees［J］.GamesandEconomicBehavior,2008,62(2):436-459.
［24］AUSTENSMITHD,FEDDERSENT.Deliberationandvotingrules［M］//AUSTENSMITHD,DUGGANJ.Socialchoiceandstrategicdecisions.Berlin:SpringerBerlinHeidelberg,2005:269-316.
［25］COUGHLANP.Indefenseofunanimousjuryverdicts:Mistrials,communication,andstrategicvoting［J］.AmericanPoliticalScienceReview,2000,94(2):375-393.
［26］MEIROWITZA.Indefenseofexclusionarydeliberation:Communicationandvotingwithprivatebeliefsandvalues［J］.JournalofTheoreticalPolitics,2007,19(3):301-327.
［27］AUSTENSMITHD,FEDDERSENT.Deliberation,preferenceuncertainty,andvotingrules［J］.AmericanPoliticalScienceReview,2006,100:209-217.
［28］GERARDID,YARIVL.Deliberativevoting［J］.JournalofEconomicTheory,2007,134(1):317-338.
［29］GUARNASCHELLIS,MCKELVEYR,PALFREYT.Anexperimentalstudyofjurydecisionrules［J］.AmericanPoliticalScienceReview,2000,94:407-423.
［30］DORASZELSKIU,GERARDID,SQUINTANIF.Communicationandvotingwithdoublesidedinformation［J］.ContributionstoTheoreticalEconomics,2003,3(1),Article6.
［31］SCHULTEE.Informationaggregationandpreferenceheterogeneityincommittees［J］.TheoryandDecision,2010,69(1):97118.
［32］MATHISJ.Deliberationwithpartiallyverifiableinformation［EB/OL］.THEMAWorkingPapersNo.2006-03,(2006-08-20).ucergy.fr/IMG/2006-03.pdf.
［33］MEIROWITZA.Designinginstitutionstoaggregatepreferencesandinformation［J］.QuarterlyJournalofPoliticalScience,2006,1(4):373-392.
［34］GERSBACHH,HAHNV.Informationacquisitionandtransparencyincommittees［EB/OL］.CEPRDiscussionPaperno.6677,London,CentreforEconomicPolicyResearch,(2009-06-20).papers.省略/sol3/papers.cfmabstract_id=1084060.
［35］LEVYG.Decisionmakingincommittees:Transparency,reputationandvotingrules［J］.AmericanEconomicReview,2007,97(1):150-168.
［36］VISSERB,SWANKO.Oncommitteesofexperts［J］.TheQuarterlyJournalofEconomics.2007,122(1):337-372.
［37］SWANKO,VISSERB.IstransparencytonoavailCommitteedecisionmaking,premeetings,andcredibledeals［EB/OL］.WorkingPaper,TinbergenInstitute,(2009-06-18).people.few.eur.nl/bvisser/articles/Transparency%20Dec%202009.pdf.
［38］SEIDMANND.ATheoryofvotingpatternsandperformanceinprivateandpubliccommittees［EB/OL］.CeDExDiscussionPaper2009-06,(2009-10-15).nottingham.ac.uk/economics/cedex/papers/2009-06.pdf.
［39］FELGENHAUERM,GRUNERH.Committeesandspecialinterests［J］.JournalofPublicEconomicTheory,2008,10(2):219-243.
［40］SEIDMANND.Optimalquotasinprivatecommittees［J］.TheEconomicJournal,2008,118(525):16-36.
［41］DALBE.Bribingvoters［J］.AmericanJournalofPoliticalScience,2007,51(4):789-803.
［42］HAHNV.Transparencyinmonetarypolicy:Asurvey［J］.IFOStudien,2002,48(3):429-455.
［43］SIBERTA.Monetarypolicycommittees:Individualandcollectivereputations［J］.TheReviewofEconomicStudies,2003,70(3):649-665.
［44］MEADEE,STASAVAGED.Publicityofdebateandtheincentivetodissent:EvidencefromtheUSFederalReserve［J］.TheEconomicJournal,2008,118(528):695-717.
［45］HAHNV.Committees,sequentialvotingandtransparency［J］.MathematicalSocialSciences,2008,56(3):366-385.
［46］HANSG,HAHNV.Shouldtheindividualvotingrecordsofcentralbankersbepublished［J］.SocialChoiceandWelfare,2008,30(4):655-683.
［47］NITZANS,PAROUSHJ.Optimaldecisionrulesinuncertaindichotomouschoicesituation［J］.InternationalEconomicReview,1982,23:289-297.
［48］BENYASHARR,NITZANS.Theoptimaldecisionruleforfixedsizecommitteesindichotomouschoicesituations:Thegeneralresult［J］.InternationalEconomicReview,1997,38:175-186.
［49］BENYASHARR,KHULLERS,KRAUSS.Optimalcollectivedichotomouschoiceunderpartialorderconstraints［J］.MathematicalSocialScience,2001,41:349-364.
［50］KRAUSS.Optimalcollectivedichotomouschoiceunderquotaconstraints［J］.EconomicTheory,2002,19:839-852.
［51］MCLENNANA.ConsequencesoftheCondorcetjurytheoremforbeneficialinformationaggregationbyrationalagents［J］.AmericanPoliticalScienceReview,1998,92:413-418.
［52］BENYASHARR.InformationisimportanttoCondorcetjurors［J］.PublicChoice,2006,127(3):305-319.
［53］BALLESTERM,REYBIELP.DoesuncertaintyleadtosinceritySimpleandcomplexvotingmechanisms［J］.SocialChoiceandWelfare,2009,33(3):477-494.
［54］LASLIERJ,WEIBULLJ.Providingincentivesforinformativevoting［EB/OL］.WorkingPaper,EcolePolytechnique,(2006-10-10).hal.inria.fr/docs/00/24/30/42/PDF/2007-01-04-1531.pdf.
［55］FEDDERSENT,PESENDORFERW.Convictingtheinnocent:Theinferiorityofunanimousjuryverdictsunderstrategicvoting［J］.TheAmericanPoliticalScienceReview,1998,92(1):23-35.
［56］BONDP,ERASLANH.Strategicvotingoverstrategicproposals［J］.ReviewofEconomicStudies,2009,77(2):459-490.
［57］BENYASHARR,MILCHTAICHI.Firstandsecondbestvotingrulesincommittees［J］.SocialChoiceandWelfare,2007,29(3):453486.
［58］COSTINOTA,KARTIKN.Onoptimalvotingruleswithhomogeneouspreferences［EB/OL］.WorkingPaper,MassachusettsInstituteofTechnology,(2009-05-25).econmit.edu/files/3732.
［59］MEHMETB,PARIMALKB.Committeedecisionswithpartisansandsidetransfers［J］.TheoryandDecision,2002,52(3):267286.
［60］JAEHOONK.Amodelofadversarialcommittees［EB/OL］.WorkingPaper,UniversityofRochester,(2005-09-12).省略.rochester.edu/~jaek/Adversarial.pdf.
［61］CHWEM.AnonymousproceduresforCondorcet’smodel:Robustness,nonmonotonicity,andoptimality［J］.QuarterlyJournalofPoliticalScience,2010,5(1):4570.
［62］GRNERH,KIELA.Collectivedecisionswithinterdependentvaluations［J］.EuropeanEconomicReview,2004,48(5):1147-1168.
关键词：“愤悱术”;“产婆术”;启发式教学;显著性检验;研究
一、前言
教师在课堂教学中要打破传统束缚学生思维发展的旧模式，遵循以人为本的观念，给学生思维提供最大的空间，项目根据“应用有机化学”教学大纲，把培养学生的创新素养作为教学的重点。转变学生的学习方式，既要让他们“学会”，也要“会学”，因此我们在“应用有机化学”课堂教学中，基于“愤悱术”和“产婆术”启发式教学的课堂教学策略的基本理论依据，设计了“应用有机化学”课堂教学改革的几种模式：主动性模式、主体性模式、情感性模式、可持续性模式、举一反三学习模式[1][2]。
“应用有机化学”“愤悱术”和“产婆术”的启发式教学策略源于一般启发式教学策略，是一般启发式教学策略的应用，具有一般启发式教学策略的特点。通过对甲班进行试验，而乙班的教学方法保持原状。根据期末考试成绩，进行显著性检验分析[3][4]。
二、以分析性统计检验误差，以确认从样本推断总体的可靠性
（一）u检验和t检验理论依据
统计检验是准确解释研究结果的前提，其方法可分为参数统计检验和非参数统计检验两类。在中小学教育科研中，通常以参数统计检验为主，其中u检验和t检验是两种最常用的检验方法。[5]
在教育统计中常以正态曲线分布下面积的95%或99%的理论u值为差异显著性的临界值，取0.05和0.01位两个显著水平。若样本的u值等于或大于95%或99%的理论u值（分别为1.96和2.58），即表明样本的平均数不超过μ±1.96σ或μ±2.58σ的区间。也就是说，样本来自同一总体的可能性（即概率P小于0.05或0.01）。在统计上将P≤0.05的差异称为显著差异，将P≤0.01的差异称为非常显著差异。反之，若样本的u值小于95%的理论z值，则表明样本来自同一总体的概率P>0.05，统计上称为差异不显著。
由于u检验要求样组的规模较大（n>30，严格地说，应以n>50为大样本），因此，对于小样本的检验通常都采用比较两个平均数以确定它们之间的差值是真的差值而不是偶然差数的t检验。在同一概率下，自由度越大，t值就越小;在自由度相同的情况下，则概率越小，t值越大。
（二）本次受试样本采用t检验
t检验方法检验样本之间有无真正的差异（由操纵自变量引起的差异，而不是由抽样误差等引起的差异），其基本程序为：①对试验样本所在的总体提出假设;②确定显著水平;③在无效假设成立的前提下，研究统计量的抽样分布，计算出检验统计量;④估计相对概率P，根据小概率原理作出统计推断。
1.建立虚无假设
2.计算t值
3.进行统计决策实例
即通过以t值与理论t值的比较，做出拒绝或接受虚无假设H0的决策。
如果采用的是t检验，则其决策程序为：
（1）根据自由度df，从t值表中查出0.05显著性水平上的临界值t（df）0.05和早0.01显著性水平上的临界值t（df）0.01。
例如，对n=40的样组进行t检验，则其自由度df=40-1=39。据此，可从上表中分别查得：
t在0.05显著性水平上的临界值：t（39）0.05=2.020;
t在0.01显著性水平上的临界值：t（39）0.01=2.703。
（2）将计算所得的t值与查表所得的临界值作比较，并根据下表进行统计决策。现在，让我们通过实例来进一步对统计检验问题作出具体的说明。试分析新的教学方法在提高学生数学水平方面与原来的教学方法有无显著差异。具体两个班级期末考试成绩数据见表1、表2。
由于n=40，为小样本，可采用t检验。检验步骤如下：
（3）计算t值。由于乙班为没有进行试验的考试结果，所以以乙班为基准进行计算，计算结果为：t=（78.90-70.08）/1.49=5.92。t检验统计决策规则见表3。
≤0.05在0.05显著性水平上拒绝虚无假设H0，差异显著。|t|≥t（df）0.01P≤0.01在0.01显著性水平上拒绝虚无假设H0，差异极显著。
（4）统计决策。将实际所得的t值与理论t值相比较。比较结果为：
t=5.92≥t（df）0.01=3.499，即P≤0.01。在0.01显著性水平上拒绝虚无假设H0，表明差异极显著。
三、结语
在0.01显著性水平上拒绝虚无假设H0，表示采用“愤悱术”和“产婆术”启发式教学方法的学生在期末考试成绩方面有非常显著的差异，且甲班学生的成绩明显优于乙班学生。
采用“愤悱术”和“产婆术”启发式教学方法安排教学内容的教法与原来的教法相比，其教学效果在一般情况下是有极其显著差异意义的，即这种教学方法优于原来的教学方法，因而是可行的。
[1]靳乃铮.启发式教学[M].北京：北京师范大学出版社，2002.
[2]卢小男.信息技术环境下再论数学启发式教学[D].大连：辽宁师范大学，2010.
[3]焦家俊，任玉杰，钱旭红.有机化学探索式教学实践[J].化工高等教育，2007，24（4）：82―84.
关键词:模式识别;本科教学;教学实践;教学改革
随着电子信息技术的迅速发展和信息处理自动化需求的不断扩大,模式识别方法和技术在信息处理领域中的重要性越来越受到重视。在吸引了众多研究者投身到模式识别研究领域的同时,模式识别的教学也从研究生教学逐渐延伸到了本科教学。模式识别作为计算机、电子信息技术等专业的专业基础课程,已经在越来越多的高等院校开设。本科模式识别课程主要讨论以统计学为基础的模式识别理论和方法,内容包括:贝叶斯决策理论以及参数估计方法、以误差函数最小化为原则的线性和非线性判别、近邻规则、特征提取和选择、聚类分析、神经网络、支撑矢量机、随机方法、非度量方法、独立于算法的机器学习等内容[1]。由于模式识别研究领域的广泛性,模式识别本科教学的内容和侧重点的安排目前尚处于探索阶段。模式识别领域的发展日新月异,这就要求教师在授业解惑的同时能够与时俱进地介绍该领域的发展前沿,从而培养学生主动探索知识的兴趣。
本文将结合本科模式识别教学的实践,分析该课程在内容设置方面面临的问题并给出相应的解决问题的建议;结合模式识别课程的特点,提出了以应用实例为先导的教学方法,以提高学生的学习兴趣;针对不同类型的学生,提出了如何培养学生实践能力和科研兴趣的方法。
1模式识别教学内容的层次划分和讲授方法
基础型教学指的是已经发展完善的模式识别原理和方法。基础型内容包括:贝叶斯决策理论、概率密度函数估计、线性判别、近邻规则、独立于算法的机器学习等内容。贝叶斯决策理论和概率密度函数估计是以数理统计为基础的[3],这一部分也是模式识别的重点内容。线性判别是以高等数学和线性代数为基础,同时涉及工程优化方法课程的部分内容。在这部分内容中,公式推导占据了相当大的篇幅,而且推导过程是学生可以理解和掌握的。对于基础型的内容,可以采取理论推导和实际例子相结合的讲授方式。在公式推导的过程中,尤其要强调公式的物理含义,同时给出几个有趣的例子,在增强记忆加深理解的同时提高学生的学习兴趣。
前沿型教学指的是正在发展中的模式识别原理和方法。前沿型内容包括:特征提取和选择、聚类分析、神经网络、支撑矢量机、随机方法等内容。这部分内容或者是数学基础超出了本科生的能力范围,或者处于发展前沿,很多内容正处于探讨阶段。对于前沿型的内容,可以忽略公式推导过程,直接讲授推导的结论以及结论的物理含义,同样结合实际例子加深学生的理解。对于发展中的模式识别方法可以适当介绍该领域的发展前沿,在开拓视野的同时激发学生的科研兴趣,引导部分学生从事感兴趣的科学领域的研究。
2实例先导的教学方法
模式识别方法是为了解决信息处理中面临的识别问题而提出的。在讲授方法之前,首先要明确将要介绍的模式识别方法的应用背景和使用范围,而不是像我们通常做的那样,先介绍方法的理论基础和流程,最后再给出一个例子,或者通过课后练习和作业的形式让学生掌握课程介绍的理论和方法的应用。针对本科模式识别课程的特点,我们在教学实践中摸索出了一套以实例为先导的教学方法,并与上机实验和课程设计相结合,大大提高了学生的学习兴趣和动手能力,取得了良好的教学效果。
在接触到实际的模式识别问题时,会引发学生的思考。在授课过程中,教师可以针对具体问题组织学生进行讨论,看是否能够利用已学过的模式识别方法解决该问题。若可以解决,则引导学生分析用已学方法解决该问题时存在的不足,从而引出下面将要介绍的新方法。这样,在介绍新方法的同时,学生会很自然地将新方法与旧的方法进行比较,分析各种方法的优劣,有利于学生对教学内容的深入理解和掌握。这种方法在讲授解决同一类模式识别问题的不同方法时是适用的。如在讲授贝叶斯决策时,可以通过对比的方式介绍几种决策规则的特点,又如在讲授线性判别方法中各种形式的感知器算法时,也可以对比学习各种算法的优劣。若该模式识别问题不能用已学的方法解决,则引导学生分析该模式识别问题的特点,思考为何必须引入新的模式识别方法来解决该问题,学生是否能够提出自己的解决方案。在分析和思考之后,教师再将解决该问题的思路引入到下面将要介绍的新方法上。这种方法在讲授解决不同类型的模式识别问题时是适用的。如在讲授非度量模式识别方法时,面对非度量语义属性的模式识别问题是前面介绍的方法无法解决的,要引入非度量模式识别方法加以解决。
因此我们建议在教材的编写上可以尝试采用实例先导的方法。首先在引言部分给出一个实际例子,然后在介绍方法的部分结合理论分析给出解决实例问题的方法。这种方法有利于提高学生的学习兴趣,增强记忆,加深理解。
3实践能力和科研兴趣的培养
模式识别是一门理论和实践紧密结合的科学,该学科的发展日新月异,在计算机和信息处理领域的地位越来越重要。因此,在模式识别课程的教学过程中要注重学生实践能力和科研兴趣的培养。在教学实践中,我们采用了上机实验和科学报告相结合的教学方式。
掌握各种模式识别方法的原理和流程是本科模式识别教学的第一个阶段。在此基础上,我们要求学生在计算机上实现模式识别方法并用于解决实际的模式识别问题。在上机实现的过程中,学生不仅需要掌握模式识别问题在计算机中的表示方法和识别结果的展示形式,尤其重要的是学生需要对模式识别方法的每一个细节都要深入理解和掌握才能将算法实现。在上机教学中,我们采用了Matlab编程环境实现课程中介绍的模式识别方法。Matlab的编程语言简单高效,而且提供了功能强大的图形展示功能[5]。例如在贝叶斯决策和线性分类器的上机实验中,学生可以利用画图函数用不同的颜色和符合标记不同类别的样本,可以轻松地画出决策面,这种可视化的分类结果展示形式不仅提高了学生的学习兴趣,而且加深了学生对模式识别方法及其特点的理解。
在学生成绩考核中,除了笔试成绩我们还增设了上机作业成绩和科学报告成绩两个部分。上机作业的内容是要求学生从若干个上机题目中选择有兴趣的实现一个简单的模式识别系统。例如设计实现贝叶斯分类器、线性分类器、神经网络分类器、决策树等。科学报告可以有两种形式,要求学生或者在模式识别领域的主流英文期刊上选择感兴趣的英文文献,将其翻译为中文;或者就模式识别领域的一个感兴趣的话题谈谈自己的看法和主张。通过上机作业和科学报告的形式,学生的动手能力得到了良好的锻炼。不仅提高了学生的学习热情,而且引导学生积极思考,不少同学在科学报告中提出了自己的学术看法和主张,有些内容颇具独到的见解。
在学生成绩考核中,除了笔试成绩我们还增设了上机作业成绩和科学报告成绩两个部分。上机作业的内容是要求学生从若干个上机题目中选择有兴趣的实现一个简单的模式识别系统。例如设计实现贝叶斯分类器、线性分类器、神经网络分类器、决策树等。科学报告可以有两种形式,要求学生或者在模式识别领域的主流英文期刊上选择感兴趣的英文文献,将其翻译为中文;或者就模式识别领域的一个感兴趣的话题谈谈自己的看法和主张。通过上机作业和科学报告的形式,学生的动手能力得到了良好的锻炼。不仅提高了学生的学习热情,而且引导学生积极思考,不少同学在科学报告中提出了自己的学术看法和主张,有些内容颇独到的见解。
4结语
本科模式识别教学由于学生的数学基础有限而面临着两难的境地。既要把原理和方法讲清楚,又不能过多的涉及复杂的数学推导,这给教学带来很大困难。在教学实践中,我们把教学内容划分为基础型、前沿型两类,并提出了弱化公式推导,强调公式的物理含义,以及结合实例增强记忆的教学方法。为了提高学生的学习兴趣,加深理解,我们提出了实例先导的教学方法。用实际例子引导学生思考,加深学生对模式识别方法应用背景和适用范围的理解。模式识别是实践性很强的科学,并且该学科的发展十分迅速。在教学实践中,我们十分重视学生动手能力和科研兴趣的培养。通过上机作业和科学报告的形式引导学生积极动手,积极思考。
参考文献:
[1]边肇祺,张学工.模式识别[M].2版.北京:清华大学出版社.,2002:9-303.
[2]顾波.模式识别本科教学方法浅谈[J].中国科教创新导刊.,2010(4):68.
[3]AndrewR.Webb.统计模式识别[M].2版.王萍,等,译.北京:电子工业出版社,2004:1-10.
[4]RichardO.Duda,PeterE.Hart,DavidG.Stork.模式分类[M].2版.李宏东,姚天翔,等,译.北京:机械工业出版社.,2003.
[5]杨淑莹.模式识别与智能计算:Matlab技术实现[M].北京:电子工业出版社,2008:1-300.
TeachingPracticesonUndergraduatePattenRecognitionCourseandCurriculumReforming
QIYu-tao1,2,LIUFang1,2,JIAOLi-cheng2
(1.SchoolofComputerScienceandTechnology,XidianUniversity,Xi’an710071,China;2.InstituteofIntelligentInformationProcessing,XidianUniversity,Xi’an710071,China)
关键词网上购物，决策模型，消费者。
分类号B849:C93
网上购物满足了在线购物者的特定需求，但仍存在着许多问题。一个对用户为什么不打算进行网上购物的调查发现[4]，对产品质量不了解占34.6％，认为售后服务与厂商信用得不到保障的占33.5％，还有30.3％的人认为网上购物不安全。可见，为促进网上购物的发展，有必要从消费者的购物行为与网上信息行为角度作深度分析，以期加强网上购物对消费者的影响，并寻求可能的改进策略。
1传统的消费者决策模型
消费者的购买活动表面上是为了直接获得商品，实际上是为了从商品中获得某些满足。因此，经济学家将作为决策论、对策论和数理经济学的基础之一的效用理论（UtilityTheory）应用于消费理论研究，认为消费者消费商品的数量和其获得的效用有密切关系[5]。但是，效用理论并没有提出消费者决策模型，只是传达了一种思想：首先是“经济人”假设，即假定市场中的消费者都是理性决策者。假定消费者是在一系列约束条件下（如收入等）追求效用最大化的个体，而且被假定为是合乎理性的。消费者知道自己的需要，也知道满足需要的方法。因此，根据边际效用递减原理，消费者作出决策，如信息搜索、选择性评价等，都期望达到总效用的最大化。在“经济人”前提假设下，消费者的消费行为中也包含着大量的个人和情境变量。很多研究者从理论上提出了一些简单的消费者购物决策模型，来解释消费者的行为。其中，最主要的模型有三个：Nicosia模型，Howard-Sheth模型和EBM模型[6]。后来的一些研究者致力于用数学模型来研究消费者的行为，力图在严格的假定下对消费者的行为做出精确度解释和预测[7,8]。这里，只介绍3个经典的消费者决策模型。
1.1Nicosia模型
Francesco和Nicosia（1978）提出此模式，认为消费者行为源于厂商特性与消费者特性，并把消费者的购物决策看成是一个四阶段的决策过程：（1）根据厂商透露的信息形成态度；（2）信息收集与方案评估；消费者主动收集与产品有关信息作为评估标准并产生购买动机。（3）购买行动；消费者将动机转化为实际行动，并受产品评估准则的影响。（4）信息反馈。消费者使用过产品后的印象与经验会影响再购买行为。同时厂商根据消费者的反应，亦获得信息反馈并调整行销组合。
1.2Howard-Sheth模型
1.3EBM模型
EBM模型是对EKB模型的发展。它尝试从理论上去解释消费者的购物决策过程，具有对不同情境的概括性和适用性，并与消费者具体的决策行为相一致。它还考虑到一些购物决策阶段，如记忆、信息采集、考虑购物的后果等。当消费者的实际状态和期望状态不平衡时，就有了需求认知，当意识到自己的需求时，就开始搜索信息，以满足需求。消费者根据自己头脑中储存的信息和从外部获得的信息，得出自己的标准，去评价和比较可能的选择，产生一批偏好的选择，并从中最后确定要购买的物品，产生购买行为。购买后评价有助于制定以后的购买决策：当需要购买相似的产品时，好的经验将提供信息，从而导致消费者购买该品牌的产品，而不满意则会导致消费者产生购买后的心理失调。
EBM模型是一种解释性的模型，它假定消费者都是理性的，而且考虑了购买后的效果是否与预期相一致，对预测很有用，因此，它几乎可以用来解释任何情境中的大量的研究结果。
1.4三个模型对于理解网上购物决策过程的可能意义
Nicosia模型着重强调消费者与厂商之间信息交流的过程，它贯穿于消费者购买决策过程的始终，与Howard-Sheth模型相比，它更强调的是信息交流的过程是双向的，而不仅仅是消费者单向的认知，也就是说，在消费者购物决策过程中，厂商也可以扮演主动的角色，根据消费者的信息反馈去相应的调节营销组合，从而影响消费者的认知过程，并进一步改变消费者的行为。虽然是一个传统的消费者决策模型，Nicosia模型对信息交流的重视也为厂家重视网上购物平台的建构提供了理论基础，通过这个平台，可以使完全无计划购物和提醒购物的消费者也能顺利的作出网上购物的决策。
Howard-Sheth模型可以看作是一个认知模型，强调顾客满意度对消费者决策过程的影响。消费者通过对付出与所得之间的对比，形成满意或者不满意的感觉，进而决定消费者的购物行为。而EBM模型是一个典型的问题解决模型，它把消费者的购物决策看成一个问题解决的过程。一般的问题解决模型由四个阶段组成：对问题的认知、信息的寻求与评价、购买活动、购买后的反应。显然，EBM模型只是将信息的寻求与评价这个阶段分成了两个具体的过程。因此，如果把信息的寻求这个阶段的媒介具体化到网络这个虚拟的平台上，EBM模型就是一个简单适用的网上消费者购物决策模型。
2网上消费者购物决策模型
2.1两阶段模型
2.2信任导向观点和页面导向观点
2.3态度和行为研究模型
LiNa和ZhangPing总结了这些消费者决策的影响因素及其如何影响的研究，提出了消费者网上购物态度和行为的研究模型，着重于态度和行为及其影响因素，如外部环境、人口统计变量、人格特征、卖方/服务/产品特征、网页质量等[15]，着力于澄清这些因素和消费者最后的决策之间的关系。
2.4与传统购物决策模型的比较
因此，与传统的问题解决模型相比，网上消费者购物决策模型除了吸收上述传统购物模型的优势外，更注重网络这个虚拟环境，网上消费者的特点和网上购物信息搜索的独特工具，从而在与传统模型相兼容的同时，也与一般的消费者购物决策模型相区别。
3综合的消费者购物决策模型
基于以上比较，笔者以问题解决模型为基础，结合网上消费者的特点，试着提出了整合传统购物、网上搜寻信息网下购物、网上购物三种购物方式的消费者购物决策模型，见图2。
受Nicosia模型和Howard-Sheth模型的启发，综合模型增加了影响个体对于问题的认知以及信息的寻找以及备择物的评价过程的原因因素（外界刺激输入）和个体因素（经验、动机、个性、态度等）。例如，情景因素或者厂商的营销努力可以使完全无计划购物的消费者有了解决问题的动机，从而产生提醒购物的行为，而消费者是否有解决问题的动机还取决于两个因素：一是期望状态与实际状态之间差异的大小，二是该问题的重要性。另一方面，消费者对于网上购物的态度又决定了他是否选择网上搜寻信息，进而深入到具体的两阶段的信息搜寻与评价的过程。
在信息搜寻与评价的具体决策过程，本模型整合了传统搜寻与评价和网上信息搜寻和评价两种决策方式，这儿所涉及的估价，不仅仅是对商品或者商家的估价，也包括对选择何种购物方式的估价，因此，具体的购买过程，也分为传统购买与网上购买两种购买方式。相应的，消费者购买后的评价也不仅仅包括传统的对商品或者服务的评价，还包括对消费者自己所选择的购物方式的评价，这种反馈性的评价信息不仅可以影响消费者今后对商家的选择，而且也影响了消费者今后对购物方式的选择。
总的来说，这个综合的模型的优势在于，将购买方式的选择也纳入消费者决策需要考虑的范围中，从而适用于传统与网络两种不同的购物方式，以及介于两者之间的网上搜索信息、网下购买方式，弥补了传统和网上购物决策模型在考虑决策时，购物方式单一的不足。但是，这个模型也存在缺陷：消费者对于购物方式的选择也可以发生在信息搜索阶段之前，而且，对于消费者的重复购买行为来说，并不需要花费许多认知努力。所以，这个模型主要适用于有限型（以购买介入程度适中，信息搜集有限，决策规则简单，备选方案少，购后评价少为主要特征）和扩展型（以购买介入程度高，大量的信息搜集，多种备选方案，全面的购后评价为主要特征）消费者决策行为[16]。
4网上购物消费者决策过程研究的发展趋势
综合的购物决策模型涵盖了传统和网上两种购物方式，考虑了网上搜寻信息、网下购买这种新的购物决策类型，能够综合的考虑各个影响因素的作用，建议未来的研究者在研究网上消费者的购物行为时，可以以此为依据，并着重于以下几个方向：
（1）信息搜索和评价行为的定量研究根据两阶段决策模型，可以研究RA和CM对消费者信息搜寻数量、考虑的商品系列和决策质量的影响，并与传统的购物模式进行对比，从而帮助消费者作出更有利于达到总效用最大化的决策。
总之，伴随着全球化时代下电子商务的发展，消费者的购物方式也更加多样和复杂，因而消费者的购物决策模型也就需要考虑诸多方面的因素。传统的购物决策模型是这些模型的核心和灵魂，以后提出的诸多模型，则是传统模型的发展和具体化，可见，现代的购物方式，仍然离不开传统的购物决策的步骤，广大消费者在这个过程中的变与不变，正是后续的研究者努力的方向。
参考文献
[1]李大立，孙婷，李正良.电子商务消费者不满意因素分析.湘潭工学院学报（社会科学版），2002，4（4）：36~41
[2]熊德勇.网上购物的思考.商业研究，2001，（12）：178~179
[3]刘立.信息技术条件下的消费者行为特征.情报学报，2002，21（2）：237~241
[4]张岩.网上购物距离我们有多远.服务，2000，（5）：188~193
[6]ThompsonSH,YeongYD.Assessingtheconsumerdecisionprocessinthedigitalmarketplace.TheInternationalJournalofManagementScience,2003,31(5):349~363
[7]MereloJJ,PrietoA,RivasV,etal.Aneuralnet-basedmodelfordecisionmakinginmarketing.AccountingManagementandInformationTechnologies,1998,8(4):237~253
[8]NamwoonK,RajendraK,Srivastava,etal.Consumerdecision-makinginamulti-generationalchoicesetcontext.JournalofBusinessResearch,2001,53(3):123~136
[9]丁娟.冷观网上消费.经济师，2000，(9):49
[10]HaublG,TriftsV.ConsumerDecisionMakinginOnlineShoppingEnvironments:TheEffectsofInteractiveDecisionAids.MarketingScience,2000,19(1):4~21
[11]HeijdenHV,VerhagenT,CreemersM.PredictingOnlinePurchaseBehavior:ReplicationsandTestsofCompetingModels.Proceedingsofthe34thHawaiiInternationalConferenceonSystemSciences,2001
[12]BellmanS,LohseG,JohnsonE.Predictorsofonlinebuyingbehavior.CommunicationsoftheACM(42:12),1999.32~38
[13]BhatnagarA,MisraS,RaoHR.Onlinerisk,convenience,andInternetshoppingmunicationsoftheACM(43:11),2000:98~105
[14]JarvenpaaSL,TractinskyN,VitaleM.ConsumertrustinanInternetstore.InformationTechnologyandManagement,2000:45~71
[15]LiNa,ZhangPing.Consumeronlineshoppingattitudesandbehavior:Anassessmentofresearch.EighthAmericasConferenceonInformationSystems,2002.508~518
[16]HawkinsDJ,BestRJ,ConeyKA.符国群等译.ConsumerBehavior:BuildingMarketingStrategy.8thed.北京：机械工业出版社，2003.475~479
ShoppingDecision-MakingModel:AnanalysisofConsumerOnline
LiShuangshuang1,2ChenYiwen1LiJiangyu3
（1InstituteofPsychology,theChineseAcademyofSciences,Beijing100101,China）
（2GraduateSchooloftheChineseAcademyofSciences,Beijing100039,China）
(3DepartmentofEconomicsandBusinessAdministration,BeijingNormalUniversity,Beijing100875,China)