周桢 张胜军

摘 要：食品安全问题是全社会面临的重大问题之一，而消费者和生产者作为食品安全供给的相关利益体，存在相互促进、相互制约的关系，是食品安全有效供给的必要前提。以BP理论模型作为模糊计算方法，通过实地调研，找出影响生产者食品安全供给的关键因素，并提出保障生产者食品安全供给的激励性治理建议。

关键词：激励性治理;食品安全;支付意愿

文章编号：1004-7026（2019）22-0021-02         中国图书分类号：F713         文献标志码：A

党的十九大提出“打造共建共治共享的社会治理格局”，食品安全问题是全社会面临的一个重大问题。目前，政府对于食品安全的重视程度与日俱增。在食品安全治理过程中，除了政府、企业外，作为利益相关者的生产者和消费者也应该积极参与其中。如何通过制度设计来激励生产者和消费者参与食品安全社会治理，已成为广大科研工作者的重要课题。在激励过程中，食品安全的消费者意愿和生产者意愿相辅相成，通过设计BP神经网络结构，结合实地调研，分析生产者支付意愿的影响因素，有针对性地对生产者食品安全产生激励。

目前，我国消费市场上，生产者与消费者对食品安全支付的价值不足，安全生产无法得到有效保障。人的行为产生于特定环境条件下，推动人行为的动力因素诸多，在计划行为理论（Theory Of Planned Behavior，TPB）中，可以将动力因素分为态度、认知行为控制和主观规范。TPB理论的一个关键结論是个人的行为取决于个人的行为态度，意愿反映了一个人的态度，意愿越强烈，态度越明确，行为的倾向性越强，最终行为结果的指向性越明显。也就是说，生产者对食品安全的支付意愿越大，对食品安全的重视程度越高，越会采取符合安全生产规范的行为，越有利于保障食品安全的供给;消费者对食品安全的支付意愿越大，对安全食品支付的价格越高，越能有效提高生产者安全生产的积极性[1-2]。

1  理论模型与变量选择

基于泰勒尔博弈模型的研究结论，本研究利用BP神经网络模型，对生产者支付意愿模型进行模拟与预测，探讨生产者支付意愿与消费者支付意愿，掌握食品安全信息的消费者比例之间的数量关系。

神经网络模型是一种模糊计算方法，对变量之间的关系以及测量方法要求较宽泛，能对各种非线性、曲线进行模拟计算，具有很高的学习能力和抗干扰能力。此外，神经网络能在保证精度的前提下，对非线性预测函数进行多变量非线性处理。

1.1  BP神经网络结构设计

生产者支付意愿的影响因素众多，本研究利用神经网络模型构造农户支付意愿的非线性函数，探讨消费者支付意愿与掌握质量安全信息的消费者比例两个因素对农户支付意愿的影响，剔除了人为因素的影响，能有效保证评价的客观准确性，正好适应了神经网络的性能。根据研究需要，构建基于农户食品安全支付意愿的3层（输入层、隐含层、输出层）BP神经网络预测模型（见图1）。

输入层：输入层的神经元由消费者支付意愿和掌握质量安全信息的消费者比例两部分组成。

隐含层：利用有训练的3层神经网络（线性基本函数）的经验方程来确定隐含层的具体形式。

以s、m、n分别表示隐含层节点、输入节点和输出节点的个数，则有公式（1）。

s=m（n+1）+1 （1）

通过公式（1），将隐含层节点数暂定为5，并在此基础上增减若干隐含层的节点，最终确定了隐含层单元区间为3～10。

输出层：本研究的预测结果仅针对农户支付意愿，即是对单一变量进行预测，对应的输出层节点为1。

BP算法包括两个学习过程，一是信号的正向传播过程，二是误差的反向传播过程。在正向传播过程中，样本从输入层输入，经过各隐含层逐层处理后，最终传到输出层。此时，如果输出层的实际输出和期望输出存在差异，则传播将会转入误差方向传播阶段。误差反向传播与正向传播方向相反，是将输出误差以某种特定的形式，经过隐含层的处理后，向输入层反传的过程。通过对每个层的所有单元进行误差检验，获得各层单元的误差信号，从而修正各单元的权值。

通过信号正向传播与误差反向传播，不断调整各层权值，其中权值调整的过程就是网络的学习训练过程。信号的正向传播过程和误差的反向传播过程反复交替，直到网络输出的误差降至可接受的程度或者预先设定次数为止。

1.2  BP神经网络训练函数的选取

BP神经网络的训练函数有很多，选取BFGS拟牛顿BP算法函数作为农户支付意愿预测模型的训练函数。BFGS拟牛顿BP算法函数的运用前提是传递函数对权值与输入值存在差异，本研究使用的传递函数分别为tansig与logsig，满足trainbfg函数的训练前提。

运用输入样本训练函数trainbfg，将消费者支付意愿和掌握质量安全信息的消费者比例作为农户支付意愿的输入样本，输入向量和输出向量一一对应，并建立预测模型。不断测试过程中，误差将逐渐缩小，到一定程度后即可将此网络用于对农户食品安全支付意愿的预测。

2  实证结果与讨论

2.1  神经网络的创建与训练

根据上述模型建立的要求，选择无锡市调研区域的数据进行分析（见表1）。为使农户支付意愿模型预测更客观准确，预测模型拟设训练结束满足条件是训练达到2 500次或者达到误差10-3。训练通过反复迭代，在第182次训练中达到最优，标准误为0.000 117，达到了误差10-3的要求。

其训练的误差性能曲线如图2所示。

2.2  神经网络的仿真与预测

许多学者都指出安全食品的生产成本要高于一般的食品[3]，如对韭菜无公害生产和常规生产的投入成本结构的分析，两者总成本之间差异为35.30%。为研究当消费者支付意愿和掌握质量信息的消费者比例达到多少时，农户才愿意增加35.30%的投入，真正生产出质量安全的韭菜。利用已有数据建立的神经网络模型进行仿真和预测，在以下2种情况下，农户对无公害韭菜的支付意愿达到了35.30%：①消费者的支付意愿为38.69%，掌握信息的消费者比例为72.43%;②消费者的支付意愿为61.75%，掌握信息的消费者比例为16.67%。现有条件下，掌握信息的消费者比例不会发生太大变化。调研数据中掌握食品质量安全信息的消费者比例为16.67%，模型预测的第二种数据组合反映了现有的食品安全管理现状。只有当消费者的支付意愿提高到61.75%，即比农户安全生产实际支付的额外成本（35.30%）还要高75%时，农户才愿意增加投入，真正地生产安全蔬菜。而当食品安全管理体系建设完善，食品安全透明性良好，掌握信息的消费者比例超过70%时，消费者的支付意愿只需达到38.69%，略高于安全生产实际支付的额外成本（35.30%），就能有效保证农户的安全生产方式[3-4]。

3  结论与启示

食品安全问题的根源来自于生产者与消费者之间的信息不对称，在消费者对于相关食品安全信息认知不充分的情况下，生产者食品安全供给的激励较低;反之，生产者食品安全供给的激励较高。因此，可以从降低信息不对称程度、完善食品安全信号机制、贯彻食品安全流通可追溯体系等方面完善激励制度。

参考文献：

[1]陈钊.信息与激励经济学[M].上海：上海人民出版社，2005.

[2]徐景和.食品安全综合监督探索研究[M].北京：中国医药科技出版社，2009.

[3]罗丞.消费者对安全食品支付意愿的影响因素分析——基于计划行为理论框架[J].中国农村观察，2010（6）：22-34.

[4]刘军弟，王凯，韩纪琴.消费者对食品安全的支付意愿及其影响因素研究[J].江海学刊，2009（3）：83-89.