2009年第2期 科技管理研究ScienceandTechnologyManagementResearch 2009No.2

收稿日期:2008-05-29,修回日期:2008-08-27基金项目:中山大学“985工程二期”“区域经济协调发展与产业结构”专项基金资助

文章编号:1000-7695(2009)02-0017-03创新扩散模型及修正综述

钱锡红1,徐万里2(1.中山大学岭南学院,广东广州　510275;2.中山大学管理学院,广东广州　510275)

摘要:在创新定义及创新分类的基础上,介绍影响较大的三个创新扩散模型,其中包括用来估计创新和模仿速率的Bass模型、空间自相关模型和创新扩散网络模型,并针对模型在实践应用中存在的缺陷,应用社会测量研究方法和事件历史分析方法对创新扩散模型加以修正。关键词:创新扩散;网络模型;空间自相关中图分类号:F224 文献标识码:A

1　创新及创新的分类创新是一个非常复杂的概念,它通常被定义为一个过程,即新奇的想法、事物、惯例被创造、发展或再发明的过程(Aiken和Hage,1971;Kimberly和Evanisko,1981;Rogers,1995;Walker等,2002)。然而,创新不能仅停留在想法的层面上,为了将某一新的想法转化为创新,还需要落实或切实使用这一想法(Damanpour和Evan,1984;Boyne等,2005)。已有的文献一般将创新归为三类:产品创新、过程创新和辅助创新。产品创新被定义为新产品或服务,产品创新在操作层上发生,并影响组织的技术系统,且包括产品(有形的)或服务(无形的且生产与消费同时发生)的采用(Kim-berly和Evanisko,1981;Damanpour和Evan,1984;Normann,1991)。过程创新影响管理和组织,它们改变组织成员间的关系,影响规则、角色、规程、结构、组织成员间及环境与组织成员间的交流。因此,过程创新不会直接为用户生产产品或提供服务,而是间接地影响产品和服务的引入(Damanpour等,1989;Damanpour和Gopalakrishnan,2001)。辅助创新是“组织———环境边界的创新”(Damanpour,1987)。在Daman-pour的研究中,这种创新因其依赖于其它组织和参与者而区别于过程和产品创新,即成功地采用辅助创新依赖于组织外不受组织控制的因素。创新扩散理论是用来解释新想法、新实践如何在组织内和组织间进行传播的理论,该理论根植于人类学、经济学、地理学、社会学、市场学以及其它学科(Hägerstrand,1967;Robertson,1971;Brown,1981;Rogers,2003),并在某些方法上借鉴了流行病学的有关知识(如:Bailey,1975;Morris,1993)。Ryan和Gross(1943)的开创性研究为扩散范式的构建打下了基础,Valente和Rogers(1995)的研究表明,社会因素而不是经济因素对于采纳(adoption)起到了重要的作用。20世纪50年代和60年代早期成百上千的扩散研究更细地考察了一系列的背景之下扩散的过程(Rogers,2003)。近来更复杂的网络模型和技术的应用为扩散研究重新注入了活力,使我们可以更精确地研究扩散的过程。本文以下部分将介绍创新扩散的三个经典模型和相关的经验研究2　创新扩散模型介绍本节回顾网络扩散模型的发展,并指出这些模型的进步之处。首先介绍从宏观层面来估计创新和模仿速率的Bass(1969)模型及其改进;然后介绍有关空间自相关(SpatialAutocorrelation)的方法,该方法是用来估计相邻节点采用创新的程度,空间自相关导致了网络的自相关模型;最后本节讨论网络自相关的事件历史分析方法。2.1　Bass模型及其改进关于扩散研究的一个共同发现是扩散的累计满足由简单的单一参数的logistic函数近似的增长形式,由下式刻画:

yt=b0+11+e-b1t

式中,y是采用者的比例,b0是y的截距,t是时间,b1

是待估计的比率参数。这一简单的模型可以用来比较不同创

新的增长速率,但其适用性受到很大的局限。随后Bass(1969)和其它许多学者(如Hamblin,Jacobsen和Miller,1973;Mahajan和Peterson,1985;Valente,1993)对以上模型进行了重要改良,即构造一个两参数模型:yt=b0+(b1-b0)Yt-1-b1(Yt-1)2式中,y是采用者的比例,b0是创新的比率参数,b1是模仿的比率参数(刻画由于之前的采用者而采用的程度)。Bass模型加入了每个时点采用者的比例,因此对于由于人际网络说服而导致的增长可以给出更好的估计。该两参数模型可以用来预测扩散的期望水平(Mahajan和Peterson,1985),估计扩散的比率是由b0(外部影响或创新)引起还是由b1

(内部影响或人际说服)引起(Bass,1969;Hamblin等,

1973;Valente,1993)。但对于这些估计值的解释高度依赖于测量扩散的时间标度。通过比较组间和(或)群体间的比率,这些比率参数的估计值可以用来研究与宏观层面扩散相联系的因素。例如,为了研究与不同国家行为传播相联系的因素,可以对不同国家的参数估计进行比较。然而,基于宏观层次的模型也是最不精确的,因为它假设完全的社会融合,每一个人都与其它的任何一个人交互作用(Granovetter,1978;VandenBulte和Lillien,1997)。这些宏观模型对于彼此之间有联系的个人是否具有相同的行为并不进行测量。此外,地理学家对于创新是否在相邻的区域传播也给予了极大的关注。2.2　空间自相关模型空间模型不仅仅估计扩散比率,还测量人工制品、疾病、种植惯例和其它的行为如何在相邻区域进行传播钱锡红等:创新扩散模型及修正综述(Hägerstrand,1967;Cliff和Ord,1981;Griffth等,1999)。由于相邻的数据容易获得并且相当明确,因此该模型提供了一个基于距离的网络联系。Moran'sI(1956)是一个早期用来测度空间联系和地理采用聚集度(geographicclusteringofa-doption)的模型,公式如下:I=N∑Ni∑NjDij(yi-y-)(yj-y-)S∑Ni(yi-y-)2式中,N指样本规模,D是一个距离矩阵(作为关系,proximities),y指采用,S是距离矩阵中各距离之和。Moran'sI测量彼此相联系的各节点与网络平均行为偏离的程度(相似或相异)。当相联系的节点(D中正的元素)与平均分数为正的相异或为负的相异时,Moran'sI就高。Moran'sI在统计上的显著性可以用两种方法来计算:置换法或解析法。Moran'sI的方差估计也可用来进行显著性检验。Moran'sI非常有用,它已经得到了相当大的扩展(Nyblom,Borgatti,Ro-slakka和Salo,2003),然而这个方法经常假设地理上的相邻等同于交流和影响,但这是不切实际的。空间自相关方法是测量网络自相关的一种有用方法,当y既被视为自变量也被视为因变量时,回归模型存在着固有的偏差。Erbing和Young(1979)针对测度网络效应和使用网络自相关方法发表了一篇有影响力的论文。Dow(1986)证实了网络自相关对估计误差的影响,Doriean,Teuter和Wang(1984)发现点估计和它们的标准差中存在着很大的偏差。事实上,网络自相关方法如何运用于创新扩散仍然十分不明朗,因为空间自相关是在宏观层面测量扩散,而没有证实特定的个人是否因为他们的网络位置更可能或更不可能采用某种行为。更进一步说,空间自相关没有证实网络结构是如何影响扩散的,为了解决这一问题,以下介绍网络模型方法。2.3　创新扩散网络模型Valente等人(1997)对志愿者组织中的女性进行的研究展示了两种网络模型。他们认为,网络影响可以用暴露(ex-posure)或蔓延(contagion)模型来刻画,个体的采用可能性随着在他(或她)的个人网络中的采用者比例的上升而增大。个人网络暴露是影响扩散的一个维度,它是指每个人的网络中采用者的比例或数目。个人网络暴露由下式给出:Ei=∑ωijyj∑ωi式中,ω是社会网络的权重矩阵,y是采用向量。对于一个报告有四个联系的个体,其中有两位已经采用的人,那么该个体的网络暴露(Ei)是指那些已采用的联系占该个体总的联系的比例,即该个体的个人网络暴露为50%。当网络暴露由直接联系测量时,它刻画了由信息公开传播、说服或直接压力等方式传播的社会影响。作为选择,暴露可以通过变换社会网络(W)来计算,以反映其它社会影响过程。由这种网络计算得到的暴露刻画了通过与网络中相同个体的社会比较或竞争而传播的社会影响(Burt,1987)。暴露也可以借助网络的特性进行加权处理,例如,利用中心性(Central-ity)来反映意见领袖的社会影响。除了网络暴露对扩散的影响外,影响扩散的第二个维度是基于社会距离赋予给每一种社会影响过程的权重。社会影响过程有三种,分别可以由三种不同的网络权重矩阵(关系的,位置的,中心的)加以模型化。例如,在关系影响模型(relationalinfluencemodels)中,对于联系、联系的联系、甚至联系的联系的联系都可以赋予不同的权重;而在位置等价模型(positionalequivalencemodels)中,不同的权重可以被分配给彼此之间类同程度不同的联系(Valente,1995)。还有一个潜在的扩散网络研究方法是,通过比较不同的网络权重机制,可以对不同的社会影响过程建模和比较不同的社会影响过程。Valente等人(1997)对两种网络(网络I、网络II)的扩散模拟证实了网络暴露和网络结构对扩散的影响。他们还比较了这个网络中的扩散与模拟出的相同规模、相同密度但联系为随机的网络中的扩散。注意到,在这个模拟中,网络结构被随机化处理以证实它对扩散的影响,而在空间自相关模型中,“采用”被随机化处理用来计算统计显著性。这些扩散模型的有效性取决于网络暴露是否影响采用。为此,学者们展开了大量的经验研究来测量社会网络暴露与“采用”的关联程度。

3　基于应用的模型修正尽管许多学者假设采用与网络暴露之间存在联系,但很少有研究从社会关系网络角度来追溯创新之源以从经验上证实这一假说,导致这一现象的原因之一是在整个网络中扩散发生的较长时间段内收集数据相当困难,由此导致大部分的研究都依赖于回溯的(retrospective)数据,而这些数据会引入一些偏差(Coughenour,1965;Nischan等,1993)。因为收集完整的网络数据非常困难,大多数的经验研究都各自为阵(egocentric)(Marsen,1987,1990),只是基于应答者行为以及他们的网络同伴行为的报告,而他们的同伴之间不一定相互联系或都被访问。社会影响通常基于应答者对他们同伴行为、同伴影响的感知所作的报告(Valente和Saba,1998,2001;Valente和Vlahov,2001)。社会测量研究方法试图从被研究的一个有限社区内的每一个位成员那收集信息(主要在学校、机构和小的社区进行),并记录采用的时间(Coleman等,1966;Becker,1970;Rogers和Kincaid,1981;Wasserman和Faust,1994;Scott,2000)。该方法对于理解一项创新如何在一个社区中流动以及某些网络结构变量如何影响扩散过程很有帮助。近来大量的扩散网络研究都是截面的,并且在很多情况下,仅回顾一个时间点。大体上,这些统计分析可用以下模型概括: