偏最小二乘—二阶因子模型在综合变量构建问题的研究

为了突破独立性假定和主观赋权的局限,兼顾真实数据的结构特征,文章提出偏最小二乘—二阶因子模型(Partial Least Square Second-order Latent Variable Model,PLS-SLVM),解决综合变量的构建问题。二阶因子模型(Second-order Latent Variable Model,SLVM)作为构建综合变量的模型基础,其测量模型和结构模型分别展示了可测变量与潜变量间、潜变量间的结构关系。偏最小二乘(Partial Least Square,PLS)作为构建综合变量的估计方法,不要求可测变量间相互独立,保证权重赋值的客观性。与简单线性相加相比,PLS-SLVM较难理解,运算较为复杂,但PLS-SLVM放宽了独立性假定,兼顾变量间真实的相关关系和结构状态,提高了综合变量的分类准确性,为企业管理与绩效评价等方面提供方法学指导。