家庭农场数字农业技术采纳作用机制——基于ISM-MICMAC 模型分析

周妮笛，纪丽彤，舒澍成，杨 菲

（湖南农业大学商学院，湖南长沙 410128）

0 引言

家庭农场既保留了农户家庭经营的内核，又克服了小农户“小而弱”的缺点，成为我国家庭承包经营创新发展的有效形式，在我国农村基本经营制度和现代农业经营体系中处于基础性地位［1］。党中央、国务院高度重视家庭农场的培育，习近平总书记多次指示要求重点抓好家庭农场发展。2013 年，中央一号文件首次确立家庭农场为新型农业经营主体，此时全国有家庭农场87.7 万个；到2022 年年底，全国有家庭农场390 万个，可见十年来家庭农场获得了高速发展［2］。目前，家庭农场已成为我国最重要的新型农业经营主体，是农业生产经营的主力军、是大宗农产品的主要提供者、是推动乡村振兴的重要力量，对确保粮食安全和实现农业农村现代化具有十分重要意义。数字农业技术应用既是实施数字中国战略需要，也是推进农业农村现代化必然要求，家庭农场对推动农业数字化转型具有特殊意义，能发挥先行探索、节点建设、示范带动等诸多作用，被党和政府寄予厚望［3］。蒋洪杰等［4］指出目前我国数字乡村发展平均水平为39.1%，农业生产信息化率平均水平仅为25.4%。因此，推动家庭农场数字农业技术采纳对提高农业农村信息化水平和促进数字乡村建设具有重要的理论与实践意义。

1 文献综述

近年来，国内学术界对数字农业的研究逐年增加，主要成果有：一是数字农业内涵研究。目前，数字农业内涵正不断丰富，但尚未形成统一界定，学术界主要从数字农业定义［5］、数字农业内容［6］、数字农业技术类型等方面来界定［7］。二是数字农业发展模式研究。数字农业呈融合发展趋势，初步形成了“数字农业+生产”“数字农业+物流”“数字农业+营销”“数字农业+金融”四种典型模式［8］。三是数字农业存在的问题。我国数字农业取得了显著进展，但仍存在基础设施落后、人才缺乏和技术创新不足等问题。四是数字农业发展评价指标研究。如杨军鸽等［9］从数字信息化和数字互联化2 个维度10 个指标建立数字技术发展水平评价体系；肖艳等［10］从数字生产、科技创新、效益水平、产业多元融合和信息化发展5 个维度综合评价数字农业高质量发展水平等。

综上所述，目前数字农业研究主要集中在内涵、模式、问题与评价等方面，忽视了数字农业技术采纳研究。家庭农场是数字农业技术重要应用主体，如何推动家庭农场大规模应用？分析影响数字农业技术采纳的关键因素并进一步探究各因素间的交互作用具有重要的现实价值。本文基于ISM-MICMAC模型，针对我国家庭农场这一重要新型农业经营主体，从家庭农场主个人特征、家庭特征、技术特征感知和外部环境4 个维度18 个指标构建影响因素体系，识别影响家庭农场数字农业技术采纳行为发生的关键因素，分析其作用路径，探究其内在作用机制。

2 研究方法

2.1 解释结构模型法

解释结构模型法（interpretative structural modeling method，ISM），它的基本原理是将凌乱无序的复杂因素用矩阵形式表示出来，通过布尔逻辑运算，利用MATLAB 软件计算可达矩阵，实现对复杂因素的层级分解，并通过多层级递阶模型来呈现因素间层次性和条理化。本研究利用该法将影响家庭农场数字农业技术采纳的复杂因素转化为直观具有良好结构关系的简化模型，便于清晰把握各因素间的层次性。

2.2 交叉影响矩阵相乘法

交叉影响矩阵相乘法（matrices impacts croisesmultiplication appliance classement，MICMAC），它是一种利用驱动力-依赖性矩阵，以此判定不同因素所处的因素群，明确各因素在复杂系统中实质作用的方法。本研究利用该法确定影响家庭农场数字农业技术因素驱动力-依赖性矩阵，便于揭示各因素的作用。

ISM 法有利于梳理因素层次,MICMAC 有利于揭示因素作用，两法联用既能清晰研究思路，又能保证研究科学性。本研究ISM-MICMAC 模型首次应用在家庭农场领域，旨在确认影响家庭农场数字农业技术采纳关键因素的地位、层次和作用，具有一定的创新性。

3 家庭农场数字农业技术采纳影响因素分析

数字农业技术采纳受到多方面因素影响，国内外学者也进行了一些探讨。本研究综合已有研究成果并邀请本领域内各方专家，经过多轮意见收集和论证，形成了家庭农场主个人特征、家庭特征、技术特征感知和外部环境4 个维度、18 个指标的影响因素体系，据此建立家庭农场数字农业技术采纳影响因素体系，如图1 所示。

图1 家庭农场数字农业技术采纳影响因素体系

3.1 家庭农场主个人特征维度

学术界普遍认为政治身份会影响个体新技术采纳［11］，且技术采纳者往往拥有更高的教育水平［12］；年龄对个体技术采纳行为的影响意见不一：张琳等［13］认为年龄正向影响技术采纳行为；杨兴杰等［14］认为随年龄增长个体对新技术的采纳积极性更低，社会网络规模会显著影响个体新技术的采纳［15］；吴雪莲等［16］提出农户的设备操作能力会影响其对技术的采纳。

3.2 家庭农场主家庭特征维度

由于规模经济效应，数字农业技术采纳者的技术采纳程度会随着耕地面积的扩大而提高［17］，家庭劳动力人数越多越倾向于采纳新技术［18］；方松海等［19］提出家庭居住地理位置离市场中心越远，其更愿意了解和采纳新技术；由于采纳新技术需要投入一定资金成本［20］，因此家庭收入越高，对新技术接受能力越强［21］；家庭农场组织化程度也会影响技术采纳行为，合作社良好的示范效应可将分散小农户和家庭农场联结和组织起来［22］，从而提高其技术采纳水平。

3.3 家庭农场主对技术特征感知维度

蔡建东等［23］提出高有用性和高易用性感知易促使个体采纳新技术；李子琳等［24］提出感知有用性和感知易用性是影响技术采纳的关键因素；Sneesl等［25］认为新技术可靠性感知和安全性感知是影响个人技术采纳的重要因素。

3.4 外部环境维度

刘洪彬等［26］认为经济补贴是激励个体采纳新技术的有效手段；张红丽等［27］认为政府宣传引导政策会帮助个体认知新技术，提高技术采纳积极性；杜三峡等［28］得出农户参与技术培训越多，其采纳技术水平就越高；郭芬等［22］提出土地细碎化程度也是技术采纳的重要影响因素；孙茜等［29］认为数字基础设施是实现农业农村现代化的基础，完备的基础设施意味着更好的农业生产条件和收入预期。

4 ISM 模型构建与分析

4.1 构建影响因素集合

综合以上研究，从家庭农场主个人特征、家庭特征、技术特征感知和外部环境4 个维度对家庭农场数字农业技术采纳影响因素进行辨识，并将18 个影响因素组成一个集合，即S={Si|i=1,2,…,18}。

4.2 建立影响因素关联矩阵

为进一步探讨上述18 个影响因素的内在关系，本文查阅解释结构模型相关文献，并最终参考Thakkar 等［30］和刘慧等［31］的研究，研究认为要构建效果理想的解释结构模型，需要采访4～10 名专家。基于此，本文分别邀请具有丰富理论与实践经验的农业领域专家、政府官员和一线管理者各3 位共9 人参与评分。在对专家数据进行统计时，考虑到专家打分的主观性，按照少数服从多数的原则，统计得出各影响因素内在逻辑表。本逻辑表因篇幅原因省略，需要可向作者索取。

4.3 构建邻接矩阵

得到影响因素的关联矩阵后，需对因素间的关系进行量化，即用0 和1 代表因素间的关系。当Si对Sj有影响且i≠j时，V与A表示Sij=1；当Si与Sj互不影响且i≠j时，O表示Sij=0；当Si与Sj相互影响且i≠j时，X表示Sij=1。据此建立邻接矩阵A=（Sij）18×18。本邻接矩阵因篇幅原因省略，需要可向作者索取。

4.4 计算可达矩阵

邻接矩阵表示各要素有无联系，可达矩阵则表示影响因素Si与影响因素Sj之间到达的程度，直观反映各因素间的直接或者间接关系，并利用MATLAB R2016a 软件运算，得出可达矩阵M。本可达矩阵因篇幅原因省略，需要可向作者索取。

4.5 可达矩阵的层级划分

目前学术界对可达矩阵的分解有两种方法，一种是从上至下分解确定层级，另一种是指从下向上分解确定层级。由于本文影响因素具体层级数量难以预测，倘若采用从上至下方法，难以确定最高层级位于系统第几层，因此本文采用从下至上分解方法。

对可达矩阵M进行分析，划分出所有影响因素的可达集R(Si)、先行集Q(Si) 和共同集C(Si)=R(Si)∩Q(Si)。对可达矩阵进行划分时，将C(Si)与Q(Si)中共同存在的影响因素划为同一层次，在划分下一层次时，去掉已经选定的因素，按照上述方法依次将数字农业技术采纳的影响因素划分为4 个层级，层级划分结果如表1 所示。

表1 数字农业技术采纳影响因素层级划分

4.6 模型绘制及层级分析

根据表2 对18 个影响因素的层级分析结果，绘制出数字农业技术采纳影响因素的多级递阶结构模型图，并将数字农业技术采纳行为编码为S0 置于模型的最高层级，见图2。

表2 数字农业技术采纳影响因素的驱动力数值和依赖性数值

图2 数字农业技术采纳影响因素的多级递阶结构模型

由图 2 可知，影响因素被分为3 组（表层因素组、中间层因素组和深层因素组），共4 个层级。表层因素组包含第四层级，处于该层的因素有S13，该因素可以直接影响家庭农场对数字农业技术的采纳；中间层因素组包含第二、三层级，处于该层的因素有S4、S17、S5、S6、S9、S10、S11、S12、S16，这些因素通过直接因素对家庭农场数字农业技术采纳产生间接影响；深层因素包含第一层级，处于该层的因素有S1、S2、S3、S7、S8、S14、S15、S18，这些因素位于系统最深层次，对家庭农场数字农业技术采纳行为的发生起着决定性作用。

通过因素间作用路径分析可知，深层因素通过间接因素影响家庭农场对数字农业技术的安全性感知，从而影响其对数字农业技术的采纳。解释结构模型中5 条路径分析如下：

（1）S1/S2/S3→S4→S16→S13→S0，影响作用路径可描述为家庭农场主的政治身份、受教育程度和年龄会通过影响其社会网络，来影响家庭农场主作出是否参加数字农业相关技术培训的决策，进而影响家庭农场主对数字农业技术的安全性感知，从而影响技术采纳行为。其中家庭农场主政治身份、受教育程度、年龄是最根本因素，对促进数字农业技术采纳行为的发生具有决定性作用。因此，基层党组织是发展家庭农场重要保障，基层政府要高度重视家庭农场主的教育培训问题。

（2）S15→S12→S11→S16→S13→S0，影响作用路径可描述为政府的宣传引导会影响家庭农场主对数字农业技术的有用性感知与易用性感知，而当家庭农场主认为数字农业技术使用容易且能给家庭农场带来更大收益，会促使其对数字农业技术产生更大的求知欲，积极参加数字农业技术培训，从而家庭农场主会对数字农业技术的安全性有更加深刻的认识，当其对技术安全性感知达到了自己的心理阈值，则可能发生技术采纳行为。其中，政府宣传引导是最关键因素，对该路径下数字农业技术采纳十分重要，因此政府应丰富宣传引导形式，将宣传引导落到实处。

（3）S14→S11→S16→S5→S13→S0，影响作用路径可描述为政府经济补贴相当于为数字农业技术有用性背书，会使家庭农场主对数字农业技术产生有用性感知，促使其对数字农业技术培训产生积极态度，而当其通过技术培训提升了数字农业技术设备操作能力，并对数字农业技术设备产生直观的使用感受后，其对数字农业技术安全性感知会大大强化，从而选择采纳技术。该路径中影响采纳行为最关键因素是政府经济补贴，路径中政府经济补贴除了经济层面补贴外，更重要的是对数字农业技术的有用性背书，因此要加强数字农业技术的宣传，提高家庭农场主对技术的信任度。

（4）S7→S9→S6→S10→S13→S0，影响作用路径可描述为家庭农场的家庭劳动力人数会影响家庭收入，家庭农场通过农业耕作带来的收入越高，其更有可能通过扩大耕地面积来产生规模效应，进而影响其是否参加合作社，而加入合作社还能帮助家庭农场主增加数字农业技术的认识，包括安全性感知，进而影响技术采纳行为。其中S9和S6之间是双向影响，原因是家庭农场耕地面积越大，由此产生的家庭收入会增加，而当家庭收入增加后，家庭农场主会更愿意通过扩大耕地面积来获得规模效应，增加家庭经济收入；S6和S10也是双向影响，原因是家庭农场可通过合作社合作的方式，优化生产经营和市场竞争行为，当家庭农场的耕地面积越大，其组织化程度更高；反之，当家庭农场加入合作社后，其从合作社中获得的服务和市场机遇大大增加，又反过来推动耕地面积扩大来实现规模效应。

（5）S8→S17→S6→S10→S13→S0，影响作用路径可描述为家庭农场所在地理位置会直接影响家庭农场的土地细碎化程度，土地细碎化程度将影响家庭农场的耕地面积是否规模化；同时，数字农业技术相关基础设施的完善程度（S18）也会影响家庭农场主选择是否扩大耕地面积。家庭农场耕地面积的多少会直接决定家庭农场是否加入合作社，进而影响其对数字农业技术安全性感知，最终影响家庭农场对数字农业技术的采纳。其中最根本因素是家庭农场居住地理位置和基础设施的完善程度，前者并不能发生改变，但其直接影响家庭农场耕地的细碎化程度，因此通过高标准农田建设，实现家庭农场连片耕作，形成规模效应；后者则可通过完善实施数字农业技术基础设施来促进家庭农场主技术采纳行为。

5 MIAMAC 模型构建与分析

利用ISM 法对数字农业技术采纳影响因素进行层级划分后，根据驱动力和依赖性数值计算原理，结合可达矩阵M，计算出各因素的驱动力和依赖性数值（如表2 所示），以此判定不同因素所处的因素群，进而分析复杂不同因素的作用效果。

根据表2 中各影响因素的驱动力数值和依赖性数值，绘制出数字农业技术采纳影响因素的驱动力—依赖性分布图，通过建立直角坐标系，纵坐标代表依赖性，横坐标代表驱动力。直角坐标系4 个象限分别表示自治因素群、依赖因素群、关联因素群和独立因素群四种不同性质的因素群，从而明晰数字农业技术采纳行为驱动机制，如图3 所示。

图3 数字农业技术采纳影响因素的依赖性-驱动力分布

5.1 独立因素分析

处于独立因素群的影响因素有S1、S2、S3、S4、S7、S8、S14、S15、S17、S18，说明这些因素都具有较高的驱动力，是影响数字农业技术采纳的关键因素。其中，S1和S2具有最高的驱动力和最低的依赖性，这说明在数字农业技术采纳过程中，政治身份和受教育程度是最为基础的因素。S4、S17在独立因素群中，依赖度高于S1、S2、S3、S7、S8、S14、S15、S18，说明S4、S17可能会受到S1、S2、S3、S7、S8、S14、S15、S18的影响，家庭农场主的政治身份、受教育程度、年龄等会影响其社会网络，家庭农场居住地理位置会影响土地细碎化程度。该因素群的因素是影响技术采纳行为发生的根本因素，因此可以通过完善基础设施建设、加强宣传引导、增加经济补贴、提供技术培训等方式，从根源上推动家庭农场主数字农业技术采纳。

5.2 关联因素分析

处于关联因素群的影响因素有S5、S6、S9、S10、S11、S12、S16，此类因素具有强依赖性和强驱动力，在系统中具有承上启下的作用，将下层因素的影响力传递到上层。处于关联因素群的因素会受到处于独立因素群的影响因素的影响，也会影响位于依赖因素群的因素。因此应重点关注影响该因素群的因素，通过引导家庭农场主积极参加技术培训提升家庭农场主设备操作能力、鼓励其参加合作社、加强政府宣传引导力度增加其对技术有用性感知和易用性感知等，进而对位于依赖因素群的S13（技术安全性感知）产生影响。

5.3 依赖因素分析

处于依赖因素群的影响因素仅有S13，此类因素的依赖性较强而驱动力较弱，这意味着S13（技术安全性感知）极易受到其他因素的影响，而技术安全性感知又直接影响家庭农场主数字农业技术采纳行为的发生，因此应该加强政府宣传引导、提供技术培训等方式增强家庭农场主对数字农业技术的认识，促进技术采纳。

5.4 自治因素分析

处于自治因素群的影响因素依赖性和驱动力都较弱，从图3 可知，本研究没有处于自治因素群的影响因素，说明本研究选取的影响因素相互之间的依赖性和驱动力较强，相互之间影响较大，因此应该格外注意在技术采纳过程中因素之间的相互影响。

6 结论与建议

6.1 结论

本研究采取ISM-MICMAC 方法分析了影响家庭农场数字农业技术采纳关键因素，得到了4 个维度、18 个因素的家庭农场数字农业技术采纳影响因素体系以及ISM多级递阶结构模型、驱动力-依赖度矩阵。ISM 模型研究表明：技术安全性感知是影响家庭农场数字农业技术采纳的直接表层因素；社会网络、设备操作能力、家庭收入、耕地面积、组织化程度、土地细碎化程度、是否参加培训、技术有用性感知和技术易用性感知是中层间接因素，通过影响技术安全性感知对家庭农场数字农业技术采纳产生间接作用；家庭农场主的政治身份、受教育程度、年龄、家庭劳动力人数、居住地理位置、政府宣传引导、政府经济补贴和基础设施是深层因素，对家庭农场数字农业技术采纳产生决定性作用。驱动力-依赖性矩阵表明：家庭农场主政治身份、受教育程度是属于高驱动力、低依赖性独立因素。

6.2 建议

（1）完善数字基础设施。其一，需要解决耕地不平整、土地细碎化等问题，适度扩大家庭农场耕地面积；其二，建设新基建，布局乡村5G 和物联网网络，打通农村信息大动脉；其三，建设乡村大数据中心、信息综合服务平台，开发适合家庭农场主等新型农业经营主体使用的应用工具；其四，加快农村水电路网、物流、农产品加工等设施建设，推动乡村生产生活数字化转型。

（2）强化数字技术宣传推广。数字农业技术推广需要政府、家庭农场以及社会各方共同努力。政府要加强政策引导，增加科技投入，加强监管，为数字农业技术应用保驾护航；家庭农场要做好数字农业技术示范，产品与服务应用推广，带领小农户数字化转型；社会各方要营造氛围，提高社会各界对数字农业技术的认知与支持力度，解决家庭农场在数字农业技术应用过程中遇到的实际问题。

（3）开展职业教育与培训。其一，开展数字农业技术专题培训，全面提高小农户和家庭农场主的数字化意识、数字化素养与技能，让他们掌握数字农业技术与管理方法；其二，搭建示范交流平台，为家庭农场主提供参观交流、实践操作数字农业技术相关设备的机会，拓宽家庭农场主视野，增加家庭农场主社会网络，增强其设备操作能力，提高其对数字农业技术的有用性感知和易用性感知，为家庭农场主自身采纳并带动周围小农户采纳数字农业技术奠定实践基础。

（4）增加政策扶持与补贴。采纳数字农业技术带来的优越性显而易见，但伴随而来的高额成本也让许多家庭农场主望而却步。其一，地方政府应以家庭农场对数字农业技术的采纳程度和耕地规模等为标准，按照不同等级发放新技术应用发展基金；其二，政府部门应当完善数字农业技术采纳的补贴政策，加大对家庭农场主采纳数字农业技术的经济补贴力度，扩大补贴范围；其三，相关部门要关注家庭农场主对数字农业技术采纳补贴的反馈意见与诉求，对补贴政策和补贴情况进行公示，提高家庭农场主对政策知晓度和满意度。