基于DEA顾客导向型行业服务效率测算.docVIP

基于DEA顾客导向型行业服务效率测算 　　一、引言 　　 　　顾客满意度指数（CSI）是一种以顾客满意为导向，着眼于从顾客角度出发，找出提高总体满意度的途径，从而培养忠诚度的测评体系。当前，其面临着两大问题：首先是测算出的满意度指数除排序对比分析外，还能做何种深入分析及应用？其次，就服务这种无形的生产活动而言，如何选择合适的投入、产出指标衡量其效率也是一个重要的问题。 　　常用的满意度服务绩效分析可对上述问题提供参考，这种方法主要用以满意度得分均值和影响系数均值为交点的二维坐标图来找出改进绩效隐变量。该方法在测评具体某一地区某一行业的服务时比较直观明了，但在涉及多个地区具体行业服务绩效的时候却很难给出综合结论。 　　因此，本文提出利用顾客满意度模型中顾客对服务的实际感受和意愿构造出以顾客为导向的服务效率投入、产出指标，进而利用DEA方法进行效率测算。 　　通过对CSI模型的深入分析，顾客满意度和忠诚度指数这两个指标是作为企业形象、感知质量、感知价值以及期望质量四个隐变量的结果呈现的，可以看作企业或行业在其隐变量基础上的产出；其中企业形象、感知质量、感知价值隐变量是对顾客测评的实际感受值，可以把它们考虑为企业为获得既定满意度和忠诚度而进行的最低投入。对该模型建立起输入、输出关系，考核其相对评价的有效性，利用DEA方法进行服务效率测算。 　　本文采用偏最小二乘法（PLS）对CSI模型进行估计，得到行业各个地区的隐变量得分，然后划分出输入输出指标，把每个被评价地区作为一个决策单元（DMU），再由所有DMU构成被评价群体，其中每个DMU都有已知的同类型“投入”和“产出”指标，以DMU的各个投入和产出指标的权重为变量进行评价运算。 　　 　　二、模型及算法 　　 　　本文所用模型为PLS的结构方程建模（SEM）以及DEA中的C?2R模型。 　　1.基于PLS的SEM 　　SEM源于20世纪20年代Sewll Wright提出的路径分析，其发展过程中较大的突破就是发展了本文所用的隐变量概念。各个隐变量之间的因果关系在模型中必须加以考虑。这种关系可用如下模型描述： 　　（1）内部模型（???构模型）：η= Βη+ Γξ+ζ。内部模型主要测量各个隐变量之间的因果关系。其中：ξ为外生隐变量，η为内生隐变量；Γ和Β为结构系数矩阵，分别表示ξ对η的影响和η之间的相互影响；ζ为残差。 　　（2）外部模型（测量模型）： X?η=π?ηη+ε； X?ξ=π?ξξ+δ。 　　外部模型衡量内、外生隐变量与其对应显变量之间的关系。π?η及π?ξ为测量系数矩阵，ε和δ为残差矩阵。隐变量可以用标准化隐变量的外部估计得到，设Y?j=??jh?(x??jh?-??jh?)，又有?j=???jh???jh?，隐变量估计值^ξ?j=???jh?x??jh?=Y?j+?j，其中??jh?为外部权重。通过这几步的迭代收敛，得到^ξ?j之后就可对内部模型进行普通最小二乘估计。该过程本文用LVPLS1.8软件实现。 　　 　　Charnes和Cooper等(1978)提出的C?2R模型已成为一种重要而有效的分析工具。C?2R为当前DEA中使用较为广泛的模型，其相应于j?0地区的DEA线型规划（D）模型为： 　　 　　?2）和感知质量（x?3）；y?j是输出变量，在本文中分别为满意度（y?1）和忠诚度（y?2）。 　　求解每个地区相应的DEA模型，若其最优值θ=1，则说明j?0地区是DEA有效，否则非DEA有效，而且，θ值越小，其相对有效性越低。 　　对于非DEA有效的地区，可以给出具体某个（些）非基变量变成基变量导致的目标函数中对应系数变化量，以此变化量来判断非DEA有效地区无效率的原因，即从服务满意度绩效角度而言，找出其提升服务效率的途径。该过程本文用Lingo8.0软件实现。 　　 　　三、实证分析 　　 　　本文利用2006年末对某省中国电信所覆盖的16个地区满意度调查的原始数据进行测算。 　　 　　表1所列的数字是通过PLS估计出的各地市隐变量得分值，隐变量得分右边括弧内数字表示非基变量变成基变量导致的目标函数中对应系数变化量。企业形象、感知质量、感知价值三个隐变量作为输入变量，满意度和忠诚度作为输出变量，各个地区作为DMU，便可得到各个地市的θ值。 　　θ值在各地区较接近，这是由于在CSI模型中，隐变量分值之间差异较小造成的，但是并不影响各个地市服务效率的相对评价。地区1-6的服务为DEA有效，其余9个地区接近DEA有效；该省的平均效率为?0.989，?接近于DEA有效。因此本年度该省中国电信顾客导向的总体服务效率较高。 　　从非基变量转变成基变量导致的目标函数中对应系数变化量的总体情况来看，在投入变量中，感