基于企业视角的城市公共服务满意度评价
2017年04月26日 | 作者: adminlin | 分类: 公共服务满意度 |
为研究企业对城市公共服务满意度的评价，本文以西北地区某省会城市为实证研究对象，在广泛调研和数据资料收集整理的基础上，运用通过主成分分析和Logit回归分析方法，重点从企业视角对城市公共服务满意度评价的影响因素展开研究。
城市公共服务是21世纪城市公共行政和政府改革的核心理念，它以合作为基础，强调政府的服务性，强调公民的权利。城市公共服务的水平在一定程度上体现了城市管理者—政府的管理和服务水平。企业组织在城市发展中具有不可替代的重要作用，它们对城市公共服务满意度的评价对促进政府改善管理、优化公共服务的各项安排，具有重要的现实意义。
关于满意度的研究，美国密歇根Fornell博士（1989）提出“顾客满意度指数（CSI）”，并且取得了广泛的应用。清华大学国情研究所杨永恒博士建立起公共部门的“顾客满意度指数（ACSIP）”，该模型较好地表达了市民满意度的形成过程和主要机制，较为全面地考虑到主要因素和特点，缺点在于将公共服务放在同一个模型中，过于简单，精度不够。美国哈佛肯尼迪学院安东尼·赛奇教授研究表明：农村低收入者对中央政府满意度高，低收入者对基层政府满意度高。零点研究咨询集团董事长袁岳（2005）研究报告指出，内地城市市长的民意支持率普遍低于沿海城市。
本文重点以西北地区某省会城市（以下称为A市）的随机抽样企业为样本，通过实证分析和讨论，一是明确影响企业评价公共服务的满意度的显著因素；二是提出提高城市公共服务水平的措施建议。
研究设计
（一）调查问卷设计
本文采用问卷调查的方法，通过对文献的查阅，从影响企业满意度的不同方面设计问卷，把A市公共服务评价的调查问卷（企业）划分为不同的指标，共涉及38个测量项目。为保证调查问卷设计的科学性，我们首先在A市随机抽取部分企业进行了预测试，并对部分调查人员进行深度访谈，结合预调查的结果和被访谈者的意见，对问卷设计进行了适当的调整，量表项目采用李克特的5级量表，1代表“很不满意”，5代表“很满意”。
（二）调查实施与抽样
本次调查以A市为对象，采用面对面的访谈形式、通过调查员直接拦截的方式进行。综合A市各区县的经济发展水平和调研的可行性，此次调研组随机发放企业问卷180份，收回104份，有效问卷104份，选择其中的104份做调研样本分析。104家样本企业既有国有大中型企业，也有个体商户；行业分布从农牧渔和矿业到交通运输、批发零售等多个行业，具有比较广泛的代表性，同时，多数在A市的经营时间超过10年。
（三）变量选取与说明
本研究将影响城市公共服务评价的因素分为三类：一是基本服务因素，包括市政设施、交通因素、社会治安、就业服务等因素；二是环境因素，包括城市环境、商业环境、政府的效能等因素；三是企业个体特征因素，包括企业性质、企业规模、企业经营领域。为了研究需要我们把因变量Y定义为二元变量，将企业对城市公共服务的满意度“很满意”、“满意”、“一般”划分为一类取值为“1”；将“不满意”、“很不满意”划分为一类取值为“0”。对企业个体特征变量的定义。
企业满意度影响因素的实证分析
由于企业性质、规模、经营领域不同，影响企业对城市公共服务满意度的评价因素不仅多而且有差异，同时存在主次之分且各有差别，各种因素也可能存在交叉相互作用。因此本研究首先对影响企业对城市公共服务满意度的评价因素进行相关性和显著性检验与分析。
（一）主成分分析
本文研究设计的企业对城市公共服务的评价满意度的指标共20个因素，分别是X1、X2、…、X20（见表2）。各个影响因素之间可能存在相关性。首先，我们对影响企业对城市公共服务评价的因素进行相关性分析，按照王保进（2007）的观点，如果相关系数在0.3-0.8之间就可认为变量之间存在相关性，适合进行主成分分析。其次，采用Spss17.0对问卷进行效度检验，KMO系数越接近于1，表明偏相关系数越低，进行主成分分析效果比较好。
利用Spss17.0对影响企业对城市公共服务的评价因素进行相关性分析，分析结果显示企业对城市公共服务的评价因素变量相关系数在0.3～0.8表示变量之间存在相关性，适合进行主成分分析；并且问卷的KMO数值为0.728，并且通过了Bartlett球形度检验，适合进行主成分分析，因此我们进行主成分分析。
利用Spss17.0对影响企业对城市公共服务的评价因素进行主成分分析。选取主成分的方法主要有三种：第一种陡坡检验。该方法是Cattell提出的以绘图方式检验保留几个主成分的方法。第二种是Kaiser准则。主要是保留特征值大于1的主成分准则，一般情况下当变量个数在20-50个时，使用该准则的效果比较好。第三种Horn准则。在准则随机抽取k组包括N个样本在p个变量的测量结果，进行k次主成分分析，画出k条陡曲线，这些曲线的交叉值，就是保留的主成分。本研究中采用Kaiser准则，选择特征值大于1的7个主成分，累积方差贡献率80.83%，说明采用7个主成分可以有效的解释原来的20个因子的信息。因子载荷矩阵如表2所示。
因子的载荷大小表明对应的因素与这个因子的相关程度。如果载荷为负，表明这个因素与这个因子呈负相关。由表2可得出：因子F1在因素X6、X7、X8、X9上载荷较大；因子F2在因素X10、X11、X12上载荷较大；因子F3在因素X15、X16、X17、X18上载荷较大；因子F4在因素X19、X20上载荷较大；因子F5在因素X1、X2上载荷较大；因子F6在因素X13、X14上载荷较较大；因子F7在因素X3、X4、X5上载荷明显。
根据F1、F2、…、F7七个因子的载荷分布，并结合X1、X2、…、X20各个影响因素的具体涵义，定义主成分分别为：F1为公共安全服务，F2为就业服务，F3为企业商业环境，F4政府效能，F5为基础设施服务，F6为环保服务， F7为交通服务。
（二）Logit回归分析
建立企业对城市公共服务的满意度与F1、F2、…、F7七个变量以及企业个体特征变量回归模型。作为因变量的企业对城市公共服务的满意度，可能受到多种因素的影响。一般而言，企业对城市公共服务的满意度评价结果只有“满意”和
“不满意”两种状态，这样我们可以选择（逻辑）曲线形式，即为Logit模型。构建Logit模型：
采用Spss17.0进行逻辑回归分析。Logit分析按照自变量的投入顺序不同，可分为强迫进入、逐步进入、剔除等三种方法，本文采用强迫进入法（Enter），通过Spss软件运算，得出如表3的结果。
本文采用H-L检验法，对模型的拟合优度进行检验。当H-L检验值未到达显著水平时，表示拟合度良好。经过检验计算，H-L检验值为5.57（P值=0.695>0.5），并且未达到0.05的显著水平，说明所建立的模型拟合度良好。由表4关联强度检验可以看出，自变量和因变量之间存在中强度关联。由模型拟合度检验和关联强度检验可以得出，本文选择的模型，可以较好的反映企业对城市公共服务满意度的评价。
结论与建议
本文认为基础设施服务、交通服务、就业服务和商业环境对企业评价公共服务的满意度有显著的影响，提升这几个方面的服务水平可以提高企业对公共服务的满意度；企业个体特征变量对公共服务的满意度没有显著影响。总之，提高企业对城市公共服务的满意度从而提高城市公共服务水平和效率，是各级政府、城市管理者以及各个领域共同关注和努力的目标。
提高基础设施和就业服务水平。首先，加强城市基础设施建设，特别是完善的交通设施，完善城市交通网络和公交服务，为企业的发展创造良好的条件，带动企业快速的发展。其次，完善城市就业服务。一是提供免费的就业信息服务，提供就业信息和政策的咨询，帮助企业找到合适的人才；二是提供开展有针对性、实用性强的技能培训和引导性培训，为企业储备有一定经验和受过良好培训的人才；三是依托社区和高校，提供职业介绍、职业指导、创业培训、职业技能培训等方面的服务，为有见习需求企业和学生提供见习机会。最后，坚持安全第一、预防为主、综合治理的理念，加强公共服务安全建设，强化公共安全意识，提高社会治安管理水平，保持社会长期的稳定，为企业的发展提供良好的社会治安环境。
改善商业环境、提高政府效能。坚持“软硬并举、标本兼治”的原则改善经商环境。首先，科学考虑西部的区位优势和国家实施西部大开发的政策扶持，充分发展有比较优势的产业，利用西部开发的政策加大招商引资力度，形成有利于企业发展的外部环境。其次，保护企业的合法权益不受侵害，依法规范市场主体、市场监管行为，加强投资管理，营造良好的市场环境，完善和优化市场经济运行机制，创造统一、开放、竞争有序的市场环境。最后，创造良好的服务环境，深化审批制度改革，提高审批效率、简化和规范审批流程。
想获取更多信息，或者咨询相关业务可以关注我们的微信公众平台：SMR_gz
或者扫描下面二维码
