一般的TAM模型的理論示意圖如下：

當我們采用TAM去解釋和預測人們對某個技術系統(tǒng)（如某種商品）的接受情況時，需要用數(shù)據(jù)進行實證檢驗。由于TAM是一種路徑模型，因此需要用回歸分析來處理。基于回歸分析的統(tǒng)計軟件或方法主要有這么幾種：SPSS、Amos、Lisrel、Mplus、SmartPLS。那么，這五種軟件在做TAM數(shù)據(jù)分析時有何優(yōu)缺點呢？南心網(wǎng)綜合了多年來為客戶分析TAM模型的經(jīng)驗，將其歸納整理如下：

1、SPSS分析TAM的優(yōu)缺點。

 SPSS對TAM的分析主要采用的是建立多個聯(lián)立回歸方程的分析方法，即有多少個回歸方程就要做多少次回歸分析。SPSS方法的最大優(yōu)點是方法簡單，操作簡便，只要根據(jù)因變量做多次回歸分析，然后將每個回歸分析的標準化回歸系數(shù)及其顯著性水平求出來，列表或整理到圖上即可。由于很多專業(yè)在本科階段就教授SPSS，加上SPSS的操作方法和統(tǒng)計原理也簡單，因此，很多研究者選用SPSS來做TAM分析。

但SPSS的缺點也是明顯的：

第一，要根據(jù)因變量分開多次做回歸分析，因此，過程比較瑣碎；

第二，SPSS不能直接輸出帶有參數(shù)的路徑模型圖（需要手工畫圖整理），因而結(jié)果的表達與解釋不夠簡單明了，尤其是對于中介效應的表達上；

第三，SPSS只能處理單個回歸路徑（兩個變量之間的關系），不能直接處理多個中介路徑形成的中介效應，至少不能報告中介效應的顯著性水平，雖然Process插件對此有明顯改善，但它依然需要分成多個聯(lián)立方程來處理；

第四，SPSS只能檢驗路徑系數(shù)和顯著性水平，不能輸出模型的整體擬合度；

第五，SPSS只能處理顯變量，不能處理潛變量；

第六，SPSS無法比較不同中介變量所起的中介效應差異。

2、Amos分析TAM的優(yōu)缺點

 Amos與Lisrel、Mplus、PLS等，是結(jié)構(gòu)方程模型軟件之一，用于處理多因變量及潛變量模型。Amos在處理TAM時的優(yōu)點有以下幾個方面：

第一，和其他結(jié)構(gòu)方程模型一樣，Amos可以同時處理多個聯(lián)立回歸方程，即多因變量、多路徑模型，而不需要像SPSS那樣分步處理，并且是以帶有參數(shù)的整體模型圖的形式輸出結(jié)果；

第二，和其他結(jié)構(gòu)方程模型一樣，Amos可以做模型的整體擬合度檢驗，例如GFI、RMSEA等，而且可以直接輸出中介效應、總效應值；

第三，和其他結(jié)構(gòu)方程模型一樣，Amos可以處理潛變量，這是結(jié)構(gòu)方程模型相比于SPSS的突出優(yōu)勢。

第四，Amos可以進行多群組分析、約束模型檢驗等特殊問題。

第五，Amos比其他結(jié)構(gòu)方程模型更方便構(gòu)建模型圖，是目前結(jié)構(gòu)方程模型軟件中構(gòu)建與調(diào)整模型圖最方便的軟件。

Amos的缺點在于，相比于Lisrel和Mplus而言，Amos功能不夠強大，例如對于非正態(tài)數(shù)據(jù)的處理、特殊估計方法的運用等。

3、Lisrel與Mplus分析TAM的優(yōu)缺點

Lisrel與Mplus比Amos功能強大N多倍，幾乎擁有Amos的所有功能，只是在操作畫圖等方面稍顯不足而已。Lisrel采用的是正統(tǒng)的統(tǒng)計術語和參數(shù)符號，學術性、嚴謹性和規(guī)范性更強。不足之處在于要學習這一套統(tǒng)計參數(shù)符號需要一定時間，此外，Lisrel軟件的可視化操作不如Amos強大。

Mplus可謂線性統(tǒng)計的集大成者，功能最為全面，目前普及應用很快，大有全面壓倒Amos和Lisrel的趨勢。

第一，Mplus擁有Amos、Lisrel幾乎全部的功能，同時還擁有很多獨特功能，例如潛在類別、潛剖面分析、多層線性模型分析等，另外，Mplus還擅長對類別數(shù)據(jù)以及各種穩(wěn)健估計法的處理。

第二，Mplus應用在TAM上的獨特優(yōu)勢在于：可以方便的檢驗模型中不同中介變量單獨所起中介效應的大小及其顯著性水平，甚至可以比較不同中介效應的差異；

第三， Mplus可以方便的處理TAM模型中可能涉及的分類變量。

不足之處在于，Mplus使用的是語法程序，所以會讓很多人望而卻步（但實際上也不是很難）。

4、SmartPLS分析TAM的優(yōu)缺點

以上介紹的Amos、Lisrel和Mplus都是基于協(xié)方差矩陣的結(jié)構(gòu)方程模型分析，這種傳統(tǒng)結(jié)構(gòu)方程模型算法容易出現(xiàn)以下問題：

第一，非正定矩陣、系數(shù)大于1、單一測量指標過多等帶來的模型無法識別問題；

第二，模型過于龐大或樣本量太小導致的模型擬合不達標問題；變量共線性造成的模型結(jié)果不可接受、參數(shù)估計嚴重偏差等問題；

第三，數(shù)據(jù)嚴重非正態(tài)分布導致的參數(shù)估計偏誤問題；對形成性測量模型、潛變量分數(shù)處理功能不足問題。

SmartPLS的優(yōu)點恰恰是解決了以上問題，尤其是對非正態(tài)分布數(shù)據(jù)、小樣本數(shù)據(jù)、形成性測量模型、單一測量指標的處理。此外，SmartPLS對于結(jié)果的輸出也有獨特之處，例如可以直接生成內(nèi)部一致性信度、組合信度、AVE、區(qū)別效度等。只是，SmartPLS缺少整體模型擬合的評價指標，這是它最主要的缺點。

綜合以上，研究者需要結(jié)合研究變量和數(shù)據(jù)的特點來選擇統(tǒng)計軟件。總體而言，我們認為，SPSS不用為佳，結(jié)構(gòu)方程模型軟件更為適合，因為它不論是顯變量（SPSS）還是潛變量都可以處理，而且是以整體模型的形式輸出結(jié)果，可以在總體上檢驗理論模型與數(shù)據(jù)的擬合情況。