为了定量分析蜂农对天气变化的感知, 本文根据Grothman和Patt基于心理学与行为经济学提出的个人主动适应气候变化的社会认知模型(MPPACC)分析框架^[10], 结合天气变化情况, 将蜂农对天气变化的风险感知(包括敏感性感知和严重性感知) 和适应感知(包括适应功效感知、自我效能感知及适应成本感知)作为测度指标。MPPACC自2005年提出以来, 被广泛应用于社会学、环境学等研究领域, 它不仅考虑了民众的认知方面, 而且还包括了被其他模型所常常忽略的民众对自身适应能力的认知。因此, 我们选取了MPPACC模型来作为研究框架。同时, 在计算感知度指数时, 依据李克特量表先对蜂农的各类天气变化感知选项进行五级赋值, 再将不同区域蜂农的各种感知度加总平均。计算公式如下:

Fj=1n∑i=1nfij。 (1)

式(1)中:F_j为农户对j问题的感知度指数, f_ij为第i个蜂农对j问题的感知度赋值, n为蜂农的个数。具体测量指标及赋值见表1。

表1

Table 1

表1(Table 1)

表1 蜂农对天气变化感知度测量指标及赋值 Table 1 Measurement index and assignment of beekeepers' perception of climate change 天气变化感知 Perception of climate change 测量指标 Measurement index 测度问题 Measurement issues 赋值 Value 风险感知 Risk perception 敏感性感知 Sensitivity perception 与2016年相比, 2017 年油菜花期降雨发生了什么变化 What is the change of the rainfall in the rape blooming season in 2017 compared with 2016 明显增加=1; 增加=2; 没什么变化=3; 减少=4; 明显减少=5 A lot of increase=1; A little increase=2; About the same=3; A little reduction=4; A lot of reduction=5 严重性感知 Severity perception 天气变化对养蜂的生产影响是否严重 Dose climate change seriously affect beekeeping or not 非常严重=1; 比较严重=2; 一般=3; 不太严重=4; 很不严重=5 Very seriously=1; Seriously=2; Average=3; Slightly=4; Very slightly=5 适应感知 Adaptive perception 适应功效感知 Adaptive efficacy perception 采取措施能否减弱天气变化的负面影响 Can some measures be taken to mitigate the negative effects of climate change or not 肯定能=1; 有可能=2; 一般=3; 不太可能=4; 肯定不能=5 Very possibly=1; Possibly=2; Average=3; Impossibly=4; Very impossibly=5 自我效能感知 Self-efficacy perception 自己应对天气变化的能力如何 Can you cope with climate change by yourself 非常强=1; 比较强=2; 一般=3; 比较差=4; 非常差=5 Very strongly=1; Strongly=2; Average=3; Poor=4; Very poor=5 适应成本感知 Adaptation costs perception 适应天气变化的成本有多高 In what extent you expense on adapting the climate change 非常高=1; 比较高=2; 一般=3; 比较低=4; 非常低=5 Very high=1; High=2; Average=3; Low=4; Very low=5 四川省油菜花花期为2— 4月。 The flowering period of rape in Sichuan Province is during February-April.

表1 蜂农对天气变化感知度测量指标及赋值 Table 1 Measurement index and assignment of beekeepers' perception of climate change

蜂农对天气变化的感知影响因素是多方面的, 受到个人特征、家庭特征等因素的影响, 还受到放蜂实践、是否加入合作组织等客观因素的影响。借鉴已有相关文献, 并结合对蜂农的实际调查, 本文提出以下假设:

假设1:蜂农个人特征对蜂农的天气变化感知有影响。蜂农的个人特征直接影响着其对于天气变化的感知。一般来说, 蜂农从事蜂业养殖生产活动的年份越长, 积累的生产经验越多, 适应天气变化的经验就越丰富, 但具体对感知能力的产生正相关还是负相关影响有待检验。因此, 除了选择年龄和受教育程度之外, 本文还选择了蜂农的养蜂年限作为影响天气变化感知的重要个体特征因素。

假设2:蜂农的家庭特征对蜂农的天气变化感知有影响。蜂业生产多是以家庭为生产单位的, 主要劳动力也来自家庭成员, 家庭特征在某种程度上影响着蜂农对天气变化的关注程度。同时, 随着蜂业劳动力结构的老龄化, 蜂农子女是否具有继续养蜂的意愿将影响蜂农们的长期生产计划, 进而影响蜂农对天气变化的关注和感知。因此, 本文选择家庭规模、家中有几人养蜂和子女是否有继续养蜂的意愿作为蜂农家庭特征这一影响因素的具体指标, 具体产生何种影响有待讨论。

假设3:获取天气变化信息的渠道对蜂农的天气变化感知有影响。蜂农获取天气变化信息的渠道能直观反映出蜂农对于天气变化的感知能力, 一般来说, 渠道越多, 天气变化信息的准确性和可靠性越大, 但对蜂农的天气变化感知能力的作用方式尚不确定。因此, 本文将蜂农是否定制、收获了免费的天气变化信息和天气变化信息获取的渠道作为自变量。

假设4:社会资本对蜂农的天气变化感知有影响。蜂农对天气变化的适应能力可以看作是各种生计资本联合起来产生的结果, 蜂农的社会资本起着传递信息、缓解天气变化的消极影响等作用, 本文将蜂农是否加入合作社、与其他蜂农交流天气变化信息的频率作为蜂农的社会资本范畴, 作为自变量来考察, 怎样影响蜂农对天气变化的感知能力需要进一步讨论。

基于上文所述, 本文因变量选择蜂农对天气变化的五类感知度, 均取1, 2, 3, 4, 5五个有序值反映感知强弱, 因此因变量属于多分类有序变量, 且蜂农个人特征、家庭特征等自变量以离散型数据为主, 故采取有序Probit模型。模型的基本形式为:

y^* =β 'X+ε _i, i=1, 2, 3, …, n。 (2)

式(2)中, β '为参数向量, ε _i~N(0, σ ²I), 即观测样本相互独立且具有正态误差。

如果用α ₁、α ₂、α ₃、α ₄分别表示蜂农对天气变化的感知程度的未知分割点, 且存在α ₁< α ₂< α ₃< α ₄, 即:

y_i= 5, yi* > α44, α3< yi* ≤α43, α2< yi* ≤α32, α1< yi* ≤α21, yi* ≤α1。

y=1, 2, 3, 4, 5的概率分别为

Prob.(y=1|X)=Φ (α ₁-β 'X);

Prob.(y=2|X)=Φ (α ₂-β 'X)-Φ (α ₁-β 'X);

Prob.(y=3|X)=Φ (α ₃-β 'X)-Φ (α ₂-β 'X);

Prob.(y=4|X)=Φ (α ₄-β 'X)-Φ (α ₃-β 'X);

Prob.(y=5|X)=1-Φ (α ₄-β 'X)。

Φ 为标准正态分布的累积密度函数。与一般Probit模型一样, 有序Probit模型的参数估计采用极大似然估计法(maximum likelihood method), 但是自变量X对概率的边际影响并不等于系数β ', 其中, Prob(y=1)的导数明显与系数β '有相反的符号, 而Prob(y=5)的导数明显与系数β '符号一致, 而中间取值概率的变动与β '之间的关系不能确定。

本文的基本模型设定如下:

蜂农对天气变化的感知程度=F(蜂农个人特征, 蜂农的家庭特征, 获取天气变化信息的渠道, 社会资本)+随机扰动项。

本文研究数据来自2017年8月在四川省实地问卷调查、小型访谈以及网络问卷等方式所得。在数据收集中, 采取随机抽样法选取受访地区和蜂农, 共发放问卷150份, 回收有效问卷133份, 问卷有效率为88.67%, 其中成都市80份, 德阳市22份, 宜宾市31份。受访蜂农平均年龄49.91岁, 平均养蜂24.14年, 平均家庭规模为每户4.30人, 家中平均有1.93人在养蜂, 约69.17%的蜂农加入了合作社, 蜂农文化水平较低, 大部分为初中水平, 占47.37%。具体受访蜂农个人及家庭特征见表2。

表2

Table 2

表2(Table 2)

表2 受访蜂农个人及家庭特征 Table 2 Individual and family characteristics of interviewed beekeepers 蜂农 Beekeepers 崇州市 Chongzhou 邛崃市 Qionglai 大邑县 Dayi 中江县 Zhongjiang 兴文县 Xingwen 全部蜂农 All 样本量Sample size 21 33 26 22 31 133 受访者平均年龄Average age 49.81 46.64 44.23 48.44 58.29 49.91 平均养蜂年限Average years of beekeeping 26.90 24.48 23.65 20.14 28.35 24.14 家庭规模/(人· 户-1)Family size(person in every family) 4.29 4.34 4.04 3.82 4.87 4.30 每户养蜂人数Number of beekeepers 2.19 2.33 2.19 2.09 1.00 1.93 是否加入合作社 是 90.48 78.79 80.77 63.64 38.71 69.17 Whether join in cooperatives or not/% Yes 受访者文化水平 文盲 4.76 0 0 9.09 3.23 3.01 Cultural level of respondents/% Illiterate 小学Primary 23.81 15.15 0 45.45 45.16 25.56 初中Junior 47.62 51.52 61.54 36.36 38.71 47.37 高中Senior 23.81 33.33 38.46 4.55 9.68 22.56 大专及以上 0 0 0 4.55 3.23 1.50 College or above

表2 受访蜂农个人及家庭特征 Table 2 Individual and family characteristics of interviewed beekeepers

依据理论研究和实地调查, 本文以农户对天气变化的敏感性感知、严重性感知、适应功效感知、自我效能感知、适应成本感知为因变量, 选取蜂农个人特征、家庭特征、获取天气变化信息渠道、社会资本作为四大类解释变量, 各大类解释变量下设具体测量指标, 共10个变量, 各变量的统计性描述分析具体见表3。为了保证模型模拟的可信度, 避免解释变量之间由于过高相关关系而使模型估计失真的情况出现, 所以构建模型前对所有解释变量进行了多重共线性检验。运用Stata软件得出各解释变量的vif值都小于10(表4), 说明解释变量之间没有明显共线性, 因此可选取这10个变量来构建模型。

表3

Table 3

表3(Table 3)

表3 解释变量描述 Table 3 Variable descriptions 变量 Variable 赋值内容 Value 均值 Mean 标准差 Standard deviation 因变量Dependent variables 敏感性感知Sensitivity perception(y1) 与2016年相比, 2017 年油菜花期降雨发生了什么变化 What is the change of the rainfall in the rape blooming season in 2017 compared with 2016 1.346 0.601 严重性感知Severity perception (y2) 天气变化对养蜂的生产影响是否严重 Dose climate change seriously influence on beekeeping or not 1.439 0.511 适应功效感知 Adaptive efficacy perception(y3) 采取措施能否减弱天气变化的负面影响 Can some measures be taken to mitigate the negative effects of climate change or not 3.429 1.543 自我效能感知Self-efficacy perception(y4) 自己应对天气变化的能力如何 Can you strongly manage to cope with climate change by yourself 3.242 0.509 适应成本感知 Adaptation costs perception (y5) 适应天气变化的成本有多高 In what extent you expense on adapting the climate change 2.030 0.587 自变量Independent variables 1.蜂农个人特征 Beekeepers personal characteristics 年龄Age (x1) 30岁以下=1; 30~40=2; 41~50=3; 51~60=4; 60岁以上=5 Under 30 years of age=1; 30 to 40=2; 41 to 50=3; 51 to 60=4; Over 60 years of age=5 49.91 10.63 受教育程度 Education level (x2) 文盲=1; 小学=2; 初中=3; 高中=4; 大专及以上=5 Illiterate=1; Primary=2; Junior=3; Senior=4; College or above=5 2.91 0.90 养蜂年限Years of beekeeping(x3) 实际值(年)Actual value (year) 24.14 12.47 2.蜂农家庭特征 Beekeepers family characteristics 家庭规模 Family size(x4) 实际值/(人· 户-1)Actual value(person in every family) 4.30 1.27 几人养蜂Number of beekeepers(x5) 实际值/(人· 户-1)Actual value(person in every family) 1.93 0.86 子女是否有继续养蜂的意愿 Whether your children are willing to be beekeepers(x6) 是=1; 否=0 Yes=1; No=0 0.30 0.87 3.获取天气变化信息的渠道 Access to information on climate changes 是否定制了、收获了免费的天气变化信息 Do you get free climate change information (x7) 是=1; 否=0 Yes=1; No=0 0.64 0.52 天气变化信息获取的渠道 Channels for information acquisition of climate change (x8) 1条渠道为1; n条渠道为n One channel=1; n channels=n 1.44 0.66 4.社会资本Social capital 是否加入了合作社 Whether join in cooperatives or not(x9) 是=1; 否=0 Yes=1; No=0 0.69 0.46 与其他蜂农交流天气变化信息频率 Frequencies of climate information exchange with other beekeepers (x10) 大于40次· 月-1=1; 31~40次· 月-1=2; 21~30次· 月-1=3; 11~20次· 月-1=4; 0~10次· 月-1 5 More than 40 times every month=1; 31 to 40 times every month=2; 21 to 30 times every month=3; 11 to 20 times every month=4; 0 to 10 times every month=5 1.25 0.43

表3 解释变量描述 Table 3 Variable descriptions

表4

Table 4

表4(Table 4)

表4 多重共线性检验 Table 4 Multi-collinearity test Variable VIF 1/VIF x1 2.49 0.4016 x3 1.78 0.5632 x5 1.61 0.6205 x7 1.44 0.6937 x9 1.39 0.7178 x2 1.39 0.7196 x4 1.29 0.7782 x6 1.17 0.8548 x8 1.18 0.8489 x10 1.14 0.8738 Mean 1.49 0.7072

表4 多重共线性检验 Table 4 Multi-collinearity test

3.1.1 蜂农对天气变化的风险感知

蜂农对天气变化的敏感性感知较强, 普遍感知到降雨量有所增加, 有69%的蜂农感知到降雨量明显增加, 29%的蜂农感知到降雨量增加。其中, 中江县蜂农对天气变化的敏感性感知最强, 兴文县蜂农最弱, 感知度指数分别为1.68和1.19(表5), 这与研究数据时间段当地实际降雨情况符合。整体来看, 各地区蜂农对天气变化的敏感性感知相差较小。

表5

Table 5

表5(Table 5)

表5 四川省蜂农对天气变化的风险感知和适应感知 Table 5 Risk and adaptive perception of climate change in Sichuan beekeepers 地区 Area 天气变化风险感知 Climate change risk perception 天气变化适应感知 Climate change adaptive perception 敏感性感知 Sensitivity perception 严重性感知 Severity perception 适应功效感知 Adaptive efficacy perception 自我效能感知 Self-efficacy perception 适应成本感知 Adaptation costs perception 崇州市Chongzhou 1.29 1.48 4.10 3.19 2.05 邛崃市Qionglai 1.24 1.58 4.06 3.21 1.88 大邑县Dayi 1.42 1.65 4.27 3.42 1.88 中江县Zhongjiang 1.68 1.55 3.64 3.50 2.27 兴文县Xingwen 1.19 1.00 1.45 2.97 2.13 成都市(崇州市、邛崃市、大邑县)2016年2— 4月平均降雨量总量为118.1 mm, 2017年同期为119.1 mm; 德阳市(中江县)2016年2— 4月平均降雨量总量为77.6 mm, 2017年同期为103.2 mm; 宜宾市(兴文县)2016年2— 4月平均降雨量总量为174.8 mm, 2017年同期为95.3 mm。数据来自中国天气网四川站(http://sc.weather.com.cn/)。 From February to April, 2016, the average total rainfall of Chengdu (Congzhou, Qionglai, Dayi County) was 118.1 mm, while that of 2017 was 119.1 mm; the average total rainfall of Deyang (Zhongjiang) was 77.6 mm, while that of 2017 was 103.2 mm; and the average total rainfall of Yibin (Xingwen County) was 174.8 mm, while that of 2017 was 95.3 mm. Data were from Sichuan Station of China Weather Network(http://sc.weather.com.cn/).

表5 四川省蜂农对天气变化的风险感知和适应感知 Table 5 Risk and adaptive perception of climate change in Sichuan beekeepers

蜂农对天气变化的严重性感知较强, 普遍认为天气变化对养蜂生产造成了坏的影响, 有56%的蜂农认为天气变化对养蜂生产造成了非常严重的负面影响, 43%的蜂农认为天气变化对养蜂生产造成了比较严重的伤害。其中, 大邑县蜂农对天气变化的严重性感知最强, 兴文县最弱, 感知度指数分别为1.65和1.00(表5)。其主要原因在于, 近年来由于春季气温升高的同时, 降雨量有所增加, 加之部分地区油菜种植面积减少, 造成蜜源减少, 以油菜花粉为主要蜜源开展养蜂生产活动的蜂农受到较大的影响, 扩大了天气变化对蜂农的养蜂生产打击, 从而增强了蜂农对天气变化的严重性感知。兴文县较其他几个地区而言降水较少, 天气变化对养蜂生产的冲击相对较少, 故兴文县蜂农严重性感知最弱。

3.1.2 蜂农对天气变化的适应感知

四川省蜂农对天气变化的适应功效感知较弱, 大部分人认为采取措施不能减弱天气变化带来的负面影响, 仅有19%的蜂农认为采取措施肯定能减弱天气变化的负面影响。其中, 兴文县蜂农对天气变化的适应功效感知最强, 与其他地区有明显差异, 大邑县蜂农的适应功效感知能力最弱, 感知度指数分别为1.45和4.27(表5)。由此可见, 在天气变化对蜂业生产的严重影响下, 蜂农会采取一些措施来减弱负面影响, 但所采取的措施的实施效果不如人意。

蜂农对天气变化的自我效能感知较弱, 仅有3%的蜂农认为自己应对天气变化的能力比较强, 有70%的蜂农认为自己应对天气变化的能力一般, 26%的蜂农认为自己应对天气变化的能力比较差。其中, 兴文县蜂农对天气变化的自我效能感知最强, 中江县蜂农最弱, 感知度指数分别为2.97和3.50(表5), 差异一定程度上来源于降水量不同。总体来看, 蜂农对自己对天气变化的适应能力信心不大。

蜂农对天气变化适应成本感知较高, 大部分认为适应天气变化的成本比较高, 14%的蜂农认为适应成本非常高, 72%的蜂农认为适应成本比较高。其中, 大邑县和邛崃市蜂农感知到的适应成本最高, 中江县蜂农最低, 感知度指数依次为1.88、1.88和2.27(表5)。通过实地调研发现, 大部分蜂农谈到的适应天气变化所需的成本主要来自购买花粉和蜂药的支出, 因此加重了生产负担。

3.2.1 模型估计

本文利用Stata统计软件, 对研究的数据进行有序Probit回归处理, 得到的回归系数及相关检验结果如表6所示。以蜂农对天气变化的敏感性感知为例, 由表6可知, 其对数似然比统计量为-76.939, LR统计量为25.990, 对数似然比检验的显著性水平为0.004, 说明模型总体拟合效果较好, 解释变量的影响作用基本符合预期。

表6

Table 6

表6(Table 6)

表6 四川省蜂农天气变化感知影响因素模型回归结果 Table 6 Regression results of impact factors model on climate change perception of bee keepers in Sichuan Province 变量 Variable 风险感知Risk perception 适应感知Adaptive perception 敏感性感知 Sensitivity perception 严重性感知 Severity perception 适应功效感知 Adaptive efficacy perception 自我效能感知 Self-efficacy perception 适应成本感知 Adaptation costs perception 系数 Coefficient 标准误 Standard error 系数 Coefficient 标准误 Standard error 系数 Coefficient 标准误 Standard error 系数 Coefficient 标准误 Standard error 系数 Coefficient 标准误 Standard error 年龄Age 0.059* * * 0.020 -0.017 0.016 0.000 0.014 0.033* * 0.015 0.023 0.015 教育程度 -0.045 0.177 0.023 0.171 0.092 0.130 0.200 0.155 -0.150 0.143 Education level 养蜂年限 -0.030* * 0.013 0.011 0.010 -0.009 0.008 -0.014 0.009 0.002 0.009 Years of beekeeping 家庭规模Family size -0.117 0.117 -0.318* * 0.126 -0.099 0.084 -0.171* 0.100 0.042 0.094 养蜂人数 0.177 0.173 0.215 0.172 0.399* * * 0.140 0.284* 0.161 0.269* 0.154 Number of beekeepers 子女是否有养蜂的意愿 -0.295 0.330 0.048 0.156 0.049 0.112 -0.101 0.146 -0.315* * 0.158 Whether children have the will be beekeepers 是否接收了免费的天 气变化信息Whether get free climate change information 0.491* 0.277 0.616* * 0.270 0.388* 0.213 0.522* * 0.256 0.587* * 0.244 获取天气信息渠道多少 Channel for information acquisition of climate change 0.506* * * 0.185 0.118 0.184 0.476* * * 0.154 0.017 0.173 -0.422* * 0.177 是否加入农民合作社 Whether join in cooperatives or not 0.412 0.332 0.399 0.313 0.606* * 0.247 0.183 0.284 -0.500* 0.276 与其他蜂农交流天气 变化信息频率 Frequencies of climate information exchange with other beekeepers 0.136 0.289 -0.524* 0.306 0.635* * * 0.235 -0.215 0.271 -0.063 0.256 对数似然值 Logarithmic likelihood value -76.939 -75.051 -184.752 -94.089 -98.914 Pseudo R2 0.145 0.208 0.144 0.084 0.103 LR x2(10) 25.990 39.360 62.090 17.260 22.590 Prob> x2 0.004 0.000 0.000 0.069 0.012 * 、* * 、* * * 分别表示在0.1、0.05和0、01水平上显著。 * , * * , * * * showed the significance at 0.1, 0.05 and 0, 01 levels, respectively.

表6 四川省蜂农天气变化感知影响因素模型回归结果 Table 6 Regression results of impact factors model on climate change perception of bee keepers in Sichuan Province

3.2.2 结果分析

(1)蜂农个人特征对其对天气变化感知的影响。从模型估计结果来看, 蜂农个人特征主要影响其对天气变化的敏感性感知, 年龄(x₁)对敏感性感知的影响显著正相关, 系数为0.059(表6); 受教育程度(x₂)没有统计学意义; 养蜂年限(x₃)对敏感性感知的影响显著负相关, 系数为0.030(表6)。这说明蜂农年龄越大, 养蜂年限越短, 对天气变化的敏感性感知越强。原因在于蜂农年龄越大, 自身积累的天气变化经验越多, 对天气信息颇为了解; 同时养蜂时间越短, 对养蜂生产活动越不熟悉, 越用心关注天气变化以及时调整生产计划, 因此对天气变化的敏感性感知越强。

(2)蜂农家庭特征对其对天气变化感知的影响。从模型估计结果来看, 蜂农家庭特征主要影响其对天气变化的自我效能感知和适应成本感知。家庭人数(x₄)对自我效能感知的影响显著负相关, 系数为0.171(表6); 养蜂人数(x₅)对自我效能感知的影响显著正相关, 且对适应成本感知的影响显著正相关, 系数依次为0.284, 0.269(表6); 子女养蜂的意愿(x₆)对适应成本感知的影响显著负相关, 系数为0.315(表6)。这说明家庭人数越少, 养蜂人数越多, 蜂农对天气变化的自我效能感知越强; 养蜂人数越多, 子女没有养蜂的意愿, 蜂农对天气变化的适应成本感知越强。原因在于家庭人数越少所负担的生计开支越少, 可用于支付养蜂的资金等越多; 养蜂人数越多, 能为养蜂生产安排提供充足的劳动力, 因此自我效能感知越强; 但养蜂人数越多也就意味着投入的劳动力成本越高, 加之子女没有继续养蜂的意愿, 使得蜂农要投入更多的时间和精力来管理蜜蜂, 故感知到适应成本越高。

(3)获取天气变化信息的渠道对天气变化感知的影响。从模型估计结果来看, 蜂农获取天气变化信息的渠道主要影响其对天气变化的敏感性感知、适应功效感知和适应成本感知。是否接收了免费的天气变化信息(x₇)对敏感性感知、适应功效感知和适应成本感知的影响均显著正相关, 系数依次为0.491、0.388、0.587(表6); 获取天气变化信息渠道多少(x₈)对敏感性感知和适应功效感知的影响均显著正相关, 对适应成本感知的影响显著负相关, 系数依次为0.506、0.476、0.422(表6)。这说明, 接收了免费的天气变化信息, 获取天气变化信息渠道越多, 蜂农的敏感性感知和适应功效感知越强; 获取天气变化信息渠道越少, 蜂农的适应成本感知越强。原因在于蜂农接收了免费的天气变化信息且渠道多, 掌握的天气变化信息就更为丰富、更为准确, 以此提前做好应对措施, 从而增强了蜂农的敏感性感知和适应功效感知; 相反的是, 对于天气变化的了解越少, 在应对天气变化时就越为被动, 采取的应对措施收效甚微, 因此增加了适应成本, 故蜂农适应成本感知越高。

(4)社会资本对天气变化感知的影响。从模型估计结果来看, 蜂农的社会资本主要影响其对天气变化的适应功效感知。是否加入农民合作社(x₉)、与其他蜂农交流天气变化信息频率(x₁₀)对适应功效感知显著正相关, 系数分别为0.606和0.635(表6)。这说明, 加入农民合作社、与其他蜂农交流天气变化信息频率越高, 蜂农的适应功效感知越强。原因在于, 蜂农加入合作社后, 合作社会提供养蜂生产的相关技术指导, 提高了蜂农应对天气变化的能力, 因此蜂农感知的适应功效较高; 与此同时, 蜂农与其他蜂农交流天气变化信息的频率越高, 获取的适应天气变化的措施、应对方法等信息越多, 从而感知的天气变化的适应功效越强。