结构方程模型在管理研究中的应用

《结构方程模型在管理研究中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、结构方程模型在管理研究中的应用结构方程模型理论及其在管理研究中的应用林嵩，姜彦福摘要：结构方程模型是社会科学领域应用非常广泛的一种统计建模方法。介绍了结构方程模型的基本理论以及一个示例，说明了这种方法在管理研究中的应用。关键词：结构方程模型;潜变量;观测变量一、结构方程模型概述结构方程模型(StructureEquationModeling,SEM)是应用线性方程系统表示观测变量与潜变量之间，以及潜变量之间关系的一种统计方法，从发展历史来看，结构方程模型起源很早，但是其核心概念在70年代初期才被相关研究人员提出，到了今天，这一统计建模及分析方法已获得了巨大的发展，不仅拥

2、有专属期刊《结构方程模型》（StructureEquationModeling），专门刊登结构方程模型领域的理论与实证研究，在心理学、管理学、社会学等社会科学领域中，也已经有越来越多的相关讨论和应用实证文章。在国内，结构方程模型研究方法则刚刚兴起，相当多的人文社科类实证研究论文中都已开始采用这一建模方法。在未来，随着中国学术研究国际化发展的过程，这一研究方法未来的发展将尤为广泛。在社会学科领域研究中，结构方程模型的应用之所以如此广泛，这是由于这些学科研究的特点和要求所决定的。社会科学研究的根本目的,是通过探讨变量之间的因果关系来揭示客观事物发展、变化的规律及特点，但是很

3、多在社会科学领域中所涉及的变量，都不能准确而直接地测量（潜变量），例如，个人的成就感、企业的品牌意识、某一观念的社会认同感等，这就为直接研究这些变量与其他变量之间的关系造成了操作上的困难。结构方程模型可以在一定程度上解决这一问题，通过为难以直接测量的潜变量设定观测变量，用这些可以用于统计分析的观测变量之间的关系来研究潜变量之间的关系。二、结构方程模型的基本原理及主要特征1.结构方程模型的基本原理介绍结构方程模型通常包括三个矩阵方程式：x=∧xξ+δ（1）y=∧yη+ε（2）η=Βη+Γξ+ζ（3）其中，方程（1）和方程（2）被称之为测量模型，方程（3）则是结构模型，方程

4、中各变量含义如下：x为外生观测变量向量，ξ为外生潜变量向量，∧x为外生观测变量与外生潜变量之间的关系，是外生观测变量在外生潜变量上的因子载荷矩阵，δ为外生变量的误差项向量。y为内生观测变量向量，η为内生潜变量向量，∧y为内生观测变量与内生潜变量之间的关系，是内生观测变量在内生潜变量上的因子载荷矩阵，ε为内生变量的误差项向量。Β和Γ都是路径系数，Β表示内生潜变量之间的关系，Γ则表示外生潜变量对于内生潜变量值的影响，ζ为结构方程的误差项。结构方程模型分析过程即上述方程组的拟合过程通常包括四个主要步骤：模型设定：即在进行模型估计之前，研究人员先要根据理论分析或以往研究成果来设

5、定初始理论模型，也就是初步拟定上述方程组，同时对于方程组中需要固定的系数予以相应的设置。模型识别：要决定所设定的模型是否能够对待估计参数求解，在一些情况下，由于模型设定的问题，造成了模型不可识别的问题，即上述方程组中待求系数太多而方程数目太少。模型估计：模型参数可以采用几种不同的方法来估计，通常的方法包括最大似然法（maximumlikelihood）和广义最小二乘法（generalizedleastsquare）。模型评价与修正：模型估计之后，研究人员须对模型的整体拟合效果和单一参数的估计值进行评价。如果模型拟合效果不佳，可以对模型进行修正来提高模型拟合效果。2.结构

6、方程模型的主要特征从上面的基本介绍可以看出，与传统的统计建模分析方法相比较，结构方程模型主要有以下这几个优点：（1）允许回归方程的自变量含有测量误差在传统统计方法特别是计量模型中，自变量通常都是默认可直接观测，不存在观测误差。但是对于管理学等社会科学领域很多研究课题来说，模型所涉及到的自变量常常不可观测，结构方程模型将这种测量误差纳入模型，能够加强了模型对实际问题的解释性。（2）可以同时处理多个因变量在传统计量模型中，方程右边的因变量一般只有一个。但是在管理学等社会科学领域，因变量常常可以多个，例如员工素质，可以影响企业文化，也可以影响企业绩效，这样，在结构方程模型中，

7、允许统一模型中出现多个因变量，在模型拟合时对所有变量的信息都予以考虑，可以增强模型的有效性。（3）可以在一个模型中同时处理因素的测量和因素之间的结构传统的统计方法中，因素自身的测量和因素之间的关系往往是分开出的——对因素先进行测量，评估概念的信度与效度，通过评估标准之后，才将测量资料用于进一步的分析。在结构方程模型中，则允许将因素测量和因素之间的结构关系纳入同一模型中同时予以拟合，这不仅可以检验因素测量的信度和效度，还可以将测量信度的概念整合到路径分析等统计推论中。（4）允许更具弹性的模型设定在传统建模技术中，模型的设定通常限制较多，例如