CFI掠影及技术说明.pptVIP

科罗思咨询集团掠影以及本项目技术说明 科罗思集团 (CFI Group) 掠影 成立于1988年; 总部在美国密西根州安娜堡市 科罗思（上海）成立于2001年4月，位于中国上海市 集团主要领导及研究人员都是在客户及雇员满意度管理方面的著名专家学者；董事长科罗思.费耐尔教授是ACSI的创始人 14个分公司遍布全球; 共有150名咨询顾问和高级研究人员, 大多数人拥有工商管理硕士学位(MBA)或博士学位(PHD) 现时有上百家国际公司享用科罗思集团的咨询服务; 同时运行的咨询项目超过160项 科罗思独有的、已获专利的科学方法已应用于创立 ACSI (全美顾客满意度指数); 该项指数为全美国的标准指标并已成为美国经济的晴雨表；在欧盟和其他国家也已设立了类似标准 科罗思方法是唯一科学的把质量、客户及雇员满意度与品牌价值及公司利润系统地连接在一起的方法。 CFI 客户满意度项目执行步骤 CFI 术语 附件：为什么使用质量因素（多层指标体系）？ 单一层次指标体系包含了较大的测量误差。 测量误差会导致： 较不精确的满意度分数 对重要性往往低估(影响力结果偏倚向0) 单一层次指标的模型缺少多层指标体系（隐变量体系模型）的稳定性 单一层次指标模型缺少理解数据的理论框架 附录：测量 “金字塔” 附件：质量因素（隐变量）是怎么构建的？ 理论上讲：质量因素（隐变量）通常被视为质量属性（显变量）的内在的原因 在实践中：质量因素（隐变量）通过质量属性（显变量）的加权平均计算得出。在CFI系统中，各变量之间的权重是通过偏最小二乘法（PLS）计算得来。 附件：影响力是如何计算的？ 在使用偏最小二乘法计算出隐变量的分数后，影响力通过 “CFI改进”的回归方法来计算得出 “CFI改进”的回归方法：是一种偏最小二乘的回归方法，用于降低质量因素之间的多重共线性。因为如果多重共线性大，会导致无法判断因变量的变化是由哪一个自变量引起的，使得影响力的计算误差增大。 通过使用“CFI改进”的回归方法，使得计算出来的影响力是可量化和可比较的。 附录：反复使用PLS可以找到最优的模型方案 附录：最终模型确定过程中须进行如下分析 附录：模型分析 附录：对模型中可靠性的分析 所谓可靠性是指在测量中不同的被访者就同一问题的答案是否具有连贯性？ 可靠性通常用?来表示，我们还可以通过可靠性系数来判断测量误差，测量误差=1- ? 。 ?的数值在0到1之间 ? 应该至少为0.7，最好是0.8。 附录：对模型有效性--一维度的分析 质量因素应该是一维并且只能是一维指标 测量质量因素所包含的主要显变量的特征值来判定该质量因素的维度 如果能找到一个特征值明显大于其他值，则说明该质量因素是一维的 附录：对模型有效性--连贯性的分析 评价质量属性的回答值是否具有连贯性-是否有一些明显低于其他的值？为什么？ 质量属性（显变量）与它所属的质量因素（隐变量）之间的相关性应该比较高，用载荷来判断这种相关性-一般质量属性与质量因素之间的相关性（载荷）应该大于0.7。 评价共通性（将载荷的数值平方)，共通性的数值代表了质量因素下的所有质量属性的共通部分与它所属的质量因素之间在多大程度上具有相关性，共通性的数值至少应该为0.5。 附录：对模型有效性-区辨度分析 质量因素之间总会有相关性，但是如果质量因素之间的相关性为0.7或者更高，就意味着模型的质量因素之间的区辨度存在问题--原因可能是某几个质量因素在被访者看来并不具有明显的不同。 一个质量因素内部的平均共通性的数值应该大于这个质量因素与其他质量因素之间的相关性。也就是说一个质量因素应该与它自己所属的质量属性有更强的相关性而不是与其它的质量因素有更强的相关性。 附录：对模型拟合度的评估 对于模型拟合程度的标准测量是R2， 使用R2的数值大小来判断结构模型的解释能力。 使用调整过的R2控制预测变量的数值。 新的系统提供了更多的模型拟合诊断：协方差拟合，拟合指数，还有Q2（用于虚拟变量的影响力）。 附录：对模型中多重共线性的分析 当预测的隐变量之间有较高的相关性时会存在多重共线性 多重共线性意味着每一个隐变量较少具有独立的对满意度的影响。 这种独立性的丧失将使得得出的影响力不稳定，不精确。 附录：对模型中多重共线性的评定 成对的相关性显示了共线性的可能 只有在特定情况下才出现的数值和辅助的R2显示出影响力的相对不稳定 为了克服上述多重共线性的问题，CFI 开发出一套独有的方法来解决这个问题： 对影响力的评估进行“限定” 使用偏最小二乘法（PLS）来评估影响力。 技术说明结束！任何疑问请联络：科罗思咨询（上海）集团公司 电话：021 – 俞亮 或 杰夫瑞 Email：ElaineHa