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)。