我国食品安全智慧监管效果评价

2023-03-03曹星哲张天宇李红雨于志伟曹筱彤李凯

食品工业 2023年2期

曹星哲，张天宇，李红雨，于志伟，曹筱彤，李凯

曲阜师范大学经济学院（日照 276827）

食品安全是关系国计民生的大事。尽管近年来我国食品安全形势总体向好，但食品抽检合格率波动明显、源头风险依旧突出，需要进一步提升食品安全监管效率。鉴于传统的监管模式难以解决新时代日趋严重的信息不对称问题，智慧监管在互联网高速发展的背景下应运而生。

学术界对食品安全智慧监管如何推进进行大量研究，如：余学军[1]通过对智慧监管系统结构进行全方位分析，肯定现代信息技术在食品安全管理领域中发挥的重要作用；Hou等[2]在技术改进方面，基于HACCP等原理并结合食品供应链的特点研究RFID技术在信息追溯系统中的应用，建立食品安全追溯系统以实现各部分的数据共享；丰苏等[3]借助大数据、大应用等思路，从业务、技术、数据等方面进行平台的整体架构设计。对于监管推进方向，刘鹏等[4]在整体上将智慧监管从“智”和“慧”2个维度进行划分，认为现阶段的智慧监管有着一定程度的过技术化倾向，忽略其本身的“智慧”内涵。监管的智慧性不仅在技术上的“精致管”，也在不同主体和工具共同达成“多元治”[5]。Mikhaylov等[6]关注政府效能问题，认为当前智慧监管等在发展过程中，政府无法独自将其融入公共服务中而只能通过跨部门协作进行。因此应该更为迫切地要求政府更加注重网络化协同治理[7]，通过统一整合多部门重合的职能或需要多部门共同完成的职能工作[8]，才能够有效提升监管效率。

现有研究大多在整体发展方向、政府宏观调控、专业技术分析等角度对智慧监管的推进进行研究分析，而对智慧监管效果的探讨较少。因此在分析智慧监管现有模式及其发展现状的基础上，借助实证分析对现阶段智慧监管效果进行客观评述，为进一步推进食品安全智慧监管提出对策建议。

1 食品安全智慧监管主要模式与作用机制

1.1 主要模式

对全国食品安全智慧监管试点模式进行统计，整理并得到10种智慧监管试点模式。借鉴朱花梅[9]、孙瑞[10]的研究，将试点模式分为源头风险治理、监控传递途径、加强执法能力三大类，如图1和图2所示。

图1 我国食品安全智慧监管试点模式数量统计

图2 智慧监管的分类及其比例

1.1.1 源头风险治理

源头风险治理，即在生产环节对食品安全问题进行监督管理。源头风险突出是我国食品安全治理面临的重要难题。生产环节下的“生产主体信息录入平台”，通过建立生产主体信息档案平台，录入生产主体的基本信息与生产信息，监测生产过程。

1.1.2 监控传递途径

监控传递途径，即在流通、储存等环节对食品安全风险因子进行管控，以减少食品安全问题的发生。其中，“互联网+快检”“销售市场信息平台”“明厨亮灶监控拍摄”均是通过及时检测、公布食品实时状态，达到反向监督生产者或销售、加工主体的目的。

1.1.3 加强执法能力

加强执法能力主要指扩大监管范围、提升执法力度。如“移动监管执法系统”在现场执法阶段下功夫，保障执法过程和结果公开，避免合谋现象出现。

从统计数据来看，“加强执法能力”包含5种智慧监管试点模式，占到总体数量的59%，而“源头风险治理”包含的模式最少，其数量仅占到总体的16%。我国智慧监管模式相对总量不高，且主要从总体监管层面推进建设。另外智慧监管模式推进程度受政策影响较大，其中“溯源机制系统平台”模式在国内推广数量占到总数量的39%。

1.2 智慧监管的作用

相较于传统监管模式，智慧监管能够以更有效的手段实现监管治理，提升食品安全水平。

1.2.1 智慧监管可以实现监管资源的有效整合

生产对象复杂和监管资源不足是传统监管模式面临的主要问题。由于我国食品产业“低小散”特征明显，生产主体数量庞大分散且产业化程度较低，监管成本高且难以进行有效监管，导致食品安全监管威慑力不足。借助现有大系统形成大数据，充分利用生产主体信息录入平台，能够将分散的监管资源进行统一整合，实现对信息系统的统一规划、统一管理、统一运维。

1.2.2 智慧监管可增强潜在食品安全问题的预警能力

由于当前食品检测模式存在耗时长，随机抽检力度不足等问题，部分试点建立起大数据分析预警机制，即对抽检信息、企业生产及产品等相关信息进行统计分析处理，通过分析结果进行监管风险预警。

1.2.3 智慧监管可解决监管机构之间存在的信息不对称问题

我国食品安全监管涉及横向与纵向的分工协调，“监管机构不完善，内部不协调”这一大问题导致政府监管乱象丛生，“踢皮球”现象层出不穷，监管效率日益低下。相比之下，智慧监管体系积极开展政务公开平台，采用“移动监管执法”新模式，在各部门抽检人员的日常监管工作中，配备移动执法终端，实时上传监管数据，形成有效追溯体制，解决由于信息不对称导致的食品质量安全问题。

智慧监管的推行对食品监管来说无疑迎来繁荣的春天，但现存智慧监管仍存在一些不足。源头风险突出是食品安全监管面临的重要挑战[11]，孙蕊[12]在研究中发现食品供应链中的源头风险占比43.3%，对整体食品安全影响最大，而对于问题突出的源头风险所适用的治理模式却占比最小，例如我国试点政策推行的溯源系统与明厨亮灶工程，都未从源头根治问题。其次，我国智慧监管正处于初步探索阶段，技术、体系、制度等建设均不成熟，仍然具有很大的进步空间，现阶段智慧监管的发展仍局限于依托互联网大数据技术等信息工具的辅助[13]，或以信息技术为主导来进一步推进智慧监管[14]，对于相关监管工作流程或监管体系制度的完善提升却关注较少，从而导致我国智慧监管的作用效果并非特别理想。

2 食品安全智慧监管效果实证分析

2.1 数据来源与分析

2.1.1 数据来源

数据来自于国家统计局、各省市场监督管理局、农业农村厅新闻公告及百度搜索指数。由于受制于数据公布情况，难以获取完整的省级层面食品抽检合格率面板数据，所采用已公布2016—2020年29个省份的数据，共100条数据。

2.1.2 变量设计

变量描述性统计见表1。

表1 变量描述性统计

2.1.2.1 抽检合格率

以食品安全抽检合格率作为被解释变量，食品抽检合格率的高低能够直观反映一个地区的食品安全情况。该部分数据主要来自于政府部门的例行监测报告。从样本数据来看，各地区食品抽检合格率差异较小，标准差仅为0.9%。其中样本均值为97.92%。全国食品安全合格率平均值5年内上升0.89%，总体呈波动性上升趋势。其中，江苏省2020年食品安全合格率达到99.51%。

2.1.2.2 智慧监管水平

作为核心解释变量，智慧监管水平会对食品质量安全水平产生影响。一方面，采用人工智能技术，将智慧监管引入食品安全领域，无疑拓宽监管渠道、扩大监管业务，发展出新兴的监管新方案。另一方面，智慧监管通过大数据分析技术，精准定位监管对象，高效率分级监管，实现监管部门与消费者合力通过多方面、多角度对食品安全工作监督。试验中用市级智慧监管试点模式平均数量表示各省份智慧监管水平，即“省内各个地市的试点模式数量总和/地市数量”。从各省统计情况来看，各地区智慧监管水平从2016到2020年逐年提升，其中东部发达地区智慧监管水平远高于中西部地区，5年内各省份智慧监管水平均值为0.82，其中最小值为0，最大值为4.062 5。

2.1.2.3 其他控制变量

恩格尔系数。恩格尔系数代表一个地区的食物消费占家庭支出比重，反映食物消费占比和收入水平，收入是粮食质量和数量需求的重要决定因素，相对富裕的省份对食品质量的亲和力较高[15]。

人均可支配收入。消费者会随着收入的增加，对食品质量的要求提高[16]，并且高收入地区相比于低收入地区生态产业的发展水平更高，更加注重食品卫生安全，消费者愿意在食品质量方面支付更多的费用[17]。中国近5年内各省人均可支配收入均呈现增长趋势，平均值为3.14万元。

消费者安全意识。安全意识高的消费者，对食品安全表现得尤为关注。以各省百度“食品安全”及“食物中毒”相关关键词的搜索量表示，5年内最少的省份为0.035 7次/（百万人·天），最大值为0.276次/（百万人·天）。

电商发展水平。电商的出现拓展食品行业销售运输渠道，但也引发诸多难题，买卖方及运输方之间的信息不对称，流通中缺乏检验环节，不利于保障食品链安全[18]。用各省网络零售额代表电商发展水平。近5年，电商产业蓬勃发展，零售额均值达32亿万元。

食品行业产值。使用食品行业企业资产总值表示，食品行业发展水平高的地区往往具有更加严格的监管环境。随着一个地区食品行业规模化和组织化水平的提高，企业将会扩大成本控制方面的优势，较大规模的生产者也更有利于受到市场力量的约束[19]。

2.2 模型构建以及实证分析

2.2.1 模型构建

采用多元线性回归模型，如式（1）所示。

以抽检合格率作为被解释变量，智慧监管水平作为核心解释变量，恩格尔系数、消费者安全意识、人均可支配收入、电商发展水平为控制变量建立多元回归模型，使用聚类稳健标准误进行回归。

如表3所示，模型整体检验的F统计量为3.15，P值为0.007 5，符合线性假设。模型修正后的可决系数为0.117 2。同时对模型进行多重共线性检验，如表2所示，各变量的方差膨胀系数（Variance inflation factor，VIF）值均不超过3，不存在严重的多重共线性问题。

表2 多重共线性检验

2.2.2 回归结果分析

如表3所示，回归结果表明智慧监管水平与食品安全合格率之间存在显著的正向影响关系，证明智慧监管可有效提升食品安全合格率。利用大数据技术可以完美地解决中国生产主体数量庞大、分散且难以将众多食品信息整合的难题，智慧监管系统能够有效整合生产信息，对食品信息进行实时监控和查询，保障生产信息数据实时共享。配合人工智能技术，对食品产业链各个环节中的安全隐患进行监测、跟踪与分析，实现自动化采集、标准化处理、网络化运输等，可以进一步扩展监管范围、降低监管成本。大数据预测机制可以对现有数据进行科学的分析判别、预警分析和舆情监测，结合相关标准设立预警阈值及所掌握的食品信息，对超过该标准的风险因素实现预警，监管部门可及时开展相应的治理措施。智慧监管体系可以通过提高市场监管信息的处理技术，打破监管信息壁垒，增强上下级、同级和区域之间的监管数据的流动性，消除不同层级与地区监管部门的信息不对称，实现从微观监管到宏观监管的提升。另外，智慧监管对市场监管缺陷的弥补又会提高违法动机成本，供应链参与者违法获得的效用将降低，从而从源头遏制食品安全风险动机。

表3 回归结果分析

控制变量恩格尔系数在5%水平上显著为正。伴随着恩格尔系数的下降，居民生活水平提高，对食品的数量和质量会有更高的要求。在智慧监管的模式下，人们对食品安全要求提高，会更愿意发现并检举食品安全问题，反而导致食品安全合格率的上升；消费者安全意识对食品安全合格率表现出显著的正向影响，与以往研究结论相同，安全意识水平较高的消费者会对食品卫生安全表现出更高的关注度，提升消费者的食品安全消费观念，有助于保障食品的质量安全[20]；电商发展水平在5%显著性水平上对食品合格率产生负向影响，信息不对称是食品安全问题产生的根本原因，而网络销售产销和运输等各环节之间无疑存在严重的信息不对称问题，加重食品在传递时的不确定因素，并且食品销售种类多、运输路线繁杂，在运输期间监管控制成本高，难以实现监管[21]；人均可支配收入的影响效果与以往研究相对比，与合格率之间没有表现出非常强烈的显著性关系。可能消费者收入的增加对食品安全水平的促进效果程度不高，同时Zhang等[22]也在研究中表明，一个地区的食品安全水平受政府投入和政府态度影响，而收入并不会对食品安全水平产生显著的正向影响；食品行业产值对食品合格率有正向促进作用，但作用效果并不显著，可能是受限于回归模型的原因。食品工业产值与合格率之间可能并非存在简单的线性关系。张红凤等[23]指出食品工业产值与食品安全风险间存在“倒U型”关系。随着食品行业产值的增加，食品安全风险可能随之增加。随着食品行业的进一步发展，规模化的形成及监管水平的提升又会导致食品安全合格率的提升。

3 结语与政策建议

3.1 结语

明确食品安全监管的薄弱环节是推进食品安全智慧监管的前提与基础。在此基础上，分析食品安全智慧监管的优势与现状，并通过实证分析验证当前智慧监管的实施效果。研究发现，相较于传统监管模式，智慧监管在源头风险监管上存在明显优势，可通过优化监管资源配置、增强问题预警能力与提高监管实施效率提升合格率，实证分析结果也验证这一点。然而面对食品安全监管资源配置与数字化基础双重约束，监管部门需要从食品质量安全风险转移特征出发，结合现阶段食品安全智慧监管实施过程中的各种制约因素，通过寻找食品安全智慧监管的切入点，更加有效地实现技术上的驱动力。