1.引言

随着全球经济一体化与信息技术快速发展，供应链的数字化转型成为提升企业竞争力的关键。区块链技术凭借去中心化、不可篡改和可追溯特性，为优化供应链信息透明度与协同效率提供了创新方案(李敏，2024)^[1]。尤其在农产品物流领域，其冗长链条、产品易腐特性及复杂参与主体，使质量追溯与信息管理面临巨大挑战(尹轶和张兵，2024)^[2]。区块链通过构建分布式账本，可实时共享从生产到销售的全流程数据，有效解决信息孤岛问题，增强质量安全信任并提升供应链效率(王昱等，2022)^[3]。

然而区块链在农产品物流的应用仍处探索阶段，面临多重阻碍，例如：技术层面存在性能瓶颈与高成本压力；组织层面需重构管理模式并提升员工技能；政策法规缺失则制约技术规模化应用(侯文鹏,2023^)[4]。此外，为了更好的研究，将从技术、组织、环境外的第四个方面数据层面再做分析(赵爽和崔雨彤，2023)^[5]。为突破这些障碍，研究采用DEMATEL-ISM-MICMAC混合方法进行系统性分析，通过专家评分构建直接影响矩阵，结合解释结构模型厘清要素层级关系，运用交叉影响矩阵识别关键驱动因素(梁金彪和邹筱，2024；周德群和章玲，2008)^[6][7]。该研究对推动区块链技术落地、优化农产品供应链具有重要实践价值，为制定针对性解决方案提供了理论支撑。

2.因素识别与筛选

通过检索关键词，在数据库中搜索“供应链”、“区块链”、“农产品物流”和“影响因素”来查阅文献。首先，通过阅读标题、关键词和摘要筛选文献，确保主要内容与区块链技术应用影响因素相关，去除不相关的文献。其次，仔细阅读剩余文献的正文，并查阅其引用的相关文献，保留内容与区块链技术应用的影响因素相关的文献。最后提取一些出现频率较多的区块链技术应用的影响因素，并解释其含义如表1所示。

表1区块链技术应用的影响因素及其含义

3.DEMATEL-ISM-MICMAC综合建模与研究思路

首先，DEMATEL方法聚焦于系统要素间影响关系的解析，通过构建直接影响矩阵，计算影响度与受影响度等关键参数，精准揭示各要素间关联的强弱与方向，涵盖直接和间接影响。其次，ISM方法基于DEMATEL成果展开进一步探索，将直接影响矩阵转化为可达矩阵，经层级分解，构建出多级递阶结构模型，使系统要素的层次关系更为明晰。最后，MICMAC方法作为对ISM分析结果的有力补充,借助驱动力-依赖度矩阵，深入剖析各因素在系统中的作用机制及相互影响程度,为全面理解系统提供更丰富的视角。具体步骤如下：

步骤1：确定影响因素集

骤2：建立直接影响矩阵

步骤3：规范直接影响矩阵，得到规范影响矩阵

步骤4：计算综合影响矩阵

步骤5：计算各个要素的影响度、被影响度、中心度、原因度和权重

    步骤6：计算可达矩阵。整体影响矩阵，为综合影响矩阵，为单位矩阵。在矩阵中令小于阈值的数为0，其他为1，得到可达矩阵。

阈值设置的目的是通过舍去可达矩阵中较小的数值，即忽略指标之间不显著的影响关系，从而简化影响因素的系统层次结构。值的确定可基于统计分布的平均值与标准差来确定。，和分别为综合影响矩阵的均值和标准差。

步骤7：计算可达集、前因集和交集。可达集。每行中值为1的列对应的因素，表明该因素出发可以到达的所有因素集合。前因集。每列中值为1的行对应的因素，表明可以到达该因素的所有因素集合。然后计算交集 。

步骤8：因素分层。当某个因素满足其 时，表明为最高层的因素。删除可达矩阵里因素对应的行和列，重新计算可达集、前因集和交集，继续按此方法找下一层，直到所有因素划分完毕，形成最终的因素分层。

4.研究过程及结果分析

（一）数据分析

根据上述的因素，邀请了30位专家对各影响因素之间的相互关系进行打分，具体的分值0、1、2、3、4分别代表无影响、一般影响、较强影响、强影响。回收到的问卷是25份且均为有效问卷，问卷回收率是83%，对25份问卷的数据取其平均值作为直接影响矩阵A。

1. 建立综合影响矩阵，如表2。利用Excel对直接影响矩阵进行数据处理，根据步骤3和步骤4得到综合影响矩阵。

表2 综合影响矩阵

通过步骤5对综合影响矩阵进行分析得到影响度、被影响度、中心度、原因度和权重。通过原因度的计算结果将15个因素分成原因因素和结果因素，如表3。根据分析的结果画出因果散点图，将中心度为横坐标，原因度为纵坐标,如图1.

表3影响因素结果

图1 因果散点图

影响因素层级结构划分。通过步骤6计算得到可达矩阵，随后再以可达矩阵为基础结合步骤7先计算出可达集和前因集，接着计算交集，最后根据步骤8划分因素，形成最终的因素分层，图2所示。

图2 应用区块链技术影响因素的多阶梯解释结构模型

MICMAC计算。可达矩阵为基础计算驱动力和依赖度。驱动力表示对其他因素的影响程度，为可达矩阵横向求和；依赖度表示受到其他因素的影响程度，为可达矩阵纵向求和计算结果，如表4。绘制驱动力-依赖度图，如图3所示。

表4 MICMAC分析结果

图3 驱动力-依赖度图

（二）关键影响影响因素分析

通过上文对区块链技术应用影响因素的计算分析，深入剖析各影响因素之间关系，并构建出多层递阶结构解释模型。多级递阶解释结构模型清晰地展现了的影响因素之间的影响关系，分析以多级递阶解释结构模型为基础,对DEMATLE-ISM-MICMAC综合建模方法的结果进行分析。最后我们得出以下6个重要程度较高的因素，分别是组织规模和文化(X7)、兼容性(X3)、区块链技术专业人才(X8)、区块链的基础设施（X12)、政府政策和监管(X10)、数据治理与管理(X15)。

5.结论与展望

本研究基于DEMATEL-ISM-MICMAC综合建模方法，系统剖析了区块链技术在农产品物流供应链中的应用影响因素。结果表明，组织规模与文化（X7）、兼容性（X3）、区块链专业人才（X8）、区块链基础设施（X12）、政府政策与监管（X10）、数据治理与管理（X15）是驱动技术落地的核心因素。其中，技术兼容性与组织规模文化是底层支撑，政策法规与基础设施是外部保障，数据治理与专业人才是实践关键。研究通过多级递阶模型揭示了因素间的层级关联，发现技术应用需优先解决组织内部协作效率与外部政策配套问题，为优化农产品供应链提供了理论框架与实践路径。

未来研究可进一步拓展以下方向：其一，扩大专家样本范围并引入动态数据分析，增强模型普适性；其二，结合区域案例验证因素权重，探索差异化实施策略；其三，深化区块链与现有信息技术的协同机制研究。政策制定者需加快完善法规标准，企业应聚焦跨部门协作与专业人才培养，共同推动区块链技术在农产品物流中的规模化应用，助力供应链提质增效。

基金项目：2024年国省级大学生创新创业训练项目（202412056001Z）

参考文献：

[1]李敏.区块链背景下供应链金融信用风险研究[D].西南科技大学,2024.

[2]尹轶,张兵.基于区块链的生鲜农产品冷链物流追溯系统研究[J].中国储  运,2024,(04):70-71.

[3]王昱,盛暘,薛星群.区块链技术与互联网金融风险防控路径研究[J].科学学研究,2022

[4]侯文鹏.TOE框架下零售企业区块链技术采纳意愿研究[D].山西财经大学,2023.

[5]赵爽,崔雨彤.TOED理论框架下区块链赋能跨境供应链溯源模式研究[J].物流科技,2024

[6]梁金彪,邹筱.基于DEMATEL-ISM-MICMAC法的生鲜农产品供应链韧性提升关键影响因素研究[J].湖北文理学院学报,2024,45(11):80-88.

[7]周德群,章玲.集成DEMATEL/ISM的复杂系统层次划分研究 [J]. 管理科学学报, 2008