探索技术进步与

根据后一个理论框架，在扩散过程的初始阶段，由于企业之间的激烈竞争，技术绩效迅速提高，然后在扩散过程的后期，随着竞争的放松，技术绩效提高的速度降低，但是，如果技术进步的速度是由技术领域的技术特征决定的，正如前一个理论框架所建议的那样，那么无论扩散过程中的竞争动态如何，技术进步都将继续增加。因此，假设H2设置如下：  假设H2。在扩散过程的早期，技术性能以较快的速度增长，但在扩散过程的后期，技术改进的速度下降。11.3。数据和方法3.1。创新传播3.1.1。定义和测量扩散速度如前所述，先前的扩散研究表明，创新扩散随时间遵循S曲线函数，如逻辑函数，并使用该函数的陡峭度参数（参数  图1A中所示的逻辑函数（Griliches，1957；Mansfield，1961；1989；Olshavsky，1980）。在以前的研究中，这种扩散速度测量方法已被广泛用于确定解释不同产品扩散速度变化的因素。然而，在对技术进步率和扩散速度之间关系的实证检验中，有许多问题会大大增加统计噪声。首先，这种扩散速度度量只能评估整个扩散过程的平均扩散速度，因此这种度量无法检查扩散速度随时间的变化。

此外，为了使用logistic函数的陡度参数作为扩散速度的可比度量，有必要可靠地估计logistic函数的各个方面。然而，如果整个扩散过程的数据不足，或者扩散数据与逻辑函数略有偏差，则无法可靠估计函数。此外，陡度参数与达到最大穿透时的扩散速度相关（与渐近线参数密切相关  因此，如果创新之间的最大渗透水平不同，很难说扩散速度是在相同的基础上测量的（Van den Bulte和Lilien，1997；Van den Bulte，2004）。也就是说，为了构建一个可比较和可靠的扩散速度度量，需要一致地定义和度量扩散过程的起点和终点。12因此，本研究将扩散速度定义为从一个穿透水平（起点）到更高水平（终点）的差值除以穿透时间。当我们使用这种扩散速度度量时，我们不需要估计logistic模型的速度和最大穿透参数，并且可以避免过度限制的参数规范。此外，可以根据穿透间隔定义扩散速度。渗透间隔的起点和终点根据直接从数据中观察到的渗透水平定义，并在所有产品中一致应用。具体来说，我们使用0%（市场进入）到10%的扩散速度、10%到30%的扩散速度和30%到50%的扩散速度作为三个测量的扩散速度。

这些扩散速度为扩散过程的早期和后期提供了见解，这可能与技术进步的速度有不同的关系。3.1.2。传播速度数据在这项研究中，我们从各种来源收集了18种创新产品在美国的渗透率或采用率数据。渗透率数据包括对拥有特定产品的消费者在所有潜在消费者中所占比例的年度观察。这些数据包括市场上推出的产品。之前的研究发现，由于难以收集产品采用数据，约有10-30种情况下使用的不同产品的扩散速度存在差异，因此找到了解释这些差异的因素。本研究的实证测试基于18种产品，我们还能够找到执行这些产品核心功能所需的技术领域的定量性能改进数据。这18种产品包括家用电器、消费电子产品、汽车和医疗成像设备。我们还能够纳入与传播过程有关的各种创新产品，通过传播过程，社会中的个人和机构采用新技术或用新技术取代旧技术，这包括为世界带来重大进步和变化的技术。这18个案例数量众多，足以可靠地使用两个变量（扩散速度和技术进步率）之间的线性回归模型。此类模型通常需要10-15个案例才能获得可靠的估计，我们对假设H2进行非参数统计假设检验，其中18个案例也足够了。13从20世纪初到90年代末。

其中15种是向家庭传播的产品，1种是向农场传播的产品，2种是向医院传播的产品；所有这些都达到了50%以上的渗透率水平。根据上述扩散速度的定义，这些产品的扩散速度是根据每年从市场进入到10%的渗透率、从10%到30%以及从30%到50%的渗透率变化来衡量的。表1总结了本研究中使用的扩散数据。表1：。扩散数据汇总。A到B市场入口速度的ProductMeasureYear（%/年）来源0→10%10→30%30→50%1。Cox和Alm（1997）2，汽车占家庭的百分比0.593.334.00。洗衣机占家庭的百分比0.380.772.22Cox和Alm（1997）3。COX和Alm（1997）4的冰箱占户主的百分比0.773.334.00。家庭空调占户主的百分比0.361.674.00Cox和Alm（1997）5。洗碗机占住户的百分比0.202.000.80Cox和Alm（1997）6。Cox和Alm（1997）7，干衣机占家庭的百分比0.531.822.86。录像机占家庭的百分比0.536.6710.00欧睿（2017）8。个人电脑占家庭的百分比0.912.005.00欧睿（2017）9。笔记本电脑占家庭的百分比0.533.335.00欧睿（2017）10。移动电话占家庭的百分比0.915.006.67Euromonitor（2017）11。CD播放器占户主的百分比1.675.0010.00欧睿（2017）12。互联网户主百分比1.675.0010.00欧睿（2017）13。数码相机占家庭的百分比0.916.6710.00米兰达和利马（2013）14。表1.254.004.00Euromonitor（2017）15住户百分比。DVD播放机/录像机占家庭的百分比3.3310.0010.00欧睿（2017）16。拖拉机占农场的百分比0.401.252.86Olmstead and Rhode（2001）17。Hillman和Schwartz（1985），Comin和Hobijn（2009），OECD（2017）18，医院的计算机断层扫描（CT）扫描百分比2.503.334.00。Hospital1.113.332.22Comin和Hobijn的磁共振成像（MRI）%（2009），OECD（2017）3.2。技术改进3.2.1。

定义和测量技术改进率在本研究中，产品基于技术领域执行特定的通用功能，该领域是一个特定的、可识别的科学知识体系（Magee et al.2016）。在本研究中，我们定义了产品核心技术领域的通用功能指标，这些领域具有影响产品采用决策的因素（Magee et al.2016），以评估与新产品扩散相关的技术改进速度。我们假设此类技术性能指标随时间呈指数函数变化，如方程（1）所示。先前的研究已经从经验上证实了技术性能与时间之间的指数关系，以及每年性能的百分比变化是恒定的（Benson and Magee，2015；Farmer and Lafond，2016；Koh and Magee，2006；2008；Magee et al.，2016；Moore，1965；Nagy et al.，2013；Sahal，1979），这与最广泛假设的发明组合进步机制一致（Basnet和Magee，2016；Youn等人，2015）。例如，Magee et al.（2016）显示了28个技术领域15的绩效与时间的强指数相关性，Farmer和Lafond（2016）显示了57个领域更深入和一致的结果。因此，本研究将方程（1）的指数常数ki（即每年的相对变化）定义为技术进步率。3.2.2。技术改进率数据我们定义了扩散数据中产品核心技术领域的性能指标，并从Magee et al.（2016）收集了性能数据。Magee等人。

（2016）从各种来源收集的28个技术领域的71个指标中呈现技术性能趋势数据，这些指标通常表示为每单位支付的美元或每单位其他约束条件，如数量（结果产生了不同约束条件下类似的年改善率（k））。Magee等人（2016）详细描述了性能数据和用于收集数据的方法。表2报告了与18种扩散创新产品相匹配的11个技术领域，包括估计的年改进率k和指数拟合的R2；图2中绘制了两个随时间变化的技术性能示例。表2中指数拟合R2的高值表明，估计的年改进率k很好地总结了观察到的技术改进进展。表2：。

技术性能数据。ProductCore Technology domainMetricData范围（N）改进率（k）R21。汽车发动机单位成本发电量（W/$）1896-1971（22）7.12%0.792。洗衣机，3台。电冰箱、电动机单位重量产生的能量量（W/kg）1881-1993（13）2.93%0.834。家用空调，5。洗碗机，6。干衣机7。录像机磁信息存储（磁带）单位成本内存量（Mbits/$）1952-2004（14）24.56%0.848。个人电脑，9。笔记本电脑，14。TabletMicroprocessor每个芯片的晶体管数量（#/芯片）1972-2006（12）36.33%0.9710。移动电话无线通信每秒数据传输量（Kbps）1946-2009（15）25.99%0.8411。CD播放器，15。DVD播放机/刻录机光学信息存储每立方厘米的内存量（Mbits/cc）1981-2004（16）27.15%0.9512。1965-2004年（11）互联网电信（互联网主干网）每秒数据传输量（Kbps）35.93%0.9013。数码相机灵敏度灵敏度（mV/微米2）1987-2008（11）15.56%0.9916。拖拉机发动机每加仑产生的能量（马力小时/加仑）1920-1964（17）2.77%0.8417。CTCT每扫描时间的扫描分辨率（1/分辨率·扫描时间）1971-2006（13）36.72%0.7818。MRIMRIResolution per time per unit cost（1/分辨率·扫描时间·美元）1980-2006（6）47.52%0.88来源：Magee et al.（2016）。图2：。随时间变化的技术性能（对数标度）。17.4。分析结果4.1。相关分析首先，为了检验技术进步与扩散之间的关系，并检验假设H1，我们分析了产品扩散速度与技术进步率之间的相关性，并绘制了它们之间的散点图。相关分析结果如表3所示，散点图如图3所示。表3：。

相关分析结果。方法D、 MinMax（1）（2）（3）（4）（5）（1）改善率k20.7815.682.7747.52（2）速度从0%到10%1.030.820.203.330.5287（3）速度从10%到30%3.812.310.7710.000.38230.6678（4）速度从10%到50%4.342.591.1410.000.36940.60910.9662（5）速度从30%到50%5.423.180.8010.000.33740.49200.83140.9435图3。扩散速度和技术进步率之间的散点图。18根据相关分析结果和散点图，产品扩散速度与技术绩效改进率呈正相关。特别是，在扩散过程的早期（从0%到10%渗透），它们比扩散过程的后期表现出更强的正相关。也就是说，从扩散过程的早期到后期，产品扩散速度与产品改进率之间的关系强度逐渐减小。这是意料之中的，因为性能改善对扩散的影响在后期会因饱和效应而减弱。因此，与渗透率相关的符号和下降都与我们的假设H1一致。4.2。回归分析接下来，我们使用本研究提出的回归模型方程（2）实证检验扩散速度与技术进步的关系。在模型中，产品扩散速度从0%到10%，从10%到30%，以及从30%到50%分别作为因变量。然后，以技术进步的相对速度、产品传播的市场类型（家庭或其他市场）和价格水平作为解释变量。

具体而言，表1中的产品1-15被设定为家庭收养产品，在这些家庭采用的产品中，产品1-10被归类为高价产品，其余产品被归类为低价产品（2015年不变1000美元是高价和低价之间的任意分界价格，价格基于对产品内和跨时间的平均价格（2015年不变美元）的粗略估计）（Olshavsky，1980）。表4报告了回归分析结果。表4中的每一列显示了不同模型的估计值。基本模型1-1、2-1和3-1的产品扩散速度分别为0%至10%、10%至30%和30%至50%，作为因变量，并且仅包含改善率k作为解释变量。模型1-2、2-2和3-2包括额外的解释变量，以控制每个基本模型中的产品类型和价格水平。表4：。回归分析结果。模型1-1（速度从0到10%）、模型1-2（速度从0到10%）、模型2-1（速度从10到30%）、模型2-2（速度从10到30%）、模型3-1（速度从30到50%）、模型3-2（速度从30到50%）改善率k0.0311***（0.0086）0.0213**（0.0081）0.0210**（0.0089）0.0176*（0.0088）0.0166（0.0100）0.0136（0.0098）无家庭收养（农场、医院）-0.4479（0.0089 3413）-0.8941**（0.3686）-1.0490**（0.4113）高价（家庭采用）-0.8246**（0.2800）-0.5812*（0.3024）-0.6092*（0.3374）常数-0.8701***（0.2218）-0.1345（0.3119）0.7176***（0.2291）1.2616***（0.3370）1.1567***（0.2575）1.7317***（0.3759）R20.44870.65960.25920.50000.14730.4327注：括号内的数字是估计系数的标准误差*在0.10水平上显著；**在0.05水平上显著；***在0.01水平上显著。

根据回归分析结果，所有模型的改善率k均在预期方向上，且在模型1和2中显著。也就是说，技术进步率与扩散过程早期阶段的扩散速度显著相关；随着技术进步率的提高，扩散速度趋于加快。此外，随着我们进入较小的贯入度水平（模型1-1>2-1>3-1和1-2>2-2>3-2），这些回归的斜率和R2都会增加。这一结果表明，在扩散过程开始时，技术进步率与扩散速度之间的关系更强。因此，假设H1得到了有力支持；基于更快改进的技术领域的新产品在潜在市场中的传播速度更快。此外，研究发现，在农场或医院传播的新产品比在家庭中传播的产品传播速度要慢。此外，高价家用产品在市场上的传播速度往往较慢。4.3。统计符号检验我们检验技术进步率在扩散过程的后期是否下降，以检验我们的假设H2。首先，产品的扩散过程及其技术改进以图形方式绘制，如图4所示。这些图表并未显示扩散过程后期技术进步率的定性下降。图4：。随着时间的推移，扩散和技术改进（对数尺度）。21接下来，进行符号检验和Wilcoxon符号秩检验（Wilcoxon，1945），这是检验成对观察结果之间一致性差异的统计方法，以对我们的假设H2进行统计检验。