路径分析指标

1. 潜变量与显变量之间能做路径分析吗应该用什么软件呢

路径分析是结构方程模型的一部分，完整的结构方程模型包含两部分：1、测量模型，研究因子和指标的关系，也就是一般我们说的验证性因子分析；2、因果模型，也就是路径分析，研究的是因子之间的关系。另外提一下，狭义上的路径分析指的是把显变量直接当做潜变量的因果模型。

因此，结构方程模型和路径分析其实是概念与子概念的关系。他们所涉及的统计学原理自然是一样的，只不过如果是狭义上的路径分析，那么默认变量无测量误差，其计算的精确度及误差的控制是不如完整的结构方程模型的。

2. 路径分析的步骤

路径分析在于研究模型影响关系，用于对模型假设进行验证。

针对路径分析的步骤上，SPSSAU建议分为以下三个步骤，分别为：

• 第一步：建立模型。并初步查看模型拟合结构，回归系数显著性等；

• 第二步：调整模型。如果拟合指标不达标(比如RMSEA值过大)，此时共有两种模型调整办法，第一种办法是结合“回归影响关系-MI指标表格”结果及专业知识情况，重新调整模型；第二种办法是设置“模型协方差调整”MI指标参数。多次重复调整模型，直至拟合指标在标准范围内即可。

• 第三步：分析模型。待模型拟合指标达到标准后，对模型进行详细分析和说明。

建议使用SPSSAU路径分析及智能文字分析操作起来更加便利。

3. 路径分析的话，模型比较复杂，估计出来的系数会不会比较怪

一个完整的结构方程模型包含两个部分，一个是测量模型，一个是结构模型，测量模型研究的是潜变量（因子）和显变量（题目或者说测量指标）的关系，简单点说可以认为因子分析就是测量模型，最典型的测量模型就是验证性因子分析；而结构模型是研究潜变量之间或者说因子之间关系的，模型中只有因子而没有测量因子的指标（题项）。
测量模型和结构模型合起来就是一个完整的结构方程模型，二者也可以分开各自单独做。
这里说的结构模型其实就是路径分析，如果要单独去做路径分析，把每个测验的总分或者均分作为因子建模即可，这时候测量指标就不存在了。
这样看，结构方程模型和路径分析其实是同根同源的，路径分析可以认为是完整的结构方程模型的一个部分，二者有从属关系。运算基本原理是一样的，一般都是通过极大似然估计法来估计参数。
主要区别就在于完整的结构方程模型还包含了测量模型，而路径分析没有。显然，如果要做一个完整而严谨的结构方程研究，最好是建立完整的结构方程模型。

4. AMOS做路径分析需要考虑拟合指标吗

需要考虑！
拟合度是检验前提，如果拟合度不加，路径系数的显著性没有意义。
建议可以对模型进行修改，再看看拟合度如何。

5. 路径分析影响因素只选取一个指标可以吗

您好，我目前想做一个路径分析，但不知道程序应该怎么写，也找不到相关资料。想跟您请教一下，
用Lisrel或是Sas怎么做呢？
我的外生变量很多（超过25个），包括一些个人背景的、家庭和同伴特征的，请问是否能通过主成分来缩减指标呢？
如果两个内生变量之间是相关的关系，那么在写方程时是否也要把相关关系写上呢？
庄主@2007-03-13:
为了便于其他读者的理解，我先交待一下路径分析 (path analysis) 的简单背景。
路径分析可以用作多种目的：一是将因变量之间有关系的的若干个回归模型整合在一个模型里，以助分析和表达的完整和简洁；二是在该整合模型中的各自变量对各因变量的“总影响”(total effects) 分解为“直接影响“(direct effects) 和“间接影响”(indirect effects)，如果发现间接影响较大，那就有理论价值了（当然，如下所示，很难发现大的间接影响）；三是通过直接影响和间接影响的比较来验证一个自变量是否为“中介变量”(mediating variable)，即其直接影响不显著而间接影响显著（上面已说过，不容易发现间接影响、如果同时又要其直接影响不显著，那就更难了）。
如此看来，路径分析是个好东西（不好意思，赶了一回时髦）。其从1960年代兴起，1970-80年代已十分流行。我在Indiana念博士时，学院里的老师常用路径分析做研究。后来学了SEM（结构方程模型），才知道路径分析有“含测量误差”和“不含测量误差”两种。前者只研究自变量和因变量之间因果关系，即SEM中的structural model（结构模型）那部分（见图一），而后者则加上了各变量的CFA（验证性因子分析)，也即SEM中的measurement model（测量模型）那部分（图二）。
如何写路径分析的指令（转载） 如何写路径分析的指令（转载）
好了，现在直接回答你的问题。问题1从字面上看，只涉及结构模型那部分，所以比较简单、容易。这种路径分析，不仅可以用LISREL、SAS或其它SEM软件，其实也可以用SPSS等通用统计软件，其结果是一样的。先说在SPSS中如何做。图一是我日前在“Confirmatory regression vs. hierarchical regression" 一文中举的例子相仿（当时只用了三个公式，没有此图）。如前文中所说，因为该模型中有两个因变量（或内生变量，endogenous variables），所以需要建立两个回归模型，分别为公式一和二，其中变量名和系数名有些改动，系数分别记为b和g，是为了与LISREL用法一致，b表示一个内生变量（如W）对另一个内生变量（如Y）的影响、g表示一个外生变量（如X）对一个内生变量（如W或Y）的影响：
Y = b0 + g1X + b2W （公式一）
W = g0 +g2X （公式二）
在SPSS中，就按上述两个公式分别做一个回归分析。如果你习惯用SPSS指令的话，其syntax分别为：
Regression Dependent=Y/Enter X, W.
Regression Dependent=W/Enter X.
然后将两个回归分析所得到的回归系数填入图一，此时要用standardized Beta（即 B1、B2、G1分别为公式一和三中b1、b2、g1的标准化值），就得到了路径分析。当然，这里的B1、B2、G1都是直接影响，我们还不知道年龄对Y的间接影响和总影响（注：上网时间对Y只有直接影响没有间接影响，所以其总影响＝直接影响），但这可以用手算：
X对Y的间接影响 = G1 X B2 （公式三）
X对Y的直接影响 = X对Y的直接影响 + X对Y的间接影响 = B1 + G1 X B2 （公式四）

由于G1 和B2 都是取值0和±1之间，其乘积一般不大。比如，G1 = 0.5、B2 = 0.5，其乘积只有0.25。而在含有测量误差的回归中，达到0.5的系数很少见，更常见的是在0.1-0.3之间，那么其乘积只在0.01-0.10之间。这就是为什么间接影响一般不大的原因。通过SPSS做的路径分析，因为没有将每个变量的测量误差考虑进去，所以是我上面说的“含测量误差”路径分析。同时，因为它是将数个回归分析加以组装（assembled）而非整合（integrated），所以又可以称为“组装型”路径分析。
如果用LISREL呢？大家也许知道，LISREL可以用公式（SIMPLIS）或矩阵 (matrices) 来写。前者容易，其syntax如下 (其中“...”部分为数据定义和其它指令，这里省略了)：
...
RELATIONSHIPS:
Y = X W
W = X
LISREL OUTPUT EF ...
...
前三句于SPSS Regression的syntax相仿，最后一句中的 "EF" 是要求LISREL输出间接影响和总影响的结果，不仅不需要手算了、而且会给出间接影响（即公式四）和直接影响（公式五）的显著检验，而SPSS是无法提供这些显著检验的。
用LISREL矩阵指令的人越来越少，属于“斩蛟龙”之术，这里不介绍。如果你问的就是矩阵指令，请告知。
显然，LISREL的结果是“整合”（而非“组装”）型的路径分析，更是一个好东西（又赶了回时髦）。但是，其结果（即直接、间接和总影响的系数）与SPSS加手算的结果完全一样！（大家可以对同一数据分别用这两种软件验证一下。）道理很简单，因为用的都是同样（含有测量误差）的数据。当然，LISREL可以进一步将各变量的测量指标整合进来（即图二），那么其路径分析的结果与组装结果就可能不一样了，而且一般情况下各种影响的系数都会大一点（因为将测量误差扣除了）。当然，现在很少有人将这种分析叫做路径分析了，而是直接叫SEM（就是一回事嘛）。
最后回答你的问题2和3。问题2：对，可以而且应该根据理论或常识的建议、将很多个直接测量的自变量构建成少数个因子，当然还要看数据是否支持这些合并。问题3：对，如果你的理论模型中并没有对两个内生变量之间的因果关系做任何说明（即在图一或图二中没有B2 ），那么应该将它们当作相关关系来处理。事实上，LISREL会自动计算这种相关关系（在PSY矩阵中）。

6. 如何做用户行为路径分析

用户行为分析是网站分析最为关键的要素，也是决定网站运营分析最为关键的环节，用户分析分析能帮你判断出你的客户群是否精准，你的广告费是否花到位，通过用户行为分析，实现精准营销。

什么是用户行为分析

用户行为分析，是指在获得网站访问量基本数据的情况下，对有关数据进行统计、分析，从中发现用户访问网站的规律，并将这些规律与网络营销策略等相结合，从而发现目前网络营销活动中可能存在的问题，并为进一步修正或重新制定网络营销策略提供依据。这是狭义的只指网络上的用户行为分析。

重点分析的数据

• 用户的来源地区、来路域名和页面；

• 用户在网站的停留时间、跳出率、回访者、新访问者、回访次数、回访相隔天数；

• 注册用户和非注册用户，分析两者之间的浏览习惯；

• 用户所使用的搜索引擎、关键词、关联关键词和站内关键字；

• 用户选择什么样的入口形式（广告或者网站入口链接）更为有效；

• 用户访问网站流程，用来分析页面结构设计是否合理；

• 用户在页面上的网页热点图分布数据和网页覆盖图数据；

• 用户在不同时段的访问量情况等：

• 用户对于网站的字体颜色的喜好程度。

访客流量分析

• 用户群：用户者主要所在区域，24小时之内有多少回访。

• 访问者：访问主要来源哪个区域，如国家、省份、城市。

• 访问量：分析网站月访问，日访问，时访问，来确定网站的高峰是在是何月何日何时。

• 浏览量：访客在一定时间内所浏览内容，日最大浏览量多少，日最小浏览量多少。

• 流量来源：分析网站是从哪方便来的流量。

• 流量页面：哪些页面主要引来的流量。

• 访问者分析：在24小时的回访次数，访客浏览多少页面，在网站中逗留多长时间。

• 访客访问分析：用户电脑所采用的系统语言，所使用的浏览器，屏幕尺寸，屏幕颜色位数。

• 搜索引擎：搜索引擎是提供信息查询的工具，通过分析网站来源关键词，来确定搜索引擎 用户主要关注网站哪些方面。

广告效果分析

广告效果、性价比分析、成本分析、转化率等

恶意点击分析

损耗分析、防御策略等等

用户行为分析的维度

行为分析数据的记录与整理

电子商务网站到手不是立刻开展优化，而是记录之前的数据情况，记录之后要进行一系列维度的数据整合。可以说，数据分析和整理做好对以后的优化有很大的帮助。我一直很强调基础，我们做网站优化要善于记录日志，操作日志，异常日志都要有据可循。也许你会觉得一时很麻烦，但是会免去你以后的很多失误。

举个例子：除了基本的收录、外链、锚文本、UV、关键词排名等，你至少还要注意，访客地区分布情况，频道流量情况，页面点击行为等，而且要把搜索流量与广告流量区分开。对于基础的数据还要记录主要竞争对手的。

关键词分析

一个电子商务网站需要拥有大量的产品和目录，同时海量的页面信息。这些页面是否能带来搜索引擎流量取决于网站自身构架的良好性，页面体验与SEO优化做的到位程度有关。SEO优化怎么样，从网站的关键词策略能大概分析的出，包括很多长尾布局，频道关键词以及首页title的书写。良好的关键词策略是获得大量长尾关键词流量的利器!

所以前期对关键词进行有效的整理，例如对首页核心关键词，频道关键词和重点的一些关键词排名进行检测和记录，必要时要针对专题或者单页面进行特别的seo优化处理。

数据分析

对于基础的数据进行记录是第一步要做的，但那是热身。需要对具体的数据进行更加细致的分解，看到一个网站日PV 10W，日IP 5W并不能证明太多，我们需要分析更多的维度，例如，着陆页面的跳出率情况，直接流量与总流量对比，端到端的ROI等等。

推广流量与自然流量要做好区分，基本上我们所谈及与seo有关的流量是自然流量部分，推广流量中有直接流量，自然流量中也含有直接流量，这势必造成数据上的误导与混淆;所以要安装监控代码识别出来，必要的时候要使用第三方的数据分析工具（如GA.99click旗下的siteflow）。

网站易用性分析

你要了解网站如何呈现给用户的，因为一切seo都是站在用户角度，而不是你的角度，所以网站体验非常重要。尤其对于一个电子商务网站来说，用户体验就是重中之重了。作为电商网站的运营或者seo来说，易用性体现在网站具有清晰的导航系统，方便的搜索系统与醒目的引导系统。三大系统结合起来，会使用户有“流连忘返”的感觉。

用户分析的主要目的

• 把握网站整体布局颜色等。

• 分析用户行为数据进行网站调整。

• 掌握大多数网站用户心理。

• 网站用户行为策划。

• 思维活跃，随时根据用户与改变。

通过对用户行为监测获得的数据进行分析，可以让企业更加详细、清楚地了解用户的行为习惯，从而找出网站、推广渠道等企业营销环境存在的问题，有助于企业发掘高转化率页面，让企业的营销更加精准、有效，提高业务转化率，从而提升企业的广告收益，实现销量的提升。

7. 结构方程模型 和路径分析的区别，原理是否一样

路径分析是结构方程模型的一部分，完整的结构方程模型包含两部分：1、测量模型，研究因子和指标的关系，也就是一般我们说的验证性因子分析；2、因果模型，也就是路径分析，研究的是因子之间的关系。另外提一下，狭义上的路径分析指的是把显变量直接当做潜变量的因果模型。
因此，结构方程模型和路径分析其实是概念与子概念的关系。他们所涉及的统计学原理自然是一样的，只不过如果是狭义上的路径分析，那么默认变量无测量误差，其计算的精确度及误差的控制是不如完整的结构方程模型的。

8. 结构方程模型 和路径分析的区别，原理是否一样

结构方程模型模型能够做路径分析，路径模型本身也是一种结构方程模型，但是结构房模型更多的是用来做潜变量模型，此外，路径模型如果用SPSS来做的话，不能对总体进行拟合检验。

如果满意，请采纳哦，您的采纳是我回答问题的动力哦！