创新扩散研究的演化路径和热点领域分析

孙冰 毛鸿影 康敏

〔摘 要〕[目的/意义]通过对现有研究成果的梳理和总结，全方位描述和揭示创新扩散领域的研究现状和发展趋势，为该领域今后的研究和发展提供方向和参考。[方法/过程]以Web of Science核心集数据库中创新扩散相关文献作为样本数据，应用CiteSpace Ⅲ软件进行知识图谱分析，得出时空分布、重点国家网络、文献共被引和关键词共被引等知识图谱，进而分析创新扩散领域的分布情况、发展趋势和热点领域。[结果/讨论]研究发现：中国和美国在创新扩散研究领域处于领先地位；早期的研究主要侧重于从宏观层面采用Bass模型及其扩展模型对新产品销量进行预测，当前的研究多集中于从微观层面采用模拟仿真方法来分析创新扩散的演化行为；创新扩散研究的热点领域主要包括创新技术的接受与采纳、创新扩散的影响因素、创新扩散动力、创新扩散模型及仿真研究。

〔关键词〕创新扩散；CiteSpace Ⅲ；知识图谱；演化路径；研究热点

DOI：10.3969/j.issn.1008-0821.2018.06.022

〔中图分类号〕F273.1 〔文献标识码〕A 〔文章编号〕1008-0821（2018）06-0144-13

〔Abstract〕CiteSpace Ⅲ was used to do the knowledge map analysis to all the innovation diffusion research literature collected in the Web of Science core set database，it was concluded that time and space distribution，key national network，co-cited reference and co-word knowledge maps，such as in the field of innovation diffusion is analyzed on the distribution，change trends and hop topics.The study results showed that：China and the USA were leading in the field of innovation diffusion research；earlier studies mainly focused on the macro level to forecast the new product sales by using the Bass model and its extended model，the current research had focused on from micro level to analyze the evolution of the innovation diffusion behavior by simulation method；the hot topics of innovation diffusion research mainly included the acceptance and adoption of innovative technology，the influencing factors of innovation diffusion，innovation diffusion power，innovation diffusion model and simulation study.

〔Key words〕innovation diffusion；CiteSpace Ⅲ；knowledge map；evolution path；hot topics

随着经济全球化和科学技术的高速发展，无论国家还是企业都面临着日趋激烈的竞争和动态的外部环境。对一个国家而言，创新可以让整个民族立足于世界之林，是驱动国家进步之本；对于一个企业而言，创新可以让重复的工作不再乏味，是推动企业发展之本。技术创新的鼻祖Schumpeter在《经济发展理论》中指出，技术变革分为发明、创新和扩散3个阶段。创新扩散是技术变革的至关重要的一环，其作用远比创新本身更重要[1]。如果没有扩散，创新对社会和经济几乎没有影響[2]。20世纪60年代以来，创新扩散理论在企业界和学术界得到了广泛的关注，各界人士从传播学、社会学、营销学等多个角度对其进行了深入讨论。创新扩散已成为创新管理领域一个重要的研究方向。

近年来，国内外学者分别从创新生态视角[3]、跨组织视角[4]、发展中国家私营企业视角[5]、仿真研究视角[6]、专利视角[7]、影响因素视角[8]、社会网络视角[9]等对创新扩散领域的研究成果进行了归纳和评述。但是，上述研究都是从单一角度对创新扩散研究进行总结性的文献回顾和定性的分类研究，所梳理文献的范围相对狭小、数量有限，既不能系统展现创新扩散研究的全貌，也无法动态描述创新扩散领域的理论演进。近年来，越来越多的学者开始应用知识图谱可视化分析工具对某一研究领域的分布情况、研究热点和发展进程进行可视化分析，已涉及公共危机管理[10]、技术创新[11]、创新生态系统[12]、开放式创新[13]、深海技术[14]、人力资源管理[15]、网络舆情[16]等诸多领域。然而，已有研究中应用可视化文献计量分析软件对创新扩散领域的研究起源、期刊分布、国家分布、研究热点和演化进程进行全方位解读的成果较少。

因此，本文以Web of Science核心集数据库中2001-2016年关于创新扩散的研究文献作为样本数据，应用可视化分析工具CiteSpace Ⅲ软件对其进行知识图谱分析，力争在详尽阐述创新扩散研究的时空分布和期刊分布的基础上，根据知识图谱深入分析创新扩散研究的知识基础及演化路径、研究热点和前沿主题，旨在清晰直观地了解创新扩散领域的概貌和新的动向，为提高我国在创新扩散领域的研究水平提供理论参考。

1 数据来源和研究方法

1.1 数据来源

本文以Web of Science的核心集数据库为数据来源，对创新扩散相关研究进行检索。选取“Innovation Diffusion”为主题搜索2001-2016年的文献，检索式为“主题：（Innovation Diffusion），时间跨度：2001-2016，索引：SCI-EXPANDED、CPCI-S、CCR-EXPANDED、IC”，共檢索到618条文献记录。为了排除不相关文章的干扰，保证创新扩散研究的查全率，本文将文献类型定为“Article or Proceeding Papers”，最终得到596条文献记录。

1.2 研究方法

知识图谱可以将科学知识的分布情况、知识基础及演化路径和研究热点及前沿主题通过图形显示[17]。知识图谱分析是以一定时期内某一研究领域的全部文献为研究对象，通过共引分析和共现分析，对其知识基础及演化路径、研究热点及前沿主题等进行研究，并通过可视化图形呈现出来的计量学分析方法。因此，应用该方法能够反映某一领域的研究全貌和发展趋势。

本文将利用CiteSpace Ⅲ软件对创新扩散领域进行知识图谱分析。CiteSpace Ⅲ是美国Drexel大学陈超美教授基于JAVA平台开发的一款信息可视化分析工具。它具有作者机构合作情况分析、科学知识时空分布情况分析、关键词共现分析和文献共被引分析等功能，可以通过时区视图和聚类视图清晰地刻画出某一研究领域的研究热点、发展前沿和演进路径[18]。

2 创新扩散文献时空分布情况

2.1 时间分布

从图1可以看出，在2001-2016年这段时间里，有关创新扩散的发文量呈逐年增长的趋势。根据论文的发表数量，可以把创新扩散研究分为两个阶段：2001-2005年为起步阶段，年发文量在20篇以内，且增速缓慢；2006至今为稳步发展阶段，除2006年发文量为28篇以外，其余各年的年发文量均在30篇以上。总体来看，16年间论文数量逐年上升，年均增长率为14%，这在一定程度上表明创新扩散已成为广受关注的研究领域，目前正处于蓬勃发展的时期。

2.2 空间分布

CiteSpace Ⅲ软件的一个重要功能是可以展示各国发表的文献产出量、合作情况和中心性，并以年轮的方式呈现出来。其中，年轮的直径代表文献产出量（直径越大说明文献产出量越多），年轮最外层的紫色圆环代表中心性（圆环越宽说明中心性越大）。本文中软件运行的参数设置情况和据此绘制的可视化网络图谱分别如表1和图2所示。由图2可知，尽管美国、意大利、英国、澳大利亚等西方发达国家的研究实力普遍较强，但是中国和印度等一些发展中国家的研究实力也不容忽视。其中中国的表现尤为突出，其发文量排名第一，为199篇（涵盖中国台湾的73篇），占全球发文量的33.4%，比排名第二的美国多了66篇。然而，从国家间科研合作来看（见图2），美国、澳大利亚、英国、意大利、德国和荷兰等发达国家节点之间的连线数量较多，说明它们之间的科研合作较为密切。其中英国的中心性最大，表明英国与许多国家都有较密切的直接或间接的合作关系。本文将CiteSpace与Google Earth两个软件相结合，通过地理可视化（见图3）更为直观地展示了上述国际合作情况，并进一步发现，近五年来创新扩散研究领域的国际合作逐渐呈现出集中化的趋势。相比之下，中国、印度两个发展中国家与其他国家的连线数量极少，说明这两个国家在创新扩散研究领域一直在单打独斗，尚未形成开放性、国际性的合作研究氛围。可见，与其他国家建立广泛的科研合作网络是我国亟待完成的一项任务。

本文根据发文量筛选出创新扩散领域的主要研究机构如表2所示。可以看出，中国台湾的元智大学、印度的德里大学、中国台湾的国立中正大学、中国大陆的同济大学和华中科技大学位列前五名，表明创新扩散领域的研究机构主要分布在大学里。同时，排名前五位的机构均分布在发展中国家，且有4所大学位于中国，可见中国虽然是一个发展中国家，但在创新扩散领域的研究方面已经成为国际上主要的研究群体，对推动创新扩散研究发挥了积极作用和国际影响。

2.3 期刊分布

本文将网络节点选择为“Cited Journal”，阈值选择Top N Per Slice并设置为30，采用Pathfinder算法，其余数据采用系统默认值，对共被引期刊进行可视化展示，得到创新扩散研究共被引期刊的知识图谱（见图4）。从图4可知，创新扩散领域研究的共被引期刊主要有7个，分别为：Management Science、MIS Quarterly、Journal of Marketing、Journal of Marketing Research、Technological Forecasting and Social Change、Information Systems Research、Marketing Science、IEEE Transactions on Engineering Management、Information & Management、Journal of Product Innovation Management、Research Policy、Decision Science。其中，Management Science、MIS Quarterly、Journal of Marketing、Journal of Marketing Research、Technological Forecasting and Social Change、Information Systems Research、Marketing Science等期刊的共被引频次非常突出，分别为310、164、146、137、134、133、107，说明这些期刊在创新扩散领域具有举足轻重的地位，既是创新扩散相关重要研究成果的聚集中心，也是创新扩散学者们的重要学术交流平台。可以说，这些期刊发表的文章对创新扩散领域的发展具有十分重要的影响。

根据知识图谱测算的中心性来看，MIS Quarterly、Journal of Marketing、Decision Science、Marketing Science这4个期刊的中心性明显高于其他期刊，其中心性分别达到0.83、0.46、0.42、0.34，可见这些期刊的影响力较大，发文质量较好。其中，MIS Quarterly、Journal of Marketing、Marketing Science这3个期刊在期刊被引和中心性两个指标上均较高，表明这3个期刊兼具质量与數量的优点，它们是创新扩散研究的重要期刊。这些期刊发表的相关文章具有明显的前沿性和引领性，对创新扩散领域的研究发展具有十分重要的影响。

3 创新扩散研究的知识基础及演化路径分析

知识的演进是动态和累积的过程，学者们在写文章时所引用的参考文献都是经过精心筛选且能够充分体现研究主题的。如果两篇文献同时被另一篇文献所引用的频次越高，说明这两篇文献的关系越紧密，研究主题越相近。可见，高被引文献有着不言而喻的重要意义，它代表了引用者对此文献中的理论观点、研究结果的认可。这些经常被一起引用的文献构成了一个研究领域的知识基础及演化路径[19-20]。于是，借助于文献共被引分析所生成的时区视图，能够展现创新扩散领域的奠基性文献、重要文献及其领域的发展脉络。为此，本文将CiteSpace Ⅲ软件的节点类型设置为“Cited Reference”，阈值选择Top N Per Slice并设置为30，采用Pathfinder算法，显示方式设置为时区视图，其余数据采用系统默认值，得到了创新扩散研究引文共被引时区演化知识图谱（见图5）。

从图5可知，高被引文献大多集中在2001-2003年，可见这一时段是创新扩散领域奠基性文献的爆发期。近五年的高被引文献明显大幅度减少，表明创新扩散领域研究的成熟度的等级不断提高和扩散性开始上升，导致文献总量虽多，但缺乏标杆性文献，当然这也可能与引用时间周期较长有关。从文献共被引连线可知，2001-2003年的文献与后续文献的共被引频次较多，说明创新扩散研究在奠基性文献的基础上，开始稳步发展。本文将进一步从早期奠基性文献、当前重点文献、文献突现分析3个方面对创新扩散研究的知识基础加以分析，以梳理创新扩散研究的发展脉络。

3.1 早期奠基性文献分析

由图5可知，依据被引频次的高低可以得到创新扩散领域早期奠基性文献有3篇，分别是：Rogers于1995年出版的专著《创新的扩散》（第4版）（被引150次）、Bass发表于1969年的《耐用消费品增长模型的构建》（被引145次）、Moore发表于1991年的《衡量技术采纳创新感知工具的发展》（被引67次）。这3篇文献具有较高的被引频次，因而它们不仅是创新扩散领域的早期奠基性文献，也是创新扩散领域的核心文献。

Rogers是最早运用时间观点研究创新扩散的学者，所提出的创新扩散的定义在学术界的认可度最高，他也因此被称为创新扩散传播论的代表人物。1995年，Rogers在对已有创新扩散研究进行总结的基础上，提出了经典的创新扩散理论。在组织创新过程模型中，他将创新过程划分为问题设定、问题匹配、重新定义调整、问题阐明、常规化5个阶段。在个人创新采纳模型中，他认为创新者、早期采纳者、早期大众、晚期大众和落伍者为采纳创新人群的五大类别，并概括了每一类别行为者显著的行为特征。Rogers认为，影响创新扩散速度的因素有5个，包括兼容性、复杂性、相对优势、可观察性和可试验性。并指出，创新事物传播到个人主要借助于大众传播与人际传播两种传播渠道，大众传播具有速度快、效率高的特点，而人际传播则具有直接、双向、选择性高、易反馈、反馈量较大的特点[21]。从20世纪60年代开始，创新扩散的研究范围不断扩大，逐渐扩展到技术预测与市场学，同时，研究方法也从案例研究转为数学建模，其中Bass在1969年提出的创新产品首次购买扩散模型（即Bass模型）具有里程碑式意义。Bass模型基于采纳者异质性的特点完善了Rogers的理论，使其扩散研究更具有现实说服力。Bass认为，创新扩散的影响因素有两种，一种是来自大众传媒（如广告等）的外部影响；另一种则是人与人之间口头交流所带来的模仿或内部影响。具体来说，创新者行为出现之前尚不存在该类创新，所以创新采用者的早期采用行为独立于社会系统其他成员；而模仿者采用新产品的时间则受到创新者和已采纳者的影响，并且这种压力与采用人数呈正相关。Bass模型被广泛应用到商业中，用来进行新产品的扩散和销量预测[22]。于是，Bass模型奠定了创新扩散模型的研究基础，不仅为企业的销售方案提供了决策依据，而且为国内外学者们开拓了广阔的研究空间。Moore等基于Rogers的广义创新扩散研究提出了狭义的创新扩散理论——创新特征认知理论。该理论指出，创新扩散速度的影响因素有8个，分别为相对优势、兼容性、可观察性、可试验性、自发性、形象、易用性和结果可说明性。Moore等认为，客户感知价值指的是感知利益与感知付出的比重。其中，客户感知利益来自于产品和服务的有形的和无形的双重属性；客户的感知付出类似于感知价格，它是客户在采购时面临的所有成本。Moore等还指出，客户的心理接受程度与使用方式的不同会导致不同的技术创新绩效[23]。可见，早期的奠基性研究主要是Rogers提出的创新扩散理论和Bass提出的创新产品首次购买扩散模型，此后的研究大多基于Bass模型及其拓展模型构建较为复杂的创新扩散模型，进而从宏观层面上对新产品销量进行预测。

3.2 当前重点文献分析

近年来，创新扩散领域中具有高中心性的重点文献有：Meade等于2006年发表的《创新扩散模型的25年文献述评与研究展望》、Peres等于2010年发表的《创新扩散与新产品增长模型的文献述评与研究展望》和Wu等于2005年发表的《移动商务的动力是什么？基于修正的技术采纳模型的实证研究》。其中，Meade等在对25年来相关的研究成果进行回顾后，证实了创新扩散模型及预测作为研究课题的持续重要性。在文中Meade等回顾了学者们提出的不同研究方向的创新扩散模型（如Bass模型、Logistic模型、Gompertz模型等），并对其进行了总结和比较。Meade等还以传染病扩散模式为基础修改了现有模型以提高其灵活性，将模型的适用范围推向更一般的产品和不同国家、不同阶段的创新；同时指出，创新扩散模型的主要应用领域是耐用消费品和电信技术[24]。Peres等则基于消费者行为理论，并结合消费者异质性方法论，分别讨论了单一市场的背景下、跨市场和跨品牌的背景下各类因素对新产品扩散的影响。研究表明，创新性、价格敏感度、需求度、网络外部性等的不同会导致消费者接受创新的倾向性产生差异；随着市场环境的不断改善，具有竞争性的产品除了会显著影响产品扩散的速度，还会影响消费者之间的交互情况[25]。Wu等在整合技术接受模型、创新扩散理论、感知风险和感知成本理论基础上，构建了移动商务用户采纳模型，通过实证研究得到影响用户采纳移动商务的因素。结果显示，除感知易用性外，感知风险、兼容性、感知有用性和感知成本等因素均显著影响用户的移动商务使用行为，其中兼容性的影响力最显著[26]。

3.3 被引突增文献分析

笔者通过引文共被引聚类图谱识别出Top15的被引突增文献（见图6）。从图6可知，在排名前三的被引突增文献中，第一篇文献完成于2010年，共被引强度最高，达到了6.9588，第二篇和第三篇文献分别完成于2012年和2010年，共被引强度依次是5.6449与4.277，被引时段均为2013-2016年。其中，第一篇文献就是前文提及的当前重点文献之一，即Peres等发表的《创新扩散与新产品增长模型的文献述评与研究展望》。第二篇文献为《基于多主体仿真的创新扩散研究综述》。Kiesling在此文中指出，基于Agent的建模和仿真能较好地克服定量模型的不足，可以在扩散研究中捕捉到高度相关的复杂的涌现现象；Kiesling还从动态网络演化视角出发，应用仿真模拟方法研究了微观个体的采纳行为和相互作用机制，进而分析了新产品在用户市场中的扩散过程，证明了仿真模拟方法在扩散研究尤其是创新研究方面具有很好的解释力[27]。第三篇文献为《它会传播吗？社会影响和网络拓扑对创新扩散的影响》。在此文中，Delre等利用阈值模型建立了消费者决策的多智能体模型，通过使用无标度网络，并将消费者对于产品质量的个体偏好和来自于邻居个体的社会影响这两类影响因素进行线性加权，从而得到了消费者自身的效用函数。在此基础上，Delre等指出，具有高度连接的主体对创新扩散的影响在于他们能够告知其他消费者，而不是说服消费者采纳创新[28]。

综上可知，早期的研究热点主要集中在Rogers提出的创新扩散理论以及Bass创新扩散模型，侧重于从宏观层面对新产品销量进行预测，进而分析创新产品的市场占有率及整体扩散形势。当前的研究主要集中于微观层面，侧重于采用模拟仿真方法来分析创新扩散的演化行为，具体研究模型包括阈值模型、基于博弈理论的扩散模型和基于复杂社会网络的扩散模型等。

4 创新扩散研究热点及研究前沿可视化分析

4.1 研究热点

关键词是一篇文献的核心与精髓，是文献的研究目的、研究对象、研究方法的高度凝练与概括。因此，关键词共现分析可以反映出某一研究领域一段时间内的研究热点[29]。为此，笔者将CiteSpace Ⅲ软件的节点类型设置为“Keyword”，阈值选择Top N Per Slice并设置为30，采用Pathfinder算法，合并名词单复数形式和同义词，其余数据采用系统默认值，得到了创新扩散领域的研究热点知识图谱和高频关键词（分别见图7和表3）。结合图7和表3可知，创新扩散领域的研究热点主要集中在创新技术的接受与采纳研究、创新扩散的影响因素研究、创新扩散动力研究、创新扩散模型及仿真研究等4个方面。

4.1.1 创新技术的接受与采纳研究

主要包括“Adoption”、“Technology”、“Technology Acceptance Model”、“User Acceptance”等关键词。对新技术的接受是扩散研究的基础内容[30]；采纳和扩散通常放在一起使用，二者具有高度相关性[31]。因此，创新扩散研究多聚焦于采纳者，研究热点主要涉及采纳者接受和采纳新技术的决策问题。学者们从多角度、多方面应用不同的理论对此进行了研究与论证。Karahanna等应用了TRA理论和创新扩散理论分析组织成员对技术的采纳行为，指出个体的行为信念会直接影响信息技术潜在采纳者的态度及行为意图[32]。Harrison等根据TPB理论研究了小企业的决策者对信息技术的投资决策的影响趋势[33]。Davis等提出了TAM理论，并指出感知有用性对技术采纳的正向影响[34]。Venkatesh等[35]构建了技术接受和使用的统一理论模型，指出了社会影响对技术采纳的重要作用。Compeau等基于社会认知理论指出，自我效能是采纳者必须具有的技能[36]。Markus等认为个人采纳技术受到其他采纳者的影响，指出网络外部性对技术采纳的重要性[37]。Kimberly等研究发现，组织规模对技术采纳有很好的解释能力[38]。可见，这一研究热点早期大部分集中在信息技术领域，现在已应用到组织创新[39]、心理学[40]、移动支付[41]和医疗信息学[42]等多个领域。

4.1.2 创新扩散的影响因素研究

主要包括“Innovation Diffusion”、“Innovation”、“Impact”等关键词。学者们从创新本身属性、扩散主体和扩散环境等视角对创新扩散影响因素进行了理论分析、实证检验和模拟仿真。首先，从创新本身属性来看，由于创新成果转化是投入产出的过程，高收益是每一个创新主体所追求的最终目标，因此，越能满足扩散受众收益需求的、创新性越高的技术成果越易于扩散[43]。其次，从扩散主体来看，其影响因素主要来自企业和消费者两个层面：在企业层面，新产品目标市场和促销时机的选择、传播渠道的优越性等因素影响创新扩散的效果[44]；在消费者层面，消费者的认知偏好决定其是否购买创新产品[45]。再次，从扩散环境来看，主要涉及企业间的竞争合作、创新技术的空间特征和宏观环境等。在企业间的竞争合作层面，合作伙伴的相似性和互补性对创新扩散具有显著影响：相似性对不同类型的知识扩散产生影响[46]，互补性有利于提高产品扩散程度[47]。在创新技术的空间特征层面，从地理位置来说，空间距离的长短会影响创新扩散的效果，距离越短，越有助于创新扩散。MacGarvie通過分析专利引用量发现，技术和资源的空间邻近性及语言相通等因素对国际技术扩散具有正向影响[48]。在宏观环境层面，扩散主体所在地区的经济发展水平影响创新扩散效率，Helsen等指出，经济发展水平不同的国家在创新扩散程度上也不同[49]；而政策法规等制度环境因素通过激励和限制措施促进了公益性或重要技术创新的扩散，Popp认为，政府是否执行严格的排放限制政策，显著影响污染控制技术的扩散速度的快慢[50]。

4.1.3 创新扩散动力研究

主要包括“Dynamics”、“Systems”、“Perspective”等关键词。创新扩散动力是指导致扩散行为的最根本、最原始的动机[51]；同时，创新扩散动力也是创新扩散能否实现的决定力量[52]。目前，学者们将创新扩散动力分为外在推动力和内在牵引力。外在推动力是指创新者和先期采用者所获得的竞争优势会给未采用者带来竞争威胁，从而使后者被动进行创新扩散的动力[53]。Mansfield（1971）认为，企业创新扩散的动力主要来自3个方面：模仿比例、机会利润率和新技术投资额。其中，创新的先行模仿企业的数量是企业采用创新的外在推动力[54]。另外，创新者与未采用者的空间距离[55]、基础设施与人力资本的共同作用[56]、不良市场竞争[57]以及产品的品牌影响[58]等也是外在推动力。内在牵引力是指企业或个人为实现利润最大化而主动创新扩散的动力[53]。具体包括新产品的机会利润率和投资额[54]、实现自身效益最大化[59]、用户感知的真实信息[60]、创新投入与科学技术产出的共同进化[56]等。

4.1.4 创新扩散模型及仿真研究

学者们从社会学、营销学、传播学等多个理论视角探讨了创新扩散现象，主要对宏观变量模型和微观机制模型进行了研究。

1）宏观变量模型研究。主要包括“Bass Model”、“Adoption”、“Sales”等关键词。宏观变量模型侧重于研究经济和人口特征对创新扩散速度和时间的影响，分析创新采纳者的演变过程，主要以Bass模型及其拓展模型为代表，研究对象大体涵盖新产品扩散[61]、技术扩散[62]、知识扩散[63]和产品销售预测[64]等问题，应用范围涉及耐用消费品[65]、IT技术[66]、电信服务[67]和零售行业[68]等领域。虽然Bass模型较好地拟合了现实数据，但是模型只能分析创新在宏观层面上的扩散情况，无法考量宏观特征涌现的作用机制。同时，Bass模型假设市场上所有个体具有相同的偏好和一致的行为特征，该假设与消费者偏好异质的客观现实相差甚远，从而限制了Bass模型的适用范围。

2）微观机制模型研究。主要包括“Agent-Based Modeling”、“Simulation”、“Internet”、“Complex Network”、“Simulation”、“Networks”、“Technology”等关键词。微观层面的创新扩散研究克服了Bass模型的上述两个缺陷，从个体视角出发研究了创新采纳的决策过程，并建立了相应的创新扩散模型。早期的创新扩散微观研究主要采用定性分析和统计方法，虽然在某种程度上是对宏观层面研究的补充和完善，但是预测的准确率相对较低。直到20世纪90年代，随着学者们研究的不断深入，大量的模拟仿真方法应用到微观研究中，从而提升了创新扩散预测的精度。微观模拟仿真方法如渗透模型[69]、元胞自动机模型[70]、基于Agent的模型[71]等被用于更深入地探讨个体偏好程度的不同、个体行为的异质性等因素对创新扩散的方式、路径、速度和程度的重要影响，以揭示创新扩散的微观作用机制。随着复杂网络的研究热度持续高涨，越来越多的学者开始热衷于通过构建复杂网络模型研究社会网络对创新扩散的影响。学者们主要从社会网络的节点分布、网络关系的强弱程度和网络拓扑结构等特征入手研究创新扩散，研究对象主要涉及产品扩散[72]、能源创新扩散[73]、知识扩散[74]、兴趣扩散[75]、旁氏骗局扩散[76]等问题，应用范围拓展到医疗服务行业[77]、高技术产业集群[78]、供应链管理[79]、旅游行业[80]等不同领域。

4.2 研究前沿

研究前沿是某一领域研究中最具有研究价值和发展潜能的主题。某领域的研究前沿可以通过突现词分析，即检测关键词的时间分布、频次变化率、变动趋势等来确定。为此，本文将CiteSpace Ⅲ软件的节点类型设置为“Keyword”，Term Type类型设置为“Burst Terms”，阈值选择Top N Per Slice并设置为30，采用Pathfinder算法，显示方式设置为时区视图，其余数据采用系统默认值，得到创新扩散领域的研究前沿知识图谱（见图8）；同时，通过统计2010-2016年关键词的出现频次得到表4。在研究前沿知识图谱（见图8）中，频次最多的关键词是Innovation Diffusion（241次），其正是本文的研究主题，可见文献选择符合本文的研究目的。由图8和表4可知，频数较高且中心度较高的关键词有Networks、Dynamics、Social Networks、Complex Networks、Technology Adoption、Industry，说明这些关键词代表了创新扩散领域研究的最新发展趋势。对这些关键词进行进一步分析可以看出，国际上对创新扩散领域研究的前沿主要集中在4个方面：1）创新扩散的动力研究，包括产业集群下创新扩散的动力机制研究、政府创新扩散的动力机制研究等；2）复杂网络视角下的创新扩散研究，包括创新扩散模型研究、新产品扩散研究等；3）创新扩散在技术采纳行为中的应用，包括建立技术采用的概念模型、能源技术采纳的影响因素等；4）社会网络环境下的创新扩散研究，包括创新扩散与社会网络的共生演化、应用社会网络分析方法研究新产品扩散等。

5 结 论

本文以Web of Science核心数据集中2001-2016年关于创新扩散的596篇研究文献作为数据池，应用CiteSpace Ⅲ可视化软件，以多元、分时、动态视角对创新扩散研究进行知识图谱可视化分析，從而直观展现创新扩散研究的分布情况、知识基础及演化路径、研究热点与前沿主题，得到以下主要结论：

1）创新扩散领域中研究实力较强的国家主要包括中国、美国、英国、意大利、澳大利亚等。其中，中国和美国处于领先地位。从主要研究机构来看，中国已经成为国际上主要的研究国家，对推动创新扩散研究发挥了积极作用和国际影响。然而，从国家间科研合作来看，中国由于尚未形成开放性、国际性的合作研究氛围，因此仍落后于英、美等西方发达国家。

2）通过期刊共被引分析可知，在创新扩散领域中，MIS Quarterly、Journal of Marketing、Marketing Science这3个期刊兼具质量与数量的优点，属于世界顶级的管理类学术期刊（UTD24）。它们不仅是创新扩散研究的重要期刊，更是创新管理领域的权威期刊。这些期刊发表的相关文章具有明显的前沿性和引领性，对创新扩散领域的研究发展具有十分重要的影响。

3）通过文献的共被引分析，得出创新扩散领域奠基性文献、当前重点文献和被引突增文献，从而总结出创新扩散领域的知识基础及演化路径。早期的研究主要集中于Rogers提出的创新扩散理论以及Bass创新扩散模型，侧重于从宏观层面上对新产品销量进行预测，进而分析创新产品的市场占有率及整体扩散形势。当前的研究则主要集中于微观层面，侧重于采用模拟仿真方法来分析创新扩散的演化规律。

4）创新扩散研究的热点领域主要包括创新技术的接受与采纳研究、创新扩散的影响因素研究、创新扩散动力研究、创新扩散模型及仿真研究等。创新扩散的研究前沿则主要包括创新扩散的动力研究、复杂网络视角下创新扩散研究、创新扩散在技术采纳行为中的应用、社会网络环境下的创新扩散研究。

本文通过CiteSpace Ⅲ可视化软件对创新扩散领域的相关文献进行了整体分析，从而清晰直观地展现了该领域的时空分布、知识基础及演化路径、研究热点和研究前沿等。由于篇幅所限，文中并没有对创新扩散领域的学术研究成果展开更广泛的分析。在后续的研究中，笔者将针对创新扩散领域中的研究方法、理论视角、专利引用等方面作進一步的专题分析，从而为学者们未来进行创新扩散的相关研究提供有益的参考和借鉴。

参考文献

[1]Blaut J M.Diffusionism：A Uniformitarian Critique[J].Annals of the Association of American Geographers，1987，77（1）：30-47.

[2]Hall B H.Innovation and Diffusion[A].In J.Fagerberg，D.C.Mowery，& R.R.Nelson（Eds.），The Oxford Handbook of Innovation[C].New York：Oxford University Press，2005：459-484.

[3]Karakaya E，Hidalgo A，Nuur C.Diffusion of Eco-Innovations：A Review[J].Renewable and Sustainable Energy Reviews，2014，33：392-399.

[4]Bui Q.A Review of Innovation Diffusion Theories and Mechanisms[A].In D.I.G.I.I.Technology，ed.Proceedings of the Twentieth DIGIT Workshop[C].Fort Worth，Texas，2015：1-10.

[5]Zanello G，Fu X，Mohnen P，Ventresca M.The Creation and Diffusion of Innovation in Developing Countries：A Systematic Literature Review[J].Journal of Economic Surveys，2016，30（5）：884-912.

[6]陈锟.基于复杂系统仿真的创新扩散研究述评[J].外国经济与管理，2009，31（4）：10-14.

[7]黄鲁成，王宁.专利视角下的技术扩散研究综述[J].科学学与科学技术管理，2011，32（10）：27-34.

[8]王珊珊，王宏起.技术创新扩散的影响因素综述[J].情报杂志，2012，31（6）：197-201.

[9]蔡霞，宋哲，耿修林，等.社会网络环境下的创新扩散研究述评与展望[J].科学学与科学技术管理，2017，38（4）：73-84.

[10]张晓鹏，朱晓宇，刘则渊.国际公共危机管理研究的文献计量学分析[J].科学学与科学技术管理，2011，32（3）：117-121.

[11]许振亮，郭晓川.50 年来国际技术创新研究前沿的演进历程——基于科学知识图谱视角[J].科学学研究，2012，30（1）：44-59.

[12]梅亮，陈劲，刘洋.创新生态系统：源起、知识演进和理论框架[J].科学学研究，2014，32（12）：1771-1780.

[13]夏恩君，宋剑锋.开放式创新研究的演化路径和热点领域分析——基于科学知识图谱视角[J].科研管理，2015，36（7）：28-37.

[14]韩国元，李铎.基于科学知识图谱的深海技术发展可视化分析[J].中国管理科学，2015，23：848-852.

[15]饶荣豪，段承瑶.人力资源业务伙伴模式研究的知识结构与发展趋势——基于知识图谱的分析[J].外国经济与管理，2017，39（4）：98-116.

[16]黄微，张晓君.基于知识图谱的我国网络舆情研究进展可视化分析[J].情报科学，2016，34（6）：87-93.

[17]Chen C，Chen Y，Horowitz M，et al.Towards an Explanatory and Computational Theory of Scientific Discovery[J].Journalof Informetrics，2009，3（3）：191-209.

[18]Chen C M.CiteSpace Ⅱ：Detecting and Visualizing Emerging Trends and Transient Patterns in Scientific Literature[J].Journal of the American Society for Information Science and Technology，2006，57（3）：359-377.

[19]李杰，陳超美.Cite Space：科技文本挖掘及可视化[M].北京：首都经济贸易大学出版社，2016.

[20]Small H G，Sweene Y E，Greenlee E.Clustering the Science Citation Index Using Co-Citations：Ⅱ[J].Scientometrics，1985，8（5-6）：321-340.

[21]Rogers E M.Diffusion the Innovations（4th）[M].New York：The Free Press，1995.

[22]Bass F M.A New Product Growth for Model Consumer Durable[J].Management Science，1969，50（12）：215-227.

[23]Moore G C.Benbasat I.Development of an Instrument to Measure the Perceptions of Adopting an Information Technology Innovation[J].Information Systems Research，1991，2（3）：192-221.

[24]Meade N，Islam T.Modeling and Forecasting the Diffusion of Innovation-A 25-year Review[J].International Journal of Forecasting，2006，22（3）：519-545.

[25]Peres R，Muller E，Mahajan V.Innovation Diffusion and New Product Growth Models：A Critical Review and Research Directions[J].International Journal of Research in Marketing，2010，27（2）：91-106.

[26]Wu J H，Wang S C.What Drives Mobile Commerce？：An Empirical Evaluation of the Revised Technology Acceptance Model[J].Information & Management，2005，42（5）：719-729.

[27]Kiesling E.Agent-Based Simulation of Innovation Diffusion：A Review[J].Central European Journal of Operations Research，2012，20（2）：183-230.

[28]Delre S A，Jager W，Bijmolt T H A，et al.Will it Spread or Not？The Effects of Social Influences and Network Topology on Innovation Diffusion[J].Journal of Product Innovation Management，2010，27（2）：267-282.

[29]Chen C M.The Centrality of Pivotal Points in the Evolution of Scientific Networks[C].Proceedings of the 10th International Conference on Intelligent User Interfaces.San Diego，CA：ACM Press，2005：98-105.

[30]Sriwannawit P.Large-Scale Bibliometric Review of Diffusion Research[J].Scientometrics，2015，102（2）：1-31.

[31]Wejnert B.Integrating Models of Diffusion of Innovations：A Conceptual Framework[J].Basic Income Studies，2002，28（1）：297-326.

[32]Karahanna E，Straub D W，Chervany N.L.Information Technology Adoption Across Time：A Cross-Sectional Comparison of Pre-Adoption and Post-Adoption Beliefs[J].MIS Quarterly，1999，23（2）：183-213.

[33]Harrison D A，Mykytyn P P，Riemenschneider C K.Executiive Decision About Adoption of Information Technology in Small Business：Theory and Empirical Tests[J].Information System Research，1997（8：2）：171-195.

[34]Davis F D，Bagozzi R P，Warshaw P R.User Acceptance of Computer Technology：A Comparison of Two Theoretical Models[J].Management Science，1989，25（8）：982-1003.

[35]Venkatesh V，Morris M G，Davis G B，et al.User Acceptance of Information Technology：Toward a Unified View[J].MIS Quarterly，2003，27（3）：425-478.

[36]Compeau D R，Higgins C A.Computer Self-Efficacy：Development of a Measure and Initial[J].MIS Quarterly，1995，（19）：189-211.

[37]Markus M L，Benjamin R I.The magic Bullet Theory in IT-Enabled Transformation[J].Sloan Management Studies，1997，38（2）：55-68.

[38]Kimberly J R，Evanisko M J.Organizational Innovation：The Influence of Individual，Organizational，and Contextual Factors on Hospital Adoption of Technical and Administrative Innovations[J].Academy of Management Journal，1981，24（4）：392-399.

[39]Frambach R T，Schillewaert N.Organizational Innovation Adoption：A Multi-Level Framework of Determinants and Opportunities for Future Research[J].Journal of Business Research，2002，55（2）：163-176.

[40]Lakin J L，Jefferis V E，Cheng C M，et al.The Chameleon Effect as Social Glue：Evidence for the Evolutionary Significance of Nonconscious Mimicry[J].Journal of Nonverbal Behavior，2003，27（3）：145-162.

[41]Abrah？o R D S，Moriguchi S N，Andrade D F.Intention of Adoption of Mobile Payment：An Analysis in the Light of the Unified Theory of Acceptance and Use of Technology （UTAUT）[J].RAI Revista de Administrao e Inovao，2016，13（3）：221-230.

[42]Ward R.The Application of Technology Acceptance and Diffusion of Innovation Models in Healthcare Informatics[J].Health Policy and Technology，2013，2（4）：222-228.

[43]Bennett D.Innovative Technology Transfer Framework Linked to Trade for UNIDO Action[R].Vienna：United Nation Industrial Development Organization，2002：127-132.

[44]Delre S A，Jager W，Bijmolt T H A，et al.Targeting and Timing Promotional Activities：An Agent-Based Model for the Take off of New Products[J].Journal of Business Research，2007，60（8）：826-835.

[45]Alkemade F，Castaldi C.Strategies for the Diffusion of Innovations on Social Networks[J].Computational Economics，2005，25（1-2）：3-23.

[46]Sherwood A L，Covin J G.Knowledge Acquisition in University-Industry Alliances：An Empirical Investigation From a Learning Theory Perspective[J].Journal of Product Innovation Management，2008，25（2）：162-179.

[47]Belderbos R，Carree M，Lokshin B.Complementarity in R&D; Cooperation Strategies[J].Review of Industrial Organization，2006，28（4）：401- 426.

[48]Macgarvie M.The Determinants of International Knowledge Diffusion as Measured by Patent Citations[J].Economics Letters，2005，87（1）：121-126.

[49]Helsen K，Jedidi K，Wayne S，et al.A New Approach to Country Segmentation Utilizing Multinational Diffusion Patterns[J].Journal of Marketing，1993，57（4）：60-71.

[50]Popp D.Exploring Links Between Innovation and Diffusion：Adoption of NOX Control Technologies at US Coal-fired Power Plants[J].Environmental and Resource Economics，2010，45（3）：319-352.

[51]李金勇，李莎，鐘雪梅.技术创新扩散的内涵与动力研究述评[J].商业经济研究，2015，（16）：88-89.

[52]邓忆瑞，徐小峰，赵金楼.网络环境下信息扩散的动力机制研究[J].情报杂志，2008，27（4）：61-63.

[53]武春友，戴大双，苏敬勤.技术创新扩散[M].北京：化学工业出版社，1997.

[54]Mansfield E.The Economic of Technology Change[M].New York：Norton and Company，1971.

[55]Geroski P A.Models of Technology Diffusion[J].Research Policy，2000，29（4-5）：603-625.

[56]Castellacci F，Natera J M.The Dynamics of National Innovation Systems：A Panel Cointegration Analysis of the Coevolution Between Innovative Capability and Absorptive Capacity[J].Research Policy，2013，42（3）：579-594.

[57]Shin D H，Bartolacci M.A Study of MVNO Diffusion and Market Structure in the EU，US，Hong Kong，and Singapore[J].Telematics and Informatics，2007，24（2）：86-100.

[58]Derwischa S，Morone P，Kopainsky B，et al.Investigating the Drivers of Innovation Diffusion in a Low Income Country Context.The Case of Adoption of Improved Maize Seed in Malawi[J].Futures，2016，81：161-175.

[59]Silveira G D.Innovation Diffusion：Research Agenda for Developing Economies[J].Technovation，2001，21（12）：767-773.

[60]Yücel G，Daalen C E V.Exploratory Analysis of the Impact of Information Dynamics on Innovation Diffusion[J].Technological Forecasting and Social Change，2011，78（2）：358-372.

[61]Dodson J A，Muller E.Models of New Product Diffusion Through Advertising and Word-of-Mouth[J].Management Science，1978，24（15）：1568-1578.

[62]Cheng A C.Exploring the Relationship Between Technology Diffusion and New Material Diffusion：The Example of Advanced Ceramic Powders[J].Technovation，2012，31（3-4）：163-167.

[63]Tsai C M.The Knowledge Diffusion Model Associated with Innovative Knowledge[J].Expert Systems with Applications，2009，36（8）：11323-11331.

[64]Hyman M R.The Timeliness Problem in the Application of Bass-type New Product-Growth Models to Durable Sales Forecasting[J].Journal of Business Research，1988，16（1）：31-47.

[65]Bass F M.Comments on“A New Product Growth Model for Consumer Durables”[J].Management Science，2004，50（12）：1833-1840.

[66]Speece M W，Maclachlan D L.Application of a Multi-Generation Diffusion Model to Milk Container Technology[J].Technological Forcasting & Social Change，1995，49（3）：281-295.

[67]Turk T，Trkman P.Bass Model Estimates for Broadband Diffusion in European Countries[J].Technological Forcasting & Social Change，2012，79（1）：85-96.

[68]Wu F S，Chu W L.Diffusion Models of Mobile Telephony[J].Journal of Business Research，2010：63（5）：497-501.

[69]Goldenberg J，Libai B，Solomon S，et al..Marketing Percolation[J]Physica A：Statistical Mechanics and its Applications，2000，284（1-4）：335-347.

[70]Goldenberg J，Libai B，Muller E.Talk of the Network：A Complex System Look at the Underlying Process of Word-of-Mouth[J].Marketing Letters，2001，12（3）：211-223.

[71]Garcia R.Uses of Agent-based Modeling in Innovation/New Product Development Research[J].Journal of Product Innovation Management，2005，22（5）：380-398.

[72]Valente T W.Social Network Thresholds in the Diffusion of Innovation[J].Social Networks，1996，18（1）：69-89.

[73]Tran M.Agent-Behaviour and Network Influence on Energy Innovation Diffusion[J].Communications in Nonlinear Science and Numerical Simulation，？2012，17（9）：3682-3695.

[74]Gupta S，Maltz E.Interdependency，Dynamism and Variety（IDV）Network Modeling to Explain Knowledge Diffusion at the Fuzzy Front-end Ofinnovation[J].Journal of Business Research，2015，68（11）：2434-2442.

[75]Gregorio D A，Fulvio D A，Nicola A D，et al.Interests Diffusion in Social Networks[J].Physica A：Statistical Mechanics and its Applications，2015，436（15）：443-461.

[76]Zhu A D，Fu P H，Zhang Q H，et al.Ponzi Scheme Diffusion in Complex Networks[J].Physica A：Statistical Mechanics and its Applications，？2017，479（1）：128-136.

[77]Jippes E，Achterkamp M C，Brand P L P，et al.Disseminating Educational Innovations in Health Care Practice：Training Versus Social Networks[J].Social？Science & Medicine，2010，70（10）：1509-1517.

[78]Lazzeretti L，Capone F.How Proximity Matters in Innovation Networks Dynamics Along the Cluster Evolution.A Study of the High Technology Applied to Cultural Goods[J].Journal of Business Research，2016，69（12）：5855-5865.

[79]Todo Y，Matous P.，Inoue H.The Strength of Long Ties and the Weakness of Strong Ties：Knowledge Diffusion Through Supply Chain Networks[J].Research Policy，2016，45（9）：1890-1906.

[80]Alexandra G M，Ben W.Diffusion of Innovation：The Case of Ethical Tourism Behavior[J].Journal of Business Research，2016，69（8）：2711-2720.

（責任编辑：郭沫含）