聲明：以上價(jià)格僅供參考，如需采購請(qǐng)直接聯(lián)系我們索取報(bào)價(jià)。
軟件簡(jiǎn)介
Mplus 是一款統(tǒng)計(jì)建模程序，給研究人員提供了一個(gè)靈活的分析數(shù)據(jù)的工具。
Mplus界面簡(jiǎn)單、數(shù)據(jù)和分析結(jié)果以圖形顯示，為研究人員提供廣泛的模型、估計(jì)和算法的選擇。Mplus允許進(jìn)行橫截面和縱向、單級(jí)和多級(jí)數(shù)據(jù)分析；來自不同人群的觀測(cè)數(shù)據(jù)或未觀測(cè)到的異質(zhì)性數(shù)據(jù)，以及包含缺失值的數(shù)據(jù)都可以進(jìn)行分析?？梢詫?duì)連續(xù)、刪失、二進(jìn)制、有序分類（序數(shù)）、無序類別（計(jì)數(shù)）、計(jì)數(shù)或這些變量類型的組合觀測(cè)變量都可以進(jìn)行分析。此外，Mplus還具有廣泛的蒙特卡羅模擬功能，程序中包含的任何模型，都可以生成和分析數(shù)據(jù)。
Mplus的建模框架借鑒了潛變量的統(tǒng)一主題。而且一般的建?？蚣軄碜赃B續(xù)和分類潛變量的使用。連續(xù)潛變量用于表示與未觀測(cè)到的構(gòu)造相對(duì)應(yīng)的因素，隨機(jī)效應(yīng)與發(fā)展中的個(gè)體差異相對(duì)應(yīng)，隨機(jī)效應(yīng)與分層數(shù)據(jù)中各組間系數(shù)變化相對(duì)應(yīng)，弱點(diǎn)對(duì)應(yīng)于生存時(shí)間的異質(zhì)性，責(zé)任與疾病遺傳易感性相對(duì)應(yīng)，潛在響應(yīng)變量值與缺失數(shù)據(jù)相對(duì)應(yīng)。分類潛變量對(duì)應(yīng)于均質(zhì)個(gè)體群，潛在的軌跡分類對(duì)應(yīng)于未觀測(cè)種群的發(fā)展類型，混合組件對(duì)應(yīng)于未觀測(cè)種群的有限混合，潛在響應(yīng)變量類別對(duì)應(yīng)于缺失數(shù)據(jù)。
Mplus 建?？蚣?/p>
建模數(shù)據(jù)的目的是以簡(jiǎn)單的方式描述數(shù)據(jù)結(jié)構(gòu)，便于理解和解釋。本質(zhì)上，數(shù)據(jù)建模相當(dāng)于指定變量之間的一組關(guān)系。下圖表示了在Mplus建模中的關(guān)系類型。矩形表示觀測(cè)變量，觀測(cè)變量可以是結(jié)果變量或背景變量。背景變量為X，連續(xù)和截尾結(jié)果變量為y，二元、有序范疇（序數(shù)），無序分類（名詞）和計(jì)數(shù)結(jié)果變量為u。圓圈代表潛變量。允許連續(xù)變量和類別變量，連續(xù)潛變量為f，分類潛變量為c。
圖中的箭頭表示變量之間的回歸關(guān)系?；貧w關(guān)系是允許的，但在圖中沒有具體說明，包括觀測(cè)到的結(jié)果變量之間的回歸，連續(xù)潛變量之間的回歸以及類別潛變量的回歸。對(duì)于連續(xù)結(jié)果變量，使用的是線性回歸模型。對(duì)于結(jié)果變量，在刪截點(diǎn)有或沒有通貨膨脹，審查（tobit）都使用回歸模型。對(duì)于二進(jìn)制和有序分類結(jié)果，使用概率或logistic回歸模型。對(duì)于無序的分類結(jié)果，使用多項(xiàng)式logistic回歸模型。對(duì)于計(jì)數(shù)結(jié)果，不管通貨膨脹率是否為零，都使用Poisson和負(fù)二項(xiàng)回歸模型。
Mplus模型包括連續(xù)的潛變量、分類潛變量、連續(xù)變量和類別潛變量的組合。上圖中，圓柱A描述只有潛在連續(xù)變量的模型。圓柱B描述只有特定潛變量的模型。完整的建?？蚣苊枋隽诉B續(xù)變量和類別變量相結(jié)合的模型。上圖表明，Mplus估計(jì)的描述個(gè)體水平的多層次模型（內(nèi)部）和集群水平（之間）的變量。
Mplus Base Program Mplus Base Program
可以估計(jì)回歸、路徑分析、探索性因素分析和驗(yàn)證性因素分析（EFA和CFA）、結(jié)構(gòu)方程模型（SEM）、增長以及離散和連續(xù)時(shí)間生存分析模型。在回歸和路徑分析模型中，觀測(cè)到的因變量可以是連續(xù)的、刪失的、二進(jìn)制的、有序的（序數(shù)）、計(jì)數(shù)或這些變量類型的組合。此外，對(duì)于非中介變量的回歸分析和路徑分析，觀測(cè)到的因變量可以是無序的分類（名義上）。在探索性因素分析中，因素指標(biāo)可以是連續(xù)的、二進(jìn)制的、有序的分類（排序）或是這些變量類型的組合。在CFA、SEM和增長模型中，觀測(cè)到的因變量可以是連續(xù)的、刪失的、二元的、有序的（序數(shù)）、無序的分類（名詞）、計(jì)數(shù)或這些變量類型的組合。其他特殊的功能包括單組或多組分析，缺失數(shù)據(jù)估計(jì)；復(fù)雜的調(diào)查數(shù)據(jù)分析，包括分層，聚類，和不平等的選擇概率（抽樣權(quán)重）；用極大似然法分析潛在變量相互作用和非線性因素；隨機(jī)斜率；個(gè)體變化的觀測(cè)次數(shù)；非線性參數(shù)約束；間接影響；所有結(jié)果類型的極大似然估計(jì)。引導(dǎo)的標(biāo)準(zhǔn)誤差和置信區(qū)間；貝葉斯分析與多重歸責(zé)原則；蒙特卡羅模擬功能以及后處理圖形模型。
Mplus Base Program and Mixture Add-On
包含了所有Mplus Base Program的功能。此外，估計(jì)回歸混合模型；路徑分析混合模型；潛在類別分析；具有多分類潛變量的潛類分析；對(duì)數(shù)線性模型；有限混合模型；編譯器的平均因果關(guān)系（CACE）模型；潛在類增長分析；潛在轉(zhuǎn)移分析；隱馬爾可夫模型以及離散和連續(xù)時(shí)間生存混合分析。觀測(cè)到的因變量可以是連續(xù)的、刪失的、二元的、有序的（序數(shù)）、無序的分類（名詞）、計(jì)數(shù)或這些變量類型的組合。其他特殊功能包括單組或多組分析；缺失數(shù)據(jù)估計(jì)；復(fù)雜的調(diào)查數(shù)據(jù)分析，包括分層、聚類和不平等的選擇概率（抽樣權(quán)重）；用極大似然法分析潛在變量相互作用和非線性因素；隨機(jī)斜率；個(gè)體變化的觀測(cè)次數(shù)；非線性參數(shù)約束；所有結(jié)果類型的極大似然估計(jì)。引導(dǎo)的標(biāo)準(zhǔn)誤差和置信區(qū)間；貝葉斯分析與多重歸責(zé)原則；蒙特卡羅模擬功能以及后處理圖形模型。
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，它還包括處理同一模型中的集群數(shù)據(jù)和潛在類的模型。例如，兩級(jí)回歸混合分析、二級(jí)混合驗(yàn)證因子分析（CFA）和結(jié)構(gòu)方程模型（SEM）、二級(jí)潛類分析、多層增長混合模型、二級(jí)離散和連續(xù)時(shí)間生存混合分析。其他特殊功能包括缺失數(shù)據(jù)估計(jì)；復(fù)雜的調(diào)查數(shù)據(jù)分析，包括分層、聚類和不平等的選擇概率（抽樣權(quán)重）；用極大似然法分析潛在變量相互作用和非線性因素；隨機(jī)斜率；個(gè)體變化的觀測(cè)次數(shù)；非線性參數(shù)約束；所有結(jié)果類型的極大似然估計(jì)。貝葉斯分析與多重歸責(zé)原則；蒙特卡羅模擬功能以及后處理圖形模型。
適用平臺(tái)
Microsoft Windows 7/8/10 Mac OS X 10.8或更高版本
Linux (已在下面的平臺(tái)中測(cè)試過: Ubuntu, RedHat, Fedora, Debian和Gentoo) 至少1GB以上的內(nèi)存 至少120 MB硬盤空間
-更多資源請(qǐng)?jiān)L問【友萬科技】官網(wǎng)，以便獲取更多軟件信息，感謝您的支持與理解。
