中国顾客满意度模型若干问题研究

阅读量：

237

作者：

梁燕

展开

摘要：

随着知识经济的到来,"人"的因素越来越重要,社会也逐步开始重视人的感受,从关注经济资源生产效率,逐步转向关注经济资源产出质量,而顾客满意度正是从消费者的角度衡量产出质量的合适指标. 顾客满意度指标在客观上提供了反映产品/服务质量及其满足顾客需求程度的尺度,为宏观调控提供客观依据.在微观上是衡量质量管理体系有效性的关键指标,对企业和消费者具有重要意义. 从二十实际七十年代开始,国外学者开始对顾客满意度理论模型,估计方法,检验方法和样本量条件等方面进行研究.近几年国内也开始引入顾客满意度模型,并在实践中应用.但我国目前的研究仍处在起步阶段,还没有对相关问题进行深入探讨.本文尝试对这些问题给予解答. 1.顾客满意度理论模型研究 顾客满意度模型的发展可以分为三个阶段:差距理论,传统差距模型和目前顾客满意度模型.目前模型一般有三个原因变量:顾客期望,质量感知和价值感知;两个结果变量:顾客投诉和顾客忠诚度.从瑞典,美国顾客满意度指数模型,再到之后的欧洲和挪威顾客满意度指数模型,原有的模型不断受到挑战. 顾客满意度模型采取结构方程模型的形式,并通过PLS(Partial Least Square)或LISREL(Linear Structural RELationship)方法得到参数估计,确定隐变量与显变量的权重并得到隐变量的分值和顾客满意度指数.基于企业顾客满意度指数,构建国家顾客满意度指数测评体系. 我国顾客满意度模型需要建立在顾客满意度理论研究的基础上.实证研究结果表明,顾客期望对顾客满意度的影响较小,其主要作用在于解释质量感知;质量感知和价值感知对顾客满意度有重要影响,且两个隐变量需要分开衡量,才能体现出价值感知的重要性;顾客投诉对顾客忠诚度的影响较小,但它对于目前我国企业改进服务观念具有重要意义;对于顾客忠诚度的解释,还可以加入企业形象和顾客关系隐变量,这样更加符合现实经济情况,也符合我国的国情.顾客满意度指数的构建是一项系统工程,需要解决模型的构造,估计方法的选择,抽样方案的确定等方面的问题.我国可以先在某些行业和地区构建顾客满意度指数,再进行推广. 2.顾客满意度模型的估计 PLS估计的基本原理,基于PLS的逻辑基础,即用条件期望来解释因果关系.在预测变量设定和"软"假设限制下,目标是最小化Ψ,θε和θδ,逐个区组用迭代方法不断逼近参数子集的载荷和路径估计.在逼近过程中,MV加权合计的外部估计一般采用简单回归;LV加权合计的内部估计一般采用中点加权.PLS方法具有LV估计的非一致性,载荷和路径系数的有偏和非一致性的缺点,但也具有基本一致性的优点. LISREL估计的基本原理,基于其逻辑基础,即定义因果关系为具有误差的确定性关系.在显变量分布等"硬"假设和一些模型参数的限制条件下,目标是最小化模型估计协方差∑θ与样本协方差S的距离,主要采用ML(Maximum Likelihood),GLS(Generalized Least Squares)和ADF(Asymptotically Distribution Free)三类拟合函数,通过迭代得到使拟合函数值最优的参数估计.由于GLS不适用于较大模型,ADF需要的样本量非常大,而ML具有较好的统计性质和稳健性,因此在顾客满意度模型的估计中得到广泛的应用. PLS和LISREL方法在表达形式方面有相同点,但在估计目标,估计方法等方面有很大的不同.PLS的目标是预测,这样导致参数估计有偏,更适于理论模型不确定时对数据的预测;LISREL的目标是准确估计,但会导致无意义的解或与现实数据偏离的估计,适用于理论模型比较成熟时对模型参数的准确估计.根据我国顾客满意度研究目前的条件,实际数据的结果表明,在显变量测量效果差时,PLS方法效果更好;在测量效果较好的模型中,要得到准确的参数估计,可以采用LISREL方法. 3.顾客满意度模型的检验 PLS的评价主要采用基于预测的拟合指标.共同因子,多元相关平方和冗余分别衡量外部关系,内部关系以及整体预测关系.而非参数检验的广义交互验证指标Q2检验模型的预测能力;参数估计的Jackknifing标准误检验参数估计的精度.拟合指标与非参数检验方法,分别从不同的角度考察模型.前者考察模型对变量的预测能力,后者考察样本的交互验证能力.两类指标互相补充. LISREL的参数估计检验,多元相关平方和决定系数,受到样本分布和数据矩阵性质的影响.基于协方差的拟合指标中,绝对拟合指标,相对拟合指标和基于非中心参数的拟合指标,分别从绝对量,相对量和模型错误拟合程度等方面检验模型,可以根据经验值确定它们的效果.由于顾客满意度数据中等偏离正态分布,因此检验统计量T也只是作为参考,可以更信任调整T值,非正则拟合指标,RMSEA,AGFI和CFI.非参数检验可以校正非正态对检验统计量的影响,并计算参数估计的标准误,可以作为很好的补充指标. PLS和LISREL两种方法的检验,都需要考虑参数估计的符号和大小的现实意义,以及参数估计的显著性检验;需要考虑模型解释能力的指标R2;也可以采用非参数检验来评价模型.但由于二者原理的不同,两种方法的检验区别也很大.PLS适用基于预测的拟合指标,由于没有分布假设,更多的采用非参数检验.而LISREL适用基于协方差的拟合指标,主要采用传统的检验方法. 从PLS和LISREL的拟合指标的比较来看,PLS方法对测量模型的解释能力更好,而LISREL方法对结构模型的解释能力更好.从PLS和LISREL的非参数检验的比较来看,LISREL对测量模型的样本交互验证能力优于PLS方法.两种方法的非参数路径系数和载荷系数估计结果类似参数估计的结果,PLS的Jackknife路径系数估计有低估,Jackknife载荷系数估计有高估. 4.顾客满意度模型的样本量研究 (1)顾客满意度模型的参数估计需要的样本量 可以根据回归方程的经验值确定PLS估计需要的样本量,但一般的经验值是不准确的.要得到准确的样本量要求,可以考察PLS参数估计的稳健性以及模型拟合指标的准确估计这两个方面需要的样本量.从参数估计角度,即使对于n=50的样本量,PLS方法对有偏分布和多重共线等问题也可以得到稳健的结果.从拟合指标中回归方程R2的点估计角度,对于类似案例A和B的顾客满意度研究,要得到+0.10和±0.15的准确性,如果保守的选择样本量,分别需要230和100个样本单位. 要避免LISREL中不收敛和不正确解的估计问题,就要确定最小样本量.由于经验值确定的样本量并不准确,需要考虑以下三个方面:从参数估计角度,需要的样本量最少为200;从标准误估计量角度,需要样本量1600;从检验统计量角度,χ2检验统计量的模型拒绝频率需要样本量200,χ2检验统计量的偏差需要的样本量1600. (2)顾客满意度模型的检验需要的样本量 在确定顾客满意度模型需要的样本量时,不仅要考虑参数估计的需要,还要考虑模型拟合的检验的需要,而且不能仅根据经验值确定检验模型需要的样本量,而要考虑检验统计量的效果量. 在PLS中,分别进行外部关系,内部关系和总体预测关系的检验,其中主要关注的是内部模型的检验.因此采用结构方程的多元相关平方 R2的功效分析确定检验需要的样本量.考虑所有区组的内部估计,如果内部模型的解释效果较好,一般需要大约60个样本单位. LISREL方法中,主要关注基于非中心参数的指标的检验和功效分析来确定样本量.虽然RMSEA与GFI,AGFI指标之间存在对应的关系,但由于GFI指标的功效分析存在违背常理的问题,且GFI和AGFI指标的原值和备则值不容易确定,因此主要采用RMSEA指标进行功效分析确定样本量.对于本文案例代表的服务顾客满意度模型和产品(包括服务)顾客满意度模型,如果ε1=0.08,要以0.80的功效检验RMSEA,分别需要120和100个样本单位. (3)顾客满意度模型需要样本量的最终确定 顾客满意度模型的参数估计需要的样本量与模型检验需要的样本量有不同.一般参数估计的准确性需要的样本量大于充分功效需要的样本量,也更加关注参数估计.因此,如果采用PLS方法进行估计,对于±0.10和±0.15的准确性,分别需要大约230和100个样本.如果采用LISREL方法进行估计,需要的样本量至少为200. PLS与LISRE L对估计和检验需要的样本量也有差别.如果估计的准确性要求不高,PLS方法要求的样本量小于LISREL方法;但如果准确性要求很高,则PLS方法需要的样本量与LISREL方法相当.至于模型检验需要的样本量,PLS方法检验需要的样本量小于LISREL方法. 在我国顾客满意度模型研究中确定样本量时,要综合考虑样本代表性,模型参数估计和检验的需要.PLS最小推荐100个样本单位;LISREL最小推荐200个样本单位. 本文基于对国外研究成果的利用和我国实际案例的研究,在我国顾客满意度指数体系构建中的模型确定,参数估计,模型检验和样本量条件等方面得到了一些研究结论,但还存在研究案例对现实情况的代表性,显变量的信度和效度以及模拟研究结论的可推广性等方面的问题,未来需要进一步深入研究.

展开

关键词：

市场营销 顾客满意度理论模型 评价指标体系

被引量：

55

年份：

2004