肖　宇，韓景倜

(1.上海對外經(jīng)貿(mào)大學(xué)商務(wù)信息學(xué)院，上海 201620；2.上海財經(jīng)大學(xué) a.信息管理與工程學(xué)院，b.實驗中心，上海 200433)

?

異質(zhì)閾值決策規(guī)則下的復(fù)雜網(wǎng)絡(luò)擴散

肖宇1，韓景倜2

(1.上海對外經(jīng)貿(mào)大學(xué)商務(wù)信息學(xué)院，上海 201620；2.上海財經(jīng)大學(xué) a.信息管理與工程學(xué)院，b.實驗中心，上海 200433)

基于異質(zhì)閾值模型和平均場理論刻畫了社會網(wǎng)絡(luò)擴散，分析了鄰居效應(yīng)、閾值分布和網(wǎng)絡(luò)度分布對擴散的影響。結(jié)果表明：鄰居效應(yīng)或閾值分布均值的減小將加速擴散及增大均衡狀態(tài)值，閾值分布方差的減小將減緩初始擴散，且滿足一定條件下，將加速擴散收尾過程；鄰居效應(yīng)較弱時，度分布異質(zhì)性的增加將加速初始擴散，反之亦然；鄰居效應(yīng)和閾值分布滿足一定條件時，擴散初始速度將呈現(xiàn)出超指數(shù)增長；鄰居效應(yīng)、閾值分布或度分布的變化均可使擴散均衡狀態(tài)值發(fā)生跳躍式增長。

創(chuàng)新擴散；社會網(wǎng)絡(luò)；鄰居效應(yīng)；社會影響；擴散影響率

0　引言

網(wǎng)絡(luò)結(jié)構(gòu)特征對創(chuàng)新擴散有著重要影響[1-3]，已有大量文獻(xiàn)對此進(jìn)行了研究。如，文獻(xiàn)[4]對比了不同網(wǎng)絡(luò)結(jié)構(gòu)對于反協(xié)調(diào)決策擴散的影響，發(fā)現(xiàn)度分布對全局涌現(xiàn)具有重要影響。文獻(xiàn)[5]研究了具有無標(biāo)度特性的消費者網(wǎng)絡(luò)中的新產(chǎn)品擴散問題，文獻(xiàn)[6]對比了隨機網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)和無標(biāo)度網(wǎng)絡(luò)對具有網(wǎng)絡(luò)外部性的新產(chǎn)品的擴散問題，文獻(xiàn)[7]研究了初始目標(biāo)群體的選擇、小世界效應(yīng)和聚簇結(jié)構(gòu)對創(chuàng)新擴散的影響，文獻(xiàn)[8]研究了兩類信息擴散模型中入度與出度相關(guān)性對信息擴散率的影響。文獻(xiàn)[9]構(gòu)建了基于SIS模型的平均場擴散過程，利用隨機占優(yōu)理論分析了網(wǎng)絡(luò)平均度，度分布異質(zhì)性和“鄰居效應(yīng)”對擴散“相變”的影響，但該文并未分析這些因素對擴散初始速率的影響，也未分析節(jié)點異質(zhì)閾值下的情形。

除網(wǎng)絡(luò)結(jié)構(gòu)因素外，節(jié)點采納傾向的異質(zhì)性也影響著擴散。閾值模型是刻畫這種異質(zhì)性的有力模型之一，大量學(xué)者基于該模型研究了社會網(wǎng)絡(luò)中的擴散現(xiàn)象。如，Valente區(qū)別了社會網(wǎng)絡(luò)中的群體閾值模型和局域閾值模型，認(rèn)為一些行為(如暴力行為)的擴散適用于群體閾值模型，而另一些行為(如避孕措施)的擴散適用于局域閾值模型[10]。文獻(xiàn)[11]比較了社會傳染，社會影響和社會學(xué)習(xí)規(guī)則下的擴散速率，但該文忽略了網(wǎng)絡(luò)度分布的調(diào)節(jié)影響。文獻(xiàn)[12]基于平均場過程分析了具有異質(zhì)閾值的“種子”在不同網(wǎng)絡(luò)平均度下對最終擴散均衡值的影響。但他們并沒有研究具有相同平均值，不同異質(zhì)性的網(wǎng)絡(luò)度分布對擴散均衡值的影響，也沒有研究度分布和“鄰居效應(yīng)”對擴散初始速度的影響。

針對以上研究的不足，本文綜合考慮了鄰居效應(yīng)和異質(zhì)閾值等因素，基于異質(zhì)閾值決策模型，利用平均場理論構(gòu)建了社會網(wǎng)絡(luò)創(chuàng)新擴散過程。重點回答了以下兩方面問題：1)鄰居效應(yīng)、閾值分布和網(wǎng)絡(luò)度分布如何影響動態(tài)均衡；2)鄰居效應(yīng)、閾值分布和網(wǎng)絡(luò)度分布如何影響擴散過程。

1　假設(shè)與模型

1.1社會影響網(wǎng)絡(luò)

文獻(xiàn)[1]和[9]研究了無向網(wǎng)絡(luò)中的擴散問題，無向意味著節(jié)點之間存在著對稱關(guān)系，但現(xiàn)實生活這種關(guān)系往往是不成立的，如Twitter、新浪微博等在線社交網(wǎng)絡(luò)同時設(shè)置了關(guān)注與粉絲，允許關(guān)注群體與粉絲群體的不一致，因此用不對稱關(guān)系刻畫群體中個體的關(guān)系更加合理。

1.2異質(zhì)閾值模型

閾值模型是解釋公共意見形成的重要模型之一，廣泛應(yīng)用于社會網(wǎng)絡(luò)擴散研究。群體中，低閾值個體更早加入特定行為，高閾值個體則在大部分鄰居加入后才決定加入[10]。本質(zhì)上講，閾值模型刻畫了一類依賴于已加入特定行為的鄰居比例進(jìn)行決策的行為擴散現(xiàn)象，合適的群體異質(zhì)閾值分布可解釋個體層行為到集體層行為(如搶劫、出席會議和吸煙等)的形成[13-15]。

假設(shè)節(jié)點i有不變的采納閾值ci，t時刻節(jié)點i采納創(chuàng)新的效用函數(shù)為

πi(t)=f(ki,ai(t))-ci

其中：f(ki,ai)表示鄰居影響規(guī)則，ki為節(jié)點i在其局域環(huán)境中能受到的最大影響量，ai為目前的已存在的影響量，且有f(ki,0)=0；ci為節(jié)點i采納創(chuàng)新的閾值，不失一般性，假設(shè)ci服從截尾的正態(tài)分布：

如果πi(t)≥0，那么節(jié)點i將考慮采納創(chuàng)新，即進(jìn)入決策的下一個階段，反之則保持未采納狀態(tài)。考慮行為慣性和決策變更時間約束等因素的影響，每周期節(jié)點依據(jù)一定規(guī)則進(jìn)行決策，以λ表示狀態(tài)的修正概率。因此，在該決策階段，πi(t)≥0的節(jié)點將以概率λ采納創(chuàng)新。此外將ci=0的節(jié)點視為創(chuàng)新者，即鄰居中尚無采納者時，這部分節(jié)點可能選擇采納創(chuàng)新。

由以上過程可知，網(wǎng)絡(luò)中節(jié)點采納狀態(tài)空間的轉(zhuǎn)變過程與時間無關(guān)，只受局域環(huán)境f(ki,ai(t))影響。

1.3擴散過程

假設(shè)社會群體N足夠大，可利用平均場近似方法將局部影響加總，形成影響網(wǎng)絡(luò)全局的平均場。平均場近似方法作為統(tǒng)計物理中經(jīng)典近似方法之一，已被復(fù)雜網(wǎng)絡(luò)擴散文獻(xiàn)廣泛使用[4,9,16-19]。假設(shè)度分布和節(jié)點鄰居數(shù)量不變，每周期節(jié)點從網(wǎng)絡(luò)中隨機選取一定數(shù)目的個體作為鄰居，觀察他們的采納行為，決定是否采納創(chuàng)新。

令ρk(t)表示t時刻度為k的亞群體擴散率，ρ(t)為t時刻群體總擴散率，則：

(1)

其中,0≤ρk(t)≤1，0≤ρ(t)≤1。

(2)

其中,N·〈k〉為網(wǎng)絡(luò)中的總邊數(shù)，代表了網(wǎng)絡(luò)中可能達(dá)到的最大擴散影響量，此外，θ(t)∈[0,1)。在該網(wǎng)絡(luò)中，擴散影響率是由網(wǎng)絡(luò)度分布和亞群體擴散率構(gòu)成的綜合指標(biāo)，度分布確定的條件下，擴散影響率和亞群體擴散率呈正比關(guān)系，即亞群體擴散率越大，擴散影響率也越大。在本文構(gòu)建的社會網(wǎng)絡(luò)中，θ(t)等價于節(jié)點任意一條邊指向采納者節(jié)點的概率，由此可以得出t時刻度為k的節(jié)點所受期望擴散影響量：

進(jìn)而，可以得到t時刻度為k的亞群體對θ(t)的下一時刻的期望擴散率(下文將之稱為θ(t)的“亞擴散率響應(yīng)函數(shù)”)：

(3)

在此基礎(chǔ)上，也可得下一時刻的期望擴散影響率(下文將之稱為θ(t)的“擴散影響率響應(yīng)函數(shù)”)和總擴散率響應(yīng)函數(shù)：

(4)

t時刻入度為k的亞群體由未采納狀態(tài)轉(zhuǎn)變采納狀態(tài)的瞬時速率可表示為

(5)

再結(jié)合式(2)、(3)和(5)可得擴散影響率和擴散率的瞬時變化率：

(6)

從微觀視角出發(fā)，節(jié)點的狀態(tài)依鄰居規(guī)則轉(zhuǎn)變，因此在該動態(tài)過程存在著節(jié)點狀態(tài)的逆向轉(zhuǎn)變。

由以上過程可知，給定度分布p(k)和鄰居影響規(guī)則，若不考慮時間約束，隨著擴散影響率θ(t)趨于穩(wěn)定，擴散最終將以漸進(jìn)方式達(dá)到某個均衡點[11,19]。如果鄰居的采納行為對節(jié)點采納創(chuàng)新具有積極影響，則為趨同選擇擴散，反之則為差異化選擇擴散[4,20]。本文聚焦于分析趨同選擇下的擴散，即鄰居影響規(guī)則滿足：f(k,a+1)-f(k,a)≥0,?k，并假定鄰居影響規(guī)則為f(k,a)=a·k-β，1≤β<2，β表示鄰居效應(yīng)。下文將綜合利用理論和數(shù)值分析結(jié)合的方法揭示該社會網(wǎng)絡(luò)擴散動態(tài)過程。

2　理論分析

2.1鄰居效應(yīng)

創(chuàng)新擴散異于病毒擴散的一個重要特性在于節(jié)點采納之前對鄰居行為的主動觀察，鄰居效應(yīng)刻畫了鄰居結(jié)構(gòu)對節(jié)點創(chuàng)新采納行為的阻礙作用，在本文中鄰居影響規(guī)則為f(k,a)=a·k-β，其中β代表了鄰居效應(yīng)，隨著它的增大，節(jié)點越傾向于對采納創(chuàng)新持觀望態(tài)度，進(jìn)而影響創(chuàng)新的擴散過程和所能達(dá)到的均衡狀態(tài)。

定理1對于度分布p(k)的網(wǎng)絡(luò)，群體閾值分布均值為μ，方差為σ，鄰居影響規(guī)則f(k,a)=a·k-β，0≤β≤2，則以下命題成立：

由定理1可知，鄰居效應(yīng)的增強會減少擴散達(dá)到的均衡擴散影響率，該結(jié)論符合現(xiàn)實，鄰居效應(yīng)等價于群體規(guī)范的阻礙效應(yīng)，對于一個具有前瞻性、創(chuàng)新性的群體，群體規(guī)范的阻礙效應(yīng)相對較弱，因此該群體中創(chuàng)新事物的擴散過程接近于病毒擴散過程；而對于一個因循守舊的群體，舊的群體規(guī)范將束縛創(chuàng)新事物在群體中的擴散過程，創(chuàng)新事物也難以達(dá)到大規(guī)模的擴散。

定理2如果群體閾值分布均值為μ，方差為σ，鄰居影響規(guī)則f(k,a)=a·k-β，擴新過程為平均場近似過程，當(dāng)β=1時，對于任意的pa(k)和pb(k)，存在：F1(θ)=F2(θ)

證明：將β=1代入F(θ)可得：

即F(θ)與p(k)無關(guān)，因此命題得證。

由定理2可知，由于鄰居效應(yīng)的調(diào)節(jié)作用，在特定情況下，即使存在著入度很大的節(jié)點，網(wǎng)絡(luò)結(jié)構(gòu)也并不對創(chuàng)新的擴散過程產(chǎn)生影響。這種情況下，入度更大的節(jié)點也需要有更多已采納鄰居才會選擇采納創(chuàng)新，因此各亞群體的采納過程是一直的，從而全局的采納過程并不會受到度分布的影響。

2.2異質(zhì)閾值

對于不同的創(chuàng)新或者產(chǎn)品，因其給個體帶來的效用或者成本的差異，其群體閾值分布也存在著差異。如一種產(chǎn)品具有相對較低的價格，則閾值分布均值也相應(yīng)較低，若一種產(chǎn)品具有相對較高的風(fēng)險，則閾值分布均值相應(yīng)較高，由于這種變化并不是線性的，因此也可能造成閾值分布方差的變化。下文將分析這兩個參數(shù)對擴散的影響。

定理3對于度分布為p(k)的網(wǎng)絡(luò)，閾值分布均值為μ，方差為σ，鄰居影響規(guī)則f(k,a)=a·k-β，0≤β≤2，則以下命題成立：

(7)

由定理3可知，群體的閾值分布特征對創(chuàng)新擴散過程存在著影響。對于一種創(chuàng)新，其它條件不變的情況下，如果群體1的閾值分布均值大于群體2,，那么創(chuàng)新在群體1中將擴散得更快；類似地，如果群體1的閾值分布方差大于群體2，那么創(chuàng)新在群體2的擴散初始階段的速度更快，在一定條件下，創(chuàng)新在群體1的擴散完成階段的速度更快。

2.3網(wǎng)絡(luò)結(jié)構(gòu)

網(wǎng)絡(luò)結(jié)構(gòu)決定了節(jié)點的局域環(huán)境，因此影響著節(jié)點的創(chuàng)新采納決策，本文引入度分布以描述網(wǎng)絡(luò)結(jié)構(gòu)，并引入隨機占優(yōu)理論中的二階隨機占優(yōu)、分析度分布異質(zhì)性對擴散的影響。隨機占優(yōu)理論作為一種不確定性條件下的群體決策方法在經(jīng)濟(jì)中被廣泛使用，借鑒其原理，文獻(xiàn)[4]，[9]和[16]將其引入比較不同度分布下決策函數(shù)的期望。下文引入假設(shè)：pa(k)是pb(k)的MPS，且平均度為〈k〉。

定理4對于度分布為pa(k)和pb(k)的網(wǎng)絡(luò)，假如pa(k)是pb(k)的MPS，群體閾值分布均值為μ，方差為σ，鄰居影響規(guī)則為f(k,a)=a·k-β，kmin≤k≤kmax，0≤β<2，則以下命題成立：

2)若β=1，則對于所有的θ∈(0,1)，F(xiàn)a(θ)=Fb(θ)；

證明：首先對F(θ)求θ的一階導(dǎo)和二階導(dǎo)：

令：

不妨假設(shè)UF(k;θ)為k的連續(xù)函數(shù)，對UF(k;θ)求k的二階導(dǎo)：

由定理4可知，滿意一定條件時，可比較不同網(wǎng)絡(luò)中的擴散影響率響應(yīng)值。當(dāng)0<β<1，在初始階段的某段時間內(nèi)，必有Fa(θ)≥Fb(θ)，而在后期可能出現(xiàn)Fa(θ)≤Fb(θ)的情形。當(dāng)β=1時，度分布異質(zhì)性并不會對擴散過程產(chǎn)生任何影響。當(dāng)1<β<2時，如果閾值分布函數(shù)和β滿足一定關(guān)系，在整個過程中將有Fa(θ)≤Fb(θ)，即度分布異質(zhì)性的提高抑制了擴散過程。由以上分析可知，當(dāng)0<β<1且滿足一定條件時，F(xiàn)a(θ)與Fb(θ)將相交于一點，原因為：θ較小時，大部分亞群體滿足k1-βθ-μ≤0，此時UF(k;θ)滿足凸性條件，因此度分布異質(zhì)性越高，擴散影響率響應(yīng)值越大；隨著θ的增大，UF(k;θ)的凸性被破壞并將出現(xiàn)拐點，但此階段并不意味著Fa(θ)≥Fb(θ)一定成立；當(dāng)θ繼續(xù)增大到特定值時，大部分亞群體將滿足k1-βθ-μ>0，此時UF(k;θ)滿足凹性條件，因此有Fa(θ)≥Fb(θ)。根據(jù)以上分析，度分布異質(zhì)性影響著擴散影響率加速，因此在給定條件下，可得到利于擴散影響率加速的最優(yōu)度分布。

推論1對于平均度為〈k〉的網(wǎng)絡(luò)族，若群體閾值分布均值為μ，方差為σ，鄰居影響規(guī)則f(k,a)=a·k-β，kmin≤k≤kmax，0≤β<2，則以下命題成立：

2)若β=1，則對于所有的θ∈(0,1)，網(wǎng)絡(luò)度分布異質(zhì)性對擴散影響率增長無影響；

證明：由定理1可反推出本結(jié)論。

由推論可知，根據(jù)條件，最優(yōu)網(wǎng)絡(luò)度分布有兩種，第1種為所有節(jié)點為最小度或者最大度，第2種為所有節(jié)點的度都在平均度附近。第1種度分布代表了度分布最大異質(zhì)性，即鏈接在節(jié)點之間的不均衡分配；第2種度分布代表了度分布最小異質(zhì)性，即鏈接在節(jié)點之間的相對均勻分配。

網(wǎng)絡(luò)度分布異質(zhì)性影響了擴散影響率趨向的均衡值，而擴散影響率是隨時間演進(jìn)的，因此該影響必然體現(xiàn)于擴散過程中。擴散過程可由擴散影響率、擴散影響率增長速度和加速度描述，因此以下分析將圍繞度分布異質(zhì)性對擴散影響率的影響展開。

在擴散的初始時刻：

由定理5可知，度分布異質(zhì)性與鄰居效應(yīng)共同決定了初始擴散影響率加速度。如果鄰居效應(yīng)較弱(0≤β<1)，且創(chuàng)新只能在群體很小范圍內(nèi)擴散，隨著度分布異質(zhì)性的增大，創(chuàng)新越容易在群體中擴散，反之則可能只在群體較小范圍內(nèi)使用。因此，如果創(chuàng)新在規(guī)則網(wǎng)絡(luò)中只能達(dá)到很低的擴散影響率，隨著度分布異質(zhì)性的增大，可能產(chǎn)生二階相變現(xiàn)象，即擴散影響率在經(jīng)過初始階段的低速增長后，迅速增至較大的值，其它條件不變的情況下，二階相變的度分布異質(zhì)性臨界值應(yīng)滿足：

其中,?(t)為擴散影響率的相對加速度，再求其t的一階導(dǎo)：

則?(t)為原點附近的嚴(yán)格減函數(shù)，若μ≤0，則對于任意度分布異質(zhì)性的網(wǎng)絡(luò)，擴散初始階段的擴散影響率呈現(xiàn)亞指數(shù)增長。

定理6給定網(wǎng)絡(luò)度分布p(k)與平均度〈k〉，閾值分布均值μ>0，方差為σ，鄰居影響f(k,a)=a·k-β,0≤β<1，則以下陳述成立：

定理6表明，在鄰居影響規(guī)則f(k,a)=a·k-β,0≤β<1下的初始階段影響率增長可能出現(xiàn)的兩種特性：減速增長或超指數(shù)增長，且度分布異質(zhì)性對減速增長有削弱效果，對超指數(shù)增長則有放大效果。對于具有相同平均度的無標(biāo)度網(wǎng)絡(luò)、指數(shù)網(wǎng)絡(luò)和規(guī)則網(wǎng)絡(luò)，初始階段無標(biāo)度網(wǎng)絡(luò)中擴散可能呈現(xiàn)出超指數(shù)增長，而其它網(wǎng)絡(luò)卻無顯著擴散。其原因在于異質(zhì)網(wǎng)絡(luò)中初始階段有更大比例的大入度節(jié)點采納創(chuàng)新，因此擴散影響率增長速度更大。

3　數(shù)值分析

不同鄰居效應(yīng)、閾值分布和度分布的社會網(wǎng)絡(luò)擴散具有不同的特性，其中擴散所能達(dá)到的均衡狀態(tài)是學(xué)者們關(guān)注的重要方面之一。為此，本小節(jié)著眼于回答如下問題：在一定的鄰居效應(yīng)和異質(zhì)閾值分布下，度分布對創(chuàng)新擴散均衡狀態(tài)有何影響？已有文獻(xiàn)利用一階和二階隨機風(fēng)險占優(yōu)理論回答了類似問題[4，19]，但其前提條件過于苛刻，如，在定義域內(nèi)風(fēng)險函數(shù)的凹性和凸性，度分布密度函數(shù)之間的風(fēng)險占優(yōu)關(guān)系等等。此外，均值或方差只是刻畫密度分布函數(shù)的關(guān)鍵指標(biāo)之一。然而，社會網(wǎng)絡(luò)擴散內(nèi)在復(fù)雜性難以保證這些前提條件，因此也難以對鄰居效應(yīng)、閾值分布、度分布與擴散均衡狀態(tài)之間的關(guān)系下定論。為了彌補這個不足，本小節(jié)在前文建立的動態(tài)擴散過程基礎(chǔ)上，結(jié)合實際確定了合適的參數(shù)范圍，進(jìn)行了大量的數(shù)值模擬，以更直觀地呈現(xiàn)它們之間的關(guān)系。值得注意的是，以下分析聚焦于討論最小均衡點，即無外部驅(qū)動力作用下，創(chuàng)新在群體中的潛在擴散范圍。

根據(jù)創(chuàng)新擴散理論，在創(chuàng)新進(jìn)入群體的初始階段，少量創(chuàng)新者無需參照他人的行為進(jìn)行采納決策，并認(rèn)為創(chuàng)新者占群體的比例為2.5%。另外，根據(jù)文獻(xiàn)[7]，對于技術(shù)創(chuàng)新產(chǎn)品，存在一定比例的“發(fā)燒友”，這部分人的采納決策也無需參照他人的行為，且該文將“發(fā)燒友”的比例設(shè)定為群體的2.5%。由于本文的目的在于呈現(xiàn)度分布對于均衡狀態(tài)的影響，本文將初始采納率適當(dāng)進(jìn)行放大，設(shè)置為21.2%。

表1　參數(shù)設(shè)置

此外，分別取范圍為1≤k≤99的度分布密度函數(shù)為(或近似為)：泊松分布、指數(shù)分布、二項分布和冪律分布。從0至2間隔0.04對β分別取值，最終計算出閾值分布和度分布密度函數(shù)下，鄰居效應(yīng)值對應(yīng)的均衡ρ*，具體參數(shù)參照表1。此外，本文基于平均場近似方法得出擴散過程，而平均場近似中的網(wǎng)絡(luò)結(jié)構(gòu)是動態(tài)變化的。然而，大部分現(xiàn)實世界網(wǎng)絡(luò)在一定時期內(nèi)都是固定不變了。因此，其它條件保持的情況下，本節(jié)構(gòu)建仿真程序探索了固定網(wǎng)絡(luò)中的擴散均衡。其中，固定網(wǎng)絡(luò)基于配置網(wǎng)絡(luò)生成算法產(chǎn)生，對應(yīng)為平均場過程的度分布。這些分布函數(shù)的自變量均為從1到99的整數(shù)，因此它們?yōu)閷?yīng)分布函數(shù)的近似，該方法參照文獻(xiàn)[9]。此外，均衡值為對應(yīng)10次仿真的平均。圖1a，2a和3a為平均場過程下的均衡值，圖1b,2b,3b為仿真過程的均衡狀態(tài)。

本文數(shù)值分析的目的在于揭示參數(shù)對各分布下均衡狀態(tài)的影響，由于它們之間的影響關(guān)系較為復(fù)雜，難以直接從靜態(tài)的數(shù)值關(guān)系中得出結(jié)論，因此本文選用關(guān)鍵的圖形以更加直觀地呈現(xiàn)這種關(guān)系。圖1為閾值分布為μ=0.8,σ=1的情形，從中可觀察到度分布、鄰居效應(yīng)和均衡狀態(tài)之間有以下關(guān)系：1)各度分布下的均衡狀態(tài)值ρ*均隨β增大而減小，這與定理1一致；2)當(dāng)β在0附近時，各度分布下的均衡值由大到小依次為：二項分布、泊松分布、指數(shù)分布和冪律分布。但隨著β增大至1，這種關(guān)系將向相反方向轉(zhuǎn)變。3)雖然不同的度分布之間滿足二階風(fēng)險占優(yōu)關(guān)系，但并不能據(jù)此得到0≤β<2下的均衡狀態(tài)大小關(guān)系的一般規(guī)律，如指數(shù)分布是泊松分布的MPS，二項分布是指數(shù)分布的MPS，但指數(shù)分布的均衡值并不介于泊松分布和二項分布之間。此外，通過計算各度分布的峰度和偏度可知，各度分布在大部分β下的均衡值大小關(guān)系和偏度、峰度的排序一致。4)對比平均場和仿真情況可以發(fā)現(xiàn)，兩者在不同β下的均衡值大致相等，且大部分β下各度分布的均衡值的關(guān)系基本保持一致。

3.1閾值分布均值的影響

固定σ=1，μ從0.5至2之間均勻取值，步長為0.025，然后計算各組(μ,σ)下不同度分布對于β的均衡狀態(tài)，可觀察到上述3個結(jié)論在0.5≤μ≤1.25時仍然成立。但是，隨著μ的增大，部分結(jié)論將不再成立。

此外，從圖2可以發(fā)現(xiàn)，當(dāng)所有分布下的均衡值在β=0均下降至較小值，且β在0附近時，各度分布下的均衡值由大到小依次為：冪律分布、指數(shù)分布、泊松分布和二項分布。同樣的，這些關(guān)系與仿真過程結(jié)論一致，即存在著均衡值的突然增加。不過，在β=0附近，這種關(guān)系被破壞，可能原因在于柏松和二項分布。

3.2閾值分布方差的影響

固定μ=0.8，σ從0.2至1.6之間均勻取值，步長為0.05，然后計算各組(μ,σ)下不同度分布對于β的均衡狀態(tài)。總體而言，σ的調(diào)節(jié)影響與β恰好相反，即在一定范圍內(nèi)，以上4個結(jié)論均成立，但是，隨著σ的減小，部分結(jié)論不再成立，如圖3，σ的減少同樣導(dǎo)致了均衡值的跳躍性變化，而且這種跳躍性變化也將改變各分布下均衡值的大小關(guān)系。

通過以上分析發(fā)現(xiàn)，調(diào)節(jié)鄰居效應(yīng)、閾值分布和度分布，可使擴散發(fā)生二階相變，即創(chuàng)新在群體小范圍中經(jīng)歷緩慢增長之后，突然擴散至群體較大范圍。該結(jié)論可解釋為何一些創(chuàng)新可在群體中擴散至較大范圍，而另一些卻擴散失敗。因此，根據(jù)以上分析，在考慮群體影響特性的基礎(chǔ)上，可通過改變?nèi)后w閾值，如降低成本或增強創(chuàng)新的非外部性功能，使創(chuàng)新的均衡狀態(tài)值跳躍至一個較大比例。

4　結(jié)論

本文建立了包含網(wǎng)絡(luò)度分布和異質(zhì)閾值的創(chuàng)新擴散模型，基于此分析了度分布異質(zhì)性與鄰居效應(yīng)對擴散均衡和初始階段擴散的影響，結(jié)果表明：1)當(dāng)鄰居效應(yīng)較小時(0≤β<1)，度分布異質(zhì)性越大，創(chuàng)新越容易在群體內(nèi)較大范圍擴散，且隨著度分布異質(zhì)性的提高，可能引發(fā)擴散中的“二階相變”現(xiàn)象；初始增長可能呈現(xiàn)兩種方式：減速增長與超指數(shù)增長，度分布異質(zhì)性的提高會抑制減速增長現(xiàn)象，度分布異質(zhì)性滿足一定條件下初始階段影響率呈現(xiàn)指數(shù)或超指數(shù)增長，而度分布異質(zhì)性的增大同樣會促進(jìn)影響率的超指數(shù)增長；2)當(dāng)β=1時，度分布異質(zhì)性對擴散過程不產(chǎn)生任何影響；3)當(dāng)鄰居效應(yīng)較大時(1<β<2)，度分布異質(zhì)性的提高反而會抑制擴散風(fēng)險率的增長，且會降低初始階段的擴散風(fēng)險率增長速度。此外，通過數(shù)值模擬發(fā)現(xiàn)均衡擴散率受鄰居效應(yīng)、閾值分布和度分布的共同影響，且三者均可使擴散發(fā)生二階相變現(xiàn)象。最后，通過復(fù)雜網(wǎng)絡(luò)仿真實驗驗證了解析結(jié)論。

本研究結(jié)論可為企業(yè)的營銷活動提供參考，鄰居效應(yīng)在擴散中起著重要影響，但應(yīng)視其強度制定具有針對性的營銷策略。

[1]Boccaletti S, Latora V, Moreno Y, et al. Complex networks: structure and dynamics[J]. Physics Reports, 2006, 424 (4/5): 175-308.

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

[3]Centola D.The spread of Behavior in an online social network experiment[J]. Science, 2010, 329: 1194-1197.

[4]趙正龍, 陳忠, 孫武軍, 等. 具有差異化選擇特征的復(fù)雜社會網(wǎng)絡(luò)擴散研究[J]. 管理科學(xué)學(xué)報, 2010, 13 (3): 38-48.

Zhao ZhengLong, Chen Zhong, Sun WuJun, et al. Diffusion with property of differential choice in complex social network[J]. Journal of Management Sciences in China, 2010, 13(3):38-48.

[5]Duan W, Chen Z, Liu Z. Efficient target strategies for contagion in scale-free networks[J]. Physical Review E, 2005, 72(2): 26-133.

[6]段文奇, 陳忠. 網(wǎng)絡(luò)效應(yīng)新產(chǎn)品成功的關(guān)鍵: 產(chǎn)品質(zhì)量還是安裝基礎(chǔ)? [J]. 系統(tǒng)工程理論與實踐, 2007, 23(7): 144-148.

Duan WenQi, Chen Zhong. Key factor to drive success of new product with network effects: product quality or installed base? [J]. System Engineering Theory&Practice, 2007, 23(7): 144-148.

[7] Choi H, Kim S H, Lee J. Role of network structure and network effects in diffusion of innovations[J]. Industrial Marketing Management, 2010, 39(1): 170-177.

[8]Ohara K, Kazumi S, Masahiro K, et al. Effect of in/out degree correlation on influence degree of two contrasting in formation diffusion models[C]. SBP 2012, LNCS 7227: 131-138.

[9]Lopez-Pintado D. Diffusion in complex social networks[J]. Games and Economics Behavior, 2008, 62(2): 573-590.

[10] Valente T W. Social network thresholds in the diffusion of innovations[J]. Social Networks, 1996, 18: 69-89.

[11] Young H P. Innovation diffusion in heterogeneous populations:contagion,social influence,and social learning[J]. American Economic Review, 2009, 99(5): 1898-1924.

[12] Gleeson J P, Cahalane D J. Seed size strongly affects cascades on random networks[J]. Physical review E, 2007, 75, 056103.

[13] Granovetter M. Threshold models of collective behavior[J]. American Journal of Sociology, 1978, 83: 1420-1443.

[14] Granovetter M, Song R. Threshold models of interpersonal effects in consumer demand[J]. Journal of Economic Behavior and Organization, 1986, 7: 83-89.

[15] Macy M W. Chains of cooperation:threshold effects in collective action[J]. American Sociology Review, 1991, 56: 730-737.

[16] Lopez-Pintado D. Influence networks[J]. Games and Economics Behavior, 2012, 75: 776-787.

[17] Pastor-Satorras R,Vespignani A. Epidemic dynamics and endemic states in complex networks[J]. Physical Review Letters, 2000, 86(24): 3200-3203.

[18] Dodds P S, Watts D J. Universal behavior in a generalized model of contagion[J]. Pyhsical Review Letters, 2004, 92(21), 218701.

[19] Jackson M O,Yariv L. Diffusion of behavior and equilibrium properties in network games[J]. American Economic Review, 2007, 97(2): 92-98.

[20] Yann B. Anti-coordination and social interactions[J]. Games and Economic Behavior, 2007, 58: 30-49.

(責(zé)任編輯李進(jìn))

Modeling Heterogenous Threshold Rule Based Innovation Diffusion

XIAO Yu1, HAN Jingti2

(1.School of Business Information, Shanghai University of International Business and Economics, Shanghai 201620, China;2.a.School of Information Management and Engeneering， b.Experimental Center, Shanghai University of Finance and Economics, Shanghai 200433, China)

Based on heterogenous threshold model and mean-field theory, we analyse the impact of neighbor effect, threshold distribution and degree distribution on the diffusion process and equilibrium. The result shows that the decrease in neighbor effect or the mean of threshold distribution would speed up the diffusion process and increase the equilibrium value. Besides, the decrease in the variance of threshold distribution would slow down the initial diffusion process, and would also speed up the end-stage diffusion when some conditions are given; if the neighbor effect is low, the increase in the heterogeneity of degree distribution would speed up the initial diffusion stage; the initial diffusion would experience a super-exponential increase stage when a certain relationship between the neighbor effect and the threshold distribution is met; the change in neighbor effect, threshold distribution or degree distribution may lead to a jump increase of the equilibrium value.

innovation diffusion; social network; neighbor effect; social influence; diffusion-Influence rate

1672-3813(2016)03-0047-11;DOI:10.13306/j.1672-3813.2016.03.007

2014-11-17；

2015-12-18

國家自然科學(xué)基金(71271126)；教育部博士點專項科研基金(20120078110002)；上海財經(jīng)大學(xué)第六批研究生科研創(chuàng)新基金(CXJJ-2012-427)；教育部人文社會科學(xué)研究規(guī)劃基金(15YJCZH201)；上海市教育委員會科研創(chuàng)新項目(14YZ134)

肖宇(1986-)，男，江西寧都人，博士，講師，主要研究方向為創(chuàng)新擴散和社會網(wǎng)絡(luò)。

韓景倜(1959-)，男，陜西西安人，博士，教授，主要研究方向為復(fù)雜系統(tǒng)理論、應(yīng)急管理。

F244

A