sem量表數據分析

1、請教大俠，所用的數據不是基於李氏量表的1-7分的那種，能否用結構方程去分析？

不行的，結構方程建模所能分析的數據必須是連續性數據變數，如果是分類變數 比如性別、學歷等等就不好納方程中

2、spss和amos區別

1、工作分工不同。

spss做前期數據描述和除結構線性模型外的多數統計工作，amos專做結構線性模型相關的統計。

2、使用對象不同。

對量表的區分效度（discrimination validity）檢驗時，發現有人用SPSS，主要是檢驗平均提取方差（Average variance extracted，AVE）與該因子與任何其他因子的共同方差（highest shared variance）的值。

而有人則用AMOS，檢驗修正指數（modification index，MI）的顯著性，通過x2/df，NNFI，GFI，AGFI，CFI，RMSEA等擬合優度檢驗。

3、用途不同。

SPSS是探索性統計分析軟體，AMOS是驗證性統計分析軟體。做探索性因素分析時用SPSS，探索性因素分析完成後，為了驗證所得到的因子結構是否合理，就需要進行驗證性因素分析。

現在的論文如果涉及因子分析的話，大多要求進行驗證性因素分析，以及路徑分析等等。這時候，AMOS就派上用場了，AMOS可以進行驗證性因素分析、路徑分析、群組分析等。

(2)sem量表數據分析擴展資料

SPSS操作功能：

1、參數檢驗：單樣本、兩獨立樣本、配對樣本。

2、方差分析：單因素、多因素、協方差分析。

3、非參數檢驗：X2、二項式分布、K—S檢驗。

4、相關分析和線性回歸分析。

5、聚類分析。

6、因子分析。

7、信度分析。以上的內容是經常用到的，尤其是相關分析和線性回歸分析。

3、產品經理怎麼培養數據分析能力

顯然，這里所說的數字和數據，不是指我們每月銀行卡裡面多出來的那個，而是產品的數據，其中包括行業整體數據、網站運營數據、用戶數據、廣告投放/轉化率數 據、業務/產品銷售量數據、產品投入/收益數據等等，所有這些數據構成的綜合指標，將決定一個產品經理的業績評定——當然，最終反映出來的，可能就是個人 銀行卡里的數字。在數據指標是很科學的體系的情況下，數據分析得出的結論確實比主觀的臆斷會更具有確定性和說服力。那麼，產品經理在管理一個互聯網產品時，到底需要關注哪些數據呢？一般來說，我們主要關注的有以下幾個方面：1.網站流量數據。比如訪問量、點擊量、瀏覽量、轉化率、停留時間等等。以上是基礎的指標，但結合到幾十萬網頁還有不同來源、不同時間的時候，就是非常復雜數據體系了。 2.網站用戶數據。比如用戶人口的屬性特徵：年齡、性別、行業、職位、地區等等；另外，還有用戶行為特徵：登錄次數、注冊數、注銷數、點擊數、收藏數、操作數、訂購量等等。3.訪談數據。可能有些公司會做一些調查問卷，如果能夠按照統計學規范設計成量表，那麼這種訪談數據也是很有價值的。一般的統計就能從裡面了解不少信息，如果問卷設計合理，還可以利用多元統計的方法進一步挖掘更深入的信息。4．財務數據。比如總銷售額、毛利、純利潤、成本、廣告投放額等。產品是不是賺錢，能賺多少錢，是一個產品經理關注的重點，也是追求的目標。5.外部來源數據：行業市場份額、競爭對手數據等。6.搜索引擎數據：搜索引擎來源比例、SEM流量所佔比例、搜索關鍵詞以及各個關鍵詞產生的PV值等。 以上這些數據，是我們經常需要經常用到的，具體在使用的時候，還可能需要根據產品性質不同、KPI不同和職責不同，來選擇不同的數據類型，因為市場部和BD和老闆所看的數據都是不一樣的。對於一個產品經理來說，他不只需要像一個市場分析者或者財務分析者一樣了解數據結果，更要通過這些數據的積累和經驗進行更加細化的分析和研究，從而了解用戶是如何創造出這些數據的，以及為什麼創造出這樣的數據。只有做到了這些，才能將繁瑣枯燥的數字轉化為運營能力的提升。那產品經理如何才能做好數據分析呢？首先，要擁有一個好的統計系統，沒有好的數據來源，再強的分析能力，也沒有用武之地。現在互聯網上提供很多，如CNZZ，當然也可以根據產品情況有針對性地進行自主開發；其次，要持續關注數據的變化，最好有專人負責數據匯總和解讀。運營數據分析是一個數據持續積累和研究的過程，越多越細致的數據，越能從中獲得有價值的分析結果。第三，要定出產品的主要考核指標，並進行定期的周度、月度、季度、年度或者某一個特別事件的專項數據分析，從而了解一個階段內的發展過程，了解發展趨勢；第四，需要採用一些圖表，以增強數據的可讀性。有時候，再好的語言和文字，也不如一張圖來得簡潔明了；最後，除了自己的產品外，我們還需要時刻關注行業數據的變化，以及中國整體網民對同類型產品的偏好度、用戶屬性和變化情況。目前也有很多第三方公司提供這類報告，比如艾瑞、CNNIC等。總而言之，數據分析是一個過程漫長，事務繁雜的工作，但只要你對它保持足夠的重視程度，堅持不懈地去做，卻可能有意外的收獲。

4、碩士畢業論文涉及sem結構方程模型，有了解amos的大神嗎？

結構方程模型可以用SPSSAU。操作非常簡單很容易上手，輸出標准格式結果和結構圖，針對每一步分析還會提供智能分析建議。

結構方程模型-spssau

結構圖-spssau

5、在問卷調查中常用數據分析方法有哪些

我一般都用表單大師做完問卷後直接進行分析

6、銷量數據不同，哪個更權威

顯然，這里所說的數字和數據，不是指我們每月銀行卡裡面多出來的那個，而是產品的數據，其中包括行業整體數據、中國站運營數據、用戶數據、廣告投放/轉化率數 據、業務/產品銷售量數據、產品投入/收益數據等等，所有這些數據構成的綜合指標，將決定一個產品經理的業績評定——當然，最終反映出來的，可能就是個人 銀行卡里的數字。在數據指標是很科學的體系的情況下，數據分析得出的結論確實比主觀的臆斷會更具有確定性和說服力。那麼，產品經理在管理一個互聯中國產品時，到底需要關注哪些數據呢？ 一般來說，我們主要關注的有以下幾個方面： 中國站流量數據。比如訪問量、點擊量、瀏覽量、轉化率、停留時間等等。以上是基礎的指標，但結合到幾十萬中國頁還有不同來源、不同時間的時候，就是非常復雜數據體系了。 中國站用戶數據。比如用戶人口的屬性特徵：年齡、性別、行業、職位、地區等等；另外，還有用戶行為特徵：登錄次數、注冊數、注銷數、點擊數、收藏數、操作數、訂購量等等 三.訪談數據。可能有些公司會做一些調查問卷，如果能夠按照統計學規范設計成量表，那麼這種訪談數據也是很有價值的。一般的統計就能從裡面了解不少信息，如果問卷設計合理，還可以利用多元統計的方法進一步挖掘更深入的信息。 財務數據。比如總銷售額、毛利、純利潤、成本、廣告投放額等。產品是不是賺錢，能賺中國錢，是一個產品經理關注的重點，也是追求的目標。 外部來源數據：行業市場份額、競爭對手數據等。 搜索引擎數據：搜索引擎來源比例、SEM流量所佔比例、搜索關鍵詞以及各個關鍵詞產生的PV值等。 以上這些數據，是我們經常需要經常用到的，具體在使用的時候，還可能需要根據產品性質不同、KPI不同和職責不同，來選擇不同的數據類型，因為市場部和BD和老闆所看的數據都是不一樣的。 對於一個產品經理來說，他不只需要像一個市場分析者或者財務分析者一樣了解數據結果，更要通過這些數據的積累和經驗進行更加細化的分析和研究，從而了解用戶是如何創造出這些數據的，以及為什麼創造出這樣的數據。 只有做到了這些，才能將繁瑣枯燥的數字轉化為運營能力的提升。那產品經理如何才能做好數據分析呢？首先，要擁有一個好的統計系統，沒有好的數據來源，再強的分析能力，也沒有用武之地。現在互聯中國上提供很多，如CNZZ，當然也可以根據產品情況有針對性地進行自主開發；其次，要持續關注數據的變化，最好有專人負責數據匯總和解讀。 運營數據分析是一個數據持續積累和研究的過程，越多越細致的數據，越能從中獲得有價值的分析結果。第三，要定出產品的主要考核指標，並進行定期的周度、月度、季度、年度或者某一個特別事件的專項數據分析，從而了解一個階段內的發展過程，了解發展趨勢；第四，需要採用一些圖表，以增強數據的可讀性。有時候，再好的語言和文字，也不如一張圖來得簡潔明了； 最後，除了自己的產品外，我們還需要時刻關注行業數據的變化，以及中國整體中國民對同類型產品的偏好度、用戶屬性和變化情況。目前也有很多第三方公司提供這類報告，比如艾瑞、CNNIC等。總而言之，數據分析是一個過程漫長，事務繁雜的工作，但只要你對它保持足夠的重視程度，堅持不懈地去做，卻可能有意外的收獲

7、如何用spss分析兩個維度之間的相關性

李克特量表一般採用5級評分法，可以作為連續性變數進行處理，如果現狀有幾個問題，可作為幾個變數與責任動機、出國動機、內在興趣動機進行復相關分析，可在多元線性回歸分析中實現。如果責任動機、出國動機、內在興趣動機也分別有多個問題，可進行典型相關分析，我經常幫別人做數據分析的。

8、用spss做相關性分析，有六個維度，每個維度下面平均四個問題，怎麼做？

可以計算維度平均值，把多個題項合並成一個維度後，再進行相關分析。

針對問卷量表數據，同時幾個題表示一個維度。比如想要將「我在工作中能獲得成就感」、「我可以在工作中發揮個人的才能」這兩題合並成一個維度（影響因素），可以通過SPSSAU的【生成變數】功能計算均值，生成新的變數用於後續分析。

操作步驟：1、選擇所有要合並的題項；2、添加上變數名稱；3、確認處理。

生成變數

相關分析