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(shù)據(jù)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(yè)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(shù)據(jù)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(fā)現(xiàn)，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(diào)查數(shù)據(jù)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(diào)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(diào)查樣本數(shù)據(jù)進行預處理。統(tǒng)計各指標不同滿意程度的樣本數(shù)，計算各指標不同滿意程度樣本所占調(diào)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(shù)據(jù)調(diào)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(shù)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(shù)據(jù)預處理程序，使用處理過的數(shù)據(jù)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(shù)據(jù)的平等性；第二，對數(shù)據(jù)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(shù)據(jù)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(diào)查設計及數(shù)據(jù)檢驗。以2007年11月對某企業(yè)的一次員工滿意度調(diào)查為例。本次調(diào)查委托該企業(yè)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(diào)查因素分為發(fā)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(xié)作（X9）、上班的工作環(huán)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(diào)查共取得調(diào)查表154份，經(jīng)過整理分析得到有效問卷152份，有效回收率為98.7%。將調(diào)查數(shù)據(jù)調(diào)入SPSS15.0軟件進行信度和效度檢驗。經(jīng)檢驗Cronbach α系數(shù)為0.817， 表明該量表內(nèi)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。

2.主成分分析。采用數(shù)據(jù)預處理方法，計算各滿意度指標的各滿意度程度所占的百分比數(shù)據(jù)，然后將計算的數(shù)據(jù)調(diào)入SPSS15.0軟件進行主成分分析，可得滿意度百分比的方差分解主成分提取分析表。由輸出結果可知特征值大于1的主成分個數(shù)為3，前3個主成分的方差累計貢獻率為97.214，即實際損失信息僅占2.786%，極大的保證了研究的科學性和準確性。

3.結果檢驗。對各指標的各滿意程度所占的百分比進一步做主成分回歸分析，得到主成分綜合得分模型如下: 綜合得分模型中每個指標所對應的系數(shù)即每個指標的權重。從主成分綜合得分模型可以看出，員工認為最重要的是：福利待遇（X12）、工作適合度（X6）、工傷保險（X13）、保險保障制度（X11）、工作興趣度（X5）；其次為：工作績效評價制度（X7）、分配機制（X14）、管理水平（X8）、歸屬感（X15）、發(fā)展機遇（X1）、同事間的工作協(xié)作配合（X9）；最后為：晉升機會（X4）、上班的工作環(huán)境（X10）、薪酬公平度（X3）、工資報酬（X2）。與此對應，員工對福利待遇的追求是目前我國現(xiàn)階段的普遍趨勢，所以排在了第一位；同時，煤礦企業(yè)目前在我國仍然是高危險性行業(yè)，所以員工把工作適合度、工傷保險、保險保障制度排在了前列；由于近年煤炭行業(yè)景氣，員工收入有了很大提高，員工把工資報酬排在了最后。本結果也與員工訪談的結果非常一致。

三、結語

應用各滿意程度所占的百分比進行主成分分析計算，突破了主成分分析法對樣本量的限制，對原始分散的信息進行了預處理，提高了原始信息的集中度，不同的滿意程度給予平等的權重，應用主成分分析更具合理性。在實證檢驗中，與通常方法相比使大于1的主成分個數(shù)由4個降低為3個，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非常一致。這是本文對主成分在滿意度研究中應用的新探索。

參考文獻：

[1]余錦華楊維權:多元統(tǒng)計分析與應用[M].廣州：中山大學出版社，2005.2

[2]王建民王傳旭楊力等:基于主成分分析模型的煤礦企業(yè)員工滿意度實證研究[J].安徽理工大學學報（社會科學版），2007，9（2）:1-6

[3]張文彤:SPSS11統(tǒng)計分析教程（高級篇）[M].北京:北京希望電子出版社，2002.6