交通运输本体隐性质量成本影响度评估

苏哲亿

交通运输本体隐性质量成本影响度评估

苏哲亿

（广州新华学院会计学院，广东 东莞 523133）

为了有效评估交通运输本体全生命周期隐性质量成本受影响程度大小，在对其影响因素及相互关系进行分析的基础上结合问卷调查数据，运用SPSS Statistics 19和SPSS Amos 21构建交通运输本体隐性质量成本影响度评估的结构方程模型，并对模型进行了评价、修正与优化，验证了交通运输本体隐性质量成本影响因素相互间的结构关系，为动态评估交通运输本体隐性质量成本影响度，实时控制影响隐性质量成本的关键因素，有效降低隐性质量成本提供科学依据。

结构方程模型；交通运输本体；隐性质量成本；影响度评估

引言

根据美国质量协会统计，企业运营中隐性质量成本是显性质量成本的3～4倍[1]。如何有效评估交通运输本体从规划、构建、测试、评估至应用全生命周期中隐性质量成本各影响因素的影响程度，是交通运输本体建设项目质量成本管理应该关注的焦点。隐性质量成本相关研究主要涉及从产品[2-4]及产品生产过程[5]、顾客满意度[6]、针织企业[7]、建筑工程项目[8-9]、医疗服务[10]、水电项目[11]、汽车行业[12]、供应商[13]等角度，采用质量损失函数、泰勒展开法、量化仿真、综合评分、作业成本法、贝叶斯网络、SERVQUAL和QFD法、三角模糊数理论、Topsis与田口质量损失函数相结合等方法，建立隐性质量成本估算与控制模型。但是，目前涉及交通运输本体隐性质量成本及其影响因素评估的研究甚少。结构方程模型在同时处理多变量、揭示变量作用关系和影响程度方面有明显的优势，同时具有容错性、弹性大等特点，能够利用样本数据验证各因素的影响程度并辨识关键因素[14]。本文拟采用结构方程模型，研究交通运输本体隐性质量成本的影响因素及其影响程度。

1 交通运输本体隐性质量成本影响因素关系

结合交通运输本体建设项目的实际情况，交通运输本体隐性质量成本大致有以下三类：（1）本体建设质量未能反映用户需求，导致本体建设过程中的返工或改善所遭受的损失（质量变异带来的损失）；（2）由于本体服务质量问题，用户在不情愿的情况下负担的质量不满意的成本（用户不得已承受的质量损失）；（3）为确保和维持“过剩质量”（用户不需要的多余的质量），本体构建所负担的多余成本。形成以上成本的原因主要包括：交通运输本体建设相关人员出现的业务水平、工作态度、氛围、效率问题以及用户使用不当；交通运输本体建设中经费投入及分配欠妥；交通运输本体建设过程中出现技术问题；交通运输本体建设中工作环境设施出现问题；交通运输本体建设完成后出现质量过剩或不能满足用户需求、用户流失等。为保证本体建设质量，贾君枝等[15]基于本体生命周期管理，涵盖本体建设的生命周期阶段，从本体构建前整体规划及原材料的预处理过程、本体构建过程、本体构建完成后的应用状况三个阶段，提炼影响本体建设质量的关键要素。综合考虑已有研究成果及交通运输本体隐性质量成本的成因，从人、财、物运用不当而产生隐性质量成本的角度，分析本体建设项目支出的人力、经费、技术、设施等主要因素间的因果关系，得出交通运输本体隐性质量成本影响因素关系如图1所示。

图1 交通运输本体隐性质量成本影响因素关系

2 交通运输本体隐性质量成本影响度评估模型构建

2.1 结构方程模型理论

结构方程模型是研究观测变量、潜变量、误差变量间关系的一种方法，基本的结构方程模型分为测量模型和结构模型两部分。其中，测量模型表示潜变量与观测变量之间的关系，结构模型表示外生潜变量和内生潜变量之间的因果关系。矩阵方程式如下：

2.2 变量设计

交通运输本体隐性质量成本影响度评估的结构方程模型涉及5个潜变量，根据潜变量设计20个观测变量，见表1。

表1 模型潜变量及观测变量

2.3 数据收集与样本统计

数据收集采用邮件及现场问卷调研方式。调查对象为广东省交通运输本体建设者和使用者，包括本体建设人员、交通运输领域专家、技术支持人员、用户4种身份类型。问卷量表包括3个人口变量，5个潜变量因子，20项观测指标；采用Likert10级量度，根据各变量对隐性质量成本影响程度大小（1代表“最小”，10代表“最大”）测量打分。共发放问卷600份，各身份发出150份，收回问卷569份，其中选项全部相同或存在一个及以上缺失项的问卷视为无效问卷。最后得到有效样本528份，问卷有效率为97.96%。其中，身份类型情况如下：用户为141人，本体建设人员为133人，领域专家为128人，技术支持人员为126人；受教育程度情况如下：博士为94人，硕士为136人，本科及以下为298人；年龄情况如下：45岁以上为255人，45岁及以下为273人。

2.4 数据信度检验

采用“SPSS 19的可靠性分析”研究数据的内部一致性，得到信度检验Cronbach's Alpha值，见表2。

表2 信度检验Cronbach's Alpha值

其中Cronbach's Alpha值除“经费”指标外其他均在0.7以上，表明所用数据具有较好的信度，此量表的可靠性较高。由于“经费”的信度0.032远远低于0.7，因此在路径图中去掉“经费”指标，拟建初始模型则包括4个潜变量、17个观测变量。

2.5 结构方程模型初始建模

运用SPSS Amos 21构建交通运输本体隐性质量成本评估的结构方程初始模型路径结构图，并使用最大似然估计（MaXimum Likelihood）进行模型运算，得到系数估计结果，见图2。

图2 结构方程初始模型路径结构及系数估计

3 模型修正与优化

3.1 初始模型拟合评价

初始模型常用拟合指数适配值见表3第3列，相关拟合结果表明初始模型需要修正。

表3 初始模型及修正模型拟合结果

注：括号内数据表示适配值。

3.2 模型修正

根据SPSS Amos 21提供的初始模型修正指标进行修正。

（1）根据系数估计结果及现实情况：去掉系数在99%的置信度下与0不存在显著性差异的路径“3→5>11、3→>12”；去掉具有偶发性，对隐性质量成本影响非常有限，现实意义不大的路径“4→>18”。

（2）根据模型修正指数（Modification Index，MI）：逐次在MI值较大的误差变量之间增加相关路径“2<→>1、9<→>10、4<→>5、15<→>14、13<→>10、1→>5、2→>5”，并逐次重新估算模型。

（3）根据临界比率（Critical Ratio，CR）：判断没有显著差异的相应参数“1→>与1→>1，1→>4与1→>5，3→>13与3→>14，3→>与4→>，3→>9与4→>16，3与1，17与15，2与10”，模型估计时设定两个参数相等，直到所有相应的CR值都大于2为止。

经过多次修正，大大减少了模型的卡方值，得到如图3所示的修正模型及系数估计。

图3 结构方程修正模型路径结构及系数估计

3.3 修正模型拟合评价

修正模型常用拟合指数适配值见表3第4列，相关拟合结果表明修正模型适配度较好。

4 交通运输本体隐性质量成本影响度评估

修正模型中变量之间的结构关系映射出交通运输领域隐性质量成本各影响因素的影响度，可以通过模型输出的潜变量之间、潜变量与观测变量之间、观测变量之间的直接效应、间接效应、总效应表现出来（见表4）。

表4 修正模型中各因素之间影响效应（标准化结果）

注：***表示0.01水平上显著，括号中是相应的CR值，即值；表中给出的均是标准化后的参数。

4.1 影响因素之间影响度评估

根据表4可知：（1）人力因素综合影响度最大，当人力（1）问题每上升1个单位，技术（3）问题将上升0.928个单位，设施（4）问题将上升0.613个单位，因此人力是影响隐性质量成本的核心所在。（2）人力因素中影响度最大的是“业务素质不高（3）”，它每上升1个单位，人力（1）问题将上升0.918个单位。（3）设施因素中影响度最大的是“网络故障（17）”，它每上升1个单位，设施（4）问题将上升0.845个单位。（4）技术因素中影响度最大的是“实施方法不当（13）”，它每上升1个单位，技术（3）问题将上升0.956个单位。

4.2 影响因素对隐性质量成本的影响度评估

根据表4可知：对隐性质量成本（）影响度较大，排前三位的因素依次是“本体资源闲置（1）”“人力（1）”“用户流失（2）”。当本体资源闲置（1）每上升1个单位，隐性质量成本（）将上升0.923个单位；当人力（1）每多出现1个单位问题，隐性质量成本（）将上升0.832个单位；当用户流失（2）每上升1个单位，隐性质量成本（）将上升0.647个单位。

因此，在交通运输本体隐性质量成本管理中，应积极关注影响本体资源质量的人力、设施及技术因素，核心关注人力资源管理，控制此瓶颈因素是降低隐性质量成本的重中之重；同时，控制因维持本体资源闲置的过剩质量所产生的多余成本，选择正确的本体建设方法，提高本体建设人员的业务素质，保持畅通的网络也至关重要。

5 结束语

本文构建的结构方程模型揭示了交通运输本体隐性质量成本影响因素的因果关系，评估了各因素对隐性质量成本的影响度，有利于及时发现隐性质量成本关键影响因素和实时控制隐性质量成本，对降低交通运输本体质量成本，增强交通运输本体可持续发展能力，具有较好的现实意义。

[1] 周继春，邓学芬，黄功勋. 对降低隐性质量成本途径的探讨[J]. 中国商贸，2012(3): 236-237．

[2] ALBRIGHT T L, ROTH H P. The measurement of quality costs: An alternative paradigm[J]. Accounting Horizons, 1992, 6(2): 15-27.

[3] 郭强，张佳春. 基于质量损失函数下的隐性质量成本分析[J]. 船舶标准化与质量，2005(1): 37-39.

[4] LI S S, LIU X T, WANG Y S, et al. Hidden quality cost function of a product based on the cubic approximation of the Taylor expansion[J]. International Journal of Production Research, 2018, 56(14): 1-19.

[5] CHIADAMRONG N. The development of an economic quality cost model[J]. Total Quality Management and Business Excellence, 2003, 14(9): 999-1014.

[6] 侯瑶，吴君民. 基于顾客满意度的全面质量成本控制模型研究[J]. 会计之友，2014(17): 37-42．

[7] 祁程. 海宁针织企业隐性质量成本控制研究[D]. 北京: 华北电力大学，2015: 80.

[8] 吴洁琼. 建筑工程项目隐性成本显性化研究[D]. 西安: 西安建筑科技大学，2011: 66.

[9] 邵必林，李晓东. 基于BN的建筑施工项目隐性质量成本控制研究[J]. 西安建筑科技大学学报（自然科学版），2017，49(3): 317-321.

[10] GAO N N, ZHANG Y. Healthcare service hidden quality cost estimation based the SERVQUAL and QFD method[M]. Paris: Atlantis Press, 2016.

[11] 郭琦，付继业，陈志鼎. 基于FUZZY-DEMATEL的水电项目隐性成本影响因素分析[J]. 水电能源科学，2016，34(5): 172-175.

[12] PEREZ-FERNANDEZ L, CONDE J, SEBASTIAN M A. Decision support system to decrease warranty and intangible costs in automotive industry[J]. Procedia Manufacturing, 2017(13): 1143-1150.

[13] JENOUI K, ABOUABDELLAH A. Estimating supplier's hidden quality costs with Taguchi quality loss function and Topsis method[C]// 2017 International Colloquium on Logistics and Supply Chain Management, Rabat, Morocco: IEEE, 2017: 202-208.

[14] 李煜华. 基于结构方程模型的战略性新兴产业技术创新影响因素分析[J]. 科研管理，2015，36(8): 10-17.

[15] 贾君枝，刘艳玲. 本体评估指标体系的构建研究[J]. 图书情报工作，2009(12): 100-103.

[16] MACCALLUM R C, AUSTIN J T. Applications of structural equation modeling in psychological research[J]. Annual Review of Psychology, 2000, 51: 201-226.

[17] 吴明隆. 结构方程模型: AMOS的操作与应用[M]. 重庆: 重庆大学出版社，2009.

Evaluation of the Impact of Implicit Quality Cost on Transportation Ontology

In order to effectively evaluate the influence degree of the implicit quality cost of transportation ontology in the whole life cycle, based on the analysis of the influencing factors and the relationship between them, combined with the questionnaire survey data, a structural equation model for evaluating the influence degree of implicit quality cost of transportation ontology was constructed by using SPSS Statistics 19 and SPSS Amos 21, and the model was evaluated, modified and optimized. This paper verifies the structural relationship among the influencing factors of the implicit quality cost of the transportation ontology. This provides a scientific basis for dynamically evaluating the impact degree of the transportation ontology's implicit quality cost, controlling the key factors affecting the implicit quality cost in real time, and effectively reducing the implicit quality cost.

structural equation model; transportation ontology; implicit quality cost; impact evaluation

F50

A

1008-1151(2023)11-0148-05

2022-12-07

广州市教育局高校科研项目（202032864）。

苏哲亿（1993－），男，四川广安人，广州新华学院会计学院讲师，研究方向为数据挖掘与成本优化。