社会网络的农地流转期限效应分析

常 伟

(安徽大学中国三农问题研究中心，安徽合肥 230601)

社会网络的农地流转期限效应分析

常 伟

(安徽大学中国三农问题研究中心，安徽合肥 230601)

社会网络对农地流转期限有着重要影响。结合安徽四区县1 010位农民田野调查数据，运用半对数线性农地流转期限模型和半对数线性农地流转期限交互模型，考察了社会网络对于农地流转期限的影响程度、方向与作用机制。结果表明:强关系、准强关系、准弱关系和弱关系均对农地流转期限有着显著影响，但强关系、弱关系、准强关系和准弱关系对农地流转期限的影响主要体现为间接影响而非直接影响。社会网络对于农地流转期限的中介效应通过个人特征、家庭特征和农地流转及认知状况体现出来。

社会网络；农地流转；期限效应；交互效应；中介效应

0 引 言

作为生产要素，土地具有其他生产要素所不具备的特殊属性。与资本、劳动、技术相比，土地流动性较差，位置更加具体，其形式更加直观，并且很难被完全替代，作为农业生产用地的耕地更是如此。而农地的不可移动性决定了土地制度的实施效果更加依赖于社会网络以及相关各方互动。这些均表明土地市场，尤其是农地市场并不是一个充分竞争的市场。包括强关系、弱关系等在内的社会网络在土地制度的实施过程中发挥了极为重要的作用。本文拟运用政府主导型农地大规模流转田野调查数据，借助于计量模型，研究包括强关系、准强关系、准弱关系以及弱关系等社会网络对农地流转期限的影响程度与作用机制。

根据社会学经典理论，社会资本可区分为基于血缘和亲缘关系维系的强关系网络以及为某种特定利益或目的而有意识建立的弱关系网络。Granovetter[1－2]根据关系特征的时间量、情感紧密性、熟悉程度和互惠交换将关系区分为强关系和弱关系，并指出在强关系网络中，个人社会网络同质性强，人们关系紧密、交往频繁且具有较强的情感因。而在弱关系网络中，个人社会网络异质性强，人们关系不紧密且没有较多感情维系，并认为弱关系网络有助于个人目标的实现。Palloni等[3]认为基于亲属关系的强关系社会网络并不必然对移民决策产生最有效最显著的影响，反而是熟人关系或更弱的关系帮助人们获得移民机会。刘林平[4]则指出强关系和弱关系均可以获得或提供信息。

针对强、弱关系的相关研究主要围绕就业和收入展开，其结论并不一致，甚至存在较大差异。Bian[5]对天津地区职业流动的研究表明，人们职位变迁通过强关系而非弱关系实现。翟学伟[6]用社会网络方法研究社会流动，并注意到弱关系会导致独立自由的个体在不同群体之间实现垂直或横向的流动，强信任会导致大批同质性群体流动到同一地区或同一企业。Pfeffer和Pilar[7]针对拉丁裔移民经济融入的研究表明，强关系和弱关系均对收入有积极影响。一项针对中国大学就业的研究表明，强关系在找工作时可获得更多便利，但不会提供更好的工作[8]。另有学者从农地流转视角讨论了强关系的作用，如常伟[9]的研究表明，强关系对于化解农地流转风险，维护农村稳定有着重要的现实意义。在另一篇文章中，常伟[10]考察了社会网络对农地流转租金的影响，指出准强关系对农地流转租金有着正向显著影响，强关系、准弱关系和弱关系均对农地流转租金有着负向影响。社会网络对于农地流转租金的影响主要表现为间接影响而非直接影响，其中准强关系对于农地流转租金有着间接正向影响，而准弱关系和弱关系对农地流转租金有着间接负向影响。

社会经济转型对于农民社会资本的影响主要表现为强关系和弱关系的变化。随着社会经济市场化的推进，传统文化的瓦解，人口政策的调整，全国范围内的人口大规模流动，进而带来了强关系比重的下降和弱关系比重的上升[11]。就中国农村社会经济发展而言，除强关系和弱关系外，还存在着农村干群关系。农村干部可以区分为村干部和乡镇干部。与普通农民相比，前者文化素质较高，多数人具有非农经历，甚至具有企业工作或参军经历[12]，但其身份依然是农民。后者一般属于国家公务员或事业单位工作人员。无论是村干部与农民的关系，还是乡镇干部与农民的关系，均具有强关系或弱关系的某些特征，但又不能简单地将其界定为强关系或弱关系。本文根据乡镇干部与村干部的身份性差异、与农民接触频率、是否具有感情因素等，对其加以区分，并分别将前者和后者界定为准强关系和准弱关系。

流转期限是农地流转决策的重要内容，但迄今为止对农地流转期限的研究很不充分。已有论述散见于其他研究中，且集中在流转期限划分、影响因素及农地流转期限的描述性研究。有学者注意到农地流转期限较短所带来的农地流转关系不稳定[13]，但也有学者注意到农地流转期限过长，并指出这可能与人地关系、农民收入以及对困难估计不足所致[14]。本文拟运用政府主导型农地大规模流转田野调查数据，结合经济学和社会学领域内的相关研究成果，对于农地流转期限开展研究，并着重考察强关系、弱关系、准强关系与准弱关系的作用和功能。这一研究有助于深化人们对农地流转问题的进一步理解，从而为分析农地流转问题提供一个新视角。

1 研究框架与相关研究假说的提出

1.1 研究框架

图1 研究框架

基于新古典经济学供求分析框架，供求双方博弈形成包括均衡价格等内容在内的相关合约。就农地流转而言，农地流转期限同样是农地流转各方通过市场机制进行博弈的结果。在博弈过程中，转出方与转入方各自具有对方所不具有的优势。基于本文研究的主要目的是从转出方视角考察社会网络对农地流转期限的影响，而影响农地流转期限的因素不仅包括社会网络，转出方的个人特征、家庭特征、认知状况乃至地域特征均在一定程度上对农地流转租金产生影响。这里将转入方行为视为黑箱，本文研究框架设定如图1所示。

1.2 相关研究假说的提出

自农村改革后，农地流转逐渐成为社会

各界关注的热点问题。与这种关注相比，流转期限则是个迄今尚未得到系统研究的重要问题。期限短表明契约不稳定，流转双方需支付更多的谈判执行成本。流转期限过长，农民则担心可能失去农地承包经营权。在农地大规模流转中，流转期限短则1年，长则30年。就政府主导型农地大规模而言，社会网络的影响主要体现在转出方与谈判对象的关系上。结合相关研究成果，本文拟运用田野调研数据，对于社会网络对于农地流转期限的影响开展实证研究。

1.2.1 社会网络对农地流转期限的影响程度

Granovetter将个人关系网络分为强关系网络和弱关系网络，并认为关系强弱决定了个人实现行动目标的可能性。Bian则强调指出，就中国而言，与弱关系获得信息的广度相比，强关系的有力帮助相对于个人实现目标更为重要。在农地流转过程中，不仅存在亲友间的强关系以及农民与转入方的弱关系，也同样存在着农民与村干部的准强关系以及农民与乡镇干部的准弱关系，它们对于农地流转的作用和功能显然存在较大差别。因此，我们提出社会网络与农地流转期限的如下假说:

假说1:不同类型的社会网络对于农地流转期限影响不同。

1.2.2 社会网络的直接影响与间接影响

社会网络会对农地流转行为产生影响，这种影响可以是直接影响，也可以是间接影响，也即与其他因素发生交互作用，并对农地流转期限产生影响。在本文中，农地流转被理解为一种经济行为，也即作为流转主体的个人或家庭经过慎重考虑，并与转入方通过强关系、准强关系、准弱关系、弱关系等社会网络进行博弈的产物。有鉴于此，本文提出如下假说:

假说2:社会网络对农地流转期限有直接影响和间接影响，但其间接影响可能更明显。

1.2.3 社会网络的中介效应

在本文中，社会网络的中介作用主要体现在社会网络变量对于其他变量系数的影响上。如果社会网络变量进入方程后导致相关变量的系数显著降低，而可决系数有显著提高，则表明社会网络对于该变量和流转期限的关系具有中介作用。有鉴于此，本文提出如下假说:

假说3:社会网络对农地流转期限具有中介作用，但不同变量的中介效应有较大区别。

2 数据来源、特征化事实与变量定义

2.1 数据来源与特征化事实

本文使用的数据均来自于2012年和2013年通过田野调研所获得的第一手资料。这次调研在安徽长丰、肥西、萧县和埇桥区举行，在流转项目区采取分组随机抽样方式面向农民群众发放并最终回收有效问卷1 010份。

结合实地调研数据，政府主导型农地大规模流转具有如下特点:(1)公权介入程度较高，与村干部、乡镇干部谈合同的农户所占比例分别为83.17%和7.92%，与转入企业谈的占16.14%，部分农户曾与谈判对象进行多次谈判；(2)农民对流转期限感知存在较大差异，在有效样本中，流转期限长则30年，短则1年；(3)流转期限存在显著的区域差异，各县区平均流转期限差异较大，肥西12.64年，长丰9.22年，萧县13.48年，埇桥区仅为4.70年。

2.2 变量定义与表述

为进一步研究社会网络对流转期限的影响，本文将来自埇桥区的数据设定为参照组，在此基础上对变量定义如表1:

表1 变量定义与描述

3 社会网络影响农地流转期限的方向与程度

3.1 农地流转期限模型

从研究方法看，如果将农地流转期限看作因变量，本文可以运用OLS线性回归模型对流转期限进行研究，其中因变量为农地流转期限。由于本文重点考察的是社会网络的农地流转期限效应。因此，可考虑建立社会网络与农地流转期限之间关系的基础方程，具体见公式(1):

Term为流转期限，X为社会网络变量，它可以是强关系、准强关系、准弱关系或者弱关系，β0为常数项，β1为变量系数，ε为随机扰动项，通过大样本数据可以估计相关参数。在此基础上，本文引入个人特征、家庭特征、农地流转、对于农地流转的认知状况以及区域因素等控制变量，建立方程见公式(2):

对公式(2)进行估计，即可判断社会网络对农地流转期限的影响方向与程度。

3.2 农地流转期限模型估计结果

本文采用Stata12软件并运用基于稳健回归的OLS方法，对于公式(1)、(2)进行估计。为了消除异方差效应，避免挤压小数据等问题，本文对家庭收入、每亩租金均取对数并进入方程，这样一来公式(2)就成了半对数模型。模型估计结果如表2所示:

表2 农地流转期限模型估计结果

模型(2)估计结果表明，在不考虑其他控制变量的情况下，强关系和准强关系与流转期限间存在着显著的负相关关系，而准弱关系和弱关系与流转期限间存在负相关关系，但并不显著，几乎所有类型的社会网络均与流转期限之间呈负相关关系。但线性模型可决系数仅为0.004 7，这表明，如果不考虑其他控制变量的影响，社会网络对农地流转期限的影响几乎可以忽略不计。在线性模型的基础上，继续引入个人特征、家庭特征、流转状况和地区因素等控制变量进行估计。考虑到家庭人均收入、农地流转租金水平等变量数值较高，为克服异方差效应，本文对家庭人均收入、农地流转租金水平等两个变量取对数后进入方程，并建立半对数线性模型。继而对于半对数线性模型进行化简，使所有变量均可以通过10%的显著性水平下的显著性检验，具体结果见表2中的半对数模型以及化简后的半对数模型。

3.3 社会网络与流转期限

表2估计结果表明，不同社会网络对于农地流转期限的影响方向和程度有很大区别，具体表现如下:

首先，就强关系而言，在线性模型中系数为－1.109 2。控制其他变量后，在半对数模型和化简后的半对数模型中系数分别为－1.643 3和－1.709 8，且均通过了显著性检验。这一计算结果表明，与亲友谈农地流转的农民转出期限反而相对较短，这可能是因为在农地流转过程中，由于亲友之间所掌握的信息具有很强的同质性，通过亲友所做的说服动员工作并不能坚定转出方对农地流转的信心，反而有可引发转出方更大疑虑。

其次，就准强关系而言，在线性模型中系数为－1.096 2。控制其他变量后，在半对数模型和化简后的半对数模型中系数分别为2.878 0和2.962 4，且均通过了1%水平下的显著性检验。这可能是因为在农地大规模流转谈判过程中，村干部具有较强的组织活动能力，且熟悉流转双方的需求，因而可以在促进农地流转，改善信息不对称，消除农民顾虑方面发挥积极作用。

再次，就准弱关系而言，在线性模型中系数为－0.310 1，并不显著。控制了其他变量后，在半对数模型和化简后的半对数模型中系数分别为0.786 0和0.762 7，且通过了10%水平下的显著性检验。这可能是因为，乡镇干部介入农地流转尽管干预了市场运行，但在农民看来，这种介入和干预却起到了乡镇政府为农地流转后果背书的效果，从而坚定了农民对农地大规模流转的信心，因而愿意选择较长的流转期限。

最后，就弱关系而言，在线性模型中系数为－0.154 5，并不显著。控制了其他变量后，在半对数模型和化简后的半对数模型中系数分别为－1.434和－1.385 1，且通过了1%水平下的显著性检验。这可能是由于农村市场经济发育不充分，作为转出方的农民与转入方因了解沟通不够而相互之间缺乏足够的信任。在互不信任的情况下，选择较短的转出期限不失为规避流转风险的一种有效方式。

4 社会网络影响农地流转期限的作用机制

社会网络影响农地流转期限的作用机制主要表现为交互效应和中介效应。在以上分析的基础上，本部分先从交互效应出发来讨论这种影响是直接影响还是间接影响?继而考察社会网络之于农地流转期限的中介效应。

4.1 社会网络的农地流转期限的交互效应

4.1.1 农地流转期限交互效应模型

上述研究建立在社会网络变量与控制变量互不相关的基础上的，考虑到社会网络变量对于农地流转期限产生影响在很大程度上不是单独作用的结果，而是与相关控制变量相互作用的结果，因此可以在公式(2)的基础上进一步建立农地流转期限交互效应方程，具体见公式(3):

对于公式(3)进行进一步改进，并将社会网络变量之间的交互项引入进来，我们便可以考察不同性质的社会网络之间的相互关系。如果其系数呈正显著，则不同性质的社会网络之间存在着明显的互补关系，如果其系数呈负显著，则不同性质的社会网络之间存在着显著的替代关系。如果其系数不显著，则表明不同性质的社会网络之间不存在显著的替代关系或互补关系。

4.1.2 农地流转期限模型

本文采用Stata12软件并运用基于稳健回归的OLS方法，对于农地流转期限交互模型进行估计。考虑到变量过多，在计算过程中我们在10%的显著性水平下对于所涉及的变量以及变量交互项进行化简。化简后的模型估计结果如表3所示:

表3 农地流转期限交互模型估计结果

续表3

表3估计结果表明，作为社会网络的准强关系、准弱关系与农地流转期限之间存在明显的直接作用，但强关系、准强关系、准弱关系与弱关系的交互效应表现得十分明显:

其一，就强关系而言，根据表2和表3给出的研究结果，强关系与流转期限之间存在显著负相关关系，但这种显著负相关并不直接表现为强关系与流转期限之间存在的显著负相关，而是表现为强关系与其他控制变量的交互效应。其中强关系与年龄、受教育年限、流转数量、每亩租金水平对数值以及地域变量萧县、长丰之间的交互效应主要表现为增强型交互效应，而强关系与耕地数量、收入含农业性收入、便于机收机、弱关系的交互作用主要表现为干扰型交互效应。但总体来看，强关系与农地流转期限之间的影响主要表现为干扰型交互效应。

其二，就准强关系而言，根据表2及表3给出的结果，强关系与流转期限之间存在着显著的正相关关系。具体来说，准强关系与流转期限之间存在显著的直接负相关关系，但这种显著的直接负相关被准强关系与其他控制变量之间的交互效应所抵消。这种交互效应既表现为准强关系与收入来源含非农经营性收入、对相关政策的了解程度、流转租金对数以及地域变量肥西、萧县的增强型交互效应，也表现为准强关系与收入来源含农业性收入、有利于农民增收、风险太大的干扰型交互效应。但总体来看，增强型交互作用不仅抵消了干扰型交互作用，并使得准强关系与流转期限之间存在的显著直接负相关关系被弱化。

其三，就准弱关系而言，根据表2及表3农地流转期限交互模型估计结果，准弱关系与流转期限之间存在着显著的正相关关系。具体而言，准弱关系与流转期限之间存在显著的直接负相关关系，但这种显著的直接负相关被准弱关系与其他控制变量之间的交互效应所抵消。这种交互效应既表现为准弱关系与单位面积租金对数、便于防治病虫害、风险太大、不适合本地以及地域变量长丰、萧县之间的增强型交互效应，也表现为准弱关系与便于机收机种的干扰型交互效应。研究结果表明增强型交互作用不仅抵消了干扰型交互作用，也完全抵消和弱化了准弱关系与流转期限间的显著直接负相关关系。

其四，就弱关系而言，根据表2和表3给出的研究结果，弱关系与流转期限之间存在显著负相关关系，但这种显著负相关并不直接表现为弱关系与流转期限之间存在的显著负相关，而是表现为弱关系与其他控制变量的交互效应。其中弱关系与风险太大、增收不明显之间存在增强型交互效应，而与性别、收入来源含工资性收入、收入来源含非农经营性收入以及强关系之间存在干扰型交互效应。总体来看，弱关系与农地流转期限之间的影响主要表现为干扰型交互效应。

最后需要指出的是，根据表3给出的研究结果，强关系与弱关系之间的交互项系数为负，且在农地流转期限交互模型通过了1%水平下的显著性检验。这表明就农地流转期限而言，强关系网络与弱关系网络之间存在着明显的替代关系。

4.2 社会网络的农地流转期限中介效应

在以上研究的基础上，本文继续从中介效应的视角来探讨社会网络影响农地流转的机制。中介效应可以区分为完全中介和部分中介。其检验原理是比较加入社会网络变量前后关注变量所发生的变化。若关注变量的系数出现显著降低，则社会网络对该关注变量和农地流转期限的关系具有中介作用。

表4 加入社会网络变量后引起控制变量系数的变化程度 单位:%

在以上研究的基础上，本文继续从中介效应的视角来探讨社会网络影响农地流转的机制。中介效应可以区分为完全中介和部分中介。其检验原理是比较加入社会网络相关变量前后关注变量所发生的变化。若关注变量的系数出现显著降低，则社会网络对该关注变量和农地流转期限的关系具有中介作用。

就个人特征而言，当准强关系进入方程后，年龄和受教育年限系数分别下降了103.52%和39.63%；当弱关系进入方程后，性别和年龄的系数分别下降了51.07%和93.28%。就家庭特征而言，当强关系进入方程后，家庭人均耕地系数下降了52.81%；当准强关系进入方程后，家庭人均耕地和收入含农业性收入的系数分别下降了144.51%和43.05%；当强关系进入方程后，收入含工资性收入的系数下降了46.17%。就农地流转及认知状况而言，当准强关系进入方程后，每亩租金对数、便于机收机种、便于防治病虫害、风险太大、不适合本地的系数分别下降了14.93%、13.34%、14.54%、14.18%；当弱关系进入方程后，了解程度、便于机收机种、便于防治病虫害的系数分别下降了11.80%、12.19%和15.96%。

综上所述，个人特征、家庭特征和农地流转及认知状况能够通过社会网络的中介效应影响到农地流转期限。个人特征、家庭特征和农地流转及认知状况对农地流转期限的作用部分通过社会网络实现。因此，社会网络是个人特征、家庭特征和农地流转及认知状况影响农地流转期限过程中发挥中介效应的关键性变量。

5 结论及政策含义

本文运用田野调研资料，对社会网络的农地流转期限效应进行考察，研究结果表明:包括强关系、弱关系、准强关系和准弱关系对于农地流转期限有着不同程度的影响，其中强关系和弱关系对于农地流转期限有着负向显著影响，而准强关系和准弱关系对于农地流转期限则有着正向显著影响。社会网络对于农地流转期限的影响既有直接影响，也有间接影响，但更多地表现为间接影响。社会网络是个人特征、家庭特征和农地流转及认知状况影响农地流转期限过程中发挥中介效应的关键性变量。

基于上述结论，本文政策含义如下:一方面，在市场经济大背景下，应充分注重社会网络在农地流转中的作用和功能，设法利用不同形式的社会网络促进农地有序流转；另一方面，在农地流转，尤其是欠发达地区农地流转过程中，尤其应设法发挥准强关系和准弱关系的相关作用，而不能一味寄希望于市场功能的发挥。

最后应指出的是，本文研究仍有值得改进之处:一方面，本文仅研究了政府主导型农地大规模流转中的流转期限选择问题，市场型农地流转期限选择问题同样十分重要，但至今尚未得到研究，这也将成为下一步的研究方向；另一方面，准强关系、准弱关系及其作用机理至今仍有一些重大理论问题有待澄清，这也将是另一个研究方向。

[1]GRANOVETTER MARK.The Strength of Weak Ties[J].American Journal of Sociology， 1973， 78(3):1360－1380.

[2]GRANOVETTER MARK.Economic Action and Social Structure:The Problem of Embeddings[J].American Journal of Sociology，1985， 90(6):481－510.

[3]PALLONI ALBERTO，MASSEY DOUGLAS S， CEBALLOS MIGUEL， et al.Social Capital and International Migration:A Test Using Information on Family Networks[J].American Journal of Sociology， 2001，106(5):1262－1298.

[4]刘林平.外来人群体中的关系运用——以深圳平江村为个案[J].中国社会科学，2001(5):112－124.

[5]BIAN YANJIE.Bringing Strong Ties Back in:Indirect Ties， Network Bridges， and Job Searches in China[J].American Sociological Review，1997，62(3):366－385.

[6]翟学伟.社会流动与关系信任——也论关系强度与农民工的求职策略[J].社会学研究，2003(1):1－11.

[7]PFEFFER MAX J， PARRA PILAR A.Strong Ties， Weak Ties， and Human Capital:Latino Immigrant Employment Outside the Enclave[J].Rural Sociology， 2009，74(2):241－269.

[8]OBUKHOVA ELENA.Motivation vs.Relevance:Using Strong Ties to Find a Job in Urban China[J].Social Science Research，2012，41(3):570－580.

[9]常伟.强关系的价值:基于安徽农地流转的实证研究[J].统计与信息论坛，2014(11):98－103.

[10]常伟.社会网络的农地流转租金效应[J].统计与信息论坛，2017(2):122－128.

[11]程昆，潘朝顺，黄亚雄.农村社会资本的特性、变化及其对农村非正规金融运行的影响[J].农业经济问题，2006(6):31－35.

[12]肖唐镖.什么人在当村干部?——对村干部社会政治资本的初步分析[J].管理世界，2006，(9):64－70.

[13]徐珍源，孔祥智.转出土地流转期限影响因素实证分析——基于转出农户收益与风险视角[J].农业技术经济，2010(7):30－39.

[14]黄延信，张海阳，李伟毅，刘强.农村土地流转状况调查与思考[J].农业经济问题，2011(5):4－9.

Farmland Transfer Term Effects of Social Networks

CHANG Wei
(China Three Rural Issue Research Center，Anhui University，Hefei230601，China)

Social networks have significant impacts on farmland transfer term.Based on the field survey data of 1010 peasants from four Anhui counties and by adopting semi－logarithmic linear farmland transfer term model and semi－logarithmic linear interaction farmland transfer term model， this paper investigates the degree， direction and mechanism of social networks'impact on farmland transfer term.The results show that strong relation，quasi strong relation，quasi weak relation and weak relation all have significant effects on farmland transfer term，but their effects on farmland transfer term mainly reflect indirect influence rather than direct influence；and that the mediating effects of social networks on farmland transfer term is manifested by individual characteristics， family characteristics， farmland transfer and cognitive status.

social network； farmland transfer； term effect； interaction effect； mediating effect

F321.1

A

2095－929X(2017)05－0096－10

(责任编辑高 琼)

2017－07－10

国家社科基金项目“政府主导型农地大规模流转问题研究”(12CJY052)；安徽大学农研院招标课题“安徽农地承包经营权确权过程中的问题及对策研究”(ADNY201510)。

常伟，男，安徽宿州人，博士，安徽大学中国三农问题研究中心教授，博士生导师，研究方向:农业与农村发展，Email:ahchangw＠126.com。