我国第三方物流企业融通仓业务风险因素评价

刘 念，刘逸伦 ，刘一沙

(1.湖南工业职业技术学院，湖南 长沙 410208；2.湖南大学金融统计学院，湖南 长沙 410082)

我国第三方物流企业融通仓业务风险因素评价

刘 念1，刘逸伦2，刘一沙1

(1.湖南工业职业技术学院，湖南 长沙 410208；2.湖南大学金融统计学院，湖南 长沙 410082)

通过文献研究、专家访谈的方法构建了我国第三方物流企业融通仓风险因素评价的指标体系。环境风险、质物风险、客户资信风险、企业内控风险和评估风险等是我国第三方物流企业融通仓业务开展的关键风险因素。通过问卷调查法获取数据，并运用SPSS17.0和LISERL8.70等对271份有效问卷数据进行了分析与总结。

第三方物流；融通仓；风险因素评价；结构方程

融通仓业务作为我国物流金融领域重要的业务模式之一，国内外学者对其有非常深入的研究和应用，但是在融通仓业务风险评价指标体系方面没有形成定论。在文献研究及实地访谈的基础上，运用德尔菲法结合第三方物流企业的特性和融通仓业务特性[1]，构建了第三方物流企业融通仓业务风险因素的评价指标体系（见表1）。并通过设计问卷、发放问卷的形式进行数据收集，运用SPSS17.0和LISERL8.70对我国融通仓业务风险评价指标进行了相应研究。

表1 第三方物流企业融通仓业务风险因素的最终指标体系

一、数据收集与处理

在2013年7月～2013年8月集中进行调研，最终本次调研发放问卷457份，收回296份，有效问卷为271份，有效回收率59.30%。问卷发放和回收情况如表2所示。

表2 问卷回收情况

（一 ）效度分析

运用探索性因子分析（Exploratory Factor Analysis，EFA）对量表的结构效度进行分析。

运用SPSS17.00进行探索性因子分析[2]，分析结果如表3所示，KMO值为0.860，高于0.7的标准。同时，Bartlett检验统计量的观测值为171，显著性水平0.000，也小于规定的0.001的标准。因此，量表可以做进一步的因子分析。

表3 量表KMO and Bartlett's Test

按照特征根大于1的原则，采用主成分法和最大方差方法进行因子提取，最终提取5个因子，5个因子的累计方差解释量为64.323%，样本总体的总方差解释表见表4。旋转矩阵中，每个因子的载荷系数均大于0.5，且不存在因子载荷平均分布的测量项。旋转后的因子载荷矩阵如表5所示。EFA抽取的5个因子与本文的设计一致，分别为环境风险、质物风险、客户资信风险、企业内控风险、评估风险[3]。为了下文进行结构方程分析的方便，将这五个变量依次命名为HJFX，ZWFX，ZXFX，NKFX，PGFX，对应的测量条目的代号则取这几个变量的前两个字母，如环境风险的4个测量条目的代号分别为HJ1，HJ2，HJ3，HJ4。

表4 量表的总方差解释表

表5 正交旋转后变量总体的载荷矩阵

（二 ）信度分析

选择Cronbach’s 对数据进行信度分析，并辅以相关系数（CITC）的测量。Bock et al.（2005）[4]认为Chronbach’s 大于0.7是可以接受的，Nummally（1978）指出Chronbach’s 只要大于0.6就可以接受。一般认为，对社会科学而言，Chronbach’s 大于0.7，CITC值大于0.5。本文各个变量的Cronbach’s以及整体量表的Cronbach’s 均大于0.7，各个测量条目的CITC值也均大于0.5。量表的信度分析见表6。

表6 量表的信度分析

二、结构方程模型构建

（一 ）模型的构建与选择

（1）初始模型构建

运用LISERL8.70对样本数据进行模型分析，获取第三方物流企业融通仓业务风险因素各指标权重。一阶因子模型拟合指数为X2=282.36，Df=142，GFI=0.90，IFI=0.97，CFI=0.97，RMSEA=0.061，RMR=0.048， 各指标均显著优于建议值，表明模型的拟合度非常好，一阶因子模型的拟合指标见表7的MOD1。

表7 样本的结构模型拟合指标

一阶因子模型显示，各潜变量的测量指标的标准化因子载荷均大于0.5，最大的0.86，最小的0.54。各指标的T值也均通过了0.05的显著性检验，表明模型具有较好的聚合效度。一阶因子模型见图1，各参数估计值见表8。

（2）竞争模型构建

图1显示多个风险因子之间的相关系数接近0.5，且通过了区别效度检验，说明各因子既可以独立测量第三方物流企业融通仓业务风险的某个方面，也可以集中测量总体业务风险，因子之间可能存在高阶因子[5]。因此，进行二阶因子分析，进一步简化结构方程模型，获取各指标的权重。

表8 一阶因子模型各参数估计值

图1 一阶因子模型

二阶因子模型的拟合指数为X2=290.25，Df=147，GFI=0.90，IFI=0.97，CFI=0.97，RMSEA=0.060，RMR=0.049（见表4-8的MOD2），二阶因子分析的指标也显著高于建议值，说明二阶因子模型也具有较好的拟合度。二阶因子模型见图2，各参数估计值见表9。

二阶因子模型的分析结果也显示，各个潜变量的测量指标的标准化因子载荷均大于0.5，最大的0.86，最小的为0.54。各指标的T值也显示，各指标均通过了0.05的显著性检验。以上结果表明，理论模型基本符合现实情况，模型是可以被识别的。

图2 二阶因子模型

表9 二阶因子模型各参数估计值

（3）模型选择

对比二阶因子模型和一阶因子模型，MOD2与MOD1卡方变化ΔX2=7.89，小于df=5时的临界值（ΔX2=11.071），说明二阶因子足以反映一阶因子的关系。两个模型的拟合指数均显著优于建议值，一阶因子模型的绝对拟合指数RMR优于二阶因子模型，但并没有出现显著的差异。GFI、IFI等相对拟合指数也没有出现显著的变化。二阶因子模型相对拟合指数X2/df优于一阶因子模型，且PNFI、PGFI等简洁指数也优于一阶因子模型，说明二阶因子模型较一阶因子模型更简洁。因此，从模型的简洁性角度考虑，选择二阶因子模型进行第三方物流企业融通仓业务风险因素评价[6]，最后结果见表3-10。

二阶因子模型能够同时获取各因子载荷、各因子的指标载荷，进而确定各一级指标和二阶指标的权重。而且，结构方程模型能够允许误差的存在，与现实情况更加相符，而传统的因子分析法不仅在公因子的提取过程中存在一定的信息损失，也不能有效考虑误差项[7]。因此，利用结构方程进行二阶因子分析，确定各一阶指标和二阶指标的权重能够更加真实、准确的反映各指标的关系。

（二 ） 指标权重的确定

采用相关权重法确定各个指标的权重。相关权重法即是利用各变量之间的相关关系确定权重的一种方法。采用相关权重法需要首先从大样本数据中获取各指标的相关系数，然后计算单个指标占变量指标总体相关系数的比重，该比重即为计算的指标权重。结构方程模型中标准化因子载荷即可以看做各指标之间的相关系数。因此，可以采用二阶因子模型中各指标的标准化因子载荷计算各指标权重。在利用各指标的标准化因子载荷的过程中，需要先对各指标的因子载荷进行归一化处理。归一化公式为：

根据表9，利用公式1，得到表10。

表10 第三方物流企业融通仓业务风险因素指标权重

三、结论

根据图2、表9、表10对第三方物流企业融通仓业务风险因素的模型输出结果进行分析，导出相关因素对第三方物流企业融通仓业务风险的影响程度，第三物流企业融通仓业务风险因素排名情况，见表11。

表11 第三方物流企业融通仓业务风险因素排名

本文利用SPSS17.0对数据进行信度分析和效度分析，检验数据的有效性。利用LISERL8.70，对经过信度分析和效度分析后的数据做结构方程分析。结果显示，第三方物流企业融通仓业务风险的诸多风险因素中，质物风险对其影响最大，其次依次为客户资信风险、企业内控风险、环境风险和评估风险，其指标权重依次为23.34%、22.48%、21.04%、17.87%、15.27%。指标权重的有效识别为以后研究我国第三方物流企业融通仓业务的风险防范策略制定奠定了基础。

[1] 中华人民共和国国家统计局编.2013年中国统计年鉴[R].北京:中国统计出版社,2012.

[2] 马庆国. 管理统计:数据获取、统计原理、SPSS工具与应用研究[M].北京:科学出版社,2002.

[3] 何 娟.马中华.消费型企业融通仓风险因素识别与风险评价研究[J].甘肃社会科学, 2008,(3):90-94.

[4] Barsky N. P. Canatach A. H.. Evaluating business risks in the commercial lending decision[J].Commercial Lending Review,2005,20(3): 3-10.

[5] 袁 杰.第三方物流企业融通仓服务研究[D].北京:北京交通大学,2010.

[6] 徐 鹏,王 勇,杨 金.基于委托模式融通仓的银行对第三方物流激励和监督[J].管理世界, 2008,21(1):108-114.

[7] 邹 敏,杨光华. 湖南省产业结构对物流需求的影响研究[J].中南林业科技大学学报(社会科学版),2012,6(1):30-32.

Risk Factors Assessment of FTW Business of Third Party Logistics Enterprises

LIU Nian1, LIU Yi-lun2, LIU Yi-sha1
(1.Hunan Industry Polytechnic, Changsha 410208, Hunan, China; 2. Hunan University College of Finance and Statistics, Changsha 410012, Hunan, China)

By literature research and expert interview, the index system of evaluating risk factors of third party logistics enterprises FTW has been built. Environmental risks, pledged property risk, customer credit risk, internal control risk and assessment risk are the key risk factors for third party logistics enterprises FTW. Questionnaire investigation method was used to get the data. SPSS17.0, LISERL8.70, etc. are adopted to analyze and summarize 271 valid questionnaires.

third-party logistics; FTW; risk factor assessment; structure equation

F252

A

1673-9272(2014)03-0068-05

2014-03-24

湖南工业职业技术学院科研课题：“第三方物流企业开展融通仓业务的风险评价研究”（编号：GYKYZ2013004）。

刘 念（1984-），男，河北大名人，湖南工业职业技术学院讲师，硕士，研究方向：物流金融；中小企业融资与金融创新系统。

[本文编校：罗 列]