限定检索结果

检索条件"作者=田厚平"
9 条 记 录,以下是1-10 订阅
视图:
排序:
主从对策中一类主方激励从方合作的诱导方法
收藏 引用
《东北大学学报(自然科学版)》2004年 第3期25卷 291-294页
作者:田厚平 郭亚军东北大学工商管理学院辽宁沈阳110004 
将传统的主方与从方非合作的Stackelberg问题扩展到主从方合作的情形·就主方如何在原Stackelberg问题的基础上加入激励机制来诱导从方合作进行了探讨,提出了一类主方激励从方合作的诱导机制设计方法·在该诱导机制下,从方能够...
来源:详细信息评论
非对称信息下分销渠道中的激励契约设计
收藏 引用
《管理科学学报》2009年 第3期12卷 77-82页
作者:田厚平 刘长贤南京理工大学经济管理学院南京210094 
研究了信息非对称条件下,制造商如何设计相应契约来激励分销商提高服务水平进而最大化制造商自己的利益的问题.给出了信息非对称下的供应链契约设计模型,并计算了信息价值.模型结果表明,分销商销售能力越强,制造商获益越多;并且,制造商...
来源:详细信息评论
双重信息不对称下销售渠道双目标混合激励模型
收藏 引用
《管理科学学报》2011年 第3期14卷 34-47页
作者:田厚平 刘长贤南京理工大学经济管理学院南京210094 
销售渠道在企业与消费者之间扮演着重要的桥梁作用,销售人员的销售能力和销售努力等信息均为其私有而不为企业所共知时,企业如何甄别其真实能力信息并对其销售努力实施有效激励是个重要问题.针对上述问题,给出了基于线性合约的双目标混...
来源:详细信息评论
基于模糊群决策的虚拟企业合作伙伴选择
收藏 引用
《东北大学学报(自然科学版)》2004年 第3期25卷 295-298页
作者:李帅 郭亚军 易平涛 田厚平东北大学工商管理学院辽宁沈阳110004 
针对虚拟企业合作伙伴选择问题,首先从经济学角度提出以降低虚拟企业运作周期中的合作总成本为出发点来设计指标体系,在进一步分析了合作总成本的构成及其影响因素后建立了包括显性成本、伙伴的技术能力、客户服务水平等在内的8个指标;...
来源:详细信息评论
逆向选择下供应链业务外包中的最优合约配置
收藏 引用
《管理科学学报》2009年 第6期12卷 55-61页
作者:刘长贤 田厚平 孙剑平南京理工大学经济管理学院南京210094 
研究了委托人(业务购买方)对于承包人(业务供应方)生产成本具有非对称信息时的最优合约设计问题.基于委托人视角,给出了委托人如何诱导代理人报告自己真实成本信息的逆向选择模型,并刻画了最优合约的特征.结果表明:给出的合约能够达到...
来源:详细信息评论
多代理人销售系统的薪酬设计及信息价值分析
收藏 引用
《管理科学学报》2008年 第1期11卷 42-48页
作者:田厚平 刘长贤 郭亚军南京理工大学经济管理学院南京210094 东北大学工商管理学院沈阳110004 
在销售系统中存在着典型的信息不对称:委托人(公司)对代理人(销售人员)的努力程度具有非对称信息,但可以观测到代理人的销售业绩并据此给予代理人相应的薪酬.在假设市场最终需求对努力水平敏感,且某代理人努力水平提高可以在开拓市场的...
来源:详细信息评论
非对称信息下参与人不同风险偏好组合的委托代理问题
收藏 引用
《管理工程学报》2007年 第3期21卷 24-28页
作者:田厚平 刘长贤 吴萍南京理工大学经济管理学院江苏南京210094 
针对目前研究常采用的"委托人风险中性、代理人风险规避"这一风险偏好假设的局限性,将参与人的风险偏好拓展到"委托人风险中性、代理人风险规避或风险中性","委托人风险规避、代理人风险中性或风险规避"...
来源:详细信息评论
代理人间具有竞争关系的薪酬激励机制设计
收藏 引用
《管理工程学报》2007年 第4期21卷 153-156页
作者:田厚平 刘长贤 郭亚军南京理工大学经济管理学院江苏南京210094 东北大学工商管理学院辽宁沈阳110004 
销售系统中存在着典型的信息不对称情况:委托人(公司)对代理人(销售人员)的努力程度具有不对称信息,委托人不能观测到代理人努力程度,因而常根据销售业绩来制定薪酬激励机制。本文研究销售系统中具有多个代理人且代理人之间存在竞争关...
来源:详细信息评论
不对称信息条件下销售渠道协调机制
收藏 引用
《物流科技》2018年 第9期41卷 33-36页
作者:刘长贤 田厚平南京邮电大学管理学院江苏南京210003 南京理工大学经济管理学院江苏南京210094 
销售渠道由供应商、零售商和消费者组成。这其中,零售商销售服务水平对消费者需求有着重要影响。然而服务水平提升具有双重效应:一方面它可以促进消费者需求,而另一方面却伴随着销售成本的增加。因而不对称信息条件下,如果零售商服务水...
来源:详细信息评论
聚类工具 回到顶部