消费者食品安全行为影响因素的统计检验

彭 晖，王奕淇

（西安交通大学 经济与金融学院，西安 710061）

0 引言

“民以食为天”，而食品又应以其安全性为首要。在人类发展的历史上，由于食品的不安全性生命被夺去的事件实在太多，而近年来世界范围内的食品安全事件更是接二连三的发生，从美国的毒菠菜事件和日本的毒大米事件到中国的三聚氰胺和瘦肉精等食品安全问题都不断地威胁着人们的生命健康。食品安全问题引起了各国的高度重视，近年来更是成为了各国关注的热点问题。本文在前人探讨的基础上，对消费者的食品安全行为进行研究，主要是通过提出5个假设，研究对健康的饮食的重视程度、主观知识、对食品信息来源的信心、食品安全的态度和食品本身的性质这五个因素对食品安全行为的影响。本文的创新之处在于对通过问卷所获得的数据进行主成分分析法，验证这五个因素对消费者食品安全行为的影响。

1 模型的理论基础与研究假设

1.1 对健康饮食的重视程度

人体在每天进行新陈代谢的过程中，会产生许多“废物”，而且由于受污染的空气中存在着大量有毒有害的气体和微粒，人们处在空气之中这些气体和微粒自然会被吸入。尽管人体自身具有一定的排毒能力，但当体内的“废物”积攒速度超过机体解毒排毒功能的速度时，此时人们的健康就会受到影响。因此，人们在日常生活中对健康饮食的重视程度直接影响到自身的健康，同时，也直接影响着购买安全食品的行为。本研究针对消费者的食品安全行为提出以下假设：

H1：消费者对健康饮食的重视程度正向影响其食品安全行为

1.2 主观知识

《博弈圣经》将知识定义为：知识是指可以辨别万物的实体与性质并确定是或不是的观察和思考的过程。而在购买食品时，主观知识是指消费者对了解该领域信息程度的自我评价。人们的主观知识对行为的影响较大，因为高主观知识的消费者比低主观知识的消费者更加关心所消费的食品，进而影响其食品安全行为。本研究针对消费者的食品安全行为提出以下假设：

H2：消费者关于食品安全的主观知识正向影响其食品安全行为

1.3 对食品信息来源的信心

消费者对于食品相关消息的信心取决于其对获取该消息来源的信任程度。若网上某人的博客中突然批判某食品不安全，消费者不一定会相信其说法并继续购买该食品，而若是某食品安全机构公布消息认为某种食品不利于人体健康，消费者很可能会相信这个消息并进而不再购买该食品。由此可见，消费者对食品信息来源的信心影响着其购买食品的行为。本研究针对消费者的食品安全行为提出以下假设：

H3：消费者对食品信息来源的信心正向影响其食品安全行为

1.4 对食品安全的态度

态度是人们基于自身的道德观与价值观对事物的进行评价和表现出来的行为倾向。关于态度和行为的关系研究较多，但一直没有确切的定论，其中较为著名的有：美国数学家盖洛普证明了态度与行为表现是一致的；社会心理学家拉皮埃尔对态度和行为一致性的命题提出了严重的挑战；氟因罗德提出三个原则：总的行为可以预测总的行为、具体态度可以预测具体行为、态度测量与行为的时间间隔越短，态度与行为的一致性越高[7]。在本研究针对消费者的食品安全行为提出以下假设：

H4：消费者对食品安全的态度正向影响其食品安全行为

1.5 食品本身的性质

食品自身有着很多的性质，人们购买食品时，会注意这些性质。如，食品的价格，原产地，味道，品牌等，这些都会影响人们的食品安全行为。如果人们认为其存在质量不好，或是味道不佳，或是价格超过预期，或是食物过敏等问题，将不会购买该食品。因此，食品本身的性质影响食品安全行为，本研究针对消费者的食品安全行为提出以下假设：

H5：食品本身的性质正向影响消费者食品安全行为

2 消费者食品安全行为影响因素分析

2.1 量表设计

有些学者对上世纪40年代以来对人们行为等变量用量表进行测量的论文整理以后，发现有75%左右的论文都采用5点量表以测量行为等变量。将最近的相关论文加以整理后，发现运用5点量表虽然也相对普遍，但对7点量表的使用更趋向于频繁。在本研究中，5个变量均采用7点量表法，根据答卷人对题目的同意程度计分：“完全反对”=1，……，“完全赞成”=7。本研究的量表设计如表1所示。运用SPSS17.0进行主成分分析，分别对6个变量进行分析。将健康的饮食设为A1，其主成分为F1；主观知识设为B1，其主成分为F2；对食品来源的信心设为C1，其主成分为F3，F4，F5；食品安全的态度设为D1,其主成分为F6；食品本身的性质设为E1，其主成分为F7，F8，F9；食品安全行为设为F，其主成分为F10，F11。

表1 观测变量及其代码表示

2.2 样本采取和数据收集

为了研究消费者食品安全行为的影响因素，本文通过发放调查问卷收集数据。本次调查问卷共发放300份，回收有效问卷244份，将空白问卷、选项全是一致的问卷、不完整问卷和明显敷衍的问卷视为无效问卷，共21份，有效问卷达81.33%。

2.3 消费者影响因素实证分析

2.3.1 健康的饮食

（1）判断因子分析可行性。

本文中，应用SPSS软件判断因子分析的可行性，主要是通过对数据进行KMO检验和Bartlett球型检验。KMO检验是用于检验统计量之间简单相关系数和偏相关系数的指标。当KMO值越趋近于1时，变量之间的相关性越强，且该值小于0.5时，说明不适宜做因子分析。Bartlett's用于检验相关矩阵中的各个变量是否独立，Sig值越接近于0.000也好，此时拒绝原假设，说明各个变量不独立，当该值大0.05时说明不适合做因子分析。健康的饮食这个因素经过KMO检验和球型Bartlett检验的结果可知可以进行因子分析。

KMO的值为0.732，Sig的值为0.000，说明健康的饮食适宜做因子分析。

（2）构造因子变量。通过将初始变量的特征值、特征向量以及相关系数举证的计算得到各因载荷矩阵。

①特征值和贡献值。

因子分析初始解对原始变量的总方差分解描述：第一主成分的特征值为2.352，%of Variance表示各成分所解释的方差占总方差的百分比，第一个因子的贡献率为78.407，Cumulative%表示自上而下各因子方差占总方差百分比的累计贡献率。饮食的健康的第一个因子可以解释3个初始变量78.407%的变异程度，初步得出保留1个因子可以概括大部分信息。

②因子载荷矩阵。

表2 因子载荷矩阵

可以根据表2因子载荷矩阵计算出如下的因子分析模型：

将成分矩阵的值除以各个主成分相应的特征值的开平方根以后得到每一个主成分的特征向量，然后将特征向量与标准化后的数据相乘得到F1，根据各主成分对应的贡献率作为权重可得出主成分综合模型的表达式，即：

2.3.2 主观知识

（1）判断因子分析可行性。

本文中，主观知识这个因素经过KMO检验和Bartlett球型检验的结果如图：KMO的值为0.808，说明这些指标符合进行因子分析的基本要求。Bartlett球型检验的Sig值为0.000，拒绝原假设，说明各个变量独立，可进行因子分析。

（2）构造因子变量。

①特征值和贡献值。

因子分析初始解对原始变量的总方差分解描述：第一主成分的特征值为3.014，该因子的主要贡献率为75.343，第一个因子解释了原始4个变量的75.343%的变异，初步得出保留1个因子可以概括大部分信息。

表3 因子载荷矩阵

②因子载荷矩阵。

可以根据表3因子载荷矩阵计算出如下的因子分析模型：

根据各主成分对应的贡献率作为权重可得出主成分综合模型的表达式，即：

2.3.3 对食品来源的信心

（1）判断因子分析可行性。

本文中，对食品来源的信心这个因素经过KMO检验和Bartlett球型检验。KMO的值为0.845，说明这些指标符合进行因子分析的基本要求。Bartlett球型检验的Sig值为0.000，拒绝原假设，说明各个变量独立，可进行因子分析。

（2）构造因子变量。

①特征值和贡献值。

因子分析初始解对原始变量的总方差分解描述：第一主成分的特征值为6.081，第二主成分的特征值为1.958，第三主成分的特征值为1.469。三个主要因子的贡献率分别为：43.433、13.986、10.49。前三个因子解释了原始14个变量的67.908%的变异，初步得出保留3个因子可以概括大部分信息。

②因子载荷矩阵。

可以根据表4因子载荷矩阵计算出如下的因子分析模型：

表4 因子载荷矩阵

根据各主成分对应的贡献率作为权重可得出主成分综合模型的表达式，即：

2.3.4 食品安全的态度

（1）判断因子分析可行性。

本文中，食品安全的态度这个因素经过KMO检验和Bartlett球型检验，KMO的值为0.873，说明这些指标符合进行因子分析的基本要求。Bartlett球型检验的Sig值为0.000，拒绝原假设，说明各个变量独立，可进行因子分析。

智能仓储机器人的运用对仓储配送物流效率提升的重要性及意义。智能设备的运用就能极大地提高作业效率和准确性，帮助公司赢得市场和客户的信赖。物流市场的不断发展和技术的不断进步，机器人必然会得到广泛的运用。在各种物流作业中机器人技术的应用范围和规模都将不断加剧，机器人的发展将会随着竞争和需求而不断进步，对各个物流公司的发展有着深远的影响。

（2）构造因子变量。

①特征值和贡献值。

因子分析初始解对原始变量的总方差分解描述：第一主成分的特征值为4.878，该因子的主要贡献率为54.195，第一个因子解释了原始9个变量的54.195%的变异，初步得出保留1个因子可以概括大部分信息。

表5 因子载荷矩阵

②因子载荷矩阵

可以根据表5因子载荷矩阵计算出如下的因子分析模型：

根据各主成分对应的贡献率作为权重可得出主成分综合模型的表达式，即：

2.3.5 食品本身的性质

（1）判断因子分析可行性。

本文中，食品本身的性质这个因素经过KMO检验和Bartlett球型检验，KMO的值为0.759，说明这些指标符合进行因子分析的基本要求。Bartlett球型检验的Sig值为0.000，拒绝原假设，说明各个变量独立，可进行因子分析。

①特征值和贡献值。

因子分析初始解对原始变量的总方差分解描述：第一主成分的特征值为3.518，第二主成分的特征值为1.797，第三主成分的特征值为1.242。三个主要因子的贡献率分别为：29.314、14.975、10.348。前三个因子解释了原始12个变量的54.637%的变异，初步得出保留3个因子可以概括大部分信息。

表6 因子载荷矩阵

②因子载荷矩阵。

可以根据表6因子载荷矩阵计算出如下的因子分析模型：

根据各主成分对应的贡献率作为权重可得出主成分综合模型的表达式，即：

2.3.6 食品安全行为

（1）判断因子分析可行性。本文中，食品安全行为这个因素经过KMO检验和Bartlett球型检验，KMO的值为0.617，说明这些指标符合进行因子分析的基本要求。Bartlett球型检验的Sig值为0.000，拒绝原假设，说明各个变量独立，可进行因子分析。

（2）构造因子变量。

①特征值和贡献值。

因子分析初始解对原始变量的总方差分解描述：第一主成分的特征值为2.107，第二主成分的特征值为1.484。这两个主要因子的贡献率分别为：42.149、29.670。前两个因子解释了原始5个变量的71.82%的变异，初步得出保留2个因子可以概括大部分信息。

②因子载荷矩阵

表7 因子载荷矩阵

可以根据表7因子载荷矩阵计算出如下的因子分析模型：

根据各主成分对应的贡献率作为权重可得出主成分综合模型的表达式，即：

2.3.7 回归结果

将模型设立为 F=c+a1×A1+a2×B1+a3×C1+a4×D1+a5×E1,从EViews回归分析结果可知，R2为0.736，说明模型对数据程度较好，根据t检验可知，健康的饮食、主观知识、食品信息来源、食品安全的态度和食品自身的性质对消费者食品安全行为的影响是显著的，接受假设H1～H5。且由检验结果可知，模型中不存在多重共线性，而其DW的值为1.95，说明该模型不存在自相关。该模型为：

F=0.19+0.16A1+0.14B1+0.37C1+0.32D1+0.15E1

3 结论

通过以上实证分析可知，接受假设H1～H5，认为健康的饮食，主观知识，食品信息来源，食品安全态度和食品自身的性质是影响食品安全行为的5个主要因素。从对各变量的描述性统计结果可知，大部分消费者都认为自己的食品安全知识掌握不足，且对食品信息来源的信任也较为薄弱，而食品的性质与健康的饮食对他们而言是重要的，且态度是积极的。但在五种因素的交互影响下，消费者食品安全行为情况是让人担心的，人们除了较为注意产品的生产日期和保质期外，在购买食品时很少考虑食品安全问题，食品安全的行为表现不是很好。

[1]王兆锋，俞红.消费者绿色食品消费行为影响因素分析[J].统计与决策，2008,（12）.

[3]戎素云.食品安全治理中的消费者行为及其引导[J].经济与管理，2005，19（8）.

[4]周洁红，姜励卿.食品安全管理中消费者行为的研究与进展[J].世界农业，2004,（10）.

[5]Katrin Hohl,George Gaskell.European Public Perceptions of Food Risk:Cross-National and Methodological Comparisons[J].Risk Analy⁃sis,2008,(28).

[6]Staff Regarding Food Hygiene in Shiraz,Iran[J].Infection Control and Hospital Epidemiology,2004.

[7]钱艳.餐饮业员工食品安全知识态度调查与培训研究[D].天津：天津商学院，2006.

[8]张连刚.基于多群组结构方程模型视角的绿色购买行为影响因素分析来自东部、中部、西部的数据[J].中国农村经济，2010，（2）.