仿真——较为重要文献——创新扩散网络结构与创新扩散绩效关系研究_罗晓光

创新扩散网络结构与创新扩散绩效关系研究罗晓光１，孙艳凤２（１．哈尔滨理工大学经济学院；２．哈尔滨理工大学管理学院，黑龙江哈尔滨１５００４０）收稿日期：２０１４－１２－１９基金项目：教育部人文社会科学研究项目（１１ＹＪＡ６３００７４）作者简介：罗晓光（１９５９－），男，辽宁盖州人，哈尔滨理工大学经济学院教授、博士生导师，研究方向为市场营销；孙艳凤（１９８５－），女，黑龙江牡丹江人，哈尔滨理工大学管理学院硕士研究生，研究方向为市场营销。

摘　要：创新扩散网络结构对创新扩散绩效有重要影响。

通过设计基于原胞自动机的创新扩散网络仿真模型，模拟不同网络结构的创新扩散过程，依据确定的创新扩散绩效测量指标，分析了创新扩散网络结构参数与创新扩散绩效之间的关系。

研究发现，在创新扩散网络中，个体创新信息采纳概率是影响创新扩散速度和规模的最重要因素；创新扩散网络密度越大，创新扩散规模越大，扩散速度越快；初始创新者数量多可以加快创新传播速度，但不能扩大创新扩散规模。

关键词：创新；创新扩散；创新扩散网络；网络结构；创新扩散绩效ＤＯＩ：１０．６０４９／ｋｊｊｂｙｄｃ．２０１４１００４３７中图分类号：Ｆ２７３．１ 文献标识码：Ａ 文章编号：１００１－７３４８（２０１５）０８－０００１－０６０　引言创新扩散是指新创意、新技术、新产品等在社会系统中的传播，创新扩散体现为从少数人扩散到多数人的过程。

Ｒｏｇｅｒｓ［１］将创新扩散人群按接受创新的先后顺序分为创新者、早期接受者、早期追随者、晚期追随者及滞后者。

一项创新是否成功的标志就在于它能否被一定规模的人群传播和接受。

因此，创新在社会系统中的扩散问题成为创新研究的热点问题。

创新扩散绩效受到很多因素的影响，学者研究发现，创新本身的特性、创新者特性、潜在创新采用者特性、创新者行为等都会对创新扩散效果产生影响［２－３］。

创新扩散的主要手段是大众媒体和个人沟通，因而创新扩散也被定义为社会系统成员间正式或非正式信息交流的社会过程。

创新实现者与创新采用者以及他们之间的联系构成了创新扩散网络，创新扩散网络结构如网络规模、网络中心度、网络联通性等势必影响创新扩散效果。

有学者很早就注意到创新扩散网络结构对创新扩散绩效的影响，但早期研究未能直接通过社会网络结构参数和创新传播效果等指标分析创新网络结构对创新传播效果的影响。

相关研究往往以创新传播网络中成员间具体联系的结构特性代替网络结构参数，以其它间接反映创新传播效果的指标开展研究［４］［５］。

复杂社会网络分析理论与方法的发展和多智能体复杂系统仿真模拟技术的出现，使直接考察社会网络结构参数对创新扩散效果的影响成为可能。

本文拟通过设计基于原胞自动机的创新扩散网络模型，通过控制网络结构参数，模拟创新在网络中的扩散过程，获取相关数据，分析创新扩散网络结构与创新扩散绩效效果之间的关系。

１　文献回顾与研究假设关于创新扩散的早期研究重点关注对创新扩散率的解释和创新扩散规律。

随着创新扩散研究的逐步开展，学者们开始关注为什么在某个确定的时间点某项创新可以得到全扩散，而其它创新只能得到部分扩散或根本没有扩散［６］。

在众多影响因素中，潜在采用者赖以获取创新信息的社会网络结构被认为是影响创新传播速度、范围等传播绩效的重要因素［７］。

创新扩散绩效主要指创新传播的速度和范围，学者对于如何评价创新扩散绩效没有进行专门的研究。

Ｒｏｇｅｒｓ在《Ｄｉｆｆｕｓｉｏｎ　ｏｆ　Ｉｎｎｏｖａｔｉｏｎｓ》一书中提出的创新采用速度被认为是一个评价创新扩散的基础指标，其将采用速度定义为社会系统中成员采用一项创新的相对速度［８］。

１９３７年Ｂｏｗｅｒｓ［９］发现，在创新扩散过程中，创新累积采纳者数量与时间的关系为Ｓ型曲线。

之后，大量关于创新扩散的实证研究都证实，创新扩散遵循Ｓ型曲线规律［１０］。

Ｓ型曲线的导数就是创新扩散速度，很明显该导数曲线是钟型曲线，有最大值且可以证明，如果以Ｌｏｇｉｓｔｉｃ曲线模拟Ｓ型曲线，创新扩散速度的最大值恰恰出现在累积扩散数量达到潜在可接受创新人数（即Ｓ型曲线上限）的一半处。

因此，创新扩散速度的最大值可作为创新扩散绩效的评价指标。

Ａｂｒａｈａｍｓｏｎ和Ｒｏｓｅｎｋｏｐｆ［１１］在关于社会网络对创新扩散影响的研究中认为，创新的最终扩散程度在创新扩散过程研究中应该得到足够重视。

因而，在潜在可能接受的创新人群中，最终扩散水平无疑是衡量创新扩散绩效的另一指标，这一指标可以用最终接受创新的人数占可能接受创新人数的比例加以衡量。

综合以上分析，可采用最终扩散程度、创新累积采纳人数达到潜在可接受创新人数５０％时的时间、全体采纳时间、创新最大扩散速度、创新平均扩散速度等指标评价创新扩散绩效。

在社会网络分析中，个体网络密度是指某一个体实际存在的关系总数除以理论上可能存在的最多关系总数［１２］。

如果一个社会网络中个体网络密度都较高，则整体网密度也会较高。

高密度社会网络的信息流通相对容易，信息扩散效率较好。

同样，创新信息扩散也依赖于创新扩散网络中个体之间的联系与信息传播，网络密度越高，创新信息传播越容易。

具有较高密度的社会网络，在创新扩散的一个周期中，创新信息可以由多人同时发出并被接收乃至接受，从而加速创新扩散。

因此，提出如下假设：在创新扩散网络中，个体关系数越多，创新传播速度越快（Ｈ１），创新传播范围越大（Ｈ２）。

初始条件的敏感依赖性是复杂系统的一个基本特征，是在考虑信息传播问题时必须考虑的问题［１３］。

初始创新者数量是创新扩散系统（网络）的一个主要初始条件。

初始创新者数目多，在扩散开始阶段就会有更多未采纳者接收到创新信息，从而加速创新传播。

同时，初始创新者数目多，每个未采纳者接收到的创新信息次数也会增加。

未采纳者接受的创新信息的次数会正向影响其对创新的采纳率。

初始创新者数目决定了创新传播能否达到其开始快速传播的临界点。

因此，提出如下假设：在创新扩散网络中，初始创新者数目越多，创新传播速度越快（Ｈ３），创新传播范围越大（Ｈ４）。

在社会网络分析中，网络直径是影响网络信息传播的重要参数。

网络直径越大，经过的中间节点越多，信息传播速度越慢，信息失真的可能性越大。

黄玮强、庄新田［１４］构建了从规则网络到随机网络的一系列扩散网络图，发现创新扩散速度变动同步于网络平均距离的变动，网络平均距离决定着创新扩散速度。

Ｂｏｈｌ－ｍａｎｎ等［１５］研究发现，在原胞自动机网络、随机网络和小世界网络中，原胞自动机网络的创新传播速度和范围都小于其它两种网络，而这三种网络中，原胞自动机网络的网络直径最大。

因此，提出如下假设：在创新扩散网络中，网络直径越小，创新传播速度越快（Ｈ５），创新传播范围越大（Ｈ６）。

创新扩散网络中未采纳者（模仿者）收到创新信息后一般并不立即采纳创新，而是根据自己的决策规则确定是否采纳创新。

如果以未采纳创新者在接受创新信息时采纳创新的概率（创新信息采纳概率）描述这一现象，则个体的创新信息采纳概率是有差异的。

影响个体创新信息采纳概率的因素包括个体对创新可能带来利益的感知，个体对接受创新可能成本的感知，对信息发送者的信任与态度等［１６－１８］。

如果一个创新传播网络中个体的创新信息采纳概率普遍较高，则创新扩散速度就较快，扩散范围也较大。

因此，提出如下假设：在创新扩散网络中，个体创新信息采纳概率越高，创新传播速度越快（Ｈ７），创新传播范围越大（Ｈ８）。

２　研究方法与仿真模型设计本文借鉴原胞自动机模型的建模思路，设计了多智能体仿真模型，通过控制创新传播网络结构参数，直接研究创新扩散网络结构与创新扩散效果之间的关系。

本文设计的模拟模型将所有可能采纳创新的个体视为原胞，原胞分布在ｎ×ｎ的原胞空间内，ｎ决定了潜在采纳创新的规模。

原胞状态（Ｃｉｔ，表示ｉ原胞在ｔ时刻的状态）可分为两种：已采纳创新（Ｃｉｔ＝１）和未采纳创新（Ｃｉｔ＝０）。

模型设定初始创新者数目为Ｉｎ，即创新扩散开始时已采纳创新的原胞个数。

已采纳创新原胞将向原胞空间内的其它原胞发送创新信息，发送数量取决于其与其它原胞关系个数（ｍ）；未采纳创新原胞收到创新信息后是否采纳创新的概率为Ａｐ，取值范围为（０，１）。

受到接收信息的影响，决定采纳创新的原胞又会向其它ｍ个原胞发送信息。

在标准的原胞自动机模型中，一个原胞只能向其领域发送信息，这也是造成原胞自动机网络直径相对较大的原因。

本文为了研究网络直径对创新扩散效果的影响，对此进行了改进，规定原胞可以向空间内任一原胞发送信息，并设定信息发送最大距离变量Ｄ，Ｄ取值越大，网络直径越小。

文中，设定ｎ＝５０，即潜在采纳创新的最大规模为２　５００。

初始创新者数目Ｉｎ设定为３个级别：Ｉｎ＝１０，Ｉｎ＝３０，Ｉｎ＝６０；与其它原胞关系个数ｍ设定为３个级别：ｍ＝４，６，８；创新信息采纳概率Ａｐ设定为３个级别：Ａｐ＝１，Ａｐ＝０．８，Ａｐ＝０．５；信息发送最大距离Ｄ设定为３个层次：Ｄ＝４，Ｄ＝１０，Ｄ＝２０。

根据参数设定共形成８１个实验方案，为简化研究过程，采用正交实验设计方法形成９个实验方案，各方案与参数取值如表１所示。

·２·科技进步与对策 ２０１５年表１　模拟实验方案方案初始创新者数与其它原胞关系个数创新信息采纳概率信息发送最大距离编号（Ｉｎ）（ｍ）（Ａｐ）（Ｄ）１　６０　８　１　１０２　１０　８　０．８　２０３　６０　６　０．８　４４　３０　６　１　２０５　１０　６　０．５　１０６　６０　４　０．５　２０７　１０　４　１　４８　３０　８　０．５　４９　３０　４　０．８　１０３　仿真实验结果本文基于圣塔菲（Ｓａｎｔａ　Ｆｅ）研究所开发的Ｓｗａｒｍ平台，利用ＪＡＶＡ语言编写程序进行创新扩散仿真。

图１显示了实验方案８创新扩散过程开始，第１０步、第２０步、第３０步、第４０步及结束时创新被原胞采纳的变化情况。

图中，黑点表示已采纳创新的原胞，灰点表示尚未采纳创新的原胞。

可以看出，在创新扩散初期，每一轮扩散过程中新增的采纳创新原胞不太多，随后增速越来越快，达到峰值后又逐渐减少，直到停止。

图１　创新扩散过程 创新扩散过程中以每一轮新增的采纳创新原胞数和采纳创新原胞累积数为纵轴，以创新扩散时间为横轴，在平面坐标系中可以看到９个实验方案的创新扩散过程，如图２所示。

可以看出，各方案创新累积采纳者数量与扩散周期（时间）之间呈现明显的Ｓ型曲线关系，各周期新增采纳创新数与扩散周期（时间）之间呈钟型曲线关系。

图２中，各实验方案的Ｓ型曲线参数（曲线拐点出现的位置、时间长度等）均有差别，创新累积采纳者数量最大值与潜在采纳者数量的接近程度也不相同。

说明创新扩散网络结构对创新扩散速度和范围有明显影响。

４　创新扩散网络结构与创新扩散效果相关性分析 本文采用创新扩散最大规模（ＭＳ）衡量创新扩散程度，创新扩散最大规模指在创新扩散结束后采纳创新的原胞数，以创新扩散结束后采纳创新的原胞数占潜在采纳者数量的百分比进行统计。