整合与企业绩效的实证研究

4．7　物流能力、ARSC整合与企业绩效的实证研究

4．7．1　关于结构方程模型分析方法

1）问题提出及研究方法

农业产业化导入供应链管理将有利于提升我国农业产业化竞争力和绩效，这种思想已经为很多学者所认同。然而在实证方面，对于SCM与涉农供应链绩效的关系缺乏量化研究。本研究试图从物流的角度探讨供应链整合对供应链中企业绩效的影响，在分析前人研究成果的基础上提出涉农供应链整合绩效模型，并通过调查数据进行验证。

谭涛（2004），朱毅华、王凯（2004）等学者，基于在个别省市（如南京、扬州等）的数据采集，对农产品供应链整合绩效进行过一些开创性的研究。本课题的研究，将数据采集范围（样本企业）扩大到全国，以增强结论的普遍性和代表性；此外，基于涉农供应链的独特性（“速度陷区”等），以及实地调研中对ARSC中“产业落差”的把握，因此考虑将ARSC的“外部整合”进一步细分化，而展开研究。

总体上，我们将问题聚焦于以下几个方面：①物流能力是否会提升企业绩效？②供应链整合是否会提升企业的绩效？③供应链整合是否会提高企业物流能力进而对企业绩效产生积极的影响？④我国国家级农业产业化重点龙头企业的供应链整合处于什么阶段？⑤龙头企业的供应商整合与客户整合对企业绩效所起的作用有差异吗？上述想法反映在如图4－17所示的模型中。

图4－17　涉农供应链整合绩效假设模型

我们相应地整理并提出以下5个假设：

H1：通过供应链的整合，能提高企业的物流能力。假设H1可细分为三个部分：H1a：通过供应链的内部整合，能提高企业的物流能力；H1b：通过供应链的客户整合，能提高企业的物流能力；H1c：通过供应链的供应商整合，能提高企业的物流能力。

H2：通过供应链的整合，能提高企业的绩效。假设H2可细分为三个部分：H2a：通过供应链的内部整合，能提高企业的绩效；H2b：通过供应链的客户整合，能提高企业的绩效；H2c：通过供应链的供应商整合，能提高企业的绩效。

H3：企业的物流能力对企业绩效有正向的影响。

H4：企业的内部整合与外部整合存在正向的相关关系。假设H4可细分为两个部分：H4a：企业的内部整合与供应商整合存在正向的相关关系；H4b：企业的内部整合与客户整合存在正向的相关关系。

H5：企业的客户整合与供应商整合存在正向的相关关系。

2）方法选择及数据收集

本研究所提出的假设模型中所使用的各个概念，在统计分析上称为潜变量（Latent Variable），需要选择合适的验证分析方法。本研究选择结构方程模型（Structural Equation Modeling，简称SEM）作为分析工具^[38]，对图4－18所示的模型进行验证性因素分析。Michael S Garver等首先提出将SEM引入物流理论的检验，并给出了SEM分析的基本方法^[39]；此后SEM分析工具得到了物流研究者的重视，相关文献逐步增多。

本研究的数据来源于对全国范围内一百多家国家级农业产业化重点龙头企业的调查，回收问卷后，又经过剔除，形成87份有效数据。

3）调查表（问卷）的设计及参考依据

本研究借鉴TheodoreP．S．（1999^[40]，2001^[41]），Cristina ＆Eva Ventura（2003），以及朱毅华、王凯（2004），谭涛（2004），张晟义（2004），杨为民（2006）等的研究，同时结合与其他专家学者、企业人士的讨论，并根据预调研的实际情况进行必要修正和精简，形成了正式的调研表（如表4－6所示）。

表4－6　调查表设计及参考依据

③Shin，Hojung，David A．Collier，Darryl D．Wilson．Supply Management Orientation and Supplier/Buyer Performance［J］．Journal of Operations Management，2000，18：317．

（续表）

①Global Logistics Research Team at Michigan State University．World Class Logistics：The Challenge of Managing Continuous Change［Z］．1995．

②Zahra，S．A．，Technology Strategy and Financial Performance：Examining the Modera－ting Role of The Firm’s Competitive Environment［J］．Journal of Business Venturing，1996，（11）：189－219．

在形式上，调查问卷采用李克特五分制评分标准，通常要求调研对象对上述题项进行判断——判断企业在绩效等方面是否达到某种水平。

4．7．2　数据正态性检验

进一步分析之前，首先对各个测量题项的均值、标准差和峰度进行描述性统计，以确定调查数据是否适合SEM进行分析。一般当数据偏态统计值绝对值（Skewness）小于3，峰度绝对值（Kurtosis）小于10时，可以认为，数据服从正态性分布适合进一步的计量统计分析。本研究各个测量题项的描述性统计分析结果显示，调查数据通过正态性分布检验，适合进行相应统计分析。

4．7．3　数据的内部一致性分析

1）企业绩效量表CITC及内部一致性信度分析

企业绩效量表的CITC及内部一致性信度分析结果如表4－7所示。从表中可以看出，条款EP－5的初始CITC值为0．102，远小于0．3，且删除该条款后，整体α系数会由原先的0．643上升至0．714，符合条款删除标准，因此予以删除。删除条款EP－5后，其余条款的最终CITC值：EP－1为0．466，EP－2为0．420，EP－3为0．507，EP－4为0．623，均大于0．3；且量表的最终整体α系数为0．714，大于0．7，表明量表符合研究的要求。

表4－7　企业绩效量表CITC及内部一致性信度分析

2）供应商整合量表CITC及内部一致性信度分析

供应商整合量表的CITC及内部一致性信度分析结果如表4－8所示。从表中可以看出，条款SI－1的初始CITC值为0．278，远小于0．3，且删除该条款后，α系数会由原先的0．709上升至0．719，符合条款删除标准，因此予以删除。条款SI－5的初始CITC值为0．224，也远小于0．3，且删除该条款后，（系数会由原先的0．709上升至0．737，也符合条款删除标准，因此予以删除。删除条款SI－1和条款SI－5后，其余条款的最终CITC值：SI－2为0．624，SI－3为0．606，SI－4为0．614，SI－6为0．693，均大于0．3；且量表的最终整体α系数为0．784，大于0．7，表明量表符合研究的要求。

表4－8　供应商整合量表CITC及内部一致性信度分析

3）物流能力量表CITC及内部一致性信度分析

物流能力量表的CITC及内部一致性信度分析结果如表4－9所示。从表中可以看出，条款L－4的初始CITC值为0．058，远小于0．3，且删除该条款后，α系数会由原先的0．713上升至0．842，符合条款删除标准，因此予以删除。删除条款L－4后，其余条款的最终CITC值：L－1为0．646，L－2为0．689，L－3为0．789，L－5为0．793，均大于0．3；且量表的最终整体α系数为0．842，大于0．7，表明量表符合研究的要求。

表4－9　物流能力量表CITC及内部一致性信度分析

4）内部整合量表CITC及内部一致性信度分析

内部整合量表的CITC及内部一致性信度分析结果如表4－10所示。从表中可以看出，条款I－4的初始CITC值为0．200，小于0．3，且删除该条款后，整体α系数会由原先的0．754上升至0．775，符合条款删除标准，因此予以删除。删除条款I－4后，其余条款的最终CITC值：I－1为0．647，I－2为0．665，I－3为0．472，I－5为0．675，I－6为0．633，均大于0．3；且量表的最终整体α系数为0．775，大于0．7，表明量表符合研究的要求。

表4－10　内部整合量表CITC及内部一致性信度分析

5）客户整合量表CITC及内部一致性信度分析

客户整合量表的CITC及内部一致性信度分析结果如表4－11所示。从表中可以看出，条款CI－6的初始CITC值为0．242，小于0．3，且删除该条款后，整体α系数会由原先的0．810上升至0．843，符合条款删除标准，因此予以删除。删除条款CI－6后，其余条款的最终CITC值：CI－1为0．724，CI－2为0．717，CI－3为0．614，CI－4为0．557，CI－5为0．644，均大于0．3；且量表的最终整体α系数为0．843，大于0．7，表明量表符合研究的要求。

表4－11　内部整合量表CITC及内部一致性信度分析

测量信度时，一般来说信度系数（Crobach’sα）大于0．7为理想。信度分析结果表明，大多数问题项具有可接受的信度值，将部分影响信度的问题项从调查数据中剔除后，作为结构方程模型检验的数据。最终处理如表4－12所示。

表4－12　调查表问题项检验概念

整体来看，5个维度经过剔除后的克朗巴哈系数都超过0．7，表明数据具有较好的内部一致性信度。

4．7．4　效度分析

1）内容效度

内容效度（content validity），又称表面效度（face validity），测量工具的内容效度是指该测量工具是否涵盖了它所要测量的某一观念的所有项目（观念），其更多的是靠研究者在观念的定义上或者语义上的判断（荣泰生，2005，p．146），即内容效度是一种质性的效度，主要依赖于逻辑的处理而非统计的分析，依赖于研究社群对理论定义的认同（黄芳铭，2005，p．263）。本研究所采用的量表主要借鉴国内外现有的、较为成熟的量表编制而成，原先的量表都经过了经验研究的检验，已为众多相关领域专家学者所认可。此外，本书在原始量表的基础上，通过专家访谈和企业访谈等方式调整和增添了一些重要题项。因此，我们可以认为本研究所采用的量表具有较好的内容效度。

2）收敛效度

Shook（2004）认为测量的有效性可通过检验测量条款的聚合效度和区分效度来进行。聚合效度是通过平均变异数抽取量（Average Verianee Extracted）进行测量，其标准为测量条款的解释力超过其误差方差（Carmines ＆zeler，1979；转引自王庆喜，2004）。Fornell和Larcker（1981b）认为若误差的解释大于测量条款的话，则表示该变量的效度是有问题的，因此AVE的最低标准为大于0．5（Bagozzi ＆Yi，1988；Fornell ＆Larcker，198lb）。对于因子负载而言，测量的有效性要求其超过一定的标准，且达到统计显著性水平（杨志蓉，2006），Ford，McCallum和Tait（1996；转引自王庆喜，2004）推荐的标准化因子负载的最低水平为0．4。参照适配度指标的理想取值范围标准、标准化因子负载和AVE取值的下限标准，对各潜变量进行确定性因子分析以检验其各自的聚合效度。

（1）企业绩效的聚合效度分析。

企业绩效的确定性因子分析结果如图4－18和表4－13所示。就拟合优度指标而言，其中χ²/df＝2．264，小于5；GFI＝0．975，AGFI＝0．875，NFI＝0．932，IFI＝0．961，CFI＝0．958，均远大于0．9；RMSEA＝0．089，小于0．10，表明拟合效果非常理想。此外，所有条款的标准化因子负载均大于0．4；而且AVE的值为0．581，超过了0．5的下限，表明量表具有较好的聚合效度。

图4－18　企业绩效确定性因子分析模型

表4－13　企业绩效聚合效度分析

（2）客户整合的聚合效度分析。

客户整合的确定性因子分析结果如图4－19和表4－14所示。就拟合优度指标而言，其中χ²/df＝2．454，小于5；GFI＝0．938，AGFI＝0．815，NFI＝0．927，IFI＝0．955，CFI＝0．954，均远大于0．9；RMSEA＝0．094，小于0．10，表明拟合效果非常理想。此外，所有条款的标准化因子负载均大于0．4；其中，CI－1和CI－2标准化因子负载大于0．7，CI－3、CI－4和CI－5标准化因子负载大于0．6；而且AVE的值为0．627，超过了0．5的下限，表明量表具有较好的聚合效度。

图4－19　客户整合确定性因子分析模型

表4－14　客户整合聚合效度分析

（3）内部整合的聚合效度分析。

内部整合的确定性因子分析结果如图4－20和表4－15所示。就拟合优度指标而言，其中χ²/df＝3．256，小于5；GFI＝0．880，AGFI＝0．838，NFI＝0．879，IFI＝0．849，CFI＝0．836，均远大于0．8；RMSEA＝0．098，小于0．10，表明拟合效果非常理想。此外，所有条款的标准化因子负载均大于0．4（且都在0．5以上）；而且AVE的值为0．619，超过了0．5的下限，表明量表具有较好的聚合效度。

图4－20　内部整合确定性因子分析模型

表4－15　内部整合聚合效度分析

（4）物流能力的聚合效度分析。

物流能力的确定性因子分析结果如图4－21和表4－16所示。就拟合优度指标而言，拟合度都很高，其中χ²/df＝0．542，小于5；GFI＝0．994，AGFI＝0．968，NFI＝0．996，IFI＝0．992，CFI＝0．993，均远大于0．9；RMSEA＝0．012，小于0．10，表明拟合效果非常理想。此外，所有条款的标准化因子负载均远远大于0．4（都在0．7以上）；其中，L－3和L－5的标准化因子负载大于0．9；而且AVE的值为0．764，超过了0．5的下限，表明量表具有较好的聚合效度。

图4－21　物流能力确定性因子分析模型

表4－16　物流能力聚合效度分析

（5）供应商整合的聚合效度分析。

供应商整合的确定性因子分析结果如图4－22和表4－17所示。就拟合优度指标而言，其中χ²/df＝1．333，小于5；GFI＝0．985，AGFI＝0．924，NFI＝0．993，IFI＝0．998，CFI＝0．998，均远大于0．9；RMSEA＝0．064，小于0．10，表明拟合效果非常理想。此外，所有条款的标准化因子负载均远远大于0．4（都在0．7以上）；其中，SI－2和SI－6的标准化因子负载大于0．9；而且AVE的值为0．787，超过了0．5的下限，表明量表具有较好的聚合效度。

图4－22　供应商整合的确定性因子分析模型

表4－17　供应商整合聚合效度分析

4．7．5　结构方程模型（SEM）分析

这里，首先单独考察内部整合对物流能力和企业绩效的影响关系，然后再单独考察外部整合（供应商整合和客户整合）对物流能力和企业绩效的影响关系，最后，综合考虑上述因素对企业绩效的影响和作用。

1）内部整合对物流能力和企业绩效的影响关系模型

从表4－18、表4－19可以看出，χ²/df为1．556，小于最高上限5，甚至小于更严格的标准3；RMSEA值为0．083，小于最高上限0．1；GFI、AGFI指标值分别为0．864、0．797在0．8左右；TLI、CFI指标值分别为0．910、0．930，均大于0．9；PNFI与PCFI指标值分别为0．649与0．727，均大于0．5。结果表明，模型拟合程度较好。

表4－18　内部整合对物流能力和企业绩效的影响关系模型的参数估计

表4－19　内部整合对物流能力和企业绩效的影响关系模型的拟合指标

从图4－23影响模型可以看出，内部整合与物流能力之间的标准化路径系数为0．662，P值为0．000，在0．001水平上显著；内部整合与物流能力之间的标准化路径系数为0．617，P值为0．002，在0．05水平上显著；物流能力与企业绩效之间的标准化路径系数为0．299，P值为0．008，在0．05水平上显著；表明内部整合、物流能力对企业绩效的影响关系模型成立。

图4－23　内部整合对物流能力和企业绩效的影响关系模型

2）外部整合对物流能力和企业绩效的影响关系模型

从表4－20、表4－21可以看出，χ²/df为1．556小于最高上限5，甚至小于更严格的标准3；RMSEA值为0．083，小于最高上限0．1；GFI、AGFI指标值分别为0．793、0．722均大于0．7；TLI、CFI指标值分别为0．895、0．912，均大于0．8，比较理想；PNFI与PCFI指标值分别为0．771与0．764，均大于0．5。结果表明，模型拟合程度较好。

表4－20　外部整合对物流能力和企业绩效的影响关系模型的参数估计

表4－21　外部整合对物流能力和企业绩效的影响关系模型的拟合指标

从图4－24的影响模型可以看出，供应商整合与物流能力之间的标准化路径系数为0．254，P值为0．002，在0．001水平上显著；客户整合与物流能力之间的标准化路径系数为0．664，P值为0．000，在0．001水平上显著；供应商整合与企业绩效之间的标准化路径系数为0．124，P值为0．006，在0．05水平上显著；物流能力与企业绩效之间的标准化路径系数为0．273，P值为0．047，在0．05水平上显著；客户整合与企业绩效之间的标准化路径系数为0．124，P值为0．001，在0．05水平上显著；表明供应商整合、客户整合、物流能力对企业绩效的影响关系模型成立。

3）涉农供应链整合机制研究

从表4－22、表4－23可以看出，χ²/df为1．556小于最高上限5，甚至小于更严格的标准3；RMSEA值为0．083，小于最高上限0．1；TLI、CFI指标值分别为0．908、0．921，均远大于0．8，比较理想；GFI指标值为0．865，大于于0．8，属于可接受的范围；AGFI指标值为0．699，不足0．8，不太理想。但我们认为，模型既要考虑统计意义，也要考虑实际经济含义，事实上，该模型所表达的路径及关系机制基本是符合实际的。此外，PNFI与PCFI指标值分别为0．771与0．764，均大于0．5。结果表明，模型总体上拟合程度较好。

图4－24　外部整合对物流能力和企业绩效的影响关系模型

表4－22　涉农供应链整合绩效模型的参数估计

表4－23　涉农供应链整合绩效模型的拟合指标

图4－25　涉农供应链内外部整合、物流能力与企业绩效的关系模型

从图4－25影响模型可以看出，内部整合与物流能力之间的标准化路径系数为0．301，P值为0．040，在0．05水平上显著；供应商整合与物流能力之间的标准化路径系数为0．250，P值为0．004，在0．05水平上显著；客户整合与物流能力之间的标准化路径系数为0．664，P值为0．003，在0．05水平上显著；内部整合与企业绩效之间的标准化路径系数为0．475，P值为0．016，在0．05水平上显著；供应商整合与企业绩效之间的标准化路径系数为0．227，P值为0．043，在0．05水平上显著；物流能力与企业绩效之间的标准化路径系数为0．277，P值为0．047，在0．05水平上显著；客户整合与企业绩效之间的标准化路径系数为0．394，P值为0．050，在0．05水平上显著。

此外，内部整合与供应商整合之间的相关系数为0．124，P值为0．016，在0．05水平上显著；内部整合与客户整合之间的相关系数为0．614，P值为0．000，在0．001水平上显著；供应商整合与客户整合之间的相关系数为0．352，P值为0．000，在0．001水平上显著。

统计结果表明，内部整合、供应商整合、客户整合、物流能力与企业绩效的影响关系模型成立。

结合表4－22、表4－23以及图4－25的结构方程模型验证分析和假设检验的结果，可以看到，前面4．7．1中提出的假设得到了验证。可以认为，供应链整合特别是内部整合显著正向影响企业的物流能力和绩效；而通过供应链整合，可以促进企业的物流能力提高。并且，内部整合与外部整合是相关联的，供应商整合与客户整合也是相关联的。

此外，还可以进一步通过路径分析，把握各个潜变量（影响因素）的效应，见表4－24。

表4－24　潜变量的效应分析

可以看出，内部整合与外部整合对企业的绩效均有显著的正向影响，其中内部整合的影响大于两种外部整合。此外，客户整合对企业绩效的影响远远大于供应商整合对企业绩效的影响。值得注意的是，供应链整合对物流能力的影响作用大于物流能力对企业绩效的影响作用，这说明龙头企业将物流能力转化为现实绩效的过程中存在障碍和问题。

4．7．6　SEM总体结论分析

1）内部整合与外部整合具有高度的相关性

研究表明，企业的内部整合与外部整合具有高度的相关性（分布与客户整合的p＝0．000，与供应商整合的p＝0．016），这说明两者是相互促进的，外部整合程度较高的企业在内部整合上也达到较高的水平。在引入供应链管理时，企业首先应从内部整合抓起，在企业内各部门建立共同的物流目标、建立部门间的信息共享机制与协作机制并加强信息化建设。

2）物流能力与企业绩效

研究结果同时表明，内部整合与外部整合对企业的物流能力和物流绩效存在正向影响，这为探索农业产业化中龙头企业的供应链整合诱因及导入供应链管理思想提供了实证上的支持。从研究结果来看，物流能力对企业绩效存在正向影响。这验证了先前研究的结果，表明在市场竞争日益激烈的环境下，农产品加工企业也必须重视物流管理。

3）内部整合、外部整合对“企业绩效”影响上的差异

从路径分析的结果看，“外部整合”对“企业绩效”的影响小于“内部整合”对企业绩效的影响。根据Cristina和EvaVentura（2003）的研究^[42]，当企业的整合普遍达到一定程度后，将不能使企业获得竞争优势，整合只是取得竞争优势的必要条件而非充分条件。统计结果显示，被调查龙头企业中“内部整合”仍然对企业“物流能力”和“企业绩效”存在相对于“外部整合”（这里包括“供应商整合”和“客户整合”两方面）大得多的影响，这说明龙头企业中“内部整合”还不完全，很多企业还处于供应链整合的初级阶段（即马士华等划分的“职能”阶段），而内部整合达到了较高水平或已进入向外部整合过渡阶段的部分企业，获得了更高的竞争力。

4）“供应商整合”和“客户整合”对“企业绩效”影响上的差异

与以往实证研究不同的是，本课题将供应商整合与客户整合分开来处理（而非统一为“外部整合”）的。因为在访谈中发现，龙头企业对供应商和客户作用的感知是不同的。而实证结果进一步证实了这种推断。反过来看，以往将“供应商整合”与“客户整合”混同处理的实证方法是有缺陷的。

统计结果显示，“客户整合”对“企业绩效”的影响（总效应值0．514）要远大于“供应商整合”对“企业绩效”（总效应值0．296）的影响。造成这种差异的原因可能在于：

（1）从处于涉农供应链“中游”的龙头企业视角看，其利润和价值的最后实现发生于下游环节（与客户界面），因而“客户整合”扮演着更重要的角色。

（2）相对而言，在ARSC这种知识凝聚不足且创新乏力的低租金供应链中，保证原材料的供应，只是成功的一个必要条件而非充分条件。本课题实证的样本主要是国家级龙头企业，供应问题的损害程度相对较低，因而“供应商整合”对“企业绩效”的影响被低估，可能也源于这一现实原因。

5）涉农供应链外部整合在各方向上的不一致性

理论演绎、实证研究、实地访谈不断强化我们的一个重要认识是：产业落差”是任何一个致力于对ARSC有效集成和整合的涉农企业，都必须面对的问题。

虽然均很显著，但是统计结果显示，“内部整合”与“外部整合”之一的“客户整合”的相关性（r＝0．614），远远高于与“外部整合”之一的“供应商整合”的相关性（r＝0．124）。结合访谈我们发现，龙头企业“内部整合”，特别是以IT为支持的“内部整合”，大都试图将其整合边境扩散到外部供应链的客户接口甚至更远。但是，相对而言，却很少同步地、同程度地向农户端扩散，例如，一些企业在内部整合使用的QQ系统，可以很方便地推向客户（经销商/超市）端，却很难推向供应商（农户/农场）端。并且，就“内部整合”与“外部整合”之一的“客户整合”相关性较高这一点，我们还注意到，有一部分在质量/安全方面绩优的、出口导向型的农产品（食品）龙头企业，其“内部整合”在某些阶段上是由客户逆向推动的（而通常的情况是“内部整合”间接地影响“外部整合”）——也即在非对称地位下，龙头企业“被诱致”地与供应商进行的组织关系和业务流程协同，反过来促进了其内部的整合，但是，将这种动力进一步延伸于上游（供应商整合），显然要滞后一些。总之，这一统计结果部分的、侧面地证实“产业落差”对涉农供应链的集成和整合的消极影响。

一个基本结论是：由于产业落差等因素的影响，涉农供应链“外部整合”在“供应商整合”和“客户整合”这两个重要方向上^[43]，是不同步的、不平衡的、不一致的。通常，“客户整合”在时间上要早于“供应商整合”，在组织资源分配上要重于“供应商整合”，在整合水平上要高于“供应商整合”。