SEM模型

《SEM模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基本模型介绍：感知质量(PQ)品牌形象(IM)满意度CCSI感知价值(PV)IM1IM2PV2PV1CCSI2CCSI1PQ1PQ2忠诚度(LY)LY2LY1ζ3ζ1ζ2ζ4ζ3PQ2顾客满意度SEM模型上图中，品牌形象、感知质量、感知价值、满意度和忠诚度是结构变量（ConstructVariables），也称作潜变量（LatentVariables），Xn是相应结构变量的观测变量（ManifestVariables），其中n的个数不限，但要满足SEM的Identification原则。此模型中，结构

2、变量是无法直接观察的变量，而观测变量是可以通过访谈或其他方式调查得到的，每个观测变量都是相应结构变量的指标（Indicator），结构变量和相应指标之间的关系可分为两类：反映型（Reflective）和构成型（Formative），通常情况下，借助SEM的研究都尽量选择反映型指标。结构变量之间的箭头表示所连接结构变量之间的因果关系，图中的ζn和δn是结构变量或观测变量在此模型中无法解释的方差（即受模型外因素影响的部分），例如此模型中的忠诚度，不但受满意度变量的影响，它还受到用户个人性格、家庭等多方面的

3、影响，而这些影响因素并不在此模型的研究内容之内。由于SEM模型中的因果关系复杂，采用矩阵的形式描述。用于描述测量模型（指标变量）的等式为：其中，PQ是感知质量，IM是品牌形象，LY是用户忠诚度，是一个n行（指标个数）6列（结构变量个数）的系数矩阵。用于描述结构变量之间的因果关系的结构化等式的矩阵形式为：其中，γnm是第m个结构变量对第n个结构变量的作用，不存在此因果关系的为0。模型求解是一个循环过程，即根据观测变量的样本数据，设定参数初始值，逐次循环迭代，逐渐逼近以上等式中的各个系数的估计值。SEM求

4、解通常采用最大似然算法（MaximumLikelihoodApproach），但是在满意度模型中，更常采用偏最小二乘法（PartialLeastSquares）以计算模型中各路径系数以及结构变量的估计值和信度区间，主要原因是PLS算法在对样本（数据）的要求和在预测能力两个方面优于最大似然算法。目前有很多学者自主开发的PLS软件用于求解SEM模型，例如：WynnieChin教授开发的PLS-Graph在国外科研工作中被很多学者采纳。在我们的模型求解中将用PLS-GUI进行求解。基本思路与内容1．对反映指

5、标的选取（具体见调查表）选取对所办业务的满意度，安全性，是否满足客户需求作为感知质量（PQ）的反映指标，选取对武汉市商行的总体印象，武汉市商行的经营特色做为品牌形象（IM）的反映指标；选取在特定费用下对业务满意程度，在特定服务下对所收取费用的接受程度作为感知价值（PV）的反映指标；选取对武行市商业银行整体满意度，对所提供服务水平与自己想象中相比较作为满意度（CCSI）的反映指标；选取客户近期有无新开业务等打算，是否会到别的银行办理业务而取消在武商行所办业务做为反映客户忠诚度（LY）的指标。2．对每一个

6、反映指标进行量化（具体数据见调查表）我们将每个指标的取值进行了量化，按照完全有利于对商行的满意度评价（100分）到完全不利于对商行的满意度评价（-100分）分为5等，具体取值见调查表。3．数据的收集我们初步决定将在武昌，汉口，汉阳分别发放100份共计300份问卷，具体地点待定。4．数据处理①首先我们将收回的样本求得满意度在95%的置信区间长度，以确定样本的可靠程度（一般认为置信区间长度在4以内比较正常）。②对指标变量的处理：我们将每个指标在总体中的取值进行无点估计，即求其无偏估计量，(其中为第i个反映

7、指标在样本区间的均值，为第i个反映指标在样本区间的第i个样本值)③建立方程函数建立测量模型矩阵………………………..(1)其中，PQ是感知质量，IM是品牌形象，PV为感知价值，CCIS为客户满意度，LY是用户忠诚度，是一个11行（指标个数）5列（结构变量个数）的系数矩阵。建立描述结构变量之间的因果关系的结构化等式的矩阵…………………………..(2)其中，γnm是第m个结构变量对第n个结构变量的作用，不存在此因果关系的为0。④模型求解及数据处理分析我们将借助专业的偏最小二乘法（pls）软件PLS-gui

8、进行最终计算最终结果展示案例香烟品牌品牌形象感知质量感知价值满意度忠诚度样本量置信区间南京76.8477.3873.4976.7070.102541.59PLS—GUI还将提供潜在变量的最终取值，以及各个潜在变量的相关系数以及与观测变量之间的数学关系，我们将根据具体取值进行实证性分析。根据预先设置参数情况，PLS-GUI还将提供一个信息报告，可以包含信度区间、样本数据分布统计、变量间相关系数矩阵、显著度检验、P_Value、Jackknife、Boots