第３５卷 第６期
２０１１年１２月
武汉理工大学学报（交通科学与工程版）
ＪｏｕｒｎａｌｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ
（ＴｒａｎｓｐｏｒｔａｔｉｏｎＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ）
Ｖｏｌ．３５ Ｎｏ．６
Ｄｅｃ．２０１１
铁路旅客满意度指数模型研究
曾庆东１，２） 严新平１，２）
（武汉理工大学智能交通系统研究中心１） 武汉 ４３００６３）
（水路公路交通安全控制与装备教育部工程技术研究中心２） 武汉 ４３００６３）
摘要：基于铁路旅客运输服务的特性以及旅客需求结构分析，提出了一个新的铁路旅客满意度指
数（ＣＳＩ）模型，运用偏最小二乘法对模型进行数学表达，结合实际调研的结果，对模型进行检验．通
过检验，模型中变量间相关性以及模型的拟合优度都达到较高的水平．
关键词：铁路旅客运输；旅客满意度；偏最小二乘法
中图法分类号：Ｕ２９３．１ ＤＯＩ：１０．３９６３／ｊ．ｉｓｓｎ．１００６２８２３．２０１１．０６．０３９
收稿日期：２０１１０９２７
曾庆东（１９７２）：男，博士生，副教授，主要研究领域为交通安全
随着新经济时代的到来，企业的“无形”资产
相对于“有形”资产而言，变得越来越重要，具体表
现为领先的技术，先进的管理模式，稳定的客户关
系等在企业核心竞争力中所占的比重越来越大．
因此，从２０世纪７０年代开始，许多国家开展了顾
客满意度理论的研究．作为企业的无形资产，顾客
满意度不仅是传统经济绩效的有效补充，更是“以
人为本”管理理念的充分体现．
交通运输业是传统的服务产业，铁路旅客运
输企业提供的也是产品，只不过不具备实物形态，
称为服务产品．服务具有无形性、异质性、不可储
存性和生产及消费不可分割等特征［１２］．物质产品
可以自我展示，但服务却不能．虽然运输产品是无
形的，乘客看不到运输服务，但它的特征可以借助
于有形实物来感知，比如列车设施完善，车内整洁
舒适度等，因此，构建铁路旅客满意度的模型，并
通过模型的稳定性研究，对于提高铁路运输服务
质量，具有重要意义．
１ 铁路旅客满意度指数测评理论模型
１．１ 铁路旅客满意度指数测评理论模型
ＣＳＩ模型体系由２部分组成：结构模型部分
和测量模型部分．结构模型部分描述隐变量及其
相互关系，测量模型部分则反映隐变量与对应显
变量（观测变量的关系）［３４］．结构变量的确定是该
模型建立的基础．由顾客满意度理论我们知道，顾
客满意度指数（ＣＳＩ）模型是一个因果关系模型，
因此，隐变量的选择及其相互关系的确定是构建
ＣＳＩ模型的关键．铁路旅客运输属于公共事业，顾
客在某一时段内必须消费且很难找到替代品，其
价格由政府确定而非市场确定［５６］．由于铁路运输
具有很强的垄断性，即使满意度不高，对部分消费
者而言，他只能购买这种服务，顾客满意度与顾客
忠诚之间关联度不高．因此，现有的铁路旅客满意
度测评模型没有顾客忠诚这个结构变量．但是，随
着我国交通事业的迅猛发展，多种运输方式正以
自己的特殊优势抢占市场份额．铁路企业作为服
务性企业，提高顾客满意度对于提高企业竞争力
十分重要．同时，铁路运输业作为政府公共事业的
一部分，顾客满意度影响的是不仅仅是企业的市
场竞争力，更是构建和谐铁路的重要影响因子．因
此，有必要将总体满意作为旅客满意度的结果变
量．基于以上考虑，本文构建铁路旅客满意度理论
模型见图１．
对于铁路旅客满意度模型而言，仅用感知质
量一个潜变量无法直接描述铁路运输服务质量，
须将感知质量进行分解成若干个潜变量，分别代
图１ 铁路旅客满意度指数测评理论模型
表感知服务质量的若干个方面，然后通过信度和
效度检验其有效性和可靠性．图１中，将感知质量
分表感知服务质量的若干个方面，然后通过信度
和解成规范服务、运营行秩序、出行安全、服务环
境以及特色服务等５个潜变量，使得模型具有很
强的可操作性．
根据卡诺模型，顾客满意与顾客需求的层次
有关．模型定义了３个层次的需求，即基本型需
求、期望型需求和吸引型需求．这３种需求根据绩
效指标分类即为基本因素、绩效因素和激励因素．
本模型中，规范服务、运行秩序和出行安全属于基
本型需求，服务环境属于期望型需求，特色服务属
于吸引型需求．
１．２ 铁路旅客满意度指数测评指标体系
对于铁路旅客满意度模型而言，仅用感知质
量一个潜变量无法直接描述铁路运输服务质量，
因此，将感知质量进行分解为５个隐变量，即规范
服务、运营秩序、出行安全、服务环境和特色服务
等．基于此，本文建立铁路旅客满意度指数测评指
标体系见图２．
２ 模型的数学表达
２．１ 隐变量之间的结构方程
结构方程模型包括结构方程和测量方程［７］．
隐变量之间的结构方程用表达式η＝Ｂη＋Γξ＋ε
表示．式中：Ｂ，Γ分别为外生隐变量、内生隐变量
的系数矩阵，根据图１，各隐变量的相互关系为
η１ ＝γ１１ξ１＋ε１
η２ ＝γ２１ξ１＋ε２
η３ ＝γ３１ξ１＋ε３
η４ ＝γ４１ξ１＋ε４
η５ ＝γ５１ξ１＋ε５
η６ ＝β６１η１＋β６２η２＋β６３η３＋
β６４η４＋β６５η５＋β６１ξ１＋ε
烅
烄
烆 ６
（１）
由此可以得到隐变量的结构方程的矩阵形式
图２ 铁路旅客满意度指数测评指标体系结构图
η１
η２
η３
η４
η５
η
熿
燀
燄
燅６
＝
０ ０ ０ ０ ０ ０
０ ０ ０ ０ ０ ０
０ ０ ０ ０ ０ ０
０ ０ ０ ０ ０ ０
０ ０ ０ ０ ０ ０
β６１ β６２ β６３ β６４ β６５
熿
燀
燄
燅０
×
η１
η２
η３
η４
η５
η
熿
燀
燄
燅６
＋
γ１１
γ２１
γ３１
γ４１
γ５１
γ
熿
燀
燄
燅６１
ξ１＋
ε１
ε２
ε３
ε４
ε５
ε
熿
燀
燄
燅６
（２）
式中：β为各内生隐变量之间的路径系数；γ为外
源隐变量与内生隐变量之间的路径系数；ε为内
生隐变量的残差．
２．２ 隐变量与显变量的测量方程
由前面的叙述可知，外源隐变量与显变量的
测量方程用表达式Ｘ＝Λｘξ＋δ表示．式中：Λｘ 为
测量方程的回归系数，具体形式为
ｘ１＝λξ１＋δ （３）
式中：λ为显变量在外生变量上的载荷系数；δ为
·６６２１· 武汉理工大学学报（交通科学与工程版） ２０１１年 第３５卷
内生显变量的残差．
内生隐变量与显变量的测量方程用表达式Ｙ
＝Λｙη＋ε表示．式中：Λｙ 为测量方程的载荷系数
矩阵，其矩阵形式为
（１）
式中：ω为显变量在内生变量上的载荷系数；ε为
内生显变量的残差．
３ 模型评价
３．１ 隐变量对顾客满意度解释能力分析
隐变量对顾客满意度的解释力主要通过回归
分析中的Ｆ检验法、Ｔ 检验法和相关系数检验法
来判定．
１）Ｆ检验法定义的统计量为
Ｆ＝
∑
ｎ
ｉ＝１
（＾ｙｉ－珔ｙ）２
∑
ｎ
ｉ＝１
（ｙｉ－ｙ＾ｉ）２／（ｎ－２）
（５）
式中：＾ｙｉ 为因变量ｙ 的估计值；ｙｉ为变量ｙ 的一
组样本值；珔ｙ为变量ｙ的样本均值．统计量Ｆ服从
自由度为（１，ｎ－２）的Ｆ分布．
２）Ｔ检验法定义的统计量为
Ｔ＝ （∑
ｎ
ｉ＝１
（ｙｉ－珔ｙ）２）
１
２ ｂ＾
δ＾
（６）
式中：ｙｉ为变量ｙ的一组样本值；珚ｘ为变量ｙ的样
本均值．＾δ为δ的无偏估计量，统计量Ｔ服从自由
度为（１，ｎ－２）的ｔ分布．
３）相关系数检验法的检验统计量定义为
Ｒ＝
∑
ｎ
ｉ＝１
（ｘｉ－珚ｘ）（ｙｉ－珔ｙ）
（∑
ｎ
ｉ＝１
（ｘｉ－珚ｘ）２∑
ｎ
ｉ＝１
（ｙｉ－珔ｙ）２）１／２
（７）
式中：统计量Ｒ为相关系数；ｘｉ为变量ｘ 的一组
样本值；珚ｘ为解释变量ｘ的样本均值．ｙｉ是被解释
变量ｙ的一组样本值，珔ｙ被变量ｙ的样本均值．
通过ＳＰＳＳ１３．０计算得出各隐变量的相关系
数见表１．
表１ 隐变量的相关系数
感知质量
Ｐｅａｒｓｏｎ
相关系数
显著性检验ρ Ｒ Ｒ２ Ｆ检验的ρ值 Ｂ Ｂｅｔａ Ｔ检验的ρ值
η３ ０．８９４ ０．０００ ０．８９４ａ ０．７９９ ０．０００ａ ０．０４７ ０．８９４ ０．０００
η４ ０．７１９ ０．０００ ０．７１９ａ ０．５１８ ０．０００ａ ８．４２６ ０．７１９ ０．０００
η２ ０．８２３ ０．０００ ０．８２３ａ ０．６７８ ０．０００ａ １３．５７１ ０．８２３ ０．０００
η１ ０．９０４ ０．０００ ０．９０４ａ ０．８１７ ０．０００ａ １７．３１４ ０．９０４ ０．０００
η５ ０．７７４ ０．０００ ０．７７４ａ ０．５９９ ０．０００ａ １２．２５０ ０．７７４ ０．０００
η６ ０．８１１ ０．０００ ０．８１１ａ ０．６５８ ０．０００ａ １３．０１２ ０．８１１ ０．０００
从表１可以看出，各隐变量的Ｐｅａｒｓｏｎ相关
系数均大于欧洲顾客满意度指数中要求的Ｐｅａｒ
ｓｏｎ相关系数值（０．６５），显著性检验的概率ρ值
均为０，小于０．０５，说明各隐变量与顾客满意之间
有很强的相关性．Ｆ检验的概率ρ值均为０，小于
０．０５，说明隐变量与顾客满意之间存在线性相关；
Ｔ检验的概率ρ值均为０，小于０．０５，说明回归系
数有显著意义．另外，从表中还可以看出，Ｒ２值均
大于０．５，尤其服务环境和规范服务的Ｒ２值分别
为０．８１７和０．７９９，说明这２个隐变量局满意度
指数间具有非常强的解释力．
３．２ 显变量对隐变量解释能力分析
显变量对隐变量的解释力采用相关系数分
析，通过计算，各隐变量对应的显变量 Ｐｅａｒｓｏｎ
·７６２１· 第６期 曾庆东，等：铁路旅客满意度指数模型研究
Ｃｏｒｒｅｌａｔｉｏｎ系数如表２．
表２ 显变量对隐变量的相关系数
规范
服务
显变
量
运行
秩序
显变
量
出行
安全
显变
量
服务
环境
显变
量
特色
服务
Ｙ１３ ０．７９６Ｙ２０ １．０００Ｙ１１ ０．８８３ Ｙ１ ０．７３３ Ｙ２１ ０．８５７
Ｙ１４ ０．７４５ Ｙ１２ ０．８６１ Ｙ２ ０．７６６ Ｙ２２ ０．８８２
Ｙ１５ ０．６９９ Ｙ３ ０．７１９ Ｙ２３ ０．７３８
Ｙ１６ ０．６８０ Ｙ４ ０．７４３ Ｙ２４ ０．７３６
Ｙ１７ ０．６５７ Ｙ５ ０．７１３ Ｙ２５ ０．８２４
Ｙ１８ ０．７９１ Ｙ６ ０．７３５
Ｙ１９ ０．７７７ Ｙ７ ０．７４７
Ｙ８ ０．６２５
Ｙ９ ０．５９９
Ｙ１０ ０．６５９
从表２可以看出，各隐变量对应的显变量
ＰｅａｒｓｏｎＣｏｒｒｅｌａｔｉｏｎ系数均大于０．５，说明各显变
量对隐变量的解释力都很强
３．３ 模型的总体评价
模型的总体评价常采用共同度这一指标来衡
量，共同度衡量了反映模型中ＬＶ（ｌａｔｅｎｔｖａｒｉａ
ｂｌｅ）对ＭＶ（ｍａｎｉｆｅｓｔｖａｒｉａｂｌｅ）的预测能力，等于
ＭＶ的方差中由ＬＶ 解释的部分所占的比例．共
同度有三种：ＭＶ的共同度、ＬＶ 的共同度和整个
模型的共同度，后两个共同度是在ＭＶ共同度基
础上平均得到的．
ＡＶＥ计算公式为
ＡＶＥｉ＝
∑
ｋ
ｊ＝１
λ２ｉｊ
∑
ｋ
ｊ＝１
λ２ｉｊ＋∑
ｋ
ｊ＝１
θｉｊ
（８）
式中：λｉｊ为第ｉ个ＬＶ 第ｊ 个ＭＶ 的载荷；ｋ为
ＭＶ 的个数；θｉｊ为第ｉ个ＬＶ 第ｊ个ＭＶ 的测量误
差．当所有载荷都是标准化载荷时，ＡＶＥ等同于
ＬＶ 的共同度．
通过计算各显变量的ＡＶＥ值如表３．
表３ 各显变量的ＡＶＥ值
显变量 ＡＶＥ 显变量 ＡＶＥ 显变量 ＡＶＥ 显变量 ＡＶＥ
Ｙ１ ０．５８７ Ｙ８ ０．６０５ Ｙ１５ ０．６６５ Ｙ２２ ０．７３８
Ｙ２ ０．５１１ Ｙ９ ０．５０９ Ｙ１６ ０．６１２ Ｙ２３ ０．５７４
Ｙ３ ０．４７６ Ｙ１０ ０．４２９ Ｙ１７ ０．５９０ Ｙ２４ ０．５６４
Ｙ４ ０．５５４ Ｙ１１ ０．５０６ Ｙ１８ ０．４６７ Ｙ２５ ０．６９０
Ｙ５ ０．６１７ Ｙ１２ ０．６８１ Ｙ１９ ０．５００ Ｙ２６ ０．６５３
Ｙ６ ０．６２３ Ｙ１３ ０．６２５ Ｙ２０ ０．４２１
Ｙ７ ０．６０５ Ｙ１４ ０．６７９ Ｙ２１ ０．６９６
隐变量的ＡＶＥ值见表４．
由于载荷都是标准化载荷，因此ＡＶＥ 等同
于ＬＶ的共同度．共同度衡量了反映模型中ＬＶ
表４ 隐变量的ＡＶＥ值
感知质量 ＡＶＥ 感知质量 ＡＶＥ
η３ ０．７６９ η１ ０．８０２
η４ ０．４８４ η５ ０．６９１
η２ ０．６５５ η６ ０．７７５
（隐变量）对ＭＶ（显变量）的预测能力．表２和表３
的结果显示，大部分显变量的ＡＶＥ 值均在０．５
以上，大部分隐变量的ＡＶＥ均在０．７左右，因此
模型整体拟合优度比较高．
４ 结 束 语
铁路企业作为服务性企业，提高顾客满意度
对于提高顾客忠诚度十分重要，否则，顾客重复购
买的可能性会降低．同时，由于铁路企业具有很强
的垄断性这一特殊性质，即使满意度不高，对部分
消费者而言，他只能购买这种服务，顾客满意度与
顾客忠诚之间关联度不高，但是，作为政府公共事
业的一部分，铁路运输是服务型政府的窗口行业，
提高铁路运输服务旅客满意度是和谐社会构建的
重要举措．本文通过将感知质量进一步分解成５
个隐变量，并构建的铁路旅客满意度模型，通过了
实验验证，具有较好的拟合优度，为铁路运输企业
及时改进工作提供有益的帮助．
参 考 文 献
［１］任殿伟．铁路旅客列车顾客满意度测评方法研究及
实践［Ｄ］．北京：清华大学工业工程系，２００８．
［２］熊 丽．顾客满意指数模型计算及系统研究［Ｄ］．武
汉：武汉理工大学理学院，２００６．
［３］霍映宝．ＣＳＩ模型构建及其参数的ＧＭＥ的综合估计
研究［Ｄ］．南京：南京理工大学经济管理学院，２００４．
［４］汤万金，咸奎桐．顾客满意测评理论与应用［Ｍ］．北
京：中国计量出版社，２００９．
［５］朱长虹，霍映宝，韩之俊．基于顾客满意的技术创新
策略分析［Ｊ］．江苏商论，２００４（４）：６６７０．
［６］金勇进，梁 燕．偏最小二乘方法的拟合指标及其在
满意度研究中的应用［Ｊ］．数理统计与管理，２００５
（３）：４０４４．
［７］张新安，田 澎，张列平．建立中国顾客满意指数若
干问题的研究［Ｊ］．工业工程与管理，２００２（３）：
５５５９．
（下转第１２７２页）
·８６２１· 武汉理工大学学报（交通科学与工程版） ２０１１年 第３５卷
