Ｘ１１
０．２９３ ０．２４２ ０．４０７ ０．３８５ ０．２９９ ０．２６０ ０．３２４ ０．４０７ ０．５５６ ０．４１３ １．００
６ ■ ２００６ ■ 市场研究 １９
满意度调查
表 ２ 方差分解主成分提取分析表
Ｔｏｔａｌ Ｖａｒｉａｎｃｅ Ｅｘｐｌａｉｎｅｄ
Ｃｏｍｐｏｎｅｎｔ １ ２
Ｅｘｔｒａｃｔｉｏｎ Ｓｕｍｓ ｏｆ Ｓｑｕａｒｅｄ Ｌｏａｄｉｎｇｓ
Ｆ１＝ａ１１Ｘ１＋ａ２１Ｘ２＋… … ＋ａｐ１Ｘｐ Ｆ２＝ａ１２Ｘ１＋ａ２２Ｘ２＋… … ＋ａｐ２Ｘｐ
…… Ｆｐ＝ａ１ｍＸ１＋ａ２ｍＸ２＋… … ＋ａｐｍＸｐ 其中 ａ１ｉ， ａ２ｉ， ……，ａｐｉ（ｉ＝１，……，ｍ）为 Ｘ 的协差阵 Σ的特征值多对应的特征 向量， Ｘ１， Ｘ２， ……， Ｘｐ 是原始变量经过标准化 处 理 的 值 （ 因 为 在 实 际 应 用 中 ， 往往存在指标的量纲不同， 所以在计算之前先消除量纲的影响， 而将原始数 据标准化， 但本文数据都是关于满意度指标打分， 即不存在量纲影响， 故不需 要进行数据标准化） 。 Ａ＝（ａｉｊ）ｐ×ｍ＝（ａ１，ａ２，…ａｍ，）， Ｒａｉ＝λｉａｉ， Ｒ 为 相 关 系 数 矩 阵 ， λｉ、ａｉ 是 相 应 的 特 征 值 和 单位特征向量，λ１≥λ２≥…≥λｐ≥０ 。
Ｅｘｔｒａｃｔｉｏｎ Ｍｅｔｈｏｄ：Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ． ａ． ２ ｃｏｍｐｏｎｅｎｔｓ ｅｘｔｒａｃｔｅｄ．
从 表 １ 可 知 ， 除 Ｘ９ 与 Ｘ１１ 相 关 性 为 ０．５５６ 外 ， 每 个 指 标之间相关性都非常低， 说明该指标体系中的指标选取 得较好， 重复的信息较少。
四、对统计分析结果的综合评价与建议
（ 一） 各指标重要性比较
图 １ 指标重要性比较
０．２９７
０．２８６
０．２８３
０．２７６
重要性比较 ０．２７６ ０．２７４
０．２３６
０．２１８
０．１８３
０．１６９
０．１４６
Ｘ６
Ｘ４
Ｘ２
Ｘ８
Ｘ３
Ｘ７
Ｘ５
Ｘ１
Ｘ９
Ｘ１１
Ｘ１０
２０ 市场研究 ■ ２００６ ■ ６
满意度调查
Ｘ５
０．２７１ ０．２２５ ０．４１６ ０．３４９ １．００ ０．３７１ ０．２８０ ０．３６９ ０．３５８ ０．２８３ ０．２９９
Ｘ６
０．２３７ ０．４０１ ０．３７５ ０．３６４ ０．３７１ １．００ ０．４１２ ０．３９３ ０．２３３ ０．１５２ ０．２６０
Ｘ７
０．２３３ ０．２９６ ０．３６７ ０．３６８ ０．２８０ ０．４１２ １．００ ０．４７４ ０．２６４ ０．１９５ ０．３２４
表 ４ 各指标顾客满意度平均分
指标
Ｘ１
满意度 ３．５２
Ｘ２
Ｘ３
Ｘ４
Ｘ５
Ｘ６
３．３１ ３．８２ ３．７４ ３．３３ ３．３０
图 ２ 象限图
高
象限二： 优行改进区
Ｃｏｍｐｏｎｅｎｔ
１
Ｘ１
０．５３４
Ｘ２
０．４８４
Ｘ３
０．７３２
Ｘ４
０．６５５
Ｘ５
０．６３６
Ｘ６
０．５５７
Ｘ７
０．６０９
Ｘ８
０．６９５
Ｘ９
０．７００
Ｘ１０
０．６５１
Ｘ１１
０．６７６
２ ０．０９１ ０．５２５ ０．０１２ ０．２０９ － ０．０１０ ０．４５６ ０．２３８ ０．０８４ － ０．４０４ － ０．４９９ － ０．４３２
满意度调查
主
成
分
分析在Fra bibliotek%满慧
聪
意
国 际 行
业
度
研 究 院
广
权
州 分 公
司
重张 文
霖
确
定
中
的
应
用
１８ 市场研究 ■ ２００６ ■ ６
一、引言
现代营销理论的核心是创造顾客价值和顾客满意。研究显示： 鼓励满意 顾客重复购买的成本≤获得一个新顾客的成本≤挽留一个不满意顾客的成 本。
顾客是企业生命所在， 为顾客提供优质服务的直接目的是吸引新用户， 产生业务收入， 而更深层次的目的则是留住老顾客并提高他们的忠诚度。由 此， 企业得以实现成本最小化、收入最大化和利润最大化。
Ｙ ＝０．２１８Ｘ１ ＋０．２８３Ｘ２ ＋０．２７６Ｘ３ ＋０．２８６Ｘ４ ＋０．２３６Ｘ５ ＋ ０．２９７Ｘ６＋０．２７４Ｘ７＋０．２７６Ｘ８＋０．１８３Ｘ９＋０．１４６Ｘ１０＋０．１６９Ｘ１１
综合得分模型中每个指标所对应的系数即每个指标 的权重。
(0.254*70.215+0.083*19.014)/89.229
Ｘ２
０．２６２ １．００ ０．３４８ ０．３４４ ０．２２５ ０．４０１ ０．２９６ ０．３２２ ０．２５０ ０．０９９ ０．２４２
Ｘ３
０．３４７ ０．３４８ １．００ ０．４９１ ０．４１６ ０．３７５ ０．３６７ ０．４３３ ０．４０２ ０．２８０ ０．４０７
Ｘ４
０．２７５ ０．３４４ ０．４９１ １．００ ０．３４９ ０．３６４ ０．３６８ ０．４０２ ０．３３７ ０．２５３ ０．３８５
Ｘ８
０．３０９ ０．３２２ ０．４３３ ０．４０２ ０．３６９ ０．３９３ ０．４７４ １．００ ０．３４０ ０．２６６ ０．４０７
Ｘ９
０．２６２ ０．２５０ ０．４０２ ０．３３７ ０．３５８ ０．２３３ ０．２６４ ０．３４０ １．００ ０．４９０ ０．５５６
Ｘ１０
０．１７４ ０．０９９ ０．２８０ ０．２５３ ０．２８３ ０．１５２ ０．１９５ ０．２６６ ０．４９０ １．００ ０．４１３
主成分个数提取原则为主成分对应的特征值大于 １
且 主 成 分 累 计 贡 献 率≥８５％的 前 ｍ 个 主 成 分 ， 通 过 表 ２ （ 方差分解主成分提取分析） 可知， 提取 ２ 个主成分， 即 ｍ＝２， 从表 ３（ 初始因子载荷矩阵） 可知 Ｘ２ 在第二主成分上 有较高载荷， 说明第二主成分基本反映了 Ｘ２ 的信息； 其余 指标在第一主成分上有较高载荷， 说明第一主成分基本 反映了除 Ｘ２ 外的其他指标的信息； 根据表 ２ 前两个主成 分累计贡献率为 ８９．２２９％＞８５％， 从这也可 看 出 提 取 两 个 主成分是可以基本反映全部指标的信息， 所以决定用两 个新变量来代替原来的 １１ 个变量。
１— — — 非 常 不 满 意
（ 二） 运用主成分分析法进行分析
运 用 ＳＰＳＳ 统 计 分 析 软 件 Ｆａｃｔｏｒ 过 程 对 公 用 电 话 顾
客满意度指标进行主成分分析。
表 １ 相关系数矩阵
Ｃｏｒｒｅｌａｔｉｏｎ Ｍａｔｉｒｉｘ
Ｘ１
Ｘ２
Ｘ３
Ｘ４
Ｘ５
Ｘ６
Ｘ７
Ｘ８
Ｘ９
Ｘ１０
Ｘ１１
Ｘ１
１．００ ０．２６２ ０．３４７ ０．２７５ ０．２７１ ０．２３７ ０．２３３ ０．３０９ ０．２６２ ０．１７４ ０．２９３
用表 ３（ 初始因子载荷矩阵） 中的数据除以主成分相 对应的特征根开平方根便得到两个主成分中每个指标所 对应的系数。得到的两个主成分如下：
Ｆ１ ＝０．２５４Ｘ１ ＋０．２３Ｘ２ ＋０．３４８Ｘ３ ＋０．３１１Ｘ４ ＋０．３０２Ｘ５ ＋ ０．２６５Ｘ６＋０．２９Ｘ７＋０．３３Ｘ８＋０．３３３Ｘ９＋０．３０９Ｘ１０＋０．３２１Ｘ１１
Ｔｏｔａｌ ４．４２４
％ ｏｆ Ｖａｒｉａｎｃｅ Ｃｕｍｕｌａｔｉｖｅ ％
７０．２１５
７０．２１５
１．１９８
１９．０１４
８９．２２９
Ｅｘｔｒａｃｔｉｏｎ Ｍｅｔｈｏｄ：Ｐｒｉｎｃｉｐａｌ Ｃｏｍｐｏｎｅｎｔ Ａｎａｌｙｓｉｓ．
表 ３ 初始因子载荷矩阵 0.091/sqrt(1.198)
Ｃｏｍｐｏｎｅｎｔ Ｍａｔｒｉｘａ
要提高顾客忠诚度。需要首先了解顾客对现有服务的满意度， 从中找出 差距， 进一步提高顾客满意度水平， 因此近年来企业越来越关注顾客的满意 度。满意度指标体系是顾客满意度测量的基础， 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。
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 主成分分析对各个指标进行确定权重。
Ｘ９— — — 安 装 维 修 人 员 的 服 务 质 量 Ｘ１０— — — 故 障 处 理 Ｘ１１— — — 业 务 人 员 表 现
该咨询公司采用 ５ 分制， 由随机抽取的公用电话用户
对这 １１ 个指标分别进行打分：
５— — — 非 常 满 意
４— — — 比 较 满 意
３— — — 一 般
２— — — 不 太 满 意
基于上述原则， 该咨询公司经过深度访谈与座谈会两
种定性研究中得出 １１ 个主要指标：
Ｘ１— — — 广 告 宣 传
Ｘ２— — — 优 惠 措 施 与 利 润 分 成
Ｘ３— — — 信 誉
Ｘ４— — — 业 务 办 理 及 购 买
Ｘ５— — — 公 用 电 话 的 产 品 质 量 Ｘ６— — — 资 费 标 准 及 结 算 Ｘ７— — — 费 用 查 询 及 清 单 Ｘ８— — — 缴 费
Ｆ２ ＝０．０８３Ｘ１ ＋０．４７９Ｘ２ ＋０．０１１Ｘ３ ＋０．１９１Ｘ４ － ０．０１Ｘ５ ＋ ０．４１６Ｘ６＋０．２１８Ｘ７＋０．０７７Ｘ８－ ０．３６９Ｘ９－ ０．４５６Ｘ１０－ ０．３９５Ｘ１１
用第一主成分 Ｆ１ 中每个指标所对应的系数乘上第一 主成分 Ｆ１ 所 对 应 的 贡 献率再除以所提取两个主成分的两 个贡献率之和， 然后加上第二主成分 Ｆ２ 中每个指标所对应 的系数乘上第二主成分 Ｆ２ 所对应的贡献率再除以所提取 两个主成分的两个贡献率之和， 即可得到综合得分模型：