原標題:IBM SPSS AMOS-結構方程建模(SEM)軟體
「 Amos是功能強大的結構方程建模(SEM)工具,通過對回歸分析、因子分析、相關性分析和方差分析等傳統多元數據分析方法的擴展,為您的理論研究提供更多的支持。」
01
—
Amos概覽
IBM SPSS Amos 是一款強大的結構方程建模 (SEM) 軟體,支持通過擴展標準多變量分析方法(包括回歸、因子分析、相關分析以及方差分析)來支持研究和理論。使用直觀的圖形或程序化用戶介面構建態度和行為模型,與標準多變量統計方法相比,這些模型可以更準確地反映複雜關係。
在AMOS 環境下,您可以在直觀的路徑圖下指定、估計、評估以及設定模型,以展示假定的各變量之間的關係,來方便地地建立能真實反應複雜關係的行為態度模型。在AMOS 中,任何數值變量,不管是觀測的還是潛在的,都可以用來建模,預測其它數值變量。
AMOS快速創建模型以檢驗變量之間的相互影響及其原因,由於結構方程模型是一次性地驗證複雜的因果關係,用標準方法以及在此基礎上擴展的方法進行多元分析,因此比普通最小二乘回歸和探索性因子分析更進一步,能獲得更精確、豐富的綜合分析結果。
目前,AMOS僅支持 Windows作業系統。
02
—
Amos功能特徵
圖形化用戶介面
- 通過路徑圖瀏覽器,可以顯示路徑模型以及當前文件夾下所有路徑模型的描述以及小圖標
- 通過簡單的點擊來選擇程序的選項
- 通過單擊滑鼠在路徑圖上直接創建新的變量
- 一次點擊查看不同的組或模型
- 瀏覽數據文件內容
- 直接從數據集中把變量名字拖拽到路徑圖上
建模能力
- 創建具有觀測變量和潛變量的結構方程模型(包括路徑分析和縱向數據模型)
- 利用兩種方法指定候選模型:
- 為每個候選模型設置一組參數相等的約束
- 探索性方式應用SEM。AMOS會嘗試很多模型,同時基於AIC及BIC統計量比較模型,並給出最佳模型的建議
- 擬合驗證性因子模型,方差成分模型,變量中含有誤差的模型,以及一般的潛變量模型
- 分析均值結構以及多組數據:
- 利用自動化設置迅速地制定並檢驗多組數據
- 同時分析來自多個總體的數據
- 把因子及回歸分析合併到一個模型中同時擬合來節省時間
- 同時分析多組模型:AMOS能夠確定哪些模型是嵌套的並能夠自動計算校驗統計量
- 將路徑圖轉化為VB程序
- 用自動生成的參數限制來擬合線性增長曲線模型
潛在類別分析(混合模型)
- 進行市場細分研究
- 估計每個類群或劃分的大小
- 進行混合回歸分析和混合建模
- 進行混合因子分析
- 估計個體屬於某類群的機率
- 訓練分類模型。預先指定一些個體屬於某個組,再利用模型對剩餘的個體分類
- 在多組模型中,限定一些模型參數在各族相等,同時其它參數可隨不同組而變化
貝葉斯估計
- 通過指定內容豐富的先驗分布,改進估算。
- 利用可自動調整的底層「馬爾可夫鏈蒙特卡爾理論 (Markov chain Monte Carlo, MCMC)」計算方法。
- 以有序的分類數據和審查數據執行估算。
- 基於非數字數據創建模型,而無需將數字分數分配給數據。
- 使用審查數據,而無需進行除正常情況之外的假定。
處理海量計算模型
- 無論數據是否為正態,您都可以利用功能強大的bootstrapping方法取得估計值。AMOS中的蒙特卡洛和bootstrapping方法,可以讓您簡單輕鬆地獲得任意參數估計的偏差和標準誤差,包括標準化係數和效應估計
- 檢驗多元正態並進行離群值分析
模型創建
- 利用路徑圖設定模型
- 藉助圖形工具通過路徑圖直接修改模型
- 在路徑圖上顯示模型自由度
- 將部分單步路徑圖拷貝粘貼到其他路徑圖中
分析能力及統計功能
- 在存在缺失數據的情況下,利用全部信息的最大似然方法,獲得更有效,更小偏差的估計
- 利用快速bootstrap模擬方法獲得任意檢驗分布下任意參數的近似置信區間,包括標準化係數:
- 利用Bollen和Stine bootstrap方法評估模型
- 計算百分位數置信區間以及修正偏差的百分位數置信區間
- 通過隨機置換檢驗探查是否存在等價的或擬合更好的模型
- 通過路徑圖上給兩個或以上參數設置相同標籤實現在同一個組或者不同組間參數相等的約束,包括均值,截距,回歸權重,協方差
- 估計外生變量均值
- 估計回歸方程的截距
- 對任意參數執行bootstrapping,以給出在正態分布的假定下任意模型參數的近似置信區間,包括利用蒙特卡洛模擬估計的標準化係數
- 多種估計方法,包括最大似然估計,未加權最小二乘,廣義最小二乘,Browne的漸進自由分布標準以及自由尺度最小二乘
- 二十多個用於模型評價的擬合統計量,包括卡方統計量,AIC,BIC準則;Browne-Cudeck準則(BCC);ECVI,RMSEA以及PCLOSE準則;均方根殘差值;Hoelter的關鍵樣本指標;以及Bentler-Bonett和Tucker-Lewis指數
- 利用bootstrapping或蒙特卡洛方法獲得任意參數的偏差和標準誤差的估計值及其它派生統計量
- 可選擇利用觀測的信息矩陣估計標準誤差
- 查看每個參數的P值及臨界值
缺失數據填充
- 為序次分類變量及刪失數據填充之
- 填補缺失數據及潛變量得分
- 三種填充方法:回歸,隨機回歸,貝葉斯方法
- 個別填充:
- 利用線性回歸填補缺失值
- 個別或多重填補:
- 利用最大似然方法(ML)進行隨機回歸填補-基於由觀測數據得到的參數估計;假定參數與它們的ML估計相等
- 貝葉斯估計與隨機回歸填補方法類似;然而,這種方法假定參數是通過估計得到的,並不知道其確切的取值
製圖及其它工具
- 便捷地在路徑圖上展示/隱藏全部變量名字
- 列印或粘貼路徑圖到其它應用程式中
- 使用工具箱按鈕,包括形狀調整,複製,適合頁面顯示,以及對齊等來繪製模型
- 自定義工具條:
- 為菜單項或AMOS宏的熱鍵(包括自定義宏)創建工具條按鈕
- 給工具條按鈕創建圖標
- 創建快捷鍵執行宏
- 通過選擇工具條上按鈕擬合模型
- 直接利用您指定的變量名進行分析,不必使用任何希臘字母
- 在路徑圖上添加標題和備註
- 利用工具條,菜單和熱鍵處理要經常執行的任務
- 使用彈出式菜單顯示路徑圖上每個元素的有用選項
- 利用反射和旋轉按鈕重新整理排列測量模型
- 使用嵌入程序擴展模型功能
文檔和幫助
- 豐富的具有交叉對照的在線幫助系統,並具有對輸出結果的說明或解釋
- 含有36個完整實例的用戶手冊
數據和文件管理
- 支持的文件類型包括:dBase(.dbf),Microsoft Excel(.xls),FoxPro(.dbf),Lotus(.wk1,.wk3,.wk4),Microsoft Access(.mdb),IBM SPSS Statistics(.sav),以及文本(.txt,.csv)
*上海卡貝信息技術有限公司是IBM Silver Business Partner, 代理銷售SPSS,AMOS,Modeler等軟體已有十數年,擁有專業的技術團隊,將為您提供專業的銷售及技術支持服務。