新零售下全渠道供應鏈的線上線下協(xié)同研究

賀金霞 副教授（河南工程學院 鄭州 450000）

引言

2016年，阿里巴巴董事長馬云在云棲大會上提出，未來零售行業(yè)的發(fā)展是在大數(shù)據(jù)、云計算等創(chuàng)新技術的引領下，線下線上深度融合，借助現(xiàn)代化的物流，形成“實體+網(wǎng)上+物流”的新零售模式。新零售模式的特征之一就是線上線下全渠道融合，即通過線上線下互動融合，改善購物體驗，提高流通效率，提升消費者的消費體驗。由此可見，要想實現(xiàn)全渠道融合，全渠道供應鏈的整合和優(yōu)化首當其沖。供應鏈協(xié)同有助于供應鏈上各節(jié)點企業(yè)為實現(xiàn)供應鏈的整體目標而共同努力、協(xié)調同步，實現(xiàn)各環(huán)節(jié)無縫對接。全渠道供應鏈協(xié)同是全渠道供應鏈得以整合和優(yōu)化的基礎和前提。因子分析包括探索性因子分析（EFA）和驗證性因子分析（CFA）。探索性因子分析的作用是將關系復雜的多個變量綜合為少數(shù)幾個核心因子，然后通過驗證性因子分析驗證所提取的核心因子與其相對應的測度項之間的關系是否符合所設計的理論。將探索性因子分析和驗證性因子分析相結合，可以通過尋找潛在公共因子，合理解釋因子的意義，從而揭示錯綜復雜的事物的內部結構。因此，通過因子分析可以提取全渠道供應鏈協(xié)同的公共因子，保障全渠道供應鏈協(xié)同的有效實施。

理論背景

供應鏈管理中有兩大效應：雙重邊際效應和牛鞭效應，這兩大效應極大地影響了供應鏈的效率和效益。雙重邊際效應是指各成員企業(yè)為了追求個體利益最大化，導致企業(yè)分散決策產(chǎn)生的供應鏈整體收益低于集中決策的供應鏈收益。為了克服這種現(xiàn)象，需要在供應鏈成員間培育收益共享的理念，并通過供應鏈成員簽訂收益共享契約來保障各成員協(xié)同決策、共享收益。牛鞭效應指需求訂單沿著供應鏈流動時被不斷變異放大，這種現(xiàn)象不可避免會產(chǎn)生高成本，如生產(chǎn)和倉庫資源的低效利用，高昂的運輸和庫存成本，變差的客戶服務，不確定的生產(chǎn)計劃等。供應鏈成員間的信息共享可以有效降低牛鞭效應。企業(yè)通過收集、分析、共享各成員的生產(chǎn)及銷售信息，有效減少信息不對稱的現(xiàn)象，促進供應鏈各環(huán)節(jié)有效、無縫銜接，減少不必要的浪費，提高協(xié)同收益。為了保障供應鏈成員間的完全信息共享，需要簽訂信息共享契約以規(guī)范和約束各企業(yè)信息的透明度和準確性。雖然，契約的約束力得到了理論界和實踐者的共同認可，不可否認違約現(xiàn)象仍時有發(fā)生。究其原因主要是契約簽訂者缺乏良好的契約精神。由此可見，供應鏈協(xié)同的影響要素主要包括信息共享、收益共享和契約精神。通過對三大因素的管理和控制可以改善雙重邊際效應和牛鞭效應，提高協(xié)同收益，實現(xiàn)有效的供應鏈協(xié)同。諸多研究證明收益共享和信息共享對供應鏈協(xié)同收益影響巨大，但企業(yè)往往需要通過簽訂具有法定意義的正式契約來保障企業(yè)間的收益共享和信息共享。企業(yè)秉承的契約觀和契約精神對企業(yè)間的信息和收益共享有著直接的影響，并間接影響協(xié)同收益。因此，全渠道供應鏈協(xié)同要素的關系模型如圖1所示。

圖1 研究模型

研究設計

（一）研究樣本

糧食屬于大宗商品，關系國計民生。近年來，隨著“互聯(lián)網(wǎng)+”在糧食行業(yè)的推廣應用，新零售模式對糧食行業(yè)的影響越來越大。本調研主要針對糧食行業(yè)，數(shù)據(jù)采集自河南、河北、山東等產(chǎn)糧大省的 32 家大中型企業(yè)和51個種糧大戶，其中糧食加工企業(yè)17家、糧食批發(fā)和零售企業(yè)15家。調研以調查問卷的方式進行，主要包括網(wǎng)上發(fā)放和當面訪談兩種形式。網(wǎng)上回收問卷387份，有效問卷352份，訪談回收問卷60份，全部為有效問卷，合計回收有效問卷412份。問卷分為兩部分，隨機抽取100份用于探索性因子分析，其余的312份用于驗證性因子分析。調研對象主要包括采購、生產(chǎn)、銷售等與供應鏈協(xié)同相關的工作人員。男性占比62.2%，女性占比37.8%。平均年齡32.18歲，平均工作年限6.12年。

表1 KMO和巴特利特檢驗

表2 公共因子解釋方差

表3 旋轉后的成分矩陣a

（二）變量測量

供應鏈協(xié)同：Stank （2001）針對企業(yè)間的供應鏈協(xié)同設計了5個問項，分別為企業(yè)的績效評價是否包含了合作伙伴的績效（SCC1）、與上下游企業(yè)的合作是否提高了企業(yè)績效（SCC2）、伙伴間能否共享收益、共擔風險（SCC3）、合作是否提高了企業(yè)的運營靈活性和上下游企業(yè)能夠合作默契（SCC4）、共享成果（SCC5）等。

協(xié)同收益：Peter Michael Ralston在其博士論文中將協(xié)同收益分為兩個維度：財務收益（FP）和運營收益（OP）。財務收益采用Flynn et al. （2010）給出的6個題項，運營收益采用Grawe et al. （2011）給出的5個題項。

信息共享（IS）：呂暉在參考了Zhao et al.（2008）、葉飛和徐學軍（2009）等研究的基礎上，針對信息共享設計了 2組共12個測量問項，分別用來測量制造商與上游供應商和下游客戶間信息共享的程度。因各題項描述內容較雷同，為避免共線性，將2組12個題項合并為1組6個題項。

收益共享（RS）：收益共享即合作利益的分配。葉懷珍，胡異杰（2004） 建立了供應鏈合作伙伴的收益分配模型，該模型以多勞多得、風險補償為基本原則；Satyaveer S.Chauhan，Jean-Marie Proth.（2005）構建了三級供應鏈成員企業(yè)之間的利潤分配模型，認為利潤分配應基于企業(yè)承擔的風險和投資比例。J. Adetunji Adegbesan and Matthew J.Higgins（2010）認為議價能力是影響收益分配的另一因素。因此，收益共享從投入、風險分擔和議價能力三個方面設計了7個題項。

契約精神（CS）：包括簽訂契約時的公平維度和執(zhí)行契約時的誠信維度。公平維度包括充分溝通、自愿、協(xié)商和雙贏4個題項。誠信維度主要考察出現(xiàn)不利情形時能否順利執(zhí)行合同，包括4個題項。

以上各題項均采用 Likert7 系量表進行評價，從 1-7級依次表示“非常不同意、不同意、稍微不同意、一般、稍微同意、同意、非常同意”。

數(shù)據(jù)分析

（一）探索性因子分析

探索性因子分析是一種根據(jù)相關性大小對原始變量進行分組的因子分析方法。通過探索性因子分析可以使得同一組變量間存在較高的相關性，不同組變量間的相關性較低。首先對問卷進行預分析。問卷原有題項33個，對問卷進行因子分析，先后刪除因子負荷較小的題項IS6、RS7、CS5、CS7、OP5和SCC5。至此，問卷有效題項降為27個。接下來對問卷數(shù)據(jù)進行統(tǒng)計分析，統(tǒng)計軟件使用SPSS22.0。統(tǒng)計結果顯示，KMO值為0.903，表明各變量間相關性較強； Barlett球形檢驗結果表明變量間并非獨立（見表1）。因此，問卷數(shù)據(jù)非常適合做因子分析。然后是因子旋轉和提取。因子旋轉的目的是通過調整公共因子載荷大小對公共因子進行解釋，通常采用方差最大化正交旋轉的方法。因子的提取方法為主成分分析法，盡量使變量的方差能夠被提取的主成分（公共因子）解釋。提取公共因子之后，根據(jù)研究需要確定公共因子的個數(shù)。公共因子的篩選方法采用凱澤（Kaiser）特征根法，用特征根表示引入該公共因子后可解釋平均多少原始變量信息。因為本研究題項數(shù)目介于20至50之間，所以選擇特征值1作為公共因子選擇的準則。綜上所述，本研究采用方差最大化正交旋轉方法，要求特征根大于1且累積方差貢獻率大于80%。通過因子旋轉最終提取了6個主成分（公共因子）。

接下來對被提取的6個主成分（公共因子）進行相關分析，分析結果表明各主成分（公共因子）間完全不相關（Pearson值均為0），且前6個公共因子的特征根均大于1，累積方差貢獻率達到了88.220%，即包含了88.220%的原始數(shù)據(jù)的信息量，具體如表2所示。

最后是公共因子結構分析。用因子荷載值表示公共因子與變量的相關程度，因子荷載值的絕對值越大表明該公共因子對對應變量的影響程度越大。表3反映了不同公共因子所解釋的變量，每組變量系數(shù)的絕對值均較大且大小相當。在公共因子RS的線性組合中，主要是RS1、RS2、RS3、RS4、RS5、RS6綜合反映，可以理解為是對“收益共享”的要求；在公共因子CS的線性組合中，主要是CS1、CS2、CS3、CS4、CS5、CS6綜合反映，可以理解為是對“契約精神”的要求；在公共因子IS的線性組合中，主要是IS1、IS2、IS3、IS4、IS5綜合反映，可以理解為是對“信息共享”的要求；在公共因子FP的線性組合中，主要是FP1、FP2、FP3、FP4、FP5、FP6綜合反映，可以理解為是對“財務收益”的要求；在公共因子SCC的線性組合中，主要是SCC1、SCC2、SCC3、SCC4綜合反映，可以理解為是對“供應鏈協(xié)同”的要求；在公共因子OP的線性組合中，主要是OP1、OP2、OP3、OP4綜合反映，可以理解為是對“運營收益”的要求。從以上各公共因子的構成來看，每個公共因子的構成與問卷原結構是完全相符的，說明問卷內在結構性較為理想。

（二）信度分析

信度分析的作用是測量量表結果的一致性和穩(wěn)定性，主要體現(xiàn)為各問項間的相關系數(shù)，問項間的相關性越高，則信度也越高，亦即測量量表的一致性越高。在對李克特量表信度的研究中，一般是通過測量Cronbach's α系數(shù)來判斷各問項之間的一致性。從表4的數(shù)據(jù)分析結果可以看出，各潛變量的Cronbach's α系數(shù)在0.954到0.978之間，合計Cronbach's α系數(shù)為0.967，可認為問卷各維度數(shù)據(jù)之間的一致性較好，因此問卷具有較高的信度質量。同時可以發(fā)現(xiàn)，各個問項的修正后項總相關系數(shù)均大于0.5，并且刪除任何一個問項均不會引起Cronbach's α系數(shù)的顯著變化，說明各個題項設計合理，現(xiàn)問卷題項可不必剔除。

表4 各變量Cronbach's α信度分析結果

表5 驗證性因子分析的擬合指標

（三）驗證性因子分析

驗證性因子分析的目的是證實問卷建構效度和理論邏輯的合理性。本研究使用mplus7.0軟件構建模型并進行計算，模型擬合指標值如表5所示。從表5中可知，卡方與自由度之比為3.17，CFI和TLI均高于0.9，RMES稍高于0.08，SRMR=0.048，在好的標準范圍內，總體來看，可以判定模型的擬合度較好，說明本研究的問卷整體結構效度良好。且各題項與相應潛變量的相關系數(shù)均小于0.05，可以認為各個題項與對應的潛變量具有顯著的相關性，進一步說明本次問卷整體效度較為理想。

結論

供應鏈協(xié)同是供應鏈管理領域研究的熱點話題，受到社會各界的廣泛重視。供應鏈協(xié)同不僅有利于企業(yè)競爭力的強化，還有利于供應鏈整體目標的達成和整體收益的提高，有助于實現(xiàn)全渠道供應鏈的有效融合，適應新零售的發(fā)展趨勢。本文通過探索收益共享、信息共享和契約精神與協(xié)同收益和供應鏈協(xié)同之間的關系，發(fā)現(xiàn)供應鏈協(xié)同的源動力是協(xié)同收益（包括財務收益和運營收益），而收益共享、信息共享和契約精神對協(xié)同收益均有影響。為證明研究模型的有效性，在理論和文獻綜述的基礎上，構建各變量調研題項，設計調查問卷，運用因子分析方法對樣本進行分析，驗證量表的信度及效度。通過探索性因子分析提取了6個公共因子，且公共因子解釋的變量與問卷原結構完全相符，因此可以認為問卷內在結構性較為理想。各潛變量的Cronbach's α系數(shù)均高于0.9，可認為問卷各維度數(shù)據(jù)之間的一致性較好，問卷具有較高的信度質量。驗證性因子分析證明，各個題項與對應的潛變量存在明顯的相關性，進一步說明本次問卷各潛變量整體效度較為理想，可以成為測量全渠道供應鏈協(xié)同的工具。