基于因子分析的食品监管风险评价模型研究

王媛媛,洪思慧,房晓倩,信海红,2，*,王庭欣,2

(1.河北大学质量技术监督学院,河北保定 071000;2.保定市乳品研发与质量安全控制工程技术研究中心,河北保定 071000)



基于因子分析的食品监管风险评价模型研究

王媛媛1,洪思慧1,房晓倩1,信海红1,2，*,王庭欣1,2

(1.河北大学质量技术监督学院,河北保定 071000;2.保定市乳品研发与质量安全控制工程技术研究中心,河北保定 071000)

为了探求影响食品监管风险的主要影响因素,建立一套适合我国食品监管现状的风险评价模型,本文基于可获得的政府食品安全的监管、统计年鉴、百度指数等相关数据,建立以食品品类为研究对象的食品监管风险评价指标体系。收集了2014年消费者关注的十大类食品的相关数据,采用SPSS软件进行因子分析,找到公因子,以因子得分作为食品品类风险项目的综合评价值并对其风险进行排序,划分风险等级。通过该模型的应用可实现对食品品类的预警功能,并溯源风险产生的因素,为政府基于风险在有限的监管资源下制定有效的食品安全监管计划及控制措施提供科学方法。

因子分析,食品风险评价,政府监管,高风险食品品类

由于我国食品品类繁多,食品链条长环节多,其环境复杂性、多变性使其不可避免地面临着一系列风险,加之网络、媒体传播的敏捷性、广泛性和消费者获取信息的便捷性,使得食品安全问题的曝光率日益递增,消费者对食品安全缺乏信任的问题也日益显现。同时政府监管资源有限,为节约监管成本,提高监管的有效性,合理利用有限资源,应着重对高风险食品进行监管,以有效预防食品安全问题的发生和蔓延。为了准确把握各食品品类的风险等级,特别是在找出高风险食品品类及食品质量安全项目,必须运用科学的方法识别并评价风险。

1　食品监管风险评价研究现状

在食品监管风险评价的研究包括食品安全指标体系和评价方法研究、基于食品标准的风险分析等,模糊评价、风险矩阵、神经网络等评价方法均有所运用。E.Aiassa[1]应用多参数模型评估相关不良事件,用系统回顾和荟萃分析方法评估食品和饲料安全风险并细化风险。章德宾[2]构建了预警模型并运用神经网络对数据样本进行训练和验证,以识别、记忆、预测食品危险特征。黄晓娟[3]构建的食品风险预警指标包括基础项目指标(平均含量、限量标准、超限率和超限程度)、食品合格状态指标(食品合格率和不安全度)、食品整体状态指标(基于暴露评价方法的食品安全指数)。钟来元[4]构建的食品安全预警指标包括数量安全指标(食物产量、需求量和价格波动率)、质量安全指标(动物性食物供热比、优质蛋白和脂肪占比)和可持续供给安全指标(农业投入增长率、恩格尔系数和贫困区农民收入比率)。上述研究从不同视角建立风险指标体系,采用不同运算模型评价食品监管风险,但均由历史资料、客观的评价指标、适用有效的评价方法及食品风险等级转移规则等要素构成[5]。本文主要侧重政府对食品监管风险的监控,以政府数据为主要依托,在参考其他学者风险监控指标构建的基础上构建指标体系。并将因子分析引入食品安全评价,作为指标数据处理的方法,探索多维食品安全评价指标体系下数据处理方法,为食品监管风险评价模型的优选提供有益探索。

2　基于因子分析的食品监管风险评价原理及程序

因子分析的基本思想是以最少的信息丢失把众多原始变量浓缩成少数几个有实际意义的因子变量来分析解释反映原来数据的基本结构[6]。

根据因子分析的一般模型,确立食品品类基于因子分析的风险评价程序[7]如图1所示。

图1　风险评价程序Fig.1　Risk assessment procedures

运用因子分析进行风险评价应首先识别各品类的风险来源,可结合我国食品生产企业现状、消费者饮食习惯、市场监管维度等提取具有代表性的相关变量构建食品监管风险评价指标体系,对指标体系搜集到的数据进行KMO和Bartlett球度检验,以确定是否满足因子分析的前提要求(KMO≥0.50,Bartlett球度检验相伴概率低于其显著性水平0.01)[8]。当指标不满足分析要求时,替换相关性不高的指标,直到满足要求后再用SPSS软件计算各品类的因子得分,按得分高低对各品类进行风险排序,并划分警界限重点监控。

3　食品监管风险评价模型的构建

3.1指标体系的构建

食品监管风险来源广泛,构建食品安全指标体系需考虑指标的可获性、相关性和代表性[9-10],所选取的指标及其数据来源和运算方法如表1所示。首先各指标数据来源分为政府的监管数据、百度指数、统计年鉴和专家评价,数据可获且较准确可靠;其次指标体系包含政府检测中的生物、化学、质量指标和监管过程中的违法、投诉比率,是官方监管数据的反映。百度指数是消费者对各类食品风险的关注度和认识。涉及特殊群体的特殊要求考虑到易感人群对风险的敏感性。综上构建的指标体系代表性较强;指标的相关性满足因子分析要求(实例中验证)。综上九个指标的选取有一定依据和意义,较为科学。

指标间相互关系如图2所示。投诉率、总不合格率、违法案件占比有一定程度的重叠,即其中一个高,另两个一般也高,三者相关性极强,其数据来自相关部门的抽检统计数据,故统称官方抽检或统计数据系统。从系统数据的导出方向看,当系统数据偏高,会引发外界关注度增高;人均消费量较高或涉及特殊群体和特殊要求的食品也与外界关注度有密切联系。从系统数据的导入方向看,质量指标比率、化学危害比率、生物危害比率三个方面又是系统数据的具体反映。综上可知各指标间有密切的关联性且能较好的反映食品安全风险。

3.2预警线的确定

警度区间的划分方法有半数划分法、多数划分法和均数划分法。其中半数划分法最常用,它将各个因子的得分按从大到小排列,选取中位数所对应的数据作为无警警限临界值,若因子实际得分高于这个水平意味着有警[11]。依据食品安全问题中因子得分越大风险越高的特点,本文参考半数划分法,将各因子得分从大到小分别排序后取中位数,小于中位数的数据区间为无警区间,中位数到最大值的数据区间为有警区间,大于最大值的数据区间为重警区间。

表1　指标体系

图2　指标间关系Fig.2　Relationship between the indicators

划分警度区间便于风险的动态监控,确定风险的当前状况,并预测其未来的发展趋势,以采取相应的预防和纠正措施将风险控制在可接受范围内。不同风险状况具体解决措施如下:当某因子得分落在无警区且随机分布时,可适当减少对该品类这一公因子中指标的监管频次;若分布不随机(包括不随机的波动或趋势)应分析具体原因,采取措施,防止得分进入有警和重警区;当某因子得分落在有警或重警区,并在区域内长时间波动时,应对这一公因子中各指标进行严密监控,追溯原因并采取纠正措施,直到该因子得分回到无警区并呈随机分布为止。

3.3风险溯源

当某品类综合得分过高需追溯风险发生原因时,由该品类因子得分对照划分预警区间,重点监控落到重警区的公因子。对此公因子中因子载荷大的几个指标应分别追溯,并细化到具体监测指标,以便找到具体可行的解决措施,将风险控制在可接受范围内。九大监测指标的风险追溯如表2所示。

4　实例分析

4.1数据收集

为验证构建的因子分析模型的可行性与有效性,本文收集了2014年全年消费者关心的十大食品的统计数据如表3所示。其中涉及特殊群体和特殊要求由相关食品领域的5位专家按表1判定准则对各品类多次评分,并求其平均值得到。其他8类指标数据均按表1中方法,收集14年全年各相关机构[12]、网站统计的相关数据。

4.2因子分析模型的应用

将表3数据通过SPSS软件计算得,KMO=0.529>0.50,适合进行因子分析及综合评价,通过SPSS软件以主成份分析为提取方法获得方差分析结果,其中前3个公因子特征值均大于1,经方差极大值旋转以后,方差贡献率分为:41.99%、24.43%、17.42%,累计贡献率为83.84%,故前3个公因子可以综合包含了九个风险项目所有的信息。为使公因子更好地反映实际问题,用方差最大化正交旋转处理原始变量的载荷值,如表4所示。其显示F1(F1,F2,F3分别表示公因子1,2,3)在X3、X4、X6、X7、X8的载荷值都很大,其中X4、X7和X8反映政府相关危害统计数据的指标,X6反映消费者对食品监管风险的认识,X3反映食品营养条件的指标,所以F1反映了食品综合危害;F2在X1、X2的载荷值很大,反映了食品风险的来源(生物和化学);F3在X5、X9的载荷值很大,即反映了食品摄入量对一般和特殊群体带来的风险。3个公因子从不同层面反映了风险的大小,得分越高,食品品类的风险越高。

表2　风险溯源

表3　原始数据

表4　旋转成份矩阵

食品品类的综合得分F如下公式所示:

F=(41.99SF1+24.43SF2+17.42F3)/83.84

注:SF1,SF2,SF3分别表示该品类食品在三个公因子上的得分

4.3因子得分及风险等级排序

通过SPSS软件得到因子得分矩阵,并获得各品类的综合得分,如表5所示(表中各食品序号与表3一致)。其显示综合得分前3名依次是水产制品、饮料、水果及其制品。

表5　因子得分

4.4警度区间的划分及原因追溯

依据表5中的因子得分划分警线区间,并采取半数划分方法划分预警警戒线,结果如表6所示。

表6　预警警线区间

实例分析中水产品综合得分最高,在F1、F2、F3上的得分分别为1.92、-1.15、0.28,分别落在重警区,无警区和有警区。F1的问题最为突出,应对其中包含的指标按表2进行风险追溯。各类食品根据因子得分确定风险综合排序及各公因子所在警度区域,采取与其风险相适用的控制措施将风险控制在可接受的范围内。

5　结论

由于目前食品产业现状复杂,食品安全具有突发性、复杂性、信息不对称性、不确定性等特点,食品安全不可能实现零风险。本文的研究为政府监管提供了一种基于因子分析方法的科学的监管思路,以实现对食品监管风险等级的评定,从而找出高风险的食品品类并找出风险发生的原因进行溯源。但由于目前政府多部门分段监管存在食品安全监管的信息收集与分析、食品安全综合计划、决策与领导等管理职能不完整、监管内容与对象残缺不全等许多问题,故本文因子的筛选、数据来源及获取方式均有待规范,评价因子的选择和结果的准确性也有待研究和完善。随着我国对食品安全问题的重视和政府监管机制的不断探索,食品监管体制的不断改进,食品安全监管理念的不断完善,食品安全信息数据会更加全面、准确可靠,本文建立的食品监管风险评价指标体系会更加显示其适用性和参考价值。

[1]E.Aiassa,J P T Higgins,G K Frampton,et al.Applicability and fasibility of systematic review for performing evidence-based risk assessment in food and feed safety[J]. Food Science and Nutrition,2015,55(7):1026-1034.

[2]章德宾,徐家鹏,许建军,等.基于监测数据和BP神经网络的食品安全预警模型[J].农业工程学报，2010,26(1):221-226.

[3]黄晓娟,刘北林.食品安全风险预警指标体系设计研究[J].哈尔滨商业大学学报，2008,24(5):621-623.

[4]钟来元,刘黎明,王兴,等.区域综合食品安全风险预警指标体系[J].农业工程学报，2010,26(3):374-379.

[5]潘静娴,许建军,王元风,等.国内外食品质量安全状况评价体系分析[J].食品工业科技，2009,30(11):265-267.

[6]郭晓东,王芳,金山,等.基于因子分析的新疆农产品质量安全监管效果评价[J].广东农业科学,2011,1:162-164.

[7]Klami A,Virtanen S,Leppaaho E,et al. Group factor analysis[J]. Statistics,2015,26(9):2136-2147.

[8]罗家国.基于SPSS的课程因子分析研究[J].江西理工大学学报，2011,32(5):67-69.

[9]唐晓纯.食品安全预警体系评价指标设计[J].食品工业科技，2005,26(11):152-155.

[10]武力.“从农田到餐桌”的食品安全风险评价研究[J].食品工业科技,2010,9:304-306.

[11]顾海兵.王亚红.中国城乡居民收入差距的警度警情分析[J].学习与探索,2009.1:129-132.

[12]信海红,王媛媛,洪思慧,等.基于风险矩阵的酱油质量安全风险评价[J].中国调味品,2015(5):46-49.

Study on risk assessment model of food regulation based on factor analysis

WANG Yuan-yuan1,HONG Si-hui1,FANG Xiao-qian1,XIN Hai-hong1,2，*,WANG Ting-xin1,2

(1.College of Quality and Technical Supervision of Hebei University,Baoding 071000,China;2.Research Center of Dairy Research and Quality and Safety Control Engineering Technology of Baoding,Baoding 071000,China)

In order to explore the main food safety risk factors and establish a set of food safety risk assessment model which is suitable for Chinese food supervision. In this paper,data was based on the government supervision on food safety,statistical yearbook,Baidu index and other data. A food safety risk assessment index system was established to study food category,and the relevant data of ten kinds of food that consumers pay close attention in 2014 was collected. SPSS was used for factor analysis,common factors were found,then factor score was served as a food category risk project’s comprehensive evaluation value and the risk was sorted. Through the application of the model,the early warning function of food category was realized and the source of risk factors were traced,so as to develop targeted monitoring measures for government.

factor analysis;food risk evaluation;governent supervision;high risk food category

2015-12-10

王媛媛(1994-)，女，本科,研究方向:质量管理与食品安全,E-mail:wangyuanyuan5251@163.com。

信海红(1964-)，女，硕士，副教授，研究方向：质量管理与食品安全，E-mail:xinhaihong498@163.com。

河北省软科学研究计划项目(14456213D)；河北大学2015年大学生创新训练计划项目(2015117)；河北省社会科学基金项目(HB15GL131)。

TS207.7

A

1002-0306(2016)13-0266-05

10.13386/j.issn1002-0306.2016.13.046