企業碳標簽食品生產的決策行為研究

吳林海，趙丹，王曉莉，徐立青

(1.江南大學 江蘇省食品安全研究基地，江蘇 無錫 214122;2.江南大學商學院，江蘇 無錫 214122;3.江南大學食品學院，江蘇 無錫 214122)

一、問題的提出

碳標簽是用量化的指數形式告知消費者產品在整個生命周期過程中釋放的溫室氣體總量的一種新型生態標簽。作為既能直接影響消費者的消費行為和生產者的生產行為，又能透明碳排放來源的碳標簽目前在全球已備受關注［1］。英國于2007年3月試行推出了全球第一批碳標簽產品，2007年7月百事公司奶首次應用生命周期方法核算了酪洋蔥薯片的碳足跡，酪洋蔥薯片成為全球第一個加貼碳標簽的食品［2］。旨在為碳標簽實施提供依據的碳足跡標準PAS2050也已于2008年10月由英國標準協會等發布［3］，國際標準化組織已開始著手研究將PAS2050標準轉化為ISO標準的可能性。卡西諾等跨國公司已按照PAS2050進行了碳足跡評估，并在其產品上使用了碳標簽［4］。

目前國際上碳標簽產品與消費者態度、碳標簽對國際貿易的影響等已有較多的文獻報道。MacKerron 等［5］和 MacGregor［6］研究了碳標簽產品的消費者態度，最具代表性的是英國官方和商業機構就消費者對碳標簽產品的認知、支付與購買意愿的研究［7］;Brenton 等［4］、SHI［8］等則分別就碳標簽對減少國際貿易中碳排放效應等展開了分析。而關于碳標簽產品生產者的研究，目前相對集中在碳標簽與生產成本的增加［9］，生產者收益與社會環境收益［10］，生產者的社會責任［11］、碳標簽產品的新型商業模式［6］、市場需求與生產者競爭優勢［12］等，鮮見完整研究生產企業碳標簽產品生產的決策行為與主要影響因素的文獻報道。本文嘗試地以我國食品生產企業為案例展開研究。之所以選擇食品生產企業，主要是基于下列思考:我國的食品工業多年來始終保持持續增長，一直是第一大支柱性產業，2009年總產值達到4.97萬億元。而食品工業生產本身具有較高的碳排放，人類因為食品需求所排放的溫室氣體約占全球溫室氣體總量的18%［13］。但由于食品工業直接消耗的石化能源在整體工業中所占份額并不大，學者們對食品生產過程中的碳排放并未給予足夠的重視［14］。同時由于食品消費在我國具有全球最大的消費群體，碳標簽食品的推廣對引領低碳消費與低碳生產更具普及面。

二、模型構建與研究假設

(一)模型構建的理論支撐

行為態度、主觀規范和知覺行為控制是計劃行為理論中三個既彼此獨立、又兩兩相關的變量。同時計劃行為理論是一個開放模型，引入對行為意向或行為有重大意義的有效變量可使模型更臻嚴密［15］。已有研究證實，過去行為與行為態度、主觀規范、知覺行為控制三個變量間存在著一定的聯系，并共同作用于行為意向和實際行為，因此過去行為能夠引入計劃行為理論模型［16-18］。已有學者初步驗證了計劃行為理論就消費者對不同信息屬性的食品消費意愿與行為具有相對的普遍適用性［19］。

計劃行為理論研究的是人的行為意愿與行為，而食品生產企業并不具備人的特征。然而，任何一個食品生產企業均是由投資者、管理者、技術人員與普通員工等不同個體所組成的智能體［20］，它能夠與環境進行交流，并在相互交流中“積累經驗”，且能夠逐步改變自身的行為方式［21］。同時系統能夠產生與構成單元不同、難以從個體系統推測出來的整體行為模式，并可用相關的人、群體等行為主體的行為或變化程度來表示［22-23］。碳標簽食品生產的決策行為是企業決策主體如總經理或由總經理為主體的決策群體基于環境分析而作出的理性決策行為，其決策過程符合Monks［24］提出的多樣性、自發性、融合性、適應性、超越性和變形性等基本特征。因此，用計劃行為理論研究碳標簽食品生產企業的決策行為是合理且可行的。

假設生產企業碳標簽食品生產的決策行為基本遵循計劃行為理論，則行為態度指決策者對碳標簽食品生產所持的積極或消極評價的程度，主觀規范是決策者所感知的政府規范、市場需求與社會環境等外部影響力，知覺行為控制指決策者感知的碳標簽食品生產的難易程度［25］，過去行為指決策者的經驗與具有延續性的過去決策行為［26］，決策者過去食品安全的決策經驗、清潔生產與中長期目標可以認為對碳標簽食品生產的決策行為有慣性影響。而總經理的年齡、受教育年限等特征、素質與其所處的企業規模特征等對決策行為具有一定影響［27-29］。

然而，企業的生產決策行為內在地取決于預期收益，碳標簽食品的生產也不例外。在保持收益增長和減少碳排放間尋求最佳平衡是企業決策的基點［30］，企業決策行為改變的主要原因是逐漸從低碳生產中獲得了經濟收益［31］。與普通食品相比較，碳標簽食品的生產需要增加成本，主要是碳排放核算體系建設的投入、碳排放的認可認證與相應的技術、設備等投入，而收益則取決于市場需求等。Wang等和 DeGroot等［32-33］的研究則證實了這一點。然而，由于碳標簽食品生產的收益和成本問題比較復雜，且本文的研究重點主要是考察計劃行為理論對企業碳標簽食品生產決策行為的適用性，為此本研究是在假設碳標簽食品生產將增加生產企業凈收益的情形下展開的，并在具體的調查問卷中對被調查企業作出了清晰說明。

(二)模型構建

碳標簽食品生產的決策行為是決策者的認知過程。Brust和 Liston-Heyes［27］認為，擴散的計劃行為理論能夠有效解釋企業采用環保管理體系意愿的影響因素。Bandura［34］的研究證實，主體因素和環境因素對其行為的影響作用，其中態度作為主觀變量和中介變量，其主觀性較強、可變性較高［35］，受調查范圍限制，隨機性較小;碳標簽食品生產決策行為的態度主要取決于總經理，而在本文樣本受訪者中總經理僅占49.5%，所測態度變量不具說服力;而個人和環境因素是態度的直接影響變量，反映態度產生的原因，故以此替代態度變量。其中企業總經理是生產者決策的主體，企業規模特征則是影響主體決策行為的環境因素，兩者不僅決定主體的態度，更對決策行為產生直接影響。由此，本文提出如圖1所示的包含五個自變量維度的碳標簽食品生產的決策行為的假設模型。由于碳標簽食品的生產屬于低碳、清潔生產行為，本文將借鑒這一領域的研究成果提出研究假設與展開相應的分析。

圖1 碳標簽食品生產決策行為的假設模型

(三)研究假設

如前所述，本文的研究假設了碳標簽食品生產將增加生產企業的凈收益。基于研究主題和現有的文獻，本文作出如下進一步的研究假設:

1.總經理特征。Bommer［28］認為決策者的性格特征、年齡、性別、受教育水平對決策行為起著重要作用。Brust和 Liston-Heyes［27］的研究表明，決策者自身素質、管理水平及價值觀對企業低碳節能生產行為有重要影響作用。Zeng等［29］研究發現提高管理者水平對中國企業實施環保管理體系具有重要影響。由此假設:

H1:總經理特征會直接影響碳標簽食品生產的決策行為。

2.企業規模特征DeGroot等［33］以荷蘭為例，運用離散選擇模型得出企業規模越大更關注環境問題，且越有能力承擔高成本的環保節能設備;Brust和 Liston-Heyes［27］的研究認為，企業大小、類型與其低碳環保生產意愿有較高的相關性;Erlandsson和 Tillman［36］的研究表明，企業規模特征對其清潔生產有明顯的影響作用。由此假設:

H2:企業規模特征與其碳標簽食品生產的決策行為有正相關關系。

3. 主觀規范 MacGregor［6］認為，只有消費者關注碳排放并購買碳標簽產品，企業才愿意清潔生產以控制碳排放量;Montalvo［37］、Zeng 等［29］的研究則證實，消費者對環保產品的偏好有助于推動企業生產低碳產品。政府通過法律法規、政策目標和行政干預等方式能夠影響企業碳標簽食品生產的決策行為［38］;Adeoti［39］認為環境政策和相關法律是企業進行清潔生產的主要驅動因素之一;Luken等［40］的研究發現政府的現行環境法規、預期的環保政策影響企業采用環保技術;Siaminwe等［41］、Massoud 等［42］的研究表明，政策目標、激勵政策和政府法規的缺失不利于清潔生產的實施。由此假設:

H3:主觀規范對生產企業碳標簽食品生產的決策行為有顯著的正向影響。

4. 知覺行為控制 Montalvo［37］、Blackman 和Kildegaard［43］研究發現，人力資本、技術水平、研發投入是墨西哥皮革生產企業發展清潔技術與進行清潔生產的決定因素;Abidin等［44］對馬來西亞飲食業的研究支持上述結論;Adeoti［39］、Luken 等［40］等一系列類似研究指出，研發人才、技術與裝備影響企業的清潔生產。由此假設:

H4:知覺行為控制對生產企業碳標簽食品生產的決策行為有正相關作用。

5.過去行為Sutton［45］認為過去行為對未來行為產生的影響遠大于認知因素;Mullen等［46］研究表明，先期行為對后續行為的影響最大;Knussen等［47］研究發現，過去行為的慣性對行為意向和行為有獨立的影響作用;過去習慣在解釋行為上甚至比行為態度、主觀規范和知覺行為控制更為重要［48］，由此假設:

H5:過去行為對生產企業碳標簽食品生產的決策行為有正向影響。

6.交互作用Conner和Armitage［49］、Smith等［50］的研究證實過去行為與計劃行為理論的三個主要因素間存在交互作用，兩兩間相關系數顯著;Ajzen［16］則認為過去行為以知覺行為控制為中介對行為意向產生影響作用。Ouellette和Wood［17］研究發現，過去行為與態度和主觀規范相關性較強，與知覺行為控制相關性較弱。而且計劃行為理論的三個變量間也存在兩兩相關關系［51］。由此假設:

H6:過去行為與企業規模特征、主觀規范、知覺行為控制之間分別存在交互作用，企業規模特征、主觀規范和知覺行為控制間具有兩兩互相作用。

三、研究設計

(一)樣本選取

山東蒼山縣與江蘇豐縣雖然隸屬于不同的省份，但地理上相互毗鄰，經濟發展水平相當、文化習俗相似，食品工業的產品結構類似，以瓜菜、干鮮果品、畜牧等農產品加工為主，兩地共有食品加工企業98家。本文以蒼山、豐縣所有食品加工企業為調查對象并發放問卷，回收有效問卷87份，回收率為88.78%。

(二)樣本的描述性分析

本文所調查的87家食品生產企業的基本特點是:(1)以中小企業為主。94.2%、95.4和86.2%的樣本企業的職工人數在2000人以下、資產總額在4億元人民幣以下和主營業務銷售額在3億元人民幣以下。(2)89.7%的樣本企業認為在過去對食品安全高度重視。(3)25.3%和64.4%的樣本企業通過了ISO14000系列和ISO9000系列的國際認證，82.8%的樣本企業有意愿開展低碳產品認證;(4)93.1%的企業有意愿生產碳標簽食品。但與普通食品相比，對生產碳標簽食品可能增加的額外成本，88.5%的企業只愿意承擔增加額的10%以下。

(三)樣本變量說明

調查問卷設置測度指標變量24個(見表1)，力求涵蓋解釋變量的所有信息。但過多的設置可能導致變量間產生相關性，增加分析的復雜性和模型擬合的難度。故選取因子分析降維方法，在驗證模型假設合理性的同時，濃縮測量指標，為模型擬合做準備。

表1 決策行為模型各維度的指標變量①研發投入指研發資金占當期銷售收入的比重;職工受教育層次指企業大專以上員工占總職工數的比例。

知覺行為控制(PBC)研發投入 PRDI (0，1%］=1;(1%，2%］=2;(2%，3%］=3;(3%，5%］=4;5%以上=5職工受教育層次 PSLC 20%及以下=1;(20%，30%］=2;(30%，50］=3;50%以上=4研發人員比例 PRSP (0，10%］=1;(10%，15%］=2;(15%，20%］=3;(20%，30%］=4;30%以上=5技術裝備水平 PEGL 80年代前=1;80年代=2;90年代=3;目前國際水平=4發明專利 PIVP 沒有=1;有=2過去行為(FB)過去食品安全重視度 FFSV 很不重視=1;不重視=2;一般=3;重視=4;很重視=5過去清潔生產投入 FESI (0，1%)=1;［1，3%］=2;(3，5%］=3;5%以上=4是否制定中長期清潔生產目標 FEST 沒有=1;有=2決策行為(BI)碳標簽使用意愿 BCLW 不愿意=1;愿意=2碳排放交易態度 BCET 不支持=1;支持=2低碳認證意愿 BLCI 不認證=1;認證=2

四、假設模型結構合理性檢驗與指標確定

(一)信度檢驗與相關性分析

選取克倫巴赫系數α(Cronbach’s Alpha)和折半信度系數(Split-Half Coefficient)，通過SPSS18.0軟件對表1中樣本數據檢驗信度。結果為α系數和折半信度系數分別為0.722和0.771，表明樣本數據內部一致性較高①Guielford［52］:Cronbach’sα系數若大于0.7則表示信度很高，而小于0.35則屬低信度，應予以刪除。折半信度系數通常要符合大于0.5的標準。;因子分析適當性檢驗結果顯示，KMO值為0.609②Kaiser［53］:KMO(Kaiser-Meyer-Olkin)檢驗通過比較各變量間簡單相關系數和偏相關系數的大小判斷變量間的相關性，偏相關系數遠小于簡單相關系數，相關性愈強，KMO值愈接近1。一般認為KMO值在0.9以上、0.8-0.9、0.6-0.8、0.5-0.6、0.5以下，分別表示非常適合、比較適合、一般、不太適合和極不適合。，而Bartlett球型統計量顯著性水平小于0.01，拒絕原假設③Cornish［54］:Bartlett球型檢驗是以相關系數矩陣為基礎，其零假設是相關系數矩陣是一個單位矩陣。，表明原始變量間有共同因素存在，適合使用因子分析法。

根據特征值大于1準則［55］和碎石圖檢驗準則［56］，對表1中所有變量數據運用主成份分析法抽取公因子，共獲得9個公因子且解釋了69.558%的總方差④Jolliffe［57］:公因子數一般以特征值大于1和碎石圖為準，累計方差貢獻率通常在0.7-0.9之間，視具體數據和應用而定，本研究累計方差貢獻率接近0.7，可以接受。。但假設模型只有六個維度，故須檢驗模型收斂效度⑤榮泰生［58］:收斂效度是指用兩種不同衡量方式去衡量同一構面的內容時，其相關程度都很高。具體到本文主要指各維度的測量指標變量是否具有高度相關性。以剔除各維度下相關性不高的變量。由于本文的數據為非正態離散型，選取Kendall⑥Kendall［59］、Rummel［60］:Pearson相關系數適用于正態分布的連續變量，Spearman相關系數適用于定序變量或非正態分布，Kendall相關系數適用于有序分類變量或明顯非正態分布或分布不明顯的數據。相關系數檢驗。結果顯示，總經理特征維度下的指標相關性都不顯著⑦總經理特征維度下各指標相關性均不顯著，故此維度不予保留，下文的分析中不包含此維度。，主觀規范維度下的SGFN、SGTM、SEXP與其他變量相關性不明顯，PRDI和PIVP也不能很好地解釋知覺行為控制維度，而過去行為和決策行為這兩個維度下各指標相關性系數則分別通過顯著性檢驗。

(二)因子分析法驗證模型結構合理性與指標確認

運用 SPSS進行因子分析，此時 KMO值為0.668，Bartlett值為551.503，P ＜0.0001，適合做因子分析。因子分析顯示特征值大于1的主因子有五個，共解釋68.843%的總方差①Fabrigar［61］、Jolliffe［57］:探索性因子分析目的是對復雜變量降維處理，累計方差貢獻率表示公因子對總方差的解釋能力，一般公因子越少越好。顯然，本文處理后的5個公因子相對于9個公因子效果更佳。，通過最大方差正交旋轉法得表2的因子載荷矩陣。

表2 因子旋轉后載荷矩陣數值

根據因子載荷值大于0.5的標準［62］歸納出各個公因子解釋變量，如表2中黑體所示。可供命名的五個公因子所對應的潛藏概念恰好是模型中的各個維度，這證實了假設模型各維度結構合理，相應的指標變量得以確認，基本驗證了生產企業碳標簽食品生產的決策過程遵循計劃行為理論這一假設的合理性。

五、碳標簽食品生產決策行為的影響因素的實證分析

(一)模型設定與估計方法

基于因子分析結果，設定如圖2所示的結構方程模型路徑圖。

多元正態分布、大樣本數據(一般在200-500之間，最好不少于200例)是結構方程模型應用的兩個基本假定［63-64］。運用 AMOS18.0軟件對本文樣本數據正態性檢驗的結果見表3，各變量的峰度偏高，多元峰度臨界比率遠大于1.96，呈現典型的非正態性②Kline［65］:峰度(kurtosis)絕對值大于10，表示峰度有問題;大于20稱之為極端峰度。多元峰度(multivariatekurtosis)的臨界比率(criticalratio，CR)大于1.96，表示變量成非正態分布。。本文樣本僅為87家食品生產企業，根據 Anderson 和 Gerbing［66］的經驗，樣本量明顯偏少。鑒于Bootstrap自助抽樣法③Bootstrap自助再抽樣以初始樣本為抽樣總體，采用重采樣技術，重復抽取同樣大小的樣本(Bootstrapsamples)，然后對每個Bootstrap樣本進行參數估計，其本質是將小樣本問題轉化為大樣本問題。可有效解決樣本偏小和數據非正態性引起的估計偏差［67-68］，為此本文采用這一方法展開后續研究。

圖2 結構方程模型路徑圖

表3 樣本數據正態性檢驗結果

(二)信效度檢驗與模型擬合

結構方程模型擬合前應檢驗所涉數據的信度和效度。運用SPSS18.0得到的表4的信度系數均在參考值內［52］。指標選取基于計劃行為理論、研究文獻且得到相關專家認可，可以保證問卷具有良好的內容效度。采用因子分析方法對樣本數據結構效度的評價。結果如表4所示，第一公因子的方差貢獻率都超過0.5①Nunnally和Bernstein［69］，Kerlinger［70］，Hair等［62］:因子分析所抽取的公因子結構與問卷結構的一致性即為結構效度;僅一個公因子且貢獻率與因子載荷大于0.5，即可認為有較好結構效度。，只有一個公因子且有較滿意的因子載荷，說明這五個維度具有良好的結構效度。

表4 模型所涉數據的信度和結構效度檢驗

借助AMOS18.0分析軟件，應用Bootstrap自助抽樣法對本文設定的結構方程模型路徑圖進行擬合，其中抽樣次數B=300②郝彥斌［71］實證結果顯示抽樣次數在B=250和B=500時，模型結果沒有大的差異。本文通過對比B=200，300，500時的估計結果發現隨抽樣次數的增大，P值略微增加，而標準化系數幾乎不變，但計算量明顯增大。故本文選取適中值B=300。。擬合結果顯示，最大似然估計法的 χ2為118.531，P值為0.044，拒絕虛無假設;而自助抽樣估計的 χ2值則為103.18，P值為0.229，接受這個被拒絕的模型。

(三)參數檢驗與擬合評價

表5的數據顯示，假設模型并未出現違反估計現象［62，72］，并顯示測量模型的各參數均顯著，標準化系數達到建議值0.45［73-74］③建議值0.45為參考值，本文中PEGL的標準化系數為0.351，略低于建議值0.45，但通過顯著性檢驗。。假設模型整體擬合度檢驗結果如表6所示，各評價指標基本達到理想狀態，模型整體擬合很好。

表5 Bootstrap自助抽樣法標準誤和標準化系數估計

注:SE為標準誤的bootstrap估計;Mean為Bootstrap樣本的參數估計均值;CR為臨界比率，由Mean和SE的比率計算而得;Bias為ML估計與Bootstrap估計均值的差異;Estimate為標準化系數;P值為Bias-correctedpercentilemethod下的檢驗結果。

表6 SEM整體擬合度評價標準及擬合評價結果

① 指標含義:擬合優度指數(goodnessoffitindex，GFI);均方根殘差(rootmean-squareresidual，RMR);近似誤差均方根(rootmeansquareerrorofapproximation，RMSEA);調整擬合優度(adjustgoodnessoffitindex，AGFI);標準擬合指數(normedfitindex，NFI);增值擬合指數(incrementalfitindex，IFI);Tucker-Lewis指數(tucker-lewisindex)，亦稱非標準化擬合指數(non-normedfitindex，NNFI);比較擬合指數(comparativefitindex，CFI);赤池信息指標(Akaike’sinformationcriterion，AIC);一致赤池信息指標(consistentakaikeinformationcriterion，CAIC);期望交叉驗證指標(expectedcross-validationindex，ECVI);簡效標準擬合指數(parsimoniousnormedfitindex，PNFI);簡效比較擬合指數(parsimoniouscomparativefitindex，PCFI);簡效擬合度指標(parsimoniousgoodnessoffitindex，PGFI)。

② Bentler［75］:標準擬合指數(NFI)受樣本容量影響較大，而本文為小樣本數據，故可以不作考慮。

(四)估計結果的分析與討論

結構方程模型整體擬合的理想結果進一步驗證了假設模型結構的合理性，各個因子間的標準化路徑系數和載荷系數(表5)可用于假設模型的相關解釋。

1.結構模型的路徑分析

企業規模特征、主觀規范、知覺行為控制和過去行為是影響生產企業碳標簽食品生產決策行為的主要因素，而總經理特征因素并不顯著，與假設H1相悖。可能由于樣本企業多為中小企業且產品結構類似，總經理特征具有明顯的趨同性，加之樣本數量較少，導致總經理特征因素對企業決策行為的影響不顯著。

主觀規范的影響作用最大，標準化系數為0.392，證實 H3假設成立。這與 Montalvo和Kemp［38］、Siaminwe 等［41］的研究類似，肯定了政府管制和市場需求的影響作用。這與目前我國碳標簽食品市場處于空白狀態的實際相符，雖然未來可能有巨大的市場空間，但由于現實需求明顯不足，碳標簽食品的生產有賴于政府推動。

企業規模特征的標準化路徑系數為0.247，假設H2得到驗證。這與 Brust和 Liston-Heyes［27］、DeGroot等［33］的研究一致。與普通食品相比較，碳足跡的認定和碳標簽的加注、環保型的生產需要企業增加相應的技術、設備與碳標簽認證等成本投入，依靠低廉勞動力獲得的微薄利潤的廠商可能在短期內難以承擔。因此不僅需要企業具有相應的社會責任意識，更需要具備一定的基礎。由于規模經濟效應，市場銷售規模越大的企業越有助于做出碳標簽食品生產的決策是符合我國企業一般特征的。

知覺行為控制的標準化系數為-0.261，未通過1%的顯著性檢驗，與研究假設H4相矛盾，也與Montalvo［37］、Luken 等［40］的研究結論不吻合。這與樣本特征有關。調查地區的食品生產企業技術水平普遍不高，加之小樣本可能是數據集中在某個區間，且碳標簽食品市場尚未形成，行為決策主要基于主觀經驗并易受政府政策影響，導致知覺行為控制對碳標簽食品生產的決策行為影響不明顯。

過去行為的標準化路徑系數為0.184，在1%的水平下顯著，假設H5成立，說明過去行為通過余效和慣性作用影響生產企業碳標簽食品生產決策行為，并驗證了 Sutton［45］等關于過去行為對決策行為有直接影響的觀點。

2.測量模型的因子載荷分析

測量模型中的載荷系數反映了可測變量對潛變量的影響程度。結論顯示，企業職工人數、資產總額、注冊資本與主營業務銷售額的標準化系數分別達到0.845、0.809、0.770、0.721，表明企業規模越大越傾向于碳標簽食品生產。這一研究結論與 Brust和 Liston-Heyes［27］、Erlandsson 和 Tillman［36］的研究相吻合。

消費者認可度是主觀規范中的最顯著因素，表明市場對企業行為的作用優于政府調控，企業行為優先考慮市場需求。這與 MacGregor［6］、Zeng等［29］、Montalvo［37］的研究一致。

知覺行為控制潛變量的顯著指標為企業職工受教育水平和研發人員占職工總數的比重。Luken等［40］認為研發人才缺乏、技術和工藝水平不高是企業清潔生產的制約因素。然而，如前文所述，樣本特殊性導致其在本研究中未得到支持，但不能就此否定其重要性。

食品安全重視程度是過去行為潛變量中最顯著的因素，表明過去食品安全決策經驗顯著影響了生產企業碳標簽食品生產的決策行為。而過去清潔生產投入和中長期清潔生產目標的影響也較為顯著，這與 Adeoti［39］、Luken 等［40］的研究高度類似。

3.外生潛變量間的交互作用

外生潛變量間的交互作用估計結果如表7所示。其中企業規模特征與主觀規范的交互作用不顯著，與知覺行為控制通過5%水平的顯著檢驗，主觀規范與知覺行為控制的交互作用明顯。這一結論顯然符合客觀現實。這是因為企業規模特征與政府規范間的相關性難以直接體現，而與其技術水平等知覺行為控制相互促進，外界環境等主觀規范與企業知覺行為控制更是密切相關［49，51］。同時過去行為與其他潛變量的交互作用均通過1%的顯著性檢驗，且過去行為與知覺行為控制的相互作用最為明顯(標準化系數為0.433)，結論顯然與 Ajzen［16］、Ouellette 和 Wood［17］、Smith 等［18］、Conner和 Armitage［49］的研究相吻合。由此，本文的假設H6大部分得到驗證。

表7 Bootstrap自助抽樣法外生潛變量交互作用估計結果

六、主要結論、政策含義與展望

(一)主要結論

本文以實際調研數據為基礎，運用計劃行為理論，借助Bootstrap自助抽樣法下的結構方程模型，研究了影響企業碳標簽食品生產決策行為的主要因素。結論顯示，主要影響因素有企業規模特征、主觀規范、過去行為這三個潛變量，其中主觀規范對決策行為的影響作用最大，而市場需求高于政府作用;企業規模特征影響明顯，規模越大的企業越趨向于碳標簽食品生產;過去食品安全的決策經驗、清潔生產投入和中長期清潔生產目標等過去行為也顯著影響決策行為。同時除企業規模特征與主觀規范的交互作用不顯著外，企業規模特征與知覺行為控制、主觀規范與知覺行為控制間的交互作用明顯。由此可見，本文的研究假設大部分得到驗證，計劃行為理論對研究生產企業碳標簽食品生產的決策行為具有普遍的適用性。

(二)政策含義

本文的研究結論對推進節能減排具有積極的參考價值。碳標簽食品能否引領低碳消費，本質上在于培養消費者的可持續消費習慣。具有良好消費習慣群體的持續增長，才能夠從根本上擴大碳標簽食品的市場需求，提高生產企業碳標簽食品的市場收益;精細化、營養化是現代食品工業發展的主要方向，不應該也不可能因為食品生產過程的碳排放而降低食品生產加工的水平。因此，必須逐步通過增加高碳排放食品的稅賦或提高能源價格等方式引導食品企業的低碳生產。市場需求高于政府作用，但并不否定政府的作用，而是強調在主要依靠市場調節的基礎上，政府對碳標簽食品的生產和消費給予必要的扶持。比如，在實施碳標簽食品制度的起步階段，政策扶持，選擇規模大、創新能力強、碳排放量相對較高且消費面廣的食品生產企業試點先行并逐步在行業推廣。

(三)研究展望

本文的研究是在假設碳標簽食品生產將增加企業凈收益的情況下展開的，因此研究結論可能具有一定的局限性。同時Bootstrap自助抽樣方法雖然對小樣本、非正態的估計結果比較理想，但難以徹底避免數據相對集中于某一區間，估計誤差偏大、解釋能力不足的問題，估計結果的應用范圍可能受限;案例調查的所在區域屬于欠發達地區且食品生產廠商的總體創新能力一般，導致研發投入等少數解釋變量被排除在模型之外，知覺行為控制對決策行為的真實影響未能得到驗證;同樣受樣本數量較少且以中小企業為主、決策者特征具有明顯趨同性的影響，難以測度總經理對碳標簽食品生產的真實態度。后續的研究期待通過更為全面的理論分析，進一步完善探索性案例的分析樣本，研究不同區域、不同行業、樣本量更大的案例，并展開比較研究，以提高研究結論的系統性和針對性。

［1］Carbon Trust.Product Carbon Footprinting:the New Business Opportunity［R］.London:Carbon Trust，2009.

［2］Carbon Trust:Nine Leading Companies Commit to Carbon Footprint Products［R］.London:Carbon Trust，2007.

［3］BSI.PAS 2050:2008 Specification for the Assessment of the Life Cycle Greenhouse Gas Emissions of Goods and Services［R］.London:Department for Environment Food and Rural Affairs，2008.

［4］Brenton P，Edwards-Jones G，Jensen M F.Carbon Labelling and Low-Income Country Export:A Review of the Development Issues［J］.Development Policy Review，2009，27(3):243-267.

［5］MacKerron G J，Egerton C，Gaskell C，Parpia A，Mourato S.Willingness to Pay for Carbon Offset Certification and Co-Benefits among(High-)Flying Young Adults in the UK［J］.Energy Policy，2009，37(4):1372-1381.

［6］Macgregor J.Carbon Concerns:How Standard and Labeling Initiatives Must Not Limit Agricultural Trade From Developing Countries［R］.International Centre for Trade and Sustainable Development，2010.

［7］Upham，P.，Bleda M.Carbon Labelling:Public Perceptions of the Debate［R］.UK:Tyndall Centre Manchester，2009.

［8］SHI X P.Carbon Footprint Labeling Activities in the East Asia Summit Region:Spillover Effects to Less Developed Countries［R］.ERIA Discussion Paper Series，Tokyo，Japan:International Workshop on Carbon Footprint of Products in East-Asia，2010.

［9］Drake F，Purvis M，Hunt J.Meeting the Environmental Challenge:A Case of Win-Win or Lose-Win?A Study of the UK Baking and Refrigeration Industries［J］.Business Strategy and the Environment，2004，13(3):172-186.

［10］Eisner M A.Corporate Environmentalism，Regulatory Reform and Industry Self-Regulation:Towards Genuine Regulatory Reinvention in the United States［J］.Governance，2004，17(2):145-167.

［11］Lyon T P，Maxwell J W.Green Wash:Corporate Environmental Disclosure under Threat of Audit［R］.Indiana University，Kelley School of Business，Department of Business Economics and Public Policy in itsseriesWorkingPapers NO.2006-07，2006.

［12］Macgregor J.Understanding Stakeholder Drivers for Introducing and Complying with PVS-A Fresh Produce Example［M］.In:Borot A，MacGregor J，Graffham A(Eds.):Standard bearers:Horticultural exports and private standards in Africa.International Institute for Environment and Development(IIED)，2009.From: http://www.iied.org/pubs/pdfs/16021IIED.pdf.

［13］邴紹倩.食品"碳排放"標準及應對之策［J］.現代經濟信息，2009，(20):265.

［14］Hyde K，Smith A，Smith M，Henningsson S.The Challenge of Waste Minimisation in the Food and Drink Industry:A Demonstration Project in East Anglia UK ［J］.Journal of Cleaner Production，2001，9(1):57-64.

［15］Ajzen I.The Theory of Planned Behavior［J］.Organizational Behavior and Human Decision Processes，1991，50(2):179-211.

［16］Ajzen I.Residual Effects of Past on Later Behavior:Habituation and Reasoned Action Perspectives ［J］.Personality and Social Psychology Review，2002，6(2):107-122.

［17］Ouellette J A，Wood M.Habit and Intention in Everyday Life:The Multiple Processes By Which Past Behavior Predicts Future Behavior［J］.Psychological Bulletin，1998，124(1):54-74.

［18］Smith J R，Terry D J，Manstead A S R，Louis W R，Kotterman D，Wolfs，J.Interaction Effects in the Theory of Planned Behavior:The Interplay of Self-Identity and Past Behavior［J］.Journal of Applied Social Psychology，2007，37(11):2726-2750.

［19］Mazzocchi M，Lobb A，Traill W B，Cavicchi A.Food Scares and Trust:A European Study ［J］.Journal of Agricultural Economics，2008，59(1):2-24.

［20］劉洪，周玲.公司成長的復雜性分析［J］.中國軟科學，2004，(11):97-104.

［21］胡恩華，劉洪.基于復雜適應系統的企業集群創新行為研究［J］. 中國科技論壇，2007，(1):65-69.

［22］Bar-Yam Y.Complexity Rising:From Human Beings to Human Civilization，A Complexity Profile［M］.In:Encyclopedia of Life Support Systems(EOLSS)，UNESCO，Oxford，UK:EOLSS Publishers，2002.

［23］Center for the Study of Complex System(CSCS).The Study of Complex Systems［EB］，http://www.cscs.umich.edu/complexity.html，2004-10-10.

［24］Monks R A G.The Emperor's Nightingale:Restoring the Integrity of the Corporation ［M］.Tulsa:Capstone Publishing，1997.

［25］Ajzen I.From Intentions to Actions:A Theory of Planned Behavior［M］.In Kuhl J，Beckmann J(Eds.)，Action Control:From Cognition to Behavior，Berlin and New York:Springer-Verlag，1985.

［26］Harung H S.More Effective Decisions through Synergy of Objective and Subjective Approaches ［J］.Management Decision，1993，31(7):38-45.

［27］Brust D A V，Liston-Heyes C.Environmental Management Intentions:An Empirical Investigation of Argentina's Polluting Firms［J］.Journal of Environmental Management，2010，91(5):1111-1122.

［28］Bommer M，Gratto C，Gravander J，Tuttle M.A Behavioral Model of Ethical and Unethical Decision Making［J］.Journal of Business Ethics，1987，6(4):265-280.

［29］Zeng S X，Tam C M.Tam V W Y，Deng Z M.Towards Im-plementation of ISO 14001 Environmental Management Systems in Selected Industries in China［J］.Journal of Cleaner Production，2005，13(7):645-656.

［30］Svensson E，Berntsson T.Economy and CO2 emissions trade-off:a systematic approach for optimizing investments in process integration measures under uncertainty［J］.Applied Thermal Engineering，2010，30(1):23-29.

［31］Montalvo C.General wisdom concerning the factors affecting the adoption of cleaner technologies:survey 1990-2007［J］.Journal of Cleaner Production，2008，16(S1):S7-S13.

［32］Wang Z G，Mao Y N，Gale F.Chinese consumer demand for food safety attributes in milk products［J］.Food Policy，2008，33(1):27-36.

［33］De Groot H L F，Verhoef E T，Nijkamp P.Energy Saving By Firms:Decision-Making，Barriers and Policies［J］.Energy Economics，2001，23(6):717-740.

［34］Bandura A.Social Learning Theory［M］.Englewood Cliffs，New Jersey:Prentice Hall，1977.

［35］Narli S.An Alternative Evaluation Method for Likert Type Attitude Scales:Rough Set Data Analysis［J］.Scientific Research and Essays，2010，5(6):519-528.

［36］Erlandsson J，Tillman A M.Analysing Influencing Factors of Corporate Environmental Information Collection，Management and Communication［J］.Journal of Cleaner Production，2009，17(9):800-810.

［37］Montalvo C.Environmental Policy and Technological Innovation，Why Do Plants Adopt or Reject New Technologies［M］.Cheltenham:Edward Elgar Publishing Co.，2002.

［38］Montalvo C，Kemp R.ESTO Project Report:Industrial Cleaner Technology Diffusion［R］.Delft，The Netherlands，2004.

［39］Adeoti J O.Technology and the Environment in Sub-Saharan Africa，Emerging Trends in the Nigerian Manufacturing Industry［M］.Burlington，USA:Ashgate Publishing，2002.

［40］Luken R，Rompaey F V，Zigova K.The Determinants of EST Adoption By Manufacturing Plants in Developing Countries［J］.Ecological Economics，2008，66:141-152.

［41］Siaminwe L，Chinsembu K.C.，Syakalima M.Policy and Operational Constraints for the Implementation of Cleaner Production in Zambia［J］.Journal of Cleaner Production，2005，13(10-11):1037-1047.

［42］Massoud M A，Fayab R，El-Fadel＆ Kamleh R.Drivers，Barriers and Incentives to Implementing Environmental Management Systems in the Food Industry:A Case of Lebanon［J］.Journal of Cleaner Production，2010，18(3):200-209.

［43］Blackman A，Kildegaard A.Clean Technology Changes in Developing Country Industrial Clusters:Mexican Leather Tanning［R］.Discussion Paper 03-12，Washington，D.C.:Resources for the Future，2003.

［44］Abidin R，Abdullah C S，Osman W N.Clean Production Strategies Adoption:A Survey on Food and Beverage Manufacturing Sector［J］.Communications of the IBIMA，2010，2010:1-10.

［45］Sutton S.The Past Predicts the Future:Interpreting Behavior Relationships in Social Psychological Models of Health Behavior［M］.In Rutter D R ＆ Quine L(Eds.)，Social Psychology and Health:European Perspectives，Aldershot，UK:Avebury，1994.

［46］Mullen P D，Hersey J C，Iverson D C.Health Behavior Models Compared ［J］.Social Science and Medicine，1987，24(11):973-981.

［47］Knussen C，Yule F，Mackenzie J，Wells M.An Analysis of Intentions to Recycle Household Waste:The Roles of Past Behavior，Perceived Habit，and Perceived Lack of Facilities［J］.Journal of Environmental Psychology，2004，24(2):237-246.

［48］Aarts H，Dijksterhuis A.Habits as Knowledge Structures:Automaticity in Goal-Directed Behavior Verplanken Journal of Personality and Social Psychology，2000，78(1):53-63.

［49］Conner M，Armitage C J.Extending the Theory of Planned Behavior:A Review and Avenues for Further Research［J］.Journal of Applied Social Psychology，1998，28(15):1429-1464.

［50］Smith J R，Terry D J，Manstead A S R，Louis W R，Kotterman D，Wolfs J.Interaction Effects in the Theory of Planned Behavior:the Interplay of Self-identity and Past Behavior［J］.Journal of Applied Social Psychology，2007，37(11):2726-2750.

［51］Ajzen I.The Theory of Planned Behavior［J］.Organizational Behavior and Human Decision Processes，1991，50(2):179-211.

［52］Guielford J P.Fundamental Statics in Psychology and Education［M］.New York:Mc Graw-Hill，1965.

［53］Kaiser H F.An Index of Factorial Simplicity［J］.Psychometrika，1974，39:31-36.

［54］Cornish R.Statistics:Factor Analysis［M］.Mathematics Learning Support Centre，2007.

［55］Kaiser H F.The Application of Electronic Computers to Factor Analysis［J］.Educational and Psychological Measure-ment，1960，20:141-151.

［56］Cattell R B.The Scree Test for the Number of Factors［J］.Multivariate Behavioral Research，1966，1(2):245-276.

［57］Jolliffe I T.Principal Component Analysis［M］.New York:Springer-Verlag New York Inc，2002.

［58］榮泰生.Amos與研究方法［M］.重慶:重慶大學出版社，2009.

［59］Kendall M.G.Rank Correlation Methods［M］.New York:Hafner Publishing Co.，1955.

［60］Rummel R J.Understanding Correlation［M］.Honolulu:Department of Political Science University of Hawaii，1976.

［61］Fabrigar L R，Wegener D T，MacCallum R C，Strahan E J.Evaluating the Use of Exploratory Factor Analysis in Psychological Research［J］.Psychological Methods，1999，4(3):272-299.

［62］Hair J F，Anderson R E，Tatham R L.Multivariate Data Analysis［M］.Englewood Cliffs，N.J.:Prentice Hall，1998.

［63］Shumacker R E，Lomax R G A.Beginner's Guide to Structural Equation Modeling［M］.Mahwah，USA:Erlbaum，1996.

［64］Boomsma A，Hoogland J J.The Robustness of LISREL Modeling Revisited［M］.In:Cudeck R.，Du Toit S，S?rbom D(Eds.)Structural Equation Models:Present and Future.A Festschrift in honor of Karl J?reskog，Lincolnwood，I.L.:Scientific Software International，2001.

［65］Kline R B.Principles and Practice of Structural Equation Modeling［M］.New York:The Guilford Press，1998.

［66］Anderson J C，Gerbing D W.The Effect of Sampling Error on Convergence，Improper Solutions，and Goodness-of-Fit Indices for Maximum Likelihood Confirmatory Factor Analysis［J］.Psychametrika，1984，49(2):155-173.

［67］Bollen K A，Stine R.Bootstrapping Goodness of Fit Measures in Structural Equation Models［J］.Sociological Methods and Research，1992，21(2):205-229.

［68］Fouladi R T.Covariance Structure Analysis Techniques under Conditions of Multivariate Normality and Non-Normality:Modified and Bootstrap Based Test Statistics［R］.Paper Presented at the Annual Meeting of the American Educational Research Association，San Diego，C.A.，1998.

［69］Nunnally J C，Bernstein I H.Psychometric Theory(3rd ed.)［M］.New York:McGraw-Hill，1994.

［70］Kerlinger F N.Foundations of Behavioral Research(3rd ed.)［M］.New York:Holt，Rhinehart and Winston，1986.

［71］郝彥斌.小樣本非正態數據結構方程模型估計方法研究與醫學應用［D］.山西醫科大學，2007.

［72］Byrne B M.Structural Equation Modeling with LISREL，PRELIS ＆ SIMPLIS:Basic Concepts，Application，and Programming［M］.New Jersey:Lawrence Erlbaum Association，1998.

［73］Bentler P M，Wu E J C.EQS:Windows User's Guide［M］.Los Angeles:BMDP Statistical Software，1983.

［74］J?reskog K G，S?rbom D.LISREL 7:A Guide to the Program and Applications［M］.Chicago:SPSS Inc.，1989.

［75］Bentler P M.Comparative Fit Indices in Structural Models［J］.Psychological Bulletin，1990，107(2):238-246.

［76］吳明隆.結構方程模型-AMOS的操作與應用［M］.重慶:重慶大學出版社，2009.