基于ＰＬＳ路徑模型的區域商品房顧客滿意度研究

摘要：隨著商品房市場競爭的日趨激烈，企業越來越認識到爭取市場、贏取顧客的重要性。這使得處于競爭行業的房地產開發企業不得不開始重視顧客滿意度。依據中國顧客滿意度模型、美國顧客滿意度模型和一些學者的研究成果建立商品房顧客滿意度潛變量模型及其指標體系，運用偏最小二乘（PLS）法建模技術進行參數估計， 得到的結果令人滿意。此項研究對房地產商制定戰略、特定區域商品房開發前期市場研究和其他研究有些借鑒意義。

關鍵詞：PLS；PLS路徑模型；區域商品房顧客滿意度模型

中圖分類號：F224．7 文獻標識碼：A

Customer Satisfaction of Regional Real Estate Market Based on PLS Path Modeling

ZOU Shu-liang，YANG Wei-zhong ，WANG Tie-li， CHEN Jia-hua

(Institute of Development Strategy Regional Economy， University of South China，Hengyang 421001，China)

Abstract:

With the increased competition in the real estate market， more and more enterprises recognize the importance of fighting for market share and winning customers. This makes the real estate developers pay more attention to customer satisfaction.By constructing the regional customer satisfaction model in the estate market based CCSI model， ACSI model，and many other research results，the paper uses the PLS method for estimating to gain the rather satisfactery results which can benfit the developing strategies and preliminaary study of regional market investigation for the real estate firms.

隨著我國城市建設步伐日益加快，商品房已成為新的消費熱點，住宅商品房的買方市場也已經形成，居民對住宅的質量、環境都開始有了嚴格的要求和選擇。不同文化水準、不同地區、不同層次、不同經濟實力的顧客，對住宅商品房都有不同的需求，在這樣的大環境下，房地產開發企業在了解區域市場和消費者的居住需求、摸清消費者對其開發地塊的地理位置、經濟及周邊環境的基本狀況，按照整個城市的規劃要求，給所要開發的項目制定對應的建設標準顯得十分必要。

筆者依據中國顧客滿意度模型、美國顧客滿意度模型和對湖南省衡陽市商品房顧客滿意現狀的調查，參考一些學者的研究成果，建立了適合湖南省衡陽市的區域商品房顧客滿意度潛變量模型及其指標體系，為房地產業開發企業的前期規劃工作提供決策支持，有助于他們更好的根據特定區域顧客的需求，建造適銷對路的商品房，從而提高企業的經濟效益和社會效益。

一、區域商品房顧客滿意度潛變量模型和指標體系

如圖1所示，所建立的衡陽市區域商品房顧客滿意度潛變量模型，為一結構方程模型，模型中有五個潛變量，其中，顧客期望為外生潛變量，感知質量、感知價值、滿意度和顧客抱怨均為內生潛變量，整個模型以滿意度為中心變量，與美國顧客滿意度模型和中國顧客滿意度模型不同，該模型并未考慮顧客忠誠問題，因為商品房屬于不動產范疇，對一般顧客而言，對其所發生的購買行為往往是一次性的，只有個別專業從事房地產交易商或投機者才會發生重復性購買行為。該模型各潛變量的指標，又稱為可測變量，如表1所示，且都采用反映型指標。

由于筆者的區域商品房顧客滿意度模型是在美國顧客滿意度模型和中國顧客滿意度模型運用的基礎上構建而成，而且筆者的目的在于探求各變量之間的影響力大小，以尋求影響顧客滿意度的主要路徑，因此提出下列假設，而未做出具體說明：

H1: 顧客對商品房質量、個性化服務和升值潛力的預期對感知質量產生顯著的正向影響。

H2: 顧客對商品房質量、個性化服務和升值潛力的預期對感知價值產生顯著的正向影響。

H3: 顧客對商品房感知總體質量水平、感知工程質量水平、感知面積大小、感知地處交通狀況、感知地處人文和生活環境和感知物業管理服務對感知價值產生顯著的正向影響。

H4: 顧客對商品房質量、個性化服務和升值潛力的預期對顧客滿意度產生顯著的正向影響。

H5: 顧客對商品房感知總體質量水平、感知工程質量水平、感知面積大小、感知地處交通狀況、感知地處人文和生活環境和感知物業管理服務對顧客滿意度產生顯著的正向影響。

H6: 顧客對商品房質價比較感知程度和價質比較感知程度對顧客滿意度產生顯著的正向影響。

H7: 商品房顧客滿意度對顧客抱怨產生顯著的負向影響。

結構方程模型是一種綜合性的統計建模技術， 由于能有效處理含潛變量的問題，而被廣泛應用于經濟學， 心理學， 行為科學等領域的研究。目前，主要有兩大類估計技術求解結構方程模型。-種是基于最大似然估計的協方差結構分析方法，該方法被稱為“硬模型”(Hard Modeling) ，以LISREL 方法為代表; 另一種則是基于偏最小二乘( PLS) 的分析方法，被稱為“軟模型”(Soft Modeling) ，以PLS方法為代表。由于PLS求解結構方程模型相對于LISREL 方法有諸多優點，而得到廣泛的運用，基于PLS的結構方程模型被稱為PLS路徑模型，是檢驗觀測變量和潛變量、潛變量和潛變量之間關系的一種多元先驗模型。本項研究數據來源于對湖南省衡陽市廣泛的抽樣調查，收集到有效問卷233份。數據分析工具為德國漢堡大學開發的smartpls 2．0 軟件。

二、PLS 路徑模型基本原理

(一）PLS 路徑模型設定方法

首先假設對于n 個觀測樣本點有j 組可測量變量 Xj={xj1，xj2，…，xjh，…，xjk}． 設它們都是標準化的變量，(即變量的均值為0，方差為1)，且可觀測變量和潛變量、潛變量和潛變量之間是線性組合關系，所有的可測變量都是單一維度，也就是測量單一潛變量。

PLS 路徑模型主要由兩部分組成：描述可測變量與潛變量之間的關系的測量模型和用于描述潛變量之間關系的結構模型。測量模型的測量方程因所采用的指標類型而不同。

采用反映型指標的測量方程為：

（二）PLS 路徑模型參數估計方法

偏最小二乘法估計結構方程模型分為兩個步驟：第一步:通過反復迭代得到潛變量估計值；第二步: 通過普通最小二乘法進行線性回歸，得到測量模型和結構模型的參數估計值。與協方差結構分析方法估計結構方程模型不同，偏最小二乘法意在使測量方程和結構方程的誤差項達到最小化。對潛變量ξj的估計可以從兩方面進行：一方面認為潛變量ξj可以由第j 組可觀測變量Xj的線性組合來估計， 記為Yj稱為潛變量ξj的外部估計:

其中，Wj={wj1，wj2，…wjh…wjk}為外部權重向量。符號“∝”表示對計算結果進行標準化處理。

另一方面， 如果Yi(i≠j) 是與ξj直接相關聯的潛變量ξi的外部估計值， 還可以利用Yi來估計潛變量ξj，這一估計值被記為Zj， 稱為潛變量ξj的內部估計：

內部權重eji，有三種計算方法：Centroid權重計算法，Factorial權重計算法和Path權重計算法。Herman O．A．World贊成Centroid權重計算法，而Wynne W． Chin認為應根據潛變量間的相關性大小不同而選擇不同的計算方法，但通常三種方法的計算結果沒有明顯的區別。

外部權重向量 的計算方法，有兩種模式:

采用反映型的計算方法選擇模式A：wjh=cor(xjh，Zj)[JY](5a)

采用構成型的計算方法選擇模式B：Wj=(X′jXj)-1X′jZj[JY](5b)

接下來開始迭代:

首先對外部權重向量Wj進行初始化，可令Wj=（1，0…0），通過公式(3)，得到Yj的估計值；

得到Yj的估計值后，通過公式(4) ， 可以得到Zj的估計值;

根據Zj的估計值， 通過公式（5a）或者(5b) ， 可以計算出新的權重向量

三、區域商品房顧客滿意度模型計算結果

（一）評價測量模型

求出PLS路徑模型的各項參數后，就對模型的合理性進行評價。復合信度系數ρ可作為測量工具的信度系數。若信度系數高，表示各指標內部一致性高。一潛變量ρ大于等于0．7， 表明這一潛變量的變化至少能解釋對應測量工具70%的變化。也就是說ρ越大，測量工具越是可靠。復合信度系數的計算公式為：

ρ=(∑[DD(][]k[DD)]λh)2/(∑[DD(][]k[DD)]λh)2+∑[DD(][]k[DD)](1-λh)2

其中，k表示一潛變量下指標的個數，λh表示一潛變量下的第h指標的因子負荷。

高信度并不表示測量是單一維度。換句話說，一個測量工具有高信度系數，并不一定是測量單一潛變量。滿足單一維度的條件通常是所有的因子負荷λ要大于0．5才能保證指標和潛變量之間的有足夠的線性等價關系。經smartpls2．0計算，因子負荷和復合信度系數如表1所示，表中因子負荷的絕對值都大于0．50，表明指標和潛變量間的有足夠的線性等價關系，滿足偏最小二乘法單一維度的條件。復合信度系數都大于0．70，表明信度高，測量模型內部一致性好。

另外，模型的區分效度法（Discriminant validity）必須得到檢驗， 區分效度法是檢驗各潛變量互相區別的程度，是否有獨立存在的必要。可通過比較潛變量平均萃取變異量（Average variance extracted）的平方根值和潛變量間的相關系數的大小來判斷兩潛變量的區分程度，是否能夠獨立存在。 若平均萃取變異量的平方根值遠大于相關系數，表明測量模型有良好的區分效度。平均萃取變異量計算公式如下：

（二）評價結構模型

模型中的假設可由路徑系數的大小和顯著性水平來檢驗，表3給出了假設檢驗結果。Smartpls 2．0以Bootstap 方法來檢驗路徑系數的顯著性，以t值作為Bootstap的計算結果，若t值大于t0．05值或t0．025(14)值，則表明路徑系數在統計學上是顯著的。

如表1、3所示，顧客對商品房質量、個性化服務和升值潛力的預期與感知質量強烈正相關，顧客對商品房質量、個性化服務和升值潛力的預期對感知價值產生顯著的正向影響，顧客對商品房感知總體質量水平、感知工程質量水平、感知面積大小、感知地處交通狀況、感知地處人文和生活環境和感知物業管理服務與感知價值成強烈正相關，因此， H1，H2，H3 得到支持；路徑系數γ=-0．12表明顧客對商品房質量、個性化服務和升值潛力的預期對顧客滿意度產生負向影響，這與原假設相違背，可能的解釋是；當前房地產商所提供的實物標的及與其相關的服務尚不能達到顧客需求標準，房地產商不切實際的過度宣傳，也有可能誤導顧客的消費傾向，進而使顧客期望過高，因此，H4未得到支持；顧客對商品房感知總體質量水平、感知工程質量水平、感知面積大小、感知地處交通狀況、感知地處人文和生活環境和感知物業管理服務對顧客滿意度產生非常顯著的正向影響，說明只有充分為消費者提供高質量的商品與服務，才能使顧客得到滿意，H5得到支持；顧客對商品房質價比較感知程度和價質比較感知程度與顧客滿意成較強烈正相關，因此，H6得到支持；路徑系數γ=-0．67表明商品房顧客滿意度對顧客抱怨產生顯著的負向影響， 這意味著顧客滿意度減少的結果是增加的顧客抱怨，Hirschman (Hirsman，1970)的“exist-voice”理論可解釋為：當顧客不滿意時，除了可能停止從提供者購買產品或服務，還可能告知提供者他對產品（服務）的不滿意，H7得到支持。

模型的解釋能力可由多重判定系數的大小來說明，多重判定系數越大，說明預測變量對因變量的解釋能力越強。如表3所示，R2值都很大，表明模型的解釋能力好。

四、結論與建議

筆者首先得出感知質量對商品房顧客滿意度產生最強烈的正向影響，其次為感知價值；與原假設不同的是顧客期望對商品房顧客滿意度產生一定的負向影響；而顧客滿意度與顧客抱怨成強烈負相關。此外，計算結果表明該模型具有很好的解釋性。

商品房由于它的建設周期長，整體價格高，消費次數少等特點，決定了它的高風險。而顧客的滿意是決定整個項目是否成功的重要標準，房地產開發企業必須潛心研究消費者的愛好和行為，駕馭顧客的需求，提供優質的服務，才能贏得消費者的芳心，通過實施顧客滿意度戰略，建立商品房主體質量、面積和空間規劃、地理位置、價格、自然環境等內容的顧客滿意體系指標，根據顧客滿意體系得出的結果，在市場上進行準確的定位，同時保證工程質量、功能質量、環境質量、服務質量，還有社區文化質量、生活環境質量等做到項項優質，達到技術與經濟的最佳結合，經濟、社會、環境效益的高度統一。使得建造的房地產既有房子自身實用的功能，又有新思想、新內涵和新概念，賦予房子靈魂、情感功能，給消費者以美感和遐想。這樣，企業品牌的美譽度、認知度、忠誠度才能得以維持與加強，才能在激烈的市場競爭中保持自己的競爭優勢。

關于運用的區域商品房顧客滿意度模型還有許多有待研究的問題，例如， 模型的指標體系可能設置的不夠全面和準確，更多的因素應考慮在內。而且，隨著時間和地點的變化，結果可能會發生很大的變化。盡管如此，本項研究對房地產商制定戰略和其他研究有些借鑒意義。

參考文獻：

[1] Claes Fornell， Michael D. Johnson， Eugene W. Anderson， Jaesung Cha， Barbara Everitt Bryant， The american customer satisfication index: nature， purpose， and findings[J]， Jouneral of marketing， vol.60， ，Oct.1996: 7-18.

[2] Wang Wen-hui， Partial least squares regression-linear and nonlinear methods (in chinese)[M]， National defense industry press， 2006: 150-151.

[3] The PLS approach to generalized linear models and causal path modeling : Algorithms and application[C]， IASC session interface meeting Montreal (Canada)， April 19th， 2002: 1-10.

[4] Louis Raymond and Josee St-Pierre， Antecedents and performance outcomes of advance manufacturing systems sophistication in SMEs[J]， Journal of Operations Production Management， vol. 25， no. 6. 2005: 511-533.

[5] Wynne W. Chin， Partial Least Squares is to LISREL as Principal Components Analysis is to Common Factor Analysis[J]， Technology Studies， Feb， 1995: 315-319.

[6] Hirschman， Albert O， Exit， voice， and loyalty-responses to decline in firms， organizations， and states[M]，Harvard university press， 1970: 1-9.

[7] Lin Sheng， The study on customer satisfaction assessment in service industry based on the partial least square for structural equation modeling [D]， Tianjin University College of Management， Dec， 2002.

[8] 沈凌.我國房地產企業實施CS顧客滿意戰略的必要性[J].中原地產市場研究，2005.

（責任編輯：孫桂珍）

注：“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。”