斜线型IPA改进方法的分析

陈日光

摘 要：本研究提出斜线型“重要性-表现程度”分析法（Importance-Performance Analysis，IPA）的改进方法，采用要素绩效与总体满意度的常用对数转换值相对应的偏相关系数作为引申重要度，并且以要素对总体满意度平均影响性所获得的斜线斜率，取代传统45度斜线的区隔线，使分析结果更为精确。本文以广东省肇庆市七星岩旅游区的游客满意度为实证案例，验证此改进方法的可用性。

关键词：重要性-表现程度分析法；斜线型IPA；游客满意度

中图分类号：F592.7 文献标识码：A

引言

原始的“重要性-表现程度”分析法（Importanceperformance Analysis，IPA）由Martilla和James（1977）所提出，而斜线型重要度―绩效（IPA）模型由Hawes与Rao（1985）首先提出，其以I=P的45度斜线区分要素为两个区域：45度斜线上方为市场机会与45度斜线下方为满足需要两部分，作为营销决策的依据[1]。Pi eiro等人（2006）将45度斜线模型区分成4个象限，包括45度斜线上方的聚焦改善，45度斜线下方进一步区分的低绩效且低重要度的低顺位，高绩效且高重要度的继续保持，及高绩效但低重要度的努力过度，共4个区域[2]。Biesok与Wyród-Wróbel（2015）更进一步将Pi eiro等人的模型斜线上方的聚焦改善区进一步划分为警示、改善区域，共6个区域模型，如图1所示[3]。

一、研究背景

许多研究指出IPA的重要度采间接量测法是优于直接量测法的，然而斜线型IPA模型皆为采用直接量测法。且斜线型IPA模型皆采用45度的斜线为区隔线。但本研究认为因重要度与绩效是要素不同的变量，仅以两者相等的45度斜线作为区分改善优先度的原理太过简略。

二、斜线型IPA的改进方法

（一）改进重要度计算方法

以往研究中，重要度计算方法采用间接量测法，常见做法是将整体满意度与个别要素的多元回归系数视为要素的重要度，然而变数间可能存在多元共线性的问题，以及非线性的可能性。因此本文以总体满意度分值的常用对数转换，以解决总体满意度与要素之间潜在的非线性关系，并以偏相关系数取代回归系数来避免共线性问题。

（二）斜线的斜率

大多数研究学者对45度斜线为区格线的概念没有解释清楚，或过于简略。本文采用各要素的引申重要度与个别绩效的比值，透过反正切函数表示此要素在IPA图上所表示的斜率，并以所有要素的平均斜率为此斜线的斜率，代表此条斜线的区隔线由要素对整体满意度的平均影响度所决定，而非传统方法简单地以45度斜线区分。详细步骤如下。

（1）将整体满意度值（y）以常用对数做转换（logy）；

其中，xm表第m个要素的绩效值；

（3）计算出每一要素与整体满意度的偏相关系数，即得到各要素的引申重要度；

三、实例验证

本文以广东肇庆七星岩景区的游客满意度为验证案例，采用最新的6区域的斜线型IPA改进的方法，分析出景区针对游客满意度须采取的策略。

（一）问卷设计、发放与回收

参考相关旅游景区游客满意度的研究，笔者汇整出4个维度、21个要素题项。问卷由基本资料问题及21题项分别询问游客感知的重要度与满意度，采从不重要（不满意）至非常重要（非常满意）的李克特5等量表，分别以0.2，0.4，0.6，0.8及1计分。最后一题请游客填写总体满意度分数（0～10分）。筆者通过走访调研的形式，在七星岩景区内部及出入口随机邀请游客填写。一共调研访问了300位游客，剔除42份无效问卷，有效问卷回收率为85.3%。运用SPSS 20.0分析得到Cronbachs α值为0.856，可知本次问卷的总体信度是足够的。另外采用抽样适合性检验（Kaiser-Meyer-Olkin，KMO）与Bartlett球形检验统计量检验效度，其中KMO值皆达0.856，Bartlett球形检验统计量的显著值为0.000 2，小于显著性水平0.05，说明适合作因子分析。之后基于主成分和方差最大的正交旋转分析，得到3个主成分，其累计解释总方差为68.234%，说明本问卷的结构效度良好。

（二）引申重要度与斜线斜率计算

本研究就回收后的有效问卷，统计出每一要素的直接重要度与满意度，然后将每一个总体满意度的分数用对数转换后，与各题的满意度建立多元回归模型，以计算出各要素的偏相关系数，并视各要素的偏相关系数为引申重要度，然后根据各要素的引申重要度与个别满意度的比值（I/P）求算出反正切函数，即为各要素对应的斜线斜率，再进一步求算出平均的斜线斜率为30.63度，如表1所示。

（三）斜线型IPA改进方法的分析结果