Amos26.0是一款功能全面的结构方程(SEM) 建模软件,其强大的分析技术可以有效地对相关数据进行统计分析,从而让用户制作出更加精确的模型,借助它,还可以使用直观的图形或程序化用户界面构建态度和行为模型,与标准多变量统计方法相比,这些模型可以更准确地反映复杂关系。
【软件特色】
一、图形化用户界面
通过路径图浏览器,可以显示路径模型以及当前文件夹下所有路径模型的描述以及小图标
通过简单的点击来选择程序的选项
通过单击鼠标在路径图上直接创建新的变量
一次点击查看不同的组或模型
浏览数据文件内容
直接从数据集中把变量名字拖拽到路径图上
二、建模能力
创建具有观测变量和潜变量的结构方程模型(包括路径分析和纵向数据模型)
利用两种方法指定候选模型:
为每个候选模型设置一组参数相等的约束
探索性方式应用SEM。AMOS会尝试很多模型,同时基于AIC及BIC统计量比较模型,并给出最佳模型的建议
拟合验证性因子模型,方差成分模型,变量中含有误差的模型,以及一般的潜变量模型
分析均值结构以及多组数据:
利用自动化设置迅速地制定并检验多组数据
同时分析来自多个总体的数据
把因子及回归分析合并到一个模型中同时拟合来节省时间
同时分析多组模型:AMOS能够确定哪些模型是嵌套的并能够自动计算校验统计量
将路径图转化为VB程序
用自动生成的参数限制来拟合线性增长曲线模型
三、潜在类别分析(混合模型)
进行市场细分研究
估计每个类群或划分的大小
进行混合回归分析和混合建模
进行混合因子分析
估计个体属于某类群的概率
训练分类模型。预先指定一些个体属于某个组,再利用模型对剩余的个体分类
在多组模型中,限定一些模型参数在各族相等,同时其它参数可随不同组而变化
四、贝叶斯估计
通过指定内容丰富的先验分布,改进估算。
利用可自动调整的底层“马尔可夫链蒙特卡尔理论 (Markov chain Monte Carlo, MCMC)”计算方法。
以有序的分类数据和审查数据执行估算。
基于非数字数据创建模型,而无需将数字分数分配给数据。
使用审查数据,而无需进行除正常情况之外的假定。
五、处理海量计算模型
无论数据是否为正态,您都可以利用功能强大的bootstrapping方法取得估计值。AMOS中的蒙特卡洛和bootstrapping方法,可以让您简单轻松地获得任意参数估计的偏差和标准误差,包括标准化系数和效应估计
检验多元正态并进行离群值分析
六、模型创建
利用路径图设定模型
借助图形工具通过路径图直接修改模型
在路径图上显示模型自由度
将部分单步路径图拷贝粘贴到其他路径图中
∨ 展开