供應鏈管理環境下的現代物流企業的高效率運作，需要有優秀的物流合作伙伴提供運作資源支持。由于科學技術不斷進步、社會分工日趨細化等原因，很多生產經營企業為集中精力搞好主業，就把原來屬于自己處理的物流活動，以合同方式委托給專業物流服務企業，并密切保持著與物流企業的信息聯系，借以實現對物流全程的管理與控制。由此，第三方物流(TPL)的重要性越來越突出。第三方物流外包服務，是物流企業的主要經營業務，在美國和歐洲均已高達60%以上，我國雖然起步晚，運作績效較低，但也有相當高的比例，而且潛力巨大。如何科學評估第三方物流外包服務的綜合績效?這不僅是生產經營企業的迫切需要，而且也是物流企業的迫切需要。只有構建起科學的第三方物流外包服務綜合績效的評估模型，才能為生產經營企業、物流企業決策提供科學依據，才能改善經營，提高績效。

　　一、評估模型構建的基本依據

　　(一)評價指標的選取

　　評價指標選取的原則，以及參考評價第三方物流企業的一般指標，適當選取比較具有代表性的指標，包括運力資源利用率、固定資產周轉率、訂單完成率、配送資源利用率等20個，令選取的指標變量為Xi(其下標的i的取值范圍為1—20的整數)。X1——運力資源利用率(%)，X2——固定資產周轉率(%)，直到X20——市場占有率(%)的命名。

　　100%，運力資源是指一個企業的機器設備等資源，運力資源利用率就是指企業的設備資源的利用效率。根據企業物流系統綜合評價指標體系對企業物流系統進行綜合評價時，評價指標多達20個，其發展方向和程度往往是不一致的，而且，每個指標都在不同程度上反映了物流系統的某些信息，但各指標間不可避免具有一定的相關關系。因此，所得數據反映的信息在一定程度上有重疊，這勢必增加分析問題的復雜性。

　　因此，企業物流系統綜合評價方法宜采用主成分分析法。

　　(二)運用因子分析方法的定量研究

　　數據來源及預處理，通過公開的信息以及收集到的12家第三方物流企業所公布的年度財務數據，再通過物流企業提供的競標文件獲得其他各項數據，歸納整理得到12個樣本的原始數據。

　　對SPSS18.0軟件進行設置和運行之后，會得到一些圖表，通過這些圖表中的數據，我們可以進一步進行分析。

　　二、評估模型構建的過程與結果

　　(一)方差分解(因子提取分析)

　　從相關矩陣的特征值與其貢獻率及累計貢獻率表列出的所有主成分可以看出，它們按照特征根從大到小的次序排列。第一個主成分的特征根為5.216，它解釋了總變異的26.079%;第二個主成分特征根為4.036，解釋了總變異的20.180%;第三個主成分的特征根為2.930，解釋了總變異的14.650%;第四個主成分的特征根為2.368，解釋了總變異的11.842%;它們的累計貢獻率達到72.750%。一般而言，提取主要成分的累計貢獻率達到80%～85%才算比較滿意，可以依次決定需要提取多少主成分。

　　(二)成分矩陣(旋轉結果分析)

　　旋轉前因子載荷矩陣，是各個原始變量的因子表達式的系數，表達提取的共性因子對原始變量的影響程度。各原始變量在提取的公共因子下得分越高，即其絕對值接近1，表示它們與該公共因子的關系越密切，可以根據其得分的高低將其歸為4類因子，為旋轉前的因子載荷矩陣的一部分。

　　以物流設施投資增長率為例，它在第一個主因子的得分為-0.803，在第二個主因子的得分為0.265，第三個主因子的得分為-0.146，第四個主因子的得分為0.219。顯然，物流設施投資增長率在第一個主因子處得分的絕對值最高，所以可以將其歸入第一類主因子。其他因子，如倉庫面積利用率、客戶保持率等，也可同樣分析。由于未旋轉前的因子矩陣僅僅列出了得分，但是并未由高到低排序，為了方便對因子命名，可以將矩陣進行旋轉，自動排序，這樣可以更容易看出得分高低，從而方便命名。

　　如果根據以上數據，設計一個合適的表格，就可顯示因子載荷兩極分化后的結果，這時各成分變量的趨向性更集中，它是分析和概括共性因子意義以及命名因子的依據。這里的輸出表格已經進行過排序，所以從表中也可以把相關因素分離出4種因子。根據各因子相對主成分因子的得分系數的高低，我們可以對這20個指標進行歸類，歸納成4類主因子。

　　第一主成分F1，主要包含的指標有X6(倉容利用率)、X7(運輸設備時間利用率)等。這些指標都有一個共同特性，它們都是反映企業利用設備資源的效率，所以將其命名為設備利用效率因子。第二主成分F2，主要包含的指標有X10(及時交貨率)、X11(準確交貨率)等。很顯然，及時交貨、準確交貨、誤差處理等指標都能夠反映企業的服務質量和服務效率，所以將其命名為質量保證效率因子。第三主成分F3主要包含的指標有X1(運力資源利用率)、X2(固定資產周轉率)等。這些指標包括企業在創新力上的投入和產出，總體反映企業的經營狀況，所以將其命名為投入產出效率因子。第四主成分F4，主要包含的指標有X16(客戶滿意率)、X17(客戶保持率)等。這些指標大都與客戶有直接關系，反映企業在市場中的影響度和競爭力，所以將其命名為企業競爭效率因子。

　　(三)因子得分分析

　　因子得分能夠反映各項指標變量與四個主因子之間的關系，在某一主因子上得分高，表明該指標與該主因子之間關系越密切，見下表，下表為因子得分矩陣表的一部分。主因子F1、F2、F3、F4分別從投入產出效率、設備利用效率、質量保證效率、企業競爭效率四個主要方面來評價第三方物流企業。根據下表，我們可以得到旋轉后四個主因子F的主成分線性組合。

　　(四)綜合評價

　　F=(26.079F1+20.180F2+14.560F3+11.842F4)/72.75，此公式中，F1、F2、F3、F4可在因子得分分析中得到，將12個企業的20個因素的數據代入，就可以計算出每個企業的綜合得分，然后再對各企業的綜合得分水平進行排序和比較，第三方物流企業E1，得分-0.4644，名次第9;E2，得分-0.5658，名次第10;E3，得分-0.3642，名次第8;E4，得分-0.5991，名次第11;E5，得分0.5944，名次第2;E6，得分-0.7294，名次第12;E7，得分0.5925，名次第3;E8，得分0.6353，名次第1;E9，得分0.2546，名次第5;E10，得分0.4927，名次第4;E11，得分0.0254，名次第7;E12，得分0.1280，名次第6。

　　從以上的資料中可以看出各個企業的綜合得分的高低，從而對它們進行評價。其中，因為在進行主成分分析時對數據作了標準化處理，使得某些企業的得分為負數，這表示該企業的綜合水平在全體被考察企業的平均水平之下，同理，若得分為正，則意味著該企業的綜合水平在第三方物流企業平均水平之上，發展情況較好。

　　三、評估模型的進一步說明

　　第一，由于影響第三方物流的指標很多，并且變量單位各不相同，該模型通過對原始數據的標準化處理和數學變換，消除了指標間的相關影響，以及由于標準分布不同、數據本身差異造成的不可比性，保證了評價的質量。

　　第二，模型從多個指標中選出四個主因子，將較多的信息量轉為少而相對準確的信息量，方便了對第三方物流評價選擇的過程，使問題簡單化。在評價物流企業時，這是一個比較科學麗簡單的方法。模型的評價結果比較客觀，符合當今第三方物流企業的發展狀況。

　　第三，從模型所得的積累貢獻率僅僅達到72%左右，對于整體信息的掌握度約在八成左右，還不能達到非常滿意的結果，目前我們所取得四個主因子僅僅能夠概括20個主因子，還不夠全面和準確。

　　第四，就提取的主因子來看，是比較符合第三方物流發展狀況的，大多數客戶都比較重視設備利用，且服務質量也是越來越受到重視的因素之一，此外投入產出、企業競爭是不容忽視的關鍵因素。但是，幾個主因子之間還存在一定的相關性，比如質量保證率和企業競爭效率之間存在很大的相關度，這是這個模型的不足之處。