2008年暑期SEM与HLM培训班  [2008年8月25日- 28日 共4天 上海]

在过去的30年内，LISREL模型，方法和软件已经变成结构方程模型(SEM)的代名词。SEM允许处于社会科学，管理科学，行为科学，生物学，教育学和其它领域的研究者以经验来评估他们的理论。这些理论通常能够结合外显变量和潜变量(无法直接观察的变量)以公式来表示出模型，如果数据是作为理论模型的观察变量来收集的，那么LISREL程序就能够结合这些数据来拟合出模型。

然而今天，LISREL软件已经不仅仅限于SEM。最新版本的LISREL包含下列统计应用程序：

LISREL 用于结构方程建模
PRELIS 用于数据处理和基本统计分析
MULTILEV 用于分层线性和非线性建模
SURVEYGLIM 用于广义线性建模
CATFIRM 用于类别响应变量的formative inference-based 递归建模(FIRM)
CONFIRM 用于连续响应变量的formative inference-based 递归建模(FIRM)
MAPGLIM 用于多层数据的广义线性建模

LISREL用于：

标准结构方程建模
多层结构方程建模

这些方法适用下列数据类型：

基于连续变量的完整的和不完整的复杂调查数据
基于序数和连续变量的完整的和不完整的简单随机样本数据

PRELIS用于：

数据处理
数据转换
数据生成
计算moment矩阵
计算样本moment的渐进协方差矩阵
匹配计算
复线性回归
Logistic回归
单变量和多元变量的归并回归模型
ML和MINRES探索性因子分析

MULTILEV 可从通过简单随机和复杂调查设计得到的多层数据中拟合出多层线性和非线性模型。它允许模型带有类别和连续响应变量

SURVEYGLIM 可从通过简单随机和复杂调查设计得到的数据中拟合广义线性模型(GLIMs)
模型可以来自下列样本分布：

多项式分布
伯努利分布
二项式分布
负二项式分布
泊松分布
正态分布
伽马分布
反高斯分布

CATFIRM 执行类别输出变量的formal inference-based递归建模

CONFIRM 执行连续输出变量的formal inference-based递归建模

MAPGLIM 执行最大因果(MAP)方法来拟合多层数据的广义线性模型