企业投资食品可追溯体系的决策意愿与影响因素研究Word格式文档下载.docx
《企业投资食品可追溯体系的决策意愿与影响因素研究Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《企业投资食品可追溯体系的决策意愿与影响因素研究Word格式文档下载.docx(14页珍藏版)》请在冰豆网上搜索。
![企业投资食品可追溯体系的决策意愿与影响因素研究Word格式文档下载.docx](https://file1.bdocx.com/fileroot1/2022-11/25/074d0470-445f-4ca9-8ee2-1984fb913069/074d0470-445f-4ca9-8ee2-1984fb9130691.gif)
智能体的概念最早出现在1965年著名的Dartmouth会议[9]。
目前智能体已在许多领域被广泛使用,为人们更好地认知复杂问题提供了一个新的实体模型。
随着研究的不断深化,学者们对智能体的认识渐趋一致,Shoham[10]、Lane和Mcfadzean[11]以及Franklin和Graesser[12]认为智能体是具有自主性且能够不断感知环境并与环境互动、掌握控制问题求解的机理,包含信念、能力、选择和承诺等精神状态在内的有机体。
Anand等[13]引入决策理论用于表达智能体理性行为的规则和约束,进一步提出了智能体的行为模型。
目前学界普遍关注智能体内在的决策过程,并由此认识到智能体的决策主要由系统内部通过感知、分析外部环境而综合作出的。
由于企业生产、管理等决策与智能体的决策非常相似,学者们也逐步尝试将智能体的决策理论引入企业决策机理与决策特征的研究中,如Chappin和Dijkema[14]将电力企业作为智能决策系统的本体,融合了电力生产的外部与内部诸多复杂环节,实现了电力生产的智能化决策。
蒋翠清等人[15]在企业原有系统上集成了智能体知识管理系统,初步实现了企业决策过程的智能化。
作为智能体,企业的决策行为是系统内部的活动,决策过程与状态难以直接观察,但是人们希望通过外在的、可直接观察的企业特征来推测出内在的决策状态,而HMM最重要的一个功能就是通过研究系统外在的、可见的状态研究与推测系统内在的,难以观察的状态。
HMM是20世纪60年代末由Baum等人提出的一种基于Markov源或Markov链概率函数的统计信号模型,它是一种用参数表示的、用于描述随机过程统计特性的概率模型。
由于HMM具有特殊的优势,目前已广泛应用于各个相关领域。
典型案例如,Yang等[16]将人的脸部表情作为外部可观察状态,应用HMM依据人脸部表情推测出内心深处隐藏的、难以直接观察的心情。
目前国内外学者主要通过实证方法研究企业食品可追溯体系投资的决策行为。
例如,Heyder等[17]、Schulz和Tonsor[18]分别研究了欧盟和美国食品生产者投资的决策行为,杨秋红和吴秀敏[19]考察了农产品加工企业投资决策的主要影响因素。
在采集实证样本的基础上,学者们一般采用不同的计量工具展开具体的研究。
但在国内为数不多的文献中,主要运用二元Logistic模型进行研究,如周洁红和姜励卿[20]运用二元Logistic模型研究了浙江菜农投资蔬菜可追溯体系的决策意愿等。
虽然近年来国内学者的研究工具不断改进,比如山丽杰等[21]在Logistic模型计量的基础上结合IntervalCensored回归模型,吴林海等[22]运用模糊集理论与决策实验室分析法,分别研究了影响食品生产企业实施可追溯体系的投资意愿与投资水平的主要因素,但仍然具有明显的不足,仍然将企业的投资决策意愿与行为简单地理解为愿意与不愿意两种离散状态,忽视了投资决策的连续性、系统性特征。
前文已述,企业食品可追溯体系的投资决策具有决策过程复杂,影响因素较多的特征(见表1)。
因此本文将影响企业可追溯体系投资决策的所有因素通过发放问卷度量相关变量获得,作为影响其投资决策意愿可见的特征因素,运用BaumWelch算法训练和建立符合该样本的HMM模型,通过Viterbi算法解码并确定最优路径,求得符合建立HMM模型最佳路径的一组数列值,其意义即是食品企业投资可追溯体系决策意愿的形成过程,并由此分析影响投资决策的主要因素。
表1
影响食品企业可追溯体系投资决策行为的主要因素:
文献的归纳
Tab.1
Mainfactorsthataffectfoodenterpriseinvestmentdecision-makingbehavioronthetraceabilitysystem:
summaryoftheliterature
代码
影响因素
主要文献
Code
Influencingfactors
Mainryliterature
H1
投资生产的预期收益
Caswell等[24];
Meuwissen等[23];
Banterle等[25]
H2
政府监管与支持政策
Golan等[2];
杨秋红和吴秀敏[19];
Schulz和Tonsor[18]
H3
国际市场的需求
SouzaMonteiro和Caswell[26];
Wang
H4
食品安全质量认证体系的实施
Banterle等[4];
吴林海等[28]
H5
垂直一体化程度
H6
管理者特征(学历)
SouzaMonteiro和Caswell[26]
H7
管理者特征(年龄)
Wu等[5];
H8
管理者特征(性别)
H9
企业从业规模
Buhr[29];
Golan等[30];
Sodano和Verneau[31]
H10
企业销售规模
2
文献回顾与研究假设
学者们对影响企业食品可追溯体系投资决策行为的主要因素展开了大量的先驱性研究。
表1是近年来有代表性的研究文献。
据此本文将影响企业可追溯体系投资决策行为的主要因素可归纳为如表1所示的十个方面。
(1)净收益预期。
Meuwissen[23]认为与普通食品生产相比,企业投资食品可追溯体系必然需要增加额外的生产成本。
Caswell等[24]和Banterle等[25]认为生产企业食品可追溯体系的投资决策内在地取决于其投资的净收益,收益应该至少能弥补成本;
如果成本过高或预期收益不确定就可能影响企业的投资决策。
由此建立假设:
H1:
净预期收益影响投资决策意愿。
(2)政府食品安全监管力度和食品可追溯体系的支持政策因素。
Schulz和Tonsor[18]的研究表明,政府的支持措施、惩罚手段等影响了美国母牛生产者可追溯体系的投资意愿。
Golan等[2]、杨秋红和吴秀敏[19]的研究还认为,政府的政策扶持可以帮助企业降低成本,影响企业可追溯体系投资的积极性。
H2:
政府监管与获得政府支持、政策激励的企业投资愿意更强。
(3)可追溯食品的国际市场需求。
SouzaMonteiro和Caswell[26]的研究表明,出口到英国的葡萄牙农场梨业愿意投资更高标准的可追溯体系。
Wang等[27]对中国广东省和海南省的渔业生产进行了实证分析,表明可追溯体系的投资意愿与渔类产品是否出口其呈正相关。
H3:
出口产品占主导的企业更愿意投资。
(4)食品生产的质量认证体系。
Banterle和Stranieri[4],吴林海等[28]等研究发现,相比未执行任何质量认证体系的食品企业,已经执行了某些质量认证体系的企业投资可追溯体系的成本更低,具有更强的投资资源。
H4:
实施了食品质量体系认证的企业更愿意投资。
(5)生产企业的垂直一体化程度。
Banterle等[25]等对意大利肉制品加工表明,食品供应链垂直一体化的程度影响了可追溯体系的成本,垂直一体化程度越高的企业实施可追溯体系的成本越低。
H5:
垂直一体化程度越高的企业投资决策意愿越高。
(6)生产企业的管理者特征。
SouzaMonteiro和Caswell[26]对葡萄牙梨产业农场业主的研究认为,管理者的年龄、学历明显影响梨产品的可追溯性水平。
H6:
学历越高的管理者投资决策意愿越明显;
H7:
年龄介于35-45岁间的管理者决策投资的意愿更高;
H8:
男性管理者更倾向于决策投资。
(7)生产企业的规模因素。
Buhr[29]对六个欧洲生产团体的研究表明,消费需求推动了可追溯体系作为一种提高供应链管理水平的主要方式而被推广。
Golan等[30]的研究认为,如果食品企业相信消费者愿意为可追溯食品支付更高的价格,则其更愿意投资。
Sodano和Verneau[31]对意大利番茄加工企业的调查表明,企业投资可追溯体系的收益与从业人员规模成正相关性。
H9:
企业从业人员规模越大投资意愿越强;
H10:
企业销售收入越高投资意愿越强。
进一步分析,可以将影响企业可追溯体系投资决策行为的主要因素归纳到图1,可以清晰地看出,可追溯体系投资的决策受到内部因素、外部因素和经济因素等多种复杂因素的综合影响。
3
案例选择与HMM的构建
3.1
问卷设计与变量测量
为保证调查的科学性和针对性,作者设计了初步的调查问卷,并在江苏徐州市丰县选择了5家不同特点的果蔬加工企业进行了预调研,在取得经验、修正问卷并测量变量的基础上展开了深度调查。
调查于2012年7-8月间进行,面向徐州市所辖的丰县、沛县、睢宁县等三县所有规模以上的果蔬加工企业,共发放157份问卷,收回有效问卷114份。
具体变量设计与测量方法如下:
(1)企业产品出口。
二个问项:
“1”、“2”分别表示生产的果蔬品是否出口海外。
(2)企业感知政府监管和获得政府的政策支持。
三个问项:
“1”、“2”、“3”分别表示企业获得政府的资金支持、技术指导与培训、感知政府的监管力度。
(3)企业投资的净收益预期。
“1”、“2”、“3”分别表示企业投资预期理想、一般、不理想。
询问企业是否执行了质量认证体系,对执行认证体系的企业继续询问执行的质量认证体系类型,包括ISO认证体系、良好生产规范(GMP)、卫生操作规范(SSOP)、危害分析与关键控制点体系(HACCP)与无公害农产品、绿色食品、有机食品等认证体系。
“1”、“2”、“3”分别表示已执行、没有执行、正在申请。
(5)企业的垂直一体化程度。
企业与上下游生产者签订产品销售或收购合同,有比较固定且可控的上下游合作伙伴,则其垂直一体化程度比未签订产品销售或收购合同的企业高。
“1”、“2”、“3”分别表示较高、较低、不清楚。
图1
影响企业可追溯体系投资决策行为的主要因素
Fig.1
Majorfactorsaffectingenterprises'
decision-makingbehavioroninvestingtraceabilitysystem
(6)企业管理者特征。
本文所指的管理者专指企业总经理。
在学历、年龄与性别三个层次来考察,学历层次上的三个问项:
“1”、“2”、“3”分别表示硕士和博士研究生,大专与本科,高中(含中等职业);
年龄层次的三个问项:
“1”、“2”、“3”分别表示在35-40岁之间、40-45岁之间、45-50岁之间;
性别层次用“1”、“2”、分别表示男、女。
(7)企业的规模。
从业人数规模层次,三个问项:
“1”、“2”、“3”分别表示300人以下、300-2000人之间、2000人及以上;
产品销售规模层次,三个问项:
“1”、“2”、“3”分别表示3000万元以下、3000万元-3亿元之间、3亿元及以上。
(8)企业可追溯体系的投资意愿。
“1”、“2”、“3”分别表示愿意、不愿意、尚不清晰。
3.2
决策意愿HMM模型的构建
企业投资食品可追溯体系决策意愿的HMM可由下列参数定义[32]:
(1)N:
模型中隐Markov链的状态数目,即企业食品可追溯体系投资决策状态数。
为简单起见,设定为愿意,有点愿意,犹豫徘徊,不太愿意和不愿意五种状态。
记企业对于投资可追溯体系的决策意愿状态为θ1,θ2,…,θN,记t时刻企业对于可追溯体系的投资决策意愿状态为qt,显然qt属于{θ1,θ2,…,θN}。
(2)M:
企业所有特征因素对应的观察值数目。
记m个企业外部特征观察值为V1,V2,…,Vm,t时刻的企业外部特征观察值为Ot,显然Ot属于{V1,V2,…,Vm}。
(3)π:
企业食品可追溯体系投资决策的初始概率矢量,π={π1,π2,…,πn},其中:
πi=P(q1=θi),1≤i≤N.
(4)A:
企业食品可追溯体系投资决策状态转移的概率矩阵,A=(aij)N×
N,其中,aij=P(qt+1=θi|qt=θi),1≤i,j≤N.
(5)B:
企业所有特征观察值转移概率矩阵,B=(bjk)N×
M,其中,bjk=P(Ot=Vk|qt=θj),1≤j≤N,1≤k≤M。
因此,一个生产企业食品可追溯体系投资决策状态的HMM可表达为:
λ=(N,M,π,A,B),简写为λ=(π,A,B)。
由此可见,企业投资食品可追溯体系决策的HMM可以分为两个部分,第一个是Markov链,由(π,A)描述,产生的输出为企业投资食品可追溯体系决策的状态序列;
另一个是随机过程B,产生的输出是企业所有特征观察值序列,见图2。
本文假设企业投资食品可追溯体系的决策状态分为愿意、有点愿意、徘徊、有点不愿意、不愿意等五种状态,其Markov链如图3所示,企业间的投资决策状态相互影响,若某个企业投资可追溯体系获得了高收益,其他企业就会效仿。
因此,企业的投资意愿更应该看做是一个智能的,连续的过程。
调查问卷中关于企业特征的问题答案对应为同意、不同意、不清楚三种情况。
企业回答问卷时经过理性分析,最后将选择的答案填写在问卷上。
按照对企业投资可追溯体系的决策意愿和企业所有特征的分类,便于后续计算,用表2所示分别予以编号。
图2
企业投资食品可追溯体系决策状态的HMM
Fig.2
Enterprises'
HMMofdecision-makingstateforinvestmentinfoodtraceabilitysystem
图3
企业投资决策意愿变化的五状态的Markov链示意图
Fig.3
Five-stateMarkovchaindiagramofenterprises'
changeofintentiononinvestment
\表2
企业投资可追溯体系的决策意愿和企业所有特征的分类编号表
Tab.2
decision-makingoninvestingtraceabilitysystemandclassificationtableofenterprises'
characteristics
决策意愿状态编号
决策意愿状态描述
所有特征因素编号
所有特征因素描述
Numberofdecision-makingstate
Descriptionofdecision-makingstate
Numberofallcharacteristicfactors
Descriptionofallcharacteristicfactors
1
愿意
同意
2
有点愿意
不同意
3
徘徊
不清楚
4
有点不愿意
-
5
不愿意
4
基于HMM的计量分析
本文从总体样本中顺序抽取一半的数据进行模型训练,而另一半数据则带入训练出的模型,检验模型的合理性,并通过似然值LL来确定模型是否可靠,LL值越大说明越可靠。
由于LL值不可能达到理论最优值0,而本文的LL值到达到了-10,则可以认为模型效果比较理想,最后通过Viterbi解码求得企业投资决策的最优意愿。
4.1
建立所有特征观察值矩阵及模型参数估计
将数据统计输入,构成一组N×
N矩阵用于模型训练。
在此基础上,根据企业所有特征观察值序列生成HMM,企业所有特征观察值序列代表的是HMM中的一个已知的集合。
参数估计是HMM中的关键问题,模型设计是否合理最终体现在HMM能否收敛,而参数估计准则是将企业所有特征观察值序列O=(o1o2
…ot),通过Baum-Welch算法,得出所有特征观察值序列概率P=(O|λ)为最大的参数。
定义企业所有特征观察值序列前向变量为:
αt(i)=P(o1,o2,…,ot,qt=θi|λ),1≤t≤T
(1)
由上式可得,企业所有特征观察值序列概率:
(2)
该式中求取λ使得企业所有特征观察值序列概率P(O|λ)最大,由于给的观察值序列即样本数量有限,不存在一个最好的方法来估计λ,这时,利用Baum-Welch算法,使企业所有特征观察值序列概率P(O|λ)局部极大,得到HMM的参数λ=(π,A,B),最后由重估公式(Restimation)[32]可得:
其中,
是重估之后企业投资可追溯体系的决策意愿的初始概率矢量,
是重估后的企业投资可追溯体系的决策意愿状态转移概率,
是企业所有特征观察值转移概率。
基于HMM的企业投资可追溯体系的决策意愿模型的参数λ=(π,A,B)的求取过程为,根据企业所有特征观察值序列O训练的初始模型λ=(π,A,B),由重估公式(3)、(4)和(5)式求得一组新的HMM,由此组成一个新的基于HMM的企业投资可追溯体系的决策意愿模型
,并可计算重估后的所有观察值序列概率P(O|
)。
若该概率小于P(O|λ),则说明参数模型理想;
若该概率大于P(O|λ),则说明模型参数不理想,必须再重复以上求取HMM参数的过程,逐步改进模型参数,直到P(O|
)小于P(O|λ),并且收敛到一个小于P(O|λ)的值,此时
即为所求模型的合理参数。
4.2
模型解码
采用Viterbi算法寻求生产企业投资可追溯体系的决策最优意愿,求解这个模型的最优路径。
4.2.1
初始化
将企业投资可追溯体系的决策意愿的初始概率矢量πi与企业所有特征观察值转移概率bi相乘,得到初始化路径δt(i)。
δ1(i)=πibi(O1),1≤i≤N
(6)
φ1(i)=0,1≤i≤N
(7)
4.2.2
递归
将初始化的路径值δt(i)与企业投资可追溯体系的决策意愿状态转移概率aij相乘,取最大值再与企业所有特征观察值输出转移概率bj(ot)相乘,得到当前路径最大值δt(j)。
4.2.3
终止
求出企业投资可追溯体系的决策意愿的最大概率P*以及最大概率对应的企业投资可追溯体系的决策意愿状态序列qT*。
4.2.4
状态序列求取
利用递归的思想反向求出企业投资可追溯体系决策意愿的最优路径。
qt*=φt+1(qt+1*),t=T-1,T-2,…,1
(12)
图4
概括了以上企业投资可追溯体系决策意愿的最优路径的求解过程。
企业投资可追溯体系决策意愿的最优路径
Fig.4
Theoptimalpathofenterprises'
decision-makingoninvestingtraceabilitysystem
4.3
仿真分析
本文在训练HMM模型时,利用Baum-Welch算法,通过使概率P(O|λ)达到局部最大值来得到模型λ=(π,A,B)的参数。
但由于样本较少,本文则采用导出的Baum-Welch算法中的重估公式(3)、(4)、(5)进行计算并获得一组新的参数
,即一个新的模型
。
新模型得到的P(O|
)>P(O|λ)[29],也就是新模型
比原模型λ=(π,A,B)在对观测值序列O=V1,V2,…,Vm的解释更好。
故可以通过以上步骤的不断重复,逐步改善模型中的参数,直到概率P(O|
)>P(O|λ),则模型收敛,届时模型
即为我们所求。
图5
企业可追溯体系投资意愿影响因素分析
Fig.5
Influencingfactorsonenterprises'
intensiononinvestingtraceabilitysystem
5
主要结论与研究展望
图5中纵坐标表示企业决策意愿状态,编号1、2、3、4、5与表2中愿意、有点愿意、徘徊、有点不愿意、不愿意等五种状态相对应;
横坐标表示迭代次数。
基于图5可作出如下分析并归纳出相应结论:
(1)图5清晰地表达了作为智能体的企业投资决策意愿的心理活动,即使企业有很强的投资可追溯体系决策意愿,伴随其前后均有意愿很弱的状态,非常相似于人的决策特征。
这证实了企业的投资决策并不是简单的是与否的过程,而是一个由多种因素交织影响的过程,当某个因素占主导作用时,其可追溯投资决策意愿就会发生明显变化。
(2)图5中H1、H2、H3三因素决策投资意愿比较强烈,可见净收益预期、政府的食品安全监管力度与支持政策以及国际市场的需求等是影响企业投资决策的最重要因素。
食品可追溯体系的层次越高,则提供安全信任属性的信息越全面,投入成本相应越高[24]。
保证收益增长是企业投资决策的基点[23],食品生产者投资决策行为的改变主要是从食品可追溯体系中获得了经