构成型顾客满意模型的偏最小二乘路径建模及其应用，本文主要内容关键词为：建模论文,小二论文,路径论文,及其应用论文,顾客满意论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：C931.1文献标识码：A 文章编号：1002－1566（2009）01－0089－09
0 引言
顾客是否满意对企业而言具有十分重要的意义。例如，Cardozo[1]认为顾客对产品满意会带动后续购买行为，增强对相同产品线上其他产品的认同度，增加对产品的正面宣传。Fornell[2]列举了顾客满意度的提高对公司具有的主要影响：提高顾客满意度会提高现有顾客的忠诚；降低价格弹性；降低现有顾客受竞争对手竞争性行为的影响；减少未来交易的成本；降低失败的成本；减少吸引新顾客的成本；提高企业的信誉等。来自美国顾客满意指数（American Customer Satisfaction Index，ACSI）的数据显示：顾客满意指数与公司的股票价格、投资回报和市场价值增值等财务业绩有显著的关联。ACSI每上升1点，市场资产净值平均增加约10亿美元，ACSI平均分值高的公司，其市场增量明显优于ACSI平均得分低的公司。
如何量化顾客满意这个抽象事物，随着瑞典、美国、欧共体、韩国等国家和地区顾客满意指数测评工作的开展，已经积累了不少有价值的经验。我国在测评顾客满意指数上也进行了有益的尝试。例如，中国质量协会和清华大学推出的中国各行业主要品牌用户满意指数。结构方程模型（Structural Equation Model，SEM）是度量顾客满意程度的常用定量分析技术。
SEM有两类估计技术。一类是基于协方差结构的分析方法，又被称为LISREL方法，LISREL方法囊括了多种估计方法，例如极大似然估计、广义最小二乘等，大多数方法都要求变量服从正态分布，所以又被称为“硬模型”；另一类是基于偏最小二乘（Partial Least Squares，PLS）路径建模的方法，这种方法不需要设定严格的假定条件，又被称为“软模型”。由于顾客在满意评价中对顾客满意及其解释变量顾客质量感知等的评价常常为偏态，且易出现双峰或三峰，不满足正态分布的要求，因此，在顾客满意评价中，PLS路径建模方法具有自身的优势。
目前，我国学者关于LISREL方法的讨论已经比较普遍，但是，对于PLS路径建模技术的研究相对缺乏。虽然，我国学者对PLS路径建模技术也进行了一些研究。例如，廖颖林[3]、梁燕[4]介绍了PLS路径建模和LISREL方法的原理，指出在顾客满意研究领域，两种方法各有优势和不足。张新安、田澎[5]在探讨上海市顾客满意指数模型时介绍了PLS路径建模技术的基本原理。刘金兰、何涛、宁禄乔等[6]探讨了含有两个潜变量PLS路径建模算法及其几何意义。林盛、刘金兰、韩文秀[7]分析了具有多个潜变量的PLS路径建模算法，并利用该方法探讨了天津市某商品房顾客满意模型中各个潜变量之间的相关关系。但是，以上研究都是基于反映型模型，缺少对含有构成型模型的PLS路径建模讨论。
顾客满意指数测评中如何引入构成型模型，我国学者的相关研究成果十分缺乏，目前，最具代表性的是谢赞、赵平[8]的研究成果。谢赞、赵平指出从理论上来看，顾客满意测量模型中并不是所有潜变量都符合反映型关系成立的条件，顾客满意指数模型中可以引入构成型的外部关系，并对满意度模型中引入构成型关系的合理性进行了实证分析，实证结果表明需要加强构成型模型在满意度测量和分析中的研究和应用。
本文将PLS路径建模和构成型模型结合起来，对比研究了构成型模型与反映型模型的差异，阐述了构成型模型的PLS路径建模，并通过利用某电信企业数据，对比分析了两种模型的实证结果，探讨了构成型模型在企业顾客满意度研究中的可行性。
1 构成型模型和反映型模型的比较研究
PLS建模技术是一种基于SEM的估计技术。SEM有两类变量：一类是不可直接观测的潜变量（Latent Variable，LV），另一类是可以直接观测的、用于衡量IV的显变量（Manifest Variable，MV）。SEM有两种模型：一类是衡量LV之间关系的结构模型，另一类是用来衡量LV与MV关系的测量模型。按照LV与MV关系的特点，测量模型具有两种形式：构成型外部关系模型（简称构成性模型）和反映型外部关系模型（简称反映型模型）。两种模型存在较大的差异[3，8]。
（1）两种模型的数学关系不同。
构成型模型中LV表现为MV与随机变量的线性组合，数学表达式为：
（2）两种模型的最优化法则的不同。
反映型模型以条件最小化测量方程中的残差方差为目标。反映型模型中LV利用其MV的公共因子近似估计，此时LV是其MV的最好预测元，但是这个“最佳”是有条件的，要求LV同时满足内部近似，即此时LV在结构模型中是相邻LV的最佳预测变量。而构成型模型以条件最小化结构方程的残差方差为目标，构成型模型中LV以其MV的最小二乘估计近似，此时LV是其MV的最好预测子，但是这里的“最优”同样也是有条件的，也需要满足内部近似中对LV的要求。简言之，反映型模型侧重于解释MV的方差，而构成型模型侧重于解释LV的方差。
（3）两种模型中LV和MV因果关系方向不同。
反映型模型中，LV是促使被观察到的变量发生变化的潜在因素，MV是LV在某个方面的体现，因此，LV的改变将影响MV，而MV的变化不会导致LV的改变。构成型模型中，LV被认为是由一组可观测的指标解释的，MV是因，LV是果，MV影响并生成了LV。
（4）两种模型中同一个LV所对应的MV之间关系不同。
反映型模型中，同一个LV所对应的MV具有内在的相关性，因此，MV之间内容相近，具有互换性，增减某个MV不会对该LV的内涵产生影响。而构成型模型中，MV之间不存在相关性，内容可以不相似，因此不能盲目地增减MV。
（5）两种模型对MV共线性的要求不同。
反映型模型中由于LV表现为MV的公共因子，因此要求MV之间具有相关性，共线性往往不会降低、反而增强了模型的效果。而构成型模型中，MV之间的共线性将影响模型的稳定性，因此，构成型模型对属于相同LV的MV共线性有一定要求，需要控制在一定范围之内。
2 构成型模型的PLS路径建模
如何确定LV的内部权重？Lohm
ller[9]提出了3种方法：重心加权方法、因子加权方法和路径加权方法。重心加权方法是最早被使用的方法，以相邻LV的相关符号为权重。因子加权方法以LV之间的相关系数为权重。路径加权方法下，LV的自变量以多元回归系数为内部权重，因变量以与LV的相关系数为内部权重。
Chin[10]比较研究了3种内部加权方法，指出重心加权方法虽然利用的信息量较少，只利用了LV之间的关联关系，但是当LV的相关系数矩阵为非满秩矩阵时，这种方法具有一定优势，当某个相关系数接近0时，通过将权重放大，避免了迭代过程中出现的不稳定情况。因子加权方法既利用了LV之间的关联关系还利用了关联程度的信息，采用因子加权方法能够保证LV估计量是其后续目标变量的最佳预测元。路径加权方法不仅利用了LV之间的关联关系和关联程度，同时还利用了LV之间的因果关系，利用的信息量最充分，因此，采用路径加权方法不仅能够保证所有的LV估计量既是其预测变量的最佳预测子，同时又是其后续目标变量的最佳预测元，具有很好的预测功能。
（4）权重估计：即确定MV的权重。
测量模型不同权重估计的方法也不同。反映型模型以载荷为MV的权重，构成型模型则以回归系数为MV权重。权重计算后，如果不满足迭代结束的条件，则参与到下一次迭代中，即用于重新计算LV的外在估计值。
反映型模型的权重估计：
其中：上标T表示迭代结束后的计算结果。
（7）求载荷和路径系数。
利用式（8）计算得到的LV值和已知的MV值，采用普通最小二乘回归，确定载荷和路径系数。并采用t检验进行系数的显著性检验。
3 电信企业的顾客满意指数模型
下面，构建电信企业的顾客满意指数模型，并借鉴前人研究成果，在顾客满意指数模型中引入构成型模型。
3.1 电信企业顾客满意指数模型
在顾客满意测评中，如何确定顾客满意模型的LV以及MV是十分重要的环节，关于这方面的研究成果十分丰富，可参见相关文献。
本文的电信企业顾客满意指数模型参考了目前有代表性的一些国家顾客满意指数模型，例如ACSI模型[11]、瑞典顾客满意指数模型等。同时，考虑到国家顾客满意指数模型对企业而言可提供的具体指导信息不够，对质量感知LV用一些具体的质量因子确定，便于企业清楚地获得微观质量改进的信息[12]。具体而言，根据电信企业的业务流程，引入了“申请开通质量感知”、“现场安装质量感知”、“维修服务质量感知”、“账单服务质量感知”和“核心服务质量感知”共5项质量因子。电信企业顾客满意指数结构模型参见图3。
图3 电信企业顾客满意指数结构模型
借鉴各国顾客满意指数模型的经验，同时也参考了部分专业人士的意见，设定了各LV所对应的MV，各LV相应MV的具体设置为：
3.2 测量模型的设置
电信企业顾客满意度指数模型共包含了5个LV，即顾客期望、质量感知、价值感知、顾客满意度和顾客忠诚。通过逐一分析LV的特点考虑如何在模型中引入构成型模型[8]。顾客期望主要反映了顾客对产品或服务的质量预期，无论是质量的预期还是质量的评价，从形成过程来看，往往先有对产品或服务具体属性的评价，然后再综合形成总体评价，因此顾客期望和质量感知是对应观测变量的结果，而不是原因，需要采用构成型模型。价值感知所对应的观测变量“给定质量下的价格”和“给定价格下的质量”概念上是重合的，虽然由于侧重不同，在实际测量时可能导致顾客对两者的评价不完全相同，但是两个观测变量具有很强的相关性，同时这两个观测变量可以看成价值感知不同角度的体现，因此，价值感知需要采用反映型模型。顾客满意度的观测变量之间具有较强的相关性，也需要采用反映型模型。顾客忠诚的观测变量是一定顾客忠诚水平下不同方面的体现，因此也采用反映型模型。
根据分析，本文认为可以将顾客期望和质量感知确定为构成型模型，而价值感知、顾客满意度和顾客忠诚仍然保留为反映型模型。
4 两种模型的实证比较分析
企业顾客满意指数测评的目的在于帮助企业了解自身的顾客满意水平并获得如何提高满意水平的信息。将顾客期望和质量感知改为构成型外部关系的模型称为构成型模型，同时，将所有测量模型调整为反映型关系的模型称为反映型模型。在本节中，通过对比两种模型，判断两种模型能否为企业提供相似的管理信息，从而进一步佐证构成型模型在顾客满意指数测度中的可行性。
利用某电信公司2005年的调查数据进行实证比较分析，有效样本容量为180。
由于构成型模型对MV的共线性有一定的要求，因此顾客满意指数模型是否能够引入构成型模型还需要根据实际数据进行验证。测定变量多重共线性程度的方法有很多，本文将采用方差膨胀因子（Variance-inflating Factor，VIF）来测定。根据经验规则：如果一个变量的VIF超过10，则认为该变量是高度共线的。通过计算引入构成型模型各MV的VIF，最大的VIF超过4的方程只有1个，是以REPA为预测子的方程，分别为_REPA[,3]的4.408和REPA[,5]的5.464，而其他方程的VIF均小于4。这说明模型具有一定程度的共线性，但是总体而言仍然落在可以接受的范围之内。
本文采用PLS路径建模技术对两种模型进行参数估计，参数估计的具体计算过程通过LVPLS软件编程实现。两种模型的运行结果虽然有一定差异，但也保持了许多相同特点。具体的比较结果如下。
（1）两种模型下，顾客满意度各原因变量对其解释能力基本一致。
反映型模型中顾客满意度回归方程的R[2]为0.8154，构成型模型为0.8105。虽然，构成型模型中解释能力略有下降，但是与许多国家的顾客满意指数模型相比，效果仍然显著。欧洲顾客满意度指数[13]对R[2]的要求为0.65，ACSI模型中顾客满意度回归方程的R[2]平均为0.75。本文两种模型的R[2]均高于美国和欧洲顾客满意指数模型的要求，一定程度上说明模型的合理性。
（2）两种模型下，企业顾客满意指数相同。
按照ACSI计算方法计算两种模型下各LV指数，结果详见表1。
根据表1，两种模型下，电信企业顾客满意指数均为74，与我国以往的相关测量结果和美国电信企业顾客满意指数均十分接近。2002年我国信息产业部关于固定电话和ISP服务的全国用户进行了用户满意指数抽样测评，将关于固定电话、互联网的顾客满意度指数求平均值，均值为73.68，与74很接近。根据资料显示，自ACSI设立以来美国电信企业的指数呈下降趋势，其平均指数均不超过75。当然，由于本文所使用的模型与我国信息产业部和ACSI模型不完全相同，不适宜对结果直接进行对比，更有意义的做法是连续测评该电信公司的顾客满意指数，并展开动态对比分析。
（3）两种模型下，LV指数的排序完全一致。
两种模型下，从大到小依次为：BILL、INST、EXPE、REPA、APPL、QUAL、SATI、VALU和LOYA。比较SATI指数和LOYA指数将产生有意义的结论。该公司顾客满意指数为74.0，而顾客忠诚指数仅为68.3，两者之间存在5.7的差距，说明顾客对公司整体满意程度高于对公司的忠诚程度。这个结果与我国电信市场的宏观环境比较吻合。虽然通过一系列的改革，我国电信市场上已经形成了多家电信运营商共同竞争的局面，但是这种竞争仍然受到一定保护，是不充分的。由于对电信运营商在经营地域、经营范围上有所限制，这就造成了在小的地域范围内某项电信服务的提供商仍然具有垄断性，因此顾客的满意是一种选择较少的满意，而不是高忠诚度的满意。为了改变这种局面，需要更多引入竞争机制，并进一步缩小对电信企业经营地域和经营范围的限制。
（4）两种模型下，构成型模型指数略高于反映型模型指数。
9个LV中，除了2个LV指数没有变化，2个LV指数有小幅下降以外，其余5个LV的指数都提高了。但就绝对差异而言，各LV指数十分接近，差异均在1之内。
（5）两种模型下，顾客满意度各解释LV对顾客满意度的影响力十分接近。
结合顾客满意度各解释LV的指数及影响力，根据Martilla和James[14]提出的重要性—表现分析方法，绘制两种模型下顾客满意度各解释LV的重要性—表现图形。其中，综合影响力的比较图参见图4，直接影响力的比较图参见图5。
根据图4和图5，构成型模型和反映型模型为企业管理者提供了一致的信息。无论是综合影响力还是直接影响力，VALU和QUAL都落入到指数较低而影响力较高的关注区域，说明该电信企业的价值感知和核心服务质量感知虽然对顾客满意程度具有较大的影响，但其表现却不能令顾客满意，企业需要对这两个因素给予较高的管理优先权，在资源配置上向这两个方面倾斜，以便较快地提升顾客满意水平。虽然顾客对公司提供的许多服务，例如账单服务、安装服务、维修服务等评价较好，比较满意，但是由于价格偏高，性价比不合理，顾客仍然对公司的价值质量持消极态度。因此，公司需要适当降低价格，提高顾客的价值感知。同时，着力提升固话和宽带服务，提高满意水平。
（6）质量感知各MV的重要性—表现分析显示构成型模型相对稳定。
以质量感知MV的平均指数和平均影响力为界限将重要性—表现分析图分为4个区域。如果根据综合影响力和直接影响力绘制的分析图中，质量感知各MV落在相同的区域，企业根据两种影响力所得到的提高顾客满意水平的措施将保持一致，如果差异过大，企业将无法决策。在构成型模型下，只有BILL[,4]在两张分析图中落入了不同的区域，其他MV均落在相同区域。在反映型模型中落在不同区域的MV达到6个，分别为：
。对比两种模型，构成型模型的结果相对稳定。
根据构成型模型的结果，指数低影响力高的MV有：
，这说明企业需要着力提高处理申请办理开通业务的业务人员水平、缩短申请开通的等待时间、提供更满足顾客需求的账单内容、缩短报修到故障排除的等待时间、提升核心服务质量的可靠性、提高核心服务质量满足需求的能力，从而确保自身的顾客满意水平有较大的改善。
5 结论
本文比较研究了构成型模型以及反映型模型的差异，并详尽阐述了构成型模型的PLS路径建模原理。采用PLS技术，对某电信企业分别构建了构成型模型（顾客期望和质量感知IⅣ调整为构成型关系）和反映型模型（所有LV均为反映型关系），对比两种模型发现在为企业提供改善顾客满意水平的信息上两种模型具有高度的相似性，从而验证了顾客满意指数模型中引入构成型的可行性。
实证比较的具体结论有：（1）两种模型下，顾客满意度解释变量对顾客满意度的解释能力基本相同，且显著优于某些国家顾客满意指数模型；（2）两种模型下，顾客满意指数相同，且与我国相关部门的测试结果和ACSI测试结果接近；（3）两种模型下，顾客满意指数高于顾客忠诚指数，说明该电信企业的顾客满意是一种低忠诚度的满意；（4）一般而言，构成型模型的LV指数略高于反映型模型；（5）两种模型下，各LV的综合影响力差异不大，直接影响力也十分接近；（6）结合LV指数和影响力，两种模型能够为企业管理者提供较为一致的管理措施，即需要通过适当降低价格和改善核心服务（固定电话和宽带服务），快速提高顾客满意水平；（7）根据MV综合影响力和直接影响力的影响力—表现分析，构成型模型的分析结果比较稳定。
本文实证分析中样本容量较小（180），但是根据Fornell和Cha[15]的研究结果，由于PLS估计只是对整个模型中的一个部分展开，需要的最小样本数决定于同时估计的参数个数：对于反映型模型，只要关心每一次结构方程需要估计的参数个数；而对于构成型模型，还需要同时考虑测量模型的参数个数，本文的样本容量在可接受的范围。不过，更大的样本容量能够使分析结果更具说服力。本文的结论建立在2005年数据基础之上，随着我国电信产业宏观环境和企业经营的变化，某些结论对当前的电信企业可能已经不再适用。
收稿日期：2008年4月3日收到修改稿日期：2008年5月30日