基于贝叶斯网络的食品生产企业诚信度评估

谭中明，江红莉，张 静

（江苏大学 财经学院，江苏 镇江 212013）

0 引言

面对日益严峻的食品安全事件，食品安全问题进而食品生产企业的诚信管理问题成为学术界广泛关注的敏感话题，目前的相关研究集中在食品工业企业诚信缺失的表现、原因和对策等方面，而关于食品生产企业诚信评价问题的研究成果尚不多见，而且既有文献在评价指标要素选择、评价方法运用等的针对性、科学性和可操作性上尚显不足，因此建立科学可行的食品生产企业诚信度评价体系，为规范食品生产企业诚信行为提供有效的监管框架，是食品生产企业诚信体系建设的重要环节。

1 食品生产企业诚信度评估指标体系

选择和构建食品企业诚信度评价指标应按照以下思路来进行考量：

1.1 淡化规模评估指标

食品种类繁多，千差万别，而且目前我国食品工业的精细加工程度较低，竞争充分，集中度较低，食品企业的规模亦是参差不齐，大、中、小、微型企业数量比例很不平衡，尤以中小微企业为主，这使得各个食品企业在规模上不具备有效的可比性。因而在评估食品企业诚信度时，应充分考虑食品行业的规模特征和规模结构，尽量淡化规模指标。

1.2 注重食品企业诚信的影响因素

从我国历年曝光的重大食品安全事故情况分析，引发食品安全事故的根本原因是人的问题，其实是企业的诚信问题。而影响食品生产企业诚信的关键因素主要有机会成本、政府监管、公关能力、产品信息透明度、大众诚信观、企业管理等[1]。因此，在构建食品企业诚信度评估体系时，应将食品还是生产企业诚信的关键影响因素充分体现出来。

1.3 注重食品质量安全分析

食品质量安全即备受消费者的关注，又反映着食品企业的诚信水平。通常，食品生产要经过生产、运输、加工、储存、消费等复杂链条，链条中的每个环节因为生产企业的诚信问题都有可能带来食品安全风险隐患，在各类食品风险来源中，最关健、危害性最大，公众最关心和最需要控制的首当技术风险和管理风险，其次是生产风险、社会风险、自然风险、运输风险、销售风险、烹饪风险等[2]。因此，在评估食品企业诚信度时，应将影响食品安全的主要风险因素纳入评估体系。

1.4 定量指标与定性因素合理搭配

我国食品企业大多数为私营或民营中小微企业，食品行业的特殊性和企业的先天不足使得其中许多企业普遍存在着财务制度不规范、信息不透明、不真实等问题，因而主要依据财务比率指标为主的定量指标难以达到有效评估食品企业诚信度的目标。另一方面，企业主信用品格、企业社会责任、企业诚信记录、诚信意愿与诚信表现等因素信息，能在很大程度上揭示和反映食品企业的诚信度，而且这些要素信息可以通过征信机构、中介组织等公开渠道获取，可信度较高。因此，构建食品企业诚信度评估指标体系时，既要重视企业财务因素等定量指标，更要充分考虑企业诚信素质、管理水平等定性因素指标，做到定量指标与定性因素各占一定比例，合理搭配，实现功能互补，以科学评估食品企业诚信度。

依据上述思路可以建立起食品生产企业诚信度评估指标（因素）体系（见表1）。

表1 食品生产企业诚信度评估指标（因素）

2 食品生产企业诚信度评估模型

西方发达国家已经形成一整套健全有效的食品安全保障体系，实现了“从农田到餐桌”各环节的监管。虽然我国短期内实现“从农田到餐桌”的一体化监管有些困难，但可以对食品生产企业的诚信水平进行考量，从而甄别出诚信水平较低的食品生产企业，对这些企业进行重点监管。

贝叶斯网络是图论与概率论相结合的产物，目前被广泛应用于可靠性评估[3]、项目风险管理[4]、系统检测[5]、银行风险预警[6]等领域。食品生产企业诚信评价指标较为复杂且动态变化，利用贝叶斯网络评价方法具有一定的优势。第一，贝叶斯网络可以将食品生产企业诚信评价指标间的关系通过有向图表示出来，能克服神经网络等方法难以表示指标间复杂因果关系的缺点。第二，贝叶斯网络可以实现多变量分析推理，能克服传统评价方法仅局限于单变量分析推理的缺点，使分析结果更接近实际，提高评价结果的精确性。

2.1 贝叶斯网络基本原理

贝叶斯网络（Bayesian networks，BN），又称贝叶斯信度网络（Bayesian belief networks，BBN）是图论与概率论的结合，直观地表示为一个赋值因果关系图。

一个具有N个节点的贝叶斯网络可用N=＜＜V，E＞，P＞来表示，其中包括两部分：

（1）＜V,E>表示一个具有N个节点的有向无环图G。图中的节点集合V={V1,V2,…,Vn}中的元素代表变量，节点变量可以是任何问题的抽象，如部件状态、观测值、诚信状况等。节点间的有向边E代表了变量间的关联关系，通常认为是因果关系，因而贝叶斯网络也称因果网。对于有向边(Vi,Vj)，Vi称为 Vj的父节点，而 Vj称为 Vi的子节点。没有父节点的节点称为根节点，没有子节点的节点称为叶节点。Vi的父节点集合和非后代节点集合分别用和pa(Vi)和A(Vi)来表示。

有向图＜V,E>蕴含了条件独立性假设，即在给定pa(Vi)下，Vi和A(Vi)条件独立：

P(Vi|pa(Vi),A(Vi))=P(Vi|pa(Vi))

（2）P表示与每个节点相关的条件概率分布（Conditional probability distribution，CPD）。由贝叶斯网络的条件独立性假设可知，条件概率分布可以用P(Vi|pa(Vi))来描述，它表达了节点与其父节点的定量关联关系。如果给定根节点先验概率分布和非根节点条件概率分布，可以得到包含所有节点的联合概率分布。

2.2 食品生产企业诚信评价的贝叶斯网络构造

根据表1中的食品生产企业诚信度评估指标体系，构建食品生产企业诚信贝叶斯网络（如图1）。

图1 食品生产企业诚信度评估贝叶斯网络拓补结构图

2.3 具体应用分析

贝叶斯网络推理的第二步是确定节点的先验概率和条件概率。我们通过食品生产企业诚信指标量表测度获得节点变量的初始数据，并对所获数据进行统计分析，确定节点的先验概率；对于局部条件概率，通过德尔菲法来确定。

表1 节点G、Q和L的先验概率

表2 节点YX关于节点G、Q的条件概率

我们以“子贝叶斯网络”为例说明贝叶斯网络评价过程。该子贝叶斯网络由节点“偿债能力”、“资产负债率”、“流动比率”以及“现金比率”（分别记为YX、G、Q、L）构成，其中G、Q、L是父节点，YX为根节点。每个节点的状态分为三个等级，记为高（high）、中（mid）和低（low），父节点的先验概率如表1所示。根节点（YX）关于父节点的条件概率如表2所示。

针对贝叶斯网络，目前已经有成熟的算法来计算各节点的联合概率。Netica、Hugin等都是贝叶斯网络推理的常用软件。本文采用Netica软件进行计算联合概率（如图2），得到P(YX=high)=0.612，P(YX=mid)=0.328，P(YX=low)=0.060。

同样的方法，可以计算得到“诚信能力”和“质量安全”节点的概率，如表3所示。

表3 节点“诚信能力”和“质量安全”的概率

采用同样的方法和步骤，可以得到“食品生产企业诚信”的概率分布：P（诚信=high）=0.685，P（诚信=mid）=0.281，P（诚信=low）=0.034。由此可以认为，68.5%的信度认为该食品生产企业诚信度为“高”，28.1%的信度认为该食品生产企业诚信度为“中”，认为该食品生产企业诚信度为“低”的信度仅为3.4%。

3 食品生产企业诚信发展对策

针对我国食品生产企业诚信缺失的现状，应从以下几方面进行治理。

首先，加强信息披露和诚信文化建设。一方面，通过食品信息披露降低食品生产企业的道德风险。在食品生产企业和消费者之间引入第三方介入市场，如质量认证机构等，通过质量认证机构独立的质量认证，促使食品生产企业向外界传达真实、准确的信息。另一方面，加强食品生产企业的诚信文化培育，尤其是企业法人的诚信教育，使企业法人以身作则，积极组织诚信教育培训，不断提高企业全体员工的诚信意识，逐步形成以诚信为核心的企业文化。

其次，提高检测技术和更新检测设备，将食品安全标准与国际接轨。加大对食品安全检测设备的投入，添置先进仪器；加大技术人员检测技术培训的投入，提高食品质量检测的效率。除此之外，还要积极学习国外食品质量标准，对标补差，更新我国食品质量标准。

最后，加大监管力度。在市场经济环境下，单靠经济组织与道德约束来实现市场的诚信运行是不够的，必须依靠健全的法律法规。政府应尽快健全食品诚信管理的法律、法规，加强食品生产企业诚信管理体系建设。与之相配套，建立一套食品生产企业诚信评价标准，将食品生产企业的诚信水平分为不同的等级，建立诚信档案。对于诚信水平较低的企业，实行重点监控，督促其进行整改。

[1]李洪伟等.基于因子分析的食品工业企业诚信关键影响因素分析[J].征信，2013，(5).

[2]龚玉霞.基于模糊聚类分析法的我国食品安全风险来源实证研究[J].食品科技，2013(7).

[3]Bai C G.Bayesian Network Based Software Reliability Prediction With An Operational Pro fi le[J].The Journal of Systems and Software,2005,77(2).

[4]Lee E,Park Y,Shin J G.Large Engineering Project Riisk Management Using a Bayesian Belief Network[J].Expert Systems With Applications,2009,36(3).

[5]Li D,Yang H Z,Liang X F.Prediction Analysis of A Wastewater Treatment System Using A Bayesian Network[J].Environmental Modelling&Software,2013,（40）.

[6]陆静，王捷.基于贝叶斯网络的商业银行全面风险预警系统[J].系统工程理论与实践，2012,32(2).