从众效应下的创新扩散研究.pdfVIP

2 0 1 0年第6期 科技管理研究 S c i n e e a n d T e c h n o l o g y Ma n a g e me n t Re s e a r c h 文章编号 ：1 0 0 0 7 6 9 5 f 2 0 1 0 )0 60 0 0 9 0 4 2 Ol 0 No 6 从众效应下的创新扩散研究 赵良杰 ，武邦涛 ，陈 忠 ，段文奇 ( 1 上海交通大学安泰经济与管理学院，上海2 0 0 0 5 2 ； 2 浙江师范大学5 - 商管理学院，浙江金华3 2 1 0 0 4 ) 摘要：在考虑采纳个体之间相互作用网络基础上，建立一个基于从众效应的微观扩散模型，采用仿真和计量回归 相结合的方法对创新扩散进行分析。研究表明，采纳个体的采用阈值分布异质性程度是决定从众效应下创新能否扩 散 成功 的关键 。当采 用阈值分布的异质性程度 太小时 。从 众效应无 法产生 ，创新扩散 失败 ；当采用 闽值分布异质性 程度较大时，从众效应的正反馈机制使得创新扩散成功。局部从众型和从众敏感型这两类采纳个体均有利于创新扩 散 。此 外，社会 网络联通度和节点度分布异质性也有助 于创新扩散 ，但 网络的社群 结构特征却会对创新扩散起抑制 作 用。 关键词 ：创新扩散 ；从 众效应 ；社会 网络 ；阉值模型 ；群体行为 中图分类号 ：N 9 4 5 1 l 2 文献标 识码 ：A 1 引言 创新扩散主要指新产品、新技术 、新思想以及不同个体 行为或习俗惯劁等在社会经济系统中的传播。国际研究创新 扩散的知名学者 R o g e r s 将其定义为 “ 一种创新通过某种渠 道随着时间推移在卒 会 系统成员中传播的过程” 。正是由于 色 6 新扩散所涉及的研究领域很广，因此多年来它一直是经济、 管理和社会科学中研究的重要问题。与此同时，个体在决定 最终是否采纳创新的过程中，其 自身决策往往受 其他个体 选择影响，即存在某种从众效应 ( b a n d w a g o n e f f e c ,- s ) 。广义 上的从众效应是指个体由于受到群体所施加的制度性或竞争 性压力影响，使得 自己观点、判断和行为与群体大多数人保 持一致 j 。现实世界中，从众效应下的创新扩散案例并不少 见。以I P o d为例，尽管音质并不如索尼的 Wa l k ma n ，但其凭 借时尚的创新设计，并借助众多影视和体育明星的意见领袖 影响，导致许多普通消费者纷纷效仿，从而形成 一股购买 I P o d的潮流，而这种潮流便是从众效应的直接反映 现有文献对从众效应下 的创新扩散研 究主要采 用两 种技 术路线。第一，假设创新所带来的收益是清晰， 计算，从 众源 自个体 自我学习和递增回报机制通过不断更新周围 邻居或全局个体行为选择的信息 ，按照一定决策规则，选择 自我效用最大化的行动。采用该技术路线的文献往庄采用随 机场 ( r a n d o m fi e l d s ) 、信息流 ( i m o r m a t i o n a l c a s c a d e s ) 、演化 溥弈等模型分析微观个体效用 函数交互作用对创新扩散影 响 ；第二，假设创新所带来的收益是模糊 ( a mb i g u i t y ) ， 从众来自潮流效应，即个体 ( 组织)接受或采纳某种创新并 非是因为其自身对该创新有效性或收益的评估 ，而 黾由于已 经采用过种创新个体 ( 组织)人数所带来 的社会从众压力 ( s o c i a l b a n d w a g o n p r e s s u r e )影响 j 。这类研究主要集中在组 织管理领域，如分析从众效应下，组织 ( 比如企业)特征对 创新扩散影响p ，技术战略联盟演化 或高科技产业中技术 竞争 本文沿袭上述第二种研究技术路线，但与以往研究不同 之处主要有如下两方面：( 1 )考虑到从众效应下采纳个体可 能存在的多种类型 ；( 2 )考虑到采纳个体之间的相互作用 网 络特征 ( 如网络联通度、网络拓扑结构)对从众效应下创新 扩散的影响。从创新采纳个体角度看，从众效应下的创新扩 散实质是一个群体行为 ( c o l l e c t i v e b e h a v i o r )过程，本文沿着 这个思路，运用仿真与计量分析相结合的方法考察从众效应 下 ，采纳个体 特征 、类 型及 社会 网络等 因素对创新扩散 的影 响，尤其是分析什么才是影响从众效应下创新扩散是否成功 的关键因素。 2 基本模型 为刻画社会网络对从众效应影响，本文采用基于主体 的 微观扩散模型。潜在采纳个体对某种创新真实收益并不清楚 ， 只能根据自我对创新收益评估以及该创新的从众压力最终决 定是否采用。采纳个体在时刻对该创新的从众评估 ( b a n d - w a g o n a s s e s s me n t )为 ： U = 0 f +A f D f ( 1 ) 上式中 0 为采纳个体 i 的采用阈值，实质上也反映了其 对该创新收益估计，假设 0 服从均值为 u ，方差为m的正太 分布，即 0 N( “ ， m) ， 这与 R o g e r s 对采纳个体分类相一致。 由于采纳个体对新创新不了解，率先购买存在一定的风险， 大部分采纳个体属于风险厌恶型，因此采用阈值分布的均值 U 0为采纳个体 i 的从众效应强度，假设 由于感知差 异 ，市场中采 纳个体存 在两种不 同类 型 ：一类是从众 敏感型 ( 其比例为 h ，从众效应强度为A ) ，另一类则是普通型 ( 其 比例为 1 一h ，从众效应强度为 A ： ) ，由定义易知 A ， A 2 。 D “ ” 代 表在 t 一1时刻 ，采纳个体 i 所处 社会 网络邻居 中 已 经采用该创新人数 a “ 与网络中采纳个体 i 的邻居总数， 即节点 i 的度 k 之问比值： I ) = ( 2 ) 收稿 期 ：2 0 0 9一 O 82 8 修回 日期 ：2 0 0 91 O一2 l 基金项目：国家自然科学基金资助项目 “ 基于复杂网络的I C T产业新产品扩散建模和干预策略研究”( 7 0 6 7 1 0 7 0 ) ；浙江省自然科学基金资 助项目 “ 网络平台的演化机制和运作战略研究”( Y 6 0 7 0 0 1 ) ； 上海市科委软科学研究博士生学位论文资助项目 “ 网络平台扩散 机制 和竞争战略研究 ” ( 2 0 0 9 0 6 0 1 3 ) 1 0 赵 良杰等 ：从众效应下 的创新扩散研究 从众效 应强 度和 局部邻 居 中采纳个 体 比冽 的乘 积 A i D “ ” 共同刻画了创新从众压力 ( b a n d w a g o n p r e s s u r e )的大 小 ，创新扩散的具体过程如下 ： 时刻0 ，所有主体 ( 节点)状态记为0，其偏好服从 正态分布N ( I1 ，I l1 ) ； 时刻 1 转入扩散阶段，采纳个体根据公式 ( 1 )同步 评估创新收益是否超 过 自己采用阈值 ，一旦超过就采用 ，状 态记为 1 ； 随着采纳个体人数增加，从众压力增强，使得之前没 有采用的采纳个体重新评估，转入流程。 当网络中没有采纳个体从状态 0切换到 1时，扩散 结束 。 3 仿真结果分析 本文基本模 型采 用小世界 ( S W) 网络刻画采 纳个体 彼 此之间的交互模式 ，所有 网络规模均 为 1 0 0 0个节 点 。所 有 扩散过程仿真均是在 Ma fl a b 7 4环境中实现，创新扩散周期 为2 O ，采纳个体采用阈值分布均值 “ =一1 ，从众效应强度 A 。 和A ： 分别取值为 5和 3 。本文 3 1到3 3节中的所有结果 均是运行了1 0 0次仿真的平均值。 3 1 采纳 个体采用阈值分布的异质性对创新扩散 影响 方差 m反映了采纳个体采用阈值分布的异质性 ( h e t e r o g e n e i t y ) ，越大 ，异质性就越大 ，市场 中采 纳个体对新 刨新收 益评估值的分布就越分散。图 1给出了当市场中不存在从众 敏感型采纳个体 ( 即 h=0 ) ，m从 0增加 到 3时 ，创新扩 散 率均值 S和标准差 s t d的变化情况。可以发现，方差 n z 对 S 的影响存在 2个临界点：m= 0 4和 m= 0 8 。当 m0 4时， 创新扩散失败。这说明当采纳个体采用阈值分布的异质性很 低，即采纳个体对创新评估水平非常类似时，从众效应无法 产生，因而创新无法扩散出去。当0 4 0 8 ) ，尽管初期采用创新 的人数也很多 ，可 以引发很 大的从众 压力 ，但 由于采纳个体 对创新评估差别太大，这又减少了从众压力影响，从而降低 了创新最终扩散率。扩散率标准差 s t d的变化也问接反映了 扩散过程 中的相变 ( 临界 )现象 。 图 l 采纳个体偏好异质性对创新扩散程度的影响 3 2 从众敏 感型采纳个体对创新扩散 的影响 3 1 节基本模型侧重考察采纳个体从众效应强度同质时的创 新扩散。现实社会中，由于感知差异，采纳个体的从众效应 图2 从众敏感型采纳个体比例对创新扩散的影响 强度往往不同，比如某些采纳个体对从众效应更敏感，更容 易受到群体行为影响。为刻画这种从众效应强度异质性，本 文假设从众效应敏感 型采纳个 体的从众效应 强度 A 。 = 5 ，而 普通型采纳个体 的从 众效应强 度 A =3 。图 2则给 出了从众 敏感型采纳个体比例h变化对创新扩散率均值 s的影响。易 知 ，随着从众效应敏感 型采 纳个体 比例 h的增加 ，创新 最终 扩散率会提高。一方面这说明从众敏感型采纳个体有助于抵 消采纳个体采用 阔值分布异质性偏大对从众效应的抑制作 用，使得从众压力得以维持；另一方面，这也说明从众效应 强度 的异质性有利于创新扩散。 图 3 从众敏感型采纳个体比例对创新扩散的影响 图 4 网络拓扑结构对创新扩散程度的影响 3 3 社会网络结构对创新扩散 的影响 现实世界的社会网络还具有无标度或社群结构特征 ， 因此本文对比S W，S F和 C N N这 3种不同拓扑结构社会网络 对从众效应下创新扩散的影响。从图4可知，网络节点度分 布的异质性总是有助于创新扩散，这也说明从众效应强弱与 采纳个体在 社会 网络 中所处位置 ( 如中心性 )有关 。与之相 反，在绝大多数情况下 ( ， n0 6 ) ，网络社群结构特征会抑 制从众效应 ，这是因为当采纳个体对新创新收益评估存在较 大偏差时，这种从众 效应主要集 中在社 群内部。由于社 群之 间联系比社群内部少，这导致从众压力在社群之间传递比较 赵 良杰等 ：从众效应下的创新扩散研究 困难 ，从而降低创新最终扩 散卒 。 3 4从 众效应下创新扩散能否成功的关键 因素分析 本文采朋计量分析方法进一步探讨什么才是影响从众效 应下创新扩散能否成功的关键凶素。尽管现有文献均认为一 个刨新扩散能否成功的标志是其扩散率，但具体数值却存在 2种不同指标l 6 或 5 0 J _ ，因此本文采用二元 l o g i s t i c回归模型进行分析。每次扩散结束后 ，如果最终扩散率 趟过 1 6 ( 或 5 0 ) ，则 扩 散成 功 ，因 变 量 记 为 l ，否 则 为 0 。 此外，现实中采纳个体还可能受到全局从众效应影响， 比如某些采纳个体能否获取整体网络信息 ，了解该创新在整 个 网络中的采 纳人 数 从 而根据 全局采纳个 体 比例作 为从众 压力参考指标。因此对于这类全局从众型采纳个体而言，其 D 表示 为： D = F ( t 一1 ) ( 3 ) 上式中 F ( t 1 ) 代表在 t 一1时刻 ， 市场上 采纳该 创新 人 数 ， 则 为网络总人数 。而对于另外 一些 并不 了解整体 网络信 息的局部从众型采纳个体而言， 其 D “ ”的具体表达式与公式 ( 2 ) 一样。令全局从众型采纳个体的比例为 r ， 则局部从众型 采纳个体 比例为 l r 。 本文回归分析共考察 了 5个 自变 量对创新扩 散能否成 功 的影响 ， 每个自变量分别有 5个离散参数的变化( 见表 I ) 。 为了保证样本回归的有效性， 总共做了5 。 =1 5 6 2 5次仿真， 每 次仿 真中所 有 自变量 具 体 数值 均 是从 这些 离 散参 数 中随 机 选取 。 表 1 仿真参数取值 变量 变化范围 r ： 全局从众 型采纳个体 比例 0 ， 0 2 ， 0 4 ， 0 6 ， 0 8 “ ： 采纳个体采用阈值分布均值 m： 采 纳个体采用阔值分布方差 k ： WS网络联通 度 A： 从众效应强度 0 ， 一 0 5 ， 一 1 ， 一 1 5 ， 一 2 0 ， 0 5 ， 1 ， 1 5 ， 2 4 ， 8 ， 1 2 ， 1 6 ， 2 0 3 ， 4 ， 5 ， 6 ， 7 表 2 l o g i s t i c回归的预 测概 率正确识别率 平均预测概率正确识别率 ： 9 4 5 表 3 l o g i s t i c回归结果 表 2给出了当扩散成功 与否的标 准为 5 0 时 ，回归模 型 预测概率正确识别牢，其平均值为 9 4 5 。表 3表明，采 纳个体采 f H 闵值分布 的异质 足决定 从众效应 下创新 扩散能 否成功的关键因素 ，但这种影响却存在正反两种效应。一方 异质性的增加会促使创新扩散早起飞，从而更容易突破 扩敞能否成功的关键性指标一 1 6 ( 或 5 0 )的采用率。 另一 方面，当采纳 个体采用 阌值分 布的异质 性过大时 ，这 会 降低创新扩散率 。以 1 6 标 准为例 ，采纳个体采用 阈值分布 方 差 的 平 方 会 增 加 扩 散 失 败 的 慨 率( 其 边 际 效 应 为 一 8 3 7 8 ) 。 采纳个体采用阈值分布均值 u反映了采纳个体整体对创 新收益的评估水平，均值越大，说明采纳个体整体采用创新 后的收益也就越高，表 3也显示均值 U对创新扩散能否最终 成功具有正 向影 响。R o g e r s _ 1 指出创 新扩散 过程包 含 四个要 素：创新本身、传播渠道、时问及社会系统，其中社会网络 是传播渠道的重要组成部分，而社会网络联通度则体现了个 体之间交流沟通强度。回归结果表明社会网络联通度 k的增 加有助于增强从众效应，从而提高创新最终扩散率 s ，这与 文献 的研究结论一致 ，因此促进从众效应下创新 扩散的一 个重要手段就是加强采纳个体 之间交 流沟通强度 。而全局从 众型采纳个体比例却对创新扩散能否成功存在负面作用，这 是因为当采纳个体以整体采纳个体 比例作为其从众压力参考 指标时 ，由于 市场初 期采纳个 体偏少 ，这 种整体从众压 力也 较小 ，全局从众 型采纳 个体更 不愿意 购买 新创新 ，从 而形成 负反馈机制 ，抑 制创新扩散 。 4结束语 本文采用仿真和计量相结合的方法对从众效应下的创新 扩散进行分析，研究表明采纳个体采用阈值分布的异质性程 度是决定从众效应下 ，创新能否扩散成功的关键因素。当采 用阂值分布的异 质性 程度 太小 ，从 众效应 无法产 生 ，创 新扩 散失败 ；当采用 阂值分布 的异质 性程度较 大 ，从众效应 的正 反馈机制使得创新 扩散成功 。而局部从众 型 、从众敏感 型两 种类型采纳个体 均有利于创 新扩散 。此外 ，社 会 网络联 通度 和节点度分布异质性也有助于创新扩散，但网络的社群结构 特征却会对创新扩散起抑制作用。未来相关研究可进一步考 虑引入采纳个体的自我学习效应 ，探讨这种学习效应如何影 响从众效应 ，从而影响创新扩散。 注释 ：如果没有特别说明，网络平均连通度均为6 ，WS网络的连 接概率均为 0 0 5 。仿真表明周期 为 2 O足以保 证创新扩散 l女 敛到稳 定均衡状态 。此时网络 中从众 敏感 型采纳个 体 比例。 限于篇幅， 尽 管没有给 出当标 准为 1 6 时 的回归模 型预 测概率 正确 识别率 表， 但其平均值为 9 6 5 。 参考文 献： 1 R O G E R S E D i f f u s i o n o f i n n o v a t i o n s( 4 t h E d i t i o n ) M N e wY o r k ： Th e F r e e Pr e s s 1 9 9 5 2 C O R N E O G，J E A N N E O S n o b s ，b a n d w a g o n s ，a n d t h e o ri g i n o f S O c i a l c u s t o m s i n c o n s u m e r b e h a v i o r J 1 J o u r n a l o f E c o n o mic B e h a v i o r O r g a n i z a t i o n ，1 9 9 7 ， 3 2 ( 3) ： 3 3 3 3 4 7 3 D E L R E S A T h e e ff e c t s o f s o c i a l n e t w o r k s o n i n n m a t i o n d if f u s io n a n d m a r k e t d y n a m i c s D D o c to r a l D i s s e r t i o n ， 2 0 0 7 4 B A N E R J E E A V A s i m p l e m o d e l o f h e r d b e h a v i o r J Q u a r t e r l y J o u ma l o f E c o n o mi c s ，1 9 9 2 ，1 0 7 ( 3 ) ： 7 9 78 1 8 5YOUNG H PT h e Di fl us i o n o f i n n o v a t i o n s i n s o c J a l n e two r k s I n L E B L U ME ，S N D U R L AU F ( e d s ) T h e E c o n o m y a s a n E v o l v i n g C o m p l e x S y s t e m l I I M O x f o r d：Ox f o r d U n i v e r s i t y P r e s s ， 2 0 0 3 6 A B R A H A MS O N E ，R O S E N K O P F L 1 n s t i t u t i o n a l a n d c o mp e t i t i v e b a n d w a g o n s ：Us i n g ma t h e ma t i c a l mo d e l i n g a s a t o o l t o e x p l o r e i n n o v a t i o n d i f f u s i o n J T h e A c a d e m y o f M a n a g e m e n t R e v i e w ， 1 9 9 3 ，1 8 (3 ) ： 4 8 7 5 1 7 7 A B R A HA MS O N E ( 下转第 1 5页) 王文轲等 ：新 药研 发投 资动态多阶段决策模型及应用研究 1 5 利率 r =0 0 5 ， 项目价值的年增长率 O t =0 0 3 ， 项 目价值的波 动率 =0 ， 5 ， = 0 0 2 。虽然由企业对该项 目专利 的评估价值 为 4 0 0万元 ， 但 由于该研 发投 资项 目处 于第 一 阶段 的研发 阶 段， 技术成功的风险较大， 假设企业选定估值为 2 6 0万元， 则 P = 1 O 0 + 2 6 0：1 6 0万元。利用这些参数代 人方程 ( 1 2 ) 可求 解 P ， ， 这里 P 为是否追加投资的临界值， 如果 PP ， 即 项 目的项目损益值大于追加投资的临界价值 ， 就认为可以继 续投资。通过编程运算得到的结果如下： l =1 1 1 7 8 fl 2= 一0 3 5 7 8 B 2=2 1 2 1 6 3 2 则 P l =1 2 3 2 因为 P=1 6 0P =1 2 3 2， 所以投资者可以做出下一轮 的投资。 对于第二轮投资， 如果第一阶段研发失败， 即未到达下一 步继续投资 的要求 ， 则 中止投资 。如果研发成 功 ， 投入市场 ， 不 仅可带来 3 0万的专利价值 ， 还可以带来的现金流为： 5 1n = 3 8 9 7万元 ， N此 选定 P=3 8 9 7+4 0 0一 一 J十 1 3J ， 3 0 0= 4 8 9 7 ， 假设无风险利率 ， = 0 0 5， = 0 0 4 ， o - ： 0 6 8 ， ， = 0 O 1 ， 将参数代入方程求解 得 ： 卢 =1 。 o 4 ， =一 0 2 1 计算得 P 2 = 4 4 7 4 5 由于 P=4 8 9 7P 2 ：4 4 7 4 5 ， 因此 投 资 者 可 以进 行 投资 。 算例进一步验证了本文提出的模型的有效性。显然传统 的N P V评估方法无法正确的评估具有较高不确定性的分阶段 进行的研发项 目价值，它忽略的投资机会的价值、研发投资 的战略价值 以及管理柔性 的价值 ，最 终导致放 弃 了有 价值 的 投资项 目。而本文提出的研发投资动态、多阶段的任意阶段 决策评价模型却真实的评价了此新药研发投资项目的价值并 正确的指导 了投资者进行投 资决策 。 5 结论 传统的投资决策方法无法评估具有较高不确定性的分阶 段进行的生物制药企业药品研发投资项 目价值 ，本文根据新 药研发项 目投资的高风险 、高收益性 以及 分 阶段 资金注 入的 特点建立了基于实物期权理论的研发投资动态、多阶段中任 意阶段 决策评价模 型。 文章对模型中的参数给出了确定的方法并详细阐述了模 型中各参数对投资决策的影响，并结合案例进行了数值计算 ， 验证了此决策模型在新药研发投资决策问题上的分析结果。 本文模型充分考虑到了新药研发项 目的不确定性和决策 灵活性的价值，针对环境变化与研发计划执行情况，不断地 调整决策 ，为企 业发掘 不确定性 背后潜藏的 商机，在最适 时 间点以及新 药研 发 的任何 阶段 ，做 出最有利 于企业 的决策 ， 从而降低风险对于企业的潜在威胁。这也恰恰适应 了现代医 药研发的特性 ，模型为准确 评估新药研 发项 目的价值 提供了 新 思路 。这对我 国医药企业合 理而成功地 参 与新药研 发具有 重要意 义。 参考文献 ： 1 J D I XI T，P I N D Y C KI n v e s t m e n t U n d e r U n c e r t a i n t y【 M J N e w J e r s e y ： P rin c e t o n Un i v e r s i t y P r e s s ，1 9 9 4 2 MA I D S ，R P I ND Y C K F i m e t o B u i l d O p t i o n V a l u e a n d I n v e s t m e n t D e c i s i o n J J o u r n a l o f F i n a n c i a l E c o n o mi c s ，1 9 8 7，1 8 ( 1 ) ：7 2 7 7 5 5 3 R I T A G U N T HE R Mc G R A T HA R e a l O p t i o n s L o g i c f o r I n i t i a t i n g T e c h n o l o g y P o s i t i o n i n g I n v e s t m e n t s J A c a d e m y o f M a n a g e m e n t R e v i e w， 1 9 9 7，V o 1 2 2，( 4 ) ： 9 7 4 9 9 6 4 P E R L I T Z MA N F R E D，P E S K E，T HO R S T E N，e t e R e al O p t i o n s V a l u a i t o n ：T h e N e w F ron t i e r i n R & D P mie c t E v alu a t i o n J R & D M a n a g e m e n t ， 1 9 9 9， 2 9 ( 3 ) ： 2 5 52 6 9 5 洪燕云R & D项 目 评价的实物期权方法 J 数量经济技术经 济研究 ，2 0 0 3 ( 2 ) ：7 3 7 6 6 郑德源，李湛 R & D项 目评价的实物期权方法 J 技术经济 与管理研究 ，2 0 0 0，2 1( 5) ：4 1 4 1 7 鲁鸽 ，万建平基 于 实物 期 权 的药 物研 发项 目投资 决策 分析 J 应用数学 ，2 0 0 5 ，3 9 ( 1 5 ) ：3 43 6 8 许群英，曾勇， 蔡强实物期权在新药开发中的应用 J 运 筹与管理 ，2 0 0 5，1 4 ( 6 ) ：7 1 7 5 9 肖淑芳复合期权在生物制药项目评估中的应用研究 J 北 京理工大学学报 ，2 0 0 5，7 ( 6) ：2 32 7 1 O 马爱英 基于实物期权方法的风险投资决 策研究 D 天津 ： 河北工业大学管理学院 ，2 0 0 5 作者简介：王文轲 ( 1 9 7 7一 ) ，男 ，汉族 ，陕西咸阳人 ，四川大学工 商管理学院博士研究生，主要研究方向为公 司金融 、科 技金融 ；赵 昌 文 ( 1 9 6 4一 ) ，男 ，汉族 ，甘肃环县人 ，经济学博士 ，博 士研究生导 师， 现为四川大学副校长、四川大学工商管理学院教授，四川大学金 融研究所所长 ，中国科技金融研究 中心主任，科技金融与数理金融 四 川省重 点实验室主任 ，主要研究方 向为公司金融 、科技金融。 ( 本文责编 ：廖政权 ) ( 上接第 1 1页) e x t e n t o f i n n o v a t i o n d i f f u s i o n ：A c o m p u t e r s i mu l a t i o n J J O r g ani z a t i o n S c i e n c e ，1 9 9 7， 8 ( 3 )： 2 8 93 0 9 8 WA D E J D y n a m i c s o f o r g a n i z a t i o n a l c o m m u n i t i e s a n d t e c h n o l o g i c al b a n d wa g o n s ：An e mp i r i c a l i n v e s t i g a t i o n o f c o mmu n i t y e v o l u t i o n i n t h e m i c r o p r o c e s s o r m a r k e t