第三方物流外包服务综合绩效评估模型的构建

供应链管理环境下的现代物流企业的高效率运作，需要有优秀的物流合作伙伴提供运作资源支持。由于科学技术不断进步、社会分工日趋细化等原因，很多生产经营企业为集中精力搞好主业，就把原来属于自己处理的物流活动，以合同方式委托给专业物流服务企业，并密切保持着与物流企业的信息联系，借以实现对物流全程的管理与控制。由此，第三方物流（TPL）的重要性越来越突出。第三方物流外包服务，是物流企业的主要经营业务，在美国和欧洲均已高达60%以上，我国虽然起步晚，运作绩效较低，但也有相当高的比例，而且潜力巨大。如何科学评估第三方物流外包服务的综合绩效？这不仅是生产经营企业的迫切需要，而且也是物流企业的迫切需要。只有构建起科学的第三方物流外包服务综合绩效的评估模型，才能为生产经营企业、物流企业决策提供科学依据，才能改善经营，提高绩效。

一、评估模型构建的基本依据

（一）评价指标的选取

评价指标选取的原则，以及参考评价第三方物流企业的一般指标，适当选取比较具有代表性的指标，包括运力资源利用率、固定资产周转率、订单完成率、配送资源利用率等20个，令选取的指标变量为Xi（其下标的i的取值范围为1—20的整数）。X1——运力资源利用率（%），X2——固定资产周转率（%），直到X20——市场占有率（%）的命名。

100%，运力资源是指一个企业的机器设备等资源，运力资源利用率就是指企业的设备资源的利用效率。根据企业物流系统综合评价指标体系对企业物流系统进行综合评价时，评价指标多达20个，其发展方向和程度往往是不一致的，而且，每个指标都在不同程度上反映了物流系统的某些信息，但各指标间不可避免具有一定的相关关系。因此，所得数据反映的信息在一定程度上有重叠，这势必增加分析问题的复杂性。

因此，企业物流系统综合评价方法宜采用主成分分析法。

（二）运用因子分析方法的定量研究

数据来源及预处理，通过公开的信息以及收集到的12家第三方物流企业所公布的年度财务数据，再通过物流企业提供的竞标文件获得其他各项数据，归纳整理得到12个样本的原始数据。

对SPSS18.0软件进行设置和运行之后，会得到一些图表，通过这些图表中的数据，我们可以进一步进行分析。

二、评估模型构建的过程与结果

（一）方差分解（因子提取分析）

从相关矩阵的特征值与其贡献率及累计贡献率表列出的所有主成分可以看出，它们按照特征根从大到小的次序排列。第一个主成分的特征根为5.216，它解释了总变异的26.079%；第二个主成分特征根为4.036，解释了总变异的20.180%；第三个主成分的特征根为2.930，解释了总变异的14.650%；第四个主成分的特征根为2.368，解释了总变异的11.842%；它们的累计贡献率达到72.750%。一般而言，提取主要成分的累计贡献率达到80%～85%才算比较满意，可以依次决定需要提取多少主成分。

（二）成分矩阵（旋转结果分析）

旋转前因子载荷矩阵，是各个原始变量的因子表达式的系数，表达提取的共性因子对原始变量的影响程度。各原始变量在提取的公共因子下得分越高，即其绝对值接近1，表示它们与该公共因子的关系越密切，可以根据其得分的高低将其归为4类因子，为旋转前的因子载荷矩阵的一部分。

以物流设施投资增长率为例，它在第一个主因子的得分为-0.803，在第二个主因子的得分为0.265，第三个主因子的得分为-0.146，第四个主因子的得分为0.219。显然，物流设施投资增长率在第一个主因子处得分的绝对值最高，所以可以将其归入第一类主因子。其他因子，如仓库面积利用率、客户保持率等，也可同样分析。由于未旋转前的因子矩阵仅仅列出了得分，但是并未由高到低排序，为了方便对因子命名，可以将矩阵进行旋转，自动排序，这样可以更容易看出得分高低，从而方便命名。

如果根据以上数据，设计一个合适的表格，就可显示因子载荷两极分化后的结果，这时各成分变量的趋向性更集中，它是分析和概括共性因子意义以及命名因子的依据。这里的输出表格已经进行过排序，所以从表中也可以把相关因素分离出4种因子。根据各因子相对主成分因子的得分系数的高低，我们可以对这20个指标进行归类，归纳成4类主因子。

第一主成分F1，主要包含的指标有X6（仓容利用率）、X7（运输设备时间利用率）等。这些指标都有一个共同特性，它们都是反映企业利用设备资源的效率，所以将其命名为设备利用效率因子。第二主成分F2，主要包含的指标有X10（及时交货率）、X11（准确交货率）等。很显然，及时交货、准确交货、误差处理等指标都能够反映企业的服务质量和服务效率，所以将其命名为质量保证效率因子。第三主成分F3主要包含的指标有X1（运力资源利用率）、X2（固定资产周转率）等。这些指标包括企业在创新力上的投入和产出，总体反映企业的经营状况，所以将其命名为投入产出效率因子。第四主成分F4，主要包含的指标有X16（客户满意率）、X17（客户保持率）等。这些指标大都与客户有直接关系，反映企业在市场中的影响度和竞争力，所以将其命名为企业竞争效率因子。

（三）因子得分分析

因子得分能够反映各项指标变量与四个主因子之间的关系，在某一主因子上得分高，表明该指标与该主因子之间关系越密切，见下表，下表为因子得分矩阵表的一部分。主因子F1、F2、F3、F4分别从投入产出效率、设备利用效率、质量保证效率、企业竞争效率四个主要方面来评价第三方物流企业。根据下表，我们可以得到旋转后四个主因子F的主成分线性组合。

因子得分矩阵表（部分）

（四）综合评价

F=（26.079F1+20.180F2+14.560F3+11.842F4）/72.75，此公式中，F1、F2、F3、F4可在因子得分分析中得到，将12个企业的20个因素的数据代入，就可以计算出每个企业的综合得分，然后再对各企业的综合得分水平进行排序和比较，第三方物流企业E1，得分-0.4644，名次第9；E2，得分-0.5658，名次第10；E3，得分-0.3642，名次第8；E4，得分-0.5991，名次第11；E5，得分0.5944，名次第2；E6，得分-0.7294，名次第12；E7，得分0.5925，名次第3；E8，得分0.6353，名次第1；E9，得分0.2546，名次第5；E10，得分0.4927，名次第4；E11，得分0.0254，名次第7；E12，得分0.1280，名次第6。

从以上的资料中可以看出各个企业的综合得分的高低，从而对它们进行评价。其中，因为在进行主成分分析时对数据作了标准化处理，使得某些企业的得分为负数，这表示该企业的综合水平在全体被考察企业的平均水平之下，同理，若得分为正，则意味着该企业的综合水平在第三方物流企业平均水平之上，发展情况较好。

三、评估模型的进一步说明

第一，由于影响第三方物流的指标很多，并且变量单位各不相同，该模型通过对原始数据的标准化处理和数学变换，消除了指标间的相关影响，以及由于标准分布不同、数据本身差异造成的不可比性，保证了评价的质量。

第二，模型从多个指标中选出四个主因子，将较多的信息量转为少而相对准确的信息量，方便了对第三方物流评价选择的过程，使问题简单化。在评价物流企业时，这是一个比较科学丽简单的方法。模型的评价结果比较客观，符合当今第三方物流企业的发展状况。

第三，从模型所得的积累贡献率仅仅达到72%左右，对于整体信息的掌握度约在八成左右，还不能达到非常满意的结果，目前我们所取得四个主因子仅仅能够概括20个主因子，还不够全面和准确。

第四，就提取的主因子来看，是比较符合第三方物流发展状况的，大多数客户都比较重视设备利用，且服务质量也是越来越受到重视的因素之一，此外投入产出、企业竞争是不容忽视的关键因素。但是，几个主因子之间还存在一定的相关性，比如质量保证率和企业竞争效率之间存在很大的相关度，这是这个模型的不足之处。