新零售下全渠道供应链的线上线下协同研究

贺金霞 副教授（河南工程学院 郑州 450000）

引言

2016年，阿里巴巴董事长马云在云栖大会上提出，未来零售行业的发展是在大数据、云计算等创新技术的引领下，线下线上深度融合，借助现代化的物流，形成“实体+网上+物流”的新零售模式。新零售模式的特征之一就是线上线下全渠道融合，即通过线上线下互动融合，改善购物体验，提高流通效率，提升消费者的消费体验。由此可见，要想实现全渠道融合，全渠道供应链的整合和优化首当其冲。供应链协同有助于供应链上各节点企业为实现供应链的整体目标而共同努力、协调同步，实现各环节无缝对接。全渠道供应链协同是全渠道供应链得以整合和优化的基础和前提。因子分析包括探索性因子分析（EFA）和验证性因子分析（CFA）。探索性因子分析的作用是将关系复杂的多个变量综合为少数几个核心因子，然后通过验证性因子分析验证所提取的核心因子与其相对应的测度项之间的关系是否符合所设计的理论。将探索性因子分析和验证性因子分析相结合，可以通过寻找潜在公共因子，合理解释因子的意义，从而揭示错综复杂的事物的内部结构。因此，通过因子分析可以提取全渠道供应链协同的公共因子，保障全渠道供应链协同的有效实施。

理论背景

供应链管理中有两大效应：双重边际效应和牛鞭效应，这两大效应极大地影响了供应链的效率和效益。双重边际效应是指各成员企业为了追求个体利益最大化，导致企业分散决策产生的供应链整体收益低于集中决策的供应链收益。为了克服这种现象，需要在供应链成员间培育收益共享的理念，并通过供应链成员签订收益共享契约来保障各成员协同决策、共享收益。牛鞭效应指需求订单沿着供应链流动时被不断变异放大，这种现象不可避免会产生高成本，如生产和仓库资源的低效利用，高昂的运输和库存成本，变差的客户服务，不确定的生产计划等。供应链成员间的信息共享可以有效降低牛鞭效应。企业通过收集、分析、共享各成员的生产及销售信息，有效减少信息不对称的现象，促进供应链各环节有效、无缝衔接，减少不必要的浪费，提高协同收益。为了保障供应链成员间的完全信息共享，需要签订信息共享契约以规范和约束各企业信息的透明度和准确性。虽然，契约的约束力得到了理论界和实践者的共同认可，不可否认违约现象仍时有发生。究其原因主要是契约签订者缺乏良好的契约精神。由此可见，供应链协同的影响要素主要包括信息共享、收益共享和契约精神。通过对三大因素的管理和控制可以改善双重边际效应和牛鞭效应，提高协同收益，实现有效的供应链协同。诸多研究证明收益共享和信息共享对供应链协同收益影响巨大，但企业往往需要通过签订具有法定意义的正式契约来保障企业间的收益共享和信息共享。企业秉承的契约观和契约精神对企业间的信息和收益共享有着直接的影响，并间接影响协同收益。因此，全渠道供应链协同要素的关系模型如图1所示。

图1 研究模型

研究设计

（一）研究样本

粮食属于大宗商品，关系国计民生。近年来，随着“互联网+”在粮食行业的推广应用，新零售模式对粮食行业的影响越来越大。本调研主要针对粮食行业，数据采集自河南、河北、山东等产粮大省的 32 家大中型企业和51个种粮大户，其中粮食加工企业17家、粮食批发和零售企业15家。调研以调查问卷的方式进行，主要包括网上发放和当面访谈两种形式。网上回收问卷387份，有效问卷352份，访谈回收问卷60份，全部为有效问卷，合计回收有效问卷412份。问卷分为两部分，随机抽取100份用于探索性因子分析，其余的312份用于验证性因子分析。调研对象主要包括采购、生产、销售等与供应链协同相关的工作人员。男性占比62.2%，女性占比37.8%。平均年龄32.18岁，平均工作年限6.12年。

表1 KMO和巴特利特检验

表2 公共因子解释方差

表3 旋转后的成分矩阵a

（二）变量测量

供应链协同：Stank （2001）针对企业间的供应链协同设计了5个问项，分别为企业的绩效评价是否包含了合作伙伴的绩效（SCC1）、与上下游企业的合作是否提高了企业绩效（SCC2）、伙伴间能否共享收益、共担风险（SCC3）、合作是否提高了企业的运营灵活性和上下游企业能够合作默契（SCC4）、共享成果（SCC5）等。

协同收益：Peter Michael Ralston在其博士论文中将协同收益分为两个维度：财务收益（FP）和运营收益（OP）。财务收益采用Flynn et al. （2010）给出的6个题项，运营收益采用Grawe et al. （2011）给出的5个题项。

信息共享（IS）：吕晖在参考了Zhao et al.（2008）、叶飞和徐学军（2009）等研究的基础上，针对信息共享设计了 2组共12个测量问项，分别用来测量制造商与上游供应商和下游客户间信息共享的程度。因各题项描述内容较雷同，为避免共线性，将2组12个题项合并为1组6个题项。

收益共享（RS）：收益共享即合作利益的分配。叶怀珍，胡异杰（2004） 建立了供应链合作伙伴的收益分配模型，该模型以多劳多得、风险补偿为基本原则；Satyaveer S.Chauhan，Jean-Marie Proth.（2005）构建了三级供应链成员企业之间的利润分配模型，认为利润分配应基于企业承担的风险和投资比例。J. Adetunji Adegbesan and Matthew J.Higgins（2010）认为议价能力是影响收益分配的另一因素。因此，收益共享从投入、风险分担和议价能力三个方面设计了7个题项。

契约精神（CS）：包括签订契约时的公平维度和执行契约时的诚信维度。公平维度包括充分沟通、自愿、协商和双赢4个题项。诚信维度主要考察出现不利情形时能否顺利执行合同，包括4个题项。

以上各题项均采用 Likert7 系量表进行评价，从 1-7级依次表示“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”。

数据分析

（一）探索性因子分析

探索性因子分析是一种根据相关性大小对原始变量进行分组的因子分析方法。通过探索性因子分析可以使得同一组变量间存在较高的相关性，不同组变量间的相关性较低。首先对问卷进行预分析。问卷原有题项33个，对问卷进行因子分析，先后删除因子负荷较小的题项IS6、RS7、CS5、CS7、OP5和SCC5。至此，问卷有效题项降为27个。接下来对问卷数据进行统计分析，统计软件使用SPSS22.0。统计结果显示，KMO值为0.903，表明各变量间相关性较强； Barlett球形检验结果表明变量间并非独立（见表1）。因此，问卷数据非常适合做因子分析。然后是因子旋转和提取。因子旋转的目的是通过调整公共因子载荷大小对公共因子进行解释，通常采用方差最大化正交旋转的方法。因子的提取方法为主成分分析法，尽量使变量的方差能够被提取的主成分（公共因子）解释。提取公共因子之后，根据研究需要确定公共因子的个数。公共因子的筛选方法采用凯泽（Kaiser）特征根法，用特征根表示引入该公共因子后可解释平均多少原始变量信息。因为本研究题项数目介于20至50之间，所以选择特征值1作为公共因子选择的准则。综上所述，本研究采用方差最大化正交旋转方法，要求特征根大于1且累积方差贡献率大于80%。通过因子旋转最终提取了6个主成分（公共因子）。

接下来对被提取的6个主成分（公共因子）进行相关分析，分析结果表明各主成分（公共因子）间完全不相关（Pearson值均为0），且前6个公共因子的特征根均大于1，累积方差贡献率达到了88.220%，即包含了88.220%的原始数据的信息量，具体如表2所示。

最后是公共因子结构分析。用因子荷载值表示公共因子与变量的相关程度，因子荷载值的绝对值越大表明该公共因子对对应变量的影响程度越大。表3反映了不同公共因子所解释的变量，每组变量系数的绝对值均较大且大小相当。在公共因子RS的线性组合中，主要是RS1、RS2、RS3、RS4、RS5、RS6综合反映，可以理解为是对“收益共享”的要求；在公共因子CS的线性组合中，主要是CS1、CS2、CS3、CS4、CS5、CS6综合反映，可以理解为是对“契约精神”的要求；在公共因子IS的线性组合中，主要是IS1、IS2、IS3、IS4、IS5综合反映，可以理解为是对“信息共享”的要求；在公共因子FP的线性组合中，主要是FP1、FP2、FP3、FP4、FP5、FP6综合反映，可以理解为是对“财务收益”的要求；在公共因子SCC的线性组合中，主要是SCC1、SCC2、SCC3、SCC4综合反映，可以理解为是对“供应链协同”的要求；在公共因子OP的线性组合中，主要是OP1、OP2、OP3、OP4综合反映，可以理解为是对“运营收益”的要求。从以上各公共因子的构成来看，每个公共因子的构成与问卷原结构是完全相符的，说明问卷内在结构性较为理想。

（二）信度分析

信度分析的作用是测量量表结果的一致性和稳定性，主要体现为各问项间的相关系数，问项间的相关性越高，则信度也越高，亦即测量量表的一致性越高。在对李克特量表信度的研究中，一般是通过测量Cronbach's α系数来判断各问项之间的一致性。从表4的数据分析结果可以看出，各潜变量的Cronbach's α系数在0.954到0.978之间，合计Cronbach's α系数为0.967，可认为问卷各维度数据之间的一致性较好，因此问卷具有较高的信度质量。同时可以发现，各个问项的修正后项总相关系数均大于0.5，并且删除任何一个问项均不会引起Cronbach's α系数的显著变化，说明各个题项设计合理，现问卷题项可不必剔除。

表4 各变量Cronbach's α信度分析结果

表5 验证性因子分析的拟合指标

（三）验证性因子分析

验证性因子分析的目的是证实问卷建构效度和理论逻辑的合理性。本研究使用mplus7.0软件构建模型并进行计算，模型拟合指标值如表5所示。从表5中可知，卡方与自由度之比为3.17，CFI和TLI均高于0.9，RMES稍高于0.08，SRMR=0.048，在好的标准范围内，总体来看，可以判定模型的拟合度较好，说明本研究的问卷整体结构效度良好。且各题项与相应潜变量的相关系数均小于0.05，可以认为各个题项与对应的潜变量具有显著的相关性，进一步说明本次问卷整体效度较为理想。

结论

供应链协同是供应链管理领域研究的热点话题，受到社会各界的广泛重视。供应链协同不仅有利于企业竞争力的强化，还有利于供应链整体目标的达成和整体收益的提高，有助于实现全渠道供应链的有效融合，适应新零售的发展趋势。本文通过探索收益共享、信息共享和契约精神与协同收益和供应链协同之间的关系，发现供应链协同的源动力是协同收益（包括财务收益和运营收益），而收益共享、信息共享和契约精神对协同收益均有影响。为证明研究模型的有效性，在理论和文献综述的基础上，构建各变量调研题项，设计调查问卷，运用因子分析方法对样本进行分析，验证量表的信度及效度。通过探索性因子分析提取了6个公共因子，且公共因子解释的变量与问卷原结构完全相符，因此可以认为问卷内在结构性较为理想。各潜变量的Cronbach's α系数均高于0.9，可认为问卷各维度数据之间的一致性较好，问卷具有较高的信度质量。验证性因子分析证明，各个题项与对应的潜变量存在明显的相关性，进一步说明本次问卷各潜变量整体效度较为理想，可以成为测量全渠道供应链协同的工具。