评估农民对精准灌溉设备在“总理农业激励计划”（PMKSY）下的看法：基于TAM的结构方程建模方法

《Frontiers in Agronomy》：Assessing the farmers’ perception towards precision water application devices under the PMKSY scheme: a TAM-based structural equation modelling approach

　　摘要
印度政府推出的“总理农业灌溉计划”（Pradhan Mantri Krishi Sinchayee Yojana，简称PMKSY）旨在改善灌溉和水资源管理结构，通过最大化水资源利用来提高作物生产效率。本研究旨在探讨农民对精准灌溉设备的态度，以及他们在PMKSY计划下使用这些设备的倾向。研究对象包括该计划的受益者和非受益者，特别关注了微灌设备。样本涵盖了泰米尔纳德邦七个不同农业气候区域的3,134名农民，具有广泛的代表性。研究采用基于技术采纳范式的结构方程模型，并通过SmartPLS软件进行偏最小二乘路径分析来验证假设。研究发现，农民的态度和感知效用是影响微灌采纳的两个主要因素；感知易用性通过中介变量对决策产生间接影响，但无直接影响。多组分析表明，受益者与非受益者之间存在显著差异。在PMKSY受益者中，感知易用性、感知效用和行为意向之间的路径关系稳定，最终导致实际采纳；而在非受益者中，采纳意愿与行为意向关联较弱，更多受到技术可见性和观察信号的影响，而非使用经验。这些发现与关于农业技术采纳的现有研究结果一致。因此，本研究提倡通过提升农民对微灌技术的感知效用和易用性来促进其采纳行为。

1. 引言
在包括印度在内的发展中国家，农业扮演着双重角色：不仅是经济活动的主要驱动力，也是社会的基础（Park等人，2021；Tripathy等人，2023）。除了宏观经济重要性外，由于水资源获取和管理的局限性，农业活动受到制约。水是农业生产的命脉，是种植作物、饲养动物和提高农场产出的关键资源（Kumari等人，2022；Taufik和Ruzardi，2021）。随着全球人口增长和气候变化加剧，水在农业系统中的重要性愈发突出，必须充分认识这一宝贵资源的重要性。农业灌溉涉及有目的地利用水资源以补充自然降雨，确保作物获得最佳湿度（Shankar和Mazhar，2023）。Adhikari等人（2021）指出，有效利用土地和水资源可以提高农业生产力。印度占全球总面积的2.5%，人口的17.5%，但可再生水资源的4%，却面临水资源危机（Adhikari等人，2021）。印度超过80%的地表水用于农业（Sishodia等人，2016），但灌溉系统的低效使用导致了地下水资源的枯竭。灌溉机构需确保灌溉管理的透明度、充足的水资源供应和基础设施升级，以满足各种作物的需求，包括水稻、甘蔗和棉花；同时，农民对改进灌溉技术的接受度及其正确使用也至关重要（Kumari等人，2022）。为改善灌溉和水资源管理，印度政府推出了“总理农业灌溉计划”（PMKSY）。微灌是现代农业实践中的关键技术，能够精准高效地将水输送到植物根部，从而提高水资源利用效率和作物产量。大多数关于PMKSY的研究集中在其经济效应、优势和对植物生理的影响上（Reddy等人，2022；Sharma，2020；Wani等人，2016）。少数研究关注农村社区在实施PMKSY计划时遇到的障碍（Rajaguru等人，2023）。更值得注意的是，关于农民对精准灌溉设备态度的研究较少，以及这些态度对其采纳行为的影响程度。尽管实施了PMKSY灌溉计划，但相关文献仍缺乏关于农民认知和行为反应对灌溉干预成功与否的决定性影响的分析。因此，本研究旨在填补这一空白，分析农民对精准灌溉设备的认知对其采纳决策的影响。研究采用了技术采纳模型（Technology Adoption Model，简称TAM）来探讨促进农民采纳微灌技术的关键因素。

2. 文献综述
“总理农业灌溉计划”（PMKSY）由印度农业和农民福利部于2015年启动，是一项旨在扩大灌溉面积、提高水资源利用效率并鼓励可持续水资源保护的国家计划（Shehrawat等人，2020）。该计划旨在解决印度长期存在的灌溉问题——目前仅有约54%的农业用地得到灌溉，大量农民仍依赖季风降雨（Wani等人，2016）。面对气候变化、干旱和地下水枯竭带来的压力，PMKSY采取了需求驱动的方法，重点关注农场内部的水资源利用效率，而不仅仅是增加灌溉基础设施。PMKSY包含四个关键部分：（1）加速灌溉效益计划（Accelerated Irrigation Benefits Programme，简称AIBP）、（2）每滴水多产一季作物（Per Drop More Crop）、（3）每个田地都有水（Har Khet Ko Pani）和（4）综合流域管理（Integrated Watershed Management，简称IWMC）（Wani等人，2016）。AIBP侧重于通过扩大灌溉面积来提升灌溉效率；Per Drop More Crop部分推广滴灌和喷灌等微灌技术以提高水资源利用效率（Ma等人，2023；Zhang等人，2025）；Har Khet Ko Pani关注水体的保护和修复以及灌溉设施的发展（Jinger等人，2023）；IWMC则侧重于土壤保护、雨水收集和退化土地的恢复（Jinger等人，2023）。这些措施共同构建了一个综合的灌溉治理体系，将基础设施建设与基于效率的技术推广相结合。尽管政府采取了多项措施，印度仍面临严重的水资源压力（Jayasankar等人，2020）。印度仅拥有全球4%的淡水资源，却承载着近17%的世界人口（Kumar等人，2023）。灌溉效率低下，约35-40%的灌溉效率可归因于洪水灌溉方法的主导地位，这种灌溉方式导致水资源浪费（Singh和Gandhi，2023）。微灌系统显示出提高水资源利用效率40-60%和增加作物产量的潜力，但其采纳率较低（全国不到14%）（Singh和Gandhi，2023）。精准农业的最新发展，如GPS控制系统、物联网传感器和智能灌溉系统，进一步表明这些技术可将产量提高20-30%，并减少投入浪费（Xing和Wang，2024；Xie，2025）。这些技术符合PMKSY“每滴水多产一季作物”的目标。然而，评估PMKSY的有效性不能仅依赖基础设施或技术指标。研究表明，包括补贴、推广服务和信息传播在内的制度支持对农民的采纳决策有显著影响（Singh和Gandhi，2023）。技术培训和能力建设项目也至关重要，帮助农民掌握使用精准灌溉技术所需的知识（Xie，2025）。然而，初始投资成本高、技术知识缺乏、信贷渠道不畅以及反对法规等因素阻碍了技术的广泛采纳，尤其是在小农户中（Xie，2025）。此外，一些研究者警告称，过度依赖技术解决方案可能会忽视传统的水资源管理实践和实现长期可持续性所需的整体治理改革（Shah和Vijayshankar，2022）。鉴于这些复杂因素，了解农民的行为和认知决定因素至关重要。尽管PMKSY鼓励使用创新灌溉技术，但最终采纳取决于这些技术对农民的实际效用、便利性和经济性（Abhilash等人，2020；Xie，2025）。农民采纳这些技术的意愿不仅受经济激励因素影响，还受心理、制度和社会文化因素的影响。利用技术采纳模型（TAM）等理论模型评估采纳行为时，可以考察上述因素对农民意愿和实际使用行为的影响。本研究超越了基础设施建设的范畴，重点探讨了PMKSY实施中的农民行为方面，通过结构方程模型对农民对精准灌溉设备的认知进行了实证研究，从而填补了灌溉政策设计与农民技术采纳之间的空白。

2.1 技术采纳模型
技术采纳模型（TAM）研究表明，个人行为意向（Behavioral Intention，简称BI）和对技术的态度（Attitude towards Technology，简称AT）受到感知易用性（Perceived Ease of Use，简称PE）和感知效用（Perceived Usefulness，简称PU）的显著影响（Davis，1989）。在技术采纳模型（TAM）和计划行为理论（Theory of Planned Behavior，简称TPB）（Ajzen，1991；Davis，1989）中，对特定行为的情感倾向都会影响行为意向。态度（AT）是个体对某种行为的评价倾向，可以是积极的或消极的。因此，态度能够改变个体对行为的倾向（Susanti和Astuti，2019；Verma和Tandon，2022）。实证研究表明，在在线购物场景中，消费者态度（AT）是影响行为意向（BI）的关键变量（Hansen等人，2004）。食品购买领域移动应用的普及需要进一步研究，强调了注意力倾向在解释行为意向中的重要性（Cho等人，2019；Troise等人，2021）。尽管这些研究非农业背景，但为将TAM应用于涉及感知风险、学习成本和预期收益的决策环境提供了理论支持（这些条件在农业技术采纳中同样适用）。TAM已被扩展以纳入社会影响和促进条件等变量，以考虑采纳行为的情境因素。然而，在PMKSY的微灌框架下，本研究主要关注与技术性质直接相关的核心TAM变量。这种模型简单且适用于大规模样本和农村环境中的结构方程分析。在这些环境中，技术的可见性、复杂性及其提供的优势比更广泛的社会因素更为重要。概念模型结合了TAM的基本变量和外部变量（如相对优势、复杂性和可见性），解释了农民的采纳决策。相对优势指精准灌溉设备的实际效用和经济优势；复杂性衡量其使用难度；可见性指通过观察其他采纳者获得的学习效果。假设这些变量影响感知效用和易用性，进而影响态度、行为意向和采纳决策。本研究为提出直接和间接假设提供了理论基础。这些特性旨在提高农民对设备的感知效用和实用性，从而促进他们采用微灌系统的决定（Abdullah等人，2016年；Chen和Aklikokou，2019年；Cohen，1988年；Lewis和Devi，2025年）。因此，主要假设可以表述如下（图1）：

**直接效应**
H1?对精准灌溉设备的态度积极影响使用精准灌溉设备的意愿。
H2?感知到的易用性积极影响使用精准灌溉设备的态度。
H3?感知到的有用性积极影响使用精准灌溉设备的态度。
H4?感知到的易用性积极影响对精准灌溉设备有用性的感知。
H5?感知到的有用性积极影响使用精准灌溉设备的意愿。
H6?使用意愿积极影响采用精准灌溉设备的决策。
H7?对精准灌溉设备的态度积极影响采用精准灌溉设备的决策。

**间接效应**
H8?感知到的有用性直接和间接影响采用精准灌溉设备的决策。
H9?感知到的易用性直接和间接影响采用精准灌溉设备的决策。
H10?对精准灌溉设备的态度直接和间接影响采用精准灌溉设备的决策。

**图1** 理论框架。来源：作者整理。

**3 方法论**
本研究在泰米尔纳德邦的七个农业气候区域进行，分别是东北部、西北部、西部、卡弗里三角洲、南部、丘陵高海拔地区和高降雨量地区。选择泰米尔纳德邦作为研究区域，是因为该地区全面实施了“总理农业灌溉计划”（Pradhan Mantri Krishi Sinchai Yojana, PMKSY），并且具有丰富的农业气候多样性，同时微灌技术在水资源匮乏和充足地区都有广泛应用，这使得它成为研究农民采纳行为差异的合适场所。

本研究采用了混合方法研究方法和横断面调查设计。目标人群包括已经采用精准灌溉设备的农民，包括PMKSY的受益者和非受益者。受益者是指那些通过PMKSY获得财政援助来安装微灌系统的农民，而非受益者则是那些在没有政府补贴的情况下自行安装微灌系统的农民。

研究采用了多阶段抽样程序。在第一阶段，从每个农业气候区域中分别选择了一个微灌覆盖率最高和一个最低的区，但在丘陵高海拔和高降雨量地区，由于区域代表性有限，每个区域只选择了一个区。在第二阶段，从每个选定的区中分别选择了微灌面积最大和最小的村庄。在最后阶段，使用基于概率的方法从选定的村庄中选取农民。PMKSY的受益者是通过概率比例抽样（PPS）技术选出的，而非受益者则是通过简单随机抽样选出的，每个选定区抽取了50名非受益者。

样本量的计算使用了Slovin公式，考虑了2022-2023年泰米尔纳德邦PMKSY的受益者总数（N = 70,522）和2%的误差范围：
n = N1 + Ne^2
这得出的最小样本量为2,414名受益者农民。为了进行比较分析，还额外增加了720名非受益者农民，最终样本量为3,134名受访者（2,414名受益者和720名非受益者）。

**结构方程建模（SEM）**技术被用来分析农民对微灌的感知和采纳决策。由于PLS-SEM在理论驱动的探索性模型中的适用性、处理涉及多个潜在变量和中介效应的复杂关系的能力、处理大样本的能力以及较少的分布假设要求，因此选择了PLS-SEM。此外，PLS-SEM特别适用于基于技术接受模型（TAM）的研究，其中研究的主要目的是预测和模糊性，而不仅仅是模型拟合。

**3.1 变量测量**
研究使用五点李克特量表的结构化问卷来测量农民对精准灌溉设备的感知。问卷包含41个项目，分为八个构念，包括感知到的有用性（5个项目）、感知到的易用性（4个项目）、使用态度（8个项目）、使用意愿（4个项目）、采纳决策（3个项目）和外部变量（17个项目）。回答范围从1（强烈反对）到5（强烈同意）。

问卷的构建基于对TAM和农业技术采纳相关文献的广泛分析。首先进行了试点调查，以评估项目的清晰度、相关性和情境适用性。试点研究用于对措辞和构念对齐进行必要的修改。由于这项研究是更大研究项目的一部分，最终问卷和研究方法在全面数据收集之前由ICSSR项目协调员进行了讨论和测试。

为了确保测量模型的稳健性，进行了可靠性和有效性评估。指标可靠性通过外部载荷（outer loadings）进行评估，载荷值高于0.70被视为可接受的（Hair等人，2011年）。内部一致性可靠性通过J?reskog的rho（ρc）进行评估。收敛有效性通过平均方差提取值（AVE）进行检验，值超过0.50表示构念有效性充足（Fornell和Larcker，1981年）。

**4 结果**
**4.1 测量模型分析**
如表1所示，测量模型具有较高的构念可靠性和收敛有效性。外部载荷值在0.761到0.905之间，高于推荐的0.70值，这表明指标与其潜在构念之间存在强相关性（Hair等人，2021年）。复合可靠性（CR）得分也高于0.70，这是项目内部一致性的良好迹象（Fornell和Larcker，1981年），从而满足收敛有效性的标准。此外，所有维度的平均方差提取值（AVE）都令人满意，具体如下：PU = 0.667, PE = 0.705, RA = 0.621, CP = 0.673, VS = 0.767, AD = 0.674。这些统计数据显示了构念的强收敛有效性。所有AVE值均超过0.50，从而确认每个构念测量了其指标中超过一半的方差，满足收敛有效性的要求（Fornell和Larcker，1981年）。最后，VIF值小于5，这意味着没有多重共线性，指标如预期那样独立作用（Hair等人，2021年）。总体而言，这些结果证实了构念符合高标准的可靠性和收敛有效性。

**表1** 构念、载荷、AVE、VIF
| 构念 | 载荷 | AVE | VIF |
|----------------|------------|-----------|-----------|
| 采纳决策 | 0.761 | -0.877 | 0.804 |
| 复杂性 | 0.808 | -0.833 | 0.804 |
| 感知易用性 | 0.806 | -0.879 | 0.878 |
| 感知有用性 | 0.781 | -0.851 | 0.667 |
| 相对优势 | 0.768 | -0.808 | 0.766 |
| 可见性 | 0.849 | -0.905 | 0.868 |

多重共线性通过方差膨胀因子（VIF）进行检验。表1中的VIF值显著低于Kock（2015年推荐的3.3值，表明不存在显著的多重共线性。因此，预测变量对因变量的不同效应显著增强了我们回归分析的稳健性。

**表2** 通过Fornell-Farcker标准测试区分有效性。对角线上的值表示每个构念的AVE的平方根，大于0.50，更重要的是，高于每行和每列的相关值。这种模式表明，单个构念与其自身的指标有较大的方差，与其他构念的指标相比；因此，定义了实证的独特性（Fornell和Larcker，1981年）。因此，区分有效性得到了非常强的支持，每个构念都测量了研究中的不同概念实体（Henseler等人，2015年）。这将带来概念上的清晰度，并支持测量模型的质量。

**表2** 构念、ABIC、X、PE、U、AVE、VIF
| 构念 | AVE | VIF |
|-------------|-----------|-----------|
| 采纳决策 | 0.821 | -0.877 |
| 对微灌的态度 | 0.005 | 1.000 |
| 使用意愿 | 0.066 | 1.000 |
| 复杂性 | 0.058 | 0.079 |
| 感知易用性 | 0.058 | 0.142 |
| 感知有用性 | 0.049 | 0.305 |
| 相对优势 | 0.055 | 0.245 |
| 可见性 | 0.020 | 0.179 |
| 可见性 | 0.020 | 0.299 |

**4.2 路径分析**
使用SmartPLS 4软件通过偏最小二乘（PLS）路径建模进行了假设检验。偏最小二乘结构方程建模（PLS-SEM）便于研究结构框架内的潜在变量之间的关系。它使研究人员能够进行假设检验，同时考虑直接和间接影响，并确定构念关系的强度、方向和统计显著性（Hair等人，2019年）。

研究应用了999次迭代的PLS自助法（PLS bootstrapping）和3,134个案例的样本来估计路径系数及其统计显著性。该模型纳入了多种统计度量：路径系数、显著性水平、决定系数和效应大小（图2）。

**图2** 结构方程建模。来源：调查数据（2023-2024年）。

**4.2.1 基于受益者和非受益者农民的模型估计**
路径分析的结果在表4中呈现。表格专门展示了潜在变量（如使用意愿、态度、感知有用性和感知易用性）的直接效应的系数和概率值。对于与直接效应相关的假设，所有假设都具有统计显著性并得到支持，除了假设7。农民对精准灌溉设备的有用性感知与其使用态度之间存在正相关关系（1%水平）；然后，农民对精准灌溉设备的有用性感知与其使用意愿之间存在正相关关系。结果还显示，感知易用性和感知有用性对使用精准灌溉设备的态度有显著影响。态度对农民采用精准灌溉设备的意愿有积极且显著的影响，而使用意愿对农民的采纳决策也有积极且显著的影响。然而，态度对农民采纳决策的预期直接效应并未显示出显著关系。这些结果证实了假设1至6，只有假设7未得到支持。

**表4** 路径系数及其统计显著性
| 假设 | 系数 | 标准误 | P值 |
|---------------|------------|------------|------------|
| H1: 态度 -> 使用意愿 | 0.266 | 0.018 | 14.947 |
| H2: 感知易用性 -> 有用性感知 | 0.224 | 0.026 | 8.499 |
| H3: 有用性感知 -> 态度 | 0.291 | 0.018 | 15.830 |
| H4: 感知易用性 -> 有用性感知 | 0.224 | 0.026 | 8.499 |
| H5: 有用性感知 -> 使用意愿 | 0.232 | 0.018 | 13.025 |
| H6: 使用意愿 -> 采纳决策 | 0.078 | 0.020 | 3.876 |
| H7: 态度 -> 采纳决策 | -0.036 | 0.025 | 1.428 |
| 复杂性 -> 感知易用性 | 0.363 | 0.015 | 24.791 |
| 复杂性 -> 有用性感知 | 0.046 | 0.020 | 2.227 |
| 相对优势 -> 有用性感知 | 0.270 | 0.016 | 16.504 |
| 可见性 -> 感知易用性 | 0.457 | 0.013 | 34.022 |
| 可见性 -> 有用性感知 | 0.010 | 0.022 | 0.462 |

结构模型的发现强烈表明技术接受模型（TAM）中的大多数假设直接效应成立。首先，态度对使用意愿有显著影响（H1: 0.266, p = 0.000），意味着农民对滴灌的态度越积极，他们就越愿意采用它。感知易用性对有用性感知有显著的正向影响（H2: 0.224, p = 0.000），因此证明认为系统操作简单的农民认为它更有益。同样，态度也对有用性感知有积极影响（H3: 0.291, p = 0.000），这意味着农民越理解滴灌的积极方面，他们对这种做法的态度就越积极。感知易用性通过H4增强了有用性感知（H4: 0.224, p = 0.000），从而证实了长期以来的TAM观点，即易用性是感知效益的决定因素。此外，有用性感知显著影响使用意愿（H5: 0.232, p = 0.000），表明农民会采用他们认为有益的技术。行为意图与采纳决策之间存在强相关性（H6：0.078，p = 0.000），这表明意图是PMKSY受益者和非受益者实际采纳该技术的重要前提。唯一不显著的相关性是态度对采纳决策的影响（H7：-0.036，p = 0.153），这表明即使对滴灌技术有积极的态度，也不是直接的采纳决策因素，可能是因为价格、水资源供应或补贴等外部因素的影响。总体而言，在这种农业环境中，技术接受模型（TAM）的路径是合理的，意图和感知有用性成为采纳滴灌技术的关键因素。除了基本的TAM结构外，模型中包含的外部变量也对农民对滴灌技术的看法产生了有价值的影响。结果表明，感知复杂性对使用便捷性的感知有显著正面影响（β = 0.363，p = 0.000），对感知有用性的影响虽然较弱但仍然显著（β = 0.046，p = 0.026）。这些结果表明，那些认为滴灌技术技术复杂的农民也认为它易于使用且更有益，这可以通过感知复杂性与其他扩展功能之间的相关性来解释，这些扩展功能最终提高了效率。值得注意的是，感知复杂性似乎并不会阻碍采纳，实际上它似乎增强了人们对使用便捷性和实用性的正面评价，这取决于他们是否接受了足够的培训和技术支持。为此，PMKSY通过提供系统的培训课程和实施后的定期跟进，在促进采纳方面发挥了战略作用，从而使农民能够有效地监督并充分利用这项技术。相对优势对感知有用性的正面影响非常显著（0.270，p = 0.000），这意味着那些认为使用滴灌技术会带来更大优势（更好的产量、更高的水效率以及更少的劳动力）的农民更有可能认可这项技术。可见性也是最重要的因素之一：它对使用便捷性的感知有显著影响（0.457，p = 0.000），即看到其他农民成功使用滴灌技术会增强人们的信心和使用便捷性的感觉。然而，它对感知有用性的影响并不显著（0.010，p = 0.644），这意味着简单的观察并不总是能改变农民对技术有用性的看法。所有这些外部变量都表明，实际接触、感知到的好处以及复杂性的降低都是推动微灌系统在泰米尔纳德邦推广的关键因素。

关于间接关系的研究发现表明，表5中描绘的三个总体假设的显著性水平各不相同。首先，感知有用性并不是采纳决策的显著预测因素（H8：0.014，p = 0.117），这意味着即使农民认为滴灌技术会提高他们的表现，仅凭这种感知也不足以促使他们采纳该技术。同样，感知使用便捷性对采纳决策也没有显著的间接影响（H9：0.002，p = 0.472），因此使用便捷性本身对采纳决策没有显著影响。相比之下，态度对采纳决策有显著的间接影响（H10：0.021，p = 0.000），即尽管态度在之前的模型中对采纳没有直接影响，但当使用其他行为结构作为中介时，它确实有显著影响。这一观察结果支持了TAM模型中态度渠道在决定农民对滴灌技术心理准备程度方面的作用。

表5
效应 Coef STDE T值 P值
H8：感知有用性 -> 采纳决策 0.014 0.009 1.567 0.117
H9：感知使用便捷性 -> 采纳决策 0.002 0.003 0.719 0.472
H10：态度 -> 采纳决策 0.021 0.005 3.754 0.000
复杂性 -> 采纳决策 0.001 0.002 0.925 0.355
复杂性 -> 态度 0.056 0.009 6.284 0.000
复杂性 -> 行为意图 0.045 0.007 6.458 0.000
复杂性 -> 感知有用性 0.081 0.010 8.016 0.000
感知使用便捷性 -> 态度 0.065 0.007 8.961 0.000
感知使用便捷性 -> 行为意图 0.084 0.010 8.799 0.000
感知有用性 -> 行为意图 0.077 0.007 10.773 0.000
相对优势 -> 采纳决策 0.004 0.002 1.551 0.121
相对优势 -> 态度 0.079 0.008 10.390 0.000
相对优势 -> 行为意图 0.084 0.007 11.350 0.000
可见性 -> 采纳决策 0.001 0.002 0.761 0.447
可见性 -> 态度 0.057 0.010 5.900 0.000
可见性 -> 行为意图 0.041 0.006 6.586 0.000
可见性 -> 感知有用性 0.103 0.013 8.140 0.000

间接关系的路径系数。

调查数据（2023-2024年）。

其余的间接效应提供了更多关于外部变量与TAM相关结构在农民采纳行为中相互作用的信息。复杂性始终对态度、行为意图和感知有用性等内部变量显示出显著的中介作用，这意味着这些感知到的困难在采纳过程中以多维度的间接方式相互作用。感知使用便捷性也促进了多种间接渠道，加强了行为意图和感知有用性的发展。相对优势对行为意图和态度有间接贡献，证明了其作为外部因素的相关性。可见性也间接影响内部结构，主要影响农民的感知和意图。总体而言，这些讨论突显了心理、经验和情境变量在解释农民如何逐步形成滴灌技术采纳选择方面的作用。

4.2.2 基于受益农民的模型估计
在PMKSY受益者的情况下，微灌技术的感知更加有序和统一。技术接受模型在受益者中得到了很好的内化，其中感知使用便捷性、感知有用性和行为意图形成了一个稳定的链条，对采纳产生了影响。可见性和复杂性也发挥了更积极的作用：实际使用经验和系统的实用性是受益者考虑系统便利性和实用性的原因。值得注意的是，行为意图到采纳的路径不仅显著，而且呈正向，这意味着农民越倾向于使用该系统，就越有可能将其意图转化为实际采纳。尽管态度不是采纳的直接预测因素，但它对行为意图有间接影响，这意味着情感和认知评估确实很重要。简而言之，由于接受了PMKSY的支持、培训或补贴，受益者更有可能认为滴灌系统是可行的、适用的，并且操作起来更加容易。这一点在图3中得到了体现。

图3 受益农民的SEM。来源：调查数据（2023-2024年）。

4.2.3 基于非受益农民的模型估计
在非受益者的情况下，路径变量之间的关系更加不连续，TAM结构的内化较弱。与受益者不同，他们采纳的意愿并不强烈；因此，即使愿意或对采纳感兴趣的非受益者也不会将其意图转化为实际采纳。这可能是由于财务限制、缺乏技术支持或对系统有效性的怀疑。感知使用便捷性仍然显著，但可见性成为新的解释变量，这意味着非受益者更多是通过观察他人来做出决策的。复杂性在他们的决策过程中也不明显，这可能表明如果没有实际培训，农民将无法正确评估微灌系统的难度。态度与非受益者的意图或采纳之间没有明显的相关性，表明他们对系统的概念知识与其实际实施能力之间存在脱节。总体而言，非受益者的感知框架主要受观察和谨慎兴趣的影响，而不是通过经验学习或信心形成的，因此阻碍了有效采纳渠道的建立。这些信息可以在图4中观察到。

图4 非受益者的SEM。

5. 讨论
实证数据支持了技术接受模型的主要原则，同时也揭示了农民的心理评估与最终主导采纳行为的外部约束之间的复杂相互作用。态度对行为意图的强烈和稳定影响证明了农民对滴灌技术的积极态度，表明他们愿意采纳这项技术，这与Doss等人（2024年）和Valizadeh等人（2020年）的先前研究结果一致。但研究也表明，态度并不是实际采纳的直接驱动力。态度与采纳的不显著性表明，乐观的态度无法克服与成本、水资源供应或补贴相关的实际障碍，这些在之前的研究（Doss等人，2024年）中已有观察。这加强了这样一种观点，即意图是由态度驱动的，但并非所有意图都会转化为行动。

从政策角度来看，研究结果表明，PMKSY干预措施应超越提高意识和改变态度的层面，转向积极强化采纳意愿的机制。然而，尽管PMKSY在塑造对微灌技术的积极看法方面取得了成功，但缺乏明确的采纳意愿关系表明需要实施补充政策工具，包括及时的补贴发放、安装后的技术支持和灵活的融资方案。通过加强PMKSY的这些运营方面，可以解决这些实际障碍，从而激发积极的行为意图转化为实际采纳。

典型的TAM路径遵循感知有用性和感知使用便捷性。感知有用性受到感知使用便捷性的推动，这一事实证实了当农民理解系统并认为其易于管理时，他们也意识到了其优势。Doss等人（2024年）和Valizadeh等人（2020年）描述了这些关系。另一方面，感知有用性增强了态度和行为意图，这与Ibnu和Hutabarat（2016年）的研究结果一致。这些发现支持了感知有用性是意图形成的重要心理因素的观点，Sugandini等人（2018年）也认为它直接影响行为意图。

这些关系与PMKSY的设计逻辑密切相关，特别是“每滴水多种作物”这一部分，它强调了微灌技术在提高效率和节水方面的优势。感知有用性对行为意图有显著影响，这证明了PMKSY关注产量提升和节水与农民的决策一致。然而，结果表明，在项目设计中应同等重视可用性支持和长期参与，不能期望感知到的好处能自动确保采纳。尽管感知有用性具有显著的间接效应，但它本身并不能预测采纳。Nejadrezaei等人（2018年）的研究也得出类似结论，他们认为有用性不足以单独导致采纳，特别是在农民更关注任务导向的实际好处而非抽象性能要求的情境下。感知使用便捷性也是如此，虽然它有助于感知效用并间接影响意图，但并不直接影响采纳决策。这一观察结果与Nejadrezaei等人（2018年）的发现一致，他们指出使用便捷性对采纳的直接影响减弱，与Caffaro等人（2020年）的研究结果相反，后者认为使用便捷性的间接效应不显著。现有研究表明，使用便捷性很重要，尽管它主要受到认知过程的影响。

在泰米尔纳德邦，这些结果的情境相关性更为突出，因为该地区的农业气候多样性、地下水资源分布不均以及推广服务获取不均限制了农民的灌溉选择。在水资源紧张的地区，感知到的有用性可能因即时节水需求而增强，而在水资源丰富的地区，采纳可能会延迟。这种地方差异突显了根据当地水文条件和制度潜力来定制PMKSY实施策略的重要性。行为意图成为采纳的主要和唯一的直接心理决定因素。这支持了TAM的假设，即意图是实际行为的直接前提，这一发现已在多项关于农民技术采纳的研究中得到证实（Doss等人，2024年；Valizadeh等人，2020年）。意图的重要性还得到了以下事实的支持：只有当意图存在于感知有用性和态度之间时，这两种因素才会对采纳行为产生影响，从而验证了先前的观点，即意图在现实世界中的决策过程中起到了中介作用。这些复杂的路径揭示了理解问题的另一个维度。态度通过感知有用性和行为意图对采纳行为产生了显著的间接影响，这与Nejadrezaei等人（2018年）和Sudaryati等人（2017年）的研究结果一致，这些研究强调了态度结构在塑造人们对新技术的心理准备状态中的中介作用。态度本身不能直接引发采纳过程；然而，它会启动一系列认知过程，最终导致行为意图的形成。这表明，仅仅关注态度是不够的，因为还需要考虑外部变量和相关的行为概念，正如Sudaryati等人（2017年）所指出的。数据显示，农民对感知相关性和难以改变的好处反应更为强烈，而不是对易用性或总体积极情感的反应。这意味着，通过加强那些能够产生和维持行为意图的因素，可以促进采纳过程。强调技术改进易用性的培训、展示技术好处的演示活动以及解决外部限制的支持系统，都能够有效地将农民的意图转化为实际的采纳行为。

总体而言，研究结果强调，精准农业灌溉计划（PMKSY）的有效性不仅取决于促进积极的认知，还取决于加强促进采纳的制度机制。诸如推广主导的演示活动、农民之间的学习平台以及持续的技术培训等计划组成部分，在增强对易用性的认知和维持行为意图方面发挥着关键作用。将这些支持结构更明确地纳入PMKSY的实施中，可以提高该计划在实现精准灌溉技术的持久和广泛采纳方面的能力。

6 结论

实证研究表明，农民采取微灌（MI）行为的意图是决定采纳行为的最重要因素。这种意图受到感知有用性和积极态度的间接影响。尽管易用性被认为是建立信心的一个关键要素，但它并不会直接影响采纳决策。这些发现得到了之前关于农业技术采纳研究的支持。基于此，旨在促进现代技术创新采纳的计划应重点培养农民采纳这些技术的意愿，证明其有效性，并解决使用中的问题。这一建议适用于Pradhan Mantri Krishi Sinchayee Yojana（PKMSY）项目的受益者和非受益者这一多样化样本。因此，通过简化微灌系统的易用性来提高其整体采纳率显得尤为紧迫，因为这一点具有重要意义。从理论上讲，本研究为技术接受模型做出了贡献，使其适用于大规模、基于政策的农业背景下的精准灌溉技术。证据通过实证表明，感知易用性和感知有用性并不会直接决定采纳行为，而是首先影响行为意图和态度。这突显了意图在农业技术采纳过程中的中介作用，这是一个关键过程，并意味着资源有限农业环境中的技术接受渠道与消费者导向或信息技术领域中的渠道有所不同。

这项研究对激励农民使用微灌技术具有多方面的启示：首先，应关注农民的意图。由于意图是农民采纳微灌的中介因素，因此必须尝试关注影响意图的策略。一些可能的干预措施包括通过演示来展示微灌的好处、举办研讨会强调其有效性，以及提供成功采纳者的案例。由于感知效用和对微灌的态度通过意图间接影响采纳行为，这些方面必须得到重视。宣传活动需要阐明微灌技术在提高作物产量、优化水资源利用甚至增加收入方面的好处。尽管感知易用性通过意图因素间接影响采纳行为，但它并不直接影响决策过程，过分强调易用性并不是最有效的方法。然而，明确的指导和易于获得的帮助可以减轻人们对复杂性的担忧，从而促进技术的接受和使用。除了其理论适用性外，该研究还为灌溉政策文献提供了关于农民对大规模公共干预（如PMKSY）反应的行为数据。与其他主要关注经济或农艺结果的研究不同，这项研究表明，计划的有效性取决于设计因素如何影响农民的认知、意图和行为。通过将微灌采纳行为机制单独出来进行分析，该研究为政策制定提供了相关信息，补充了对PMKSY及其他类似灌溉项目的现有评估。

未来的研究可以通过扩展分析模型来进一步发展这些结果，明确纳入制度变量和情境变量，如推广的强度、培训的质量、信贷的可用性以及治理的有效性。纵向研究将有助于了解农民的认知和意图随时间的变化，以及微灌对生产力、水资源保护和收入稳定性的长期影响。跨地区/跨灌溉项目的比较也有助于验证此处报告的简化技术接受模型（TAM）路径的普遍性，并为不同农业生态环境下的灌溉政策制定提供基于证据的支持。