基于SPSS的客車產(chǎn)品研發(fā)失效因子分析

劉運(yùn)強(qiáng)，張文鳳，呂勇

（桂林航天工業(yè)學(xué)院機(jī)械工程系，廣西桂林541004）

基于SPSS的客車產(chǎn)品研發(fā)失效因子分析

劉運(yùn)強(qiáng)，張文鳳，呂勇

（桂林航天工業(yè)學(xué)院機(jī)械工程系，廣西桂林541004）

利用影響客車研發(fā)失效的14個(gè)調(diào)查測量數(shù)據(jù)，運(yùn)用因子分析法，使用SPSS軟件分析影響客車產(chǎn)品研發(fā)失效的主要原因。分析結(jié)果表明，引起失效的主要原因是：產(chǎn)品研發(fā)綜合管理水平、研發(fā)中心技術(shù)水平、研發(fā)人力資源管理。

SPSS；客車產(chǎn)品；研發(fā)失效；統(tǒng)計(jì)分析

SPSS（Statistical Productand Service Solutions）即IBM公司“統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案”軟件，是全球?qū)I(yè)統(tǒng)計(jì)分析軟件的領(lǐng)導(dǎo)者，一直致力于幫助企業(yè)提升科學(xué)運(yùn)用統(tǒng)計(jì)分析方法的能力。它包含了豐富的統(tǒng)計(jì)分析算法，與SAS、SATA相比，SPSS不需要編程，只要求掌握基本的統(tǒng)計(jì)原理［1-2］。SPSS軟件在國外已廣泛地應(yīng)用于電信、醫(yī)療、銀行、證券、保險(xiǎn)、制造、商業(yè)、科研、教育等行業(yè)，從數(shù)據(jù)中總結(jié)、歸納有用的知識，并將知識用于市場營銷、運(yùn)營決策和信用風(fēng)險(xiǎn)管理等方面，幫助企業(yè)降低消費(fèi)、增加效益，從而提高整體運(yùn)行效率［3］。

目前，大多客車企業(yè)每年逐漸增加研發(fā)費(fèi)用，研發(fā)隊(duì)伍也大多維持在50～100人，但面對外部競爭，新產(chǎn)品仍缺乏競爭力。影響客車產(chǎn)品研發(fā)成功率的因素很多，本文以某客車企業(yè)研發(fā)失效為例，通過SPSS因子分析，分析影響該企業(yè)產(chǎn)品研發(fā)失效的主要因子，以期對產(chǎn)品開發(fā)的綜合管理提供科學(xué)依據(jù)。

1　 SPSS研究方法

1.1資料收集及統(tǒng)計(jì)分析方法

采用問卷調(diào)查的方式，對企業(yè)管理、設(shè)計(jì)、工藝、質(zhì)量、銷售、用戶等人員進(jìn)行調(diào)查。問卷共設(shè)計(jì)缺乏產(chǎn)品戰(zhàn)略及規(guī)劃、產(chǎn)品沒有明確的市場定位、領(lǐng)導(dǎo)直接干預(yù)項(xiàng)目，或項(xiàng)目缺乏控制、協(xié)調(diào)和溝通困難等14個(gè)測量項(xiàng)目，采用5級評分制，即根據(jù)各因素對產(chǎn)品研發(fā)失效的影響力大小劃分為5個(gè)等級，分別為1=“毫無影響”，2=“影響較小”，3=“有一定影響”，4=“影響較大”，5=“影響很大”。

分析調(diào)查數(shù)據(jù)常用的方法主要有描述性統(tǒng)計(jì)分析、穩(wěn)態(tài)狀態(tài)分析、回歸分析、因子分析、主成分分析以及現(xiàn)代優(yōu)化算法分析等，它們各自都有優(yōu)缺點(diǎn)。本文采用SPSS分析軟件對整理后的調(diào)研數(shù)據(jù)進(jìn)行統(tǒng)計(jì)描述和分析。SPSS軟件具有操作簡單、分析的結(jié)果直觀清晰、可直接讀取DBF和EXCEL文件、能兼容各種操作系統(tǒng)的優(yōu)點(diǎn)，現(xiàn)已得到廣泛的應(yīng)用。1.2描述性統(tǒng)計(jì)分析的原理

對回收的有效問卷進(jìn)行整理，并錄入SPSS系統(tǒng)，其中X1-X14分別代表問卷中的14個(gè)問項(xiàng)。SPSS采用的描述性統(tǒng)計(jì)分析方法，主要對樣本中所有觀測的平均值（即均值）和標(biāo)準(zhǔn)差進(jìn)行分析，用于描述樣本的中心位置。

對于樣本為X1，X2，…，Xn的觀測數(shù)據(jù)，其均值X和方差σ2的計(jì)算公式分別為

標(biāo)準(zhǔn)差能反映一個(gè)數(shù)據(jù)集的離散程度，平均數(shù)相同的，標(biāo)準(zhǔn)差未必相同。標(biāo)準(zhǔn)差值小可以說明各觀測樣本與均值較為接近，數(shù)據(jù)的離散程度??；標(biāo)準(zhǔn)差值大可以說明數(shù)據(jù)中各觀測樣本和均值的差異較大，數(shù)據(jù)的離散程度大。

標(biāo)準(zhǔn)差σ的計(jì)算公式為

2　 SPSS結(jié)果分析

本文先從數(shù)據(jù)可靠性方面對采集的數(shù)據(jù)進(jìn)行信度分析，檢測數(shù)據(jù)的可靠性和穩(wěn)定性，然后進(jìn)行均值、方差分析，因子分析及公因子方差分析，最后進(jìn)行旋轉(zhuǎn)矩陣分析。

2.1信度分析

信度（Reliability）即可靠性，指標(biāo)主要有等值系數(shù)、內(nèi)在一致性系數(shù)和穩(wěn)定系數(shù)。通過對數(shù)據(jù)的信度分析，以確保其可靠性和穩(wěn)定性，以免影響問卷內(nèi)容分析結(jié)果的準(zhǔn)確性。信度分析主要有α信度系數(shù)法、復(fù)本信度法、折半信度法和重測信度法四種方法。本分析采用目前常用克朗巴哈（Cronbach）α信度系數(shù)法以及KMO（Kaiser-Meyer-Olkin）檢驗(yàn)、Bartlett檢驗(yàn)。SPSS分析結(jié)果如表1所示。

表1　 KMO和Bartlett的檢驗(yàn)

其中克朗巴哈α信度系數(shù)的計(jì)算公式如下：

式中：K為測量項(xiàng)目的總數(shù)，即調(diào)查問卷有效回收數(shù)量137份；是全部測量項(xiàng)目總和的方差，本文為

100.21；i是測量項(xiàng)目數(shù)量14；n等于調(diào)查問卷有效回收數(shù)量137份；Yi為第i項(xiàng)測量項(xiàng)目的得分的方差，由公式（2）計(jì)算。Cronbachα系數(shù)經(jīng)計(jì)算為0.927，信度較高，可以進(jìn)行因子分析。

KMO檢驗(yàn)統(tǒng)計(jì)量是用來比較變量間簡單相關(guān)系數(shù)和偏相關(guān)系數(shù)的大小，主要用來檢驗(yàn)數(shù)據(jù)是否適合因子分析的［4］。計(jì)算原理是所有原相關(guān)系數(shù)的平方和除以簡單相關(guān)系數(shù)平方和加偏相關(guān)系數(shù)平方和。根據(jù)文獻(xiàn)［2］，KMO的數(shù)值變化從0～1，如果原變量間相互作用較大，變量間的偏相關(guān)系數(shù)就會相對較小，簡單相關(guān)系數(shù)則相對較大；Kaiser提出的判斷標(biāo)準(zhǔn)：KMO＞0.9時(shí)非常適合做因子分析；0.8＜KMO＜0.9為適合；0.7＜KMO＜0.8為一般；0.6＜KMO＜0.7為適合并較低；KMO＜0.6為適合度較低。本案例根據(jù)文獻(xiàn)［5］中的計(jì)算公式得到KMO的值為0.906，表示該樣本可以做因子分析［6］。

Bartlett檢驗(yàn)是方差齊性檢驗(yàn)的一種。如果Bartlett的球形度檢驗(yàn)的統(tǒng)計(jì)量數(shù)值較小，則認(rèn)為相關(guān)系數(shù)矩陣可能是一個(gè)單位矩陣，不適合做因子分析；如果統(tǒng)計(jì)量數(shù)值較大，即原變量間的相關(guān)性顯著，則適合于做因子分析。本例中經(jīng)計(jì)算近似卡方（Approx.Chi-Squarie）= 2 838.603，近似卡方的計(jì)算公式是實(shí)際觀察次數(shù)與理論次數(shù)（又稱期望次數(shù)）之差的平方再除以理論次數(shù)所得的統(tǒng)計(jì)量。df為自由度，一般指樣本中可以自由變動的變量的個(gè)數(shù)，但卡方分析自由度是依據(jù)樣本的類別，也就是說，在137個(gè)樣本中被分成了92個(gè)類別，即df=91。sig為差異顯著性指標(biāo)，指系統(tǒng)計(jì)算出的相應(yīng)顯著性統(tǒng)計(jì)量出現(xiàn)的概率，一般大于0.05表示差異不顯著，小于0.05表示差異顯著，小于0.01表示差異極顯著。本例經(jīng)計(jì)算sig=0.00。在本例中，自由度df和sig值顯著，表示數(shù)據(jù)正態(tài)分布，適合做因子分析。

2.2均值及標(biāo)準(zhǔn)差分析

SPSS軟件生成“描述統(tǒng)計(jì)量表”（見表2）。該表包含極大值、均值、標(biāo)準(zhǔn)差和方差四個(gè)系列數(shù)值。經(jīng)分析，14個(gè)因素的均值均落在2.46～4.31之間，說明這些因素均對產(chǎn)品研發(fā)失效有一定影響。其中，缺乏產(chǎn)品戰(zhàn)略及規(guī)劃、產(chǎn)品沒有明確的市場定位、領(lǐng)導(dǎo)直接干預(yù)項(xiàng)目，或項(xiàng)目缺乏控制、協(xié)調(diào)和溝通困難、項(xiàng)目管理無效、項(xiàng)目計(jì)劃或任務(wù)得不到及時(shí)完成等項(xiàng)目的均值在4.0以上，影響程度較大。而標(biāo)準(zhǔn)差較小的前4個(gè)項(xiàng)目，說明對這幾項(xiàng)的評價(jià)意見相差不大，結(jié)果比較接近于平均值，反應(yīng)這些項(xiàng)目是影響產(chǎn)品失效的主要因素。為了進(jìn)一步對失效原因進(jìn)行定量分析，使用因子分析方法。

表2　描述統(tǒng)計(jì)量表

3　影響客車研發(fā)失效的因子分析

3.1因子分析的統(tǒng)計(jì)思想

大量觀測的數(shù)據(jù)分析起來十分困難，必定存在某些高度相關(guān)的，把這些相關(guān)的變量組成一組，在同一組內(nèi)變量彼此具有高度相關(guān)性，而與其他各組的變量卻只有較少的相關(guān)或不相關(guān)，把這種同一組內(nèi)高度相關(guān)的變量稱為公共因子。這樣就把較多的觀測變量變?yōu)閹讉€(gè)公共相關(guān)的變量。其分析過程是通過對原始變量的相關(guān)系數(shù)矩陣內(nèi)部結(jié)構(gòu)的研究，求出少數(shù)幾個(gè)綜合變量，再用綜合變量描述原始的變量之間的關(guān)系，導(dǎo)出描述變量間本質(zhì)聯(lián)系、變量與公共因子的關(guān)系的負(fù)荷矩陣。再根據(jù)負(fù)荷矩陣，按變量與公共因子相關(guān)性重要程度分組，使同組內(nèi)的變量之間的相關(guān)性較高，不同組的變量的相關(guān)性較低，按公因子包含變量的特點(diǎn)即公因子內(nèi)涵對因子作出解釋與命名［7］。這樣，就把多個(gè)變量歸解到少數(shù)的幾個(gè)公因子，更便于查找引起沖突的原因。

3.2因子分析數(shù)學(xué)模型

假定有n個(gè)樣本，每個(gè)樣本共有p個(gè)變量，構(gòu)成一個(gè)n×p階的數(shù)據(jù)矩陣：

因子分析用少數(shù)幾個(gè)假想變量來表示其基本的數(shù)據(jù)結(jié)構(gòu)。當(dāng)p較大時(shí)，在p維空間中分析問題很麻煩。為了降低難度需要進(jìn)行降維處理，即用幾個(gè)有代表性的綜合指標(biāo)代替原來指標(biāo)，并且使這些指標(biāo)既能盡量多地反映原來指標(biāo)所反映的信息，同時(shí)它們之間又是彼此獨(dú)立的。

設(shè)有n個(gè)樣本，p個(gè)指標(biāo)，X=（X1，X2，…，XP）T為隨機(jī)向量，公因子為F=（F1，F(xiàn)2…Fm）T，則因子模型如下［8］：

式中：A=（aij）是因子載荷矩陣；aij是公因子Fj與測量項(xiàng)目Xi的相關(guān)系數(shù)，即因子荷載；εi代表公因子以外的影響因素，為特殊因子，在實(shí)際分析時(shí)可以忽略。

求出公因子Fj后，用回歸統(tǒng)計(jì)等方法建立公因子權(quán)重系數(shù)數(shù)學(xué)模型，用公因子建立線性方程，計(jì)算出公因子權(quán)重系數(shù)bji，對各種模型進(jìn)行綜合評估［9］。

3.3測量項(xiàng)目的共同度

通過因子分析方法，在保持測量項(xiàng)目相互關(guān)系原則下，尋找變量的公共因子，如公式（7），建立用較少的因子表示原來的變量的關(guān)系式，如公式（6），以弄清問題影響的關(guān)鍵因素。在用有本質(zhì)意義的少量公因子來歸納原來測量項(xiàng)目前，先用主成分分析方法，分析測量項(xiàng)目的共同度。主成分分析是通過少數(shù)幾個(gè)主要分量來解釋多個(gè)變量間的內(nèi)部結(jié)構(gòu)，在樣本數(shù)據(jù)信息損失最小的原則下，對高維變量進(jìn)行降維，用較少的變量表示原來的樣本，一般通過求相關(guān)矩陣的特征值和相應(yīng)的特征向量，取前幾個(gè)計(jì)算主成分。

測量項(xiàng)目的變量的共同度即公因子方差比，是表示各變量中所含原始信息能被提取的公因子所表示的程度，通過主成分分析法提取公因子方差，如表3所示。從表中可知，在變量的初始共同度均為1，在被指定條件下提取特征根時(shí)，70%的變量共同度都在80%以上。因此，提取出的這幾個(gè)公因子對各變量的解釋能力是較強(qiáng)的，這些變量的信息丟失程度較少［2］。

表3　公因子方差比

3.4方差累計(jì)貢獻(xiàn)率

公因子Fj的方差貢獻(xiàn)率是在因子載荷矩陣A中，各列元素aj的平方和，它是衡量公因子相對重要性的指標(biāo)。方差貢獻(xiàn)率越大，表明公因子對X的貢獻(xiàn)越大［2］。

表4為解釋總方差和累計(jì)貢獻(xiàn)率，表中的“成分”是SPSS軟件中的名稱，這里可以理解為公因子；“初始項(xiàng)特征根”中的“合計(jì)”是主成分（即主要因子）影響力度的指標(biāo)，代表引入該公因子后可以解釋平均多少測量項(xiàng)目的信息，如果特征值小于1，說明該主成分的解釋力度還不如直接引入一個(gè)原測量項(xiàng)目的平均解釋力度大。因此，一般用特征值大于1作為計(jì)算標(biāo)準(zhǔn)；“初始特征根”中的“方差貢獻(xiàn)率”，表明第i項(xiàng)的公因子在全部方差中的比重，這個(gè)值越大，表明第i項(xiàng)公因子綜合測量項(xiàng)目的信息能力越強(qiáng)?！俺跏继卣鞲敝械摹袄塾?jì)貢獻(xiàn)率”指至第i項(xiàng)的公因子累計(jì)提取了測量項(xiàng)目多少信息，一般建議累計(jì)貢獻(xiàn)率達(dá)到80%左右，就可以表明前i個(gè)公因子基本包含了全部測量指標(biāo)的信息，前i項(xiàng)公因子就可以被提取。

表4中只有前3個(gè)成分的特征根值大于1，提取前3個(gè)公因子可以反映原有變量80.617%的情況，信息丟失相對較少，所以本例只提取前3個(gè)公因子。3.5旋轉(zhuǎn)成分矩陣分析

表4　解釋總方差和累計(jì)貢獻(xiàn)率

表4中前3個(gè)公因子能較好反映14個(gè)測量項(xiàng)目，但各因子的意義不是很明顯，不利于因子解釋。為了使因子載荷矩陣中的系數(shù)更加明顯，對初始因子載荷矩陣進(jìn)行因子軸的旋轉(zhuǎn)，使因子和原始變量間的關(guān)系進(jìn)行重構(gòu)，使得因子載荷矩陣中各元素?cái)?shù)值在0～1范圍內(nèi)，同時(shí)保持同一行中各元素平方和（公因子方差）不變。通過因子旋轉(zhuǎn)，各測量項(xiàng)目在因子載荷上更加明顯，有利于對各公共因子給出明確的解釋。采用方差最大法對因子載荷矩陣實(shí)施正交旋轉(zhuǎn)，旋轉(zhuǎn)后的因子載荷矩陣見表5（表5的名稱使用SPSS報(bào)表的名稱）。

根據(jù)公式（6），本文研究的14個(gè)測量項(xiàng)目可以用3個(gè)公因子F1、F2、F3來描述，因子載荷矩陣見表5。比如：

表5　旋轉(zhuǎn)成分矩陣

公共因子F1、F2、F3是不可觀測的潛在因子，上式中可以忽略εi，即F1、F2、F3反映影響產(chǎn)品研發(fā)失效因素的3個(gè)潛在的影響因子。為了便于對F1、F2、F3進(jìn)行解釋，根據(jù)公式（7），從表5可得3個(gè)公因子F1、F2、F3的構(gòu)成。以公因子F1為例：

從公式（11）和表5中可以看出，公因子F1（第1主成分）中，X1、X2、X3、X4的公因子權(quán)重系數(shù)分別為0.919、0.913、0.940、0.823，這4個(gè)公因子權(quán)重系數(shù)明顯比其他的要大很多，即F1主要反映測量項(xiàng)目X1-X4的綜合問題，X1-X4分別為缺乏產(chǎn)品戰(zhàn)略及規(guī)劃、沒有明確的市場定位、領(lǐng)導(dǎo)直接干預(yù)項(xiàng)目，或項(xiàng)目缺乏控制，協(xié)調(diào)和溝通困難、項(xiàng)目管理無效，項(xiàng)目計(jì)劃或任務(wù)得不到及時(shí)完成的負(fù)荷較大等。因此，公因子F1反應(yīng)的是產(chǎn)品研發(fā)綜合管理水平（產(chǎn)品規(guī)劃、產(chǎn)品定位、產(chǎn)品開發(fā)管理）；公因子F2綜合反映X7-X12測量項(xiàng)目，即開發(fā)活動不是并行，未建立或?qū)嵤﹪?yán)格的評審、審核制度，碰到技術(shù)難題一時(shí)解決不了，錯誤沒有及時(shí)解決，而是層層放大，導(dǎo)致不斷修改、技術(shù)不過關(guān)、不穩(wěn)定的負(fù)荷較大。因此，F(xiàn)2主要反映研發(fā)中心技術(shù)水平。同理，可解釋公因子F3主要反映了研發(fā)人力資源問題。

4　結(jié)束語

通過問卷抽樣調(diào)查、專家交流，對14個(gè)統(tǒng)計(jì)量進(jìn)行采樣，運(yùn)用SPSS軟件進(jìn)行因子分析。分析結(jié)果表明，該企業(yè)研發(fā)失效的主要原因是產(chǎn)品研發(fā)綜合管理水平、研發(fā)中心技術(shù)水平、研發(fā)人力資源管理三個(gè)方面的問題。不同的企業(yè)，產(chǎn)品研發(fā)失敗的原因也不同，客車企業(yè)為了避免產(chǎn)品研發(fā)失效，應(yīng)根據(jù)自身的情況制定產(chǎn)品中、長期開發(fā)規(guī)劃，提高產(chǎn)品開發(fā)綜合管理水平，加強(qiáng)技術(shù)儲備和人才培養(yǎng)，建立健全項(xiàng)目管理與團(tuán)隊(duì)建設(shè)以及有效的評價(jià)與激勵機(jī)制，縮短產(chǎn)品開發(fā)周期，提高新產(chǎn)品研發(fā)質(zhì)量、產(chǎn)品研發(fā)成功率，持續(xù)提高企業(yè)新產(chǎn)品的市場競爭力［10］。

［1］白中浩，馬偉杰，曹立波，等.乘用車-貨車追尾碰撞事故分析及其試驗(yàn)與仿真研究［J］.中國機(jī)械工程，2010，21（14）：1742 -1747.

［2］GB 11567.2-2011，汽車和掛車后下部防護(hù)要求［S］.北京：中國標(biāo)準(zhǔn)出版社，2011.

［3］馬訊，郝琪，周宗良.汽車后防護(hù)裝置的碰撞仿真分析［J］.公路交通科技，2009，26（4）：133-137.

參考文獻(xiàn)：

［1］吳占福，馬旭平，李亞奎.統(tǒng)計(jì)分析軟件SPSS介紹［J］.河北北方學(xué)院學(xué)報(bào)，2006，（6）：67-69.

［2］張文彤.SPSS統(tǒng)計(jì)分析高級教程［M］.北京：高等教育出版社，2007.3.

［3］丁雪梅，徐向紅，邢沈陽，等.SPSS數(shù)據(jù)分析及Excel作圖在畢業(yè)論文中的應(yīng)用［J］.實(shí)驗(yàn)室研究與探索，2012，（3）：122-128.

［4］孫曉松，朱鵬程.借助SPSS軟件的成績因子分析［J］.通化師范學(xué)院學(xué)報(bào)：自然科學(xué)版，2013，（6）：13-16.

［5］董毅.因子分析在水系沉積物測量地球化學(xué)分區(qū)中的應(yīng)用探討—以青海都蘭地區(qū)為例［J］.礦產(chǎn)與地質(zhì)，2008，（1）：78-82.

［6］田金亭，朱強(qiáng)忠，張鳳霞，等.方差分析法在產(chǎn)品檢驗(yàn)中的應(yīng)用［J］.聊城大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，（1）：23-24.

［7］梁斌，卓梅霞.基于SPSS統(tǒng)計(jì)軟件的因子分析法及實(shí)證分析［J］.河西學(xué)院學(xué)報(bào)，2011，（5）：45-49.

［8］何亮.主成分分析在SPSS中的應(yīng)用［J］.山西農(nóng)業(yè)大學(xué)學(xué)報(bào)：社會科學(xué)版，2007，（S1）：20-22.

［9］李小勝，陳珍珍.如何正確應(yīng)用SPSS軟件做主成分分析［J］.統(tǒng)計(jì)研究，2010，（8）：105-108.

［10］羅伯特·G·庫珀（Cooper.R.G）.新產(chǎn)品開發(fā)流程管理［M］.北京：電子工業(yè)出版社，2010.1.

修改稿日期：2015-01-13

Analysis on Failure Factors of Bus / Coach Products Research Design Based on SPSS

Liu Yunqiang，ZhangWenfeng，LüYong
（DepartmentofMechanical Engineering，Guilin University ofAerospace Technology，Guilin 541004，China）

The authors analyze the failure reasons for the bus / coach products research design usingthe factors analysismethod and SPSSsoftware byutilizing14 surveyingmeasurement datawhich affect the failure ofbus / coach products research design. The analysis results showthat the main reasons are products development comprehensive management level， technologyand development level ofresearch center and themanagement ofresearch center human resource.

SPSS； bus / coach product； failure of research design； statistical analysis

U469.1

A

1006-3331（2015）05-0029-05

劉運(yùn)強(qiáng)（1971-），男，碩士；高級工程師；研究方向：材料成型與控制。