基于SEM的高校网站信息公开用户满意度测评模型校验

●李 博，马海群

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

基于SEM的高校网站信息公开用户满意度测评模型校验

●李 博1，马海群2

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

用户满意度；结构方程；PLS；信度；效度

基于结构方程模型原理，设计调查问卷，并对其信度、效度、样本特征等维度进行分析检验，通过SmartPLS2.0软件对已构建的高校网站信息公开用户满意度测评模型进行拟合优度检验，进而得到修正后高校网站信息公开用户满意度测评模型。

1 引言

高校网站信息公开用户满意度测评主要是指高校通过网站从服务的视角评价高校网站信息公开工作在用户满意度层面所取得的成绩和效果，衡量指标即为用户对高校网站信息公开工作的满意程度。本文在结合了高校网站信息公开与用户满意度这两个维度特征的基础上，通过网络问卷调查的方法，得到必要的数据支持，对已构建的高校网站信息公开用户满意度测评模型进行校验，进一步验证和改进测评模型，并最终得到修正后的高校网站信息公开用户满意度测评模型。

2 调查问卷的设计

调查问卷的设计是本文所研究内容的基础性工作，调查问卷设计的好坏直接关系到研究的结果，也是本文研究深度的重要体现，具体步骤分为设计调查问卷、样本特征描述、信度与效度检验。

本文所采用的问卷是在大量参考有关研究文献基础上自主编制的。随后，又通过座谈形式，听取学校部分专业老师以及学生对于问卷指标体系以及语言表述是否简洁清楚的意见，进一步修改问卷，最终确定了本次调查所采用的问卷。问卷的问题设计围绕着高校形象、用户预期、用户感知质量、用户感知价值、用户满意度、用户抱怨和用户信任等7个潜变量，在设计问卷过程中充分考虑到了问题数量设置的合理性、指标涵盖全面性等问题。问卷结构为两部分，第一部分围绕理论模型的27个观测变量，将其展开为调查问卷上的问题，通过公众对问题的回答，进而得到观测变量的数值，然后分别通过SPSS17.0和Smart-PLS2.0对数据进行处理和模型检验；第二部分是被试者个人的基本情况，包括性别、年龄、职业、教育程度、所在地域等。

笔者通过在相关网站（人人网、开心网、腾讯QQ群、飞信群组、新浪微博、腾讯微博、问卷星、百度贴吧、高校论坛等）发布调查问卷链接，由公众自愿填写调查问卷，用户只需在选中的答案中打“√”即可。本问卷采用应用广泛的李克特10级量表，分值依次为10、9、8、7、6、5、4、3、2、1，依次对应着不同的用户满意程度，采取这种量表法主要是因为简单易懂，便于操作。为防止恶意填写，调查过程中采用ⅠP地址绑定和身份特征标志的识别技术对参与者进行判断，目的是只允许同一公众接受1次调查、填写1份问卷。

3 问卷调查样本的特征结构

本研究中所需数据来源于网络调查，整个调研中共发放问卷500份（问卷略），回收476份，回收率为95.2%，剔除无效问卷后共得到有效问卷398份，根据SmartPLS软件算法特征选取其中200份作为样本数据研究，通过数据对问卷指标和用户信息描述性分析，如表1所示。

表1 公众基本信息

从公众的基本资料可以看出：接受问卷调查的男女性比例接近2:1，年龄段主要集中于25～50岁之间，这个年龄段的公众数量占整个样本数量的77.5%；从事的主要职业为高校教职工、政府机关与事业单位职员和学生群体；受教育程度主要为本科及硕士研究生学历；地域分布比较普遍，覆盖的地域较多，说明本次调查收集的数据具有普遍的代表性。

4 数据的信度与效度分析

在进行整体的数据运算分析之前，需要对问卷总体的信度与效度进行检验。信度检验是对量表工具所测得的结果一致性与稳定性的检验，效度检验的目的则是为了对量表所能够测到的行为动作程度进行检验，量表必须通过信度与效度检验，才能证明其所测数据具有可靠性、稳定性和有效性。

4.1 信度检验

信度检验主要是检验问卷在设计指标方面是否保持对测量相关变量上的可靠性、稳定性和一致性，是否比较客观地反映研究内容的准确程度和实际情况。本文中问卷的信度是指高校网站用户满意度测评问卷中设置的问卷指标反映出来的用户评价的可信程度。目前，学术界针对此类用户满意度测评，主要是以科隆巴赫α信度系数法来检验其量表的可靠性。

根据上文中27个观测变量对应概念模型中的7个潜变量，并且考虑到上文中的假设12和13，潜变量用户抱怨对潜变量用户满意度和用户信任呈负向影响，因此该变量并不与其他变量在同一个置信区间，于是我们将用户抱怨这一变量剔除，把总量表分成6组，分别检验每组变量的整体信度。这6组变量的Cronbach α系数值如表2所示。各组值均大于0.7这一标准，说明各组观测变量的整体信度较高，具有良好的内部一致性。

表2 量表信度检验

4.2 效度检验

效度检验包括内容效度和结构效度两个方面，内容效度主要考虑量表测量内容和采集信息之间的相关程度，反映量表应用的现实性程度。其中，内容效度可通过计算单项与各项总和之间的相关系数来测度。分析结果如表3～6所示，26个评估项与总和之间的相关系数在0.258～0.545之间，在0.01的显著性水平下呈显著相关，量表具有较好内容效度。本文问卷量表的设计是基于用户满意度模型和高校网站信息公开两方面的理论研究构建的，因此适合于采用结构效度进行效度检验。同样，将26个观测变量分成5组分别进行因子分析。在进行因子分析前，需先计算各组变量的KMO检验值，以确定样本数据是否适合作因子分析。用户感知质量、用户感知价值这两组变量的KMO值分别为0.896和0.902，大于0.7这一标准，［1］球形Bartlett检验发现变量间在0.001显著性水平下显著相关，说明这两组适合作因子分析。而高校形象、用户预期、用户满意度和用户信任这四组由于变量数量较少，其KMO值较小，说明不适合分别作因子分析。于是我们将其两两合并，得到其KMO值分别为0.908和0.873，远大于0.7，说明两两合并后的变量组适合作因子分析。运行SPSS17.0软件，对这两组变量作因子分析，只抽取一个公因子来考察各题项测度的一致性程度。表3、表4、表5和表6成分矩阵中显示了这四组变量的因子负荷量，表示了各变量与公因子的相关程度，从表中可以看出，所有变量的因子负荷量都超过了0.45这一标准，说明通过了效度检验，量表具有较好的结构效度。

表3 高校形象与用户预期组变量成分矩阵a

表4 用户感知价值组变量成分矩阵a

表5 用户满意度与用户信任组变量成分矩阵a

表6 用户感知质量组变量成分矩形a

5 模型校验

5.1 模型的拟合优度分析与检验

对问卷调查收集得到的数据运行SmartPLS2.0进行计算分析，得到模型的拟合指标（Quality Criteria），包括平均提取方差（AⅤE），该指标与共同度（Communality）类似；复合效度（Composite Reliability）、R2值、Cronbach’s Alpha值、交叉因子载荷系数（Cross Loadings）以及隐变量相关系数等。本文模型的拟合指标参见表7。

表7 隐含变量各项拟合指标值

由SmartPLS2.0计算结果对模型拟合指标分析显示可知，本文构建的模型是合理的、科学的，主要表现在：表7主要体现的是隐含变量从观测变量处获取解释信息能力的高低，主要方法是比较隐含变量的平均提取方差（AⅤE)。一般认为，AⅤE大于0.5时是合理的，表中除去用户价值感知（0.456931），其余隐含变量的平均提取方差都大于0.5，说明这几个隐含变量从与之相对应的观测变量处获得了相对程度较高的变异信息。Cronbach's Alpha值是模型可信度检验的重要指标，由表可以看出，全部的隐含变量的Cronbach's Alpha值都超过了0.65，说明该模型具有良好的信度。CompositeReliability的意思是组合信度系数，是测量工具的信度系数，若组合信度系数高，表示隐含变量对应测量值一致性程度高。一般来说，组合信度系数的值应大于等于0.7，说明使用的测量工具是可靠的，表中的每个隐含变量组合信度系数值都大于0.7，说明使用的测量工具是可靠的。R Square表示的是用户满意度被其他隐含变量解释的程度，表中用户信任η6、用户感知价值η3、用户感知质量η2、用户预期η1对用户满意度的解释程度达到了0.710505，这个数字已经超过了ECSⅠ中满意度对R平方值的要求（0.65）；Redundancy代表的则是变量的冗余度，分为隐含变量的冗余度和观测变量的冗余度，冗余度越小则模型的拟合程度越高，标准应为冗余度数值不超过0.2，表中所有的冗余度数字均低于0.2，说明模型拟合程度较高。

5.2 Bootstrapping显著性检验

本文模型是在偏最小二乘法建模基础上构建的，由于模型中存在比较复杂的线性或非线性关系（箭头表示），仅仅通过计算结果或者推导很难得到精确的判断，需要通过新型的模型检验方法加以检验。Bootstrapping方法是斯坦福大学Efron教授提出的一种可以不受数据分布假设的局限、基于数据模拟的再抽样参数检验方法，该方法不需要借助或增加新的样本数量，只需依靠给定的样本的信息即可进行检验。［2］作为一种非参数检验方法，适合基于PLS构建的模型检验。Bootstrapping检验结果显示，所有外部模型权重与因子载荷系数的T Statistics数值普遍比较大，证明两者都是显著的，进一步证明了整个模型中所有的隐含变量对其观测变量具备很好的解释能力，可以通过整体检验。

虽然整体模型的显著性效果良好，但是Bootstrapping检验结果同时显示，各个隐含变量间的路径系数显著性检验看出某些隐含变量的路径系数不显著。用户预期对用户感知价值、用户感知质量和用户满意度路径系数的T Statistics数值分别为1.567197、1.374394和1.729332，都小于2，显著性表现不强。同样在检验结果中，也得到关于用户预期对用户价值感知、用户感知质量、用户满意度和用户信任总体效应系数的T Statistics数值都小于2，显著性表现不强。

5.3 测评模型的拟正

以上通过运行SmartPLS2.0得到概念模型的计算结果，并对模型的拟合优度进行了分析，分析结果表明概念模型总体上是通过验证的，具有理论和实证的合理性。但是模型的部分系数值并没有通过Bootstrapping检验，比如用户预期与用户满意度的路径系数，为负值，且不显著；用户感知价值与用户信任在概念模型中没有直接路径联系，但是用户感知价值对用户信任的综合影响力却达到了0.808174，其T检验值为22.048069＞2，说明感知质量对学生忠诚存在影响，并且显著不为0。基于此，要对原概念模型进行必要的修正，直至重要参数值通过显著性检验为止，见图。

图修正的高校网站信息公开用户满意度测评模型路径系数图

［1］Kaiser HF．An index of factorial simplicity［J］．Psychomertrika，1974，35：31－36．

［2］Anderson Eugene W，Fornell Claes．Customer satisfaction，productivity and profitability：differences between goods and services［J］．Marketing Science，1997，16（2）：129－145．

G250.72；G252

A

1005－8214（2014）01－0005－04

李博（1987－），男，硕士，主要从事网络信息资源管理研究；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。

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：HGJXHB1110485），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。