结构方程模型基本概念及其在.pdf

结构方程模型的基本概念及其在

电信满意度研究中的应用

国际资讯IT广州欧维平

点击数：443

一、满意度指数模型及其主要分析技术比较

近年来满意度研究受到越来越多企业的重视，尤其在电信行业。一方面随着竞争的

理；2003年颁布《电信服务质量监督规定》；2004年的《电信业发展指

导》中，信产部再次强调“继续加大电信服务质量工作”。另一方面，随着各家运

营商的上市、对ISO的引进以及运营商的进入，客户满意度亦成为运营商的工作

的重点，各运营商纷纷开始对客户满意度和忠诚度的研究。

目前国际上满意度广泛采用的理论模型是费耐尔满意度指数模型（CSI），该模型的基本框架如下：

资料：《顾客满意度》

该模型自1992年问世以来，得到了不断发展和修正，并在模型中纳入了一些新元素，比如，ECSI（欧洲满意度指数模型）

中引入了品牌形象作为影响总体满意度的一个变量，而顾客满意度指数指南》一书中同样引入“品牌形象”作为一

些行业满意度的变量。

自CSI模型提出以来，偏最小二乘回归（PLS，PartialLeastSquares）就被作为对模型中潜变量（LatentVariable）进行估

计最主要的方法。但是偏最小二乘回归在应用中存在一些的不足和，主要是：

虽然它能通过观测变量对潜变量作出很好的预测，但是对于观测变量测量误差的预测则存在偏误；

当因子在理论上存在相关时，偏最小二乘回归不能准确的揭示因子间的这种关系，而且因子载荷也可能被过度估计；

最小二乘回归模型中，潜变量的得分是在指标信度估计和潜变量回归方程的决定系数（）最大化的基础上获得的，这

种方导致部分参数（误差方程）最小化。

作为潜变量估计的另法：结构方程模型（SEM，StructuralEquationModeling），由K.Jorekog于1973年提出，在过

去三十多年里不断得到发展，20世纪90年代被广泛应用于社会科学领域。与偏最小二乘回归相比，结构方程不仅克服了偏最

小二乘回归的缺点，同时还具有以下优势：

1.结构方程模型能够对模型中的省略变量，如误差协方差，进行显著性检验；

2.结构方程对于模型的设定具有更大的弹性；

3.结构方程模型能够同时在多个群体中对同一模型进行估计；

4.在结构方程模型中，研究人员可以限定参数等于某个特定的值或者作为其他参数的线性/非线性函数；