基于SEM的高校网站信息公开用户满意度测评模型构建研究

●马海群，李 博

（1．黑龙江大学信息资源管理研究中心，哈尔滨150080；2．哈尔滨商业大学图书馆，哈尔滨150028）

基于SEM的高校网站信息公开用户满意度测评模型构建研究

●马海群1，李 博2

（1．黑龙江大学信息资源管理研究中心，哈尔滨150080；2．哈尔滨商业大学图书馆，哈尔滨150028）

高校网站；信息公开；用户满意度；结构方程模型

高校网站作为高校与社会之间沟通的桥梁，它的公开程度和透明程度对高校的建设提供参考和标准。从用户满意度的角度来进行高校网站信息公开水平的测评能够更好地测评用户的感知。通过结构方程模型（SEM）和顾客满意度指数模型（CSⅠ），总结出与用户满意度较高程度相关的潜变量，并以此为基础构建了高校网站信息公开用户满意度测评模型和观测变量指标体系。

1 引言

高校信息公开是指高校在履行教育管理等职能中形成和掌握的信息，除法律规定不能公开的之外，一律向社会公开的制度，是政务公开制度的一个重要组成部分，同时它也是一项自下而上的监督制度，是民主公开制度在学校内的应用。［1］高校网站是高校信息公开的重要途径和桥梁，网站信息公开也是目前高校信息公开工作的主要表现形式，为进一步评价高校信息公开工作的绩效水平，找出目前高校信息公开工作开展过程中存在的不足，笔者将用户满意度作为高校网站信息公开绩效的外部体现，将用户满意度的概念和结构方程模型（Structural Equation Model,SEM）的分析手段引入到高校信息公开绩效评价中来。

对高校信息公开的网站建设来说，衡量其公开度和透明度的一个视角就是用户是否满意。而用户满意度可以综合多种模型来测评，既可以主观测评，也可以客观衡量。通过结构方程模型（SEM）来测评用户满意程度是一种较客观和准确的方法。SEM是用于讨论潜变量（LatentⅤariable）与观测变量（ManifestⅤariable）关系以及潜变量与潜变量关系的一种多元统计分析方法。［2］结构方程模型的出现和应用，使顾客满意度这种不能被直接观测的变量可被测量，而且可以将这些不可观测变量放置于体现因果关系的方程系统中。［3］

2 高校网站信息公开用户满意度测评模型潜变量的设定

SEM将事物的客观状态以因果假设的方式加以呈现，然后以量化的资料加以验证，其关键是能够将事物的客观状态加以因果式呈现。［4］所以，在构建高校网站信息公开公众（用户）满意度测评结构方程模型之前，首先应该建立相应的理论假设，根据理论假设确定相应的潜变量以及潜变量之间的关系。

“期望不一致”是目前应用最广的顾客满意度测量模式，当今主流的测评模型SCSB、ACSⅠ、ECSⅠ等几乎无一例外都以其为基础来量度顾客满意度。满意度测量的期望不一致模式源于美国营销学者Oliver于1980年提出的期望不一致模型。该模型认为顾客满意度取决于顾客购前期望与购后感知之间不一致性的大小与方向：当购后感知符合顾客期望，顾客既不会满意也不会不满意；当购后感知超过顾客期望，顾客就会满意；当购后感知低于顾客期望，顾客就会不满意。［5］之后许多学者在此基础上进行大量研究，逐步形成了期望主导型、感知质量主导型、不一致性主导型及感知质量与不一致性共同主导型等不同的模式，但总体来说仍属于期望不一致理论的范畴。因此，笔者对高校网站信息公开用户满意度进行测评时也以期望不一致模式为基础。

一般来说，用户在购买普通商品的过程中，常常会考虑商品所属品牌的品牌形象，如果将高校网站公开的信息看作高校生产的产品，高校形象也是一个潜变量。对于用户满意的效果，目前比较一致的观点是，用户满意意味着用户忠诚度的提高。［6］用户的不满将通过抱怨或投诉的形式表现出来，企业通过积极处理用户抱怨可以把抱怨的用户转化为忠诚的用户。

大量理论和实证研究表明，用户预期、用户感知质量和用户感知价值对用户满意度存在直接影响，本模型将沿用这些研究成果引入用户预期、用户感知质量和用户感知价值三个潜变量，并针对高校网站信息公开这一测评对象重新诠释其内涵。结构模型方程能够处理两类变量，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。［7］对高校来说，公众作为顾客用户，其忠诚度的提高表现在公众对高校更加信任；同样，用户的抱怨也可以通过对高校相关部门的反应和投诉表现出来。因此，本模型中我们引入用户抱怨和用户信任两个潜变量。

总结以上的理论分析结果，笔者认为高校网站信息公开用户满意度测评模型的潜变量共有7个，分别是：用户感知价值、用户感知质量、用户预期、高校形象、用户满意度、用户抱怨和用户信任。其中，用户感知价值是指用户在使用了高校网站的信息公开服务后，对其提供的信息和服务价值的总体评价；用户感知质量是指用户在使用了高校网站的信息公开服务后，对其提供的信息和服务质量的客观感受；用户预期是指用户在接受高校网站的信息公开服务之前，对高校网站信息公开服务的期待和希望；高校形象是指用户在使用完高校网站信息公开服务后，在心理上反映出来的对高校的感知；用户满意是指用户对高校网站信息公开服务的预期与实际感觉比较后产生的感觉；用户抱怨是指用户对高校网站信息公开工作的不信任和抵制；用户信任指用户对高校网站信息公开工作的信任和支持。

3 高校网站信息公开用户满意度测评模型的构建

在上文分析的基础上，笔者提出了高校网站信息公开用户满意度研究假设，并梳理了各潜变量之间的关系，结合高校网站信息公开的特点构建了高校网站信息公开用户满意度测评模型。

3.1 高校网站信息公开用户满意度研究假设

通过对国内外大量文献分析和逻辑推理，提出高校网站信息公开用户满意度测评模型的研究假设（共13个）。

假设1：高校形象对用户感知价值有直接正向影响；

假设2：高校形象对用户感知质量有直接正向影响；

假设3：高校形象对用户预期有直接正向影响；

假设4：高校形象对用户满意度有直接正向影响；

假设5：高校形象对用户信任有直接正向影响；

假设6：用户预期对用户感知价值有直接正向影响；

假设7：用户预期对用户感知质量有直接正向影响；

假设8：用户预期对用户满意度有直接正向影响；

假设9：用户感知价值对用户满意度有直接正向影响；

假设10：用户感知质量对用户满意度有直接正向影响；

假设11：用户满意度对用户信任有直接正向影响；假设12：用户满意度对用户抱怨有直接负向影响；假设13：用户抱怨对用户信任有直接负向影响。

3.2 模型观测变量的设定

笔者在假设条件之下，根据各个潜变量之间的关系，构建了我国高校网站信息公开用户满意度测评模型。其中，高校形象为外生潜变量，用户感知价值、用户感知质量、用户预期、用户满意度、用户抱怨和用户信任为内生潜变量。用户感知价值、用户感知质量、用户预期和高校形象影响用户满意度，用户满意度影响用户抱怨和用户信任。每一个潜变量又对应着各自的可测变量，如表1所示。

3.3 模型路径系数图的设定

高校网站信息公开用户满意度测评模型是一种因果关系的结构方程模型，是比较具有代表性的结构方程关系。简单来说，这种结构方程模型通过变量之间的相互影响关系（箭头指示），在设定的因果理论基础之上来表示该因果关系，进而通过具体的路径图等其他形式来具体阐述，以达到探索各变量之间因果关系的目的。本文对于用户满意度测评模型的构建，具体设置了7个结构变量和12个路径关系。其中，7个结构变量（隐含变量）分别是高校形象ξ、用户预期η1、用户感知质量η2、用户价值感知η3、用户满意度η4、用户抱怨η5和用户信任η6。具体结构变量关系和路径关系如图1所示。

表1 高校网站信息公开用户满意度测评模型观测变量表

图1 高校网站信息公开用户满意度测评模型路径图

3.4 模型的方程式

高校网站信息公开用户满意度测评模型的核心部分为结构方程模型，简单来说，含有隐含变量的结构方程模型由结构模式和测量模式两部分组成。结构模式用来说明自变量（潜在外生变量）和因变量（潜在内生变量）之间的结构关系（主要是因果关系）。测量模式相对于结构模式简单一点，主要是描述各个观测变量与隐含变量之间的结构关系，是对于观测变量的可靠性描述。

（1）结构方程（结构模式），指本文中关于结构方程的7个隐含变量之间的关系，如（高校形象与用户价值感知之间的关系）：

η=Bη+Γξ+ε(3.1)

E（ξ）=0，ε与ξ不相关

其中：ξ表示潜在自变量（潜在外生变量）的矩阵（m*1）；η表示因变量（潜在内生变量）的矩阵（n*1）；Γ表示结构系数矩阵（m*n），阐述模型中自变量矩阵ξ对因变量矩阵η的影响；B表示结构系数矩阵（m*m），阐述模型中因变量矩阵η的相关观测变量间的影响；ε表示整个结构方程的残差项，可以反映η在方程中没有被解释的部分。

（2）测量方程（测量模式），指本文中关于测量方程的27个观测变量与相应的隐含变量之间的结构关系。阐述因变量η与因变量观测指标Y，自变量ξ与自变量观测指标X之间的关系（X，Y指标图3.2所示）。分别用方程形式表示为：

①Y=Λyη+ε；E（ε）=0

其中，Y表示因变量η对应的测量变量的矩阵（p*1）；Λy表示测量系数矩阵（p*m），表明因变量η与其观测变量Y之间的关系；η表示因变量（潜在内生变量）的矩阵（m*1）；ε表示测量方程的残差矩阵（p*1）。用矩阵1表示如下：

矩阵1

②X=Λxξ+δ；E(δ)=0

其中，X表示自变量ξ对应的测量变量的矩阵（q*1）；Λx表示测量系数矩阵（q*m），表明自变量ξ与其观测变量X之间的关系；ξ表示自变量（潜在外生变量）的矩阵（n*1）；δ表示测量方程的残差矩阵（q*1）。用矩阵2表示如下：

矩阵2

3.5 模型分析方法的选择

目前有两种结构方程（SEM）模型参数估计方法。一种称为LⅠSREL方法，是基于协方差结构的分析方法，该方法包括广义最小二乘法，极大似然估计等参数估计方法，要求变量服从正态分布并且要求观测模型理论基础足够成熟。另一种是偏最小二乘法，它是一种基于偏最小二乘路径建模的参数估计方法，这种方法不需要对数据分布限定严格的假设条件。鉴于本文所构建的高校网站信息公开用户满意度测评模型理论基础尚不成熟，而用户满意度数据也并不服从正态分布，因此笔者将选择偏最小二乘法作为本文所构建模型的分析与检验方法。

4 结语

随着我国高校信息公开工作的深入发展和全面完善，高校越来越注重从公众的角度出发为其提供令他们满意的高校信息。本文基于高校信息公开评价方面的前期研究成果，［9］针对高校网站信息公开这一领域，提出其满意度测评模型，目的在于通过该模型找出影响高校网站信息公开工作的主要因素，完善高校信息公开绩效评价体系，促进高校信息公开制度建设，提高高校信息公开质量。下一步将根据以上研究成果设计问卷并进行大规模调查，通过SmartPLS2.0对收集到的数据进行计算分析，对本文所构建的模型拟合程度进行进一步校验。

［1］曾兵．高校信息公开制度建设研究［D］．厦门：厦门大学，2006．

［2］焦微玲．我国电子政务公众满意度测评模型的构建［J］．情报杂志，2007（10）：36－38．

［3］安珣．面向顾客满意度改进决策的结构方程和影响图结合研究［D］．天津：天津大学，2006：132－135．

［4］黄方铭．结构方程模式理论与应用［M］．北京：中国税务出版社，2005：32-33．

［5］OliverRL，SwanJE．Equityanddisconfirmatiomperceptions as influence on merchant and product satisfaction［J］．Journal of Consumer Research,1989,116: 372－393.

［6］Fornell C，et al.The American customer satisfaction index:nature,purpose,and findings［J］．Journal of Marketing，1996，60：7－18.

［7］薛萍，徐洁怡．顾客满意度指数建模方法研究综述［J］．现代商业，2013（1）：17－20．

［8］马海群，吕红．高校信息公开政策方案评价体系研究［J］．情报学报，2013（4）：439－448．

［9］马海群，吕红．高校信息公开政策实施效果评价体系构建研究［J］．情报科学，2013（7）：3－9（35）.

G250.72；G252

A

1005－8214（2014）01－0001－04

马海群（1964－），男，安徽人，教授，博士，博士生导师，主要从事信息资源管理、信息政策与法律研究；李博（1987－），男，硕士，主要从事网络信息资源管理研究。

2013－07－16［责任编辑］王岗

本文系国家社科基金项目“高校信息公开制度的构建与绩效评价”（项目编号：11BTQ028），黑龙江省自然科学基金项目“大学信息公开政策的构建与评价研究”（项目编号：G201010），黑龙江省高等教育学会“十二五”教育科学研究规划课题“现代大学治理与高校信息公开制度建设”（项目编号：HGJXH B1110485），黑龙江大学创新团队支持计划（项目编号：Hdtd2010-24），黑龙江省研究生创新科研项目“高校网站信息公开的绩效评价”（项目编号：YJSCX2012-283HLJ）系列研究成果之一。