服装顾客问卷数据分析与模型验证

　　第 4 章 数据分析与模型验证

　　4.1 样本的描述性统计分析。

　　本次研究共收到 246 份答卷，剔除无效问卷（即只通过单一渠道购买），有效问卷剩 186 份，有效问卷回收率达 75.6%.对所得样本按照被调查者的性别、年龄、学历，购买频率的基本信息进行统计。

　　4.1.1 调查对象的基本情况。

　　总体样本中男性占 42.48%,女性占 57.52%,基本各占一半，调查者中女性人数多于男性人数，其主要原因可能是女性更偏爱购买服装类商品。

　　调查者的年龄情况，20 岁以下仅 17 人，20~30 岁占 47.85%,30~40 岁的占比 24.73%,年龄在 20~40 岁之间的约为 72.58%,约占被调査者总体人数的四分之三，主要是因为采用 O2O 模式购物的人群多属于年轻群体，他们乐于网购也喜欢逛街，更倾向于选择这种全渠道的消费模式。

　　在学历结构的调查中，大学本科占比 33.33%,硕士研究生占比 43.01%,这两项超过调查者的一半以上，这可能与对事物的了解和经验丰富程度有关，随着学历的增长，人们对事物了解的更加透彻、经验也越多越丰富，全渠道方式购物也逐渐增多。

　　在对收入结构的调查中，2000 元以下和 6000 以上的较多，分别占比 30.11%和 40.32%,这主要是因为被调查者多数为在校学生和一些年轻的上班族。

　　对于购买频率来说，多数人集中在每季度一次到每月一次之间，比较符合正常人对于服装类商品的需求。

　　从以上这些数据分析发现，参与 O2O 全渠道模式购物服装的的主要人群为具有一定可支配收入和一定教育背景的年轻群体，他们拥有喜欢网上冲浪也享受在实体店购物的乐趣，是一群乐于接受新鲜事物的群体，是 O2O 全渠道模式服装类商品消费的主力军。另外，根据问卷的关于购买的服装品牌进行汇总发现，男装品牌主要有 NIKE、杰克琼斯、GAP、优衣库、劲霸男装等，女装主要有优衣库、美邦、ONLY、VERO MODA、GAP、歌莉娅、太平鸟等等。

　　4.1.2 样本的总体特征分析。

　　数据的描述性统计分析是对数据所具有的各种特征进行分析，目的是对数据样本整体特征的认知而进行的描述性统计。本研究利用统计软件 SPSS21.0,对整体数据进行的描述性统计分析结果。

　　一般，描述性统计的项目包括极值、均值、标准差、方差、偏态程度等，极值反映各组数据的最大值和最小值，二者之间的差为极差，标准差是各数据偏离平均数的距离的平均数，它是反映数据的离散程度的指标，也是测定数据变动程度最重要的指标。从上表 4-2 中数据可知，总体上来讲，对于这 11 个构念的测量题项进行评分，调查对象给出的分数均值基本上都在 3~4 之间，这说明调查对象对研究中提出的构念的满意度在一般同意和同意这两种态度之间，整体上更偏向同意。但是网站个性化服务的四个测量项的均值在 2~3 之间，分值较低，表示调查者对于网站个性化服务偏不是很满意，这也可能与开展个性化服务的企业较少有关。

　　4.2 信度分析。

　　信度检验是对问卷数据可靠性与否的检验，是指釆用同样的方法对同一对象进行重复测量时所得出的结果具有一致性的程度。本研究调查釆用的是一次性测量的方法，釆用 a 信度系数法对问卷调查所搜集的数据进行信度分析。Cronbach'sα 系数是 Cronbach 在 1951 年提出来的，是用来评价样本问卷的内部一致性。α取值范围在 0 到 1 之间，α 值越大，表明信度越高，问卷的内部一致性越好。一般而言，当 α<0.6 时，说明问卷需要进一步修改；当 0.6<α<0.7 时，说明信度一般；当 α>0.7 时，表示高信度。不过，Hairetal（1998）指出，当变量的测量项数量少于 6 个情况下，只需要 α>0.6 就表示量表具有可靠性。本研究中涉及到的构念的测量题项（项目数）均小于 6,所以对于本研究而言，只要结果中的 α 能够在 0.6 以上，问卷的数据就是可靠的。本研究利用 SPSS21.0 统计软件对收集的问卷进行信度检验。

　　本研究的变量中，单个构念的 Cronbach's 信度系数都是超过了 0.7 的；并且问卷的总体信度高达 0.935,显示出较好的可靠性。由此可知，测量量表具有良好的稳定性和内部一致性，量表整体信度较好。

　　4.3 效度检验。

　　问卷的效度检验主要是对问卷有效性的检验，是检验问卷的测量工具或方法是否能够充分反映所要研究的问题，本研究的效度检验就是检验调查问卷题项能否够真实准确的反映本研究提出的所有构念，主要利用 AMOS21.0 做验证性因子分析检验本问卷的聚合效度和区分效度。

　　4.3.1 聚合效度。

　　首先，本研究分析了该测试项目的聚合效度，具体的结果如表 4-4 所示。为了进一步判断测试项目的聚合效度，我们通过计算平均提取方差值以进行判断。平均提取方差值（AVE）表示该变量各因素负荷量平方和的平均值，如果 AVE值超过 0.5,所有因子载荷大于 0.5,则说明聚合效度较好。

　　根据分析的结果可以看出，各个构念测度项的平均提取方差值 AVE 都大于0.5,表明测试项目的聚合效度良好，另外，所有的标准负载值均在 0.6 以上，并且都在 0.001 水平上是显著地。

　　4.3.2 区分效度。

　　除了聚合效度外，我们还需要检验区分效度，计算出来的 AVE 值都大于相对应所有潜在构念之间的相关系数的平方值，则意味着该测量模型的区别效度良好。即如果 AVE 值大于该构念与其他构念相关系数中最大值的平方，则可认为区别效度很好。

　　所有构念的 AVE 值均大于与其他构念相关系数最大值的平方，由此可以得出结论，该测量模型的区别效度良好。

　　4.4 模型拟合度检验。

　　4.4.1 模型拟合评价。

　　SEM 假设模型中的参数估计完成后，我们还要对整体模型进行评价，即考察分析假设模型与实际观察数据的拟合情况。一般我们是通过考察模型拟合指数是否达到临界标准，来判定理论结构模型与观察数据的拟合情形。拟合指数的作用是评价理论模型与观测数据的拟合程度，但是并不能作为判断模型是否成立的唯一标准，我们在运用的过程中还需要根据所研究问题的知识背景对模型合理性进行讨论。

　　模型拟合指数一般可以分为绝对拟合指数、相对拟合指数和信息指数。不同类型的模型拟合指数可以从模型的样本数量、复杂程度、绝对性和相对性等方面对理论模型的拟合程度进行度量，研究中常用的是后两类，常用的指数有绝对拟合指数：χ2/df（卡方自由度拟合检验）、GFI（拟合优度指数）、AGFI（调整的拟合优度指数）、SRMR（标准化假设模型整体残差）、RMSEA（近似误差的优方根）；相对拟合指数：NFI（规范拟合指数）、IFI（递增拟合指数）、CFI（比较拟合指数）等。各拟合指数的判定值及其评价。

　　本研究的潜因子模型（模型 1）和合并模型（模型 2）通过统计软件 AMOS21.0运行后，得到输出报表中的拟合指数数据如下表 4-7 所示。从表中数据可以看出，合并模型的各个指数比潜因子来说拟合得更好，所有的指数值都达到了指标的临界值。虽然有些指标没有达到理想值，SRMR 的值为 0.053,RMSEA 的值为 0.063,这两个值均超过了 0.05 临界值，不过还处于 0.05-0.08 尚可接受的范围。因此，可以认为 O2O 全渠道模式顾客满意度作为合并型多维构念与观测数据的拟合程度较好，并通过了拟合度检验。即 O2O 全渠道模式顾客满意度是一个合并型三阶构念，是由线上满意度和线下满意度两个二阶构念构成，而线上满意度是由网页设计、产品质量保证、网站客服服务、网站个性化服务和物流这五个一阶构念构成，线下满意度是由实体店环境质量、实体店服务质量和产品吸引力三个一阶构念构成的。

　　4.4.2 模型标准化路径分析。

　　为了分析 O2O 全渠道模式顾客满意度各维度、指标的影响系数，本研究采用 AMOS21.0 软件对模型进行了标准化路径分析，如图 4-1 所示，箭头旁的数值表示下级指标对于上级指标的影响系数，数值越大，影响力度越大，即更为重要。

　　据上图编制因子影响系数表，如表 4-8 所示。由标准化路径分析结果可知，O2O 全渠道模式顾客满意度由线上满意度和线下满意度两个二阶构念构成，影响系数分别为 0.472 和 0.423,且线上满意度的影响作用大于线下。

　　线上满意度是由五个维度构成，影响作用最大的是网页设计，影响系数为0.404,其次为物流，影响系数为 0.393,与网页设计的重要性不相伯仲。再次是产品质量保证和网站客服服务，影响系数分别为 0.352 和 0.205,而网站个性化服务的影响作用甚微，仅为 0.063.

　　关于影响顾客线上满意度的五个维度，根据指标的权重也能能够看出，哪些测量指标更能准确反映这些不可测量的构念的内涵，网页设计中最重要的是的购物乐趣和网页吸引力，影响因素分别为 0.806 和 0.803;物流中配送费用合理最为重要，影响系数高达 0.831,其次是及时更新物流信息及配送时间可接受，影响系数分别为 0.786 和 0.667;产品质量保证中，顾客最看重的是服装与广告宣传一致以及与预期一致，影响因素分别为 0.813 和 0.801;网站客服服务中最重要的是客服能够及时帮助顾客解决购物过程中出现的问题，影响系数为 0.826,其次是客服愿意并且已经做回应的准备，系数为 0.789,客服回应迅速的影响系数为 0.761;网站个性化服务中量身定做衣服最重要，影响系数为 0.809.

　　线下满意度是由三个维度构成，影响作用最大的是产品吸引力，影响系数为0.508,其次是实体店环境质量和实体店服务质量，影响系数分别为 0.319 和0.301,后两者差别不是很大，但是可以明显看出产品吸引力的影响作用几乎等于其余两个因素的相加。

　　产品吸引力中，顾客最看重服装的独特性，影响因素为 0.834,其次为服装品类丰富及更新较快，影响系数分别为 0.814 和 0.799;实体店服务质量中，最重要是的是店内干净整洁，布局合理，影响系数为 0.822,其次，购物氛围好及设施健全也很重要，影响系数分别为 0.780 和 0.761;实体店服务质量中最重要的是导购的专业能力强及态度热情，影响系数分别为 0.836 和 0.820,其次是服务积极主动和处理退换货，投诉等及时有效，影响系数为 0.788 和 0.698.

　　4.5 本章小节。

　　本章是本研究的重点，本研究在调研实践之后对回收的 186 份有效问卷进行处理与分析，通过描述性统计分析方法对样本情况和问卷调查情况加以分析。再用 SPSS21.0 软件进行信度分析，得出调查问卷的整体可信度很高，保障了分析的可靠性。接着用 AMOS21.0 软件对样本进行验证性因子分析，通过聚合效度和区分效度的检验，验证了本研究调查问卷题项能够真实准确的反映提出的所有构念，且构念之间区分效度较好。

　　通过模型拟合度检验，认为将 O2O 全渠道模式顾客满意度作为合并型高阶构念较为合理，即 O2O 全渠道模式顾客满意度由线上满意度和线下满意度两个二阶构念构成，而线上满意度是由网页设计、产品质量保证、网站客服服务、网站个性化服务和物流这五个一阶构念构成，线下满意度是由实体店环境质量、实体店服务质量和产品吸引力三个一阶构念构成。并采用 AMOS21.0 软件对模型进行了标准化路径分析，得出了 O2O 全渠道模式顾客满意度各维度、指标的影响系数。结果发现，线上满意度的影响作用大于线下，线上满意度是由五个维度构成，影响作用最大的是网页设计，其次为物流，与网页设计的重要性不相伯仲，再次是产品质量保证和网站客服服务，线下满意度是由三个维度构成，影响作用最大的是产品吸引力，其次是实体店环境质量和实体店服务质量，后两者差别不是很大，但是可以明显看出产品吸引力的影响作用几乎等于其余两个因素的相加。除此之外，根据指标的权重可以看出，哪些测量指标更能准确反映这些不可测量的构念的内涵。