居民居住环境满意度模型构建及验证.doc

城市居民居住环境满意度模型构建及验证Model Construction of Customer Satisfaction for Urban Residential Environment in China朱敏 武晓瑞 王蓓（西南财经大学工商管理学院，四川 成都 610074）作者简介朱 敏 女，博士，西南财经大学工商管理学院教授、博士生导师，研究方向：企业管理与创新，市场营销，消费行为。武晓瑞（1983-），女，硕士，研究方向：营销管理，企业战略。王 蓓，女，西华大学，研究方向：财务管理摘 要：居民居住环境满意度是评价和衡量生活质量的重要指标。在我国，学术界对于顾客满意度的研究十分活跃，而对住宅区居民居住环境满意度尚缺乏系统的理论研究和实证分析。论文从住宅用户的角度出发，借鉴国内外研究成果和实践经验，考查住宅区居住环境满意度的内涵及特性，结合顾客满意度理论及我国城市住宅居民的特点和调研的实际可操作性，创建了居民居住环境满意度评价指标体系，建立了城市住宅区居民居住环境满意度模型；确定了模型包含的变量为建筑环境、邻里环境、区位环境、销售价格、企业形象、用户抱怨和迁移。通过试抽样，形成测量量表，并在成都市进行了抽样调查，利用AMOS17.0和SPSS17.0统计软件包分析调查数据，进行了信度分析以检验数据的可靠性，采用采用因子分析及结构方程分析方法揭示居民居住环境满意度的主要影响因素，验证了成都市住宅区居民居住环境满意度及模型及其适用性；同时引入企业形象和迁移分别作为城市住宅区居住环境满意度的原因变量和结果变量，并验证了其可行性。关键词：城市居住环境 居住满意度 生活质量 成都市区Abstract：Customer Satisfaction for Urban Residential Environment (CSURE) is an important index for evaluating and weighing living quality. In China, the theoretical and empirical research on for customer satisfaction is active. However, it is correspondingly lags behind the for residential environment satisfaction research both theoretically and empirically. Starting from the customers view, the paper is supposed to discuss the features and specialty of the customer satisfaction for residential environment of cities in the eyes of an ordinary residence customer in China, to construct and verify the model of Customer Satisfaction for Residential Environment for cities in China, based on the studies of theoretical researches and practice both in China and the other countries previously and in consideration of possibility of operation in China for it. By data collected in urban area in Chengdu, China, the model is constructed through factor analysis and construction analysis by software of AMOS17.0 and PSS17.0 to explore factors that influence the customer satisfaction for residential environment in Chengdu, China. The paper discusses the relevant variables of CSURE, among which features of construction, neighborhood and location, along with perceptive price function as the cause variables, whereas customer complaints and migration function also included as the variables in the model. The research results will supply reference for real estate enterprises for basis to propel the level of management of urban residential customer satisfaction. Now, the improvement of it has turned into an urgent demand for real estate enterprises.Keywords: urban residential environment, customer satisfaction, living quality, Chengdu urban area一、文献综述美国著名人本主义心理学家和行为科学家马斯洛 (A.Maslwo)1943年在其人类动机理论一书中初次提出了“需求层次论”，指出人类的共同的需求包括五类，即生理需求、安全需求、交往需求、尊重需求和自我实现需求。他认为人类对居住需求主要表现在以下三个方面：生活环境需求、生态环境需求和心理需求 吴良墉，人居环境科学导论M，北京：中国建筑工业出版社，2001。美国从1990年开始进行美国顾客满意指数的调查和研究，并逐步建立了一个全国性的、跨行业的美国顾客满意指数ACSI模型，它是由设在Michigan大学商学院的国家质量研究中心和美国质量协会共同发起并研究提出的，该模型增加了感知质量这个结构变量。从1994年起，美国顾客满意指数ACSI模型广泛用于评价多个行业的满意度，并且每季度在财富杂志上公布一次ACSI调查结果，以此确立了其在顾客满意指数测评理论和实践方面的权威地位，成为现代质量管理关注的焦点 马隽，基于顾客满意视角的杭州中、低收入群体住房问题研究D，浙江大学，2005(12)：13-20。欧洲顾客满意指数 ThomsonK.The benefits of measuring customer satisfactionJ.CMA Magazine,1995,69:32-36.(简称ECSI)的研究由欧洲质量组织和欧洲质量管理基金会等机构共同资助完成。ECSI模型继承了ACSI模型的基本构架和一些核心概念，如顾客预期、感知质量、感知价值、顾客满意以及顾客忠诚，增加了另一潜在变量一一企业形象，它是指顾客记忆中和组织有关的联想，这些联想会影响人们的期望值以及满意度的判别。与ACSI模型还有一个不同之处就是ECSI在所有的行业中都分别考虑对产品的质量评价和对服务的质量评价来衡量感知质量。在ECSI模型的结构变量中，企业形象、顾客预期、感知质量和感知价值是顾客满意度的原因变量；顾客忠诚是顾客满意度的结果变量 马隽，基于顾客满意视角的杭州中、低收入群体住房问题研究D，浙江大学，2005(12)：13-20。20世纪下半叶人居环境科学理论得到发展，强调把人类聚居作为一个整体，从社会、经济、文化和工程技术等方面进行综合系统的研究，其研究目的是了解并掌握人类聚居发生发展的客观规律及其对社会经济的支撑作用，从而能更好的建设符合人类思想的聚居环境 林其标，林燕，赵维稚，住宅人居环境设计M，华南理工大学出版社，2000。同时。居民住房作为一种消费行为，而是由一系列相关联的活动构成的。由于住房是属于消费者“高度关心的产品” 虞晓芬，我国居民购房消费行为特征与影响因素分析J,中国房地产，2001(9):23-24。，所以消费者购房行为决策过程在实际购买之前就己经开始，并且延伸到实际购买以后。住宅区居民住房消费行为的影响因素主要包括：心理因素、个人因素、社会因素、文化因素。关于居住环境满意度及影响因素，Marans Marans,R.and W.Rodgers.Toward and understanding of community satisfaction.In Metropolitan America in Contemporary Perspective.Edited by Amos H.Hawley and Vincent P.Rock New York:Wiley,1975,299-352.和Sprechelmeyer提出概念模型解释了客观状况、主观经验与居住满意度之间的关系，Weidemann和Anderson Weidemann,S.and J.R.Anderson.Residentsperceptions of satisfaction and safety:a basis for change in multifamily housing.Environment and Behavior,1982,14:695-724.发展了这一模型，论述了以满意度为核心的居民反应与行为意愿、行为和居住环境社会层面的关系。他们共同阐明了居住环境物质和社会因素在影响居住满意度过程中的重要性。Francescato Francescato,G.Residents satisfaction in HUD-assisted housing:Design and manadement factors(U.S.Department of Housing and Urban Development,Washington,SC),1980.等人论述了一个涵盖面极广的满意度模型，强调所有环境评价因子诸如经济、生态、技术功能的稳定性等都与满意度有关。近年来我国的房地产行业协会及其相关部门也开始了积极地进行有关顾客满意度方面的测评工作。2003年，中国质量协会、清华大学等参考ACSI研究制定出我国的满意度指数CCSI。2005年中房指数研究开始了它贴近市场的新进展“中国房地产顾客满意度指数系统”的全国性研究和抽样调查启动，开始选定首批试点房地产企业和项目进行房地产顾客满意度的试点测评 朱燕，李章华，2003年北京住户满意度调查J，城乡建设，2004(11)：17-19。“中国房地产顾客满意度指数系统”是一套以顾客满意为中心，以企业形象、产品和服务质量为外围条件的评价指标体系。调查内容的设计围绕影响顾客满意的关键因素，如企业形象、价值感知、质量感知、客户忠诚和客户抱怨以及总体满意度等而展开，调查的具体指标涵盖房地产产品生产和服务的多个环节，如建筑环境及配套设施、规划设计、工程质量、服务质量、物业管理等 中国指数研究院，中国房地产顾客满意度指数系统理论和实践M，经济管理出版社，2005(6)：59-63。从住宅商品房开发企业来看，近年来也有部分企业逐渐意识到了顾客满意和顾客忠诚的重要性，有些开发商委托市场调查公司进行当地的顾客满意调查，取得了一定的成绩。但总的来说这种研究是针对具体某个企业的某项具体工作情况而进行的，这种调查直接与工作挂钩，尚未形成理论研究基础和体系。国内学者的研究在指标体系和满意度实证测评两方面主要有吴硕贤吴硕贤，居住区生活与环境质量综合评价J，华南理工大学学报（自然科学版），2000(05)。等自1990年起陆续对杭州、厦门、南京和温州等市居民进行了生活环境质量的问卷调查，并选出了相对独立的评价因素。徐磊青 徐磊青，杨公侠，上海居住环境评价研究J，同济大学学报，1996(5)：32-36。等(1995)在研究上海市居住环境质量时将总体分为社会方面、空间方面和舒适性有关的服务设施三大类，比较了多层住宅和高层住宅的居民对居住的满意度。陈浮 陈浮，城市人居环境与满意度评价研究J，城市规划，2000(7)：25-27。(2000)从城市居住的层面提出了一个涵盖面较广的一系列评价指标，统计分析建立了城市人居环境满意度评估指标体系的基本框架，并对南京市各居住地域的人居环境提出优化措施和方案。杜宏武 杜宏武，影响小区居住环境质量居民满意度因素以珠江二角洲地区若干小区为例J，城市规划汇刊，2002(5)：17-22。（2000）对珠江三角洲地区进行了居民问卷调查，调查指标包括施工质量、物业管理、景观、交通等12大因素。龙腾锐，张智 龙腾锐，张智，居住区环境质量综合评价体系研究J，重庆建筑大学学报，20029(12)：136-139。在评价居住区环境质量中建立了一套较完备的指标体系，包括环境要素、环境设施和环境管理三个方面的内容。李章华 李章华，顾客满意度理论及其在住宅市场中的应用J，北京联合大学学报，2002(12)：16-22。将住宅价值和政府住宅政策引入顾客满意度模型，使之由评价住宅品质扩展为分析住宅市场现状并预测其发展前景的有效工具。虞晓芬 虞晓芬，吴集，居民住房消费满意度评价体系设计与实证研究J，技术经济与管理2003(1)：15-17。等对浙江住房满意度进行了研究，运用模糊综合评价确定满意度和多因素定量评价法相结合进行研究，其基本原理也是用层次分析法来确定各因素的相对权重。1999年、2001年、2002年、2003年，中国质量协会、全国用户委员会组织开展了四次全国住宅用户满意度指数测评。吕宏芬(2004)设计了杭州市住户满意度调查问卷，并着重对中高档商品房的住户进行调查，调查结果显示，影响住房满意度的因素重要程度由高到低依次为设计质量、物业管理质量、价格、施工质量、环境质量和企业服务质量中国指数研究院，中国房地产顾客满意度指数系统理论和实践M，经济管理出版社，2005(6)：59-63。这些有益的研究和尝试都有一个共性，认为住房的满意度与住房综合质量和住房的价值有关。然而，以往的研究和尝试也存在一些局限性，比如，指标的构建方面还有待进一步完善；其次，大部分研究都针对具体的关于房地产开发项目及在购房后不久进行的房屋价值评估，而对项目完成后居住环境满意方面的研究不多，对居民居住环境的状况描述不够。中国房地产业市场化20年来，缺乏对城市住宅区居民居住环境满意度进行系统和定量的研究分析。本文将理论研究和实证分析紧密结合，对居民居住环境引入“顾客满意”概念及影响因素分析，通过构建城市居民住房居住环境满意度模型，选择一城市进行测评及验证，从而提出具有普遍意义的提高城市居民住房居住环境满意度的办法。二、居住环境满意度研究设计及调查1、居住环境满意度模型的构建在以上分析的基础上，借鉴国内外研究成果和实践经验，结合我国城市住宅居民的特点和调研的实际可操作性，在初步拟定居民居住环境满意度评价指标体系的基础上多次和相关学者专家进行深入探讨，并进行了预调查后，对满意度影响不大的指标进行了剔除，对某些因素因子进行了合并及修正，最后确定了本调查的模型。本模型包含8个结构变量，即建筑环境、邻里环境、区位环境、销售价格、企业形象、用户抱怨和迁移，他们之间的结构关系模型见下图：建筑环境邻里环境区位环境感知价格住宅用户满意度住户迁移用户抱怨企业形象图1 居住环境满意度预设模型该模型以ACSI模型为基础，同时吸收了ECSI模型中的结构变量企业形象。在预调查中发现，被调查者会习惯性地考虑住宅价格的合理性和自身的可接受程度，所以，本研究以销售价格替换感知价值。同时结构变量中去掉了顾客忠诚，这是由住宅产品的自身特点决定，与测量其他产品满意度的模型不同，对于大多数住宅用户而言，其购买行为在很长一段时间内属于一次性，一般不会发生重复性购买行为。所以，在构建城市住宅用户满意度模型时将顾客忠诚作为结构变量意义不大。而从顾客购后行为研究的角度出发，选择迁移作为住宅居民满意度模型的结果变量。2、研究假设为便于进行实证分析，在总结和吸收前人研究成果的基础上，建立了模型中相应变量之间的关系假设，这些假设包括建筑环境、邻里环境、区位环境、感知价格和企业形象之间的关系，它们分别与居民满意度之间的关系结构，满意度与住户抱怨和住户迁移之间的关系结构，住户抱怨和住户迁移之间的关系结构。H1：建筑环境对住宅区居民居住满意度具有直接的正向影响。H2：邻里环境对住宅区居民居住满意度具有直接的正向影响。H3：区位环境对住宅区居民居住满意度具有直接的正向影响。H4：感知价格对住宅区居民居住满意度具有直接的正向影响。H5：企业形象对住宅区居民居住满意度具有直接的正向影响。H6：建筑环境对住宅价格具有直接的正向影响。H7：邻里环境对住宅价格具有直接的正向影响。H8：区位环境对住宅价格具有直接的正向影响。H9：住宅区居民居住满意度与住户迁移呈负相关关系。模型中8个结构变量及对应的观测变量，共同构成本调查的测量体系，将观测变量展开为调查问卷上的问题，可得到观测变量的数值。这设计如何用数值反映顾客对测量对象的态度。本研究对住宅居民的满意度采用李克特量表，态度等级分别满意、较满意、一般、较不满意、不满意，对应的值分别为5，4，3，2，1。3、问卷设计和调查方法本研究在大量文献研究和个别访谈的基础上，设计了城市住宅用户满意度测评的调查问卷。本研究的预调查发放样本50份，于2009年8月3日至9月3日间发放，收回有效问卷35份，有效回收率70%，经过与调查者的交谈和建议，修改并形成正式的问卷。正式问卷通过街头随机发放，并结合网上发放等多种方式发放问卷，一共发放问卷400份，回收问卷350份，有效问卷304份，问卷回收率和有效率分别为87.5%和86.8%。本次调查过程中，对调查员进行了培训，明确调研对象即被调查者仅限于成都地区的普通住宅购房者（不包括别墅、房改房、集资房、住房货币化补贴、经济适用房购房者）。要求所有被调查者都对有关问题作出等级评价。三、调查数据分析1、样本描述性统计分析情况（1）样本的结构本次调研的结构分析情况，如表所示，其中女性占多数（52.6%），男性占为47.40%；调查者年龄大部分都处在30岁以下（占66.4%），教育程度本科以上累计占有74.4%，其中占比最高为本科学历（47.00%），其次为硕士以上学历，为25.3%；被调查者所处行业集中在民营或私营企业以及事业单位，分别占有31.2%和17.8%，家庭月收入主要集中在4000元以下（占40.5%）。表1 样本描述统计表N=304题项选项频数占比题项选项频数占比性别女16052.60%年龄30岁以下20266.40%男14447.40%30岁-40岁7023.00%职位中高层管理者289.20%41岁-50岁278.90%一般管理人员7524.70%50岁以上51.60%专业技术人员5819.10%教育程度高中以下134.30%普通员工9330.60%中专299.50%下岗人员31.00%大专4213.80%其他人员4715.50%本科14347.00%行业党政机关258.20%硕士以上7725.30%事业单位5417.80%家庭月总收入4000元以下12340.50%国有企业185.90%4001-6000元8227.00%民营或私营9531.20%8001-100003712.20%其他4013.20%10000元以内216.90%（2） 住户的居住现状分析本次调研的住户居住现状分析如下表所示，现有住房面积为在90平方米以下的占有多数（为43%），其中51-71平方米占16.4%，71-90平方米占26.6%；住户理想的住户面积91-120平方米占了多数，为37.2%，说明还是有部分住户对自己的住宅面积有较大面积的需求；住户居住地已居住时间在一年以下的占有42.8%，说明调查的住户都刚购置新房不久；大部分住户的住户户型为二室一厅（为38.2%），然后是三室两厅（为27.00%）；住户所能接受的每平方米的价钱中，4001-5000元占有多数为39.5%，住户能承受的合适的住房总价在60万以下的为74.7%；现有住房类型中，多层高层占多数为59.9%；住户的住房地理位置二三环之间居多，占有45.7%，住房所属区域集中在青羊区，为30.6%，住户大都采取银行按揭贷款的方式来购房，这部分占有58.9%。表2样本描述统计表 N=304题项选项频数占比题项选项频数占比现有住房面积50及以下3611.80%居住地已居住时间1年以下13042.80%51-715016.40%1-3年7926.00%71-908126.60%3-5年4013.20%91-1205819.10%5年以上5518.10%120-1506521.40%付款购房方式一次性付清6722.00%150以上144.60%银行按揭付款17958.90%住房户型一室一厅268.60%公积金贷款206.60%二室一厅11638.20%其他3812.50%三室一厅4615.10%理想住房面积51-7172.30%三室两厅8227.00%71-907123.40%四室一厅123.90%91-12011337.20%四室两厅41.30%120-1508728.60%其他185.90%150以上268.60%能接受的住房价格4000及以下9631.60%现有住房类型多层住宅18259.90%4001-500012039.50%高层住宅6019.70%5001-60007223.70%超高层住宅4414.50%6000以上165.30%其他185.90%能承受的合适的住房总价31-40（万）8728.60%住房地理位置二环内8327.30%41-50（万）5819.10%二三环之间13945.70%51-60（万）8227.00%三四环之间289.20%61-70（万）4414.50%郊区5417.80%71-80（万）185.90%住房所属锦江区3210.50%81以上（万）154.90%区域金牛区3611.80%住房常住人口1人5919.40%成华区3812.50%2人11537.80%青羊区9330.60%3人8227.00%武侯区3812.50%4人3912.80%郊县6722.00%5人以上93.00%（3）住户购房因素分析我们设置了多选项问题来初步调查住户的购房因素分析，该题目有9个选项，分别为居住环境、地理位置、环境、交通、服务、价格、增值潜力、开发商及营销宣传；调查者按照自己的意愿选择最重要的3个答案，对购买住房看中的因素与性别进行列联表分析，分析结果如下所示，我们从中得知，住户最看中的两个购房因素为地理位置（占22.1%）和环境（占19.6%）；女性住户更注重地理位置、环境和交通，分别占10.4%、10.4%、11.7%，男性住户更看中地理位置和价格，分别占有11.7%和8.6%。表3 住户购房因素分析表性别Total男女购买住房看中的因素居住环境Count6067127% of Total6.60%7.30%13.90%地理位置Count10795202% of Total11.70%10.40%22.10%环境Count72107179% of Total7.90%11.70%19.60%交通Count4595140% of Total4.90%10.40%15.40%服务Count35843% of Total3.80%0.90%4.70%价格Count7878156% of Total8.60%8.60%17.10%增值潜力Count282957% of Total3.10%3.20%6.20%开发商及营销宣传Count718% of Total0.80%0.10%0.90%TotalCount432480912% of Total47.40%52.60%100.00%2、信度分析信度（reliability）指测量结果（数据）一致性或稳定性的程度。一致性主要反映的是测验内部题目之间的关系，考察测验的各个题目是否测量了相同的内容或特质。稳定性是指用一种测量工具（譬如同一份问卷）对同一群受试者进行不同时间上的重复测量结果间的可靠系数。本研究采用SPSS17.0研究数据的内部一致性分析结果显示Cronbachs Alpha系数为0.940，说明案例所使用数据具有较好的信度。表4 信度分析结果Cronbachs AlphaN of Items.94042另外，对问卷中每个潜变量的信度分别检验结果如下图所示。从下图中可以看到，各个分量表的Alpha系数均在0.7以上，表明此量表的可靠性较高。表5潜变量的信度检验潜变量可测变量个数Cronbachs Alpha建筑环境110.910邻里环境130.892区位环境50.878感知价格30.876企业形象30.840住户满意30.823住户抱怨20.809住户迁移20.8223、探索性因子分析（1）. 成都市住宅区居民居住环境满意度指标测量的主成分因子结果分析将成都市住宅区居民居住环境满意度指标测量体系中的35个指标，即建筑环境（11个指标）、邻里环境（13个指标）、区位环境（5个指标）、感知价格（3个指标）、企业形象（3个指标），运用spss17.0进行探索性因子分析，从而提取最能影响成都市住宅区居民居住环境满意度的主要因素。分析结果如下：A、 KMO和球形Bartlett检验表6 KMO and Bartletts TestKaiser-Meyer-Olkin Measure of Sampling Adequacy.821Bartletts Test of SphericityApprox. Chi-Square9510.710df595Sig.000由上图给出了因子分析的KMO 和 Bartlett检验结果，检验结果表明：Bartlett的值为9950，P0.0001，假设被拒绝，即相关关系矩阵和单位矩阵存在显著的差异，同时，KMO的值为0.821，根据KMO度量标准，KMO在0.90以上被认为是显著的，在0.800.90被认为是良好的；在0.600.80被认为是可以容忍的；在0.500.60之间被认为是很勉强的；小于0.50将被认为是不可接受的，因此，原变量适合做因子分析。B、因子分析的总方差解释和碎石图图显示的是因子分析中的原有变量中总方差被解释的列表，该表由3个部分构成，分别是初始因子解的方差解释、提取因子解的方差解释和旋转因子解的方差解释。从图中显示，特征值大于1的有7个主成分因子，这7个主成分因子中能解释全部变量的73.246%的信息。表7 Total Variance ExplainedComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %112.55935.88335.88312.55935.88335.8836.07717.36317.36324.55913.02548.9094.55913.02548.9096.02517.21534.57833.2429.26458.1733.2429.26458.1733.3559.58544.16341.5754.50162.6741.5754.50162.6743.0478.70552.86751.4064.01666.6901.4064.01666.6902.9598.45561.32261.2373.53670.2251.2373.53670.2252.3386.67968.00271.0573.02173.2461.0573.02173.2461.8355.24473.2468.8482.42275.668Extraction Method: Principal Component Analysis.C、旋转后的因子（主成分）载荷矩阵本研究采用方差最大旋转，这是一种正交旋转方法，基本原理是使得公共因子的相对负荷的方差之和最大，且保持原公共因子的正交性和公共方差总和不变。它使得每个因子上具有最高载荷的变量数最小，因此可以简化对因子的分析。本研究经过25次迭代后收敛，结果如下图所示：表8 Rotated Component MatrixaComponent1234567A1住房面积.833.041.162.019.132.068.129A2厨卫位置和面积.801.135.028.216.017.070-.078A3户型结构.852.057-.016.181.176.141.096A4通风条件.842.093.024.029.162.088.115A5住房朝向.665.328.256-.043.233-.202.142A6配套设施.806.114-.032.237.101-.021-.148A7住房私密性.587-.098.364.369.113.094.163A8建筑外观.426-.354.519.143.261.053-.150A9施工质量.221.194.000.287.677-.014.064A10车位.338-.043.010.212.312.094.524A11房间数.756.243.094.009-.037.135.303B1小区环境卫生质量.208.104.704.475-.032.118.051B2物管服务质量.155.132.242.745.121.185.151B3物管收费.156.162.042.742.241.141.092B4小区安全性.419.286.234.660.134.143.054B5小区内活动场所.197.004.228.524.216.114.611B6小区绿化-.013-.222.518.227.296.360.399B7小区空间感受.308.032.423.316.181.199.446B8小区居民素质-.028.090.678.140.284.361.024B9小区教育配套.067.529.562-.057.072-.074.221B10小区医疗服务.168.742.265.095.073.051.242B11小区附近商业餐饮服务.194.835.000.182.122.090.171B12小区周边配套.032.815.004.121.162.025.164B13小区规模档次.465.247.478.267.128.034.317C1到市中心距离.154.828-.099-.075.086.190-.042C2出行的交通成本.131.733-.096.050.207.192-.268C3交通便利性.114.814-.026.168.117.182-.078C4离公交车站的距离-.042.688.216.173.134.036-.359C5升值潜力.077.638.475.021.150-.043-.121D1质量相对与价格.109.222.353.127.632.312.102D2价格相对于质量.156.339.144.119.742.248.125D3总价合理性及接受度.292.346.242.085.669.069.163E1开发商信誉和实力.247.161.373.157.400.628-.018E2开发商提供的售后服务.121.182.165.370.335.689.073E3开发商办理三证的承诺.083.288.068.121.002.812.115特征值12.5594.5593.2421.5751.4061.2371.057解释方差百分比35.88313.0259.2644.5014.0163.5363.021累计解释方差百分比35.88348.90958.17362.67466.69070.22573.246Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 13 iterations.经过分析得知，第一个因子的特征值为12.559，能够解释总变量的35.883%，该公用因子所包含的变量为A1A7、A11；第二个因子的特征值为4.559，解释了总变量的13.025%，B10B12、C1C5划分到第二个主成分中；第三个因子的特征值为3.242，能够解释总变异的9.246%，A8、B1、B6、B8、B9、B13划分到第三个因子中；第四个因子的特征值为1.575，能够解释总变异的4.501%，该公用因子所包含的变量有：B2、B3、B4；第五个因子的特征值为1.406，能解释总变异的4.016%，A9、D1D3划分到第五个公共因子中；第六个因子的特征值为1.237，能解释总变量的3.536%，E1E3都划分到这里；最后一个因子的特征值为1.057，能解释总变量的3.021%，A10、B7、B5都划分到这个因子中来。这7个因子总体解释了变量73.246%的差异，即涵盖了73.246%的信息，解释了成都市居民居住环境满意度中的大部分信息。因而可以得出结论，该证明构建的测评体系是合理的，构建效度是比较高的。D、因子分析的碎石图图为因子分析的碎石图，利用因子分析的碎石图可以帮助我们确定最优的因子数量。根据旋转后的因子（主成分）载荷矩阵，前4个公共因子的数目较多，而后三个因子无特别的明显因子，因此按照特征值大于1的标准，可能存在过度抽取的现象。碎石图的横坐标表示为因子数目，纵坐标为特征根，前5个特征根都比较大，从第6个开始特征根变小，因子的特征值连线也变得很平稳，因此在限定主成分数目的前提下再进行主成分分析。图2 因子分析碎石图E、限定因子数目后的主成分分析在限定主成分因子数目为4个的前提下再次进行主成分分析，得出4个主成分因子可以解释总变量的62.674%，与特征值大于1的7个主成分因子的73.246%相差不大，因此认为主成分因子数目为4个是比较有效的。表9 Rotated Component MatrixaComponent1234A1住房面积.823.149.043.163A2厨卫位置和面积.794.137.138.009A3户型结构.859.276.062-.018A4通风条件.838.163.099.027A5住房朝向.682-.002.331.327A6配套设施.811.112.132-.043A7住房私密性.602.371-.115.373A8建筑外观.391.270-.304.423A9施工质量.282.484.246.029A10车位.404.425-.077.116A11房间数.754.123.205.137B1小区环境卫生质量.204.382.075.678B2物管服务质量.212.612.096.270B3物管收费.229.610.144.077B4小区安全性.462.520.265.249B5小区内活动场所.285.589-.066.362B6小区绿化-.010.640-.233.489B7小区空间感受.339.509-.009.471B8小区居民素质-.074.527.122.553B9小区教育配套.066.045.505.611B10小区医疗服务.188.170.708.327B11小区附近商业餐饮服务.230.220.810.061B12小区周边配套.071.169.796.073B13小区规模档次.490.321.210.538C1到市中心距离.140.086.839-.125C2出行的交通成本.111.174.781-.175C3交通便利性.118.222.821-.048C4离公交车站的距离-.060.117.729.142C5升值潜力.057.067.659.448D1质量相对与价格.106.640.281.276D2价格相对于质量.178.628.404.104D3总价合理性及接受度.322.471.395.249E1开发商信誉和实力.191.725.216.192E2开发商提供的售后服务.098.837.210.022E3开发商办理三证的承诺.021.617.287-.093Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 13 iterations.按照上图的经正交旋转后的因子载荷矩阵（Rotated Component Matrix），按照每个主成分的得分系数，对各个变量归类，得出A1A7、A11划分到第一个主成分中，我们称此因子为建筑环境因子；A9、A10、B2B7划分到第二个主成分中，我们称为企业形象因子；B10B12、C1C5划分为第三个主成分因子中，我们称为区位环境因子；A8、B1、B8、B9、B13划分到第四个主成分中，我们称为邻里环境因子，调整后的成都市住宅区居民居住环境满意度指标