结构方程模型在竞争力评价中的应用综述.docVIP

结构方程模型在竞争力评价中的应用综述 　　一、引言 　　近二十年来，被称为“第二代多元分析技术”的结构方程模型（StructuralEquationModeling，SEM）大量应用于心理学、社会学、教育学和经济管理等众多研究领域（MacCallumandAustin，2000；TeoandKhine，2009；ShahandGoldstein，2006等）。结构方程模型能在如此众多领域的成功应用，应归功于其对理论和复杂变量关系的出色描述能力。因此，人们也开始尝试在竞争力评价研究中引入结构方程模型。竞争力评价是经济和管理研究领域重要的课题之一，因此与竞争力评价相关的理论和方法研究也是研究者关注的焦点。 　　人们早已注意到，竞争力评价背后的逻辑与结构方程模型的构造思想有着密切的联系，因此在竞争力评价研究中采用结构方程模型是非常自然且符合逻辑的一种选择。国内外学者对结构方程模型在竞争力评价研究中的应用进行了不少的尝试，并且已经取得了丰硕的成果。然而，由于结构方程模型理论和方法的复杂性，使得许多因素都可能造成模型的误用，从而削弱研究结论的可信度。因此，本文希望通过对结构方程模型在竞争力评价方面的应用情况进行简要回顾，在总结这一领域现有研究成果的基础上，分析当前研究中存在的一些问题，提出进一步研究的方向，以促使结构方程模型在竞争力研究领域的理论创新和应用研究更加合理规范。受文章篇幅以及作者能力所限，本文将主要对国内学者所作的相关研究内容进行分析和总结。 　　据我们所知，国内目前还没有与本文相同内容的研究发表。全文安排如下：第二节对结构方程模型的基本原理和竞争力评价研究的内容和方法进行简要介绍，并分析两者之间的内在联系；第三节从四方面评价性地回顾近十年我国学者在竞争力研究领域采用结构方程模型的情况；第四节是总结和展望。 　　二、结构方程模型与竞争力评价概要 　　1.结构方程模型 　　结构方程模型也称为“协方差结构模型”，“线性结构方程模型”被称为“第二代多元数据分析技术”。结构方程模型将“潜变量”作为模型的重要构成元素加以研究，这是结构方程模型区别于传统统计模型的一个显著特征。潜变量是被抽象出的某种性质，不能进行直接测量。与潜变量相反，“显变量”则是可以直接测量的，常作为潜变量的指标变量，间接地反映潜变量。结构方程模型包括对潜变量与显变量（测量模型），潜变量与潜变量之间关系（结构模型）的假定。路径分析和验证性因子分析是结构方程模型的两个特例。关于结构方程模型全面介绍可参考有关专著，如侯杰泰和温忠麟等（2004）。 　　结构方程模型建模分析一般包括以下三个阶段： 　　第一阶段，模型前期分析，即构建基本概念，确定测量模型和结构模型、样本容量和自由度等问题，并选取模型分析数据。结构方程模型的主要目标是检验模型的先验假定是否成立，而不是寻找一个适合的模型（ShahandGoldstein，2006）。模型设定的正确与否直接关系到参数估计的精度、模型的可识别与否以及模型后期的分析结论。因此许多研究者强调，结构方程模型研究中最重要、可能也是最难的部分正是对模型的设定。另外，数据质量的高低也会影响参数估计的精度（GuoandPerronetal.，2009）。 　　第二阶段，模型估计，包括检验样本数据的分布特征，计算输入矩阵。数据的分布特征关系到估计方法的选择。结构方程模型估计与传统的追求残差平方和最小的统计分析方法不同，它从变量的协方差矩阵出发，旨在寻求的是模型隐含协方差矩阵与样本协方差矩阵“差距”最小的参数。多样化的“差距”定义方法产生了不同的模型估计方法，常用的估计方法包括极大似然估计、加权最小二乘估计等，其中极大似然估计方法最为常用。结构方程估计的另外一个重要方法是偏最小二乘方法（TenenhausandVinzietal.，2005），也被称为基于成分的结构方程模型。基于协方差的结构方程模型和基于成分的结构方程模型都具有各自的优势和缺点。 　　第三阶段，模型结果分析，包括评价模型估计结果，依据模型的拟合程度等指标对模型进行可能的修正等。结构方程模型本身的复杂性使得模型的检验和修正过程异常繁琐，仅拟合指数一项指标，侯杰泰与温忠麟等（2004）中总结汇总的各类指标就有39个之多。另外也有研究者认为，结构方程模型完全是由理论确定的，不需要修正。由此可见，虽然结构方程模型可以有效地分析潜变量间的复杂关系，但模型的统计诊断变得困难，这就为一些可能的误用、甚至是错用留下了很大的空间。 　　2.竞争力评价研究 　　20世纪80年代以来，世界经济论坛（WEF）连续发布的《国家竞争力》年度报告以及瑞士洛桑国际管理学院（IMD）发布的《世界竞争力年鉴》极大地推动了国际竞争力的学术研究。哈佛商学院的MichaelPorter著名的“竞争三部曲”（Porter，1