浅谈因子分析方法在多指标综合评价中的运用下

1、-. z.专题讲座正文专题讲座正文浅谈因子分析在多指标综合评价中的运用上2012-12一、相关概念简介综合评价简介所谓综合评价是指对以多属性体系构造描述的对象系统作出全局性、整体性的评价，即对评价对象的全体，根据所给的条件，采用一定的方法给每个评价对象赋予一个评价值又称评价指数，再据此择优或排序的过程。常见的综合评价方法有主成分法、基于主成分的因子分析法、熵权法，以及基于模糊数学的多层模糊综合评判法，等等。因子分析简介：因子分析是利用降维的思想，在力保数据丧失最少的原则下，对高维变量空间进展降维处理，把多指标转化为少数几个综合指标的多元统计分析方法。它的特点是在评价指标的相关性比拟高时，能消除

2、指标间信息的重叠，而且根据指标所提供的原始信息生成非人为的权重系数。采用因子分析法进展多指标的综合评价具有以下优势：因子分析的降维处理技术能较好地解决多指标评价的要求。因子分析将原始变量变换为主因子的过程中, 同时形成了反映成分和指标包含信息量的权数, 以计算综合评价值, 这比人为地确定权数更为客观有效, 也有助于保证真实地反映样本间的现实关系。减少了指标选择的工作量。在因子分析中由于可以消除评价指标间的相关影响, 因而在指标选择上相对容易些，另外因子分析可以保存原始评价指标的大局部信息。随着电子计算机技术的开展, SAS、SPSS等商品化统计分析软件的推广与应用, 使得因子分析在各类综合评价

3、实践中的广泛应用成为现实。基于上述几点，因子分析法在各类综合指标评估中得以广泛应用。二、因子分析法在综合评估中的运用实例讲解下面，笔者将以*工程的多指标综合评估分析过程为例进展详细讲解。需要说明的是，在进展综合评估之前，首要的工作是建立一套可靠完整的指标体系。而确立评估指标的方法很多，包括主观、客观法，如常见的Delphi专家评估法、灰色关联度分析法、极小极大离差法和最小均方差法，等等。本例采取的是专家评估法，限于篇幅，在此不再赘述，本文是假定已完成指标体系的建立及数据无量纲处理的前提下，进展的分析过程。步骤一：数据检验在进展因子分析前，应检验数据间的相关性程度，判断是否适合采用因子分析。1K

4、MO检验：KMO检验：是用于比拟变量间简单相关系数和偏相关系数的指标，KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接越近1，意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，意味着变量间的相关性越弱，原有变量越不适合作因子分析。KMO 值在0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.5以下表示极不适合。2巴特利球型检验：用于检验相关矩阵是否是单位矩阵，即各变量是否独立。它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位矩阵。如果统计值较大，且对应的相伴概率值小于用户

5、给定的显著性水平，则应拒绝零假设，即各变量间存在公因子；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，这些变量间可能各自独立提供一些信息，缺少公因子，不适合做因子分析。3实例数据SPSS软件操作过程：Analyze-Data Reduction-Factor，在因子分析主对话框中，点击Descriptives，然后勾选KMO and Bartletts Test of Sphericity。下表1是本例的输出结果：KMO0.5满足分析的要求；其次，巴特利球体检验统计值为P = 0. 000 0. 05 ，可以拒绝零假设，证明各变量间存在公因子，通过了显著度检验。小结：本文简单介绍了

6、综合评价及因子分析的相关概念，了解了因子分析的数据检验要求及操作过程。限于篇幅，我们将在下次继续讲解本例的实证分析结果。浅谈因子分析方法在多指标综合评价中的运用下2013-06在上一篇专题文章之中，笔者简单介绍了多指标综合评价的相关概念及方法，了解了因子分析数据检验要求及操作过程，本次将为大家继续讲解相关的操作步骤及实证分析结果。一、实证结果分析一：主因子的提取和确定依据因子分析的原理，运用统计软件SPSS16.0进展分析，可得到10个指标相关矩阵R的特征值、方差奉献率和累计方差奉献率，如表2所示。按照特征值1 的原则，选出5个主因子，其旋转前的累计方差奉献率为75.020%即前5个主因子可以

7、解释75%的方差，说明选取5个主要成分因子就能根本反映原指标的信息。而旋转后5个主因子的累计方差奉献率仍为75.020%，说明因子旋转不改变模型对数据的拟合。一、实证结果分析二：主因子的命名及解释 在因子分子中，计算指标的载荷矩阵时，一般需进展因子旋转，使得各个因子的典型代表指标意义更为明确，我们利用spss 软件将主因子经过正交旋转后，其载荷矩阵见表3。由表3的因子载荷矩阵可以看出：第一个因子在*2、*3上有较大载荷，称之为投诉客户因子；第二个因子在*6、*7上有较大载荷，称之为投诉责任因子；第三个因子在*4、*5上有较大载荷，我们称之为投诉处理满意度因子；第四个因子在*1、*8、*9上有较

8、大载荷，称为投诉焦点因子；第五个因子在*10上有较大载荷，称之为投诉频率因子。一、实证结果分析三：因子表达式 根据spss统计软件我们得到旋转后各主因子的得分系数矩阵见下表4)，则旋转后的因子得分表达式为： 投诉客户因子得分F1=0.097*1+0.492 *2+0.492*3+(-0.002)*4+.+0.033*10，同理可得：投诉责任因子得分F2=-0.028*1+0.000*2.+0.007*10 投诉满意度因子得分F3=-0.005*1+-0.008*2.+0.007*10 投诉焦点因子得分F4=-0.539* 1+0.013*2.+-0.144*10 投诉频率因子得分F5=0.12

9、7*1+0.014* 2+.+0.876*10注意：*i为每个投诉用户在该指标上的原始得分经过标准化处理后的值且从下表5的因子得分协方差矩阵可以看出，旋转后因子间已无相关关系，说明因子提取是成功的。二、投诉综合评估模型的构建 根据实证结果一，我们得到各因子的方差奉献率Wi (这里我们选取的是旋转后的方差奉献率,见附表A) ，可以据此确定各因子的权重系数，进而构建投诉综合评价模型:注：Wi为权重系数，即各因子的方差奉献率；Fi 为第i 个主因子相应的因子得分F = W1*F1 + W2*F2 + W3*F3 + W4*F4 + W5*F5=19.38%*F1+18.68%*F2+15.93%*F

10、3+10.65%*F4+10.39%*F5 式一根据实证结果三，我们已经得到了5个主因子F1-F5的的表达式见附表B。现将附表B的表达式代入式一，即可算出每一个投诉用户的F值，F值即称为投诉综合评估因子得分。结论：因子得分越高，表示该投诉用户的综合评定系数级别越高，越需要进展关系修复。专题讲座正文SMART原则2013-04目标管理是管理人员常用的一种工具，通过实施目标管理不但是有利于员工更加明确高效地工作，更是为未来的绩效考核制定了目标和考核标准，但如何确定目标呢？既要保证目标科学可行，又要能尽可能激发员工的潜能，灵活运用SMART原则可以帮助我们。SMART原则首次出现在1981年12月发

11、行的管理评论， SMART是五个英文字母的开头，分别是：S=Specific、M=Measurable、A=Attainable、R=Realistic、T=Time-based，目标确定的SMART原则具体容如下：目标必须是具体的Specific指要用具体的语言清楚地说明要达成的行为标准。明确的目标几乎是所有成功团队的一致特点。目标必须是可以衡量的Measurable衡量性就是指目标应该是明确的，而不是模糊的。应该有一组明确的数据，作为衡量是否达成目标的依据。目标必须是可以到达的Attainable目标是要可以让执行人实现、到达的，如果上司利用一些行政手段，利用权利性的影响力一厢情愿地把自己

12、所制定的目标强压给下属，下属典型的反映是一种心理和行为上的抗拒：我可以承受，但是否完成这个目标，有没有最终的把握，这个可不好说。一旦有一天这个目标真完成不了的时候，下属有一百个理由可以推卸责任：你看我早就说了，这个目标肯定完成不了，但你坚持要压给我。目标必须和其他目标具有相关性Relevant目标的相关性是指实现此目标与其他目标的关联情况。如果实现了这个目标，但对其他的目标完全不相关，或者相关度很低，那这个目标即使被到达了，意义也不是很大。目标必须具有明确的截止期限Time-based目标特性的时限性就是指目标是有时间限制的。无论是制定团队的工作目标还是员工的绩效目标都必须符合上述原则，五个原

13、则缺一不可。制定的过程也是自身能力不断增长的过程，管理人员必须和员工一起在不断制定高绩效目标的过程中共同提高绩效能力。专题讲座正文浅谈用户细分2012-12用户细分是指根据用户属性划分的客户集合，它是分门别类研究用户、进展有效用户评估、合理分配效劳资源、成功实施用户策略的根本原则之一，为企业充分获取用户价值提供理论和方法指导；用户细分理论原理是：每类产品的用户群不是一个群体，根据用户群的文化观念，消费收入、消费习俗、生活方式的不同细分新的类别，企业根据消费者的不同制定品牌推广战略和营销策略，将资源针对目标用户集中使用。-以上摘自互联网-说到用户细分，其实在一般消费者研究过程中或多或少的涉及到了

14、，以通信领域的研究而言， 我们常把用户分为企业用户、个人用户等，或者根据区域性质划分为华南地区、华东地区等等，这种细分就比拟简单、直观，数据采集也比拟容易，我们把这称为按照外在属性的划分。通常消费者调研中，我们都会收集消费者的背景统计资料，诸如性别、年龄、学历、收入、婚姻状况等，这则属于按照在属性分类，通过各种背景属性分类的分析，我们就可以把用户划分为多种类型，为策略的制定提供更精准的建议。当然，不少行业如通信、医药的研究往往还要深入考虑分析消费者的行为，比方话费量、流量开支、比方药品的用量、使用行为习惯等；通过对这些变量的分类进展深入分析，往往能够找出用户中的特点为市场营销活动找到对策。以上

15、的用户细分，想必大多数从事市场研究的朋友在刻意间或者不经意间已经相当熟练了，这里还想谈谈不太常用到的细分方法：基于用户生活形态与价值观的用户细分；生活形态细分研究的主要特点是从消费者的生活形态和生活轨迹中发现市场、发现需求，从消费者的生活主中开掘商品概念和营销概念。生活形态研究假设，是在现代社会中，消费者的需求、行为及其购置决策主要受其所推崇、欣赏、期望或身体力行的生活方式的影响，与一般人口统计特征的年龄、职业、收入、受教育程度、家庭背景等因素所给出的消费者特征不同，生活形态研究所注重的是具有现代或后现代意义的消费族群。当前基于生活形态的用户细分，在国外均有大量的探索和研究；AIO方法、VAL

16、S2、CHINA-VALS、罗兰贝格消费者价值研究法等许多理论及成功案例值得借鉴。生活形态用户细分研究往往需要大量的样本，更深入的数据分析；整个研究步骤大概如下：理论根底的研究-测量语句构建-定性测试完善测量量表-大样本定量测试-数据分析进展分群与群族分析-典型特征人群研究。整个细分研究过程中有两个关键点，测量量表的完善是其中一个关键，建议可以参考前辈们大量的相关研究的成果，对各种成功案例研究中的句子进展提炼再应用，往往可以把句子群进展一定程度压缩，在降低本钱外，并获取到更精准的数据。用户的分群是另外一个关键，生活形态用户细分分析方法和步骤主要为：因子分析降维-正交旋转等反复检验-去除单一测试

17、语句-选取因子并命名-聚类分析分群-组群与背景的对应分析-描述各族群特征-纵向与横向形成分层式。值得注意的是，分群并不是单纯进展聚类分析就行了，要进展各种分群尝试，并探索各种分群的营销意义。最后，有必要提提生活形态用户细分研究的应用意义，举个实际例子，最近曾为通信运营商的用户品牌的精准化营销进展用户细分研究，用户分群结果对精准化营销的帮助除了能制定更具针对性的广告及营销策略外，针对各细分人群的深层次的共同点以及精神层面需求提出的需求和广告创意是别的基于统计资料细分与消费行为细分方式所远不能到达的。农村入户调研经历小结2012-11入户访问曾经是市场研究领域应用最广泛的调查方法。近年由于城市居民

18、小区管理逐步完善，通过入户访问接触被访者的难度上升，拒访率也越来越高，同时时效性也不太理想，因此目前城市入户访问的采用逐渐减少。但在多数农村地区，村民的排斥度相对较低，更易于接触，因此，在一定时期和围，农村入户调研仍发挥着不可替代的作用，尤其是面向农村居民推广的产品和营销方案。笔者在这里结合*个工程的实际经历，谈谈几点体会。1研究方案要适合农村的实际1调查对象及样本量的设计，既要符合统计学原理，也要有重点、有目标的结合实际。一是农村精英调研与普通农村居民调研相结合。农村精英群体乡村干部、教师等一方面掌握着一定的信息资源，从他们身上可以直接或间接获取当地的根本状况，同时他们的消费观念又与普通农村

19、居民有所差异，因而有必要重点研究。二是定量研究与定性研究相互补充，例如农村精英群体的调研，可将构造化问卷填写与深入访谈相结合，以获取更丰富、更全面的信息。2问卷设计要简明易懂问卷的语言设计要考虑到农村居民的承受理解程度，农村居民文化程度相对较低，并且由於居住比拟分散，资讯承受不太方便比照拟流行或专业的术语缺少认知，因此，通俗易懂、易操作是第一原则。以*工程为例，我们将产品的彩色图片进展现场展示，将产品的功能说明与现有的产品进展比照讲解，实践证明，这样比纯文字的概念说明，更易为农村居民理解。2执行前有必要进展实地踩点，便于后期的执行分工、人员编组实地踩点时需要了解和收集的信息包括当地所处的地理位

20、置、交通情况，经济开展概况、村落人口分布往往按姓氏分布，以及村委、留守村民的根本情况。以下为*工程实地踩点的实例：A村：在*大道的两侧，交通比拟方便，附近工厂比拟多。村民靠出租土地以及进厂打工为生。据了解，A村分为十多个社，其中十社、十一社是在A小学旁，多数姓宋；八社是在马路的对面，多数姓徐。另据村民反映，村委会成员大多为各个社的小组组长，他们不仅在社会职位上同比其他村民更加具有威望，在经济上也比其他一般的村民要富裕得多。B村：这里是镇上比拟穷的一个村，村要还是从事农业活动为主，有种植水稻和花生，已经快到收割的季节。该村比拟古老，距离镇中心比拟远，村弯弯曲曲的小路比拟多，村口有连续三四个祠堂，

21、有一个比拟大的宗祠，可见该村的历史悠久以及人口较多。从性别和年龄上看，留守村里的多为女性和五十岁以上的人群。由于农村相对来说还是熟人社会，因此，陌生人进村，不仅仅会引来家狗的喊叫，同时也会吸引大局部在村人群的眼神聚焦。3在执行过程中，采取本地熟人参与的访问接触方式在多数农村地区，居民之间的关系是相对融洽亲密的，对于熟悉的人可以说是知无不言，言无不尽的，而对陌生的人或事则有排斥性和提防性，这一点与城市居民完全不同。因此，调查方法应选择有本地人参与进展的走访面谈或问卷调查。在进展*工程的农村入户调查时，我们就采取邀请当地村民陪同参与访问的方式，效果就根本改变。另外，借助大学生的身份，也较容易获取当

22、地村民的信任和配合。浅谈SERVQUAL模型2012-11一、SERVQUAL模型定义SERVQUAL是一种建立在顾客感知效劳质量的相关理论根底之上的面向顾客的问卷式效劳质量评估工具，其根本思想是利用来自顾客对效劳的期望和感知信息来判断效劳质量。SERVQUAL的核心是效劳质量差距模型，即效劳质量取决于用户所感知的效劳水平与用户所期望的效劳水平之间的差异程度。二、SERVQUAL模型的容SERVQUAL模型包括五个容，分别是：有形性：实际设施、设备以及效劳人员的外表等。反响性：指帮助顾客并迅速地提高效劳水平的意愿。保证性：员工所具有的知识、礼节以及表达出自信与可信的能力。移情性：关心并为顾客提

23、供个性效劳。可靠性：可靠性是指可靠的，准确地履行效劳承诺的能力。三、SERVQUAL模型的评分标准评分容：评分标准：公式：SERVQUAL分数 = 实际感受分数 期望分数；数据：通过顾客对22个述项分别从期望和感知两个方面的答复收集数据，每个述项的分值介于1到7之间，分别代表完全不同意至完全同意。3分析: SERVQUAL分数越高，说明顾客效劳体验与效劳预期差距越远，即顾客感知的效劳质量越低。SERVQUAL 分数越低，说明顾客效劳体验与效劳预期差距越近，即顾客感知的效劳质量越高。四、应用考前须知:遵循抽样的便利性原则;SERVQUAL的功能和擅长并不在于收集大围的效劳质量信息或者进展效劳质量

24、的改良。而SERVQUAL所使用的围越小，其针对性就越强，其功能和优越性就越容易彰显。研究目的可大致归纳为工具取向和诊断取向。工具取向侧重探求效劳质量的影响维度和因素，并考虑如何将之科学而合理地整合到经过修订的SERVQUAL 框架当中，试图建立一套用于效劳的测度工具，以收一劳永逸之效。诊断取向研究采用相对科学化的测度工具收集客户对效劳期望分效劳绩效信息，在此根底上，发现效劳中的缺乏，为提升效劳质量提供参照标准。研究假设和前提具有一致性:在客户的主观感知之外，不存在一个客观、绝对的效劳质量标准。;客户能够准确表达其对效劳的期望和感知，他们有能力评价效劳质量;SERVQUAL采用的述项，配合特定的数理统计方法，能够测度效劳质量的全貌。专题讲座正文E*cel应用小技巧2012-091、如何在已有的单元格中批量参加一段固定字符？例如：在公司的人事资料录