顾客满意度指数建模方法研究综述

商业流通ｌ　ＴＨＥ　ＢＵＳＩＮＥＳＳ　ＥＩＲＥＵＬＲＴＥ　顾客满意度指数建模方法研究综述　薛萍　徐洁怡　中国农业大学经济管理学院　北京　１　０００８３　摘要：顾客满意度指数对各大行业、企业来说至关重要，日益成为衡量国家综合经济实力的指标。如何构建顾客满　意度指数模型成为各国学者研究的焦点。文章结合国内外的顾客满意度指数模型的构建，概括分析了顾客满意度　指数模型构建的方法。介绍了结构方程模型（ＳＥＭ）、人工神经网络法（ＡＮＮ）、层次分析法（ＡＨＰ）、模糊综合评定法和　ＴＯＰＳＩＳ法等方法在顾客满意度指数建模的应用，并对比分析了结构方程模型和人工神经网络两种主要方法。此外，　具体阐述了结构方程模型的两大类估计技术一ＰＬｓ方法和ＬＩＳＢＥＬ方法，并比较两种方法的异同。　关键词：顾客满意度；构建模型方法；结构与方程模型　一、前言　美国顾客满意度指数（Ａｍｅｒｉｃａｎ　Ｃｕｓｔｏｍｅｒ　Ｓａｔｉｓｆａｃｔｉｏｎ　１９６５年卡道佐（Ｃａｒｄｏｚｏ）首次将顾客满意（ｃｓ）的概念引进　Ｉｎｄｅｘ：Ａｃｓｉ）模型（图２．２）以ＳＣＳＢ为基础，由美国国家质量研　营销领域。１９８６年，美国消费者心理学家首次提出　“顾客满意　究中心和美国质量协会构建。该模型共有６个结构变量，顾客　度”这一科学概念。顾客满意度，是指顾客存在着对商品、服　满意度是最终所求的目标变量，顾客预期、感知质量和感知价　务及相关因素的情感体验，这种情感体验会影响到顾客本人以　值是顾客满意度的原因变量，顾客抱怨和顾客忠诚则是顾客满　及他人的消费行为，顾客的情感体验越强烈，对顾客本人和其他　意度的结果变量。美国顾客满意度指数模型包括六个结构变量　顾客的影响力越大（罗子明，２００７）。　和九个关系，增加了结构变量一感知质量，结构如图２．２所示。　经济全球化的发展进程中，顾客满意度指数日益成为衡量　顾客期望是外生变量，其他变量为内生变量，是目前被广泛采用　综合经济实力的指标。早期的研究表明，顾客的满意度对企业　或借鉴的顾客满意度指数测评模型。ＡＣＳＩ模型在美国的应用　的盈亏有着较大的影响。随着消费方式日趋复杂化、多元化，　非常广泛，至１９９８年，ＡＣＳＩ模型已用于美国７个部门３４个行业中　人们的需求和消费观念都在逐渐改变。研究表明顾客满意度指　２００家企业的顾客满意度指数测评。　数（ｃｕｓｔｏｍｅｒ　ｓａｔｉｓｆａｃｔｉｏｎ　ｉｎｄｅｘ）已经可以准确预测企业盈利水　（三）欧洲顾客满意度指数模型　平和市场价值。争取更多的用户，提高顾客的满意度提上了企　欧洲顾客满意度指数（Ｅｕｒｏｐｅａｎ　Ｃｕｓｔｏｍｅｒ　Ｓａｔｉｓｆａｃｔｉｏｎ　业的议程。　Ｉｎｄｅｘ：ＥＣＳＩ）模型（图２．３）是在ＳＣＳＢ和ＡＣＳＩ的基础上构建的，　本文将结合国内外的顾客满意度指数模型的构建，概括分　模型包括企业形象、顾客期望、质量感知、价值感知、顾客满　析顾客满意度指数模型构建的方法，以期提出适用不同条件的　意和顾客忠诚６个隐变量。在ＥＣＳＩ模型结构变量中，形象、顾客　顾客满意度模型的构建方法。　期望、感知到的产品质量、感知到的服务质量和感知价值是顾　客满意度的因变量；顾客忠诚是顾客满意度的结果变量。　二．国外典型顾客满意度指数模型　２０世纪８０年代以来，国外学者逐步开展顾客满意度指数的　三　顾客满意度指数模型构建的方法研究　模型研究。国外的顾客满意度模型主要包括：瑞典顾客满意度　顾客满意指数度模型是由一系列能够描述顾客满意度的因　晴雨表（ＳＣＳＢ，１９８９）模型、美国顾客满意度指数（ＡＣＳＩ，ｌ９９４）　变量和结果变量因果关系的潜变量构成的。顾客满意度指数　模型和欧洲顾客满意度指数（ＥＣＳＩ，１９９９）模型。　模型构建的方法主要有结构方程模型（ｓＥＭ）、人工神经网络法　（一）瑞典顾客满意度晴雨表模型　（ＡＮＮ）、层次分析法（ＡＨＰ）、模糊综合评定法和ＴＯＰＳＩＳ法。　瑞典顾客满意度晴雨表（Ｓｗｅｄｉｓｈ　Ｃｕｓｔｏｍｅｒ　Ｓａｔｉｓｆａｃｔｉｏｎ　国内外学者构建顾客满意度指数模型主要借助于结构方程模　Ｂａｒｏｍｅｔｅｒ：ＳＣＳＢ）模型（图２．１）是第一个顾客满意度指数测评模　型。　型，这是首个国家范围的顾客满意度模型。　（一）结构方程模型的介绍　ＳＣＳＢ模型包括顾客期望、感知表现（价值感知）、顾客满　结构方程模型是基于变量的协方差矩阵来分析变量之间关　意、顾客抱怨、顾客忠诚５个隐变量。其中顾客预期是外生变　系的一种统计方法（侯杰泰，２００４）。结构方程模型对多元的内生　量，其他变量是内生变量。顾客期望对顾客满意有积极的意义，　和外生潜变量提供模型关系研究，同时对可观测的显变量（也可　顾客期望与顾客价值也保持正相关。ＳＣＳＢ模型也是首个全国　能包含无法直接观测的潜在变量）构建模型，而且容许更大弹性　范围建立的宏观的顾客满意度指数模型，其顾客满意度指数测　的测量模型。结构方程模型是一种非常通用的线性统计建模技　评逐步涵盖了瑞典３１个行业１００多家公司。　术，广泛应用于心理学、社会学、经济学、行为学等领域的研　（二）美国顾客满意度指数模型　究，是计量经济学、计量社会学与计量心理学等领域统计分析　ｎｎ　Ｄ　ｌ　ＤｌＩｃＩ　ｌ［ｃ、ｃ、丌ｎ山　Ｉ　Ｊ・—－　ＴＨＥ　ＢＵＳＩＮＥＳＳ　ＥＩＲＥＵＬＲＴＥｌ商业流通　方法的综合。廖颖林（２００５），赵耀华和韩之俊（２【）０７）刘鹏（２０ｌ】）　等都采用结构方程模型研究顾客满意度，依据结构方程模型构　建顾客满意度模型。结构方程模型有诸多的优点：　１．结构方程模型能够处理多个变量。结构方程模型能够处　理两类变量，测量变量和潜在变量，通过对潜在变量和测量变　量之间的路径以及潜在变量之间的路径分析得出潜在变量的分　数。　２．结构方程模型能够容许自变量和因变量存在测量误差。　态度、行为的测量，往往存在着一定的误差，对潜变量的观察标　识总是包含了大量的测量误差，如利用传统的分析方法进行分　而为决策提供依据。史梁和王玲玲（２００６年）运用ＡｔｔＰ建立顾客　满意度评价指标体系将层次分析法运用于企业顾客满意度的测　评。柳飞红等（２００５）应用层次分析法，建立企业顾客满意度测　评层次模型，对顾客满意度进行科学的测量。　模糊综合评定法是一种基于模糊数学的综合评标方法。该　综合评价法根据模糊数学的隶属度理论把定性评价转化为定量　评价，即用模糊数学对受到多种因素制约的事物或对象做出一　个总体的评价。它具有结果清晰，系统性强的特点，能较好地解　决模糊的、难以量化的问题，适合各种非确定性问题的解决。　顾客满意度的测量中，顾客满意本身就是具有模糊性的，其次测　析难以解决此问题，结构方程模型能够在分析的过程中计算潜　变量问的相关系数，分析潜变量间的结构关系。这是结构方程　模型的最大优势。　结构方程模型也存在一定的局限性。结构方程模型对于非　线性的问题难以进行分析，尤其不能处理定性的数据和存在缺　失的数据。　（二）人工神经网络的介绍　ｌ　９４　３年，心理学家Ｗ．Ｓ．ＭＣＣｕｌｌｏｃｈ和数理逻辑学家　Ｗ．Ｐｉｔｔｓ建立了神经网络和数学模型，就此开启了人工神经网络　（ａｒｔｉｆｉｃｉａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ：ＡＮＮ）研究的时代。人工神经网　络在很多领域已得到了很好的应用，越来越多的学者也将人工　神经网络应用于顾客满意度测评。迄今为止对于人工神经网络　的定义尚未有一个统一的解释，这里我们采用曾凤章和王元华　（２００５年）的观点，“人工神经网络是以工程技术手段模拟人脑　神经网络的结构和功能特征的一种技术系统，它利用大量的非　线性并行处理器来模拟人脑众多的神经元，利用处理器间错综　复杂的连接关系来模拟人脑神经元间的突触行为”。目前人工　神经网络的研究已趋向成熟，有代表性的神经网络模型有：感知　器、自适应线性单元、误差反传网络（ＢＰ）、自组织特征映射网　络和双向联想记忆网（ＢＡＭ）等。　人工神经网络近来越来越受到人们的关注，因为它为解决　高复杂度问题提供了一种相对来说比较有效的简单方法。由　于因为很多产品或服务的质量特之间存在着非线性的关系，而　结构方程模型存在一定的局限性不能对各变量之间的关系进行　挖掘和分析。但是，人工神经网络通过感知器、自适应线性单　元、误差反传网络（ＢＰ）等代表性人工神经网络网络模型可实现　函数逼近，数据聚类、模式分类、优化计算等功能。人工神经　网络的优点是不需要对于变量的关系以及测量方法进行严格的　假设，也不需要将模型的所有节点都连通，只需要约束模型结　构，在学习模式中接收信息时连接必要的节点。　Ｌａｒｓ　Ｇｒ．ｎｈｏｌｄｔ　ａｎｄ　Ａｎｎｅ　Ｍａｒｔｅｎｓｅｎ（２００５）对顾客满意　度数据分析指出，人工神经网络的应用在客户满意度的分析可　以帮助识别现有数据内的模式，和协同处理影响满意度的不同　因素。　楼月明（２００４）认为人工神经网络具有很强的非线性映射能　力，可挖掘多因素数据本身隐含的规律，构建了基于Ｋｏｈｏｎｅｎ　网络的顾客满意度测评模型。岑成德和权净（２００５），毛志勇　（２００８），薛红等（２００８）运用人工神经网络，通过一定的实证分析，　对顾客满意度进行了测评。　（三）其他方法的介绍　层次分析法（ａｎａｌｙｔｉｃａｌ　ｈｉｅｒａｒｒｃｈｙ　ｐｒｏｃｅｓｓ，ＡＨＰ）是美　国运筹学家萨德于２０世纪７０年代提出的，是一种定性与定量相　结合的决策分析方法，对各种类型问题的决策分析具有较广泛　的实用性。在一般评价中，对于一些无法测量的因素，只要引入　合理的标度，就可以用这种方法来度量各因素的相对重要性，从　１８　现代商业ＭｏＤＥＲＮ　ＢＵＳＩＮＥＳＳ　量顾客满意度的各项指标和变量也是模糊的，运用模糊综合评　价法进行测量比较合适。黄桐城等（２００２），苗敬毅（２００３）将模糊　综合评判方法应用于顾客满意度的测量，并验证了运用此方法　进行顾客满意度测评的科学性，为顾客满意度测量提供了一条　新的途径。息志芳和刘建光（２００７）运用模糊综合评定法建立第　三方物流的顾客满意度模型和评价指标并进行了实证研究。　ＴＯＰＳＩＳ（Ｔｅｃｈｎｉｑｕｅ　ｆｏｒ　Ｏｒｄｅｒ　Ｐｒｅｆｅｒｅｎｃｅ　ｂｙ　Ｓｉｍｉｌａｒｉｔｙ　ｔｏ　ａｎ　Ｉｄｅａｌ　Ｓｏｌｕｔｉｏｎ）法是逼近于理想解的排序方法。它是有　限方案多目标决策分析中常用的一种科学方法，该方法借助于　多目标决策问题的“理想解”　和“负理想解”　进行综合评　价。近些年来，ＴＯＰＳＩＳ法日益应用于综合评价中，在顾客满意　度评价指标体系构建中也有所运用。王武平和杜纲（２００８），徐莉　和李国￣（２００９）等学者针对电信用户和物业管理的特点，运用　ＴＯＰＳＩＳ方法对顾客满意度进行测评，指出ＴＯＰＳＩＳ法在顾客满　意度综合评价排序的应用具有普遍适用性。　构建顾客满意度模型的方法虽有许多，结构方程模型以其　独特的优势，在顾客满意度模型的构建中得到广泛的运用。　Ｆｏｒｎｅｌｌ教授的ＣＳＩ模型在很大的程度上也是得益于结构方程模　型的使用。由于人工神经网络可以在一定程度上弥补结构方程　模型的缺陷，两种方法在建模原理上存在本质的差别使得人工　神经网络的应用逐渐得到学者的重视。　（四）结构方程模型与人工神经网络的比较分析　赵海峰等（２００２）指出由于结构方程模型存在的局限性，在　一些管理学的领域的研究中，很多应用结构方程模型进行研究　的结果偏离了其基本的理论假定，尤其是研究中对多重常态的　要求很难被满足。这就很容易让各国学者考虑将其与非参数方　法的研究进行比较。人工神经网络恰好是可以忽略理论，完全　通过学习行为探索变量之间的关系，通过Ｌａｒｓ　Ｇｒ．ｎｈｏｌｄｔ　ａｎｄ　Ａｎｎｅ　Ｍａｒｔｅｎｓｅｎ（２【）０５）分析一份丹麦顾客满意数据时对多元回　归和人：［神经网络的对比中的发现，人工神经网络没有偏离理　论，使用人工神经网络能够提升改进的优先级，识别顾客满意度　中关键的因素。　Ｌａｒｓ　Ｇｒ．ｎｈｏｌｄｔ　ａｎｄ　Ａｎｎｅ　Ｍａｒｔｅｎｓｅｎ（２００５），Ｓｈｅｎｇ—　Ｈｓｕｎ　ＨＳＵ和Ｗｕｎ—ｈｗａ　Ｃｈｅｎ，（２００６）对人工神经网络的适　用性进行分析，并比较分析人工神经网络与结构方程模型以及　其具体的方法，他们认为运用人工神经网络构建顾客满意度　模型是科学的、合理的，并具有其独特的优势。赵海峰、万迪　（２００２），曾风章、王元华（２００５）等学者认为，结构方程模型和人　工神经网络拥有一定的相似点，他们都可以对不能直接观察到　的变量构建模型。但是两种方法实现的路径不同，结构方程模　型注重理论的应用，需要对变量进行基本的假设并构建假设的　结构；人工神经网络是在学习模式不断的进行数据分析，在最　终结果没有实现时，不能得出假设模型的结构。人工神经网　络方法最大的特点在于，其可在缺乏严格的测量和分类假设的　情况下进行。杨玉香（２００６），高琴（２００７），毛志勇（２００８），薛红　商业流通ｌ　ＴＨＥ　ＢＵＳＩＮＥＳＳ　ＥＩＩ￣ＥＵＬＲＴＥ　（２００８），温阿莉和周黎（２００９）基于ＢＰ神经网络分别构建了第三方　物流等领域的顾客满意度评价指标体系，然后根据指标体系，设　计了ＢＰ神经网络模型，并分析证明人工神经网络对顾客满意度　评价有良好的效果。　当然，现在仍有部分学者在研究过程中将两者结合，称之为　“基于人工神经网络的结构方程模型”，并且通过一定的模拟　场景和实证研究证实基于人工神经网络的结构方程模型和ＰＬＳ　是十分类似的，是“软模型”（Ｓｈｅｎｇ－Ｈｓｕｎ　Ｈｓｕ和ｗｕｎ～　Ｉｒｅｎｅ　Ｆｅｒｒｅｉｒａ，Ｊｏｓｅ　Ｃａｂｒａｌ　ａｎｄ　Ｐｅｄｒｏ　Ｓａｒａｉｖａ（２０１０　年）认为顾客满意度和顾客维系是公司在激烈的竞争市场中的　关键问题，公司都普遍关注顾客满意度的正确评估。他们根据　欧洲顾客满意度模型（ＥＣＳＩ）构建了一个可以评估葡萄牙模具的　框架。他们基于所收集数据的特征，采用了ＰＬＳ方法估计模型　参数。Ｅｄｗａｒｄ　Ｅ．（２０１１）通过ＰＬＳ路径模型方法，评估了在整个　行业相似和行业差异的美国顾客满意度指数模型的异质性，并　且得出混合的ＰＬＳ方法适用于整个行业相似性检查和进一步检　ｈｗａ　Ｃｈｅｎ，２００６）。　四　结构方程模型两大类估计技术的具体介绍　结构方程模型是构造顾客满意度模型的核心方法。各国学　者利用结构方程模型构建顾客满意度指数主要基于以下几种估　计技术——线性结构关系（Ｌｉｎｅａｒ　Ｓｔｒｕｃｔｕｒａｌ　Ｒｅｌａｔｉｏｎｓｈｉｐ：　ＬＩＳＲＥＬ）方法、偏最小二乘法（Ｐａｒｔｉａｌ　Ｌｅａｓｔ　Ｓｑｕａｒｅｓ：ＰＬＳ）、　结构方程模型软件（ＥＱＳ）和路径分析统计软件（ＡＭ０ｓ）。其　中，Ｓｈｅｎｇ－Ｈｓｕｎ　Ｈｓｕ和Ｗｕｎ－ｈｗａ　Ｃｈｅｎ（２００６）对构建结构方　程模型的估计技术进行了简单的归类，ＬＩＳＲＥＬ、ＥＱＳ和Ａｍｏｓ　被认为是基于协方差的模型构建分析方法；而ＰＬＳ被认为是基　于主成分的模型构建分析方法。结构方程模型我们将主要研究　两种建模的方法一线性结构关系（ＬＩＳＲＥＬ）方法和偏最小二乘法　（ＰＬＳ）。　（一）线性结构关系（ＬＩＳＲＥＬ）方法在顾客满意度建模中应用　各国学者构建结构方程模型主要借助于ＬＩＳＲＥＬ方法。　ＬＩＳＲＥＬ方法是通过拟合模型协方差与样本协方差来估计模　型参数，所以被认为是基于协方差的建模方法。运用ＬＩＳＲＥＬ　方法首先要评估模型的参数，然后再考虑模型的结构信息。　ＬＩＳＲＥＬ方法需要对所有的观测变量都进行回归分析，对结构　变量进行“估计”。ＬＩＳＲＥＬ最常用极大似然估计（Ｍａｘｉｍｕｍ　Ｌｉｋｅｌｉｈｏｏｄ，ＭＬ）来估计参量，而且，如果模型可识别的情况下，　所观测的数据必须符合多元正态分布。　我国的学者也多采用ＬＩＳＲＥＬ方法创建符合我国各领域、　各行业的顾客满意度指数模型。　刘新燕和杨智（２００４）对ＡＣＳＩ、ＥＣＳＩ模型进行了研究和改　进，提出了一个新的满意度指数模型，并以武汉市大型超市顾客　为样本进行了实证分析。　李勇（２ｏｏ８）采用ＬＩＳＲＥＬ和ＰＬＳ方法分别构建了用于产　品、服务的顾客满意度指数模型，且分别给出了一个实例，对模　型进行评价。王红（２００８）将ＬＩＳＲＥＬ模型与跨文化旅游知觉满　意度结合起来，构建跨文化旅游研究的ＬＩＳＲＥＬ模型。继而以秦　皇岛俄罗斯游客为例进行实证分析。卢颇（２０１　１）运用ＬＩＳＲＥＬ模　型构建了合理的黑龙江省研究生教育满意度评价模型并且对构　建模型进行了识别与估计。　（二）偏最小二乘法（ＰＬＳ）在顾客满意度建模中的应用　Ｇ．ｗ０１ｄ和Ｃ．Ａｌｂａｎｏ等学者１９８３年首次提出ＰＬＳ方法，这　是一种新兴的多元统计数据分析方法。ＡＣＳＩ的创立者密歇根　大学Ｆｏｒｎｅｌｌ教授称ＰＬＳ为第二代回归分析方法。ＰＬＳ主要用于　单个或多个自变量对多个因变量的回归建模。ＰＬＳ是集主成分　分析、典型相关分析和多元线性回归分析３种分析方法的优点　于一身，较好的克服了多重共线性问题。ＰＬＳ并不需要对全部　的成分进行回归建模，它类似于主成分分析，可以采用截尾的方　式选取主要的几个成分，仅仅利用这几个成分就可以得到一个　稳健性较好的和适于统计的ＰＬＳ模型。　一些国外学者从具体行业的顾客满意度出发构建顾客满意　度指数模型。　查行业差异的分析。　我国学者近些年也逐渐运用ＰＬＳ方法构建顾客满意度指数　模型，采用ＰＬＳ方法能够通过模型检验的方法消除比较复杂的　线性或是非线性关系的不确定性以得出正确的判断。　王晨亮（２００４）年运用ＰＬＳ方法为顾客满意度指数模型提取　潜在变量并进行回归分析，为构建科学完备的行业顾客满意度　指数模型，建立和顾客满意度相关的科学的评价指标体系提供　理论上和操作上的建议。赵富强（２０１０）、（２０１２）根据对ＰＬＳ的　运用以及对国内外顾客满意度指数模型的对比及我国的现状分　析，提出并构建了顾客满意度测评的常规模型和拓展模型。林　盛等（２００５），刘鹏（２ｏｌ　１）分别运用ＰＬＳ方法对商品房市场和Ｎ航　空公司的服务特点，选择合适的变量和可能存在的因果路径关　系，针对构建模型的特点和实际研究中存在问题选择ＰＬＳ法，建　立满意度指标体系。　（三）线性结构关系（ＬＩＳＲＥＬ）方法和偏最小二乘法（ＰＬＳ）的比　较分析　顾客满意度模型的构建有不同的方法，在构建国家、行业　层面或是公司微观层面的顾客满意度时要首先分析所能搜集的　可观测的数据，进而根据各个方法的不同的使用条件进行方法　的选择。Ｓｈｅｎｇ－Ｈｓｕｎ　Ｈｓｕ和Ｗｕｎ—ｈｗａ　Ｃｈｅｎ（２００６）检验了　ＬＩＳＲＥＬ和ＰＬＳ在顾客满意度测量中的稳健性。他们阐述结构　方程模型的不同方法，并且通过实证分析和模拟分析进行了论　证。Ｏ。Ｌｏｕｇｈｌｉｎ，Ｃｈｒｉｓｔｉｎａ和Ｃｏｅｎｄｅｒｓ，Ｇｅｒｍ　ａ（２００４）比　较了在邮政行业运用基于最大似然估计（ＭＬ）的ＬＩＳＲＥＬ方法和　ＰＬＳ法测量顾客满意度的适用情况，他们认为ＰＬＳ法更适用于　“软模型”的情况（比如说小样本量、理论不充分以及具有大　量的变量）。　本文将结合国外学者Ｈ．Ｓｃｈｎｅｅｗｅｉｓｓ（１９９１），Ｓｈｅｎｇ－Ｈｓｕｎ　Ｈｓｕ和Ｗｕｎ—ｈｗａ　Ｃｈｅｎ（２００６），Ｍｉｃｈｅｌ　Ｔｅｎｅｎｈａｕｓ（２ｏ０８）和国　内学者赵海峰、万迪（２００３），张军（２００７），冯秀琴（２００９）等人以往　的研究，对线性结构关系（ＬＩＳＲＥＬ）方法和偏最小二乘法（ＰＬＳ）两　种方法进行简要的分析。　ＬＩＳＲＥＬ方法被称为是基于协方差的建模方法，它主要是　基于因子分析拟合模型协方差和样本协方差的模型参数。　ＬＩＳＲＥＬ方法具体使用极大似然估计、非加权最小二乘等估计　方法，构造模型估计协方差和样本协方差的拟合函数，然后进　行迭代计算，最终得出最优拟合函数值的参数估计。ＬＩＳＲＥＬ　方法要求可观测的数据呈多元正态分布并且样本数量足够大。　ＬＩＳＲＥＬ方法能够简化模型中各变量之间的关系，容易求得各变　量之间影响大小。ＬＩＳＲＥＬ方法主要的功能是进行理论的探索　性分析，ＬＩＳＲＥＬ方法可以检验不同的样本间参数估计进行比较　的情况。而且，ＬＩＳＲＥＬ方法即使不满足分布假设，其ＭＬ估计也　是稳健的，可以得到总体参数的一致估计。　ＰＬＳ法被称为是基于主成分的建模方法，它将主成分分析　和多元回归结合起来进行迭代估计，主要进行结构变量路径模　型分析，而且可以进行验证分析可以进行预测性分析。ＰＬＳ法　对于多变量的数据分布没有要求而且不需要进行模型识别，对　Ｍ０ＤＥＲＮ　ＲＩ　Ｊｑ，ｌＮＩＦ．ｑ，ｑ干『Ｉ１科　穗＿、ｌ】，　１ｏ　ＴＨＥ　ＢＵＳＩＮＥＳＳ　ＥＩＲＥＵＬＲＴＥｌ商业流通　于小样本量的研究，仍可以得到较为稳健的结果。　从根本上说，因为两种方法算法不同，所以适用的情况也就　不同。我们方法的选择主要取决于我们研究的目的以及所获取　信息的基本情况。当进行理论检测并且理论较为充分、样本量　较大时，我们一般选择ＬＩＳＲＥＬ方法；当进行因果预测应用，而且　缺乏理论知识时、样本量比较小时，ＰＬＳ法更为合适。现有的　其应用［Ｊ】．系统工程理论方法应用，２００２（４）：３３６一；５５９．　［Ｉ　７】苗敬毅．模糊综合评判法在顾客满意度测量中的应用［Ｊ】．　山西财经大学学报，２Ｏ０５（４）：９２－９４．　【１　８】息志芳，刘建光．第三方物流顾客满意度的模糊综合评价　分析［Ｊ】．物流科技，２００７（１）：２３－２５．　［】９】王武平，杜纲．电信服务质量用户满意度评价的熵权ＴＯＰＳＩＳ　法【Ｊ】．山西大学学报（哲学社会科学版），２００８（３）：５３－－５６．　研究中，也有相当多的学者采用两种方法的结合，进行方法的互　【２　０】徐莉，李国银，刘浪．物业管理企业顾客满意度测评研　补。　究——基于改进的ＴＯＰＳＩＳ法［Ｊ］．技术经济，２００９（ｉ）：ｌ１　８—１２１．　【２１］赵海峰，万迪略．结构方程模型与人工神经网络模型的比　五、结论　Ｊ］．系统工程理论方法应用，２００；５（３）：２６２－２６９．　自９０年代以来，顾客满意度理论日益得到诸多学者和企业　较［的认同，逐渐在各大企业、相关行业以及得到应用和实　践。但目前国内目前仍未形成一套成熟的顾客满意度测评指标　体系，相应的构建顾客满意度模型的方法也是多种多样的。本　文在国内外学者研究的基础上，对顾客满意度指数建模的主要　方法进行了总结，比较分析结构方程模型和人工神经网络方法　的适应条件，详细的介绍结构方程模型及其两种主要的方法，总　结运用每种方法应具有的理论基础和构建条件。　构建顾客满意度模型的实践中，运用哪种方法进行研究，除　了需要考虑各方法的具体适用条件，还要综合考虑顾客满意度　模型建立的理论条件，变量分布和样本量大小等等。四　参考文献　【１】罗子明．消费者心理学（第二版）【Ｍ】．北京：　清华大学出版　社．２００２．　【２】Ｆ　ｏ　ｒｎｅｌｌ　Ｃｌａｅ　ｓ（１　９　９２），“Ａ　Ｎａｔｉｏｎａｌ　Ｃｕｓｔｏｍｅｒ　Ｓａｔｉ　ｓｆａｃｔｉｏｎ　Ｂａｒｏｍｅｔｅｒ：Ｔｈｅ　Ｓｗｅｄｉｓｈ　Ｅｘｐｅｒｉｅｎｃｅ”，Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｒｋｅｔｉｎｇ，５６（Ｊａｎ），６－２　１．　［３］Ｆｏｒｎｅｌｌ，Ｃ，Ｊｏｈｎｓｏｎ，Ｍ．Ｄ．ＴｎｅＡｍｅｒｊｅａｎｃｕｓｔ０ｍｅｒｓａｔｊｓｆａｅｔｊ０ｎｌｎｄｅｘ，Ｎａｔｕｒｅ　，ＰｕｒＰｏｓｅ　ａｎｄＦｉｎｄｉｎｇ［Ｊ】．Ｊｏｕｒｎａｌ０ｆＭａｒｋｅｔｉｎｇ，１　９　９　６，７－－１　８．　１　４　ｌＶｉｌａｒｅｓ，Ｍａｎｕｅｌ　Ｊｏｓｅ，ａｎｄ　Ｐｅｄｒｏ　Ｓｉｍ　ｏｅｓ　Ｃｏｅｌｈｏ，“Ｔｈｅ　Ｅｍｐｌｏｙｅｅ－－　Ｃｕｓｔｏｍｅｒ　Ｓａｔｉｓｆａｃｔｉｏｎ　Ｃｈａｉｎ　ｉｎ　ｔｈｅ　ＥＣＳＩ　Ｍｏｄｅｌ”，Ｅｕｒｏｐｅａｎ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｒｋｅｔｉｎｇ，２００５，；５７（１１／１２）．　［５】候杰泰．结构方程模型及其应用［Ｍ】．经济科学出版社，２００４．　［６】廖颖林．结构方程模型及其在顾客满意度研究中的应用［Ｊ】．　统计与决策，２００５（１　８）：２４－２６．　【７】赵耀华，韩之俊．基于结构方程的高校顾客满意度模型【Ｊ】．　系统工程，２ＯＯ７（１　１）：８５－９０．　［８】曾风章，王元华．神经网络在顾客满意度测评中的应用［Ｊ】．　北京理工大学学报（社会科学版），２００５（１）：４５－－４７．　［９］ＧＰ．ｎｈｏｌｄｔ，Ｌ．，＆Ｍａｒｔｅｎｓｅｎ，Ａ．（２００５）．Ａｎａｌｙｓｉｎｇ　ｃｕｓｔｏｍｅｒ　ｓａｔｉｓｆａｃｔｉｏｎ　ｄａｔａ：ａ　ｃｏｍｐａｒｉｓｏｎ　ｏｆ　ｒｅｇｒｅｓｓｉｏｎ　ａｎｄ　ａｒｔｉｆｉｃｉａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　Ｏｆ　Ｍａｒｋｅｔ　Ｐ＂ｅｓｅａｒｃｈ，４７（２），１　２　１—　１　５０　【１　０１楼月明．顾客满意度测评模型的研究与系统实现［Ｄ】．昆明理　工大学，２００５．　【１　１】岑成德，权净．服务属性对顾客满意感影响程度研究——　人工神经网络方法［Ｊ】．南开管理评论，２００５（２）：１　６－２２．　［１　２】毛志勇．一种基于ＢＰ神经网络的Ｂ２Ｃ电子商务顾客满意度　评价模型［Ｊ】．科技和产业，２００８（５）：４９－５２．　【１　３】薛红，陆文超，聂规划．基于ＢＰ神经网络的超市顾客满意度　评价【Ｊ】．商场现代化，２００８，（５２）：２９－５０．　【１　４】史梁，王玲玲．层次分析法在顾客满意度测评中的应用【Ｊ］．　辽宁经济，２００６（２）：９２－９５．　［１　５】柳飞红，傅利平，汪文良．企业技术创新中隐性知识分享的　探讨［Ｊ］，技术经济与管理研究，２００９（１）：２９—５１．　［１　６】黄桐城，武邦涛，姚晔．顾客满意度多层次模糊测评模型及　２０　现代商业ＭＯＤＥＲＮ　ＢＵＳＩＮＥＳＳ　［２２］Ｓｈｅｎｇ—Ｈｓｕｎ，Ｈ．，Ｗｕｎ－Ｈｗａ，Ｃ．，＆Ｍｉｎｇ－ｄｙｈ，Ｈ．（２００６）．　＂Ｐｏｂｕｓｔｎｅｓｓ　ｔｅｓｔｉｎｇ　ｏｆ　ＰＬＳ，ＬＩＳｇＥＬ，ＥＱＳ　ａｎｄ　ＡＮＮ－ｂａｓｅｄ　ＳＥＭ　ｆｏｐ　ｍｅａｓｕｒｉｎｇ　ｃｕｓｔｏｍｅｒ　ｓａｔｉｓｆａｃｔｉｏｎ．Ｔｏｔａｌ　Ｑｕａｌｉｔｙ　Ｍａｎａｇｅｍｅｎｔ＆Ｂｕｓｉｎｅｓｓ　Ｅｘｃｅｌｌｅｎｃｅ，１　７（３），５５５－５７１．ｄｏｉ：１　０．１　０８０／１　４７８；５５６０５００４５１　４６５　【２　５】杨玉香，李晓红，杨馥毓．基于ＢＰ神经网络的第三方物流　企业顾客满意度评价研究【Ｊ】．吉林省经济管理干部学院学　报，２０Ｏ６（６）：５Ｏ—ｊ５．　［２４】高琴，张卫纲．基于ＢＰ神经网络的客户满意度评价模型【Ｊ】．　江苏商论，２ＯＯ７（６）：１　５７—１　５９．　［２５］薛红，陆文超，聂规划．基于ＢＰ神经网络的超市顾客满意度　评价［Ｊ】＇商场现代化，２００８（５；２）：２９－；５０．　［２６】温阿莉，周黎．基于ＢＰ神经网络的超市顾客满意度研究【Ｊ】．　商场现代化，２００９（６）：１　１　５—１　１　６．　【２７】刘新燕，杨智，刘雁妮等．大型超市的顾客满意度指数模型　实证研究ｆＪ］．管理工程学报，２００４（５）：９６－１　０１　ｌ２８ｌＦｅｒｒｅｉｒａ，Ｉ．，Ｃａｂｒａ］，Ｊ．，＆Ｓａｒａｉｖａ，Ｐ．（２０１　０）．Ａｎ　ｉｎｔｅｇｒａｔｅｄ　ｆｒａｍｅｗｏｒｋ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ＥＣＳＩ　ａｐｐｒｏａｃｈ　ｔｏ　ｌｉｎｋ　ｍｏｕｌｄ　ｃｕｓｔｏｍｅｒｓ　ｓａｔｉｓｆａｃｔｉｏｎ　ａｎｄ　ｐｒｏｄｕｃｔ　ｄｅｓｉｇｎ．Ｔｏｔａｌ　Ｑｕａｌｉｔｙ　Ｍａｎａｇｅｍｅｎｔ　＆Ｂｕｓｉｎｅｓｓ　Ｅｘｃｅｌｌｅｎｃｅ。２１（１　２），１　５８；５－１　４０１．ｄｏｉ：１　０．１　０８Ｏ／１　４７８ｊ　ｊ６　．２０１　０．５５０７９１　【２９］ｇｉｇｄｏｎ，Ｅ．Ｅ．，Ｐ＂ｉｎｇｌｅ，ｃ．Ｍ．，Ｓａｒｓｔｅｄｔ，Ｍ．，＆Ｇｕｄｅｒｇａｎ，　Ｓ．Ｐ．（２　０　１　１）．ＡＳＳＥＳＳＩＮＧ　ＨＥＴＥｇＯＧＥＮＥ　ＪＴＹ　ＩＮ　ＣＵＳＴＯＭＥＲ　ＳＡＴＩＳＦＡＣＴＩＯＮ　ＳＴＵＤＩＥＳ：ＡＣｔ￣ＯＳＳ　ＩＮＤＵＳＴＢＹ　ＳＩＭＩＬＡＲｉＴｌＥＳ　ＡＮＤ　ＷＩＴＨＩＮ　ＩＮＤＵＳＴＢＹ　ＤＩＦＦＥｇＥＮＣＥＳ．Ａｄｖａｎｃｅｓ　Ｉｎ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｍａｒｋｅｔｉｎｇ，　１　０（２２），ｉ　６９－１　９４．ｄｏｉ：１　０．ｆ１　０８／Ｓ１　４７４－７９７９（２０ｆ１）０００００２２０１　ｊ　【５Ｏ】赵富强，刘金兰，彭悦．ＰＬＳ算法的顾客满意度指数模型【Ｊ】．　北京理工大学学报（社会科学版），２０１　２（１）：５６－－５９－１－６５．　【３１】林盛，刘金兰，韩文秀．基于ＰＬＳ－结构方程的顾客满意度评　价方法［Ｊ］．系统工程学报，２００５（６）：６５；５－６５６．　Ｉ５；２１０　Ｌｏｕｇｈｌｉｎ，Ｃ．，＆Ｃｏｅｎｄｅｒｓ，Ｇ．（２００４）．Ｅｓｔｉｍａｔｉｏｎ　ｏｆ　ｔｈｅ　Ｅｕｒｏｐｅａｎ　Ｃｕｓｔｏｍｅｒ　Ｓａｔｉｓｆａｃｔｉｏｎ　Ｉｎｄｅｘ：Ｍａｘｉｍｕｍ　Ｌｉｋｅｌｉｈｏｏｄ　ｖｅｒｓｕｓ　Ｐａｒｔｉａｌ　Ｌｅａｓｔ　Ｓｑｕａｒｅｓ．Ａｐｐｌｉｃａｔｉｏｎ　ｔｏ　Ｐｏｓｔａｌ　Ｓｅｒｖｉｃｅｓ．Ｔｏｔａｌ　Ｑｕａｌｉｔｙ　Ｍａｎａｇｅｍｅｎｔ＆Ｂｕｓｉｎｅｓｓ　Ｅｘｃｅｌｌｅｎｃｅ、１　５（９／１　０），１　２５　１—１　２５５　【５；５］Ｔｅｎｅｎｈａｕｓ，Ｍ．（２００８）．Ｃｏｍｐｏｎｅｎｔ—ｂａｓｅｄ　Ｓｔｒｕｃｔｕｒａｌ　Ｅｑｕａｔｉｏｎ　Ｍｏｄｅｌｌｉｎｇ．Ｔｏｔａｌ　Ｑｕａｌｉｔｙ　Ｍａｎａｇｅｍｅｎｔ＆Ｂｕｓｉｎｅｓｓ　Ｅｘｃｅｌｌｅｎｃｅ，　１　９（７／８），８７１～８８６．ｄｏｉ：１　０．１　０８０／１　４７８；５５；６０８０２１　５９５４；５　Ｉ　５４ｌＳｃｈｎｅｅｗｅｉｓｓ，Ｈ．（１　９９１），Ｍｏｄｅｌｓ　ｗｉｔｈ　ｌａｔｅｎｔ　ｖａｒｉａｂｌｅｓ：ＬＩＳＰ．ＥＬ　ｖｅｒ　ＳＵＳ　ＰＬＳ．Ｓｔａｔｉｓｔｉｃａ　Ｎｅｅｒｌａｎｄｉｃａ，４５：　１　４５　１　５　７．ｄｏｉ：　１　０．１　１　ｊ　１／ｊ．１　４６７—９５７４．１　９９１．ｔｂＯ１　５Ｏ０．ｘ　［３　５】张军．　结构方程模型构建方法比较［Ｊ】．　统计与决　策，２００７（１　８）：１　５７－１　５９．　作者简介　１、薛萍，１　９８８年１　２月，女，汉族，山东青岛，研究生学历硕士学　位，就读于中国农业大学，专业：企业管理，方向：消费者行为。　２、徐洁怡（指导老师），女，北京，汉族，研究生学历硕士学位，　工作单位：中国农业大学，副教授，主要从事消费者行为研究。