朱美榮

摘要農(nóng)戶在轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式中承擔(dān)著重要的角色，農(nóng)戶行為演化對轉(zhuǎn)變農(nóng)業(yè)方式的研究也變得越來越重要。該研究以CNKI數(shù)據(jù)庫中2005～2014年農(nóng)戶行為研究領(lǐng)域的CSSCI期刊文章為數(shù)據(jù)源，采用共詞分析方法，利用EXCEL、SPSS等統(tǒng)計軟件，分析近10年對農(nóng)戶行為的研究現(xiàn)狀與趨勢。通過共詞聚類確定了農(nóng)戶行為領(lǐng)域的研究熱點，借助戰(zhàn)略坐標(biāo)圖的繪制分析了農(nóng)戶行為領(lǐng)域各個研究熱點的發(fā)展現(xiàn)狀及研究地位。

關(guān)鍵詞共詞分析；農(nóng)戶行為；戰(zhàn)略坐標(biāo)分析

中圖分類號S126；F304.6文獻(xiàn)標(biāo)識碼A文章編號0517-6611（2015）07-362-06

Study on Hotspots in Household Behavior Field Based on the Co-word Analysis

ZHU Mei-rong

（School of Economics & Management， Northeast Forestry University， Harbin， Heilongjiang 150040）

AbstractHousehold has played an important role in the transformation of the mode of agricultural development， and so the study of household behavior transformation becomes more and more important. This paper used CSSCI journals in the field of household behavior research from the year of 2005 to 2014 in CNKI as the data resource. Using co-word analysis method and EXCEL and SPSS statistical software， this paper analyzed the research status and trends of household behavior in nearly a decade. Based on the co-word analysis， this paper determined the hot spots in the field of household behavior research. And then by drawing the strategy coordinate diagram， this paper also analyzed the research status of each research hotspot.

Key wordsCo-word analysis； Household behavior； Strategic diagrams analysis

基金項目中央高?；痦椖俊皡^(qū)域低碳農(nóng)業(yè)競爭力評價及提升對策研究”（DL13BCX01）；黑龍江省博士后基金項目“黑龍江省循環(huán)農(nóng)業(yè)產(chǎn)業(yè)鏈躍遷：動力機制、升級路徑及發(fā)展對策研究”（LBH-Z14019）。

農(nóng)戶作為一種社會組織，是生產(chǎn)經(jīng)營決策的基本單元，在農(nóng)村發(fā)展過程中占有舉足輕重的地位，國家各項農(nóng)業(yè)政策的推廣和實施都是通過影響農(nóng)戶行為而發(fā)揮作用的。農(nóng)戶傳統(tǒng)生產(chǎn)經(jīng)營行為的轉(zhuǎn)變是我國轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式的關(guān)鍵。近年來隨著農(nóng)業(yè)經(jīng)濟管理領(lǐng)域的發(fā)展，農(nóng)戶行為得到了越來越多學(xué)者的關(guān)注，從多個角度調(diào)查研究農(nóng)戶的行為選擇已經(jīng)成為學(xué)者們研究的主要方向，也成為政府相關(guān)部門了解農(nóng)業(yè)政策執(zhí)行情況、農(nóng)戶行為意愿的重要途徑。而關(guān)鍵詞作為學(xué)術(shù)論文研究主題的概括和直接反映，其相互之間的關(guān)系脈絡(luò)則在一定程度上反映了相關(guān)領(lǐng)域的研究熱點和研究方向。通過某一研究領(lǐng)域?qū)W術(shù)論文的回顧與評述，研究前沿與熱點的追蹤，不僅有利于深入揭示學(xué)科發(fā)展的軌跡、特征和規(guī)律，還有利于學(xué)者更好地對本學(xué)科的研究動態(tài)和發(fā)展趨勢有清楚的認(rèn)識和把握[1]。因此為了更好地了解和把握農(nóng)戶行為研究的熱點動態(tài)和研究趨勢，積極探索農(nóng)戶行為研究的新角度，該研究以CNKI數(shù)據(jù)庫中的相關(guān)期刊數(shù)據(jù)為基礎(chǔ)，綜合運用EXCEL、SPSS等統(tǒng)計分析軟件，采用共詞分析方法，進行多元統(tǒng)計分析，并繪制農(nóng)戶行為研究的戰(zhàn)略坐標(biāo)圖，以期能夠?qū)Ξ?dāng)前的研究成果進行系統(tǒng)性分析，在此基礎(chǔ)上深刻揭示農(nóng)戶行為研究的主題結(jié)構(gòu)和熱點問題。

1研究方法與數(shù)據(jù)來源

1.1研究方法

共詞分析法是文獻(xiàn)計量研究領(lǐng)域及內(nèi)容分析領(lǐng)域常用的一種方法，該方法通過對能夠表達(dá)某一學(xué)科領(lǐng)域的研究主題或研究方向的專業(yè)術(shù)語在同一文獻(xiàn)中出現(xiàn)的狀況進行分析，判斷學(xué)科領(lǐng)域中研究主題之間的關(guān)系，從而揭示學(xué)科領(lǐng)域的研究熱點與動態(tài)[2]。共詞分析法最初由法國文獻(xiàn)計量學(xué)家提出，經(jīng)過近20年的發(fā)展，目前該方法已經(jīng)廣泛應(yīng)用于人工智能、科學(xué)計量學(xué)、信息科學(xué)和信息系統(tǒng)、信息檢索等領(lǐng)域[3]?；陉P(guān)鍵詞的共詞分析是文獻(xiàn)計量中常見的一種研究方法，該方法是利用文章關(guān)鍵詞在文獻(xiàn)數(shù)據(jù)庫中成對出現(xiàn)的統(tǒng)計學(xué)特征來分析關(guān)鍵詞之間的親疏關(guān)系，從而揭示這些關(guān)鍵所代表的主題之間的關(guān)聯(lián)結(jié)構(gòu)[4]。對關(guān)鍵詞的共詞分析主要是基于關(guān)鍵詞的選擇和應(yīng)用是謹(jǐn)慎而規(guī)范的，能夠反映文章的核心觀點和主要內(nèi)容，相對于主題詞來說關(guān)鍵詞的詞頻值表現(xiàn)更加平均，在聚類過程中類團成員個數(shù)分布也相對平均，因此選擇關(guān)鍵詞作為共詞分析的研究對象[5]。而且關(guān)鍵詞之間存在著一定的相關(guān)關(guān)系，如果同一組關(guān)鍵詞在不同的文獻(xiàn)中同時出現(xiàn)，那么該組關(guān)鍵詞之間的相關(guān)關(guān)系就得到了更多學(xué)者的認(rèn)可，這組關(guān)鍵詞就可以認(rèn)為是該學(xué)科領(lǐng)域中的一個研究熱點，因此該方法對于學(xué)者從宏觀上了解和把握某一學(xué)科領(lǐng)域的研究熱點和趨勢有很重要的作用[6]。

該研究運用共詞分析法對農(nóng)戶行為研究的發(fā)展態(tài)勢進行分析，主要分為4個步驟：第一，確定國內(nèi)農(nóng)戶行為研究領(lǐng)域的主要關(guān)鍵詞；第二，建立關(guān)鍵詞共詞矩陣，并進行矩陣轉(zhuǎn)化；第三，運用SPSS軟件對轉(zhuǎn)化后的矩陣進行統(tǒng)計分析；第四，繪制戰(zhàn)略坐標(biāo)圖對農(nóng)戶行為研究熱點進行可視化解讀[2]。

1.2數(shù)據(jù)來源與處理

在數(shù)據(jù)選擇上，該研究以CNKI中的文獻(xiàn)數(shù)據(jù)為基礎(chǔ)，考慮到CSSCI期刊較普通期刊、核心期刊的影響力較高，因此為提高文獻(xiàn)研究的前沿性與針對性，選擇CSSCI期刊為數(shù)據(jù)源，選擇“經(jīng)濟與管理科學(xué)”學(xué)科領(lǐng)域，按照時間為2005～2014年，篇名同時含有“農(nóng)戶”、“行為”為期刊檢索條件，對CNKI中CSSCI數(shù)據(jù)庫進行檢索，檢索時間為2014年12月16日，檢索到文獻(xiàn)350篇，運用EXCEL對文獻(xiàn)進行初步篩選，并通過對文獻(xiàn)摘要的研讀，去除重復(fù)性文獻(xiàn)及學(xué)術(shù)性報告、綜述類文獻(xiàn)等1篇，得到所需分析的文獻(xiàn)題錄數(shù)據(jù)349篇。

2結(jié)果與分析

2.1農(nóng)戶行為研究的統(tǒng)計分析

2.1.1總體趨勢分析。

不同年份農(nóng)戶行為相關(guān)文章的數(shù)量，直接反映了學(xué)者對農(nóng)戶行為領(lǐng)域的關(guān)注程度。運用EXCEL中的COUNTIF函數(shù)對不同年代的發(fā)文數(shù)量進行統(tǒng)計，得到如圖1所示的統(tǒng)計圖。從圖中可以看出，從總體上看農(nóng)戶行為領(lǐng)域的文章數(shù)量呈現(xiàn)波浪式上升趨勢，表明農(nóng)戶行為得到了越來越多學(xué)者的關(guān)注，可以將近10年概括為前5年和后5年2個研究周期，第一個周期是2005～2009年，其中2007和2008年的文章數(shù)量達(dá)到高峰；第二個周期是2010～2014年，其中2012年文章數(shù)量達(dá)到高峰，由于文章的寫作時間與發(fā)表時間有一定的時滯，因此可以認(rèn)為2006～2008年和2011～2012年這2個階段成為農(nóng)戶行為研究的主要關(guān)注期。同時通過對文章內(nèi)容的閱讀和整理，發(fā)現(xiàn)無論是文章數(shù)量最少的2005年還是最多的2012年，通過調(diào)查問卷進行農(nóng)戶行為的實證分析成為農(nóng)戶行為研究的主要形式，并且文獻(xiàn)研究的

可靠性和針對性逐年增強。

圖1近10年農(nóng)戶行為研究領(lǐng)域文章發(fā)表數(shù)量

2.1.2期刊分布。

利用EXCEL數(shù)據(jù)透視表功能對論文期刊進行統(tǒng)計，得到發(fā)表5篇以上文章的期刊分布如圖2所示。從圖中可以看出，文章數(shù)量在5篇以上的期刊有18種，共發(fā)表文章232篇，其中《農(nóng)業(yè)技術(shù)經(jīng)濟》、《中國農(nóng)村經(jīng)濟》、《農(nóng)業(yè)經(jīng)濟問題》3種期刊的文章數(shù)量明顯多于其他期刊，占總期刊數(shù)量的48.71%，這從一定程度上說明這3種期刊對農(nóng)戶行為的關(guān)注度是一直比較高的。但是某一主題文章發(fā)表的數(shù)量還與期刊的辦刊宗旨、辦刊特色、期刊欄目等有著非常密切的關(guān)系，與文章本身的相關(guān)程度較小。

圖2累計發(fā)文數(shù)量5篇以上的期刊

2.1.3機構(gòu)研究。

對主要文章發(fā)表機構(gòu)的分析，首先要對文章發(fā)表機構(gòu)進行整理，將相互間具有隸屬關(guān)系的機構(gòu)進行合并，例如將“中國農(nóng)業(yè)大學(xué)經(jīng)濟管理學(xué)院”與“中國農(nóng)業(yè)大學(xué)人文與發(fā)展學(xué)院”合并為“中國農(nóng)業(yè)大學(xué)”等。運用EXCEL數(shù)據(jù)透視表功能，對研究機構(gòu)進行統(tǒng)計，通過統(tǒng)計發(fā)現(xiàn)文章發(fā)表數(shù)量5篇以上的研究機構(gòu)有26個，其中文章發(fā)表數(shù)量排在前10位的研究機構(gòu)如表1所示。從表1可以看出，對農(nóng)戶行為研究展開研究的機構(gòu)主要集中在農(nóng)業(yè)類大學(xué)或者專門設(shè)有農(nóng)業(yè)相關(guān)專業(yè)的高校，而農(nóng)業(yè)科研院所的文章數(shù)量則相對較少。

2.1.4作者研究。

對文章作者進行統(tǒng)計，其中文章發(fā)表數(shù)量3篇以上的作者有26人，共發(fā)表文章90篇。合作發(fā)表文章數(shù)量達(dá)到281篇，占總樣本數(shù)量的80.52%，可見合作比例

表1農(nóng)戶行為研究領(lǐng)域文章機構(gòu)分布

排序機構(gòu)名稱文章數(shù)量排序機構(gòu)名稱文章數(shù)量

1南京農(nóng)業(yè)大學(xué)406中國人民大學(xué)17

2華中農(nóng)業(yè)大學(xué)347中國農(nóng)業(yè)科學(xué)院16

3江西財經(jīng)大學(xué)288浙江大學(xué)15

4西北農(nóng)林科技大學(xué)199西南大學(xué)14

5中國農(nóng)業(yè)大學(xué)1810沈陽農(nóng)業(yè)大學(xué)12

非常高，這也反映了當(dāng)前學(xué)術(shù)研究重要的趨勢，合作研究已經(jīng)成為農(nóng)戶行為研究領(lǐng)域的主要組織形態(tài)。通過構(gòu)建高頻合作者矩陣對高頻合作者之間的合作情況進行分析，該矩陣直觀反映了農(nóng)戶行為研究的核心團隊。從表2高頻合作者共現(xiàn)矩陣中可以看出，秦建國、秦建群和呂忠偉，王秋兵、于國鋒和孫雁，黃智俊和王克強都是高度合作團隊。

2.2研究主題與熱點分析

2.2.1高頻關(guān)鍵詞分析。

利用學(xué)科研究熱點的詞頻統(tǒng)計方法，對研究樣本的高頻關(guān)鍵詞進行分析。首先對349篇文獻(xiàn)的關(guān)鍵詞進行整理，將關(guān)鍵詞中的地市名刪除，同義詞、近義詞進行合并處理，例如將“實證研究”與“實證分析”合并為“實證分析”，將“Logistic模型”、“二元Logistic回歸模型”、“順序logistic模型”、“Logistic回歸模型”等統(tǒng)一為“Logistic

模型”[6]。對關(guān)鍵詞進行整理后得到741個關(guān)鍵詞，由于“農(nóng)

表2高頻合作者共現(xiàn)矩陣

合作作者黃智俊劉洪彬呂杰呂忠偉秦建國秦建群孫雁王克強王秋兵于國鋒總計

黃智俊33

劉洪彬133310

呂杰11

呂忠偉448

秦建國448

秦建群448

孫雁3339

王克強33

王秋兵3339

于國鋒3339

總計3101888939968

戶”、“行為”對農(nóng)戶行為領(lǐng)域的熱點和趨勢研究沒有意義，因此舍去該關(guān)鍵詞。依據(jù)Donoheu在1973年所提出的高頻詞與低頻詞分界點的確定公式，確定高頻關(guān)鍵詞的詞頻[7]。臨界點確定公式如下：

T=（-1+1+8×I1）/2

式中，I1表示詞頻為1的關(guān)鍵詞的個數(shù)；T表示臨界詞頻數(shù)。

經(jīng)統(tǒng)計I1=619，那么利用該公式確定高頻關(guān)鍵詞與低頻關(guān)鍵詞的臨界詞頻T為34.69，即臨界詞頻為35。根據(jù)利用EXCEL數(shù)據(jù)透視表對關(guān)鍵詞的統(tǒng)計結(jié)果，高頻關(guān)鍵詞只有“影響因素”、“農(nóng)戶行為”和“Logistic模型”3個，顯然不符合研究的需要。出現(xiàn)該問題的原因主要是農(nóng)戶行為研究所涉及到的領(lǐng)域非常廣，學(xué)者對農(nóng)戶行為的關(guān)注焦點不同，近十年的文章發(fā)表數(shù)量相對較少，還不能較好地反映本領(lǐng)域的研究熱點。因此選取詞頻大于等于4的關(guān)鍵詞作為所研究的高頻關(guān)鍵詞，共得到43個高頻關(guān)鍵詞，如表3所示。

安徽農(nóng)業(yè)科學(xué)2015年

表3農(nóng)戶行為領(lǐng)域的高頻關(guān)鍵詞

關(guān)鍵詞詞頻關(guān)鍵詞詞頻關(guān)鍵詞詞頻關(guān)鍵詞詞頻

影響因素55技術(shù)采納行為11農(nóng)戶分化5農(nóng)戶認(rèn)知4

農(nóng)戶行為48社會資本11信貸需求5農(nóng)戶投資行為4

Logistic模型35金融行為9Tobit模型4農(nóng)民專業(yè)合作經(jīng)濟組織4

土地流轉(zhuǎn)33農(nóng)村金融9二元金融結(jié)構(gòu)4農(nóng)業(yè)保險4

借貸行為31農(nóng)戶經(jīng)濟行為9非正規(guī)金融4農(nóng)業(yè)補貼4

農(nóng)戶決策行為18博弈分析8TPB理論4農(nóng)業(yè)技術(shù)推廣4

實證分析15非農(nóng)就業(yè)7結(jié)構(gòu)方程模型4食品安全4

農(nóng)戶意愿14秸稈處理5糧食安全4土地管理4

Probit模型12節(jié)水灌溉技術(shù)5農(nóng)村信用社4土地利用行為4

行為選擇12糧食儲備行為5農(nóng)戶兼業(yè)4信貸約束4

生產(chǎn)行為12糧食主產(chǎn)區(qū)5農(nóng)戶經(jīng)營行為4

2.2.2熱點研究領(lǐng)域的聚類分析。

根據(jù)表3所示43個高頻詞，運用共詞分析方法構(gòu)建共詞矩陣（部分）如表4所示。表中對角線上的數(shù)字表示對應(yīng)關(guān)鍵詞在所有文獻(xiàn)中出現(xiàn)的次數(shù)，其他位置的數(shù)字表示其所對應(yīng)的2個不同關(guān)鍵詞在所有文獻(xiàn)中同時出現(xiàn)的頻數(shù)，例如關(guān)鍵詞“Logistic模型”在所有文獻(xiàn)中共出現(xiàn)56次，而關(guān)鍵詞“Logistic模型”和“計劃行為理論”在同一文獻(xiàn)中同時作為關(guān)鍵詞出現(xiàn)的次數(shù)為1次。

為了使共詞矩陣能夠滿足多元統(tǒng)計方法對數(shù)據(jù)矩陣結(jié)

構(gòu)的要求，利用Ochiai系數(shù)法將該共詞矩陣進行轉(zhuǎn)化為相關(guān)矩陣，如表5所示。同時為了減少因相關(guān)矩陣中較多的0所帶來的誤差，用1減去矩陣中的每個數(shù)值，得到相異矩陣如表6所示，矩陣中的數(shù)值越小表示兩關(guān)鍵詞之間的距離越近。Ochiai系數(shù)的計算公式如下：

Ochiai=CijCi Cj

式中，Ci表示關(guān)鍵詞i出現(xiàn)的次數(shù)；Cj表示關(guān)鍵詞j出現(xiàn)的次數(shù)；Cij表示關(guān)鍵詞i和關(guān)鍵詞j共同出現(xiàn)的次數(shù)。

對相關(guān)矩陣進行因子分析，選擇“主成分法”、“協(xié)方差矩陣”、“最大方差法”，得到特征值大于1的關(guān)鍵詞變量有13個，因子累計方差貢獻(xiàn)率為83.079%，因此將43個高頻關(guān)鍵詞變量提取為13個公共因子進行解釋，根據(jù)因子分析的結(jié)果得到如表7所示的農(nóng)戶行為領(lǐng)域研究結(jié)構(gòu)。從表7可以

看出，農(nóng)戶行為研究熱點提取的第1個因子主要解釋了農(nóng)戶

表4共詞矩陣（部分）

共詞Logistic模型Probit模型Tobit模型博弈分析二元金融結(jié)構(gòu)非農(nóng)就業(yè)非正規(guī)金融行為選擇計劃行為理論

Logistic模型5601000011

Probit模型0141031000

Tobit模型115000000

博弈分析000700000

二元金融結(jié)構(gòu)030060000

非農(nóng)就業(yè)010004000

非正規(guī)金融000000300

行為選擇100000070

計劃行為理論100000005

表5相關(guān)矩陣（部分）

Logistic模型Probit模型Tobit模型博弈分析二元金融結(jié)構(gòu)非農(nóng)就業(yè)非正規(guī)金融行為選擇計劃行為理論

Logistic模型1.0000.0270.2410.0440.0070.0530.0910.2200.219

Probit模型0.0271.0000.2460.0260.6100.2860.0180.0440.025

Tobit模型0.2410.2461.0000.0000.0770.0820.0490.0720.067

博弈分析0.0440.0260.0001.0000.0000.0870.0000.0170.024

二元金融結(jié)構(gòu)0.0070.6100.0770.0001.0000.0950.0760.0000.000

非農(nóng)就業(yè)0.0530.2860.0820.0870.0951.0000.0000.0000.082

非正規(guī)金融0.0910.0180.0490.0000.0760.0001.0000.0700.000

行為選擇0.2200.0440.0720.0170.0000.0000.0701.0000.048

計劃行為理論0.2190.0250.0670.0240.0000.0820.0000.0481.000

表6相異矩陣（部分）

Logistic模型Probit模型Tobit模型博弈分析二元金融結(jié)構(gòu)非農(nóng)就業(yè)非正規(guī)金融行為選擇計劃行為理論

Logistic模型0.0000.9730.7590.9560.9930.9470.9090.7800.781

Probit模型0.9730.0000.7540.9740.3900.7140.9820.9560.975