1  關于結構方程模型分析方法

1)問題提出及研究方法

農業產業化導入供應鏈管理將有利于提升我國農業產業化競爭力和績效，這種思想已經為很多學者所認同。然而在實證方面，對于SCM與涉農供應鏈績效的關系缺乏量化研究。本研究試圖從物流的角度探討供應鏈整合對供應鏈中企業績效的影響，在分析前人研究成果的基礎上提出涉農供應鏈整合績效模型，并通過調查數據進行驗證。

譚濤(2004),朱毅華、王凱(2004)等學者，基于在個別省市(如南京、揚州等)的數據采集，對農產品供應鏈整合績效進行過一些開創性的研究。本課題的研究，將數據采集范圍(樣本企業)擴大到全國，以增強結論的普遍性和代表性；此外，基于涉農供應鏈的獨特性(“速度陷區”等),以及實地調研中對ARSC中“產業落差”的把握，因此考慮將ARSC的“外部整合”進一步細分化，而展開研究。

總體上，我們將問題聚焦于以下幾個方面：①物流能力是否會提升企業績效?②供應鏈整合是否會提升企業的績效?③供應鏈整合是否會提高企業物流能力進而對企業績效產生積極的影響?④我國國家級農業產業化重點龍頭企業的供應鏈整合處于什么階段?⑤龍頭企業的供應商整合與客戶整合對企業績效所起的作用有差異嗎?

我們相應地整理并提出以下5個假設：

H1:通過供應鏈的整合，能提高企業的物流能力。假設H1可細分為三個部分：Hla:通過供應鏈的內部整合，能提高企業的物流能力；H1b:通過供應鏈的客戶整合，能提高企業的物流能力；H1c:通過供應鏈的供應商整合，能提高企業的物流能力。

H2:通過供應鏈的整合，能提高企業的績效。假設H2可細分為三個部分：

H2a:通過供應鏈的內部整合，能提高企業的績效；H2b:通過供應鏈的客戶整合，能提高企業的績效；H2c:通過供應鏈的供應商整合，能提高企業的績效。

H3:企業的物流能力對企業績效有正向的影響。

H4:企業的內部整合與外部整合存在正向的相關關系。假設H4可細分為兩個部分：H4a:企業的內部整合與供應商整合存在正向的相關關系；H4b:企業的內部整合與客戶整合存在正向的相關關系。

H5:企業的客戶整合與供應商整合存在正向的相關關系。

2)方法選擇及數據收集

本研究所提出的假設模型中所使用的各個概念，在統計分析上稱為潛變量(Latent Variable),需要選擇合適的驗證分析方法。本研究選擇結構方程模型(Structural Equation Modeling,簡稱SEM)作為分析工具①,對圖4-18所示的模型進行驗證性因素分析。Michael S Garver等首先提出將SEM引入物流理論的檢驗，并給出了SEM分析的基本方法②;此后SEM分析工具得到了物流研究者的重視，相關文獻逐步增多。

本研究的數據來源于對全國范圍內一百多家國家級農業產業化重點龍頭企業的調查，回收問卷后，又經過剔除，形成87份有效數據。

3)調查表(問卷)的設計及參考依據

本研究借鑒TheodoreP.S.(1999,2001),Cristina &. Eva Ventura(2003),以及朱毅華、王凱(2004),譚濤(2004),張晟義(2004),楊為民(2006)等的研究，同時結合與其他專家學者、企業人士的討論，并根據預調研的實際情況進行必要修正和精簡，形成了正式的調研表。

在形式上，調查問卷采用李克特五分制評分標準，通常要求調研對象對上述題項進行判斷——判斷企業在績效等方面是否達到某種水平。

2  數據正態性檢驗

進一步分析之前，首先對各個測量題項的均值、標準差和峰度進行描述性統計，以確定調查數據是否適合SEM進行分析。一般當數據偏態統計值絕對值(Skewness)小于3,峰度絕對值(Kurtosis)小于10時，可以認為，數據服從正態性分布適合進一步的計量統計分析。本研究各個測量題項的描述性統計分析結果顯示，調查數據通過正態性分布檢驗，適合進行相應統計分析。

3  數據的內部一致性分析

1)企業績效量表CITC及內部一致性信度分析

企業績效量表的CITC及內部一致性信度分析結果如表4-7所示。從表中可以看出，條款EP-5的初始CITC值為0.102,遠小于0.3,且刪除該條款后，整體a系數會由原先的0.643上升至0.714,符合條款刪除標準，因此予以刪除。刪除條款EP-5后，其余條款的最終CITC值：EP-1為0.466,EP-2為0.420,EP-3為0.507,EP-4為0.623,均大于0.3;且量表的最終整體α系數為0.714,大于0.7,表明量表符合研究的要求。

2)供應商整合量表CITC及內部一致性信度分析

供應商整合量表的CITC及內部一致性信度分析結果如表4-8所示。從表中可以看出，條款SI-1的初始CITC值為0.278,遠小于0.3,且刪除該條款后，α系數會由原先的0.709上升至0.719,符合條款刪除標準，因此予以刪除。條款SI-5的

初始CITC值為0.224,也遠小于0.3,且刪除該條款后，(系數會由原先的0.709上升至0.737,也符合條款刪除標準，因此予以刪除。刪除條款SI-1和條款SI-5后，其余條款的最終CITC值：SI-2為0.624,SI-3為0.606,SI-4為0.614,SI-6為0.693,均大于0.3;且量表的最終整體α系數為0.784,大于0.7,表明量表符合研究的要求。

3)物流能力量表CITC及內部一致性信度分析

物流能力量表的CITC及內部一致性信度分析結果如表4-9所示。從表中可以看出，條款L-4的初始CITC值為0.058,遠小于0.3,且刪除該條款后，α系數會由原先的0.713上升至0.842,符合條款刪除標準，因此予以刪除。刪除條款L-4后，其余條款的最終CITC值：L-1為0.646,L-2為0.689,L-3為0.789,L-5為0.793,均大于0.3;且量表的最終整體α系數為0.842,大于0.7,表明量表符合研究的要求。

4)內部整合量表CITC及內部一致性信度分析

內部整合量表的CITC及內部一致性信度分析結果如表4-10所示。從表中可以看出，條款I-4的初始CITC值為0.200,小于0.3,且刪除該條款后，整體α系數會由原先的0.754上升至0.775,符合條款刪除標準，因此予以刪除。刪除條款I-4后，其余條款的最終CITC值：I-1為0.647,I-2為0.665,I-3為0.472,I-5為0.675,I-6為0.633,均大于0.3;且量表的最終整體α系數為0.775,大于0.7,表明量表符合研究的要求。

5)客戶整合量表CITC及內部一致性信度分析

客戶整合量表的CITC及內部一致性信度分析結果如表4-11所示。從表中可以看出，條款CI-6的初始CITC值為0.242,小于0.3,且刪除該條款后，整體a系數會由原先的0.810上升至0.843,符合條款刪除標準，因此予以刪除。刪除條款CI-6后，其余條款的最終CITC值：CI-1為0.724,CI-2為0.717,CI-3為0.614,CI-4為0.557,CI-5為0.644,均大于0.3;且量表的最終整體α系數為0.843,大于0.7,表明量表符合研究的要求。

測量信度時，一般來說信度系數(Crobach's a)大于0.7為理想。信度分析結果表明，大多數問題項具有可接受的信度值，將部分影響信度的問題項從調查數據中剔除后，作為結構方程模型檢驗的數據。

整體來看，5個維度經過剔除后的克朗巴哈系數都超過0.7,表明數據具有較好的內部一致性信度。

4  效度分析

1)內容效度

內容效度(content validity),又稱表面效度(face validity),測量工具的內容效度是指該測量工具是否涵蓋了它所要測量的某一觀念的所有項目(觀念),其更多的是靠研究者在觀念的定義上或者語義上的判斷(榮泰生，2005,p.146),即內容效度是一種質性的效度，主要依賴于邏輯的處理而非統計的分析，依賴于研究社群對理論定義的認同(黃芳銘，2005,p.263)。本研究所采用的量表主要借鑒國內外現有的、較為成熟的量表編制而成，原先的量表都經過了經驗研究的檢驗，已為眾多相關領域專家學者所認可。此外，本書在原始量表的基礎上，通過專家訪談和企業訪談等方式調整和增添了一些重要題項。因此，我們可以認為本研究所采用的量表具有較好的內容效度。

2)收斂效度

Shook(2004)認為測量的有效性可通過檢驗測量條款的聚合效度和區分效度來進行。聚合效度是通過平均變異數抽取量(Average Verianee Extracted)進行測量，其標準為測量條款的解釋力超過其誤差方差(Carmines & zeler,1979;轉引自

王慶喜，2004)。Fornell和Larcker(1981b)認為若誤差的解釋大于測量條款的話，則表示該變量的效度是有問題的，因此AVE的最低標準為大于0.5(Bagozzi &Yi,1988;Fornell & Larcker,1981b)。對于因子負載而言，測量的有效性要求其超過一定的標準，且達到統計顯著性水平(楊志蓉，2006),Ford,McCallum和Tait(1996;轉引自王慶喜，2004)推薦的標準化因子負載的最低水平為0.4。參照適配度指標的理想取值范圍標準、標準化因子負載和AVE取值的下限標準，對各潛變量進行確定性因子分析以檢驗其各自的聚合效度。

(1)企業績效的聚合效度分析。

企業績效的確定性因子分析結果就擬合優度指標而言，其中x2/df=2.264,小于5;GFI=0.975,AGFI=0.875,NFI=0.932,

IFI=0.961,CFI=0.958,均遠大于0.9;RMSEA=0.089,小于0.10,表明擬合效果非常理想。此外，所有條款的標準化因子負載均大于0.4;而且AVE的值為0.581,超過了0.5的下限，表明量表具有較好的聚合效度。

(2)客戶整合的聚合效度分析。

客戶整合的確定性因子分析結果就擬合優度指標而言，其中x2/df=2.454,小于5;GFI=0.938,AGFI=0.815,NFI=0.927,IFI=0.955,CFI=0.954,均遠大于0.9;RMSEA=0.094,小于0.10,表明擬合效果非常理想。此外，所有條款的標準化因子負載均大于0.4;其中，CI-1和CI-2標準化因子負載大于0.7,CI-3、CI-4和CI-5標準化因子負載大于0.6;而且AVE的值為0.627,超過了0.5的下限，表明量表具有較好的聚合效度。

(3)內部整合的聚合效度分析。

內部整合的確定性因子分析結果就擬合優度指標而言，其中x2/df=3.256,小于5;GFI=0.880,AGFI=0.838,NFI=0.879,

IFI=0.849,CFI=0.836,均遠大于0.8;RMSEA=0.098,小于0.10,表明擬合效果非常理想。此外，所有條款的標準化因子負載均大于0.4(且都在0.5以上);而且AVE的值為0.619,超過了0.5的下限，表明量表具有較好的聚合效度。

(4)物流能力的聚合效度分析。

物流能力的確定性因子分析結果就擬合優度指標而言，擬合度都很高，其中x2/df=0.542,小于5;GFI=0.994,AGFI=0.968,

NFI=0.996,IFI=0.992,CFI=0.993,均遠大于0.9;RMSEA=0.012,小于0.10,表明擬合效果非常理想。此外，所有條款的標準化因子負載均遠遠大于0.4(都在0.7以上);其中，L-3和L-5的標準化因子負載大于0.9;而且AVE的值為0.764,超過了0.5的下限，表明量表具有較好的聚合效度。

(5)供應商整合的聚合效度分析。

供應商整合的確定性因子分析結果如圖4-22和表4-17所示。就擬合優度指標而言，其中x2/df=1.333,小于5;GFI=0.985,AGFI=0.924,NFI=0.993,

IFI=0.998,CFI=0.998,均遠大于0.9;RMSEA=0.064,小于0.10,表明擬合效果非常理想。此外，所有條款的標準化因子負載均遠遠大于0.4(都在0.7以上);其中，SI-2和SI-6的標準化因子負載大于0.9;而且AVE的值為0.787,超過了0.5的下限，表明量表具有較好的聚合效度。

5  結構方程模型(SEM)分析

這里，首先單獨考察內部整合對物流能力和企業績效的影響關系，然后再單獨考察外部整合(供應商整合和客戶整合)對物流能力和企業績效的影響關系，最后，綜合考慮上述因素對企業績效的影響和作用。

1)內部整合對物流能力和企業績效的影響關系模型

從表4-18、表4-19可以看出，x2/df為1.556,小于最高上限5,甚至小于更嚴格的標準3;RMSEA值為0.083,小于最高上限0.1;GFI、AGFI指標值分別為

0.864、0.797在0.8左右；TLI、CFI指標值分別為0.910、0.930,均大于0.9;PNFI與PCFI指標值分別為0.649與0.727,均大于0.5。結果表明，模型擬合程度較好。

內部整合與物流能力之間的標準化路徑系數為0.662,P值為0.000,在0.001水平上顯著；內部整合與物流能力之間的標準化路

徑系數為0.617,P值為0.002,在0.05水平上顯著；物流能力與企業績效之間的標準化路徑系數為0.299,P值為0.008,在0.05水平上顯著；表明內部整合、物流能力對企業績效的影響關系模型成立。

2)外部整合對物流能力和企業績效的影響關系模型

從表4-20、表4-21可以看出，x2/df為1.556小于最高上限5,甚至小于更嚴格的標準3;RMSEA值為0.083,小于最高上限0.1;GFI、AGFI指標值分別為

0.793、0.722均大于0.7;TLI、CFI指標值分別為0.895、0.912,均大于0.8,比較理想；PNFI與PCFI指標值分別為0.771與0.764,均大于0.5。結果表明，模型擬合程度較好。

供應商整合與物流能力之間的標準化路徑系數為0.254,P值為0.002,在0.001水平上顯著；客戶整合與物流能力之間的標準

化路徑系數為0.664,P值為0.000,在0.001水平上顯著；供應商整合與企業績效之間的標準化路徑系數為0.124,P值為0.006,在0.05水平上顯著；物流能力與企業績效之間的標準化路徑系數為0.273,P值為0.047,在0.05水平上顯著；客戶整合與企業績效之間的標準化路徑系數為0.124,P值為0.001,在0.05水平上顯著；表明供應商整合、客戶整合、物流能力對企業績效的影響關系模型成立。

3)涉農供應鏈整合機制研究

x2/df為1.556小于最高上限5,甚至小于更嚴格的標準3;RMSEA值為0.083,小于最高上限0.1;TLI、CFI指標值分別為0.908、

0.921,均遠大于0.8,比較理想；GFI指標值為0.865,大于于0.8,屬于可接受的范圍；AGFI指標值為0.699,不足0.8,不太理想。但我們認為，模型既要考慮統計意義，也要考慮實際經濟含義，事實上，該模型所表達的路徑及關系機制基本是符合實際的。此外，PNFI與PCFI指標值分別為0.771與0.764,均大于0.5。結果表明，模型總體上擬合程度較好。

內部整合與物流能力之間的標準化路徑系數為0.301,P值為0.040,在0.05水平上顯著；供應商整合與物流能力之間的標準化路徑系數為0.250,P值為0.004,在0.05水平上顯著；客戶整合與物流能力之間的標準化路徑系數為0.664,P值為0.003,在0.05水平上顯著；內部整合與企業績效之間的標準化路徑系數為0.475,P值為0.016,在0.05水平上顯著；供應商整合與企業績效之間的標準化路徑系數為0.227,P值為0.043,在0.05水平上顯著；物流能力與企業績效之間的標準化路徑系數為0.277,P值為0.047,在0.05水平上顯著；客戶整合與企業績效之間的標準化路徑系數為0.394,P值為0.050,在0.05水平上顯著。

此外，內部整合與供應商整合之間的相關系數為0.124,P值為0.016,在0.05水平上顯著；內部整合與客戶整合之間的相關系數為0.614,P值為0.000,在0.001水平上顯著；供應商整合與客戶整合之間的相關系數為0.352,P值為0.000,在0.001水平上顯著。

統計結果表明，內部整合、供應商整合、客戶整合、物流能力與企業績效的影響關系模型成立。

結合驗證分析和假設檢驗的結果，可以看到，前面4.7.1中提出的假設得到了驗證?？梢哉J為，供應鏈整合特別是內部整合顯著正向影響企業的物流能力和績效；而通過供應鏈整合，可以促進企業的物流能力提高。并且，內部整合與外部整合是相關聯的，供應商整合與客戶整合也是相關聯的。

此外，還可以進一步通過路徑分析，把握各個潛變量(影響因素)的效應?？梢钥闯?，內部整合與外部整合對企業的績效均有顯著的正向影響，其中內部整合的影響大于兩種外部整合。此外，客戶整合對企業績效的影響遠遠大于供應商整合對企業績效的影響。值得注意的是，供應鏈整合對物流能力的影響作用大于物流能力對企業績效的影響作用，這說明龍頭企業將物流能力轉化為現實績效的過程中存在障礙和問題。

6 SEM總體結論分析

1)內部整合與外部整合具有高度的相關性

研究表明，企業的內部整合與外部整合具有高度的相關性(分布與客戶整合的

p=0.000,與供應商整合的p=0.016),這說明兩者是相互促進的，外部整合程度較高的企業在內部整合上也達到較高的水平。在引入供應鏈管理時，企業首先應從內部整合抓起，在企業內各部門建立共同的物流目標、建立部門間的信息共享機制與協作機制并加強信息化建設。

2)物流能力與企業績效

研究結果同時表明，內部整合與外部整合對企業的物流能力和物流績效存在正向影響，這為探索農業產業化中龍頭企業的供應鏈整合誘因及導入供應鏈管理思想提供了實證上的支持。從研究結果來看，物流能力對企業績效存在正向影響。這驗證了先前研究的結果，表明在市場競爭日益激烈的環境下，農產品加工企業也必須重視物流管理。

3)內部整合、外部整合對“企業績效”影響上的差異

從路徑分析的結果看，“外部整合”對“企業績效"的影響小于“內部整合”對企業績效的影響。根據Cristina和EvaVentura(2003)的研究①,當企業的整合普遍達到一定程度后，將不能使企業獲得競爭優勢，整合只是取得競爭優勢的必要條件而非充分條件。統計結果顯示，被調查龍頭企業中“內部整合”仍然對企業“物流能力”和“企業績效”存在相對于“外部整合”(這里包括“供應商整合”和“客戶整合”兩方面)大得多的影響，這說明龍頭企業中“內部整合”還不完全，很多企業還處于供應鏈整合的初級階段(即馬士華等劃分的“職能”階段),而內部整合達到了較高水平或已進入向外部整合過渡階段的部分企業，獲得了更高的競爭力。

4)“供應商整合"和“客戶整合”對“企業績效”影響上的差異

與以往實證研究不同的是，本課題將供應商整合與客戶整合分開來處理(而非統一為“外部整合”)的。因為在訪談中發現，龍頭企業對供應商和客戶作用的感知是不同的。而實證結果進一步證實了這種推斷。反過來看，以往將“供應商整合”與“客戶整合”混同處理的實證方法是有缺陷的。

統計結果顯示，“客戶整合”對“企業績效”的影響(總效應值0.514)要遠大于“供應商整合”對“企業績效”(總效應值0.296)的影響。造成這種差異的原因可能在于：

(1)從處于涉農供應鏈“中游”的龍頭企業視角看，其利潤和價值的最后實現發生于下游環節(與客戶界面),因而“客戶整合”扮演著更重要的角色。

(2)相對而言，在ARSC這種知識凝聚不足且創新乏力的低租金供應鏈中，保證原材料的供應，只是成功的一個必要條件而非充分條件。本課題實證的樣本主要是國家級龍頭企業，供應問題的損害程度相對較低，因而“供應商整合”對“企業績效"的影響被低估，可能也源于這一現實原因。

5)涉農供應鏈外部整合在各方向上的不一致性

理論演繹、實證研究、實地訪談不斷強化我們的一個重要認識是：產業落差"是任何一個致力于對ARSC有效集成和整合的涉農企業，都必須面對的問題。

雖然均很顯著，但是統計結果顯示，“內部整合"與“外部整合"之一的“客戶整合”的相關性(r=0.614),遠遠高于與“外部整合”之一的“供應商整合”的相關性(r=0.124)。結合訪談我們發現，龍頭企業“內部整合”,特別是以IT為支持的“內部整合”,大都試圖將其整合邊境擴散到外部供應鏈的客戶接口甚至更遠。但是，相對而言，卻很少同步地、同程度地向農戶端擴散，例如，一些企業在內部整合使用的QQ系統，可以很方便地推向客戶(經銷商/超市)端，卻很難推向供應商(農戶/農場)端。并且，就“內部整合”與“外部整合"之一的“客戶整合”相關性較高這一點，我們還注意到，有一部分在質量/安全方面績優的、出口導向型的農產品(食品)龍頭企業，其“內部整合”在某些階段上是由客戶逆向推動的(而通常的情況是“內部整合”間接地影響“外部整合”)——也即在非對稱地位下，龍頭企業“被誘致”地與供應商進行的組織關系和業務流程協同，反過來促進了其內部的整合，但是，將這種動力進一步延伸于上游(供應商整合),顯然要滯后一些。

總之，這一統計結果部分的、側面地證實“產業落差”對涉農供應鏈的集成和整合的消極影響。

一個基本結論是：由于產業落差等因素的影響，涉農供應鏈“外部整合”在“供應商整合”和“客戶整合”這兩個重要方向上,是不同步的、不平衡的、不一致的。通常，“客戶整合”在時間上要早于“供應商整合”,在組織資源分配上要重于“供應商整合”,在整合水平上要高于“供應商整合”。