结构方程式模型.docx
- 文档编号:771863
- 上传时间:2022-10-12
- 格式:DOCX
- 页数:11
- 大小:181.87KB
结构方程式模型.docx
《结构方程式模型.docx》由会员分享,可在线阅读,更多相关《结构方程式模型.docx(11页珍藏版)》请在冰豆网上搜索。
结构方程式模型
使你的数据更会说话
——结构方程式模型在市场调查中的应用
内容提要:
在IDC日常市场研究工作中一些高级数据分析方法得不到应有的问题普遍存在。
而结构方程式模型作为一种实证性的数据分析技术已经发展的相当完备了,它广泛运用于市场调查的各个方面,成为提供市场营销战略策略的有力工具。
这种实证性统计方法的运用可以提高数据分析结果的有效性和科学性。
希望通过介绍结构方程式模型的建构原理,并通过一个具体研究案例的介绍使IDC同事们能对此项技术有一定了解。
结构方程式中包括了主要的分析方法,在IDC公司中较为常见的是利用SPSS软件进行相关数字变量分析。
由于篇幅有限,本文只介绍一些基本定义,详细的介绍请参看文章后面的参考书目。
一、结构方程式模型及其建构原理
结构方程式模型(StructuralEquationModeling,简称SEM)
或称为因果关系模型、协方差结构模型,或者直接称为LISRLE模型,这主要是因为LISREL是用来分析结构方程式模型的早期最流行的软件。
它是一种建立、估计和检验因果关系模型的多元统计分析技术。
它包含了回归分析(multipleregression)、因子分析(factoranalysis)、路径分析(pathanalysis)和多元方差分析(multivariateanalysisofvariance)等一系列多元统计分析方法,是一种非常通用的、线性的、借助于理论进行假设检验的统计建模技术。
这一模型和方法由K.Joreskog与其合作者在70年代提出并逐步改进和完善,到90年代初期开始得到了广泛的应用。
随着SEM理论和分析软件的不断发展和完善,结构方程式模型不仅在市场研究中成为分析数据、检验理论的好工具,而且在心理学、社会学、计量经济学、管理学、行为科学和传播学等领域都得到了广泛的应用。
结构方程式模型本质上是利用联立方程求解。
我们希望的是模型拟合的再生数据尽可能接近原始数据,如果真是这样的话,假设的因果关系结构与变量间的相互关联模式就是拟合的或是一致的。
一般采用路径图(pathdiagram)的形式表示结构方程式模型,这是最简单、最直观的描述模型的方法,研究人员可以借助路径图直接和明了地将变量之间的关系以图形的方式表现出来。
流行的LISREL8.3和AMOS3.6软件都可以将路径图直接转化为建模的方程,尤其是AMOS3.6可以直接利用路径图的模型设定进行分析,并将分析结果直接标识在图中。
(见图一)
图一:
结构方程式模型路径图
结构方程式模型假定在一组潜在变量中存在因果关系,这些潜在变量可以分别用一组可观测的变量表示。
假设的模型通常包括某个基本线性回归模型和很多观测变量,而这个基本的线性回归模型应该是一组潜在变量的结构关系模型。
这一组潜在变量分别是那些观测变量中某几个的线性组合。
在技术上,通过验证观测变量之间的协方差,可以估计出这个基本线性回归模型的系数值,从而在统计上检验所假设的模型对所研究的过程是否合适,也就是检验观测变量的协方差矩阵与模型拟合后的引申协方差矩阵的拟和程度,如果证实所假设的模型合适,就可以得出结论:
我们所假设的潜在变量之间的关系是合理的。
从一定意义上讲,结构方程式模型是一种证实性(confirmatory)技术,而不是一种探索性(exploratory)技术。
二、结构方程式模型与市场调查
在讨论这两者之间的关系之前,首先来看一下市场调查的科学定义:
“市场调查就是以科学的方法、客观的态度,明确研究市场营销有关问题所需的信息,有效的收集和分析这些信息,为决策部门制定更加有效的营销战略和策略提供基础性的数据和资料。
”(柯惠新,1999:
1)定义中涉及的各个元素都是进行市场调查不可缺少的,可以将这些元素归结为以下的几点:
科学客观的态度、收集信息的方式、分析信息的方式、决策的最终提出。
从中国目前市场调查行业的发展情况来看,将市场调查定义中涉及的各个环节进行相对比较就可以发现,现在我们最为缺少,或者说力量最为薄弱的环节可能就是“分析信息的方式”。
根据目前权威的数字显示,我国大陆地区的调查公司数目已经达到了500家。
虽然这些调查公司的规模不等,实力参差不齐,进行市场调查的能力也不可做一般意义上的比较,但是如果只涉及收集信息的方式这个内容,差距就会明显减少。
一是因为这个环节是进行市场调查的最基本的工作,属于基础性工作,相对难度较低。
二是因为近几年中国的调查业发展较为迅速,基础性的研究工作也发展的比较完备。
但是调查工作在“分析信息的方式”这个方面与世界市场调查业相比,差距就较大了。
数据分析软件跟不上发展、一些高级数据分析方法得不到应有的使用等问题普遍存在。
因此,逐步介绍并使用高级的数据分析方法,可以弥补我们在这个方面的不足,使市场调查业向着更为规范和科学的方向发展。
由以上关于市场调查的定义可以看出,市场调查涉及的是一个非常广阔的研究范围,简单的说,市场调查可以包括以下的内容:
市场研究、消费者行为研究、品牌/企业形象研究、消费者满意度研究、产品研究、广告研究和营销环境研究等等。
(柯惠新,1999:
5-6)所有这些内容的市场调查都要遵循信息收集和信息分析处理的阶段,数据分析技术都是其中不可或缺的一个重要环节。
在市场经济日益发达,市场竞争日益激烈的今天,要想发掘数据更深层次的联系,进而为市场营销提供更科学有效的策略,对于数据分析技术就不仅要求全,更需要深入、科学、具有说服力。
探索性的统计分析方法已远远不能满足市场发展的需要了,目前需要引进国外更为先进科学的实证性的统计分析方法。
结构方程式模型作为一种实证性的数据分析技术在国外已经发展的相当完备了,这种实证性统计方法的运用不仅可以提高数据分析结果的有效性和科学性,也可以是中国的市场调查与国际市场调查在更多层面上进行比较和接轨。
三、研究实例:
关于“媒介接触行为和对未来生活信心”的结构方程式模型分析
在一项有关“消费者生活状况”的抽样调查数据中,采用分层多阶段不等概率的PPS抽样得到了中国主要城市3964个样本。
研究者从总样本中随机抽取了约10%的样本,共368个样本,选择了18个变量进行关于消费者“媒介接触行为与未来生活信心”的结构方程式模型分析。
这18个变量作为显在变量(指示变量)包括了被访者接触新闻媒介的频度(X1、X2、X3、X4);对广告的认知(X5、X6、X7);目前的生活状况评价(X8、X9、X10);个人背景资料(X11、X12、X13);对国家未来经济状况评价(Y1、Y2);对个人未来生活信心评价(Y3、Y4、Y5);所有变量都采用李克特五级量表进行测量,数字越大表示评价越积极。
首先利用SPSS8.0forWindows统计分析软件对18个变量进行探索性因子分析,采用主成分分析提取公因子,最大方差旋转,特征值大于1得到了六个公共因子,可以解释全部变量的64.5%。
具体情况见表2:
表218个显在变量的因子分析(最大方差旋转因子负荷矩阵)
因子1
因子2
因子3
因子4
因子5
因子6
Y3我对自己的未来越来越有把握
0.855
0.037
0.089
0.027
0.013
0.058
Y5我比以前对自己的前途更有信心
0.852
0.049
0.103
0.014
0.056
0.067
Y4我觉得自己将来的生活会更好
0.842
0.037
0.140
0.057
0.040
0.083
X6报纸/杂志广告
0.031
0.845
0.053
0.080
0.049
0.042
X5电视广告
0.026
0.840
0.045
0.067
0.024
-0.002
X7广播广告
0.058
0.740
0.034
-0.043
-0.066
0.118
X8目前,您认为您家里的经济情况
0.067
0.042
0.818
0.061
0.148
0.091
X10与周围的人相比,您觉得您家的生活水平
0.083
0.051
0.787
0.079
0.093
0.008
X9与一年前相比,您觉得您家里的经济情况
0.191
0.047
0.721
-0.005
0.090
0.176
X4经济类报刊
0.085
0.050
0.056
0.717
0.172
-0.061
X3新闻性杂志
0.092
0.087
0.047
0.685
0.015
0.037
X1中央电视台新闻节目
-0.018
-0.045
0.103
0.562
-0.297
0.037
X2本地晚报
-0.037
0.005
-0.020
0.518
0.071
0.105
X13您个人每月的平均总收入
0.088
-0.014
0.158
0.001
0.846
0.019
X12您家里每月的平均总收入
0.037
0.016
0.220
0.051
0.833
0.033
X11您的文化程度
-0.045
-0.017
-0.041
0.454
0.476
-0.200
Y2一年之后,您所在的城市的经济状况将会
0.099
0.101
0.104
-0.020
0.045
0.852
Y1一年之后,中国的经济状况将会
0.091
0.058
0.135
0.122
-0.072
0.828
根据以上因子分析中得到的六个公共因子,我们定义了六个潜在变量,其中包括四个外生潜在变量和两个内生潜在变量:
外生潜在变量:
news-media:
新闻媒介接触行为
consumer-media:
对各种媒介广告的评价
life-status:
目前个人生活的经济状况
person-demo:
个人背景资料
内生潜在变量:
country-truth:
对国家未来经济生活的信心
person-truth:
对个人未来生活的信心
我们研究的主要目的是潜在变量(概念)之间的关联模式,因此决定直接输入相关矩阵数据,用标准化的回归系数来解释,AMOS3.6软件可以直接输入协方差矩阵或者相关矩阵,并提供非标准化和标准化的模型估计结果,但是使用相关矩阵必须同时给出变量的均值和标准差。
首先,用SPSS8.0对数据进行传统的描述性分析并得到18个变量的相关矩阵和均值、标准差,并规定好变量的顺序。
采用AMOS的图形模型,画出路径图,如图3所示。
在模型中对应于每一个潜在变量有几个测量指标,规定其中的一个系数等于1,其效果相当于规定潜在变量的度量单位分别与对应的测量指标相同。
每个观测变量都存在测量误差e1--e18,同时内生潜在变量也存在测量误差,也要规定误差项e19、e20,并规定系数为1。
在命令中给出样本量($Samplesize)、输入变量($Inputvariables)、标准化解($Standardized)、多重平方相关($Smc)和相关矩阵、均值和标准差。
于是便得出了以下的结构方程式模型的路径图:
图3AMOS3.6图形模式的结构方程式模型路径图
由以上生成的六个内生的和外生的潜在变量,结合要研究的问题,我们定义了如下的理论假设。
在西方国家,广告收入是媒介得以生存和发展的重要途径,因此受众对广告的认知就不仅是商家关心的问题,也是各个媒介密切关注的问题。
我们国家的媒介经营管理模式虽然与西方国家有很大的不同,但是目前的状况和发展趋势都告诉我们,广告在我国也将成为媒介经营管理中的一个非常重要的内容。
对于广告商来说,什么样的人在看广告,又多少人在看广告可以说是两个非常重要的问题,它直接影响了广告的投放地点和投放量。
而各媒介要想吸引广告主,也需要提供这两个方面的资料。
结合此次调查的数据,我们建
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 结构 方程式 模型
![提示](https://static.bdocx.com/images/bang_tan.gif)