创新扩散模型及修正综述

1、2009年第2期科技管理研究2009No12ScienceandTechnologyManagementResearch文章编号:1000-7695(2009)02-0017-03创新扩散模型及修正综述钱锡红,徐万里2(11中山大学岭南学院,广东广州510275;21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

2、:F224文献标识码:1创新及创新的分类创新是一个非常复杂的概念,即新奇的想法、事物、惯例被创造(Aiken和Hage,1971;Kim和1981;1995;Walker等,2002),面上,使用这一想法和1984;Boyne等,2005)。: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(Kim2berly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

3、、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Daman2pour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(H gerstrand,1967;Ro

4、bertson,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

5、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Bass(;然后介绍有关空间自相关(Spatial的方法,该方法是用来估计相邻节点采用创,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。211Bass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-bt1+e1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

6、(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:2yt=b0+(b1-b0)Yt-1-b1(Yt-1)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

7、(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

8、传播也给予了极大的关注。212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© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. 18钱锡红等:创新扩散模型及修正综述模型(positionalequivalencemodels)中,不同的权重可以被分配给彼此之间类同程度不同

9、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。为此,学“采用”(H gerstrand,1967;Cliff和Ord,1981;Griffth等,1999)。由于相邻的数

10、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。MoransI(1956)是一个早期用来测度空间联系和地理采用聚集度(geographicclusteringofa2doption)的模型,公式如下:INNND(y-y)-(y-y)-SNi(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。MoransI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,MoransI就高。MoransI在统计上的显著性可以用两种方法来计算:置换

11、法或解析法。MoransI的方差估计也可用来进行显著性检验。MoransI非常有用,它已经得到了相当大的扩展(Nyblom,Borgatti,Ro2slakka和Salo,2003),等同于交流和影响,但这是不切实际的。当y,的偏差。Erbing和)。Dow(1986)证实了网络自计的响,Doriean,Teuter和Wang(1984)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

12、法。213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(ex2posure)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:ijyjEi=i式中,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

13、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(Central2ity)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(relationalinfluencemo

14、dels)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3,但很,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

15、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:Pr(yt=1)log=+B

16、KXK+BK+1yt(1-Pr(yt=1)式中,y是采用行为的二元向量,是截距,k是第K个社会人口统计特征(Xs)向量的参数估计,代表社会网yt这一项代表同时期网络暴露的计算。对络矩阵。k+1的显著性估计通过证实网络暴露与采用的相关性说明了蔓延效应。然而,这些估计值的方差通常是有偏的,因为观察值不是相互独立的,因此,预测的误差不是独立的。一个不完全的解决办法是通过控制聚簇(clustering)来获得稳健估计,聚簇刻画来自相同聚类的元素比来自不同聚类的元素更相似的程度。即使对聚簇进行控制,通过社会网络衡量的社会影响似乎与采用行为有着更强的联系。例如,Alexander等(2001)在一个学校内

17、利用青少年健康数据做了一项研究,结果表明:那些绝大多数的网络联系都是吸烟者的学生有两倍的可能性使自己吸烟,而好友为吸烟者的学生吸烟的可能性又大两倍。学校内的聚簇被控制起来,利用多层次的模型,在宏观层面© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved. 钱锡红等:创新扩散模型及修正综述的影响范围内精确地捕捉了微观层面的效应。使用多层次模型估计网络暴露(自相关)条件,可以在不同的情景下提供蔓延估计值,并估计网络暴露在不同情景下的差异程度(例如,社区、学校、机构等)。然而,

18、这些模型是不完全的,因为可能存在既影响采用又影响社会网络关系选择的因素。用网络方法检验社会影响需要至少两个时点的时间序列数据。Boulay和Valente(2005)利用两个时点的数据,检验了一个简单的动态采用模型。Pr(y=1)log=+BKXK+BK+1tyt+BK+2t-1yt-1(1-Pr(yt=1)式中,正的且显著的k+2代表在基期具有较高网络暴露的应答者更可能在第二个时间采用。正的且显著的k+1表明网络暴露的改变与行为的改变有关,其它参数或指标含义如前所述。在两个时点收集的面板数据足以满足大部分的研究需要,也能够为网络对行为的影响提供证据。然而,由于通常在两次测量之间有相当长的一段

19、时间,许多因素或许可以说明行为和网络暴露的同时改变。为了应对这种情况,可以在采用之时被收集,用事件历史分析方法(TuHannan,1984)数据的程度,并且用最方相关系数(Bartholomew,llison,TumaHannan,1984;Strang和Tuma,和Hayward,1993)。由于扩,因此扩散研究中有一个明确的时间维度。“采用时间”这一变量是因变量,它可能同时受到随着时间变化和随着时间不变的因素的影响。参考文献:194结论自1943年Ryan和Gross首次为创新扩散理论做了开创性工作以来,这一领域已经取得了相当的进展。Rogers(2003)梳理、回顾了1943年来这一领域

20、的许多研究,确立了一个适用性广泛的一般扩散模型,当今这一模型得到了更新并被注入了新鲜的理论和分析方法。这些新的理论和方法使得研究创新如何在组织内和组织间传播更加突显出来。与新的理论和方法同时出现的还有亟待解决的新问题。缺乏采用时间和网络影响的数据影响了这一领域的发展,未来的研究应该注重同时收集这两方面的数据资料,把这两方面的研究结合起来。微观和宏观层面分析之间的联系代表了研究扩散过程的一种新机遇。微观层面的网络暴露和宏观的环境因素都是社会网络的影响,都代表了扩散范式的要素。通过控制环境效应,就不用排除那些对环境效应产生影响的微观因素。但尽管控制了宏观环境效应,同伴的网络行为与那些应答者行为之间

21、的微观层面的联系仍然非常强。所以,争论聚集于这些联系的特定内涵是同伴的影响、同伴的选择还是环境效应?未来的研究应该将这些关系理顺,进行更合理的研究设计和干预。1WEJNERTB.Integratingmodelsofdiffusionofinnovations:aconcep2tualframeworkJ.AnnualReviewofSociology,2002,28:297-326.2EASINGWOODCJ,MAHAJANV,MULLERE.Anon-uniformin2fluenceinnovationdiffusionmodelofnewproductacceptanceJ.Marke

22、tingScience,1983,2(3):273-295.3JAIND,MAHAJANV,MULLERE.Innovationdiffusioninthepres2enceofsupplyrestrictionsJ.MarketingScience,1991,10(1):83-90.4EDWARDKYCHEN.Multinationalcorporationsandtechnologydif2fusioninHongKongmanufacturingJ.liedEconomics,1983,15:309-321.5ABRAHAMSONE.Managerialons:thediffusiona

23、ndre2jectionofonsmentReview,1991,16):586-6AnergrowthformodelconsumerdurablesJ.1967,50(12):1825-1832.7Therelationshipbetweendiffusionrates,experi2anddemandelasticitiesforconsumerdurabletechnologi2calinnovationsJ.JournalofBusiness,1980,53(3):S51-S69.8BASSFM.Commentson“ANewProductGrowthforModelConsumer

24、Durables”J.ManagementScience,2004,50(12):1833-1840.9COOLKO,DIERICKXI,SZULANSKIG.Diffusionofinnovationswithinorganizations:electronicswitchingintheBellSystem,1971-1982J.OrganizationScience,1997,8(5):543-559.10WALKERRM.Innovationtypeanddiffusion:anempiricalanalysisoflocalgovernmentJ.PublicAdministration,2006,84(2):311-