NK模型在战略管理中的应用

，

(浙江工业大学 经贸管理学院，浙江 杭州 310023)

NK模型是由适应度景观理论衍生的一个较为简单且常用的结构化仿真方法[1]，其非常适合研究模块化系统如何通过适应性搜寻迅速高效地获得最优绩效的问题[2]。一般而言，系统内诸多主体间的相互关系是影响系统复杂性的重要因素[3]，复杂性程度越高意味着系统越难以获得最优绩效，然而这种相互关系却很难用实证数据来测量。因此，NK模型的优越性体现在能够相对简单地处理一些无法用传统方法解决的问题[4]，比如系统要素复杂性如何影响系统的整体适应性。

自从Levinthal首次利用NK模型来分析战略管理研究中的应用以来[5]，因其对系统复杂性的极强解释力，NK模型目前已经在复杂性[6-8]、绩效测度方法[4,9-10]及创新搜寻过程的理论表征[11]等众多领域中得到了大量应用。并且，其相关理论和方法如NKCS模型也在实践中得到了许多拓展[12]。NK模型是什么？适合研究什么样的问题？主要应用于战略管理的哪些方面？未来的应用趋势如何？这些都是需要探讨的问题。

一、NK模型的基本原理

(一)适应度景观与NK模型

适应度景观理论的概念由Wright于1932年在研究生物有机体的进化过程中首次提出[13]，表示进化可以看作是崎岖景观中的基因游走过程。景观中每一个位置表示一种基因型，高度表示该基因生存的适应度值。不同基因的适应度存在差异，因而呈现一个崎岖的景观地形。从二十世纪九十年代开始，适应度景观理论已成为理解战略管理领域复杂系统的关键概念之一。

在适应度景观理论中，Kauffman提出了可生成适应度景观的NK模型[1]。在这个模型中，适应度景观由3个主要的参数决定，即基因总数N、某个基因与其他基因的上位作用数量K(上位作用是指一个基因对另一个基因的影响作用)和等位基因数A。其基本原理是某个物种由N个基因构成，每个基因有A个不同取值且每个基因的适应度在很大程度上取决于自身与其他基因之间的相互关系K(0≤K≤N-1)。在这个模型中，系统的适应性主要取决于N和K两个参数的大小；N和K的增加，适应度景观地形上的局部高峰的数量随之呈指数规模增长，而各高峰的平均高度却随之在不断下降。各基因的关系越密切，系统整体的复杂性程度就越高，从而人们找到系统全局最优解的机会就越小。

(二)搜寻方式

搜寻方式是指系统要素在与环境相互作用的情况下通过不断在适应度景观上“攀爬”所采取的行为方式[3]。选择不同的搜寻方式在很大程度上影响了系统的动态性[11]。局部搜寻是目前最普遍使用的搜寻方式，除此之外，有学者对文献中其他行为搜寻方式进行了归纳总结[4]，如表1所示。

表1 主要行为搜寻方式的基本原理和特点

注：资料根据Ganco等(2015)、吴建祖等(2010)相关文献整理所得。

二、NK模型在战略管理中的应用

如今，企业成长环境越来越全球化和数字化，日益增加的环境复杂性对企业的现有管理理论造成了巨大冲击。在战略管理领域，企业可以制定或选择战略以更有效地提高组织绩效和适应环境，但是这一观点可能面临着当前环境形势的巨大挑战。一方面，人是有限理性的，因而处于复杂环境下的企业制定战略的能力也非常有限；另一方面，环境的日益复杂性必然会制约企业的自身行为。因此战略管理领域迫切需要新的理论和方法以研究企业如何达到更高的绩效。一般来说，战略管理文献基于NK模型进行以下三方面的研究：复杂性、绩效测度方法及创新搜寻过程的理论表征。

(一)复杂性研究

1.认知复杂性。组织内成员的认知极大地影响了组织的战略选择，而战略选择主要由管理者的认知所决定[14]。有学者运用NK模型开展了管理者认知对组织绩效的研究，在模型中，N代表组织决策的数量，K代表影响决策自身适应度值的其他决策数量，适应度景观就是整个战略配置空间，管理者在自己的认知空间中搜寻最优方案。研究者将管理者的认知复杂性用表征强度、表征偏差、经验丰裕度来刻画考察了这两者对组织绩效的影响。结果表明：合适的认知复杂性程度能有效改善组织绩效和解决战略决策问题。在具体应用中，战略管理者应主要关注主导性的重要变量，而当战略管理者考虑的变量有限时，可以通过增加直接或间接经验，以构建更合适的认知复杂性水平和改善绩效。

还有学者运用NK模型研究了哪些因素能够导致战略的内部有效复制和外部不被模仿，发现管理者认知能够有效促进企业内部的知识转移并避免外部模仿，但是研究不足仍然在于NK模型中对认知复杂性的表征和建模，比如情感依恋，这些都是需要进一步探讨的问题[15]。

2.战略复杂性。战略管理研究者通常思考企业如何制定战略以更有效地提高组织绩效，但较少关注战略自身的某些特性所具备的重要性[7]。有学者运用NK模型仿真战略决策间的交互作用对组织绩效的影响。在模型中，战略由一系列决策构成，战略内决策的总数量用N表示，决策间的交互作用用K表示，整个决策空间用适应度景观来表示。外部企业通常采用内部变革、外部模仿、混合模仿这三种形式以寻求自身的绩效能与标杆企业决策空间的“标杆绩效”相近甚至超越，而采用哪种模仿形式直接影响到组织绩效。研究表明：当战略复杂性很高即N和K的值很大时，无论企业采用哪种模仿形式都无法有效提高组织绩效，如果采用部分模仿和全面模仿反而会使其无法找到更高的绩效并遭受巨大损失[6]。这意味着战略的高度复杂性有利于避免战略模仿，从而企业能够保持长久的竞争优势，但是物极必反，战略复杂性越高，企业内部就难以对其进行复制。只有当战略复杂性适中时，在企业比竞争对手成功经验多的前提下，企业既能在内部有效复制战略，又能阻止外部模仿战略，这样企业才能实现内部知识转移和外部竞争优势[8]。

战略复杂性的程度不仅取决于N和K的大小，还依赖于战略决策的时间和空间，有研究运用NK模型考察了部门内部不同决策、部门与部门之间的决策、不同时间点的决策这三个因素对战略复杂性的影响，结论表明应当尽量减少部门内和部门间的冗余决策和冗余联系，且由于人的记忆绩效有限应充分考虑决策的时间点的影响[7]。另外，有研究分析了决策的十种交互作用模式对组织绩效的影响，结果表明每种交互模式及其结合都有其独特的优势和弱势，因此当企业把战略看作是一个决策系统时，应当充分考虑决策的相互作用模式以及不同模式的结合[6]。

3.问题空间复杂性。更多进一步研究主要关注于如何运用NK模型仿真具体的组织结构形式和组织结构对战略选择的影响，讨论的是问题空间复杂性与组织绩效的关系[15-16]。组织内部存在某种决策规则，这种决策规则反映了哪些组织要素会发生变异。例如有学者运用NK模型用主体间决定搜寻行为的过程来仿真集权与分权结构，而搜寻行为取决于变异前、后的绩效值对比。在变异过程中，主体的比较标准可以是单个要素的绩效值或组织整体的绩效值。具体而言，由N位个体(要素)构成的组织代表了主体，每位个体都有能力决定自己是否变异，如果每位个体的变异取决于自身绩效值能否提高，那么这类组织可以表示为分权组织，因为它重视的是自身利益，而如果每位个体的变异取决于整体绩效值能否提高，那么这类组织可以表示为集权组织，因为它注重的是整体利益[15]。

还有学者运用NK模型仿真科层结构，主要是将各部分决策绩效加权而得到组织整体绩效，具体而言，N代表了组织内所有的决策要素，K代表要素间的相互关系，并假设组织内有一个管理者和i个下属，每位下属都有自己的决策空间Ni(i=1，…，i)，所有决策空间的总和等于N，每位下属在自己的局部决策空间内进行局部搜寻，找到最优决策并提交给管理者，而管理者可以接受、拒绝或部分接受[16]。在上述组织结构研究中，每位个体面临的局部决策空间是组织划分问题的各个子问题空间，个体在子问题空间上反复探索和开发以搜寻最佳解决方案，而组织结构的意义在于能够有效地分解问题空间，所以企业构建合适的组织结构就能够有效地降低问题空间的复杂性，通过在简化的子问题空间内搜寻最佳方案从而促进最佳战略的选择。因此如何划分问题空间以及如何根据局部决策做出整体决策已成为目前复杂性研究的重要探索方向[11]。

(二)绩效方法应用

由于Levinthal文献的巨大影响力，在这之后一流期刊上又陆续出版了有关NK模型的30篇战略管理相关的文献[注]其中，Management Science 9篇，Organization Science 7篇，Administrative Science Quarterly和Research Policy各4篇，Strategic Management Journal 3篇，Academy of Management Journal 2篇，Academy of Management Review 1篇。。迄今为止，这30篇文献已被引用2 000余次，尽管NK模型已经得到战略管理领域内诸多学者的关注，但国内管理期刊上很少有系统介绍NK模型方法论的文献。研究者们通常在Levinthal的基础上对其原始框架进行修改，而较少评价与NK模型有关的方法[5]。由于最近战略管理文献上的相关应用主要关注于绝对和相对绩效、平均绩效以及临时和收敛绩效[4,9-10]，因此讨论NK模型在这三类绩效中的方法论进展。

1.绝对绩效和相对绩效。在NK模型中，绩效代表了NK景观中的收益，其中绝对绩效和相对绩效是测度NK模型绩效常用的两种方法[4]。绝对绩效是指收益映射π的值；而相对绩效是指当主体在NK空间中发现了最佳解决方案时当前主体绩效与最佳绩效的比值。随着N和K的取值变化，全局收益值和主体经搜寻所发现的收益值便呈现非线性的变化，因此在某些情况下测度绝对绩效和相对绩效可能会导致不同的收益预测，但如果当前景观下的条件能解释结果，那么所用的测度方法就是合理的。在这个测度过程中，建模者通常对相关统计指标很感兴趣，最常见的是均值和方差，如表2所示，绝对绩效随K值的增加先增后减，而相对绩效随K值的增加而逐渐减小，全局峰值随着K的增加而增加，因此绝对绩效和相对绩效之间存在某种非线性关系。

表2 当N=10时第50个周期的绩效、全局峰值和方差

注：资料根据Ganco(2015)整理所得。

比对表2中的绝对绩效和相对绩效的方差变化，不难发现两者的方差之间也存在类似的非线性关系。绝对绩效的方差包含了景观内和景观间的差异，随K的增加而单调递减，而相对绩效的方差包含了景观内的差异，呈现倒U形关系并在低K处快速增加。对于绝对绩效而言，K值较小时景观间方差大幅下降且景观内方差大幅增加，而K值很大时景观非常相似，景观间方差趋于0。那么此处存在的疑问是解决更复杂的问题究竟意味着更多变化的结果还是更少变化的结果[4,17]，分析表明这取决于是将焦点问题的绩效与其他所有问题的绩效进行比较还是仅将同一类型问题的绩效进行比较。

关于主体是否已经获得给定空间中的最佳解决方案，相对绩效能够提供有关信息，但是信息不能用于不同景观中的主体绩效比较。因此当企业为解决各类问题相互竞争时，在理论表征[18]和实证经验[19-20]的背景下，是不能依据相对绩效来进行战略选择的，例如由于多元化企业较创业型企业具有更高的K，所以研究者将个体参与者多元化，因此只能通过绝对绩效来比较[20]。

2.作为结果变量的平均绩效。与平均绩效密切相关的问题是在NK仿真运行观察中，多主体的平均绩效能否是一种具备经验性且可提供丰富信息的绩效测度方法。在某些情况下，个体可能会对极端表现者或最佳表现者的绩效感兴趣或者只能经验性地观察某些截尾分布的绩效，因此在这些情况下观察极端表现者的绩效可能比观察平均绩效更能提供信息且更加具备重要性。

如果企业确实对极端表现者感兴趣，那么计算绩效时应明确考虑方差的影响，例如有学者对相互竞争的两家公司的独立分布绩效进行比较研究，虽然结果表明方差对于企业绩效的相对排名是不重要的[10]，但大部分学者都认为当企业数量增加时，总体方差是众多企业相对绩效的重要决定因素。因此，随着企业数量的增加，成为最佳表现者或中上水平表现者的可能性会随着方差的增加而增加。在NK模型的背景下，上述结论意味着如果模型属性影响了主体间方差，那么比较均值可能会产生与比较最佳表现者绩效不同的预测结果。如果个体在仿真运行时遇到这种问题，即是否某些极端类型的测度方法比平均值更有意义，那么理想的解决方案应该是明确预测是对最佳表现者进行观察还是对平均表现者进行观察。

3.临时绩效和收敛绩效。在NK模型中绩效测度的另一重要问题是测度绩效的时间节点问题。战略管理类的文献中似乎都比较关注于收敛绩效[9]，即使这些文献显示的仿真运行图都隐含地报告了短期绩效和长期绩效[21]。收敛绩效的隐含性定义是基于主体行为的[4]，并随时间的推移逐步趋于稳定，直到主体找到它们的局部峰值并不采取额外行动时达到稳定状态。但如何从技术角度测度行为稳定性，可采取的方法并不明确。理论上，个体想要比较是否每个主体都发现了局部峰值，但这涉及主体了解所有局部峰值所产生的额外计算，因此在计算上也许不可行。而实际解决方案是在一定数量周期内跟踪主体，如果主体在最后L期间不移动就可以推断绩效已经稳定并收敛，但较短的L将导致较短的收敛周期，并且逐渐稳定的趋势也将强烈依赖于N和K的大小。

在测度收敛绩效方面仍存在一个理论争议较大的长短期绩效的相互作用问题。如表3所示，当考虑收敛绩效时，尽管主体1最终获得了较好的绩效，但主体2的短期绩效较好。如果我们考虑选择要素，并假设在仿真运行开始时选择压力很大，例如企业正处于成长阶段，那么最终较低绩效的主体将更有可能生存下来，但那些在初始选择压力下存活下来的主体1会比主体2表现的更好。在这种环境下，收敛绩效并不能说明这两种主体的生存几率，短期绩效和长期绩效之间的差异也可能是因为总体方差的影响。因而基于收敛绩效的纯静态分析是不完整的，研究者应该解决短期和长期绩效之间的相互作用是如何影响模型的预测这个问题，正如企业在战略选择过程中不应只考虑最终能否达到的收敛绩效，还应充分考虑短期绩效与长期绩效之间的相互作用对组织绩效的影响。

表3 050周期时的平均绩效

注：资料根据Ganco(2015)整理所得。

(三)创新搜寻过程的理论表征

NK模型不仅在认知、战略决策、组织结构和方法论等方面取得了许多进展，在创新方面也颇受学者关注[4,8]。创新概念至少能够追溯到Schumpeter，他将创新定义为现有资源或知识的新组合，然而最近关于复杂适应系统的研究将重点集中在寻找新组合的过程上[22]。复杂性理论认为，创新来自于人们在复杂的搜寻空间中有界迭代、不断重复试错的搜寻过程，是对已存在构建块搜寻的新组合[1,12]。基于这些理论，NK模型已经成为研究复杂性如何影响创新和其他绩效结果的规范方法，其应用范围广泛，包括模块化[23]、模仿[24]、竞争[25]。NK模型成功地将组合概念化为搜寻过程，但它所发展的理论即“基于主体的方法”作为创新过程的理论表征已经倍受质疑[11]，理想情况下，笔者期望让实证数据确定NK模型的有效性，但这已被证明是困难的，只有少数研究做出了尝试。

NK模型在创新搜寻过程中的理论表征取决于以下两个假设[11]：其一是主体解决的问题和主体的搜寻能力是外生的；其二是主体的属性由仿真参数来控制。创新搜寻过程通常被建模为一个反复试错的搜寻过程，其中每个元素依次改变。核心在于变量N和K之间的关系，N代表了需要组合的资源元素数量，K代表了元素间相互作用的程度。先前有建模研究表明，复杂性程度越高，搜寻空间则更崎岖且景观具有更高的全局峰值，但同时可能会导致过早“锁定”或“失去”绩效最大化的机会[1,5,12]。Kauffman将这种“失去”称为“复杂性灾难(Complexity Catastrophe)”[1]，K/N决定了问题的复杂性程度[19]。协同演化理论认为，组织可以通过制定战略以确定复杂性水平，但同样复杂性水平影响着现有资源的配置方式进而影响企业的创新绩效和战略决策的选择[26]。

当K固定时，企业要配置的资源N越大，企业的平均创新绩效和最佳创新绩效就会越高，而发生复杂性灾难的可能性会降低，尤其是当N比K值大很多时，K/N不足以构成景观的复杂性而影响到组织创新绩效；当N固定时，元素间相互作用K越高，企业能获得更高的最佳创新绩效，“锁定”最佳创新绩效的可能性也会更高，但是搜寻过程会变得更加困难，这意味着企业可能需要更多的搜寻成本和时间精力；当K/N值增加，即复杂性程度增加时，主体能够开发局部峰值的递增绩效，N相对高时还能允许对解决方案进行更精细的调整，因为资源间相互冲突的可能性会更小，然而这种情况的发生率正在下降，因为当N固定时增加K就增加了资源间联系的数量并提高了它们将会相互冲突的可能性，这将会迅速增加“锁定”绩效最大化的机会，最终导致收益下降[11]。战略管理的本质在于资源配置的优化和创新，这样才能进一步有助于战略的制定和实施，上述研究提醒了战略管理者在考虑时间、成本和资源的情况下应构建合适的复杂性水平才能更有效地达到高创新绩效和作出更优越的战略决策。

上述的NK模型理论表征与建模技术已经引起了许多后续研究者在此方面的努力。例如有学者仿真了创新和模块化如何相互作用并影响复杂系统绩效[23]；还有的学者考察了技术复杂性对创新管理和决策者的一些影响[27]。目前这类研究存在的根本疑问是NK模型能否为创新过程提供合理化的近似研究。至今只有一项研究使用非实验数据明确解决了这个问题，但他们并没有强有力的证据以支持N与K之间的相互作用会影响绩效，并认为K/N作为复杂性的表征并不重要[1,19]。然而值得注意的是，Ganco率先仿真了基本NK模型并用回归分析得到了N和K参数条件下的绩效预测值，然后通过测度N和K参数并对单行业数据集进行实证分析以得到绩效预测值，结果发现NK模型为创新过程提供了一个很好的近似值[7]。这类研究目前仍然是NK模型在战略管理领域的创新方面所面临的挑战，并为继续研究提供新的问题和前景。

三、结论与展望

综上所述，NK模型在战略管理中的应用优势有三点：首先，NK模型具有很好的内部效度和模型适用性，在复杂多变的环境下，NK模型方法比传统的实证方法更加有益可靠；其次，在各种计算机仿真方法中，NK模型的作用不容小觑，因为它能通过考察多主体之间的搜寻行为来具体地研究微观主体的自组织行为在适应性系统中不断涌现的机制；最后，研究人员非常具有创造性地运用了NK模型，他们不仅将其应用于战略中的复杂性、绩效方法和创新等方面问题，而且还开发了一些更加重要的修改和扩展。然而即便这样，NK模型目前还未得到多数主流研究者的认可，本质原因在于作为计算机仿真方法的NK模型在具体应用中还存在模型适用性的规则定义、仿真实验设计等方面的问题难点和技术缺陷。

无可置疑，随着战略管理研究中复杂理论的不断丰富，NK模型的广阔应用前景已经日益显现。相关研究已呈以下趋势：第一，NK模型合理表征了创新的搜寻过程，同时揭示了技术复杂性本质上的有趣模式，这类研究目前仍然是NK模型在技术创新领域所面临的挑战；第二，大多研究中主体被设置为随机关系，而现实中主体间关系是复杂多变、有迹可循的，因此如何在NK模型中表达主体间的复杂关系，是未来研究必须更加关注的问题；第三，应当更多地回顾未被开发利用的扩展，比如组织学习、组织记忆等，这些扩展很可能在应用战略问题中产生有益结果；第四，在NK模型基础上发展而来的NKC、NKCS模型，在战略管理领域内也应用广泛，甚至有些超越了学科边界，本研究希望未来能对这些发展模型多加关注，以促进研究信息的跨学科交流，用以解决更相关和深入的问题。