基于灰色关联模型的食品安全监管满意度影响因素分析

王育红，林 峰，仝 静，吴林海，唐建荣

（江南大学商学院，江苏省食品安全研究基地，江苏无锡214122）

食品安全监管是一个从农田到餐桌的过程，关系到广大人民群众的身体健康和生命安全，对我国经济的健康发展和以及社会的稳定和谐都起到重要的作用[1-2]。尤其是以2008年“三鹿奶粉”重大食品安全事件爆发为起点，诸如瘦肉精、染色馒头、毒生姜、牛肉膏等一些食品安全事件的频发，引起公众对食品安全的关注持续上升，如果不从食品安全监管的角度加以引导和控制，则会危及社会的稳定。由于现阶段我国食品安全监管具有主体多重、主体之间等级关系特殊、监管职权依附于行政机构等特征，因此本文从政府监管的层面将食品安全监管满意度的主要影响因素归纳为食品安全法律体系规范程度、食品行业监管与执法力度、食品安全的宣传力度、食品的安全认证机制完善程度和食品安全事件的政府应急反应能力建设5个方面，并且每个因素下面又细分为一系列的子因素。同时采用灰色关联分析模型研究食品安全监管满意度影响因素的重要性排序问题。灰色关联分析（GRA）模型以各影响因素的样本数据序列为依据，根据数据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越相似，相应数据序列之间的关联度就越大，反之关联度就越小。与传统的数理统计中的回归分析、方差分析相比，灰色关联分析对数据要求较低，不要求满足特定的分布，且计算量小，可以同时对多个对象进行评价且能够向被评价对象提供有效的反馈信息[3]。基于灰色关联分析方法，通过大量样本的调研数据，对以上5个主要影响因素对食品安全监管满意度的影响程度进行排序，可以为政府部门有针对性、有重点地对食品安全进行监管提供科学、合理的依据。

1 实验方法

为了本研究的顺利进行，本论文就城市居民对食品安全监管所关注的若干问题，在江苏省13个地级市的两千多位受访者组织了问卷的专项调查。该项调查覆盖面较广、调查点较多、样本量较大，是近年来我们依靠江苏省食品安全研究基地这一平台，在食品安全研究领域直接针对城市居民进行的范围较大、面对面的调查活动。通过调研得到的数据，采用灰色关联分析模型，对影响食品安全监管满意度的主要因素进行排序，为相关部门进行科学合理决策提供依据。

1.1 问卷调查方法

为了获取较为可靠的结果，设计了较为完善的调查问卷，对江苏省13个地级市的城镇居民随机发放问卷进行调查，利用暑假时间，每个地市选派一名教师带领四名学生在大型超市、大型农贸市场共发放问卷2200份，平均每个地级市发放170份，当场填写并回收，共收回有效问卷为2143份。在收回的有效调查问卷中，问卷调查对象中男性与女性分别为1126人和1017人，本科以上学历的人员占到总调查对象的70%。

1.2 灰色关联分析模型

1.2.1 极性变换 设第i种因素的第j个评价指标为xi（j）。由于在数据收集的过程中，存在着效益型指标和成本型指标两种类型，对于效益型指标，得到的指标值越高，则评价的结果越好；对于成本型指标，得到的指标值越低，则评价的结果越好；在这样的背景下导致了收集的原始数据序列存在极性不一致状况，即原始数据中同时存在极大值极性序列和极小值极性序列。为了能够进行灰色关联分析，则需要进行极性变换[4]。

对于原始数据序列中的极大值极性序列按式（1）的方式进行变换：

对于原始数据序列中的极小值极性序列按式（2）的方式进行变换：

yi（j）表示通过极性变换变换后得到的与原始序列相对应的新的数据序列，该序列可将原始数据序列转化为极大值性序列，且变换后的指标值均在0～1之间，其中最优值为1，最劣值为0。

1.2.2 灰色绝对关联度 假设因素行为序列Yi的长度为n，且其时距皆为1，则该数据序列可表示为式（3）的形式：

由式（3）应用始点零化像算子则可得到式（4）如下：

其中，式（5）为始点零化像算子的计算形式：

式（6）表示对于由式（3）表示的原始序列，在始点零化像算子（5）的作用下，可以得到如式（7）所示的折线：

式（6）中的si则表示由X=0，X=yi（t）-yi（1）以t=n所围成的曲边三角形的面积，是n-1个小梯形（这里的三角形视为退化的梯形）的面积之和。

假设另一个因素行为序列Yj长度也为n且其时距也是1，如式（8）所示

其中，

同理，式（11）表示由X=0，X=yj（t）-yj（1）以及t=n所围成的曲边三角形的面积，是n-1个小梯形（这里的三角形视为退化的梯形）的面积之和。

因而可以求得式（12）如下所示：

式（12）则表示由X=yi（t）-yi（1），X=yj（t）-yj（1）以及t=n所围成的曲边三角形的面积，是n-1个小梯形（这里的三角形视为退化的梯形）的面积之和。

由此可令εij为Yi与Yj的灰色绝对关联度，简称绝对关联度，如式（13）所示：

式（13）表示的绝对关联度体现了两个因素行为序列Yi与Yj的相似程度，εij越大，其关联性越强，关联度越大。

1.2.3 灰色相对关联度 沿用1.2.2中假设的两个因素行为序列Yi与Yj，对其进行初值化处理可得如式（14）所示的向量：

其中，式（15）为初值化像算子。

同理，可以得到序列Yj的初值化像和相应的初值化像算子，分别如式（16）和式（17）所示。

把原始数据序列Yi与Yj应用初值化像算子得到新的数据序列式（16）、式（17）之后，再采用1.2.2中介绍的灰色绝对关联度计算过程，则可以得到如式（18）～式（24）所示的新的数据序列及相关计算结果：

其中，Yi′0（k）表示原始数据序列Yi先应用初值化算子得到新的数据序列，然后该数据序列再应用始点零化像算子而得到的新数据序列。

由此可令rij为Yi与Yj的灰色相对关联度，简称为相对关联度，则可得到如式（25）所示的表达式：

相对关联度体现了Yi与Yj二者相对于各自始点的变化速率的接近程度。rij越大，Yi与Yj的变化速率一致性则越强，曲线越接近，相对关联度则越大。

1.2.4 灰色综合关联度 若因素行为序列Yi与Yj长度相同，且二者的初值均不等于零，对于计算得到的灰色绝对关联度εij与灰色相对关联度rij，则称ρij为灰色综合关联度[4-5]，如式（26）所示：

灰色综合关联度既体现了折线Yi与Yj的相似程度，又反映出Yi与Yj相对于始点的变化速率的接近程度，是较为全面表征序列之间联系是否紧密的一个数量指标。θ为分辨系数，一般取θ=0.5，如果曲线的相似性比较关注，即偏向于关注绝对量之间的关系，则可在0.5＜θ＜1内取值；如果对于曲线的接近性比较关注，即对变化率比较看重，则可在0＜θ＜0.5内取值，以更好地体现对曲线之间动态相关关系的衡量。

2 结果与分析

表1 原始调研数据Table 1 Original survey data

将调研得到的数据进行整理分析，得到如表1所示的原始数据序列。将从政府角度进行食品安全治理的食品安全监管满意度影响因素按照在调查问卷中出现的顺序记为xi（i=1，2，…，5），分别代表食品安全法律体系规范程度、食品行业监管与执法力度、食品安全宣传力度、食品安全认证机制完善程度、食品安全事件政府应急反应能力建设；调查问卷中五个评价等级的人数按照满意程度顺序由低到高记为j，其中j=1，2，…，5；因此，第i个影响因素的第j种评价等级的人数为xi（j），可得到相应的原始序列数据如表1所示。

当j=1，2时，xi（j）表示各个影响因素中评价等级为非常不满意以及不满意的调研对象数量。若此处数量越少，则表明食品安全监管满意度越高，即认为该数据序列为极小值极性序列。

当j=3，4，5时，xi（j）表示各个影响因素中评价等级为一般、比较满意以及非常满意的调研对象数量。若此处数量越大则说明食品安全现状越好，民众对于食品安全监管的现状则是较满意，即认为该数据序列为极大值极性序列。

通过前述的极性变换方法，可以将表1中的数据序列转化为极大值极性序列。论文中将五种评价等级在五种食品安全监管满意度影响因素中各自的最大值作为参考序列。转换后的数据则如表2所示。

表2 转化后为极大值极性的序列Table 2 Transformed maximum polarity sequence

根据极大值极性序列的特点，选择的特征序列对应于5级评价值的序列分别为C=（1，1，1，1，1）；将上述数据代入灰色系统软件进行灰色绝对关联度、灰色相对关联度、灰色综合关联度的计算，可得到如表3所示的计算结果。

从表3中的数据可以看出，无论是从绝对关联度、相对关联度还是综合关联度的计算结构来看，所得到的结论都是一致的，如按照综合关联度数值的大小则可以有如下的排序：ρc4＞ρc＞ρc1＞ρc5＞ρc3。由灰色关联分析的序关系可知，影响食品安全监管满意度的影响因素由重要至不重要的排序依次为食品安全认证机制完善程度、食品行业监管与执法力度、食品安全法律体系规范程度、食品安全事件政府应急反应能力建设及食品安全宣传力度。

从上述的分析结论可以发现，为了改善目前江苏省的食品安全监管的现状，首先需要从食品安全认证机制完善程度、食品行业监管与执法力度方面入手，在这两个群众认为对于食品安全监管满意程度最重要的影响因素解决好之后，可以按照重要程度对其他相关影响因素依次解决，以便更好地对江苏省的食品安全监管现状进行有效监督和管理。

3 结论与讨论

随着我国经济的持续快速发展，民众对于食品安全问题的关注度越来越高，政府在食品安全监管方面采取的措施、方法以及收到的成效，彰显了政府在食品安全监管方面的执法成效。我国的很多食品生产企业在食品生产、加工、运输等方式上的落后也为政府的食品安全监管带来较多的困难。频发的食品安全事件冲击着民众对食品安全的底线，也在考验着政府的执政能力[6]。食品安全监管满意度影响因素分析利用消费者主观的心理倾向来反映公众对政府食品安全监管的认可程度以及还存在什么样的问题，即通过公众对于当前食品安全状况是否符合自身需求和期望的主观认定来评价政府的工作质量并找出主要的影响因素[7]；在实际的研究过程中，Renee B Kim[8]、Lena Dzifa Mensah[9]、Chin-feng lin[10]、彭晖[11]、蒋言圭[12]、Mary Jo Trepka等[13]学者的研究也正好验证了进行该项研究工作的重要性。因而政府有必要以食品安全监管满意度主要影响因素为工作切入口，切实提升民众对于食品安全以及政府执政能力的信心。

在对食品安全监管满意度影响因素的分析中，较多的学者从食品安全监管的主客体两个方面选取影响因素，并利用数理统计方法定量分析影响因素的影响力。为了更好的促进政府部门对实际食品安全的监管工作，需要从政府部门层面选取食品安全监管满意度影响因素，并且要根据民众对于这些因素在他们日常生活中的直观感受作为具体的衡量标准来进行才可能更有说服力和可信度。同时由于食品安全监管满意度的影响因素之间存在着随机性和不确定性等比较明显的特征，是典型的“小样本、贫信息”不确定性系统。而一般的统计方法需要大量有典型分布规律的数据支持，且检验冗杂，计算复杂，对小样本系统并不适用；因此论文在对食品安全监管满意度影响因素的研究过程中，从政府层面选取相关因素，设计较为完善的调查问卷，收集民众对相关因素的满意程度，应用灰色关联分析模型进行动态分析，获得了较为客观的结果。

根据前文阐述的方法和实施过程，本文基于灰色综合关联度计算的结果对食品安全监管满意度影响因素的重要程度进行排序，得到民众对食品安全监管满意度影响因素的重要程度排序由重要到不重要依次为食品安全认证机制完善程度、食品行业监管与执法力度、食品安全法律体系规范程度、食品安全事件政府应急反应能力建设及食品安全宣传力度，从而为政府相关部门进一步开展食品安全监管工作提供了科学、合理的理论依据，有利于政府相关部门在改进食品安全监管工作并提升民众对食品安全监管工作的满意度方面，对措施的进一步完善和效率的进一步提升。

[1]黄锡生，林北水.论我国食品安全监管主体体系的完善[J].食品工业科技，2006，27（6）：24-26.

[2]慕静.食品安全监管模式创新与食品供应链安全风险控制的研究[J].食品工业科技，2012，33（10）：49-51.

[3]刘思峰，党耀国，方志耕.灰色系统理论及其应用[M].北京：科学出版社，2010.

[4]杨俊，陈荣秋，郭聪敏.基于灰色系统理论的城市公共交通服务质量评估[J].工业工程与管理，2005（4）：89-92.

[5]孙耀武.中国食品安全问题的原因及对策研究[J].市场论坛，2009（2）：5-7.

[6]马缨，赵延东.北京公众对食品安全的满意程度及影响因素分析[J].北京社会科学，2009（3）：17-20.

[7]杨艳霞.刍议如何提高政府食品安全工作的公众认可度与满意度[J].消费导刊，2011（3）：46-47.

[8]Renee B Kim.Meeting Consumer Concerns for Food Safety in South Korea：The Importance of Food Safetyand Ethics in a Globalizing Market[J].Agric Environ Ethics，2009（22）：141-152.

[9]Lena Dzifa Mensah，Denyse Julien.Implementation of foodsafety management systems in the UK[J].Food Control，2011，22（8）：1216-1225.

[10]Chin-Feng Lin.Use of dynamic programming to improve the detection of means-end chains from laddering data[J].Quality and Quantity，2011，45（6）：1385-1396.

[11]彭晖，王奕淇.消费者食品安全行为影响因素的统计检验[J].统计与决策，2012（6）：122-126.

[12]蒋炎圭.食品安全宣传有效途径及评估方法探索[J].上海食品药品监管情报研究，2007，86：36-39.

[13]Mary Jo Trepka，Frederick L Newman，Fatma G Huffman，et al.Food Safety Education Using an Interactive Multimedia Kiosk in a WIC Setting：Correlates of Client Satisfaction and Practical Issues[J].Journal of Nutrition Education and Behavior，2010，42（3）：202-207.