《结构方程建模数据的PLS分析.ppt》由会员分享，可在线阅读，更多相关《结构方程建模数据的PLS分析.ppt（13页珍藏版）》请在课桌文档上搜索。
1、结构方程建模数据的PLS分析,结构方程模型,结构方程模型（StructuralEquationModeling,SEM)是社会科学研究中的一个非常好的方法。该方法在20世纪80年代就已经成熟，可惜国内了解的人并不多。“在社会科学以及经济、市场、管理等研究领域，有时需处理多个原因、多个结果的关系，或者会碰到不可直接观测的变量（即潜变量），这些都是传统的统计方法不能很好解决的问题。20世纪80年代以来，结构方程模型迅速发展，弥补了传统统计方法的不足，成为多元数据分析的重要工具。,优点,（一）同时处理多个因变量 结构方程分析可同时考虑并处理多个因变量。在回归分析或路径分析中，就算统计结果的图表中展示
2、多个因变量，其实在计算回归系数或路径系数时，仍是对每个因变量逐一计算。所以图表看似对多个因变量同时考虑，但在计算对某一个因变量的影响或关系时，都忽略了其他因变量的存在及其影响。,（二）容许自变量和因变量含测量误差 态度、行为等变量，往往含有误差，也不能简单地用单一指标测量。结构方程分析容许自变量和因变量均含测量误差。变量也可用多个指标测量。用传统方法计算的潜变量间相关系数，与用结构方程分析计算的潜变量间相关系数，可能相差很大。,（三）同时估计因子结构和因子关系 假设要了解潜变量之间的相关，每个潜变量者用多个指标或题目测量，一个常用的做法是对每个潜变量先用因子分析计算潜变量（即因子）与题目的关系
3、（即因子负荷），进而得到因子得分，作为潜变量的观测值，然后再计算因子得分，作为潜变量之间的相关系数。这是两个独立的步骤。在结构方程中，这两步同时进行，即因子与题目之间的关系和因子与因子之间的关系同时考虑。,（四）容许更大弹性的测量模型 传统上，我们只容许每一题目（指标）从属于单一因子，但结构方程分析容许更加复杂的模型。例如，我们用英语书写的数学试题，去测量学生的数学能力，则测验得分（指标）既从属于数学因子，也从属于英语因子（因为得分也反映英语能力）。传统因子分析难以处理一个指标从属多个因子或者考虑高阶因子等有比较复杂的从属关系的模型。,（五）估计整个模型的拟合程度 在传统路径分析中，我们只估计
4、每一路径（变量间关系）的强弱。在结构方程分析中，除了上述参数的估计外，我们还可以计算不同模型对同一个样本数据的整体拟合程度，从而判断哪一个模型更接近数据所呈现的关系。,PLS分析,PLS(Partial Least Square)PLS分析：一种新型的多元统计数据分析方法，在一个算法下，可以同时实现回归建模(多元线性回归)、数据结构简化(主成分分析)以及两组变量之间的相关性分析(典型相关分析),（一）研究目的,1.了解PLS方法构建含2个潜变量结构方程模型的基本原理和具体步骤；2.了解结构方程建模的PLS分析方法的试用范围；3.针对具体数据进行结构方程建模的PLS分析，并对分析结果进行解释。,
5、（二）研究内容,1.在前人理论的基础上，对顾客满意指数分析模型进行改进；2.针对欧洲顾客满意数据进行结构方程建模的PLS分析；3.与其它结构方程的分析方法进行比较，说明该方法的优劣性能。,（三）国内外动态研究现状和发展,结构方程式是在20世纪70年代Karl Joreskog和Dag Sorbom等学者所提出的统计理论基础上发展而成的。是对探索因子分析、验证性因子分析、路径分析、多元回归及方差分析等统计方法的综合应用和改进提高。最近一二十年来，结构方程已经成为一种非常通用的、主要的线性统计建模技术，广泛应用于经济学、管理学、行为科学等领域的研究，尤其是顾客满意指数分析模型。某种程度上，它可以视
6、为计量经济学、计量社会学和计量心理学等领域统计分析方法的综合。人们所熟悉的多元回归、因子分析和路径分析等统计方法实际上都是结构方程模型的一种特例。结构方程模型目前仍是多元统计分析中一个前沿研究领域，新的模型构建技术不断被提出。偏最小二乘法（PLS）算法是一种新型的多元统计分析技术，其研究的重点是多因变量对多因变量的回归建模，能在自变量之间存在多重共线性的条件下进行建模，更易于辨识信息与噪声，对因变量也有较强的解释能力。,（四）创新点与项目特色,1.改进了顾客满意指数分析模型；2.针对欧洲顾客满意数据进行结构方程建模的PLS分析，计算其误差；3.通过与其它结构方程的分析方法进行比较，说明该方法的优缺点。,（五）技术路线、拟解决问题及预期成果,在分析前人理论的基础上，改进了顾客满意指数(CSI)分析模型。并对这个模型进行实证分析，即针对欧洲顾客满意数据进行结构方程建模的PLS分析，计算其误差。通过误差的计算，比较结构方程分析的其它方法与PLS分析方法的优劣性。预期发表学术论文1-2篇。,
