数据结果一致性问题

在进行SPSSAU分析（或其它分析软件）时，有可能出现gap，当出现此类问题时，需要从以下几个方面进行排查和解决：

• 1、分析数据不一致

  如果是免费版，SPSSAU会限制分析样本量(限50个样本)；出现此种情况下，开通会员即可。

  如果是会员，建议使用‘通用方法>描述’进行分析，查看平均值是否完全一致，以检查分析的数据是否完全一致。

  分析数据不一致是人为原因，一定需要人为进行处理。

• 2、分析项放置不一致

  放到右侧框的分析项需要确保一致，包括分析项的数量和顺序；如果是分析项放置不一致，那肯定会出现不一样，因为分析的数据都不一样，这是人工原因需要仔细检查。

  除此之外，分析项放的顺序不一致，也可能带来gap，比如在进行验证性因子分析时，放到框中的第一项默认会作为参考项，但其它软件比如AMOS、R、Mplus等是自己手工设定参考项，当参考项不一致时，结果会不一致。此种情况是正常现象而且完全正确，不用理会即可。

• 3、算法之ML极大似然法

  从算法角度上，ML极大似然法估计是非常常见和通用的模型参数估计方法。有很多研究方法均会使用ML极大似然法，它是一种数据迭代算法。如果迭代最后收敛，结果会完全一致，但是如果数据质量不太好，有可能会出现迭代不收敛，最终导致数据不一致。这是一种正常现象，因为收敛的标准可能不一致，比如有的软件以10的-5次方作为收敛标准，而有的以10的-3次方作为标准。通常情况下SPSSAU以10的-5次方作为收敛标准。

  在实务研究中，绝大多数情况下数据均为收敛，因此会保持一致性结果，但也有极小可能会出现数据不收敛因而不同软件（比如SPSS、Stata、R、SPSSAU、Mplus、LISREL软件等）等出现不一致的结果，每个软件出来的结果均会有一定的gap，此种gap是正常现象，此种不一致会带来结果的不一致，但结论上通常是一致并无区别。

  SPSSAU中涉及到ML极大似然法的方法包括以下：验证性因子分析CFA、路径分析、结构方程模型SEM、二元Logit、多分类Logit、有序Logit、二元Probit、Cox回归等。上述分析方法有可能出现数据结果的不一致，但整体结论或结果通常会保持一致。

  建议点击查看数学原理文档，点击查看

• 4、算法之参数配置

  通常情况下，分析方法需要进行一些参数配置，比如说因子分析时，SPSSAU默认输出KMO值和Barelett值等，但其它很多软件并不会默认输出，需要自己手工设置。也比如因子分析时SPSSAU默认以varimax方法进行旋转，并且在分析结果中进行说明。但其它软件比如SPSS需要手工进行配置。另外，SPSSAU面板模型默认输出个体固定和个体随机效应，但相关软件比如Stata、Eviews等需要手工进行设置。

  诸如上述情况时，不同的参考配置会导致不一致的结果，当出现此类情况时，建议查阅SPSSAU对应的帮助手册里面会有详细说明。

• 5、算法之随机过程

  有的时候，算法本身就自带‘随机性’，比如聚类算法时第一步就需要随机找到聚类中心，这就是算法本身的要求，因此当出现此类情况下，最终的结果有可能有gap，这种gap是正常而且是必须，不同的软件第一步随机种子不会一致，因而最终的结果很可能不会完全一致；但这本身就是算法本身的要求，结论一致即可。

  除此之外，SPSSAU生成变量里面有‘随机编号’功能，以及问卷研究>中介作用里面的bootstrap抽样法，都是一种随机抽样的过程，结论上会保持一致，但具体结果数字上不会完全一致，这是一定的现象。

• 6、哑变量设置

  如果定类数据进行影响关系研究，很可能会涉及到哑变量，那么参照项的选择上会不一致。SPSSAU是手工放置参照项，但SPSS、Stata软件等会默认以数字最小或数字最大项作为参考项。这种情况一定会导致结果不一致。具体建议以自己的需要进行设置参考项（即不放入模型的那一项），而不能随意让软件控制思想。

  诸如上述情况时，不同的参考配置会导致不一致的结果，当出现此类情况时，建议查阅SPSSAU对应的帮助手册里面会有详细说明。

  关于虚拟哑变量，可参考此文档： https://www.spssau.com/helps/otherdocuments/dummy.html

• 7、反馈

  数据的不一致是人为原因，需要人为处理。如果是其它问题，需要首先确定问题然后进行查看，如果是正常现象则不用理会。如果确定不是正常现象，欢迎发送2项资料（1是数据（在SPSSAU右上角“我的数据”点击“分享”按钮得到数据链接发送），2是操作截图）提交人工客服反馈，会由人工客服查看后回复。谢谢。