基于网络理论的目标定位能否提高技术采用率？

虽然大多数策略与最优复杂传染目标的表现并不具有竞争力，但我们发现，利用随机样本中最高程度响应者的策略可以接近最优目标的表现。更具体地说，如果我们对受访者的任何两个关系进行培训，我们只需进行两次总访谈，就可以获得73%的最佳采纳率。如果扩展代理识别出her37！两个最高学历的朋友（这需要额外5次左右的面试来确定哪些关系是最高学历的），并对这两个人进行培训，我们模拟，根据初始面试的次数，在最佳复杂合作伙伴下，这些经过培训的种子将获得84-90%的采纳率。直觉告诉我们，在复杂的学习环境中，最有用的方法是确定两个种子，它们至少有一个共同的连接，并且位于网络最大互连组件的中心附近。培训学历最高的农民的两个高学历朋友，可以保证至少有一个高学历的人会了解情况，并很有可能建立其他共同的关系。因此，这些模拟表明，在复杂的传染学习环境下，我们有可能以适中的成本了解网络结构的相关部分，以增强技术扩散。8结束语本文试图使用社会学习理论来增加新技术的传播。我们首先开发了一种理论驱动的方法，以选择种植者，这些种植者预计将在关于传播过程的不同理论假设下，最大限度地传播有关马拉维生产性新农业技术的信息。

然后，我们利用与马拉维农业部合作进行的农业推广实地试验来实施这些选择。这使我们能够测试（a）与农业推广服务的现状方法相比，使用详细的社交网络数据进行理论驱动的目标定位是否可以提高技术采用率；（b） 数据密集度较低的方法可以产生类似的收益；（c） 用线性阈值模型的语言来说，新技术的学习环境是“复杂”或“简单”；（d）我们测量的扩散是否遵循阈值理论所建议的学习过程。38 !  理论和模拟为实验和数据提供了一些具体的预测。首先，只有在学习环境复杂的情况下，目标才是至关重要的，因为在简单的学习下，所有治疗方法在三年后都会产生同样大的采用收益。其次，如果扩散具有复杂的传染特性，那么将种子聚类到网络的同一部分是有用的；否则，没有人会跨过这一门槛，我们将观察不到采用。第三，在复杂学习下，与种子的多重联系应该可以预测采用。我们的估计表明，大多数农民只有从多个来源获得有关新技术的信息，才会被说服采用新技术。这意味着扩散遵循复杂的传染模式。我们的模拟表明，每个村庄只有大约10次访谈，就有可能确定能够触发扩散过程的个人。设计与特定预先制定的理论结构紧密联系的实验处理方法具有几个优点。首先，在设计治疗方法之前使用该模型，使我们致力于测试特定模型。

这消除了搜索潜在理论模型的可能性，从而事后合理化数据中令人惊讶（可能是虚假）的模式。其次，由于我们的治疗臂本身包含了理论模型的结构，我们可以使用这些“结构实验”直接证明简单或复杂传染模型的含义。我们提供了模拟的反事实和实际的实证结果，让读者能够查看实验所揭示的简单或复杂传染。第三，虽然我们的方法是程式化的，但它可能允许更大程度的外部有效性，因为我们测试的理论是独立于上下文制定的。文学作品中其他试图通过社交网络传播新技术的尝试的结果可能取决于上下文！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！44!Kremer等人（2011年）确定并招募“大使”促进肯尼亚农村的水氯化，Miller和Mobarak（2014年）first markets在孟加拉国村庄将炉灶改进为“意见领袖”，然后再将其销售给其他人，BenYishay和Mobarak（2015年）鼓励“主要农民”和“同行农民”与马拉维的农业推广官员合作！39 !因为他们依靠当地机构（如当地领导人或焦点小组）来确定网络合作伙伴。虽然在其他环境中学习可能不会遵循复杂的传染模式，但理论的使用导致了在用于选择个体的目标上透明的治疗方法。40 !参考文献Acemoglu，D.，Ozdaglar，A.，和Yildiz，E.（2011）。社交网络创新传播。IEEE决策与控制会议（CDC）。Akbarpour，M.、Malladi，S.、Saberi，A.（2018）。还有几个种子：网络传播目标的价值。

Mimeo，斯坦福大学。Alvarez，F.E.、Buera，F.J.、Lucas Jr，R.E.（2013）。思想流动、经济增长和贸易。国家经济研究局。Anderson，J.，&Feder，G.（2007）。农业推广。《农业经济学手册》（第2343-2378页）。Bandiera，O.，&Rasul，I.（2006）。莫桑比克北部的社交网络和技术采用。《经济杂志》，116（514），869-902。Banerjee，A.、Breza，E.、Chandrasekhar，A.G.、Mobius，M.（2016）。与穿制服的特工进行天真的学习。Mimeo，斯坦福大学。Banerjee，A.、Breza，E.、Chandrasekhar，A.、Golub，B.（2018）。少即是多：印度停用期间信息传递的实验证据。NBER第24679号工作文件。Banerjee，A.、Chandrasekhar，A.G.、Duflo，E.、Jackson，M.O.（2013）。小额信贷的传播。《科学》，3416144。Banerjee，A.、Chandrasekhar，A.G.、Duflo，E.、Jackson，M.O.（n.d.）。八卦和识别社交网络中的核心人物。Mimeo，斯坦福大学。Bardhan，P.，&Udry，a.C.（1999）。发展微观经济学。牛津大学出版社。Beaman，L.（2012年）。社会网络和劳动力市场结果的动态：美国经济研究评论中重新安置的难民的证据，79（1），128-161。BenYishay，A.，&Mobarak，A.M.（2018）。社交学习和交流。即将出版的《经济研究评论》。Breza，E.、Chandrasekhar，A.、McCormick，T.H.、Pan，M.（2017）。使用聚合的关系数据在没有网络数据的情况下可行地识别网络结构。Mimeo，斯坦福大学。Bursztyn，L.、Ederer，F.、Ferman，B.、Yuchtman，N.（2014）。理解同伴效应背后的机制：来自财务决策现场实验的证据。《计量经济学》，82（4），1273-1301。Carrel，S.，Secerdote，B.L.，&West，J.E.（2013）。

从自然变化到最优政策？内生性同龄人群体形成的重要性。《计量经济学》，81（3），855-882。Centola，D.（2010年）。在线社交网络实验中行为的传播。科学，3291194-1197.41！Centola，D.，&Macy，M.（2007年）。复杂的传染病和长期关系的弱点。《美国社会学杂志》，113，702-34。Chandrasekhar，A.，&Lewis，R.（2016）。抽样网络的计量经济学。Mimeo，斯坦福大学。Chandrasekhar，A.、Larregy，H.，&Xandri，J.P.（2012）。社交网络学习测试模型：来自框架现场实验的证据。Mimeo，斯坦福大学。Christakis，N.A.，&Fowler，J.H.（2010）。用于早期检测传染性疫情的社交网络传感器。PloS One，5（9），e12948。Coleman，J.、Katz，E.、Menzel，H.（1957）。创新在医生中的传播。社会计量学，20（4），253-270。Conley，T.，&Udry，C.（2010）。学习新技术。《美国经济评论》，100（1），35-69。Derpsch，R.（2001年）。保护性耕作、免耕及相关技术。《保护性农业，世界性的挑战》，161-170。Derpsch，R.（2004年）。作物生产历史，有无耕作。前缘，150-154。Doumit，G.、Gattellari，M.、Grimshaw，J.、O\'Brien，M.A.（2007）。地方意见领袖：对专业实践和卫生保健结果的影响。Cochrane数据库系统评价，24（1），CD000125。Duflo，E.，&Saez，E.（2003）。信息和社会互动在退休计划决策中的作用：来自随机实验的证据。《经济学季刊》，118（3），815-842。Duflo，E.、Kremer，M.、Robinson，J.（2011）。推动农民使用化肥：来自肯尼亚的理论和实验证据。《美国经济评论》，101（6），2350-90。Feld，S.L.（1991年）。为什么你的朋友比你有更多的朋友。

《美国社会学杂志》，96（6），1464-1477年。Foster，A.，&Rosenzweig，M.（1995）。在实践中学习和向他人学习：农业中的人力资本和技术变革。《政治经济学杂志》，103（6），1176-1209。格兰诺维特。(1978). 集体行为的阈值模型。《美国社会学杂志》，61420-1443年。Grilliches，Z.（1957年）。杂交玉米：技术变革经济学的探索。《计量经济学》，25（4），501-522。Haggblade，S.，&Tembo，G.（2003）。赞比亚的保护性农业。EPTD第108号讨论文件。国际粮食政策研究所。Jackson，M.（2008）。社会和经济网络。新泽西州普林斯顿：普林斯顿大学出版社。42 !Jackson，M.，&Storms，E.C.（2018）。行为社区和网络的原子结构。Mimeo，从SSRN检索：https://ssrn.com/abstract=3049748.Kim，D.A.、Hwong，A.R.、Derek，S.D.、Alex，H.A.、O\'Malley，J.、Fowler，J.H.、Christakis，N.A.（2015）。以最大化人群行为改变为目标的社交网络：一项群集随机对照试验。《柳叶刀》，386（9989），145-153。Kremer，M.、Miguel，E.、Mullainathan，S.、Null，C.、Zwane，A.（2011）。社会工程：来自肯尼亚一系列实验的证据。加州大学伯克利分校Mimeo。Magruder，J.（2010）。南非的代际网络、失业和不平等。《美国经济杂志》：应用经济学，2（1），62-85。Manski，C.（1993年）。内生社会效应的识别：反思问题。《经济研究评论》，60（3），531-542。Miller，G.，&Mobarak，M.A.（2015）。通过社交网络学习新技术：孟加拉国非放射性炉灶的实验证据。《营销科学》，34（4），480-499。Monsted，B.、Sapiezynski，P.、Ferrara，E.、Lehmann，S.（2017）。

社交媒体中信息复杂传播的证据：一项使用推特机器人的实验。PloS ONE，12（9），e0184148。Munshi，K.（2004）。异质人群中的社会学习：印度绿色革命中的技术传播。《发展经济学杂志》，73（1），185-215。Munshi，K.（2007）。动态农业经济中的信息网络。《发展经济学手册》，4（48），3085-3113。Munshi，K.（2008）。社会学习和发展。在L.E.Blume和S.N.Durlauf的《新帕尔格雷夫经济学词典》中。帕尔格雷夫·麦克米伦。Mwato，I.L.，Mkandawire，A.B.，和Mughogho，S.K.（1999）。马拉维南部小农玉米生产的作物残渣和肥料联合投入。《非洲作物科学杂志》，7（4），365-373。Nkhuzenje，H.（2003年）。马拉维南部Zomba区小农农场中混杂和特定大豆品种残留物对土壤肥力改善和玉米产量的贡献：论文。马拉维Zomba。Nyirongo，J.、Mughogho，S.、Kumwenda，J.（1999）。马拉维堆肥和火成磷矿改良剂土壤肥力研究。《非洲作物科学杂志》，7（4），415-422。Oster，E.，&Thornton，R.（2012）。技术采用的决定因素：月经杯使用中的个人价值观和同伴效应。《欧洲经济协会杂志》，10（6），1263-1293年。Perla，J.，&Tonetti，C.（2014）。均衡模仿和增长。《政治经济学杂志》，122（1），52-76.43！Rogers，E.M.（1962）。创新的传播。纽约：新闻自由。Ryan，B.，&Gross，N.C.（1943）。杂交种子在爱荷华州两个农村社区的传播。农村社会学，8（1），15-24。Udry，C.（2010年）。非洲农业经济学：一项研究计划的注释。《非洲农业和资源经济学杂志》，5（1）。世界银行。(2008).

《2008年世界发展报告：农业促进发展》。华盛顿特区：世界银行！44 !附录A.1。第6.2节附录表A3中的收养回归模拟反映了我们在确定治疗伙伴时使用的简单和复杂学习环境参数化下应观察的收养模式。表A3给出了两种不同技术采用措施的模拟结果：采用率和非种子采用者村庄的指标。我们预测了现场实施的所有四种实验武器的这些结果。面板A显示了基于λ=1（简单传染）模型模拟的各治疗组的预期观察结果，面板B报告了λ=2（复杂传染）下的预测结果。45在所有情况下，我们都使用模拟传染（知情）来预测采用结果，如正文所述。第（1）-（2）列显示了采用率结果的结果。即使学习环境很简单，复杂的合作伙伴最初也会在第二年最大限度地提高采用率，但在第三年，当简单的种子经过培训时，采用率最高。然而，对于在简单传染条件下模拟的这些结果，训练简单和复杂种子的效果在统计学上无法区分（p=0.73）。在简单传染下，接受Geo种子培训的村庄的收养率最低。第（3）-（4）列显示了一组非常相似的结果，用于判断是否有人在简单传染下采用。综上所述，这些结果表明，即使传染过程很简单，简单治疗预计也不会主导其他靶向策略。

这强化了一种直觉，即如果农民真的有一个较低的收养门槛，传播过程不太可能对信息最初的目标人群特别敏感！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！45该表在两个关键维度上与图1不同：（1）这使用了已实现的随机化，而不是图1中的所有村庄，（2）包括了实证分析中的其他分层控制变量。！45 !  相反，当我们在假设复杂传染模型正确的情况下进行模拟时，预计复杂治疗会比所有其他治疗显著增加采用率（表A3的面板B）。在这两年中，综合治疗在所有采用结果方面均优于简单、Geo和基准治疗（对差异效应进行统计测试，每次比较的p值均低于0.001）。A、 2。成本效益目标策略的模拟在我们的模拟中，我们假设我们的扩展代理从候选受访者的随机样本开始，并且能够筛选出少于2个连接的个人。46我们假设推广代理从总共2-10名随机农民的名单开始。从随机抽样的农民开始，我们征求每个农民的联系，并计算每个随机农民的程度。然后，我们将重点放在6个候选人目标定位策略上：A.从该列表中随机挑选两个人（用作基准）B.从该列表中挑选两个学历最高的人C.从该列表中随机挑选两个学历最高的人的朋友D。

从随机样本中培训最高学历农民的两个最高学历关系人（需要采访最高学历受访者的所有关系人以确定其学历），E.从该列表中随机选择两个农民；采访他们的两个联系人（随机选择），并培训两个联系人的联系人47 F。培训最高学历的受访者和他的一个联系人（随机）！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！46由于这些人在社会上相当孤立，我们预计这样的筛查不会特别具有挑战性；如果不是，则可能会适度增加实施成本，因为代理必须提出筛选问题，以从随机样本中确定关联个人的子集。！47!这种识别核心人物的“朋友之友”方法受到Kim等人（2015）、Feld（1991）和Christakis and Fowler（2010）的启发，他们指出，随机选择的连接往往比网络中随机选择的节点更为重要。我们再次假设扩展代理能够筛选出总连接数不到两个的潜在学员。！46 !对于这五种候选策略中的每一种，我们在对我们的复杂传染治疗所选择的种子进行四轮模拟后，模拟采用率。我们发现，策略A，随机选择两个农民，实现了复杂传染病治疗产生的57%的采用率。然后，我们可以查看其他目标策略在随机基准之上的性能。