Pour chaque élément, deux coefficients de régression ont été utilisés pour estimer les ratios de cotes de satisfaction client et d`insatisfaction du client. Les ratios de cotes ont ensuite été donnés par EQ (2). Le tableau 3 présente les ratios de cotes de satisfaction client et d`insatisfaction des clients pour chaque élément de qualité. La valeur R2 représente la proportion de variance expliquée par l`indépendant [79]. Les diagnostics de modèle étaient adéquats à la valeur de Nagelkerke R2 de 0,430. Pour les performances élevées du T1, le ratio de probabilité de satisfaction du client était de 8,600, avec un intervalle de confiance significatif limite inférieure > 1, indiquant que lorsque la performance de l`apparence était élevée, la probabilité de satisfaction du client était 8,600 fois plus élevée que lorsque la performance était faible. Pour des performances inférieures au T1, le ratio de cotes de l`insatisfaction du client était de 2,440, ce qui indique que lorsque la performance de l`apparence était faible, la probabilité d`insatisfaction du client était 2,440 fois plus élevée que lorsque la performance était élevée. Par conséquent, si le T1 était adéquat ou meilleur, les clients seraient satisfaits; autrement, les clients seraient insatisfaits; en d`autres termes, Q1 était un attribut de qualité unidimensionnel. Lorsque Q4, Q5 et Q6 présentaient des performances élevées, ils ont influencé la satisfaction du client dans le même degré, mais avec une certaine variation de la probabilité de satisfaction du client.

Q4, Q5 et Q6 étaient également des attributs de qualité unidimensionnels. Pour les performances élevées du T2, le ratio de probabilité de satisfaction du client était de 7,448, ce qui indique que lorsque la performance des couleurs était élevée, la probabilité de satisfaction du client était 7,448 fois plus élevée que lorsque la performance était faible. Pour la faible performance du T2, le ratio de cotes de l`insatisfaction du client était de 1,501, mais la limite inférieure de l`intervalle de confiance était de 0,722 et était non significatif; par conséquent, la faible performance du T2 n`a pas influencé significativement le mécontentement des clients. En d`autres termes, si Q2 était adéquat, les clients seraient satisfaits; Toutefois, le T2 insuffisant n`a pas influencé de manière significative l`insatisfaction des clients, ce qui implique un attribut qualité attractif. De même, Q3, Q7 et Q8 ont également été déterminés comme des attributs de qualité attrayants. Ce travail est une continuation de la publication précédente qui explore la possibilité du modèle de tétracyles pour l`évaluation de la satisfaction des consommateurs dans le pharmacies19. Maintenant, nous voulons analyser si cette technique offre la possibilité de prendre une décision managériale éclairée en cas de changements dans la satisfaction du consommateur dans le temps. . Par exemple les batteries de téléphone portable étaient à l`origine grandes et encombrantes avec seulement quelques heures de charge. Au fil du temps, nous sommes venus à attendre 12 + heures de vie de la batterie sur les téléphones légers minces. Les attributs de la batterie ont dû changer pour suivre les attentes des clients. Tout comme pour l`analyse en composantes principales, l`analyse factorielle des correspondances Përmet de réduire le nombre de dimensions d`un ensemble pour en faciliter la compréhension et l`analyse.

Dans ce cas-ci, attesté la plus petite dimension du tableau sur déversent sera faite l`analyse est 2, l`analyse ne produira qu`un seul axe factoriel. . La mesure de l`unidimensionnalité: pour ce faire, on utilise l`analyse en composantes principales don`t le but premier est d`aider à interpréter. un ensemble de variables à l`aide d`un petit nombre de variables synthétiques communément appelées composantes principales ou Emission. Plus le pourcentage de variance expliquée par la première composante principale sera grand, plus la grâce entre les variables étudiées sera grande. L`unidimensionnalité est atteinte lorsque la première composante principale explique la totalité de la variance des données. Les ratios de cotes de satisfaction client (ORSi) et d`insatisfaction du client (ORDi) ont été convertis en indice de satisfaction client (θi) et en indice d`insatisfaction du client (ωi), respectivement, dont les valeurs sont énumérées dans le tableau 5. La fonction de valeur est définie comme suit: (4) où α et β se trouvent entre 0 et 1; λ > 1; x > 0 indique un gain; et x < 0 indique la perte.