基于因子分析法的物流供应商选择模型研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于因子分析法的物流供应商选择模型研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：为了解决在B2C交易实现过程中，由于物流配送供应商的选择不当，而出现配送周期长、费用高、退货退款率增加等问题，本文利用因子分析法探索选择物流配送供应商的合理方法，运用便捷有效的方法帮助电商选择适合自己的物流配送供应商。

Abstract： In order to solve the phenomenon such as long cycle of distribution， high cost， high rate on refunds and so on because of the improper selection of logistics suppliers in the process of B2C transaction implementation， the author explores a reasonable way to select logistics supplier by using factor analysis method to help B2C enterprises choose the proper logistics supplier.

关键词： 因子分析法;供应商选择;B2C;配送

Key words： factor analysis;the selection of logistics suppliers;B2C;distribution

0 引言

随着经济全球化的加速，信息技术发展的突飞猛进，网络购物逐渐成为目前人类消费的主流趋势，越来越多的电子商务企业开始注重物流供应商的选择与评价。物流供应商的选择是一个多目标决策过程，B2C企业关注的热点是如何选择更符合自身发展的物流配送供应商。选择物流配送供应商的方法有很多，大致可以分为三种：定性选择方法、定量选择方法及定性与定量相结合的选择方法。依赖过去的经验和专业知识去选择评价供应商是定性选择法的执行准则;通过分析物流供应商的相关数据去比较评价供应商的是定量选择法的执行准则。一般情况下，为了能够客观地、科学地选择供应商，在进行选择时应尽可能选用定量选择方法。但是由于选择过程中准确的量化指标有一定的难度，因此，在实际的供应商选择过程中，多采用定性与定量相结合的选择方法[1]。国内外供应商选择的方法有很多，常用的有直观判断法、协商选择法、购成本比较法、线性权重法、招标法、ABC成本法、层次分析法、模糊综合评判法、因子分析法、数据包络法、遗传算法以及人工神经网络法等[2]。定性评价法带有很强的主观性，评价结果不能很好地反映实际情况;定量评价法要求所有指标都是可以量化的，实际操作中有一定的难度，针对以上情况，本文采用因子分析法来构建供应商评价选择模型。

1 物流供应商评价指标体系的确定

1.1 供应商评价指标 选择供应商是在遵循科学性、完整性、简洁性、系统性、可行性、可比性、定性与定量相结合性等原则的前提条件下，建立一个满足企业发展要求的供应商评价指标体系。而且，要使确定下来的评价指标能够全面、科学、客观地体现物流供应商的真实水平。文章在参考前人文献资料和供应商评价指标的构建原则的前提下，结合电商企业的实际情况，本文拟选取以下4项指标作为B2C模式下物流配送服务商的评价指标，分别是X1：按时送达时间;X2：货损率;X3：投诉率;X4：价格（见表1）。

1.2 评价指标值的量化 为了保证数据分析结果的科学性和有效性，需要对原始数据进行标准化处理。标准化处理的目的是消除或降低因量纲不同而造成分析结果的误差，主要是依赖于一定的数学转换方法，对评价指标的数值进行无量纲化、正规化处理，把性质不同、量纲不同的指标转化为可以相互比较分析的量化值[3]。标准化处理分为三类，分别是正向指标、适度指标和逆向指标，在综合评价时必须对指标数值进行一致化处理以消除正逆指标的影响[4]。

①正向指标指的是那些越大越有益于评价结果的指标，正向指标一致化的公式如下：

X■=■

②逆向指标指的是指标数值越小越好的指标，逆向指标一致化的公式如下：

X■=■

③适度指标指的是那些越接近某个值越好的指标，适度指标一致化公式如下：

X■=■

2 物流供应商选择模型的构建

2.1 因子分析法的原理 因子分析法的原理如下[5]：

原始变量：X1， X2， X3， X4，.…，Xn

主成分：Z1， Z2， Z3， Z4，…， Zn

则各因子与原始变量之间的关系就可以表示为：

X■=b■Z■+b■Z■+b■Z■+…+b■Z■+e■

X■=b■Z■+b■Z■+b■Z■+…+b■Z■+e■

X■=b■Z■+b■Z■+b■Z■+…+b■Z■+e■

X■=b■Z■+b■Z■+b■Z■+…+b■Z■+e■

写成矩阵形式为：X=E+BZ。其中，X称作原始变量向量，E称作残差向量，Z称作公因子向量，B称作公因子负荷系数阵。公因子称为正交模型前提是Z1，Z2，…Zn之间互不相关。求出公因子负荷系数阵B和残差E是因子分析的目的。如果计算过程中可以不考虑残差E的作用，上述公式可以写成X=BZ。当公因子向量Z中的各分量彼此互不相关时，就构成了特殊形式的因子分析，即主成分分析。主成分分析模型可以写成：

Z■=a■X■+a■X■+a■X■+…+a■X■

Z■=a■X■+a■X■+a■X■+…+a■X■

Z■=a■X■+a■X■+a■X■+…+a■X■

Z■=a■X■+a■X■+a■X■+…+a■X■

写成矩阵形式：Z=AX。其中，X为原始变量向量，A为主成分变换矩阵，Z为主成分向量。在进行主成分分析时的任务是把主成分变换矩阵A求出来。一般来说，主成分Z的数量是和原始变量X的数量成正相关的。但在实际操作中，大部分方差集中在前面几个主成分中，因此原始变量X的数目会远远大于提取出的主成分Z的数目，但是绝大部分信息被很好地保留在提取出来的主成分当中。因此在进行主成分分析时，为了简化问题，只需要选取方差最大的前几个主成分即可。

2.2 供应商评价选择模型的步骤 在确定好的供应商评价指标体系的前提下，以因子分析法的基本原理为依据，本文设计的供应商评价选择步骤见图1。

步骤一，以确定好的评价指标为依据，确定相关数值，并将数据进行标准化处理;

步骤二，输入SPSS软件中，进行KMO检验和Bartlett 球形检验，若检验结果显示不适合做因子分析，则需要重新选取评价指标;若检验结果显示评价指标可以进行因子分析，则进入步骤三;

步骤三，根据步骤一得到的指标数据进行因子分析，从因子得分表中可以得到不同供应商的主成分得分情况;

步骤四，根据主成分方差贡献率可以计算出不同供应商的综合得分情况及排名。

3 实例验证

3.1 KMO检验和Bartlett球形检验 本文选用12个样本进行指标分析，将搜集到的评价指标的数据，输入SPSS16.0中进行因子分析，得到表2。由因子分析法的理论可知，KMO检验是用于比较各个变量间的简单相关和偏相关系数。KMO检验的数值变化范围是从0到1，普遍认为，KMO检验值越接近1就越适合做因子分析;若较小，则表示变量间的相关度不高，不宜进行因子分析[6]。表2中KMO检验结果是0.520，大于0.5，即可以对数据进行因子分析。

3.2 因子得分系数 根据Kaiser标准化的正交旋转法，可以得到因子得分系数（见表3）。

同时亦可写出主成分的表达式：

F1=0.485X1+0.341X2-0.083X3+0.451X4

F2=0.060X1+0.436X2+0.654X3-0.312X4

3.3 不同供应商的主成分得分情况 将标准化矩阵中的每行对应代入到主成分的表达式中，就能够求得跟前2个主成分对应的12个供应商的得分（见表4）。

3.4 供应商的综合得分情况 根据前2个主成分的方差贡献率和12个供应商在前2个主成分的得分情况，可以有如下公式和供应商的综合得分情况（见表5）。

F总=0.4471F1+0.3466F2

从表5中可以看出第5个供应商的综合得分最高，应该选其作为电商企业最终的合作伙伴。

4 结论

在B2C电子商务快速发展的今天，为了解决在B2C交易过程中由于物流配送供应商的选择不当，出现配送周期长、费用高、退货退款率增加等，进而影响商家的信誉、经营等情况，本文利用因子分析法探索末端物流配送供应商选择的合理方法，运用便捷有效的方法帮助电商选择适合自己的物流配送供应商，有助于降低电商的配送成本，提高产品的配送效率，提高产品的配送质量和服务水平，提升电商的信誉及经营状况，同时也促进物流企业的转型，提高市场竞争力。通过实例验证，可以看出利用因子分析法对评价指标进行分析，可以得到不同样本的得分情况，避免了传统评价方法中的主观性，提高了评价结果的科学性、可信性，具有很好的实用性。

参考文献：

[1]王刚，梁军.物流学[M].北京：人民邮电出版社，2012：169-172.

[2]顾基发.综合评价方法[M].北京：中国科学技术出版社，1990.

[3]陈华强.中国上市商业银行竞争力分析――基于因子分析法的实证研究[D].江西：南昌，2013.

[4]刘晓鹏.基于因子分析法和熵权的企业财务竞争力评价方法比较研究[D].四川：西南交通大学，2011.

[5]张颖.统计软件应用案例――以SPSS为例[M].北京：知识产权出版社，2013：176-178.

[6]林巍.基于R型因子分析的我国国际原油贸易物流运输方式选择研究[J].物流技术，2013，8（32）：134.