本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #442
- 日期：2026-03-18
摘要
創新擴散帶來的一個基本難題是，為什麼創新的首次出現和大量人採用它之間往往存在著很長的滯後期。關於這種現象及其可能產生的機制，有大量的理論和實證文獻。這些解釋的一個共同特徵是，代理人之間的異質性是他們在不同時間採用的原因。然而，大多數現有模型以非常有限的方式納入異質性，例如考慮兩個同質的主體群體，或假設異質性由特定的分佈族描述。在本文中，我展示瞭如何將異質性納入行銷、社會學和經濟學的一些基準模型中，而不對基礎參數的分佈施加任何參數限制。由此產生的動力系統出乎意料地易於處理。事實上，其中一些問題可以針對參數值的任何分佈進行明確求解。然後我證明每一類模型都會留下獨特的「足跡」；特別是，它們表現出明顯不同的加速模式，特別是在啟動階段，對參數分佈的假設很少或根本沒有。原因是模型本身俱有根本不同的結構，即使分佈有巨大差異也無法克服。由此可見，只要有足夠的關於擴散過程整體動力學的數據，人們就可以在對參數分佈知之甚少或根本不了解的情況下評估驅動擴散過程的不同機制的相對合理性。雖然這種類型的分析不是一種識別策略，當然不能取代良好的微觀數據，但它在可以獲得此類數據的情況下可能很有用。我將考慮三種基本類型的創新擴散模型，每種模型都源自於創新如何擴散的不同解釋。 1.傳染。當人們接觸到已經採用一項創新的人時，他們就會採用一項創新。 2.社會門檻。當小組中有足夠多的人採用時，人們就會採用。 3.社會學習。一旦人們在先前的採用者中看到足夠的證據來說服他們該創新值得採用，他們就會採用。對於每種類型的模型，我都會展示如何在相當普遍的情況下納入參數的異質性，同時又不失去分析的易處理性；此外，即使存在多種異質性來源，也可以做到這一點。從經濟學的角度來看，在這三種類型的模型中，社會學習可能是最有趣的，因為它基於這樣的假設：代理人使用先前採用者的回報資訊來做出決策。 （另外兩類是基於暴露的概念而不是效用最大化，儘管我們將看到社會閾值模型可以在效用最大化框架中重新解釋。）然而，儘管關於社會學習模型有大量的理論和實證文獻，但令人驚訝的是，先前關於此類模型對採用曲線形狀的影響的研究很少。本文的主要貢獻之一是展示如何以易於分析處理的形式表達這種模型的整體動態，即使代理人之間存在多種異質性來源，包括不同的採用成本、不同的先驗資訊以及與其他群體的不同程度的「聯繫」。分析的一個限制是使用平均場方法，其中假設總體很大並且遇到純粹隨機的情況。相反，如果代理透過固定的社交網路進行交互，則整體動態會更加複雜，並且取決於網路拓撲。在未來的工作中將考慮將該方法擴展到這種情況。