|
 最新版
AMOS 7.0
相關軟體
AnswerTree 3.1 / SamplePower 2.0
AMOS介紹
AMOS提供強有力和容易使用的架構方程式模型化(SEM) 軟體。與單獨使用標準多元統計或者多個回歸模型相比，Amos可建立更實際的模型。
因為圖形介面而模型是路徑圖，所以可在圖解內進行，不需要編寫程式。
比起您常用的多變量分析或多項式迴歸，AMOS讓您建立更多的實際可行的模型。您也可以輕鬆的將AMOS與SPSS的工作流程結合。
建立結構方程模型更準確，比標準型號採用多元統計直覺拖放功能
AMOS適用於各種科研應用
例如:
* 心理學 - 發展模式，了解藥物，臨床、藝術療法影響心情
* 醫療保健 - 研究證實這三項變數 - 自信，儲蓄或研究 - 預測最佳醫師支援非專利藥品
* 社會科學 - 研究社會經濟地位、組織成員及其它因素影響投票行為的差異和政治接觸
* 教育研究 - 評估訓練專案的結果來確定影響結果及課堂效益
* 市場研究 - 製作模型來評估影響客戶行為的新產品銷售
* 科研機構 - 研究與工作有關的問題是否影響工作滿意
AMOS 7.0 的新增功能特色
 模型參數的貝氏估計及其他。在專業或企業領域上，貝氏分析可藉由指定一個知識性的先驗分配來改善估計值。馬可夫鏈蒙地卡羅（MCMC）估計法是Ａmos 中所使用的貝氏技術。貝氏分析可讓您：
-
對於較小的樣本，有可靠的配適結構方程及相關模型。
-
可以估計任何的模型參數的功能。例如：計算直接及間接結果的差異。觀察資料是否完整。
-
藉由畫出任何參數的邊際概似來研究最大概似估計法的假設。
-
避開不被許可的模型參數估計值，如：透過選擇先驗分配所得負變異數估計值。
-
預防在非遞回型的線性方程式得到不穩定的解。
-
利用最大概似或其他估計方法來對客製化的假設進行檢定。
-
對於間接結果可求出最佳的不對稱的置信區間。
插補遺漏值或潛在變數分數。您可以使用3 種資料插補法：迴歸，隨機迴歸或貝氏分析。利用迴歸插補來建立一個單獨完整的資料集。利用隨機迴歸或貝氏插補來建立多個插補的資料集。你也可以插補遺漏值或因素分數。
使用Microsoft 的程式語言來增加Amos 的功能，包括了Visual Studio 及C#。
可以更輕鬆的使用Amos。改善的介面功能可以讓您：
-
利用預覽功能先行瀏覽路徑圖。
-
可以更有效率的將物件拉近，拉遠，卷軸及放大。
-
按一下即可建立變數路徑圖。
|
