【课件】長江後浪推前浪－世代交替SPSS-Amos（30页）.pptVIP

.tw/ 張偉豪 三星統計服務有限公司 執行長 Amos 亞洲一哥 長江後浪推前浪－世代交替SPSS ? Amos .tw/ 第二代多變量分析 .tw/ 基本統計概念 觀察變數與潛在變數 連續變數與類別變數 內生變數與外生變數 研究模型 H0假設 估計與檢定 .tw/ 觀察變數與潛在變數 觀察變項(observed, measured, indicator or manifest variables)：(在資料檔中的變數) 人們可以直接觀察，並進行測量的變量，如問卷題目、廣告費、價格、成績等。 潛在變項(latent, unobserved variables, factor or construct)： (資料檔看不到) 不可以直接進行觀測，但可以藉由觀察變項反應的變量，如組織承諾、忠誠度等。 .tw/ 連續變數與類別變數 類別變數 變數本身分成幾個類別，而這些類別本身是互斥的，例如：性別、可支配所得、職業… 交叉分析、同質性、適合度、t檢定、ANOVA、控制變數、干擾變數… 連續變數 理論上要超過16種分類才稱為連續變數；實務上如李克特量表及語意差異量表等，5個分類以上即可當作區間(interval)尺度來使用。 因素、相關、迴歸、路徑…等分析及SEM .tw/ 外生變數 外生(自)變數：Independent, predictor, exogenous, external variable用來預測變數的變數，本身不具有測量誤差的變量(unique, error variables)，有潛在及觀察變數兩種。 模型中沒有被任何箭頭刺到的變數即為外生變數。 如下圖的「信任」，為一外生觀察變數。 .tw/ * 內生變數 內生(依)變數：Dependent, criterion, endogenous, internal variables 被自變數預測的變數，本身具有測量誤差的變量，即使該變數也有去預測別的變數，有潛在及觀察變數兩種。 凡是在模型中被箭頭刺到的變數即為內生變數，如Q1~Q3，S1~S3，服務品質及滿意度。 .tw/ 研究模型與路徑圖 研究模型 研究(潛在/觀察)變數之間關係的統計描述 「認同感」對「購買意願」有正向的影響 路徑圖 研究模型的圖型展現,如下圖 知覺品質 認同感 衝動購買 購買意願 .tw/ H0假設 (虛無假設) SPSS XX與OO沒有差異 (平均數比較) XX對OO沒有影響 (斜率比較) 希望結果為Reject (P0.05) SEM 假設模型與樣本資料沒有差異 希望結果為Don’t RejectP0.05 知覺品質 認同感 衝動購買 購買意願 .tw/ 估計與檢定 估計乃是計算估計參數的信賴區間，所以估計在計算一定的範圍內是否包含了研究假設的參數(一般是0) ，包含0則無法拒絕虛無假設。 檢定是檢驗估計參數是否存在，p0.05則拒絕虛無假設。 p值表示得到H0結果的機率，如果小於5%，則表示H0的結果不太可能得到。 .tw/ SPSS vs. Amos 相似點 均是屬於線性模型的分析 在資料符合常態下，兩者的分析都是有效的 均不能提供因果關係的證明 .tw/ SPSS vs. Amos 相異點 SPSS Amos 分析變數 必須是觀察變數 觀察與潛在變數均可 估計方法 最小平方法 最大概似法 (內定) 構面信度 構面信度假設為1 構面信度不可能為1 分析資料 原始資料 原始資料、共變異數及相關矩陣 參數估計 只有直接效果 包含直接,間接同時完成 自由度 根據樣本數 根據共變異數矩陣 假設 每一條迴歸路徑 模型與樣本沒有差異 模型估計次數 依內生變數而定 一次搞定(型?錯誤控制在5%) .tw/ SPSS vs. Amos 相異點 SPSS Amos 模型估計 (近似)飽和模型 過度辨識模型 模型配適度 無 20種以上 樣本數 只需大於估計參數 大樣本(200) 共線性 需要刪除變數 利用潛在變數合併 呈現方式 表格呈現 圖形呈現 統計檢定 Z,T,F,χ2 χ2差異檢定 重製結果 沒辦法 容易 學習過程 入門容易 入門非常容易 理論背景 複雜 非常複雜 .tw/ SPSS vs. Amos 相關分析 t 檢定 ANOVA 探索式因素分析 多元迴歸分析 路徑分析 典型相關 重複量數 .tw/ 相關分析 衡量變數或構面之間的兩兩相關 .tw/ Independent t 檢定 Y= aX, Y為連續變數, X為二分類變數 .tw/ Independent t 檢定 .tw/ Pair t test 限制m1=m2 .tw/ Amos vs. SPSS output SPSS .tw/ ANOVA(變異數分析) Y= aX, Y為連續變數, X為三分類以上變數，Joreskog建議最多四類 .t