【基于SERVQUAL量表的陕西省快递物流服务质量满意度影响因素的实证探析17000字（论文）】

基于SERVQUAL量表的陕西省快递物流服务质量满意度影响因素的实证分析TOC\o"1-2"\h\u3834第一章绪论 2249471.1研究背景 2236281.2研究意义 4194911.3研究方法和思路 530179第二章基础理论与文献综述 8321342.1物流服务质量 8178942.2物流服务质量的测量方法 1217695第三章研究设计及数据搜集 1471283.1研究方法设计 14169383.2陕西省快递物流服务质量满意度影响因素识别 1463163.3满意度影响因素指标体系构建 1676653.4服务质量满意度影响因素样本数据的搜集与特征分析 1710783.5适当性分析影响因素 1932218第四章陕西省快递物流服务质量满意度影响因素的实证分析 2180684.1因子分析的介绍 2148604.2陕西省快递服务质量满意度影响因素的因子分析 22252494.3熵权法分析因素权重 2669674.4因素重要性排序 2718898表格4-4未排序所有因素的权重表 272080第五章结论与相关建议 29136415.1研究结论 29251565.2相关建议 29143055.3研究的不足与展望 30摘要随着科学技术的迅速进步和国民经济能力的不断提高，快递物流行业也逐渐地吸引了更多的用户。同时由于中国人民生活水平的不断提高，人们对于快递物流行业的质量逐渐有了更加严格的要求。目前，由于相关部门缺乏对于物流服务质量和服务态度的管理，人们对快递物流服务的评价和测量的满意程度不是很乐观。因此，有必要探索一种更为有效的方法提高快递物流服务的满意度。在开展研究之初，参考相关文献，联系实际生活，深入探究能够对其产生影响的条件。以服务现状作为背景，筛选预选指标，对其进行分类，得到最终框架。用因子分析方法划分类别，用熵值法对权重进行排序，为企业明确快捷高效提升服务质量的路径方向，经济性与响应性所占比重最大，最后提出相关建议，期待快递物流行业高质量的发展。关键词：快递物流；服务质量；权重；数据分析；第一章绪论1.1研究背景1.1.1选题依据和理论背景电子商务业飞速发展，基于这一现状，网上购物的人数及交易数也有明显的增加，经过多年的快速发展，中国的物流影响已经扩大到了全世界。随着我国物流业的快速发展，包裹数量从2006年的10亿件激增到2020年的830多亿件[1]，现今物流业已经成为服务业非常重要的一部分，发展物流业将会为国民生活提供便利，提高国民生活质量。2014年，国务院通知全国，物流业成为国家支柱产业、国家重点产业[2]，并取得了显著成效，我国物流业的发展极大地促进了国民经济发展水平的提升。主要体现在以下几个方面：（1）物流业的健康发展能提高社会生产率和社会整体的资源利用率。（2）物流业的繁荣发展的同时，物流基础网络设施也不断地完善，各项物流环节都在不断地向专业化迈进，不仅能够实现降低我国物流总成本的目标，而且能够解决我国国民未就业人群的问题，使整个社会达到稳定状态。目前，从事物流业工作的人数达到了五十万人，表明了物流业正在高速发展。快递物流公司顺应了物流业高速发展的趋势，不断地对公司进行改革。改革方向主要是：依靠社会资源扩大企业发展规模，例如顺丰速运、中通、韵达等。这些快递公司为了提高顾客的满意度，对物流技术的研发投入了大量的资金，以此巩固在市场中的地位。另一方面，由于一些快递公司减少了对物流方面的投资导致消费者满意度下降，公司持续亏损。根据国家邮政局提供的每月快递有效申诉数量图表可以得出：2019年和2020年被投诉的快递单量持续增加，主要问题有配送延误，快递员代收货款，服务质量差等。由于企业不重视物流服务水平，多数快递网点的选址不够合理化，且对货物进行过度包装，这部分成本由客户分担，大大降低了顾客的满意度。从理论上来说，物流能力往往是由物流服务质量来体现的。专家学者们对影响企业发展的各个因素的重要程度持有不同观点。一些人认为，物流服务质量是影响公司利润的重要因素，物流能力是公司竞争力的表现，因此，高质量物流服务是公司整体实力的反映[3]。提升物流企业业绩的关键是提高自身的服务质量，因此，越来越多的管理者开始注重企业服务质量和客户满意度。随着“互联网＋”的应运而生，物流企业管理者应抓住机遇，主动了解顾客各方面的需求，从公司现状出发为未来可持续发展奠定基础。1.1.2快递物流业发展现状在《中国互联网络发展状况统计报告》中显示，到2020年年末，我国上网人数约9.89亿，互联网覆盖率达70.4%。中国国际电子商务中心宣称：2020年，全国电商交易额达到了37.21万亿元，对比去年，数据上增加了4.5%。电子商务行业增长趋势逐渐趋于稳定[4]，数据能够表达出我国的电子商务行业进步空间巨大。但根据统计数据显示，2020年全国快递包裹量超过了800亿件，比2019年增长了31.2%；交易额累计超出8000亿元，比2019年增长了17.3%，表明我国物流业发展速度越来越快。并且也有资料显示，2020年的电商交易额和快递业务收入增长趋势都比上年的缓慢。许多研究人员认为，这与物流服务质量的缓慢增长有很大关系。注意快递物流公司的服务质量至关重要。快递物流还存在一些限制其发展的问题：（1）从业人员素质不高，服务意识淡薄。在物流从业人员的总体现状角度出发，依旧存在工作人员服务知识积累不高的现象。观察快递工作人员的服务态度，可以间接了解到物流行业发展的基本状况。我国的快递行业发展迅猛，行业的进入壁垒较低，导致整体上缺乏自我约束能力，服务质量和水平表现不佳。目前为止，多数企业计划谋求长远利益，不断提升服务质量，但是在实际运行中仍然存在有忽略快递过程的易碎商品标识情况发生。（2）硬件安装水平低。因为多数快递物流公司属于民营企业，所以相对来说，资金是不够的。目前，我国绝大多数物流企业仍使用传统的分拣方式，自动化设备等智能物流设备应用不够广泛，许多基础设施还没有达到目前的发达水平。因此，物流运输周期往往过长，往往滞后，人力资本过高。（3）品牌知名度较低。现如今大多数客户只对特定的几个物流公司有认知，对其他公司几乎没有了解。这也促使客户在选择快递物流公司时，根据货物的等级做出决策。这种价格战不利于各快递物流公司的可持续发展，也不利于全球市场的发展和运行。因此，如果快递物流公司的目标是可持续发展，我们必须为目标客户找到正确的定位，提高客户忠诚度，实现不因价格而失去客户的目标。各物流企业如果以获得市场领先地位为目的，需要不断引入优秀的人才，加快机械化水平的提高，积极拓展市场业务，满足多元化需求；创新突破服务类型，加大和电子商务企业的合作力度，扬长避短，谋求新的合作形式，从整体水平提高综合实力。我们要重视物流服务质量，只注重物流规模和规模，在一定程度上停止发展，只注重物流服务，不断寻找薄弱环节，来完善服务体系，这是同一目的的另一种表现。物流服务质量的持续改进是物流的永恒目标。物流服务质量的衡量既可以从定性角度出发，也可以从定量的角度出发，定量方法的表达更加具象化。但是，影响因素会随着物流行业的发展而不断地变化，物流服务质量难以用某个指标判断。现有的研究不足以支撑当前的发展要求，物流服务质量评价系统相对于目前现状来说是非常落后的，评价体系比较单一，跟不上时代的步伐。随着科技的发展，快递业也顺应时代的步伐，不断地更新自身技术和发展模式，因此，服务质量的衡量也越来越复杂，中国快递业应以提升服务质量为重点。本文研究的意义在于：以“互联网+”为基础，针对难以衡量快递公司服务质量的问题，建立评价模型，提出提升消费者对物流行业满意度的策略和建议，也为快递业发展提供参考价值。1.2研究意义1.2.1理论方面的意义当前，业界内的学者将主要的研究重点定位于快递物流服务质量与与业绩考核的相关指标的评价中，缺乏对于电子商务行业对物流业产生的相互影响的思考，已经存在的研究主要是公司为先，站在客户满意度、成本控制和企业竞争力层面考虑物流能力是如何影响到企业的绩效考核的。但是鲜有存在立足于顾客的需求和顾客的满意度的调查研究，所以这篇文章的开展将研究人群定位于各种类型的消费者，将研究目的立足于满足更多的顾客，提升顾客满意度，这不单涵盖了快递企业能力范围内的服务，而且包括了以快递企业为立足点出发考虑到的因素，建立的指标评价体系，动态的分析快递企业物流服务质量对客户满意度的影响，为之后研究的进行奠定了基础。1.2.2应用层次的意义随着电子商务的强势发展，社会生活和互联网结合的原来越密切，逐渐进入互联网时代，人们关于更高水准的服务质量的需求更加强烈，能够影响到服务质量满意度的因素也逐渐增加，在这种前提下，想要提高用户的忠诚度，提升享受服务的体验感，更加精确地评价能够影响到这一指标的所有可能因素，也就对企业管理者提出了更高水平的要求，方便管理者把握改进之路应该行进何处。多数的物流企业缺少参考，没有参照的标准，无法弥补不足，做不到针对性的变革，就更加阻碍了整个行业向前迈进，谋求更大的发展，本文能够做到经过合理的计算分析，建立出具象化的物流服务评价模型，参照这个模型，快递企业结合自身现状，建立专属自己的满意度评价模型，以此规范企业各方面的运行，结合不同人群的关注侧重角度，决定企业的未来改进的方向，1.3研究方法和思路1.3.1研究方法本文的研究方法有以下几种：（1）文献综述。通过收集和学习与该主题相关的论文，学习与服务质量，物流服务质量有关的知识以及影响物流水平的因素，我们可以选择合适的评估体系结构和分析模型。（2）实证分析。首先咨询专业人员的意见，本文选择的是专家和物流业管理者，设计问卷的问题和选项，保证科学性，选取调查对象和调查地点，然后收集问卷。问卷具有两个主要功能：一是对构建的因子指标进行定性检查验证、修改和引用；还有一个是评估物流企业的服务水平。（3）数据分析。本文用的数据分析有两种，一是因子分析。通过对调查结果的信度和可信度进行检验，验证是否适用于后续分析，接着采用因子分析法，来明确物流服务质量与主要影响因素之间的定量层次联系，并确定单个指标影响因素的归因。之一是用于测试设计好的的维度，在另一个角度可以对影响因素进行系统的分析、总结和总结，接着运用熵权法来确定影响力最大的因素。1.3.2研究思路首先，阐述了本文的研究背景和现状，现代的物流业已经紧密的和快递物流行业相结合了，然后，对物流服务质量的测评、控制和改进方式进行了介绍，查阅相关的书籍资料和文献资料，进行问卷调查与研究。接着进行实证分析：首先，进行因子分析，检查验证各项指标是否具有普适性和合理性，完成对于影响因素指标体系的构建；继续在检验指标体系的基础上，分析实验数据，计算研究结果，得出研究结论，并从个人角度提出改进建议。本文采用实证研究和规范分析相结合的方法，结合了两者的优点，从理论和实践两个层次出发，对物流服务质量进行了研究，并从定性分析和定量分析两个方面进行了全面和多维的分析和研究。研究内容如下：第一章，绪论。说明文中的研究处在的研究背景，叙述出当前物流行业的发展现状，接着表达本文的研究意义，最后介绍本文使用到的研究方法与涉及到的思路。第二章，基础理论与文献综述。本章首先介绍了服务质量与物流服务质量的现阶段的理论研究成果，接着展开了测量物流服务质量的方法、描述了物流服务质量控制与改进的研究结果，便于展开下文，为下文的研究开展打下了理论基础。第三章，研究设计及数据搜集。本章先阐述研究方法设计，接着，确定影响因素指标，最后，对数据进行总体描述性的分析，并对数据进行信度、效度分析以检测数据是否适用因子分析。第四章，快递物流服务质量满意度影响因素的实证分析。这一章主要是进行因子分析的过程，并且加上分析评价的结果，为了排列个体因素的重要程度，运用熵权法来确定影响力最大的因素以及分类。第五章，结论与相关建议。在这一章中总结归纳了全文，并且根据物流服务过程中存在的问题及分析的结果提出针对性建议，改善物流服务水平。1.3.3技术路线图图1SEQ图_1\*ARABIC\s11技术路线图

第二章基础理论与文献综述2.1物流服务质量本文的研究内容是快递物流公司关于服务质量满意度的影响因素，因此首先我们应该了解物流服务质量的相关概念，经过查阅资料发现，大多数此类型的研究是基于服务质量的，在这一前提下，为了全面的了解物流服务质量，首先要认识并且领会服务质量的相关知识。2.1.1服务质量人们一开始理解服务质量，是借助之前对于质量的认识，引申到服务质量，但是质量的定义和特点只适合肉眼可见的商品，但是服务却是不能被具象化的，服务也没有质量相关的特性，有着自己的独到之处，状态不稳定，无法转移所属权，所以质量相关的特点并不能迁移到服务领域来使用，鉴于这种情况，研究人员给出了关于服务质量的新的定义，为之后的研究提供了便利。在过去的时间里，曾经有研究人员尝试重新定义服务质量，格伦鲁斯结合自己之前学过的心理学知识，给出了感知服务质量的定义，在上个世纪八十年代发表了感知服务质量的概念。从他的角度看来，普遍认识上的服务质量，人们对于商品或者服务保有期待，但是在现实中真正亲身接触到的质量可能会低于期待值，这个理论也为后人进行建立感知质量模型的工作铺好了道路。服务管理方面的相关专业人士，瑞典的古默森教授和芬兰的格龙鲁斯教授认为，加深了对于服务质量的研究程度，在他们看来，服务质量来自于设计、交付和关系，设计就是别出心裁的设计会打动消顾客，交付就是在提供服务的过程中，尽可能满足顾客的期望，关系就是在服务过程中，服务人员对于顾客的态度，以及在此过程中产生的联系。服务质量在内容和来源层次的理论，能够归纳成古默森-格龙鲁斯质量形成模式[7]，正是由于服务过程中生产和供给是一体化的，两者相互结合，才能够分析出服务质量的核心本质，企业的形象、顾客的期待值和受到的实际体验值，三个角度相互连接，都会对感知服务质量造成影响。从整体角度观察上述的定义，本文提出对于服务质量的个人理解，还没有收到服务时的预期和接受服务感觉到的落差[8]，这个心理上的落差就决定了用户的评价，服务质量能够很大程度上影响到用户的实际感觉，本文关于服务质量的理解是：在享受这项服务前后感知到的差距决定了对服务质量的评价，而服务质量是影响顾客实际感知的主导部分，顾客对服务质量的认识是通过未接受服务前的预期的服务水平与现实感知的服务水平的对比产生的【8】，在评价服务质量的时候，顾客就已经考虑了包括服务的结果、服务的过程与提供服务的能力。2.1.2物流服务质量物流服务质量是在服务质量的相关理论基础上发展起来的，物流行业不断的发展，人们将服务质量加上了物流的独特之处，逐渐将物流服务质量的理论体系丰富起来。在20世纪60年代到70年代时，比较受到推崇的理论是密歇根大学斯米基教授基于时间和空间的7Rs理论[9]，7Rs理论的具体含义是在7个约束条件下，推动企业发展，创造经济价值的理论[10]。物流服务逐渐完善，不能单单站在服务提供者的角度考虑已经成为共识，所以现在更多地从顾客的角度出发。1989年，研究人员Mentzer，Gomes和Krapfe发表了自己的观点，在当时备受推崇，认为物流服务质量包括两个方面，一个是顾客营销服务，另一个是物流配送服务[11]。在过去，大多数的物流管理将大多数的注意力放在具象化的产品上，时代变革后，我们能够感受到重视顾客感知价值等非具象化的产品的必要性，参考这个定义，两个方面都是为了满足顾客的需求而存在的，但是却是从不同的角度出发的，他们在众多的指标中，选择了可靠性、及时性和质量三个指标，但是由于数量较少，代表性不强。LaLonde和Zinsze给出关于物流服务质量的理解，应该包括：1.满足顾客行为的活动；2.确保顾客满意的绩效测量；3.公司承诺的文化[12]。从物流服务的提供者立场上考虑问题，较少的考虑顾客方面的问题。2001年，Mentze研究团队结合过去的研究成果，融合物流配送过程对顾客提供的服务，建立了物流系统的服务质量模型[13]，在新的模型中，对因素指标进行了革新，要素更加精确，分别有：人员沟通质量、误差处理、订购过程、信息质量、货品完好程度、货物质量、货物精确性、订单释放质量、时间性等等，以顾客的需求为导向，建立了新品市场物流服务质量模型，即LSQ模型。图2-1MENTZER-LSQ模型图在物流行业发展初期，我国范围内的研究成果数量较少，研究人员以国外的研究成果作为辅助，结合中国国内的实际情况进行改良。早期有著名学者王之泰，表达了对于物流服务质量的理解，物流服务水平能够通过实践、成本、数量和质量来决定，物流服务水平对应着服务质量，而对于服务质量就是见仁见智的[14]。2009年，丁建勇、徐茜学习了PZB的SERVQUAL方法的优点，并且考虑到电商企业的独特性，划分与快递物流有关的20个指标为5个维度，其中包括处理订单的速度，发货周期和收货周期等，建立了全新的物流评价体系[15]，同年，刘跃、郭帆直言，如果配送过程中的质量和售后服务的质量相比其他公司更高，顾客会更加倾向于选择服务质量更高的企业[16]。2012年，王丹及其团队发现，有几个指标在影响电子商务物流服务水平方面占据主导作用，但是对于企业的知名度影响不大，比如，支付方式、配送的时间长短和处理投诉的质量[17]。2.1.3满意度影响因素评价方法研究综述关于评价物流服务质量的方法，人们较为认可的有差距分析模型、指数法和层次分析法。1）差距分析模型上个世纪八十年代中期，PZB的研究人员建立了服务质量差距模型[18]，这个模型建立之初是为了辅助企业的管理者，找出影响到服务质量的原因，然后提出针对性的建议，采取切实有效的措施，这个模型面世之初由于其效果显著受到了广泛的使用，但是有学者发现，它只是阐释了服务质量差距，不能用来对服务质量在数据上进行分析。所以差距分析模型不能做出定量分析，文中经过调查得到的大量数据就会失去用武之地。2）指标树法综合评价方法有很多，指标树法便是其中之一。指标树法的基本思想是将多个指标进行总体评价。首先确认评价指标体系，即将物流快递服务质量水平根据分类分解成各类指标。通过收集到的数据计算各指标的权重并保证指标的科学性。根据指标的分类将指标权重进行汇总，得出一个综合评价指数，此指数便能反应物流快递服务质量水平。指标树法的优点是操作简单缺点是缺少数据，主观因素对结果的影响较大。3）模糊综合评判法这个方法和模糊数学有关，将定性的评价转变成数据化的评价，得到的结果是清晰明确的，很多不确定性的问题，都可以选择这种方法，进行量化的计算。这种方法需要将指标分层作为铺垫，结合权重，经过函数运算和模糊变换，然后计算模糊综合评价向量[20]。4）层次分析法托马斯·塞蒂是美国的一名运筹学研究人员，他曾经发表过自己层次分析法的研究成果，把问题包括的因素划分成几个层次，再分析一个层次内的关系，计算权重，得出每一个层次中的最优解，这个方法不适合本文的原因是，这个方法需要分解，将整体分为目标、标准和方案，这个调查中看重被调查的人群的主观倾向，没有办法做到客观将整体分解。现在业内少有服务质量的数据，搜集数据的途径就局限在问卷调查，研究后给出的具有可行性的改进建议也数量不多[21]。本文的调查是对物流服务质量进行评价，涉及到物流系统运作的各个方面，所以有很多因素，有一些指标无法具象化的用数据衡量，采用打分法，让用户进行评判，将层次分析法和模糊评判法结合起来使用，能够达到将指标量化的目的，并且可以减少模糊性的因素产生的消极影响，更加保证了大的类别之间的权重合理性。综上所述，相应的理论研究为本文的研究打下了理论基础。国内外许多学者对物流服务质量评价进行了研究，当前需要对物流企业提供的物流服务质量进行评价和改善，用来协助物流企业提高服务质量，实现可持续发展。2.2物流服务质量的测量方法和消费者满意度的评价类似，对于无法量化的指标，我们转变思维方式，借助分析方法的力量，比如模糊综合评价。直接得到物流服务的评价是不可行的，可以选择间接测量的方式，比如SERVQUAL表测量法、SERVPERF表测量法以及综合评价法等。2.2.1SERVQUAL量表测量方法业内对评价服务质量的方法进行了革新，比如SERVQUAL模型。SERVQUAL是从ServiceQuality缩写而来的，备受推崇，以心理测量为背景成熟，经过大量数据验证，很大程度上是值得信赖的。这个模型也在其他领域使用过，比如证券行业、信用卡行业，在应用过程进行改良完善。经过多次修正，划分为5个维度，下分22个指标。图2-2SERVQUAL模型图2.2.2SERVPERF测量模型SERVPERF是由ServicePerformance缩写而来的，也就是绩效感知服务质量模型，这个模型参考了上文提到的SERVQUAL模型[22]，为了增强模型的普适性，选择使用绩效来感知服务质量的方法，将加权的步骤删除，简化了操作流程，这个模型虽然是依托SERVQUAL实现的，但是在应用中的表现能够比SERVQUAL好，信效度也更高。在企业的服务质量管理中，首先面临的问题是从整体水平提高消费者的满意度，不能把管理者的眼光局限在服务质量，能够提供的服务质量越高并不代表消费者能够享受到的就会变好。使用这个方法能够测量出物流服务质量，但是本文着眼于物流行业整体的普遍影响因素，并不是只为了提高一个企业的服务水平，所以这个方法不能用来测量物流服务质量。第三章研究设计及数据搜集3.1研究方法设计本文综合了之前学者的研究，总结了对影响物流服务质量的因素【23】，并从日常生活的角度对影响物流服务质量的因素进行了分析。所以，在开展调查过程之前，查阅了大量讨论物流服务质量的文献，加上自己的理解，通过实际生活中的切身体验，总结出消费者群体较为关心的影响因素，在此基础上，设计出便于使人理解的要素指标，最终根据因素的归类，概括出指标维度。具体的设计流程是，学习李克特量表法，按照这个方法，设计出有5个维度的量表，具体过程是：对于设计好的指标给出五个重要程度等级，分别是非常重要，不重要，一般，重要，非常重要，面对不同角度的问题，被调查者将会给出差异化的选择，以此来反映各个影响因素在对于消费者整体的重要程度。在设计问卷中的问题时，部分问题的范围存在交叉，这样可以在后期删除部分的不合理数据；在排列问题的顺序时，特意将同类因素分开排列，以此避免误差较大的现象。问卷中的问题文字表述时特别注意了交流需要循序渐进，语言表达的科学严谨，避免产生歧义。调查问卷附在最后数页。3.2陕西省快递物流服务质量满意度影响因素识别结合亲身经历与身边亲朋好友的反馈，再参照已知的研究文献，汇总得到了26个不同的指标，接着考虑到电子商务行业对于物流行业不可或缺的影响，需要对设计好的指标进行取舍，最后，根据属性归类，把26个影响因素分类成几个不同维度，结果如表3-1：表3-SEQ表\*ARABIC1全部影响因素表全部影响因素有形性员工的服装整洁运输设备的规范化配送方式的选择性设施与服务相匹配包装的合理化收货方式的多样性可靠性商品的完好性配送商品的准确性退换货服务的可靠性跟踪信息的准确性员工可依赖程度消费者信任公司的可靠程度增值服务响应性商品送达时间退换货响应时间退换货上门取件时间退换货处理时间投诉处理时间退换货处理周期.移情性服务的个性化员工的服务态度对投诉结果的满意度经济性物流配送费用物流服务的性价比物流模式转换成本快递行业和电子商务行业合作共赢、互惠互利的现状，决定了上面的部分指标会不再具有价值，快递物流企业现在关于基础设施方面的发展，很大程度上得益于物流的发展，各大快递公司的平台基础并不是参差不齐的，在势均力敌的情况下，就应该保证自己的短板，所以将配套设施的建设指标删除；消费者和工作人员的接触时间不长，所以员工的服装整洁并不能很大程度上影响到消费者对于整体服务过程的满意度水平；由于快递行业运行的规模之大，各大快递企业都已经具有了一些知名度和认可度，所以绝大多数的快递业务流程是值得消费者信任的；虽然确实存在工作人员的文化知识水平参差不齐的现象，但是对于快递的安全性这一必要条件是可以保证的；当前增值服务的种类确实不多，存在消费者日益增长的对于增值服务的需求和各大快递物流企业能够提供的种类及数量不相匹配之间的矛盾，但是这个指标对于大多数的消费者来说，存在的意义不大，所以删掉提供增值服务这一指标。3.3满意度影响因素指标体系构建在组建满意度影响因素的指标体系过程中，参考现有研究成果中使用数据挖掘提取到的高频率特征词汇统计和语义的网络分析的方法，结合本次调查设定的指标，组建快递服务质量影响因素集合，最后经过专家的指导，设计出李克特量表，删除6个存在意义较低的因素，最后整理汇总得出修正后的指标体系。表3-SEQ表\*ARABIC2快递物流服务质量影响因素指标体系经过修正的物流服务质量影响因素指标维度指标有形性1.运输设备的规范化2.配送方式的选择性3.收货方式的多样性4.包装的合理化可靠性1.商品的完好性2配送商品的准确性3.退换货服务的可靠性4.跟踪信息的准确性响应性1.商品送达时间2.退换货响应时间3.退换货上门取件时间4.退换货处理时间5.处理投诉时间6.退换货处理周期移情性1.服务的个性化2.员工的服务态度3.对投诉结果的满意度经济性1.物流配送费用2.物流服务的性价比3.物流模式转换成本3.4服务质量满意度影响因素样本数据的搜集与特征分析3.4.1样本数据搜集在样本的搜集过程中，为了满足结果的普适性，面向各种人群搜集数据，此次调查问卷主要针对的人群包括学生、上班族以及老年人等各类阶层人群。设计调查问卷之前首先跟据物流快递服务质量内容设计相关一系列问题，并审核问题的严谨性和实用性，确保此调查问卷的结果合理。调查问卷的数据收集主要通过线上和线下两种形式。线上形式主要是指网络问卷，即通过各大社交软件包括微信、微博和各大论坛进行转发填写。线下形式主要通过访问调查问卷，即将编写的调查问卷设计打印成纸质问卷，向调查对象随机进行访问并提出问题，将被访问者的回答整理后得到数据。此次问卷调查总共收集到有效问卷303份，无效问卷为7份，问卷有效率达到98.01%。3.4.2样本数据的总体描述性统计特征经过分析问卷的数据发现，男性占总体比例的49.67%，女性占50.33%，男女比例相对均衡，可以在性别方面保证准确性，不会因为某一性别过多或者过少，而对结果产生误差。年龄在18岁以下的青少年占总体的小部分，比例是3.97%，年龄18-25的青年人群占到一半的比例，是49.01%，年龄为26-40的中年人群比例占35.76%，占总体比例是10.26%的是年龄在41-60阶段的被调查者，60岁以上被调查者占0.99%，由于快递与电子商务是密不可分的，青年和中年消费者是网上消费的主力军，在这个调查中也是占到绝大多数的比例，所以参考上网消费的各类人群比例，这样的数据也是合理的。关于月收入状况，虽然一线城市的月平均收入水平有所上升，但是多数人处于月收入万元以下，这一被调查者特征也符合社会整体的发展水平。在学历方面，大学生及以下文化水平的人占大多数。接触到快递或者物流的频次和网上购物的频次也基本符合一致。具体的样本分布表如下：表3-SEQ表\*ARABIC3样本分布表样本分类频数百分比性别男15049.67%女15250.33%年龄18岁以下123.97%18~2514849.01%26~4010835.76%41~60313110.26%60以上30.99%收入3000以下206.62%3000-700016755.30%7000-100009933%10000以上165.30%学历无学历或初中生123.97%高中生175.63%大学生19564.57%研究生6421.19%博士生144.64%接触物流频次一次13143.38%2-4次14347.35%4次以上289.27%3.4.3数据分布统计情况将从问卷收到的数据在电脑上进行整理，将各影响因素分别用A1~A20表示：得到的数据根据各指标变量，得出各个影响因素的得分分布情况、平均分和标准差，具体的情况见表3-4:表3-SEQ表\*ARABIC4数据描述性统计表指标变量得分分布(%)平均分标准方差12345A11.75.054.629.59.33.400.791A22.611.942.428.514.63.400.966A33.319.533.131.812.33.301.024A42.619.535.828.513.63.711.019A52.620.935.427.513.63.281.027A63.016.236.829.514.63.661.015A74.019.935.428.512.33.251.036A81.717.238.726.515.93.381.000A92.319.935.827.214.93.321.028A102.618.236.127.815.23.351.029A112.018.536.129.813.63.940.995A122.020.535.827.813.93.311.013A133.315.239.426.815.23.351.020A143.315.638.128.814.23.351.013A151.715.638.727.216.93.520.998A162.615.239.426.815.93.381.010A172.315.636.428.117.53.431.025A181.323.236.826.212.63.550.994A192.018.536.426.516.63.601.029A202.315.935.431.514.93.411.000粗略分析各类因素的占比情况，多数用户都认为这些指标分类带给用户的体验是一般的满意水平或者达到较为满意的程度，能够感到很不满意的人数是很低的，但是觉得各项指标非常满意的人也比较少，这也在某种意义上说明，快递行业在服务方面，能够改善的地方还有很多，并且存在很大的进步空间，在服务顾客的过程中，可以加大对于消费直接能够感受到的服务环节的重视，从各个层次来提升服务水平。3.5适当性分析影响因素运用信效度分析的方法分析收集到的问卷数据，得出结果，可以分析出数据是否适合用于因子分析与熵权法分析。3.5.1信度分析将数据进行信度分析，得到信度分析表如下:表3-SEQ表\*ARABIC5信度分析表可靠性统计克隆巴赫Alpha项数.81520分析信度就是分析得到的问卷数据是否可靠，数据具有可靠性才能够接着进行后续的研究，问卷得到Cronbach'sAlpha系数是0.815，参照业内标准，说明这些指标设立的具有可靠性。3.5.2效度分析进行因子分析的必要条件是运用效度分析，以作为适合用于因子分析的依据，采用KMO和Bartlett的球形度进行检验。如下表3-6所示，KMO值为0.911，比0.9稍微大一些，适合做因子分析。并且如表中所示，Bartlett的球形度P值为0.000，P=0.000＜0.05，可以理解为这些变量指标适合通过因子分析方法来分析，通过了适用性检测。表3-6KMO和巴特利特检验KMO取样适切性量数。.911巴特利特球形度检验近似卡方7264.694自由度190显著性.000

第四章陕西省快递物流服务质量满意度影响因素的实证分析4.1因子分析的介绍4.1.1因子分析的原理因子分析是借助SPSS软件这个平台来进行的，能够分析出数据内部的联系。数据样本较多，无法直接得出结论，因此需要借助理想的数据分析方法，因子分析就能够推导出变量内部的关系，以此为基础，探究矩阵的内在关系程度，在属于不同角度的变量中找出具有共同的特性，以共同因子组合为手段，减少工作量，简化分析过程，也能够在更大程度上把握住问题的核心，同时保证较为准确地分析，使得又方便又高效的分析方式成为可能。4.1.2因子分析的因子组成因子分子的同类变量之间，具有较高的相关性，得到的因子就是典型性的核心要素，没有办法进行直接观察，是在原始变量的基础上，演变出的新型变量，也有可能是存在共性的集合体。因子分析能够将整体变量分为两部分，一部分是共性因子，是经过提取，得到的这几个变量都具有这部分因子；还有一部分是特殊因子，是不会与其他变量共同拥有的，只为这部分个体而存在。设有p个X1，X2，…Xp为可测变量，各变量之间的关系如下:YY……Y上面所写的就是因子分析的模型，其中的f1，f2，…fm为公共因子，β1，β2，…βm是特殊因子，其中的αij4.2陕西省快递服务质量满意度影响因素的因子分析4.2.1因子分析的结果提取主成分能够将分析步骤简单化，虽然选取了最少的因子，但是依然能够在最大程度上反映出所需数据的方差。提取主成分的目的是希望用最少数量的因子来最大化地反映原始数据的方差。下面的表格中的第一列是原始变量名，第二列是按照初始解计算出来的变量共同度，原始变量的共同度都是1。第三列的数表示的意义是与因子提取的特征值相对应的变量共同度。以第一行和第二行为例，0.938和0.931分别表示m个因子变量解释了方差的93.8%和93.1%，说明能被公共因子解释的方差较多，这两个变量的信息丢失的较少。使用软件进行因子分析，得出下面的公因子方差：表4-1公因子方差初始提取A11.000.938A21.000.931A31.000.943A41.000.919A51.000.870A61.000.831A71.000.874A81.000.841A91.000.807A101.000.805A111.000.880A121.000.850A131.000.890A141.000.933A151.000.947A161.000.942A171.000.905A181.000.843A191.000.820A201.000.812提取方法：主成分分析法。观察上表，得出多数的数据提取率都能大于0.6，也就是说因子的载荷率比较高，能够在很大程度上代表数据承载。接下来选择特征根法，结合分析下面的总方差解释表，可以了解到整个过程，先提取出5个公共因子，累计方差贡献率就达到了87.897%。第一个主因子为原有指标总方差做出了46.238%的贡献；第二个主因子占到的整体的13.463%；第三个主因子占整体的11.253%，第四个主因子占整体的9.133%；第五个主因子占整体的7.810%。这5个主因子一共占到原有指标总方差解释的87.897%，设计好的要素指标大都真实有效，可以分析，因此适合做因子分析。表4-2总方差解释表总方差解释成分初始特征值提取载荷平方和旋转载荷平方和总计方差百分比累积%总计方差百分比累积%总计方差百分比累积%19.24846.23846.2389.24846.23846.2385.17425.87025.87022.69313.46359.7012.69313.46359.7013.73718.68644.55632.25111.25370.9542.25111.25370.9543.46017.29961.85641.8279.13380.0871.8279.13380.0872.68613.43275.28851.5627.81087.8971.5627.81087.8972.52212.60987.8976.3791.89689.7937.3071.53391.3268.2561.27992.6059.2051.02793.63310.192.96194.59411.175.87495.46812.170.84896.31613.132.66196.97714.121.60597.58315.116.58298.16516.109.54398.70817.080.40199.10918.069.34599.45319.066.33199.78420.043.216100.000提取方法：主成分分析法。除了运用公共因子总方差解释确定公共因子数，还可以利用碎石图来观察公共因子的数量。如图4-3所示，是以特征值作为纵坐标，以公共因子数作为横坐标的折线图，它比较直观、容易地观察公共因子的数目。从图中可以看到，前五个较为明显，但提取第五个公因子后，坡度越来越小，因此，可见前五个公共因子的提取很大程度上能够描述原始变量的共同信息。图4-1碎石图如果想要探索5个主因子对应着指标的关系，对因子载荷矩阵进行深化分析是必要的。采取了最大方差法使影响因子能够命名和解释，我们从下表中可以看出，A1-A4在因子2上代表更高的载荷，表明因子2主要诠释了这些变量，命名为有形性。A5-A8在因子3比较高，则命名第三因子为可靠性。A9-A14在因子1上代表更高的载荷，命名为响应性。A15-A17在因子4上代表更高的载荷，命名为移情性。A18-A20在因子5上代表更高的载荷，命名为经济性。表4-3成分得分系数矩阵成分12345A1-.044.306-.051-.043-.011A2-.047.322-.082-.036.000A3-.046.302-.060-.018-.012A4-.042.299-.044-.041-.021A5-.025-.041.311-.067-.012A6-.031-.063.308-.037-.004A7-.018-.055.310-.064.001A8-.046-.089.342-.036-.013A9.220-.063-.027-.042-.022A10.204-.049.011-.049-.041A11.202-.016-.048-.040.016A12.202-.027-.022-.038-.021A13.214-.044-.022-.044-.011A14.208-.025-.036-.018-.027A15-.044-.024-.057.403-.030A16-.044-.037-.032.385-.013A17-.059-.055-.064.447-.046A18-.029.000.001-.051.378A19-.036-.020-.019-.025.386A20-.022-.024-.010-.042.3814.2.2因子分析的结果分析强化分析旋转后的成分矩阵表格，能够直观的看出数据整体的结构形态，每个指标都有在部分的主因子上表现出不同于其他的特别因子载荷。在表4-4中可以明显看出，A9、A10、A11、A12、A13、A14这几个因素指标，在主成分1这一分类下，有着和其他成分相比较大的因子载荷，A9对应的指标是商品配送时间，A10对应的是退换货时消费者的等待时间，A11对应的是退换货时上门取件的时间，A11指的是退换货处理时间，A12对应在表格中是处理投诉时间，A13对应在表格中是退换货处理周期，这几个指标都在这一因子上表现突出，综合来看几个指标，主要的特性是消费者更加关注的商品配送时间或者是退换货服务时需要等待的时间，能够反映出企业能否及时的达到消费者期待的水平，命名为响应性。在主因子成分2中表现突出的有A1、A2、A3这三个指标，A1指标对应在表格中是运输设备的统一化，A2指标表示配送方式的可选择性，A3指标对应表格中的多种收货方式的可选择性，这几个指标整体来看类似于增值服务，是消费者能够感受到的看不到的服务。完备的包装也会增加顾客的好感，所以加上A4指标，这些指标归为一类，命名为有形性。在主因子3中表现突出的有A6、A7和A8，A6代表的是送达货物的准确程度，A7表示的是退换货服务的可靠程度，A8表示的是商品追踪信息是否准确，A5代表的是商家服务的可靠性，归纳来看都侧面表现出物流服务环节的准确性因素，服务的可靠性能否得到保证，命名为可靠性。在主因子4中表现突出的有A15、A16和A17这三个指标，A15对应的是个性化服务，A16对应的是员工的服务态度，还有A17对应的是对于投诉结果处理的满意程度，这些指标都是衡量企业能否设身处地为顾客着想，最大程度上提升顾客的消费体验，也是用来提升用户粘性的重要表现途径，所以命名为移情性。在主因子成分5中表现突出的有，A18、A19、A20这三个指标，A18对应的是快递服务费用，A19对应的是物流服务的价格相对于价值的比例，A20对应在表格中是物流模式转换的成本，大体上能够反映出顾客对于快递物流服务所要支付的费用的满意程度，所以命名为经济性。至此，分类归纳出5个大类，分别是有形性、响应性、可靠性、移情性和经济性。这也符合实际生活中各种消费人群对于快递物流的整体感知，也由此分析出顾客对于快递物流服务的各个类别的更加看重的部分，同时有利于企业清晰地了解顾客需求，精准地完成市场定位，为顾客提供更加优质的服务。4.3熵权法分析因素权重熵值的存在能够达成评估系统无序程度的目的，观察熵，能够了解到系统内信息量的所存储规模，熵权法能够在确定多项指标的权重的过程中，发挥良好的作用。数据标准化首先为了方便后续计算的进行，需要将之前统计到的各个指标下被调查者对所有问题的评分进行处理标准化处理，假设已经给出n个被调查者m个指标，则Xij为第i个被调查者中第j个指标的数值，然后进行标准化，认定对各指标进行数据标准化后的值为Y1，Y2，...，Yk则有公式1Yij=计算第i个调查者中第j项指标所占的权重：pij=xiji=1n求各指标的熵ejk=1lnn>0计算信息熵冗余度d计算各指标的权值wj计算各个被调查者的综合得分si4.4因素重要性排序在本次研究中提及到的各项指标，对服务满意度造成的影响各不一样，企业以提高服务满意度为目的，最好的方式是从各个方面整体提高服务水平，但是由于各种外部条件的限制，导致最优方案无法实现，因此对可观测指标进行分类、计算权重和排序是极为重要的，观察权重占比大的指标，在此方向上加以改进，则可以得到针对性较强的向好的转变。对原始的问卷调查数据进行成系统的处理后，选择使用广泛受到认可的熵值法，实际计算出整体因素指标的权重如表4-4所示：表格4-4未排序所有因素的权重表影响因素权重A10.0373A20.0477A30.0384A40.0479A50.0453A60.0491A70.0547A80.0419A90.0411A100.0584A110.0495A120.0502A130.0483A140.0569A150.0407A160.0512A170.0585A180.0481A190.0577A200.0687为了能够更加清晰明了的显示相对来说各因素的权重大小，将上述表格从高到低排列，得到下述的权重表。表格4-5排序后所有因素的权重表影响因素权重A200.0687A170.0585A100.0584A190.0577A140.0569A70.0547A160.0512A120.0502A110.0495A60.0491A130.0483A180.048