分享

技术接受模型TAM用SPSS还是Amos、Lisrel、Mplus、PLS做数据分析?

 你好_顺其自然 2017-08-17
     技术接受模型(Technology Acceptance Model,简称TAM)由美国学者戴维斯根据理性行为理论(Theory of Reasoned Action,简称TRA)在信息系统/计算机技术领域发展而来,用于解释和预测人们对信息技术的接受程度。通过这个模型的分析,我们可以了解各种外部因素对使用者使用技术系统的内部信念(beliefs)、态度(attitudes)及意向(intentions)的影响,主要的研究应用涉及两个方面:使用意愿和购买意向。

一般的TAM模型的理论示意图如下:

 

技术接受模型TAM用SPSS还是Amos、Lisrel、Mplus、PLS做数据分析?

当我们采用TAM去解释和预测人们对某个技术系统(如某种商品)的接受情况时,需要用数据进行实证检验。由于TAM是一种路径模型,因此需要用回归分析来处理。基于回归分析的统计软件或方法主要有这么几种:SPSSAmosLisrelMplusSmartPLS。那么,这五种软件在做TAM数据分析时有何优缺点呢?南心网综合了多年来为客户分析TAM模型的经验,将其归纳整理如下:

1SPSS分析TAM的优缺点。

 SPSSTAM的分析主要采用的是建立多个联立回归方程的分析方法,即有多少个回归方程就要做多少次回归分析。SPSS方法的最大优点是方法简单,操作简便,只要根据因变量做多次回归分析,然后将每个回归分析的标准化回归系数及其显著性水平求出来,列表或整理到图上即可。由于很多专业在本科阶段就教授SPSS,加上SPSS的操作方法和统计原理也简单,因此,很多研究者选用SPSS来做TAM分析

SPSS的缺点也是明显的:

第一,要根据因变量分开多次做回归分析,因此,过程比较琐碎;

第二,SPSS不能直接输出带有参数的路径模型图(需要手工画图整理),因而结果的表达与解释不够简单明了,尤其是对于中介效应的表达上;

第三,SPSS只能处理单个回归路径(两个变量之间的关系),不能直接处理多个中介路径形成的中介效应,至少不能报告中介效应的显著性水平,虽然Process插件对此有明显改善,但它依然需要分成多个联立方程来处理;

第四,SPSS只能检验路径系数和显著性水平,不能输出模型的整体拟合度;

第五,SPSS只能处理显变量,不能处理潜变量;

第六,SPSS无法比较不同中介变量所起的中介效应差异。

2Amos分析TAM的优缺点

 AmosLisrelMplusPLS等,是结构方程模型软件之一,用于处理多因变量及潜变量模型。Amos在处理TAM时的优点有以下几个方面:

第一,和其他结构方程模型一样,Amos可以同时处理多个联立回归方程,即多因变量、多路径模型,而不需要像SPSS那样分步处理,并且是以带有参数的整体模型图的形式输出结果;

第二,和其他结构方程模型一样,Amos可以做模型的整体拟合度检验,例如GFIRMSEA等,而且可以直接输出中介效应、总效应值;

第三,和其他结构方程模型一样,Amos可以处理潜变量,这是结构方程模型相比于SPSS的突出优势。

第四,Amos可以进行多群组分析、约束模型检验等特殊问题。

第五,Amos比其他结构方程模型更方便构建模型图,是目前结构方程模型软件中构建与调整模型图最方便的软件。

Amos的缺点在于,相比于LisrelMplus而言,Amos功能不够强大,例如对于非正态数据的处理、特殊估计方法的运用等。

3LisrelMplus分析TAM的优缺点

LisrelMplusAmos功能强大N多倍,几乎拥有Amos的所有功能,只是在操作画图等方面稍显不足而已。Lisrel采用的是正统的统计术语和参数符号,学术性、严谨性和规范性更强。不足之处在于要学习这一套统计参数符号需要一定时间,此外,Lisrel软件的可视化操作不如Amos强大。

Mplus可谓线性统计的集大成者,功能最为全面,目前普及应用很快,大有全面压倒AmosLisrel的趋势。

第一,Mplus拥有AmosLisrel几乎全部的功能,同时还拥有很多独特功能,例如潜在类别、潜剖面分析、多层线性模型分析等,另外,Mplus还擅长对类别数据以及各种稳健估计法的处理。

第二,Mplus应用在TAM上的独特优势在于:可以方便的检验模型中不同中介变量单独所起中介效应的大小及其显著性水平,甚至可以比较不同中介效应的差异;

第三, Mplus可以方便的处理TAM模型中可能涉及的分类变量。

不足之处在于,Mplus使用的是语法程序,所以会让很多人望而却步(但实际上也不是很难)。

4SmartPLS分析TAM的优缺点

以上介绍的AmosLisrelMplus都是基于协方差矩阵的结构方程模型分析,这种传统结构方程模型算法容易出现以下问题:

第一,非正定矩阵、系数大于1、单一测量指标过多等带来的模型无法识别问题;

第二,模型过于庞大或样本量太小导致的模型拟合不达标问题;变量共线性造成的模型结果不可接受、参数估计严重偏差等问题;

第三,数据严重非正态分布导致的参数估计偏误问题;对形成性测量模型、潜变量分数处理功能不足问题。

SmartPLS的优点恰恰是解决了以上问题,尤其是对非正态分布数据、小样本数据、形成性测量模型、单一测量指标的处理。此外,SmartPLS对于结果的输出也有独特之处,例如可以直接生成内部一致性信度、组合信度、AVE、区别效度等。只是,SmartPLS缺少整体模型拟合的评价指标,这是它最主要的缺点。

综合以上,研究者需要结合研究变量和数据的特点来选择统计软件。总体而言,我们认为,SPSS不用为佳,结构方程模型软件更为适合,因为它不论是显变量(SPSS)还是潜变量都可以处理,而且是以整体模型的形式输出结果,可以在总体上检验理论模型与数据的拟合情况。



    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多