论证政务服务PSI指标体系影响因素的初始设定-满意度调查网

阅读量: 1,745

论证政务服务PSI指标体系影响因素的初始设定

2016年01月27日　|　作者: adminlin　|　分类: 公共服务满意度　|　

已经介绍过政务服务满意度指标PSI（Public service Satisfaction Index），全称为政务服务公众满意度指标体系，本文将会展开对初期 PSI 作出论证。

1. 确定评价指标体系

如何构建一套完整、健全的指标体系是政务服务满意度研究的基础，尤其是作为第一期政务服务满意度考评的时候，指标体系的建立就显得尤为重要。

指标体系的确定永远都不是一个静止的、一劳永逸的事情，必须要根据后续收集的数据以及跟踪监测进行验证，然后不断动态修正。一套科学的政府政务服务满意度考评模型的指标体系一般包括的步骤如下：

以某城市政务服务满意度考评指标体系的确定过程来进行说明：

首先，通过二手资料的收集、受访者的深访和研究人员实地走访等，结合政务服务考评主管单位的考核要求，建立了以下初始的政务服务满意度考评模型假设：

即假设广州市政务服务满意度主要由7个一级满意度指标构成（潜变量），每个一级满意度指标则由若干二级指标构成，总共23个二级指标（观测变量）。至于该量表模型是否合理有效则需要进一步进行验证。

利用该指标模型，经过广州市数个地区、数个年度的调研，总共收集了9690个样本。出于时间与质量上的考虑，大部分的电话访问没有进行二级指标测评，其中涉及“投诉监督”二级指标测评的样本更少，因此“投诉监督”暂不进入模型进行假设验证，但始终需要作为重要的“抱怨度”评价指标。对假设模型进行验证其实就是要对收集回来的数据进行信度和效度检验。

所谓信度，指测量数据一致性的程度。一致性主要反映的是测验内部题目之间的关系，考察测验的各个题目是否测量了相同的内容或特质。Cronbach's Alpha系数是Cronbach在1951提出的验证信度一致性的一种方法，这种方法将测量工具中任一条目结果同其他所有条目作比较，对量表内部一致性估计更为严谨。利用SPSS18在Analyze菜单中选择Scale下的Reliability Analysis可进行信度检验。

对每个一级指标（潜变量）的信度分别检验结果如下表所示，可发现除了服务硬件Cronbach's Alpha系数略低外，其它分量表的Alpha系数均在0.9以上，且总量表的Cronbach’sAlpha系数达到了0.939，表明假设模型整个指标体系的信度即可靠性较高。

所谓效度（validity）指测量工具能够正确测量出所要测量的特质的程度，分为内容效度（content validity）、效标效度（criterion validity）和结构效度（construct validity）三个主要类型。在实际操作的过程中，前面两种效度（内容效度和效标效度）往往要求专家定性研究或具有公认的效标测量，因而难以实现的，而结构效度则可以采用多种方法来实现。

结构效度又叫构想效度或理论效度，顾名思义，即是用收集回来的数据评估整个假设模型或量表结构有效性或吻合度。在评价结构效度时，调研人员最主要解释的是“假设量表为什么有效”这一理论问题以及考虑从这一理论问题中能得出什么推论。

效度分析最理想的方法是利用探索性因子分析测量量表或整个问卷的区分效度。因子分析的主要功能是从量表全部变量（观测变量/题项）中提取一些公因子，各公因子分别与某一群特定变量高度关联，这些公因子即代表了量表的基本结构。通过探索性因子分析可以考察问卷是否能够测量出研究者设计问卷时假设的某种结构。

在因子分析的结果中，用于评价结构效度的主要指标有累积贡献率、共同度和因子负荷。累积贡献率反映公因子对量表或问卷的累积有效程度，共同度反映由公因子解释原变量的有效程度，因子负荷反映原变量与某个公因子的相关程度。

对根据假设模型收集回来的数据首先做KOM和Bartlett检验（如下图），检验发现KOM>0.9，二级指标（观测变量）间的偏相关非常弱，Bartlett检验的SIG<0.05, 二级指标（观测变量）间的相关系数矩阵与单位阵有显著差异，因此非常适合做因子分析。

根据假设量表模型，政务服务满意度由6个因素确定（投诉监督不考虑），故采用主轴因子提取法提取6个因子，经因子载荷旋转交换后的得到以下结果（仅列出>0.5的因子载荷）：

显然，因子1、2、3、4、5、6分别主要解释了服务效率、服务硬件、服务规范、服务等待、服务态度和服务水平的信息，即把20个二级指标（可观测变量）通过因子分析变成了6个因子，这与量表设计的6个因素完全吻合，说明该量表的区分效果较高。只有个别可观测变量如“业务流程熟悉程度”和“办事程序规范”违反了区分效度原则。按照假设设计，“业务流程熟悉程度”和“办事程序规范”分别主要是反映“服务水平”和“服务规范”，但实际上根据收集回来的数据进行的因子分子，两者相当程度上都承载了“服务效率”的信息。事实上从这两道题提问的内容上看，也令受访者更容易联想到有关服务效率方面，这与模型假设的初衷有一点出入，因此这两道题目的设置还有改进空间。