人机战略决策支持系统的混合结构建模与可解释机器学习框架可靠性评估

《Mathematics》：A Hybrid Structural Modelling and Explainable Machine Learning Framework for Human–AI Strategic Decision Support Systems

　　

混合框架结合了结构建模、机器学习和可解释人工智能（AI）来评估人机战略决策支持系统（SDSSs）。然而，其方法论可靠性需要系统评估。研究人员评估了一个整合偏最小二乘路径建模（PLS-PM）、预测性机器学习和可解释AI的混合框架。该研究使用基于千禧一代领导者–AI智能体抗拒（MLAAR）模型的可复现蒙特卡洛模拟。该模型包含六个社会技术前因、战略决策有效性和制度韧性。实验采用3 × 2 × 2析因设计，考察三种样本量（N = 200、500和1000）、两种前因相关水平（ρ = 0.0和0.3）以及两种函数形式（线性和非线性）。每种条件包含100次重复，产生1200个合成数据集。研究人员根据已知总体参数评估结构恢复、自助法推断、预测精度和特征重要性。平均相对系数偏倚的幅度在独立前因下为?11.65%，在相关前因下增至?29.97%。随着样本量增加，对最强总体前因的正确识别从70.0%升至96.3%。然而，结构排名与SHAP预测因子排名完全一致的比例仅为22.3%。尽管统计检测一致，但间接效应置信区间覆盖率从65.8%降至9.8%。在评估的算法中，普通最小二乘回归获得了最高的平均交叉验证预测精度。这些发现表明，预测精度、统计检测和预测因子排名一致并不能保证准确的结构恢复。该研究为评估混合解释-预测方法提供了一个可复现框架。在将该框架应用于组织决策之前，仍需进行独立实证验证。

随着人工智能（AI）深度融入战略决策支持系统（SDSSs），智能体虽能提升分析效率与组织响应能力，却也引发了管理权威、透明度、信任与问责等新挑战。已有研究尝试将结构建模、预测机器学习和可解释AI整合为混合框架，以同时提供解释与预测证据。然而，这些方法测量的是不同统计量：结构系数反映模型相关的条件关联，预测指标衡量泛化精度，SHAP解释的是拟合模型的预测贡献。因此，方法间的结果一致并不等价于对总体关系的准确恢复。现有文献存在四个关键缺口：测量误差和相关前因可能使结构系数偏倚；高预测性能不能确认真实函数形式；结构排名与SHAP排名的一致性难以解释；统计显著的关联可能伴随估计偏倚和置信区间覆盖不足。为此，研究人员开展了一项基于已知总体参数的蒙特卡洛模拟，以系统评估混合框架的可靠性。

研究人员以千禧一代领导者–AI智能体抗拒（MLAAR）理论模型为总体生成模型，该模型包含六个社会技术前因（即AI智能体自主性、AI决策不透明性、感知决策权威威胁、人机信任、AI治理与人类监督、以人为本的AI取向）、战略决策系统有效性（SDMSE）与制度韧性（IR）。实验采用3 × 2 × 2析因设计，变化样本量（N = 200、500、1000）、前因相关水平（ρ = 0.0、0.3）与函数形式（线性、非线性），共1200个合成数据集。每个数据集包含九个潜变量，每个潜变量由四个指标测量并离散为五级有序类别，以模拟真实问卷数据的测量误差。

主要关键技术方法包括：（1）基于已知参数和确定性随机种子生成合成数据，确保可复现性；（2）采用反射模式A的偏最小二乘路径建模（PLS-PM）估计结构路径，并用自助法重抽样（每重复100次）评估直接与间接效应的检测概率和95%置信区间覆盖率；（3）使用五折交叉验证，在相同分区上比较普通最小二乘（OLS）回归、梯度提升和人工神经网络（ANN）的样本外预测精度；（4）基于梯度提升预测，采用精确干预SHAP计算六个前因的全局特征重要性，并与PLS-PM排名及已知总体排名比较；（5）另以一致性PLS、单位权重组合和oracle回归作为基准估计器，以区分抽样误差与测量误差。由于数据为模拟生成，无真实样本队列来源。

研究结果如下：

**4.1 数据特征与测量质量**
测量诊断显示，所有构念的内部一致性信度均超过0.70，区分效度（HTMT）和方差膨胀因子（VIF）均在可接受范围内。然而，在ρ=0.3的示例数据集中，人本AI取向（HCAIO）的PLS-PM外载荷范围仅为0.233~0.824，平均方差抽取量（AVE）为0.423，低于0.50的常规标准。进一步诊断表明，该现象并非指标编码或映射错误，而是由于HCAIO与MLAAR的总体相关接近零（-0.030），使Mode-A外权重由抽样误差主导，导致构念得分失真。该问题在弱关联前因中具有系统性，说明传统的信度与效度指标并不能充分保证PLS-PM估计的收敛效度。

**4.2 示例数据集中的结构系数恢复**
在N=681的示例数据集中，估计的六条前因路径方向均符合假设，其中感知决策权威威胁（PDAT）的系数最大（β=0.282），随后是AI决策不透明性（AIDO，β=0.179）和AI智能体自主性（AIAA，β=0.157）；人机信任（HAIT）为-0.206，AI治理与人类监督（AIGO）和HCAIO接近零。下游路径MLAAR→SDMSE为-0.415，SDMSE→IR为0.433，直接路径为-0.090，间接效应约为-0.180。但该结果仅表明单个数据集内的恢复情况，不能推断估计器的重复抽样可靠性。

**4.3 样本内稳健性与情境异质性**
基于全部1200个数据集的分析发现，样本量增加可提高方向恢复精度（N=1000时六个方向全部正确的比例为95.3%），但前因相关（ρ=0.3）会使平均相对偏倚从约-13%扩大至约-28%。直接效应MLAAR→IR的估计偏倚较小，平均置信区间覆盖率为93.3%；相反，间接效应在所有条件下均被100%检测到，但其95%置信区间覆盖率随样本量增加从65.8%降至9.8%。将自助法重采样次数从100增加到1000并未显著改变覆盖率，说明低覆盖主要源于估计偏倚而非重采样预算不足。

**4.4 样本外预测性能**
五折交叉验证表明，OLS在所有12种条件下的平均交叉验证决定系数（R²）最高（约0.198），梯度提升（0.137）和ANN（0.120）次之。在非线性生成条件下，三种算法的差距随样本量增大而缩小（例如N=1000、ρ=0.3时，OLS为0.182，梯度提升为0.176，ANN为0.172），说明更复杂的预测模型并不必然带来更好的泛化。

**4.5 可解释机器学习结果**
基于留出样本的SHAP分析显示，对最强前因PDAT的正确识别率随样本量增加而提高（PLS-PM从70.0%升至96.3%，SHAP从71.0%升至93.3%）。然而，PLS-PM绝对系数排名与SHAP重要性排名完全一致的情况仅占22.3%，说明识别最强前因并不等于完整排序一致。

**4.6 结构-预测对齐与管理解释**
在示例数据集中，SHAP重要性排名与总体排名的Spearman相关系数为0.943，而PLS-PM系数排名为0.657，二者之间的一致系数为0.829。这表明结构系数与预测特征归因虽然存在一定共识，但各方法对相同总体关系的恢复程度不同，不能将二者的一致视为因果验证。

**4.7 替代估计器的比较分析**
在相同数据上，oracle回归（使用真潜变量得分）几乎无偏，间接效应置信区间覆盖率为92.5%~94.0%，确认偏倚主要源于测量衰减。一致性PLS（PLSc）可将间接效应偏倚降至-0.007~0.000，覆盖率提高至89.5%~94.0%，但在ρ=0.3时有83%的重复因不可行解而无法使用；单位权重组合在相关条件下比PLS-PM更稳定。没有一种估计器在所有标准上均最优，因此需要分别评估偏倚、精度、可行性与覆盖率。

讨论部分指出：测量质量评估不能仅依赖传统信度指标，低AVE可能反映Mode-A外权重受弱内模型信号影响；统计检测与置信区间校准必须分开评估，间接效应的系统偏倚使区间覆盖严重不足；预测性能与结构效度无直接对应关系，OLS的领先表现并不能排除非线性总体；PLS-PM与SHAP排名的一致只表明方法层面的分析一致性，不构成独立理论验证。该研究的主要贡献是提供了一个可复现的计算框架，用于在已知总体参数下分别评估结构建模、预测机器学习与可解释AI的可靠性；在将该框架用于组织决策前，仍需独立实证验证。

研究结论可总结为：更大样本量总体上提高了估计精度和方向恢复，但前因相关增加了结构估计偏倚；间接效应虽被稳定检测，但其估计存在系统偏倚且置信区间覆盖不足；OLS获得了最高的平均交叉验证预测性能，但这不排除生成过程中的非线性关系；结构系数与SHAP排名之间的一致性仅代表分析一致性，而非独立理论验证。总之，混合框架潜力的发挥取决于对测量质量、参数恢复、推断校准、预测泛化和特征归因的系统评估。