农经好文章｜经典文献｜JPE 社会网络与农业新技术的推广
图片来源：https://www.unibas.ch/en
【经典文献】分享海外应用经济系在农业、资源、环境、发展经济学课程阅读计划中所列出的学术文章。我们将按照不同的研究主题，逐篇推送文章提要。
本期导读：
本期介绍的文章引领了一系列关于学习如何影响技术采用的研究。该文区分了通过自己积累经验和通过从他人的实践来学习新技术的不同效果，并指出了社会网络对于农技推广的重要意义。
课程来源：UC Davis ARE 215C, Microeconomics of Development Theory and Methods III
小提示：点击会话框中“经典文献”分栏查看往期【经典文献】。
”Foster, D. Andrew, Mark R. Rosenzweig. Learning by Doing and Learning from Others: Human Capital and Technical Change in Agriculture. Journal of Political Economy, 1995, 103(6): 1176-1209.
文章提要
政策制定者往往假设知识有正外部性，并且可以通过社会网络（social network）扩散。这就是说，人们会主动向自己的邻居、朋友、以及其他人学习新的知识。不过，仅仅发现人们的行为和他们的邻居相似并不足以佐证学习行为的存在。这是因为，行为的相似完全可能是由某些不可观察的变量引起的虚假相关（spurious correlation），或者只是源于某种与学习无关的随大流（mimicking or social pressure）心态。对于农业技术来说，采用新的投入品或种植方法都面临一定风险，需要逐渐推广和调试。在这接受新技术的过程中，鉴别农户是否向邻居学习的关键在于判断某人的生产率与邻居的生产率是否相关。
Foster 和Rosenzweig 运用目标投入（target-input）模型来考察农户如何通过向相邻农户学习来获知一种新农业投入品的最佳使用方法。在另一些关于新农业技术采用的模型中，技术的风险体现在采用技术后的产量波动上。而在目标投入模型里，技术的风险体现在技术最优使用方法的不确定性上。具体而言，每一年，农户可以自己选择使用一定量的新投入品。他选择的用量与一个含有随机成分的最优使用量之间的绝对差距决定了他的收获量。这个差距越大，他的收成越低。每年收获之后，该农户都可以推算出当年的最优使用量是多少，并积累经验。Foster 和Rosenzweig 认为，在发展中地区邻居是重要的信息源，而目标投入模型更适合研究相互学习的行为。该模型能够可以依据“技术知识不断积累”的事实推导出可检验的假设。
作者选择了印度1968到1971年“绿色革命”（Green Revolution）时期，四千多户农户的生产面板数据来进行研究。这期间，印度推广了高产水稻和小麦品种。这些新品种的产量对于化肥、农药和灌溉使用量都相对敏感，投入量过多或过少都会使产量的下降。当然，农户也可以不使用新种子。而传统的水稻和小麦品种对于投入品的使用量不敏感。为了更好地描述印度的实际情况，作者把种植规模和新种子的使用都设为自变量。利用贝叶斯推断（Bayesian inference）的原理，农户可以通过观察自家田地和邻居田地的“投入-产出”关系来不断地学习。逐渐地，他选择的使用量与最优使用量的绝对差距越来越小。在这个过程中，“从干中学（learning by doing）”和“向他人学（learning from others）”一起帮助了该农户更好地利用新技术。
为了消除选择使用新种子的内生性，作者对变量取了一度差分（first difference）。农户自己的经验用其累计使用了高产种子的田块来衡量，而他人的经验则用邻近农户累计使用高产种子的田块数的均值来衡量。数据显示，自己和邻居的经验对是否使用新种子和使用效果有显著影响，尤其是在新种子刚刚推广开来的几年。当一个农户的邻居越有经验，他就越愿意使用新种子，并能够因此获得更高的利润。作者强调，经验的正外部性值得政府重视。政府可以通过补贴敢于冒险试水的农户（early adopters）来促进新技术的推广。
关键词：学习新技术，人际网络，贝叶斯推断，印度绿色革命
版权说明：未经书面许可，本页刊发的内容禁止以任何形式转载或使用。转载事宜请联系：arepapers@163.com。
“农经好文章”关注农经领域（包括农业、资源、环境和发展经济学）的学术研究成果，精选并介绍新近发表在各大顶级期刊上的前沿文章，同时分享海外应用经济系博士生课程推荐阅读的经典文献。
搜寻账号：arepapers，或扫描二维码：
点击蓝字查看论文原文