主成分模型在满意度研究中的应用新探索

1、  主成分模型在满意度研究中的应用新探索   摘要 针对主成分 分析 法在样本量较大时，特征值大于1的前几个主成分的累计方差贡献率在60%以下，信息损失过多的情况，本文提出了一种数据预处理 计算 主成分的 方法 ，该方法可以不受样本量的限制，并使特征值大1的前几个主成分的累计方差贡献率提高到95%以上。在对某 企业 的员工满意度实证检验中，与通常方法相比，使得累计方差贡献率由55.32%提高到97.21%，且排序结果显示与事实一致。关键词 主成分 满意度 数据预处理一、基本思路满意度 研究 中，主成分分析法是对众多的满意度指标进行评价排序的一种有效方法。

2、然而，在 应用 实践中发现，主成分分析法在样本量大于60的时候，特征值大于1的前几个主成分的累计方差贡献率往往在60%以下，即全部信息的损失大于40%，信息损失过大，极大的 影响 了研究结果的 科学 性和准确性，也不符合提取的主成分累计方差贡献率在85%以上的原则，给主成分分析法在满意度中的研究带来了 问题 。本文的基本思路是对调查数据进行预处理，然后计算主成分的方法。具体方法是: 首先，在满意度调查问卷上，对各指标的测量尺度仍然采用likert 5 级划分, 分为“很不满意”、“不满意”、“一般”、“满意”、“很满意”五种；其次，对调查样本数据进行预处理。统计各指标不同满意程度的样本数，计算

3、各指标不同满意程度样本所占调查总样本的百分比；再次，将每个指标不同满意程度的5个百分比数据调入spss软件进行主成分计算分析；最后，将各指标对应的综合回归系数做为该指标的权重，进行分析、评价。在对满意度进行主成分分析时，增加了一个数据预处理程序，使用处理过的数据做主成分计算、分析。这样第一，可以使得各满意程度平等的权重，保证了做主成分分析时，各满意程度数据的平等性；第二，对数据进行预处理后，对分散的原始信息进行了集中，每个指标只要五个数据参与主成分分析计算，使得提取的大于1的主成分的累计方差贡献率大大提高，一般在95%或以上；第三，使主成分的应用突破了样本量的限制，样本量的大小不再影响提取的主

4、成分的累计方差贡献率，可以扩大主成分的应用范围。这种方法在一定程度上保证了分析结论的科学性和准确性。二、实证检验1.调查设计及数据检验。以2007年11月对某企业的一次员工满意度调查为例。本次调查委托该企业人力资源部组织进行的，这样也引起了员工的充分重视，保证了问卷的回收率；同时，为保证员工尽量客观真实回答问题，对问卷采用了匿名形式做答。调查因素分为 发展 机遇（x1）、工资报酬（x2）、薪酬公平度（x3）、晋升机会（x4）、工作兴趣度（x5）、工作适合度（x6）、工作绩效评价制度（x7）、管理水平（x8）、同事间工作的配合协作（x9）、上班的工作环境（x10）、保险保障制度（x11）、福利待

5、遇（x12）、工伤保险（x13）、分配机制（x14）、归属感（x15）。测量尺度采用likert 5 级划分, 分别为“很不满意”、“不满意”、“一般”、“ 满意”、“很满意”, 其中1 分代表“最不满意”, 逐次增加。本次调查共取得调查表154份，经过整理分析得到有效问卷152份，有效回收率为98.7%。将调查数据调入spss15.0软件进行信度和效度检验。经检验cronbach 系数为0.817, 表明该量表内部一致性良好；kmo值为0.819，近似卡方值为556.757，自由度为105，显著性水平为0.000，代表母群体的相关矩阵间有共同因素存在，适合进行因素分析。2.主成分 分析 。采

6、用数据预处理 方法 ， 计算 各满意度指标的各满意度程度所占的百分比数据，然后将计算的数据调入spss15.0软件进行主成分分析，可得满意度百分比的方差分解主成分提取分析表。由输出结果可知特征值大于1的主成分个数为3，前3个主成分的方差累计贡献率为97.214，即实际损失信息仅占2.786%，极大的保证了 研究 的 科学 性和准确性。3.结果检验。对各指标的各满意程度所占的百分比进一步做主成分回归分析，得到主成分综合得分模型如下: 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。从主成分综合得分模型可以看出，员工认为最重要的是：福利待遇（x12）、工作适合度（x6）、工伤保险（x13）、保

7、险保障制度（x11）、工作兴趣度（x5）；其次为：工作绩效评价制度（x7）、分配机制（x14）、管理水平（x8）、归属感（x15）、 发展 机遇（x1）、同事间的工作协作配合（x9）；最后为：晋升机会（x4）、上班的工作环境（x10）、薪酬公平度（x3）、工资报酬（x2）。与此对应，员工对福利待遇的追求是 目前 我国现阶段的普遍趋势，所以排在了第一位；同时，煤矿 企业 目前在我国仍然是高危险性行业，所以员工把工作适合度、工伤保险、保险保障制度排在了前列；由于近年煤炭行业景气，员工收入有了很大提高，员工把工资报酬排在了最后。本结果也与员工访谈的结果非常一致。三、结语 应用 各满意程度所占的百分比进行主成分分析计算，突破了主成分分析法对样本量的限制，对原始分散的信息进行了预处理，提高了原始信息的集中度，不同的满意程度给予平等的权重，应用主成分分析更具合理性。在实证检验中，与通常方法相比使大于1的主成分个数由4个降低为3个，累计方差贡献率由55.32%提高到97.21%，且排序结果显示与事实非常一致。这是本文对主成分在满意度研究中应用的新探索。 参考 文献 ：1余锦华杨维权:多元统计分析与应用m.广州：中山大学出版社，2005.22