医药行业绩效与渠道治理结构关系的实证研究
来源：岁月联盟
时间：2017-03-14
步骤2
为了进行因子分析，首先检验已知数据是否适合进行因子分析，为此进行KMO检验和Bartlett球度检验。
表2医药行业KMO检验和Bartlett球度检验表
表2分别给出了KMO检验和Bartlett球度检验结果。其中K&10值为0.479，根据统计学家Kaiser给出的标准，KMO取值小于0.6，不是很适合因子分析。Bartlett球度检验给出的相伴概率0.000，小于显著性水平0.05，因此拒绝Bartlett球度检验零假设，认为适合进行因子分析。
步骤3
由表2检验知所提取的数据可以进行因子分析，接下来进行因子提取。
表3反映了初始解按照一定标准(提取因子的标准是特征值大于I)提取了1个公共因子后对原变量总体的描述情况。
表中是因子分析后因子提取和因子旋转的结果。其中，Component列和Initial Eigenvalue，列(第一gIJ到第四列)描述了因子分析初始解对原始变量总体描述情况。
第五列至第七列则是从初始解中按照一定标准(在前面的分析中，设定了提取因子的标准是特征值大于1)提取了1个公共因子后对原变量总体的描述情况。从表中可见提取了1个公共因子后，它反映了原变量的约一半的信息。第九列(% of Variance)的数值是最后获得的因子得分进行加权的系数，对应着F1是45.162。由于所提取的公因子反映初始变量的程度太小，所以根据表中第二列特征值基本情况重新设定特征值为0.97，重新提取后得到表4a
步骤4
表4反映了初始解按照一定标准(提取因子的标准是特征值大于0.97)提取了3个公共因子后对原变量总体的描述情况。从表中可见提取了3个公共因子后，它们反映了原变量的大部分信息。第九列(% of Variance)的数值是最后获得的因子得分进行加权的系数，对应着Fl ,F2和F3分别是38.646 ,23.805和22.1500
步骤5
从表5中可以看出，因子1解释了每股公积金和每股净资产两个原始变量，因子2解释了净资产收益率(%)和每股收益两个原始变量，因子3解释了主营收人增长率。
步骤6 表6是输出的因子挛量的协方差矩阵，该矩阵为一个单位矩阵，恰好证明了3个因子变量之间是不相关的。这也正好满足了因子变量应该是正交、不相关的条件。
步骤7 表7是最终的综合指标与营销渠道相关性表，综合指标是由公式(2)计算得到的。在本行业中，二者的相关性系数是0.047，相关性很低。通过该相关性数据说明了在医药行业企业的效益与其采取的销售渠道是没有关系的，这证明了假设(5)是错误的，同时证明了假设(6是正确的。并且事实上在本文中所考察的所有企业中只有三种渠道模式，而且其数量差别不大，也就是说采取垂直型、常规型和混合型营销渠道的企业比例均衡，而且经营状况也没有太大差别，根据对医药行业资料的查证发现这个结果直接与我国的行业情况有关系。多年来，医药行业依靠一些保护政策运作的情况很严重，这导致了渠道结构对其效益没有很明显的影响，就出现了本文调查所得的结论。但在反商业贿赂的政策旗帜下，2006年医药行业已经加速进人行业规范阶段，同时多年以来行业内部同质化竞争加剧，导致利润不断稀薄，整体行业在政策的洗礼下进人洗牌阶段，胜者为王的时代已经来临，无论是企业还是经销商都在战略上寻求新的盈利模式。在此环境背景下，医药企业纷纷转型寻求新的利润增长点和企业可持续运作的经营模式，而营销模式的转变是经营模式转型的重要课题。所以医药行业营销模式创新已经成为一种必然。在医药行业整体面临转型的今天，也更需要对医药行业结构模式进行研究，以求获取更有利于行业发展的方式。
4结论
通过对医药行业企业的样本调查和数据分析，对营销渠道治理机制和医药行业绩效之间的关系进行了深人探讨，并主要得到以下几个结论:
(1)从整个行业角度来看，医药行业目前的营销渠道治理决策对企业绩效是没有多少影响的，二者之间相关性很弱。
(2)在医药行业里，渠道模式一般都依照以往传统，选择混合式结构，但随着市场情况变化，这种模式也会变化，需要进一步研究。
但由于各个企业的渠道结构选取比较复杂，在进行归类时，本文对各个企业的营销渠道结构的界定有一定的主观成分，而且由于很多企业采取多目标战略经营，所以对它本身的渠道结构在面对不同产品时会采取不同的设定方法，而考察时只查询了该企业在相关产品上使用的渠道，并不能代表企业整体，并且考察的企业数目也有限，影响结果的可靠性，并且该行业情况会发生较大变化，在比较短的时间内就需要重新界定以进行与变化同步的研究，这也有待于今后进一步研究。
