基于社會網絡模型的知識溢出傳導過程研究

劉滿鳳，唐厚興

（江西財經大學 信息管理學院，江西 南昌 330013）

一、引言

知識溢出（knowledge spillover）是知識外部性的一種表現。由于知識是具有“非競爭性”和“非排他性”的公共品特征，使得它很容易被知識主體以外的人獲取和擁有。知識共享的人越多，知識的價值與效用就越大。新知識在從知識源產生到被系統(tǒng)中其他個體所擁有和掌握，主要分為三個過程：知識溢出發(fā)生過程，知識向其他個體溢出的傳導過程以及個體在接收新知識后消化吸收和再創(chuàng)新的過程。其中，知識的傳導過程是知識溢出中的關鍵環(huán)節(jié)，它決定了知識溢出的深度和廣度。因為知識傳導的鏈條越長，能接觸到新知識的元組織就越多，知識就能在更大的范圍內得到擴散和共享；知識傳導的路徑越通暢，知識勢能在傳播過程中的損失就越小，就能以最快的速度在最短的時間內達到吸收知識的元組織。但是，知識溢出的傳導過程卻是一個復雜的不確定性過程，既類似于物理學中電場和磁場的傳播，又類似于醫(yī)學中傳染病的傳播。知識溢出傳導中的影響因素也是眾多的，有社會網絡結構（即網絡中元組織的地理位置）、社會網絡關系（即網絡中元組織之間的關系層次）、社會網絡節(jié)點特征（即網絡的元組織中是否存在領導者）、外部政策等。正如許多研究集群創(chuàng)新和集群網絡的學者所指出的，“集群網絡中的知識轉移和技術創(chuàng)新過程依然是一個黑箱（black box），企業(yè)之間知識的流動和傳遞過程還很不清晰，必須從企業(yè)之間知識轉移的微觀機理進行研究”。因此，通過計算和仿真實驗的方法了解和揭示知識溢出傳導的微觀機理，對于研究知識在一定的社會網絡范圍內的擴散原理是非常必要的。

二、文獻回顧

在知識溢出的傳導過程中，關于新知識的信息是如何傳遞到不同潛在采用者，哪些因素影響潛在采用者的采用決策，這些因素對知識擴散速度和程度產生怎樣的影響，這方面的研究已有不少。許多知識擴散模型來源于Bass擴散模型，Bass模型（Bass，1969）把一項新技術創(chuàng)新或者產品在市場上的擴散速度歸結為兩大因素的影響，一是外部影響，即大眾媒體；二是模仿或者叫內部影響，即人與人之間的口頭交流。[1]該模型主要用于技術擴散期間新采用者的歷史數據的實際值與預測值的相關性以及驗證技術擴散市場的最大潛力值。Bass模型簡單易懂，且有明確的解析表達式，在一些實踐中取得成功地運用，但存在一些缺點：[2]通常只能預測最終成功的技術擴散，不能預測市場中失敗的技術擴散，忽略了技術創(chuàng)新提供者和使用者的交互作用，沒有考慮市場結構等。后續(xù)的研究者都是在Bass模型的基礎上軟化各種限制條件進行改進的。如考慮了采用者偏好的Jeuland模型，[3]納入價格因子的模型，[4]動態(tài)潛在采用者人數的模型，[5]考慮采用者之間的交互和市場結構的模型[6]等。

上述改進模型一般考慮的是不同因素對擴散速度的影響，而沒有考察對擴散程度（即擴散結束時接受知識的個體絕對數目或者是所占比重）的影響，另外也沒有將社會關系網絡納入影響因素中。一方面，由于溢出的知識雖然具有可編碼的知識，但由于人的能力、時間以及經濟上的約束，很多編碼化的知識仍具有很強的個人屬性，因此知識的傳播和學習需要面對面的口頭交流。另一方面，社會比較理論指出，當面臨決策的問題具有模糊性時（由于信息不完全，個體對新知識的預期收益無法判斷），決策者往往基于某種社會關系的啟示，例如，觀察與他有緊密聯系的人中有多少采用該新知識或者了解那些已使用的人對該新知識做出的評價。[7]這說明潛在采用者對新知識信息的了解依賴于社會網絡結構，因此這種結構也就間接影響知識擴散的速度和程度。因而許多學者開始關注社會網絡結構下的知識傳播和擴散問題。如Eric Abrahamson和Lori Rosenkopf(1997)認為以往解釋知識擴散的“追趕過程”（bandwagon process）中并沒有納入社會網絡結構這個因素，而通過這個社會網絡結構可以發(fā)現創(chuàng)新的潛在采用者是如何發(fā)現這些有關創(chuàng)新的信息以及如何導致他們采用這些創(chuàng)新。他們強調，網絡結構特性的微小變化都可能對創(chuàng)新擴散程度產生非常大的影響。[8]Jacob Goldenberg,Barak Libai和Eitan Muller(2001)認為信息的傳播可以描述成一個自適應復雜系統(tǒng)，盡管系統(tǒng)中個體之間的交互很簡單，但是從系統(tǒng)的大范圍來看，可能產生一些難以預料的行為模式。其中最重要的一個問題就是，微觀層面的口頭交流如何影響和控制宏觀層面的效應。他們指出，系統(tǒng)個體之間存在“強聯系”（strong ties）和“弱聯系”（weak ties），并利用隨機元胞自動機模型模擬發(fā)現：（1）外部營銷力量是起作用的，但是在經過了新產品增長周期的早期階段后，這種作用力量迅速消散，強聯系和弱聯系成為推動產品擴散增長的主要力量；（2）強關系的影響隨著個人網絡大小的減少而消散，當個人網絡較小時，弱聯系比強聯系更有利于信息的擴散。[9]

Robin Cowan和Nicolas Jonard(1999,2004)對網絡結構下知識在不同個體之間的擴散問題進行了深入的研究。他們指出，目前的研究缺少關注市場是如何處理信息的，特別是個體之間傳播、交換知識和信息的交流結構。[10-11]這個問題之所以重要，是因為誰與誰相聯系將影響什么樣的信息被傳遞，傳遞多少，如何有效傳遞，而這些又會對系統(tǒng)的整體績效產生怎樣的影響。C&J把社會網絡的形成看成是內生的，致力于研究什么樣的網絡最有效。基于Watts和Strogatz(1998)提出的平均路徑長度（average path length）和內聚度(cliquishness)作為測度網絡效率的指標，[12]與規(guī)則網絡（regular network）和隨機網絡(random network)相比，小世界網絡(small-world network)具有較高的內聚度和較短的平均路徑長度，從而“小世界網絡”最有利于知識擴散。其后，Cowan和Jonard(2006,2008,2009)基于“結構性漏洞”（structural holes）和創(chuàng)新知識分布等視角，探討了知識交易中成員構成、網絡結構、知識的稀缺性等因素的交互及其對知識擴散效率的影響，并從創(chuàng)新與網絡動力學特性、網絡結構演化的關系著手，探討了戰(zhàn)略聯盟中盟員伙伴的選擇問題。[13-15]

P.Morone和Richard Taylor(2004)針對Cowan和Jonard的擴散模型存在的局限性指出，并不是在任何條件下“小世界網絡”都有效，“小世界網絡”的動力學特性不一定與較大的知識差異度相關聯。改變初始知識水平的條件對知識擴散動態(tài)性具有相當大的影響，即如果開始知識勢差很大，擴散后群體將被分成三類：博知型的(knowledgeable)、追趕型的(catching up)和被邊緣化的(Marginalished)。如果減少初始勢差，所有主體試圖趕上，在相對短的時間內所有擴散主體可達到最好的水平。換句話說，主體行為趨同還是異化的關鍵變量是初始的知識差異水平。這個結果表明只有當“交流障礙”被首先克服，“小世界”特性才有助于知識擴散的均衡性。也只有這樣，小世界特性才有助于加快追趕過程，否則就將出現異化路徑。[16]

通過Cowan和Jonard的模型以及Mornone和Taylor模型的比較，發(fā)現兩個模型的差異在于個體之間知識交互行為假設的不同。

國內學者對基于社會網絡結構下的知識擴散問題也進行了許多研究。如胡峰和張黎（2006）指出Cowan和Jonard的模型以及Mornone和Taylor的模型，其知識交互機制建立在“易貨貿易”基礎之上，而這種假設并不一定適合大多數朋友間的知識擴散，同時也沒有考慮到個人或企業(yè)知識保留的行為。因此，他們采用保持總邊數不變，改變鏈接的空間分布的方法來模擬知識在社會網絡中的擴散過程，發(fā)現知識擴散中存在“小世界”現象。[17]李金華和孫東川(2006)基于復雜網絡理論，提出了一種網絡上的知識傳播模型，該模型將由知識擴散所引起的知識增長當作一種知識產品的合作生產，引入C-D生產函數，并分別考察在個體不進行知識自我增長和進行自我增長情況下的知識傳播。研究結果表明，在其他條件相同情況下，網絡的隨機化程度越大，網絡中知識擴散速度越快，知識分布越均勻。[18]陳曉榮（2007）等構建一個知識網絡的計算試驗模型，探討知識網絡間建立知識合作聯系的不同機制對于A網絡和B網絡間知識擴散程度的不同影響，發(fā)現兩個網絡間知識擴散程度受到了兩個網絡間建立合作聯系的主體的屬性，即高知識水平、高中心性和高中介性的影響，并指出通過選擇落后知識網絡中的具有高中心性或高中介性的主體與先進知識網絡中具有高中心性或高中介性的主體建立合作聯系，可以加快網絡間的知識擴散，實現落后知識網絡整體知識水平的快速提升。[19]

以上關于網絡條件下的知識擴散研究，可以概括為兩個方面，一個是關于知識總量不變情況下的知識擴散，它其實是關于個體對新知識信息的了解和接受過程，主要探討采納知識的成本、回報、風險、效率、營銷策略以及個體之間的社會關系對擴散速度和擴散程度的影響；另一個是知識總量增加情況下的知識擴散，比較關注的是在網絡結構下，個體之間的交流引起知識在群體中的擴散以及個體對知識的吸收和再創(chuàng)新，重點探討網絡結構的變化和交互機制對知識擴散速度和效率的影響。本文認為知識在溢出源產生后，首先要被系統(tǒng)中個體所了解，知識溢出的傳導過程實際上是關于知識信息的傳遞過程和個體對知識的認知過程。雖然溢出知識不需要花費成本購買，但學習它是需要付出一定成本的，有的個體會接受知識，而有的會拒絕該知識。只有當個體愿意接受知識后，不同個體才會產生知識的交流和傳遞以及在此基礎上的再創(chuàng)新。上述兩個方面的研究實際上是知識溢出過程的兩個前后相連的階段。

由于社會網絡在知識溢出中的重要作用，本文基于社會網絡結構構建知識傳導過程中的擴散模型，通過仿真研究社會關系層次度、外部政策變化、群體中成員構成、口頭交流效應對知識擴散速度和程度的影響，以揭示知識溢出傳導中的微觀運行過程。

三、模型構建

假設系統(tǒng)中有N個個體。每個個體代表一個結點，個體與個體之間的關系代表邊。它們構成一個無向圖：G(E,V)，E={1,2,…,N}，V={Vi,i∈E}。當節(jié)點i,j之間建立關系時，令d(i,j)=1，否則d(i,j)=0；那么所有建立的邊可表示為Vi={j∈E{i}|d(i,j)=1}i∈E。在Cowan&Jonard模型中，每個個體的朋友是隨機選擇的，但數目相同；在Mornone&Taylor模型中，每個個體的朋友在某一時刻t是固定的，但由于交互，朋友的朋友也可成為朋友，因此一段時間內朋友的個數是動態(tài)變化的。本文認為現實情況下每個個體的朋友數是不同的，考慮到一段時間內出于合作穩(wěn)定的需要，假設這種狀態(tài)保持不變。至于朋友的朋友是否也會成為朋友，我們把這種層次深度作為一個參數q，討論q的大小對知識擴散行為的影響。

個體是否會接受某項知識，對于他來說是一個模糊性的決策問題，從理性人的假設出發(fā)，只要獲取新知識的預期效用大于自己所希望的最低效用，那么他就會接受該知識，否則將拒絕接受。S.A.Delre,Wander Jager和M.A.Janssen(2007)提出的模型中，繼承了Bass模型的思想，將個人偏好和群體影響作為個人決策效用函數的一部分：[20]

本文亦借助于效用函數的思想，將外部影響力（市場營銷、政府政策）和內部影響力（個體所在群體的影響）納入個人決策效用函數。在不同的階段，內外部影響力將處于變化中，它們是時間的函數，因此有：

其中α表示偏好系數，表明個體i受外部影響力的影響程度。

Ui(t)表示t時刻個體i獲得的效用；OUTi(t)表示t時刻個體i受到的外部影響力，且有：

Mi(t)表示t時刻個體i受到外部市場的影響，Pi(t)表示t時刻個體i受到政府政策的影響。

INi(t)表示t時刻個體i受到的內部群體的影響力，它來自于對其產生影響的朋友：

m表示t時刻對個體i產生影響的朋友個數，wij(t)表示t時刻朋友j對個體i的影響度，表明i和j的關系緊密程度；Ij(t)表示t時刻個體j對知識的接受狀況，個體j是否接受知識，取決于他的效用與最低效用的高低，即有：

Ij(t)=1表示接受該知識，Ij(t)=0表示拒絕該知識；Uj(t)表示t時刻個體j所獲得的效用；Umjin(t)表示t時刻個體j所需滿足的最低效用，即一個閾值，它根據此時j的具體情況來確定。例如，當效用是以心理感受來衡量時，依賴于主體的主觀比較；當效用以貨幣形式來衡量時，可采用某個收益率值作為閾值；在S.A.Delre的擴散模型中，閾值反映了個體的社會承受力，因此以個體朋友中已采用知識的人數作為閾值[20]。Ij(t)wij(t)表明只有當i的朋友j擁有了該新知識才會對其產生實際的影響作用；Φi={k|d(i,k)=1}表示個體i的所有朋友。

由于有些個體在使用知識后，實際的效果并不如預期的好，那么他們與其朋友口頭交流時會對其朋友產生負面的影響，因此(3)式可改寫成：

其中：

綜上，最終個體i的效用函數可以表示為：

四、仿真與結果分析

（一）社會關系層次度對擴散速度和程度的影響

本部分主要考察社會關系層次度（參數q）的變化對擴散速度和程度的影響。q表示個體與其它個體連接的層次，代表一種社會關系的緊密程度，q=1，表示個體只與其直接相連的個體成為朋友；q=2，表示個體不僅與其直接相連的個體成為朋友，還與朋友的朋友成為朋友；q=3，表示第三層間接相連的個體也成為自己的朋友。

圖1中的a,b子圖分別表示在有外部影響和無外部影響下，不同社會關系層次度對擴散速度和程度的影響。從圖中可以看出，知識的擴散過程呈現典型的“S”曲線，且q越大，曲線越陡峭。根據“學習型的追趕理論”（Learning theories of bandwagon），由于現實情況中的信息不完全，因此創(chuàng)新知識收益被認為是模糊的，潛在采用者在采用之前必須了解創(chuàng)新知識的信息，而隨著采用者數量的增多，就產生更多關于創(chuàng)新知識收益的信息。[8]當知識從知識源溢出時，q越大，與溢出源直接關聯的個體就越多，由于存在正反饋效應，潛在采用者變成采用者就相對較多，而這些較多的采用者又會對更廣的關聯個體產生正效應，從而導致更多的潛在采用者變成采用者，即形成一種螺旋上升的過程。很明顯，q越大，這種螺旋上升過程越快，即擴散速度和程度越大。當沒有外部市場營銷或政策影響時，對創(chuàng)新知識信息的了解則完全依賴于內部社會關系，那么這種擴散速度和程度的差異隨著q的大小而表現得更加明顯。

圖1 在不同外部影響力下社會關系層次度對知識擴散速度和程度的影響

這給我們的啟示是：雖然Internet的發(fā)展對獲取信息提供了極其便利的條件，但大部分是易編碼的知識。很多時候，上網搜索查找過程是要花費成本的，且出于信任原因，個體在很大程度上仍然依賴自己所在群體的口頭交流。因此，單純從知識信息傳導的過程來看，社會關系層次越廣，越容易獲取創(chuàng)新知識的信息，從而也有利于知識被更多個體采納。

（二）外部影響力（政策變化）對擴散速度和程度的影響

本部分主要考察在其他假設條件不變下，外部政策的突然變動對知識擴散速度和程度的影響。如圖2所示，其基本假設是：在時間T從0到2的過程中,政策保持穩(wěn)定，其后出現不同的政策。其中u1表示發(fā)布關于該知識采用的利好政策，u2表示維持前期政策不變，u3表示發(fā)布關于該知識采用的不利政策。從圖2中可以看出，如果在整個擴散過程中內外部環(huán)境保持穩(wěn)定，知識擴散將呈現穩(wěn)定的“S”曲線，如u2所示；而如果有利好政策，且較大的提高采納者的效用，那么擴散將很快完成，如u1所示；而如果政策的懲罰效用比較大的話，那么擴散趨于減緩，甚至是終止，如u3所示。

圖2 政策因素對知識擴散速度和程度的影響

Bass模型考慮的是一個穩(wěn)定的內外部影響。而出于某些原因，需要加快或延緩甚至停止這種擴散進程，對于政府而言，要加快推廣新知識，必須采取有利的政策，使個體獲得的效用大于他的期望效用，否則收效甚微。例如：雖然在2001年國家就加大了新能源汽車的研發(fā)投入，但是由于政策的不合理，導致新能源汽車技術知識停留在試研階段，其產業(yè)化更是處于初級準備階段。而2009年1月國家推出了汽車產業(yè)振興規(guī)劃，實施新能源汽車戰(zhàn)略，從促進產學研相結合的技術研發(fā)到政府推廣的市場扶持，使更多的企業(yè)意識到該技術的前景并自覺加入其中，使得新能源汽車的發(fā)展大大加速。

從以上分析可以看出，政策是知識擴散過程中產生突變行為的非常重要的影響因素，這為政府推廣新技術知識提供了政策依據。

（三）群體成員構成對知識擴散速度和程度的影響

由于社會關系網絡中，每個個體的特征是不同的，也就是說網絡中各節(jié)點具有不同的影響度。而社會比較理論研究表明，這種社會交流網絡結構影響潛在采用者獲取創(chuàng)新信息的次序，進而影響采用的順序（即知識溢出傳導路徑），間接影響了擴散的速度和程度。因此本部分主要考察群體中成員構成，即溢出源是否為領導者的條件下對知識溢出傳導路徑以及對知識擴散速度和程度的影響。如果溢出源是領導者，假設他對系統(tǒng)內其他成員具有較大的影響力，也具有較廣的社會關系，不妨設其社會聯系層次度q=2。

仿真結果如圖3所示：圖3的a,b子圖分別表示在最低效用（即閾值）逐漸增大的情況下，溢出源是領導者和非領導者對知識擴散速度和程度的影響；nl表示沒有領導者的擴散曲線，yl表示有領導者的擴散曲線。由a,b子圖可以看出，當溢出源為領導者時比不是領導者的情形下，其擴散速度更快和擴散程度更大，且這種差距隨著最低效用的增大而表現得更明顯。因為領導者接觸的個體多且對別的個體產生更強影響力，使知識擴散很容易進行，這類似于市場營銷中的“名人效應”。領導者的存在可以大大加快新知識的擴散。這也部分解釋為什么大企業(yè)的技術知識很快為大家所采納使用，甚至成為行業(yè)標準。這個現象和Eric Abrahamson和Lori Rosenkopf在其文中提到的3個關于知識擴散的事例相吻合。[8]

圖3 群體成員構成對知識擴散速度和程度的影響

為了具體分析這種領導者的存在對溢出傳導路徑所產生的影響，我們假設網絡系統(tǒng)中的節(jié)點數為N=30，分別以1-30給每個節(jié)點編上號碼，且假設溢出源和領導者都是節(jié)點1。利用隨機數生成了對應的影響度矩陣和鄰接矩陣。重新做仿真分析，結果如圖4、圖5所示。在圖4、圖5中，不同形狀的“○”代表在不同時間T時接受知識的節(jié)點；實線段“—”代表兩個節(jié)點之間不僅直接相連，而且先接受知識的節(jié)點會對另一個后接受者產生影響；虛線段“----”代表兩個節(jié)點之間雖然直接相連，但在接受知識時彼此并未相互影響。

在圖4中，我們可以發(fā)現，由于沒有領導者，節(jié)點間的影響只能依靠彼此直接相鄰的節(jié)點，因此，知識溢出的傳導過程呈現明顯的層級現象，類似于一般空間擴散模型所描述的擴散方式。而在圖5中，由于領導者的存在，它的影響力比較大，所以知識溢出傳導過程呈現明顯的跳躍現象，類似于等級空間擴散模型所描述的擴散方式。以節(jié)點16接受知識的傳導過程為例，在沒有領導者時，雖然它和節(jié)點1（溢出源）直接相連，但是由于獲取的效用小于自己的預期效用，所以并未接受知識，直到節(jié)點26（它的朋友）也接受知識后，在節(jié)點1和26的共同影響下，節(jié)點16接受了知識，其他的朋友（節(jié)點9、13、20、27）并未對它接受知識的行為產生影響。而在有領導者時（節(jié)點1），節(jié)點16仍然由于獲取的效用小于自己的預期效用，所以并未接受知識。但是因為領導者的較大影響力，使得與節(jié)點16相連的其他節(jié)點9、13、20、26、27先接受了知識；反過來這些已接受知識的節(jié)點又影響節(jié)點16，使得它接受了知識。兩者比較可以發(fā)現，由于領導者的影響力，知識溢出的傳導路徑發(fā)生了很大變化，知識溢出的速度也明顯加快。

（四）個體之間的口頭交流對知識擴散速度和程度的影響

本部分主要考察個體口頭交流存在負效應時對知識擴散速度和程度的影響。口頭交流的正效應表現的很明顯，然而現實情況下，由于某些個體在采納新知識后，發(fā)現并不符合自己預期，因此可能會向其朋友對該知識做出負面評價，從而影響那些潛在采用者的采納決策，進而影響知識在整個系統(tǒng)中的擴散速度和程度。

在圖6中PU表示只有正影響作用的擴散曲線，NU表示正負影響共存的擴散曲線。假設在每個時間段T上從對潛在采用者的所有產生影響的朋友中隨機選擇若干，這些選出來的朋友將對個體i產生負面影響，a、b、c子圖中的NU曲線分別表示對個體產生負面影響的朋友占比分別為30%、50%和70%的情況。

圖6 口頭交流效應對知識擴散速度和程度的影響

從三個子圖的對比發(fā)現，PU曲線和NU曲線的斜率差距逐漸增大，NU曲線擴散的個體數目在逐漸減小，擴散時間變長，即說明隨著負面影響個體的增多，兩種情形下的擴散速度和程度差異越來越大。如何理解這種現象呢？社會心理學告訴我們，在潛在采用者對創(chuàng)新收益存在模糊性時，他們必須依賴其所在群體來獲取創(chuàng)新知識的信息。在得到新的信息后往往導致這些潛在采用者去修改之前所做的收益評估，從而導致更多的采用者加快或延緩這樣的知識采用，因而“口碑效應”表現得越來越明顯。這也說明社會交流對擴散速度和程度有重要影響，且部分解釋了為什么有些創(chuàng)新知識能完全擴散，而有些只是部分擴散。

五、結論與政策建議

本文主要研究在知識溢出的傳導過程中，社會網絡結構、社會網絡關系、社會網絡節(jié)點的特征、外部政策等因素對知識溢出擴散速度和程度的影響?；贐ass模型的不足，納入了社會關系網絡和效用函數，構建了基于社會網絡結構的知識擴散模型。模擬結果表明：（1）社會關系層次度越大，知識擴散速度和程度越大；（2）外部政策與擴散速度和程度具有同方向關系，且是擴散行為產生突變的重要因素；（3）當系統(tǒng)成員中存在領導者時，知識溢出的傳導路徑明顯改變，擴散速度加快；（4）當個體之間的口頭交流存在負反饋作用時，它明顯降低知識擴散速度和程度，且隨著負反饋個體的增多，這種下降趨勢越大。

以上結論為政府制定促進知識傳播與擴散、促進技術創(chuàng)新政策提供了有益的參考。我們可以發(fā)現：第一，社會關系層次度越大，越有利于知識擴散，而社會關系層次度大小依賴社會信用高低。另外個體之間的口頭交流，除了關于知識本身的優(yōu)劣以外，還有個體本身的信譽和口碑。因此政府應加強信用制度建設，增強社會信用強度，才能降低技術交易成本，促進技術知識擴散。第二，好的外部政策對知識擴散具有非常大的推動作用，如我國2009年推出的鼓勵新能源汽車政策大大促進了新能源汽車技術的研發(fā)和采用，美國《聯邦技術轉移法》規(guī)定的允許國家實驗室的職務發(fā)明人提取一定比例的技術轉移收入，大大促進了研究人員開發(fā)新技術和創(chuàng)造新發(fā)明的積極性等。因此，政府應制定和完善推動技術知識擴散和轉移的政策措施，如制定專門的法律、法規(guī)；鼓勵研究人員創(chuàng)新和實施轉移技術；建立政府技術交易和轉移平臺；鼓勵各種面向社會的技術服務中介組織的產生；在研究型大學設立專利成果管理和轉化辦公室，推動專利商業(yè)化。第三，個體成員中領導者的存在（即明星企業(yè)）會極大地促進知識的擴散進程，因此政府有必要通過政策支持，培育品牌企業(yè)，扶持優(yōu)勢企業(yè)做大做強。這樣的明星企業(yè)獲取外部信息和技術能力比其他企業(yè)更快、更強，通過它的引領示范作用，有利于將外界新思想、新技術較快地傳播到本地其他相關小企業(yè)，從而推動整體技術水平的提高。

[1]Frank M.Bass.A new product growth for model consumer durables[J].Management Science,1969，1(15)：215-227.

[2]Irwin Bernhardt and Kenneth D.Mackenzie.Some problems in using diffusion models for new products[J].Management Science,1972,10(19):187-200.

[3]Abel P.Jeuland.Incorporating Heterogeneity into Parsimonious Models of Diffusion of Innovation[R].Working paper series,no.45.Chicago:University of Chicago Center for Research in Marketing,1981.

[4]Kamakura,W,Balasubramanian,S.Long-term view of the diffusion of durables:a study of role of price and adoption influence processes via test of nested models[J].International Journal of Research in Marketing,1988，(5)：1-13.

[5]Vijay Mahajan and Robert A.Peterson.Innovation diffusion in a dynamic potential adopter population[J].Management Science,1978,11(24):1589-1597.

[6]Joe A.Dodson,Jr.and Eitan Muller.Models of new product diffusion through advertising and word-of-mouth[J].Management Science,1978,11(24):1568-1578.

[7]Burt R.S.Social Contagion and Innovation,Cohesion,versus Structural Equivalence[J].American Journal of Sociology,1987，(92):1287-1335.

[8]Eric Abrahamson,Lori Rosenkopf.Social network effects on the extent of innovation diffusion:a computer simulation[J].Organization Science,1997，(8)：289-309.

[9]Jacob Goldenberg,Barak Libai,Eitan Muller.Talk of the Network:A Complex Systems Look at the Underlying Process of Word-of-Mouth[J].Maketing Letters,2001,(12):211-223.

[10]Robin Cowan and Nicolas Jonard.Network Structure and the Diffusion of Knowledge[R].working paper from Maastricht Economic Research Institute on Innovation and Technology,1999,7.

[11]Robin Cowan and Nicolas Jonard.Network models of innovation and knowledge diffusion[R].working paper from Maastricht Economic Research Institute on Innovation and Technology,2004，No16.

[12]Watts,D and S.Strogatz,Collective Dynamics of Small-world networks[J].Letters to Nature,1998,6(393):440-442.

[13]Robin Cowan,Nicolas Jonard.Structural Holes,Innovation and the Distribution of Ideas[R].Working paper from Maastricht Economic Research Institute on Innovation and Technology 2006.

[14]Robin Cowan&Nicolas Jonard.If the Alliance Fits…:Innovation and Network Dynamics[R].Working paper from Maastricht Economic Research Institute on Innovation and Technology,2008.

[15]Joel Baum,Robin Cowan,Nicolas Jonard.Network-independent Partner Selection and the Evolution of Innovation Networks[R].Working paper from Maastricht Economic Research Institute on Innovation and Technology,2009.

[16]P.Morone,Richard Taylor.Knowledge diffusion dynamics and network properties of face-to-face interactions[J].Journal of Evolutionary Economics,2004，(14)：327-351.

[17]胡 峰，張 黎.知識擴散網絡模型及其啟示[J].情報學報，2006，2(1):109-114.

[18]李金華，孫東川.復雜網絡上的知識傳播模型[J].華南理工大學學報（自然科學版），2006，6(6)：99-102.

[19]陳曉榮，丁 瑨，韓麗川.知識網絡連接機制對知識擴散的影響[J].中國管理科學，2007，10(15)：166-168.

[20]Sebastiano A.Delre,Wander Jager and Marco A.Janssen.Diffusion dynamics in small-world with heterogeneous consumers[J].Computational&Mathematical organization theory,2007,6(13)：185-202.