农民分化、社会互动与农户参与合作社的行为决策机制研究——基于3县6社358户调查问卷的实证分析

本文运用来自3个县市6个合作社空间覆盖范围内358个农户的问卷调查资料,以实证检验农民分化与社会互动对农户参与合作社决策行为的影响。研究发现,农民专业合作社的发展中确实存在着农户从入社意愿向入社行为转换的障碍,二者之间的数量差异占样本农户的比例高达36.9%。因子分析和Logistic回归分析的结果表明:农民分化会通过信息的传播及农户对信息的占有差异而对他们参与合作社的入社决策行为产生影响;社会互动会通过村域交往促进信息的传播,增进农户对合作社法律法规、政府政策及相关知识的了解程度,有助于更多的农户采取入社决策行为。整体来看,农户对合作社信息掌握情况对他们最终是否采取入社决策行为产生关键作用。因此,着力填补不同阶层以及具有不同资源禀赋条件的农民之间的知识鸿沟对当前农民合作社不断扩增社员规模、提升合作水平、更好地发挥规模经济的效应,具有重要的实践价值。

杨凌及周边地区猕猴桃种植户参与农民专业合作社的行为研究

以调查数据为依据,对猕猴桃种植户参与农民专业合作社的行为特征及动机进行研究,进而以规范分析为基础,运用Logistic模型,对影响猕猴桃种植户参与农民专业合作社的因素进行实证研究,结果表明:农户加入猕猴桃专业合作社的基本动机是为了顺利地将猕猴桃销售出去,获得生产技术、种苗等服务的动机较为次要,是否入社主要取决于农户对上述动机满足程度的预期,而该预期主要受到农户猕猴桃的种植面积、农户加入合作社的比例,以及是否接受过技术培训等因素的影响。

国家级贫困县农民专业合作社促农增收减贫绩效研究——基于黔、渝623份农户的微观调查数据

实践证明,加入农民专业合作社对农户收入增长有着重要影响。本文利用黔、渝2个省市623份农户的微观调查数据,采用分位数回归(QR)分析模型从收入增长和差距缩小双重视角分析了农民专业合作社的促农增收减贫绩效。结果表明,无论是贫困县,还是非贫困县,农户入社行为决策都能显著促进农户收入增长。但是相较于非贫困县,贫困县农户加入农民专业合作社对其收入增长的正向影响更大,使得合作社能够在一定程度上缩小与非贫困县农户的收入差距。因此,加快贫困地区尤其是国家级贫困县农民专业合作社的主体培育,完善合作社内部治理机制,鼓励、支持并引导农户加入合作社,这对于有效发挥合作社的促农增收减贫效应十分必要。

贫困地区农户参与合作社的影响因素研究——基于陕南秦巴山区的实证分析

农户的广泛参与是农民专业合作社发挥其益贫作用的基础。对陕南秦巴集中连片特困地区农户调研,分析表明农户增收与其加入合作社的行为有关。逐步回归法构建Logistic模型,对合作社性质及收益分配制度的了解是影响贫困地区农户入社行为的主要因素,其次是农业收入占家庭收入的比例及户主年龄等因素。针对性地提出贫困地区农户入社意愿提升的政策建议:加大政策宣传,提升贫困农户自主脱贫意愿,提高合作社持续服务质量。

Learning embeddings of a heterogeneous behavior network for potential behavior prediction

Potential behavior prediction involves understanding the latent human behavior of specific groups,and can assist organizations in making strategic decisions.Progress in information technology has made it possible to acquire more and more data about human behavior.In this paper,we examine behavior data obtained in realworld scenarios as an information network composed of two types of objects(humans and actions)associated with various attributes and three types of relationships(human-human,human-action,and action-action),which we call the heterogeneous behavior network(HBN).To exploit the abundance and heterogeneity of the HBN,we propose a novel network embedding method,human-action-attribute-aware heterogeneous network embedding(a4 HNE),which jointly considers structural proximity,attribute resemblance,and heterogeneity fusion.Experiments on two real-world datasets show that this approach outperforms other similar methods on various heterogeneous information network mining tasks for potential behavior prediction.