信息摩擦是技术采用潜在制约因素。人际关系可以作为重要的载体，通过人际关系可以了解并相信采用新技术。对扩散过程和方式有了更好的理解，人们选择采用新技术就有社会学习和识别最大化扩散的策略。网络理论在社会学习领域具有实际价值。本文推广的具体技术“坑栽”对非洲农村干旱地区的玉米产量有显著的改善潜力。且它是一种在马拉维基本不为人知的做法。因此，社会学习对于这项技术的传播至关重要。

在本文中，设计了学习模型与根据网络理论选择“最优”入口点的田野实验，考察马拉维的200个村庄推广新农技（坑栽（pit planting）和秸秆处理措施）的扩散过程。本文的目标是考察网络理论瞄准是否在加强一项技术传播上具有实用价值，且在扩散过程中产生社会学习和传播本质的新证据。 

本文使用扩散的“阈值模型”(例如Granovetter, 1978; Centola & Macy 2007;  Acemoglu et al.，2011)，它假设个体只有在被连接的情况下才会采取一种行为，至少有一个采用者的阈值，作为探索的基础。这是很重要的一类用于策略分析的模型，因为在这个特定的框架下，网络入口点的选择用来影响扩散变得至关重要（Akbarpour et al., 2017）。如果这项技术是新的，而且收集相关信息的成本很高，那么农民可能会理性一些。当他们的社交成员不了解这些信息时，他们也不会去寻找技术。当采用的净收益是巨大且明确的，那么一个单一的信息来源可能足以鼓励学习（然后采用），而且“门槛”非常低。技术扩散看起来像病毒感染，这个过程被称为“简单传染”。当学习是困难的，每个连接不能提供准确且相关的信息，农民可能需要多个来源的信息，因此阈值会增加，由此产生的学习过程被称为“复杂传染”。

阈值模型对较多的网络入口点给出了具体的预测，理论上，能有效地快速传播一种新技术。假设一家推广机构在一项新技术上可以培训两名农民。在“简单传染”下，如果推广机构想在未来3~5年获得采纳最大化，它会将网络入口点分散开来以减少重复和冗余。相反，如果技术扩散伴随着“复杂传染”，关键是训练有素的农民聚集在一起，有秩序地分享信息，能够提高一些接受者从多个来源同时学习的机会。我们田野实验设计就是基于这样的见解。

选择阈值模型的原因：

1）阈值模型是建立在自然状态下关于社会学习如何影响采用决定：一个农民从他的每一次社交中学习，根据农民的经验深度，可能需要更多或更少的联系激励他改变行为。因此，相对于其他扩散模型，阈值公式更自然地用学习模型建立。

2）阈值模型是扩散理论的重要组成部分。Granovetter（1978）的原始论文在谷歌学术上被引用了5000次。

3）阈值模型符合我国技术扩散的一些关键经验模式。例如，作为采用决策的关键驱动因素的联系人数量可以解释新技术的s型扩散模式（如Griliches 1957）。

该模型强调，当农民拥有足够的数量时，他们将获得信息通知联系人。然而，只有当从社交网络中获得的信息是足够积极的，他们才会采用新技术。这证明了模型的两个不同预测。

预测1:如果一个村庄的大多数农民都有一个门槛，至少连接到这个阈值，农户自身对信息就是了解的。

预测2：采纳好处的扩散应该在拥有高净值的农民中增加得最强烈，他们将采用更广泛的接收信号。

在实施实验之前，我们收集了在马拉维的200个村庄关于农业的社交网络普查数据。然后对这些数据进行模拟以识别理论上最优的入口点(“种子农户”)，他将最大限度地传播有关新技术的信息，假设扩散过程是“简单传染”或“复杂传染”。然后，这些村庄被随机分配到这些目标策略中的一种(即“简单传染”或“复杂传染”)，马拉维的推广服务通过理论模拟选择了培训“种子农民”。经过培训后，要求“种子农户”传播这些农技信息。然后,我们跟踪这些村庄未来2~3年的采纳模式。

一般，农业推广员负责30~50个村庄，这意味着与村民的直接接触很少。推广机构依靠少数主要农民来解决推广员短缺问题，但没有激励他们通过社会学习来传播知识。在这一背景下，在扩散过程中最大化社会学习的范围可能是提高推广有效性的一种经济有效的方法。

实验设计：首先为样本中的每个村庄选择了一种新农技，并与马拉维农业部合作，让他们的推广员只培训每个村两名“种子农户”，让他们都用上了新技术。实验处理只会改变这些“种子农民”被选择的方式，并保持所有其他方面的培训内容和方式不变。

在采纳决策模型中有三个关键的阶段：1）农户是否获取信息；2）他合并传播者和新信息；3）他是否采纳新技术。这种仅为单个有见识的接触可能足以促使农民寻求信息的扩散过程被Centola和Macy（2007）称为“简单传染”。他们证明了一些信息的类型，如工作机会，以这种方式传播。另一方面，如果与成本或其他农民的信息相比，这项技术的预期好处要小得多准确性低，那么农民可能只有在足够的信息时才会被说服去寻找从他们的社交网络中获取的信息。这种信息扩散被称为“复杂的传染”。

四个处理组：

1）简单传染:应用于网络关系数据的简单扩散(λ=1)模型  

2）复杂传染:应用于网络关系数据的复杂扩散(λ=2)模型  

3）距离处理:复杂扩散(λ=2)模型应用于网络数据仅使用地理上的接近  

4）现状基准:推广员根据自己对当地的了解来选择种子农民，这包括要求村长提名一对推广伙伴，类似于我们外部的许多推广员通常所做的工作研究背景。 

注意，简单、复杂和距离选择“种子农民”的策略都在200个村庄模拟，所以我们知道，例如谁是最理想的简单传染“种子农民”在一个村庄随机分配到“复杂传染”或距离处理。标签反事实的最优农民是“影子种子”或“影子农民”。

“种子农户”的培训

分配到该村的推广员培训了两名“种子农民”。如果前两名中有一人拒绝参加，可以换下一个备选的“种子农民”。拒绝并不常见：接受过培训93%的被选中的“种子农户”或他们的配偶。“种子农民”如果自己第一年采用，就会收到一份价值8美元的小礼物。

在对种子农民进行培训后，我们一共收集了三轮入户调查数据。

社交网络普查数据：社交网络普查的主要重点是引出在做出农业决策时提供咨询每个被调查者的名字。收集家庭组成的一般资料、家庭的社会经济特征，一般农业信息和工作群体会员人数等信息。农业联系有以下几种方式: 首先通过询问一般与他们讨论农业的农民。为了更深入地探究，我们也提出了这个问题。如果有的话，他们会回忆过去五年的经历：1）改变耕作方式；2）尝试新品种；3）尝试了一种新的堆肥方法；4）改变了用于作物的肥料量；5）尝试一种新的作物，如辣椒粉、烟草、大豆、棉花或甘蔗；6）开始使用其他任何新的农业技术。如果他们的回答是肯定的，我们就会问受访者要求说出他们认识的人过去曾经使用过这种技术，以及是否使用过他们咨询了这些人。

最后，我们问他们是否与农户亲戚、教堂或清真寺的成员讨论过，或者他们经常去农民的田地，或者与他人共同从事农业活动。这些回复匹配到村庄列表以识别链接。如果一方被点名，则个人被认为是有联系的(无向图)，以及一个家庭中的所有个体都被认为是有联系的。

抽样家庭调查数据：我们收集了关于农业技术、投入使用、产量、资产和其他方面的调查数据，200个样本村庄约5,600个家庭样本。试图调查每个村庄的所有“种子农民”和“影子农民”，并随机抽样24个其他农户，每村共约30户。在人口不足30人的村庄家庭进行普查。在Machinga和Mwanza在2011年、2012年和2013年进行了调查，并于2012年和2013年在Nkhotakota进行了两轮调查。

随机化和平衡：区域固定效应、P值、联合测试等。

图1显示了部分村庄的例子，这些村庄的网络连接映射出来“简单种子”、“复杂种子”和“基准种子”。在“复杂传染”中，两个种子要么直接相连，要么有至少有一个共同的朋友。在“简单传染”中，最优的种子被散布开来，以达到更多的目标。基准种子农户之间的关系很少非常密切，因此他们不太可能引发当决策受复杂传染模型控制时扩散过程。

本文发现，理论驱动的目标优化“种子农民”会比基准方法带来更大的技术扩散。基于阈值理论瞄准的采纳率比依靠推广员找“种子农户”增加了3%。试验历时3年，坑栽的采纳率从0%增加到整个村庄的10%左右。“基准”村在三年后45%坑栽无扩散现象。在用这个综合体挑选“种子农户”的村庄里传染模型中，相对基准，有56%的可能性除了种子农户外至少有一个人在村里采用坑栽。结果表明，与该部门现有的推广战略相比，只要简单改变基于社会网络理论的技术的培训对象可以增加新技术的采用。

个体了解坑栽的模型的预测随着时间流逝被削弱，知识在网络中扩散。可以通过知识的大量增长和采用来观察扩散类别：在与种子没有直接联系的群体中，意识从第一年的22%增强到第三年的39%，而“知道如何挖坑”从6%增加到15%，采用率从1%上升到4%。

即使是低成本的基于地理位置的定位策略，相对于基准，也在采用上取得了一些进展。然而，物理上的接近似乎并不是社交网络的一个很好的代理连接的变量。开发社会网络结构的其他低成本代理将会是未来研究的一个方向。作为第一步，我们开发了一个直观的算法来识别高效的推广伙伴，可以通过少量的访问来实现对数据的模拟。这表明这种方法将在技术采用方面产生巨大的收益。本研究提供了在社会学习的背景下对推广的更广泛的见解，也帮助我们检查是否网络理论预测能加速政策相关技术的传播。

总之，使用个体水平数据的分析表明，个体最初与没有直接联系的个体相比，接近受培训种子农户更有可能采纳。如果实验是基于社交网络的扩散，数据也表明了这一点有两个直接的联系，而不是一个，对于传播是很重要的。这是暗示支持复杂传染模型的证据是：农民可能需要了解多来源的信息。在获得信息之前，先建立联系，然后再自己接受。 

*文章来源：香樟经济学术圈

*侵权必删