天猫超市逆向物流服务质量评价体系构建

目前网络购物主要以B2C模式为主，电子商务作为一种网络交易手段，只有通过物流服务商品才会真正流通到消费者手中，面对激烈的市场竞争，许多企业为了提高自身竞争优势，允许消费者购买产品后因产品的质量等原因将所购产品退回以提高顾客满意度来维持企业长久发展。因此近年来退货逆向物流服务越来越受到电子商务企业的重视，甚至提到了战略的高度来关注。天猫超市是阿里巴巴集团全新打造的网上零售超市，于2010年10月开始筹备，2015年7月阿里正式宣布进军商超领域，至今为止在阿里体系中是与淘宝、天猫和聚划算并列的第四个消费者平台，其用户交易量巨大，然而却没有一个物流企业可以消化掉这些庞大的物流需求，阻碍电子商务企业的发展。其运营不同于传统电子商务B2C自营模式，也不同于平台式B2C模式，而是将两者结合，将B2C平台化自营模式和物流联盟相结合，通过依靠阿里集团强大的大数据平台，建立菜鸟物流的第四方物流平台，整合物流资源，解决了物流环节最后一公里的难题[1]。因此构建天猫超市逆向物流服务质量评价体系，对B2C电子商务企业选择合适的物流企业具有重要的现实意义，一方面可以对天猫超市退货逆向物流服务质量进行评价，发现逆向服务中的薄弱环节，为其提升逆向物流服务质量提供了参考依据，另一方面还可以为其他B2C电子商务企业提供参考以提高消费者的用户体验和满意度，提高了B2C电子商务企业竞争力。

本文以天猫超市作为研究对象，首先对影响物流服务质量的维度及指标进行总结，建立初始评价指标体系，通过问卷收集数据进行探索性因子分析，最终形成含5个维度、21个指标的评价体系，再依据指标体系利用AMOS20.0软件构建结构方程模型，通过验证性因子分析应用因素载荷量得出每个维度及指标的权重，进而得到天猫超市逆向物流服务质量评价模型。

1 相关文献综述

服务质量评价模型的提出，引用最广的是PZB团队，即Parasuraman、ZEithamal和Berry三位学者在1988年提出的SERVQUAL评价模型服务质量主要由5个要素和22个指标构成[2]，维度分别是：有形性、反应性、可靠性、保障性和移情性。Cronin和Taylor（1992）在SERVQUAL的基础上开发的新的评价方法，即SERVPERF（Service Performance）绩效感知服务质量度量方法，直接以消费者感知数据为参考，将客户满意的评分作为客户感知服务质量的首先指标来度量，避免了SERVQUAL评价模型重复计算期望的现象，测量结果有较高有效性[3]。针对物流特性和服务质量的研究，最早的是由Perrault和Russ在1974年提出的以时间、地点效用为基础的7Rs理论[4]，是对物流服务质量概念进行研究。随着研究的深入，2001年，Mentzer，Kent和Flint等人以物流服务发生的时间为标准对物流服务过程进行划分，从顾客角度出发提出了物流服务质量模型（LSQ模型），该模型把物流服务过程主要分为订货，收货和满意度三个阶段[5]，该模型也是现今运用最为广泛的物流服务质量模型。

在B2C逆向物流服务质量的研究方面，屈晓娟（2013）从决策支持、物流配送管理、客户服务及信息维护四个方面构建B2C电子商务退货物流信息体系，15个功能指标[6]。张志清等人（2014）在其研究中借助

第三方信息技术建立数学模型对退货过程进行优化并对现有的退货服务中出现的问题提出建议[7]。袁振杭（2015）在对电子商务物流网络的优化设计中，将退货因素考虑进去，研究了B2C电子商务自营物流的物流配送网络优化模型[8]。包金龙（2016）等人采用内容分析法，通过条件限制性、便利性、退货条款清晰性及退货费用等4个维度12个指标来对退货服务政策进行评价[9]。

2 评价指标的确定

2.1 初始评价指标的确定

本文根据以往代表性文献整理，归纳得出以往研究中（电商）物流服务质量评价指标，见表1。结合SERVQUAL评价模型和LSQ模型，融入天猫超市逆向物流服务的流程，如图1，对维度进行调整，整理出天猫超市逆向物流服务质量模型，该模型从五个维度加以考虑，即沟通质量、信息性、退货处理质量、便利性和移情性。

①沟通质量是指在退货行为产生后，客服人员对于顾客的问答能够及时的响应、友善的对退货要求做出反应，是否能够主动地问询顾客退换货的要求以及满意度等。本文将沟通质量分为沟通的及时性、沟通态度、沟通渠道、投诉的处理以及沟通的主动性五个指标。

②信息性。对于B2C电子商务而言，保证信息质量是最主要、最基本的标准，信息质量是指天猫超市能够为顾客提供完全的、准确可靠的、即时快速的物流信息。本文保留LSQ模型中的信息质量维度，指标分别设为物流信息的完全性、物流信息可靠性、物流信息即时性及退款信息及时性四个指标。

③便利性。由于电子商务购物的虚拟性，消费者体验逐渐被管理者列入决策层面因素来考虑，服务便利性作为消费者体验的重要组成部分。对退货逆向物流服务来说，退货过程的便利性是指商家对退货物流流程和手续的简化，使消费者感知到的整个退货过程的方便性。本文主要退货过程的快捷性和商家是否尽量为顾客提供便利两个指标来衡量。

④移情性。移情性是指在退货物流服务过程中，企业和服务人员能够提供给顾客关怀和体贴、为顾客着想，了解顾客的需求并满足顾客需求，重视顾客的利益并为顾客提供个性化的服务。在借鉴参考资料的基础上，本文把移情性分为个性化服务、系统及客服主动提醒退货时间、商家对客户利益的优先考虑、退货过程误差处理时间、会员专享特权、和恰当的回访机制六个指标。

⑤退货处理质量。处理好退货，可以帮助B2C电子商务企业增强顾客满意度，完善顾客体验，提高顾客忠诚度。本文退货处理质量的提出，结合了天猫超市逆向物流的流程，包括退货政策合理性、退货处理响应速度、退货方式多样性、退货承诺可靠性、退货费用合理和退货条件合理性六个维度。

2.2 预测试与指标的调整

本文在预测试阶段问卷内容以前文构建的初始天猫超市逆向物流服务质量体系中维度和指标为主要依据，针对天猫超市逆向物流服务量表中23个评价指标，采用李克特（Likert）5级量表来计量。本文选定研究对象郑州大学部分本科及研究生，通过实地发放纸质版网络问卷两种形式进行发放。预测试共发放问卷130份，回收104份，其中有效问卷93份。

采用spss19.0对数据进行分析，从表2中可以看出除题项TH4和YQ5以外，其他21个题项CITC值均大于0.5，Cronbachs 值均大于0.8，满足大于0.7的标准，删除某题项后Cronbachs 值没显著增加，表明数据有较好的信度，因此删除题项TH4和YQ5。

剔除题项后，对21个题项样本进行效度分析，先用KMO和Bartlett球形检验法进行检验。分析结果显示，KMO值大于0.9，大于可接受的参考值0.7，Bartlett 的球形度检验P值为0，表明样本可进行因子分析。

2.3 因子分析

本文在探索性因子分析中采用主成分分析和因子正交旋转。采用主成分分析法对量表中的21个题项进行因素分析，采用因子特征值大于1的标准提取到21个稳定题项。在此基础上对这21个因素进行二阶因素分析归类，共提取到5个主因素，能够解释原结构约84.291%的信息，解释总方差和旋转矩阵如表3和4所示。

从表3解释总方差表可以提取5个因子，结果与理论模型中潜在变量的个数保持一致。问卷得到的数据与理论模型契合度比较高，说明本文的研究具有可行性。表4采用最大方差法对因子进行正交旋转，经过6次迭代收敛后得到较为满意的成分矩阵，结合各题项所代表的指标含义，5个主因素分别是 退货服务质量、信息性、沟通服务质量、移情性、便利性。

2.4 评价指标体系的建立

在预测试之后，通过对预测试的数据进行信度和效度分析，基本可以确定该问卷的可行性，且探索性因子分析结果与初始指标体系维度契合，因此本研究最红可得到由5个维度、21个题项组成的天猫超市逆向物流服务质量评价指标体系，如图2所示。

3 天猫超市逆向物流服务质量评价模型

3.1 结构方程模型构建

3.1.1 样本的收集及正态性检验

正式问卷调查共发放了450份问卷，其中网络问卷350份，纸质问卷150份，回收问卷317份，无效问卷39份，剩余有效问卷278份，有效问卷回收率达61.7%。且本文指标数为21，按照样本容量是变量数5-10倍的标准，此次回收数据有效，可做进一步数据研究。

在用极大似然法做参数估计之前，应先检验样本数据是否符合正态分布。通过观察样本数据偏度和峰值，可以判断样本数据是否符合正态分布，当变量的偏度小于3，峰度小于8时，则认为可以进行下一步参数估计。表5为样本数据的正态性检验表。

由表5可以看出，数据偏度均小于3，峰度均小于8，样本数据可以利用极大似然法进行参数估计。

3.1.2 样本信度和效度分析

表6顯示，KMO值为0.926，Bartlett 球形检验Sig值为0，均通过检验，样本数据做进一步分析。

结果从表7可以看出，五个维度的Cronbachs 值均大于0.9，CR值均大于0.8，表明构面的内部一致性较好，理想状态下AVE的值应大于0.5，数据符合标准，观测变量的标准因子载荷在0.5以上，说明数据有良好的结构效度。

3.1.3 结构方程模型的评价

模型的主要适配度指标数值如表8所示。

从表8中可以看出，除了GFI值略低于标准外，其他测量模型适配度的指标均很好地满足了标准，单个指标与标准略有出入，模型可接受。

从结构方程标准化路径图（图3）可以看出，各变量间的因子载荷量均大于0.6，模型可接受。

3.2 评价模型指标权重的确定

利用问卷数据来确定权重的方法有因子分析法，线性回归等。前文中，通过构建结构方程模型确定天猫超市逆向物流服务质量评价模型，模型中因子载荷量代表着每个维度与服务质量之间的相关程度，载荷系数大，则说明该维度对服务质量的影响较大，因此可以通过对结构方程模型中对因子载荷量进行归一化的处理来计算指标权重，归一化处理后的指标权重如表9。

3.3 结果分析

从权重分析，在天猫超市逆向物流服务质量的五个维度中，退货处理质量的权重最大，说明退货处理质量对天猫超市逆向物流服务质量的影响最大，其次是信息性，第三是沟通质量，移情性第四，最后一位是整个退货过程的便利性。说明消费者在天猫超市购物选择退货时，最看重的是退货服务质量；信息性在退货时权重仅次于退货服务质量，这是由电子商务交易的特点及电子商务与物流之间相辅相成的关系决定，另一方面也体现了消费者对物流信息的可得性、及时性、退款信息及时性等信息质量指标的重视；沟通质量权重较重，排名第三，表明在退货过程中消费者较为重视沟通的问题，包括问题是否能够提供恰当的沟通渠道帮助顾客解决售后问题、客服是否能够在消费者选择退货时及时主动地解决消费者疑问，帮助消费者做出退货决策；移情性权重相对于其他维度来说较低，原因可能是消费者在退货过程中继续解决的是退货中是否能够提供多样的退货方式、退货的费用、退款是否及时等主要问题，个性化以及一些特色的服务并不是退货过程中急需解决的问题；便利性虽排在最后，但并不是指退货过程便利性不重要，而是在这几个维度中，消费者重视程度相对较低。

4 提升天猫超市逆向物流服务质量的建议

①制定严格或根据当前已制定的评估考核制度提高与天猫超市合作快递或者落地配物流企业准入门槛，避免因为合作商快递人员个人素质原因对天猫超市品牌造成恶劣影响；其次可以通过增加多种退货方式，在退货时根据消费者所退物品的大小、价值或者消费者的信用度、淘气值等为消费者提供免费上门收货等特色服务或者在退货时通过制定全面规范合理的退货政策使消费者进行退货时，能够快速沟通交流，也能够快速的处理退货相关事项。

②大数据时代数据信息就是企业发展的优势，是企业创新的动力。天猫超市拥有淘宝庞大的用户流量，阿里的大数据平台作为支撑，又有菜鸟网络为其提供物流服务支持，因此在信息质量上更应发挥自身优势，应加强与国美、海尔等大型家电电商平台的合作，形成战略互投联盟保证物流信息真实性，并主动将一部分信息资源分享给物流企业真正做到共担风险，共享收益。

③天猫超市退货平台可以建立考核制度规范客服行为，制定规范的标准并对客服定期及培训，灌输服务意识，建立相应的奖励机制等，当然，除了售后服务、电话平台等渠道外，B2C企业平台还看可以通过智能机器人解答等方式发展更多沟通渠道。

④除了可以通过零秒退、会员专享等特色退货服务外，可以增加为顾客提供个性化的退货服务如退出个性化退货界面、根据用户诚信度延长退货时限等服务或者增加多种退货物流附加服务并形成规模普及以此提升猫超的品牌效益。

5 结论

由于网络购物的虚拟性，在电子商务环境下退货问题不可避免。面对激烈的市场竞争，许多电子商务企业为了提高自身竞争优势，甚至把退货物流服务提到了战略的高度来关注。本文基于B2C电子商务企业发展的需求，以天猫超市作为研究对象，运用探索性因子分析方法，对天猫超市逆向物流服务质量影响因素进行分析，形成包含沟通质量、信息质量、退货处理质量、移情质量和便利性五個维度和21个指标的评价体系，通过构建结构方程模型来验证该指标体系并得出每个维度及指标的权重，通过对模型结果的分析，从五个方面提出天猫超市逆向物流服务质量改进建议。

2 评价指标的确定

2.1 初始评价指标的确定

本文根据以往代表性文献整理，归纳得出以往研究中（电商）物流服务质量评价指标，见表1。结合SERVQUAL评价模型和LSQ模型，融入天猫超市逆向物流服务的流程，如图1，对维度进行调整，整理出天猫超市逆向物流服务质量模型，该模型从五个维度加以考虑，即沟通质量、信息性、退货处理质量、便利性和移情性。

①沟通质量是指在退货行为产生后，客服人员对于顾客的问答能够及时的响应、友善的对退货要求做出反应，是否能够主动地问询顾客退换货的要求以及满意度等。本文将沟通质量分为沟通的及时性、沟通态度、沟通渠道、投诉的处理以及沟通的主动性五个指标。

②信息性。对于B2C电子商务而言，保证信息质量是最主要、最基本的标准，信息质量是指天猫超市能够为顾客提供完全的、准确可靠的、即时快速的物流信息。本文保留LSQ模型中的信息质量维度，指标分别设为物流信息的完全性、物流信息可靠性、物流信息即时性及退款信息及时性四个指标。

③便利性。由于电子商务购物的虚拟性，消费者体验逐渐被管理者列入决策层面因素来考虑，服务便利性作为消费者体验的重要组成部分。对退货逆向物流服务来说，退货过程的便利性是指商家对退货物流流程和手续的简化，使消费者感知到的整个退货过程的方便性。本文主要退货过程的快捷性和商家是否尽量为顾客提供便利两个指标来衡量。

④移情性。移情性是指在退货物流服务过程中，企业和服务人员能够提供给顾客关怀和体贴、为顾客着想，了解顾客的需求并满足顾客需求，重视顾客的利益并为顾客提供个性化的服务。在借鉴参考资料的基础上，本文把移情性分为个性化服务、系统及客服主动提醒退货时间、商家对客户利益的优先考虑、退货过程误差处理时间、会员专享特权、和恰当的回访机制六个指标。

⑤退货处理质量。处理好退货，可以帮助B2C电子商务企业增强顾客满意度，完善顾客体验，提高顾客忠诚度。本文退货处理质量的提出，结合了天猫超市逆向物流的流程，包括退货政策合理性、退货处理响应速度、退货方式多样性、退货承诺可靠性、退货费用合理和退货条件合理性六个维度。

2.2 预测试与指标的调整

本文在预测试阶段问卷内容以前文构建的初始天猫超市逆向物流服务质量体系中维度和指标为主要依据，针对天猫超市逆向物流服务量表中23个评价指标，采用李克特（Likert）5级量表来计量。本文选定研究对象郑州大学部分本科及研究生，通过实地发放纸质版网络问卷两种形式进行发放。预测试共发放问卷130份，回收104份，其中有效问卷93份。

采用spss19.0对数据进行分析，从表2中可以看出除题项TH4和YQ5以外，其他21个题项CITC值均大于0.5，Cronbachs 值均大于0.8，满足大于0.7的标准，删除某题项后Cronbachs 值没显著增加，表明数据有较好的信度，因此删除题项TH4和YQ5。

剔除题项后，对21个题项样本进行效度分析，先用KMO和Bartlett球形检验法进行检验。分析结果显示，KMO值大于0.9，大于可接受的参考值0.7，Bartlett 的球形度检验P值为0，表明样本可进行因子分析。

2.3 因子分析

本文在探索性因子分析中采用主成分分析和因子正交旋转。采用主成分分析法对量表中的21个题项进行因素分析，采用因子特征值大于1的标准提取到21个稳定题项。在此基础上对这21个因素进行二阶因素分析归类，共提取到5个主因素，能够解释原结构约84.291%的信息，解释总方差和旋转矩阵如表3和4所示。

从表3解释总方差表可以提取5个因子，结果与理论模型中潜在变量的个数保持一致。问卷得到的数据与理论模型契合度比较高，说明本文的研究具有可行性。表4采用最大方差法对因子进行正交旋转，经过6次迭代收敛后得到较为满意的成分矩阵，结合各题项所代表的指标含义，5个主因素分别是 退货服务质量、信息性、沟通服务质量、移情性、便利性。

2.4 评价指标体系的建立

在预测试之后，通过对预测试的数据进行信度和效度分析，基本可以确定该问卷的可行性，且探索性因子分析结果与初始指标体系维度契合，因此本研究最红可得到由5个维度、21个题项组成的天猫超市逆向物流服务质量评价指标体系，如图2所示。

3 天猫超市逆向物流服务质量评价模型

3.1 结构方程模型构建

3.1.1 样本的收集及正态性检验

正式问卷调查共发放了450份问卷，其中网络问卷350份，纸质问卷150份，回收问卷317份，无效问卷39份，剩余有效问卷278份，有效问卷回收率达61.7%。且本文指标数为21，按照样本容量是变量数5-10倍的标准，此次回收数据有效，可做进一步数据研究。

在用极大似然法做参数估计之前，应先检验样本数据是否符合正态分布。通过观察样本数据偏度和峰值，可以判断样本数据是否符合正态分布，当变量的偏度小于3，峰度小于8时，则认为可以进行下一步参数估计。表5为样本数据的正态性检验表。

由表5可以看出，数据偏度均小于3，峰度均小于8，样本数据可以利用极大似然法进行参数估计。

3.1.2 样本信度和效度分析

表6顯示，KMO值为0.926，Bartlett 球形检验Sig值为0，均通过检验，样本数据做进一步分析。

结果从表7可以看出，五个维度的Cronbachs 值均大于0.9，CR值均大于0.8，表明构面的内部一致性较好，理想状态下AVE的值应大于0.5，数据符合标准，观测变量的标准因子载荷在0.5以上，说明数据有良好的结构效度。

3.1.3 结构方程模型的评价

2 评价指标的确定

2.1 初始评价指标的确定

本文根据以往代表性文献整理，归纳得出以往研究中（电商）物流服务质量评价指标，见表1。结合SERVQUAL评价模型和LSQ模型，融入天猫超市逆向物流服务的流程，如图1，对维度进行调整，整理出天猫超市逆向物流服务质量模型，该模型从五个维度加以考虑，即沟通质量、信息性、退货处理质量、便利性和移情性。

①沟通质量是指在退货行为产生后，客服人员对于顾客的问答能够及时的响应、友善的对退货要求做出反应，是否能够主动地问询顾客退换货的要求以及满意度等。本文将沟通质量分为沟通的及时性、沟通态度、沟通渠道、投诉的处理以及沟通的主动性五个指标。

②信息性。对于B2C电子商务而言，保证信息质量是最主要、最基本的标准，信息质量是指天猫超市能够为顾客提供完全的、准确可靠的、即时快速的物流信息。本文保留LSQ模型中的信息质量维度，指标分别设为物流信息的完全性、物流信息可靠性、物流信息即时性及退款信息及时性四个指标。

③便利性。由于电子商务购物的虚拟性，消费者体验逐渐被管理者列入决策层面因素来考虑，服务便利性作为消费者体验的重要组成部分。对退货逆向物流服务来说，退货过程的便利性是指商家对退货物流流程和手续的简化，使消费者感知到的整个退货过程的方便性。本文主要退货过程的快捷性和商家是否尽量为顾客提供便利两个指标来衡量。

④移情性。移情性是指在退货物流服务过程中，企业和服务人员能够提供给顾客关怀和体贴、为顾客着想，了解顾客的需求并满足顾客需求，重视顾客的利益并为顾客提供个性化的服务。在借鉴参考资料的基础上，本文把移情性分为个性化服务、系统及客服主动提醒退货时间、商家对客户利益的优先考虑、退货过程误差处理时间、会员专享特权、和恰当的回访机制六个指标。

⑤退货处理质量。处理好退货，可以帮助B2C电子商务企业增强顾客满意度，完善顾客体验，提高顾客忠诚度。本文退货处理质量的提出，结合了天猫超市逆向物流的流程，包括退货政策合理性、退货处理响应速度、退货方式多样性、退货承诺可靠性、退货费用合理和退货条件合理性六个维度。

2.2 预测试与指标的调整

本文在预测试阶段问卷内容以前文构建的初始天猫超市逆向物流服务质量体系中维度和指标为主要依据，针对天猫超市逆向物流服务量表中23个评价指标，采用李克特（Likert）5级量表来计量。本文选定研究对象郑州大学部分本科及研究生，通过实地发放纸质版网络问卷两种形式进行发放。预测试共发放问卷130份，回收104份，其中有效问卷93份。

采用spss19.0对数据进行分析，从表2中可以看出除题项TH4和YQ5以外，其他21个题项CITC值均大于0.5，Cronbachs 值均大于0.8，满足大于0.7的标准，删除某题项后Cronbachs 值没显著增加，表明数据有较好的信度，因此删除题项TH4和YQ5。

剔除题项后，对21个题项样本进行效度分析，先用KMO和Bartlett球形检验法进行检验。分析结果显示，KMO值大于0.9，大于可接受的参考值0.7，Bartlett 的球形度检验P值为0，表明样本可进行因子分析。

2.3 因子分析

本文在探索性因子分析中采用主成分分析和因子正交旋转。采用主成分分析法对量表中的21个题项进行因素分析，采用因子特征值大于1的标准提取到21个稳定题项。在此基础上对这21个因素进行二阶因素分析归类，共提取到5个主因素，能够解释原结构约84.291%的信息，解释总方差和旋转矩阵如表3和4所示。

从表3解释总方差表可以提取5个因子，结果与理论模型中潜在变量的个数保持一致。问卷得到的数据与理论模型契合度比较高，说明本文的研究具有可行性。表4采用最大方差法对因子进行正交旋转，经过6次迭代收敛后得到较为满意的成分矩阵，结合各题项所代表的指标含义，5个主因素分别是 退货服务质量、信息性、沟通服务质量、移情性、便利性。

2.4 评价指标体系的建立

在预测试之后，通过对预测试的数据进行信度和效度分析，基本可以确定该问卷的可行性，且探索性因子分析结果与初始指标体系维度契合，因此本研究最红可得到由5个维度、21个题项组成的天猫超市逆向物流服务质量评价指标体系，如图2所示。

3 天猫超市逆向物流服务质量评价模型

3.1 结构方程模型构建

3.1.1 样本的收集及正态性检验

正式问卷调查共发放了450份问卷，其中网络问卷350份，纸质问卷150份，回收问卷317份，无效问卷39份，剩余有效问卷278份，有效问卷回收率达61.7%。且本文指标数为21，按照样本容量是变量数5-10倍的标准，此次回收数据有效，可做进一步数据研究。

在用极大似然法做参数估计之前，应先检验样本数据是否符合正态分布。通过观察样本数据偏度和峰值，可以判断样本数据是否符合正态分布，当变量的偏度小于3，峰度小于8时，则认为可以进行下一步参数估计。表5为样本数据的正态性检验表。

由表5可以看出，数据偏度均小于3，峰度均小于8，样本数据可以利用极大似然法进行参数估计。

3.1.2 样本信度和效度分析

表6顯示，KMO值为0.926，Bartlett 球形检验Sig值为0，均通过检验，样本数据做进一步分析。

结果从表7可以看出，五个维度的Cronbachs 值均大于0.9，CR值均大于0.8，表明构面的内部一致性较好，理想状态下AVE的值应大于0.5，数据符合标准，观测变量的标准因子载荷在0.5以上，说明数据有良好的结构效度。

3.1.3 结构方程模型的评价