基于GRA的区域冷链物流服务质量评价模型研究

袁媛，岳伟，高波，张鑫增，李勇超

摘  要：为提高区域内冷链物流的服务质量，文章以SERVQUAL模型为基础，并结合冷链物流的相关特点，建立以冷链物流服务质量为目的的初始综合评价体系。在分析方法上，首先通过灰色关联分析（GRA）对下行的二级指标进行有效提取；其次结合FAHP法对区域内的冷链物流服务质量进行综合评价，得出在该区域内对五个维度以及总目标在满意程度上的综合评价结果；最后根据评价结果进行分析，对其提出相关的合理化建议，提高冷链物流服务水平。

关键词：物流服务质量；SERVQUAL模型；灰色关联分析；FAHP综合评价

中图分类号：F274    文献标志码：A

DOI：10.13714/j.cnki.1002-3100.2023.11.034

Abstract： In order to improve the service quality of cold chain logistics in the region， based on the SERVQUAL model and combined with the relevant characteristics of cold chain logistics， this paper establishes an initial comprehensive evaluation system for the purpose of cold chain logistics service quality. In the analysis method， first of all， through the grey correlation analysis of the downward secondary indicators are effectively extracted， and then combined with FAHP method to evaluate the quality of cold chain logistics service in the region， the comprehensive evaluation results of five dimensions and the overall goal in the region are obtained. Finally， based on the analysis of the evaluation results， relevant reasonable suggestions are put forward to improve the service level of cold chain logistics.

Key words： logistics service quality; SERVQUAL model; grey relational analysis; FAHP comprehensive evaluation

0  引  言

根據SERVQUAL模型中有关物流服务质量的概括性描述，冷链物流服务质量是被服务对象对冷链物流活动过程中各个方面满意程度的综合体现。所以，冷链物流的服务质量对服务提供方的效益有着直接的影响，因此分析冷链物流服务质量的影响因素对提高冷链物流水平、优化自身产业结构都有着十分重要的意义。

许多国内外学者对如何评价物流服务质量做过许多相关研究，如：Perrault和Russ[1]两位学者最早开始对物流服务质量进行研究，提出了7Rs经典的基础理论，由PZB团队[2]提出的SERVQUAL评价模型是在5GAP模型的基础上建立的，其实质在于根据客户感受到的服务质量与期望的服务质量相对差值进行评判，改进后SERVQUAL模型会考虑物流活动的各个方面，多维地对客户的感受进行综合评价。此外，由MENTZER[3]研究的LSQ模型则将研究的重点转移到了物流服务发生的时间过程上，从客户角度出发探究各个维度之间的关联性。

在国内方面，众多学者结合特殊环境，以SERVQUAL模型为基础进行相关研究，例如：吴镜[4]研究了在电商平台下顾客视角的物流服务；黄恩钰[5]则是研究B2C电子商务逆向物流的服务质量；吴承云[6]以“生鲜配送最后一公里”为研究对象，分析了服务质量差异；而乔晓冰[7]以生鲜产品建立评价体系，多维度地对物流服务方做出打分，并进行研究评价。本文则是根据冷链物流服务质量评价体系，运用灰色关联分析进行指标处理，并通过结构方程模型对数据进行分析，以此得到二级指标权重，最后对总目标进行综合评价。

1  冷链物流服务质量评价指标体系的构建

在进行冷链物流服务质量评价体系构建时，需要遵循以下基本原则，即：科学合理性原则、可量化性原则及可操作性原

则[8]。在上述原则下构建指标评价体系，才能保证其可靠有效。

SERVQUAL模型和LSQ模型从物流活动的多个维度分析了影响服务质量的因素，因此，以两种模型为基础，并结合现阶段冷链物流的发展状况、活动特点、应用环境和服务对象的多维度感受，建立冷链物流服务质量评价体系。其中以冷链物流服务质量为根本目的，并下设5个一级指标和22个二级指标来进行综合评价，如表1所示。

2  研究问题及方法

根据上述建立的冷链物流服务质量评价体系，以调查问卷的形式向区域内参与冷链物流的终端商户群体做出调查。问卷中包含冷链物流服务质量评价体系中的一级指标：可靠性、时效性、专业性、关怀性和经济性，以及其下的22个二级指标，并以1～5分分别表示不重要、较不重要、一般重要、重要以及非常重要，并以此对22个二级指标做出评价打分，打分原则根据他们各自认为的冷链物流活动中影响物流体验的重要程度进行，并对调查结果进行收集整理。

在收集的数据中，由于二级指标数目众多，可选取具有代表性的二级指标评价因子对一级指标进行关联度分析，所以本文采用灰色关联分析法对二级指标因子进行筛选，通过计算其关联度，达到降维效果，并使用Matlab对灰色关联分析法进行编程、计算，确定出各指标的权重大小，再运用模糊综合评价法综合一级指标上的模糊集，以此确定最终得分权重，分析得出对冷链物流服务质量影响最大的维度指标。

2.1  灰色关联分析法（GRA）

（1）确定分析序列

首先确定原始数据序列，即各因素评价得分所组成的序列，之后再根据原始数据序列所组成的矩阵确定参考序列。

参考序列可以由各列指标的最优值组成，如下：

X■=x■■1，x■■2，x■■3，…，x■■n                                    （1）

（2）无量纲化处理

由于不同的指标有不同的量纲以及物理意义，为了便于进行比较，所以采用均值化法对各评价指标进行无量纲化处理。

x■k=■    i=0，1，…，m; k=1，2，…，n                               （2）

处理后的原始数据矩阵：

X■，X■，…，X■=■                                 （3）

（3）計算每列数据序列与参考序列的差并取绝对值

x■k-x■k， k=1，2，…，n; i=1，2，…，m                                   （4）

（4）灰色关联系数

ξ■k=■， k=1，2，…，n                   （5）

其中：maximaxkx■■k-x■■k表示两极的最大差，miniminkx■■k-x■■k表示两极的最小差。ρ为分辨系数，ρ越小关联系数间差异越大，区别能力则越强，通常ρ取0.5。

（5）关联度

r■=■∑■■ξ■k， i=1，2，…，m                                        （6）

其中：r■表示第i个关联度，r■越大代表对应的评价体系中的这项指标对服务质量的影响就越大。

2.2  基于FAHP的区域内冷链物流服务质量模糊综合评价

（1）构建因素指标集合

假设 A=A■，A■，A■，A■，A■为评价体系中的一级指标模糊评价集合。

假设D=D■，D■，…，D■为评价体系中二级指标模糊评价集合。

（2）模糊综合评价指标等级划分

按照区域内终端客户的满意程度划分为：V■=优秀、良好、一般、较差、差。

根据调查数据中不同指标的评价级别数目可以计算出不同指标之间的隶属度关系，再根据隶属度构建出二级指标的隶属度矩阵。

（3）指标隶属度矩阵

R=r■■=■                                        （7）

r■代表其指标的隶属度，归一化之后，每一行结果为1。

∑■■r■=1                                                 （8）

（4）计算二级指标层模糊向量

在灰色关联分析中得到二级指标因子的关联度，再根据关联度排序分析进行二级主要评价指标因子的提取，计算提取出主要指标因子的关联度权重大小，构成二级主要评价指标因子权重向量W。

W=■， ■， …， ■                      （9）

根据上述已知条件，计算出二级指标层模糊向量A。

A=W×R■                                               （10）

（5）结构方程模型

结构方程模型由两部分构成，即测量和结构模型，测量模型主要分析了观测变量和潜变量的关系，而结构模型则是主要分析潜变量和潜变量之间的关系，如下：

■                                              （11）

其中：X，Y为观测变量，即二级指标，而λ■为X在潜变量ξ的因子载荷矩阵，μ■为Y在潜变量η的因子载荷矩阵；φ，ε为测量误差，以二级指标为观测变量，一级指标为潜变量，得出其因子载荷系数并确定其一级指标的权重M。

根据调查数据中的指标所得因子载荷系数，归一化处理后，得到一级指标的权重向量：M=M■，M■，M■，M■，M■。

（6）高层次指标模糊综合评价

按照调查数据中所划分的满意程度，确定出其五种满意程度分别所对应的总目标综合评价结果，根据一级指标层上的模糊向量A和结构方程模型经过表观与潜在分析得到的一级指标的权重M，计算出其一级综合评价结果B。

B=B■，B■，B■，B■，B■=A■M■，A■M■，A■M■，A■M■，A■M■                            （12）

最后对一级综合评价结果进行加权平均处理，得到总目标的综合评价结果，根据总目标在评价等级上分布的权重，以此来综合确定目标区域内冷链物流的服务质量是否达标。

3  实例分析

3.1  信度效度检验及二级指标权重的确定

现将太原市万柏林区划分为冷链物流活动的主要调查区域，对区域内的多家生鲜商超及便利店就有关参与日常冷链物流活动的问题发放问卷并作为要素进行信息的调查和收集。主要调查区域及点位如图1所示。

在回收的调查问卷中，除去残缺以及回答不规范的问卷，保留了120份问卷做出研究。现使用Spss软件对其进行信度以及效度的检验，检测出其Cronbach's Alpha值为0.755，大于其指定标准值0.7，说明数据的内在一致性较高，拥有较好的信度，并且数据中总体的Kaiser-Meyer-OlkinKMO值为0.783大于0.7，而Bartlett's Test球体检验因子显著性通过检验，可以进行因子分析，且都在0.05水平下显著，说明了数据的效度也可以接受。综上所述，本文所研究的数据基础拥有良好的信度与效度。

现以一级指标中的可靠性维度举例，可靠性中包含了6个二级指标，从调查问卷中随机抽取10份问卷，这10份问卷中对应的可靠性维度的6个二级指标所获得的分数如表2所示。

将表2得分中的每组样本的最大值作为参考序列，Y■—Y■为随机抽取的样本，X■—X■为可靠性维度中的二级指标因素，并以此为评价指标进行灰色关联分析，利用Matlab编程求解关联系数和关联度，经过程序运行后，结果如图2所示。

根据计算结果确定二级指标中对应的灰色关联度，然后进行排序，选取排序靠前的主要指标，再根据筛选后的指标对应的关联度进行权重的计算，得到二级指标评价因子权重向量W■，筛选过程如表3所示。

由表3可以得到，可靠性的主要评价指标因子为：货物完好及新鲜程度、配送货物准确性以及配送平台的信誉度，根据式（9），得到二级指标评价因子权重向量为：W■=0.328，0.359，0.313。

3.2  指标隶属度及二級指标层模糊向量的确定

将有效的调查做整合之后，分别统计二级评价指标评语集的数目，通过每个指标每个评语数目对总数的占比，得到评价指标隶属度，如表4所示。

根据公式（7）可构建出二级指标因子的隶属度矩阵为：

R■=■

由公式（10）可得二级指标层模糊向量A■：

A■=■

以此方法逐个计算其他四个维度的二级指标层的模糊向量，计算结果，分别为：

A■=■    A■=■

A■=■    A■=■

3.3  模糊综合评价判别分析

一级指标权重的确定通常方法有专家评分法，层次分析法等，但这些方法的局限性是主观因素太强，不能做到完全客观地进行评价，因此运用Spss软件进行数据分析，使用结构方程模型分析因子载荷系数，归一化处理后，计算潜在变量和观测变量的权重，综合确定出每个一级指标的权重：

■

将一级指标权重向量M以及二级指标层模糊向量A■，A■，A■，A■，A■按评价划分，根据公式（12）可以得到一级综合评价结果B■—B■，如表5所示。最后可得总目标即太原市万柏林区区域内冷链物流服务质量的综合评价结果，如表6所示。

由表5可知，对于划分调查的区域内，根据最大隶属度原则来看，影响冷链物流服务质量的五个维度中，时效性和专业性的评价等级为良好，而关怀性和经济性的评价等级为一般，其中仅有可靠性的评价等级为优秀，由此说明，在划定区域内，对冷链物流服务质量可靠性构建的投入相比其他方面来说更加到位，从其余的四个方面来看，离最优目标还有一定的差距，特别是在关怀性和经济性上，区域内的冷链物流建设仍需要在满足客户的各方面需求和降低各个环节所需的费用上做出进一步完善，提升区域内对冷链物流服务质量的整体满意度。

而对于总体目标而言，根据表6可知，调查区域的冷链物流服务质量整体水平处于良好状态，但其距离一般评级较为接近，而距离优秀评级还相差较多，因此，该区域内的冷链物流服务商仍需在各个环节挖掘潜力，不断提高其冷链物流服务水平，为实现区域冷链物流服务质量的进一步提高提供有力保障。

4  结  论

综上所述，该区域对评价体系中五个维度的评价都不相同，其分别对总目标冷链物流服务质量产生了不同强度的影响，根据其评价分配权重的大小，可以得到关于提高冷链物流服务质量的合理化建议：

（1）树立以客户为中心的物流服务理念，物流各个环节实施更加精细化，物流服务提供方应注重物流服务质量的管理，确保冷链配送商品的新鲜及完整性，保证配送货物的准确性，树立良好信誉形象，为冷链物流运输提供一个更为可靠的环境。

（2）完善区域内冷链物流基础设施，提高物流作业水平。要因地制宜地根据区域物流设施条件，借鉴物流发达地区的相关管理经验，在物流规模发展的同时，更要兼顾完善管理规范条例，注重物流服务质量在每个配送环节都能得到保障，提高该区域的整体物流服务水平。

参考文献：

[1]  PERRAULT W D， RUSS F. Physical distribution service： Neglected aspect of marketing management[J]. MSU Business Topics， 1974，22（2）：37-54.

[2]  PARASURAMAN A， ZEITHAML VALARIE A. Berry leonard LSERVQUAL： A multiple-item scale for measuring consumer perceptions of service quality[J]. Journal of Retailing， 1988，63（49）：12-37.

[3]  ALEMU H. Implication of logistics service quality on customer satisfaction： The case of jumia online market[D]. Addis Ababa University， 2016.

[4] 吳镜. 基于顾客视角的生鲜电商物流服务评估指标体系研究[D]. 杭州：浙江理工大学，2016.

[5] 黄恩钰. B2C电子商务逆向物流服务质量评价体系构建[D]. 郑州：郑州大学，2017.

[6] 吴承云. 生鲜电商“最后一公里”物流配送服务质量评价研究[D]. 长沙：湖南大学，2018.

[7] 乔晓冰. 电商平台生鲜产品的冷链物流服务质量评价体系研究[D]. 昆明：昆明理工大学，2020.

[8] 李一. B2C电子商务逆向物流服务质量评价体系研究[D]. 哈尔滨：哈尔滨工业大学，2019.

[9]  NAQVI S S A. Effects of logistics outsourcing and service quality in e-commerce retail industry[J]. Supply Chain and Business Management， 2020，9（1）：7-18.

[10] 孙语聪. 电商末端物流服务质量对农村居民网购行为影响研究[D]. 长春：吉林大学，2018.

[11] 杜栋，庞庆华，等. 现代综合评价方法与案例精选[M]. 3版. 北京：清华大学出版社，2015.

[12] 张林凤. 农村电商物流服务质量评价研究[D]. 重庆：重庆工商大学，2016.

[13] 余庆泽，杨玉国，毛为慧，等. 基于SERVQUAL模型的科技金融平台服务质量评测研究——以P2P网贷平台为例[J]. 科技管理研究，2019，39（11）：113-121.