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

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 multiplo
30-gen-2014
Inglese
Diffusion of innovation, Heterogeneity effect, Information contagion, Shifted-Gompertz distribution
CHIOGNA, MONICA
Università degli studi di Padova
106
File in questo prodotto:
File Dimensione Formato  
Darda_Md_Abud_tesi.pdf

accesso aperto

Dimensione 1.57 MB
Formato Adobe PDF
1.57 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/110625
Il codice NBN di questa tesi è URN:NBN:IT:UNIPD-110625