集群企业创业传导仿真的构建分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇集群企业创业传导仿真的构建分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘要： 集群企业二次创业已成为产业集群转型升级的重要路径，而集群企业网络影响了集群企业的二次创业行为。本文从复杂网络视角出发，在对集群企业网络与复杂网络模型之间耦合关系的探讨基础上，分析了用仿真方法构建集群企业网络，探讨了如何模拟集群企业网络中创业行为的传导，为刻画现实的集群企业创业行为传导过程和效果提供了新的分析思路。
关键词： 集群企业；创业行为；传导过程；传导效果
中图分类号：F270 文献标识码：A 文章编号：1006-4311（2014）07-0009-04
0 引言
企业创业是集群企业乃至整个集群实现升级的关键途径[1]。柳市低压电器集群、桐庐发电设备集群、南浔木业集群等多个产业集群凭借集群企业的二次创业实现集群转型升级。对于集群企业，产业集群网络对其创业行为决策产生了重要影响。一方面，集群企业的多重网络关系使得创业成果的模仿和创新更易发生。另一方面，作为地方根植性网络组织，集群企业容易出现对既有网络的路径依赖和“锁定”[2]，从而对企业创业行为产生影响。基于上述，本文将产业集群视为复杂社会网络组织，讨论了如何用仿真方法对集群企业网络中创业行为的传导过程进行模拟研究，从而揭示集群企业创业行为受集群企业网络影响的过程和效果。
1 集群企业网络与复杂网络的耦合
在复杂网络的研究中，许多学者将企业间关系看作网络，研究企业网络的结构和企业在网络中的位置[3]等因素对企业绩效和市场结构等变量的影响。Hakansson[4]提出了影响网络组织结构基本变量（主体和资源）和网络构成关系（企业关系），将集群网络结构视作复杂网络进行了研究。一些学者基于对产业集群的实证分析，描述了集群复杂网络的形成[5]，认为集群内部的异质性、局域网络性、功能整合性、企业合作等网络特征都能很好的拟合复杂网络系统特征，并从资源、绩效和技术三个维度通过仿真模拟分析集群效益[6]，建立模型模拟了社会评价对集群动态演化的影响[7]。谭劲松和何铮[8]运用复杂网络理论中聚类系数、度分布、平均路径长度等指标来研究集群自组织过程。基于复杂网络视角，集群企业网络是由网络中的结点（代表集群中的企业）、网络边（代表企业之间的关系）而构成，在正常情况下，运行于一种自由流（free-flow）状态，而且是一种无向图，不考虑企业间强弱关系，即连接边之间的权重相等[9]。本部分基于集群企业网络、复杂网络的特征分析揭示了集群企业网络与复杂网络之间的耦合关系。
1.1 市场型集群（MC）与ER模型的耦合 复杂网络中的ER模型是完全随机网络，由Erdos等开发。具有两个重要特性：一是度分布趋于平均。二是结点之间边的连接以如下概率出现。
其中，∏i表示结点i与新结点的连接概率，N（t）表示t时刻的结点数。
市场型集群是企业之间的关系以平等的市场交易为主，各生产厂商以水平联系来完成产品生产的集群[10]。该类型集群的结构度相对较低，集群企业间同质性较高，双边的依赖性不是很强。
市场型集群与ER模型的耦合特征（见表1）表现为，市场型集群中高同质性表明企业与企业之间相似度高、重要性趋同，以水平联结为主要方式，即在ER模型中结点度分布相对平均；市场型集群中结构度低表明企业间锁定程度、依赖性弱，企业间关系的产生不受企业原有关系的影响，即在ER模型中结点之间边以相同概率联结。
1.2 中卫型集群（CC）与BA模型的耦合 复杂网络中的BA模型是一个无标度网络模型，由Barabasi等提出。具有两个重要特性：一是增长特性，即网络规模是不断扩大的。二是优先连接特性，即新的结点更倾向于与那些具有较高连接度的“大”结点相连接，连接概率表示如下。
中卫型集群是以大企业为中心、众多中小企业为而形成的集群[11]。在该集群中，大企业处于支配地位，中小企业处于或下属，主要为“核心企业”进行特定的专业化加工，或根据需要提供专门化产品，或进行限制性销售。该类型集群结构度高，群内企业相互依赖性强，同质性低，企业之间关系主要是上下游的分工合作。
中卫型集群与BA模型的耦合特征（见表2）表现为，中卫型集群中同质性低表明内部网络结构中存在少量度相对很高的结点，且大企业为中心，即在BA模型中存在的具有较高连接度的“大”结点；中卫型集群中网络内结构度高表明企业间关系的产生是以优先连接大企业为标准的，即在BA模型中具有的优先连接特性。
2 集群企业创业传导与复杂网络创新扩散的耦合
在集群企业网络与复杂网络耦合的基础上，本部分进一步将集群企业网络上的创业行为传导现象和复杂网络上的创新扩散现象进行耦合分析。复杂社会网络上的扩散主要指产品技术、行为策略、思想文化和群体现象[12]等在特定网络结构的社会网络中的传播。其特征包括三个方面，如表3所示。网络中个体间存在相互作用，这是因为社会网络中其他个体的选择会形成、影响甚至改变个体观念和态度，促使其选择采用或者拒绝[17]。此外，复杂网络上的同步、扩散、搜索等各种动力学行为都在很大程度上受到拓扑结构的影响，不同结构的网络，其动力学行为表现出明显的、本质上的差异[17]。
对于集群企业创业行为的传导，集群企业间的相互作用对于创业行为的整个传导过程具有关键作用；集群企业的创业行为决策不仅取决于邻居的选择，还会受到集群企业网络的复杂拓扑构型的影响；集群企业的创业行为选择受市场机遇等外部因素与集群外部网络的共同影响。上述表明，集群企业创业行为的传导符合复杂社会网络扩散的特征，事实上就是创业行为在集群企业网络这一复杂社会网络上的传播与扩散。借鉴传染模型（Epidemic Model）模型的有关方法，创新扩散理论被用来解释新想法、新实践如何在组织内和组织间进行传播[18]。赵正龙[19]对复杂社会网络的创新扩散研究发现，邻居效应的强度和复杂社会网络的结构特征对均衡采用者比例有重要影响。邻居效应指邻居的选择会形成、影响甚至改变个体观念和态度，促使其选择采用或者拒绝，其基本思想是创新随着个体间交流沟通而扩散。复杂社会网络的结构特征对均衡采用者比例的影响在于其对扩散阈值的影响。阈值扩散模型表明个体受到其他采用者影响的程度超过某一个阈值，才会采用同样决策，可用来刻画个体所受影响的累加效果。阈值扩散模型在不同网络结构上的应用研究表明，阈值与网络的结构特征存在显著关系，比如扩散阈值是由网络连通度和扩散机制共同决定的，度分布与结点度均与扩散阈值存在正相关关系[20]。
2.1 基于网络关系的集群企业创业传导 集群企业二次创业的实践表明，集群中某些企业的创新行为直接促成了与其关联的集群外协企业的创新行为，是创业行为在企业间的扩散。因此，基于网络关系的集群企业创业传导是指集群企业的创业决策过程容易受到与之联系的集群企业选择的影响，与复杂社会网络创新扩散个体间影响模式（邻居效应）相耦合，主要考察创业传导的概率。
在邻居效应中，个体间影响模式存在主动影响与被动影响两种模式[19]。主动影响模式是指个体会有意识的宣传自己，尤其是针对性的向重点邻居个体宣传自己，从而达到加强合作的目的。在主动影响模式下，二次创业的集群企业有意识的将所开展的创新或风险投资活动向自己的关联企业进行传播，从而进一步实现自身的创新或风险投资活动。比如集群企业i将创新产品向关联企业j进行传播，并提出在零配件上所需的创新跟进，从而进一步推进创新产品的生产。被动影响模式是指目标个体不采取任何有意识的行为去影响创新的扩散，扩散概率取决于邻居个体的理性决策过程。在被动影响模式下，二次创业的集群企业i不采取任何有意识的行为向关联企业传播创新产品，而主要依赖于自身完成创新产品的生产与推广。此时，与之关联的集群企业j将综合自身的企业间合作情况进行理性决策，并可能考虑自身发展而维持与拓展与集群企业i在创新产品上的合作。
不考虑网络中个体间的联系强度①，则主动影响模式下的传导概率为
被动影响模式下的传导概率为
其中Dij表示由结点i向结点j传导的概率，ki表示结点i的度，kj表示结点j的度。
2.2 基于网络结构的集群企业创业传导 考察集群企业二次创业对整个集群的影响时发现，某些集群企业的二次创业行为最终能成功带动整个集群创业升级，而某些集群企业的二次创业行为则无法形成有效的扩散或传播，在集群中的影响极为有限。因此，基于网络结构的集群企业创业传导是指集群企业的创业行为扩散阈值受集群企业网络结构的影响，与复杂社会网络创新扩散网络结构特征影响模式（阈值扩散模型）相耦合，主要考察市场型与中卫型两种集群企业网络结构特征对创业传导过程与效果的影响。反映创业传导的过程与效果的指标包括传导成功率S（受传导的集群创业企业数量）、传导放大系数E（集群企业累积创业行为次数）、传导集中度CV（集群内创业行为的集中趋势，公式如下）。
3 集群企业创业传导仿真模型的研究设计
3.1 集群企业网络模型构建 多主体仿真模型非常适合研究由竞争和互补企业组成的集群所出现的各种现象，对集群创新网络和新产品开发体系这种网络发挥关键作用的复杂适应系统，用多主体仿真模型进行研究是一个正确的选择[21]。集群企业的二次创业行为通过信息流共享、知识传递和学习、多样化行为特征、创新能力以及行为个体间的复杂关系和结构演进[22]在集群企业网络中进行传导。因此，运用仿真方法可以考察“初始条件”和“路径依赖”对集群企业创业传导的影响。本文采用MATLAB7.5对研究模型进行仿真。集群企业创业传导的仿真分为两步，第一步是生成集群企业网络模型，第二步是进行创业行为传导仿真。生成网络模型和仿真都采用蒙特卡洛方法（Monte Carlo method），基于使用马特赛特旋转演算法（Mersenne Twister）产生的均匀分布的伪随机数，根据相应的概率模型来生成网络和仿真。
基于前文所述的集群企业网络与复杂网络的耦合，本部分首先区分两类集群的网络结构，由此在MATLAB中建立两个模型：MC-ER模型和CC-BA模型。在生成网络模型时，我们从一个初始节点开始，按照两类集群网络结构结点连接概率规则（公式（1）和公式（2）），每次加入一个新节点，一直增加到400个节点②。网络模型生成输出两种模型下的网络图和结点度分布图以及网络结点数和网络边的指标。
3.2 创业行为传导模型构建 集群企业创业行为传导的仿真思路是：在两种网络模型情况下，随机设定最先进行创业的集群企业（称为目标结点），初始目标结点数分别设定为初始结点的1%和10%两种情况。根据传导概率D（即前文主动影响模式和被动影响模式两种情况下的传导概率），目标结点对邻居结点（与其有连接的结点）进行创业传导。受到创业传导的邻居结点即为下一次传导过程开始时的目标结点，传导可反复、累积发生。运行后输出n次传导情况下的传导过程图和传导效果图，并输出传导成功率S（受传导的集群创业企业数量）、传导放大系数E（集群企业累积创业行为次数）、创业集中度CV（集群内创业行为的集中趋势）三个指标的值。根据仿真输出的传导过程图，分析传导时间T（传导趋于稳定时的次数）的差异，从而比较出不同网络结构和网络关系下的创业传导时间。
3.3 模型分析方法探讨 通过运用上述模型进行多次仿真，总结两类模型的参数变化情况，进而分析创业行为传导过程差异与效果差异。主要可以从以下三方面进行模型结果的分析。
3.3.1 分析初始目标结点数对传导结果的影响 改变初始目标结点数，分析两类模型在不同影响模式下经过所设定的传导次数后其传导过程的差异。对比主动影响模式下初始目标结点数比例发生变化的两类模型的传导过程图，由此得出传导时间的差异。
3.3.2 分析影响模式对传导结果的影响 改变结点间影响模式（传导概率），分析两类模型在不同初始目标结点数下经所设定的传导次数后，其传导效果的差异。这一分析可以得到关于传导何时达到均衡和均衡情况的结论。基于前文的数据假设，图1给出了关于这一问题分析的一个范例。
对比初始目标结点数为10%时由主动影响转变为被动影响的两类模型的传导效果图（图1的a和b）发现，MC-ER模型和CC-BA模型的集群内不同企业的累积创业次数在被动影响模式下均表现出更为均衡。特别是CC-BA模型，其集群企业累积创业次数在主动影响模式下极度不均衡，而在被动影响模式下则出现了均衡情况。
4 结论与展望
本文从复杂网络视角出发，探讨了集群企业二次创业行为在集群企业网络上的传导现象，并对运用仿真方法模拟传导过程和传导效果的思路和方法进行了分析。研究表明：①在集群企业网络上的创业传导分析存在主动影响和被动影响两类模型；②对于两类模型，可以通过仿真分析初始目标结点数对传导结果的影响；③对于两类模型，仿真方法能分析不同影响模式对传导结果的影响。上述结论为寻找解释具有邻居效应和复杂社会网络结构特征的产业集群企业创业传导现象的方法提供了借鉴，同时基于上述仿真方法的实证研究结论能为相应的集群企业创业政策提供了理论指导。当然，本文主要探讨基于既定集群企业网络这一“初始条件”的创业行为传导“路径依赖”问题。在现实中，集群企业的二次创业行为本身可能在集群内部和集群外部产生新的创业网络，亦即产生集群企业网络的动态性问题。因此，未来研究可在此基础上加以深化。
注释：
①赵正龙（2008）在其研究中说明了两种模式对扩散概率的影响存在显著差别，并将网络中个体联系强度设为任意非负实数，最终得出两种模式下的扩散概率.
②考察真实的产业集群，初步形成企业网络的企业数一般达到400家.
参考文献：
[1]戴维奇，林巧，魏江.集群内外网络嵌入与公司创业——基于浙江省四个产业集群的实证研究[J].科学学研究，2011，29（4）：571-581.
[2]Uzzi B. Social Structure and competition in interfirm networks： the problem of embeddedness [J]. Administrative Science Quarterly， 1997， 42（1）： 35-67.
[3]Powell， W.W.， Koput， K.W.， Smith Doerr， L. Inter-organizational Collaboration and the Locus of Innovation： Networks of Learning in Biotechnology [J].Administrative Science Quarterly， 1996， 41： 116-145.
[4]Hakansson H.， Ford D. How Should Companies Interact in Business Networks [J]. Journal of Business Research， 2002，55（2）， 133-139.
[5]Chiles T.H.， Meyer A.D.， Hench T.J. Organizational emergence： The origin and transformation of Branson， Missour's musical theaters [J]. Organization Science， 2004，15（5）： 497-519.
[6]Flaminio Squazzoni and Riccardo Boero. Economic Performance， Inter-Firm Relations and Local Institutional Engineering in a Computational Prototype of Industrial Districts [J]. Journal of Artificial Societies and Social Simulation， 2002， 5 （1）：31-39.
[7]Francesca Giardini，Gennaro Di Tosto，Rosaria Conte. A Model for Simulating Reputation Dynamics in Industrial Districts [J]. Simulation Modeling Practice and Theory， 2008（16）：231-241.
[8]谭劲松，何铮.集群自组织的复杂网络仿真研究[J].管理科学学报，2009（8）：1-14.
[9]蔡宁，黄纯.集群风险与结构演化的复杂网络仿真研究[J].重庆大学学报（社会科学版），2012，18（1）：5-11.
[10]仇保兴.小企业集群研究[M].上海：复旦大学出版社，1999.
[11]蔡宁，吴结兵.产业集群与区域经济发展——基于“资源—结构”观的分析[M].北京：科学出版社，2007.
[12]Granovetter M. Threshold models of collective behavior [J]. American Journal of Sociology， 1978， 83（6）： 14-20.
[13]Sultan，F.，Farley，J.U.，Lehmann，D.R. A meta-analysis of applications of diffusion models [J]. Journal of Marketing Research， 1990（37）：70-77.
[14]Valente， T.W.， Watkins， S.C.， Jato， M.N. Straten， A. Tsitsol， L.P. Social network associations with contraceptive use among Cameroonian women in voluntary associations[J].Social Science & Medicine， 1997，45（5）：677-687.
[15]Wendt， O.， Westarp， F.V. Determinants of Diffusion in Network Effect Markets [J].2000 IRMA International Conference， Anchorage， USA， 2000： 819-823.
[16]埃弗雷特·M·罗杰斯.创新的扩散[M].北京：中央编译出版社，2002.
[17]Boccalettia， S.，Latorab， C V.， Morenod， E Y.， Chavezf， D M.， Hwang.，U. Complex networks： Structure and dynamics[J].Physics report， 2006， 424：175-308.
[18]钱锡红，徐万里.创新扩散模型及修正综述[J].科技管理研究，2009（2）：17-19.
[19]赵正龙.基于复杂社会网络的创新扩散模型研究[D].上海交通大学，2008.
[20]Jackson， M.O. Rogers， B.W. Relating Network Structure to Diffusion Properties through Stochastic Dominance [J]. Advances in Theoretical Economics， 2007， 7（1）：1-13.
[21]Rosanna Garcia. Use of Agent-Based Modeling in Innovation. New Product development Research [J].The Journal of product innovation management. 2005，22： 380-398
[22]Holland， J. H. Hidden， O. How adaptation builds complexity [M]. New York： Perseus Books，1995.