下载文档原格式
因子分析在学生成绩综合评价中的应用
综观当今的学校教育，学生的成绩对老师、家长和学生都有着非常重要的意义。
因此如何合理地综合评价学生的成绩，起着至关重要的作用。
本文的主要目的，就是利用因子分析等方法，来探索学生成绩综合评价的有效性和可靠性。
首先，我们来谈谈因子分析。
因子分析是一种数据分析技术，它可以把复杂的观察变量拆分成一组较少的根本因素，从而揭示数据中隐藏的潜在构成。
在调查学生成绩综合评价方面，可以采用多元因子分析，将学生成绩的各个维度，如学习表现、学习习惯、社会行为等，通过因子分析，分解并重新组合，形成新的综合评价体系。
此外，我们还可以从更宏观的角度，利用因子分析来探究学生成绩综合评价的有效性和可靠性。
因子分析可以通过不断地改进综合评价体系，把各项综合评价指标综合起来，并且不断校正和完善，使之成为最能反映学生实际情况的综合评价体系。
最后，在因子分析的基础上，我们还可以进一步对学生成绩综合评价进行深入的研究，比如探究一些特殊学生群体的成绩综合评价情况，这样可以更好的了解学生的学习表现，从而更好地跟踪其学习过程。
从以上分析可以发现，因子分析是一种可以帮助学校来综合评价学生成绩的有效方法。
它可以把观察变量拆分成一组较少的根本因素，通过对综合评价指标的不断校正和完善，最终构建最能反映学生实际情况的综合评价体系。
因此，学校和教育主管部门有必要在构建学生
成绩综合评价体系时，充分考虑因子分析的作用，以更好地为学生提供客观、全面、准确的成绩评价。
综上所述，因子分析在学生成绩综合评价中有着十分重要的作用，可以帮助教师、家长以及学校管理者更好地了解学生的表现，以便更加有效的帮助他们提高学习水平。
因子分析在企业财务能力综合分析与评价中的应用摘要：企业财务能力评价问题往往因涉及众多指标而变得复杂，文章采用多元统计中的因子分析法来解决这一问题。
以多元统计理论为手段运用SPSS统计软件，结合二十一家工业企业进行因子分析法的实例研究，旨在说明因子分析法在企业财务能力综合分析评价中的应用。
关键词：因子分析；财务能力；综合评价企业的财务能力是企业正常运转的根本前提，也是企业形成有效竞争力的必要条件。
运用会计信息对企业财务绩效进行评价，对促进企业加强监督管理，优化企业财务状况具有重要意义，使企业在激烈的市场竞争中立于不败之地。
企业财务能力的评价指标体系中涉及众多财务指标，不但在一定程度上增加了问题分析的复杂性，而且反映的信息在一定程度上也存在重复；同时，在多指标综合评价方法中传统方法对于权重的设置还往往带有一定的主观随机性。
为避免上诉问题，文章采用因子分析法对企业的财务能力进行综合分析与评价。
1 因子分析法的基本原理因子分析法是把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。
其具体思想是根据相关性大小把原始变量分组，每组变量代表一个基本结构，称之为公共因子。
评价总体有n个样本，每个样品观测量为p个指标，则其模型为：Xi=ai1F1+ ai2F2+…+aimFm+?着i （i=1，2，…，p）其中，X1，X2，…，Xp使均值为零、方差为1的标准化变量；F1，F2，…，Fm主因子（m<p）；?着i为特殊因子；aij称为因子负荷，揭示了第i个变量在第j个主因子上的相对重要性。
在因子分析过程中，还可以用变量的观测值的线性表达式来计算各主因子的得分以及综合因子的得分值。
本文求解过程借助SPSS13.0统计分析软件来进行。
2 财务能力的综合分析与评价2.1 样本及变量指标的选取本文选取15个指标以构成一个比较完备的指标体系进行分析，X1~X15分别为：资产负债率、已获利息倍数、流动比率、速动比率、总资产周转率、应收账款周转率、固定资产周转率、存货周转率、销售收入增长率、销售利润增长率、总资产增长率、总资产报酬率、净资产收益率、销售利润率、成本费用利润率。
因子分析在学生成绩综合评价中的应用作者：张永福赵洪章穆扬来源：《现代电子技术》2008年第06期摘要：在教学管理中，需要科学合理地对学生成绩进行综合评价。
目前，应用较多的如简单相加法和标准分法都存在各种缺点。
运用主成分分析的方法对学生成绩进行因子分析，并通过分析的结果做出一个综合评价，这样可以比较有效地解决其他分析方法存在的问题。
通过对学生在校期间各科成绩进行因子分析的具体实例研究，找出影响学生知识和能力的主要方面因子，并据此对学生成绩做出一个客观、综合的评价。
关键词：因子分析；各科成绩；综合评价；实例分析中图分类号：TP391；O212 文献标识码：B 文章编号：1004-373X(2008)06-137-04Application of Factor Analysis to Comprehensive Evaluation on Students′ GradeZHANG Yongfu ZHAO Hongzhang MU Yang2(1.School of Astronautics，Northwestern Polytechnical University，Xi′an，710072，China；2.School of Educational Experimentation，Northwestern Polytechnical University，Xi′an，710072，China)Abstract：We need to have a comprehensive evaluation on the students′ grade scientifical ly and reasonably in the field of teaching management.At present，the methods which are mostly used in the aspect include simple addition and standard marks which both have their own limitations.Making use of the method of factor analysis in evaluating the students′ grade by using the principal component analysis can give us a more comprehensive evaluation from the analytical results than before-mentioned methods.In this paper，we find out the primary factors which can have an influence on the students′ knowl edge and ability by studying on an example and then make an objective and comprehensive assessment on the students′ grade.Keywords：factor analysis；grade of various subjects；comprehensive evaluation；example analysis1 引言在各大专院校中经常遇到评定各类奖学金，择优分配，推荐研究生等问题。
因子分析在企业绩效评价中的应用指南一、引言企业绩效评价是企业管理中一项至关重要的工作。
它不仅涉及到企业的发展方向和战略规划，还关系到员工的薪酬和晋升。
而因子分析作为一种多元统计分析方法，可以帮助企业更准确地评价绩效，提高管理效率。
本文将探讨因子分析在企业绩效评价中的应用指南。
二、因子分析的基本原理因子分析是一种多元统计分析方法，其基本原理是通过对多个变量的分析，找出它们之间的共性因素。
通过对这些共性因素的分析，可以将原始的多个变量简化为较少的若干个共性因子，从而揭示出变量之间的内在联系。
在企业绩效评价中，可以将多个绩效指标归因于几个共性因素，简化评价体系，更好地理解绩效的内在结构。
三、因子分析在企业绩效评价中的应用1. 确定绩效指标在进行因子分析之前，需要先确定要评价的绩效指标。
这些指标可以包括财务绩效、市场绩效、内部流程、学习与成长等多个方面。
确定好绩效指标后，将其转化为相应的变量，用于因子分析。
2. 数据收集与整理数据的收集是进行因子分析的基础。
在企业绩效评价中，可以通过问卷调查、财务报表等多种方式来收集数据。
在收集到数据后，需要对数据进行整理和清洗，剔除掉一些无效数据，确保数据的可靠性。
3. 因子提取在进行因子分析时，需要通过一定的数学方法来提取共性因子。
这其中包括主成分分析、最大方差法、最大似然法等多种方法。
通过这些方法，可以将原始的多个绩效指标简化为较少的若干个共性因子，更好地理解绩效的内在结构。
4. 因子旋转在进行因子分析后，可能会出现因子之间相关性较高的情况。
为了更好地理解共性因子的内在含义，需要对这些因子进行旋转。
常用的旋转方法包括正交旋转和斜交旋转，通过旋转可以使得因子更加清晰地呈现出来。
5. 因子解释因子分析的最终目的是为了更好地理解变量之间的内在联系。
因此，在得到共性因子后，需要对这些因子进行解释。
通过对因子的解释，可以帮助企业更好地理解绩效指标之间的内在联系，从而指导管理决策。
因子分析在学生成绩综合评价中的应用杨宝军【摘要】采用因子分析法并利用SPSS软件对学生在校期间的各科成绩进行分析,得出累计贡献率达到69.753的9个主要因子.指出因子分析和平均成绩在学生评价中存在差异,并据此对学生成绩进行一个客观、综合的评价.【期刊名称】《宜宾学院学报》【年(卷),期】2010(010)006【总页数】3页(P37-39)【关键词】因子分析;学生成绩;综合评价【作者】杨宝军【作者单位】太原大学外语师范学院数学系,山西太原,030012【正文语种】中文【中图分类】O212.1%O424.7学生成绩能反映学生掌握知识和各种能力的程度,综合得分是评价一个学生学习好坏的重要指标,这涉及如何进行学生成绩分析以及评定.学生成绩分析是整个教学过程的一个重要环节,尤其在各大专院校中经常遇到评定各类奖学金等问题.学生成绩评定的含义通常是指学校根据一定的标准,对教学过程中学生所产生的思想、学业、行动和个性等方面的变化作出恰如其分的评断.解决这类问题的关键是如何对学生在校期间的表现给予综合的评价,而评价的基础是学生在校期间各门课程学习所获得的多方面的知识和能力.这些能力和知识具体表现在对课程的掌握上,即各科成绩.目前,对学生成绩综合评价的方法很多,大部分学校或系部采取原始分数求和法或平均学分成绩法,用这两种方法比较简单,但也有缺点:掩盖了学生的个性,不能反映学生的专业能力或其特长,这对学生的综合评价不是很理想.另外还有主成分分析法、专家调查法 -主成分分析法、因子分析法等,吴海英《大学数学》对这几种方法进行了比较,并指出因子分析法的优点[1].本文通过对学生在校期间的各科成绩进行因子分析,找出影响知识和能力的主要因素,并据此对学生成绩的综合评价提供较合理的方法.1.1 因子分析基本思想[2]因子分析是用少数几个因子去描述多个变量之间的关系,被描述的变量一般都是能实际观测的随机变量,而那些因子是不可观测的潜在变量.因子分析的基本思想是把联系比较紧密的变量归为一个类别,而不同类别的变量之间的相关性则较低.在同一个类别内的变量,可以想象是受到了某个共同因素的影响才彼此高度相关的,这个共同因素称为公共因子.1.2 因子分析的步骤[2](1)对原始数据进行标准化以消除量纲的影响,计算标准化指标的协方差即相关系数矩阵.(2)求相关系数矩阵的特征值和相应的特征向量、特征值的贡献率以及累计贡献率.(3)按照特征值大于 1.00的原则选取公共因子个数. (4)计算因子载荷矩阵并进行方差最大化旋转,得到旋转后的因子载荷矩阵,进而建立因子模型.(5)利用回归法得出因子得分系数,进而得出因子得分函数.(6)构建因子评价模型,实施综合评价分析.由于开始对数据进行了标准化处理,消除了量纲的影响,所以以各因子的方差贡献率占总方差贡献率的比重作为权重对各因子得分进行加权汇总,得出综合得分.以太原大学外语师范学院数学系 05级学生的 28门课程的成绩作为对象分析.用SPSS软件进行处理.由 SPSS的输出结果可得[3],这些变量之间的相关系数在 0.5左右的很多,而且其对应的相关性检验值大都小于 0.01(由于科目较多,输出的相关系数矩阵较大,具体输出略),这说明变量之间存在着较为显著的相关性,说明有进行因子分析的必要.同时,由结果可得 K MO检验值为0.757,说明了用因子分析的效果较好.利用 SPSS软件求其相关系数矩阵的特征值和特征向量,按照特征根大于 1的原则,选择 9个公共因子,其累计方差贡献率为 69.753%,也就是说总体近 70%的信息可用这 9个公共因子来解释,本文采取这前 9个公共因子进行分析.为了更好地解释原始变量在各个因子上的载荷值,我们对因子载荷矩阵进行方差最大正交旋转,得到旋转后的因子载荷矩阵,如表 2所示.由表 2可以看出,因子 1在三学期的英语、三学期的数分及高代、空解、小数竞和数论上的载荷比较大,可命名为专业知识水平,因子2、因子5、因子6和因子9在大学语文、计算机、毛概、邓论和马原上的载荷比较大,可命名为公共知识水平;因子 3在空解、小数理、小教法和两学期的普物上的载荷比较大,可命名为数学应用能力,因子 4在三学期的体育上的载荷较大,命名为身体素质因素,因子 7和因子 8在心理和班管上的载荷较大,命名为教师基本知识.从以上分析可以看出,在所有因子中,因子 1的贡献较大,因此求因子分析的总分时比重比较大,事实上因子 1的课程均为学生专升本或当小学教师的重要课程,学生都比较重视,说明了因子分析与实际相符.由回归法估计出因子得分,并对 9个因子的得分进行加权汇总,得出各个学生的综合得分(只显示排名前十位的同学),如表 3所示.从表 3可以看出,因子分析排名和按照均分排名还是有一定差距的.编号为 46的学生在大部分因子上的得分都不错,因子均分也较高,但从因子分析可以看出,该生在因子 4的得分较高,说明其具有体育特长;编号 24的学生均分排名第 3,但因子分析排在第 7位,通过表 3可以发现该生在因子 1上的得分较高,但是在因子 8和因子 9的得分较低,说明虽然专业成绩都较好,但基本教师素质和身体素质较差,通过调查也是与实际相符的.因子分析作为一种重要的多指标综合评价方法,在对学生的成绩做综合评价时有自己的优点,能反映出学生的特长和缺点,能对学生的培养提出较好的依据.但也有自己的缺点,这种方法完全依赖数据,可能把一些不重要的课程看为较重要的,可能产生偏差.为了避免这一缺点,可以采用学分和方差贡献率合成为权重来评价,可得到进一步的完善和改进.【相关文献】[1]吴海英,张杰.学生成绩排名的综合评价模型 [J].大学数学, 2006,8(4):142-145.[2]何晓群.现代统计分析方法与应用[M].北京:中国人民大学出版社,2003:316-319.[3]杜强,贾丽艳.SPSS统计分析从入门到精通[M].北京:人民邮电出版社,2009:543-554.。
因子分析在综合评价中的应用摘要：因子分析方法是一种降维、简化数据的技术。
将因子分析运用于统计指标体系的综合评价中，克服了传统评价方法在处理指标高度相关和权重设定上的缺陷，但所构造的因子得分模型仅适用于对评价对象的静态比较，并不适用于动态比较 。
文探将深入探讨因子分析法进在综合评价的作用以及应注意的一些问题。
关键词：因子分析法；综合评价在多指标综合评价方法中，传统方法对于权重的设置往往带有一定的主观随意性，将多元统计引入综合评价方法，如因子分析法，可以克服人为确定权数的缺陷，使得综合评价结果唯一，而且客观合理。
许多学者在因子分析方法的运用上存在着一些问题，削弱了实证分析研究的解释力和信服力。
本文试从如何正确运用因子分析法进行综合评价作一些探讨。
下面将从两个方面进行介绍：一、因子分析方法的基本思想和运用因子分析法是把一些具有错综复杂关系的变量归结为少数几个无关的新的综合因子的一种多变量统计分析方法。
其基本思想是根据相关性大小对变量进行分组，使得同组内的变量之间相关性较高，不同组的变量相关性较低。
每组变量代表一个基本结构，因子分析中将之称为公共因子。
假设观测系统 (即评价总体）, 有k 个评价指标，n 个观测单位，因子分析的数学模型就是把 n 个观测单位分别表示为p<k 个公共因子和一个独特因子的线性加权和,即i p i i i F F F εααα++++=p 12211...x （n i ,...,2,1=） （1-1） 其中：P F F F ,...,,21为公共因子，它是各个指标中共同出现的因子，因子之间通常是彼此独立的；i ε是各对应变量i x 所特有的因子，称为特殊因子，通常假定()2i i 0~δε，N ；系数ij α是第i 个变量在第j 个公共因子上的系数，称为因子负荷量，它揭示了第i 个变量在第j 个公共因子上的相对重要性。
因此，通过因子模型建立综合评价函数的步骤如下：（1）根据原始变量矩阵估计因子载荷矩阵。
浅谈因子分析方法在多指标综合评价中的运用因子分析方法是一种统计分析方法，主要用于研究多个变量之间的关系，其基本思想是将多个变量通过线性组合进行综合评价。
因子分析方法在多指标综合评价中的运用，可以帮助我们识别出具有代表性的综合指标，从而简化评价过程，提高评价准确性。
首先，因子分析方法在多指标综合评价中的应用可以帮助我们减少指标冗余。
在评价过程中，可能存在大量指标，但很多指标之间可能存在高度相关性。
通过因子分析，我们可以找到一些潜在因子来代表这些相关性，从而减少指标数量，简化评价模型。
这不仅可以节约评价成本，还可以提高评价效率。
另外，因子分析方法可以帮助我们确定主导因素和评价指标的权重。
在多指标综合评价中，不同指标对于评价结果的贡献是不同的。
通过因子分析，我们可以确定各个因子的权重，并进一步计算出各个指标的权重。
这有助于我们合理地设置各个指标的权重，避免主观随意性，提高评价结果的科学性和客观性。
此外，因子分析方法还可以帮助我们解决指标间的共线性问题。
在多指标综合评价中，指标之间可能存在高度相关性，导致评价结果不准确。
通过因子分析，我们可以将这些相关性较高的指标进行合并，生成新的综合指标，从而避免共线性问题对评价结果的影响。
最后，因子分析方法还可以帮助我们进行评价结果的解释和解读。
通过因子分析，我们可以得到各个因子的得分和权重，从而更好地解释评价结果的形成机制。
这有助于我们深入理解评价对象的特征和潜在问题，为进一步改进和优化提供依据。
总之，因子分析方法在多指标综合评价中的运用可以帮助我们简化评价过程，减少指标冗余，理清指标之间的内在关系，确定主导因素和指标的权重，解决指标共线性问题，以及解释评价结果的形成机制。
因此，合理运用因子分析方法可以提高多指标综合评价的科学性和客观性，为决策提供有效的支持。
专题讲座??>>??正文专题讲座??>>??正文浅谈因子分析在多指标综合评价中的运用（上）* 2012-12一、相关概念简介1.综合评价简介所谓综合评价是指对以多属性体系结构描述的对象系统作出全局性、整体性的评价，即对评价对象的全体，根据所给的条件，采用一定的方法给每个评价对象赋予一个评价值（又称评价指数），再据此择优或排序的过程。
常见的综合评价方法有主成分法、基于主成分的因子分析法、熵权法，以及基于模糊数学的多层模糊综合评判法，等等。
2.因子分析简介：因子分析是利用降维的思想，在力保数据丢失最少的原则下，对高维变量空间进行降维处理，把多指标转化为少数几个综合指标的多元统计分析方法。
它的特点是在评价指标的相关性比较高时，能消除指标间信息的重叠，而且根据指标所提供的原始信息生成非人为的权重系数。
采用因子分析法进行多指标的综合评价具有以下优势：因子分析的降维处理技术能较好地解决多指标评价的要求。
1. 因子分析将原始变量变换为主因子的过程中, 同时形成了反映成分和指标包含信息量的权数, 以计算综合评价值, 这比人为地确定权数更为客观有效, 也有助于保证真实地反映样本间的现实关系。
2. 减少了指标选择的工作量。
在因子分析中由于可以消除评价指标间的相关影响, 因而在指标选择上相对容易些，另外因子分析可以保留原始评价指标的大部分信息。
3. 随着电子计算机技术的发展, SAS、SPSS等商品化统计分析软件的推广与应用, 使得因子分析在各类综合评价实践中的广泛应用成为现实。
基于上述几点，因子分析法在各类综合指标评估中得以广泛应用。
二、因子分析法在综合评估中的运用（实例讲解）下面，笔者将以某项目的多指标综合评估分析过程为例进行详细讲解。
需要说明的是，在进行综合评估之前，首要的工作是建立一套可靠完整的指标体系。
而确立评估指标的方法很多，包括主观、客观法，如常见的Delphi专家评估法、灰色关联度分析法、极小极大离差法和最小均方差法，等等。
本例采取的是专家评估法，限于篇幅，在此不再赘述，本文是假定已完成指标体系的建立及数据无量纲处理的前提下，进行的分析过程。
1.步骤一：数据检验在进行因子分析前，应检验数据间的相关性程度，判断是否适合采用因子分析。
1）KMO检验：KMO检验：是用于比较变量间简单相关系数和偏相关系数的指标，KMO统计量是取值在0和1之间。
当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时，KMO值接越近1，意味着变量间的相关性越强，原有变量越适合作因子分析；当所有变量间的简单相关系数平方和接近0时，意味着变量间的相关性越弱，原有变量越不适合作因子分析。
KMO 值在0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.5以下表示极不适合。
2）巴特利球型检验：用于检验相关矩阵是否是单位矩阵，即各变量是否独立。
它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位矩阵。
如果统计值较大，且对应的相伴概率值小于用户给定的显著性水平，则应拒绝零假设，即各变量间存在公因子；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，这些变量间可能各自独立提供一些信息，缺少公因子，不适合做因子分析。
3）实例数据SPSS软件操作过程：Analyze——Data Reduction——Factor，在因子分析主对话框中，点击Descriptives，然后勾选KMO and Bartlett's Test of Sphericity。
下表1是本例的输出结果：KMO>0.5满足分析的要求；其次，巴特利球体检验统计值为P = 0. 000 ＜0. 05 ，可以拒绝零假设，证明各变量间存在公因子，通过了显著度检验。
小结：本文简单介绍了综合评价及因子分析的相关概念，了解了因子分析的数据检验要求及操作过程。
限于篇幅，我们将在下次继续讲解本例的实证分析结果。
浅谈因子分析方法在多指标综合评价中的运用（下）* 2013-06在上一篇专题文章之中，笔者简单介绍了多指标综合评价的相关概念及方法，了解了因子分析数据检验要求及操作过程，本次将为大家继续讲解相关的操作步骤及实证分析结果。
一、实证结果分析一：主因子的提取和确定???依据因子分析的原理，运用统计软件SPSS16.0进行分析，可得到10个指标相关矩阵R 的特征值、方差贡献率和累计方差贡献率，如表2所示。
按照特征值λ>1 的原则，选出5个主因子，其旋转前的累计方差贡献率为75.020%（即前5个主因子可以解释75%的方差），表明选取5个主要成分因子就能基本反映原指标的信息。
而旋转后5个主因子的累计方差贡献率仍为75.020%，表明因子旋转不改变模型对数据的拟合。
一、实证结果分析二：主因子的命名及解释?? 在因子分子中，计算指标的载荷矩阵时，一般需进行因子旋转，使得各个因子的典型代表指标意义更为明确，我们利用spss 软件将主因子经过正交旋转后，其载荷矩阵见表3。
由表3的因子载荷矩阵可以看出：第一个因子在X2、X3上有较大载荷，称之为投诉客户因子；第二个因子在X6、X7上有较大载荷，称之为投诉责任因子；第三个因子在X4、X5上有较大载荷，我们称之为投诉处理满意度因子；第四个因子在X1、X8、X9上有较大载荷，称为投诉焦点因子；第五个因子在X10上有较大载荷，称之为投诉频率因子。
一、实证结果分析三：因子表达式?? 根据spss统计软件我们得到旋转后各主因子的得分系数矩阵（见下表4)，则旋转后的因子得分表达式为：?? 投诉客户因子得分F1=0.097*X1+0.492 *X2+0.492*X3+(-0.002)*X4+……+0.033*X10，同理可得：???投诉责任因子得分F2=（-0.028）*X1+0.000*X2……+0.007*X10?? 投诉满意度因子得分F3=（-0.005）*X1+（-0.008）*X2……+0.007*X10?? 投诉焦点因子得分F4=（-0.539）*X 1+0.013*X2……+（-0.144）*X10?? 投诉频率因子得分F5=0.127*X1+0.014*X 2+……+0.876*X10??（注意：Xi为每个投诉用户在该指标上的原始得分经过标准化处理后的值）且从下表5的因子得分协方差矩阵可以看出，旋转后因子间已无相关关系，说明因子提取是成功的。
二、投诉综合评估模型的构建?? 根据实证结果一，我们得到各因子的方差贡献率Wi (这里我们选取的是旋转后的方差贡献率,见附表A) ，可以据此确定各因子的权重系数，进而构建投诉综合评价模型: （注：Wi为权重系数，即各因子的方差贡献率；Fi 为第i 个主因子相应的因子得分） F = W1*F1 + W2*F2 + W3*F3 + W4*F4 + W5*F5??????=19.38%*F1+18.68%*F2+15.93%*F3+10.65%*F4+10.39%*F5????????????????? （式一）根据实证结果三，我们已经得到了5个主因子F1—F5的的表达式（见附表B）。
现将附表B的表达式代入式一，即可算出每一个投诉用户的F值，F值即称为投诉综合评估因子得分。
结论：因子得分越高，表示该投诉用户的综合评定系数级别越高，越需要进行关系修复。
专题讲座??>>??正文SMART原则* 2013-04目标管理是管理人员常用的一种工具，通过实施目标管理不但是有利于员工更加明确高效地工作，更是为未来的绩效考核制定了目标和考核标准，但如何确定目标呢？既要保证目标科学可行，又要能尽可能激发员工的潜能，灵活运用SMART原则可以帮助我们。
SMART原则首次出现在1981年12月发行的《管理评论》， SMART是五个英文字母的开头，分别是：S=Specific、M=Measurable、A=Attainable、R=Realistic、T=Time-based，目标确定的SMART原则具体内容如下：1. 目标必须是具体的（Specific）指要用具体的语言清楚地说明要达成的行为标准。
明确的目标几乎是所有成功团队的一致特点。
2. 目标必须是可以衡量的（Measurable）衡量性就是指目标应该是明确的，而不是模糊的。
应该有一组明确的数据，作为衡量是否达成目标的依据。
3. 目标必须是可以达到的（Attainable）目标是要可以让执行人实现、达到的，如果上司利用一些行政手段，利用权利性的影响力一厢情愿地把自己所制定的目标强压给下属，下属典型的反映是一种心理和行为上的抗拒：“我可以接受，但是否完成这个目标，有没有最终的把握，这个可不好说。
”一旦有一天这个目标真完成不了的时候，下属有一百个理由可以推卸责任：“你看我早就说了，这个目标肯定完成不了，但你坚持要压给我。
”4. 目标必须和其他目标具有相关性（Relevant）目标的相关性是指实现此目标与其他目标的关联情况。
如果实现了这个目标，但对其他的目标完全不相关，或者相关度很低，那这个目标即使被达到了，意义也不是很大。
5. 目标必须具有明确的截止期限（Time-based）目标特性的时限性就是指目标是有时间限制的。
无论是制定团队的工作目标还是员工的绩效目标都必须符合上述原则，五个原则缺一不可。
制定的过程也是自身能力不断增长的过程，管理人员必须和员工一起在不断制定高绩效目标的过程中共同提高绩效能力。
专题讲座??>>??正文浅谈用户细分* 2012-12用户细分是指根据用户属性划分的客户集合，它是分门别类研究用户、进行有效用户评估、合理分配服务资源、成功实施用户策略的基本原则之一，为企业充分获取用户价值提供理论和方法指导；用户细分理论原理是：每类产品的用户群不是一个群体，根据用户群的文化观念，消费收入、消费习俗、生活方式的不同细分新的类别，企业根据消费者的不同制定品牌推广战略和营销策略，将资源针对目标用户集中使用。
——————————以上摘自互联网————————说到用户细分，其实在一般消费者研究过程中或多或少的涉及到了，以通信领域的研究而言，我们常把用户分为企业用户、个人用户等，或者根据区域性质划分为华南地区、华东地区等等，这种细分就比较简单、直观，数据采集也比较容易，我们把这称为按照外在属性的划分。
通常消费者调研中，我们都会收集消费者的背景统计资料，诸如性别、年龄、学历、收入、婚姻状况等，这则属于按照内在属性分类，通过各种背景属性分类的分析，我们就可以把用户划分为多种类型，为策略的制定提供更精准的建议。
当然，不少行业（如通信、医药）的研究往往还要深入考虑分析消费者的行为，比如话费量、流量开支、比如药品的用量、使用行为习惯等；通过对这些变量的分类进行深入分析，往往能够找出用户中的特点为市场营销活动找到对策。
