創新擴散研究的演化路徑和熱點領域分析

孫冰 毛鴻影 康敏

〔摘 要〕[目的/意義]通過對現有研究成果的梳理和總結，全方位描述和揭示創新擴散領域的研究現狀和發展趨勢，為該領域今后的研究和發展提供方向和參考。[方法/過程]以Web of Science核心集數據庫中創新擴散相關文獻作為樣本數據，應用CiteSpace Ⅲ軟件進行知識圖譜分析，得出時空分布、重點國家網絡、文獻共被引和關鍵詞共被引等知識圖譜，進而分析創新擴散領域的分布情況、發展趨勢和熱點領域。[結果/討論]研究發現：中國和美國在創新擴散研究領域處于領先地位；早期的研究主要側重于從宏觀層面采用Bass模型及其擴展模型對新產品銷量進行預測，當前的研究多集中于從微觀層面采用模擬仿真方法來分析創新擴散的演化行為；創新擴散研究的熱點領域主要包括創新技術的接受與采納、創新擴散的影響因素、創新擴散動力、創新擴散模型及仿真研究。

〔關鍵詞〕創新擴散；CiteSpace Ⅲ；知識圖譜；演化路徑；研究熱點

DOI：10.3969/j.issn.1008-0821.2018.06.022

〔中圖分類號〕F273.1 〔文獻標識碼〕A 〔文章編號〕1008-0821（2018）06-0144-13

〔Abstract〕CiteSpace Ⅲ was used to do the knowledge map analysis to all the innovation diffusion research literature collected in the Web of Science core set database，it was concluded that time and space distribution，key national network，co-cited reference and co-word knowledge maps，such as in the field of innovation diffusion is analyzed on the distribution，change trends and hop topics.The study results showed that：China and the USA were leading in the field of innovation diffusion research；earlier studies mainly focused on the macro level to forecast the new product sales by using the Bass model and its extended model，the current research had focused on from micro level to analyze the evolution of the innovation diffusion behavior by simulation method；the hot topics of innovation diffusion research mainly included the acceptance and adoption of innovative technology，the influencing factors of innovation diffusion，innovation diffusion power，innovation diffusion model and simulation study.

〔Key words〕innovation diffusion；CiteSpace Ⅲ；knowledge map；evolution path；hot topics

隨著經濟全球化和科學技術的高速發展，無論國家還是企業都面臨著日趨激烈的競爭和動態的外部環境。對一個國家而言，創新可以讓整個民族立足于世界之林，是驅動國家進步之本；對于一個企業而言，創新可以讓重復的工作不再乏味，是推動企業發展之本。技術創新的鼻祖Schumpeter在《經濟發展理論》中指出，技術變革分為發明、創新和擴散3個階段。創新擴散是技術變革的至關重要的一環，其作用遠比創新本身更重要[1]。如果沒有擴散，創新對社會和經濟幾乎沒有影響[2]。20世紀60年代以來，創新擴散理論在企業界和學術界得到了廣泛的關注，各界人士從傳播學、社會學、營銷學等多個角度對其進行了深入討論。創新擴散已成為創新管理領域一個重要的研究方向。

近年來，國內外學者分別從創新生態視角[3]、跨組織視角[4]、發展中國家私營企業視角[5]、仿真研究視角[6]、專利視角[7]、影響因素視角[8]、社會網絡視角[9]等對創新擴散領域的研究成果進行了歸納和評述。但是，上述研究都是從單一角度對創新擴散研究進行總結性的文獻回顧和定性的分類研究，所梳理文獻的范圍相對狹小、數量有限，既不能系統展現創新擴散研究的全貌，也無法動態描述創新擴散領域的理論演進。近年來，越來越多的學者開始應用知識圖譜可視化分析工具對某一研究領域的分布情況、研究熱點和發展進程進行可視化分析，已涉及公共危機管理[10]、技術創新[11]、創新生態系統[12]、開放式創新[13]、深海技術[14]、人力資源管理[15]、網絡輿情[16]等諸多領域。然而，已有研究中應用可視化文獻計量分析軟件對創新擴散領域的研究起源、期刊分布、國家分布、研究熱點和演化進程進行全方位解讀的成果較少。

因此，本文以Web of Science核心集數據庫中2001-2016年關于創新擴散的研究文獻作為樣本數據，應用可視化分析工具CiteSpace Ⅲ軟件對其進行知識圖譜分析，力爭在詳盡闡述創新擴散研究的時空分布和期刊分布的基礎上，根據知識圖譜深入分析創新擴散研究的知識基礎及演化路徑、研究熱點和前沿主題，旨在清晰直觀地了解創新擴散領域的概貌和新的動向，為提高我國在創新擴散領域的研究水平提供理論參考。

1 數據來源和研究方法

1.1 數據來源

本文以Web of Science的核心集數據庫為數據來源，對創新擴散相關研究進行檢索。選取“Innovation Diffusion”為主題搜索2001-2016年的文獻，檢索式為“主題：（Innovation Diffusion），時間跨度：2001-2016，索引：SCI-EXPANDED、CPCI-S、CCR-EXPANDED、IC”，共檢索到618條文獻記錄。為了排除不相關文章的干擾，保證創新擴散研究的查全率，本文將文獻類型定為“Article or Proceeding Papers”，最終得到596條文獻記錄。

1.2 研究方法

知識圖譜可以將科學知識的分布情況、知識基礎及演化路徑和研究熱點及前沿主題通過圖形顯示[17]。知識圖譜分析是以一定時期內某一研究領域的全部文獻為研究對象，通過共引分析和共現分析，對其知識基礎及演化路徑、研究熱點及前沿主題等進行研究，并通過可視化圖形呈現出來的計量學分析方法。因此，應用該方法能夠反映某一領域的研究全貌和發展趨勢。

本文將利用CiteSpace Ⅲ軟件對創新擴散領域進行知識圖譜分析。CiteSpace Ⅲ是美國Drexel大學陳超美教授基于JAVA平臺開發的一款信息可視化分析工具。它具有作者機構合作情況分析、科學知識時空分布情況分析、關鍵詞共現分析和文獻共被引分析等功能，可以通過時區視圖和聚類視圖清晰地刻畫出某一研究領域的研究熱點、發展前沿和演進路徑[18]。

2 創新擴散文獻時空分布情況

2.1 時間分布

從圖1可以看出，在2001-2016年這段時間里，有關創新擴散的發文量呈逐年增長的趨勢。根據論文的發表數量，可以把創新擴散研究分為兩個階段：2001-2005年為起步階段，年發文量在20篇以內，且增速緩慢；2006至今為穩步發展階段，除2006年發文量為28篇以外，其余各年的年發文量均在30篇以上。總體來看，16年間論文數量逐年上升，年均增長率為14%，這在一定程度上表明創新擴散已成為廣受關注的研究領域，目前正處于蓬勃發展的時期。

2.2 空間分布

CiteSpace Ⅲ軟件的一個重要功能是可以展示各國發表的文獻產出量、合作情況和中心性，并以年輪的方式呈現出來。其中，年輪的直徑代表文獻產出量（直徑越大說明文獻產出量越多），年輪最外層的紫色圓環代表中心性（圓環越寬說明中心性越大）。本文中軟件運行的參數設置情況和據此繪制的可視化網絡圖譜分別如表1和圖2所示。由圖2可知，盡管美國、意大利、英國、澳大利亞等西方發達國家的研究實力普遍較強，但是中國和印度等一些發展中國家的研究實力也不容忽視。其中中國的表現尤為突出，其發文量排名第一，為199篇（涵蓋中國臺灣的73篇），占全球發文量的33.4%，比排名第二的美國多了66篇。然而，從國家間科研合作來看（見圖2），美國、澳大利亞、英國、意大利、德國和荷蘭等發達國家節點之間的連線數量較多，說明它們之間的科研合作較為密切。其中英國的中心性最大，表明英國與許多國家都有較密切的直接或間接的合作關系。本文將CiteSpace與Google Earth兩個軟件相結合，通過地理可視化（見圖3）更為直觀地展示了上述國際合作情況，并進一步發現，近五年來創新擴散研究領域的國際合作逐漸呈現出集中化的趨勢。相比之下，中國、印度兩個發展中國家與其他國家的連線數量極少，說明這兩個國家在創新擴散研究領域一直在單打獨斗，尚未形成開放性、國際性的合作研究氛圍。可見，與其他國家建立廣泛的科研合作網絡是我國亟待完成的一項任務。

本文根據發文量篩選出創新擴散領域的主要研究機構如表2所示。可以看出，中國臺灣的元智大學、印度的德里大學、中國臺灣的國立中正大學、中國大陸的同濟大學和華中科技大學位列前五名，表明創新擴散領域的研究機構主要分布在大學里。同時，排名前五位的機構均分布在發展中國家，且有4所大學位于中國，可見中國雖然是一個發展中國家，但在創新擴散領域的研究方面已經成為國際上主要的研究群體，對推動創新擴散研究發揮了積極作用和國際影響。

2.3 期刊分布

本文將網絡節點選擇為“Cited Journal”，閾值選擇Top N Per Slice并設置為30，采用Pathfinder算法，其余數據采用系統默認值，對共被引期刊進行可視化展示，得到創新擴散研究共被引期刊的知識圖譜（見圖4）。從圖4可知，創新擴散領域研究的共被引期刊主要有7個，分別為：Management Science、MIS Quarterly、Journal of Marketing、Journal of Marketing Research、Technological Forecasting and Social Change、Information Systems Research、Marketing Science、IEEE Transactions on Engineering Management、Information & Management、Journal of Product Innovation Management、Research Policy、Decision Science。其中，Management Science、MIS Quarterly、Journal of Marketing、Journal of Marketing Research、Technological Forecasting and Social Change、Information Systems Research、Marketing Science等期刊的共被引頻次非常突出，分別為310、164、146、137、134、133、107，說明這些期刊在創新擴散領域具有舉足輕重的地位，既是創新擴散相關重要研究成果的聚集中心，也是創新擴散學者們的重要學術交流平臺。可以說，這些期刊發表的文章對創新擴散領域的發展具有十分重要的影響。

根據知識圖譜測算的中心性來看，MIS Quarterly、Journal of Marketing、Decision Science、Marketing Science這4個期刊的中心性明顯高于其他期刊，其中心性分別達到0.83、0.46、0.42、0.34，可見這些期刊的影響力較大，發文質量較好。其中，MIS Quarterly、Journal of Marketing、Marketing Science這3個期刊在期刊被引和中心性兩個指標上均較高，表明這3個期刊兼具質量與數量的優點，它們是創新擴散研究的重要期刊。這些期刊發表的相關文章具有明顯的前沿性和引領性，對創新擴散領域的研究發展具有十分重要的影響。

3 創新擴散研究的知識基礎及演化路徑分析

知識的演進是動態和累積的過程，學者們在寫文章時所引用的參考文獻都是經過精心篩選且能夠充分體現研究主題的。如果兩篇文獻同時被另一篇文獻所引用的頻次越高，說明這兩篇文獻的關系越緊密，研究主題越相近。可見，高被引文獻有著不言而喻的重要意義，它代表了引用者對此文獻中的理論觀點、研究結果的認可。這些經常被一起引用的文獻構成了一個研究領域的知識基礎及演化路徑[19-20]。于是，借助于文獻共被引分析所生成的時區視圖，能夠展現創新擴散領域的奠基性文獻、重要文獻及其領域的發展脈絡。為此，本文將CiteSpace Ⅲ軟件的節點類型設置為“Cited Reference”，閾值選擇Top N Per Slice并設置為30，采用Pathfinder算法，顯示方式設置為時區視圖，其余數據采用系統默認值，得到了創新擴散研究引文共被引時區演化知識圖譜（見圖5）。

從圖5可知，高被引文獻大多集中在2001-2003年，可見這一時段是創新擴散領域奠基性文獻的爆發期。近五年的高被引文獻明顯大幅度減少，表明創新擴散領域研究的成熟度的等級不斷提高和擴散性開始上升，導致文獻總量雖多，但缺乏標桿性文獻，當然這也可能與引用時間周期較長有關。從文獻共被引連線可知，2001-2003年的文獻與后續文獻的共被引頻次較多，說明創新擴散研究在奠基性文獻的基礎上，開始穩步發展。本文將進一步從早期奠基性文獻、當前重點文獻、文獻突現分析3個方面對創新擴散研究的知識基礎加以分析，以梳理創新擴散研究的發展脈絡。

3.1 早期奠基性文獻分析

由圖5可知，依據被引頻次的高低可以得到創新擴散領域早期奠基性文獻有3篇，分別是：Rogers于1995年出版的專著《創新的擴散》（第4版）（被引150次）、Bass發表于1969年的《耐用消費品增長模型的構建》（被引145次）、Moore發表于1991年的《衡量技術采納創新感知工具的發展》（被引67次）。這3篇文獻具有較高的被引頻次，因而它們不僅是創新擴散領域的早期奠基性文獻，也是創新擴散領域的核心文獻。

Rogers是最早運用時間觀點研究創新擴散的學者，所提出的創新擴散的定義在學術界的認可度最高，他也因此被稱為創新擴散傳播論的代表人物。1995年，Rogers在對已有創新擴散研究進行總結的基礎上，提出了經典的創新擴散理論。在組織創新過程模型中，他將創新過程劃分為問題設定、問題匹配、重新定義調整、問題闡明、常規化5個階段。在個人創新采納模型中，他認為創新者、早期采納者、早期大眾、晚期大眾和落伍者為采納創新人群的五大類別，并概括了每一類別行為者顯著的行為特征。Rogers認為，影響創新擴散速度的因素有5個，包括兼容性、復雜性、相對優勢、可觀察性和可試驗性。并指出，創新事物傳播到個人主要借助于大眾傳播與人際傳播兩種傳播渠道，大眾傳播具有速度快、效率高的特點，而人際傳播則具有直接、雙向、選擇性高、易反饋、反饋量較大的特點[21]。從20世紀60年代開始，創新擴散的研究范圍不斷擴大，逐漸擴展到技術預測與市場學，同時，研究方法也從案例研究轉為數學建模，其中Bass在1969年提出的創新產品首次購買擴散模型（即Bass模型）具有里程碑式意義。Bass模型基于采納者異質性的特點完善了Rogers的理論，使其擴散研究更具有現實說服力。Bass認為，創新擴散的影響因素有兩種，一種是來自大眾傳媒（如廣告等）的外部影響；另一種則是人與人之間口頭交流所帶來的模仿或內部影響。具體來說，創新者行為出現之前尚不存在該類創新，所以創新采用者的早期采用行為獨立于社會系統其他成員；而模仿者采用新產品的時間則受到創新者和已采納者的影響，并且這種壓力與采用人數呈正相關。Bass模型被廣泛應用到商業中，用來進行新產品的擴散和銷量預測[22]。于是，Bass模型奠定了創新擴散模型的研究基礎，不僅為企業的銷售方案提供了決策依據，而且為國內外學者們開拓了廣闊的研究空間。Moore等基于Rogers的廣義創新擴散研究提出了狹義的創新擴散理論——創新特征認知理論。該理論指出，創新擴散速度的影響因素有8個，分別為相對優勢、兼容性、可觀察性、可試驗性、自發性、形象、易用性和結果可說明性。Moore等認為，客戶感知價值指的是感知利益與感知付出的比重。其中，客戶感知利益來自于產品和服務的有形的和無形的雙重屬性；客戶的感知付出類似于感知價格，它是客戶在采購時面臨的所有成本。Moore等還指出，客戶的心理接受程度與使用方式的不同會導致不同的技術創新績效[23]。可見，早期的奠基性研究主要是Rogers提出的創新擴散理論和Bass提出的創新產品首次購買擴散模型，此后的研究大多基于Bass模型及其拓展模型構建較為復雜的創新擴散模型，進而從宏觀層面上對新產品銷量進行預測。

3.2 當前重點文獻分析

近年來，創新擴散領域中具有高中心性的重點文獻有：Meade等于2006年發表的《創新擴散模型的25年文獻述評與研究展望》、Peres等于2010年發表的《創新擴散與新產品增長模型的文獻述評與研究展望》和Wu等于2005年發表的《移動商務的動力是什么？基于修正的技術采納模型的實證研究》。其中，Meade等在對25年來相關的研究成果進行回顧后，證實了創新擴散模型及預測作為研究課題的持續重要性。在文中Meade等回顧了學者們提出的不同研究方向的創新擴散模型（如Bass模型、Logistic模型、Gompertz模型等），并對其進行了總結和比較。Meade等還以傳染病擴散模式為基礎修改了現有模型以提高其靈活性，將模型的適用范圍推向更一般的產品和不同國家、不同階段的創新；同時指出，創新擴散模型的主要應用領域是耐用消費品和電信技術[24]。Peres等則基于消費者行為理論，并結合消費者異質性方法論，分別討論了單一市場的背景下、跨市場和跨品牌的背景下各類因素對新產品擴散的影響。研究表明，創新性、價格敏感度、需求度、網絡外部性等的不同會導致消費者接受創新的傾向性產生差異；隨著市場環境的不斷改善，具有競爭性的產品除了會顯著影響產品擴散的速度，還會影響消費者之間的交互情況[25]。Wu等在整合技術接受模型、創新擴散理論、感知風險和感知成本理論基礎上，構建了移動商務用戶采納模型，通過實證研究得到影響用戶采納移動商務的因素。結果顯示，除感知易用性外，感知風險、兼容性、感知有用性和感知成本等因素均顯著影響用戶的移動商務使用行為，其中兼容性的影響力最顯著[26]。

3.3 被引突增文獻分析

筆者通過引文共被引聚類圖譜識別出Top15的被引突增文獻（見圖6）。從圖6可知，在排名前三的被引突增文獻中，第一篇文獻完成于2010年，共被引強度最高，達到了6.9588，第二篇和第三篇文獻分別完成于2012年和2010年，共被引強度依次是5.6449與4.277，被引時段均為2013-2016年。其中，第一篇文獻就是前文提及的當前重點文獻之一，即Peres等發表的《創新擴散與新產品增長模型的文獻述評與研究展望》。第二篇文獻為《基于多主體仿真的創新擴散研究綜述》。Kiesling在此文中指出，基于Agent的建模和仿真能較好地克服定量模型的不足，可以在擴散研究中捕捉到高度相關的復雜的涌現現象；Kiesling還從動態網絡演化視角出發，應用仿真模擬方法研究了微觀個體的采納行為和相互作用機制，進而分析了新產品在用戶市場中的擴散過程，證明了仿真模擬方法在擴散研究尤其是創新研究方面具有很好的解釋力[27]。第三篇文獻為《它會傳播嗎？社會影響和網絡拓撲對創新擴散的影響》。在此文中，Delre等利用閾值模型建立了消費者決策的多智能體模型，通過使用無標度網絡，并將消費者對于產品質量的個體偏好和來自于鄰居個體的社會影響這兩類影響因素進行線性加權，從而得到了消費者自身的效用函數。在此基礎上，Delre等指出，具有高度連接的主體對創新擴散的影響在于他們能夠告知其他消費者，而不是說服消費者采納創新[28]。

綜上可知，早期的研究熱點主要集中在Rogers提出的創新擴散理論以及Bass創新擴散模型，側重于從宏觀層面對新產品銷量進行預測，進而分析創新產品的市場占有率及整體擴散形勢。當前的研究主要集中于微觀層面，側重于采用模擬仿真方法來分析創新擴散的演化行為，具體研究模型包括閾值模型、基于博弈理論的擴散模型和基于復雜社會網絡的擴散模型等。

4 創新擴散研究熱點及研究前沿可視化分析

4.1 研究熱點

關鍵詞是一篇文獻的核心與精髓，是文獻的研究目的、研究對象、研究方法的高度凝練與概括。因此，關鍵詞共現分析可以反映出某一研究領域一段時間內的研究熱點[29]。為此，筆者將CiteSpace Ⅲ軟件的節點類型設置為“Keyword”，閾值選擇Top N Per Slice并設置為30，采用Pathfinder算法，合并名詞單復數形式和同義詞，其余數據采用系統默認值，得到了創新擴散領域的研究熱點知識圖譜和高頻關鍵詞（分別見圖7和表3）。結合圖7和表3可知，創新擴散領域的研究熱點主要集中在創新技術的接受與采納研究、創新擴散的影響因素研究、創新擴散動力研究、創新擴散模型及仿真研究等4個方面。

4.1.1 創新技術的接受與采納研究

主要包括“Adoption”、“Technology”、“Technology Acceptance Model”、“User Acceptance”等關鍵詞。對新技術的接受是擴散研究的基礎內容[30]；采納和擴散通常放在一起使用，二者具有高度相關性[31]。因此，創新擴散研究多聚焦于采納者，研究熱點主要涉及采納者接受和采納新技術的決策問題。學者們從多角度、多方面應用不同的理論對此進行了研究與論證。Karahanna等應用了TRA理論和創新擴散理論分析組織成員對技術的采納行為，指出個體的行為信念會直接影響信息技術潛在采納者的態度及行為意圖[32]。Harrison等根據TPB理論研究了小企業的決策者對信息技術的投資決策的影響趨勢[33]。Davis等提出了TAM理論，并指出感知有用性對技術采納的正向影響[34]。Venkatesh等[35]構建了技術接受和使用的統一理論模型，指出了社會影響對技術采納的重要作用。Compeau等基于社會認知理論指出，自我效能是采納者必須具有的技能[36]。Markus等認為個人采納技術受到其他采納者的影響，指出網絡外部性對技術采納的重要性[37]。Kimberly等研究發現，組織規模對技術采納有很好的解釋能力[38]。可見，這一研究熱點早期大部分集中在信息技術領域，現在已應用到組織創新[39]、心理學[40]、移動支付[41]和醫療信息學[42]等多個領域。

4.1.2 創新擴散的影響因素研究

主要包括“Innovation Diffusion”、“Innovation”、“Impact”等關鍵詞。學者們從創新本身屬性、擴散主體和擴散環境等視角對創新擴散影響因素進行了理論分析、實證檢驗和模擬仿真。首先，從創新本身屬性來看，由于創新成果轉化是投入產出的過程，高收益是每一個創新主體所追求的最終目標，因此，越能滿足擴散受眾收益需求的、創新性越高的技術成果越易于擴散[43]。其次，從擴散主體來看，其影響因素主要來自企業和消費者兩個層面：在企業層面，新產品目標市場和促銷時機的選擇、傳播渠道的優越性等因素影響創新擴散的效果[44]；在消費者層面，消費者的認知偏好決定其是否購買創新產品[45]。再次，從擴散環境來看，主要涉及企業間的競爭合作、創新技術的空間特征和宏觀環境等。在企業間的競爭合作層面，合作伙伴的相似性和互補性對創新擴散具有顯著影響：相似性對不同類型的知識擴散產生影響[46]，互補性有利于提高產品擴散程度[47]。在創新技術的空間特征層面，從地理位置來說，空間距離的長短會影響創新擴散的效果，距離越短，越有助于創新擴散。MacGarvie通過分析專利引用量發現，技術和資源的空間鄰近性及語言相通等因素對國際技術擴散具有正向影響[48]。在宏觀環境層面，擴散主體所在地區的經濟發展水平影響創新擴散效率，Helsen等指出，經濟發展水平不同的國家在創新擴散程度上也不同[49]；而政策法規等制度環境因素通過激勵和限制措施促進了公益性或重要技術創新的擴散，Popp認為，政府是否執行嚴格的排放限制政策，顯著影響污染控制技術的擴散速度的快慢[50]。

4.1.3 創新擴散動力研究

主要包括“Dynamics”、“Systems”、“Perspective”等關鍵詞。創新擴散動力是指導致擴散行為的最根本、最原始的動機[51]；同時，創新擴散動力也是創新擴散能否實現的決定力量[52]。目前，學者們將創新擴散動力分為外在推動力和內在牽引力。外在推動力是指創新者和先期采用者所獲得的競爭優勢會給未采用者帶來競爭威脅，從而使后者被動進行創新擴散的動力[53]。Mansfield（1971）認為，企業創新擴散的動力主要來自3個方面：模仿比例、機會利潤率和新技術投資額。其中，創新的先行模仿企業的數量是企業采用創新的外在推動力[54]。另外，創新者與未采用者的空間距離[55]、基礎設施與人力資本的共同作用[56]、不良市場競爭[57]以及產品的品牌影響[58]等也是外在推動力。內在牽引力是指企業或個人為實現利潤最大化而主動創新擴散的動力[53]。具體包括新產品的機會利潤率和投資額[54]、實現自身效益最大化[59]、用戶感知的真實信息[60]、創新投入與科學技術產出的共同進化[56]等。

4.1.4 創新擴散模型及仿真研究

學者們從社會學、營銷學、傳播學等多個理論視角探討了創新擴散現象，主要對宏觀變量模型和微觀機制模型進行了研究。

1）宏觀變量模型研究。主要包括“Bass Model”、“Adoption”、“Sales”等關鍵詞。宏觀變量模型側重于研究經濟和人口特征對創新擴散速度和時間的影響，分析創新采納者的演變過程，主要以Bass模型及其拓展模型為代表，研究對象大體涵蓋新產品擴散[61]、技術擴散[62]、知識擴散[63]和產品銷售預測[64]等問題，應用范圍涉及耐用消費品[65]、IT技術[66]、電信服務[67]和零售行業[68]等領域。雖然Bass模型較好地擬合了現實數據，但是模型只能分析創新在宏觀層面上的擴散情況，無法考量宏觀特征涌現的作用機制。同時，Bass模型假設市場上所有個體具有相同的偏好和一致的行為特征，該假設與消費者偏好異質的客觀現實相差甚遠，從而限制了Bass模型的適用范圍。

2）微觀機制模型研究。主要包括“Agent-Based Modeling”、“Simulation”、“Internet”、“Complex Network”、“Simulation”、“Networks”、“Technology”等關鍵詞。微觀層面的創新擴散研究克服了Bass模型的上述兩個缺陷，從個體視角出發研究了創新采納的決策過程，并建立了相應的創新擴散模型。早期的創新擴散微觀研究主要采用定性分析和統計方法，雖然在某種程度上是對宏觀層面研究的補充和完善，但是預測的準確率相對較低。直到20世紀90年代，隨著學者們研究的不斷深入，大量的模擬仿真方法應用到微觀研究中，從而提升了創新擴散預測的精度。微觀模擬仿真方法如滲透模型[69]、元胞自動機模型[70]、基于Agent的模型[71]等被用于更深入地探討個體偏好程度的不同、個體行為的異質性等因素對創新擴散的方式、路徑、速度和程度的重要影響，以揭示創新擴散的微觀作用機制。隨著復雜網絡的研究熱度持續高漲，越來越多的學者開始熱衷于通過構建復雜網絡模型研究社會網絡對創新擴散的影響。學者們主要從社會網絡的節點分布、網絡關系的強弱程度和網絡拓撲結構等特征入手研究創新擴散，研究對象主要涉及產品擴散[72]、能源創新擴散[73]、知識擴散[74]、興趣擴散[75]、旁氏騙局擴散[76]等問題，應用范圍拓展到醫療服務行業[77]、高技術產業集群[78]、供應鏈管理[79]、旅游行業[80]等不同領域。

4.2 研究前沿

研究前沿是某一領域研究中最具有研究價值和發展潛能的主題。某領域的研究前沿可以通過突現詞分析，即檢測關鍵詞的時間分布、頻次變化率、變動趨勢等來確定。為此，本文將CiteSpace Ⅲ軟件的節點類型設置為“Keyword”，Term Type類型設置為“Burst Terms”，閾值選擇Top N Per Slice并設置為30，采用Pathfinder算法，顯示方式設置為時區視圖，其余數據采用系統默認值，得到創新擴散領域的研究前沿知識圖譜（見圖8）；同時，通過統計2010-2016年關鍵詞的出現頻次得到表4。在研究前沿知識圖譜（見圖8）中，頻次最多的關鍵詞是Innovation Diffusion（241次），其正是本文的研究主題，可見文獻選擇符合本文的研究目的。由圖8和表4可知，頻數較高且中心度較高的關鍵詞有Networks、Dynamics、Social Networks、Complex Networks、Technology Adoption、Industry，說明這些關鍵詞代表了創新擴散領域研究的最新發展趨勢。對這些關鍵詞進行進一步分析可以看出，國際上對創新擴散領域研究的前沿主要集中在4個方面：1）創新擴散的動力研究，包括產業集群下創新擴散的動力機制研究、政府創新擴散的動力機制研究等；2）復雜網絡視角下的創新擴散研究，包括創新擴散模型研究、新產品擴散研究等；3）創新擴散在技術采納行為中的應用，包括建立技術采用的概念模型、能源技術采納的影響因素等；4）社會網絡環境下的創新擴散研究，包括創新擴散與社會網絡的共生演化、應用社會網絡分析方法研究新產品擴散等。

5 結 論

本文以Web of Science核心數據集中2001-2016年關于創新擴散的596篇研究文獻作為數據池，應用CiteSpace Ⅲ可視化軟件，以多元、分時、動態視角對創新擴散研究進行知識圖譜可視化分析，從而直觀展現創新擴散研究的分布情況、知識基礎及演化路徑、研究熱點與前沿主題，得到以下主要結論：

1）創新擴散領域中研究實力較強的國家主要包括中國、美國、英國、意大利、澳大利亞等。其中，中國和美國處于領先地位。從主要研究機構來看，中國已經成為國際上主要的研究國家，對推動創新擴散研究發揮了積極作用和國際影響。然而，從國家間科研合作來看，中國由于尚未形成開放性、國際性的合作研究氛圍，因此仍落后于英、美等西方發達國家。

2）通過期刊共被引分析可知，在創新擴散領域中，MIS Quarterly、Journal of Marketing、Marketing Science這3個期刊兼具質量與數量的優點，屬于世界頂級的管理類學術期刊（UTD24）。它們不僅是創新擴散研究的重要期刊，更是創新管理領域的權威期刊。這些期刊發表的相關文章具有明顯的前沿性和引領性，對創新擴散領域的研究發展具有十分重要的影響。

3）通過文獻的共被引分析，得出創新擴散領域奠基性文獻、當前重點文獻和被引突增文獻，從而總結出創新擴散領域的知識基礎及演化路徑。早期的研究主要集中于Rogers提出的創新擴散理論以及Bass創新擴散模型，側重于從宏觀層面上對新產品銷量進行預測，進而分析創新產品的市場占有率及整體擴散形勢。當前的研究則主要集中于微觀層面，側重于采用模擬仿真方法來分析創新擴散的演化規律。

4）創新擴散研究的熱點領域主要包括創新技術的接受與采納研究、創新擴散的影響因素研究、創新擴散動力研究、創新擴散模型及仿真研究等。創新擴散的研究前沿則主要包括創新擴散的動力研究、復雜網絡視角下創新擴散研究、創新擴散在技術采納行為中的應用、社會網絡環境下的創新擴散研究。

本文通過CiteSpace Ⅲ可視化軟件對創新擴散領域的相關文獻進行了整體分析，從而清晰直觀地展現了該領域的時空分布、知識基礎及演化路徑、研究熱點和研究前沿等。由于篇幅所限，文中并沒有對創新擴散領域的學術研究成果展開更廣泛的分析。在后續的研究中，筆者將針對創新擴散領域中的研究方法、理論視角、專利引用等方面作進一步的專題分析，從而為學者們未來進行創新擴散的相關研究提供有益的參考和借鑒。

參考文獻

[1]Blaut J M.Diffusionism：A Uniformitarian Critique[J].Annals of the Association of American Geographers，1987，77（1）：30-47.

[2]Hall B H.Innovation and Diffusion[A].In J.Fagerberg，D.C.Mowery，& R.R.Nelson（Eds.），The Oxford Handbook of Innovation[C].New York：Oxford University Press，2005：459-484.

[3]Karakaya E，Hidalgo A，Nuur C.Diffusion of Eco-Innovations：A Review[J].Renewable and Sustainable Energy Reviews，2014，33：392-399.

[4]Bui Q.A Review of Innovation Diffusion Theories and Mechanisms[A].In D.I.G.I.I.Technology，ed.Proceedings of the Twentieth DIGIT Workshop[C].Fort Worth，Texas，2015：1-10.

[5]Zanello G，Fu X，Mohnen P，Ventresca M.The Creation and Diffusion of Innovation in Developing Countries：A Systematic Literature Review[J].Journal of Economic Surveys，2016，30（5）：884-912.

[6]陳錕.基于復雜系統仿真的創新擴散研究述評[J].外國經濟與管理，2009，31（4）：10-14.

[7]黃魯成，王寧.專利視角下的技術擴散研究綜述[J].科學學與科學技術管理，2011，32（10）：27-34.

[8]王珊珊，王宏起.技術創新擴散的影響因素綜述[J].情報雜志，2012，31（6）：197-201.

[9]蔡霞，宋哲，耿修林，等.社會網絡環境下的創新擴散研究述評與展望[J].科學學與科學技術管理，2017，38（4）：73-84.

[10]張曉鵬，朱曉宇，劉則淵.國際公共危機管理研究的文獻計量學分析[J].科學學與科學技術管理，2011，32（3）：117-121.

[11]許振亮，郭曉川.50 年來國際技術創新研究前沿的演進歷程——基于科學知識圖譜視角[J].科學學研究，2012，30（1）：44-59.

[12]梅亮，陳勁，劉洋.創新生態系統：源起、知識演進和理論框架[J].科學學研究，2014，32（12）：1771-1780.

[13]夏恩君，宋劍鋒.開放式創新研究的演化路徑和熱點領域分析——基于科學知識圖譜視角[J].科研管理，2015，36（7）：28-37.

[14]韓國元，李鐸.基于科學知識圖譜的深海技術發展可視化分析[J].中國管理科學，2015，23：848-852.

[15]饒榮豪，段承瑤.人力資源業務伙伴模式研究的知識結構與發展趨勢——基于知識圖譜的分析[J].外國經濟與管理，2017，39（4）：98-116.

[16]黃微，張曉君.基于知識圖譜的我國網絡輿情研究進展可視化分析[J].情報科學，2016，34（6）：87-93.

[17]Chen C，Chen Y，Horowitz M，et al.Towards an Explanatory and Computational Theory of Scientific Discovery[J].Journalof Informetrics，2009，3（3）：191-209.

[18]Chen C M.CiteSpace Ⅱ：Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature[J].Journal of the American Society for Information Science and Technology，2006，57（3）：359-377.

[19]李杰，陳超美.Cite Space：科技文本挖掘及可視化[M].北京：首都經濟貿易大學出版社，2016.

[20]Small H G，Sweene Y E，Greenlee E.Clustering the Science Citation Index Using Co-Citations：Ⅱ[J].Scientometrics，1985，8（5-6）：321-340.

[21]Rogers E M.Diffusion the Innovations（4th）[M].New York：The Free Press，1995.

[22]Bass F M.A New Product Growth for Model Consumer Durable[J].Management Science，1969，50（12）：215-227.

[23]Moore G C.Benbasat I.Development of an Instrument to Measure the Perceptions of Adopting an Information Technology Innovation[J].Information Systems Research，1991，2（3）：192-221.

[24]Meade N，Islam T.Modeling and Forecasting the Diffusion of Innovation-A 25-year Review[J].International Journal of Forecasting，2006，22（3）：519-545.

[25]Peres R，Muller E，Mahajan V.Innovation Diffusion and New Product Growth Models：A Critical Review and Research Directions[J].International Journal of Research in Marketing，2010，27（2）：91-106.

[26]Wu J H，Wang S C.What Drives Mobile Commerce？：An Empirical Evaluation of the Revised Technology Acceptance Model[J].Information & Management，2005，42（5）：719-729.

[27]Kiesling E.Agent-Based Simulation of Innovation Diffusion：A Review[J].Central European Journal of Operations Research，2012，20（2）：183-230.

[28]Delre S A，Jager W，Bijmolt T H A，et al.Will it Spread or Not？The Effects of Social Influences and Network Topology on Innovation Diffusion[J].Journal of Product Innovation Management，2010，27（2）：267-282.

[29]Chen C M.The Centrality of Pivotal Points in the Evolution of Scientific Networks[C].Proceedings of the 10th International Conference on Intelligent User Interfaces.San Diego，CA：ACM Press，2005：98-105.

[30]Sriwannawit P.Large-Scale Bibliometric Review of Diffusion Research[J].Scientometrics，2015，102（2）：1-31.

[31]Wejnert B.Integrating Models of Diffusion of Innovations：A Conceptual Framework[J].Basic Income Studies，2002，28（1）：297-326.

[32]Karahanna E，Straub D W，Chervany N.L.Information Technology Adoption Across Time：A Cross-Sectional Comparison of Pre-Adoption and Post-Adoption Beliefs[J].MIS Quarterly，1999，23（2）：183-213.

[33]Harrison D A，Mykytyn P P，Riemenschneider C K.Executiive Decision About Adoption of Information Technology in Small Business：Theory and Empirical Tests[J].Information System Research，1997（8：2）：171-195.

[34]Davis F D，Bagozzi R P，Warshaw P R.User Acceptance of Computer Technology：A Comparison of Two Theoretical Models[J].Management Science，1989，25（8）：982-1003.

[35]Venkatesh V，Morris M G，Davis G B，et al.User Acceptance of Information Technology：Toward a Unified View[J].MIS Quarterly，2003，27（3）：425-478.

[36]Compeau D R，Higgins C A.Computer Self-Efficacy：Development of a Measure and Initial[J].MIS Quarterly，1995，（19）：189-211.

[37]Markus M L，Benjamin R I.The magic Bullet Theory in IT-Enabled Transformation[J].Sloan Management Studies，1997，38（2）：55-68.

[38]Kimberly J R，Evanisko M J.Organizational Innovation：The Influence of Individual，Organizational，and Contextual Factors on Hospital Adoption of Technical and Administrative Innovations[J].Academy of Management Journal，1981，24（4）：392-399.

[39]Frambach R T，Schillewaert N.Organizational Innovation Adoption：A Multi-Level Framework of Determinants and Opportunities for Future Research[J].Journal of Business Research，2002，55（2）：163-176.

[40]Lakin J L，Jefferis V E，Cheng C M，et al.The Chameleon Effect as Social Glue：Evidence for the Evolutionary Significance of Nonconscious Mimicry[J].Journal of Nonverbal Behavior，2003，27（3）：145-162.

[41]Abrah？o R D S，Moriguchi S N，Andrade D F.Intention of Adoption of Mobile Payment：An Analysis in the Light of the Unified Theory of Acceptance and Use of Technology （UTAUT）[J].RAI Revista de Administrao e Inovao，2016，13（3）：221-230.

[42]Ward R.The Application of Technology Acceptance and Diffusion of Innovation Models in Healthcare Informatics[J].Health Policy and Technology，2013，2（4）：222-228.

[43]Bennett D.Innovative Technology Transfer Framework Linked to Trade for UNIDO Action[R].Vienna：United Nation Industrial Development Organization，2002：127-132.

[44]Delre S A，Jager W，Bijmolt T H A，et al.Targeting and Timing Promotional Activities：An Agent-Based Model for the Take off of New Products[J].Journal of Business Research，2007，60（8）：826-835.

[45]Alkemade F，Castaldi C.Strategies for the Diffusion of Innovations on Social Networks[J].Computational Economics，2005，25（1-2）：3-23.

[46]Sherwood A L，Covin J G.Knowledge Acquisition in University-Industry Alliances：An Empirical Investigation From a Learning Theory Perspective[J].Journal of Product Innovation Management，2008，25（2）：162-179.

[47]Belderbos R，Carree M，Lokshin B.Complementarity in R&D; Cooperation Strategies[J].Review of Industrial Organization，2006，28（4）：401- 426.

[48]Macgarvie M.The Determinants of International Knowledge Diffusion as Measured by Patent Citations[J].Economics Letters，2005，87（1）：121-126.

[49]Helsen K，Jedidi K，Wayne S，et al.A New Approach to Country Segmentation Utilizing Multinational Diffusion Patterns[J].Journal of Marketing，1993，57（4）：60-71.

[50]Popp D.Exploring Links Between Innovation and Diffusion：Adoption of NOX Control Technologies at US Coal-fired Power Plants[J].Environmental and Resource Economics，2010，45（3）：319-352.

[51]李金勇，李莎，鐘雪梅.技術創新擴散的內涵與動力研究述評[J].商業經濟研究，2015，（16）：88-89.

[52]鄧憶瑞，徐小峰，趙金樓.網絡環境下信息擴散的動力機制研究[J].情報雜志，2008，27（4）：61-63.

[53]武春友，戴大雙，蘇敬勤.技術創新擴散[M].北京：化學工業出版社，1997.

[54]Mansfield E.The Economic of Technology Change[M].New York：Norton and Company，1971.

[55]Geroski P A.Models of Technology Diffusion[J].Research Policy，2000，29（4-5）：603-625.

[56]Castellacci F，Natera J M.The Dynamics of National Innovation Systems：A Panel Cointegration Analysis of the Coevolution Between Innovative Capability and Absorptive Capacity[J].Research Policy，2013，42（3）：579-594.

[57]Shin D H，Bartolacci M.A Study of MVNO Diffusion and Market Structure in the EU，US，Hong Kong，and Singapore[J].Telematics and Informatics，2007，24（2）：86-100.

[58]Derwischa S，Morone P，Kopainsky B，et al.Investigating the Drivers of Innovation Diffusion in a Low Income Country Context.The Case of Adoption of Improved Maize Seed in Malawi[J].Futures，2016，81：161-175.

[59]Silveira G D.Innovation Diffusion：Research Agenda for Developing Economies[J].Technovation，2001，21（12）：767-773.

[60]Yücel G，Daalen C E V.Exploratory Analysis of the Impact of Information Dynamics on Innovation Diffusion[J].Technological Forecasting and Social Change，2011，78（2）：358-372.

[61]Dodson J A，Muller E.Models of New Product Diffusion Through Advertising and Word-of-Mouth[J].Management Science，1978，24（15）：1568-1578.

[62]Cheng A C.Exploring the Relationship Between Technology Diffusion and New Material Diffusion：The Example of Advanced Ceramic Powders[J].Technovation，2012，31（3-4）：163-167.

[63]Tsai C M.The Knowledge Diffusion Model Associated with Innovative Knowledge[J].Expert Systems with Applications，2009，36（8）：11323-11331.

[64]Hyman M R.The Timeliness Problem in the Application of Bass-type New Product-Growth Models to Durable Sales Forecasting[J].Journal of Business Research，1988，16（1）：31-47.

[65]Bass F M.Comments on“A New Product Growth Model for Consumer Durables”[J].Management Science，2004，50（12）：1833-1840.

[66]Speece M W，Maclachlan D L.Application of a Multi-Generation Diffusion Model to Milk Container Technology[J].Technological Forcasting & Social Change，1995，49（3）：281-295.

[67]Turk T，Trkman P.Bass Model Estimates for Broadband Diffusion in European Countries[J].Technological Forcasting & Social Change，2012，79（1）：85-96.

[68]Wu F S，Chu W L.Diffusion Models of Mobile Telephony[J].Journal of Business Research，2010：63（5）：497-501.

[69]Goldenberg J，Libai B，Solomon S，et al..Marketing Percolation[J]Physica A：Statistical Mechanics and its Applications，2000，284（1-4）：335-347.

[70]Goldenberg J，Libai B，Muller E.Talk of the Network：A Complex System Look at the Underlying Process of Word-of-Mouth[J].Marketing Letters，2001，12（3）：211-223.

[71]Garcia R.Uses of Agent-based Modeling in Innovation/New Product Development Research[J].Journal of Product Innovation Management，2005，22（5）：380-398.

[72]Valente T W.Social Network Thresholds in the Diffusion of Innovation[J].Social Networks，1996，18（1）：69-89.

[73]Tran M.Agent-Behaviour and Network Influence on Energy Innovation Diffusion[J].Communications in Nonlinear Science and Numerical Simulation，？2012，17（9）：3682-3695.

[74]Gupta S，Maltz E.Interdependency，Dynamism and Variety（IDV）Network Modeling to Explain Knowledge Diffusion at the Fuzzy Front-end Ofinnovation[J].Journal of Business Research，2015，68（11）：2434-2442.

[75]Gregorio D A，Fulvio D A，Nicola A D，et al.Interests Diffusion in Social Networks[J].Physica A：Statistical Mechanics and its Applications，2015，436（15）：443-461.

[76]Zhu A D，Fu P H，Zhang Q H，et al.Ponzi Scheme Diffusion in Complex Networks[J].Physica A：Statistical Mechanics and its Applications，？2017，479（1）：128-136.

[77]Jippes E，Achterkamp M C，Brand P L P，et al.Disseminating Educational Innovations in Health Care Practice：Training Versus Social Networks[J].Social？Science & Medicine，2010，70（10）：1509-1517.

[78]Lazzeretti L，Capone F.How Proximity Matters in Innovation Networks Dynamics Along the Cluster Evolution.A Study of the High Technology Applied to Cultural Goods[J].Journal of Business Research，2016，69（12）：5855-5865.

[79]Todo Y，Matous P.，Inoue H.The Strength of Long Ties and the Weakness of Strong Ties：Knowledge Diffusion Through Supply Chain Networks[J].Research Policy，2016，45（9）：1890-1906.

[80]Alexandra G M，Ben W.Diffusion of Innovation：The Case of Ethical Tourism Behavior[J].Journal of Business Research，2016，69（8）：2711-2720.

（責任編輯：郭沫含）