时间序列分析在顾客满意度中的应用研究

《时间序列分析在顾客满意度中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华东师范大学硕士学位论文时间序列分析在顾客满意度中的应用研究姓名：高峰申请学位级别：硕士专业：概率论与数理统计指导教师：张志强20070801论文摘要本文通过回顾顾客满意理论的产生、发展以及研究现状，总结开展顾客满意度测评的流程以及数据分析方法应用现状，发现在顾客满意度测量中非常重要的环节——顾客满意度数据分析中，目前尚未对顾客满意度数据序列进行过比较深入系统的时间序列分析研究。时间序列分析方法作为一种成熟的解决时间序列问题的统计工具，能够在没有先验知识的条件下确定数据序列的基本属性、较准确地预见系统的演进。时间序列方法将可以更为精确的挖掘顾客满意度数据序列中的信息。本

2、文结合时间序列分析方法的基本要求，对顾客满意度数据进行时间序列分析的可行性进行了必要的探讨。顾客满意度数据序列具有“一定时期内具有稳定性、长期变化具有不稳定性”的特性，在长期发展过程中受到突发性外部因素的影响是难于避免的。因此本文选定了时间序列分析方法中的干扰分析模型方法对顾客满意度数据序列进行分析。在对干扰分析模型方法进行了阐述的基础上，本文应用该方法对上海市出租汽车行业乘客满意度数据序列进行了建模、特征提取和预测研究，主要分为四个步骤：1．根据相关资料归纳总结了可能存在的8个干预因素，在分析干预因素性质的基础上对干预变量进行了定义；2．应用回归分析方法进行了干预变量

3、的影响强度分析，并得到剔除干预变量影响的回归残差序列；3．应用时间序列分析对回归残差序列进行了模型拟合，得到残差序列AR(D模型估计；4．综合回归分析和残差序列时间序列分析的结果，得到上海市出租汽车行业乘客满意度数据序列的干预分析模型估计，应用该模型对数据序列的未来变化趋势进行了预测。本研究最终形成了一套完整的适合对顾客满意度数据序列进行时间序列分析的思路和方法。研究成果进一步丰富了顾客满意度数据分析的方法，为开展顾客满意度测量实践、深入挖掘顾客满意度数据信息提供了又一支撑工具。关键词：顾客满意，时间序列分析，干预分析模型ABSTRACTByreviewingtheem

4、ergence，developmentandcurrentresearchsituationofcustomersatisfactiontheory，summarizingtheworkingflowofcustomersatisfactionmeasurementandcurrentapplicationsituationofcustomersatisfactiondataanalysis，wefindthatthetimeseriesanalysisapproach，asanimportantpartofcustomersatisfactionmeasurement

5、，hasnotbeenappliedsystemicallyincustomersatisfactiondatasequenceanalysis．Asakindofmaturitystatistictoolforsolvingthequestionoftimeseriesdata,timeseriesanalysisCanmodelthestochasticmechanismthatgivesrisetoanobservedseriesandpredictfuturevalueofaseriesbasedonthehistoryobservations．Sequenti

6、ally,moreinformationcanbefundmoreaccuratelyiftimeseriesanalysisiSappliedtocustometsatisfactiondatasequence．CustomersatisfactiondatasequeneehasthecharacteristicthatitisstationarywiminarelativelyshorttimebutnonstationaryOVeralongperiod．ItiSdifficulttoavoidtheabruptexteriorfactor'simpactint

7、heprocessofcustomersatisfactiondatasequencedevelopedoveralongperiod．So，inthispaper,weusetheinterferenceanalysismodel，asaspecialkindoftimeseriesmodel，toanalyzecustomersatisfactiondatasequence．ThispaperCanbedividedintofourparts．Firstly,wesummarizedeightinterferencefactorsfr