统计软件

当前位置:

LISREL 丨 结构方程模型软件

相关文章            

实用的SEM分析工具            

· LISREL软件中文教程推荐《LISREL方法:多元回归中的交互作用》         

· 结构方程模型软件(SEM)常用软件—LISREL、AMOS、EQS         


LISREL是应用于统计领域的软件。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。


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。


  • LISREL用于结构方程建模(32位应用程序)

  • PRELIS用于数据处理和基本统计分析(32位应用程序)

  • MULTILEV用于分层线性和非线性建模

  • SURVEYGLIM用于广义线性建模

  • CATFIRM用于类别响应变量的形成的基于推理的递归建模(FIRM)

  • MAPGLIM用于多层数据的广义线性建模


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64位应用程序,可将多级线性和非线性模型与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64位应用程序,适用于广义LInear模型(GLIM)与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随机样本数据


LISREL功能:

  • 结构化的本征曲线模型(Structured latent curve models)、序变量因子分析(Factor analysis of ordinal variables)、多级数据的广义线性模型(Generalized linear models (GLIMs) for multilevel data)
    用户可以从多项式,伯努利,泊松,二项分布,负二项分布,正常,Gamma和逆高斯抽样等分布中选择。

  • 观测残差(Observational residuals):使得用户能在计算模型的潜变量的潜变量得分的同时计算观测残差
    书写参数估计,标准误差的估计和PSF测量(Writing parameter estimates, standard error estimates and measures of fit to a PSF)允许用户保存参数估计,标准误差估计,PSF的测量。这些功能有助于蒙特卡洛研究。

  • GUI的改变:允许用户输出格式的数据,如SPSS, SAS, SYSTAT, Statistica等等。

  • 可以分析data和不data时的Multilevel Structural Equation Model,以及非线性Multievel Model(Two-level nonlinear regression models)。

  • 能够提供Efficient Full Information Maximum Likelihood(FIML)方法处理SEM中missing data的问题,模型解释力很强。分析的样本大小和变量个数的多寡限制很小,提供很大的数据处理能力。

  • 提供具有说服力的验证性因素分析(Confirmatory Factor Analysis;CFA)和探索性因素分析(Exploratory Data Analysis;EFA)报告。并利用Formal Inference-based Recursive Modeling(FIRM)方法检测类别变量和连续变量间的复杂统计关系。


LISREL可用于:

  • 测量模型

  • 基于连续或有序数据的结构方程模型

  • 使用多个链接函数建立连续和分类数据的多级模型

  • 基于复杂测量数据的广义线性模型


可以进行的统计分析:

  • 探索性因素分析(EFA)

  • 多元方差分析(MANOVA)

  • 逻辑和概率回归

  • 审查回归

  • 生存分析

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。


  • 现在可以使用序数变量的两阶段多重插补SEM(Chuang and Cai, 2019; MBR)。在以前版本的LISREL中,连续变量的MCMC多重插补方法用于在基本正态分布的假设下插补数变量的缺失数据值。

  • 估计、模型拟合测试以及速度和稳定性改进。

  • 变量名称现在至多包含16个字符。LISREL可以容纳的路径名称的长度也已扩展到192个字符。路径图还可以在显示中容纳更长的变量名称。

  • *.PTH或路径图文件现在是自包含的,允许用户与其他研究人员共享这些文件。它提供了一个更清晰的显示,如果没有对路径图进行任何更改,将不再提示用户保存此文件。自适应正交分析的路径图现在包括在路径图上显示-2 ln L和估计的参数数量(nfree)。

  • 为避免意外运行错误的程序,只有运行LISREL按钮将被用于文件启用了文件扩展名为*.LIS(LISREL语法),*.spl文件(SIMPLIS语法),*.lpj(LISREL通过GUI生成语法),和*.spj(通过GUI生成的SIMPLIS语法)。当*.prl文件(PRELIS、Multievel、Multilevel GLIM、Survey GLIM语法文件)处于活动状态时,Run PRELIS按钮将变成活动状态。

支持的版本:

稳定版:版本11

旧版软件支持:版本9和版本10

对于LISREL 8.8及更高版本的支持将于2021年12月31日结束。


【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.


SPSS Statistics 丨 统计分析软件
GS+ 10 丨 地质统计学软件

上一篇:

下一篇:

分享到: 0