基于用户满意度视角的统计知识质量评价

康 萍，崔晓会

（西安财经学院 管理学院，西安 710100）

0 引言

随着统计数据质量的概念内涵不断扩展[1,2]，如何从大量统计数据中提取可信的、新颖的、有效的并且是能被人理解的统计知识，成了各统计机构和统计知识用户关注的焦点。统计知识主要被高校科研人员用来进行经济现状分析的学术实证研究，因此统计知识质量的好坏直接决定了学术研究的真实性和准确性，统计知识质量的评估也因此受到越来越多的学者的重视[3,4]。本文以统计知识的主要用户即高校经济管理类科研人员为问卷调查对象，基于用户满意度的视角对我国统计知识质量进行评估，为统计知识质量评估与控制提供了一个重要的方法，以期对我国统计知识质量的提高提供具体的改进建议。

1 研究设计及数据收集

统计知识质量是一个多维度的概念，有效测评统计知识质量的前提是确立一个合理的统计知识质量维度体系。本文参照了“数据质量评估框架”和一些学者已有的研究成果设计了8个质量维度与21个对应的测评指标，如表1所示。调查问卷的主体采用李克特量表的10级分类法，来反映用户对各个问项的满意度。

受研究条件和实施可行性限制，本文对用户群体进行了细分，因为经济管理类学者对统计知识有更高质量的要求和更丰富的使用经历，调查对象主要针对高校需要使用统计知识进行学术研究的科研人员，并针对其特征来设计调查问卷。此研究方法可以很容易地推广到其他用户群体。

表1 统计知识质量用户满意度测评量表

本问卷的问项设计预先征集了相关领域学者和专家的意见，可认为具有良好的内容效度。在正式调查之前，请相关学者和专家测试问卷的问项，以消除问卷的歧义。

2 测评量表的检验

为了确保问卷调查对象具有很强的代表性，正式的问卷调查在我国陕西省、河南省和北京市的七所高校进行，问卷主要通过研究人员的同学、同事等社会关系渠道进行发放。共发放问卷300份，回收有效问卷273份，有效回收率90.1%。

根据正式调查问卷的数据结果来检验量表的信度与效度，以确保所研究的对象得到可靠和正确的测量。本文运用SPSS19.0来进行因子分析和α系数的可信度分析，运行结果如表2所示。

表2分析结果表明，各问项的因子载荷系数都显著大于0.5，各维度的α系数均大于0.7，本文所设计的调查问卷都可以通过信度和效度的检验，测评量表的设计是基本合理的，实际调研取得的数据是可以用来进行下一步数据分析的。

3 数据结果分析

3.1 关联性分析

问卷设置了用户对统计知识质量的综合满意度，结果显示有0人认为“非常满意”，认为“比较满意”的有38人，认为“一般”的有162人，“比较不满意”的有55人，“非常不满意”的有18人，比重分别为0%、14.0%、59.3%、20.1%、6.6%。分析结果如表3所示。

表2 验证性因子分析结果

表3 各质量维度的用户满意度与用户综合满意度比较

表3中，综合满意度选择“比较满意”的用户对8个维度的满意度平均值在6.223以上，比综合满意度选择“一般”的用户对8个相应维度的满意度都要高，如准确性维度的满意度平均值6.488＞5.153＞4.091＞3.032，依次类推。因此，8个质量维度的用户满意度与用户综合满意度具有一致性，即综合满意度越高的用户对8个质量维度的满意度也越高。进而也说明本文所设置的8个维度是可以很好的代表统计知识质量的不同方面，可以有效地表达用户综合满意度的特征。

3.2 用户重要性认识与综合满意度比较

为了调查统计知识用户的满意度情况，在问卷设计时设置了8个用于测评统计知识用户对统计知识质量重要性感知的问项，问项与质量维度保持了一对一的关系，各维度的重要性认知和满意度平均值比较结果如表4所示。

统计知识用户对各质量维度的重要性认知代表了他们对统计知识的期望水平，因此把重要性认知与实际满意度比较，有助于统计部门从整体上判断统计知识用户对统计知识的评价水平，对统计部门有针对性的改进提供建议。高校学者应用统计知识的目的在于统计知识对比分析与数量建模等，因此对一致性、准确性、可得性有较高的期望值，分别为8.695、8.447和8.425，但是相应的满意度却很低，特别是可得性，其满意度平均值是最低的，为4.168，说明高校学者对统计知识的获取的便利性和可得性、收费标准和公平性最不满意。统计部门应该着重加强统计知识的一致性、准确性和可得性，从整体上提高统计知识用户满意度。

表4 各质量维度的重要性认知与满意度比较

表5 不同高校性质的用户满意度平均值比较

3.3 不同高校用户满意度比较

本文在问卷设计时调查了统计知识用户的所在高校性质，具体分为“985”高校、“211”高校和普通高校，其中“985”高校用户30人，“211”高校用户92人，普通高校用户151人。以期调查不同高校获取统计知识的差异性和满意度，分析结果如表5所示。

从表5分析知，985、211、普通院校的用户由于其所在高校购买的知识库不同，而使统计知识的获取和满意度不同。如准确性维度在985高校、211高校和普通高校的满意度平均值分别为5.557、5.175和4.756，呈现出递减的趋势，其他维度也是如此。虽然高校学者在进行科研时，会尽全力搜集所需要的统计知识，但985高校用户由于其平台较好，搜集统计知识更加便利，在搜集过程中得到支持的能力更强，这些优势也使得他们对统计知识质量有较为正面的印象，而普通高校用户则没有这种情况，也说明由于获取统计知识的平台不同，不同用户对统计知识质量的满意度也不尽相同，因而统计知识服务的公平性也有待提高。

4 模糊综合评价

统计知识用户满意度是一个多因素模糊概念，模糊综合评价方法可以较好地处理多因素且评价标准为定性区间形式的问题。

其数学模型可表示为：

（1）式中，B表示评价集合，bj表示调查对象对第 j种评价的隶属度，A表示权重，*表示模糊运算符，R表示模糊关系矩阵。

对于多层次因素的综合评价问题，可采用多层次模糊综合评价方法来解决，即从最底层开始逐层向上运算，直至得到最后的评价集合B，第k层的评价结果就是第k-1层因素的隶属度。确定权重的方法有主观赋权法和客观赋权法。前者的缺点是主观性太强，对所选专家存在一定程度的依赖性；后者的缺点是研究者无主动性，只能根据数据信息提供公共因素，实际运用中常出现两个明显不相关的因素被分在同一类中的情况，但研究者却无法修正。鉴于以上原因，本文选用主客观相结合的验证性因子分析法确定权重。权重的确定根据前面分析的表2来确定，表2通过对因子载荷系数的归一化处理可以确定三级指标对二级指标的权重、二级指标对一级指标的权重。

统计知识质量满意度综合评价所适用的方法为多层次模糊综合评价方法。其步骤为：首先，根据调查问卷各问项的结果作为模糊关系矩阵R，对8个维度进行评价；其次，将该层次的评价结果作为综合满意度的模糊关系矩阵B；最后，进行综合满意度的模糊综合评价，并得到总体综合评价结果D。

本文将评语集合定义为：V=｛非常满意，比较满意，一般，比较不满意，非常不满意｝。

对于“准确度”维度来说，

同理，对其他7个维度经过计算，我们得出计算结果，如表6所示。计算出八个维度的评价矩阵后，便可进行最高层次的综合评价，即求得高校用户对统计知识质量综合满意度的评价矩阵。统计知识转移满意度的评价矩阵D为:

表6 三级指标对二级指标的评价矩阵

高校学者用户对统计知识质量满意度指标对评价集的隶属度分别为0.0621、0.2589、0.3777、0.2026 和0.0873。隶属度最大的评价是0.3777，代表“一般”。

为了使模糊综合评价的结果具有更强的直观性和可比性，将五种评语非常满意、比较满意、一般、比较不满意、非常不满意分别赋值为10、8、6、4和2，综合满意度的得分为5.9434，处于“一般”的水平。从具体维度来看，8个维度的综合得分分别为 5.833、6.064、6.314、6.201、5.646、6.098、5.879、6.226。所以，不论是8个统计知识质量维度满意度还是总体统计知识质量满意度，按照最大隶属度原则，用户满意度都应判定为“一般”水平。

5 结论及建议

本文从统计知识用户满意度的角度评价了统计知识质量，对统计知识评价的视角和方法做了进一步探索，设计了8个质量维度并据此设计了测评量表，通过对其信度和效度的检验，判断问卷具有较好的内部一致性，且可以有效地测量统计知识的用户满意度。通过对验证性因子分析法和模糊综合评价方法的综合利用，综合满意度评价结果为“一般”。

基于对以上数据的分析及评价结果，对统计部门具体的改进建议如下：

首先，用户对统计知识的准确性、一致性和可得性的期望值最高，但其满意度却偏低，统计部门应该着重对这3个维度加以改进。具体来说，统计知识要准确反映我国的实际情况以提高可信性，要努力提高关联项目的一致性、时间上的连续性、不同来源的可比性，提高统计知识获取途径的多样化、便利性，提高透明度，以提高统计知识质量的综合感知。

其次，由于不同用户获取统计知识的平台不尽相同，对统计知识的满意度也不相同，因此统计知识服务的公平性有待提高，要降低统计知识的获取门槛，适当降低统计知识获取费用，让所有用户都能公平公正地获取所需要的统计知识。

最后，由于各个质量维度的满意度和综合满意评价结果均为“一般”，特别是准确性、可得性和制度规范性，综合得分都在6以下，处于“一般”偏下的层次，统计部门应该重点在这几个质量维度上提升用户满意度，以便从整体上提高用户的综合满意度。

[1]李凤,程书强.企业统计数据质量影响因素分析[J].西安财经学院学报,2013,26(5).

[2]周建.我国政府统计数据质量对策研究[J].中国软科学,2003,(4).

[3]王华.统计数据生成过程的博弈分析[J].中国软科学,2008,(2).

[4]金勇进,陶然.中国统计数据质量理论研究与实践历程[J].统计研究,2010,27(1).