在物联网、云计算以及移动互联网技术等信息技术的推动和各国政府的积极引导下, 以使用权分享为主要特征, 整合海量、分散化资源的分享经济(亦称为共享经济)[1]在全球得以快速发展.分享经济已渗透到生活、生产的许多领域, 如交通出行(Uber、滴滴出行等)、旅行住宿(Airbnb、小猪短租等)、医疗服务(春雨医生、名医主刀等)、科技知识传播(果壳网、猪八戒网等)、加工制造与服务(淘工厂、沈阳机床i5、航天云网等)等.
上述分享经济应用的参与者均包括分享交易平台(平台)、资源所有者(所有者)以及资源使用权分享者(分享者).在本文中, 平台指为资源使用权分享提供交易的“场所”, 即资源使用权分享的“市场”; 所有者指拥有资源并通过平台出租资源使用权以增加自身效用的经济主体; 分享者指通过平台租用资源使用权以满足自身需求的经济主体.在分享经济中所有者和分享者的身份随时可能发生改变, 即某时刻的所有者可能在另一时刻成为分享者, 反之亦然, 本文不考虑经济主体身份的转变.以小猪短租为例, 房屋产权的拥有者通过小猪短租出租房屋的使用权而获得收益, 房屋的租用者通过小猪短租获得房屋的使用权以满足自身对住房的需求.依据本文的定义, 小猪短租即为平台, 房屋的拥有者即为所有者, 房屋的租用者即为分享者.
国家信息中心分享经济研究中心发布的《中国分享经济年度发展报告2018》 [1]显示, 2017年我国分享经济市场交易额约为49 205亿元, 比上年增长47.2 %, 参与分享经济活动的人数超过7亿人, 比上年增长1亿人左右. 2017年, 中国60家独角兽企业中, 分享经济企业31家, 占比约52 %, 分享经济平台员工数达716万人, 比上年增长22.3 %.以上数据表明, 分享经济正在成为最活跃的创新领域, 而如何实现分享经济的持续健康增长就显得尤为重要, 《十九大报告》、《2018年政府报告》[2]、《分享经济发展指南(征求意见稿)》[3]等对分享经济的发展做了重要指示.尽管如何监管分享经济下的新兴商业模式这一问题已放在国家的层面, 但监管不力的事件仍时有发生.出行分享服务中滴滴顺风车在近一年来的两起安全事故, 使人们难免质疑分享经济发展的前景.而住宿分享中, 短租房设施老旧, 长期无人整修, 却堂而皇之地出现在在线平台上; 有的短租房其线上照片与实际环境大相径庭, 甚至有的在线短租平台不登记核实身份信息, 一旦出现问题, 很难得到解决.由此可见, 在以使用权分享为主要特征的分享经济中, 平台出于对自身利益的考虑, 选择对使用权交易参与者的行为进行监管还是不监管; 由于机会主义行为的存在, 在分享交易过程中所有者选择公开/隐瞒资源的信息, 分享者选择合规/违规行为, 均为影响社会民生的问题.
分享经济的兴起引起了专家学者的广泛关注. Hamari等[4]认为, 以“共享而不占有”理念为基础的分享经济, 通过让渡资源的使用权, 提高了资源的使用率, 成为降低社会成本的方法之一.张新红[5]搭建了分享经济的理论框架, 解析了交通、房屋、资金、知识技能等行业的商业实践, 分析了分享经济的发展规律.随着分享经济的发展, 专家学者们从不同角度对分享经济展开了研究. Martin等[6]提出了分享经济下民主治理平台模型的理论框架. Jiang等[7]研究了分享经济环境下制造商的价格和质量决策对自身利润和社会福利的影响. Zervas等[8]分析了分享经济与传统经济的竞争情况; Guo等[9]研究了在事前和事后两种情况下竞争企业能力共享的最优策略和最优盈利能力.此外, 一些学者聚焦于分享经济中多平台的问题, 如文献[10-12].分享经济中领头羊——出行服务分享更是备受学者关注, 如文献[13-17]均就此方面展开了深入研究.
上述文献对分享经济中资源使用权分享的商业模式研究均假设参与者是“完全理性”的, 且在任何情境下都以自身收益(效用)最大化为目标.由于参与者的有限理性和影响资源使用权分享的诸多因素, 导致“平台(platform)-所有者(owner)-分享者(sharer)”构成的经济系统必须经历一个漫长的演化过程.
演化博弈理论最早由Maynard[18]提出, 作为一种动态博弈理论和方法, 以有限理性群体的行为为研究对象, 解释了生物物种长期进化博弈的过程.群体中个体对不同策略的选择和演化需要经历漫长的过程, 但最终系统会收敛于一个稳定状态[19].演化博弈在动态系统中不断进行反馈活动, 具有博弈方相互制约、相互依赖及双赢互惠的特性[20], 其核心概念是演化稳定策略(evolutionarily stable strategy, ESS).很多学者对演化博弈的应用进行了深入研究.刘权[21]、杨丰梅等[22]、王先甲等[23]从不同角度分析了传统经济中两个博弈主体的演化博弈问题.宋振东等[24]对分享产品用户和提供企业的演化博弈进行分析, 认为降低或取消共享产品的资金质押是一种有效的帕累托改进.齐二石等[25]在明确云制造环境下企业制造资源共享模式的基础上, 构建了两个博弈方的演化博弈模型.鞠鹏等[26]分析了汽车共享出行方式, 构建了管理部门与出行者策略选择的演化博弈模型.上述文献分析了具有两个博弈方的演化博弈问题, 而文献[27-30]等虽然分析了具有3个博弈方的演化博弈问题, 但并未考虑博弈方之间行为的交互影响.
分享经济的出现打破了原有经济系统的平衡, 由于参与者的有限理性, 使得新经济平衡的建立需要长期的演化过程.因此, 利用演化博弈分析分享经济系统的稳定性及参与者的演化稳定策略, 具有重要的理论意义和实践价值.尽管目前对分享经济和演化博弈的研究已取得了一些新的成果, 但鲜有文献研究博弈群体之间行为交互影响的多群体演化博弈问题.为弥补上述文献的不足, 本文在考虑分享经济三方参与主体的行为决策交互影响且考虑平台企业的网络外部性的条件下, 利用演化博弈理论构建由“平台(platform)-所有者(owner)-分享者(sharer)”组成的分享经济系统, 分析该系统的渐近稳定性和演化稳定策略, 探讨系统演化稳定策略的经济和管理意义.
1 模型构建 1.1 问题描述资源使用权的分享在传统经济下已然存在, 但没有形成分享经济, 究其原因是这些资源的所有者与潜在的使用者之间不能便捷地获取对方的信息.而伴随物联网、云计算、大数据以及移动互联网技术等信息技术的发展, 才使得资源的所有者和潜在的需求者能够便捷地获取资源信息.通过分享交易平台将这些信息进行整合与匹配, 加快了资源使用权的分享和被分享的步伐, 实现资源使用权在任何经济主体之间的分享和被分享.然而, 在使用权的分享过程中, 由于参与者道德风险、机会主义行为的存在, 给资源所有者和分享者的权益带来一定的风险, 分享经济的参与者往往会选择对自己有利的策略参与分享交易.比如滴滴出行平台在没有外力的作用下, 将会从自身利益出发对车主和乘客的行为采用监管/不监管的策略, 而车主为了增加自己的收益往往会根据具体情境选择公开/隐瞒车况信息, 而乘客也会根据自己的效用选择合规/违规乘车等.为研究分享经济系统的稳定性以及参与者行为的交互影响, 建立由“平台-所有者-分享者” 3个博弈主体构成的经济系统, 分析此动态经济系统的渐近稳定性和3个参与方的演化稳定策略.本文演化博弈主体之间的关系及策略集如图 1所示.
相关参数定义如下所示:
Ao、Ar:平台监管时公开信息的所有者、合规行为的分享者获得的奖励;
Fo、Fr:平台监管时隐瞒信息的所有者、违规行为的分享者受到的惩罚;
coc、crc:所有者公开信息的成本、分享者合规行为的成本;
coh、crh:所有者隐瞒信息的成本、分享者违规行为的成本;
cpr、cpd:平台监管和不监管时的运营成本, 且0 < cpd < cpr;
Uo1、Uo2:所有者公开信息和隐瞒信息获得的效用;
Ur1、Ur2:分享者合规行为和违规行为获得的效用;
RN1、RN2:平台监管和不监管时的网络外部性收益;
cro、crp:分享者违规行为给所有者和平台带来的损失;
cop、cor:所有者隐瞒信息给平台和分享者带来的损失.
1.3 模型假设为建立合理的演化博弈模型, 作如下假设:
1) 研究由“平台-所有者-分享者”组成的分享经济系统, 3个博弈主体均具有有限理性且博弈主体间信息不对称, 博弈随机, 行为交互影响.
2) 博弈主体行为策略.
平台的策略集Sp={监管Sp1, 不监管Sp2}.为了使分享业务合理规范, 平台通常会对所有者和分享者采取一定的监管措施, 但平台采用监管措施将会增加其运营成本, 因此并非所有平台都会选择监管措施.
所有者的策略集So={公开信息So1, 隐瞒信息So2}.所有者为获得更多的分享收益, 通常隐瞒影响资源使用效用的信息, 这会给其他参与主体带来不良影响, 因此有必要研究所有者对资源信息的披露问题.
分享者的策略集Sr={合规行为Sr1, 违规行为Sr2}.“合规行为”指分享者完全遵守平台和政府制定的规则, 规范自己的行为; “违规行为”指分享者在对资源的使用过程中违反平台和政府制定的规则, 实施恶意破坏、违规使用等行为, 如共享单车被随意放置、被恶意损坏甚至被遗弃的情形时有发生.
3) 平台、所有者以及分享者以一定的概率选择自己的行为.假设初始状态下, 平台采用监管措施的概率为pp, 不监管的概率为pp=1-pp; 所有者选择公开信息的概率为po, 隐瞒信息的概率为po=1-po; 分享者采用合规行为的概率为pr, 采用违规行为的概率为pr=1-pr.
4) 平台不监管时所有者和分享者均具有机会主义行为, 即Ui1-cic≤ Ui2-cih (i=o, r); 平台监管对所有者和分享者均起到监管作用, 即Ui2-cih-Fi≤ Ui1-cic+Ai(i=o, r).
5) 平台的网络外部性收益与所有者和分享者的数量、网络外部性系数成正相关关系, 本文将平台监管和不监管时的网络外部性收益的差值RN1-RN2定义为网络外部性相对收益, 平台的效用=网络外部性收益-运营成本-所有者和分享者获得的奖励+所有者和分享者受到的惩罚.
2 复制动态方程及均衡点求解 2.1 支付矩阵由模型假设和问题描述, 得到3个博弈主体的支付矩阵, 如表 1所示.
由博弈模型的支付矩阵可知平台、所有者以及分享者的适应度函数及它们的平均适应度.
平台选择监管、不监管的适应度函数以及平台的平均适应度函数分别为
所有者公开信息、隐瞒信息的适应度函数及其平均适应度函数分别为
分享者采用合规行为、违规行为的适应度函数及其平均适应度函数分别为
根据Malthusian动态方程[31], 策略的变化率等于其适应度.因此, 平台、所有者以及分享者构成的演化博弈的基因复制动态过程的微分方程可以表示为
由dpp/dt=0, dpo/dt=0和dpr/dt=0可知, 演化博弈动态过程的均衡点为
在非对称博弈中, 若演化博弈均衡E是演化稳定均衡, 则E一定是严格纳什均衡, 而严格纳什均衡又是纯策略均衡[32], 即在非对称博弈中混合策略均衡一定不是演化稳定均衡, 因此只需讨论纯策略均衡的渐近稳定性即可, 即本文中只需分析E1(0, 0, 0), E2(0, 0, 1), E3(0, 1, 0), E4(0, 1, 1), E5(1, 0, 0), E6(1, 0, 1), E7(1, 1, 0), E8(1, 1, 1)这8个纯策略纳什均衡点的渐近稳定性即可.
均衡点的渐近稳定性由李雅普诺夫判别法(间接法)进行判定, 首先求解雅可比矩阵及其特征值.将dpp/dt、dpo/dt以及dpr/dt分别对pp、po和pr求一阶偏导数, 则此系统的雅克比矩阵如下:
其中
根据李雅普诺夫判别法(间接法)[33], 当Jacobian矩阵的所有特征值λ < 0时, 该均衡点是渐近稳定点, 即为汇; 当Jacobian矩阵中所有特征值λ>0时, 该均衡点是不稳定点, 此时为源; 当Jacobian阵的特征值λ中存在有正有负时, 该均衡点是不稳定点, 此时为鞍点.下面以点E1(0, 0, 0)为例分析纯策略纳什均衡点的渐近稳定性, 其他纯策略纳什均衡点的稳定性证明类似可得.
纯策略纳什均衡点E1(0, 0, 0)的Jacobian矩阵为
上述矩阵的特征多项式可以表示为
因此均衡点E1(0, 0, 0)的3个特征值分别为
由模型假设可知均衡点E1(0, 0, 0)的特征值与零的大小关系为λ2 < 0且λ3 < 0.由李雅普诺夫判别法(间接法)可知:当λ1 < 0时, E1(0, 0, 0)是渐近稳定点; 当λ1>0时, E1(0, 0, 0)是鞍点.其他纳什均衡点的稳定性证明过程与上述类似.如上所述, 8个纯策略均衡点的稳定性分析如表 2所示, 进而得到如下定理.
定理1 当RN1-RN2 < cpr-cpd-Fo-Fr时, 均衡点E1(0, 0, 0)是唯一的渐近稳定点; 当cpr-cpd+Ao+Ar < RN1-RN2时, 均衡点E8(1, 1, 1)是唯一渐近稳定点.
为分析本模型的演化稳定策略, 给出如下引理.
引理1[34] X∈Σ是多群体演化博弈演化稳定策略(ESS)的充要条件是X为严格纳什均衡.
引理2[32, 35] 当且仅当X是严格纳什均衡时, 策略X在多群体演化博弈的动态复制系统中是渐近稳定的.
由引理1和引理2可得到如下定理.
定理2 在多主体演化博弈的动态复制系统中, 演化稳定策略(ESS)是渐近稳定状态, 渐近稳定状态必是演化稳定策略(ESS).
由定理1和定理2可得本文的演化稳定策略.
定理 当RN1-RN2 < cpr-cpd-Fo-Fr时, 渐近稳定点E1(0, 0, 0)是唯一的演化稳定点; 当cpr-cpd+Ao+Ar < RN1-RN2时, 渐近稳定点E8(1, 1, 1)是唯一的演化稳定点.
定理3表明, 当平台的网络外部性相对收益较低时, 由于机会主义行为的存在, 平台将稳定于采用不监管策略, 此情形下由平台-所有者-分享者构成动态系统稳定于(不监管, 隐瞒信息, 违规行为)的策略组合, 任何一方都没有改变自己行为的动力, 因此系统处于较混乱的稳定状态.滴滴平台在运营初期, 为了增加参与者的数量, 在乘客端和司机端均采用补贴的竞争手段, 并对注册司机的要求较低甚至无明确要求, 由此带来车辆所有者和分享者之间的纠纷, 降低分享经济参与者的服务体验, 更甚至于出现危害参与人性命的事件, 可见平台不监管引致的混乱状态不利于分享经济的健康发展.当平台的网络外部性相对收益较高时, 平台将稳定于采用监管策略, 此时平台具有很强的自律性, 且能自觉地选择对所有者和分享者的行为监管.此情形下由平台-所有者-分享者构成动态系统稳定于(监管, 公开信息, 合规行为)的策略组合, 分享市场处于规范状态.
4 博弈主体演化博弈分析通过对上述3个博弈主体的演化博弈分析可知, 不论平台采取何种策略, 所有者和分享者的策略组合(隐瞒信息, 违规行为)、(公开信息, 合规行为)将长期共存.演化博弈系统的演化稳定收敛趋势受支付矩阵参数的影响而收敛于不同的均衡点.因此, 本文将深入分析平台的网络外部性、参与者的机会主义行为成本以及平台监管力度对演化博弈稳定策略的影响.本文的演化稳定性分析是基于平台的网络外部性相对收益较低或较高、Ui1-cic≤ Ui2-cih和Ui2-cih-Fi≤ Ui1-cic+Ai~(i=o, r)的条件, 当以上假设条件发生变化时, 3个博弈主体的演化稳定策略ESS也将随之发生变化.下面将重点分析约束条件改变时稳定点的变化.
4.1 网络外部性效应上述均衡点稳定性分析的条件之一是平台产生的网络外部性相对收益较低(RN1-RN2<cpr-cpd-Fo-Fr)或者较高(cpr-cpd+Ao+Ar < RN1-RN2).下面将分析平台的网络外部性相对收益满足cpr-cpd-Fo-Fr < RN1-RN2 < cpr-cpd+Ao+Ar的情形, 此时均衡点的稳定性分析如表 3所示.
由表 3可知, 当系统没有稳定点, 即网络外部性相对收益介于较低与较高之间时, 由平台、所有者以及分享者构成的经济系统处于不稳定状态, 此时没有演化稳定点.
4.2 参与者机会主义行为成本较高本文机会主义行为是指所有者隐瞒信息和分享者违规行为.因此, 本小节主要分析所有者隐瞒信息和分享者违规行为的成本较高时的情形, 即cih较大, 使得Ui1-cic≥ Ui2-cih~(i=o, r).此条件下, 均衡点的渐近稳定性分析如表 4所示.
当cpr-cpd+Ao+Ar < RN1-RN2时群体的相位图如图 3所示, 当RN1-RN2 < cpr-cpd-Fo-Fr时相位图如图 4所示.
由表 4和定理2可得如下定理.
定理4 当RN1-RN2 < cpr-cpd-Fo-Fr时, 渐近稳定点E4(0, 1, 1)是唯一的演化稳定点; 当cpr-cpd+Ao+Ar < RN1-RN2时, 渐近稳定点E8(1, 1, 1)是唯一的演化稳定点.
定理4表明, 当参与者机会成本较高时, 无论平台是否监管, 所有者和分享者经过长期的演化过程, 必将稳定地选择公开信息和合规行为.因此, 当平台不监管效用高于监管效用时, (不监管, 公开信息, 合规行为)是唯一的演化稳定策略; 反之, 若平台监管策略效用高于不监管策略效用时, 由平台-所有者-分享者构成的演化博弈的演化稳定策略为(监管, 公开信息, 合规行为).以出行分享为例, 若司机选择公开信息, 则乘客选择合规行为.
4.3 平台监管力度不够平台监管力度不够, 是指即使平台采用监管策略, 也不会改变参与者的机会主义行为, 即Ui2-cih-Fi>Ui1-cic+Ai~(i=o, r).此情形下, 均衡点的演化稳定性分析如表 5所示.相应的相位图如图 5和图 6所示.
由表 5可得如下定理.
定理5 当RN1-RN2 < cpr-cpd-Fo-Fr时, 渐近稳定点E1(0, 0, 0)是唯一的演化稳定点; 当cpr-cpd-Fo-Fr < RN1-RN2时, 渐近稳定点E5(1, 0, 0)是唯一的演化稳定点.
定理5表明, 当平台监管力度不够时, 无论平台是否监管, 所有者和分享者经过长期演化, 必将稳定地选择隐瞒信息和违规行为.因此, 当平台不监管策略效用高于监管策略效用时(不监管, 隐瞒信息, 违规行为)是唯一的演化稳定策略组合; 反之, 若平台监管策略效用高于不监管策略效用时, 由平台-所有者-分享者构成的演化博弈的演化稳定策略组合为(监管, 隐瞒信息, 违规行为).以出行分享为例, 当平台的监管力度不够时, 不管平台是否选择监管, 在机会主义行为存在的条件下, 司机都会选择隐瞒信息, 而乘客则选择违规行为.
5 结论资源的使用权分享是分享经济的主要特征, 其分享交易都必须经过平台进行, 因此, 平台在分享经济的发展中具有举足轻重的作用.平台出于对自身利益的考虑, 选择对使用权交易参与者的行为进行监管还是不监管.分享交易过程中, 所有者选择公开/隐瞒信息以及分享者选择合规/违规行为, 均影响着分享经济的健康发展.鉴于此, 本文构建了由平台、所有者、分享者3个博弈主体构成的演化博弈模型, 通过分析三方的决策选择, 探讨了模型均衡点的渐近稳定性及系统的演化稳定策略, 分析了平台的网络外部性、所有者和分享者的机会主义成本以及平台监管力度等对此动态系统稳定性的影响, 从而为参与者的行为决策给予帮助.
研究结果表明:当平台的网络外部性相对收益较低, 即当RN1-RN2 < cpr-cpd-Fo-Fr时, 经过长期的演化, 平台稳定于选择不监管策略; 当平台的网络外部性相对收益较高, 即当cpr-cpd+Ao+Ar < RN1-RN2时, 经过长期的演化, 平台稳定于采用监管策略; 当平台的网络外部性相对收益介于较低与较高之间, 即当cpr-cpd-Fo-Fr < RN1-RN2 < cpr-cpd+Ao+Ar时, 平台策略选择不稳定, 系统处于不稳定状态.
当所有者和分享者存在机会主义行为时, 若平台不监管, 则所有者和分享者将稳定于策略组合(隐瞒信息, 违规行为); 平台监管时, 所有者和分享者将稳定于公开信息和合规行为; 当所有者和分享者的机会主义行为成本过高时, 无论平台采用何种策略, 所有者和分享者将稳定于(公开信息和合规行为)的策略组合.所有者隐瞒信息给平台和分享者带来的损失使得平台和分享者的效用减少, 但不影响平台和分享者的策略选择; 同样地, 分享者的违规行为给平台和所有者带来的损失使得平台和所有者的效用减少, 不影响平台和所有者的策略选择.
研究结果还表明, 当平台监管力度不够且所有者和分享者均具有机会主义行为时, 无论平台选择何种策略, 所有者和分享者的策略组合都将稳定于(隐瞒信息, 违规行为).
本文拓展了3个博弈主体的演化博弈问题, 分析了博弈主体之间的行为交互影响, 但只研究了博弈方仅有两种策略选择的情形, 忽略了政府在分享经济发展中所起的作用.在未来的研究中可考虑多博弈方多策略的演化博弈问题、政府制定的政策和采用的策略对分享经济健康发展的影响等问题.
[1] |
国家信息中心分享经济研究中心.中国共享经济发展报告2018[R].http://www.sic.gov.cn/archiver/SIC/UpFile/Files/Default/20180302100551549173.pdf. (Sharing Economic Research Center in the State Information Center. The development report of sharing economic in China in 2018[R]. http://www.sic.gov.cn/archiver/SIC/UpFile/Files/Default/20180302100551549173.pdf.) |
[2] |
李克强. 2017年政府工作报告[R].http://www.china.com.cn/guoqing/2017-03/05/content_40412254_4.htm. (Li K Q. Report on the work of the government in 2017[R]. http://www.china.com.cn/guoqing/2017-03/05/content_40412254_4.htm.) |
[3] |
国家发展改革委高技术产业司.《分享经济发展指南(征求意见稿)》[R].http://gjss.ndrc.gov.cn/ghzc/201702/t20170228_839601.html. (State Hi-tech Industry Division of The National Development and Peform Commission. Guidelines for sharing economic development (Draft)[R]. http://gjss.ndrc.gov.cn/ghzc/201702/t20170228_839601.html.) |
[4] |
Hamari J, Sjoklint M, Ukkonen A. The sharing economy: Why people participate in collaborative consumption[J]. Journal of the Association for Information Science and Technology, 2016, 67(9): 2047-2059. DOI:10.1002/asi.23552 |
[5] |
张新红. 分享经济:重构中国经济新生态[M]. 北京: 北京联合出版公司, 2016: 238. (Zhang X H. Sharing economy: Reconstructing China's new economic ecosystem[M]. Beijing: Beijing United Publish Company, 2016: 238.) |
[6] |
Martin C J, Upham P, Klapper R. Democratising platform governance in the sharing economy: An analytical framework and initial empirical insights[J]. Journal of Cleaner Production, 2017, 166(10): 1395-1406. |
[7] |
Jiang B, Tian L. Collaborative consumption: Strategic and economic implications of product sharing[J]. Management Science, 2018, 64(3): 1171-1188. DOI:10.1287/mnsc.2016.2647 |
[8] |
Zervas G, Proserpio D, Byers J W. The rise of the sharing economy: Estimating the impact of Airbnb on the hotel industry[J]. Journal of Marketing Research, 2017, 54(5): 687-705. DOI:10.1509/jmr.15.0204 |
[9] |
Guo L, Wu X. Capacity sharing between competitors[J]. Management Science, 2018, 64(8): 3554. DOI:10.1287/mnsc.2017.2796 |
[10] |
Akbar Y H, Tracogna A. The sharing economy and the future of the hotel industry: Transaction cost theory and platform economics[J]. International Journal of Hospitality Management, 2018, 71: 91-101. DOI:10.1016/j.ijhm.2017.12.004 |
[11] |
吴晓隽, 方越. 基于双边市场理论的分享经济平台定价策略剖析[J]. 南京财经大学学报, 2017, 5: 28-36. (Wu X J, Fang Y. Pricing strategy analysis of sharing economic platforms based on the two-sided markets theory[J]. Journal of Nanjing University of Finance and Economics, 2017, 5: 28-36.) |
[12] |
Cramer J, Krueger A B. Disruptive change in the taxi business: The case of uber[J]. The American Economic Review, 2016, 106(5): 177-182. DOI:10.1257/aer.p20161002 |
[13] |
Saif Benjaafar, Guangwen Kong, Xiang Li, et al. Peer-to-peer product sharing: Implications for ownership, usage, and social welfare in the sharing economy[J]. Management Science, 2019, 65(2): 477-493. DOI:10.1287/mnsc.2017.2970 |
[14] |
杨学成, 涂科. 共享经济背景下的动态价值共创研究——以出行平台为例[J]. 管理评论, 2016, 28(12): 258-268. (Yang X C, Tu K. Research on the dynamic value co-creation in the sharing economic background: A case study of the travel platform[J]. Management Review, 2016, 28(12): 258-268.) |
[15] |
Ferreira D, Ornelas E, Turner J L. Unbundling ownership and control[J]. Journal of Economics & Management Strategy, 2015, 24(1): 1-21. |
[16] |
Bellos I, Ferguson M, Toktay L B. The car sharing economy: Interaction of business model choice and product line design[J]. Manufacturing & Service Operations Management, 2017, 19(2): 185-201. |
[17] |
Stiglic M, Agatz, N, Savelsbergh M, et al. The benefits of meeting points in ride-sharing systems[J]. Transportation Research, Part B: Methodological, 2015, 82: 36-53. DOI:10.1016/j.trb.2015.07.025 |
[18] |
Maynard S J. The theory of games and the evolution of animal conflicts[J]. Journal of Theoretical Biology, 1974, 47(1): 209-221. DOI:10.1016/0022-5193(74)90110-6 |
[19] |
Friedman D. On economic applications of evolutionary game theory[J]. Journal of Evolutionary Economics, 1998, 8(1): 15-43. DOI:10.1007/s001910050054 |
[20] |
蔡玲如, 王红卫, 曾伟. 基于系统动力学的环境污染演化博弈问题研究[J]. 计算机科学, 2009, 36(8): 234-238. (Cai L R, Wang H W, Zeng W. System dynamics model for a mixed-strategy game of environmental pollution[J]. Computer Science, 2009, 36(8): 234-238. DOI:10.3969/j.issn.1002-137X.2009.08.058) |
[21] |
刘权. 分享经济新背景下集群知识共享的博弈研究[J]. 世界科技研究与发展, 2016, 38(6): 1305-1310. (Liu Q. Game study on knowledge sharing in clusters under new background of sharing economy[J]. World Sci-tech R & D, 2016, 38(6): 1305-1310.) |
[22] |
杨丰梅, 王安瑛, 吴军, 等. 基于博弈论的C2B2C模式下电商信用监管机制研究[J]. 系统工程理论与实践, 2017, 37(8): 2102-2110. (Yang F M, Wang A Y, Wu J, et al. Designing credit supervision mechanism in C2B2C e-commerce based on game theory[J]. Systems Engineering—Theory & Practice, 2017, 37(8): 2102-2110.) |
[23] |
王先甲, 何奇龙, 全吉. 基于复制动态的消费者众筹策略演化动态[J]. 系统工程理论与实践, 2017, 37(11): 2812-2820. (Wang X J, He L Q, Quan J. Evolutionary dynamics of consumers' crowdfunding strategies based on replicator dynamics[J]. Systems Engineering——Theory & Practice, 2017, 37(11): 2812-2820. DOI:10.12011/1000-6788(2017)11-2812-09) |
[24] |
宋振东, 雷宏振. 是共享经济还是互联网金融?——基于双重质押的共享产品市场悖论[J]. 中国经济问题, 2018(3): 70-79. (Song Z D, Lei H Z. Sharing economy or internet finance? Based on double pledge market paradox in sharing products[J]. Economic Issues in China, 2018(3): 70-79.) |
[25] |
齐二石, 李天博, 刘亮, 等. 云制造环境下企业制造资源共享的演化博弈分析[J]. 运筹与管理, 2017, 26(2): 25-34. (Qi E S, Li T B, Liu L, et al. The evolutionary game analysis of the sharing of manufacturing resource in the environment of cloud manufacturing[J]. Operations Research and Management Science, 2017, 26(2): 25-34.) |
[26] |
鞠鹏, 周晶, 陈星光, 等. 考虑汽车共享的出行方式选择的演化博弈分析[J]. 管理现代化, 2017, 31(1): 70-72. (Ju P, Zhou J, Chen X G, et al. Evolutionary game analysis of travel mode choice considering vehicle sharing[J]. Modernization of Management, 2017, 31(1): 70-72. DOI:10.3969/j.issn.1003-1154.2017.01.021) |
[27] |
魏芳芳, 陈福集. 网络虚假信息中政府、企业和公民三者的进化博弈行为分析[J]. 运筹与管理, 2012, 24(6): 225-230. (Wei F F, Chen F J. Evolutionary game analysis between governments[J]. Operations Research and Management Science, 2012, 24(6): 225-230. DOI:10.3969/j.issn.1007-3221.2012.06.035) |
[28] |
李燕凌, 苏青松, 王珺. 多方博弈视角下动物疫情公共危机的社会信任修复策略[J]. 管理评论, 2016, 28(8): 251-259. (Li Y L, Su Q S, Wang J. Research on social trust repair strategy of animal epidemic public crisis from the perspective of multi-game[J]. Management Review, 2016, 28(8): 251-259.) |
[29] |
常建伟, 赵刘威, 杜建国. 企业环境行为的监管演化博弈分析和稳定性控制——基于系统动力学[J]. 系统工程, 2017, 35(10): 79-87. (Chang J W, Zhao L W, Du J G. Evolutionary game analysis and stability control scenarios of corporate environmental behavior inspection based on system dynamics[J]. Systems Engineering, 2017, 35(10): 79-87. DOI:10.3969/j.issn.1001-2362.2017.10.056) |
[30] |
綦良群, 张昊. 装备制造业服务化的多主体博弈分析[J]. 山东大学学报:哲学社会科学版, 2018(2): 111-117. (Qi L Q, Zhang H. A research on equipment manufacturing service based on multi-agent game[J]. Journal of Shandong University: Philosophy and Social Sciences, 2018(2): 111-117.) |
[31] |
Galor O, Weil D N. Population, technology, and growth: From Malthusian stagnation to the demographic transition and beyond[J]. American Economic Review, 2000, 90(4): 806-828. DOI:10.1257/aer.90.4.806 |
[32] |
Selten R. A note on evolutionarily stable strategies in asymmetric animal conflicts[J]. Journal of Theoretical Biology, 1980, 84(1): 93-101. |
[33] |
郭亮, 王俐. 现代控制理论理论基础[M]. 北京: 北京航空航天大学出版社, 2013: 127-128. (Guo L, Wang L. Theoretical foundation of modern control theory[M]. Beijing: Beijing University of Aeronautics and Astronautics Press, 2013: 127-128.) |
[34] |
于维生. 博弈论与经济[M]. 北京: 高等教育出版社, 2007: 216-230. (Yu W S. Game theory and economy[M]. Beijing: Higher Education Press, 2007: 216-230.) |
[35] |
Ritzberger K, Weibull J W. Evolutionary selection in normal form games[J]. Econometrica, 1995, 63(6): 1371-1399. DOI:10.2307/2171774 |