-
SPSSAU提供以下五类数据分析思路供参考。分别是影响关系类研究，现状政策类研究，调节/中介类研究，实验类差异研究和聚类样本类研究。分别如下
-
1、影响关系类研究
剖析
影响关系类研究最为常见，研究影响关系时，通常会先画出模型结构框架，一个框架表述整体研究结构思路情况，研究框架为核心。
-
具体研究内容上：
-
首先对收集数据进行基本的频数分析，比如统计性别，年龄，学历的分布情况如何等。
-
如果研究中涉及样本的特征情况，比如基本行为，或者认知态度相关性，也可使用频数分析进行汇总，进一步了解清楚样本特征情况。
-
影响关系研究时，问卷中通常会涉及非常多的量表题，如果量表题具体应该分成多少个维度，并不完全确定，此时可使用因子分析进行浓缩，得出几个维度（因子），并且找到维度与题项的对应关系情况。（ 备注：一个维度由多个标题项表示，想将多个标题项概括成一个整体，此时需要使用SPSSAU中“生成变量”的“平均值”功能即可）
-
数据的可靠性，是否有信度，是最基础的，一般放在样本基本特征背景情况之后，原因在于首先得知道是一群什么样的样本人群在回答问题。同时信度仅针对量表类数据进行研究，无法针对比如性别，年龄之类的背景信息项进行分析。
-
除开数据可信，还需要研究量表题项具有可靠性。先有数据可靠，再分析有效，这是常见的结构，效度分析和信度分析也可互换位置。
-
数据可靠，并且研究量表有效之后，接着需要对具体维度（量表题项等）进行描述分析，研究样本人群对于量表项的基本态度情况。
-
完成量表题项，各维度的描述性分析之后，再使用相关分析去研究关系情况，为回归分析作准备。
-
在数据有着相关的前提之下，再研究回归影响关系才具有意义。因而回归分析需要放在相关分析之后。并且通常情况下需要使用回归分析去验证假设。
-
有可能还需要对比不同人群，比如性别，年龄等不同群体，他们对于量表题项的态度差异情况，因而一般可使用方差分析，或者t 检验等进行分析。如果说想研究不同背景人群（比如性别，年龄）对于样本行为上的差异性，建议可使用交叉卡方分析等，同时如果涉及多选题的交叉分析等，也对应选择需要的方法即可。
-
-
2、现状政策类研究
剖析
现状政策类研究是非常普遍的，了解群体的基本认知，态度，观点意见或者行为等，通常情况下现状政策类研究更多是非量表题项，因而更多可能是使用频数，交叉等分析方法。此类研究框架的核心在于“分组”。第一件事情为“分组”；比如有30个题，那此此30个题项可以分别归纳为几个方面呢？比如基本背景，认知，态度，行为，原因等五个方面。第二件事情是将“分组”分别作为一个部分进行分析。第三件事情是 分组题项与分组题项 之间进行交叉。
-
具体研究内容上：
-
首先对收集数据进行基本的频数分析，比如统计性别，年龄，学历的分布情况如何等。
-
分别针对“分组”进行分析，每个“分组”作为一个部分进行分析。
-
差异关系研究：比如基本背景分别与“认知”，“态度”，“行为”，“原因”上的差异性（通常是使用交叉分析，当然涉及多选题时，应该选择对应多选题应该使用的交叉方法）
-
如果说希望研究影响关系，比如研究“认知”(X)，“态度” (X)分别对于“行为” (Y)的影响关系，此时可考虑使用二元logit回归分析。但需要特别注意一点是：“行为” (Y)必须只有两个选项，比如愿意和不愿意，购买和不购买，并且必须使用数字1和0分别表示。比如研究网购态度 对于 “是否购买代购产品”的影响，愿意应该用数字1表示，不愿意用数字0表示。
-
备注：如果问卷中有量表题，也可以使用信度分析，方差分析等研究方法。
-
备注：非量表数据请勿使用信度，效度等研究方法。
-
-
3、调节/中介类研究
针对调节或者中介作用分析，请参阅下述资料
-
中介作用： https://www.spssau.com/helps/otherdocuments/mediator.html
-
调节作用： https://www.spssau.com/helps/otherdocuments/moderator.html
剖析
调节/中介作用研究框架，类似于第1类即“影响关系研究”。但此类框架更常见于学术研究，因而可能会多出中介作用，或者调节作用这两部分，基余部分与“影响关系研究”基本类似。请参考“影响关系研究”框架即可。
-
特别提示
-
中介作用或者调节作用研究在学术上是非常谨慎的研究，因而如果需要此两类研究，需要在文献综述部分详细描述清楚中介或者调节作用关系后，才能进行分析（即先有理论依据，然后再使用研究方法进行验证），否则会出现逻辑问题。
-
-
4、实验类差异研究
剖析
实验类研究，通常也称作“情景”类研究等。此类框架在市场研究中相对较为常见。相对来讲，此类研究的核心在于交互关系，而且通常均是使用量表类问卷题。因而很可能会使用到“双因素方差分析”方法。而至于样本背景描述，样本基本特征，行为情况，信度分析和效度分析等，均是需要使用的。并且还有可能使用到“配对t 检验”方法（比如样本在实验前和实验后均有回答，或者实验组和对照组差异研究时）。建议分别参考对应的研究方法文档。
-
5、聚类样本类研究
剖析
聚类样本研究时，第一想到的应该是样本“分类”，即样本人群应该分成几个类别；分了类别之后，通常肯定是需要对比不同类别人群的差异性，比如不同类别群体在态度，行为上的差异性等。
-
特别提示
-
多数情况下聚类是针对定量数据进行，如果是问卷则是量表数据。因而设计问卷的时候需要考虑此因素。
-
具体研究内容上:
-
首先对研究数据样本基本特征情况（比如性别、年龄、学历等）进行分析
-
如果有涉及样本群体的特征、行为、或者态度相关项，则可单独一部分进行分析
-
如果研究量表数据并不知道分成几个维度，比如有20个量表题，应该分成几个维度并不确定，此时可使用因子分析方法进行。找出应该分成几个维度（因子），以及题项和维度的对应关系情况。
-
接着对量表项进行信度和效度分析（ 备注：因子分析已经得出维度与题项对应关系，此时说明已经有效度，有时也可放弃效度分析，从内容完整性上建议放入)
-
完成因子分析后，已经确认得到几个维度，可将此几个维度进行聚类，得到几种类别的群体，然后结合每类群体的特征，给每个聚类类别进行命名。 （备注：一个维度由多个题项表示，想将多个题项概括成一个整体，此时需要使用SPSSAU中“生成变量”的“平均值”功能即可）
-
得到聚类类别之后，接着需要对比不同类别群体的差异性；包括比如在“特征”、“行为”或者“态度”上的差异性。便于结合不同群体提供不同的建议措施等。
-
