近年来，重大突发食品安全事件频发，违规销售过期食品、防腐剂过量添加、农药残留等问题普遍存在，暴露出我国食品安全监管缺失问题的严重性，引发了公众对我国食品质量和安全的担心；另一方面，随着公众环保意识和生活质量的提高，公众更加重视食品的质量和健康，公众的食品风险意识明显增强，对有机和健康食品的需求更加强烈。研究者发现，公众的有机食品选择会受到个人因素、家庭环境因素和外部环境因素的影响^[1]，其中感知的食品风险是影响公众食品风险行为选择的重要因素。社会网络作为重要的社会环境因素，对个体风险感知和风险行为的影响已经得到了研究的关注^[2]，但是现有研究并未回答社会网络如何影响公众的食品风险行为等问题。本文将以社会调查数据为基础，分析社会网络对有机蔬菜这种常见的有机食品购买意愿的影响。

风险问题和社会网络以及两者之间的关系当前都已成为研究人员关注的焦点。本研究从风险以及食品风险、社会网络及其对风险行为的影响、社会网络对有机食品选择的影响三方面对相关文献进行回顾和梳理。

风险=危害×暴漏度×可能性。这意味着如果决策者有足够的风险本身的信息、准确的风险影响程度和影响发生的可能性信息，就可以准确地对个人风险做出估计^[3]。但是实际上可靠的信息只是风险决策的一部分，人们的行为是复杂的，即使拥有相同的信息，人们也会有不同的风险感知和风险选择行为^[4]。现代风险具有很强的主观建构性^[5]，因此人们对风险的感知是风险研究中非常重要的概念，风险感知受到很多社会环境因素的影响，比如个体所属群体的规范、个体所处的社会环境等。很多学科都从自身的研究范式视角分析了影响风险感知和风险行为的因素，比如心理学范式、文化风险范式、心智模式范式等，这些范式并不是相互排斥的，它们的共同作用使得我们可以更好地理解风险感知和风险行为^[6]。

食品风险是指食品生产和消费过程中可能出现的负面影响和危害。根据危害的来源，食品风险可以分为微生物，化学和技术风险^[7]。Paul Sparks和Richard Shepherd把食品风险的特征归纳为严重性（Severity）、未知程度（Unknown）和受影响人的数量（Number of People Exposed）三种^[9]。很多研究表明公众感知的食品风险不仅源于技术，还在很大程度上源于风险的社会和心理特征^[10]。这也解释了为何公众的一些与食品风险有关的行为在科学家和研究人员看来是非理性的。

市场营销学的研究从风险损失（经济、社会、心理损失等）和受益的角度分析了消费者的食品选择行为，强调主观风险（相比较客观风险）对消费者行为的重要影响^[11]。研究表明促进消费者购买有机食品的因素包括个体对健康、环境、食品安全的关注，道德因素和价值观等^[12]。限制人们购买有机食品的因素包括高价格、有限的可获得性、对一般食品的满意、缺少信任和感知的价值等^{[13, 14]}。人们购买绿色食品的影响因素包括性别（女性）、婚姻状况和是否有小孩、对现在生态问题的看法和观念、对企业环境责任的看法等；也有研究表明当个体认为，安全和与其他人的关系是非常重要的时候，他们在购物的时候会考虑生态环境问题^[15]。但现有研究似乎并未特别关注风险行为及决策所处的社会环境。社会学家们认为，个人的社会行为总是“嵌入”于特定的社会网络环境之中^[16]，那么个人的风险行为是同样如此？本文将结合社会网络这一新的研究视角，来分析人们所处社会网络环境对其有机食品购买决策的影响。

社会网络是一种研究社会结构的理论和方法视角，它将个人或组织视为“节点”，将这些人或组织之间的联系视为“线”，这些点和线形成了一个个网络状的结构，人类社会即由这一个个网络结构构成，甚至整个社会都可视为一个大网络^[17]。社会网络视角被广泛地应用于社会生活各领域的研究之中，其中社会网络与健康的研究是一种非常重要的研究领域。早期研究社会网络与健康关系的学者主要采取一种“功能性”视角，关注社会网络可能提供的“社会支持”对健康产生的直接积极作用或间接“缓冲”作用^[18]；其后有一部分研究者开始采取“结构论”视角，重点关注个人所处社会网络结构对健康可能产生的影响^{[19, 20]}。

已有研究主要认为社会网络从两个方面影响人的态度和行为。一是通过提供知识／信息。有关网络与信息传递的研究表明，网络的规模和结构均对信息传递有影响，规模较大、异质性较高的网络更有利于信息传递^{[21, 22]}。二是通过提供社会支持，社会支持包括经济、情感、社会关系支持等方面。个人除了从社会网络中获取信息以外，还能从网络成员那里获得各种物质和精神上的实质性帮助和支持。社会支持对精神和心理健康有积极的影响，社会支持可以促进心理方面的适应性、减少压力和焦虑等心理问题，即社会支持的“缓冲效应”。缓冲效应的存在是因为社会支持促进“适应性评价（Adaptive Appraisal）”和“应对（Coping）”^[23]。从生理学途径来看，社会网络有助于免疫系统、神经内分泌系统和心血管系统的健康。以往研究表明，强关系和同质性关系多的网络在提供社会支持方面更为有效^[24]，亲属是最主要的强关系。网络密度描述网络的连接性^{[25, 26]}，网络密度与更多的合作、信息分享和责任有关，可以预测个体能够获得的物质支持的程度^{[27, 28]}。网络密度也影响个体获得关系资源的能力^[29]，高的社会网络密度意味着非常亲密的关系，有助于成员之间形成归属感。

已有不少研究者关注了社会网络对风险行为影响的问题。Berten研究了青少年在同伴网络中的位置对个体风险行为的影响，结果表明中学生的毒品滥用和风险性行为等不仅受到关系最好的同伴影响，还受到网络中位置相似的同伴的影响；相比较中学3年级的学生，5年级的学生更容易受到同伴的影响；网络凝聚力的影响大于网络中同等结构位置的影响^[2]。一项针对走失和无家可归年轻人的研究表明，没有社会网络支持的个体，更有可能非法使用毒品、有更多的性伴和生存性性行为；对于有社会网络支持的个体而言，当社会网络的规模较小、但情感支持特征明显（社会网络主要有朋友构成，通常包括酒精和非法毒品使用者）时，社会网络将不是他们风险行为压力的来源^[28]。随着社交媒体的流行，在线社会网络开始引起研究者的关注，研究发现在线上青少年对风险健康行为有更加正向的态度，更多地使用（网络）社会网络媒介会增加个体的风险行为，比如吸烟、滥用酒精、吸毒等^[30]。有关社会网络与融资决策这种风险行为关系的研究也表明，社会网络可以给决策者提供信息，帮助过滤掉复杂的信息，借款的社会关系会直接影响他的借款行为^[31]。总之，已有研究表明社会网络可以从提供信息、社会支持两个方面对风险行为产生影响，而且不同的社会网络特征提供的信息和社会支持不同。比如网络的规模、异质性、弱关系等更多地促进网络成员之间的信息传递；而网络密度、网络同质性、亲属关系的比例、强关系等与网络可以提供的社会支持相关。

尽管社会网络对风险行为影响的研究已有不少，但具体研究社会网络对有关食品安全风险行为影响的研究尚不多见。有研究表明公众的主观知识（信息）是他们感知的转基因食品风险的风险因素^{[26, 29]}，也有研究表明给公众提供生物技术相关的信息可以增加他们感知的生物技术带来的利益，但是没有减少他们感知的生物技术风险^[6]。还有研究表明社会支持的缓冲作用是个体的心理和生理健康风险的积极影响因素^[23]。那么，社会网络的不同特征是否影响公众对有机食品的购买意愿？如果存在影响，网络是通过什么机制来影响公众对有机食品的购买意愿的？已有研究并没有关注这些内容。本文以调研的数据为基础，分析社会网络的不同的结构特征是否以及如何影响个体对有机食品的购买意愿。

本文的数据来源于两项调查，一是中国科技发展战略研究院课题组于2007年在北京市和湘潭市进行的公众食品安全风险感知问卷调查；二是吉林大学社会学系课题组于2008年在长春市进行的公众食品安全风险感知问卷调查。两项调查均使用了基本相同的调查问卷和方法，考察了三城市居民关于食品风险的感知、行为倾向、信任和政策需求，三地数据分别代表中国大城市、大中型城市和中小城市的公众风险感知情况。三城市调查均采用多阶段随机抽样的入户调查方法，先在城市社区名册中随机抽取若干社区，再在每个社区中随机抽取若干家庭，最后在被抽中家庭中用Kish表随机抽取1人作为调查对象，被访者是现居家中的18周岁及以上的常住人口。北京、长春和湘潭三市共获得有效问卷2153份，三个城市的有效问卷数分别为987份、506份和660份。

（1） 因变量。我们在调查中询问被调查者：假如市场上的一般黄瓜卖1块钱1斤，您愿意花多少钱买没有喷撒农药的黄瓜？以此测量被调查者对有机蔬菜的购买意愿。

（2） 自变量。本研究中的主要自变量是个人讨论重要社会问题的讨论网络，具体测量方法采用提名生成法（Name－generator）。提名生成法是一种比较传统的方法，具体做法是根据研究的要求，让每个被访者提供自己的社会网络成员的姓名、个人特征以及这些成员的关系等信息^[32]。然后根据这些信息描述社会网络的情况。我们要求被访者回忆跟自己讨论问题最多的5个人，以及这些人的性别、年龄、教育程度、工作类型、讨论的问题、关系亲密程度等。然后计算社会网络的密度、管理人员的比例、高等教育人员的比例等指标。以此为基础，我们建立了研究的自变量，包括：网络规模、平均熟悉程度、网络密度，网络中亲属的比例、讨论食品安全人数的比例、管理人员的比例、高等教育人数的比例。

（3） 控制变量。包括性别、年龄、文化程度、收入、健康状况、对我国食品安全状况的满意程度、自己或者家人的经历、自己最近七天的健康状况、已有的食品风险知识等。

具体变量的描述性统计情况如表 1所示。

表 1(Table 1)

表 1 本文中使用变量的描述性统计 变量名称 均值 标准差 变量说明 自变量 网络规模 2.2 1.18 网络成员的个数 平均熟悉程度 3.96 0.18 定距测量个体与网络成员的平均熟悉程度0－1，1表示熟悉程度最高； 网络密度 0.84 0.25 定距测量网络成员之间的关系亲密程度0－1，1表示亲密程度最高； 亲属的比例 0.7 0.38 定距网络中亲属的个数占网络规模的比例0－1，1表示完全为亲属； 讨论食品安全人数的比例 0.9 0.27 定距网络中讨论过食品安全的人数占网络规模的比例0－1，1表示全部讨论过食品安全问题； 管理人员的比例 0.6 0.41 定距网络中管理人员的个数占网络规模的比例0－1，1表示全部为管理人员； 高等教育人数的比例 0.17 0.32 定距网络总受过高等教育的人数占网络规模的比例0－1，1表示全部为受过高等教育的人员。 控制变量 性别 1.55 0.5 二分，1“男”，2“女” 年龄 45.54 16.12 定距 对我国目前的食品安全状况满意程度 2.84 1.1 定序，1－5，从“很不满意”到“非常满意” 过去两年中家人食品安全事件经历 1.71 0.45 二分，1，有过；2，没有过 文化程度 4.48 1.68 定序，1－8,1代表“没上过学”，8代表“硕士及以上” 月总收入 2024.84 6972.47 定距 最近7天的健康情况 1.83 0.64 定序，1－4,1“非常好”到4“很不好” 食品安全相关知识 3.15 0.95 定序，1-5,1“根本不了解”，5“非常了解” 因变量 有机蔬菜购买意愿 1.5 1.12 分析时取对数

表 1 本文中使用变量的描述性统计

由于因变量是一个连续变量，我们在对其做对数处理后，使用普通最小二乘（OLS）法构建多元回归模型进行分析。

本文使用SPSS软件分析社会网络特征对有机蔬菜购买意愿的影响进行了分析，结果如表 2所示。表 2的模型一中分析的社会网是讨论网，即与被调查者讨论任何重要问题的成员构成的网络。统计结果表明，个人讨论网络的密度和网络中管理人员的比例显著地降低了公众对有机蔬菜的购买意愿；网络中讨论食品安全人数的比例和受过高等教育人数的比例则显著地增加了公众对有机食品的购买意愿。研究结论也表明，相比较基准模型（仅仅包括控制变量的模型），在模型中增加网络特征变量，显著地增加了模型的解释能力。

表 2(Table 2)

表 2 回归结果 模型一（讨论网） 模型二（食品安全讨论网） 控制变量 性别（0=男，1=女） 0.044（**） 0.040（*） 0.044（**） 0.035(.) 年龄 －0.001（*） －0.002（**） －0.001（*） －0.001（*） 对我国目前的食品安全状况满意程度 -0.0002 0.002 -0.0002 0.005 过去两年中家人食品安全事件经历 0.006 -0.004 0.006 0 文化程度 0.018（***） -0.004 0.017（***） -0.01 月总收入 0 0 0 0 最近7天的健康情况 -0.003 -0.012 -0.003 －0.030（.） 食品安全相关知识 0.019（*） 0.012 0.018（*） 0.004 自变量 网络规模 -0.004 0.001 平均熟悉程度 0.002 -0.01 网络密度 －0.092（*） －0.080(.) 亲属的比例 0.031 0.04 讨论食品安全人数的比例 0.089（**） - 管理人员的比例 －0.050（*） -0.02 高等教育人数的比例 0.060（*） 0.060（*） R－squared: 0.028 0.053 0.031 0.045 F值及显著性水平 F(8,813)=3.270,p<0.01 F(15,806)=3.038,p<0.01 F(8,582)=2.347,p<0.05 F(14,576)=1.945,p<0.05 模型比较 F(7,806)= 3.095 ,p<0.01 F(6,576)=1.396,p=0.21 注释：显著性水平***p≤0.001; **p≤0.01; *p≤0.05;. p≤0.1

表 2 回归结果

就控制变量而言，年龄、性别、文化程度和相关知识都显著地影响有机蔬菜的购买意愿。女性的购买意愿显著地高于男性；随着年龄的增加，公众对有机蔬菜的购买意愿显著地降低；文化程度和相关知识显著地增加了公众对有机蔬菜的购买意愿（在只有控制变量的情况下成立）。

在前面的文献综述中我们提出网络影响风险行为可能存在两种机制，即传递知识（信息）和提供支持。根据以往研究的结论，一般认为密度较高的网络更可能提供社会支持，同时网络中的管理人员因拥有较多的权力资源而更可能提供支持^{[32, 33]}，而网络中讨论食品安全问题的成员和受高等教育的成员则更可能提供知识和信息。为进一步验证这一点，我们又单独分析了食品安全讨论网的情况，这时的网络成员仅包括那些与被调查者讨论食品安全的成员。我们的假设是：由于食品安全讨论网的成员都会讨论食品安全问题，因此在这种网络中知识和信息传递是必然存在的，而社会支持的传递则不一定存在。从表 2模型二的统计结果中可以看出，在食品安全讨论网中，只有高等教育人数的比例显著地影响公众对有机蔬菜的购买意愿，而其他网络特征的影响不显著。这一结果在一定程度上支持了我们的推测，既网络密度和管理人员的比例更可能是通过提供更多的社会支持而降低了公众对有机蔬菜的购买意愿，而网络中讨论食品安全人数的比例和网络中高等教育人数的比例通过提供信息而增加了公众对有机蔬菜的购买意愿。

本文集中分析了公众所处的社会网络对其有机食品购买决策的影响。结果表明：社会网络中讨论食品安全人数的比例和高等教育人数的比例对公众对有机食品的购买意愿有正向影响；社会网络密度、网络中管理人员的比例对公众对有机食品的购买意愿有负向影响。根据已有研究的经验，我们认为网络中讨论食品安全人数的比例和高等教育人数的比例之所以会提升人们购买有机食品的意愿，是因为拥有这类特征网络的个人更可能获得相关的知识和信息，使他们更有意愿来购买有机食品。与之相反，拥有较高密度网络的人以及网络中管理人员比例高的人更可能获得物质支持和相关资源，由于社会网络提供的社会支持减少了个体感知的食品风险，因此会降低其购买有机食品的意愿。这些结果与以往社会网络研究的结果（例如，关于社会支持有降低风险的“缓冲作用”的结论）具有一致性，说明人们的行为和决策都是在特定的社会情境下完成的，因此，对社会网络的研究有助于我们更好地理解和预测人们的风险行为。

本论文得出了一些有趣的结论，进一步丰富了社会网络和食品安全风险的研究。但研究也存在一些不足：（1）本文没有区分社会网络中可能提供的不同类型社会支持（如情感支持、经济支持、社会关系支持等）对有机食品购买意愿的影响；（2）本文没有分析社会网络影响风险行为的中介变量，在未来的研究可以考虑引入诸如“感知的风险”等变量的中介作用：（3）本文中回归模型的总体解释力不高，未来研究中还需引入更有解释力的自变量，以提升解释的力度；（4）本研究的因变量比较单一，今后研究中还可以选择多种有机食品，增加研究结论的效度。