葉 崢，鄭健壯

?

集群企業(yè)創(chuàng)業(yè)傳導(dǎo)的仿真研究

葉 崢，鄭健壯

(浙江大學(xué)城市學(xué)院，浙江杭州 310015）

集群企業(yè)創(chuàng)業(yè)已成為當(dāng)前產(chǎn)業(yè)集群轉(zhuǎn)型升級的重要路徑。受所在集群企業(yè)網(wǎng)絡(luò)的影響，集群企業(yè)創(chuàng)業(yè)行為決策存在巨大差異?；趶?fù)雜網(wǎng)絡(luò)的分析視角，揭示了集群企業(yè)網(wǎng)絡(luò)與復(fù)雜網(wǎng)絡(luò)模型之間的耦合關(guān)系，運(yùn)用仿真方法構(gòu)建集群企業(yè)網(wǎng)絡(luò)并對集群企業(yè)網(wǎng)絡(luò)中創(chuàng)業(yè)行為的傳導(dǎo)進(jìn)行了模擬，以最終創(chuàng)業(yè)企業(yè)數(shù)、傳導(dǎo)穩(wěn)定期、累積創(chuàng)業(yè)次數(shù)和創(chuàng)業(yè)行為集中度四個指標(biāo)刻畫了集群企業(yè)創(chuàng)業(yè)行為傳導(dǎo)過程和效果。結(jié)論表明：創(chuàng)業(yè)傳導(dǎo)次數(shù)的變化除引起累積創(chuàng)業(yè)次數(shù)發(fā)生幾乎同比例的變化外，不引起其它指標(biāo)顯著變化；增加初始目標(biāo)結(jié)點(diǎn)數(shù)能使傳導(dǎo)更早進(jìn)入穩(wěn)定期且其它指標(biāo)基本保持不變；集群內(nèi)不同企業(yè)的累積創(chuàng)業(yè)次數(shù)在被動影響模式下表現(xiàn)更均衡，且創(chuàng)業(yè)行為集中度降低。

創(chuàng)業(yè)行為；復(fù)雜網(wǎng)絡(luò)；傳導(dǎo)過程；傳導(dǎo)效果；計算機(jī)仿真

0 引言

在中國經(jīng)濟(jì)增速放緩的背景下，對產(chǎn)業(yè)集群的研究已從前期的關(guān)注其形成和競爭優(yōu)勢轉(zhuǎn)變到關(guān)注其轉(zhuǎn)型升級的路徑和政策。溫州柳市低壓電器集群、桐廬發(fā)電設(shè)備集群、南潯木業(yè)集群等多個產(chǎn)業(yè)集群憑借集群企業(yè)的二次創(chuàng)業(yè)實(shí)現(xiàn)集群轉(zhuǎn)型升級。由此可見，集群升級是核心企業(yè)創(chuàng)業(yè)帶動其它企業(yè)創(chuàng)業(yè)的結(jié)果。企業(yè)創(chuàng)業(yè)是集群企業(yè)乃至整個集群實(shí)現(xiàn)升級的關(guān)鍵途徑[1]。集群企業(yè)嵌入在一個以正式和非正式關(guān)系所構(gòu)成的本地網(wǎng)絡(luò)之中，與非集群網(wǎng)絡(luò)成員的企業(yè)相比，其創(chuàng)業(yè)行為決策有著巨大差異。一方面，集群企業(yè)的多重網(wǎng)絡(luò)關(guān)系使得創(chuàng)業(yè)成果的模仿和創(chuàng)新更易發(fā)生。另一方面，作為地方根植性網(wǎng)絡(luò)組織，集群企業(yè)容易出現(xiàn)對既有網(wǎng)絡(luò)的路徑依賴和“鎖定”[2]，從而對企業(yè)創(chuàng)業(yè)行為產(chǎn)生影響?，F(xiàn)有研究已注意到集群企業(yè)網(wǎng)絡(luò)特征與企業(yè)創(chuàng)業(yè)之間的聯(lián)系，但不同研究者基于研究出發(fā)點(diǎn)差異從網(wǎng)絡(luò)關(guān)系或網(wǎng)絡(luò)結(jié)構(gòu)視角進(jìn)行研究得出的結(jié)論卻存在悖論現(xiàn)象。集群企業(yè)網(wǎng)絡(luò)特征最終對整個集群內(nèi)的企業(yè)創(chuàng)業(yè)行為產(chǎn)生何種綜合影響？集群內(nèi)某個企業(yè)的創(chuàng)業(yè)行為具體如何引起其他企業(yè)的創(chuàng)業(yè)行為？這需要一種綜合性的動態(tài)研究視角來加以解決，需要研究的是企業(yè)創(chuàng)業(yè)行為在集群企業(yè)網(wǎng)絡(luò)上的傳導(dǎo)過程及傳導(dǎo)效果問題?；谏鲜?，本文將產(chǎn)業(yè)集群視為復(fù)雜社會網(wǎng)絡(luò)組織分析集群企業(yè)網(wǎng)絡(luò)與復(fù)雜網(wǎng)絡(luò)模型之間的耦合關(guān)系，運(yùn)用仿真方法對集群企業(yè)網(wǎng)絡(luò)中創(chuàng)業(yè)行為的傳導(dǎo)過程進(jìn)行模擬研究，探尋影響集群企業(yè)創(chuàng)業(yè)傳導(dǎo)過程和效果的關(guān)鍵因素，從而為促進(jìn)產(chǎn)業(yè)集群轉(zhuǎn)型升級提供借鑒。

1 集群企業(yè)網(wǎng)絡(luò)與集群企業(yè)創(chuàng)業(yè)

1.1 集群企業(yè)網(wǎng)絡(luò)與復(fù)雜網(wǎng)絡(luò)

在復(fù)雜網(wǎng)絡(luò)的研究中，許多學(xué)者將企業(yè)間關(guān)系看作網(wǎng)絡(luò)，研究企業(yè)網(wǎng)絡(luò)的結(jié)構(gòu)和企業(yè)在網(wǎng)絡(luò)中的位置[3]等因素對企業(yè)績效和市場結(jié)構(gòu)等變量的影響。Hakansson[4]提出了影響網(wǎng)絡(luò)組織結(jié)構(gòu)基本變量（主體和資源）和網(wǎng)絡(luò)構(gòu)成關(guān)系（企業(yè)關(guān)系），將集群網(wǎng)絡(luò)結(jié)構(gòu)視作復(fù)雜網(wǎng)絡(luò)進(jìn)行了研究。一些學(xué)者基于對產(chǎn)業(yè)集群的實(shí)證分析，描述了集群復(fù)雜網(wǎng)絡(luò)的形成[5]，認(rèn)為集群內(nèi)部的異質(zhì)性、局域網(wǎng)絡(luò)性、功能整合性、企業(yè)合作等網(wǎng)絡(luò)特征都能很好的擬合復(fù)雜網(wǎng)絡(luò)系統(tǒng)特征，并從資源、績效和技術(shù)三個維度通過仿真模擬分析集群效益[6]，建立模型模擬了社會評價對集群動態(tài)演化的影響[7]。譚勁松和何錚[8]運(yùn)用復(fù)雜網(wǎng)絡(luò)理論中聚類系數(shù)、度分布、平均路徑長度等指標(biāo)來研究集群自組織過程。基于復(fù)雜網(wǎng)絡(luò)視角，集群企業(yè)網(wǎng)絡(luò)是由網(wǎng)絡(luò)中的結(jié)點(diǎn)（代表集群中的企業(yè)）、網(wǎng)絡(luò)邊（代表企業(yè)之間的關(guān)系）而構(gòu)成，在正常情況下，運(yùn)行于一種自由流（free-flow）狀態(tài)，而且是一種無向圖，不考慮企業(yè)間強(qiáng)弱關(guān)系，即連接邊之間的權(quán)重相等[9]。本部分基于集群企業(yè)網(wǎng)絡(luò)、復(fù)雜網(wǎng)絡(luò)的特征分析揭示了集群企業(yè)網(wǎng)絡(luò)與復(fù)雜網(wǎng)絡(luò)之間的耦合關(guān)系。

1.1.1 市場型集群（MC）與ER模型的耦合

復(fù)雜網(wǎng)絡(luò)中的ER模型是完全隨機(jī)網(wǎng)絡(luò)，由Erdos等開發(fā)。具有兩個重要特性：一是度分布趨于平均。二是結(jié)點(diǎn)之間邊的連接以如下概率出現(xiàn)。

其中，Pi表示結(jié)點(diǎn)i與新結(jié)點(diǎn)的連接概率，N(t)表示t時刻的結(jié)點(diǎn)數(shù)。

市場型集群是企業(yè)之間的關(guān)系以平等的市場交易為主，各生產(chǎn)廠商以水平聯(lián)系來完成產(chǎn)品生產(chǎn)的集群[10]。該類型集群的結(jié)構(gòu)度相對較低，集群企業(yè)間同質(zhì)性較高，雙邊的依賴性不是很強(qiáng)。

市場型集群與ER模型的耦合特征（見表1）表現(xiàn)為，市場型集群中高同質(zhì)性表明企業(yè)與企業(yè)之間相似度高、重要性趨同，以水平聯(lián)結(jié)為主要方式，即在ER模型中結(jié)點(diǎn)度分布相對平均；市場型集群中結(jié)構(gòu)度低表明企業(yè)間鎖定程度、依賴性弱，企業(yè)間關(guān)系的產(chǎn)生不受企業(yè)原有關(guān)系的影響，即在ER模型中結(jié)點(diǎn)之間邊以相同概率聯(lián)結(jié)。

表1 ER模型與市場型集群耦合性判斷

1.1.2 中衛(wèi)型集群（CC）與BA模型的耦合

復(fù)雜網(wǎng)絡(luò)中的BA模型是一個無標(biāo)度網(wǎng)絡(luò)模型，由Barabasi等提出。具有兩個重要特性：一是增長特性，即網(wǎng)絡(luò)規(guī)模是不斷擴(kuò)大的。二是優(yōu)先連接特性，即新的結(jié)點(diǎn)更傾向于與那些具有較高連接度的“大”結(jié)點(diǎn)相連接，連接概率表示如下。

其中，Pi表示結(jié)點(diǎn)i與新結(jié)點(diǎn)的連接概率，表示結(jié)點(diǎn)i的度，中j=1~N（N是已有結(jié)點(diǎn)數(shù)），表示將所有結(jié)點(diǎn)的度加總。

中衛(wèi)型集群是以大企業(yè)為中心、眾多中小企業(yè)為外圍而形成的集群[11]。在該集群中，大企業(yè)處于支配地位，中小企業(yè)處于外圍或下屬，主要為“核心企業(yè)”進(jìn)行特定的專業(yè)化加工，或根據(jù)需要提供專門化產(chǎn)品，或進(jìn)行限制性銷售。該類型集群結(jié)構(gòu)度高，群內(nèi)企業(yè)相互依賴性強(qiáng)，同質(zhì)性低，企業(yè)之間關(guān)系主要是上下游的分工合作。

中衛(wèi)型集群與BA模型的耦合特征（見表2）表現(xiàn)為，中衛(wèi)型集群中同質(zhì)性低表明內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)中存在少量度相對很高的結(jié)點(diǎn)，且大企業(yè)為中心，即在BA模型中存在的具有較高連接度的“大”結(jié)點(diǎn)；中衛(wèi)型集群中網(wǎng)絡(luò)內(nèi)結(jié)構(gòu)度高表明企業(yè)間關(guān)系的產(chǎn)生是以優(yōu)先連接大企業(yè)為標(biāo)準(zhǔn)的，即在BA模型中具有的優(yōu)先連接特性。

表2 BA模型與中衛(wèi)型集群耦合性判斷

1.2 集群企業(yè)創(chuàng)業(yè)傳導(dǎo)與復(fù)雜網(wǎng)絡(luò)創(chuàng)新擴(kuò)散

在集群企業(yè)網(wǎng)絡(luò)與復(fù)雜網(wǎng)絡(luò)耦合的基礎(chǔ)上，本部分進(jìn)一步將集群企業(yè)網(wǎng)絡(luò)上的創(chuàng)業(yè)行為傳導(dǎo)現(xiàn)象和復(fù)雜網(wǎng)絡(luò)上的創(chuàng)新擴(kuò)散現(xiàn)象進(jìn)行耦合分析。復(fù)雜社會網(wǎng)絡(luò)上的擴(kuò)散主要指產(chǎn)品技術(shù)[12-13]、行為策略[14-15]、思想文化[16]和群體現(xiàn)象[17]等在特定網(wǎng)絡(luò)結(jié)構(gòu)的社會網(wǎng)絡(luò)中的傳播。其特征包括三個方面，如表3所示。網(wǎng)絡(luò)中個體間存在相互作用，這是因?yàn)樯鐣W(wǎng)絡(luò)中其他個體的選擇會形成、影響甚至改變個體觀念和態(tài)度，促使其選擇采用或者拒絕[21]。此外，復(fù)雜網(wǎng)絡(luò)上的同步、擴(kuò)散、搜索等各種動力學(xué)行為都在很大程度上受到拓?fù)浣Y(jié)構(gòu)的影響，不同結(jié)構(gòu)的網(wǎng)絡(luò)，其動力學(xué)行為表現(xiàn)出明顯的、本質(zhì)上的差異[22-25]。

表3 復(fù)雜社會網(wǎng)絡(luò)擴(kuò)散的特征

對于集群企業(yè)創(chuàng)業(yè)行為的傳導(dǎo)，集群企業(yè)間的相互作用對于創(chuàng)業(yè)行為的整個傳導(dǎo)過程具有關(guān)鍵作用；集群企業(yè)的創(chuàng)業(yè)行為決策不僅取決于鄰居的選擇，還會受到集群企業(yè)網(wǎng)絡(luò)的復(fù)雜拓?fù)錁?gòu)型的影響；集群企業(yè)的創(chuàng)業(yè)行為選擇受市場機(jī)遇等外部因素與集群外部網(wǎng)絡(luò)的共同影響。上述表明，集群企業(yè)創(chuàng)業(yè)行為的傳導(dǎo)符合復(fù)雜社會網(wǎng)絡(luò)擴(kuò)散的特征，事實(shí)上就是創(chuàng)業(yè)行為在集群企業(yè)網(wǎng)絡(luò)這一復(fù)雜社會網(wǎng)絡(luò)上的傳播與擴(kuò)散。借鑒傳染模型（Epidemic Model）模型的有關(guān)方法，創(chuàng)新擴(kuò)散理論被用來解釋新想法、新實(shí)踐如何在組織內(nèi)和組織間進(jìn)行傳播[26]。趙正龍[27]對復(fù)雜社會網(wǎng)絡(luò)的創(chuàng)新擴(kuò)散研究發(fā)現(xiàn)，鄰居效應(yīng)的強(qiáng)度和復(fù)雜社會網(wǎng)絡(luò)的結(jié)構(gòu)特征對均衡采用者比例有重要影響。鄰居效應(yīng)指鄰居的選擇會形成、影響甚至改變個體觀念和態(tài)度，促使其選擇采用或者拒絕，其基本思想是創(chuàng)新隨著個體間交流溝通而擴(kuò)散。復(fù)雜社會網(wǎng)絡(luò)的結(jié)構(gòu)特征對均衡采用者比例的影響在于其對擴(kuò)散閾值的影響。閾值擴(kuò)散模型表明個體受到其他采用者影響的程度超過某一個閾值，才會采用同樣決策，可用來刻畫個體所受影響的累加效果。閾值擴(kuò)散模型在不同網(wǎng)絡(luò)結(jié)構(gòu)上的應(yīng)用研究表明，閾值與網(wǎng)絡(luò)的結(jié)構(gòu)特征存在顯著關(guān)系，比如擴(kuò)散閾值是由網(wǎng)絡(luò)連通度和擴(kuò)散機(jī)制共同決定的[15]，度分布與結(jié)點(diǎn)度均與擴(kuò)散閾值存在正相關(guān)關(guān)系[28]。

1.2.1 基于網(wǎng)絡(luò)關(guān)系的集群企業(yè)創(chuàng)業(yè)傳導(dǎo)

集群企業(yè)二次創(chuàng)業(yè)的實(shí)踐表明，集群中某些企業(yè)的創(chuàng)新行為直接促成了與其關(guān)聯(lián)的集群外協(xié)企業(yè)的創(chuàng)新行為，是創(chuàng)業(yè)行為在企業(yè)間的擴(kuò)散。因此，基于網(wǎng)絡(luò)關(guān)系的集群企業(yè)創(chuàng)業(yè)傳導(dǎo)是指集群企業(yè)的創(chuàng)業(yè)決策過程容易受到與之聯(lián)系的集群企業(yè)選擇的影響，與復(fù)雜社會網(wǎng)絡(luò)創(chuàng)新擴(kuò)散個體間影響模式（鄰居效應(yīng)）相耦合，主要考察創(chuàng)業(yè)傳導(dǎo)的概率。

在鄰居效應(yīng)中，個體間影響模式存在主動影響與被動影響兩種模式[27]。主動影響模式是指個體會有意識的宣傳自己，尤其是針對性的向重點(diǎn)鄰居個體宣傳自己，從而達(dá)到加強(qiáng)合作的目的。在主動影響模式下，二次創(chuàng)業(yè)的集群企業(yè)有意識的將所開展的創(chuàng)新或風(fēng)險投資活動向自己的關(guān)聯(lián)企業(yè)進(jìn)行傳播，從而進(jìn)一步實(shí)現(xiàn)自身的創(chuàng)新或風(fēng)險投資活動。比如集群企業(yè)i將創(chuàng)新產(chǎn)品向關(guān)聯(lián)企業(yè)j進(jìn)行傳播，并提出在零配件上所需的創(chuàng)新跟進(jìn)，從而進(jìn)一步推進(jìn)創(chuàng)新產(chǎn)品的生產(chǎn)。被動影響模式是指目標(biāo)個體不采取任何有意識的行為去影響創(chuàng)新的擴(kuò)散，擴(kuò)散概率取決于鄰居個體的理性決策過程。在被動影響模式下，二次創(chuàng)業(yè)的集群企業(yè)i不采取任何有意識的行為向關(guān)聯(lián)企業(yè)傳播創(chuàng)新產(chǎn)品，而主要依賴于自身完成創(chuàng)新產(chǎn)品的生產(chǎn)與推廣。此時，與之關(guān)聯(lián)的集群企業(yè)j將綜合自身的企業(yè)間合作情況進(jìn)行理性決策，并可能考慮自身發(fā)展而維持與拓展與集群企業(yè)i在創(chuàng)新產(chǎn)品上的合作。

不考慮網(wǎng)絡(luò)中個體間的聯(lián)系強(qiáng)度①，則主動影響模式下的傳導(dǎo)概率為

被動影響模式下的傳導(dǎo)概率為

公式（4）

1.2.2 基于網(wǎng)絡(luò)結(jié)構(gòu)的集群企業(yè)創(chuàng)業(yè)傳導(dǎo)

考察集群企業(yè)二次創(chuàng)業(yè)對整個集群的影響時發(fā)現(xiàn)，某些集群企業(yè)的二次創(chuàng)業(yè)行為最終能成功帶動整個集群創(chuàng)業(yè)升級，而某些集群企業(yè)的二次創(chuàng)業(yè)行為則無法形成有效的擴(kuò)散或傳播，在集群中的影響極為有限。因此，基于網(wǎng)絡(luò)結(jié)構(gòu)的集群企業(yè)創(chuàng)業(yè)傳導(dǎo)是指集群企業(yè)的創(chuàng)業(yè)行為擴(kuò)散閾值受集群企業(yè)網(wǎng)絡(luò)結(jié)構(gòu)的影響，與復(fù)雜社會網(wǎng)絡(luò)創(chuàng)新擴(kuò)散網(wǎng)絡(luò)結(jié)構(gòu)特征影響模式（閾值擴(kuò)散模型）相耦合，主要考察市場型與中衛(wèi)型兩種集群企業(yè)網(wǎng)絡(luò)結(jié)構(gòu)特征對創(chuàng)業(yè)傳導(dǎo)過程與效果的影響。反映創(chuàng)業(yè)傳導(dǎo)的過程與效果的指標(biāo)包括傳導(dǎo)成功率S（受傳導(dǎo)的集群創(chuàng)業(yè)企業(yè)數(shù)量）、傳導(dǎo)放大系數(shù)E（集群企業(yè)累積創(chuàng)業(yè)行為次數(shù)）、傳導(dǎo)集中度CV（集群內(nèi)創(chuàng)業(yè)行為的集中趨勢，公式如下）。

2 集群企業(yè)創(chuàng)業(yè)仿真模型的研究設(shè)計

2.1 研究模型構(gòu)建

多主體仿真模型非常適合研究由競爭和互補(bǔ)企業(yè)組成的集群所出現(xiàn)的各種現(xiàn)象，對集群創(chuàng)新網(wǎng)絡(luò)和新產(chǎn)品開發(fā)體系這種網(wǎng)絡(luò)發(fā)揮關(guān)鍵作用的復(fù)雜適應(yīng)系統(tǒng)，用多主體仿真模型進(jìn)行研究是一個正確的選擇[29]。集群企業(yè)的二次創(chuàng)業(yè)行為通過信息流共享、知識傳遞和學(xué)習(xí)、多樣化行為特征、創(chuàng)新能力以及行為個體間的復(fù)雜關(guān)系和結(jié)構(gòu)演進(jìn)[30]在集群企業(yè)網(wǎng)絡(luò)中進(jìn)行傳導(dǎo)。因此，運(yùn)用仿真方法可以考察“初始條件”和“路徑依賴”對集群企業(yè)創(chuàng)業(yè)傳導(dǎo)的影響。本文采用MATLAB7.5對研究模型進(jìn)行仿真。集群企業(yè)創(chuàng)業(yè)傳導(dǎo)的仿真分為兩步，第一步是生成集群企業(yè)網(wǎng)絡(luò)模型，第二步是進(jìn)行創(chuàng)業(yè)行為傳導(dǎo)仿真。生成網(wǎng)絡(luò)模型和仿真都采用蒙特卡洛方法（Monte Carlo method），基于使用馬特賽特旋轉(zhuǎn)演算法（Mersenne Twister）產(chǎn)生的均勻分布的偽隨機(jī)數(shù)，根據(jù)相應(yīng)的概率模型來生成網(wǎng)絡(luò)和仿真。

2.2 生成集群企業(yè)網(wǎng)絡(luò)模型

基于前文所述的集群企業(yè)網(wǎng)絡(luò)與復(fù)雜網(wǎng)絡(luò)的耦合，本部分首先區(qū)分兩類集群的網(wǎng)絡(luò)結(jié)構(gòu)，由此在MATLAB中建立兩個模型：MC-ER模型和CC-BA模型。在生成網(wǎng)絡(luò)模型時，我們從一個初始節(jié)點(diǎn)開始，按照兩類集群網(wǎng)絡(luò)結(jié)構(gòu)結(jié)點(diǎn)連接概率規(guī)則（公式1和公式2），每次加入一個新節(jié)點(diǎn)，一直增加到400個節(jié)點(diǎn)②。網(wǎng)絡(luò)模型生成輸出兩種模型下的網(wǎng)絡(luò)圖和結(jié)點(diǎn)度分布圖（如圖1所示）以及網(wǎng)絡(luò)結(jié)點(diǎn)數(shù)和網(wǎng)絡(luò)邊的指標(biāo)。生成的MC-ER網(wǎng)絡(luò)模型含400個結(jié)點(diǎn)，408條邊，度分布平均（介于0-10之間）；生成的CC-BA網(wǎng)絡(luò)模型含400個結(jié)點(diǎn)，773條邊，存在具有較高連接度的“大”結(jié)點(diǎn)（一般結(jié)點(diǎn)度介于0-20之間，個別結(jié)點(diǎn)的度達(dá)到112）。

MC-ER模型網(wǎng)絡(luò)圖????MC-ER模型結(jié)點(diǎn)度分布圖

CC-BA模型網(wǎng)絡(luò)圖????CC-BA模型結(jié)點(diǎn)度分布圖

圖1 兩類模型的網(wǎng)絡(luò)圖和結(jié)點(diǎn)度分布圖

2.3 創(chuàng)業(yè)行為傳導(dǎo)仿真

集群企業(yè)創(chuàng)業(yè)行為傳導(dǎo)的仿真思路是：在兩種網(wǎng)絡(luò)模型情況下，隨機(jī)設(shè)定最先進(jìn)行創(chuàng)業(yè)的集群企業(yè)（稱為目標(biāo)結(jié)點(diǎn)），初始目標(biāo)結(jié)點(diǎn)數(shù)分別設(shè)定為初始結(jié)點(diǎn)的1%和10%兩種情況。根據(jù)傳導(dǎo)概率D（即前文主動影響模式和被動影響模式兩種情況下的傳導(dǎo)概率），目標(biāo)結(jié)點(diǎn)對鄰居結(jié)點(diǎn)（與其有連接的結(jié)點(diǎn)）進(jìn)行創(chuàng)業(yè)傳導(dǎo)。受到創(chuàng)業(yè)傳導(dǎo)的鄰居結(jié)點(diǎn)即為下一次傳導(dǎo)過程開始時的目標(biāo)結(jié)點(diǎn)，傳導(dǎo)可反復(fù)、累積發(fā)生。運(yùn)行后輸出經(jīng)過50次、100次、200次傳導(dǎo)后③的傳導(dǎo)過程圖和傳導(dǎo)效果圖，并輸出傳導(dǎo)成功率S（受傳導(dǎo)的集群創(chuàng)業(yè)企業(yè)數(shù)量）、傳導(dǎo)放大系數(shù)E（集群企業(yè)累積創(chuàng)業(yè)行為次數(shù)）、創(chuàng)業(yè)集中度CV（集群內(nèi)創(chuàng)業(yè)行為的集中趨勢）三個指標(biāo)的值。根據(jù)仿真輸出的傳導(dǎo)過程圖，分析傳導(dǎo)時間T（傳導(dǎo)趨于穩(wěn)定時的次數(shù)）的差異，從而比較出不同網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)關(guān)系下的創(chuàng)業(yè)傳導(dǎo)時間。依據(jù)上述思想在MATLAB中反復(fù)運(yùn)行仿真過程文件，得到的集群企業(yè)創(chuàng)業(yè)傳導(dǎo)的部分仿真結(jié)果如表4所示。

表4 集群企業(yè)創(chuàng)業(yè)傳導(dǎo)的部分仿真結(jié)果

3 仿真結(jié)果與討論

經(jīng)過對模型的多次仿真發(fā)現(xiàn)，對兩類模型來說，在其他參數(shù)不變的情況下，傳導(dǎo)次數(shù)的變化除了引起E（累積創(chuàng)業(yè)次數(shù)）發(fā)生幾乎同比例的變化外④，對S、T、CV未產(chǎn)生實(shí)質(zhì)影響，不妨認(rèn)為傳導(dǎo)次數(shù)對傳導(dǎo)結(jié)果不會造成異質(zhì)性影響。因此，表4重點(diǎn)列出傳導(dǎo)次數(shù)為50的不同參數(shù)下的仿真結(jié)果，對傳導(dǎo)次數(shù)為100和200的仿真結(jié)果僅列出部分情況以作對比。本部分對仿真模型的初始目標(biāo)結(jié)點(diǎn)數(shù)和影響模式兩類參數(shù)變化及其產(chǎn)生的影響進(jìn)一步分析與討論。

3.1 初始目標(biāo)結(jié)點(diǎn)數(shù)對傳導(dǎo)結(jié)果的影響

MC-ER模型??????CC-BA模型

A：主動影響，初始目標(biāo)結(jié)點(diǎn)1%

MC-ER模型??????CC-BA模型

B：主動影響，初始目標(biāo)結(jié)點(diǎn)10%

MC-ER模型??????CC-BA模型

C：被動影響，初始目標(biāo)結(jié)點(diǎn)1%

MC-ER模型??????CC-BA模型

改變初始目標(biāo)結(jié)點(diǎn)數(shù)，兩類模型在不同影響模式下經(jīng)50次傳導(dǎo)后，其傳導(dǎo)過程的差異如圖2所示。對比主動影響模式下初始目標(biāo)結(jié)點(diǎn)數(shù)由1%增加到10%的兩類模型的傳導(dǎo)過程圖（圖2的A和B）發(fā)現(xiàn)， MC-ER模型的傳導(dǎo)時間T由25次減少到15次，CC-BA模型的傳導(dǎo)時間T由20次減少到15次；對比被動影響模式下初始目標(biāo)結(jié)點(diǎn)數(shù)由1%增加到10%的兩類模型的傳導(dǎo)過程圖（圖2的C和D）發(fā)現(xiàn)，MC-ER模型的傳導(dǎo)時間T由25次減少到15次，CC-BA模型的傳導(dǎo)時間T則由15次減少到10次。因此判定，對于兩類模型，增加初始目標(biāo)結(jié)點(diǎn)數(shù)使傳導(dǎo)更早達(dá)到穩(wěn)定效果。

3.2 影響模式對傳導(dǎo)結(jié)果的影響

改變結(jié)點(diǎn)間影響模式（傳導(dǎo)概率），兩類模型在不同初始目標(biāo)結(jié)點(diǎn)數(shù)下經(jīng)50次傳導(dǎo)后，其傳導(dǎo)效果的差異如圖3所示。對比初始目標(biāo)結(jié)點(diǎn)數(shù)1%時由主動影響轉(zhuǎn)變?yōu)楸粍佑绊懙膬深惸Ｐ偷膫鲗?dǎo)效果圖（圖3的a和b）和對比初始目標(biāo)結(jié)點(diǎn)數(shù)10%時由主動影響轉(zhuǎn)變?yōu)楸粍佑绊懙膬深惸Ｐ偷膫鲗?dǎo)效果圖（圖3的c和d）發(fā)現(xiàn)，MC-ER模型和CC-BA模型的集群內(nèi)不同企業(yè)的累積創(chuàng)業(yè)次數(shù)在被動影響模式下均表現(xiàn)出更為均衡。特別是CC-BA模型，其集群企業(yè)累積創(chuàng)業(yè)次數(shù)在主動影響模式下極度不均衡，而在被動影響模式下則出現(xiàn)了均衡情況。從指標(biāo)值來看，初始目標(biāo)結(jié)點(diǎn)數(shù)1%時，MC-ER模型的CV值從主動影響模式下的0.9512降低到被動影響模式下的0.6063，而集群企業(yè)累積創(chuàng)業(yè)次數(shù)E卻從10388次增加到11630次，說明被動影響模式下集群企業(yè)創(chuàng)業(yè)傳導(dǎo)效果占優(yōu)；CC-BA模型在主動影響模式下的CV值為1.8924，創(chuàng)業(yè)行為趨于集中，而在被動影響模式下的CV值僅為0.3839，創(chuàng)業(yè)行為趨于均衡，且集群企業(yè)累計創(chuàng)業(yè)次數(shù)E從主動影響模式下的13413次增加到被動影響模式下的14117次，說明被動影響模式下的傳導(dǎo)效果占優(yōu)。初始目標(biāo)結(jié)點(diǎn)數(shù)10%時，MC-ER模型的CV值從主動影響模式下的0.9511降低到被動影響模式下的0.5866，而集群企業(yè)累積創(chuàng)業(yè)次數(shù)E卻從13656次增加到14487次，說明被動影響模式下集群企業(yè)創(chuàng)業(yè)傳導(dǎo)效果占優(yōu)；CC-BA模型在主動影響模式下的CV值為1.7968，創(chuàng)業(yè)行為趨于集中，而在被動影響模式下的CV值僅為0.3816，創(chuàng)業(yè)行為趨于均衡，且集群企業(yè)累計創(chuàng)業(yè)次數(shù)E從主動影響模式下的14974次增加到被動影響模式下的16209次，說明被動影響模式下的傳導(dǎo)效果占優(yōu)。因此判定，對于兩類模型，被動影響模式下傳導(dǎo)效果優(yōu)于主動影響模式下的傳導(dǎo)效果。

此外，對于CC-BA模型，根據(jù)圖2可分析得出，將影響模式從主動影響改變成被動影響模式，在1%的初始結(jié)點(diǎn)數(shù)時，創(chuàng)業(yè)傳導(dǎo)時間由20次減少到15次；在10%的初始結(jié)點(diǎn)數(shù)時，創(chuàng)業(yè)傳導(dǎo)時間由15次減少到10次。因此判定，對于CC-BA模型，被動影響模式使創(chuàng)業(yè)傳導(dǎo)進(jìn)程顯著加快，傳導(dǎo)更早達(dá)到穩(wěn)定效果。

MC-ER模型??????CC-BA模型

a：主動影響，初始目標(biāo)結(jié)點(diǎn)1%

MC-ER模型??????CC-BA模型

b：被動影響，初始目標(biāo)結(jié)點(diǎn)1%

MC-ER模型??????CC-BA模型

c：主動影響，初始目標(biāo)結(jié)點(diǎn)10%

MC-ER模型??????CC-BA模型

4 結(jié)論與展望

本文從復(fù)雜網(wǎng)絡(luò)視角出發(fā)，研究了集群企業(yè)二次創(chuàng)業(yè)行為在集群企業(yè)網(wǎng)絡(luò)上的傳導(dǎo)現(xiàn)象，并運(yùn)用仿真方法對傳導(dǎo)過程和傳導(dǎo)效果進(jìn)行了模擬。研究表明：1）對兩類模型，創(chuàng)業(yè)傳導(dǎo)次數(shù)的變化除了引起E（累積創(chuàng)業(yè)次數(shù)）發(fā)生幾乎同比例的變化外，對于集群企業(yè)創(chuàng)業(yè)傳導(dǎo)過程與效果基本沒有影響。2）對于兩類模型，增加初始目標(biāo)結(jié)點(diǎn)數(shù)使達(dá)到相同傳導(dǎo)效果的傳導(dǎo)時間顯著減少，即傳導(dǎo)更早達(dá)到穩(wěn)定效果。3）對于兩類模型，在被動影響模式下集群內(nèi)不同企業(yè)的累積創(chuàng)業(yè)次數(shù)表現(xiàn)出更為均衡，且集群企業(yè)累積創(chuàng)業(yè)次數(shù)顯著增加，即被動影響模式下傳導(dǎo)效果更為均衡和明顯。對于CC-BA模型，隨著影響模式從主動影響變?yōu)楸粍佑绊?，?chuàng)業(yè)行為從趨于集中轉(zhuǎn)變成趨于均衡，創(chuàng)業(yè)傳導(dǎo)進(jìn)程顯著加快，傳導(dǎo)更早達(dá)到穩(wěn)定效果。

本文從理論上解決了傳統(tǒng)分析方法難以對集群企業(yè)創(chuàng)業(yè)傳導(dǎo)路徑和理性選擇行為進(jìn)行客觀有效刻畫的問題，為集群企業(yè)創(chuàng)業(yè)行為及其傳導(dǎo)研究提供了新的視角和理論基礎(chǔ)。本文的結(jié)論不僅能解釋具有鄰居效應(yīng)和復(fù)雜社會網(wǎng)絡(luò)結(jié)構(gòu)特征的產(chǎn)業(yè)集群企業(yè)創(chuàng)業(yè)傳導(dǎo)現(xiàn)象，也為相應(yīng)的集群企業(yè)創(chuàng)業(yè)政策提供了理論指導(dǎo)。例如在激發(fā)集群企業(yè)創(chuàng)業(yè)時，應(yīng)盡可能擴(kuò)大集群內(nèi)初始創(chuàng)業(yè)企業(yè)數(shù)，這樣有利于加快和推動整個產(chǎn)業(yè)集群內(nèi)企業(yè)的創(chuàng)業(yè)傳導(dǎo)進(jìn)程和提高創(chuàng)業(yè)企業(yè)數(shù)量極限值。對于特定規(guī)模的產(chǎn)業(yè)集群，創(chuàng)業(yè)行為在集群企業(yè)間的傳導(dǎo)存在極限值，這符合實(shí)踐中觀察到的不是所有集群企業(yè)都能在發(fā)展中始終采取創(chuàng)新型發(fā)展戰(zhàn)略[31]，總有一些集群企業(yè)會走向衰退或逐漸退出市場。在促進(jìn)集群企業(yè)創(chuàng)業(yè)行為傳導(dǎo)時，應(yīng)更加注重集群企業(yè)合作關(guān)系中的被動影響模式，即在鼓勵和引導(dǎo)集群創(chuàng)業(yè)企業(yè)主動對創(chuàng)新或風(fēng)險投資活動尋找合適的關(guān)聯(lián)企業(yè)的同時，更應(yīng)從整個集群層面促進(jìn)集群企業(yè)提升制定企業(yè)發(fā)展規(guī)劃和戰(zhàn)略的能力，從而促使更多意義上的關(guān)聯(lián)企業(yè)能始終保持對合作方創(chuàng)新或風(fēng)險投資活動的關(guān)注且從長遠(yuǎn)發(fā)展的角度跟進(jìn)創(chuàng)業(yè)活動。

本文主要研究了基于既定集群企業(yè)網(wǎng)絡(luò)這一“初始條件”的創(chuàng)業(yè)行為傳導(dǎo)“路徑依賴”問題。在現(xiàn)實(shí)中，集群企業(yè)的二次創(chuàng)業(yè)行為本身可能在集群內(nèi)部和集群外部產(chǎn)生新的創(chuàng)業(yè)網(wǎng)絡(luò)，亦即產(chǎn)生集群企業(yè)網(wǎng)絡(luò)的動態(tài)性問題。因此，未來研究可在此基礎(chǔ)上加以深化。

[1] 戴維奇,林巧,魏江.集群內(nèi)外網(wǎng)絡(luò)嵌入與公司創(chuàng)業(yè)——基于浙江省四個產(chǎn)業(yè)集群的實(shí)證研究[J].科學(xué)學(xué)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] 譚勁松，何錚.集群自組織的復(fù)雜網(wǎng)絡(luò)仿真研究[J].管理科學(xué)學(xué)報，2009(8):1-14.

[9] 蔡寧，黃純.集群風(fēng)險與結(jié)構(gòu)演化的復(fù)雜網(wǎng)絡(luò)仿真研究[J].重慶大學(xué)學(xué)報（社會科學(xué)版），2012,18(1):5-11.

[10] 仇保興.小企業(yè)集群研究[M].上海：復(fù)旦大學(xué)出版社，1999.

[11] 蔡寧，吳結(jié)兵.產(chǎn)業(yè)集群與區(qū)域經(jīng)濟(jì)發(fā)展——基于“資源—結(jié)構(gòu)”觀的分析[M].北京：科學(xué)出版社，2007.

[12] Karmeshu G D. Stochastic evolution of innovation diffusion in heterogeneous groups: Study of life cycle patterns [J]. IMA Journal of Management Math, 2001, 12(2): 107-126.

[13] Young H P. The Spread of Innovations by Social Learning [M] Lawrence E,et al. The Economy as a Complex Evolving System. Durlauf Oxford University Press, 2003: 267-281.

[14] Banerjee A V. A simple model of herd behavior [J]. The Quarterly Journal of Economics, 1992, 107(3): 797-817.

[15] Morris S. Contagion [J]. Review of Economic Studies, 2000, 67(1): 57-78.

[16] Bikhchandani S, Hirshleifer D, Welch I. A theory of fads, fashion, custom, and cultural change as informational cascades [J]. Journal of Political Economy, 1992, 100(5): 992-1026.

[17] Granovetter M. Threshold models of collective behavior [J]. American Journal of Sociology, 1978, 83(6): 14-20.

[18] 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.

[19] 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.

[20] Wendt, O., Westarp, F.V. Determinants of Diffusion in Network Effect Markets [J].2000 IRMA International Conference, Anchorage, USA, 2000: 819-823.

[21] 埃弗雷特·M·羅杰斯.創(chuàng)新的擴(kuò)散[M].北京：中央編譯出版社，2002.

[22] Strogatz, S.H. Exploring complex networks [J].Nature, 2001,410: 268-276.

[23] Albert, R.and Barabási, A.L. Statistical mechanics of complex networks [J]. Reviews of Modern Physics, 2002,74 (1):47-97.

[24] Newman, M.E.J. The structure and function of complex networks [J].SIAM Review, 2003, 45(2): 167-256.

[25] 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.

[26] 錢錫紅，徐萬里.創(chuàng)新擴(kuò)散模型及修正綜述[J].科技管理研究，2009(2):17-19.

[27] 趙正龍.基于復(fù)雜社會網(wǎng)絡(luò)的創(chuàng)新擴(kuò)散模型研究[D].上海交通大學(xué)，2008.

[28] 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.

[29] Rosanna Garcia. Use of Agent-Based Modeling in Innovation. New Product development Research [J].The Journal of product innovation management. 2005,22: 380-398

[30] Holland, J. H. Hidden, O. How adaptation builds complexity [M]. New York: Perseus Books，1995．

[31] 鄭健壯，葉崢.基于資源觀的產(chǎn)業(yè)集群政策研究[M].上海：三聯(lián)出版社，2008年第1版.

① 趙正龍（2008）在其研究中說明了兩種模式對擴(kuò)散概率的影響存在顯著差別，并將網(wǎng)絡(luò)中個體聯(lián)系強(qiáng)度設(shè)為任意非負(fù)實(shí)數(shù)，最終得出兩種模式下的擴(kuò)散概率。

② 考察真實(shí)的產(chǎn)業(yè)集群，初步形成企業(yè)網(wǎng)絡(luò)的企業(yè)數(shù)一般達(dá)到400家。MATLAB中，生成網(wǎng)絡(luò)的代碼中分別設(shè)置“er_node=400”和“ba_node=400”。

③ MATLAB中，傳導(dǎo)仿真的代碼中分別設(shè)置“reflect_num=0.01（最先進(jìn)行二次創(chuàng)業(yè)的集群企業(yè)比例，其值分別取0.01和0.1）”，“reflect_T=50（傳導(dǎo)次數(shù)，其值分別取50,100和200）”，“reflect_type=0（傳導(dǎo)影響模式的類型，0為主動影響，1為被動影響）”。

④ 如前文所述，在仿真中設(shè)定傳導(dǎo)可反復(fù)、累積發(fā)生，因此集群企業(yè)的累積創(chuàng)業(yè)次數(shù)必然隨傳導(dǎo)次數(shù)發(fā)生幾乎同比例的變化。

A computer Simulation on Entrepreneurial Behavior Diffusion of Firms in Clusters

YE Zheng，ZHENG Jian-zhuang

(Zhejiang University City College, Hangzhou 310015, China)

China is facing issues, such as the rise of energy and raw material price, construction land shortage, energy-saving and emission reduction constraints, Renminbi appreciation, the increase of labor cost, and industrial clusters. The previous growth pattern of high input with low efficiency in China are facing serious challenges and needing transformation and upgrading urgently. The realization of industrial clusters upgrading has become the key to the sustainable development of regional economy. In Changsha machinery industrial cluster, the successful corporate entrepreneurship of the leading firms like Zoomlion, Sany, Sunward have triggered the entrepreneurship of the other firms in the cluster, and contributed to industrial cluster upgrading. In Yueqing electrical industrial cluster, the new business development and continuous technological and management innovation of the focal firms like Delixi, Chint, Heag have stimulated the development of related firms, and promoted the transformation and upgrading of the cluster. Thus, corporate entrepreneurship in clusters is one of the important ways for the transformation and upgrading of industrial clusters in China. Although the existing researches on industrial clusters have already increasingly turned to industrial cluster upgrading, empirical researches on corporate entrepreneurship in clusters primarily use static analysis and cannot answer how entrepreneurship transmissions in firms can help promote the cluster upgrading.

As a matter of fact, entrepreneurial decision-making behaviors are very different by inter-firm networks in industrial clusters. This study takes the entire cluster as the research object and analyzes the coupling features between firm networks of industrial clusters and complex networks. In addition, this study combines the processes of entrepreneurship transmissions of firm networks in clusters with the diffusion processes on complex networks. Matlab simulation platform is used to reproduce two typical network structures of industrial clusters, and simulate the process and effect of entrepreneurship transmissions on firm network. Through theoretical and simulation research, the following conclusions are found:

Entrepreneurship transmissions on firm networks are affected by not only the relational embeddedness of firms in clusters, but also the structural embeddedness of firms in the overall network of clusters. The simulation research shows that the result of entrepreneurship transmissions is better in the central satellite model than in the market model. Corporate entrepreneurship tends to be more concentrated in the central satellite model than the market model. For the two basic cluster network models, the result of entrepreneurship transmissions is better in passive influence mode than in active influence mode. Increasing the initial number of entrepreneurial companies can speed up the entrepreneurship transmissions process to reach the same effect.

Overall, this paper simulates the process of entrepreneurship transmissions on firm networks from a dynamic perspective, and expands the research on cluster transformation and upgrading. The result may extend the current literatures on entrepreneurship policy for industrial clusters.

entrepreneurial behavior; complex network; diffusion process; diffusion effect; computer simulation

中文編輯：杜 ?。挥⑽木庉嫞篊harlie C. Chen

F270

A

1004-6062(2016)04-0173-06

10.13587/j.cnki.jieem.2016.04.022

2013-12-30

2015-12-31

國家自然科學(xué)基金資助項(xiàng)目（71173188）；浙江省科技計劃軟科學(xué)資助項(xiàng)目（2012C35003）；杭州市軟科學(xué)資助項(xiàng)目（20130834M46）

葉崢（1981—），女，浙江金華人；博士，副教授，主要從事產(chǎn)業(yè)集群與區(qū)域經(jīng)濟(jì)研究。