关于“消费者满意度研究”中“权重计算的方法

1报告附件—满意度权重确定方法2满意度权重确定方法要提高顾客忠诚度。需要首先了解顾客对现有服务的满意度，从中找出差距，进一步提高顾客满意度水平，因此近年来企业越来越关注顾客的满意度。满意度指标体系是顾客满意度测量的基础，其设计的合理性直接影响到满意度研究的结果，完整的顾客满意度指标体系包括测评的指标，以及根据各项指标在测评指标体系中所具有的不同的重要性程度确定各项指标对总体满意度的影响权重。不同的加权数往往导致不同的测评结果，因此权重确定是测评指标体系设计中非常关键的一个步骤，对于能否客观、真实地反映顾客满意度起着至关重要的作用。确定权重的方法有很多种：主观赋权法、客观赋权法、德尔菲法、层次分析法等。主观赋权法因为主观意识的成分居多，通常容易引起争议；德尔菲法和层次分析法因为操作过程比较复杂也很少采用；客观赋权法，即根据各指标间的相关关系或各项指标值的变异程度来确定权数，避免了人为因素带来的偏差，它是最为简单直接的方法，也是最常用的方法。本文采用多元统计分析中的多元回归分析和主成分分析法结合的方法(主成分回归法，属客观赋权法之一）对顾客满意度中各个指标进行分析，确定每个指标的权重。采用多元回归分析来确定各分项指标满意度对总体满意度的影响程度，但是，为了避免多个分项指标间的多重共线性问题，须先采用主成分分析消除多变量间的多重共线性的影响，由于提取的主成分是相互独立的，用总满意度对四个成分进行回归得出回归系数，可以反映主成分因子对总体满意度水平的影响程度，然后再根据主成分因子载荷矩阵及特征根计算各分项指标与主成分因子之间关系，再结合主成分回归系数计算出各分项指标变量对总体满意度的影响程度，即重要性或权重。本分析过程主要采用SPSS软件。一、满意度权重计算的总体思路3满意度权重确定方法（一）主分成分析原理主成分分析是设法将原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关的综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。最经典的做法就是用F1（选取的第一个线性组合，即第一个综合指标）的方差来表达，即Var（F1）越大，表示F1包含的信息越多。因此在所有的线性组合中选取的F1应该是方差最大的，故称F1为第一主成分。如果第一主成分不足以代表原来P个指标的信息，再考虑选取F2即选第二个线性组合，为了有效地反映原来信息，F1已有的信息就不需要再出现再F2中，用数学语言表达就是要求Cov（F1,F2）=0，则称F2为第二主成分，依此类推可以构造出第三、第四，……，第P个主成分。（二）主成分分析数学模型F1=a11X1+a21X2+……+ap1XpF2=a12X1+a22X2……+ap2Xp……Fp=a1mX1+a2mX2+……+apmXp其中a1i,a2i,……,api（i=1,……,m）为X的协差阵Σ的特征值多对应的特征向量，X1,X2,……,Xp是原始变量经过标准化处理的值；A=（aij）p×m=（a1,a2,…am,），Rai=λiai，R为相关系数矩阵，λi、ai是相应的特征值和单位特征向量,λ1≥λ2≥…≥λp≥0。二、主成分分析模型和方法4满意度权重确定方法（一）指标选取原则（1）建立的顾客满意度测评指标体系，必须是顾客认为重要的。要准确把握顾客的需求，选择顾客认为最关键的测评指标。指标的确定必须由行业内的专家来确定（通常由客户中对相关业务熟悉的人员,即行业专家,或者通过深访和座谈会由顾客来确定）（2）测评指标必须是可测量的。顾客满意度测评的结果是一个量化的值，因此设定的测评指标必须是可以进行统计、计算和分析的。(一般采用李克特量表进行打分的方法.)于是我们经过与客户讨论得出19个主要评测指标（自变量）和1个总体满意度指标（目标变量），采用10分制让被访者对这20个指标进行打分：三、对顾客满意度指标进行主成分分析•Q1.1、客户经理是否主动跟您联系•Q5.1、是否按合同约定及时上门安装•Q1.2、与客户经理沟通是否顺畅•Q5.2、是否给贵公司提供了相关的技术培训或资料•Q1.3、客户经理对贵公司需求的了解•Q7.1、出现故障后，是否很方便联系到故障处理人员•Q1.4、是否及时响应贵公司提出的需求•Q7.2、报障后是否及时响应•Q1.5、是否主动提出相关解决方案•Q7.3、是否有效的解决了问题•Q1.6、解决方案是否满足贵公司需求•Q9.1、是否及时收到中国电信发送的账单•Q3.1、对中国电信产品或服务的总体评价如何•Q9.2、中国电信账单是否清晰，容易理解•Q3.2、和竞争对手相比，中国电信产品性能如何•Q9.3、对账单有疑问的时候，查询是否方便•Q3.3、和竞争对手相比，中国电信稳定性如何•Q9.4、账单上的计费是否准确•Q3.4、和竞争对手相比，中国电信产品价格竞争力如何•Q11、总体满意度5满意度权重确定方法（二）运用主成分分析法进行分析运用SPSS统计分析软件Factor模块对顾客满意度指标进行主成分分析。分析之前须先建好spss库，包含19个分项指标和1个总体指标共20个得分变量.具体步骤如下：第一步：数据标准化，输出变量为ZQ1.1-ZQ11,为进行后面主成分分析作准备打开spssanalysis—descriptivestatistics—descriptives,将20个得分变量选取到variables框中，勾选savestand…保存标准化后的变量.6满意度权重确定方法第二步：对分项指标进行主成分分析,首先进行KMO与巴特利球形检验，该值一般达到0.7以上，就认为可做主成分分析或因子分析；运行SPSS分析软件中主成分分析模块，提取特征根大于1的主成分；本项目共提取4个主成分，即将原来19个指标通过降维处理，得到四个相互独立的主成分；打开spssanalysis—DataReduction—Faction,将19个得分变量选取到variables框中，点descriptives按钮，主要勾选coefficients（相关系数）和KMOandBartlett’stest…(KMO与巴特利球形检验)7满意度权重确定方法打开Extraction按钮，Method选取principalcomponents(主成分分析)，特征阈征这里设为默认值1Rotation这里因为是主成分分析，选择None就行了，不用旋转。点ok后，输出结果如下:•KMOandBartlett'sTest•Kaiser-Meyer-OlkinMeasureofSamplingAdequacy.•0.785•Bartlett'sTestofSphericity•Approx.Chi-Square•692.799•df•171•Sig.•0.0008满意度权重确定方法表1：方差贡献率表•TotalVarianceExplained•Component•InitialEigenvalues•ExtractionSumsofSquaredLoadings•Total•%ofVariance•Cumulative%•Total•%ofVariance•Cumulative%•1•8.853•46.592•46.592•8.853•46.592•46.592•2•2.361•12.424•59.016•2.361•12.424•59.016•3•1.911•10.060•69.076•1.911•10.060•69.076•4•1.389•7.310•76.386•1.389•7.310•76.386•5•0.840•4.419•80.806••••6•0.688•3.620•84.426••••7•0.578•3.044•87.470••••8•0.526•2.770•90.240••••9•0.381•2.008•92.248••••10•0.304•1.600•93.847••••11•0.260•1.369•95.216••••12•0.200•1.051•96.267••••13•0.193•1.013•97.281••••14•0.134•0.704•97.984••••15•0.128•0.673•98.658••••16•0.092•0.485•99.143••••17•0.072•0.379•99.522••••18•0.062•0.326•99.847••••19•0.029•0.153•100.000••••ExtractionMethod:PrincipalComponentAnalysis.表2：因子载荷矩阵表•ComponentMatrix(a)••Component•1•2•3•4•Zscore:Q1.1•0.734•-0.087•0.338•0.004•Zscore:Q1.2•0.539•-0.619•0.321•0.247•Zscore:Q1.3•0.649•-0.466•0.178•-0.168•Zscore:Q1.4•0.661•-0.360•0.403•-0.145•Zscore:Q1.5•0.720•-0.386•0.210•-0.210•Zscore:Q1.6•0.802•-0.360•0.182•-0.041•Zscore:Q3.1•0.807•0.109•0.096•0.126•Zscore:Q3.2•0.659•0.551•0.084•0.266•Zscore:Q3.3•0.750•0.452•0.029•-0.067•Zscore:Q3.4•0.569•0.250•0.271•0.429•Zscore:Q5.1•0.440•0.479•0.300•0.443•Zscore:Q5.2•0.611•0.283•0.306•0.016•Zscore:Q7.1•0.615•0.221•-0.035•-0.560•Zscore:Q7.2•0.775•0.247•-0.208•-0.427•Zscore:Q7.3•0.768•0.400•-0.159•-0.307•Zscore:Q9.1•0.617•-0.210•-0.453•0.229•Zscore:Q9.2•0.736•-0.108•-0.582•0.154•Zscore:Q9.3•0.773•-0.023•-0.506•0.062•Zscore:Q9.4•0.613•-0.357•-0.528•0.303•ExtractionMethod:PrincipalComponentAnalysis.•a.4componentsextracted.提取特征根大于1的主成分；共提取4个主成分，即将原来19个指标通过降维处理，得到四个相互独立的主成分；主成分因子载荷矩阵反映每个因子对各个变量的影响程度9满意度权重确定方法第三步：将主成分分析计算得出的因子载荷表，用提取的四个主成分分别除以相应的主成分特征根的开方；F1F2F3F4特征根8.8532.3611.9111.389特征根开根2.97539911.536554591.382389241.17855844除以主成分相对应的特征根开根得到系数F1F2F3F410.2466-0.05660.24470.003220.1812-0.40260.23220.209530.2181-0.30300.1289-0.142340.2223-0.23460.2912-0.122750.2420-0.25120.1519-0.178460.2694-0.23400.1319-0.034870.27130.07070.06920.106980.22160.35860.06040.225390.25210.29390.0212-0.0569100.19140.16240.19590.3637110.14780.31170.21670.3762120.20540.18400.22160.0137130.20660.1439-0.0255-0.4750140.26040.1608-0.1505-0.3622150.25810.2606-0.1151-