使你的数据更会说话——结构方程式模型在市场调查中的应用.pdfVIP

使你的数据更会说话 ——结构方程式模型在市场调查中的应用 内容提要：在 IDC 日常市场研究工作中一些高级数据分析方法得不到应有的问题普遍存 在。而结构方程式模型作为一种实证性的数据分析技术已经发展的相当完备了，它广泛运 用于市场调查的各个方面，成为提供市场营销战略策略的有力工具。这种实证性统计方法 的运用可以提高数据分析结果的有效性和科学性。希望通过介绍结构方程式模型的建构原 理，并通过一个具体研究案例的介绍使 IDC 同事们能对此项技术有一定了解。结构方程式 中包括了主要的分析方法，在 IDC 公司中较为常见的是利用 SPSS 软件进行相关数字变 量分析。由于篇幅有限，本文只介绍一些基本定义，详细的介绍请参看文章后面的参考书 目。 一、结构方程式模型及其建构原理 结构方程式模型（Structural Equation Modeling，简称 SEM ） 或称为因果关系模型、协方差结构模型，或者直接称为 LISRLE 模型，这主要是因 为 LISREL 是用来分析结构方程式模型的早期最流行的软件。它是一种建立、估计 和检验因果关系模型的多元统计分析技术。它包含了回归分析（ multiple regression）、因子分析（factor analysis ）、路径分析（path analysis）和多元方 差分析（multivariate analysis of variance）等一系列多元统计分析方法，是一种 非常通用的、线性的、借助于理论进行假设检验的统计建模技术。 这一模型和方法由 K.Joreskog 与其合作者在 70 年代提出并逐步改进和完善， 到 90 年代初期开始得到了广泛的应用。随着 SEM 理论和分析软件的不断发展和 完善，结构方程式模型不仅在市场研究中成为分析数据、检验理论的好工具，而且 在心理学、社会学、计量经济学、管理学、行为科学和传播学等领域都得到了广泛 的应用。 结构方程式模型本质上是利用联立方程求解。我们希望的是模型拟合的再生数 据尽可能接近原始数据，如果真是这样的话，假设的因果关系结构与变量间的相互 关联模式就是拟合的或是一致的。 一般采用路径图（path diagram ）的形式表示结构方程式模型，这是最简单、 最直观的描述模型的方法，研究人员可以借助路径图直接和明了地将变量之间的关 系以图形的方式表现出来。流行的 LISREL8.3 和 AMOS3.6 软件都可以将路径图 直接转化为建模的方程，尤其是 AMOS3.6 可以直接利用路径图的模型设定进行分 析，并将分析结果直接标识在图中。 （见图一） 1 X1 x 结构模型 11  X2 x  2 21 1 x 1 11 y 3 X3 31 11 Y1 1 x 41  X4 12  y 4 21 1 21 Y2 2 x 5 X5 52 13 x 21 6 X6