LISREL 10.2破解版

2019-08-02 | 标签»分享

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帮助研究人员提供一种相当有影响力和灵活性的方法来检查各种群体差异。它提供称为修改索引的指示性信息，帮助研究人员识别等式约束。LISREL可以帮助用户识别需要包含在模型中的交互效果以及不需要包含在模型中的交互效果。指示信息可用于诊断模型规范。

LISREL 10.2新功能

使用单个数据文件进行多组分析：LISREL可用于将多个组结构方程模型拟合到多个组数据。可以使用传统的统计方法，如最大似然（ML），鲁棒最大似然（RML），加权最小二乘（WLS），对角加权最小二乘（DWLS），广义最小二乘（GLS）和非加权最小二乘（ULS）对于完整的多组数据，而完全信息最大似然（FIML）方法可用于不完整的多组数据。
分组和离散时间生存数据的模型：分组时生存数据的模型可用于分析故障时间数据，当在某些事件发生时以固定间隔重复测量受试者时，或者仅在分组时间间隔内确定事件的确切时间时。另外，通常情况下，观察对象嵌套在集群（即，学校，公司，诊所）中，或者根据经常性事件重复测量。在这种情况下，使用假定观察独立性的分组时间模型是有问题的，因为来自相同聚类或主题的观察通常是相关的。
序数结果的模型和比例赔率与非比例赔率假设：在LISREL 10中，可以拟合比例和非比例赔率模型，以使用卡方差分检验来验证比例赔率假设。
结合LISREL和PRELIS功能：LISREL将自动执行标准误差的稳健估计和非正态性下的拟合优度拟合度量。如果数据包含缺失值，LISREL将自动使用完全信息最大似然（FIML）来估计模型。或者，用户可以选择通过EM或MCMC估算缺失值，并基于估算数据估计模型。还包括输出的几个新部分。
使用stat / transfer进行数据转换：数据导入/导出软件已从Stat / Transfer版本13升级到最新发布的版本14。
FIML用于序数和连续变量：LISREL 10支持结构方程模型，用于简单随机样本和复杂调查数据的序数和连续变量的混合。LISREL实现允许使用设计权重将SEM模型拟合到连续和有序显式变量的混合，有或没有缺失值，可选的规则层和/或簇变量。
三级多级广义线性模型：群集或多阶段样本设计经常用于具有固有分层结构的群体。忽略数据的层次结构具有严重的影响。使用诸如将信息聚合和分解到另一个级别的替代方案可以导致预测器之间的共线性增加以及估计的大的或有偏差的标准误差。
用于连续结果变量的四级和五级多级线性模型：社会科学研究通常需要对具有分层结构的数据进行分析。经常引用的多级数据示例是一个数据集，其中包含嵌套在学校内的儿童的测量结果，学校嵌套在教育部门内。