[摘要] 針對(duì)主成分分析法在樣本量較大時(shí)，特征值大于1的前幾個(gè)主成分的累計(jì)方差貢獻(xiàn)率在60%以下，信息損失過(guò)多的情況，本文提出了一種數(shù)據(jù)預(yù)處理計(jì)算主成分的方法，該方法可以不受樣本量的限制，并使特征值大1的前幾個(gè)主成分的累計(jì)方差貢獻(xiàn)率提高到95%以上。在對(duì)某企業(yè)的員工滿意度實(shí)證檢驗(yàn)中，與通常方法相比，使得累計(jì)方差貢獻(xiàn)率由55.32%提高到97.21%，且排序結(jié)果顯示與事實(shí)一致。

[關(guān)鍵詞] 主成分 滿意度 數(shù)據(jù)預(yù)處理

一、基本思路

滿意度研究中，主成分分析法是對(duì)眾多的滿意度指標(biāo)進(jìn)行評(píng)價(jià)排序的一種有效方法。然而，在應(yīng)用實(shí)踐中發(fā)現(xiàn)，主成分分析法在樣本量大于60的時(shí)候，特征值大于1的前幾個(gè)主成分的累計(jì)方差貢獻(xiàn)率往往在60%以下，即全部信息的損失大于40%，信息損失過(guò)大，極大的影響了研究結(jié)果的科學(xué)性和準(zhǔn)確性，也不符合提取的主成分累計(jì)方差貢獻(xiàn)率在85%以上的原則，給主成分分析法在滿意度中的研究帶來(lái)了問(wèn)題。

本文的基本思路是對(duì)調(diào)查數(shù)據(jù)進(jìn)行預(yù)處理，然后計(jì)算主成分的方法。具體方法是: 首先，在滿意度調(diào)查問(wèn)卷上，對(duì)各指標(biāo)的測(cè)量尺度仍然采用Likert 5 級(jí)劃分， 分為“很不滿意”、“不滿意”、“一般”、“滿意”、“很滿意”五種；其次，對(duì)調(diào)查樣本數(shù)據(jù)進(jìn)行預(yù)處理。統(tǒng)計(jì)各指標(biāo)不同滿意程度的樣本數(shù)，計(jì)算各指標(biāo)不同滿意程度樣本所占調(diào)查總樣本的百分比；再次，將每個(gè)指標(biāo)不同滿意程度的5個(gè)百分比數(shù)據(jù)調(diào)入SPSS軟件進(jìn)行主成分計(jì)算分析；最后，將各指標(biāo)對(duì)應(yīng)的綜合回歸系數(shù)做為該指標(biāo)的權(quán)重，進(jìn)行分析、評(píng)價(jià)。

在對(duì)滿意度進(jìn)行主成分分析時(shí)，增加了一個(gè)數(shù)據(jù)預(yù)處理程序，使用處理過(guò)的數(shù)據(jù)做主成分計(jì)算、分析。這樣第一，可以使得各滿意程度平等的權(quán)重，保證了做主成分分析時(shí)，各滿意程度數(shù)據(jù)的平等性；第二，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理后，對(duì)分散的原始信息進(jìn)行了集中，每個(gè)指標(biāo)只要五個(gè)數(shù)據(jù)參與主成分分析計(jì)算，使得提取的大于1的主成分的累計(jì)方差貢獻(xiàn)率大大提高，一般在95%或以上；第三，使主成分的應(yīng)用突破了樣本量的限制，樣本量的大小不再影響提取的主成分的累計(jì)方差貢獻(xiàn)率，可以擴(kuò)大主成分的應(yīng)用范圍。這種方法在一定程度上保證了分析結(jié)論的科學(xué)性和準(zhǔn)確性。

二、實(shí)證檢驗(yàn)

1.調(diào)查設(shè)計(jì)及數(shù)據(jù)檢驗(yàn)。以2007年11月對(duì)某企業(yè)的一次員工滿意度調(diào)查為例。本次調(diào)查委托該企業(yè)人力資源部組織進(jìn)行的，這樣也引起了員工的充分重視，保證了問(wèn)卷的回收率；同時(shí)，為保證員工盡量客觀真實(shí)回答問(wèn)題，對(duì)問(wèn)卷采用了匿名形式做答。調(diào)查因素分為發(fā)展機(jī)遇（X1）、工資報(bào)酬（X2）、薪酬公平度（X3）、晉升機(jī)會(huì)（X4）、工作興趣度（X5）、工作適合度（X6）、工作績(jī)效評(píng)價(jià)制度（X7）、管理水平（X8）、同事間工作的配合協(xié)作（X9）、上班的工作環(huán)境（X10）、保險(xiǎn)保障制度（X11）、福利待遇（X12）、工傷保險(xiǎn)（X13）、分配機(jī)制（X14）、歸屬感（X15）。測(cè)量尺度采用Likert 5 級(jí)劃分， 分別為“很不滿意”、“不滿意”、“一般”、“ 滿意”、“很滿意”， 其中1 分代表“最不滿意”， 逐次增加。本次調(diào)查共取得調(diào)查表154份，經(jīng)過(guò)整理分析得到有效問(wèn)卷152份，有效回收率為98.7%。將調(diào)查數(shù)據(jù)調(diào)入SPSS15.0軟件進(jìn)行信度和效度檢驗(yàn)。經(jīng)檢驗(yàn)Cronbach α系數(shù)為0.817， 表明該量表內(nèi)部一致性良好；KMO值為0.819，近似卡方值為556.757，自由度為105，顯著性水平為0.000，代表母群體的相關(guān)矩陣間有共同因素存在，適合進(jìn)行因素分析。

2.主成分分析。采用數(shù)據(jù)預(yù)處理方法，計(jì)算各滿意度指標(biāo)的各滿意度程度所占的百分比數(shù)據(jù)，然后將計(jì)算的數(shù)據(jù)調(diào)入SPSS15.0軟件進(jìn)行主成分分析，可得滿意度百分比的方差分解主成分提取分析表。由輸出結(jié)果可知特征值大于1的主成分個(gè)數(shù)為3，前3個(gè)主成分的方差累計(jì)貢獻(xiàn)率為97.214，即實(shí)際損失信息僅占2.786%，極大的保證了研究的科學(xué)性和準(zhǔn)確性。

3.結(jié)果檢驗(yàn)。對(duì)各指標(biāo)的各滿意程度所占的百分比進(jìn)一步做主成分回歸分析，得到主成分綜合得分模型如下: 綜合得分模型中每個(gè)指標(biāo)所對(duì)應(yīng)的系數(shù)即每個(gè)指標(biāo)的權(quán)重。從主成分綜合得分模型可以看出，員工認(rèn)為最重要的是：福利待遇（X12）、工作適合度（X6）、工傷保險(xiǎn)（X13）、保險(xiǎn)保障制度（X11）、工作興趣度（X5）；其次為：工作績(jī)效評(píng)價(jià)制度（X7）、分配機(jī)制（X14）、管理水平（X8）、歸屬感（X15）、發(fā)展機(jī)遇（X1）、同事間的工作協(xié)作配合（X9）；最后為：晉升機(jī)會(huì)（X4）、上班的工作環(huán)境（X10）、薪酬公平度（X3）、工資報(bào)酬（X2）。與此對(duì)應(yīng)，員工對(duì)福利待遇的追求是目前我國(guó)現(xiàn)階段的普遍趨勢(shì)，所以排在了第一位；同時(shí)，煤礦企業(yè)目前在我國(guó)仍然是高危險(xiǎn)性行業(yè)，所以員工把工作適合度、工傷保險(xiǎn)、保險(xiǎn)保障制度排在了前列；由于近年煤炭行業(yè)景氣，員工收入有了很大提高，員工把工資報(bào)酬排在了最后。本結(jié)果也與員工訪談的結(jié)果非常一致。

三、結(jié)語(yǔ)

應(yīng)用各滿意程度所占的百分比進(jìn)行主成分分析計(jì)算，突破了主成分分析法對(duì)樣本量的限制，對(duì)原始分散的信息進(jìn)行了預(yù)處理，提高了原始信息的集中度，不同的滿意程度給予平等的權(quán)重，應(yīng)用主成分分析更具合理性。在實(shí)證檢驗(yàn)中，與通常方法相比使大于1的主成分個(gè)數(shù)由4個(gè)降低為3個(gè)，累計(jì)方差貢獻(xiàn)率由55.32%提高到97.21%，且排序結(jié)果顯示與事實(shí)非常一致。這是本文對(duì)主成分在滿意度研究中應(yīng)用的新探索。

參考文獻(xiàn)：

[1]余錦華楊維權(quán):多元統(tǒng)計(jì)分析與應(yīng)用[M].廣州：中山大學(xué)出版社，2005.2

[2]王建民王傳旭楊力等:基于主成分分析模型的煤礦企業(yè)員工滿意度實(shí)證研究[J].安徽理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2007，9（2）:1-6

[3]張文彤:SPSS11統(tǒng)計(jì)分析教程（高級(jí)篇）[M].北京:北京希望電子出版社，2002.6