Bass模型及其两种扩展型的应用研究

发布时间：2020-07-08 06:08

【摘要】：自从20世纪60年代创新扩散研究引入技术预测与市场学以来,创新扩散模型的研究就引起人们广泛的兴趣。技术预测与市场学中出现了大量的、形形色色的创新扩散模型,其中以Bass模型最为著名。从1969年Bass模型提出以来,扩散模型成为市场扩散理论的主要研究方向。虽然Bass扩散模型及其相应的几个扩展型在描述和预测创新扩散方面被广泛地应用,但是,其有效性不断地受到挑战,这表明Bass模型有一定的局限性。实际上,能够完全符合Bass模型的创新扩散很少。因此人们在尝试放松Bass模型的假设条件上做了很多努力,为使Bass模型不断完善和发展,提出了许多改进模型,但是这些扩展模型却很少像Bass模型那样被广泛地引用。在美国和欧洲市场,扩散模型正得到越来越广泛和深入地研究和运用。然而,这项研究在我国尚处于初始阶段,无论是理论研究还是实践应用都与国外先进国家相距甚远。论文研究的主要目的是对Bass模型的应用方法和体现产品之间扩散关系的两种扩展型的应用研究。具体的研究方法是,通过大量的文献查阅,对技术创新扩散模型的研究成果、研究方法和研究方向进行了系统评析,并以Bass模型为例,对模型的结构、应用方法及对市场产品扩散的有效性进行了深入的研究。以此为研究基础,针对Bass模型在研究产品非独立创新扩散方面的局限性,构建了体现产品附随扩散关系的附随扩散模型。在对Bass模型的应用方法研究中,论文在采用Bass模型对中国寻呼机用户和移动手机用户扩散曲线的拟合中发现:不同的模型数据序列的选取和参数估算算法对模型拟合的结果影响很大。模型数据序列的起始点、数据序列的时间间隔和数据点的个数是决定Bass模型拟合效果的几个重要因素。另外,论文分别采用了普通最小二乘法、极大似然法、非线性最小二乘法三种传统的参数估算方法对Bass模型参数进行估算,并将它们的结果与采用遗传算法估算的结果进行比较,得出采用遗传算法估算Bass模型参数比其它三种算法估算的结果更好,特别是遗传算法可以在模型数据序列不太充足时(但至少要5-6个数据点),得到满意的效果,这对预测处于成长期的产品扩散很有意义。为验证Bass模型预测结果的可信性,论文还采用两种比较典型的S形扩散曲线Logistic模型和Gompertz模型与Bass模型拟和结果进行比较,Bass模型要优于Logistic模型和Gompertz模型。在对Bass模型的扩展型研究中,论文针对Bass模型假设条件之一,产品的扩散是独立的,不受其它产品扩散的影响,指出了模型的局限性。Bass模型产生于1969年,经过近四十年的发展,能适合Bass模型这个假设条件的产品扩散越来越少,特
【学位授予单位】：大连理工大学
【学位级别】：博士
【学位授予年份】：2006
【分类号】：F224
【图文】：

示意图,论文,路线,扩展型

论文的技术路线示意图

模型软件,Bass模型,遗传算法,参数

可以分别用于以上五种模型的参数估计，并且能够输出最后的结果。其中以遗传算法为主，其它的算法用于与遗传算法进行结果比较。(3)模型与算法组合:软件的模型与所选择的算法有这样几种组合(见图3一3)。首先对算法比较研究，包括Bass模型参数采用遗传算法估算，Bass模型的参数采用普通最小二乘法估算，Bass模型的参数采用极大似然法估算，Bass模型的参数采用非线性最小二乘法估算，这部分见图3一2的算法菜单。其次对Bass模型及其扩展模型展开研究，包括采用遗传算法对Logisti。模型的研究，采用遗传算法对Gompertz模型的研究

扩散图,寻呼机,实际增长,扩散图

也即表2一4为模型数据。分析表2一4寻呼机的扩散数据序列可知，1997年的数据点，数据值异常，是受当时异常的外在环境影响，偏离了扩散路径。图3一4是寻呼机的增长量曲线，有一个数据点比较异常，即在t=H的数据点上，增长量仅为433万户，低出邻近点很多，超出了正常的扩散路径，使得图3一4与理想BaSS模型的增长曲线有些偏差。

【引证文献】