引言 在供应链日益复杂化的当代社会背景下，食品安全已经成为一个跨越多个主体（包括政府、企业和消费者）、涉及多层次风险评估和具有广泛社会经济影响的多维度问题[1]。在此背景下，信息技术，尤其是数字化改革在食品追溯和安全管理领域的应用，被广泛认为是解决这些问题的关键创新途径[2]。在这一全球性民生议题中，中国的挑战尤为显著。作为世界上人口最多的国家，中国庞杂的食品供应链具有多样化、高敏感的食品安全风险。数字化技术的发展，为构建高效透明的食品供应链提供了新的可能。在“互联网+食品安全”的趋势下，中国政府推行了一系列政策措施，将食品供应链管理数字化改革方案逐渐提上议程。但在数字化改革的试点阶段，这些政策的效果如何，是否真正提升了食品安全水平，却仍是一个悬而未决的问题。因此，精准评估数字化改革试点区政策效果不仅能够检验此类创新措施在实际操作中的有效性，更能指导今后的政策调整，确保食品安全管理的科学化、精准化发展，为数字化改革策略在全国范围内推广的可行性提供重要判断依据。 浙江省作为中国食品安全治理的先行示范区，在2021年推行了以建设“浙食链”系统为核心的“一件事”数字化改革计划，通过整合全链条信息以实现从农田到餐桌全程监管目标[3]。本研究旨在对“浙食链”系统上线后对生鲜食品的实际效果进行深入评估，探讨其在提升食品安全追溯和监管效率方面的实际成效及其作用机制，为食品安全治理数字化转型提供科学依据。目前，探究试点政策效果的已有量化研究数量较少，主要是受到试点区域特殊性以及多因素干扰等限制，使双重差分法（DID）等方法难以选择合适对照组进行实证分析[4]。当前研究往往采用合成控制法（SCM），利用其他地区的加权平均来拟合出无政策影响的对照组[5]。但此类方法仍然难以全面捕捉数据中的动态变化和政策影响的非线性特征，在处理供应链等复杂系统时显得捉襟见肘，从而导致评估结果的失真。近年来，大数据与人工智能技术的崛起为政策评估提供了新的视角。特别是机器学习技术，其强大的数据处理和模式识别能力为精确评估政策效果提供了可能。然而，直接将机器学习应用于食品安全政策评估仍面临诸多挑战，如数据的时空关联性、政策的内生性等问题[6]。鉴于此，本研究创新性地开发出了一种结合反事实因果推断和时空图网络的深度学习模型FATs，以更精确全面地评估浙江省食品安全追溯闭环数字化管理的效果。在标准长短期记忆网络模型（LSTM）的基础上[7]，考虑到生鲜食品之间存在供应链共用的现象，本研究进一步深化了对食品供应链内部生鲜种类之间渠道关系的探索，并基于此构建了一个关系图，融合注意力机制实现了对浙江省生鲜食品安全情况的精确推断。 本文的主要创新贡献有：一是考虑到食品安全情况存在时间关联，本文应用LSTM为食品供应链复杂数据中的反事实情境提供了精准的预测能力和新的构建技术；二是在食品安全领域，本文首次利用食品供应链领域知识构建出生鲜食品关系图，细致地捕捉食品供应链中生鲜产品间的动态相互作用，并融合时序模型深化了对政策效果内在机制的理解；三是结合供应链行业知识构建的政策评估模型，为试点区域内食品安全政策的效果提供了更为贴近实际和精准的量化评估，为未来政策的制定和调整提供了科学依据。 1 文献综述 1.1 传统政策评估反事实因果推断的方法与挑战 公共政策可以看成是对其作用对象的一种干预，政策评估则是研究这种干预的影响[8]。分析政策效应可以实现精准的宏观调控[9]。然而，受传统政治学取向以及政策科学本身特性影响，我国政策评估研究仍以定性方法居多，忽视了定量方法的运用，对于因果推断的重视仍处于起步阶段，这与日益增长的政策效应评估需求相比显得极不平衡。反事实理论构建了政策因果效应的基础框架，以推断政策干预实施与否可能产生的不同结果[10]。通过将受到政策干预的群体分为处理组和对照组，并对目标群体的行为、经济状况、社会参与等观测指标进行比较分析，研究者可以更好地理解政策干预对特定特征的影响效果[11]。政策因果效应评估旨在估计处理组的平均处理效应，如何构建反事实是政策效应评估中的核心，即克服处理组无政策扰动情况的不可观测性[12]。 选择性偏误指在对照组与处理组间除了政策扰动外的其他干扰。如果选择性偏误不为零，那么反事实框架设计下的政策评估研究就会出现估计偏差[13]。因此，如何消除选择性偏误是基于效应评估的关键。从控制变量的角度来说，消除选择性偏误的操作可以分为实验与准实验方法：前者主要利用条件独立性假设（CIA）[14]；后者则是通过寻找对照组如匹配法和双重差分法（DID），或者引入工具变量法（IV）及基于此设计的断点回归法（RD）对其他变量进行控制[15-16]。 然而，虽然上述方法被广泛应用于反事实因果效应评估，但它们固有的局限性仍未得到有效克服。此类传统的计量方法面临的主要缺陷包括对未观测混杂因素的敏感性、实施条件的严格性以及对假设可验证的依赖性等，从而影响了政策效果估计的准确可靠。其中，DID相较于其他自然实验设计能够通过差分解决不随时间变化的遗漏变量问题，但共同趋势假定太过严苛，大量研究受到限制[17]；利用工具变量处理内生性的方法得到实证研究者的重视和运用[18]，但同时也伴随着弱工具变量问题、工具变量的效率问题等一系列质疑[19]；断点回归方法利用预定的断点作为自然实验，通过比较断点两侧的观测值来估计因果效应，但其有效性依赖于严格假设[20]。
