sem量表数据分析

1、请教大侠，所用的数据不是基于李氏量表的1-7分的那种，能否用结构方程去分析？

不行的，结构方程建模所能分析的数据必须是连续性数据变量，如果是分类变量 比如性别、学历等等就不好纳方程中

2、spss和amos区别

1、工作分工不同。

spss做前期数据描述和除结构线性模型外的多数统计工作，amos专做结构线性模型相关的统计。

2、使用对象不同。

对量表的区分效度（discrimination validity）检验时，发现有人用SPSS，主要是检验平均提取方差（Average variance extracted，AVE）与该因子与任何其他因子的共同方差（highest shared variance）的值。

而有人则用AMOS，检验修正指数（modification index，MI）的显著性，通过x2/df，NNFI，GFI，AGFI，CFI，RMSEA等拟合优度检验。

3、用途不同。

SPSS是探索性统计分析软件，AMOS是验证性统计分析软件。做探索性因素分析时用SPSS，探索性因素分析完成后，为了验证所得到的因子结构是否合理，就需要进行验证性因素分析。

现在的论文如果涉及因子分析的话，大多要求进行验证性因素分析，以及路径分析等等。这时候，AMOS就派上用场了，AMOS可以进行验证性因素分析、路径分析、群组分析等。

(2)sem量表数据分析扩展资料

SPSS操作功能：

1、参数检验：单样本、两独立样本、配对样本。

2、方差分析：单因素、多因素、协方差分析。

3、非参数检验：X2、二项式分布、K—S检验。

4、相关分析和线性回归分析。

5、聚类分析。

6、因子分析。

7、信度分析。以上的内容是经常用到的，尤其是相关分析和线性回归分析。

3、产品经理怎么培养数据分析能力

显然，这里所说的数字和数据，不是指我们每月银行卡里面多出来的那个，而是产品的数据，其中包括行业整体数据、网站运营数据、用户数据、广告投放/转化率数 据、业务/产品销售量数据、产品投入/收益数据等等，所有这些数据构成的综合指标，将决定一个产品经理的业绩评定——当然，最终反映出来的，可能就是个人 银行卡里的数字。在数据指标是很科学的体系的情况下，数据分析得出的结论确实比主观的臆断会更具有确定性和说服力。那么，产品经理在管理一个互联网产品时，到底需要关注哪些数据呢？一般来说，我们主要关注的有以下几个方面：1.网站流量数据。比如访问量、点击量、浏览量、转化率、停留时间等等。以上是基础的指标，但结合到几十万网页还有不同来源、不同时间的时候，就是非常复杂数据体系了。 2.网站用户数据。比如用户人口的属性特征：年龄、性别、行业、职位、地区等等；另外，还有用户行为特征：登录次数、注册数、注销数、点击数、收藏数、操作数、订购量等等。3.访谈数据。可能有些公司会做一些调查问卷，如果能够按照统计学规范设计成量表，那么这种访谈数据也是很有价值的。一般的统计就能从里面了解不少信息，如果问卷设计合理，还可以利用多元统计的方法进一步挖掘更深入的信息。4．财务数据。比如总销售额、毛利、纯利润、成本、广告投放额等。产品是不是赚钱，能赚多少钱，是一个产品经理关注的重点，也是追求的目标。5.外部来源数据：行业市场份额、竞争对手数据等。6.搜索引擎数据：搜索引擎来源比例、SEM流量所占比例、搜索关键词以及各个关键词产生的PV值等。 以上这些数据，是我们经常需要经常用到的，具体在使用的时候，还可能需要根据产品性质不同、KPI不同和职责不同，来选择不同的数据类型，因为市场部和BD和老板所看的数据都是不一样的。对于一个产品经理来说，他不只需要像一个市场分析者或者财务分析者一样了解数据结果，更要通过这些数据的积累和经验进行更加细化的分析和研究，从而了解用户是如何创造出这些数据的，以及为什么创造出这样的数据。只有做到了这些，才能将繁琐枯燥的数字转化为运营能力的提升。那产品经理如何才能做好数据分析呢？首先，要拥有一个好的统计系统，没有好的数据来源，再强的分析能力，也没有用武之地。现在互联网上提供很多，如CNZZ，当然也可以根据产品情况有针对性地进行自主开发；其次，要持续关注数据的变化，最好有专人负责数据汇总和解读。运营数据分析是一个数据持续积累和研究的过程，越多越细致的数据，越能从中获得有价值的分析结果。第三，要定出产品的主要考核指标，并进行定期的周度、月度、季度、年度或者某一个特别事件的专项数据分析，从而了解一个阶段内的发展过程，了解发展趋势；第四，需要采用一些图表，以增强数据的可读性。有时候，再好的语言和文字，也不如一张图来得简洁明了；最后，除了自己的产品外，我们还需要时刻关注行业数据的变化，以及中国整体网民对同类型产品的偏好度、用户属性和变化情况。目前也有很多第三方公司提供这类报告，比如艾瑞、CNNIC等。总而言之，数据分析是一个过程漫长，事务繁杂的工作，但只要你对它保持足够的重视程度，坚持不懈地去做，却可能有意外的收获。

4、硕士毕业论文涉及sem结构方程模型，有了解amos的大神吗？

结构方程模型可以用SPSSAU。操作非常简单很容易上手，输出标准格式结果和结构图，针对每一步分析还会提供智能分析建议。

结构方程模型-spssau

结构图-spssau

5、在问卷调查中常用数据分析方法有哪些

我一般都用表单大师做完问卷后直接进行分析

6、销量数据不同，哪个更权威

显然，这里所说的数字和数据，不是指我们每月银行卡里面多出来的那个，而是产品的数据，其中包括行业整体数据、中国站运营数据、用户数据、广告投放/转化率数 据、业务/产品销售量数据、产品投入/收益数据等等，所有这些数据构成的综合指标，将决定一个产品经理的业绩评定——当然，最终反映出来的，可能就是个人 银行卡里的数字。在数据指标是很科学的体系的情况下，数据分析得出的结论确实比主观的臆断会更具有确定性和说服力。那么，产品经理在管理一个互联中国产品时，到底需要关注哪些数据呢？ 一般来说，我们主要关注的有以下几个方面： 中国站流量数据。比如访问量、点击量、浏览量、转化率、停留时间等等。以上是基础的指标，但结合到几十万中国页还有不同来源、不同时间的时候，就是非常复杂数据体系了。 中国站用户数据。比如用户人口的属性特征：年龄、性别、行业、职位、地区等等；另外，还有用户行为特征：登录次数、注册数、注销数、点击数、收藏数、操作数、订购量等等 三.访谈数据。可能有些公司会做一些调查问卷，如果能够按照统计学规范设计成量表，那么这种访谈数据也是很有价值的。一般的统计就能从里面了解不少信息，如果问卷设计合理，还可以利用多元统计的方法进一步挖掘更深入的信息。 财务数据。比如总销售额、毛利、纯利润、成本、广告投放额等。产品是不是赚钱，能赚中国钱，是一个产品经理关注的重点，也是追求的目标。 外部来源数据：行业市场份额、竞争对手数据等。 搜索引擎数据：搜索引擎来源比例、SEM流量所占比例、搜索关键词以及各个关键词产生的PV值等。 以上这些数据，是我们经常需要经常用到的，具体在使用的时候，还可能需要根据产品性质不同、KPI不同和职责不同，来选择不同的数据类型，因为市场部和BD和老板所看的数据都是不一样的。 对于一个产品经理来说，他不只需要像一个市场分析者或者财务分析者一样了解数据结果，更要通过这些数据的积累和经验进行更加细化的分析和研究，从而了解用户是如何创造出这些数据的，以及为什么创造出这样的数据。 只有做到了这些，才能将繁琐枯燥的数字转化为运营能力的提升。那产品经理如何才能做好数据分析呢？首先，要拥有一个好的统计系统，没有好的数据来源，再强的分析能力，也没有用武之地。现在互联中国上提供很多，如CNZZ，当然也可以根据产品情况有针对性地进行自主开发；其次，要持续关注数据的变化，最好有专人负责数据汇总和解读。 运营数据分析是一个数据持续积累和研究的过程，越多越细致的数据，越能从中获得有价值的分析结果。第三，要定出产品的主要考核指标，并进行定期的周度、月度、季度、年度或者某一个特别事件的专项数据分析，从而了解一个阶段内的发展过程，了解发展趋势；第四，需要采用一些图表，以增强数据的可读性。有时候，再好的语言和文字，也不如一张图来得简洁明了； 最后，除了自己的产品外，我们还需要时刻关注行业数据的变化，以及中国整体中国民对同类型产品的偏好度、用户属性和变化情况。目前也有很多第三方公司提供这类报告，比如艾瑞、CNNIC等。总而言之，数据分析是一个过程漫长，事务繁杂的工作，但只要你对它保持足够的重视程度，坚持不懈地去做，却可能有意外的收获

7、如何用spss分析两个维度之间的相关性

李克特量表一般采用5级评分法，可以作为连续性变量进行处理，如果现状有几个问题，可作为几个变量与责任动机、出国动机、内在兴趣动机进行复相关分析，可在多元线性回归分析中实现。如果责任动机、出国动机、内在兴趣动机也分别有多个问题，可进行典型相关分析，我经常帮别人做数据分析的。

8、用spss做相关性分析，有六个维度，每个维度下面平均四个问题，怎么做？

可以计算维度平均值，把多个题项合并成一个维度后，再进行相关分析。

针对问卷量表数据，同时几个题表示一个维度。比如想要将“我在工作中能获得成就感”、“我可以在工作中发挥个人的才能”这两题合并成一个维度（影响因素），可以通过SPSSAU的【生成变量】功能计算均值，生成新的变量用于后续分析。

操作步骤：1、选择所有要合并的题项；2、添加上变量名称；3、确认处理。

生成变量

相关分析