曾俊杰,李 琛,初雯雯,李睿思

(1.中國計量大學 質量與安全工程學院,浙江 杭州 310018;2.中國人民解放軍陸軍工程大學，指揮控制工程學院，江蘇 南京 210007)

隨著網絡技術的飛速發(fā)展,電子商務平臺成為了諸多消費者購物的首選途徑。網絡購物使顧客能夠足不出戶便能夠購買到稱心的產品。而在電商平臺選擇服飾時,往往只能通過賣家的產品介紹以及圖片來判斷,尤其是絲綢制品,網絡購物時更無法通過觸感、色澤等判斷產品的好壞;同時,一旦產品標識中出現(xiàn)虛標、錯標、假標等問題,消費者更是無法判斷產品的質量安全。但是由于電商平臺的價格低廉、物流便利等優(yōu)勢,仍有大批消費者選擇通過電商平臺來購買絲綢制品。電子商務產品監(jiān)管部門也缺少對檢測潛在的產品質量的方法,缺乏針對性的管控,存在抽檢絲綢制品的成本高、效率低等問題。

隨著電子商務的發(fā)展,電子商務和電商平臺的多指標綜合評價研究逐漸興起。張潔等[1]總結了電子商務中用戶體驗的維度和指標,構建了用戶體驗評價模型。莊美男等[2]研究了信度和效度分析決定了電子商務服務質量評估體系的有效性。姜偉[3]從計量要素和指標要素兩個方面對電子商務物流服務進行了評價,并提出了相應的對策和建議。

同時,也有關于電子商務平臺產品質量和安全的研究。李繼民[4]在電商平臺上對隨機購買的在售LED臺燈的安全質量水平進行了測試,客觀反映了該產品在電商平臺上的質量安全狀況。鮑學東等[5]分析了在電商平臺上銷售的食用菌產品的安全性,分析了食用菌從生產到消費可能存在的質量安全問題,并提出了相應的改進建議。郭洋等[6]人分析了中國銷售農產品的電子商務平臺的發(fā)展狀況,強調了質量和安全的重要性。

本研究從電商平臺中絲綢的質量安全因素出發(fā),構建電商平臺絲綢制品質量安全指標體系,構建電商平臺絲綢制品質量安全指數模型;在天貓商城、京東、蘇寧易購等多個電商平臺中,進行樣本指標數據采集,將采集到的數據進行歸一化處理,并用主成分分析法、層次分析法等方法,進行指數體系中涉及到指標權重、賦值等進行設計計算,最終得到電商平臺絲綢制品質量安全指數。本項目的實施,旨在為電子商務產品質量監(jiān)管部門提供監(jiān)管依據,為消費者在電商平臺購買絲綢制品提供有效的指導。

1 評價模型指標體系的指標選取

指數評價模型的構建主要包括四個步驟:指標選擇、優(yōu)化指標、權重確定和模型構建。首先,我們需要完成指標的選擇。

研究對象是電子商務平臺在售的絲綢制品。以天貓、京東、蘇寧等13個電商平臺下的海量交易產品為研究對象,利用大數據抓取、網絡輿情監(jiān)測等方式獲取相關數據,以及電商平臺內產品的相關數據,并與問卷調查等方式得出的數據相結合,遵循科學性、目的性、系統(tǒng)性、一致性、全面性等原則,充分借鑒國內外的指標選取和模型構建經驗,選取質量安全相關的指標,經過有機整合,確定初選的11個指標,構成電商平臺絲綢制品質量安全指數評價模型原始指標體系,如表1:

表1 電商平臺絲綢制品質量安全指數評價模型原始指標體系Table 1 Original index system for the evaluation model of the quality and safety index of silk products on e-commerce platforms

2 指標優(yōu)化

2.1 樣本數據來源

樣本數據是從多個電子商務平臺隨機提取的。通過收集和記錄與每組數據對應的數據,獲得了40組初始樣本數據。在初始樣本數據中,刪除了品牌重復數據、指數值差異大、缺乏部分信息,最終保留的30組構成樣本數據。

根據各原始指標的具體內容,對電子商務平臺銷售的絲綢制品質量的影響程度不同,對材質、網絡形象、安全檢測、產品認證、監(jiān)督抽查、執(zhí)法查處等定性指標進行定量處理。例如:對于材質為蠶絲(真絲)、冰絲和聚酯纖維(滌綸)的絲綢制品,根據材質的安全性的不同來取值。網絡形象依據《杭州主要絲綢品牌產品質量網絡形象指數報告》中杭州主要絲綢品牌產品質量網絡形象指數的評價結果,以50.00為形象指數基準分(即若一個品牌若無任何正面和負面信息,則其形象指數為50.00),確定收集的樣本的相關數據,同時依據品牌的知名程度和消費者的購物體驗對報告中未涉及的產品品牌進行取值。絲綢制品的安全檢測指標根據是否進行過第三方檢測來取值,若有則取值1,若無則取值0。絲綢制品的產品認證指標根據是否進行過產品認證來取值,若有則取值1,若無則取值0。

然而,在實際數據收集和處理過程中,發(fā)現(xiàn)30組樣本數據中執(zhí)法查處這一指標的字符數據均為“無”,對總體研究結果沒有影響,因此在后續(xù)計算中對該指標對應的數據不進行處理。最后確定了由10項有效指標組成的原始指標,供后續(xù)研究。

2.2 指標優(yōu)化原則

指標優(yōu)化的目的是將10個原始指標分類為新的一級指標,按尺寸縮小提取原始指標,并將具有相同特征的指標分組作進一步研究。

主成分分析(PCA)是一種統(tǒng)計方法,它將多個指標問題轉換為不太全面的指標,這可以使問題更簡單、更直觀,而且主要組件無關緊要,同時確保不會丟失有價值的信息[7]。新的變量最大數量等于原始變量減去一的數。新的變量彼此不相關[8]。由于對PCA中的可變分布沒有假設,因此此方法可以處理任何分散的數據[9]。

使用PCA進行指標優(yōu)化[10]包括:1)指標數據標準化;2)計算相關矩陣;3)計算相關矩陣的特征值和特征向量;4)計算方差貢獻率和累計差異貢獻率,以確定主要組成部分的數量;5)對主要組件進行全面評估,以確定主成分的名稱和每個主成分所包含的成分[11]。

2.3 指標篩選

2.3.1 數據標準化

如果測試對象的最大值和最小值未知或數據不在數值范圍內,則適用Z點標準化程序。由于某些測試對象數據的最大值和最小值未知,因此選用z-score標準化法,如式(1):

(1)

2.3.2 建立相關性矩陣

在得到原始數據后,需要對數據進行分析處理,確定評價指標的相關系數,建立相關性矩陣。兩指標間的相關性和相關系數有關,相關系數的絕對值越接近于1,則相關性越高。如式(2):

xj)2/Sj]k,j=1,2,…,p。

(2)

R=(rkj)p*p,k=1,2,…,pj=1,2,…,p。

(3)

計算出的相關性矩陣如表2,通過兩兩相關性矩陣的匯總,從而形成關于相關性矩陣的綜合性指標,有利于求出取證相關系數。相關性矩陣計算完成后,有助于進一步完成對特征值和特征向量的計算。

依據相關性矩陣可以得出:原始指標中的安全檢測和產品認證兩個指標非常相關,因此在后續(xù)指標體系的構建中保留其中一個指標即可;原始指標中的材質和含量兩個指標非常相關,因此在后續(xù)指標體系的構建中保留其中一個指標即可。

表2 相關性矩陣

依據相關性矩陣得出的結果,剔除相關性較大的指標,以保證指標體系的科學性和全面性。

公因子方差表示累計貢獻率的公因子,累計貢獻率越高,說明提取的這幾個公因子對于原始變量的代表性或者說解釋率越高。各個提取的值都大于0.5,說明提取的主成分對于原始變量的解釋程度比較高。如表3。

表3 公因子方差表

2.3.3 計算特征值

在求解出相關性矩陣后,通過計算特征方程|λI-R|=0,以及雅可比法(Jacobi)求出特征值λi,并將特征值進行排列:λ1≥λ2≥…≥λp≥0,特征值的計算結果如表4。

各選項的特征值的大小表現(xiàn)了其在研究對象中的影響因素的大小和額度,同理對特征向量進行同樣的排序。研究表明,特征值越大表示該特征值所代表的選項對研究對象的影響也越大;反之則越小。

2.3.4 主成分貢獻率及累積貢獻率

特征值及特征向量的排序,一方面可以得到他們的重要程度,另外一方面,對應的成分貢獻率需要通過計算累積特征值得出。主成分累計所包含原始變量信息量越大,則累計方差貢獻率越大。計算主成分貢獻率及累積貢獻率如式(4)和(5),計算結果如表4。

表4 總方差解釋表

貢獻率:

(4)

累積貢獻率:

(5)

其中λ1,λ2,…λk分別對應第1,第2,…,第k(k≤p)個主成分。

選取主成分的條件有兩點:一是特征值大于1,二是累計貢獻率達到85%以上。因此,根據這兩個條件可以確定主成分Fi。其中,第4個和第5個主成分的特征值小于1,但是第4個成分的特征值為0.971,第5個成分的特征值為0.930,極其接近1,而且其貢獻率達到了85%以上,因此為了提高樣本的依存程度,仍然會選取第4和第5個成分作為主成分,即可保持原始數據的真實性及其帶有的信息量的完整性。

最終提取的5個主成分,其方差貢獻率分別是37.638%、21.692%、11.980%、9.711%、9.300%,特征值分別為3.764、2.169、1.198、0.971、0.930。

圖1 碎石圖

在進行分析時,獲取了碎石圖,通過觀察碎石圖上的曲線可判斷出有5個主成分。因此參考上述碎石圖,可判斷選取5個主成分,與上述分析結果相同。

2.3.5 主成分載荷

主成分和原變量的關聯(lián)程度通過主成分載荷來反映,載荷的絕對值越大,對于主成份的影響就越大。計算如式(6)。

(6)

為了使因子含義更為清晰明了,采用方差極大法進行因子旋轉,輸出主成分載荷矩陣,如表5。

根據表5可知,第1個主成分上“監(jiān)督抽查”有較高載荷;在第2個主成分上“在售平臺”、“價格”、“好評率”和“累計評價”有較高載荷;在第3個主成分上“安全檢測”和“產品認證”有較高載荷;在第4個主成分上“網絡形象”有較高載荷;在第5個主成分上“材質”和“含量”有較高載荷。

表5 主成分載荷表

2.4 指標體系構建

依據相關性矩陣得出的結論:安全檢測和產品認證非常相關,因此保留其中一個指標即可;材質和含量非常相關,因此保留其中一個指標即可。對第3個主成分中的安全檢測和產品認證進行篩選,最終選擇保留主成分載荷較高的安全檢測,剔除和安全檢測非常相關的產品認證。對第5個主成分中的材質和含量進行篩選,最終選擇保留主成分載荷較高的材質,剔除和材質非常相關的含量。

在對指標進行篩選后,需對五個主成分進行命名。篩選后的第1個主成分包括監(jiān)督抽查,因此將第1個主成分命名為政府監(jiān)管;篩選后的第2個主成分包括在售平臺、價格、好評率和累計評價,因此將第2個主成分命名為電商平臺信息;第3個主成分包括安全檢測,因此將第3個主成分命名為檢測認證;第4個主成分包括網絡形象,因此將第4個主成分命名為網絡輿情評價;第5個主成分包括絲綢材質,因此將第5個主成分命名為產品屬性。最終構成指標體系,如表6。

表6 電商平臺絲綢制品質量安全指數評價模型指標體系

3 指標權重的確定

3.1 層次分析法確定指標權重

3.1.1 構建判斷矩陣并賦值;

AHP是一種綜合利用的多準則決策(MCDM)策略[12-14]。采用層次分析法確定指標權重,每個準則在用于衡量目標的標準中所占的比重不必相同,在決策者引用數字1～9及其倒數作為標度來定義判斷矩陣A=(aij)n×n,重要性標度值如表7。

表7 重要性標度含義表

構造一級指標兩兩比較的判斷矩陣時,首先將5個一級指標分別記為A1(政府監(jiān)管),A2(電商平臺信息),A3(檢測認證),A4(網絡輿情評價),A5(產品屬性)。根據上述原則與方法,進行兩兩比較并分別賦值。

按重要性標度含義表,對五個一級指標進行兩兩評判,得到判斷矩陣A如公式(7)。將矩陣轉換為表格,如表8。

(7)

表8 構造的判斷矩陣A

3.1.2 數據歸一化處理

依據式(8)對矩陣A中的每列數據進行歸一化處理,得到的結果為一個新的矩陣,將新矩陣命名為矩陣B。可以看出,經歸一化處理后的每列數據的和為1,如表9。

(8)

表9 歸一化處理后的矩陣B

3.1.3 計算權重向量

對判斷矩陣A經過歸一化處理后得到矩陣B,對矩陣B中各列相加求和,得出特征向量,計算結果如表10[15]。通過式(9)對特征向量進行歸一化處理,得到的結果為權重向量W。所求的權重向量分別對應5個一級指標的權重百分比,最終得出的指標權重如表11。

。(9)

3.2 判斷矩陣的一致性檢驗

計算得出的權重可能存在有效性、可取性等問題,因此需要檢驗判斷矩陣的一致性,從而保證所得指標權重是可接受的。具體計算步驟如下:

3.2.1 計算判斷矩陣A的最大特征根

計算判斷矩陣A的最大特征根時,首先需要依據式(10)計算各個指標的特征根λ,具體計算結果如表12。

表10 特征向量表

表11 歸一化后的特征向量

表12 特征根表

(10)

判斷矩陣A的最大特征根λmax取值為A1、A2、A3、A4、A5分別對應的五個特征根的平均數,即λmax=(5.297 847 199+5.223 671 378+5.184 376 643+5.064 132 720+5.029 629 235)/5=5.159 931 43。

3.2.2 計算一致性指標

根據式(11)計算一致性指標CI(Consistency Index):

(11)

其中n表示矩陣的階數。即

CI=(5.159 931 43-5)/4=0.039 982 857 5。

3.2.3 查找平均隨機一致性指標

查找平均隨機一致性指標RI,具體見表13。

表13 平均隨機一致性指標

依據表13,已知n=5,因此確定選平均隨機一致性指標RI取1.12。

3.2.4 計算一致性比例

計算一致性比例(Consistency Ratio):

在得出一致性指標和平均隨機一致性指標之后,需要依據式(12)計算一致性比例,即CR=0.0399828575/1.12=0.0356989799<0.1

(12)

當CR<0.1時,認為判斷矩陣的一致性是可以接受的,否則應對判斷矩陣作適當的修正。當判斷矩陣通過一致性檢驗后,則計算出的結果可以作為指標元素的權值。

一致性比例CR<0.1,表示保持顯著水平,對比矩陣是保持一致性的,因此可以確定5個一級指標的權重取值分別為A1政府監(jiān)管47.91%、A2電商平臺信息25.12%、A3檢測認證13.43%、A4網絡輿情評價4.55%、A5產品屬性8.99%。

通過計算后的權重可以看出,政府監(jiān)督抽查結果對于絲綢制品的質量安全具有“一票否決”權,其次產品本身的檢測認證情況也是影響產品質量安全的重要因素;而電商平臺中標注的產品屬性的人為可控因素較多,需要更加深入細致的加以甄別,所以對產品質量安全的影響程度并不高。

4 評價模型的構建

多指標綜合評價過程中,對多層次指標的權重綜合運用一定的數學方法來分析,以此來反應評價單元之間的結構特征和邏輯關系。指標合成的方法多種多樣,通過選取合適的方法來構建評價模型[16]。

針對電商平臺絲綢制品安全指數評價模型指標間相互獨立,標準化后指標值的數值間差別較小,指標間權重系數差別較大,符合加權線性和法相關特征。因此選用加權線性和法進行合成。

采用加權線性的評價模型構建電商平臺絲綢制品質量安全指數(e-commerce platform silk product quality and safety index, ESQSI),指數由政府監(jiān)管、電商平臺信息、檢測認證、網絡輿情評價和產品屬性5個一級分指標線性加權而成,如式(13):

(13)

其中,ESQSI代表電商平臺絲綢制品質量安全指數,αi代表各個一級指標對應的分指標標準值,λi代表各個一級指標對應的分指標權重。

依據求出的各個一級指標的對應的權重,確定電商平臺絲綢制品質量安全指數評價模型,最后得出的評價模型如式(14):

ESQSI=47.91%×α1+25.12%×α2+13.43%×

α3+4.55%×α4+8.99%×α5。

(14)

其中政府監(jiān)管的分指標標準值α1、電商平臺信息的分指標標準值α2、檢測認證的分指標標準值α3、網絡輿情評價的分指標標準值α4和產品屬性的分指標標準值α5分別由其對應的二級指標線性加權而成。

通過上述方法確定二級指標權重,其中α2的二級指標權重如下:在售平臺的權重為24.17%,累計評價的權重為22.60%,好評比例的權重為35.17%,標定價格的權重為18.06%,如式(15):

α2=24.17%×β1+22.60%×β2+35.17%×

β3+18.06%×β4。

(15)

其中β1為在售平臺的分指標標準值,β2為累計評價的分指標標準值;β3為好評比例的分指標標準值,β4為標定價格的分指標標準值。

5 評價模型的應用

依據構建的電商平臺絲綢制品質量安全指數評價模型,對選取的30組樣本數據進行計算,并將評價分數按照從高到低的順序進行排序,同時將評價得分進行正向處理,并轉換為百分制得分,評價結果如表14。

表14 評價模型應用結果

據評價結果確定電子商務監(jiān)管部門線上抽檢的分類分級預警標準,將評價結果劃分為執(zhí)法區(qū)域、監(jiān)測區(qū)域和培育區(qū)域,分類分級預警標準如表15。其中執(zhí)法區(qū)域為監(jiān)管部門下階段重點抽檢對象,監(jiān)測區(qū)域為監(jiān)管部門下階段重點監(jiān)管對象,培育區(qū)域為監(jiān)管部門下階段重點培養(yǎng)對象。同時發(fā)布電商平臺絲綢制品質量安全評分排名,為監(jiān)管部門提供產品抽檢依據和指導,提高抽檢效率,降低抽檢成本。

表15 分類分級預警標準表

6 結 語

本研究從電商平臺中絲綢的質量安全因素出發(fā),設計電商平臺絲綢制品質量安全指標體系,構建電商平臺絲綢制品質量安全指數模型;在天貓商城、京東、蘇寧易購等多個電商平臺中,隨機選取30家電商賣家作為數據樣本進行指標數據采集,將采集到的數據進行歸一化處理,并用主成分分析法構建指標體系,用層次分析法、德爾菲法進行指數體系中涉及到指標權重、賦值等進行設計計算,最終得到電商平臺絲綢制品質量安全指數。

將電商平臺絲綢制品質量安全指數評價模型引入電子商務產品的監(jiān)管過程,依據評價結果確定絲綢制品分類分級預警標準,為監(jiān)管部門提供抽檢依據和指導;將評價模型進行試點應用,同時不斷進行優(yōu)化改進,最后利用行業(yè)優(yōu)勢,對研究成果加以應用推廣。

本文的研究和實施,將明顯提升電子商務產品監(jiān)管部門的全局掌控能力,有效提高相關部門對潛在的產品質量安全危害的主動管理能力;為電商產品監(jiān)管部門的管控工作提供針對性指導,預警未來的抽檢重點,能夠有效地節(jié)約抽檢成本,提高抽檢效率;為消費者提供一定消費參考,提高消費者的購物體驗,實現(xiàn)消費者對電子商務產品質量安全的基本消費需求;使監(jiān)管部門了解電子商務的發(fā)展狀況,引導監(jiān)管部門用科學的方法引領和管理電子商務產品市場;能夠有效地督促生產企業(yè)提升產品的質量安全,增加競爭優(yōu)勢;為全面凈化電子商務網絡環(huán)境提供技術支持,具有較好的實際意義。