退耕还林背景下农户收入的社会网络效应分析——以四川南江县白滩村为例

蓝 菁，盛 君，余奕宁，刘 震

（1.南京农业大学土地管理学院，江苏 南京 210000； 2.南京师范大学商学院，江苏 南京 210000）

退耕还林背景下农户收入的社会网络效应分析
——以四川南江县白滩村为例

蓝 菁1，盛 君1，余奕宁1，刘 震2

（1.南京农业大学土地管理学院，江苏 南京 210000； 2.南京师范大学商学院，江苏 南京 210000）

研究目的：探讨退耕农户在生产力安排和收入结构方面是否存在同群效应或者互补效应，以及劳动力流动、退耕还林政策因素对农户收入结构的影响机制。研究方法：考虑农村社会网络内部农户间互动对其决策的影响，利用空间权重矩阵精确且全面地捕捉和定位社会网络复杂关系，构建空间计量模型展开分析。研究结果：（1）在白滩村社会网络体系中，农户的农业收入比增长1%，其亲戚邻居的家庭农业收入比降低6.7%，这一情况反映了劳动力由农业部门向非农部门转移而产生的社会网络“互补效应”；（2）白滩村退耕程度越高的农户，其农业收入占家庭总收入比例就越高，退耕程度每增加1%，农业收入比将提高5.2%；（3）家庭总劳动力越多的，农业收入占总收入比例越低，其中家庭农业劳动力每流出1%，农业收入比减少3.2%。研究结论：（1）将白滩村社会网络的互补效应应用于其农村信息共享平台建设；（2）通过鼓励种植收入较高的经济林提高农民退耕还林积极性；（3）以就业为核心促进白滩村剩余劳动力转移。关键词：土地经济；农户收入；空间计量；社会网络效应；退耕还林

中国的退耕还林工程作为世界上最大的生态补偿政策（PES）之一，通过有条件补偿调动了农户参与生态保护工程的积极性，取得了生态改善、农业增效、农民增收的良好综合效益[1]。退耕农户作为退耕还林的利益主体，其生产生活变化受到学者的广泛关注，从研究结果来看，主要包括以下两个方面：一是农户利益层面的研究，诸多学者从经济、环保、政策等角度出发，围绕农户切身利益，对退耕户的农业生产结构、农民收益、家庭劳动力流动、粮食安全等方面展开了大量调查研究[2-6]；二是围绕农户利益产生的问题研究，主要集中在农户的可持续生计、退耕还林意愿、政策响应行为等方面[1，7-8]。通过上述研究可以发现，现有文献多集中在农户独立个体层面，而忽视各农户之间相互联系形成的社会网络关系对其决策的影响。潘静，陈广汉研究发现，农村家庭劳动力流动受社会互动效应的影响，村庄劳动力流动提高了农户家庭劳动力流动率[9]；Irwin，Bockstael认为农户对于给定地块的开发受到相邻的地块开发状态的影响，邻里的相互作用显著影响农户在土地利用类型方面的抉择[10]。中国农村这种特殊的“社会网络”通过影响农户劳动力分配、土地利用方式等行为决策，进而对农户收入产生影响[11-12]。如果在研究退耕还林对农户收入影响时忽略社会网络效应，可能会对研究结果产生一定偏差。

在社会网络数据的处理过程中，空间计量方法不仅可以弥补传统OLS回归不能考虑空间依赖性的缺陷，同时可以以遗漏变量形式考虑社会网络内媒体、政府、文化传统等隐性影响因素，能够精确且全面的分析社会网络数据之间错综复杂的双向关系[13]。鉴于此，本文以四川南江县白滩村实地调查数据为基础，引入空间计量模型，探讨退耕农户在劳动力安排和收入结构方面是否存在同群效应或者互补效应，以及劳动力流动、退耕还林政策因素对农户收入结构的影响机制。

1 理论分析及假说

Wellman在1988年提出了关于社会网络比较成熟的定义，他认为社会网络（social network）是由个体间的社会关系构成的一个稳定的网络系统[14]。本文所涉及的村庄社会网络关系主要包括：亲缘关系和邻居关系。农村的“熟人社会网络”不仅构建在亲缘、地缘与血缘之上，还在千百年的人际交往中得到深化，其孕育的信任与道德规范已然成为了一种文化背景[15]。生活在这种文化背景下，农户行为常受到熟人影响，形成家庭农业收入比重的“同群效应”或“互补效应”。

“同群效应”（peer effect）是指，在同一社会网络中，农户由于信息接收不完全，往往通过观察网络中他人行为，使自己与他人行为保持一致。已有研究发现，在农户的劳动力迁移及土地开发决策的过程中，都存在“同群效应”现象[9-10]。在同一退耕还林政策背景下，社会网络的“同群效应”对白滩村农户行为起到的作用是：（1）使得退耕农户能够获得同一水平的种植、土地流转和就业等资源；（2）社会网络作为一种文化背景，能够规范农户的行为习惯，而且对相同政策背景、居住环境的退耕户作用效果相同[16]。因此，推测在“同群效应”影响下，退耕农户倾向于与他人保持一致的种植、土地流转或就业决策，从而导致农户间的农业收入比呈现正相关关系。

而“互补效应”（complementary effect）指的是，由于社会网络中存在较高程度的社会信任，农户之间往往形成一种互助互惠现象，例如外出就业的农户将土地交给在家务农的熟人代耕，形成行为的互补效应。Fafchamps研究认为，社会信任水平随着村庄社会资本存量的增长而提高，此时越容易达成农户之间的合作[17]。Milinski发现，农户间的社会信任可以促成更多的互惠行为，从而带来声誉以产生更高水平的合作，而具有较高信任水平的农户一般具有较强意愿与“熟人”合作，容易表现出与他人的互惠行为，促成集体行动[18]。同时，发生在社会熟人网络中的土地交易可以提高交易双方的信息透明度，规避风险并降低交易成本[19]。因此，推测白滩村农户在退耕还林之后，一部分没有林地种植经验的农户外出务工，并将土地流转给熟人耕种，形成外出务工、留村务农互补行为的同时，其农业收入比重也形成了“互补效应”。

综上所述，因农村社会网络对农户的农业生产安排影响的实现路径不同，社会网络对农户农业收入的影响呈现出不同的效应——“同群效应”或“互补效应”。 将此理论背景应用到白滩村的例子中，提出本文的研究假设：家庭农业收入比重受社会网络中其他家庭农业收入比重影响，存在相互关系。而“同群效应”或“互补效应”谁占主导？需要依赖于实证研究检验得出。

2 数据分析和计量模型构建

2.1 数据来源及描述分析

四川省南江县白滩村地理位置偏僻，交通不便，村民内部社会联系较频繁，而与其他村落的社会联系较少，可近似看成一个封闭的社会网络群体，因此白滩村农户样本适用于本文进行研究社会网络效应对农户收入的影响。

本次调查时间为2015年，农户收入、劳动力、供养老人子女等信息为2014年末状况，共调查了233户农户家庭，除去在外定居及与其他村民无社会联系的农户家庭（只剩老人，无子女亲戚、邻居等情况），本次调查有效数据共有191户，劳动力共计438人，户均总收入36879.4元，户均农业收入3946.7元。

农业收入比（Y），用家庭农业收入（包括种植、养殖、林业收入）/家庭总收入表示，为本文空间计量分析中的因变量。作为外生解释变量的农户特征（Xi，i=1，2，3，…，7），包括教育（户主的受教育年限）、家庭总劳动力、外出劳动力、家庭老人数、家庭子女数、农机资产、退耕度（退耕地面积/林地总面积）。四川南江县白滩村实施退耕还林政策长达15年，户均退耕度达37.9%，最小退耕度1.9%，最大退耕度100%，可见退耕还林政策在白滩村实施较彻底，退耕程度较高。

2.2 空间计量模型

在空间计量经济学理论中，一个地区空间单元的某个经济地理现象或者某一属性与相邻空间的同一个现象或属性是相关联的[20]。如果忽视各数据中存在的地理关联性，而用传统的计量方法分析村庄农户的收入变化，必然会导致模型存在偏差。空间关联性主要体现在计量模型因变量和误差项的滞后项上，空间计量模型因此可以划分为两种基本模型：空间自回归模型（spatial autoregressive model，SAR）①也称空间滞后模型（Spatial Lag Model）或混合回归模型（Mixed Regressive Model）。和空间误差模型（spatial error model，SEM）。在将数据带入空间计量模型之前需要判断数据间是否存在空间自相关性，同时将村民的社会网络关系数字化为空间权重矩阵，作为模型中衡量村民空间关系的重要系数。

2.2.1 空间自相关的判断 空间自相关性指的是具有地理联系的人或物之间的经济现象相互影响，在对研究对象进行空间计量模型估计之前，需要判断数据之间是否存在空间自相关性，一般利用统计量：空间自相关指数——Moran’s I。基本公式为：

在原假设：数据间不存在空间自相关情况下，Z服从正态分布，给定某个临界值k，如果Z＞k，则拒绝原假设，数据存在空间自相关性，反之则不存在。

2.2.2 权重矩阵的设定 本文将村民社会网络关系数字化为地理邻接矩阵（contiguity matrix），以此来代表空间权值矩阵。一张社会网络关系图是由一系列相互关联的节点组成，这些节点可以是个人、团体、组织或实物（比如文字、工艺品，甚至思想）[21]，本文研究的节点是白滩村的农户家庭，农户之间的社会联系从是否邻居、是否亲戚两个维度来衡量。当第i个农户与第j个农户存在社会联系（即存在邻居关系或亲戚关系），则Wij= 1，否则Wij= 0，且W矩阵的对角线元素都为0。下面是一个代表3个农户网络的邻接方阵W的列子：

图1中，农户1与农户2存在邻居或亲戚关系，即社会关联，农户2和农户1、3存在社会关联，农户3与农户2存在社会关联。这一关系就可以由下面的方阵来表示：

图1 社会关系网络图Fig.1 Sociogram

2.2.3 空间自回归模型与空间误差模型 空间自回归模型主要研究各变量在一定范围的扩散现象，其空间滞后可以来自不同的方向，并且可以双向。根据空间自回归基本模型的设定，本文的空间自回归农业收入比模型为：

式（4）中，Yi表示农户i的农业收入占总收入比例，用以衡量农户的种植、林业等收入在家庭收入结构中所占比重；代表农户i、j是否存在邻居、亲戚关系的空间权重矩阵元素；为空间滞后因变量，指的是除农户i外其他农户农业收入比的加权总值；Xi为户主受教育程度、家庭劳动力数、外出劳动力数等代表农户i家庭特征的一系列外生解释变量；β0为误差项，ρ为空间自相关系数，β1为系数矩阵，εi为残差扰动项。

空间依赖性还可能通过误差项的滞后项上体现。本文的空间误差农业收入比模型为：

式（5）中，εi为农户i观测值的随机误差项；为空间滞后误差变量，指的是除农户i外其他农户观测值的误差冲击加权总值；λ为空间误差系数，μi为残差扰动项。参数λ衡量了数据中的社会网络效应，但这种效应是存在于误差扰动项之中的，实际上是以不可观测的形式影响农户的农业收入比，例如农户的农业种植技术以及农户得到的外出工作信息等，这些不可观测的因素就体现在模型的残差中。

3 实证分析结果

3.1 空间自相关性

Moran’s I可视为观测值与其空间滞后的相关系数，其取值一般介于-1—1，大于0表示数据存在正的空间自相关，也即低值与低值相邻，高值与高值相邻；小于0则表示数据存在负的空间自相关，也即低值与高值相邻；等于0表明空间分布是随机的，不存在空间自相关。表1可以看出，农业收入比的全局莫兰指数为-0.124，且在5%的置信水平上显著。表明白滩村村民各家庭的农业收入比呈现负相关关系。

表1 全局莫兰指数Tab.1 General moran index

图2 局部莫兰散点图Fig.2 Part moran scatterplot

图2是由Stata软件进行局部空间自相关检验后，将观测值与其空间滞后绘成的散点图，称为莫兰散点图（moran scatterplot）。图中第一象限为HH区域，即农户i与其亲戚邻居的农业收入比均较高，存在空间正相关，差异程度小；第二象限为LH区域，即农户i的农业收入比较低，而其亲戚邻居的较高，存在空间负相关，异质性突出；第三象限为LL区域，农户i与其亲戚邻居的农业收入比均较低，存在空间正相关，差异程度小；第四象限为HL区域，农户i的农业收入比较高，其亲戚邻居的则较低，存在空间负相关，异质性突出。从图1可以看出，趋势线分布于二、四象限，斜率为莫兰指数-0.133，即白滩村农户间的农业收入比存在较明显的负相关关系。由全局和局部空间自相关检验结果可以得出，本文数据存在负的自相关性，不能运用传统的OLS回归进行估计，而需要纳入空间依赖性的空间计量模型来分析数据。

3.2 回归分析

经过空间自回归模型和空间误差模型处理后的回归结果显示，SAR模型的自然对数似然函数值（loglikelihood）为114.5，大于SEM的对数似然值（113.2），且SAR模型的rho值在1%水平上显著，SEM模型的lambda值不显著。因此下文将在拟合效果更好的SAR模型结果基础上对农户农业收入比进行分析。

3.2.1 农户特征变量分析 回归结果中，退耕度这一变量的系数在10%的水平上是显著的，这表明白滩村农户退耕面积占总林地比例每提高1%，该农户的农业收入占总收入比例将提高5.2%，即农户的农业收入比重与退耕还林程度呈现正相关关系。已有研究显示，退耕还林工程对农户收入产生了积极影响，统计结果显示，农户退出的耕地多为低产田或望天田，对从事耕地生产经营所获收入的影响并不大，且农业收入和退耕还林补贴款的总收入大于退耕还林前的总收入[8，22]。作为后退耕时期的白滩村，一方面，村庄农户在土地退耕之后，因为在同等面积的土地上林业投入劳动力不到农业的1/3[2]，农户有足够时间去从事收入更高的经济林种植或畜牧业生产，据访谈过程中发现，白滩村同面积林业，特别是经济林的收入要高于同面积农作物所带来的收入。另一方面，退耕还林程度越高，理论上所获取的补贴就越高，农户就越容易释放资金流动性约束[23]，从而更高效率选择劳动边际报酬更高的生计类型[24]。因此可以解释农户退耕还林面积越多，农业收入占总收入的比例越高的现象。

家庭总劳动力数、外出劳动力数在1%的水平上显著负向。结果表明家庭劳动力总数与农业收入比存在负相关，且外出劳动力每增长1%，农业收入比降低3.2%。已有研究认为，退耕还林后，农户束缚在土地上的劳动力被释放出来外出务工，或者增加副业[1，6]。在农村社会互动网络背景下，亲友、邻居的收入信息共享使得退耕农户在权衡比较之后，倾向于外出务工来获取更高收入。当农户退耕之后，经营土地所需的劳动力不变甚至减少的情况下[2]，家庭总劳动力越多，流出的也就越多。

其他变量结果中，农机资产、户主受教育程度显著，家庭老人数和子女数系数并不显著。作为家庭生计物质资本的农机资产因素每增长0.1个单位，农业收入比上涨0.01%，一定数量的农机可以协助农民进行农林耕作，扩大规模，提高农业收入，但是影响程度很小。作为家庭生计人力资本的教育因素，每增长0.1单位，农业收入比降低1.2%，当户主的文化程度越高，“恋土情结”越弱，对非农工作的适应能力越强，在对家庭劳动力分配时会倾向于外出务工来获取更高收入，但是研究结果显示教育因素影响并不大。

3.2.2 社会网络效应分析 由模型结果可知，无论是SAR模型，还是SEM模型，农业收入比的空间相关系数都为负，其中SAR模型的值为-0.0673，通过1%水平上的显著性检验。说明白滩村农户间的农业收入比是相互影响的，存在相关关系，假说得到验证。同时，模型结果进一步证明这种相关关系为负，农业收入比重存在“互补效应”，而非“同群效应”。当农户i的农业收入比提高1%，其亲戚邻居的农业收入比会降低6.7%。这需要对该现象产生的原因进行解释。

调研数据统计结果显示，白滩村83.7%的农户都有劳动力外出务工的现象，而在访谈中也发现，家庭外出劳动力较多的农户，由于无力照看土地（包括林地和耕地），会将土地交给其亲戚邻居代耕，或者以低廉的价格流转出去，土地流转现象较为普遍。在以亲缘、邻居构成的农村社会网络中，传统的熟人社会能够增加农地转出户找到合适出让对象的机会，同样的，也能增加农地转入户如愿流转入土地的机会。大量现有的研究证实了以上观点。陈浩认为社交圈中的土地流转是通过降低交易成本而实现的；Mota等则从增加信息透明度，减少搭便车行为来解释土地流转多局限于社交网络的现象；Robison等在其社会资本与农地交易一文中提出，社会资本不仅促进了农地交易，还降低了土地出让方的意愿价格[16，25-26]。因此，在农村社会网络中，农户在流转土地时首先考虑其亲戚邻居，无疑是降低交易成本、实现风险最小化的最优选择。

同时，研究表明纯农户的土地流入意愿较强，而兼业农户的土地流出意愿较强[27]。当农户i的亲戚邻居兼非农业较多时，或农业收益不佳时，倾向于流出土地。同时，农户i兼非农业较少，或农业收益较高，倾向于流入土地。受传统的社会网络影响，如图3所示，农户i的亲戚邻居将土地流转给i，i的土地规模扩大，农业收入相应增加，而流出土地的农户i的亲戚邻居因为外出务工导致非农收入增加，农业收入比降低。农户之间这种劳动力安排的互补关系、协作关系，不仅充分利用了网络内的闲置土地、人力资源，同时优化了农业生产结构。因此，在社会网络的互补效应的影响下，农户与其亲戚邻居的农业收入比呈现负相关关系。

图3 农户收入社会网络影响Fig.3 Social network effects of rural household income

4 结论与启示

本文运用空间计量方法，分析四川南江县白滩村在后退耕时期农户收入之间的相关关系，以及退耕程度、劳动力流动因素对农户收入的影响，最终得到以下几个主要结果：（1）在白滩村社会网络体系中，农户的农业收入比增长1%，其亲戚邻居的家庭农业收入比降低6.7%，这一情况反映了劳动力由农业部门向非农部门转移而产生的社会网络“互补效应”；（2）白滩村退耕程度越高的农户，其农业收入占家庭总收入比例就越高，退耕程度每增加1%，农业收入比将提高5.2%；（3）家庭总劳动力越多的，农业收入占总收入比例越低，其中家庭农业劳动力每流出1%，农业收入比减少3.2%。由此可以得到如下启示：

（1）将白滩村社会网络的互补效应应用于其农村信息共享平台建设。研究结果显示，受社会网络影响，在家务农的农户倾向于流入土地，农业收入比增加；而与其处于同一社会网络中的亲戚或邻居则倾向于流出土地、外出就业，农业收入比降低，即非农收入比增加。因此，相关政府部门可以考虑充分利用农村社会网络效应，立足于服务当地农民，建立村级就业、土地流转信息共享平台。此举一方面可缓解农民就业信息不对称，增加就业渠道，提高农民收入；另一方面利用信息共享平台扩展社会网络的规模，使其在土地流转中能够充分发挥作用，以促进土地流转市场不断完善。

（2）通过鼓励种植收入较高的经济林提高农民退耕还林积极性。由白滩村现状来看，退耕程度越高，农户的农业收入比越高，其中林业收入是农户农业持久收入的主要来源之一。在充分考虑市场需求、农民经营水平的前提下，第二轮退耕还林可考虑发展“民生林业”，鼓励发展生态效益、经济效益相结合的林果业和林下经济，提高农民农业收入，以此调动农民退耕还林积极性。

（3）以就业为核心促进白滩村剩余劳动力转移。从研究结果来看，家庭劳动力总数越多的，农业收入比反而越低，说明农户农业生产存在剩余劳动力并有外出就业的流动迹象。相关部门应扫清农户非农就业的障碍，保障农民工应有权益，实现以就业为核心，推动农村剩余劳动力向城镇转移。

（References）：

［1］ 李树茁，梁义成，MARCUS W. FELDMAN，等. 退耕还林政策对农户生计的影响研究——基于家庭结构视角的可持续生计分析［J］ . 公共管理学报，2010，7（2）：1 - 10.

［2］ 胡霞. 退耕还林还草政策实施后农村经济结构的变化——对宁夏南部山区的实证分析［J］ . 中国农村经济，2005，（5）：63 - 70.

［3］ Yin Runsheng, Uchida Emi, Rozelle Scott, et al. Conservation Payments, Liquidity Constraints and Off-Farm Labor: Impact of the Grain for Green Program on Rural Households in China［M］ . Yin Runsheng. Springer Netherlands，2009：131 - 157.

［4］ 易福金，陈志颖. 退耕还林对非农就业的影响分析［J］ . 中国软科学，2006，（8）：31 - 40.

［5］ 陈国建，李锐，杨勤科，等. 大规模生态退耕对陕北丘陵沟壑区农村社会经济的影响——以县南沟和燕沟小流域为例［J］ . 中国水土保持科学，2004，（4）：48 - 52.

［6］ 朱明珍，刘晓平. 退耕还林工程对农户劳动力供给的影响分析［J］ . 林业经济，2011，（7）：47 - 53.

［7］ 徐晋涛，陶然，徐志刚. 退耕还林：成本有效性、结构调整效应与经济可持续性——基于西部三省农户调查的实证分析［J］ .经济学（季刊），2004，（4）：139 - 162.

［8］ 支玲，李怒云，王娟，等. 西部退耕还林经济补偿机制研究［J］ . 林业科学，2004，40（2）：2 - 8.

［9］ 潘静，陈广汉. 家庭决策、社会互动与劳动力流动［J］ . 经济评论，2014，（3）：40 - 50.

［10］ Irwin Elena G., Bockstael Nancy E. Interacting agents, spatial externalities and the evolution of residential land use patterns［J］ . Journal of Economic Geography，2002，2（1）：31 - 54.

［11］ Narayan Deepa, Pritchett Lant. Cents and sociability: household income and social capital in rural Tanzania［J］ . Economic Development & Cultural Change，1997，47（47）：871 - 897.

［12］ 张振，徐雪高，吴比. 新常态下农户家庭社会关系网络的收入效应研究——基于CHARLS数据的实证分析［J］ . 经济问题，2016，（6）：73 - 78.

［13］ 王夏洁，刘红丽. 基于社会网络理论的知识链分析［J］ . 情报杂志，2007，26（2）：18 - 21.

［14］ Wellman Barry, Berkowitz Stephen D. Social structures: a network approach［M］ . New York: Cambridge University Press，1988.

［15］ 苟天来，左停. 从熟人社会到弱熟人社会——来自皖西山区村落人际交往关系的社会网络分析［J］ . 社会，2009，29（1）：142 - 161.

［16］ Robison Lindon J., Siles Marcelo E., Jin Songqing. Social capital and the distribution of household income in the United States: 1980，1990，and 2000［J］ . Journal of Socio-economics，2011，40（5）：538 - 547.

［17］ Fafchamps Marcel. Development and social capital［J］ . Journal of Development Studies，2006，42（7）：1180 - 1198.

［18］ Milinski M., Semmann D., Krambeck H. J. Reputation helps solve the ‘tragedy of the commons’［J］ . Nature，2002，415（6870）：424 - 426.

［19］ 杨卫忠. 农村土地经营权流转中的农户羊群行为——来自浙江省嘉兴市农户的调查数据［J］ . 中国农村经济，2015，（2）：38 -51，82.

［20］ Anselin Luc. Spatial Econometrics: Methods and Models［M］ . Berlin: Springer Netherlands，1988.

［21］ Butts Carter T. Social Network Analysis with sna［J］ . Journal of Statistical Software，2008，24（i06）.

［22］ 李桦，姚顺波，郭亚军. 退耕还林对农户经济行为影响分析——以全国退耕还林示范县（吴起县）为例［J］ . 中国农村经济，2006，（10）：37 - 42.

［23］ Kelly Peter, Huo Xuexi. Land Retirement and Nonfarm Labor Market Participation: An Analysis of China’s Sloping Land Conversion Program［J］ . World Development，2013，48（C）：156 - 169.

［24］ Liu Zhen, Lan Jing. The Sloping Land Conversion Program in China: Effect on the Livelihood Diversification of Rural Households［J］ . World Development，2015，70（C）：147 - 161.

［25］ 陈浩，王佳. 社会资本能促进土地流转吗?——基于中国家庭追踪调查的研究［J］ . 中南财经政法大学学报，2016，（1）：21 - 29.

［26］ Mota Gabriel Leite, Pereira Paulo Trigo. Happiness, Economic Well-being, Social Capital and the Quality of Institutions［J］ . Working Papers Department of Economics，2008.

［27］ 张忠明，钱文荣. 不同兼业程度下的农户土地流转意愿研究——基于浙江的调查与实证［J］ . 农业经济问题，2014，（3）：19 - 24.

（本文责编：陈美景）

Analysis on Social Network Effects of Rural Household Income in the Context of Grain for Green Project: A Case from Baitan Village, Nanjiang County of Sichuan Province

LAN Jing1, SHENG Jun1, YU Yi-ning1, LIU Zhen2
（1. College of Land Management, Nanjing Agricultural University, Nanjing 210000, China; 2. School of Business, Nanjing Normal University, Nanjing 210000, China）

The purpose of this paper is to find out the influential mechanism of Grain for Green project on farmers’revenue structure in Baitan village, Nanjiang county of Sichuan province, and to explore if there exists peer effect or complementary effect in farmer’s production arrangement, and then to put forward policy advice for the second round Grain for Green Project. The research methods are that considering the impacts from the households’ interaction within rural social network on their decision, spatial econometric approach is applied to locate social network complexrelationship accurately and comprehensively. The results show that: 1）in social network system of Baitan village, when household agriculture income ratio increase 1%, their relatives’ and neighbors’ agriculture income ratio will decrease 6.7%. 2）For a rural household, the more farmland is converted to forest, the higher ratio of agricultural income takes up the family total income. When the ratio of Grain for Green degree increases 1%, the agricultural income ratio will increase 5.2%. 3）The more household labor exists, the lower ratio of agricultural income takes up family total income. When household agricultural labor flows out 1%, the agricultural income ratio will decrease 3.2%. The phenomenon reflects social network “complementary effect” in labor flow. It’s concluded that: 1）the complementary effect of social network should be applied to the construction of rural information sharing platform in Baitan village. 2）In order to enhance farmers’ enthusiasm for Grain for Green project, it’s necessary to encourage the development of commercial-used forests with higher income. 3）The rural remainder labor should be promoted to flow into cities to earn a living in Grain for Green areas.

land economy; rural household income; spatial econometrics; social network effects; grain for green project

F301

A

1001-8158（2017）03-0036-08

10.11994/zgtdkx.20170216.130503

2016-10-27；

2017-01-03

国家青年自然科学基金项目（71403125，71603126）；江苏高校哲学社会科学研究项目（2016SJB790008）；江苏省高校自然科学面上项目（16KJB210009）。

蓝菁（1983-），女，浙江丽水人，博士，副教授。主要研究方向为资源环境经济与可持续发展、土地经济与政策分析。E-mail: lanjing@njau. edu.cn

刘震（1982-），男，山东东营人，博士，副教授。主要研究方向为环境与资源经济、发展经济学。E-mail: zhenliu_cn@yahoo.com