【基于因子分析法的商业银行网站评价】spss因子分析法

　　【摘 要】网站作为同用户交互和开展业务的平台，在商业银行中处于重要地位。为了实现对商业银行网站的客观评价，利用实时监测工具，选取中国25家商业银行为研究对象，运用SPSS因子分析法对网站进行评价，分析各个样本网站的公因子和综合得分排名情况，在此基础上提出提升网站竞争力的相关建议。
　　【关键词】商业银行网站；因子分析法；网站评价
　　网站是商业银行用以展现企业形象、开展业务活动的窗口，是各银行拓展市场的重要途径，是现代商业银行业运营不可或缺的重要组成部分。建设好、应用好网站可以帮助银行更好地实现市场化经营，顺应信息化发展潮流，实现业务转型和经营创新，从而提升银行的竞争力。银行网站的建设、发展和运营是一个持续完善和系统提升的过程。加强银行网站评价有助于帮助发现网站建设存在的问题并促使银行不断改进，提升网站的整体服务水平，增强我国银行业的整体竞争力。
　　目前国内外对电子商务网站的评价方法主要有人工神经网络分析法、层次分析法、模糊综合层次分析法等，评价的内容主要围绕着网站总体质量、用户使用满意度调查和网站可用性等方面[1]。这些方法实施的步骤一般是确定指标体系，根据用户评分进行评价，因此结果带有一定的主观性。本文以客观数据为依据，在动态监测、实时测量的基础上来评价商业银行网站，以期从客观和主观两方面相结合，建立商业银行网站评价体系。
　　1.商业银行网站样本、指标和工具
　　1.1 商业银行网站样本选择
　　为了能够比较准确地反映我国商业银行网站建设的水平和现状，达到比较分析的目的，本文选取了英国《银行家》“2012年全球前1000家银行排名”中上榜的84家国内银行中排名前25家银行，主要包括由中国工商银行、中国银行、中国建设银行和中国农业银行组成的四大国有商业银行和其他股份制商业银行两种类型。该杂志每年根据核心资本指标、实际利润增长、资产收益率等相关指标，对全球1000家大银行进行排名。该排名被视为评估世界银行业和各家银行综合实力的标尺[2]。
　　1.2 网站指标变量
　　对于网站进行评价的指标变量方面，本文选取六个变量作为分析的对象：网站流量排名(traffic ranking)，每百万用户访问网站的数量(reach per million users)，每个用户的页面浏览数量(page views per user)，网站下载速度(speed)，被其他网站链接的数量(other sites that link to this site)，网站规模(website size)。其中，前三个变量反映的是用户访问网站的流量指标，而后三个变量反映的是网站性能的指标。
　　1.3 收集原始数据
　　在收集原始数据方面，网站流量排名、每百万用户访问网站的数量、每个用户的页面浏览数量、被其他网站链接的数量、网站下载速度这五个指标的数据值是从Alexa上收集到的[3]。Alexa是创立于美国的一家网站评价站点，它通过追踪用户访问具体网站的活动，对活动信息进行整理分析，以流量排名、访问数量、连接数量等形式将相关信息反馈给用户，在网站评价中具有较高的权威性。
　　网站流量排名，是基于网站访问用户数量和浏览页面数的几何平均数计算出来的全球网站排名，是评价网站的重要指标之一。每百万用户访问网站的数量，是指每百万个安装了Alexa工具条的用户访问特定网站的用户数量，能够从一定程度上反映出用户对网站的认可度。页面浏览数量是用户浏览该网站的平均页面数，它反映了网站提供服务的质量和效率，同一用户在同一天多次浏览同一页面只作一次统计。总体而言，用户访问数量和页面浏览数分别回答了“有多少人访问了网站”和“他们浏览了多少网页”的问题，能够反映出用户访问的流量指标，对于网站利用效率的评价具有较高的参考价值。
　　网站下载速度即用户打开具体网站页面时所耗费的平均时间，是评价网站性能的重要指标之一。被其他网站链接的数量是设置具体网站地址链接的外部网站的数量，反映了网站的流行程度。网站规模是指特定网站的页面总数，该指标反映了站点内容的丰富程度。Google是本研究用于确定网站规模的数据来源[4]，在搜索框中输入“site：特定网址”即可得到该网站中的所有网页。
　　值得注意的是，Alexa是基于整个Internet用户的数据收集结果进行整理分析，流量较小的银行网站在Alexa的排名并不能真实地反映出其流量水平。根据Alexa网站的说明，Traffic Ranking在100000以后的站点的排名仅仅具有一定的参考价值[5]。因此，本文从前25名中删除了网站排名在100000以上的6家商业银行网站。
　　根据以上的选择标准，实时监测到了19个网站样本的原始数据，如表1所示。监测时间为2012年4月11日，限于篇幅，仅列出部分样本的原始数据。
　　2.商业银行网站评价
　　网站流量排名适合作为样本选择的参考标准，但不适合作为评价分析的变量[6]，对获取的商业银行网站其余五个原始数据，运用SPSS17.0统计软件进行因子分析，并对分析结果进行归纳总结。
　　因子分析法是一种将观测变量进行分类统计分析的方法，其基本思想是将相关度较高的观测变量归为同一类，用以区分不同观测变量之间的相关度[7]。每一类变量可视为一个公共因子，代表着一个基本结构。通过分析变量之间的属性，寻找公共因素，将多个变量之间的复杂关系简单化，简化为少数几个因子，利用这些因子值对样本进行排名。通过对所选取的五个指标变量，利用spss17.0来进行分析，结果如表2所示。
　　表2运用主成分分析法计算原始变量的特征值和累计贡献率，用来确定公因子的个数。按照特征值大于1的原则，选取前两个公因子，它们的累积方差贡献率为67.680%，表明两个公因子已经可以反映原始指标67.680%的信息，可以代替原来的5个变量对商业银行网站进行评价。
　　对提取的2个公因子建立初始因子载荷矩阵，并采用方差最大化正交旋转法对因子进行转轴，找出对商业银行网站影响显著的因素，具体数据见表3。