服务质量评价指标筛选浅谈.docVIP

服务质量评价指标筛选浅谈一、引言 20世纪70年代初，Levit首次提出服务质量概念，认为服务质量就是指服务是否能达到预设的标准[1]。1980年格朗鲁斯在瑞士发表服务质量文章[2]，从此服务业开始重视质量问题。服务质量既是服务本身的特性的总和，同时也是消费者感知的反应。与有形产品的质量有比较大的区别，总的来说，服务质量就是服务的一组特性满足要求的程度。 在构造服务质量评价[3]指标时，初选的评价指标可以尽可能地全面。在指标体系优化的时候则需要考虑指标体系的全面性、科学性、层次性、可操作性、目的性等。当指标太多时，就会有很多重复指标，相互干扰，这就需要以正确的、科学的方法筛选指标。不同的服务行业其评价指标体系也不相同，指标筛选工作是针对特定服务行业的可操作性评价指标体系展开的。 服务质量评价指标筛选方法可以归为两大类：基于顾客问卷调查数据的定量筛选方法及基于专家问卷调查的定性筛选方法。前者建立在对顾客进行问卷调查数据的基础上，主要用于顾客感知质量评价指标筛选[4]。具体指标筛选方法有相关分析、马田系统、因子分析等数理统计方法。运用该方法进行指标筛选时，要求样本量尽可能大，以提高指标筛选的精确度。后者主要用于组织支撑质量评价指标筛选[4]，主要方法为专家问卷调查法，亦称为德尔斐法。 二、基于顾客问卷调查数据的定量筛选法 (一)相关分析 相关分析[5～6]是研究评价指标之间密切程度的一种常用的统计方法。测评的质量指标之间通常存在着较大程度的相关关系，使得观测数据所反映的信息有所重叠。相关分析法可以通过分析来减少指标体系中的指标个数，从而消除高度相关指标对评价的影响。常用的相关系数的计算方法有Pearson矩阵相关和Spearman相关，前者是根据实际值进行计算，而后者是根据实际数据的值进行计算。 (二)马田系统 马田系统[7～8]的前身是20世纪90年代日本的田口玄一(Genichi Taguchi)博士在质量工程学基础上发展起来的模式识别技术。2000年时，田口玄一等人首次提出马田系统的概念，并简单系统地介绍了马田系统方法。其首要目标是优化指标体系，用马田系统中正交表进行方案的选择，并计算各个方案的信噪比，通过信噪比的排序和比较更加有效地剔除对结果影响较小的指标，从而实现对初始测评指标的测评和筛选，达到优化评价指标体系的目的。 马田系统的另外两个重要任务就是确定优化的基准空间和有效的评价阈值。然后计算测评样本到基准空间的马氏距离，将结果与各空间阈值相比较，从而有效界定测评样本反映的测评体的质量情况，并确定测评体所属的质量区域。如果测评体是多个，还可以依照马氏距离对测评体质量进行相互比较和有效排序。 马田系统整合了马氏距离、信噪比及正交表等工具，无须对数据作任何的假定，即可以对具有多特征的样品进行分类，达到诊断、评价和预测的目的。马氏距离不受量纲的影响，两点间的马氏距离与原始数据的测量单位无关；由标准化数据和中心数据(即原始数据与均值之差)计算出的二点之间的马氏距离相同。与传统复杂的计算相比，马田系统在处理较多检测变量时显得直观、简洁，因此受到了工程师等的喜爱。 采用马田系统进行服务质量评价具有如下优点：能够对现有的评价指标体系进行系统降维，使得优化后的指标体系更加具有科学性与简洁性；能够有效地克服人为的主观影响；通过不同的服务质量指数，不仅可以进行服务质量的合格评定，而且可以进行服务质量的星级评定。 马田系统对于基本空间的确定存在很大的主观性，所谓正常组，主要依靠于专业人士的经验，没有合理客观的评判和设立标准，阈值的确定也主要依靠经验。 (三)因子分析 因子分析[6]是一种降维、简化数据的技术，是主成分分析的推广。相对于主成分分析，因子分析更倾向于描述原始变量之间的相关关系。它通过研究众多变量之间的内部依赖关系，探求观测数据中的基本机构，并用少数几个“抽象”的变量(因子)来表示其基本信息的数据结构。因子能反映原来众多变量的主要信息，不会产生重要信息丢失现象，并且由于它比原始指标变量的数量大为减少，所以含义也更为明确，更能反映事物的本质。 用因子分析法筛选指标主要是验证或探查变量的因子结构模式是否与原来定义的属性相吻合，删除那些载荷不明显的评价指标，对指标分布做出调整，并重新定义指标的结构属性。 三、基于专家问卷调查的定性筛选方法 专家问卷调查法[9]主要是通过组织有相当人数的专家，以问卷的形式对备选的评价指标进行打分，并做出概率估计，将概率估算的结果告诉专家，充分发挥信息反馈和信息控制的作用，使得分散的评估意见逐渐收敛，最后集中在协调一致的结果上。其特点在于通过综合多数专家的经验与主观判断的技巧，客观而且大量非技术性的指标，使指标与指标之间存在很好的逻辑关系，指