周 静，刘 杰，唐立强,2

(1.沈阳农业大学 经济管理学院，沈阳 110866；2．渤海大学 管理学院，辽宁 锦州 122000)

内容提要：在“互联网+农业”蓬勃发展的背景下，农产品电子商务已经成为农民增收新的着力点。农村中由亲缘、血缘、地缘、业缘关系组成的农民的社会关系网络，对农民的日常生活和生产经营有着特殊的影响力，因此，本文应用扩展的明瑟收入决定方程，利用辽宁省草莓种植户调查数据实证检验社会关系网络对农户电商收入的影响。研究结果表明社会关系网络规模、社会关系网络强度和社会关系网络资源对农户电商收入存在显著影响，社会关系网络在性别、种植面积、电商培训经历及收入水平分组下对农户电商收入的影响存在较大差异。其中，具有中介效应的电商培训既能够为农户提供相互交流的平台，又能够为农户提供信息资源和人情资源，扩大社会关系网络可以有效提高农户电商收入。政府等部门应加大电商培训力度，为农户提供交流及学习的平台，助力农户获得更高的电商收入。

生活在特定农村环境的农户的社会交往关系网络会对农户的日常行为，尤其是生产经营决策产生一定的影响。发展农村经济、提高农业效率、增加农民收入，支持和发展农村、农产品电商是乡村振兴战略实施和振兴实体经济的有力抓手。本文从社会关系网络的视角探讨社会关系网络对农户电商收入的影响，旨在为农户选择电商渠道销售农产品、进行理性的生产经营决策提供参考。

一、研究假设与研究设计的提出

(一)研究假设

社会关系网络是由社会个体之间互动交往而形成的、可以获得经济资源的、相对稳定的关系体系(李群峰，2013)；社会关系网络规模是社会个体在交往过程中所能接触到的人的数量规模，是社会行动者及其之间关系的集合(刘军，2009)。作为生产经营的主体，农户选择哪种销售渠道销售农产品是其在对成本收益进行分析之后而做出的理性决策，但是以血缘、亲缘、地缘和业缘关系为基础的社会关系网络在农户的决策中扮演着重要角色(王格玲等，2015)。鉴于人的社会资本取决于社会关系网络的广泛性、达高性和异质性(林南，2003)，农户的社会关系网络与农户劳动力、物质资本在影响其收入方面存在耦合关系，它们或可提高农户所支配的物质资本和劳动力的利用效率(张振等，2016)。不同收入水平的农户对于社会关系网络的利用程度不同。因此，本文提出如下假设：

H1：社会关系网络规模对农户电商收入具有显著的正向影响。

H2：社会关系网络强度对农户电商收入具有显著的正向影响。

H3：社会关系网络资源对农户电商收入具有显著的正向影响。

H4：社会关系网络对农户不同水平电商收入的影响存在差异。

(二)研究设计

1.数据来源。本文数据来源于沈阳农业大学经济管理学院农产品营销调研团队的调研结果：调研时间为2016年12月至2017年3月，调研地点是辽宁省草莓主产区-丹东东港市和沈阳新民市，调研对象是设施草莓种植户。选取草莓种植户作为调研对象的原因是草莓具有地域性强、储藏期短、运输难度大等特点，通过电商渠道进行销售是草莓销售更快、更远、价格更高的最主要途径之一。调研采取当面访谈的形式，共发放并回收问卷425份，有效问卷402份，问卷有效率为94.59%，其中丹东东港市有效问卷213份，沈阳新民市有效问卷189份。

表1 变量定义及描述性统计

2.变量选择与样本统计描述。

(1)被解释变量。被解释变量包括农户是否参与电商及电商收入，是否参与电商包括参与电商销售和未参与电商销售，对于参与电商销售的农户赋值为1，对于未参与电商销售的农户赋值为0。电商收入包括农户在过去一年中通过微信微商、QQ微商、独立网站网商以及第三方网上等平台销售农产品所获得的全部收入，并对农户电商收入取对数进行处理。

(2)解释变量。本文最核心的变量社会关系网络分为社会关系网络规模、社会关系网络强度和社会关系网络资源，社会关系网络强度又具体划分为强关系网络和弱关系网络两个维度，社会关系网络资源又具体划分为信息资源、人情资源和混合资源三个维度，详见表1。

3.模型设定。本文采用明瑟(Mincer)收入决定方程，其基本形式为：

lnY=β0+β1edu+β2exp+β3exp2+e

(1)

方程(1)是Mincer收入决定方程的基本形式，能够很好地反映受教育程度和工作经验对收入的影响，lnY为农户电商收入的自然对数，edu为受教育年限，exp为工作经验年限，exp2为工作经验年限的平方，e为随机误差项，β1、β2、β3为回归系数。鉴于Mincer收入决定方程的基本形式无法体现社会关系网络在农户电商收入中的作用，本文在Mincer收入决定方程基本形式的基础上引入社会关系网络并作为核心解释变量，同时加入性别、年龄等控制变量，将Mincer收入决定方程扩展为：

lnY=β0+β1edu+β2exp+β3exp2+β4snetwork+∑λX+ε

(2)

其中，lnY为农户电商收入的自然对数，为方程的因变量，edu代表受教育年限，exp代表种植年限，snetwork代表社会关系网络，X代表性别、年龄等控制变量，系数β4衡量的是社会关系网络对电商收入的影响程度，ε为残差项。

为了验证影响不同收入水平草莓种植户电商收入的影响因素，本文采用分位数回归法，用加权最小二乘法(WLS)对回归参数进行估计，估计第θ个分位数的回归函数是：

(3)

其中，xt为解释变量，yt为被解释变量，n为样本数，θ为各分位点，βθ为各分位点的参数估计系数。

二、社会关系网络对农户电商收入的影响

(一)社会关系网络对农户电商收入的影响

首先，运用Pearson检验法对变量进行相关性检验，所有自变量的相关系数均小于0.1，表明模型中的变量不存在自相关；其次，检验变量的多重共线性，变量的最大VIF为2.54，远小于10，说明数据不存在严重的多重共线性。为了防止数据的异方差问题，采用异方差的稳健标准误对数据进行回归分析，估计结果如表2所示。

表2 农户电商收入决定模型

注：括号中的数值为稳健标准差，*表示P<0.1，**表示P<0.05，***表示P<0.01(下同)。

模型1将所有控制变量进入模型，性别、年龄、受教育程度、种植面积、外出务工经历和电商培训经历对农户电商收入具有显著影响，其中年龄和外出务工经历影响方向为负。模型2、模型3、模型4为社会关系网络各维度分别与控制变量进入模型的实证检验，社会关系网络规模、社会关系网络强度和社会关系网络资源分别与控制变量进入模型时均在1%的水平上显著，且方向为正。社会关系网络规模每增加1个单位，电商收入提高15.40%；社会关系网络强度中与家人的交流频率、朋友的交流频率、本村种植户的交流频率和其他村种植户的交流频率每增加1个单位，电商收入分别提高5.67%、6.59%、6.75%和17.40%；社会关系网络资源中的信息资源、人情资源和混合资源每增加1个单位，电商收入分别提高5.03%、10.20%和8.66%，模型5包括了社会关系网络和全部控制变量，社会关系网络对农户电商收入的影响基本稳定，除了与其他村种植户交流频率和人情资源在10%的水平上影响显著之外，其他社会关系网络变量均在1%的水平上通过显著性检验，且方向均为正。控制变量中被调查者性别、年龄、种植面积、电商培训经历在各模型均通过了显著性检验，其中被调查者的年龄对电商收入的影响为负，假设H1、H2、H3得以验证。

根据已有文献(方帅和李华胤，2018)，农业培训在农民现代信息化建设和农民合作经济组织的关系中起到正向中介调节作用，农民接触信息化程度越深，其接受农业培训的意愿则会越强，加入农民经济合作组织的可能性就会越大。那么电商培训在社会关系网络对农户电商收入的影响中是否存在中介效应呢？是否存在如下关系：即社会关系网络越强大，农户接受电商培训的可能性就会越强，电商收入就会越高？本文将就此进行讨论。

为了检验电商培训在社会关系网络对农户电商收入影响中的中介效应，本文采用Bookstrap中介效应检验方法，中介检验基本模型为：

Y=i+cX+e1

(1)

M=i+aX+e2

(2)

Y=i+c′X+bM+e3

(3)

其中，a为解释变量影响中介变量的系数估计值，c′和b分别是解释变量与中介变量共同影响被解释变量时的系数估计值。

Bootstrap中介效应检验的基本原理是：在确定a×b中介路径是否显著后， 再检验c′。若c′不显著， 则表明模型中假设的中介变量是唯一的中介；若c′显著，则表明仍可能存在其他的中介路径。若a×b×c′>0，则说明可能还存在同方向的其他中介变量；若a×b×c′<0，则说明可能还存在反方向的其他中介变量。

从表3的Bookstrap中介效应检验结果可知，电商培训在农户社会关系网络规模与电商收入的关系中，中介路径作用区间(LLCI=0.0789，LLCI=0.2824)没包含0，表明电商培训的中介效应显著，且中介效应大小是0.1584。另外，直接效应系数c′为正，且通过了1%水平的显著性检验，再次证明了估计结果的稳健性，由于a×b×c′>0，说明可能存在与电商培训方向相同的中介变量。

根据表3显示的结果，电商培训在社会关系网络强度4个维度、社会关系网络资源3个维度与电商收入的关系中，中介路径作用区间均未包含0，表明电商培训的中介效应显著，直接效应系数c′为正，且通过了1%水平的显著性检验，再次证明了估计结果的稳健性，同时由于a×b×c′>0，说明可能存在与电商培训方向相同的中介变量。因此，电商培训在社会关系网络对农户电商收入的关系中，存在显著的中介效应。

表3 电商培训Bookstrap中介效应检验结果

(二)不同变量分组对农户电商收入的影响

1.不同性别变量分组下的收入决定模型。表4模型6、模型7分别是男性和女性农户电商收入决定模型，社会关系网络各个维度在男性分组对其电商收入均有显著影响，其中网络规模、与家人的交流频率在5%的水平上影响显著，混合资源在10%的水平上影响显著，与朋友的交流频率、其他种植户的交流频率、信息资源和人情资源在1%的水平上影响显著；在女性分组中，网络规模、信息资源、混合资源在1%的水平上影响显著，与同村种植户的交流频率在5%水平上影响显著，与家人的交流频率、人情资源在10%的水平上显著，与朋友、其他村种植户的交流频率不显著，可能原因是女性较少与朋友和其他村种植户进行社交活动，对于电商销售方面的交流更少。

2.不同种植面积变量分组下的农户电商收入决定模型。考虑到种植面积不同可能会导致不同的销售模式，实证研究不同种植面积变量分组的对比分析分为“5亩及以下”和“5亩以上”两组，表5模型8和模型9分别是在控制了其他变量情况下5亩及以下农户和5亩以上农户的社会关系网络对电商收入的显著性程度。结果表明，社会关系网络规模对于5亩及以下农户、5亩以上农户分别在1%和5%的水平上影响显著，说明扩大社会关系网络规模有益于草莓农户电商收入的增加；在社会关系网络强度中，5亩以下的农户与家人交流的频率、与外村人交流的频率在5%的水平上影响显著，与朋友、同村人的交流频率影响不显著，5亩及以上农户除了与家人交流的频率不显著外，其他全在1%的水平上影响显著，可能原因是小规模草莓农户的销售决策一般是家庭共同商议的结果，而大规模草莓种植户与其他种植户联系较为频繁，更容易受到其他草莓农户销售的影响。社会关系网络资源在5亩以下草莓农户中，只有信息资源在5%的水平上显著，5亩及以上草莓农户中全部在1%的水平上影响显著，说明大规模草莓种植户相对于小规模草莓种植户来说，社会关系网络资源对其电商收入增加的作用更为显著。

表4 不同性别分组下农户电商收入决定模型

注：括号内的数值为标准差，为了节省篇幅，控制变量未在结果中报告(下同)。

表5 不同种植面积分组下的农户电商收入决定模型

3.不同电商培训经历变量分组下的农户电商收入决定模型。根据已有文献(唐立强和周静，2017)，电商培训对农户电商行为具有显著影响，实证研究有无电商培训经历分组下社会关系网络对农户电商收入的影响如表6所示，模型8和模型9分别是控制了其他变量的情况下有电商培训经历农户、无电商培训经历农户的社会关系网络对其电商收入的影响显著性程度。在有电商培训经历的情况下，社会关系网络规模在1%的水平上通过了显著性检验；在无电商培训的情况下，社会关系网络规模在10%的水平上通过了显著性检验。这表明无论是否有电商培训经历，社会关系网络规模的扩大都有利于提高农户电商收入，但在有电商经历的农户中影响更大。在社会关系网络强度的强关系中，有电商培训经历的农户与家人、朋友的交流频率影响不显著，无电商培训经历的农户与家人、朋友的联系频率分别在1%和5%的水平上影响显著；在社会关系网络强度的弱关系中，有电商培训经历的农户与同村种植户、其他村种植户的联系频率分别在1%、10%的水平上显著，无电商培训经历的农户与同村种植户、其他村种植户的联系频率分别在1%和5%的水平上显著。这说明参加过电商培训的农户更容易受到其他种植户的影响，家人、朋友对决策的影响反而小一些。在社会关系网络资源方面，信息资源在有电商培训经历、无电商培训经历的农户中分别在10%和1%的水平上影响显著，说明关于电商销售的信息资源对于农户电商销售非常重要，增加信息资源获取有助于增加农户电商收入；人情资源和混合资源对于有电商培训经历的农户在1%的水平上影响显著，对于无电商培训经历的农户不显著，说明电商培训能够为农户提供一个资源交流的平台，从而帮助农户更好地增收。

表6 不同电商培训经历变量分组下农户电商收入决定模型

三、农户电商收入决定模型的分位数回归

由表7可知社会关系网络规模对各个分位数回归系数的检验结果在各分位点全部显著，说明社会关系网络规模在各电商收入水平上均显著，农户应注重扩大自己的社会关系网络规模从而增加电商收入。社会关系网络强度中与家人的交流频率除在0.95分位点不显著外，其他分位点全部显著，说明中低、中等、中等偏高收入者均应加强与家人的交流频率，从而做出有效的增收决策。社会关系网络强度中与朋友交流的频率在0.25、0.5、0.75分位点上影响显著，在0.05、0.95分位点上不显著，说明具有中等收入的农户应与朋友多交流。社会关系网络强度中与本村种植户、其他村种植户的交流频率在0.05、0.25和0.5分位点上均显著，说明具有中等以下水平收入的农户应加强与其他种植户的交流，以获取更多的增收渠道。与本村种植户的交流频率在0.95分位点上不显著，与其他村种植户的交流频率在0.75和0.95分位点上均不显著，除信息资源在0.05分位点上不显著外，其他全部显著，说明社会关系网络资源对增加农户的电商收入具有重要影响。因此，农户应增加社会关系网络资源获取渠道，以获取更多的增收资源。

表7 农户电商收入决定模型的分位数回归

四、研究结论及讨论

本文利用辽宁省草莓种植户调查数据实证检验了社会关系网络对农户电商收入的影响，得出以下研究结论：第一，社会关系网络规模在整体上对农户电商收入具有显著正向影响，社会关系网络规模越大越有利于增加农户电商收入。第二，社会关系网络强度中的强关系在不同性别、种植面积、电商培训经历及收入水平上均有差异，性别为男、有电商培训经历且收入处于中等水平的农户的社会关系网络强度对其电商收入影响更显著。第三，社会关系网络强度中与同村种植户交流频率在不同性别、种植面积及电商培训经历分组下的影响均为显著，在收入分组中的高收入分组不显著，与其他村种植户的交流频率在不同性别、不同种植面积、是否参加过培训及不同收入水平分组上影响存在差异。第四，社会关系网络资源中的信息资源在不同性别、种植面积和电商培训经历分组上均显著，在低收入水平分组不显著，人情资源和混合资源在不同性别和收入水平分组上影响显著，在不同种植面积和电商培训经历上影响存在差异，混合资源在性别、种植面积及电商培训经历分组中影响存在差异，应区别对待，在收入水平分组上均显著，说明各电商收入水平种植户均应努力获取更多的人情资源和混合资源。因此，有以下政策启示：

第一，在我国农村社会关系网络对农民电商收入具有重要影响，扩大社会关系网络可以有效提高农户电商收入，农户在平时应主动扩展交际网，不仅要注重与家人、朋友的交流，还应多与其他种植户交流种植经验，以获取更多的信息资源和人情资源，从而增加电商收入。第二，不同性别、种植面积、电商培训经历和收入水平上社会关系网络对农户电商收入的影响存在差异，需要区别对待。电商培训既能够为农户提供相互交流的平台，又能够为农户提供信息资源和人情资源，从而增加农户电商收入。因此，政府等部门应加大电商培训力度，为农户提供交流及学习的平台，助力农户获得更高的电商收入。