用极大似然法估计因子载荷矩阵_【PRO专栏】患者满意忠诚模型的测量和估计

客户满意忠诚模型的测量和估计

客户需求与供应商服务之间的差距决定了客户的满意程度。现在的问题是：到底如何来度量这种差距呢?怎样综合单个客户的满意，进而得到整体的满意程度呢?ACSI采用的是偏最小二乘(PLS)和SEM方法进行满意度指数估计。协方差结构模型(covariance structure models， CSM) 亦称结构方程模型(structuralequation modeling，SEM) ，CSM是一般线性模型的扩展，主要用于研究不可直接观测变量(潜变量)与可测变量之间关系和潜变量之间的关系。

协方差结构模型由两部分组成：测量模型和结构模型。对于所研究的问题，无法直接测量的现象记为潜变量(la-tent variable) 或称隐变量；这些潜变量往往又与一些可以直接观测的变量有关系，可以直接测量的变量称为观测变量(mani-fest  variable) 或显变量。

测量模型(measurement model) 亦称为验证性因素分析模型，主要表示观测变量和潜变量之间的关系。模型形式为：

x=A.t+x

y=Ayn Te

其中，x为p×1阶外生观测变量向量；y为q×1阶内生观测变量向量；专为m×1阶外生潜变量向量，n为n×1阶内生潜变量向量；A.为p×m阶矩阵，是外生观测变量x在外生潜变量内生潜变量n上的因子载荷矩阵；0为p×1阶测量误差向量，e为q×1阶测量误差向量，它们表示不能由潜变量解释的部分。结构模型(structural equation  model) 又称为潜变量因果关系模型，主要表示潜变量之间的关系。模型形式为：

=Br+Ts+s

其中，n和：分别是内生潜变量和外生潜变量向量；B是内生潜变量的系数矩阵，亦是内生潜变量间的通径系数矩阵；「是外生潜变量：的系数矩阵，也是外生潜变量对相应内生潜变量的通径系数矩阵；S为残差向量。上述模型有以下一些假定：E(S)=0，E(8)=0，E(e)=0，E(E)=0，E(n)=0；9与相互独立，0与卡相互独立，与n相互独立，、0及e为相互独立；B在对角线上为0，且(I-B)为非奇异阵。模型的参数估计主要有两类方法，即： 极大似然估计(maximumlikelihood) 。 偏最小二乘法(partial least  square) 。 极大似然估计法对应的拟合函数为：F=In|ZI-ln|S|+tr(SZ-+)一(p+q) 其中，2是模型拟合协方差矩阵；p是外生变量的数目；q是内生变量的数目；tr是求矩阵的迹。 广义最小二乘法对应的拟合函数为：F=tr[(S-2)w-] 其中，w-是残差矩阵S一的加权矩阵。一般情况下，取加权矩阵w-1=S。因此，广义最小二乘估计的拟合函数可写为：

F=tr[(S-E)S-

大样本情况下，广义最小二乘估计与极大似然估计的结果非常接近。两种估计方法都要求观测变量的总体服从正态分布；通常都不受测量单位的影响，即改变测量单位，不会影响模型的结果，也就是具有量纲不变的特性；并且每个参数都可以利用估计的标准误进行显著性检验，类似于回归分析中回归系数的显著性检验。一般认为，估计值是其标准误的两倍以上，则为显著的。 PLS-SEM对统计假设无要求，具有很好的适用性，是国际通用的估计满意度模型的方法， Win PLS是国际通用的PLS-SEM指数计算软件，详细内容参考Fornell(1998)。