基于多群組結構方程模型的快遞服務滿意度研究

魯 芳，余 琦，司文峰

（湖南工業大學 財經學院，湖南 株洲 412007）

基于多群組結構方程模型的快遞服務滿意度研究

魯 芳，余 琦，司文峰

（湖南工業大學 財經學院，湖南 株洲 412007）

隨著電子商務的飛快發展，快遞業呈現出強勁的增長趨勢，在社會經濟生活中發揮著越來越大的作用，但同時也面臨著很多急需處理的問題，顧客滿意度不高就是其中之一。以快遞企業形象、服務速度、服務質量、服務價格以及顧客滿意度作為潛變量構建結構方程模型，研究了快遞業顧客滿意度。在此基礎上應用AMOS軟件對調查數據進行分析，并分青年、中年、老年3個群組進行多群組分析，根據路徑模型圖以及參數估計的結果，選出最優模型，得出影響快遞業顧客滿意度的關鍵因素，并提出相應的提升策略，為快遞業提高服務質量、提升顧客滿意度提供一定的借鑒。

快遞業；顧客滿意度；結構方程模型；多群組分析

0 引言

中國快遞市場發展前景美好，快遞行業正處于快速增長期。網易科技上發布的一篇北京商報最新報道顯示，我國快遞業務的增長速度達到50%以上，是全世界增速最快的地區之一。電子商務是我國快遞業的發展平臺，近幾年，隨著電子商務在中國的快速發展，網上購物成為了一種潮流。根據網上公布的數據，僅2012年11月11日1天，淘寶網全網總銷售額便達到191億元人民幣，而2013年“雙十一”這一天的銷售總額更是呈現飛躍性增長，達到350億元人民幣[1]。在一路飆升的銷售數據背后，是對快遞物流業的巨大市場需求。然而在行業快速發展的同時，快遞業在服務質量和管理形式上出現的問題，如暴力分揀、貨物積壓等現象頻頻發生，造成顧客權益受到極大的損害，使得顧客對快遞服務的滿意度急劇下降。

另一方面，由于近年來我國快遞行業的迅速發展，全國范圍內各大快遞企業如雨后春筍般萌發，同時，國際上比較大的快遞公司也試圖搶占國內的快遞市場，這些均使得快遞行業的競爭異常激烈，各大快遞企業必須應對顧客需求，贏得市場，才能夠在競爭中生存并發展下去。

以上現狀表明，構建一個科學的顧客滿意度評價模型對快遞業顧客滿意度進行研究具有很大的現實意義。因此本文試圖從顧客感知的角度出發建立指標體系，并用多群組結構方程模型進行分析，選出評價快遞業顧客滿意度的最優模型，在此基礎上，對現階段快遞服務顧客滿意度進行研究和分析，以期為快速企業提高服務質量、提升顧客滿意度提供有益的借鑒。

1 研究綜述

1.1 現有研究成果

顧客滿意度（客戶滿意度）是指一類產品或一種服務的消費者，對這類產品或服務價值的消費感知與事前自己的期望值進行比較，所形成的愉悅或失望的狀態。以此類推，顧客對快遞服務的滿意程度就是顧客在接受快遞服務的過程中，把實際感知的服務質量與自己的期望值進行的一種對比。

隨著顧客滿意度理論的不斷發展，以瑞典為首的許多國家的專家學者根據本國的實際特征，建立了國家顧客滿意度指數模型。如1989年，瑞典建立了本國的顧客滿意度指數模型，也就是大家熟知的瑞典顧客滿意度晴雨表模型（Sweden customer satisfaction barometer，SCSB）；之后，美國在1994年建立了自己的顧客滿意度指數模型，即美國顧客滿意度指數模型（American customer satisfaction index，ACSI），ACSI模型在SCSB模型的基礎進行了一定程度的修改；后來出現的歐洲的顧客滿意度指數模型（European customer satisfaction index，ECSI），它是根據歐洲國家實際特征提出的，又是在ACSI模型基礎上進行了修改[2]。我國的專家學者從20世紀末期開始探索適合中國的顧客滿意度指數模型，其中，清華大學結合我國的發展狀況和實際特征，率先提出了中國顧客滿意度指數模型（China customer satisfaction index，CCSI）[3]。在這些經典的顧客滿意度模型中，最具有代表性的是ACSI模型，ACSI是后來各國專家學者們進行顧客滿意度研究的前提和基礎。

顧客滿意度評價方法經歷了一個從簡到繁不斷發展的過程。即首先只考慮客戶的期望和感知價值，以及后來的對期望和感知進行了分權重計算，然后進一步考慮滿意度對顧客行為的影響，最后發展為現在的結構方程模型（structural equation model，SEM）的形式。采用結構方程模型來衡量顧客的滿意度，擁有可以同時考慮多個因變量、允許存在誤差等諸多優勢，但是也存在一些限制條件[4]。上海財經大學的學者廖穎林認為，采用結構方程模型來衡量顧客滿意度的過程中，需要重點關注以下幾個方面的問題：需要有準確的理論指導，需要有補充的統計分析方法，需要有科學的抽樣方法，需要采用可以識別的模型[5]。

隨著快遞業的發展，國內外對快遞服務滿意度的研究也開始不斷出現。2005年，牛津大學團隊以“快遞業對全球經濟的影響”為核心議題，以多個國家實際發生的案例為基礎，進行了大量的實證研究，得出了許多有說服力的鮮明觀點[6]。目前，國內學者對快遞業的研究主要集中在對快遞產業的競爭力現狀分析、快遞產業的發展趨勢、快遞網絡布局研究等方面。陳世陽認為中國的快遞市場是一個發展中的市場，目前已經形成了民營、國營和外資3大市場主體，民營快遞企業的市場擴張與國有快遞網絡的自我轉型，并伴隨著外資跨國公司的市場拓展和競爭，是現在中國快遞市場競爭結構的主要特點[7]。學者薩茹拉利用偏最小二乘回歸分析方法和四分模型找出影響顧客滿意度的關鍵因素，對民營快遞服務顧客滿意度進行研究，并以淘寶網商戶提供的快遞服務為例進行了實證分析。張哲輝指出，快遞服務網點的布局涉及到快遞網絡、快遞市場需求、快遞行業競爭等多方面內容[8]。

1.2 研究述評

在整理和分析國內外科研工作者關于顧客滿意度的已有研究后，發現國外學者對顧客滿意度指數模型以及指標體系進行了全方位考慮，并且有許多學者對測評方法進行了創新研究，而且在理論和實際中都取得了很多成果。國內現階段對物流企業顧客滿意度進行研究的論文著作也開始增多，但是這些研究主要是在國外經典研究成果的基礎上進行的延伸，在研究的視角和實用性方面還有待進一步提升，在方法的使用上也過于單一，尤其是缺少一些有參考價值的實證數據。

針對以往研究過程中存在的不足，本文選取快遞行業為研究對象，結合我國快遞業的發展現狀和實際情況，從顧客的角度出發選取評價指標建立結構方程模型，并按青年、中年、老年3個群組對顧客進行分層，用多群組分析的方法對我國快遞行業的顧客滿意度進行研究。

2 指標和模型構建

2.1 指標選取

結構方程模型由2個部分組成：一部分稱為結構模型，另一部分稱為測量模型。潛在變量之間的關系由結構模型來表現，而潛在變量與顯變量之間的關系則通常由測量模型部分來表現[9]。

關于顯變量與潛在變量之間的關系，可以用測量方程表示為

式中：X,Y分別為外源性和內源性指數；

Λx為外源指標X的因素負荷量；

Λy為內生指標Y的因素負荷量[10]。

本文設定的潛在變量有5個：企業形象、服務速度、服務質量、服務價格以及顧客滿意度。觀測變量即顯變量有17個，具體如表1所示。

表1 顧客對快遞服務滿意度評價指標體系表Table 1 The evaluation index system of customer satisfaction to courier service

2.2 理論假設和結構模型

從以往學者的研究中可以看出，有多種因素影響顧客滿意度，對快遞服務顧客滿意度影響最大的因素主要包括企業形象、服務速度、服務質量和服務價格幾個方面[11]。而這幾個方面之間本身又可能存在某些影響，據此作出以下假設：

假設1 快遞企業形象越好，顧客滿意度越高，即快遞企業形象對顧客滿意度存在影響關系。

假設2 快遞服務速度越快，顧客滿意度越高，即快遞服務速度對顧客滿意度存在影響關系。

假設3 快遞服務質量越高，顧客滿意度越高，即快遞服務質量對顧客滿意度存在影響關系。

假設4 快遞服務價格越低，顧客滿意度越高，即快遞服務價格對顧客滿意度存在影響關系。

假設5 企業形象、服務速度、服務質量、服務價格幾個因素相互之間存在路徑關系。

根據上述理論假設提出結構模型，具體見圖1。

圖1 結構模型圖Fig. 1 Structural model

3 實證分析

3.1 問卷和數據收集

本文數據采用問卷調查的方式獲得，問卷調查時間為2014年4月份1個月，調查對象為湖南省株洲市范圍內在這段時期使用過快遞的顧客。為避免調查對象重復填寫，按照年齡階段和被調查者經常光顧的快遞網點進行控制。將30歲以下顧客劃分為青年顧客群體，30～50歲之間劃分為中年顧客群體，50歲以上歸為老年顧客群體。本次調查共發放問卷300份，青年、中年、老年顧客群體各100份，用SPSS 17.0軟件對調查數據進行統計和分析，收回有效樣本246份，其中青年群體85份，中年群體83份，老年群體78份。問卷內容包括5個潛變量因子、17項可測指標，利用Likert5級水平的測量量表，5表示很滿意，4表示滿意，3表示一般，2代表不滿意，1代表很不滿意。本文運用表列刪除法來處理數據中出現的缺失值，也就是說一份問卷數據中存在一項缺失就刪除該條記錄[12]。

3.2 信度和效度檢驗

利用SPSS 17.0軟件對問卷數據進行運算，得到整個測評量表的克朗巴哈信度值（Cronbach’s Alpha），為0.918，大于0.8，這一結果表明，總量表的內部一致性良好。然后，分別對各潛變量對應的觀察變量進行運算，得到各潛變量的Cronbach’s Alpha值如表2所示，所有數值均大于可接受標準0.6，表示問卷信度符合分析要求。

表2 潛變量信度檢驗結果Table 2 The reliability test results of latent variables

效度指測驗結果的正確性或可靠性，檢驗效度一般要對變量進行因子分析，常用的評價標準是KMO(Kaiser-Meyer-Olkin)值與Bartlett球性檢驗。用SPSS 17.0軟件對數據進行因子分析，得到KMO值與Bartlett球性檢驗結果如表3所示，KMO值為0.914，大于標準值0.5且接近最優值1.0，Bartlett球性檢驗的顯著性（Sig=0.000＜0.05），表示量表調查數據的可靠性強，效度高，適合做分析。

表3 測評量表的KMO值與Bartlett球性檢驗Table 3 Evaluation scale for KMO value and Bartlett ball test

按特征根值大于1提取公因子，共抽取了5個公因子，按0.5的因子載荷作為提取標準，“知名度、信譽度、員工素質”在“企業形象”上的載荷較高；“攬收速度、送貨速度、追蹤信息更新速度、處理顧客抱怨的速度”在“服務速度”上有較強的正相關性；“所送貨物的正確性、包裝的完好性、貨物的完好性、服務態度”在“服務質量”上有較高的載荷；“收費價格的透明性、收費價格的合理性、賠付價格的合理性”在“服務價格”上有較高的載荷；“總體滿意程度、與預期相比的滿意程度、與其他快遞相比的滿意程度”在“顧客滿意度”上有較強的正相關性。

3.3 模型和數據適配度及顯著性檢驗

將上述SPSS數據表導入AMOS軟件中，進行計算估計，得到的文本輸出結果顯示各項適配度指標總體表現良好，具體如表4所示。

表4 主要指標適配度檢驗結果Table 4 Test results of main indicators adaptation degree

卡方自由度作為最重要的評判標準，如表4可知其輸出結果為1.851，在評判標準3以內，適配性理想；RMR數值為0.038小于0.05，RMSEA數值為0. 059小于0.08，體現了良好的適配性。GFI, NFI, CFI等增值擬合度指標數值均大于0.9，達到適配標準，簡約擬合度指標中PNFI數值為0.729大于0.5，PGFI數值為0.668大于0.5，適配理想。因此，模型適配度理想，承認預設模型的合理性。

然后根據文本輸出的結果，對5大潛在變量與其指標（觀察變量）之間的關系以及潛變量之間的關系進行分析。

根據文本輸出的非標準化回歸系數及其顯著性關系圖見圖2～6，各圖中第1列數字表示回歸系數，第4列表示P值，如果P＜0.001，達到顯著性，則會以“***”表示，反之，則表示未達到顯著性，指標的針對性不強，在構建指標體系時要注意調整。

企業形象與其3個觀察變量之間的關系如圖2所示。

圖2 企業形象與其指標顯著性關系Fig. 2 Significant relationships between corporate image and its indicators

從圖2中可以看出，企業的員工素質這一指標未達到顯著性，應在指標體系中進行調整，其他2個指標均達到顯著性。

服務速度與其4個觀察變量之間的顯著性關系如圖3所示，從圖中可知，處理顧客抱怨的速度這一指標未達到顯著水平，表示它與服務速度這個潛變量的關聯性不夠強，應在指標體系中進行調整，其他3個指標均在0.001水平上達到顯著。

圖3 服務速度與其指標顯著性關系Fig. 3 Significant relationships between service speed and its indicators

服務質量與其4個觀察變量的顯著性如圖4所示，從圖中可知，服務態度這一指標未達到顯著水平，其他3個指標均在0.001水平上顯著。

圖4 服務質量與其指標顯著性關系Fig. 4 Significant relationships between service quality and its indicators

服務價格與其3個觀察變量間回歸系數的顯著性如圖5所示。

圖5 服務價格與其指標顯著性關系Fig. 5 Significant relationships between service price and its indicators

從圖5中可知，收費價格的合理性及收費價格的透明性這2個指標達到0.001顯著性水平，賠付價格的合理性這一指標未達到顯著性水平。

顧客滿意度與其3個指標的顯著性如圖6所示。

圖6 顧客滿意度與其指標顯著性關系Fig. 6 Significant relationships between customer satisfaction and its indicators

從圖6中可知，總體滿意程度這一指標未達到顯著性水平，其他2個指標均在0.001顯著性水平上。

在分析了5大潛變量與其觀察變量之間的關系后，再分析4大外源潛變量之間的協方差及顯著性關系，如圖7所示。

圖7 四大外源潛變量關系的顯著性Fig. 7 Significant relationship between the four major exogenous latent variables

圖7中第1列數字表示協方差，第4列表示P值，如果P＜0.05，達到顯著性，則會以“***”表示，反之則表示未達到顯著性。從圖7中可以看出，4大外源潛變量的協方差均達到0.05的顯著水平，表示這4個變量存在顯著的影響關系。

3.4 多群組分析

多群組的SEM分析檢驗的目的在于評估一個預設模型在不同群體之間的適配性，即評價研究者提出的預設模型在不同群體之間是否相等或具有參數不變性。多群組的SEM分析原理乃是將原先在單一樣本的單一共變結構關系分割成數個平行共變結構，進而評估這些共變結構的等同關系。

AMOS（analysis of moment structures）是適用于SEM的2大統計軟件之一，能驗證各種測量模型和不同路徑分析模型；此外也可進行多群組分析、結構平均數的檢驗，單群組或多群組多個競爭模型或選替模型的優選等。AMOS在多群組分析的對話窗口中，有關模型不變性的設定，包括8種不變性型態模型：1）設定測量系數（measurement weights）相同；2）增列測量截距項（measurement intercepts）相同；3）增列結構系數（structural weights）相等；4）增列結構截距（structural intercepts）相等；5）增列結構平均數（structural means）相等；6）增列結構協方差（structural covariances）相同；7）增列結構殘差（structural residuals）相同；8）增列測量誤差（measurement residuals）相同。

將上述收集的數據導入AMOS 17.0軟件中，進行多群組分析，AMOS根據3個群組的理論模型圖提供了5個內定的參數限制模型，即上述8種型態中的（1），（3），（6），（7），（8），加上原先未限制參數的基線模型，共有6個模型。執行計算估計程序后，未限制參數模型和（3），（6），（7），（8）可以適配，將這5個模型分別設置為模型A～E。多群組參數并未全部加以限制的模型稱為參數限制的部分不變性模型，例如模型A～D；多群組參數全部加以限制的稱為參數限制的全部不變性模型，在本例中E模型屬于此類。

瀏覽群組輸出路徑圖，發現模型A的中年群組、模型C的青年群組以及模型D的青年群組輸出路徑圖出現負的誤差方差，表明模型A, C, D不合理。剩下B和E兩個模型中，模型B中服務質量對顧客滿意度的回歸系數為負，與假設不符，排除模型B，因此模型E為最優模型。模型E的輸出路徑圖如圖8所示。

圖8中外源變量之間的數字表示的是2個外源變量間的協方差，誤差變量的方差由誤差變量左上方的數字表示，而外源變量對內生變量的回歸系數則由單箭頭符號上的數字表示。

模型E中企業形象、服務速度、服務質量和服務價格4大外源潛變量對顧客滿意度的回歸系數均為正，且這4大外源潛變量之間均存在顯著的影響關系，因此模型E，即多群組參數限制的全部不變性模型是合理的。

青年、中年、老年3個群組非標準化估計輸出路徑圖中的自由參數值均相等，表明多群組參數限制的全部不變性模型在青年、中年、老年3個群組中均適配。因此，接下來針對這一模型進行分析討論。

圖8 輸出路徑圖Fig.8 Output path

4 討論

上述研究評選出了同時適配于青年、中年、老年3個群組的最優模型，根據此模型的計算估計結果來討論影響快遞業顧客滿意度的關鍵因素，并提出相應的改進建議，以便為現階段各大快遞企業提升顧客滿意度提供一定的借鑒。本文主要從以下幾個層面來展開討論。

4.1 觀察變量

本文選取的觀察變量共有17個，從圖8可以看出，企業形象中“信譽度”這一觀察變量的回歸系數很高，表明其對“企業形象”影響較大，說明現階段各大快遞企業的信譽度遠未達到顧客的期望；服務質量中“服務態度”的回歸系數相對較高，說明服務態度是影響顧客滿意度的一個重要因素；而服務速度的4個觀察變量的回歸系數均較高，特別是“送貨速度”和“追蹤信息更新速度”，說明要提升顧客滿意度，這幾個方面的工作急需改進；服務價格中，“收費價格的合理性”和“賠付價格的合理性”有待改進；另外，顧客滿意度中“與其他快遞相比的滿意程度”這一觀察變量的路徑系數相對較高，說明顧客普遍認為其他快遞比自己本次所使用的好，這也是影響顧客滿意度的一個重要因素。

將所有17個觀察變量進行橫向比較，可知信譽度、送貨速度、追蹤信息更新速度以及與預期相比的滿意程度、與其他快遞相比的滿意程度這幾個觀察變量的顯著性相對較高。因此，現階段快遞業要提升顧客滿意度，需優先改善這幾個方面的服務水平。

4.2 潛在變量

本文設定的潛在變量有5個，企業形象、服務速度、服務質量和服務價格是外源潛在變量，顧客滿意度是內生潛在變量。從圖8可以看出，在這4大外源潛在變量中，服務價格和服務速度2部分對顧客滿意度的回歸系數比另外2部分高，尤其是服務價格，其回歸系數達到0.58，顯著性遠遠高于另外3個潛在變量，說明快遞企業要提高顧客滿意度應重點著力于降低服務價格和提高服務速度，尤其要注重降低服務價格。

4.3 提升對策

快遞企業要想取得成功，首先要考慮的就是如何提供優質的服務，越來越多的企業開始認識到服務的重要性[13]。落實到具體行動中，快遞企業應從以下幾個方面提升服務水平：

1）應對顧客群體進行分層，可按性別、年齡階段、受教育程度、收入水平等方面進行劃分，分析不同群體顧客的特征，然后提供針對性的服務。本文以年齡階段為例進行了分層研究，但劃分標準單一，研究結論還存在一些局限性，還有繼續深入研究的空間。

2）應注重提升服務人員的綜合素質，尤其是基層快遞人員的素質。快遞基層人員的服務水平是影響顧客滿意度的最直接因素，而大多數基層快遞人員的文化程度偏低，綜合素質也不高，因此快遞企業一方面要提高對基層員工的學歷要求，另一方面要對員工實行培訓上崗，規范服務用語，增強其責任心，使員工具有歸屬感和使命感[14]。

3）要加強網點建設和信息化建設，加強各網點之間的聯系，進行資源優化配置，例如對某一個小區或某個高校的快件進行整合，統一配送，在不影響配送速度的前提下最大限度縮減成本。

4）要增強服務的靈活性。快遞行業有淡旺季之分，在旺季時可以充分利用企業資源，但在淡季時會出現大量人力物力閑置浪費的情況[15-19]。因此，快遞企業要靈活運作，例如在淡季時可以將倉庫、車輛等設施進行短期出租，一方面可以有效降低成本，另一方面還可以增加企業收入來源。

[1] 周 璞. 雙11天貓交易額350億，手機淘寶貢獻15%[EB/OL]. [2013-11-12]. http：//soft.zol.com.cn/411/4117293.html. Zhou Pu. On November 11，Tmall Transactions in 30 Billion，Mobile Phone Taobao Contribute 15%[EB/OL]. [2013-11-12]. http：//soft.zol.com.cn/411/4117293.html.

[2] 梁 燕. 顧客滿意度研究述評[J]. 北京工商大學學報，2007，22(2) ：75-80. Liang Yan. Summary and Comment on the Customer’s Satisfaction Study[J]. Journal of Beijing Technology and Business University，2007，22(2) ：75-80.

[3] 薩茹拉. 民營快遞服務顧客滿意度研究：以為淘寶網商戶提供的快遞服務為例[D]. 北京：北京交通大學，2010. Sa Rula. Private Express Service Customer Satisfaction Study：Take the Express Service for the Merchants on Taobao Website for Example[D]. Beijing：Beijing Jiaotong University，2010.

[4] 張廣敬. 第三方物流服務的顧客滿意度研究[J]. 物流技術，2012，31(12) ：60-64. Zhang Guangjing. Study on Customer Satisfaction of Third Party Logistics Services[J]. Logistics Technology，2012，31(12) ：60-64.

[5] 廖穎林． 結構方程模型及其在顧客滿意度研究中的應用[J]. 統計與決策，2005(18) ：24-26．Liao Yinlin. Structural Equation Model and Its Application in Customer Satisfaction Research[J]. Statistics and Decision，2005(18) ：24-26．

[6] Oxford Economic Forecasting. The Impact of The Express Delivery Industry on The Global Economy[R]. [S. l.]：Abbey House，2005 ：7-8．

[7] 陳世陽. 我國快遞業現狀及對策[J]. 中國水運，2007，7 (9) ：194-195. Chen Shiyang. China’s Express Industry Present Situation and the Countermeasures[J]. China’s Water Transport，2007，7(9) ：194-195.

[8] 張哲輝. 快遞企業國內服務網點布局研究[D]. 大連：大連海事大學，2005．Zhang Zhehui. Research on Internal Service Nodes Layout of Express Enterprise[D]. Dalian：Dalian Maritime University，2005.

[9] 范悍彪. 顧客對超市滿意度的結構方程模型分析[J]. 合作經濟與科技，2011(3) ：36-37．Fan Hanbiao. Structural Equation Model Analysis of Customer Satisfaction at the Supermarket[J]. CO-Operative Economy & Science，2011(3) ：36-37.

[10]吳明隆. 結構方程模型：AMOS的操作與應用[M]. 重慶：重慶大學出版社，2010：371-438．Wu Minglong. Structural Equation Model：The Operation and Application of AMOS[M]. Chongqing：Chongqing University Press，2010：371-438.

[11]易秋香，汪建剛. 基于顧客的第三方物流服務商滿意度評價指標體系的構建：以淘寶網為例[J]. 長春理工大學學報：社會科學版，2012，25(11)：134-135．Yi Qiuxiang，Wang Jian’gang. The Construction of Satisfaction Evaluation Index System of Third Party Logistics Services Based on Customer：Taking an Example of Taobao[J]. Journal of Changchun University of Science and Technology：Social Science Edition，2012，25(11)：134-135．

[12]吳明隆. SPSS統計應用實務：問卷分析與應用統計[M].北京：科學出版社，2003 ：1-258. Wu Minglong. SPSS Statistical Application Practice：Questionnaire Analysis and Statistics Application[M]. Beijing：Science Press，2003：1-258.

[13]胡勇軍. 基于Kano模型的廣東第三方物流企業顧客滿意度實證分析[J]. 物流技術，2012，31(6) ：79-82. Hu Yongjun. A Kano Model Analysis of TPL Provider Customer Satisfaction in Guangdong[J]. Logistics Technology，2012，31(6) ：79-82.

[14]王文樹，薛蓉娜. 基于AMOS的西部某省快遞業顧客滿意度提升研究[J]. 中小企業管理與科技，2011(16)：167-168. Wang Wenshu，Xue Rongna. Research of CustomerSatisfaction Improving of Express Industry in a Western Province Based on AMOS Model[J]. Management & Technology of SME，2011(16)：167-168.

[15]李曉燕，廖 泳，李 玲，等. 順豐速運客戶滿意度研究[J]. 物流工程與管理，2010，32(9)：73-74. Li Xiaoyan，Liao Yong，Li Ling，et al. An Analysis of SF Express Customer Satisfaction[J]. Logistics Engineering and Management，2010，32(9)：73-74.

[16]Bernhardt K L，Donthu N，Kennett P A. A Longitudinal Analysis of Satisfaction and Profitability[J]. Journal of Business Research，2000，47(2)：161-171.

[17]Bodet G. Customer Satisfaction and Loyalty in Service：Two Concepts，Four Consumer，Several Relation-Ship[J]. Journal of Retailing and Consumer Services，2008，15(3)： 156-162.

[18]王旭晴，朱曉寧. 我國快遞企業市場競爭力比較分析[J].物流技術，2010，29(4)：20-22. Wang Xuqing，Zhu Xiaoning. Comparative Analysis of Market Competitiveness of Express Enterprises in China [J]. Logistics Technology，2010，29(4)：20-22.

[19]周蕘陽. 物流服務質量的顧客價值分析[J]. 鐵路采購與物流，2010，5(5)：50-52. Zhou Yaoyang. Analysis of the Customer Value of Logistics Service Quality[J]. Railway Purchase and Logistics，2010，5(5)：50-52.

（責任編輯：申 劍）

Research on Courier Services Satisfaction Based on Multiple-Group Structural Equation Model

Lu Fang，Yu Qi，Si Wenfeng
（School of Finance and Economics，Hunan University of Technology，Zhuzhou Hunan 412007，China）

The express industry appears strong growth trend with e-commerce rapid development and plays an increasing important role in the social and economic life, but it also faces many problems to be solved, and low customer satisfaction is one of them. Builds a structural equation model for investigating customer satisfaction of express industry with as latent variables of the express corporate image, service speed, service quality, service price and customer satisfaction. Applies AMOS software to analyze the survey data, and conducts multiple-group analysis on three groups of youth, middle-age and old-age customers. According to parameter estimation and path model diagram, selects the best model and obtains key factors of influencing customer satisfaction of express industry. Proposes appropriate improving strategies, and provides some suggestions for the express industry to improve the service quality and customer satisfaction.

express industry；customer satisfaction；structural equation model；multiple-group analysis

F274

A

1673-9833(2015)02-0094-08

10.3969/j.issn.1673-9833.2015.02.018

2014-11-23

國家自然科學基金資助項目（71201053）

魯 芳（1979-），女，湖南瀏陽人，湖南工業大學副教授，博士，碩士生導師，主要研究方向為服務管理，E-mail：lufang31@126.com