客户满意度中的合理使用回归方法.ppt

客户满意度中的合理使用回归方法.ppt

《客户满意度中的合理使用回归方法.ppt》由会员分享，可在线阅读，更多相关《客户满意度中的合理使用回归方法.ppt（24页珍藏版）》请在冰豆网上搜索。

回归在客户满意度分析中的合理使用回归在客户满意度分析中的合理使用零点公司技术部制作零点公司技术部制作理论界对于多元回归分析的否定与质疑理论界对于多元回归分析的否定与质疑理论界对于多元回归分析的否定与质疑理论界对于多元回归分析的否定与质疑否定回归的观点：

否定回归的观点：

否定回归的观点：

否定回归的观点：

19921992年威廉姆年威廉姆年威廉姆年威廉姆麦可兰博士对多元回归分析在客户满意度模型的应用麦可兰博士对多元回归分析在客户满意度模型的应用麦可兰博士对多元回归分析在客户满意度模型的应用麦可兰博士对多元回归分析在客户满意度模型的应用提出了批评，他认为，使用回归研究满意度的决定因素提出了批评，他认为，使用回归研究满意度的决定因素提出了批评，他认为，使用回归研究满意度的决定因素提出了批评，他认为，使用回归研究满意度的决定因素“充满了数学充满了数学充满了数学充满了数学和哲学危险和哲学危险和哲学危险和哲学危险”，而极力推崇的是因素自赋重要性推导方法，而极力推崇的是因素自赋重要性推导方法，而极力推崇的是因素自赋重要性推导方法，而极力推崇的是因素自赋重要性推导方法。

肯定回归的观点：

肯定回归的观点：

肯定回归的观点：

肯定回归的观点：

只要合理地应用，回归分析是进行客户满意度研究只要合理地应用，回归分析是进行客户满意度研究只要合理地应用，回归分析是进行客户满意度研究只要合理地应用，回归分析是进行客户满意度研究（CSM）CSM）的绝佳工具。

的绝佳工具。

的绝佳工具。

的绝佳工具。

麦可兰博士假设数据中的不合理性麦可兰博士假设数据中的不合理性麦可兰博士假设数据中的不合理性麦可兰博士假设数据中的不合理性因素因素因素因素BB没有变化，但在一个真正的没有变化，但在一个真正的没有变化，但在一个真正的没有变化，但在一个真正的CSMCSM数据系统中发现数据系统中发现数据系统中发现数据系统中发现这样一个因素的可能性很小。

这样一个因素的可能性很小。

这样一个因素的可能性很小。

这样一个因素的可能性很小。

与整个满意度测量的相关性相比，因素与整个满意度测量的相关性相比，因素与整个满意度测量的相关性相比，因素与整个满意度测量的相关性相比，因素CC与另一个因素与另一个因素与另一个因素与另一个因素AA更相关。

更相关。

更相关。

更相关。

原始假设数据因素取值的同一性原始假设数据因素取值的同一性原始假设数据因素取值的同一性原始假设数据因素取值的同一性总体满意度A因素满意度B因素满意度C因素满意度788789856785988444839988因素之间的强效相关性因素之间的强效相关性因素之间的强效相关性因素之间的强效相关性A因素与总体满意度相关系数C因素与总体满意度相关系数C因素与A因素相关系数091054069相关性测试相关性测试相关性测试相关性测试麦可兰博士否定回归的理由麦可兰博士否定回归的理由麦可兰博士否定回归的理由麦可兰博士否定回归的理由否定回归的理由：

否定回归的理由：

否定回归的理由：

否定回归的理由：

麦可兰博士麦可兰博士麦可兰博士麦可兰博士揭示了被称为揭示了被称为揭示了被称为揭示了被称为“压抑网压抑网压抑网压抑网”的现象，一个特殊种的现象，一个特殊种的现象，一个特殊种的现象，一个特殊种类的压抑效果。

当一个自变量与另一个自变量相关程度较类的压抑效果。

当一个自变量与另一个自变量相关程度较类的压抑效果。

当一个自变量与另一个自变量相关程度较类的压抑效果。

当一个自变量与另一个自变量相关程度较高，但是与模型中的预测因变量相关程度较低时，高，但是与模型中的预测因变量相关程度较低时，高，但是与模型中的预测因变量相关程度较低时，高，但是与模型中的预测因变量相关程度较低时，“压抑压抑压抑压抑网网网网”现象发生。

这一现象将产生一个有错误标志的回归系现象发生。

这一现象将产生一个有错误标志的回归系现象发生。

这一现象将产生一个有错误标志的回归系现象发生。

这一现象将产生一个有错误标志的回归系数，压抑效果很可能发生在回归分析中。

数，压抑效果很可能发生在回归分析中。

数，压抑效果很可能发生在回归分析中。

数，压抑效果很可能发生在回归分析中。

否定理由中的不恰当性否定理由中的不恰当性否定理由中的不恰当性否定理由中的不恰当性对否定理由的驳斥：

对否定理由的驳斥：

对否定理由的驳斥：

对否定理由的驳斥：

统计输出结果仅仅是对输入的原始数据的另一种形式的再现。

统计输出结果仅仅是对输入的原始数据的另一种形式的再现。

统计输出结果仅仅是对输入的原始数据的另一种形式的再现。

统计输出结果仅仅是对输入的原始数据的另一种形式的再现。

麦可兰麦可兰麦可兰麦可兰博士博士博士博士描述的这些问题可能只是发生在，如果一个描述的这些问题可能只是发生在，如果一个描述的这些问题可能只是发生在，如果一个描述的这些问题可能只是发生在，如果一个CSMCSM研究者要使用在研究者要使用在研究者要使用在研究者要使用在此之后的统计此之后的统计此之后的统计此之后的统计“筛选筛选筛选筛选”去发现正确的回归模型（如：

逐步回归），特去发现正确的回归模型（如：

逐步回归），特去发现正确的回归模型（如：

逐步回归），特去发现正确的回归模型（如：

逐步回归），特别是如果建模涉及到大量像上述自变量这样的多余因素时。

但是，如别是如果建模涉及到大量像上述自变量这样的多余因素时。

但是，如别是如果建模涉及到大量像上述自变量这样的多余因素时。

但是，如别是如果建模涉及到大量像上述自变量这样的多余因素时。

但是，如果一个回归模型已经被正确地说明，一套相对独立的决定因素，每一果一个回归模型已经被正确地说明，一套相对独立的决定因素，每一果一个回归模型已经被正确地说明，一套相对独立的决定因素，每一果一个回归模型已经被正确地说明，一套相对独立的决定因素，每一个预测变量都应当与它所决定的而不是其他预测变量有更多联系。

如个预测变量都应当与它所决定的而不是其他预测变量有更多联系。

如个预测变量都应当与它所决定的而不是其他预测变量有更多联系。

如个预测变量都应当与它所决定的而不是其他预测变量有更多联系。

如果有这种完善的研究实践，压抑效果可以避免。

果有这种完善的研究实践，压抑效果可以避免。

果有这种完善的研究实践，压抑效果可以避免。

果有这种完善的研究实践，压抑效果可以避免。

麦可兰博士自赋因素重要性的误区麦可兰博士自赋因素重要性的误区麦可兰博士自赋因素重要性的误区麦可兰博士自赋因素重要性的误区误区：

具有高重要性的不重要因素误区：

具有高重要性的不重要因素误区：

具有高重要性的不重要因素误区：

具有高重要性的不重要因素麦可兰博士麦可兰博士麦可兰博士麦可兰博士应用假设数据讨论一个有高重要性的因素，应当注意到，应用假设数据讨论一个有高重要性的因素，应当注意到，应用假设数据讨论一个有高重要性的因素，应当注意到，应用假设数据讨论一个有高重要性的因素，应当注意到，他武断地对例子中的因素赋予重要性。

它们与假设数据是没有实质性他武断地对例子中的因素赋予重要性。

它们与假设数据是没有实质性他武断地对例子中的因素赋予重要性。

它们与假设数据是没有实质性他武断地对例子中的因素赋予重要性。

它们与假设数据是没有实质性联系的。

联系的。

联系的。

联系的。

自赋因素重要性的误区实例自赋因素重要性的误区实例自赋因素重要性的误区实例自赋因素重要性的误区实例看看看看看看看看“飞行安全飞行安全飞行安全飞行安全“这个经典实例。

当被问及时，大多数消费者可能这个经典实例。

当被问及时，大多数消费者可能这个经典实例。

当被问及时，大多数消费者可能这个经典实例。

当被问及时，大多数消费者可能赋予赋予赋予赋予”安全安全安全安全”很高的分值。

但是，它可能不是选择航线的重要指标。

很高的分值。

但是，它可能不是选择航线的重要指标。

很高的分值。

但是，它可能不是选择航线的重要指标。

很高的分值。

但是，它可能不是选择航线的重要指标。

它更可能是最低的要求，某种被希望的、重要的，但是对于预言的它更可能是最低的要求，某种被希望的、重要的，但是对于预言的它更可能是最低的要求，某种被希望的、重要的，但是对于预言的它更可能是最低的要求，某种被希望的、重要的，但是对于预言的选择并不是很重要。

难道我们要把资源从安全中抽离吗？

不，它最选择并不是很重要。

难道我们要把资源从安全中抽离吗？

不，它最选择并不是很重要。

难道我们要把资源从安全中抽离吗？

不，它最选择并不是很重要。

难道我们要把资源从安全中抽离吗？

不，它最好保持现在的表现水平，要知道，资源少，表现水平就会降低。

好保持现在的表现水平，要知道，资源少，表现水平就会降低。

好保持现在的表现水平，要知道，资源少，表现水平就会降低。

好保持现在的表现水平，要知道，资源少，表现水平就会降低。

（对于不同的航空公司而言，（对于不同的航空公司而言，（对于不同的航空公司而言，（对于不同的航空公司而言，“安全问题安全问题安全问题安全问题”是最基本的，如果连是最基本的，如果连是最基本的，如果连是最基本的，如果连“安全安全安全安全”都保证不了，总体的竞争实力肯定会降低）都保证不了，总体的竞争实力肯定会降低）都保证不了，总体的竞争实力肯定会降低）都保证不了，总体的竞争实力肯定会降低）自赋因素重要性与回归推演重要性的矛盾自赋因素重要性与回归推演重要性的矛盾自赋因素重要性与回归推演重要性的矛盾自赋因素重要性与回归推演重要性的矛盾四种自赋重要性与推演重要性的组合四种自赋重要性与推演重要性的组合四种自赋重要性与推演重要性的组合四种自赋重要性与推演重要性的组合自赋重要性推演重要性低高高12低34表中表中表中表中“2”“2”和和和和“3”“3”这两个数据单元显示出两个方法之间的一致，这两个数据单元显示出两个方法之间的一致，这两个数据单元显示出两个方法之间的一致，这两个数据单元显示出两个方法之间的一致，“1”“1”和和和和“4”“4”两个数据单元显示方法之间缺乏同一。

两个数据单元显示方法之间缺乏同一。

两个数据单元显示方法之间缺乏同一。

两个数据单元显示方法之间缺乏同一。

“飞行安全飞行安全飞行安全飞行安全”实实实实例即属于单元格例即属于单元格例即属于单元格例即属于单元格44的情况，的情况，的情况，的情况，“高自赋重要性低推演重要性高自赋重要性低推演重要性高自赋重要性低推演重要性高自赋重要性低推演重要性”。

而单元。

而单元。

而单元。

而单元格格格格11则为自赋的重要性低而回归的推演影响高则为自赋的重要性低而回归的推演影响高则为自赋的重要性低而回归的推演影响高则为自赋的重要性低而回归的推演影响高。

低自赋重要性与高推演重要性低自赋重要性与高推演重要性低自赋重要性与高推演重要性低自赋重要性与高推演重要性例如，看一个例子，对年轻的城市职业者购买宝马产品后例如，看一个例子，对年轻的城市职业者购买宝马产品后例如，看一个例子，对年轻的城市职业者购买宝马产品后例如，看一个例子，对年轻的城市职业者购买宝马产品后的满意度进行评分。

假设，影响他们满意度的因素之一是的满意度进行评分。

假设，影响他们满意度的因素之一是的满意度进行评分。

假设，影响他们满意度的因素之一是的满意度进行评分。

假设，影响他们满意度的因素之一是他们在驾驶汽车过程中所带来的心理感受。

在一个自赋重他们在驾驶汽车过程中所带来的心理感受。

在一个自赋重他们在驾驶汽车过程中所带来的心理感受。

在一个自赋重他们在驾驶汽车过程中所带来的心理感受。

在一个自赋重要性的任务中，可能许多人不会承认这一因素对于他们的要性的任务中，可能许多人不会承认这一因素对于他们的要性的任务中，可能许多人不会承认这一因素对于他们的要性的任务中，可能许多人不会承认这一因素对于他们的购买决定和接下来的满意度有很大贡献。

但是，在一个正购买决定和接下来的满意度有很大贡献。

但是，在一个正购买决定和接下来的满意度有很大贡献。

但是，在一个正购买决定和接下来的满意度有很大贡献。

但是，在一个正确说明的回归分析中，很可能这样一个因素会有一个大而确说明的回归分析中，很可能这样一个因素会有一个大而确说明的回归分析中，很可能这样一个因素会有一个大而确说明的回归分析中，很可能这样一个因素会有一个大而显著的回归系数。

（这就是所谓的低自赋重