：020-89101619 / 020-28186849
因子分析在满意度指标构建中的应用
发表时间： 2021-10-22 19:38:28
作者： 广东准诚数据科技有限公司
浏览：
摘要：在满意度指标构建中，基于对行业理解程度的不同，研究人员对指标体系结构的掌握程度也不同。对于指标体系的结构比较模糊的情况，可以采用解释性因子分析简化数据结构；对于指标体系的结构已经明了的情况，可以采用验证性因子分析对原设想的合理性作验证。本文介绍了因子分析在不同情况下的应用。
随着竞争的日趋激烈，企业越来越清晰的意识到赚取并留住客户的重要性，而客户的满意度又直接影响到忠诚度，因此近年来企业越来越关注客户的满意度。满意度指标体系是客户满意度测量的基础，其设计的合理性直接影响到满意度研究的结果，是满意度研究中的最为重要的一个环节。
满意度指标体系通常分为三级：一级指标即是该项业务的总体满意度；三级指标一般通过定性研究归纳出来，是客户在享受服务的时候比较关注的细节，它可以直接转化为问卷上的问题进行满意度测量；而二级指标是由三级指标归纳总结的，它涵盖了三级指标所表达的意义，使得满意度指标体系的结构更为清晰。
图表 1 满意度指标体系示例
通常我们都采用定性研究和定量研究相结合的方式构建满意度指标体系，其具体步骤如图表2所示。首先，通过定性研究获得指标初步设计的基础信息。根据对基础信息的理解程度的不同，指标体系的假设可能出现两种情况：一种情况是指标体系结构模糊，只是单一指标的汇集；一种情况是指标体系结构清晰，指标与指标之间的内在关系明了。
两种不同的情况在定量研究中都采用因子分析技术。针对指标体系结构模糊的情况，采用解释性因子分析。解释性因子分析的一个最主要的目的就是浓缩数据，使用几个基本的变量来描述众多变量的基本数据结构，以便更清晰的分析问题，揭示问题的本质所在。针对指标体系结构清晰的情况，采用验证性因子分析。验证性因子分析主要是通过对数据潜在结构的考察，对已经事先定义的数据结构准确性进行验证。而这两者的不同之处在于事后归纳和事前归纳。
因子分析的基础数据通过五级量表获得，五级量表设有非常重要（5分）、比较重要（4分）、一般（3分）、不太重要（2分）、非常不重要（1分）五个表示不同认同程度的选项，被访者可选择不同的选项表示各个测量指标重要性的评价。
图表 2 建立满意度指标体系的流程图
以下，同样以建立中小企业用户固话业务的满意度指标体系为例，分别介绍解释性因子分析和验证性因子分析在满意度指标建立过程中的应用。
1. 事后归纳的指标体系建立
以建立中小企业用户固话业务的满意度指标体系为例。我们经过深度访谈或者座谈会的定性研究，已经汇集了比较全面的基础信息。由于是第一次构建满意度指标体系，虽然已经归纳出了51个测量指标，但对指标与指标之间的内在关系并无所知。为了理清指标之间的结构关系，我们期望解释性因子分析将数据进行浓缩，提取几个或者十几个因子（即二级指标）来描述51个三级指标。
因子分析的关键问题在于如何解释因子，为了使因子的解释更准确，我们通常尝试不同因子提取方式和不同的旋转方式。本例采用主成分分析方法提取了13个因子，同时采用最大方差旋转对其进行解释。其在SPSS运算的最终结果如下：
图表 3 因子分析运算结果（部分提取因子示例）
从SPSS运算的结果我们发现“安装维修人员的维修效率”和“安装维修人员的技术水平”这两个指标分别提取了独立的因子，但我们同时这两个指标在“故障处理”这个因子的负载也较高，分别为0.475和0.455。同时发现三级指标“安装维修人员的维修效率”、“安装维修人员的技术水平”、“安装维修人员的服务规范”、“安装维修人员是否能够有效沟通”和“安装维修人员热情耐心”都是考察安装维修人员服务水平的，把这两个指标纳入“故障处理”这个因子比较合理。因此，最终我们决定将这两个指标并入“故障处理”。
我们经常也会遇见一个因子只涵盖一、两个指标的情况。如果这一、两个指标与其它指标存在很强的相关关系，可以删除它们，由相关指标代替；否则可以结合定性的方式将他们并入其它因子。假如并入其它因子难以解释，可以从重要性得分出发考察客户对这一、两个指标的关注程度，如果客户对它们并不关注，可考虑删除该指标。
2.事前归纳的指标体系验证
我们仍然以中小企业用户固定电话业务的满意度指标体系为例。这一次，我们已经有了以往的经验，初步设计已经将三级指标进行分类，归纳了12个二级指标。其中二级指标“故障维修”涵盖了8个三级指标，如下所示：
故障申报方便
报障方式多样
故障报告客观
故障修复的时限
安装维修人员的服务规范
安装维修人员是否能够有效沟通
安装维修人员热情耐心
安装维修人员的效率
安装维修人员的技术水平
报障方式多样
故障报告客观
故障修复的时限
安装维修人员的服务规范
安装维修人员是否能够有效沟通
安装维修人员热情耐心
安装维修人员的效率
安装维修人员的技术水平
在第一次指标建立过程中，我们综合考虑了定性的方法将8个三级指标合并为“故障处理”，这一次我们将对上一次合并处理的合理性作验证。在此同样采用主成分分析方法和最大方差旋转，与解释性因子分析不同的是我们只选取“故障处理”的8个指标进行运算。
图表 4 Communalities(SPSS输出结果)
Extraction Method: Principal Component Analysi
图表 5 Rotated Component Matrix(a)(SPSS输出结果)
Extraction Method: Principal Component Analysis.
Rotation Method: Varimax with Kaiser Normalization.
a Rotation converged in 3 iterations.
首先观察指标共同度，本例中所有变量的共同度都在0.56～0.73之间，表明8个变量有公共因子存在。如果某一变量的共同度<0.4，则说明提取的因子对该变量的解释不够充分，也就是说该变量不适宜由提取因子来解释。如果该变量与其它变量存在强相关关系，则考虑将该变量与相关变量合并或者由相关变量替代；否则，可考虑删除该变量。
然后观察旋转后的因子矩阵（图表5），可看出8个三级指标应该进一步分为两组：第一组，“故障申报方便”、“报障方式多样”、“故障报告客观”和“故障修复的时限”可归纳为二级指标“故障处理情况”；第二组，“安装维修人员的服务规范”、“安装维修人员是否能够有效沟通”、“安装维修人员热情耐心”、“安装维修人员的维修效率”和“安装维修人员的技术水平”可归纳为“安装维修人员的服务质量”。本例中验证的结果发现用“故障处理”一个因子来解释这8个指标比较牵强，而用“故障处理情况”和“安装维修人员的服务质量”两个因子来解释比较合理。
值得注意的是，任何定量分析方法都是从数理的角度对数据进行分析，无论是采用解释性因子分析还是验证性因子分析，我们仍然需要依赖常识判断因子解释的合理性。所谓解释性因子分析和验证性因子分析，只是在于研究目的的不同。因子分析对样本量有一定的要求，一般来说，样本量是所分析变量个数的5倍，最好是10倍或以上，应该至少超过100个。验证性因子分析根据二级指标分组检验，观察的变量较少，对样本量的要求数倍减少。建立满意度指标体系的研究通常都以定性研究先行，有足够的条件对行业对业务做充分的理解，设计出比较完整指标体系初步假设。事前归纳事后验证的方式，一方面提高了因子分析的质量，一方面降低了操作的成本，是值得推荐的方式。
点击右上角
分享给朋友吧
长按图片保存/分享
0