提取方法主成分分析法结果变量公众信任的因子分析从表中可以看出，公众信任的值为，接近，适合做因子分析。表和的检验取样足够度的度量的球形度检验近似卡方自由度显著性概率从表中可以看出，三个问项成功萃取出个因子特征根大于，且因子荷重都大于，符合研究的要求。表公众信任的因子负荷衡量问项因子公众信任公众信任公众信任累计解释总体方差变异提取方法主成分分析法变量相关分析相关分析是种常见的用于研究变量之间密切程度的统计方法。相关关系是指两类现象在发展变化的方向与大小方面存在定的关系，但不能确定这两类现象之间哪个是因哪个是果。本文采用相关分析法，对排水企业形象公众期望感知质量感知价值公众满意度及公众信任进行了相关分析，如表所示。表各变量的相关分析表因子排水企业形象公众期望感知质量感知价值公众满意度公众信任排水企业形象相关性显著性双侧样本量公众期望相关性显著性双侧样本量感知相关性质量显著性双侧样本量感知价值相关性显著性双侧样本量公众满意度相关性显著性双侧样本量公众信任相关性显著性双侧样本量注表示在的水平双侧上显著相关。从表中的结果可以看出，不仅在自变量和因变量之间存在明显的相关关系，在各自变量之间也存在定的相关关系。这些相关关系结果及分析如下。排水企业形象和公众期望的相关系数是，显著性概率，相关系数是显著异于的，两者显著相关。排水企业形象和感知价值的相关系数是，显著性概率，相关系数是显著异于的，两者显著相关。排水企业形象和公众满意度的相关系数是，显著性概率，相关系数是显著异于的，两者显著相关。排水企业形象和公众信任的相关系数是，显著性概率，相关系数是显著异于的，两者显著相关。公众期望和感知质量的相关系数是，显著性概率，相关系数是显著异于的，两者显著相关。公众期望和感知价值的相关系数是，显著性概率，相关系数是显著异于的，两者显著相关。感知质量和感知价值的相关系数是，显著性概率，相关系数是显著异于的，两者显著相关。感知质量和公众满意度的相关系数是，显著性概率，相关系数是显著异于的，两者显著相关。感知价值和公众满意度的相关系数是，显著性概率，相关系数是显著异于的，两者显著相关。公众满意度和公众信任的相关系数是，显著性概率，相关系数是显著异于的，两者显著相关。对于各变量之间的具体因果关系将通过下面的回归分析来说明。回归分析与假设检验相关分析可以说明各因素之间是否存在关系以及关系的紧密度与方向，回归分析则可进步指明关系的方向，可以说明因素之间是否存在因果关系，本部分采用强制回归分析对模型中变量的前后因果关系进行验证。多重共线性异方差和序列相关问题在进行多元线性回归分析之前，必须先检验数据是否符合线性回归分析的前提假设，这样建立的回归模型才是合适和有效的。回归的前提假设和检验方法分别有线性趋势观察残差的散点图正态分布观察残差的直方图与累积概率图误差项的独立性统计值方差齐性和无多重共线性容许度和。下面对后三个条件进行介绍。多重共线性多重共线性是指变量之间存在近似的线性关系，即个自变量能近似的用其他的自变量的线性函数来描述，当共线性趋势非常严重时会对模型的拟合带来严重的影响张文彤。在中自变数间是否有多重共线性，可以通过三个主要数据加以判别。容忍度容忍度的值介于至间，如果个自变数的容忍度太小，表示此变数与其它自变数间有共线性问题。变异数膨胀因素，变异数膨胀因素为容忍数的倒数，的值愈大，表示自变数的容忍度愈小，愈有共线性问题。经验判断方法表明当，不存在多重共线性，存在较强的多重共线性当≧，存在严重多重共线性何晓群刘文卿，。条件指数，条件指数为最大特征值与个别特征值比例的平方根。值愈大，愈有共线性问题，条件指标如果在以上，则表示可能有多元共线性问题，条件指标如果在以上，则表示有严重的共线性问题。方差齐性方差齐性是指对自变量的任组合因变量的方差均相同。异方差问题是指随着解释变量的变化，被解释变量的方差存在明显的变化趋张文彤统计分析，北京，科学出版社，势，不具有常数方差的特征马庆国，。如果出现异方差，则回归分析的结果不再具有无偏有效的特点。序列相关序列相关自相关是指随着不同编号的样本值之间存在相关关系。可以通过计算回归模型中的值值来检验模型的序列相关问题。若值接近于，则表示误差项之间不存在自我相关现象。张文彤指出如果只是建立方程，探讨自变量与因变量间的关系，而无须根据自变量的取值预测因变量的容许区间可信区间等，则方差齐性和正态分布这两个条件可以适当放宽张文彤，。因此本文的回归分析中主要通过多重共线性和误差项独立序列相关来检验数据是否适合做回归分析。排水企业形象与公众期望回归分析根据研究假设排水企业形象对公众期望具有直接正向影响。因此以排水企业形象为自变量，公众期望为因变量进行回归分析。相应的回归方程为。其中为公众期望为排水企业形象为常数为排水企业形象系数。表是排水企业形象对公众期望回归分析的模型总体参数和方差分析表，从表中可以看出，复相关系数为，调整后的判定系数为，表明已解释变差占总变差的，且值为，统计值的显著性概率为，总体回归效果显著。另外，回归模型中值为，非常接近于，所以不存在严重的阶序列相关问题。表排水企业形象对公众期望的回归总体效果复相关系数判定系数校正后的判定系数值显著性表是排水企业形象对公众期望的回归系数及显著性检验的计算结果，从表中可以看出第，常数项的的显著性概率为，小于，表示常数项与有显著性差异，表明常数项应该出现在方程中。第二，排水企业形象的的显著性概率为，小于，表示排水企业形象的系数与有显著性差异，表明排水企业形象应该作为解释变量出现在方程中，排水企业形象的系数为假设，成立。表排水企业形象对公众期望的回归系数及显著性检验表方程中的解释变量非标准化回归系数标准化回归系数显著性多重共线性诊断标准误容许度常量排水企业形象从上面的回归分析中，得到回归方程如下公众期望排水企业形象公众期望与感知质量回归分析根据研究假设公众期望对感知质量具有直接正向影响。因此以公众期望为自变量，感知质量为因变量进行回归分析。相应的回归方程为。其中为感知质量为公众期望为常数为公众期望系数。表是公众期望对感知质量回归分析的模型总体参数和方差分析表，从表中可以看出，复相关系数为，调整后的判定系数为，表明已解释变差占总变差的，且值为，统计值的显著性概率为，总体回归效果显著。另外，回归模型中值为，非常接近于，所以不存在严重的阶序列相关问题。表公众期望对感知质量的回归总体效果复相关系数判定系数校正后的判定系数值显著性表是公众期望对感知质量的回归系数及显著性检验的计算结果，从表中可以看出第，常数项的的显著性概率为，小于，表示常数项与有显著性差异，表明常数项应该出现在方程中。第二，公众期望的的显著性概率为，小于，表示公众期望的系数与有显著性差异，表明公众期望应该作为解释变量出现在方程中，公众期望的系数为，假设成立。表公众期望对感知质量的回归系数及显著性检验表方程中的解释变量非标准化回归系数标准化回归系数显著性多重共线性诊断标准误容许度常量公众期望从上面的回归分析中，得到回归方程如下感知质量公众期望排水企业形象公众期望感知质量与感知价值回归分析根据研究假设排水企业形象对感知价值具有直接正向影响公众期望对感知价值具有直接正向影响感知质量对感知价值具有直接正向影响。以排水企业形象公众期望感知质量为自变量，感知价值为因变量进行回归分析。相应的回归方程为。其中为感知价值为感知质量为公众期望为常数为感知质量系数为公众期望系数。表是排水企业形象公众期望及感知质量对感知价值回归分析的模型总体参数和方差分析表，从表中可以看出，感知质量最先进入模型，其后公众期望和排水企业形象依次进入模型。表排水企业形象公众期望感知质量对感知价值的回归总体效果复相关系数判定系数校正后的判定系数值显著性从表中可以看出，排水企业形象公众期望及感知质量全部进入回归方程后，复相关系数为，调整后的判定系数为，表明已解释变差占总变差的，且值为，统计值的显著性概率为，总体回归效果显著。表是排水企业形象公众期望及感知质量对感知价值的回归系数及显著性检验的计算结果，从表中可以看出第，常数项的的显著性概率为，小于，表示常数项与有显著性差异，表明常数项应该出现在方程中。第二，感知质量的的显著性概率为，小于，表示感知质量的系数与有显著性差异，表明感知质量应该作为解释变量出现在方程中，感知质量的系数为，假设成立。第三，公众期望的的显著性概率为，大于，表示公众期望的系数与无显著性差异，表明公众期望不应该作为解释变量出现在方程中。第四，排水企业形象的的显著性概率为，等于，表示排水企业形象的系数与有显著性差异，表明排水企业形象应该作为解释变量出现在方程中，排水企业形象的系数为，假设成立。第五，感知质量对感知价值的影响和贡献最大，其次是排水企业形象，最后是公众期望。表排水企业形象公众期望感知质量对感知价值的回归系数及显著性检验表方程中的解释变量非标准化回归系数标准化回归系数显著性多重共线性诊断标准误容许度常量排水企业形象待于在今后建立排水服务公众满意度持续调查评价机制中