孤行剑侠 发表于 2011-5-30 13:41 
其实影响力就是潜变量的回归系数，各潜变量得分就是第一因子计算出来的得分，谢教授说得没错，为什么只提取第一因子？能否保证第一因子就满足方差贡献率要求？我想这也是CFI所要求的观测变量下的指标小于等于5个，潜变量最大为8个的重要原因，应该是为了控制第一因子的方差贡献率满足统计要求的，即使得第一因子的方差贡献率能够达到85%以上或尽量接近，但这样精简的话，是否能保证残差没有异方差（即仍存在关键指标未被选入模型）呢？因为事先设计的指标不一定都是方差较大的、关键的影响因素啊，还有另外一个问题，因子载荷为负数又将怎样确定权重，若采用归一化处理，是否科学？望楼主赐教！
你说的对,虽然称为"影响力",但它就是一个系数.
另外,在检验之前所设计/提取的指标的确不一定都是关键性的影响因素，因此它需要不断的通过检验来判断、来甄选。我个人使用的一个最简单的判断方法是：一是看得分（所有潜变量的均值与总体满意度得分是否接近，接近的标准是差距在1-2分之间。如果是一个很熟悉的行业，差距基本上在不应该大于1；二是所有潜变量的影响力相加是否接近5（因为CFI方法是5个点的预测。实际上的操作经验是，大于4时已经是很好的结果了）；
这里就涉及到你说的另一个问题：采用归一化处理是否科学？—— CFI方法中没有采用归一化的处理，不涉及科学不科学的问题，而是“适用不适用”的问题。满意度研究的目的是了解客户需求、找出影响客户体验或感受的关键因素，并在这些因素上进行持续改进（改进与否的重要依据是客户当前的满意度得分、以及该因素的影响力，因此计算“得分”的目的是了解在这些重要因素上，客户的感受有多好或有多差，但现在大家都把这个得分拿去考核了）。
最重要的是，对企业的改进成效进行持续监控。因此，满意度通常都是一个需要持续研究、持续对比，从而及时了解/把握客户需求的变化以及企业改进成效的项目。—— 如果只是做一次调查，归一化处理没问题，但如果是一个需要持续进行的项目，那么归一化处理就有可能导致模型的不稳定，从而无法进行持续性的对比（客户需求可能在一两年内没有明显变化，但长时间下来肯定是会变化的；另外，当前推动企业成功的要素，五年后很有可能也会发生变化）。因此，归一化处理的最大问题是其稳定性不符合满意度持续研究、持续对比的需求；当然，如果只是一次性的调查，那么归一化处理没问题。
另外，有没可能出现负数呢？有可能。在CFI方法中，这一现象更多的会出现在“满意度对投诉抱怨”的影响力上（有时也会出现在投诉抱怨对忠诚度的影响力上）。从常理看，“满意度提高了，客户的投诉抱怨意愿也会增加，或者说投诉抱怨减少了，客户的忠诚度反而会下降”这似乎很难说的过去。但如果从实际经营状况来看，这是很有可能的。企业为了持续获得/保有客户，必须不断的在产品或服务上进行创新性的改变或提升，这些改变或提升会让客户更加满意，但同时这些创新在未成熟的阶段，是很容易导致客户产生新的抱怨，比如说IPHONE，它的确有许多新的功能、带给客户新的体验，但同时客户对这些新功能或者说产品的质量上，也会延伸出新的不满。如果企业为了降低客户投诉从而停止产品的创新，显然客户追随该企业的意愿也会降低。因此我常说，企业追求的不应该是客户100%的满意，而是通过满意度研究了解企业的发展与生存状态。
其他方面出现负数的状况则比较少。但如果出现了,只要能解释清楚就行,我们不会做特别处理.但如果解释不清楚,那就要重新审视模型的设计了.
发帖
雷达卡
扫码
京公网安备 11010802022788号
论坛法律顾问：王进律师
知识产权保护声明
免责及隐私声明
