Page 137 - 《社会》2026年第2期

社会·2026·2

者，c 表示行动类型，本研究中只有一种行动类型，即向他人传授电商
技能，t 代表行动发生的时点。 除此之外， 行动可能还关联其他的协变
量，可记为 X 琢。 关系事件发生的可能性用发生风险（hazard）来定义。 模
型可用如下方程表示：
h ij （t） = h 0 （t） × exp（兹 S （i，j，t））
T
其中，h ij （t）表示在时间点 t 上关系事件 ij 的发生风险（hazard），h 0 （t）是
基准风险，s（t，i，j）表示网络统计量，即待考察的解释变量，在指数随机
图模型中也被称为充分统计量（sufficent statistic）（Snijders，2011），它 们
可以依赖于节点特征。 兹 代表模型参数，兹 的估计值可采用如下方式解
读：特定 s 每改变一个单位，相对应关系事件的发生风险是未改变 s 时
的 exp（兹）倍。 电商技能扩散网络中每增加一条边，都是发生了一次关
系事件，即有村民向他人传授电商技能。 我们应用 REM 分析了这种关
系事件发生的动态。 REM 中相应参数可利用 Cox 比例风险回归估计得
到（Vu，et al.，2015；Malang，et al.，2019；Valeeva，et al.，2020）。 根据这些
参 数 ， 能 进 一 步 推 断 不 同 时 期 、 不 同 群 体 传 授 电 商 技 能 事 件 的 发 生
风险。
关系事件分析的结果同样揭示了电商技能在村庄中的扩散进程是
由边缘农户主导推动的，这与关系状态分析的结果相互验证。 表 4 呈现
了 REM 参数估计结果。 模型 2a 反映的是村庄经历整个发展历程后的
平均状况，从半边缘和边缘发送边的可能性要高于核心，半边缘和边缘
传授电商技能的可能性分别是核心的 1.35 （=e 0.299 ） 倍和 1.26（=e 0.233 ）
倍，但就整个发展历程的平均状况而言，参数估计并未通过统计检验（p
值分别为 0.356 和 0.472）。 模型 2b 中单独加入了代表时期 2013—2019
年的哑变量，结果显示，在 2013—2019 年期间，传授电商技能事件发生
的可能性是 2012 年及以前的 2.78 倍（p < 0.001），这与 2013 年及之后
村内电商户规模增加的趋势相一致。 模型 2c 中纳入了发送者位置与时
—
期哑变量的交互项，两个主效应——发送者（半边缘）和发送者（边缘）
的参数估计结果表示，半边缘、边缘农户在 2009—2012 年间发出边的
可能性都较核心农户显著更高（ p 值分别为 0.092 和 0.087）。具体来说，
在该阶段， 向他人传授电商技能的行动发生自半边缘和边缘的风险分
别是发生自核心的 3.39 倍和3.46 倍。

· 130·