论文部分内容阅读
摘要：农产品供应链电子商务处于微妙的市场格局中，而信任是交易的根本，研究供应链成员间信任度对农产品电商发展有重要价值。首先通过调研问卷模式获得大量数据，进而在云模型算法基础上搭建电子商务农产品供应链成员间的信任博弈仿真体系，虚拟电子商务中的各成员节点贸易状态，可知成员间信任度高能带来较高和持久的效益。在此基础上进一步分析信任和农产品供应链电子商务发展间的具体影响因子，设计假定，利用结构方程完成路径系数及显著性分析，结果表明各环节交互，成员间信任度和承诺均对农产品供应链电子商务发展有重要影响。
关键词：电子商务;农产品供应链;信任;博弈;云模型
中图分类号： F724.6文献标志码： A
文章编号：1002-1302（2019）09-0047-05
农产品供应链指信息资源分享模式下实现农产品生产、购置、加工、运输和销售并构成连锁的流通环节[1-2]。现有的农业模式存在耕种分布化、信息闭锁化、生产目的性不强的状态，农产品的运输水平并不能达到成员的要求。而电子商务和网络发展相互依存，共同成长，因而将农产品供应链和电子商务相结合具有重要价值。根据《中国农业统计年鉴2016》可知，农产品电子商务模式逐步成为主流的农产品商贸模式，并预计在未来的几年中农产品电子商务贸易方式将占据核心市场。但现有的农产品电子商务贸易模式下买卖方的个人信息并不公开，因而在进行农产品贸易之前让成员和贸易方充分信任对方成为当前要解决的问题。本研究主要探讨农产品供应链电子商务信任模型，为提升成员对农产品供应链电子商务系统的信任，对扩充农产品贸易量，推进农产品电子商务具有重要价值。
1 文献概述
国外学者对信任模型开展了大量调研，Afzali等最早进行分布化信任测算方式的探究，并在信任数量化的基准上将信任分割为直接信任模式与推荐化信任模式，并调研了信任计算与合成模式[3];Eliacik等则根据信任模式给出“同级信任”的信任理念，并把农产品贸易的满意状态，可信任反馈，农产品贸易整体数额，农产品贸易前后参数，社区前后参数进行综合判断[4]。
国内学者陈蕾等在D-S信任模型基础上进行改进，设计的信任模型综合了汇聚推出信息处理的不稳定性和强制结合矛盾推荐模型引发的性能削弱状态[5];李爱雄等则给出一类能够在Gossip模式下构建信任的迅速组合方式，能够提高整体模型的性能，该方法展现了信任状态，并为信任的迅速融合奠定了基础[6]。
2 农产品供应链电子商务和云模型
2.1 我国农产品供应链电子商务发展现状
据国家信息部门统计，农村网民数量不断增长，农产品电子商务网站数量也迅速扩张。国内农产品网站在2016年已达到900万个左右，增长速度高达20%左右，远超過国外同期农业电子商务的增长速率，另外，农资企业也逐步搭建相关网站尝试电子商务以减少运营开销。农村网民的规模增大，表明网络在农村的数字化进程，也表明农户的信息化意识得到加强。国内农产品电子商务网站内容全面，包含种植、农牧、水产、畜牧、农产品加工、农产品销售等，覆盖了农业生产的方方面面（表1）。
2.2 国内农产品供应链电子商务发展形势预判
依据CNNIC发布的数据统计结果表明，我国农产品供应链电子商务消费总额迅速增长，2017年上半年突破500亿元，预计2017年电子商务消费将突破1 000亿元。因而电子商务、网络发展成为推进农产品供应链电子商务的重要因素，整个市场正处在腾飞时期，参与农产品电商贸易的成员高达5.2亿人左右[7]，通过网络形成农产品稳定购买渠道的成员达到2.6亿人[8]（图1）。
2.3 云模型
2.3.1 云模型算法
云模型即在统计与模糊数学的基准上，构建变量间的映射关系[9]。云模型的数字特征选取相互独立参量[Ex（期望，expectation）、En（熵，entropy）、He（超熵，hyperentropy）]进行表述，这些参量能够综合反映各方信任度。云模型存在2个基础算法，即正向与逆向发生器算法。本研究采用逆向发生器算法，算法实现过程如下：（1）输入。输入N个云滴在数域空间内部位置和各个云滴表述的确定程度。（2）输出。输出N个云滴的3个特征结果期望，即Ex、En、He，其数学模型如公式（4）、（5）和（6）;获取样本xi均值x
农产品贸易往往在相同的农产品贸易体系下，各方共同构建信任关联。其中有大量须要处理的数据，如成员和农产品供应链各个环节工作者的个人数据、农产品贸易数据以及信誉度评判，多方适当了解和掌握各环节成员的基本数据构建信任判别机制，能够削减农产品贸易的不稳定性。另外，农产品供应链信誉机制判别包括信用判断和反馈信息获取，通过各个环节可测算其信任程度并给出预判。
2.3.2 成员局部信任测算模型
δ反馈贸易时刻农产品供应链电子商务各成员间的局部信任度，也反馈贸易数额在相互间的局部信任影响。将初始时刻的农产品供应链成员局部信任值LV设定为0.6，nV是农产品供应链电子商务某成员节点i向另一节点j的贸易成果数，N为i全部买入次数，MV是总贸易数额，tV为i和j的第l次贸易时刻，T0为总的贸易时间，mVl为第l次贸易数额，aV为i和j第l次贸易的局部信任值，UV为i以消费者身份作出的贸易评判，LVij为i和j间的局部信任值。则其定义模型如下：
εVi，j表示i和j中间完成l次贸易之后结合了时间和贸易权重因子，用于评判UV在成员局部信任值LV中占据的比重，而SVi，j则反馈时间因子下i和j间信任对农产品供应链电子商务影响。
2.3.3 成员全局信任测算模型
设置jV1，jV2，…，jVm为节点j的全部相邻农产品供应链成员，CCjv1，CCjv2，…，CCjvn是节点j的相邻成员的推荐可信度，LVjv1，LVjv2，…，LVjvn是j对应于各个成员节点的局部信任度，而MVjv1，MVjv2，…，MVjvn是j的各个相邻节点和j产生购买需求的交易数额。农产品供应链成员j的全局信任机制RVj给定如下： RVj=ψ（CC，MV）jVm。（10）
式中：Ψ（mV，MV）表示调节解析式，主要测算j的卖方邻接成员节点数量和贸易数额对j全局信任所产生的影响，从而使得参与评判的j相邻成员越多，则贸易数额越高，则j的全局信任度和真实值越相近，否则，由于参与评判的节点j卖方邻接成员数减少，区间控制因子ms趋于无穷大，从而降低了成员j的卖方全局信任度，则函数如下：
limms→∞Ψ（mV，MV）=1。（11）
式中：Ψ（mV，MV）=e-1/（mV×MV），由于RVj是从节点j相对卖方邻居节点出发测算所得的卖方全局信任初始结果，其测算方案如下：
RVj=∑mi，j=1（pVj×jVij）。（12）
式中：pVj是节点j测算的全局信任初始结果权值，该值和j的卖方邻接点产生的贸易操作相关，即某节点i和节点j之间的购买贸易数额越高，则jVij所表示的卖家身份供应链节点的评判分值越高，则节点j的全局信任值得信赖。全局信任机制的构成见图2。
3 样本获取
3.1 电子商务农产品供应链各成员
农产品电子商务供应链各个环节如生产、加工、输送、销
售均可以划分为3种身份：单纯的买家身份，即仅参与买入操作;单纯的卖家身份，即仅参与卖出操作;买卖农产品贸易合体，即同时参与买入和卖出操作。现有节点间由农产品贸易构建网络关联，进而给出评判，并依据自身农产品贸易经验和贸易同伴推荐制定决策。图3给出农产品供应链各身份节点农产品贸易动作。
3.2 样本获取
采用问卷调研的模式，选取的样本不仅包含普通成员，还包括参与农产品供应链电子商务各个环节的参与者，通过我国大型农产品企业人事科发送生产部门、加工部分、市场销售部门，运输部门获取相关农产品供应链电子商务的贸易数据（表2），并对300个工作成员和300个普通成员（消费者）进行调研，回收有效样本489份，样本有效率为81.5%（表3）。
4 数据分析
4.1 云模型下的农产品供应链成员博弈
本研究选取Matlab12a完成电子商务农产品供应链成员
间的信任博弈仿真体系的搭建[10]，虚拟电子商务中的各成员节点贸易状态。
为校验整体模型中的供应链成员全局信任和供应链成员局部信任的特点，整个试验模型中将初始值设置为同一起点0.6。由局部信任机制的变化趋向可知，诚实服务的交易成功率收敛在较高的稳定水平，而随机改变和动荡服务则由于相关参量的不同展现出不同的交易成功率变动大的特征（图4）。由全局信任机制的变化模型可知，在试验中相对于局部信任机制收敛迅速，稳定性高（图5）。
局部信任機制和全局信任机制的变化模型实际上展现了农产品供应链成员进行贸易时，卖家身份和买家身份成员间的博弈[11]。博弈过程在图4和图5的曲线中表现为振荡的状态。交易事件中，信任度高的合作常依据给定契约正常进行，成功度较高;信任度低的合作仅考虑自身利益。采用博弈收益矩阵分析图4和图5，则将农产品供应链成员间的卖家身份和买家身份作为目标完成博弈分析。若双方均信任，则获益为A;双方均不信任，则获益为C;双方策略存在差别，信任方和不信任方均有，则不信任带来的机会收益为D，信任方的受损型收益为B，则存在D
关键词：电子商务;农产品供应链;信任;博弈;云模型
中图分类号： F724.6文献标志码： A
文章编号：1002-1302（2019）09-0047-05
农产品供应链指信息资源分享模式下实现农产品生产、购置、加工、运输和销售并构成连锁的流通环节[1-2]。现有的农业模式存在耕种分布化、信息闭锁化、生产目的性不强的状态，农产品的运输水平并不能达到成员的要求。而电子商务和网络发展相互依存，共同成长，因而将农产品供应链和电子商务相结合具有重要价值。根据《中国农业统计年鉴2016》可知，农产品电子商务模式逐步成为主流的农产品商贸模式，并预计在未来的几年中农产品电子商务贸易方式将占据核心市场。但现有的农产品电子商务贸易模式下买卖方的个人信息并不公开，因而在进行农产品贸易之前让成员和贸易方充分信任对方成为当前要解决的问题。本研究主要探讨农产品供应链电子商务信任模型，为提升成员对农产品供应链电子商务系统的信任，对扩充农产品贸易量，推进农产品电子商务具有重要价值。
1 文献概述
国外学者对信任模型开展了大量调研，Afzali等最早进行分布化信任测算方式的探究，并在信任数量化的基准上将信任分割为直接信任模式与推荐化信任模式，并调研了信任计算与合成模式[3];Eliacik等则根据信任模式给出“同级信任”的信任理念，并把农产品贸易的满意状态，可信任反馈，农产品贸易整体数额，农产品贸易前后参数，社区前后参数进行综合判断[4]。
国内学者陈蕾等在D-S信任模型基础上进行改进，设计的信任模型综合了汇聚推出信息处理的不稳定性和强制结合矛盾推荐模型引发的性能削弱状态[5];李爱雄等则给出一类能够在Gossip模式下构建信任的迅速组合方式，能够提高整体模型的性能，该方法展现了信任状态，并为信任的迅速融合奠定了基础[6]。
2 农产品供应链电子商务和云模型
2.1 我国农产品供应链电子商务发展现状
据国家信息部门统计，农村网民数量不断增长，农产品电子商务网站数量也迅速扩张。国内农产品网站在2016年已达到900万个左右，增长速度高达20%左右，远超過国外同期农业电子商务的增长速率，另外，农资企业也逐步搭建相关网站尝试电子商务以减少运营开销。农村网民的规模增大，表明网络在农村的数字化进程，也表明农户的信息化意识得到加强。国内农产品电子商务网站内容全面，包含种植、农牧、水产、畜牧、农产品加工、农产品销售等，覆盖了农业生产的方方面面（表1）。
2.2 国内农产品供应链电子商务发展形势预判
依据CNNIC发布的数据统计结果表明，我国农产品供应链电子商务消费总额迅速增长，2017年上半年突破500亿元，预计2017年电子商务消费将突破1 000亿元。因而电子商务、网络发展成为推进农产品供应链电子商务的重要因素，整个市场正处在腾飞时期，参与农产品电商贸易的成员高达5.2亿人左右[7]，通过网络形成农产品稳定购买渠道的成员达到2.6亿人[8]（图1）。
2.3 云模型
2.3.1 云模型算法
云模型即在统计与模糊数学的基准上，构建变量间的映射关系[9]。云模型的数字特征选取相互独立参量[Ex（期望，expectation）、En（熵，entropy）、He（超熵，hyperentropy）]进行表述，这些参量能够综合反映各方信任度。云模型存在2个基础算法，即正向与逆向发生器算法。本研究采用逆向发生器算法，算法实现过程如下：（1）输入。输入N个云滴在数域空间内部位置和各个云滴表述的确定程度。（2）输出。输出N个云滴的3个特征结果期望，即Ex、En、He，其数学模型如公式（4）、（5）和（6）;获取样本xi均值x
农产品贸易往往在相同的农产品贸易体系下，各方共同构建信任关联。其中有大量须要处理的数据，如成员和农产品供应链各个环节工作者的个人数据、农产品贸易数据以及信誉度评判，多方适当了解和掌握各环节成员的基本数据构建信任判别机制，能够削减农产品贸易的不稳定性。另外，农产品供应链信誉机制判别包括信用判断和反馈信息获取，通过各个环节可测算其信任程度并给出预判。
2.3.2 成员局部信任测算模型
δ反馈贸易时刻农产品供应链电子商务各成员间的局部信任度，也反馈贸易数额在相互间的局部信任影响。将初始时刻的农产品供应链成员局部信任值LV设定为0.6，nV是农产品供应链电子商务某成员节点i向另一节点j的贸易成果数，N为i全部买入次数，MV是总贸易数额，tV为i和j的第l次贸易时刻，T0为总的贸易时间，mVl为第l次贸易数额，aV为i和j第l次贸易的局部信任值，UV为i以消费者身份作出的贸易评判，LVij为i和j间的局部信任值。则其定义模型如下：
εVi，j表示i和j中间完成l次贸易之后结合了时间和贸易权重因子，用于评判UV在成员局部信任值LV中占据的比重，而SVi，j则反馈时间因子下i和j间信任对农产品供应链电子商务影响。
2.3.3 成员全局信任测算模型
设置jV1，jV2，…，jVm为节点j的全部相邻农产品供应链成员，CCjv1，CCjv2，…，CCjvn是节点j的相邻成员的推荐可信度，LVjv1，LVjv2，…，LVjvn是j对应于各个成员节点的局部信任度，而MVjv1，MVjv2，…，MVjvn是j的各个相邻节点和j产生购买需求的交易数额。农产品供应链成员j的全局信任机制RVj给定如下： RVj=ψ（CC，MV）jVm。（10）
式中：Ψ（mV，MV）表示调节解析式，主要测算j的卖方邻接成员节点数量和贸易数额对j全局信任所产生的影响，从而使得参与评判的j相邻成员越多，则贸易数额越高，则j的全局信任度和真实值越相近，否则，由于参与评判的节点j卖方邻接成员数减少，区间控制因子ms趋于无穷大，从而降低了成员j的卖方全局信任度，则函数如下：
limms→∞Ψ（mV，MV）=1。（11）
式中：Ψ（mV，MV）=e-1/（mV×MV），由于RVj是从节点j相对卖方邻居节点出发测算所得的卖方全局信任初始结果，其测算方案如下：
RVj=∑mi，j=1（pVj×jVij）。（12）
式中：pVj是节点j测算的全局信任初始结果权值，该值和j的卖方邻接点产生的贸易操作相关，即某节点i和节点j之间的购买贸易数额越高，则jVij所表示的卖家身份供应链节点的评判分值越高，则节点j的全局信任值得信赖。全局信任机制的构成见图2。
3 样本获取
3.1 电子商务农产品供应链各成员
农产品电子商务供应链各个环节如生产、加工、输送、销
售均可以划分为3种身份：单纯的买家身份，即仅参与买入操作;单纯的卖家身份，即仅参与卖出操作;买卖农产品贸易合体，即同时参与买入和卖出操作。现有节点间由农产品贸易构建网络关联，进而给出评判，并依据自身农产品贸易经验和贸易同伴推荐制定决策。图3给出农产品供应链各身份节点农产品贸易动作。
3.2 样本获取
采用问卷调研的模式，选取的样本不仅包含普通成员，还包括参与农产品供应链电子商务各个环节的参与者，通过我国大型农产品企业人事科发送生产部门、加工部分、市场销售部门，运输部门获取相关农产品供应链电子商务的贸易数据（表2），并对300个工作成员和300个普通成员（消费者）进行调研，回收有效样本489份，样本有效率为81.5%（表3）。
4 数据分析
4.1 云模型下的农产品供应链成员博弈
本研究选取Matlab12a完成电子商务农产品供应链成员
间的信任博弈仿真体系的搭建[10]，虚拟电子商务中的各成员节点贸易状态。
为校验整体模型中的供应链成员全局信任和供应链成员局部信任的特点，整个试验模型中将初始值设置为同一起点0.6。由局部信任机制的变化趋向可知，诚实服务的交易成功率收敛在较高的稳定水平，而随机改变和动荡服务则由于相关参量的不同展现出不同的交易成功率变动大的特征（图4）。由全局信任机制的变化模型可知，在试验中相对于局部信任机制收敛迅速，稳定性高（图5）。
局部信任機制和全局信任机制的变化模型实际上展现了农产品供应链成员进行贸易时，卖家身份和买家身份成员间的博弈[11]。博弈过程在图4和图5的曲线中表现为振荡的状态。交易事件中，信任度高的合作常依据给定契约正常进行，成功度较高;信任度低的合作仅考虑自身利益。采用博弈收益矩阵分析图4和图5，则将农产品供应链成员间的卖家身份和买家身份作为目标完成博弈分析。若双方均信任，则获益为A;双方均不信任，则获益为C;双方策略存在差别，信任方和不信任方均有，则不信任带来的机会收益为D，信任方的受损型收益为B，则存在D