B2C物流服务质量测度模型

1、3.1 测度模型的构建过程 3.1.1 模型的构建思路 本文关于 B2C 电子商务物流服务测度模型的构建过程如图 3.1 所示。论文以 Gronroos 的差异理论为理论依据，参考 PZB 的 SERVQUAL 模型，从顾客对 B2C 电子商务物流服务的期望与实际感知间的差异出发，对 B2C 电子商务物流服务质量进行测度。首先以 SERVQUAL 模型和 LSQ 模型维度框架为基础，根据 B2C 电子商务为物流服务的流程和特征，重新提炼或诠释 SERVQUAL 模型中能有效测度 B2C电子商务物流服务质量的维度，剔除无效维度，增加体现 B2C 电子商务物流服务质量特点的新维度，形成整体的构面维

2、度框架，结合 LSQ 模型和前人的研究与建议，对测度模型的维度进行补充和完善，并以此来丰富测度模型中具体测度指标，形成 B2C 电子商务物流服务质量理论测度模型。继而，根据理论测度模型的维度和指标形成 B2C电子商务物流服务质量量表和问卷进行调研，采用相关性分析、因子分析等数据分析方法对初始理论模型的测度体系进行验证和修改，并对修正后的测度体系的信度和效度加以检验；在此基础上，进行重要性分析，为各维度和指标赋予权重，建立最终的B2C 电子商务物流服务质量测度模型。3.1.2 模型的维度分析学者 Lander 认为，在构建服务质量测度维度研究工作中，既不应完全照搬也不应完全抛弃传统服务质量的测度

3、维度。应在借鉴以往的服务质量模型的基础上充分考虑行业特征，确定影响因素是增加还是减少了以及这些因素的重要性是否发生了变化来构建新的测度维度。论文沿用这一思路，通过对经常在京都商城、当当网、卓越亚马逊等 B2C 电子商务网站购物顾客的调研，结合专家导师的相关意见和作者对 B2C 环境下物流服务质量的理解，分析归纳测度因素，对 SERVQUAL 模型和 LSQ 模型中的维度进行删减、增加或重新诠释，以此构建本文的 B2C 电子商务物流服务质量测度模型。 3.1.2.1 删除“有形性”，增加“信息性” 如图 3.2 所示，传统服务产生于顾客与有形界面的实体感官交流，即顾客到商店或是服务场所等实体环境

4、，在对设施布置、商品或服务产生感观印象后购买商品或服务，因此有形性会在一定程度上对顾客的感知服务质量产生影响。但在 B2C 电子商务中，交易过程产生于顾客与 B2C 电子商务网站的人机交互中，顾客只需要面对显示屏上的电子页面，点几下鼠标就可以完成信息的收集，购买和账款的支付，顾客与商家的人际交往也是依托于电子技术设备的。正是由于这样脱离实体环境的虚拟交易方式，使得顾客对于体现有形性的物流公司环境、物流作业的相关设施、设备等方面是无需也是无法感知的（或感知程度极差），因此，作者将 SERVQUAL 模型维度中的有形性删除。同时，人机交互贯穿于 B2C 电子商务交易的全过程，而人机交互的核心是信息

5、。从客户在网页上获取物流费用、配送方式、退换货流程等基本的物流信息，到下达订单、物流跟踪信息的查询，再到通知收签货物，最后到误差的处理和网上的评价，是信息从整体上把顾客、商品、B2C 网站和物流作业有效的结合起来，可见，在 B2C 电子商务物流服务中信息充足、即时、准确、有效的传递和反馈十分重要。因此，作者认为在测度模型维度应该考虑 LSQ 模型中的信息质量因素，将信息性引入构建的测度模型。 3.1.2.2 增加“经济性” 在 SERVQUAL 模型、LSQ 模型及传统的物流评价体系中并没有考虑经济性因素，但实际上，顾客在衡量 B2C 物流服务质量时会主观的考虑物流服务的价格。而且，由于物流费

6、用作为购买商品时的附属消费，不能给顾客带来存在感和愉悦感，所以大部分顾客还会衡量物流服务价格是否公道合理、是否经济实惠、并与同类物流服务价格进行比较。如果顾客在考量对比后，产生不愉快的物流价格感知，顾客可能会对 B2C网站产生抱怨或是取消交易，从而降低对 B2C 电子商务物流服务质量的感知结果。 另外，顾客会有这样一种主观意识：高的价格预示着高的质量，即支付的费用越高对物流服务的期望也就更高，对物流服务绩效的评价也更苛刻。而且，由于 B2C 的特殊性使得在退换货的过程中，还会额外产生一笔物流费用，这一费用由谁来承担也是顾客的关注点之一。由此可见，物流的经济性对于 B2C 电子商务物流服务质量有

7、着重要的影响作用，因此，论文将经济性维度引入到所构建的 B2C 电子商务物流服务质量测度模型中。3.1.2.3 合并“可靠性”与“保证性” 在 SERVQUAL 模型中，可靠性的核心为公司是可以信赖的，能够履行承诺的服务；而保证性的核心为员工是值得信赖的，能够为顾客提供所需的服务。 可见，SERVQUAL 模型这两个维度的出发点都是为顾客提供预先承诺的、顾客所需的、值得信赖的服务，只不过一个是站在公司的角度，一个是站在具体从事服务员工的角度。在传统服务中，顾客与服务员工的接触点较多，产生较多的交往行为，此时，将保证性单独作为一个维度来进行探讨；但在 B2C 电子商务物流流程中，虽然工作人员起着

8、很大的作用，但顾客与工作人员的接触点极少，如图 3.2，顾客更多感受的是公司可靠性以及工作人员保证性累加的最终物流服务结果，因此，作者认为应将二者合并为同一维度可靠性。 3.1.2.4 “响应性”分解为“时间性”与“灵活性” SERVQUAL 模型中，响应性的主要内容为根据顾客的要求提供快捷、有效服务的反应能力和灵活程度，它包括企业对客户需求及问题的反应速度、应对突发事件的能力及柔性化程度。可见，响应性实际上包含两个内容：时间反应能力与灵活程度。 在 B2C 电子商务交易中，多数顾客希望把物流时间尽量缩短，并希望提供 24 小时物流服务，同时，顾客对 B2C 电子商务物流服务还提出了订单处理迅

9、速、发货及时、退换货周期短的等要求，而在传统服务模型中响应性中关于时间的解释范围较为狭隘，并未完全涵盖顾客对于 B2C 电子商务物流服务的时间要求，因此，本文将 LSQ 模型中的时间性引入，代替 SERVQUAL 模型中的响应性，用以测度时间反应能力。同时，由于 B2C 电子商务网站经营的网络化和柔性化，使得顾客对物流服务提出了灵活性的要求，本文为此保留了响应性中关于灵活性的部分，并将其作为测度模型的又一维度。3.1.2.5 “移情性”的保留 许多学者认为物流服务是 B2C 电子商务在出售目标商品时的附属服务，移情性维度与物流指标之间不存在关联性，因此，在构建评价体系时基本上不予以考虑。但本文

10、认为，无论是 B2C 网站自建物流承担物流任务还是外包给第三方物流公司，消费者对物流服务的认识都会转嫁为对 B2C 网站的评价，因此，从事物流从业人员的态度、与客户的交流及定制化服务有关的内容都会对 B2C 电子商务物流服务产生重要的影响，基于此，本文保留了传统服务质量中的移情性作为测度维度之一。 3.1.3 模型的维度及其指标确定 综上分析，本文对 B2C 电子商务物流服务质量测度理论模型的维度及其指标如图3.3 所示，具体分析如下： (1)可靠性 可靠性反映准确、完好、可靠地提供物流服务的能力，即 B2C 电子商务物流企业和从事物流相关工作的工作人员能够在服务过程中信守承诺，以正确的方式为

11、顾客提供的值得信赖的物流服务，使顾客感到安心，不用担心风险。根据 B2C 电子商务物流服务质量的特性，结合顾客对服务质量的主观感受，归纳可靠性的指标为： 配送覆盖程度、取货地点准确性、货物准确性、货物完好性、员工作业规范性、退换货服务保障性。 (2)时间性 时间性反映指物流服务所需的时间和速度，即 B2C 电子商务物流企业能够为顾客提供快捷、有效的服务，同时，对顾客提出的需求及处理问题的反应速度较快。时间性指标包含：订单响应时间、发货响应时间、订货-收货周期、取货等待时间、退换货响应时间、退换货及误差处理周期、“爆仓”期延迟时间。 (3)灵活性 灵活性是指 B2C 电子商务物流企业能够提供多种

12、方式，满足顾客对物流服务不同程度、不同方式的需求。灵活性指标包括：配送方式多样性、收货方式多样性和退换货服务灵活性。 (4)移情性 移情性是指 B2C 电子商务物流服务人员以友好的态度为顾客提供服务，设身处地为顾客着想，为顾客解决问题，关心顾客，维系与客户的情感。移情性的指标包括：员工形象、员工服务态度、误差处理意愿、客户沟通、个性化服务等。 (5)信息性 信息性指 B2C 电子商务物流服务企业能够及时、快速、准确地将货物状态、位置以及其它的一些重要信息反馈给顾客，从而使顾客对物流信息了然于心，做出有效的决策。相应指标为：物流信息充足性、物流信息即时性、物流信息准确性、误差信息反馈能力。 (6

13、)经济性 经济性直观体现为服务价格，即因获得服务所支付的费用。但是更多的会考虑支付费用的性价比，此外，在发生退换货服务时物流费用的承担问题也是顾客所关注的。经济性的指标包括：物流价格、服务性价比、退换货服务费用等。3.2.2 模型的函数表达式 测度模型的函数表达式如式 3.1 所示： BLQ 表示总体 B2C 电子商务物流服务质量； Pi表示第 i 个指标的顾客感知服务分数； Ei表示第 i 个指标的顾客期望服务分数； Wj表示每个维度的权重； Wij表示第 i 个指标在第 j 个维度中的权重； n 表示维度的数目； R 表示每个维度的指标个数。 该模型的目标函数表达式是由 SERVQUAL

14、模型理论公式(3.2)衍生出来的。 SERVQUAL 分数(Q) =感知分数(P) 期望分数(E)(3.2) 但公式(3.2)基于如下假设提出的：在顾客的心目中对于所提供服务的有形性、可靠性、保证性、响应性、移情性五个维度的重要性是均等的。但实际生活中，不同的行业、不同的企业，这些维度的重要性是不同的。例如：对保险公司的顾客来说，可靠性是居首位的，而对餐饮服务业来说，有形性和移情性是比较重要的。对于 B2C 电子商务物流服务而言，可靠性、时间性、灵活性、移情性、信息性和经济性等维度的重要程度及其下属具体指标的重要程度在实际上是不同的，需视具体情况对每一维度赋权，于是本文构建如公式(3.2)的函

15、数表达式。对于平均 B2C 电子商务物流服务质量的结果存在三种情况： (1)ABLQ=0，这一结果的产生是由于 Pi=Ei，即顾客对 B2C 电子商务物流服务感知和期望是一致的，顾客相对满意，服务质量相对较高。 (2)ABLQ >0，这种结果还可以分为两种情况： Pi>>Ei，表示顾客对 B2C 电子商务物流服务的感知比期望高出很多，产生了过高的服务质量。根据美国学者 Rand T.Rust 的观点，服务质量实际上是一种投资，并不是愈高愈好，太高的服务质量会导致服务成本高到不必要的程度，这将直接影响企业的利润水平。如果产生这种现象，B2C 电子商务网站则应该对物流服务管理目标

16、的进行矫正。 Pi>Ei，表明顾客对 B2C 电子商务物流服务的感知比期望略高一些，既满足了顾客的期望，又不至于给 B2C 电子商务网站带来太大的成本压力，将在顾客心目中产生服务质量一流的印象。这是 B2C 电子商务网站追求的目标。 (3) ABLQ <0，这种结果也可以分为两种情况： Pi<<Ei， 表示顾客对 B2C 电子商务物流服务的感知比期望低出很多，说明顾客对 B2C 电子商务网站下的物流服务十分不满意，这种结果是企业应该避免的。如果发生此现象，B2C 电子商务网站应该考虑通过更换物流模式或对物流系统进行升级等方法从根本上解决物流服务质量低下的问题。P，表明顾

17、客对 B2C 电子商务物流服务的感知比期望略低一些，顾客的感知不能满足期望，根据 PZB 的最新观点，在这种情况下，存在一个“容忍区域”，如果感知与服务的差异在“容忍区域”里变动，那么即使顾客的原始期望不能被满足，但所提供的物流服务也是可以接受的，即对物流服务的期望与感知是没有显著性差异的；如果在“容忍区域”之外，那么物流服务质量就是较差的，B2C 电子商务网站应该针对物流服务薄弱环境进行整改，以提高物流服务质量。3.2.3.2 配对样本T检验法 为了解决 ABLQ <0 且 P的情况下，如何判断物流服务质量的问题。本文采用配对样本 T 检验本文采用配对样本 T 检验，以配对 T 检验显

18、著性差异分析中的 sig 值作为判断期望与感知的差异是否在“容忍区域”内。 当 sig 值小于 0.05 时，说明顾客对服务的感知与期望存在显著差异，说明二者的差异在“容忍区域”外，结合测度结果 ABLQ <0，说明物流服务质量较差；当 sig 值大于 0.05 时，说明顾客对服务的感知与期望的差异不显著，说明二者的差异在“容忍区域”内，虽然 ABLQ <0，但物流服务基本能满足期望。 同时，还可以通过配对样本 T 检验对 B2C 电子商务物流服务质量各个指标的“期望”和“感知”分数的对比分析，判断出在评价服务质量的各个维度中哪个指标顾客的所期望得到的和实际感受到的服务的差距最大，

19、从而判断出服务质量的哪个维度最需要改进。 3.3 基于测度模型的量表与问卷 3.3.1 量表设计 本文通过专家访谈等方法明确了各维度与相关指标，据此设计 B2C 电子商务物流服务质量的初始量表，如表 3.1 所示。3.3.2 问卷设计 本文以量表的维度和指标为主要依据，遵循目的明确、简洁匹配、条理清晰等基本原则进行问卷设计。 在问卷的正式内容之前介绍了本文所要进行的研究目的、对被调查者的益处以及保密声明。问卷的开头对物流服务给出了通俗易懂的定义，以使被调查者尤其是对物流服务的概念还不太熟悉的被调查者对其有个大体的认识。在问卷的每一部分问题之前都附有答卷说明，用以指导被调查者恰当地回答问题。 问

20、卷的内容分为 6 个部分。 第 1 部分：B2C 电子商务网络购物基本行为调查。用于甄别被调查者是否为目标样本人群，并提供样本人群的基本网购行为信息。 第 2 部分：B2C 电子商务网站购物物流服务期望调查。 第 3 部分：B2C 电子商务网站购物物流服务感知调查。 第 2、第 3 部分为本问卷的主要部分，主要为 B2C 电子商务物流服务期望和感知提供数据依据，对本文信度和效度的检验起到关键性的作用。其中每一部分共设 28 道问题，为了便于被调查者的作答，没有以各维度为顺序设计问题，而是按照一般 B2C电子商务购物流程和接受物流服务的顺序来设计。在具体问题的提问上沿用 PZB 组合的研究思路，

21、所有的问项都是正向语句，并在问卷中对量表中部分表述进行了适当调整，以适应被调查者的需要；问卷中，变量的衡量尺度上采用定性与定量相结合的形式，定性指标采用美国社会心理学家李克特(Likert)提出的 5 点尺度来计量，为了保证问卷的统一性和数据分析的一致性，定量指标的衡量尺度也划分为 5 个尺度。 第 4 部分：开放性问题。B2C 电子商务每一客户都是一个单独的个体，对于服务质量的要求也不同，构建问卷维度指标难免带有个人偏好，出现漏项等问题，开放性问题用以补充量表中没有提及的、而大多数客户对物流服务质量比较重视的方面，填表人可根据自身的实际情况和需求来回答问题。 第 5 部分：被调查者的背景调查

22、，包括被调查者的性别、年龄、学历等基本资料。通过这些基本资料的调查，可以了解被测试者的基本情况，提高问卷调查的有效性。 在形成初始问卷后，作者将问卷送交相关专家进行评阅，专家们就概念、内容、措辞、编排等方面对问卷提出了非常详细而具体的意见，从而在很大程度上避免了在填答问卷的过程中可能产生的误解和歧义，根据专家们对问卷初稿提供的意见和建议，本文对问卷内容做了适当的调整后，向小范围 B2C 电子商务用户实验性发放，以访谈的方式进行预调查征求其意见，修正与改善问卷中不恰当的问法或用词，对问卷进行进一步的完善。通过上述过程，反复修正和完善后的问卷简明易懂、不失严谨，为顾客填答问卷提供了极大便利，从而缩

23、短了顾客填答问卷的过程，最终确定的问卷详见附录。3.3.3 问卷发放和样本调研 问卷的发放和样本调研方面，采用网络问卷与纸质问卷相结合的方式。 其中，网络问卷主要充分利用“爱调研网”、“知己知彼网”等调研平台， B2C 电子商务网站的社区论坛以及 QQ、MSN、Email 等工具，以网络在线方式进行问卷的发放，网络问卷随机抽样的范围比较好，但是有效性比较低。为了避免有效性低这个缺陷，本研究同时发放纸质问卷。 在问卷发放的数量确定上，依据 Kendan 的观点，样本容量数应该取取变量数的5-10 倍，且样本容量越大，数据分析的可靠性越大。本文建立的测度模型中共有 28 个变量，因此确定样本容量为

24、 300 份。 本文共发放 300 份，回收 293 份，视以下情况对问卷予以剔除： (1)检查问卷是否有规律填写，比有问项都填选或者某几项交替选择。 (2)为了减少被调查者随意作答者在问卷中设计了一组完全相同的问题。 经过整理，剔除了不一致问卷、评分超评分范围、未填答完全及系统性偏差的无效问卷 17 份，回收有效问卷 276 份，有效率为 94.2%。问卷回收率较高，能够满足本文统计分析的需要。 3.4 本章小结 根据第 2 章服务质量测度理论基础，第 3 章详述了如何构建 B2C 电子商务物流服务质量测度模型。首先，分别从模型的构建思路、维度分析、维度及其指标确定三个方面详细阐述了测度模型

25、的建模过程；其次，提出了测度模型的基本假设和验证假设，构建了测度函数表达式，并给出了平均分数法和配对样本 T 检验法以用于测度结果的分析；最后，基于测度模型，设计了量表和问卷。第 4 章 B2C电子商务物流服务质量测度模型的校验 4.1 校验方法概述 (1)描述性统计分析 描述性统计主要是通过对样本人群的性别、年龄、学历、职业、收入等基本特征及网龄、网购历史、次数、网购商品等行为特征做类别、样本频次和累计比率的分析，从而了解样本人群的自然、社会、行为属性及整体结构构成，归纳出 B2C 电子商务物流服务客户特征，并判断样本人群否具代表性和可信度。 (2)项目总体相关性分析 项目总体相关性是描述变

26、量之间相关密切程度的。如果某一变量的相关系数太低或者与其余变量间相关系数存在较大差异时，说明这一变量与其他变量不存在相关性。本研究将采用项目总体相关性来分析各维度下指标间的相关程度，以此作为依据，对模型的维度和指标进行纯化和筛选。 (3)探索性因子分析 探索性因子分析是通过分析变量间的内部依存关系，以几个假设因子来代表存在较强内在关系和相似性的多个变量的主要信息，将具有错综复杂的众多变量综合为少数几个核心因子，从而起到探寻指标本质属性和降维的目的。本研究采用探索性因子分析，用以分析数据与原理论模型的维度与指标结构拟合度，判断理论模型的构建否合理，并根据分析结果对理论模型进行相应的调整。 (4)

27、信度分析 信度分析是用来衡量测度模型是否具有内部一致性或稳定性，反映测度结果受随机误差影响的程度，其主要检验所收集数据的可靠性。信度指标大致可分为三类：稳定信度、折半信度和内在一致性信度。目前，针对类似于本文中“态度、意见性”的量表模型，最常用的是折半信度和内部一致性信度，本文将应用这两个信度来验证纯化和结构调整后测度模型的一致性和可信性。 (5)效度分析 效度分析是用来衡量测度工具正确性和可靠性的，确认所收集的数据是否能够得到预期结论以及拟研究的问题。效度的正确性是相对的，根据效度的定义，测量工具的效度可从三个方面进行测量，即内容效度、标准效度和结构效度。本文将从这三个方面入手，验证验证纯化

28、和结构调整后测度模型的可靠性和准确性。 (6)回归分析 回归分析法是在掌握大量观察数据的基础上，利用数理统计方法建立因变量与自变量之间的回归关系函数表达式。本文采用回归分析分析各维度指标对物流服务质量的重要性程度，并以此来确定各维度指标的权重。4.2 样本的描述性统计分析 本节对样本人群的性别、年龄、学历、职业、收入等基本特征及网龄、网购历史、次数、商品等行为特征进行相应的描述性统计分析。 4.2.1 样本基本特征的描述性统计分析 样本基本特征统计结果如表 4.1 所示，其分析如下： (1)男女比例方面，本次调查问卷的被调研对象的男女比例分别为 48.6%和 51.4%，女性被调研对象略高于男

29、性，但没有显著差异。 (2) 年龄段分布方面，调研样本人群的年龄段主要集中在 1824，2530，3135 岁这三个年龄层，累计百分比约占所有样本人群的 94%。其中，1824 岁间的样本人群达到 39.9%，2530 岁间的样本人群以 35.6%居第 2 位，3135 岁间的样本人群达到 17.7 %，即主要以青年群体为主，这一群体对网络相当熟悉，购买商品的欲望也比较强烈，用于购买商品的可支配收入的较多。 (3)学历方面，样本人群的学历水平相对较高，具有大专以上水平的学历、本科及以上的用户累计百分比约占所样本的高达 95%。 (4)职业方面，样本人群职业分布表现为较高程度的集聚性，即学生所占

30、比例最多，达到 68%，其后依次是公司职员、学校教师、国家公务员等。 (5)收入方面，由于样本人群以学生为主体，学生的经济来源有限，因此，月收入小于 1000 元的调查对象比率最高，达 68%。 综上分析，样本人群在性别、年龄、学历、职业、收入等方面虽然与 iResearch2008年发布的2007 年中国网上购物报告存在着偏差，但偏差程度较小，说明样本人群具有代表性和可靠性。4.2.2 样本行为特征的描述性统计分析 样本行为特征统计结果如表 4.2 所示，其分析结果如下： (1)网龄方面，样本人群的网龄主要集中在“4 年以上”这一阶段，比率高达 97.5%。根据表 4.1，样本人群中本科以上

31、学历所占比例为 95%，该学历阶段的人群接触网络的时间和机会比较多，一般都具有多年的网络经验，因此调查对象网龄集中于“4 年以上”是合理的。 (2)网购历史方面，1 年以上网购历史的累积百分比达 95.3%。 (3)网上购物次数方面，6 次以上的累积百分比高达 79.8%。 (4)网购商品种类方面，囊括了日常消费品、图书音像制品、电子消费品、数字产品等多种产品。其中，服装、鞋帽、化妆品等日常消费品在 B2C 网站购买比例最高的商品，比率达 48.9%；由于样本人群以学生为主，所以图书音像制品比率次之，为 32.4%；数码电子产品占 11.3%，排名第三；选项中的“数字产品”主要为电子卡及虚拟货

32、币，购买比率为 6.49%。 (5)经常浏览的网站方面，淘宝商城的访问人数最高，比例高达 29.90%。由于样本人群以学生为主，因此以书籍为主营业务的当当网在浏览人数上居第二位，访问比例也高达 19.70%；京东商城紧随其后，为 16.30%；卓越亚马逊、凡客诚品等也占有一席之地，分别为 14.50%和 10.80%；新蛋网、红孩子、网易尚品等归属为其他，比率为8.80%。 在本次调研中，虽然淘宝商城的访问量位居第一，但并没有出现一家独大的局面，因此，本次调研的数据具有普适性。4.3 测度项目的纯化与结构调整 4.3.1 测度项目总体相关性分析 本研究首先使用项目总体相关分析来对测量项目进行纯

33、化和筛选。相关系数是描述指标之间相关密切程度的量。如果某一指标的相关系数太低或者与同一维度其余指标间相关系数存在较大差异时，说明这一指标与所属维度不存在相关性。 一般来说，在进行指标总体相关分析时，首先计算各指标项目总体相关系数及各维度的 Cronbachs a 系数；排查出项目总体相关系数低于 0.4 的指标，并计算除去该指标后维度的 Cronbachs a 系数，若 Cronbachs a 系数增加，则剔除该指标，若 Cronbachs a 系数骤降，则保留该指标；然后，分析哪些指标相关系数大于 0.4 但剔除后 Cronbachs a 系数会增加，如存在此类指标，则剔除该指标。需要说明的

34、是，由于本研究属于探索性校验研究，在具体操作时，仅剔除低于 0.4 且使得 Cronbachs a 系数增加的指标；同时，纯化指标的过程需要反复进行，每次删除特定指标之后，都要重新计算每个指标的相关系数，直到获得理想的值，结束检测。根据上述原则对模型的 6 个维度分别进行纯化分析。4.3.1.1 可靠性项目纯化 可靠性包括物流服务覆盖程度、取货地点准确性、货物准确性、货物完好性、员工作业规范性以及退换服务保障性等 6 个指标。对其数据进行分析，结果如表 4.3、表4.4 所示，其初始 Cronbachs a 系数为 0.654，除退换货保障性这一指标的项目总体相性系数为 0.396，低于 0.

35、4 外，其他指标的项目总体相关系数均高于 0.4。因此，计算剔除该指标后可靠性的 Cronbachs a 系数，结果如表 4.5 所示， Cronbachs a 系数升至 0.682，则剔除退换服务保障性，同时，表 4.6 显示其他指标的项目总体相关系数的值都大于0.4，则可靠性的项目纯化过程到此为止。4.3.1.2 时间性项目纯化 时间性维度共包含7个指标，如表4.7至表4.9所示，初始Cronbachs a系数为0.665，指标“爆仓”期延迟时间的相关系数为0.374；剔除该指标后，其他各项与维度的Cronbachs a系数为0.679，比剔除该指标前增加。因此，剔除“爆仓”期延迟时间。如

36、表4.10所示，删除后发现，发货响应时间这一指标的相关性系数的值低于0.4，故计算除“发货响应时间”指标外的维度Cronbachs a系数，结果如表4.11所示，Cronbachs a系数升至0.687，同时，表4.12显示其他指标的相关性系数均大于0.4，时间性维度的纯化结束。因此，时间性维度删除爆仓期延迟时间和发货响应时间两项4.3.1.3 灵活性项目纯化 如表4.13、表4.14所示，灵活性维度指标的初始Cronbachs a系数为0.631，3个指标的相关系数均大于0.4，故不删除任何指标。4.3.1.4 移情性项目纯化 移情性包括员工形象、员工服务态度、误差处理意愿、客户沟通和个性化

37、服务5个指标，如表4.15、表4.16，其的原始Cronbachs a系数为0.673，其中员工形象的相关系数低于0.4；如表4.17、表4.18，删除该指标后的Cronbachs a系数为0.679，比原始值有所提高，故删除该指标，同时发现其他4指标的相关系数都大于0.4，纯化终止。4.3.1.5 信息性项目纯化 如表4.19、表4.20，信息性的原始Cronbachs a系数为0.589，所有指标的项目相关系数值都高于0.4，故不删除任何指标。4.3.1.6 经济性项目纯化 如表4.21和表4.22可判定，经济性维度分析结果为保留原有全部指标。 4.3.2 测度项目探索性因子分析 探索性因

38、子分析法是一项用来找出多元观测变量的本质结构、并进行降维处理的方法。它是通过分析变量间的内部依存关系，以几个假设因子来代表全部变量的基本结构构成，反映全部变量传递的主要信息，其基本结果模型如图 4.1 所示，每个观测变量只在一个假设因子上负荷不为零，x是假设因子 1是假设因子 2下属的观测变量。推广至一般意义上，即各观测变量与公共因子间的关系可以表示如下： x其中，xi为各观测变量；m是公共因子；i是 xi的误差项，包括误差因子和唯一项因子。因此，通过探索性因子分析能够将关系纷繁复杂的众多变量综合为少数几个假设因子，从而起到探寻指标本质结构和降维的目的。本研究采用探索性因子分析，用以分析数据与

39、原理论模型的维度与指标结构拟合度，判断理论模型的构建否合理，并根据分析结果对理论模型进行相应的调整45。4.3.2.1 KMO检验和巴特利特球度检验 在进行探索性因子分析之前，首先要对因子分析的条件进行检验，判断原有变量之间是否存在一定的线性关系，即是否存在较强的相关关系。如果存在较强的相关关系，那么就能够提取反映某些共同特性的公共因子，适合采用因子分析提取因子，反之，则不适合。本文选择巴特利球形检验和 KMO 检验方法来对因子分析的条件进行检验。 (1)KMO 检验 KMO 检验是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性。一般而言，KMO 值介于 01 之间， KMO

40、 接近 1，表示变量之间的共同特性越多，越适合于做因子分析；当 KMO 值在 0.5 以下，一般不适宜作因子分析46。 (2) 巴特利特球型检验 巴特利特球型检验用于检验各变量是否独立。如果巴特利球形检验值较大，且对应的相伴概率值小于用户给定的显著性水平，则相关系数矩阵不是一个单位阵，说明变量间具有公因子，适合做因子分析，反之，则不适合47。 根据上述原则进行因子分析条件检验，得到 KMO 检验和巴特利特球度检验的分析结果如表 4.23。由表 4.23 可知，巴特利特球度检验统计量的观测值为 1943.659，对应的相伴概率为 0，小于显著性水平 0.05，则相关系数矩阵与单位阵有显著差异。同

41、时，KMO 值为0.876，接近于 0.7，根据 Kaiser 度量标准，指标的 KMO 值和 Bartlett 氏球体检验值均通过检验，原有指标适合进行因子分析。 4.3.2.2 探索性因子分析 本研究借助 SPSS17.0 软件，利用主成分分析法，配合 VARIMAX 旋转法对 B2C电子商务物流服务质量问卷数据进行因子分析。 表 4.24 为因子分析的主成分列表。表中共体现初始特征值、提取平方和旋转平方和三组数据，每组的三列数据分别为指标的特征根、方差贡献率和累计方差贡献率。其中，方差贡献率是每个指标的特征根与全部指标特征根总和的比率。为了起到降维的目的，本文采用特征根法对因子进行排列取

42、舍，即以特征值大于 1 为评估标准，如果一个因子的特征根大于 1 就保留，否则抛弃。 根据上述原则，进行排序：第 1 个主因子特征根为 4.453，解释了原有全部变量总方差的 18.554%，累积方差贡献率为 18.554%，第 2 个主子特征根为 3.889，解释了原有全部变量总方差的 16.204%，累积方差贡献率为 34.758%，以此类推，6 个主因子共解释了原有变量总方差的 73.057%，总体上，原有变量的信息的丢失较少，保留度较高，因子分析效果较为理想。萃取主因子后，为了更清楚的描述因子与各指标间的关系，对主因子的实际意义做出合理解释，需要改变信息量在不同主因子上的分布，因此，本

43、文对因子载荷矩阵实施 VARIMAX 旋转，实施 VARIMAX 旋转后的载荷矩阵如表 4.25 所示。 在对指标进行取舍及判断主因子的所属关系时，本文主要采取以下标准：剔除自成一因子的指标；剔除在所有因子上的因子载荷量都小于 0.5 的指标；剔除在两个因子上因子载荷量都大于 0.5 的指标；原则上，应剔除在两个因子上的因子载荷量之差小于0.1 的指标；最终，保证每一个指标只在唯一主因子上的旋转载荷量大于 0.05，即该指标与该因子存在所属关系。 据此分析，表 4.24 呈现出较为明显的 6 个主因子的结构模式，全部指标都在特定主因子上呈现出较高的因子载荷量，不存在单独成项及在两个因子上载荷量

44、都大于 0.5的指标，因此不需剔除任何指标。根据因子载荷量的分布情况，各指标与主因子的所属关系表现为： (1)主因子 1 包含 RQ1 物流覆盖程度、RQ2 取货地点准确性、RQ3 货物准确性、RQ4货物完好性、RQ5 员工作业规范性这 5 个指标，这纯化后理论模型中的可靠性维度相一致，因此保留原有命名，即该主因子为可靠性。 (2)主因子 2 包含 TQ1 订单响应时间、TQ3 订货-收货周期、TQ4 取货等待时间、TQ5 退换货响应时间、TQ6 退换货及误差处理周期这个指标，对应纯化后理论模型中的时间性，因此，该主因子命名为时间性。 (3)FQ1 配送方式多样性、FQ2 收货方式多样性、FQ

45、3 退换货服务灵活性、SQ5 个性化服务组成主因子 3，其中 FQ1、FQ2、FQ3 是纯化后理论模型中灵活性的下属指标，因此，本文将主因子 3 命名为灵活性。 (4)SQ2 员工服务态度、SQ3 误差处理意愿、SQ4 客户沟通是纯化后理论模型中的移情性相的下属指标，共同构成主因子 4，则将主因子 4 命名为移情性。 (5)IQ1 物流信息充足性、IQ2 物流信息即时性、IQ3 物流信息准确性、IQ4 误差信息反馈能力组成主因子 5，与纯化后理论模型中的信息性相吻合，因此主因子 5 为信息性。(6)主因子 6 由 EQ1 物流价格、EQ2 服务性价比、EQ3 退换货服务费用等 3 个指标构成，

46、对应纯化后理论模型中经济性，因此，主因子 6 对应命名为经济性。 总体上讲，主因子的结构模式、所反映的信息与理论模型在概念维度上的划分基本一致，仅对 SQ5 个性化服务这一个指标进行了所属维度的调整，并未带来本质上的变化和影响，因而总体具有较高的拟合度，说明理论模型的维度划分是科学合理的。 4.3.3 测度维度与项目的归纳 经过总体相关性分析和探索性因子分析，对测度项目进行纯化筛选和结构调整后，形成的维度项目如表 4.26 所示。4.4 信度与效度检验 在纯化和结构调整后，对模型的维度和指标进行进一步的信度和效度检验，以验证纯化和结构调整后测度模型的一致稳定性和可靠性。 4.4.1 信度检验

47、信度检验 (Reliability Analysis)是用来衡量测度模型是否具有一致性或稳定性，反映测度结果受随机误差影响的程度，其主要检验所收集数据的可靠性。信度指标多以相关系数来表示，大致可分为三类：稳定信度、折半信度、内在一致性信度。目前针对类似于本文中态度、意见性的量表模型，最常用的信度系数折半信度和内部一致性信度。 (1) 折半信度 折半信度法是将全部指标分为两个整体，计算这两部分的的相关系数，以此来测量两部部分指标得分的一致性，进而验证整个模型的信度。在进行折半信度分析时，应将全部的指标分成两部分，可以以奇偶性或前后顺序划分，但划分时应注意两部分的指标数目要尽可能的相等，同时，要将

48、问卷中含有反意指标的得分做逆向处理，保证各指标得分方向的一致性。在计算二者的相关系数后，应用 Guttman Split-Half 公式： 两半测验分数的相关系数 整个测验的信度的估计值 求出信度系数，一般在信度评估中，折半信度系数在 0.6 以上即为可接受48。本研究借助 SPSS 软件来完成折半信度检验。计算结果如表 4.27 所示。结果表明，折半信度系数为 0.786，大于一般折半系数 0.6 的标准，因此认为本研究中，纯化和调整后的测度模型的折半信度是可以接受的。 (2) 内部一致性信度 内部一致性信度是通过所有指标之间的相关性来验证模型信度的。假设将模型中一个指标视为一个初始指标的话

49、，那么N指标就相当于将N-1 个指标与初始指标相连接，组成了长度为初始指标N 倍的新指标， N指标的信度系数就内部一致性信度系数。目前，最常用的内部一致性信度系数是Nunnally在 1978 年提出的Cronbachs a信度系数。本文也将采用Cronbachs a系数对问卷的信度进行测量，其计算公式为：其中，n 为指标的总数，Si 为第 i 指标得分的题内方差，ST 为全部指标总得分的方差。学者小黑尔、安德森、泰萨穆和布莱克等认为，一份信度系数好的问卷，Cronbachs a 系数最好在 0.80 以上，0.70 以上信度较高，0.50 至 0.70 之间也可以接受。若内部一致性系数在 0

50、.50 以下，应考虑重新修订量表问卷或增删指标。本文的 Cronbachs a 系数可以小于 0.7，但必须大于 0.50。各个维度的 Cronbachs a系数在项目总体相关性分析中已经得到了验证，表 4.28 表征了总体信度。可见，总体内部一致性信度系数为 0.735，大于 0.7，因此认为纯化和调整后的测度模型的总体内部一致性信度是可以接受的。 通过折半信度和内部一致性信度的检验，修正后的模型具有较好的信度。4.4.2 效度检验 效度检验是用来检验测度工具的正确性或可靠性，确认所收集的数据是否能够得到预期的结论以及所拟的问题。根据效度的定义，验证效度可从三个方面进行测量，即内容效度、标准

51、效度和结构效度。 (1)内容效度 内容效度用于检验指标的代表性或对所要测度行为层面取样的切合性，属于一种事前的逻辑分析分析或测验合理性的判断。由于本文模型借鉴了传统差异模型、SERVQUAL 模型以及 LSQ 模型，并基于深度调研和访谈，因此，能保证模型具有较高的内容有效性。(2)结构效度 结构效度用于衡量理论上期望的特征的程度，即所要测量的概念能显示出科学的意义并符合理论上的设想。它是通过与理论假设相比较来检验的，根据理论推测的“结构”与具体行为和现象间的关系，判断指标结构是否合理。本文已经 4.2 节的因子分析中对模型的结构效度进行了验证，在此不再赘述。 (3) 效标效度 效标效度用于衡量

52、测度结果与一些能够精确表示被测概念的标准之间的程度。好的效标具有以下条件：必须能最有效地反映测验的目标，即效标测量本身必须有效；必须具有较高的信度，稳定可靠，不随时间等因素而变化；可以客观地加以测量，可用数据或等级表表示。最常用的效标效度的检验方法就是Spearman相关系数，Spearman相关系数越大，相关程度越高，效度就越高。但效度系数通常较低，经验值多在 0.200.60 之间，很少超过 0.70 。因此，一般以 0.40.8 之间比较理想。基于此原则，本文的 Spearman 相关系数检验结果如表 4.29 所示。可见，Speannan 相关系数在 0.2-0.8 之间，说明本次问卷

53、具有较好的效标效度。综上所述，经过层层严密的检验，B2C 电子商务物流服务质量测度模型的维度和指标不仅具有非常好的可靠性，而且具有较高的有效性。 4.5 测度项目的重要性分析 多指标测度问题中，指标权重的合理性将直接反应测度模型是否合理，科学合理地确定指标权重，关系到测度结果的可靠性与正确性，是综合测度的重要环节之一。 4.5.1 权重确定方法 在指标权重的分类上，可分为相对权重和绝对权重两种。在整个测度模型中的数值表达称为绝对权重，处于同层的各个指标之间相对重要性的数值表达，称为相对权重。因此，在设计指标权重过程中，应遵循能体现各指标的相对重要程度，与各指标间的独立程度、区分度及信息可靠性相

54、适应等原则。常用的指标权重确定方法有因子分析法、回归分析法、拉开档次法、灰色关联度法、配对比较法等49。 本文将采用回归分析来确定各指标的权重。回归分析是从实际数据本身出发，提取相关的信息，能够充分体现顾客的意愿，不易受作者个人及其他因素的影响，因此采用回归分析方法来确定各维度及各指标的权重较为科学。具体来说，是根据实际统计数据求得因果关系的相关系数，进而确定回归方程，来预测总趋势；其中，相关系数越大，因果关系越密切，影响程度就越大，相应的权重值就越大。 4.5.2 权重的确定 由于本文使用与因子分析相同的样本数据进行回归分析，而在 4.3 效标效度检验分析得出 24 维度与 B2C 电子商务

55、物流服务质量的 spearman 相关系数均有统计学意（0.05），因此，样本数据可以进行回归分析50。采用 SPSS17.0 进行分析，分析结果如表 4.30 所示。可见，6 个维度与 B2C 电子商务物流服务质量之间存在着显著的因果关系。其中，可靠性对顾客测度 B2C 电子商务物流服务质量的影响最大，经济性紧随其后，然后是时间性，对物流服务质量的影响最小的是信息性。 如果用一个回归方程来表示的话，把 B2C 电子商务物流服务质量用 BLQ 表示，各维度采用前面因子标号表示，即可靠性 RQ、经济性 EQ、时间性 TQ、移情性 SQ、灵 活 性 FQ 、 信 息 性 IQ ， 则 B2C 电

56、子 商 务 物 流 服 务 质 量 回 归 方 程 为BQ=0.283RQ+0.267EQ+0.187TQ+0.138SQ+0.091FQ+0.079IQ+2.594。但各维度变量的回归系数不能直接作为权重，权重的确切值需对回归系数作归一化处理，处理后结果见表 4.32。同理，对各个维度下具体指标的权重进行回归分析，则分析结果见表 4.31。4.6 假设检验结果与测度模型确认 4.6.1 原假设的验证结论 通过项目总体相关性分析、探索性因子分析、回归分析及信度、效度检验等过程中间接验证了待验证的假设，具体结果如下： 可靠性对 B2C 电子商务物流服务质量有直接的正向影响； 时间性对 B2C 电

57、子商务物流服务质量有直接的正向影响； 移情性对 B2C 电子商务物流服务质量有直接的正向影响； 灵活性对 B2C 电子商务物流服务质量有直接的正向影响； 信息性对 B2C 电子商务物流服务质量有直接的正向影响； 经济性对 B2C 电子商务物流服务质量有直接的正向影响； 可靠性、时间性、灵活性、移情性、信息性、经济性等各维度对 B2C 电子商务物流服务质量呈现显著性差异。 4.6.2 测度模型的确认 通过实证分析，对原理论模型进行调整后的测度模型如图 4.3 所示。 4.7 本章小结 第 3 章提出、论证了 B2C 电子商务物流服务质量测度理论模型的构建思路和建模过程，第 4 章基于问卷所收集的

58、数据对所提出的物流服务质量测度模型进行了校验。 首先，概述了论文所运用的检验方法，包括样本描述性统计分析法、相关性分析、探索性因子分析、信度和效度分析、回归分析等。然后，基于问卷所收集的数据，对样本特征和行为进行了描述性统计分析，以验证样本数据可靠性；对测度模型进行了项目总体相关性分析和因子分析，实现对模型维度及其指标的筛选和调整，继而检验其信度和效度；最后，采用客观赋权法中的回归分析方法进行重要性分析，以确定各维度及其指标的权重，最后，确认出通过校验的 B2C 电子商务物流服务质量测度模型。第 5 章 B2C电子商务物流服务质量测度模型的应用 论文通过调查问卷等实际数据验证了模型的合理性和可靠性，为B2C电子商务物流服务质量的测度提供科学的依据和有效