市場調(diào)查中樣本數(shù)據(jù)缺失值問題研究

呂濤

摘 要：本文在對缺失值的基本概念、產(chǎn)生原因、主要處理方法進行簡單介紹的基礎(chǔ)上，提出了針對顧客滿意度測評的拓展模型以及缺失值的分類均值插補處理方法，相對于以往的均值插補法，該方法的有效性得到了進一步提升。為了驗證模型的效度、信度、適合度，以某公司為對象進行實證研究，對文章提出的顧客滿意度測評拓展模型進行評價分析，最終取得了滿意且有效的測評結(jié)果。

關(guān)鍵詞：市場調(diào)查；樣本數(shù)據(jù)缺失；缺失值

一、引言

所謂缺失值就是指在研究分析中的數(shù)據(jù)統(tǒng)計方式，傳統(tǒng)的獲取方式是通過抽樣，但在實際操作時因為各種主客觀因素的影響而未能獲取相應調(diào)查數(shù)據(jù)，也常被成為缺失數(shù)據(jù)。根據(jù)以往的理論研究成果和實踐經(jīng)驗，市場調(diào)查中樣本數(shù)據(jù)缺失是比較普遍的一種現(xiàn)象，究其原因，主要有以下幾個方面：（1）受調(diào)查對象出于個人的主觀意愿對調(diào)查者希望從自己這里獲取所需數(shù)據(jù)的行為持否定態(tài)度。（2）因各種不可控的因素而導致調(diào)查數(shù)據(jù)缺失。（3）受調(diào)查系統(tǒng)不完善、調(diào)查人員操作失誤等因素的影響，未能實現(xiàn)對所需數(shù)據(jù)的全面搜集。（4）在對調(diào)查數(shù)據(jù)進行匯總處理時出現(xiàn)錯誤或失誤而引起的數(shù)據(jù)缺失。不過，以上四種原因僅為導致數(shù)據(jù)缺失問題的主要原因，在實際工作中，缺失數(shù)據(jù)的產(chǎn)生原因種類繁多，很難對缺失數(shù)據(jù)的產(chǎn)生方式與機制進行準確的判斷和檢測，為了使針對缺失數(shù)據(jù)的研究能夠順利開展，專家和學者們從形式上將其劃分為項目缺失、單元缺失兩種類型。Rubin、Little在對數(shù)據(jù)缺失機制進行定義時將其劃分為以下三種類型：不可忽略的缺失、隨機缺失、完全隨機缺失。在推估過程中，缺失數(shù)據(jù)主要有單調(diào)、單變量、任意缺失三種表現(xiàn)形式。就目前的實際情況來看，刪除法、插補法以及最大似然估計法是缺失數(shù)值問題處理工作中最常用的三種方法，而缺失值的補法主要包括多重插補法、隨機插補法和均值插補法等，MCMC算法、EM算法、相似反映模式算法、最大似然估計法、回歸或主成分法也是處理缺失值的常用方法。本次研究針對市場調(diào)查中的顧客滿意度調(diào)查，提出一種新的缺失值處理方法——分類均值插補法，以此實現(xiàn)解決市場調(diào)查中樣本數(shù)據(jù)缺失值問題的最終目標。

二、構(gòu)建顧客滿意度指數(shù)測評拓展模型

本次研究所構(gòu)建的顧客滿意度指數(shù)測評拓展模型共涉及潛變量7個，分別為消費者滿意度、抱怨、質(zhì)量期望、忠誠以及感知質(zhì)量、價值期望和品牌期望。外生變量僅有品牌期望1個，其余均為內(nèi)生變量。模型路徑如圖所示。

三、求解帶缺失值的顧客滿意度指數(shù)

1.處理異常值

這里所說的異常值，是指受調(diào)查者不遠回答問卷調(diào)查中的相關(guān)問題或回答結(jié)果超出數(shù)值范圍時所采用的默認值，調(diào)查問卷采用10分制，受調(diào)查者通過給分方式表達自己對相關(guān)項目的滿意或認可程度。98名受調(diào)查者表示自己不了解相關(guān)信息， 99名受調(diào)查者不愿作答，101名受調(diào)查者表示從不購買，以上回答均以缺失值進行處理。標準化處理后，樣本值的方差、均值分別為1、0。

2.處理缺失值

首先，用0代替數(shù)據(jù)庫中標記為NaN的缺失值，若潛變量對應的顯變量的樣本值完全缺失，則認為該樣本無效，采用成對刪除法進行處理；若潛變量對應的顯變量的樣本值僅有部分缺失，采用“分類均值插補法”進行處理?！胺诸惥挡逖a法”的操作流程可以簡單的概括為：依1～10分分值將滿意度字段劃分為10個類別，若某一類別中存在缺失值，則以該類別的缺失值均值插補?！胺诸惥挡逖a法”是由均值插補法發(fā)展而來，二者在均方根誤差方面的比較結(jié)果見表1。

3.潛變量估計值的獲取

潛變量估計值通過PLS算法反復迭代獲取，需要注意的一點是，若塊結(jié)構(gòu)含有多個潛變量結(jié)構(gòu)方程模型，那么在設定過程中應假定各指標及其對應的潛變量之間為線性關(guān)系；在對模型的內(nèi)部關(guān)系進行設定時，應堅持不同關(guān)系共同構(gòu)成一個線性因果鏈系統(tǒng)的原則。

步驟一：對潛變量、權(quán)重進行迭代估計，同時估計定位系數(shù)。

步驟二：重復執(zhí)行①～④，直至滿足迭代條件。

四、顧客滿意度測評拓展模型的實證分析

1.顧客滿意度測評拓展模型的應用及評價。模型的實證分析涉及顯變量17個、潛變量7個（ξ0～6，分別對應消費者期望、質(zhì)量期望值、價值期望值、消費者滿意度、消費者抱怨、消費者忠誠以及企業(yè)形象）。調(diào)查工作以網(wǎng)上發(fā)放調(diào)查問卷的形式開展，共涉及225名受調(diào)查者（即樣本量為225）。X52代表價格敏感度，包括價格上下浮動的不同趨勢，取值定義為價格上下浮動25%。用符號NaN替換表中的98、99、101，代表缺失數(shù)據(jù)。對原始數(shù)據(jù)進行標準化處理，設定權(quán)重迭代條件初始值，計算消費者對商品質(zhì)量和價值的滿意度指數(shù)值。模型合理性評價于PLS路徑模型相關(guān)參數(shù)得出后進行。

通過測量、結(jié)構(gòu)模型獲悉模型的科學可靠性，測量評價包括信度、效度兩個方面，結(jié)構(gòu)評價則以分析路徑系數(shù)為主。分別對七組變量進行主成分分析，分析數(shù)據(jù)表明，第一主成分特征值>1，第二主成分特征值<1，DG.rho以及C.alpha均>0.7，各組變量單一緯度均滿足要求。測評標準化因子0.59～0.90，所涉及概念AVE值0.81～0.99，均滿足“>0.5”的要求，證明所設計量表的內(nèi)斂效度良好。不同解釋潛變量及所對應的潛變量R2值均>0，說明模型具備所需解釋能力。模型擬合優(yōu)度GoF=0.7，說明模型擬合效果滿足要求。

依據(jù)迭代過程中權(quán)重系數(shù)ω的計算結(jié)果，可以歸納出以下結(jié)論：（1）在權(quán)重初始值不完全為0的情況下，最終迭代結(jié)果不會受到影響；（2）若調(diào)查樣本、迭代中止條件相同，則權(quán)重分析結(jié)果不會因初始權(quán)重ω值的差異而受到影響。（3）迭代過程是收斂的，雖然權(quán)重初值的差異會對迭代次數(shù)以及迭代過程中的權(quán)重值產(chǎn)生影響，但并不會導致迭代結(jié)果發(fā)生改變的問題。

基于Java設計開發(fā)的SmartPLS軟件包括路徑、因子、質(zhì)子三種權(quán)重模式，在相同樣本的處理過程中，SmartPLS軟件至收斂分別需要13、13、9次迭代，本文所采用的方法僅需5次迭代即可達到同樣的效果。由這一結(jié)果我們可以看出，本次研究所采用的處理方式能夠使模型分析、處理速度較以往有較大幅度的提升，在測量模型系數(shù)、結(jié)構(gòu)模型系數(shù)、權(quán)重系數(shù)等方面則與SmartPLS軟件一致。

2.測評結(jié)果。經(jīng)計算和分析后獲取各潛變量間標準化路徑系數(shù)，所得部分結(jié)果如表2所示。

根據(jù)以上實證分析以及對各參數(shù)的評價結(jié)果，我們對該公司的網(wǎng)上滿意度調(diào)查結(jié)果進行如下歸納：

（1）感知質(zhì)量和價值、顧客期望、企業(yè)形象這4個潛變量與顧客滿意度之間存在明顯的正比關(guān)系，排名前三的依次為感知質(zhì)量、感知價值、企業(yè)形象，分別為0.6171、0.2997和0.2183。由此可以看出，想要使客戶對公司產(chǎn)品的滿意度得到進一步的提升，最為關(guān)鍵的一點是保證產(chǎn)品質(zhì)量，合理控制產(chǎn)品價格也將為顧客滿意度的提升做出一定貢獻。

（2）顧客忠誠度受顧客滿意度的直接、間接影響β53、β43β54分別為0.6888、0.07132，證明顧客滿意度對于顧客忠誠的直接影響較強，而對顧客忠誠的間接影響相對較弱。

五、結(jié)語

本文在對數(shù)據(jù)缺失的基本概念、產(chǎn)生原因、主要處理方式進行了簡單的說明和介紹，在幫助讀者了解數(shù)據(jù)缺失值問題相關(guān)情況的基礎(chǔ)上提出針對顧客滿意度指數(shù)測評拓展模型，該模型細化了感知質(zhì)量潛變量，將其分為感知服務、產(chǎn)品質(zhì)量兩種類型，使同時提供產(chǎn)品和服務的現(xiàn)代企業(yè)在市場調(diào)查的過程中能夠?qū)в腥笔е档念櫩蜐M意度指數(shù)進行更加方便的處理，使測評工作的開展更加簡潔、高效。為了使這一目標得到更好的實現(xiàn)，文章基于均值插補法提出了“分類均值插補法”并將其應用于缺失值問題的處理過程中，相對而言，新方法的有效性得到了進一步提升。為了驗證模型的效度、信度、適合度，以某公司為對象進行實證研究，對文章提出的顧客滿意度測評拓展模型進行評價分析，最終取得了滿意且有效的測評結(jié)果。

參考文獻：

[1]魯純.灰色建模中數(shù)據(jù)缺失值處理方法探討[J].遼寧省交通高等?？茖W校學報，2013，15（2）：18-22.

[2]帥平，李曉松，等.缺失數(shù)據(jù)統(tǒng)計處理方法的研究進展[J].中國衛(wèi)生統(tǒng)計，2013，（1）：135-139.

[3]王曼，施念.成組刪除法和多重填補法對隨機缺失的二分類變量資料處理效果的比較[J].鄭州大學學報：醫(yī)學版，2012，47（5）：642-645.endprint

摘 要：本文在對缺失值的基本概念、產(chǎn)生原因、主要處理方法進行簡單介紹的基礎(chǔ)上，提出了針對顧客滿意度測評的拓展模型以及缺失值的分類均值插補處理方法，相對于以往的均值插補法，該方法的有效性得到了進一步提升。為了驗證模型的效度、信度、適合度，以某公司為對象進行實證研究，對文章提出的顧客滿意度測評拓展模型進行評價分析，最終取得了滿意且有效的測評結(jié)果。

關(guān)鍵詞：市場調(diào)查；樣本數(shù)據(jù)缺失；缺失值

一、引言

所謂缺失值就是指在研究分析中的數(shù)據(jù)統(tǒng)計方式，傳統(tǒng)的獲取方式是通過抽樣，但在實際操作時因為各種主客觀因素的影響而未能獲取相應調(diào)查數(shù)據(jù)，也常被成為缺失數(shù)據(jù)。根據(jù)以往的理論研究成果和實踐經(jīng)驗，市場調(diào)查中樣本數(shù)據(jù)缺失是比較普遍的一種現(xiàn)象，究其原因，主要有以下幾個方面：（1）受調(diào)查對象出于個人的主觀意愿對調(diào)查者希望從自己這里獲取所需數(shù)據(jù)的行為持否定態(tài)度。（2）因各種不可控的因素而導致調(diào)查數(shù)據(jù)缺失。（3）受調(diào)查系統(tǒng)不完善、調(diào)查人員操作失誤等因素的影響，未能實現(xiàn)對所需數(shù)據(jù)的全面搜集。（4）在對調(diào)查數(shù)據(jù)進行匯總處理時出現(xiàn)錯誤或失誤而引起的數(shù)據(jù)缺失。不過，以上四種原因僅為導致數(shù)據(jù)缺失問題的主要原因，在實際工作中，缺失數(shù)據(jù)的產(chǎn)生原因種類繁多，很難對缺失數(shù)據(jù)的產(chǎn)生方式與機制進行準確的判斷和檢測，為了使針對缺失數(shù)據(jù)的研究能夠順利開展，專家和學者們從形式上將其劃分為項目缺失、單元缺失兩種類型。Rubin、Little在對數(shù)據(jù)缺失機制進行定義時將其劃分為以下三種類型：不可忽略的缺失、隨機缺失、完全隨機缺失。在推估過程中，缺失數(shù)據(jù)主要有單調(diào)、單變量、任意缺失三種表現(xiàn)形式。就目前的實際情況來看，刪除法、插補法以及最大似然估計法是缺失數(shù)值問題處理工作中最常用的三種方法，而缺失值的補法主要包括多重插補法、隨機插補法和均值插補法等，MCMC算法、EM算法、相似反映模式算法、最大似然估計法、回歸或主成分法也是處理缺失值的常用方法。本次研究針對市場調(diào)查中的顧客滿意度調(diào)查，提出一種新的缺失值處理方法——分類均值插補法，以此實現(xiàn)解決市場調(diào)查中樣本數(shù)據(jù)缺失值問題的最終目標。

二、構(gòu)建顧客滿意度指數(shù)測評拓展模型

本次研究所構(gòu)建的顧客滿意度指數(shù)測評拓展模型共涉及潛變量7個，分別為消費者滿意度、抱怨、質(zhì)量期望、忠誠以及感知質(zhì)量、價值期望和品牌期望。外生變量僅有品牌期望1個，其余均為內(nèi)生變量。模型路徑如圖所示。

三、求解帶缺失值的顧客滿意度指數(shù)

1.處理異常值

這里所說的異常值，是指受調(diào)查者不遠回答問卷調(diào)查中的相關(guān)問題或回答結(jié)果超出數(shù)值范圍時所采用的默認值，調(diào)查問卷采用10分制，受調(diào)查者通過給分方式表達自己對相關(guān)項目的滿意或認可程度。98名受調(diào)查者表示自己不了解相關(guān)信息， 99名受調(diào)查者不愿作答，101名受調(diào)查者表示從不購買，以上回答均以缺失值進行處理。標準化處理后，樣本值的方差、均值分別為1、0。

2.處理缺失值

首先，用0代替數(shù)據(jù)庫中標記為NaN的缺失值，若潛變量對應的顯變量的樣本值完全缺失，則認為該樣本無效，采用成對刪除法進行處理；若潛變量對應的顯變量的樣本值僅有部分缺失，采用“分類均值插補法”進行處理?！胺诸惥挡逖a法”的操作流程可以簡單的概括為：依1～10分分值將滿意度字段劃分為10個類別，若某一類別中存在缺失值，則以該類別的缺失值均值插補。“分類均值插補法”是由均值插補法發(fā)展而來，二者在均方根誤差方面的比較結(jié)果見表1。

3.潛變量估計值的獲取

潛變量估計值通過PLS算法反復迭代獲取，需要注意的一點是，若塊結(jié)構(gòu)含有多個潛變量結(jié)構(gòu)方程模型，那么在設定過程中應假定各指標及其對應的潛變量之間為線性關(guān)系；在對模型的內(nèi)部關(guān)系進行設定時，應堅持不同關(guān)系共同構(gòu)成一個線性因果鏈系統(tǒng)的原則。

步驟一：對潛變量、權(quán)重進行迭代估計，同時估計定位系數(shù)。

步驟二：重復執(zhí)行①～④，直至滿足迭代條件。

四、顧客滿意度測評拓展模型的實證分析

1.顧客滿意度測評拓展模型的應用及評價。模型的實證分析涉及顯變量17個、潛變量7個（ξ0～6，分別對應消費者期望、質(zhì)量期望值、價值期望值、消費者滿意度、消費者抱怨、消費者忠誠以及企業(yè)形象）。調(diào)查工作以網(wǎng)上發(fā)放調(diào)查問卷的形式開展，共涉及225名受調(diào)查者（即樣本量為225）。X52代表價格敏感度，包括價格上下浮動的不同趨勢，取值定義為價格上下浮動25%。用符號NaN替換表中的98、99、101，代表缺失數(shù)據(jù)。對原始數(shù)據(jù)進行標準化處理，設定權(quán)重迭代條件初始值，計算消費者對商品質(zhì)量和價值的滿意度指數(shù)值。模型合理性評價于PLS路徑模型相關(guān)參數(shù)得出后進行。

通過測量、結(jié)構(gòu)模型獲悉模型的科學可靠性，測量評價包括信度、效度兩個方面，結(jié)構(gòu)評價則以分析路徑系數(shù)為主。分別對七組變量進行主成分分析，分析數(shù)據(jù)表明，第一主成分特征值>1，第二主成分特征值<1，DG.rho以及C.alpha均>0.7，各組變量單一緯度均滿足要求。測評標準化因子0.59～0.90，所涉及概念AVE值0.81～0.99，均滿足“>0.5”的要求，證明所設計量表的內(nèi)斂效度良好。不同解釋潛變量及所對應的潛變量R2值均>0，說明模型具備所需解釋能力。模型擬合優(yōu)度GoF=0.7，說明模型擬合效果滿足要求。

依據(jù)迭代過程中權(quán)重系數(shù)ω的計算結(jié)果，可以歸納出以下結(jié)論：（1）在權(quán)重初始值不完全為0的情況下，最終迭代結(jié)果不會受到影響；（2）若調(diào)查樣本、迭代中止條件相同，則權(quán)重分析結(jié)果不會因初始權(quán)重ω值的差異而受到影響。（3）迭代過程是收斂的，雖然權(quán)重初值的差異會對迭代次數(shù)以及迭代過程中的權(quán)重值產(chǎn)生影響，但并不會導致迭代結(jié)果發(fā)生改變的問題。

基于Java設計開發(fā)的SmartPLS軟件包括路徑、因子、質(zhì)子三種權(quán)重模式，在相同樣本的處理過程中，SmartPLS軟件至收斂分別需要13、13、9次迭代，本文所采用的方法僅需5次迭代即可達到同樣的效果。由這一結(jié)果我們可以看出，本次研究所采用的處理方式能夠使模型分析、處理速度較以往有較大幅度的提升，在測量模型系數(shù)、結(jié)構(gòu)模型系數(shù)、權(quán)重系數(shù)等方面則與SmartPLS軟件一致。

2.測評結(jié)果。經(jīng)計算和分析后獲取各潛變量間標準化路徑系數(shù)，所得部分結(jié)果如表2所示。

根據(jù)以上實證分析以及對各參數(shù)的評價結(jié)果，我們對該公司的網(wǎng)上滿意度調(diào)查結(jié)果進行如下歸納：

（1）感知質(zhì)量和價值、顧客期望、企業(yè)形象這4個潛變量與顧客滿意度之間存在明顯的正比關(guān)系，排名前三的依次為感知質(zhì)量、感知價值、企業(yè)形象，分別為0.6171、0.2997和0.2183。由此可以看出，想要使客戶對公司產(chǎn)品的滿意度得到進一步的提升，最為關(guān)鍵的一點是保證產(chǎn)品質(zhì)量，合理控制產(chǎn)品價格也將為顧客滿意度的提升做出一定貢獻。

（2）顧客忠誠度受顧客滿意度的直接、間接影響β53、β43β54分別為0.6888、0.07132，證明顧客滿意度對于顧客忠誠的直接影響較強，而對顧客忠誠的間接影響相對較弱。

五、結(jié)語

本文在對數(shù)據(jù)缺失的基本概念、產(chǎn)生原因、主要處理方式進行了簡單的說明和介紹，在幫助讀者了解數(shù)據(jù)缺失值問題相關(guān)情況的基礎(chǔ)上提出針對顧客滿意度指數(shù)測評拓展模型，該模型細化了感知質(zhì)量潛變量，將其分為感知服務、產(chǎn)品質(zhì)量兩種類型，使同時提供產(chǎn)品和服務的現(xiàn)代企業(yè)在市場調(diào)查的過程中能夠?qū)в腥笔е档念櫩蜐M意度指數(shù)進行更加方便的處理，使測評工作的開展更加簡潔、高效。為了使這一目標得到更好的實現(xiàn)，文章基于均值插補法提出了“分類均值插補法”并將其應用于缺失值問題的處理過程中，相對而言，新方法的有效性得到了進一步提升。為了驗證模型的效度、信度、適合度，以某公司為對象進行實證研究，對文章提出的顧客滿意度測評拓展模型進行評價分析，最終取得了滿意且有效的測評結(jié)果。

參考文獻：

[1]魯純.灰色建模中數(shù)據(jù)缺失值處理方法探討[J].遼寧省交通高等?？茖W校學報，2013，15（2）：18-22.

[2]帥平，李曉松，等.缺失數(shù)據(jù)統(tǒng)計處理方法的研究進展[J].中國衛(wèi)生統(tǒng)計，2013，（1）：135-139.

[3]王曼，施念.成組刪除法和多重填補法對隨機缺失的二分類變量資料處理效果的比較[J].鄭州大學學報：醫(yī)學版，2012，47（5）：642-645.endprint

摘 要：本文在對缺失值的基本概念、產(chǎn)生原因、主要處理方法進行簡單介紹的基礎(chǔ)上，提出了針對顧客滿意度測評的拓展模型以及缺失值的分類均值插補處理方法，相對于以往的均值插補法，該方法的有效性得到了進一步提升。為了驗證模型的效度、信度、適合度，以某公司為對象進行實證研究，對文章提出的顧客滿意度測評拓展模型進行評價分析，最終取得了滿意且有效的測評結(jié)果。

關(guān)鍵詞：市場調(diào)查；樣本數(shù)據(jù)缺失；缺失值

一、引言

所謂缺失值就是指在研究分析中的數(shù)據(jù)統(tǒng)計方式，傳統(tǒng)的獲取方式是通過抽樣，但在實際操作時因為各種主客觀因素的影響而未能獲取相應調(diào)查數(shù)據(jù)，也常被成為缺失數(shù)據(jù)。根據(jù)以往的理論研究成果和實踐經(jīng)驗，市場調(diào)查中樣本數(shù)據(jù)缺失是比較普遍的一種現(xiàn)象，究其原因，主要有以下幾個方面：（1）受調(diào)查對象出于個人的主觀意愿對調(diào)查者希望從自己這里獲取所需數(shù)據(jù)的行為持否定態(tài)度。（2）因各種不可控的因素而導致調(diào)查數(shù)據(jù)缺失。（3）受調(diào)查系統(tǒng)不完善、調(diào)查人員操作失誤等因素的影響，未能實現(xiàn)對所需數(shù)據(jù)的全面搜集。（4）在對調(diào)查數(shù)據(jù)進行匯總處理時出現(xiàn)錯誤或失誤而引起的數(shù)據(jù)缺失。不過，以上四種原因僅為導致數(shù)據(jù)缺失問題的主要原因，在實際工作中，缺失數(shù)據(jù)的產(chǎn)生原因種類繁多，很難對缺失數(shù)據(jù)的產(chǎn)生方式與機制進行準確的判斷和檢測，為了使針對缺失數(shù)據(jù)的研究能夠順利開展，專家和學者們從形式上將其劃分為項目缺失、單元缺失兩種類型。Rubin、Little在對數(shù)據(jù)缺失機制進行定義時將其劃分為以下三種類型：不可忽略的缺失、隨機缺失、完全隨機缺失。在推估過程中，缺失數(shù)據(jù)主要有單調(diào)、單變量、任意缺失三種表現(xiàn)形式。就目前的實際情況來看，刪除法、插補法以及最大似然估計法是缺失數(shù)值問題處理工作中最常用的三種方法，而缺失值的補法主要包括多重插補法、隨機插補法和均值插補法等，MCMC算法、EM算法、相似反映模式算法、最大似然估計法、回歸或主成分法也是處理缺失值的常用方法。本次研究針對市場調(diào)查中的顧客滿意度調(diào)查，提出一種新的缺失值處理方法——分類均值插補法，以此實現(xiàn)解決市場調(diào)查中樣本數(shù)據(jù)缺失值問題的最終目標。

二、構(gòu)建顧客滿意度指數(shù)測評拓展模型

本次研究所構(gòu)建的顧客滿意度指數(shù)測評拓展模型共涉及潛變量7個，分別為消費者滿意度、抱怨、質(zhì)量期望、忠誠以及感知質(zhì)量、價值期望和品牌期望。外生變量僅有品牌期望1個，其余均為內(nèi)生變量。模型路徑如圖所示。

三、求解帶缺失值的顧客滿意度指數(shù)

1.處理異常值

這里所說的異常值，是指受調(diào)查者不遠回答問卷調(diào)查中的相關(guān)問題或回答結(jié)果超出數(shù)值范圍時所采用的默認值，調(diào)查問卷采用10分制，受調(diào)查者通過給分方式表達自己對相關(guān)項目的滿意或認可程度。98名受調(diào)查者表示自己不了解相關(guān)信息， 99名受調(diào)查者不愿作答，101名受調(diào)查者表示從不購買，以上回答均以缺失值進行處理。標準化處理后，樣本值的方差、均值分別為1、0。

2.處理缺失值

首先，用0代替數(shù)據(jù)庫中標記為NaN的缺失值，若潛變量對應的顯變量的樣本值完全缺失，則認為該樣本無效，采用成對刪除法進行處理；若潛變量對應的顯變量的樣本值僅有部分缺失，采用“分類均值插補法”進行處理?！胺诸惥挡逖a法”的操作流程可以簡單的概括為：依1～10分分值將滿意度字段劃分為10個類別，若某一類別中存在缺失值，則以該類別的缺失值均值插補。“分類均值插補法”是由均值插補法發(fā)展而來，二者在均方根誤差方面的比較結(jié)果見表1。

3.潛變量估計值的獲取

潛變量估計值通過PLS算法反復迭代獲取，需要注意的一點是，若塊結(jié)構(gòu)含有多個潛變量結(jié)構(gòu)方程模型，那么在設定過程中應假定各指標及其對應的潛變量之間為線性關(guān)系；在對模型的內(nèi)部關(guān)系進行設定時，應堅持不同關(guān)系共同構(gòu)成一個線性因果鏈系統(tǒng)的原則。

步驟一：對潛變量、權(quán)重進行迭代估計，同時估計定位系數(shù)。

步驟二：重復執(zhí)行①～④，直至滿足迭代條件。

四、顧客滿意度測評拓展模型的實證分析

1.顧客滿意度測評拓展模型的應用及評價。模型的實證分析涉及顯變量17個、潛變量7個（ξ0～6，分別對應消費者期望、質(zhì)量期望值、價值期望值、消費者滿意度、消費者抱怨、消費者忠誠以及企業(yè)形象）。調(diào)查工作以網(wǎng)上發(fā)放調(diào)查問卷的形式開展，共涉及225名受調(diào)查者（即樣本量為225）。X52代表價格敏感度，包括價格上下浮動的不同趨勢，取值定義為價格上下浮動25%。用符號NaN替換表中的98、99、101，代表缺失數(shù)據(jù)。對原始數(shù)據(jù)進行標準化處理，設定權(quán)重迭代條件初始值，計算消費者對商品質(zhì)量和價值的滿意度指數(shù)值。模型合理性評價于PLS路徑模型相關(guān)參數(shù)得出后進行。

通過測量、結(jié)構(gòu)模型獲悉模型的科學可靠性，測量評價包括信度、效度兩個方面，結(jié)構(gòu)評價則以分析路徑系數(shù)為主。分別對七組變量進行主成分分析，分析數(shù)據(jù)表明，第一主成分特征值>1，第二主成分特征值<1，DG.rho以及C.alpha均>0.7，各組變量單一緯度均滿足要求。測評標準化因子0.59～0.90，所涉及概念AVE值0.81～0.99，均滿足“>0.5”的要求，證明所設計量表的內(nèi)斂效度良好。不同解釋潛變量及所對應的潛變量R2值均>0，說明模型具備所需解釋能力。模型擬合優(yōu)度GoF=0.7，說明模型擬合效果滿足要求。

依據(jù)迭代過程中權(quán)重系數(shù)ω的計算結(jié)果，可以歸納出以下結(jié)論：（1）在權(quán)重初始值不完全為0的情況下，最終迭代結(jié)果不會受到影響；（2）若調(diào)查樣本、迭代中止條件相同，則權(quán)重分析結(jié)果不會因初始權(quán)重ω值的差異而受到影響。（3）迭代過程是收斂的，雖然權(quán)重初值的差異會對迭代次數(shù)以及迭代過程中的權(quán)重值產(chǎn)生影響，但并不會導致迭代結(jié)果發(fā)生改變的問題。

基于Java設計開發(fā)的SmartPLS軟件包括路徑、因子、質(zhì)子三種權(quán)重模式，在相同樣本的處理過程中，SmartPLS軟件至收斂分別需要13、13、9次迭代，本文所采用的方法僅需5次迭代即可達到同樣的效果。由這一結(jié)果我們可以看出，本次研究所采用的處理方式能夠使模型分析、處理速度較以往有較大幅度的提升，在測量模型系數(shù)、結(jié)構(gòu)模型系數(shù)、權(quán)重系數(shù)等方面則與SmartPLS軟件一致。

2.測評結(jié)果。經(jīng)計算和分析后獲取各潛變量間標準化路徑系數(shù)，所得部分結(jié)果如表2所示。

根據(jù)以上實證分析以及對各參數(shù)的評價結(jié)果，我們對該公司的網(wǎng)上滿意度調(diào)查結(jié)果進行如下歸納：

（1）感知質(zhì)量和價值、顧客期望、企業(yè)形象這4個潛變量與顧客滿意度之間存在明顯的正比關(guān)系，排名前三的依次為感知質(zhì)量、感知價值、企業(yè)形象，分別為0.6171、0.2997和0.2183。由此可以看出，想要使客戶對公司產(chǎn)品的滿意度得到進一步的提升，最為關(guān)鍵的一點是保證產(chǎn)品質(zhì)量，合理控制產(chǎn)品價格也將為顧客滿意度的提升做出一定貢獻。

（2）顧客忠誠度受顧客滿意度的直接、間接影響β53、β43β54分別為0.6888、0.07132，證明顧客滿意度對于顧客忠誠的直接影響較強，而對顧客忠誠的間接影響相對較弱。

五、結(jié)語

本文在對數(shù)據(jù)缺失的基本概念、產(chǎn)生原因、主要處理方式進行了簡單的說明和介紹，在幫助讀者了解數(shù)據(jù)缺失值問題相關(guān)情況的基礎(chǔ)上提出針對顧客滿意度指數(shù)測評拓展模型，該模型細化了感知質(zhì)量潛變量，將其分為感知服務、產(chǎn)品質(zhì)量兩種類型，使同時提供產(chǎn)品和服務的現(xiàn)代企業(yè)在市場調(diào)查的過程中能夠?qū)в腥笔е档念櫩蜐M意度指數(shù)進行更加方便的處理，使測評工作的開展更加簡潔、高效。為了使這一目標得到更好的實現(xiàn)，文章基于均值插補法提出了“分類均值插補法”并將其應用于缺失值問題的處理過程中，相對而言，新方法的有效性得到了進一步提升。為了驗證模型的效度、信度、適合度，以某公司為對象進行實證研究，對文章提出的顧客滿意度測評拓展模型進行評價分析，最終取得了滿意且有效的測評結(jié)果。

參考文獻：

[1]魯純.灰色建模中數(shù)據(jù)缺失值處理方法探討[J].遼寧省交通高等?？茖W校學報，2013，15（2）：18-22.

[2]帥平，李曉松，等.缺失數(shù)據(jù)統(tǒng)計處理方法的研究進展[J].中國衛(wèi)生統(tǒng)計，2013，（1）：135-139.

[3]王曼，施念.成組刪除法和多重填補法對隨機缺失的二分類變量資料處理效果的比較[J].鄭州大學學報：醫(yī)學版，2012，47（5）：642-645.endprint