几种调查问卷权重确定方法的比较

利用调查数据确定权重若干方法的比较一、问题的提出：在顾客满意度调查中，需要围绕所要调查的目的或主题设计合理的问卷。顾客满意度理论模型包含了顾客期望、顾客对质量的感知、顾客对价值的感知、顾客满意度、顾客抱怨和顾客忠诚等六方面，这六个方面是无法直接观测的，称之为潜在变量，但它们可以通过另外一些可以观察的较为明显的变量进行研究。然而可观测的变量一般较多，如何从中提取他们的信息，得到最终的结果，是一个一直在困扰大家的问题，常用方法是赋予各个观测变量适当的权数，加以综合。目前使用的赋权方式多种多样，还没有一种衡量的统一尺度。确定权重的方法有专家定权法、历史资料法等，但都有缺陷。前者只是相应的行业和领域内，造诣较深的专家对于自己积累经验的应用。其局限性主要体现在与顾客满意度调查中的“以顾客价值观为中心”相悖，没有体现出顾客的意愿。历史资料法是根据历史资料的记载，按每种指标调查结果的重要程度赋以相应的权重，但缺少变化的观点。本文想讨论从调查数据出发，确定权的一些方法，并做出比较。下面以上海市质协用户评价中心所做的一个课题的数据为例，讨论了有关权数确定的一些问题。按照调查的全过程，这次调查将顾客的直接感受分为六大类二级指标进行测评。问卷详细调查了上海市民对这个课题的主题各方面的认识和感受的满意程度，并让被访者在对每个大类设置的5级李克量表上表明他们的赞同程度，从“满意”到“不满意”。其中……代表的都是顾客对质量的感知，代表的是顾客对价值的感知，最后要求顾客给出一个综合评价指标。以上每一方面可以分别计算出该部分的满意度，为了综合这几个方面，需要确定权重以计算出整体的顾客满意度，因此所要解决的关键问题便是权重的确定。以下给出了几种不同的赋权方法，并加以比较。二、用数据确定权重的几种方法从调查的实际数据出发，确定权重的方法可以从数据本身提取有关信息，能充分体现顾客的意愿。其客观性较强，不易受其它主观因素的影响。只要数据分析技术人员有专业的统计知识，并且借助统计软件和计算机，就能从数据出发，实现“以顾客感受为依据，以顾客价值观为中心”的目标和宗旨。从实际数据出发，确定权重的主要方法有平均赋值法、主成分法、因子分析法等。以下就利用上述课题的数据为例来叙述。这次调查的总样本量是1914份。因为六大类后有一项是综合评价，所要得到的该课题的顾客满意度应该是前面六项指标的加权平均。首先基于二级指标可以得到六大部分每一部分的样本量和顾客满意程度的指数：表1：六大指标反映出的满意数据指标样本量满意程度标准差19134.29370.519219104.34920.656819063.61890.825019084.01880.757618994.17850.652118873.52620.6825同时还可以给出这六大类指标的样本相关系数阵：表2：样本相关系数阵以上各相关系数均在显着性水平0.01上显着，表示六大类指标间具有一定的相关性。（一）平均赋值法先用最普通的平均赋值法对各指标赋予相同的权重。在此平均赋值法下即是它们的简单平均。（二）主成分法由于变量……间存在相关，主成分分析的目的是要对多变量数据表进行最佳综合简化。使用的方法是寻找这些变量的线性组合──称之为主成分，使这些主成分间不相关。为了能用尽量少的主成分个数去反映原始变量间提供的变异信息，要求各主成分的方差从大到小排列。第一主成分最能反映数据间的差异。（三）因子分析法按满意度模型，上述中包含了两个因子，一个是关于质量的感知，一个是关于价值的感知。因此利用两个公因子为好。这可在上述主成分方法基础上进行。取第一公因子仅反映了总差异的51.24%，若用两个公因子可反映总差异的66.42%。为了说明公因子的意义，将坐标轴作旋转后得到因子负荷阵如表5所示，其图像见图1：三、各种方法的比较和讨论以上几种数据分析方法的权重赋值汇总如下：表3：利用数据分析的权重汇总表平均赋值法主成分法因子分析法0.16670.19440.17170.16670.17810.15080.16670.17190.13170.16670.18650.15510.16670.17980.14350.16670.08930.2472（一）与综合指标的相关系数把上述几种方法所得的权分别对每位顾客求得个人满意度，将此满意度和问卷上所反映出来的各种指标综合的顾客满意度进行相关分析，得相关结果如下：表4：各种赋值法与顾客感受间的相关系数权重赋值法顾客感受平均赋值法0.746主成分法0.739因子分析法0.742从表中可以看到，三种赋值法得到的顾客满意度和顾客在问卷上反映出的顾客满意程度之间相关性较强，均达到了0.73以上，结果较好。其中按平均赋值法对样本进行权重赋值得到的结果与顾客感受的关系最密切，它们与顾客感受的相关系数大小是：0.750平均赋值法因子分析法主成分法0.730（二）各种方法所得结果间的相互比较由以上分析可以看出，这三种数据分析方法之间好坏差别并不明显，我们先考虑按照各种方法的权重得到的个人满意度值之间的相关关系，得下表：表5：各种方法结果的相关系数平均主成分因子分析从表中可以看到：用这几种方法，从得到的满意程度相互关系密切程度来讲，平均赋值法与主成分法关系最密切，相关系数最大，因子分析法和主成分法所赋的权重相关性最小，但也达到了。（三）实用性比较由以上分析可以看出，这几种数据分析方法的结果并没有本质的差别，它们与顾客综合评价指标之间的相关系数差异不足0.02。因此无论是用那种方法，对得到的结果并无明显的影响。1）从方便的角度来讲，无疑平均赋值法是最简单可行的，操作也最方便；2）如果有现成的统计软件，后两种方法也有其好处，因为它们均是从数据出发，充分利用了调查数据的信息，容易让人信服；3）主成分法和因子分析法比较相近，都是以测评的几大指标为基础，从中提出尽量少的综合成分或因子，它们是调查研究中庞大数据的有效降维方法，在测评指标较多时能充分发挥它们的作用；4）从以上分析可以看出，除了测评的几大指标外，在这三种数据分析法的计算过程中并没有用到顾客综合评价指标，即问卷上测出的顾客感受，它只是我们在评价分析某种分析方法好坏时才使用的。其实在满意度测评中，重要的是要从中找出提高满意度的改进方向。