基于復雜網絡演化博弈的企業集群低碳技術創新擴散研究

徐瑩瑩　綦良群

摘要

為了探究低碳經濟情境下潛在技術創新采納企業的微觀決策互動機制涌現的企業集群宏觀擴散現象，利用復雜網絡演化博弈方法，將無標度網絡視為擴散載體，通過建立市場機制和政府規制下潛在采納企業的低碳技術創新采納決策及擴散模型，運用Matlab軟件仿真研究微觀層面因素對宏觀擴散的影響。研究表明：市場機制下只有當企業采納低碳技術創新增加的收益大于投入時，網絡才能演化至擴散深度為100%的穩定狀態，實現企業集群內低碳技術創新的完全擴散；網絡規模對擴散速度有顯著影響，規模越大擴散速度越慢；實施碳稅、投入補貼和懲罰措施三種規制手段均能有效提高低碳技術創新擴散深度；網絡規模越大碳稅的推動作用越顯著，相反，規模越小的網絡對補貼力度的敏感性越強，而不同規模的網絡對罰款力度的敏感性無明顯差異。研究對推進企業集群低碳技術創新擴散及政府部門的環境規制有一定的啟示作用：第一，企業間的策略學習對企業集群低碳技術創新擴散有重要影響，在企業集群中應培養核心企業的低碳技術創新觀念，使其作為“意見領袖”影響其它企業的低碳技術創新采納策略；第二，政府作為低碳技術創新擴散的推動者及環境監管的權利部門應為采納低碳技術創新的企業提供補貼、依據碳排放量收繳碳稅及懲罰不實施低碳生產企業等規制措施；第三，政府部門應根據發展階段把握規制方式和力度，初期以補貼措施為主，隨著低碳技術創新擴散深度逐漸增大降低補貼力度，同時提高碳稅稅率，另懲罰措施應在推進低碳技術創新擴散全過程中廣泛實施。

關鍵詞 低碳技術創新；技術創新擴散；無標度網絡；復雜網絡演化博弈；企業集群

中圖分類號 F224.32 文獻標識碼 A 文章編號 1002-2104（2016）08-0016-09 doi：10.3969/j.issn.1002-2104.2016.08.004

隨著環境污染、資源耗竭和全球氣候變暖等問題的出現，發展低碳經濟已成為全球關注的政策和經濟議題[1]。《哥本哈根協議》中對發達國家強制減排和發展中國家自主減排做出了安排，我國也已宣布到2020年單位國內生產總值CO2排放比2005年下降40%到45%的減排目標，但就我國目前發展形勢而言，控制溫室氣體排放增長仍面臨著巨大的壓力和困難[2]。低碳技術創新及擴散是實行節能環保、實現低碳經濟的根本途徑[1]。正如Blaut提出的觀點“創新擴散的作用要比創新本身更加重要[3]”，低碳技術創新只有被企業采納得到商業化擴散才能實現其經濟價值。但據2013年首屆“開啟生態文明的新時代暨中國上市公司環境責任調查頒獎論壇”發布的《中國上市公司環境責任調查報告》顯示我國企業在應對氣候變化方面整體表現較差，多數上市公司欠缺環境責任管理體系和制度建設，調查對象中未對生產運營過程中碳排放和碳足跡進行定量化管理的企業高達73.64%。因此，本文力求探索低碳技術創新擴散的微觀互動機制及宏觀涌現現象，促進低碳技術創新擴散的成功實現，為政策制定提供有益借鑒。

1 問題提出

創新擴散理論最早可追溯到19世紀初熊彼特提出的創新理論，認為從本質看創新擴散是潛在采納者對已采納者的模仿行為。羅杰斯（2002）在《創新擴散》中做出了權威的概念界定，明確指出創新擴散是指新產品、新技術或新思想等通過某種渠道隨著時間推移在社會系統成員中傳播的過程。低碳技術創新擴散是近年來隨著低碳技術發展而興起的創新擴散研究的新領域。國外對低碳技術創新擴散的研究主要集中在三方面：一是低碳技術創新介紹及其采納應用，如CCS（碳捕獲和儲存—carbon capture and storage）技術[4]、解決城市熱島問題的低耗能冷卻技術[5]及提高能源效率的新型電信設備[6]等，二是低碳技術創新擴散的影響因素研究，主要有技術學習能力、R&D溢出效應[7]、決策者及利益相關者間的博弈等[8]。三是政府工具在低碳技術創新擴散中的作用，如碳排放規制[9]、政府補貼激勵政策[10]及可持續創新制度體系的構建[11]等。國內對低碳技術創新擴散的研究成果較少，且多從總體層面關注宏觀擴散的模式[12-14]，簡化了低碳技術創新擴散的微觀機制，忽略了潛在采納者間相互作用對宏觀擴散影響的復雜性。

源自生物進化論的演化博弈理論近年來被廣泛應用于創新擴散的微觀角度即創新采納決策機制研究，但演化博弈理論通常假設系統中所有個體以均勻混合的方式聯系，即所有個體全部互相接觸或者個體間隨機接觸。然而，在現實中個體間的接觸并非全耦合或者完全隨機的，現實世界中許多系統嵌于社會系統中具有拓撲統計特征，其演化博弈與網絡結構之間有密切的聯系。創新擴散的載體是復雜社會經濟系統，低碳技術創新擴散也被嵌于復雜的關系網絡中，潛在采納者之間的關系是低碳技術創新信息在擴散系統的重要傳播渠道[15]。研究表明無標度的度分布是許多現實網絡所共有的拓撲特征[16]，有鑒于此，本文將以無標度網絡為擴散載體，從網絡演化博弈的視角研究低碳技術創新擴散問題，建立市場機制和政府規制下低碳技術創新采納決策博弈模型來描述網絡中個體間的決策互動機制，從有限理性特征角度描述網絡中個體間博弈的演化規則，通過Matlab軟件仿真分別探討市場機制下不同收益和網絡規模，以及政府規制下的投入補貼力度、碳稅稅率和懲罰力度等工具措施對低碳技術創新宏觀擴散的影響。

2 低碳技術創新擴散網絡

經濟系統是由內部各個經濟主體作為節點，不同經濟主體間存在某種直接關系作為連邊形成的一種網絡。復雜網絡為經濟系統中從一種均衡演化到另一種均衡、從微觀主體行為過渡到系統宏觀現象的研究提供了理論基礎和框架，其中最有影響的是小世界和無標度網絡，現有研究表明大量真實網絡的節點度服從冪率分布，即大部分真實網絡是無標度網絡。因此，本文將以無標度網絡作為低碳技術創新擴散的載體。

根據Bass理論，一項技術創新出現后，主要通過兩種途徑傳播——大眾傳媒（外部影響）和口碑傳播（內部影響）[17]。當一項低碳技術創新出現后，初始階段主要通過大眾傳媒的傳播使少數企業作為創新觀念領導者在系統中作為先驅者選擇采納該項低碳技術創新。這些創新觀念領導者之間存在復雜的人際關系，形成低碳技術創新擴散的初始網絡，而后在口碑傳播的主要影響下，潛在采納企業群體中的追隨者加入到低碳技術創新擴散網絡中，通過與已采納企業的交流對該項低碳技術創新進行主觀評價做出是否采納的決策，直至系統中采納企業的數量不再變化達到穩定狀態。

基于以上分析，根據無標度網絡特性，構建低碳技術創新擴散的初始網絡G（V，E），其中V表示低碳技術創新網絡中所有節點的集合，代表潛在采納企業；E代表潛在采納企業之間的直接人際關系，這種關系可能是朋友和親緣關系，也可能是直接的合作關系。假設網絡中所有潛在采納企業間的影響是互相的，即網絡中所有連邊是無向的，且兩個節點之間至多存在一條連邊。若i和j兩節點間存在連邊，說明二者存在直接關系，表示為eij=1，若i和j兩節點間不存在連邊，說明二者不存在直接關系，表示為eij=1。低碳技術創新擴散網絡嵌于經濟系統中也具有復雜網絡的拓撲統計特征[16]。本文主要通過平均路徑長度、平均聚集系數和度分布來體現其網絡拓撲結構特性。若節點i與ki個潛在采納企業相連，認為ki為節點i的度。設定低碳技術創新擴散的初始網絡中有m0潛在采納主體，新加入潛在采納主體更傾向于與低碳技術創新擴散網絡中度數更大的節點相連接，這種現象在復雜網絡中被稱為“馬太效應”，設擴散網絡新加入n個潛在采納企業按照概率p與已有的m（m

p（ki）=ki∑jkj（1）

3 低碳技術創新擴散模型構建

網絡演化博弈理論主要包含網絡結構、博弈模型和演化規則三個要素，本文在確定以無標度網絡為載體建立模型的基礎上，將依據Santos等人研究的BA無標度網絡上兩人兩策略博弈行為建立低碳技術創新采納決策及擴散機制模型[18-20]。

3.1 低碳技術創新擴散網絡中節點間的博弈模型

根據楊偉娜等人的研究框架[21]，在其基礎上加入低碳技術創新的特征加以改進，分別建立市場機制和政府規制下擴散網絡中主體間的博弈模型（見表1-2）。其中潛在采納企業和已采納企業作為低碳技術創新擴散網絡的參與者，每個主體均存在兩種策略：采納低碳技術創新和不采納低碳技術創新。

3.1.1 市場機制下博弈模型

策略1：當博弈雙方選擇（采納，采納）策略時，企業1和企業2分別獲得收益∏a1+∏b1-I和∏a1+∏b1-I2，其中∏ai表示企業選擇不采納低碳技術創新時的正常收益，∏bi表示采納低碳技術創新后能源利用率提高后企業增加的收益，Ii表示企業采納低碳技術創新的投入，包括設備、技術、人力等方面，采納低碳技術創新后企業至少具有和原來相同的生產能力。

策略2：當博弈雙方選擇（采納，不采納）策略時，企業1選擇采納低碳技術創新策略，其收益仍為∏a1+∏b1-I1，企業2則選擇不采納低碳技術創新策略按照傳統的方式生產運營，其收益為∏a2，

策略3：當博弈雙方選擇（不采納，采納）策略時，企業1選擇不采納低碳技術創新策略，按照傳統方式生產運營，收益為∏a1，企業2選擇低碳技術創新策略存在增加的收益∏b2及投入I2，其總收益為∏a2+∏b2-I2。

策略4：當博弈雙方選擇（不采納，不采納）策略時，在市場機制下企業仍然按傳統方式生產運營，雙方收益不變，分別為∏a1和∏a2。

3.1.2 政府規制下博弈模型

我國正處于市場經濟的過渡時期，市場機制下低碳技術創新擴散有其特殊性。同時，由于我國低碳技術研發能力較弱，關鍵技術和主要設備仍然依靠國外進口，而發達國家的先進技術大多受知識產權的保護作用，技術轉讓費用高，因此我國企業采納低碳技術創新的成本過高[22]。為了發展低碳經濟，政府有必要采取宏觀調控措施來激勵引導企業采納低碳技術創新。政府對低碳技術擴散的環境規制從投入補貼、碳稅和懲罰力度三方面考察[23]。設政府對企業采納低碳技術創新的補貼系數為a，碳稅稅率為b，對不采納低碳技術創新的企業罰款額為F。另設企業不采納低碳技術創新時碳排放量為Qi，采納低碳技術創新后碳排放量為Qi′，Qi′

3.2 低碳技術創新擴散的演化規則

在每一代博弈中，所有節點與它的每個鄰居進行一次博弈，并將收益累積。在策略演化時，依據費米規則來考慮隨機策略演化規則[24]，即個體i會隨機選擇一個鄰居j進行策略比較：如果鄰居的本輪收益高于自身的收益，下一輪將以一定的概率模仿鄰居的本輪策略，這種模仿概率根據統計物理中的費米函數計算：

WSi←Sj=11+exp[（Ui-Uj）/k]（2）

其中：Si表示個體i本輪采取的策略，Ui為i本輪收益，Si表示個體j本輪采取的策略，Uj為j本輪收益。該函數表示當本輪個體i的收益比j低時，i很容易接受j的本輪策略；而如果i的收益高于j時，i仍會以微弱的概率采取j的策略，個體i的這種非理性選擇由k刻畫，k描述了環境的噪聲因素，反映個體在策略更新時的不確定性，k值越接近0表示個體的非理性選擇趨近于零，策略更新是確定的，如果對比對象的收益高于自身，則一定會選擇學習，反之會堅持自身原本的策略；k值趨近于無窮大時表示個體處于噪聲環境中，無法做出理性決策，只能隨機更新自己的策略[25]。潛在采納企業節點i以概率W選擇學習策略后，將以隨機概率γij與擴散網絡中的其他節點進行斷線重連。本文利用帶有偏好的重連機制確定節點的出連接j，隨機概率γij可表示為：

γij=∑i∈GUjαUiα（3）

其中：Uj為節點i的收益；α為偏好傾向，α=0表示此連接無任何偏好傾向，即為隨機連接；α越大，偏好傾向越明顯。低碳技術創新擴散網絡中所有節點按照上述規則進行策略學習和選擇，采納低碳技術創新的企業占網絡中總企業的數的比重將隨著學習及策略的調整而產生波動直至達到穩定狀態，實現低碳技術創新的擴散。

4 仿真過程及結果

在t=0時刻，模擬建立一定節點數目的無標度BA網絡G（V，E），將博弈過程中的策略隨機分配給網絡中的節點并賦值，選擇采納低碳技術創新策略值為1，選擇不采納低碳技術創新策略值為0，并初始化參數。在t=1時刻，第一次博弈結束。進入t=2時刻，BA網絡中低碳技術創新的潛在采納企業隨機選擇鄰居節點進行收益比較，若收益大于或等于相比較的節點收益，則在下一輪博弈中該主體不改變策略；若收益小于相比較的節點收益，則以概率WSi←Sj（公式2）對相比較的節點策略進行模仿，此時若策略相同則不改變策略。在t=3時刻，由于BA網絡中主體的偏好機制，節點間的連邊需要斷邊重連（公式3）。根據前文建立的市場機制下和政府規制下的不同博弈模型進行仿真。通過改變各參數的數值來探究各參數變化對無標度網絡下低碳技術創新擴散的影響特征，每組參數測試100次，取擴散深度的平均值，研究擴散程度的變化情況。研究以黃瑋強等人[15]的研究成果為基礎，分別以50節點、200節點和500節點的無標度網絡為載體來探究企業集群低碳技術創新擴散過程（見表3）。

4.1 市場機制下的仿真結果

為了探究市場機制下，擴散網絡中的企業主體最終是否選擇采納低碳技術創新，低碳技術創新擴散深度和速度與選擇采納策略增加的收益和投入情況以及擴散網絡的規模之間存在哪些關系，本文將分別以大、中、小規模無標度網絡為載體，通過改變原始收益∏ai、采納低碳技術創新策略增加的收益∏bi以及投入Ii來對比討論。

命題1：企業選擇采納策略增加的收益∏bi與投入Ii間的關系對低碳技術創新擴散深度有顯著影響，當所有企業的收益∏bi大于投入Ii時，低碳技術創新的擴散深度可達100%，若網絡中部分企業選擇采納策略增加的收益∏bi少于投入Ii，網絡最終的擴散深度具有不穩定性。

觀察對比圖1、圖2 和圖3三種網絡規模的低碳技術創新擴散仿真曲線可知，當網絡中部分企業選擇采納策略增加的收益∏bi小于投入Ii，另一部分企業收益∏bi大于Ii時，擴散深度能夠達到穩定狀態，但是分別對比擴散曲線S3和S5、S10和S12、S17和S19發現這種穩態是不確定的，擴散深度可能演化為1也可能演化為0，具有不穩定性。此時選擇采納低碳技術創新具有一定的風險，擴散網絡中潛在采納企業決策時隨機選擇鄰居節點的策略收益進行對比，該鄰居節點若恰好是已采納且有∏bi大于Ii，則潛在采納企業選擇學習該鄰居策略的概率較大，但若鄰居節點是已采納但有∏bi小于Ii，潛在采納企業對比發現選擇不采納策略的收益更多，因此不改變策略保留不采納決策的概率更大。這是從微觀角度分析此種情形下某一節點在某一次博弈中的決策具有不確定性，放大到宏觀擴散網絡中，則整個網絡擴散深度的演化結果不確定。

此外，分別對比擴散曲線S6和S7、S13和S14、S20和S21發現，當企業原收益∏ai水平較高但選擇采納策略增加的收益∏bi小于投入Ii時，網絡中的低碳技術創新擴散依然可以達到穩定狀態，但是這種穩態也不是確定的，網絡最終的擴散深度可能為1也可能為0。此時企業采納低碳技術創新的凈收益為負值，經濟利益驅使作用下很可能選擇不采納策略，直至擴散網絡演化至擴散深度為0的穩定狀態。但潛在采納者是有限理性的，較高的原收益可以彌補采納低碳技術創新的損失，在決策中受流行性壓力和社會規范的影響很可能選擇采納策略，直至擴散網絡演化至擴散深度為1的穩定狀態。

命題2：擴散網絡規模對低碳技術創新擴散深度影響不大，但對擴散速度有顯著影響。

從圖1、圖2和圖3中對相同參數設置的不同網絡規模的擴散仿真結果看，除選擇采納策略增加的收益∏bi和投入Ii相等時曲線S8與曲線S1、S15結果不盡相同外，其余參數設置下的擴散深度結果一致，可見在市場機制相同的博弈假設下網絡規模對擴散深度影響不大。經對比發現，規模為50個節點的擴散網絡在博弈10次左右時達到均衡，規模為200個節點的擴散網絡在博弈20至40次時達到均衡，規模為500個節點的擴散網絡在博弈50至70

次達到均衡，由此可見在低碳技術創新擴散時，網絡規模越大，低碳技術創新擴散速度越慢。這是由于在小規模網絡中節點間的連線相對較少，信息傳遞效率高。而在大規模擴散網絡中信息傳遞效率低，且節點間在選擇鄰居節點進行比較、學習和決策時面臨的情況更為復雜。

4.2 政府參與下的仿真結果

為了討論碳稅稅率、補貼力度和懲罰力度三方面的政府規制措施對低碳技術創新擴散的影響，選取上文市場機制仿真中擴散深度演化至0的情景，即設定∏a1=3，∏b1=2，I1=3，∏a2=2，∏b2=1，I2=2，在此基礎上加入政府規制下博弈模型中碳排量參數設置Q1=4，Q1′=1，Q2=3.5，Q2′=1.5。

4.2.1 碳稅稅率對演化的影響

在上述參數設置下，固定補貼系數a和懲罰力度F，分別取值0.1和0.3，在此基礎上變化碳稅稅率依次取值

0.1、0.15、0.2、0.25和0.3，分別考察在50個節點、200個節點和500個節點的無標度網絡中低碳技術創新的擴散情況，擴散結果分別如圖4、圖5和圖6所示。

命題3：增加碳稅稅率能夠提高低碳技術創新擴散深度，且規模越大的網絡對碳稅稅率越敏感。

在50個節點的小規模網絡中b值從0.1增加至0.25網絡最終的擴散深度均為0，繼續增加至0.3時網絡演化至擴散深度為1的穩態；在200個節點和500個節點網絡中b取值0.1、0.15和0.2時網絡的擴散深度均為0，增加至0.25時網絡演化至擴散深度為1的穩態，繼續增加至0.3時網絡依然演化至擴散深度為1的穩定狀態且擴散速度有明顯提高。由此可知，以這三種規模的網絡為擴散載體，提高碳稅稅率對低碳技術創新擴散均有促進作用。碳稅稅率設定為0.25時小規模網絡的擴散深度與中、大規模網絡不同可能因為在初始擴散深度既定時，網絡規模越大初始狀態已采納低碳技術創新的企業越多，對潛在采納者施加的流行性壓力越大，因此將b值增加到0.25時對大中規模的網絡擴散深度較大，但對50節點小規模的網絡擴散深度雖有影響但不至提升至完全擴散的水平。

4.2.2 補貼力度對擴散的影響

固定碳稅稅率b和懲罰力度F，分別取值0.1和0.3，在此基礎上變化補貼系數，依次取值0.1、0.2、0.3、0.4和0.5，分別考察在50個節點、200個節點和500個節點的無標度網絡中低碳技術創新擴散情況，擴散結果分別如圖7、圖8和圖9所示。

命題4：加大補貼力度能夠提高低碳技術創新擴散深度，規模越小的網絡對補貼力度越敏感。

觀察可知，在50個節點的小規模無標度網絡中，補貼系數為0.1和0.2時網絡最終的擴散深度均為0，將補貼系數提高到0.3時網絡能演化至擴散深度為1的穩態，繼續提高至0.4和0.5時網絡最終的擴散深度仍為1；在200個節點的網絡中，補貼系數為0.1、0.2和0.3時網絡最終的擴散深度均為0，補貼系數增至0.4時網絡能演化至擴散深度為1的穩態，繼續增加至0.5時網絡最終的擴散深度仍為1且擴散速度明顯加快；在500個節點的大規模網絡中，補貼系數取值0.1和0.2時網絡的擴散深度為0，增至0.3時擴散曲線呈現不斷波動沒有均衡的狀態，繼續增加至0.4時網絡演化至擴散深度為1的穩態，增至0.5時網絡的擴散深度仍為1但擴散速度并無明顯變化。由此可見，加大補貼力度對提高低碳技術創新擴散深度有顯著的促進作用，且小規模網絡對增大補貼力度的反應相比中、大規模網絡更敏感。此外，觀察圖7發現在小規模網絡中隨著補貼力度的變化演化至相同擴散深度穩態的曲線呈現扎堆甚至重合的現象，因此在小規模網絡中政府實施投入補貼政策時只需將補貼力度設置在可促進擴散深度演化至1的最低閾值即可，無需過多投入補貼。

4.2.3 懲罰力度對擴散的影響

固定碳稅稅率b和補貼系數a，分別取值0.1，在此基礎上變化罰款力度，依次取值0、0.3、0.6、0.9和1.2，分別考察在50個節點、200個節點和500個節點的無標度網絡中低碳技術創新的擴散情況，擴散結果分別如圖10、圖11和圖12所示。

命題5 加大懲罰力度能夠提高低碳技術創新擴散深度，不同規模的網絡對罰款力度的敏感性無明顯差異。

觀察圖10、圖11和圖12小、中、大網絡規模下懲罰力度對低碳技術創新擴散的影響可知，在三種網絡規模條件下懲罰力度為0和0.3時網絡最終的擴散深度均為0，懲罰力度增加到0.6時網絡可演化至擴散深度為1的穩態，繼續提高至0.9和1.2時網絡仍演化至擴散深度為1的穩態且演化速度逐漸加快。由此可知，提高選擇不采納策略的懲罰力度有利于低碳技術創新在網絡中的擴散。這是由于隨著懲罰力度的增大，企業選擇采納低碳技術創新策略與選擇不采納策略相比繳納的罰款額減少，也可視為選擇采納策略獲得的競爭性收益增大，對企業選擇采納低碳技術創新策略的推動作用越強。此外，懲罰力度相同時不同網絡規模條件下的擴散結果是相同的，只是在擴散速度方面有些許差異，小規模網絡的擴散速度最快，其次是中規模網絡，大規模網絡最慢，與命題2有相似之處。

5 結 論

（1）在市場機制下，企業選擇采納策略增加的收益與投入間的關系對擴散深度有顯著影響，只有當所有企業選擇采納策略增加的收益均大于投入時，網絡才可最終穩定于擴散深度為1的穩定狀態。而當存在部分企業采納低碳技術創新擴散增加的收益少于投入時，網絡最終的擴散深度具有不穩定性。另外，網絡規模對擴散深度影響作用不大，但對擴散速度有顯著影響，網絡規模越大，擴散速度越慢。

（2）實施碳稅、投入補貼和懲罰措施是促進低碳技術創新擴散的有效規制手段，且在一定范圍內提高碳稅稅率、加大投入補貼力度和懲罰力度對擴散網絡演化至擴散深度為1的穩定狀態有顯著的推動作用。具體地，加大投入補貼力度是減少企業選擇采納策略成本投入的正向激勵措施，而提高碳稅稅率和對選擇不采納企業的懲罰力度作為負向激勵措施，能夠給選擇采納策略的企業帶來減排的競爭優勢，帶動整個網絡的企業減排進入良性循環。

（3）不同規模的網絡對碳稅、投入補貼和懲罰措施三種規制手段的敏感性不同。規模越大的網絡對碳稅稅率的敏感性越強，相反，規模越小的網絡對投入補貼力度的敏感性越大，而不同規模的網絡對罰款力度的敏感性無明顯差異。因此，政府在為了促進低碳技術創新擴散而實施規制措施時，在初期針對小規模網絡實行投入補貼政策效果顯著，隨擴散網絡規模的擴大，投入補貼政策的成本逐漸增大但效果減弱，此時應實施碳稅并適當提高碳稅稅率。此外，由于懲罰規制措施的成本較低且對不同規模的擴散網絡均有顯著的推動效果，適宜在整個推動過程中廣泛實施。

（編輯：徐天祥）

參考文獻（References）

[1]華錦陽.制造業低碳技術創新的動力源探究及其政策涵義[J].科研管理， 2011， 32（6）： 42-47.[HUA Jinyang. Motivations and policy implications of lowcarbon technology innovation based on manufacturing industry[J]. Science research management， 2011， 32（6）： 42-47.]

[2]石敏俊，周晟呂.低碳技術發展對中國實現減排目標的作用[J].管理評論， 2010， 22（6）： 48-53. [SHI Minjun， ZHOU Shenglv. The impact of low carbon technology development on Chinas CO2 emission reduction[J]. Management review， 2010， 22（6）： 48-53.]

[3]BLAUT J M. Diffusionism： a uniformitarian critique[J]. Annals of the Association of American Geographers， 1987， 77（1）： 30-47.

[4]PRAETORIUS B， SCHUMACHER K. Greenhouse gas mitigation in a carbon constrained world： the role of carbon capture and storage[J]. Energy policy， 2009， 37（12）： 5081-5093.

[5]SHORT C A， LOMAS K J， WOODS A. Design strategy for lowenergy ventilation and cooling within an urban heat island[J]. Building research & information， 2004， 32（3）： 187-206.

[6]HAMMAR H， LOFGREN A. Explaining adoption of end of pipe solutions and clean technologiesdeterminants of firms investments for reducing emissions to air in four sectors in Sweden[J]. Energy policy， 2010， 38（7）： 3644-3651.

[7]PETTERSSON F， SODERHOLM P. The diffusion of renewable electricity in the presence of climate policy and technology learning： The case of Sweden[J]. Renewable and sustainable energy reviews， 2009， 13（8）： 2031-2040.

[8]MUKHERJEE A， MUGA H. An integrative framework for studying sustainable practices and its adoption in the AEC industry： a case study[J]. Journal of engineering and technology management， 2010， 27（3-4）： 197-214.

[9]HOEN K M R， TAN T， FRANSOO J C. Effect of carbon emission regulations on transport mode selection under demand[J]. Flexible services and manufacturing journal， 2014， 26（1-2）： 170-195.

[10]CANTONO S， SILVERBERG G. A percolation model of ecoinnovation diffusion： the relationship between diffusion， learning economies and subsidies[J]. Technological forecasting and social change， 2009， 76（4）： 487-496.

[11]FOXON T， PEARSON P. Overcoming barriers to innovation and diffusion of cleaner technologies： some features of a sustainable innovation policy regime[J]. Journal of cleaner production， 2008（16）： S148-S161.

[12]王靖宇，史安娜.低碳技術擴散中政府管理的國際經驗比較研究[J].華東經濟管理， 2011， 25（5）： 19-22.[WANG Jingyu， SHI Anna. Comparative study of international experience on the behavior of government in lowcarbon technology diffusion[J]. East China economic management， 2011， 25（5）： 19-22.]

[13]殷硯， 廖翠萍， 趙黛青. 對中國新興低碳技術擴散的實證研究與分析[J].科技進步與對策， 2010， 27（23）： 20-24. [YIN Yan， LIAO Cuiping， ZHAO Daiqing. An empirical research and analysis of a new lowcarbon technology diffusion in China[J]. Science & technology progress and policy， 2010， 27（23）： 20-24.]

[14]欒貴勤，楊怡，張永坤，等. 我國低碳技術擴散路徑研究[J].資源開發與市場， 2011， 27（11）： 1043-1046. [LUAN Guiqin， YANG Yi， ZHANG Yongkun， et al. Research on low carbon technology diffusion path in China[J]. Resource development & market， 2011， 27（11）： 1043-1046.]

[15]黃瑋強，姚爽，莊新田.基于復雜社會網絡的創新擴散多智能體仿真研究[J].科學學研究， 2013， 31（2）：310-320. [HUANG Weiqiang， YAO Shuang， ZHUANG Xintian. The agentbased simulation of innovation diffusion based on complex social networks[J]. Studies in science of science， 2013， 31（2）： 310-320.]

[16]車宏安，顧基發.無標度網絡及其系統科學意義[J].系統工程理論與實踐， 2004（4）： 11-16. [CHE Hongan， GU Jifa. Scalefree net works and their significance for systems science[J]. Systems engineering：theory & practice， 2004（4）： 11-16.]

[17]陳國宏，王麗麗，蔡猷花.基于Bass修正模型的產業集群技術創新擴散研究[J].中國管理科學， 2010，18（5）： 179-183. [CHEN Guohong， WANG Lili， CAI Youhua. Study on technological innovation diffusion in industry cluster based on modified bass model[J]. Chinese journal of management science， 2010， 18（5）： 179-183.]

[18]SANTOS F C， PACHECO J M. Scalefree networks provide a unifying framework for the emergence of cooperation[J]. Physical review letters， 2005， 95（9）： 98-104.

[19]SANTOS F C， PACHECO J M， LENAERTS T. Evolutionary dynamics of social dilemmas in structured heterogeneous populations[J]. Proceeding of the National Academy of Sciences of the United States of America， 2006， 103（9）： 3490-3494.

[20]SANTOS F C， PACHECO J M. A new route to the evolution of cooperation[J]. Journal of evolutionary biology， 2006， 19（3）： 726-733.

[21]楊偉娜，劉西林.政府推動下企業新技術采納博弈分析[J].管理學報， 2011， 8（4）： 621-627. [YANG Weina， LIU Xilin. The game of technology adoption under governmentpush[J]. Chinese journal of management， 2011， 8（4）： 621-627.]

[22]王文軍，趙黛青，陳勇.我國低碳技術的現狀、問題與發展模式研究[J].中國軟科學， 2011（12）： 84-91. [WANG Wenjun， ZHAO Daiqing， CHEN Yong. Study on the current situation， problem and development pattern of Chinas low carbon technology[J]. China soft science， 2011（12）： 84-91.]

[23]曹靜.走低碳發展之路：中國碳稅政策的設計及CGE模型分析[J].金融研究， 2009（12）： 19-29. [CAO Jing. Low carbon development path： design of Chinas carbon tax policy and the analysis of CGE model[J]. Journal of financial research， 2009（12）： 19-29.]

[24]SZABO G， TOKE C. Evolutionary prisoners dilemma game on a square lattice[J]. Physical review， 1998， 58（1）： 69-73.

[25]汪小帆，李翔，陳關榮.網絡科學導論[M].北京：高等教育出版社， 2012. [WANG Xiaofan， LI Xiang， CHEN Guanrong. Network science： an introduction[M]. Beijing： Higher Education Press， 2012.]