技术扩散模型的研究——中南大学学报

扩散模型的研究是学者们关注的焦点之一。因为扩散模型可为企业预测技术未来的扩散情况，可为企业制定技术创新营销策略提供决策支持。迄今为止，国内外学者已提出了许多各具特色的扩散模型，分别从模型结构、拐点位置、内外部影响系数等角度对模型进行了分类[68]。对于扩散模型的分类，传统的分类方式是将其分为两类：宏观扩散模型和微观扩散模型。但是，通过对文献发表时间的整理，发现学者们对扩散模型的研究具有宏观扩散模型研究——微观扩散模型研究——基于网络的扩散模型研究这样的历史研究线索。基于此，将扩散模型分成了三类：宏观扩散模型、微观扩散模型和基于复杂网络的扩散模型。
（一） 宏观扩散模型
宏观扩散模型着重考察“扩散的速度”（diffusion rate）。假设个体间相互作用是独立同分布的，即扩散过程对于每个个体而言是相同且独立的，因此可以用简单的微分方程刻画群体范围的宏观扩散过程。宏观扩散模型的研究，特别是bass模型及其拓展和改进研究，在扩散模型研究中占据着重要地位。
这类模型大多建立在一个经验发现——技术创新采用者比例呈s曲线[15]，其基础模型是内部影响模型，外部影响模型和混合信息源模型（亦称bass模型）。这些模型遵循了s形增长模式，符合技术创新的扩散现象。因此，学者们基于这些模型对企业技术扩散情况进行分析、评估以及预测。Shuster（1998）利用指数扩散模型估计了IP电话使用人数的增长情况[69]。Lee和Cho（2007）则用逻辑扩散模型与时间序列方法对韩国移动通信产品的扩散进行了实证研究，发现逻辑扩散模型对数据的拟合效果更好[70]。Laciana C.E.和 Rovere S.L.（2011）通过对技术扩散动态过程的模拟，发现当个体之间的差异大时，早期的新技术采纳者对技术的传播会加快技术扩散的速率[71]。Turk T.和Trkman P.（2012）研究分析了欧洲经济合作与发展组织成员国的宽带技术扩散问题，通过bass模型来评估宽带技术创新和模仿的速度以及潜在接纳者的总数量。结果表明以目前宽带服务继续发展的趋势，宽带技术将不能达到100%的渗透率[72]。Chu C.P.和Pan J.G.（2008）利用bass模型来评估台湾地区移动互联网订户的发展趋势，并且预测了GPRS、PHS＼3G等技术的最终市场潜力[73]。薛伟贤，刘骏（2010）基于经典的bass模型，构建了“ICTs的扩散模型”，在模型中推导出ICTs（信息通信技术）扩散的时间路径函数，然后用两个地区的时间路径函数之差表示出区域“数字鸿沟”，在此基础上对区域“数字鸿沟”演变的阶段进行划分[74]。
由于bass模型自身的假设条件很多，现实情况并不能够满足所有的条件，后来的学者通过对模型进行些许修正，以期模型更符合现实情况。Rajkumar等（2002）提出采用遗传算法进行参数估计，并与其他参数估计方法进行了比较[75]。杨敬辉（2005）研究了在模型数据不充足的情况下，采用遗传算法进行参数估计比传统的估算方法可信度较高，并且指出遗传算法可以准确地估算模型数据点较少、产品还处于成长期的扩散模型[76]。孟繁东、何明升（2008）运用蚁群算法来
估计参数，通过优化的bass模型对中国互联网IPv4标准的扩散进行了分析和预测[77]。陈晓伟（2008）在分析之前学者对bass模型扩展研究的基础上，提出了新的bass扩展模型——XYZ模型，并用XYZ模型研究中国电信业的技术扩散发展趋势[78]。向希尧、蔡虹（2008）从社会资本理论角度看，Bass模型及其改进主要围绕着对技术扩散过程中社会主体、社会互动过程、扩散的技术三个主要要素，不断深入认识和细致刻画来进行的[79]。Dodson和Muller （1978）虽然延续了bass模型的基本思想，但是考虑了市场上不同类型的主体之间的交流与相互影响[80]。Kalish （1985）认识到了个人之间对信息的不同理解，因此推翻了Bass模型中有关潜在采用者同质性的假设，并构建了新的扩散模 型[81]。
对于宏观扩散模型，仍然有五个方面的问题有待进一步的研究：基于内部营销的采用、多重采用、消费者期望的影响、风险模型目前的发展探索、在微观层次上理解扩散过程[82]。因为，宏观扩散模型仅仅关注扩散过程的宏观现象，而忽略了社会系统个体间相互作用的微观基础，尤其当网络中主体之间的相互作用对于整个扩散过程具有关键作用时，运用该模型得到的预测结果就更难令人信服。
（二）微观扩散模型
微观扩散模型从社会系统成员个体出发，认为个体是否采用某种创新是一种决策行为，而且不仅是个体通过学习、自我分析和判断进行决策的理性行为，也是通过个体互动从而改变决策的动态过程[83]。因此，微观扩散模型通过借鉴其他领域的理论，分析扩散的微观基础，更多的考察“扩散的程度”（diffusion extent），即在任何一个时期潜在采用者面临“采用”和“等待”两个可供选择的决策行动，潜在采用者根据自身对新技术的先验认识和已采用新技术企业的实际经验，通过比较两个决策行动下期望盈利的大小，决定采用哪一个决策行动。随着仿真等技术的发展，微观扩散模型逐渐成为技术扩散领域的新方向[15]。
微观扩散模型大致可以分为几类：第一类是基于博弈理论构建的模型，它认为个体之间通过策略性互动来实现扩散。这类模型将行为或现象的形成和演化看作是扩散过程，将博弈的均衡选择看作是扩散结 果[83]。Reinganum（1981）首次将博弈论应用到技术扩散模型的研究中，分析了在双头垄断博弈中，两个属性相同的公司之间的扩散问题[84]。万谦等（2006）建立协调博弈模型，通过技术创新特征（产品性能、消费者异质性）刻画出技术扩散阀值函数，并根据技术扩散阀值概率分布的分析来讨论产品性能和消费者异质性对技术扩散的影响，从而为不同市场位置企业的创新产品市场投放策略提供指导[85]。
第二类是基于个体特征的模型。这类模型大致可以分成两种：一是基于消费者行为特征的扩散模型，这类模型从消费者的行为和心理因素入手，研究消费者对创新采纳的心理反应和行为特征，如口碑效应、虚荣效应、从众效应对扩散的影响[83]。Lev Kuandykov等（2009）研究了社会邻居对创新扩散曲线的影响，对比了创新扩散的随机网络和规则社会网络，比较了从众效应和虚荣效应对扩散速度的影响，得出随机网络的创新产品采用速度要快些[86]。二是基于消费者个体采用的微观扩散模型，由于个体的异质性结构和前瞻性行为的存在，个体对创新或技术的采用概率是不可能相同的，因此需要从个体角度构建扩散模型，其基本思想是通过对个体采用决策模型的构建，将个体采用时间或采用概率累积起来，从而得到总体的、宏观的扩散数据[87]。Inseong（2003）认为消费者的异质性结构和前瞻性行为两者是相互影响的，并且针对这两类个体微观差异构建了一个实证模型来论证二者是否影响和对创新扩散的作用[88]。
第三类是基于复杂系统理论的扩散模型。复杂系统理论提供了一个从微观主体行为过渡到系统宏观行为的理论框架，许多学者尝试和倡导运用复杂系统理论和方法来研究新产品扩散。Yoshinori Inoue等（2008）将风力发电系统作为一个复杂技术系统，用几种方法分析了早期风力发电系统的创新扩散模型[89]。Renato Guseo等（2009）讨论了新的制造药物扩散的申请，利用元胞自动机，提出了一个创新扩散过程的两阶段模 型[90]。
（三）基于复杂网络的扩散模型
随着复杂网络理论的兴起和发展，许多学者意识到技术扩散实质上是在网络组织中的扩散。传统的基于社会网络的创新扩散研究，描述了消费者人际关系交流渠道特征及其对创新微观采纳的影响。这类研究基本上采用案例分析方法，研究小规模社会群体中的创新扩散问题，所考虑的网络结构也局限于局部网络特征[91]。当网络规模扩大以后，传统的分析方法已无法解释在复杂网络中技术扩散的特点。因此，学者们尝试着运用社会网络分析方法和复杂网络分析方法来研究研究基于复杂网络的技术扩散模型。
己有许多学者基于不同的网络结构，对扩散过程进行分析。Moore和Newman（2000）最早对小世界网络上的扩散行为进行了研究，通过求解SIR模型的扩散临界值，说明小世界效应可以加速扩散，扩散阈值降低。相对于规则网络，疾病在小世界网络中更适宜传染[92]。Gaston和Jardins（2005）通过分析四种网络结构（规则网络、小世界网络、随机网络和无标度网络）下的新产品扩散，发现基于无标度网络结构的创新扩散速度最快[93]。Hanool choi（2010） 研究了网络结构、网络效应在创新扩散中的作用，通过模拟计算得出的小世界图发现创新扩散在随机网络中比在消费者高度密集的网络中更可能会失败[94]。黄玮强和庄新田（2007）研究了基于小世界网络的创新扩散，数值模拟结果表明：存在介于规则网络和随机网络之间的小世界扩散网络；外部因素和内部因素共同决定一个成功的扩散过程；网络的簇系数决定扩散的最终水平，而网络平均距离决定扩散速度；网络个体间的异质性程度越大，越不利于创新扩散[95]。李英、蒋录全（2010）采用基于代理（Agent）的复杂系统仿真方法，从微观层面研究了技术创新在小世界网络中的扩散问题，分析了Nash和Pareto两种不同规则对扩散过程和扩散终态的影 响[96]。李华丽（2011）通过分析目前各类技术扩散模型的优缺点，以及各类复杂网络对现实扩散环境的模拟效果，建立了基于BA无标度网络的技术扩散模型，并利用实际数据对模型进行了验证[97]。
五、评述与展望
对于扩散过程的研究，学者从各自所学的领域出发，对其的描述各有不同。这是由扩散过程的内在的复杂性所决定的，因为技术扩散是从时间和空间两个维度下进行的。在其扩散过程中，会有一系列的影响因素影响着扩散的方向、范围和程度。而且，扩散是在网络中进行的。因此，扩散过程也有了复杂网络的一些特征，这也增大了对扩散过程的描述和预期。但是，剔除影响扩散的一些因素可以发现，扩散的本质也是简单的，它的行为目的便是将一项技术或者创新从一个个体扩散到另一个个体，且这种扩散是需要时间的延续和空间的流动的。因此，扩散过程有四个必不可少的特征：一项创新，通过特定的渠道，经过一段时间，发生在社会系统成员之间。
扩散机制是对扩散过程本质的深度挖掘，它研究的是扩散过程的规则。扩散过程的复杂性导致扩散机制也具有复杂性。以往研究认为扩散机制是由动力机制、激励机制、法律机制等多种机制相互作用形成的机制。而且在不同的环境或网络结构中，各个机制所起的作用以及程度是有差别的。在扩散机制中，最为重要的是动力机制和激励机制。
扩散模型的研究有从宏观研究向微观研究，从非随机性研究向随机性研究，从微积分数学方法向网络分析方向转变的趋势。目前，宏观扩散模型占据了扩散模型研究中的主要地位，而微观扩散模型和基于复杂网络的扩散模型则刚处于起步阶段，是未来研究的趋势。但是，这三种模型之间也存在着优缺点：
宏观扩散模型是典型的数学模型，其优点是能够使用实际的产品扩散数据对模型进行参数检验和模型验证，更具有操作性，其缺点是忽略了个体的异质性，仅能描述采纳人数在市场变化情况，而却难以探究扩散的特征和本质；
微观扩散模型能够从微观角度揭示创新扩散的内部规律，能够设定不同的市场营销环境下的扩散的过程，对企业的决策具有很大的支持作用，其缺点是个体根据设定的计算机规则进行状态的转变，仿真过程过于机械化，而且仿真的参数设定随机性很大，难以获得合理的数据进行支持；
基于复杂网络的扩散模型才刚刚兴起，有关小世界网络和无标度网络对扩散行为的影响研究还很少，有待进一步的研究。其优点是运用复杂网络理论使得扩散模型更与现实相符，更注重个体之间的互动和决策。其缺点是更关注于网络结构特性，忽视了扩散本身的特性和本质，而且，所需的数据较多，在现实中可能难以实现。
通过文献整理发现，虽然在技术扩散方面，之前学者已进行了大量的研究，未来还可以从以下几个方面展开研究：
技术扩散的测度。虽然已经有大量的扩散模型来对技术扩散进行评估和预测，但是，测度扩散的经济效益方面的研究较少，几乎没有一种有效的测度方法或评估工具来计算技术扩散对企业、产业或国家产生的效益；
复杂网络中的技术扩散。这方面的研究已经起步，网络结构对技术扩散的影响已经有学者进行研究，但是反过来研究扩散对网络结构的影响的文献几乎没有。因此，复杂网络中的技术扩散仍是未来的研究方向；
共性技术的技术扩散。共性技术是指在很多领域内已经或未来可能被普遍应用，其研发成果可共享并对整个产业或多个产业及其企业产生深度影响的一类技术。共性技术的外部性较强，需要多部门多企业的合作研发。因此，研究共性技术的协同创新及其扩散更具有现实意义。
参考文献：
[1] 武春友， 戴大双， 苏敬勤. 技术创新扩散[M]. 北京： 化学工业出版社， 1997.
[2] Scholtz T. W. 人力资本投资[M]. 北京： 商务印书馆， 1990.
[3] Schumpeter J.A.. The instability of capitalism[J]. Economic Journal， 1928（3）： 34?56.
[4] P.斯通曼. 技术变革的经济分析[M]. 北京： 机械工业出版社， 1989.
[5] 林兰， 曾刚. 技术扩散对高新技术企业布局的影响[J]. 科技进步与对策， 2007（2）： 78?83.
[6] 傅家骥. 技术创新——中国企业发展之路[M]. 企业管理出版社， 1992.
[7] 曾刚. 技术扩散与区域经济发展[J]. 地域研究与开发， 2002， 21（3）： 38?41.