2.5 Statistical methods for data an

2.5 Statistical methods for data analysis
The measurement of the indicators presented previously does not require any
particular statistical processing. The mathematical equation of each indicator can be
calculated using simple data processing techniques and programs. However, additional
elaboration may be needed when trying to derive useful information about the
performance of the transit services and the customers’ satisfaction to facilitate decisionmaking process.
A very interesting and useful for the transit operators information is the relation
between quality of public transport service and customers’ satisfaction. In that case, two
statistical methods that could be used are factor analysis and ordered logit modelling.
More particularly, the principal component factor analysis may be performed to reveal
the common – hidden factors from the passengers’ rating of the quality indicators
satisfaction. Then, a multinomial logistic regression model can be developed for
understanding and explaining the overall satisfaction of a customer. These two methods
are proposed by the Methodology and are briefly explained below. The detailed
description of these methods is beyond the scope of this paper, however more
information can be found at the literature review (references) at the end of the paper.
Factor analysis
Factor analysis was developed in the early 20th century by Karl Pearson Charles
Spearman with the intent to gain insight into psychometric measurements, in particular
the directly unobservable variable intelligence (Johnson and Wichern, 1992). Factor
analysis is based on a specific statistical model (Washington et al., 2003) and it is used
to reduce the large number of qualitative attributes to a smaller number of factors for
modeling purposes. Variables should be responded to on interval or quasi – interval
scale (Likert, 1932). The first thing to do when conducting a factor analysis is to look at
the correlation between variables. Various techniques to check data quality, the strength
of the relationship among variables and the adequacy of each variable are used, while a
rotation process is applied and a factor score coefficient matrix is produced at the final
stages of factor analysis.
Multinomial logistic regression
In addition to the composite factors, operational indicators of the transportation
system (calculated from onsite measurements to investigate the system’s operational
performance) are used to develop a multinomial logistic regression model in the attempt
to investigate whether or not the operational indicators influence customers satisfaction
(Ben-Akiva and Lerman, 1985). Multinomial logistic regression exists to handle the
case of categorical dependents in order to determine the percent of variance in the
dependent variable (overall satisfaction on the transportation system) explained by the
independents (composite quality factors and operational performance) (Venables and
Ripley, 2002).

Kết quả (Việt) 1:

2,5 các phương pháp thống kê cho phân tích dữ liệuĐo chỉ số trình bày trước đây không yêu cầu bất kỳxử lý thống kê cụ thể. Các phương trình toán học của mỗi chỉ số có thểtính toán bằng cách sử dụng đơn giản xử lý dữ liệu kỹ thuật và các chương trình. Tuy nhiên, bổ sungxây dựng có thể cần thiết khi cố gắng để lấy được thông tin hữu ích về cáchiệu suất của các dịch vụ vận chuyển quá cảnh và sự hài lòng của khách hàng để tạo thuận lợi cho quá trình decisionmaking.A rất thú vị và hữu ích cho thông tin nhà khai thác vận chuyển quá cảnh là mối quan hệgiữa chất lượng dịch vụ vận tải công cộng và sự hài lòng của khách hàng. Trong trường hợp đó, haiphương pháp thống kê có thể được sử dụng là phân tích nhân tố và ra lệnh cho hàm lôgit mô hình.Đặc biệt hơn, phân tích yếu tố thành phần chủ yếu có thể được thực hiện để tiết lộphổ biến-ẩn các yếu tố từ các hành khách đánh giá của các chỉ số chất lượngsự hài lòng. Sau đó, một mô hình hồi quy logistic multinomial có thể được phát triển chohiểu và giải thích sự hài lòng tổng thể của một khách hàng. Những phương pháp haiđược đề xuất bởi các phương pháp và một thời gian ngắn giải thích dưới đây. Các chi tiếtMô tả các phương pháp này là vượt ra ngoài phạm vi của bài báo này, Tuy nhiên hơnthông tin có thể được tìm thấy tại văn học review (tham khảo) vào cuối của tờ giấy.Phân tích nhân tốPhân tích nhân tố được phát triển ở đầu thế kỷ 20 bởi Karl Pearson CharlesSpearman với mục đích để đạt được cái nhìn sâu sắc vào đo đạc psychometric, đặc biệttrực tiếp unobservable biến tình báo (Johnson và Wichern, năm 1992). Yếu tốphân tích dựa trên một mô hình thống kê cụ thể (Washington et al., 2003) và nó được sử dụngđể giảm số lượng thuộc tính về chất lượng để một số lượng nhỏ hơn của các yếu tốmục đích làm người mẫu. Biến nên tỏ để tại một trong những khoảng thời gian hoặc quasi-khoảng thời gianquy mô (Likert, 1932). Điều đầu tiên cần làm khi tiến hành phân tích nhân tố là để xem xétcác mối tương quan giữa các biến. Các kỹ thuật khác nhau để kiểm tra chất lượng dữ liệu, sức mạnhcác mối quan hệ giữa các biến và tính đầy đủ của mỗi biến sử dụng, trong khi mộtquá trình quay được áp dụng và ma trận hệ số điểm yếu tố được sản xuất tại trận chung kếtgiai đoạn của yếu tố phân tích.Multinomial hồi quy logisticNgoài các yếu tố tổng hợp, các chỉ số hoạt động của hệ thống giao thôngHệ thống (được tính toán từ các đo đạc tại chỗ để điều tra hệ thống của hoạt độnghiệu suất) được sử dụng để phát triển một mô hình hồi quy logistic multinomial trong nỗ lựcđể điều tra có hay không các chỉ số hoạt động ảnh hưởng đến sự hài lòng của khách hàng(Ben-Akiva và Lerman, 1985). Hồi quy logistic multinomial tồn tại để xử lý cáctrường hợp của người phụ thuộc phân loại để xác định phần trăm của phương sai trong cácphụ thuộc vào biến (sự hài lòng tổng thể trên hệ thống giao thông vận tải) được giải thích bởi cácđộc lập (yếu tố tổng hợp chất lượng và hiệu suất hoạt động) (Venables vàRipley, 2002).

Kết quả (Việt) 2:

2.5 Phương pháp thống kê để phân tích dữ liệu
đo lường các chỉ số được trình bày trước đó không yêu cầu bất kỳ
xử lý thống kê cụ thể. Phương trình toán học của mỗi chỉ số có thể được
tính toán sử dụng các kỹ thuật và các chương trình xử lý dữ liệu đơn giản. Tuy nhiên, thêm
xây dựng có thể cần thiết khi cố gắng để lấy được thông tin hữu ích về
hiệu suất của các dịch vụ vận chuyển và sự hài lòng của khách hàng để tạo thuận lợi cho quá trình ra quyết định.
Một rất thú vị và hữu ích cho các thông tin khai thác quá cảnh là mối quan hệ
giữa chất lượng dịch vụ vận tải công cộng và sự hài lòng của khách hàng. Trong trường hợp đó, hai
phương pháp thống kê có thể được sử dụng là phân tích nhân tố và mô hình logit đặt hàng.
Đặc biệt hơn, các yếu tố phân tích thành phần chính có thể được thực hiện để lộ
các thông thường - yếu tố tiềm ẩn từ giá của hành khách trong những chỉ tiêu chất lượng
hài lòng. Sau đó, một mô hình hồi quy logistic đa biến có thể được phát triển cho
sự hiểu biết và giải thích sự hài lòng tổng thể của khách hàng. Hai phương pháp
được đề xuất bởi các phương pháp luận và được giải thích ngắn gọn dưới đây. Các chi tiết
mô tả các phương pháp này nằm ngoài phạm vi của bài viết này, tuy nhiên nhiều
thông tin có thể được tìm thấy tại các nghiên cứu tài liệu (tài liệu tham khảo) vào cuối của tờ giấy.
Phân tích yếu tố
phân tích nhân tố đã được phát triển trong những năm đầu thế kỷ 20 bởi Karl Pearson Charles
Spearman với mục đích để đạt được cái nhìn sâu sắc vào các phép đo lường tâm lý, đặc biệt là
các thông tin tình báo biến trực tiếp quan sát được (Johnson và Wichern, 1992). Yếu tố
phân tích được dựa trên một mô hình thống kê cụ thể (Washington et al., 2003) và nó được sử dụng
để giảm số lượng lớn các thuộc tính định tính đến một số lượng nhỏ các yếu tố cho
mục đích xây dựng mô hình. Biến nên được trả lời trên khoảng thời gian hoặc bán - khoảng thời gian
quy mô (Likert, 1932). Điều đầu tiên cần làm khi tiến hành một phân tích nhân tố là nhìn vào
sự tương quan giữa các biến. Kỹ thuật khác nhau để kiểm tra chất lượng dữ liệu, sức mạnh
của mối quan hệ giữa các biến và sự đầy đủ của mỗi biến được sử dụng, trong khi một
quá trình luân chuyển được áp dụng và là một yếu tố ma trận hệ số điểm được sản xuất tại trận chung kết
các giai đoạn của phân tích nhân tố.
Hồi quy logistic đa biến
Ngoài các yếu tố tổng hợp, các chỉ số hoạt động của giao thông vận tải
hệ thống (tính từ các phép đo tại chỗ để điều tra hoạt động của hệ thống
hiệu suất) được sử dụng để phát triển một mô hình hồi quy logistic đa biến trong nỗ lực
để điều tra hay không các chỉ số hoạt động gây ảnh hưởng đến khách hàng sự hài lòng
(Ben-Akiva và Lerman, 1985). Hồi quy logistic đa thức tồn tại để xử lý các
trường hợp người phụ thuộc phân loại để xác định tỷ lệ phần trăm của phương sai trong các
biến phụ thuộc (sự hài lòng tổng thể hệ thống giao thông vận tải) giải thích là do các
cử tri độc lập (các yếu tố chất lượng tổng hợp và hiệu suất hoạt động) (Venables và
Ripley, 2002) .