农经好文章｜前沿研究｜AJAE 谁是你的好邻居？甄别有效的社会网络
图片来源：https://www.cartoonstock.com/
【前沿研究】分享近几年农业、资源、环境、发展经济学领域的前沿研究成果。我们将重点介绍文章的研究主题和结论及其在理论或实证方面的创新。
Measuring Social Networks' Effects on Agricultural Technology Adoption. American Journal of Agricultural Economic, 2013, 95(1):353-359.
Annemi Maertens and Christopher Barrett
新技术的采用可以对提高农业劳动的生产率和增加农民收入起到帮助。早期的研究关注农户是否能够进入投入品和销售市场（market access），农场和农户资产规模，以及农业推广（extension services）对于技术采用的影响。直到近十年，经济学研究才开始重视社会网络（social network）对于农户学习和采用新技术的重要作用。如何更好地利用已有的社会网络来协助传播新技术成为一个研究热点。
所谓社会网络是某人及其拥有的信息、经济、物品、和服务关联（link）所构成的一个系统。关联的程度有深有浅，关联引起的交流有多有少，关联的重要性有大有小。无数的关联将人和其所在的社会连接起来。识别和甄选这些关联，并且度量它们对于技术采用的作用是一个重要的课题。
Maertens 和Barrett 总结了现有各种研究方法的优劣。考察技术采用的模型通常假设一个农户的目标是最大化未来多期农业利润的折现值。农户可能需要学习新投入品价格与产出价格的关系或最佳投入量（见【经典文献】第17期）等。农户从旁人的使用经验中学习、更新关于新技术的知识。不过，由于间接观察到的信息不全，这是一种不完全的学习（incomplete learning）。不同的农户对于间接观察得到的知识往往存有不同程度的不信任。
甄选出农户学习的有效社会网络并非易事。最简单的方法是把农户所处的整个社区（如一个村）当做有效的社会网络。但是如此粗略的定义往往使研究者难以从数据中找到合适的外生数据差异源（exogenous source of variation）。另外，研究者也可以选用“滚雪球”的方法，从一个基准农户开始慢慢拓展找出一层一层的社会网络关系。但是这个方法会导致取样有失代表性（representativeness）。研究者亦可让农户直接列举自己的学习对象。不过，如何设计调研问题又成了一个难关。
在这篇文章里，Maertens 和Barrett 以印度三个村庄的农户为例，研究了社会网络对于使用抗虫棉花种（Bt cotton）的影响。他们采用了样本内随机匹配（random matching within sample）的方式来构建一个农户的社会网络。这个社会网络里包括随机匹配的样本农户和四个固定的领头农户（progressive farmers，即村中的种植能手）。利用Probit 模型，作者发现，人际关系是否带来技术学习受到双方的收入和要素禀赋影响。禀赋相似的人更倾向于互相学习。另外，农户也常向领头农户学习。农户在其他社会活动中的关联也对他们在技术上的互相学习有正面影响。
关键词：社会网络，技术采用，不完全学习，技术推广
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，精选并编译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