集群企业创业传导的仿真研究

叶 峥，郑健壮



集群企业创业传导的仿真研究

叶 峥，郑健壮

(浙江大学城市学院，浙江杭州 310015）

集群企业创业已成为当前产业集群转型升级的重要路径。受所在集群企业网络的影响，集群企业创业行为决策存在巨大差异。基于复杂网络的分析视角，揭示了集群企业网络与复杂网络模型之间的耦合关系，运用仿真方法构建集群企业网络并对集群企业网络中创业行为的传导进行了模拟，以最终创业企业数、传导稳定期、累积创业次数和创业行为集中度四个指标刻画了集群企业创业行为传导过程和效果。结论表明：创业传导次数的变化除引起累积创业次数发生几乎同比例的变化外，不引起其它指标显著变化；增加初始目标结点数能使传导更早进入稳定期且其它指标基本保持不变；集群内不同企业的累积创业次数在被动影响模式下表现更均衡，且创业行为集中度降低。

创业行为；复杂网络；传导过程；传导效果；计算机仿真

0 引言

在中国经济增速放缓的背景下，对产业集群的研究已从前期的关注其形成和竞争优势转变到关注其转型升级的路径和政策。温州柳市低压电器集群、桐庐发电设备集群、南浔木业集群等多个产业集群凭借集群企业的二次创业实现集群转型升级。由此可见，集群升级是核心企业创业带动其它企业创业的结果。企业创业是集群企业乃至整个集群实现升级的关键途径[1]。集群企业嵌入在一个以正式和非正式关系所构成的本地网络之中，与非集群网络成员的企业相比，其创业行为决策有着巨大差异。一方面，集群企业的多重网络关系使得创业成果的模仿和创新更易发生。另一方面，作为地方根植性网络组织，集群企业容易出现对既有网络的路径依赖和“锁定”[2]，从而对企业创业行为产生影响。现有研究已注意到集群企业网络特征与企业创业之间的联系，但不同研究者基于研究出发点差异从网络关系或网络结构视角进行研究得出的结论却存在悖论现象。集群企业网络特征最终对整个集群内的企业创业行为产生何种综合影响？集群内某个企业的创业行为具体如何引起其他企业的创业行为？这需要一种综合性的动态研究视角来加以解决，需要研究的是企业创业行为在集群企业网络上的传导过程及传导效果问题。基于上述，本文将产业集群视为复杂社会网络组织分析集群企业网络与复杂网络模型之间的耦合关系，运用仿真方法对集群企业网络中创业行为的传导过程进行模拟研究，探寻影响集群企业创业传导过程和效果的关键因素，从而为促进产业集群转型升级提供借鉴。

1 集群企业网络与集群企业创业

1.1 集群企业网络与复杂网络

在复杂网络的研究中，许多学者将企业间关系看作网络，研究企业网络的结构和企业在网络中的位置[3]等因素对企业绩效和市场结构等变量的影响。Hakansson[4]提出了影响网络组织结构基本变量（主体和资源）和网络构成关系（企业关系），将集群网络结构视作复杂网络进行了研究。一些学者基于对产业集群的实证分析，描述了集群复杂网络的形成[5]，认为集群内部的异质性、局域网络性、功能整合性、企业合作等网络特征都能很好的拟合复杂网络系统特征，并从资源、绩效和技术三个维度通过仿真模拟分析集群效益[6]，建立模型模拟了社会评价对集群动态演化的影响[7]。谭劲松和何铮[8]运用复杂网络理论中聚类系数、度分布、平均路径长度等指标来研究集群自组织过程。基于复杂网络视角，集群企业网络是由网络中的结点（代表集群中的企业）、网络边（代表企业之间的关系）而构成，在正常情况下，运行于一种自由流（free-flow）状态，而且是一种无向图，不考虑企业间强弱关系，即连接边之间的权重相等[9]。本部分基于集群企业网络、复杂网络的特征分析揭示了集群企业网络与复杂网络之间的耦合关系。

1.1.1 市场型集群（MC）与ER模型的耦合

复杂网络中的ER模型是完全随机网络，由Erdos等开发。具有两个重要特性：一是度分布趋于平均。二是结点之间边的连接以如下概率出现。

其中，Pi表示结点i与新结点的连接概率，N(t)表示t时刻的结点数。

市场型集群是企业之间的关系以平等的市场交易为主，各生产厂商以水平联系来完成产品生产的集群[10]。该类型集群的结构度相对较低，集群企业间同质性较高，双边的依赖性不是很强。

市场型集群与ER模型的耦合特征（见表1）表现为，市场型集群中高同质性表明企业与企业之间相似度高、重要性趋同，以水平联结为主要方式，即在ER模型中结点度分布相对平均；市场型集群中结构度低表明企业间锁定程度、依赖性弱，企业间关系的产生不受企业原有关系的影响，即在ER模型中结点之间边以相同概率联结。

表1 ER模型与市场型集群耦合性判断

1.1.2 中卫型集群（CC）与BA模型的耦合

复杂网络中的BA模型是一个无标度网络模型，由Barabasi等提出。具有两个重要特性：一是增长特性，即网络规模是不断扩大的。二是优先连接特性，即新的结点更倾向于与那些具有较高连接度的“大”结点相连接，连接概率表示如下。

其中，Pi表示结点i与新结点的连接概率，表示结点i的度，中j=1~N（N是已有结点数），表示将所有结点的度加总。

中卫型集群是以大企业为中心、众多中小企业为外围而形成的集群[11]。在该集群中，大企业处于支配地位，中小企业处于外围或下属，主要为“核心企业”进行特定的专业化加工，或根据需要提供专门化产品，或进行限制性销售。该类型集群结构度高，群内企业相互依赖性强，同质性低，企业之间关系主要是上下游的分工合作。

中卫型集群与BA模型的耦合特征（见表2）表现为，中卫型集群中同质性低表明内部网络结构中存在少量度相对很高的结点，且大企业为中心，即在BA模型中存在的具有较高连接度的“大”结点；中卫型集群中网络内结构度高表明企业间关系的产生是以优先连接大企业为标准的，即在BA模型中具有的优先连接特性。

表2 BA模型与中卫型集群耦合性判断

1.2 集群企业创业传导与复杂网络创新扩散

在集群企业网络与复杂网络耦合的基础上，本部分进一步将集群企业网络上的创业行为传导现象和复杂网络上的创新扩散现象进行耦合分析。复杂社会网络上的扩散主要指产品技术[12-13]、行为策略[14-15]、思想文化[16]和群体现象[17]等在特定网络结构的社会网络中的传播。其特征包括三个方面，如表3所示。网络中个体间存在相互作用，这是因为社会网络中其他个体的选择会形成、影响甚至改变个体观念和态度，促使其选择采用或者拒绝[21]。此外，复杂网络上的同步、扩散、搜索等各种动力学行为都在很大程度上受到拓扑结构的影响，不同结构的网络，其动力学行为表现出明显的、本质上的差异[22-25]。

表3 复杂社会网络扩散的特征

对于集群企业创业行为的传导，集群企业间的相互作用对于创业行为的整个传导过程具有关键作用；集群企业的创业行为决策不仅取决于邻居的选择，还会受到集群企业网络的复杂拓扑构型的影响；集群企业的创业行为选择受市场机遇等外部因素与集群外部网络的共同影响。上述表明，集群企业创业行为的传导符合复杂社会网络扩散的特征，事实上就是创业行为在集群企业网络这一复杂社会网络上的传播与扩散。借鉴传染模型（Epidemic Model）模型的有关方法，创新扩散理论被用来解释新想法、新实践如何在组织内和组织间进行传播[26]。赵正龙[27]对复杂社会网络的创新扩散研究发现，邻居效应的强度和复杂社会网络的结构特征对均衡采用者比例有重要影响。邻居效应指邻居的选择会形成、影响甚至改变个体观念和态度，促使其选择采用或者拒绝，其基本思想是创新随着个体间交流沟通而扩散。复杂社会网络的结构特征对均衡采用者比例的影响在于其对扩散阈值的影响。阈值扩散模型表明个体受到其他采用者影响的程度超过某一个阈值，才会采用同样决策，可用来刻画个体所受影响的累加效果。阈值扩散模型在不同网络结构上的应用研究表明，阈值与网络的结构特征存在显著关系，比如扩散阈值是由网络连通度和扩散机制共同决定的[15]，度分布与结点度均与扩散阈值存在正相关关系[28]。

1.2.1 基于网络关系的集群企业创业传导

集群企业二次创业的实践表明，集群中某些企业的创新行为直接促成了与其关联的集群外协企业的创新行为，是创业行为在企业间的扩散。因此，基于网络关系的集群企业创业传导是指集群企业的创业决策过程容易受到与之联系的集群企业选择的影响，与复杂社会网络创新扩散个体间影响模式（邻居效应）相耦合，主要考察创业传导的概率。

在邻居效应中，个体间影响模式存在主动影响与被动影响两种模式[27]。主动影响模式是指个体会有意识的宣传自己，尤其是针对性的向重点邻居个体宣传自己，从而达到加强合作的目的。在主动影响模式下，二次创业的集群企业有意识的将所开展的创新或风险投资活动向自己的关联企业进行传播，从而进一步实现自身的创新或风险投资活动。比如集群企业i将创新产品向关联企业j进行传播，并提出在零配件上所需的创新跟进，从而进一步推进创新产品的生产。被动影响模式是指目标个体不采取任何有意识的行为去影响创新的扩散，扩散概率取决于邻居个体的理性决策过程。在被动影响模式下，二次创业的集群企业i不采取任何有意识的行为向关联企业传播创新产品，而主要依赖于自身完成创新产品的生产与推广。此时，与之关联的集群企业j将综合自身的企业间合作情况进行理性决策，并可能考虑自身发展而维持与拓展与集群企业i在创新产品上的合作。

不考虑网络中个体间的联系强度①，则主动影响模式下的传导概率为

被动影响模式下的传导概率为

公式（4）

1.2.2 基于网络结构的集群企业创业传导

考察集群企业二次创业对整个集群的影响时发现，某些集群企业的二次创业行为最终能成功带动整个集群创业升级，而某些集群企业的二次创业行为则无法形成有效的扩散或传播，在集群中的影响极为有限。因此，基于网络结构的集群企业创业传导是指集群企业的创业行为扩散阈值受集群企业网络结构的影响，与复杂社会网络创新扩散网络结构特征影响模式（阈值扩散模型）相耦合，主要考察市场型与中卫型两种集群企业网络结构特征对创业传导过程与效果的影响。反映创业传导的过程与效果的指标包括传导成功率S（受传导的集群创业企业数量）、传导放大系数E（集群企业累积创业行为次数）、传导集中度CV（集群内创业行为的集中趋势，公式如下）。

2 集群企业创业仿真模型的研究设计

2.1 研究模型构建

多主体仿真模型非常适合研究由竞争和互补企业组成的集群所出现的各种现象，对集群创新网络和新产品开发体系这种网络发挥关键作用的复杂适应系统，用多主体仿真模型进行研究是一个正确的选择[29]。集群企业的二次创业行为通过信息流共享、知识传递和学习、多样化行为特征、创新能力以及行为个体间的复杂关系和结构演进[30]在集群企业网络中进行传导。因此，运用仿真方法可以考察“初始条件”和“路径依赖”对集群企业创业传导的影响。本文采用MATLAB7.5对研究模型进行仿真。集群企业创业传导的仿真分为两步，第一步是生成集群企业网络模型，第二步是进行创业行为传导仿真。生成网络模型和仿真都采用蒙特卡洛方法（Monte Carlo method），基于使用马特赛特旋转演算法（Mersenne Twister）产生的均匀分布的伪随机数，根据相应的概率模型来生成网络和仿真。

2.2 生成集群企业网络模型

基于前文所述的集群企业网络与复杂网络的耦合，本部分首先区分两类集群的网络结构，由此在MATLAB中建立两个模型：MC-ER模型和CC-BA模型。在生成网络模型时，我们从一个初始节点开始，按照两类集群网络结构结点连接概率规则（公式1和公式2），每次加入一个新节点，一直增加到400个节点②。网络模型生成输出两种模型下的网络图和结点度分布图（如图1所示）以及网络结点数和网络边的指标。生成的MC-ER网络模型含400个结点，408条边，度分布平均（介于0-10之间）；生成的CC-BA网络模型含400个结点，773条边，存在具有较高连接度的“大”结点（一般结点度介于0-20之间，个别结点的度达到112）。

MC-ER模型网络图    MC-ER模型结点度分布图

CC-BA模型网络图    CC-BA模型结点度分布图

图1 两类模型的网络图和结点度分布图

2.3 创业行为传导仿真

集群企业创业行为传导的仿真思路是：在两种网络模型情况下，随机设定最先进行创业的集群企业（称为目标结点），初始目标结点数分别设定为初始结点的1%和10%两种情况。根据传导概率D（即前文主动影响模式和被动影响模式两种情况下的传导概率），目标结点对邻居结点（与其有连接的结点）进行创业传导。受到创业传导的邻居结点即为下一次传导过程开始时的目标结点，传导可反复、累积发生。运行后输出经过50次、100次、200次传导后③的传导过程图和传导效果图，并输出传导成功率S（受传导的集群创业企业数量）、传导放大系数E（集群企业累积创业行为次数）、创业集中度CV（集群内创业行为的集中趋势）三个指标的值。根据仿真输出的传导过程图，分析传导时间T（传导趋于稳定时的次数）的差异，从而比较出不同网络结构和网络关系下的创业传导时间。依据上述思想在MATLAB中反复运行仿真过程文件，得到的集群企业创业传导的部分仿真结果如表4所示。

表4 集群企业创业传导的部分仿真结果

3 仿真结果与讨论

经过对模型的多次仿真发现，对两类模型来说，在其他参数不变的情况下，传导次数的变化除了引起E（累积创业次数）发生几乎同比例的变化外④，对S、T、CV未产生实质影响，不妨认为传导次数对传导结果不会造成异质性影响。因此，表4重点列出传导次数为50的不同参数下的仿真结果，对传导次数为100和200的仿真结果仅列出部分情况以作对比。本部分对仿真模型的初始目标结点数和影响模式两类参数变化及其产生的影响进一步分析与讨论。

3.1 初始目标结点数对传导结果的影响

MC-ER模型      CC-BA模型

A：主动影响，初始目标结点1%

MC-ER模型      CC-BA模型

B：主动影响，初始目标结点10%

MC-ER模型      CC-BA模型

C：被动影响，初始目标结点1%

MC-ER模型      CC-BA模型

改变初始目标结点数，两类模型在不同影响模式下经50次传导后，其传导过程的差异如图2所示。对比主动影响模式下初始目标结点数由1%增加到10%的两类模型的传导过程图（图2的A和B）发现， MC-ER模型的传导时间T由25次减少到15次，CC-BA模型的传导时间T由20次减少到15次；对比被动影响模式下初始目标结点数由1%增加到10%的两类模型的传导过程图（图2的C和D）发现，MC-ER模型的传导时间T由25次减少到15次，CC-BA模型的传导时间T则由15次减少到10次。因此判定，对于两类模型，增加初始目标结点数使传导更早达到稳定效果。

3.2 影响模式对传导结果的影响

改变结点间影响模式（传导概率），两类模型在不同初始目标结点数下经50次传导后，其传导效果的差异如图3所示。对比初始目标结点数1%时由主动影响转变为被动影响的两类模型的传导效果图（图3的a和b）和对比初始目标结点数10%时由主动影响转变为被动影响的两类模型的传导效果图（图3的c和d）发现，MC-ER模型和CC-BA模型的集群内不同企业的累积创业次数在被动影响模式下均表现出更为均衡。特别是CC-BA模型，其集群企业累积创业次数在主动影响模式下极度不均衡，而在被动影响模式下则出现了均衡情况。从指标值来看，初始目标结点数1%时，MC-ER模型的CV值从主动影响模式下的0.9512降低到被动影响模式下的0.6063，而集群企业累积创业次数E却从10388次增加到11630次，说明被动影响模式下集群企业创业传导效果占优；CC-BA模型在主动影响模式下的CV值为1.8924，创业行为趋于集中，而在被动影响模式下的CV值仅为0.3839，创业行为趋于均衡，且集群企业累计创业次数E从主动影响模式下的13413次增加到被动影响模式下的14117次，说明被动影响模式下的传导效果占优。初始目标结点数10%时，MC-ER模型的CV值从主动影响模式下的0.9511降低到被动影响模式下的0.5866，而集群企业累积创业次数E却从13656次增加到14487次，说明被动影响模式下集群企业创业传导效果占优；CC-BA模型在主动影响模式下的CV值为1.7968，创业行为趋于集中，而在被动影响模式下的CV值仅为0.3816，创业行为趋于均衡，且集群企业累计创业次数E从主动影响模式下的14974次增加到被动影响模式下的16209次，说明被动影响模式下的传导效果占优。因此判定，对于两类模型，被动影响模式下传导效果优于主动影响模式下的传导效果。

此外，对于CC-BA模型，根据图2可分析得出，将影响模式从主动影响改变成被动影响模式，在1%的初始结点数时，创业传导时间由20次减少到15次；在10%的初始结点数时，创业传导时间由15次减少到10次。因此判定，对于CC-BA模型，被动影响模式使创业传导进程显著加快，传导更早达到稳定效果。

MC-ER模型      CC-BA模型

a：主动影响，初始目标结点1%

MC-ER模型      CC-BA模型

b：被动影响，初始目标结点1%

MC-ER模型      CC-BA模型

c：主动影响，初始目标结点10%

MC-ER模型      CC-BA模型

4 结论与展望

本文从复杂网络视角出发，研究了集群企业二次创业行为在集群企业网络上的传导现象，并运用仿真方法对传导过程和传导效果进行了模拟。研究表明：1）对两类模型，创业传导次数的变化除了引起E（累积创业次数）发生几乎同比例的变化外，对于集群企业创业传导过程与效果基本没有影响。2）对于两类模型，增加初始目标结点数使达到相同传导效果的传导时间显著减少，即传导更早达到稳定效果。3）对于两类模型，在被动影响模式下集群内不同企业的累积创业次数表现出更为均衡，且集群企业累积创业次数显著增加，即被动影响模式下传导效果更为均衡和明显。对于CC-BA模型，随着影响模式从主动影响变为被动影响，创业行为从趋于集中转变成趋于均衡，创业传导进程显著加快，传导更早达到稳定效果。

本文从理论上解决了传统分析方法难以对集群企业创业传导路径和理性选择行为进行客观有效刻画的问题，为集群企业创业行为及其传导研究提供了新的视角和理论基础。本文的结论不仅能解释具有邻居效应和复杂社会网络结构特征的产业集群企业创业传导现象，也为相应的集群企业创业政策提供了理论指导。例如在激发集群企业创业时，应尽可能扩大集群内初始创业企业数，这样有利于加快和推动整个产业集群内企业的创业传导进程和提高创业企业数量极限值。对于特定规模的产业集群，创业行为在集群企业间的传导存在极限值，这符合实践中观察到的不是所有集群企业都能在发展中始终采取创新型发展战略[31]，总有一些集群企业会走向衰退或逐渐退出市场。在促进集群企业创业行为传导时，应更加注重集群企业合作关系中的被动影响模式，即在鼓励和引导集群创业企业主动对创新或风险投资活动寻找合适的关联企业的同时，更应从整个集群层面促进集群企业提升制定企业发展规划和战略的能力，从而促使更多意义上的关联企业能始终保持对合作方创新或风险投资活动的关注且从长远发展的角度跟进创业活动。

本文主要研究了基于既定集群企业网络这一“初始条件”的创业行为传导“路径依赖”问题。在现实中，集群企业的二次创业行为本身可能在集群内部和集群外部产生新的创业网络，亦即产生集群企业网络的动态性问题。因此，未来研究可在此基础上加以深化。

[1] 戴维奇,林巧,魏江.集群内外网络嵌入与公司创业——基于浙江省四个产业集群的实证研究[J].科学学研究，2011,29(4):571-581.

[2] Uzzi B. Social Structure and competition in interfirm networks: the problem of embeddedness [J]. Administrative Science Quarterly, 1997, 42(1): 35-67.

[3] Powell, W.W., Koput, K.W., Smith Doerr, L. Inter-organizational Collaboration and the Locus of Innovation: Networks of Learning in Biotechnology [J].Administrative Science Quarterly, 1996, 41: 116-145.

[4] Hakansson H., Ford D. How Should Companies Interact in Business Networks [J]? Journal of Business Research, 2002,55(2), 133-139.

[5] Chiles T.H., Meyer A.D., Hench T.J. Organizational emergence: The origin and transformation of Branson, Missour‘s musical theaters [J]. Organization Science, 2004,15(5): 497-519.

[6] Flaminio Squazzoni and Riccardo Boero. Economic Performance, Inter-Firm Relations and Local Institutional Engineering in a Computational Prototype of Industrial Districts [J]. Journal of Artificial Societies and Social Simulation, 2002, 5 (1):31-39.

[7] Francesca Giardini，Gennaro Di Tosto，Rosaria Conte. A Model for Simulating Reputation Dynamics in Industrial Districts [J]. Simulation Modeling Practice and Theory, 2008(16):231-241.

[8] 谭劲松，何铮.集群自组织的复杂网络仿真研究[J].管理科学学报，2009(8):1-14.

[9] 蔡宁，黄纯.集群风险与结构演化的复杂网络仿真研究[J].重庆大学学报（社会科学版），2012,18(1):5-11.

[10] 仇保兴.小企业集群研究[M].上海：复旦大学出版社，1999.

[11] 蔡宁，吴结兵.产业集群与区域经济发展——基于“资源—结构”观的分析[M].北京：科学出版社，2007.

[12] Karmeshu G D. Stochastic evolution of innovation diffusion in heterogeneous groups: Study of life cycle patterns [J]. IMA Journal of Management Math, 2001, 12(2): 107-126.

[13] Young H P. The Spread of Innovations by Social Learning [M] Lawrence E,et al. The Economy as a Complex Evolving System. Durlauf Oxford University Press, 2003: 267-281.

[14] Banerjee A V. A simple model of herd behavior [J]. The Quarterly Journal of Economics, 1992, 107(3): 797-817.

[15] Morris S. Contagion [J]. Review of Economic Studies, 2000, 67(1): 57-78.

[16] Bikhchandani S, Hirshleifer D, Welch I. A theory of fads, fashion, custom, and cultural change as informational cascades [J]. Journal of Political Economy, 1992, 100(5): 992-1026.

[17] Granovetter M. Threshold models of collective behavior [J]. American Journal of Sociology, 1978, 83(6): 14-20.

[18] Sultan,F.,Farley,J.U.,Lehmann,D.R. A meta-analysis of applications of diffusion models [J]. Journal of Marketing Research, 1990(37):70-77.

[19] Valente, T.W., Watkins, S.C., Jato, M.N. Straten, A. Tsitsol, L.P. Social network associations with contraceptive use among Cameroonian women in voluntary associations[J].Social Science & Medicine, 1997,45(5):677-687.

[20] Wendt, O., Westarp, F.V. Determinants of Diffusion in Network Effect Markets [J].2000 IRMA International Conference, Anchorage, USA, 2000: 819-823.

[21] 埃弗雷特·M·罗杰斯.创新的扩散[M].北京：中央编译出版社，2002.

[22] Strogatz, S.H. Exploring complex networks [J].Nature, 2001,410: 268-276.

[23] Albert, R.and Barabási, A.L. Statistical mechanics of complex networks [J]. Reviews of Modern Physics, 2002,74 (1):47-97.

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

[25] Boccalettia, S.,Latorab, C V., Morenod, E Y., Chavezf, D M., Hwang.,U. Complex networks: Structure and dynamics[J].Physics report, 2006, 424:175-308.

[26] 钱锡红，徐万里.创新扩散模型及修正综述[J].科技管理研究，2009(2):17-19.

[27] 赵正龙.基于复杂社会网络的创新扩散模型研究[D].上海交通大学，2008.

[28] Jackson, M.O. Rogers, B.W. Relating Network Structure to Diffusion Properties through Stochastic Dominance [J]. Advances in Theoretical Economics, 2007, 7(1):1-13.

[29] Rosanna Garcia. Use of Agent-Based Modeling in Innovation. New Product development Research [J].The Journal of product innovation management. 2005,22: 380-398

[30] Holland, J. H. Hidden, O. How adaptation builds complexity [M]. New York: Perseus Books，1995．

[31] 郑健壮，叶峥.基于资源观的产业集群政策研究[M].上海：三联出版社，2008年第1版.

① 赵正龙（2008）在其研究中说明了两种模式对扩散概率的影响存在显著差别，并将网络中个体联系强度设为任意非负实数，最终得出两种模式下的扩散概率。

② 考察真实的产业集群，初步形成企业网络的企业数一般达到400家。MATLAB中，生成网络的代码中分别设置“er_node=400”和“ba_node=400”。

③ MATLAB中，传导仿真的代码中分别设置“reflect_num=0.01（最先进行二次创业的集群企业比例，其值分别取0.01和0.1）”，“reflect_T=50（传导次数，其值分别取50,100和200）”，“reflect_type=0（传导影响模式的类型，0为主动影响，1为被动影响）”。

④ 如前文所述，在仿真中设定传导可反复、累积发生，因此集群企业的累积创业次数必然随传导次数发生几乎同比例的变化。

A computer Simulation on Entrepreneurial Behavior Diffusion of Firms in Clusters

YE Zheng，ZHENG Jian-zhuang

(Zhejiang University City College, Hangzhou 310015, China)

China is facing issues, such as the rise of energy and raw material price, construction land shortage, energy-saving and emission reduction constraints, Renminbi appreciation, the increase of labor cost, and industrial clusters. The previous growth pattern of high input with low efficiency in China are facing serious challenges and needing transformation and upgrading urgently. The realization of industrial clusters upgrading has become the key to the sustainable development of regional economy. In Changsha machinery industrial cluster, the successful corporate entrepreneurship of the leading firms like Zoomlion, Sany, Sunward have triggered the entrepreneurship of the other firms in the cluster, and contributed to industrial cluster upgrading. In Yueqing electrical industrial cluster, the new business development and continuous technological and management innovation of the focal firms like Delixi, Chint, Heag have stimulated the development of related firms, and promoted the transformation and upgrading of the cluster. Thus, corporate entrepreneurship in clusters is one of the important ways for the transformation and upgrading of industrial clusters in China. Although the existing researches on industrial clusters have already increasingly turned to industrial cluster upgrading, empirical researches on corporate entrepreneurship in clusters primarily use static analysis and cannot answer how entrepreneurship transmissions in firms can help promote the cluster upgrading.

As a matter of fact, entrepreneurial decision-making behaviors are very different by inter-firm networks in industrial clusters. This study takes the entire cluster as the research object and analyzes the coupling features between firm networks of industrial clusters and complex networks. In addition, this study combines the processes of entrepreneurship transmissions of firm networks in clusters with the diffusion processes on complex networks. Matlab simulation platform is used to reproduce two typical network structures of industrial clusters, and simulate the process and effect of entrepreneurship transmissions on firm network. Through theoretical and simulation research, the following conclusions are found:

Entrepreneurship transmissions on firm networks are affected by not only the relational embeddedness of firms in clusters, but also the structural embeddedness of firms in the overall network of clusters. The simulation research shows that the result of entrepreneurship transmissions is better in the central satellite model than in the market model. Corporate entrepreneurship tends to be more concentrated in the central satellite model than the market model. For the two basic cluster network models, the result of entrepreneurship transmissions is better in passive influence mode than in active influence mode. Increasing the initial number of entrepreneurial companies can speed up the entrepreneurship transmissions process to reach the same effect.

Overall, this paper simulates the process of entrepreneurship transmissions on firm networks from a dynamic perspective, and expands the research on cluster transformation and upgrading. The result may extend the current literatures on entrepreneurship policy for industrial clusters.

entrepreneurial behavior; complex network; diffusion process; diffusion effect; computer simulation

中文编辑：杜 健；英文编辑：Charlie C. Chen

F270

A

1004-6062(2016)04-0173-06

10.13587/j.cnki.jieem.2016.04.022

2013-12-30

2015-12-31

国家自然科学基金资助项目（71173188）；浙江省科技计划软科学资助项目（2012C35003）；杭州市软科学资助项目（20130834M46）

叶峥（1981—），女，浙江金华人；博士，副教授，主要从事产业集群与区域经济研究。