客製化
提供您專業的客製化統計代跑服務，專業的統計專家與您溝通討論您的需求，協助您問卷回收後的統計分析作業。
專業統計代跑
透過專業統計團隊，讓您輕鬆的取得問卷分析後的數據，並且提供專業的統計分析圖表及相關資料。
數據提供與建議
在分析後我們將提供分析的結果資料與相關統計分析圖表，您將可直接使用在您的論文中。此外，統計分析團隊亦會提供結果建議讓您在後續論文撰寫上更加快速。
統計分析
結構方程模型(Structural Equation Modeling，SEM)是一門基於統計分析技術的研究方法學，它主要用於解決社會科學研究中的多變量問題，用來處理複雜的多變量研究數據的探究與分析。在社會科學及經濟、市場、管理等研究領域，有時需處理多個原因、多個結果的關係，或者會碰到不可直接觀測的變量（即潛變量），這些都是傳統的統計方法不太能解決的問題。SEM能夠對抽象的概念進行估計與檢定，而且能夠同時進行潛在變量的估計與複雜自變數(Independent Variable)/應變數(Dependent Variable)預測模型的參數估計。
我們團隊採用的統計分析工具為PLS(Partial Least Squares, 偏最小平方法)，Smart PLS是現在有很多管理學院碩士班博士班研究生不可獲缺的統計分析工具之一，PLS是結構方程模型的一種統計分析方法，和傳統的結構方程模型(例如您常聽到用LISREL進行SEM分析)有所區別，但同樣屬結構方程模型的一種。我們可以將過去使用的結構方程模型稱做是Covariance-based SEM (CB-SEM)，主要的原理是透過比較觀察變數的共變矩陣和理論模型的共變矩陣來計算出所謂的Fit，也就是適配度，用以分析研究的模型是否有得到所收集到的資料之支持。
CB-SEM一直以來備受肯定，但是，CB-SEM對於資料的要求相對較高，例如要求常態分配…等，有學者就指出CB-SEM在實徵研究上是不切實際的。若您實際執行過CB-SEM，會發現無論您如何調整model，研究中的model fit始終很難超過很多fit的標準。因此在此所提出之PLS，基本原理跟CB-SEM完全不一樣，PLS簡單的來說是一次跑了許多條迴歸模型。學者把這樣的SEM稱做PLS-SEM。
PLS是近10年來異軍突起的SEM的分枝，尤其是在資訊管理的領域受到重視，頂尖期刊MISQ中，PLS的論文絲毫不比SEM的論文遜色。PLS具有許多優點，例如：
(1). PLS相對於SEM對樣本需求較少，即使只有幾十個也能有效的分析。
(2). PLS無需分析資料符合常態分配，可以避免因為無法符合常態而造成分析無法收斂。
(3). PLS可以處理具有許多構面的複雜的結構模型，SEM在資料很複雜的情形下，如10個構面以上或100個指標以上就會很難收斂或得到不錯的模型配適度。
(4). PLS 可以同時處理反映型指標及形成型指標構面，而SEM只能處理反映型指標，而目前的許多研究中，許多指標應該是形成型指標。
