回归分析参数模型满意度研究的局限性-中国广告门户网-广告新闻频道

回归分析参数模型满意度研究的局限性

作者：阳军文章来源：慧聪邓白氏研究作者：余吉镜点击数：更新时间：2009-9-26

引文：

满意度研究是当前市场调研的热点，很多企业需要定期进行满意度调研，并将其结果作为全面质量管理和客户关系管理的重要信息来源，以获取市场竞争优势。根据中国广告门户邓白氏研究多年来实践经验表明，满意度研究最重要的工作是建立科学的满意度模型，而满意度模型的参数估计则更是重中之重。

本文主要针对目前使用的回归分析参数模型满意度研究的局限性做个简单的介绍。

回归分析参数模型

回归分析（Regresion）是通过分析数据拟合因变量与自变量之间的关系式，来检验影响变量的显著程度。例如，利用多元线性回归，建立满意度模型方程“总体满意度=a+b1*产品满意度+b2*服务满意度+b3*价格满意度”。一般情况下，通过上述方程就可以分析各环节满意度对总体满意度的影响，相类似的，我们也可以分析一些细项对各环节满意度的影响。

因此，回归分析可以算得上是一种有效且易用的方法。但是，在使用回归分析方法时，一定要注意其技术本身所存在的一些局限性：

回归分析的局限性

首先，回归分析无法解决多重共线的问题。

多重共线指的是多个变量之间存在相关甚至高度相关，这种现象在实际调研中是经常出现的，但回归分析无法解决这一问题。例如，在一项关于乘客对乘车环境的满意度研究中，得到这样一个回归方程，Y=0.276+0.073*站内环境+0.053*乘车方便性-0.042*站内安全感+0.033*车内环境-0.023*乘车方便性+0.022*广播质量+……。这个方程有个很奇怪的地方，站内安全感和乘车方便性对总体满意度的影响是负向的，这是有悖于常理的结果，也可以说是不正确的结果。出现这样结果的主要原因是自变量之间存在高度相关，也就是所谓的多重共线性的问题。

其次，回归方法使用的前提假设条件是各观测变量不存在测量误差，即各观测变量都已被百分之百真实测量出来，而这一假设在测量理论和实际操作中都是不可能满足的。经典测量理论认为：测验分数＝真分数＋误差分数，误差分数是无法避免的。同样，在实际操作过程中，系统误差和随机误差也是人力和主观愿望所无法控制的，但回归方法由于其方法本身的局限无法解决这一问题。所以，如果测量误差越大，回归分析所得结果的误差也越大。

除了多重共线和测量误差的问题之外，回归方法还存在无法同时考察多个因变量的问题等。那么，针对这些问题，我们在使用回归分析参数模型进行满意度研究过程，应该注意这些技术本身所存在的局限性，选择合适的满意度模型进行研究。