Diffusion of innovation is an attempt to study the behaviour of agents in the complex network structure, contagion of information and the related consequences. Pioneering approach by Bass (1969) is further developed with numerous research works. Further considerations bring to the introduction of heterogeneity effect and marketing mix variables, that has been studied later. Empirical results show that the basic Bass model and its generalisations (GBM) can be studied as a modified form of the basic Logistic model. Recent work by Bemmaor (1994) explains the diffusion dynamics as a mixture of probability distributions obtained from individual level heterogeneity. Therefore, the basis of this thesis is to formulate heterogeneous agent based diffusion modelling at the aggregate level, in order to predict the future behaviour of the diffusion path, based on its past behaviour. This thesis extends the contribution of heterogeneous agents' behaviour and tries to put some probabilistic assumption at the individual adoption attitude (adoption propensity) and obtains the diffusion dynamics as an aggregate level observed phenomenon (consequences). Special emphasis is given to the contribution of heterogeneous group of imitators towards the diffusion process. The existing Generalised Bass model (GBM) has been updated with additional information of the imitators' participation that results a mixture of GBM with Bemmaor heterogeneity effect, which is important to describe the social contagion of information. To accommodate the effect of heterogeneity among the involved agents, both in innovators and imitators subgroup, this thesis suggests an extension of Bemmaor model, named modified Bemmaor model (MBM), which is further modified considering GBM with heterogeneity. Proposed models are applied to real data sets under technological diffusion of innovation perspectives. Obtained results highlight efficacy of the proposed models with additional heterogeneity parameters and strong agreements with the research outputs conducted with similar objectives. Proposed models are very useful in applied context and could be extended further for multiple innovations, simultaneous innovation or multiple regimes of innovations diffusion contexts
La diffusione di innovazioni attiene allo studio del comportamento degli agenti in una rete complessa, al trasferimento di informazioni e alle conseguenze collegate. L'approccio pionieristico di Bass (1969) è stato ampiamente sviluppato i letteratura attraverso numerosi lavori di ricerca. Ulteriori considerazioni hanno portato all'introduzione dell'effetto di eterogeneità e successivamente sono state studiate le variabili di marketing mix. I risultati empirici dimostrano che il modello di Bass e le sue generalizzazioni (GBM) possono essere studiate come una variante del modello Logistico di base. Un recente lavoro di Bemmaor (1994) mostra che le dinamiche di diffusione possono essere spiegate come una mistura di distribuzioni di probabilità associate al livello individuale della componenta latente che esprime l'eterogeneità. Pertanto, lo scopo di questa tesi è quello di formulare modelli statistici di diffusione a livello aggregato fondati sul comportamento di agenti eterogenei, al fine di prevedere l'andamento futuro della diffusione, in base al suo comportamento passato. Questa tesi vuole estendere il contributo del comportamento degli agenti eterogenei e cerca di formulare alcune assunzioni probabilistiche sull'attitudine all'adozione individuale (propensione all'adozione), ottenendo così le dinamiche di diffusione come un fenomeno osservato a livello aggregato (conseguenze). Particolare enfasi viene attribuita al contributo del gruppo eterogeneo di imitatori verso le dinamiche di diffusione. L'attuale Modello Generalizzato di Bass (GBM) è stato aggiornato con informazioni aggiuntive sulla partecipazione dei imitatori, diventando un ibrido tra un GBM e un modello di Bemmaor con effetto di eterogeneità, importante nella descrizione del contagio sociale dell'informazione. Per sistemare l'effetto di eterogeneità tra gli agenti eterogenei coinvolti sia nei sottogruppi di innovatori che imitatori, questa tesi suggerisce un'estensione del modello di Bemmaor, denominato Modello Bemmaor modificato (MBM), che viene ulteriormente esteso considerando un GBM con eterogeneità. I modelli proposti sono applicati a due insiemi di dati reali nella prospettiva della diffusione di un'innovazione tecnologica. I risultati ottenuti sembrano evidenziare la validità dei modelli proposti con parametri di eterogeneità aggiuntivi e la coerenza con i risultati ottenuti in altri lavori di ricerca con obiettivi simili. I modelli presentati trovano applicazione in diversi contesti e possono essere estesi ulteriormente a prospettive della diffusione dell'innovazione multipla, simultanea o a regime multiplo
Heterogeneity of Agents in Diffusion of Innovation Modelling: Communication, Networks and Competition / Darda, Md Abud. - (2014 Jan 30).
Heterogeneity of Agents in Diffusion of Innovation Modelling: Communication, Networks and Competition
Darda, Md Abud
2014
Abstract
La diffusione di innovazioni attiene allo studio del comportamento degli agenti in una rete complessa, al trasferimento di informazioni e alle conseguenze collegate. L'approccio pionieristico di Bass (1969) è stato ampiamente sviluppato i letteratura attraverso numerosi lavori di ricerca. Ulteriori considerazioni hanno portato all'introduzione dell'effetto di eterogeneità e successivamente sono state studiate le variabili di marketing mix. I risultati empirici dimostrano che il modello di Bass e le sue generalizzazioni (GBM) possono essere studiate come una variante del modello Logistico di base. Un recente lavoro di Bemmaor (1994) mostra che le dinamiche di diffusione possono essere spiegate come una mistura di distribuzioni di probabilità associate al livello individuale della componenta latente che esprime l'eterogeneità. Pertanto, lo scopo di questa tesi è quello di formulare modelli statistici di diffusione a livello aggregato fondati sul comportamento di agenti eterogenei, al fine di prevedere l'andamento futuro della diffusione, in base al suo comportamento passato. Questa tesi vuole estendere il contributo del comportamento degli agenti eterogenei e cerca di formulare alcune assunzioni probabilistiche sull'attitudine all'adozione individuale (propensione all'adozione), ottenendo così le dinamiche di diffusione come un fenomeno osservato a livello aggregato (conseguenze). Particolare enfasi viene attribuita al contributo del gruppo eterogeneo di imitatori verso le dinamiche di diffusione. L'attuale Modello Generalizzato di Bass (GBM) è stato aggiornato con informazioni aggiuntive sulla partecipazione dei imitatori, diventando un ibrido tra un GBM e un modello di Bemmaor con effetto di eterogeneità, importante nella descrizione del contagio sociale dell'informazione. Per sistemare l'effetto di eterogeneità tra gli agenti eterogenei coinvolti sia nei sottogruppi di innovatori che imitatori, questa tesi suggerisce un'estensione del modello di Bemmaor, denominato Modello Bemmaor modificato (MBM), che viene ulteriormente esteso considerando un GBM con eterogeneità. I modelli proposti sono applicati a due insiemi di dati reali nella prospettiva della diffusione di un'innovazione tecnologica. I risultati ottenuti sembrano evidenziare la validità dei modelli proposti con parametri di eterogeneità aggiuntivi e la coerenza con i risultati ottenuti in altri lavori di ricerca con obiettivi simili. I modelli presentati trovano applicazione in diversi contesti e possono essere estesi ulteriormente a prospettive della diffusione dell'innovazione multipla, simultanea o a regime multiploFile | Dimensione | Formato | |
---|---|---|---|
Darda_Md_Abud_tesi.pdf
accesso aperto
Tipologia:
Tesi di dottorato
Licenza:
Non specificato
Dimensione
1.57 MB
Formato
Adobe PDF
|
1.57 MB | Adobe PDF | Visualizza/Apri |
Pubblicazioni consigliate
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.