SPSS结构方程式模型.docx

SPSS结构方程式模型.docx

《SPSS结构方程式模型.docx》由会员分享，可在线阅读，更多相关《SPSS结构方程式模型.docx（13页珍藏版）》请在冰点文库上搜索。

SPSS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，我们建立了如下的理论假设：

假设1：

对各种媒介广告的评价将影响受众的媒介接触行为，对各媒介广告的评价越高，相应媒介的接触行为就会越频繁，反之媒介接触行为就会降低。

假设2：

文化程度越高和收入越高的人，对各种媒介广告的评价越高。

假设3：

文化程度越高和收入越高的人，媒介接触行为越频繁。

在这次研究中，我们引入了一个有关个人生活信心的问题。

具体说来，是这样的几个概念：

“我对自己的未来越来越又把握”、“我比以前对自己的前途更有信心”、“我觉得自己将来的生活会更好”、“一年之后，您所在的城市的经济状况将会怎么样？

”，还有“一年之后，中国的经济状况将会怎么样？

”。

这些问题在前面的因子分析中，被提取为两个公共因子，一是“对个人未来生活的信心”，一是“对国家未来经济生活的信心”。

简单的说，这两个问题其实就是一个态度问题，但是我们知道，态度与行为是相互联系相互制约的。

在我们现在这样一个以大众传播媒介为主要信息传播手段的世界里，我们的观念和行为深深的受到大众传播媒介的影响，当然也与自身的情况有密切的关系。

为了探究这种影响和关系，我们设计了如下的假设：

假设4：

媒介接触行为频繁的人，对个人未来生活的信心越强。

假设5：

媒介接触行为频繁的人，对国家未来经济生活的信心越强。

还有一个假设属于“人之常情”类型的，就是说按照大部分的想法，事情就应该是这样的。

“个人生活的经济状况越好，对个人未来生活的信心越强”，“个人生活的经济状况越好，对国家未来生活的信心越强”。

这两个假设好像并不需要经过证实，但我们知道有一种“多元无知”现象，“多元无知”是认知心理学用语，是指这样的一种现象，“在一个群体中，只要反对意见不以明确、强烈的形式表现出来，一般成员就会产生一种错觉，以为大家的意见都是一致的”。

（郭庆光，1999：

222）因此，所谓的“人之常情”经常适合实际情况相违背的。

同时，因为结构方程式模型是一种证实性分析方法，于是我们设计了如下的假设：

假设6：

个人生活的经济状况越好，对个人未来生活的信心越强。

假设7：

个人生活的经济状况越好，对国家未来生活的信心越强。

对生活的信心强弱在这次研究中被细化成两个问题，一是对个人未来生活的信心，另一个是对国家未来经济生活的信心。

以上的理论假设涉及到媒介接触行为与这两种信心的关系，还有个人生活的经济状况与对生活的信心强弱的关系。

那么对个人未来生活的信心越强的人是否也会对国家未来的经济生活有更强的信心呢？

接着有了以下的假设：

假设8：

对国家未来经济生活的信心越强，对个人未来生活的信心也越强。

建立了如上的假设后，我们希望能够通过结构方程式模型中揭示出的各个潜在因子之间的关系，得到支持以上理论假设的有力的证据。

AMOS3.6可以将得到的标准化解直接标示在路径图中，如图4所示。

从模型的拟合优度指数可以看出，卡方值等于104.927，自由度为120，显著性检验的P值等于0.835，得到了我们希望的不显著的卡方值；同时拟合优度指数GFI、修正拟合优度指数AGFI的值都大于0.9，说明模型较好的拟合了数据。

图4AMOS软件图形模式标准化解

从模型标准化解的结果可以看出，度量模型中测量潜在变量的大部分指示变量的可靠性是比较高的；外生潜在变量之间，对个人生活状况的评价与个人背景情况的相关系数最大，相关系数等于0.42，其次就是对媒介广告的评价和个人背景情况的相关系数，相关系数等于0.41，这说明文化程度并且收入越高的人对广告的评价越高，有力的支持了假设2。

再看看这部分人接触媒介的行为，相关系数为0.22，说明这部分人接触媒介的行为也更频繁。

同时，媒介接触行为与对媒介广告的评价的相关系数是0.17，虽然相关系数的绝对值有所降低，但是在统计上相关关系是显著的，可以说两者之间是相关的。

这个系数说明对广告的评价越高，相应的媒介接触行为也越频繁。

这个部分的统计检验数字有力的支持了我们之前关于对广告的评价与媒介接触行为和个人背景资料的理论假设。

这可以为广告商和媒体经营者提供一个信号，那就是“文化程度”与“收入水平”应该成为投放广告和争取广告时需要考虑的重要因素。

个人的经济生活状况与对个人未来生活信心的路径系数是0.25，也呈现较高的相关性。

同时，与对国家未来经济生活信心的路径系数是0.41，仅从统计量的角度来说，这个数字说明了个人目前的经济生活状况与对国家未来经济生活信心的影响要大于其和对个人未来生活信心的影响。

也就是说，个人的经济生活状况越好，对国家未来经济生活的信心影响越强；同时，个人的经济生活状况越好，对个人未来生活的信心也有影响。

路径系数大意味着这个结果表现了现代人的一种不稳定的心态，社会不断地在进步，人们的生活质量在提高的同时，社会竞争也在不断的增加。

这样就导致现代人的“不安全感”的出现，在个人生活质量不断提高的同时，对个人生活未来前景的信心却没有想象中那么强。

但改善和进步却是真实的，于是这种信心的增强便融入了在了对国家未来经济状况的信心中。

可以说，呈现在结构方程式中的结果也很好的支持了假设6和假设7，并可以得到很好的解释。

揭示内生潜在变量之间的关系是结构方程式模型的一个重要功能，在我们的这项研究中，“对个人未来生活的信心”和“对国家未来生活的信心”是两个内生潜在变量，它们之间的相互影响体现在假设8中。

这两者之间的路径系数等于0.17，说明对国家未来经济生活信心越强的人，对个人未来生活的信心也越强，与假设

8的理论假设一致。

虽然这只是一个经过随机选择的样本，但也可以从一个侧面说明国家政治经济稳定的重要性。

在这次研究中，也有一些没有想到的结果，那就是假设4和假设5。

结构方程式模型中呈现的数据并不能为这两个假设提供统计检验的支持。

媒介接触行为与“对个人未来生活的信心”这间的路径系数是0.08，与“对国家未来生活的信心”的路径系数是0.04，这两个数字都说明这两个因子对国家和个人未来经济和生活信心没有显著影响，可以说假设4和假设5是不能成立的。

媒介接触行为频繁的人并没有增加对个人或是国家未来生活的信心。

在传播学理论中，认为大众传播的基本功能有4点，“传播信息、引导舆论、教育大众和提供娱乐”（胡正荣，1998：

152）其中很重要的一点就是“引导舆论”，这一点在我国的传播事业中更为重要。

树立“对国家未来经济生活的信心”应该是正确舆论导向的内容，在此项研究中，大众传播媒介的作用显然不大。

当然仅从这一条相关关系就认为大众传播媒介的作用有限有失偏颇。

结构方程式模型是一种实证性的研究方法，而非探索性的。

因此，由结构方程式模型得出的结果更具有说服性，虽然有些理论家看起来更像是“人之常情”，但我们必须明白，“人之常情”在没有经过科学的检验和证实之前，是不能构成为真正的科学真理的。

以上结构方程式模型的分析涉及的是媒介接触行为和对未来生活信心的领域，只能算是媒体研究中的一个部分，更是市场调查这个大领域中的一个很小的题目。

但是通过建立理论假设和对理论假设进行实证性的分析，我们得出的结果更严密、更科学、更可信、更具有科学性，这一点在市场调查中却是最为重要的。

在调查业蓬勃发展，调查公司越来越多，力量越来越强的情况下，用什么方法来使你的调查结果更精确更可信？

进而使你的调查结果更具有商业价值，完成它在市场运行中的使命？

“科学技术是第一生产力”，先进科学的数据分析技术将毫无疑问的充当重要的角色，实证性的研究方法——结构方程式模型可以使你的研究结果更接近于真实情况，让你的数据更会说话。

注释：

1、1、  柯惠新（1999），《市场调查与市场分析》，中国统计出版社。

2、2、  胡正荣（1997），《传播学总论》，北京广播学院出版社。

3、3、  郭庆光（1999），《传播学教程》，中国人民大学出版社。

参考书目：

[1]JamesL.Arbuckle,《AmosUser’sGuideVersion3.6》，SmallWatersCorporation1997

[2]GeoffreyM.Maruyama,《BasicsofStructuralEquationModeling》,SAGEPublications1997

[3]MichaelR.Solomon,《ConsumerBehavior》,经济科学出版社，1999

[4]柯惠新、黄京华、沈浩，《调查研究中的统计分析法》，北京广播学院出版社，1992

[5]郭志刚主编，《社会统计分析方法—SPSS软件应用》，中国人民大学出版社，1999

[6]JosephF.Hair,JRRolpheE.Anderson,《MultivariateDataAnalysis》,FourthEdition

[7]《Lisrel8.30manualforWindows》

（本资料素材和资料部分来自网络，仅供参考。

请预览后才下载，期待您的好评与关注！

）