安全生产-食品质量安全抽检数据分析教材(ppt 91页)

LOGO 食品质量安全 抽检数据分析 何梓菱 王哲 周李 指导教师：数模教练组 复旦大学 数学科学学院 LOGO 目录 问题的重述一 问题的分析二 模型的假设三 符号约定四 模型的建立与求解五 问题的分析六 模型的评价与推广七 LOGO 一、问题的重述 1、 评价 食品安全 情况变化 趋势 2、 找出与 食品质量 相关因素 3、 改进 食品抽检 方法 LOGO 1、评价食品安全情况变化趋势 逐年统计各项指标合格率 逐年统计各项指标超标百分比 横向、纵向比较分析 评价方法评价方法 LOGO 2、找出与食品质量相关因素 横向对比因素分析 l 生产环节 l 流通环节 l 餐饮消费 环节 环节 l Logestic回 归 分析模型 l 虚拟变量 l 比较 Wald统 计值 l 食品产地 l 省内 l 省外 l 检测季节 l 食品检测地点 l 包装 运输距离 Spearman秩 相关性分析 产地、检测地、 包装、季节 列联分析 LOGO 3、改进食品抽检方法 1、统计处理上一次抽 检结果 . 3、调整下一 次 每种 食品 的检测 次数 2、 根据评价 结果 ，考虑产地 季节 等 因素 . 以抽检结果的方差和平均值 为参数的评价函数模型 LOGO 三、模型假设 1 实际深圳市市场监督管理局网站上的所有检测数据都准确可靠 2 食品都可以归类到食品分类系统当中 4 划分之后同一地区的生产厂家到深圳具有相同的运输距离 5 对任何产品抽检一批次的成本相同 3 抽检指标都可以归类到抽检项目分类系统当中 LOGO 四、符号约定 LOGO 五、模型的建立与求解 5.1 深圳市主要食品安全情况的变化趋势 5.2 食品安全相关因素分析 5.3 抽样方法的改进 LOGO 5.1.1 检测指标的分类 微生物 工业残留 及其他 食品添 加剂 重金属 检测指标 超标类 未达标类 其他类 检测检测 标准标准 LOGO 5.1.2食品的分类 1. 乳及乳制品（简称乳制品）； 2. 脂肪，油和乳化脂肪制品（简称食用油）； 3. 冷饮，饮料及酒（简称饮品）； 4. 水果、蔬菜（包括块根类）、豆类、食用菌、坚果以及籽类等 （简称果蔬）； 5. 可可制品、巧克力和巧克力制品、糖果及甜味料（简称甜味料）； 6. 粮食及粮食制品，包括大米、面粉、杂粮、淀粉等（简称粮食）； 7. 焙烤食品，包括面包、糕点、饼干等（简称焙烤食品）； 8. 肉蛋类及其制品（简称肉蛋制品）； 9. 水产及其制品，包括鱼类、甲壳类、贝类、软体类、棘皮类等水产 及其加工制品等（简称水产品）； 10. 调味品 11. 其他类，即不包含在前十类中的食品。 LOGO 5.1.3数据的处理 v1）合格率 2010年 2011年 2012年 乳制品 100.00% 99.80% 100.00% 食用油 98.09% 98.11% 99.09% 饮品 98.54% 97.72% 98.07% 果蔬 94.59% 92.04% 97.99% 甜味料 97.89% 91.35% 95.61% 粮食 99.59% 94.48% 97.04% 焙烤食品 99.73% 81.67% 96.91% 肉蛋制品 95.45% 86.16% 93.63% 水产品 96.84% 92.86% 94.88% 调味品 98.60% 91.59% 94.99% 其他类 98.01% 96.77% 95.62% LOGO 图 1 2010年 2012年各类主要 食品 抽检 合格率比较图 LOGO 2）超标百分比 5.1.3数据的处理 非 微生物： 微生物： LOGO 表 5 三年微生物超标情况（未做对数处理前） 超 标 数量 超 标 百分比 均 值 中位数 均 值 的 标 准 误 标 准差 2010 年 30 105961% 2933% 462 2531 2011 年 294 123269% 2567% 648 11120 2012 年 125 4296% 2567% 5 59 LOGO 表 6 部分微生物超标情况特别严重的产品一览表 抽 检 日 期 样 品名 称 受 检单 位 产 地 标 准要求 检测结 果 2010/ 9/1 波 纹 干 津市市南北特食 品 实业 有限公司 深圳 菌落 总 数 750(cfu/g) 8.1106 (cfu/g) 2011/ 2/18 卤 豆干 深圳市南山区金 华 城百 货 商 场 日 用品 经营 部 长 沙 菌落 总 数750(cfu/g) 1.9107(cfu/g) 2011/ 9/28 香辣卷 深圳市佳 满 福百 货 有限公司笋 岗 分店 长 沙 菌落 总 数750(cfu/g) 1.4108(cfu/g) 2012/ 12/3 即食煎牛 扒 深圳市三合春餐 饮 管理有限公司 深圳 大 肠 菌落 90(MPN/100g) 2.4104 (MPN/10 0g) LOGO 超 标 数量 均 值 均 值 的 标 准 误 标 准差 微生物 （ 处 理前） 2010年 30 105961% 462.3 2531.9 2011年 294 123269% 648.6 11120.8 2012年 125 4296% 5.3 59.2 微生物 （ 处 理后） 2010年 30 71.61% 0.0785 0.4298 2011年 294 64.78% 0.0258 0.4425 2012年 125 57.71% 0.0394 0.4399 重金属 2010年 8 270.88% 0.9199 2.6018 2011年 23 347.70% 0.9121 4.3744 2012年 3 197.33% 0.8315 1.4402 食品添加 剂 2010年 41 205.11% 0.4253 2.7234 2011年 264 200.66% 0.1115 1.8118 2012年 133 141.44% 0.1287 1.4844 表 7 三年内各类食品微生物 、 重金属、食品添加剂 超标情况 LOGO 图 2 各 类食品微生物 、重金属 、 食品添加剂 三年内超标情况 比较（微生物为处理后） LOGO 表 8 2010年六类主要食品微生物 、 重金属 、食品添加剂超标情况汇总 2010年 微生物 重金属 食品添加 剂 食品分 类 超 标 数量 超 标 百分比 超 标 数量 超 标 百分比 超 标 数量 超 标 百分比 处 理前 处 理后 饮品 1 2100% 79.0% 0 2 57.3% 果蔬 11 284078% 103.4% 3 308.3% 24 296.2% 粮食 2 1643% 33.9% 0 0 焙烤食品 0 0 1 128.0% 肉蛋制品 6 2387% 45.8% 0 1 900.0% 水产品 7 3943% 62.6% 0 0 LOGO 表 9 2011年六类主要食品微生物 、 重金属 、食品添加剂超标情况汇总 2011年 微生物 重金属 食品添加 剂 食品分 类 超 标 数量 超 标 百分比 超 标 数量 超 标 百分比 超 标 数量 超 标 百分比 处 理前 处 理后 饮品 6 713% 36.8% 0 3 74.5% 果蔬 76 406698% 86.1% 6 309.2% 88 264.1% 粮食 2 1446% 72.6% 1 550.0% 17 247.0% 焙烤食品 32 1175% 40.1% 0 137 227.0% 肉蛋制品 149 5978% 55.7% 8 553.4% 6 83.3% 水产品 19 5220% 44.3% 2 115.0% 0 LOGO 表 10 2012年六类主要食品微生物 、 重金属 、食品添加剂超标情况汇总 2012年 微生物 重金属 食品添加 剂 食品分 类 超 标 数量 超 标 百分比 超 标 数量 超 标 百分比 超 标 数量 超 标 百分比 处 理前 处 理后 饮品 3 4217% 101.1% 0 3 131.1% 果蔬 3 8329% 52.4% 0 49 149.8% 粮食 0 0 27 146.3% 焙烤食品 20 1332% 41.0% 0 31 113.2% 肉蛋制品 81 5104% 55.6% 0 10 205.7% 水产品 11 3785% 44.0% 1 340.0% 2 134.5% LOGO 3）独立样本 T检验 5.1.3数据的处理 LOGO 独立样本 T检验 表 12 2010年和 2011年食品添加剂超标情况比较的显著性检验 食品添加 剂 方差方程的 Levene检 验 均 值 方程的 t检验 F Sig. t df Sig. 均 值 差 值 标 准 误 差 值 95%置信区 间 下限 上限 假 设 方 差相等 10.12 0.002 0.136 30 3 0.892 0.045 0.328 -0.602 0.691 假 设 方 差不相等 0.101 46 0.920 0.045 0.440 -0.841 0.930 年份 N 均 值 标 准差 均 值 的 标 准 误 2010 41 2.0510 2.7234 0.4253 2011 264 2.0065 1.8118 0.1115 表 11 2010年和 2011年食品添加剂超标百分比的均值、标准差比较 LOGO 独立样本 T检验 表 14 2011年 和 2012年 食品添加剂超标情况比较的显著性检验 食品添加 剂 方差方程的 Levene检 验 均 值 方程的 t检验 F Sig. t df Sig. 均 值 差 值 标 准 误 差 值 95%置信区 间 下限 上限 假 设 方 差相等 7.910 0.005 3.258 39 5 0.001 0.592 0.182 -0.235 0.950 假 设 方 差不相等 3.477 31 5 0.001 0.592 0.170 -0.257 0.927 年份 N 均 值 标 准差 均 值 的 标 准 误 2011 264 2.0065 1.8118 0.1115 2012 133 1.4143 1.4843 0.1287 表 13 2011年 和 2012年 食品添加剂超标百分比的均值、标准差比较 LOGO 表 15 三年内微生物、 重金属 超标 情况比较的显著性检验 微生物 重金属 处 理前 处 理后 检验 年份 10年、11年 11年 、12年 10年 、11年 11年 、12年 10年 、11年 11年 、12年 方差的 Levene 检验 F 0.064 4.408 0.155 0.161 1.119 1.244 Sig 0.801 0.045 0.694 0.689 0.299 0.276 均 值 的 t检验 t -0.085 1.834 0.808 1.499 -0.466 0.582 Sig 0.932 0.068 0.420 0.135 0.645 0.645 LOGO v分析结果 微生物 ： 超标百分比均值稳中有降，说明食品中微生物的 安全情况逐年略有改善 重金属 ： 超标数量较少， 2012年的超标情况稍要好于 2011年 食品添加剂 ： 2011年较 2010年的超标情况基本没有太大 改变，但 2012年食品添加剂的安全情况较 2011年有了显 著性的改善。 总的来说， 2012年的各项食品安全情况较前一年都有了 一定的改善，说明深圳市市场监督管理局对食品的定期抽 检还是有其积极意义的。 5.1.3数据的处理 LOGO 5.2 食品安全相关因素分析 5.2.2 食品产地 5.2.1 食品各个环节安全情况 5.2.4 食品销售地点（即检测地点） 5.2.3 检测季节 5.2.5 食品包装 5.2.6 综合因素分析 LOGO 5.2.1 食品各个环节安全情况 抽检总数 合格数 合格率 生产加工环节 779 747 95.9% 流通销售环节 1454 1424 97.9% 餐饮服务环节 2537 2473 97.5% 表 16 2010年食品各个环节抽检情况对比表 v生产环节的抽检合格率较其他两个环节要稍低 一些 可能 是由于生产厂家中卫生情况较差造成的 。 LOGO 5.2.2 食品产地 食品 产地 与 食品质量关 系 Spearman秩 相关性分析 列联相关进行分析 广东省外 分析方法： v Spearman秩相关性分析 运输距离与食品质量 v 列联相关进行 分析 城市本身与食品质量 v 产地划分 广东省内 城市 广东省 外 省份、自治区和直 辖市 广东省 内 LOGO 广东省内 城市 距离 抽 检总 数 合格数 合格率 不合格率 深圳 0 11877 11696 98.48% 1.52% 东 莞 69 1159 1118 96.46% 3.54% 惠州 92.3 142 137 96.48% 3.52% 中山 121 367 358 97.55% 2.45% 广州 143 1182 1148 97.12% 2.88% 佛山 149 391 376 96.16% 3.84% 江 门 151 94 93 98.94% 1.06% 珠海 157 138 135 97.83% 2.17% 开平 233 91 88 96.70% 3.30% 揭西 267 123 95 77.24% 22.76% 普宁 284 147 137 93.20% 6.80% 揭阳 327 52 49 94.23% 5.77% 揭 东 335 91 87 95.60% 4.40% 汕 头 341 301 287 95.35% 4.65% 潮州 361 52 52 100.00% 0.00% LOGO 广东省外 省份 距离 抽 检总 数 合格数 合格率 不合格率 海南 679 65 65 100.00% 0.00% 广西 737 155 151 97.42% 2.58% 湖南 783 303 250 82.51% 17.49% 江西 811 168 166 98.81% 1.19% 福建 841 661 654 98.94% 1.06% 湖北 1114 199 195 97.99% 2.01% 安徽 1243 78 77 98.72% 1.28% 浙江 1297 252 246 97.62% 2.38% 江 苏 1400 82 82 100.00% 0.00% 上海 1488 447 440 98.43% 1.57% 云南 1525 89 89 100.00% 0.00% 河南 1595 196 195 99.49% 0.51% 重 庆 1689 214 204 95.33% 4.67% 山 东 1864 366 365 99.73% 0.27% 河北 1959 91 90 98.90% 1.10% 四川 1990 107 103 96.26% 3.74% 山西 1999 160 159 99.38% 0.62% 北京 2161 156 151 96.79% 3.21% 天津 2163 68 68 100.00% 0.00% 内蒙古 2640 192 192 100.00% 0.00% 黑 龙 江 3350 135 135 100.00% 0.00% LOGO v 值 df 渐进 Sig. Pearson 卡方 670.447 35 0.000 有效案例中的 N 20391 LOGO 5.2.2 食品产地 v数据处理 广东省外以省份划分，产地距离为省会城市到深 圳市的高速公路距离 广东省内以城市为依据进行划分，产地距离为该 城市到深圳市的高速公路距离 以上所有距离通过百度地图得到 统一剔除检测数目小于 50的产地 v方法 Spearman相关性分析 LOGO Spearman秩相关性 分析 结果 省内 省外 全国 运 输 距离 合格率 相关系数 -0.270 0.570 0.468 Sig. 0.350 0.014 0.004 N 14 18 32 是否相关 否 是 是 LOGO Spearman秩相关性分析 结果说明： 运输距离与食品质量 的 相关性 ： 广东省内城市 无 广东省外的各个省份 中度相关性 ， 正相关性 即 运输距离越远食品合格率越高，食品质量越 好。 结论分析 首先，广东省内检测食品数量较多 其次，由于运输距离短的食品流通更为便捷，由此食 品种类更为繁杂，监管难度更为大。 再次，当运输距离达到一定长度后，食品运输方式或 会采用空运等更为快速且安全的运输方式 LOGO 5.2.3 检测季节 乳制 品 食用 油 饮 品 果蔬 甜味 料 粮食 焙烤 食品 肉蛋 制品 水 产 品 调 味 品 10-1 10-2 97.6% 98.5% 98.9% 99.4% 97.5% 96.8% 100% 10-3 100% 100% 100% 92.3% 99.7% 99.7% 85.7% 100% 98.5% 10-4 100% 93.9% 87.3% 96.0% 99.4% 97.5% 96.8% 97.2% 100% 11-1 98.7% 95.0% 96.7% 89.1% 92.2% 66.9% 73.3% 98.0% 11-2 100% 98.5% 100% 94.6% 92.3% 100% 98.0% 11-3 100% 97.5% 87.6% 100% 100% 96.3% 95.9% 88.2% 99.0% 11-4 100% 98.1% 98.6% 94.3% 88.1% 95.0% 88.8% 86.5% 84.5% 12-1 100% 98.8% 99.5% 90.0% 99.2% 100% 93.3% 12-2 100% 99.4% 95.7% 86.5% 97.8% 98.3% 91.3% 88.6% 95.7% 95.8% 12-3 100% 100% 97.1% 100% 100% 95.8% 98.4% 96.0% 12-4 100% 97.8% 99.4% 99.6% 95.9% 92.4% 95.2% 94.2% 93.5% 13-1 100% 99.5% 95.7% 100% 100% 100% 92.1% 13-2 100% 100% 100% 91.7% 93.0% 85.6% 86.7% 表 32 各类食品分季度合格率汇总表 LOGO 5.2.3 检测季节 v方法：列联分析 某些食品的样本量较少，或不合格数量为 0，无法 进行卡方检验 仅对饮品、果蔬、粮食、焙烤食品、肉蛋制品以 及水产品这六类主要食品进行检验 以一、二、三、四分别表示四个季度， 0表示不合 格， 1表示合格 以果蔬为例，得到列联表如下： LOGO 5.2.3 检测季节 v 卡方 检验 值 df Sig.(双 侧 ) Pearson卡方 17.459 3 0.001 有效案例中的 N 2840 LOGO 表 30 六类主要 食品 分 季节 列联汇总表 第一季度 第二季度 第三季度 第四季度 合格 不合格 合格 不合格 合格 不合格 合格 不合格 饮 品 计 数 777 15 254 7 1225 29 988 25 期望 774 18 255 6 1225 29 990 23 果蔬 计 数 861 33 275 29 518 25 1049 50 期望 851 43 289 15 517 26 1046 53 粮食 计 数 809 47 721 32 1171 16 1156 36 期望 828 28 728 25 1148 39 1153 39 焙烤食 品 计 数 476 130 205 17 989 18 491 31 期望 556 50 204 19 923 84 479 43 肉蛋制 品 计 数 426 62 391 36 280 16 766 76 期望 443 45 388 40 269 27 746 78 水 产 品 计 数 98 2 222 10 373 22 330 18 期望 95 5 221 11 376 19 331 17 LOGO 表 31 六类主要食品与季节因素影响的卡方检验表 食品种 类 监测总 数 卡方 值 自由度 P值 饮 品 3320 0.881 3 0.830 果蔬 2840 17.459 3 0.001 粮食 3988 29.596 3 0.000 焙烤食品 2357 197.447 3 0.000 肉蛋制品 2053 12.537 3 0.006 水 产 品 1075 2.434 3 0.487 LOGO 5.2.3 检测季节 v逐类分析 饮品 的季节因素相差很小，即受季节影响较小，原因可能是饮品 的包装较好，保质期较长，因此不同的季节对饮品质量影响不大 果 蔬受季节影响较大 ，第一季度 质量较好 ，第二季度 质量略差。 原因可能 在于第二季度 气温较高，使得某些预包装果蔬类食品更 容易变质。 粮食受季节影响也较大，但与蔬菜不同的是，其第一 、二季度质 量较差，第三季度质量较好，原因在于第三季度一般为粮食收割 季，所以粮食制品质量较好。 焙 烤食品在列联 分析中表 现出受季节因素影响显著，其中，第一 季度质量较差， 第三、四季度 质量较好 。 肉蛋制品和焙烤食品情况类似，第一季度较差，第二、三季度质 量好。 LOGO 表 28 饮品等五 类食品分季度合格率汇总表 饮 品 果蔬 粮食 焙烤食品 肉蛋制品 10-2 98.5% 98.9% 99.4% 97.5% 10-3 100% 92.3% 99.7% 99.7% 85.7% 10-4 93.9% 87.3% 99.4% 97.5% 96.8% 11-1 96.7% 89.1% 92.2% 66.9% 73.3% 11-2 100% 94.6% 100% 11-3 97.5% 87.6% 100% 96.3% 95.9% 11-4 98.6% 94.3% 95.0% 88.8% 86.5% 12-1 98.8% 99.5% 99.2% 100% 93.3% 12-2 95.7% 86.5% 98.3% 91.3% 88.6% 12-3 97.1% 100% 95.8% 98.4% 96.0% 12-4 99.4% 99.6% 95.9% 92.4% 95.2% 13-1 99.5% 95.7% 100% 100% 92.1% 13-2 91.7% 93.0% 85.6% LOGO 5.2.3 检测季节 第一季度 第二季度 第三季度 第四季度 饮品 略好 一般 一般 一般 果蔬 较好 较差 一般 一般 粮食 较差 略差 很好 一般 焙烤食品 很差 略差 很好 较好 肉蛋制品 较差 较好 较好 一般 LOGO 5.2.3 检测季节 v各种食品的质量多多少少都与季节有着 关联 v不同食品种类与季节关系不尽 相同 v在加强相关的监管的过程中，需要 对症下药 v根据每类食品受季节影响的特点，制定相应 的抽检方案。 LOGO 5.2.4 食品销售地点（即检测地点 ） v方法：列联分析 深圳市按城区划分，共 9个城区 各个城区食品合格率 表 35 宝安 区 福田 区 光明新 区 龙岗 区 罗 湖 区 南山 区 坪山新 区 盐 田 区 龙华 新 区 合格数 1596 950 175 1515 877 830 212 242 8 不合格 数 86 25 10 64 25 14 13 8 1 合格率 94.9% 97.4% 94.6% 95.9% 97.2% 98.3% 94.2% 96.8% 88.9% LOGO 5.2.4 食品销售地点（即检测地点 ） v 值 df 渐进 Sig. Pearson卡方 31.369 8 0.000 有效案例中的 N 6561 v检验 结果 LOGO 5.2.5 食品包装 v方法：列联分析 食品按包装方式，分为包装和散装 对每 一类食品分别进行分析，减少因素间干扰 某些种类食品 由于 不合格的散装检测数为 0，无法 进行列联 分析 。 仅 对食用油、饮品、果蔬、甜味料、粮食、肉蛋 制品、水产品和调味品进行分析。 LOGO 表 37 各种类食品的合格 与否 与 不同包装的计数与分析表 合格、包 装 合格、散 装 不合格、 包装 不合格、 散装 Sig. 乳制品 132 6 3 0 / / 食用油 23 2 14 36 35.07 0.00 饮 品 381 6 50 16 37.63 0.00 果蔬 249 638 304 81 299.82 0.00 甜味料 236 5 53 2 0.47 0.49 粮食 471 181 123 57 0.51 0.48 焙烤食品 117 4 1 0 / / 肉蛋制品 192 327 36 322 86.99 0.00 水 产 品 16 52 42 33 20.50 0.00 调 味品 126 4 86 20 18.33 0.00 其他 208 193 23 25 / / 总 和 15236 11205 822 842 43.23 0.00 LOGO 5.2.5 食品包装 v分析结果 除了粮食与甜味料外，其他种类食品的合格与否 均显示出与食品包装相关，即包装的食品合格率 更高，并且相关性非常显著 。 总和数据也显示出，食品包装对食品合格的相关 性颇为显著 。 散装的食品卫生安全情况较为严重，需要加强监 管 。 LOGO 5.2.6 综合因素分析 v LOGO 5.2.6 综合因素分析 表 32 食品检测地点虚拟变量编号表 v j值对 应的 城区 龙岗 区 罗湖 区 宝 安 区 盐田 区 南山 区 福田 区 光明 新区 坪山 新区 龙华 新区 j 1 2 3 4 5 6 7 8 9 LOGO 5.2.6 综合因素分析 v LOGO v LOGO 表 40 产地、包装、季节和检测地点与食品质量的 Logistic多重共线性诊断表 多重共 线 性数据 容忍度 VIF 季 节 0.911 1.098 产 地 0.786 1.272 检测 地 0.996 1.004 包装 0.745 1.342 LOGO 5.2.6 综合因素分析 v LOGO 5.2.6 综合因素分析 可以采用最大似然估计法（ MIE）。最大似然法 的思想是先对初始值进行估计，根据算法变动回 归参数，进行迭代运算，使得对数似然值增大， 由此估计函数 。 v检验 Logistic回归的显著 性 用 Hosmer 和 Lemeshow 检验 零假设 是模型能够很好的拟合 。 当 sig.值 0.05，因此不能否认 零 假设，即模型能够很好的拟合整体，不 存在显著的差异。 LOGO 5.2.6 综合因素分析 v LOGO 表 产地、包装、季节和检测地点与食品质量的 Logistic回归分析 结果 Variables in the Equation B S.E. Wald df Sig. Exp(B) Step 1a 季 节 25.998 3 .000 季 节 (1) -.541 .412 1.719 1 .190 .582 季 节 (2) .438 .457 .920 1 .338 1.550 季 节 (3) 1.301 .547 5.670 1 .017 3.674 产 地 .000 .000 .451 1 .502 1.000 检测 地 24.068 8 .002 检测 地 (1) 1.099 .573 3.672 1 .055 3.001 检测 地 (2) -.761 .321 5.626 1 .018 .467 检测 地 (3) -.639 .588 1.180 1 .277 .528 检测 地 (4) .837 .575 2.120 1 .145 2.309 检测 地 (5) .113 .424 .071 1 .791 1.119 检测 地 (6) .371 1.048 .125 1 .723 1.449 检测 地 (7) -.590 .656 .810 1 .368 .554 检测 地 (8) 34.457 1.357E8 .000 1 1.000 9.213E14 包装 .770 .296 6.742 1 .009 2.159 Constant 3.180 .495 41.239 1 .000 24.045 LOGO 模型 的 Hosmer 和 Lemeshow 检验的结果如下表： 由 上表知， sig.值 0.05，因此不能否认原假设零假设，即模型能 够很好的拟合整体，不存在显著的差异。由于数据量较大，对 3000多个数据回归得到如此结果，已可说明回归显著。 Hosmer and Lemeshow Test Step Chi-square df Sig. 1 9.646 8 .291 LOGO Variables in the Equation B S.E. Wald df Sig. Exp(B) Step 3c 季节 25.810 3 .000 季节 (1) -.563 .411 1.878 1 .171 .570 季节 (2) .395 .453 .760 1 .383 1.485 季节 (3) 1.281 .545 5.526 1 .019 3.602 检测地 24.140 8 .002 检测地 (1) 1.094 .573 3.644 1 .056 2.988 检测地 (2) -.763 .321 5.647 1 .017 .466 检测地 (3) -.656 .588 1.247 1 .264 .519 检测地 (4) .842 .575 2.149 1 .143 2.322 检测地 (5) .112 .424 .070 1 .792 1.119 检测地 (6) .379 1.048 .131 1 .718 1.461 检测地 (7) -.567 .655 .751 1 .386 .567 检测地 (8) 34.104 1.112E8 .000 1 1.000 6.471E14 包装 .865 .266 10.598 1 .001 2.374 Constant 3.208 .494 42.218 1 .000 24.720 LOGO 模型 的 Hosmer 和 Lemeshow 检验的结果如下表： 由 上表知， sig.值 0.05，因此不能否认原假设零假设，即模型能 够很好的拟合整体，不存在显著的差异 。 相比之前全部变量都进 入建模结果更好。 Hosmer and Lemeshow Test Step Chi-square df Sig. 3 4.850 8 .773 LOGO 5.2.6 综合因素分析 总体相关性 根据 wald值判定，季节，抽检地，包装和产品是否合 格表现出相关性。且季节 抽检地 包装 季节因素 : 第 四 季度与食品质量的相关性显著 ，且相较第一季度 质量要好 不同种类食品的影响情况也需要分开考虑。 检测地点因素 : 是否是宝安区 食品与 食品质量的相关性 显著 ，且相对 龙岗区要差。 其他城区的食品质量良莠不齐，且分布更为均匀 LOGO 5.2.6 综合因素分析 食品包装 : 对 食品质量起显著影响 ,有包装的食品的合格率更高。 食品产地 在回归分析中相关性不强，分析如下 : 如前文所述，由于数据信息不齐全，在进行回归分析时需要 筛选出信息齐全的数据，那么在此筛选中，因为筛选出的数 据与原始数据的信息分布无可避免地会有所出入，食品产地 对食品质量的影响或许会有所减弱。 相对其他因素而言，有 5.2.15.2.4分析中可以看出， 从全国 角度来看，食品产地的因素影响不大。 LOGO 5.3 抽样方法的改进 5.3.2改进模型 5.3.1 市场模型的简化 5.3.3 产品抽检方法改进对比测试 5.3.4 权重系数的 ， 的确定 5.3.5 实证 数据对比模型 5.3.6 实证 模型结果 LOGO 5.3.1 市场模型的简化 市场中只有已知的若干类食品，且每类食品下有若干种食品。 同种食品的检测项目相同且最终合成为一个指标，我们对食品的检测值 进行如下处理，将检测值统一除以标准值，特别地，如果是微生物检测 项目，则将检测值与标准值分别取对数后再做除法，我们称这个过程为 “ 指标归一化 ” 过程。 同一批次的食品质量相同 LOGO 5.3.2改进模型 v目标 在总的抽检次数不变的情况下提高抽检的效率， 找到更多的不合格产品。 v方法 合理分配每种产品的抽检率，提高抽检效率 抽检率与两个因素有关 : 之前 抽检批次结果的方差 抽检结果方差越大， 说明该种类产品质量波动情况较大， 则我们将适当增加我们的抽检率 之前 抽 检 批次 结果的超标情况 抽检结果超标情况严重，我们会增加该类食品的抽检次数 。 LOGO 5.3.2改进模型 v LOGO 5.3.3 产品抽检方法改进对比测试 v通过随机数生成相关的数据 ，定义检出率为抽检出 的不合格产品占市场中所有不合格产品的比例。对 于同一份随机生成的数据，在相同的抽检次数下比 较两种方法检出率的大小，从而比较两种方法的优 劣。 随机 产品质量生成参数表 食品种 类 市 场 比重 质 量随机函数 1 1000 normrnd(0.5,0.3,1,1000); 2 2000 normrnd(0.6,0.2,1,2000); 3 3000 normrnd(0.45,0.4,1,3000); 4 4000 normrnd(0.8,0.34,1,4000); 5 5000 normrnd(0.7,0.78,1,5000); LOGO v LOGO 5.3.3 产品抽检方法改进对比测试 v LOGO 5.3.3 产品抽检方法改进对比测试 v LOGO v LOGO v LOGO v LOGO 5.3.5 实证数据对比模型 v LOGO 5.3.5 实证数据对比模型 v生成随机检测值的方法 1、 对于每个批次产品质量值，生成一个介于 (0,1)的随机 数。 2、 如果该随机数大于该类产品在当前季节的合格率时， 则认为该批次产品是不合格产品。并在之前该类食品在该 季节的统计数据中随机找到的一个不合格产品的检测值， 代表该批次产品的质量检测值。 3、 如果该随机数小于等于该类产品在当前季节的合格率 时，则认为该批次产品是合格产品。同样由 5.3.1中的说 明，产品为合格时，检测值介于 (0,1)之间，因此再次在 (0,1)间生成一个随机数，作为该批次产品的质量检测值。 LOGO 5.3.6 实证模型结果 v LOGO 5.3.6 实证模型结果 v LOGO v为了测试我们方法的稳定性，我们每次模拟 20年，即 240个月的抽检周期。共运行 1000 次。 v得到平均检出率提高的均值水平为 10