考虑技术体制和需求结构下破坏性创新与产业演化
郁培丽1, 石俊国2, Bert Sadowski3, 向 涛1
(1.东北大学 工商管理学院,沈阳110819;2.江苏大学 财经学院,江苏 镇江212013;3.埃因霍温理工大学 创新科学学院,荷兰 埃因霍温5600MB
【摘要 】通过构建考虑技术体制与需求结构下破坏性创新与产业演化多主体仿真模型,考察技术体制与需求结构在破坏性创新驱动产业演化中的作用。研究发现,随着技术机会不断增加、专有性不断下降,市场结构趋于竞争,破坏性创新对市场的颠覆程度更高,在位企业存活数目和市场份额不断减少,企业的平均年龄不断下降。并且,在需求异质性较高的市场,破坏性创新对产业演化的影响更加显著。
关键词 ：破坏性创新;产业演化;技术体制;需求结构
破坏性创新企业通过提供简单、廉价、使用便捷的产品,对致力于进行延续性创新的大型在位企业造成了颠覆性的打击。自Christensen提出破坏性创新理论以来[1-3],破坏性创新导致的产业变革与产业演化引起了学者、企业家及政府的广泛关注。近期的研究开始从技术体制与需求结构角度关注破坏性创新发生与发展以及对企业绩效的影响[4-9]。然而,较少的研究从中观层面探讨破坏性创新驱动产业演化作用机制,以及技术体制和需求结构在破坏性创新驱动产业演化中的作用。
每逢讲到这些故事时，多半别人都是站在女的一面，说那男子都是念书念坏了，一看了那不识字的又不是女学生之类就生气。觉得处处都不如他。天天总说是婚姻不自由，可是自古至今，都是爹许娘配的，偏偏到了今天，都要自由，看吧，这还没有自由呢，就先来了花头故事了，娶了太太的不回家，或是把太太放在另一个屋子里。这些都是念书念坏了的。
在研究破坏性创新影响产业演化的现有文献中,Adner等[10]假定消费者偏好存在水平差异和纵向差异,构建了不同细分市场的企业竞争博弈模型,通过市场均衡求解和比较静态分析,发现新进入企业对在位企业进行颠覆的条件取决于不同细分市场消费者对产品的质量感知、技术轨道、技术进步速率以及技术成熟程度等因素。该研究考虑了消费者偏好与不同企业的异质性,但仍然是在完全信息的条件下分析市场的均衡条件,并通过比较静态分析的研究方法,对相关因素与市场竞争的关系进行揭示。Huang等[11]构建了能力-产量博弈模型,分别在完全信息静态博弈和非完全信息随机博弈两种情况下分析产业均衡条件。研究发现,市场规模、生产成本和市场不确定性等因素都会不同程度地影响产业均衡(双寡头、半双寡头到多样化竞争等形式的产业均衡结果)。现有研究基本上是从新古典经济学的视角考察破坏性创新导致的产业均衡条件,其特点是假定市场主体是完全理性的,市场存在均衡条件,研究方法侧重于静态或比较静态分析。石俊国等[12]构建了破坏性创新行为与市场绩效关系模型,分别从初创期和成长期考察了颠覆性创新企业的渠道创新、顾客教育、产品改进和战略业务单元建立行为通过影响消费者偏好进而影响企业绩效的作用机理。吴佩等[13]通过构建模型并借助计算机仿真方法,分析了消费者剩余、价格和网络外部性等主流低端市场消费者消费转移的影响。尽管现有研究已经开始假定企业是异质的,认识到这些异质性是驱动产业演化的重要因素,但现有研究仍然是以代表性主体的分析思路,尚未充分揭示企业行为之间的异质性。企业行为的异质性受到了企业面临的技术体制与需求结构的影响[13-18]。在不同的技术体制与需求结构下,破坏性创新企业与延续性创新企业异质性特点的具体体现是怎样的,这种异质性又怎样对产业演化产生影响等问题,尚未有相关研究对这一问题进行探讨。本文通过构建考虑市场主体异质性的多主体仿真模型,考察技术体制与需求结构在破坏性创新影响产业演化中的作用。具体地,本文主要参考“技术-需求”产业演化模型[19],该模型假设产品是由多个产品特征组成的,产品特征的大小代表了企业在该特征方面的技术水平。其中,一个重要的假设在于新进入企业在进入市场时,所有的产品特征均小于市场上现有在位企业的产品特征的最大值。这一假设恰恰是破坏性创新现有研究所强调的。另外,该模型的构建参考了个人电脑产业的演化过程,考虑了新进入企业引入的技术变革在产业演化中带来的破坏性影响。因此,该模型可以很好地刻画破坏性创新及其带来的产业影响。该模型及其变型已经广泛应用于消费者偏好作用的考察[20-21]、环境创新[21-23]、产业变迁[24-25]以及纵向关系演化[22]等方面的研究。Valente模型的另一优点在于该模型基于Marco Valente开发的LSD软件进行仿真,该软件是基于C++语言的多主体仿真软件,其优点在于模型方程、变量定义与初始值设定及模型编纂三部分分离,最大限度地为模型构建与仿真带来便捷和灵活性。另外,该软件也逐渐在破坏性创新相关研究中开始使用,文献[27-28]中考察了相关因素和规制政策在燃料电池汽车与传统能源汽车竞争中,促进新能源技术采用中的作用。
本文从演化经济学视角,对破坏性创新驱动产业演化的机理进行揭示,丰富破坏性创新对产业组织影响的现有理论研究,为政府制定创新驱动战略提供理论参考。
1 模型构建
根据破坏性创新相关研究,本文假定市场上存在在位企业和新进入企业两类企业。其中,在位企业进行延续性创新,沿特定技术轨道提高产品性能;新进入企业进行破坏性创新,破坏或重新定义性能改进模式(轨道)1)。假定每个企业在每一期提供并销售一种产品,每个产品由不同的产品维度(组件、模块、技术)组成,称为产品特征,其性能由产品特征值表示。企业可以通过研发投入提高其产品的特征值,从这个角度讲,产品特征值的隐喻是产品在该特征上的技术水平,表示企业在该产品特征上的研发投入。不同企业按照一定的“惯例”进行研究、开发和营销等行为,其行为存在一定的异质性。
1.1 在位企业研发行为
本文首先在需求结构给定的情况下(需求结构参数θ= 1),考察破坏性创新企业面临的技术体制(技术专有性和技术机会)在产业演化中的作用;然后,将破坏性创新企业面临的技术体制进行分组,并考察需求结构的作用。在考察技术专有性时,假定技术机会参数τ= 0.01,技术专有性参数α= 0.2,0.4,0.5,0.8;在考察技术机会时,假定α= 0.5,τ= 0.001,0.005,0.01,0.05。在考察需求结构的调节作用时,通过对不同技术体制下产业演化结果,将破坏性创新企业面临的技术体制分为两组,在不同组内调整需求结构参数θ ,考察不同需求结构下,不同组的产业演化差异。其他主要参数的初始值设定为：N= 6,Lt= 0.99,ρ= 0.01,ML= 0.99,RR= 1,RK= 0.5,χ= 1,θ= 1,RG= 1,IC= 0.01,AC= 0.3,β= 0.2。同时,本文对其他相关参数进行了不同的赋值,并通过设置不同的种子值,以检验仿真结果的稳健性。
1)新进入企业采用破坏性创新策略,但是否会对在位企业产生颠覆性的影响,需要考虑产品技术性能、市场环境、技术发展速度等因素,本文接下来将对破坏性创新企业对在位企业的颠覆程度进行考察
其中：ms 为当前使用该产品的消费者人数,该变量作为企业可获得的研发资源的代理变量;
为前一期特征i 的值;
为企业投入到特征i 上的研发份额,表示企业在特征i 上的研发集中度,该值会根据市场销量的变动而发生微调,即某个特征被认为是决定销量的关键特征,则
的值就越大。
为企业在产品特征i 方面的技术上限,为保证模型构建更加科学,本文假定在位企业的技术改进幅度是在上一期技术水平的1.5倍范围内。技术水平值
,ν 是一个全局参数,表示创新调整的速度。
Research on the Air Heater and Relevant Steam/Water System HU Lingling(55)
在位企业会根据目标客户的需求,确定进行研发投入的技术领域。企业在特定的产品特征上进行研发投入时存在激进型和防御性两种研发策略行为。激进型研发策略是指企业会在市场上最受欢迎的产品特征上进行研发投资,而防御性研发策略是指在不太重要的产品特征上进行投资。具体地,在每一期,所有进入市场的消费者选择完产品后,系统会对每个产品特征进行一次统计,用p 表示消费者因为该特征而选择该产品的次数,n 为消费者因为该特征而放弃该产品的次数。企业在进行研发策略选择时,会根据产品特征值与p 、n 的加权和,在激进型和防御性两种研发策略中选择适合企业发展的研发策略。
1.2 新进入企业研发行为
与在位企业相比,新进入企业具有研发积累少、经济实力弱等特点,根据文献[2],新进入企业在进入市场时主要进行破坏性创新,即新进入企业并不涉及特别复杂的技术变革,其技术表现形式是将产品元件组装在一起,但相比以前的产品更加简单、使用更方便或更廉价。由于新进入企业在单个产品性能上都劣于市场上领先的在位企业,故破坏性创新首先发生在主流市场的可能性较小;相反,新进入企业提供的是一种完全不同的产品组合,只有远离主流市场或对主流市场没有太大意义的新兴市场,客户才会重视这些产品组合的属性。在模型中,新进入企业通过对在位企业进行模仿,并将在位企业在每个产品特征上的优势进行整合。假定新进入企业在单个产品特征方面获得的特征值在零和市场上该特征的最大特征值之间服从均匀分布,其值等于在位企业最大特征值减去一个随机值,即
尽管新进入企业在单个特征方面不如领先的在位企业,但是如果新进入企业在所有产品特征上均被赋予较高值时,新进入企业的产品整体性能会表现良好,在进入市场时,可能会获得较大的市场份额。企业进入市场后,会在不同的产品特征上进行技术研发投入,并实现产品整体性能的不断提高,以满足更多的主流市场消费者的需求。因此,在本模型中,不管是在低端市场,还是在新兴市场,新进入企业能否对在位企业进行颠覆性打击取决于企业进入市场时所赋予的特征值大小和接下来的技术进步的速度和效果。
本算法可以做进一步扩展设计，前文提到动态加密因子中的登录的用户名可以设置为其他任何动态值、随机字符串等，例如：扩展登录用户名为用户名+年月日、用户名+时分秒等，其中年月日、时分秒这些作为一个动态值是在不断发生变化的，具有一定的随机性，这样密钥的长度和复杂度既得到增加，随机性也得到增强。另外动态加密因子中的可配置的混淆因子可以替换为随机函数，实现起来也比较方便。
企业进入市场后,通过模仿在位企业,不断缩小其与在位企业的技术差距,其技术水平为
消费者偏好由产品特征排序和企业的市场分布(需求结构)决定。其中,产品特征的排序由企业供给决定,企业可以通过研发行为或营销行为影响消费者对产品特征的排序,而需求结构的影响表示市场份额可以作为产品质量的代理变量。即如果消费者很难辨别产品质量时,该消费者做决策的主要参考是其他消费者的购买行为。假定由于企业k 通过对产品特征h 进行营销投入,消费者对特征h 的排序为[RKkhMSk (1-RRkU )]θ ,其中：RK 为企业k 对特征h 进行的营销投入,取值范围为[0,1];MS 为企业的市场份额;RR 为决定消费者偏好随机变动的全局参数;U 在区间[- 0.5,0.5]内服从均匀分布;θ 为消费者的需求结构,其取值范围为[0,∞]。当θ 较大时,说明消费者受到市场领导企业的营销努力的影响较大,需求结构趋向同质;相反,当θ 接近0时,表示消费者对每个产品特征的偏好是相同的,需求结构的异质性最高。当消费者偏好确定后,每一个产品特征被赋予一个值AR 。排序最高特征的AR= 1,排序最低特征的AR= 0,中间的产品特征值按照排序依次递减。当消费者购买产品后,对每个产品特征进行一次修正,用AK 表示,其中,AK=AR (1-ξ )+ξRK ,ξ 为偏好修正的速度。
于2017年8月，随机选3株优势木作为样株，用高枝剪取树冠阳面中上部枝叶，手工摘取饱满无病害叶片20 ～ 30片混合均匀，分别编号，装入密封袋，干冰保温带回。用干净纱布擦净，储藏在-40℃冰箱中。采用丙酮法[20]测定叶绿素含量，使用紫外可见分光光度计(UV-2550)进行测定。
随着企业不断积累研发知识(显性知识和隐性知识),研发能力不断提高。用IC 与AC 分别表示企业研发能力的最小值与最大值,企业在某个特定的产品特征上的技术能力从IC 开始,通过不断地研发投入,以速度β 不断提高,不断达到所有企业中最大的研发能力AC 。研发能力为
式中,RD 为企业的研发投入量。
《方案》还提出，要优先支持“三区三州”深度贫困地区。深入西藏、四省藏区、新疆南疆四地州和四川凉山州、云南怒江州、甘肃临夏州等“三区三州”开展网络扶贫大调研活动。在电信普遍服务中加快“三区三州”贫困村光纤网络建设步伐，优先支持“三区三州”贫困村4G网络建设，实现90%以上建档立卡贫困村通宽带。优先支持“三区三州”贫困村信息化建设，充分发挥高通量卫星比较优势，在教育、医疗等领域加大推广力度。引导基础电信企业、互联网企业深入“三区三州”等深度贫困地区，开展网络通信帮扶。
企业在特定特征上投入的资源越多,则企业在该产品特征方面开发的知识就越多,这些知识反过来增强了企业在该特征方面的技术进步,在研发资源投入一定的情况下,技术能力高的企业会获得更高的研发成果。因此,企业技术能力具有积累性特征。但是当企业在一段时间内不对该特征进行研发投资时,其技术能力也会受到摧毁。技术能力并不代表技术水平的绝对值,只是代表企业提高产品特征技术水平的可能性。例如,破坏性创新企业在进入市场时,在某个(些)产品特征上的技术水平可能相对较高,但是在位企业技术能力较高,而新进入企业的技术能力相对较低时,在位企业比新进入企业在该特征上的技术进步速度更快。
该试验数据不仅可用于甄别假轴货车，而且可用来对车辆超限情况进行判别，以表2和表3的数据为例，车牌为CR2721的车辆的真实轴型为127型，该轴型的总限重为40 t，而1127轴型的限重为48 t，当该车辆载重45.6 t行驶时，放下假轴，限重上升为48 t，车辆为未超限状态，但若收费系统以真实的127型轴型判断，该车辆已超限5.6 t，可追回因超限而逃避的通行费。利用数据分析方式甄别假轴车辆不仅能减少人工成本、提高甄别效率，而且可利用历史记录提高甄别的准确性。
1.3 营销行为
新进入企业和在位企业会根据目标客户的需求特点,借助营销行为,改变或强化目标客户的需求偏好。企业的营销行为是建立在对其目标客户选择行为的基础上,例如,如果90%的消费者选择产品特征3,10%的消费者选择产品特征5,则企业会通过营销行为建议消费者通过第3个特征做选择决策,搁置第5个产品特征。因此,营销投入反映了消费者对产品特征的看重程度,例如,在位企业会强调主流性能所代表的产品特征,而新进入企业会强调附属性能所代表的产品特征。不同企业在产品特征i 上的营销投入为
图3 所示为不同技术机会下各企业的市场销售量随时间演化的结果。由图3可知,在技术机会非常少的情况下(τ =0.001),破坏性创新企业难以进入市场,在位企业最终形成各自的细分市场。因此,在位企业存活的数目较多(10个在位企业中存活3个),企业的平均年龄非常高(444.769)。随着技术机会的不断增加,破坏性创新企业进入市场的机会增加,并对在位企业造成颠覆性的打击。在技术机会等于0.005时,早期进入的破坏性创新企业没有存活下来,但是,随着企业在各产品特征上不断投入研发,各产品特征的性能不断提高,为后来进入的破坏性创新企业整合不同产品特征的技术性能,并进入市场对在位企业进行颠覆奠定了基础。因此,破坏性创新企业于450期左右进入市场后,并不断提高各产品特征的产品性能对在位企业产生了颠覆性的打击。而技术机会参数等于0.01和0.05时,破坏性创新企业面临的技术机会较多,技术进步速度较快,企业进入市场的频率增加,对在位企业进行颠覆的频率也相应提高(见图3)。因此,在技术机会较高的情况下,市场上企业的平均年龄较低,如图4所示,在位企业存活的可能性极低。
1.4 需求结构与消费者偏好
本文考察一个新产品市场的演化情况,根据技术扩散S曲线,假定消费者遵循“扩散模型”依次进入市场。即在第1期,假定市场上存在一个消费者购买产品,在接下来的时间内,该消费者在每期吸引χ 个新的消费者进入市场。该假设的现实依据是：潜在消费者的数量是有限的,潜在消费者变为真实消费者的人数越多,被介绍进入市场的消费者人数越少。市场上消费者的总人数(市场规模)取决于消费者的朋友人数,假定每个消费者的朋友人数是一定的,用参数N 表示。因此,在每一期,消费者能介绍进入市场的朋友数目Nt=Nt- 1-χ 。
产品由ψ 个产品特征组成,消费者根据产品特征的实用性对所有产品进行排序。在消费者认为最重要的产品特征上,消费者会选择该特征的值最大的产品,如果存在多个产品在该特征上的特征值相等,且是最大的,则消费者会使用第二重要的产品特征进行评价,以此类推,直到选出适合消费者的产品为止。
新进入企业在每一期随机进入市场,使用概率α 表示,α 越大,表示企业进入市场越容易。由于新进入企业通过对在位企业进行技术模仿进入市场,在技术专有性较低的市场,技术溢出效应明显,新企业市场进入的频率会相对较大,故企业进入市场的概率α 表示市场的技术专有性水平,α 越大,说明技术专有性越低。
正是由于社会力量的壮大，政府的职能简化但更注重精细化，在有限权责的范围下，政府的职责定位更加细致，现在已有足够的能力解决相应的社会问题，但针对社会问题的治理秩序却还未形成，依旧具有滞后性和懈怠性。政府在不断扩大社会服务量的同时，更要注重社会服务的保障体系和监管机制。治理机制的形成是社会发展的产物，政府的话语权与公信力似乎受到了大众的质疑，政府在治理中存在的不足也正是我们今后在改革过程中所需突破的方向，而在多中心协同治理模式中政府需要发挥更多的监管作用，通过监督和激励机制设置与企业保持良性互动的关系，并约束企业的不良私利行为。
主流市场的消费者可以相对精确地识别产品的各个特征,而在新兴市场,消费者在对产品的各个特征进行识别时存在一些困难,即消费者在对每个产品特征进行评价时存在一定误差,但是通过学习,可以不断地提高对产品特征的识别能力。假定消费者在识别产品特征时得到的产品特征值服从正态分布,均值为产品的真实特征值,方差等于 (1-Lt- 1ML )DL ,其中：ML 为消费者在购买产品时,所有消费者通过学习达到的最高水平;DL 为消费者购买产品时,所有消费者的最大期望误差;Lt 为消费者的学习能力,该变量从一个最低值开始,随着时间不断提高,即随着消费者学习能力的提高,方差会不断下降,消费者对产品特征的识别能力会更加精确。其中,学习能力为
式中,ρ 是递减的学习系数。随着ρ 的不断下降,学习能力不断提高,最终接近1。
积极开展“网络研修+校本研修”活动 学校要充分鼓励教师开展网络支持下的校本研修，为教师提供平台支持，结合备课、上课、评课和班级管理等日常教育教学工作开展常规研修活动，采用同课异构、同行评价、专家与培训者指导等方式，提升教师教育教学技能，加深对自己专业的理解。线下的有组织学习和自主学习加深了教师内化理论的过程，将教师的学习过程、内容记录下来，形成具有本区域特色的资源，构建本土化资源库，有助于未来教师的培训。
本文重点基于公交GPS数据和IC卡刷卡数据，建立公交刷卡乘客上、下车站点识别模型. 上车站点识别包含2个模型分别是基于GPS时间推算和基于IC卡刷卡时间推算，首先对比分析其优缺点，并根据实际数据试算得到的识别率最终确定上车站点识别模型. 下车站点识别模型包含基于出行连续性和出行链识别2个模型，对比分析其优劣并以识别率为判别基准，选取较高者为下车站点识别模型. 最终根据武汉市的的进行实例验证研究.
2 仿真结果分析
2.1 初始值设定与主要观察指标
在位企业进行延续性创新,目的是为了更好地满足当前客户的产品性能需求。由于在位企业引领着行业创新的方向,并且通常会最早使用新技术来改善产品性能,故在位企业的技术改进既包括渐进性改进又包括突破性改进,具体的改进幅度是随机的。由于在位企业在前期获得的市场成功,在位企业在研发投入方面存在更多资源,假定企业研发产出与研发资源的投入存在正相关关系。考虑到产品的各个模块(组件或技术)之间的连接机制,企业在单个产品特征方面的改进幅度受到一定的限制。不断提高技术性能的方式是沿着不同的技术维度进行研发投入,但成本会相对较高或比较耗时。理论上,通过研发得到的产品性能提升水平
本文考察的主要指标有赫芬达尔指数等同数(Inv H)、存活企业数目(Ns )、在位企业存活数目(Ni )与市场份额(msi )、企业平均年龄(Av A)2)以及平均研发集中度(AvC)。其中,赫芬达尔指数等同数是衡量产业集中度的指标,含义为：一个市场中有N 个企业组成,每个企业的市场份额是随机的,据此可以计算出该市场的赫芬达尔指数。假定有M 个市场份额相等的企业组成的市场的赫芬达尔指数也等于H ,则由N 个企业组成的市场的赫芬达尔指数等同数就是M ,其值大小等于赫芬达尔指数的倒数。另外,企业的研发资源主要投向几个产品特征使用平均研发集中度(AvC)表示,该指标表示企业在研发时,主要关注单一产品特征还是同时关注更多的产品特征,使用RDCit 的加权平均数计算。每次运行600期,通过设置不同种子值,每次设定运行5次。
2.2 仿真结果
表1所示为在不同技术体制与需求结构参数下,产业演化的结果。由表1可知,随着技术专有性水平不断下降(α增加),市场竞争激烈程度具有不断加剧的趋势(Inv H趋于增加),市场上存活的企业数目(Ns )趋于增加,但在位企业的数目(Ni )及市场份额(msi )趋于减少,企业的平均年龄(Av A)趋于减小,平均研发集中度(AvC)呈现倒U型特征。随着技术机会的不断增加(τ增加),市场结构逐渐趋于集中(Inv H趋于下降),在位企业的数目及市场份额不断减少,企业的平均年龄不断减小,平均研发集中度不断提高。
表1 产业演化结果
2)在产业演化多主体仿真模型的构建中,企业、消费者的决策均参考本期及上一期的市场信息,因此,从计算机编程技术上来看,时间是离散的,企业和消费者在每一期都会进行新的决策,这也导致了市场的动态性从现实来讲,(市场上所有的)消费者和企业做出市场交易决策的变动也是随时的。在计算机仿真结果中,时间间隔并不表示产业发展过程中的真实年份,可能表示分钟、星期、月份等不同的时间概念;Valente使用电脑行业发展情况,采用1～1 000时间间隔表示电脑行业前50年的发展历程,在作者近期完成的论文中,基于中国手机产业在2G向3G转换中,实现技术赶超的历史背景,设置时间总间隔为1～600,其中时间间隔10大约表示1年
图1所示为不同技术专有性条件下各企业的市场销售量随时间演化的结果。由图1可知,破坏性创新企业在不同时期进入市场,会对市场中的在位企业造成不同程度的影响。一般而言,在500期左右,具有颠覆性影响的破坏性创新企业出现,并很快取代领导企业的地位。在具有颠覆性的破坏性创新企业出现前,当技术专有性较高时(α =0.2),市场领导企业的领导地位容易保持,随着技术专有性的不断下降,领导企业的领导地位越难保持,并且专有性条件越低,领导企业被颠覆的速度越快、可能性越大。随着专有性条件的下降,破坏性创新企业进入市场的频率加快,对市场中的大型在位企业的颠覆效果更加明显。由于破坏性创新对市场的颠覆程度随专有性条件的下降而升高,故在专有性条件较高时,企业平均年龄相对较高;而在专有性条件较低的情况下,企业平均年龄相对较低,且在具有颠覆性的破坏性创新企业出现后,企业平均年龄开始下降,如图2所示。
式中,
为在位企业在某特征上的最高值,因为
是不断增加的,所以RG 的值小于
,但不断接近
。现实中,该公式表示新企业进入市场后的时间越长,对最佳技术的模仿更容易。τ 是新进入企业追赶在位企业的速度,其值越大,说明企业可利用的技术机会越多,越有利于新进入企业发展。因此,本文使用变量τ 表示破坏性创新企业面临的技术机会。
图1 不同专有性条件下各企业销售额的演化
图2 不同技术专有性下企业平均年龄
图3 不同技术机会下各企业销售额的演化
式中：psi 为消费者因特征i 而被选择的次数p 的份额;ϑ 为营销投入调整的速度。
图4 不同技术机会下企业平均年龄
平均研发集中度表示企业在不同产品特征上的研发投入水平,研发集中度越低,说明企业会将研发资源集中于越少的技术领域。表1显示,随着专有性条件的下降,平均研发集中度呈现倒U型特征,这是因为在专有性水平较低时,新企业进入市场比较频繁,市场竞争趋于激烈,企业会在其熟悉的技术领域进行更多的研发投资,一方面,便于发挥技术优势,在该领域成为技术领导企业;另一方面,可以满足其细分市场消费者的需求,保持市场份额。该结果也说明,在市场竞争激烈的情况下,将研发资源分散到不同的技术领域,不利于企业在市场上获得竞争优势。另外,在专有性水平非常高的情况下,新企业难以进入市场,在位企业容易保持其研发优势,且可以在其优势领域获得较高收益,在投资新技术领域方面缺乏激励。因此,在专有性水平较高的情况下平均研发集中度相对较低,只有适当地引入竞争,才能激励市场中的企业不断探索新的技术领域。表1还表明,随着技术机会的不断增加,平均研发集中度不断提高。这说明,随着技术机会的不断增加,创新产出更加容易,企业在保持各自优势领域的同时,也会加大其他相关领域的技术投资,以实现产品质量的全面提高,同时防止现有客户的流失。但这反过来也为破坏性创新企业的成长与发展提供了条件,新进入企业由于研发积累较少、研发基础薄弱等特点,在技术机会较多的情况下,市场上存在大量的研发成果,新进入企业可以很容易地实现技术进步(技术机会的增加为新进入企业进行模仿创新提供了便利条件)。因此,在技术机会相对较高的市场中,破坏性创新企业对在位企业的颠覆频率相对较高。在这种情况下,在位企业不得不继续增加相关技术领域的研发,防止竞争企业的赶超。然而,企业专注于单一技术领域的研发投入,为企业带来了巨大收益,也为破坏性创新企业的进入与成长创造了机会。一方面,在位企业专注于单一技术领域,而忽略在其他技术领域的研发投入,容易形成技术“锁定”,这也是破坏性创新现有文献所证实的;另一方面,不同企业在不同技术领域进行研发投入,为破坏性创新企业在进入市场时获得相对较高的“技术初始值”提供了可能。因此,在各企业的技术投资决策相对稳定时,破坏性创新企业的进入将对在位企业造成颠覆性的打击。对比不同专有性条件下各企业市场份额的演化情况,可以看出,在专有性条件较低时,具有颠覆性的破坏性创新企业出现后,市场领导企业的市场份额急剧下降,市场竞争趋于激烈;而在专有性条件较高时,具有颠覆性的破坏性创新企业出现后,新企业取代原有企业成为市场领导企业,市场竞争程度变化相对较小。
4） 为了减轻厂内消纳浓缩液的负担，可对20%产率的浓缩液进行再次浓缩，可采用的工艺为蒸发。但蒸发工艺投资成本及运行成本太高，而且运行过程中极易结垢，平均3～5 d就得停机清洗1次，故笔者不推荐。
按照演化经济学传统,将破坏性创新技术体制进一步分为组1(技术专有性高、技术机会少)和组2(技术专有性低、技术机会多)3) 根据演化经济学相关研究,组1类似于惯例型技术体制,组2类似于创业型技术体制 ,并考察不同的需求结构参数下,不同技术体制组的演化结果。具体地,技术体制分为：α= 0.2,τ= 0.005;α= 0.8,τ= 0.05两组,需求结构参数θ= 0.1,0.5,1,1.5,2。
由表1可知,在组1的技术体制下(技术专有性高、技术机会少),在位企业相对容易生存,在运行结束时,在位企业存活数目和市场份额相对较多,企业平均年龄也高于组2的技术体制下企业的平均年龄,这进一步说明了“成功孕育成功”的积累机制在组1的技术体制下更容易发挥作用;而在技术机会较多、专有性较低的组2的技术体制下,破坏性创新企业对在位企业的颠覆效应更加明显。另外,在需求结构参数相同的情况下,大多数组2的赫芬达尔指数等同数高于组1的赫芬达尔指数等同数。因此,在组2的技术体制下,市场竞争更加激烈。
本文进一步发现,分别在两组技术体制下,随着θ 不断增加(需求结构趋于同质),赫芬达尔指数等同数具有下降的趋势。这说明,在需求异质性较高时,市场竞争更加激烈,破坏性创新企业的进入与成长更加容易,对产业演化影响更加显著;而在需求异质性较低的市场,不利于破坏性创新企业的进入与成长,市场趋于寡头垄断,破坏性创新企业对在位企业的颠覆程度下降。这说明,在需求趋于同质的情况下,企业的研发与营销资源会更加集中于单一技术领域,而该技术领域的领先者更容易保持竞争优势,不断提高技术进入壁垒,破坏性创新企业难以引入“激进型”创新,对市场的颠覆作用不明显,市场趋于集中;而在市场需求趋于异质的情况下,企业在不同的技术领域进行研发投资(平均研发集中度较高),形成各自的利基市场,市场趋于竞争。
不同需求结构参数下,产业演化结果的不同,说明了破坏性创新理论中新兴市场破坏机制起到了作用。在需求异质性的情况下,消费者偏好的异质性促进了不同细分市场的产生。新进入企业采用新兴市场破坏的策略,来满足不同细分市场(或特定市场)消费者的需求偏好,借此形成其利基市场。新进入企业通过不断的技术改进,不断提高主流性能或其他关键性能的技术水平,来对原有市场进行破坏。而在需求趋于同质的市场上,大型在位企业拥有技术、市场等资源优势,容易控制整个同质化的消费市场。在这种情况下,新进入企业难以开辟新的市场。即便进入市场,也很难获得进一步发展壮大的机会和市场资源,市场颠覆现象不明显。
3 结 论
本文通过构建破坏性创新影响产业演化的多主体计算机仿真模型,对不同技术体制与需求结构下,破坏性创新导致的不同产业演化结果进行了研究。研究发现,市场上的企业在技术水平、研发能力、研发投入和营销投入等方面存在异质性,这些异质性是破坏性创新驱动产业演化的内在动力。技术体制与需求结构决定了企业之间异质性的存在,进而影响产业演化的过程：随着专有性条件不断下降,赫芬达尔指数等同数呈现不断增加的趋势,市场上存活的企业数目不断增加,但在位企业的数目及市场份额不断减少,企业的平均年龄不断减小,平均研发集中度呈现倒U型特征;随着技术机会的不断增加,市场结构趋于集中,在位企业的数目及市场份额不断减少,企业的平均年龄不断减小,平均研发集中度不断提高。研究进一步发现,当需求异质性较大时,市场竞争更加激烈,破坏性创新企业的进入与成长更加容易,对产业演化影响更加显著;而当需求异质性较低时,破坏性创新企业的进入与成长相对困难,市场趋于寡头垄断,破坏性创新企业对在位企业的颠覆程度下降。
本文提出了分析破坏性创新及其影响的动态分析模型和方法。借助LSD软件,将破坏性创新企业对在位企业进行颠覆的发展过程进行了模拟仿真。正如文献[29]中在重新审视破坏性创新概念时,强调破坏性创新是一个过程。他们指出,破坏性创新是指企业从很小的细分市场(低端市场或新市场)开始成长,并逐渐进入主流市场,侵蚀在位企业的市场份额和利润的过程。在该过程中,在位企业也在不断地整合资源,调整战略,应对破坏性创新企业的挑战。在这种情况下,有的破坏性创新成功地颠覆了主流市场的在位企业,有的没有成功。因此,有必要从一个动态的视角看待破坏性创新及其影响。在有关破坏性创新的现有模型中,文献[10]中模型是理论研究提及最多的。文献[10]中通过构建破坏性创新市场竞争博弈模型,考察不同细分市场消费者对产品的质量感知、技术轨道、技术进步速率以及技术成熟程度等因素与市场发生颠覆的均衡条件的关系。这类研究的最大特点是市场中的企业都是代表性的企业,具有同质性特点,消费者偏好外生给定,市场主体完全理性。因此,存在市场均衡条件。本文指出,破坏性创新驱动产业演化的关键在于市场主体的异质性,因此,有必要从演化经济学视角对破坏性创新及其影响进行模型构建与分析,这与从新古典经济学视角下分析破坏性创新的文献形成了鲜明的对比。Valente模型及LSD软件为破坏性创新的研究提供了一个新的视角与方法,未来的研究应进一步在此基础上深入挖掘破坏性创新的作用机制,而非静态的理解破坏性创新的影响。通过不同的研究视角,对破坏性创新影响产业演化的作用机理进行揭示,可以不断丰富破坏性创新理论研究成果,增强不同研究方法与研究领域的对话与合作,形成不同研究视角下破坏性创新理论研究的“异花授粉”。
本文对创新驱动战略的相关政策制定具有如下启示：
值得注意的是，尽管现实工作中“微腐败”产生于村务公开的不畅，但是村务公开与乡镇政务公开机制尤其是联动效应发挥程度密切关联。当前，村民委员会承担着过多的行政事务，并且单方面被动接受上级乡镇政府安排的行政事务，容易造成政务公开和村务公开出现断档，给腐败行为发生提供了可乘之机。如犯罪分子会利用政务和村务空档的灰色地带进行“暗箱操作”，从中谋取利益。从这个层面来看，治理“微腐败”应从其源头出发，即利用基层政务公开与村务公开的联动机制探究其治理逻辑。
(1)企业之间的异质性是驱动产业演化的内在动力,政策制定要重点关注不同企业之间在技术水平、研发能力、研发投入和营销投入等方面的差异,一方面,企业之间的异质性,可以不断形成产业发展的内生驱动机制;另一方面,通过不同企业之间的差异性,不断推出多样性的产品,满足不同客户的需求,提高整体社会福利。
(2)政策制定应注意不同产业在技术体制与需求结构方面的差异性。本文研究发现,在不同的技术体制与需求结构参数下,企业之间的异质性表现是不同的,产业演化的结果也存在较大差异。例如,对于技术专有性较低、技术机会较多的产业,如信息技术产业,破坏性创新发生的频率相对较高,应不断地完善知识产权保护体制,保护大型在位企业,防止其被潜在破坏性创新企业颠覆,并鼓励大型企业进行创新,并加强相关技术的跨领域应用,巩固大型企业的创新能力;而对于技术专有性较高、技术机会较少的传统产业,应鼓励企业引入新(通用)技术,淘汰原有落后技术,形成不同企业之间的差异性。另外,需求差异性较大的市场,破坏性创新企业的成长更加容易,政府应鼓励中小企业的发展;而在需求异质性较小的市场,破坏性创新企业的进入与成长相对较难,应打破市场垄断,通过补贴或搭建合作平台等形式鼓励新企业的进入。
(3)政策制定应注意技术体制的“非对称性”。新进入企业与在位企业在技术体制方面存在显著差异,在制定相关的政策时要区分对待,不能“一刀切”：对于新生企业,应降低进入门槛,鼓励创业;但是由于路径依赖、市场竞争等原因,大型在位企业会在其主要客户看重的产品性能上进行延续性创新,容易忽略潜在消费者的需求,这为破坏性创新企业颠覆大型在位企业创造了条件,而大型在位企业往往是一些重大发明创新的源泉,具有市场主导作用,大型在位企业的失败意味着大量的技术积累的消失,对整个社会发展而言是一种损失。因此,需要合理地引导大型在位企业跨领域、跨部门合作,防止陷入“创新者窘境”。在“大众创业、万众创新”等相关政策的制定上应考虑不同产业的技术体制特点及同一产业中处于不同发展阶段的企业的技术体制特点。
(4)政策制定应注意技术创新的“开放性”。产品是由很多组件和技术构成的,每个组件都会涉及到一种或多种技术(技术领域),鼓励技术开放,既能促进企业的专业化水平,实现规模经济,又能实现创新的内生驱动作用。
参考文献 ：
[1]Christensen C M,Bower J L.Customer power,strategic investment,and the failure of leading firms[J].Strategic Management Journal,1996,17(3)：197-218.
[2]Christensen C M.The innovator’s dilemma when new technologies cause great firms to fail[M].Boston：Harvard Business School Press,1997.
[3]Christensen C M,Raynor M.The innovator’s solution[M].Boston：Harvard Business School Press,2003.
[4]Prahalad C K.The fortune at the bottom of the pyramid：Eradicating poverty through profits[M].Upper Saddle River,NJ：FT Press,2002.
[5]Adner R,Zemsky P.A demand-based perspective on sustainable competitive advantage[J].Strategic Management Journal,2006,27：215-239.
[6]Govindarajan V,Kopall P K,Danneels E.The effects of mainstream and emerging customer orientations on radical and disruptive innovations[J].Journal of Productive Innovation Management,2011,28(S1)：121-132.
[7]Kim J,Lee C.Technological regimes and the persistence of first-mover advantage[J].Industrial and Corporate Change,2011,20(5)：1305-1333.
[8]周江华,仝允桓,李纪珍.基于金字塔底层(BoP)市场的破坏性创新——针对山寨手机行业的案例研究[J].管理世界,2012(2)：112-130.
[9]郁培丽,石俊国,綦勇.收入分布,破坏性创新与社会福利[J].产经评论,2014(4)：47-54.
[10]Adner R,Zemsky P.Disruptive technologies and the emergence of competition[J].Rand Journal of Economics,2005,36(2)：229-254.
[11]Huang X,Sošic G.Analysis of industry equilibria in models with sustaining and disruptive technology[J].European Journal of Operational Research,2010,207：238-248.
[12]石俊国,郁培丽,孙广生.颠覆性创新行为、消费者偏好内生与市场绩效[J].系统管理学报,2017,26(2)：287-294.
[13]吴佩,陈继祥,史玉婷.颠覆性创新产品低端市场进入最优定价研究[J].系统管理学报,2014,23(1)：149-152.
[14]Malerba F,Orsenigo L.Technological regimes and firm behavior[J].Industrial and Corporate Change,1993,2：45-74.
[15]石俊国,郁培丽,向涛.破坏性创新技术体制与产业演化[J].科学学研究,2016(7)：1096-1102.
[16]张春辉,陈继祥.考虑吸收能力与R&D投入的创新模式选择[J].系统管理学报,2012,21(1)：93-104.
[17]孙晓东,田澎,赵藜.消费者异质下基于质量-价格竞争的定价策略选择[J].系统管理学报,2013,22(3)：349-357.
[18]Garavaglia C,Malerba F,Orsenigo L,et al. Technological regimes and demand structure in the evolution of the pharmaceutical industry[J].Journal of Evolutionary Economics,2012,22：677-709.
[19]Valente M.Consumer behaviour and technological complexity in the evolution of markets[D].University of Aalborg,1999.
[20]Valente M.Evolutionary demand：A model for boundedly rational consumers[J].Journal of Evolutionary Economics,2012,22(5)：1029-1080.
[21]Windrum P,Ciarli T,Birchenhall C.Consumer heterogeneity and the development of environmentally friendly technologies[J].Technological Forecasting&Social Change,2009,76(4)：533-551.
[22]Bleda M,Valente M.Graded eco-labels：A demandoriented approach to reduce pollution[J].Technological Forecasting&Social Change,2009,76(4)：512-524.
[23]Faber A,Valente M,Janssen P.Exploring domestic micro-cogeneration in the Netherlands：An agentbased demand model for technology diffusion[J].Energy Policy,2010,38(6)：2763-2775.
[24]Marengo L,Valente M.Industry dynamics in complex product spaces：An evolutionary model[J].Structural Change&Economic Dynamics,2010,21(1)：5-16.
[25]Ciarli T,Leoncini R,Montresor S,et al. Innovation and competition in complex environments[J].Innovation,Organization&Management,2007,9(3-4)：292-310.
[26]Ciarli T,Leoncini R,Montresor S,et al. Technological change and the vertical organization of industries[J].Journal of Evolutionary Economics,2008,18(3)：367-387.
[27]Schwoon M.Simulating the adoption of fuel cell vehicles[J].Journal of Evolutionary Economics,2006,16(4)：435-472.
[28]Schwoon M.Learning by doing,learning spillovers and the diffusion of fuel cell vehicles[J].Simulation Modelling Practice and Theory,2008,16：1463-1476.
[29]Christensen C M,Raynor M,MacDonald R.What is disruptive innovation[J].Harvard Business Review,2015(12)：44-53.
Disruptive Innovation and Industry Evolution Considering Technological Regimes and Demand Structure
YU Peili 1,SHI Junguo 2,Bert Sadowski 3,XIANG Tao 1
(1.School of Business Administration,Northeastern University,Shenyang 110819,China;2.School of Finance and Economics,Jiangsu University,Zhenjiang 212013,Jiangsu,China;3.School of Innovation Science,Eindhoven University of Technology,Eindhoven 5600MB,the Netherlands
【Abstract 】This paper investigates the influences of technological regimes of disruptive innovation,in terms of technological opportunity and appropriating condition,and demand structure on industry evolution.The results indicate that with the increase of technological opportunities and the declining of exclusivity,market competition tends to be fiercer,the average age of firms tend to be lower,and market shares of incumbent and number of survival incumbent are becoming smaller.In the market with a higher heterogeneity,the influence of disruptive innovation on industrial evolution is more significant.
Key words ：disruptive innovation;industry evolution;technological regime;demand structure
中图分类号 ：F 402.3;F 416
文献标志码： A
文章编号 ：1005-2542(2019)03-0485-09
收稿日期 ：2017-07-05
修订日期： 2017-09-13
基金项目 ：国家自然科学基金资助项目(71272163,71673041);荷兰皇家人文艺术与科学院中国交流项目(530-5CDC01);高等学校青年骨干教师出国研修项目(201808695019);江苏大学高级专业人才科研启动基金资助项目(17JDG005
作者简介 ：郁培丽(1964-),女,教授。研究方向为产业经济学、创新经济学与战略管理。
通信作者 ：
石俊国(1987-),男,博士。
E-mail：chinabrent@163.com
标签：破坏性创新论文; 产业演化论文; 技术体制论文; 需求结构论文; 东北大学工商管理学院论文; 江苏大学财经学院论文; 埃因霍温理工大学创新科学学院论文;