溫馨提示：需求數(shù)量不同，價格不同。請聯(lián)系我們，確認當前新的報價！
LISREL是應用于統(tǒng)計領域的軟件。LISREL(LInearStructuralRELations)是由K.G.Joreskog&D.Sorbom所發(fā)展的結構方程模型(StructuralEquationModeling)軟件。LISREL被公認為是極具專業(yè)的結構方程模塊（StructuralEquationModeling，簡稱SEM）分析工具，其權威性不容其它類似軟件取代。新版本為10.3。
在過去的四十五年中，LISREL模型，方法和軟件已成為結構方程模型（SEM）的同義詞。SEM允許社會科學，管理科學，行為科學，生物科學，教育科學和其他領域的研究人員對它們理論進行實證評估。這些理論通常被制定為觀察和潛在（不可觀察）變量的理論模型。如果收集理論模型的觀察變量的數(shù)據，則可以使用LISREL程序使模型適合數(shù)據。
然而，今天，LISREL不再局限于SEM。LISREL包括64位統(tǒng)計應用程序LISREL，PRELIS，MULTILEV，SURVEYGLIM和MAPGLIM。
LISREL用于結構方程建模（32位應用程序）
PRELIS用于數(shù)據處理和基本統(tǒng)計分析（32位應用程序）
MULTILEV用于分層線性和非線性建模
SURVEYGLIM用于廣義線性建模
CATFIRM用于類別響應變量的形成的基于推理的遞歸建模（FIRM）
MAPGLIM用于多層數(shù)據的廣義線性建模
PRELIS是64位應用程序，用于數(shù)據處理，數(shù)據生成，計算矩陣，計算樣本矩的估計漸近協(xié)方差矩陣，通過匹配進行插補，多元插補，多元線性回歸，對數(shù)回歸，單變量和多元刪失回歸，ML和MINRES探索性因素分析。
MULTILEV是一個64位應用程序，可將多級線性和非線性模型與簡單隨機和復雜調查設計中的多級數(shù)據擬合。它允許具有連續(xù)和分類響應變量的模型。
SURVEYGLIM是一個64位應用程序，適用于廣義LInear模型（GLIM）與簡單隨機和復雜調查設計中的數(shù)據。提供了多項式，伯努力，二項式，負二項式，泊松，正態(tài)，伽瑪和反高斯采樣分布的模型。
MAPGLIM是一個64位應用程序，它實現(xiàn)了“（MAP）”方法以將廣義線性模型擬合到多級數(shù)據。
LISREL是一個64位應用程序，用于標準和多級結構方程建模。這些方法可用于分類和連續(xù)變量的完整和不完整的復雜調查數(shù)據，以及關于分類和連續(xù)變量的完整和不完整的簡單隨機樣本數(shù)據。
LISREL適用于：
標準結構方程模型
多級結構方程建模
這些方法適用于以下數(shù)據類型：
關于分類和連續(xù)變量的完整的不完整的復雜調查數(shù)據
關于分類和連續(xù)變量的完整且不完整的簡單隨機樣本數(shù)據
LISREL功能：
結構化的本征曲線模型（Structuredlatentcurvemodels）
序變量因子分析（Factoranalysisofordinalvariables）
多級數(shù)據的廣義線性模型（Generalizedlinearmodels(GLIMs)formultileveldata）
用戶可以從多項式，伯努利，泊松，二項分布，負二項分布，正常，Gamma和逆高斯抽樣等分布中選擇。
觀測殘差（Observationalresiduals）
使得用戶能在計算模型的潛變量的潛變量得分的同時計算觀測殘差
書寫參數(shù)估計，標準誤差的估計和PSF測量（Writingparameterestimates,standarderrorestimatesandmeasuresoffittoa PSF）
允許用戶保存參數(shù)估計，標準誤差估計，PSF的測量。這些功能有助于蒙特卡洛研究。
GUI的改變
允許用戶輸出各種格式的數(shù)據，如SPSS,SAS,SYSTAT,Statistica等等。
可以分析完整data和不完整data時的MultilevelStructuralEquationModel，以及非線性MultievelModel（Two-levelnonlinearregressionmodels），技術明顯其他同類軟件。
能夠提供EfficientFullInformationMaximumLikelihood（FIML）方法處理SEM中missingdata的問題，模型解釋力極強。分析的樣本大小和變量個數(shù)的多寡完全不受限制，提供極大的數(shù)據處理能力。
提供極具說服力的驗證性因素分析（ConfirmatoryFactorAnalysis；CFA）和探索性因素分析（ExploratoryDataAnalysis；EFA）報告。并利用FormalInference-basedRecursiveModeling（FIRM）方法檢測類別變量和連續(xù)變量間的復雜統(tǒng)計關系。
LISREL可用于：
測量模型
基于連續(xù)或有序數(shù)據的結構方程模型
使用多個鏈接函數(shù)建立連續(xù)和分類數(shù)據的多級模型
基于復雜測量數(shù)據的廣義線性模型
可以進行的其他統(tǒng)計分析包括：
探索性因素分析（EFA）
多元方差分析（MANOVA）
邏輯和概率回歸
審查回歸生存分析
由于LISREL在探討多變項因果關系上的強力優(yōu)勢，使得LISREL在社會學研究上似乎有愈來愈受重視的趨勢，LISREL系屬于結構方程模型(structuralequationmodeling，SEM)家族的一員，因此LISREL的特有能耐亦在于探討多變項或單變項之間的因果關系。SEM一族的成員包含共變量結構分析(covariancestructureanalysis)、潛在變項分析(latentvariableanalysis)、驗證性因素分析(comfirmatoryfactoranalysis)、以及LISREL分析(LISRELanalysis)等等，SEM結合了多元回歸與因素分析，可以同時分析一堆互為關連之依變項間的關系。SEM之使用步驟如下：
1.發(fā)展研究者之理論基礎模式。
2.建構變項間之因果關系的徑路圖。
3.將徑路圖轉化為一套結構等式，并指定其測量模式。
4.選擇輸入矩陣類型(相關矩陣或變異數(shù)－共變量矩陣)，并對研究者假設之理論模式進行測量與驗證。
軟件新功能：
LISREL 引入了一些以前版本中沒有的功能。
連續(xù)變量、序數(shù)變量以及連續(xù)變量和序數(shù)變量的混合變量的兩階段多重插補結構方程模型現(xiàn)已可用
現(xiàn)在包括了LISREL模型參數(shù)的置信區(qū)間估計
已經實現(xiàn)了標準化和徹底標準化解決方案的標準誤差估計和置信區(qū)間估計
增加了內生潛在變量有方差約束或無方差約束的單組LISREL模型的估計算法
路徑圖文件可以導出為增強元文件，這些文件可以導入到其他文檔中
多級廣義線性建模應用包括更多的鏈接函數(shù)，并計算類內相關系數(shù)的估計值
新統(tǒng)計方法的技術細節(jié)以及示例可通過LISREL幫助菜單上的新功能選項獲得
【英文介紹】
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.
LISREL is a 64-bit application for standard and multievel structural equation modeling. These methods are available for the complete and incomplete complex survey data on categorical and continuous variables as well as complete and incomplete simple random sample data on categorical and continuous variables.
The LISREL model, methods and software have become synonymous with structural equation modeling (SEM). Today, however, LISREL is no longer limited to SEM. LISREL includes the 64-bit statistical applications LISREL, PRELIS, MULTILEV, SURVEYGLIM and MAPGLIM.
