产业共生网络演化的稳定性度量

6.1.1　产业共生网络稳定性的研究述评

1.共生稳定性的概念

对于产业共生稳定性的概念，一般认为主要是抵抗力和恢复力两方面的能力。

肖忠东(2002)认为，产业生态系统稳定性指一个产业生态系统内外部环境出现不同程度的变动时，系统维持稳定状态的能力。杜旻(2003)从“抵抗力”和“恢复力”两方面来界定产业共生系统的稳定性:①产业共生系统的抵抗能力，即当变动发生后，系统的承受能力。②产业共生系统的修复能力，主要是指系统在遭受外部干扰出现不同程度的损坏后，针对这种损坏，系统自行恢复的能力。武春友参照生态系统稳定性的概念，认为产业共生系统的稳定性是指:处于平衡状态中的生态产业系统在干扰出现的情况下，保持自身当前状态的能力。他认为，相对于生态系统稳定性强调“抵抗力”和“恢复力”两个特征外，这个定义更偏重于对“抵抗力”的研究，一定程度上回避了对“恢复力”的研究。邓华(2006)肯定了用“能力”界定产业生态系统稳定性的意义，指出产业生态系统稳定性是处于平衡状态中的产业生态系统在干扰出现的情况下，保持自身原有平衡状态的能力。原有状态是一个系统内部资源流动有序、数量适当的平衡状态。童莉(2006)指出，产业生态系统稳定性是产业生态系统的组成、结构和功能在时间、空间变化的稳定程度，表征系统动态平衡状况的综合特性，分别由系统本体优势程度、系统内部的动态流动(包括物流、能流、资金流以及信息流等)、系统对外界影响因素的自我调节程度以及个体与个体各因子间相互作用等方面反映。朱睿(2006)认为，生态产业园产业共生网络稳定性是指在内、外部环境出现不同程度的变动时，网络组织成员能保持有效产业共生关系的能力。可以从环境适应性和可控性两个层次上理解其稳定性。生态产业园产业共生网络稳定性主要表现在:组织成员间供需关系的匹配性;空间组织和联系的高效性;组织成员间联系的复杂性、多样性及创新性;组织的开放性以及经济效益和环境效益的“双赢”。

2.共生稳定性的度量

国内许多学者采用生物学中描述不同种群共生现象的Logistic模型，分析各种产业共生模式的稳定性条件，也有少数人采用复杂网络理论开展研究。童莉(2006)构建出产业生态系统稳定性模型，建立起评价指标体系(ESSAI)并给出了计算方法，用优势度、循环度、调节度来表征产业生态系统的稳定性。该指标体系由3个准则层、12个指标层和44个变量层指标组成，较为全面地反映了区域生态产业园区稳定性程度和可持续发展水平。邓华(2006)对产业生态系统(IES)稳定性表现的测量主要参考以下三个方面:①从生态学物种数目增长的Logistic回归模型来看，IES内部成员数目的变化幅度可以作为一个重要的稳定性衡量指标。②从产业生态学角度看，可通过测量IES内部生态产业链条数量变化幅度大小来测量系统稳定性。③遵照一般系统表现成绩评判惯例，测量也参考IES对自身稳定性的评判成绩。最后根据筛选出的稳定性影响因素构建了三维的理论假设模型，通过模型中的矢量及平面表征模型的稳定性。刘小峰(2007)等在对供应链网络稳定性的研究中，采用网络学中的概念鲁棒性来衡量网络的稳定性，并进一步地将鲁棒性分解为稳定鲁棒性及性能鲁棒性，分别用受攻击后网络最大连通子图的大小及此最大连通子图中的最短路径来表示。晏先浩(2007)在关于复杂网络稳定性研究中，也同样采取了鲁棒性的方法，不同的是，他并没有将其进一步细化，而仅用受攻击后网络的最短连接路径来衡量鲁棒性的好坏，实际上等同于刘小峰所述的性能鲁棒性。朱睿(2006)等通过借鉴生态学中描述共生关系的Logistic方程及动力学模型构造方程式，方程组的有效解即为稳定状态的临界值。类似的，郭本华等同样构建物理模型，利用方程组的解表征网络稳定性。

3.共生稳定性的影响因素

国内外学者在案例分析和问卷调查的基础上，进行了归纳分析，主要有以下几种看法。

Lowitt通过马萨诸塞州的案例研究，表明议事程序、编码与契约、资金来源、经济手段、信息管理和发送等会对生态产业园维持(稳定性)起到作用。Sumita Majumdar认为有7个方面的因素阻碍了IES的稳定与未来成功，分别是:制度、技术、经济、信息、组织、法律和认知。在邓华(2006)的研究中，归纳了前人关于稳定性影响因素的17项因子:地理位置、成员距离、关键种企业、链条长度、成员多样、相互依赖、系统关联度、技术充足、技术革新、信息平台、技术壁垒、政府支持、市场变动、新能源新材料、公众压力、法律制度、经济支持等。然后采取以专家评分法(Delphi)为主、以专家访谈和IES访谈为辅的方法，筛选并补充影响因素。最终确定了10个有研究价值的影响因素:信息平台、关键种企业、经济支持、成员距离、相互依赖、市场变动、技术充足、成员多样、政府支持、领导因素，并归类于三个维度，即技术维度、外部维度及结构维度。

朱睿(2006)等提出了基于适应性及可控性的稳定性概念，将稳定性影响因素分为两类:①环境适应性因素，主要包括产业共生网络对政策、法规的理解和对宏观经济环境、外部竞争压力等的适应;②可控性因素，主要包括产业共生网络组织内部的收益和风险分配机制、预期成本的变化趋势、预期收益的变化趋势以及组织成员的机会主义行为、自身的核心竞争力、成员之间存在的文化差异、战略导向差异、长期目标的不一致、彼此间的信任与合作机制等。这两类影响因素可归类于三个关键因素:共生模式、共生策略、社会资本。

6.1.2　产业共生网络稳定性的内涵

共生系统的稳定是指该系统处于有序、良性的循环状态。而系统内外部的变动主要是指由于系统内部的构成要素发生变化以及外部环境(包括市场环境，经济环境，政策及法律环境等)发生改变。一个完备的产业共生系统与外界环境具有协调性，这种协调性最主要体现在系统自身的稳定性。产业共生系统稳定性可以认为是在产业生态系统内、外部环境出现不同程度的变动时，系统维持稳定状态的能力。

对于产业共生系统的稳定性可以从两个方面来界定:第一，产业共生系统的抵抗能力，即当网络节点变动发生后网络的承受能力;第二，产业共生系统的修复能力，主要是指系统在遭受外部干扰出现不同程度的损坏后，针对这种损坏，网络自行修复的能力。从经验上看，系统修复能力的高低取决于系统自身的协调性，共生系统中企业间相互的替代能力越高，系统的修复能力越强。

本书对产业共生网络的稳定性定义如下:产业共生网络的稳定性是指随着时间、空间的变化，产业共生网络内、外部环境出现不同程度的变动时，网络组织成员能保持有效产业共生关系的能力。其稳定性由容错能力和抗攻击能力两方面组成，容错能力是指网络对于随机攻击的抵抗能力，抗攻击能力是指网络对于选择性攻击的抵抗能力。本书所指的稳定性更强调关注网络能够维持现有结构，对于破坏网络行为的抵抗力。

6.1.3　产业共生网络演替稳定性的表征

本书将尝试从网络节点度分布及网络核心节点两方面分析网络稳定性。

6.1.3.1　基于节点度分布的稳定性定性表征

网络拓扑结构研究表明，网络节点的度分布形式对于网络稳定性有重要的作用。

对于随机网络和小世界网络来说，其度分布呈现Poission分布。在这些种类的网络中，存在一个节点的平均度K，度很大或很小的节点在K两边都呈指数衰减。这表明，这些类型的网络中不存在度很大的节点，因而使得网络对于选择性攻击(针对关键节点)具有较强的抵抗能力(或称为鲁棒性)。即网络中不存在一些关键节点，这些节点的移除将导致整个网络关系的崩溃。

对于无标度网络，节点的度分布呈现幂律分布。网络中存在一些度数很大的节点(关键节点)，而多数节点的度数则较小，度数最小(多数情况下为1)的节点占据了网络节点数的很大一部分。这就意味着这类网络在很大可能性上是依赖那些度数很大的个别节点而联系起来的。因此，这种类型的网络对于选择性攻击相对脆弱，更易趋于崩溃。然而，度数的幂律分布也说明网络存在大量度数较小的节点，因此，这一特性使得无标度网络对于随机性攻击具有很强的抵抗能力(鲁棒性)。

就有向网络而言，由于无法有效衡量特征路径长度，因此，无法判别这些案例样本是否属于小世界网络，进而无法得知其是否具有小世界网络的特性，即对于选择性攻击具有较强的抵抗能力。但可以通过分析这些案例样本各自的节点度数分布，来判别其是否为无标度网络，从而进一步探究各个样本对于不同攻击方式的抵抗能力。

6.1.3.2　基于节点影响力的稳定性定量表征

上一部分采用了度分布模式来估测网络的稳定性，这一部分将采用更细微的视角，通过考察每个节点的影响力，从而识别出关键节点。通过对关键节点的保护来维持或增强网络的稳定性。

首先对关键节点进行定义:若在网络中去除这个节点，对网络的破坏程度比去除其他节点更大，其中网络破坏程度可用网络间节点连接的减少程度来衡量。

出度中心势、入度中心势和中间中心势可用来分析有向网络整体的中心化趋势。对于网络中每个节点的中心性，同样可以使用类似的指标来分析，如出度中心性、入度中心性和中间中心性。

出度中心性可以表达为每个节点在有向网络中作为关系的“发送者”的状况。若一个节点的出度中心性为0，则表明该节点未“发送”任何关系，对其他任何节点没有控制力，因而它在网络中的影响力可能不大;若一个节点的出度中心性为1，则表明该节点对所有的其他节点“发送”关系，在一定意义上控制着其他所有节点，故而在网络中有较高的影响力。入度中心性可以表达为每个节点在有向网络中作为关系的“接受者”的状况。若一个节点的入度中心性为0，则表明该节点未“接收”到任何关系，不受其他任何节点控制，因而它在网络中的影响力可能较大;若一个节点的入度中心性为1，则表明该节点“接收”到所有的其他节点的关系，在一定意义上受到其他所有节点的控制，故而在网络中有较低的影响力。中间中心性可表达为每个节点在多大程度上控制其他节点之间的交往，如果一个点的中间中心性为0，则该点不能控制任何其他节点，处于网络最边缘的位置;而如果一个点的中间中心性为1，则该点可以完全控制其他所有节点的交往和联系，它处于网络的最核心位置，拥有最大的影响力。

需要注意的是，根据出度中心性、入度中心性和中间中心性的定义，虽然三者都能反映节点的影响力大小，但出度中心性、入度中心性关注的是节点与节点之间的直接联系，而中间中心性关注的是节点对其他两个节点关系的控制，这三个指标好比反映了市场中卖方、买方和中间人(中介)的各自重要性。

图6-1　一个随机的网络图

然而，仅仅通过以上三个指标来确定网络中的关键节点还是不够的。从图6-1中可看出，节点1具有最强的中心性，无论是度数中心性还是中间中心性(虽然是无向网络，但对有向网络同样适用)。然而，若移除节点1，网络仍然保持良好的连接状态，并未破损。另一方面，如果移除并不具有最大中心性的节点8，却能将网络更有效地破坏(将节点9，10，11，12孤立)。因此，需要建立一种新的方法来识别此类网络中的关键节点。

在建立新方法以寻求一组关键节点的时候还需注意一个问题。比如在图6-2中，若单独去除节点h和节点i都会将网络碎片化(fragment)。但是如果同时将这两个节点去除，却并不能对网络造成更大的破坏。相反地，如果在删去节点h后，再删去节点m，将会使网络更趋于碎片化，尽管节点m的单独“破坏力”没有节点i的强。

图6-2　一个随机的网络图

首先定义一个新的指标，暂且命名为网络的破碎度F，来衡量去除一个或多个节点后网络的受破坏程度。公式如下:

其中，n为网络节点个数，rij为节点间的关系。若两点之间可达，则rij= 1;否则rij=0。F=0，则表示网络未受到任何破坏;而F=1，则表示网络已被完全破坏，不存在任何节点间的关系。

综上，在分析网络节点影响力时，可结合中心性分析方法和网络破碎度分析方法，来识别关键节点。