- 相關推薦
主成分模型在滿意度研究中的應用新探索
[摘要] 針對主成分分析法在樣本量較大時，特征值大于1的前幾個主成分的累計方差貢獻率在60%以下，信息損失過多的情況，本文提出了一種數據預處理計算主成分的方法，該方法可以不受樣本量的限制，并使特征值大1的前幾個主成分的累計方差貢獻率提高到95%以上。在對某企業的員工滿意度實證檢驗中，與通常方法相比，使得累計方差貢獻率由55.32%提高到97.21%，且排序結果顯示與事實一致。[關鍵詞] 主成分 滿意度 數據預處理
一、基本思路
滿意度研究中，主成分分析法是對眾多的滿意度指標進行評價排序的一種有效方法。然而，在應用實踐中發現，主成分分析法在樣本量大于60的時候，特征值大于1的前幾個主成分的累計方差貢獻率往往在60%以下，即全部信息的損失大于40%，信息損失過大，極大的影響了研究結果的科學性和準確性，也不符合提取的主成分累計方差貢獻率在85%以上的原則，給主成分分析法在滿意度中的研究帶來了問題。
本文的基本思路是對調查數據進行預處理，然后計算主成分的方法。具體方法是: 首先，在滿意度調查問卷上，對各指標的測量尺度仍然采用Likert 5 級劃分, 分為“很不滿意”、“不滿意”、“一般”、“滿意”、“很滿意”五種；其次，對調查樣本數據進行預處理。統計各指標不同滿意程度的樣本數，計算各指標不同滿意程度樣本所占調查總樣本的百分比；再次，將每個指標不同滿意程度的5個百分比數據調入SPSS軟件進行主成分計算分析；最后，將各指標對應的綜合回歸系數做為該指標的權重，進行分析、評價。
在對滿意度進行主成分分析時，增加了一個數據預處理程序，使用處理過的數據做主成分計算、分析。這樣第一，可以使得各滿意程度平等的權重，保證了做主成分分析時，各滿意程度數據的平等性；第二，對數據進行預處理后，對分散的原始信息進行了集中，每個指標只要五個數據參與主成分分析計算，使得提取的大于1的主成分的累計方差貢獻率大大提高，一般在95%或以上；第三，使主成分的應用突破了樣本量的限制，樣本量的大小不再影響提取的主成分的累計方差貢獻率，可以擴大主成分的應用范圍。這種方法在一定程度上保證了分析結論的科學性和準確性。
二、實證檢驗
1.調查設計及數據檢驗。以2007年11月對某企業的一次員工滿意度調查為例。本次調查委托該企業人力資源部組織進行的，這樣也引起了員工的充分重視，保證了問卷的回收率；同時，為保證員工盡量客觀真實回答問題，對問卷采用了匿名形式做答。調查因素分為發展機遇（X1）、工資報酬（X2）、薪酬公平度（X3）、晉升機會（X4）、工作興趣度（X5）、工作適合度（X6）、工作績效評價制度（X7）、管理水平（X8）、同事間工作的配合協作（X9）、上班的工作環境（X10）、保險保障制度（X11）、福利待遇（X12）、工傷保險（X13）、分配機制（X14）、歸屬感（X15）。測量尺度采用Likert 5 級劃分, 分別為“很不滿意”、“不滿意”、“一般”、“ 滿意”、“很滿意”, 其中1 分代表“最不滿意”, 逐次增加。本次調查共取得調查表154份，經過整理分析得到有效問卷152份，有效回收率為98.7%。將調查數據調入SPSS15.0軟件進行信度和效度檢驗。經檢驗Cronbach α系數為0.817, 表明該量表內部一致性良好；KMO值為0.819，近似卡方值為556.757，自由度為105，顯著性水平為0.000，代表母群體的相關矩陣間有共同因素存在，適合進行因素分析。
【主成分模型在滿意度研究中的應用新探索】相關文章：
淺析主成分分析法在預測飛行能力中的應用03-01
主成分分析在上市公司績效評價中的應用12-07
模糊綜合評價模型在港址選擇中的應用研究03-07
組合模型在水運貨運量預測中的應用研究03-07
ＥＶＡ模型在電網企業中的應用探討03-24
成本分析中“因素分析模型”的研究03-22
供應鏈中的信息共享模型研究03-21
Excel表格程序在輔助評價醫院護理工作滿意度中的應用研究03-01
VaR模型及其在金融風險管理中的應用02-28