路徑分析指標

1. 潛變數與顯變數之間能做路徑分析嗎應該用什麼軟體呢

路徑分析是結構方程模型的一部分，完整的結構方程模型包含兩部分：1、測量模型，研究因子和指標的關系，也就是一般我們說的驗證性因子分析；2、因果模型，也就是路徑分析，研究的是因子之間的關系。另外提一下，狹義上的路徑分析指的是把顯變數直接當做潛變數的因果模型。

因此，結構方程模型和路徑分析其實是概念與子概念的關系。他們所涉及的統計學原理自然是一樣的，只不過如果是狹義上的路徑分析，那麼默認變數無測量誤差，其計算的精確度及誤差的控制是不如完整的結構方程模型的。

2. 路徑分析的步驟

路徑分析在於研究模型影響關系，用於對模型假設進行驗證。

針對路徑分析的步驟上，SPSSAU建議分為以下三個步驟，分別為：

• 第一步：建立模型。並初步查看模型擬合結構，回歸系數顯著性等；

• 第二步：調整模型。如果擬合指標不達標(比如RMSEA值過大)，此時共有兩種模型調整辦法，第一種辦法是結合「回歸影響關系-MI指標表格」結果及專業知識情況，重新調整模型；第二種辦法是設置「模型協方差調整」MI指標參數。多次重復調整模型，直至擬合指標在標准范圍內即可。

• 第三步：分析模型。待模型擬合指標達到標准後，對模型進行詳細分析和說明。

建議使用SPSSAU路徑分析及智能文字分析操作起來更加便利。

3. 路徑分析的話，模型比較復雜，估計出來的系數會不會比較怪

一個完整的結構方程模型包含兩個部分，一個是測量模型，一個是結構模型，測量模型研究的是潛變數（因子）和顯變數（題目或者說測量指標）的關系，簡單點說可以認為因子分析就是測量模型，最典型的測量模型就是驗證性因子分析；而結構模型是研究潛變數之間或者說因子之間關系的，模型中只有因子而沒有測量因子的指標（題項）。
測量模型和結構模型合起來就是一個完整的結構方程模型，二者也可以分開各自單獨做。
這里說的結構模型其實就是路徑分析，如果要單獨去做路徑分析，把每個測驗的總分或者均分作為因子建模即可，這時候測量指標就不存在了。
這樣看，結構方程模型和路徑分析其實是同根同源的，路徑分析可以認為是完整的結構方程模型的一個部分，二者有從屬關系。運算基本原理是一樣的，一般都是通過極大似然估計法來估計參數。
主要區別就在於完整的結構方程模型還包含了測量模型，而路徑分析沒有。顯然，如果要做一個完整而嚴謹的結構方程研究，最好是建立完整的結構方程模型。

4. AMOS做路徑分析需要考慮擬合指標嗎

需要考慮！
擬合度是檢驗前提，如果擬合度不加，路徑系數的顯著性沒有意義。
建議可以對模型進行修改，再看看擬合度如何。

5. 路徑分析影響因素只選取一個指標可以嗎

您好，我目前想做一個路徑分析，但不知道程序應該怎麼寫，也找不到相關資料。想跟您請教一下，
用Lisrel或是Sas怎麼做呢？
我的外生變數很多（超過25個），包括一些個人背景的、家庭和同伴特徵的，請問是否能通過主成分來縮減指標呢？
如果兩個內生變數之間是相關的關系，那麼在寫方程時是否也要把相關關系寫上呢？
莊主@2007-03-13:
為了便於其他讀者的理解，我先交待一下路徑分析 (path analysis) 的簡單背景。
路徑分析可以用作多種目的：一是將因變數之間有關系的的若干個回歸模型整合在一個模型里，以助分析和表達的完整和簡潔；二是在該整合模型中的各自變數對各因變數的「總影響」(total effects) 分解為「直接影響「(direct effects) 和「間接影響」(indirect effects)，如果發現間接影響較大，那就有理論價值了（當然，如下所示，很難發現大的間接影響）；三是通過直接影響和間接影響的比較來驗證一個自變數是否為「中介變數」(mediating variable)，即其直接影響不顯著而間接影響顯著（上面已說過，不容易發現間接影響、如果同時又要其直接影響不顯著，那就更難了）。
如此看來，路徑分析是個好東西（不好意思，趕了一回時髦）。其從1960年代興起，1970-80年代已十分流行。我在Indiana念博士時，學院里的老師常用路徑分析做研究。後來學了SEM（結構方程模型），才知道路徑分析有「含測量誤差」和「不含測量誤差」兩種。前者只研究自變數和因變數之間因果關系，即SEM中的structural model（結構模型）那部分（見圖一），而後者則加上了各變數的CFA（驗證性因子分析)，也即SEM中的measurement model（測量模型）那部分（圖二）。
如何寫路徑分析的指令（轉載） 如何寫路徑分析的指令（轉載）
好了，現在直接回答你的問題。問題1從字面上看，只涉及結構模型那部分，所以比較簡單、容易。這種路徑分析，不僅可以用LISREL、SAS或其它SEM軟體，其實也可以用SPSS等通用統計軟體，其結果是一樣的。先說在SPSS中如何做。圖一是我日前在「Confirmatory regression vs. hierarchical regression" 一文中舉的例子相仿（當時只用了三個公式，沒有此圖）。如前文中所說，因為該模型中有兩個因變數（或內生變數，endogenous variables），所以需要建立兩個回歸模型，分別為公式一和二，其中變數名和系數名有些改動，系數分別記為b和g，是為了與LISREL用法一致，b表示一個內生變數（如W）對另一個內生變數（如Y）的影響、g表示一個外生變數（如X）對一個內生變數（如W或Y）的影響：
Y = b0 + g1X + b2W （公式一）
W = g0 +g2X （公式二）
在SPSS中，就按上述兩個公式分別做一個回歸分析。如果你習慣用SPSS指令的話，其syntax分別為：
Regression Dependent=Y/Enter X, W.
Regression Dependent=W/Enter X.
然後將兩個回歸分析所得到的回歸系數填入圖一，此時要用standardized Beta（即 B1、B2、G1分別為公式一和三中b1、b2、g1的標准化值），就得到了路徑分析。當然，這里的B1、B2、G1都是直接影響，我們還不知道年齡對Y的間接影響和總影響（註：上網時間對Y只有直接影響沒有間接影響，所以其總影響＝直接影響），但這可以用手算：
X對Y的間接影響 = G1 X B2 （公式三）
X對Y的直接影響 = X對Y的直接影響 + X對Y的間接影響 = B1 + G1 X B2 （公式四）

由於G1 和B2 都是取值0和±1之間，其乘積一般不大。比如，G1 = 0.5、B2 = 0.5，其乘積只有0.25。而在含有測量誤差的回歸中，達到0.5的系數很少見，更常見的是在0.1-0.3之間，那麼其乘積只在0.01-0.10之間。這就是為什麼間接影響一般不大的原因。通過SPSS做的路徑分析，因為沒有將每個變數的測量誤差考慮進去，所以是我上面說的「含測量誤差」路徑分析。同時，因為它是將數個回歸分析加以組裝（assembled）而非整合（integrated），所以又可以稱為「組裝型」路徑分析。
如果用LISREL呢？大家也許知道，LISREL可以用公式（SIMPLIS）或矩陣 (matrices) 來寫。前者容易，其syntax如下 (其中「...」部分為數據定義和其它指令，這里省略了)：
...
RELATIONSHIPS:
Y = X W
W = X
LISREL OUTPUT EF ...
...
前三句於SPSS Regression的syntax相仿，最後一句中的 "EF" 是要求LISREL輸出間接影響和總影響的結果，不僅不需要手算了、而且會給出間接影響（即公式四）和直接影響（公式五）的顯著檢驗，而SPSS是無法提供這些顯著檢驗的。
用LISREL矩陣指令的人越來越少，屬於「斬蛟龍」之術，這里不介紹。如果你問的就是矩陣指令，請告知。
顯然，LISREL的結果是「整合」（而非「組裝」）型的路徑分析，更是一個好東西（又趕了回時髦）。但是，其結果（即直接、間接和總影響的系數）與SPSS加手算的結果完全一樣！（大家可以對同一數據分別用這兩種軟體驗證一下。）道理很簡單，因為用的都是同樣（含有測量誤差）的數據。當然，LISREL可以進一步將各變數的測量指標整合進來（即圖二），那麼其路徑分析的結果與組裝結果就可能不一樣了，而且一般情況下各種影響的系數都會大一點（因為將測量誤差扣除了）。當然，現在很少有人將這種分析叫做路徑分析了，而是直接叫SEM（就是一回事嘛）。
最後回答你的問題2和3。問題2：對，可以而且應該根據理論或常識的建議、將很多個直接測量的自變數構建成少數個因子，當然還要看數據是否支持這些合並。問題3：對，如果你的理論模型中並沒有對兩個內生變數之間的因果關系做任何說明（即在圖一或圖二中沒有B2 ），那麼應該將它們當作相關關系來處理。事實上，LISREL會自動計算這種相關關系（在PSY矩陣中）。

6. 如何做用戶行為路徑分析

用戶行為分析是網站分析最為關鍵的要素，也是決定網站運營分析最為關鍵的環節，用戶分析分析能幫你判斷出你的客戶群是否精準，你的廣告費是否花到位，通過用戶行為分析，實現精準營銷。

什麼是用戶行為分析

用戶行為分析，是指在獲得網站訪問量基本數據的情況下，對有關數據進行統計、分析，從中發現用戶訪問網站的規律，並將這些規律與網路營銷策略等相結合，從而發現目前網路營銷活動中可能存在的問題，並為進一步修正或重新制定網路營銷策略提供依據。這是狹義的只指網路上的用戶行為分析。

重點分析的數據

• 用戶的來源地區、來路域名和頁面；

• 用戶在網站的停留時間、跳出率、回訪者、新訪問者、回訪次數、回訪相隔天數；

• 注冊用戶和非注冊用戶，分析兩者之間的瀏覽習慣；

• 用戶所使用的搜索引擎、關鍵詞、關聯關鍵詞和站內關鍵字；

• 用戶選擇什麼樣的入口形式（廣告或者網站入口鏈接）更為有效；

• 用戶訪問網站流程，用來分析頁面結構設計是否合理；

• 用戶在頁面上的網頁熱點圖分布數據和網頁覆蓋圖數據；

• 用戶在不同時段的訪問量情況等：

• 用戶對於網站的字體顏色的喜好程度。

訪客流量分析

• 用戶群：用戶者主要所在區域，24小時之內有多少回訪。

• 訪問者：訪問主要來源哪個區域，如國家、省份、城市。

• 訪問量：分析網站月訪問，日訪問，時訪問，來確定網站的高峰是在是何月何日何時。

• 瀏覽量：訪客在一定時間內所瀏覽內容，日最大瀏覽量多少，日最小瀏覽量多少。

• 流量來源：分析網站是從哪方便來的流量。

• 流量頁面：哪些頁面主要引來的流量。

• 訪問者分析：在24小時的回訪次數，訪客瀏覽多少頁面，在網站中逗留多長時間。

• 訪客訪問分析：用戶電腦所採用的系統語言，所使用的瀏覽器，屏幕尺寸，屏幕顏色位數。

• 搜索引擎：搜索引擎是提供信息查詢的工具，通過分析網站來源關鍵詞，來確定搜索引擎 用戶主要關注網站哪些方面。

廣告效果分析

廣告效果、性價比分析、成本分析、轉化率等

惡意點擊分析

損耗分析、防禦策略等等

用戶行為分析的維度

行為分析數據的記錄與整理

電子商務網站到手不是立刻開展優化，而是記錄之前的數據情況，記錄之後要進行一系列維度的數據整合。可以說，數據分析和整理做好對以後的優化有很大的幫助。我一直很強調基礎，我們做網站優化要善於記錄日誌，操作日誌，異常日誌都要有據可循。也許你會覺得一時很麻煩，但是會免去你以後的很多失誤。

舉個例子：除了基本的收錄、外鏈、錨文本、UV、關鍵詞排名等，你至少還要注意，訪客地區分布情況，頻道流量情況，頁面點擊行為等，而且要把搜索流量與廣告流量區分開。對於基礎的數據還要記錄主要競爭對手的。

關鍵詞分析

一個電子商務網站需要擁有大量的產品和目錄，同時海量的頁面信息。這些頁面是否能帶來搜索引擎流量取決於網站自身構架的良好性，頁面體驗與SEO優化做的到位程度有關。SEO優化怎麼樣，從網站的關鍵詞策略能大概分析的出，包括很多長尾布局，頻道關鍵詞以及首頁title的書寫。良好的關鍵詞策略是獲得大量長尾關鍵詞流量的利器!

所以前期對關鍵詞進行有效的整理，例如對首頁核心關鍵詞，頻道關鍵詞和重點的一些關鍵詞排名進行檢測和記錄，必要時要針對專題或者單頁面進行特別的seo優化處理。

數據分析

對於基礎的數據進行記錄是第一步要做的，但那是熱身。需要對具體的數據進行更加細致的分解，看到一個網站日PV 10W，日IP 5W並不能證明太多，我們需要分析更多的維度，例如，著陸頁面的跳出率情況，直接流量與總流量對比，端到端的ROI等等。

推廣流量與自然流量要做好區分，基本上我們所談及與seo有關的流量是自然流量部分，推廣流量中有直接流量，自然流量中也含有直接流量，這勢必造成數據上的誤導與混淆;所以要安裝監控代碼識別出來，必要的時候要使用第三方的數據分析工具（如GA.99click旗下的siteflow）。

網站易用性分析

你要了解網站如何呈現給用戶的，因為一切seo都是站在用戶角度，而不是你的角度，所以網站體驗非常重要。尤其對於一個電子商務網站來說，用戶體驗就是重中之重了。作為電商網站的運營或者seo來說，易用性體現在網站具有清晰的導航系統，方便的搜索系統與醒目的引導系統。三大系統結合起來，會使用戶有「流連忘返」的感覺。

用戶分析的主要目的

• 把握網站整體布局顏色等。

• 分析用戶行為數據進行網站調整。

• 掌握大多數網站用戶心理。

• 網站用戶行為策劃。

• 思維活躍，隨時根據用戶與改變。

通過對用戶行為監測獲得的數據進行分析，可以讓企業更加詳細、清楚地了解用戶的行為習慣，從而找出網站、推廣渠道等企業營銷環境存在的問題，有助於企業發掘高轉化率頁面，讓企業的營銷更加精準、有效，提高業務轉化率，從而提升企業的廣告收益，實現銷量的提升。

7. 結構方程模型 和路徑分析的區別，原理是否一樣

路徑分析是結構方程模型的一部分，完整的結構方程模型包含兩部分：1、測量模型，研究因子和指標的關系，也就是一般我們說的驗證性因子分析；2、因果模型，也就是路徑分析，研究的是因子之間的關系。另外提一下，狹義上的路徑分析指的是把顯變數直接當做潛變數的因果模型。
因此，結構方程模型和路徑分析其實是概念與子概念的關系。他們所涉及的統計學原理自然是一樣的，只不過如果是狹義上的路徑分析，那麼默認變數無測量誤差，其計算的精確度及誤差的控制是不如完整的結構方程模型的。

8. 結構方程模型 和路徑分析的區別，原理是否一樣

結構方程模型模型能夠做路徑分析，路徑模型本身也是一種結構方程模型，但是結構房模型更多的是用來做潛變數模型，此外，路徑模型如果用SPSS來做的話，不能對總體進行擬合檢驗。

如果滿意，請採納哦，您的採納是我回答問題的動力哦！