LISREL是应用于高级统计领域的软件。LISREL (LInear Structural RELations)是由K.G. Joreskog & D. Sorbom所发展的结构方程模型(Structural Equation Modeling)软件。LISREL被公认为是极具专业的结构方程模块(Structural Equation Modeling,简称SEM )分析工具,其权威性不容其它类似软件取代。 在过去的四十五年中,LISREL模型,方法和软件已成为结构方程模型(SEM)的同义词。SEM允许社会科学,管理科学,行为科学,生物科学,教育科学和其他领域的研究人员对它们理论进行实证评估。这些理论通常被制定为观察和潜在(不可观察)变量的理论模型。如果收集理论模型的观察变量的数据,则可以使用LISREL程序使模型适合数据。 然而,今天,LISREL不再局限于SEM。LISREL包括64位统计应用程序LISREL,PRELIS,MULTILEV,SURVEYGLIM和MAPGLIM。
PRELIS是64位应用程序,用于数据处理,数据生成,计算矩阵,计算样本矩的估计渐近协方差矩阵,通过匹配进行插补,多元插补,多元线性回归,对数回归,单变量和多元删失回归,ML和MINRES探索性因素分析。 MULTILEV是一个64位应用程序,可将多级线性和非线性模型与简单随机和复杂调查设计中的多级数据拟合。它允许具有连续和分类响应变量的模型。 SURVEYGLIM是一个64位应用程序,适用于广义LInear模型(GLIM)与简单随机和复杂调查设计中的数据。提供了多项式,伯努利,二项式,负二项式,泊松,正态,伽玛和反高斯采样分布的模型。 MAPGLIM是一个64位应用程序,它实现了“(MAP)”方法以将广义线性模型拟合到多级数据。 LISREL是一个64位应用程序,用于标准和多级结构方程建模。这些方法可用于分类和连续变量的完整和不完整的复杂调查数据,以及关于分类和连续变量的完整和不完整的简单随机样本数据。 LISREL适用于: 标准结构方程模型 多级结构方程建模 这些方法适用于以下数据类型: 关于分类和连续变量的完整的不完整的复杂调查数据 关于分类和连续变量的完整且不完整的简单随机样本数据 LISREL功能:
LISREL可用于:
可以进行的其他统计分析包括:
由于LISREL在探讨多变项因果关系上的强力优势,使得LISREL在社会学研究上似乎有愈来愈受重视的趋势,LISREL系属于结构方程模型(structural equation modeling,SEM)家族的一员,因此LISREL的特有能耐亦在于探讨多变项或单变项之间的因果关系。SEM一族的成员包含共变量结构分析(covariance structure analysis)、潜在变项分析(latent variable analysis)、验证性因素分析(comfirmatory factor analysis)、以及LISREL分析(LISREL analysis)等等,SEM结合了多元回归与因素分析,可以同时分析一堆互为关连之依变项间的关系。SEM之使用步骤如下: 1.发展研究者之理论基础模式。 2.建构变项间之因果关系的径路图。 3.将径路图转化为一套结构等式,并指定其测量模式。 4.选择输入矩阵类型(相关矩阵或变异数-共变量矩阵),并对研究者假设之理论模式进行测量与验证。 软件新功能: LISREL 引入了一些以前版本中没有的功能。
【英文介绍】 Introduction Structural equation modeling (SEM) was introduced initially as a way of analyzing a covariance or correlation matrix. Typically, one would read this matrix into LISREL and estimate the model by maximum likelihood. If raw data was available without missing values, one could also use PRELIS first to estimate an asymptotic covariance matrix to obtain robust estimates of standard errors and chi-squares. SSI has enjoyed great success over the years in the development and publishing of statistical software and is proud to announce the release of LISREL 11. Structural equation modeling (SEM)was introduced initially as a way of analyzing a covariance or correlation matrix. Typically, one would read this matrix into LISREL and estimate the model by maximum likelihood. If raw data was available without missing values, one could also use PRELIS first to estimate an asymptotic covariance matrix to obtain robust estimates of standard errors and chi-squares. 睿于心 驰于行——北京环中睿驰科技有限公司
本文来源【睿驰科技】版权归原作者所有 |
在这个互联网的时代,很多小伙伴想从事互联网行业,相信有很多学习SEO的小伙伴都会有...
对于市场、公关、舆情等领域的资深老鸟来说,对SEO可以说是了如指掌,对它可以做哪些...
在做SEO外推的时候,更加侧重主页排名。这就给SEO工作造成一个假象,那就是只要围绕主...
搜索引擎优化seo作为互联网特别重要的行业,一直被受行业、企业、网民关注,seo知识体...
这两天在SEO界发生了一件大事,一英文内容站ValuePenguin.com正在被收购,$105 millio...
来源:参考自Estimation of Dynamic Panel Threshold Model using Stata,作者:Myung...