使用期限租赁和*
许可形式单机版
原产地美国
介质下载
适用平台Windows
科学软件网提供软件和培训服务已有19年，拥有丰富的经验，提供软件产品上千款，涵盖领域包括经管，仿真，地球地理，生物化学，工程科学，排版及网络管理等。同时还有的服务，现场培训+课程，以及本地化服务。
Latent GOLD 潜在类和有限混合软件
Latent GOLD是一个功能强大的潜在类和有限混合程序，具有友好的点击式界面（GUI）。有两个附加选项可用于扩展基本版本的程序。
Advanced / Syntax add-on通过使用包括直观的LG-equations的Syntax命令语言，为用户提供更多控制。此附加组件还包含更的GUI建模功能，如Latent（Hidden）Markov和Multilevel模型。
Choice add-on允许通过点击式界面评估离散选择模型。当同时获得Choice和Advanced / Syntax附加组件时，可以估计各种选择模型，还可以使用Syntax进一步定制离散选择模型。
产品组合
Latent GOLD Basic
Latent GOLD Basic + Adv/Syntax
Latent GOLD Basic + Choice
Latent GOLD Basic + Choice + Adv/Syntax
Latent GOLD®'s cluster module provides the state-of-the-art in cluster analysis based on latent class models. Latent classes are unobservable (latent) subgroups or segments. Cases within the same latent class are homogeneous on certain criteria (variables), while cases in different latent classes are dissimilar from each other in certain important ways.
Latent GOLD® is a powerful latent class and finite mixture program with a very user-friendly point-and-click interface (GUI). Two add-on options are available to extend the basic version of the program.
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.
科学软件网不仅提供软件产品，更有多项附加服务免费提供，让您售后**！
http://turntech8843.b2b168.com
