1.3 相关实证研究综述

1.3.1 相关实证研究的主要方法

结构方程模型（Structure Equation Modelling, SEM）是一种统计分析方法，包括因子分析和路径分析，它是一种比探索性方法更好的验证型方法，特别适合于对有些不可直接观测变量的研究；同时，它允许对多个变量组成的假设模型进行验证，适合找出这些变量之间的因果关系。这种研究方法近年来已经成为一种主流的研究方法，比传统的多元回归分析、相关分析更受欢迎。使用这种方法的文献近年逐步增多（Kee-Hung Lai,2004; Chin-Shan Lu et al.,2007; Po-Chien Li et al.,2006; Carol Prahinski et al.,2006）。

典型的方法是二步SEM方法，国外已经有人将这种方法用在物流方面的研究上（Anderson et al.,1988; Garver et al., 1999），国内也有人对这种方法进行了改进（陈明亮，2004），说明这是一种得到国内外学者认可的方法。第一步先用验证性因子分析（Confirmatory factor analysis, CFA）测算测量模型的效度和信度，并对模型进行修正；第二步再用经修正的测量模型来估算整个结构模型的拟合度（Wisner,2003）。

值得注意的是，使用SEM必须有以下限制性条件：①正确处理缺失的数据；②正确处理极端值；③线性；④正态性。但这些条件往往被研究者忽视（Tabachnick et al., 1996; Kline, 1998）。

1.3.2 物流能力相关实证研究

Morash, Dröge和Vickery（1996）等学者以美国年营业额1千万美元以上的家具生产商为研究对象，以探讨“策略性物流能力与竞争优势及企业成本之关系”研究时，从需求取向和供应取向提出主要的策略性物流能力。

（1）独立变化测量：物流能力。对于过去能力研究的进一步改进是当前的研究没有自动假定物流能力的感知重要性与他们的实际的发展和执行同义。

（2）因变量衡量：公司绩效。为了检验物流能力和整个公司成功的关系，运用了公司绩效和公司相对于竞争者的绩效两个主观衡量手段。对于公司绩效，衡量手段包括资产收益、投资收益（ROI）、销售收益（ROS）等所有衡量盈利能力的手段和ROI增长、ROS增长和销售增长等所有衡量增长的手段。每次运用多种手段。

（3）统计检验：逐步回归。由于预期单个的物流能力可能彼此相关，选择逐步回归作为分析物流能力和整个公司绩效的恰当方法。

逐步回归模型表明不同的物流能力要素必须基于特定绩效目标来开发。

Fawett, Stanley, Smith（1997）等以在墨西哥设厂的美商企业为研究对象，以探讨“发展物流能力以改善国际性运作之绩效”研究时，强调时间基础能力（Time-based capability）及潜在增值能力（Value-added potential capability），在物流能力方面使用配送能力、品质能力、柔性能力、成本能力和创新能力等5项要素。其研究结果指出，物流能力可改善企业的经营绩效，在物流能力的各项层面中均需强调“信息技术应用”的重要性。

回归方程：

绩效=β0+β1物流能力+β2规模+ε；

物流能力=β0+β1信息+β2计划+β3规模+ε。

物流变量的重要性（通过调查）：质量服务占29.10%；递送占22.29%；响应占19.57%；成本领导地位占15.84%；服务创新占13.20%。

Morash等（1996）和Fawett等（1997）的研究方法代表了20世纪90年代的主要研究方法，均以回归分析作为分析方法，找出了一些物流能力的关键要素，但这种研究显得很分散，仅注重单个能力要素和绩效要素之间的相关关系，没有把物流能力的诸要素和影响绩效的各种中间变量作为一个系统来进行研究，因为各种要素之间本身具有相关性。

Kuo-chung Shang和Marlow（2005）对中国台湾地区1200家制造加工厂进行了调研，对物流能力、物流绩效和财务绩效之间的关系进行了探讨。其中，物流能力被划分为基于信息的物流能力、标杆能力、柔性能力和管理能力。在这篇文献中，作者提出一系列假设，认为物流能力的要素中基于信息的能力是最重要的，因为它既影响其他的物流能力要素（柔性能力和标杆能力），也通过物流绩效直接或者间接影响到财务绩效，把这些因素构成一个整体模型来进行研究。使用的研究方法就是结构方程模型。结构方程模型（Structural Equation Modeling, SEM）是一种综合运用多元回归分析、路径分析和验证性因子分析方法而形成的一种统计数据分析工具，可以用来解释一个或多个自变量与一个或多个因变量之间的关系。这种方法使得相关的各种因素之间的联系不再孤立，并且可以分析出变量之间的间接影响。