美国顾客满意度指数模型(ASCI)
应用案例1
第一节模型设定
结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。
一、模型构建的思路
本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。
二、潜变量和可测变量的设定
本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。
模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。
表7-1 设计的结构路径图和基本路径假设
2.1、顾客满意模型中各因素的具体范畴
参考前面模型的总体构建情况、国外研究理论和其他行业实证结论，以及小范围甄别调查的结果，模型中各要素需要观测的具体范畴，见表7-2。
1关于该案例的操作也可结合书上第七章的相关内容来看。
2本案例是在Amos7中完成的。
3见spss数据文件“处理后的数据.sav”。
表7-2 模型变量对应表
三、关于顾客满意调查数据的收集
本次问卷调研的对象为居住在某大学校内的各类学生（包括全日制本科生、全日制硕士和博士研究生），并且近一个月内在校内某超市有购物体验的学生。调查采用随机拦访的方式，并且为避免样本的同质性和重复填写，按照性别和被访者经常光顾的超市进行控制。问卷内容包括7个潜变量因子，24项可测指标，7个人口变量，量表采用了Likert10级量度，如对超市形象的测量：
本次调查共发放问卷500份，收回有效样本436份。
四、缺失值的处理
采用表列删除法，即在一条记录中，只要存在一项缺失，则删除该记录。最终得到401条数据，基于这部分数据做分析。
五、数据的的信度和效度检验
1．数据的信度检验
信度（reliability）指测量结果（数据）一致性或稳定性的程度。一致性主要反映的是测验内部题目之间的关系，考察测验的各个题目是否测量了相同的内容或特质。稳定性是指用一种测量工具（譬如同一份问卷）对同一群受试者进行不同时间上的重复测量结果间的可靠系数。如果问卷设计合理，重复测量的结果间应该高度相关。由于本案例并没有进行多次重复测量，所以主要采用反映内部一致性的指标来测量数据的信度。
折半信度（split-half reliability）是将测量工具中的条目按奇偶数或前后分成两半，采用Spearman-brown 公式估计相关系数，相关系数高提示内部一致性好。然而，折半信度系数是建立在两半问题条目分数的方差相等这一假设基础上的，但实际数据并不一定满足这一假定，因此信度往往被低估。Cronbach在1951年提出了一种新的方法（Cronbach's Alpha系数），这种方法将测量工具中任一条目结果同其他所有条目作比较，对量表内部一致性估计更为慎重，因此克服了折半信度的缺点。本章采用SPSS16.0研究数据的内部
4正向的，采用Likert10级量度从“非常低”到“非常高”
一致性。在Analyze菜单中选择Scale下的Reliability Analysis（如图7-1），将数据中在左边方框中待分析的24个题目一一选中，然后点击，左边方框中待分析的24个题目进入右边的items方框中，使用Alpha 模型（默认），得到图7-2，然后点击ok即可得到如表7-3的结果，显示Cronbach's Alpha系数为0.892，说明案例所使用数据具有较好的信度。
图7-1 信度分析的选择
图7-2 信度分析变量及方法的选择
表7-3 信度分析结果
另外，对问卷中每个潜变量的信度分别检验结果如表7-4所示5。从表7-4可以看到，除顾客抱怨量表
5操作过程同前，不同的是在图7-14中选入右边方框items中是相应潜变量对应的题目。如对超市形象潜变量，只需要把a1、a2和a3题目选入到右边方框items中即可。
Cronbaca’s Alpha系数为0.255，比较低以外，其它分量表的Alpha系数均在0.7以上，且总量表的Cronbach’s Alpha系数达到了0.891，表明此量表的可靠性较高。由信度检验的结果可知顾客抱怨的测量指标的信度远低于0.7，因此在路径图中去掉顾客抱怨因子，即初始模型中包括6个潜变量、21个可测变量。
表7-4 潜变量的信度检验
潜变量可测变量个数Cronbach’s Alpha
3 0.858
质量期望 5 0.889
质量感知 5 0.862
感知价格 2 0.929
顾客满意 3 0.948
顾客抱怨 3 0.255
顾客忠诚 3 0.738
2．数据的效度检验
效度（validity）指测量工具能够正确测量出所要测量的特质的程度，分为内容效度（content validity）、效标效度（criterion validity）和结构效度（construct validity）三个主要类型。
内容效度也称表面效度或逻辑效度，是指测量目标与测量内容之间的适合性与相符性。对内容效度常采用逻辑分析与统计分析相结合的方法进行评价。逻辑分析一般由研究者或专家评判所选题项是否“看上去”符合测量的目的和要求。
准则效度又称效标效度、实证效度、统计效度、预测效度或标准关联效度，是指用不同的几种测量方式或不同的指标对同一变量进行测量，并将其中的一种方式作为准则（效标），用其他的方式或指标与这个准则作比较，如果其他方式或指标也有效，那么这个测量即具备效标效度。例如，X是一个变量，我们使用
X、2X两种工具进行测量。如果使用1X作为准则，并且1X和2X高度相关，我们就说2X也是具有很高1
的效度。当然，使用这种方法的关键在于作为准则的测量方式或指标一定要是有效的，否则越比越差。现实中，我们评价效标效度的方法是相关分析或差异显著性检验，但是在调查问卷的效度分析中，选择一个合适的准则往往十分困难，也使这种方法的应用受到一定限制。
结构效度也称构想效度、建构效度或理论效度，是指测量工具反映概念和命题的内部结构的程度，也就是说如果问卷调查结果能够测量其理论特征，使调查结果与理论预期一致，就认为数据是具有结构效度的。它一般是通过测量结果与理论假设相比较来检验的。确定结构效度的基本步骤是，首先从某一理论出发，提出关于特质的假设，然后设计和编制测量并进行施测，最后对测量的结果采用相关分析或因子分析等方法进行分析，验证其与理论假设的相符程度。
在实际操作的过程中，前面两种效度（内容效度和准则效度）往往要求专家定性研究或具有公认的效标测量，因而难以实现的，而结构效度便于可以采用多种方法来实现：
第一种方法是通过模型系数评价结构效度。如果模型假设的潜变量之间的关系以及潜变量与可测变量之间的关系合理，非标准化系数应当具有显著的统计意义。特别地，通过标准化系数6可以比较不同指标间的效度。从表7-17可以看出在99%的置信度下所有非标准化系数具有统计显著性，这说明修正模型的整体结构效度较好。
第二种方法是通过相关系数评价结构效度。如果在理论模型中潜变量之间存在相关关系，可以通过潜变量的相关系数来评价结构效度：显著的相关系数说明理论模型假设成立，具有较好的结构效度。
第三种方法是先构建理论模型，通过验证性因子分析的模型拟合情况来对量表的结构效度进行考评。因此数据的效度检验就转化为结构方程模型评价中的模型拟合指数评价。对于本案例，从表7-16可知理论模型与数据拟合较好，结构效度较好。
6关于标准化系数的解释见本章第五节。
六、结构方程模型建模
构建如图7.3的初始模型。
图7-3 初始模型结构
图7-4 Amos Graphics 初始界面图
第二节Amos实现7
一、Amos基本界面与工具
打开Amos Graphics，初始界面如图7-4。其中第一部分是建模区域，默认是竖版格式。如果要建立的模型在横向上占用较大空间，只需选择V iew菜单中的Interface Properties选项下的Landscape（如图7.5），即可将建模区域调整为横板格式。
图7-2中的第二部分是工具栏，用于模型的设定、运算与修正。相关工具的具体功能参见书后附录二。
图7-5 建模区域的版式调整
图7-6 建立潜变量
二、Amos模型设定操作
7这部分的操作说明也可参看书上第七章第二节:Amos实现。
1．模型的绘制
在使用Amos进行模型设定之前，建议事先在纸上绘制出基本理论模型和变量影响关系路径图，并确定潜变量与可测变量的名称，以避免不必要的返工。相关软件操作如下：
第一步，使用建模区域绘制模型中的七个潜变量（如图7-6）。为了保持图形的美观，可以使用先绘制一个潜变量，再使用复制工具绘制其他潜变量，以保证潜变量大小一致。在潜变量上点击右键选择
Object Properties，为潜变量命名（如图7-7）。绘制好的潜变量图形如图7-8。
第二步设置潜变量之间的关系。使用来设置变量间的因果关系，使用来设置变量间的相关关系。绘制好的潜变量关系图如图7-9。
图7-7 潜变量命名
图7-8 命名后的潜变量
图7-9 设定潜变量关系
第三步为潜变量设置可测变量及相应的残差变量，可以使用绘制，也可以使用和自行绘制（绘制结果如图7-10）。在可测变量上点击右键选择Object Properties，为可测变量命名。其中V ariable Name一项对应的是数据中的变量名（如图7-11），在残差变量上右键选择Object Properties为残差变量命
名。最终绘制完成模型结果如图7-12。
图7-10 设定可测变量及残差变量
图7-11 可测变量指定与命名
图7-12 初始模型设置完成
2．数据文件的配置
Amos可以处理多种数据格式，如文本文档（*.txt），表格文档（*.xls、*.wk1），数据库文档（*.dbf、*.mdb），SPSS文档（*.sav）等。
为了配置数据文件，选择File菜单中的Data Files（如图7-13），出现如图7-14左边的对话框，然后点击File name按钮，出现如图7-14右边的对话框，找到需要读入的数据文件“处理后的数据.sav”,双击文件名或点击下面的“打开”按钮，最后点击图7-14左边的对话框中“ok”按钮，这样就读入数据了。
图7-13 数据配置
图7-14 数据读入
第三节模型拟合
一、参数估计方法选择
模型运算是使用软件进行模型参数估计的过程。Amos提供了多种模型运算方法供选择8。可以通过点击V iew菜单在Analysis Properties（或点击工具栏的）中的Estimation项选择相应的估计方法。
本案例使用最大似然估计（Maximum Likelihood）进行模型运算，相关设置如图7-15。
图7-15 参数估计选择
二、标准化系数
如果不做选择，输出结果默认的路径系数（或载荷系数）没有经过标准化，称作非标准化系数。非标准化系数中存在依赖于有关变量的尺度单位，所以在比较路径系数（或载荷系数）时无法直接使用，因此需要进行标准化。在Analysis Properties中的Output项中选择Standardized Estimates项（如图7-26），即可输出测量模型的因子载荷标准化系数如表7-5最后一列。
8详细方法列表参见书后附录一。
图7.16 标准化系数计算
标准化系数是将各变量原始分数转换为Z 分数9后得到的估计结果，用以度量变量间的相对变化水平。 因此不同变量间的标准化路径系数（或标准化载荷系数）可以直接比较。从表7-17最后一列中可以看出：受“质量期望”潜变量影响的是“质量感知”潜变量和“感知价格”潜变量；标准化路径系数分别为0.434和0.244，这说明“质量期望”潜变量对“质量感知”潜变量的影响程度大于其对“感知价格”潜变量的影响程度。
三、参数估计结果的展示
图7-17 模型运算完成图
9
Z 分数转换公式为：i i
X X Z
s
-
-=
。
使用Analyze菜单下的Calculate Estimates进行模型运算（或使用工具栏中的），输出结果如图7-17。
其中红框部分是模型运算基本结果信息，使用者也可以通过点击View the output path diagram（）查看参数估计结果图（图7-18）。
图7-18 参数估计结果图
Amos还提供了表格形式的模型运算详细结果信息，通过点击工具栏中的来查看。详细信息包括分析基本情况（Analysis Summary）、变量基本情况（V ariable Summary）、模型信息（Notes for Model）、估计结果（Estimates）、修正指数（Modification Indices）和模型拟合（Model Fit）六部分。在分析过程中，一般通过前三部分10了解模型，在模型评价时使用估计结果和模型拟合部分，在模型修正时使用修正指数部分。
四、模型评价
1．路径系数/载荷系数的显著性
参数估计结果如表7-5到表7-6，模型评价首先要考察模型结果中估计出的参数是否具有统计意义，需要对路径系数或载荷系数11进行统计显著性检验，这类似于回归分析中的参数显著性检验，原假设为系数等于。Amos提供了一种简单便捷的方法，叫做CR（Critical Ratio）。CR值是一个Z统计量，使用参数估计值与其标准差之比构成（如表7-5中第四列）。Amos同时给出了CR的统计检验相伴概率p（如表7-5中第五列），使用者可以根据p值进行路径系数/载荷系数的统计显著性检验。譬如对于表7.5中“超市形象”潜变量对“质量期望”潜变量的路径系数（第一行）为0.301，其CR值为6.68，相应的p值小于0.01，则可以认为这个路径系数在95%的置信度下与0存在显著性差异。
10分析基本情况（Analysis Summary）、变量基本情况（V ariable Summary）、模型信息（Notes for Model）三部分的详细介绍如书后附录三。
11潜变量与潜变量间的回归系数称为路径系数；潜变量与可测变量间的回归系数称为载荷系数。
表7-5 系数估计结果
未标准化路
径系数估计S.E. C.R.P Label 标准化路径系数估计
<--- 0.301 0.045 6.68 *** par_16 0.358 质量感知<--- 质量期望0.434 0.057 7.633 *** par_17 0.434 感知价格<--- 质量期望0.329 0.089 3.722 *** par_18 0.244 感知价格<--- 质量感知-0.121 0.082 -1.467 0.142 par_19 -0.089 感知价格<--- 超市形象-0.005 0.065 -0.07 0.944 par_20 -0.004 顾客满意<--- 超市形象0.912 0.043 21.389 *** par_21 0.878 顾客满意<--- 感知价格-0.029 0.028 -1.036 0.3 par_23 -0.032 顾客忠诚<--- 超市形象0.167 0.101 1.653 0.098 par_22 0.183 顾客忠诚<--- 顾客满意0.5 0.1 4.988 *** par_24 0.569 a112<--- 超市形象 1 0.927 a2 <--- 超市形象 1.008 0.036 27.991 *** par_1 0.899 a3 <--- 超市形象0.701 0.048 14.667 *** par_2 0.629 a5 <--- 质量期望 1 0.79 a4 <--- 质量期望0.79 0.061 12.852 *** par_3 0.626 a6 <--- 质量期望0.891 0.053 16.906 *** par_4 0.786 a7 <--- 质量期望 1.159 0.059 19.628 *** par_5 0.891 a8 <--- 质量期望 1.024 0.058 17.713 *** par_6 0.816 a10 <--- 质量感知 1 0.768 a9 <--- 质量感知 1.16 0.065 17.911 *** par_7 0.882 a11 <--- 质量感知0.758 0.068 11.075 *** par_8 0.563 a12 <--- 质量感知 1.101 0.069 15.973 *** par_9 0.784 a13 <--- 质量感知0.983 0.067 14.777 *** par_10 0.732 a18 <--- 顾客满意 1 0.886 a17 <--- 顾客满意 1.039 0.034 30.171 *** par_11 0.939 a15 <--- 感知价格 1 0.963 a14 <--- 感知价格0.972 0.127 7.67 *** par_12 0.904 a16 <--- 顾客满意 1.009 0.033 31.024 *** par_13 0.95 a24 <--- 顾客忠诚 1 0.682 a23 <--- 顾客忠诚 1.208 0.092 13.079 *** par_14 0.846 注:“***”表示0.01 水平上显著，括号中是相应的C.R值，即t值。
表7-6 方差估计
方差估计S.E. C.R.P Label
3.5740.29911.958***par_25
z2 2.2080.2439.08***par_26 z1 2.060.2418.54***par_27 z3 4.4050.668 6.596***par_28 z40.8940.1078.352***par_29 z5 1.3730.214 6.404***par_30 e10.5840.0797.363***par_31
12凡是a+数字的变量都是代表问卷中相应测量指标的，其中数字代表的问卷第一部分中问题的序号。
e20.8610.0939.288***par_32
e3 2.6750.19913.467***par_33
e5 1.5260.1311.733***par_34
e4 2.4590.18613.232***par_35
e6 1.2450.10511.799***par_36
e70.8870.1038.583***par_37
e8 1.3350.11911.228***par_38
e10 1.7590.15211.565***par_39
e90.9760.1227.976***par_40
e11 3.1380.23513.343***par_41
e12 1.9260.17111.272***par_42
e13 2.1280.17612.11***par_43
e18 1.0560.08911.832***par_44
e160.420.0528.007***par_45
e170.5540.0619.103***par_46
e150.3640.5910.6160.538par_47
e24 3.4130.29511.55***par_48
e22 3.3810.28112.051***par_49
e23 1.730.252 6.874***par_50
e140.9810.562 1.7450.081par_51
注:“***”表示0.01 水平上显著，括号中是相应的C.R值，即t值。
五、模型拟合评价
在结构方程模型中，试图通过统计运算方法（如最大似然法等）求出那些使样本方差协方差矩阵S与理论方差协方差矩阵∑的差异最小的模型参数。换一个角度，如果理论模型结构对于收集到的数据是合理
∑-）各个元素接的，那么样本方差协方差矩阵S与理论方差协方差矩阵∑差别不大，即残差矩阵（S
近于0，就可以认为模型拟合了数据。
模型拟合指数是考察理论结构模型对数据拟合程度的统计指标。不同类别的模型拟合指数可以从模型复杂性、样本大小、相对性与绝对性等方面对理论模型进行度量。Amos提供了多种模型拟合指数（如表表7-7 拟合指数
13表格中给出的是该拟合指数的最优标准，譬如对于RMSEA，其值小于0.05表示模型拟合较好，在0.05-0.08间表示模型拟合尚可（Browne & Cudeck，1993）。因此在实际研究中，可根据具体情况分析。
7-7）供使用者选择14。如果模型拟合不好，需要根据相关领域知识和模型修正指标进行模型修正。
需要注意的是，拟合指数的作用是考察理论模型与数据的适配程度，并不能作为判断模型是否成立的唯一依据。拟合优度高的模型只能作为参考，还需要根据所研究问题的背景知识进行模型合理性讨论。即便拟合指数没有达到最优，但一个能够使用相关理论解释的模型更具有研究意义。
第四节模型修正15
一、模型修正的思路
模型拟合指数和系数显著性检验固然重要，但对于数据分析更重要的是模型结论一定要具有理论依据，换言之，模型结果要可以被相关领域知识所解释。因此，在进行模型修正时主要考虑修正后的模型结果是否具有现实意义或理论价值，当模型效果很差时16可以参考模型修正指标对模型进行调整。
当模型效果很差时，研究者可以根据初始模型的参数显著性结果和Amos提供的模型修正指标进行模型扩展（Model Building）或模型限制（Model Trimming）。模型扩展是指通过释放部分限制路径或添加新路径，使模型结构更加合理，通常在提高模型拟合程度时使用（减小卡方值）；模型限制是指通过删除17或限制部分路径，使模型结构更加简洁，通常在提高模型可识别性时使用。
Amos提供了两种模型修正指标，其中修正指数（Modification Index）用于模型扩展，临界比率（Critical Ratio）18用于模型限制。
二、模型修正指标19
1. 修正指数（Modification Index）
图7-19 修正指数计算
修正指数用于模型扩展，是指对于模型中某个受限制的参数，若容许自由估计（譬如在模型中添加某
14详细请参考Amos 6.0 User’s Guide 489项。
15关于案例中模型的拟合方法和模型修正指数详情也可参看书上第七章第三节和第四节。
16如模型不可识别，或拟合指数结果很差。
17譬如可以删除初始模型中不存在显著意义的路径。
18这个CR不同于参数显著性检验中的CR，使用方法将在下文中阐明。
19无论是根据修正指数还是临界比率进行模型修正，都要以模型的实际意义与理论依据为基础。
条路径），整个模型改良时将会减少的最小卡方值20。
使用修正指数修改模型时，原则上每次只修改一个参数，从最大值开始估算。但在实际中，也要考虑让该参数自由估计是否有理论根据。
若要使用修正指数，需要在Analysis Properties中的Output项选择Modification Indices项（如图7-19）。其后面的Threshold for Modification Indices指的是输出的开始值21。
图7-20 临界比率计算
2. 临界比率（Critical Ratio）
临界比率用于模型限制，是计算模型中的每一对待估参数（路径系数或载荷系数）之差，并除以相应参数之差的标准差所构造出的统计量。在模型假设下，CR统计量服从正态分布，所以可以根据CR值判断两个待估参数间是否存在显著性差异。若两个待估参数间不存在显著性差异，则可以限定模型在估计时对这两个参数赋以相同的值。
若要使用临界比率，需要在Analysis Properties中的Output项选择Critical Ratio for Difference项（如图7-20）。
三、案例修正
对本章所研究案例，初始模型运算结果如表7-8，各项拟合指数尚可。但从模型参数的显著性检验（如表7-5）中可发现可以看出，无论是关于感知价格的测量方程部分还是关于结构方程部分（除与质量期望的路径外），系数都是不显著的。关于感知价格的结构方程部分的平方复相关系数为0.048，非常小。另外，从实际的角度考虑，通过自身的感受，某超市商品价格同校内外其它主要超市的商品价格的差别不明显，因此，首先考虑将该因子在本文的结构方程模型中去除，并且增加质量期望和质量感知到顾客满意的路径。超市形象对顾客忠诚的路径先保留。修改的模型如图7-21。
表7-8 常用拟合指数计算结果
拟合指数卡方值(自由度) CFI NFI IFI RMSEA AIC BCC EVCI 1031.4 (180) 0.866 0.842 0.866 0.109 1133.441 1139.378 2.834
20即当模型释放某个模型参数时，卡方统计量的减少量将大于等于相应的修正指数值。
21只有修正指数值大于开始值的路径才会被输出，一般默认开始值为4。
图7-21 修正的模型二
根据上面提出的图7-21提出的所示的模型，在Amos中运用极大似然估计运行的部分结果如表7-9。表7-9 常用拟合指数计算结果
拟合指数卡方值(自由度) CFI NFI IFI RMSEA AIC BCC EVCI 819.5 (145) 0.883 0.862 0.884 0.108 909.541 914.278 2.274 从表7-8和表7-9可以看出，卡方值减小了很多，并且各拟合指数也都得到了改善，但与理想的拟合指数值仍有差距。该模型的各个参数在0.05的水平下都是显著的，并且从实际考虑，各因子的各个路径也
是合理存在的。
Modification Indices项可以查看模型的修正指数（Modification Index）结果，双箭头（“<-->”）部分是残差变量间的协方差修正指数，表示如果在两个可测变量的残差变量间增加一条相关路径至少会减少的模型的卡方值；单箭头（“<---”）部分是变量间的回归权重修正指数，表示如果在两个变量间增加一条因果路径至少会减少的模型的卡方值。比如，超市形象到质量感知的MI值为179.649，表明如果增加超市形象到质量感知的路径，则模型的卡方值会大大减小。从实际考虑，超市形象的确会影响到质量感知，设想，一个具有良好品牌形象的超市，人们难免会对感到它的商品质量较好；反之，则相反。因此考虑增加从超市形象到质量感知的路径的模型如图7-22。
根据上面提出的图7-22所示的模型，在Amos中运用极大似然估计运行的部分结果如表7-10、表7-11。
表7-10常用拟合指数计算结果
拟合指数卡方值(自由度) CFI NFI IFI RMSEA AIC BCC EVCI 510.1(144) 0.936 0.914 0.937 0.080 602.100 606.942 1.505 从表7-9和表7-10可以看出，卡方值减小了很多，并且各拟合指数也都得到了改善，但与理想的拟合指数值仍有差距。
表7-115%水平下不显著的估计参数
Estimate S.E. C.R. P Label
顾客忠诚<--- 超市形象.164 .100 1.632 .103 par_21
图7-22 修正的模型三
除上面表7-11中的两个路径系数在0.05的水平下不显著外，该模型其它各个参数在0.01水平下都是显著的，首先考虑去除p值较大的路径，即质量期望到顾客满意的路径。重新估计模型，结果如表7-12。表7-125%水平下不显著的估计参数
Estimate S.E. C.R. P Label 顾客忠诚<--- 超市形象.166 .101 1.652 .099 par_21 从表7-12可以看出，超市形象对顾客忠诚路径系数估计的p值为0.099，仍大于0.05。并且从实际考虑，在学校内部，学生一般不会根据超市之间在形象上的差别而选择坚持去同一个品牌的超市，更多的可能是通过超市形象影响超市满意等因素进而影响到顾客忠诚因素。考虑删除这两个路径的模型如图7-23。
根据上面提出的如图7-23所示的模型，在AMOS中运用极大似然估计运行的部分结果如表7-13。
表7-13常用拟合指数计算结果
拟合指数卡方值(自由度) CFI NFI IFI RMSEA AIC BCC EVCI 515.1 (146) 0.936 0.913 0.936 0.080 603.117 607.749 1.508 从表7-10和表7-13可以看出，卡方值几乎没变，并且各拟合指数几乎没有改变，但模型便简单了，做此改变是值得的。该模型的各个参数在0.01的水平下都是显著的，另外质量感知对应的测量指标a11（关于营业时间安排合理程度的打分）对应方程的测定系数为0.278，比较小，从实际考虑，由于人大校内东区物美超市的营业时间从很长，几乎是全天候营业在顾客心中，可能该指标能用质量感知解释的可能性不大，考虑删除该测量指标。修改后的模型如图7-24。
根据上面提出的如图7-24所示的模型，在Amos中运用极大似然估计运行的部分结果如表7-14。
表7-14常用拟合指数计算结果
拟合指数卡方值(自由度) CFI NFI IFI RMSEA AIC BCC EVCI 401.3 (129) 0.951 0.930 0.951 0.073 485.291 489.480 1.213 从表7-13和表7-14可以看出，卡方值减小了很多，并且各拟合指数都得到了较大的改善。该模型的
各个参数在0.01的水平下都仍然是显著的，各方程的对应的测定系数增大了。
图7-23 修正的模型四
图7-24 修正的模型五
下面考虑通过修正指数对模型修正，e12与e13的MI值最大，为26.932，表明如果增加a12与a13之间的残差相关的路径，则模型的卡方值会减小较多。从实际考虑，员工对顾客的态度与员工给顾客结帐的速度，实际上也确实存在相关，设想，对顾客而言，超市员工结帐速度很慢本来就是一种对顾客态度不好的方面；反之，则相反。因此考虑增加e12与e13的相关性路径。（这里的分析不考虑潜变量因子可测指标的更改，理由是我们在设计问卷的题目的信度很好，而且题目本身的设计也不允许这样做，以下同。）
重新估计模型，重新寻找MI值较大的，e7与e8的MI值较大，为26.230，（虽然e3与e6的MI值等
什么是顾客满意度模型
什么是顾客满意度模型（Customer Satisfaction Model）？释义 N. Kano的顾客满意度模型是一项质量管理工具和市场营销技术，可以被用来衡量顾客的满意程度。 顾客满意度模型甄别出6类质量属性，其中前3类对顾客满意度产生实质性影响： 1.基本因素（Basic Factors）。（不满足要素，必须有 的。）顾客对产品的最低限度需求，必须有。）- 顾客 对产品的最低限度需求，如果缺了这些基本因素，会让 顾客感到不满；但是，即便产品包含了或者超出了它们， 也不会让顾客产生满足感，顾客想当然地以它们为先决 因素。基本因素是进入市场的最低门槛要求。 2.兴奋因素(Excitment Factors)。（满足因素，有吸引力 的。）- 有了这些因素，会增强顾客的满足感；即便缺 了它们的话，也不至于让顾客产生不满。这些因素让顾 客感到惊喜，并产生“愉悦的感觉”。产品包含这些因素， 就能将自己的企业与竞争对手区别开来，使自己处于有 利地位。 3.性能因素（Performance Factors）。如果产品性能表 现很好，顾客则表示满意；如果产品性能表现很差，顾 客则产生不满。这里，性能表现与总体满足感是线型对 称的。以上这三个因素与顾客的需求、期望直接相关， 因此，公司在这些方面一定要具有竞争性。 除此以外，Kano还提到了其他三个属性： 4.冷漠属性（Indifferent attributes）。顾客对于有无 这些属性并不在意。 5.可疑属性（Questionable attributes）。对于这些属性， 并不清楚它们是不是顾客所期待的。 6.背离属性（Reverse Attributes）。这些属性特征的相 反方面才是顾客所期望的。 顾客满意度模型起源历史 这种顾客满意度的研究方法源于一篇Kano与人合写并发表在日本质量控制协会会刊《品质》上的文章，题目为《诱人品质与必需品质》（1984）。39-48.
顾客满意度监视与提高
顾客满意度监测与提高模型 (C u s t o m e r S a t i s f a c t i o n M o n i t o r i n g&I m p r o v e m e n t M o d e l,C S M I) ·让您赢得更多的忠实顾客 顾客是上帝 ·追求顾客满意成为现代企业的营销目标之一 顾客满意使营销成本最小化 ·鼓励满意顾客重复购买的成本 ·获得一个新顾客的成本 ·挽留一个不满意顾客的成本 不满意顾客的口碑影响-坏事传千里 ·满意顾客平均向3个人传播口碑 ·不满意顾客会向9-10个人抱怨其经历 顾客满意度研究目的 ·衡量顾客满意度 ·了解对满意度影响较大的关键因素--客观、准确的衡量工具 ·确定自身优势和弱势 ·寻找提高满意度和忠诚度的行动策略--有效可操作决策支持 最终目的是帮助客户赢得更多的忠实顾客，实现成本最小化、收入最大化、利润最大化 顾客满意度模型
顾客满意度指标 ·基础指标：总体满意度（T O P2）（C S I） ·辅助指标： -不满意比例指标（S o D) -关键因素满意度 -顾客忠诚度、重复购买率和推荐率 -（加权）平均数指标 ·相对指标： -横向排序指标：不同部门、地区的对比排序 -横向差距指标：对比竞争对手或行业领导者的差距-纵向改善指标：对比以往满意度数据 满意度比较模型的应用 因素贡献度分析--亟待改进,保持优势
提高满意度首要行动原则 --重要程度高、满意程度低的因素是重点改善目标 提高满意度的行动准则二 --综合权衡满意度、忠诚度、推荐率作为行动目标 提高满意度行动准则三 --缩小与竞争对手或行业领导者在关键满意因素上的差距（因素2是品牌A相对
2017年度中国十大顾客满意度调查公司(1)
2017年中国十大顾客满意度调查公司 1、益普索中国 益普索(Ipsos)于1975年成立于法国巴黎，1999年在巴黎上市, 是全球唯一由研究专业人士拥有并管理的市场研究集团。2011年，益索普以5.25亿英镑的价格收购安吉斯集团旗下的市场调研机构思纬公司(Synovate)。思纬的加入，让益普索拥有一个真正的全球性网络。 益普索于2000年进入中国，通过收购北京丰凯兴、华联信、大通等3个本土公司和自身的快速成长，益普索中国区(Ipsos in China)成为中国最大的市场研究公司，在上海、北京、广州、成都、武汉等5个城市设有办公室，拥有专业人员约1,500名，营业额超过10亿元人民币。 2、TNS中国(北京特恩斯市场研究咨询有限公司) TNS是Kantar集团的一员，Kantar集团是全球最大的洞察、信息和咨询集团之一。凭借其长久以来建立的专长和市场领先的解决方案，TNS在新市场进入、创新、品牌转换和利益相关者关系管理等领域为客户提供具体清晰的增长战略建议。TNS在全球超过80个国家和地区设立了分支机构，与全世界消费者进行的对话数量在业界首屈一指。 2013年5月13日，据TNS官方网站消息，TNS(北京特恩斯市场研究咨询有限公司)同意收购新华信国际信息咨询(北京)有限公司(这一收购有待监管部门批准)。在此之前，2009年TNS定制研究和Research International宣布合并，成为全球最大的定制化市场研究公司，而Research International在华的合资公司——华南国际市场研究有限公司(Research International China)也被并入TNS中国旗下。 一系列的并购举措使得TNS不仅是在综合实力上，还是在行业与市场影响力上，均迅速壮大。收购新华信对于TNS中国在中国市场发展的战略意义与价值，正如TNS亚太区首席执行官Chris Riquier所表示，“中国目前是全球当之无愧的最大的汽车市场，对新华信的收购将让TNS中国成为绝对的市场领袖以服务寻求在中国市场发展的国际和本土的汽车生产商以及经销商。” 3、零点研究咨询集团 零点研究咨询集团1992年成立，早期以民意调查起家，在中国国内拥有较高的知名度。于2000年进行结构调整，投资成立了前进策略(策略咨询)和指标数据(共享信息)。
测量客户满意度之美国客户满意度指数ACSI模型.
测量客户满意度之美国客户满意度指数ACSI模型 （转载） ACSI是以产品和服务消费的过程为基础，对客户满意度水平的综合评价指数?具体模型如 下： 从ACSI模型中，可以看出消费经过与整体满意度之间的关系，并可以看到满意度高低带来的后 果.ACSI模型是由多个变量构成的因果模型，其中预期质量、感知质量和感知价值是客户满意度的原因变量，客户抱怨和客户忠诚是客户满意度的结果变量。 一、客户预期：每位客户在购买产品前对产品的质量进行估计。 中国移动这段时间正在推广的预交话费送笔记本电脑。我家先生是移动的忠实用户（当年做了无数次思想工作，人家都坚决不肯入联通网），就动员他预交话费换个小一点的笔记本电脑，把我又笨又重的IBM换了。拿到宣传单张的时候，我们有些犯难：里面只有戴尔、神州这几个牌子。咬咬牙挑了戴尔，结果装好机，一个星期不到就开不了机了。我还有些抱怨，到是我家先生说，早就应该想到这个问题，送还能送什么好货。 所幸期望值不高，加上也没花钱，要不然肯定投诉戴尔。 二、感知质量：客户在使用产品或服务后对其质量的实际感受。 比如去餐厅吃饭，体验其食物质量好坏；听某老师讲课体验其讲课水平的高低。 印象最深是看电影〈〈无级〉〉。因为影片里有我最喜欢的帅哥张东健，另外还有对陈凯歌的慕名，何况这部影片还是他三年磨一剑的作品，。我和另一位同样喜欢张东健的同事为了能看到首映式（主要是为了看到张东健）到处托人还花了不少银子，结果看到一半，同事就恶
狠狠地说一句，以后谁再提陈凯歌我跟谁急！这就是体验前和体验后感受的对比。 三、感知价值: 客户在综合产品的质量和价格后对他们所得的利益主观上感受。广州宏城广场在今年的 7月1日正式拆迁，时不时有朋友打电话给我，让我赶紧去宏城淘宝， 因为商家要清货现在买的东西又好又便宜，还有朋友把买到的东西拍成照片放在QQ空间里炫耀着呢！ 四、客户满意度：客户满意度主要取决于客户实际感受同预期质量的比较，同时，客户的实际感受同客户心目中的理想产品的比较也影响客户满意度，差距越小客户满意度水平越高。 五、客户抱怨：这是客户对产品或服务不满意会有的行动之一，也是做客户人员经常碰到的问题。 六、客户忠诚度：客户忠诚度是ACSI模型中的最终的因变量。主要要考虑客户重复购 买的可能性和对价格变化的承受力。客户如果对产品感到满意，就会产生一定的忠诚，表现为对该产品的重复购买或向其他客户推荐。
客户满意度调查表格大全60
顾客满意度调查：模型与推广 北京科思瑞智市场调查公司张弛2001/04/21 一、缘起 全面质量管理（TQM）曾使日本产品一度在全球市场上咄咄逼人，为缩小这种差距，美国在20世纪80年代中期设立了马尔科姆.鲍特里奇国家质量奖，鼓励美国企业实行质量管理。顾客的需要和满意度成为全面质量管理中的关键。而现代营销理论亦认为，创造顾客价值和顾客满意是其核心。营销学泰斗菲利浦.科特勒甚至认为，“市场营销是指在可盈利的情况下提供给顾客满意。” 顾客满意度调查和客户投诉和建议处理系统、神秘顾客调查、流失客户分析是当前企业收集客户意见的四种主要方法。其中，顾客满意可以运用几种方法衡量。它可以通过询问直接衡量：“请按下面的量度说出你对某服务的满意程度：很不满意、不太满意、一般、比较满意、很满意”（直接报告满意程度）。还可以要求受访者评价他们期望一个什么样的产品属性，以及他们实际得到的是什么（引申出来的不满意）。另外一种方法是要求受访者列出他们在产品上发现的任何问题和他们能建议的任何改进措施（问题分析）。最后，公司可以要求受访者按产品各要素的重要性不同进行排列，并对组织在每个要素上的表现作出评价（重要性/绩效等级排列）。最后一种方法可以
帮助公司了解它是否在一些重要的要素方面表现不佳，或在一些相对不重要的要素方面过于投入。而且，研究显示，在收集有关顾客满意的信息时，询问顾客再次购买和再次推荐的问题，也是十分有价值的，它们共同构成了顾客满意度调查指标。 二、在大陆的发展与应用 1990年代中期，顾客满意度调查在大陆的跨国公司中得到迅速而广泛的应用。原因一是跨国公司总部要求按照本部的模式定期获得大中国区市场的顾客信息，以应对全球化进程中的计划与挑战；二是日趋激烈的竞争中，优秀的服务成为企业获得并保持竞争优势的重要诉求；三是主管需要对员工的工作绩效进行量化评估，这需要来自顾客的评价。 不同于其它市场研究，顾客满意度调查主要在企业的客户群中展开。这需要企业有良好的信息管理系统。在近水楼台的IT业，顾客
中国顾客满意度指数(CCSI)测评体系的思考
构建中国顾客满意度指数测评体系是一复 杂的系统工程，在借鉴国外先进经验的同时还 必须注意到中国的国情。为构建切实可行的中 国顾客满意度指数测评体系，应注意处理好如 下一些重大关系。 一、国际性与特殊性的关系 进行全国范围的顾客满意度指数测评已在 瑞典和美国开展了若干年，两国的顾客满意度 指数测评体系是按照美国密歇根大学商学院费 耐尔教授领导的国家质量研究中心设计的方案 建立的。我们把这种方法简称为费耐尔方法。 由于到目前为止这种方法仍然是衡量产品质量 最为全面的方法，并且瑞典、美国的经验已证 明了其测量结果对于国民经济的重要性。因此 欧盟各国、韩国等都纷纷参照费耐尔方法开始 了本国顾客满意度指数测评体系的构建工作。 从理论上说，按照费耐尔方法测评的顾客 满意度指数在国家之间是具有可比性的。可以用户满意与评价专栏≤办 预计，经过若干年的努力，顾客满意度指数可能成为国际通用的衡量各国宏观经济状况的重要参考指标。如果中国不采用费耐尔方法编制顾客满意度指数，就会脱离国际主流，造成与大多数国家无法弥补的差异。因此，中国顾客满意度指数应依据费耐尔方法，以保证该指标的国际性。然而，我们也要看到瑞典、美国的顾客满意度测评体系是按照各国的国情设计的，瑞典、美国在许多方面都与中国国情有着巨大的差异。完全照搬，在中国显然行不通，必须在坚持采用费耐尔方法的基本思想、数学模型、测算口径和测量误差的前提下，根据中国国情建立顾客满意度指数测评体系，也就是费耐尔方法的中国化问题。笔者认为，顾客满意度指数测评体系中国化要解决的问题主要是：测评组织形式、行业划分标准、代表企业及代表产品选择标准、测评层次、测评周期、抽样方法、合格顾客标准、数据采集方式、调查问卷、测评经费来源等等。中国质量Ｎｏ．８ ２００１ Ｏ 万方数据
(完整word版)满意度研究模型
满意度研究模型 一、满意度指数（CSI）简介 客户满意度指数（Customer Satisfaction Index,简称CSI） 是一个非常有效的度量和认识客户对企业的认同、对产品和服务的满意程度，以及再次购买倾向的指标。这种指标通过测量客户对产品或服务的期望、质量认知、价值认知和满意程度，测量决定满意度的相关变量和最终形成的忠诚度等几个方面，从多个角度对产品或服务质量进行整体评价。 利用连续测评的指数数列对复杂现象在较长期间内发展变化的趋势进行分析； 目前许多国家正在积极研究并使用满意度研究模型，其中最具代表性的是美国客户满意指数（ACSI）和欧洲客户满意指(ECSI)。实践表明CSI不仅可以度量微观主体（客户）的行为和意愿，还可以用来度量公司、行业、产业乃至国民经济运行的水平，指导管理者做出正确的、有针对性的战略和决策。 二、满意度指数（CSI）模型-结构方程模型 满意度结构方程模型 满意度指数
三、满意度模型指标体系 四、客户服务满意系统建设——客户满意评测系统的实施 客户平台Customer Workspace 客户档案是客户满意管理过程的最基础的环节。客户档案是调查的基础，是分析的基础，还是客户维护的基础。该阶段的主要任务是整合企业的客户资源，为企业管理客户档案提供解决方案和系统实现。内容包括：管理机制，系统实现，组织方式，构成内容等。
调查管理Survey Management 调查管理是客户满意管理过程中收集客户信息和感受关键的环节。一般说来，调查管理包括如下几个环节：问卷设计 样本确定 调查方式选择和过程管理 结果管理 数据理解Data understanding 数据理解阶段开始于原始数据的收集，接下来进行的活动是熟悉数据，识别数据质量问题，探索对数据的第一认识或发觉有意思的子集来形成对隐藏信息的假设。 分析建模Modeling & Analyzing 在此阶段，主要是选择各种建模技术，同时对它们的参数进行校准以达到最优值。本阶段的关键问题在于满意度结构方程模型以及其他分析根据的合理运用。 辅助决策Decision Supporting 项目的这个阶段包括如下内容： 结果评估 结果理解 决策建议 决策执行 结果反馈
满意度指数的计算
顾客满意度指数 什么是顾客满意度指数 顾客满意度指数是目前国内外质量领域和经济领域一个非常热门而又前沿的话题。在国外，有不少国家，如美国，顾客满意度测评体系已较成熟，而在我国顾客满意度指数测评体系还处于创立阶段。 瑞典最先于1989年建立起顾客满意度指数模型，之后，德国、加拿大等20多个国家和地区先后建立了全国或地区性的顾客满意指数模型。1989年，美国密歇根大学商学院质量研究中心的科罗斯·费耐尔（Claes fornell）博士总结了理论研究的成果，提出把顾客期望、购买后的感知、购买的价格等方面因素组成一个计量经济学模型，即费耐尔逻辑模型。这个模型把顾客满意度的数学运算方法和顾客购买商品或服务的心理感知结合起来。以此模型运用偏微分最小二次方求解得到的指数，就是顾客满意度指数。美国顾客满意度指数（ACSI）也依据此指数而来，它是根据顾客对在美国本土购买、由美国国内企业提供或在美国市场上占有相当份额的国外企业提供的产品和服务质量的评价，通过建立模型计算而获得的一个指数，是一个测量顾客满意程度的经济指标。 顾客满意度指数测评体系的构建与计算 顾客满意度指数是目前国内外质量领域和经济领域一个非常热门而又前沿的话题。在国外，有不少国家，如美国，顾客满意度测评体系已较成熟，而在我国顾客满意度指数测评体系还处于创立阶段。 美国顾客满意度指数的构建与计算 瑞典最先于1989年建立起顾客满意度指数模型，之后，德国、加拿大等20多个国家和地区先后建立了全国或地区性的顾客满意指数模型。1989年，美国密歇根大学商学院质量研究中心的费耐尔（Fornell）博士总结了理论研究的成果，提出把顾客期望、购买后的感知、购买的价格等方面因素组成一个计量经济学模型，即费耐尔逻辑模型。这个模型把顾客满意度的数学运算方法和顾客购买商品或服务的心理感知结合起来。以此模型运用偏微分最小二次方求解得到的指数，就是顾客满意度指数（Customer Satisfaction Index，简称 CSI）。美国顾客满意度指数（ACSI）也依据此指数而来，它是根据顾客对在美国本土购买、由美国国内企业提供或在美国市场上占有相当份额的国外企业提供的产品和服务质量的评价，通过建立模型计算而获得的一个指数，是一个测量顾客满意程度的经济指标， 按照顾客满意度指数的含义，它应该具有多种指标。这些指标（变量）应相互关联，成为一个整体逻辑结构，借助于计量经济学的有关方法，将这些逻辑结构转换为数学模型
顾客满意度指数模型的比较与借鉴
营销导师?ＭＡＲＫＥＴＩＮＧ 一、引言 ２０世纪９０年代以来，随着科技的飞速发展，市场经济日益繁荣，商品流通空前发达，产品无论在品种上还是在特色上都丰富多彩，为人们提供了多种多样的选择。同时人们对产品和服务的需求越来越趋向多样化，提供个性化的产品和服务，提高经济运行的质量，增强企业的竞争力，已经成为当代经济发展的重要趋势。在这种情况下，世界上许多发达国家的学者经过长期的探索和尝试，提出并建立了顾客满意度指数（ＣｕｓｔｏｍｅｒＳａｔｉｓｆａｃｔｉｏｎＩｎｄｅｘ，简称ＣＳＩ），通过它来度量个性化经济的质量—— —国家的服务水平。我国也于１９９９年开始对顾客满意度指数进行研究，通过一些学者和专家的不懈努力已经取得了很大的进步，获得一些成果。本文基于对已有的顾客满意度指数模型的分析，通过对现有模型进行改进，提出了一个新的顾客满意度指数（ＣＳＩ）模型，以供大家商榷。 二、国内外顾客满意度模型介绍 顾客满意思想萌发于欧洲，但它作为一个概念提出并用ＣＳ表示，则是１９８６年美国一位消费心理学家的创造。迄今为止，顾客满意的概念依然没有统一，但是在人们普遍接受的概念为：顾客满意是累积消费以后的积极评价。 顾客满意度是顾客满意的量化统计指标，描述了顾客对产品的认知（期望值）和感知（实际感受）之间的差异。顾客满意度指数不同于传统采用的顾客满意度指标。和其他质量测评方法相比，这种方法是站在顾客的角度，利用消费者行为理论建立模型。它直接通过顾客调查获取评价数据，运用数理统计方法进行评定，能够客观表达消费者的心理感受。目前，瑞典、美国和欧盟都相继建立了各自的顾客满意度指数。另外，新西兰、加拿大、韩国等国和台湾地区也在一些重要的行业建立了顾客满意度指数。 １．瑞典的顾客满意度指数模型（ＳＣＳＢ）。瑞典的顾客满意度晴雨表指数模型是世界上建立最早的全国性顾客满意度指数模型（如图１），该模型是在美国密西根大学的福内尔（Ｆｏｎｅｌｌ）教授等人的指导下开发的。模型中共有五个结构变量，分别是：顾客期望、感知绩效、顾客满意、顾客抱怨、顾客忠诚。其中，顾客期望是外生变量，其余变量是内生变量。 ２．美国顾客满意度指数模型（ＡＣＳＩ）。美国的顾客满意度指数（ＡＣＳＩ）模型（如图２）是以瑞典的顾客满意度指数模型为原型，由费耐尔（Ｆｏｒｎｅｌｌ）博士等人自１９９４年开始创建的，至今还不到１０年的时间。ＡＣＳＩ模型在原有的ＳＣＳＢ模型基础上增加了一个潜在变量—— —感知质量（ＰｅｒｃｅｉｖｅｄＱｕａｌｉｔｙ）。如果去掉感知质量及与其有关的路径，ＡＣＳＩ的模型几乎可以完全还原为ＳＣＳＢ模型。 ３．欧洲的顾客满意度指数（ＥＣＳＩ）模型。ＥＣＳＩ模型（如图３所示）继承了ＡＣＳＩ模型的基本构架和核心概念，如：顾客期望、感知质量、感知价值、顾客满意、顾客忠诚。两者的显著区别主要有：首先，在模型的构架上，ＥＣＳＩ模型去掉了ＡＣＳＩ模型中的顾客抱怨这个潜在变量。其次，增加了另一个潜在变量—— —企业形象。另外，在模型的度量上ＥＣＳＩ也发生了变化，不像ＡＣＳＩ模型只针对耐用品行业来进行测评，而是针对所有 顾客满意度指数模型的比较与借鉴 文 ／张继武 ９２经济论坛２００６?２０
中国顾客满意度测评及应用
中国顾客满意度测评模型及应用 叶如意，汤万金，咸奎桐 中国标准化研究院顾客满意度测评中心北京 100088 {yeruyi@https://www.wendangku.net/doc/5c10093398.html,} 摘要：以非耐用消费品为例介绍了中国顾客满意度的测评模型以及模型的求解方法；介绍了中国顾客满意度的测评步骤；举例说明了中国顾客满意度数据的分析和应用；展望了中国顾客满意度的应用前景。 关键词：中国顾客满意度；感知质量；感知价值；结构化方程模型 I．引言 随着消费者地位的提高和消费理念的转变，政府和企业越来越重视产品满足用户需求的能力。顾客满意度作为一个综合指标，从用户角度测评产品的多维特征满足用户需求的能力、产品创造忠诚顾客和利润的能力，在国内外都已经得到重视和发展。 II．中国顾客满意度测评模型 中国顾客满意度（CCSI）的测评方法很多，此处介绍结构化方程模型（SEM, Structural Equation Modeling）分析法。结构化方程模型是一种由多种统计模型综合起来的因果分析型模型，因素分析法、路径分析法以及回归分析法都是它的一个特例。中国顾客满意度的测评模型是建立在消费心理和消费者行为学理论基础之上，借助大量统计数据进行反复验证和改善而建立的，目前很多国家都有各不相同的测评模型，例如美国的ACSI 1和欧洲的ECSI 2。 中国顾客满意度测评模型依据产品（或服务）的种类不同而有所不同，大致可以分为非耐用消费品顾客满意度模型、耐用消费品顾客满意度模型、服务业顾客满意度模型、政府公用事业顾客满意度模型等几大类，其中每一类还可以根据产品的不同加以细化。下面以非耐用消费品顾客满意度模型为例简要说明中国顾客满意度的测评模型，图1是我国非耐用消费品顾客满意度结构化方程模型的示意图。 图1 非耐用消费品顾客满意度SEM模型
美国顾客满意度指数模型(ASCI)
应用案例1 第一节模型设定 结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。 一、模型构建的思路 本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。 二、潜变量和可测变量的设定 本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。 模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。 表7-1 设计的结构路径图和基本路径假设 2.1、顾客满意模型中各因素的具体范畴 参考前面模型的总体构建情况、国外研究理论和其他行业实证结论，以及小范围甄别调查的结果，模型中各要素需要观测的具体范畴，见表7-2。 1关于该案例的操作也可结合书上第七章的相关内容来看。 2本案例是在Amos7中完成的。 3见spss数据文件“处理后的数据.sav”。
表7-2 模型变量对应表
物业管理外部顾客满意度调查模型
物业管理外部顾客满意度调查模型 、员工仪容、仪表、仪态 1、管理公司办公人员仪容、仪表、仪态 很满意（）满意（）一般（）不满意（）很不满意（ 2、客户服务中心前台人员仪容、仪表、仪态 很满意（）满意（）一般（不满意（）很不满意（ 3、保安人员仪容、仪表、仪态 很满意（）满意（）一般（不满意（）很不满意（ 4、绿化人员仪容、仪表、仪态 很满意（）满意（）一般（不满意（）很不满意（ 5、清洁人员仪容、仪表、仪态 很满意（）满意（）一般（不满意（）很不满意（ 6、工程维修人员仪容、仪表、仪态 很满意（）满意（）一般（不满意（）很不满意（ 7、家政服务人员仪容、仪表、仪态 很满意（）满意（）一般（不满意（）很不满意（ 8会所工作人员仪容、仪表、仪态 很满意（）满意（）一般（不满意（）很不满意（ 9、商务中心工作人员仪容、仪表、仪态 很满意（）满意（）一般（）不满意（）很不满意（ 您的意见和建议: 、绿化养护服务 1、公共区域绿化养护质量 很满意（）满意（）一般（）不满意（）很不满意（） 2、公共区域绿化及时性 3、户内特约委托绿化养护质量 很满意（）满意（）一般（）不满意（）很不满意（）
很满意（） 满意（） 一般（） 不满意（） 很不满意（） 很满意（） 满意（） 一般（） 不满意（） 很不满意（） 您的意见和建议： 三、环境卫生服务 1、室外公共区域环境卫生维护 2、 楼梯间、走廊等共用部位卫生维护 很满意（） 满意（） 一般（） 不满意（） 很不满意（） 3、 户内特约委托清洁服务质量 很满意（）满意（） 4、 公共区域蟑螂消杀 很满意（）满意（） 5、 公共区域老鼠消杀您的意见和建议: 四、安全保卫服务 1、 治安与公共秩序 很满意（） 满意（） 一般（） 不满意（） 很不满意（） 2、 消防宣传与消防演习 3、突发事件处理及时性 很满意（）满意（） 般（） 不满意（） 很不满意（ 般（） 不满意（） 很不满意（ 般（） 不满意（） 很不满意（ 很满意（）满意（） 6、 公共区域蚊蝇消杀 很满意（）满意（） 7、 白蚁防治宣传 很满意（）满意（） 8环保宣传 很满意（）满意（） 般（）不满意（ 般（） 不满意（ 般（）不满意 （ 般（）不满意（ ） 很不满意（） ） 很不满意（） ） 很不满意（） ） 很不满意（）
顾客满意度模型的建立和发展
顾客满意度模型的建立和发展 顾客满意度是一个经济心理学的概念，要衡量它就必须建立模型，将顾客满意度与一些相关变量（例如价值、质量、投诉行为、忠诚度等）联系起来。瑞典、美国、挪威、欧盟等许多国家和地区根据各自的实践特点和满意度理沦，都相继建立了顾客满意度模型。 瑞典scsb模型（sweden customer satisfaction barometer）是最早建立的全国性顾客满意度指数模型：该模型的前导变量有两个：顾客对产品/服务的价值感知；顾客对产品/服务的期望。满意度的结果变量是顾客投诉和顾客忠诚度。忠诚度是模型中最终的因变量，因为它可以作为顾客保留（customer retention）和企业利润的指示器；如图1所示（图略），模型中的这些隐变量都是通过一些测量变量来间接衡量的。 scsb模型推出后，在实践中也受到了质疑：价值感知对满意度的影响是必然的，但是价值因素和质量因素相比，哪方面更重要呢?由于顾客对不同产品和服务的质量感知是有差别的，如果在模型中加入质量感知变量，如何来衡量呢?等等。 fornell et al．（1996）认为，将质量感知也包括在acsi模型中，可以提供重要的信息。这样可以进行质量因素和价值因素对满意度的作用大小的比较。同时，因为质量对价值具有影响，模型可以考察它们两者之间的联系。根据deming（1981）和juran & gryna（1988）的发现，质量感知主要包括两个部分——产品/服务满足顾客需求的程度（customization），以及这些需求满足的可靠程度（reliability），因此可以从这两个方面来分别衡量质量感知。 美国顾客满意度指数（acsi，american customer satisfaction lndex）模型，采纳上述成果，对scsb 模型进行了修正。目前acsi已成为影响最为广泛的模型，为新西兰、中国台湾、奥地利等所采用，也是挪威和欧盟模型的基础。acsi模型对scsb模型的修正主要包括： 1．将质量感知从价值感知分离出来。acsi调查中增加了三个质量感知的问题：产品/服务满足顾客需求的程度（customization），这些需求满足的可靠程度（reliability），以及总体质量。1996年acsi模型又针对耐用消费品，将质量感知进一步分为产品质量感知和服务质量感知。 2．与质量感知的测量变量相对应，acsi调查中加入了“满足顾客需求程度期望”和“可靠程度期望”，与原有的“总体期望”一起来衡量顾客期望。 随着实践的深入，后来的ncsb（挪威顾客满意度指数）和ecsl（欧盟顾客满意度指数模型）根据各自的国情，又对acsi进行了修正。主要包括： 1．增加了公司形象及其与顾客期望、顾客满意度、顾客忠诚度的关系。 2．增加顾客关系隐变量，作为满意度对忠诚度影响的中间变量，以适应现代营销方式的变化。这个隐变量包括更加感情化的情感分量和更加理性的经济分量（例如转换成本）。
顾客满意度LV1 ACSI模型
ACSI是一种衡量经济产出质量的宏观指标，是以产品和服务消费的过程为基础，对顾客满意度水平的综合评价指数，由国家整体满意度指数、部门满意度指数、行业满意度指数和企业满意度指数4个层次构成，是目前体系最完整、应用效果最好的一个国家顾客满意度理论模型。 ACSI模型结构如图所示: 在上述模型中，总体满意度被置于一个相互影响相互关联的因果互动系统中。其科学地利用了顾客的消费认知过程，将总体满意度置于一个相互影响相互关联的因果互动系统中。该模型可解释消费经过与整体满意度之问的关系，并能指示出满意度高低将带来的后果，从而赋予了整体满意度前向预期的特性。 ACSI模型是由多个结构变量构成的因果关系模型，其数量关系通过多个方程的计算经济学模型进行估计。 该模型共有6个结构变量，顾客满意度是最终所求的目标变最，预期质量、感知质量和感知价值是顾客满意度的原因变量，顾客抱怨和顾客忠诚则是顾客满意度的结果变量。模型中6个结构变量的选取
以顾客行为理论为基础，每个结构变量又包含一个或多个观测变量，而观测变量则通过实际调查收集数据得到。 ACSI模型的结构变量 (1)顾客预期(Customer Expectations)顾客预期是指顾客在购买和使用某种产品或服务之前对其质量的估计。决定顾客预期的观察变量有3个:产品顾客化(产品符合个人特定需要)预期、产品可靠性预期和对产品质量的总体预期。 (2)感知质量(Perceived Quality) 感知质量是指顾客在使用产品或服务后对其质量的实际感受，包括对产品顾客化即符合个人特定需求程度的感受、产品可靠性的感受和对产品质量总体的感受。 (3)感知价值(Perceived Value) 感知价值体现了顾客在综合产品或服务的质量和价格以后对他们所得利益的主观感受;感知价值的观察变量有2个，即:“给定价格条件下对质量的感受”和“给定质量条件下对价格的感受”。顾客在给定价格下对质量的感受，是指顾客以得到某种产品或服务所支付的价格为基准，通过评价该产品或服务质量的高低来判断其感知价值。 (4 )顾客满意度(Customer Satisfaction) 顾客满意度这个结构变量是通过计量经济学变换最终得到的顾客满意度指数。ACSI模型在构造顾客满意度时选择了3个观察变量;实际感受同预期质量的差距、实际感受同理想产品的差距和总体满意程度。顾客满意度主要取
顾客满意度模型估计的PLS与LISREL
顾客满意度模型估计的PLS 与LISREL 中国人民大学 金勇进 梁燕 顾客满意度模型是一个多方程的因果关系系统——结构方程模型（SEM ，Structural Equation Model ），有多个因变量，是一个原因和结果关系的网，模型必须要按照这些关系进行估计。模型中包括质量感知、顾客满意度、顾客忠诚度和企业形象等隐变量，这些隐变量只能通过多个具体测量变量来间接衡量。模型中允许自变量和因变量含有测量误差，还必须要计算出来隐变量的表现得分（例如通过多个测量变量的加权指数）。 以ACSI 模型为例，它就是一个结构方程模型，包括结构方程（隐变量之间关系的方程）和测量方程（隐变量和测量变量之间关系的方程）1。要对结构方程模型进行参数估计，目前最经常使用的两种方法是PLS （Partial Least Square ）方法和LISREL （LInear Structural RELationships ）方法。这两种方法既有相同之处，也有许多不同之处。本文主要讨论两种方法的算法，以及他们之间的联系与区别，并根据实证案例，提出我国在构建顾客满意度模型过程中使用的方法。 一、PLS 和LISREL 方法 PLS （Wald ，1982）是将主成分分析与多元回归结合起来的迭代估计，是一种因果建模的方法。瑞典、美国和欧盟模型都使用这种方法进行估计。在ACSI 模型估计中2，该方法对不同隐变量的测量变量子集抽取主成分，放在回归模型系统中使用，然后调整主成分权数，以最大化模型的预测能力。PLS 方法的具体步骤如下所示。 步骤1：用迭代方法估计权重和隐变量得分。从④开始，重复①—④直至收敛。 ① 内部权重 v ij = sign cov(ηj ，ηi ) 如果ηj 和ηi 有直接关系 如果ηj 和ηi 没有直接关系 （1） ② 内部近似。∑=i j ji j Y v :~η （2） ③ 解出外部权重j k w ~ 。∑ +=i j j k jn n k k jn d y w ~~η （3） ④ 外部近似。∑ =j j j k n k k j jn Y w f ~:η，其中 j f 确保1)var(=j η （4） 步骤2：估计路径系数和载荷系数。 步骤3：估计位置参数。 PLS 方法是“偏”LS ，因为估计的每一步都在给定其他参数条件下，对某个参数子集的残差方差进行最小化。虽然在收敛的极限，所有残差方差联合的进行最小化，但PLS 方法仍然是“偏”LS ，因为没有对总体残差方差或其他总体最优标准严格的进行最小化。 LISREL （Joreskog ，1970）方法通过拟合模型估计协方差∑)(θ与样本协方差（S ）来估计模型参数，也称为协方差建模方法。具体来说，就是使用极大似然（Maximum Likelihood ，ML ）、非加权最小二乘（Unweighted Least Squares ，ULS ）、广义最小二乘（Generalized Least 1 模型具体形式本文不赘述。 2 所有测量变量/调查指标都是隐变量反映（reflective ）/结果指标，即所有测量变量与隐变量的关系都是从隐变量指向测量变量的。另一种情况是所有测量变量/调查指标都是隐变量影响（formative ）/原因指标，即所有测量变量与隐变量的关系都是从测量变量指向隐变量的。
顾客满意度指数测评的方法和实例
2、顾客满意度指数测评的方法和实例 来源: 珠三角采购网时间:2010.04.22 点击:57 2、顾客满意度指数测评的方法和实例 2.1 顾客满意度指数测评的工作流程图 2.2 顾客满意度指数测评的实施步骤和实例 2.2.1第一步：确定测评指标并量化 （一）顾客满意度指数测评指标体系的建立 我们首先来了解“顾客满意度指数模型”，见下图： 顾客满意度指数测评指标体系分为四个层次： 第一层次：总的测评目标“顾客满意度指数”，为一级指标； 层次：顾客满意度指数模型中的6大要素—顾客期望、顾客对质量的感知、顾客对价值的感知、顾客满意度、顾客抱怨、顾客忠诚，为二级指标； 层次：由二级指标具体展开而得到的指标，符合不同行业、企业、产品或服务的特点，为三级指标；层次：三级指标具体展开为问卷上的问题，形成四级指标。 测评体系中的一级和二级指标适用于所有的产品和服务，实际上我们要研究的是三级和四级指标。见下表： （一）指标的量化 使用态度量表 顾客满意度指数测评指标主要采用态度量化方法。一般用李克特量表，即分别对5级态度“很满意、满意、一般、不满意、很不满意”赋予“5，4，3，2，1”的值（或相反顺序）。让被访者打分，或直接在相应位置打勾或划圈。下面是用李克特量表测评顾客对某产品质量满意程度的实例：
数据信息的搜集和统计分析，必须将这些指标转化成李克特量表所要求的测评指标。其转化的方法是，将指标的量值恰当地划分为5个区间，每个区间对应于李克特量表的5个赋值，这样就实现了指标的转化。 确定测评指标权重 每项指标在测评体系中的重要性不同，需要赋予不同的权数，即加权。加权方法除了主观赋权法以外，有直接比较法、对偶比较法、德尔菲法、层次分析法，企业可以依据测评人员的经验和专业知识选择适用的方法。 2.2.2第二步：确定被测评对象 顾客可以是企业外部的顾客，也可以是内部的顾客。具体见下表： 顾客ü ü ü 顾客特征（即心理和行为特征）、购买经历来分类。 所以应该先确定要调查的顾客群体，以便针对性地设计问卷。 2.2.3第三步：抽样设计 一般进行随机抽样，可根据企业实际情况选用简单随机抽样、分层抽样、整群抽样、多级抽样、等距抽样和多级混合抽样等不同的抽样方法。较常用的是简单随机抽样，它是各种抽样方法的基础。 下面介绍简单随机抽样的原理和样本量的确定方法： 2.4 第四步：问卷设计 按照已经建立的顾客满意度指数测评指标体系，把三级指标展开，成为问卷上的问题。问卷设 计是整个测评工作中关键的环节，测评结果是否准确、有效，很大程度上取决于此。
顾客满意度指数测评模型比较与借鉴
顾客满意度指数测评模型比较与借鉴 (转载) 中国加入WTO后零售市场进一步开放，随着许多国外大型零售企业，如沃尔玛、家乐福等的陆续进入，我国零售商业效益低下已是不争的事实。目前，越来越多的企业认识到市场竞争的核心是顾客满意，只有赢得顾客，才能赢得市场，获得利润。在2000版ISO9000族标准中，“以顾客为关注焦点”被列为质量管理八项原则之首，强调了对顾客满意度的测评与监控，并将其作为质量管理体系业绩的一项测量指标。可见，如何提高顾客满意度进而提高顾客的忠诚度，是我国各个商业企业应极其关注的问题。 在这种背景下，本文试图提出一个适合于我国商业企业顾客满意度评价的方法，为提升我国商业企业的核心竞争能力提供帮助。 顾客满意度指数测评模型的介绍 顾客满意度是一个经济心理学的概念，要衡量它就必须建立模型，将顾客满意度与一些相关变量（例如价值、质量、投诉行为、忠诚度等）联系起来。顾客满意度指数（Customer Satisfaction Index，CSI）是目前许多国家使用的一种新经济指标，主要用于对经济产出质量进行评价。它也是目前国内质量领域和经济领域一个非常热门而又非常前沿的课题。20世纪90年代以来，许多国家都开展了全国性的顾客满意度指数测评工作，以此来提高本国企业的竞争力。瑞典率先于1989年建立了全国性的顾客满意度指数，即瑞典顾客满意度晴雨表指数（SCSB），此后，美国和欧盟相继建立了各自的顾客满意度指数——美国顾客满意度指数（ACSI，1994）和欧洲顾客满意度指数（ECSI，1999）。另外，新西兰、加拿大等国家和台湾地区也在几个重要的行业建立了顾客满意度指数。 瑞典顾客满意度晴雨表指数（SCSB）模型 从世界范围来看，瑞典SCSB（Sweden Customer Satisfaction Barometer模型是最早建立的全国性顾客满意度指数模型（如图1）。该模型的前导变量有两个：顾客对产品/服务的期望；顾客对产品/服务的价值感知。满意度的结果变量是顾客抱怨和顾客忠诚度，忠诚度是模型中最终的因变量，因为它可以作为顾客保留和企业利润的指示器。
顾客满意度调查模型简介
顾客满意度调查模型简介The document was prepared on January 2, 2021
《顾客满意度调查模型简介》 顾客满意度调查（CSR）是一项旨在通过连续性的定量研究，获得顾客对特定产品/服务的满意度、再次购买率和推荐率，从而进一步研究消费者的忠诚度。实际上它是对企业的服务/产品的质量进行量化的评估，并通过因素推导模型区分竞争优势和劣势，找出亟须改善的因素，以此作为企业改善产品/服务质量、保持扩大顾客群体的基础。 自从我国告别了商品短缺时代，市场上商品的“质”和“量”逐渐饱和起来，同时消费者的需求也日趋个性化，以“商品”为主体的传统经营手段很难在激烈的市场竞争中脱颖而出。在商品差距越来越小的情况下，谁能提供不断满足甚至超过消费者期望的服务，谁能提供独特的附加价值，谁就能留住顾客、占据市场。然而，目前国内企业更多的是强调市场占有率、销售额和利税等硬性经营指标，往往忽视了顾客满意度、员工满意度、顾客忠诚度等软指标，而这几个因素却是企业可持续发展所必需的。据载一些外资企业更是“别出心裁”地推算出这三者的财务价值： --顾客满意度1%的增长代表了国际商业机器的亿美元的收益机会； --顾客背叛率若下降5%，利润则至少会增加25%； --吸引一个新顾客要比保证一个老顾客多花至少4倍的钱。 顾客背叛率、顾客满意度说到底还是培育顾客满意度的问题。防止顾客群体的流失，涉及到产品质量、价格和服务等众多因素。在这方面，我们借助了国内外同行的经验引进了顾客满意度调查模型（Customer Satisfaction Indices），通过因素重要性推导模型判断产品/服务中亟须改进的因素，该模型前提假设是： 顾客对不同企业提供的同类服务/服务的满意度是有差别的，对某种服务的满意度是由多种因素共同决定的； ·顾客知道哪些因素是重要的，哪些是不重要的，哪些因素是自己满意的，哪些是不满意的； ·任何企业的资源都是有限的。改进的因素是受到各种因素制约的。因此在众多影响顾客满意度的因素中，区别出哪些是急需改进的是有重要价值的。 ·通过顾客对因素重要性的评价和满意度评价，能够区分出四种类型的因素，其结果能够通过矩阵图清晰直观地显示。
顾客满意相关模型
2.1.2顾客满意度相关模型 1. KANO模型 KANO模型是由日本卡诺(Noritaki Kano)博士和其他一些研究学者开发的一个有用的观察客户的需求图。卡诺认为产品或服务的质量根据客户的满意程度可分为三类：当然质量，期望质量和有吸引力的质量 图KANO模型 2. SCSB模型 瑞典顾客满意度指数(Swedish Customer Satisfaction Barometer ，简称SCSB))它强调的是累积的客户满意度。有五种SCSB模型结构变量和六个关系，主要变量有顾客期望质量，感知价值，客户满意度，客户投诉和客户忠诚度。客户的满意是最终目标变量，预期质量和感知价值的客户满意度的原因是变量，客户投诉和客户忠诚度是客户满意度的结果变量。 朋春期萌-------- -- -------- ------------------------- 履啻抱託 (SERB) + 4 “ 熙知结號-------------------- 1 1------------------------ 啟嘗电载 闭J-2 SCSB模唧图 3. ACSI模型 ACSI模型，是被放置在一个相互影响，相互关联的因果互动系统的整体满意度。共六个变量，15个预测变量和八个关系结构模型。相比SCSB模型增加了原因变量感知质量(客户根据实际经验经历，他们的期望的基础上的经验要求，然后才作出一个客观的过程购买全过程的主观判断)
4. ECSI模型 该模型包含7个结构变量，23和10个观测变量关系。与SCSB模型和ACSI 模型相比，新的变量（客户购买产品或服务之前对公司/品牌的印象）的形象与知觉硬件质量分为感知质量和感知软件质量，降低客户投诉变量所占的权重。 5. CCSI模型 CCSI模型在ACSI模型的基础上，吸收ECSI模型成功的经验，包括6个结构变量，11种关系的形成。