退耕還林背景下農戶收入的社會網絡效應分析
——以四川南江縣白灘村為例

藍 菁，盛 君，余奕寧，劉 震

（1.南京農業大學土地管理學院，江蘇 南京 210000； 2.南京師范大學商學院，江蘇 南京 210000）

退耕還林背景下農戶收入的社會網絡效應分析
——以四川南江縣白灘村為例

藍 菁1，盛 君1，余奕寧1，劉 震2

（1.南京農業大學土地管理學院，江蘇 南京 210000； 2.南京師范大學商學院，江蘇 南京 210000）

研究目的：探討退耕農戶在生產力安排和收入結構方面是否存在同群效應或者互補效應，以及勞動力流動、退耕還林政策因素對農戶收入結構的影響機制。研究方法：考慮農村社會網絡內部農戶間互動對其決策的影響，利用空間權重矩陣精確且全面地捕捉和定位社會網絡復雜關系，構建空間計量模型展開分析。研究結果：（1）在白灘村社會網絡體系中，農戶的農業收入比增長1%，其親戚鄰居的家庭農業收入比降低6.7%，這一情況反映了勞動力由農業部門向非農部門轉移而產生的社會網絡“互補效應”；（2）白灘村退耕程度越高的農戶，其農業收入占家庭總收入比例就越高，退耕程度每增加1%，農業收入比將提高5.2%；（3）家庭總勞動力越多的，農業收入占總收入比例越低，其中家庭農業勞動力每流出1%，農業收入比減少3.2%。研究結論：（1）將白灘村社會網絡的互補效應應用于其農村信息共享平臺建設；（2）通過鼓勵種植收入較高的經濟林提高農民退耕還林積極性；（3）以就業為核心促進白灘村剩余勞動力轉移。關鍵詞：土地經濟；農戶收入；空間計量；社會網絡效應；退耕還林

中國的退耕還林工程作為世界上最大的生態補償政策（PES）之一，通過有條件補償調動了農戶參與生態保護工程的積極性，取得了生態改善、農業增效、農民增收的良好綜合效益[1]。退耕農戶作為退耕還林的利益主體，其生產生活變化受到學者的廣泛關注，從研究結果來看，主要包括以下兩個方面：一是農戶利益層面的研究，諸多學者從經濟、環保、政策等角度出發，圍繞農戶切身利益，對退耕戶的農業生產結構、農民收益、家庭勞動力流動、糧食安全等方面展開了大量調查研究[2-6]；二是圍繞農戶利益產生的問題研究，主要集中在農戶的可持續生計、退耕還林意愿、政策響應行為等方面[1，7-8]。通過上述研究可以發現，現有文獻多集中在農戶獨立個體層面，而忽視各農戶之間相互聯系形成的社會網絡關系對其決策的影響。潘靜，陳廣漢研究發現，農村家庭勞動力流動受社會互動效應的影響，村莊勞動力流動提高了農戶家庭勞動力流動率[9]；Irwin，Bockstael認為農戶對于給定地塊的開發受到相鄰的地塊開發狀態的影響，鄰里的相互作用顯著影響農戶在土地利用類型方面的抉擇[10]。中國農村這種特殊的“社會網絡”通過影響農戶勞動力分配、土地利用方式等行為決策，進而對農戶收入產生影響[11-12]。如果在研究退耕還林對農戶收入影響時忽略社會網絡效應，可能會對研究結果產生一定偏差。

在社會網絡數據的處理過程中，空間計量方法不僅可以彌補傳統OLS回歸不能考慮空間依賴性的缺陷，同時可以以遺漏變量形式考慮社會網絡內媒體、政府、文化傳統等隱性影響因素，能夠精確且全面的分析社會網絡數據之間錯綜復雜的雙向關系[13]。鑒于此，本文以四川南江縣白灘村實地調查數據為基礎，引入空間計量模型，探討退耕農戶在勞動力安排和收入結構方面是否存在同群效應或者互補效應，以及勞動力流動、退耕還林政策因素對農戶收入結構的影響機制。

1 理論分析及假說

Wellman在1988年提出了關于社會網絡比較成熟的定義，他認為社會網絡（social network）是由個體間的社會關系構成的一個穩定的網絡系統[14]。本文所涉及的村莊社會網絡關系主要包括：親緣關系和鄰居關系。農村的“熟人社會網絡”不僅構建在親緣、地緣與血緣之上，還在千百年的人際交往中得到深化，其孕育的信任與道德規范已然成為了一種文化背景[15]。生活在這種文化背景下，農戶行為常受到熟人影響，形成家庭農業收入比重的“同群效應”或“互補效應”。

“同群效應”（peer effect）是指，在同一社會網絡中，農戶由于信息接收不完全，往往通過觀察網絡中他人行為，使自己與他人行為保持一致。已有研究發現，在農戶的勞動力遷移及土地開發決策的過程中，都存在“同群效應”現象[9-10]。在同一退耕還林政策背景下，社會網絡的“同群效應”對白灘村農戶行為起到的作用是：（1）使得退耕農戶能夠獲得同一水平的種植、土地流轉和就業等資源；（2）社會網絡作為一種文化背景，能夠規范農戶的行為習慣，而且對相同政策背景、居住環境的退耕戶作用效果相同[16]。因此，推測在“同群效應”影響下，退耕農戶傾向于與他人保持一致的種植、土地流轉或就業決策，從而導致農戶間的農業收入比呈現正相關關系。

而“互補效應”（complementary effect）指的是，由于社會網絡中存在較高程度的社會信任，農戶之間往往形成一種互助互惠現象，例如外出就業的農戶將土地交給在家務農的熟人代耕，形成行為的互補效應。Fafchamps研究認為，社會信任水平隨著村莊社會資本存量的增長而提高，此時越容易達成農戶之間的合作[17]。Milinski發現，農戶間的社會信任可以促成更多的互惠行為，從而帶來聲譽以產生更高水平的合作，而具有較高信任水平的農戶一般具有較強意愿與“熟人”合作，容易表現出與他人的互惠行為，促成集體行動[18]。同時，發生在社會熟人網絡中的土地交易可以提高交易雙方的信息透明度，規避風險并降低交易成本[19]。因此，推測白灘村農戶在退耕還林之后，一部分沒有林地種植經驗的農戶外出務工，并將土地流轉給熟人耕種，形成外出務工、留村務農互補行為的同時，其農業收入比重也形成了“互補效應”。

綜上所述，因農村社會網絡對農戶的農業生產安排影響的實現路徑不同，社會網絡對農戶農業收入的影響呈現出不同的效應——“同群效應”或“互補效應”。 將此理論背景應用到白灘村的例子中，提出本文的研究假設：家庭農業收入比重受社會網絡中其他家庭農業收入比重影響，存在相互關系。而“同群效應”或“互補效應”誰占主導？需要依賴于實證研究檢驗得出。

2 數據分析和計量模型構建

2.1 數據來源及描述分析

四川省南江縣白灘村地理位置偏僻，交通不便，村民內部社會聯系較頻繁，而與其他村落的社會聯系較少，可近似看成一個封閉的社會網絡群體，因此白灘村農戶樣本適用于本文進行研究社會網絡效應對農戶收入的影響。

本次調查時間為2015年，農戶收入、勞動力、供養老人子女等信息為2014年末狀況，共調查了233戶農戶家庭，除去在外定居及與其他村民無社會聯系的農戶家庭（只剩老人，無子女親戚、鄰居等情況），本次調查有效數據共有191戶，勞動力共計438人，戶均總收入36879.4元，戶均農業收入3946.7元。

農業收入比（Y），用家庭農業收入（包括種植、養殖、林業收入）/家庭總收入表示，為本文空間計量分析中的因變量。作為外生解釋變量的農戶特征（Xi，i=1，2，3，…，7），包括教育（戶主的受教育年限）、家庭總勞動力、外出勞動力、家庭老人數、家庭子女數、農機資產、退耕度（退耕地面積/林地總面積）。四川南江縣白灘村實施退耕還林政策長達15年，戶均退耕度達37.9%，最小退耕度1.9%，最大退耕度100%，可見退耕還林政策在白灘村實施較徹底，退耕程度較高。

2.2 空間計量模型

在空間計量經濟學理論中，一個地區空間單元的某個經濟地理現象或者某一屬性與相鄰空間的同一個現象或屬性是相關聯的[20]。如果忽視各數據中存在的地理關聯性，而用傳統的計量方法分析村莊農戶的收入變化，必然會導致模型存在偏差?？臻g關聯性主要體現在計量模型因變量和誤差項的滯后項上，空間計量模型因此可以劃分為兩種基本模型：空間自回歸模型（spatial autoregressive model，SAR）①也稱空間滯后模型（Spatial Lag Model）或混合回歸模型（Mixed Regressive Model）。和空間誤差模型（spatial error model，SEM）。在將數據帶入空間計量模型之前需要判斷數據間是否存在空間自相關性，同時將村民的社會網絡關系數字化為空間權重矩陣，作為模型中衡量村民空間關系的重要系數。

2.2.1 空間自相關的判斷 空間自相關性指的是具有地理聯系的人或物之間的經濟現象相互影響，在對研究對象進行空間計量模型估計之前，需要判斷數據之間是否存在空間自相關性，一般利用統計量：空間自相關指數——Moran’s I?；竟綖椋?/p>

在原假設：數據間不存在空間自相關情況下，Z服從正態分布，給定某個臨界值k，如果Z＞k，則拒絕原假設，數據存在空間自相關性，反之則不存在。

2.2.2 權重矩陣的設定 本文將村民社會網絡關系數字化為地理鄰接矩陣（contiguity matrix），以此來代表空間權值矩陣。一張社會網絡關系圖是由一系列相互關聯的節點組成，這些節點可以是個人、團體、組織或實物（比如文字、工藝品，甚至思想）[21]，本文研究的節點是白灘村的農戶家庭，農戶之間的社會聯系從是否鄰居、是否親戚兩個維度來衡量。當第i個農戶與第j個農戶存在社會聯系（即存在鄰居關系或親戚關系），則Wij= 1，否則Wij= 0，且W矩陣的對角線元素都為0。下面是一個代表3個農戶網絡的鄰接方陣W的列子：

圖1中，農戶1與農戶2存在鄰居或親戚關系，即社會關聯，農戶2和農戶1、3存在社會關聯，農戶3與農戶2存在社會關聯。這一關系就可以由下面的方陣來表示：

圖1 社會關系網絡圖Fig.1 Sociogram

2.2.3 空間自回歸模型與空間誤差模型 空間自回歸模型主要研究各變量在一定范圍的擴散現象，其空間滯后可以來自不同的方向，并且可以雙向。根據空間自回歸基本模型的設定，本文的空間自回歸農業收入比模型為：

式（4）中，Yi表示農戶i的農業收入占總收入比例，用以衡量農戶的種植、林業等收入在家庭收入結構中所占比重；代表農戶i、j是否存在鄰居、親戚關系的空間權重矩陣元素；為空間滯后因變量，指的是除農戶i外其他農戶農業收入比的加權總值；Xi為戶主受教育程度、家庭勞動力數、外出勞動力數等代表農戶i家庭特征的一系列外生解釋變量；β0為誤差項，ρ為空間自相關系數，β1為系數矩陣，εi為殘差擾動項。

空間依賴性還可能通過誤差項的滯后項上體現。本文的空間誤差農業收入比模型為：

式（5）中，εi為農戶i觀測值的隨機誤差項；為空間滯后誤差變量，指的是除農戶i外其他農戶觀測值的誤差沖擊加權總值；λ為空間誤差系數，μi為殘差擾動項。參數λ衡量了數據中的社會網絡效應，但這種效應是存在于誤差擾動項之中的，實際上是以不可觀測的形式影響農戶的農業收入比，例如農戶的農業種植技術以及農戶得到的外出工作信息等，這些不可觀測的因素就體現在模型的殘差中。

3 實證分析結果

3.1 空間自相關性

Moran’s I可視為觀測值與其空間滯后的相關系數，其取值一般介于-1—1，大于0表示數據存在正的空間自相關，也即低值與低值相鄰，高值與高值相鄰；小于0則表示數據存在負的空間自相關，也即低值與高值相鄰；等于0表明空間分布是隨機的，不存在空間自相關。表1可以看出，農業收入比的全局莫蘭指數為-0.124，且在5%的置信水平上顯著。表明白灘村村民各家庭的農業收入比呈現負相關關系。

表1 全局莫蘭指數Tab.1 General moran index

圖2 局部莫蘭散點圖Fig.2 Part moran scatterplot

圖2是由Stata軟件進行局部空間自相關檢驗后，將觀測值與其空間滯后繪成的散點圖，稱為莫蘭散點圖（moran scatterplot）。圖中第一象限為HH區域，即農戶i與其親戚鄰居的農業收入比均較高，存在空間正相關，差異程度??；第二象限為LH區域，即農戶i的農業收入比較低，而其親戚鄰居的較高，存在空間負相關，異質性突出；第三象限為LL區域，農戶i與其親戚鄰居的農業收入比均較低，存在空間正相關，差異程度??；第四象限為HL區域，農戶i的農業收入比較高，其親戚鄰居的則較低，存在空間負相關，異質性突出。從圖1可以看出，趨勢線分布于二、四象限，斜率為莫蘭指數-0.133，即白灘村農戶間的農業收入比存在較明顯的負相關關系。由全局和局部空間自相關檢驗結果可以得出，本文數據存在負的自相關性，不能運用傳統的OLS回歸進行估計，而需要納入空間依賴性的空間計量模型來分析數據。

3.2 回歸分析

經過空間自回歸模型和空間誤差模型處理后的回歸結果顯示，SAR模型的自然對數似然函數值（loglikelihood）為114.5，大于SEM的對數似然值（113.2），且SAR模型的rho值在1%水平上顯著，SEM模型的lambda值不顯著。因此下文將在擬合效果更好的SAR模型結果基礎上對農戶農業收入比進行分析。

3.2.1 農戶特征變量分析 回歸結果中，退耕度這一變量的系數在10%的水平上是顯著的，這表明白灘村農戶退耕面積占總林地比例每提高1%，該農戶的農業收入占總收入比例將提高5.2%，即農戶的農業收入比重與退耕還林程度呈現正相關關系。已有研究顯示，退耕還林工程對農戶收入產生了積極影響，統計結果顯示，農戶退出的耕地多為低產田或望天田，對從事耕地生產經營所獲收入的影響并不大，且農業收入和退耕還林補貼款的總收入大于退耕還林前的總收入[8，22]。作為后退耕時期的白灘村，一方面，村莊農戶在土地退耕之后，因為在同等面積的土地上林業投入勞動力不到農業的1/3[2]，農戶有足夠時間去從事收入更高的經濟林種植或畜牧業生產，據訪談過程中發現，白灘村同面積林業，特別是經濟林的收入要高于同面積農作物所帶來的收入。另一方面，退耕還林程度越高，理論上所獲取的補貼就越高，農戶就越容易釋放資金流動性約束[23]，從而更高效率選擇勞動邊際報酬更高的生計類型[24]。因此可以解釋農戶退耕還林面積越多，農業收入占總收入的比例越高的現象。

家庭總勞動力數、外出勞動力數在1%的水平上顯著負向。結果表明家庭勞動力總數與農業收入比存在負相關，且外出勞動力每增長1%，農業收入比降低3.2%。已有研究認為，退耕還林后，農戶束縛在土地上的勞動力被釋放出來外出務工，或者增加副業[1，6]。在農村社會互動網絡背景下，親友、鄰居的收入信息共享使得退耕農戶在權衡比較之后，傾向于外出務工來獲取更高收入。當農戶退耕之后，經營土地所需的勞動力不變甚至減少的情況下[2]，家庭總勞動力越多，流出的也就越多。

其他變量結果中，農機資產、戶主受教育程度顯著，家庭老人數和子女數系數并不顯著。作為家庭生計物質資本的農機資產因素每增長0.1個單位，農業收入比上漲0.01%，一定數量的農機可以協助農民進行農林耕作，擴大規模，提高農業收入，但是影響程度很小。作為家庭生計人力資本的教育因素，每增長0.1單位，農業收入比降低1.2%，當戶主的文化程度越高，“戀土情結”越弱，對非農工作的適應能力越強，在對家庭勞動力分配時會傾向于外出務工來獲取更高收入，但是研究結果顯示教育因素影響并不大。

3.2.2 社會網絡效應分析 由模型結果可知，無論是SAR模型，還是SEM模型，農業收入比的空間相關系數都為負，其中SAR模型的值為-0.0673，通過1%水平上的顯著性檢驗。說明白灘村農戶間的農業收入比是相互影響的，存在相關關系，假說得到驗證。同時，模型結果進一步證明這種相關關系為負，農業收入比重存在“互補效應”，而非“同群效應”。當農戶i的農業收入比提高1%，其親戚鄰居的農業收入比會降低6.7%。這需要對該現象產生的原因進行解釋。

調研數據統計結果顯示，白灘村83.7%的農戶都有勞動力外出務工的現象，而在訪談中也發現，家庭外出勞動力較多的農戶，由于無力照看土地（包括林地和耕地），會將土地交給其親戚鄰居代耕，或者以低廉的價格流轉出去，土地流轉現象較為普遍。在以親緣、鄰居構成的農村社會網絡中，傳統的熟人社會能夠增加農地轉出戶找到合適出讓對象的機會，同樣的，也能增加農地轉入戶如愿流轉入土地的機會。大量現有的研究證實了以上觀點。陳浩認為社交圈中的土地流轉是通過降低交易成本而實現的；Mota等則從增加信息透明度，減少搭便車行為來解釋土地流轉多局限于社交網絡的現象；Robison等在其社會資本與農地交易一文中提出，社會資本不僅促進了農地交易，還降低了土地出讓方的意愿價格[16，25-26]。因此，在農村社會網絡中，農戶在流轉土地時首先考慮其親戚鄰居，無疑是降低交易成本、實現風險最小化的最優選擇。

同時，研究表明純農戶的土地流入意愿較強，而兼業農戶的土地流出意愿較強[27]。當農戶i的親戚鄰居兼非農業較多時，或農業收益不佳時，傾向于流出土地。同時，農戶i兼非農業較少，或農業收益較高，傾向于流入土地。受傳統的社會網絡影響，如圖3所示，農戶i的親戚鄰居將土地流轉給i，i的土地規模擴大，農業收入相應增加，而流出土地的農戶i的親戚鄰居因為外出務工導致非農收入增加，農業收入比降低。農戶之間這種勞動力安排的互補關系、協作關系，不僅充分利用了網絡內的閑置土地、人力資源，同時優化了農業生產結構。因此，在社會網絡的互補效應的影響下，農戶與其親戚鄰居的農業收入比呈現負相關關系。

圖3 農戶收入社會網絡影響Fig.3 Social network effects of rural household income

4 結論與啟示

本文運用空間計量方法，分析四川南江縣白灘村在后退耕時期農戶收入之間的相關關系，以及退耕程度、勞動力流動因素對農戶收入的影響，最終得到以下幾個主要結果：（1）在白灘村社會網絡體系中，農戶的農業收入比增長1%，其親戚鄰居的家庭農業收入比降低6.7%，這一情況反映了勞動力由農業部門向非農部門轉移而產生的社會網絡“互補效應”；（2）白灘村退耕程度越高的農戶，其農業收入占家庭總收入比例就越高，退耕程度每增加1%，農業收入比將提高5.2%；（3）家庭總勞動力越多的，農業收入占總收入比例越低，其中家庭農業勞動力每流出1%，農業收入比減少3.2%。由此可以得到如下啟示：

（1）將白灘村社會網絡的互補效應應用于其農村信息共享平臺建設。研究結果顯示，受社會網絡影響，在家務農的農戶傾向于流入土地，農業收入比增加；而與其處于同一社會網絡中的親戚或鄰居則傾向于流出土地、外出就業，農業收入比降低，即非農收入比增加。因此，相關政府部門可以考慮充分利用農村社會網絡效應，立足于服務當地農民，建立村級就業、土地流轉信息共享平臺。此舉一方面可緩解農民就業信息不對稱，增加就業渠道，提高農民收入；另一方面利用信息共享平臺擴展社會網絡的規模，使其在土地流轉中能夠充分發揮作用，以促進土地流轉市場不斷完善。

（2）通過鼓勵種植收入較高的經濟林提高農民退耕還林積極性。由白灘村現狀來看，退耕程度越高，農戶的農業收入比越高，其中林業收入是農戶農業持久收入的主要來源之一。在充分考慮市場需求、農民經營水平的前提下，第二輪退耕還林可考慮發展“民生林業”，鼓勵發展生態效益、經濟效益相結合的林果業和林下經濟，提高農民農業收入，以此調動農民退耕還林積極性。

（3）以就業為核心促進白灘村剩余勞動力轉移。從研究結果來看，家庭勞動力總數越多的，農業收入比反而越低，說明農戶農業生產存在剩余勞動力并有外出就業的流動跡象。相關部門應掃清農戶非農就業的障礙，保障農民工應有權益，實現以就業為核心，推動農村剩余勞動力向城鎮轉移。

（References）：

［1］ 李樹茁，梁義成，MARCUS W. FELDMAN，等. 退耕還林政策對農戶生計的影響研究——基于家庭結構視角的可持續生計分析［J］ . 公共管理學報，2010，7（2）：1 - 10.

［2］ 胡霞. 退耕還林還草政策實施后農村經濟結構的變化——對寧夏南部山區的實證分析［J］ . 中國農村經濟，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，陳志穎. 退耕還林對非農就業的影響分析［J］ . 中國軟科學，2006，（8）：31 - 40.

［5］ 陳國建，李銳，楊勤科，等. 大規模生態退耕對陜北丘陵溝壑區農村社會經濟的影響——以縣南溝和燕溝小流域為例［J］ . 中國水土保持科學，2004，（4）：48 - 52.

［6］ 朱明珍，劉曉平. 退耕還林工程對農戶勞動力供給的影響分析［J］ . 林業經濟，2011，（7）：47 - 53.

［7］ 徐晉濤，陶然，徐志剛. 退耕還林：成本有效性、結構調整效應與經濟可持續性——基于西部三省農戶調查的實證分析［J］ .經濟學（季刊），2004，（4）：139 - 162.

［8］ 支玲，李怒云，王娟，等. 西部退耕還林經濟補償機制研究［J］ . 林業科學，2004，40（2）：2 - 8.

［9］ 潘靜，陳廣漢. 家庭決策、社會互動與勞動力流動［J］ . 經濟評論，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］ 張振，徐雪高，吳比. 新常態下農戶家庭社會關系網絡的收入效應研究——基于CHARLS數據的實證分析［J］ . 經濟問題，2016，（6）：73 - 78.

［13］ 王夏潔，劉紅麗. 基于社會網絡理論的知識鏈分析［J］ . 情報雜志，2007，26（2）：18 - 21.

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

［15］ 茍天來，左停. 從熟人社會到弱熟人社會——來自皖西山區村落人際交往關系的社會網絡分析［J］ . 社會，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］ 楊衛忠. 農村土地經營權流轉中的農戶羊群行為——來自浙江省嘉興市農戶的調查數據［J］ . 中國農村經濟，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］ 李樺，姚順波，郭亞軍. 退耕還林對農戶經濟行為影響分析——以全國退耕還林示范縣（吳起縣）為例［J］ . 中國農村經濟，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］ 陳浩，王佳. 社會資本能促進土地流轉嗎?——基于中國家庭追蹤調查的研究［J］ . 中南財經政法大學學報，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］ 張忠明，錢文榮. 不同兼業程度下的農戶土地流轉意愿研究——基于浙江的調查與實證［J］ . 農業經濟問題，2014，（3）：19 - 24.

（本文責編：陳美景）

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

國家青年自然科學基金項目（71403125，71603126）；江蘇高校哲學社會科學研究項目（2016SJB790008）；江蘇省高校自然科學面上項目（16KJB210009）。

藍菁（1983-），女，浙江麗水人，博士，副教授。主要研究方向為資源環境經濟與可持續發展、土地經濟與政策分析。E-mail: lanjing@njau. edu.cn

劉震（1982-），男，山東東營人，博士，副教授。主要研究方向為環境與資源經濟、發展經濟學。E-mail: zhenliu_cn@yahoo.com