标题 | 消费者对不同安全信息属性可追溯猪肉偏好的研究 |
范文 | 朱淀 浦徐进 高宁
摘要 食品可追溯体系是通过在供应链上形成可靠且连续的安全信息流,从而确保食品具备可追溯性,以克服由信息不对称所引起的食品安全风险。由于建立完整的可追溯信息体系必将增加食品的成本,并传导到价格之上,未必能满足消费者偏好。针对消费者偏好,选择实验是当前研究的主流方法。由于选择实验存在不相关独立选择的偏误,本文以河北省唐山市1 200位猪肉的消费者为案例,设定生猪养殖场信息、食用的饲料信息、屠宰信息、猪肉加工信息、猪肉防腐剂使用信息以及贮存信息等六种可追溯安全信息,以20位专业人士对可追溯猪肉成本的估计为基准,上下浮动10%,设定三个价格层次,引入菜单选择实验就消费者对不同可追溯安全信息的偏好作出实际调查,以克服选择实验存在的缺陷。在此基础上,进一步引入潜类别分析方法,研究了消费者群体对可追溯猪肉不同安全信息属性的偏好。潜类别分析的配适性检验结果显示,消费者可以分为“高级”、“中级”、“低级”三类群体。其中,低级消费者可能性最大,其次为高级消费者,中级消费者的可能性最小。这表明,中国的消费者群体存在两极分化。高级消费者群体多数关注生猪养殖场、生猪饲料以及猪肉加工安全信息属性;中级消费群体多数关注生猪养殖场与猪肉加工安全信息属性;低级消费者群体只关注猪肉加工安全信息属性。生猪屠宰场、是否使用防腐剂、贮存猪肉的冷库三个安全信息属性不是主要被关注的属性。为防范食品风险并满足消费者偏好,本文在模型结果的基础上提出了,中国需要建立不同层次(包含不同完全信息属性)的猪肉可追溯体系,提供生猪饲养、猪肉加工两类安全信息则是建立可追溯体系的必备前提。同时,本文指出,需要从政府、企业、消费者在食品可追溯体系中的基本特征与功能定位出发,探索并形成额外生产成本的合理分担机制。 关键词 可追溯猪肉制品;安全信息;消费偏好;菜单选择;潜类别分析 中图分类号 C939 文献标识码 A 文章编号 1002-2104(2015)08-0162-08 doi:10.3969/j.issn.1002-2104.2015.08.020 食品可追溯体系是通过在供应链上形成可靠且连续的安全信息流,从而确保食品具备可追溯性,以便监控食品生产过程与流向且通过追溯来识别问题源头和实施召回的有机系统[1-3]。食品安全是一个全球性难题[4],但自20世纪90年代中后期开始,欧盟、美国、日本等国家通过实施食品可追溯体系在防范食品安全风险方面取得了显著成效[1]。我国自2000年起探索性地建设食品可追溯体系,但目前尚未见实质性的起色[3,5-6]。 究其原因在于,与普通食品相比较,生产具有安全信息属性(Attributes)的可追溯食品会显著增加成本[3,7],增加的成本高低取决于所包含安全信息的完整程度,即取决于安全信息属性的层次(Levels)高低,并最终体现在可追溯食品的市场价格上。虽然可追溯体系有助于消费者识别食品安全风险[8],但由于受到价格属性的影响,消费者对具有不同层次安全信息属性可追溯食品的偏好并不相同,不同消费群体对安全信息属性的需求存在着差异,并不是所有的消费群体均偏好安全信息完整的可追溯食品[9,3]。因此从实际出发,生产具有不同层次安全信息属性的可追溯食品,满足不同消费群体的不同需求,就成为我国建设可追溯体系的一个重要环节。本文将以可追溯猪肉为切入点,以河北唐山市1 200个消费者调查为案例,综合运用菜单选择实验与潜类别分析(Latent Class Analysis,LCA)等工具对不同消费群体的偏好作出研究。 1 文献回顾与评论 理论界对普通商品的属性与属性层次内涵的认识已取得共识。某一商品不同属性(Characters)的定位(Positions)与属性相应层次的认识是消费者评价该商品的具体标准[10]。虽然不同的可追溯食品所包涵的安全信息并不相同,但就其本质而言,可追溯食品的安全信息所应包涵的基本安全属性应具有内在的一致性。欧盟委员会在EC178/2002条例中[11]对此专门指出,完整的可追溯食品应涵盖原产地、生产、加工、流通、销售与消费等主要环节与质量担保等安全信息属性。然而,学术界对具体的可追溯食品,比如动物制品应包涵的基本安全信息属性在理解上却争议很大。Sparling等认为动物原产地信息包含从养殖、加工到最后销售的整个供应链过程的所有信息[12],而Hobbs则认为原产地信息仅指动物养殖环节的相关信息[13]。马从国等从我国的实际出发,认为生猪的饲料来源信息、屠宰场信息、贮藏信息应包含于可追溯猪肉制品的安全信息属性体系之中[14],而张可等则认为可追溯猪肉制品的安全信息应包含生猪的养殖场、屠宰场与猪肉制品的生产、加工、贮藏、运输等各阶段信息[15]。 朱淀等:消费者对不同安全信息属性可追溯猪肉偏好的研究 中国人口·资源与环境 2015年 第8期 上述文献是基于食品安全角度对安全信息属性作出的规范定义,与消费者偏好并不完全一致。目前,国内外学者研究此类消费偏好的常用方法是假想价值评估法(Contingent Valuation Method,CVM)与联合分析法(Conjoint Analysis,CA)。相对而言,CVM操作较为简便灵活且成本较低[16],目前已广泛地应用于消费者对具有不同属性组合的可追溯食品消费偏好的研究中[13,17-19]。然而,就研究消费者对不同可追溯食品消费偏好而言,CVM具有自身难以克服的缺陷,主要表现在设计程式不能为消费者提供不同可追溯食品所具有的不同属性组合的具体细节,从而使消费者难以在比较中,选择符合自己消费偏好的可追溯食品[20],并由此产生偏误[21]。作为封闭投票式(Referendum Closedend)CVM的拓展[22],联合分析法设计程式弥补了CVM的缺陷,而且由于在联合分析法设计中引入价格属性(通常会被消费者赋予较高权重[23],使其模拟结果与显示性偏好方法(Revealed Preference)相比并无显著差异[24-25]。因此,联合分析法被认为是研究消费者对不同可追溯食品消费偏好的最好工具之一[26-27]。 依据设计程式可将联合分析法分为等级基础联合分析(RatingsBased Conjoint,RBC)与选择基础联合分析(ChoiceBased Conjoint,CBC)两种。Bernabéu和Tendero、Gaspara等、Schnettler等以及Furnols等利用等级基础联合分析分别研究了希腊、西班牙、智利、法国以及英国的消费者对可追溯肉类制品的偏好,发现品种、原产地信息、动物福利以及饲料信息是消费者最关注的安全信息属性[28-31]。Mennecke等以及Abidoye等则利用选择基础联合分析研究了美国消费者对牛肉制品安全信息属性的偏好,几乎一致地发现原产地信息受到更多消费者关注[32-33]。 然而,经过进一步分析,我们可以看到,联合分析法的研究框架虽然是研究消费者偏好的主流工具,但可能存在设定偏误。在利用联合分析法进行的相关研究中,虽然可以通过正交分析法或因子分析法设置问卷,缩小消费者选择集,以提高消费者选择效率,但是Luce提出的不相关独立选择为联合分析法的重要假设前提[34],由不相关独立选择假设所导致的偏误难以避免[35]。并且,目前的研究大多假设消费者是一个整体,而相对忽略了消费者偏好个体以及群体差异。另外,目前的研究大多以国外消费者为研究对象,由于消费文化是消费偏好的决定性影响因素,因此相关研究结论在中国不具普适性。为减小不相关独立选择假设所导致的偏误,并弥补相关文献对消费者偏好群体差异研究的缺失,以及研究者对发展中国家消费者偏好的忽视,本文以中国消费者为研究对象,综合利用菜单选择实验方法[36]结合LCA,对消费群体偏好的群体差异作出分析。 2 消费者群体偏好的分析框架 与传统的消费者效用(Utility)理论假设不同,Lancaster认为,不同的商品可能具有相同的属性,但商品不同属性的有机结合使其有别于其他商品,效用源自商品所具有的属性与属性组合[37]。根据Lancaster效用理论,可追溯食品应该是安全信息属性与普通食品一般属性的有机结合[38]。等级基础联合分析与选择基础联合分析的程式是由实验者在不同层次安全信息属性与一般属性各种可能组合中,基于最大差异化原则给出可追溯食品的有限选择集,消费者只在选择集中选择最优属性组合,而一旦当这一组合置于其他选择集中,消费者不一定会选择相同的组合,由此可能产生偏误。菜单选择实验法是由消费者在给出的可追溯食品属性菜单中挑选出最优属性组合,可以弥补等级基础联合分析与选择基础联合分析的选择集有限的缺陷。 基于菜单选择法的程式,假设市场上有N个消费者;J个可追溯食品的安全信息属性;M个可供消费者选择的安全信息属性组合;Yij表示第i个消费者对第j个安全信息属性的选择结果,Yij=0表示第i个消费者未选择第j个安全信息属性,Yij=1表示第i个消费者选择了第j个安全信息属性。Yi=(Yi1,Yi2,...,YiJ)为第i个消费者的安全信息属性组合选择向量。进一步假设消费者i选择第m个属性组合的效用(Uim)包括两个部分[39]:第一项是确定部分Vim,由安全信息属性组合的效用构成;第二项是随机项εim,即: Uim=Vim+εim(1) 消费者选择第m个安全信息组合是基于Uim> Uin ,m≠n,从而消费者选择第m个安全信息属性组合的概率为: Pim=prob(Vim+εim>Vin+εin;m≠n)=prob(εin<εim+Vim-Vin;m≠n)(2) 如果εim服从类型1的极值分布,并把消费者选择的所有属性组合作全排序,则(2)可转化成无序Logistic模型(Mutinomial Logistic)[40]。至此,相关模型有两个选择:第一,不考虑消费者偏好的个体或者群体差异,只考察全体消费者对每一个安全信息属性的偏好参数;二是承认消费者的个体差异,基于消费者连续性假设采用多层贝叶斯推断(Hierarchical Bayes,HB)估算出每一个消费者对安全信息属性的偏好参数[41],但Ortego等认为相关偏好参数并无实质意义,因此本文选择把概率作为参数的简化替代方案[42]。 与多层贝叶斯推断一致,本文也认可消费者对具有不同安全信息属性的食品偏好存在差异,不同之处在于本文更倾向于消费者偏好的非连续性假设,即消费者偏好存在群体性差异。LCA方法更合适研究群体性差异。为此,本文进一步假设消费者选择可追溯食品安全信息属性组合在不同的类别t水平条件下是相互独立的,则(2)式可表示为Yij联合条件概率密度,即: Pim=∑Tt=1P(Xi=t)ΠJj=1P(Yij|Xi=t)(3) 其中,Pim表示第i个消费者选择某一可追溯食品信息组合的概率,P(Yij| Xi=t)为第i个消费者属于第t类消费群体条件下选择第j个可追溯食品信息的概率,P(Xi=t)为消费者i属于第t个潜类别的概率,由贝叶斯公式可得相应的分类概率为: P^imt=P(Xi=t)×ΠJj=1P(Yij|Xi=t)∑Tt=1P(Xi=t)ΠJj=1P(Yij|Xi=t)(4) 3 食品案例的选择 基于食品品种繁多难以一一列举,本文首先选择肉类制品为重点研究领域。原因在于,肉类制品一直是全球消费量最大的食品。2008年全球肉类制品的销售额超过3 500亿美元,居世界食品消费额的首位[43]。但肉类制品也是安全事故频发的主要食品之一,震惊世界的疯牛病和“二恶英”污染均是肉类制品。中国是猪肉类制品的生产和消费大国。2012年中国猪肉产量为5 355万t,占世界猪肉产量的45%左右;人均猪肉消费量为38.7 kg,占全球猪肉消费总量50.2%左右。猪肉对中国食品安全具有重要战略意义,不仅关乎国内消费者的健康安全,而且影响世界猪肉市场的安全水平。但是猪肉是中国发生质量安全事件最多的食品之一,2013年3月发生在中国上海的“黄浦江死猪事件”危及面更广,大量的病死猪被丢弃至黄浦江中,在国际上被戏称为“免费的排骨汤”。猪肉发生的一系列事件折射出中国猪肉生产、供应与消费乃至整个供应链体系中,隐藏着巨大的风险。建设与完善适合于中国国情的猪肉可追溯体系迫在眉睫。正因如此,本文的研究主要以可追溯猪肉为案例,展开消费者对不同层次安全信息属性与属性组合的可追溯猪肉制品的消费偏好研究。 我国目前猪肉的安全风险主要发生在生猪养殖、屠宰加工、流通销售等环节上。生猪养殖环节的风险突出地表现为环境的恶化导致疫情的频发与疫病防控水平偏低、饲料中违规使用兽药与相关激素添加剂等,私屠乱宰、制售病死猪肉和注水肉等则是在屠宰加工环节主要风险隐患,而在流通销售环节中也存在着温度控制不当、环境不洁、包装材料使用不当而导致微生物滋生腐败等。结合我国实际商务部可追溯试点城市的经验,基于全程可追溯的基本特征,可追溯猪肉制品至少是以下一种或多种安全信息属性的组合:生猪养殖场信息(Y1)、食用的饲料信息(Y2)、屠宰信息(Y3)、猪肉加工信息(Y4)、猪肉制品防腐剂使用信息(Y5)以及贮存信息(Y6)。这六种信息完整地反映了从生猪养殖、屠宰、加工与运输的全程产业链上可追溯猪肉制品的所有信息属性,其中Y1与 Y2反映了生猪肉的健康问题[13],Y3、Y4、Y5和Y6反映了猪肉生产过程中的卫生问题[14]。可以认为,最高水平的可追溯猪肉制品至少应完整地包含上述六种安全信息。 4 食品品种的选择 4.1 调查地区 样本数据是基于唐山市消费者所进行的实验调查。河北唐山市是我国华北地区具有重要影响的城市,不仅是经济较为发达的城市,也是典型的消费性城市,更处在重要的社会转型期,且市民收入水平持续攀升,对可追溯食品具有较强的需求。以唐山消费者为案例,可以大体刻画华北地区消费者对包含不同安全信息可追溯猪肉制品的消费意愿。 4.2 问卷设计 依据菜单选择实验方法,需要对可追溯猪肉制品不同安全信息属性设置不同的价格层次。对此,调查员实地走访了生猪饲养、屠宰、加工厂商与销售单位,请20位熟悉可追溯体系的专业人员对包含不同安全信息属性的可追溯猪肉制品的生产成本进行估算,生产包涵6种安全信息属性的可追溯猪肉增加的成本平均约为3.99元/0.5 kg,增加一个安全信息属性的成本取平均值0.67元/0.5 kg。以此为标准,价格上下浮动10%分别为0.60元与0.74元。在此基础上,通过每个属性与价格层次的不同组合,每位消费者共设计了10个任务。任务样例如图1所示。 图1 消费者安全信息属性菜单选择任务示例 Fig.1 Sample task of consumers safety information attributes choice 4.3 调查方法 为确保问卷的可行性,作者首先在唐山市区进行了小规模的预调查。考虑到可追溯猪肉的销售终端主要是超市,因此选择在超市购买猪肉的消费者作为调查对象。在预调查的基础上进行修正,并最终确定了正式的调查问卷。为减少消费者因文化层次的影响或理解上的偏差,确保实验问卷取得真实有效信息,调查由经过训练的调查员在超市随机选择消费者,并通过一对一的直接访谈方式当场进行。在消费者选择后,调查员根据消费者的选择当场计算出总价,然后询问消费者是否修改原有选择,直到消费者不再改变为止。调查在2012年4月进行,共调查1 250位消费者,回收有效问卷1 200份。 5 模型结果 5.1 模型的拟合和选择 构建联合概率极大似然估计函数,进行模型的配适性检验,结果见表1。 表1 潜类别分析配适检验 Tab.1 Tests of latent class adaption 表1中G2为极大似然概率值所导出的模型适配估计值,G2=2∑64S=1fimlnfimf^im, fim为观察次数, f^im为期望观察次数。G2值决定了模型的优劣好坏[44]。从表1可以看出G2检验没有拒绝原假设(P>0.05),表示可建立潜在类别分析。Lin指出,当样本数达到数千人以上时,应该以BIC指标为准[45]。本文研究的样本数为1 200,则主要采用BIC指标且结合考虑AIC指标。当潜类别数为3时,BIC为最小值,AIC较小且模型较为简洁(df =43),表明当潜类别数为3时,模型最适配于观察资料,故选择包含3个潜类别作为分析的理想模型。 5.2 模型参数估计 根据(3)式构建潜类别极大似然估计函数,分别计算出消费者选择六种可追溯属性的条件概率Pim、标准差(括号中)以及潜类别概率,结果见表2。 由表2可以发现,在不对消费者进行分类的情形下,依照总体选择概率,消费者对可追溯猪肉六种安全信息属性的偏好排序为: Y2、Y3、Y4、Y5、Y1、Y6,且没有一个属性被选择的概率超过50%。而在进行分类的情形下,类别1的消费者选择Y1、Y2、Y4的条件概率分别为0.868 9,0.999 9,0.571 7,选择的概率均超过了50%;类别2的消费者选择条件概率超过50%的有Y1、Y4,分别为0.842 5,0.999 9;类别3的消费者只有Y4超过了50%。基于多数原则并按照选择属性的多寡,本文将类别1、类别 2、类别3分别定义为“高级”,“中级”和“低级”可追溯猪肉消费群。进一步分析,还可以发现: 第一,随机选择一个消费者,属于“高级”、“中级”和“低级”消费者群体的概率分别是32.36%、22.76%以及44.89%,说明任意一个消费者属于低级可追溯食品消费群可能性最高,其次是高级可追溯消费者群体。这也表明中国消费者以低级消费群体为主,同时存在着可追溯猪肉消费两极分化的现象。 表2 潜类别概率参数估计 Tab.2 Parameter estimates from LCA 第二,猪肉加工环节的安全信息是所有消费群体主要关注的安全信息属性。健康饲养的生猪并不意味着安全的猪肉,安全性还同时取决于生产的卫生条件和屠宰加工过程对病菌的控制等。由于近来猪肉加工环节食品安全事件较多,可能导致所有消费群体均密切关注这一安全信息属性。这与董银果等、Clemens以及Verbeke的有关消费者对生肉加工环节安全信息非常关注的研究结论相吻合[46-48]。 第三,除猪肉加工安全信息属性外,生猪养殖场安全信息属性受到高级与中级消费者群体共同关注。Hobbs以及Loureiro对牛肉的研究均表明,牛肉的原产地信息是消费者比较关注的肉类可追溯信息[16,49]。本文生猪养殖场安全信息已经包含原产地信息,因此从这一意义上本文的结论与Hobbs以及Loureiro结论相似。需要指出的是,在给定额外价格支付条件下,生猪养殖场安全信息不是低级消费群体主要关注属性。这说明了低级消费群体对于猪肉内在健康品质的重视程度并不高,低级消费群体更关注猪肉加工商此类涉及猪肉卫生安全的信息属性。 第四,只有高级消费者群体多数关注生猪饲料安全信息属性。时沁峰的研究表明,生猪饲料里的有害物质会直接影响猪肉的安全性,通过饲料污染导致猪肉不安全的可能性最大,消费者对于生猪饲料供应安全信息属性也有较高的支付意愿[50]。本文的结论不同在于,高级消费者群体才是关注生猪饲料安全信息属性的主要群体。Roosen的研究结果表明,欧洲消费者比较关心生肉的原产地信息和饲料信息[51]。这与本文得出的高级消费者群体同时关注饲养场安全属性信息以及生猪饲料的安全信息相似,说明我国的高级消费者群体对于可追溯肉类的消费观念意识与欧洲消费者的比较相近。 第五,生猪屠宰场、是否使用防腐剂、贮存猪肉的冷库三个安全信息无论是总体上,还是各消费者群体均不是主要被关注的属性。这与马从国提出可追溯信息应该包含该三种信息[13]的结论不同,说明消费者对这三个环节的食品安全风险容忍度较高。同时,也与Dickinson提出的消费者同时关注猪肉是否使用防腐剂的增强食品安全信息[52]的结论不同,说明国内消费者对于猪肉防腐剂的危害了解并不多,也同时说明国外研究者的研究并不能完全适用于中国国情。 6 结论与政策含义 本文利用菜单选择法考察了河北唐山市1 200个消费者对可追溯猪肉安全信息属性的偏好,通过LCA研究表明:消费者偏好存在着群体性差异。依据消费者群体的不同偏好,消费者在本文中被分成“低级”、“中级”和“高级”三类群体,其中低级消费者群体潜类别概率最高,其次是高级消费者群体;不同层次的消费群体对安全信息属性的需求并不一致,高级消费者群体多数关注生猪养殖、生猪饲料以及猪肉加工安全信息属性,中级消费群体多数关注生猪养殖与猪肉加工安全信息属性,而低级消费者群体只关注猪肉加工安全信息属性。 由此可见,建立不同层次(包含不同完全信息属性)的肉制品可追溯体系符合中国的客观现实,而其中提供生猪饲养、猪肉加工两类安全信息是建立可追溯体系的必备前提。食品生产者应该生产不同层次的可追溯食品以满足不同层次的消费者需求。这既是食品工业结构转型的内在需要,更是确保食品安全的客观需要。由于增加安全信息属性必将导致猪肉价格上升,并基于目前消费者个体收入难以在短时期内大幅度提高的现实,所以从政府、企业、消费者在食品可追溯体系中的基本特征与功能定位出发,探索形成合理的额外生产成本分担机制,就成为可追溯食品市场建设重要手段。在三者中,政府是食品安全的监管主体。为提升中国猪肉的质量安全水平,在可追溯体系建设初期,一个最现实的选择是通过财税政策补贴食品生产者,以降低可追溯食品的生产成本。此外,需要加强对食品可追溯体系及其功能的宣传普及,比如消费者如何查看和理解可追溯标签的信息,如何投诉与维权等,以提高消费者对食品可追溯体系的认知水平,合理引导消费者逐步提高可追溯食品的需求。 (编辑:刘呈庆) 参考文献(References) [1] Regattieri A, Gamberi M, Manzini R. Traceability of Food Products: General Framework and Experimental Evidence[J]. Journal of Food Engineering, 2007, 81(2): 347-356. [2]Van Rijswijk W, Frewer L J, Menozzi D, et al. Consumer Perceptions of Traceability: A Crossnational Comparison of the Associated Benefits[J]. Food Quality and Preference, 2008, 19(5): 452-464. [3]吴林海,徐玲玲,王晓莉. 影响消费者对可追溯食品额外价格支付意愿与支付水平的主要因素: 基于Logistic、Interval Censored的回归分析[J]. 中国农村经济, 2010,(4): 77-86. [Wu Linhai, Xu Linlin, Wang Xiaoli. Study on Main Factors Affecting Consumers Willingness an Level of Payment to Traceable Food Extra Price: Based on A Logistic and Interval Censored Regression[J]. Chinese Rural Economy, 2010,(4): 77-86.] [4]Sarig Y. Traceability of Food Products[R]. Presented at the Club of Bologna Meeting, November 16, 2003. Bologna, Italy,2003. [5]Schulz L L, Tonsor G T. Cowcalf Producer Preferences for Voluntary Traceability Systems[J]. Journal of Agricultural Economics, 2010, 61(1): 138-162. [6]祝胜林, 吴同山, 林伟东,等. 猪肉安全追溯的终端管理系统研究与应用[J]. 广东农业科学, 2009,(12): 202-203. [Zhu Shenglin, Wu Tongshan, Lin Weidong, et al. Research and Application of Pork Safety Traceability Terminal System[J]. Guangdong Agricultural Sciences, 2009,(12): 202-203.] [7]Bechini A, Cimino M G C A, Marcelloni F, et al. Patterns and Technologies for Enabling Supply Chain Traceability through Collaborative Ebusiness[J]. Information and Software Technology, 2008, 50(4): 342-359. [8]Golan E H, Krissoff B, Kuchler F, et al. Traceability in the U.S. Food Supply: Economic Theory and Industry Studies[M]. US Department of Agriculture, Economic Research Service, 2004. [9]Angulo A M, Gil J M. Risk Perception and Consumer Willingness to Pay for Certified Beef in Spain[J]. Food Quality and Preference, 2007, 18(8): 1106-1117. [10]黄璋如. 消费者对蔬菜安全偏好之联合分析[J]. 农业经济半年刊, 1999, 66: 21-74. [Huang Zhangru. Joint Analysis of Consumer Preferences for Vegetable Security[J]. The Half Yearly Journal of Agricultural Economy, 1999, 66: 21-74.] [11]Law, General Food. Regulation (EC) No. 178/2002 of the European Parliament and of the Council of 28 January 2002, Laying down the General Principles and Requirements of Food Law, Establishing the European Food Safety Authority, and Laying down Procedures in Matters of Food Safety[J]. OJ L, 2002,31 (1.2). [12]Sparling D, Henson S, Dessureault S, et al. Costs and Benefits of Traceability in the Canadian Dairyprocessing Sector[J]. Journal of Food Distribution Research Distribution Research, 2006, 37(1):154-160. [13]Hobbs J E. Identification and Analysis of the Current and Potential Benefits of a National Livestock Traceability System in Canada[M]. Agriculture and AgriFood Canada, 2007. [14]马从国,赵德安,刘叶飞,等. 猪肉工厂化生产的全程监控与可溯源系统研制[J]. 农业工程学报, 2008,(9):121-125.[Ma Congguo, Zhao Dean, Liu Yefei, et al. Overall Monitoring of Pork Industrialization Production and Development of Traceability System[J]. Transactions of the Chinese Society of Agricultural Engineering, 2008,(9): 121-125.] [15]张可,柴毅, 翁道磊, 等. 猪肉生产加工信息追溯系统的分析和设计[J]. 农业工程学报, 2010,(4):332-339.[Zhang Ke, Chai Yi, Weng Daolei, et al. Analysis and Design of Information Traceability System for Pork Production Supply Chain[J]. Transactions of the Chinese Society of Agricultural Engineering, 2010,(4): 332-339.] [16]Boccaletti S, Nardella M. Consumer Willingness to Pay for Pesticidefree Fresh Fruit and Vegetables in Italy [J]. International Food and AgriBusiness Management Review, 2000, 3(3): 297-310. [17]Hobbs J E, Bailey D, Dickinson D L, et al. Traceability in the Canadian Red Meat Sector: Do Consumers Care?[J].Canadian Journal of Agricultural Economics, 2005, 53 (1): 47-65. [18]Angulo A M, Gil J M, Tamburo L. Food Safety and Consumers Willingness to Pay for Labelled Beef in Spain[J]. Journal of Food Products Marketing, 2005, 11(3): 89-105. [19]Angulo A M, Gil J M. Risk Perception and Consumer Willingness to Pay for Certified Beef in Spain[J]. Food Quality and Preference, 2007, 18(8): 1106-1117. [20]Stevens T H, Belkner R, Dennis D, et al. Comparison of Contingent Valuation and Conjoint Analysis in Ecosystem Management[J]. Ecological Economics, 2000, 32(1): 63-74. [21]Boxall P C, Adamowicz W L, Swait J, et al. A Comparison of Stated Preference Methods for Environmental Valuation[J]. Ecological Economics, 1996, 18(3): 243-253. [22]Gan C E C, Luzar E J. A Conjoint Analysis of Waterfowl Hunting in Louisiana[J]. Journal of Agricultural and Applied Economics, 1993, 25(2): 36-45. [23]Irwin J R, Slovic P, Lichtenstein S, et al. Preference Reversals and the Measurement of Environmental Values[J]. Journal of Risk and Uncertainty, 1993, 6(1): 5-18. [24]Adamowicz W, Boxall P, Williams M, et al. Stated Preference Approaches for Measuring Passive Use Values: Choice Experiments and Contingent Valuation[J]. American Journal of Agricultural Economics, 1998, 80(1): 64-75. [25]Carlsson F, Martinsson P. Do Hypothetical and Actual Marginal Willingness to Pay Differ in Choice Experiments? Application to the Valuation of the Environment[J]. Journal of Environmental Economics and Management, 2001, 41(2): 179-192. [26]Moskowitz H R, Silcher M. The Applications of Conjoint Analysis and Their Possible Uses in Sensometrics[J]. Food Quality and Preference, 2006, 17(3): 145-165. [27]Furnols M, Realini C, Montossi F, et al. Consumers Purchasing Intention for Lamb Meat Affected by Country of Origin, Feeding System and Meat Price: A Conjoint Study in Spain, France and United Kingdom[J]. Food Quality and Preference, 2011, 22(5): 443-451. [28]Bernabéu R, Tendero A. Preference Structure for Lamb Meat Consumers: A Spanish Case Study[J]. Meat Science, 2005, 71(3): 464-470. [29]Gaspara P, Escribanob M, Mesíasc F J, et al. Sheep Farms in the Spanish Rangelands (Dehesas): Typologies According to Livestock Management and Economic Indicators[J]. Small Ruminant Research, 2008, 74(1-3): 52-63. [30]Schnettler B, Vidal R, Silva R, et al. Consumer Willingness to Pay for Beef Meat in a Developing Country: The Effect of Information Regarding Country of Origin, Price and Animal Handling Prior to Slaughter[J]. Food Quality and Preference, 2009, 20(2):156-165. [31]Font i Furnols M, González J, Gispert M, et al. Sensory Characterization of Meat from Pigs Vaccinated Against Gonadotropin Releasing Factor Compared to Meat from Surgically Castrated, Entire Male and Female Pigs[J]. Meat Science, 2009, 83(3): 438-442. [32]Mennecke B E, Townsend A M, Hayes D J, et al. A Study of the Factors that Influence Consumer Attitudes Toward Beef Products Using the Conjoint Market Analysis Tool[J]. Journal of Animal Science, 2007, 85(10): 2639-2659. [33]Abidoye B, Bulut H, Lawrence J D, et al. US Consumers Valuation of Quality Attributes in Beef Products[J]. Journal of Agricultural and Applied Economics, 2011, 43(1):1. [34]Luce D S. A Study of Commercial Hog Production in Western New York[M]. Cornell Univ, 1959. [35]DeSarbo W S, Ramaswamy V, Cohen S H. Market Segmentation with Choicebased Conjoint Analysis[J]. Marketing Letters, 1995, 6(2): 137-147. [36]Liechty J, Ramaswamy V, Cohen S H. Choice Menus for Mass Customization: An Experimental Approach for Analyzing Customer Demand with an Application to a Webbased Information Service[J]. Journal of Marketing Research, 2001, 38(2): 183-196. [37]Lancaster K J. A New Approach to Consumer Theory[J]. The Journal of Political Economy, 1966, 74(2): 132-157. [38]Wu Linhai,Yin Shijiu, Xu Yingjun, et al. Effectiveness of Chinas Organic Food Certification Policy: Consumer Preferences for Infant Milk Formula with Different Organic Certification Labels[J]. Canadian Journal of Agricultural Economics, 2014, 62(4): 545-568. [39]BenAkiva M, Gershenfeld S. Multifeatured Products and Services: Analysing Pricing and Bundling Strategies[J]. Journal of Forecasting, 1998, 17(3-4): 175-196. [40]Train K E. Discrete Choice Methods with Simulation[M]. Cambridge: Cambridge University Press, 2009. [41]Bradlow E T, Rao V R. A Hierarchical Bayes Model for Assortment Choice[J]. Journal of Marketing Research, 2000, 37(2): 259-268. [42]Ortega D L, Wang H H, Wu L, et al. Modeling Heterogeneity in Consumer Preferences for Select Food Safety Attributes in China[J]. Food Policy, 2011, 36(2): 318-324. [43]FAO (Food and Agriculture Organization). Top Production2008[DB/OL]. http://faostat.fao.org/site/339/default.aspx, 2008. [44]邱皓政. 潜在类别模型的原理与技术[M]. 教育科学出版社, 2008. [Qiu Haozheng. The Principle and Technology of Latent Class Models[M]. Science and Education Press, 2008.] [45]Lin T H, Dayton C M. Model Selection Information Criteria for Nonnested Latent Class Models[J]. Journal of Educational and Behavioral Statistics, 1997, 22(3): 249-264. [46]董银果, 徐恩波. 中德猪肉安全控制系统比较研究[J]. 农业经济问题, 2005, (2):53-57.[Dong Yinguo, Xu Enbo. Pork Safety Control System in China and Germany: A Comparison[J]. Problems of Agricultural Economy, 2005, (2):53-57.] [47]Clemens R L. Meat Traceability and Consumer Assurance in Japan[M]. Midwest Agribusiness Trade Research and Information Center, Iowa State University, 2003. [48]Verbeke W, Ward R W. Importance of EU Label Requirements: An Application of Ordered Probit Models to Belgium Beef Labels[C]//American Agricultural Economics Association Annual Meetings, Montreal, Canada, 2003: 1-37. [49]Loureiro M L, Hine S. Preferences and Willingness to Pay for GM Labeling Policies[J]. Food Policy, 2004, 29(5): 467-483. [50]时沁峰. 浅谈影响我国猪肉安全的问题及生产安全猪肉的措施[J]. 畜禽业, 2009,(5): 27-29. [Shi Qinfeng. Discuss Factors Affecting Chinas Pork Safety and the Measures of Pork Production Safety[J]. Livestock and Poultry Industry, 2009, (5): 27-29.] [51]Roosen J, Lusk J L, Fox J A. Consumer Demand for and Attitudes Toward Alternative Beef Labeling Strategies in France, Germany, and the UK[J]. Agribusiness, 2003, 19(1): 77-90. [52]Dickinson D L, Bailey D V. Experimental Evidence on Willingness to Pay for Red Meat Traceability in the[J]. Journal of Agricultural and Applied Economics, 2005, 37(3), 537-548. [53]许可,吕品韬.农民专业合作社对安全农产品营销作用研究: 基于山东省4地市调查的实证分析[J].经济与管理评论,2013, (3):74-80. [Xu Ke, Lv Pintao. Study on the Roles of Farmer Professional Cooperative in Sales of Safe Food: Evidence from Demonstration Analysis of 4 Shandong Cities [J]. Review of Economy and Management, 2013, (3):74-80.] Study of Consumers Preference for Different Safe Information of Traceable Pork Product ZHU Dian1,2 PU Xujin3,4 GAO Ning3 (1. School of Dongwu Business, Suzhou University, Suzhou Jiangsu 215021,China;2. Post Doctorial Research Program, Food Science and Engineering, Jiangnan University, Wuxi Jiangsu 214122, China;3. Research Base of Food Safety, Jiangnan University, Wuxi Jiangsu 214122, China;4. Synergetic Innovation Center of Food Safety and Nutrition, Jiangnan University, Wuxi Jiangsu 214122,China) Abstract Food traceability systems ensure food traceability by generating a reliable continuous flow of safety information in the supply chain, in order to overcome food safety risks caused by information asymmetry. The construction of complete traceability information systems will increase the cost of food and consequently increase the price, which may not be able to meet consumer preferences. Choice experiments are commonly used in the investigation of consumer preferences. In the present study, six types of safety information, i.e., information of pig farm, feed, slaughter, pork processing, the use of pork preservatives, and storage, were set. Three price levels were set based on the cost of traceable pork estimated by 20 professionals with a fluctuation of 10%. On this basis, an actual survey was conducted to investigate consumer preferences for different types of traceable safety information in 1 200 pork consumers in Tangshan City, Hebei Province using a menu choice experiment, in order to overcome the bias in independence from irrelevant alternatives in choice experiments. Furthermore, consumer groups preferences for different safety information attributes of traceable pork were assessed by latent class analysis. According to the fit test results from latent class analysis, consumers could be divided into three groups: lowlevel, mediumlevel, and highlevel. Consumers were most likely to fall into the lowlevel group, followed by the highlevel group, and most unlikely to fall into the mediumlevel group. This indicated the polarization of Chinese consumer groups. The highlevel consumer group was mostly concerned about safety information of pig farms, feed, and pork processing; the mediumlevel consumer group was mostly concerned about safety information of pig farms and pork processing; and the lowlevel consumer group was concerned about safety information of pork processing only. The other three safety information attributes, i.e., pig slaughterhouse, the use of preservatives, and cold storage, were not the primary concern of consumers. In order to prevent food risks and meet consumer preferences, based on the model results, this study proposed the need to establish different levels (including different complete information attributes) of pork traceability system in China, and that providing safety information of pig farming and pork processing is an essential prerequisite for constructing traceability systems. In addition, this study pointed out the need to investigate and develop a reasonable sharing system for the additional cost of production based on the basic features and functional orientation of the government, enterprises, and consumers in food traceability systems. Key words traceable pork product; safe information; preference; menu choice; latent class analysis |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。