1、精選優質文檔-傾情為你奉上TCSI在滿意度測評中的應用（附AMOS操作手冊）TCSI，即通信企業滿意度指數測評模型，是信息產業部推薦的電信行業滿意度測評模型。TCSI經由ACSI(美國滿意度測評模型)和ECSI(歐洲滿意度測評模型)發展而來，模型基于結構方程和路徑分析。如圖：TCSI模型由七個部分構成，其中，品牌印象、期望、質量感知、價值感是影響滿意度的前置因素，也就是說，用戶的滿意度是由這四個因素綜合影響決定的。但是，如品牌印象、期望、質量感知以及滿意度等因素，是比較抽象的概念，不能直接去測量。于是我們用一些可以直接測量的變量，來代表和描述那些不能直接測量的變量。這些可以直接測量的變量，我們

2、稱之為“觀測變量”（Observed Variable），而其所代表的變量稱之為“潛變量”（Latent Variable）。那么，在TCSI模型里，一般用什么樣的觀測變量去代表潛變量呢？下面是國外常用的測量語句（括號里是公司目前所運用的測量語句）。品牌印象：1、您信任*嗎？2、您覺得*可靠嗎？3、您覺得*對社會有貢獻嗎？4、您覺得*關心用戶嗎？5、您覺得*是一個創新的、有遠見的公司嗎？（目前所應用的是“*在您心目中的形象如何呢？）客戶預期：1、 如果最好的服務是10分，您估計目前*提供的服務可以達到什么水平呢？2、 您認為*提供的產品和服務滿足了你的需求嗎？3、 您認為*會經常出錯嗎？（目前

3、所應用的是“如果最好的服務是10分，您估計目前*提供的服務可以達到什么水平呢”）感知質量:整個商業過程的滿意度評價,如對電信來說,是網絡質量、營業廳服務、熱線服務、計費收費、故障修復、投訴處理等等的用戶滿意度評價感知價值：1、 就您目前所接受的服務質量，您如何評價*的價格水平呢？2、 就您目前所支付的價格，您如何評價*服務質量水平呢？（目前所應用的是“就您目前所接受的服務質量，您如何評價*的價格水平呢？）滿意度：1、總體而言，您對*提供的各項產品和服務的滿意程度是怎樣的呢2、*符合了您的期望嗎3、 您認為*符合您心目理想的#嗎目是“總體而言您對*提的各項服務的滿意程度是怎樣的呢？）用戶抱怨：1

4、、（如果近期有投訴）您對投訴處理的價2、（如果近期沒有投）您認為*會多大程度上關心你的投呢縞緲目前所應用的是“1、是否產生不滿呢？2、是否有投訴呢？“）忠誠度：1、如果您要選擇一個新的#，您會再次選擇*嗎？2、如果別的#降價，而*維持原價，當兩者的差價達到多少時，您會選擇別的#?3、您會向別人推薦使用*嗎？4、 增加使用的可能性5、 滿足你需求的程度（目前所應用的是“1、繼續使用*的可能性？2、會向別人推薦使用*嗎？“）所謂的滿意度指數、忠誠度指數，就是描述滿意度、忠誠度的各個測量語句的加權平均分如何分析TCSI模型呢？TCSI基于結構方程和路徑分析，AMOS就是處理結構方程的一種軟件。AMO

5、S操作手冊前言AMOS是處理結構方程模型的一種工具。結構方程模型.英文名叫Stuctural Equation Modeling,簡稱SEM. 結構方程可以處理潛變量與潛變量，潛變量與觀測變量之間的關系，而結構方程模型就是指這些變量之間的關系，而路徑圖就是結構方程模型的圖示，如下圖：在路徑圖中，圓或者橢圓表示潛變量，矩陣表示觀測變量，單向箭頭表示一個變量對另一個變量的影響，雙箭頭表示變量間的協方差或者相關。一、畫路徑圖1. 啟動AMOS可以從Windows的開始菜單啟動AMOS，如下圖所示：另外，由于AMOS是SPSS公司的產品，也可以從SPSS里直接啟動它，如下圖：下面就是AMOS的圖形界面

6、了：2. 畫路徑圖先看AMOS圖形界面的左邊的工具欄，如圖：工具欄上的圖標就是我們執行各種操作的快捷方式。同樣的功能在AMOS的菜單欄里也能實現，但遠遠沒有用工具欄方便，所以這里主要介紹如何從工具欄進行操作。從開始菜單選擇FileNew，如，開始作一個新的路徑圖。另外，我們也可以利用模版或直接讀取舊的路徑圖，在此基礎上修改成一個新的路徑圖。先來看看這個，選擇它，在右邊的區域中，按住左鍵，畫一個圓，或者橢圓，再點擊這個圓或橢圓，點一次就產生了一個潛變量和一個觀察變量，每多點一次，就多產生一個觀察變量，如圖：選擇，點擊潛變量，可使觀察變量圍繞潛變量旋轉，如圖，選擇，讓整個圖形各個元素保持對稱，然后

7、再選擇，拖動圖形到旁邊，就復制了一個同樣的圖形，如圖，選擇，移動圖形，調整位置，選擇，旋轉圖形，得到如圖，選擇，在兩個潛變量之間，畫單向前頭，如圖，再給兩個潛變量加上殘差（residual）,選擇，點擊潛變量，如圖，這樣，一個路徑圖基本完成了，調整一下，得到如圖，現在，要按照已有的結構方程模型，給潛變量取名。雙擊潛變量，彈出對話框，如圖，在Variable name文本框中輸入變量名稱，得到如圖，、3. 載入數據現在，就要輸入數據了，選擇，彈出對話框，如圖，選擇對話框架中File Name，如圖，選擇一個SPSS文件，如HSW，打開。選擇，顯示變量列表，如圖，把變量名逐個拖到觀察變量框中，如圖

8、，把潛變量的殘差取名，D1、D2，再給其它剩下的非觀察變量取名，在Tool菜單欄下，如圖 選擇Name Unobserved Variables，自動給剩下的非觀察變量取名，如圖，4. 運算一個結構方程模型基本完成,下面就可以開始運算了.在運算之前,要首先設置一下分析屬性(analysis properties),選擇,彈出窗口,選擇OUTPUT項,選擇一些選項,如圖,開始模型運算,選擇,幾秒鐘后,運算完成了,如圖,看看結果輸出,選擇,如圖,選擇其中的Notes for Model,如圖,5. 檢驗與運算卡方檢驗顯著性水平是0.000,即零假設不被接受,也就是說模型是不被接受的.通過對觀測變量

9、的相關性分析,發現Q2與Q3,Q4與Q7之間存在顯著相關,于是對模型進行修正,給Q2與Q3,Q4與Q7加上表示相關的雙向箭頭,結果如圖,再進行運算,輸出結果,如圖,卡方檢驗顯著性水平是0.312,接受零假設,也就是說接受了模型.但模型的擬合程度怎么樣呢,主要看這幾個指標:CFI,TLI,RMSEA.一般要求CFI>0.95,TLI>0.95,當RMSEA<0.05時,或者在90%的置信度下,其置信區間上限小于0.08.選擇Model Fit項,如圖,CFI為1.000,TLI為0.999,RMSEA為0.049,從這三個指標來看,模型擬合效果很好.最后,我們來看最想要得到的東西-標準化系數.如圖,上圖中的Estimate下面的數字就是標準化系數了.標準化系數的大小反應了一個指標對另一個指標影響力的大小.標準化系數在研究中又被稱為推導重要性,它反映了用戶行為的真正驅