6.3.2.1　政府对产业技术创新战略联盟盟员投机行为惩罚力度改变

假设在仿真的100个考察期后提高政府对产业技术创新战略联盟盟员投机行为的惩罚力度，e由14增加至18。如图6.3所示，可以看出政府主管部门加大对产业技术创新战略联盟成员投机行为的惩罚力度虽然不能使博弈模型达到均衡状态，但投机策略和抽样检查的概率波动中心点较之前有所降低，产业技术创新战略联盟成员投机策略率和政府的抽样检查率同时降低。

图6.3　惩罚力度变化后投机策略概率和抽样检查概率变化曲线

6.3.2.2　惩罚机制对盟员投机策略演化的影响

政府或产业技术创新战略联盟成员会从博弈演化过程存在的反复波动中获得错误信息，使得演化均衡的发生改变，甚至造成演化中断，而动态惩罚机制能够有效地抑制博弈演化过程中的波动现象［185］。考虑对投机盟员采用动态惩罚函数，即在SD模型中添加以下变量关系式：

投机策略罚款＝投机策略概率×投机策略期望收益(www.daowen.com)

如图6.4仿真结果可以看出，与静态惩罚机制相比，政府采用动态惩罚机制后产业技术创新战略联盟成员投机策略概率的波动性得到有效抑制。在惩罚程度相同的情况下，动态惩罚机制对盟员投机行为的抑制效果要比静态惩罚机制好。但该策略并不能从根本上改变产业技术创新战略联盟盟员投机行为的变化趋势。

图6.4　惩罚机制变动对投机策略变化的影响

6.3.2.3　政府对产业技术创新战略联盟合作策略奖励力度改变

相对于政府对投机行为的惩罚，若将政府对产业技术创新战略联盟盟员合作策略的奖励力度在仿真100个考察期后增加10%，f由2增加至2.2，由图6.5可以看出，奖励程度同等程度的增加对联盟成员投机行为和政府抽样概率的影响不显著。对合作策略实行动态奖励机制也未起到显著效果。

图6.5　奖励力度增加10%后投机策略概率和抽样检查概率变化曲线