期望不一致对满意影响的函数形式:展望理论的预测,本文主要内容关键词为:函数论文,满意论文,形式论文,理论论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。
引言
通过降低价格弹性,提高交叉购买和正面口碑传播,顾客满意能够导致更高的顾客忠诚,[1] 顾客忠诚进一步积极影响企业的盈利性和未来收益,[2,3] 从而形成一条完整的“满意—利润链”。[4] 因此,对顾客满意及其决定因素(属性层面绩效或总体绩效)的管理,已经成为众多企业的战略焦点。[2,5]
不过,直到最近才开始有文献考察将产品绩效与顾客总体满意联系起来的确切函数形式。大多数学者曾经将绩效与顾客满意之间的关系视为线性的、对称的。即随着绩效上升(下降),满意成比例地上升(下降)。但是,有实证研究发现,以往文献相当大程度上忽视了显著的非线性、非对称作用。因此,有学者倡导将“满意—利润链”看作线性的、对称的“第一代”视角替换为一种意识到这些联系中更强复杂性的“第二代”视角。[6]
对这种非线性、非对称函数形式的研究不仅具有重要的理论价值,也具有一定的管理意义。在理论上,双因素理论、[7] Kano模型[8] 和展望理论[9] 对于上述非线性、非对称的确切性质做出了不同的预测。就管理实践而言,非线性关系的存在意味着绩效提升转变成顾客满意的效率不是恒定的,受到绩效水平高低的影响;非对称关系的存在意味着同样大小的正向绩效和负向绩效对顾客的满意、不满意产生不同程度的作用。这都将影响企业为实现顾客满意而进行资源配置的策略优化。
在顾客满意领域,“期望不一致”范式[10]。占据着主导地位,而“期望不一致”与展望理论所主张的“参考点依赖(Reference Dependence)”存在内在的一致性。因此,在一些实证研究中,[5] 展望理论预测的S形价值函数具有的敏感性递减(Diminishing Sensitivity)和损失厌恶(Loss Aversion)性质被用来探究顾客感知绩效水平与满意之间的非线性(收益递减)、非对称(负向非对称)关系。
尽管如此,在多数实证研究中,研究者不恰当地将正向(负向)的期望不一致操作为正向(负向)绩效,从而在理论上未能严格检验参考点依赖的作用。在方法上,由于测量存在的局限和函数设定的不足,现有实证研究很少能够同时为敏感性递减和损失厌恶提供实证支持。针对文献中的上述局限,本文的主要目标是,依据多个产品类别的调查数据,借助三次多项式(Cubic Polynomial)函数检验展望理论的预测对于期望不一致与顾客满意之间非线性、非对称关系的解释力。
一、非线性、非对称的函数形式
在营销研究中,自变量与因变量之间的关系通常被设定为线性的,但很多时候这只是对实际存在的非线性关系的一种近似。非线性关系可以大致分为两类(图1):收益递增(Increasing Return)和收益递减(Decreasing Return)。在收益递增的情况下,自变量对因变量的作用随着自变量的增大而提高;在收益递减的情况下,自变量对因变量的作用随着自变量的增大而降低。在实证研究中,人们一般采用二次多项式函数
采用多项式函数较之指数函数或对数函数要多估计一个参数,但是二次多项式函数有着另一方面的优势。对于给定的数据,即便自变量与因变量之间是严格的线性关系,指数函数或对数函数依然可以提供很好的拟和结果。研究者因此还需要进一步检验指数函数或对数函数的拟合效果是否显著地优于线性函数。而多项式函数则可以克服这样的不足。
非对称的函数形式(图2)是指,自变量对因变量作用的大小因自变量的取值大于或小于某个对称点(参考点)而不同。对称点右侧的斜率小于左侧,称为负向非对称(Negative Asymmetry);反之,称为正向非对称(Positive Asymmetry)。在实证研究中往往通过哑变量回归的方法实现对非对称函数形式的检验。例如,对高于对称点的自变量编码为(1,0);对低于对称点的自变量编码为(0,1);对处于对称点的自变量编码为(0,0),从而将一个自变量转化为两个哑变量,使一个自变量获得两个回归系数,分别对应于自变量取值大于、小于对称点的情形。借助这种分段的处理,通过比较这两个回归系数的大小,研究者可以检验非对称性的存在。
上述围绕非线性、非对称函数形式的讨论相对简单,当需要同时考察非线性、非对称作用时,就必须进行更复杂的函数形式设定。例如,在根据展望理论的预测考察顾客满意度不确定性对服务质量评价的影响时,高充彦和贾建民[11] 采用了分段二次多项式函数。
对于这些非线性、非对称的函数形式在营销中的实际意义,双因素理论[7] 和Kano模型[8] 提供了相应的描述和解释。根据双因素理论,在属性绩效(Attribute Performance)层面上,收益递增或正向非对称对应于激励因素;而收益递减或负向非对称对应于保健因素。根据Kano模型,在属性绩效层面上,收益递增或正向非对称对应于未预期的兴奋属性(Unexpected Exciting Attributes);收益递减或负向非对称对应于期望的基本属性(Expected Basic Attributes);而线性关系对应的是单维绩效属性(One-dimensional Performance Attributes),或称为二价因素(Bivalent Factor)。[10]
虽然双因素理论和Kano模型一定程度上可以解释实证研究中属性绩效与顾客满意间的非线性、非对称关系,但是这种解释经常具有特别性(Ad Hoc)和事后分析(Post Hoc)的特点,缺乏理论上的切题性(Relevance)和预测力。因此,一些学者开始根据展望理论与解释顾客满意形成的“期望不一致理论”之间的内在联系来探究这种非线性、非对称关系的一般性特点。
二、展望理论与期望不一致理论
展望理论[9] 是一个描述性理论,在该理论中个体面对的所有选项被归并为一系列展望(Prospect)。这些展望根据S形的价值函数而被独立地评价(图3)。展望理论主张,人们的判断表现出以下特点:(1)参考点依赖。个体更容易受到相对于某个参考点的差异的影响,而不是绝对量。换句话说,变化(即相对于某个参考点的收益和损失)——而不是最终状态——被认为是价值的承载者。(2)损失厌恶。价值函数在自变量的负值区域要比在正值区域更陡峭;或者说,损失曲线要比收益曲线更陡。这意味着,损失看起来要比收益更大。就心理学意义而言,一单位的损失获得的权重要高于同等大小的收益。在顾客满意的情境下,负面的期望不一致比同等大小正面期望不一致在总体满意度的判断中获得更高的权重。(3)评价表现出敏感性递减的特点。随着收益和损失幅度的增加,收益和损失的边际价值下降。从形状上看,收益一侧为凹函数,而损失一侧为凸函数。
图3 展望理论描述的S形价值函数
顾客满意研究的主导模型建立在期望不一致范式[10]的基础上。根据该模型,满意通过将感知绩效与购买前期望进行认知比较而形成。感知绩效可以高于期望,形成正向不一致(导致满意);或者低于期望,形成负向不一致(导致不满意)。如果产品的表现达到期望,那么形成中等的满意或者无所谓的评价。期望不一致理论的核心在于,满意度的形成并非单纯建立在绩效感知的绝对大小基础上,而是以顾客的期望作为判断、评价的参考点。期望不一致理论因此与展望理论中的参考点依赖有着内在的一致性,这种一致性成为以展望理论预测期望不一致与满意之间确切函数形状的理论依据。
三、实证研究回顾
从Mittal等[5] 开始,一系列实证研究依据展望理论的预测对满意形成中的非线性、非对称关系进行检验,我们将其中具有代表性的一部分总结在表1中。对应于“参考点依赖”,模型中的自变量应当是“期望不一致”,即顾客感知到的绩效与其期望的绩效之间的差距。对应于“损失厌恶”,模型中的函数应该表现出负向非对称性特点。对应于“敏感性递减”,随着自变量绝对值的增加,模型中的函数应该表现出收益递减的非线性特点。
在表1回顾的实证研究中,除了Mittal等的研究2[5] 以期望不一致作为自变量,其他的实证研究都不恰当地以顾客的绩效评价(属性层面或累积层面)作为自变量。这样的操作,背离了参考点依赖的性质,从而不能严格检验展望理论的预测。而且,顾客满意领域的研究发现,绝对绩效和相对期望的不一致对于总体满意度有着不同的影响作用。[15]
在这些实证研究中,能够同时检验非线性、非对称作用的函数形式有:(1)基于哑变量编码的二次多项式函数。例如,Mittal等的研究1。[5] 但是这种设定存在这样的不足。(a)每一个属性的期望不一致程度不能得到体现,而只能表现为在方向上感知绩效高于或低于期望。这本身造成信息的损失。(b)将每个属性对应的两个哑变量进行加总,在形式上获得了总体的期望不一致程度,但是这不能在事实上保证顾客确实在评价总体满意度时使用了所有这些属性。[16] 因此,相应的结论中可能包含了人为的成分(Artifact)。(2)基于哑变量编码的对数函数。例如,Mittal等的研究3。[5] 这种设定有着与前一种函数形式同样的不足,而且需要验证对数函数较之线性函数确实提供了额外的解释力。(3)分段对数函数。例如Ting和Chen。[14] 尽管采用了连续的测量避免了哑变量固有的局限,但是分段的处理导致在参数估计时自变量的值域被人为地压缩,不利于得到统计显著的回归系数。
综上所述,目前依据展望理论对满意形成中非线性、非对称关系展开的实证研究:(1)未能恰当实现对期望不一致的操作化,而误用绩效评价本身作为自变量。(2)由于函数形式设定以及测量方面的局限,未能同时验证敏感性递减和损失厌恶的作用。
四、研究方法
在这一部分,我们将首先介绍本研究中采用的三次多项式函数的设定,然后对实证研究中使用的数据展开介绍,接下来我们将说明模型参数估计和检验的结果。
1.三次多项式函数
在考虑了非线性作用后,我们进一步考察对非对称作用如何检验。如果三次多项式函数的拐点位于坐标系的原点(图4),那么函数总是表现出对称性。图5中的三次多项式函数,如果参照实线构成的坐标系,就具有对称性;如果参照虚线构成的坐标系,那么拐点位于原点的左侧,原点左侧要比右侧更陡峭,因此表现出“负向非对称”的特点。
三次多项式函数的非对性取决于其拐点(Y″=0)的位置:如果拐点位于原点右侧
2.数据与测量
本研究使用的数据来自清华大学中国企业研究中心的计算机辅助电话调查(CATI)。被访者来自中国的49个大中城市。我们对四个产品类别的调查数据进行分析:手机(n=2518)、笔记本电脑(n=1932)、台式电脑(n=1954)和电视机(n=2204)。
根据Fornell[17] 和Oliver的研究,[10] 我们对以下变量进行了测量:(1)总体满意度(CS)。我们使用了四个测项,分别是“总体来说,您对该品牌手机满意吗”、“同购买前您期望得到的该品牌手机相比,您对它满意吗”、“与您知道的其他品牌相比,如果给最好的打10分,给最差的打1分,那么该品牌手机应该打几分”和“想象一下您心目中最理想的手机是什么样,如果给您心目中最理想的手机打10分,那么该品牌手机应该打多少分”。信度分析结果显示
对满意度的测量具有很好的信度,因此我们对这些测项取均值用于后续分析。(2)绩效期望。“在购买之前,您感觉该品牌手机总体质量怎么样”。(3)感知绩效。“经过使用,您现在感觉该品牌手机的总体质量应该给多少分”。上述变量的测量使用的都是1-10的十分量表。通过计算感知绩效减去绩效期望所得的差值,我们构造了“绩效期望不一致(Dis)”这个变量作为分析中使用的自变量。
3.分析
根据调查获得的数据,我们对三次多项式函数:,进行拟合,从而考察期望不一致(自变量,Dis)与顾客满意(因变量,CS)之间非线性、非对称函数关系的确切性质是否符合展望理论的预测。经过多元线性回归分析,对四个产品类别的调查数据都取得了很好的拟合效果(手机:F(2514,3)=420.417,p<0.001,=0.334;笔记本电脑:F(1928,3)=179.989,p<0.001,=0.219;台式电脑:F(1950,3)=181.940,p<0.001,=0.219; 电视机:F(2200,3)=254.721,p<0.001,=0.258)。具体的参数估计和检验结果汇报在表2中。所有VIF均小于10,表明多重共线性的干扰不严重。
参数估计和检验的结果在四个产品类别中得到一致的发现。与一次项对应的回归系数b[,1]是统计显著的正数,初步确保函数单调上升;与三次项对应的回归系数b[,3]显著小于零,验证了“敏感性递减”的非线性特点;与二次项对应的回归系数b[,2]显著小于零,结合b[,3]<0的发现,确保拐点-b[,2]/3b[,3]<0,从而验证了函数具有“负向非对称性”。这些结果为展望理论对于期望不一致对满意作用所具有的非线性、非对称特点的预测提供了一致的实证支持。
五、结论与讨论
“期望不一致”理论主张顾客感知到的绩效与其期望获得的绩效之间的差异是形成顾客满意的重要原因。但是,这种作用关系具有非线性、非对称的特点。一些实证研究借助展望理论的预测,检验了这种非线性、非对称特点的确切性质。但是,其中大多数研究忽视了展望理论在满意领域的适用性建立是在“期望不一致”理论与“参考点依赖”之间的内在联系基础上,从而不恰当地用顾客的感知绩效替代了期望不一致的作用。此外,由于测量和模型设定的局限,多数研究未能同时验证与“敏感性递减”和“损失厌恶”对应的非线性、非对称特点。
针对这些不足,本研究首次在顾客满意领域全面地检验了展望理论的三方面预测,并且在多个产品类别中获得了一致的实证支持。在研究方法上,本文首次采用三次多项式函数对非线性、非对称性质进行了有效而又简约的检验。就管理实践而言,本研究的发现有如下意义:(1)企业旨在通过改进产品绩效从而提高顾客满意的营销努力,需要以掌握顾客对绩效的确切预期为前提;(2)通过这些营销努力获得顾客满意的有效性,随着顾客满意(不满意)程度的提高而下降;(3)顾客感知的绩效水平低于其期望水平导致的不满意程度,要大于相同幅度的感知绩效水平高于其期望水平引起的满意程度;或者说,低于顾客期望带来的坏结果要大于相同大小的高于顾客期望带来的好结果。
尽管研究中对“绩效期望”和“感知绩效”这两个变量的测量使用的是单一测项,但是在大规模满意度研究中使用单一测项的测量有不少先例。LaBarbera和Mazursky[18] 讨论了在测量总体满意时使用单一还是多个测项的问题,并且做出这样的结论:在大规模的调查研究中,使用多测项量表可能会降低测量的质量而不是提高测量质量。在对满意研究的回顾中,Yi[15] 比较了几个多测项和单测项量表的测量/重测信度,并发现单测项量表的测量/重测信度是可以接受的。Bergkvist和Rossiter[19] 发现,在单测项和多测项这两种测量条件下广告态度对品牌态度的预测效度不存在显著差异。他们主张,对营销中的很多构念使用单测项测量是恰当、充分的。
本研究存在如下一些局限:(1)就满意形成的过程而言,顾客的绩效期望早于其绩效感知而发生。本研究采用的是横截面数据,可能会带来受访者回答问题中的回溯偏差(Retrospective Bias)。采取纵贯设计,更有利于克服类似偏差的干扰。(2)虽然本研究在四个产品类别中得到了一致的实证支持,但是这些产品基本上都是价格较高、购买频率较低的耐用品。今后的研究需要在更广的产品、服务类别中检验相关发现的外部有效性。
展望理论是一个描述理论,对于其预测的非线性、非对称特点,还需要有更为基础的过程理论支持。例如,近年来心理物理学(Psychophysics)领域中一些研究采用“根据抽样决策(DbS)”理论对展望理论的预测进行解释。[20] 该理论主张,人们对刺激物客观量值(Objective Magnitude)赋予的主观权重,取决于人们在进行相关判断时头脑中抽取的相应刺激物样本分布特点。这些样本来自人们的日常生活以及具体的决策情境。之所以较小的收益和损失要比更大的收益、损失获得更高的主观权重(敏感性递减),是由于在人们的日常生活中小的收益、损失发生得更频繁。而损失比等量的收益获得更高的主观权重(损失厌恶),是因为在日常生活中,人们的支出(损失)要比收入(收益)发生得更频繁。
借用DbS理论的推理,期望不一致具有敏感性递减的特点,可能是因为顾客在日常生活中遇到比自己的期望好很多(差很多)的情形的概率要低于那些稍稍好于(差于)自己期望的情形。而期望不一致具有损失厌恶的特点,可能是因为低于期望的消极事件在记忆中的可达性(Accessibility)强于那些高于期望的积极事件。[21]从而,这些事件在记忆中更为显著(Salient),因此更有可能构成顾客决策的样本。上述推论具有一定的理论基础和直观合理性,但还需要在未来的研究中进行严格的实证检验。
本研究中的期望不一致是在产品总体层面(累积层面)上操作的,而以往很多研究关注的是属性层面的绩效与期望不一致。在这些研究中,围绕着正向、负向非对称性有着不一致的实证发现(表1)。由此引发这样一个问题:参考点究竟是一个还是多个?如果是多个,那么这些参考点是如何形成的?展望理论所描述的S形价值函数针对的是总体的收益、损失,但是一些研究主张,消费者的判断、决策中有多重参考点在发挥作用。[22] 另一方面,一些产品有数十个甚至更多的属性,由于消费者信息处理能力的局限和决策策略的影响,[16] 消费者似乎又不大可能根据建立在这么多参考点基础上的期望不一致形成满意判断。多重参考点究竟如何形成和发挥作用,还需要在今后的研究中深入探讨。
标签:自变量论文; 顾客感知服务质量模型论文; 服务质量差距模型论文; 顾客价值论文; 绩效目标论文; 损失函数论文; 顾客满意理论论文; 产品属性论文; 测量理论论文; 非线性论文;