The first inherent problem is that

The first inherent problem is that a lot of the richness of the data is lost through factor analysis.
Individual attributes that, in isolation, have a high impact on overall satisfaction may not get targeted
because the factor analysis placed them within a dimension that did not prove crucial. For example, the
attribute of "freedom from the nuisance behaviors of others" may, in isolation, be highly correlated with
overall satisfaction. However, as a result of the factor analysis, this attribute can get placed within the
dimension of "travel environment" or "appearance", a newly constructed dimension which is not found
to have a strong impact on overall satisfaction.
The second is that factor analysis and multiple regression modeling, since they are highly complex, are
not easy to describe to transit managers and operations personnel. Empirical data indicates that its use in
other service industries limits "buy-in" by the very personnel who most need to be committed to the
translation of customer expectations into agency performance measures.
The third and an important consideration is that it is not a good idea to build complex models if the data
sets or subsample sets are small and the list of independent variables (attributes) you want to measure is
extensive. Large sample sizes are required. This is particularly problematic for the transit industry
where measures are needed for subsample groups such as by transit mode, transit dependent rider versus
non-transit dependent rider, secure customer versus vulnerable or at-risk customer, or by geographic
region of a city, or city vs. suburbs.

Αποτελέσματα (Ελληνικά) 1:

Το πρώτο πρόβλημα ενυπάρχει είναι ότι χάνεται πολύ τον πλούτο των δεδομένων μέσω ανάλυση παραγόντων.Επιμέρους ιδιότητες, που, σε απομόνωση, έχουν μεγάλη απήχηση στην συνολική ικανοποίηση δεν μπορεί να πάρει στοχευμένεςεπειδή η ανάλυση παραγόντων τοποθέτησαν μέσα σε μια διάσταση που δεν ήταν αποφασιστικής σημασίας. Για παράδειγμα, τοχαρακτηριστικό της «ελευθερία από την ενόχληση συμπεριφορές των άλλων» μπορεί, σε απομόνωση, είναι κατά πολύ σχετίζεται μεσυνολική ικανοποίηση. Ωστόσο, ως αποτέλεσμα της ανάλυση παραγόντων, αυτό το χαρακτηριστικό μπορεί να τοποθετούνται εντός τουδιάσταση της «ταξίδι περιβάλλον» ή "Εμφάνιση", ένα πρόσφατα κατασκευασμένο διάσταση, η οποία δεν βρίσκεταινα έχουν ισχυρό αντίκτυπο στη συνολική ικανοποίηση.Το δεύτερο είναι ότι ανάλυση παραγόντων και πολλαπλών μοντέλων παλινδρόμησης, δεδομένου ότι είναι εξαιρετικά περίπλοκη, είναιδεν είναι εύκολο να περιγράψει στο προσωπικό διαχειριστές και τις πράξεις διαμετακόμισης. Εμπειρικά δεδομένα δείχνουν ότι η χρήση του σεάλλες υπηρεσίες βιομηχανίες όρια "buy-in" το πολύ προσωπικό που οι περισσότεροι πρέπει να δεσμευτείς με τηνμετάφραση των προσδοκιών του πελάτη σε μέτρα απόδοσης του οργανισμού.Το τρίτο και ένα άλλο σημαντικό θέμα είναι ότι δεν είναι μια καλή ιδέα να δημιουργήσετε πολύπλοκα μοντέλα αν τα δεδομένασύνολα ή σύνολα επιμέρους δείγματος είναι μικρή και η λίστα των ανεξάρτητων μεταβλητών (χαρακτηριστικά) που θέλετε να μετρήσετε είναιεκτεταμένη. Απαιτούνται μεγάλα μεγέθη δειγμάτων. Αυτό είναι ιδιαίτερα προβληματική για τη βιομηχανία διαμετακόμισηςόπου απαιτούνται μέτρα για επιμέρους δείγματος ομάδες όπως από λειτουργία διέλευσης, εξαρτώμενα αναβάτη διέλευσης έναντιμη-διέλευσης εξαρτώνται από rider, Εξασφαλίστε ότι ο πελάτης έναντι ευάλωτες ή διατρέχουν κίνδυνο πελάτη, ή από γεωγραφικέςπεριοχή πόλης, ή της πόλης εναντίον προάστια.

Αποτελέσματα (Ελληνικά) 2:

Το πρώτο εγγενές πρόβλημα είναι ότι πολλά από τον πλούτο των δεδομένων χάνεται μέσω της ανάλυσης παράγοντα.
Ατομικά χαρακτηριστικά ότι, σε απομόνωση, έχουν μια υψηλή επίπτωση στη συνολική ικανοποίηση δεν μπορεί να πάρει στοχευμένες
, διότι η ανάλυση των παραγόντων αυτών τοποθετείται μέσα σε μια διάσταση που δεν έκανε αποδειχθεί κρίσιμη. Για παράδειγμα, η
ιδιότητα της «ελευθερίας από τις ενοχλήσεις συμπεριφορές των άλλων» μπορεί, μεμονωμένα, είναι σε μεγάλο βαθμό με
τη συνολική ικανοποίηση. Ωστόσο, ως αποτέλεσμα της ανάλυσης παράγοντα, αυτό το χαρακτηριστικό μπορεί να τοποθετηθεί εντός της
διάστασης του "ταξιδιού περιβάλλοντος" ή "εμφάνιση", ένα νεόκτιστο διάσταση η οποία δεν έχει βρεθεί
να έχει μια ισχυρή επίδραση στη συνολική ικανοποίηση.
Ο δεύτερος είναι ο παράγοντας ανάλυσης και πολλαπλών μοντέλων παλινδρόμησης, δεδομένου ότι είναι εξαιρετικά περίπλοκες, είναι
δεν είναι εύκολο να περιγράψει στους διευθυντές διέλευσης και επιχειρησιακό προσωπικό. Εμπειρικά δεδομένα δείχνουν ότι η χρήση της σε
άλλες βιομηχανίες όρια υπηρεσίας "buy-in" από τα πολύ προσωπικό που θα πρέπει να δεσμευτεί για την πιο
μετάφραση των προσδοκιών του πελάτη σε μέτρα γραφείο απόδοση.
Το τρίτο και ένα άλλο σημαντικό θέμα είναι ότι δεν είναι μια καλή ιδέα για τη δημιουργία πολύπλοκων μοντέλων, εάν τα δεδομένα
σύνολα ή σύνολα επιμέρους δείγμα είναι μικρό και ο κατάλογος των ανεξάρτητων μεταβλητών (χαρακτηριστικά) που θέλετε να μετρήσετε είναι
εκτεταμένη. Τα μεγάλα μεγέθη δείγματος που απαιτούνται. Αυτό είναι ιδιαίτερα προβληματικό για τη βιομηχανία διέλευσης
όπου χρειάζονται μέτρα για τις ομάδες υπο-δείγμα όπως με λειτουργία διέλευσης, εξαρτάται από τη διαμετακόμιση αναβάτη έναντι
μη εξαρτώμενο από τη διαμετακόμιση αναβάτη, ασφαλή πελατών έναντι των ευάλωτων ή υψηλού κινδύνου των πελατών, ή με τη γεωγραφική
περιοχή μιας πόλης, ή πόλη προάστια εναντίον.