退货物流服务质量因子分析

　　内容摘要：退货物流服务质量作为服务质量管理的重要组成部分，日渐成为影响物流企业发展的关键要素之一。目前基于退货角度的物流服务质量评价文献相对较少，因此本文参考SERVQUAL和LSQ评价体系，在构建基于退货角度的物流服务质量评价指标的基础上，借助李克特量表法（LikertScale）进行相关的问卷设计和调查，对收集的数据进行因子分析和权重计算。通过确定各指标的权重，为物流企业完善退货服务提出相应的建议。

　　关键词：退货物流服务质量因子分析

　　引言

　　移动互联网时代的快速发展，使得移动电商模式迅速占据人们的生活，推动了快递行业的迅猛发展。国家邮政局的数据显示：2014年1月至8月，全国快递服务企业业务量累计完成81.6亿件，同比增长52.7%；业务收入累计完成1230.4亿元，同比增长42.3%。由此可以看出，快递物流行业的快速发展，成为推动我国经济快速发展的重要方式。

　　随着快递行业在日常生活中的不断深入，消费者对服务质量的满意程度也随之发生转变。如今，逆向物流的发展仍然处于发展阶段，仍然存在需求不稳定、信息不对称、主体不平衡等问题（刘龙青等，2014）。消费者在接受快递物流服务时，不仅注重快递物流配送过程中的服务质量，也开始关注商品在逆向物流过程中的服务质量。因此，对我国快递行业退货物流服务质量进行评估，成为必要的研究问题。

　　鉴于此，本文基于SERVQUAL评价体系和LSQ评价体系设计问卷、调研问卷，在验证调研问卷信效度基础上，对收集的样本进行数据分析和权重计算。针对分析中出现的问题提出相对应的解决措施和建议。

　　研究假设

　　（一）相关研究综述

　　物流服务质量管理日渐成为快递企业关键的竞争要素之一，改善服务质量也成为业界讨论的重要话题之一（朱美虹等，2011）。随着我国移动电商的快速发展，消费者对快递行业的服务质量也有了更高的要求。

　　针对我国快递物流行业的服务质量评价问题，不同学者利用不同的方法对其进行阐述。例如：朱美虹、缪圣陶、卓骏（2011）利用结构方程模型进行实证研究，为管理者改善管理和提高服务质量提供见解与指导；周正嵩（2012）采用结构方程验证分析法对物流企业服务质量模型的拟合度进行验证，从六个维度提出了服务质量提升的相关策略；常浩（2014）利用结构方程模型对指标进行评价，提升快递行业的物流服务水平；王真（2013）利用回归分析法，提出提高天猫商城快递物流服务质量的建议；梅虎、林玲霞、马子程（2015）利用回归分析法，提出了相应的管理策略。刘俊强（2006）、王科新（2011）、陈文国（2012）、胡敏霞（2012）、于宝琴、杜广伟（2013）都是利用模糊综合评判技术对服务质量进行评价，针对出现的问题提出相应的解决措施及建议；程满华等（2016）则以B2C电商企业为研究对象，研究了退货物流的模式选择，一定程度上丰富了退货物流的相关研究。除此之外，还有很多的学者利用不同的方法对构建的服务质量评价体系进行分析，提出相应的提升措施和改进意见。

　　通过梳理和阅读相关的文献，发现很少有学者从快递退货物流角度对物流服务质量进行体系构建和指标评估。鉴于此，本文选择从退货物流角度对快递的服务质量进行因子分析，并对构建的各维度指标进行权重计算，分析权重占比的影响因素，对分析过程中出现的问题给出对应的解决方案。

　　（二）指标体系构建

　　高服务质量可以带来提高客户满意度和忠诚度的。依据营销学家帕拉苏莱曼（A.Parasuraman）等1985年提出的SERVQUAL模型―有形性（Tangible）、可靠性（Reliability）、响应性（Responsiveness）、保障性（Assurance）和移情性（Empathy），及2001年美国MENTZER为首的学者提出的LSQ模型，构建相应的物流服务质量评价体系模型。将SERVQUAL模型中的5个维度设计成评价体系的一级指标，根据LSQ模型创建对应于一级指标的17个二级指标。

　　研究方法

　　（一）调查问卷设计

　　根据上述构建的指标体系，借助李克特量表法（LikertScale）设计对应的调查问卷。本文设计的问卷主要分为三个部分：第一部分主要了解被调查对象的性别、年龄、受教育程度以及职业4项基本信息；第二部分主要了解被调查对象使用快递退货的基本情况；第三部分围绕所构建的体系中的二级指标进行问题的设计。问卷总共包含24个问题，其中17个问题采用Likert7点计分的形式，被调查者根据自身情况对问题进行评分，得分越高表示被调查者对该指标的满意度越高。

　　（二）样本选取

　　本问卷主要针对有网购经验、使用过快递退货物流服务的人群进行随机调查。根据Gorsuch（1983）的观点认为样本量的大小，应保证所调查的问题与被调查者的比例最好保持在1∶5以上，最好达到1∶10（刘明，2015）。本次所调查的问题与被调查者的比例约为1∶8.8，符合数据的分析需要。

　　此次问卷调查总共发放问卷200份，回收问卷170份，剔除无效问卷后得到的有效问卷150份，问卷有效回收率为88.24%。通过SPSS软件对样本的分析得到，样本中男性占44.0%，女性占56.0%；从年龄上看，20岁以下的占45.3%，21-30岁的占52.0%，而31岁以上的总共占2.7%；从职业上看，学生占90.7%。数据说明，21-30岁的女学生是促进快递物流行业迅猛发展的主要原因。

　　同时，通过此次问卷调查的样本数据分析，大多数消费者在退货时更看重快递公司的服务质量（占比为46.0%），给出的建议也围绕着提升退货服务质量（占比为48.0%）。因此，研究是有效和必要的。因子分析

　　（一）指标总体相关性分析

　　指标总体相关性分析主要是考察评价指标之间变化的亲密度，相关系数越高，表示指标间相关程度越高。如果其中的指标系数过低，则表明这一指标与其它指标不存在相关性，将予以删除。

　　本文将利用SPSS软件对指标样本进行相关性检验，得出指标的总计统计量表。结果显示校正的项总计相关性一栏中指标的数值大多大于0.4，说明本文所构建的退货物流服务质量评价指标的相关性较强，可以进行下一步的样本数据检验和分析。

　　（二）信度检验

　　信度检验主要是利用SPSS测量评价指标的稳定性、一致性和可靠性的方式。在本文中主要运用了α可靠性系数检验和折半可靠性检验对收集的问卷样本数据进行检验，进一步验证所收集的样本数据的可信程度。

　　1.α可靠性系数法。Cronbach'sα可靠性系数是目前最常用的可靠性系数，其公式为：

　　式中：K表示评价指标的总数；∑S2i表示各项指标的方差总和；S2x表示所有指标总分的方差；α的值越大越好。

　　利用SPSS软件对收集的样本数据进行可靠性分析，可以得到Cronbach'sα系数（0.887）和基于标准化项的Cronbach'sα系数（0.886），说明该调查所收集的数据相对可靠，检验结果合理有效。

　　2.折半可靠性法。折半可靠性法是将调查指标分为两半，利用Spearman-Brown公式计算相关系数，进而估计整个量表的可靠性（谢龙汉等，2014），折半信度系数越大越好，一般系数大于0.6认为是可以被接受的。Spearman-Brown公式为：

　　其中rsb表示折半后的可靠性系数；rxy表示两半之间的相关系数。

　　利用SPSS软件对收集的样本数据进行折半可靠性检验，通过分析，所得到的结果显示：GuttmanSplit-Half系数为0.843，说明该调查所收集的数据相对可靠，检验结果合理有效。

　　（三）效度分析

　　进行因子分析前，一般使用KMO检验和Bartlett球度检验的方法，对样本是否适合做因子分析进行检验。

　　KMO检验是用来比较指标间简单相关系数和偏相关系数的指标，它的取值一般介于0到1之间。KMO值越接近1，变量间相关性越强，越适合做因子分析。Bartlett球度检验是假设变量间的相关系数矩阵为单位矩阵，根据相关系数矩阵的行列式得到Bartlett球度检验统计量。它的近似卡方值越大，且对应的相伴概率值小于给定的显著性水平（0.05），则拒绝原假设，认为变量之间存在相关性，适合做因子分析（陈文国，2012）。

　　因此，利用已有数据对评价指标进行效度检验，得到相应分析结果。其中KMO的检验值为0.846，Bartlett球度检验的近似卡方值为970.633，相伴概率（Sig.）为0.000，远小于给定的显著值0.05。检验结果表明：各指标之间存在相关性，适合做因子分析。

　　（四）因子分析

　　因子分析法是从研究变量内部相关的依赖关系出发，把具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法（谢龙汉等，2014）。

　　共同度检验。利用SPSS软件进行共同度检验。分析结果显示各指标在初始值为1.000时，共同度数值最小为0.437，均大于0.4。因此，在不删除任何指标的前提下，公因子能够很好地解释指标。

　　提取公因子。提取公因子的基本思路是将变量按相关性大小进行分类，找出对应的公因子。利用因子分析中的主成分分析法，对样本数据进行公因子的提取，如表1所示。

　　如表1所示，前5个因子的解释总方差的累积占比为64.897%（>60%）。因此，将特征值大于1的前5个因子设置为公因子。这5个公因子占比分别为：F1（36.169%）；F2（9.146%）；F3（7.202%）；F4（6.428%）；F5（5.952%）。

　　因子旋转。由因子分析模型可知，公因子F1（响应性）由同行业快递服务性价比、退货查询及时便捷、退货商品处理时间限制、快递人员服务态度、解决意外事故时退货物流服务时限的黏性5个指标决定。所以，快递企业要从以上方面提高快递的响应度，从而提高服务质量。

　　公因子F2（可靠性）由退货失败时退款方式是否安全、退货物流投递的准确性、快递人员形象组成。快递企业要注重货物和款项安全可靠，维护服务人员的个人形象，进而提高企业的服务质量。

　　公因子F3（移情性）由个性化服务、与客户及时沟通、快递设备和设施先进及便捷3个指标决定。快递企业要提高企业的服务质量，就要善于与消费者沟通，提供个性化的便捷服务。

　　公因子F4（保障性）由退货热线畅通、退货物流支付价格合理、客户个人和财产信息的保护、退货流程便捷组成。保障热线畅通、保护消费者个人和财产安全、确保收费合理是提高服务质量的必要选择。

　　公因子F5（有形性）由快递人员处理业务能力水平、快递公司退货物流信息的反馈能力2个指标组成。快递企业要想提高服务质量，需要提高自身的能力。

　　最终确定的快递退货物流服务质量评价体系如表2所示。

　　（五）指标权重分析

　　权重是指该指标在整体评价中的相对重要程度。一级指标的权重可以用因子分析法中各个公因子对目标指标的贡献率确定。从表1的公因子指标占比率可以看出，5个公因子的累积贡献率64.897%，且各指标的贡献率分别为：36.169%、9.146%、7.202%、6.428%、5.952%。能够计算出个公因子的权重分别为：0.5573、0.1409、0.1110、0.0990、0.0917。

　　在计算构建体系的二级指标时，利用成份得分系数矩阵中各指标得分系数建立有关于公因子的线性回归方程，从而计算各指标的权重，如表3所示。由表3可以得到以下结果：第一，通过调查和数据分析将原始构建的指标体系进行调整，确定最终的指标体系。第二，在5项一级指标中，响应性的权重比值最大（55.73%），其次为可靠性（14.09%）、移情性（11.10%）、保障性（9.90%）、有形性（9.17%）。第三，根据权重计算可知，“同行业快递服务性价比”、“退货失败时退款方式是否安全”、“个性化服务”、“退货热线畅通”、“快递人员处理业务能力水平”为各一级指标中占比最大的指标。

　　结论与建议

　　分析的结果显示，作为物流企业在退货服务过程中仍然需要进行不断改进。

　　第一，因子分析表明：响应性方面，快递人员在服务过程中应当提高业务能力，缩短处理意外事故的时间，提升时限黏性（因子载荷为0.529）。提高解决意外事故时的服务时限黏性，是物流企业提升服务响应性需要关注的重要部分之一；可靠性方面，快递人员在服务中应当注重个人形象（因子载荷为0.450），给予客户更多安全感。个人形象的提升，有助于促进物流企业整体服务形象的提升；移情性方面，客户在接受服务时，更注重物流设备和设施是否先进、便捷（因子载荷为0.505）。物流企业要想降低退货物流服务的投诉率，就需要建立先进、便捷的物流设备和设施；保障性方面，客户更注重退货流程是否便捷（因子载荷为0.473）。因此，企业需建立更便捷的退货流程，利于巩固其消费者人群，促进物流服务质量的提升；有形性方面，物流企业需重视物流信息反馈的能力（因子载荷为0.670）。提升企业物流信息的反馈能力，是提高退货服务质量的重要措施之一。

　　第二，通过权重计算可知：客户在接受退货服务过程中，更注重物流企业的响应程度（权重为0.5573）。因此，物流企业需要通过建立及时便捷的查询平台、提升快递人员的服务态度、缩短退货时限、提高企业服务性价比、提高快递人员解决意外事故时的服务时限黏性，提升物流企业的退货服务质量。