购买LATENT GOLD软件以及中文教程
  • 购买LATENT GOLD软件以及中文教程
  • 购买LATENT GOLD软件以及中文教程
  • 购买LATENT GOLD软件以及中文教程

产品描述

Latent GOLD Basic
包含以下功能的GUI:
LC 集群
LatentGOLD的集群模块提供基于潜在类模型的较新集群分析。潜在类是不可观测的(潜在的)子群或段。同一潜在类中的案例在某些标准(变量)上是一致的,而不同潜在类中的案例在某些重要方面是不同的。
传统的潜在类模型可用于处理分类变量中的测量和分类错误,并且可以容纳名义变量、序数变量、连续变量、计数变量或这些变量任意组合变量。协变量可以直接包含在模型中,也可以用于改进集群描述。
LatentGOLD通过包括模型选择标准和基于概率的分类,改进了传统的ad-hoc类型的聚类分析方法。后验概率直接来源于模型参数估计并用于将案例分配给类。
离散因子(DFactor)
DFactor模型通常用于变量减少或定义一个有序的态度量表。它包含一个或多个DFactors,这些DFactors将共享一个共同变量源的变量组合在一起。每个DFactor要么是二分法的(默认选项),要么由三个或更多的有序级别(有序的潜在类)组成。
购买LATENT GOLD软件以及中文教程
Latent GOLD Basic
包含以下功能的GUI:
LC 集群
LatentGOLD的集群模块提供基于潜在类模型的较新集群分析。潜在类是不可观测的(潜在的)子群或段。同一潜在类中的案例在某些标准(变量)上是一致的,而不同潜在类中的案例在某些重要方面是不同的。
传统的潜在类模型可用于处理分类变量中的测量和分类错误,并且可以容纳名义变量、序数变量、连续变量、计数变量或这些变量任意组合变量。协变量可以直接包含在模型中,也可以用于改进集群描述。
LatentGOLD通过包括模型选择标准和基于概率的分类,改进了传统的ad-hoc类型的聚类分析方法。后验概率直接来源于模型参数估计并用于将案例分配给类。
离散因子(DFactor)
DFactor模型通常用于变量减少或定义一个有序的态度量表。它包含一个或多个DFactors,这些DFactors将共享一个共同变量源的变量组合在一起。每个DFactor要么是二分法的(默认选项),要么由三个或更多的有序级别(有序的潜在类)组成。
Capabilities
Known Class Indicator
This feature allows more control over the segment definitions by pre-assigning selected cases (not) to be in a particular class or classes.
Conditional Bootstrap p-value
Model difference bootstrap can be used to formally assess the significance in improvement associated with adding additional classes, additional DFactors and/or an additional DFactor levels to the model, or to relax any other model restriction.
Overdispersed (Count and Binomial Count in Regression)
Overdispersion is a common phenomenon in count data. It means that, as a result of unobserved heterogeneity, the variance of the count variable is larger than estimated by the Poisson (binomial) model.
购买LATENT GOLD软件以及中文教程
Latent GOLD Basic
包含以下功能的GUI:
LC 集群
LatentGOLD的集群模块提供基于潜在类模型的较新集群分析。潜在类是不可观测的(潜在的)子群或段。同一潜在类中的案例在某些标准(变量)上是一致的,而不同潜在类中的案例在某些重要方面是不同的。

购买LATENT GOLD软件以及中文教程
通过这种方式,Latent GOLD的因子模块与传统因子分析相比具有以下几个优势:
• 解决方案可立即解释,不需要流转
• 假设因子是有序的而不是连续的
• 估算因子得分*额外假设
• 观察到的变量可以是标称、序数、连续或计数或这些变量的任意组合
LC回归与增长
在同质的群体中,回归模型用于预测因变量作为预测变量的函数。
Latent GOLD可以通过包含分类潜在变量来估计异质群体中的回归模型。该潜在变异体的每个类别代表具有相同回归系数的同质亚群体(片段)。
可以使用信息性诊断统计信息来查看是否需要多个模型。
每个案例可能包含多个记录(重复测量的回归)以估计LC增长或Event History模型。

-/gjiiih/-

http://turntech8843.b2b168.com
产品推荐

Development, design, production and sales in one of the manufacturing enterprises

您是第2197274位访客
版权所有 ©2024 八方资源网 粤ICP备10089450号-8 北京天演融智软件有限公司 保留所有权利.

北京天演融智软件有限公司 保留所有权利.

技术支持: 八方资源网 八方供应信息 投诉举报 网站地图