物流供应商选择模型探究范文

本站小编为你精心准备了物流供应商选择模型探究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《价值工程杂志》2015年第十期

1评价指标值的量化

为了保证数据分析结果的科学性和有效性，需要对原始数据进行标准化处理。标准化处理的目的是消除或降低因量纲不同而造成分析结果的误差，主要是依赖于一定的数学转换方法，对评价指标的数值进行无量纲化、正规化处理，把性质不同、量纲不同的指标转化为可以相互比较分析的量化值[3]。标准化处理分为三类，分别是正向指标、适度指标和逆向指标，在综合评价时必须对指标数值进行一致化处理以消除正逆指标的影响。

2物流供应商选择模型的构建

2.1因子分析法的原理因子分析法的原理如下[5]。写成矩阵形式为：X=E+BZ。其中，X称作原始变量向量，E称作残差向量，Z称作公因子向量，B称作公因子负荷系数阵。公因子称为正交模型前提是Z1，Z2，…Zn之间互不相关。求出公因子负荷系数阵B和残差E是因子分析的目的。如果计算过程中可以不考虑残差E的作用，上述公式可以写成X=BZ。当公因子向量Z中的各分量彼此互不相关时，就构成了特殊形式的因子分析，即主成分分析。主成分分析模型可以写成。写成矩阵形式：Z=AX。其中，X为原始变量向量，A为主成分变换矩阵，Z为主成分向量。在进行主成分分析时的任务是把主成分变换矩阵A求出来。一般来说，主成分Z的数量是和原始变量X的数量成正相关的。但在实际操作中，大部分方差集中在前面几个主成分中，因此原始变量X的数目会远远大于提取出的主成分Z的数目，但是绝大部分信息被很好地保留在提取出来的主成分当中。因此在进行主成分分析时，为了简化问题，只需要选取方差最大的前几个主成分即可。

2.2供应商评价选择模型的步骤在确定好的供应商评价指标体系的前提下，以因子分析法的基本原理为依据，本文设计的供应商评价选择步骤见图1。步骤一，以确定好的评价指标为依据，确定相关数值，并将数据进行标准化处理；步骤二，输入SPSS软件中，进行KMO检验和Bartlett球形检验，若检验结果显示不适合做因子分析，则需要重新选取评价指标；若检验结果显示评价指标可以进行因子分析，则进入步骤三；步骤三，根据步骤一得到的指标数据进行因子分析，从因子得分表中可以得到不同供应商的主成分得分情况；步骤四，根据主成分方差贡献率可以计算出不同供应商的综合得分情况及排名。

3实例验证

3.1KMO检验和Bartlett球形检验本文选用12个样本进行指标分析，将搜集到的评价指标的数据，输入SPSS16.0中进行因子分析，得到表2。由因子分析法的理论可知，KMO检验是用于比较各个变量间的简单相关和偏相关系数。KMO检验的数值变化范围是从0到1，普遍认为，KMO检验值越接近1就越适合做因子分析；若较小，则表示变量间的相关度不高，不宜进行因子分析[6]。表2中KMO检验结果是0.520，大于0.5，即可以对数据进行因子分析。

3.2因子得分系数根据Kaiser标准化的正交旋转法，可以得到因子得分系数（见表3）。

3.3不同供应商的主成分得分情况将标准化矩阵中的每行对应代入到主成分的表达式中，就能够求得跟前2个主成分对应的12个供应商的得分（见表4）。

3.4供应商的综合得分情况根据前2个主成分的方差贡献率和12个供应商在前2个主成分的得分情况，可以有如下公式和供应商的综合得分情况（见表5）。从表5中可以看出第5个供应商的综合得分最高，应该选其作为电商企业最终的合作伙伴。

4结论

在B2C电子商务快速发展的今天，为了解决在B2C交易过程中由于物流配送供应商的选择不当，出现配送周期长、费用高、退货退款率增加等，进而影响商家的信誉、经营等情况，本文利用因子分析法探索末端物流配送供应商选择的合理方法，运用便捷有效的方法帮助电商选择适合自己的物流配送供应商，有助于降低电商的配送成本，提高产品的配送效率，提高产品的配送质量和服务水平，提升电商的信誉及经营状况，同时也促进物流企业的转型，提高市场竞争力。通过实例验证，可以看出利用因子分析法对评价指标进行分析，可以得到不同样本的得分情况，避免了传统评价方法中的主观性，提高了评价结果的科学性、可信性，具有很好的实用性。

作者：徐岚清单位：石家庄铁道大学