基于社会网络分析的创新决策模型.docxVIP

基于社会网络分析的创新决策模型 0 创新扩散的研究方法 新技术、新产品和新概念的出现通常表现为一种独立的事件出现。但是，该创新并不会马上被掌握，而是通过社会网络逐步扩散。正如罗杰斯所说，创新扩散是“创新通过一定的渠道随着时间在社会系统的成员之间传播的过程”。事实上，一种创新产生后，并不一定能在社会网络中扩散。而只有社会群体中有多数个体采纳该创新时，它才能对社会产生较大的影响。因此，创新的真正意义和实际价值，并不仅在于创新本身，更重要的是在社会网络中创新能否扩散。 近几十年来，已有很多学者对创新扩散进行研究，提出了许多经典的数学模型。瑞安和格罗斯在对美国衣阿华州进行杂交玉米良种推广的研究中提出的S型曲线和采纳人数随时间变化的正态分布模型，为以后的扩散研究提供了一套研究方法和框架。其他许多学者用类似的方法对新技术、新观念的扩散做了研究，例如Rogers和Shoemaker，Allen，Price等。但是，这些模型大都只着重考虑个体选择对创新扩散的影响，而没有考虑社会网络结构对创新扩散的影响，他们形成了研究创新扩散的一个主流学派。而另一主流学派则侧重分析社会网络结构对创新扩散的影响，典型的研究有Coleman, Katz和Menzel，Becker，Burt，Carley，Rogers和Kincaid和Valente等。这些模型可以用来很好地解释社会学的许多扩散现象（例如信息、技术、文化、行为等的扩散）。 近10年来，许多研究者建立了更加精细的数学模型，并采用计算机模拟来研究创新扩散。值得一提的是，很多研究者将图论方法应用到创新扩散模型建立中。例如，Krackhardt在研究创新扩散时，讨论了支持者所处网络结构对创新扩散的影响，提出了粘性模型。Watts和Strogatz提出了小世界网络模型和随机网络模型，合理解释了某些现象。H Peyton Young提出基于图论的概率转移模型来分析个体的决策过程。Min-Dong Paul Lee和David Lifson使用不同的网络结构（包括Watts和Strogatz提出的网络结构），比较分析了多种不同文化在区域中的扩散情况。 基于社会网络分析，本文建立了创新扩散的双向概率模型。在该模型中，笔者将每一时刻每个个体的选择结果量化为一定收益数值。此收益数值由两部分组成：每个个体是否选择创新本身带来的收益部分，和每个个体受社会网络中与他人相互连带影响是否选择创新带来的收益部分。在每一时刻，社会网络内的每个个体是否接受创新，被认为仅与上一时刻的既定选择和改变此选择的收益变化有关。对每个个体分别计算改变和不改变原有选择的收益，并依据二者不同的收益，以一定概率确定下一时刻是否改变自己的选择。此外，本文引入势函数，分析了创新扩散过程中网络整体的收益。最后，将建立的双向概率模型应用于社会网中的3种典型网络———Von Neumann邻居型网络、Moore邻居型网络和小世界网络中进行了计算机仿真验证，并引入距离总和以及权重总和对仿真结果进行了比较分析。 1 个体过程模型 本文将要讨论的社会网络用图G来表示。其中，每个点i表示社会网络中的一个个体，边（i, j）代表个体j与个体i有连带，即他们在选择是否接受创新时是相互影响的。对于每条边，我们定义非负数wij和wji分别表示j的选择对i的影响和i的选择对j的影响，并且假设wij=wji，即图G为无向图。 假设在创新扩散过程中，图G中的每个个体对创新有两种态度：支持（A）和不支持（N）。在创新扩散的任意时刻，社会网络状态向量x=[x1，…，xv]T(v为个体总数）是每个点（个体）的函数，即xt∈{A, N}v。其中，xit表示第i个个体在时刻t的选择。下面，我们将该时刻每个个体的选择量化为一定的收益，其由两部分组成： (1）每个个体是否选择创新本身带来的收益vi(xi），此部分正比于该时刻社会网络中与该个体xi选择一致的人数； (2）每个个体受社会网络中与之有连带的其他个体的选择的影响，从而决定是否选择创新的收益部分。此部分包含多种因素，如示范效应、适应环境的愿望等。它由每个个体和与之有连带的其他个体的选择共同决定，即{i, jΣ}∈Ewiju (xi, xj）。 本文将任意时刻相邻的xi和xj的选择看作是二人博弈的结果，而第二部分中的函数u (xi, xj）可以理解为个体xi、xj博弈的收益，将其写成表1的形式。 由表1可以看出，该收益表的副对角线上元素为对称的形式（即只要双方选择不同，所获的收益只与选择A或N有关，而与具体哪个个体选择A或N无关）。并且，我们还可以假定有连带的双方选择一致比不选择一致的收益要高（如相互效仿、增进感情等），即bc, ad。 这样，第i个个体总的收益为： 我们以下面的具体例子简单说明上面的模型。2002年，“动感地带”上市后很快