王格玲

西安财经学院 经济学院， 陕西 西安 710100

陆迁

西北农林科技大学 经济管理学院， 陕西 杨凌 712100



社会网络影响农户技术采用的路径研究
——以民勤节水灌溉为例

王格玲

西安财经学院 经济学院， 陕西 西安 710100

陆迁

西北农林科技大学 经济管理学院， 陕西 杨凌 712100

研究证实社会网络是农户技术采用的重要影响因素，对农户技术采用的影响机制复杂，那么社会网络是通过哪些路径影响农户技术采用的呢？基于此，本文以甘肃民勤节水灌溉技术采用为例，采用农户调查数据，利用KHB模型分解社会网络对农户技术采用的直接效应和间接效应。结果发现：社会网络通过直接影响和间接影响两种路径对农户技术采用行为产生影响，其中直接影响处于主导地位；社会网络对农户技术采用行为的间接影响可通过五条路径实现，其中收入结构与收入水平反向影响农户技术采用，信贷约束、种植结构和技术认知正向影响农户技术采用，并且信贷约束影响作用最大。

社会网络； 技术采用； 直接效应； 间接效应； KHB模型

一、引言

加快农业技术采用与扩散是促进农业技术进步、保障中国粮食安全的重要实现途径。然而现实中新型农业技术并未得到农户广泛认可，政府推广服务难以适应市场经济下农户多样化的技术需求，导致农业技术有效供给与需求不足的矛盾长期得不到解决。已有研究表明，农户技术采用受个体特征、家庭经营特征、制度因素等影响[1][2][3]。随着社会网络研究的兴起，学者们开始关注社会网络与农户技术采用间的关系。社会网络主要通过两种途径对农户技术采用产生影响：直接效应和间接效应。直接效应指作为影响技术采用的众多因素之一，社会网络通过其互动、学习、互惠与信任的功能直接影响农户技术采用决策。社会网络具有高密集度和较短传播路径，能够提高技术扩散速率[4]。社会网络外部性可以促进农户技术交流[5]，减少风险不确定性[6]，为技术采用提供最重要的信息。社会网络的学习效应促使新采用者向他人学习，从而加快采用进程[7]。农户间的社会网络形成于长期相处中，体现了相互信任[8]，是农户技术信息最有说服力的来源[9]。另一方面，社会网络还可间接作用于农户技术采用行为。社会网络具有共享信息、降低风险的功能，可弥补正式组织缺陷[10]，农户通过社会网络有效获取信息，改进知识积累，提高技术认知，而农户技术认知对其技术采用具有显著影响[2][11]。另有研究表明，社会网络影响劳动者就业[12]，从而在改善农户收入、调整收入结构方面具有显著影响，可减轻农户技术采用时的信贷约束压力，促进农户技术采用。

社会网络对农户技术采用的影响机制复杂，其直接效应与间接效应有待进一步验证。本文以甘肃民勤节水灌溉技术采用的农户调研数据为例，重点关注两方面问题：一是社会网络对农户技术采用是否存在中介效应？若存在，那么两种路径(直接效应与间接效应)孰轻孰重？二是社会网络如何通过中介变量影响农户技术采用？作用程度如何？与现有文献相比本文独特之处在于：应用KHB模型测算社会网络对农户技术采用的直接效应与间接效应，并对五个中介变量的间接影响做了分解。

本文结构安排如下：第二部分理论分析社会网络影响农户技术采用的路径；第三部分介绍研究数据与变量，并采用因子分析法测算社会网络；模型设计在第四部分；第五部分应用KHB模型实证分析社会网络影响农户技术采用的中介效应；第六部分为结论。

二、社会网络对农户技术采用影响路径的理论分析

(一)直接影响理论分析

社会网络主要通过以下四种机制直接影响农户技术采用。

第一，信息获取机制。农户获取信息渠道有限、大多处于信息不完全状态。信息障碍是影响农户技术采用的重要决定因素[13]。社会网络在农户技术采用过程中通过减少不对称信息和交易成本促使信息流动，从而降低市场无效性[2]。Conley and Udry研究发现社会网络为农户提供最重要的技术信息[14]。农户通过社会网络进行技术交流，可有效获取信息，改进知识累积，提高技术采用率[15]。

第二，社会学习机制。新技术引进之初，农户对其特征并不熟知[7]。新采用者会向网络内其他采用者学习技术，加快采用进程，并且社会学习可产生知识溢出效应，促进技术采用[16]。社会网络的学习效应使新技术扩散更快[2]。Munshi指出社会网络的学习效应更多发生在同质群体间，因为异质性群体中的个性差异将导致采用结果不可预测，使得农户不大可能借鉴其经验[17]。

第三，风险分担机制。社会网络可有效降低风险冲击[18]。技术信息不完全状态抑制农户技术采用，而通过社会网络进行学习可减少不确定性，为技术采用提供风险保障，促使农户采用不可逆投资的技术[6]，尤其当保险市场缺失或无效时社会网络的风险分担功能可促使农户技术采用[13]。

第四，服务互补机制。推广服务和社会网络是农户技术采用的强决定因素，也是农户技术信息获取的两个主渠道，两种信息渠道的有效性因对方存在而增强[19]。现实中，由于政府推广服务无法适应农户技术需求，导致农业技术供需矛盾[20]，多数农户无法通过正式推广服务学习新技术，而更可能通过网络中其他农户相互交流技术信息而加快采用进程[21]。

(二)间接影响理论分析

社会网络还可通过影响其他中介变量而间接作用于农户技术采用行为。 社会网络、亲属关系对劳动者就业具有重要作用[12]。劳动力市场信息不对称，促使劳动者在就业过程中借助一些“非常”渠道(社会网络)来实现就业[8]，可见社会网络在帮助农户就业、改善收入结构方面作用显著。而收入结构又深刻影响着农户技术采用行为，以农业收入为主的家庭更倾向于在农业方面做长期投资，其采用意愿更强[3]。但也有研究指出家庭收入以非农收入为主意味着家庭中有劳动力进入非农产业就业，导致农业劳动力投入减少，因为非农就业收入高，从事农业生产机会成本增加，农户通过采用劳动节约型技术弥补农业劳动力投入不足[22]。综上所述，收入结构是社会网络影响农户技术采用的重要中介。

社会网络具有促进农户收入变革的作用，可显著增加家庭收入，尤其是异质性社会网络明显有助于贫困人群收入提高与福利增加[23]。收入水平影响农户技术采用行为，研究证明收入水平对技术采用具有显著正向影响[1]，因为收入提高为技术采用提供物质基础，农户更有经济实力在农业技术上投资[24]。因此，社会网络可通过收入水平间接影响农户技术采用决策。

农户由于自身资金不足并且缺乏可供抵押的资产，其贷款获得能力不强，受到信贷约束[25]。社会网络有助于农户获得借贷，减轻信贷约束压力。社会网络对农户获得借贷的可能性及借贷额均具有显著正向影响[26]。中国农村家庭仍然主要以非正规渠道获得资金，特别是来自亲朋的借款[27]。然而信贷约束的存在削弱农户技术采用积极性，导致农户由于资金缺乏而放弃选择新技术[28]。信贷约束是农户技术采用的关键因素，信贷获得可显著促进农户技术采用[29]。可见信贷约束也是社会网络影响农户技术采用的间接路径之一。

社会网络影响农户种植结构。农户因无法有效获取技术信息而缺乏适应性,其决策行为大多受其他农户影响[13]。农户利用社会网络模仿周围农户行为并调整农业投入[14]，包括种植结构。而种植结构现状是阻碍农户技术采用的重要因素[30]，种植结构先决条件影响技术适应性，进而影响农户技术采用决策[31]。推进农业技术扩散，实现生态农业，提高土地、灌溉水利用率，要求农户优化和调整种植结构。以节水灌溉技术为例，增加耐旱作物种植比例不利于节水灌溉技术采用，反之则反。因此，种植结构也是社会网络影响农户技术采用的间接路径之一。

农户由于对新技术缺乏有效认知而犹豫不前，社会网络的信息传播机制可促进农户交流，提高技术认知[5]。技术认知是农户技术采用的关键因素[11]，技术本身属性可解释采用率的49%～87%[2]，农户技术感知越强则采用几率越大。Foster and Rosenzweig发现不完全信息是采用的负担，随着农户对新技术认知的积累，负担作用逐渐减弱[18]。因此社会网络通过技术认知间接影响农户技术采用行为。

总之，社会网络对农户技术采用的影响路径复杂，既可通过信息获取机制、社会学习机制、风险分担机制和服务互补机制直接影响农户技术采用，也可通过影响收入结构、收入水平、信贷约束、种植结构和技术认知，间接作用于农户技术采用行为(图1)。因此，本文选取收入结构、收入水平、信贷约束、种植结构和技术认知作为中介变量，实证检验社会网络对农户技术采用的作用路径。

图1社会网络对农户技术采用的影响路径图

三、数据来源和变量说明

(一)数据来源

本文数据来源于课题组2014年10—11月的入户调查，以中央财政小型农田水利高效节水灌溉项目重点县、国家高效节水灌溉示范县——甘肃省民勤县为调查地。民勤县位于石羊河流域下游，属于温带大陆气候，东西北三面被腾格里沙漠和巴丹吉林沙漠包围，常年干旱少雨，是典型的大陆沙漠气候，在此处推广节水灌溉技术具有战略意义。然而现实中，具有节水优势的节水灌溉技术并未被农户广泛接纳，因此选取民勤为调研地，研究农户节水灌溉技术采用具有重要现实意义。调查选取具有代表性的区域进行，调查内容包括农户基本信息及家庭特征、农业生产及灌溉情况、节水灌溉技术认知及采用情况、技术推广以及社会网络五个部分。共发放问卷500份，经整理共获得有效问卷481份，有效率为96.2%。

(二)变量说明

1.核心变量

社会网络为本研究核心变量。有关社会网络指标确定及度量的问题现有文献观点不一，大致可分为两类，一类是用单一指标描述社会网络*如边燕杰(2004)用逢年过节亲朋好友联系数量表示社会网络，赵雪雁(2012)用家庭年均人情支出代表社会网络。，另一类是选用多维度变量来刻画社会网络*如刘彬彬等(2014)将社会网络划分为网络规模、网络资源、互动频率三方面。。社会网络具有丰富的内涵，单一指标方法度量未免以偏概全，因此本文沿用课题组已有研究成果，采用多指标方式，将社会网络按照其功能划分为网络学习、网络互动、网络互惠和网络信任四个维度*详见课题组阶段性成果：社会网络与农户技术采用倒U型关系检验——以甘肃民勤节水灌溉技术采用为例(2015)。(表1)。

采用探测性因子分析法测度农户社会网络，得到KMO检验值0.615，Bartlett球形检验近似卡方1 002.110(sig=0.000)，说明数据适合做因子分析。通过因子旋转提取出四个特征根大于1的公因子，方差贡献率分别为27.913%、16.654%、14.190%、11.243%，累计方差贡献率70.001%。可得社会网络计算公式：x=(27.913*f1+16.654*f2+14.190*f3+11.243*f4)/70.001，其中x代表社会网络，f1、f2、f3、f4分别代表四个公因子。

表1　社会网络变量定义及描述性分析

2.控制变量

①个体特征。包括农户年龄、性别、文化程度。农户年龄越大思维越固化，对新技术越难以接受；相比较女性，男性对节水技术知识了解越多，越倾向于技术采用；农户文化程度越高，其思维越开阔，越了解节水重要性，因此越愿意采用新技术。②家庭特征。包括耕地块数和耕地面积。耕地块数越多，土地越分散，越不利于节水灌溉技术采用，因为节水灌溉技术适用于大片土地，因此土地越细碎，农户越倾向于不采用；农户耕地面积越大，对节水灌溉技术的需求越迫切，越愿意采用该技术。③环境变量。包括水价、用水纠纷和推广服务，其中水价和用水纠纷可归类为用水环境，水价越高，农户灌溉费用越大，越有利于节水技术采用；用水纠纷反映水资源的稀缺性，纠纷越多，水资源越稀缺，农户节水灌溉技术采用积极性越高；推广服务可作为政策环境变量，政府推广越有力，政策环境越好，农户越愿意采用节水灌溉技术(表2)。

表2　变量定义

四、模型设计

(一)KHB模型简介

KHB模型是通过Logit或者Probit方法测算总效应、直接效应和间接效应的模型[32]。该模型由Karlson、Holm、Breen所创并发展而来，其简要思想如下：在线性模型中可通过直接比较系数来将总效应分解为直接效应和间接效应。

假设线性回归模型：

Y=αF+βFX+γFZ+δFC+ι

(1)

其中，X为待分解的核心变量；Z为中介变量，X可通过影响X来间接作用于因变量Y。

在这种假设下，βF为变量X对Y的直接效应，而X对Y的总效应βF可通过以下的简略模型(reduced model)获得：

Y=αR+βRX+δRC+ε

(2)

那么，X通过影响Z对Y的间接影响为：

βI=βR-βF

(3)

上述方法可应用到广义线性模型中来，特别是二元Logit和Probit模型，假设变量X通过中介变量Z对Y*产生影响，Y*为不可观测潜变量。

Y*=αF+βFX+γFZ+δFC+ι

(4)

Y*=αR+βRX+δRC+ε

(5)

(6)

其中，σF和σR为规模参数，是上述式(4)和式(5)的残差标准误，并且σF<σR。因此，Logit模型中的间接效应为：

(7)

由上式可知，间接效应由σF和σR两个规模参数决定，可通过测算中介变量Z对核心变量X线性回归的残差来解决该问题。

R=Z-(a+bX)

(8)

其中，a和b为线性回归系数。将R代替Z带入简略模型(4)，可得：

(9)

(10)

(11)

同样的，各系数占比也可推算：

(12)

(二)KHB模型间接效应的检验

(13)

(14)

其中，上式中a代表向量(γF/σF,b)′，∑代表γF和b的协方差矩阵方差。

五、实证分析

(一)农户节水灌溉技术采用影响因素分析

通过Logit回归验证农户技术采用的影响因素，表3是Logit回归的结果，由表中数据可知，回归总体效果显著，模型拟合良好。

表3　Logit回归结果

注：①***、**、*分别代表统计检验达到1%、5%和10%的显著性水平(下同)。②由于表中部分系数值较小，因此保留四位小数

农户社会网络对技术采用具有正向影响，通过了5%的显著性检验，说明农户社会网络越丰富越倾向于采用节水灌溉技术，这与前文预期一致。五个中介变量对农户节水灌溉技术采用均具有显著影响，其中收入结构与收入水平对农户技术采用具有负向影响，分别通过了1%的显著性检验，而信贷约束、种植结构和技术认知则对农户节水灌溉技术采用具有正向影响，分别以1%、10%和1%的显著性水平通过检验。社会网络变量和五个中介变量是本文研究核心内容，将在后文中具体分析。

基础变量中，水价、用水纠纷、推广服务、耕地面积、耕地块数对农户节水灌溉技术采用行为影响显著。水价越高，农户越倾向于采用节水灌溉技术；用水纠纷越多，农户对高效节水技术越渴望；推广服务力度越强，农户获取的农业技术信息越多，对所推广服务技术了解越全面，越愿意尝试采用新技术以降低生产成本，提高生产效率；耕地面积越大，农户越愿意采用节水灌溉技术；土地细碎化程度越高,技术效率越低，农户越不愿意采用新技术。

(二)社会网络对农户节水灌溉技术采用影响路径的实证研究

中介效应包括完全中介效应和部分中介效应，完全中介效应指核心变量对因变量的影响完全通过中介变量，没有中介变量，核心变量则对因变量不产生影响；部分中介效应指核心变量对因变量的影响一方面直接作用于因变量，另一方面通过中介变量产生，也就是说即使没有中介变量，核心变量也对因变量产生作用。国外在研究社会网络对农户技术采用的影响时，注重检验社会网络的中介效应，通常做法是比较加入中介变量前后模型系数变化以及模型拟合程度变化，以此判断是否存在中介效应。本文采用Baron和Kenny的方法*Baron and Kenny(1986)的方法检验步骤：(1)核心变量影响因变量；(2)核心变量影响中介变量；(3)控制中介变量后，核心变量对因变量的作用消失了(完全中介效应)，或是明显地变化了(部分中介效应)，则证明存在中介作用。限于篇幅，此处未给出检验结果，如有需要可向作者索取。对社会网络对农户技术采用的中介效应进行检验，结果表明社会网络对农户技术采用具有中介效应；社会网络可通过收入结构、收入水平、信贷约束、种植结构和技术认知五个中介变量对农户技术采用产生间接影响。

应用KHB模型测算社会网络对农户技术采用的直接效应、间接效应和总效应(表4)。

表4　社会网络影响农户技术采用的直接效应和间接效应

由表中数据可知，社会网络对农户节水灌溉技术采用的总效应为2.40，在1%的显著性水平上通过检验(由Z检验可判断)，其中直接效用为1.72，间接效应为0.68，直接效应和间接效应分别在5%和10%显著性上通过检验，说明社会网络对农户节水灌溉技术采用的直接效应更大，占总效应的71.57%。从符号上，社会网络对农户技术采用的直接效应、间接效应、总效应符号均为正，说明社会网络可直接对农户技术采用产生促进作用，还可通过中介变量对农户技术采用间接地产生积极影响。

从间接效应构成上看(表5)，社会网络通过各个中介变量对农户技术采用的间接影响不尽相同，社会网络通过收入结构、收入水平、信贷约束、种植结构和技术认知的间接效应分别为-0.08、-0.37、0.96、0.07和0.10，其中收入结构与收入水平的间接效应是负的，信贷约束、种植结构和技术认知的间接效应是正的，说明收入结构与收入水平反向影响农户技术采用，信贷约束、种植结构和技术认知正向影响农户技术采用。

表5　社会网络影响农户技术采用间接效应的分解

社会网络通过信贷约束对农户节水灌溉技术采用的间接影响最大，占间接效应的140.88%，占总效应的40.06%，说明社会网络通过信贷约束对农户的节水灌溉技术采用行为起关键性作用。因为节水灌溉技术属于资本密集型技术，其初始投资巨大，对于普通农户来说是很大的负担。社会网络很大程度上帮助农户获得贷款、缓解信贷压力[26]，提高农户技术采用积极性、减少农户因资金缺乏而放弃技术采用现象的发生。

收入水平是社会网络对农户节水灌溉技术采用的第二大间接效应，占间接效应比重的53.80%，影响作用为负，可能的原因是农户收入水平越高意味着农户更有能力通过其他途径改善生活水平，没必要投资农业生产，因此收入水平反向影响农户技术采用，导致社会网络通过收入水平对农户技术采用的影响为负。间接效应排序大小依次是技术认知、收入结构和种植结构，分别占14.46%、-11.64%和10.11%。农户社会网络越丰富，通过与其他技术采用者相互交流、学习与共享，间接地提高了技术认知，有利于农户技术采用，李楠楠等也得出相同观点[11]。社会网络通过为农户提供就业信息或就业帮助来改变农户收入结构，农户收入结构越复杂，则农业收入占比越低，农户对农业生产越不重视，其农业生产投入精力越有限，越不愿意进行农业技术投资，其采用倾向越低；另一方面，农业收入比重越低，说明从事农业生产的机会成本越大，农户越不愿意放弃非农职业，因此越倾向于采用技术以节约劳动力[22]。因此社会网络通过收入结构对农户技术采用产生反向影响。

社会网络的学习效应促使农户相互学习他人成功做法，并根据其他农户行为调整自身投入情况[14]，本文中以玉米种植面积占总耕地面积的比例作为种植结构的衡量指标，也就是说种植结构值越大，农户玉米种植比例越高，而玉米作为一种需水量较大的作物，大量种植则使得农户对节水灌溉技术的需求提高。因此，社会网络通过种植结构影响农户技术采用的间接效应方向为正，即社会网络通过种植结构对农户技术采用产生促进作用。

六、结论

本文以节水灌溉技术为例，利用民勤县农户调查数据，从理论和实证两方面分析社会网络对农户技术采用的作用路径，探究社会网络影响农户技术采用的中介效应，最终得出以下结论。

(1)社会网络对农户技术采用存在中介效应，其中直接效应处于主导地位。政府应注重农户社会网络的培育，为农户搭建良好的社会交往平台，以提高农户社会网络存量。鼓励农户通过社会网络进行交流、学习，以提高农户技术认知，降低技术采用风险，并且重视非正式渠道(社会网络)与正式渠道(政府推广服务)相结合，拓宽农业技术扩散思路，提高农户技术采用率。

(2)社会网络通过影响农户的收入结构、收入水平、信贷约束、种植结构和农户技术认识，对农户技术采用产生中介效应，并且信贷约束影响最大。因此农村金融改革要充分利用当地农户的社会网络特征来开展，降低金融准入门槛，提高金融服务水平，加大农户金融知识教育力度，在当前信贷中充分考虑农户的社会网络资源，为农户采用新技术提供资金支持。与此同时，尽管其他几条路径的间接作用有限，但不可忽视其重要性，良好的农村劳动力就业环境、适宜的土地流转政策以及成熟的技术推广服务体系等这些与社会网络相结合，都有利于农户技术采用。

(3)其他因素对农户技术采用行为的影响不可忽视。除社会网络以外，水价、用水纠纷、推广服务、耕地面积和耕地块数等因素对农户节水灌溉技术采用行为影响显著。因此，在具体推广节水灌溉技术时，除加强推广服务力度以外，政府还应注重这些因素的作用，比如制定合理可行的水价制度，鼓励农村土地流转以减少土地细碎化程度，提高农户种植高附加值经济作物的支持力度等。

[1]Feder G., Just R.E. and Zilberman D.. “Adoption of agricultural Innovations in Developing Countries: A Survey” ，Economic Development and Cultural change, 1985,33(2),255-298.

[2]Rogers E.DiffusionofInnovation, New York: Free Press of Glencoe. 1962.

[3]张兵、周彬：《欠发达地区农户农业科技投入的支付意愿及影响因素分析——基于江苏省灌南县农户的实证研究》，载《农业经济问题》2006年第1期。

[4]Watts D.J. and Strogatz S.H.. “Collective Dynamics of 'Small-world' Networks” ，Nature, 1998,393(4), 440-442.

[5]Besley T. and Case A.. “Does Electoral Accountability Affect Economic Policy Choices? Evidence from Gubernatorial Term Limits” ，Quarterly Journal of Economics, 1995,100(3), 769-799.

[6]Wang H. and Reardon T.. “Social Learning and Parameter Uncertainty in Irreversible Investment——Evidence from Greenhouse Adoption in Northern China” ，Annual Meeting, 2008(7),27-29.

[7]Evenson R.E. and Westphal L.E.. “Technology change and Technology strategy”， Center Paper No.503, Economic Growth Center, Yale University, New Hawen,CT,USA.1995.

[8]Granovetter M..“The Strength of Weak Ties” ，American Journal of Sociology, 1973,(78): 1356-1367.

[9]BenYishay A. and Mobarak A.M.. “Communicating with Farmers through Social Networks” ，Working Papers 1030, Economic Growth Center, Yale University,2013.

[10]Fukuyama F.. “Social Capital and Civil Society”， MF Working Paper, 2000:1-19.

[11]李楠楠、李同昇、于正松、芮旸、苗园园、李永胜：《基于Logistic-ISM模型的农户采用新技术影响因素——以甘肃省定西市马铃薯种植技术为例》，载《地理科学进展》2014年第4期。

[12]边燕杰：《社会网络与求职过程》，载《国外社会学》1999年第4期。

[13]Abdulai A., Monnin P. and Gerber J.. “Joint estimation of information acquisition and adoption of new technologies under uncertainty” ，Journal of International Development, 2008(20):437-451.

[14]Conley T.G. and Udry C.R.. “Learning about a New Technology: Pineapple in Ghana”， American Economic Review,2010,100(1),35-69.

[15]Bandiera O. and Rasul I.. “Social Networks and Technology Adoption in Northern Mozambique”， The Economic Journal, 2006,116(514),869-902.

[16]Glaeser E.L., Kallal H.D., Scheinkman J.A. and Shleifer A.. “Growth in Cities” ，Journal of Political Economy, 1992,100(6),1126-1152.

[17]Munshi K.. “Social Learning in a Heterogeneous Population: Technology Diffusion in the Indian Green Revolution” ，Journal of Development Economics, 2004,73(1),185-213.

[18]Foster A.D. and Rosenzweig M.R.. “Learning by Doing and Learning from Others: Human Capital and Technical Change in Agriculture”， The Journal of Political Economy,1995,103(6),1176-1209.

[19] Genius M., Koundouri P., Nauges C. and Tzouvelekas V.. “Information Transmission in Irrigation Technology Adoption and Diffusion: Social Learning, Extension Services and Spatial Effects” ，American Journal of Agricultural Economics, 2014，96(1):328-344.

[20]凌远云、郭犹焕：《农业技术采用供需理论模型研究》，载《农业技术经济》1996年第4期。

[21]Kassie M., Jaleta M., Shiferaw B., Mmbando F. and Mekuria M.. “Adoption of interrelated sustainable agricultural practices in smallholder systems: Evidence from rural Tanzania”， Technol. Forecast. Soc. Change. 2012(80): 525- 540.

[22]刘战平、匡远配：《农民采用“两型农业”技术意愿的影响因素分析——以“两型社会”实验区为例》，载《农业技术经济》2012年第6期。

[23]叶静怡、周晔馨：《社会资本转换与农民工收入——来自北京农民工调查的证据》，载《管理世界》2010年第10期。

[24]徐世艳、李仕宝：《现阶段我国农民的农业技术需求影响因素分析》，载《农业技术经济》2009年第4期。

[25]李锐、朱喜：《农户金融抑制及其福利损失的计量分析》，载《经济研究》2007年第2期。

[26]胡枫、陈玉宇：《社会网络与农户借贷行为——来自中国家庭跟踪调查(CFPS)的证据》，载《金融研究》2012年第12期。

[27]Turvey C.G. and Rong K.. “Informal lending amongst friends and relatives: can microcredit compete in rural China?” China Economic Review, 2010, 21(4): 544-556.

[28]刘慰霖：《银保互动对农户新技术选择影响研究》，载《江南大学学位论文》2014年。

[29]Simtowe F. and Zeller M.. “The impact of access to credit on the adoption of hybrid maize in Malawi: an empirical test of an agricultural household model under credit market failure” ，Munich Personal RePec Archive (MPRA) Paper, 2006(45):1-28.

[30]王娟、吴普特、王玉宝、赵西宁、宋健峰、黄俊：《农户对节水型农业种植结构调整意愿的量化分析——以黑河干流中游为例》，载《中国生态农业学报》2012年第8期。

[31]Mariano M.J., Villano R. and Fleming E.. “Factors influencing farmers' adoption of modern rice technologies and good management practices in the Philippines” ，Agricultural Systems, 2012(110): 41-53.

[32]Karlson K. B., Holm A. and Breen R.. “Comparing regression coefficients between same- sample Nested models using logit and probit: A new method” ，Sociological Methodology, 2012(42):286-313.

[33]Sobel M.E.. “Asymptotic confidence intervals for indirect effects in structural equation models” ，Sociological Methodology, 1982(13):290-312.

责任编辑胡章成

Study on the Influence Path of Farmers’ Adoption of Technology by Social Network——A Case of Water-saving Irrigation Technology From Minqin County

WANG Ge-ling1, LU Qian2

(1.CollegeofEconomics,Xi’anUniversityofFinanceandEconomics,Xi’an710100,China;2.CollegeofEconomicsandManagement,NorthwestAgricultureandForestryUniversity,Yangling712100,China)

The influence mechanism of how social networks effect farmer households’ technology adoption is complicated. And the influence paths should be further studied. Based on the household survey data of water-saving irrigation technology adoption of Minqin County, Gansu Province, this paper decomposes the influence path of social networks affecting farmer households’ technology adoption. The results show the following: 1) social networks effect farmer households’ technology adoption through two ways: direct effects and indirect effects, and the direct effects occupy a dominant position. 2) the indirect effects of social networks influence technology adoption through five mediate variables: income structure, income level, credit constraints, planting structure and technology cognition.

social networks; technology adoption; direct effects; indirect effects; KHB Model

王格玲，西安财经学院经济学院讲师，西北农林科技大学经济管理学院博士生，研究方向为区域经济发展；陆迁(通讯作者)，管理学博士，西北农林科技大学经济管理学院教授、博士生导师，研究方向为区域经济学。

国家自然科学基金项目“西北地区农户现代灌溉技术采用研究：社会网络、学习效应与采用效率”(71473197)；国家自然科学基金项目“基于农户收入和社会资本异质性双重视角的农村社区小型水利设施合作供给实证研究——以陕西省为例”(71173174)

2016-05-23

F303.2

A

1671-7023(2016)05-0083-09