学术堂首页 | 文献求助论文范文 | 论文题目 | 参考文献 | 开题报告 | 论文格式 | 摘要提纲 | 论文致谢 | 论文查重 | 论文答辩 | 论文发表 | 期刊杂志 | 论文写作 | 论文PPT
学术堂专业论文学习平台您当前的位置:学术堂 > 政治论文 > 政治学论文 > 公务员论文

国内外基于SEM的顾客满意度模型研究与应用

时间:2017-01-11 来源:未知 作者:傻傻地鱼 本文字数:4677字

  2.3 基于结构方程的顾客满意度模型算法和思路。

  顾客满意度结构方程模型的建立过程一般分为六个步骤进行:首先要构想模型的内容或组成,其次要对模型内的各个参数进行设定,然后进行模型识别和估计,第五步则需要对基本完成的模型进行评价,判断其与数据的符合程度,最后一步只需要根据模型的评价对模型进行调整和修正就完成了。经过以上六步,就可以得到一个比较理想的结构方程模型,全面地分析变量与变量之间的关系及影响研究变量的主要因素等,从而得到一个比较可靠和真实的结论。

  2.3.1 理论模型的设定与因果路径图的构造。

  (1)理论模型的设定。

  结构方程模型本身就是一种验证性的而不是探测性的建模技术。在进行模型设定时,需要相关理论作为基础依据;在建模过程中,则需要清楚地了解各个变量的性质以及相互之间存在的关系。尤其需要特别注意的是在进行模型设定的过程中变量的数量,如果变量过多,特别是潜在变量过多,就会对样本的质量要求十分高,或者对样本的数量要求十分大,那么统计显着性检验和结果的解释就很有可能会有很多非正常现象出现。

  (2)变量间关系路径图的构造。

  为了能够明确各变量间的关系从而有利于进行结构方程模型的设定和建立,我们可以通过路径图的方式来描绘,这样能够更为直观地模拟并展示出变量间的相互联系。一般情况下,在测量模型中每个潜在变量都有可能有许多指标与其对应,那么我们要选择确定一个指标,并将它的系数设定为 1.如果潜在变量只有一个指标与之对应,而我们又无法确定该指标的可靠程度,那么就会把这个唯一的指标默认为该潜在变量的完美测量,此时它的误差就会被设定为 0.

  路径分析图是顾客满意度测评结果的主要表现形式之一,它能直观地表现出各个变量之间所存在的相互关系以及相互之间影响程度的大小。

  2.3.2 模型方程式的构建。

  用代表因果关系理论的线性方程系统来表示理论模型就是从概念理论到统计模型的过程。实际上结构方程模型的组成很简单,仅仅只包括了一个结构方程以及还有两个测量方程。图 2-1 画出了 3 种潜在变量之间的因果关系和对应路径图的实例。

  根据上面所展示的路径图来看,影响潜在变量的因素很多,他们之间也相互有影响。通过路径图我们可以更简单地将其中的结构模型转换成结构方程表达式来表示,并在将测量误差加入表达式。相对应的结构方程表达式。 



 

  2.3.3 模型的识别和参数的估计。

  在完成好模型的设定步骤之后,要在方差数据以及协方差数据的变量的观测值的基础之上,来进行参数的估算。和传统的统计方法所不一样的是,在结构方程模型参数的估算计量程序中,要使得样本和模型估计两者的值之间的差值尽可能的减小,也就是说两者方差以及协方差之间的差值要尽可能小,而不是尽量的要求样本每一项指标的观测值的大小和拟合值的大小两者之间的差值尽量缩小;在通常情况下,残差都是观测到的方差以及协方差的值和自己所做的方差协方差的预测值之间的差异,而不测量每个案例的因变量预测值与观测值之差。

  一般在模型的识别过程中,通常要考虑唯一解的问题,也就是说,根据所观察到的样本数据,是否能够求得模型中未知参数所存在唯一的解。当存在未知参数无法通过函数表达的情况时,也就是说它是不能够被识别的。如果存在某个以观测变量的方差协方差中的一个或多个元素的函数,在这个函数中,参数可以得到表达,那么他就是可识别的。因此,识别模型的定义就是在一个模型中,全部的未知参数都可以通过观测变量的方差协方差中的一个或多个元素来表达,那么这个模型就可以称为识别模型。

  结构方程模型的参数识别的手段不存在简单的充要条件,但是存在两个必要条件要时刻加以检查:一是必须为模型中的每一个潜在变量建立一个测量尺度,二是自由参数的数目不能多于数据点的数目。但是由于这两个条件对于模型识别来说是虽然是必要的,但不是充分的,所以说在满足这两个必要但非充分条件的情况下,还会有识别问题的存在。

  避免识别问题发生是解决模型识别问题最好的办法,应尽量在模型设定的初期尽量拟合简约模型,减少未知参数。如遇到识别问题,最简单的方法是剔除几个变量,如果不能,研究者可以通过降低未知参数的个数,或者减小测量数据的误差,一般情况下在这样之后,就存在可以将模型转化成为能识别模型的情况。如果在这之后,模型依然是无法被识别的,就可能是研究者的思维方法出现了错误或者是模型思路不对,也就需要重新建立新的能够被识别的模型。

  2.3.4 数据拟合的精度点评以及模型的修正。

  (1)对数据拟合精度的评价。

  根据研究者目的的不同,在达到模型识别所需要的两个基本的条件的情况下,就能够对拟合度检验,也就是结构方程模型与数据他们之间的接近程度。但是拟合度仅仅是表达了模型和所观察到的数据值之间一致性问题,因此,多数情况下,还应该分析所搭建的模型的理论依据是否可以代替研究者的观察数据。

  研究者所观测到的变量,通常情况下还应当满足以下三个假设:第一个假设是全部变量之间的联系或者说函数关系应当是线性的,第二个假设是全部变量应当符合多元正态分布的函数关系,第三个假设是观测值不能够施加人为干扰,应该进行系统的单独随机抽样来抽取观测值。当研究者估计完所建立的软件模型以后,还需要结合数据处理结果,评价全部模型的拟合精确程度,也就是所建立的结构模型以及测量模型的拟合度。

  通常情况下,使用拟合优度卡方检验对模型的总体拟合进行检验。一般情况我们所选择的标准都是相似的。首先是模型所具有的拟合度标准要求卡方值与自由度的比值要低于二,而且要求近似误差的均方根(RMSEA)也要低于 0.05,在 90%的置信范围内上限要低于 0.08;其次是模型拟合的观测数据标准,该指标要求拟合优度指数(GFI)和修正拟合优度指数(AGFI)大于 0.9.总之,使用哪种测量指标来报告模型的拟合优度是研究者根据自己的判断选择的。

  观测变量对潜在变量测量的有效程度和可靠性的评估是测量模型的评价主要内容。与传统的多元回归分析相同,通过计算全部观测变量的决定系数以及每一个观测变量的复相关系数,从而可以对观测变量是否能成为潜在变量的度量指标进行评估,系数在 0 到 1 之间取值,拟合模型的好坏与对应值成正比。

  对于结构模型是否显着进行检验,其主要还是通过对模型的路径系数进行在显着性水平确定的前提下,对应每个系数的标准误差和 t 值,可以对假设因果关系的统计是否显着进行检验评价。与此同时,也可以针对全部或者单个的结构模型方程计算其复相关和总决定系数,系数在 0 到 1 之间取值,拟合模型越好对应的值越大。

  (2)模型修正。

  模型修正在完成一个合格的模型中是必不可少的一步,在该过程中需要将初始模型中出现的缺陷进行改进使其拟合程度更加符合要求,并找到可以更好的替代模型。

  具体操作中则需要根据两个协方差矩阵间的残差矩阵对模型重新拟合优化。观测变量相关矩阵或协方差矩阵和估计得到的相关矩阵或协方差矩阵不同,标准化的残差表明模型拟合的越好残差值越小。

  可以通过修改测量模型的观测变量、增添新的结构模型参数、增加观测变量误差项的相关关系、增加测量模型的可靠性和有效性等方法来一个拟合不好的模型。

  AMOS 软件能够计算出每个固定参数的修正指数,这个修正指数表明检验模型的卡方值在该固定参数被设置为自由参数时进行估计所减少的量。考虑到理论驱动以及数据需要,在必要的情况下我们需要对模型进行重新的设定使模型尽量能够具有实际根据的考虑出发改进模型拟合程度,而不可以单纯追求统计上的考虑。

  2.4 国内外基于 SEM 的顾客满意度模型研究与应用。

  2.4.1 国外基于 SEM 的顾客满意度模型研究。

  随着世界经济的快速发展,企业也越来越关注客户的心理,因此顾客满意度这一经济心理学概念已经发展到一定的程度,研究设计了定量的理论评价模型。顾客满意度通过理论模型可以与质量、价值以及忠诚度等因素相结合形成一些数据化的变量和逻辑性的关系,从而形成一套完整的理论满意度模型。随后有关满意度的研究越来越普遍,在实际运用中也开始不断发展改进。在美国、欧盟、瑞典等欧美国家,有关满意度模型的研究一直走世界前端,我国也是在近几年里才开始对该模型进行研究,如中国石化集团公司,清华大学等,但也只是少部分企业和高校。

  (1)瑞典顾客满意度(SCSB)模型。

  世界上最早开始建立满意度模型的国家就是瑞典,他所建立的最原始的模型称为SCSB(Sweden Customer Satisfaction Barometer)。该模型反映了最初满意度度模型的基本结构,主要包括两个前导变量和两个结果变量(图 2-2)。由图我们可以看到顾客忠诚度在该模型中是最终的一个因变量,其他因变量最后都将反映到这个因变量上,所以企业应该将此变量作为评价顾客保留和满意度的重要指标。在图上我们可以看到这五个结构变量之间的关系,客户的满意度有由客户期望和感知价值两者共同影响,而感知价值又由客户期望决定,可见在该模型中客户期望是外生变量,而其他四个变量也属于内生变量。

  (2)美国顾客满意度(ACSI)模型。

  在美国,通常想要对顾客的满意度进行评价时都会采用 ACSI ( AmericanCustomer Satisfaction Index)模型。该模型并不是重新开发的,而是在 SCSB 模型的基础上修改并建立的(图 2-3),是目前影响最广泛的经典模型。改模型具有 2 个特点:

  一是从价值感知中分离出质量感知。ACSI 在前期的调查中也添加了质量感知的问题:

  第一个问题是服务或产品是否能够满足顾客的需求;第二个问题是这些需求是否真的可以满足;第三个问题是服务的总体质量如何。二是 ACSI 中加入了"可靠程度期望"和"满足顾客需求程度",与原有的"总体期望"共同衡量顾客期望。

  2.4.2 我国基于 SEM 的顾客满意度模型应用。

  我国不少学者再在已有理论基础上,结合国内的实际情况建立了自己的满意度模型,具有一定成果且较有典型意义和创新意义的改进模型就应该是清华模型和兰州炼化模型两个模型了。

  (1)清华模型。

  清华模型充分的将 ACSI 模型和 ECSI 模型相结合,取长补短建立了一个具有特殊意义的新模型。该模型将"形象"这一结构变量加以运用和扩展,建立了一个理论模型。其中包括:品牌形象、顾客预期、感知质量、感知价值、客户忠诚、客户满意度和客户报怨一共有七个结构变量。所以该模型在检测顾客对公司满意度和公司产品的市场信息有很大的作用。在该模型中,外生变量是"品牌形象",而其他所有的变量都属于内生变量。所以公司产品的品牌和产品使用者的特征显着度以及品牌在市场上的流行程度和顾客对公司的信任度都将构成模型中"品牌形象"的观测变量。模型的结构。

  (2)兰州炼化模型。

  该模型是一个典型的 CCSI 模型,之所以称为兰州炼化模型,主要是由于中国石油兰州炼化公司建立的。该公司是通过在 ACSI 模型上添加了一个新的变量,从而升级成为另一个全新的模型。所添加的变量中包括了一个"市场环境"的结构变量和一个可以随时对市场净化程度进行反映的观测变量。新的模型相比于基础的模型而言,其中新添加的观测变量可以及时有效地反映市场的净化程度,通过了解市场所有商品的销售渠道和各地存在的假冒伪劣商品的具体情况等,从而能够以上面的变量作为依据对潜在变量的市场环境进行估计预测。

  2.5 本章小结。

  在整个第二章里,主要介绍了一些关于工作满意度研究的理论基础。首先这章一开头就介绍了结构方程模型的一些原理和方法,说明了结构方程模型的结构及分析过程。其次,对顾客满意度的一些其他相关的理论也进一步地介绍并总结归纳,这也是为了下一步对"为工作满意度"的深入研究有更好的理论依据和操作方法。再次,阐述了基于 SEM 的顾客满意度模型算法,说明了模型的构建思路。最后对国内外基于SEM 的顾客满意度模型的应用和研究进行总结,印证本文研究的可行性。

    相近分类:
    • 成都网络警察报警平台
    • 公共信息安全网络监察
    • 经营性网站备案信息
    • 不良信息举报中心
    • 中国文明网传播文明
    • 学术堂_诚信网站