对PLS路径模型在综合评价应用中“优势”的审视.docVIP

对PLS路径模型在综合评价应用中“优势”的审视 　　摘要：近年来，PLS路径模型在综合评价领域有很多应用。文章针对该方法在综合评价应用中的公认“优势”进行了分析，对这些优势进行了客观的评价，并给出利用该方法进行综合评价的建议。 　　关键词：PLS路径模型；综合评价；审视 　　一、 引言 　　PLS路径模型（PLSPM）是指基于偏最小二乘方法的结构方程模型，该方法最初提出是为了克服基于协方差分析结构方程模型（CB-SEM）很强的分布假定（R？?nkk？?. M and Evermann. J，2013）。在实际应用中，该方法在综合评价中也有不少应用，特别是在满意度综合评价方面应用广泛，在商学、管理学等社会科学中有重要地位。以致部分文献将顾客满意度模型等同于PLS路径模型（梁燕和金勇进 2007）。近年来，我国学术界对于该方法的应用在综合评价的研究也如雨后春笋一般出现了不少文献（如：王惠文和付凌晖，2004；林盛，刘金兰和韩文秀，2005；阮敬和纪宏，2006；邹树梁等，2008；刘旭华，2008；莫一魁和沈旅欧，2009；关子明等2009；叶明和张磊，2010；鲜思东和彭作祥，2011；区晶莹等，2011；杨威和张拓红，2012；王庆丰，2013）。根据这些文献和综合评价理论，可以将PLS路径模型进行综合评价的步骤归纳为：第一，确定评价目标，建立指标体系，收集数据；第二，实施综合评价，具体为：①用迭代（包括一系列最小二乘回归，线性运算和抽取平方根）得到潜变量的表达式，它们是可测变量的加权平均；②用通常的最小二乘得到潜变量之间的线性关系；③用通常的最小二乘得到潜变量与对应可测变量间的线性关系；④利用潜变量的估计值得到各种指数，进行综合评价。第三，检验与评估综合评价的结果。笔者查阅了近年来的相关文献发现，多数文献指出PLS路径模型进行综合评价有着其他方法没有的优势，具体可以归纳为四点：第一，克服多重相关性和共线性的影响；第二，相比CB-SEM，分布假定很弱；第三，样本容量要求没有CB-SEM高，适合小样本情形；第四，是一种客观的综合评价方法。但是，目前没有文献在综合评价框架下对这些优点做出进一步的细致说明。笔者认为，PLS路径模型并非为综合评价专门设计的方法，并且这些优点基本上是相对CB-SEM比较得出的，将它们直接移植到综合评价领域，不甚严格，需要推敲。事实上，用于综合评价的统计模型很多，但是很多学者对这些模型在综合评价框架下的适用性进行了研究，例如，仅关于主成分分析就有很多文献，如苏为华（2000），王学民（2007），林海明和杜子芳（2013）等。为此，本文将对上述四大优点在综合评价框架下进行审视，提出并解答四个问题，即利用PLS路径模型进行综合评价时： 　　（1）有没有样本量的要求？ 　　（2）有没有针对样本的分布假定要求？ 　　（3）没有多重共线性的影响了吗？ 　　（4）客观性体现在哪里？ 　　二、 问题的研究 　　为了对上述问题进行研究，我们首先概述PLS路径模型的算法，然后根据概述回答问题。 　　1. PLS路径模型算法概述。利用PLS路径分析进行综合评价，首先要分划好可测变量的归属，一个潜变量对应一组可测变量。为此假设有Q个潜变量？孜1，…，？孜Q，第j个潜变量对应的可测变量为Xj=（xj1，…，xjpj）′，j=1，…，Q。则有xjh=？姿jh？孜1+？着jh（h=1，2，…，pj）或者？孜j=？撞■■wjh+？着j，前者为反映型（Reflective），系数为载荷；后者为反映型（Formative），系数为权重，选择何种形式需要根据实际问题决定，这种反映可测变量与潜变量关系的模型为测量模型。其次要设定好潜变量与潜变量之间的关系结构，即？孜i=？撞■■？茁ij？孜j+vij。这部分模型称为结构模型，模型中的系数为路径系数。潜变量的得分（即潜变量的估计值）是进行综合评价的关键，对其估计通过迭代实现。由三大步骤组成： 　　外部逼近： 　　Yj∝■wjhxjh 　　Yj是？孜j的外部逼近估计量，∝表示左边是右边的标准化，Wj=（wj1，…，wjpj）′是外部权重。 　　内部逼近： 　　zj∝■ejiYi 　　其中，i：i？圮j表示与第j个潜变量直接有关的潜变量的下标。eji是内部权重，有三种不同的形式（Tenenhaus M，2005）。 　　更新权重： 　　内部权重由潜变量间的结构决定，迭代过程中需要更新的是外部权重，当测量模型为反映型时，对于xjh，其新权重为以Zj为自变量，xjh为因变量的一元线性回归系数，但由于Zj被标准化，因此有wjh=cov（xjh，Zj），当测量模型为构成型时，新的权重以Zj为因变量，与之对应的可测变量xjh为自变量的多元线性回归的回归系数，即 　　W