畜禽产品风险监测抽样方案设计探讨

　　摘要： 本文总结分析了近几年广东省广州市畜禽产品质量安全风险监测抽样方案的探索实践， 并提出了抽样方案的改进措施，建议运用统计学方法，设计抽样方案，确定采集样品的方法、种类、数量和地点，从而确保抽样样品的代表性和科学性，可为各部门畜禽产品风险监测抽样方案的设计提供参考。

　　关键词：畜禽产品；风险监测；抽样方法；方案设计

　　风险监测方案的制定是整个风险监测工作的起点和核心， 其中抽样是确保畜禽产品质量安全例行抽检结果的公正性、科学性、准确性的基础。能否符合统计学要求， 保证其随机性、代表性和真实性是各监测部门必须认真对待和首先要解决的问题，也是开展农产品风险监测工作最基本的要求。2012 年10 月1 日，《农产品质量安全监测管理办法》正式施行。该办法明确规定，农产品质量安全风险监测抽样应当采取符合统计学要求的抽样方法， 确保样品的代表性。各级监测部门在监测方案中更加关注抽取样品的代表性和科学性， 但在方案中均未体现如何利用统计学方法进行抽样。本文总结近几年广东省广州市畜禽产品质量安全风险监测抽样方案的情况， 运用统计学方法， 以广州市为例对畜禽产品风险监测抽样方案的设计进行了探讨。

　　2011－2014 年广州市畜禽产品质量安全监测方案中包含了例行监测、专项监测、监督抽查等，涵盖了风险监测和监督抽查。抽样计划覆盖每个县（区） 养殖场、屠宰场、批发与农贸市场、超市等，实现了监测点和监测环节100％覆盖，并根据实际情况， 确定科学的监测时间和次数；明确了监测品种、数量和监测项目以及抽样方法、检测依据和判定原则等。近4 年来例行监测中累计抽取样品5544份，检测32 298 项次， 仅7份样品超标， 合格率达到99.88％； 专项监测抽取500 份样品，检测7447 项次，23 份样品超标，合格率达到95.4％；通过省部级在广州市畜禽产品质量安全的例行监测， 合格率达到100％。但监测方案中未规定抽样量达到多少才符合统计学意义，才能做到样品真实和具有代表性。未明确抽样过程中如何抽样和如何科学布点，无法计算抽样误差。监测得到的结果只是简单统计合格率而未进一步分析数据，无法在一定置信区间内推断总体的合格率等。因此今后

　　利用统计学理论， 更加科学合理地设计抽样方案非常有必要。

　　现代抽样检验方法即统计抽样检验方法，是建立在概率统计理论基础上的， 抽样过程的关键是采用什么样的抽样方式来保证抽查样品的代表性。对于畜禽产品， 既要有代表性， 能反映当地畜禽产品质量整体水平以及不同来源、不同环节畜禽产品的安全状况； 也要考虑典型性。以下以广州市为例，在原有抽样方案的基础上进一步改进， 包括样本量估计、样本量分配和抽样步骤中科学分层等方面的改进。

　　（一） 监测区域选择参考原则为实现样品的代表性， 依据食品安全监测的抽样原则， 畜禽产品质量安全风险监测抽样设计可参考以下几个原则：

　　1. 综合考虑本地区消费的畜禽产品的来源、种类、数量、流通情况，覆盖养殖、屠宰、批发、零售各个环节，按流通量所占市场份额分配样本量。

　　2. 科学布点，选取的抽样地区应覆盖中心城区、新区及附属的城镇；抽样点应尽可能选择大中小不同规模。

　　3. 抽样方案必须具有较强的可操作性，不仅便于具体抽样的实施，而且也要求便于后期的数据处理。

　　（二） 样本量估计

　　在抽样研究中，无论是实验还是调查设计均应考虑样本含量的估计，本抽样设计按照简单随机抽样原则估算样本量，用公式（1） 计算。

　　

　　公式（1）中n0为最小样本量， N 为待调查群体总数， uα/2指将标准正态分布尾部面积之和等于α时所对应的正态变量值，P为以往调查的不合格率，容许误差δ， 是假设检验试图揭示的差异大小。当N 足够大时，总体可认为是无限的，公式

　　（1） 可简化为公式（2）。

　　

　　δ 取值不同， 计算的样本量不同， 有时甚至差异很大，可以看出δ 的合理取值在样本量的估计中起到不可忽视的作用。为避免人力物力的浪费，有必要慎重对待样本含量估计中δ 取值的问题。由于近年来，监测结果合格率较高，如果按照以往监测数据选取不合格率，计算的样本量过小。本设计中参考FSIS 假设监控化合物的真实不合格率为1％，δ取1％，α取0.05，即置信概率为95％，则uα/2=1.96，利用公式（2）计算得最小样本量n =380。由于不能做到完全随机抽样，为保证

　　样本的代表性，可将样本量增加10％，即380×110％=418。

　　1. 畜产品共抽取418 份样品， 包括猪尿、猪组织、牛羊组织。根据广州市2013 年统计年鉴，广州城市居民平均每人全年购买的猪肉和牛羊肉的统计量， 粗略估计猪肉占90％， 牛羊肉占10％，样本量按比例分配。

　　猪尿及猪组织抽样环节包括养殖和流通环节。据统计， 广州市生猪年出栏量约为230万头，总消费量约为700 万头，故养殖环节抽取1/3，流通环节抽取2/3， 其中屠宰场与市场各分一半；牛羊组织主要集中在流通环节，由于屠宰量只占全市消费量的10％左右， 所以应首选销售环节采样，适当兼顾屠宰场。

　　2. 禽产品共抽取418 份样品， 包括鸡肉、鸭肉、鹅肉、珍禽及蛋类。根据广州市2013 年统计年鉴，广州城市居民平均每人全年购买的鸡肉、鸭肉及鲜蛋类的统计量，可按照3:1:1:1:2 的比例分配。则鸡肉应抽158 份， 鸭、鹅、珍禽分别抽52 份，鲜蛋104 份。

　　抽样环节包括养殖和流通环节。据统计， 广州本地出栏家禽约7 000 万羽， 约占总消费量1/2，则样本量各占一半。各类样品分配详见表1。

　　表1  样本量分配表（份）

　　（四） 抽样方式及数据分析实际抽样过程中无法完全做到简单随机抽样，由于一般情况下分层随机抽样、多阶段抽样和系统抽样的样本量计算和简单随机抽样计算的相同。因此在抽样过程中可采用分层随机抽样、多阶段抽样和系统抽样相结合的

　　方式，可以更加全面准确地覆盖区域的情况，有利于资料的分类、汇总和提高评价精度；对变化性和不确定性进行全面分析， 其可靠性可以从分析过程和结果中得到。养殖场、屠宰场、批发市场、零售4个环节采用的抽样方式有所不同。

　　1. 养殖场。方法一： 分层随机抽样。首先将养殖场分为规模养殖场、散养户两层，在各层内随机抽取养殖场。当目标总体数量有限且所有养殖场名录易获得，可用此方法。假设广州生猪规模养殖场共有200 个，从中抽38个场。可先将200个养殖场按存栏量由大到小排序并编号， 然后用随机数字表法或软件随机抽取38个场。

　　方法二： 多阶段抽样，指当养殖场数量比较大且获得全部养殖场名称不现实时， 可分两级抽样。先随机抽取一级单元，再从抽得的一级单元中抽取范围更小的二级单元。例如需要抽取300个养鸡场，可以先整理出广州有鸡养殖场的镇，从中随机

　　抽取50个镇，每个镇再随机抽取6个场，每个场根据养殖量抽取样品个数。

　　2. 屠宰场。屠宰场选择分层随机抽样的方法。首先将屠宰场按日屠宰量分层， 如将屠宰量>1 000头的白云区嘉禾屠宰场、孔旺记屠宰场、花都雅瑶屠宰场、新华屠宰场作第一层；100～1000头的作为第二层，＜100 头为第三层，按照每层屠宰量之和占全市的比例，分配样本量。如第一层占约40％，则分配到250*40％=100 份， 第一层的4个场全覆盖，每个场需抽25份。具体每个场抽样时，采用系统抽样获得相应的样品。即按照一定的顺序，每隔若干个单位抽取1个样品。以嘉禾屠宰场为例，日屠宰量为3000头，需要抽取25 份样品，则间隔为3000/25=120，即在屠宰线上从抽取第一份样品开始，每隔120 头猪抽取1份样品。

　　3. 批发市场。根据全市批发市场的销售量比例分配样本数量，并将每个市场内的猪档、牛羊档、鸡档、鸭档、鹅档、珍禽档分别编号，并从中随机抽取需要的档口数量。

　　4. 零售环节。零售环节每类产品零售点类型的选择应首选供应了市场上80％的同类食品的一类零售点， 如农贸市场。选择多阶段抽样方式，分两级抽样。先随机抽取一级单元，抽取所需街道或镇；再从抽得的一级单元中抽取范围更小的二级单元， 每个街道或镇再随机抽取所需数量农贸市场。

　　5. 数据分析。对检测结果进行分类汇总，分析比较不同监测品种及在养殖场、屠宰场、批发市场等各个环节的质量状况，以及不同检测项目的合格率，并重点分析不合格样品的原因。通过此方案抽取418 份样本不合格率来估计广州市整体畜禽产品的质量安全状况，置信概率95％，容许误差不超过1％。检测得到的不合格率如果小于1％，说明本次抽样方案设计的抽样量足以满足需要；如果不合格率超过1％，说明整体实际畜禽产品质量安全状况比预期的质量安全状况差， 需要加大监测力度，在今后的抽样中进一步加大抽样量，使各部门更加清晰掌握养殖和流通等环节的质量安全状况。

　　畜禽产品安全风险监测是实施畜禽产品质量安全监督管理的重要手段， 而抽样工作是整个风险监测工作的前提和基础，样品是否具有代表性，直接影响监测数据的可靠性。本文结合统计学原理、食品安全监测抽样原理以及畜禽产品的风险监测抽样的相关要求， 首次提出区域畜禽产品抽样参考原则，并以广州市为例设计抽样方案，明确抽样量的计算、样本量的分配、抽样步骤和数据分析，使方案更加具体， 更具有可操作性，更有利于资料的分类、汇总和提高评价精度，以便更好的预测整个区域的畜禽产品质量安全状况。