引言 随着中国经济的迅速发展，刺激了人们的消(2)
2013-06-07 01:23
导读：分析工具采用SPSS13.0。所需进行因子分析的11 个变量，均采用相同的量纲，因此不需要再进行数据的标准化。本研究对数据中的缺失数据采用均值替代法。
分析工具采用SPSS13.0。所需进行因子分析的11 个变量，均采用相同的量纲，因此不需要再进行数据的标准化。本研究对数据中的缺失数据采用均值替代法。研究的假设：变量呈正态分布；变量之间是线性关系[4]。
KMO and Bartlett’s Test 检验输出结果表，KMO 为0.654 大于0.6，sig 为0.000，即相关矩阵不是一个单位矩阵，说明变量可以进行因子分析。
为因子分析的总体方差解释即主成分列表，可见第一个公因子的特征根为4.152，它解释了总体变量的37.745%；第二个公因子的特征根为1.580，它解释了总体变量的14.364%；第三个公因子的特征根为1.029，它解释了总体变量的9.357%；三个公因子解释了总体11 个变量的61.465%，说明这三个公因子能解释全体的大部分方差。从碎石图也可以看出，从第三个公因子开始以后的特征根都非常低，这从另一个侧面说明只需提取三个公因子即可。
从表中可以看出，在第一个公因子中环境卫生、营业时间、预约处理、咨询处理、服务态度、着装仪表、场所设计、停车便利的因子负荷较高，这些变量均表达了顾客对银行服务感知质量的评判，因此我们将这个因子命名为“服务感知质量因子”。在第二个公因子中产品质量、物有所值的因子负荷较高，这些变量均表达了顾客对产品形象的评价，因此我们将因子命名为“产品形象因子”。在第三个公因子中产品摆放、咨询处理、预约处理的因子负荷较高，我们将因子命名为服务处理因子。
根据 SPSS 给出的因子得分矩阵，根据因子得分系数和原始变量的标准化值，可以计算每个观测量的各因子的得分数，并可以根据此对观测量进行进一步分析。服务感知因子、产品形象因子、服务处理因子可以表示为11 个变量的线性组合。其表达式分别为：
（科教范文网 lw.nSeAc.com编辑发布） F1 服务感知=0.069*产品质量-0.135*物有所值-0.205*产品摆放+0.208*环境卫生+0.177*营业时间+0.061*预约处理+0.085*咨询处理+0.191*服务态度+0.221*着装仪表+0.230*场所设计+0.235*停车便利F2 产品形象=0.450*产品质量+0.470*物有所值-0.012*产品摆放+0.119*环境卫生-0.331*营业时间+0.099*预约处理-0.157*咨询处理+0.217*服务态度-0.007*着装仪表-0.124*场所设计-0.014*停车便利F3 服务处理=-0.145*产品质量+0.094*物有所值+0.711*产品摆放-0.111*环境卫生+0.145*营业时间+0268*预约处理+0.391*咨询处理-0 .112*服务态度-0.042*着装仪表-0.041*场所设计-0.220*停车便利F1 服务感知因子解释总变量的37.745%，F2 产品形象因子解释总变量的14.364%，F3服务处理因子解释总变量的9.357%，说明顾客满意的标准是以环境卫生、营业时间、预约处理、咨询处理、服务态度、着装仪表、场所设计、停车便利是否满足要求为主题进行评价的，其中既有“有形的硬件”又有“无形的软件”支撑，我们在进行必要的硬件投入的同时，必须也应该进行素质、态度、产品等多方面的“软件建设”。
4 聚类分析
根据因子分析的结果，对92 个样本进行聚类分析。快速聚类适用于含200 个以上观测量的大数据文件的聚类分析。本调研有效样本92 份，不适合采用快速聚类，所以采用分层聚类。
11 个变量转为3 个综合指标（3 个因子）的好处在于减少了指标数目(降维)但综合指标包含的信息没有损失多少。适用3 个综合指标可以对调查的顾客的服务满意度更清楚的进行分析。
为了便于研究，本研究把样本聚为5 类，表8 为凝聚为5 类时各观测量的分类结果。
其中 C1 类62 人，C2 类2 人，C3 类6 人，C4 类12 人，C5 类10 人。C1 类的顾客人数最多，占总人数的67.39%。在研究顾客满意度的中，占很大比重。
（转载自科教范文网http://fw.nseac.com）
利用因子得分变量，调用SPSS 散点图作因子散点图。因子1 的得分变量F1 服务感知质量因子作为X 轴变量，因子2 的得分变量F2 产品形象因子作为Y 轴变量，因子3 的得分变量F3 服务处理因子作为Z 轴变量。“NO”为标签变量，聚类变量C5 作为分类变量。作图结果见。
