（满意度）做了近10年的满意度研究，可以回答大家这个方面的任何问题 - 第5页

41楼

CFIGROUP 发表于 2009-5-3 17:28:00

以下是引用tylin1985在2009-5-2 9:07:00的发言：

呵呵，楼主说的都是很专业的，只有像我这样只知道皮毛才会那么多问题，AMOS是用ML最大似然估计，一般情况下要求数据要服从多元正态，但是很多实际的数据并不如此理想，AMOS里也有一个是WLS估计（未加权最小二乘估计）可以无需假设数据是多元正态分布，但是它他要求样本容量要很大，其实不少研究（如Hau&Marsh,in press;Hu,Bentler&Kano,1992）显示，在多数情况下，即使不是正态分布也是可以用ML的，不过可能效果应该没那么好。PLS它一般不要求数据服从正态分布，也不需要过多的数据，因为我也才接触这个知识3个月，我前阵子是用AMOS做满意度，现在在学用PLS，请问楼主是不是用软件Vsualpls做的呢？请问楼主有没有相关的一些教程，最近用这个软件时发现在我路径图画好，变量设置好后，执行BootStrap 或者JackKnife时它总是显示“Error：stack overflow”我不知道是什么原因，其实我还不知道BootStrap 或者JackKnife是表示什么意思？楼主指点，万分感谢

我用的不是Vsuapls,是CFI公司的一套专利技术软件,也就是用于ACSI的分析方法.有一次和一个统计学教授聊天时听他讲到过这个东西,但具体内容不是很了解。

你碰到的这些问题必须是使用过的人才知道.不过我可以和你聊聊使用CFI这套软件时我碰到过的问题,或许对你有启发.

有一次一个汽车客户要求我们用他们的指标体系和模型进行客户满意度的研究(目的是与往年数据对比,更关键的是各指标的得分要考核各部门).模型中大大小小的指标至少70项以上,无论我们怎么解释,客户就是要这么做.后来我也试着用软件跑了一下,结果是:错误,(影响力完全给不出来).

在CFI方法中,隐变量最多不应超过8项,否则会被认为没有把关键性的问题指出来；而每个隐变量下的小指标（显变量）最多不应超过5项，否则也会被认为没有找到关键感知点。这个汽车项目中模型结构设计明显有问题，找不出各因素之间的关系，所以无法分析。

但是，即使模型设计完全在要求之内，也有可能给不出结果。有一个零售的案例就是这样。

这个模型有8个隐变量，分别为“舒适的购物环境”、“方便使用的设备设施”、“能买到我要的商品”、“品质是有保障的”、“令人愉悦的服务方式”、“独特有自己风格的购物场所”及“物有所值”“交通便利”；当初做完定性研究后我们为自己归纳整理的这个模型兴奋了很长时间，认为它具有前瞻性，能很好的引导零售企业提供“差异化”的服务。但做完小样本一测试，发现完全行不同。很多因素对客户的满意度不具备“影响力”，或影响力为负数（这是不允许的）。

经过四五次模型调整之后最后终于有了一个比较合理的结果。但隐变量已经完全变了。有效的因素是：品牌优势、客户感受和体验、商品（或项目）优势、方便性、及价格优势。之后我们自己也分析了下，为什么最初设计的模型行不通，和公司总部的技术人员讨论后才了解，原来我们的模型设计的“太超前”，虽然零售市场出现了“差异化服务”的需求，但消费者对这些因素其实并没有切实的感受，比如说“是一个独特、有自己风格的购物场所”，大部分消费者并不知道怎样才算独特，因此就算给了一个分数，但这个分数其实是无效的（CFI的方法是分析各因素与满意度和忠诚度之间的关系/影响力，显然他们之间没有关联）。

另外，数据有问题时也会给不出结果。这个项目是一家本土公司负责的实地调查，它是一个行业研究，其中几个比较高档、而且位置比较偏远一的百货公司也给不出结果。我们认为是调查质量有问题。因为CFI的方法是分析各因素之间的关系，有些问卷从头到尾一个分数，总体评价10分，其他项目大部分也是9或10，有可能的原因是：受访者在一种盲目状态下随便给分数（如果你听过实地调查的CITI录音，你就知道这些分数实在太不可信了），还有一种可能是访问员做假，有时访问员会根据自己的判断或经验随便填写分数，但他们的经验显然不足以慎密到逻辑关系不出现任何问题。这个项目中的分析结果就是：逻辑关系有问题，错误。

我不知道你做这个研究的目的是什么，如果是自己的兴趣做些研究，我建议你先把“理论基础”搭建好（要分析什么、分析的目的是什么、需要做哪些分析、有哪些技术可使用），然后选择适合的分析方法。你说的那些问题，因为涉及非常专业的统计知识，特别是那些语言也是专业性语言，所以无法从字面含义判断到底是什么问题。如果你也是做满意度的话，不妨从我碰到的那几个问题检查看看：调整数据或调整模型或调整模型结构。

统计方面不专业，所以只能从应用层面和你讨论。

[此贴子已经被作者于2009-5-3 17:33:43编辑过]

ling0617 金钱 +20 魅力 +20 奖励热心耐心回答 2009-5-3 17:33:41

42楼

tylin1985 发表于 2009-5-3 22:53:00

嗯，楼主说得很对，经过昨天一天的摸索，基本上是把问题解决了。楼主你是站在了一定的高度，你基本是把这一领域的知识抽象概括了，而我还处在一个低层次，经常碰到这些细小问题，但是这些问题却烦绕而难以解决。只是发觉理论和实际确实很难理想磨合，数据的质量控制是很难把握，像设置了一道反向题，就可以出现很多种情况：受访者没有反应过来，仍然是以正向答题；访问员没有把反向强调清楚；访问员根据受访者的意思把分数反向改过来；有一部分访问员强调是反向，而受访者也理解了。这么几种情况采集到的数据就是乱七八糟的。确实数据采集上就有一些是不好控制的误差。我不知道一个隐性指标可否用一个测量指标表示。比如，抱怨度，我就直接在问卷上设置抱怨程度打分。不知这种做法可不可行？科不科学？

43楼

CFIGROUP 发表于 2009-5-4 09:35:00

以下是引用tylin1985在2009-5-3 22:53:00的发言：
嗯，楼主说得很对，经过昨天一天的摸索，基本上是把问题解决了。楼主你是站在了一定的高度，你基本是把这一领域的知识抽象概括了，而我还处在一个低层次，经常碰到这些细小问题，但是这些问题却烦绕而难以解决。只是发觉理论和实际确实很难理想磨合，数据的质量控制是很难把握，像设置了一道反向题，就可以出现很多种情况：受访者没有反应过来，仍然是以正向答题；访问员没有把反向强调清楚；访问员根据受访者的意思把分数反向改过来；有一部分访问员强调是反向，而受访者也理解了。这么几种情况采集到的数据就是乱七八糟的。确实数据采集上就有一些是不好控制的误差。我不知道一个隐性指标可否用一个测量指标表示。比如，抱怨度，我就直接在问卷上设置抱怨程度打分。不知这种做法可不可行？科不科学？

你问的这个问题很好,本来想找一是适当机会解释模型中各因素的含义,现在既然你问了,我就先解释下"投诉抱怨".

首先，用一个测量指标来表现一个隐变量是可以的,这点没问题.

其次我想你应该尽量减少"让受访者打分",打分这个概念在很多问题的描述上并不适用.就投诉抱怨这个指标来看,通常我设计问卷时会这样描述:(以银行为例)在与XX银行接触的过程中,有没有出现过什么令您不满意、或很生气的事？如果我们用1代表从未出现过这样的事情，您对XX银行没有任何的抱怨和不满，10代表这种状况经常出现，您对XX银行的抱怨非常强烈，这10个数字中哪一个最能代表您的感受？—— 我认为这样的描述才能正确表达指标的含义，否则让受访者给“抱怨度”打个分，听起来会很奇怪。

44楼

xmuzhou 发表于 2009-5-4 18:25:00

拜读了半天，似懂非懂的，只是对这方面感兴趣

建了一个QQ群，希望大家加进来，有时间的话可以在群里即时交流，群号：69504221

诚挚邀请楼主和各位坛友

45楼

tylin1985 发表于 2009-5-5 16:30:00

谢谢lz，请问用pls算出因素权重后，潜变量的得分是怎么计算的？各因素的权重和大于一，是不是不能用加权平均法么？还是可以调节因素权重，应该怎么调节呢？

46楼

CFIGROUP 发表于 2009-5-6 06:42:00

以下是引用tylin1985在2009-5-5 16:30:00的发言：

谢谢lz，请问用pls算出因素权重后，潜变量的得分是怎么计算的？各因素的权重和大于一，是不是不能用加权平均法么？还是可以调节因素权重，应该怎么调节呢？

潜变量的得分:

将问卷中被访者的回答进行加权平均。问卷中每一个问题都用10分制，转化公式为100*（10分制得分-MIN）/（MAX-MIN），如100*(7.67-1)/(10-1)=74分。

各因素的得分:

将组成该因素的各质量属性(潜变量)的得分加权平均得到。

总体满意度的得分:

根据三个潜变量获得(而不是所有因素的综合):总体评价\与期望值相比\与理想状态相比

计算得分时不考虑权重(影响力),影响力只用来分析对企业而言的关键性或决定性因素是什么以及这方面工作的改进或提高后客户满意度或忠诚度会发生什么变化.另外,影响力的计算在CFI方法中是大于1的.我经历过的项目中,最大的影响力为一个快递行业的项目,满意度对投诉抱怨，影响为6.8。这个影响力代表一个特定的质量因素（显变量）提高5个点，引起因变量的变化。比如这个6.8就代表着如果快递公司能让客户的满意度提高5个点，那么客户的投诉抱怨就会降低6.8个点。

[此贴子已经被作者于2009-5-6 6:44:16编辑过]