质量管理调查及质量管理要素因子提取

一、调查方法

调查对象抽样框为中国质量协会会员单位制造业企业以及天津、上海、广州等城市及周边区域内的制造业企业。这样保证抽样单位对此次质量管理现状问卷调查的重视程度，并且方便获取调查单位的联系方式，有利于展开调查。邮寄调查问卷给被调查单位是通过中国质量协会，由中国质量协会给会员单位下发调查问卷，然后又质量部门负责人员填写问卷后，返回给中国质量协会。中国质量协会在全国质量管理工作中的作用和地位，决定了被调查企业的质量部门会非常重视调查问卷的填写。现场调查问卷是由国家质量技术监督局各地举办各地区的质量专家讲座，然后现场在专家指导下填写调查问卷。参加质量讲座的都是各企业质量管理部门的负责人，并且由于有专门的调查时间、地点和专家指导，对于不能非常明确的问题提出疑问可以得到现场解答，所以现场问卷调查的结果更能反映真实的企业现状，回收问卷比率也很高，所回收问卷是这次制造业质量管理水平调查课题的调查数据的主体。

二、问卷发放方式和回收情况

调查采用现场问卷调查和邮寄问卷调查方式。现场问卷方式回收的调查问卷回收率高，问卷填写质量较好。邮寄问卷调查方式寄出问卷400份，回收到48份，问卷回收率12％，较低，问卷填写质量较好。但同时存在企业对过程能力指数和初检合格率以及新产品产值率等指标保密的情况。现场调查问卷回收率近百分之百，调查数据由专业人员现场发放并回收，同时说明本次调查目的只为调查研究我国制造业整体质量管理现状，并不会针对某个企业进行评价，更不会针对某个企业采取任何措施。被调查企业人员独立填写，直接回答问卷并马上上交问卷，不必经过中间过程，被调查人员能比较客观地反映企业真实的质量管理现状。

三、问卷有效性的简单对比分析

由于抽样框可以分为质量管理奖获奖单位和未曾获得质量管理奖的单位两个部分，还可以分成为邮寄问卷和会议现场调查问卷两部分，回收问卷后对不同部分单位的指标进行了对比分析。通过对现场问卷和邮寄问卷两者总体的比较，两个部分各个指标的方差没有显著性差异，说明两部分数据差异在合理范围内。

在此基础上对获得过质量管理奖和未曾获得质量管理奖的两个部分企业的指标均值进行比较，结果是获得质量管理奖的企业的指标显著优于未曾获得质量管理奖的企业，这样的结果也是顺理成章的，也说明调查结果反映了真实的现状。

四、质量要素因子提取

质量问卷在按照设计进行手工合并同类变量后，仍然有多达数十项变量，即使合并成为前述13个指标，作为建立质量管理要素的关系模型的变量，也会使得模型的复杂程度极度增加，所以必须继续对变量进行降维处理。简单的合并方法未免有失科学性，常用的依据变量信息进行变量降维的方法有主成分分析法、因子分析法、变量聚类法，按照张杉杉，徐祥刚，孟庆茂等人的观点，采用主成分分析或因子分析这类探索性因素分析的方法更为恰当，和变量聚类相比，探索性因素分析对变量的数据处理更为深入。通过因素分析可以对众多的观测变量降维，以少量的潜变量表达原观测变量中尽可能多的信息；而聚类分析更适合对案例进行分类。

在探索性因素分析中，确定因子个数的方法有保留特征值大于1的因子，舍弃特征值小于1的因子的原则。但是依据特征值大于1的准则会受到观测变量数量的影响，当观测变量数据较多时，可能造成过分提取的现象。确定因子个数的另一种方法是碎石图，按照碎石图因子特征值的大小顺序描述因子对变量的变异的解释特征，从碎石图的陡峭、平缓程度来判断提取因子数，但陡峭、平缓的判断带有一定的主观性。而平行分析法（Paralel Analysis）可以在定量化的基础上确定因子个数，比较而言，更为客观、严密。

平行分析法通过随机生成若干与真实矩阵具有相同行列的矩阵，求这些随机矩阵的特征值，并计算这些特征值的平均值。通过比较真实数据的特征值与随机矩阵平均特征值的大小，确定要提取的因子的个数。在两个特征值序列中，保留真实矩阵大于相同位置的随机矩阵平均特征值的因子。参考平行分析法的结果，同时参考特征值和分析的需要确定应该保留因子的数量。

按照调查问卷得到的数据矩阵的特征，要产生具有同样行列的随机矩阵。随机矩阵的产生通过R软件来实现。调查数据包含265行，39个测量变量。通过对数据的KMO测度值为0.90可知，数据适合做因素分析。利用R软件生成随机矩阵并求特征值平均的程序如下：

random.eig<-matrix（0，nrow=100，ncol=39）for（I in1：100）

{random.data<-matrix（rnorm（265*39），nrow=265，ncol=39）random. eig[i]<-eigen（cor（random.data））$values}average.eig<-apply（random.eig，2， mean）average.eig

运行程序得到了随机矩阵的一组特征值的平均值，同时将真实矩阵进行因子分析，得到真实矩阵的特征值，部分特征值比较如表2-2.

表2-2 调查数据特征值与随机矩阵平均特征值比较

从上表中的分析结果可以看到，前4个数据矩阵的特征值大于随机矩阵的平均特征值，从第5个特征值开始小于随机矩阵的平均特征值，同时根据变量本身的含义以及考虑模型既要简化，同时应该包含较多的调查信息，所以本文考虑保留5个因素。5个质量要素所包含项目以及数据质量请参考以下问卷信度分析部分。

五、问卷信度分析

信度有“外在信度”和“内在信度”。外在信度通常指不同时间测量时，量表一致性的程度。内在信度指的是每一个量表是否测量单一概念，同时，组成量表题项的内在一致性程度如何。

问卷的“再测信度”代表填卷者在不同时间得分的一致性，又称“稳定系数”，“再测信度”是“外在信度”最常用的检验方法。本问卷未做“再测信度”的调查分析。

对问卷的内在信度进行分析，一般采用Cronbach系数指标。关于采用Cronbach系数指标检验的临界值有许多讨论，其中学者De Vellis（1991）提出：系数值如果在0.6～0.65之间最好不要，系数值介于0.65～0.70间是最小可接受值，系数值介于0.70～0.80之间相当好，系数介于0.80～0.90之间非常好。

对质量管理因素划分成质量突破（Break through）、过程控制（Control）、质量体系绩效（Effect）、人力资源管理（HRM）、质量领导（Leadership）几个方面质量要素。

质量突破（Break through）主要指企业在进行质量改进方面需要的质量改进技术，如试验设计的方法如因子试验、响应曲面模型、田口方法等方法的应用状况，关联图法、亲和图法、矩阵图法、网络图法、过程决策程序法、等等质量改进工具的应用情况，以及QFD等质量设计和创新技术的应用情况。

过程控制（Control）主要指企业关键过程的控制方法和控制状态、企业检验测量系统的控制状态、企业关键过程的过程能力指数、企业的管理体系控制软件应用、企业的质量管理信息系统、企业对原材料供应商的控制、企业的质量成本控制、企业生产设备的质量保证能力、企业应用调查表、排列图、控制图等质量工具进行过程控制的情况等。

质量体系绩效（Effect）主要指企业质量管理体系的运行效果、持续改进的执行效果、质量文化建设的效果、应用先进质量管理体系的情况及效果。

人力资源管理（HRM）包括人员管理和职工参与，主要指企业一线员工岗前培训和资格认定情况、员工基础统计方法培训情况、企业对员工的积极性、创造性的重视程度，职工参与质量活动、评价部门工作、过程改进、决策、实施等企业工作的程度。

质量领导（Leadership）主要指高层领导者对质量工作负责程度、对质量部门工作的支持程度、参与质量改进的程度、对质量目标制定的合理程度等方面。

从这些组成要素方面对问卷进行信度分析，分析结果请见表2-3。

从表2-3可以看出，问卷结果信度指标Cronbach系数值均高于0.7，均符合问卷信度指标的要求，可以进行下一步分析。

对质量管理因素在此通过平行分析和因素分析的方法，划分成质量突破（Breakthrough）、过程控制（Control）、质量体系绩效（Effect）、人力资源管理（HRM）、质量领导（Leadership）几个方面质量要素。这些质量要素反映了质量管理的主要方面，降低了质量管理调查数据的维度，为建立质量管理要素模型，解释质量管理要素之间的相互关系打下了基础。

调查指标体系对于全面反映研究对象的全面的现象是十分重要的，所以本章首先明确了对我国制造企业进行质量管理调查的指标体系，总体上的指标分为质量体系、质量保证、质量文化、质量领导4个根源要素；质量理念、过程控制、质量设计、质量信息系统、技术研发、职工参与、人员管理等7个支持要素；顾客满意、产品质量等2个结果要素。

表2-3 问卷指标信度分析

续 表

有了调查指标体系，还需要适当的调查问卷项目来反映所需调查的指标，本章介绍了调查问卷的设计中的相关问题。实证研究中，具体数据的收集是一个十分艰巨的任务和漫长的过程，本次调查的调查方法采用了邮寄问卷的调查方式和现场座谈问卷调查方式相结合的方式。调查之后的简单分析表明调查问卷的质量较高，问卷的信度分析显示问卷信度满足要求。

对质量管理因素在本章通过进一步提取，保留质量突破、过程控制、质量体系绩效、人力资源管理、质量领导几个方面的质量要素划分以进一步建立质量管理要素的关系模型。