大型保障性社区公共服务满意度评价—以南京花岗社区为例

■ 陈红霞 张 波 李德智

近年来，中国大规模推进了保障房安居工程建设。“十二五”期间，全国累计开工建设城镇保障性安居工程4013万套、基本建成2860万套，超额完成开工建设3600万套的任务。在推进保障房建设的实践中，各地呈现出一些相似的特征，如大多选址在城市边缘区域，大规模集中建造保障房。由于新建保障房位置偏远，公建配套设施尚不够完善，设施配置与居民需求不相匹配。

笔者整理相关文献发现，国内大型保障性社区相关研究成果未见针对大型保障性社区公共服务的系统性研究。本文将运用满意度理论，建立适用于我国大型保障性社区公共服务满意度评价的模型，找出影响住户满意度的主要影响因素。

一、满意度评价模型（Satisfaction Index of Public Services模型，简称SIPS模型）

大型保障性社区满意度评价模型目的在于了解住户对大型保障性社区公共服务的满意程度，以期优化公共服务供应，提高社会保障效果。本文构建了适用于大型保障性社区公共服务满意度评价的SIPS模型，由结构模型和观测模型组成。建立结构模型的主要工作是选出影响住户满意度的结构变量，并对他们之间的相互关系作出假设。结构模型中的结构变量取值无法直接测得，需要一定数量的可以直接测量的观测变量来间接获得。

（一）结构变量的选取

顾客满意度模型的结构变量可分为前因变量、中心变量和结果变量。本文选取“住户满意”作为大型保障性社区SIPS模型的中心变量。

前因变量中出现频率最高的是顾客期望、感知质量、感知价值。大型保障性社区公共服务，更多体现的是社会公益性，故采用“住户期望”结构变量。大型保障性社区公共服务主要可分为硬件设施和服务功能两大类。本文选取“感知硬件质量”和“感知软件质量”作为感知质量结构变量。由政府主导提供的社区公共服务，虽然也需要财政投入，但更多体现的是其社会属性，在评价过程中应突出感知质量对住户满意的影响，弱化其价格（价值）感知的影响。因此，SIPS模型的前因变量为“住户期望”“感知硬件质量”和“感知软件质量”。

顾客满意度评价模型的结果变量中通常包含“顾客抱怨”和“顾客忠诚”两个变量。邹凯在研究中选取了“社区形象”作为公众满意的结果变量，认为公众满意后，会对社区在公众心目中的形象有所提升。本文亦选取“社区形象”作为住户满意的另一个结构变量。此外，在公共服务研究领域，尤其是对于大型保障性社区的住户，其能申请到保障性住房已属不易，因对社区公共服务不满意而放弃享受住房保障的可能性较低，因此采用“住户信任”来代替“顾客忠诚”，作为住户满意的另一个结果变量。

（二）结构变量的关系

由于住户期望会追溯到以往享受过的公共服务的经历，住户期望显然会对公共服务的累积评价具有直接的正影响，而住户满意即是累积评价的一种表现形式，即住户期望对住户满意有直接正影响。此外，Howard在ACSI模型相关研究中，认为顾客期望可以准确地反映现阶段的产品质量，可以对他们即将购买的产品质量作出预测，即顾客期望对感知质量具有直接正影响。基于住户期望与顾客期望的相似之处，本文亦假设住户期望对感知硬件质量和感知软件质量也有直接正影响。

大型保障性社区SIPS模型图

公共服务的硬件质量是软件质量的前提条件，只有合理配置了一定规模的硬件设施，再辅以相应的软件条件，如人力、管理、监督等，才能让住户享受到满意的社区公共服务。另外，本文假设感知硬件质量和感知软件质量对中心变量住户满意具有直接正影响，即感知硬件质量和软件质量越高，住户满意将增加，反之则减少。

住户满意增加，住户对社区形象的评价会越高，代表其对社区现状的认同度越高，则住户对社区的信任程度越高，对其未来的发展信心越强，反之亦然。本文假设住户满意对社区形象和住户信任均有直接正影响，住区形象对住户信任有直接正影响。住户信任是本模型的最终结果变量，是提高住户满意度的最终目标。

（三）大型保障性社区SIPS模型

通过分析国外经典模型的构建思想和国内外相关论文的实践研究，再结合大型保障性社区SIPS评价的实际特点，本文建立了大型保障性社区SIPS模型，包括结构变量和观测变量，模型图如图1所示，结构变量及观测变量的关系如表1所示。

对大型保障性社区运用SIPS模型进行评价的主要流程包括：1.数据搜集与处理（采用实地调研法对住户进行深度访谈，并对访谈数据进行处理）。2.SIPS模型计算（通过迭代算法求出权重系数、路径系数和路径系数等参数值）。3.SIPS模型检验。4.满意度计算和结果分析。

二、实证分析

（一）案例介绍

本文选择南京花岗大型保障性社区为研究对象。该社区位于南京市城东麒麟科技创新园北部，地属栖霞区马群街道，距南京商业中心新新街口12公里，距南京火车站约17公里，距南京南站约16公里，地理位置较为偏远。花岗保障房地块建筑面积163万平方米，安排了各类保障性住房约1.7万套。

社区内规划配建4所幼儿园、3所小学、1所中学和社区中心、社会停车场、加油站、消防站、公交首末站、社区综合楼、医院、养老院，以及商业设施、办公楼等配套设施，中花岗配套地块还将配建游泳馆、体育馆、文化馆、科技馆、培训中心等。引进南京一中等名校分校，通过市级甲级医院与社区卫生中心定点帮扶。2014年5月，该项目顺利通过了住房城乡建设部“国家康居示范工程”验收。

（二）实证结果

本次实证调研采取问卷调查的形式，问卷包括背景调查、社区公共服务需求调查和居民满意度调查三部分。研究调研样本89人，性别分布较为均衡，年龄段主要以25～55岁的青年、中年人群为主，对医疗等公共服务依赖性较强的老年人群也占有近20%的比例。在学历水平方面，调查对象的整体学历较低，超过半数受访者仅有中专/高中及以下学历水平，具有本科及以上学历水平的受访者不足10%。学历水平相对应的是受访者的工作职业和月均收入，70%左右的受访者为基层工作人员，50%的受访者收入未达到个税起征点，且其中有一半月均收入在1500元以下，还有15%的受访者处于失业或待业状态。总体而言，所选取的调查对象具有较强的代表性，涵盖了大型保障性社区的各类人群，保证了此次满意度调查的科学性和合理性。第二部分社区公共服务需求调查，通过5个问题来了解大型保障性住区住户对所居住的社区公共服务的知晓情况、使用频率、种类需求偏好以及明确亟待改进的服务类别，为第三部分住户公共服务满意度调查奠定基础，提高本次问卷调查数据的有效性和科学性。第三部分居民满意度调查运用里克特量表，针对前述共20个观测变量进行打分，每个问题只选择一个0～4之间的一个分值。打分时，正向感觉打高分，负向感觉打低分。

本次实证研究采用SmartPLS软件对调研数据进行计算分析，采取路径加权方式，最大迭代循环次数设置为300次（软件默认值）。最终，通过7次迭代完成模型计算。通过检验，观测指标能较好的解释其对应的结构变量，故而本模型的观测模型检验合格。权重系数结算结果详见表2。

表2 结构变量指数得分与观测变量分值

（三）满意度指数计算与分析

结构变量分值计算公式为：

其中，ηi为结构变量，yij为该结构变量对应的第j个观测变量得分，t为该组观测变量的个数，λij为第i个观测变量对应的权重。

住户满意指数计算公式为：

其中，E[ηi]为住户满意得分均值，min[ηi]为最小分值，max[ηi]为最大分值。采用百分制指数来表示结构变量分数值（介于0～100），指数值为60～70时表示基本满意，70～80表示较满意，80～90表示很满意，90～100表示非常满意。

根据满意度模型计算所得各观测变量权重系数和市场调查所得各观测变量得分，可得每一个结构变量的指数得分，如表2所示。

（四）结构变量指数得分分析

1.住户满意度指数为62.70分，说明大型保障性社区住户对社区公共服务满意度水平基本达标。但是，住户期望水平（54.30分）并不是很高，可能是因为住户以前并没有享受过较优质的公共服务，对现有大型保障性社区公共服务的期望值较低。

2.感知硬件质量是本次满意度评价研究中得分最低的结构变量（41.35分），对感知硬件质量影响程度最大的三个变量的得分均值都小于2，故这三项观测指标急需改进，尤其是社区公共服务供应的及时性，迫切需要改进，以提高感知硬件质量的满意度。

3.感知软件质量结构变量的满意度评价得分相对较高（56.20分），是住户满意得分能达到基本满意水平的主要原因。公共服务的响应速度（y23）和监督管理（y24）所占权重相对较高，但满意度水平未达标，亟需改进。住户对现有公共服务所提供的服务项目以及服务人员的态度较为满意。但需要指出的是，仍有大量公共服务未投入使用，公共服务的供给与管理主体需继续完善服务功能、改善服务态度，才能提高感知软件质量满意度得分。

4.社区形象结构变量的满意度评价得分较低，仅为41分。公共服务改善程度（y43）是拉低社区形象得分的最主要因素。住户投诉虽然比较便利，但其投诉后社区公共服务的改善程度难以让住户满意，甚至没有任何改善措施，导致住户对社区形象极为不满。因此，该社区应加快完善社区公共服务的投诉整改机制，切实提高住户对社区的形象感知。