结构方程模型是:一般线性模型的扩展,并非单指某一种特定的统计方法,而是一套用以分析共变结构的技术整合。
结构方程模型组成及应用:
结构方程模型由两部分组成,即测量模型(Measurement Model)和结构模型(Structural Model)。本文将主要介绍以上两个模型的概念及其应用。
1、测量模型
在实际研究中,并非所有的概念都是可以被直接观察和测量的。
比如我们在调研爱采购卖家的体验时,这里的卖家体验其实就是一个抽象的概念,是卖家对平台所有可观测量化指标的综合反映,这些指标可能会包括卖家通过平台获得的询盘量、订单量、主要权益的满意度、接收到服务速度和质量等等。
在SEM中,如用户体验这些抽象且无法直接测量的概念,被称作“潜变量(Latent Variable)”,而那些能被直接观测的变量,如询盘量,则称为“观察变量(Observed Variable)”或“外显变量(Manifest Variable)”。
我们了解越多卖家对平台有效观察变量的反馈,对卖家体验的刻画就越真实可靠。
基于对测量模型的验证,我们发现卖家对平台的综合体验,可以在一定程度解释为卖家对平台的效果体验,权益体验和服务体验(满意度)的集合。
需要注意的是,观测变量并非能完全解释潜变量,在整体测量模型中同时存在无法解释的误差(也称残差),误差大小及分布的影响是实际施测中同样需要考虑的部分。
2、结构模型
与检验观测变量和潜变量之间关系的测量模型不同,结构模型主要用于检验潜变量间的关系。如果单独看待结构模型,就是传统的路径分析(Path Analysis),旨在解释变量间的因果或预测关系。
随着研究的深入,我们发现过去研究中常用的相关分析或一元/多元回归分析方法很难解释变量间的因果关系,比如在研究爱采购卖家续费意愿时,仅通过相关分析,很难判断是体验影响续费意愿,还是续费意愿影响体验。
而单纯的使用多元回归分析,我们只能发现各体验维度指标对续费意愿的独立影响,而忽视了各体验指标间的相互作用。
结构方程模型有以下几点需要注意:
1、SEM更多用于验证性的分析。
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)