本文是经济论文，本文探讨了平台生态系统中平台互补者的产品开发策略选择问题，首先本文要回答的问题是在平台情境中，模仿其他企业开发产品的策略是否仍然适用？模仿行业中的佼佼者还是模仿行业中的大多数？为了回答这两个问题，本文借鉴了组织间模仿模式中的结果模仿（outcome-based）和频率模仿（frequency-based）两个概念，确定了标杆式（outcome-based）与从众式（outcome-based）两种产品开发策略。在不同特征的平台生态系统中这两种产品开发策略的绩效表现又会怎样？为回答这个问题本文引入平台生态系统的结构特征平台复杂度和平台生态系统的演化特征平台更新.本文运用二手数据在智能手机操作系统生态系统中实证检验了标杆式产品开发策略与从众式产品开发策略对互补者绩效的影响，以及平台特征的边界作用.本文的研究结果表明：（1）在平台情境中，模仿其他企业开发产品的策略仍然适用，互补者采用标杆式与从众式产品开发策略对其绩效有一定的促进作用。企业在开发和引入新产品时面临众多不确定因素（Milliken，1987），此时管理者难以评估所做决策带来的结果和状态（Milliken，1987）,因而管理者很有可能会模仿市场上其他企业开发产品。在平台情境中，为平台生态系统提供互补产品的互补者在开发产品时同样存在不确定性，组织也可通过模仿平台中其他互补者而开发出自己的产品。我们的研究表明在平台生态系统中，互补者开发产品时模仿其他企业的策略是可行的，对其绩效有一定的提升作用。
........
1引言
基于以上的研究背景可知，平台生态系统中互补者的行为战略应受到关注，关于平台生态系统的研究不应忽视平台互补者的能动性。平台的互补者为整个生态系统提供互补性产品，选择正确的产品开发策略对于对互补者在生态系统中的生存和业绩提升具有重要的作用。面对新产品开发的不确定性状态，产品模仿的开发策略是广大企业的明智选择，将平台情境运用于传统经典理论是如今理论研究的趋势，那么在平台生态系统情境下模仿市场上其他企业的产品开发策略是否还适用？不同的模仿对象是否存在差异？同时我们发现企业同一产品在不同平台生态系统中存在绩效分化的现象。那么在不同特征的平台生态系统中，产品模仿带来的绩效是否有差异？为明确以上这些问题，本文将互补者的产品开发策略区分为标杆式产品开发策略与从众式产品开发策略,试图探究平台生态系统中平台互补者采用标杆式产品开发策略和从众式产品开发策略对于其绩效的影响，并探讨在不同特征的平台情境下两种开发策略对绩效的影响是否具有差异性。
.....
2文献综述与理论基础
2.1平台与平台互补者战略
现有平台生态系统研究中有部分学者关注了互补者的战略行为。一些学者研究了平台进入互补者市场对互补者的影响。Wen和Zhu（2016）以Android上的应用开发者为研究对象，研究发现在谷歌的进入威胁增加后，受影响的开发者减少了创新，并提高了受影响应用的价格。Srinivasan和Venkatraman研究了平台互补者的战略选择，强调平台提供者和补充者从动态角度共同行动以响应平台演进和架构融合的重要性。互补者平台选择问题也是学者较为关注的问题。平台拥有者的特征以及平台与互补者的价值分配影响着互补者的初始参与（Lanetal.，2019）.Song等人（2018）研究了影响软件开发人员采用IT平台的因素，以及这些因素与影响最终用户采用IT平台的因素的不同之处.Koch和Kerschbaum（2014）探讨了影响发布智能手机应用程序创新者在两个最常见的平台（Android和iOS）之间选择并引导他们加入各自的生态系统的因素，研究显示在选择要加入的生态系统时,网络规模、开放性和进入壁垒发挥着主要作用，根据这些标准，两个生态系统被认为是显著不同的。Kim等人（2016）运用双重模式解释并证实了第三方开发人员为什么继续参与平台.也有学者研究了多平台市场中平台互补者的产品提供策略。Chen等人（2019）研究开发了一个分析框架，以解决应用程序开发人员在双平台市场中引入付费或免费应用程序时遇到的产品问题，通过提供一个提供付费或免费应用程序的框架，为每个策略（单一和两个平台）提供最佳条件和平台决策。
2.2产品开发策略与理论机制
企业会通过模仿其他企业而释放关于自己产品质量的信号（Lieberman，Asaba，2006）。Dimaggio和Powell（1983）提出组织模仿领域中其他组织的行为和做法，源于组织对不确定性的从众反应。企业在开发和引入新产品时，需要对生产成本水平、客户需求、市场竞争等进行判断。而大多数决策是在风险条件下做出的，管理者可能无法评估所有可能的结果和状态（Milliken，1987）,即管理者在新产品开发与引入时面临不确定性状态（Lieberman,Asaba，2006）.在新产品开发这种不确定和模棱两可的环境中,管理者特别容易接受他人行动中隐含的信息.这些信息对管理者的观念和信念有很大的影响.因此在新产品开发时，管理者可能会模仿其他企业向消费者发出关于自己（或公司）质量的信号。
.......
3研究假设与概念模型..20
3.1研究假设........20
3.2概念模型.......24
4研究设计...........25
4.1样本选择.......25
4.2数据来源.......25
4.3变量测量.......26
5实证分析...........31
5.1数据初步分析...31
5.2回归结果分析...33
5.3稳健性检验.....38
5.4结果与讨论.....41
.......
5实证分析
5.1数据初步分析描述性
统计分析是通过最大数、最小数、平均数以及标准差等指标来描述样本基本信息的一种方法。通过对从众程度、标杆程度、短期绩效和长期绩效等变量进行统计分析，以描述样本的特征，从而为下一步的模型选择与数据处理奠定基础。为保证科学研究的准确性,本文对连续变量进行缩尾处理,剔除了极端异常值。最终样本总体的描述性统计分析如表5-1所示。产品的从众程度的最小值为0,意味着存在样本应用程序与上个月上架的所有应用程序有非常大的差异.最大从众程度为0.313，说明样本应用程序的描述与上个月最常见应用程序描述有30%多的相似度。标杆程度在0.812至0.981之间,数值都较大.这是因为本文标杆相似度的衡量基于应用程序描述文本的含义，因此具有相似含义与话题的词语相似度的值较高.本文选择的应用程序都属于游戏类,同属一个话题.因此衡量的文本相似度值较大，即标杆程度值较大，但这并不影响研究结果的正确性。评分的值在1-5之间,符合实际情况。应用程序描述长度在5-4833字节之间，标准差为343，数值较大，说明不同应用程序的应用描述长度差异较大，一些开发者对其应用程序的描述较具体，而另一些则较简略。
5.2回归结果分析
从本研究获得的数据来看，大量因变量数据值为0，因此考虑Tobit回归。Tobit模型是因变量虽然在正值上大致连续分布，但所涉及一部分以正概率取值为0的观察值的一类模型。如果要分析的因变量的数值存在受限制的情况时，普通最小二乘法（OLS）就不再适用于估计回归系数，此情况下更适合使用遵循最大似然法估计的Tobit模型（周华林，李雪松，2012）。Tobit回归模型属于因变量受到限制的一种模型，最早是由JamesTobin（1958）在分析家庭耐用品的支出情况时提出。由于许多应用程序上级无人下载，即下载量为0，因此应用程序下载量的统计属性符合Tobit回归模型的条件。本文运用Stata14.0软件进行Tobit回归分析。
......
6研究结论与展望
不同平台特征的差异会影响产品开发策略对互补者绩效作用的边界，其中平台复杂度的边界作用尤为明显。具体来说，平台复杂度和平台更新都会减弱标杆式产品开发策略对互补者绩效的影响，但是平台复杂度的增加甚至会使标杆式产品开发策略对绩效的影响由正转负。另外，平台复杂度增强了互补者从众式产品开发策略对其绩效的影响。平台复杂度衡量系统各组件（主体）之间相互依赖与互动的复杂性程度（Kapoor，Agarwal，2017），平台复杂度影响了标杆式信号的可观察性，,也通过增加了信号传递的不匹配的程度而降低了信号的有效性.平台更新是平台代际与代际的转换（Kapoor,Agarwal,2017）,改变了平台互补者与平台交互的规则从而降低了标杆式信号的有效性。平台复杂度增强了互补者从众式产品开发策略对其绩效的影响。在复杂度高的平台中，各主体之间交互更加频繁，依赖性更强。此时互补者从众带来的合法性组织更加重要。#p#分页标题#e#
参考文献（略）
参考文献（略）
