顾客满意度模型估计PLS与LISREL.docVIP

顾客满意度模型估计的PLS与LISREL 中国人民大学　金勇进 梁燕 顾客满意度模型是一个多方程的因果关系系统——结构方程模型（SEM，Structural Equation Model），有多个因变量，是一个原因和结果关系的网，模型必须要按照这些关系进行估计。模型中包括质量感知、顾客满意度、顾客忠诚度和企业形象等隐变量，这些隐变量只能通过多个具体测量变量来间接衡量。模型中允许自变量和因变量含有测量误差，还必须要计算出来隐变量的表现得分（例如通过多个测量变量的加权指数）。 以ACSI模型为例，它就是一个结构方程模型，包括结构方程（隐变量之间关系的方程）和测量方程（隐变量和测量变量之间关系的方程）。要对结构方程模型进行参数估计，目前最经常使用的两种方法是PLS（Partial Least Square）方法和LISREL（LInear Structural RELationships）方法。这两种方法既有相同之处，也有许多不同之处。本文主要讨论两种方法的算法，以及他们之间的联系与区别，并根据实证案例，提出我国在构建顾客满意度模型过程中使用的方法。 一、PLS和LISREL方法 PLS（Wald，1982）是将主成分分析与多元回归结合起来的迭代估计，是一种因果建模的方法。瑞典、美国和欧盟模型都使用这种方法进行估计。在ACSI模型估计中，该方法对不同隐变量的测量变量子集抽取主成分，放