结构方程模型在竞争力评价中的应用综述
来源：网络 时间：2022-03-19
一、引言
近二十年来，被称为“第二代多元分析技术”的结构方程模型（Structural Equation Modeling，SEM）大量应用于心理学、社会学、教育学和经济管理等众多研究领域（MacCallum and Austin，2000；Teo and Khine，2009；Shah and Goldstein，2006 等）。结构方程模型能在如此众多领域的成功应用，应归功于其对理论和复杂变量关系的出色描述能力。因此，人们也开始尝试在竞争力评价研究中引入结构方程模型。竞争力评价是经济和管理研究领域重要的课题之一，因此与竞争力评价相关的理论和方法研究也是研究者关注的焦点。
人们早已注意到，竞争力评价背后的逻辑与结构方程模型的构造思想有着密切的联系，因此在竞争力评价研究中采用结构方程模型是非常自然且符合逻辑的一种选择。国内外学者对结构方程模型在竞争力评价研究中的应用进行了不少的尝试，并且已经取得了丰硕的成果。然而，由于结构方程模型理论和方法的复杂性，使得许多因素都可能造成模型的误用，从而削弱研究结论的可信度。因此，本文希望通过对结构方程模型在竞争力评价方面的应用情况进行简要回顾，在总结这一领域现有研究成果的基础上，分析当前研究中存在的一些问题，提出进一步研究的方向，以促使结构方程模型在竞争力研究领域的理论创新和应用研究更加合理规范。受文章篇幅以及作者能力所限，本文将主要对国内学者所作的相关研究内容进行分析和总结。
据我们所知，国内目前还没有与本文相同内容的研究发表。全文安排如下：第二节对结构方程模型的基本原理和竞争力评价研究的内容和方法进行简要介绍，并分析两者之间的内在联系；第三节从四方面评价性地回顾近十年我国学者在竞争力研究领域采用结构方程模型的情况；第四节是总结和展望。
二、结构方程模型与竞争力评价概要
1. 结构方程模型
结构方程模型也称为“协方差结构模型”，“线性结构方程模型”被称为“第二代多元数据分析技术”。结构方程模型将“潜变量”作为模型的重要构成元素加以研究，这是结构方程模型区别于传统统计模型的一个显著特征。潜变量是被抽象出的某种性质，不能进行直接测量。与潜变量相反，“显变量”则是可以直接测量的，常作为潜变量的指标变量，间接地反映潜变量。结构方程模型包括对潜变量与显变量（测量模型），潜变量与潜变量之间关系（结构模型） 的假定。路径分析和验证性因子分析是结构方程模型的两个特例。关于结构方程模型全面介绍可参考有关专著，如侯杰泰和温忠麟等（2004）。
结构方程模型建模分析一般包括以下三个阶段：
第一阶段，模型前期分析，即构建基本概念，确定测量模型和结构模型、样本容量和自由度等问题，并选取模型分析数据。结构方程模型的主要目标是检验模型的先验假定是否成立，而不是寻找一个适合的模型（Shah and Goldstein，2006）。模型设定的正确与否直接关系到参数估计的精度、模型的可识别与否以及模型后期的分析结论。因此许多研究者强调，结构方程模型研究中最重要、可能也是最难的部分正是对模型的设定。另外，数据质量的高低也会影响参数估计的精度（Guo andPerron et al.，2009）。
第二阶段，模型估计，包括检验样本数据的分布特征，计算输入矩阵。数据的分布特征关系到估计方法的选择。结构方程模型估计与传统的追求残差平方和最小的统计分析方法不同，它从变量的协方差矩阵出发，旨在寻求的是模型隐含协方差矩阵与样本协方差矩阵“差距”最小的参数。多样化的“差距”定义方法产生了不同的模型估计方法，常用的估计方法包括极大似然估计、加权最小二乘估计等，其中极大似然估计方法最为常用。结构方程估计的另外一个重要方法是偏最小二乘方法（Tenenhaus and Vinzi et al.，2005），也被称为基于成分的结构方程模型。基于协方差的结构方程模型和基于成分的结构方程模型都具有各自的优势和缺点。
第三阶段，模型结果分析，包括评价模型估计结果，依据模型的拟合程度等指标对模型进行可能的修正等。结构方程模型本身的复杂性使得模型的检验和修正过程异常繁琐，仅拟合指数一项指标，侯杰泰与温忠麟等（2004）中总结汇总的各类指标就有39 个之多。另外也有研究者认为，结构方程模型完全是由理论确定的，不需要修正。由此可见，虽然结构方程模型可以有效地分析潜变量间的复杂关系，但模型的统计诊断变得困难，这就为一些可能的误用、甚至是错用留下了很大的空间。
2. 竞争力评价研究
20 世纪80 年代以来，世界经济论坛（WEF）连续发布的《国家竞争力》年度报告以及瑞士洛桑国际管理学院（IMD）发布的《世界竞争力年鉴》极大地推动了国际竞争力的学术研究。哈佛商学院的Michael Porter 著名的“竞争三部曲”（Porter，1980，1985，1998）标志着竞争力研究的一个高峰。近十几年的时间里，国内学者和业界逐步形成了竞争力研究的热潮，关于竞争力评价的研究成果不断涌现，涉及的研究经济体包括企业、行业、国家等多个层面，至今仍然是研究的热点。例如，金碚（2001）构建了企业竞争力测评理论与方法；王炳才、田怡谦（2007）研究构建了产业集群竞争力影响因素体系并采用计量模型进行了实证研究。近年来，竞争力分析和评价已经拓展到子区域和超国家型组织，例如区域竞争力、城市竞争力、县级竞争力等。
然而，人们对“竞争力”很难有一个明确和唯一的定义，研究者对“竞争力”的研究也褒贬不一（Neary，2006）。竞争力反映的是经济体（例如国家、产业或者企业） 相对于其他经济体，通过比较活动质量或结果所表现出的优势（胡碚，2003）。竞争力作为一种“品质”，它总是和特定的经济体相联系。经济体总是有不同的特性，彼此间的相互关系、环境关系也各不相同，这使得竞争力也以不同的方式显示。因而，由于竞争力本身定义的复杂和抽象性，以及评价研究对象、范围的差异性，使得如何测量竞争力，如何选取反映竞争力的指标等问题变得异常困难，也使竞争力的测量和度量指标缺乏统一的规范化模式。
实际应用中，研究者都需要对竞争力的具体测量指标进行仔细选择，往往出现即使是相同的经济主体的所用的测量指标间也存在较大差异。正是由于竞争力的以上特点，竞争力评价的数理模型和方法众多，例如主成分分析法、因子分析法、回归分析法、数据包络分析、层次分析法、模糊曲线法和多因素综合评价方法等。LunWenData\Com
例如：李永强（2006）总结了结构方程模型用于城市竞争力的四方面的主要优势，包括：①结构方程模型更适合表示城市竞争力的复杂理论架构；②结构方程模型能够给出各变量之间的直接效应、间接效应和总效应，从而可以发现一个变量对另一个变量的直接影响、间接影响和总体影响，进而帮助我们找到变量之间的影响路径；③可以对评价指标体系进行信度和效度分析以确保其科学性；④通过计算潜变量得分，可以对样本城市进行分项竞争能力和总体竞争力的排序。结构方程模型的这些优势同样适应于对其他类型经济体竞争力评价的研究。许多研究者已经注意到，竞争力是一种潜在的难以直接或简单进行测量的性质，它满足结构方程模型中的潜变量所具有的性质。因此，在竞争力评价中采用结构方程模型成为了一种自然的选择。与采用其它模型相比，结构方程模型具有自身的诸多优势（李永强，2006）。关于竞争力和竞争力评价的全面研究，已经超过本文的范围，有兴趣的读者可以进一步参阅相关研究专著，例如胡碚（2003）。
三、应用现状评述
我们使用中国期刊全文数据库（CNKI）进行文献检索，设定关键词、题名以及摘要中同时包括“结构方程模型”和“竞争力”两个词作为检索标准，检索1990- 2012 年间发表的期刊论文。自动检索得到的76 篇文章，再以所研究模型框架中是否涉及“竞争力”潜变量为标准，通过人工筛选后得到32 篇相关文章，按发表年度的统计结果见表1。可以看出，该领域研究论文发表数量呈现出明显的增加趋势，说明结构方程模型在竞争力研究中得到越来越多的研究者的重视。另外需指出的是，虽然传统因子分析作为结构方程模型的特例，在竞争力评价中也有大量的应用，但因子分析属于较为基本的方法，因此本文没有将其包括在内。
由于竞争力研究对象的多样性，研究涉及的内容各不相同，本文对研究论文的回顾重点集中在以下四个方面：竞争力评价研究的经济实体；竞争力对应的测量指标体系；数据的采集方法和样本量；模型估计方法和所使用软件。
1. 竞争力研究的经济实体
在32 篇竞争力研究的文章中，按照研究经济实体的内容来划分，其中，14 篇以企业和组织竞争力为研究主体，14 篇以区域性产业竞争力为研究主体，另外4 篇为城市竞争力研究。其中企业竞争力研究的经济实体广泛涉及了农业、造船业、快递业、软件业、金融业等多个领域；区域性产业竞争力多针对旅游业等现代服务业的产业集群展开研究；城市竞争力也是近年来研究较多的对象。因此可见，结构方程模型在竞争力研究应用中，以企业组织竞争力、区域性产业竞争力的研究最为广泛，而在城市竞争、县域竞争力评价研究中的应用还有进一步发掘的空间。
这里需要指出的是，以企业为研究对象的竞争力评价和以区域、产业、城市为研究对象的竞争力评价，有着一些重要的差别。例如，企业作为一个参与竞争的经济体，反映其竞争力的内涵比较容易界定，数据指标相对容易获取；而区域、产业和城市的界定边界比较模糊，相应竞争力内涵则不容易明确界定，数据指标大多只能依赖于官方统计年鉴。因此，现有关于区域、行业、产业等竞争力的研究大部分都是在省市一级的水平上进行的。
2. 竞争力测量指标体系
竞争力评价的结构模型中，除竞争力潜变量之外，其他潜变量具有非常多的选择，因具体的问题和理论假设的不同而不同。通过比较发现，相当一部分竞争力评价的结构方程模型的指标选取基于波特的“五力模型”，但对于各类经济实体竞争力评价指标的选择存在较大差异，涉及的指标个数少则十几个，多则三十几个。对于不同的竞争力评价对象，研究者都设计了自己的指标体系，这些评价模型之间存在共同点，但更多的是不同点，没有一个统一的指标设计标准。论文格式
例如，城市竞争力的研究中，李永强（2007）提出以“国内生产总值、人均GDP、GDP 增长率、平均工资、人均储蓄余额”五个指标作为反应城市竞争力的指标，而管伟峰、张可、杨旭（2010）则以“人均GDP，经济增长率”作为反映城市竞争力的测量指标。区域竞争力和企业竞争力的测量指标，指标选取的差异则更大。企业竞争力研究中，廖成林和裴友朋（2008）以“规模、营运、营销、创新、知晓度、综合印象、发展信心”作为企业竞争力的测量指标；潘艳平和曾铁生（2008）则以“生存能力、发展能力、抗风险能力、科技开发能力”作为反映企业竞争力的指标；周湘峰和郭艳（2011）则以“投资回报，销售边际利润，投资回报增长”作为测量企业竞争力的指标。
可以看出，竞争力测量的复杂性、指标设计的合理与否直接影响着模型的分析结果，不合理的指标会极大的降低研究分析结果的说服力。对相同或者类似研究对象，竞争力指标的选择差异较大，也使得不同研究结果之间的可比性降低。另外，现有研究中，结构方程模型中的测量模型绝大多数都是采用反映模式，没有考虑生成模式。反映模式是指显变量作为潜变量的函数，而生成模式是用显变量生成潜变量，两者的逻辑有所不同。就竞争力而言，几种因素综合形成竞争力也是比较符合逻辑的假设，因此在竞争力研究中考虑生成模式下的结构方程模型是值得探索的方向。
3. 数据采集方法和样本量
竞争力评价实证研究中，数据来源主要包括问卷调查和统计年鉴资料数据两类。32 篇文献中，除一篇文章没有进行实际数据分析之外，其中有19 篇文章的数据来源于问卷调查，12 篇文章的数据来源于各类统计年鉴资料。
采用问卷调查的方法收集数据的论文中，集中于对企业或组织的竞争力评价研究。研究者根据所构建的评价模型，设计了调查问卷，并且对问卷进行了信度、效度等预处理分析。有效样本量最小值107、最大值3621、中位数225；有效问卷回收率最小值29.1%、最大值94.5%、中位数76%。虽然问卷调查数据能够获得针对性较强的一手数据，然而较低的问卷回收率大大降低了问卷数据的代表性。另外，多数研究中进行的问卷调查所采用的方法是方便抽样，因此样本的代表性问题存在疑问，进而影响结论的一般性。
采用统计年鉴等二手统计数据的文章，大部分集中于城市竞争力、区域产业的竞争力评价研究，部分关于企业竞争力的研究也是通过公开发布的统计资料获取数据。通过统计年鉴资料获取的二手数据，对于竞争力评价来说带来了两方面的问题：
一是建模的样本量不足。例如，对于省市区域的竞争力评价研究中，最多只有31 个省（市、自治区），属于小样本。二是竞争力指标的选择受限，只能依赖于现有的统计年鉴资料。
对样本量不足的问题，一种常见的做法是将面板数据当成截面数据处理。如刘炳胜和王雪青等（2010）对省级建筑业竞争力研究中，将我国30 个省市两年共60 组数据看成截面数据进行建模分析，从而增大样本量。对于指标选取的受限，大多数研究者都从数据的可获得性出发，当所需要指标不能由现有统计资料直接获取的时候，一般是通过寻找可获取的替代统计指标。
4. 估计方法和所采用的软件
在报告了模型估计所采用软件的28 篇文章中，模型估计所采用的软件包括LISREL （15 篇）、AMOS （11 篇）、VISUAL- PLS （1 篇） 和SmartPLS （1 篇），其中以LISREL 和AMOS 使用最为常用（其中主要原因可能是因为国内大部分关于结构方程模型的专著和教材都是以这两款软件作为建模软件）。根据所采用的软件，目前绝大多关于竞争力评价的结构方程模型，都是采用极大似然估计或者最小二乘估计方法，即所谓“硬模型”，仅有少数的文章采用偏最小二乘法，即采用“软模型”。
基于极大似然方法或者最小二乘估计模型，对样本量的大小和数据的正态性有着较为严格的要求。例如，经验规则通常都要求样本量在200 以上。但在报告了有效样本量的30 篇文章中，有13 篇文章的有效样本量在200 以下。对小样本数据若采用极大似然估计，估计结果的可信度将大打折扣。相比之下，基于偏最小二乘估计方法的“软模型”，对样本量和数据正态性的要求相对宽松，样本量在30~100 即可采用，甚至不需要数据服从正态分布的假设，因此在处理小样本问题上有着较大的优势。现在国内研究者已经开始注意到基于偏最小二乘估计结构方程模型的这一优点，开始在竞争力评价中采用“软模型”。
四、结论和展望
从以上文献研究可以看出，结构方程模型在竞争力评价研究中的应用仍然处于快速的发展过程中，学者在这方面已经取得了许多有意义的结果。特别是随着现代统计软件的普及，使得人们很容易完成复杂结构方程模型的估计，但这也很容易掩盖分析过程中可能存在的诸多问题。在竞争力分析中结构方程模型的应用研究，我们认为需要考虑以下几点：
首先，从研究经济实体而言，由结构方程模型方法的特殊性，它适用于目前几乎所有竞争力研究的领域，特别是为寻求对竞争力形成来源及影响因素分析相关的研究，采用结构方程模型是恰当的。但结构方程模型在竞争力研究中，竞争力理论对于模型至关重要。对于测量模型，指标体系的设计直接关系到竞争力评价的可信程度，因此在指标选择的过程中需要进行充分的论证。然而，现有竞争力评价理论还存在不完善的地方，这就需要学者在现有竞争力理论的基础上，加深对竞争力理论的研究，结合具体研究对象、模型检验结果对指标体系、结构方程模型不断的进行修正完善。
其次，现有文献中的部分文章所采用数据收集方法和样本量存在不足之处，需要通过提升有效问卷回收率、扩大调查群体以确保样本代表性。特别是对于采用统计年鉴资料获取的二手数据，传统的做法是将此类面板数据作为截面数据建模处理，这种简单的处理方法，由于忽视了数据中时间上可能存在的相关性，因此破坏模型成立的条件，使得估计的参数不再具有原先的数学性质，影响结论的可信度。基于截面数据的竞争力评价，使得评价研究的结果也是静态的，只是说明评价对象在某一时点状况，而不能分析竞争力发展演化的趋势，不能分析和解释在竞争力发展变化中各种因素的影响程度，不能进行预测分析。因此，在以后的竞争力评价中，可以进一步考虑融入了时间序列方法的结构方程模型，例如能够处理面板数据的新型结构方程模型。这样结构方程模型对竞争力的评价就不再仅仅是静态的描述，而且对竞争力的动态变动也能够进行解释和说明，使得研究的结果能够更好的用于实际问题分析和管理决策。
另外，在竞争力评价中，由于研究对象和指标的特殊性往往只能采用小样本数据，使得样本量很难达到结构方程模型传统极大似然估计方法的要求。对于此类非正态、小样本数据，基于偏最小二乘的结构方程模型值得进一步应用研究。当然“硬模型”和“软模型”的建模逻辑稍有不同，因此在竞争力评价的研究中，可以对两种方法进行对比研究，以检验结论的可靠程度。
最后，结构方程模型本身也在迅速的发展，使得竞争力评价模型有了更多的选择。近几年来，例如非线性结构方程模型、混合结构方程模型、有序分类变量的结构方程模型以及基于贝叶斯方法的结构方程模型等新模型不断涌现（李锡钦，2011），国内外竞争力评价的研究中，目前还鲜见有这些模型的应用。因此，我们相信这方面的研究也具有较大的潜力。当然，采用更复杂模型，在增强对数据分析能力的同时，也对数据质量和模型的统计推断提出了更高的要求。