杨子恩

    (上海大学管理学院，上海 200444)

    食品安全监督抽检是以问题为导向，为及时发现风险隐患，有效防范食品安全苗头性、系统性、区域性风险，依据有关食品安全国家标准等要求在全国范围内进行的活动。为了进一步规范食品抽检工作运行，统一食品抽检信息格式和填报要求，提升食品抽检工作整体监管效能，国家市场监督管理总局建设了国家食品安全抽样检验信息系统(下称国抽信息系统)。2016 年至今，国抽信息系统存储了历年各地食品安全抽检数据，为排查食品安全风险提供了重要的数据来源，发挥了重要作用[1]。例如，章德宾等[2]基于BP 神经网络方法，输出以检测项目分类为结果的预测模型；GENG 等[3-4]在2017—2021 年现有的食品安全抽检数据上利用AHP-ELM、AHPEW 结合AHC-RBF 等不同方法分别建立食品安全模型，并利用肉制品进行验证，效果良好。

    但是，目前抽检数据质量仍有待提高，以四川省及福建省为例，其2021 年数据抽查问题率分别为32.5%和59.48%。食品安全抽检数据质量是食品安全抽检工作有效性的重要保障，是分析发现问题和研判食品安全形势的重要支撑，是做好核查处置工作的关键因素[5]。因此，全国各地市场监管部门均积极探索抽检数据抽查考核的方式方法、考核内容，组织数据自查，开展数据质量提升专题培训并制定相关管理办法，努力推进食品抽检数据高质量发展。然而，事后监管的方式费事费力且倒逼效果有限，从根源上提升抽检数据质量尤为迫切。

    一般来说，造成抽检数据质量低下的误差主要有两类，一类是抽样误差，一类是非抽样误差。抽样误差主要来自抽样方法，包括样本量、覆盖率等；非抽样误差是指对抽检的理解及数据收集过程中产生的误差，两类误差都可能降低抽检数据的精度和准确度。本文拟使用鱼骨图分析法找出影响抽检数据质量的根本原因，并提出提高数据质量的建议，旨在为数据质量提升构建长效机制，推进食品安全抽检工作高质量发展提供参考。

    1 食品安全抽检数据存在的普遍问题

    鱼骨图是工业界常用的质量分析工具，是一种能够发现问题根本原因的方法。其中，原因型鱼骨图是通过头脑风暴法找出可能的原因，并对原因进行分类整理绘制成层次分明、条例清晰的特征要因图。本文通过省级抽检工作会议及专家咨询收集了27 家承检机构的意见，对意见进行整理，并绘制出影响食品安全抽检数据质量的原因型鱼骨图，主要原因分为抽样误差和非抽样误差两个大类，样本量、覆盖率、工作准则、承检机构内部管理、人员因素及其他因素6 个细类(图1)。 ......