基于PCA-FCE的个人网上银行使用意愿评价

《基于PCA-FCE的个人网上银行使用意愿评价》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第45卷第16期数学的实践与认识VO1．45．NO．162015年8月MATHEMATICSINPRACTICEANDTHEORYAug．，2015基于PCA—FCE的个入网上银行使用意愿评价鲜思东，甘祯雪，一，陈紫君，何银鹰，刘益富(1．重庆邮电大学理学院，重庆400065)(2．重庆农村商业银行黔江支行，重庆409000)摘要：针对个人网上银行的特点，在建立影响个人网上银行使用意愿的综合评价指标体系基础上，运用主成分进行指标权重的确定，提出了基于主成分的个人网上银行模糊综合评价方法(PCA—FCE)，并对模型进行实证研究．实例表明，将PCA—FCE用于个人网

2、上银行使用意愿的评价是可行的，有效的．关键词：网上银行；主成份分析；权重；使用意向；模糊综合评价1引言对于银行来说，网上银行可以达到降低运营成本、及时获取经营信息、促进内部沟通、实现与客户的有效互动以及提供更多的增值服务的目的[1]．对于银行客户而言，个人网上银行因其具有“3A”(Anytime，Anywhere，Anyway)性，受到越来越多的用户的青睐．最新调研报告显示，虽然我国网上银行用户在网民中所占比例逐年递增，但仍有40．5％的网民对网上银行感兴趣却没有将这种兴趣转化为实际的网上银行使用行为．境外学者以创新扩散理论【2】、理性行为理论【3]、科技接受模

3、型[4]为基础对网上银行使用进行了实证研究．国内在这方面的研究尚处于初始阶段，全冬梅【J从感知有用性、易用性，消费者的创新性等五个维度研究如何提高网上银行的接受度的建议，杨霖华【。]通过加入感知风险、对电子渠道的信任等四个维度修正了科技接受模型，冯萍[】用计划行为理论，从态度，主观规范和知觉行为角度分析网上银行的使用意愿．但是，上述研究主要以结构方程模型为主来解释顾客的行为意愿与其他因素之间的关系，没有对顾客网上银行使用意愿的程度进行评价，从而无法给银行针对不同使用意愿程度的顾客提供有效的营销建议．本文以中国中西部银行个人客户为对象，针对网上银行的特点，在建立个

4、人网上银行使用意愿评价指标体系的基础上，用主成分分析方法确定其权重，运用模糊综合评价方法对个人网上银行使用意愿进行整体评价．案例研究表明，该方法对个人网上银行使用意愿的评价比较有效，可为金融企业有针对性地开展网上银行营销活动提供指导．2个人网上银行使用意愿评价指标体系构建科学的指标体系是客观准确地评价网上银行个人使用意愿的基础，理性行为模型认为客户的态度会影响其使用意向．在营销领域，研究发现信任能够影响客户的态度，Grazioli[]发收稿日期：2012—06—24资助项目：重庆市研究生教育改革项目(YJG1403010)，重庆市教委科技研究项目(KJ12051

5、5)，重庆邮电大学文峰骨干教师项目．16期鲜思东，等：基于PCA—FCE的个人网上银行使用意愿评价17现在网络购物环境下，客户的态度由其信任决定．影响人们接受电子商务的一个主要障碍就是互联网上缺乏安全与隐私网上银行作为电子商务的一个特殊领域面临同样的问题．为此，在综合相关文献和个人网上银行特点的基础上，从网银客户、网上银行、银行品牌及外部环境四个维度综合考察影响网上银行使用意愿的因素，在运用模糊聚类、非参数检验及秩相关检验的基础上，构建个人网上银行使用意愿的评价体系(见表1)表1个人网上银行使用意愿的评价指标体系3主成分分析的基本原理及指标权重的确定3．1主成分

6、分析的基本原理主成分分析[10]是对于原先提出的所有变量，通过线性变换建立尽可能少的新变量，使得这些新变量是两两不相关的，且这些新变量在反映数据的信息方面尽可能保持原有变量或数据的信息和特点．设有样本容量为他的P个变量，通过变换将原变量转换成主成分(用F表示)，主成分是原变量的线性组合，且具有正交特征．这里的“信息”用F方差来表达，即Var(F)越大，表示F包含原指标的信息越多．因此在所有的线性组合中所选取的应该是方差最大的，故称为第一主成分．如果第一主成分不足以代表原来P个指标的信息，再考虑选取即选第二个线性组合，为了有效反映原来信息，已有的信息就不需要出现在

7、F2中，要求Cov(F1，)=0，称为第二主成分，依此类推可以构造出第三，四，⋯，第P个主成分．于是将1，2，⋯，综合成k(kp)个变量F1，F2，⋯，凡．可用多项式表示：F1=allX1+a21X2+．．．+aplXp,：。+。。十．．．+。，I=‘a‘‘lk‘X⋯1—一。。F：x．。+．．．+．18数学的实践与认识45卷矩阵满足4’=E，即为正交矩阵，其中E为单位阵，且由下列原则决定：1)Cov(，)0，(i≠J)；2)Var(F1)>Var(F2)>⋯>Var()．于是，新的成分变量F1，，⋯，的协方差矩阵为：B=(bij)kk=diag(A1，A2，⋯，

8、)．其中，1，2，⋯，为