結構方程模型在管理學實證研究中的應用

趙海丹

摘 要： 結構方程模型是社會科學領域應用非常廣泛的一種統計建模方法，可同時對多維復雜變量之間關系進行全面檢驗，因此在管理學中極具應用前景。本文首先介紹了結構方程模型的基本概念，然后通過直銷企業顧客信任影響因素的研究實例來展示結構方程模型在管理學研究中的應用。

關鍵詞：結構方程模型；管理學；顧客信任

一、結構方程基本概念

所謂的結構方程模型，是利用線性方程來表示觀測變量與潛變量，以及潛變量自身關系的統計方法。該方法以其通用性、線性統計建模而被廣泛的應用在多種不同學科領域進行研究。在管理學研究領域內，有時需要處理多個原因、多個結果的關系，或者遇到不可直接觀測的變量，傳統的統計方法，如路徑分析或者是探索性因子分析等，都不能揭示出上述變量之間的關系，而通過運用結構方程則可克服上述分析的不足，既可分析出其中的測量誤差，同時也可得出其中的變量關系。

結構方程當中的模型技術的核心，就是通過縮小樣本和模型估算出來的協方差值的差異。而對其擬合的評判，則是同諾卡方和自由度之間的比值指標、RMSEM兩指標來反應其擬合度，其中比值越小，并且RMSEM越小，則說明其模型也就越準確。

結構方程在其自身的形式上，其實質是反映出隱變量與顯變量兩者之間的關系的方程，而其目的則為通過對顯變量的測量，從而推斷出其中的隱變量，并對假設的正確性進行方程驗證。而一般的來講，方程是由兩類不同的矩陣方程構成，一類為測量方程，主要描述隱變量和顯變量之間的關系；另一類則為結構方程，其主要描述隱變量自身的關系。

二、結構方程在管理學實證研究中的應用實例

我們以安利作為研究對象。根據該課題的研究，首先必須對其中的數據進行處理，因此，第一步我們設置問卷。對該調查問卷的設計，我們采用封閉式的問題進行調查；第二步則是在初稿完成之后，邀請市場營銷方面的專家對調查問卷中的內容、問題等進行綜合性的評價，并在專家提出意見后，對問卷進行調整和修改；第三步則為再通過上述的綜合修改之后，將問卷在安利顧客和銷售員當中做一定的預調查，以此再通過市場的檢驗對問卷進行再次的修改；最后確定初始問卷終稿。初始問卷編制完成后，在遼寧地區隨機選取某超市做小樣本測驗，檢驗問卷信度及效度，經過以上過程最終確定正式調查的問卷。實證研究主要以鞍山和沈陽兩地的直銷顧客為調查對象，問卷調查的時間為2013.09-2013.12，通過及時信息、電子郵件和紙制問卷發放問卷。共發放問卷350份，回收289份，問卷回收率為83%。

為更好地做好對模型中的假設進行進一步的驗證與改進，我們則對其中的9個受顧客信任的影響因素進行確定性的因子分析。在分析中，我們選擇了全模型的10因子模型、6因子模型、2因子模型和單因子模型。并利用χ2/df、GFI、CFI、RMSEA、PGFI和NNFI指標對模型的擬合度進行評價。通過數據我們可以看出，其中的χ2/df的值為3.391，RMSEA的值則為0.073，通過比較均小于其中的6因子、2因子和單因子中的指標，因此，符合實驗的統計的要求。因此，在這里我們可以認定為全模型中所涉及到的10個不同的變量其具有很好的區分度。

將所有數據輸入到AMOS軟件中，進行運行。而在對結構方程進行其中的假設檢驗前，首先則必須對模型進行評價。而對其的評價則主要包括以下兩方面：

1.基本擬合標準

通過該標準，其可直接檢測到模型的誤差與標準的誤差之間的大小，同時可查看其是否存在著因為誤輸入以及協方差是不是為正定等相關問題。因此，對其檢驗，則主要有以下四項內容：首先為對其的評價不能出現負的測量的誤差；其次則是其測量的誤差則必須達到顯著性的水平；第三則是其因子的載荷在0.5到0.95間；最后則是對其評價不能出現大的標準誤差。在該模型中，通過評價，所有的變量因子其載荷符合上述的要求，因此，可進一步的表明該模型符合最基本的擬合標準。

2.整體模型擬合度

對該標準的評價，則主要體現出模型和數據的擬合的程度，因此，將該評價分為三類不同的指標，整體擬合度標準分析如下表。

從上表可以看出，理論模型結構方程檢驗結果擬合情況較好。

通過運用結構方程，可得出其中的相關因素和顧客信任兩者之間的回歸路徑的系數與其中的t值，并且當t>2的時候，進一步的說明了外生變量和內生變量兩者之間存在著非常顯著的關系，反之則說明兩者之間關系影響很小。將假設檢驗結果繪成路徑圖，如下圖所示。

從路徑圖中可以看出，路徑系數都達到5%顯著性水平以上，說明在所有的印象因素當中，感知質量、企業規模、法律法規、銷售能力、企業聲譽、經濟價值、專業性、行業認可以及產品受喜愛的程度都與顧客對企業的信任存在著很大的顯著正相關關系。

三、結束語

結構方程模型是一種非常有效的統計工具，在國外已經非常成熟，近些年在國內也逐步開始受到研究人員的重視。通過上一實例，可以看到結構方程模型在管理研究實證分析上的優勢所在，通過將難以直接衡量的顧客信任以及其影響因素用調研打分的方式來對其中的測量變量給予概念化，并通過利用測量變量間的協方差的關系對其中的潛變量間關系進行研究。結構方程模型在管理學研究領域具有非常廣闊的應用前景，當然如何對其中的管理要素間的關系進行自由的設置，則主要來自研究人員自身的專業能力。

參考文獻：

[1]謝鳳華.顧客信任前因、維度和結果的研究——基于電視機購買的理論與經驗研究[D]，博士學位論文，浙江大學，2005.

[2]侯杰泰，溫忠麟，成子娟.《結構方程模型及其應用》[M].北京：教育科學出版社，2005.

[3]Buhi，Eric R，Goodson Patricia，Neiland，Torsten B.Structural Equation Modeling：A Primer for Health Behavior Researchers. American Journal of Health Behavior . 2007.endprint

摘 要： 結構方程模型是社會科學領域應用非常廣泛的一種統計建模方法，可同時對多維復雜變量之間關系進行全面檢驗，因此在管理學中極具應用前景。本文首先介紹了結構方程模型的基本概念，然后通過直銷企業顧客信任影響因素的研究實例來展示結構方程模型在管理學研究中的應用。

關鍵詞：結構方程模型；管理學；顧客信任

一、結構方程基本概念

所謂的結構方程模型，是利用線性方程來表示觀測變量與潛變量，以及潛變量自身關系的統計方法。該方法以其通用性、線性統計建模而被廣泛的應用在多種不同學科領域進行研究。在管理學研究領域內，有時需要處理多個原因、多個結果的關系，或者遇到不可直接觀測的變量，傳統的統計方法，如路徑分析或者是探索性因子分析等，都不能揭示出上述變量之間的關系，而通過運用結構方程則可克服上述分析的不足，既可分析出其中的測量誤差，同時也可得出其中的變量關系。

結構方程當中的模型技術的核心，就是通過縮小樣本和模型估算出來的協方差值的差異。而對其擬合的評判，則是同諾卡方和自由度之間的比值指標、RMSEM兩指標來反應其擬合度，其中比值越小，并且RMSEM越小，則說明其模型也就越準確。

結構方程在其自身的形式上，其實質是反映出隱變量與顯變量兩者之間的關系的方程，而其目的則為通過對顯變量的測量，從而推斷出其中的隱變量，并對假設的正確性進行方程驗證。而一般的來講，方程是由兩類不同的矩陣方程構成，一類為測量方程，主要描述隱變量和顯變量之間的關系；另一類則為結構方程，其主要描述隱變量自身的關系。

二、結構方程在管理學實證研究中的應用實例

我們以安利作為研究對象。根據該課題的研究，首先必須對其中的數據進行處理，因此，第一步我們設置問卷。對該調查問卷的設計，我們采用封閉式的問題進行調查；第二步則是在初稿完成之后，邀請市場營銷方面的專家對調查問卷中的內容、問題等進行綜合性的評價，并在專家提出意見后，對問卷進行調整和修改；第三步則為再通過上述的綜合修改之后，將問卷在安利顧客和銷售員當中做一定的預調查，以此再通過市場的檢驗對問卷進行再次的修改；最后確定初始問卷終稿。初始問卷編制完成后，在遼寧地區隨機選取某超市做小樣本測驗，檢驗問卷信度及效度，經過以上過程最終確定正式調查的問卷。實證研究主要以鞍山和沈陽兩地的直銷顧客為調查對象，問卷調查的時間為2013.09-2013.12，通過及時信息、電子郵件和紙制問卷發放問卷。共發放問卷350份，回收289份，問卷回收率為83%。

為更好地做好對模型中的假設進行進一步的驗證與改進，我們則對其中的9個受顧客信任的影響因素進行確定性的因子分析。在分析中，我們選擇了全模型的10因子模型、6因子模型、2因子模型和單因子模型。并利用χ2/df、GFI、CFI、RMSEA、PGFI和NNFI指標對模型的擬合度進行評價。通過數據我們可以看出，其中的χ2/df的值為3.391，RMSEA的值則為0.073，通過比較均小于其中的6因子、2因子和單因子中的指標，因此，符合實驗的統計的要求。因此，在這里我們可以認定為全模型中所涉及到的10個不同的變量其具有很好的區分度。

將所有數據輸入到AMOS軟件中，進行運行。而在對結構方程進行其中的假設檢驗前，首先則必須對模型進行評價。而對其的評價則主要包括以下兩方面：

1.基本擬合標準

通過該標準，其可直接檢測到模型的誤差與標準的誤差之間的大小，同時可查看其是否存在著因為誤輸入以及協方差是不是為正定等相關問題。因此，對其檢驗，則主要有以下四項內容：首先為對其的評價不能出現負的測量的誤差；其次則是其測量的誤差則必須達到顯著性的水平；第三則是其因子的載荷在0.5到0.95間；最后則是對其評價不能出現大的標準誤差。在該模型中，通過評價，所有的變量因子其載荷符合上述的要求，因此，可進一步的表明該模型符合最基本的擬合標準。

2.整體模型擬合度

對該標準的評價，則主要體現出模型和數據的擬合的程度，因此，將該評價分為三類不同的指標，整體擬合度標準分析如下表。

從上表可以看出，理論模型結構方程檢驗結果擬合情況較好。

通過運用結構方程，可得出其中的相關因素和顧客信任兩者之間的回歸路徑的系數與其中的t值，并且當t>2的時候，進一步的說明了外生變量和內生變量兩者之間存在著非常顯著的關系，反之則說明兩者之間關系影響很小。將假設檢驗結果繪成路徑圖，如下圖所示。

從路徑圖中可以看出，路徑系數都達到5%顯著性水平以上，說明在所有的印象因素當中，感知質量、企業規模、法律法規、銷售能力、企業聲譽、經濟價值、專業性、行業認可以及產品受喜愛的程度都與顧客對企業的信任存在著很大的顯著正相關關系。

三、結束語

結構方程模型是一種非常有效的統計工具，在國外已經非常成熟，近些年在國內也逐步開始受到研究人員的重視。通過上一實例，可以看到結構方程模型在管理研究實證分析上的優勢所在，通過將難以直接衡量的顧客信任以及其影響因素用調研打分的方式來對其中的測量變量給予概念化，并通過利用測量變量間的協方差的關系對其中的潛變量間關系進行研究。結構方程模型在管理學研究領域具有非常廣闊的應用前景，當然如何對其中的管理要素間的關系進行自由的設置，則主要來自研究人員自身的專業能力。

參考文獻：

[1]謝鳳華.顧客信任前因、維度和結果的研究——基于電視機購買的理論與經驗研究[D]，博士學位論文，浙江大學，2005.

[2]侯杰泰，溫忠麟，成子娟.《結構方程模型及其應用》[M].北京：教育科學出版社，2005.

[3]Buhi，Eric R，Goodson Patricia，Neiland，Torsten B.Structural Equation Modeling：A Primer for Health Behavior Researchers. American Journal of Health Behavior . 2007.endprint

摘 要： 結構方程模型是社會科學領域應用非常廣泛的一種統計建模方法，可同時對多維復雜變量之間關系進行全面檢驗，因此在管理學中極具應用前景。本文首先介紹了結構方程模型的基本概念，然后通過直銷企業顧客信任影響因素的研究實例來展示結構方程模型在管理學研究中的應用。

關鍵詞：結構方程模型；管理學；顧客信任

一、結構方程基本概念

所謂的結構方程模型，是利用線性方程來表示觀測變量與潛變量，以及潛變量自身關系的統計方法。該方法以其通用性、線性統計建模而被廣泛的應用在多種不同學科領域進行研究。在管理學研究領域內，有時需要處理多個原因、多個結果的關系，或者遇到不可直接觀測的變量，傳統的統計方法，如路徑分析或者是探索性因子分析等，都不能揭示出上述變量之間的關系，而通過運用結構方程則可克服上述分析的不足，既可分析出其中的測量誤差，同時也可得出其中的變量關系。

結構方程當中的模型技術的核心，就是通過縮小樣本和模型估算出來的協方差值的差異。而對其擬合的評判，則是同諾卡方和自由度之間的比值指標、RMSEM兩指標來反應其擬合度，其中比值越小，并且RMSEM越小，則說明其模型也就越準確。

結構方程在其自身的形式上，其實質是反映出隱變量與顯變量兩者之間的關系的方程，而其目的則為通過對顯變量的測量，從而推斷出其中的隱變量，并對假設的正確性進行方程驗證。而一般的來講，方程是由兩類不同的矩陣方程構成，一類為測量方程，主要描述隱變量和顯變量之間的關系；另一類則為結構方程，其主要描述隱變量自身的關系。

二、結構方程在管理學實證研究中的應用實例

我們以安利作為研究對象。根據該課題的研究，首先必須對其中的數據進行處理，因此，第一步我們設置問卷。對該調查問卷的設計，我們采用封閉式的問題進行調查；第二步則是在初稿完成之后，邀請市場營銷方面的專家對調查問卷中的內容、問題等進行綜合性的評價，并在專家提出意見后，對問卷進行調整和修改；第三步則為再通過上述的綜合修改之后，將問卷在安利顧客和銷售員當中做一定的預調查，以此再通過市場的檢驗對問卷進行再次的修改；最后確定初始問卷終稿。初始問卷編制完成后，在遼寧地區隨機選取某超市做小樣本測驗，檢驗問卷信度及效度，經過以上過程最終確定正式調查的問卷。實證研究主要以鞍山和沈陽兩地的直銷顧客為調查對象，問卷調查的時間為2013.09-2013.12，通過及時信息、電子郵件和紙制問卷發放問卷。共發放問卷350份，回收289份，問卷回收率為83%。

為更好地做好對模型中的假設進行進一步的驗證與改進，我們則對其中的9個受顧客信任的影響因素進行確定性的因子分析。在分析中，我們選擇了全模型的10因子模型、6因子模型、2因子模型和單因子模型。并利用χ2/df、GFI、CFI、RMSEA、PGFI和NNFI指標對模型的擬合度進行評價。通過數據我們可以看出，其中的χ2/df的值為3.391，RMSEA的值則為0.073，通過比較均小于其中的6因子、2因子和單因子中的指標，因此，符合實驗的統計的要求。因此，在這里我們可以認定為全模型中所涉及到的10個不同的變量其具有很好的區分度。

將所有數據輸入到AMOS軟件中，進行運行。而在對結構方程進行其中的假設檢驗前，首先則必須對模型進行評價。而對其的評價則主要包括以下兩方面：

1.基本擬合標準

通過該標準，其可直接檢測到模型的誤差與標準的誤差之間的大小，同時可查看其是否存在著因為誤輸入以及協方差是不是為正定等相關問題。因此，對其檢驗，則主要有以下四項內容：首先為對其的評價不能出現負的測量的誤差；其次則是其測量的誤差則必須達到顯著性的水平；第三則是其因子的載荷在0.5到0.95間；最后則是對其評價不能出現大的標準誤差。在該模型中，通過評價，所有的變量因子其載荷符合上述的要求，因此，可進一步的表明該模型符合最基本的擬合標準。

2.整體模型擬合度

對該標準的評價，則主要體現出模型和數據的擬合的程度，因此，將該評價分為三類不同的指標，整體擬合度標準分析如下表。

從上表可以看出，理論模型結構方程檢驗結果擬合情況較好。

通過運用結構方程，可得出其中的相關因素和顧客信任兩者之間的回歸路徑的系數與其中的t值，并且當t>2的時候，進一步的說明了外生變量和內生變量兩者之間存在著非常顯著的關系，反之則說明兩者之間關系影響很小。將假設檢驗結果繪成路徑圖，如下圖所示。

從路徑圖中可以看出，路徑系數都達到5%顯著性水平以上，說明在所有的印象因素當中，感知質量、企業規模、法律法規、銷售能力、企業聲譽、經濟價值、專業性、行業認可以及產品受喜愛的程度都與顧客對企業的信任存在著很大的顯著正相關關系。

三、結束語

結構方程模型是一種非常有效的統計工具，在國外已經非常成熟，近些年在國內也逐步開始受到研究人員的重視。通過上一實例，可以看到結構方程模型在管理研究實證分析上的優勢所在，通過將難以直接衡量的顧客信任以及其影響因素用調研打分的方式來對其中的測量變量給予概念化，并通過利用測量變量間的協方差的關系對其中的潛變量間關系進行研究。結構方程模型在管理學研究領域具有非常廣闊的應用前景，當然如何對其中的管理要素間的關系進行自由的設置，則主要來自研究人員自身的專業能力。

參考文獻：

[1]謝鳳華.顧客信任前因、維度和結果的研究——基于電視機購買的理論與經驗研究[D]，博士學位論文，浙江大學，2005.

[2]侯杰泰，溫忠麟，成子娟.《結構方程模型及其應用》[M].北京：教育科學出版社，2005.

[3]Buhi，Eric R，Goodson Patricia，Neiland，Torsten B.Structural Equation Modeling：A Primer for Health Behavior Researchers. American Journal of Health Behavior . 2007.endprint