餐饮企业净菜配送模式及其影响因素分析

[32]提出建立农产品生产基地安全核查机制，实行生产过程标准化管理，以确保源头质量安全。随着国内外净菜概念的普及以及使用频率的上升，国内外净菜市场也在迅速发展，本次研究将主要针对餐饮企业的净菜配送模式及其影响因素进行主要分析和研究。1.3研究内容以及论文技术路线1.3.1研究内容介绍净菜及净菜配送的相关概念并列出三种配送模式种类。用离散选择模型研究净菜配送模式在运输时效，运输成本，顾客类型，净菜利润以及净菜的包装方式等因素的影响下的差异，以及剔除无关变量后各个影响因素的影响力，最终得出合适的配送模式以及对其影响较大的因素。章节安排第一章概述系统的概论净菜配送的研究背景和研究意义以及国内外的净菜研究现状，描述净菜配送研究的内容以及技术路线等。第二章相关理论与概念介绍净菜的相关概念以及研究方法模型的概念。第三章变量及样本特征的描述设计餐饮企业净菜配送模式影响因素的调查问卷，在问卷的基础上得出三种模式的影响因素概率的有效数据并提出相关研究假设。最后对净菜配送影响因素数据进行初步处理：进行频数分析及差异性分析。第四章配送模式的选择及其影响因素通过离散选择模型得出影净菜配送的影响因素（运输时效，运输成本，顾客类型，净菜利润，净菜的包装方式等）概率，并对模型进行有效性检测以及拟合优度检测，然后通过logistic回归分析数据并进行稳健性检验最终得出结论。第五章总结1.3.2技术路线图1-1技术路线1.4本章小结净菜在国外起步相对于国内更早并且范围更大。净菜产业的发展前景取决于社会大环境以及人们对净菜产品的需求。随着城市化加速、城市环境治理深入、现代生活节奏加快和消费升级快速发展，我国的净菜产业将逐渐受到更多关注，市场潜力巨大。相较于国外，我国净菜产业展现出广阔的发展前景。然而，由于行业普及程度较低，其发展仍面临诸多挑战。为了实现稳步发展，我国净菜产业需抓住机遇，发挥产业优势，逐步改善行业劣势。根据国内外的研究现状对比，国外的净菜配送发展相对于国内起步更加早且发展规模更大，但我国的净菜发展的前景较国外较好，市场需求跟大且多样性更高。因此本次研究将介绍净菜及净菜配送的相关概念并列出三种配送模式种类。用离散选择模型研究净菜配送模式在运输时效，运输成本，顾客类型，净菜利润以及净菜的包装方式等因素的影响下的差异，以及剔除无关变量后各个影响因素的影响力，最终得出合适的配送模式以及对其影响较大的因素。第二章相关理论与概念2.1净菜及净菜配送净菜又名新鲜消毒蔬菜，这种产品在无菌环境下经真空包装制成。在适宜的低温条件下，采用符合无公害安全标准的新鲜植物原料进行挑选、去除、切割、清洁和消毒，或用新鲜动物原料进行屠宰、脱毛、去鳞以及取出内脏、清洗、分割部位，或对干货进行浸泡。完成去除表面水分、称量、包装、贴标签、金属检测等步骤后，在0-4℃的条件下储存、运输和销售，作为可立即使用的天然主要配料。净菜配送（mealkits），它是在欧美各个国家中比较受人喜爱的新鲜消毒蔬菜配送服务模式。它是将各种材料按照需求方的要求准备并加工处理完成后组成餐盒。顾客向企业下单，按周预订，随后配送员在规定时间内将餐包送至顾客处。2.2物流配送物流配送是根据需求方在线上提出相应要求，然后配送方根据其要求完成相应任务，实现物品从某个地点到达另一地点的全过程。在互联网发展迅速的背景下，这个过程大多都在线上处理整合处理以及下达信息以及任务给线下方。其中一种选择是根据客户的订单，货物在物流中心被识别，货物准备好发送给供应商。物流仓储配送服务已经成为中国电子商务的重要业务环节，为中小卖家和电商供应品牌提供服务和完整的物流仓储配送解决方案成为关注的焦点。连接点多、配送路线多等问题会使成本变高，也会产生不必要的人力资源的浪费和时间的延长，从而降低效率。所以物流公司在其物流的系统中应该实时优化相关信息，以便当前路线出现阻碍或者需求方有临时改变时可以做到灵活应变，从而减少相应的配送成本。2.3净菜配送模式2.3.1商户自采自运商户个人采购和个人运输，又称个人经营配送模式或独立配送业务，是指企业自行计划、组织和管理运输的各个环节，自行负责配送的方式。这种模式将有助于实现业务、生产和销售的工作，并具有高水平的合作，它不仅可以满足市场对原材料、成品和成品的需求，还可以促进业务扩张等方面。这种模式的缺点是公司实现大分销所需的投资额会增加，而在小业务分销期间，成本分销和费用也很高。1、缺点(1)首次设备购买，人员雇佣，仓库自建的成本较高(2)商户规模小的在自采自运中，涉及到的领域较小，覆盖的范围也不大，全面性较低。(3)商户的配送效率及质量不能得到保障，比较难把控。2、优点(1)公司有能力控制供应链的各个环节，这样更容易与生产和其他业务联系合作，使运营和管理业务效率变高，确保公司能够得到长期帮助并得到稳定的利润。而随着市场的竞争更加激烈，企业的自助物流配送模式对于配送和出口业务的管理是很有必要的。（2）能有效组织管理流程，提高商户自采自运的效率。自采自运的服务模式可以带来更好的资源交付、信息流和业务流，从而提高业务绩效、物流甚至整体效率。（3）统筹原材料、备品备件的采购、配送、促销，实现及时采购、增供、减供、控制库存、降低预算、降低成本，实现零库存、零成本和零营运资金。（4)反应迅速灵活，由于整个物流系统是业务的重要组成部分，且它与公司业务紧密相连，能满足物流行业商家对业务、时间和空间要求，尤其是需要配送频次较多的商家，更能满足商家快速灵活的需求。2.3.2自建冷链运输定点配送冷冻冷藏产品或易腐烂食品在生产、贮存、运输和流通、加工、销售的全过程中，应当在低温环境下贮存，防止变质。这个过程中的所有环节都是协调完成的，并能够各自在供应链系统中高效地工作。1、缺点（1）设施设备不足。对于容易变质和腐烂的产品，运输的过程中时需要隔温货车或者隔温材料的，以前通常用帆布或者保鲜膜包裹再加毛毯等材料。但如今我国冷链设备短缺，并没有全面的冷链系统。（2）缺乏技术标准。因为我国冷链系统的技术还在研发阶段，因此对于冷链保存及冷链运输都没有一个规范的国家标准来监督，因此损耗以及研发都需要大量的资金投入。（3）产业配套设施不完善。容易变质的产品对于冷链的要求更高，在冷链运输中的各个环节的效率以及各个环节的配合度都需要很高的标准，对于系统的整体协调的要求更高。2、优点（1）自建冷链物流定点配送能够使产品的保存时间更长，从而减少产品变质的损耗。（2）自建冷链物流定点配送的效率更高，在区域间的配送没有其他影响，可以更好的达到需求方的要求。（3）自建冷链物流定点配送的系统较全面，产品的质量能够得到保证，而且在运输以及装卸产品的过程中都能做到全程控温，且在低温环境下，产品的环境卫生也能得到保证从而使产品的质量得到把控。2.3.3第三方物流配送第三方物流配送模式是指来自除了物流配送过程中的供应商或需求商的额外一方来进行物流配送的模式。第三方是指为净菜配送的供应商和需求商，去完成部分或全部服务的额外的另一方。在这种配送模式下，公司不拥有独立的物流配送运输渠道，而是将货物的采购、仓储和配送外包出去，给第三方来完成。1、缺点(1)公司不能直接接管配送服务。(2)无法保障交货的时效性。(3)无法保障对需求方的目的达成的质量和也无法与需求方达到长期的合作。(4)公司无法对物流领域进行深入的研究和投资。2、优点（1）公司将对自己公司的主要研究方面投入更多不用分心去关注物流领域。（2）减少对物流研究的资金投入，使公司拥有更多灵活资金。在物流领域的投资包括设备，车辆，仓库，部门，人员的基本资金及地域投入，都可以省出来。（4）可以选择多种外包服务，对需求方的要求适应度更高。2.4Logistic回归模型及其方法2.4.1离散选择模型原理离散选择模型，又称为基于选择的共同分析模型（Choice-BasedConjointAnalysis，CBC），是一种高效实用的市场调查方法。在实验设计的基础上，该模型通过模拟研究目标产品/服务的市场竞争环境，衡量消费者购买行为，了解消费者在不同产品/服务属性水平和价格条件下的选择偏好。这种技术广泛应用于新产品研发、市场份额分析、品牌竞争分析、市场细分和定价策略等市场营销领域。离散选择模型也是一种处理离散、非线性定性数据的复杂且高级多元的统计分析方法，本文采用多项式Logit模型进行数据统计分析。离散选择模型的基本原理基于随机效用理论：假设选择者有J个可选项，每个选项对应一个效用U，这个效用由可观测变量x解释的固定效用V和未观测效用及误差影响的随机部分ε组成。选择者会选择效用最大的选项，因此每个选项被选中的概率可以表示为其固定效用的函数：P=F(V)，函数的具体形式取决于随机效应的分布。在大多数模型设置中，可观测效用V被表示为解释变量x的线性组合，即V=βx，其中β是系数，其值和显著性水平可以通过观测数据进行估计。2.4.2logistic回归模型以及spss线性回归模型逻辑回归（logisticregression）是一种概率性的非线性回归方法，用于研究二分类观察结果与多个影响因素之间的关系。在流行病学研究中，常需分析疾病与各种危险因素之间的定量关系，并排除混杂因素的影响。传统上，通常采用Mantel-Haenszel分层分析方法，但这种方法适用于大样本且分析因素较少的情况。若使用线性回归分析，由于因变量Y是二值变量（通常取值为1或0），可能不满足应用条件。特别是当各因素处于低水平或高水平时，预测值Y可能超出0-1范围，导致不合理的现象。而逻辑回归分析能较好地解决这些问题。2.5本章小结本章简要介绍了净菜及净菜配送、物流配送、净菜配送模式（商户自采自运、第三方物流配送、第三方物流配送）、及其后两章需要用到的模型方法（离散选择模型、logistic回归模型以及spss线性回归模型）的简要概念及其原理。为之后的数据分析及模型的建立奠定基础。第三章变量及样本特征3.1问卷调研3.1.1调查问卷设计本研究对各餐饮企业进行调研的目的是为了研究分析如今餐饮企业的净菜配送情况，进而探究各种配送模式的影响因素。本次调查问卷的发放对象为各地的餐饮企业。在设计调查问卷之前，先对各个餐饮企业户主及其餐厅情况、各地餐饮企业选择的配送模式等情况进行深入了解，基于各地的餐饮企业的基本情况和实际情况确定本次研究发放调查问卷的内容，严格划分各个问题的区别，使得调查问卷设计更加规范。通过本次调查问卷所获得的数据以及信息可以得出当前餐饮行业净菜的使用情况，并根据收集的数据得到餐饮企业净菜配送模式的影响因素的显著性，从而可以有针对性地为餐饮企业净菜配送模式的选择提供有关实际性的建议，并针对有关问题提出应对措施。本次研究中的调查问卷主要从以下四个方面提出，包括餐饮企业经营人和餐厅的基本信息，企业对各种配送模式的选择意愿度以及其影响因素的影响程度。第一部分是对餐饮企业经营人的个人基本信息调查。在餐饮企业中一般由门店决策人掌管餐厅的各种大小事务，并对相关事宜做出相应的决策和解决方案。所以餐厅决策人的基本情况是我们不能忽视的基本因素，具体的因素包括经营人的性别，经营人的年龄，经营人的受教育程度等。第二部分是对餐厅本身经营的情况进行调研，主要的问题包括餐厅的位置，餐厅的运营时间以及餐厅的类型，由此我们可以整理分析出哪种餐厅会倾向使用净菜配送。第三部分是各种影响因素对于餐厅选择净菜配送的影响程度。分别为：餐厅净菜配送的运输时效、餐厅净菜配送的运输成本、餐厅的客源数量、餐厅净菜配送的净菜利润、餐厅净菜配送的净菜包装方式、餐厅净菜配送的运输过程中的损耗等问题，这一部分是各类影响因素的数据统计方便于后续的数据分析与对比。第四部分是调研餐厅的配送模式是商户自采自运、自建冷链物流定点配送、第三方物流配送模式中的哪一类。根据以上调研结果，分析得出当前餐饮企业净菜配送模式的现状并提出相关建议。3.1.2数据来源及处理该调查问卷用于分析餐饮企业的净菜配送情况，通过了解几个省份的餐厅净菜配送情况，综合考虑不同地区的餐饮企业使得调查结果更加全面准确。最终回收510份调查问卷。其中安徽省发放67份，占比13.13%；福建省发放63份，占比12.35%；广东省发放3份，占比0.58%；海南省6份，占比1.17%；广西省3份，占比0.58%；河北省20份，占比3.92%；河南省21份，占比4.11%；湖北省12份，占比2.35%；湖南省1份，占比0.19%；江苏省94份，占比18.43%；江西省23份，占比4.50%；辽宁省45份，占比8.82%；青海1份，占比0.19%；山东48份，占比9.41%；陕西8份，占比1.56%；四川21份，占比4.11%；浙江省66份，占比12.94%；重庆市8份，占比1.56%。调查餐饮企业的地区分布情况如表所示。表3-1地区分布情况统计表省份样本占比（%）样本量排序江苏9418.431安徽6713.132浙江6612.943福建6312.354山东489.415辽宁458.826江西234.507河南214.118四川214.119河北203.9210湖北122.3511陕西81.5612重庆81.5613海南61.7114广东30.5815广西30.5816湖南10.1917青海10.19183.2研究假设根据以上研究分析，餐饮企业的经营人的个人信息、餐厅经营的基本信息以及餐饮企业净菜配送的模式不同等等都会对餐饮行业净菜配送运输有不同的改变。因此，本次研究构建的影响改变餐饮企业净菜配送的方程如下： 3-1其中因变量z为餐饮企业净菜配送模式。自变量具体含义及相关假设如下。（1）x1为餐饮企业决策人的个人信息。决策者自身的阅历及其相关文化水平会影响其对配送模式的行为选择。其性别（x11），年龄（x12），受教育水平（x13）等都对其的决策产生不可避免地影响。因此提出一下假设：H1：x12、x13对z具有正向影响；x11对z具有负向影响。（2）x2为餐饮企业的基本情况。餐饮企业在决定使用何种配送模式之前都会根据餐厅自身的相关情况作出选择，其餐厅自身的特征：餐厅的选址（x21），餐厅的运营时间（x22）以及餐厅的类型（x23），对餐厅经营人的决策都有很大的影响。因此，结合生活经验做出以下假设：H2：x21、x23对z具有正向影响；x22对z具有负向影响。（3）x3为餐饮企业净菜配送的影响因素。在净菜配送模式的选择上，各种外部因素都有可能影响决策者的决定，如运输时效（x31），运输成本（x32），餐厅的客源数量（x33），餐厅净使用各类净菜配送模式所得到的净菜利润（x34），净菜的包装方式（x35），净菜配送过程中的损耗程度（x36）。因此做出以下假设情况：H3：x32、x34、x36对z具有正向影响；x31、x33、x35对z具有负向影响。3.3变量赋值以及描述性统计3.3.1数据频数分析表3-2频数分析表个案数边际百分比配送模式第三方物流16332.0%商户自采自运15630.6%自建冷链物流定点配送19137.5%性别（x11）男24047.1%女27052.9%年龄(x12)25-3523846.7%25以下7614.9%36-4514628.6%45-55367.1%55以上142.7%受教育水平(x13)本科及以上6312.4%初中及以下336.5%大专18636.5%高中/中专22844.7%居住地(x21)城市25249.4%农村9318.2%小镇16532.4%餐厅运营时间(x22)1-3年9017.6%10年以上11522.5%3-5年11121.8%5-10年15330.0%一年以内418.0%餐厅类型(x23)快餐厅14227.8%连锁餐厅6512.7%西餐厅5410.6%中餐厅13225.9%自助餐厅11722.9%运输时效(x31)快26852.5%慢8316.3%一般15931.2%运输成本(x32)大13125.7%小20339.8%一般17634.5%客源数量(x33)大19237.6%小12123.7%一般19738.6%净菜利润(x34)大18335.9%小8216.1%一般24548.0%净菜包装方式(x35)差7113.9%良21442.0%优22544.1%损耗程度(x36)大17333.9%小16231.8%一般17534.3%有效510100.0%缺失0总计510由性别频数分析结果显示：女性次数为270，表格显示它占百分比为52.941%；男性次数为240，表格显示它占百分比为47.059%；女性样本高于男性样本。由年龄频数分析结果显示：25-35岁次数为238，表格显示它所占百分比为46.667%；36-45岁次数为146，表格显示它所占百分比为28.627%；25岁以下次数为76，表格显示它所占百分比为14.902%；45-55岁次数为36，表格显示它所占百分比为7.059%；55岁以上次数为14，表格中显示它所占百分比2.745%。其中25-35岁(46.667%)最高，55岁以上(2.745%)最低。由受教育水平频数分析结果显示：高中/中专学历频数为228，所占百分比44.706%；大专学历次数为186，表格中它所占百分比达到了36.471%；本科及以上学历次数为63，表格中它所占百分比仅为12.353%；初中及以下学历次数为33，表格显示它所占百分比为6.471%。其中高中/中专学历(44.706%)最高，初中及以下学历(6.471%)最低。由居住地频数分析结果显示：城市人口频次数为252，表中显示其所占百分比为49.412%；小镇人口次数为165，表中显示所占百分比为32.353%；农村人口次数为93，表中显示所占百分比为18.235%。其中城市人口(49.412%)最高，农村人口(18.235%)最低。由餐厅运营时间频数分析结果显示：经营时间为5-10年的频数为153，表中显示的所占百分比30.0%；经营时间为10年以上频数为115，表中显示所占百分比为22.549%；经营时间为3-5年频数为111，表中显示所占百分比为21.765%；经营时间为1-3年的频数为90，表中显示的所占百分比17.647%；经营时间为一年以内频数为41，表中显示所占百分比为8.039%。其中5-10年(30.0%)最高，一年以内(8.039%)最低。由餐厅类型频数分析结果显示：快餐厅类型次数为142，表中显示所占百分比为27.843%；中餐厅类型次数为132，表中显示所占百分比为25.882%；自助餐厅类型次数为117，表中显示所占百分比为22.941%；连锁餐厅类型次数为65，表中显示所占百分比为12.745%；西餐厅类型次数为54，表中显示所占百分比为10.588%。其中快餐厅(27.843%)最高，西餐厅(10.588%)最低。由运输时效频数分析结果显示：快频数为268，表中显示所占百分比为52.549%；一般频数为159，表中显示所占百分比为31.176%；慢频数为83，表中显示所占百分比为16.275%。其中快(52.549%)最高，慢(16.275%)最低。由运输成本频数分析结果显示：小频数为203，表中显示所占百分比高达39.804%；一般的次数为176，表中显示所占百分比紧追小频数的百分比，达到了34.51%；大频数为131，表中显示所占百分比为25.686%。其中小(39.804%)最高，大(25.686%)最低。由客源数量频数分析结果显示：一般频数为197，表中显示所占百分比高达38.627%；大频数为192，表中显示所占百分比仅次于一般的频次数37.647%；小频次数为121，表中显示所占百分比23.725%。其中一般(38.627%)最高，小(23.725%)最低。由净菜利润频数分析结果显示：一般的频次数为245，表中显示所占百分比将近达到一半，为48.039%；大频次数为183，所占百分比35.882%；小频次数为82，所占百分比16.078%。其中一般(48.039%)最高，小(16.078%)最低。由净菜的包装方式频次数分析结果显示：优的频次数为225，表中显示所占百分比将近一半，达到了44.118%；良频数为214，表中显示所占百分比41.961%；差频数为71，表中显示所占百分比为13.922%。其中优(44.118%)最高，差(13.922%)最低。由损耗程度频数分析结果显示：一般的频次数为175，表中显示的所占百分比为34.314%；大频数为173，表中显示所占百分比为33.922%；小频数为162，表中显示所占百分比为31.765%。其中一般(34.314%)最高，小(31.765%)最低。由配送模式频数分析结果显示：自建冷链物流定点配送模式频数为191，所占百分比37.451%；第三方物流配送模式频数为163，所占百分比31.961%；商户自采自运配送模式频数为156，所占百分比30.588%。其中自建冷链物流定点配送模式(37.451%)最高，商户自采自运配送模式(30.588%)最低。3.3.2差异性分析检验本文首先通过差异分析检验配送方式在自变量的分布上有无显著差异。由于自变量和因变量均为分类变量，方法为卡方检验。表3-3差异性分析检测表题目名称配送模式总计X²P商户自采自运第三方物流自建冷链物流定点配送性别女81831062700.8330.659男758085240年龄25-3579669323810.4690.23425以下2026307636-4545505114645-55618123655以上63514受教育水平初中及以下81510337.4530.281大专525876186本科及以上24221763高中/中专726888228居住地农村3617409340.7470.000城市6211476252小镇583275165餐厅运营时间1-3年312831905.8070.66910年以上2938481153-5年3529471115-10年485352153一年以内13151341餐厅类型中餐厅4840441327.9740.436快餐厅394558142自助餐厅324540117西餐厅19122354连锁餐厅18212665运输时效一般5347591592.4420.655快7588105268慢28282783运输成本一般5755641761.5360.820大354650131小646277203客源数量一般5766741970.9690.914大626169192小373648121净菜利润一般72721012455.9590.202大625764183小22342682净菜包装方式优6873842250.6860.953差24232471良646783214损耗程度一般6342701758.9890.061大466661173小475560162pearson卡方检验分析的结果显示，对于配送模式和性别，显著性P值为0.659，水平上不呈现显著性，接受原假设，因此对于配送模式和性别数据不存在显著性差异；于配送模式和年龄，显著性P值为0.234，水平上不呈现显著性，接受原假设，因此对于配送模式和年龄数据不存在显著性差异；对于配送模式和受教育水平，显著性P值为0.281，水平上不呈现显著性，接受原假设，因此对于配送模式和受教育水平数据不存在显著性差异；对于配送模式和居住地，显著性P值为0.000***，水平上呈现显著性，拒绝原假设，因此对于配送模式和居住地数据存在显著性差异；对于配送模式和餐厅运营时间，显著性P值为0.669，水平上不呈现显著性，接受原假设，因此对于配送模式和餐厅运营时间数据不存在显著性差异；对于配送模式和餐厅类型，显著性P值为0.436，水平上不呈现显著性，接受原假设，因此对于配送模式和餐厅类型数据不存在显著性差异；对于配送模式和运输时效，显著性P值为0.655，水平上不呈现显著性，接受原假设，因此对于配送模式和运输时效数据不存在显著性差异；对于配送模式和运输成本，显著性P值为0.820，水平上不呈现显著性，接受原假设，因此对于配送模式和运输成本数据不存在显著性差异；，对于配送模式和客源数量，显著性P值为0.914，水平上不呈现显著性，接受原假设，因此对于配送模式和客源数量数据不存在显著性差异；对于配送模式和净菜利润，显著性P值为0.202，水平上不呈现显著性，接受原假设，因此对于配送模式和净菜利润数据不存在显著性差异；对于配送模式和净菜包装方式，显著性P值为0.953，水平上不呈现显著性，接受原假设，因此对于配送模式和净菜包装方式数据不存在显著性差异；，对于配送模式和损耗程度，显著性P值为0.061*，水平上不呈现显著性，接受原假设，因此对于配送模式和损耗程度数据不存在显著性差异。由上表可知，配送模式在居住地的分布上有着显著，在损耗程度维度，配送模式有着0.1水平上的显著性。可以初步判定居住地对于配送模型有着显著影响，而其余变量对配送模型是否有影响，可以通过下述另外分析进行判断。3.4本章小结本章着重描述了用于数据收集的问卷的内容及其发放的地区分类等，并在经行模型构建之前，对问卷收集的数据做出相关频数分析以及差异性分析。然后做出研究假设，为下一章的模型构建及数据处理做好铺垫。第四章餐饮企业对净菜配送模式的选择及其影响因素分析4.1logistic模型选择与处理4.1.1模型的有效性检验表4-1模型有效性检测表模型模型拟合条件似然比检验-2对数似然卡方自由度显著性仅截距1115.227最终995.709119.51760.000上表为似然比检验，目的在于检验模型整体是否有意义。由上表可知，卡方值为119.517，自由度为60，对应P值为0.000。该结果说明模型整体有效，放入的自变量是有意义的。4.1.2模型的拟合优度检验表4-2模型拟合优度检测表（伪R方）考克斯-斯奈尔.209内戈尔科.235麦克法登.107上表为模型为R方统计结果。具体可知，三个伪R方中，最大值为0.235，说明自变量可以解释23.5%的因变量变化原因，考虑到logistic模型的本质其实为一个分类模型，判断模型拟合优度尚可。4.1.3logistic回归模型分析及模型结果分析多元logistic回归是基于概率论和统计学的一种分类方法。该模型假设输入变量与目标变量的关系是通过一个S形的逻辑函数（logistic函数）表示的。这个函数的输出被解释为样本属于特定类别的概率。逻辑回归模型的参数是通过最大似然估计或者极大似然估计计算出来的。最大似然估计的目的是找到一组参数，使得观察到的样本出现的概率最大。模型的预测结果可以被解释为样本属于每个类别的概率。最后，样本被分配给预测概率最大的类别。多元logistic回归可以被用于预测一个样本属于某个类别的概率，也可以被用于预测一个样本属于特定类别的概率大于其他类别的概率。逻辑回归的公式可以用以下形式表示：4-1其中，P(y=c|x)表示样本x属于类别c的概率，z表示以下线性函数值：4-2其中，x1,x2,...,xn是输入变量，β0,β1,β2,...,βn是模型的参数。模型的参数是通过最大似然估计或者极大似然估计计算出来的。对于多元logistic回归，当有多个目标变量（即多元分类问题）时，每个类别的概率可以通过使用一个多元logistic回归模型计算。然后，模型的输出可以用来预测样本属于每个类别的概率。表4-3模型拟然比检验表效应模型拟合条件似然比检验简化模型的-2对数似然卡方自由度显著性截距995.709a.0000.性别996.412.7022.704年龄1010.28314.5738.068受教育水平1003.4417.7326.258居住地1049.02353.3134.000餐厅运营时间1003.2517.5428.479餐厅类型1005.2279.5178.301运输时效999.8954.1854.382运输成本997.5981.8894.756客源数量997.3861.6774.795净菜利润1011.74616.0374.003净菜包装方式996.339.6294.960损耗程度1008.64712.9374.012卡方统计是最终模型与简化模型之间的-2对数似然之差。简化模型是通过在最终模型中省略某个效应而形成。原假设是，该效应的所有参数均为0。因为省略此效应并不会增加自由度，所以此简化模型相当于最终模型。上表为单变量的似然比检验结果，用以判断改变量纳入模型是否是有显著意义的。由上表可知，变量中，仅居住地、净菜利润和损耗程度对应的显著性水平值是小于0.05的，说明上述三个变量对于因变量的影响是有显著意义的。具体影响情况如下：表4-4回归模型参数估算值表配送模式aB标准误瓦尔德自由度显著性Exp(B)Exp(B)的95%置信区间下限上限第三方物流截距-1.8211.0772.8621.091[居住地=城市]1.503.28827.1401.0004.4952.5547.911[居住地=农村]-.493.4061.4731.225.611.2751.354[居住地=小镇]0b..0[净菜利润=大].010.273.0011.9701.010.5911.726[净菜利润=小]1.363.42010.5381.0013.9101.7168.906[净菜利润=一般]0b..0[损耗程度=大].822.3077.1841.0072.2761.2474.152[损耗程度=小].572.3123.3481.0671.771.9603.268[损耗程度=一般]0b..0a.参考类别为：^1。b.此参数冗余，因此设置为零。C.仅显示显著结果。上表为多元logistic回归的参数估计值，其中，因变量的参照组为自建冷链物流定点配送。当商户自采自运与自建冷链物流定点配送进行比较时，并无变量显著，因此在此不再展示，详细情况如附录所示。而当第三方物流与自建冷链物流定点配送进行比较时，居住地、净菜利润和损耗程度通过了检验且为正向影响。由上述分析可知，居住地和损耗程度对于配送模式有着显著性影响，与上述差异分析结果基本一致，而净菜利润的影响在上述差异分析中并未体现出，因此本文通过Bootstrap法进行稳健性检验，结果如下：表4-5稳健性检验表配送B拔靴法a偏差标准误差显著性（双尾）BCa95%置信区间下限上限第三方物流截距-1.821-.9284.374.122-5.811.015[居住地=城市]1.503.115.351.001.6602.588[居住地=农村]-.493-.061.492.277-1.506.317[居住地=小镇]000..[净菜利润=大].010.010.303.974-.584.582[净菜利润=小]1.363.141.490.004.3223.108[净菜利润=一般]000..[损耗程度=大].822.083.365.011-.0211.916[损耗程度=小].572.044.356.076-.1961.523[损耗程度=一般]000..上表为Bootstrap法检验结果，仅展示了显著结果，具体结果如附录所示。具体分析可知：当其他条件不变时，居住地在城市的商户相比于居住地在小镇的商户更倾向于用第三方物流配送，对应OR值为4.495；当其他条件不变时，净菜利润小的商户相比于净菜利润一般的商户更倾向于用第三方物流配送，对应OR值为3.910；当其他条件不变时，损耗程度大的商户相比于损耗程度一般的商户更倾向于用第三方物流配送，对应OR值为2.276；由上表可知，Bootstrap法的估计结果与原结果基本一致，显著性水平无明显改变，偏差均在可控范围内。该结果说明上述logistic回归的结果是稳健可靠的，即居住地、净菜利润和损耗程度这三个因素对于第三方物流有显著影响。4.2本章小结在logistic回归模型构建时，模型的有效性及拟合优度检验都通过。在模型输出的预测样本中，仅居住地、净菜利润和损耗程度是具有显著性的。再以自建冷链物流定点配送为参照组做出多元logistic回归分析居住地、净菜利润和损耗程度通过了检验且为正向影响。最后通过稳健性分析得出的结果与原结果一致，即上述研究结果是可靠的。第五章餐饮行业净菜配送水平提升对策5.1当前净菜配送的不足当前净菜行业发展缓慢，涉及范围较小，政策扶持力度不足，净菜的流通以及净菜的质量得不到保证以及补贴。由于我国该行业起步较晚，目前国内尚未制定统一的净菜行业标准。与发达国家相比，我国在净菜加工、储运、保鲜等商品化处理方面存在较大差距，冷链技术方面存在不足，净菜产业在流通及产品质量管理和保障体系方面处于相对劣势。目前，我国净菜普及度不够并且未被国家规定标准与严格监督。目前我国净菜行业因为没有国家统一的标准，一些商家利用其概念混淆，将蔬菜去根剥皮后，将腐烂的叶子剥去加工，去除不能食用的部分，切成小块进行洗涤、消毒等加工操作，却没有在无菌环境下进行真空包装，就制作成产品，减少了加工部分的利润。因此才能从中牟利。况且，农产品零售商对毛菜的简单加工可能会对我国净菜市场的普及和拓展产生影响。目前，我国部分超市以及南方地区特别是广东地区的农贸市场、菜市场等农产品零售商提供了简单的毛菜加工服务，如去根、去皮、摘烂叶、切洗等。然而，由于国内“净菜”概念尚未普及，大多数消费者对“净菜”的认识和实践仍存在差异，这将对我国净菜行业市场的普及和拓展造成阻碍。另外净菜加工复杂且麻烦，其中水资源消耗极大。目前，我国大多数绿色蔬菜经营企业的原料都是由农产品批发市场供应，而不是直接从农民批发。因此，经过从种植蔬菜到加工，从农家到产地批发市场以及消费地的二级批发市场等环节，过长的加工环节导致费用一层层增加。还有一些高级超市的净菜产品普遍包装更加漂亮，甚至如果过度包装，造成其它形式的浪费，最终进入消费者手中的净菜价格就会较高。同时，毛菜加工成净菜时，在加工，分配过程中会使用大量的清水。通常切1吨蔬菜要消耗5~10升的水，清扫后再把水排出，就会造成严重的浪费。而且，在净菜加工的过程中，加工数量较大，就会引用机械加工。但机械的费用较贵，很多总小型企业无法负担。在我国政府推动产地“去土化”和“净菜化”的背景下，目前只有规模较大的净菜出口企业引进了国外先进的蔬菜净加工生产线和高度机械化的产品生产线，以满足国际标准和产品需求。然而，许多国内中小企业由于资金有限，难以立即投入购买高昂的冷藏运输设备。这导致从原材料采集、运输到加工的整个过程无法确保冷链完整，关键的加工车间无法实现低温和清洁控制。在室温下进行切割和包装，增加了操作过程中的安全隐患。5.2净菜配送水平提升对策如今，我国净菜行业正面临着巨大的发展机会。在供给侧，净菜行业有望借助乡村产业振兴和精准扶贫的契机发展壮大，目前我国已经形成了支持净菜产业发展的良好环境。一方面，国家大力提倡要积极配合推进基础设施智能化升级，将净菜产业发展纳入蔬菜产业发展规划，通过调整净菜加工布局结构，打造农业创新承接平台，使净菜生产与消费者消费无缝对接。在保障食品安全、卫生的基础上，不断提高加工配送的水平能力，以科学的方法打造净菜产业链。另一方面，当前，部分95、00后不擅长食材处理，净菜也因此越来越受想自己动手做一顿放心健康的饭菜却不愿意花大量时间的年轻消费者的欢迎。许多消费者出于对健康的考虑，目前对净菜的购买还在观望当中。而关于净菜负面的新闻报道中所指出的一些净菜加工厂存在菜品不新鲜等问题，也让消费者望而却步。究其原因，还是因为目前净菜尚未国家或行业标准，而企业标准水平又参差不齐。因此，政府应制定好国家统一的净菜卫生检验标准，加强对净菜加工厂的监管，同时，对于存在问题的企业应当建立一定的惩罚措施，以此来加强消费者对于净菜的信任。当然，有实力的餐企可以开始尝试自建中央厨房提供净菜等半成品，来解决标准化、食品安全等方面的问题。通过工业化的加工工艺和标准化的操作流程，中央厨房可为餐饮企业保障原材料供应，保证质量水平的标准，减少了不明源头的材料、同类产品口味出现差异等多方面的问题。而对连锁经营的餐饮企业，它们通过“中央厨房统一采购、制作、配送”，可实现餐饮企业的规范运营，进一步降低成本，增加效益。根据调查数据显示，中央厨房的配送方式的成本要比传统的配送方式的成本要节省大约30%。但是自建中央厨房对大部分餐饮企业而言是不现实的，那么选择将供应链外包给供应商就是明智的借力之举，尤其是有能力提供优质低价的稳定货源、标准化加工、冷链仓储配送等的大型品牌供应链服务商。5.3结论总体而言，净菜行业的发展前景取决于社会大环境和人们对净菜产品的需求。随着城市化进程加快、城市环境治理深入、现代生活节奏加快以及消费升级迅速发展，我国净菜行业将受到越来越多的关注，市场前景广阔。目前，我国市场普及度仍较低，发展道路仍面临诸多挑战。因此，我国净菜行业需要抓住机遇，扩大产业优势，逐步改善行业劣势。例如，减少净菜供应链层级，了解不同蔬菜的特性，并通过研发具有不同技术性能的设备对蔬菜进行加工。如毛辊清洗机和气泡清洗机，针对不同外形的蔬菜进行清洗，确保清洗质量等等，从而实现行业的稳步发展。总结与体会2023年2月底，我开始了我的论文撰写。在三月初，与伍老师的商讨下，定下了我的论文题目为：餐饮企业净菜配送模式及其影响因素分析。在三月上旬，我通过学校图书馆的线上图书馆进行文献查询，寻找相关餐饮行业净菜配送的文献，并通过前辈的文献了解学习净菜的相关知识以及论文的撰写方法。在三月中旬，我在伍景琼老师的要求下思考论文的撰写思路完成开题报告并编写论文提纲。在反复斟酌写出论文提纲后将提纲发给伍老师检查审阅。在老师同意我的论文思路后，我就开始对课题的框架以及内容进行规划。在三月底到四月初的这段时间里，我通过网上视频，学习并掌握stata以及logistic回归分析。同时，在张雨秋学姐的指导下做出我的调查问卷并发放问卷收集相关数据。在四月初到五月初，我对相关数据进行相关分析，并编程算法与模型并对模型进行初步求解，最后对结果进行处理和分析。在五月上旬，我完成论文初稿的撰写，并发给伍老师，请教老师对我的论文查看及批阅。在五月中旬，对老师指出的问题以及需要修改的地方进行检查修改以准备后续的查重。在整个论文工作的过程中，我明白了脚踏实地不怕困难，坚持不懈是多么的重要，这些都是是我本次论文设计中的最大的收获。这次的论文设计让我懂得沉下心去认真完成一件事情是多么珍贵的经历，这次经历对我以后的学习生活受益匪浅。参考文献周秋蓉．基于用户体验的净菜配送服务设计研究[D]．福州：福州大学，2017．张蓓，马如秋．净菜电子商务质量安全及其支撑体系的国际经验借鉴[J]．世界农业，2019（5）：4-9．王雪婷.关于净菜配送前景的研究[J].农家参谋,2020(10):234.周秋蓉.基于用户体验的净菜配送服务设计研究[D].福州大学,2017.郑其良.净菜配送的发展前景及应注意的问题[J].蔬菜,1999(01):35-36.刘学馨,范蓓蕾,钱建平,邢斌.净菜加工质量安全信息管理平台的构建[J].中国农机化学报,2016,37(10):156-161.李杏筠,冯利萍.净菜产业发展研究——以广州蔬菜为研究对象[J].东方企业文化,2012(11):237-238.陈睿雅青年菜君:从爆红到谢幕[J]中国企业家，2018(13):83-86+82.谢蕊西.基于半成品净菜配送浅谈“每日优鲜”服务创新[J].中国商论,2021(01):8-11.郑雪清.基于供应链视角的净菜产业发展策略[J].福建商业高等专科学校学报,2015(03):58-62.张深红,王晶.新零售格局下生鲜农产品城乡配送模式与优化研究[J].中国物流与采购,2018(17):76-77.唐洪松，汪晶晶，李凤．哈萨克斯坦居民蔬菜消费特征及需求偏好研究:基于阿斯塔纳和阿拉木图的调查[J]．中国瓜菜，2018，31（10）：60-63．宋连久，朗杰，王忠红．高原农牧区居民蔬菜消费的调查与思考：基于西藏7地（市）42县934个农户的调查[J]．中国瓜菜，2018，31（5）：40-44．韦得胜，谢屹，卫望玺，等．绿色蔬菜购买行为及影响因素研究：基于北京市200名消费者的实证分析[J]．消费经济，2014，30（5）：61-66．BASELICEA，COLANTUONIF，LASSDA,etal.EUconsumers'perceptionsoffresh-cutfruitandvegetablesattributes：achoiceexperimentmodel[C]//Minneapolis：AAEAAnnualMeeting，2014：27-29．洪岚，李莉，张恪渝．北京消费者净菜消费的影响因素分析[J]．中国瓜菜，2020，33（3）：55-59．曹海艳．政府补贴视角下的净菜供应链演化博弈研究[D]．北京：北京信息科技大学，2017．段文婷，江光荣．计划行为理论述评[J]．心理科学进展，2008（2）：315-320．SILLANIS，NASSIVERAF．Consumerbehaviorinchoiceofminimallyprocessedvegetablesandimplicationsformarketingstrategies[J]．TrendsinFoodScience＆Technology，2015，46（2）：339-345．卢钰.消费者净菜产品属性偏好与支付意愿的研究[D].山东农业大学,2021.朱艳.北京市人大代表、垃圾问题专家王维平:城市的垃圾分类为何难推动?[J].环境与生活,2013(06):28-29.姚雪青.一家生态农场的绿色发展探索[N].人民日报，2022-08-05（013）.王宇平．中式餐饮企业新型核心竞争力发展模式研究[J]．商业研究，2012（4）：82-87．洪岚,卢悦,张恪渝.都市餐饮企业的净菜需求影响因素分析——以北京市为例[J].中国瓜菜,2021,34(03):112-117.吕龙,康宇飞,徐培.电子商务背景下城市净菜末端冷链配送绩效评价体系设计[J].营销界,2019(24):166-167.高华玲,严斌,周真锋,戴浩冕,薛琛.半成品净菜电商发展策略研究[J].中小企业管理与科技(中旬刊),2019(02):37-38.张蓓,马如秋.净菜电子商务质量安全及其支撑体系的国际经验借鉴[J].世界农业,2019(05):4-9+112.薛芳.关于净菜企业经营策略的探讨——以南京祥瑞农副产品开发有限公司为例[J].上海农业科技,2020(06):20-22.曹海艳.政府补贴视角下的净菜供应链演化博弈研究[D].北京信息科技大学,2017.RIJSWICKC.EUfresh-cutfruitsandvegetablesmarketupdate[R].RabobankIndustryNote246,2010:1-4. BASELICEA，COLANTUONIF，LASSDA,etal.EUconsumers'perceptionsoffresh-cutfruitandvegetables[J].FoodQualityandPreference,2017,59:87-96.RUEGGPL.Practicalfoodsafetyinterventionsfordairyproduction[J].JournalofDairyScience,2003,86;E1-E9.附录表A-1参数估算值配送模式aB标准错误瓦尔德自由度显著性Exp(B)Exp(B)的95%置信区间下限上限第三方物流截距-1.8211.0772.8621.091[性别=男].175.237.5451.4601.191.7491.895[性别=女]0b..0[年龄=25-35].227.863.0691.7921.255.2316.817[年龄=25以下].303.924.1081.7431.354.2218.285[年龄=36-45].796.842.8941.3452.217.42611.545[年龄=45-55]1.555.8873.0751.0804.733.83326.899[年龄=55以上]0b..0[受教育水平=本科及以上].684.4142.7281.0991.981.8804.460[受教育水平=初中及以下].825.5262.4631.1172.282.8146.392[受教育水平=大专].237.280.7121.3991.267.7312.195[受教育水平=高中/中专]0b..0[居住地=城市]1.503.28827.1401.0004.4952.5547.911[居住地=农村]-.493.4061.4731.225.611.2751.354[居住地=小镇]0b..0[餐厅运营时间=1-3年]-.295.514.3301.566.744.2722.040[餐厅运营时间=10年以上]-.798.6011.7611.184.450.1391.463[餐厅运营时间=3-5年]-.846.5412.4481.118.429.1491.238[餐厅运营时间=5-10年]-.329.582.3191.572.720.2302.254[餐厅运营时间=一年以内]0b..0[餐厅类型=快餐厅]-.575.3432.8031.094.563.2871.103[餐厅类型=连锁餐厅]-.346.406.7251.395.708.3191.568[餐厅类型=西餐厅]-.921.4653.9241.048.398.160.990[餐厅类型=中餐厅]-.288.338.7251.394.750.3871.455[餐厅类型=自助餐厅]0b..0[运输时效=快].017.283.0041.9511.017.5841.773[运输时效=慢].559.4261.7201.1901.749.7584.036[运输时效=一般]0b..0[运输成本=大].044.317.0191.8911.045.5611.945[运输成本=小].070.289.0591.8091.072.6091.888[运输成本=一般]0b..0[客源数量=大].260.276.8911.3451.297.7562.227[客源数量=小]-.098.325.0911.762.906.4791.715[客源数量=一般]0b..0[净菜利润=大].010.273.0011.9701.010.5911.726[净菜利润=小]1.363.42010.5381.0013.9101.7168.906[净菜利润=一般]0b..0[净菜包装方式=差].197.471.1751.6751.218.4843.067[净菜包装方式=良].056.264.0451.8311.058.6301.775[净菜包装方式=优]0b..0[损耗程度=大].822.3077.1841.0072.2761.2474.152[损耗程度=小].572.3123.3481.0671.771.9603.268[损耗程度=一般]0b..0商户自采自运截距.490.944.2691.604[性别=男].151.225.4491.5031.163.7481.806[性别=女]0b..0[年龄=25-35]-.326.718.2061.650.722.1772.951[年龄=25以下]-.706.787.8041.370.494.1062.309[年龄=36-45]-.191.697.0751.784.826.2113.240[年龄=45-55]-.662.814.6601.416.516.1052.545[年龄=55以上]0b..0[受教育水平=本科及以上].628.3932.5501.1101.874.8674.050[受教育水平=初中及以下].116.556.0431.8351.123.3773.338[受教育水平=大专]-.127.265.2311.631.880.5241.480[受教育水平=高中/中专]0b..0[居住地=城市].027.262.0101.9191.027.6141.717[居住地=农村].054.331.0271.8701.056.5522.018[居住地=小镇]0b..0[餐厅运营时间=1-3年]-.050.490.0111.918.951.3642.485[餐厅运营时间=10年以上]-.877.5782.2981.130.416.1341.293[餐厅运营时间=3-5年]-.612.5151.4121.235.542.1971.489[餐厅运营时间=5-10年]-.377.555.4621.497.686.2312.035[餐厅运营时间=一年以内]0b..0[餐厅类型=快餐厅]-.194.337.3321.565.823.4251.595[餐厅类型=连锁餐厅]-.081.409.0391.844.923.4142.056[餐厅类型=西餐厅].154.416.1371.7111.166.5162.634[餐厅类型=中餐厅].322.329.9591.3271.380.7242.630[餐厅类型=自助餐厅]0b..0[运输时效=快]-.335.2701.5461.214.715.4211.213[运输时效=慢].309.390.6271.4291.362.6342.927[运输时效=一般]0b..0[运输成本=大]-.361.3121.3391.247.697.3781.285[运输成本=小]-.119.272.1901.663.888.5211.514[运输成本=一般]0b..0[客源数量=大].227.265.7361.3911.255.7472.111[客源数量=小].055.307.0321.8591.056.5791.927[客源数量=一般]0b..0[净菜利润=大].373.2641.9921.1581.451.8652.435[净菜利润=小].032.393.0071.9351.033.4782.232[净菜利润=一般]0b..0[净菜包装方式=差].311.429.5271.4681.365.5893.165[净菜包装方式=良].015.251.0041.9511.016.6211.660[净菜包装方式=优]0b..0[损耗程度=大]-.256.288.7921.374.774.4401.361[损耗程度=小]-.035.287.0151.902.965.5501.694[损耗程度=一般]0b..0a.参考类别为：^1。b.此参数冗余，因此设置为零。表A-2参数估算值的拔靴法配送B拔靴法a偏差标准误差显著性（双尾）BCa95%置信区间下限上限第三方物流截距-1.821-.9284.374.122-5.811.015[性别=男].175.031.269.480-.388.842[性别=女]000..[年龄=25-35].227.8004.293.783-2.02418.657[年龄=25以下].303.7924.319.720-2.09818.863[年龄=36-45].796.8324.316.343-1.38119.189[年龄=45-55]1.555.9154.319.055-1.01620.455[年龄=55以上]000..[受教育水平=本科及以上].684