Patch方法在PLS路径建模中研究及应用.docVIP

Patch方法在PLS路径建模中研究及应用 　　摘 要：在PLS路径建模中，“二级潜变量”没有对应显变量而不能建模的情况。“二级潜变量”通常对应多个“一级潜变量”，采用Patch方法可算出这些“一级潜变量”的第一主成分得分，并且把这些主成分得分作为二级潜变量的显变量，这样便满足了建模的条件。本文基于R软件，以员工满意度为实例展示Patch方法的应用，并对Patch方法作进一步研究。 　　关键词：PLS路径建模；二级潜变量；Patch方法；员工满意度 　　Abstract：Models with latent variables of second order， the way they are customarily represented （with no manifest variables）， are not allowed in the PLS-PM framework： an LV with no indicators has no place in PLS-PM. The process of the patch approach is a little bit tangled. In the first step we compute latent variable scores of the 1st order constructs with PCA. In the second step， we can run a PLS-PM analysis using the PCA scores of 1st order constructs as indicators of the second order constructs. Through the example of employee satisfaction， the thesis demonstrates the application of Patch approach with the statistical software R. 　　Keywords： PLS-PM； second-order construct； the Patch approach； satisfaction of employees 　　1 PLS-PM基本概述 　　结构方程建模（structural equation modeling， SEM）又称路径建模（path modeling）。从二十世纪六十年代后期开始，该理论方法处于不断发展和被更新状态，许多专家学者利用结构方程建模方法进行各领域的研究，并把研究成果写成文章。因此，该理论方法得到不断的丰富。 　　结构方程模型主要有两种分析方法：第一，偏最小二乘方法（partial least squares，PLS）；第二，协方差方法（LISREL方法）。过去，由于统计软件的限制，偏最小二乘法（PLS）的知名度不如协方差方法高。不过，由于R软件的高速发展，已经有多个关于PLS的软件包可供使用，这使得PLS路径建模方法具有很强的操作性。 　　PLS路径建模方法（PLS-PM）是一种验证性的理论方法，具体步骤如下：首先，根据已有的理论或假设构造模型，画出路径模型图；其次，找出相关潜变量的显变量，制作调查问卷收集数据；最后，基于全部数据，进行PLS路径建模。 　　下图为经典员工满意度路径模型图，该路径模型中的六个变量均为不可观测的变量，称为潜变量（LV）。图中的箭头表示因果关系，其中没有被箭头指向的潜变量称为外生变量（exogenous variables），有被箭头指向的潜变量称为内生变量（endogenous variables）。如图所示，“员工期望”便是一个外生变量，它是“员工期望”、“员工感知”、“员工满意度”和“组织承诺”的原因变量，当然内生变量也可能是其他潜变量的原因变量，如“员工感知”就是“员工满意度”的原因变量。 　　图1 经典员工满意度路径模型图 　　PLS-PM有几个显著特点：第一，PLS-PM对数据的分布没有任何假定，完全利用原始数据进行建模；第二，PLS-PM可适用于小样本；第三，在路径模型图中某些潜变量之间虽没有箭头，但是PLS-PM假定全部潜变量均是相关的；第四，PLS-PM适用于关注隐变量得分的情况， 比如满意度指数。 　　2 多级潜变量模型和Patch方法简介 　　2.1 多级潜变量模型 　　这一节主要介绍一种特殊模型的PLS路径建模应用，这个特殊的模型称为多级潜变量模型。为了更深刻地理解多级潜变量模型的概念，利用二级潜变量模型的实例进行详细说明。如图2，二级潜变量路径模型包含五个潜变量，其中“MI”、“DOP”、“PRE”和“GRO”均为一级潜变量，它们分别指向二