跨境农产品可持续供应链的风险因素研究Research on Barriers and Influencing Factors of Sustainable Supply Chain for Cross-border Agricultural Products

吴峥　徐文平

摘  要：文章从绿色、循环、透明三个方面对跨境农产品供应链（CASCs）进行研究，经过全面的文献分析，列出了影响CASCs可持续发展的10个风险因素，并结合TISM-MICMAC和ANP构建模型，确定背景关系，进行优先排序。结果表明，绿色物流、供求变动和绿色绩效是影响CASCs可持续发展的关键风险。最后，基于CASCs的发展现状，为管理者提出建议。

关键词：跨境农产品；可持续供应链；TISM；MICMAC；ANP

中图分类号：F304.3    文献标志码：A    DOI：10.13714/j.cnki.1002-3100.2023.13.029

Abstract： This paper examines cross-border agricultural supply chains（CASCs）in terms of greenness， circularity and transparency. After a comprehensive literature analysis， 10 risk factors affecting the sustainability of CASCs are listed and prioritized by identifying contextual relationships through TISM-MICMAC and ANP two-stage model construction. The results show that green logistics， changes in supply and demand and green performance are the key risks affecting the sustainability of CASCs. Finally， recommendations are made for managers based on the current state of development of CASCs.

Key words： cross-border agricultural products; sustainable supply chain; TISM; MICMAC; ANP

0  引  言

在全球化和数字贸易深度发展的背景下，我国农产品贸易总额呈现逐年上涨的趋势。此后，随着与“一带一路”沿线国家的跨境农产品频繁流动，贸易形式逐渐全面发展，CASCs也应运而生。因为CASCs是根据市场需求发展而来的，其运作和发展的过程中难免存在大量干扰因素，所以需要对其不同风险进行管理。

近年来，随着疫情在全球反复起伏的冲击下，影响跨境农产品可持续供应链的风险因素与日俱增，如市场波动、供需变动等，加重了CASCs的风险性和脆弱性，扩大了发展的鸿沟。因此，研究CASCs的风险影响因素和可行的防范策略具有重要效用价值，这将有利于农业供应链的利益相关者及时发现问题，并做出战略部署。

迄今为止，人们对CASCs可持续性发展的呼声越来越高，中国对帮助该行业现代化也做出了积极回应。国务院总理李克强在第24次中国—东盟（10+1）领导人会议上同与会东盟国家领导人达成共识，继续拓展贸易投资、互联互通、可持续发展等领域的绿色合作。“十四五”规划时期明确提出要聚焦阻碍现代流通体系建设的堵点问题，这在今后很长一段时期内是跨境农产品利益相关者统筹设计的关键。

对供应链的风险分析，在很长一段时间内，也受到学者们的广泛关注。武雅敏、郭丽芳、马家齐等[1]以冲突管理为突破口，利用SEM结构方程模型实证分析法，探讨了3种类型的冲突管理、执行力与CASCs联盟绩效的影响关系，这对农产品供应链管理理论具有深刻的指导作用。樊星、邵举平、孙延安[2]运用模糊三角函数并结合多属性决策方法，将风险分为8类并且识别供应链中的风险，有效降低了主观性。颜波、石平、丁德龙[3]使用OWA算子对感知层风险、网络层风险、应用层风险和其他风险进行定量分析找出定量指标，并研讨了在数字化经济背景下对农产品供应链风险管理的调控与方案。颜波、石平、王凤玲[4]按照重要性程度编排了农产品供应链风险控制因素的顺序，研究表明农产品供应链的风险不能彻底规避，但能通过采取各项措施在很大程度上降到最低。

不难看出，目前研究跨境农产品可持续供应链的课题数量和深度都不够[5]，尽管新的研究方法不断涌现，然而还有诸多地方需要加强：（1）以往的研究大多是分析某几个因素是否相互影响，缺乏对CASCs的系统性研究。（2）实证研究较少，且以往大多数研究都是采取一些定量方法，不够全面[2]。本文会从一个更加全面的角度出发，借鉴前人的研究方法、研究工具，充分考虑风险的不确定性，进一步分析影响跨境农产品可持续供应链的阻碍因素并对其进行讨论。

1  评价指标体系的构建

本文借鉴了国内外研究者對CASCs的研究结果[6]，所构建模型共选取了绿色供应链、透明供应链和循环供应链3个一级指标，绿色产品与设计、绿色供应商选择、评价与控制、绿色物流、自然灾害、物流桎梏、供求变动、绿色绩效、信息共享、联盟合作、物联网技术10个二级指标，如图1所示。

1.1  一级指标的构建

绿色供应链[7]对CASCs的可持续发展起着至关重要的作用。农产品供应链管理包括产品设计、材料采购、生产、物流和拆解管理。在数字贸易的背景下，人们在产品购买方面的选择比以前更多。为了提高竞争力，将环保原则和标准纳入供应链管理，有助于打造一个绿色的供应链，以确保供应链的可持续发展。

在循环供应链[8]中，产品被拆解或粉碎成原材料，然后重新被回收再制成产品出售，不仅可以收回成本，还获得了环境效益，它将在未来很长一段时间受到社会的青睐。

透明供应链是一种可视化的供应链，信息在整个供应链，包括运输、清关和仓储环节的共享中生成，这样就可以实时监控运输中的货品状态，并控制整个物流过程。同时，也减少了物流过程中的损失。简而言之，供应链的透明能够确保信息的透明，即与贸易合伙人建立适当的信息交流与共享，避免“牛鞭效应”，确保CASCs的可持续发展。

1.2  二级指标的构建

绿色供应链风险维度：绿色产品与设计C₁[9]、绿色供应商选择、评价与控制C₂[9]、绿色物流C₃[9]。

循环供应链风险维度：自然灾害C₄[10]、物流桎梏C₅[11]、供求变动C₆[11]、绿色绩效C₇。

透明供应链风险维度：信息共享C₈[10]、联盟合作C₉[8]、物联网技术C₁₀[8]。

2  研究方法

2.1  TISM

全解释结构模型（TISM）是印度苏希尔教授对解释结构模型（ISM）的拓展与创新[12]，该方法不仅简化了对错综复杂的难题的剖析，而且还有效地解释了被分析系统各要素之间的因果关系[13]。TISM的主要步骤如下[14]：

（1）依据问卷调查的结果识别指标因素之间的相关性，建立邻接矩阵M。

（2）计算初始可达矩阵，并依据公式（1）结合布尔运算规则，求解出最终可达矩阵N。

N=M+I（1）

式中：N是最终可达矩阵，M是邻接矩阵，I是单位矩阵，k是矩阵计算次数。

（3）通过最终可达矩阵对因素进行层次水平的划分，并画出结构模型图。

2.2  MICMAC

1973年Duperrin和Godet提出的分析一个系统中变量关系的工具——交叉影响矩阵乘法（MICMAC），该方法将影响因素分为四组，分别是自治、依赖、独立和联动，并在二维平面上表示出四种类型的位置[6]。通过图形可以比较直观明确地识别出哪些是驱动因素，哪些是依赖因素，从而为解决最终研究问题提供更有效的对策。四种类型的特点如下：

独立类型，被解释为那些依赖性和驱动力较低的风险因素，这一组的风险很容易应对，对系统影响较小。联动类型，具有强大的驱动力和依赖性，属于这一组的风险被认为是不稳定的，它们很容易被影响，因为它们依赖于其他风险，且具有反馈效应，决策者必须慎重考虑。依赖类型，被解释为弱驱动因素，但深深依赖于其他因素。还有一种集群是自治类型，其特点是低驱动力和低依赖性。

2.3  网络分析法ANP

20世纪90年代末Thomas L. Saaty教授在AHP模型的基础上提出了网络层次分析（NHA），该模型考虑了递归层次的内部循环以及层次之间的相互依赖和反应。本文运用Super Decision软件计算分析数据，ANP的主要步骤如下[15]：

（1）分析问题，构造网络结构图。

（2）根据两两比较标度，采用1～9标度法进行专家打分，构造判断矩阵。

（3）计算特征值和特征向量W。

（4）对每个判断矩阵进行一致性检验。

（5）构造超级矩阵、超级加权矩阵和极限矩阵。

（6）确定指标权重，并得出因素的权重排名。

3  实证分析

3.1  TISM-MICMAC分析

（1）确定指标间影响关系

通过电子邮件方式向相关物流领域的研究者以及相关工作从业者进行问卷调查，对图1的跨境农产品可持续供应链风险体系中的因子进行联动性评定，以获得所有风险之间的背景关系。一共发邮件20份，最后有效问卷为18份，通过平均的方法得到初始的鄰接矩阵M，如表2所示。

（2）经过反复检验，得到最终可达矩阵，如表3所示。

（3）确定可达集、先行集和交集后，可得到各因素指标的层次水平分区，如表4所示。

（4）在分区水平的帮助下建立结构模型，如图2所示。

（5）为了清楚地了解哪些是依赖性风险影响因素，哪些是独立的风险影响因素，本文进行了MICMAC分析，如图3所示，该结果表明许多因素具有相同地驱动力或依赖力，并在ISM模型中被置于同一水平，这在决策过程中会给从业者带来困惑。因此，为了进一步确定所选风险因素的优先次序，本文将采用分析网络过程。

3.2  ANP分析

TISM和MICMAC的分析结果被用于开发ANP网络模型，根据从行业专家那里收集的数据，可得到配对评价矩阵，通过Super Decision计算，可得到各因素指标的权重如表5所示。各维度指标与整体指标权重比较如图4所示。

3.3  结果评价与分析

（1）开发的TISM模型可分成三个层次：顶层风险、中间层风险和底层风险。顶层风险代表着表层的风险要素，可以概况为绿色物流C₃、供求变动C₆和绿色绩效C₇3个方面，这些指标因素依赖于下一层的风险，影响价值很低。底层风险被确定为模型的基础，是系统最初的原因，它们可能会对往上各层的风险因素产生很大影响。在这个分析中，绿色供应商选择C₂、评价与控制和自然灾害处于底层风险C₄，推动了其他中间层风险。因此，必须专注于底层风险以减少它们对CASCs产生负面影响。

（2）基于依赖性和驱动力，被识别的风险被分为三组。研究发现，绿色物流C₃、供求变动C₆和绿色绩效C₇这3个方面属于独立要素类别，它们有很大的影响力。绿色产品设计C₁、物流桎梏C₅、信息共享C₈、联盟合作C₉、物联网技术C₁₀属于联动要素类别。一般来说，依赖要素出现在ISM模型的底部，本文模型中的绿色供应商选择、评价与控制C₂和自然灾害C₄就属于依赖要素类别。

（3）在ANP分析中得到的排名依次是“C₇>C₃>C₅>C₁>C₉>C₆>C₁₀>C₈>C₄=C₂”，ANP分析中得到的等级显示出与TISM-MICMAC相似的趋势。

4  总结与建议

本文通过文献综述和德尔菲技术，从绿色、循环和透明三维度，确定了10个关键风险因素，并结合TISM-MICMAC和ANP探索风险间的系统属性、层次结构和相互影响的机制，使其结构化。在研究的最后阶段，采用了ANP方法来评估分析风险因素的重要性，并确定优先次序。为了帮助CASCs从业人员和利益相关者及时规划短期和长期战略以防范风险，本文提出以下建议：

（1）在短期计划中，农业组织者应关注底层次的风险，它们具有较弱的驱动性，即自然灾害和绿色供应商选择、评价和控制。政府机构和公司的利益相关者应当针对自然气候和灾难对农业的影响及应对策略进行情况模拟分析，以采取有效方法。同时，建议针对跨境农产品的环境特性和供应链上下游的生产商，统一跨境农产品供应链的相关环境管理标准和制度，实施标准来管理环境，并制定程序来选择、评估和监督过关的供应商。

（2）在长期计划中，绿色物流、供求变动和绿色绩效可以成为战略规划的一部分。一方面，限制使用不可生物降解和不可再生资源的包装，规范运输、储存、装卸、包装和分销管理等物流活动中的污染物排放，关注物流活动对社会造成的经济效益与环境效益，发展一个可靠的跨境农产品供应链系统，以提高风险的预判机警。另一方面，加强对市场信息的搜集和判断，充分调用各种资源，提高对价格、政策和供求变动等信息的敏感性，结合数字贸易背景带来的政策、物联网技术红利，推动跨境农产品“走出去”和“引进来”。

参考文献：

[1] 武雅敏，郭丽芳，马家齐，等. 冲突管理、执行力与跨境农产品供应链联盟绩效影响研究[J]. 世界农业，2018（7）：53-59.

[2] 樊星，邵举平，孙延安. 基于模糊理论的跨国农产品供应链风险识别与评估[J]. 科技管理研究，2016，36（6）：210-215.

[3] 颜波，石平，丁德龙. 物联网环境下的农产品供应链风险评估与控制[J]. 管理工程学报，2014，28（3）：196-202，173.

[4] 颜波，石平，王凤玲. 基于CVaR的农产品供应链风险评估与控制[J]. 软科学，2013，27（10）：111-115.

[5] 田立芳，董琼. 国内农产品供应链研究综述[J]. 物流技术，2018，37（10）：90-95，153.

[6] 符少玲，孙良媛. 基于风险因子的农产品供应链合作绩效优选研究[J]. 华南农业大学学报（社会科学版），2008（2）：46-52.

[7] 吴绒. 农产品绿色供应链结构模型研究[J]. 安徽农业科学，2015，43（17）：330-331，334.

[8] 章文燕. 信息时代下的透明供应链研究[J]. 中国商贸，2011（18）：175-176.

[9] 于启武. 绿色供应链标准体系探讨[J]. 中国流通经济，2009，23（11）：25-27.

[10] 张诚，张广胜. 农产品供应链风险影响因素的ISM分析[J]. 江西社会科学，2012，32（3）：53-57.

[11] 隋博文，谭翔. 跨境农产品供应链脆弱性的影响因素——基于中国—东盟的实证分析[J]. 中國流通经济，2019，33（6）：66-73.

[12]  SUSHIL. Interpreting the interpretive structural model[J]. Global Journal of Flexible Systems Management， 2012，13（2）：87-106.

[13]  SHARMA R， KANNAN D， DARBARI J D， et al. Analysis of collaborative sustainable practices in multi-tier food supply chain using integrated TISM-Fuzzy MICMAC model： A supply chain practice view[J]. Journal of Cleaner Production， 2022，354：131-271.

[14] 周路. 基于TISM-MICMAC方法的农产品冷链物流运作风险因素分析[J]. 内蒙古科技与经济，2021（23）：69-72.

[15]  BALALI A， VALIPOUR A， EDWARDS R， et al. Ranking effective risks on human resources threats in natural gas supply projects using ANP-COPRAS method： Case study of Shiraz[J]. Reliability Engineering & System Safety， 2021，208：107-442.