孵化網(wǎng)絡(luò)結(jié)構(gòu)、風(fēng)險(xiǎn)傳播對(duì)孵化網(wǎng)絡(luò)最終健康水平的影響
——結(jié)構(gòu)可視化的調(diào)節(jié)作用

吳 田，胡海青

(1.西安理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，陜西 西安 710054；2.西安歐亞學(xué)院 金融學(xué)院，陜西 西安 710065)

0 引言

在新舊動(dòng)能轉(zhuǎn)換背景下，孵化網(wǎng)絡(luò)能夠彌補(bǔ)單一孵化器資源匱乏的局限性，而利用集聚效應(yīng)廣泛開展網(wǎng)絡(luò)化合作，促進(jìn)科技企業(yè)成長(zhǎng)，成為推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要舉措[1]。伴隨這一過程，全國各地涌現(xiàn)出中關(guān)村、天津創(chuàng)業(yè)服務(wù)中心等典型孵化網(wǎng)絡(luò)。但其蓬勃發(fā)展的背后也存在諸多問題，尤其是入孵企業(yè)居高不下的死亡率和過低的成長(zhǎng)率。數(shù)據(jù)顯示，我國每100家創(chuàng)業(yè)企業(yè)中只有20～30家可以存活1年，能持續(xù)經(jīng)營3年以上的不超過10家。究其原因在于，風(fēng)險(xiǎn)傳播是重要影響因素[2]。所謂孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播，是指由于孵化網(wǎng)絡(luò)成員企業(yè)間具有錯(cuò)綜復(fù)雜的合作關(guān)系，當(dāng)其中一個(gè)或少數(shù)幾個(gè)科技企業(yè)產(chǎn)生風(fēng)險(xiǎn)之后，就會(huì)借助孵化網(wǎng)絡(luò)觸發(fā)合作企業(yè)的潛在風(fēng)險(xiǎn)，這種風(fēng)險(xiǎn)相互觸發(fā)的行為持續(xù)下去，便構(gòu)成網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播[3]。伴隨著風(fēng)險(xiǎn)在網(wǎng)絡(luò)中的傳播，這類新創(chuàng)科技企業(yè)往往無法抵御風(fēng)險(xiǎn)而孵化失敗，同樣也給孵化網(wǎng)絡(luò)帶來較大的不確定性。

風(fēng)險(xiǎn)傳播影響程度很大一部分由孵化器、科技企業(yè)及相關(guān)主體間形成的網(wǎng)絡(luò)結(jié)構(gòu)決定[4]。為有效預(yù)防孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播發(fā)生概率，最大程度上減少由于風(fēng)險(xiǎn)傳播對(duì)孵化網(wǎng)絡(luò)健康水平的影響，本文對(duì)孵化網(wǎng)絡(luò)結(jié)構(gòu)、風(fēng)險(xiǎn)傳播與孵化網(wǎng)絡(luò)最終健康水平間關(guān)系進(jìn)行探究，揭示網(wǎng)絡(luò)中的風(fēng)險(xiǎn)傳播規(guī)律，提出提升孵化網(wǎng)絡(luò)健康水平的對(duì)策。

網(wǎng)絡(luò)結(jié)構(gòu)與風(fēng)險(xiǎn)傳播關(guān)系研究最早始于Allen & Gale等[5]對(duì)網(wǎng)絡(luò)連通性的探索，認(rèn)為稀疏網(wǎng)絡(luò)更有助于風(fēng)險(xiǎn)傳播。但Blume 等[6]卻提出緊密網(wǎng)絡(luò)結(jié)構(gòu)會(huì)對(duì)風(fēng)險(xiǎn)傳播起到放大器作用，并帶來“多米諾骨牌”傳染效應(yīng)；Gai 等[7]借鑒傳染相變理論，將上述結(jié)論概括為網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播“穩(wěn)健且脆弱”的性質(zhì)。伴隨著研究的不斷深入，實(shí)體網(wǎng)絡(luò)結(jié)構(gòu)特征備受關(guān)注。Gaccioli 等[8]提出，具有無標(biāo)度特征的金融網(wǎng)絡(luò)對(duì)沖擊具有更好的彈性，其感染率高于隨機(jī)網(wǎng)絡(luò)；李永奎、周宗放[9]基于企業(yè)關(guān)聯(lián)網(wǎng)絡(luò)進(jìn)行仿真模擬，提出小世界網(wǎng)絡(luò)特性有助于節(jié)點(diǎn)之間相互分擔(dān)風(fēng)險(xiǎn)，從而使風(fēng)險(xiǎn)傳播具有延遲效應(yīng)；沈麗等[10]發(fā)現(xiàn)，我國地方金融風(fēng)險(xiǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)屬于典型的無標(biāo)度網(wǎng)絡(luò)，并同時(shí)具備“小世界特征”。在網(wǎng)絡(luò)結(jié)構(gòu)中，度數(shù)中心性指標(biāo)提升可有效降低風(fēng)險(xiǎn)傳播概率。王子豐、周曄[11]借助網(wǎng)絡(luò)結(jié)構(gòu)中的簇系數(shù)、網(wǎng)絡(luò)密度、小世界效應(yīng)等指標(biāo)分析中美上市銀行高維網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播路徑。上述研究為考察風(fēng)險(xiǎn)傳播與網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系提供了基礎(chǔ)性理論視角，但鮮有學(xué)者將研究領(lǐng)域拓展至孵化網(wǎng)絡(luò)范疇，也未能將孵化網(wǎng)絡(luò)結(jié)構(gòu)、風(fēng)險(xiǎn)傳播納入同一解釋框架，更缺乏對(duì)特定情境下(如結(jié)構(gòu)可視化與初始健康分布)相關(guān)影響作用的分析。

在網(wǎng)絡(luò)健康方面，多數(shù)研究圍繞現(xiàn)實(shí)系統(tǒng)自身健康問題展開。Mageau等[12]率先指出健康是指系統(tǒng)內(nèi)部處于良好運(yùn)行狀態(tài)、具有自我調(diào)節(jié)與恢復(fù)能力，并能夠維持內(nèi)部各要素平衡的一種表現(xiàn)形式。此后，學(xué)者們對(duì)網(wǎng)絡(luò)健康內(nèi)涵進(jìn)行了補(bǔ)充，強(qiáng)調(diào)穩(wěn)定性、可持續(xù)性及維持組織結(jié)構(gòu)是衡量健康的重要標(biāo)志[13]。上述研究多是借鑒生態(tài)系統(tǒng)健康的靜態(tài)評(píng)價(jià)，無法結(jié)合具體網(wǎng)絡(luò)結(jié)構(gòu)節(jié)點(diǎn)的動(dòng)態(tài)演化詮釋不同狀態(tài)網(wǎng)絡(luò)的健康狀況。

鑒于此，本文借助仿生管理學(xué)理念，將“健康”一詞納入網(wǎng)絡(luò)狀態(tài)研究范疇[14]，通過仿真模擬，探究以孵化網(wǎng)絡(luò)結(jié)構(gòu)為載體的網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播機(jī)理，驗(yàn)證孵化網(wǎng)絡(luò)結(jié)構(gòu)、風(fēng)險(xiǎn)傳播與孵化網(wǎng)絡(luò)最終健康水平間關(guān)系。同時(shí)，分析特定情境(如結(jié)構(gòu)可視化與初始健康分布)對(duì)孵化網(wǎng)絡(luò)健康水平的影響，可為孵化網(wǎng)絡(luò)管理者在決策與組織治理方面提供有益借鑒。

1 理論基礎(chǔ)與研究假設(shè)

1.1 理論基礎(chǔ)

1.1.1 孵化網(wǎng)絡(luò)結(jié)構(gòu)

孵化網(wǎng)絡(luò)結(jié)構(gòu)是孵化系統(tǒng)的網(wǎng)絡(luò)化表述方式，其中網(wǎng)絡(luò)節(jié)點(diǎn)表示孵化器、科技企業(yè)及其它創(chuàng)新主體，節(jié)點(diǎn)間連邊表示主體之間的合作關(guān)系。借助復(fù)雜網(wǎng)絡(luò)理論，可將孵化網(wǎng)絡(luò)分為小世界網(wǎng)絡(luò)、無標(biāo)度網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)3種結(jié)構(gòu)，并用其表征真實(shí)網(wǎng)絡(luò)。

伴隨著孵化網(wǎng)絡(luò)發(fā)展，不斷有新科技企業(yè)選擇入駐孵化器以獲取信息、資源、市場(chǎng)等數(shù)據(jù)，從而導(dǎo)致孵化網(wǎng)絡(luò)節(jié)點(diǎn)規(guī)模持續(xù)擴(kuò)大。由于網(wǎng)絡(luò)中各主體的社會(huì)資源和網(wǎng)絡(luò)地位差異較大，使得新加入企業(yè)在尋求合作伙伴時(shí)，會(huì)優(yōu)先連接到具有較強(qiáng)品牌聲譽(yù)、競(jìng)爭(zhēng)實(shí)力雄厚的核心企業(yè)或科研機(jī)構(gòu)，從而呈現(xiàn)出“馬太效應(yīng)”[15]，并進(jìn)一步導(dǎo)致孵化網(wǎng)絡(luò)中“超級(jí)節(jié)點(diǎn)”的形成。因此，部分學(xué)者認(rèn)為孵化網(wǎng)絡(luò)具有無標(biāo)度特征[16-17]。此外，部分學(xué)者發(fā)現(xiàn)，孵化網(wǎng)絡(luò)呈現(xiàn)出小世界特征，并能用來解釋現(xiàn)實(shí)孵化網(wǎng)絡(luò)較短平均路徑長(zhǎng)度、較高聚類系數(shù)的現(xiàn)象[18]。研究顯示，孵化網(wǎng)絡(luò)基于共同目標(biāo)與利益，通過創(chuàng)新主體間合作，搭建相互聯(lián)系的“捷徑”，能夠縮短創(chuàng)新主體間距離、減少信息傳遞障礙，進(jìn)而縮短網(wǎng)絡(luò)平均路徑長(zhǎng)度[19]。同時(shí)，孵化過程的低成本、高績(jī)效等優(yōu)勢(shì)能夠吸引科技企業(yè)間保持相對(duì)穩(wěn)定的合作狀態(tài)，形成以孵化器為核心并將各創(chuàng)新主體利益捆綁在一起的不同派系，而各類派系內(nèi)部成員節(jié)點(diǎn)的緊密連接則能夠提高孵化網(wǎng)絡(luò)集聚水平。鑒于隨機(jī)網(wǎng)絡(luò)對(duì)于孵化網(wǎng)絡(luò)而言不易實(shí)現(xiàn)，因此本文僅將其作為與其它網(wǎng)絡(luò)對(duì)比的基準(zhǔn)存在[20]。

1.1.2 孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播

傳染病動(dòng)力學(xué)為風(fēng)險(xiǎn)傳播研究提供了堅(jiān)實(shí)基礎(chǔ)，本文借鑒風(fēng)險(xiǎn)傳染SIR模型，將孵化網(wǎng)絡(luò)中的節(jié)點(diǎn)劃分為3種狀態(tài)加以描述。其中，S代表易感染狀態(tài)、I代表已感染狀態(tài)，R表示免疫狀態(tài)。一旦易感狀態(tài)節(jié)點(diǎn)接觸到有風(fēng)險(xiǎn)的節(jié)點(diǎn)，便會(huì)以確定的感染率(infi)產(chǎn)生風(fēng)險(xiǎn)，隨后又能以特定的恢復(fù)率(reci)痊愈，并面臨再次感染風(fēng)險(xiǎn)的可能[21]。

孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)既有橫向傳播也有縱向傳播。在同一網(wǎng)絡(luò)內(nèi)部，由于各創(chuàng)新主體間存在利益往來，風(fēng)險(xiǎn)會(huì)借助一定載體在成員節(jié)點(diǎn)間傳遞，這是風(fēng)險(xiǎn)的橫向傳播[22]；在區(qū)域孵化網(wǎng)絡(luò)之間，當(dāng)一個(gè)網(wǎng)絡(luò)中的節(jié)點(diǎn)企業(yè)產(chǎn)生風(fēng)險(xiǎn)后，會(huì)以特定概率傳遞給所屬孵化子網(wǎng)絡(luò)(如投融資子網(wǎng)絡(luò)、技術(shù)合作子網(wǎng)絡(luò)等)，并將風(fēng)險(xiǎn)匯聚至該子網(wǎng)絡(luò)所在孵化基地、產(chǎn)業(yè)園等孵化網(wǎng)絡(luò)，從而形成風(fēng)險(xiǎn)縱向傳播[23]。

1.1.3 孵化網(wǎng)絡(luò)健康水平

孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播研究采用傳染病動(dòng)力學(xué)方法，在評(píng)估結(jié)果時(shí)，同樣采用仿生原理對(duì)孵化網(wǎng)絡(luò)演化過程健康狀態(tài)加以呈現(xiàn)。健康的孵化網(wǎng)絡(luò)一般包括3個(gè)特征：一是在網(wǎng)絡(luò)內(nèi)部孵化器、科技企業(yè)以及各創(chuàng)新主體間實(shí)現(xiàn)資源、信息和知識(shí)等的良性互動(dòng)循環(huán)[24]；二是孵化網(wǎng)絡(luò)不斷演化，持續(xù)獲取競(jìng)爭(zhēng)優(yōu)勢(shì)，維持多樣化能力并保持開放性[25]；三是孵化網(wǎng)絡(luò)具備維持組織正常運(yùn)行且保持穩(wěn)定的能力。

孵化網(wǎng)絡(luò)健康對(duì)環(huán)境的微小變化極為敏感，初始條件差異在風(fēng)險(xiǎn)傳播過程中發(fā)揮著重要作用。結(jié)合醫(yī)學(xué)研究發(fā)現(xiàn)，人體健康水平在某種程度上受到出生狀態(tài)的影響[26]，這也解釋了為何健康狀況差的人群更容易感染疾病。Blome & Schoenherr[27]認(rèn)為，與供應(yīng)網(wǎng)絡(luò)中初始健康水平較好的節(jié)點(diǎn)企業(yè)相比，健康狀況較差的企業(yè)更容易受到負(fù)面影響。同理，較高的健康水平也可以擴(kuò)散到網(wǎng)絡(luò)中的關(guān)聯(lián)節(jié)點(diǎn)，使之相互促進(jìn)與恢復(fù)，進(jìn)而化解風(fēng)險(xiǎn)傳播。鑒于孵化網(wǎng)絡(luò)屬于復(fù)雜非線性系統(tǒng)，也就意味著不能采用疊加原理加以分析[28]，而應(yīng)當(dāng)采用混沌理論中的“蝴蝶效應(yīng)”[29]進(jìn)行解讀，即輸入的微小變化可能導(dǎo)致結(jié)果的巨大變化。鑒于此，孵化網(wǎng)絡(luò)初始健康分布成為研究過程中一個(gè)關(guān)鍵影響變量。

1.1.4 結(jié)構(gòu)可視化

在以往研究中，可視化被視為衡量企業(yè)獲取實(shí)時(shí)外部信息并快速識(shí)別環(huán)境變化的能力[30]。一方面，可視化可用來捕獲原料、資金和信息流，并使網(wǎng)絡(luò)在既定時(shí)間內(nèi)更加透明，這對(duì)于增進(jìn)企業(yè)間資源共享、改進(jìn)績(jī)效尤為重要[31]；另一方面，可視化還可以通過改善合作企業(yè)間協(xié)調(diào)，減少失真的負(fù)面影響[32]，促使組織更加敏捷，進(jìn)而創(chuàng)造出更多戰(zhàn)略價(jià)值[33]。

當(dāng)前，關(guān)于可視化的研究主要集中在供應(yīng)網(wǎng)絡(luò)領(lǐng)域，多數(shù)學(xué)者將可視化作為變量，探討其與運(yùn)營績(jī)效的關(guān)系。如Wei & Wang[34]將可視化分為感知、學(xué)習(xí)、協(xié)調(diào)和集成4個(gè)維度，其中感知可視化直接影響網(wǎng)絡(luò)戰(zhàn)略績(jī)效，學(xué)習(xí)可視化、協(xié)調(diào)可視化和集成可視化對(duì)于增強(qiáng)網(wǎng)絡(luò)重構(gòu)性則非常重要；Dubey[35]研究印度制造網(wǎng)絡(luò)發(fā)現(xiàn)，在網(wǎng)絡(luò)風(fēng)險(xiǎn)背景下，可視化水平直接影響網(wǎng)絡(luò)主體的洞察能力。因此，提高網(wǎng)絡(luò)結(jié)構(gòu)可視化水平有助于促使網(wǎng)絡(luò)管理者快速識(shí)別并阻隔風(fēng)險(xiǎn)傳播[36]；Lee等[37]探討認(rèn)為，組織間信息系統(tǒng)可視化水平可對(duì)整個(gè)網(wǎng)絡(luò)產(chǎn)生積極效應(yīng)，當(dāng)聯(lián)合治理結(jié)構(gòu)到位時(shí)，企業(yè)潛在風(fēng)險(xiǎn)傳染可得到有效緩解。

上述研究?jī)H展示了可視化變量對(duì)網(wǎng)絡(luò)績(jī)效和網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播的重要性，未從孵化網(wǎng)絡(luò)健康水平角度探討結(jié)構(gòu)可視化發(fā)揮的作用。本文將結(jié)構(gòu)可視化引入孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播研究，探討該變量對(duì)孵化網(wǎng)絡(luò)最終健康水平的影響。

1.2 研究假設(shè)

1.2.1 孵化網(wǎng)絡(luò)結(jié)構(gòu)與孵化網(wǎng)絡(luò)最終健康水平

由于孵化網(wǎng)絡(luò)中的風(fēng)險(xiǎn)傳播不僅取決于感染率和恢復(fù)率，還取決于孵化網(wǎng)絡(luò)節(jié)點(diǎn)間的結(jié)構(gòu)連通性[38]。因此，本文對(duì)孵化網(wǎng)絡(luò)結(jié)構(gòu)與風(fēng)險(xiǎn)傳播間關(guān)系進(jìn)行研究。在具有無標(biāo)度性質(zhì)的孵化網(wǎng)絡(luò)中，優(yōu)先鏈接機(jī)制決定大部分企業(yè)節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)中核心節(jié)點(diǎn)企業(yè)或科研機(jī)構(gòu)具有高度依賴性。由于資源和信息過度集中，導(dǎo)致孵化網(wǎng)絡(luò)中“超級(jí)節(jié)點(diǎn)”企業(yè)承擔(dān)著超負(fù)荷的資源配置，勢(shì)必降低企業(yè)創(chuàng)新效率，產(chǎn)生鎖定效應(yīng)[39]，并間接影響其它節(jié)點(diǎn)企業(yè)的研發(fā)活動(dòng)。一旦“超級(jí)節(jié)點(diǎn)”企業(yè)因外部風(fēng)險(xiǎn)引發(fā)資金鏈斷裂、市場(chǎng)需求變動(dòng)或關(guān)鍵技術(shù)研發(fā)失敗，就會(huì)誘發(fā)網(wǎng)絡(luò)內(nèi)關(guān)聯(lián)企業(yè)間的連鎖反應(yīng)，導(dǎo)致風(fēng)險(xiǎn)在孵化網(wǎng)絡(luò)中快速傳播。此外，具有無標(biāo)度特征的孵化網(wǎng)絡(luò)還會(huì)通過抑制流行閾值并加速其在網(wǎng)絡(luò)中傳播的方式促進(jìn)傳播[40]。相反，在具有同等規(guī)模和平均中心度的小世界網(wǎng)絡(luò)中，高聚類系數(shù)和短平均路徑導(dǎo)致在孵企業(yè)與各類創(chuàng)新主體間形成“小團(tuán)體”和“橋連接”現(xiàn)象[41]。這就意味著，在孵化網(wǎng)絡(luò)中存在局部集聚派系，其內(nèi)部成員間連通性強(qiáng)、合作密切，而各派系間的信息傳遞需要通過長(zhǎng)程連接實(shí)現(xiàn)。一旦有節(jié)點(diǎn)企業(yè)產(chǎn)生風(fēng)險(xiǎn)，首先會(huì)對(duì)派系內(nèi)部關(guān)聯(lián)企業(yè)產(chǎn)生影響，進(jìn)而再傳遞給派系以外企業(yè)，由此降低風(fēng)險(xiǎn)在整個(gè)網(wǎng)絡(luò)中的傳播速度[42]。孵化網(wǎng)絡(luò)結(jié)構(gòu)和連通性雖然有助于成員企業(yè)實(shí)現(xiàn)資源共享、信息傳遞及創(chuàng)新合作，但同時(shí)也是形成風(fēng)險(xiǎn)傳播的重要載體，而網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播速度決定網(wǎng)絡(luò)最終健康水平。據(jù)此，本研究提出如下假設(shè)：

H1a：與隨機(jī)特征相比，具有無標(biāo)度特征的孵化網(wǎng)絡(luò)可加速風(fēng)險(xiǎn)傳播，從而降低孵化網(wǎng)絡(luò)最終健康水平；

H1b：與隨機(jī)特征相比，具有小世界特征的孵化網(wǎng)絡(luò)可降低風(fēng)險(xiǎn)傳播，從而提高孵化網(wǎng)絡(luò)最終健康水平。

1.2.2 初始健康分布的調(diào)節(jié)作用

將孵化網(wǎng)絡(luò)節(jié)點(diǎn)初始健康分布作為本研究情景變量，當(dāng)其它條件不變時(shí)，連接到健康狀況較差的在孵企業(yè)或其它主體可能比連接到一個(gè)健康節(jié)點(diǎn)產(chǎn)生風(fēng)險(xiǎn)的概率更大。如東三省新能源汽車產(chǎn)業(yè)園所面臨的風(fēng)險(xiǎn)沖擊就主要是因?yàn)橐?guī)模小且風(fēng)險(xiǎn)高的企業(yè)過多、低風(fēng)險(xiǎn)核心健康企業(yè)數(shù)量少引起的[43]。同理，健康水平高的企業(yè)也會(huì)對(duì)有聯(lián)系的主體產(chǎn)生溢出效應(yīng)，因?yàn)樗梢源龠M(jìn)支持、協(xié)作和恢復(fù)，并鼓勵(lì)聯(lián)合風(fēng)險(xiǎn)識(shí)別與化解。在孵化網(wǎng)絡(luò)恢復(fù)階段，局部的高集聚系數(shù)使得小世界網(wǎng)絡(luò)比無標(biāo)度網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)擁有更多小團(tuán)體，一旦團(tuán)體內(nèi)部有企業(yè)感染了風(fēng)險(xiǎn)，其他成員就有可能會(huì)被重復(fù)傳染，進(jìn)而降低恢復(fù)速度[44]。而相比之下，優(yōu)先鏈接機(jī)制導(dǎo)致無標(biāo)度網(wǎng)絡(luò)中的核心企業(yè)擁有較大的訪問量，通過提高自身健康水平就可以帶動(dòng)與之相關(guān)聯(lián)的其它節(jié)點(diǎn)，使得網(wǎng)絡(luò)具有較快的風(fēng)險(xiǎn)恢復(fù)速度[45]。因此，在低初始健康分布情景下，無標(biāo)度特征孵化網(wǎng)絡(luò)比隨機(jī)網(wǎng)絡(luò)或小世界特征網(wǎng)絡(luò)恢復(fù)速度更快，進(jìn)而導(dǎo)致更高的孵化網(wǎng)絡(luò)最終健康水平。據(jù)此，本研究提出如下假設(shè)：

H2a：在低初始健康分布下，具有無標(biāo)度特征的孵化網(wǎng)絡(luò)比具有隨機(jī)特征的孵化網(wǎng)絡(luò)恢復(fù)速度更快，進(jìn)而導(dǎo)致更高的孵化網(wǎng)絡(luò)最終健康水平；

H2b：在低初始健康分布下，具有無標(biāo)度特征的孵化網(wǎng)絡(luò)比具有小世界特征的孵化網(wǎng)絡(luò)恢復(fù)速度更快，從而導(dǎo)致更高的孵化網(wǎng)絡(luò)最終健康水平。

1.2.3 結(jié)構(gòu)可視化的調(diào)節(jié)作用

在探討孵化網(wǎng)絡(luò)結(jié)構(gòu)與風(fēng)險(xiǎn)傳播對(duì)最終健康水平的影響時(shí)，同樣需要將結(jié)構(gòu)可視化情景納入。提高孵化網(wǎng)絡(luò)結(jié)構(gòu)可視化，能夠更加深入地了解在孵企業(yè)間關(guān)系，有利于通過減少關(guān)聯(lián)企業(yè)或關(guān)聯(lián)項(xiàng)目數(shù)量感知風(fēng)險(xiǎn)并抑制傳播[46]。相反，如果一個(gè)企業(yè)只關(guān)注有直接聯(lián)系的合作對(duì)象，而未能察覺到底層風(fēng)險(xiǎn)源的潛在連鎖反應(yīng)，由較低可視化帶來的后果不堪設(shè)想。諸如2011年溫州信泰眼鏡產(chǎn)業(yè)和精益電氣產(chǎn)業(yè)所引發(fā)的危機(jī)，正是因?yàn)闆]能識(shí)別出網(wǎng)絡(luò)中一個(gè)核心企業(yè)在負(fù)債規(guī)模和經(jīng)濟(jì)波動(dòng)雙重壓力下的不良業(yè)績(jī)，從而導(dǎo)致整個(gè)網(wǎng)絡(luò)出現(xiàn)“雪崩”[47]。無論何種網(wǎng)絡(luò)結(jié)構(gòu)，高結(jié)構(gòu)可視化程度對(duì)于抑制孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播均能起到積極作用。據(jù)此，本研究提出如下假設(shè)：

H3a：具有高結(jié)構(gòu)可視化水平且表現(xiàn)出無標(biāo)度網(wǎng)絡(luò)特性的孵化網(wǎng)絡(luò)，有助于降低網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播，從而達(dá)到更高的孵化網(wǎng)絡(luò)最終健康水平；

H3b：具有高結(jié)構(gòu)可視化水平且表現(xiàn)出小世界網(wǎng)絡(luò)特性的孵化網(wǎng)絡(luò)，有助于降低網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播，從而達(dá)到更高的孵化網(wǎng)絡(luò)最終健康水平；

H3c：具有高結(jié)構(gòu)可視化水平且表現(xiàn)出隨機(jī)網(wǎng)絡(luò)特性的孵化網(wǎng)絡(luò)，有助于降低網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播，從而達(dá)到更高的孵化網(wǎng)絡(luò)最終健康水平。

2 研究設(shè)計(jì)與仿真建模

2.1 研究設(shè)計(jì)

2.1.1 案例選取與數(shù)據(jù)來源

通過訪問國家科技部網(wǎng)站，在國家級(jí)孵化器中選取兩家作為典型案例，驗(yàn)證研究假設(shè)中提出的網(wǎng)絡(luò)結(jié)構(gòu)。其中，孵化網(wǎng)絡(luò)A屬于綜合孵化器，在孵企業(yè)達(dá)到779家，業(yè)務(wù)分布在新能源技術(shù)、生物醫(yī)藥、集成電路等領(lǐng)域。孵化網(wǎng)絡(luò)B則是專業(yè)孵化器，入孵的航空企業(yè)有182家，主要從事航空零部件生產(chǎn)、新材料研發(fā)制造等。

在由兩類孵化器形成的網(wǎng)絡(luò)中，運(yùn)用python軟件獲取在孵企業(yè)數(shù)量、企業(yè)間合作項(xiàng)目、投融資業(yè)務(wù)、與其他創(chuàng)新主體的互動(dòng)等關(guān)鍵信息。鑒于GEM定義的初創(chuàng)期企業(yè)成長(zhǎng)周期為40個(gè)月，因此將被調(diào)研企業(yè)時(shí)間設(shè)置為近3年。通過采集孵化網(wǎng)絡(luò)關(guān)系數(shù)據(jù)，分析兩類孵化網(wǎng)絡(luò)結(jié)構(gòu)特征，為探討孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播規(guī)則及變量設(shè)置提供真實(shí)案例基礎(chǔ)。

2.1.2 網(wǎng)絡(luò)圖繪制

通過對(duì)孵化網(wǎng)絡(luò)A和孵化網(wǎng)絡(luò)B的基礎(chǔ)數(shù)據(jù)進(jìn)行整理，構(gòu)建以孵化器、在孵企業(yè)和其他創(chuàng)新主體為節(jié)點(diǎn)、各成員間合作關(guān)系為連邊的鄰接矩陣Xij。其中，Xij代表創(chuàng)新孵化網(wǎng)絡(luò)中成員節(jié)點(diǎn)i和j的合作關(guān)系，若Xij=1，則說明節(jié)點(diǎn)i與j具有合作關(guān)系；反之，若Xij=0，則說明節(jié)點(diǎn)i和節(jié)點(diǎn)j不具有合作關(guān)系。應(yīng)用社會(huì)網(wǎng)絡(luò)分析軟件Gephi9.2對(duì)被調(diào)研網(wǎng)絡(luò)的平均最短路徑、聚類系數(shù)進(jìn)行計(jì)算，并繪制網(wǎng)絡(luò)結(jié)構(gòu)圖，見圖1和圖2。

圖1 孵化網(wǎng)絡(luò)A拓?fù)浣Y(jié)構(gòu)

圖2 孵化網(wǎng)絡(luò)B拓?fù)浣Y(jié)構(gòu)

2.1.3 網(wǎng)絡(luò)結(jié)構(gòu)特征

通過分析得出，孵化網(wǎng)絡(luò)B更具有小世界特征，其特點(diǎn)是平均路徑長(zhǎng)度較短，但與具有相同數(shù)量節(jié)點(diǎn)的隨機(jī)網(wǎng)絡(luò)相比聚類系數(shù)更高[18，20]。通過與生成同樣具有182個(gè)節(jié)點(diǎn)和782條連邊的隨機(jī)網(wǎng)絡(luò)對(duì)比，從平均路徑長(zhǎng)度看，小世界樣本平均最短路徑更短(隨機(jī)網(wǎng)絡(luò)為2.635，小世界網(wǎng)絡(luò)樣本為2.591)，但聚類系數(shù)明顯更高(隨機(jī)網(wǎng)絡(luò)為0.042，小世界網(wǎng)絡(luò)樣本為0.499)，從而證實(shí)孵化網(wǎng)絡(luò)B屬于小世界網(wǎng)絡(luò)。而孵化網(wǎng)絡(luò)A與無標(biāo)度網(wǎng)絡(luò)具有較高的相似性，其網(wǎng)絡(luò)中包含779個(gè)節(jié)點(diǎn)和2 577條連邊。無標(biāo)度網(wǎng)絡(luò)的特點(diǎn)是遵循冪律分布。學(xué)者們通常以雙對(duì)數(shù)(Log-Log)坐標(biāo)繪制網(wǎng)絡(luò)度分布，并使用對(duì)數(shù)轉(zhuǎn)換后的數(shù)據(jù)尋找其線性規(guī)律特征[48]。結(jié)果表明，孵化網(wǎng)絡(luò)A服從冪律分布，雙對(duì)數(shù)坐標(biāo)圖呈現(xiàn)出直線形式(見圖3)。

圖3 雙對(duì)數(shù)坐標(biāo)系下的度分布

2.2 仿真研究方法

為探尋特定情境下孵化網(wǎng)絡(luò)結(jié)構(gòu)、風(fēng)險(xiǎn)傳播對(duì)孵化網(wǎng)絡(luò)最終健康水平的影響，需要對(duì)孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播動(dòng)態(tài)過程展開研究。由于孵化網(wǎng)絡(luò)中的創(chuàng)新主體具有各自的社會(huì)屬性，故無法實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)中多主體的可控性實(shí)驗(yàn)，而實(shí)證分析又難以捕獲網(wǎng)絡(luò)成員多主體交互行為，缺乏對(duì)每個(gè)實(shí)體的異質(zhì)性反饋。此外，孵化網(wǎng)絡(luò)結(jié)構(gòu)演化及風(fēng)險(xiǎn)傳播相關(guān)時(shí)間序列數(shù)據(jù)在現(xiàn)實(shí)中往往不能準(zhǔn)確獲取，這使得實(shí)證研究難以深入探尋孵化網(wǎng)絡(luò)結(jié)構(gòu)、風(fēng)險(xiǎn)傳播對(duì)孵化網(wǎng)絡(luò)最終健康水平的影響，從而無法構(gòu)建特定情境下孵化網(wǎng)絡(luò)結(jié)構(gòu)、風(fēng)險(xiǎn)傳播與孵化網(wǎng)絡(luò)最終健康水平的完整分析框架。鑒于此，本文采用仿真模擬[49]對(duì)特定情境下不同孵化網(wǎng)絡(luò)結(jié)構(gòu)的風(fēng)險(xiǎn)傳播動(dòng)態(tài)過程進(jìn)行仿真研究。

2.3 風(fēng)險(xiǎn)傳播機(jī)制

孵化網(wǎng)絡(luò)成員間的互動(dòng)行為較為復(fù)雜，本文盡可能從現(xiàn)實(shí)案例中提取有價(jià)值的信息，最大程度上還原真實(shí)情景。根據(jù)SIR模型建立風(fēng)險(xiǎn)傳播機(jī)制，設(shè)置參數(shù)取值區(qū)間，最終借助Netlogo軟件進(jìn)行多Agent仿真。本文主要從以下3個(gè)方面構(gòu)建孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播機(jī)制。

2.3.1 孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播的基本規(guī)則

假定在孵化網(wǎng)絡(luò)中s(t)、i(t)、r(t)分別為時(shí)刻t的易感節(jié)點(diǎn)、感染節(jié)點(diǎn)和免疫節(jié)點(diǎn)占據(jù)整個(gè)網(wǎng)絡(luò)規(guī)模的比例，則有s(t)+i(t)+r(t)≡1。SIR微分方程描述如式(1)所示。

(1)

其中，β為一個(gè)易感個(gè)體在單位時(shí)間內(nèi)與感染個(gè)體接觸并被傳染的概率；γ為感染節(jié)點(diǎn)恢復(fù)到易感節(jié)點(diǎn)的概率。根據(jù)(1)中第一式和第三式，可得：

(2)

兩邊積分，得到：

s=s0e-βr/γ，s0=s(0)

(3)

將i=1-s-r代入式(1)并利用式(3)，可得：

(4)

其解可以用如下積分表示，見公式(5)。

(5)

雖然這一積分并不存在顯示解，但可以借助數(shù)值計(jì)算展示隨時(shí)間推移的網(wǎng)絡(luò)風(fēng)險(xiǎn)演化特征。假定t=0時(shí)，孵化網(wǎng)絡(luò)中各成員節(jié)點(diǎn)被隨機(jī)分配到3種狀態(tài)，即健康狀態(tài)(m1)、中等狀態(tài)(m2)、差的狀態(tài)(m3)，每種狀態(tài)下初始節(jié)點(diǎn)網(wǎng)絡(luò)規(guī)模占比均由初始健康分布決定(Hm1-m2-m3)，每個(gè)節(jié)點(diǎn)都有相應(yīng)的感染率β和恢復(fù)率γ。

2.3.2 基于可視化影響的感染率與恢復(fù)率函數(shù)

結(jié)構(gòu)可視化程度能對(duì)風(fēng)險(xiǎn)傳播中感染率和恢復(fù)率產(chǎn)生指數(shù)效應(yīng)[46]，可用來反映可視化對(duì)感染率減少和恢復(fù)率增加呈現(xiàn)出指數(shù)變化的趨勢(shì)，有助于孵化網(wǎng)絡(luò)減少風(fēng)險(xiǎn)傳播并改善健康狀態(tài)。結(jié)構(gòu)可視化影響下的感染率β'和恢復(fù)率γ'函數(shù)式如下：

βi'=βi×e-φ·visi,γ'=γi×(1-e-φ·visi)

(6)

其中，βi代表感染率，γi代表恢復(fù)率，φ代表影響感染(恢復(fù))水平的增長(zhǎng)率或衰變率的常數(shù)(一般取值為2)[46]，visi代表結(jié)構(gòu)可視化程度。結(jié)合前文所提假設(shè)，即無論孵化網(wǎng)絡(luò)結(jié)構(gòu)表現(xiàn)為隨機(jī)特征、小世界或無標(biāo)度特征，結(jié)構(gòu)可視化都將顯著改善或維持孵化網(wǎng)絡(luò)的最終健康水平。

2.3.3 孵化網(wǎng)絡(luò)節(jié)點(diǎn)健康狀態(tài)轉(zhuǎn)換規(guī)則

在孵化網(wǎng)絡(luò)中給每個(gè)節(jié)點(diǎn)引入一組相鄰節(jié)點(diǎn)，這些節(jié)點(diǎn)隨后的健康狀況取決于與它們互動(dòng)的每一個(gè)相鄰節(jié)點(diǎn)的健康水平，由此反映出合作主體間的交互規(guī)則有助于控制孵化網(wǎng)絡(luò)將來的健康狀態(tài)。因此，對(duì)在孵企業(yè)或創(chuàng)新主體節(jié)點(diǎn)賦予pij，表示從當(dāng)前狀態(tài)i過渡到狀態(tài)j的轉(zhuǎn)移概率，不難發(fā)現(xiàn)在孵化網(wǎng)絡(luò)中最終健康狀態(tài)水平不僅取決于結(jié)構(gòu)可視化影響下的感染率函數(shù)βi'和恢復(fù)率函數(shù)γi'，同時(shí)也依賴于相鄰節(jié)點(diǎn)的健康狀態(tài)。

孵化網(wǎng)絡(luò)節(jié)點(diǎn)在每一個(gè)時(shí)間步長(zhǎng)中具有從當(dāng)前狀態(tài)i轉(zhuǎn)換為狀態(tài)j的唯一概率。目前，處于好的健康狀態(tài)的節(jié)點(diǎn)企業(yè)可以保持同一狀態(tài)，繼而過渡到中等狀態(tài)，或過渡到差的狀態(tài)。每種狀態(tài)都有一定的轉(zhuǎn)移概率。以此類推，處于中等或差狀態(tài)的節(jié)點(diǎn)在3種狀態(tài)中存在一定概率，由此產(chǎn)生的過程如圖4所示。

圖4 孵化網(wǎng)絡(luò)節(jié)點(diǎn)健康狀態(tài)轉(zhuǎn)移過程

圖4說明，在孵化網(wǎng)絡(luò)中，節(jié)點(diǎn)從好的狀態(tài)m1轉(zhuǎn)變到中等狀態(tài)m2、或中等狀態(tài)m2變?yōu)楹玫臓顟B(tài)m1，這兩種狀態(tài)轉(zhuǎn)換相差一步。同理，還有從好的狀態(tài)m2轉(zhuǎn)變到中等狀態(tài)m3、或從中等狀態(tài)m3轉(zhuǎn)變?yōu)楹玫臓顟B(tài)m2的過程。因此，圖中實(shí)線箭頭表明相鄰狀態(tài)間僅僅相差一步距離。但是，從好的狀態(tài)m1到差的狀態(tài)m3，或者從差的狀態(tài)m3變?yōu)楹玫臓顟B(tài)m1中間過程相差兩步，于是在圖3中用虛線箭頭表示不相鄰兩種狀態(tài)間的切換。而圖5則從另外一個(gè)側(cè)面說明核心節(jié)點(diǎn)(在孵企業(yè)或創(chuàng)新主體)與相鄰節(jié)點(diǎn)的健康狀態(tài)變化情況。

如圖5所示，孵化網(wǎng)絡(luò)中核心節(jié)點(diǎn)(在孵企業(yè)或創(chuàng)新主體)與相鄰節(jié)點(diǎn)主體間的狀態(tài)變化呈現(xiàn)出3種情況：①圖5(a)表示核心節(jié)點(diǎn)從好的狀態(tài)m1變?yōu)橹械葼顟B(tài)m2，網(wǎng)絡(luò)中節(jié)點(diǎn)健康水平下降；②圖5(b)表示核心節(jié)點(diǎn)維持在好的狀態(tài)m1，網(wǎng)絡(luò)中節(jié)點(diǎn)健康水平不變；③圖5(c)表示核心節(jié)點(diǎn)從差的狀態(tài)m3變?yōu)橹械葼顟B(tài)m2，網(wǎng)絡(luò)中節(jié)點(diǎn)健康水平提高。

圖5 核心節(jié)點(diǎn)與相鄰節(jié)點(diǎn)健康狀態(tài)變化

結(jié)合圖4和圖5可以推導(dǎo)出孵化網(wǎng)絡(luò)中節(jié)點(diǎn)企業(yè)的健康轉(zhuǎn)移概率pij為：

pij=θiωi[1+(∑j≠ipj/∑jpj)]?i,j∈(m1,m3)

(7)

pij=θiωi[1+(pj/∑jpj)]?i,j∈m2

(8)

結(jié)合式(7)和式(8)看，節(jié)點(diǎn)i和j之間狀態(tài)的轉(zhuǎn)移概率pij取決于3個(gè)因素：考慮結(jié)構(gòu)可視化影響的感染率函數(shù)β'或恢復(fù)率函數(shù)γ'的取值，θi、節(jié)點(diǎn)間狀態(tài)相差的步長(zhǎng)ωi、處于與節(jié)點(diǎn)j健康狀態(tài)相同節(jié)點(diǎn)數(shù)量占全部網(wǎng)絡(luò)規(guī)模的比值pj。

θi取值主要取決于節(jié)點(diǎn)i和j所處的狀態(tài)，當(dāng)節(jié)點(diǎn)j狀態(tài)比節(jié)點(diǎn)i差時(shí)，θi的取值為β'，反之則為恢復(fù)率γ'。ωi取值取決于當(dāng)節(jié)點(diǎn)j狀態(tài)與節(jié)點(diǎn)i相差一步時(shí)，ωi=1；反之當(dāng)節(jié)點(diǎn)j狀態(tài)與節(jié)點(diǎn)i相差兩步時(shí)，ωi=0.5。風(fēng)險(xiǎn)傳染結(jié)束，當(dāng)孵化網(wǎng)絡(luò)趨于穩(wěn)定狀態(tài)后，可采用公式(9)衡量孵化網(wǎng)絡(luò)的最終健康水平變化率(H)。

(9)

其中，L1表示在初始0時(shí)刻，孵化網(wǎng)絡(luò)中狀態(tài)好的企業(yè)(或其他創(chuàng)新主體)數(shù)量；L1'表示網(wǎng)絡(luò)趨于穩(wěn)定狀態(tài)后，狀態(tài)好的企業(yè)(或其他創(chuàng)新主體)數(shù)量；L2表示在初始0時(shí)刻，孵化網(wǎng)絡(luò)中等狀態(tài)企業(yè)(或其他創(chuàng)新主體)數(shù)量；L3表示孵化網(wǎng)絡(luò)中狀態(tài)差的企業(yè)(或其他創(chuàng)新主體)數(shù)量。假定在風(fēng)險(xiǎn)傳播過程中，孵化網(wǎng)絡(luò)中在孵企業(yè)或創(chuàng)新主體不會(huì)退出網(wǎng)絡(luò)，其最終健康水平僅在3種狀態(tài)間進(jìn)行切換，所以孵化網(wǎng)絡(luò)規(guī)模將始終保持恒定。

2.4 參數(shù)設(shè)置

2.4.1 風(fēng)險(xiǎn)傳播周期設(shè)定

從較為長(zhǎng)遠(yuǎn)的時(shí)間段看，孵化網(wǎng)絡(luò)特征參數(shù)也會(huì)隨之變化。本文重點(diǎn)關(guān)注不同健康狀態(tài)節(jié)點(diǎn)分布形成的短期風(fēng)險(xiǎn)傳播。因此，規(guī)定仿真周期T=40個(gè)時(shí)間間隔，以與現(xiàn)實(shí)中的創(chuàng)業(yè)企業(yè)成長(zhǎng)期保持一致。

2.4.2 網(wǎng)絡(luò)規(guī)模設(shè)定

孵化網(wǎng)絡(luò)規(guī)模是指網(wǎng)絡(luò)內(nèi)參與企業(yè)孵化的所有創(chuàng)新主體的數(shù)量。通過對(duì)中國內(nèi)地29個(gè)省市國家級(jí)孵化網(wǎng)絡(luò)規(guī)模實(shí)際數(shù)據(jù)進(jìn)行整理發(fā)現(xiàn)，孵化網(wǎng)絡(luò)帶有明顯的地域性特征，剔除最大值和最小值后，其余各省市網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量分布均在100～1 000之間[50]。

孵化網(wǎng)絡(luò)平均節(jié)點(diǎn)度是指對(duì)網(wǎng)絡(luò)中各節(jié)點(diǎn)中心度進(jìn)行平均，以反映整體網(wǎng)絡(luò)中創(chuàng)新主體與外界聯(lián)系的緊密程度，全國各省份孵化網(wǎng)絡(luò)最大平均度值結(jié)果接近于5[50]。因此，為使仿真結(jié)果與真實(shí)網(wǎng)絡(luò)演化情況高度相似，對(duì)參數(shù)取值區(qū)間進(jìn)行設(shè)置并取整，見表1。

表1 孵化網(wǎng)絡(luò)結(jié)構(gòu)仿真參數(shù)

2.4.3 風(fēng)險(xiǎn)傳播參數(shù)設(shè)定

由于孵化網(wǎng)絡(luò)中各類主體關(guān)系沒有金融網(wǎng)絡(luò)密切，導(dǎo)致其傳染率和恢復(fù)率也都低于金融網(wǎng)絡(luò)中的參數(shù)取值[51]。這是因?yàn)?，網(wǎng)絡(luò)越密集越有利于成員間相互交流和信息傳播，被風(fēng)險(xiǎn)感染的個(gè)體比例也越高，從而越會(huì)加速風(fēng)險(xiǎn)傳播概率[52]。同理，當(dāng)網(wǎng)絡(luò)處于恢復(fù)階段時(shí)，成員間緊密的合作共享也會(huì)促使網(wǎng)絡(luò)整體具有較高的恢復(fù)率。因此，本文將兩者取值設(shè)定在不高于0.25范圍之內(nèi)。與此同時(shí)，借鑒Barthélemy 等[40]對(duì)網(wǎng)絡(luò)主體健康狀態(tài)變化趨勢(shì)的研究，分配給孵化網(wǎng)絡(luò)中每種初始健康狀態(tài)成員節(jié)點(diǎn)(好、中、差)所占百分比及結(jié)構(gòu)可視化程度見表2。

表2 孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播仿真參數(shù)

2.5 仿真設(shè)計(jì)有效性控制

為保證仿真結(jié)果的有效性，本文采用全因子實(shí)驗(yàn)設(shè)計(jì)路線，共包含9個(gè)仿真參數(shù)。其中，網(wǎng)絡(luò)規(guī)模、網(wǎng)絡(luò)類型、連接概率、結(jié)構(gòu)可視化、感染率、恢復(fù)率分別有3種取值，平均度有5種取值，仿真周期有1種取值，初始健康分布有6種取值。因此，共需要運(yùn)行3×3×3×3×3×3×5×1×6=21 870次仿真，且所有仿真均在NetLogo環(huán)境中實(shí)現(xiàn)。在每次仿真過程中，如果孵化網(wǎng)絡(luò)中有95%以上節(jié)點(diǎn)都處于均衡狀態(tài)，則孵化網(wǎng)絡(luò)處于均衡狀態(tài)，此時(shí)仿真停止運(yùn)行。

3 仿真結(jié)果統(tǒng)計(jì)分析

3.1 仿真結(jié)果

時(shí)間步長(zhǎng)T=40，圖6為不同網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行仿真后的孵化節(jié)點(diǎn)狀態(tài)差異分布。如N=100，=4，pij=0.5，m1=0.8，m2=0.1，m3=0.1，vis=0.75，β'=0.25，γ'=0.15；圖6(a)為隨機(jī)網(wǎng)絡(luò)、圖6(b)為小世界網(wǎng)絡(luò)、圖6(c)為無標(biāo)度網(wǎng)絡(luò)。

圖7為在特定初始健康及可視化水平下3種網(wǎng)絡(luò)結(jié)構(gòu)中的風(fēng)險(xiǎn)傳播。其中，圖7(a)為隨機(jī)網(wǎng)絡(luò)、圖7(b)為小世界網(wǎng)絡(luò)、圖7(c)為無標(biāo)度網(wǎng)絡(luò)。從圖6和圖7可見，在高結(jié)構(gòu)可視化程度下，3種網(wǎng)絡(luò)結(jié)構(gòu)中健康節(jié)點(diǎn)數(shù)量均呈增長(zhǎng)趨勢(shì)。

圖6 某次仿真結(jié)果：3種網(wǎng)絡(luò)結(jié)構(gòu)形態(tài)

圖7 某一情境下的仿真結(jié)果：3種網(wǎng)絡(luò)結(jié)構(gòu)下的風(fēng)險(xiǎn)傳播

3.2 仿真回歸結(jié)果分析

從近期研究看，學(xué)者們正在嘗試以仿真模擬數(shù)據(jù)作為基礎(chǔ)，運(yùn)用統(tǒng)計(jì)回歸分析探究多種變量(因素)間的交互作用。這種新興研究范式的合理性和有效性日益被國內(nèi)外學(xué)者接納，并廣泛應(yīng)用于管理學(xué)科各個(gè)領(lǐng)域[53-54]。因此，本文通過多次模擬迭代消除多主體行為隨機(jī)性可能產(chǎn)生的偏差，以大樣本量(21 870條)仿真結(jié)果作為數(shù)據(jù)來源，對(duì)整體模型進(jìn)行多元回歸分析，探討變量間關(guān)系，進(jìn)一步驗(yàn)證研究假設(shè)。

3.2.1 相關(guān)性分析

從相關(guān)性檢驗(yàn)結(jié)果可以看出，各變量間的相關(guān)系數(shù)不高，初步證明多重共線性問題不明顯(見表3)。多重共線性檢驗(yàn)結(jié)果發(fā)現(xiàn)，各項(xiàng)間方差膨脹因子遠(yuǎn)小于10，因此可以排除多重共線性問題。

表3 變量相關(guān)系數(shù)

3.2.2 回歸分析

(1)回歸模型1驗(yàn)證網(wǎng)絡(luò)結(jié)構(gòu)對(duì)風(fēng)險(xiǎn)傳播與孵化網(wǎng)絡(luò)最終健康水平的影響。結(jié)果表明，與隨機(jī)特征相比，具有無標(biāo)度網(wǎng)絡(luò)結(jié)構(gòu)的孵化網(wǎng)絡(luò)對(duì)最終健康水平具有顯著負(fù)向影響(p<0.001)。相反，與隨機(jī)特征相比，具有小世界網(wǎng)絡(luò)結(jié)構(gòu)的孵化網(wǎng)絡(luò)對(duì)最終健康水平具有顯著正向影響(p<0.001)。因此，假設(shè)H1a與H1b得到驗(yàn)證(見表4)。

(2)回歸模型2驗(yàn)證網(wǎng)絡(luò)類型和初始健康分布的交互效應(yīng)。結(jié)果表明，在低初始健康水平下，具有無標(biāo)度性質(zhì)的孵化網(wǎng)絡(luò)在健康狀態(tài)m2和m3水平上均比隨機(jī)網(wǎng)絡(luò)系數(shù)值大，表明無標(biāo)度網(wǎng)絡(luò)比隨機(jī)網(wǎng)絡(luò)更有利于恢復(fù)網(wǎng)絡(luò)健康，系數(shù)為正說明呈顯著正向影響(p<0.001)。此外，具有無標(biāo)度特征的孵化網(wǎng)絡(luò)在健康狀態(tài)m2和m3水平上比小世界網(wǎng)絡(luò)的系數(shù)值大，說明無標(biāo)度網(wǎng)絡(luò)比小世界網(wǎng)絡(luò)擁有更快的恢復(fù)速度，其系數(shù)值均為正說明呈顯著正向影響(p<0.001)。因此，假設(shè) H2a、H2b得到驗(yàn)證(見表4)。

(3)回歸模型3驗(yàn)證網(wǎng)絡(luò)類型和可視化程度間的交互影響。結(jié)果發(fā)現(xiàn)，變量間相互作用顯著。在高可視化水平下，具有隨機(jī)特征的孵化網(wǎng)絡(luò)能夠降低風(fēng)險(xiǎn)，對(duì)最終健康水平產(chǎn)生顯著正向影響，尤其是可視化取值為0.5和0.75進(jìn)行對(duì)比發(fā)現(xiàn)，可視化程度越高，對(duì)最終健康水平的影響越顯著。同樣，在高可視化水平下，小世界特征和無標(biāo)度特征孵化網(wǎng)絡(luò)同樣都能夠降低風(fēng)險(xiǎn)，對(duì)最終健康水平產(chǎn)生顯著正向影響。在可視化取值為0.5和0.75兩種條件下，可視化程度越高，對(duì)最終健康水平的影響也越顯著。上述結(jié)果表明，無論網(wǎng)絡(luò)結(jié)構(gòu)類型如何，只有提高可視化水平才能降低網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播，提高孵化網(wǎng)絡(luò)結(jié)構(gòu)可視化水平是有效識(shí)別和降低風(fēng)險(xiǎn)的重要免疫措施。因此，假設(shè) H3a、H3b、H3c得到驗(yàn)證(見表4)。

表4 主效應(yīng)與調(diào)節(jié)效應(yīng)顯著性檢驗(yàn)結(jié)果

4 結(jié)語

4.1 研究結(jié)論

本文以陜西省兩類國家級(jí)孵化器形成的實(shí)際網(wǎng)絡(luò)為研究對(duì)象，通過分析其網(wǎng)絡(luò)結(jié)構(gòu)特征，根據(jù)SIR模型設(shè)立風(fēng)險(xiǎn)傳播規(guī)則，設(shè)置符合孵化網(wǎng)絡(luò)實(shí)際特征的參數(shù)取值區(qū)間，運(yùn)用統(tǒng)計(jì)分析方法對(duì)篩選的仿真結(jié)果數(shù)據(jù)進(jìn)行回歸分析，得出孵化網(wǎng)絡(luò)結(jié)構(gòu)、風(fēng)險(xiǎn)傳播及特定情境交互項(xiàng)對(duì)孵化網(wǎng)絡(luò)最終健康水平的影響機(jī)理。結(jié)果發(fā)現(xiàn)：孵化網(wǎng)絡(luò)結(jié)構(gòu)、風(fēng)險(xiǎn)傳播與網(wǎng)絡(luò)最終健康間具有顯著相關(guān)性；當(dāng)感染率高于恢復(fù)率時(shí)，與隨機(jī)網(wǎng)絡(luò)相比，無標(biāo)度網(wǎng)絡(luò)會(huì)加快風(fēng)險(xiǎn)傳播，小世界網(wǎng)絡(luò)則會(huì)降低風(fēng)險(xiǎn)傳播；在低初始健康分布情景下，感染率低于恢復(fù)率，無標(biāo)度網(wǎng)絡(luò)具有更快的恢復(fù)速度；在不同網(wǎng)絡(luò)結(jié)構(gòu)下，可視化水平均有助于提升孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)緩解能力。

4.2 實(shí)踐啟示

(1)關(guān)注孵化網(wǎng)絡(luò)結(jié)構(gòu)特性。專業(yè)孵化器網(wǎng)絡(luò)具備小世界特征，因此可通過適當(dāng)控制企業(yè)間交流頻率、增強(qiáng)高集聚水平企業(yè)實(shí)力，進(jìn)而提升網(wǎng)絡(luò)風(fēng)險(xiǎn)恢復(fù)速度，降低網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播速度；綜合孵化網(wǎng)絡(luò)具有無標(biāo)度特征，且網(wǎng)絡(luò)中存在“超級(jí)節(jié)點(diǎn)”。因此，在帶動(dòng)網(wǎng)絡(luò)成員發(fā)展的同時(shí)極易形成風(fēng)險(xiǎn)傳播源，需要重點(diǎn)扶持和保護(hù)這類具有較大影響力的核心企業(yè)，對(duì)這類企業(yè)建立風(fēng)險(xiǎn)預(yù)警機(jī)制或風(fēng)險(xiǎn)阻隔機(jī)制，限制其風(fēng)險(xiǎn)傳播范圍，發(fā)揮示范作用，帶動(dòng)關(guān)聯(lián)企業(yè)健康運(yùn)行，從而實(shí)現(xiàn)整個(gè)孵化網(wǎng)絡(luò)的健康運(yùn)行。

(2)改善孵化網(wǎng)絡(luò)初始化健康分布。在孵節(jié)點(diǎn)企業(yè)初始健康分布不合理，將會(huì)加快網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播速度。因此，對(duì)在孵企業(yè)進(jìn)行篩選和評(píng)估非常重要。過多低健康、高風(fēng)險(xiǎn)企業(yè)節(jié)點(diǎn)的出現(xiàn)不僅導(dǎo)致企業(yè)自身孵化過程存在風(fēng)險(xiǎn)，還會(huì)影響相關(guān)孵化企業(yè)的存活率和成功率，甚至產(chǎn)生連片孵化失敗的結(jié)果。所以,不能盲目追求孵化企業(yè)數(shù)量，而應(yīng)該對(duì)初始健康水平較差的企業(yè)加以限制，將其設(shè)置在可控范圍內(nèi)，從而降低整個(gè)孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播效率；另外，還應(yīng)合理配置初始健康水平較高、風(fēng)險(xiǎn)較低的企業(yè)，擴(kuò)散其正面溢出效應(yīng)，對(duì)周邊在孵企業(yè)節(jié)點(diǎn)產(chǎn)生正向引導(dǎo)作用，降低孵化網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播效率。

(3)提升孵化網(wǎng)絡(luò)可視化程度。構(gòu)建基于互聯(lián)網(wǎng)的大數(shù)據(jù)平臺(tái)，加強(qiáng)孵化器管理者對(duì)網(wǎng)絡(luò)結(jié)構(gòu)可視化水平的關(guān)注度，引導(dǎo)成員企業(yè)與服務(wù)能力強(qiáng)、社會(huì)聲譽(yù)好、技術(shù)先進(jìn)的合作方建立聯(lián)系。通過數(shù)據(jù)挖掘搜集可視化節(jié)點(diǎn)企業(yè)間供需專業(yè)數(shù)據(jù)，建立基于數(shù)據(jù)驅(qū)動(dòng)的“監(jiān)控—評(píng)估—預(yù)警—應(yīng)對(duì)”可視化鏈?zhǔn)骄W(wǎng)絡(luò)治理機(jī)制，及時(shí)發(fā)現(xiàn)風(fēng)險(xiǎn)預(yù)兆并實(shí)時(shí)作出預(yù)警，提高企業(yè)孵化成功率。

(4)構(gòu)建整體孵化網(wǎng)絡(luò)健康水平評(píng)估體系。在網(wǎng)絡(luò)治理方面，應(yīng)更多關(guān)注績(jī)效與單個(gè)節(jié)點(diǎn)企業(yè)的孵化問題，而對(duì)于整個(gè)網(wǎng)絡(luò)風(fēng)險(xiǎn)傳播問題的關(guān)注應(yīng)該建立整體孵化網(wǎng)絡(luò)健康水平監(jiān)控體系。當(dāng)整個(gè)網(wǎng)絡(luò)出現(xiàn)大范圍風(fēng)險(xiǎn)傳播時(shí)，單個(gè)節(jié)點(diǎn)無法通過自身治理解決外部風(fēng)險(xiǎn)沖擊問題，需要整個(gè)孵化網(wǎng)絡(luò)平臺(tái)加以干預(yù)，阻止風(fēng)險(xiǎn)蔓延與擴(kuò)散，保證在孵企業(yè)安全。這種干預(yù)可能與單個(gè)企業(yè)績(jī)效存在短期矛盾，但在大范圍風(fēng)險(xiǎn)傳播過程中，在孵企業(yè)的安全與存活應(yīng)擺在首位。

4.3 不足與展望

本研究尚存在一些不足：根據(jù)孵化網(wǎng)絡(luò)特征構(gòu)建網(wǎng)絡(luò)模型，并依據(jù)流行病傳播理論進(jìn)行仿真實(shí)驗(yàn)，在實(shí)驗(yàn)過程進(jìn)行適度簡(jiǎn)化，尚未對(duì)風(fēng)險(xiǎn)種類進(jìn)行細(xì)分，也未詮釋孵化網(wǎng)絡(luò)結(jié)構(gòu)對(duì)不同類型風(fēng)險(xiǎn)傳播影響的差異；缺乏對(duì)孵化網(wǎng)絡(luò)結(jié)構(gòu)可視化程度差異的案例佐證，未識(shí)別風(fēng)險(xiǎn)并確定其傳播的潛在規(guī)律。因此，未來應(yīng)從上述幾個(gè)方面進(jìn)行深入研究。