社会学习对农户农产品电商采纳的影响
——基于电商认知的中介作用和政府支持的调节作用

闫贝贝,刘天军,孙晓琳

(西北农林科技大学 经济管理学院/西部农村发展研究中心,陕西 杨凌 712100)

引 言

电子商务具有跨越时空、对象均等、信息整合等诸多优势,农产品电子商务(简称农产品电商)被视为能突破原有市场分割、推动农产品上行、实现小农户与大市场有效对接的新型理想渠道[1]。近年来,电子商务催生了农产品销售方式的巨大变革。2012-2021年“中央一号文件”和《乡村振兴规划纲要(2018-2022)》及《数字农业农村发展规划(2019-2025年)》等一系列政策文件都对农村电子商务发展做出战略部署。各级政府与时俱进,高度关注农村电商。然而,相对于农产品电商近年来不断升温的舆论热度,其在农村地区的采纳率仍然很低。《中国农村电子商务发展报告2019-2020》显示,2020年上半年农村网络零售额为7 668.5亿元,占全国网络零售额的14.9%,其中,全国农产品网络零售额为1 937.7亿元,仅占全国网络零售额的4.6%,农产品电商的普及仍然任重道远。在电子商务利好政策不断推出的情况下,农产品电商缘何仍未广泛应用是值得深入思考的问题。深入挖掘农户采纳农产品电商的影响因素,探索其采纳行为的形成机理,具有重要的理论和现实意义。

现有研究从理论和实证层面检验了影响农户农产品电商采纳的因素,主要归结为以下三个方面。一是农户个体特征。已有文献认为,个体年龄对其农产品电商采纳有显著负向影响[2],受教育水平[3]、健康状况[4]、认知程度有显著正向影响[5]。二是家庭特征。现有文献指出,社会资本是农户获取农产品电商信息和资源的重要渠道[6],家庭收入水平能有效降低采纳行为的资金约束,对农户农产品电商采纳有显著促进作用[7]。三是外部环境特征。农产品电商采纳是多方力量共同参与的结果,政府政策扶持及信息和物流设施建设是促使农户做出采纳实践的外部保障[8-10]。

以上研究对农户农产品电商采纳的影响因素进行诸多有益探讨,但多从静态角度出发,忽视了采纳行为的动态性、复杂性。农产品电商是信息技术在农产品销售环节的创新性应用,农户对其采纳不仅要具备电商操作技能和营销知识,还会承担一定风险[11],鉴于农户自身素质和技能有限,需要不断汲取信息和知识克服采纳困境和不确定性,这一过程主要通过社会学习实现。社会学习指个体搜集信息、获取知识的行为,涉及消化、吸收创新的动态过程[12-13],促使农户形成电商认知,进而对其采纳行为有正向影响,因此,电商认知在社会学习与农户农产品电商采纳的关系中发挥中介作用;另外,农户行为是自身能动力量和外部驱动因素相互作用的结果,农户农产品电商采纳不仅与其社会学习有关,也受外部环境影响。当前,我国农产品电商的发展处于初级阶段,政府支持的作用不可或缺[14]。政府对农产品电商的补贴、宣传和培训等为农户提供学习平台和机会,激发学习热情,降低学习成本,增强社会学习对农产品电商采纳的促进作用,故政府支持在社会学习与农户农产品电商采纳的关系中发挥正向调节作用。

苹果是我国第一大水果,截至2020年,我国苹果种植面积为3 132.78万亩,产量为4 100万吨。苹果种植是我国部分地区的主导产业,也是当地农户收入的主要来源。但近年来,我国苹果销售面临巨大挑战。一方面,苹果主产区生产布局呈“西移、北扩”态势,黄土高原优势区种植面积近20年来持续增加,渤海湾产区种植面积不断减少,主产省内北部地区苹果种植面积增长迅速,中南部地区面积减少(1)资料来源于2020年度国家现代苹果产业技术体系发展报告。,而其销售市场主要集中在东南沿海地区,产销地之间的空间距离进一步拉大。另一方面,我国苹果生产优势区与深度贫困区高度重合,大多处于交通、互联网和物流等交织网络的末端,信息闭塞,运输不便,苹果卖难问题凸显,制约农户收入水平的提高和生活质量的改善,推动农产品电商的普及具有现实紧迫性。基于此,本文在理论分析基础上,利用陕西省1 051个苹果种植户的调查数据,综合考虑农户农产品电商采纳决策和采纳程度,系统测度社会学习、电商认知和政府支持水平,采用IV-Heckman模型实证探究社会学习对农户农产品电商采纳的影响效应,同时克服社会学习的内生性问题和农产品电商采纳的样本选择问题,检验电商认知在社会学习与农户农产品电商采纳之间的中介作用和政府支持的调节作用。本研究旨在揭示社会学习对农户农产品电商采纳的作用效果及影响路径,拓展农村电子商务领域的定量研究,为推动我国农村电子商务发展提供理论参考和政策借鉴。

一、理论分析与研究假说

(一)社会学习影响农户农产品电商采纳的理论分析

农产品电商是互联网在农业领域的创新性应用,农户采纳行为取决于其对信息技术的接受能力[15]。已有研究指出,农户对新技术的采纳是包含风险管理、学习行为和投资调整的动态过程,个体相关知识通过学习不断更新[16]。学习主要分两个方面,即获取直接经验的“干中学”和间接向他人或通过其他媒介学习[17],后两种方式被称为社会学习[18]。ROGERS也指出,创新扩散是社会化的过程,个体主要通过人际关系和大众传媒获取创新信息和知识[19]。在本文中,社会学习指与农产品电商有关的学习,主要包括人际交流学习和大众媒介学习。人际交流学习指农户与亲友邻里、电商大户和电商推广人员等交流学习农产品电商技能和经验的行为,是基于人际互动的信息共享和知识溢出;大众媒介学习指农户通过互联网、广播、电视等传播媒介获取农产品电商信息和知识的行为。亲友邻里、电商大户和电商推广人员是与农户学习互动的主要群体[5]。建立在亲缘、友缘和地缘基础上的亲友邻里,具有互惠互助的特点,农户通过与其交流讨论,掌握农产品电商运营的相关信息和操作技能,减少采纳的实际障碍[4,7]。现有文献表明,电商早期的快速扩散正是乡村熟人网络知识传递的结果[20]。电商大户的采纳会产生明显示范带动作用,农户与其学习交流能低成本地获取采纳技术和经验[6],增进知识累积[21]。电商推广人员具有较强的专业素质,农户与其交流学习能更好地掌握相关政策信息和知识,降低采纳风险,提高采纳能力[5]。大众媒介学习能大幅降低搜寻成本和信息不完全性[22],有效促进个体知识获取、共享及行为改进,是理解社会学习的重要维度[18]。互联网等新兴传播媒介为个体提供创新性的学习方式、多元化的学习体验和丰富的学习资源,打破时间和场所的限制,有效充实个体知识架构[23]。我国农村网民数量庞大(2)中国互联网络信息中心(CNNIC)发布的数据显示,2019年6月、2020年6月和2021年6月,我国农村网民规模分别为2.25亿、2.85亿和2.97亿,农村地区互联网普及率分别为39.8%、52.3%和59.2%。,为基于互联网的社会学习提供良好基础。农户借助电脑、智能手机或其他移动上网终端,便捷高效地获取完善的农产品电商采纳技术和先进的营销知识。广播、电视等传统媒介融于日常生产和生活中,满足不同农户获取农产品电商知识的需求,有助于改善电商采纳水平,提高做出采纳决策的可能性并深化采纳程度。基于此,本文提出以下假说。

H1：社会学习对农户农产品电商采纳具有正向影响。

H1a：社会学习对农户农产品电商采纳决策具有正向影响。

H1b：社会学习对农户农产品电商采纳程度具有正向影响。

(二)电商认知在社会学习影响农户农产品电商采纳关系中的中介作用

根据有限理性行为理论,态度和信念促使个体行为发生转变,而态度和信念的形成和演化是理性个体基于获得相关信息及观察他人行为而进行一系列学习的结果[24],认知是态度和信念的内化。可见,社会学习不仅直接影响农户农产品电商采纳,还通过提升电商认知对其采纳行为产生积极作用[20]。整合技术接受模型(UTAUT)指出,信息技术的采纳基于个体对其绩效期望、努力期望、社会影响、促成因素的综合认知,分别表示个体认为采用信息技术将提高绩效的程度、采用难易程度、周围人的认可程度及现有条件可以支持新技术采用的程度。现实中,农户的电商认知水平具有异质性,人际交流学习使电商采纳经验和知识快速传播,形成乡村性的互联网“长尾效应”和“认知盈余”[25],修正农户对农产品电商的认识和评价[3,26]。大众媒介在传递信息和知识的同时,也塑造着个体对创新的价值认知与态度[27],农户通过新兴媒介和传统媒介高效获取信息和知识,形成对农产品电商的认识。研究发现,电商政策认知[3]、竞争程度认知[4]、复杂程度和成本认知[5]对农户农产品电商采纳具有显著影响,且认知水平越高,越能促使其深入实施采纳行为。由上述分析可知,社会学习有助于提高电商认知,而电商认知促进农户农产品电商采纳。鉴于此,本文构建“社会学习-电商认知-农产品电商采纳”中介效应模型,并提出以下假说。

H2：电商认知在社会学习影响农户农产品电商采纳关系中具有中介作用。

H2a：电商认知在社会学习影响农户农产品电商采纳决策关系中具有中介作用。

H2b：电商认知在社会学习影响农户农产品电商采纳程度关系中具有中介作用。

(三)政府支持在社会学习影响农户农产品电商采纳关系中的调节作用

技术-组织-环境(TOE)框架指出,个体(或组织)信息技术的采纳同时受内生力量和外部环境影响。政府支持是保障农户采纳农产品电商的重要外部力量。已有研究从理论层面论述了农户个体与政府支持在农产品电商采纳中的协同作用。如唐跃桓等认为电子商务在农村地区的推广和应用是农民学习效仿和多元主体参与的过程,政府支持提供装备、知识和渠道,是推动农产品电商扩散和传播的外部驱动力[26]。崔凯等指出农产品电商的普及需要内部逻辑与外部条件的协调配合,内部逻辑表现为农户个体对农产品电商的学习探索,外部条件体现在政府主体对相关支持体系的建设和完善[15]。综合现有研究成果和调研地区实际情况,本文从政府补贴、政府宣传和政府培训三方面衡量政府支持。作为农户农产品电商采纳的外部驱动和情境因素,政府提供的补贴和低息贷款等资金支持能降低电商采纳的物质成本[14],调动农户学习的积极性和主动性;政府宣传使农户便捷、高效地获取农产品电商技能和政策信息,形成良好学习氛围,激发农户学习热情,降低学习成本,加快学习进程;政府培训为农户提供学习交流平台,拓宽学习渠道[5],促进学习内容消化吸收。即政府支持水平影响农户社会学习效果,在具有较高水平的政府支持环境中,社会学习对农户农产品电商采纳决策和采纳程度的正向影响加强。基于此,本文提出以下假说。

H3：政府支持在社会学习影响农户农产品电商采纳关系中具有正向调节作用。

H3a：政府支持在社会学习影响农户农产品电商采纳决策关系中具有正向调节作用。

H3b：政府支持在社会学习影响农户农产品电商采纳程度关系中具有正向调节作用。

(四)理论分析框架

综合以上分析,本文试图将社会学习、电商认知、政府支持和农产品电商采纳纳入统一的分析框架(见图1),以期为研究农户农产品电商采纳行为提供一个新的视角。

图1 理论分析框架

二、数据来源、变量选取与描述性统计

(一)数据来源

本文选择陕西省为调研区域,研究苹果产业电商发展和农户采纳情况。原因在于,陕西省是我国苹果生产优势区,苹果种植面积和产量均处全国首位(3)《2020年中国苹果产业发展报告》显示,2020年陕西省苹果种植面积为968.77万亩,产量为950万吨。,以陕西省为样本能较好地反映我国苹果产业的基本情况。此外,综合考虑待调查区域在地理区位、自然资源和经济发展方面的差异性,选取陕西省延安市宝塔区、洛川县、黄陵县、渭南市白水县和咸阳市淳化县5个苹果基地县作为样本区域,在每个县(区)选择3～4个有代表性的乡镇,每个乡镇选择3～4个村,每个村随机选15～20个农户,采取面对面入户调查形式。调查样本共涉及17个乡(镇),59个行政村。课题组依托国家苹果产业体系分别于2019年10-11月在陕西延安市宝塔区、洛川县、黄陵县和渭南市白水县,2021年4月在陕西咸阳市淳化县开展关于苹果种植户生产和销售行为的实地调查,第一次发放问卷840份,第二次发放问卷240份,共回收有效问卷1 051份,问卷有效率为97.31%。

(二)变量选取

1.被解释变量。本文被解释变量为农产品电商采纳,包含采纳决策和采纳程度两个连续的过程。综合曾亿武等对农户农产品电商采纳概念的界定和调研样本情况[11],本文将“农产品电商采纳”定义为农户借助自媒体、社交软件(微信、抖音、快手、QQ等)和第三方电商平台(淘宝、京东、拼多多等)进行电商销售的行为。农户使用上述任意一种电商平台时对采纳决策赋值为1,反之赋值为0。将农户通过农产品电商销售的苹果量占总产量的比值作为采纳程度。

2.核心解释变量。本文核心解释变量为社会学习,从人际交流学习和大众媒介学习两个维度设计并筛选出6个测量题项(选择项为“1=非常不频繁;2=比较不频繁;3=一般;4=比较频繁;5=非常频繁”),做因子分析,以主成分分析法提取2个公因子,累积方差贡献率为78.95%。以各因子方差贡献率占总方差贡献率的比重作为得分权重,计算社会学习综合水平。

3.中介变量。本文中介变量为电商认知,从绩效期望、努力期望、社会影响和促成因素4个维度设计并筛选出13个测量题项(选择项为“1=非常不同意;2=比较不同意;3=一般;4=比较同意;5=非常同意”),做因子分析,以主成分分析法提取4个公因子,累积方差贡献率为80.16%。以各因子方差贡献率占总方差贡献率的比重作为得分权重,计算电商认知综合水平。

4.调节变量。本文调节变量为政府支持,从政府补贴、政府宣传和政府培训3个维度设计并筛选出9个测量题项(选择项为“1=力度非常小;2=力度比较小;3=一般;4=力度比较大;5=力度非常大”),做因子分析,以主成分分析法提取3个公因子,累积方差贡献率为78.95%。以各因子方差贡献率占总方差贡献率的比重作为得分权重,计算政府支持综合水平。在测度政府宣传和培训力度时,本文将“近三年,乡镇和村级组织宣传农产品电商次数”及“近三年,乡镇和村级组织培训农产品电商次数”按照“1次及以下”“2～5次”“6～9次”“10～12次”“13次及以上”分别定义为“力度非常小”“力度比较小”“一般”“力度比较大”“力度非常大”转换。

5.控制变量。已有研究指出,农户农产品电商采纳受到个体特征、家庭特征、生产特征、物流和网络特征等的影响[3,11],故本文将受访者性别、年龄、文化程度、健康状况、家庭人口、社会资本、家庭收入水平(取对数)、苹果经营规模、物流便利程度和网络便利程度纳入控制变量。

(三)信度和效度检验

表1是信度和效度分析结果。所有测量题项的克朗巴哈系数(Cronbach’α)为0.836,所有变量及各维度的克朗巴哈系数均大于0.753,即变量测量有较好的信度。KMO值和Bartlett球形检验均达到1%的显著性水平,说明适合做因子分析。所有测量题项的因子载荷均大于0.725,即变量有较好的收敛效度。

表1 信度和效度检验

(四)描述性统计

表2是各变量的描述性统计结果。有384个样本农户采纳农产品电商,占总样本的36.54%;受访农户男性和女性比例分别为67.92%和32.08%。平均年龄53岁,年龄最小25岁,最大78岁;平均受教育年限8年,最高受教育年限为16年;平均健康状况为比较健康;受访农户家庭平均人口为6人;家庭人情支出小于5 000元的占54.53%,5 000～15 000元的占25.09%,大于15 000元的20.38%;受访者家庭平均年总收入为37 687.760元,3万元以下的53.89%,3～5万的18.22%,大于5万的27.89%;受访者苹果平均经营规模为11亩。物流和网络平均便利程度为比较便利。

表2 变量定义与描述性统计

三、模型构建

(一)基准模型的构建

在分析社会学习对农户农产品电商采纳的影响时,需考虑农产品电商采纳(采纳决策和采纳程度)的样本选择问题和因测量误差、遗漏变量及社会学习与农户农产品电商采纳之间的双向因果导致的内生性问题。本文借鉴Wooldridge[28]、温兴祥等的研究[29],选取基于工具变量的Heckman模型(IV-Heckman)解决。将父母最高学历作为社会学习的工具变量。一方面,个体社会学习水平与其家庭学习氛围密切相关,父母学历越高,越重视学习,越会形成浓厚学习氛围,子女社会学习水平会更高[30]。另一方面,父母学历在农户采纳农产品电商之前已决定,不会对子女的电商采纳行为有直接影响,父母学历相对于农户农产品电商采纳是严格外生的。模型分两个阶段,第一阶段,将社会学习与其工具变量、残差和外生解释变量回归,得到社会学习的拟合值[31]。建立如下方程：

Li=α1+β1Ei+λX+μi

(1)

(2)

第二阶段,采用Heckman两步法估计农产品电商采纳决策Dci和采纳程度Dgi。将采纳决策和采纳程度与社会学习的拟合值、残差、外生解释变量分别做Probit回归和OLS回归。选择“是否参观过电商示范园”(参观电商示范园会增强农户对农产品电商采纳的直观感受,触发采纳决策,但对其采纳程度无直接影响。)作为识别变量,并计算模型的逆米尔斯比。建立如下方程：

(3)

(4)

此外,为将仅处理内生性和样本选择问题与同时处理两者的回归结果作对比,本文还做以下估计：一是分别单独使用IV-Probit模型和两阶段最小二乘法(2SLS),仅克服内生性问题;二是使用普通Heckman模型,仅克服样本选择问题。

(二)中介效应模型的构建

本文参考温忠麟等的研究[32],综合考虑内生性和样本选择问题,检验电商认知的中介效应。首先,采用两阶段最小二乘法(2SLS)估计社会学习对电商认知Ci的影响。建立如下方程：

(5)

其次,采用IV-Heckman模型估计社会学习和电商认知对农户农产品电商采纳的影响。建立如下方程：

(6)

(7)

Z是控制变量。本文根据上述回归结果判断电商认知的中介效应。第一步,检验β2和β3的显著性,若系数显著,则进行第二步;反之,停止检验。第二步,检验β4、β6、β8的显著性,若都显著,则进行第三步。若β4和β6、β4和β8两组中至少有一个不显著,则直接进行第四步。第三步,检验β5和β7,若都显著,则电商认知的中介效应存在。第四步,若第二步中有系数不显著,则进行Sobel检验。Sobel统计量在5%显著性水平上的临界值为0.97[33]。

(三)调节效应模型的构建

本文根据温忠麟等的研究结果[34],构造社会学习和政府支持的交互项,检验政府支持Si在社会学习影响农户农产品电商采纳中的调节效应。

第一阶段,分别将每个内生变量与工具变量、残差项和外生变量回归,得到内生变量的拟合值[31],建立如下方程：

Li=α7+β9Ei+β10Ei×Si+β11Si+λX+μi

(8)

Li·Si=α8+β12Ei+β13Ei×Si+β14Si+λX+μi

(9)

(10)

(11)

为进一步证明上述检验结果的可靠性,本文同样基于IV-Heckman模型,运用分组回归方法,通过对比社会学习对农户农产品电商采纳在低政府支持水平组和高政府支持水平组的影响程度,判断政府支持的调节效应是否存在。

四、实证结果与分析

在进行实证分析之前,需检验变量间的多重共线性。社会学习、电商认知和政府支持均在1%的显著性水平上与采纳决策和采纳程度正相关,社会学习与电商认知在1%的显著性水平上正相关,与政府支持的相关关系不显著。变量间的相关系数均小于0.4,方差膨胀因子(VIF)最大为1.95,即测量变量不存在共线性。

(一)基准回归

表3报告了社会学习影响农户农产品电商采纳的实证结果。由模型1、模型3和模型5可知,社会学习在1%的统计水平上正向显著。模型1和模型3中社会学习的系数值小于模型5的回归结果。表明有必要考虑内生性和样本选择问题,即IV-Heckman模型的结果更准确。由模型5可知,社会学习对农户农产品电商采纳决策有显著正向影响,假说H1a得到证实。同样,模型2和模型4中社会学习的系数值小于模型6的回归结果,即模型6的回归结果更准确。由模型6可知,社会学习对农户农产品电商采纳程度有显著正向影响,假说H1b得到证实。综上可知,社会学习显著促进农户农产品电商采纳,假说H1得到证实。

表3 社会学习对农户农产品电商采纳的影响回归结果

从控制变量来看。在农产品电商采纳决策方面,个体文化程度、社会资本、收入水平、经营规模和物流便利程度有显著正向影响。年龄有显著正向影响,年龄平方有负向影响,即农户年龄对其采纳决策的影响呈先增后减的趋势,原因是,在一定范围内,随着年龄的增长,农户对农业的依赖性加强,采纳农产品电商的积极性增加,超过一定年龄,农户对农产品电商的操作能力降低,难以付诸采纳实践。在农产品电商采纳程度方面,个体文化程度越高,越能充分利用各种资源和信息[11],较高的社会资本和家庭收入水平能帮助农户获取更多农产品电商知识和资本支持,从而对采纳程度有显著促进作用。苹果种植面积较大的农户具有增加销售量的客观需求和动力,对农产品电商采纳的积极性更高,从而深化采纳程度。物流便利度有显著正向影响,网络便利度的影响不显著,原因是,随着我国信息化的推进,以网络设施接入为特征的一级鸿沟基本填平,农户对互联网的可及性大大增加,使得网络便利度对其农产品电商采纳的促进作用不明显。

(二)电商认知在社会学习影响农户农产品电商采纳关系中的中介效应

表4汇报了电商认知的中介效应检验结果(4)以“受访者父母最高学历”为工具变量,检验社会学习对电商认知影响的内生性。Wald F统计量为18.37,大于10%偏误水平下的临界值16.38,说明不存在弱工具变量问题;Hausman检验卡方及p值为3.15(0.012 6),拒绝社会学习为外生变量的原假设。以“同村其他农户电商认知水平”为工具变量,检验电商认知对采纳决策和采纳程度的内生性。Wald F统计量分别为19.25、21.34,说明不存在弱工具变量问题;Hausman检验卡方及p值分别为1.15(0.906 2)和1.68(0.842 3),未拒绝电商认知为外生变量的原假设。。由模型7可知,社会学习在1%的显著性水平上正向影响电商认知。由模型8可知,社会学习和电商认知均对采纳决策有显著正向影响,即电商认知在社会学习与农户农产品电商采纳决策间的中介效应显著,假说H2a得到证实。由模型9可知,社会学习和电商认知均对采纳程度有显著正向影响,即电商认知在社会学习与农户农产品电商采纳程度间的中介效应显著,假说H2b得到证实。综上可知,社会学习通过提高电商认知对农户农产品电商采纳产生积极影响,假说H2得到证实。

表4 电商认知在社会学习影响农户农产品电商采纳关系中的中介效应回归结果

(三)政府支持在社会学习影响农户农产品电商采纳关系中的调节效应

表5汇报了政府支持的调节效应检验结果。由模型10和模型12可知,社会学习和政府支持均在1%的显著性水平上正向影响农户农产品电商采纳决策,二者的交互项对采纳决策的影响仍是正向显著的。分组回归(模型14、模型16)结果显示,在政府支持水平较高的样本中,社会学习对采纳决策的正向影响更大。即政府支持在社会学习影响农户农产品电商采纳决策的关系中发挥正向调节作用,假说H3a得到证实。由模型11和模型13可知,社会学习和政府支持均在1%的显著性水平上正向影响农户农产品电商采纳程度,二者的交互项对采纳程度的影响仍是正向显著的。分组回归(模型15、模型17)结果显示,在政府支持水平较高的样本中,社会学习对采纳程度的正向影响更大。即政府支持在社会学习影响农户农产品电商采纳程度的关系中发挥正向调节作用,假说H3b得到证实。综上可知,政府支持能增强社会学习对农户农产品电商采纳的正向影响,假说H3得到证实。推动农产品电商的普及,使其真正普惠于小农户,不仅要求农户具备采纳农产品电商的内生力量,还需要政府提供完善的资金补贴、全面的推广宣传和专业的培训服务等支持,实现技术推广和服务渠道下沉,打造完善的电商生态系统,为农户提供适宜的外部环境。

表5 政府支持在社会学习影响农户农产品电商采纳关系中的调节效应回归结果

(四)稳健性检验

1.替换关键变量。为证实上述回归结论的稳健性,本文以各关键变量得分法计算结果替换因子分析法计算结果。具体操作为：对各测量题项的选项赋值进行赋分,以等权重加总计算各变量综合水平。计算所得社会学习均值为12.83,标准差为10.59,电商认知均值为46.29,标准差为41.55,政府支持均值为38.61,标准差为40.27。重新回归结果(5)限于篇幅,详细估计结果未予汇报。证实了前述估计结果较为稳健。

2.替换中介效应和调节效应检验方法。本文采用自抽样检验(Bootstrap)进行中介效应和调节效应的稳健性检验。Bootstrap方法能同时考虑中介效应和调节效应,且其提供的置信区间更准确、更具统计检验力[35]。由表6可知,电商认知的置信区间不包括0,其在社会学习影响农户农产品电商采纳决策和采纳程度的中介效应显著,中介效应大小为0.2102、0.2614,分别占总效应的46.16%和49.23%,进一步证实了假说H2a和H2b。政府支持在社会学习对农户农产品电商采纳决策和采纳程度减一个标准差的置信区间内包含0,而在其均值与均值加一个标准差的置信区间内不包含0,表明社会学习对农产品电商采纳的作用随政府支持的水平发生显著差异,即政府支持的调节效应存在,进一步证实了假说H3a和H3b。

表6 Bootstrap中介效应与调节效应检验结果

五、结论与建议

本文基于陕西省1 051个苹果种植户的调查数据,系统探究了社会学习对农户农产品电商采纳的影响。结果显示：社会学习对农户农产品电商采纳有显著积极作用,社会学习水平越高的农户,采纳农产品电商的可能性越大、采纳程度越深;电商认知在社会学习影响农户农产品电商采纳关系中发挥部分中介作用。简言之,社会学习通过提高农户电商认知,促使其做出采纳决策并深化采纳程度;政府支持正向调节社会学习对农户农产品电商采纳的影响,具体表现为,政府支持激发农户学习农产品电商知识和技能的积极性和主动性,降低农户学习成本,提高学习效果,加强社会学习对农户农产品电商采纳的促进作用。本文基于上述研究结论,提出以下几点建议。

1.应在全社会形成学习交流的良好氛围,重视社会学习对农业生产和销售的积极作用。统筹农业推广机构、科研院所和各类信息服务平台等,加强对农产品电商采纳功能和实践技能的渗透,多渠道、全方位提升农户的电商知识储备,形成农产品电商采纳良好社会规范,针对制约农户做出采纳实践的因素进行改进。

2.各级政府应优化支持保障机制。加大对农产品电商的补贴力度,建立农产品电商专项资金扶持体系,针对个体异质性灵活调整扶持重心,以提高政府支持效果。加强对农产品电商的宣传,综合采用广播、入户、发放宣传手册等形式,增进农户对电商采纳补贴政策、人才引进政策和监管政策的了解。重视对采纳效果较好的典型案例的推广,调动农户学习农产品电商的积极性。丰富农产品电商培训的形式和内容,提升培训人员专业素养,采用线上线下相结合的方式,探索设计涵盖农产品电商基础知识、功能和应用等不同层级的课程体系,为农户学习农产品电商提供适宜的平台和机会,促进其对电商知识的消化吸收。完善信息、物流和电商服务设施等的建设,解决制约农村电商发展的“最后一公里”问题,减少农户采纳实践中的障碍。

3.各方组织力量如电商协会、果业协会和企业、农民专业合作社、电商服务中心等,向农户传递农产品电商知识。注重培养农户学习意识和学习能力,激活主体活力,引导并提升农户总体学习水平,增强其获取农产品电商信息的内生动力。定期举行电商交流学习讲座和图片展示、短视频制作大赛,邀请电商大户分享实践经验,形成邻里示范和能人带动效应。

4.农户之间应相互交流分享农产品电商技能和经验,积极向电商大户和电商推广人员请教学习。重视广播、电视、报纸等传统媒介的应用,提高自身对农产品电商信息的判断能力和敏感性。培养现代信息技术的利用能力,借助抖音、微信、信息网站等学习农产品电商运营管理知识和营销技能,积累采纳经验并不断提高采纳能力。