广州市智慧居家养老服务质量评价*

杨 波 林毓铭 丑建忠

(1 广东省养老服务业协会，广东广州，510500；2 暨南大学公共管理学院，广东广州，510632；3 武汉大学社会保障研究中心，湖北武汉，430072；4 暨南投资公司，广东广州，510632)

广州市智慧居家养老服务质量评价*

杨 波1林毓铭2，3丑建忠4

(1 广东省养老服务业协会，广东广州，510500；2 暨南大学公共管理学院，广东广州，510632；3 武汉大学社会保障研究中心，湖北武汉，430072；4 暨南投资公司，广东广州，510632)

社会老龄化问题已经成为全球性的难题，作为一个新型的养老模式，智慧居家养老将在养老事业中发挥重要作用。理论界智慧居家养老服务质量评价相关研究尚属空白，同时实务界也迫切需要有一套行之有效的服务质量评价体系。本文以广州市为例，尝试开发了智慧居家养老服务质量量表，建立智慧居家养老服务质量评价模型，试图促进智慧养老的健康发展。

智慧居家养老；服务质量评价；理论模型；量表开发

一、智慧居家养老及研究背景

近年来，随着中国经济的不断发展，人口老龄化问题越来越突出，中国老年人的规模及增长速度，都远远超过其他国家，居于世界第一位。2016年7月11日民政部发布了《2015年社会服务发展统计公报》，公告中的数据显示：截至2015年底，我国60岁及以上老年人口达到22200万人，占全国总人口的16.1%。而这么庞大的老年人口规模在未来仍旧只增不减，预计到2050年我国老年人总量可能会超过4亿，老龄化水准将会达到30%以上。世界卫生组织曾预测，到2050年中国老龄化的比例高达35%，成为世界上老龄化最严重的国家。

为了应对老龄化带来的社会问题，多种养老模式应运而生，其中以机构养老模式和居家养老模式运用较为广泛。在“十一五”期间我国政府提出构建“9073”养老格局，其中90%就是居家养老。在社区居家养老方面，政府购买社会服务体现出政府委托或授权方式的特点。[1]随着云计算、互联网、智能终端设备和大数据技术的发展，智慧居家养老模式改变了传统的养老发展模型，实现了整个养老服务产业的优化升级。所谓智慧居家养老，是指利用互联网、物联网、云计算等先进的信息技术，通过互联网服务、智能感知设备等手段，最大限度地实现老人的生理健康指标、位置信息、活动量等各类传感器通过互联网和数据中心随时随地实时连接，同时让其子女和家人、养老机构等服务机构和志愿者等相关人员能远程实现对居家老人的安全看护、健康监测、生活服务和精神关爱等服务，能让老人在日常生活中不受时间和地理环境的限制，在家中过上高质量老年生活。但是，目前学术界和实务界均没有一套科学系统的评价体系来有效的刻画智慧居家养老服务质量。

本文开发了智慧居家养老服务质量的测量量表，对广东省养老企业相关人员及服务对象通过实地调研获取了609份有效调查问卷，采用G1法确定了智慧居家养老服务质量评价指标的主观权重，采用熵权法确定了智慧居家养老服务质量评价指标的客观权重，基于理想方案法计算了考虑主观赋权和客观赋权的组合权重，最终构建了智慧居家养老服务质量评价模型，对广州市智慧居家养老服务质量的现状进行了分析。

二、智慧居家养老服务质量理论模型构建

(一)现有理论模型的缺陷

SERVQUAL模型在服务质量评价方面具有里程碑式的作用，该模型提出了评价服务质量的5个维度和22题项的量表，采用“期望服务质量”减去“感知服务质量”来衡量服务质量的程度(Gronroos，1982)。[2]SERVQUAL模型在国内养老服务质量领域受到了广泛的推崇：章晓懿和刘帮成(2011)运用PZB服务质量模型建立社区居家养老服务质量模型；[3]陈树文和牟娉婷(2014)结合顾客感知的SERVQUAL评价量表，构建社区居家养老服务质量评价指标体系。[4]为了考察不同服务质量维度的重要性不同，后续学者在运用SERVQUAL模型时对不同的维度赋予不同的权重，然后进行加权平均确定顾客在评价企业服务质量时的基准，然后再对评价服务质量的具体数值进行计算。但是该方法受到了众多的质疑：第一，服务行业的划分。SERVQUAL模型将服务行业划分为高接触度服务、中接触度服务和低接触度服务，这种划分本身就有局限性，由此得出的模型无法说明不在上述范围之内的行业特性；第二，重复计算期望。因为这个期望可能是被调查对象在接受不同机构的多次服务后累积的期望，这就导致调查中获取的数据并不具有独有性；第三，行业适用性。由于SERVQUAL模型是基于电话维修、银行零售和保险业的调查基础上获得的，这就导致模型的行业普适性受到质疑。Carman(1990)研究发现：一些项目在不同类型服务提供商之间进行对比时发现无法归入同一部分，即SERVQUAL模型在不同行业之间应存在差异，不具有完全的适用性；[5]第四，SERVQUAL模型是一种事前研究，由于顾客的期望和感知在时间上具有很强的间断性，即顾客需要一段时间才能切身体会到消费服务质量。但是SERVQUAL模型在实际运用中则需要时间上的连续性来确保研究的开展。

另外，SERVPERF模型则通过直接测量客户的感知服务绩效来获取服务质量程度(Cronin和Taylor，1992)。[6]Rodrigues等(2011)通过对SERVPERF模型与SERVQUAL模型的相比发现，SERVPERF模型的服务质量评价结果更为可靠。[7]龚奇峰(2011)运用SERVPERF模型，针对上海教育行业进行服务质量评价研究。[8]梁雯和王媛媛(2015)则以SERVPERF模型为基础，利用问卷调查和探索性因子分析方法，针对快递行业服务质量进行了分析。[9]虽然说SERVPERF模型的实际操作性较强，但是由于服务质量受到的干扰因素较多，直接将客户感知服务绩效作为服务质量得出的结论也会偏离实际情况。同时，这种做法简单地认为所有服务质量维度之间的权重是相同的，忽视了不同服务质量维度之间存在着显著的差异，由此计算出来的养老服务质量是有偏误的。

(二)本文理论模型构建

由前文中的分析可知，SERVQUAL模型通过调查来确定每个维度在顾客心中的重要程度，对不同的维度赋予不同的权重，以此确定顾客在评价企业服务质量时的基准，然后再对评价服务质量的具体数值进行计算。计算模型如下：

其中，Q为顾客对企业总体服务质量的评价；n是服务质量的维度数量，Wj是对第j项服务质量维度所赋予的权重；Pi为顾客对第j项服务质量维度中第i个题项的实际感知的平均值，Ei是顾客对第j项服务质量维度中第i个题项的服务期望的平均值，m为题项数量。

SERVPERF模型采用直接比较法，通过发放调查问卷获得顾客评价打分数据，对数据直接进行加权平均，计算出企业服务质量的分数。具体模型如下：

整体而言，SERVQUAL模型存在重复计算期望的问题，而SERVPERF 模型则忽视了不同服务质量维度之间重要性差异。基于此，本文结合SERVQUAL模型的权重理念和SERVPERF模型的客户感知服务绩效理念，避免单独使用其中一种模型可能存在的缺陷。本文认为服务质量为∑各维度权重×各维度客户感知服务绩效。具体模型如下：

三、智慧居家养老服务质量量表开发

(一)构成维度提炼

已有的服务质量评价研究中，评价维度主要以SERVQUAL质量评价法为基础发展而来，包括有形性、可靠性、响应性、保证性和移情性5个维度，共22个评价题项。之后这一量表在零售业、酒店、网络商店等多种服务行业得到检验，都表现出良好的信度与效度。然而居家养老服务行业发展在我国仍处于探索阶段，相关研究十分匮乏。而智慧居家养老作为全球范围内的一次养老模式创新，居家养老的智慧养老系统的开发还处于试点和完善阶段，对智慧居家养老服务质量的评价维度无论在学界或业界尚属空白。这就需要先对其构成维度进行提炼，来保证智慧居家养老服务质量测量量表的有效性。为了使服务质量评价维度和题项更具适用性，本文主要利用深度访谈的方法对智慧居家养老系统的使用者进行定性研究，通过访谈深入理解消费者对智慧养老系统的使用情况和具体诉求，以保证概念和量表的有效性。经过对深度访谈资料的整理，本文将SERVQUAL理论模型中的“可靠性”和“保证性”合并为“可靠性”，将“回应性”改为“及时性”，同时还增加了一个新维度“易用性”，最终由5个维度构成，分别是有形性、可靠性、及时性、移情性和易用性。

(二)服务内容分类

按服务内容和项目分，居家养老服务包括家政服务、照护服务、康复护理、医疗保健、安全看护、心理慰藉等。第一，家政服务包含了安装维修服务、清洁厨具服务、管道疏通服务、日常清洁服务、代办服务等；第二，生活照护服务包含助餐服务、起居服务、助浴服务、助行服务、个人卫生清理服务等；第三，康复护理服务包含康复服务、睡眠质量检测和胜利数据检测等；第四，医疗保健服务包含在线医疗咨询、医疗协作服务、私人医生和健康数据管理等；第五，安全看护服务包含紧急救助服务、定位防走失、跌倒自动报警等；第六，精神慰藉服务包含精神支持服务、心理疏导服务等服务。这种嵌入式服务更能满足老年人的心理需求，养老护理中心一般设于社区内部或社区附近，拥有良好的地缘优势，为周边生活半自理、轻度失智、失能老人提供全天候护理照料。[10]智慧居家养老服务是在传统居家养老服务的基础上，引入云计算、大数据、互联网等技术进行的升级完善。智慧居家养老服务不仅对传统养老服务进行了改进，同时还增加了安全看护服务等内容。所以在测量智慧居家养老服务质量时，需要分别测量新增服务质量和传统服务质量两个方面。表1为智慧居家养老服务内容：

表1 智慧居家养老服务内容

(三)量表开发

本文采用Churchill(1979)提出的八个步骤进行量表开发工作：[11]第一步，通过相关文献的研究与借鉴与消费者深度访谈的结果分析，归纳概念的构成维度；第二步，在已有量表的基础上，结合定性访谈结果，发展题项集合，根据专家意见进行修改，生成初始测量题项；第三步，采取随机抽样法对初始量表进行预调研；第四步，对预调研数据进行内部一致性分析和探索性因子分析，删除效果欠佳题项，进一步归纳概念的构成维度，保证维度有效性，完成对初始题项的净化，形成正式调研的问卷；第五步，采取随机抽样法对正式问卷进行大规模调研；第六步，针对第五个步骤所收集的新样本数据进行信度再评估；第七步，进行效度评估，检测量表的题项是否是被测概念的代表性样本，检验量表是否能够真实测量被测概念的程度；第八步，生成具有良好信度和效度的智慧居家养老服务品质测量量表。具体的量表开发内容如表2所示：

表2 初始量表开发

(四)测量题项的净化

本研究遵循Churchill(1979)推荐的一般程序进行测度题项净化。本文采用Likert 7点量表形式，请受访者对每个题项的描述按照非常不同意、不同意、有点不同意、一般、有点同意、同意和非常同意做出1～7分的标记。向广州市接受智慧居家养老服务的老年人发放问卷，预调研共发放问卷700份，回收有效问卷609份，有效回收率为87%。需要说明的是，部分老人认知能力可能存在问题，本研究采用了认知能力测试表(CASI)对老年人进行了测试，测试最高得分为30分，当测试得分大于20分时代表老年人认知正常，而小于20分时则代表认知存在问题。本文仅选择认知正常的老年人作为调查对象。

表3为内部一致性信度分析结果，从表中可知除了E1之外，其余22题项的CITC值均在0.637～0.828之间，全部高于标准值0.5。智慧居家养老服务质量的5个维度有形性、可靠性、及时性、移情性、易用性的Cronbach α系数分别是0.907、0.917、0.857、0.836、0.907，远高于最低标准0.70。E1的CITC值为0.42，小于0.5，并且删除E1后移情性的Cronbach α系数得到明显升高，因此本文删除了题项E1。除此之外，本文计算出智慧居家养老服务质量的各个维度的组成信度在0.842～0.919之间，满足Barclay等(1995)、[12]Hairs等(1998)提出组成信度应大于0.7这一标准。[13]Cronbach α系数和组成信度的计算结果表示，本研究中开发的智慧居家养老服务质量量表具有良好的内部一致性信度。

表3 内部一致性信度分析结果

本文采用探索性因子分析(EFA)来检验智慧居家养老服务质量量表的结构效度。借鉴Straub(1989)所倡导的方差最大化正交旋转法，[14]以特征值1为标准，对量表进行探索性因子分析。表4为探索性因子分析的结果，所有题项的KMO值为0.936，大于0.5，远高于Kaiser(1974)提出的标准，[15]这说明正式调研的数据非常适合进行因子分析。通过提取特征值大于1的因子，共得到5个因子，累计方差解释率达到74.4%，这与本文假设智慧居家养老服务质量包含5个维度相一致，初步证明了假设维度的准确性。表5中列出各个题项的负载系数，以大于0.5为标准截取，22个题项都负载到相对应的维度上，并且没有出现交叉负荷的情况，说明智慧居家养老服务质量的5个维度之间具有较好结构性效度。

表4 探索性因子分析结果

本文采用验证性因子分析(CFA)来检验智慧居家养老服务质量量表的收敛效度，采用LISEL8.7对正式调研数据进行结构方程建模，分析结果见表5和图1。从表5中的分析结果可知，本研究中智慧居家养老服务质量各题项的标准化负荷系数值在0.72～0.88之间，全部超过0.70这一标准(Barclay等，1995；Hairs等，1998)。所有题项的T值在19.67～27.13之间，远高于1.96，说明在P<0.001的条件下，每个题项对相应维度的负载具有很强的显著性。本文还计算了智慧居家养老服务质量每个维度的平均方差提取量(AVE值)，均在0.640～0.710之间，高于最低标准0.5，这说明各维度的测量具有较好的收敛效度。

表5 收敛效度分析结果

续表5

潜变量名称观测变量代码标准化因子负荷T值标准化误差项平均方差提取量(AVE)RPRP10．7922．120．58RP20．7219．670．69RP30．8022．400．69RP40．8022．560．480．606EE20．8021．870．82E30．7821．370．81E40．8222．590．640．640EUEU10．8424．970．43EU20．8827．130．28EU30．8224．180．51EU40．8324．640．390．710

图1 一阶验证性因子分析模型

χ2dfχ2/dfGFIIFINFICFIRMSEASRMR906．651994．560．880．980．970．980．0760．048

图1给出了验证性因子分析的模型拟合情况。近似误差均方根RMSEA为0.076，小于标准0.08(Steiger，1990)，[16]并且RMSEA值对样本数量的多少不敏感，对错误模型比较敏感，是很理想的拟合指数，这一指数达标说明智慧居家养老服务质量的一阶因子模型拟合情况良好。Marsh和Balla(1994)认为标准化残差均方根SRMR比残差均方根RMR所受样本容量影响较小，[17]因此本研究中选择以SRMR值考察模型的拟合程度。拟合结果显示SRMR值为 0.048，小于标准0.08(Hu和Bentler，1998)，[18]说明一阶因子模型拟合情况良好。此外，绝对性拟合度指标GFI值为0.88，略低于标准值0.9，由于绝对性拟合指数在不同情况下会出现不同程度的误差，因此GFI值接近0.9是可以被接受的。比较性拟合指标χ2/df值为4.56，符合大于2小于5的标准。其他相对拟合指数IFI、NFI、CFI值分别为0.98、0.97、0.98，全部达到0.9这一标准(Bentler，1992)。[19]以上拟合指数表明，本研究中智慧居家养老服务质量的概念模型与数据契合良好，说明本文所开发的5个服务质量维度具有良好的收敛效度。

本文采用Fornell和Larcher(1981)提出的方法对智慧居家养老服务质量测量量表的区别效度进行检验。[20]表6为区别效度的分析结果，5个服务质量维度AVE绝对值的平方根以及各维度间相关系数的绝对值。各维度AVE绝对值的平方根介于0.778～0.843之间，各维度间相关系数的绝对值则介于0.30～0.70之间，说明5个维度AVE绝对值的平方根全部大于各维度间相关系数的绝对值，说明有形性、可靠性、及时性、移情性、易用性等具有良好的区别效度。

表6 区别效度分析结果

四、智慧居家养老服务质量评价模型研究

(一)指标权重计算方法

第一，主观赋权法选用“G1法”。G1法是在特征值法基础上改进而来，主要依据专家对指标重要性程度的评价赋予具体分值，进一步计算出各指标相对应的权重。该方法简单实用，计算量较小，不需要构造判断矩阵，也不限制指标集的规模，得出的指标权重准确性较高。由此可见，相对于现阶段常用的主观权重计算方法“模糊综合评价法”而言，G1法可以弥补上述方法的不足，同时可操作性较强。

第二，客观赋权法选用“熵权法”。基于资讯论的原理，资讯是用来度量有序的程度，熵可以较好的度量随机事件的无序性和不确定性。熵权法根据指标变异性的大小来确定权重，如果某一个指标的资讯熵越大则表明该指标的变异程度越小，提供的信息量也越小，其权重自然也就越小。由于决策规则稳定，熵权法可以适用于任何评价问题中的指标权重，具有较高的精度和较强的客观性。由此可见，相对于现阶段常用的客观权重计算方法“粗糙集评价法”，熵权法有着无可比拟的优势。

第三，主客观综合赋权采用“理想方案法”。传统的研究在主客观赋权时分别赋权0.5∶0.5。这种赋权方法存在以下两点弊端：第一点，未考虑实际数据之间的差异性，简单的认定主观赋权和客观赋权是相等的。然而在现实中，应该对差异比较大的指标赋予较大的权重，而对差异较小的指标可以赋予较小的权重。另外，这种方法单纯从指标加权最大化来判断方案的优劣，并不能体现出实际值和理想值之间的贴近程度；第二点，这种赋权方法往往是事先就已经确定好的，根本没有切实的反应客观数据的差异。因为客观数据的改变会造成权重的变化，只有全面考虑客观数据现状的方法才较为合理。

基于此，本文将分别采用G1法和熵权法来计算评价指标的主观权重和客观权重，采用基于理想方案法来对主客观权重进行综合赋权，最终确定智慧居家养老服务评价指标的具体权重。

(二)指标权重计算方法

1.G1法权重计算

G1法根据有关专家对各项指标重要程度的评估赋予各指标相应的分值，然后根据计算定理得出与各指标相适应的权重。根据G1法的计算逻辑，在此以5个维度的权重计算为例。

第一步，专家根据G1法确定准则层的顺序关系，即对智慧居家养老服务质量的有形性(T)、可靠性(RL)、及时性(RP)、移情性(E)和易用性(EU)进行排序。这5个维度的重要性如下：

可靠性(RL)> 及时性(RP)> 移情性(E)> 易用性(EU)> 有形性(T)

为了便于后续的推导，在此本文假设可靠性(RL)为X1、及时性(RP)为X2、移情性(E)为X3、易用性(EU)为X4、有形性(T)为X5，重要性维度即变为：

X1>X2>X3>X4>X5

第二步，专家给出相邻两个维度Xk-1与Xk之间重要性程度之比rk的理性赋值。其中，可靠性X1与及时性X2重要性程度之比为r2，及时性X2与移情性X3重要性程度之比为r3，移情性X3与易用性X4重要性程度之比为r4，易用性X4与有形性X5重要性程度之比为r5。专家给定的重要程度之比具体数值为：

具体计算可知：

综上所述，有形性(T)的权重为0.107278，可靠性(RL)的权重为0.346035，及时性(RP)的权重为0.216272，移情性(E)的权重为0.180227，易用性(EU)的权重为0.150189。同理，按照上述的计算思路可以计算出各维度下指标的权重。

2.熵权法权重计算

按照熵权法的原理，某个评价指标所反映出的信息量越大，则在评价中所扮演的角色越重要，不确定性越小。此时，赋予该指标的权重应当越高，所对应信息熵的数值就越小。根据熵权法计算权重的思想，同样本文以5个维度的权重计算为例。

第一步，计算出第i个受调查人第j个准则层的隶属度比重fij，具体公式如下：

其中，xij为第i个受调查人对第j个准则层的重要性打分；i=1，2，…，m；j=1，2，…，n。

第二步，定义第j个准则层的熵值EWj，具体公式如下：

其中，EWj为第j个准则层的熵值；k=1/lnm；i=1,2,…，m；j=1,2,…，n。

第三步，定义第j个准则层的熵权γj，具体公式如下：

第四步，基于熵权法的计算原理，采用调研获得的一手数据计算出5个维度的熵权。经过计算可知，有形性(T)的权重为0.091740，可靠性(RL)的权重为0.452246，及时性(RP)的权重为0.191026，移情性(E)的权重为0.147510，易用性(EU)的权重为0.117479。同理，按照上述的计算思路可以计算出各维度下指标的权重。

3.基于理想方案法组合权重的计算

前文分别采用G1法和熵权法计算了主观权重和客观权重，本节主要是计算主观赋权和客观赋权各自应该占有的比重。

μj=α×ρj×δj

其中，μj为第j个指标的组合权重；ρj为主观权重；δj为客观权重；α和β分别为主观权重系数和客观权重系数。

基于此，借鉴迟国泰等(2009)的思想，本文拟采用理想方案法来计算主、客观的权重。基本的步骤如下：

第一步，构建理想方案：

第二步，计算现实方案和理想方案的加权距离：

其中，di为现实方案与理想方案的距离，di=0时该现实方案记为理想方案。

第三步，构建线性规划模型：

其中：α,β>1

第四步，采用Lagrange函数的最优解来求得α和β的唯一解：

进而可以推导出α*和β*，具体公式如下：

进而，计算出最优主观权重系数α*和最优客观权重系数β*：

α*=0.510917

β*=0.489083

由此可知，组合权重的计算公式为：

μj=0.510917×ρj+0.489083×δj

经过整理将基于理想方案的组合权重计算出来，具体如表7所示。

表7 基于理想方案组合权重的计算结果

续表7

准则层指标层G1法主观权重ρ熵权法客观权重δ组合权重μ可靠性(RL)RL10．0985080．0740850．086563RL20．0820900．0634670．072982RL30．0513060．0619050．056490RL40．0513060．0638690．057450RL50．0366480．0813580．058515RL60．0261770．1075610．065981及时性(RP)RP10．0772240．0444660．061203RP20．0643530．0400860．052484RP30．0459660．0328060．039530RP40．0287290．0301510．029424移情性(E)E20．0780360．0564260．067467E30．0557400．0660440．060780E40．0464500．0685560．057262易用性(EU)EU10．0566820．0327090．044957EU20．0404870．0267720．033779EU30．0289200．0234260．026233EU40．0241000．0345710．029221

(三)评价模型构建

前文中计算出基于理想方案的组合权重，从而得到智慧居家养老服务质量的评价公式为：

公式中，SQ为智慧居家养老服务质量评价得分；μij代表第i个维度第j个题项的权重；Pij第i个维度第j个题项的调研得分。展开后可以表示为：

上述公式为智慧居家养老服务质量的评价模型，本文将实地调研的数据代入模型中，分析现阶段智慧居家养老服务质量的现状。

(四)广州市智慧居家养老服务质量的现状分析

本文利用针对智慧居家养老客户调研结果，对广州市智慧居家养老服务质量进行测评。首先计算各题项的平均得分和各质量维度对应的得分，最后计算出智慧居家养老服务质量的总得分，如表8所示。

本文从以下两个角度对质量评价结果进行分析：

表8 广州市智慧居家养老服务质量现状指标

图2 分维度服务质量评价得分图

第一，从服务质量各个维度的角度分析，有形性(T)、可靠性(RL)、及时性(RP)、移情性(E)、易用性(EU)的平均值分别为4.78、5.45、5.32、4.56、5.34，图2为分维度智慧居家养老服务质量得分图。从图中可知，消费者对现阶段市场上提供的智慧居家养老服务质量最满意的是可靠性(RL)方面，其次是易用性(EU)和及时性(RP)，最差是有形性(T)和移情性(E)。由于在满意调查中本文采用的是7级量表，这一结果表明消费者对可靠性(RL)方面基本达到“满意”，对智慧居家养老服务的易用性(EU)和及时性(RP)方面达到“有点满意”，对服务有形性(T)的满意程度在“一般”与“有点满意”之间，对服务移情性(E)方面的评价最差，相当于“一般”的评价水准。5个质量维度都远未达到让消费者感到“非常满意”的程度，仍具有较大提升空间。在深度访谈中，很多老人就曾提到许多服务不适合自己。一方面是钱花出去了，很多服务似乎与自己关系不大，觉得有些服务自己根本用不上；一方面对很多服务项目的可选余地较小，餐饮配菜就是个例子。有形性的5个题项中，在“监控监测设备完善技术先进”和“有完善的休闲娱乐设施”两个题项的得分达到有点满意，而在服务人员和餐饮提供的有形性问题上存在较大不足，说明现阶段智慧居家养老机构在设备和技术硬体表现上获得了消费者的认同与信心，需要对人员形象等做出改进，也就是对“面子工程”做出一定投资。

第二，从服务质量整体得分的角度分析，智慧居家养老机构在本研究开发的服务质量评价模型中测试结果为5.18分，相当于“有点满意”的评价水准，说明广州市智慧居家养老整体服务质量仍然处在起步阶段。想获得顾客忠诚，使顾客进行重复购买、自发口碑等行为，获得更多的顾客和利润，目前的服务质量水准必须有长足的进步，满意水准需要达到6以上才有可能将满意顾客转化为忠诚顾客。5个服务质量维度权重从高到低依次为可靠性(RL)>移情性(E)>及时性(RP)>易用性(EU)>有形性(T)，表明在智慧居家养老服务行业中，消费者最为重视服务的可靠性(RL)，最不重视养老服务的有形性(T)。从权重数值上看，可靠性(RL)维度在所有维度中占比重最大，占比接近一半，说明改进服务可靠性对整体服务质量评价的提升最为有效。例如增加监测健康指标的数目，提供更全面的健康预警系统；组织老人及其家人进行常规医疗操作演习等。提升整体服务质量的另一个关键是推动智慧居家养老定制化，权重计算结果表明服务移情性的重要程度仅在可靠性(RL)之后，排名第二位，这说明随着消费者物质生活水准的提高，老年人对服务产品的要求不再局限于经济性，能否满足养老服务市场的定制化需求是提升整体服务质量的新路径。从评价结果上看，移情性(E)的平均值在所有维度中排位最低，说明现阶段智慧居家养老机构在按照个体需求特点提供定制服务这一环节上最为薄弱，相应地移情性(E)维度的重要性较高意味着通过改进服务质量的移情性(E)方面能够有效提升整体服务质量。例如为每个老人建立详细的客户数据库，记录从饮食口味、颜色偏好到性格特点等特征，为老人打造真正适合的服务项目。访谈中有位老人表示他非常不喜欢黑色的衣服、家居等，看起来就很没有生气，他的子女来看望他不可以穿黑色的衣服。而服务人员在没有数据支持的情况下很难满足类似的客户要求。智慧居家养老服务比普通居家养老服务在资讯技术支援上更有优势，大力提升服务移情性(E)无疑是智慧居家养老服务未来的发展方向。

五、研究结论

本研究以养老服务行业为研究背景，以智慧居家养老这一新兴养老模式为切入点，构建智慧居家养老服务质量的评价体系。与传统养老服务的概念不同，智慧居家养老服务包括居家养老和智慧养老，是居家养老与互联网、物联网发展相结合而产生社会化养老的新趋势。然而通过以往文献的梳理可以发现，对养老服务质量的研究已然匮乏，对智慧居家养老服务质量的研究基本空白。本文综合采用了定性研究和定量研究相结合的方法，以广州市智慧居家养老产业为例，构建了我国智慧居家养老服务质量评价模型，分析广州市智慧居家养老服务质量的现状。具体的研究结论有以下三方面：第一，从有形性、可靠性、及时性、移情性和易用性等5个维度出发，构建的智慧居家养老服务质量量表，通过信度检验和效度检验发现量表较为可靠；第二，采用G1法计算出的5个维度权重分别为0.107、0.346、0.216、0.180和0.150，采用熵权法计算出的5个维度权重分别为0.092、0.452、0.148、0.191和0.117，最后采用理想方案法计算主观权重和客观权重的比重分别为0.511和0.489；第三，构建了智慧居家养老服务质量评价模型，并对广州市服务质量进行了评价，研究发现服务质量维度排序由高到低分别为可靠性、易用性、及时性、有形性和移情性。

本文的主要贡献在于：第一，采用文献研究法和专家访谈法提炼智慧居家养老服务质量的构成维度，构建了智慧居家养老服务质量理论模型，开发了具有良好信度和效度的智慧居家养老服务质量量表；第二，采用G1法确定了智慧居家养老服务质量评价指标的主观权重，采用熵权法确定了评价指标的客观权重，基于理想方案法对主观权重和客观权重进行了组合赋权，在此基础上构建了智慧家居养老服务质量评价模型；第三，采用智慧居家养老服务质量评价模型对广州市服务质量进行了评价，采用单因素分析法和回归分析法检验了不同维度之间服务质量的差异，探索了个人特征对服务质量的影响差异。通过建立智慧居家养老服务质量评价体系，促进服务体系的建设，从而推动智慧居家养老服务商业模式的健康发展，“打造真正意义上的‘没有围墙’的养老院，让老人足不出户就能获得各项生活帮助”。[21]

[1]刘晓梅、孙苗苗：《多元化视域下社会组织在养老服务体系中的角色浅析》载《社会保障研究》，2016(6)。

[2]Gronroos C..Marketing in Service Companies.Malmo:MalmoLiber.1982.

[3]章晓懿、刘帮成：《社区居家养老服务质量模型研究——以上海市为例》，载《中国人口科学》，2011(3)。

[4]陈树文、牟娉婷：《基于模糊综合评价法的城市社区居家养老服务质量评价研究——以大连市沙河口区为例》，载《教育教学论坛》，2014(41)。

[5]Carman J M.Consumer perceptions of service quality:an assessment of the SERVQUAL dimensions.JournalofRetailing,1990，66(1):33- 55.

[6]Cronin J J,Taylor S A.Measuring service quality:A reexamination and extension.JournalofMarketing,1992,56(7).

[7]Rodrigues L L R,Barkur G,Varambally K V M,et al.Comparison of SERVQUAL and SERVPERF metrics:an empirical study.TheTQMJournal,2011,23(6):629-643.

[8]龚奇峰：《教育服务品质、学员满意度和忠诚度:SERVQUAL还是SERVPERF?——来自上海教育服务行业的证据》，载《中国软科学》,2011(2)。

[9]梁雯、王媛媛：《基于SERVPERF模型的我国快递行业服务质量评价指标体系研究》，载《重庆理工大学学报(社会科学)》2015(3)。

[10]胡宏伟、汪钰、王晓俊、张澜：《嵌入式养老模式现状、评估与改进路径》，载《社会保障研究》，2015(2)。

[11]Churchill J G A.A paradigm for developing better measures of marketing constructs.Journalofmarketingresearch,1979.(1):64-73.

[12]Barclay D,Higgins C,Thompson R.The partial least squares(PLS)approach to causal modeling:Personal computer adoption and use as an illustration.TechnologyStudies,1995,2(2):285-309.

[13]Hairs J F,Anderson R E,Tatham R L.Multivariate data analysis.Englewood Cliffs,NJ:PrinticeHall.1998.

[14]StraubDW.ValidatinginstrumentsinMISresearch.MISQuarterly,1989,147-169.

[15]Kaiser H F.(1974).An index of factorial simplicity.Psychometrika,1974,39(1):31-36.

[16]Steiger J H.Structural model evaluation and modification:An interval estimation approach.Multivariatebehavioralresearch,1990,25(2):173-180.

[17]Marsh H W,Balla J.(1994).Goodness of fit in confirmatory factor analysis:The effects of sample size and model parsimony.QualityandQuantity,1994,28(2):185-217.

[18]Hu L,Bentler P M.Fit indices in covariance structure modeling:Sensitivity to under parameterized model misspecification.Psychologicalmethods,1998,3(4):424.

[19]Bentler P M.On the fit of models to covariance and methodology to the Bulletin.Psychologicalbulletin,1992,112(3):400.

[20]Fornell C,Larcker D F.Structural equation models with unobservable variables and measurement error:Algebra and statistics.Journalofmarketingresearch,1981,18(3):382-388.

[21]温海红、王怡欢：《社区养老服务政策效果评价体系构建及其应用》，载《社会保障研究》，2017(1)。

(责任编辑：H)

Evaluation of Home-Based Elderly Care Service Quality in Guangzhou

YANG Bo LIN Yuming CHOU JianZhong

The problem of social aging has become a global problem.As a new elderly care model,intelligent home care will play an important role in the cause of home-based care for the aged.There ia still no theoretical research on the evaluation of the quality of the home-based care service and there is an urgent need for an effective service quality evaluation system in the practical circle.Taking Guang zhou as an example,this paper tries to develop an intelligent quality scale on home-based care service,and establish a quality evaluation model of intelligent home-based care service,trying to promote the healthy development of intelligent care for the aged.

intelligent home-based care for the aged，service quality evaluation，theoretical model，scale development

* 本研究获得教育部重点研究基地重大项目“社会保障基金与偿付能力管理研究”(项目批准号：16JJD840011)资助和国家哲学社会科学基金项目“健全社会保障管理体制和经办服务体系研究”(课题编号：14BSH108)资助。