sas PLS计算出负相关怎么办?

这是我的建议，仅供参考，（xi是变量）
客服人员的态度:  专注与耐心x1
                解决问题的主动性x2            
                服务时间是否足够x3
                。。。。。。
客服人员的业务能力: 准确理解客户需求的x4
                    专业知识水平x5                                    
                    解决问题的方法x6      
                    解决问题的速度x7
                    。。。。。。。
把服务态度用x1-x3表示。。。。，不要作为一个单独变量进入模型。也就是客服人员的态度与专注与耐心的程度、解决问题的主动性等等相关；客服人员的业务能力与客服准确理解顾客需求的能力、专业知识水平、解决问题的方法和解决问题的速度相关等等，由此类推，把一些不必要进入模型的变量剔除掉。

PLS是将主成分分析与多元回归结合起来的迭代估计，是一种因果建模的方法。比如，服务态度是结果，是由x1-x3等原因导致的，所以重新选侧变量时用因果关系去考虑，那些原因、因子或变量可以表达或代表某种态度、能力及感知度等等。

11# 坐看云起时

谢谢坐看云起时,

如果用这种方法, 会得出;
Y=E+ax1+bx2+cx3+.........pxi

然后有二种方法建模型,
一种, 先删除地相关变量, 再重复直接建模型 .(但可能有很多变量-, 但对Y贡献都不大-结果不好解释, 还有一些无法解释, 如不合理负高相关)

二种,根据初步模型, (也就是你的建议)

最后 Y=F+A客服人员的态度+B客服人员的业务能力.....

但需要调整, 因为人工估计的潜变量仍然可能相关高. 而且这种类似PLS+SEM的方法, 对潜变量的计算有争议,比如权重, 系数

能否请教一下, 对潜变量计算的方法? 很感谢

我对PLS模型的了解是源于美国顾客满意度指数模型(ACSI,American Customer Satisfaction Index)，该模型共有6个结构变量，顾客满意度是最终所求的目标变量，预期质量、感知质量和感知价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意度的结果变量。模型中6个结构变量的选取以顾客行为理论为基础。

可是由于其建立的目的是为了监测宏观的经济 运行状况，主要考虑的是跨行业与跨产业部门的顾客满意度比较，而不是针对具体企业的诊断指导，它调查企业的目的只不过是以企业为基准来计算行业、部门和全国的满意度指数。

但是目前我们国家的一些人--所谓的专家，不顾上面的事实，直接把ACSI调整，截取，微缩，然后用PLS建模做满意度模型去评估企业（ACSI它就是一个结构方程模型，包括结构方程（隐变量之间关系的方程）和测量方程（隐变量和测量变量之间关系的方程）。所以正如你所看到的对该模型又是争、又是吵的。所以我一开始建议你用其他方法。

对潜变量计算的方法，本人是搞应用的，理论算法不是我的强项，我不敢给你，我也怕人骂。真是很抱歉！

13# 坐看云起时


谢谢坐看云起时, 你是对的, 把这个模型套到具体企业, 是有一些问题.

谢谢回复