📊SPSS & SEM 完全攻略~邱允文

11月 20, 2025

📊《SPSS & SEM 一次搞懂！從基礎操作到進階建模的全攻略》是涵蓋SPSS軟體操作基礎知識及結構方程模型（SEM）高階建模技巧的完整教學方案，適合想從零開始學習並逐步深入SEM分析的使用者。 SPSS提供了資料關係匯入、變數定義、資料報表和基本統計分析功能，而SEM在SPSS中常利用AMOS附加模組進行，該模組提供圖形化介面，幫助使用者輕鬆建模、設定變數及分析模型結果。

此類教學通常包含以下重點：

SPSS基礎操作：資料建檔、編輯、變數設定、描述統計、基本分析流程介紹。
SPSS文法與操作介面教學。
AMOS軟體介紹與SEM模型相當。
SEM模型的現況、驗證性成分分析(CFA)、結構模型設計及效果檢測確定。
進階SEM模型擴展技巧與實例解析。

值得參考的是2025年多場由專業講師提供的全套相關課程，含從SPSS基礎到SEM實務的全面講解，適合系統性掌握相關技能。最佳+5號

若需要更詳細的教學內容或實際操作指引，也可依需求查詢相關影片教學與課程資源。

SPSS 是統計分析的入門磚，而 SEM（結構方程模型）則是進階量化研究的神器。很多研究者（尤其是社會科學、商管領域）都會經歷從 SPSS 轉向 SEM 的過程。

整理了一份 「SPSS & SEM 完全攻略」，將內容結構化為一個 Markdown 文件。這份指南涵蓋了從資料清理、基礎分析、因素分析（EFA）到驗證性因素分析（CFA）和最終結構模型（SEM）的完整流程。

總結與建議

這份文件為您梳理了從 SPSS 基礎資料處理到 SEM 驗證模型的完整邏輯。

給您的操作建議：

不要急著進 SEM：大部分的模型跑不出來，都是因為前面的資料清理（SPSS 階段）沒做好，例如信度太低、或者 EFA 分類不清。
軟體選擇：
- 如果你是做驗證性研究（已經有很強的理論框架），建議用 IBM SPSS AMOS（Covariance-based SEM）。
- 如果你的樣本數較少、資料非常態，或者做預測性/探索性研究，可以考慮用 SmartPLS（Variance-based SEM）。
關注指標：在學術發表中，CFI、RMSEA 和 $\chi^2/df$ 是審稿人最看重的三個適配度指標，務必確保達標。

希望這份攻略能幫助您順利完成分析與論文！

SPSS & SEM 完全攻略

SPSS & SEM 完全攻略：從基礎操作到進階建模

這份指南旨在幫助研究者、學生及數據分析師快速掌握 IBM SPSS Statistics 與結構方程模型（SEM，通常搭配 SPSS AMOS 或 SmartPLS）的核心操作流程。

第一部分：觀念釐清

在打開軟體之前，必須先理解這兩者的關係與適用場景：

特性	SPSS (Statistics)	SEM (如 AMOS)
主要功能	描述統計、差異檢定、迴歸分析	處理潛在變數、路徑分析、模型適配
變數類型	處理「觀察變數」(題目分數)	同時處理「觀察變數」與「潛在變數」(構念)
強項	資料清理、預處理、平均數差異	驗證理論模型、中介/調節效應
分析層次	第一代統計技術	第二代統計技術

第二部分：SPSS 基礎操作與資料準備

一切分析的基礎都在於資料的品質。

1. 資料檢查與清理 (Data Cleaning)

遺漏值處理 (Missing Value)：
- 操作：分析 > 敘述統計 > 次數分配表。
- 處理：刪除樣本（Listwise deletion）或插補法（如平均數插補）。
極端值 (Outliers)：
- 使用箱型圖 (Boxplot) 檢查並剔除不合理的極端值。
常態性檢定 (Normality)：
- SEM 對常態性有要求。檢查 偏態 (Skewness) 與 峰態 (Kurtosis)。
- 標準：絕對值通常建議 < 1.96 或 < 3 (較寬鬆標準)。

2. 敘述統計 (Descriptive Statistics)

樣本背景分析：計算性別、年齡、學歷的次數與百分比。
變數描述：計算各題項的平均數 (Mean) 與標準差 (SD)。

3. 信度分析 (Reliability Analysis)

檢測問卷題目是否穩定、一致。

操作：分析 > 尺度 > 信度分析。
指標：Cronbach's Alpha。
- 0.7：可接受。
- 0.8：良好。
- < 0.6：需重新評估題目。

4. 探索性因素分析 (EFA)

這是進入 SEM 前的關鍵步驟，用於確認題目是否歸類到正確的構念（維度）。

操作：分析 > 維度縮減 > 因素。
關鍵設定：
- 萃取法：主軸因素法 (Principal Axis Factoring) 或主成分分析 (PCA)。
- 轉軸法：若因素間相關選 Promax/Direct Oblimin；若不相關選 Varimax。
指標：
- KMO 值：> 0.7 適合做因素分析。
- Bartlett 球形檢定：顯著 (p < .05)。
- 因素負荷量 (Factor Loading)：建議刪除 < 0.5 或跨因素負荷嚴重的題目。

第三部分：進階建模 SEM (以 AMOS 為例)

當 SPSS 完成 EFA 並確認維度後，就可以進入 SEM 階段。SEM 分為兩個步驟：測量模型 (CFA) 與 結構模型 (Structural Model)。

步驟一：驗證性因素分析 (CFA - Measurement Model)

確認你的測量工具（問卷）是否真的測到了你想測的潛在變數。

畫圖：
- 橢圓形：潛在變數 (Latent Variable)。
- 長方形：觀察變數 (Observed Variable / 問卷題目)。
- 小圓形：殘差 (Error term，每個長方形都要接一個)。
- 雙箭頭：所有潛在變數之間兩兩相關 (Covariance)。
檢查信效度 (Convergent & Discriminant Validity)：
- CFA 跑完後，需手動計算以下指標（AMOS 不會直接顯示）：
- 組合信度 (CR, Composite Reliability)：建議 > 0.7。
- 平均變異萃取量 (AVE, Average Variance Extracted)：建議 > 0.5。
- 區別效度：某構念的 $\sqrt{AVE}$ 應大於該構念與其他構念的相關係數。

步驟二：結構模型分析 (Structural Model)

將潛在變數之間的「雙箭頭」改為理論假設的「單箭頭」（因果路徑）。

路徑係數 (Path Coefficients)：
- 檢查 p 值是否顯著 (*** 或 p < .05)。
- 檢查標準化係數 ( $\beta$ 值) 的強弱與正負向。
解釋力 ( $R^2$ , SMC)：
- 依變數被解釋的百分比。

第四部分：模型適配度指標 (Model Fit Indices)

無論是 CFA 還是完整的 SEM，都需要報告「模型適配度」。這是告訴讀者「你的理論模型與實際數據貼合得有多好」。

指標類別	指標名稱	建議標準 (Thresholds)	備註
絕對適配指標	Chi-square ( $\chi^2$ )	p > .05 (不顯著為佳)	樣本大時易顯著，通常參考 $\chi^2/df$
	$\chi^2/df$	< 3 (嚴格) 或 < 5 (寬鬆)	常用指標
	GFI	> 0.90	適合度指數
	RMSEA	< 0.08 (可接受); < 0.05 (優)	近似誤差均方根，極重要
	SRMR	< 0.08	標準化殘差均方根
增值適配指標	CFI	> 0.90 (建議 > 0.95)	比較性適配指數，極重要
	TLI (NNFI)	> 0.90	Tucker-Lewis 指數
精簡適配指標	PNFI / PGFI	> 0.50	數值通常較低，大於 0.5 即可

第五部分：進階議題 (中介與調節)

1. 中介效應 (Mediation)

概念：X 透過 M 影響 Y。
檢驗方法：使用 Bootstrapping (重抽樣法)。
- 在 AMOS 設定中開啟 Bootstrap (例如 2000 次，95% 信賴區間)。
- 檢查「間接效果 (Indirect Effect)」的信賴區間是否不包含 0。若不包含 0，則中介成立。

2. 調節效應 (Moderation)

概念：Z 的強弱會改變 X 對 Y 的影響。
檢驗方法：多群組分析 (Multi-Group Analysis)。
- 比較不同群組（如男生 vs 女生）的模型路徑係數是否有顯著差異 (Chi-square difference test)。

學習路徑建議

新手期：先熟悉 SPSS 的介面，學會如何輸入資料、處理反向題、跑基本的描述統計與相關分析。
入門期：搞懂「因素分析 (EFA)」，這是連接 SPSS 與 SEM 的橋樑。
進階期：開始學習畫圖 (AMOS/SmartPLS)，理解什麼是潛在變數，並學會看懂 Model Fit 表格。
大師期：處理複雜的中介、調節模型，以及處理非常態資料或共同方法變異 (CMV) 問題。

小撇步：遇到模型 Fit 不好時，可以參考 Modification Indices (MI)，但修正必須要有理論依據，不能為了數據漂亮而隨意連線。

搜尋此網誌

生日禮物結婚禮物退伍禮物