公共管理研究的方法论新探——论结构方程模型在公共管理研究中的效用及其边界，本文主要内容关键词为：方法论论文,公共管理论文,效用论文,方程论文,边界论文，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[文献标识码]A[文章编号]1006-0863(2008)06-0114-04
在人类走向21世纪的进程中，随着公共管理学科向纵深方向的深入发展，如何将抽象的概念进行计量化、精确化分析，使其像自然科学一样，能够准确地反映社会发展的本质规律，成为公共管理研究方法论创新的理论焦点。本文以“政府服务的公众满意度测评”为分析个案，通过对影响政府服务质量的多个显变量因子之间的权重比例关系进行计量分析，阐释了结构方程分析模型(Structure Equation Modeling，简称SEM)应用于公共管理研究中的双重功效与边界，从而尝试着对一种定量分析公共管理范畴的新方法论做出探讨。
公共管理作为一个复杂的社会治理系统，和大多数社会科学一样，是通过对一整套理论范畴的合理界定而在社会结构中得以推广的。同时和大多数社会科学研究领域一样，公共管理领域也存在着许多不可直接观测的概念和难以直接量化的指标，并给这些概念准确地反映社会结构的本质和规律带来了巨大的困难。从定量分析的角度看，如果要揭示某一范畴的内涵及其所反应的本质属性，就必须既考察影响这个范畴的多个变量之间的相互关系，又考察这些变量与其他各相关要素之间的关系，从而使得由此得出的研究结果尽可能拟合现实，反映事物的本质规律，并为各级政府的科学决策提供较强的参考价值。结构方程模型正是通过精确化、概念化的计量结构，为公共管理研究所涉及的众多难以测量的概念提供了一个数据化的建模及其验证过程，因而理应成为有效分析公共管理范畴的工具之一。
肇始于20世纪60年代的结构方程分析模型之所以能在20世纪90年代后被广泛应用于社会科学的研究之中，[1]就在于它主要是应用线性方程系统来观测显变量与潜变量之间以及潜变量内部各要素之间的相互关系。它涵盖了对多种原有的多变量数据进行分析，适用于对抽象的概念进行定序、定类、定距和定比考察，并整合了路径分析、验证性因素分析与一般统计检验方法的变量分析优势，既包含着因子分析与路径分析的优点，又考虑到误差因素，从而使得所采集的分析因子，不需要受到路径分析假设条件的限制，有助于研究者对影响抽象概念的各组潜变量因子之间进行探索性和验证性分析。通常意义上，当反应特定概念的各潜变因子之间的相关度缺乏理论支持时，主要采用探索性分析来研究多个潜变量之间的关系；而当反应概念的各潜变因子之间的相关度具备理论支持的时候，则可采用验证性分析来验证潜变因子之间的关系是否存在。
在具体应用中，结构方程模型是假定一组潜在变量之间存在着因果关系。潜在变量可以分别用一组显变量表示，是某几个显变量中的线性组合。通过验证显变量之间的协方差，可以估计出线性回归模型的系数，从而在统计上检验所假设的模型对所研究的过程是否合适。如果证实所假设的模型合适，就可以说潜变量之间的关系是合理的。这可通过以下三个矩阵方程式来表示：
其中，方程(1)和方程(2)被称之为测量模型，方程(3)则是结构模型。方程中各变量含义如下：x为外生观测变量，ξ为外生潜变量，Λx为外生观测变量与外生潜变量之间的关系，是外生观测变量在外生潜变量上的因子载荷矩阵，ε为外生变量的误差项。y为内生观测变量，η为内生潜变量，Λy为内生观测变量与内生潜变量之间的关系，是内生观测变量在内生潜变量上的因子载荷矩阵，ε为内生变量的误差项。B和Γ都是路径系数，B表示内生潜变量之间的关系，Γ则表示外生潜变量对于内生潜变量值的影响，ζ为结构方程的误差项。[2]
结构方程模型分析过程即上述方程组的拟合过程通常包括四个主要步骤：
模型设定：即在进行模型估计之前，研究人员先要根据理论分析或以往研究成果来设定初始理论模型，也就是初步拟定上述方程组，同时对于方程组中需要固定的系数予以设置。
模型识别：决定所设定的模型是否能够对应估计参数求解。
模型估计：模型参数可以采用几种不同的方法来估计，通常的方法包括最大似然法(maximum likelihood)和广义最小二乘法(generalized least square)。
模型评价与修正：模型估计之后，研究人员须对模型的整体拟合效果和单一参数的估计值进行评价。如果模型拟合效果不佳，可以对模型进行修正来提高模型的拟合效果。[3]
二
为了进一步说明结构方程模型如何应用于公共管理研究领域，本文以公共管理领域中“政府服务的公众满意度测评(简称CPSI)”研究为例来加以验证。
20世纪70年代末期，西方国家为了应对经济全球化和全能政府管理模式所产生的管理危机、财政危机、信任危机的困境，普遍发起了以公共责任和顾客至上为理念导向的“重塑政府运动”，学术界把这场运动称为“新公共管理运动”。在这场运动中，绩效管理、成本与效率意识、顾客至上与服务意识、公共责任意识，以及在公共部门中引入竞争机制等新型理念和措施，在政府管理实践中得到了广泛的运用，政府管理的目标也由单一地追求效率目标，转变到全方位地追求社会公平、提高效益和服务质量上来。其中，改善公共责任机制和提高公众的满意程度，成为政府管理体制创新的新生长点。
如果基于政府与公民相互关系的良性互动来考察政府行政的有效性，就需要以公众满意为导向，对“政府服务的公众满意度”进行定量测评。而要对政府服务的公众满意度进行测评，则不仅仅只是了解公众对政府服务的满意程度，更要了解制约公众满意度高低的影响因素，以及各个影响因素在测评系统中所占的权重比例关系。也就是说，应当通过对政府服务质量测评结果的定量分析，来精确了解政府服务的薄弱环节，并为进一步提高政府服务质量、深化行政体制改革提供实证依据。
在一般性的定量分析中，人们对政府服务公众满意度的研究，主要侧重于对其最终结果的关注上，即仅仅关注公众是否很满意、较满意、基本满意或不满意四种结果，而不注重研究影响公众满意度的各内部构成要素之间及其相互关系，同时也忽略了各要素在公众满意度这一测评系统中所占的权重比例，从而不能从根本上找到提高公众满意度的方法和途径。本文假设：影响我国政府服务的公众满意度测评(CPSI)因子的变量分为：可观测变量和结构变量。其中，可观测变量又细化为：
1.公众期望。公众期望是指公众对政府提供服务的预期。公众作为纳税人，是政府机构得以正常运转的“出资人”，因而，必然对政府的服务质量和效能提出要求，政府必须为他们提供高效、优质的服务。
2.政府形象。政府形象是指公众在接受政府服务过程中所见、所感的形象，主要包括政府公务员的仪表形象、政府办公环境和设施的形象和公民对政府运行模式是否透明、阳光行政形象的主观感知。
3.公共服务绩效考评。公共服务绩效考评是指公众在享受政府提供服务后，对其服务的业绩和效能进行考核和评估。由于政府公共服务的类别较多，按服务门类可将其划分为：科教文卫服务绩效，公共安全服务绩效，社会保障服务绩效和服务作风、形象建设绩效。并且，政府公共服务具有非排他性，而享受同一服务的不同公众，由于受主观需求和客观环境的制约，也会有不同的满意度感受，因而在进行具体的考评时，还须对所考评到的调查数据进行加权平均。
4.感知价值。感知价值是指公众在享受政府提供的服务后，对自身需要和自我利益实现的主观感受。感知价值的观测变量有2个：公众对自我价值实现的感受和公众对社会价值实现的感受。感知价值是以公众享受政府提供的服务为前提，体现的是政府对公众的尊重、帮助和关爱。
而公众满意度在结构变量上，主要体现为公众对政府服务的总体满意程度，这也是本结构模型中，最后所求的结构性因变量。其观测变量有5个：总体满意度、实际服务绩效与期望(即预期、以为能达到的)服务比较后的感受，实际服务绩效与理想服务比较后的感受、公众对政府充满信心的程度、公众对政府的支持程度。
通过上述变量的确定，得到CPSI模型，其模型见图1。
图1 我国政府服务的公众满意度测评模型(CPSI)
在此基础上对政府服务的公众满意度指数进行测量，其步骤为：
1.问卷调查
在对政府服务的公众满意度调查中，常用的方法是问卷调查法。问卷调查法一般是指调研机构或测评人员采用一系列标准化的问卷，向被调查对象了解有关情况或征询意见的一种调查方法。根据上述所确定的变量，我们通常采用小组讨论、利用利克特5分法制定相应的调查问卷。
2.统计分析
统计分析法是SEM运用的主要研究方法，主要有因子分析、方差分析、配对T检验、相关性分析及回归分析等，这些方法是为了对问卷调查取得的样本资料进行分析，探寻数据之间的内部规律，并得出相应的结论作为文献研究的重要补充。[4]在对政府服务的公众满意度测评模型中，我们假定各观测变量与结构变量，以及各结构变量之间存在着相关性。但是由于各变量之间存在着误差变量的随机性，以及观测变量数据的有限性，很难把各变量之间的影响系数予以准确界定，因而通过采用统计软件SPSS、LISREL软件对之进行精确化、数据化分析。在分析过程中，主要采用信度分析、效度分析、描述性统计分析、因子分析等进行数据前期分析，为结构方程模型的建立提供依据。
(1)信度分析：信度是指测量指标前后的一致性程度，是一项研究在多大程度上具有可重复性。测量信度的方式有多种，而Cronbach’sa是目前社会科学研究最常使用的信度测量方式。[5]Cronbach’sa系数α介于0到1之间。一般来讲，α值越大，表示指标测量前后一致性的信度越高，代表其所测量因素内部之间的关系具有较高的一致性，同时亦显示出所测量变量内的各变量之间的相关程度越大，它表明被调查对象对于测量变量中的问项变量反应的一致性程度较高。因而，选取指标拟合现实的可信度越强。一般认为，信度系数α若大于0.7表示指标信度相当高；当系数α介于0.7与0.35间表示信度尚可；若α小于0.35则信度较低。具体研究中，通常采用0.7以上的信度系数来验证指标的真实性。低于此信度系数，则表明问卷设计的某些指标项目并不同质，应予以剔除。
(2)效度分析：所谓效度是指测量工具确实能够测出所想要测量的范畴拟合现实特质的程度。通常以量表信度为基础来考察量表信度与效度之间的关系，一般情况下，若量表的信度过低，就没有效度；而量表的效度过低，亦会造成信度没有意义。因此在效度分析中，存在着“有信度不一定有效度，无信度一定无效度，有效度一定有信度”等情形。
(3)描述性统计分析：它是一种采用叙述性统计分析方法，以了解抽样人口统计变量(性别、年龄文化程度、职业、居住年限)的分布情形，以及各研究变量受测者的回应情形。希望借此了解抽样人口的结构变量在各指标维度上的反应，以及其反应的集中趋势或离散趋势。
(4)因子分析：将问卷项目中公众期望的服务水平，利用因子分析对服务质量因子变量进行探索性研究，以找出服务质量衡量维度。并为后文进行相关性分析、方差分析、回归分析等做准备。具体分析方法是采用主成分分析法(Principal Components Analysis)，通过碎石图(Scree Plot)检验判定因子个数，并以最大方差直交旋法(Varimax Rotated)求得主要因子。KMO样本测度和Bartlett’s球体检验是用于验证指标是否适合作因子分析的两种方法，只有指标相关性较高时才适合于作因子分析。根据学者凯瑟(Kaiser)(1974)观点，如果KMO的值小于0.5就不宜做因素分析，[6]具体由SPSS分析软件操作完成。同时，通过探索性因子分析我们可以进行修正原始指标设计中的变量结构。一般来说，衡量模型对影响系数拟合程度的指标有：概率测度(P)、拟合优度(GFI)、调整后的拟合优度(AGFI)，近似误差的均方根(RMSEA)，若P>0.10、GFI>0.90、AGFI>0.90、RMSEA<0.8，则表明模型的拟合现实程度很好，符合模型精度要求，并通过LISREL对通径图的计算而得以验证。
在对“政府服务的公众满意度指数”进行测量中，根据上述分析和前期得到的模型图，我们将政府作风建设绩效在LISREL软件中的语言为Ksil、政府形象Ksi2和公众期望Ksi3作为显变量，将感知价值作为中介变量Etal，而公众满意度则设定为需要测评的潜在变量Eta2，从而得到模型通径图(如图2)，将所得数据用统计软件LISREL，按照我们所得的通径图进行计算，便得到模型通径图的具体相关数据。通过观测模型通径图，便能清晰地看到各个相关变量在整个系统中所占的权重比例，以及各个变量之间相互影响的强度。假如，在模型中，如果公众期望与公众满意度之间的系数为0.90，则说明公众期望对“公众对政府的满意度”影响权重较大。
图2 CPSI通径图
通过这一示例，可以看到结构方程模型作为一种研究公共管理的新方法，其主要优势就在于：
其一，将难以直接测量的公众期望、政府形象、公共服务绩效、公众对政府服务的感知价值和公众满意度等抽象概念，以定量建模的形式，细分为“可观测变量”。进而通过测量变量之间的协方差关系，来研究各潜变量之间的相关性，其拟合结果可以清晰地显示出各个因子变量，在影响政府服务的公众满意度测评中，所具有的权重比例。这为今后在公共管理研究中，应用结构分析方程模型，将一般性的抽象概念进行“可观测”的定量分析，从而，部分地扬弃传统的公共管理研究，总是立足于从事物的抽象本质出发，以先验设定的主观概念作为分析起点，辅之予逻辑演绎和价值判断的随意性结论，提供了一个崭新的思路。
其二，结构方程分析模型超越了传统的方差分析中，所选因子受线性路径分析假设条件制约的局限，而将抽象的概念分析过程由静态的、线性的逻辑推导，转向动态的、可测量的生成过程。从而使得人们关于抽象范畴的定性分析和方案选择，不再是一劳永逸地获得唯一的、最优的答案。而是在讲求科学的行动策略选择中，立足于动态性的公共治理过程，来重点考察影响范畴的各个因子之间的相互关系，进而动态地理解政府的公共管理行为，揭示出公共治理活动的内在机理和本质规律。
其三，结构方程分析模型对范畴本质属性的定量考察，既重视考察单个可观测的潜变量因子之间的相互作用，又重视考察整体的结构性变量对范畴本质属性的制约和影响。这样有助于我们从不同的观察维度定量考察特定范畴的本质和规律，揭示在此基础上生成着的公共管理系统运行态势，从而动态把握影响范畴的各个因子和结构性因素在公共治理模式中的互动功能。
然而，正如任何研究方法都有着它的局限性一样，结构方程分析模型也不是万能的，它存在着自己的应用边界。
首先，研究结论不能绝对化。结构方程模型虽然较其他统计方法，如方差分析、因素分析等具有一定的优势，但影响数据的许多因素在结构方程中并未加以控制。因此在研究时，需要清楚地定性考察研究的背景、样本获取的前提。
其次，结构方程研究需要有理论的支持。SEM在本质上是一种证实性分析技术，而不是探索性分析技术。虽然在具体应用中，也会涉及一些探索性因素，但结构方程模型主要是用来验证一个特定的假设模型是否符合客观实际，而不是寻找和发现一个新的模型。因此，在利用结构模型方程进行分析时，必须有科学理论假设作支持，同时，这一理论假设的逻辑推演可以用一组线性方程的相关性来表示。据此才能构建结构方程模型，并在数据的支持下进行验证。
最后，正确看待SEM拟合现实的真实度问题。任何数学模型都是对现实世界的简化，量化的数学模型永远不可能“完全地”拟合现实世界。因此，即使SEM模型所选择的指标数据能够很好地拟合现实，也可能存在误差。应该从社会结构的多个角度，对模型拟合现实的可信程度进行检验，并通过规范性研究加以阐释，从而实现定量分析与定性分析的有机结合。
标签：结构方程模型论文; 因子分析论文; 探索性因子分析法论文; 因子载荷论文; 数据拟合论文; 线性拟合论文; 信度论文;