一、引言
我国农户农业技术信息获取渠道呈现多元化，但就目前而言，“自我摸索”和“亲戚朋友”依然是农户农业技术获取主要渠道，利用农技人员等渠道获取农业技术信息还相当有限(张雷等，2009)。已有研究证实，社会网络的信息渠道和学习功能在农户技术采用过程中起到关键作用(Genius等，2014)。农户通过社会互动获取技术信息，修正技术预期收益，作出采用决策。但是关于社会网络与农业技术采用之间的关系，理论界尚未取得一致的看法，可归纳为三种主要观点:一是社会网络与农户技术采用的影响关系是线性、正向相关关系。农户交流和获取信息渠道有限，大部分农户处于不完全信息环境状态。对新技术的不完全信息抑制农户技术采用行为，而农户通过社会网络进行学习可有效减少不确定性(Besley等，1995;Foster等，1995)。社会网络具有高密集度和较短的传播路径，能够提高技术扩散速率(Watts等，1998)。二是社会网络与农户技术采用的影响关系是线性、负向相关关系。社会网络信息外部性导致的决策延误，将推迟采用新技术(Bardhan等，1999;Hausman等，2003)。三是社会网络与农户技术采用的影响关系是非线性的倒U型关系。一方面，一个更大的网络可能表明更多的信息交流，获得更多的技术信息(Fafchamps等，2003)，因此可能会鼓励采用。另一方面，一个更大的网络也可能意味着从个人经验获得信息是昂贵的，信息外部性存在使得农民可以依靠“搭便车”获得网络中其他成员的经验，因此鼓励推迟采用新技术(Behrman等，2001;Bandiera等，2006)。我国是一个以血缘、亲缘、地缘和业缘关系交织在一起的社会网络特征明显的国度，社会网络在农户技术采用决策中扮演重要角色。那么，在以亲疏差序原则为行为取向的“差序格局”(费孝通，1948)下，社会网络如何对农户技术采用产生影响?社会网络与农户技术采用存在何种影响关系?这些问题的回答，对于拓展农业技术推广服务路径，解决农户技术需求反应弱的问题，提高农业技术采用效率，具有重要理论与现实意义。基于此，本文以甘肃省民勤县农户节水灌溉技术采用为例，采用微观农户调查数据，实证检验社会网络与农户技术采用影响关系。与以往研究相比本研究独特之处在于:首先，将社会网络按其功能划分为网络学习、网络信任、网络互动和网络互惠四个维度，利用因子分析法测度各维度及社会网络指数，能够更好地表征和诠释农户社会网络特征;其次，使用分位数回归检验社会网络及各维度与农户技术采用间的非线性关系，揭示社会网络影响农户技术采用的内在机理;第三，运用门槛回归模型对社会网络与农户技术采用间的非线性关系进行稳健性检验，增强实证结果可靠性。
二、社会网络对农户技术采用的影响机理分析
自Griliches(1957)开创农业技术采用研究的先河以来，农业技术采用引起国内外学者广泛关注。以往研究更多的将焦点放在农户技术采用的影响因素分析上，实证表明:性别、年龄、收入、耕地禀赋、土地规模、机会成本、风险与不确定性、人力资本、劳动力可使用性、种植制度等影响农户技术采用行为(Feder等，1985;Ｒogers，1962;曹建民等，2005;方松海等，2005;张兵等，2006;Yamamura，2012;李想等，2013)。除了影响技术采用共性因素外，水价、用水制度、初始资产、信贷约束、灌溉设备成本等因素也影响农户灌溉技术的采纳行为(Wang等，2008;Genius等，2014)。传统观点将农户技术采用看作一次性采用过程，即采用或不采用，应用二元离散模型(如Logstics模型)分析其影响因素，这种假设与事实并不符合(Besley等，1995;Conley等，2010)，现实中农户技术采用可能表现为一个连续的或“逐步”过程(Ma等，2015)，即农户技术采用是动态学习过程(Genius等，2014)，农户通过“干中学”(Learningbydoing)和社会学习(Learningfromothers)逐步修正自己对技术的评价，作出采用决策。通常认为，社会网络通过以下四种机制对农业技术采用动态过程发生作用。第一，信息获取机制。农户对合理地投入知之甚少，而通过社会网络这一系列最亲密联系为农业技术提供最重要的信息(Conley等，2010)。农户与其家人及朋友间的社会联系是在长期强烈责任感下形成的，体现了相互信任和互惠，是最不容易解开的(Granovetter，1985)。社会网络外部性可以促进农户技术交流(Besley等，1993)、减少风险不确定性(Wang等，2008)，为农业技术采用提供最重要的信息。第二，学习机制。农业新技术在引进之初，其特征并不被所有用户所熟知(Evenson等，1995)，如果农户社会网络环境中有众多技术采用者，新采用者会向其他采用者学习该技术，从而加快新技术采用进程。Conley等(2010)研究得出农户会与在前期获得成功的农户结盟，并根据其行为调整农业投入。社会学习能够产生知识溢出效应(Glaeser等，1992)，促进学习。社会网络的学习效应更多地发生在同质群体间(Munshi，2004)，原因是在异质群体中，由于个性差异所导致的采用结果不确定性和不可观测性使农户不大可能借鉴其他成员经验。Bandiera等(2006)研究发现家人与朋友间社会网络的学习作用比宗教信仰间社会网络的学习作用更相关，而在不同信仰的社会网络中不相关。第三，风险分担机制。社会网络是一种有效降低风险冲击的机制(Fafchamps等，2003;Townsend，1994;Goldstein，1999)。农户交流和获取信息渠道有限，大部分农户处于不完全信息环境状态。对新技术的不完全信息抑制农户技术采用行为，而农户通过社会网络进行学习可有效减少不确定性(Besley等，1995;Foster等，1995)。随着更多的农户采用新技术，交流和学习技术采用心得可以有效地获取信息，改进农户知识积累，提高技术利用效率，为新技术采用农户提供风险保障(Bandiera等，2006)。Wang等(2008)研究发现社会网络可以减少风险不确定性，促使农户不可逆投资技术的采用。第四，服务互补机制。社会网络和政府推广服务是农户技术信息获取的两个主渠道，社会网络是强调行为主体利用社会关系进行技术信息沟通及与外部互动的模式，而政府推广服务则是强调政府对于农户技术采用的干预、控制以及制度化的联系渠道。政府推广组织与社会网络之间可能存在复杂的关联关系，Goyal等(2007)认为政府推广组织通过建立“示范户”的方式，依赖一个核心成员传播信息，能够减少对技术采用的不确定性或促进局部创新。Genius等(2014)通过农业灌溉技术采用的实证研究得出，推广服务和社会学习是技术采用和推广的强决定因素，而两种信息渠道的有效性因对方的存在而增强。
三、变量说明及主要变量测算
本文数据来源于2014年10—11月西北农林科技大学研究生在甘肃省武威市民勤县的农户入户调查。之所以选择民勤县作为调研地点，主要基于以下两点考虑:一方面民勤县位于河西走廊北部，地处石羊河流域下游，东西北三面被腾格里沙漠和巴丹吉林沙漠包围，属于温带大陆性干旱气候，具有明显的大陆沙漠气候特征，冬冷夏热、降水稀少、昼夜温差大，平均年降水量为127.7毫米，而蒸发量可达年均2623毫米①，所以旱作农业生产对于节水灌溉技术需求较大;另一方面，国家在民勤县实施中央财政小型农田水利高效节水灌溉重点县项目，由中央专项资金和地方配套资金出资，重点推广节水灌溉技术。基于此，以民勤县为调研地点获得数据具有较高研究价值。本次调研选取民勤县具有代表性的四个乡(镇)和一个国有农场(勤锋农场)进行随机问卷调查，共发放问卷500份，回收问卷500份，剔除不完整问卷及前后明显矛盾问卷，共得有效问卷481份，有效率达96.2%(见表1)。本研究取农户节水灌溉技术采用面积占其家庭总耕地面积的比例，即农户节水灌溉技术采用率作为本研究的因变量。而自变量主要包括两大类，社会网络是本研究的核心变量，其他变量由用水环境(推广服务、用水纠纷)和个体特征(性别、年龄、受教育程度、风险偏好)以及农户的家庭特征(种植收入、非农收入比例、耕地面积、土地细碎化程度、灌溉支出比例)这三类共11个变量组成。
(一)社会网络及其测度
社会网络以网络资源为基础，以群体活动长期形成的规则与制度为保障，通过各成员间的学习、信任、互动与互惠维持其运行。基于此，将社会网络划分为网络学习、网络信任、网络互动与网络互惠四个维度，形成社会网络的指标体系。1.网络学习:网络学习存在于群体生活中的每时每刻，个人在集体中通过学习不断进步。具体到农户技术采用行为上可表现为学习他人和相互学习两种形式，其中学习他人可通过参观示范田、请教示范户两种形式进行，相互学习可通过与他人交流技术心得以及与他人共同解决农业技术问题来衡量。2.网络信任:网络信任在一定程度上表现为个体对外界的信任、外界对个体的信任以及个人对周围人之间相互信任的感知这三个方面。通过个体是否愿意借东西给他人可以衡量个体是否信任外界，他人对个体的信誉评价代表的是群体对个体的信任程度，而个人对周围人之间相互信任的感知可通过个体对村民间关系的评价来表示。3.网络互动:根据互动程度不同可将网络互动分为普通互动和深层互动两种，普通互动指常规的亲戚朋友之间的彼此走动，而深层互动即亲密朋友间的吃饭聚会等活动。4.网络互惠:根据事情轻重缓急情况将网络互惠划分为平常互惠、特殊互惠和关键互惠三种形式，平常互惠即日常事物中的共赢，可通过是否在日常生活中能得到有用信息来表示;特殊互惠指在家中有红白事等特殊时刻的相互帮助，可以家中有事时周围人是否愿意帮忙来衡量;而关键互惠则指在家中遇到难以克服的困难等关键时刻的协作行为，用遇到困难时是否有很多人帮忙想办法解决来表征(具体指标及变量定义见表2)。社会网络是潜变量，其测度问题长期以来颇受争议，具体操作上，学者们主要将多项社会网络指标通过探索性因子分析(FactorAnalysis)得到社会网络指标值，指标值越大说明农户社会网络存量越高。应用民勤县农户节水灌溉技术采用的调研数据，对社会网络各变量做因子分析，得到样本KMO检验值为0.775，Bartlett球形检验的近似卡方为3089.178(sig=0.000)，说明样本数据适合做因子分析，使用的软件是SPSS17.0。为了进一步赋予公因子更加合理的经济涵义，采用最大方差法进行因子旋转，得到特征根大于1的公因子4个，累计方差贡献率为61.190%。公因子1在学习他人和相互学习这四个指标上载荷最大，方差贡献率为27.902%。在一般情况下，参观试验田、请教示范户频率越高，与他人交流、协同解决问题次数越多，则农户学习效果更好、进步更大，掌握农业技术能力越强。公因子1反映的是农户在社会网络中的学习功能，因此将其命名为网络学习(f1)。公因子2在个体对外界信任、外界对个体信任和个体对外界间相互信任的感知这三个指标上载荷最大，其方差贡献率为15.892%。个体对外界信任程度越高，越有利于农户抓住机会大胆尝试新技术;外界对个体越信任，则越愿意与其交往;而个体对外界间的相互信任感知越积极，其越愿意与周围人达成合作共识。其表达的是农户间的信任程度，因此将其命名为网络信任(f2)。公因子3在普通互动和深层互动上的方差贡献率达10.360%。农户与亲戚朋友间的走动以及与亲密朋友间的吃饭聚会等活动都反映的是农户社会交往与实现自我的需求，无论哪种互动形式都将有利于信息的流通与获取，因此将其命名为网络互动(f3)。公因子4方差贡献率为7.035%，在平常互惠、特殊互惠和关键互惠三个指标上载荷最大。人是社会的人，处于特定社会网络中必将相互产生影响，无论是平常时刻的互利，还是特殊时刻的互助或是关键时刻的协作均是社会网络下的必然产物，互惠越多，越有利于农户生产生活。其表达的是农户由于社会网络而相互受益，故将其命名为网络互惠(f4)。根据各因子得分及其方差贡献率，可得社会网络指标的计算公式为:SN=(27.902×f1+15.892×f2+10.360×f3+7.035×f4)/61.190。
(二)其他变量说明
1.用水环境。在现代农业生产中，政府推广服务在农业技术采用中发挥着主渠道的作用(朱希刚等，1995)。因此选取政府推广来反映农户节水灌溉技术采用的政策环境，政府推广力度越大则农户节水灌溉技术采用率越高。用水纠纷的多少能反映水资源的稀缺性以及农户对高效用水技术和公平用水环境的渴望，引入此变量表征农户节水灌溉技术采用的社区环境，用水纠纷越多，农户节水灌溉技术采用率越高。2.农户个体特征。农户个体特征(性别、年龄、受教育程度等)和家庭特征(耕地面积、收入等)是影响农户技术采用的重要因素，这一点在很多文献中已经得到证明(Feder等，1985;Ｒogers，1962;曹建民等，2005;方松海等，2005;张兵等，2006;Yamamura，2012;李想等，2013)。与女性相比，男性对节水技术知识了解更多，更倾向于采用;农户年龄越大，接受新事物能力越差，技术采用率越低;农户受教育程度越高，越了解节水灌溉的重要性，其采用倾向更强。此外，研究还发现风险偏好在农户技术采用决策中扮演了重要角色(Feder，1980;王阳等，2010)，因此借鉴陆文聪等(2011)的做法，用“对于一项新型农业技术的采用态度是有技术马上采用(风险偏好型)?还是看看效果再采用(风险中立型)?还是周围人都采用了我再采用(风险规避型)?”这一问题来反映农户风险偏好，纳入农户个体特征中。3.农户家庭特征。农户家庭特征包括农户的种植收入、非农收入比率、耕地面积、灌溉支出比例、土地细碎化程度，其中:农户的种植收入越高，对农业生产越倚重，其节水灌溉技术采用率越高;农户非农收入比例越高，农业收入对其影响越微不足道，其节水技术采用积极性越差，采用率也就相应越低;农户种植面积越大，对节水灌溉技术需求越旺盛，其技术采用率也越高;而农户灌溉支出比例越大，说明农业用水负担越重，对高效节水技术越渴望，农户节水灌溉技术采用率就越高;根据笔者调研中与农户交流发现，由于技术本身特性，节水灌溉技术在实际应用中更适宜在大块田地中采用，土地细碎化程度越高则农户采用积极性越差，因此本文借鉴吕晓等(2011)和King等(1982)的做法，以农户家庭耕地块数作为土地细碎化的简化指标，将其引入到模型中(全文变量说明见表3)。
四、实证分析
(一)社会网络影响农户节水灌溉技术采用的影响因素分析
以农户节水灌溉技术采用率为因变量，分别以社会网络和社会网络各维度为自变量做回归分析，表4给出了农户节水灌溉技术采用的影响因素分析结果，其中模型一与模型二是通过OLS回归所得，模型三与模型四是通过Tobit回归所得。回归结果表明，整体上(模型一)社会网络对农户节水灌溉技术采用率具有显著的正向作用，随着社会网络的累积，农户节水灌溉技术采用率将显著提高。从各维度(模型二)来看，社会网络四个维度均对农户节水灌溉技术采用具有正向作用，且各维度均通过1%显著性检验。进一步分析发现，不同维度社会网络对农户节水灌溉技术采用的影响程度并不相同，网络学习的影响程度最大，网络信任影响程度次之，然后是网络互动，最后是网络互惠。由回归结果还发现耕地面积、灌溉支出比例、性别、风险偏好这四个因素对农户节水灌溉技术采用的影响显著且符号为正，符合预测方向，说明耕地面积越大、灌溉支出比例越高，农户越倾向于采用节水灌溉技术;相比较女性，男性更易于采用节水灌溉技术;相比较风险厌恶者，风险爱好者更乐于接受新鲜事物，节水灌溉技术采用率也越高。
(二)社会网络影响农户节水灌溉技术采用的分位数回归
1.社会网络指数对农户节水灌溉技术采用的分位数回归。表5给出了社会网络影响农户节水灌溉技术采用的第10、20、30、40、50、60、70、80和第90个分位点的回归结果。由表5中数据可知:社会网络(SN)对农户节水灌溉技术采用的影响在9个分位点上均通过了1%的显著性检验，具有明显的正向作用;从影响程度来看，社会网络指数在各分位点的影响并不一致，总体上呈现倒“U”关系，具体而言，在0.1～0.6分位点上影响程度缓慢增大，在0.6分位点上达到最大，之后慢慢下降，说明社会网络指数对中等采用率水平的农户影响最大。社会网络指数对农户节水灌溉技术采用的影响关系也可从图1中得出，该图是通过社会网络与农户技术采用率的9个分位点的分位数回归系数连接而成，图中9个系数先增大后减小，0.6分位点是系数最大点，即曲线极大值点，两者间呈现典型的倒U型关系。可能的原因是当处于较低的技术采用率时，农户对农业技术学习不胜了解，通过社会网络获取信息，交流学习掌握技术使用方法，通过竞相模仿促使农户技术采用率提高。当农户技术采用率达到一定程度时，有关技术的简单知识已经掌握，农户从学习模仿过渡到了在实践中提高阶段，农户逐渐由“向他人学习”变为在“干中学”积累知识，相应的社会网络的技术采用率的增加作用减缓。除社会网络以外，本文还重点关注了政府推广、用水纠纷和土地细碎化程度三个变量对农户节水灌溉技术的影响。从表5中可以看出，政府推广(x1)对农户节水灌溉技术采用的影响在各个分位点上均不显著，这主要是由于当前我国政府推广模式效率低下，不能有效解决农户需求反应弱的问题，但是其系数在0.1～0.7分位点上为正，这意味着政府推广对于采用率处于中低水平的农户具有正向的方向性作用。用水纠纷在一定意义上反映了水资源稀缺程度，用水纠纷(x2)对农户节水灌溉技术采用率的影响在0.5～0.7分位点上显著为正，说明水资源稀缺程度越高，农户越愿意采用节水灌溉技术。土地细碎化程度(x6)影响方向为负，意味着现行土地分配格局制约着农户农业节水灌溉技术采用，促进土地流转和集中经营有利于节水灌溉技术采用和扩散。2.社会网络各维度对农户节水灌溉技术采用的分位数回归。表6给出了社会网络各维度影响农户节水灌溉技术采用的第10、20、30、40、50、60、70、80和第90个分位点的回归结果。由表6可知，社会网络四个维度对农户节水灌溉技术采用均具有正向作用，网络学习和网络信任在每个分位点上均通过显著性检验;网络互动在0.3～0.8分位点通过显著性检验;网络互惠从0.4分位点开始均影响显著。但各维度的影响程度及影响路径各不相同，网络学习、网络信任以及网络互动这三个维度对农户节水灌溉技术采用的影响均具有先增大再减小的特征，呈现出倒U型关系;网络互惠则对农户采用率的正向作用影响处于逐渐增加的过程中。具体影响路径可参见图2，图中(a)、(b)、(c)、(d)分别为网络学习、网络信任、网络互动、网络互惠影响农户节水灌溉技术采用的分位数系数变化情况。网络互惠与农户技术采用之间的正向关系是增强的，主要原因在于现代经济社会中，社会网络成员间关系是合作、联合及协调的互惠关系，而非权利与控制的关系(Andreoni等，1993;Fehr等，2000)。网络中个人追求自身利益的同时，会兼顾他人利益，从而实现自身利益、他人利益以及组织利益的共同改进(谢洪明等，2011)，即网络互惠。农户在技术采用过程中，利用他人经验、知识积累的同时，也提供给其他成员有用信息使其少走弯路，这种互惠关系有利于技术推广与扩散。那么为什么网络学习、网络信任和网络互动与农户技术采用的影响关系是倒U型的?新技术在引进之初，其特征并不被所有农户所熟知(Evenson等，1995)，若农户社会网络拥有众多技术采用者，新加入者通过向其他采用者学习，从而加快技术采用进程。然而技术采用后期，农户对新技术认知加强，简单照搬他人做法已不能提高技术效率，需通过亲身实践甄别他人经验，因此在技术采用后期网络学习的影响作用慢慢减小。Ma等(2015)的研究证明了这点，他以美国大豆产业转基因技术为例，考察了“干中学”和社会学习两种途径对技术采用的影响，发现“干中学”(亲身实践)对农户决策行为影响更大。网络信任可减少交易成本、促进合作，并且可以减少、干预或纠正不诚实行为(Harvey等，2005)，降低甚至消除契约的需要(Klein－Woolthuis，1999)。农户与其家人及朋友间的社会网络是在长期强烈责任感下形成的，体现了相互信任，是最不容易解开的(Granovetter，1985)。研究证明社会网络是农户农业技术信息最有说服力的来源(BenYishay等，2013)。Foster等(1995)通过研究发现朋友及邻居是农户施肥信息的重要来源。然而亲疏差序格局下的网络信任关系将带来机会成本的增加以及农户技术操作上的盲从效应，并不利于技术扩散。研究发现，社会网络是一种有效降低风险冲击的机制(Fafchamps等，2003)。对新技术的不完全信息抑制农户技术采用行为，而农户通过网络互动获取技术信息进行学习可有效减少不确定性(Bes-ley等，1995;Foster等，1995)。然而信息具有外部性，信息获取不充分、信息识别能力差，也可能导致农户不恰当的技术使用，丧失对技术的信心，从而削弱农户技术采用热情。Bandiera等(2006)通过莫桑比克北部农户新向日葵种子采用的研究中发现，拥有更多信息的农户却对他人技术采用决策并不敏感。这也可能正是网络互动与农户技术采用呈倒U型关系的原因。
五、稳健性检验
本文通过采用门槛回归模型(ThresholdAuto－regression，简称TAＲ)对社会网络指数以及结构与农户节水灌溉技术采用之间存在倒U型关系进行稳健性检验。由表7中数据可知:以社会网络作为门槛变量的LM值与BootstrapP值为31.7713和0.0020，通过1%的显著性水平检验，而在社会网络结构中，网络学习、网络信任与网络互动分别通过了1%、1%和10%的显著性检验，说明社会网络指数及社会网络的网络学习、网络信任、网络互动三个维度均对农户节水灌溉技术采用的影响存在结构变化。分别以上述变量为门槛变量带入式(2)和式(3)得到各门槛变量的似然比值(LＲ)趋势图，如图3所示。图3中(a)为以社会网络指数作为门槛变量时LＲ趋势图，估计所得门槛值为－0.026767，该值在曲线最低点，此时似然比值最小(等于0)，也就是结构变化点，该点可将样本划分为高社会网络(SN＜=－0.026767)和低社会网络(SN＞－0.026767)两部分，图中横线为95%置信水平线，该横线以下包含了最小似然比值的部分即为置信区间。同理，可从(b)、(c)和(d)图中看出网络学习、网络信任与网络互动的结构变化点分别在－0.348730、0.642162和0.517380处。说明分位数回归中的倒U型关系可信。六、结论本文在对社会网络影响农户技术采用机理分析基础上，利用实地调查数据，采用OLS回归和To-bit模型对影响农户技术采用的主要因素进行估计，运用分位数回归模型进一步检验社会网络指数及结构与农户技术采用存在的倒U型关系，得出以下结论:1.社会网络指数及其维度对农户技术采用均具有显著正向影响，即社会网络越丰富，农户技术采用率越高。这意味着政府在提高农户技术采用率时，应注重发挥社会网络的作用，可以通过培育农户社会网络来提高农业技术采用率。2.社会网络指数与农户技术采用之间呈现典型倒U型关系，即农户技术采用期初阶段，社会网络对农户技术采用影响逐渐增大，在技术采用中后期，社会网络对农户技术采用作用逐渐减小。在农户技术采用过程中，“干中学”和社会学习两种途径对技术采用的影响可能存在差异，在早期阶段，主要通过社会学习获取技术信息，降低采用风险，而在技术采用中后期，“干中学”(亲身实践)对农户技术采用决策行为影响更大。3.社会网络不同维度对农户技术采用的影响存在差异，其中:网络互惠对农户技术采用具有正向作用关系，而网络学习、网络信任和网络互动与农户技术采用之间呈现倒U型关系。社会网络的不同维度主要通过网络信息获取机制、社会学习机制、风险分担机制和服务互补机制等对农户技术采用过程产生综合影响，导致社会网络与农户技术采用之间呈现复杂非线性关系。4.除社会网络外，性别、耕地面积、灌溉支出比例、风险偏好等因素对农户节水灌溉技术采用影响显著。政府推广服务没有通过显著性检验，只具有正向的方向性影响，这与政府推广服务效率低下和农户需求反应弱特征有关。基于社会网络与农户技论文代理术采用之间呈现倒U型关系，可充分利用农户社会网络，改变政府推广模式，拓展技术推广质量和范围，提高政府推广组织效率。
作者：王格玲 陆迁 单位：西北农林科技大学经济管理学院
