学术堂首页 | 文献求助论文范文 | 论文题目 | 参考文献 | 开题报告 | 论文格式 | 摘要提纲 | 论文致谢 | 论文查重 | 论文答辩 | 论文发表 | 期刊杂志 | 论文写作 | 论文PPT
学术堂专业论文学习平台您当前的位置:学术堂 > 毕业论文 > 在职硕士论文 > 工程硕士论文 > 物流工程硕士论文

电子商务逆向物流服务水平评估模型

来源:郑州大学 作者:黄恩钰
发布于:2017-01-19 共2243字

4 天猫超市逆向物流服务质量评价模型

  4.1 结构方程模型构建

  4.1.1 模型的提出。

  利用 AMOS 软件构建天猫超市逆向物流服务质量指标体系模型,5 个维度为5 个潜变量,21 个指标为 21 个观察变量,构建的初始结构方程模型如图 4.1 所示。

图 4.1 天猫超市逆向物流服务质量结构方程模型

  4.1.2 结构方程模型的评价。

  (1)样本的检验。

  1)样本的收集。

  本次问卷调查共发放了 450 份问卷,其中通过网络发放电子问卷 350 份,纸质问卷 100 份,总共回收不同性别、地区、受教育程度及不同网购年龄段的天猫超市消费者问卷 317 份,去除无效问卷 39 份,剩余有效问卷 278 份,有效问卷回收率达 61.7%.且本文指标数为 21,按照样本容量是变量数 5-10 倍的标准,此次回收数据有效,可做进一步数据研究。

  2)样本的正态性检验。

  做参数估计之前,应先检验样本数据是否符合正态分布才能使用极大似然估计。通过观察样本数据偏度和峰值来判断样本数据是否符合正态分布,当变量的偏度小于 3,峰度小于 8 时,则认为可以进行下一步参数估计。表 4.1 为样本数据的正态性检验表。

表 4.1 数据正态性检验表

  由表 4.1 可以看出,数据偏度均小于 3,峰度均小于 8,样本数据可以利用极大似然法进行参数估计。

  3)样本信度及效度分析。

  通过 KMO 和 Bartlett 的检验的结果可以看出,KMO 值为 0.926,Bartlett 球形检验 Sig 值为 0,均通过检验,样本数据做进一步分析,结果如表 4.2 所示。

表 4.2 KMO 和 Bartlett 的检验

  运用 SPSS21.0 对样本数据进行信度分析,结果如表 4.3 所示。

表 4.3 信度及效度分析表

  结果从表 4.3 可以看出,五个维度的 Cronbach's α 值均大于 0.9,说明数据的可靠性和稳定性较高,CR 值均大于 0.8,表明构面的内部一致性较好,理想状态下 AVE 的值应大于 0.5,数据符合标准。观测变量的标准因子载荷在 0.5 以上,说明数据有良好的结构效度。

  (3)结构方程模型的评价。

  结构方程模型强调的是整体的概念,是模型整体的适合性,评价结构方程的重要环节是拟合指数检验。在参数估计结果中,在参数估计结果中,一般采用以下指标作为主要指标与标准值做比较来得出模型的适配性,若指标差值过大则说明模型拟合度不好,单个指标略低于参考范围可以考虑模型是合理的,各指标意义及参考范围如下[64]:

  (1)CMIN/DF:卡方统计量与自由度比,一般而言,CMIN/DF<3 则说明能够恰当地选择一个参数个数合适的模型,CMIN/DF 小于 1,说明模型过度拟合。

  (2)GFI:拟合优度指数是一种非统计的测量,一般来说要表示要使模型具有良好的适配度 GFI 值应大于 0.9.

  (3)CFI:比较拟合指数,其值介于 0 与 1 之间,一般认为 CFI 值大于 0.9,或者越接近 1 拟合度越好。

  (4)RMR:均方根残差表示与样本方差和协方差和估计方差和协方差的相近程度。一般来说,RMR 值小于 0.08 即可。

  (5)RMSEA:近似均方根残差,其值小于 0.08 则表示模型可以接受,也有学者认为应小于 0.05[65],本文采用 0.08 为标准。

  (6)NFI:规范拟合指数,一般来说 NFI 值应大于 0.9.

  利用 AMOS20.0 软件可以得到图 4.2 所示最优模型,模型的主要适配度指标数值如表 4.4 所示。

表 4.4 模型适配度指标

  从表 4.4 中可以看出,除了 GFI 值略低于标准外,其他测量模型适配度的指标均很好地满足了标准,单个指标与标准略有出入,模型可接受。

图 4.2 结构方程标准化路径图

  一般来说,若要说明数据具有较好的结构效度,观测变量的标准因子载荷在 0.5 以上[66].从图 4.2 可以看出,各变量间的因子载荷量均大于 0.6,满足该标准。

  4.2 评价模型指标权重的确定

  指标权重是指被测量的指标在整体中的重要程度,将整体视为 1,指标所占权重按比例的大小来量化,用小数表示,称为“权重系数”.专家评分法、层次分析法等是常见的权重测量方法,但这些方法主观性较强,利用问卷数据来确定权重的方法有因子分析法[67],线性回归等,本章权重的确定利用结构方程模型中验证性因子分析的方法确定。

  前文中,通过构建结构方程模型确定天猫超市逆向物流服务质量评价模型,模型中因子载荷量代表着每个维度与服务质量之间的相关程度,载荷系数大,则说明该维度对服务质量的影响较大,因此可以通过对结构方程模型中对因子载荷量进行归一化的处理来计算指标权重,归一化处理后的指标权重如表 4.5-表 4.10 所示。

五个维度权重、沟通质量指标权重

沟通质量指标权重、信息性指标权重、退货处理质量指标权重、便利性指标权重、移情质量指标权重

  4.3 评价方法

  现阶段用的较广的服务质量评价模型主要有感知服务质量模型、PZB 的SERVQUAL 评价模型和 SERVPERF 评价模型。本文采用 SERVPERF 评价模型的方法对服务质量进行评价,并对指标进行加权处理。SERVPERF 评价模型可以直接以消费者感知数据为参考,即消费者评分为参考依据来评价。

  分成 n 个维度对逆向物流感知服务质量进行度量,每个维度的服务质量为消费者对不同维度的服务感知绩效评分值,利用 SERVPERF 评价模型计算每个维度的评分可按公式 4.1 计算。

公式4.1

  其中 m 为维度中指标个数, Sij表示维度各个指标 j(j=1,2,···,m)的感知逆向物流服务绩效平均值,计算公式如 4.2.

公式4.2

  其中Mn为第 n 个样本的得分,n 指样本的个数。

  由于每个维度下包含的不同指标重要度不同,维度的重要度也不同,因此在对服务质量分析时,需要对天猫超市逆向物流感知评分值进行加权处理,设Wij为指标 i 中 j 指标的权重, Wi为第 i 个维度的权重,每个维度的评分如式 4.3所示。

公式4.3

  因此,天猫超市逆向物流服务质量总评分的表达式为:

公式4.4-4.5

  4.4 本章小结

  本章在第二章得出的指标体系的基础上,通过发放问卷收集样本数据并基于结构方程模型的方法构建了天猫超市逆向物流服务质量评价模型,通过验证性因子分析确定了评价模型,并通过对因素载荷量的归一化处理确定指标及维度的权重,由此确定消费者对逆向物流服务质量中各指标的重视程度。本章最后给出模型评价的方法和评价公式,将用于下一章对天猫超市逆向物流物流服务质量的评价。

相关标签:
  • 报警平台
  • 网络监察
  • 备案信息
  • 举报中心
  • 传播文明
  • 诚信网站