Niveau: Fortgeschritten
Der Hauptzweck der selektiven zweiseitigen Kausalanalyse in CS-Umfragen (Kundenzufriedenheit) besteht darin, „objektiv zu klären, welche Ziele angegangen werden sollten“. Aus diesem Grund konzentrieren wir uns bei den ursachenbezogenen Items (Dienstleistungen, Produkteigenschaften) auf diejenigen, die einen besonders starken Einfluss auf die ergebnisbezogenen Items haben (Zufriedenheitsbewertung) und schließen diejenigen aktiv aus, die keinen Einfluss auf die ergebnisbezogenen Items haben. Nehmen Sie ein paar lebenswichtige und viele triviale.
Nach Abschluss der selektiven zweiseitigen Kausalanalyse ist es jedoch wertvoll, alle in der CS-Umfrage gesammelten Daten zu nutzen, um die kausale Struktur von CS aus der Vogelperspektive zu verstehen, da wir so fortgeschrittene und nützliche Erkenntnisse gewinnen können . Als nützliche Methode für diesen Zweck schlagen wir eine dem SEM (Structural Equation Modeling) ähnliche Methode vor, die diejenigen wiederherstellt und nutzt, die im Prozess der selektiven zweiseitigen Kausalanalyse ausgeschlossen wurden.
Dinge, die keinen direkten starken Einfluss auf das Wirkungssystem haben, aber Einfluss auf die Faktoren des Ursachensystems (Kausalelemente und Faktoren) haben, liefern wertvolle Informationen zum Verständnis der gesamten Kausalstruktur. Der Beginn der Erstellung eines Pfaddiagramms für SEM nach der selektiven zweiseitigen Kausalanalyse besteht darin, das Strukturmodelldiagramm des Endergebnisses der selektiven zweiseitigen Kausalanalyse zu verarbeiten. Darüber hinaus werden Elemente, die während des Analyseprozesses ausgeschlossen wurden, nacheinander wiederhergestellt, um nach und nach eine Kausalstruktur aus der Vogelperspektive aufzubauen. Wie aus dem oben Gesagten deutlich wird, besteht das Wesen dieser Methode in einer umgekehrten Kausalanalyse, bei der die durch selektive zweiseitige Kausalanalyse ermittelte Kausalstruktur den Kern bildet und das Diagramm durch Konzentration auf die dahinter stehenden Faktoren umgekehrt wird. Obwohl es sich nicht um SEM selbst handelt, kann es als Quasi-SEM positioniert werden, da es sich im Wesentlichen um einen SEM-ähnlichen Ansatz handelt.
*Zu dieser Präsentation wird kein Video veröffentlicht.
