Page 115 - 食品检验检测技术与质量安全管理研究

第四章 食品企业质量安全监管评价研究

定而主观性强的问题。在判定企业类型的方法上，不是简单的加权法，而是借助

于先进的数理统计方法，基于 15 项经过优化的定量的基本指标构建了数学模型，
通过模型转化类型的判定，技术含量更高，模型判定的正确率高达 97%。
二是简便性。对指标特性进行了区分，分为 C 类指向指标、基本指标和 AA
类拔尖指标，简单清晰。一方面，通过筛选出九个 C 类指向指标，如果在判定

过程中发现了 C 类指向指标，则可将企业类型判定为 C 类，评价工作结束，而
不需将所有的指标都进行评定，从而简化工作程序。过于烦琐的模型不便于运用，
而且即便是运用于实际工作中，由于过于复杂也很容易导致错误发生，因此，简
便性是一个优秀模型必备的素质。这部分正是考虑到这一点，在模型的构建中在

充分满足其他条件的情况下尽可能地使模型简便易操作。
三是灵活性。对于 AA 类企业判定，各省可根据自身情况，选择八项 AA 类
拔尖指标中的全部或若干指标（至少四项）作为判定依据，而不是全国采取统一
的标准，更有助于不同的地方灵活操作。灵活性在某种程度上反映的是模型与实

际情况的吻合程度，灵活性越高，则模型与现实越贴近，则模型的智能化程度越
高；智能化程度越高，对模型建立的要求就越多。因此，灵活性更能体现模型的
技术水平。本研究采用的建模方式横向比较来看，灵活性相对较高，更好的适合
中国的实际国情。

四是前瞻性。为了鼓励企业提高核心竞争力并争创标杆企业，新体系还纳入
了技术创新水平这一要素，并将 AA 类拔尖指标单独列出，有助于企业明确今后
发展的方向，不断提高自身的水平，从而确保产品的质量安全。前瞻性可以说是
模型生命力的内核，一个模型在建立时历时较长，收集的数据众多，耗费众多人

力物力财力，如果模型的前瞻性不好，那么模型很快被时代所淘汰，模型的收益
成本效益很低，从某种角度甚至可以说，这种模型是失败的。本研究基于这样的
考虑，在建模之初就充分考虑了模型的前瞻性，力求模型能够与时俱进，顺应时
代的发展而不被轻易淘汰。

三、食品生产企业类型判定

（一）C 类企业判定

C 类企业的评价包括两种途径，一种是存在 C 类指向指标；另一种是根据
Ordinal 回归模型分析的结果。C 类指向指标共有九个，分别是未贯彻实施《中
华人民共和国产品质量法》《中华人民共和国标准化法》及其他与质量相关法律

105