基于偏最小二乘方法商业银行顾客不满意因素分析.docVIP

基于偏最小二乘方法商业银行顾客不满意因素分析摘要：为了提高商业银行服务质量，文章总结并提出了商业银行在软件服务与硬件设施中各种导致顾客不满意的因素，通过设计调查问卷获取数据，使用偏最小二乘回归方法，依照客户不满意程度对各影响因子进行排序，发现商业银行影响顾客不满意的服务质量、网点位置、营业环境、机器故障、投诉处理5大因子中，服务质量、投诉处理对顾客不满影响最严重，而机器故障影响不显著，结论提供了银行业改进服务的依据。 关键词：商业银行；顾客不满意因素；偏最小二乘法 一、引言 目前中国金融市场的竞争日趋激烈。而当顾客实际得到的服务与预期服务不一致时，便会产生不满。调查显示，在每100位不满意的顾客中，约有13%的顾客人均会向20人传播不满，其余顾客平均向9人传播不满。因此，研究消费者不满意的因素越来越变得重要。 自从Cardozo在1965年将顾客满意度（CustomerSatisfaction）的概念引进营销学领域，各国对顾客满意度的理论研究和实践应用取得了长足发展。Olshavsky与Anderson探查了期望-不一致理论的基本框架，该模型认为预期服务质量和感知的服务质量发生不一致时，顾客会有各种反应，而根据感受服务不一致程度，分别产生满意、一般和不满意几种情绪。 西方学者Binter、Booms和Tettreault运用关键事件技术，从顾客角度探讨了服务接触中顾客满意与不满的原因，并将这些原因分类。在国内研究中，刘石保把不满意产生的原因归结为：促销差距、理解差距、程度差距。孙丽辉开发出了包装公司的测量量表。而在金融服务业中，李菁华总结出顾客不满意因素有核心服务失败与附加承诺失信等因素。 本研究在参考国内外学者对影响顾客不满意因素量表的基础上，设计出了适合我国商业银行影响顾客不满意因素的评分量表。并运用该量表，调查了200多名消费者。利用偏最小二乘法（PartialLeastSquaresPLS）对银行软硬件服务导致的顾客不满意因素进行分析，尝试给出各因子敏感度。 二、PLS回归数学模型 PLS回归分析是一种新型的多元统计数据分析方法，它于1983年由伍德（S.Wold）和阿巴诺（C.Albano）等人首次提出，主要适用于多因变量对多自变量的回归建模。与传统多元线性回归模型相比，PLS集中了主成分分析、相关分析和多元线性回归分析方法的特点，其建立的模型比传统的经典回归分析方法（OLS）有更好的效果。 三、商业银行顾客不满意模型设计 商业银行顾客不满受多种因素的影响。如某调查显示，85.8%的个人客户在银行柜台办理业务时排队等候时间过长。相关文献指出导致银行顾客不满意原因主要有：排长队问题、服务态度、营业网点分布、窗口业务员技术、营业时间。 综合分析后，本文从服务质量、网点位置、营业环境、机器故障、投诉处理5个因子方面进行研究。建立的模型，如图1所示。 具体影响因素及所对应变量设置，如表1所示。 四、实证研究和研究结果分析 （一）数据来源和描述性统计 本研究数据主要来源于西安某高校和各事业单位，共发放问卷220份，回收202份，回收率为92%，有效问卷194份，有效率为96%。有效样本中，男性和女性顾客各占总样本的48%和52%。其中24岁到30岁的顾客比例较大，占总样本的65%；硕士学历的顾客比例较大，占总样本的41%上。调查问卷采用10级李克特（Likert-10）量表设计，让顾客对其所经常办理业务的银行服务进行评价，并给出合适分值，其中1分为最低，10分为最高。 （二）数据的信度和效度分析 回收调查问卷后，需要对其进行信度和效度检验。选择克隆巴赫一致性指标（Cronbachsalpha）评判，其值位于0和1之间时，越接近于1则信度越高。借助统计软件SPSS17.0进行问卷信度分析。结果数据显示问卷的Cronbachsalpha均大于0.7，说明各问题问卷内部一致性较好。 根据本次调查问卷的特点本文采取结构效度进行分析。KMO，该系数越大，愈适合进行因素分析。此处KMO值为0.874，表示适合因素分析。此外，从Bartletts球形检验值为1742.750，自由度为231，适合进行因素分析。 以特征值=1为抽取因素标准，初始特征值大于1的共有5个，即22个影响因素经主成分分析法萃取为5个主要因子。这是因素分析时所抽出的共同因素数。五个共同因素的累积解释变异量（累计贡献率）为69.646%，说明能够解释变量的大部分差异。而通过转轴后的成分矩阵，我们可以看到测量变量与通过因素分析得出的共同因素所包含的内容基本一致。经过上述因素分析，论证了本调查问卷具有很高的建构效度。 （三）运行结果和结果分析 借助于S