0 引言

随着物质生活的日益丰富，吃得安心、放心和健康是人民群众的热切期盼。近年来，我国食品质量安全形势有所改善，食品质量安全工作稳步推进，但食品产业环境复杂，链条长、主体多，从“农田到餐桌”潜在风险仍然存在，“土坑”酸菜（2022年）等食品质量安全事件再一次打击了消费者对食品质量安全的信心，保障食品质量安全仍然面临巨大挑战。故从供应链视角出发，对我国食品质量安全风险进行评价显得尤为重要。

目前国内外围绕食品供应链质量安全风险方面研究已经取得了较多成果。通过文献梳理可以发现，现阶段学者普遍认为应该从供应链整体出发，建立覆盖食品生产、流通、消费全过程的风险管理体系。食品质量安全风险评价是风险分析的重要组成部分，也是食品质量安全风险管理的基础。众多学者采用数理模型来评估食品供应链的风险，常用的方法有解释结构模型（ISM）、模糊综合评价法、集对分析、突变论等。ISM是常用的方法，晚春东等[1]利用ISM，探讨食品供应链质量安全风险因素之间的关系，揭示了风险的生成机理，并进一步构建了风险传导动因的五级递阶结构模型[2]。风险因素具有不确定性，一种风险受到多种因素影响，基于这种特性，一些学者采用模糊数学工具度量食品质量安全风险。姜盼等[3]以食品供应链中的生产企业为核心，基于数据包络分析建立模糊综合风险评价模型。Davidson等[4]运用模糊风险评价工具对食品中的微生物进行风险评价。集对分析也是风险分析中的常用方法，徐超等[5]采用集对分析评价进口食品的风险，俞峰等[6]则将熵权法和集对分析相结合应用于食品供应链安全预警中。食品质量安全事件具有突发性、群体性等特点，基于此，一些学者将突变论用于食品供应链风险评价中。陈秋玲等[7]借助于突变模型，测度食品供应链生产、流通和消费环节的风险度。还有一些学者采用贝叶斯[8]、OWA[9]、BP神经网络[10]等方法来评价食品供应链质量安全风险。

数据显示，我国农产品例行检测总体合格率连续六年稳定在97%以上，重大食品质量安全事件发生的概率降低，但一旦出现食品质量安全问题，会对人民群众的生命和财产造成严重的影响，进行风险管理时，应重点关注这种极端风险。针对食品质量安全事件小概率、大损失的特点，可寻找合适的模型和方法来衡量这类极端风险。金融领域则更早关注这类风险。Wang[11]在保险精算领域中提出了一种新的风险测度方法，称为扭曲风险测度，主要适用于解决小概率、大损失事件的风险度量问题。邱强等[12]证明了扭曲测度满足一致性公理，并通过数值分析得出扭曲风险测度优于VaR和CVaR的结论；邱玲[13]将扭曲风险测度应用于投资组合的优化中；秦学志等[14]借助于扭曲风险测度，度量沪深300股指期货的风险。扭曲风险测度在小概率、大损失事件风险评价方面具有良好的适用性，可借助于扭曲风险测度分析食品质量安全风险。

总体来看，食品质量安全风险方面已经取得了一些研究成果，但在量化研究、风险评价模型的选择方面仍有待完善，应根据食品质量安全事件的特性，采用相应的模型来评价风险。此外，从供应链视角对食品质量安全风险进行分析时，应贯穿食品供应链整体，对风险进行综合评价。综上，根据食品质量安全事件小概率、大损失的特性，引入扭曲风险测度方法，基于供应链全过程，对2016—2021年中国食品质量安全风险进行评价和分析。

1 扭曲风险测度

扭曲风险测度是通过扭曲函数来调整损失值的概率分布，用扭曲分布函数的损失期望来度量风险，扭曲程度取决于扭曲函数和参数的取值。

定义[11]：映射g:[0,1]→[0,1]是非降函数，且满足g(0)=0，g(1)=1，P是F上的概率测度，若P*=g(P)为扭曲概率分布，则称g为扭曲函数。

基于扭曲函数的概念，定义了一种新的风险度量方法，对于一个非负的随机变量x，F(x)为分布函数，则x的生存函数为S(x)=1-F(x)，x的扭曲风险度量可定义为：

一个风险度量方法的优劣，关键在于其是否满足一致性风险度量原则。Wirch等[15]证明了当扭曲函数为凹函数时，扭曲风险测度满足一致性公理。常用的扭曲函数如表1所示。

表1 四种扭曲函数形式及满足一致性公理的参数取值条件

实际应用中，扭曲函数的选择主要根据评价对象风险的变化特征及决策者对风险的偏好，来确定扭曲函数的形式。一般来说，极端风险频发或极端损失较大的风险赋予尾部的权重应该越高；决策者越厌恶风险，尾部的扭曲应该越明显。WT扭曲函数整体最为平滑，扭曲幅度相对较小。现阶段我国食品质量安全监管体系日臻完善，食品质量安全水平日益提高，故在选择扭曲函数时不应过分放大尾部风险，扭曲幅度也不宜过大，基于此，选定WT作为食品质量安全风险评价的扭曲函数。

Wang[16]提出了一种特殊的扭曲函数，称为王氏变换：

其中：Φ为标准正态分布的分布函数，Φ-1(x)为Φ(x)的反函数，λ=Φ-1(α)，α为事先确定的可靠性水平。则相应的风险度量函数为：

综上所述，王氏扭曲测度需要满足以下要求：

（1）对置信水平α有，λ=Φ-1(α)；

（2）应用王氏变换可知g(x)=Φ [Φ-1(x)+λ]；

（3）损失分布的期望值为：WT(α)=Eg(x)。

2 基于王氏扭曲函数的食品质量安全风险度量

2.1 供应链视角下食品质量安全风险关键要素识别

风险因素的识别是风险评价的基础，通过文献检索发现，学者从多个角度建立了食品质量安全风险评价的指标体系[1,7]。食品质量安全风险因素涉及供应链上的所有环节，故在构建食品质量安全风险评价体系时，应从供应链整体出发[17]。此外，随着经济社会的发展，冷链食品的需求逐渐增加。冷链食品的普及是社会进步、生活水平提高、健康改善重要标志，当前我国冷链物流总体发展水平不高，与此相关的食品质量安全隐患较多。现阶段在对食品质量安全风险进行评价时，需要对冷链食品、冷链物流进行更细致的分析。基于此，提出人均冷库容量、冷藏运输能力、冷链流通率三个储藏运输方面的指标。冷链流通率是衡量冷链物流总体水平的关键指标之一，由于果蔬、肉类相关数据不全，采用水产品冷链流通率来衡量食品冷链流通率[18]。

综上，通过食品质量安全风险相关文献检索、整理、分析和筛选，并征求理论研究与生产领域专家意见后，总结提出供应链视角下食品质量安全风险评价指标体系，如表2所示。

表2 食品质量安全风险评价体系

2.2 食品质量安全风险分级

对食品质量安全风险进行等级划分是进行风险管理的有效手段，现阶段国内外对食品质量安全风险的分级研究主要是针对食品中的微生物和化学污染物，或仅针对于食品供应链的部分环节[19-20]。而对食品供应链整体进行风险分级的却很少，由于缺乏供应链视角下食品质量安全风险分级的数据，这里采用专家咨询、访谈和数据分析的方法对食品质量安全风险进行分级，确定每种风险发生的概率。

采用5标度法划分食品质量安全风险等级，5标度法既符合实用性的要求，又避免了由于分级过少而对评价目标辨别不清的问题。按照5标度法将食品质量安全风险从高到低分为高风险、较高风险、中等风险、较低风险、低风险五个等级，邀请食品质量安全方面的专家、检验机构及监管部门对10个指标五种风险等级发生的概率进行评价。共收到32份风险等级评价表数据，根据评价表，计算得出每种风险发生的概率，结合指标数据和相关政策进行调整，得出每种指标风险的概率值。2021年各指标风险等级概率如表3所示。

表3 2021年食品质量安全风险指标分级概率表

2.3 扭曲风险测度

根据文献[21]以及二八原则以百分制的方式，对每种风险等级进行赋分，分值越大，风险越大。风险等级和分数的对应关系如表4所示。

表4 食品质量安全风险等级与分值对应表

为了方便计算，对风险等级进行赋分，高风险为100分，较高风险为90分，中等风险为70分，较低风险为40分，低风险为0分。

采用90%的置信水平，λ=Φ-1(0.9)。x1损失分布的期望值为：

同理，可计算出其他指标的WT，计算结果如表5所示。

表5 2021年食品质量安全风险指标损失分布期望值表

3 食品质量安全风险指数的度量

采用风险指数对食品质量安全风险进行综合评价，通过指标加权的方式计算食品质量安全风险指数。前文借助于扭曲风险测度计算出了食品质量安全风险指标损失分布的期望值，进一步求出指标权重，即可求出食品质量安全风险指数，指数模型如下。

其中：wj为指标权重，WTj为指标风险损失分布的期望值。

收集相关指标数据，采用该指数模型对我国2016—2021年食品质量安全风险进行综合评价。

3.1 指标权重的计算

3.1.1 数据收集与处理

对指标数据进行收集和处理，得到数据如表6所示。

表6 食品质量安全风险指标数据表

首先，采用极差法对数据进行标准化处理，消除量纲和其他因素的影响。对于正向指标采用公式：对于负向指标采用公式：

3.1.2 指标权重的确定

采用组合赋权法确定指标权重，组合赋权法可以减小单一赋权法带来的认知偏差。选择层次分析法（AHP）作为主观赋权方法，熵权法和CRITIC法作为客观赋权方法。依据表6数据，采用不同方法计算指标权重。

AHP是常用的主观权重方法。以食品质量安全风险为目标层，食品供应链四个环节为准则层，食品质量安全风险评价指标为方案层，建立层次递阶结构。在构造判断矩阵时，为了避免AHP判断矩阵易出现一致性检验不通过的问题，采用黄德才[22]的标度扩展法构造判断矩阵，计算结果如表7所示。

熵权法是根据指标中熵的大小来确定权重[23]。若某个指标的信息熵Ej越小，表明指标值可提供的信息量越大，在风险评价中所起的作用越大。第j项指标的信息熵Ej计算公式为：

第j项指标的权重为：

计算结果如表7所示。

CRITIC法同时考虑了指标的差异性和相关性，通过指标内部的对比强度和指标间的冲突性来确定权重[24]。传统的CRITIC法在计算指标间冲突性时，相关系数r可能出现负值，但相关性与数值正负没有必然联系，对r取绝对值，改进CRITIC法。具体的计算过程如下，第j项指标所含有的信息量为Cj，计算公式为：

其中：σj为第j项指标的标准差，rij为i指标和j指标的相关系数。

第j项指标的权重为：

计算结果如表7所示。

借助于赵芳芳[25]在多种赋权方法集成模型中采用的离差平方和最小思想，建立组合权重优化模型，并用遗传算法对模型进行求解，优化模型如下：

其中：w1j表示AHP得到的权重向量，w2j,w3j分别表示熵权法和CRITIC法得到的权重向量，表示优化模型求得的组合权重，表示对AHP的信任程度，β1,β2分别表示对熵权法和CRITIC法的信任程度，设定α1=0.4,β1=β2=0.3。采用遗传算法对组合赋权模型进行求解，依据表6数据，运用Matlab计算出各指标组合权重如表7所示。

表7 食品质量安全风险评价体系指标权重表

3.2 食品质量安全风险指数的计算

前文已求出风险评价指标损失分布的期望值和组合权重，如表5、表7所示，根据式（1）可计算出2016—2021年我国食品质量安全风险指数值，如表8所示。

表8 2016—2021年食品质量安全风险指数表

以食品供应链各环节为风险评价对象，同理可计算出食品供应链四个环节2016—2021年的风险指数。如表9所示。

表9 2016—2021年食品供应链各环节风险指数表

3.3 结果分析

3.3.1 食品供应链质量安全风险总体特征

由表8可知，目前我国食品质量安全风险处于较低水平，整体趋势稳中向好发展。这一结论在2021联合国粮食及农业组织发布的《中国食品质量安全指数试点项目最终报告》中也可以得到印证。该报告指出，现阶段中国食品质量安全监管体系日渐完善，食品质量安全水平显著提高。

3.3.2 食品供应链各环节质量安全风险特征

2016—2021 年我国食品供应链各环节质量安全风险指数如图1所示。

图1 2016—2021年我国食品质量安全各环节风险指数

（1）种植养殖环节

种植养殖环节的食品质量安全风险总体呈现增长态势。农兽药残留和重金属污染直接影响食品的质量安全，是目前我国最突出的食品质量安全问题。2020年、2021年国家市场监督管理总局抽检数据显示，农兽药残留超标占抽检不合格品类的比例超过30%。

（2）生产加工环节

生产加工环节的食品质量安全风险呈现下降态势。食品加工是食品供应链中的关键环节，政府监管和食品质量安全标准体系的完善，使食品添加剂的使用逐渐规范化，这也是近年来食品生产加工环节风险降低的主要原因。从国家市场监督管理总局的抽检数据中可以发现，超范围超限量使用食品添加剂占抽检不合格品类的比例，由2016年的32.4%降至2021年的15.7%。

（3）储藏运输环节

储藏运输环节的食品质量安全风险呈现下降态势。近年来冷链物流越来越受到国家政府的重视，相关政策密集出台，冷链基础设施逐步完善，有效降低了储藏运输阶段的食品质量安全风险。

（4）销售消费环节

销售消费环节的食品质量安全风险存在波动，整体风险较大，主要是由于餐饮食品不合格率较高所致。2021年餐饮食品抽检不合格率超过6%，在各类食品监督抽检中不合格率最高。

4 结论

食品供应链链条长、环节多，潜在风险复杂，引入保险精算领域的风险度量方法对食品供应链质量安全风险进行评价，结果显示现阶段我国食品质量安全风险总体呈现稳中向好趋势，但仍有波动。从食品供应链环节来看，种植养殖环节是食品供应链质量安全风险的源头，防治农兽药、重金属等化学物质从生产源头进入食品供应链，是推动食品产业的高质量发展的关键。生产加工阶段食品质量安全风险虽然呈下降趋势，但我国现行部分食品安全标准，与国际发达国家标准相比偏低，未来应立足国情，对标国际，加快制定修订食品产业发展和监管急需的食品安全标准。物流储运阶段尤其要关注冷链食品，预防微生物污染问题。销售消费阶段的风险，大多来自于主观食品违法行为，其主要原因在于食品质量安全主体责任意识淡薄，监管力量不足。食品质量安全具有公共品属性，政府加强监管力度是提高食品质量安全的关键，可对关键性风险采取针对性的风险整治。对“农兽药残留超标”等突出问题开展专项抽检，重点排查生产经营不符合食品安全标准、“两超一非”等违法行为，加强违法违规行为查处和惩罚力度，保障食品质量安全。