满意度模型参数估计方法应用.doc

个人资料整理 仅限学****使用
: .
满意度模型参数估计方法的应用浅析
报告出处：河南君友商务咨询有限公司 发布日期：2006-09-05
摘要
本文立足我国二线城市，从河南的省会城市郑州的市调公司满意度模型参数估计方法应用情况入手，结 合实例，分析了二线城市常用的传统回归方法的应用与主成分回归方法的优势互补方案，同时，又深入浅岀 地介绍了目前技术已经比较成熟的结构方程模型和偏最小二乘法的基本原理及其应用。
笔者认为，在实际满意度研究过程中，将多种参数估计方法结合起来使用，能收到更好的效果。
关键词：满意度模型参数估计回归主成分结构方程模型偏最小二乘
引文
满意度研究是当前市场调研的热点，很多企业需要定期进行满意度调研，并将其结果作为全面质量管理 和客户关系管理的重要信息来源，以获取市场竞争优势。
河南君友商务咨询公司是较早涉足满意度研究领域的专业研究型公司，已为多个客户做过满意度工程， 既有长期定量监测，也有神秘顾客等方式。实践表明，满意度研究最重要的工作是建立科学的满意度模型， 而满意度模型的参数估计则更是重中之重。
因此，本文试图在现有满意度模型参数估计方法的基础上，结合实际应用情况，对比分析各种参数估计 方法的特点，以便在今后满意度测评中，针对不同满意度模型选择合适的参数估计方法。
一、二线城市满意度模型参数估计方法的应用
目前，我国二线城市大多数市调公司主要还是采用回归分析来进行满意度模型的参数估计。
回归分析vRegresion）是通过分析数据拟合因变量与自变量之间的关系式，来检验影响变量的显著程
度。例如，利用多元线性回归，建立满意度模型方程 总体满意度=a+b1*产品满意度+b2*服务满意度+b3*价
格满意度”。一般情况下，通过上述方程就可以分析各环节满意度对总体满意度的影响，相类似的，我们也 可以分析一些细项对各环节满意度的影响。
因此，回归分析可以算得上是一种有效且易用的方法。但是，在使用回归分析方法时，一定要注意其技
术本身所存在的一些局限性：
回归分析的局限性
首先，回归分析无法解决多重共线的问题。
多重共线指的是多个变量之间存在相关甚至高度相关，这种现象在实际调研中是经常岀现的，但回归分 析无法解决这一问题。例如，在一项关于乘客对乘车环境的满意度研究中，得到这样一个回归方程，
Y=+*站内环境+*乘车方便性-*站内安全感+*车内环境-*乘车方便性+*广 播质量+……。这个方程有个很奇怪的地方，站内安全感和乘车方便性对总体满意度的影响是负向的，这是 有悖于常理的结果，也可以说是不正确的结果。岀现这样结果的主要原因是自变量之间存在高度相关，也就 是所谓的多重共线性的问题。
我们可以用图来说明多重共线性问题：
上图所示的变重关系列咸方程即： ¥ =a+L 1 *■产品涡意）£斗b 2 *服务满意）6
从上图可以看到，产品满意度和服务满意度之间有很大一部分重叠，这就是多重共线部分。由于多重共 线的问题，此时的bl、b2两个标准回归系数已不能被用来准确地说明两个自变量对因变量作用的大