虚拟嵌入视角下农户社交电商参与行为及其影响研究——以陕西设施冬枣为例

王婵，陈廷贵*，刘增金

（1. 上海海洋大学经济管理学院，上海 201306；2. 上海市农业科学院农业科技信息研究所，上海 201403）

农村电商具有市场信息、营销渠道和客户资源优势，在此销售模式下农户能够进行自主定价，进而显著提高其市场主体地位，是连接小农户与大市场的重要手段[1]。为支持电子商务进农村，国家高度重视村级电商服务站点和物流基础设施建设，“十四五”规划和2022 年中央一号文件中提出实施“数商兴农”工程，深入推进农产品出村进城。电子商务主要包括B2C、C2C 和类似微信、抖音、快手的社交电商模式。个体的经济活动嵌入于现实和虚拟社会网络中，现有研究表明，农户的亲缘、地缘社会网络有助于农产品销往外地市场[2]，个体在互联网中的关系网络与信任也是促成社交电商的关键因素[3]。截至2021 年，作为传统电商发展典型的淘宝村连续四年增量在1 000 个以上，与此同时，我国西部地区淘宝村数量仅为东部地区的1.5%，呈现出巨大的地域差异。此外，由于目前小农户仍是农业生产的重要主体，而现实社会网络并不能涵盖其全部社会关系，互联网普及与社交软件广泛使用所形成的虚拟社会网络也是不容忽视的重要组成部分，因此，深入探讨虚拟社会网络对西部欠发达地区农户社交电商参与行为的影响，对完善农村电商配套支持政策、促进农产品流通和增加农户收入具有重要的现实意义。

社会网络主要从加强信息共享、抑制机会主义行为和降低信任成本三个方面影响农产品交易行为[4]。 关于虚拟社会网络的影响，已有研究表明它能够提高农户的环境治理支付意愿[5]和返乡创业绩效[6]；在指标测度上，采用微信好友数量、是否与社交媒体中其它成员保持紧密联系作为虚拟社会网络的代理变量，目前尚未明确虚拟社会网络对农户社交电商参与的作用，本文聚焦虚拟社会网络对个体行为的影响，有助于丰富社会网络领域的研究内容。社交电商又称社交化电子商务，关于社交电商的定义主要侧重两个方面：一是关注社交媒体活动作为一种传播手段对商务活动的影响[7]，二是强调社交元素的融入，指出社交电商是基于人际关系网络的新型电子商务[8]。在社交要素与电商要素的深度融合下，社交媒体通过提高线上社区互动的可能性改善用户体验[9]，电商则成为增强社交属性的粘合剂，凸显了用户关系导向与商品交易导向[10]。

现有文献中对农户电商参与的研究主要围绕平台式电商展开，分析农户参与电商的驱动因素和后续影响。农户先前的创业经历、电商技能培训经 历[11]和自身的信息素养都能够促进其参与电商[12]，同时村庄网络状况改善也为农户参与社交电商创造条件[13]。关于农户参与电商的影响，特色农产品的电商销售能够促进农户增收[14]和农业绿色生产转型[15]，并改善农户的金融资本[16]，可见发展农村电商具有多重积极作用。截至2021 年6 月，我国农村地区的互联网普及率达到59.2%，微信、QQ等几大社交平台在我国的渗透率已超过97%，农户已经初步具备进行社交电商销售的网络条件。社交软件使用，即“虚拟嵌入”所形成的虚拟社会网络能否成为农户可利用的社会网络资本，推动其参与社交电商并如平台式电商一样发挥增收效应有待研究。同时，要素投入作为直接影响农作物品质和产量的基础性环节，在农业生产中具有重要作用，农产品销售方式和农业收入改变是否会影响农业生产投入，需要定量分析与实证检验。

鉴于此，本文基于嵌入理论，以陕西大荔设施冬枣产区种植户为例，使用302 份微观调查数据，采用内生转换模型（endogenous switching regression model, ESR），分析虚拟嵌入视角下研究区农户的社交电商参与行为，探讨其对农业收入和农业生产投入的影响，并通过反事实分析进一步检验社交电商参与对异质性样本的影响差异，旨在为破除地区间发展不平衡造成的农产品上行困境、拓宽销售渠道提供借鉴参考。

1 理论分析

1.1 虚拟社会网络与农户社交电商参与

基于新经济社会学，嵌入实质上是由社会关系支撑的经济关系，人们的目的性行为扎根于具体的、正在进行的社会关系中[17]，因此个体经济行为将不可避免地受其影响。在社会资本理论的核心概念中，社会网络是社会资本的重要表现形式，具有很强的经济效应[18]，个体社会网络有助于社会资本的作用发挥[19]。根据个体间联系的频率与强度可将社会网络划分为强关系网络（强连接）与弱关系网络（弱连接），通常它们分别产生于具有相似和差异经济特征的个体中，并分别在个体间信任支持[20]、信息扩散[21]方面具有优势。

除现实社会网络嵌入之外，信息技术的广泛使用还形成了虚拟嵌入这种跨组织关系的新型嵌入形态[22]，它较之现实社会网络嵌入有助于个体克服对稳定网络的依赖[23]，打破物理空间限制建立联系使得关系联结更加高效[24]。虚拟社会网络中同时包含强连接与弱连接，它既未脱离现实社会网络，同时也不是现实社会网络的简单复制，有助于拓展个体社交的广泛性、异质性和达高性[25]，从而强化个体的社会资本。对农户而言，强连接有利于增强农户个体依托社会资源应对社会风险的能力；弱连接则有利于开拓其社交网络范畴，提高社会认知水平[26]，由此形成的社会网络优势将促进农户参与社交电商。据此，本文认为农户的虚拟社会网络优势有助于其参与社交电商。

1.2 农户社交电商参与与农业收入

农户参与社交电商产生的后续影响也是本文所关注的重要内容。由于存在信息不对称问题，农户通过自行零售、客商收购等传统交易方式销售农产品时将产生较高的信息搜寻成本和议价成本，且中间环节较多，这极大程度上限制了农产品向城镇市场的流通。相比之下，聚焦客户关系与运营的社交电商由于融入了社交媒体功能因而用户黏性较大，同时具有准入门槛较低和去中心化的优势[27]。农产品社交电商主要从交易成本和产品销量两个方面影响农业收入：一方面，基于社交软件及平台发展起来的社交电商能够促进生产者与消费者直接对接，减少部分或全部中间交易环节，摆脱中间商的信息与区位垄断，从而改善农户自身市场地位、降低信息搜寻成本，当销售等量农产品时收益更高[28]；另一方面，社交电商销售能够实现农户和消费者间的直接互动，农户传递的产品生产过程信息或品质在沟通中逐渐得到消费者认可，进而增强用户信任和黏性，既能提高消费者回购率，又有助于产品市场推广、带动潜在消费者[29]。据此，本文认为农户参与社交电商有助于提高农业收入。

1.3 农户社交电商参与与农业生产投入

在社交电商渠道中，产品供给端与消费端不受时空限制的交流沟通有助于拉近买卖双方距离，且消费者间的自发分享行为更易建立农产品口碑[30]；同时，基于社交网络衍生的信任机制能够规范农户的生产行为，激励农产品提质增产[15]。由于现阶段我国消费者在农产品购买时已不再局限于数量上的满足，对产品品质等方面也具有更高要求。在作物种植全过程中，农户的生产投入可分为生产设施等固定生产投入和农药、化肥等可变生产投入。在农产品电商市场持续发育的背景下，为满足顾客需求，产品质量才是取得竞争优势的关键。因此，只有不断改善农业生产设施与种植方法，才能有效应对自然环境等外在因素变化。据此，本文认为农户参与社交电商有助于增加农业生产投入。

1.4 农业收入与农业生产投入

在农业收入对农业生产投入的作用方面，传统小农生产因自身禀赋所限，往往通过增加化肥、农药等可变生产投入以期获得产量增长，进而提高农业收入。与之相区别，设施农业更多依赖于温室大棚及其配套设施此类固定生产投入保证作物产量、质量以促进农户增收。由于设施农业较之传统农业生产投入更多，因此农业投入总额则更依赖于家庭的原始资本积累，对于以农业为主要经济来源的农户而言，农业收入增长将改善其自身的物质资本，进而有助于增加农业生产性投入，并有利于设施农业的长期发展。据此，本文认为当农户的农业收入提高时，有助于增加农业生产投入。

综上所述，构建农户参与社交电商销售及其影响的分析框架（图1）。

图1 分析框架Fig. 1 Analysis framework

2 研究方法

2.1 数据来源

本文所用数据来源于2021 年9—10 月对陕西大荔设施冬枣产区冬枣种植户的实地调研。研究区地处关中平原，是我国西北地区优越的农业生态区，截至2021 年，研究区冬枣栽植面积已达42 万亩，其中设施冬枣种植占地40 万亩，年产量50 万吨，占全国市场份额的三分之一以上，产值突破60 亿元，约占全县生产总值的31.17%。此外，大荔冬枣连续六年跻身“中国果品区域公用品牌20 强”，品牌价值达48.68 亿元，位列鲜食枣类全国第一。因 此，分析该区域的冬枣销售现状对我国西部地区的设施农业发展具有一定代表性。

调研采取典型抽样与随机抽样相结合的方式，根据研究区农作物种植分布状况，选取以冬枣种植为主的两宜镇、许庄镇、安仁镇等13 个乡镇作为调研地区，每个乡镇选取3～4 个村，在每个村随机选取农户，由调研人员与负责农业生产决策的家庭成员进行一对一访谈，样本覆盖47 个行政村。调查内容包括自主因素和嵌入因素两个部分，涵盖农户个人特征及家庭特征、生产经营特征、虚拟社会网络等内容，剔除数据缺失或数据异常问卷后最终获得302 份有效问卷，受访农户的基本特征见表1。

表1 样本农户的基本特征Table 1 Basic characteristics of sample farmers

2.2 变量选取

1）被解释变量。本研究的被解释变量为农户社交电商参与、农业收入及农业各项生产投入。农户社交电商参与是指农户利用微信、抖音和QQ 等社交软件进行的农产品销售行为，属于“基于社交媒体的社交电商”。由于在2021 年9—10 月调研期内农户尚未完成当年冬枣销售，因此采用农户2020年的冬枣销售收入衡量农业收入。农业生产投入包括农业固定投入和农业可变投入两个部分，采用参与社交电商后建造大棚及其配套设施的一次性投入总额衡量参与组农户的农业固定投入，采用2020年大棚薄膜、农药化肥和雇佣人工的投入总额衡量农业可变投入。

2）核心解释变量。虚拟社会网络相关指标为本研究的核心解释变量，借鉴已有研究对社会网络的测量维度划分，采用社交软件使用数、社交软件使用时长与社交软件好友数、好友职业类别数分别衡量虚拟社会网络的广泛性、强度和异质性[31]。此外，考虑到社交软件已成为个体从外界获取信息并进行交流沟通的重要渠道，采用农户在社交软件中对农业生产相关内容的发布频率衡量信息发布，采用农户在社交软件中浏览、点赞和评论他人发布内容的频率衡量信息接收。

3）控制变量。结合已有文献[32-33]，本研究选取农户个人特征、农户家庭特征和生产经营特征3类控制变量。具体来说，农户个人特征包含受访者，即家庭农业生产决策者的性别、年龄、受教育程度和健康状况4 个变量；农户家庭特征包含家庭人口数、非农劳动力占比、农业收入占比、子女受教育程度和移动数据流量5 个变量；生产经营特征包含种植年限、种植面积、流转承包地面积和种植类型4 个变量。为减弱异方差的影响，实证分析中对种植面积取对数值。研究区的冬枣种植类型主要有露天种植、冷棚、钢架棚和温棚四类，除露天种植外，其余三类均属设施农业种植。冷棚即塑料大棚，能够通过农膜覆盖抵御自然灾害、提高产量；钢架棚采光效果较好，且更坚固耐用；温棚能够实现严格控温，因此对设备要求更高。

各变量的详细说明见表2。

表2 变量定义Table 2 Definitions of variables

2.3 模型设定

结合已有理论分析，首先，建立农户社交电商参与的行为决策方程，验证农户行为决策的影响 因素。

其 中，S*i是虚拟变量Si的潜变量，当S*i＞0 时，Si=1；当S*i≤0 时，Si=0。Zij是影响农户决策行为的变量，包含虚拟社会网络相关变量及其它控制 变量。

其次，建立农业收入和农业生产投入的影响效应方程。其中，AGIN 和AGPI 分别表示农业收入和农业生产投入，Zij中的解释变量可以与Xij重复，但为了识别出Zij，Zij中至少包含一个不被Xij包含的变量 （识别变量），这些变量应当影响农户参与社交电商但并不直接影响农户的农业收入与农业生产投入。考虑到农户社交电商参与行为受其所处的社会网络因素影响，因此选择农户虚拟社会网络方面的各变量作为农户是否参与社交电商的影响变量。αj、β、γj、θ、υj、υj+1是回归系数，εi、μ、ξ 是残差项。

再次，由于当不可观测因素同时影响农户的社交电商参与行为与农业收入、农业生产投入时，行为决策方程与影响效应方程的残差项存在相关关系，若运用OLS 估计方法将导致估计结果有偏，内生转换模型将该问题视为数据缺失问题。以农业收入的影响效应方程为例进行说明，农业生产投入的影响效应方程与之相似，不再赘述。将基于农户社交电商参与的行为决策方程（1）计算得到的逆米尔斯比率λ 引入影响效应方程来解决这一问题，此时（2）式可转化为：

式（4）和式（5）分别表示参与组和未参与组农户的农业收入影响效应方程，λΤ和λU分别代表观测不到的农户偏好或能力带来的社交电商参与选择，σΤε=cov(μΤ, ε)和σUε=cov(μU, ε)表示农户行为决策方程和影响效应方程误差项的协方差，若二者在统计意义上显著，则有必要解决“同时决策”和“自选 择”问题。纠正不可观测因素导致的偏差问题后将得到的无偏、一致的估计结果。本文采用完全信息极大似然估计法将行为决策方程（1）式分别与影响效应方程（4）和（5）式进行同时估计。

最后，对参与组和未参与组农户的农业收入进行反事实分析，由此可得，实际社交电商参与组与实际社交电商未参与组的平均处理效应分别为：

3 结果与分析

3.1 虚拟社会网络与农户社交电商参与分析

调研结果表明，在302 户受访农户中有198 户通过社交电商销售农产品，占总样本65.6%（表3），可见研究区的社交电商发展初具规模，但仍有一定提高空间。参与组农户的农业收入均值在1%的水平上显著高于未参与组农户，但在农业生产投入上并无显著差异。在虚拟社会网络方面，除社交软件使用时长外，参与组农户的社交软件使用数、社交软件好友数、好友职业类别数、信息发布和信息接收的变量均值都至少在5%的水平上显著高于未参与组农户。

从农户个人特征看，参与组农户较之未参与组，女性占比更高，更年轻，受教育程度更高，在健康状况上无显著差异。从农户家庭特征看，两组农户在家庭人口总数与劳动力结构上类似。未参与组农户的农业收入占比更高，表明此类农户家庭对农业收入有较强的依赖性。参与组农户的子女受教育程度和移动数据流量均值显著高于未参与组，表明其在家庭人力资本和网络条件上占据优势。从生产经营特征看，参与组农户的种植面积更大、农业设施条件更好，变量均值在10%的水平上显著高于未参与组农户。

表3 样本描述性统计Table 3 Descriptive statistics of samples

3.2 农户社交电商参与行为的影响因素分析

农户社交电商参与的行为决策方程与农业收入方程的内生转换模型估计结果见表4，Wald 检验结果表明在1%的水平上拒绝行为决策方程与两组农户的农业收入方程误差项无关的原假设，模型总体上具有较强显著性。且r0、r1分别在5%和1%的水平上显著，表明存在不可观测因素同时影响农户的社交电商参与行为及其农业收入。因此有必要纠正由可观测和不可观测因素同时导致的样本自选择偏误，适合采用内生转换模型。

由农户参与社交电商的行为决策方程回归结果可知，在虚拟社会网络方面，社交软件使用数、好友职业类别数和信息发布均能促进农户参与社交电商，特别是信息发布在1%的水平上显著；而信息接收则在10%的水平上对农户社交电商参与行为产生显著负向影响（表4）。可能的原因在于，由于功能差异而汇聚多样化用户群体的社交软件能够帮助农户个体打破现实生活中相对单一社会网络的桎梏，从而拓宽信息获取渠道；同时，来自不同职业领域的社交人群因其思维与习惯不同能够为农户提供行为启发，提高农户参与社交电商这一行为的可能性。农户通过微信、抖音等社交软件发布农产品生产相关文字、图片和短视频，即“用户生成内容”，实现了由信息的被动接受者到主动传播者的角色转换，具有高度“临场感”和真实性的内容能够通过提高消费者感知价值显著提升其购买意 愿[34]，一定程度上推动了购销双方的交易行为实现。此外，并非虚拟社会网络的各个维度水平提高均会促进农户参与社交电商，由于农户个体在社交软件中的信息接收主要承担休闲娱乐功能，它与关乎农户收入和生活水平的农业生产经营活动存在明显的功能差异与时间替代，实地调研发现，网络信息接收较多的农户家庭或是经济负担较轻，或是农业收入并非其主要收入来源，从而造成农户采用新型农产品销售方式的源动力不足。

表4 农户社交电商参与及农业收入的ESR 模型估计结果Table 4 ESR model estimation of farmers’ social e-commerce participation and agricultural income

在控制变量方面，当家庭农业生产决策者为女性时，倾向于通过社交电商销售农产品，这与现实社会网络相关的研究结果相一致[35]。农户年龄和转入土地面积越大，越不利于其参与社交电商。在技术层面上，由于年龄较大的农户对智能手机的使用多限于日常通讯与休闲娱乐，参与社交电商对此类农户存在一定的技术门槛，难度较大；在家庭劳动力要求上，若采用社交电商销售，则需要自行完成包装采购、筛选装箱和快递寄送等工作，而老年人在体力上就难以胜任上述工作，因此他们倾向于选用流程简单、方便快捷的销售渠道。通过社交电商销售农产品存在产品质量与物流时效风险，土地转入会降低农户风险偏好、增加农业劳动时间[36]，从而在销售环节倾向采用风险较低、钱货两清的销售方式。而子女受教育程度越高、农业种植面积越大，则越有助于农户参与社交电商。这是由于子代对亲代存在数字反哺现象，子女通过帮助父母使用社交软件能够拓展家庭社会网络，同时伴随子女受教育程度提高而来的个体生活环境变化能够改善社会资本，有助于农产品向城市市场流通。在农业生产中，种植面积较大的农户需要相应地负担更多的生产投入，与社交电商销售相比客商渠道往往收购单价偏低，为谋求更高经济收益将促使其参与社交电商，即种植面积大的农户在销售环节倾向于选择客商收购外的其它渠道。

3.3 农户社交电商参与对农业收入的影响分析

农户参与社交电商销售对农业收入的处理效应结果见表5。总体上看，社交电商参与在1%的水平上显著提高样本农户的农业收入，平均处理效应为5.353 万元。在反事实分析框架下，若参与组农户未参与社交电商销售，则其年农业收入将下降4.944 万元，比参与社交电商时下降了46.67%；若未参与组农户参与社交电商销售，则其年农业收入将增长6.129 万元，比未参与社交电商时增长71.78%。这进一步说明，社交电商销售能够显著促进农业收入增长，且未参与组农户的农业收入效应显著高于参与组农户。

表5 社交电商参与对农业收入的处理效应Table 5 Processing effect of social e-commerce participation on agricultural income

实证结果表明，农户社交电商参与行为存在显著的增收效应，但在样本内部对单位面积农业收入的影响是否存在规模异质性有待进一步检验。为解决该问题，本部分构建了社交电商参与、种植面积（门槛变量）与单位面积农业收入的门槛回归模型，控制变量包括农户个人特征、家庭特征和生产经营特征。最初门槛回归仅用于面板数据，进一步扩展后的门槛回归模型同样适用于截面数据样本。为便于分析其现实意义，本部分种植面积指标由取对数改为采用实际原始数据。门槛回归结果表明，参与社交电商对农户单位面积农业收入的正向影响存在单门槛效应，当种植面积跨越门槛值0.2 hm2时，估计系数由不显著变为显著（表6）。这说明，社交电商的支持有助于提高大规模种植户的单位面积农业收入。

3.4 农户社交电商参与对农业生产投入的影响分析

农户社交电商参与的行为决策方程与农业生产投入方程的内生转换模型估计结果见表7。Wald 检验结果拒绝了行为决策方程与农业生产投入方程相互独立的原假设，且r1在1%水平上显著，表明存在不可观测因素同时影响参与组农户的社交电商参与及其农业生产投入行为，即存在样本选择偏误，有必要对其进行纠正。

表6 社交电商参与对单位面积农业收入的规模门槛效应Table 6 Scale threshold effect of social e-commerce participation on agricultural income per unit area

由于采用完全信息极大似然估计法联立方程估计内生转换模型，因此农户社交电商参与的行为决策方程估计结果与上节略有差异。农户每月移动数据流量与社交软件好友数越多，则参与社交电商销售的可能性越大。其原因在于，网络条件改善能够为农户发展自身的虚拟社会网络提供便利，在社交软件中形成的虚拟社会网络同时拥有强、弱关系网络[37]，变量社交软件好友数表示农户拥有的强关系网络，它包含个体在现实与虚拟社会网络中形成的密切社会关系，虚拟嵌入能够发挥网络优势打破空间界限加强网络中的个体联系，进而提高信任程 度，有助于形成农户间的行为模仿，更好地发挥示范作用。

当家庭农业生产决策者为男性时，倾向于增加农业生产投入，在参与组中表现更为明显（表7）。值得注意的是，农户受教育程度对参与组和未参与组的农业生产投入分别呈现显著的负向和正向影响。从受教育程度的差异上看，参与组农户比未参与组农户高出0.262，且在5%的水平上显著（表3），这说明在农户受教育程度提高的初期，二者呈现正效应，当受教育程度提高至一定水平时，二者呈现负效应。在生产经营特征方面，对所有样本农户而言，种植面积越大、农业生产设施条件越好、农业收入越高，则农业生产投入也越多。这是由于规模扩大与设施升级必将带来农业投入总额增多，只有当农户达到改善生产条件所需的经济基础时，才会增加农业投入。此外，未参与组农户的种植年限和流转承包地面积也显著正向影响其农业生产投入。

农户社交电商参与对农业生产投入的平均处理效应为4.599 万元，且在1%的水平上显著（表8）。 根据反事实分析结果，若未参与组农户选择参与社交电商，其农业生产投入由10.972 万元增长至24.142 万元，未参与组农户的平均处理效应（ATU）为13.170 万元，增幅达到120.03%，这说明社交电商参与能够提高未参与组农户的农业生产投入水平，进而改善生产设施现状，有助于设施农业持续健康发展。

表7 农户社交电商参与及农业生产投入的ESR 模型估计结果Table 7 Estimation results of the ESR model for farmers’ social e-commerce participation and agricultural production input

表8 社交电商参与对农业生产投入的处理效应Table 8 Processing effect of social e-commerce participation on agricultural production input

在设施农业生产中，其投入要素主要包括固定生产投入（温室大棚及其配套设施）和可变生产投入（农膜、农药化肥和雇工成本），根据上文实证结果，农户的农业收入增长将显著推动农业生产投入增加，为进一步明晰其内在结构差异，本部分采用内生转换模型分别估计农户社交电商参与的行为决策方程与农业固定投入、农业可变投入方程，估计结果见表9（省略行为决策方程估计结果）。

首先，Wald 检验值与r1均在1%的水平上显著（表9），验证了采用内生转换模型的合理性。其次，关注农业收入在异质性样本中对生产投入的影响差异。当农户的农业收入增长时，参与组农户倾向于增加农业固定投入，改善生产设施，而未参与组农户则会增加薄膜、化肥农药、雇工投入，存在明显的结构异质性。从设施农业可持续发展的角度看，农业生产设施改善虽然在更大幅度上提高了生产成本，但它有助于在较长时间内保证农产品的质量与产量，进而维持较高水平的农业收入，而化肥农药的过多投入将对土壤肥力产生负面影响，不利于长期农业生产。

表9 农户社交电商参与及生产投入结构的ESR 模型估计结果Table 9 Estimation results of the ESR model for farmers’ social e-commence participation and production input structure

3.5 稳健性检验分析

为验证实证结果的可靠性和稳健性，本部分进一步对农户社交电商参与产生的增收效应进行检验。首先，替换被解释变量，用人均农业收入代替农业收入并采用ESR 估计，结果表明：社交电商参与均能在1%的水平上显著提高全样本、参与组和未参与组农户的人均农业收入。其次，更换实证方法，分别采用工具变量法和处理效应模型进行实证研究，结果表明：社交电商参与至少在5%的水平上显著提高农业收入（表10），在作用方向和显著性上与上文估计结果基本一致。

在对农业生产投入的影响方面，采用处理效应模型进行实证检验，结果表明农户社交电商参与和农业收入在5%的水平上对农业生产投入产生显著正向影响（表11），与上文实证结果基本一致。但由于处理效应模型无法解决由可观测和不可观测因素导致的估计偏误，同时也无法实现异质性样本分析，因此其影响效应均大于ESR 方法的估计结果。

表10 农业收入效应的稳健性检验结果Table 10 Robustness test results of agricultural income effects

表11 农业生产投入效应的稳健性检验结果Table 11 Robustness test results of agricultural production input effects

4 结论与政策建议

4.1 结论

研究表明，调查样本中已有65.6%的冬枣种植户选择参与社交电商，仍有一定的提高空间。虚拟社会网络的各项指标对农户社交电商参与的影响具有差异性，并非虚拟社会网络的各方面因素均能促进农户参与社交电商，信息接收对其社交电商参与具有显著负向影响。因此，个体在享受虚拟嵌入下的人际沟通及信息获取便利时，应充分重视社交软件的信息传播优势。

在后续影响方面，社交电商参与对农业收入和农业生产投入均具有显著正向影响，且对未参与组农户作用效果更大，这说明在西部欠发达地区推行社交电商模式对农户增收和要素投入具有较好的促进作用。同时，由此带来的销售渠道拓宽与物质资本积累两条路径将同时拉动农业生产投入增加，既能减轻农户的经济负担，又有助于农业生产设施的升级改善。

异质性分析表明，农户社交电商参与对单位面积农业收入和农业生产投入的影响分别具有显著的规模差异和结构差异，当种植面积大于0.2 hm2时，参与社交电商显著提高单位面积农业收入；当农业收入增加时，参与组和未参与组农户分别倾向于增加固定生产投入与可变生产投入。

4.2 政策建议

1）积极宣传运用社交电商销售的典型案例，形成示范引领作用。在冬枣产区内以村为单位遴选一批社交电商销售能手，通过村内广播、展板公示、交流讲座等多种形式宣传其经验做法与成效，以身边人的现身说法帮助农户逐步了解并接受新型销售方式。从而在认知层面强化农户对社交软件在休闲娱乐、人际交流及商品交易等方面的功能认识，促使农户主动参与网络信息交流，充分发挥社交软件的多重功能。

2）加强社交电商培训指导，提高农户群体的能力水平。县域农业部门应将社交电商培训纳入培训推广范畴，通过制作宣传册、视频等推广资料，详细说明微信视频号、抖音等社交软件中文本、视频的发布步骤，便于农户进行实践学习。与此同时，定期开展线上或线下咨询活动，及时解决农户在实际操作中遇到的问题，最终实现区域特色农产品生产全过程的广泛传播，提高产品知名度。

3）建立县域农地信息交流平台，并强化农产品质量监管。从政府层面集中可靠的土地流转市场信息，通过创造规模化生产的便利条件助力农户增收。同时，当地政府应当基于国家农药限量标准，对特色农产品建立农药残留限量标准，在种植全过程中加强质量安全抽检，从源头上夯实设施农业长期稳定发展的产品品质基础。