Bass模型及其两种扩展型的应用研究

论文摘要

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

论文目录

• 0 前言
• 1 导论
• 1.1 选题的科学依据及意义
• 1.1.1 选题的意义
• 1.1.2 研究基础
• 1.2 研究方法与主要工作
• 1.2.1 研究方法与技术路线
• 1.2.2 研究内容
• 1.2.3 主要创新点
• 2 Bass模型的应用研究
• 2.1 创新扩散及扩散模型的概述
• 2.1.1 技术创新扩散
• 2.1.2 技术创新扩散模型
• 2.1.3 扩散模型的构建
• 2.2 Bass模型
• 2.2.1 Bass扩散模型的假设与推导
• 2.2.2 Bass模型的结构分析
• 2.3 Bass模型的局限性及其扩展模型
• 2.4 Bass模型的应用方法
• 2.4.1 应用 Bass模型预测的流程
• 2.4.2 Bass模型预测过程的软件化
• 2.5 Bass模型的应用实例
• 2.5.1 Bass模型对中国寻呼机用户扩散的研究
• 2.5.2 结果讨论
• 2.6 本章小结
• 3 Bass模型的参数估算方法
• 3.1 数据充足时的参数估计方法
• 3.1.1 时间不变的参数估算方法
• 3.1.2 时间可变参数估计方法
• 3.2 数据不足时的参数估计方法
• 3.2.1 判断法
• 3.2.2 类比法
• 3.3 Bass模型参数的检验
• 3.4 遗传算法用于模型的参数估计
• 3.4.1 遗传算法
• 3.4.2 遗传算法的运算
• 3.5 采用遗传算法估算 Bass模型参数
• 3.5.1 Bass模型及扩展型的估算程序
• 3.5.2 模型数据
• 3.5.3 各种算法估计Bass模型参数的结果比较
• 3.5.3.1 采用非线性最小二乘法对Bass模型的估计
• 3.5.3.2 采用遗传算法对Bass题型的估计
• 3.5.3.3 采用遗传算法与非线性最小二乘的比较
• 3.5.3.4 各种算法对寻呼机的拟合情况比较
• 3.6 遗传算法的优越性
• 3.7 本章小结
• 4 Bass模型与Logistic模型、Gompertz模型的比较
• 4.1 S形曲线趋势预测法
• 4.2 几种典型的S形曲线模型介绍
• 4.2.1 Gompertz曲线
• 4.2.2 Logistic曲线
• 4.2.3 Bass模型
• 4.3 Bass模型与Gompertz模型、Logistic模型的比较
• 4.3.1 三种模型的共同点
• 4.3.2 三种模型的区别
• 4.4 用于S形曲线的数据序列
• 4.4.1 中国电话发展状况
• 4.4.2 模型数据
• 4.5 移动电话用户规模扩散的拟合与预测研究
• 4.5.1 Bass模型的应用
• 4.5.1.1 对Bass模型的最大市场潜力不加限制
• 4.5.1.2 Bass模型在不同最大市场潜力的预测分析
• 4.5.2 Gompertz曲线的应用
• 4.5.3 Logistic模型应用
• 4.5.4 三种模型对移动用户的拟合与预测结果比较
• 4.6 固定电话用户规模扩散的拟合与预测研究
• 4.6.1 Bass模型的应用
• 4.6.2 Gompertz模型应用
• 4.6.3 Logistic模型应用
• 4.6.4 三种模型对固定电话用户的拟合与预测结果比较
• 4.7 本章小结
• 5 Bass模型对产品更新换代的扩展研究
• 5.1 产品的更新换代或升级
• 5.1.1 移动通信的更新换代现象
• 5.1.2 互联网上网方式的更新换代现象
• 5.2 产品更新换代的扩散模型
• 5.2.1 Fisher和 Pry模型
• 5.2.2 产品更新换代的特点及 Norton模型
• 5.3 互联网的研究及研究方法
• 5.3.1 有关互联网扩散的研究情况
• 5.3.2 从上网方式更新换代的角度研究互联网
• 5.4 采用 Norton模型对互联网扩散的研究
• 5.4.1 Norton模型数据
• 5.4.2 采用遗传算法对 Norton模型的参数估计
• 5.4.2.1 三代 Norton模型的参数估算
• 5.4.2.2 Norton模型的参数结果讨论
• 5.4.2.3 Norton模型对三种上网方式的拟合结果讨论
• 5.5 Bass模型与 Norton模型的比较
• 5.6 本章小结
• 6 Bass模型对附随扩散产品的扩展研究
• 6.1 研究背景
• 6.2 构建附随扩散模型的理论基础
• 6.2.1 创新产品之间的附随扩散关系
• 6.2.2 Peterson and Mahajan的扩散模型
• 6.2.3 Joel多层附随扩散
• 6.3 构建附随扩散模型
• 6.3.1 附随扩散模型的结构推导
• 6.3.2 附随扩散模型的参数
• 6.4 模型数据
• 6.5 参数估计与模型比较
• 6.5.1 采用附随扩散模型的参数估计
• 6.5.2 采用 Bass模型的参数估计
• 6.5.3 采用 Logistic模型的参数估计
• 6.5.4 三种模型拟合结果分析
• 6.5.5 附随扩散模型对 Bass模型的扩展分析
• 6.6 本章小结
• 7 结论与展望
• 7.1 论文的主要结论
• 7.2 未来的研究展望
• 参考文献
• 附录1.学习期间参加的重要科研课题
• 附录2.学习期间发表的论文目录
• 致谢
• 大连理工大学学位论文版权使用授权书