结构方程模型应用举例-美国顾客满意度指数模型ASCI

什么是顾客满意度模型

什么是顾客满意度模型（Customer Satisfaction Model）？释义 N. Kano的顾客满意度模型是一项质量管理工具和市场营销技术，可以被用来衡量顾客的满意程度。顾客满意度模型甄别出6类质量属性，其中前3类对顾客满意度产生实质性影响： 1.基本因素（Basic Factors）。（不满足要素，必须有的。）顾客对产品的最低限度需求，必须有。）- 顾客对产品的最低限度需求，如果缺了这些基本因素，会让顾客感到不满；但是，即便产品包含了或者超出了它们，也不会让顾客产生满足感，顾客想当然地以它们为先决因素。基本因素是进入市场的最低门槛要求。 2.兴奋因素(Excitment Factors)。（满足因素，有吸引力的。）- 有了这些因素，会增强顾客的满足感；即便缺了它们的话，也不至于让顾客产生不满。这些因素让顾客感到惊喜，并产生“愉悦的感觉”。产品包含这些因素，就能将自己的企业与竞争对手区别开来，使自己处于有利地位。 3.性能因素（Performance Factors）。如果产品性能表现很好，顾客则表示满意；如果产品性能表现很差，顾客则产生不满。这里，性能表现与总体满足感是线型对称的。以上这三个因素与顾客的需求、期望直接相关，因此，公司在这些方面一定要具有竞争性。除此以外，Kano还提到了其他三个属性： 4.冷漠属性（Indifferent attributes）。顾客对于有无这些属性并不在意。 5.可疑属性（Questionable attributes）。对于这些属性，并不清楚它们是不是顾客所期待的。 6.背离属性（Reverse Attributes）。这些属性特征的相反方面才是顾客所期望的。顾客满意度模型起源历史这种顾客满意度的研究方法源于一篇Kano与人合写并发表在日本质量控制协会会刊《品质》上的文章，题目为《诱人品质与必需品质》（1984）。39-48.

结构方程sem模型案例分析

结构方程SEM模型案例分析什么是SEM模型? 结构方程模型（Structural equation modeling, SEM）是一种融合了因素分析和路径分析的多元统计技术。它的强势在于对多变量间交互关系的定量研究。在近三十年内，SEM大量的应用于社会科学及行为科学的领域里，并在近几年开始逐渐应用于市场研究中. 顾客满意度就是顾客认为产品或服务是否达到或超过他的预期的一种感受。结构方程模型（SEM）就是对顾客满意度的研究采用的模型方法之一。其目的在于探索事物间的因果关系，并将这种关系用因果模型、路径图等形式加以表述。如下图：图: SEM模型的基本框架在模型中包括两类变量：一类为观测变量，是可以通过访谈或其他方式调查得到的，用长方形表示；一类为结构变量，是无法直接观察的变量，又称为潜变量，用椭圆形表示。各变量之间均存在一定的关系，这种关系是可以计算的。计算出来的值就叫参数，参数值的大小，意味着该指标对满意度的影响的大小，都是直接决定顾客购买与否的重要因素。如果能科学地测算出参数值，就可以找出影响顾客满意度的关键绩效因素，引导企业进行完善或者改进，达到快速提升顾客满意度的目的。 SEM的主要优势第一，它可以立体、多层次的展现驱动力分析。这种多层次的因果关系更加符合真实的人类思维形式，而这是传统回归分析无法做到的。SEM根据不同属性的抽象程度将属性分成多层进行分析。第二，SEM分析可以将无法直接测量的属性纳入分析，比方说消费者忠诚度。这样就可以将数据分析的范围加大，尤其适合一些比较抽象的归纳性的属性。第三，SEM分析可以将各属性之间的因果关系量化，使它们能在同一个层面进行对比，同时也可以使用同一个模型对各细分市场或各竞争对手进行比较。

结构方程模型及其应用

結構方程程模型型及其應新增資應用資料

目錄內容頁數引言 2 I. 第9.1版的改動 3 - 4 II. 章節內的新增資料第一章 5 第三章 6 – 8 第十二章 9 – 10 第十四章 11 – 17 III. 附录內的新增資料 19 1

引言自2005，為方便普通話及廣東話的學生，修習香港中文大學我所任教的結構方程課程，我製做了一個含有2種方言的網上課程，其後我亦將整個課程放在個人網頁(https://www.360docs.net/doc/7e14396630.html,)免費讓公眾使用。網上課程更精簡地解釋重點，尤其是對本書最艱深的部份（第三、四章），幫助最大。學員先看綱上課程，再參考書本內容，必感事半功倍。主要参考文獻： du Toit, S., du Toit, M., Mels, G., & Cheng, Y. (n.d.). LISREL for Windows: SIMPLIS syntax files. Lincolnwood, IL: Scientific Software International, Inc. (available https://www.360docs.net/doc/7e14396630.html,/lisrel/techdocs/SIMPLISSyntax.pdf) J?reskog, K.G. & S?rbom, D. (1999). LISREL 8: User’s Reference Guide. Lincolnwood, IL: Scientific Software International, Inc. J?reskog, K.G. & S?rbom, D. (1999). Structural Equation Modeling with the SIMPLIS Command Language. Lincolnwood, IL: Scientific Software International, Inc. Scientific Software International (SSI) (2012). LISREL 9.1 Release Notes. Lincolnwood, IL: The Author. (available from https://www.360docs.net/doc/7e14396630.html,/lisrel/LISREL_9.1_Release_Notes.pdf) 2

测量客户满意度之美国客户满意度指数ACSI模型.

测量客户满意度之美国客户满意度指数ACSI模型（转载） ACSI是以产品和服务消费的过程为基础，对客户满意度水平的综合评价指数?具体模型如下：从ACSI模型中，可以看出消费经过与整体满意度之间的关系，并可以看到满意度高低带来的后果.ACSI模型是由多个变量构成的因果模型，其中预期质量、感知质量和感知价值是客户满意度的原因变量，客户抱怨和客户忠诚是客户满意度的结果变量。一、客户预期：每位客户在购买产品前对产品的质量进行估计。中国移动这段时间正在推广的预交话费送笔记本电脑。我家先生是移动的忠实用户（当年做了无数次思想工作，人家都坚决不肯入联通网），就动员他预交话费换个小一点的笔记本电脑，把我又笨又重的IBM换了。拿到宣传单张的时候，我们有些犯难：里面只有戴尔、神州这几个牌子。咬咬牙挑了戴尔，结果装好机，一个星期不到就开不了机了。我还有些抱怨，到是我家先生说，早就应该想到这个问题，送还能送什么好货。所幸期望值不高，加上也没花钱，要不然肯定投诉戴尔。二、感知质量：客户在使用产品或服务后对其质量的实际感受。比如去餐厅吃饭，体验其食物质量好坏；听某老师讲课体验其讲课水平的高低。印象最深是看电影〈〈无级〉〉。因为影片里有我最喜欢的帅哥张东健，另外还有对陈凯歌的慕名，何况这部影片还是他三年磨一剑的作品，。我和另一位同样喜欢张东健的同事为了能看到首映式（主要是为了看到张东健）到处托人还花了不少银子，结果看到一半，同事就恶

狠狠地说一句，以后谁再提陈凯歌我跟谁急！这就是体验前和体验后感受的对比。三、感知价值: 客户在综合产品的质量和价格后对他们所得的利益主观上感受。广州宏城广场在今年的 7月1日正式拆迁，时不时有朋友打电话给我，让我赶紧去宏城淘宝，因为商家要清货现在买的东西又好又便宜，还有朋友把买到的东西拍成照片放在QQ空间里炫耀着呢！四、客户满意度：客户满意度主要取决于客户实际感受同预期质量的比较，同时，客户的实际感受同客户心目中的理想产品的比较也影响客户满意度，差距越小客户满意度水平越高。五、客户抱怨：这是客户对产品或服务不满意会有的行动之一，也是做客户人员经常碰到的问题。六、客户忠诚度：客户忠诚度是ACSI模型中的最终的因变量。主要要考虑客户重复购买的可能性和对价格变化的承受力。客户如果对产品感到满意，就会产生一定的忠诚，表现为对该产品的重复购买或向其他客户推荐。

结构方程模型案例

结构方程模型（Structural Equation Modeling，SEM) 20世纪——主流统计方法技术：因素分析回归分析 20世纪70年代：结构方程模型时代正式来临结构方程模型是一门基于统计分析技术的研究方法学，它主要用于解决社会科学研究中的多变量问题，用来处理复杂的多变量研究数据的探究与分析。在社会科学及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不能很好解决的问题。SEM能够对抽象的概念进行估计与检定，而且能够同时进行潜在变量的估计与复杂自变量/因变量预测模型的参数估计。结构方程模型是一种非常通用的、主要的线形统计建模技术，广泛应用于心理学、经济学、社会学、行为科学等领域的研究。实际上，它是计量经济学、计量社会学与计量心理学等领域的统计分析方法的综合。多元回归、因子分析和通径分析等方法都只是结构方程模型中的一种特例。结构方程模型是利用联立方程组求解，它没有很严格的假定限制条件，同时允许自变量和因变量存在测量误差。在许多科学领域的研究中，有些变量并不能直接测量。实际上，这些变量基本上是人们为了理解和研究某类目的而建立的假设概念，对于它们并不存在直接测量的操作方法。人们可以找到一些可观察的变量作为这些潜在变量的“标识”，然而这些潜在变量的观察标识总是包含了大量的测量误差。在统计分析中，即使是对那些可以测量的变量，也总是不断受到测量误差问题的侵扰。自变量测量误差的发生会导致常规回归模型参数估计产生偏差。虽然传统的因子分析允许对潜在变量设立多元标识，也可处理测量误差，但是，它不能分析因子之间的关系。只有结构方程模型即能够使研究人员在分析中处理测量误差，又可分析潜在变量之间的结构关系。简单而言，与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。” 目前，已经有多种软件可以处理SEM，包括：LISREL，AMOS, EQS, Mplus. 结构方程模型包括测量方程（LV和MV之间关系的方程，外部关系）和结构方程（LV之间关系的方程，内部关系），以ACSI模型为例，具体形式如下：

顾客满意度模型

顾客满意度监测与提高模型 (C u s t o m e r Sa t i s f a c t i o n M o n i t o r i n g &I m p r o v e m e n t M o d e l,C SM I) ·让您赢得更多的忠实顾客顾客是上帝 ·追求顾客满意成为现代企业的营销目标之一顾客满意使营销成本最小化 ·鼓励满意顾客重复购买的成本 ·获得一个新顾客的成本 ·挽留一个不满意顾客的成本不满意顾客的口碑影响-坏事传千里 ·满意顾客平均向3个人传播口碑 ·不满意顾客会向9-10个人抱怨其经历顾客满意度研究目的 ·衡量顾客满意度 ·了解对满意度影响较大的关键因素--客观、准确的衡量工具 ·确定自身优势和弱势 ·寻找提高满意度和忠诚度的行动策略--有效可操作决策支持最终目的是帮助客户赢得更多的忠实顾客，实现成本最小化、收入最大化、利润最大化顾客满意度模型

顾客满意度指标 ·基础指标：总体满意度（T O P2）（C S I） ·辅助指标： -不满意比例指标（S o D) -关键因素满意度 -顾客忠诚度、重复购买率和推荐率 -（加权）平均数指标 ·相对指标： -横向排序指标：不同部门、地区的对比排序 -横向差距指标：对比竞争对手或行业领导者的差距-纵向改善指标：对比以往满意度数据满意度比较模型的应用因素贡献度分析--亟待改进,保持优势

提高满意度首要行动原则 --重要程度高、满意程度低的因素是重点改善目标提高满意度的行动准则二 --综合权衡满意度、忠诚度、推荐率作为行动目标提高满意度行动准则三 --缩小与竞争对手或行业领导者在关键满意因素上的差距（因素2是品牌A相对

结构方程模型的应用及分析策略

结构方程模型的应用及分析策略侯杰泰成子娟 (香港中文大学教育学院东北师范大学教育学院，130024) 摘要:差不多所有心理、教育、社会等概念，均难以直接准确测量，结构方程(SEM，Structural Equation Modelling)提供一个处理测量误差的方法，采用多个指标去反映潜在变量，也令估计整个模型因子间关系，较传统回归方法更为准确合理。本文主要用一系列有关学习动机的虚拟例子，指出每个问题的主要分析策略，以展示SEM在教育及心理学可以应用的研究范畴。文内探讨的方法包括：验证性因素、高阶因子、路径及因果分析、多时段(multiwave)设计、单形模型(Simple Model)、及多组比较等。关键词结构方程验证性因素分析路径及因果分析高阶因子多组比较结构方程(SEM,Structural Equation Modelling)、协方差结构模型(Covariance Structure Modelling、LISREL)等类似名词已渐流行，并成为一种十分重要的数据分析技巧；在大学高等学位研究课程，它是多变量分析(multivariate analysis)的重要课题；比较重要的社会、教育、心理期刊，也早已特开专栏介绍(如：候，1994；Connell & Tanaka,1987;Joreskog & Sorbom,1982)；可见SEM在统计学中所建立的声望及崇高地位是无容置疑的。本文主要用一系列有关学习动机的虚拟例子，来指出每个问题的主要分析策略，以展示结构方程模型在教育及心理学可以应用的研究范畴。一、结构方程：优点及拟合概念 1.数学模式很多社会、心理等变项，均不能准确地及直接地量度，这包括智力、社会阶层、学习动机等，我们只好退而求其次，用一些外项指标(observable indicators)，去反映这些潜伏变项。例如：我们以学生父母教育程度、父母职业及其收入(共六个变项)，作为学生家庭社经地位(潜伏变项)的指标，我们又以学生中、英、数三科成绩(外显变项)，作为学业成就(潜伏变项)的指标。简单来说SEM可分测量(measurement)及潜伏变项(latent variable)两部分。测量部分就是求出六个社经指标与社经地位(或三科成绩与学业成就)(即外显指标与潜伏变项之间)的关系：而潜伏变项部分则指社经地位与学业成就(即潜伏变项与潜伏变项间)的关系。指标(外显变项)含有随机(或系统)性的量度上误差，但潜伏变项则不含这些部份。SEM可用以下矩阵方程表示(Bollen,1989;Joreskog & Sorbom,1993)： η=βη+Γξ+ζ

结构方程模型的应用(基础篇)

本文由ｓｆｙｍｍ８８贡献ｐｄｆ文档可能在ＷＡＰ端浏览体验不佳。建议您优先选择ＴＸＴ，或下载源文件到本机查看。结构方程模型的应用 ——基础篇董圣鸿Ｅｍａｉｌ：ｓｈｄｏｎｇ＠ｓｉｎａ１００．ｃｏｍ江西师范大学教育学院一、结构方程模型的含义一、结构方程模型的含义（续１） η　＝　Ｂη　＋　Γξ　＋　ζ 一、结构方程模型的含义（续２）ｘ　＝　Λ　ｘξ　＋　δ 一、结构方程模型的含义（续３）ｙ　＝　Λ　ｙη　＋　ε 二、结构方程模型的八个矩阵三、结构方程模型分析的逻辑原理三、结构方程模型分析的逻辑原理（续１）１００名学生在９个不同学科间的相关系数三、结构方程模型分析的逻辑原理（续２）９个不同学科间的相关系数的衍生矩阵三、结构方程模型分析的逻辑原理（续３）检查模型的准确性和简洁性　拟合优度指数（ｇｏｏｄｎｅｓｓ　ｏｆ　ｆｉｔ　ｉｎｄｅｘ），简称为拟合指数、ＮＮＦＩ、　ＣＦＩ　ｄｆ＝［不重复元素，　ｐ（ｐ＋１）／２］　–　［估计参数］　在前面例子　ｄｆ　＝９　ｘ　１０／２　–　２１　＝　２４四、结构方程模型分析的步骤确定理论模型　收集数据资料　获得协方差矩阵或相关矩阵　Ｌｉｓｒｅｌ分析的数据源相关系数＝协方差／（标准差×标准差）也可以从原始数据出发进行计算　构造路径图　将路径图的结构翻译为计算机语言，交给计算机运算　画路径图的方式　写命令程序的方式五、绘制路径图的规则五、绘制路径图的规则（续１）五、绘制路径图的规则（续２）六、绘制路径图进行分析的方法例１：　２５．０７０４　４　ｉｎｄｉｃｔｏｒｓ，　１　Ｆａｃｔｏｒ　１２．４３６３　２８．２０２１１１．７２５７　９．２２８１　２２．７３９０　２０．７５１０　１１．９７３２　１２．０６９２　２１．８７０７六、绘制路径图进行分析的方法例２：　６　ｉｎｄｉｃｔｏｒｓ，　ｕｎｃｏｒｒｅｌａｔｅｄ　２　Ｆａｃｔｏｒ（６Ｆ４．２）　１００　７３　１００　７０　６８　１００　５８　６１　５７　１００　４６　４３　４０　３７　１００　５６　５２　４８　４１　７２　１００七、写Ｌｉｓｒｅｌ程序进行分析的方法Ｌｉｓｒｅｌ程序包含下面六类指令。在Ｌｉｓｒｅｌ程序　中，各类指令依下述次序编排：标题指令句　输入格式（ＤＡｔａ）　一般分析格式　模型指令格式（Ｍｏｄｅｌ）　其他模型设定格式　输出格式七、写Ｌｉｓｒｅｌ程序进行分析的方法（续１）例１：　Ａｎａｌｙｓｉｓ　ｏｆ　Ｒｅａｄｅｒ　Ｒｅｌｉａｂｉｌｉｔｙ　ｉｎ　Ｅｓｓａｙ　Ｓｃｏｒｉｎｇ　Ｖｏｔａｗ＇ｓ　Ｄａｔａ　Ｃｏｎｇｅｎｅｒｉｃ　ｍｏｄｅｌ　ｅｓｔｉｍａｔｅｄ　ｂｙ　ＭＬ　ＤＡ　ＮＩ＝４　ＮＯ＝１２６　ＭＡ＝ＣＭ　ＬＡ　ＯＲＩＧＰＲＴ１　ＷＲＩＴＣＯＰＹ　ＣＡＲＢＣＯＰＹ　ＯＲＩＧＰＲＴ２　ＣＭ　２５．０７０４　１２．４３６３　２８．２０２１　１１．７２５７　９．２２８１　２２．７３９０　２０．７５１０　１１．９７３２　１２．０６９２　２１．８７０７　ＭＯ　ＮＸ＝４　ＮＫ＝１　ＬＸ＝ＦＲ　ＰＨ＝ＳＴ　ＬＫ　Ｅｓａｙａｂｉｌ　ＰＤ　ＯＵ

《结构方程模型及其应用》

《结构方程模型及其应用》内容简介侯杰泰，香港中文大学教育心理系教授、系主任。主要研究方向为学习动机，应用统计和香港语文政策。曾多次在北京、上海、南京、长春、广州等地举办的地区或全国性结构方程分析研习班上讲学。在社会、心理、教育、经济、管理、市场等研究的数据分析中，当今称得上前沿的几个统计方法中，应用最广、研究最多的恐怕非结构方程分析莫属。它包含了方差分析、回归分析、路径分析和因子分析，弥补了传统回归分析和因子分析的不足，可以分析多因多果的联系、潜变量的关系，还可以处理多水平数据和纵向数据，是非常重要的多元数据分析工具。本书是国内第一本系统介绍结构方程模型和LISREL的著作。阐述了结构方程分析（包括验证性因子分析）的基本概念、统计原理、在社会科学研究中的应用、常用模型及其LISREL程序、输出结果的解释和模型评价。《结构方程模型及其应用》还讨论了一些与结构方程模型有关的专题，是一本由初级至中上程度的结构方程分析著作，可作为有关专业高年级本科生和研究生的教科书及应用工作者的参考书。目录序第一部分结构方程模型入门第一章引言

一、描述数据二、具体例子展示准确与简洁的考虑三、探索性与验证性因子分析比较第二章结构方程模型简介一、结构方程模型的重要性二、结构方程模型的结构三、结构方程模型的优点四、结构方程模型包含的统计方法五、路径图的图标规则六、结构方程分析软件包七、LISIREL操作入门第二部分结构方程模型应用第三章应用示范I：验证性因子分析和全模型一、验证性因子分析二、多质多法模型三、全模型四、高阶因子分析第四章应用示范II：单纯形和多组模型一、单纯形模型二、多组验证性因子分析三、多组分析：均值结构模型四、回归模型

中国顾客满意度测评及应用

中国顾客满意度测评模型及应用叶如意，汤万金，咸奎桐中国标准化研究院顾客满意度测评中心北京 100088 {yeruyi@https://www.360docs.net/doc/7e14396630.html,} 摘要：以非耐用消费品为例介绍了中国顾客满意度的测评模型以及模型的求解方法；介绍了中国顾客满意度的测评步骤；举例说明了中国顾客满意度数据的分析和应用；展望了中国顾客满意度的应用前景。关键词：中国顾客满意度；感知质量；感知价值；结构化方程模型 I．引言随着消费者地位的提高和消费理念的转变，政府和企业越来越重视产品满足用户需求的能力。顾客满意度作为一个综合指标，从用户角度测评产品的多维特征满足用户需求的能力、产品创造忠诚顾客和利润的能力，在国内外都已经得到重视和发展。 II．中国顾客满意度测评模型中国顾客满意度（CCSI）的测评方法很多，此处介绍结构化方程模型（SEM, Structural Equation Modeling）分析法。结构化方程模型是一种由多种统计模型综合起来的因果分析型模型，因素分析法、路径分析法以及回归分析法都是它的一个特例。中国顾客满意度的测评模型是建立在消费心理和消费者行为学理论基础之上，借助大量统计数据进行反复验证和改善而建立的，目前很多国家都有各不相同的测评模型，例如美国的ACSI 1和欧洲的ECSI 2。中国顾客满意度测评模型依据产品（或服务）的种类不同而有所不同，大致可以分为非耐用消费品顾客满意度模型、耐用消费品顾客满意度模型、服务业顾客满意度模型、政府公用事业顾客满意度模型等几大类，其中每一类还可以根据产品的不同加以细化。下面以非耐用消费品顾客满意度模型为例简要说明中国顾客满意度的测评模型，图1是我国非耐用消费品顾客满意度结构化方程模型的示意图。图1 非耐用消费品顾客满意度SEM模型

美国顾客满意度指数模型(ASCI)

应用案例1 第一节模型设定结构方程模型分析过程可以分为模型构建、模型运算、模型修正以及模型解释四个步骤。下面以一个研究实例作为说明，使用Amos7软件2进行计算，阐述在实际应用中结构方程模型的构建、运算、修正与模型解释过程。一、模型构建的思路本案例在著名的美国顾客满意度指数模型(ASCI)的基础上，提出了一个新的模型，并以此构建潜变量并建立模型结构。根据构建的理论模型，通过设计问卷对某超市顾客购物服务满意度调查得到实际数据，然后利用对缺失值进行处理后的数据3进行分析，并对文中提出的模型进行拟合、修正和解释。二、潜变量和可测变量的设定本文在继承ASCI模型核心概念的基础上，对模型作了一些改进，在模型中增加超市形象。它包括顾客对超市总体形象及与其他超市相比的知名度。它与顾客期望，感知价格和顾客满意有关，设计的模型见表7-1。模型中共包含七个因素(潜变量)：超市形象、质量期望、质量感知、感知价值、顾客满意、顾客抱怨、顾客忠诚，其中前四个要素是前提变量，后三个因素是结果变量，前提变量综合决定并影响着结果变量(Eugene W. Anderson & Claes Fornell，2000;殷荣伍，2000)。表7-1 设计的结构路径图和基本路径假设 2.1、顾客满意模型中各因素的具体范畴参考前面模型的总体构建情况、国外研究理论和其他行业实证结论，以及小范围甄别调查的结果，模型中各要素需要观测的具体范畴，见表7-2。 1关于该案例的操作也可结合书上第七章的相关内容来看。 2本案例是在Amos7中完成的。 3见spss数据文件“处理后的数据.sav”。

表7-2 模型变量对应表

结构方程模型的研究进展与应用

结构方程模型的研究进展与应用结构方程模型是一种融合了因素分析和路径分析的多元统计技术，是社会科学研究中的一个非常好的方法，下面是搜集的一篇研究结构方程模型应用的，供大家阅读参考。引言从大量事件样本进行统计分析，由事件的表象获得本质性的事件规律，是科研人员特别是管理工作者常见的研究工作方法，也是很有效的科学研究方法。统计分析方法众多，深浅不一，效果各异。对于复杂事件而言，其牵涉的层面复杂，影响和制约因子众多，这些影响或制约因子往往又非孤立，而是相互牵涉、相互影响。故需要剖析事件的内在层面结构关系，分析事件的影响显在因子，并构建一定的结构方程模型，进而挖掘出事件的影响潜在因子，综合分析并构建一个或若干个事件发展的判断指标，且设定某一程度的判断标准，判断事件的发展动态。这样的统计分析方法就是结构方程模型。结构方程模型因其优越性得到飞快的发展和广泛的应用。 1 结构方程模型的研究 1.1 基本概念、思想及本质阐述人们对于结构方程模型(StructuralEquationModeling简称为 SEM)的概念的阐述也是变化的，有从含糊到明确、由片面到全面、由肤浅到不断深入、由定格到扩充和发展的过程。 20 世纪二三十年代，结构方程模型思想刚刚起源、萌芽时，起初确定为由 Sewll Wright[1]最初提出了路径分析的概念，这种路径分析当时还没有定义为结构方程模型。之后的数十年中，对于路径分析的方法和内涵不断扩充与展开。直到 20 世纪 70 年代，一些学者以 Joreskog 和 Wiley 为代表，将因子分析和路径分析等统计方法加以整合，明确提出结构方程模型的概念[2],结构方程模型的概念明确提出后，立即得到迅猛发展，内容进一步充实，方法扩充，针对实际研究对象的具体模式不断涌现，应用的范围迅速扩展。早期的结构方程模型跟数学中的数理统计方法不是很融合，结合不大，也没有注重数理统计方法的重要性和运用的实效性。结构方程模型所包含的内容也很少，结构较为简单，方法较为单一，所列出的影响因子较少，全为显性因子，对于潜在因子的重视和提出要求是在 21 世纪初的事情了。进入 21 世纪后，人们对于结构方程模型的内在本质进一步明确，对其内涵进一步加以扩充，其模型结构图的构建越来越复杂，因子越列越多，潜在因子被明确提出并作为结构方程模型必须要求的内容。如今明确阐述结构方程模型为当代行为和社会领域量化研究

顾客满意度LV1 ACSI模型

ACSI是一种衡量经济产出质量的宏观指标，是以产品和服务消费的过程为基础，对顾客满意度水平的综合评价指数，由国家整体满意度指数、部门满意度指数、行业满意度指数和企业满意度指数4个层次构成，是目前体系最完整、应用效果最好的一个国家顾客满意度理论模型。 ACSI模型结构如图所示: 在上述模型中，总体满意度被置于一个相互影响相互关联的因果互动系统中。其科学地利用了顾客的消费认知过程，将总体满意度置于一个相互影响相互关联的因果互动系统中。该模型可解释消费经过与整体满意度之问的关系，并能指示出满意度高低将带来的后果，从而赋予了整体满意度前向预期的特性。 ACSI模型是由多个结构变量构成的因果关系模型，其数量关系通过多个方程的计算经济学模型进行估计。该模型共有6个结构变量，顾客满意度是最终所求的目标变最，预期质量、感知质量和感知价值是顾客满意度的原因变量，顾客抱怨和顾客忠诚则是顾客满意度的结果变量。模型中6个结构变量的选取

以顾客行为理论为基础，每个结构变量又包含一个或多个观测变量，而观测变量则通过实际调查收集数据得到。 ACSI模型的结构变量 (1)顾客预期(Customer Expectations)顾客预期是指顾客在购买和使用某种产品或服务之前对其质量的估计。决定顾客预期的观察变量有3个:产品顾客化(产品符合个人特定需要)预期、产品可靠性预期和对产品质量的总体预期。 (2)感知质量(Perceived Quality) 感知质量是指顾客在使用产品或服务后对其质量的实际感受，包括对产品顾客化即符合个人特定需求程度的感受、产品可靠性的感受和对产品质量总体的感受。 (3)感知价值(Perceived Value) 感知价值体现了顾客在综合产品或服务的质量和价格以后对他们所得利益的主观感受;感知价值的观察变量有2个，即:“给定价格条件下对质量的感受”和“给定质量条件下对价格的感受”。顾客在给定价格下对质量的感受，是指顾客以得到某种产品或服务所支付的价格为基准，通过评价该产品或服务质量的高低来判断其感知价值。 (4 )顾客满意度(Customer Satisfaction) 顾客满意度这个结构变量是通过计量经济学变换最终得到的顾客满意度指数。ACSI模型在构造顾客满意度时选择了3个观察变量;实际感受同预期质量的差距、实际感受同理想产品的差距和总体满意程度。顾客满意度主要取

结构方程模型案例汇总-共18页

结构方程模型( Structural Equation ，SEM) Modeling 20 世纪——主流统计方法技术：因素分析回归分析 20 世纪70 年代：结构方程模型时代正式来临结构方程模型是一门基于统计分析技术的研究方法学，它主要用于解决社会科学研究中的多变量问题，用来处理复杂的多变量研究数据的探究与分析。在社会科学及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不能很好解决的问题。SEM能够对抽象的概念进行估计与检定，而且能够同时进行潜在变量的估计与复杂自变量/ 因变量预测模型的参数估计。结构方程模型是一种非常通用的、主要的线形统计建模技术，广泛应用于心理学、经济学、社会学、行为科学等领域的研究。实际上，它是计量经济学、计量社会学与计量心理学等领域的统计分析方法的综合。多元回归、因子分析和通径分析等方法都只是结构方程模型中的一种特例。结构方程模型是利用联立方程组求解，它没有很严格的假定限制条件，同时允许自变量和因变量存在测量误差。在许多科学领域的研究中，有些变量并不能直接测量。实际上，这些变量基本上是人们为了理解和研究某类目的而建立的假设概念，对于它们并不存在直接测量的操作方法。人们可以找到一些可观察的变量作为这些潜在变量的“标识”，然而这些潜在变量的观察标识总是包含了大量的测量误差。在统计分析中，即使是对那些可以测量的变量，也总是不断受到测量误差问题的侵扰。自变量测量误差的发生会导致常规回归模型参数估计产生偏差。虽然传统的因子分析允许对潜在变量设立多元标识，也可处理测量误差，但是，它不能分析因子之间的关系。只有结构方程模型即能够使研究人员在分析中处理测量误差，又可分析潜在变量之间的结构关系。简单而言，与传统的回归分析不同，结构方程分析能同时处理多个因变量，并可比较及评价不同的理论模型。与传统的探索性因子分析不同，在结构方程模型中，我们可以提出一个特定的因子结构，并检验它是否吻合数据。通过结构方程多组分析，我们可以了解不同组别内各变量的关系是否保持不变，各因子的均值是否有显著差异。” 目前，已经有多种软件可以处理SEM，包括：LISREL，AMOS, EQS, Mplus. 结构方程模型包括测量方程（LV和MV之间关系的方程，外部关系）和结构方程

顾客满意度模型估计的PLS与LISREL

顾客满意度模型估计的PLS 与LISREL 中国人民大学金勇进梁燕顾客满意度模型是一个多方程的因果关系系统——结构方程模型（SEM ，Structural Equation Model ），有多个因变量，是一个原因和结果关系的网，模型必须要按照这些关系进行估计。模型中包括质量感知、顾客满意度、顾客忠诚度和企业形象等隐变量，这些隐变量只能通过多个具体测量变量来间接衡量。模型中允许自变量和因变量含有测量误差，还必须要计算出来隐变量的表现得分（例如通过多个测量变量的加权指数）。以ACSI 模型为例，它就是一个结构方程模型，包括结构方程（隐变量之间关系的方程）和测量方程（隐变量和测量变量之间关系的方程）1。要对结构方程模型进行参数估计，目前最经常使用的两种方法是PLS （Partial Least Square ）方法和LISREL （LInear Structural RELationships ）方法。这两种方法既有相同之处，也有许多不同之处。本文主要讨论两种方法的算法，以及他们之间的联系与区别，并根据实证案例，提出我国在构建顾客满意度模型过程中使用的方法。一、PLS 和LISREL 方法 PLS （Wald ，1982）是将主成分分析与多元回归结合起来的迭代估计，是一种因果建模的方法。瑞典、美国和欧盟模型都使用这种方法进行估计。在ACSI 模型估计中2，该方法对不同隐变量的测量变量子集抽取主成分，放在回归模型系统中使用，然后调整主成分权数，以最大化模型的预测能力。PLS 方法的具体步骤如下所示。步骤1：用迭代方法估计权重和隐变量得分。从④开始，重复①—④直至收敛。 ① 内部权重 v ij = sign cov(ηj ，ηi ) 如果ηj 和ηi 有直接关系如果ηj 和ηi 没有直接关系（1） ② 内部近似。∑=i j ji j Y v :~η （2） ③ 解出外部权重j k w ~ 。∑ +=i j j k jn n k k jn d y w ~~η （3） ④ 外部近似。∑ =j j j k n k k j jn Y w f ~:η，其中 j f 确保1)var(=j η （4）步骤2：估计路径系数和载荷系数。步骤3：估计位置参数。 PLS 方法是“偏”LS ，因为估计的每一步都在给定其他参数条件下，对某个参数子集的残差方差进行最小化。虽然在收敛的极限，所有残差方差联合的进行最小化，但PLS 方法仍然是“偏”LS ，因为没有对总体残差方差或其他总体最优标准严格的进行最小化。 LISREL （Joreskog ，1970）方法通过拟合模型估计协方差∑)(θ与样本协方差（S ）来估计模型参数，也称为协方差建模方法。具体来说，就是使用极大似然（Maximum Likelihood ，ML ）、非加权最小二乘（Unweighted Least Squares ，ULS ）、广义最小二乘（Generalized Least 1 模型具体形式本文不赘述。 2 所有测量变量/调查指标都是隐变量反映（reflective ）/结果指标，即所有测量变量与隐变量的关系都是从隐变量指向测量变量的。另一种情况是所有测量变量/调查指标都是隐变量影响（formative ）/原因指标，即所有测量变量与隐变量的关系都是从测量变量指向隐变量的。

顾客满意度指数测评模型比较与借鉴

顾客满意度指数测评模型比较与借鉴 (转载) 中国加入WTO后零售市场进一步开放，随着许多国外大型零售企业，如沃尔玛、家乐福等的陆续进入，我国零售商业效益低下已是不争的事实。目前，越来越多的企业认识到市场竞争的核心是顾客满意，只有赢得顾客，才能赢得市场，获得利润。在2000版ISO9000族标准中，“以顾客为关注焦点”被列为质量管理八项原则之首，强调了对顾客满意度的测评与监控，并将其作为质量管理体系业绩的一项测量指标。可见，如何提高顾客满意度进而提高顾客的忠诚度，是我国各个商业企业应极其关注的问题。在这种背景下，本文试图提出一个适合于我国商业企业顾客满意度评价的方法，为提升我国商业企业的核心竞争能力提供帮助。顾客满意度指数测评模型的介绍顾客满意度是一个经济心理学的概念，要衡量它就必须建立模型，将顾客满意度与一些相关变量（例如价值、质量、投诉行为、忠诚度等）联系起来。顾客满意度指数（Customer Satisfaction Index，CSI）是目前许多国家使用的一种新经济指标，主要用于对经济产出质量进行评价。它也是目前国内质量领域和经济领域一个非常热门而又非常前沿的课题。20世纪90年代以来，许多国家都开展了全国性的顾客满意度指数测评工作，以此来提高本国企业的竞争力。瑞典率先于1989年建立了全国性的顾客满意度指数，即瑞典顾客满意度晴雨表指数（SCSB），此后，美国和欧盟相继建立了各自的顾客满意度指数——美国顾客满意度指数（ACSI，1994）和欧洲顾客满意度指数（ECSI，1999）。另外，新西兰、加拿大等国家和台湾地区也在几个重要的行业建立了顾客满意度指数。瑞典顾客满意度晴雨表指数（SCSB）模型从世界范围来看，瑞典SCSB（Sweden Customer Satisfaction Barometer模型是最早建立的全国性顾客满意度指数模型（如图1）。该模型的前导变量有两个：顾客对产品/服务的期望；顾客对产品/服务的价值感知。满意度的结果变量是顾客抱怨和顾客忠诚度，忠诚度是模型中最终的因变量，因为它可以作为顾客保留和企业利润的指示器。

顾客满意相关模型

2.1.2顾客满意度相关模型 1. KANO模型 KANO模型是由日本卡诺(Noritaki Kano)博士和其他一些研究学者开发的一个有用的观察客户的需求图。卡诺认为产品或服务的质量根据客户的满意程度可分为三类：当然质量，期望质量和有吸引力的质量图KANO模型 2. SCSB模型瑞典顾客满意度指数(Swedish Customer Satisfaction Barometer ，简称SCSB))它强调的是累积的客户满意度。有五种SCSB模型结构变量和六个关系，主要变量有顾客期望质量，感知价值，客户满意度，客户投诉和客户忠诚度。客户的满意是最终目标变量，预期质量和感知价值的客户满意度的原因是变量，客户投诉和客户忠诚度是客户满意度的结果变量。朋春期萌-------- -- -------- ------------------------- 履啻抱託 (SERB) + 4 “ 熙知结號-------------------- 1 1------------------------ 啟嘗电载闭J-2 SCSB模唧图 3. ACSI模型 ACSI模型，是被放置在一个相互影响，相互关联的因果互动系统的整体满意度。共六个变量，15个预测变量和八个关系结构模型。相比SCSB模型增加了原因变量感知质量(客户根据实际经验经历，他们的期望的基础上的经验要求，然后才作出一个客观的过程购买全过程的主观判断)

4. ECSI模型该模型包含7个结构变量，23和10个观测变量关系。与SCSB模型和ACSI 模型相比，新的变量（客户购买产品或服务之前对公司/品牌的印象）的形象与知觉硬件质量分为感知质量和感知软件质量，降低客户投诉变量所占的权重。 5. CCSI模型 CCSI模型在ACSI模型的基础上，吸收ECSI模型成功的经验，包括6个结构变量，11种关系的形成。

使用AMOS解释结构方程模型

AMOS输出解读惠顿研究惠顿数据文件在各种结构方程模型中被当作经典案例，包括AMOS 和LISREL。本文以惠顿的社会疏离感追踪研究为例详细解释AMOS的输出结果。AMOS同样能处理与时间有关的自相关回归。惠顿研究涉及三个潜变量，每个潜变量由两个观测变量确定。67疏离感由67无力感（在1967年无力感量表上的得分）和67无价值感（在1967年无价值感量表上的得分）确定。71疏离感的处理方式相同，使用1971年对应的两个量表的得分。第三个潜变量，SES（社会经济地位）是由教育（上学年数）和SEI(邓肯的社会经济指数)确定。解读步骤 1.导入数据。 AMOS在文件ex06-a.amw中提供惠顿数据文件。使用File/Open，选择这个文件。在图形模式中，文件显示如下。虽然这里是预定义模式，图形模式允许你给变量添加椭圆，方形，箭头等元素建立新模型

2.模型识别。潜变量的方差和与它关联的回归系数取决于变量的测量单位，但刚开始谁知道呢。比如说要估计误差的回归系数同时也估计误差的方差，就好像说“我买了10块钱的黄瓜，然后你就推测有几根黄瓜，每根黄瓜多少钱”，这是不可能实现的，因为没有足够的信息。如何告诉你“我买了10块钱的黄瓜，有5根”，你便可以推出每根黄瓜2块钱。对潜变量，必须给它们指定一个数值，要么是与潜变量有关的回归系数，要么是它的方差。对误差项的处理也是一样。一旦做完这些处理，其它系数在模型中就可以被估计。在这里我们把与误差项关联的路径设为1，再从潜变量指向观测变量的路径中选一条把它设为1。这样就给每个潜变量设置了测量尺度，如果没有这个测量尺度，模型是不确定的。有了这些约束，模型就可以识别了。注释：设置的数值可以是1，也可以是其它数，这些数对回归系数没有影响，但对误差有影响，在标准化的情况下，误差项的路径系数平方等于它的测量方差。 3.解释模型。模型设置完毕后，在图形模式中点击工具栏中计算估计按钮运行分析。点击浏览文本按钮。输出如下。蓝色字体用于注解，不是AMOS输出的一部分。 Title Example6,Model A:Exploratory analysis Stability of alienation, mediated by ses.Correlations,standard deviations and means from Wheaton et al.(1977). 以上是标题，全是英文，自己翻译去吧，没有什么价值，一堆垃圾。 Notes for Group(Group number1) The model is recursive. Sample size=932