顾客满意度模型的样本量研究

论文摘要

一个企业的顾客满意度代表了它的顾客群对企业所提供的产品和服务整体的满意度情况。在当今竞争异常激烈的环境中,获得以及保持顾客的忠诚是所有想要生存、盈利的公司都必须做到的。而顾客的忠诚与顾客对企业所提供的产品、服务的满意度有着很强的联系。高的忠诚度必然有很高的顾客满意度。顾客满意度测评是企业了解顾客态度的一个很重要的途径。顾客满意度模型就是在这样的背景下产生的。顾客满意度模型利用结构方程模型来处理“顾客满意度”等来自于顾客的不可直接测量的评价,是计量经济学与统计技术相结合的一种模型。目前,针对基于顾客满意度模型的满意度测评的样本量确定问题的研究,主要是从控制模型拟和精度的角度出发来考虑的。然而对实际工作者而言,往往更需要了解顾客满意度模型的最核心的指标“顾客满意度”的信息,希望能从“顾客满意度”的角度出发来考虑样本量的问题。然而由于“顾客满意度”的不可观测性,使得我们无法获得它的观测值,因此常用的抽样方法都不能直接使用。本文研究基于顾客满意度模型进行顾客满意度测评的调查样本量的确定问题。本文考虑确定样本量的标准是：样本量N能够使得潜变量“顾客满意度”的均值v的区间估计的置信度为1—α,同时控制该区间估计的长度小于等于2d(d>0)。本文采用极大似然方法给出模型的参数估计。然后引入Karl G.Joreskog(2000)所提出的方法得到了潜变量得分,Karl G.Joreskog已经指出在一定条件下这样的估计量与潜变量本身具有相同的均值、协方差。本文在此基础上,通过对模型进行一定的假定,得到了该估计量的更多的性质：在一定的条件假设下,满意度得分(“顾客满意度”的潜变量得分)与“顾客满意度”同分布。因此我们可以使用满意度得分来代替“顾客满意度”的观测值,这样就可以利用对满意度得分进行精度控制来确定调查所需样本量。本文中考虑的抽样精度要求是：样本量N能够使得潜变量“顾客满意度”的均值v的区间估计的置信度为1—α,同时控制该区间估计的长度小于等于2d(d>0)的抽样方案以及样本量。最后通过一个调查案例,进行了模型建立、参数估计、给出了抽样方案并求出了满足估计精度要求的抽样样本量,且对抽样方案的精确度进行了探讨,对本文的研究内容的实际操作作了一个比较详细的说明,对研究者的实际操作有一定的借鉴作用。

论文目录

• 摘要
• ABSTRACT
• 第一章 问题背景与本文研究内容
• 1.1 结构方程模型介绍
• 1.1.1 基本概念
• 1.1.2 一般模型
• 1.1.3 参数估计
• 1.2 结构方程模型与传统统计方法的异同
• 1.2.1 线性回归模型
• 1.2.2 因子分析模型
• 1.3 实际应用中的情况
• 1.4 顾客满意度模型
• 1.5 美国顾客满意度指数模型
• 1.6 目前主要研究的内容
• 1.7 本文研究内容
• 第二章 顾客满意度模型的参数估计
• 2.1 研究的模型
• 2.2 参数估计
• 第三章 满意度得分的计算以及抽样调查样本量的确定
• 3.1 顾客满意度得分的计算
• 3.2 潜变量得分的性质
• 3.2.1 视潜变量得分表达式中的参数为已知量时潜变量得分的性质
• 3.2.2 视潜变量得分表达式中的参数为估计量时潜变量得分的性质
• 3.3 满意度得分的性质
• 3.3.1 视潜变量得分表达式中参数为已知量时满意度得分的性质
• 3.3.2 视潜变量得分表达式中参数为估计量时满意度得分的性质
• 3.4 小结
• 3.5 抽样样本量的确定
• 3.5.1 视潜变量得分表达式中参数为已知量的抽样方案
• 3.5.2 视潜变量得分表达式中参数为估计量的抽样方案
• 3.5.3 小结
• 第四章 实证分析
• 4.1 案例概述
• 4.2 分析模型
• 4.3 参数估计
• 4.4 抽样方案以及抽样样本量
• 4.5 抽样方案的评价
• 4.5.1 抽样方案一的评价
• 4.5.2 抽样方案二的评价
• 4.6 小结
• 第五章 总结与展望
• 参考文献
• 致谢