徐 磊 朱 科 彭金栓

（重慶交通大學(xué)交通運(yùn)輸學(xué)院，重慶 400074）

食品作為大眾日常消費(fèi)必需品，其供應(yīng)鏈的穩(wěn)定性在社會(huì)經(jīng)濟(jì)發(fā)展中顯得尤為重要，但近年來(lái)出現(xiàn)的“三鹿奶粉事件”“蘇丹紅事件”“瘦肉精事件”等重大食品安全事件，說(shuō)明食品供應(yīng)鏈管理存在漏洞。食品安全問(wèn)題不僅會(huì)影響企業(yè)的信譽(yù)，而且使產(chǎn)品形象在消費(fèi)者心中發(fā)生顛覆，甚至還會(huì)造成整個(gè)供應(yīng)鏈的崩塌。通過(guò)研究發(fā)現(xiàn)供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警環(huán)節(jié)的薄弱是導(dǎo)致問(wèn)題食品得以在市場(chǎng)上流通而使整個(gè)供應(yīng)鏈蒙受損失的一個(gè)重要原因。有效地對(duì)食品供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行預(yù)警分析，能夠幫助供應(yīng)鏈管理者準(zhǔn)確識(shí)別與判斷供應(yīng)鏈所面臨的風(fēng)險(xiǎn)，進(jìn)而制定出相應(yīng)的風(fēng)險(xiǎn)控制措施，控制風(fēng)險(xiǎn)在供應(yīng)鏈上的擴(kuò)散。

如何快速準(zhǔn)確地對(duì)食品供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行預(yù)警是急需解決的問(wèn)題。目前，國(guó)內(nèi)外相關(guān)研究大多集中在食品供應(yīng)鏈安全管理體系研究、食品供應(yīng)鏈優(yōu)化分析以及供應(yīng)鏈風(fēng)險(xiǎn)的模糊綜合評(píng)判方面[1-2]。王云[3]對(duì)食品供應(yīng)鏈的配送環(huán)節(jié)中存在的風(fēng)險(xiǎn)進(jìn)行了研究，分別建立集中決策與分散決策的Stackelberg模型，以探討生鮮食品配送風(fēng)險(xiǎn)問(wèn)題。顧小林[4]從數(shù)據(jù)挖掘視角甄別出導(dǎo)致食品安全問(wèn)題的因素，建立了基于關(guān)聯(lián)規(guī)則挖掘的食品安全信息預(yù)警模型進(jìn)行安全預(yù)警研究。韓景豐等[5]提出在基于危害分析的關(guān)鍵點(diǎn)控制的可追溯性系統(tǒng)中對(duì)供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警過(guò)程進(jìn)行研究。本文依據(jù)主成分分析和Logistic回歸分析法[6]建立食品供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警模型，從食品供應(yīng)鏈風(fēng)險(xiǎn)種類(lèi)的劃分為出發(fā)點(diǎn)，歸類(lèi)不同的風(fēng)險(xiǎn)指標(biāo)要素，計(jì)算出不同風(fēng)險(xiǎn)源的主成分，以風(fēng)險(xiǎn)指標(biāo)作為L(zhǎng)ogistic回歸變量，以此對(duì)食品供應(yīng)鏈進(jìn)行風(fēng)險(xiǎn)預(yù)警。以其為食品供應(yīng)鏈的穩(wěn)定發(fā)展提供方法參考和理論支持。

以風(fēng)險(xiǎn)指標(biāo)進(jìn)行主成分分析，并選取有代表性的主成分對(duì)食品供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行預(yù)警。通過(guò)對(duì)大量實(shí)際案例的整理，根據(jù)對(duì)食品供應(yīng)鏈的實(shí)證分析以及綜合歸納現(xiàn)有研究，總結(jié)出食品供應(yīng)鏈風(fēng)險(xiǎn)種類(lèi)的主要指標(biāo)體系，該指標(biāo)體系由4大類(lèi)別風(fēng)險(xiǎn)及12個(gè)風(fēng)險(xiǎn)指標(biāo)組成（見(jiàn)表1）。

根據(jù)風(fēng)險(xiǎn)致因理論，食品供應(yīng)鏈風(fēng)險(xiǎn)可分為四類(lèi)：（1）供應(yīng)風(fēng)險(xiǎn)，由突發(fā)事件而導(dǎo)致的供應(yīng)鏈供應(yīng)的中斷。（2）生產(chǎn)風(fēng)險(xiǎn)，是指供應(yīng)鏈運(yùn)作中管理不當(dāng)、機(jī)器設(shè)備出現(xiàn)故障、生產(chǎn)技術(shù)未達(dá)到合格標(biāo)準(zhǔn)等原因造成的風(fēng)險(xiǎn)。（3）流通風(fēng)險(xiǎn)，是指流通機(jī)制設(shè)計(jì)或運(yùn)行中存在缺陷而導(dǎo)致的風(fēng)險(xiǎn)。（4）銷(xiāo)售風(fēng)險(xiǎn)，是指在供應(yīng)鏈末端發(fā)生變化而造成的風(fēng)險(xiǎn)。

1 構(gòu)建指標(biāo)體系

表1 食品供應(yīng)鏈風(fēng)險(xiǎn)指標(biāo)體系

2 建立模型

食品供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警模型可按如下步驟建立：

步驟1：計(jì)算主成分特征值和特征向量。

選取n組觀測(cè)數(shù)據(jù)，通過(guò)正交變換，計(jì)算其相關(guān)矩陣R的n個(gè)特征值以及特征值所對(duì)應(yīng)的特征向量λ1,λ2,…,λn以及特征值λj所對(duì)應(yīng)的特征向量

步驟2：確定主成分個(gè)數(shù)并選取主成分。

≥85%且特征值大于1的前p個(gè)主成分，主成分F1,F2,…,Fp，主成分：

式中，t1,t2,…,tn為標(biāo)準(zhǔn)化指標(biāo)變量，u1j,u2j,…,unj為特征向量。根據(jù)公式（1）計(jì)算出p個(gè)主成分，用這p個(gè)主成分進(jìn)行Logistic回歸分析。

步驟3：選取分析樣本。

建立樣本矩陣(xi1,xi2,…,xip; yi)(i=1,2,…,n)，其中，y1,y2,…,yn是取值為0-1型變量，0表述該食品企業(yè)供應(yīng)鏈的風(fēng)險(xiǎn)較小，1表述風(fēng)險(xiǎn)較大，xi1,xi2,…,xip是p個(gè)主成分組成的新矩陣，yi與xi1,xi2,…,xip的關(guān)系為：

步驟4：建立Logistic回歸模型。

函數(shù)f(x)是值域在[0,1]區(qū)間內(nèi)的單調(diào)增函數(shù)，對(duì)于Logistic回歸，有：

將（2）式代人（3）式得Logistic回歸模型：

步驟5：計(jì)算似然函數(shù)。

y1,y2,…,yn的似然函數(shù)為：

對(duì)似然函數(shù)取自然對(duì)數(shù)，得：

對(duì)于Logistic回歸，將（4）式代人（6）式得：

步驟6 ：選取β0,β1,…,βp的估計(jì)值。

令xi0=1，代入（7）則：

為了求（10）式的極大值，根據(jù)迭代公式

設(shè)初始值B0=β0,β1,…,βp經(jīng)過(guò)式（10）的迭代，當(dāng)|Bi+1-Bi|＜ε（ε為自設(shè)定誤差值）時(shí)，停止迭代，得到的Bi+1即為所求的B0=β0,β1,…,βp估計(jì)值。利用估計(jì)值計(jì)算出食品供應(yīng)鏈風(fēng)險(xiǎn)大小的概率，預(yù)測(cè)是否會(huì)發(fā)生高風(fēng)險(xiǎn)事件。

3 實(shí)例分析

選取40家食品企業(yè)對(duì)其供應(yīng)鏈風(fēng)險(xiǎn)進(jìn)行調(diào)查。按表1所示風(fēng)險(xiǎn)指標(biāo)對(duì)企業(yè)風(fēng)險(xiǎn)大小進(jìn)行打分，分值范圍為0～100。對(duì)40個(gè)樣本指標(biāo)進(jìn)行主成分分析和Logistic回歸分析，隨機(jī)抽取20個(gè)樣本數(shù)據(jù)作為估計(jì)樣本產(chǎn)生預(yù)警模型，其余數(shù)據(jù)留作檢驗(yàn)樣本對(duì)模型進(jìn)行檢驗(yàn)。

使用SPSS對(duì)樣本數(shù)據(jù)進(jìn)行主成分分析，各主成分貢獻(xiàn)率和累計(jì)貢獻(xiàn)率如表2所示。由表2可見(jiàn)，前4個(gè)主成分方差累計(jì)貢獻(xiàn)率已超過(guò)85%，故引入4個(gè)主成分，這4個(gè)主成分的特征向量如表3所示。

表2 方差及對(duì)應(yīng)的貢獻(xiàn)率/%

表3 主成分特征向量

根據(jù)公式（1）計(jì)算出4個(gè)主成分F1,F2,F3和F4的值：

將主成分的值作為L(zhǎng)ogistic預(yù)警模型的輸入，利用SPSS對(duì)由主成分組成的估計(jì)樣本進(jìn)行分析，表4顯示出變量的選擇，可以看出第一主成分P值（顯著性）是0.042，常數(shù)項(xiàng)的P值為0.035，都小于0.05的檢驗(yàn)標(biāo)準(zhǔn)，因此，方程可以通過(guò)檢驗(yàn)。

表4 方程中的變量

表5 分類(lèi)預(yù)測(cè)趨勢(shì)

表5反映了對(duì)應(yīng)的分類(lèi)預(yù)測(cè)情況，模型預(yù)測(cè)的準(zhǔn)確率達(dá)到了90%。最終擬合出風(fēng)險(xiǎn)預(yù)警模型，由表4可以得到Logistic預(yù)測(cè)概率模型為：

本文所選Logistic回歸模型以0.5作為分割點(diǎn)，當(dāng)P＞0.5時(shí)，就判定為高風(fēng)險(xiǎn)；當(dāng)P＜0.5時(shí)，就判定為低風(fēng)險(xiǎn)。這樣就可以用此概率模型進(jìn)行預(yù)警。為了對(duì)模型的預(yù)警能力和穩(wěn)健性進(jìn)行檢驗(yàn)，利用隨機(jī)挑選20家企業(yè)作為檢驗(yàn)樣本對(duì)模型進(jìn)行驗(yàn)證，結(jié)果如表6所示。

表6 試驗(yàn)樣本預(yù)測(cè)效果

從上面的結(jié)果看，預(yù)警的準(zhǔn)確率達(dá)到了85%，準(zhǔn)確率比較高，說(shuō)明該方法具有較好的適用性和推廣性。

4 結(jié)語(yǔ)

以第1主成分代表的風(fēng)險(xiǎn)指標(biāo)具有較強(qiáng)的概括性，基本上可以較好地反映原始指標(biāo)的信息。綜合以上所有結(jié)果，以主成分代表食品企業(yè)供應(yīng)鏈風(fēng)險(xiǎn)指標(biāo)作為L(zhǎng)ogistic回歸變量，可以很快地預(yù)測(cè)出企業(yè)的風(fēng)險(xiǎn)情況，具有較高的準(zhǔn)確性。