基于主成分— 聚類分析的快遞企業風險評價方法

夏慧玲，林小芳，王海船，蹤 鋒

XIA Hui-ling, LIN Xiao-fang, WANG Hai-chuan, ZONG Feng

（南通理工學院 經濟管理學院，江蘇 南通226002）

(College of Economics and Management, Nantong Institute of Technology, Nantong 226002, China)

0 引 言

快遞企業在電子商務迅猛發展的今天，占盡先機，在經濟發展中地位凸顯。據國家郵政局統計，2014 年，我國快遞業務收入完成2 040 億元，同比增長42%。2014 年我國快遞業務量達140 億件，同比增長52%，躍居世界第一，最高日處理量突破1 億件。目前提供快遞服務的企業主要有三類——國有快遞企業（中國郵政EMS、中鐵快運、中國民航快遞等）、外資快遞企業（UPS、FedEx、DHL、TNT）、民營快遞（順豐、圓通、申通、韻達等）。這些體制、規模不同的快遞企業在我國快遞市場上提供的服務質量良莠不齊，隨著快遞業的進一步發展，整個行業將會呈現出強者越強、弱者越弱甚至被淘汰的局面，在快遞企業的經營過程中，面臨著各種各樣的風險，有效的風險控制對快遞企業提高競爭力獲得良性發展有著積極的作用。

目前，關于快遞企業風險評價的國內外研究相對較少，陳平（2013） 對快遞企業進行末端配送時面臨的風險進行分析并提出防范措施[1]；吳雨霖（2014） 結合粗糙集和支持向量機建立了快遞企業風險評價模型，并進行了實證分析[2]。在前人研究的基礎上，本文從快遞企業內部分析角度入手，構建快遞企業的風險評價模型，實現主成分分析聚類分析法在快遞行業風險評價的成功應用。

1 主成分分析和聚類理論介紹

1.1 主成分分析法

主成分分析（principal components analysis） 由Hotelling 于1933 年首先提出，它是利用降維的思想，把多指標轉化為少數幾個綜合指標的多元統計分析方法。

該方法的基本思想是對原始變量相關矩陣結構關系進行研究，找出影響某一經濟過程的幾個綜合指標，使綜合指標變為原來變量的線性組合，從而不僅保留了原始變量的主要信息，彼此之間又不相關，更有助于抓住主要矛盾。

主成分分析法的計算步驟：①原始指標數據的標準化采集；②求相關系數矩陣；③解樣本相關矩陣的特征方程，得特征根，確定主成分；④計算主成分載荷；⑤計算主成分得分。

1.2 聚類分析

聚類分析是根據“物以類聚”的道理，對樣品或指標進行分類的一種多元統計方法，其討論的對象是大量的樣品，要求能合理地按各自的特性來進行合理的分類，沒有任何模式可供參考或者依循。常用的聚類方法有系統聚類、模糊聚類、K 均值聚類，本文采用系統聚類方法，其基本思想是距離相近的樣品（或變量） 先聚成類，距離相遠的后聚成類，過程一直進行下去，每個樣品（或變量） 總能聚到合適的類中。

2 快遞企業風險評價指標體系

快遞企業存在的風險很多，主要包括外部風險和內部風險兩部分，本文用流程圖法以圖解方式分析快遞企業的工作流程，通過查閱相關文獻及德爾菲法對從事快遞行業的有豐富經驗的工作人員進行了調查，最終對快遞企業的風險分為四大類：外部環境風險、上游供貨商風險、企業自身的內部風險、下游客戶風險，在四大類風險的基礎上建立相應的二級風險指標，具體評價指標體系見表1。

3 實證分析

3.1 主成分分析

3.1.1 數據收集及分析

針對快遞企業風險評價指標體系設計了相應的問卷調查表，依據Satty 標度法對指標體系中的各個指標因素進行相對重要程度比較。設計好的調查問卷分別邀請快遞企業的客服、攬投員、揀貨員、快遞員、倉管員等快遞行業一線工作人員進行填寫。

此次調查問卷歷時一個月，共收集調查問卷51 份，對收集的調查問卷進一步篩選，去掉一些填寫不夠完整及判斷一致性較差的調查問卷，最后整理出有效問卷34 份。樣本指標數據見表2。

3.1.2 主成分的提取

對源數據利用Matlab 統計工作箱進行處理，首先對數據進行標準化處理，計算相關系數矩陣，計算特征值和方差貢獻率以及主成分載荷，見表3 及表4。

特征根可以被視為主成分影響力大小的指標，如果特征根小于1 則說明該主成分解釋力度還不如直接引入原始變量的平均解釋力度大，因此在主成分的選取上，理論上是選取特征根大于1 的主成分。根據表3 可以得得知，前10 個主成分的貢獻率已達到85%以上，因此選取前10 個主成分進行分析，這樣不僅包含了原有變量的大部分信息，還簡化了原有變量的維數，更加利于進行問題的分析。

主成分的特征向量是主成分與相應的原變量之間的相關關系，可以通過載荷除以主成分對應的特征值得平方根得到，其絕對值越大，則主成分對該變量的代表性越大。我們可以得到前10 個主成分的表達式，進而可以計算各變量在前10 個主成分上的得分，見表5。

3.2 聚類分析

在表5 的基礎上，對風險指標進行聚類分析。在聚類分析的過程中，尤其是系統聚類，最終確定分類的個數是一個難點，可以計算不一致系數，通過不一致系數來確定最終分類的個數，再進行聚類。

表2 快遞企業各風險相對重要程度判斷統計

表3 部分主成分的累計貢獻率

表4 前10 個主成分的因子載荷矩陣

3.2.1 計算不一致系數，確定分類個數

利用Matlab 軟件，計算不一致系數，確定分類個數。根據不一致系數可得，不一致系數較上一次增加量越大，則上一次聚類效果越好，由表6 可知，在最后四次聚類過程中，不一致系數的變化，增量依次為0.0603,0.1197,0.3454,-0.1696 的，說明倒數第三次聚類較好，因此確定聚類分析的分類數為三類。

3.2.2 聚類分析

繪制各變量間的聚類樹狀圖，清晰地反映快遞企業各風險指標間的相似性（見圖1）。

3.3 主成分聚類結果分析

表5 快遞企業風險主成分得分、綜合得分及排序

表6 不一致系數表

圖1

根據聚類分析結果，我們可以把快遞風險大體分為三類。

第一類｛自然風險、快遞延誤風險、發貨量風險、技術風險、價格風險、快件損毀風險、經濟金融風險、財務風險｝，其主成分平均得分為-1.27169，表明這類風險在快遞企業運營過程中相對其它風險的重要程度較低；第二類｛市場風險、人力資源風險、法律政策風險、原材料上漲風險、資金占用風險、代收貨款風險｝，其主成分平均得分為-0.94502；第三類｛合同風險、違規收費風險、丟件短少風險｝，其主成分平均得分為3.636633，表明這類風險在快遞企業運營過程中相對其它風險的重要程度較高，快遞企業應重視這類風險。

4 結論及建議

從快遞企業的工作流程角度出發，構建了快遞企業風險評價的指標體系，通過進行主成分分析能夠在保留原始數據主要信息的同時，使收集的模糊、不確定的數據具有代表性，有利于提取符合客觀實際的信息。通過聚類分析對快遞企業的風險進行分類評價，分析各種風險之間存在的相似性以及差異性，所得到的結論能夠直觀反映快遞企業的風險存在情況，有利于快遞企業在運營過程中識別各類風險，從而進行規避風險，為快遞企業的良好運營提供參考。依據聚類分析的結果，對快遞企業規避風險提出以下幾點建議：

4.1 重視快遞服務質量的提升

在各類風險指標中，丟件短少風險、違規收費風險對快遞企業的影響程度最大，這類風險屬于下游客戶帶來的風險，快遞企業在自身發展過程中，必須切實提高服務質量。

4.2 加強快遞服務標準規范的執行

快遞企業應該按照《快遞服務》國家標準規定的快遞服務組織、服務環節、服務改進的基本要求，認真組織全體員工學習，完善快遞企業相關規章制度和考核辦法，嚴格落實執行這些統一的服務標準、操作規范和操作流程，避免因企業內部管理的漏洞而引發風險的可能性。同時國家郵政局等相關快遞企業管理部門應該進一步加強對快遞企業的監管。

4.3 完善快遞企業員工激勵制度

快遞企業應該選取合理的激勵方法，通過物質利益、榮譽、培訓、制度、危機等多種激勵方法，實施系列化的考核機制，提升快遞企業員工的工作積極性主動性，同時結合道德、法律來對快遞企業中的風險進行防范。

[1] 陳平. 快遞末端物流配送的風險分析與防范措施研究——以申通快遞為例[J]. 物流工程與管理，2013,35(6):53-56.

[2] 吳雨霖. 基于RSSVM 的快遞物流服務風險評價研究[J]. 物流科技，2014(6):11-14.