基于机器学习的中国食品安全政策工具的分类和预测

科学领域:

• 农业经济学 农业经济学
• 公共政策 公共政策
• 食品科学 食品科学 食品科学

背景情况:

• 食品安全是一个关键的公共问题,需要有效的政府政策干预.
• 对中国食品安全政策工具的实证评估有限,阻碍了基于证据的政策制定.
• 了解各种政策工具的影响对于加强食品安全治理至关重要.

研究的目的:

• 实证地评估中国实施的各种食品安全政策工具的有效性.
• 分类和分析不同食品安全政策工具的特点.
• 预测联合政策策略的有效性,以减轻食品安全风险.

主要方法:

• 利用了11236份 (2005-2021) 食品安全政策文本和中国各地食品事故数据的综合数据集.
• 员工隐藏的迪里克莱特分配 (LDA) 用于政策工具的分类.
• 应用 eXtreme渐变增强 (XGBoost) 用于有效性预测和政策组合分析.

主要成果:

• 当地政府越来越多地参与制定食品安全政策.
• 强制性政策工具是最普遍的,拥有最高权威,其次是指导和自愿工具.
• 强制性政策产生了最有效的干预结果,超过了指导和自愿的方法.
• 利用高增长框架和强制性法规的政策组合显示出卓越的有效性.

结论:

• 在中国的食品安全领域,强制性政策工具是最有效的.
• 建议采取平衡的方法,考虑政策类型,有效性,数量和局势适用性.
• 未来的食品安全战略应优先考虑强制性法规和战略政策组合.