La percezione del rischio di residui da antiparassitari nelle mele: un esperimento

Introduzione

Conoscere la percezione dei rischi alimentari da parte dei consumatori è essenziale per capirne i comportamenti e conoscerne le scelte. Le indagini condotte sulla popolazione europea hanno rilevato che circa il 30% dei cittadini del nostro continente è sensibile ai rischi legati alla salute dovuti alla presenza di residui da antiparassitari nei prodotti alimentari (European Commission, 2010). Per questo motivo anche le autorità internazionali e nazionali stanno rivolgendo una sempre più elevata attenzione al tema della qualità dei prodotti alimentari.
Finora la maggior parte degli studi che hanno affrontato il tema della percezione dei rischi di residui da antiparassitari negli alimenti concordano sull’esistenza di una relazione negativa tra la percezione dei rischi di residui da antiparassitari e la propensione all’acquisto dei prodotti.
Per elicitare la percezione del rischio da residui negli alimenti il metodo più utilizzato è quello di rivolgere direttamente ai consumatori una serie di domande. Tale rischio è stato investigato nella maggior parte dei casi in maniera qualitativa utilizzando la “scala likert”, cioè una scala numerica attraverso la quale esprimere diverse intensità nella percezione di un fenomeno. Per esempio, nel caso della percezione del rischio qui studiata, zero corrisponderebbe a “nessun rischio”, mentre all’altro estremo 10 corrisponderebbe a “rischio molto elevato” (Eom, 1994, Rimal et al., 2008 e Boccaletti e Nardella, 2000). Tuttavia, altri studi hanno analizzato la percezione del rischio in maniera quantitativa, misurando la percezione della probabilità che un determinato evento si verifichi. Alcuni di questi studi chiedevano direttamente all’intervistato di esprimere una misura della probabilità (Spetzler e Von Holstein, 1975, Buzby et al., 1998), mentre altri hanno ottenuto delle stime della probabilità indirettamente, osservando le preferenze degli intervistati riguardo determinate lotterie (Andersen et al., 2009, Cerroni and Shaw, 2012, Cerroni et al., 2012).
Utilizzando quest’ultima tipologia di domanda, in questo lavoro viene valutata la percezione del rischio di residui nelle mele nella popolazione della provincia di Trento. Inoltre viene stimato un modello comportamentale per identificare i fattori attitudinali e socio-economici che influiscono sulle stime di rischio soggettivo relativo alla presenza di pesticidi nelle mele.

Metodologia

Il territorio oggetto dello studio, volto ad analizzare la percezione del rischio di residui da antiparassitari, è il Trentino, dove l’economia si basa, accanto al turismo, sulla produzione di mele e uva.
L’anno di riferimento, il 2030, è stato individuato sulla base di simulazioni scientifiche come potenziale anno di sviluppo di nuove malattie che potrebbere indurre i frutticoltori ad utilizzare nuove strategie di controllo. Nel nostro esperimento ci si è focalizzati sul colpo di fuoco batterico e la presenza di residui da antiparassitari nelle mele.
Il colpo di fuoco è una malattia batterica che colpisce i meleti della provincia di Trento dal 2003 (Emf, 2006). Gli agricoltori attualmente utilizzano prodotti fitosanitari a base di rame come misura preventiva per controllare tale malattia. La diffusione futura del colpo di fuoco potrebbe indurre gli agricoltori ad utilizzare altri antiparassitari come la streptomicina, un antiparassitario attualmente vietato in agricoltura nel nostro paese.
Nel nostro esperimento sono state analizzate tre variabili casuali: a, cioè il numero di mele contenenti almeno un residuo su un campione di 100 mele nel 2030; r, cioè il numero di mele contenenti almeno due residui (residui multipli) su un campione di 100 mele nel 2030; g, corrispondente al numero di giorni del periodo di fioritura in cui si potrà verificare l’infezione nel 2030. Prima di scegliere queste variabili, è stato effettuato un focus group, al quale hanno partecipato circa 20 cittadini trentini, con l’obiettivo di valutare l’atteggiamento degli stessi rispetto alla tematica del cambiamento climatico e di verificare le variabili cui sono più sensibili.
Il campione di riferimento è composto da 80 individui di età compresa tra i 18 e i 70 anni che vivono in provincia di Trento. Nonostante il campione non sia stato selezionato in modo del tutto casuale, in quanto gli intervistati sono stati reclutati nei pressi dei negozi di alimentari, può essere considerato rappresentativo, visto che la maggior parte delle persone acquista alimentari nei supermercati. Come incentivo alla partecipazione all’esperimento, è stata offerta ad ogni intervistato una somma di denaro pari a 25 euro. Il campione è stato suddiviso in modo casuale in 4 gruppi, ognuno caratterizzato da una diversa tipologia di esperimento. Il campione e’ stato prima diviso in 2 gruppi. Nel primo gruppo, domande ipotetiche vengono presentato agli intervistati, nel secondo domande in cui ogni soggetto ha la possibilità di ottenere un’ulteriore somma di denaro pari a 100 euro in base alle risposte date. In entrambi i gruppi gli intervistati hanno un incetivo monetario di 25 euro per partecipare all’esperimento. L’incentivo monetario viene impiegato in letteratura sperimentale per ridurre la possibilità che l’intervistato possa rispondere in modo casuale alle domande. La possibilità di vincere una somma supplementare negli esperimenti con domande reali è uguale per tutti, visto che il vincitore viene scelto casualmente alla fine dell’esperimento in base alle risposte date. Ognuno dei due gruppi presentati sopra viene suddiviso in altri due gruppi. L’unica differenza tra i due gruppi risiede nell’ordine in cui le domande sono presentate all’intervistato. Questo ci permette di controllare se l’ordien delle domande influenza in qualche modo le scelte degli intervistati.
Per elicitare la percezione dei consumatori rispetto ai residui da antiparassitari presenti nella produzione di mele nella provincia di Trento è stato utilizzato l’Exchangeability Method (Abdellaoui et al., 2011).
Questo metodo prevede una serie di domande di tipo binario in cui al soggetto viene chiesto di puntare una somma di denaro sull’evento che tra i due presentati ritiene più probabile. Queste sono individuate suddividendo lo spazio riferito al verificarsi dell’evento legato alla variabile di studio, in due sottospazi, identificati in base alla risposta alla domanda precedente. Quando agli intervistati risulta indifferente “scommettere” su uno dei due eventi, si desume che tali eventi siano ugualmente probabili. L’Exchangeability Method è stato qui utilizzato per ottenere le stime delle tre variabili casuali precedentemente descritte a, r e g.
Inizialmente è stato chiesto di definire un limite superiore (A1) e inferiore (A0) della variabile oggetto di studio, in modo da individuare l’intervallo di valori all’interno del quale il soggetto colloca la propria stima. Per esempio al soggetto e’ stato chiesto di esprimere il numero minimo e massimo di mele che sendo lui (o lei) saranno contaminate nel 2030. Assumiamo che il soggeto intervistato pensi che il numero potrebbe variare tra 60 e 80 mele in un campione di 100 mele. Il secondo passo è stato quello di individuare la mediana (A ½ ), ponendo al soggetto una domanda di tipo binario. La prima domanda di tipo binario, utilizzata per dividere lo spazio del verificarsi dell’evento in due sottospazi, è stata generata con il seguente algoritmo [A0+(A1-A0)/2] = A*. Il risultato individua il valore di “rottura” dello spazio evento in due sottospazi. L’individuo si troverà dunque a scegliere tra il sottospazio A ½ < A* e A ½ >A *. A questo punto la prima domanda binaria che il soggetto deve ripsondere e’ la seguente: “preferisci scommetere 100 euro sul fatto che il numero di mele contaminate nel 2030 sara’ minore di 70 o maggiore/uguale di 70?”.

Risultati

Dai dati raccolti durante l’esperimento in riferimento alla variabile a (almeno un residuo) gli intervistati ritengono che il numero di mele con la presenza di almeno un residuo oscillerà nel 2030 tra 56 e 75 su 100. Inoltre sarà del 25% (a ¼) la probabilità che il numero di mele con almeno un residuo sia uguale o inferiore a 66, del 50% (a ½) uguale o inferiore a 69 e del 75% (a ¾) uguale o inferiore a 71 (Figura 1).

Figura 1 - Numero di mele con la presenza di almeno un residuo

Tenendo conto che il numero di mele con almeno un residuo di pesticida nel 2009 è stato pari a 63 su 100 (fonte: Ministero della salute, 2009) si può concludere che gli intervistati non percepiscono un reale aumento del numero di mele con almeno un residuo da antiparassitari entro il 2030.
Analizzando i dati riferiti alla variabile r (residui multipli) gli intervistati suppongono che il numero di mele con residui multipli da antiparassitari nel 2030 oscillerà tra 31 e 52 su 100. Inoltre sarà del 25% (r ¼) la probabilità che il numero di mele con presenza di residui multipli sia uguale o inferiore a 42, del 50% (r ½) uguale o inferiore a 45 e del 75% (r ¾) uguale inferiore a 48 (Figura 2).

Figura 2 - Numero di mele con residui multipli

Come si prevedeva, le stime della variabile r risultano inferiori a quelle della variabile a, in quanto il numero di mele con presenza di residui multipli è sempre inferiore a quelle con almeno un residuo. Considerato che nel 2009 il numero di mele con residuo multiplo era pari a 31 su 100 (fonte: Ministero della salute, 2009), si deduce che gli intervistati percepiscono un aumento significativo della presenza di residui multipli nelle mele.
Riassumendo, gli intervistati ritengono che entro il 2030 il numero di mele contenenti almeno un residuo da antiparassitari rimarrà pressoché invariato, mentre aumenterà il numero di mele che presentano residui multipli.
Analizzando l’andamento della variabile g (numero di giorni in cui si potrà verificare l’infezione nel periodo della fioritura) gli intervistati ritengono che l’intervallo di tempo oscillerà tra i 6 e i 12 giorni. Sarà del 25% (g ¼) la probabilità che il numero di giorni sia uguale o inferiore a 8, del 50% (g ½) che sia uguale o inferiore a 9 e del 75% (g ¾) che sia uguale o inferiore a 10 (Figura 3).

Figura 3 - Numero di giorni in cui si potrà verificare l’infezione nel periodo della fioritura

Considerando che negli anni 2000, 2005 e 2010 il numero di giorni in cui l’infezione si è realmente verificata è stato molto vicino allo zero, si può concludere che gli intervistati percepiscono il rischio di infezione nel 2030 come piuttosto elevato.
I principali fattori che influenzano la percezione del rischio da infestazioni sono stati individuati attraverso modelli econometrici.
Gli elementi chiave considerati sono: (a) percezione dell’intervistato del cambiamento climatico e percezione dell’utilizzo di fitofarmaci da parte degli agricoltori; (b) fiducia degli intervistati nella scienza per poter prevedere sia il cambiamento climatico che il tasso di sviluppo dell’infezione da colpo di fuoco batterico; (c) status dell’intervistato (produttore di mele o consumatore di mele); (d) caratteristiche socio-economiche quali età, sesso, luogo di residenza, istruzione e reddito (vedi tabella 1).
L’equazione di riferimento per tutti i modelli di regressione lineare è la seguente (Papke e Woolridge, 1996):

Dove la variabile “validity” rispecchia la validità della stima, ottenuta mediante l’utilizzo di un ulteriore domanda alla fine dell’esperimento per testare la consistenza delle risposte dell’intervistato.
Nel primo modello (Tabella 2) è stata studiata la variabile g (numero di giorni in cui si potrà verificare l’infezione nel periodo della fioritura), nel secondo la variabile a (almeno un residuo) e nel terzo la variabile r (residuo multiplo).
Nel primo modello -g- l’insieme delle variabili attitudinali comprende la fiducia nelle previsioni sul cambiamento climatico elaborata dal gruppo intergovernativo di esperti nel campo e le origini del cambiamento climatico (umane e/o naturali).
Rispetto alla prima variabile (fiducia nelle previsioni) esiste una relazione positiva tra numero di giorni in cui l’infezione si verifica nel periodo di fioritura e la fiducia nelle previsioni elaborate sul cambiamento climatico, cioè all’aumentare dell’uno aumenta l’altro. In riferimento alla seconda variabile (origini cambiamento climatico) i risultati mostrano che le stime di rischio di infezione sono più alte nel caso in cui gli intervistati ritengono che le origini del cambiamento climatico derivino da attività umane rispetto ai soggetti che imputano sia a cause umane che naturali l’origine del cambiamento.
Per quando riguarda il secondo modello -a- e il terzo -r-, l’insieme delle variabili attitudinali comprende le opinioni degli intervistati rispetto all’utilizzo attuale e futuro degli antiparassitari per controllare l’insorgere della malattia e la loro fiducia rispetto alle previsioni del tasso di sviluppo delle infezioni elaborate della Fondazione Edmund Mach (Trento). Come prevedibile, le stime del rischio di presenza di residui da antiparassitari aumentano nel caso in cui gli intervistati suppongano una crescita dell’utilizzo futuro di fitofarmaci. Di conseguenza si ipotizza che il rischio di presenza di residui nel 2030 aumenti nel momento in cui cresce la fiducia degli intervistati rispetto alle previsioni della Fondazione Edmund Mach sullo sviluppo della malattia.
Le persone che lavorano nella filiera della produzione di mele forniscono stime di rischio più basse della variabile g (numero di giorni in cui si verificherà l’infezione nel 2030). Questo dato era abbastanza prevedibile in quando gli agricoltori hanno una maggior conoscenza del tasso effettivo di infezione da colpo di fuoco batterico.
Per contro, gli intervistati legati alla filiera della produzione di mele presentano stime di rischio di presenza di residui generalmente più elevate. Anche in questo caso il dato era ipotizzabile visto che gli agricoltori e le persone coinvolte nel settore posseggono maggiori informazioni rispetto all’utilizzo di antiparassitari.
Non sorprende invece che il numero di mele consumate settimanalmente non pregiudichi le stime di rischio del tasso di infestazione del colpo di fuoco batterico nel periodo di fioritura, ma risulta strano che questa variabile influenzi poco la percezione dei consumatori rispetto ai residui da antiparassitari nelle mele. I membri delle associazioni dei consumatori presentano invece stime più elevate delle variabili a e r.
Attraverso lo studio delle variabili socio-economiche si è individuato che le donne percepiscono il rischio in modo più accentuato, anche se questo dato non è statisticamente significativo in tutti i modelli.
Dati contrastanti si rilevano per quanto riguarda l’età degli intervistati. Rispetto alla variabile g i risultati ottenuti sono coerenti con la letteratura precedente; gli intervistati più anziani hanno percezioni di rischio più elevate rispetto agli altri (Williams and Hammit, 2001). Al contrario, per quando riguarda le variabili a e r, il rischio di presenza da residui di antiparassitari nelle mele decresce con l’età.
Anche per la variabile educazione i risultati ottenuti sono contrastanti. Nel primo modello (g) si evidenzia che gli intervistati più istruiti presentano stime di rischio più basse rispetto agli altri. Al contrario nel secondo (a) e nel terzo (r) modello gli intervistati con un grado di istruzione maggiore presentano maggiori stime del rischio. Si presume che questo sia dovuto al fatto che persone maggiormente istruite siano più sensibili alla questione cibo/sicurezza alimentare.
Per quando riguarda il luogo di residenza degli intervistati, si è rilevato che coloro che sono nati nella provincia di Trento forniscono stime di rischio inferiori rispetto ai soggetti residenti fuori provincia.
Infine è stata individuata una relazione diretta tra reddito percepito e percezione del rischio di residui da antiparassitari.

Tabella 1

Tabella 2 - Modello lineare generalizzato

Conclusioni

In conclusione, questo studio può essere considerato un primo passo nell’analisi dell’elicitazione del rischio da antiparassitari percepito dai consumatori.
In generale, i risultati empirici hanno dimostrato un alto grado di sensibilità dei consumatori al tema dei residui da antiparassitari nei prodotti alimentari, così come un evidente timore nei confronti della possibilità dell’introduzione di nuovi fitofarmaci e della presenza di residui multipli nelle mele in un futuro non troppo lontano.
Dall’analisi econometrica delle variabili che influenzano la percezione del rischio da residui si evince che, mentre il consumatore medio non è preoccupato rispetto ad un possibile aumento dei residui, i più attenti sono i membri delle associazioni dei consumatori.
Infine, i più sensibili al tema della sicurezza alimentare sono gli intervistati giovani, data la loro maggiore aspettativa di vita, e coloro con un più alto grado di istruzione.

Riferimenti bibliografici

• Abdellaoui M., Baillon A., Placedo L., Wakker P.P. (2011), The Rich Domain of Uncertainty: Source Functions and Their Experimental Implementation. Am. Econ. Rev. 101, 695-723

• Andersen S., Fountain J., Harrison G.W., Rutström E.E. (2009), Estimating Aversion to Uncertainty. Working Paper 07-09, Department of Economics, Copenhagen Business School, University of Copenhagen

• Boccaletti S., Nardella M. (2000), Consumer willingness to pay for pesticide-free fresh fruit and vegetables in Italy. Int. Food Agribus. Manag. Rev. 3, 297–310

• Buzby J.C., Fox J.A., Ready R.C., Crutchfield S.R. (1998), Measuring Consumer Benefits of Food Safety Risk Reductions. J. Agric. Appl. Econ. 30(1), 69–82

• Cerroni S, Notaro S., Shaw W.D. (2012), Eliciting and estimating valid subjective probabilities: An experimental investigation of the exchangeability method, Journal of Economic Behavior and Organization 84, 201-215

• Cerroni S., Shaw W.D. (2012), Does climate change information affect stated risks of pine beetle impacts on forests? An application of the exchangeability method. Journal of Forest Policy and Economics, 22, 72-84

• Eom Y.S. (1994), Pesticide Residue Risk and Food Safety Valuation: A Random Utility Approach. Am. J. Agric. Econ. 76(4), 760-771

• European Commission (2010), Food-related risks. Special Eurobarometer 354/Wave73.5 –Tns Opinion&Social [pdf] [consultato 28.10.2011]

• Ministero della Salute (2009), Controllo ufficiale sui residui di prodotti fitosanitari negli alimenti di origine vegetale. [link] [consultato 26.04.2012]

• Papke L.E., Woolridge J.M. (1996), Econometric Methods for Fractional Response Variables with an Application to 401(K) Plan Participation Rates. J. Appl. Econom. 11(6), 619-632

• Spetzler, C.S., Stael Von Holstein, C.A.S. (1975), Probability encoding in decision analysis. Manag. Sci. 22, 340–358

• Rimal, A., Fletcher, S.R., McWatters, K.H., Misra, S.K., Deodhar, S. (2008), Perceptions of food safety and changes in food consumption habits: a consumer analysis. Int. J. Cons. Stud. 25(1), 43-52

• Williams P.R.D., Hammitt J.K. (2001) Perceived Risks of Conventional and Organic Produce: Pesticides, Pathogens, and Natural Toxins. Risk Analysis 21(12), 319-330