学习自我和学习他人：来自孟加拉国的实验证据（英）

授权公开披露 授权公开披露 政策研究工作文件10545 向自我学习和向他人学习 来自孟加拉国的实验证据 佛罗伦萨KondylisJohnAshtonLoeserMushfiqMobarakMariaRuthJonesDanielStein 发展经济学 发展影响评估小组2023年8月 政策研究工作文件10545 Abstract 分散示范可以加速对新技术的学习吗？本文在孟加拉国的各个村庄随机获得了固定的示范工具包，用于新的抗洪性种子，由单个农民或分布在许多农民中进行示范。从短期来看，在分散的情况下，从自我和他人那里获得更高的学习可以提高技术的采用率。从长远来看，。 任何演示的影响持续存在，但权力下放的其他影响消失了 。学习新技术回报的贝叶斯模型表明，信念分散导致了学习路径上的嘈杂采用，在权力下放下，农民从演示中获得的预期收益要高出四倍。 本文是发展经济学发展影响评估小组的产物。这是世界银行为开放其研究并为世界各地的发展政策讨论做出贡献的更大努力的一部分。政策研究工作文件也在http://www上发布。世界银行。org/prwp.作者可以通过fodylis@worldba联系。org和jloeser@worldba。 政策研究工作文件系列传播了正在进行的工作结果，以鼓励就发展问题交换意见。该系列的目标是快速得出发现，即使演示文稿还不够完善。论文带有作者的姓名，应相应地引用。本文表达的发现、解释和结论完全是作者的观点。它们不一定代表国际复兴开发银行/世界银行及其附属组织的观点，也不代表世界银行执行董事或它们所代表的政府的观点。 由研究支持团队制作 从自我学习和从他人学习：来自孟加拉国的实验证据 ∗ 弗洛伦斯·康迪利斯·约翰LoeserMushfiqMobarak 玛丽亚·琼斯丹尼尔·斯坦 JEL分类代码:D83,O12,Q12,Q16 关键词:农业推广，示范地块，技术采纳，学习 ∗Kodylis：发展影响评估，世界银行，fodylis@worldba。罗瑟：发展影响评估，世界银行，jloeser@worldba。组织；莫巴拉克：耶鲁大学，NBER，艾哈迈德。mobara@yale.琼斯：发展影响评估，世界银行，mjoes5@worldba。组织；斯坦：IDIsight，丹尼尔。斯坦@idisight。我们感谢保罗·克里斯蒂安、凯尔·埃默里克、安德鲁·福斯特、艾琳·凯利、西尔维·兰伯特、阿里安娜·莱戈维尼、卡伦·马库斯、杰里米·马格鲁德，以及IFPRI、那不勒斯、巴黎-多芬、巴黎生态经济学学院、加州大学伯克利分校、弗吉尼亚大学和瓦格宁根大学的研讨会听众。我们感谢全球农业和粮食安全计划，世界银行孟加拉国国家管理部门，世界银行i2i，RSB和SAFANSI信托基金的慷慨研究资金。KieraByre和MarcelaMello提供了出色的研究援助；KristofferBjarefr，CythiaSobiesi，ChristiaSeybolt，马里兰州。Mstasir，MehrabAli和AhmadWahdat管理了令人印象深刻的野外工作。我们感谢孟加拉国贫困创新行动的数据收集工作 。最后，我们感谢IAPP项目实施部门的工作人员是杰出的研究伙伴。研究方案由耶鲁大学IRB（＃ 1208010629）和IPAIRB（＃00006083）批准，并在AEARCT注册（AEARCTR-0010751）中注 册。通过DIMEAalytics验证计算再现性。这份手稿中表达的观点没有反映世界银行的观点。所有的错误都是我们自己的。 Contents 1Introduction2 2上下文7 2.1设置.7 2.2旱季农业在Barisal.8 2.3新种，老庄稼不变。。。。。。。。。。9 3实验分散演示10 3.1实验设计10 3.2概念框架14 3.3Data17 3.4实现保真度20 4实验结果21 4.1示范地块增加采用率21 4.2新改良种子可提高生产恢复力27 4.3演示持续增加采用率，但这些影响逐渐消失 随着时间的推移31 4.4分散示范增加了采用率，但这些额外的影响随着时间的推移而消失32 4.5实验结果和替代机制的讨论34 4.6实验结果的鲁棒性36 5学习和技术采用模式37 5.1信念和技术采用38 5.2通过模型镜头的新手和老手采用动态41 5.3向自我学习，向他人学习42 6实验结果的潜在机制45 7重视学习、示范和权力下放50 7.1事前和事后利润51 7.2示范和权力下放的估计收益52 8Conclusion55 1Introduction 鉴于农业对发展中经济体的持续重要性，加速农业技术的采用有可能大幅减少全球贫困(世界银行，2007年)。然而，信息摩擦会限制新技术的传播(DeJanvry等人 ，2017年；Magruder，2018年)。作为回应，农业推广服务通常会建立起来示范地块，以告知农民新技术的特征并说服他们采用（Conley和Udry，2010）。尽管该模型已显示出一些希望（Dar等人，2020），但它通常无法触发大量学习收益（Kondylis等人，2017；Duflo等人，2022）。 在本文中，我们考虑了从规模和分散中学习在示范区的最佳设计中的作用，从而增加了研究信息通过社交网络扩散的最新文献。除了从自己和他人的示范中学习之外 ，农民还可以从规模（示范地区，持有固定数量的农民示范）和权力下放（农民数量，持有固定的示范地区）中学习（Foster和Rosezweig，1995）。 在从规模和其他方面学习的同时，激发了一个联系良好的农民的传统示范(Baerjee等人。，2013；比曼等人。，2021年)，从权力下放或从自己身上学习，激励许多农民扩大参与权力下放。在示范资源的固定分配下，分权和规模之间的权衡是明显的 ：随着越来越多的农民展示，示范地块变得越来越小。考虑这些力量对于制定最简单的政策建议至关重要。例如，当农民主要从自己那里学习，而从规模上学习很薄弱时 ，选择最好的耕种者来经营大型示范田的回报可能很低。 Wedesignandimplementedafieldexperimenttoestimatetheimpactsofapproachestodemonstrationsuggestedbycompetitivetheoriesofhowfarmerslearning.Werandomy-izethreeapproachestodemonstrationacross110groupsof25ruralfarthersc农民田间小组，从单个农民的传统演示到完全分散的演示，许多农民获得了新技术的第一手经验。然后，我们将我们的实验结果和预测从学习新技术回报的模型中结合起来，以分离和量化 在采用新技术时，从规模中学习和从权力下放中学习的相对重要性。我们在气候变化脆弱的沿海Barisal中这样做，在孟加拉国政府大规模努力为绿色革命绕过的传统豆类提供新的，高产的抗洪盐碱种子的背景下（Golli等人。，2021年）。这些传统豆类新品种的开发不仅是为了提高生产韧性，而且是为了使农民远离有利可图但不可持续的旱季稻田种植。 我们的基准治疗是标准(常规）示范协议，其中推广人员指定该小组中的一名农民，以获得足以耕种0.4公顷的种子和肥料示范包。要求该指定的农民运行一个季节的示范地块，并与小组中的其他人分享见解。 在第二次治疗中（共享），推广人员确定了多达四名耕种连续地块并愿意建立共享示范地块的农民。完全相同的演示包分为这一组四个农民。共享臂的设计使得演示相对于常规臂在社会上是分散的，但在地理上不是分散的。 Inathirdsetofrandomselectedfieldgroups,theextensionworkerspitsthesamedemonstrationpackageamonguptotwelveinterestedfarmers,sothattheycanexperimentwiththenewseedontheirownplots.Theirplotsneednotbecontinuous,sothisthird(分散式)手臂触发了示范的社会和地理权力下放。 Wecomparethesethreearmstoacontrolarmsinwhichthenewseedispromotedbytheextensionagenttothefarmfieldgroups,butnostrumentresourcesareprovidedtothevillage.Thepromotedseedswerelocallymultipliedandwidelyavailableinmarketsacros 当我们通过实验诱导许多农民在一个村庄进行演示时，我们考虑了三种主要机制 ，这些机制可能会导致分散臂中新技术的采用与我们研究的其他臂相比存在差异。首先，更多的农民向自我学习。其次，社会学习的数量也在增加。第三，每个演示图的大小都会减小，这可能会影响学习的强度。 1为五种作物推广了新的抗洪盐水种子：小扁豆，绿豆，芥末，芝麻和小麦。除小麦外，这是政府首次努力推广这些作物的抗洪盐碱品种。虽然小麦和芝麻都不是豆类，但我们使用“豆类”的原因是，在我们的数据中，超过80％的五种作物种植是三种豆类。 如果规模很重要，从每个演示中。如果生长条件和地块的地理邻近性是学习的主要决定因素，那么让多个农民参与一个集中示范地块的种植将比让相同数量的农民培育分散示范地块产生更少的学习。同样，如果示范规模有很高的回报，扩大持有固定示范区域的参与将减少学习。 任何形式的示范都能诱导学习，在两年内将新种子的采用率提高145%(4.5个百分点，或豆类栽培者采用率为35%)后相对于控制村庄的示威。由此产生的采用率足以使促进的豆类的种植在农民中增加57％，否则不太可能种植豆类。与示范对采用的这些积极影响相一致，我们发现新种子产生了积极的回报：在我们的研究期间，采用消除了盐水洪水冲击对产量和利润的负面影响。尽管有这些生产影响，培育新的洪水盐弹性种子可能并不是所有农民的最佳选择：虽然新种子增加了传统豆类的回报，但与稻谷或其他选择相比，豆类的回报将因农民而异（Sri ，2011）。这种不完全采用的最优性是定制农业技术的特征，这些技术对于在不断变化的气候下实现持续的生产力增长至关重要（Sri和Udry，2022）。 社会和地理上分散的示威活动在示威后的第一年急剧增加了新种子的采用率。被分配到分散的手臂会导致相对于常规治疗手臂的采用率增加6.5个百分点（在1％的水平上显着），或者采用率比控制平均值增加258％。相比之下，在我们的研究期间，分配多个农民在共享臂中培育示范区，相对于常规示范臂，采用率增加了1.8个百分点，尽管这种影响估计不准确。 虽然任何示范对收养的影响在示范季节结束两年后仍然存在，但它们会下降，分散化的额外影响会随着时间的推移而消失。虽然示范年后一年，相对于对照组 ，示范的采用率增加了156%，但示范两年后，这种影响几乎减少了一半。在我们的实验过程中，在分散的演示下，农民实际上可以学得更快，我们如何才能与我们观察到的拒绝模式相协调？ 我们通过一个简单模型的镜头来合理化我们的结果，在这个模型中，贝叶斯农民学习新技术的回报（Besley和Case，1994）。农民首先对潜在新种子的回报分配有事先的信念；我们在演示中的实验变化通过提供新种子的回报的嘈杂信号来诱导新种子的采用，农民更新了他们对已实现的新种子的信念。该模型通常用作社交网络中技术采用和扩散的微观基础(Yog，2009；Beama等人。，2021年）。虽然其他模型可以与我们的发现相匹配，但我们提供了经验证据，证明我们的模型捕获了农民如何学习-示范改变了农民的信念，进而改变了他们的采用决策，而农民的信念和采用决策对演示过程中观察到的利润做出了反应。一方面，我们观察到长期采用率在任何示范下都比对照组的采用率高；在模型中，这可以合理化，因