消费者对转基因食品的感知风险与收益研究——基于结构方程模型的分析

张文静

（西安财经大学管理学院，西安 710100）

1996年，转基因作物得以商业化应用，截至2020年，全球转基因作物的种植面积比1996年累积扩展了100多倍，达到1.9亿hm2［1］。转基因技术打破了物种之间的限制，进行基因的重组，将优秀的基因从一个物种引入到另一个物种中，从而使该物种具有更多优秀的属性。将其用于农业领域，可以生产出拥有众多优质属性的农产品，如高产、优质、抗病虫害、抗旱、抗涝等；
将其用于食品领域，可以生产出众多满足消费者不同需求的产品，如更低的价格、更好的口感、更高的营养价值、更好的外观等［2，3］。与此同时，转基因技术及产品也可以给人类健康和环境带来危害。与人类健康相关的风险包括引起过敏反应、基因转移和突变等，与环境相关的风险包括破坏动植物的生物链、基因扩散，破坏生态系统的平衡和动植物的多样性等［2-4］。

这些客观存在的风险与收益，在不同人的脑海里会被解释并影响，形成不同的主观认识，即感知风险与感知收益。已有研究显示，消费者的认知与客观事实之间存在着偏差，一个很小的风险也有可能被无限放大从而引起公众的恐慌，威胁社会安定［5，6］。消费者如果感知到转基因食品会给自己带来益处，他们会更愿意接受转基因食品；
如果感知到较高的风险，他们就不愿意接受转基因食品。已有文献指出，相比那些客观存在的风险与收益，消费者对转基因食品的态度和购买意愿在很大程度上受其主观认识，即感知风险与收益的影响［6-10］。但是，消费者对于那些不熟悉的、较新的技术的了解十分有限，如转基因技术。因此，他们对与转基因技术相关的风险与收益的认知也十分有限［4，11］。由于消费者的感知风险与收益对其选择和购买转基因食品有决定性的影响。因此，分析和了解消费者的感知风险与收益很有必要。

中国转基因作物的种植面积在2019年达到21.33万hm2，居世界第七位［1］。中国也是世界上最大的转基因产品进口国。2017年，中国进口的大豆占世界大豆总交易量的60%，而其中90%的大豆为转基因大豆。中国政府也十分重视农业生物技术的研究与发展，中国科学家们研究出了一系列转基因农产品，如棉花、水稻、小麦、玉米、大豆、马铃薯、番茄等，其中一些已经开展了商业化推广，一些还在田间试验阶段。伴随转基因技术的研发和转基因食品的推广，有关转基因食品安全性的争论也日益激烈，公众对其安全性的担忧和争论伴随着媒体的报道而加剧。尽管如此，中国消费者对转基因食品的态度仍是不确定的。De Steur等［12］分析了山西省消费者对富含叶酸的转基因大米的支付意愿。结果显示，消费者愿意为此类大米支付高达34%的溢价。与此相反，一个针对全国13个大米主要消费区的调查表明，消费者只愿意在一定折扣（68%）下购买转基因大米［13］。基于对全国952个城市消费者的调研，Zheng等［14］指出，“黄金大米”事件的出现导致消费者对转基因大米的支付意愿明显下降。同时，已有文献指出，感知风险与感知收益是决定消费者对转基因食品的态度与购买意愿的决定因素。通过对北京250名消费者的调研，Kim等［15］指出，消费者的感知风险对其支付意愿有明显的负向影响，而感知收益正向地影响其购买意愿。以上研究虽然探讨了感知风险与感知收益对转基因食品购买意愿的影响，但很少有文献详细分析中国消费者对转基因食品感知风险与收益的构成与影响因素，本研究试图去填补这方面的空缺。因此，本研究以陕西省西安市508位消费者为研究对象，分析其对转基因食品风险与收益的感知，并利用结构方程模型进一步探讨其感知风险与收益的构成及决定因素。

1.1 研究方法

结构方程模型（Structural equation model，SEM）是一种有效处理多元数据及相互关系的计量方法。模型中既包含潜变量（如感知风险），也包含观测变量（如年龄、收入等）。潜变量是指那些现实生活中客观存在但不能直接测量的因素［16］，如智商、社会地位等。潜变量可以通过一系列的指标来衡量，如智商可以通过智商测试、考试成绩等来获取；
社会地位可通过经济收入、职业等来衡量。结构方程模型可以同时估计潜变量、观测变量和两者的关系［17］。它由2个部分组成，即测量模型（Measurement model）和结构方程模型（Structural equation model）。测量模型用来估计潜变量及其指标之间的关系，结构方程模型估计潜变量之间的关系。对内生潜变量及外生潜变量的测量模型如下：

式中，y是一个p×1阶的内生潜变量的指标，x是一个q×1阶的外生潜变量的指标，η是内生潜变量，个数为m，ξ是外生潜变量，个数为n，Λy是一个p×m阶的回归系数矩阵，Λx是一个q×n阶的回归系数矩阵，ε是y变量的测量误差，个数为p，δ是x变量的测差误量，个数为q。

结构方程模型如下：

式中，B是一个m×m阶的内生潜变量之间关系的矩阵，Γ是一个m×n阶的内生潜变量与外生潜变量之间的关系矩阵，ζ是一个m×m阶的干扰项。

本研究中的测量模型如下：

1.2 数据来源和描述性统计分析

1.2.1 数据来源 数据来源于2019年6—7月对西安市消费者的问卷调查，采取简单随机抽样的方法，辅之以面谈式访问的方法进行。调研地点主要集中在超市和农贸市场。问卷内容主要包括消费者的人口统计学特征，消费者对转基因食品的认知和态度，消费者对转基因食品的感知风险和感知收益。本次调研共计收集问卷550份，剔除无效样本后，有效问卷共计508份，样本有效率为92.36%。

1.2.2 描述性统计分析

1）样本特征。表1展示了消费者的个人特征，从表1中看出，被调查对象中，女性（55.12%）消费者所占的比例要高于男性（44.88%），因为女性更多地承担了照顾家庭的责任。从年龄分布看，被调查者中最小的年龄只有15岁，最高的是86岁。被调查者的平均年龄为34.41岁，由此看出调研中年轻人所占的比重高于老年人。样本中拥有大专及以上学历的被调查者占总人数的60.24%，而具有本科及以上学历的被调查者占总人数的37.21%。这一调研结果与西安市的高校区域分布紧密相关。在调研选定的主要区域中，雁塔区和长安区都是西安市高校分布相对集中的行政区域，因此具有较高学历的被调查者所占比重相对较高。被调查者的个人平均月收入中，有37.80%的被调查者的月收入为1 000～3 000元，32.68%的被调查者的平均月收入为3 001～5 000元。本研究使用了消费者的自评健康作为衡量其健康状况的标准，数字1到10分别代表了消费者的健康状况从非常不好到非常好。统计结果显示，消费者自评健康的平均值为7.57，说明消费者对自身健康的评价较高，认为自己拥有良好的健康状况。调查还考虑了家庭中特殊人群的情况。特殊人群是指孕妇、慢性病患者（患有心脑血管疾病、慢性胃肠疾病的人）、年龄不足12岁的孩子和60岁以上的老人。26.32%的消费者家庭有60岁以上的老人，32.56%的消费者家庭有12岁以下的孩子，7.73%的消费者家庭有慢性病患者，而有孕妇的家庭占总调研人数的2.96%。当然，也有30.43%的消费者家庭没有此类特殊人群。

表1 消费者个人特征

2）消费者对转基因食品的感知风险与收益。首先考察了消费者对转基因食品的总体感知风险。总体感知风险的数据来源于消费者对“据您所知，转基因食品会存在多大的安全风险？”这个问题的答复。调查结果显示，43.49%的被调查者认为转基因食品存在安全风险，其中15.04%的被调查者认为转基因食品存在很大的安全风险，28.45%的被调查者认为转基因食品存在较大的安全风险。而认为转基因食品无安全风险、无任何安全风险的被调查者分别占总调研人数的2.28%和0.63%。由此可见，在被调研的人群中，认为转基因食品存在安全风险的消费者人数远多于认为转基因食品无安全风险的消费者人数。但需指明的是，53.60%的被调查者不清楚与转基因食品相关的安全风险，说明大部分消费者对转基因食品安全性的认识比较模糊。

表2显示了消费者对转基因食品感知风险的指标，已有研究通常将感知风险分为不同的维度来分析，主要包括财务风险、性能风险、心理风险、健康风险、社会风险和时间风险这6个维度。还有研究证明，转基因食品可能给人体健康和环境带来潜在的危害。所以本研究主要从这2个方面来考察消费者对转基因食品的感知风险，即消费者对转基因食品健康的感知风险和环境的感知风险。

从表2可以看出，那些认为转基因食品能够给人体健康和环境带来危害的被调查者比重远高于那些不认为有此风险的被调查者。其中，分别有33.66%和12.99%的被调查者认为食用转基因食品有可能及完全有可能破坏人体的免疫系统。大约40%的被调查者认为食用转基因食品有可能引起过敏反应和人体的基因突变。超过40%的被调查者认为食用转基因食品会使人体产生抗药性和不孕不育。37.20%的被调查者认为转基因食品会造成环境污染；
48.03%的被调查者认为转基因食品会破坏生态系统的平衡；
47.44%的被调查者认为转基因食品会破坏动植物的多样性。与此相反，大约只有10%的被调查者认为转基因食品不可能给人体健康和环境带来危害。同时，选择不清楚这些与转基因食品相关风险的被调查者比例很高，都在40%以上，最高的比重达53.35%。这说明消费者对与转基因食品相关的风险的认知是有限的。

表2 消费者对转基因食品的感知风险所占比例 （单位：%）

消费者对转基因食品感知收益的指标见表3。数据显示，被调查者对转基因食品感知收益的认知不统一。有超过32.48%的被调查者认为转基因食品能够提高作物的产量从而解决世界粮食问题，但只有7.67%的被调查者认为转基因食品有较高的营养价值。同时，被调查者对同一个陈述的判断也存在明显差异。当问到“转基因技术能够提高作物的产量从而解决世界粮食问题”时，那些认为有可能发生（32.48%）和没可能发生（31.69%）的被调查者人数很接近。而对陈述“转基因食品有较高的营养价值”的判断就完全相反，那些认为有可能的被调查者比例（7.67%）远低于那些认为没有可能的被调查者（41.34%）。与被调查者的感知风险相似，有很大比例的被调查者不清楚转基因食品可能带来的收益。56.50%的被调查者不清楚转基因食品是否有更长的储存时间，有53.74%的被调查者不清楚转基因食品是否有更好的口感。35.83%的被调查者不清楚转基因作物能够提高作物的产量从而解决世界粮食问题，而这个比例是这些陈述里最低的。此结果表明被调查者对转基因食品相关收益的认识也是有限的。由此可见，被调查者对与转基因食品相关的风险和收益的了解和认知十分有限，选择不清楚的被调查者比重较高。

表3 消费者对转基因食品的感知收益所占比例 （单位：%）

消费者对转基因食品感知风险和感知收益的实证分析由2个部分组成。由于外生潜变量中一部分是连续的（如年龄），也有一部分变量是非连续的，即分类变量（如性别、收入、受教育水平等）。首先要对这些非连续变量进行数据处理，一般情况下，对非连续变量的处理是生成多分格相关（Polychoric correlation）矩阵，再用最小二乘法进行模型估计［17］。2个部分的数据分析都是通过软件LISREL 8.8来实现的，其中，生成多分格相关矩阵是通过使用软件中的PRELES指令来完成，而对模型的估计是通过软件中的LISREL指令来完成。

3.1 模型的适配度检验

表4反映了模型的适配度检验结果及模型检验合格的一般要求。理论上，有很多指标被用来检验结构方程模型的适配度，如：卡方自由度比（χ2/DF），适配度指数（Goodness of fit index，GFI），调整后的适配度指数（Adjusted goodness of fit index，AGFI），比较适配度指数（Comparative fit index，CFI），标准适配度指数（Normed fit index，NFI），渐进残差均方和平均根（Root mean square error of approximation，RMSEA），标准化均方根残差（Standardized root mean square residual，SRMR）等。本研究选择了其中几个最常用和最被认可的指标。表4结果显示，模型的适配度指数满足基本要求，模型具有较高的适配度和拟合度。因子之间的非相关性，从而使回归结果更具有可比性。表5显示的是测量模型的结果，即内生潜变量与其指标之间的关系。由于潜变量不能直接测量，所以选择一些指标来对其进行间接地测量。通过被调查者对与健康和环境相关的8个陈述的判断来测量消费者的感知风险；
感知收益的测量也是通过消费者对转基因食品带来的相关益处的判断获得。结果表明，潜变量感知风险和感知收益测量指标的因子载荷均处于1左右，标准差处于0.01～0.03，一方面说明潜变量的测量指标能很好地解释和测量所对应的变量，另一方面也说明测量模型符合拟合标准，即模型是可识别的。

表4 模型的适配度检验结果

表5 测量模型

3.2 测量模型和结构方程模型的回归结果

表5和表6分别显示了测量模型和结构方程模型的回归结果。需要说明的是，系数估计采用的是标准化的系数估计方法（Standardized or beta coefficients）。标准化的系数估计方法估算了由于相关解释变量标准差的增加而导致的因变量标准差的增加。使用标准化的系数回归方法能有效地阻止回归

表6显示了结构方程模型的估计结果，即内生潜变量之间的相互影响及各外生潜变量对内生潜变量的影响。首先看到，内生潜变量感知风险与感知收益之间存在着相互的负影响。作为转基因食品自身属性的2个方面，感知风险和感知收益同时存在，但消费者的感知却存在差异。那些认为转基因食品能够威胁自身健康和破坏环境的消费者可能很少会考虑转基因食品所带来的潜在收益；
同理，那些确信转基因食品能给自己带来健康和其他方面收益的消费者可能就忽略了其存在的风险。因此，两者之间是相互的负作用，即感知风险越高，感知收益越低，而感知收益越高，感知风险就会越低。

从表6看出，对消费者转基因食品感知风险产生显著影响的因素是消费者的性别、个人月收入、家庭人口数、健康状况和家庭是否有特殊人群。其中，性别对消费者的感知风险产生负向影响（男=1，女=0），即女性消费者对转基因食品的感知风险高于男性。女性更多地承担了照顾家庭的责任，会更加注重食品的营养与健康，她们对风险的感知会更加敏感，所以对存在潜在风险的转基因食品有更高的感知风险。个人月收入正向地影响消费者的感知风险，收入越高，消费者对转基因食品的感知风险越高。高收入者有较高的支付和购买能力，对产品质量和营养的要求较高，对于风险更加敏感，所以他们对转基因食品存在的潜在风险有更高的感知。家庭人口数负向地影响消费者的感知风险，即家庭人口数越多，消费者对转基因食品的感知风险越低。如前文所述，人口较多的家庭拥有更多的有关转基因食品风险的信息，也能更加合理地处理相关风险，所以感知到的转基因食品风险较低。同时可以看出，家庭有特殊人群的消费者对转基因食品的感知风险更高。老人、小孩、孕妇和慢性病患者在饮食上需要特殊的照顾，拥有这些人群的消费者家庭也更加关注饮食的营养与健康。所以他们对转基因食品的风险有更高的感知。消费者的健康状况负向影响其对转基因食品的感知风险，即健康状况越差，对转基因食品的感知风险越高。与健康状况良好的人相比，健康状况较差的人在选择食物时会更加谨慎以此来避免对身体的伤害，所以他们对存在风险可能性的转基因食品有更高的风险感知。

表6 结构方程模型

对消费者感知收益产生显著影响的因素是消费者的性别和个人月收入。与感知风险相反，女性消费者对转基因食品的感知收益低于男性。由于女性对饮食和营养的关注，她们对风险会更加敏感，而对转基因食品可能带来的收益没有太多的感知。消费者的个人月收入负向影响消费者对转基因食品的感知收益。消费者的收入越高，对转基因食品的感知收益越低。如上文所述，高收入者有较高的支付和购买能力，相比价格等因素，他们对产品质量和营养的要求更高，对风险更敏感。所以，他们在更多地感知转基因食品的潜在风险时，对其所带来的收益就会有较低的感知。

除表6所示的外生潜变量对内生潜变量的直接影响，这些外生潜变量还会对内生潜变量产生间接的影响。表7显示了各外生潜变量对内生潜变量的间接影响和总的影响。间接影响是指变量通过直接影响一个内生潜变量而对另外一个内生潜变量产生的影响［17］，如一个变量通过影响感知风险来影响感知收益，反之，变量通过影响感知收益而影响感知风险。总的影响是指某一外生潜变量的直接影响和间接影响的总和。表7显示，对感知风险产生最大影响的是消费者家庭是否有特殊人群，回归系数为0.22，其次是消费者的性别，回归系数为-0.18。同时可以看出，虽然家庭是否有特殊人群这一变量对消费者的感知收益没有直接的影响，但通过影响消费者的感知风险而间接影响了感知收益，而且是产生影响最大的变量，回归系数为-0.27。对消费者感知收益产生第二大影响的变量是消费者的家庭人口数，回归系数为0.14。但与预期的不同，消费者的年龄对其感知风险和感知收益都没有显著的影响。这与本研究所调研的样本有关，样本的平均年龄为34岁，处于中间阶段，所以对转基因食品的风险和收益没有明显的偏好和感知。同时，与上述预期一致，消费者的受教育水平对其感知风险和收益没有显著的影响。由于科学界对转基因食品的安全性没有统一的判断，消费者的认知即包含有益的一面，也包含有风险的一面。因此，不能确定受教育程度的高低与消费者对转基因食品的感知风险和感知收益的关系。

表7 变量的间接影响和总的影响

本研究通过对508位西安市民的调研，并构建结构方程模型来分析被调查者对转基因食品的感知风险和感知收益，并分析其人口统计特征、社会经济特征对其感知风险和感知收益的影响。研究结果表明，对于感知风险，那些认为转基因食品能够给人体健康和环境带来危害的被调查者远高于那些不认为有此风险的被调查者。但同时也有超过40%的被调查者不清楚这些与转基因食品相关的风险。对于感知收益，消费者对同一陈述的判断存在较大的差异，也有很大比例的被调查者不清楚转基因食品可能带来的收益。

消费者的性别、个人月收入、家庭人口数、健康状况和是否有特殊人群会显著地影响消费者对转基因食品的感知风险。女性比男性有更高的感知风险；
收入高的人对转基因食品的感知风险高于低收入者；
家庭人口数负向地影响消费者的感知风险，即家庭人口数越多，消费者对转基因食品的感知风险越低；
家庭有特殊人群的消费者对转基因食品有更高的感知风险；
消费者的健康状况负向影响其对转基因食品的感知风险，即健康状况越差，其对转基因食品的感知风险越高。对消费者感知收益产生显著影响的因素是消费者的性别和个人月收入。与感知风险相反，女性消费者对转基因食品的感知收益要低于男性。消费者的个人月收入负向影响他们对转基因食品的感知收益，消费者的收入越高，对转基因食品的感知收益越低。

基于此分析，建议相关政府机构及有关部门应该提供给消费者科学与客观的与转基因食品风险与收益相关的信息，让消费者有充分的知情权，让其能够依据此信息做出自己的判断与选择，在市场选择时具有主动权。同时，转基因食品的强制标签制度应进一步贯彻落实，即使用转基因原料加工而成的半成品及成品都应该在标签上明确标注“此产品为转基因原料加工而成”，在市场上更清晰地区分转基因食品及非转基因食品，将选择的主动权交给消费者。