LISREL
LISREL untuk Windows - Sebuah gambaran singkatSelama tiga puluh delapan tahun terakhir, model LISREL, metode dan perangkat lunak telah menjadi identik dengan model persamaan struktural (SEM). SEM memungkinkan peneliti dalam ilmu sosial, ilmu manajemen, ilmu perilaku, ilmu biologi, ilmu pendidikan dan bidang lainnya secara empiris menilai teori-teori mereka. Teori-teori ini biasanya dirumuskan sebagai model teoritis untuk diamati dan laten (tidak teramati) variabel. Jika data dikumpulkan untuk variabel yang diamati dari model teoritis, program LISREL dapat digunakan untuk menyesuaikan model untuk data.Hari ini, bagaimanapun, LISREL untuk Windows tidak lagi terbatas pada SEM. The LISREL terbaru untuk Windows mencakup aplikasi statistik berikut.
LISREL untuk model persamaan struktural.
PRELIS untuk manipulasi data dan analisis statistik dasar.
MULTILEV untuk linear hirarkis dan pemodelan non-linear.
SURVEYGLIM untuk pemodelan linear umum.
MAPGLIM untuk pemodelan linear umum untuk data bertingkat.
L LISREL32-bit aplikasi LISREL ditujukan untuk:
Standar pemodelan persamaan struktural
Pemodelan persamaan struktural bertingkatMetode ini tersedia untuk jenis data sebagai berikut:
Data survei kompleks lengkap dan tidak lengkap tentang variabel kategori dan berkesinambungan
Data sampel acak lengkap dan tidak lengkap sederhana pada variabel kategori dan berkesinambunganP PRELISPRELIS adalah aplikasi 32-bit yang dapat digunakan untuk:
Manipulasi data
Transformasi data
Data generatiion
Komputasi matriks saat
Komputasi matriks kovarians asymptotic momen sampel
Imputasi dengan mencocokkan
Beberapa imputasi
Regresi linier berganda
Regresi logistik
Univariat dan multivariat regresi disensor
Analisis faktor eksplorasi ML dan MINRESM MULTILEVMULTILEV cocok linear bertingkat dan model nonlinear data multilevel dari desain survei simple random dan kompleks. Hal ini memungkinkan untuk model dengan variabel respon terus menerus dan kategoris.S SURVEYGLIMSURVEYGLIM cocok Generalized Linear Model (GLIMS) untuk data dari desain survei simple random dan kompleks.Model untuk distribusi sampling berikut tersedia.
Multinomial
Bernoulli
Binomium
Negatif Binomial
Poisson
Normal
Gamma
Gaussian InverseM MAPGLIMMAPGLIM mengimplementasikan metode Maximum A Priori (MAP) untuk menyesuaikan model linier umum untuk data yang bertingkat.
