钟真 孔祥智《产业组织模式对食品质量安全的影响：来自奶业的例证》
发布时间：2014-12-16
产业组织模式对食品质量安全的影响：来自奶业的例证*
钟 真 孔祥智*
摘要：本文从食品质量安全的内涵出发，定义了将质量安全以经济学特征差异划分品质和安全两个方面的“全面质量安全观”，并从生产和交易两个维度构建了产业组织模式与食品质量安全之间的逻辑关系。通过对奶业抽样数据的实证分析表明，尽管生产模式和交易模式对食品品质和安全都具有显著影响，但是在控制了其他件的情况下，生产模式更为显著地影响了品质，而交易模式更为显著地影响了安全。这为解释当前食品质量安全问题产生的深层次原因提供了新的视角，也为有效治理食品质量安全问题提供了理论依据。
关键词： 食品质量安全 全面质量安全观 产业组织模式 生鲜乳
一、引言
随着人们生活水平的提高，食品质量安全问题日益成为消费者关注的重要话题。农产品是食品的重要组成部分，也是食品原料的主要来源，而频频发生的食品安全事故也大多来源于食品供应链的前端——农产品的生产与流通环节；因此食品质量安全问题在很多情况下表现为农产品质量安全问题。为了保障消费者的福利，也为了稳定相关农业产业的发展，政府不得不采取很多相应的治理措施，但效果往往不甚理想。在我国，农产品质量安全问题已经成了一个“久治不愈”的“顽疾”：不仅安全事故屡见不鲜，而且即便是符合安全标准的农产品，其营养等价值水平也长期得不到改善。那么，其根源何在？
学者们对食品质量安全问题已经进行了大量的研究，但对近年来国内外文献的综述可以发现：（1）消费品市场上食品质量安全问题的研究吸引了大量学术力量，而对食品原料市场上初级农产品质量安全问题的研究还十分不足；（2）从生产技术、质量标准、消费者认知等角度来分析食品质量安全的研究较多，而从产业链的角度来解释食品质量安全问题的研究总体仍偏少；（3）大量研究都将质量安全视为一个抽象的概念，而对其内涵却缺乏足够的挖掘和扩展。事实上，尽管质量安全难以直接观察，但它可细化为多种具体的属性，且不同的属性对于消费者而言具有不同的经济或社会意义。如Caswell等（1998）将食品质量分成了安全属性、营养属性、价值属性、包装属性和过程属性五个部分（见表1）。很明显，安全属性决定了食品是否将直接危害到消费者的身体健康，营养属性决定了食品对于消费者的使用价值，而另外三种属性决定了食品是否受消费者欢迎的程度等等。但是目前多数研究仅从安全的单一角度，抑或是没有细化的质量角度来做相关分析，很少有学者在研究中将质量安全的概念细化到属性层面，并将不同属性纳入整体分析框架。这无疑对人们认识食品质量安全问题产生原因和制定相应的治理措施产生了不利的甚至错误的导向。
因此，必须要重新认识质量安全的基本内涵，并从相对宏观的产业链视角来研究食品质量安全问题，方能为改进我国令人堪忧的食品质量安全现状提供更具针对性的有益参考。
安全属性 | 营养属性 | 价值属性 | 包装属性 | 过程属性 |
食源性病原体 | 脂肪含量 | 纯度 | 包装材料 | 动物福利 |
重金属 | 热量 | 完整度 | 标签 | 生物技术应用 |
农药残留 | 纤维 | 大小 | 其他信息提供 | 环境影响 |
食品添加剂 | 钠 | 外观 | 农药使用 | |
自然毒素 | 维他命 | 味道 | 生产者安全 | |
兽药残留 | 矿物质 | 制作的简便性 |
二、概念框架
（一）全面质量安全观：对食品质量安全的重新认识
关于质量安全的定义目前还有很多争议。从字面上看，如果将“质量安全”视为一个“偏正式”的组合词，那么其语意重心则在“安全”，其意思应理解为“质量方面的安全”，与“数量安全”就可成为一组相对应的概念（如英文中的 safety和security）；如果将其视为一个“并列式”的组合词，那么它的含义既包括了“质量”方面的内容又包括了“安全”方面的内容，即相当于“质量与安全”的意思（如英文中的quality and safety ）。在实际应用中，很多学者都是根据各自研究的需要来对“质量安全”作具体定义的，因此关于“质量安全”概念的这两种理解在国内外的研究中都大量存在，以至于对诸如“食品质量安全”的英文翻译也存在着“food safety”和“food quality and safety”两类表述。但相对而言，后一种理解更为普遍，即“质量安全”不仅包括了质量的问题又包括了安全的问题。如我国2006年颁布的《农产品质量安全法》所定义的“质量安全”就涵盖了质量和安全两个方面。[①]
然而，这种理解的前提是“质量”和“安全”是并列的。但实际上，在单独应用“质量”和“安全”概念时，两者并不处于同一个层次上。有学者认为，“食品安全”包括了“食品质量”、“食品卫生”等内容。如2009年颁布的《食品安全法》就是用食品安全的概念来统筹食品质量、卫生、营养等方面的内容，也避免了目前食品卫生标准、食品质量标准、食品营养标准之间的交叉与重复（任端平等，2006）。但更多的学者认为，“食品质量”的概念要大于“食品安全”的概念，即“食品安全”只是“食品质量”的一个属性。如国际标准组织（ISO）对质量的定义是“某一产品或服务所具有的能够满足既定需要的全部特征”（ISO8402）。国际粮农组织（FAO）食品法典委员会也认为质量是产品或服务所具有的符合其声明或隐含需求的特征和属性，它并非消费者从产品本身获得的效用,而是消费者从产品拥有的属性所获得的效用（Lancaster，1966）。因此，“食品质量”应指影响食品价值的所有属性的总和，而“食品安全”仅指食品中可能对人体健康造成损害的属性，仅仅是食品质量的一个组成部分（周应恒等，2008；Das, et al., 2007; Herrero, et al., 2002）。
本文认同质量的概念大于安全的概念。但由于食品安全问题会对人体健康带来极大危害，且多数与食品质量相关的研究主要集中在对食品安全性方面的分析，故“质量安全”事实上已经逐步成为了“指代所有质量属性但又突出安全属性”的一个习惯用语。为此，本文认为，尽管“质量”的概念大于“安全”，也不宜强行挑战“习惯”，而应认可用“质量安全”来做为指代有关质量的各种属性、特别是安全属性的一个统称。本文将这种能够综合性地看待质量安全概念的观点称之为“全面的质量安全观”。
但为了能够对安全、营养等重要属性做进一步的研究，也为了能够在相关研究中更为准确地表达和方便地使用，我们认为有必要将“质量安全”进一步细化。本文借鉴Antel（2000）对肉类产品质量安全的两分法——安全属性和非安全属性，将食品质量安全直接细化为“安全”和 “品质”两个部分[②]。其中，把食品中可能会危害到人体健康的那些安全属性定义为“食品安全”（food safety），把食品中不会直接危害到人体健康的、能构成其使用价值的那些非安全属性定义为“食品品质”(food quality)。那么，体现食品综合价值的质量安全指标可表示为
，其中s代表安全，用q代表品质。从品质和安全的关系看，安全是品质的前提，如果安全不达标，品质高低就没有意义。因此在数学特征上，s更体现为一个二分变量，而q更体现为一个非负的连续变量。不妨设：当食品安全时
，此时食品的综合价值体现为食品品质，有
；而当食品不安全时
，此时食品综合价值将丧失，即
。那么，Q、q、s之间有如下关系：
。这意味着，在研究食品质量安全时我们既可以用Q来表示综合的食品质量安全，也可以将其拆分为品质和安全两个相对独立的指标。
本文认为，对食品质量安全的概念做如上定义是十分有必要的。其原因就在于品质和安全具有不同的经济学特征：其中安全更多地具有（准）公共物品的性质，是所有消费者都应享有的基本权力，如果市场机制不能实现食品的安全供给，就必须要采用政府管制；而品质则更多地具有私人物品的性质，在安全基础上的“高品质”理应“价高者得”，即应减少政府干预，充分地发挥价格机制的调节作用。因此，在食品质量安全出现问题时，如果能够较为准确的辨别出倒底是安全的问题还是品质的问题（或哪个更为主要），那么实际的治理过程就更能具有针对性，而诸如“胡子眉毛一把抓”或“一刀切”式的治理现象就会大大减少。
（二）产业组织模式与食品质量安全的逻辑关系
从各国政府对食品质量安全问题的治理实践看，主要措施包括：提高质量安全准入标准、完善质量安全评价体系、规范标识标签制度、强化抽检力度、建立可追溯体系、加强立法和惩罚力度等（Unnevehr，2003；Chambers, 1992；胡定寰，2008；Starbird，2005a；Pouliot and Sumner，2008；周德翼等，2002）。显然，这些措施体现的是“堵”的思路，而非“疏”的原则，即解决食品质量安全问题的驱动来自于产业外部的监督压力，而非产业本身内在结构的调整。所以，在“道高一尺、魔高一丈”的食品质量安全领域，这些保障措施常常见效快，失效也快，故并非长久之计。本文认为，要保障食品质量安全，产业外部压力的存在固然重要，但更为重要的是产业内部的自我调整。只有将产业内部不利于保障质量安全的因素进行调整、消除，方能从根本上缓解食品质量安全问题多发的现状。这就需要进一步分析产业组织模式与食品质量安全之间的具体关系。
所谓产业组织模式是指，产业链上各主体之间通过某种联结机制组合在一起形成的具有特定产业形态和功能的经营方式（孔祥智等，2010）。这些主体包括农产品生产者（农户）、一级中间商（商贩、经纪人等）、专业合作组织、农产品加工企业、二级中间商（批发商、零售商等）、消费者等等。其组织方式可以是同一类主体之间的横向组合，也可以是上下游主体之间的纵向联合，还可以是“横纵结合”。但不管这些主体以什么方式组合，产业组织模式的最基本特征主要体现在横向的生产模式和纵向的交易模式两个维度上（Young and Hobbs，2002；龙方等，2007）。因此，产业组织模式对食品质量安全的影响可以从生产和交易两个维度进行考察。如果M1代表生产模式，M2代表交易模式，那么某一特定产业的组织模式可表达为
。
鉴于食品质量安全问题常常体现为农产品质量安全问题，以及食品原料市场的研究不足，本文重点以初级农产品为例分析产业组织模式对食品质量安全的影响。大量研究表明，农产品的质量安全水平的确与其产业组织模式有着十分紧密的联系。一方面，生产者的数量、投入规模、技术运用、资金实力等体现生产模式差异的因素对农产品质量安全有着显著的影响（邹传彪等，2004；张云华等，2004；周洁红，2006；等）；另一方面，交易的紧密程度、次级市场的数量、契约的完整性等体现交易模式差异的因素亦对农产品质量安全具有显著的影响（Hennessy，1996；王瑜等，2008；朱文涛等，2008；赵建欣等，2008；Young and Hobbs，2002；等）。因此，在食品质量安全函数中必须要包括有关具体投入要素之外的产业特征变量。但是，简单地将产业特征变量引入生产函数也是存在问题的，因为食品质量安全不仅仅是生产者（农户）的责任，也与产业链上的其他主体有关。所以，食品质量安全的函数必须是一个从产业链角度出发的、能体现市场供求关系的综合性函数。据此，我们不妨假定食品质量安全的抽象函数为：
（1）
其中，S代表影响农产品供给的外生变量，D代表影响农产品需求的外生变量，M代表该产业组织模式的各个维度。但由于质量安全是一个典型的内生变量（Braeutigam and Pauly,1986; Gertler and Waldman,1992），有必要采用联列方式模型来求解。Antle（1998，2000）曾根据Rosen（1974）的思路，从考虑了质量安全的需求和供给函数出发获取质量安全函数。若借鉴这种方法，食品的需求函数可设为
，其中P为生农产品价格，q为农产品品质，s为农产品安全，Z为影响需求的其他变量；而农产品的供给函数可设为
，其中W为可变投入品价格向量，K为生产者的固定资产投入。
然而，由于农产品一般具有“哑铃型”的市场结构以及上述品质与安全之间的内在联系，本文对Antle的供给和需求模型做一定的修改：（1）为了检验产业组织模式与农产品质量安全的关系，引入生产模式
和交易模式
，并假定与是互相独立的，即农户“如何生产农产品”与“如何销售农产品”是两个独立事件——这基本符合当前大多数农产品的产业组织特征。（2）由于农产品价格往往由下游龙头企业或中间商决定，故在农产品的供给函数
中，P可视为外生的。对于农产品中间商而言，其虽在农产品收购价格上有一定的定价权，但总体上仍受到下游龙头企业的控制。对于农产品加工企业而言，其收购价也决定于终端消费市场的均衡价格，而非农产品一级市场上的相关因素。故本文视P在
中也是外生的。（3）用Q代表综合的农产品质量安全，这样在表达时可以减少一个内生变量。
如此，农产品的供给和需求函数分别进而简化为：
（2）
（3）
联列（2）和（3），可以得关于农产品质量安全的简约型方程（reduced form equation）[③]：
（4）
如果Q（即q和s）的数据是可观测的和方便得到的，那么式（4）便可以用多元回归的方法进行估计。但如果不能获取这些数据，那么就有必要采用较为复杂的潜变量模型来进行参数估计。
从逻辑上看，由于农产品初始的品质和安全同农产品的产量一起获得于农业生产过程，而后续的流通、交易过程理论上并不具有生产功能，故农产品的品质水平在不掺杂使假等情况下至少不会再增加，而因储运设备差、机会主义行为等问题引起的农产品安全水平却有可能出现显著差异。因此，尽管M1与M2都会影响到农产品质量安全，但生产模式的不同引起的农产品质量安全差异可能更多地集中于品质，而交易模式的不同引起的农产品质量安全差异可能更多地集中于安全。基于此，本文提出如下假说：
H：生产模式和交易模式作为产业组织模式的两个维度对食品安全具有显著的影响，并且在食品品质和食品安全上具有不同的影响侧重点。
进一步地，我们预期验证如下两个分假说：
Ha：在控制了其他条件的情况下，生产模式更为显著地影响了品质。
Hb：在控制了其他条件的情况下，交易模式更为显著地影响了安全。
针对Ha和Hb，我们分别采用“品质模型”
和“安全模型”
来验证，并且我们对和的估计结果做如下预设：第一，在品质模型中，要么的系数统计显著而的不显著；两个都显著时，的标准化系数（或边际效应）应大于的标准化系数（或边际效应）。第二，在安全模型中，要么的系数统计显著而的不显著；两个都显著时，的标准化系数（或边际效应）应大于的标准化系数（或边际效应）。
三、资料来源与样本描述
（一）奶业概况[④]
在大量初级农产品中，生鲜乳是一种十分特殊的农产品。它的“生鲜易腐”决定了其不能直接进入终端消费市场，而必须经由乳品企业加工方能成为大众食品，因此奶业产业链总体上可以分为生鲜乳环节和乳制品环节（钟真等，2010）。2008年的“三聚氰胺事件”表明，乳品质量安全的关键在于产业链前端的生鲜乳环节。各地政府在此后的奶源治理上采取了大量诸如“取消小规模散养”、“取缔中间商奶站”等调整奶业组织模式的措施。这为研究产业组织模式对农产品质量安全的影响提供了十分宝贵的经验资料。事实表明，这些措施虽取得了一定的效果，但生鲜乳质量安全水平并没有得到显著的提高，奶业质量安全事故依然频频发生（孔祥智等，2009）。因此，为了验证前述假说，也为了厘清当前奶业治理措施的科学性和有效性，本文以奶业为例对其产业组织模式与生鲜乳质量安全之间的关系进行实证分析。而实证分析之前需要对奶业组织模式和生鲜乳质量安全的概念进行操作化定义。
1、奶业组织模式
奶业组织模式的操作化定义亦从生产和交易两个维度进行。从实际情况看，当前奶业的生产模式主要有家庭式小规模散养、小区式集中化养殖、牧场式园区化养殖和基地式现代化牧场等方式；交易模式主要有“奶农+市场+企业”模式、“奶农+企业”模式、“奶农+中间商+企业”模式和“奶农+合作社+企业”模式等类型。为了突出家庭式小规模散养和“奶农+中间商+企业”模式在生产模式和交易模式中的重要地位，也为了回应政府所采取的“消灭小规模散养户”和“取缔个体私营奶站”两大措施的合理性问题，本文在统计上将生鲜乳生产模式进一步划分为家庭式小规模散养（以下简称“家庭式散养”）和其它以养殖小区或牧场形式存在的养殖方式（以下简称“园区化养殖”）两大类；将生鲜乳交易类型进一步划分为有个体私营奶站参与的“奶农+中间商+企业”模式（以下简称“中间商模式”）和其它生鲜乳交易方式（以下简称“非中间商模式”）两大类型。
2、生鲜乳质量安全
根据“全面质量安全观”的定义，本文把生鲜乳中可能会危害到人体健康的那些安全属性定义为“生鲜乳安全”（raw milk safety），如抗生素、体细胞数、总细菌数、致病菌、农药、重金属、霉菌毒素、（亚）硝酸盐和非法添加物等含量；把生鲜乳中不会直接危害到人体健康的、能构成其使用价值的那些非安全属性定义为“生鲜乳品质”(raw milk quality)，如乳蛋白、乳脂肪、非脂固形物和功能活性物质等含量。其中，生鲜乳安全是生鲜乳品质实现其价值的基础，若安全存在问题，生鲜乳整体质量就无从谈起；而生鲜乳品质则是生鲜乳安全的依托载体，是奶业生产、管理水平的重要体现，若生鲜乳品质不能改善，奶业的整体竞争力也将难以提高。因此，任何奶业治理措施都必须同等重视生鲜乳的安全和品质。
（二）资料来源
本文所用数据资料主要来源于2011年4-5月对内蒙古自治区呼和浩特市、河北省石家庄市、黑龙江大庆市、辽宁省阜新市、宁夏自治区吴忠市的部分奶业重点县（区、旗）的抽样调查。其中，蒙、冀、黑的奶牛存栏量和奶产量都长期位列全国前三，大部分调查区域均是我国传统的奶源基地，且基本覆盖了所有生产模式和交易模式；因此所获样本具有较强的代表性[⑤]。经过整理，最终获得生鲜乳生产者的有效样本618户（家），其中家庭式小规模散养户占66.3％，小区式集中化养殖户占22.6％，牧场式园区化养殖场占10.1％，而基地式现代化牧场由于数量极少而没有进入调查范围；各类奶站45家，其中“名义上”属于奶农专业合作社奶站的占71.1％，属于乳品企业奶站的占15.6％、属于奶畜养殖场奶站的占13.3％。[⑥]
从样本的总体情况看：（1）2010年养殖（场）户总体的平均养殖规模在10头左右，而有62.9％的比例集中在10及10头以下（见图1）；（2）养殖规模虽较“三聚氰胺事件”之前有所下降，但是牛群结构相对稳定，养殖（场）户中产奶牛比例以55％为均值基本呈正态分布（见图2）；（3）产量分布相对集中，上一个产奶期单头牛平均的日产奶量有80％的比例集中在15～20公斤；（4）经由奶站的生鲜乳收购和供应基本稳定，样本奶站平均覆盖奶户51户、覆盖牛群数量542头、日供奶量2.9吨，其中奶畜养殖场奶站（牧场）由于养殖规模较大，供奶量平均在4吨以上。
1、生产模式：家庭式散养与园区化养殖的差异
从规模看，2010年家庭式散养的奶牛养殖规模平均在6.93头，园区化养殖的规模平均在26.56头，两者在统计上具有显著差异。家庭式散养的平均规模虽然较小，但是其统计分布较园区化养殖的规模则要集中得多（见图3）。从奶价看，两种生产模式下的奶价也存在着明显的差异，2010年园区化养殖户获得的平均奶价普遍比家庭式散养户高出0.1～0.2元/公斤。从投入看，2010年家庭式散养和园区化养殖的单头养殖投入分别为9517.89元和12280.01元，亦存在明显差异。但是，两种生产模式下的单产水平、“有正规的饲喂配方的比例”、“参加过养牛相关培训的比例”以及“签订购销合同的比例”等生产性指标却没有显著差异。尽管园区化养殖中主要养牛者的平均受教育水平显著高于家庭式散养；但作为（某种程度上）能代表养牛经验的“养牛年限”，家庭式散养的平均年限反而要显著地大于园区化养殖。这或许可以用“园区化养殖的历史较短，参与园区化养殖的奶户整体比较年轻，而小规模散养的奶户多为‘老’养牛户，且多不愿意也无力转变养殖方式”来解释。（见表2）
生产模式 主要指标 | 家庭式散养 （样本量410） | 园区化养殖 （样本量208） | 均值差异的T检验 Ho：B-A=0 | |
均值A （标准差） | 均值B （标准差） | T值 | sig. | |
养殖规模（头） | 6.93 | 26.56 | 5.39*** | 0.000 |
（0.234） | （5.101） | |||
2010年单头养殖投入（元/年） | 9517.89 | 12280.01 | 1.95* | 0.051 |
（544.286） | （1672.032） | |||
2010年单头平均日产量（公斤） | 17.93 | 18.20 | 0.80 | 0.423 |
（0.276） | （0.199） | |||
2010年平均奶价（元/公斤） | 2.37 | 2.48 | 8.88*** | 0.000 |
（0.005） | （0.012） | |||
主要养牛者受教育年限 | 2.77 | 2.92 | 2.20** | 0.027 |
（0.038） | （0.062） | |||
主要养牛者养牛年限（年） | 13.71 | 11.44 | -3.77*** | 0.000 |
（0.353） | （0.473） | |||
签订购销合同的比例（％） | 27.3% | 22.1% | -1.40 | 0.161 |
（0.022） | （0.029） | |||
有正规饲喂配方的比例（％） | 18.8% | 19.7% | 0.27 | 0.781 |
（0.019） | （0.027） | |||
参加过养牛相关培训的比例（％） | 18.7% | 20.7% | 0.56 | 0.574 |
（0.019） | （0.028） | |||
注：T检验的前提是同方差假定。“***”、“**”和“*”分别代表在1％、5％和10％水平上统计显著。
在生鲜乳交易模式的构成中，几乎所有生产者都通过生鲜乳收购站销售牛奶，而生鲜乳收购站中又有69％具有中间商性质，且基本上是由个体私营奶站“转换”而来的奶农专业合作社奶站。而在余下的奶站中，约有20%为乳品企业“直管”或“托管”的奶站，约有10%为奶畜养殖场开办的奶站，极少数为规范的奶农专业合作社开办的奶站。由于规范的奶农专业合作社代表了奶农社员的根本利益，其开办奶站可以实现与企业直接对接，因此从交易的结构层次看，余下的31％的奶站在一定程度上都可视为生鲜乳生产者与乳品企业直接对接的“非中间商模式”。
从规模看，通过中间商模式卖奶的养殖场（户）养殖规模普遍要显著地低于非中间商模式，两者的均值相差2倍以上。而单头的养殖投入、日产奶量和奶价均没有明显差异，同时养牛者的受教育水平和参加过养牛培训的比例也没有明显差异。但在“养牛年限”、“签订购销合同的比例”、“有正规饲喂配方的比例”上，非中间商模式下的比例要明显高于中间商模式。可见，交易模式的不同对养殖场（户）生产经营带来的差异与生产模式的不同所造成的差异并不一致，尤其在奶价、签订购销合同、参加养牛培训等方面存在明显区别（见表3）。
生产模式 主要指标 | 中间商模式 （样本量427） | 非中间商模式 （样本量191） | 均值差异的T检验 Ho：D-C=0 | |
均值C （标准差） | 均值D （标准差） | T值 | sig. | |
养殖规模（头） | 8.60 | 24.59 | 4.25*** | 0.000 |
（0.515） | （5.507） | |||
2010年单头养殖投入（元/年） | 11064.79 | 9067.61 | -1.37 | 0.169 |
（952.891） | （386.033） | |||
2010年单头平均日产量（公斤） | 18.05 | 18.23 | 0.50 | 0.616 |
（0.184） | （0.320） | |||
2010年平均奶价（元/公斤） | 2.41 | 2.42 | 1.24 | 0.214 |
（0.006） | （0.013） | |||
主要养牛者受教育年限 | 2.79 | 2.90 | 1.58 | 0.114 |
（0.040） | （0. 059） | |||
主要养牛者养牛年限（年） | 12.37 | 14.25 | 3.05*** | 0.002 |
（0.326） | （0.563） | |||
签订购销合同的比例（％） | 21.1% | 35.6% | 3.86*** | 0.000 |
（0.020） | （0.034） | |||
有正规饲喂配方的比例（％） | 22.5% | 11.5% | -3.22*** | 0.001 |
（0.020） | （0.023） | |||
参加过养牛相关培训的比例（％） | 18.3% | 22.8% | 1.08 | 0.280 |
（0.019） | （0.030） | |||
注：T检验的前提是同方差假定。“***”、“**”和“*”分别代表在1％、5％和10％水平上统计显著。
3、生鲜乳品质：农户层面数据的获取
目前，衡量生鲜乳品质的指标有很多。而由于不同乳制品生产的要求存在差异，故不同乳品企业对生鲜乳品质衡量指标的关注重点也略有不同。但总体上讲，乳蛋白、乳脂肪和干物质三项都基本包括在内。从45家奶站2011年3月1日－30日的生鲜乳化验单来看，乳蛋白、乳脂肪和干物质的平均含量在这时段分别为2.91％、4.27％和11.83％（见表4）。
表 4 2011年3月1日－3月30日样本奶站所售生鲜乳的品质状况
样本量 | 均值 | 标准差 | 最小值 | 最大值 | |
乳蛋白（％） | 45 | 2.91 | 0. 068 | 2.74 | 3.14 |
乳脂肪（％） | 45 | 4.27 | 0. 190 | 3.10 | 4.91 |
干物质（％） | 45 | 11.83 | 0. 248 | 11.19 | 12.82 |
注：乳蛋白、乳脂肪和干物质等指标的单位是每100克生鲜乳中所含的比例（g/100g生鲜乳）。
然而，由于乳品企业收奶时仅对进厂的奶罐车所装生鲜乳进行理化检验，因此除了具备自建挤奶厅的养殖场以外，绝大部分奶牛养殖场（户）都不能直接获得自家所售每一个批次牛奶的具体指标，而只能了解在同一奶站交奶的各养殖户的平均品质。换言之，经过化验获得的品质指标只匹配到奶站层面，而无法匹配到养殖场（户）层面。这对进一步了解生鲜乳品质在所有养殖场（户）中的分布带来了数据障碍。而要通过专业人员利用化验设备直接对每一户的生鲜乳品质进行测试以获取奶户层面的实际品质数据，显然是不现实的。为了进一步“逼近”各户所产生鲜乳品质的真实水平，我们在研究中做了如下设计：（1）在奶户调查中，让奶户对自家所产生鲜乳的品质在同一奶站交奶的奶户中所处的位置进行打分评价，评价级别设为1～9九个级别，其中5为中等水平，1为最差，9为最好；（2）在奶户调查完毕后，集中所有奶户问卷让奶站负责人对各户的生鲜乳品质进行评价，评价级别设置同上；（3）对奶户“自我评价”和奶站“他人评价”进行同方差假定下的T检验，如果检验结果无法拒绝“两种评价一致”的原假设，那么本文将利用奶站的“他人评价”构建一个品质调节系数[⑦]，并与奶站的平均品质指标一起构造出奶户水平上的生鲜乳品质指标；如果检验结果拒绝了原假设，说明两种评价具有明显差异，那么本文对两种评价均不采信，而利用潜变量模型等更为复杂的方法来构造品质指标。幸运的是，T检验的结果表明，两种评价并无显著差异（t值为1.02）。因此，我们选择了奶站的“他人评价”来构建品质调节系数。
品质调节系数的构建过程大致如下：（1）先将3月1日～30日各奶站化验单上品质指标的数值求平均后匹配到相应的奶户，即在同一奶站交奶的奶户获得相同的一个品质指标；（2）对匹配后的品质指标进行奶户层面的排序并找出四分位数，然后结合最大值和最小值找出相邻两个数字之间的“中位数”，这样在最大值和最小值之间就分成了8个部分和9个分段点；（3）将9个分段点与9个评价级别从小到大一一对应，然后用分段点上的数值除以农户品质指标的中位数得到品质调节系数。由于乳蛋白含量和干物质含量是业界最为关注的两个品质指标，因此我们重点以乳成份含量作为衡量生鲜乳品质的关键指标，构建了与奶站“他人评价”相对应的乳蛋白调节系数和干物质调节系数（见表5），并计算了这两个指标奶户层面含量水平。从奶站层面和奶户层面的品质分布看，经过加权计算后，奶户层面乳蛋白含量的均值从加权时奶站层面的2.91％略为上升为2.97％，干物质含量的均值从11.83%上升为11.93%，两个指标在前后均具有显著的差异，且分布特征也都更加接近理想的正态分布（见图4～图7）。
分段级别 | 乳蛋白调节系数 | 干物质调节系数 | 对应的奶站评价 |
0.961938 | 0.960409 | 1 | |
P13 | 0.967128 | 0.974883 | 2 |
P25 | 0.972318 | 0.989357 | 3 |
P38 | 0.986159 | 0.994679 | 4 |
P50 | 1.000000 | 1.000000 | 5 |
P63 | 1.005190 | 1.004044 | 6 |
P75 | 1.010381 | 1.008089 | 7 |
P88 | 1.031142 | 1.044700 | 8 |
max | 1.051903 | 1.081311 | 9 |
根据定义，生鲜乳安全是指那些可能会危害到人体健康的“不良”成分。但是这些指标的化验不仅费时较长，而且成本高昂，因此即便是乳品企业也不会在日常的收购中对所有安全指标进行一一化验。对于层出不穷的非法添加物，乳品企业也往往“防不胜防”。从调研的情况看，由于“三聚氰胺事件”以后掺杂使假的现象得到了有效遏制，目前乳品企业对生鲜乳安全的控制主要集中在抗生素、微生物（或体细胞）的检测上。尽管抗生素或微生物在生鲜乳中的含量也存在一个安全区间，但只要其含量超过规定限值，（原则上）乳品企业就应拒收（严重的应当场“着色”或“排地”）。所以在不考虑企业无故拒收或操作人员作弊的情况下，生鲜乳安全与否往往体现在生鲜乳被拒收与否。又由于乳品企业对生鲜乳质量安全的检测仅到奶站层面，因此奶站某一批次被拒收并不意味着该批次的所有奶户都存在着安全问题。为了能在被拒收时找到安全问题的根源，奶站对每一批次的生鲜乳都采取“留样措施”：即每一户来奶站挤奶时，都制作一个牛奶样本留置奶站的冷藏设备中，如果该批次牛奶在交售企业过程中被检测出安全问题，奶站便进一步检测每户留样，直至找到问题奶户，如果企业检测合格，则留样就可以作废了。[⑧]
调查数据显示，“三聚氰胺事件”之后几乎所有奶站依然每年都会出现因各种原因出现过不合格的现象。而从养殖场（户）的角度看，在2010年年初至2011年3月间从未出现过不合格情况的奶户占到了57.9%，出现过1次的占13.8%，2次的占8.1%，3次～9次的各具有一定的比例，而10及10次以上的也占到了4.1%（见图8）。
图 8 2010年1月-2011年3月养殖场（户）出现不合格次数
然而，“不合格”并不能完全代表生鲜乳存在安全问题而被拒收。事实上，根据出现过“不合格”的奶户对“不合格”原因的回忆，提到因抗生素超标而出现过“不合格”的奶户占到了95.5％，提到因体细胞和微生物超标的合计占到了32.9%，但也有因蛋白过低而被拒收成为“不合格”的，其比例占到了10.8%（见图9）。因此，企业定义的“不合格”或“被拒收”理由，并不符合本文所提出的“全面的质量安全观”——只要生鲜乳安全没有问题，蛋白过低不应被视为拒收理由，蛋白过低仅仅是其作为乳品加工原料的利用价值不高而已，这完全可以利用降低价格的手段来处理。当然，因蛋白过低而“不合格”的情况出现次数较少，且没有奶户将其作为“不合格”的首要原因提出，因此本文认为“不合格次数”的多少仍然可以代表生鲜乳安全水平的高低。
注：由于调查问卷中对“不合格”原因的设计是多选题，故所有选项的比例之和大于1。
根据上述生鲜乳品质和安全状况的描述分析，本文认为养殖场（户）层面的“乳蛋白含量”、“干物质含量”和“不合格次数”可作为衡量生鲜乳品质和生鲜乳安全的代理指标，进而对式（4）进行参数估计。这在一定程度上避免了因生鲜乳质量安全数据不可得而需引入较为复杂的潜变量模型。由于生鲜乳和品质都有各自的代理变量，本章进一步将式（3）分解成成“品质模型”和“安全模型”：
其中， q为生鲜乳品质，s为生鲜乳安全。至于模型的具体形式，还需从因变量和自变量的特征出发来选择合适的模型。
对于因变量，由于乳蛋白仅仅是乳成份中的一个重要组成部分，并不能完全反映生鲜乳的品质，而干物质则是一个包含了乳蛋白、乳脂、乳糖等诸多成分的指标，相对更能综合体现生鲜乳的品质。因此，本文利用“干物质含量”（DM, “dry matter”）来代表生鲜乳品质（q），用“不合格次数”（refuse）来代表生鲜乳安全（s）；并假定：“在正常情况下，干物质含量越高，表明生鲜乳品质水平越高；被检测出不合格的次数越多，代表生鲜乳安全水平越差”。
对于自变量，除了P、和之外，Z、W和K需要进一步设定具体指标。由于样本数据来自养殖场户，故本文从生鲜乳生产者角度对影响生鲜乳需求的外生变量Z进行设定。（1）养殖场户对接的企业（factory）。如果乳品企业的经营手段和乳制品销售业绩存在差异，对乳制品原料——生鲜乳的需求也会产生差异。目前样本奶户对接的企业主要是蒙牛和伊利，其农户覆盖率分别为49％和51%。（2）村中奶站数量（stations）。一个村中奶站的数量越多，一般而言奶源供应量就越大，乳品企业对该村的重视程度就会远远高出奶量小的村庄；同时，奶站对奶农的竞争就会越强，这不仅会引起下游对生鲜乳需求的变化，也会推动奶站（或企业）提高对奶农的社会化服务水平，进而促进生鲜乳供给的变动。（3）养殖场（户）离奶站的距离（distance）。一般情况下，奶户离奶站的距离越远，位置越偏，奶站对奶户养殖情况的掌握程度就会大大降低，因此奶站往往比较愿意接受距离较近的奶户进站挤奶。（4）是否有亲戚从事奶业相关工作（relation）。从调查情况看，有亲戚朋友在乳品企业或奶站工作（抑或在乳品企业有股份或开办奶站）的养殖场（户），其生鲜乳销售就不成问题。
W 和K作为影响生鲜乳供给的因素，完全可以从生鲜乳生产者角度找到大量相应的指标。其中固定资产投入K的代理指标较少，一般主要为牛舍、青贮窖和一些机械设备。但这些投入往往因奶户养殖规模的差异而存在巨大差距，为了变量的稳健性，本文将这些固定资产平均到每一头牛，即计算每头牛的固定资产占有量（avstock），来代表奶户固定资产投入水平。相对而言，可变投入品价格W的代理指标较多，但为了节省自由度和计算的方便，我们根据生产要素的类型凝练了以下三大主要投入价格指标。（1）平均的饲料价格（feedp）。由于饲料不仅分精饲料和青粗饲料，而且品种很多，价格差异较大；同时一部分需要直接从市场上购买，投入成本容易计算，但也有相当部分是利用自家种植的玉米等粮食作物来充当的，其投入成本不易计算。为了相对准确地估算出所有饲料投入的平均价格，我们利用饲料总投入成本来除以饲喂总量。其中饲料投入成本来自“精饲料购买费用”、“青粗饲料购买费用”和“（自家）饲料耗粮成本”（由饲料耗粮×当年粮食价格），饲料饲喂总量包括“精饲料饲喂总量”和“青粗饲料饲喂总量”。（2）人工价格（laborp）。人工投入包括了雇佣劳动力和自家投工，因此人工价格也是由“雇工成本”与“自家人工成本”之和除以“雇工天数”与“自家投工天数”得到。其中，自家投工天数由“全家参与养牛的劳动力个数（可以有小数）”乘以365天得到，而自家投工价格则由奶户自身的“支付意愿”得到，即“如果您给自己工资，会给家里养牛的人多少钱一工日？”（3）土地价格（landp）。由于饲料的缺乏，有的养殖（户）会租地种植玉米、饲草等饲料作物，另外还有养殖场（户）会租地建造牛舍。但不管是哪种目的的租赁，本文都算作土地使用成本，并将其除以租赁面积得到每年的土地使用价格。
从前述对奶业发展模式的现状描述看，生鲜乳生产模式和交易模式使得养殖场户在生产经营方面存在很多差异，而这些生产经营指标也极有可能影响到生鲜乳的质量安全。为了能够更好的衡量生产模式和交易模式对生鲜乳质量安全的影响，本文进一步将这些指标作为外生控制变量纳入模型。主要包括：（1）养殖场（户）户主的受教育水平（hhedu），这或许会影响到奶户在生产经营中的市场化反应速度、信息的接受能力和相关现代要素的投入，进而引起产量和质量的差异；（2）养牛年限（years），这会影响养殖场户的养殖经验，或许其受教育水平并不高，但奶牛养殖和管理水平不一定低，故这也是影响质量安全的重要因素，且与受教育水平互相独立；（3）是否与奶站或乳品企业签订了购销合同（order），一个合理的购销合同可以降低奶户的销售压力进而增加投入以提高产出数量和质量；（4）是否有正规的饲喂配方（recipe），如果养殖户拥有来自饲料公司、乳品企业或其它相关部门提供的专门的饲喂方法，也可能会相应地提高产出效果；（5）是否参加过养牛相关的培训（train），这也可能造成参加与未参加过培训的养殖场（户）之间出现产出方面的差异。总之，上述五个控制变量一定程度上可以缓解因遗漏这些变量而产生高估或低估和对生鲜乳质量安全的影响。而从某种意义上讲，这些控制变量与、一起亦可视为影响生鲜乳供给和需求的外生变量。但具体是影响供给还是需求，抑或两者都影响，本文无意深究。
上述所有变量的描述性分析见表6。
变量名 | 变量定义 | 样本量 | 样本均值 | 标准差 |
DM | 含物质含量（g/100g生鲜乳） | 618 | 11.94 | 0.398 |
refuse | 2009年以来被查处不合格次数（次） | 618 | 1.89 | 5.974 |
factory | 养殖场户对接的企业，1＝蒙牛、0＝伊利 | 618 | 0.49 | 0.500 |
stations | 村中奶站数量（家） | 618 | 2.43 | 1.652 |
distance | 养殖场户离奶站的距离（公里） | 618 | 0.42 | 0.790 |
relation | 是否有亲戚从事奶业相关工作，1＝有、0＝没有 | 618 | 0.12 | 0.329 |
P | 2010年平均奶价（元/公斤） | 618 | 2.41 | 0.146 |
lnavstock | ln[每头牛的固定资产占有量（元/头）＋1] | 618 | 6.78 | 2.041 |
lnfeedp | ln[平均饲料价格（元/公斤）＋1] | 618 | 0.63 | 0.263 |
lnlaborp | ln[人工价格（元/工）＋1] | 618 | 4.11 | 0.483 |
lnlandp | ln[土地价格（元/亩）＋1] | 618 | 2.23 | 2.368 |
hhedu | 户主受教育水平，1＝小学、2＝中学、3＝高中或中专、4＝大专及以上 | 610 | 2.82 | 0.823 |
years | 养牛历时（年） | 618 | 12.95 | 7.125 |
order | 是否签订购销合同，1＝有、0＝没有 | 618 | 0.26 | 0.437 |
recipe | 是否有正规的饲喂配方，1＝有、0＝没有 | 618 | 0.19 | 0.393 |
train | 是否参加过养牛相关的培训，1＝有、0＝没有 | 618 | 0.19 | 0.396 |
M1 | 生产模式，1＝家庭式散养、0＝园区化养殖 | 618 | 0.66 | 0.473 |
M2 | 交易模式，1＝中间商模式、0＝非中间商模式 | 618 | 0.69 | 0.462 |
注：由于avstock、feedp、laborp、landp的计算结果有可能为0，因而在取对数时采取了统一加1的措施，如lnavstock=ln[avstock+1]。
从因变量的分布特征看，由于干物质含量（DM）是一个在最小值为11.07和最大值13.73之间的连续变量，因此我们可用普通的多元回归模型就能估计模型参数；而由于2009年以来被查处不合格次数（refuse）是一个包括0在内的最大值为90的自然数，这显然符合计数模型的要求，为此我们采用了泊松回归模型来进行参数估计[⑨]。
在进行回归分析之前，我们先将进入模型的自变量进行了一个相关分析。结果发现，有部分自变量之间存在明显的相关性，特别是生产模式和交易模式分别与其它多个变量存在显著的相关关系。因此，自变量之间很可能存在共线性问题。然而，利用方差膨胀因子和容忍度对多元共线性问题进行检测的结果表明，各个自变量平均的方差膨胀因子为1.18，最大的也仅为1.63，其容忍度最低的也达到了0.613；因此，可以判断多元共线性的问题并不严重，模型仍处于可以接受的范围内（见表7）。需要强调的是，本文假定与是互相独立的，即奶农如何养牛与如何卖奶是两个独立事件，但我们不否认两者对生鲜乳质量安全具有联合影响。而经过模型调试，与的交互变量在模型中并不显著，且降低了整个模型的拟和效果，为此我们没有将两者的交互变量纳入最后的模型，这也相当于间接假定了与没有显著地联合影响生鲜乳质量安全。
自变量 | 方差膨胀因子（VIF） | 容忍度（1/VIF） |
stations | 1.63 | 0.613 |
M2 | 1.43 | 0.701 |
factory | 1.35 | 0.743 |
M1 | 1.30 | 0.768 |
years | 1.26 | 0.794 |
P | 1.19 | 0.844 |
recipe | 1.10 | 0.907 |
lnavstock | 1.10 | 0.907 |
lnfeedp | 1.10 | 0.911 |
relation | 1.09 | 0.916 |
order | 1.09 | 0.920 |
lnlaborp | 1.07 | 0.937 |
train | 1.06 | 0.940 |
hhedu | 1.05 | 0.950 |
distance | 1.05 | 0.955 |
lnlandp | 1.04 | 0.962 |
平均的VIF | 1.18 |
品质模型的普通最小二乘估计（OLS）结果见表8。生产模式和交易模式的系数符号基本符合假说提出的要求，但显著性水平并不理想。而且由于本文需要利用两者的系数做进一步比较分析，必须要确保估计结果的有效性。尽管OLS估计结果中稳健标准误与一般化标准误差别并不大，使用稳健t统计量也没有改变任何一个自变量的统计显著性，且检验联合显著的F值也通过了显著性检验；但不幸的是，Breusch-Pagan检验表明OLS存在着明显的异方差性，故其估计结果很难让人接受。为纠正异方差性，本文对品质模型进行了一个可行的广义最小二乘估计（feasible generalized least squares estimate，FGLS）。与OLS估计结果相比，FGLS的估计结果中多了3个显著的自变量，其中生产模式和交易模式的系数估计值也在1%水平上统计显著，而且拟和优度也从0.194上升到了0.282（见表10）。可见FGLS的结果更令人满意。因此，本文对品质模型的解释主要根据FGLS的估计结果。
自变量 | OLS | FGLS | |||||
参数b | 标准误 | 稳健标准误 | 参数b | 标准误 | t值 | p值 | |
factory | 0.16*** | 0.030 | 0.032 | 0.24*** | 0.032 | 7.49 | 0.000 |
stations | -0.03*** | 0.009 | 0.010 | -0.03*** | 0.011 | -3.17 | 0.002 |
distance | 0.03 | 0.023 | 0.018 | 0.05*** | 0.018 | 2.65 | 0.008 |
relation | 0.06 | 0.046 | 0.045 | 0.04 | 0.044 | 0.92 | 0.359 |
p | 0.29*** | 0.104 | 0.141 | 0.37*** | 0.103 | 3.65 | 0.000 |
lnavstock | -0.02** | 0.007 | 0.007 | -0.01* | 0.007 | -1.72 | 0.085 |
lnfeedp | -0.06 | 0.054 | 0.057 | -0.06 | 0.055 | -1.12 | 0.264 |
lnlaborp | -0.03 | 0.024 | 0.033 | 0.00 | 0.030 | -0.08 | 0.932 |
lnlandp | -0.01 | 0.005 | 0.006 | -0.01 | 0.006 | -1.32 | 0.187 |
hhedu | 0.07*** | 0.016 | 0.018 | 0.09*** | 0.017 | 5.23 | 0.000 |
years | 0.00 | 0.002 | 0.002 | 0.00 | 0.002 | 0.93 | 0.354 |
order | -0.01 | 0.032 | 0.031 | 0.05 | 0.033 | 1.47 | 0.141 |
recipe | 0.09** | 0.036 | 0.042 | 0.08** | 0.037 | 2.06 | 0.040 |
train | -0.03 | 0.040 | 0.036 | 0.02 | 0.036 | 0.58 | 0.561 |
M1 | -0.03 | 0.035 | 0.037 | -0.13*** | 0.036 | -3.63 | 0.000 |
M2 | -0.04 | 0.038 | 0.041 | -0.09*** | 0.033 | -2.73 | 0.006 |
常数项 | 11.35*** | 0.278 | 0.373 | 10.98*** | 0.294 | 37.3 | 0.000 |
样本量 | 610 | 610 | |||||
F值 | 14.59 | 12.29 | 16.28 | ||||
(0.000) | (0.000) | (0.000) | |||||
R平方 | 0.194 | 0.282 | |||||
注：“***”、“**”和“*”分别代表在1％、5％和10％水平上统计显著。
针对假说，我们重点对生产模式（M1）和交易模式（M2）的估计结果进行解释。（1）两个系数均显著为负，说明家庭式散养和中间商模式对生鲜乳品质都明显具有负向影响。即家庭式散养条件下生产的生鲜乳，其品质显著低于园区化养殖所生产的生鲜乳；通过中间商销售的生鲜乳，其品质也显著低于不通过中间商销售的生鲜乳。（2）生产模式对生鲜乳品质的边际影响大于交易模式对生鲜乳品的边际影响。具体而言，家庭式散养条件下生产的生鲜乳，其干物质含量要比园区化养殖所生产的生鲜乳低0.13（g/100g生鲜乳）；通过个体私营奶站等中间商途径销售的生鲜乳，其干物质含量要比不通过中间商销售的生鲜乳低0.11（g/100g生鲜乳）；而t检验又拒绝了两者没有差异的原假设（H0：bM1－bM2＝0）。因此，本文认为生产模式对生鲜乳品质的影响比交易模式对生鲜乳品质的影响程度更深，从估计结果看前者约为后者的1.44倍。于是假说Ha得到了验证。
由于计数数据并不符合正态分布，更为接近泊松分布，其估计方法常用最大似然估计（maximum likelihood estimation, MLE）。但针对样本中“不合格次数”这一计数数据，我们没有十足的握认定它完全符合泊松分布。而此时若继续利用MLE对泊松回归模型进行估计，则仍能得到一个渐近正态的估计量，这种方法可称为“准最大似然估计”（quasi-maximum likelihood estimation, QMLE）。同时，由于计数变量常常表现出异方差性，在对参数估计值进行推断时仍需进行标准误的稳健性调整。样本关于“不合格次数”的泊松回归模型的估计结果见表9。
一般而言，对泊松回归模型的解释方式取决于研究者感兴趣的是计数变量的期望值还是计数的分布。本文重点对“不合格次数”的期望值感兴趣。而对某一自变量一定程度的变化量所带来的计数变量期望值的变化量，既可以用期望值的倍数变化来表达，也可以用百分比变化来表达，还可以用期望值的边际变化来表达（郭志刚等，2006）。具体而言，泊松回归系数βj可以被解释为：在控制其他变量的条件下，xj变化1个单位，将带来因变量对数均值上的变化量。然而本文并不关心取对数的均值，而是期望计数本身。因此，可以用exp (βj) 来反映xj变化1个单位时期望计数的倍数变化，而exp (βj)又称为发生率比（IRR）。如果自变量为虚拟变量时，exp (βj)则表示在控制其他变量的条件下，某一类别的期望计数为参照类期望计数的相应倍数。
自变量 | 系数b | 一般标准误 | 稳健标准误 | 稳健z值 | P>z | exp（b） |
factory | 0.38 | 0.072*** | 0.227* | 1.66 | 0.098 | 1.46 |
stations | -0.08 | 0.026*** | 0.079 | -0.97 | 0.331 | 0.93 |
distance | -0.24 | 0.063*** | 0.120** | -1.99 | 0.047 | 0.79 |
relation | 0.39 | 0.083*** | 0.290 | 1.34 | 0.181 | 1.48 |
p | -1.24 | 0.218*** | 1.249 | -1.00 | 0.319 | 0.29 |
lnavstock | 0.18 | 0.019*** | 0.067*** | 2.62 | 0.009 | 1.19 |
lnfeedp | 0.40 | 0.121*** | 0.442 | 0.92 | 0.360 | 1.50 |
lnlaborp | 1.02 | 0.086*** | 0.327*** | 3.12 | 0.002 | 2.78 |
lnlandp | 0.06 | 0.013*** | 0.053 | 1.12 | 0.262 | 1.06 |
hhedu | 0.02 | 0.038 | 0.129 | 0.18 | 0.855 | 1.02 |
years | 0.02 | 0.005*** | 0.016 | 0.96 | 0.335 | 1.02 |
order | 0.98 | 0.067*** | 0.281*** | 3.50 | 0.000 | 2.67 |
recipe | -0.53 | 0.085*** | 0.310* | -1.70 | 0.089 | 0.59 |
train | 0.11 | 0.076 | 0.204 | 0.55 | 0.581 | 1.12 |
M1 | -0.60 | 0.073*** | 0.217*** | -2.77 | 0.006 | 0.55 |
M2 | 0.78 | 0.093*** | 0.288*** | 2.72 | 0.007 | 2.19 |
常数项 | -3.01 | 0.685*** | 2.701 | -1.11 | 0.265 | 0.05 |
样本量 | 610 | |||||
对数似然值 | -1893.5974 | |||||
伪R2 | 0.1594 | |||||
注：“***”、“**”和“*”分别代表在1％、5％和10％水平上统计显著。
按照上述解释逻辑，由生产模式（M1）和交易模式（M2）的系数估计值可以得到如下结论。（1）两者都对生鲜乳安全具有显著影响。由于异方差的存在，一般性标准误误导了很多变量的显著性检验结果；而经过异方差纠正后，显著水平在10％以内的变量减少了8个。所幸生产模式和交易模式的系数估计值仍然显著。（2）两者对生鲜乳安全影响的方向相反。即中间商模式显著增加生鲜乳被检测出不合格的发生概率，而家庭式散养则了降低了这一概率。换言之，中间商模式降低了生鲜乳安全水平，而家庭式散养则反而提高生鲜乳安全水平。这与我们一般的感性认识或许存在一定的出入，即“家庭式小规模散养生产的生鲜乳安全水平应该比园区化养殖要低”。然而本文认为这一感性认识并不符合当前奶业发展的现实。其原因有三：一是由于不管家庭式散养还是园区化养殖，绝大多数都需经过挤奶厅的管道化挤奶设备收集生鲜乳并集中入罐，故只要在收集、运输过程不出现掺杂使假的情况，家庭式散养下生产的生鲜乳不会比园区化养殖有更高的安全风险；二是由于园区化养殖一般都是集中式养殖，传染性疾病发生后在牛群中的传播速度也比家庭式散养更快，而在家庭式散养条件下小范围控制疫情的成功率则要比园区化养殖容易得多，故生鲜乳出现安全问题的概率也相对较低；三是由于乳品企业对家庭式散养的生鲜乳具有“价格歧视”，园区化养殖的生鲜乳普遍比家庭式散养的生鲜乳高0.1-0.2元，这原则上就要求园区化养殖应该具有更高的生鲜乳品质，但是在市场不景气的情况下，园区化养殖的生鲜乳若达不到一定的品质要求，便会因蛋白过低等其它非安全性原因被乳品企业判定为“不合格”。因此，模型估计得到这样的结果，也就不足为奇了。（3）交易模式对生鲜乳安全的影响明显大于生产模式对生鲜乳安全的影响。模型的估计结果表明，中间商模式下养殖场（户）生产的生鲜乳被检测出“不合格次数”的期望值是非中间商模式时的2.19倍，即高出了1.19倍；家庭式散养条件下生产的生鲜乳“被检测出不合格次数”的期望值是园区化养殖时的0.55倍，即低出了0.45倍。t检验的结果也显示，生产模式和交易模式的系数估计值在统计上存在显著差异，即拒绝了两者没有差异的原假设（H0：bM1－bM2＝0）。可见，生产模式和利益联结方式对生鲜乳安全的影响尽管方向相反，但是从影响程度上看，后者明显大于前者。因此，假说Hb得到了验证。
六、研究结论与政策含义
本文以奶业这一初级农产品为例，在理论上构建了产业组织模式与食品质量安全之间的逻辑关系，并用抽样数据定量分析了生产模式、交易模式对食品品质和安全的影响程度，很好地验证了本文的假说——生产模式和交易模式作为产业组织模式的两个维度对食品质量安全具有显著的影响，并且在食品的品质和安全上具有不同的影响侧重点；尽管生产模式和交易模式对食品品质和安全都具有显著影响，但是在控制了其他件的情况下，生产模式更为显著地影响了品质，而交易模式更为显著地影响了安全。这为研究和解释当前食品安全问题产生的深层次原因提供了新的视角，也为有效治理食品安全问题提供了理论依据。
本文的研究结果表明，要有效改善当前食品质量安全问题频发的现状，除了从改进生产技术、完善质量安全标准、提高消费者认知等方面下功夫之外，十分有必要从调整当前食品产业链尤其是农产品的产业组织模式入手来制定相关的治理措施。一般认为，规模化生产和上下游的纵向一体化可以提高农产品质量安全，但是事实并不完全如此。“三聚氰胺事件”发生以来的奶业治理结果表明，盲目地排挤甚至取消小规模散养、一刀切地取缔个体私营奶站，并不能很好解决生鲜乳的质量安全问题（孔祥智等，2011）。本文的计量结果也支持了这一点。因此，治理食品质量安全问题从调整产业组织模式入手是有一定道理的，但要实现有针对性的治理，则必须要认真审视以“规模化”、“一体化”等取代“小农生产模式”和“中间商交易模式”的治理思路。否则，结果只能是治标不治本，甚至得不偿失。而这些负面结果往往正是由于没有充分认识和运用“全面质量安全观”的后果。
本文提出的“全面质量安全观”从自然科学的角度将“质量安全”分解成品质和安全两大属性，并从社会科学的角度区分了品质和安全的经济学特征，认为食品安全具有公共物品性质，而食品品质具有私人物品的性质。那么在不影响消费者人体健康和生命安全的基础上（即具备“安全”的基础上），食品品质的高低可以由市场调节——对于生产者而言意味着“优质优价”，对于消费者而言“价高者得”。这对食品（尤其是农产品）质量安全问题的认识和治理具有十分重要的意义。例如，当下争论较热的乳液“新国标”问题便可以在“全面质量安全观”的框架下得到较为客观的评价。相对于原国标，新国标的乳蛋白标准从每百克含2.95g降低到2.8g，细菌总数标准从每毫升50万提高到200万。从数字上看，乳液标准的确是“大倒退”。然而，按照“全面质量安全观”的理解，新国标并非完全“失败”。本文认为，细菌数等安全标准的降低的确会大大增加生鲜乳出现安全问题的风险，但是如果生产环节能够将细菌数等安全指标控制在不影响人体健康的安全范围内，那么乳蛋白等品质标准的下降完全可以通过“优质优价”的方式减少生产者到消费者的福利损失并提高市场效率，以满足不同消费阶层的需求。因此，本文对新国标的回应是：支持乳蛋白等品质标准的降低，但需要辅以合理的计价方式；基于当前奶业生产的现代化水平，细菌数等安全标准的降低则是令人担忧的。
参考文献
（1） 郭志刚、巫锡炜：《泊松回归在生育率研究中的应用》，《中国人口科学》，2006年第4期.
（2） 胡定寰等：《超市对建立农产品质量安全长效机制的影响研究》. 中国农业科学院网站，2008-11-25，http://www.iae.org.cn/yanjiudt/xmbg/doc/3/2008YWF3－01胡定寰%20.pdf。
（3） 孔祥智、张利庠、钟真等：《中国奶业经济组织模式研究》，中国农业科技出版社，2010年。
（4） 孔祥智、钟真、谭智心：《奶站管理与奶源发展的问题和对策》，《中国农村通讯》，2009年第21期。
（5） 孔祥智、钟真、乔光华：《安全不能缺位——对呼和浩特市奶农与奶站的抽样调查》，《中国农村通讯》，2011年第21期。
（6） 龙方、任木荣：《农业产业化产业组织模式及其形成的动力机制分析》，《农业经济问题》，2007年第4期。
（7） 任端平、潘思轶：《食品安全、食品卫生与食品质量概念辨析》，《食品科学》，2006年第6期
（8） 王瑜、应瑞瑶：《养猪户的药物添加剂使用行为及其影响因素分析——基于垂直协作方式的比较研究》，《南京农业大学学报(社会科学版)》，2008年第2期。
（9） 张云华、马九杰、孔祥智等：《农户采用无公害和绿色农药行为的影响因素分析——对山西、陕西和山东15县(市)的实证分析》，《中国农村经济》，2004年第1期。
（10） 赵建欣、张晓凤：《交易方式对安全农产品供给影响的实证分析——基于河北定州和浙江临海菜农的调查》，《乡镇经济》，2008年第3期。
（11） 钟真、孔祥智：《中间商对生鲜乳供应链的影响研究》，《中国软科学》，2010年第6期。
（12） 周德翼、杨海娟：《食物质量安全管理中的信息不对称与政府监管机制》，《中国农村经济》，2002年第6期。
（13） 周洁红：《农户蔬菜质量安全控制行为及其影响因素分析——基于浙江省396户菜农的实证分析》，《中国农村经济》，2006年第11期。
（14） 周应恒等：《现代食品安全与管理》，经济管理出版社，2008年。
（15） 朱文涛、孔祥智：《以宁夏枸杞为例探讨契约及相关因素对中药材质量安全的影响》，《中国药房》，2008年第21期。
（16） 邹传彪、王秀清：《小规模分散经营情况下的农产品质量信号问题》，《科技和产业》，2004年第8期。
（17） Antle, J.M, 2000, “No Such Thing as a Free Safe Lunch: The Cost of Food Safety Regulation in the Meat Industry”, American Journal of Agricultural Economics, Vol.82, No.2, pp.310-322
（18） Antle, J.M., 1998, “Economic Analysis of Food Safety”, Research Discussion Paper No.20, Trade Research Center, Montana State University, B. Gardner and G. Rausser, eds. Handbook of Agricultural Economics. Amsterdam: North-Holland, 1998：1083－1136
（19） Braeutigam, R.R. and M.V. Pauly, 1986, “Cost Function Estimation and Quality Bias: The Regulated Automobile Insurance Industry”. RAND Journal of Economics, Vol.17, No.4, pp.606-617.
（20） Caswell, J., M. Bredahl and N. Hooker, 1998, “How Quality Management Metasystems Are Affecting the Food Industry,” Review of Agricultural Economics, 20(2), pp.547-557.
（21） Chambers, R.G. and M.D. Weiss, 1992, “Revisiting Minimum-Quality Standards”, Economics Letters, Vol. 40, No.2, pp.197–201.
（22） Das, A., M. Pagell, M. Behm, A. Veltri, 2008, “Toward a theory of the linkages between safety and quality”. Journal of Operations Management, Vol.26, pp.521–535
（23） Gertler, P.J and D.M. Waldman, 1992, “Quality-adjusted Cost Functions and Policy Evaluation in the Nursing Home Industry”, Journal of Political Economy, Vol.100, No.6, pp.1232-1256.
（24） Gertler, P.J., 1988, “A Latent-Variable Model of Quality Determination”, Journal of Business & Economic Statistics, Vol.6, No.1, pp.97-104.
（25） Hennessy, D., 1996, “Information Asymmetry as a Reason for Food Industry Vertical Integration,” American Journal of Agricultural Economics, Vol.78, No.4, pp.1034-1043.
（26） Herrero, S.G. et al.,2002, “From the traditional concept of safety management to safety integrated with quality”, Journal of Safety Research, Vol.33, pp.1-20
（27） Lancaster, K., 1966, “A New Approach to Consumer Theory,” Journal of Political Economy, 74(2), pp.132-157.
（28） Pouliot, S. and D.A. Sumner, 2008, “Traceability, Liability and Incentives for Food Safety and Quality”, American Journal of Agricultural Economics, Vol.90, No.1, pp.15–27
（29） Rosen, S., 1974, “Hedonic Prices and Implicit Markets: Product Differentiation in Pure Competition”, Journal of Political Economy, Vol.82, pp.34-55
（30） Starbird, S.A, 2005, “Moral Hazard，Inspection Policy，and Food Safety”, American Journal of Agricultural Economics，Vol.87, No.1, pp.15－27
（31） Unnevehr, L, 2003, “Food Safety: Setting and Enforcing Standards”, Choices, Vol.1, pp.9-13.
（32） Young, L and J. Hobbs, 2002, “Vertical Linkages in Agri-Food Supply Chains: Changing Roles for Producers, Commodity Groups, and Government Policy,” Review of Agricultural Economics, Vol.24, No.2, pp.428- 441.
英文标题及摘要
A Study on the Influence of Industrial Organization Structure on Food Quality and Safety: From the Example of Dairy Industry
ZHONG Zhen; KONG Xiang-zhi
（School of Agricultural Economics and Rural Development, Renmin University of China, Beijing, China, 100872）
Abstract: Based on the connotation of food quality and safety, this paper defines “comprehensive concept on quality and safety” by the difference on Economic characteristics of quality and safety, establishes the industrial organization model and food quality and safety from two dimensions of the production and trading. The empirical analysis based on the dairy sample data shows that, although production model and trading model both have significant impact on food quality and safety, the production model impact more significant on quality, meanwhile trading model impact more significant on safety. The conclusion provides a new view to explain the deep reason of food quality and safety issue, and also provides the theoretical basis for its effective governance.
Keywords: Food Quality and Safety; Comprehensive Concept on Quality and Safety; Industrial Organization Model; Raw Milk
地址：北京市西城区砖塔胡同56号
电话：18201639572（秘书处） / 13901154762（秘书处）
邮箱：cnrea_2022@163.com
