当前位置:首页 > 软件 > 数据建模 > Muthén&Muthén Mplus 结构方程模型 数据建模

Muthén&Muthén Mplus 结构方程模型 数据建模
  • Muthén&Muthén Mplus 结构方程模型 数据建模

Muthén&Muthén Mplus 结构方程模型 数据建模

更新时间:2023-02-21 21:32:26

价格:
立即询价
型号:
Mplus 结构方程模型
正版保证:
原装正品
品牌:
Muthén&Muthén
质保服务:
货期:
现货
产品状态:
成熟产品
发票类型:
含13%货物增票
产品类型:
标准规格
物流费用:
包运费
品牌属国:
欧美品牌
支付方式:
公对公付款 公司支付宝
服务区域:
适用场景:
采购提示:为了快速获取报价,请提供准确产品型号、规格。操作如下:
A、查看原购销合同里的产品型号、规格
B、确认实物标签上的P/N号(可以拍照直接提供)
规格:
0.00元
1台可销售
扫一扫,分享到手机 扫一扫,分享到手机
微信在线咨询
Muthén&Muthén
品牌介绍

相似商品
  • 产品详情
  • 产品视频
  • 采购说明
  • 常见问题
  • 售后说明
  • 商品评价
  • 资料下载
  • 技术支持

Mplus的建模框架借鉴了潜变量的统一主题。而且一般的建模框架来自连续和分类潜变量的使用。连续潜变量用于表示与未观测到的构造相对应的因素,随机效应与发展中的个体差异相对应,随机效应与分层数据中各组间系数变化相对应,弱点对应于生存时间的异质性,责任与疾病遗传易感性相对应,潜在响应变量值与缺失数据相对应。分类潜变量对应于均质个体群,潜在的轨迹分类对应于未观测种群的发展类型,混合组件对应于未观测种群的有限混合,潜在响应变量类别对应于缺失数据。

Mplus建模框架
建模数据的目的是以简单的方式描述数据结构,便于理解和解释。本质上,数据建模相当于指定变量之间的一组关系。下图表示了在Mplus建模中的关系类型。矩形表示观测变量,观测变量可以是结果变量或背景变量。背景变量为X,连续和截尾结果变量为y,二元、有序范畴(序数),无序分类(名词)和计数结果变量为u。圆圈代表潜变量。允许连续变量和类别变量,连续潜变量为f,分类潜变量为c。

图中的箭头表示变量之间的回归关系。回归关系是允许的,但在图中没有具体说明,包括观测到的结果变量之间的回归,连续潜变量之间的回归以及类别潜变量的回归。对于连续结果变量,使用的是线性回归模型。对于结果变量,在删截点有或没有通货膨胀,审查(tobit)都使用回归模型。对于二进制和有序分类结果,使用概率或logistic回归模型。对于无序的分类结果,使用多项式logistic回归模型。对于计数结果,不管通货膨胀率是否为零,都使用Poisson和负二项回归模型。

C:UserschenxiaDesktop6.png

Mplus模型包括连续的潜变量、分类潜变量、连续变量和类别潜变量的组合。上图中,圆柱A描述只有潜在连续变量的模型。圆柱B描述只有特定潜变量的模型。完整的建模框架描述了连续变量和类别变量相结合的模型。上图表明,Mplus估计的描述个体水平的多层次模型(内部)和集群水平(之间)的变量。

Mplus Base Program
Mplus Base Program可以估计回归、路径分析、探索性因素分析和验证性因素分析(EFA和CFA)、结构方程模型(SEM)、增长以及离散和连续时间生存分析模型。在回归和路径分析模型中,观测到的因变量可以是连续的、删失的、二进制的、有序的(序数)、计数或这些变量类型的组合。此外,对于非中介变量的回归分析和路径分析,观测到的因变量可以是无序的分类(名义上)。在探索性因素分析中,因素指标可以是连续的、二进制的、有序的分类(排序)或是这些变量类型的组合。在CFA、SEM和增长模型中,观测到的因变量可以是连续的、删失的、二元的、有序的(序数)、无序的分类(名词)、计数或这些变量类型的组合。其他特殊的功能包括单组或多组分析,缺失数据估计;复杂的调查数据分析,包括分层,聚类,和不平等的选择概率(抽样权重);用极大似然法分析潜在变量相互作用和非线性因素;随机斜率;个体变化的观测次数;非线性参数约束;间接影响;所有结果类型的极大似然估计。引导的标准误差和置信区间;贝叶斯分析与多重归责原则;蒙特卡罗模拟功能以及后处理图形模型。

Mplus Base Program and Mixture Add-On
包含了所有Mplus Base Program的功能。此外,估计回归混合模型;路径分析混合模型;潜在类别分析;具有多分类潜变量的潜类分析;对数线性模型;有限混合模型;编译器的平均因果关系(CACE)模型;潜在类增长分析;潜在转移分析;隐马尔可夫模型以及离散和连续时间生存混合分析。观测到的因变量可以是连续的、删失的、二元的、有序的(序数)、无序的分类(名词)、计数或这些变量类型的组合。其他特殊功能包括单组或多组分析;缺失数据估计;复杂的调查数据分析,包括分层、聚类和不平等的选择概率(抽样权重);用极大似然法分析潜在变量相互作用和非线性因素;随机斜率;个体变化的观测次数;非线性参数约束;所有结果类型的极大似然估计。引导的标准误差和置信区间;贝叶斯分析与多重归责原则;蒙特卡罗模拟功能以及后处理图形模型。

Mplus Base Program and Combination Add-On
Mplus Base Program and Combination Add-On包含了Mplus Base Program and the Mixture and Multilevel Add-Ons的所有功能。此外,它还包括处理同一模型中的集群数据和潜在类的模型。例如,两级回归混合分析、二级混合验证因子分析(CFA)和结构方程模型(SEM)、二级潜类分析、多层增长混合模型、二级离散和连续时间生存混合分析。其他特殊功能包括缺失数据估计;复杂的调查数据分析,包括分层、聚类和不平等的选择概率(抽样权重);用极大似然法分析潜在变量相互作用和非线性因素;随机斜率;个体变化的观测次数;非线性参数约束;所有结果类型的极大似然估计。贝叶斯分析与多重归责原则;蒙特卡罗模拟功能以及后处理图形模型。

适用平台
Microsoft Windows 7/8/10
Mac OS X 10.8或更高版本
Linux (已在下面的平台中测试过: Ubuntu, RedHat, Fedora, Debian和Gentoo)
至少1GB以上的内存
至少120 MB硬盘空间

在线咨询 电话沟通
提交需求 微信客服
二维码
二维码