基于SNA-TPB的物流集群作用路径研究

李利华，邓亚军，杨舟

基于SNA-TPB的物流集群作用路径研究

李利华，邓亚军，杨舟

(长沙理工大学 交通运输工程学院，湖南 长沙 410114)

挖掘影响物流集群的隐性因素，分析其潜在关系特征，对于准确厘清现代物流集群作用机制，降低集群决策风险具有重要意义。以社会网络分析(SNA)与计划行为理论(TPB)为基础，设计潜变量与观测变量，研究物流集群的他属性关系与内外因结构，应用结构方程模型，对343份湖南省物流集群企业问卷数据运用SPSS、AMOS进行分析，探究物流集群作用路径与关联机制。研究发现：社会网络规模与强度正向作用于物流集群，社会外部力量与网络主体对物流企业的集群决策影响大；企业主观规范影响物流集群，而其态度导向、行为控制作用效果不明显，物流集群依赖于企业对未来效益的判断而非主观喜好；企业集群意向对集群行为作用显著，物流集群后的经营问题更受企业关注。最后，提出了加强物流集群企业决策引导、营造集群良好经营环境与加大集群宣传推广等相关建议。

物流集群；社会网络分析；计划行为理论；结构方程模型；作用路径

物流集群是一种社会经济现象，反映各种物流活动相关要素在地理空间上的集聚[1]。麻省理工著名经济学家Sheffi指出：物流集群是一种新理念、新趋势，在全球涌现，这种集群化开启了庞大的外部世界与物流经济的增长，同时刺激相关物流密集地区经济的多元化[2]。当前，我国物流行业正处于结构转型、高质量发展阶段，物流集群成为经济拉动、转变、创新发展的新兴增长点，广受重视，发展迅速。现实中，以园区、枢纽、基地等为形式的物流集群广泛实践，但也有相当比重的物流集群园区存在企业入驻量不足、空置率高、业务量难以保证等问题，容易导致运营亏损、集群效果欠佳。研究与实践中，物流集群多取决于物流行业本身的区位、经济与产业要素，区位论、经济地理、空间分析、系统分析、结构方程等理论与方法被大量应用于物流集群作用机制的研究。符文颖等[3]考虑产业转型以区位选择研究集群空间演化形态与层次，描述了集群演化经济地理中新型物流集聚现象的空间规律。LIU等[4]以水平集聚区位熵(HCLQ)与物流企业占比系数(LEP)等经济地理指标刻画中国各地级市物流集群空间格局与演化过程，并对物流集群的发育水平、类型和发展模式进行识别与判断。Indraneel等[5]从空间集聚与计量经济的视角，研究了美国物流集群特征与作用要素，并判别不同类型交通基础设施对物流集群作用效度。陈治亚等[6]以空间自相关探测网格型物流需求分布的空间特征，寻求其集聚性与异质性，并结合我国省域铁路货运集群进行实证分析。ZHOU等[7]构造了物流集群与城市化互动发展的系统动力学模型，并以云模型实现定性显性变量的量化处理。唐建荣等[8]以江苏省各地级市为对象，以2006~2013年数据为样本，运用结构方程探索影响物流发展的内外驱动要素及其作用机制。可以看出，相关研究都明确了物流集群的地理空间集聚特征，注重对影响物流集群显性要素、关联变量的识别与机制分析，但对物流集群的隐性潜在特征及他属性研究关注较少。另一方面，从社会性层面研究物流集群的作用机制与稳定性开始受到重视，Barnes[9]的社会网络分析(Social Network Analysis, SNA)理论，Ajzen[10]的计划行为理论(Theory of Planned Behavior, TPB)能够从网络关系、主体行为等角度进行辨识。在社会网络关系层面，研究认为物流企业在集群过程中，反复的互动会促使企业间正式和非正式关系网络的形成，这对集群发展演进极为重要。Christian等[11]研究了智利产业集群的外部性特征，发现社会网络和地理邻近性是促成集聚合作的关键因素。Eisingerich等[12]以区域集群绩效模型证明网络强度和网络开放性的基础作用。Ter等[13]建立了一个综合集群理论、产业动力学、企业演化论以及社会网络分析的理论框架，从集群所属产业、集群内企业能力以及企业参与建立的知识网络等揭示集群演化机制。王健等[14]认为集群经济与社会网络相互融合，其集聚程度在知识网络中的联系具有差异性。在集群主体行为层面，研究认为企业作为参与物流集群的主体，具有参入的选择性与主观决策性。张钢等[15]运用计划行为理论，以预期经济收益、冗余资源和利益相关者等探究了企业绿色创新战略的驱动因素。梅强等[16]探讨了影响中小企业安全投入行为决策的因素，认为企业安全投入态度、主观规范、投入行为对投入意向作用正向且显著。田楹等[17]结合结构方程对产业集群集聚效应与创业意向的关系进行了研究，并从希求性、主观规范与可行性等分析了集群知觉对意向和行为的作用。可以看出，相关研究在研究物流集群作用机制与决策过程中，较为重视集群社会性特征的挖掘，SNA与TPB得到应用，但大多为单一层面，从网络关系与集群主体协同的角度少见。同时研究主要集中于传统集群，对于具有社会性、经济性、地理性的物流集群研究不多见。本文协同社会网络分析与计划行为理论，社会网络分析凸显物流集群的社会关系隐性要素，计划行为理论度量集群企业集聚的主观行为选择，应用结构方程模型，挖掘各种变量的内、外因机制，研究物流集群的结构关系与作用路径，并以湖南省调研数据为例分析，为区域物流集群决策服务。

1 研究设计

1.1 理论基础与结构关系

研究认为物流集群实质上是一种产业集群[18]，由企业主导，表现为物流企业间的协同活动，其本质是集聚在一起的各类与物流密切相关企业间的协同，核心活动是各项物流服务功能的有机结合和集中[19]。物流集群是一个系统工程，其成败既依赖于行业本身的显性关系与要素，更受制于社会结构的隐性变量与潜在关系。

社会网络分析从关系的角度解释社会经济现象的结构特征与关联性，认为任何社会行为都镶嵌于一个由错综复杂关系构成的社会网络之中。计划行为理论认为意向是决定行为的直接因素，企业意向受其行为态度、主观规范和感知行为控制的影响。社会网络分析与计划行为理论能够从主观行为、社会关系的层面揭示社会经济现象，二者具有一定的结合性，对于物流集群，在2种理论的共同作用下，其结构关系由7个潜在的要素变量组成，即：集群社会网络规模(NS)、集群社会网络强度(ST)、企业集群态度导向(ATT)、企业集群主观规范(SN)、企业集群行为控制(PBC)、物流企业集群意向(IN)、物流企业集群行为(BE)等，结构关系如图1。

图1 SNA-TPB下物流集群潜变量作用关系

社会网络对应网络规模(NS)与网络强度(ST)2个潜变量。Nahapiet等[20]指出社会网络规模即网络总的联系数量，Collins等[21]认为社会网络强度是网络成员间的交流次数、亲近程度以及交往时间。在物流集群中，社会网络规模与网络强度体现物流企业对集群环境信息的认知，网络规模越大，强度越高，表明集群环境为物流企业决策选择提供的信息越多、知识越丰富。二者通过对物流企业集群的态度导向(ATT)、主观规范(SN)、行为控制(PBC)的直接作用来间接影响物流企业集群意向(IN)。社会网络作为外因，通过影响企业集群意向(IN)和企业集群行为控制(PBC)作用于企业集群行为(BE)，并最终影响物流集群。

1.2 条件描述

依据图1，在社会网络分析与计划行为理论下，物流集群各潜变量作用关系、影响描述与假定条件如下。

1.2.1 社会网络规模(NS)正向作用结构描述

社会网络规模在企业入驻物流集群的过程中会产生较大的影响，涉及到集群的社会主体越多、规模越大，表明集群越受欢迎。物流集群社会网络主体主要包括政府部门、金融机构、科研机构、物流园区管理方等。当物流集群社会网络主体有更多意愿对打算入驻集群的企业提供某种程度的帮助时，物流企业对入驻集群的兴趣越强烈；而当物流集群社会网络主体更倾向于同集群企业建立业务交往时，物流企业相应会对是否入驻集群进行深入思考；同时由于入驻集群可能会在一定程度上受到来自其他社会主体的支持，因而会产生认知偏差，认为集群过程中产生的问题更容易克服。因此，定义如下先决假定条件：

H1a：物流集群社会网络规模(NS)对物流企业集群态度导向(ATT)有正向作用；

H1b：物流集群社会网络规模(NS)对物流企业集群主观规范(SN)有正向作用；

H1c：物流集群社会网络规模(NS)对物流企业集群行为控制(PBC)有正向作用。

1.2.2 社会网络强度(ST)正向作用结构描述

社会网络强度强调社会网络成员之间关系的紧密程度，考量物流集群社会网络各主体对入驻集群企业能够提供帮助的大小。当社会网络强度较大时，意味着物流集群企业可以凭借与其它社会主体的长期合作关系获取政策、资金、技术、知识等无形资源和原料、产品、器械、劳动力等有形资源。因此，其他社会主体行为的变化将直接影响企业经营管理方式的变化。

物流企业作为服务业的代表，其业务发展离不开社会网络各主体的支持，这种支持在双方频繁的互动中产生，显然物流企业在集群中对来自社会网络各成员的反应较为敏感，当社会网络各成员强烈支持集群行为时，物流企业集群态度导向(ATT)将会发生改变；同时受各社会网络主体的影响，容易形成物流集群的外部压力。当物流企业感知到可能来自集群社会网络成员的更多帮助时，也会更乐观地面对集群可能会带来的挑战。因此，定义如下先决假定条件：

H2a：物流集群社会网络强度(ST)对物流企业集群态度导向(ATT)有正向作用；

H2b：物流集群社会网络强度(ST)对物流企业集群主观规范(SN)有正向作用；

H2c：物流集群社会网络强度(ST)对物流企业集群行为控制(PBC)有正向作用。

1.2.3 物流企业集群意向(IN)接收到的正向作用结构描述

按照结构模型图1，物流企业集群意向(IN)受态度导向(ATT)、主观规范(SN)与行为控制(PBC)等三个潜变量的影响。物流企业集群态度导向(ATT)体现物流企业对即将入驻物流集群认可程度的评估，认可越正面，态度越积极，企业也更愿意参与集群。而当政府、金融机构等物流集群社会网络成员通过特定举措支持物流集群时，部分物流企业会愿意参与集群，即物流企业集群主观规范(SN)，为其他物流企业的下一步行动造成舆论影响和竞争压力，从而增强其集群意向(IN)。行为控制(PBC)包含内部和外部两方面的因素，内部因素主要是指物流企业解决集群过程中出现问题的能力，而外部因素是指物流企业在解决集群问题中所能获得的来自外部力量的帮助，二者综合起来，物流企业解决问题的能力越大，其集群意向越强。因此，定义如下先决假定条件：

H3a：物流企业集群态度导向(ATT)对物流企业集群意向(IN)有正向作用；

H3b：物流企业集群主观规范(SN)对物流企业集群意向(IN)有正向作用；

H3c：物流企业集群行为控制(PBC)对物流企业集群意向(IN)有正向作用。

1.2.4 物流企业集群行为(BE)接收到的正向作用结构描述

物流企业集群行为(BE)受集群意向(IN)与行为控制(PBC)2个潜变量的影响。计划行为理论强调，个体的实际行为由行为意向直接决定。物流集群中可能存在着诸多意向与行为不一致的现象，因此，假定条件如下：

H4a：物流企业集群意向(IN)对物流企业集群行为(BE)有正向作用；

H4b：物流企业集群行为控制(PBC)对物流企业集群行为(BE)有正向作用。

1.3 研究方法

社会网络分析与计划行为理论构造了物流集群的潜变量结构关系，本文运用结构方程模型研究其作用路径与关联机制。结构方程模型是一种统计分析方法，整合了因子分析和路径分析，可以用来分析无法直接观察到的潜变量[22]。研究定义了影响物流集群的7个潜变量，均无法被直接观察到，按照结构方程模型运算规则，应有与潜变量相对应的观测变量，从调研识别与物流集群相对应的角度，设计26个观测变量。结构方程模型的潜变量、观测变量的对应关系及描述如下。

结构方程模型由结构模型与测量模型组成，结构模型描述物流集群各潜变量、观测变量间的结构关系(如图1、表1)。测量模型由统计分析体现，各物流集群变量从结构关系上又区分为内因变量与外因变量，模型表达如下：

表1 物流集群结构方程模型中观测变量描述

2 数据分析

2.1 数据来源与形式

基于湖南省物流集群现状，采用问卷调研形式，结合全省物流园区、基地、枢纽、货运港等布局，对参与园区物流集群企业进行调查，主要包括已入驻、打算入驻与未入驻的相关物流企业，发放问卷500份，对于各目标物流企业，确定以熟悉相应企业的人，包括中高层管理者和普通工人为直接调查对象，共有388份问卷对调查做出了回应，其中有45份调查问卷因为信息反馈不完整而无法使用，最终留下343个有效观测结果组成研究样本。问卷调研采用Likert[23]五点量表对本研究所涉及到的7个潜变量及其对应的26个观测变量进行赋值选择：1为强烈不同意、2为不同意、3为一般、4为同意、5为强烈同意。

2.2 变量的信度和效度检验

整理分析调研所获取数据，对观测指标的统计分析结果进行一致性与稳定性检验，以信度和效度标识。信度上为体现数据的可靠性，采用Cronbach’s Alpha系数作为统计量对物流集群社会网络影响因素进行检验。效度越高，表明调研数据越能反映出被调查对象的特质，采用因子分析测量调查问卷所得到数据的效度，以KMO检验与Bartlett球形检验以及旋转后的因子载荷值来判断。

利用SPSS进行数据分析，得到结果如表2所示，物流集群7个潜变量的Cronbach’s Alpha值最低为0.753，大于0.70，KMO检验值最低为0.692，大于0.6，Bartlett球形检验结果Sig均为0.000，显著水平高，表明问卷的内部一致性很好，各潜变量具有较高的信度，数据可靠性强。26个观测变量在经过正交旋转后的因子载荷值最低为0.638，大于0.5，表明调研所获得的数据适合进行因子分析，同时经过验证，与各个观测变量对应的潜变量数据分析具有良好的信度与效度。本研究所采取的湖南省物流集群调研数据适合结构方程分析。

2.3 结构方程结果分析

为了检验在湖南省采集物流集群数据与结构方程模型理论模型图的拟合性，采用9个指数进行拟合度检验，即：NC指数、PGFI指数、RMSEA指数、PNFI指数、GFI指数、AGFI指数、NFI指数、CFI指数和TLI指数。运用AMOS软件对结构方程进行数据分析，各检验指数的接受满意区间、实际值及检验情况如表3。结果表明，模型的拟合度指标检验值全部适用，理论模型与实际情况 相符。

表2 变量信度、效度及因子分析结果

表3 模型拟合指数检验

由于模型与数据拟合情况较好，运行AMOS软件，获得结构方程模型的标准因子载荷和路径系数(如图2)，模型路径系数的显著性水平检验结果(如表4)。

上述对湖南省物流集群研究结果表明。潜变量物流集群社会网络规模(NS)对物流企业集群态度导向(ATT)、主观规范(SN)和行为控制(PBC)的路径作用系数分别为0.72，0.71和0.72，显著性检验水平较高，影响较大，正向作用明显，符合先决假定条件H1。由此可知，大多数物流企业在面临入驻集群的重大企战略决策时，很大程度上依赖于社会网络规模(NS)的影响。社会网络规模体现的是社会外部力量对物流集群的看法与对物流企业的作用，当物流集群成为一种新趋势，并逐渐成为实现经济增长的重要引擎与支撑经济结构调整升级的重要基石时，参与推动集群发展的物流企业社会网络主体越多，物流企业越容易接受入驻物流集群。同时物流企业也会对入驻物流集群取得较好收益的估计更为乐观，尽管容易低估或忽视在入驻物流集群过程中可能遇到的问题，但也会使物流企业入驻集群的实践更容易出现。

物流集群潜变量社会网络强度(ST)对物流企业集群态度导向(ATT)、主观规范(SN)和行为控制(PBC)的路径作用系数分别为0.69，0.70和0.65，正向作用明显，符合研究假设H2，显著性较好，但整体上稍弱于社会网络规模(NS)的支撑性。在物流集群前期，由于物流企业与其他社会网络主体的关系较为固定，短期内难以出现大的变动，物流集群社会网络强度对物流企业集群态度导向、主观规范和行为控制的影响要弱于社会网络规模，但到了后期，随着物流企业与政府、金融机构、学界、中介机构、供应链伙伴及竞争对手等互动升级的不断加快，物流集群效益的“放大效应”凸显，在时间的推移下，物流企业社会网络强度将更多影响后续物流企业集群行为。

图2 模型标准因子载荷和路径系数

注：e1，e2，…，e26分别为对应观测变量的残差项，R1和R2分别为物流企业集群意向(IN)和物流企业集群行为(BE)的残差项。

表4 结构方程模型路径系数显著性

注：***表示在1%的水平下显著。

潜变量物流企业集群态度导向(ATT)、主观规范(SN)和行为控制(PBC)对物流企业集群意向(IN)的路径作用系数分别为0.06，0.37和−0.13，在1%水平检验下对应为不显著、显著、不显著，因此分析结果满足假定先决条件H3b，排斥条件H3a与H3c，说明物流企业集群主观规范正向作用物流企业集群意向是成立的，而物流企业集群态度导向、行为控制二潜变量对物流企业集群意向的正向作用不成立。结果表明，物流企业在决定是否集群时，几乎不会受到企业对集群喜好程度的影响，而更多关注集群能否为企业发展带来的益处。另一方面，由于物流企业在入驻集群选择过程中难免会遇到一些经营与管理上的问题，当企业不过多考虑其是否会遭遇到困难以及应对困难的能力时，物流企业对入驻集群的选择意愿会更强。

潜变量物流集群企业集群意向(IN)、行为控制(PBC)对集群行为(BE)的路径作用系数为0.98和−0.07，前者正向作用成立，后者不成立，假定先决条件H4a满足、H4b排斥。表明物流集群作为一种有效的物流资源市场配置形式，对物流企业在实际运营过程中遇到的各类问题有正向促进作用，同时物流集群增值效益的获得也离不开物流企业的积极参与。对于大多数实力单薄、规模较小、竞争力较弱的中小型物流企业，参与物流集群很大程度上是为了解决难以独立解决经营问题、弥补自身竞争弱势；若物流企业自身具备较强的竞争优势，参与物流集群或许就不是必要选择。

3 结论与启示

3.1 研究结论

本文将社会网络分析与计划行为理论相结合，从物流集群企业社会关系网络与行为意愿等角度研究其作用路径与关联机制。研究以湖南省调研数据为例，主要结论有：

1) 社会网络要素以及企业行为意愿能够凸显影响物流集群的潜在特征，并通过结构与测量模型体现物流集群的隐性关系及变量间的内外因结构。社会网络分析与计划行为理论对物流集群的稳定性、抗风险性等有重要作用，直接影响其决策，是当前物流集群高质量发展的基础保障。

2) 社会网络规模与强度是物流集群的主要关系潜变量，均能正向作用于集群企业的态度导向、主观规范与行为控制，内外因结构与作用路径成立，可靠性强。表明以关系结构做支撑的社会外部力量对企业的物流集群决策与选择影响较大。

3) 物流企业集群意向受主观规范影响，而企业态度导向、行为控制对其作用效果不明显。表明物流企业集群选择较为看重未来效益，而不是喜好 意愿。

4) 物流企业集群行为受集群意向的正向作用，但排斥企业集群行为控制。表明集群后的经营问题是企业决策选择的重要依据。

3.2 相关启示

1) 加强引导沟通，深化物流企业集群决策行为。政府部门、金融机构、科研机构等应该加大与物流企业的沟通联系，引导企业走向集聚，掌握企业集聚现状以及实际问题并作出相应的决策，解决企业集聚痛点，提升企业集聚积极性。

2) 加大支持力度，营造良好物流企业集群经营环境。政府应通过园区规划、金融政策以及财政政策对物流企业提供政策支持。金融机构应在政府部门的引导下为企业提供资金支持以及相关市场信息，帮助企业快速适应集群新环境。科研机构应深化校企合作，积极为物流企业输送人才、技术以及知识，帮助企业提升专业化和信息化水平。

3) 加快宣传推广，强化物流集群企业对未来竞争力的认知。与物流集群相关的政府机构、管理方、行业协会以及专家学者可以通过优质认证、绩效宣传、经验分享、专家交流、企业座谈等形式宣传集群成果，增强物流企业对集群的认知与集聚意识。

[1] 海峰, 靳小平, 贾兴洪. 物流集群的内涵与特征辨析[J]. 中国软科学, 2016(8): 137−148. HAI Feng, JIN Xiaoping, JIA Xinghong. An analysis on connotation and features of logistics cluster[J]. China Soft Science, 2016(8): 137−148.

[2] Sheffi Y. Logistics clusters: Delivering value and driving growth[M]. Cambridge, MA: MIT Press, 2012.

[3] 符文颖, 邓金玲. 产业转型背景下创业区位选择和集群空间演化[J]. 地理科学, 2017, 37(6): 833−840. FU Wenying, DENG Jinling. Locational choice of start-ups and spatial evolution of clusters in the context of industrial restructuring[J]. Scientia Geographica Sinica, 2017, 37(6): 833−840.

[4] LIU S J, LI G Q, JIN F J. Quantitative measurement and development evaluation of logistics clusters in China[J]. Journal of Geographical Sciences, 2018, 28(12): 1825− 1844.

[5] Indraneel K, Andrey Z, Ayoung K, et al. Transportation and logistics cluster competitive advantages in the US regions: A cross-sectional and spatiotemporal analysis[J]. Research in Transportation Economics, 2017, 61(3): 25− 36.

[6] 陈治亚, 彭靖怡, 蔡适, 等. 网络型物流企业需求分布的空间自相关分析——以中国铁路总公司省域铁路货运量为例[J]. 铁道科学与工程学报, 2017, 14(8): 1765− 1774. CHEN Zhiya, PENG Jingyi, CAI Shi, et al. Spatial auto correlation analysis on demand distribution of networked logistics enterprise: A case study of provincial freight volume in China Railway Corporation[J]. Journal of Railway Science and Engineering, 2017, 14(8): 1765− 1774.

[7] ZHOU X Y, MA J Y, FU D M, et al. Research on interaction between logistics industrial clusters and urbanisation based on system dynamics and cloud model[J]. International Journal of Internet Manufacturing Services, 2019, 6(1): 97−121.

[8] 唐建荣, 徐媛媛, 李晓静. 基于SEM的城市物流驱动因素分析及对策研究——以江苏省为例[J]. 华东经济管理, 2015, 29(8): 39−46. TANG Jianrong, XU Yuanyuan, LI Xiaojing. A research on urban logistics driving factors and countermeasures based on SEM——The case of Jiangsu Province[J]. East China Economic Management, 2015, 29(8): 39−46.

[9] Barnes J A. Class and committees in a Norwegian Island Parish[J]. Human Relations, 1954, 7(1): 39−58.

[10] Ajzen I. The theory of planned behaviour[J]. Organizational Behavior and Human Decision Processes, 1991, 50(2): 179−211.

[11] Christian Felzensztein, Eli Gimmon. Industrial Clusters and social networking for enhancing inter-firm cooperation: The case of natural resources-based industries in Chile[J]. Journal of Business Market Management, 2008, 2(4): 187−202.

[12] Eisingerich A B, Bell S J, Tracey P. How can clusters sustain performance? The role of network strength, network openness, and environmental uncertainty[J]. Research Policy, 2010, 39(2): 239−253.

[13] Ter Wal A J, Boschma R. Co-evolution of firms, industries and networks in space[J]. Regional Studies, 2011, 45(7): 919−933.

[14] 王健, 刘荷. 跨国公司嵌入视角下物流产业集群网络结构演化[J]. 中国流通经济, 2015(8): 26−32. WANG Jian, LIU He. The evolution of networks structure in logistics clusters from the perspective of MNEs embedding[J]. China Business and Market, 2015(8): 26−32.

[15] 张钢, 张小军. 基于计划行为理论的绿色创新战略影响因素分析[J]. 商业经济与管理, 2013(7): 47−56. ZHANG Gang, ZHANG Xiaojun. Analysis of factors influencing green innovation strategies based on the theory of planned behaviour[J]. Journal of Business Economics, 2013(7): 47−56.

[16] 梅强, 陈好, 刘素霞. 中小企业安全投入行为决策研究[J]. 中国安全科学学报, 2013(8): 150−156. MEI Qiang, CHEN Hao, LIU Suxia. Research on decision-making of small and medium-sized enterprises on their safety investment behaviors[J].China Safety Science Journal, 2013(8): 150−156.

[17] 田楹, 胡蓓. 产业集群集聚效应与创业意向关系的实证研究[J]. 管理学报, 2014(7): 1029−1037. TIAN Ying, HU Bei. Why industrial clusters could incubate enterpreneurs: An empirical study on relationship between agglomeration effect and entrepreneurial intention[J]. Chinese Journal of Management, 2014(7): 1029−1037.

[18] Porter M. The competitive advantage of nations[M]. New York: Free Press, 1985.

[19] 张晓燕, 孙志忠, 胡娟. 基于扎根理论的西部物流集群中横向物流协同制约因素及作用机制研究——以五省市为例[J]. 商业经济与管理, 2019(9): 5−18. ZHANG Xiaoyan, SUN Zhizhong, HU Juan. The constraints and their function mechanism of horizontal logistics collaboration in western logistics cluster based on Grounded theory——Case study of five provinces and municipalities[J]. Journal of Business Economics, 2019(9): 5−18.

[20] Nahapiet J, Ghoshal S. Social capital, intellectual capital, and the organizational advantage[J]. Academy of Management Review, 1998, 23(2): 242−266.

[21] Collins C J, Clark K D. Strategic human resource practices, top management team social networks, and firm performance: The role of human resource practices in creating organizational competitive advantage[J]. Academy of Management Journal, 2003, 46(6): 740−751.

[22] Sirisawat P, Kiatcharoenpol T. A study of correlation for reverse logistics barriers to solutions using structural equation modelling[J]. International Journal of Productivity and Quality Management, 2019, 26(2): 139− 159.

[23] Likert R. A technique for the measurement of attitudes [M]. New York: The Science Press, 1932.

Research on the functional route of logistics clusters based on SNA-TPB

LI Lihua, DENG Yajun, YANG Zhou

(School of Traffic and Transportation Engineering, Changsha University of Science and Technology, Changsha 410114, China)

Searching for the recessive factors of logistics clusters and analyzing the potential characteristics are very important to clarify the functional mechanism and reduce the risk of decision-making of modern logistics clusters. Based on the social network analysis (SNA) and the theory of planned behavior (TPB), the potential variables and observed variables were designed to study the other properties and the internal and external structures of logistics clusters. By using the structural equation model, SPSS® and AMOS®, 343 questionnaires of logistics clusters enterprises in Hunan Province were analyzed to explore the functional route and correlated mechanism of logistics clusters. The results show that the scale and intensity of social network have positive effects on the logistics clusters, and the external social forces and network subjects have great influence on the decision-making of the logistics clusters. The subjective norms of the enterprises affect the logistics clusters, but the effect of attitude orientation and behavior control is not obvious. The logistics clusters depend on the judgment of the future benefits of the enterprises rather than the subjective preferences. The intention of enterprise cluster has a significant effect on the cluster behavior, and the operation problems after logistics clusters are more concerned by enterprises. Finally, some suggestions are put forward, such as strengthening guidance, creating a good business environment and increasing logistics clusters publicity and promotion.

logistics clusters; social network analysis; theory of planned behavior; structural equation model; functional route

F252

A

1672 − 7029(2020)08 − 2133 − 09

10.19713/j.cnki.43−1423/u.T20200379

2020−05−07

教育部人文社会科学研究青年基金资助项目(14YJC630062)；湖南省自然科学基金资助项目(2019JJ40308)；长沙理工大学公路工程省部共建教育部重点实验室开放基金资助项目(kfj120103)

李利华(1979−)，男，湖北红安人，副教授，博士，从事物流系统优化与设计研究；E−mail：hbxiaoli98@csust.edu.cn

(编辑 蒋学东)