PLS结构方程模型

PLS结构方程模型（精选四篇）

PLS结构方程模型 篇1

目前, 国内外主要采用因子分析法、层次分析法 (AHP) 、数据包络分析法 (DEA) 以及模糊综合评价法等, 它们各有利弊[2], 其共有的主要不足在于无法较好地处理各类指标间存在的多重共线性问题[3]。笔者在以往相关研究中亦采用过TOP-SIS法和秩和比法, 它们虽然对样本无特殊要求且使用灵活简便[4], 但在实际应用中其权重往往是事先确定的, 通常带有一定的主观性。为此, 笔者试图引入PLS-结构方程模型, 对在借鉴原先研究的基础上建立的区域卫生系统绩效评价体系进行研究, 以便充分提取原始显变量的信息, 评估我国31个省市卫生系统绩效的综合指数及其与各个隐变量之间的联系, 以期对后续相关研究提供参考。

本文的结构安排如下, 第一节简要介绍了PLS-结构方程模型, 为后面的分析提供基础;第二节主要是介绍建立的区域卫生系统绩效评价体系;第三节主要是基于PLS-结构方程的实证分析;针对建模过程中剔除指标在第四节展开具体讨论;最后, 在第五节给出本文的结论与建议。

1 PLS-结构方程

结构方程模型 (Structural Equation Modeling, SEM) 是现代统计学重大进展之一, 它是一种将通径分析的思想引入到潜变量研究中, 并同因子分析方法结合起来形成的一种多元统计分析方法[5]。SEM主要讨论潜变量 (结构变量) 与显变量 (测量变量) 间的关系以及潜变量与潜变量间的关系, 其主要的建模技术有两种[6]:LISREL (Linear Structural Relationship) 建模法和PLS (Partial Least Square) 建模法。

LISREL法和PLS法既有相似之处, 亦有所不同[7]。鉴于PLS法的优点与本研究实际情况与目的有诸多契合之处 (如下) , 以及PLS-结构方程模型在其他领域评价研究中已有的运用[8~10], 本文首次尝试在卫生绩效评价领域中采用PLS-结构方程模型建模, 其建模原理为:首先用迭代法对潜变量进行估计, 然后根据迭代得到的潜变量的值与显变量的值, 结合模型的设定, 对显变量与潜变量之间的关系方程进行估计, 包括对测量模型因子载荷及结构模型路径系数的估计。

(1) 本研究初步建立的诸多指标中有部分指标的数据未通过正态性检验, 不符合LISREL法其显变量的联合分布服从多元正态分布的假设。而PLS法采取非参数估计的方法, 对样本数据没有分布要求。

(2) 本研究是对省域卫生系统绩效状况进行的横向比较, 样本量仅为31, 不符合LISREL法样本量最少不能低于200以上的要求。而PLS法作为一种有限信息估计方法完全适用于小样本 (30-100) 研究。

(3) 本研究目的在于通过建模得出不同区域卫生系统绩效状况的综合指数以进行比较, 即关注潜变量得分情况。LISREL法是在进行参数估计后, 再采用某个目标函数计算隐变量得分, 计算结果因目标函数不同而不同。而PLS法在参数估计过程中计算潜变量得分, 故可获得确定的计算结果。

2 指标体系的构建

本文主要遵循WHO和卫生部专家组提出的“中国医药卫生体制改革优先领域的监测与评价框架”[11], 参考国际上比较成熟的做法, 建立基于“投入与过程、产出、结果和影响”这一“结果链”逻辑的评价结构。“结果链”强调以结果为导向, 将监测与评估作为促进干预、策略、政策向目标结果引导的管理工具, 分为投入、活动、产出、结果和长期影响5个环节, 见图1。

本文遵循重要性、有效性、精简性、敏感性、可得性以及可比性等原则, 基于文献以及笔者先前的相关研究, 选择投入、产出、成果和影响等四个层面, 构建了我国区域卫生系统绩效评价的初步指标体系, 如表1所示。数据来源于《2011中国卫生统计年鉴》[12] (收编的内容截至2010年底) 和《2010年中国各省卫生总费用及人均卫生费用》[13]。数据经标准化处理[14]后, 采用IBM SPSS Statistics 19及Smart PLS 2.0进行分析。

3 实证研究

3.1 模型的评价检验

3.1.1 唯一维度检验

根据PLS-结构方程模型的要求, 首先要对表1中的4组指标做主成分分析, 进行唯一维度检验 (Unidimensionality) 。除影响组外, 其他三组未能通过唯一维度检验, 经过调整, 将产出组和成果组细分, 并将投入组中与第一主成分相关系数最低的指标X01和X02剔除。再进行主成分分析 (结果见表2) , 各指标组的第一主成分特征值均大于1且其第二主成分特征值均小于1, 各指标组都通过了唯一维度检验。

3.1.2 模型的调整与评价检验

采用Smart PLS 2.0软件中的PLS计算程序进行迭代运算并查看初步结果, 发现产出 (卫生服务效率) 与成果 (疾患风险) 的路径系数 (Path Coefficients) 过低 (分别仅为0.043545和0.005802) , 故删去这两组变量后再进行迭代运算。其结果显示产出 (卫生服务质量) 与影响的克朗巴哈α值 (Cronbachs Alpha) 过低 (分别仅为-0.139772和-0.237763) , 查看这两组变量的外部载荷 (Outer Loadings) , 发现变量X12、X13和X29、X30值为负, 故将这四个变量剔除。随后, 再次用PLS计算程序进行迭代运算, 得到本次研究最终的区域卫生系统绩效评价路径图 (见图2) 以及该模型的检验指标 (见表3) 。

PLS路径模型主要根据平均方差提取率 (Average Variance Extracted, AVE) 和合成信度 (Composite Reliability, CR) 来评价其信度和效度。其中平均方差提取率值均超过了0.53, 符合大于0.5的判断标准, 可以认为外部模型的潜变量可以较好地预测对应的显变量;合成信度的值均超过0.86, 满足合成信度不低于0.6的要求, 克朗巴哈α值 (Cronbachs Alpha) 大于0.74, 因此每一组显变量可以用一个潜变量来表示;同时综合绩效对投入、产出 (卫生服务质量) 、成果 (干预覆盖) 、影响的多元回归方程的决定系数近似等于1, 提示综合绩效对其他四个解释变量的拟合优度十分高。

3.1.3 基于Bootstrap方法的模型参数的检验

在PLS建模法中, 由于参数估计的非线性特征非常复杂, 很难推导其确切分布。而非参数检验方法不受总体分布假设的限制, 故非常适合用于检验PLS-结构模型。Bootstrap法即是这样的一种非参数统计方法, 它利用样本数据采用重复抽样方法计算统计量和估计样本分布而不对模型做任何假设[15]。

对于PLS-结构模型, 通过Smart PLS 2.0中内置Bootstrapping计算程序, 按照样本量为31, 重复抽样次数为2000计算, 得出PLS-结构方程模型的路径参数估计值的t检验统计值 (具体值见表4) 均大于2.750, 即在α=0.01的水准下拒绝路径系数等于0的零假设, 提示该模型路径结构关系的设计是较为合理的。具体t值见下表:

3.1.4 理论检验及分析

测量模型中的权重及相关系数情况详见下表5。其中, 各个潜变量与对应的显变量之间的权重与相关系数均为正值。且除去极个别的指标, 大部分的指标 (显变量) 与潜变量的相关系数均相对较大, 提示变量之间具有较好的关联程度, 模型中各项潜变量均较好地涵盖了显变量组的基本信息。对综合绩效的标准化路径系数大小依次为投入、成果 (干预覆盖) 、影响、产出 (卫生服务质量) , 表明投入、成果 (干预覆盖) 是对区域卫生系统绩效评价影响最大的两个因素。表5中各项指标 (显变量) 与其所对应潜变量的相关系数均较高 (均大于0.5) , 说明潜变量较好地概括了各项指标所蕴涵的信息。

3.2 综合评价结果排序及相关分析

通过计算综合绩效及其他潜变量的得分情况, 综合考察31个省市的情况并进行排序与比较 (见表6) , 并且通过SPSS对各省市的综合绩效进行聚类分析。具体聚类分析的方法是按照Ward法并选择平方Euclidean距离为度量标准的系统聚类。

从聚类结果 (见表7) 来看, 31个省份综合绩效水平分为五类。北京和上海占据第一类, 其综合绩效得分远高于其他省市。而西藏各方面水平相对落后, 处在第五类。总体来看, 东部地区卫生系统综合绩效水平最高, 中部地区水平居中, 而西部地区处于全国相对落后水平。

4 对剔除指标的讨论

在尝试构建我国区域卫生系统绩效评价指标体系的过程中, 初步确立了30个指标, 而经过建立PLS-结构方程模型时的调整后, 最终剔除了11个指标, 留下了19个指标进行实证研究。现对被剔除指标讨论如下。

(1) 卫生总费用 (X01) 、卫生总费用占GDP比重 (X02) 被剔除的原因:区域整体评价中由于各地区人口数量不一的影响, 用卫生总费用这样的绝对数指标进行评价不能反映出真正实力[16];我国31省市卫生总费用占GDP比重的数据呈现无序性和随机性, 在省际间差异较大, 与一般认为的数据差异主要由经济、卫生水平而致的结论并不一致[13]。建议在其他可能的影响因素 (如政治决策和人为因素) 尚未研究清楚前, 尽量不采用该指标以免产生偏倚。

(2) 急危重症抢救成功率 (X12) 、院内感染率 (X13) 的外部载荷由于为负值而被剔除, 对其分析如下:急危重症抢救成功率不但是体现对急危重症病人救治水平的主要标志, 同时也是衡量某个区域内医院整体医疗水平的重要指标[17], 但目前国内对其影响因素研究较少。从现有的部分研究结果[18,19]可知, 即使在基本同等的医疗条件下急危重症抢救成功率仍会由于受到人员组织情况和急救护理流程等因素的影响而有所不同, 所以可能并不适合将其作为直接评价医院水平或者地区卫生实力的指标;由于不少临床医师对医院感染的重视程度、概念及诊断标准理解不足等原因, 我国的院内感染率普遍存在不低的漏报率[20], 这极可能是导致数据中北京、上海这样的卫生发达区域院内感染率较高, 而西藏地区的院内感染率却是0的主要因素。故笔者建议, 在尚未有效的控制漏报这一重要影响因素前, 我国研究者进行区域间或区域内卫生绩效评价时谨慎使用这一指标。

(3) 产出 (卫生服务效率) 毫无疑问是卫生综合绩效的重要部分, 而根据模型计算其路径系数过低, 与实际情况不符。究其原因可能为:由于流动人口用于反映该潜变量的三个指标 (医师日均负担诊疗人次 (X14) 、医师日均负担住院床日 (X15) 、医院病床使用率 (X16) ) 均属于适度指标[21], 在给定的最优区间之前具有高优性, 而超过适度区间后则具有低优性。受到我国流动人口和患者涌向医疗发达地区就诊的影响, 极有可能导致原本卫生服务配置相对不足的卫生水平落后地区由于常住人口较少以及患者的流出而使其在该三个指标的表现变优;相应地, 使卫生水平发达地区在该三个指标的表现变劣。另外, 该三个指标的最优区间在学术上并无定论, 有待进一步研究后再决定能否纳入卫生综合绩效评价体系。

(4) 成果 (疾患风险) 作为国际组织建议的卫生综合绩效评价体系的一部分[22], 在本研究中根据模型计算发现其路径系数过低, 其原因为:疾病不仅包含传染病还应包括慢性病。而目前在我国, 公共卫生事业相对于临床医疗发展滞后[23], 所以传染病的发病情况往往更受到研究者和决策者的关注。在现有公开发行的资料中, 慢性病并没有像法定传染病一样按不同地区汇总的数据, 于是研究者往往只能将法定传染病的发病情况纳入评价体系[24]。但是法定传染病发病率不仅受到地区卫生水平的影响, 更与一段时间内地理自然环境及单位区域人口聚集程度不同等非卫生因素有关, 故可能不宜将该类指标 (甲、乙类传染病总发病率 (X23) 、甲、乙类传染病总死亡率 (X24) ) 纳入评价体系。

(5) 门诊病人次均医药费 (X29) 、出院病人人均医药费 (X30) 反映了个人负担情况以及患者与社会的满意度, 对其分析如下:数据显示, 高卫生水平地区的人均医药费高, 卫生水平相对落后地区费用较低。而人均医药费用作为低优指标纳入评价体系, 即有:高卫生水平地区在X29和X30上表现较差而卫生水平落后地区表现较好, 故X29和X30的外部载荷为负值。有研究表明[25], 危重率与人均医疗费用呈正相关并且是人均医疗费用的重要影响因素。故在不同区域横向比较时, 未考虑患者疾病构成这一影响因素前不宜直接采用人均医药费用这一指标。另外, 由于受到通货膨胀、人口老龄化、医疗设备换代及新技术应用等因素[26]的影响, 建议研究者在纵向评价一个地区卫生水平变化时 (特别是中长期) 亦要谨慎考虑是否采用该指标。

5 结论与建议

本文基于“投入与过程、产出、结果和影响”的逻辑评价体系, 根据结构方程和PLS算法的特点以及本研究的研究目的, 首次采用PLS-结构方程这一建模方法对我国31个省市卫生综合绩效水平进行了实证分析。研究发现, 投入、成果 (干预覆盖) 是对区域卫生系统绩效评价影响最大的两个因素;各指标与其相应潜变量的相关系数均较高 (>0.5) , 表明提升区域卫生绩效水平应着重考虑这些方面。根据综合绩效及投入等各方面得分情况, 运用聚类分析的方法将我国31个省市卫生绩效水平划分为五个大类, 发现东部地区卫生系统综合绩效水平最高, 中部地区水平居中, 而西部地区处于全国相对落后水平。另外, 对建模过程中剔除的11个指标进行分析, 讨论了其被剔除可能的影响因素和原因, 提示根据模型剔除这些指标具有一定的实际依据。

PLS结构方程模型 篇2

简要介绍了结构方程模型的.基本原理,根据航空公司运营特点,给出航空公司顾客满意度的测评模型,并以中国国际航空公司顾客满意度的测评为例,进行理论模型的验证与顾客满意度的测评.结构方程模型可以对整个顾客满意度测评指标体系的合理性进行检验并做了系统分析.

作 者：于剑 YU Jian  作者单位：中国民航大学,经济与管理学院,天津,300300 刊 名：中国民航大学学报  ISTIC英文刊名：JOURNAL OF CIVIL AVIATION UNIVERSITY OF CHINA 年，卷(期)： 25(6) 分类号：V2 F562 关键词：结构方程模型   航空公司   顾客满意度  

PLS结构方程模型 篇3

关键词：结构方程模型 游憩商业区 游客价值 北京

21世纪初，我国进入休闲需求快速增长并日益多样化的阶段。随着休闲时代的来临，城市旅游和本地居民游憩的集中承载空间——游憩商业区（Recreational Business District，简称RBD）逐渐兴起，国内多个城市掀起了建设RBD的热潮。与此同时，中国旅游已由卖方市场走进买方市场，游客需求层次逐步提升，竞争日趋激烈，基于消费者视角的游客价值研究迅速得到重视。就城市RBD而言，游客价值的基础性作用日益凸显，创造高的游客价值成为城市RBD获取竞争优势的重要途径。因此，选择发展较为成熟的北京城市RBD为案例区，探求游客价值的构成维度及其对游客行为的后续影响，有利于深化对RBD游客价值的理解和认识，全面提升RBD的开发管理水平，促进RBD的可持续发展。

一、城市RBD游客价值研究的基本设计

（一）相关理论基础

20世纪50年代中期，现代管理学之父德鲁克就已经认识到：顾客真正购买和消费的不是产品而是价值。20世纪80年代末，顾客价值理论基本形成，并于20世纪90年代中期开始在旅游业中得到应用，直接推动了游客价值研究的兴起，内容涉及旅游企业、旅游产品、旅游市场、旅游定价、旅游网站、旅游目的地等诸多方面，而专门针对城市RBD游客价值的研究还较少。

游客价值的构成具有复杂性。综合考虑城市RBD的特点，游客价值可细分为质量价值、效率价值、成本价值、社会价值、享乐价值五个维度。质量价值主要是指游客对于旅游资源禀赋或产品品质的感知；效率价值主要是指游客对于游憩便利程度的感知；成本价值主要是指游客对于游憩经济成本及非货币成本的感知；社会价值主要是指游客对于游憩是否能够增强社交能力和自身形象的感知；享乐价值主要是指游客对于游憩所带来的愉悦、新奇、趣味等方面的感知。游客价值的后续影响研究主要集中在游客价值对游客满意和游客忠诚的影响两个方面，即游客价值驱动游客满意和游客忠诚。

（二）量表与问卷编制

基于顾客价值相关理论，结合北京城市RBD的特点，从质量价值、效率价值、成本价值、社会价值、享乐价值五个维度筛选游客价值的影响因素。同时，从游客满意和游客忠诚两个维度来考虑游客价值的后续影响因素。然后进行专家咨询，并根据他们提出的意见对影响因素进行调整和完善，形成最终的游客价值测量量表（表1）并进行问卷设计，每个因子包含重要性和绩效两个方面。重要性是指游客认为该因子在整个游客价值体系中的相对重要程度，根据重要性可以计算出该因子在整个游客价值系统中的权重。绩效是指游客在游览过程中感知到的各个因子的实际表现。每个因子采用五级评测，以便于被调查人员选择。

（三）实地问卷调查

城市RBD有多种类型，北京城市RBD可划分为传统商业街区型、旧城历史文化改造区型、文化创意旅游区型三类，而王府井步行街、什刹海、798艺术区是其典型代表。调查时间为2012年2月和2012年7月，先后在以上三处分别发放问卷，调查对象为在此进行游憩活动的游客。两次调查在王府井、什刹海、798艺术区三处分别发放问卷200份、共发放600份；其中，王府井回收问卷196份、什刹海回收问卷192份、798艺术区回收问卷194份、共回收582份，回收率为97%；剔除填答不完整的问卷、所有项目得分没有显著差别（亦即得分完全相同）的问卷，王府井获得有效问卷183份、什刹海获得有效问卷175份、798艺术区获得有效问卷185份、共543份，有效回收率达90.5%，调查问卷完成的总体情况较好。调查问卷的总体信度为0.917，每个因子的CICT（纠正的项目——总体相关系数）值均大于0.3，说明问卷的信度很高，有效性较好，从而为结构方程模型（SEM）分析奠定了很好的数据基础。

二、北京城市RBD游客价值结构方程模型构建

（一）模型的逻辑假设

基于已有理论基础，提出以下三个逻辑假设：第一，城市RBD游客价值包括质量价值、效率价值、成本价值、社会价值、享乐价值；第二，游客价值对游客满意度具有显著的正向影响；第三，游客满意对游客忠诚具有显著的正向影响。

（二）路径图和数据准备

根据游客价值和SEM理论，绘制北京城市RBD游客价值SEM（图1），包括质量价值、效率价值、成本价值、社会价值、享乐价值、满意程度、推荐意愿、重游意愿八个观察变量，游客价值、游客满意、游客忠诚三个潜在变量。

在北京城市RBD游客价值SEM中，满意程度、推荐意愿、重游意愿三个可观察变量的数值可由调查问卷项目直接得到，而质量价值、效率价值、成本价值、社会价值、享乐价值五个可观察变量的数值需要根据调查问卷资料计算获得。具体步骤：第一步，根据游客对于17个因子重要程度的评分计算游客价值每个因子的权重（表1）；第二步，根据游客价值17个因子的绩效（实际表现）得分，结合因子权重，计算质量价值、效率价值、成本价值、社会价值、享乐价值的数值。

（三）模拟结果图和模型评价

将相关数据代入模型，通过AMOS17.0软件进行运算，输出结果见图1。

基于结构方程模型理论和现有评价方法和标准，一般采用x2、RMR、RMSEA、AGFI、GFI、CFI、IFI、NFI、x2/df等指标来评价模型的拟合程度。第一，卡方值（x2）：其值越小，表示模型因果路径图与实际资料越匹配，不显著（P大于0.05）的卡方值表示模型与实际资料不一致的可能性较小。第二，残差均方根（RMR）：其值需小于0.05。第三，近似误差的均方根（RMSEA）：其值小于0.08表示拟合程度较好，低于0.05表示拟合程度非常好，低于0.01表示拟合程度非常出色。第四，调整的拟合优度指数（AGFI）、拟合优度指数（GFI）、比较拟合指数（CFI）、增量拟合指数（IFI）、规范拟合指数（NFI）：这些指标的取值范围介于0到1之间，越接近1表示拟合程度越好。第五，卡方与自由度的比值（x2/df）：该值如介于1至2或在1到3之间，表示假设模型可以接受，一般该值需小于5。endprint

通过AMOS17.0软件对研究模型与实证数据进行拟合显示：模型的适配度卡方值为26.94，显著性概率值p=0.089>0.05，接受虚无假设，表示模型与样本数据可以适配；RMR、RMSEA、AGFI、GFI、CFI、IFI、NFI和x2/df的值分别为0.017、0.042、0.953、0.976、0.99、0.99、0.971和1.497，均在可接受范围内，且拟合度良好，表明现有模型能够很好反映各变量间的关系。

（四）模拟结果解释

根据模型的标准回归系数和多元相关平方数值（图1），可作以下判断：1、各变量间标准化回归系数介于0.55至0.95之间，均大于0.5，表明模型的基本适配度良好。2、标准化回归系数均为正且显著性概率小于0.001，说明变量之间的影响是正向的和显著的。3、游客价值对质量价值的解释程度为62.4%，对效率价值的解释程度为56.5%，对成本价值的解释程度为30.3%，对社会价值的解释程度为35.3%，对享乐价值的解释程度为45.6%。4、游客价值能够解释游客满意87.4%的变化，游客满意能够解释游客忠诚71.2%的变化。模型构建之初的三个假设得到验证。

三、结论与讨论

基于理论基础和逻辑假设，构建了城市RBD游客价值结构方程模型，选择北京王府井、什刹海、798艺术区三个比较成熟的RBD开展实证研究，得出以下几点结论与启示：

（一）游客价值提升是城市RBD获得竞争优势和可持续发展的有效途径

按照“游客价值决定游客满意、游客满意决定游客忠诚”的逻辑假设，构建的城市RBD游客价值SEM在实证研究中得到较好应用，游客价值构成及其后续影响的相关假设得到验证，即北京城市RBD游客价值由质量价值、效率价值、成本价值、社会价值、享乐价值五个维度构成，游客价值会影响游客满意和游客忠诚。实际上，具有相当满意度和忠诚度的顾客是企业的宝贵资产，追求顾客满意和忠诚已经成为企业的核心目标，谁能最大程度满足顾客的需求，提升顾客的满意度，维持顾客的忠诚度，谁就将占有市场。故城市RBD的管理者和经营者可以通过提升游客价值，增加游客满意度和游客忠诚度，从而实现游客为相关企业创造价值，城市RBD获得竞争优势和可持续发展。

（二）应根据北京城市RBD游客价值在不同维度上的特点采取相应对策

游客价值与各维度的相关性从大到小依次为质量价值、效率价值、享乐价值、社会价值和成本价值。这表明与游憩所付出的成本相比，北京城市RBD游客更关注游憩所带来的效用和收益，城市RBD的游憩功能性和娱乐性是影响游客价值的重要方面。为此，城市RBD的经营管理者应在合理控制游客游憩成本的基础上，高度重视提升游客的质量价值、效率价值和享乐价值。特别是要针对游客需求，结合城市RBD的类型和特色，进行科学合理的功能分区，布局适宜多样的商业业态，提供独特且参与性强的游憩项目，塑造鲜明而富有吸引力的RBD形象。目前，游客对社会价值不够重视可能有两方面的原因：一是北京城市RBD游客的需求层次偏低，不太重视因社会价值提升带来的满足；二是城市RBD提供的游憩产品和服务尚未很好地引导和满足游客社会价值方面的需求。根据马斯洛的需求层次理论，游客社会价值属于较高层次需求。随着游客自身综合素养和经济实力的增强，以及闲暇时间的增多，游客的需求层次会逐步提升，游客对社会价值的需求会越来越强烈。从这点上看，北京城市RBD游客的社会价值还有较大提升空间，在未来可加强圈子营销、策划有影响力的主题活动。

（三）城市RBD游客价值的动态研究和对比研究有待进一步深化

城市RBD游客价值SEM具有复杂性、开放性和动态性，其构成维度和影响因子应随着游客价值内涵和取向的变化而进行相应调整和完善。同时，不同地区、不同类型城市RBD游客价值具有不同特点和表现，有必要进一步开展对比分析，以深化城市RBD游客价值研究的理论和方法。

参考文献：

[1]马惠娣. 21世纪与休闲经济、 休闲产业、休闲文化[J].自然辩证法研究，2001，（1）：48—52

[2]Woodruff， R. Customer value： the next source for competitive advantage[J]. Academy of Marketing Science， 1997， 25（2）：124—129

[3]李佳，成升魁，钟林生.顾客价值理论在旅游中的应用研究进展[J].人文地理，2009，24（5）：21—24

[4]Neal W.D.Satisfaction is

nice，but value drives loyalty[J].Marketing Research，1999，（11）：20—23

[5]Joseph，M.S.Paul， A.D.Customer value，overall satisfaction，end-user loyalty，and market performance in detail intensive industries[J].Industrial Marketing Management， 2004， 33：675—687

[6]张建. 上海大都市游憩商业区的形态模式研究[J]. 地域研究与开发，2005，24（3）：63—67

[7]王毅菲. 基于长三角地区对比实证分析的城市游憩商业区深度体验研究[D]. 浙江大学硕士学位论文，2007.61

〔本文系北京市教育委员会社科计划面上项目“北京城市游憩商业区游客价值研究”（项目编号：SM201210

038006）阶段性成果〕

PLS结构方程模型 篇4

学生满意对一个学校的发展至关重要。本文旨在揭示学生期望、感知质量、感知价值、学生满意、学生忠诚五个潜变量之间的结构关系。首先在前人研究的基础上，构建一个反映五个潜变量关系的结构方程模型，然后通过问卷设计、量表开发，对电大学生展开调查得到实际数据，再对量表数据进行缺失值处理，并据此对提出的结构方程模型进行拟合、修正和解释，最后得出潜变量之间关系的几点结论。

【关键词】 远程学习者；学生满意度；结构方程；满意度模型

【中图分类号】 G642.0 【文献标识码】 A 【文章编号】 １００９—４５８ｘ（２０12）03—００49—０7

学生满意对一个学校的发展至关重要。对于以远程开放教育为特征的广播电视大学来说，学生满意度研究的意义在于：为电大开放教育评估提供新的方法，完善教育教学质量评估体系；促使学校系统地考虑学生满意研究中反映的问题，改进各项工作，提高教学和服务质量；提高学生对学校的忠诚度，进而扩大招生生源；增强电大的办学竞争意识，提高市场竞争力[1]。

学生的满意度与其对学校的期望、对教学质量和服务质量的感知以及对学习价值的感知有关，高满意度可能带来学生对学校的忠诚。本研究旨在揭示学生期望、感知质量、感知价值、学生满意、学生忠诚五个潜变量之间的结构关系。首先在前人研究的基础上，构建一个反映五个潜变量关系的结构方程模型，然后通过问卷设计、量表开发，对电大学生展开调查得到实际数据，再对量表数据进行缺失值处理，并据此对提出的结构方程模型进行拟合、修正和解释，最后得出潜变量之间关系的几点结论。

一、研究方法及模型假设

1. 结构方程模型分析方法

本研究主要采用结构方程模型来评价研究模型和检验理论假设。结构方程模型（Structural Equation Modeling）是20世纪70年代在统计理论基础上提出并发展起来的，它作为一种通用的线性统计建模技术，因其自身的优点，日益得到社会学、教育学、心理学、计量经济学等领域的广泛关注和应用。结构方程模型主要作用是揭示潜变量之间（潜变量与可测变量之间以及可测变量之间）的结构关系，这些关系在模型中通过路径系数或负载系数来体现[2]。运用结构方程模型分析具体问题时，一般经过模型设定、模型识别、模型估计、模型评价、模型修正五个步骤。这种分析方法是一种验证性分析技术，而不是探测性手段。本研究是为了验证所设定的“远程学习者满意度结构模型”，因此，选择结构方程模型作为分析工具是适当的。

本研究综合运用结构方程软件AMOS16.0和统计分析软件SPSS16.0进行数据分析和各项检验。

2. 模型的构建思路与基本假设

本研究继承了美国顾客满意度ACSI模型的一些核心概念和架构，如顾客期望、感知质量、顾客满意、顾客忠诚等概念[3]，并吸收其它模型的一些创新之处[4][5]，通过结构调整和综合因素分析，建构了具有广泛适用性的远程学习者满意度模型。模型中包含五个潜变量：学生期望、感知质量、感知价值、学生满意、学生忠诚，如图1所示。其中学生期望是指学生在报读电大之前对学校的整体期望水平；感知质量和学生期望相对应，它是学生对三年学习过程的实际感受；感知价值是指学生的时间和金钱的付出与其所学到的知识相比是否值得；学生满意主要是指学生心理上的整体感觉；学生忠诚主要体现在学生的推荐意向、继续报读意向两个方面。每一个潜变量都有几个标识变量对其进行测量。

模型中包含以下6个路径假设：

（1）感知质量对学生满意有路径影响；

（2）感知质量对感知价值有路径影响；

（3）预期价值对学生满意有路径影响；

（4）预期价值对感知质量有路径影响；

（5）感知价值对学生满意有路径影响；

（6）学生满意对学生忠诚有路径影响。

二、量表设计与数据来源

为确保量表的内容效度，我们广泛借鉴了顾客满意研究领域中已有研究成果，包括理论研究成果和实证研究成果，并结合电大教学的特点对每个概念的量表进行设计。在量表设计过程中，广泛征求专家意见，对问项进行检验和修正，进而形成正式的调查问卷。我们还邀请了管理科学领域的专家以及富有经验的电大一线教学老师，对量表的问项进行筛选和修改，努力做到使量表中的每个问项对被测试概念的表征是最有效、最充分、最全面的。

模型中各潜变量需要观测的具体标识变量见表1，其中所有问项都采用LIKERT五级量表，数值“1” 表示非常不同意，“2” 表示不同意，“3” 表示中立，“4” 表示同意，“5” 表示非常同意。

此外，为了研究不同学生特征对满意度的影响，调查表中还包含有人口统计变量，如性别、年龄、收入、学历层次和工作年限等。

本次问卷调研的对象为深圳广播电视大学（包括经济管理系、人文科学系、外语系和工程系）在校本、专科在读学生，随机选取晚上课间15分钟时间，由各班班主任向学生发放调查问卷，要求学生当场填写，班主任当场回收。本次调查共发放问卷350份，收回有效问卷305份，回收率为87%。

缺失值的处理采用表列删除法，即在一条记录中，只要存在一项缺失，则删除该记录。但统计中发现，学生的个人统计信息缺失较多，考虑到样本数量的限制，所以处理方式调整为只要其它数据完整则该记录不予删除。经处理后，最终得到270条数据。

三、量表的信度检验与指标处理

尽管我们事先多次对调查量表中的问项进行筛选和修改，但仍不能保证每一个问项都是有效的和可信的，整个量表能否稳定地测量到想要测量的问题，还需要进一步用统计方法进行验证。此外，结构方程中的感知质量这一重要的潜在变量体现在课程教学质量和教学支持服务两个方面，每一个方面又包含很多问项，根据结构方程的要求，一个测量方程需要的标识变量一般不宜过多，所以还需要对这些问项进行分类合并。

信度是指如果测量被重复进行，一个量表产生一致性结果的可能性，也就是说测量工具能否稳定地测量到它要测量事项的程度。内部一致性是最常用的信度评价方法，其中Cronbach α系数用得最多。在理论研究中，信度α系数大于0.7，表明量表的可靠性较高；在探索性研究中，α系数应大于0.6。下面对量表中各潜变量的信度进行分析。

1. 教学质量

表2是教学质量量表的Cronbachα系数。表中数据显示α系数都在0.7以上，表明测量指标具有较高的内部一致性。但在全部15个项目中，删除第一个问项X1——教师“上课时迟到早退现象”指标后α系数得到提高，因此用这一指标来测量教学质量是不合适的，应该去除。进一步分析，删除指标X4——教师“对学生态度是否和蔼”，α系数没有变化，说明这一指标对教学质量的影响不大，也可去除。删除任意其它指标都会引起α系数的下降，所以其它13个指标要保留。

进一步分析，对于指标“上课时迟到早退现象”，我们认为，大多数学生之所以认为教师经常迟到，一方面是因为电大教师有一部分是外聘的，的确有个别教师会迟到，但另一个重要原因可能是学生迟到的太多。由于电大学生的工读性质，大部分学生很难准时到达课堂，这种情况下有些教师可能会等几分钟再上课，从而造成教师经常迟到的假象。所以这一指标不能考量教师教学质量水平的高低，应予以删除。对于指标“对学生态度是否和蔼”，我们认为，电大学生大多数是已参加工作的成人，不是小学生，看重的是学习收获，教师的态度是否和蔼应该影响不大。另一方面，这一指标与 “对学生要求是否严格”也在一定程度上存在冲突，所以去除它也是合理的。

nlc202309031732

这样量表中剩余有13个问项。根据结构方程的要求，需要进一步减少标识变量的个数，进行分类。我们采用主成份分析法进行确定。之所以采用这一方法，主要是因为该方法分类后信息损失最小。主成份分析时因子旋转采用的是平均方差（Equamax）方法，使得旋转后的因子方差大致相等，从而保证每个因子的解释力大致相等。如果采用最大方差(varimax)方法，得到的因子方差主要集中在第一个因子上，其它因子的解释力就会太弱。分析结果如表3和表4所示。

表3说明，教学质量量表中的13个标识变量被提取出3个因子，它们分别解释了总方差的29.44%、27.141%和19.568%，也就是说，这3个因子总计包含13个标识变量约76%的信息。

根据表4可对上述3个因子进行命名。因子1主要由“对知识点的讲解是否清楚”、“对讲授内容的熟悉程度”、“教学方法的灵活性”、“知识和信息量是否广博”和“上课用的幻灯片质量”这5个标识变量来解释，它们都反映了教师的教学水平，所以命名为“教学水平”，用XX1表示；因子2主要由“学生对课程理论知识的掌握程度”、“学生认识分析解决问题的能力”、“授课的深浅度和内容量”、“学生的收获”、“学生对老师上课的喜欢程度”和“学生对课程的总体满意度”这6个标识变量来解释，它们都说明了课堂教学效果，所以命名为“教学效果”，用XX2表示；因子3主要由 “对学生要求是否严格”和“对作业批改和讲评是否认真”这2个标识变量来解释，它们共同反映了教师的教学态度，所以命名为“教学态度”，用XX3表示。

这样，我们就可以用“教学效果”、“教学水平”和“教学态度”这三个因子作为新的标识变量，来取代原来的13个标识变量，参与结构方程的分析，如表5所示。

2. 支持服务

表6是支持服务量表的Cronbach α系数。表中数据显示α系数都在0.7以上，表明测量指标具有较高的内部一致性。但在全部8个项目中，删除“面授学习次数的多少”这一指标后α系数得到提高，因此用这一指标来测量服务质量是不合适的，应该去除。进一步分析，对于面授学习次数，不同性质的课程客观上要求的面授次数不一样；学生的层次不同、业余时间多少不同，要求面授学习的次数也不一样，所以这一问项很难反映支持服务的优劣。

同样地，我们采用主成份分析法来减少标识变量的个数。结果如表7和表8所示。

表7说明，服务质量量表中的7个标识变量被提取出2个因子，它们分别解释了总方差的37.285%和22.484%，两者总计解释了7个标识变量约60%的信息。

根据表8对2个因子进行如下命名：因子1主要由“教学设施是否齐全”、“师资力量是否强大”、“课程学习资源是否丰富”和“网上教学资源能否满足需要”这4个标识变量来解释，说明了教学资源情况，所以命名为“教学资源”，并以YY1表示；因子2主要由“教材站交费领书方便性”、“班主任工作态度”和“教学教务信息与沟通”这3个标识变量来解释，反映了学校对学生的服务水平，所以命名为“服务水平”，并以YY2表示。

这样，我们就可以用“教学资源”和“服务水平”这2个因子取代原来的7个标识变量，参与结构方程的分析。

3. 感知价值

感知价值量表中只有3个标识变量，其α系数为0.445，没有达到可接受水平，但鉴于该潜在变量的重要性，决定暂且予以保留。表9说明，3个项目中，删除“相对目前教学质量，学费水平”这一指标后α系数由0.445提升到0.662，基本达到可接受水平，因此该标识变量应该去除。这样，我们只能用“相对目前收费水平，教学质量高低”和“晚上来电大面授学习的价值”这2个标识变量来解释感知价值。

4. 预期质量

我们只设计了两个标识变量来表示“预期质量”这一潜变量，即“预期电大教学质量”和“预期电大支持服务”，其α系数为0.820，说明是可行的。

5. 学生满意

学生满意量表中有3个标识变量。表10说明，3个项目中，删除任一项目后α系数都会减少，因此这3个标识变量都是必要的。

6. 学生忠诚

我们用“向他人推荐报读电大的可能性”和“自己继续报读电大的可能性”这两个标识变量来测试“学生忠诚”这一潜变量，分析表明其Cronbach α系数为0.692，说明是可行的。

综上所述，经排除和压缩后的潜变量和标识变量如表11所示，这些变量将参与结构方程的分析。

四、结构方程模型分析

结构方程模型对数据的拟合水平可以用效度来衡量，效度水平由模型的拟合指数和标准化路径系数来检验（Mueller，1996）。拟合指数有一系列指标，常用的有卡方值、CFI、NFI、IFI、RMSEA、AIC、ECVI。其中卡方值、RMSEA、AIC、ECVI越小越好，且RMSEA要求小于0.05；CFI、NFI、IFI越大越好，且都要求大于0.9。如果模型的拟合指数达到统计要求，表明拟合水平是可以接受的，即理论模型较好地拟合了样本数据，那么可以进一步通过观察标准化路径系数的大小来检验其效度。

下面将根据表11中的潜变量和标识变量，对所设定的模型进行估计，做出必要的模型扩展和限制，在反复修正比较的基础上，确定一个最终模型。

1. 结构方程模型的设定与估计

根据前面设计的结构路径图（图1）以及路径初始假设，我们构建了如图2所示的初始模型。

在Amos软件中运用极大似然法进行模型估计，初步运算结果如图3所示。

表12显示的初始模型运算结果表明，各项拟合指数尚可。但从模型参数的显著性检验中可以看出，部分路径系数和负载系数值过小，没有达到统计显著水平，特别是从“预期价值”到“学生满意”的标准化路径系数仅为-0.08，说明这一路径是不存在的，“预期价值”对“学生满意”没有影响，基本路径假设3是不成立的。

2. 模型的评价与修正

根据初始模型的参数显著性结果以及Amos提供的模型修正指数和临界比率方法，经反复多次进行模型扩展（Model Building）和模型限制（Model Trimming）分析，得到如图4所示的参数估计结果。

从表12和表13可以看出，卡方值减小了很多，其它各拟合指数也都得到了改善，模型的各个参数在0.05的水平上都是显著的（见表14），这说明修正模型的整体结构效度较好。

值得一提的是，模型中反映学生满意的3个标识变量——教学质量满意度、支持服务满意度和总体满意度，三者残差之间是相关的，这些相关性没能被结构方程解释。而感知质量的5个标识变量是经过主成份分析处理得出的，它们的残差之间的相关系数并没有实际意义。

在修正后的模型中，从“预期价值”到“感知质量”的路径系数虽然是显著的（P=0.014），但标准化路径系数值仅为0.225，说明“预期价值”对“感知质量”的影响很小，故考虑删除此路径，对模型重新进行参数估计，从而得到竞争模型，如图5所示。

对比表13和表15不难发现，竞争模型的各项拟合指数都优于修正模型，并且模型的各个参数在0.05的水平上都是显著的（见表16），说明竞争模型更优。这说明在本研究中，删除从“预期价值”到“感知质量”的路径是正确的，进而假设4“预期价值对感知质量有路径影响”不成立。所以我们把竞争模型作为最终模型，以供进一步分析。

五、研究结果与结论

nlc202309031732

以最终的竞争模型为依据，分析各种变量之间的关系，并对理论假设进行检验。

1. 模型研究结果

我们将结构方程模型中变量间的直接作用和间接作用关系整理在表17中。从最终模型来看，共有4条路径关系成立（也即初始的6个假设中有4个是成立的），它们证实了感知质量、感知价值、学生满意与学生忠诚之间确实存在内在的逻辑关系。

2. 研究结论

（1）感知质量对学生满意有决定性的影响

表17说明，在其它条件不变的情况下，感知质量每提高1个单位，学生满意会提高0.95个单位。其中感知质量对学生满意的直接效应为0.493，通过感知价值而达到的间接效应为0.457。这说明感知质量对学生满意有重大影响，假设1是成立的。这意味着，电大要想提高学生满意度，提高学生的感知质量是各项工作的重中之重。

（2）感知质量对感知价值有重要影响

如表17所示，感知质量对感知价值的直接效应为0.874，假设2成立。也就是说，学生只有切实感受到学校高质量的课程教学水平和服务水平，才会觉得利用业余时间花钱来电大读书是值得的。

（3）感知价值对学生满意有一定影响

如表17所示，感知价值对学生满意的直接效应为0.523，假设5成立。即学生只有感觉到在电大学习的价值，才有可能对学校各项工作感到满意。

（4）学生满意对学生忠诚有重要影响

如表17所示，学生满意对学生忠诚的直接效应为0.82，假设6成立。换句话说，一个满意的学生有82%的可能性忠诚于学校，表现为自己继续报读电大或向他人推荐报读电大。

此外，感知质量和感知价值对学生忠诚的间接效应分别为0.779和0.429，表明两者对学生忠诚有不同程度的间接影响。

（5）教学资源对提高感知质量有重要作用

如前所述，感知质量包括对教学质量的感知和对服务水平的感知，前者包括教学水平、教学效果和教学态度3个标识变量，后者包含教学资源和服务水平2个标识变量。由图5或表16可知，在这5个因素中，教学资源对感知质量的影响最大，其负载系数为0.685。其次为服务水平（0.445）和教学效果（0.437）。换句话说，教学设施、师资力量、网络课程、学习资源等这些有形的硬件资源对学生的感知质量有重要影响，是学生判断一个学校教育质量的基础和前提。

六、研究的不足

本研究主要根据调查量表取得数据，通过结构方程模型分析学生满意度的相关潜变量之间的关系。所以，模型评价结果在很大程度上取决于量表设计与调查效度。从量表设计来看，尽管我们力图采用各种方法提高量表的信度，但通过信度检验仍有少量指标设计存在问题。另外在量表问项设计中，除感知质量和学生满意这两个潜变量之外，其它几个潜变量的支撑标识变量不够充分，可能会在一定程度上影响潜变量的准确考量。从调查对象来看，本研究调查对象仅为深圳广播电视大学在读学生，而没能有代表性地选取几个其他兄弟电大展开调查，所以在数据的代表性和普遍性方面显得不足，这可能也会在一定程度上影响结论的普适性。这些问题有待于在以后研究中加以克服解决。

?眼参考文献?演

[1] 苏胜强等. 远程学习者满意度模型的构建[J]. 中国远程教育，

2009，（6）.

[2] 候杰泰. 结构方程模型及其应用. 香港中文大学，2003，（12）.

[3] Claes Fomell，Michael D．Johnson，Eugene W．etc，The American Customer Satisfaction Index：Nature，Purpose，and Findings[J]．Journal of Marketing，1996，60(4)：7-18．

[4] 傅真放. 高等学校大学生满意度实证分析研究[J]. 高教论坛，

2004，（5）：15-16.

[5] 王莉艳，南旭光，刘万荣. 我国远程开放教育顾客满意度测评体

系构建[J]. 重庆广播电视大学学报，2007，（12）：6-8.

收稿日期： ２０11－11－30

作者简介：苏胜强，深圳广播电视大学（518001）。

责任编辑 石 子