浅谈因子分析方法在多指标综合评价中的运用(下)

特别讲座？ 什么？什么？正文特别讲座？ 什么？什么？正文浅谈因子分析在多指标综合评价中的应用(上)* 2012-12一、相关概念介绍1 .综合评价介绍综合评价是对用多个属性体系记述的对象系统进行全局性、整体性的评价，即对于评价对象的整体，根据给出的条件，以一定的方法对每个评价对象给出评价值(也称为评价指数)，并据此进行优先或排名的过程。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、熵法、基于模糊数学的多层模糊综合评价法等。2 .因子分析概述：因子分析是一种利用降维思想，力量将数据丢失降到最低，进行降维处理，将多指标转化为少数综合指标的多变量统计分析方法。 其特征在于，在评价指标的相关性高的情况下，消除指标间的信息重复，根据指标所提供的原始信息生成非人为的加权系数。 因子分析法综合评价多指标具有以下优点因子分析的降维处理技术能很好地解决多指标评价的要求。1因子分析在将原始变量转换为主要因子的过程中，形成包含成分和指标信息量的权重来计算综合评价值，在人为确定权重的过程中更加客观有效，也有助于忠实地反映样本之间的现实关系。2 .指标选择的工作量减少了。 因子分析可以消除评价指标之间相关性的影响，因此指标的选择比较容易，并且因子分析可以保留原评价指标的大部分信息。3 .随着电子计算机技术的发展，SAS、SPSS等商品化统计分析软件的推广和应用，实现了因子分析在各类综合评价实践中的广泛应用。基于以上几点，因子分析法广泛应用于各种综合指标评价。二、因子分析法在综合评价中的应用(实例解说)下面，笔者以某项多指标综合评价分析过程为例进行详细解说。 在进行综合评价之前，最重要的工作是建立可靠的完整指标体系。 建立评价指标的方法多为主观、客观法，如常见的Delphi专家评价法、灰色关联分析法、极小极大方差法和最小均方差法等。 本例采用专家评价法，仅限于篇幅，在此省略说明，是假设指标体系的确立和数据的无量纲处理完成的分析过程。1 .步骤1 :数据检查在进行因子分析之前，必须检验数据之间的相关度，判断是否适合因子分析的采用。1)KMO检验： KMO检验：是比较变量间的单纯相关系数和偏相关系数的指标，KMO统计量取0和1之间的值。 如果所有变量之间的简单相关系数的平方和远大于偏振相关系数的平方和，那么KMO的值越接近1，变量之间的相关性越强，这意味着所有变量之间的简单相关系数的平方和越接近0 (这意味着原始变量适合因子分析)，则变量之间的相关性越弱，原始变量越适合于协同因子分析KMO值大于或等于0.9表示非常适当，0.8表示适当，0.7表示一般，0.5以下表示非常不适当。2 )排球型检查：检查相关矩阵是否为单位矩阵，即各变量是否独立。 这是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是单位矩阵。 如果统计值大并且对应的伴随概率值小于由用户给出的显着性水平，则不能拒绝零假言，即，在每个变量之间应该拒绝存在公共因子的情况下。 相关系数矩阵可以是单位矩阵，并且不适于因子分析，因为在这些变量之间可能提供独立的信息，因为公共系数不足。3 )实例数据使用SPSS软件的步骤：在analyze data reduction factor的因子分析主对话框中，单击Descriptives，检查kmoandbartlettstestofsphericity。 下表1为本例输出结果： KMO0.5满足分析要求后，巴特里球检测统计值P=0. 000 0. 05，拒绝零假设，证明各变量间存在共同因子，显着性检测合格。总结：本文简要介绍了综合评价与因子分析的相关概念，了解了因子分析的数据检测要求和操作过程。 由于篇幅有限，这次将继续说明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应用(下)* 2013-06年在上一篇专题中，笔者简单介绍了多指标综合评价的相关概念和方法，了解因子分析数据的检测要求和操作过程，本次将继续介绍相关的操作步骤和实证分析结果。一、实证结果分析一：主因子的提取与确定根据因子分析原理，采用统计软件SPSS16.0进行分析，得到10个指标相关矩阵r的特征量、方差贡献率和累积方差贡献率。根据特征值1的原则，选出5个主要因子，其旋转前累积方差贡献率为75.020% (即前5个主要因子可以解释75%的方差)，表明选出5个主要成分因子几乎可以反映原指标的信息。旋转后5个主要因子的累积方差贡献率仍为75.020%，表明因子旋转不改变模型对数据的拟合。一、实证结果分析二：主因子的命名与解释因子分子中，计算指标的载荷矩阵时，一般需要进行因子旋转，因此各因子的代表性指标的含义更加明确，我们利用spss软件使主因子正交旋转后，其载荷矩阵如表3所示。根据表3的因子负荷矩阵，第一因子在X2、X3有较大的负荷，被称为投诉客户因子的第二因子在X6、X7有较大的负荷，被称为投诉责任因子的第三因子在X4、X5有较大的负荷，我们称为投诉处理满意度因子的第四因子在X1、X8、X9有较大的负荷，被称为投诉焦点因子一、实证结果分析三：因子式根据spss统计软件，如果得到旋转后的各主要因子的得分系数矩阵(参照下表4 )，则旋转后的因子得分式如下索赔客户因子评分f1=0. 097 * x 10.492 * x 20.492 * x3(-0.002 ) * x 40.033 * x 10，可以相同？投诉责任因子评分F2=(-0.028 ) * x 10.000 * x20.007 * X10投诉满意度因子得分f3=(-0.005 ) * x1(-0.008 ) * x 20.007 * x 10投诉焦点因子得分f4=(-0.539 ) * x 10.013 * x 2(-0.144 ) * x 10投诉频率因子评分F5=0.127*X1 0.014*X 2 0.876*X10(注意： Xi是每个投诉用户在此指标上的原始分数的标准化值)另外，由下表5的因子得分协方差矩阵可知，旋转后的因子之间没有相关关系表明因子抽取成功。二、建立投诉综合评价模型根据实验结果，我们可以得到各因子的方差贡献率Wi (在此选择旋转后的方差贡献率，参照附表a )，据此决定各因子的权重系数，构筑投诉综合评价模型：(注： Wi是权重系数，即作为各因子的方差贡献率的Fi是与第I个主因子对应的因子得分)f=w1*f1w2*f2w3*f4w5*f5？什么？19.38 % * f 118.68 % * f 215.93 % * f 310.65 % * f 410.39 % * f 5什么？什么？什么？什么？什么？什么？(式1 )根据实验结果3，我们已经得到了5个主因子F1F5的公式(参照附表b )。 在此，如果将附表b的式子代入式1，则能够计算出每个投诉用户的f值，f值被称为投诉综合评价因子得分。结论因子得分越高，该投诉用户的综合评定系数水平越高，越需要修复关系。特别讲座？ 什么？什么？正文智能原则* 2013-04年目标管理是管理者经常使用的工具，实施目标管理不仅有助于员工更清晰、更有效地工作，还为未来的业绩评价制定了目标和评价标准，如何确定目标？ 在保证目标科学的可行性的同时，尽量发挥员工的潜力是必要的，运用智能原则可以帮助我们。SMART原则是1981年12月首次发表的管理评论，SMART以5个字母的开头字母开始，以S=Specific，M=Measurable，A=Attainable，R=Realistic，T=Time-based为目标确定的SMART原则的具体内容1 .目标必须具体用具体的语言清楚地说明应该达成的行动标准。 明确的目标几乎是所有成功队伍的一致特征。2 .目标必须是可衡量的测量意味着目标是明确而不是模糊的。 应该有明确的数据作为衡量是否达成目标的依据。3 .目标必须是可以实现的目标是让执行者实现和达成。 如果上司利用行政手段，利用权利影响力，强压下属自己决定的目标，下属的典型反应就是心理上、行动上的抵抗。 “我可以接受，但是是否能实现这个目标，是否有最终的把握，这是不能说的。” 有一天达不到这个目标的时候，对部下说：“看我早说了，这个目标达不到。 但是，有百分之百的理由说你压着我。4 .目标必须与其他目标相关(Relevant )目标关联是指实现这一目标与其他目标的关联。 即使实现了这个目标，如果和其他目标完全没有关联或者关联度低的话，实现了这个目标意义也不大。5 .目标必须有明确的时限(Time-based )目标特性的时限性是指目标有时间限制。团队工作目标和员工业绩目标都必须符合上述原则，五项原则必不可少。 制定过程也是自己能力不断增强的过程，管理者要和员工一起在制定高绩效目标的过程中提高绩效能力。特别讲座？ 什么？什么？正文浅谈用户细分* 2012-12用户细分是根据用户属性分类的顾客集合，它是分类研究用户、进行有效的用户评价、合理分配服务资源、成功实施用户战略的基本原则之一，为企业充分获得用户价值提供理论和方法指导。 用户细分理论的原理是，各种产品的用户群体不是群体，而是根据用户群体的文化观念、消费收入、消费习惯、生活方式的不同来细分新的类别，企业根据消费者的不同来制定品牌推广战略和营销战略，集中向目标用户使用资源335433543353353353353353354或更高版本已从因特网335435433533535353354中摘录说到用户细分，实际上在一般消费者的研究过程中有一些参与，但在通信领域的研究中，多将用户分为企业用户、个人用户等，或者根据地域性质分为华南地区、华东地区等，这种细分比较简单直观，数据收集也比较容易，我们将其作为外在属性普通消费者调查收集消费者背景统计数据，如性别、年龄、学历、收入、婚姻状况等，按内在属性进行分类，按不同背景属性进行分析，可以将用户分成多种类型，为策略制定提供更加准确的建议。 当然，很多行业(通信、医药等)的研究往往要深入考虑和分析消费者的行为。 例如，通过深入分析说话的费用，流量支出，例如药品的使用量，使用行为习惯等这些变量的分类，往往能够找出用户的特征，在市场营销活动中找出对策。我认为以上用户细分方法对于许多从事市场研究的朋友来说，无论是有意识还是无意识都相当熟练。 在这里，我还想谈一谈很少使用的细分方法。 基于用户生活形态和价值观的用户细分生活形态细分研究的主要特征是从消费者的生活形态和生活轨迹中发现市场，发现需求，从消费者的生活主张中发掘商品概念和营销概念。 生活形态研究假设在现代社会，消费者的需求、行为及其购买决策主要受其尊敬、欣赏、期待、身体力量的生活方式的影响，与一般人口统计特征的年龄、职业、收入、教育程度、家庭背景等因素所赋予的消费者特征不同，生活形态研究所重视的是具有现代或后现代意义的消费者群体。 目前，基于生活形态的用户细分可以借鉴国内外有很多探索和研究的AIO方法、VALS2、CHINA-VALS、罗兰贝克消费者价值研究法等多种理论和成功案例。生活形态用户细分研究需要大量样本，需要更深入的数据分析的总体研究步骤如下：理论基础研究-测量句子的构建-定性测试是测量尺度-大样本定量测试-数据分析是组和组的分析-典型特征组的研究。 细分研究过程有两个要点，测量尺度的完善是其中一个要点，建议参考前辈们大量相关研究的成果，提取应用于各种成功事例研究中的句子，通常在一定程度上压缩句群，降低成本，获得更准确的数据。 用户分组是另一个重点，生活形态用户细分分析方法和程序主要是因子分析(降维) -正交旋转等迭代检验-删除单个测试语句-选择因子命名-聚类分析(分组)-分组和背景对应分析-各组的特性值得注意的是，分组不仅仅是进行聚类分析，还要进行各种分组的尝试，探讨各种分组的营销意义。最后，需要提高生活形态用户细分研究的应用意义，举一个实例来说，最近进行过电信运营商用户品牌细分营销的用户细分研究，用户群结果不仅可以制定更具体的广告和营销策略， 针对各细分组的深层共同点和精神层面的需求提出的需求和广告创造力，在统计资料的基础上，细分和消费行为细分方式是无法达到的。农村入户调查的经验总结* 2012-11年入户访问曾经是市场研究领域最广泛的调查方法。 近年来，由于城镇居民园区管理逐渐完善，访客难以通过，拒绝访问的率越来越高，同时时效性也不太理想，目前城市访问的采用逐渐减少。 但是在很多农村地区，由于村民的反弹度相对较低，容易接触，在一定的时期和范围内，农村入户调查仍起着不可替代的作用，特别是面向农村居民的产品和营销方案。 笔者结合这里项目的实际经验，讲述了一些体验。1 .研