结构方程模型的基本概念及其在电信满意度研究中的应用.pdf

资料内容仅供您学习参考，如有不当之处，请联系改正或者删除

结构方程模型的基本概念及其在电信满意度研究中的应用

一、满意度指数模型及其主要分析技术比较

近年来满意度研究受到越来越多企业的重视,尤其在电信行业。一方面随着

竞争的加剧，电信行业的竞争实质上成为服务的竞争，信产部加强了对运营商服

务质量的监控。2001年信产部开始对各运营商的服务质量进行测评,2002年又电

信用户申诉受理中心；2003年颁布《电信服务质量监督抽查规定》；2004年的《中

国电信业发展指导》中，信产部再次强调“继续加大电信服务质量监管工作。

另一方面,随着各家运营商的上市、对ISO的引进以及境外运营商的进入，客户

满意度亦成为运营商的工作的重点,各运营商纷纷开始对客户满意度和忠诚度的

研究.

目前国际上满意度研究所广泛采用的理论模型是费耐尔提出的满意度指数

模型（CSI），该模型的基本框架如下：

资料来源：《顾客满意度测评》

该模型自1992年问世以来，得到了不断发展和修正,并在模型中纳入了一些

新元素，比如，ECSI(欧洲满意度指数模型）中引入了品牌形象作为影响总体满

意度的一个变量，而在《中国顾客满意度指数指南》一书中同样引入“品牌形象”

作为一些行业满意度测评的变量。

1/15

资料内容仅供您学习参考，如有不当之处，请联系改正或者删除

自CSI模型提出以来,偏最小二乘回归（PLS,PartialLeastSquares）就被作

为对模型中潜变量（LatentVariable)进行估计最主要的方法。但是偏最小二乘

回归在应用中存在一些先天的不足和缺陷,主要是：

虽然它能通过观测变量对潜变量作出很好的预测,但是对于观测变量测量

误差的预测则存在偏误；

当因子在理论上存在相关时，偏最小二乘回归不能准确的揭示因子间的这

种关系，而且因子载荷也可能被过度估计；

最小二乘回归模型中，潜变量的得分是在指标信度估计和潜变量回归方程

的决定系数（）最大化的基础上获得的，这种方法会导致部分参数（误差方程）

最小化。

作为潜变量估计的另一种方法:结构方程模型(SEM，

StructuralEquationModeling），由K.Jorekog于1973年提出,在过去三十多年

里不断得到发展，20世纪90年代被广泛应用于社会科学领域.与偏最小二乘回

归相比，结构方程不仅克服了偏最小二乘回归的缺点，同时还具有以下优势：

1.结构方程模型能够对模型中的省略变量，如误差协方差，进行显著性检验;

2。结构方程对于模型的设定具有更大的弹性;

3。结构方程模型能够同时在多个群体中对同一模型进行估计；

4.在结构方程模型中,研究人员可以限定参数等于某个特定的值或者作为其

他参数的线性/非线性函数；

5。结构方程模型中可以包含定序（Ordinal）甚至分类变量（Categorical）,

而PLS则假定变量为定距变量;

2/15

资料内容仅供您学习参考，如有不当之处，请联系改正或者删除

6.结构方程模型可以对缺失数据进行最大似然估计，而PLS则要求数据是完

整的数据集，若数据不完整则需要通过回归、均值替代、列表状态删除等方法对

缺失值进行处理。

3/15

资料内容仅供您学习参考，如有不当之处，请联系改正或者删除

鉴于以上一些因素，近年来结构方程模型逐渐取代最小二乘回归在满意度研究中得到应用。本文将对结构方程模型的基本

概念及步骤进行介绍，并通过该方法在移动通信满意度研究中案例对模型使用过程的问题及结果进行解释,权当抛砖引玉.

关于两种方法的详细比较，读者可以参考《欧洲满意度指数模型的应用：结构方程和最小

二乘回归的比较》及其他相关论文。

出于商业的考虑，作者对以上模型所引用之指标做了处理.且本文主旨在于对结构方程

模型做方法论意

二、结构方程模型的基本概念

结构方程模型是通过观测变量集合的间的协方差结构和相关结构出发，从定

量的角度建立模型来研究变量的间因果关系的一