4.2.3　跨国并购逆向知识转移作用机制的网络演化博弈模型

图4.1的概念模型反映了在逆向知识转移这个复杂系统中，母子公司在逆向知识转移方面的决策过程实际上是一个动态的博弈过程，其博弈收益不仅与双方的博弈策略有关，还与其博弈策略的更新以及对其他子公司博弈策略的模仿有关，这个过程属于复杂网络的演化博弈理论范畴。为了对这种动态过程进行量化研究，需要解决的关键问题是如何将概念模型具体化为可量化分析的行为模型，而以往的基于规范性实证研究的方法难以实现这一目标。为了有效解决上述问题，本书基于复杂网络研究领域中的演化博弈理论，通过构建跨国并购逆向知识转移网络演化博弈模型，以仿真模拟的方法解决逆向知识转移行为的量化分析问题（图4.3）。

图4.3　跨国并购逆向知识转移网络演化博弈模型

在提出的模型中，母子公司之间的逆向知识转移行为实质上是基于网络的演化博弈行为，子公司和母公司的博弈决策分别是向母公司逆向转移的知识量和对子公司逆向知识转移行为的收益补偿。其中，子公司的博弈决策需要考虑的因素包括知识逆向转移的单位成本和努力成本、所获得的收益补偿以及网络中其他子公司博弈策略对其博弈收益的影响；而母公司的博弈决策需要考虑的因素包括获得子公司逆向转移的知识量、付出的单位成本和努力成本，以及对子公司逆向知识转移行为的收益补偿。在每一轮的博弈过程中，母公司和子公司分别根据其自身的博弈策略更新规则更新其博弈策略，从而在不断的重复迭代过程中实现跨国公司逆向知识转移动态过程的网络演化博弈，其中网络演化博弈的状态不仅与母公司和子公司的博弈策略更新规则有关，还受到子公司之间的博弈策略信号传递和策略模仿关系的直接影响。在逆向知识转移过程中，子公司博弈策略的选择除了考虑母公司的博弈策略，还会对逆向知识转移网络中邻居子公司的博弈策略进行比较和模仿，而这些邻居子公司的博弈策略作为一种信息，其在传递过程中会发生信号失真和理解偏差等问题，本书将这种现象称为信号传递噪声。因此，上述直接影响的形式具体表现为网络结构关系和博弈策略信号在网络中的传递噪声，其中网络结构关系决定子公司之间的博弈对象和策略模仿对象，而博弈策略信号传递噪声影响博弈策略的制订和更新，是网络效应的具体体现。

在本书提出的网络演化博弈模型中，设定子公司和母公司的博弈策略更新方式为同步更新，其中子公司的博弈策略更新规则采用费米更新规则[24]，即子公司在跨国并购逆向知识转移作用机制的网络演化博弈过程中具有博弈策略的模仿和学习能力，在每一轮博弈后子公司进行博弈策略的更新，更新的规则是从其网络邻居中随机选择一个子公司，以概率W对其博弈策略进行模仿学习：

其中Ux和Uy分别表示个体x和y的博弈收益，参数κ＞0表示噪声，代表博弈个体产生非理性博弈行为的可能性。κ→0表示确定的模仿规则，即当Uy＞Ux时，个体x确定学习y的博弈策略；κ→+∞表示随机的模仿规则，即所有的博弈信息均被噪声所淹没，个体x只能随机更新自身的策略；当个体x和y的博弈收益相等时，个体x以50%的概率模仿学习个体y的博弈策略。

母公司的博弈策略更新规则采用善意的TFT规则[24]。TFT规则也称“针锋相对、以牙还牙”策略，这里是指母公司对所有子公司开始时均采用积极的补偿策略，此后当子公司采用积极策略向母公司进行逆向知识转移时，母公司在下一轮博弈时将采用积极的补偿策略，而一旦子公司采用消极策略，则母公司在下一轮博弈时将采用消极的补偿策略。本书设定母公司与子公司的博弈策略更新规则不同，一方面是由于母公司和子公司的博弈立场和目标不同，其中母公司旨在激励更多的子公司进行积极的逆向知识转移从而吸收更多的知识量，另一方面是由于在跨国并购逆向知识转移网络中子公司比母公司具有更多的更加灵活的策略学习和模仿对象。

跨国并购逆向知识转移网络中的母公司和子公司之间的博弈收益矩阵如图4.4所示。