2016.9-58-社会网络视角下的农业创新采纳与扩散*朱月季内容提要：本文以湖北武汉蔡甸区金鸡村的藜蒿产业发展为事实基础，以农户作为网络节点，采用WS模型搭建农户社会网络结构，基于农户选择倾向模型构建农户创新采纳决策规则，以金鸡村藜蒿种植扩散的实际数据对仿真模型参数进行校准，利用校准后模型的模拟数据分析农户社会网络结构对农户创新采纳决策与农业创新扩散过程的影响。研究发现：农户在社会网络结构中的位置对其创新信息获得时点存在显著影响，中心度越高的农户越早接触到农业创新相关信息，进而越早采纳农业创新；作为传播源，最初接受培训的农户对社会规范的服从度不仅对其自身决策有影响，对创新在社会网络中扩散的整体进程也存在显著影响；农户基于社会网络的互动是创新呈现非线性扩散的重要原因；农户在社会网络中的信息传递概率虽然不影响创新扩散的长期结果，但会影响创新扩散临界规模的大小与临界规模到来的时点。关键词：农业创新采纳农业创新扩散社会网络社会规范临界规模一、引言以创新驱动农业转型是中国经济结构调整与改革的重要方向。2016年中央“一号文件”强调“坚持农民主体地位”，“加大创新驱动力度，推进农业供给侧结构性改革”。这表明了中国政府层面推动农业改革发展的战略决心。当前，农村人口老龄化问题日益突出，农村劳动力大量向城市地区转移，农村实际从事农业的劳动力在大幅减少，而且性别与年龄结构失衡（盖庆恩等，2014），农业资源利用效率较低，农村地区用工价格却在悄然攀升。农村土地流转等制度创新改善了土地资源的市场流动性，农村劳动力转移从一定程度上加速提升了农业生产的机械化水平（佟光霁、王卫，2014）。即便如此，农业总产值在国内生产总值中的比例仍在持续降低，至2014年已经跌至9.2%①。在中国经济发展新阶段，农业发展潜力亟待通过创新与改革得到再次释放。经济全球化之下，美国和欧洲蔓延至今的经济危机使中国经济也在承受人民币升值等问题带来的巨大挑战。在外部压力与内部需求的双重推动下，寻求创新与产业结构调整是中国经济深化改革的必然选择（郭丹等，2010），促进传统农业转型升级是中国在全新经济形势下实现可持续发展的重要着力点之一。农业创新包括农业生产活动中出现的新颖的技术或制度安排②。创新的产生存在偶然性。农业创新在农村地区的扩散是农业实现现代化的微观基础。事实表明，在过去30多年里，以集体所有、*本文研究得到海南大学科研基金项目“有限知识视角下农业创新与农户采纳行为研究”（编号：KYQD1615）的资助。笔者感谢爱尔兰都柏林大学熊航博士对本文数据收集的支持以及研究方法上的讨论，同时感谢本刊评审的宝贵意见。文责自负。①数据来源：中国社会科学院农村发展研究所、国家统计局农村社会经济调查司（编）：《中国农村经济形势分析与预测（2014～2015）》，社会科学文献出版社，2015年。②本文将新的生产制度安排、农作物品种、生产操作规范、工具或机器使用、农药化肥投入等一系列有别于原有农业生产实践的制度或技术上的变化，均视为农业创新。社会网络视角下的农业创新采纳与扩散-59-家庭承包经营为主导的土地产权制度创新改善了土地与劳动力资源的使用效率（姚洋，2000），杂交水稻、农业机械等农业技术进步极大地提升了粮食生产效率，增强了国内粮食有效供给能力（肖卫、肖琳子，2013）。随着经济发展与农产品市场细分，农业生产的区域化与专业化成为农业转型与发展的重要标志（钟甫宁、刘顺飞，2007；聂辉华，2013）。农业生产区域化与专业化能够在很大程度上降低农作物种植与农产品销售链条上的信息费用，为农业产业化、品牌化经营提供前期基础，这将成为实现农业现代化的突破口（蔡海龙，2013）。然而，习惯于小规模分散经营的传统农户可能还较难适应农业经营模式的快速转变。同时，农民选择区域专业化种植新作物的收益虽大，但风险并存（Barhametal.，2012），较高的机会成本也可能使得农户对创新的采纳与实践望而却步。固然，个体决策普遍具有追求经济利益最大化的倾向，但经济理性假设下的利润或效用最大化并非是现实世界中人们实际行为的指南。梳理现有文献发现，在研究个体的创新采纳行为时，研究者们通常以考察经济因素为主（例如孔祥智等，2004；赵连阁、蔡书凯，2012；徐翔等，2013）；而在研究创新在群体中的扩散现象时，研究者们以考虑社会性互动因素为主（例如罗荣桂、江涛，2006）。在认知有限的情境下，农户是否采纳一项创新的决策受到经济、社会等多维度因素的影响，而社会因素中最为重要的莫过于社会网络中农户互动所带来的种种影响（朱月季等，2014）。近年来，随着社会网络分析（socialnetworkanalysis，SNA）的发展，社会网络对农业创新扩散的影响受到越来越多学者的关注。例如，对于农村小额贷款金融服务的采纳与扩散问题，Banerjeeetal.（2013）的研究表明，社会网络中的不同角色对农村金融服务信息传递有不同的作用。国内也有学者尝试考察社会网络与农业创新扩散的关联，但多以基于案例的定性分析为支撑（例如杜艳萍等，2012；旷浩源，2014），或将与社会网络相关的替代变量纳入传统模型进行分析（例如冯晓龙、霍学喜，2016），鲜有对社会网络结构特征及其对农业创新扩散的影响进行挖掘。本文尝试基于演化经济学理论，提供一个从微观个体创新采纳决策到创新扩散的视角，采用基于主体的建模（agent-basedmodeling，ABM）方法模拟农户在社会网络中的创新采纳决策以及创新扩散过程。其中，农户创新采纳决策既受到其采纳创新所带来的经济收益影响，也受到社会网络中隐含规范（norms）等社会因素影响。本文基于Watts-Strogatz（WS）模型构建农户社会网络结构，利用农户选择倾向模型设定农户的互动与决策机制，以2001～2014年湖北省武汉市蔡甸区金鸡村农户藜蒿种植数据校准模型参数，然后利用模拟数据考察社会网络结构特征对农户创新采纳决策与创新扩散过程的影响，以期为推动农村地区的农业创新扩散、实现农业转型提供可能的启示。二、理论与模型（一）理论基础按照新古典经济学的“成本—收益”分析，当农户采纳某项农业创新所带来的收益高于保持传统生产方式所带来的收益时，追逐利益最大化的农户没有理由不采纳该项农业创新。然而，很多事实表明，创新在农村地区的扩散并没有如预期那样顺利，最为典型的莫过于欧美发达国家长期以来在非洲进行的技术援助至今收效甚微，农业新技术在当地难以得到扩散，农业发展水平仍然低下。究其原因，新古典经济学的理性假设并不适用于农业创新扩散问题。第一，农户的行为选择不符合“偏好固定”的假定。在面临一项新生事物时，农户已有知识结构受到冲击，他们在短期内可能无法形成对创新的确切认识与评价，关于生产决策的“偏好”会在农户不断的“学习”中得到“进化”，而农户之间的社会性互动（socialinteraction）对塑造“新”偏好无疑具有深远的影响。第二，农业创新扩散过程不符合新古典经济学均衡分析中对个体所做的“同质性”假定。农业生产以土地资源社会网络视角下的农业创新采纳与扩散-60-为核心，在生产活动中，农户之间基于局部地理范围的互动较频繁，由互动形成的社会网络对创新扩散必然存在影响。不同的农户在社会网络中的地位是不同的，他们各自受到社会网络影响的程度也不尽相同，这些个体间的异质性既会影响农户的创新采纳行为，也可能对创新扩散的整体进程产生影响。第三，新古典经济学静态分析方法中的“其他条件不变”假定可能难以适用。创新扩散更多地是一个系统性问题，具有难以进行条件剥离分析的“复杂性”和“动态性”。细微的条件改变可能会对整个系统产生不可预知的冲击，而传统的静态分析方法难以把握这些冲击，因而分析结果可能差异较大，结论可靠性很难得到保障。演化经济学注重动态过程，关注经济过程中“新奇”“创新”等变化的产生。现实世界的经济活动中不存在一个稳定的均衡，市场是动态变化的“过程（process）”。因此，经济学的使命不是要注重“均衡”的分析，而是应该解释“非均衡”的过程。农业创新可被视为对原有社会系统的一种“冲击”，农户在社会性互动与经济收益的双重驱使之下可能发生偏好改变。演化经济学能更好地探悉这些改变，将农业创新扩散视为一个动态的“过程”，便可以打开创新扩散过程及其规律的“黑箱”。演化经济学强调个体的能动性、适应性。人的行为不属于条件反射式的行为模式，而是基于特定目标的。科兹纳、罗斯巴德（2008）指出，个体除了有目的性的行为以外，其偏好、预期和知识是不确定和不可预测的。演化经济学强调个体在环境中的适应性特征，个体能够通过学习、模仿等改变行为模式，通过能动地与其他个体的互动改变自己的知识状态、重塑自己的偏好，具有有限知识的个体在创新采纳决策上只能寻求“满意解”，而非“最优解”。个体之间的互动在群体层面逐渐形成特定的习俗、社会规范（socialnorms）等制度。个体偏好和社会规范的演化共同影响着个体的创新采纳行为，并对创新扩散整体进程起到推动或阻碍的作用。本文从演化经济学的思想出发，以农户社会网络结构作为农户互动的载体，兼顾经济收益与社会规范对农户创新采纳决策的影响，剖析农户创新采纳决策与创新扩散的过程，研究农户社会网络结构在该过程中所起的作用。（二）农户选择倾向模型Hodgson（2012）指出，收益或效用最大化假设对现实世界个体行为的过分概括使其本身失去了对经济行为与过程的解释力，它忽视了经济活动所处的社会系统的历史和地理特征。这些特征勾勒出个体之间互动的特定模式，以习俗或规范的形式影响着人们的行为。社会系统自下而上形成的社会规范对有限知识个体的决策发挥了补充作用。作为特定群体共享的信念，社会规范本身就是有限知识个体面临未知环境时所发展出的“适应性”结果。那些涉及生活方方面面的隐形规则为社会系统中的成员提供了共同行为的指南或标准（Rogers，1995），从而对个体之间的互动进行有益协调。任何新生事物对社会系统的“介入”应注意现有社会规范的协调作用，即使是法律规则的建立，也离不开社会规范的原始约束（AcemogluandJackson，2014）。农户创新采纳决策既取决于不同选择所带来的经济收益，也取决于农户对当下社会规范的服从程度（SzolnokiandPerc，2014）。朱月季等（2014）在对农业创新扩散的研究中基于演化视角构建了农户创新采纳决策规则模型，可称为“农户选择倾向模型”。本文在沿用此模型的基础上，出于不同的研究目的对该模型假设做了略微简化处理①。农户i在t时期采纳创新的倾向,Ai tj 和保持传统生产方式②的倾向,Ni tj③的表达式分别为：①本文侧重于考察社会网络结构本身对创新扩散进程的影响，因此，对个体之间的学习规则进行了适度简化。本文假定，当已经具备经验的个体与其他个体接触和交流之后，其他个体将获得与该个体相似的技能水平。②即维持原有的生产制度安排、生产技术等不变。③农户关于创新采纳的选择倾向表征农户对创新采纳的态度，它受到不同决策下经济收益和社会规范的双重影响，为连续值，非离散值。社会网络视角下的农业创新采纳与扩散-61-( ) ( )( ) ( ), , , , ,, , , , ,, ,   1, ,   1A A A A Ai t i t i t i t i tN N N N Ni t i t i t i t i tn b n bn b n bj g g gj g g gì = + -ïí= + -ïî（1）（1）式中，变量上标“A”和“N”仅作为变量标记区分用，上标为“A”表示采纳创新情形下的变量，上标为“N”表示不采纳创新（保持传统生产方式）情形下的变量。当,Ai tj ＞,Ni tj 时，农户i认为在t时期采纳该创新“更优”，视为“满意解”，故农户将在t时期采纳创新；反之，农户则保持传统生产方式不变。g表示农户对社会规范的服从度，不同的农户具有不同的偏好特征，他们对新生事物的接纳程度也大不相同，对社会规范的服从度反映了农户在多大程度上受到社会网络中其他个体决策的影响。即使两个农户在社会网络中处于完全相同的位置，但由于他们对社会规范的服从度存在差异，他们的创新采纳决策受到社会规范的影响也不同，可能产生不同的采纳行为。At ib,和Nt ib,分别表示农户i在t时期采纳创新与否所带来的相对收益， ) 1 ( g - 是相对收益对农户选择倾向的影响系数，即除了受到社会规范的影响，农户选择倾向在多大程度上受到经济收益的影响。,Ai tn 和,Ni tn 分别表示农户i在t时期感知到的关于采纳创新的社会规范和保持传统生产方式的社会规范。以往的研究通常只考虑了采纳创新的个体对创新扩散所发挥的积极作用，忽视了那些沿用传统生产方式的个体对创新扩散的负面作用。本文模型充分考虑了两种社会规范之间的“竞争”，而并没有预先假设哪种社会规范最终将对创新扩散起到主导作用，这就意味社会系统原有的规范可能会阻碍创新扩散（Rogers，1995；朱月季等，2014），从而导致创新扩散失败。两种社会规范之间竞争的视角既考虑了原有规范对农户创新采纳决策的持续作用，也能对新规范的产生过程提供解释。社会系统从旧规范到新规范的过渡即构成了社会规范在社会网络中的协同演化。社会网络是由个体之间的各类社会联系构建起来的，这种构建所形成的相对稳定的社会关联秩序本身就是一种被忽视的“涌现”①现象。由于认知有限，个体往往通过与其关系紧密的其他个体的行为方式来感知所在社会群体的规范。研究表明，同伴效应或相邻效应是影响个体决策的重要因素（Leungetal.，2014），这些效应正是群体层面的社会规范得到不断演化的微观基础。当社会网络中的所有个体都如此行事时，在群体层面上将可能形成某种未经上层设计的趋于一致的群体选择行为，即群体模式（pattern）。农户i在t时期感知的关于采纳创新和保持传统生产方式的社会规范分别表示为：( )( )ïîïíìÎ =Î =åå----) (     . .      ,) () ( ,) (     . .      ,) () ( ,1 ,1 , ,1 ,1 , ,i m j t si mdi m d ni m j t si mdi m d nNt j Nt jNt iAt j At jAt i（2）（2）式中，, 1 j td-表示在农户i的社会网络中农户j在 1 t- 时期采纳创新与否的决策， ) (i m 表示在农户社会网络中存在m个农户跟农户i有直接联系，在局部可被视为以农户i为中心点的社会网络。该局部社会网络中其他农户在 1 t- 时期的选择将使得该农户对群体的社会规范产生某种“印象”，从而影响其关于农业创新的选择倾向，并最终从宏观上导致社会规范的演化（AcemogluandJackson，2013）。同样地，在经济收益方面仍然需要考虑农户之间的异质性，即使他们采用同样的①涌现是由于微观个体之间的互动在系统整体上呈现的某种宏观秩序或规律，该秩序或规律的特征并不能由微观个体简单相加得到。社会网络视角下的农业创新采纳与扩散-62-生产方式，不同农户取得经济收益的能力也会存在差异。农户i在t时期采纳创新和保持传统生产方式能够取得的相对收益分别为：ïîïíì==Bbs bBbs bNNt iNt iNt iAAt iAt iAt i, , ,, , ,tt（3）（3）式中，B表示两种情况下的收益之和。本文将不同决策下的收益在B中所占比例视为相对收益值①。考虑到经济因素对农户创新采纳决策的影响，通常认为相对收益对农户采纳某种特定创新存在促进作用。根据Kabungaetal.（2012）的观点，农户做出创新采纳决策之前存在两个阶段：第一阶段是农户对创新的意识状态（awareness）阶段，即农户是否意识到农业创新的存在。本文用, i tt 表示第i个农户在t时期对创新的意识状态。若农户不知道该创新的出现，取值为0；反之则取值为1。第二阶段是农户对创新的知识状态阶段，即农户通过各类渠道获得关于创新的知识或技能。本文用, i ts 表示农户i在t时期掌握该创新的知识或技能水平。培训宣传、田间指导是中国农村地区常见的农业推广手段，尽管私营企业、农业合作社介入的农技推广服务近年来越来越壮大，但仍以政府主导的农技推广体系为主体（孔祥智、楼栋，2012）。在创新扩散初期，接受培训的农户较早获得关于创新的信息、知识或技能，他们是农户社会网络中的“扩散源”，通过这些农户与其他农户在社会网络中的交流互动，信息、知识或技能得到传播。因此，农户i在t时期对创新的意识状态可表达为：îíì=                               01,其他 ，，接受培训或被告知At it （4）由于知识结构的差异，农户在获得培训之后对创新的掌握程度存在差异。农户i在t时期掌握的知识或技能水平可表达为：îíì=                                                                             1,,接受培训或与他人交流 ，一旦采纳过 ，At iAt ism（5）（5）式中，At i,m 服从(0.5,0.25)的正态分布，以表征实际情况中大部分农户的学习能力处于“一般”水平，少部分农户的学习能力分别处于“极好”和“极差”的水平。（三）农户社会网络：WS模型社会网络中的同伴效应是影响个体决策至关重要的社会性因素，微观层次的同伴效应将推动社会规范在群体中不断演进。已有研究表明，在创新扩散过程中，社会系统中的个体往往受到同伴决策的影响，从而构成某种程度上的“从众”现象。然而，如果社会系统中所有个体都处于“观望”状态，创新扩散几乎不可能成功。事实上，在创新扩散过程中必定存在一部分个体较早采用创新，他们被称为“开创者”（Rogers，1995）。在关于创新扩散的研究中存在一个基本事实：无论处于何种社会文化之下，所有创新随时间的扩散总是一致地呈现出非线性的“S型”状态（Grübler，1996）。造成农户采纳创新的先后之别的原因成为创新扩散研究关注的焦点，社会系统中个体之间的异①在同一模型下，变量对应的数据量级不同可能带来计算结果失真。为避免两种情况下的收益存在量级上的差异，宜采用所占比例的形式来定义相对收益，而不采用两种收益的比值。社会网络视角下的农业创新采纳与扩散-63-质性是回答该问题的关键。首先，传播源在社会网络中的位置，决定哪些人先于他人获得有关创新的信息和知识。在农业创新扩散中，传播源通常是接受过技能培训的一部分农户，他们最先得到创新的相关信息，紧接着跟他们联系紧密的农户相对于其他农户也将较早地接触到相关信息。信息传播是让群体中的其他个体知晓创新的关键环节，也是个体意识到该创新成为一种选择的前提。信息传播在社会网络中是一个动态过程，这个过程就意味着每个个体接触到创新的早晚存在差异。其次，个体在社会网络中的位置存在差异，个体拥有不同的社会联系，对社会规范有不同的感知，从而做出不一样的决策。换句话说，尽管所有的农户都可能受到同伴效应的影响，但由于个体所处的局部社会网络大不相同，农户在创新采纳决策中受到程度不同、甚至方向不同①的影响。最后，个体特征差异也是影响农户创新采纳决策有先后差异的原因。在本文模型中，农户对社会规范的服从度表征着农户个体不同的偏好特征，这些特征可能阻碍或推动整个创新传播的进程。社会网络大体上可分为规则网络、随机网络和无标度网络（scale-freenetwork）三种类型。WattsandStrogatz（1998）提出了一种“小世界”网络，即WS模型，它介于规则网络与完全随机网络之间，具有平均路径长度小、集聚系数高的特征，随后被逐渐运用于众多社会科学研究领域。回顾中国乡村社会形成历史容易发现，中国乡村实质上是以传统自然村落为基本单位构成的，这些自然村落通常以血缘为纽带并随时间演化，最终形成自然聚居现象。现在的行政村正是基于自然村落发展起来的最低行政管理区域，原来的自然村落则演变成为村民小组，隶属村民委员会。在创新扩散的研究情境下，农户社会网络较适宜限定在行政村的范围内。行政村之间在地理位置上往往有较明确的界限②，行政村内的村民小组处于自然聚集状态，农户是以土地为主要生产资源的生产者群体，村民小组之间的距离也可能有远有近，信息传播存在一定时滞。基于地缘和血缘两大主要因素，农户之间产生了联系与互动，构成了特定的农户社会网络。显然，这种网络并不遵循任何“择优连接”的原则，即不属于无标度网络类型，更不属于完全的规则网络类型和完全的随机网络类型，而相对符合“小世界”网络的典型特征。其理由如下：其一，由于生产活动、闲暇娱乐等，农户在村民小组内部联系非常频繁，信息在组内传播非常快。行政村由若干这样联系紧密的小组构成，意味着农户社会网络存在较高的集聚系数，农户的联系圈子非常固定，与农户A联系的农户B和农户C通常也紧密联系在一起。其二，不同的村民小组之间往往通过村级会议、村内婚姻、朋友等形式建立起联系，这些联系大大增加了村级农户社会网络的连通度，使该网络表现出平均路径长度小的特点，即在农户社会网络中，任意两个农户之间的信息传递所需要经过的其他农户数是比较少的。这两个重要特征说明，中国农村地区典型的农户社会网络介于规则网络和随机网络之间，宜将其视为典型的“小世界”网络。三、数据与方法（一）调查点与数据本文选取湖北省武汉市蔡甸区金鸡村作为调查点，收集了2001～2014年10个自然村共计464户农户③关于藜蒿种植的采纳情况数据。金鸡村地理位置优越，交通非常便利，因而物流成本相对低，有利于发展蔬菜产业。湖北是全国农业大省，水稻历来是湖北的主要农作物，农户在水稻种植①周围更多的农户没有采纳创新可能会“抑制”该农户采纳创新的倾向；反之，则对农户采纳创新产生“促进”作用。②这并不意味着否定村与村之间存在的互动，而是仅限于本文研究的情景来说，以行政村为一个社会网络整体是较为适宜的。③由于要考察创新扩散的整体情况，不宜抽样，本文研究收集了金鸡村所有农户关于藜蒿种植情况的数据。社会网络视角下的农业创新采纳与扩散-64-方面积累了丰富的经验。金鸡村农户在种植水稻的同时尝试种植其他作物（例如西瓜）来提高家庭收入。2001年，在农业产业结构调整的政策背景下，金鸡村从云南等地引入了适宜在当地生长的蔬菜新品种——藜蒿。随后，村委会邀请技术人员对村组干部、党员以及部分村民进行简单的指导培训，免费发放藜蒿种子，鼓励试种。2008年以来，金鸡村种植藜蒿的农户越来越多，已经逐渐发展出颇具地方特色的藜蒿产业。在当地，藜蒿已经替代了传统农作物的经济地位，成为农户家庭收入的主要来源。选取金鸡村藜蒿产业发展作为农业创新扩散的典型案例不仅具有重要的现实意义，更为重要的是，可以通过对金鸡村藜蒿种植的扩散过程进行模拟和解析，探索农户社会网络对其创新采纳决策与创新扩散过程的影响。（二）研究方法如果将创新扩散看作一个系统性的动态过程，主流的数理统计方法显然不能满足模型处理的需要，而基于主体的建模（ABM）为解决系统建模问题提供了方法基础。ABM更关注个体，它能够包容个体间的异质性及社会性互动，以自下而上的建模思想为主要特征，使研究者有机会从对微观个体决策到群体模式涌现过程的研究中获得洞见。本文以农户为主体，利用NetLogo平台①，基于WS模型构建出农户社会网络，根据农户选择倾向模型设定农户创新采纳决策的规则，以金鸡村藜蒿种植扩散的实际数据对所建立的仿真模型进行参数校准，以确保模型的可信度；在此基础上，利用模拟数据研究农户在社会网络中的异质性特征如何对其创新采纳决策与创新扩散过程产生影响。四、模型估计与校准本文研究根据WS模型采用NetLogo平台搭建464户农户的社会网络，设置节点数为464，节点平均度为c，重连概率为rp。然后，基于农户选择倾向模型构建农户层面关于创新采纳的决策与互动机制，模拟出创新在农户社会网络中扩散的过程。最终，本文以农户为主体所建立的仿真模型包含两类未知参数：一类是直接可观测的，可采用实地调查方法（fieldresearch，FR）获得其实际值；另一类是难以通过观测直接获得的，但能根据场景模拟法（methodofsimulatedmoments，MSM）进行推断估计（参见Banerjeeetal.，2013）。仿真模型所包含的主要参数及其估计方法见表1。表1 模型参数及其估计方法参数 定义 范围 方法c 农户节点平均度 R+FR（4）Ab 藜蒿每亩年纯收益（元） R+FR（9700）Nb 其他作物每亩年纯收益（元） R+FR（3000）tw 初始培训农户的比例 (0,1) FR（0.08）rp 农户社会网络的重连概率 (0,1) MSMcm 农户对社会规范的平均服从度 (0,1) MSMwp 农户向相邻农户传递信息的概率 (0,1) MSM注：FR后括号内为参数值。根据MSM，在参数的取值范围内，对应于参数的每一组可能取值，模型模拟运行k（k=100）次，把第x次运行给定场景时刻的模拟结果记为向量, simxm ，把该场景的实际数据记为empm 。模型最终估计的参数组合应能使以下方程取得可能参数组合条件下的最小值（Banerjeeetal.，2013），可①NetLogo是目前较为常见的用于ABM的软件平台。社会网络视角下的农业创新采纳与扩散-65-称其为拟合差异度方程：÷øöçèæ-¢÷øöçèæ- = å å= =kxemp x simkxemp x simm mkm mkDiff1,1,1 1min arg （6）为估计出模型中的未知参数rp、cm和wp ，原则上，由若干场景数据便可以确定各个未知参数的估计值，但所得的参数估计值仅能在给定的场景时刻达到局部最优。因此，本文考虑纳入实际数据的全部场景时刻，即2001～2014年金鸡村农户采纳藜蒿种植的实际比例，从而估计出达到全局最优拟合的一组参数值。通过不同参数组合下模拟结果的比较，本文得到金鸡村藜蒿种植扩散情景下的仿真模型参数全局解GDiff ，其表达式为：( ) 0.20; 0.39; 0.85 0.05Gr c wDiff p p m = = = = （7）模型的拟合结果表明，当参数满足（7）式所示的赋值条件时，基于农户选择倾向模型所生成的模拟结果最为贴近金鸡村藜蒿种植在农户社会网络中扩散的实际数据。由估计结果可以推断，金鸡村农户种植藜蒿的决策受到社会规范的影响，农户对社会规范的平均服从度处于0.39的水平，即大部分农户在种植藜蒿的决策上较多受到经济收益因素的影响，社会规范对农户种植藜蒿决策的影响则较弱一些。但是，这并不意味着社会规范在农户创新采纳决策过程中丧失了约束力。社会规范影响程度的强弱往往跟社会网络中人员流动程度、农民整体素质有关。而且社会系统中的“口碑效应”是创新得以扩散的关键机制。估计结果显示，金鸡村农户向邻居进行信息传递的平均概率为85%，意味着农户之间的互动交流非常频繁，这在很大程度上推动了藜蒿种植在金鸡村农户之间的扩散。图1显示了本文模型对金鸡村藜蒿种植扩散情况的模拟效果。图1 模型对藜蒿种植扩散过程中农户创新采纳比例的拟合效果图1显示，农户采纳藜蒿种植的比例在2008年左右达到了峰值，这与实际情况吻合。2011年之后，在金鸡村采纳藜蒿种植的农户比例有略微下降，这主要是由少数村民搬迁、外出务工、自然死亡等因素造成的。五、模拟分析与结果（一）农户社会网络特征、信息传递与创新采纳如前文所述，农户在创新采纳决策之前的状态可分为意识状态和知识状态两个阶段，而这两个阶段的状态受到农户基于社会网络的交流、学习等社会性互动的影响，并进一步影响农户创新采纳决策。基于校准后的仿真模型，本文通过随机算法从100组模拟数据中选取10组数据①，研究农户①模拟获得的农户样本数为4640个，从而避免了单组数据分析可能存在的偶然偏误。社会网络视角下的农业创新采纳与扩散-66-的社会网络特征对其信息传递与创新采纳决策的影响。个体层面的社会网络特征主要包括节点度（degree）、中介中心度（betweennesscentrality）、紧密中心度（closenesscentrality）、特征向量中心度（eigenvectorcentrality）。节点度是某个节点在网络中与其他节点产生连接的数目，用于测度某个农户在社会网络中与其他农户发生直接联系的程度；中介中心度是某个节点在网络中被任意两个其余节点最短路径所经过的次数，可表征农户在创新从一个群体扩散到另一个群体过程中的中介作用；紧密中心度是某个节点到达所有其他节点最短路径的平均值的倒数，紧密中心度高的网络节点更多地掌握着信息传递的最短路径；特征向量中心度主要测度农户在社会网络中的影响度，跟某个节点产生联系的其他节点之间如果也存在联系，则该节点将被赋予较高的特征向量中心度，反之则反①。信息传递是创新采纳的重要前提，社会网络结构对农户之间的信息传递起着至关重要的作用。社会网络表征着农户之间的现实关系，农户在网络中的不同位置意味着他们存在关系连接上的差异性，这种差异性可能导致农户获得创新相关信息的时点存在明显不同。本文选取农户意识到创新存在的时点（即“信息获得时点”）为因变量②，以农户在社会网络中的特征值为自变量，考察农户在社会网络中的特征对其信息获得时点的影响。本文对4个社会网络特征值进行了相关性分析。结果显示，它们之间相关系数的范围为0.41～0.74，表明存在较强的相关关系，可能产生多重共线性问题。因此，宜采用逐步回归方法排除自变量之间相互关系对模型估计结果的影响。表2 农户社会网络特征与信息传递自变量 回归系数 标准误截距项 4.443***0.199紧密中心度 -10.344***1.314节点度 -0.110***0.021R20.032F值 77.614***注：***表示0.001的显著性水平；表中是根据逐步回归法剔除不显著变量后的最终结果。表3、表4同。表2中的结果显示，农户在社会网络中的节点度、紧密中心度对农户信息获得时点存在显著的负向影响。农户在社会网络中的节点度越高，即与越多农户产生直接联系，就能越早从社会网络中获得创新的相关信息；农户越能容易地联系到整个社会网络中的其他农户，就能越早获得创新的相关信息。这表明，农户在社会网络中的位置特征对创新相关信息的传递存在影响，导致有些农户相对于其他农户能较早地接触到创新，农户社会网络特征上的差异是前文所述农户异质性的重要方面，农户获取信息较晚将阻碍其对创新的采纳。农户创新采纳决策不仅取决于他们所获得的信息，也取决于他们对信息的处理能力。在本文中，这种信息处理既是农户对不同创新采纳决策下相对收益的衡量，也是对社会网络中其他农户决策信息的处理。相对收益是影响农户决策的经济因素，社会网络中农户之间的互动作为影响农户决策的社会因素，是构建社会规范的微观基础。为弄清楚社会网络结构是否对农户创新采纳存在直接影响，本文以农户“创新采纳时点”为因变量③，采用逐步回归方法分析农户在社会网络中的节点度、中①本文对社会网络中农户特征向量中心度的计算值进行了正态化处理，以便统一标准进行分析。②以扩散周期（年）为单位，农户在推广的第一年就获得了创新相关信息，则赋值为1；第二年得了创新相关信息，则赋值为2；以此类推。③同样，以扩散周期（年）为单位，农户在推广的第一年就采纳了创新，则赋值为1；第二年采纳了创新，则赋值为2；以此类推。社会网络视角下的农业创新采纳与扩散-67-介中心度、紧密中心度、特征向量中心度对其创新采纳时点的影响，结果见表3。表3 农户社会网络特征与创新采纳时点自变量 回归系数 标准误截距项 1.975***0.570紧密中心度 8.285***3.694特征向量中心度 -1.001***0.322R20.002F值 4.940***从表3中的估计结果可以看出，农户在社会网络中的特征向量中心度对其创新采纳时点起到了显著的负向作用。农户的特征向量中心度越高，即在村级社会网络中的影响力越大，农户就越早采纳创新。特征向量中心度表征了农户在整个社会网络中的地位，在农村社会网络中，特征向量中心度较高的角色通常是村级干部、“意见领袖”等，他们对创新采纳起到了重要的推动作用。本文研究的实地调查支持了这一结论。在金鸡村推广藜蒿种植初期，采纳藜蒿种植的农户当中以村组干部户和村民党员户为主①。农户在社会网络中的紧密中心度对其创新采纳时点具有正向影响。这表明，跟其他农户联系较紧密的农户虽然能较早地获得关于农业创新的信息，却在采纳决策方面表现出犹豫不决，以致较晚采纳创新。农户在社会网络中的节点度、中介中心度并没有对其创新采纳决策构成显著影响。这意味着，在个体层面，农户在社会网络中的位置虽然会影响他们信息获得的效率，但对其是否采纳创新的决策，影响并不确定，甚至出现较早获得信息的农户较晚采纳农业创新的现象。（二）传播源与创新扩散在群体层面，任何创新的扩散都涉及传播源的问题，然而，现有文献关于创新传播源特征的讨论不多。即使在经典的传染病模型中，传播源的社会网络特征及其对创新扩散的影响并没有得到重视，现有研究更多地专注于对扩散机制的探索（例如罗荣桂、江涛，2006）。创新扩散过程具有系统性、复杂性的特征，创新扩散的初始状态很可能对整个创新扩散进程产生不可逆的影响。对传播源特征的考察将有助于揭示这些特征对创新扩散可能存在的影响。在农业创新扩散的情境里，传播源主要是指最初接受推广培训或指导的农户，他们被称为“源头农户”。本文运行已校准的仿真模型（100次），然后选取创新扩散平均速率（即在给定扩散周期内②平均每年采纳创新的农户占全体农户的比例）为因变量，考察源头农户社会网络特征和偏好特征对农业创新扩散平均速率的影响。其中，源头农户社会网络特征采用其节点度、中介中心度、紧密中心度和特征向量中心度的均值③，源头农户偏好特征采用其社会规范服从度、创新采纳时点的均值。表4 源头农户社会网络特征、偏好特征与创新扩散平均速率自变量 回归系数 标准误截距项 0.050***0.006社会规范服从度（均值） -0.051***0.017创新采纳时点（均值） 0.009***0.001①尽管最初他们在一定程度上受到了来自村委会行政力量的干扰，但他们后期持续种植藜蒿与扩大藜蒿种植规模的行为证明了这种干扰在扩散后期可以忽略。②本文以14年为创新扩散的考察期（2001～2014年）。③由于源头农户不止一个，故本文采用源头农户的社会网络特征均值作为自变量，考察其对创新扩散平均速率的影响。社会网络视角下的农业创新采纳与扩散-68-（续表4）R20.407F值 32.983***表4中的结果显示，源头农户的社会规范服从度对农业创新扩散平均速率存在显著影响。源头农户越倾向于遵从社会规范，创新扩散的整体速度就越慢。这表明，源头农户对社会规范所具有的不同态度不仅从个体层面上影响着自身采纳创新的决策，而且从群体层面上影响着创新扩散的整体进程。此外，源头农户的创新采纳时点也对创新扩散平均速率产生了显著影响①。源头农户的社会网络特征并没有对创新扩散平均速率产生显著影响。然而，这并不是说源头农户在社会网络中的位置与创新扩散进程没有任何关联。在给定“小世界”类型的农户社会网络下，中长期创新扩散平均速率可能不受传播源社会网络特征的影响。例如，经历14年的藜蒿种植扩散，采纳藜蒿种植的农户数量基本趋于稳定，创新扩散平均速率在统计意义上与传播源在社会网络中的位置没有显著关联。如果将考察期适当缩短，在较短时期内，创新在不同农户社会网络中的扩散程度可能存在较明显的差异，传播源在社会网络中的位置会对短期内的创新扩散进程产生影响②。（三）农户互动与临界规模在创新扩散的研究情境下，临界规模（criticalmass）是指扩散过程中某时点之后对创新的采纳形成一种自我维持（self-sustaining）的状态，在该状态下创新的后续扩散（例如进一步的创新推广）能够不依靠外界力量的支持。在创新扩散过程中，临界规模的出现意味着社会系统呈现出新的创新扩散特征，这种特征并不能直接从个体创新采纳决策的规则中推导出来，临界规模的出现可被视为一种弱涌现（weakemergence）③。创新在农户社会网络扩散的过程中，农户之间的互动以基于社会网络的交流学习为主要形式，即所谓的“口碑效应”。口碑效应推动了信息在社会网络中的流动，成为涌现发生的第一个前提条件。社会规范在创新扩散过程中的作用是双面的，既是扩散初期的阻力，又是扩散中后期的动力（朱月季等，2014）。本文认为，社会规范是导致创新扩散过程最终呈现“S型”曲线状态的重要原因，也是群体采纳行为可能在某一时点出现临界规模涌现的背后力量，而这个时点何时到来可能跟口碑效应的信息传递密切相关。根据Rogers（1995）的阐述，本文研究把临界规模定义在“S型”曲线切线斜率最大的时点，即创新扩散过程中新增采纳农户最多的一年。为考察农户间信息传递与临界规模之间的联系，本文模拟了不同农户间信息传递概率（wp）下的创新扩散过程，并从中找出临界规模的时点和新增采纳农户数量。与前面相同，仿真模型对应每个wp值进行模拟（100次），然后对模拟数据取均值，以减少随机因素带来的偏误。从模拟结果可以看出，农户信息传递概率存在一个阈值，当农户间信息传递的概率大于此阈值时，在足够长的时期内，创新的最终采纳比例将不再受农户信息传递概率的影响。图2显示，当农户间信息传递概率（wp）超过约25%之后，经历14个周期（年）的扩散，创新的最终采纳比例将维持在70%上下波动。当wp 在25%临界值之前，创新扩散的程度随着农户之间交流程度的增大而增大。这表明，农户基于社会网络的信息传递虽然重①结果显示，两者之间存在正向关系，即源头农户越晚采纳创新，创新扩散速率反而越大。这可能跟后文将要讨论的社会规范演化过程中的“临界规模”有关，源头农户在较晚的时点采纳创新在一定程度上造成了特定时点下更多采纳者的涌现。②Banerjeeetal.（2013）的研究支持了这一观点。③相对于完全无法从个体加总获得系统特征规律的强涌现而言，弱涌现通常是能够通过计算机模拟个体层面互动观察得到系统性特征的某种“秩序”。社会网络视角下的农业创新采纳与扩散-69-要，但当给定足够长的扩散周期时，它将不会影响创新扩散的长期结果①。图2 创新最终采纳比例随农户信息传递概率的变化趋势既然农户间的互动从长期来讲不影响创新扩散的结果，那么，这些互动就变得不重要了吗？通过进一步对不同农户信息传递概率下临界规模时点的观察发现：第一，临界规模到来的时点随着农户间信息传递概率的增加而提前（见图3）②，即农户之间通过交流传递信息的概率越大，农户群体性创新采纳的“涌现”现象就发生得越早。第二，在临界规模时点新增的采纳农户数量随着农户间互动的增加而明显增加③。这表明，尽管农户之间信息传递与互动可能不会改变创新扩散的长期结果，但它却能对临界规模到来的时点以及该时点下新增采纳农户数量产生显著影响。这些发现将有助于更好地理解社会网络中农户间的互动对创新扩散过程的重要作用。图3 临界规模时点随农户间信息传递概率的变化趋势①这并不意味着在短期内的创新扩散中也是如此。一般认为，在较短时期内，随着农户之间互动频率的增加，创新扩散得越快，采纳的农户数量越多。②当wp ＜0.05时，临界规模的时点也较小，而实质上创新扩散几乎是失败的，只有极少数农户最终采纳了创新（见图2），因此，这部分临界规模值应不予考虑。③限于篇幅，图示省略。社会网络视角下的农业创新采纳与扩散-70-六、结论与启示现阶段农业转型符合中国经济发展的内在要求，势必在中国经济发展史上再一次承载划时代的意义。农业生产过程中的创新及其扩散是农村改革发展、农民增收致富的重要途径，推动创新在农户群体中的扩散，为实现农业技术变革与农业产业结构调整提供了微观基础。农民是农业创新扩散过程中的行为主体，在不确定性与非完全信息条件下，经济理性对个体决策的影响在某种程度上被削弱，个体做出“更满意”而非“最优”的选择成为更加合理的假设基础。为应对现实中无处不在的不确定性与非完全信息困境，个体所具有的“适应性”通过社会性互动发展出某种群体性的共同倾向、信念的集合（即社会规范），以此作为群体协调行动的辅助机制。这些规范不仅影响着微观个体采纳创新的决策，也可能影响着创新扩散的整体进程。而这些影响的发生离不开群体所构成的社会网络载体。基于上述思想，本文以金鸡村藜蒿种植产业发展为事实基础，首先采用WS模型构建了农户社会网络，以农户选择倾向模型建立了农户在社会网络中的创新采纳决策与互动规则，仿真模型结果能较好地拟合金鸡村藜蒿种植在农户间的扩散过程；然后通过校准后的仿真模型研究了农户社会网络特征与创新采纳、创新扩散的关系。研究发现：第一，社会网络结构对农业创新在农户群体中的传播与采纳存在显著影响。农户在社会网络中的中心地位越高，往往越早获得创新的有关信息，进而影响他们对创新的采纳决策。第二，传播源是创新在社会网络中扩散的初始力量，最初接受培训指导的农户对社会规范的态度不仅会对其自身的采纳决策产生影响，也会影响整个创新扩散的进程。第三，农户间信息传递概率在一定程度上不影响创新扩散的长期结果，但会对创新扩散临界规模的大小及到来的时点产生影响。根据本文研究结论，今后中国在农村地区推进农业创新扩散的实践中，理应对当地农户的社会网络结构与特征有充分认识，抓住农业创新在农户社会网络中的传播规律，科学制定新技术、新品种、新方法在农业生产中的推广策略。例如，在农业创新的推广初期应找准切入点，根据农户的偏好特征选择有效的传播源头，作为传播源头的农户越倾向于打破原有规范，越有利于在整体上推进农业创新扩散。在创新扩散过程中，应充分鼓励农户之间的交流互动，这样可使农业创新扩散在推广中期更加顺畅。本文研究也表明，当把农业创新扩散作为一个“过程”来看时，很多过程细节能够得以考察，同一因素可能对创新扩散在长期与短期、个体层面与群体层面具有不同的影响，这将启发今后在农业创新扩散研究中进一步探索这些影响存在的规律。参考文献1.蔡海龙：《农业产业化经营组织形式及其创新路径》，《中国农村经济》2013年第11期。2.杜艳萍、王奎武、胡志丹、曾朝辉：《社会资本视角下农业技术扩散主体及路径分析》，《江西农业大学学报（社会科学版）》2012年第1期。3.冯晓龙、霍学喜：《社会网络对农户采用环境友好型技术的激励研究》，《重庆大学学报（社会科学版）》2016年第3期。4.盖庆恩、朱喜、史清华：《劳动力转移对中国农业生产的影响》，《经济学（季刊）》2014年第3期。5.郭丹、谷洪波、尹宏文：《基于农村产业结构调整的我国农村劳动力就业分析》，《中国软科学》2010年第1期。6.孔祥智、方松海、庞晓鹏、马九杰：《西部地区农户禀赋对农业技术采纳的影响分析》，《经济研究》2004年第12期。7.孔祥智、楼栋：《农业技术推广的国际比较、时态举证与中国对策》，《改革》2012年第1期。8.旷浩源：《农业技术扩散中信息资源获取模式研究——基于社会网络视角》，《情报杂志》2014年第7期。9.罗荣桂、江涛：《基于SIR传染病模型的技术扩散模型的研究》，《管理工程学报》2006年第1期。社会网络视角下的农业创新采纳与扩散-71-10.［美］伊斯雷尔·科兹纳、穆雷·罗斯巴德：《现代奥地利学派经济学的基础》，王文玉译，浙江大学出版社，2008年。11.聂辉华：《最优农业契约与中国农业产业化模式》，《经济学（季刊）》2013年第1期。12.佟光霁、王卫：《产业技术进步与农村劳动力转移的动态影响关系研究》，《中国科技论坛》2014年第4期。13.肖卫、肖琳子：《二元经济中的农业技术进步、粮食增产与农民增收——来自2001～2010年中国省级面板数据的经验证据》，《中国农村经济》2013年第6期。14.徐翔、陶雯、袁新华：《农户青虾新品种采纳行为分析——基于江苏省青虾主产区466户农户的调查》，《农业技术经济》2013年第5期。15.姚洋：《中国农地制度：一个分析框架》，《中国社会科学》2000年第2期。16.赵连阁、蔡书凯：《农户IPM技术采纳行为影响因素分析》，《农业经济问题》2012年第3期。17.钟甫宁、刘顺飞：《中国水稻生产布局变动分析》，《中国农村经济》2007年第9期。18.朱月季、高贵现、周德翼：《基于主体建模的农户技术采纳行为的演化分析》，《中国农村经济》2014年第4期。19.Acemoglu,D.andJackson,M.O.:SocialNormsandtheEnforcementofLaws,WorkingPaperNo.20369,NationalBureauofEconomicResearch,2014.20.Acemoglu,D.andJackson,M.O.:History,Expectations,andLeadershipintheEvolutionofSocialNorms,WorkingPaperNo.11-10,MITDepartmentofEconomics,2013.21.Banerjee,A.;Chandrasekhar,A.;Duflo,E.andJackson,M.O.:TheDiffusionofMicrofinance,Science,341(6144):363-363,2013.22.Barham,LB.;Chavas,J.;Fitz,D.;Salas,V.R.andSchechterL.:TheRolesofRiskandAmbiguityinTechnologyAdoption,JournalofEconomicBehavior&Organization,97(334):204-218,2012.23.Hodgson,G.M.:OntheLimitsofRationalChoiceTheory,EconomicThought,1(1):94-108,2012.24.Grübler,A.:TimeforaChange:OnthePatternsofDiffusionofInnovation,Daedalus,125(3):19-42,1996.25.Kabunga,N.S.;Dubois,T.,andQaim,M.:HeterogeneousInformationExposureandTechnologyAdoption:TheCaseofTissueCultureBananasinKenya,AgriculturalEconomics,43(5):473-485,2012.26.Leung,R.K.;Toumbourou,J.W.andHemphill,S.A.:TheEffectofPeerInfluenceandSelectionProcessesonAdolescentAlcoholUse:ASystematicReviewofLongitudinalStudies,HealthPsychologyReview,8(4):426-457,2014.27.Rogers,E.M.:DiffusionofInnovations,4thedition,NewYork:TheFreePress,1995.28.Szolnoki,A. andPerc,M.:ConformityEnhancesNetworkReciprocityinEvolutionarySocialDilemmas, JournaloftheRoyalSocietyInterface,12:20141299,http://dx.doi.org/10.1098/rsif.2014.1299,2014.29.Watts,D.J.andStrogatz,S.H.:CollectiveDynamicsofSmall-worldNetworks,Nature,393(6684):440-442,1998.（作者单位：海南大学经济与管理学院）（责任编辑：黄慧芬）本刊重要启事近来，本刊发现个别作者有一稿多投现象，或在本刊的审稿期限内且未与本刊编辑部说明的情况下将投给本刊的稿件转投其他刊物。本刊历来反对一稿多投、一稿多用。本刊来稿初审时间目前为3个月左右。为避免上述情况造成不良后果，请作者不要将同一稿件投向本刊的同时投向其他刊物，也请作者在本刊对来稿的初审完成之前，不要将同一稿件投向其他刊物；如果在此期间打算将稿件转投其他刊物，请务必与本刊编辑部联系予以撤稿。