统计技术 结构方程分析   研究问题：     结构方程模型，英文名叫Stuctural Equation Modeling，简称SEM.。结构方程可以处理潜变       量与潜变量，潜变量与观测变量之间的关系。SEM不仅可对某个方面各种因素之间的关系进行分       析，而且可对潜变量之间的相关关系，甚至因果关系进行分析。     如品牌印象、期望、质量感知以及满意度等因素，是比较抽象的概念，一般不能直接去测量。于       是我们用一些可以直接测量的变量，来代表和描述那些不能直接测量的变量。这些可以直接测量       的变量，我们称之为“观测变量”（Observed Variable），而其所代表的变量称之为“潜变       量”（Latent Variable）。     结构方程模型包含了因子分析、回归分析、路径分析等多种统计技术，可以处理和描述多个变量       之间的相互关系。如下图所示是一个典型的结构方程模型，箭头表示影响方向：         原理：       结构方程模型实际上是一般线性模型的扩展，包括因子分析、判别分析、多元回归分析、多元方   差分析、路径分析、典型相关等，是多种统计技术的综合应用。           案例：       某电信公司进行客户满意度测评，采用的是TCSI结构方程模型，想了解各个影响因素对满意度的   影响强度，及各因素之间的相互影响关系？     数据格式：       设计调查方案，收集数据如下表：     上述变量为TCSI模型各潜变量的观测变量，采用10级量表，转为100分制。         统计实现和分析：       利用AMOS程序得出如下分析结果：             由上图可知，品牌印象对满意度的直接影响（0.476），高于质量感知对满意度的直接影响   （0.243），说明客户对企业服务的感知来源，主要基于各种广告宣传所传达和构建的服务形象，客户   实际服务接触而形成的质量感知对其评价的影响反而弱化，强势的品牌对企业的服务形象有显著的光   圈效应。

多维尺度分析（MDS） 汽车行业