使用期限*
许可形式单机和网络版
原产地美国
介质下载
适用平台windows，mac
科学软件网销售软件达19年，有丰富的销售经验以及客户资源，提供的产品涵盖各个学科，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。此外，我们还提供很多附加服务，如：现场培训、课程、解决方案、咨询服务等。
Mplus建模框架
建模数据的目的是以简单的方式描述数据结构，便于理解和解释。本质上，数据建模相当于变量之间的一组关系。下图表示了在Mplus建模中的关系类型。矩形表示观测变量，观测变量可以是结果变量或背景变量。背景变量为X，连续和截尾结果变量为y，二元、有序范畴（序数），无序分类（名词）和计数结果变量为u。圆圈代表潜变量。允许连续变量和类别变量，连续潜变量为f，分类潜变量为c。
Mplus建模框架
建模数据的目的是以简单的方式描述数据结构，便于理解和解释。本质上，数据建模相当于变量之间的一组关系。下图表示了在Mplus建模中的关系类型。矩形表示观测变量，观测变量可以是结果变量或背景变量。背景变量为X，连续和截尾结果变量为y，二元、有序范畴（序数），无序分类（名词）和计数结果变量为u。圆圈代表潜变量。允许连续变量和类别变量，连续潜变量为f，分类潜变量为c。
图中的箭头表示变量之间的回归关系。回归关系是允许的，但在图中没有具体说明，包括观测到的结果变量之间的回归，连续潜变量之间的回归以及类别潜变量的回归。对于连续结果变量，使用的是线性回归模型。对于结果变量，在删截点有或没有通货膨胀，审查（tobit）都使用回归模型。对于二进制和有序分类结果，使用概率或logistic回归模型。对于无序的分类结果，使用多项式logistic回归模型。对于计数结果，不管通货膨胀率是否为零，都使用Poisson和负二项回归模型。
Mplus模型包括连续的潜变量、分类潜变量、连续变量和类别潜变量的组合。上图中，圆柱A描述只有潜在连续变量的模型。圆柱B描述只有特定潜变量的模型。完整的建模框架描述了连续变量和类别变量相结合的模型。上图表明，Mplus估计的描述个体水平的多层次模型（内部）和集群水平（之间）的变量。
Mplus Base Program and Mixture Add-On
包含了所有Mplus Base Program的功能。此外，估计回归混合模型；路径分析混合模型；潜在类别分析；具有多分类潜变量的潜类分析；对数线性模型；有限混合模型；编译器的平均因果关系（CACE）模型；潜在类增长分析；潜在转移分析；隐马尔可夫模型以及离散和连续时间生存混合分析。观测到的因变量可以是连续的、删失的、二元的、有序的（序数）、无序的分类（名词）、计数或这些变量类型的组合。其他功能包括单组或多组分析；缺失数据估计；复杂的调查数据分析，包括分层、聚类和不平等的选择概率（抽样权重）；用较大似然法分析潜在变量相互作用和非线性因素；随机斜率；个体变化的观测次数；非线性参数约束；所有结果类型的较大似然估计。引导的标准误差和置信区间；贝叶斯分析与多重归责原则；蒙特卡罗模拟功能以及后处理图形模型。
Models in Mplus can include continuous latent variables, categorical latent variables, or a combination of continuous and categorical latent variables. In the figure above, Ellipse A describes models with only continuous latent variables. Ellipse B describes models with only categorical latent variables. The full modeling framework describes models with a combination of continuous and categorical latent variables. The Within and Between parts of the figure above indicate that multilevel models that describe individual-level (within) and cluster-level (between) variation can be estimated using Mplus.
The Mplus Base Program and Multilevel Add-On contains all of the features of the Mplus Base Program. In addition, it estimates models for clustered data using multilevel models. These models include multilevel regression analysis, multilevel path analysis, multilevel factor analysis, multilevel structural equation modeling, multilevel growth modeling, and multilevel discrete- and continuous-time survival models. In multilevel analysis, observed dependent variables can be continuous, censored, binary, ordered categorical (ordinal), unordered categorical (nominal), counts, or a combination of these variable types. Other special features include single or multiple group analysis; missing data estimation; complex survey data analysis including stratification, clustering, and unequal probabilities of selection (sampling weights); latent variable interactions and non-linear factor analysis using maximum likelihood; random slopes; individually-varying times of observation; non-linear parameter constraints; maximum likelihood estimation for all outcomes types; Bayesian analysis and multiple imputation; Monte Carlo simulation facilities; and a post-processing graphics module.
19年来，公司始终秉承、专注、专心的发展理念，厚积薄发，积累了大量的人才、技术以及行业经验，在行业内得到了大量用户的认可和高度价。
http://turntech8843.b2b168.com
