●李 博，馬海群

（1．哈爾濱商業(yè)大學(xué)圖書館，哈爾濱150028；2．黑龍江大學(xué)信息資源管理研究中心，哈爾濱150080）

基于SEM的高校網(wǎng)站信息公開用戶滿意度測評模型校驗

●李 博1，馬海群2

（1．哈爾濱商業(yè)大學(xué)圖書館，哈爾濱150028；2．黑龍江大學(xué)信息資源管理研究中心，哈爾濱150080）

用戶滿意度；結(jié)構(gòu)方程；PLS；信度；效度

基于結(jié)構(gòu)方程模型原理，設(shè)計調(diào)查問卷，并對其信度、效度、樣本特征等維度進行分析檢驗，通過SmartPLS2.0軟件對已構(gòu)建的高校網(wǎng)站信息公開用戶滿意度測評模型進行擬合優(yōu)度檢驗，進而得到修正后高校網(wǎng)站信息公開用戶滿意度測評模型。

1 引言

高校網(wǎng)站信息公開用戶滿意度測評主要是指高校通過網(wǎng)站從服務(wù)的視角評價高校網(wǎng)站信息公開工作在用戶滿意度層面所取得的成績和效果，衡量指標(biāo)即為用戶對高校網(wǎng)站信息公開工作的滿意程度。本文在結(jié)合了高校網(wǎng)站信息公開與用戶滿意度這兩個維度特征的基礎(chǔ)上，通過網(wǎng)絡(luò)問卷調(diào)查的方法，得到必要的數(shù)據(jù)支持，對已構(gòu)建的高校網(wǎng)站信息公開用戶滿意度測評模型進行校驗，進一步驗證和改進測評模型，并最終得到修正后的高校網(wǎng)站信息公開用戶滿意度測評模型。

2 調(diào)查問卷的設(shè)計

調(diào)查問卷的設(shè)計是本文所研究內(nèi)容的基礎(chǔ)性工作，調(diào)查問卷設(shè)計的好壞直接關(guān)系到研究的結(jié)果，也是本文研究深度的重要體現(xiàn)，具體步驟分為設(shè)計調(diào)查問卷、樣本特征描述、信度與效度檢驗。

本文所采用的問卷是在大量參考有關(guān)研究文獻基礎(chǔ)上自主編制的。隨后，又通過座談形式，聽取學(xué)校部分專業(yè)老師以及學(xué)生對于問卷指標(biāo)體系以及語言表述是否簡潔清楚的意見，進一步修改問卷，最終確定了本次調(diào)查所采用的問卷。問卷的問題設(shè)計圍繞著高校形象、用戶預(yù)期、用戶感知質(zhì)量、用戶感知價值、用戶滿意度、用戶抱怨和用戶信任等7個潛變量，在設(shè)計問卷過程中充分考慮到了問題數(shù)量設(shè)置的合理性、指標(biāo)涵蓋全面性等問題。問卷結(jié)構(gòu)為兩部分，第一部分圍繞理論模型的27個觀測變量，將其展開為調(diào)查問卷上的問題，通過公眾對問題的回答，進而得到觀測變量的數(shù)值，然后分別通過SPSS17.0和Smart-PLS2.0對數(shù)據(jù)進行處理和模型檢驗；第二部分是被試者個人的基本情況，包括性別、年齡、職業(yè)、教育程度、所在地域等。

筆者通過在相關(guān)網(wǎng)站（人人網(wǎng)、開心網(wǎng)、騰訊QQ群、飛信群組、新浪微博、騰訊微博、問卷星、百度貼吧、高校論壇等）發(fā)布調(diào)查問卷鏈接，由公眾自愿填寫調(diào)查問卷，用戶只需在選中的答案中打“√”即可。本問卷采用應(yīng)用廣泛的李克特10級量表，分值依次為10、9、8、7、6、5、4、3、2、1，依次對應(yīng)著不同的用戶滿意程度，采取這種量表法主要是因為簡單易懂，便于操作。為防止惡意填寫，調(diào)查過程中采用ⅠP地址綁定和身份特征標(biāo)志的識別技術(shù)對參與者進行判斷，目的是只允許同一公眾接受1次調(diào)查、填寫1份問卷。

3 問卷調(diào)查樣本的特征結(jié)構(gòu)

本研究中所需數(shù)據(jù)來源于網(wǎng)絡(luò)調(diào)查，整個調(diào)研中共發(fā)放問卷500份（問卷略），回收476份，回收率為95.2%，剔除無效問卷后共得到有效問卷398份，根據(jù)SmartPLS軟件算法特征選取其中200份作為樣本數(shù)據(jù)研究，通過數(shù)據(jù)對問卷指標(biāo)和用戶信息描述性分析，如表1所示。

表1 公眾基本信息

從公眾的基本資料可以看出：接受問卷調(diào)查的男女性比例接近2:1，年齡段主要集中于25～50歲之間，這個年齡段的公眾數(shù)量占整個樣本數(shù)量的77.5%；從事的主要職業(yè)為高校教職工、政府機關(guān)與事業(yè)單位職員和學(xué)生群體；受教育程度主要為本科及碩士研究生學(xué)歷；地域分布比較普遍，覆蓋的地域較多，說明本次調(diào)查收集的數(shù)據(jù)具有普遍的代表性。

4 數(shù)據(jù)的信度與效度分析

在進行整體的數(shù)據(jù)運算分析之前，需要對問卷總體的信度與效度進行檢驗。信度檢驗是對量表工具所測得的結(jié)果一致性與穩(wěn)定性的檢驗，效度檢驗的目的則是為了對量表所能夠測到的行為動作程度進行檢驗，量表必須通過信度與效度檢驗，才能證明其所測數(shù)據(jù)具有可靠性、穩(wěn)定性和有效性。

4.1 信度檢驗

信度檢驗主要是檢驗問卷在設(shè)計指標(biāo)方面是否保持對測量相關(guān)變量上的可靠性、穩(wěn)定性和一致性，是否比較客觀地反映研究內(nèi)容的準(zhǔn)確程度和實際情況。本文中問卷的信度是指高校網(wǎng)站用戶滿意度測評問卷中設(shè)置的問卷指標(biāo)反映出來的用戶評價的可信程度。目前，學(xué)術(shù)界針對此類用戶滿意度測評，主要是以科隆巴赫α信度系數(shù)法來檢驗其量表的可靠性。

根據(jù)上文中27個觀測變量對應(yīng)概念模型中的7個潛變量，并且考慮到上文中的假設(shè)12和13，潛變量用戶抱怨對潛變量用戶滿意度和用戶信任呈負向影響，因此該變量并不與其他變量在同一個置信區(qū)間，于是我們將用戶抱怨這一變量剔除，把總量表分成6組，分別檢驗每組變量的整體信度。這6組變量的Cronbach α系數(shù)值如表2所示。各組值均大于0.7這一標(biāo)準(zhǔn)，說明各組觀測變量的整體信度較高，具有良好的內(nèi)部一致性。

表2 量表信度檢驗

4.2 效度檢驗

效度檢驗包括內(nèi)容效度和結(jié)構(gòu)效度兩個方面，內(nèi)容效度主要考慮量表測量內(nèi)容和采集信息之間的相關(guān)程度，反映量表應(yīng)用的現(xiàn)實性程度。其中，內(nèi)容效度可通過計算單項與各項總和之間的相關(guān)系數(shù)來測度。分析結(jié)果如表3～6所示，26個評估項與總和之間的相關(guān)系數(shù)在0.258～0.545之間，在0.01的顯著性水平下呈顯著相關(guān)，量表具有較好內(nèi)容效度。本文問卷量表的設(shè)計是基于用戶滿意度模型和高校網(wǎng)站信息公開兩方面的理論研究構(gòu)建的，因此適合于采用結(jié)構(gòu)效度進行效度檢驗。同樣，將26個觀測變量分成5組分別進行因子分析。在進行因子分析前，需先計算各組變量的KMO檢驗值，以確定樣本數(shù)據(jù)是否適合作因子分析。用戶感知質(zhì)量、用戶感知價值這兩組變量的KMO值分別為0.896和0.902，大于0.7這一標(biāo)準(zhǔn)，［1］球形Bartlett檢驗發(fā)現(xiàn)變量間在0.001顯著性水平下顯著相關(guān)，說明這兩組適合作因子分析。而高校形象、用戶預(yù)期、用戶滿意度和用戶信任這四組由于變量數(shù)量較少，其KMO值較小，說明不適合分別作因子分析。于是我們將其兩兩合并，得到其KMO值分別為0.908和0.873，遠大于0.7，說明兩兩合并后的變量組適合作因子分析。運行SPSS17.0軟件，對這兩組變量作因子分析，只抽取一個公因子來考察各題項測度的一致性程度。表3、表4、表5和表6成分矩陣中顯示了這四組變量的因子負荷量，表示了各變量與公因子的相關(guān)程度，從表中可以看出，所有變量的因子負荷量都超過了0.45這一標(biāo)準(zhǔn)，說明通過了效度檢驗，量表具有較好的結(jié)構(gòu)效度。

表3 高校形象與用戶預(yù)期組變量成分矩陣a

表4 用戶感知價值組變量成分矩陣a

表5 用戶滿意度與用戶信任組變量成分矩陣a

表6 用戶感知質(zhì)量組變量成分矩形a

5 模型校驗

5.1 模型的擬合優(yōu)度分析與檢驗

對問卷調(diào)查收集得到的數(shù)據(jù)運行SmartPLS2.0進行計算分析，得到模型的擬合指標(biāo)（Quality Criteria），包括平均提取方差（AⅤE），該指標(biāo)與共同度（Communality）類似；復(fù)合效度（Composite Reliability）、R2值、Cronbach’s Alpha值、交叉因子載荷系數(shù)（Cross Loadings）以及隱變量相關(guān)系數(shù)等。本文模型的擬合指標(biāo)參見表7。

表7 隱含變量各項擬合指標(biāo)值

由SmartPLS2.0計算結(jié)果對模型擬合指標(biāo)分析顯示可知，本文構(gòu)建的模型是合理的、科學(xué)的，主要表現(xiàn)在：表7主要體現(xiàn)的是隱含變量從觀測變量處獲取解釋信息能力的高低，主要方法是比較隱含變量的平均提取方差（AⅤE)。一般認(rèn)為，AⅤE大于0.5時是合理的，表中除去用戶價值感知（0.456931），其余隱含變量的平均提取方差都大于0.5，說明這幾個隱含變量從與之相對應(yīng)的觀測變量處獲得了相對程度較高的變異信息。Cronbach's Alpha值是模型可信度檢驗的重要指標(biāo)，由表可以看出，全部的隱含變量的Cronbach's Alpha值都超過了0.65，說明該模型具有良好的信度。CompositeReliability的意思是組合信度系數(shù)，是測量工具的信度系數(shù)，若組合信度系數(shù)高，表示隱含變量對應(yīng)測量值一致性程度高。一般來說，組合信度系數(shù)的值應(yīng)大于等于0.7，說明使用的測量工具是可靠的，表中的每個隱含變量組合信度系數(shù)值都大于0.7，說明使用的測量工具是可靠的。R Square表示的是用戶滿意度被其他隱含變量解釋的程度，表中用戶信任η6、用戶感知價值η3、用戶感知質(zhì)量η2、用戶預(yù)期η1對用戶滿意度的解釋程度達到了0.710505，這個數(shù)字已經(jīng)超過了ECSⅠ中滿意度對R平方值的要求（0.65）；Redundancy代表的則是變量的冗余度，分為隱含變量的冗余度和觀測變量的冗余度，冗余度越小則模型的擬合程度越高，標(biāo)準(zhǔn)應(yīng)為冗余度數(shù)值不超過0.2，表中所有的冗余度數(shù)字均低于0.2，說明模型擬合程度較高。

5.2 Bootstrapping顯著性檢驗

本文模型是在偏最小二乘法建模基礎(chǔ)上構(gòu)建的，由于模型中存在比較復(fù)雜的線性或非線性關(guān)系（箭頭表示），僅僅通過計算結(jié)果或者推導(dǎo)很難得到精確的判斷，需要通過新型的模型檢驗方法加以檢驗。Bootstrapping方法是斯坦福大學(xué)Efron教授提出的一種可以不受數(shù)據(jù)分布假設(shè)的局限、基于數(shù)據(jù)模擬的再抽樣參數(shù)檢驗方法，該方法不需要借助或增加新的樣本數(shù)量，只需依靠給定的樣本的信息即可進行檢驗。［2］作為一種非參數(shù)檢驗方法，適合基于PLS構(gòu)建的模型檢驗。Bootstrapping檢驗結(jié)果顯示，所有外部模型權(quán)重與因子載荷系數(shù)的T Statistics數(shù)值普遍比較大，證明兩者都是顯著的，進一步證明了整個模型中所有的隱含變量對其觀測變量具備很好的解釋能力，可以通過整體檢驗。

雖然整體模型的顯著性效果良好，但是Bootstrapping檢驗結(jié)果同時顯示，各個隱含變量間的路徑系數(shù)顯著性檢驗看出某些隱含變量的路徑系數(shù)不顯著。用戶預(yù)期對用戶感知價值、用戶感知質(zhì)量和用戶滿意度路徑系數(shù)的T Statistics數(shù)值分別為1.567197、1.374394和1.729332，都小于2，顯著性表現(xiàn)不強。同樣在檢驗結(jié)果中，也得到關(guān)于用戶預(yù)期對用戶價值感知、用戶感知質(zhì)量、用戶滿意度和用戶信任總體效應(yīng)系數(shù)的T Statistics數(shù)值都小于2，顯著性表現(xiàn)不強。

5.3 測評模型的擬正

以上通過運行SmartPLS2.0得到概念模型的計算結(jié)果，并對模型的擬合優(yōu)度進行了分析，分析結(jié)果表明概念模型總體上是通過驗證的，具有理論和實證的合理性。但是模型的部分系數(shù)值并沒有通過Bootstrapping檢驗，比如用戶預(yù)期與用戶滿意度的路徑系數(shù)，為負值，且不顯著；用戶感知價值與用戶信任在概念模型中沒有直接路徑聯(lián)系，但是用戶感知價值對用戶信任的綜合影響力卻達到了0.808174，其T檢驗值為22.048069＞2，說明感知質(zhì)量對學(xué)生忠誠存在影響，并且顯著不為0。基于此，要對原概念模型進行必要的修正，直至重要參數(shù)值通過顯著性檢驗為止，見圖。

圖修正的高校網(wǎng)站信息公開用戶滿意度測評模型路徑系數(shù)圖

［1］Kaiser HF．An index of factorial simplicity［J］．Psychomertrika，1974，35：31－36．

［2］Anderson Eugene W，F(xiàn)ornell Claes．Customer satisfaction，productivity and profitability：differences between goods and services［J］．Marketing Science，1997，16（2）：129－145．

G250.72；G252

A

1005－8214（2014）01－0005－04

李博（1987－），男，碩士，主要從事網(wǎng)絡(luò)信息資源管理研究；馬海群（1964－），男，安徽人，教授，博士，博士生導(dǎo)師，主要從事信息資源管理、信息政策與法律研究。

2013－07－16［責(zé)任編輯］王崗

本文系國家社科基金項目“高校信息公開制度的構(gòu)建與績效評價”（項目編號：11BTQ028），黑龍江省自然科學(xué)基金項目“大學(xué)信息公開政策的構(gòu)建與評價研究”（項目編號：G201010），黑龍江省高等教育學(xué)會“十二五”教育科學(xué)研究規(guī)劃課題“現(xiàn)代大學(xué)治理與高校信息公開制度建設(shè)”（項目編號：HGJXHB1110485），黑龍江大學(xué)創(chuàng)新團隊支持計劃（項目編號：Hdtd2010-24）、黑龍江省研究生創(chuàng)新科研項目“高校網(wǎng)站信息公開的績效評價”（項目編號：YJSCX2012-283HLJ）系列研究成果之一。