创新的想法如何转化为市场上的新产品？2022年6月发表于PNAS的最新研究提出一个框架认为，这个过程的实现包括两个方面：实验室中的创新供应链，和市场中的产品供应链。研究分析了两种供应链之间的共生关系，并确定了两者不同阶段之间的反馈回路。该框架能够帮助理解研究、监管政策和经济条件如何影响创新的涌现，实施这些创新的制度（市场、公司、合同）的创建，以及产品的扩散。该方法可用于分析气候变化以及粮食安全、环境和健康挑战的影响，和政策应对措施。
集智俱乐部正在组织复杂经济学读书会第二季，由北京师范大学李红刚、王有贵、张江、陈清华老师以及中山大学袁先智老师联合发起。从7月11日起，每周一晚举办研讨分享，预计持续 10-12 周。我们将围绕复杂经济学的内涵、基本方法、普适规律、应用场景四个方面进行探讨，并计划组织三次圆桌讨论，与国内外学者进行深入探讨。欢迎感兴趣的朋友报名参与，详情见文末。
研究领域：供应链，创新涌现，反馈
David Zilberman , Thomas Reardon , Jed Silver , Liang Lu , Amir Heiman | 作者
裴乐琪 | 译者
梁金 | 审校
邓一雪 | 编辑
论文题目：
From the laboratory to the consumer: Innovation, supply chain, and adoption with applications to natural resources
https://www.pnas.org/doi/10.1073/pnas.2115880119
我们分析了创新理念到最终上市产品的转变。这种转变是通过创新和产品这两条协同供应链实现的。首先在创新供应链中，对基本概念进行开发、测试、升级，并将其引入商业用途。其次，通过产品供应链将产品生产出来并交付给消费者。我们认为产品市场的诞生源于产品创新，这些市场一开始往往是没有竞争力的，因此会奖励创新者。信贷获取和风险决定了在时间和空间上对合同和产品进行传播的依赖。创新和产品供应链的发展离不开公共政策鼓励与促进，例如对研究和教育的支持、知识产权保护、低贸易壁垒、科学监管和运作良好的资本市场。我们主张进行多学科研究，结合经济学、商业和工程学的知识，以更好地理解创新公司和供应链的演变。这种理解将有助于我们制定政策来应对气候变化和粮食安全等问题带来的挑战。
政策制定者、科学家和公众对于想法向新产品和服务的转化过程感兴趣。我们提出了一个框架来分析这种转化过程，其中包括两个共生供应链（symbiotic supply chains）：创新供应链 (innovation supply chain，ISC) 和产品供应链 (product supply chain，PSC) 。在创新供应链中，科学发现被制造、开发并改编成适销的产品。在产品供应链中，创新公司对其产品的需求形成预期，设计供应链来生产和销售其产品，然后实施供应链，同时随着现实的发展对其进行调整。
这些供应链的行为并不是机械化的。相反，管理不同供应链环节的组织机构会受到经济和政治方面的激励。例如，一家推出新水果的公司会通过考虑盈利能力，来决定投放多少产品以及在何种程度上自行生产产品，而不是依赖承包商。供应链会适应冲击。例如，COVID-19 肆虐使得创新供应链开发疫苗、产品供应链分发疫苗；疫情还导致食品配送从零售商扩大到消费者。此外，创新供应链和产品供应链之间的关系是共生和协同的，并且具有多重反馈。通过产品供应链获得的消费者反馈可能会增加对于提高产品质量的相关研究的投资，而在产品供应链中发现的新产品性能可以有助于对产品供应链进行改进。我们的分析扩展、依赖于并补充了关于分析、创新、传播和产业组织的经济框架。
我们的框架普遍适用于创新，涵盖发达国家和发展中国家。创新具有不同程度的变革性。大多数是增量的；有些是激进的，但都需要供应链。我们的框架是相当通用的，但它的应用可能会因情况而异。例如，变革性创新（transformative innovation）（例如手机）的供应链设计可能比渐进式创新（incremental innovation）（例如新品种的啤酒）更具挑战性，后者主要依赖于现有供应链并对其进行修改。对于创新供应链和产品供应链的分析在很大程度上适用于高收入国家的大多数部门，中等收入国家的少数部门以及低收入国家的少数部门。
1. 对创新供应链进行分析，强调公共和私营部门之间的分工以及公共资金对于提供公共产品的研究的作用。
2. 考查产品供应链。我们提出了一个框架来预测采用情况和随时间变化的需求，它强调了消费者之间的异质性，以及学习和营销在塑造采用动力学方面的重要作用。然后，我们引入了一个框架来分析产品供应链的动力学。我们强调供应链的设计是一个经济问题，创新公司设计并实施供应链来采购投入、生产和销售创新产品或技术。例如，推出一种新水果的公司需要决定产品数量、营销方式以及对承包商生产的依赖程度。这种分析强调市场、企业和产品是创新和产品供应链的内生结果，并表明供需是相互依存的，企业从事营销活动来产生需求。
3. 分析了创新供应链和产品供应链之间的共生关系，并确定了两者不同阶段之间的反馈回路。通过实例分析，我们认为两种供应链的特征都取决于政策和市场条件。我们认为，政府对市场的监管必须平衡创新激励与过度市场力量的后果。
4. 提出了对环境、自然资源和食品管理政策的影响，认为气候变化或流行病等冲击会直接影响企业，并通过它们对整个供应链的其他经济主体产生影响。因此，对供应链设计和功能的更多关注将有助于缓解气候变化带来的影响以及应对粮食安全问题和健康挑战。
5. 结论部分确定了未来研究的方向。它强调了收集数据和供应链演进实证分析的必要性。它强调了在多阶段供应链的背景下研究技术变革的重要性，并依赖于经济学、工程学和其他学科的研究结果。
创新是以一种新的方式做事，可以包括新产品、新技术、新服务、新机构和新政策。在其现代形式中，创新供应链被称为教育-工业综合体（educational–industrial complex）。创新供应链的“上游”是“基础科学”的供应商，可以是公共机构的实验室，也可以是私人公司。在过去的两个世纪中，我们见证了从个人或“小型科学”团队向大型团队和实验室的转变——“大型科学”（big science）(1)。基础科学的结果是不确定的，大部分研究结果是社会所有成员都可以获得的公共产品。基础研究还确定了经济活动（气候变化、生物多样性丧失）的副作用（外部性），以及控制这些副作用的活动，这些活动对社会比对单个企业更有价值。在很大程度上，公共部门为基础研究提供资金，这是因为相对于商业角度，从社会角度来看，大多数基础研究项目的投资回报更高。研究发现，基于社会回报率，公共研究往往投资不足 (2)。
在创新供应链的中游阶段，创新想法被转化为发明，由初创企业、公司和公共部门实验室进行推广，以及有效性和影响的测试。一些基础研究的发现可以促进商业上可行的创新（包括有形技术和无形工艺），以及通过技术转让办公室（offices of technology transfer，OTT）将公共部门创新授予私营部门的权利。技术转让办公室将其专利使用权出售给公司，并协助其使用。专利权是产品开发投资的一种激励(3)。大学强调基础研究，但私营部门主要投资于应用研究，因此基础研究和应用研究往往是互补而不是替代的。大学里的科学家通常会参与实施他们的创新，并成为公司的合作伙伴。例如，Boyer 和 Cohen 作为加州大学旧金山分校和斯坦福大学的研究人员，发现了重组 DNA 技术，他们共同持有该专利。Boyer在与人共同创立Genentech (4) 时就将这项专利作为关键要素。
大多数创新倾向于建立在现有的技术或流程之上。渐进式创新可以在实验室内和公司从业者中引入和开发。创新者对来自不同领域的现有创新和概念进行重新组合，以产生新产品。一些主要的发明家，如爱迪生（Edison）和福特（Ford），都是依靠现有技术来开发新产品。产品设计公司，如帕洛阿尔托（Palo Alto）的 IDEO，专门为客户设计产品或流程 (5)。
创新供应链的下游建立产品商业生产的流程。这种工业设计需要将技术知识与对需求和投入价格的预期相结合。大公司在收购扩大创新规模的初创公司后，经常与营销和工业设计公司合作，进行这一过程。
政府直接通过支持研究来支持创新供应链，对于研究的投资会受到科学、经济、安全和政治因素的影响。从1980年到2016年，全球研发支出翻了两番，2016年达到近2万亿美元。美国在全球研发的份额已经下降到30%以下，而亚洲的份额一直在增加。私营部门研究占研发总支出的比重有所上升，已接近70%。在发达国家和中等收入国家，私营部门对农业的研究接近60%。而在低收入国家，这一比例不到 25%，在这些国家，捐助者加强了地方政府对公共研究的支持 (7)。
政府还通过支持教育和建立保护知识产权的机制来支持创新供应链。Gilbert 和 Shapiro (8) 研究了专利的优化设计，强调了在激励创新和限制滥用市场力量之间的权衡。社会已经意识到实施创新可能需要额外的风险，因此授予专利和垄断权力，但创新者所拥有的市场权力可能会被滥用，例如，阻止新进入者。创新供应链的成果是产品供应链大部分内容的基础。
渐进式创新的供应链可能会修改现有系统，但将为激进创新建立新的供应链。创新公司开展多项活动来建立产品供应链。首先，公司估计扩散模式，以选择最有前景的创新方式。其次，设计供应链和营销方案。第三，实施计划。从创新供应链到产品供应链的过渡可能并不明显。公司在评估其盈利能力时可能会考虑产品、生产系统和供应链的各种组合。关于采用和设计供应链的研究为指导产品供应链的建立提供了重要工具。
首先，企业选择一个框架来分析其创新的潜在扩散。创新的采用可以通过离散变量（例如是否采用拖拉机）或连续变量（种植新品种的土地份额）来衡量。采用的创新可能有一个组件或一组组成部分：例如，计算机的硬件和软件。扩散是总体采用，通过在给定时刻采用产品或技术的潜在采用者的份额，或是利用新技术的生产能力的份额来衡量 (9)。
已经用各种模型来分析扩散。第一个是 Rogers (10) 模仿模型（Rogers imitation model），其中扩散往往是时间的 S 形函数：
其中Pt是截止到时间t时采用产品或技术的总体比例，k是产品或技术被完全采用后的扩散速率，k≤1，参数a是初始采用的度量，b是扩散速率的参数。Griliches (11) 开发了一个计量经济学框架来估计该模型的参数，表明它们会受到盈利能力和其他经济因素的影响。Griliches 的框架已演变为 Bass 扩散模型（Bass diffusion model），该模型已被应用于营销和管理文献(12)。
模仿模型的 S 形扩散曲线借鉴了疾病传播的流行病学模型。扩散过程开始的特点是采用率较低，但不断增加，采用率通过“从众效应”上升，在这种效应中，同行追随采用者。最终，采用率达到顶峰，然后开始放缓，最后，随着更大的总体采用率耗尽潜在采用者的数量，采用率停止。最近的文献扩展了模仿模型，包括通过电子社交网络的交流 (13)。
模仿模型没有明确的决策经济机制，但它们是估计扩散的有效框架。David (14) 引入了另一种扩散模型，即阈值模型（threshold model），并由 Zilberman 等人 (15)进行扩展和形式化。阈值模型假设扩散由三个要素决定：个体决策、异质性和动力学。
个体决策 (10) 包括几个阶段：意识、评估、决策和重新评估。潜在采用者可能通过正式手段（例如媒体、销售人员或扩展）或非正式来源（例如口耳相传和观察他人的选择）了解产品或技术。阈值方法通过社交网络和意见领袖对评估所需的意识和评价的影响，认识到它们在采用中的作用，正如如 Valente 和 Davis (16) 提出的。它假设异质性的最终用户使用不同的决策标准，包括随时间变化的利润、风险和折扣，并面临资源、信贷和决策能力的差异的约束。由于异质性，采用的时机各不相同，而好的营销策略旨在首先确定“唾手可得的果实”。
此外，随着时间的推移，动态过程可能会增加采用者的范围，并推动扩散。这包括从采用者的经验中学习、边用边学（改善采用者对技术的利用)、边做边学（降低提供新技术的成本）和网络外部性（随着采用者的数量增加而增加技术的价值，比如电话）。
其次，公司对实际和潜在的采用情况进行分析。模仿模型和阈值模型的应用可以互补。公司可以使用阈值模型来设计政策和战略，来启动和管理创新的商业化，还可以整合能够促进采用的营销机制。模仿模型在评估创新意识方面具有相对优势，并可用于估计扩散率。
计量经济学和统计分析旨在确定改进后的阈值模型的一些关键要素，特别是评估不同潜在采用者的决策标准：他们受风险影响的程度、受信贷限制和偏离经济理性的程度。此外，经济学文献旨在确定潜在买家之间异质性的来源，因为它影响特定技术的采用 (17) 以及动态过程的一些参数，如边做边学。
另一方面，创新公司拥有事前分析工具。实验是开发新技术和新制度的关键。创新公司在完全着手开发新技术之前可能会进行试点研究。他们可能会向潜在的终端用户进行演示，以评估需求并调整产品属性 (18)。
经济学家已经认识到使用实验来评估新技术和实践的可行性 (19) 及其被采用的可能性 (20) 的价值。在采取行动之前先进行实验的概念也适用于制度创新。中国政府在推行全国范围的改革之前，曾尝试使用市场机制在一个地区配置资源 (21)。
营销分析师使用广泛的发布前预测工具，这些工具基于发现创新的重要性、考虑创新的意愿、特定属性的重要性和消费者对这些属性的权衡意愿，以及为不同形式的创新买单的意愿(22)。市场研究工具，如联合分析（conjoint analysis），被广泛用于估计不同属性和价格的重要性，然后设计新的产品策略 (23)。偏最小二乘模型（Partial least square models）与结构方程模型（structural equation modeling）相结合，在预测中纳入因果关系(24)。
扩散模式是技术采用者（形成需求）和供应商双方选择的结果。卖方需要定量评估采用行为以及他们的决策如何对其产生影响。这些决策包括定价、营销工具的选择以及供应中心和商店的位置。公司会通过最大化预期折扣利润（收入减去营销和供应成本）来做出这些决策。在设计最优战略时，企业采用常用的细分、订定目标和锁定原则（segmentation, targeting, and positioning principle），该原则的第一步就是确定细分市场、然后订定目标（选择合适的细分市场并确定细分市场的优先级）和定位（将产品与客户的具体特征相匹配）（25、26）。引入改进的营销工具（例如，细分后通过社交网络定位信息）可能会改变和加速新技术的扩散（27）。
关于采用和扩散的文献确定了采用的约束条件（风险、能力、缺乏能力、监管），并强调“属性捆绑”，即生产商定制产品以解决客户的约束，可以提高采用率。早期采用会产生积极的信息外部性，因为它会导致供应商和潜在采用者都去学习，所以存在对早期采用进行补贴的情况。
传统的预期效用模型（expected utility model）表明，对待风险的态度会影响采用。高度的风险厌恶可能会降低采用高风险创新的可能性、速度和规模（其中风险被定义为在平均收益水平附近的较大可变性）。最近农业技术采用的例子包括Karlan等人(28)、Emerick等人(29)和Donovan(30)等人。前景理论（Prospect theory）引入了损失厌恶（loss aversion）和小概率加权（overweighting of small probabilities）等概念，这些概念可能同样会降低技术的采用率 (31)。此外，在货币投资方面，采用创新技术往往需要较高的固定成本。在决定何时采用时，最终用户会权衡立即采用与延迟采用的好处，后者可以节省利息成本，可能会降低固定成本，并随着有关该技术的更多信息的出现而降低风险（32）。技术的潜在采用可能受到两方面的影响，一是缺乏对技术性能的了解，二是“适合风险”，即技术适合消费者需求和能力的程度(33)。
在评估创新的风险状况将如何影响采用以及可能需要哪些服务“捆绑”来鼓励采用时，创新公司会考虑这些风险因素。例如，创新公司可能将保险机制与产品捆绑在一起，如“退款保证”和保修通过提供产品演示，允许潜在采用者在有限的时间内尝试创新 (34)。预先购买试验允许“低契合度”的潜在买家放弃采用，而退款政策降低了契合度低的最终用户的成本，也降低了采用风险 (33)。
此外，创新公司与潜在最终用户的沟通（包括广告）会告知后者对创新风险和效用的看法，并可以减少信息不对称。正如营销文献中所强调的那样，创新公司可以使用各种营销工具，如广告、品牌、产品展示、产品样品和保修，以降低各种风险。例如，创新公司可以开发一个向潜在消费者传达高质量和低风险的品牌 (33)。此外，一项创新的潜在最终用户可能会面临获取其补充产品、投入或备件等问题。公司通过多种方式减轻这种风险。设备制造商在当地有经销商为客户提供零部件和维修。计算机公司提供软件和培训。创新公司还可以向其供应商提供所需的补充投入，例如，连锁超市家乐福与银行和种子公司合作，为印度尼西亚的农民提供种子和信贷，以种植不同的作物品种（35）。
潜在采用者的能力会影响扩散。正如阈值模型所表明的那样，潜在的采用者在资源可用性（农场规模、财富、收入）、人口统计和生物物理条件方面存在差异。有充分的证据表明，较大的农场主很可能是不可分割技术的早期采用者，如拖拉机和计算机(2,36,37)。
分配能力的差异 (38) 可能导致个体遵循不同的决策规则，其中一些是早期采用者，另一些是追随者。Wuepper和Lybbert(39)回顾证据发现，早期采用者对于自己控制所采用技术效果的能力往往很有信心。
例如，他们可能会向较小的农场或公司提供更小、更便宜的产品，就像农业机械部门的那种。他们有时还会“捆绑”其他支付方案，如租赁和信贷，以使采用者能够克服信贷限制和交易成本。创新公司认识到，采用创新会影响采用者对其资产的估值，例如当灌溉使得被灌溉的土地价值增加时（40），这种估值变化可以缓解信贷约束。
制度和政策会影响风险（例如，通过公共保险计划）、交易成本（例如，通过对基础设施的公共投资）和信贷（例如，通过微观与合作信贷安排）。虽然规模限制可能会阻止个人购买新产品，但技术供应商可能会引入租赁或定制服务 (41, 42)。Emerick和Dar (43)表明，短田学校打破了信息限制，使印度采用了耐洪水稻。
政府也可以制定政策来鼓励采用，例如排放税或减少技术的技术标准 (44) 和可再生燃料标准，以加强生物燃料在美国的使用(45)。在极端情况下，政府可以在禁止使用现有技术的同时强制采用新技术（英国计划在2030年禁止使用柴油和汽油汽车，以鼓励电动汽车的采用）。因此，创新公司可能会参与游说政策，以促进采用(46)。
一旦公司对采用模式和需求形成了预期，他们就可以着手设计供应链。我们为供应链的设计和管理提出了一个概念框架，以实现创新。经济学中并未强调供应链设计。经济理论是在农业为主导产业时形成的，因此，完全竞争是一个自然的基准。传统经济处于静态均衡状态，而现代经济通过创新和人力资本积累而发生变化，并持续处于非均衡状态（38）。Schumpeter (47) 强调了创新和创造性破坏的关键作用。Coase (48)和 Williamson (49) 强调，生产产品的公司可能会参与一系列活动和决策，来决定在公司内部与外部生产多少，这取决于经济和制度条件。我们的框架与Aghion等人(50)和Acemoglu(51)的宏观经济框架是互补的，他们记录了创新、制度和结构变化在促进经济增长中的作用。
我们的分析基于这样一个假设，即创新的实施是通过具有多个阶段的供应链进行的。虽然我们提出了支持这一假设的证据，但仍应进一步研究。在这里，我们提出了一个基本的动态模型来获得确定性的决策规则。我们进一步建议将现实中更复杂的方面纳入分析（例如，风险、信用、竞争对手），主要依赖于文献。我们假设一个企业家拥有一项创新，属于创新供应链的输出。该企业家面临的关键问题是经营规模和供应链结构：特别是使用外部供应商投入的程度和方式 (35, 52)。我们分析的一个贡献是，我们认为创新会导致整个供应链中多个市场的结构发生变化。Sutton(53)等人考虑了企业之间的战略互动，并强调创新如何改变最终产品市场，而我们强调了创新对中间投入市场（intermediate input markets）的影响。
为了描述创新公司在其供应链设计中的选择，我们引入了一个简单的两阶段动态供应链设计模型（two-stage dynamic supply design chain model），该模型建立在Du等人(54)的静态框架（static framework）上。我们假设该公司正在生产一种新的差异化产品（如电动汽车），并可能使用差异化的中间投入（如电池）。因此，在该模型中，创新企业很可能在投入和产出市场上都具有市场支配力。这种微观经济模型是独一无二的，因为它在供应链的上游和下游之间分配资源，并决定在动态设置中对外部投入和内部投入的依赖份额。简单起见，我们假设在时期t的每个产出单位是由一个单位的中间投入（例如用于生物燃料的玉米）产生的。因此，总的中间投入量Xt=XIt+XEt，其中XIt是内部生产的投入，XEt是购买的投入，时期由t=0到t=T。企业家使用对最终产品的需求的估计来估计时期t内的预期收入，REVt(Xt)是产出的函数。成本分为中间投入成本和加工成本。内部生产的投入成本为INFC(XIt)，购买投入的成本为EXPC(XEt)，加工成本为PROC(Xt, Kt)，它取决于t时刻用于加工的资本品的总中间投入和存量，用Kt表示：资本存量随着投资It的增加而增加，折旧率为δ，利率为r。资本积累方程（capital accumulation equation）为：
公司的目标是在一段时间内最大化利润的净现值（net present value of profit）：
该值受资本积累方程和非负性约束。每个时期，公司决定它生产和购买的投入数量以及投资金额。这些决策决定了资本存量、产出、收入、成本和利润。每个时期的利润是收入减去以下四项：1）可变的加工成本，2）投资成本，3）内部生产投入的成本，4）向他人购买投入的成本。
特别是，如果公司在各个规模的投入生产方面都具有相对优势（relative advantage），那么它将会垂直整合，并在内部生产所有中间投入。在这种情况下，当每单位投入的边际收益等于边际加工成本与边际内部生产成本之和时，最优产出水平处于该点。在这种情况下，XI=0, X=XE, MREV(X)=MPROC(X)+MINFC(X)，其
，其他边际关系据此确定。
假设公司或外部来源在生产投入方面没有明显优势。在这种情况下，公司将在内部生产一些投入，并购买其余的投入，直到内部生产的边际成本等于采购的边际成本。在这种情况下，MINFC(XI)=MEXPC(XE) and MREV(XI+XE)=MPROC(XI+XE1)+MINFC(XI)。
如果公司在任何规模的投入生产上都没有优势，就会购买这些投入。当每单位投入的边际收益（marginal revenue）等于边际加工成本（marginal processing cost）加上边际采购成本（marginal purchasing cost）时，达到最优水平。在这种情况下，XE=0, XI=X, and MREV(X)=MPROC(X)+MEXPC(X)，也就是说，边际采购成本MEXPC(X)高于外部投入的边际成本，因为采购增加往往会使得投入的单位价格升高，而边际采购成本会考虑到这一点。
每个时期的投资水平将使资本的边际贴现净现值（marginal discounted net present value of capital）与其价格相等。投资的边际收益是其所加资本的未来贴现收益之和。公式
；
；
因此，较高的折旧和贴现率会导致投资减少。
我们的分析表明，创新公司将受益于产出和投入市场的市场力量。例如，通过（渐进式）创新，苹果公司创造了 iPhone，在智能手机领域拥有市场力量，并收取相对较高的价格。长期以来，苹果一直将 iPhone 组件的生产外包，并且在购买组件方面拥有足够的市场支配力，以保持其低成本与高利润。
由于扩散和学习的动态过程，该模型允许收入和成本函数随时间变化。如果潜在收入随着时间的推移而增加，并且加工成本下降，那么产量就会增加。如果外部投入供应商的成本下降速度快于创新公司的成本下降速度，则购买投入的份额将增加。例如，肯尼亚已成为欧洲最大的花卉出口国。20世纪60年代末，丹斯克菊花文化（Dansk Chrysanthemum Kultur，DCK）在肯尼亚开展了垂直整合的花卉生产和运输业务。随着时间的推移，随着其他托运人在肯尼亚出现，DCK开始将业务外包给生产商。自此以后，肯尼亚的工业已经实现了大部分生产、物流和营销的自动化和数字化 (55, 56)。相反，亚马逊最初依赖承包商，后来才开始垂直整合其配送业务。
我们的简单模型对一些重要考虑不予考虑。我们强调投入市场的内生性，在这个市场中，企业制造而不是购买中间投入的程度可能会随着时间而改变。然而，我们假设企业是在市场上购买，而企业可能会签发不同类型的合同，以提供差异化的中间投入。他们可以使用投标或竞赛来选择供应商 (56, 57)。我们对产出市场行为的分析适用于以下情况：创新公司是垄断者，或者是垄断竞争结构（其中多家公司在密切相关产品的市场上拥有垄断权力）的一部分，并将其他公司的行为视为既定的情况。先进的产业组织模型 (53, 58) 解决了随着时间的推移公司之间的战略行为和互动问题，他们的分析对我们的问题有多重影响。首先，虽然创新者一开始可能是垄断企业，但随着时间的推移，市场结构可能会变成寡头垄断（oligopolistic）或垄断竞争（monopolistically competitive）。与原始创新者竞争的公司可能拥有差异化的产品，与原始公司的创新相比具有相当程度的可替代性。例如，孟山都（Monsanto）最初垄断了转基因玉米市场，但现在，这个市场是寡头垄断的。紧随iPhone之后出现了其他智能手机。
其次，创新者可能预计到新进入者会使其失去利润和市场力量，因此会采取防御性策略，如掠夺性定价和收购潜在竞争对手和知识产权。例如，孟山都为了扩大在种子行业的市场支撑力，收购了多家种子公司，成为全球最大的种子公司(59)。孟山都通过收购 Calgene 等初创企业来构建自己的知识产权。最后，孟山都被生命科学和农业领域的主要参与者拜耳公司（Bayer）收购。反垄断部门批准了这些行动，但需要进一步研究评估其事后影响。
第三，持续研发导致渐进式创新（超出原始创新），降低生产成本并提高质量。这些创新可以增加供应并降低价格，从而提高采用率。植物肉就是一个例子，这种产品的创新降低了成本，改善了味道和外观，从而提高了采用率，扩大了市场规模。
此外，提高质量可能会导致一些早期采用者用最新产品取代旧产品，为过时版本创造二手市场。例如，将过时的拖拉机型号从中国出售给缅甸农民，欧洲的二手车出口到非洲。动态供应链设计允许升级，增加了后续新版本的利润。
我们的模型没有考虑企业家对风险的态度。然而，数量、时机和中间投入质量的可靠性可能是不确定的。风险规避将导致对风险较高的外部供应商的依赖减少，总产出也会减少。同样，中间投入品的加工风险较高也可能会降低产量（42）。随着时间的推移，学习和适应可能会降低供应和加工活动的风险，并增加整体产量和对外部供应商的依赖。
我们的基本模型还忽略了，在实践中，企业家在信贷约束下经营，发展中国家的信贷约束更为严格，反映了借款人和贷款人之间的信息不对称（60）。想要扩大产出能力的信贷受限企业可能会利用其信贷来投资，提高其产出加工能力，并且主要依赖于外部购买的中间投入。为了克服信贷成本和约束，美国最大的家禽加工商泰森公司（Tyson）在与农户签约以生产中间投入(鸡)的同时，持续投资于产出加工与营销。布鲁斯教堂农场（Bruce Church Farms）是一家大型生菜生产商，推出了包装好的预切沙拉。它创办了加工公司Fresh Express，并出售农场，为一家大型加工厂提供资金，同时与农民签订了种植生菜的合同 (61)。
公司的扩张决策也有空间因素。一家公司可能从某些地点开始，并在地理上扩张。最初的生产地点可能会受到以下因素的影响：能否获得技术（靠近进行创新的大学）、能否获得中间投入和熟练劳动力。销售地点可能会受到相对需求以及交易成本和法规的影响。通过外国直接投资（foreign direct investment , FDI）向发展中国家进行的国际扩张经常与“产品周期”（foreign direct investment）相关(62)。创新公司在国外市场生产产品的早期版本，并经常向国内市场推出升级的、差异化的创新版本，这两项举措都增加了原始创新和升级创新的扩散。Vernon (62)以在新的欠发达市场销售旧款洗衣机为例来说明他的模型。另一个例子是麦当劳，它在一些试点门店学习并改进技术后，在美国各地设立了门店，后来又在国际上设立了门店。美国的麦当劳公司控制着技术和投入的供应，但主要依靠特许经营商在当地进行管理以及对设施进行投资。麦当劳强调其在不同国家门店的产品的一致性，但略微修改了一些产品以适应当地口味（63）。
源自母国的创新在地理上的扩散不仅影响消费者可获得的最终产品，而且影响国际上的市场组织和机构。过去几十年的全球化，伴随着贸易和外国直接投资的自由化，使得美国和西欧在20世纪20年代至50年代引入市场创新，例如超市和快餐连锁店，传播到亚洲、拉丁美洲、东欧和非洲的发展中地区(35)。
我们的分析是有限的，主要基于经济学和市场营销学的研究结果。我们的方法的进一步发展应该结合商业和工程领域大量文献中的见解。Beamon (64)回顾了供应链的设计管理和分析方面的丰富文献。它强调多层供应链（multi-layer supply chains）的运营管理问题和物流设计。该综述提出了多种优化和评估供应链效果的方法，强调结合消费者偏好和接受度的方法。关于可持续供应链（sustainable supply chains）的研究越来越多，重点是控制污染和依赖可再生系统 (65)。Wong 和 Ngai (66) 的调查批判性地回顾了供应链创新的研究，包括物流、组织、营销和技术的发展。这些文献大多是基于发达国家的经验。我们分析得到的经验之一是，随着外国直接投资和全球化的发展，供应链在全球范围内扩张，但在产品供应方面有所滞后，遵循Vernon的产品周期模型（product cycle model）。有必要从全球优势的角度，结合经济学、工程学和商业视角，对供应链进行多学科研究。
支持研究的政府政策直接有利于创新供应链，但也会导致新的产品供应链的建立。改变最终产品需求或投入成本的财政激励措施（对污染的处罚、税收优惠）和法规会影响供应链的效果和演变。例如，碳定价可以导致采用更环保的做法。对基础设施和教育的投资可能会加速供应链的发展及其对数字技术的使用。减少贸易壁垒的政策可能会带来全球化供应链和外国直接投资，从而将知识和资本转移到发展中国家，要么扩大现有供应链，要么开发新供应链。
创新供应链和产品供应链之间存在反馈回路（feedback loops）。回想一下，创新供应链为新产品或新技术实现三个功能：1) 发现或发明，2) 升级，3) 商业化。产品供应链具有三个功能来实施由创新供应链产生的创新：1) 评估市场潜力，2) 供应链设计和实施，以及 3) 营销。
首先，创新供应链各环节之间存在反馈回路。农业研究系统中有这方面的例子，首先培育出一个初始品种，然后通过测试和初步的商业化尝试，发现缺陷，使基础研究团队适应。在绿色革命（Green Revolution）中开发的最初版本的高产小麦品种，个头很高，但头重脚轻，容易受风影响；而下一个版本是对风不太敏感的矮个品种（67）。
其次，存在创新供应链-产品供应链反馈回路。在产品供应链的实施和营销阶段，营销团队发现：1) 需要改变初始创新的设计，以更好地满足消费者的需求，2) 需要将补充性产品添加到捆绑包中， 3 ) 将产品差异化机会作为产品周期的一部分。例如，滴灌（drip irrigation）最初是为了节约用水而引入的，但它的用途被扩大到了施肥和化学灌溉，从而产生了补充性化学品（40）。此外，市场营销人员不断发现不同用户群体的差异化需求，从而产生了拖拉机和其他各种尺寸和功能的农用机械(41)。
创新供应链通过引入采用新技术的新版本产品来影响产品供应链。一个例子就是从真空管到晶体管的转变，从功能和性能上彻底改变了收音机，最终导致了显著的差异化。最终，创新供应链可能会带来创新，从而产生新的产品类别，而这些新产品类别具有自己的产品供应链。
创新供应链和产品供应链是不可分割的。产品供应链的能力可能会决定创新供应链中的创新的发展。此外，还有财政联系。政府对研究和教育的投资可能会资助创新供应链的早期阶段和基础研究。开发和升级可能会由风险资本家或公司资助，并获得到一些政府支持。产品供应链则更可能由私营部门提供资金。
然而，公共部门可能支持对具有公共产品属性的创新供应链进行投资。在公共部门的支持下，具有公共产品属性的激进的、大规模创新的创新供应链和产品供应链可能在其商业化的早期阶段相互交织。例如，互联网是由美国国防高级研究计划局（Defense Advanced Research Projects Agency）构想并初步实施的。
在某些情况下，创新供应链参与了产品供应链的设计。例如，引入氢气作为燃料需要解决一个协调故障，即开发供应链和相关技术来提炼氢，创建分销网络，并制造消耗氢的机器（68）。与大学和公司合作的国家实验室正在制定氢经济路线图，这是制定政策和商业化战略的基础。
关于创新的政策影响的文献将受益于明确考虑创新供应链和产品供应链。研究、创新和新供应链之间的联系表明，政府对公共研究和创新的持续支持是有好处的，尤其是在发展的早期阶段。它提供了一种机制，关于创新如何启动新的供应链并促进新产业的发展。现有企业可能会利用其政治影响力来减少政府投资或研究，减缓危及其市场力量的创新演变。与社会期望的水平相比，政府对研发的投资往往不足（70）。现有企业也可能滥用其市场力量，阻碍竞争对手的发展，并向供应商支付较低的费用。公共部门对研究的投资会带来新的创新和产品，这是一种技术更新机制，可能会削弱市场力量。
本文提出的框架可用于分析气候变化以及其他粮食、环境和健康挑战的影响和政策应对措施。关于气候变化对小农，特别是发展中国家小农的影响，有大量文献强调在农场层面采用和适应技术。然而，Reardon 和 Zilberman (71) 认为，如果忽略了农民与市场之间的联系，仅仅去了解对特定地区农业生产的影响是不够的。使得进入港口受阻的海啸，可能会像干旱一样危及粮食的安全。此外，如果国际供应链认识到某些地区的脆弱性，可能会通过多样化以减少对联系较弱地区的依赖，从而直接影响小生产者的粮食安全和生计。这表明，提高抵御能力不仅需要改进农场的做法，还需要提高供应链的抗冲击能力。
同样，经济的脱碳（decarbonization）将需要持续的研究投资，以及新产业的建立和现有部门的转变，以大幅减少其温室气体排放。政策设计除了考虑政策对个别市场的影响外，还必须考虑行业建立和修改供应链的能力。尽管存在种种限制，美国和巴西的生物燃料行业还是在15年内出现了，因为保证需求的指令。通过在实践中学习，他们的表现得到了极大的改善，克服了许多早期的批评（72）。然而，Clancy 和 Moschini (73) 认为，在促进突破性创新方面，财政激励措施（如碳税）更可取，如第二代生物燃料（second generation biofuels）。
如果没有早期的支持政策，可再生能源的扩张是不可能的。例如，尽管存在缺陷，但美国和其他地方对电动汽车和太阳能的补贴一直是这些新兴产业建立的主要贡献者。政策的制定可能会促进使用氢燃料电池来降低重型运输行业的碳排放，这需要了解政策对供应链的影响。
关于粮食安全和农村发展的文献已经开始认识到分析粮食系统和粮食价值链的重要性（74）。这些食品供应链由上游农民、中游加工商和批发商以及下游零售商组成。所有环节都对创新（新品种、冷却和储存技术、运输和信息技术）以及全球化做出了回应。该文献表明，导致发达国家集约化和城市化的过程很可能在发展中国家发生，但速度要快得多。该文献记录了从传统供应链（菜市场和小商店等）到现代供应链（包括超市和现代加工设施）的转变。已经发现了不同的转型路径，更好地了解粮食系统将有助于改进研究、教育和政策干预。例如，发展中国家如果缺乏对供应链转型的认识，会影响其政策设计和公共研究的方向（74）。Sexton (75) 提出，能够解决农业和自然资源部门新兴创新、制度结构和供应链的模型，有助于对影响农业和自然资源部门的政策进行分析。
最近的 COVID-19 大流行导致了各种社交距离政策的出台。评估这些政策的影响需要了解食品供应链的运作方式。Reardon等人 (76) 认为，流动性限制法规将主要影响传统的、过渡性劳动密集型食品供应链和小型企业，这可能促使发展中国家对食品供应链进行整合。此外，食品零售商（例如超市和餐馆）已经从直接向消费者销售转向由“配送中介”推动的电子商务。如果没有足够的保障网络，传统行业的劳动者很可能会受到负面影响。农业生产可能不会直接受到流动性限制和社交距离的影响，但移民限制和供应链中断可能会对农民产生不利影响。基于福利经济学（welfare economics） (77) 的政策分析应考虑冲击对现有供应链的影响、可能的适应机制以及由此产生的对消费者和经济的影响。
本文通过整合多个文献，开发了一个框架来分析从新想法到最终产品的转变。这种转变是通过两条共生供应链完成的，即创新供应链和产品供应链。这些供应链受到政策的影响，包括支持研究和教育、知识产权保护、加强竞争的反垄断政策、低贸易壁垒和轻监管，以及运作良好的资本市场。创新供应链和产品供应链的概念在全球范围内适用，但在不同地点和地区之间存在显著差异，反映了不同的发展阶段和政策。此外，全球化导致制度和产品在全球范围内扩散。
对供应链的实证研究有着巨大的需求。这可能需要更好地记录和理解大公司的行为；它们之间联系的演变；中小企业的行为（尤其是在发展中国家），尤其是在供应链的中游环节。对这些模式的分析可能具有挑战性，因为数据很少被较好地收集起来或者数据不易获得。供应链演变分析可能需要开发或应用工具来分析叙述，并通过案例研究来对经济学家使用的传统数据源进行补充。它还需要了解设计供应链的工程师的选择，以及为基础设施提供资金，并制定影响供应链的法规的政策制定者的选择。
经济学已经发展到能够应对这些挑战。经济学的基本前提是，主体在能力和制度的约束下追求自身利益。在20世纪，行为经济学（behavioral economics）和政治经济学（political economy）认识到传统的古典经济模型在分析个人行为和社会选择方面存在局限性。在 21 世纪，经济框架需要进化为多学科的，并结合政治、技术和工程方面的考虑和工具。
1. M. Hiltzik, Big Science: Ernest Lawrence and the Invention that Launched the Military-Industrial Complex (Simon and Schuster, 2016).
2. D. Sunding, D. Zilberman, “The agricultural innovation process: Research and technology adoption in a changing agricultural sector” in Handbook of Agricultural Economics, B. L. Gardner, G. C. Rausser, Eds. (Elsevier, 2001), vol. 1, part A, pp. 207–261.
3. F. Castillo, J. K. Gilless, A. Heiman, D. Zilberman, Time of adoption and intensity of technology transfer: An institutional analysis of offices of technology transfer in the United States. J. Technol. Transf. 43, 120–138 (2018).
4. G. Graff, A. Heiman, D. Zilberman, University research and offices of technology transfer. Calif. Manage. Rev. 45, 88–115 (2002).
5. A. Hargadon, How Breakthroughs Happen: The Surprising Truth about How Companies Innovate (Harvard Business Press, 2003).
6. R. E. Lucas, T. J. Sargent, Eds., Rational Expectations and Econometric Practice (University of Minnesota Press, 1981), vol. 2.
7. J. M. Alston, P. G. Pardey, “The economics of agricultural innovation” in Handbook of Agricultural Economics, C. B. Barrett, D. R. Just, Eds. (Elsevier, 2021), vol. 5, pp. 3895–3980.
8. R. Gilbert, C. Shapiro, Optimal patent length and breadth. RAND J. Econ. 21, 106–112 (1990).
9. G. Feder, R. E. Just, D. Zilberman, Adoption of agricultural innovations in developing countries: A survey. Econ. Dev. Cult. Change 33, 255–298 (1985).
10. E. M. Rogers, Diffusion of Innovations (Simon and Schuster, 2010).
11. Z. Griliches, Hybrid corn: An exploration in the economics of technological change. Econometrica 25, 501–522 (1957).
12. F. M. Bass, A new product growth for model consumer durables. Manage. Sci. 15, 215–227 (1969).
13. D. Centola, The spread of behavior in an online social network experiment. Science 329, 1194–1197 (2010).
14. P. A. David, “A contribution to the theory of diffusion” (Stanford Centre for Research in Economic Growth Memorandum 71, Stanford University, Stanford, CA, 1969).
15. D. Zilberman, J. Zhao, A. Heiman, Adoption versus adaptation, with emphasis on climate change. Annu. Rev. Resour. Econ. 4, 27–53 (2012).
16. T. W. Valente, R. L. Davis, Accelerating the diffusion of innovations using opinion leaders. Ann. Am. Acad. Pol. Soc. Sci. 566, 55–67 (1999).
17. T. Suri, Selection and comparative advantage in technology adoption. Econometrica 79, 159–209 (2011).
18. A. Heiman, E. Muller, Using demonstration to increase new product acceptance: Controlling demonstration time. J. Mark. Res. 33, 422–430 (1996).
19. A. V. Banerjee, E. Duflo, M. Kremer, “The influence of randomized controlled trials on development economics research and on development policy” in The State of Economics, the State of the World, K. Basu, D. Rosenblatt, C. Sepulveda, Eds. (MIT Press, 2016), pp. 482–488.
20. J. L. Lusk et al., Effect of information about benefits of biotechnology on consumer acceptance of genetically modified food: Evidence from experimental auctions in the United States, England, and France. Eur. Rev. Agric. Econ. 31, 179–204 (2004).
21. Y. Xie, Y. Xie, Machiavellian experimentation. J. Comp. Econ. 45, 685–711 (2017).
22. G. L. Urban, B. D. Weinberg, J. R. Hauser, Premarket forecasting of really-new products. J. Mark. 60, 47–60 (1996).
23. E. Dahan, J. R. Hauser, The virtual customer. J. Prod. Innov. Manag. 19, 332–353 (2002).
24. G. Shmueli et al., Predictive model assessment in PLS-SEM: Guidelines for using PLSpredict. Eur. J. Mark. 53, 2322–2347 (2019).
25. P. Doyle, J. Saunders, Market segmentation and positioning in specialized industrial markets. J. Mark. 49, 24–32 (1985).
26. Y. Wind, R. N. Cardozo, Industrial market segmentation. Ind. Mark. Manage. 3, 153–165 (1974).
27. J. Hartline, V. Mirrokni, M. Sundararajan, “Optimal marketing strategies over social networks” in Proceedings of the 17th International Conference on World Wide Web (Association for Computing Machinery, New York, NY, 2008), pp. 189–198.
28. D. Karlan, R. Osei, I. Osei-Akoto, C. Udry, Agricultural decisions after relaxing credit and risk constraints. Q. J. Econ. 129, 597–652 (2014).
29. K. Emerick, A. De Janvry, E. Sadoulet, M. H. Dar, Technological innovations, downside risk, and the modernization of agriculture. Am. Econ. Rev. 106, 1537–1561 (2016).
30. K. Donovan, The equilibrium impact of agricultural risk on intermediate inputs and aggregate productivity. Rev. Econ. Stud. 88, 2275–2307 (2021).
31. E. M. Liu, Time to change what to sow: Risk preferences and technology adoption decisions of cotton farmers in China. Rev. Econ. Stat. 95, 1386–1403 (2013).
32. J. Wesseler, J. Zhao, Real options and environmental policies: The good, the bad, and the ugly. Annu. Rev. Resour. Econ. 11, 43–58 (2019). 1. M.Hiltzik，
33. A. Heiman, L. Hildebrandt, Marketing as a risk management mechanism with applications in agriculture, resources, and food management. Annu. Rev. Resour. Econ. 10, 253–277 (2018).
34. A. Heiman, J. Ferguson, D. Zilberman, Marketing and technology adoption and diffusion. Appl. Econ. Perspect. Policy 42, 21–30 (2020).
35. T. Reardon, S. Henson, J. Berdegue, ‘Proactive fast-tracking’ diffusion of supermarkets in developing countries: Implications for market institutions and trade.J. Econ. Geogr. 7, 399–431 (2007).
36. D. S. Putler, D. Zilberman, Computer use in agriculture: Evidence from Tulare County, California. Am. J. Agric. Econ. 70, 790–802 (1988).
37. A. D. Foster, M. R. Rosenzweig, Microeconomics of technology adoption. Annu. Rev. Econ. 2, 395–424 (2010).
38. T. W. Schultz, The value of the ability to deal with disequilibria. J. Econ. Lit. 13, 827–846 (1975).
39. D. Wuepper, T. J. Lybbert, Perceived self-efficacy, poverty, and economic development. Annu. Rev. Resour. Econ. 9, 383–404 (2017).
40. R. Taylor, D. Zilberman, Diffusion of drip irrigation: The case of California. Appl. Econ. Perspect. Policy 39, 16–40 (2017).
41. A. L. Olmstead, P. Rhode, Reshaping the landscape: The impact and diffusion of the tractor in American agriculture, 1910–1960. J. Econ. Hist. 61, 663–698 (2001).
42. L. Lu, T. Reardon, D. Zilberman, Supply chain design and adoption of indivisible technology. Am. J. Agric. Econ. 98, 1419–1431 (2016).
43. K. Emerick, M. H. Dar, Farmer field days and demonstrator selection for increasing technology adoption. Rev. Econ. Stat. 103, 680–693 (2021).
44. D. J. Pannell, R. Claassen, The roles of adoption and behavior change in agricultural policy. Appl. Econ. Perspect. Policy 42, 31–41 (2020).
45. X. Chen, H. Huang, M. Khanna, H. € Onal, Alternative transportation fuel standards: Welfare effects and climate benefits. J. Environ. Econ. Manage. 67, 241–257 (2014).
46. D. Comin, B. Hobijn, Lobbies and technology diffusion. Rev. Econ. Stat. 91, 229–244 (2009).
47. J. Schumpeter, “Creative destruction” in Capitalism, Socialism and Democracy (Routledge, New York, NY, 2006), pp. 82–85.
48. R. H. Coase, The nature of the firm. Economica 4, 386–405 (1937).
49. O. E. Williamson, Transaction-cost economics: The governance of contractual relations. J. Law Econ. 22, 233–261 (1979).
50. P. Aghion, C. Antonin, S. Bunel, The Power of Creative Destruction (Harvard University Press, 2021).
51. D. Acemoglu, Introduction to economic growth. J. Econ. Theory 147, 545–550 (2012).
52. D. Zilberman, L. Lu, T. Reardon, Innovation-induced food supply chain design. Food Policy 83, 289–297 (2017).
53. J. Sutton, Technology and Market Structure: Theory and History (MIT Press, 2001).
54. X. Du, L. Lu, T. Reardon, D. Zilberman, Economics of agricultural supply chain design: A portfolio selection approach. Am. J. Agric. Econ. 98, 1377–1388 (2016).
55. M. Whitaker, S. Kolavalli, “Floriculture in Kenya technology” in Technology, Adaptation, and Exports: How Some Developing Countries Got It Right, V. Chandra, Ed. (World Bank, Washington, DC, 2006), pp. 335–367.
56. N. Mwangi, “The power to flourish: Unearthing the roots of Kenyan flower producers’ market access strategies,” PhD dissertation, University of Cambridge, Cambridge, United Kingdom (2019).
57. S. Y. Wu, Adapting contract theory to fit contract farming. Am. J. Agric. Econ. 96, 1241–1256 (2014).
58. D. W. Carlton, J. M. Perloff, Modern Industrial Organization (Pearson, Boston, MA, ed. 4, 2015).
59. F. Ciliberto, G. C. Moschini, E. D. Perry, Valuing product innovation: Genetically engineered varieties in US corn and soybeans. RAND J. Econ. 50, 615–644 (2019).
60. J. E. Stiglitz, A. Weiss, Credit Rationing and Collateral (Cambridge University Press, New York, NY, 1986).
61. J. Lugg, M. E. Shim, D. Zilberman, Establishing supply chain for an innovation: The case of prepackaged salad. ARE Update 20, 5–8 (2017).
62. R. Vernon, The product cycle hypothesis in a new international environment. Oxf. Bull. Econ. Stat. 41, 255–267 (1979).
63. K. DeBres, Burgers for Britain: A cultural geography of McDonald’s UK. J. Cult. Geogr. 22, 115–139 (2005).
64. B. M. Beamon, Supply chain design and analysis: Models and methods. Int. J. Prod. Econ. 55, 281–294 (1998).
65. S. Seuring, A review of modeling approaches for sustainable supply chain management. Decis. Support Syst. 54, 1513–1520 (2013).
66. D. T. Wong, E. W. Ngai, Critical review of supply chain innovation research (1999-2016). Ind. Mark. Manage. 82, 158–187 (2019).
67. P. Hedden, The genes of the Green Revolution. Trends Genet. 19, 5–9 (2003).
68. A. E. Farrell, D. W. Keith, J. J. Corbett, A strategy for introducing hydrogen into transportation. Energy Policy 31, 1357–1367 (2003).
69. Fuel Cell & Hydrogen Energy Association, Road map to a US hydrogen economy. https:// www.fchea.org/us-hydrogen-study. Accessed 13 May 2022.
70. G. C. Rausser, J. Swinnen, P. Zusman, Political Power and Economic Policy: Theory, Analysis, and Empirical Applications (Cambridge University Press, 2011).
71. T. Reardon, D. Zilberman, “Climate smart food supply chains in developing countries in an era of rapid dual change in agrifood systems and the climate” in Climate Smart Agriculture: Building Resilience to Climate Change, L. Lipper, N. McCarthy, D. Zilberman, S. Asfaw, G. Branca, Eds. (Springer, Cham, Switzerland, 2018), pp. 335–351.
72. M. Khanna, D. Rajagopal, D. Zilberman, Lessons learned from US experience with biofuels: Comparing the hype with the evidence. Rev. Environ. Econ. Policy 15, 67–86 (2021).
73. M. S. Clancy, G. C. Moschini, Mandates and the incentive for environmental innovation. Am. J. Agric. Econ. 100, 198–219 (2018).
74. C. B. Barrett, T. Reardon, J. Swinnen, D. Zilberman, Agri-food value chain revolutions in low-and middle-income countries. J. Econ. Lit. 58, 1–67 (2020).
75. R. J. Sexton, Market power, misconceptions, and modern agricultural markets. Am. J. Agric. Econ. 95, 209–219 (2013).
76. T. Reardon et al., “Pivoting” by food industry firms to cope with COVID-19 in developing regions: E-commerce and “copivoting” delivery intermediaries. Agric. Econ. 52, 459–475 (2021).
77. R. E. Just, D. L. Hueth, A. Schmitz, The Welfare Economics of Public Policy: A Practical Approach to Project and Policy Evaluation (Edward Elgar Publishing, 2005).
经济学理论的发展与社会环境变化密切相关。一方面，伴随计算机的发展，相应的研究技术日渐成熟，例如非线性动力学、复杂网络、ABM等，为研究者提供了更强大的分析工具；另一个方面，对“均衡”的经济学的研究，不能够解释实际的经济现象，例如金融危机、创新产生的新的发展模式等，研究者开始重视经济学的“非均衡”现象，把经济系统看做复杂系统，并力图做出更能反映现实的研究。经济学内慢慢出现了一种基于更加现实的假设的研究进路，复杂经济学一个新的经济学框架正在形成。为了促进此领域的交流与合作，我们发起了复杂经济学读书会。
复杂经济学读书会第二季由北京师范大学李红刚、王有贵、张江、陈清华老师以及中山大学袁先智老师联合发起，从7月11日起每周一 19:00-21:00 进行，预计持续 10-12 周。我们将围绕复杂经济学的内涵、基本方法、普适规律、应用场景四个方面进行探讨，并计划组织三次圆桌讨论，与国内外学者进行深入探讨。热诚欢迎对复杂系统研究和经济学感兴趣的学生和学者加入这个读书会，一起探索和探讨经济复杂系统的真谛！
