.,1,結構方程建模數據的PLS分析,.,2,結構方程模型,結構方程模型（StructuralEquationModeling,SEM)是社會科學研究中的一個非常好的方法。該方法在20世紀80年代就已經成熟，可惜國內了解的人并不多。“在社會科學以及經濟、市場、管理等研究領域，有時需處理多個原因、多個結果的關系，或者會碰到不可直接觀測的變量（即潛變量），這些都是傳統的統計方法不能很好解決的問題。20世紀80年代以來，結構方程模型迅速發展，彌補了傳統統計方法的不足，成為多元數據分析的重要工具。,.,3,優點,（一）同時處理多個因變量結構方程分析可同時考慮并處理多個因變量。在回歸分析或路徑分析中，就算統計結果的圖表中展示多個因變量，其實在計算回歸系數或路徑系數時，仍是對每個因變量逐一計算。所以圖表看似對多個因變量同時考慮，但在計算對某一個因變量的影響或關系時，都忽略了其他因變量的存在及其影響。,.,4,（二）容許自變量和因變量含測量誤差態度、行為等變量，往往含有誤差，也不能簡單地用單一指標測量。結構方程分析容許自變量和因變量均含測量誤差。變量也可用多個指標測量。用傳統方法計算的潛變量間相關系數，與用結構方程分析計算的潛變量間相關系數，可能相差很大。,.,5,（三）同時估計因子結構和因子關系假設要了解潛變量之間的相關，每個潛變量者用多個指標或題目測量，一個常用的做法是對每個潛變量先用因子分析計算潛變量（即因子）與題目的關系（即因子負荷），進而得到因子得分，作為潛變量的觀測值，然后再計算因子得分，作為潛變量之間的相關系數。這是兩個獨立的步驟。在結構方程中，這兩步同時進行，即因子與題目之間的關系和因子與因子之間的關系同時考慮。,.,6,（四）容許更大彈性的測量模型傳統上，我們只容許每一題目（指標）從屬于單一因子，但結構方程分析容許更加復雜的模型。例如，我們用英語書寫的數學試題，去測量學生的數學能力，則測驗得分（指標）既從屬于數學因子，也從屬于英語因子（因為得分也反映英語能力）。傳統因子分析難以處理一個指標從屬多個因子或者考慮高階因子等有比較復雜的從屬關系的模型。,.,7,（五）估計整個模型的擬合程度在傳統路徑分析中，我們只估計每一路徑（變量間關系）的強弱。在結構方程分析中，除了上述參數的估計外，我們還可以計算不同模型對同一個樣本數據的整體擬合程度，從而判斷哪一個模型更接近數據所呈現的關系。,.,8,PLS分析,PLS(PartialLeastSquare)PLS分析：一種新型的多元統計數據分析方法，在一個算法下，可以同時實現回歸建模(多元線性回歸)、數據結構簡化(主成分分析)以及兩組變量之間的相關性分析(典型相關分析),.,9,（一）研究目的,1.了解PLS方法構建含2個潛變量結構方程模型的基本原理和具體步驟；2.了解結構方程建模的PLS分析方法的試用范圍；3.針對具體數據進行結構方程建模的PLS分析，并對分析結果進行解釋。,.,10,（二）研究內容,1.在前人理論的基礎上，對顧客滿意指數分析模型進行改進；2.針對歐洲顧客滿意數據進行結構方程建模的PLS分析；3.與其它結構方程的分析方法進行比較，說明該方法的優劣性能。,.,11,（三）國內外動態研究現狀和發展,結構方程式是在20世紀70年代KarlJoreskog和DagSorbom等學者所提出的統計理論基礎上發展而成的。是對探索因子分析、驗證性因子分析、路徑分析、多元回歸及方差分析等統計方法的綜合應用和改進提高。最近一二十年來，結構方程已經成為一種非常通用的、主要的線性統計建模技術，廣泛應用于經濟學、管理學、行為科學等領域的研究，尤其是顧客滿意指數分析模型。某種程度上，它可以視為計量經濟學、計量社會學和計量心理學等領域統計分析方法的綜合。人們所熟悉的多元回歸、因子分析和路徑分析等統計方法實際上都是結構方程模型的一種特例。結構方程模型目前仍是多元統計分析中一個前沿研究領域，新的模型構建技術不斷被提出。偏最小二乘法（PLS）算法是一種新型的多元統計分析技術，其研究的重點是多因變量對多因變量的回歸建模，能在自變量之間存在多重共線性的條件下進行建模，更易于辨識信息與噪聲，對因變量也有較強的解釋能力。,.,12,（四）創新點與項目特色,1.改進了顧客滿意指數分析模型；2.針對歐洲顧客滿意數據進行結構方程建模的PLS分析，計算其誤差；3.通過與其它結構方程的分析方法進行比較，說明該方法的優缺點。,.,13,（五）技術路線、擬解決問題及預期成果,在分析前人理論的基礎上，改進了顧客滿意指數(CSI)分析模型。并對這個模型進行實證分析，即針對歐洲顧客滿意數據進行結構方程建模的PLS分析，計算其誤差。通過誤差的計算，比較結構方程分析的其它方法與PLS分析方法的優劣性。預期發表學術論文1-2篇。,.,14,（六）項目研究進度安排,