基于因子分析的政务微博绩效评价模型研究

《基于因子分析的政务微博绩效评价模型研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于因子分析的政务微博绩效评价模型研宄摘要：本文以我国政务微博为研宄对象，对政务微博绩效评价模型进行研究。设定了政务微博绩效评价指标体系，定义具体指标并给出解释说明及相应的度量方法。在此基础上采用因子分析法构建政务微博绩效评价模型，对新浪微博上的政务微博绩效评价指标数据应用因子分析法得出影响政务微博绩效的四个公共因子：微博发布、微博受众、微博互动及公众反馈，并根据数据分析结果确定公共因子得分的计方法及权重，得出综合评价得分的计算方法，从而确定基于因子分析的政务微博绩效评价模型。关键词：政务微博；绩效评价；因子分析一、引言政务微博作为政府和民众交流的新渠道，大大拉近了政府与公众的距离。同

2、时，飞速发展的宽带与无线技术使得公众使用微博更加方便快捷，促进了政务微博用户及受众的增长。随着政务微博的普及和发展，政务微博的绩效问题越发突出，越来越引起了政府部门、学术界以及社会公众的关注。如何有效地对政务微博绩效进行评价，不仅是公共管理领域一个重要的理论问题，也是现实中各公共部门函待解决的实践问题。二、政务微博绩效评价指标的确定20世纪80年代初，服务管理理论的代表人物格朗鲁斯(GronroosGoodstein)提出了顾客感知服务质量的概念。他认为顾客满意度是由顾客期望的服务与顾客感知到的服务之间的差值所决定的，而其中顾客感知服务质量又由两方面的因素决定：服务的技术质量和服务的功

3、能质量。将其应用于公共部门，服务对象由顾客变成公众，决定公共部门绩效的就变成公共感知服务质量。政务微博是公共部门向公众提供的服务之一，根据公众感知理论的思想，可以通过公众感知质量来评价政务微博的绩效。政务微博作为政府部门与公众交流的窗口，与公众的交流越频繁，微博用户的操作行为就越多，政务微博的绩效表现就越好。因此，根据微博平台提供的功能统计用户行为，可以客观地反映公共部门利用微博工具为公众提供的服务水平。在微博用户行为的基础上，得到政务微博绩效评价指标体系，具体内容如表1所示，以下对每项指标进行逐项解释说明。(一)关注数关注数指截止评价时间段最后的微博关注数。关注其他账号，才能更好的了

4、解舆论热点和大众需求，及时为公众提供他们想知道的内容，因此，将关注数列为评价指标之一。（二）粉丝数粉丝数指截止评价时间段最后的微博粉丝数，它体现了政务微博的受众大小，它直观地反映了政务微博上发布的内容会被多少用户看到，应该被列为评价指标之一。（三）总发布数发布微博是微博平台的最主要功能，微博的发布数是跟发布功能关系最密切的一项数据指标。这里的总发布数指政务微博从开通后的微博总发布数，从总量上统计政务微博的微博发布数。（四）日均微博数曰均微博数指评价时间段内的平均每天微博发布数，它从发布频率上来评价政务微博发布的绩效。总发布数会受到微博开通时间的影响，开通的越早往往总发布数越大，日均微博

5、数能够更准确地评价某一时间段内的政务微博绩效表现。（五）微博开通天数一般来说，政务微博开通时间越长，它在微博上的传播力和影响力会越大，因而也会影响到政务微博的绩效评价。需要注意的是，在选取样本微博时，应尽量避免在评价时间段期间内才开通的微博，它的其他指标数据如原创微博数，在评比时可比性会降低。（六）原创微博数微博上发布的新微博可以分为两种，原创微博和转发微博。原创微博的内容基本上是发布者自己编辑和整理的，转发则是再次发布其他账号已经发布过的内容，该指标可以从微博发布内容的角度对政务微博绩效进行评价。（七）被转发数信息在微博上通过转发进行传播，所以政务微博所发布微博的被转发数可以反映其发

6、布信息的传播范围。转发行为是由公众们自发进行的，它也是公众与政务微博互动的一种方式，因此被转发数应该被列为评价指标之一。（八）被评论数对政务微博来说，微博下的评论是获取公众反馈和评价的最直接方式，因此政务微博的被评论数对评价政务微博绩效很有意义。（九）被点赞数微博对用户发布的每条微博提供点赞功能，点赞是微博平台设计的让微博的用户可以用直接表达认可和称赞的方式。政务微博的微博点赞数直接反应了公众对其绩效的满意程度，应该被列为评价指标之一。（十）被@回复转发数@是微博的一项特殊功能，用户可以在发布的微博或评论中输入微博账号”，被@的微博账号就会收到系统发布的消息提醒。在微博平台上，很多用户

7、通过@的方式直接向政务微博咨询问题或求助，政务微博就可以通过转发该微博的方式对公众进行回复所以，政务微博的被@回复转发数是衡量它为公众提供服务绩效的一项很有意义的指标。、因子分析法进行实证研宄本文选取89个具有代表性的新浪政务微博账号，使用新浪微博API获取指标数据，进行数据分析。（一）数据检验使用收集整理好的指标数据，在进行分析前将指标数据进行无量纲化。然后对数据进行KMO检验和巴特利特球度检验，检验结果如表2示。其中巴特利球形检验统计量为5