基于相關—主成分分析的高校移動圖書館服務質量評價指標體系構建

(遼寧工業大學圖書館，遼寧 錦州 121001)

1 引言

智能手機用戶的井噴式增長及用戶時間碎片化、閱讀重點化等因素的影響，使得移動圖書館應運而生并快速發展起來。它依托移動網絡及多媒體技術，使讀者可以方便靈活地對圖書館資源進行查詢、瀏覽與獲取[1]。在我國，移動圖書館尚處起步階段，服務內容多限于一些基礎性的工作，諸如查、約、借等，服務質量也良莠不齊。而學術界對專門性研究高校移動圖書館服務質量的文獻少之又少，筆者在中國知網期刊數據庫進行檢索：檢索范圍選擇“全部”，篇名=“移動圖書館”ד評價”，對檢索到的相關文獻進行深度閱讀后發現，真正評價移動圖書館服務質量的文獻只有11篇，評價方法主要采用LibQual+和層次分析法，其評價的指標體系多是通過文獻法或專家訪談法建立因果關系模型構建移動圖書館服務質量評價指標體系，指標選擇較多，合理性有待商榷。鑒于此，本文采用因子分析法中的相關分析法和主成分分析法對已有研究成果中的各個指標進行分析、篩選、剔除，以期構建一套針對高校移動圖書館服務質量評價的指標體系。

2 相關—主成分分析法應用于高校移動圖書館服務質量評價指標體系構建的可行性

“數據處理”是信息時代最主要的特征之一，數據無所不在，充斥于我們的生活之中。面對繁雜的數據，我們試著通過量化它，達到理解它、控制它、改變它的目的。因子分析法是當前較為成熟的數據處理與分析方法，它利用公因子的公式組合來表示樣本的整體特征，通過從變量中找出關鍵因子，實現將本質相同的變量歸入同一個因子的目的[2]，從而避免所統計的指標出現信息重復，它不但可以最大限度地減少評價指標的數目，增強評價指標全面性與易用性，還可以檢驗變量間關系的假設，已被廣泛應用到各個領域。本文的評價指標體系的構建主要采用因子分析中相關性分析和主成分分析。相關性分析是通過計算相關系數來實現對原始指標的定量刪除，避免反應信息冗余的指標出現在最終的評價體系中。在相關性分析的基礎上，對初步篩選后的指標進行主成分分析，刪除影響力小的評價指標，最終實現評價指標體系既簡潔又影響顯著。

3 高校移動圖書館服務質量評價指標體系構建及篩選思路

3.1 海選原始指標體系

海選的原始評價指標來源于兩部分：已有研究成果中采用的指標；圖書館界專家學者的意見。

筆者在中國知網期刊數據庫進行檢索，檢索入口為“篇名”，檢索詞為“移動圖書館”×(“評價”+“評估”)，匹配度為“模糊”，共檢索到相關文獻29篇，深度閱讀后，提取了相關文獻內涉及的移動圖書館服務質量評價指標，作為原始評價指標之一[1,3-5]。

另外一個原始評價指標來源于圖書館領域的專家學者。我們共選取了10位涉足移動信息服務領域且具有多年高校圖書館工作經驗的學者作為調查對象，聽取了他們的意見建議，作為原始評價指標之二。

我們對這兩部分指標體系進行了匯總，選取了內容質量、環境質量、交互質量、結果質量4個一級指標22個二級指標，構建出高校移動圖書館服務質量評價的原始評價指標體系，具體見表1。

表1 高校移動圖書館服務質量原始評價指標體系

注：本文采用因子分析法對這22個原始指標進行了優化，以避免指標間的重復度，并力爭使每個指標對測評結果具有顯著性影響。

圖1 原始評價指標篩選示意圖[6]

3.2 評價指標篩選思路

首先，在查閱了相關文獻和咨詢專家的基礎上，對影響高校移動圖書館服務質量的指標進行構建，即選取原始變量；其次，利用因子分析法中的相關性分析和主成分分析對四個原始指標準則層內的指標進行分析，計算出相關系數得分和因子載荷得分，刪除載荷因子小和相關系數大的指標；最后，構建出新的高校移動圖書館服務質量評價指標體系。具體分析、評價、篩選過程見圖1所示。

4 高校移動圖書館服務質量評價指標體系的重構

4.1 篩選前原始指標數據的標準化

數據的標準化就是通過公式計算將評價指標轉化為0-1之間的數，以便消除指標差異性對篩選指標的影響。評價指標有正向、負向、區間三種，它們是依據評價指標對被評價主體影響的不同而劃分的。正向指標標準化數值越大、負向指標標準化數值越小，指標越好，區間指標在特定的區間范圍內，指標最好。具體剔除時要剔除正向指標指數值小、負向指標指數值大、以及區間范圍之外的指標。

正向指標數據和負向指標數據標準化處理時采用的公式分別為：

(1)

(2)

其中：i為原始評價指標體系中指標的數值，j為評價對象的數值，m為指標的總個數(本文中m為20)，vij為第j個評價對象的第i個指標數值，xij為將vij標準化后的數值。

4.2 相關性分析篩選原理與方法

4.2.1 篩選原理

萬物是相互關聯的，具有相關性。相關性是指兩個變量之間的變化趨勢的一致性，而相關性分析是分析客觀事物之間關系的數量分析方法，通過對具備相關性的變量進行分析，達到衡量兩個變量的相關度的目的。利用公式，計算出同一準則層中每對指標的相關系數，系數較大的指標中刪除其中一個，保證評價指標的簡練，避免指標重復反映信息[7]。本文中主要是剔除高校移動圖書館服務質量原始評價指標中高度重復度的指標，以降低重復性評價指標對評價結果的影響。

4.2.2 篩選方法

(1)計算高校移動圖書館服務質量評價各指標的相關系數

各指標的相關系數可以通過SPSS軟件來實現，具體的計算公式為：

(3)

其中：i為原始評價指標體系中指標的數值，j為評價對象的數值，k為評價對象的數值，rij為相關系數(高校移動圖書館服務質量原始評價指標中i、j兩指標的相關系數)，zki為第k個評價對象的第i個指標的值[8]。

(2)設定臨界值，篩選指標

根據高校移動圖書館服務質量評價的實際情況設定一個臨界點M(0M，則可刪除兩項比較指標中的一個指標；若|rij|

4.3 主成分分析篩選原始指標的原理與方法

4.3.1 篩選原理

主成分分析的基準思想是降維，通過降維可以實現指標的精簡——即把多個指標轉化為少數的主成分。這種方法在引進多方面變量的同時將復雜因素歸結為幾個主成分，從而保證篩選出的指標均為重要指標[9]。

在相關性分析的基礎上，繼續對評價指標進行主成分分析，獲取各個指標的因子載荷，因子載荷是介于-1和1之間的數值，它反映評價指標對評價結果的影響力度。保留因子載荷絕對值大的指標，刪除因子載荷絕對值小的指標。

4.3.2 篩選方法

(1)主成分分析的計算模型

主成分分析的計算模型為：Fj=xi1X1+xi2X2+……+ximXm

其中：k為主成分的個數，m為指標個數，Xi為原始指標體系中的第i個指標(1≤i≤m)，本文中m為22，則Xi表示X1到X22；Fj為第j個主成分(1≤j≤k)，本文中k為4，則Fi表示F1到F4；xij為為對應第i個特征值的特征向量中第j個分量。

(2)主成分分析的步驟

主成分分析的步驟如圖2所示：

圖2 主成分分析流程圖[6]

4.4 判定新建評價指標體系的合理性

相關性分析、主成分分析都是以同一準則層內的原始評價指標為對象，篩選出具有代表性的指標。相關性分析通過刪除相關系數大的指標，來避免指標所轄信息冗余重復。而主成分分析則是通過主成分因子載荷的數值對指標進行刪除，刪除對評價結果影響力小的指標。依次使用相關性分析和主成分分析篩選原始指標，既可以使選出的指標間沒有高度的相關性，又可以使統計指標含義清晰，從而使構建出的新的指標體系更加科學合理。但是新構建的評價指標體系是否合理尚需要判斷。因此，我們運用因子分析法，用數據方差來表示指標信息含量，建立高校移動圖書館服務質量評價指標體系合理性判定標準。具體來說，用IN表示篩選后的原始評價指標對原始海選評價指標的信息貢獻率[10]，具體公式如下：

IN=trSs/trSh

(4)

其中：S表示高校移動圖書館服務質量原始評價指標的協方差矩陣，trS表示高校移動圖書館服務質量原始評價指標協方差矩陣的跡，h表示海選的高校移動圖書館服務質量原始評價指標總個數，s表示原始評價指標篩選后得到的指標個數，trSs篩選后指標的方差之和，trSh篩選前的指標方差之和，IN為二者的商——信息貢獻率。

5 高校移動圖書館服務質量評價指標的實證分析

5.1 樣本的選取

在借鑒相關文獻論述和對部分讀者進行訪談的基礎上，設計了針對高校移動圖書館服務質量評價調查問卷。問卷分為兩部分：第一部分為讀者的基本情況(性別、年齡、學科、身份……)；第二部分是對影響高校移動圖書館服務質量的各個指標進行調研。問卷采用李克特五級量表，對下設的“非常滿意”“滿意”“不確定”“不滿意”“非常不滿意”五個指標，分別賦值5分、4分、3分、2分、1分。

以遼寧省高校圖書館為例，共發放問卷500份，問卷回收率96%，其中無效問卷23份，有效問卷回收率為91.4%，達到了調查問卷的基本要求。

5.2 指標數據的標準化

本文所涉及指標均為正向指標，數據代入公式(1)即得到標準化數據。在SPSS中具體操作過程如下：

在SPSS的菜單中依次選擇：分析—描述統計—描述，在彈出的對話框里勾選“將變量保存為標準化得分”復選框，然后把要標準化的變量選入右邊變量框，點擊“OK”，就可以得到我們預期的標準化數據，見表2。

表2 高校圖書館評價指標篩選原始數據及標準化數據

5.3 基于相關性分析的指標篩選

依據公式(3)，計算出同一準則層中每對指標的相關系數。系數高表明兩指標關系緊密，所代表的信息重復，則可刪除其中一個指標。系數低表明兩指標關系疏遠，均應予以保留。在SPSS中具體操作步驟如下：

(1)導入數據：把數據錄入SPSS中，依次點擊“文件”—“打開”—“數據”(并選擇你的數據，如果為SPSS數據可以直接導入，若為excel格式，需要在“文件類型”框中選擇“excel格式”)；

(2)數據分析：在SPSS工具欄處，依次點擊：“分析”—“相關”—“雙變量”；

(3)選擇變量：點擊“選項”，選擇需要分析的“統計量”，將要分析的變量放入“變量”框；

(4)獲取結果：選中要分析的數據，點擊“確定”，在output窗口就可以看到結果；

(5)結果分析：計算結果稱皮爾遜相關系數，用字母r來表示，設定臨界點M，若r>M，則可刪除兩項比較指標中的一個；若r

表3 相關性分析的篩選篩選

對標準化后的數據進行相關性分析，本文設定一個臨界點M=0.8，若|rij|>0.8，則刪除兩項比較指標中的一個指標；若|rij|<0.8，兩個指標都保留。

5.4 基于主成分分析的指標篩選

在利用相關性分析對原始評價指標進行第一次定量刪除后，還要用主成分分析對余下指標進行二次定量刪除，并依據計算出的各個指標的因子載荷，刪除因子載荷絕對值小的指標。在SPSS中的具體步驟如下：

(1)打開SPSS，在欄中輸入需要分析的數據；

(2)在菜單欄中，依次選擇“分析”—“降維”—“因子分析”，進入到因子分析界面；

(3)在因子分析界面里，將預計分析的數據選擇進入變量框內；

(4)點擊“描述”按鈕，在“方法”選項卡、“分析”選項卡、“輸出”選項卡、“抽取”選項卡中分別選擇“主成分”“相關性矩陣”“未旋轉的因子節和碎石圖”“基于特征值”，選擇完畢后，點擊“繼續”按鈕；

(5)點擊“抽取”按鈕，選擇“主成分”—“碎石圖”；

(6)點擊“旋轉”按鈕，選擇“載荷圖”，點擊“繼續”—“確定”，新窗口中就會出現所需的主成分的因子負載數據；

(7)根據因子載荷絕對值篩選原始指標:保留因子載荷的絕對值大的指標，刪除因子載荷絕對值小的指標。

表4 主成分的特征值和貢獻率

表5 主成分載荷系數

表6 構建的高校移動圖書館服務質量評價指標

對標準化后的數據進行主成分分析，計算出主成分負載系數。并根據遼寧工業大學圖書館讀者對移動圖書館服務質量的期望設定一個臨界點N，本文將N定也0.9，對于|bij|<0.9的指標予以刪除，反之保留。最終的保留指標如表6所示。

5.5 判定指標體系構建的合理性

利用前面數據，通過公式，計算出篩選前后各指標的方差之和trSh和trSs的數值分別為2.042和2.064。帶入公式IN=trSs/trSh，得到篩選后的指標對篩選前指標的信息貢獻率為98%。即從海選22指標中篩選出16個指標，63.6%(14/22)的指標反映了98%的原始信息，指標構建合理。

6 結語

本文通過借鑒前人研究成果和專家訪談的方式，海選出了影響高校移動圖書館服務質量的原始指標22個，運用因子分析法中的相關性分析和主成分分析對這22個指標進行梳理篩選：通過相關性分析，剔除同一準則層內相關系數大的指標，通過主成分分析剔除負載系數絕對值小的指標。共精選出16個評價指標，重構了新的高校圖書館服務質量評價指標體系。規避了主觀確定指標權重的隨意性，實現了定量定性的結合，使得高校圖書館評價指標體系更具科學性、合理性。最后用信息貢獻率對評價指標的合理性進行了判定，新構建的63.6%的指標能反映98%的原始信息，說明所構建的新的評價指標體系合理有效。