《PLOS One》：A priming nudge targeting innovative farmers: A large-scale survey experiment
编辑推荐：
本文衡量了农民的创新性以及启动助推对其（陈述的）采纳一项创新——即法国“低碳标签”（Low-carbon label, LCL）——意向的有效性。LCL是一个创新的认证框架，为农民提供一种潜在的新型“绿色商业模式”，使他们能够通过出售因减少自身温室气体（GHG
本文衡量了农民的创新性以及启动助推对其（陈述的）采纳一项创新——即法国“低碳标签”（Low-carbon label, LCL）——意向的有效性。LCL是一个创新的认证框架，为农民提供一种潜在的新型“绿色商业模式”，使他们能够通过出售因减少自身温室气体（GHG）排放而获得的认证碳信用来产生收入。研究人员利用6005份法国农民在线调查的回复，验证了一个旨在测量农民创新能力的原始量表，并发现创新性与陈述的采纳LCL意向呈正相关。随后，研究人员通过问卷中嵌入的随机实验评估了启动助推的净影响；该启动助推被定义为暴露于旨在无意识激活心理因素的词汇领域，并在本研究中通过提及创新来实施，以针对最具创新性的农民。研究人员表明，该助推对被调查样本没有可检测到的影响：它既没有提高最具创新性农民的采纳意向，也没有抑制创新性较低的农民。这种效应的缺失使研究人员讨论了在试图影响农民高 stakes 决策时助推的有效性。
**论文解读文章**
**研究背景、问题与目的**
在全球农业生态转型与应对气候变化（如全球变暖）的背景下，创新技术的快速扩散至关重要。Rogers的创新采纳与扩散模型指出，并非所有农民会同时采纳农业创新，因此加速早期创新采纳者的步伐，可能有助于在创新性较低的农民中引发更广泛、更快速的扩散。然而，如何有效引导农民做出符合环保目标的决策，仍是政策制定面临的挑战。助推（nudge）作为一种低成本行为干预工具，在消费者、患者等领域得到广泛应用，但其在农民高风险、高财务决策（如是否采纳新认证体系）中的有效性尚不明确。特别地，现有研究显示，助推效果通常较小，且可能因群体异质性产生反向效果。本研究旨在回答：一个针对农民创新性特质的启动助推（priming nudge）是否能产生加速采纳的乘数效应，还是会在“较少创新”的农民中引发逆火效应？
**研究内容与结论**
该研究聚焦于法国“低碳标签”（Low-carbon label, LCL）这一创新认证框架。LCL允许农民通过减少温室气体（GHG）排放获得认证碳信用并在自愿市场出售，从而形成新型绿色商业模式。研究人员通过在线调查收集了6005份法国农民的有效回复，首先验证了适应农业情境的创新性测量量表，发现创新性（作为人格特质）与农民陈述的LCL采纳意向呈显著正相关——创新性得分越高的农民，其采纳意向越强。随后，研究利用问卷中嵌入的随机实验，设计了含有创新词汇（如“创新性”、“实验”、“率先垂范”等）的启动助推文本，对比基准描述，测试其对不同创新性水平农民采纳意向的因果效应。结果显示，该启动助推对全部样本的平均效应为零；即使分别分析高创新性组与低创新性组，助推既未显著提升前者的采纳意图（假设1未获支持），也未抑制后者（假设2获支持——效应为零或负向）。功效分析进一步证实，即使存在效应，其幅度也极小（Cohen's d <0.05），需极大样本才能检测。该研究发表于《PLOS One》。
**主要关键技术方法**
研究人员采用改编自Goldsmith & Hofacker（1991）的六项领域特定创新性量表，并补充Du等（2021）关于信息寻求的两个问题，构建了适用于农业情境的心理测量量表（PSYCHO_INNOV），同时使用单题自报创新性指标（SR_INNOV）。通过将两者排名前20%的农民交叉分类为“高创新性”组，排除分类不一致者以减少误分类。然后，在问卷中嵌入随机实验：控制组获得LCL标准描述，处理组获得相同信息但使用创新词汇领域作为启动助推。样本来源为法国农民，通过市场调研机构BVA Group的在线面板（约9万农民）分两波收集数据（2022年6月及12月–2023年1月），最终获得6005份完整回答。统计分析包括相关性检验、均衡性检验、独立样本t检验、Cohen's d效应量、回顾性功效分析以及稳健性检验（包括二元采纳变量和有序logit回归）。
**研究结果**
- **样本描述（3.1）**：样本中男性占87%，略年轻于法国农民平均年龄，大型农场比例偏高，整体不具代表性，但控制组与处理组在主要特征上均衡。约15%的农民已开始LCL认证，38%希望申请；仅4%表示反对。
- **农民创新性（3.2）**：自报创新性（SR_INNOV）均值6.80（范围1–10），心理测量量表（PSYCHO_INNOV）均值28.96（范围8–40）。两者高度相关，且均与三个控制变量（关注最新农业新闻、与同行交流创新、喜欢信息交流）显著正相关，验证了量表的有效性。通过交叉分类，580名农民（10%）被识别为“高创新性”，4313名（72%）为“低创新性”，1112名（18%）分类不一致被排除。平均创新性率随LCL采纳意向等级（Y值）升高而单调增加，高创新性农民的平均Y值（3.66）显著高于低创新性农民（2.90），表明创新性越高者越倾向于采纳LCL。
- **助推影响评估（3.3）**：均衡性检验显示控制组与处理组在创新性得分上无显著差异，可归因于助推效应。平均处理效应表中，全样本处理组Y均值（2.82）与控制组（2.88）差异不显著（Cohen's d=0.048）。按创新性分层后，高创新性农民中处理组Y均值（3.25）略低于控制组（3.43），但差异不显著；低创新性农民中亦无显著差异。回顾性功效分析表明，检测高创新性组中最小可检测相对效应9.04%只需约1200观察值，但实际检测到的是5.25%的负效应且不显著；低创新性组需至少18400观察值才能检测4.29%的效应。稳健性检验（二元采纳变量、有序logit回归）均支持助推无显著效应的结论。
**讨论与结论**
讨论部分指出，该研究首次将领域特异性创新性概念引入农业经济学，改编的心理测量量表经验证可靠，且创新性与采纳正相关的结论为预测农民行为提供了有效工具。然而，设计用于激活创新自我形象的启动助推未产生任何可检测效应，这与文献中关于助推在专业、高风险决策情境下效果有限的证据一致。例如，社会比较助推曾导致部分农民反弹（即“反作用”），而高stakes决策更可能激活系统2的理性分析，削弱无意识启动的效果。研究者强调，此结果不应一概否定所有行为干预，但揭示了单一“一刀切”助推的局限性，并指出政策应更关注系统层面的变革（s-frame policies，如税收、法规）而非仅依赖个体行为干预（i-frame policies）。结论部分翻译如下：本文改编了营销科学中的成熟方法以评估农民创新性；检验了创新性与采纳新创新的正向关联，并测试了旨在通过针对创新农民增加采纳的启动助推的效果。研究人员表明，农民可根据自报测量和心理测量量表的创新水平被分类，且在这些量表上得分高的农民更可能采纳新创新。然而，结果显示，以创新框架的启动助推无论农民创新水平如何均未显著影响采纳率：它既未提高最具创新性农民陈述的采纳意向，也未通过抑制创新性较低农民产生负面逆火效应。虽然无法确切判定无效是否源于干预的细微性，但这是一种合理的解释。研究建议，单独依赖助推政策，尤其是创新框架的启动助推，可能不足以改变农民决策。
