[论文解读] Modeling the formation of R&D alliances: An agent-based model with empirical validation

Mario V. Tomasello, Rebekka Burkholz+1 more|arXiv (Cornell University)|Dec 6, 2017

Innovation Diffusion and Forecasting参考文献 3被引用 1

一句话总结

本文提出了一种基于代理的模型，通过异质的企业能力与个体效用阈值，解释了研发联盟规模分布右偏的涌现机制。通过将三个自由参数校准至涵盖15,000家企业的26年期数据集，该模型以高精度再现了经验性的联盟规模分布，提供了一种分析解法，显著降低了模拟成本，并可推广至其他联盟形成情境。

ABSTRACT

The authors develop an agent-based model to reproduce the size distribution of R&D alliances of firms. Agents are uniformly selected to initiate an alliance and to invite collaboration partners. These decide about acceptance based on an individual threshold that is compared with the utility expected from joining the current alliance. The benefit of alliances results from the fitness of the agents involved. Fitness is obtained from an empirical distribution of agent’s activities. The cost of an alliance reflects its coordination effort. Two free parameters ac and a1 scale the costs and the individual threshold. If initiators receive R rejections of invitations, the alliance formation stops and another initiator is selected. The three free parameters (ac; a1; R) are calibrated against a large scale data set of about 15,000 firms engaging in about 15,000 R&D alliances over 26 years. For the validation of the model the authors compare the empirical size distribution with the theoretical one, using confidence bands, to find a very good agreement. As an asset of our agent-based model, they provide an analytical solution that allows to reduce the simulation effort considerably. The analytical solution applies to general forms of the utility of alliances. Hence, the model can be extended to other cases of alliance formation. While no information about the initiators of an alliance is available, the results indicate that mostly firms with high fitness are able to attract newcomers and to establish larger alliances.

研究动机与目标

• 解释先前模型缺乏机制解释的实证观察：研发联盟规模分布广泛且右偏。
• 开发一种基于代理的模型，模拟基于企业个体决策的动态研发联盟形成过程。
• 基于涵盖15,000家企业和15,000个联盟、历时26年的大规模经验数据集，对模型进行校准与验证。
• 提供一种分析解法，降低计算成本，并可推广至不同的联盟形成情景。
• 推断联盟形成的微观机制，特别是企业能力与拒绝动态的作用，尽管缺乏发起方层面的数据。

提出的方法

• 代理（企业）被均匀随机选择作为联盟发起方，基于个体效用阈值邀请合作伙伴。
• 邀请是否被接受取决于加入联盟的预期效用与企业特定阈值的比较，该阈值受企业能力与成本参数影响。
• 企业能力从反映合作倾向异质性的实际企业活动经验分布中抽取。
• 联盟成本建模为协调努力的函数，由参数ac缩放；个体阈值则由al缩放。
• 在经历R次拒绝后，过程停止并选择新的发起方；R被视为自由参数。
• 通过最大似然估计法，利用经验联盟规模数据对模型参数（ac, al, R）进行校准。

实验结果

研究问题

• RQ1 导致观察到的广泛且右偏的研发联盟规模分布的微观机制是什么？
• RQ2 企业能力与个体效用阈值如何共同影响联盟形成与规模分布？
• RQ3 是否可以开发一种基于经验参数的基于代理的模型，在不知晓发起方身份的前提下再现经验联盟规模分布？
• RQ4 在多大程度上可对模型的动力学进行解析求解，以减轻计算负担？
• RQ5 拒绝动态与合作伙伴选择行为如何塑造研发联盟的涌现网络拓扑结构？

主要发现

• 基于代理的模型通过置信区间比较，以高精度再现了经验性的研发联盟规模分布。
• 校准过程得到的参数值与经济直觉一致：高能力企业更可能发起并吸引合作伙伴，而低能力企业具有更低的阈值，更容易被接受。
• 该模型的分析解法显著降低了模拟工作量，并可适用于一般的效用与成本函数，增强了其普适性。
• 模型中观察到的大量拒绝次数表明，联盟形成的主要瓶颈在于发起方，他们必须持续寻找合适的合作伙伴。
• 尽管未显式建模，结果暗示高能力的现有企业是联盟形成的主要驱动力，尤其在中型企业和初创企业中表现突出。
• 该模型能够再现广泛且右偏的联盟规模分布，支持所提出的代理级规则作为现实世界联盟动态机制的合理性。