基于符號回歸的創(chuàng)新擴散模型研究.pdf

1、在知識經濟的今天，新技術在公司的競爭中發(fā)揮這越來越重要的作用。為了更好地輔助決策者進行決策，創(chuàng)新擴散模型的研究得到了越來越多的關注。傳統(tǒng)創(chuàng)新擴散研究中，創(chuàng)新擴散模型是根據(jù)研究者的經驗提出，每個模型都有其嚴格的假設條件。研究者的領域知識決定了模型的好壞。同時面對不同的創(chuàng)新擴散模型，模型選擇同樣重要。因此我們提出一種數(shù)據(jù)驅動的模型發(fā)現(xiàn)方法從數(shù)據(jù)中自動的學習模型。符號回歸是一種基于遺傳編程算法的模型自動發(fā)現(xiàn)方法，模擬自然選擇的過程，通過變異，

2、交叉，復制選擇等遺傳操作，不斷的迭代，從數(shù)據(jù)中選擇出最合適的模型。符號回歸不同于傳統(tǒng)的建模方法，不需要領域知識以及人為的參與,模型的形式和模型的參數(shù)都是由算法從數(shù)據(jù)中學習而來。
　　我們基于95種技術專利的申請數(shù)據(jù)，利用符號回歸研究創(chuàng)新擴散模型，我們分析了模型的整體效果，然后研究了不同領域的技術以及不同國家的創(chuàng)新擴散的特點，我們的研究主要得出以下結論：
　　（1）通過符號回歸方法從95種技術中得到的模型我們可以發(fā)現(xiàn)符號回歸確

3、實能從數(shù)據(jù)中發(fā)現(xiàn)描述數(shù)據(jù)的優(yōu)秀模型。符號回歸從數(shù)據(jù)中學習到了經典的創(chuàng)新擴散模型。結果顯示經典模型Fisher模型和Bass模型有著較廣的適用范圍。
　?。?）我們根據(jù)模型的結構對模型進行分類，我們發(fā)現(xiàn)大部分技術的擴散過程是不對稱的。不對稱的拐點位于0.5M（M為專利的總量）到M之間模型是表現(xiàn)最好的一類模型，能解釋一半以上的技術。
　　（3）通過對不同領域的創(chuàng)新擴散模型的研究我們發(fā)現(xiàn)，不同的模型在不同的領域的技術中的表現(xiàn)不同，