集群创新系统的不确定性研究——基于熵的视角

范群林,邵云飞

(电子科技大学经济与管理学院,成都 610054)

集群创新系统的不确定性研究
——基于熵的视角

范群林,邵云飞

(电子科技大学经济与管理学院,成都 610054)

从系统结构、系统环境、系统信息悖论和系统非线性四个方面,简要分析了集群创新系统的不确定性,指出了集群创新系统不确定性的本质和不确定性产生的因素,并把熵理论运用到集群创新系统不确定性的研究中,为集群创新系统的管理和控制提供了有效方法。通过从投入产出角度进行数据仿真可以得知：运用熵理论不仅能够对集群创新系统的不确定性做出比较精确的评估,而且可以有效地控制集群创新系统的运作。

集群创新系统;熵;不确定性

一、引 言

集群创新系统是相对于国家创新系统和企业创新系统而言的,正是由于内部要素、结构和联结模式的特殊性,才导致了其在全球范围内的迅速发展[1]。此外,由于集群创新系统是处在竞争、合作、动态的市场环境之中,这就决定了其在复杂多变的市场中,将不可避免地要面对很多不确定因素。这些不确定因素往往能导致整个集群创新系统处于混乱状态。对此问题,已有学者进行了相关的研究。Lundvall(1988)和Asheim(2002)认为研究创新系统时需要从知识观入手,对产业集群内部的学习行为,即所谓的“集群学习模式”给予关注,因为学习是系统运行和取得经济效益的关键[2,3]。徐占忱(2007)的基于集群创新系统与自然生态系统具有同构性特征的假设,运用生态复杂性方法,刻画了集群创新系统中的知识流与知识溢出[4]。张虹 (2008)通过研究集群创新系统演变的路径和内在激励,发现随着创新产出量的变化,集群创新系统表现出明显的演化过程,通过有效地控制创新产出量,可以从宏观上把握集群创新系统的演化方向[5]。蒋东仁 (2006)重点对政府在集群创新系统中的角色及其行为模式进行了系统分析[6]。随着对集群创新系统研究的不断深入,我们发现,已有研究大多是对集群创新系统及其不确定性理论上的逻辑演绎分析,缺乏量化研究。同时,信息熵理论自产生以来,得到了各国学者重视,Deshmukh(1998)提出一个基于熵的分析框架去测定制造系统的复杂性和不确定性[7]。Frizelle(2005)将熵用于分析物流的复杂性和不确定性[8]。基于此,本文将在首次提出用熵来度量信息量的 Shannon的研究思路上,应用熵理论对集群创新系统的不确定性进行定量分析,将集群创新系统中的不确定性加以量化,为集群创新系统的管理和控制提供参考。

二、集群创新系统的不确定性

集群创新系统的不确定性是指系统所处状态的不确定性以及不可预测性。集群作为一个由许多企业、中介、政府、大专院校所组成的复杂网络系统,其自身的网状结构以及其它的一些影响因素,使得系统所处状态具有不确定性以及不可预测性。从定性角度来看,集群创新系统的不确定性主要表现在以下几个方面：

1.系统结构的不确定性。集群创新涉及对象多,覆盖面广;各对象之间联系密切,关系复杂;同时,系统中的各节点企业都是相互关联的集群主体,均有其各自的战略与目标,其中,有些目标和集群创新系统的整体目标基本是无关的,有时甚至于是相互冲突的。正是集群创新系统结构的复杂性,使得对其的协调管理具有很大的难度。

2.系统环境的不确定性。系统环境中的随机因素很多,而且经常存在,如市场变化而引起的需求波动、企业突发事件引起的持续生产的中断等,这些环境不确定性往往体现在集群创新的各个环节中。

3.系统中的信息悖论。系统运行中会产生很多信息,但是由于信息的模糊以及系统各节点对信息的理解存在差别,使得系统出现了信息量越大,不确定性也越大的矛盾,即系统存在信息悖论。

4.系统的非线性。系统的非线性表现在集群中各主体的组织、战略、运营等各个方面。缺乏有效的协调机制、信息的不对称性、信息孤岛等都可以看作是系统非线性的具体表现。

三、熵理论的引入及应用分析

熵 (Entropy)的概念源于热力学,体现了系统的复杂度和不确定程度。系统的熵的增加对应着其变化和不确定性的增加。而 Kol mogorov熵方法主要反映了给定序列随着其长度的增加,出现新模式的速率[9],用此方法来衡量系统的不确定程度有一定的局限性。在 Shannon的信息论中,熵是系统状态不确定性的一种度量,测定几种内功趋势的方法,计算系统可能与系统预期之离差的某个概率的加权平均值,也就是说,熵被定义为描述一个系统所必须的期望信息数量,这里的“期望”是指信息的数量恰好平均覆盖系统的各种可能状态,相应的熵的定义表达式如 (1)式所示[10]：

其中,S表示给定的系统;i为系统中的某一可能状态;p(i)为状态 i在系统中出现的概率;H(S)则表示系统 S的熵。

由于本文所研究的集群创新系统的不确定性具有一定的动态性,所以文章采用 (2)式来计算具有动态性的不确定性问题[10]：

(2)式中的 H(T,N T)表示一个平稳的离散信息源系统 S的信息熵;S的状态被分为两类：T(tolerated),N T(nontolerated),其中,状态 T出现的概率为 p;系统有M节点,p(j|i)表示在节点 i出现第 j种状态 N T的条件概率;H′(SNT)是在 N T状态下节点 i出现状态 j的条件概率的熵值。

图 1是对集群创新的动态性给了一个简单的图示。在图 1中,A表示预测的创新结果,B表示实际的创新结果;从图 1可以清楚看到,在 1t以前的部分预测值与实际值基本一致,但是 1t以后的实际值和预测值就有明显的差别。

随着时间推移,A和B之间的不确定性波动幅度也在发生变化,则系统的熵也就随之变化,对此,本文引入文献 10中的一种测量不确定的方法[11],这种方法是用来衡量系统内部的不可预测性或不确定性,即不确定性指标可以由式 (3)来度量：

这种方法不但适用于平衡的离散输入输出系统的分析,也适用于企业绩效等的衡量。

四、熵在集群创新系统不确定性中的应用

集群创新系统的不确定性问题很复杂,包含多种类型的不确定性。由于集群系统的数据难以获得,所以本文此部分主要运用数据仿真的方法对集群创新系统的不确定性进行研究,同时,对集群创新系统而言,虽然多个节点之间的信息流和资源流的表现形式各有不同,但是从本质而言,都是伴随着投入产出的进行而发生的,没有实质性地差异,所以本文认为,用集群创新主体的创新投入和创新产出之间的不确定性来反映集群创新系统的不确定性还是具有一定的代表性的。所以,本文在仿真研究中将集群创新系统的不确定性集中在投入产出的不确定性上。

(一)仿真数据介绍

集群创新系统的各个节点即各主体都存在很多个状态,总体上可以分为可控状态和不可控状态两种,不可控状态是不确定性的主要根源。通过分析可知,集群创新系统不确定性主要分为：系统各节点内部不确定性和各节点之间相互转移的不确定性。此外,根据复杂性理论,对集群创新系统的投入产出,我们可以得出以下几点结论：

(1)创新系统产出预期与产出实际之间的偏差越大,创新系统转移产出不确定性给创新系统运作的风险越大;

(2)创新系统投入预期与产出预期之间的偏差越大,创新系统转移期望运作不确定性给创新系统产出的风险越大;

(3)创新系统投入实际与产出实际之间的偏差越大,创新系统转移实际运作不确定性给创新系统产出的风险越大;

(4)创新系统投入实际与投入预期之间的偏差越大,创新系统转移投入不确定性给创新系统运作的风险越大。

从投入产出的角度来看,集群创新系统的主要目标可以归纳为：在一定时间里,把一定数量的主体创新资源投入到集群创新系统中来,并产生最大的创新产出 (即创新结果)。因此,在度量集群创新系统的不确定性时,我们主要从数量和主体类型两个角度来进行。在参考相关研究基础上,利用随机数生成,得到了表 1中第 1至 6列所列出的集群创新系统中主要涉及到的一些数值及其对应的主体类型,本文正是利用这些数据来分析集群创新系统的不确定性。

表 1 集群创新系统创新数据及其偏差

(二)不确定性度量过程

集群创新系统不确定性度量过程如下：

(1)整理数据,计算偏差。偏差 =实际值 -预期值。

(2)划分系统状态。根据偏差大小将系统分为可接受 (T)和不可接受 (N T两大类状态)。

(3)可以通过自定义一个适当的指标来划分不同状态。

(4)计算系统各状态出现的概率。由于本文中的数据都是离散的有限序列,所以可以用频度来近似表示各种状态出现的概率。

(5)计算熵值和不确定性。

此外,针对本文数据,对表 1所给的集群创新系统进行系统状态约定,约定系统偏差为 0的状态为可控状态,而偏差不为 0的状态均为不可控状态。

(三)仿真数据计算

按照上述不确定定性度量过程的第一步,对表 1中的第 3至 6列数据计算偏差,得到表 1中的第 7至 10列。接着对其进行如下处理,得表 2。

(1)根据偏差的变化幅度与实际情况所规定的变化范围,将系统分为 i(i=1,2,3,4,5)种状态,其中包含了可控和不可控状态。见表 2中第 1列。

(2)计算各种状态出现的频率。

(3)计算各状态出现的概率 p(i)。

(4)根据 (1)式计算各状态的熵值,所有不可控状态所对应的熵值之和即为系统总的不确定性。

(5)根据 (3)式计算系统的不确定性指标。

表2 集群创新系统熵值和不确定性指标

从表2中我们可以看到：

(1)产出实际 -投入实际的熵值小于产出预期 -投入预期的熵值,表明集群创新系统创新实际绩效的不确定性比创新预期的不确定要小,这说明了在集群创新系统的创新资源投入中,如果加强了对实际的投入产出的控制,是可以有效地减小创新实际中的不确定性。

(2)产出实际 -产出预期的熵值大于投入实际 -投入预期的熵值,表明集群创新系统因投入所产生的不确定性比系统因产出所产生的不确定性要大。这说明对集群创新系统的投入产出而言,更应该加强对投入的管理和控制。

本文下面通过对数据差额产生原因进行分析,使我们对集群创新系统的不确定性有一个更加深刻的了解。

(四)不确定性分析

表1中数据的偏差产生的原因主要是存在集群创新系统主体类型的差别,下面就此四种主体类型产生的不确定性进行分析,得表3。

表3 偏差产生的不确定分析

从表3中对四种主体类型的不确定性分析,可以得知,集群创新系统的不确定性很大程度上归因于系统主体的四种类型中的企业,其次是中介机构,再次是大专院校,最后才是政府。此外,对这一分析结果有必要说明的是,这个结果是根据之前的数据计算所得的结果,其意义不能只是简单地理解为说明集群创新系统的不确定性大小是按照企业、中介机构、大专院校、政府的顺序产生的。这个结果更重要的涵义是说明在集群创新系统中,各个类型的主体对其不确定性都有一定影响。在分析具体的某个集群创新系统时,需要结合其集群的产生、发展过程,各类型主体在其发展过程中充当的角色等相关背景资料来针对性地分析各类主体对集群创新系统不确定性的影响大小。同一产业集群,其各类主体的影响差异是不一样的,不同的产业集群,其主体的影响差异更是不一样。就算是在同一产业集群中,当集群处于不同的发展阶段的时候,同一类主体对其不确定性影响也是不一样的。所以在不同的集群及集群的不同发展阶段中,各类型主体应该根据具体情况,适时调整自身的创新行为,以减少对集群创新系统不确定性的影响,促进集群创新的更进一步发展。

(五 ) 结论

在前述一系列分析基础上,我们可以得到以下几点结论：

(1)通过对集群创新系统不确定性或复杂性的分析,我们可以看出集群创新的投入产出之间不同状态的相互转化给系统带来的复杂和不确定程度,而这也正体现了创新中的风险与收益的重要来源。

(2)采用上述方法,可对集群创新系统中任何节点之间的差异和节点结构的差异的复杂程度进行量化处理,为后续分析集群创新的不同类型、阶段、特征等特质奠定方法论基础。

(3)这种复杂性研究的思路可以扩展运用于不同类型的产业集群及其集群创新系统,可以结合实地调研和问卷调查等实证研究方法,取得集群创新系统的节点与节点结构数据,通过对各类数据的计算、分析和比较,得到各类型产业集群的创新系统的管理绩效、创新效率等相关信息,以便进一步制定政策、策略引导后续的创新工作。

五、结束语

将熵理论应用于度量集群创新系统的复杂性或不确定性,在理论上和方法上都是比较新的。基于熵的集群创新系统不确定性研究为度量集群创新系统的不确定性和复杂性提供了有效的方法和工具,同时也为更加有效地管理集群创新系统提供了理论依据和指导方法。在后续研究中,我们将立足于本文的理论思路,结合实地调研和问卷调查等实证研究方法,分析各类集群创新系统中的各类主体的具体资源的差异及其对系统不确定性和复杂性的影响,来深入地探讨集群创新系统的管理和运作,为制定创新政策、策略提供理论依据,并在一定程度上将现有的各种关于集群创新的研究纳入到一个统一的框架范围之内。

[1]魏江.创新系统演进和集群创新系统构建[J].自然辩证法通讯,2004(1)：48-54.

[2]LUNDVALL B A.Innovation as an interactive process：from user-producer interaction to the national system of innovation[M]//DOSI G,FREEMAN C.Technical change and economic theory.London：London Printer Publishers,1988：10-34.

[3]ASHEI M B T.Regional innovation system：The integration of local‘sticky’and global‘Ubiquitous’knowledge[J].Journal of Technology Transfer,2002(27)：77-86.

[4]徐占忱,卜琳华.基于生态复杂性的区域集群创新系统优效性研究[J].系统管理学报,2007,16(5)：558-562.

[5]张虹.基于耗散结构理论的集群创新系统形成及演化分析[J].经济研究,2008(14)：33-45.

[6]蒋东仁.产业集群创新的政府行为透析[J].科学学与科学技术管理,2006(12)：61-65.

[7]DESHMUKH A V,TALAVAGE J J,BARASH M M.Complexity in manufacturing systems[J].IIIE Transactions,1998(30)：645-655.

[8]FR IZELLE G,WOODCOCK E.Measurement of complexity as an aid to developing operational strategy[J].International Journal of Operation and Production Management,2005,15(5)：26-29.

[9]谢惠民.系统复杂性的度量方法[J].力学进展,1996,26(3)：289-305.

[10]金荣.基于熵权多目标决策的保障性方法研究[J].空军工程大学学报：自然科学版,2007,8(3)：56-59.

[11]徐鑫.熵在供应链工序不确定性中的应用[J].运筹与管理,2005,12(6)：51-56.

A Study on the Uncertainty of Cluster Innovation System Based on Entropy

FAN Qun-lin,SHAO Yun-fei
(School of Management and Economics,University of Electronic Science and Technology,Chengdu 610054,China)

This paper analyzes the uncertainty of cluster innovation system from the aspects of system structure,the system environment,the system message paradox and the system nonlinear,and points out the nature and factors of uncertainty occurrence.The paper applies the entropy theory to the study on uncertainty of cluster innovation system and supplies an effective method to the management and control of cluster innovation system.Through the data simulating conducted by means of input and output,we can not only make a quite precise measure of the uncertainty of cluster innovation system,but also control the operation of cluster innovation system effectively.

cluster innovation system;entropy;uncertainty

(责任编辑 何志刚)

F207

A

1009-1505(2010)05-0041-06

2010-05-06

国家社科基金重点项目“构建区域创新体系战略研究”(08AJY011);教育部新世纪优秀人才支持计划“基于网络视角的产业集群自主创新理论与实证研究 (NCET-08-0094);科技部科技工作专项项目“技术创新方法集成研究与推广应用”(2007FY140400)

范群林,男,重庆人,电子科技大学经济与管理学院博士研究生,主要从事技术创新管理研究;邵云飞,女,浙江金华人,电子科技大学经济与管理学院教授,博士生导师,管理学博士,主要从事技术创新管理研究。