基于共詞分析的農戶行為領域研究熱點分析

朱美榮

摘要農戶在轉變農業發展方式中承擔著重要的角色，農戶行為演化對轉變農業方式的研究也變得越來越重要。該研究以CNKI數據庫中2005～2014年農戶行為研究領域的CSSCI期刊文章為數據源，采用共詞分析方法，利用EXCEL、SPSS等統計軟件，分析近10年對農戶行為的研究現狀與趨勢。通過共詞聚類確定了農戶行為領域的研究熱點，借助戰略坐標圖的繪制分析了農戶行為領域各個研究熱點的發展現狀及研究地位。

關鍵詞共詞分析；農戶行為；戰略坐標分析

中圖分類號S126；F304.6文獻標識碼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

基金項目中央高校基金項目“區域低碳農業競爭力評價及提升對策研究”（DL13BCX01）；黑龍江省博士后基金項目“黑龍江省循環農業產業鏈躍遷：動力機制、升級路徑及發展對策研究”（LBH-Z14019）。

農戶作為一種社會組織，是生產經營決策的基本單元，在農村發展過程中占有舉足輕重的地位，國家各項農業政策的推廣和實施都是通過影響農戶行為而發揮作用的。農戶傳統生產經營行為的轉變是我國轉變農業發展方式的關鍵。近年來隨著農業經濟管理領域的發展，農戶行為得到了越來越多學者的關注，從多個角度調查研究農戶的行為選擇已經成為學者們研究的主要方向，也成為政府相關部門了解農業政策執行情況、農戶行為意愿的重要途徑。而關鍵詞作為學術論文研究主題的概括和直接反映，其相互之間的關系脈絡則在一定程度上反映了相關領域的研究熱點和研究方向。通過某一研究領域學術論文的回顧與評述，研究前沿與熱點的追蹤，不僅有利于深入揭示學科發展的軌跡、特征和規律，還有利于學者更好地對本學科的研究動態和發展趨勢有清楚的認識和把握[1]。因此為了更好地了解和把握農戶行為研究的熱點動態和研究趨勢，積極探索農戶行為研究的新角度，該研究以CNKI數據庫中的相關期刊數據為基礎，綜合運用EXCEL、SPSS等統計分析軟件，采用共詞分析方法，進行多元統計分析，并繪制農戶行為研究的戰略坐標圖，以期能夠對當前的研究成果進行系統性分析，在此基礎上深刻揭示農戶行為研究的主題結構和熱點問題。

1研究方法與數據來源

1.1研究方法

共詞分析法是文獻計量研究領域及內容分析領域常用的一種方法，該方法通過對能夠表達某一學科領域的研究主題或研究方向的專業術語在同一文獻中出現的狀況進行分析，判斷學科領域中研究主題之間的關系，從而揭示學科領域的研究熱點與動態[2]。共詞分析法最初由法國文獻計量學家提出，經過近20年的發展，目前該方法已經廣泛應用于人工智能、科學計量學、信息科學和信息系統、信息檢索等領域[3]。基于關鍵詞的共詞分析是文獻計量中常見的一種研究方法，該方法是利用文章關鍵詞在文獻數據庫中成對出現的統計學特征來分析關鍵詞之間的親疏關系，從而揭示這些關鍵所代表的主題之間的關聯結構[4]。對關鍵詞的共詞分析主要是基于關鍵詞的選擇和應用是謹慎而規范的，能夠反映文章的核心觀點和主要內容，相對于主題詞來說關鍵詞的詞頻值表現更加平均，在聚類過程中類團成員個數分布也相對平均，因此選擇關鍵詞作為共詞分析的研究對象[5]。而且關鍵詞之間存在著一定的相關關系，如果同一組關鍵詞在不同的文獻中同時出現，那么該組關鍵詞之間的相關關系就得到了更多學者的認可，這組關鍵詞就可以認為是該學科領域中的一個研究熱點，因此該方法對于學者從宏觀上了解和把握某一學科領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戶行為研究的發展態勢進行分析，主要分為4個步驟：第一，確定國內農戶行為研究領域的主要關鍵詞；第二，建立關鍵詞共詞矩陣，并進行矩陣轉化；第三，運用SPSS軟件對轉化后的矩陣進行統計分析；第四，繪制戰略坐標圖對農戶行為研究熱點進行可視化解讀[2]。

1.2數據來源與處理

在數據選擇上，該研究以CNKI中的文獻數據為基礎，考慮到CSSCI期刊較普通期刊、核心期刊的影響力較高，因此為提高文獻研究的前沿性與針對性，選擇CSSCI期刊為數據源，選擇“經濟與管理科學”學科領域，按照時間為2005～2014年，篇名同時含有“農戶”、“行為”為期刊檢索條件，對CNKI中CSSCI數據庫進行檢索，檢索時間為2014年12月16日，檢索到文獻350篇，運用EXCEL對文獻進行初步篩選，并通過對文獻摘要的研讀，去除重復性文獻及學術性報告、綜述類文獻等1篇，得到所需分析的文獻題錄數據349篇。

2結果與分析

2.1農戶行為研究的統計分析

2.1.1總體趨勢分析。

不同年份農戶行為相關文章的數量，直接反映了學者對農戶行為領域的關注程度。運用EXCEL中的COUNTIF函數對不同年代的發文數量進行統計，得到如圖1所示的統計圖。從圖中可以看出，從總體上看農戶行為領域的文章數量呈現波浪式上升趨勢，表明農戶行為得到了越來越多學者的關注，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年的文章數量達到高峰；第二個周期是2010～2014年，其中2012年文章數量達到高峰，由于文章的寫作時間與發表時間有一定的時滯，因此可以認為2006～2008年和2011～2012年這2個階段成為農戶行為研究的主要關注期。同時通過對文章內容的閱讀和整理，發現無論是文章數量最少的2005年還是最多的2012年，通過調查問卷進行農戶行為的實證分析成為農戶行為研究的主要形式，并且文獻研究的

可靠性和針對性逐年增強。

圖1近10年農戶行為研究領域文章發表數量

2.1.2期刊分布。

利用EXCEL數據透視表功能對論文期刊進行統計，得到發表5篇以上文章的期刊分布如圖2所示。從圖中可以看出，文章數量在5篇以上的期刊有18種，共發表文章232篇，其中《農業技術經濟》、《中國農村經濟》、《農業經濟問題》3種期刊的文章數量明顯多于其他期刊，占總期刊數量的48.71%，這從一定程度上說明這3種期刊對農戶行為的關注度是一直比較高的。但是某一主題文章發表的數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系，與文章本身的相關程度較小。

圖2累計發文數量5篇以上的期刊

2.1.3機構研究。

對主要文章發表機構的分析，首先要對文章發表機構進行整理，將相互間具有隸屬關系的機構進行合并，例如將“中國農業大學經濟管理學院”與“中國農業大學人文與發展學院”合并為“中國農業大學”等。運用EXCEL數據透視表功能，對研究機構進行統計，通過統計發現文章發表數量5篇以上的研究機構有26個，其中文章發表數量排在前10位的研究機構如表1所示。從表1可以看出，對農戶行為研究展開研究的機構主要集中在農業類大學或者專門設有農業相關專業的高校，而農業科研院所的文章數量則相對較少。

2.1.4作者研究。

對文章作者進行統計，其中文章發表數量3篇以上的作者有26人，共發表文章90篇。合作發表文章數量達到281篇，占總樣本數量的80.52%，可見合作比例

表1農戶行為研究領域文章機構分布

排序機構名稱文章數量排序機構名稱文章數量

1南京農業大學406中國人民大學17

2華中農業大學347中國農業科學院16

3江西財經大學288浙江大學15

4西北農林科技大學199西南大學14

5中國農業大學1810沈陽農業大學12

非常高，這也反映了當前學術研究重要的趨勢，合作研究已經成為農戶行為研究領域的主要組織形態。通過構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戶行為研究的核心團隊。從表2高頻合作者共現矩陣中可以看出，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高頻關鍵詞分析。

利用學科研究熱點的詞頻統計方法，對研究樣本的高頻關鍵詞進行分析。首先對349篇文獻的關鍵詞進行整理，將關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”等統一為“Logistic

模型”[6]。對關鍵詞進行整理后得到741個關鍵詞，由于“農

表2高頻合作者共現矩陣

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”對農戶行為領域的熱點和趨勢研究沒有意義，因此舍去該關鍵詞。依據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的關鍵詞的個數；T表示臨界詞頻數。

經統計I1=619，那么利用該公式確定高頻關鍵詞與低頻關鍵詞的臨界詞頻T為34.69，即臨界詞頻為35。根據利用EXCEL數據透視表對關鍵詞的統計結果，高頻關鍵詞只有“影響因素”、“農戶行為”和“Logistic模型”3個，顯然不符合研究的需要。出現該問題的原因主要是農戶行為研究所涉及到的領域非常廣，學者對農戶行為的關注焦點不同，近十年的文章發表數量相對較少，還不能較好地反映本領域的研究熱點。因此選取詞頻大于等于4的關鍵詞作為所研究的高頻關鍵詞，共得到43個高頻關鍵詞，如表3所示。

安徽農業科學2015年

表3農戶行為領域的高頻關鍵詞

關鍵詞詞頻關鍵詞詞頻關鍵詞詞頻關鍵詞詞頻

影響因素55技術采納行為11農戶分化5農戶認知4

農戶行為48社會資本11信貸需求5農戶投資行為4

Logistic模型35金融行為9Tobit模型4農民專業合作經濟組織4

土地流轉33農村金融9二元金融結構4農業保險4

借貸行為31農戶經濟行為9非正規金融4農業補貼4

農戶決策行為18博弈分析8TPB理論4農業技術推廣4

實證分析15非農就業7結構方程模型4食品安全4

農戶意愿14秸稈處理5糧食安全4土地管理4

Probit模型12節水灌溉技術5農村信用社4土地利用行為4

行為選擇12糧食儲備行為5農戶兼業4信貸約束4

生產行為12糧食主產區5農戶經營行為4

2.2.2熱點研究領域的聚類分析。

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

為了使共詞矩陣能夠滿足多元統計方法對數據矩陣結

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

Ochiai=CijCi Cj

式中，Ci表示關鍵詞i出現的次數；Cj表示關鍵詞j出現的次數；Cij表示關鍵詞i和關鍵詞j共同出現的次數。

對相關矩陣進行因子分析，選擇“主成分法”、“協方差矩陣”、“最大方差法”，得到特征值大于1的關鍵詞變量有13個，因子累計方差貢獻率為83.079%，因此將43個高頻關鍵詞變量提取為13個公共因子進行解釋，根據因子分析的結果得到如表7所示的農戶行為領域研究結構。從表7可以

看出，農戶行為研究熱點提取的第1個因子主要解釋了農戶

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構非農就業非正規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

二元金融結構030060000

非農就業010004000

非正規金融000000300

行為選擇100000070

計劃行為理論100000005

表5相關矩陣（部分）

Logistic模型Probit模型Tobit模型博弈分析二元金融結構非農就業非正規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

二元金融結構0.0070.6100.0770.0001.0000.0950.0760.0000.000

非農就業0.0530.2860.0820.0870.0951.0000.0000.0000.082

非正規金融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構非農就業非正規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