For large variance, this suggests t

For large variance, this suggests that firms with the same values of capabilities/resources in _X may still realize different performance given other factors (e.g. environment) not pre-specified in _X . Alternatively, if each SBU possessed its own different _b ð _b Þ, then such structural heterogeneity could result in different realizations of performance while pursuing the same resource/capacity strategy. The hierarchical Bayesian RBV approach of Hansen et al. (2004) is an effective way of dealing with such structural heterogeneity in a continuous manner, but the approach requires multiple observations per SBU and somewhat ad hoc parametric assumptions concerning the forms of prior and hyper-prior distributions. Finally, level heterogeneity refers to different amounts of resources/capabilities ( _X i) possessed by each of the firms or SBU’s which also can lead to performance differences. Thus, one needs to identify the true source(s) of methodological heterogeneity in terms of a model form that can separate these various latent sources that can produce observed managerial heterogeneity.
The procedure proposed below will allow us to separate and identify these latent sources of methodological heterogeneity. At the managerial level, heterogeneity in performance may be observed, but the sources of it may be unclear or difficult to separate. For example, firms may show different levels in performance because they differ in terms of the capabilities they possess (level heterogeneity). Alternatively, they may have similar levels of capabilities, but may differ in terms of how well they exploit or utilize these capabilities to their advantage (structural heterogeneity). Or, there may be other unidentified sources of performance differences which transcend capabilities that are not included in the particular model (unexplained heterogeneity). The ways of identifying the sources of heterogeneity are therefore different and complementary.
Managerial heterogeneity considers the specific case of performance differences among rivals, yet only states that the competitors’ performances will differ. Methodological heterogeneity is defined more generally (i.e. not necessarily with respect solely to rival firms’ performances), and relates to different causes underlying managerial heterogeneity. Our proposed methodology has the capability to identify these different sources of heterogeneity in performance, which at the managerial level are not easily identified or separated.
We now describe the technical details of the proposed constrained latent structure regression procedure devised to accommodate these different sources of heterogeneity in the relationships between capabilities and performance according to the RBV. Latent structure or finite mixture models (รูปแบบผสมจำกัด) are utilized in statistics and psychometrics as a way to model structural heterogeneity. In particular, our goal is to empirically derive clusters or groups of firms derived from observed data and simultaneously obtain the relationships between firm capabilities and profitability per each derived cluster. Model selection heuristics are developed which identify the appropriate number of clusters or groups. The model framework accommodates user specified constraints regarding the positivity of the estimated coefficients. Posterior probabilities of firm membership in each derived cluster or group are simultaneously estimated as well. Note, the proposed methodology is sufficiently generalized to accommodate the examination of any designated resources and/or capabilities with any specified measurement of firm performance.

ผลลัพธ์ (ไทย) 2:

สำหรับความแปรปรวนขนาดใหญ่นี้แสดงให้เห็นว่าอาร์ไฟกับค่าเดียวกันของความสามารถ / ทรัพยากรใน _X อาจยังคงตระหนักถึงผลการดำเนินงานที่แตกต่างกันได้รับปัจจัยอื่น ๆ (เช่นสภาพแวดล้อม) ไม่ก่อน speci เอ็ดไฟใน _X หรือถ้าแต่ละ SBU มี _b ที่แตกต่างกันของตัวเองð _b Þแล้วความแตกต่างของโครงสร้างดังกล่าวอาจส่งผลให้เกิดความเข้าใจที่แตกต่างกันของการปฏิบัติงานในขณะที่การใฝ่หาทรัพยากรเดียวกัน / กลยุทธ์ความจุ ลำดับชั้นวิธีคชกรรม RBV ของแฮนเซน, et al (2004) เป็นวิธีที่มีประสิทธิภาพในการจัดการกับความแตกต่างของโครงสร้างดังกล่าวในลักษณะอย่างต่อเนื่อง แต่วิธีการที่ต้องใช้การสังเกตหลายต่อ SBU และค่อนข้างเฉพาะกิจสมมติฐานตัวแปรที่เกี่ยวข้องกับรูปแบบของการกระจายก่อนและไฮเปอร์ก่อน ในที่สุดความแตกต่างระดับหมายถึงจำนวนเงินที่แตกต่างกันของทรัพยากร / ความสามารถ (_X i) การครอบงำโดยแต่ละสาย RMS หรือ SBU ซึ่งยังสามารถนำไปสู่ความแตกต่างของผลการดำเนินงาน ดังนั้นหนึ่งต้องระบุแหล่งที่แท้จริง (s) ของระเบียบวิธีการแตกต่างในแง่ของรูปแบบรูปแบบที่สามารถแยกแหล่งแฝงต่างๆเหล่านี้ที่สามารถผลิตเซลล์สืบพันธุ์การบริหารจัดการที่สังเกต.
ขั้นตอนที่นำเสนอด้านล่างนี้จะช่วยให้เราสามารถแยกและระบุแหล่งที่มาแฝงเหล่านี้ หลากหลายวิธีการ การบริหารจัดการในระดับที่แตกต่างในการทำงานอาจจะสังเกตเห็น แต่แหล่งที่มาของมันอาจจะเป็นลัทธิชัดเจนหรือแตกสายที่จะแยก ตัวอย่างเช่นอาร์ไฟอาจแสดงระดับที่แตกต่างกันในการทำงานเพราะพวกเขาแตกต่างกันในแง่ของความสามารถที่พวกเขามี (ต่างระดับ) อีกทางเลือกหนึ่งที่พวกเขาอาจมีระดับของความสามารถที่คล้ายกัน แต่อาจแตกต่างกันในแง่ของวิธีการที่ดีที่พวกเขาใช้ประโยชน์หรือใช้ความสามารถเหล่านี้เพื่อประโยชน์ของตน (ความแตกต่างของโครงสร้าง) หรืออาจจะมีแหล่งเอ็ดสาย unidenti ความแตกต่างของผลการดำเนินงานที่อยู่เหนือความสามารถที่ไม่รวมอยู่ในรูปแบบเฉพาะ (ความแตกต่างที่ไม่สามารถอธิบาย) วิธีการระบุแหล่งที่มาของความแตกต่างจึงแตกต่างกันและเสริม.
การจัดการความหลากหลายพิจารณากรณีคไฟ speci ความแตกต่างของผลการดำเนินงานในหมู่คู่แข่ง แต่เพียงระบุว่าการแสดงของคู่แข่งจะแตกต่างกัน ความแตกต่างคือวิธีการนิยามโดยทั่วไป (เช่นไม่จำเป็นต้องมีความเคารพ แต่เพียงผู้เดียวในการแสดง RMS ไฟคู่แข่ง ') และเกี่ยวข้องกับสาเหตุที่แตกต่างกันภายใต้ความแตกต่างในการบริหารจัดการ วิธีการที่นำเสนอของเรามีความสามารถในการระบุแหล่งที่มาที่แตกต่างกันเหล่านี้ของความแตกต่างในการทำงานซึ่งอยู่ในระดับที่บริหารจัดการไม่ได้อย่างง่ายดายเอ็ดสายระบุหรือแยกออกจากกัน.
ตอนนี้เราอธิบายรายละเอียดทางเทคนิคที่เสนอข้อ จำกัด ขั้นตอนการถดถอยโครงสร้างแฝงวางแผนเพื่อรองรับแหล่งที่มาที่แตกต่างกันเหล่านี้ของเซลล์สืบพันธุ์ ในความสัมพันธ์ระหว่างความสามารถและประสิทธิภาพการทำงานตาม RBV โครงสร้างแฝงหรือไฟรุ่นส่วนผสม Nite (รูปแบบผสม จำกัด ) ถูกนำมาใช้ในสถิติและ psychometrics เป็นวิธีการแบบโครงสร้างเซลล์สืบพันธุ์ โดยเฉพาะอย่างยิ่งเป้าหมายของเราคือการสังเกตุได้มาซึ่งกลุ่มหรือกลุ่มของอาร์ไฟที่ได้มาจากข้อมูลที่สังเกตได้และในขณะเดียวกันได้รับความสัมพันธ์ระหว่างความสามารถในสาย RM และ tability สายอาชีพต่อแต่ละกลุ่มที่ได้รับมา การวิเคราะห์พฤติกรรมการเลือกรุ่นได้รับการพัฒนาที่ระบุจำนวนที่เหมาะสมของกลุ่มหรือกลุ่ม กรอบรูปแบบรองรับข้อ จำกัด เอ็ดสายผู้ใช้ที่ระบุเกี่ยวกับการบวกของประมาณ COEF cients ไฟ ความน่าจะเป็นของการเป็นสมาชิกหลังไฟ RM ในแต่ละกลุ่มหรือกลุ่มที่ได้มาอยู่ที่ประมาณพร้อมกันได้เป็นอย่างดี หมายเหตุวิธีการที่นำเสนอเป็นสาย SUF ทั่วไป ciently เพื่อรองรับการตรวจสอบของทรัพยากรที่กำหนดใด ๆ และ / หรือความสามารถในการวัดเอ็ดสาย speci ใด ๆ ของการปฏิบัติงานสาย RM

ผลลัพธ์ (ไทย) 3:

สำหรับความแปรปรวนขนาดนี้แสดงให้เห็นว่าการติดเชื้อจึงมีค่าเดียวกันของความสามารถ / ทรัพยากรใน _x อาจยังคงตระหนักถึงประสิทธิภาพที่แตกต่างกันให้ปัจจัยอื่น ( เช่นสิ่งแวดล้อม ) ไม่ก่อนกาจึงเอ็ดใน _x . อีกวิธีหนึ่งคือ ถ้าแต่ละ SBU สิงของตัวเองที่แตกต่างกัน _b ðÞ _b ,แล้วโครงสร้างที่สามารถรับรู้ที่แตกต่างกันอาจส่งผลในการปฏิบัติงานในขณะที่การใฝ่หาที่เดียว / ความจุของกลยุทธ์ การเปรียบเทียบวิธีการคชกรรม RBV Hansen et al . ( 2004 ) เป็นวิธีที่มีประสิทธิภาพในการจัดการกับความหลากหลายของโครงสร้างดังกล่าวในลักษณะต่อเนื่องแต่แนวทางที่ต้องสังเกตหลายต่อ กลยุทธ์ และค่อนข้างเฉพาะกิจเชิงสมมติฐานเกี่ยวกับรูปแบบเดิม และไฮเปอร์การแจกแจงก่อน ในที่สุดก็สามารถระดับ หมายถึง ปริมาณ ความสามารถ ทรัพยากร / ( _x ) ครอบครองโดยแต่ละจึง RMS หรือ SBU ซึ่งสามารถนำไปสู่ความแตกต่างประสิทธิภาพด้วย ดังนั้นต้องระบุแหล่งที่มาที่แท้จริง ( s ) ของวิธีการที่สามารถ ในแง่ของรูปแบบที่สามารถแยกต่าง ๆ เหล่านี้เป็นแหล่งที่สามารถผลิตได้แฝงการบริหารความหลากหลาย .
ขั้นตอนเสนอด้านล่างนี้จะช่วยให้เราแยกและระบุแหล่งแฝงเหล่านี้ของวิธีการที่สามารถ . ระดับการจัดการความหลากหลายในการปฏิบัติอาจจะสังเกตแต่แหล่งที่มาของมันอาจจะไม่ชัดเจน หรือแยกถ่ายทอดศาสนาแยก ตัวอย่างเช่น ข้อมูลจึงอาจแสดงระดับที่แตกต่างกันในการทำงานเพราะพวกเขาแตกต่างในแง่ของความสามารถที่พวกเขามี ( สามารถระดับ ) หรือพวกเขาอาจจะมีระดับที่คล้ายกันของความสามารถ แต่อาจจะแตกต่างกันในแง่ของวิธีที่ดีที่พวกเขาใช้ประโยชน์ หรือใช้ความสามารถเหล่านี้เพื่อประโยชน์ของพวกเขา ( ที่สามารถโครงสร้าง ) หรืออาจจะมีอื่น ๆ unidenti จึงเอ็ดแหล่งแสดงความแตกต่างซึ่งอยู่เหนือขีดความสามารถที่มีอยู่ในรูปแบบเฉพาะ ( ที่ไม่สามารถ ) วิธีในการระบุแหล่งที่มาของความหลากหลายแตกต่างกันดังนั้นและเสริม การพิจารณาประเภทจึงสามารถ
C กรณีการแสดงความแตกต่างระหว่างคู่แข่งแต่ระบุว่า การแสดงของคู่แข่งจะแตกต่างกัน วิธีการที่สามารถเป็น de จึงเน็ดมากขึ้นโดยทั่วไป ( เช่น ไม่จําเป็นต้องด้วยความเคารพ แต่เพียงผู้เดียวกับคู่แข่ง การแสดงจึง RMS ) และเกี่ยวข้องกับสาเหตุที่แตกต่างกันสามารถบริหาร . เราเสนอวิธีการมีความสามารถในการระบุแหล่งที่แตกต่างกันเหล่านี้ของสามารถในการปฏิบัติงานซึ่งในระดับบริหารที่ไม่สามารถ identi จึงเอ็ดหรือแยก .
ตอนนี้เราอธิบายรายละเอียดทางเทคนิคของการเสนอโครงสร้างขั้นตอนการวางแผนการบังคับแฝงเพื่อรองรับแหล่งที่แตกต่างกันเหล่านี้ของสามารถในความสัมพันธ์ระหว่างความสามารถและผลการปฏิบัติงานตามการ RBV .โครงสร้างแฝง หรือ ไนท์ จึงผสมรุ่น ( รูปแบบผสมจำกัด ) ที่ใช้ในสถิติและการวัดทางจิตวิทยาเป็นวิธีที่จะสามารถโมเดลโครงสร้าง โดยเฉพาะ เป้าหมายของเราคือการสร้างกลุ่มหรือกลุ่มจึงใช้ข้อมูลที่ได้มาจากข้อมูล และพร้อมรับถ่ายทอดความสามารถและความสัมพันธ์ระหว่าง RM tability Pro จึงได้ต่อแต่ละกลุ่มเลือกรูปแบบอักษรที่พัฒนาซึ่งระบุจำนวนที่เหมาะสมของกลุ่มคลัสเตอร์ หรือ รูปแบบกรอบรองรับผู้ใช้กาจึงเอ็ดข้อจำกัดเกี่ยวกับความคิดของการประมาณการ coef จึง cients . ด้านหลังน่าจะเป็นของสมาชิกในแต่ละกลุ่มจึง RM ) หรือกลุ่มพร้อมกันประมาณเช่นกัน หมายเหตุเสนอวิธีการซุฟจึง ciently ทั่วไป เพื่อรองรับการตรวจสอบของเขตข้อมูลใด ๆและ / หรือความสามารถในกาจึงเอ็ดการวัดประสิทธิภาพของ RM

จึง .