关于满意度研究影响得分因素的思考

关于医疗改革的满意度研究包含了各个方面,最终的数据结果和结论是这些方面综合影响的结果。目前来看满意度研究至少基于目标、研究思路的确定、指标的设计、问卷量表的设计分发，数据收集方法以及最终的满意度的计算方式都存在不同。

一、满意度研究的目的

不同的满意度的研究目的，会对整体的满意度研究效果带来很大的不同。目前满意度的研究目的主要分为三类：

第一类是考核类，这类满意度研究目的是为了对各个部门或者各个岗位的工作人员的工作进行绩效考核。因此对于这类的满意度研究，指标设计和权重设计是非常重要的而且需要事先明确的。这一类满意度研究的指标考核，公平性的要求要高于客观性的要求。因此，考虑到不同客户的实际情况，是客户事先确认的。对于这类的满意度研究，客户基于自身的考核目标来做调整，例如对于那些可能存在直接影响群众的重要满意度指标，一旦客户工作职能中并不突出的项目，也可能不纳入评价或者评价指标较低。

第二类的满意度研究主要是需求/问题挖掘类，这类满意度的研究最终的目标是为了实现产品和服务质量的控制。这也直接要求了满意度研究从一开始就需要按照一定的质量控制方法为框架来进行满意度的研究。这也是目前零点公司进行满意度研究的主要研究目标。在这一类的满意度研究中，得分的高低并不是委托方所关注的关键，客户关注的点更多的是通过不同指标间的差异和逻辑关系，形成客户需求的认知和判断。一般目前零点公司的研究框架是通过重要因素推导模型和微笑曲线、5差距模型来进行研究的，这些分析模型在后面会进一步论述。因此对于这一类的满意度，其客观性和挖掘问题的效果，本身要比得分是否高低更重要，这样的研究目标也会对积分方法和分析方法带来影响。

第三类的满意度指标研究是宣传类，也就是说客户目的是为了推广自身的服务和产品，或者是应付上级的考核需求、或者是特殊资格认定的需求进行的满意度研究。这类型的满意度研究其主要方面是为了预证委托方目前的工作收到的成效。这类满意度的研究不侧重出现的新的问题，而更加侧重其原来产品和服务的优势是否得到了顺利的体现。其对于这类的满意度研究往往不具有连续性。因此对于指标体系和计算方法上的要求也并不突出。零点公司目前对于这类的满意度需求往往会在基本的满意度调查上配合对比研究和标杆研究，来突出目前客户目前存在的优势。

以上三种的满意度研究目标，奠定了整体满意度研究的框架。各自对待统计和分析要求各有不同，其中第二种满意度对待客观性的需求是最高的。

二、满意度研究中容易出现的现象

在考核和宣传类的的满意度研究中，客户往往会更加关注得分的结果。而满意度的得分会受到两大因素的制约：

（1）消费者和服务对象的期望水平；

（2）满意度的指标设计

（3）满意度的分值转换方法。

分值转换方法将在后面进一步的论述，这一部分将重点论述期望水平和指标设计对满意度的影响。

在服务质量控制模型理论中认为，满意度会随着客户的期望变化而变化。客户的期望不是一成不变的，客户对服务的感知也是孤立的，因此在这类的满意度研究中容易出现以下几个现象：

（1）大城市的满意度有时往往比小城市更低。无论是电力还是医疗系统，都出现了同样的技术水平，甚至即使是更优秀的技术水平，上海地区的满意度水平还是要低于边远地区的满意度水平。

（2）满意度水平逐年降低。逆水行舟不进则退，人们对优秀服务的感知往往带有猎奇性的。也就是说当一项好的服务新推出时，人们会对它们进行认可。但是随着时间的推移，人们对这些服务的满意度会逐渐降低，因此为了维护满意度水平，客户可能需要不断地推出新的服务和措施。

此外指标设计对待满意度的得分影响主要在以下两个方面

（1）满意度一级指标的直接得分不等于二级指标的得分均值或加权之和。这当然一方面是由于权重设计本身存在问题，目前零点指标拥有一套结构方程式的方法，来降低该项影响，并通过二级指标各项对一级指标的贡献度，分析二级指标内在的影响关系。而对于纯粹的均值计算。二级指标的设计方法，本身意味着一种权重的分布。

（2）一级指标的直接评价和二级指标的直接评价可能是基于被访问者不同的“真实瞬间”的回忆。例如对医院总体环境的评价和厕所环境的评价，被访问这可能是基于每次来医院总体的环境进行了一次满意度打分，但是基于某一天厕所的情况（也许那一天有人在厕所呕吐了）对厕所的环境基于评价。这样的差异性，只能通过扩大样本量来进行弥补。

正是由于不同的期望，导致了满意度调查存在这样或者那样的困难。但是现在的统计学方法还是提供了一系列的解决途径来解决各种可能出现的偏差。

三、问卷的标度方法

目前设计问卷的标度方法主要分为两类。

一类是Likert标度法，Likert标度法是目前常用的间断式打分方法。从基础的是非2分制打分方法，到满意度5分制，9分法，甚至存在20分以上的标度方法。不同的分制打分是为了满足不同的地域习惯、区分度和误差率来综合进行的。一般而言，如果样本足够大、或者足够精确，无论什么样的量化方法，对于最终转为100分值的均值是没有影响的。但是，量化表设计的越简单，得分情况越容易集中，最终数据的区分度会降低，相应的方差也会降低。而大量化的标度方法，会存在更大的方差特性，因此，对于9分或者20分以上的打分方法，在小样本下可能存在的误差更大，但是对于方差分析和聚类分析、因此分析等其他基于方差因素来进行假设检验的研究方法而言更优，不同群体、不同控制条件下的差异性可能更加明显。

这也是为什么在某些特定的研究方法内，需要存在一定的方差幅度才能进行系统的分析，例如分层分析方法，往往采用9分制的标度法

当然对于目前的调研项目，其样本量往往也可以满足使用7分量或者10分量表的统计方法，但是还受到目前中国人们主观思路的制约。例如国人对事物的评价大多为“一般”、”还可以”等五类评判方法。考虑中被调查者理解的便利性，也促成了目前零点公司在问卷上大量的使用5分量化方法。

另外一类是连续标度法。这类标度法在目前的满意度研究中较少出现。一般仅仅是为了对某一特殊指标进行深入分析和影响因素分析上才使用的，一般其均值仅作为该项指标得分的参考。因此往往是对综合指标或者一级指标采用连续标度法，或者在进行某一特定变量的历史性变化的跟踪研究。连续性变量在经济学中使用较多，因为其连续性的客观性可以根据实际经济数值进行保证，而在满意度这一主观研究中，适用的话会存在很多问题。

四、抽样方法

调查对象的确定对研究结果也会产生很大的影响。盖洛普调查案例中盖洛普却通过2000－3000个样本的调查打败了美国《文学文摘杂志》采用大样本调查（样本量达到200万人），成功预测了美国的选举结果。这是基于目前社会学的科学分级整体抽样的调研方法。因此选择什么样的调研对象，进行怎么样的分级抽样，会对结果的客观性带来影响。目前零点公司的抽样方法，是基于客户提供的研究目的和资料进行整体的分级抽样。就医疗体系而言，是针对科室进行分级抽样，还是针对客户的目的进行分级抽样都会对结果带来影响。目前零点的做法是预先进行科室和住院、门急诊的分级抽样，并在抽样中，考虑到一些限定条件的平均分配的做法来保证抽样的公正客观性。并要求在每一个分级抽样中，保证最少30个样本量，整体抽样在400个以上，从而使该分层中的每一个小团体内的满意度误差在10%以内，整体满意度误差在5%以内（均为95%的置信区间水平下）。

五、数据处理方法

随后是目前的满意度计算方法（即5分制或者其他量化分制专为百分制的计算方法）。目前的满意度主要的计算方法，直观统计法、基本满意统计方法、模糊数学综合评判法和指标权重计算法。

其中

（1）直观统计方法是计算目前对待医疗服务满意和很满意的患者占全部患者的比重，其公式为：

满意率=(很满意+满意)/（很满意+满意+一般+不满意+很不满意）×100%

（2）基本满意度统计方法是计算对待医疗服务满意、很满意以及感觉一般的患者占全部患者的比重，其公式为：

满意率=(很满意+满意+一般)/（很满意+满意+一般+不满意+很不满意）×100%

以上两种满意度的统计方法，实际上是二维度（满意-不满意）的打分方法。其主要是用以整体的分值计算，而无法获得单个测评对象的打分区间。

（3）赋值法是指对五分量表进行赋值，如5分=100分，4分=80分的方法进行满意度评价，并最终进行百分制的转换。

（4）权重指标法是下级指标转换为三级指标的一种方法。例如二级指标医疗服务、医疗态度和医院卫生构成了整体满意度的评价，而医疗服务得分为4分，医疗态度为5分，医院卫生得分为4分。按照预设的权重，例如医疗服务为40%，态度为40%，卫生为20%，则4/5×40%+5/5×40%+4/5×20%=88分.

目前普遍采用的方法是第三种分析方法，对于各项指标的分值专为百分制，再按照要求转化为上级指标体系的数值。而零点公司考虑到目前居民的打分习惯和准确度要求，5分制转为百分制的方法不是简单线性的。具体的公式如下：

这是一种基于矩阵运算的数据归一化方法，即在MATLAB的中的单一映射的mapminmax算法。这样的处理模式是基于目前中国居民的打分习惯普遍落在“一般”和“比较满意”这一区间，为了加速后半段区间的收敛速度而采用的一套方法，从而使得最终结果的分值落在预设的区间。

此外数据的处理方法还包括以下处理方法。

1、线性函数转换，表达式如下：

y=(x-MinValue)/(MaxValue-MinValue)

说明：x、y分别为转换前、后的值，MaxValue、MinValue分别为样本的最大值和最小值。

2、对数函数转换，表达式如下：

y=log10(x)

说明：以10为底的对数函数转换。

3、反余切函数转换，表达式如下：

y=atan(x)*2/PI

这些方法在社会统计学领域应用较少，以对数函数为例，其目标是对万亿量级的数据进行缩小化处理。让其落在一个更小数据范围的区间内，进行收敛。

需要说明的是，单一映射的数据处理。虽然最终的数据表现（具体的分数）会存在不同。但并不会影响数据内部的结构和逻辑关系，也就是说，数据处理前后，不同的数据处理方法，对于数据之间的，数据的历史关系，并不会带来影响。

这些统计方法，仅仅构成数据的处理，并不构成数据的解读。其核心目标是为了方便研究，使得最终处理的数据按预期进行收敛、发散或者落在某一区间内。

六、数据分析模型

以上的方法都是数据的取得和处理的方法。对于最终的研究思路相一致的，是数据的处理研究方式。这也是目前学术界和市面上核心的研究区别。

现在主流的数据处理研究方法包括：

（1）结构方程式研究方法

结构方程式研究方法是目前零点主要的研究方法，它主要的方法在前面已经有所介绍，是指分别对一级指标和二级指标进行评价，然后通过数据关系的处理，得到二级指标对一级指标的最终得分的贡献程度进行判断。并由此推断出二级指标的重要度情况，并基于此推进重要因素推导模型。

（2）单因素方差分析（交叉分析）

单因素方差分析是在交叉分析基础上，对于交叉结果的科学性进一步进行明确的分析方法。它主要的目标是判断交叉分析后的结果是否真实的，即不同群体（例如男性和女性）在满意度上的差异是否显著，还是仅仅是基于调查误差产生的均值的区别。从而来判断具体哪些因素（性别、收入、对待个别事情的态度）真实的给满意度的差异带来了影响。

（3）聚类分析、因子分析

聚类分析和因子分析是对待整体的满意度，对所有的二级指标或者所有的群体分类，进行逐次合并，并分析每次合并后的指标、群体间的差异。从而了解到那些群体他们的选择似乎相互类似和影响的。那些指标相互之间存在相关性，互相影响。从而减少需要研究的变量。

（4）层次研究方法

层次分析法同结构方程式的最终效果具有类似性，其核心区别在于分析手段不同，层次分析法。它是将一个问题在各个层次上进行分类和指标设计，并对同一层次的各项指标进行两两比较，并通过矩阵分析的方法，进行特征值和特征向量的求解，从而确认各项指标对其上一层次指标构成的重要程度。

（5）TOPSIS研究方法

Topsis是一种矩阵的研究方法，TOPSIS法根据有限个评价对象与理想化目标的接近程度进行排序的方法，是在现有的对象中进行相对优劣的评价。TOPSIS法是一种逼近于理想解的排序法，该方法只要求各效用函数具有单调递增（或递减）性就行。

也就是说，是通过对各项三级指标被调查者对指标同期望的接近程度进行排序，获得量化的指标，并通过这些量化指标的最终分析，获得各二级指标之间的优劣相互之间的距离关系。

由于该种方法更多的是使用在决策系统中，在医疗满意度研究中操作较为复杂，而且利剑较为困难，因此使用较少。

（6）格兰杰检验和回归分析

格兰杰检验和回归分析是基于时间序列数据进行的分析方法。其中格兰杰检验是对指标相互之间，基于时间变化的因果关系进行检验。而回归分析这是对这样的因果影响是在多大程度上进行的统计分析方式。两项都仅能在时间序列的基础上进行分析检验。

七、综合分析模型

当然此外还包括同数据处理无直接关系的研究方法，而是提供一种定性构建框架的研究思路。这一方面则更加纷繁复杂，具体可查询咨询工具，这里就不再一一赘述了，目前医疗行业正在使用的包括，例如：

（1）微笑曲线研究

（2）SWOT分析模型

（3）服务质量5GAP模型

（4）复杂性服务交付模型

（5）价值链让渡模型