- 1 -
中国科技论文在线
基于创新扩散模型的电信需求预测研究
综述
李华丽，张爱华*
作者简介：李华丽，（1986-），女，硕士研究生，主要研究方向为技术创新扩散理论
通信联系人：张爱华，（1964-），女，副教授，主要研究方向：预测、决策分析与决策支持
（北京邮电大学经济管理学院，北京 100876）
摘要：技术创新扩散理论自提出以来就成为了一个研究的热点，引发了大量的后继研究，技5
术创新扩散模型在预测领域特别是电信预测领域占据了重要地位，虽然已有不少研究者使用
该类模型对电信产品进行预测，但是尚未有学者对这类方法在电信领域的应用进行系统的归
纳和综述，本文回顾了电信需求预测领域中创新扩散模型的应用，通过对多种预测模型进行
归纳和分析，为选择电信产品的预测方法提供了参考，同时本文也揭示了创新扩散模型的发
展趋势和深入研究该模型的方向。 10
关键词：创新扩散；电信预测；Bass 模型
中图分类号：F62
Telecommunications Demand Forecasting Based on
Innovation Diffusion Models——A Review 15
Li Huali, Zhang Aihua
(School of Economics and Management,Beijing University of Posts and Telecommunications,
Beijing 100876)
Abstract: Abstract-The proposal of innovation diffusion theory has caused a large number of
follow-up studies. Innovation diffusion models play an important role in forecasting field. This paper 20
reviews the application of innovation diffusion models in the field of telecommunications demand
forecasting, through summarizing and analyzing a variety of prediction models, this paper not only
provide references when choosing forecasting methods of telecommunication demand forecasting, but
also reveals the developing trend of innovation diffusion theory and models, and proposed the direction
for further study of the theory. 25
Keywords:Innovation diffusion; Telecommunications forecast; Bass model
0 引言
电信业是一个技术性、先导性的产业，目前，电信产品的发展主要有两个特点，一是发
展速度快，以我国为例，电信业是我国发展速度最快的行业之一，电信业近年来一直保持着30
高于 GDP 的增长速度，已经成为整个国民经济中的亮点；二是电信产品众多，电信市场上
不仅存在各类产品互相替代的现象，而且存在着同类产品的更新换代现象。电信业自身的发
展特点加上其他的一些外界条件，使得电信市场复杂多变，给电信需求的预测带来了很大的
困难。
传统的预测方法主要使用时间序列进行趋势推算，依靠已有的数据进行预测，并没有考35
虑相应的市场环境因素，使得预测的结果不够令人信服。传统预测方法的另一个缺点是没有
办法对缺乏充足历史数据的电信新产品做出预测，而这类产品往往最需要对其市场前景做出
预测，从而给决策者提供重要的决策支持。由此可见，传统的预测方法并不能满足电信需求
预测的要求，而技术创新扩散理论和模型的出现和发展给电信需求预测带来了一个新的方
向。 40
技术创新扩散模型是技术创新扩散理论中的一个重要组成部分，它用数理方法对技术创
- 2 -
中国科技论文在线
新扩散过程进行定量分析，是对创新扩散进行定性分析的深化和发展。自该理论提出以来，
众多学者从多个方面对技术创新扩散现象及其机制、规律、影响因素等进行了一系列的理论
考察，提出了各具特色的创新扩散理论模型，这些理论模型为电信需求预测提供了新的方法。
本文回顾了技术创新扩散模型在电信需求预测中的使用，研究在不同电信市场环境因素45
影响下，学者们如何通过使用创新扩散模型对电信需求进行预测。本文不仅为选择电信需求
预测的方法提供了依据，同时也揭示了技术创新扩散模型的发展方向。
1 Bass 扩散模型简介
Bass 模型是最著名的基本 S 型创新扩散模型，是由 Bass 在 1969 年通过对 11 种耐用品
的市场扩散研究提出的[1]。Bass 模型假设在产品的整个生命周期内，将会有总数为 M 次的50
首次购买发生，而且每个采用者的购买数量都是一个单位，然后将市场分为两部分：潜在市
场和当前市场。潜在市场用户转变成当前市场用户主要是受到两种机制的影响，一是大众传
播媒介，如广告等（外部影响），用 p（创新系数）表示影响程度的大小；二是人群的口头
传播（内部影响），用 q（模仿系数）表示影响程度的大小；在这些假设的前提下推导得到
Bass 模型的形式为： 55
))(()()]([
)(
)( tNM
M
tNqtNMp
td
tdN −+−=
式中 N ( t) 为 t 时累计采用者人数， 为 t 时非累计采用者人数； 式中右边的第 1 项 代
表那些只受外部因素影响，不受已购买该种产品的人影响的采用者( 称为创新采用者)；右
边的第 2 项 代表那些受先前购买者影响而购买的采用人数(称为模仿者)。当 t = 0 时， =
pM，表示扩散开始时已有 pM 个采用者。 60
基本 Bass 模型易于理解，易于使用，在电信需求预测上得到很广泛的使用，如张彬，
杨国英， 荣国辉(2002)[2]使用 Bass 模型预测了中国 Internet 采用者用户数的发展趋势；陈
晶晶(2007)[3]等人也利用Bass模型对我国互联网用户数进行了预测；耿庆鹏(2007)[4]根据Bass
模型按类似性预测的特点，预测了我国手机电视用户数的发展；徐明慧和郑继明(2006)[5]则
利用 Bass 模型对我国移动电话用户数进行了预测，并且将这种模型和龚泊兹曲线模型、皮65
尔曲线模型进行了对比，结论表明对于描述移动电话用户数的扩散过程来讲，Bass 模型要
比其他模型更适合。由此可见，Bass 模型在电信预测领域得到了很好的应用，然而 Bass 模
型存在很多局限性，影响了预测的精度，因而针对基本模型的局限性，学者们提出了各种各
样的扩展模型以弥补基本模型的不足， Bass 模型及其灵活多变的各类扩展模型非常适合用
户电信需求预测，下面将回顾这类模型在电信领域得到的应用。 70
2 影响电信产品扩散的因素
对影响扩散的因素进行研究是建立研究模型不可缺少的前提，技术创新扩散是一个多层
次、多环节的技术经济活动，是在国家的宏观大环境和区域小环境下进行的，环境因素对技
术创新扩散起着不容忽视的作用。
首先，国家特征以及整个电信发展环境会对电信产品的扩散产生很大的影响，Dekimpe, 75
Parker, Sarvary (1998)[6]确认了国家特征会对移动电话扩散的影响这一观点，他们使用了 184
个国家 10 年年度移动电话采用的截面数据，来研究国家特征如何影响手机的扩散。Kiiski,
Pohjola(2002) [7]使用人均 GDP 来代表国家特征，他们在研究影响互联网跨国扩散的因素时，
使用了人均互联网主机数作为扩散的变量来建立扩散模型，基于 Gompertz 曲线建立了扩散
- 3 -
中国科技论文在线
模型，运用模型的结果同样发现了决定扩散的因素是人均 GDP，同时，上网量也是决定扩80
散的不可忽视的一个因素。Frank(2004) [8]不仅考虑了国家特征因素，而且假设电信发展状况
也会影响扩散，他们使用了与 Gruber, Verbovan(2001) [9]相似的方法为芬兰手机的扩散建立
模型，分析芬兰的经济情况对预测无线通讯扩散造成的影响，然而在假设的三个影响因素：
人均 GDP、为识别 GSM 技术而引入的虚拟变量、描述固定电话比例的变量中，发现只有人
均 GDP 对预测结果影响较大。Banji Oyelaran-Oyeyinka, Kaushalesh Lal(2005) [10]考虑了更为85
细致的因素，即需要考虑到各个国家与地区的环境不平衡性，他们引入了“数字不平等”和
“数字鸿沟”来描述信息和通信技术接入的两种水平，在这一前提下使用了 40 个撒哈拉以
南非洲（SSA）国家 1995-2000 年间互联网的数据来研究影响互联网在 SSA 扩散的因素。研
究发现，在这些国家中，GDP、电信基础设施密度、现有的电话密度、服务器（IHS）密度、
个人电脑密度以及互联网接入的难易程度显著的影响了互联网的扩散。我国的焦硕、徐飞、90
周鸿松(2004)[11]对比了手机在中国与在日本的扩散情况，发现对像中国这样的发展中国家来
说，除了 Rogers 提到的技术本身的五种特征之外，使用代价也是决定一项技术能否在发展
中国家迅速传播的重要因素。竞争是另一个被提及较多的影响电信产品扩散的重要因素，一
般来说，竞争会加速电信产品的扩散，这里的竞争指市场上存在的所有经济团体之间的竞争，
包括运营商之间的竞争、供应商之间的竞争等等，Gruber, Verbovan(2001)[9]认为供应商之95
间的竞争会增加扩散速度，他们建模时使用 Logic 曲线作为基础建立模型，得出欧盟电信产
品导入的时间与随后的扩散速率正相关的结论。Michalakelis C., Varoutas D.,
Sphicopoulos D.,(2008) [12]研究了更多的竞争因素，在研究希腊移动电话扩散时发现手机
的扩散速度与竞争的运营商数，甚至其他的社会经济团体数量都有关系，同时合理的管制措
施对手机的扩散也起了重要作用。 100
市场的动态发展也是一个应当考虑的因素， 如 Centrone F., Goia A., .
(2007) [13]认为在动态环境下，扩散是无法完全渗入市场的，即不可能所有的消费者都会采
用产品，他们建立模型用于手机的预测，预测效果更易于管理者理解产品的生命周期。
3 不同扩散模型下的电信需求预测
电信产品和技术在特定的市场环境下进行扩散，通过放宽 Bass 模型的前提假设可以对105
这些特定的环境进行描述，从而提高模型建立的合理性和预测的精度。
1、引入价格的扩散模型
最先把价格因素加入 Bass 模型中的是 Robinson, Lakhani(1975) [14]，他们建立了一个动
态的价格模型，并根据这一模型分析了厂商应该考虑的合适的市场策略。在电信领域，
Bottomanley,., Fildes,R.(1998) [15]将考虑了价格的扩散模型应用于对电器和电子产品扩散110
的研究中，研究价格在创新扩散模型中的角色。Bagchi K., Kirs P., López(2008) [16]建立了一
个价格调整模型（price-adjusted model），用以研究 6 个地区的固话和手机业务时认为此模
型比单纯的扩散模型具有更好的解释力，研究发现价格下降对所有地区的固话和手机影响都
很显著，特别是对不发达地区、基础设施发展速度更快的地区以及政治更稳定的地区。且价
格对固话（代表旧的技术）的影响大于对手机（代表新技术）的影响。 115
2、引入广告的扩散模型
最早在 Bass 模型中引入广告变量的是 Horsky and Simon(1983) [17]，他们在研究美国电
话银行时加入了广告作为解释型变量，验证了广告对于采用可能性的影响效果。将加入广告
的扩散模型应用于电信领域预测的是 Simon, Sebastian(1987) [18]，他们认为广告只对模仿者
- 4 -
中国科技论文在线
起作用，因而所建立的模型也称为模仿模型，他们在模型中加入了 b2F(t)f（adv.）表示广告120
对模仿者的影响，实证研究时使用了德国电话扩散数据，并证明了把模仿系数和广告联系起
来是建立西德电话扩散模型的最好方式，而且广告并非在电话的整个生命周期都起相同的作
用，它可能在产品生命周期的早期阶段影响创新采用者，但是在中后期阶段则是对模仿者的
行为影响较大。胡左浩 [19]等认为广告变量不仅会对效仿者产生影响，而且对创新者也有影
响，基于此假设他们建立了新改进的模型，选用了三种型号的手机销售量作为实证研究依据，125
在良好的数据拟合基础上通过对比发现，广告投入越多，扩散速度越快。
3、引入市场潜力变量的扩散模型
Bass 模型一个很大的局限性是假设市场潜力在产品整个生命周期中都保持不变，而实
际的情况是宏观经济环境、市场个体行为的改变、人口的增长以及政府干预政策这些变量都
对市场潜力产生影响。Mahajan V., Peterson .,(1978)[20]最早假设市场潜力 M 是变化的，130
M 是 S(t)的函数，而 S（t）代表所有内生和外生变量，他们基于此对 Bass 模型进行了改进，
并使用美国洗衣机数量证明了模型的优越性。而 Sharif ., Ramanathan K.(1982) [21]更为直
接的假设 M 直接与时间变量相关，之后， Mahajan V., Peterson .(1982) [22]以及 S.
Kalish(1985) [23]直接在市场是随时间变化的假设下进行研究，Kalish(1985)[23]指定市场潜力为
价格和对创新了解程度的函数，所建立的模型虽然提出了人口的指数增长，但是没有研究动135
态的环境在指定的市场上如何连续和动态的起作用。Centrone F., Goia A., .(2007)
[13]弥补了这一缺陷，他们考虑到了特定市场的连续作用和人口的生灭过程，建立了在经济
和人口参数同时变动情况下的二项式创新扩散模型。并将这些模型用于手机的预测。
4、引入重复购买的扩散模型
学者们在研究电信需求扩散时较少考虑到重复购买问题，因为电信产品属于耐用品而不140
是经常需要重复购买的日常消费品，但是随着人们收入水平的提高，人们必然会重复采用某
一电信产品或技术（如手机），Udayan Chanda , Bardhan .(2007)[24]在他们的研究中区分
了初次购买者和重复购买者，而且将市场环境也分别进行考虑。但他们并不是将模型主要应
用于电信需求预测，而是使用了 VIZ 的半导体产业，美国大型机产业，印度的电视机产业
和美国的无绳电话产业的数据，结果认为在不同代的技术中，初次购买者和重复购买者的创145
新和模仿系数的变化是不一样的，而且不同模型中创新系数和模仿系数在不同市场环境下的
变化方向也不一致。
5、引入竞争的扩散模型
本文所指的竞争包括了产品之间的竞争，也包括市场主体（如运营商商）之间的竞争。
同一运营商会在同一代网络中同时经营多个品牌，为了研究一个品牌进入时对扩散的影150
响作用，Krishnan,Bass, Kumar(2000)[25]提出了一个基于风险的函数方法，这个方程反映了模
仿的过程是由所有品牌的使用者驱动和影响的，而不是单个品牌的影响。他们使用了 6 个市
场中竞争网络上的移动用户的 14 年的季节性数据来进行拟合，之后看到最晚加入市场的，
市场上的第三个品牌可以加快市场扩散速度，增加市场潜力。同样研究产品替代作用的是
Snalman,Vesala, Humphrey(2001)[26]，他们研究了欧洲十国电子支付对于现金的替代作用，但155
是他们使用的是 Gompertz 模型而不是 Bass 模型。
Meade, Islam(2003)[27]以传真和手机这两种有关联的创新产品为例，研究一个国家采用
传真的时间对采用手机的时间的影响。他们将采用时间关系分为两个阶段，并用不同的时间
密度函数进行描述，最终由传真机的采用时间模型得到了手机的采用时间的条件密度。
如前一节所述，竞争通常会加快扩散的速度，当有新竞争者进入市场时的扩散模式与原160
- 5 -
中国科技论文在线
来的只有市场原有者的扩散模式是不一样的。John Robers（2005）[28]以澳大利亚电信市场
为例，研究当 Optus 进入原来只有 Telstra 的电信市场时，竞争者间的扩散会怎样进行，以
及 Telstra 应当采取何种措施。他们融合了创新扩散模型、市场防御模型、新产品接受模型
和可能流模型，得到了一个 Closed-form 模型，以此设定在新竞争者进入之前原有市场占有
者的防御性市场策略。这篇文章提供了理解特定市场中动态防御的第一步，也将防御者的市165
场营销组合与动态选择模型相配合。
6、引入产品更新换代的扩散模型
对于电信运营商而言，经常是几代产品同时经营，因而为了更符合实际情况，应当在模
型中考虑技术的更新换代问题。Norton-Bass 模型[29]则是这一领域的经典模型，这一模型是
由考虑手机和个人电脑的更新换代而得出的，以三代产品为例，该模型的表达式为： 170
第一代产品 t 时用户数：
)](1[)()( 22111 τ−−= tFmtFtN
第二代产品 t 时用户数：
])()[()( 112222 mtFmtFtN +−= τ
第三代产品 t 时用户数： 175
]])()[()[()( 112223333 mtFmtFmtFtN +−+−= ττ
其中，
])(exp[)/(1
])(exp[1
)(
tqppq
tqp
tF
iiii
ii
i +−+
+−−=
这一模型在电信需求预测中多次证明了其实用性，如杨敬辉，武春友 [30]使用该模型预
测中国互联网上网方式的更新换代的发展，即对拨号上网、ISDN 上网、宽带上网的扩散进180
行预测，通过与 Bass 模型预测结果相比，证明 Norton-Bass 模型在研究更新换代产品扩散
时是一种更好的方法。
Norton-Bass 模型也存在较多缺陷，如这一模型假设创新系数、模仿系数以及市场潜力
在整个创新过程中都不会改变，Mahajan, Muller（1996）[31]拓宽了这一假设，认为每一代技
术都有不同的替代和扩散模式，并建立了一个新的多代模型；Islam 和 Meade(1997)[32]在研185
究手机扩散采用时也发现，随着技术的更新换代，模仿系数是倾向于增加而不是不变的。因
而他们认为不同产品在连续几代中，模仿系数不是递增就是递减的，而不会一直不改变。
7、存在供给约束的扩散模型
世界上很大一部分国家地区的电信市场仍处于供给不足的状态，供应上受到限制阻碍了
等候者向采用者的转变，因而在这种情况下，扩散曲线会出现一定的扭曲。大部分关于电信190
需求预测的研究直接避开了这方面的考虑。仍然有一些学者在研究中强调了供给约束给扩散
带来的影响，Simon, Sebastisn(1987)[18]确认了当出现供给约束时会使自然的扩散过程变慢，
并产生一个扭曲的扩散曲线，但是还没有去深入研究。Jain et al. (1991)[33]为供给存在限制的
扩散模式建立了三阶段 Bass 模型，即在供应受限的情况下，引入了一个叫“等待采用者”
的第三方，用户的流动方式是从潜在采用者（第一阶段）到等待者（第二阶段）再到采用者195
（第三阶段）。他们把这一模型用来预测以色列的电话扩散。Islam, Fiebig (2001)[34]使用了
相同的模型对 46 个供应受限制国家的电话扩散进行了预测，并确认了这一模型的有效性。
三阶段 Bass 模型还没有获得较多的应用经验，它和 Bass 模型有一个相同的缺陷，即需要估
算的参数要多于实际使用参数，从而提高预测精度。另外，在供应受约束的情况下，登记的
等待者的数量很可能少于实际数量，这一个数据还没有得到有效的调整。 200
- 6 -
中国科技论文在线
8、混合影响因素扩散模型
用函数表示多种影响因素，并灵活将这些因素代入 Bass 模型中的 p、q、m 参数中，可
以得到融合多种影响因素的模型，这些模型更符合现实市场的状况，预测精度一般来说也比
较高，但操作难度较大。
Kim et al.（2000[35]建模分析指出一代产品的市场潜量不仅要受到来自另一代产品的技205
术替代的影响，也要受到其他种类产品销售的影响。他们应用香港无线通讯市场的寻呼机、
手机和第二代无线电话以及日韩的呼机和移动电话的动态增长数据的实证表明，最早上市的
寻呼机对手机的市场潜量有积极的影响，而手机对寻呼机的市场潜量有负面的影响，第二代
无线电话作为补充性副产品对前二者的市场潜量都有积极的影响。Jun et al. (2002)[36]在建模
时也同时考虑了产品的更新换代以及竞争这两个因素，他们认为用户是根据自身效益最大化210
来选择是否采用新一代技术，在对韩国三代移动通信的预测当中同时将不同代技术和竞争考
虑进去。他们预测了韩国电信从模拟到数字的转换以及两个相互竞争的数据服务是否得以采
用。从结果的比较可以看出，并入替代作用和竞争作用提高了预测效率。这也证实了研究多
种影响因素的预测结果往往比只研究单一因素的预测结果要好得多。
Danaher et al.（2001[37]考虑的是价格和不同代技术的影响，而不是竞争因素，他们将价215
格作为协变量加入多代模型中，使用了 Nordic 电话公司两代移动通信的数据，包括订购和
呼叫价格数据，并允许用户在不同代的技术间跳跃选择。他们比较了没有价格影响的 Bass
模型、一般的 Bass 模型以及包括了 Bass 模型的比例风险模型，比例风险模型的拟合度比一
般的 Bass 模型好，但是这个模型看不到价格的影响。他们还发现降低前几代的产品价格，
不仅可以是那几代采用者数增加，而且能使后面几代采用者的数量增加得更多，即不同代技220
术间价格弹性在降低。但是他们的研究前提和 Norton-Bass 模型的研究前提一样，都是假设
创新系数和模仿系数在几代产品中都保持不变，这一假设并没有充足的依据。
多个模型的混合可以利用各个模型的优点从而得到更精确的预测结果。Chih-Peng Chu,
Jin-Gu Pan（2008[38]在预测台湾 GPRS 和 PHS/3G 市场时使用了混合模型，这一模型根据台
湾市场 WPA、2G 和 PHS/3G 共存的情况加入了技术替代和市场竞争两个因素，即是将225
Norton-Bass 模型[29]，Islam, Meade（1997[32]和 Peterson , Mahajan（1978）[20]的模型融合并
做了一些改进得到了一个适合当地情况的混合模型。但是作者并没有对模型进行确认。
Yvome, Wouter, Dennis（2005）[39]使用了更为复杂的混合模型来研究欧盟 15 个国家的互联
网入户数和移动电话的潜力。他们通过引入时间变换参数扩展 Putsis et al. (1997)[40]提出的模
型；而且使用了由 Dekimpe, Parker, Sarvary(1998)[41]提出的配比程序，同时扩展了 Xie et al. 230
(1997)[42]提出的 Kalman 滤波器作为参数的估计方法。这篇文章旨在研究当数据很少时预测
产品的销售潜力，并研究不同国家之间扩散过程的相互关联。结果显示欧盟国界在创新扩散
过程当中起到了重要作用，而混合模型的预测效果显然比单个模型要精确很多。
4 结论
创新扩散模型较多用于预测类别范围比较广的产品和技术，如固定电话、移动电话、宽235
带、2G/3G 用户数等，可以说创新扩散模型在较大的类别上已经覆盖电信产品和技术预测；
但是创新扩散模型较少应用到更细的类别，如 3G 中某一应用的扩散。因而为了使模型更具
有普遍适用性，还需要进一步对模型进行改进，包括放宽研究假设，以及建立合理的评估指
标来测评多种可选的扩散模型的优劣等。
在电信领域得到应用的扩散模型基本都属于宏观的扩散模型，这类模型的发展已经较为240
- 7 -
中国科技论文在线
成熟，可以根据所研究的电信市场环境提出相应的研究假设，提高电信需求预测的精度。但
宏观扩散模型存在两个主要的缺点，一是缺乏微观机，宏观模型没有考虑系统宏观特征涌现
的微观作用机制，难以揭示扩散的微观机理；二是同质市场假设，宏观模型假设市场上的全
部消费者具有相同的产品偏好和一致的行为特征。该假设与现实观察是相悖的。针对这两个
缺点，学者们提出了微观层面的扩散模型，即从消费者个体行为水平对创新扩散进行研究，245
然后采用“集成”的方法得到创新的总体扩散模型[43]，这类模型的实现依赖于系统仿真（主
要包括元胞自动机以及复杂网络），目前，微观模型成为了创新扩散理论研究的趋势。
然而，微观方面的研究还处于理论研究阶段，还不能用于实际的电信需求预测研究，今
后的研究方向除了进一步对宏观模型进行扩展之外，还需要继续探索微观模型，使之可以实
际运用到产品的预测上。同时也可以考虑将微观方法与宏观方法相结合，弥补创新扩散宏观250
模型与微观模，更大的价值有待于继续深入研究。
[参考文献] (References)
[1] Bass F M. A new product growth model for consumer durables[J]. Management Science, 1969, 15: 215-227.
[2] 张彬，杨国英，荣国辉. 产品扩散模型在 Internet 采用者分析中的应用[J]. 中国管理科学，2002，10（2）：255
51-56.
[3] 陈晶晶，毛谦，刘国辉. 我国互联网用户数预测研究[J]. 光通信研究，2007，1：1-3.
[4] 耿庆鹏. 创新扩散理论在 3G 新业务预测中的应用[J]. 邮电设计技术，2007，1：22-24.
[5] 徐明慧，郑继明. 基于 Bass 模型的移动电话用户数扩散研究[J]. 科技管理研究，2006，5：121-123.
[6] Dekimpe M G, Parker P M, Sarvary M. Staged estimation of international diffusion models: An application to 260
global cellular telephone adoption[J]. Technological Forecasting and Social Change, 1998, 57(1-2): 105-132.
[7] Kiiski S, Pohjola M. Cross-country diffusion of the internet[J]. International Economics and Policy, 2002, 14:
297-310.
[8] Frank L D. An analysis of the effect of the economic situation on modelling and forecasting the diffusion of
wireless communications in Finland[J]. Technological Forecasting and Social Change, 2004, 71: 391-403. 265
[9] Gruber H, Verbovan F. The diffusion of mobile telecommunication services in the European Union[J].
European Economic Review, 2001, 45: 577-588.
[10] Oyelaran-Oyeyinka B, Lal K. Internet diffusion in sub-Saharan Africa: A cross-country analysis[J].
Telecommunications policy, 2005, 29(7): 507-527.
[11] 焦硕，徐飞和，周鸿松. 中国新技术普及过程的特异性分析[J]. 中国科技论坛，2004，3（2）：119-122. 270
[12] Michalakelis C, Varoutas D, Phicopoulos T. Diffusion models of mobile telephony in Greece[J].
Telecommunications Policy, 2008, 32(3-4): 234-245.
[13] Centrone F, Goia A, Salinelli E. Demographic processes in a model of innovation diffusion with dynamic
market[J]. Technological Forecasting and Social Change, 2007, 74(3): 247-266.
[14] Robinson B, Lakhani C. Dynamic pricing models for new product planning[J]. Management Science, 1975, 275
10: 1113-1122.
[15] Bottomley P A, Fildes R. The role of prices in models of innovation diffusion[J]. Journal of Forecasting, 1998,
17: 539-555.
[16] Bagchi K, Kirs P. The impact of price decreases on telephone and cell phone diffusion[J]. Information &
Management, 2008, 45(3): 183-193. 280
[17] Horsky D, Simon L S. Advertising and the diffusion of new products[J]. Marketing Science, 1983, 2(1): 1-17.
[18] Simon H, Sebastian K H. Diffusion and advertising: German telephone campaign[J]. Management Science,
1987, 33: 451-466.
[19] 胡左浩，黄飞华，赵平. 广告对于新产品扩散的影响研究:以手机产品为例[J]. 中国管理科学，2007，1：
529-531. 285
[20] Mahajan V, Peterson R A. Innovation diffusion in a dynamic potential adopter population[J]. Management
Science, 1978, 24: 1589-1597.
[21] Sharif M N, Ramanathan K. Polynomial innovation diffusion models[J]. Technol. Forecast. Soc. Change,
1982, 21: 301-323.
[22] Mahajan V, Peterson R A. Erratum to 290
[23] Kalish S. A new product adoption model with pricing, advertising and uncertainty[J]. Management Science,
1985, 31: 1569-1585.
[24] Chanda U, Bardhan A K. Modelling innovation and imitation sales of products with multiple technological
generations[J]. International Journal of Technology Marketing, 2007, 1(2): 53-64.
[25] Krishnan T V, Bass F M, Kumar V. Impact of a late entrant on the diffusion of a new product/service[J]. 295
Journal of Marketing Research, 2000, 37: 269-278.
[26] Snellman J S, Vesala J M, Humphrey D B. Substitution of non-cash payment instruments for cash in
- 8 -
中国科技论文在线
Europe[J]. Journal of Financial Services Research, 2001, 19(2-3): 131-145.
[27] Meade N, Islam T. Modelling the dependence between the times to international adoption of two related
technologies[J]. Technological Forecasting and Social Change, 2003, 70: 759-778. 300
[28] Roberts J, Nelson C J, Morrison P D. A Prelaunch Diffusion Model for Evaluating Market Defence
Strategies[J]. Marketing Science, Special Issue on Competition Policy, 2005, 24(1): 150-164.
[29] Norton J A, Bass F M. A diffusion theory model of adoption and substitution for successive generations of
high technology products[J]. Management Science, 1987, 33: 1069-1086.
[30] 杨敬辉，武春友. 采用 Norton 模型对产品更新换代扩散趋势的研究---以中国互联网用户上网方式的更305
新换代为例[J]. 科学学研究，2005，23（5）：682-687.
[31] Mahajan V, Muller E. Timing, diffusion, and substitution of successive generations of technological
innovations:The IBM mainframe case[J]. Technological Forecasting and Social Change, 1996, 51: 109-132.
[32] Islam T, Meade N. The diffusion of successive generations of a technology: A more general model[J].
Technological Forecasting and Social Change, 1997, 56: 49-60. 310
[33] Jain D C, Mahajan V, Muller E. Innovation diffusion in presence of supply restrictions[J]. Marketing Science,
1991, 10: 83-90.
[34] Islam T, Fiebig D B, Meade N. Modelling multinational telecommunications demand with limited data[J].
International Journal of Forecasting, 2002, 18: 605-624.
[35] Kim N, Chang D R, Shocker A D. Modelling inter-category and generational dynamics for a growing 315
information technology industry[J]. Management Science, 2000, 46: 496-512.
[36] Jun D B, Kim S K, Park Y S. Forecasting telecommunication service subscribers in substitutive and
competitive environments[J]. International Journal of Forecasting, 2002, 18: 561-581.
[37] Danaher P J, Hardie B S, Putsis W P. Marketingmix variables and the diffusion of successive generations of a
technological innovation[J]. Journal of Marketing Research, 2001, 38: 501-514. 320
[38] Chu C P, Pan J G, WANG P. The forecasting of the mobile Internet in Taiwan by diffusion model[J].
Technological Forecasting and Social Change, 2008, 75(7): 1054-1067.
[39] Yvome M E, Wouter B A, Dennis F. Forecasting Cross-population innovation diffusion: A Bayesion
approach[J]. International Journal of Research in Marking, 2005, 22: 193-208.
[40] Putsis W P, Balasubramanian S, Kaplan E H. Mixing Behavior in Cross-Country Diffusion[J]. Marketing 325
Science, 1997, 16(4): 354-369.
[41] Dekimpe M G, Parker P M, Sarvary M. Staged Estimation of International Diffusion Models - An Application
to Global Cellular Telephone Adoption[J]. Technological Forecasting and Social Change, 1997, 57(1): 105-132.
[42] Xie J, Song M, Sirbu M. Kalman filter estimation of new product diffusion models[J]. Journal of Marketing
Research, 1997, 34: 378-393. 330
[43] Chatterjee R A, Eliashberg J. The Innovation Diffusion Process in a Heterogeneous Population: A
Micro-modeling Approach[J]. Management Science, 1990, 36(9): 1057-1079.
