基于结构方程模型的食品安全研究

-1-基于结构方程模型的食品安全评估的初步研究Basedonthepreliminaryresearchonthestructuralequationmodelofcampussafetymanagement辽宁科技大学控制科学与工程胡勇富剑华檀立欣宁晨旭李龙摘要：在线性系统理论的研究领域中,随着数学工具和系统描述方法的发展,已经形成了不同的分支.这些分支是将线性系统状态空间描述方法和代数理论结合起来,研究了线性系统结构方程模型建立的方法,在社会科学以及经济、市场、管理等研究领域有广泛的应用，例如行为安全管理方面的研究。食品安全问题一直是全社会关注的焦点，尤其是在发生三聚氰胺等重大食品安全事件后，政府对食品安全更加关注，并采取了一系列措施。本文采用城镇居民食品安全满意度的样本数据，通过探索性因子分析和构建结构方程模型。关键字：行为安全管理、校园安全管理、结构方程模型、食品安全。Abstract：Inthefieldofstudyoflinearsystemtheory,withthedevelopmentofmathematicaltoolsandadoptedsystemdescriptionmethods,differentbranches.havebeenformedThebranchescombinethelinearsystemstatespacedescriptionmethodandthealgebratheoryandstudytheestablishmentmethodoflinearsystemstructureequationmodel.Inthesocialsciencesandresearchfields,suchaseconomy,market,management,whichhaveawiderangeofapplications,asthebehaviorsafetymanagementresearch,Foodsafetyissuehasbeenthefocusofattentionofthewholesociety,especiallytheoccurrenceofthemelamineandothermajorfoodsafetyincident,theGovernmentpaymoreattentiontofoodsafetyandhasadoptedaseriesofmeasures.Inthispaper,urbanresidents,foodsafety,satisfaction,sampledata,throughtheexploratoryfactoranalysisandconstructionofstructuralequationmodeltostudyurbanresidentsKeywords：behaviorsafetymanagement、safetyculture、structuralequationmode、foodsecurity。一、引言改革开放以来，随着我国经济持续快速的增长，人们的生活水平不断提高，食品安全也逐渐成为全社会关注的焦点。近年来，行为安全管理理论的普及和应-2-用，对提高我国企业及公众的风险防范意识，都起到一定的作用。笔者针对行为安全管理理论在我国的实践困境，从基本概念、影响因素等多个方面进行探讨，深入分析其产生的原因，并提出了组织管理措施等解决途径，以提高行为安全管理理论在我国的应用，并为从根本上改变当前我国企业事故多发的状况提供解决思路。状态空间法是一种基于解答空间的问题表示和求解方法，它是以状态和操作符为基础的。由于状态空间法需要扩展过多的节点，只适用于表示比较简单的问题。结构方程模型是一门基于统计分析技术的研究方法学用以处理复杂的多变量研究数据的探究与分析。结构方程模型是研究社会、自然现象因果关系的统计方法，探索和检验因果关系是所有研究领域的重要目标。结构方程模型对因果关系的认识正是建立在对现象的观测基础上的。二、状态空间描述法（一）.状态空间描述法简介状态空间法是现代控制理论中建立在状态变量描述基础上的对控制系统分析和综合的方法。状态变量是能完全描述系统运动的一组变量。如果系统的外输入为已知，那么由这组变量的现时值就能完全确定系统在未来各时刻的运动状态。通过状态变量描述能建立系统内部状态变量与外部输入变量和输出变量之间的关系。反映状态变量与输入变量间因果关系的数学描述称为状态方程，而输出变量与状态变量和输入变量间的变换关系则由量测方程来描述。状态与状态变量描述的概念早就存在于经典动力学和其他一些领域，但将它系统地应用于控制系统的研究，则是从1960年R.E.卡尔曼发表《控制系统的一般理论》的论文开始的。状态空间法的引入促成了现代控制理论的建立。（二）状态空间描述的数学模型状态空间法的数学基础是线性代数。在状态空间法中，广泛用向量来表示系统的各种变量组，其中包括状态向量、输入向量和输出向量。变量的个数规定为相应向量的维数。用x表示系统的状态向量,用u和y分别表示系统的输入向量和输出向量，则系统的状态方程和输出方程可表示为如下的一般形式：-3-𝑥̇=f(x，u，t)，y=g(x，u，t)式中,f(x，u，t)和g(x，u，t)为自变量x、u、t的非线性向量函数,t为时间变量。对于线性定常系统状态方程和输出方程具有较为简单的形式：𝑥̇（t）=Ax（t）+Bu，y（t）=Cx（t）+Du（t）式中A为系统矩阵，B为输入矩阵，C为输出矩阵，D为直接传递矩阵，它们是由系统的结构和参数所定出的常数矩阵。在状态空间法中，控制系统的分析问题常归结为求解系统的状态方程和研究状态方程解的性质。这种分析是在状态空间中进行的。所谓状态空间就是以状态变量为坐标轴所构成的一个多维空间。状态向量随时间的变化在状态空间中形成一条轨迹。对于线性定常系统，状态轨迹主要由系统的特征值决定。系统的特征值规定为系统矩阵A的特征方程det(sI-A)=0的根，其特征可由它在s复数平面上的分布来表征。当运用状态空间法来综合控制系统时，问题就变为选择一个合适的输入向量，使得状态轨迹满足指定的性能要求。（三）状态空间法的优点状态空间法有很多优点。由于采用矩阵表示，当状态变量、输入变量或输出变量的数目增加时，并不增加系统描述的复杂性。状态空间法是时间域方法，所以很适合于用数字电子计算机来计算。状态空间法能揭示系统内部变量和外部变量间的关系，因而有可能找出过去未被认识的系统的许多重要特性，其中能控性和能观测性尤其具有特别重要的意义。研究表明，从系统的结构角度来看，状态变量描述比经典控制理论中广为应用的输入输出描述传递函数更为全面。三、结构方程模型（一）SEM的结构1.SEM是基于变量的协方差来分析变量之间的关系，可以分析涉及潜变量的复杂关系。管理研究离不开一些抽象的构念如“学业成就”，“家庭社会地位”等可操作化以便得到具体数据。这些具体的能进行测量的变量称为显变量、观察变量、测量变量。2．结构方程模型的结构包括测量模型和结构模型：测量模型是指标与潜变量之间的关系:-4-x=𝐴𝑥ξ+δ、y=𝐴𝑦η+ε结构模型η=Βη+Γξ+ζx—外源指标向量,y—内生指标向量,𝐴𝑥—外源指标在外源潜变量上的因子负荷矩阵,𝐴𝑦—内生指标在内生潜变量上的因子负荷矩阵,ξ—外源潜变量,η—内生潜变量,δ—外源指标x的误差项,ε—内生指标y的误差项,Β—内生潜变量之间的关系,Γ—外源潜变量对内生潜变量的影响,ζ—结构方程的残差项，反映η在结构方程中未被解释的部分。（二）SEM建模的基本过程SEM的建模过程包括模型构建(modelspecification)、模型拟合(modelfitting)、模型评价(modelassessment)以及模型修正(modelmodification)四个主要步骤1.确定初始模型利用SEM分析变量(包括观测变量和潜在变量)的关系，关键一步是根据专业知识和研究目的，构建出理论模型，然后用测得的数据去验证这个理论模型的合理性开始建立的理论模型有可能不是较理想模型，需要在数据的拟合过程中修改评价，再修改再评价，直至建立较理想模型在建构模型时，首先检查每一个测量模型中各因子(潜在变量)是否可以用研究的观察变量来测量，这主要根据专业知识确定，同时可借助于探索性因子分析，建立测量模型；然后根据专业知识确定各因子之间可能存在的因果关系，建立结构模型在建构模型时，应注意模型的识别问题，可以用t法则、两步法则、MIMIC法则判定。2.模型拟合模型拟合就是通常所说的参数估计，所要做的是使模型隐含的协方差矩阵(即再生协方差矩阵)与样本协方差矩阵之间的距离最小这个距离称为拟合函数两个矩阵之间的距离有多种不同的定义方法，因而产生了不同的拟合函数，即不同的参数估计方法参数估计方法主要通过下列拟合函数：TSlS(两阶段最小二乘)ULS(非加权最小二乘)ML(最大似然)GIS(广义最小二乘)WLS(一般加权最小二乘)DWLS(对角加权最小二乘)等其中ML估计分布是渐进正态分布，但ML-5-是无偏一致渐进有效的估计方法，且有尺度不变性，因此在参数估计时以ML最为常用3．模型评价参数估计出来之后，就得到了拟合模型但要知道模型拟合的好坏，还应对模型进行评价大致从以下三个方面讨论：一是参数合理性(比如相关系数应在-1到+1之间与先验假设不应有严重的冲突等)和参数检验的显著性；二是决定系数的大小；三是拟合指数其中，拟合指数是最为常用的拟合指数分为三类：绝对拟合指数相对拟合指数及简约指数。相对于绝对拟合指数和相对拟合指数来说，简约指数较少用绝对拟合指数是将理论模型(Mt)和饱和模型(Ms)比较得到的一个统计量，常用的绝对拟合指数有x2RMSEA(近似误差均方根)SRMR(标准化残差均方根)GFI(拟合优度指数)AGFI(调整拟合优度指数)其中x2值越小越好，RMSEA值越小越好，当RMSEA小于0.1时，表示好的拟合的取值范围，其值越小越好，当小于SRMR的取值范围01，其值越小越好，当小于0.08时认为模型可以接受常用的相对拟合指数有NNFI(非范拟合指数)NFI(赋范拟合指数)CFI(比较拟合指数)对模型评价时，不应单靠某几个拟合指数就做出模型拟合程度的结论，而应将它们联合考察4.模型修正对模型进行评价的目的，不是简单地接受或拒绝一个假设的理论模型，而是根据评价的结果来寻求一个理论上和统计上都有意义的相对较好的模型一个好的模型应具备以下几个条件：（1）测量模型中的因子负荷和因果模型中的结构系数的估计值都有实际意义和统计学意义；（2）模型中所有固定参数的修正指数(MI)不要过高；（3）几种主要的拟合指数达到了一般要求；（4）测量模型和因果模型中的主要方程的决定系数R应足够大；（5）所有的标准拟合残差都小于1.96如果我们希望看到的上述情况中的一种或几种没有出现，可以根据具体的结果做出如下改变：（1）删除相应的自由参数（2）将最大或较大MI的参数改为自由参数（3）当评价结果中有较大的标准残差时，通过不断添加与删除自由参数，直到所有的标准残差均小于2为止（4）如主要方程的决定系数很小，则可能是以下某个或某几个方面的原因：一是缺少重要的观察变量；二是样本量不够大；三是所设定的初始模型不正确。-6-（三）SEM建模的优点1.同时处理多个因变量结构方程分析可同时考虑并处理多个因变量。在回归分析或路径分析中，就算统计结果的图表中展示多个因变量，其实在计算回归系数或路径系数时，仍是对每个因变量逐一计算。所以图表看似对多个因变量同时考虑，但在计算对某一个因变量的影响或关系时，都忽略了其他因变量的存在及其影响。2.容许自变量和因变量含测量误差态度、行为等变量，往往含有误差，也不能简单地用单一指标测量。结构方程分析容许自变量和因变量均含测量误差。变量也可用多个指标测量。用传统方法计算的潜变量间相关系数，与用结构议程分析计算的潜变量间相关系数，可能相差很大。3.同时估计因子结构和因子关系假设要了解潜变量