LISREL 10的常見問題與LISREL 8.80的常見問題在很大程度上重疊。在這方面，請注意，LISREL 10的LSF等效于LISREL 8.80的PSF。
1、LISREL可以使用單個數據文件執行多組分析嗎？
實際上，許多多元數據集是來自多個組的觀察值。這些群體的粒子包括性別，語言，學院等等。
LISREL可用于多個組結構方程模型擬合到多個數據。提供了傳統的統計方法，例如ML、RML、WLS、DWLS、GLS和ULS用于完整的多組數據，而FIML方法可用于不完整的多組數據。
在以前的LISERL版本中，要求用戶為每個組創建單獨的數據文件。假設要分析的組由在八個地區收集的數據組成，則含義是必須 創建八個數據集才能適合多組結構方程模型。
LISREL 10 中實現的一項新功能使研究人員可以使用包含一個組變量的單個數據集，該組變量可以通過以下方式定義：
在打開LISERL系統文件（.lsf）時使用數據菜單。
通過將行插入$GROUPS=<group variable name>語法文件中的任何位置。要在多組分析中使用此數據集，請使用主菜單欄中的“數據”菜單，然后選擇“組變量...”，從變量列表中選擇“ COUNTRY“，完成后單擊”確定“按鈕。該線性結構示例文件夾包含一個名為子文件夾MGROUPS包含以下統計程序的例子。
2、能否使用多層廣義線性（MGLIM）模塊來擬合用于分組時間和離散時間生存數據的模型？
當根據某個事件的發生以固定的間隔重讀測量對象時，或者僅在分組的時間間隔內才知道事件的確切時間時，分組時間生存數據的模型可用于分析故障時間數據。 。另外，通常情況是，觀察到的對象被嵌套在集群中（即，學校，公司，診所），或根據重復事件進行重復測量。在這種情況下，使用假定觀測獨立的分組時間模型是有問題的，因為來自同一聚類或主題的觀測通常是相關的。
或包含聚類和/或重復數據的模型，包括隨機效應的模型為解釋相關生存數據中的關聯提供了一種方便的方法。
3、是否可以測試序數結果的比例幾率與非比例幾率假設？
術語“普通”適用于以一系列有序類別二兩感興趣的響應度量的改變量。此類變量的示例包括李克特量表和嚴重程度的神經病學評分。名義和順序結果模型可以看做是二元結果模型的概括。當結果變量不是二分法或不是真正連續是，順序模型就變的很重要。如果在連續模型中分析了序數結果，則此類模型可以得出序數變量分為之外的預測值。與二進制數據一樣，必須進行某種轉換或鏈接才能防止這種情況的發生。連續模型在應用于序數結果時也可以產生相關的殘差和回歸，因為連續模型未考慮序數結果的上限和下限影響。然后，這可能導致回歸系數的估計有偏差，并且在所討論的序數變量高度偏斜時，這是很關鍵的。
許多研究人員已經進行了廣泛的工作，以開發用于分析序數響應數據的方法。這些發展集中在將二分變量的方法擴展到順序響應數據上，并且主要是在邏輯和概率回歸模型方面。比例賠率模型是順序數據分析的常見選擇。在LISREL 10中，可以使用比例和非比例賠率模型進行擬合，以使用卡方差檢驗檢驗比例賠率假設。參考指南“比例和非比例odds.pdf的模型”包含示例和參考，可通過在線幫助菜單進行訪問。
4、可以使用LISREL 10擬合三級多級廣義線性模型嗎？
聚類或多階段樣本設計經常用于具有固有層次結構的總體。忽略數據的層次結構具有嚴重的意義。使用替代方法（例如，將信息匯總和分解到另一個級別）可能會導致預測變量之間的共線性增加以及估計的較大或有偏差的標準誤差。
稱為廣義線性模型（GLIM）的模型的集合已成為重要且實用的統計工具。GLIM的基本思想是將標準回歸適應于完全不同的數據。變量可以是二分法，序數（如5點李克特量表），計數（逮捕記錄數）或名義變量。這樣做的動機是定制將結果連接到相關自變量的回歸關系，使其適合因變量的屬性。LISREL 8.8實施了將廣義線性模型（GLIM）擬合到調查數據的統計理論和方法。
社會經濟科學領域的研究人員經常將這些方法應用于多層次數據，因此，得出了不合適的結果。用于分析多級數據的LISREL統計模塊允許設計權重。有兩種估計方法，MAP（后驗分布的大化）和QUAD（自適應正交），用于將廣義線性模型擬合到多級數據。LISREL多級廣義線性模型模塊（MGLIM）允許進行多種采樣分布和鏈接功能。
LISREL 10 MGLIM模塊還包括零膨脹的Poisson模型和零膨脹的Negative-Binomial模型，并打印結果以用于固定效應的單位特定和總體平均估計。
5、對于連續結果變量的多級線性模型，可以指定三個以上的水平嗎？
社會科學研究通常需要對數據進行分層結構分析。經常引用的多級數據示例是一個數據集，其中包含對嵌套在學校中的孩子和嵌套在教育部門中的孩子的測量。
人們已經充分認識到需要考慮采樣方案的統計模型，并且已經表明，在簡單隨機采樣方案的假設下對調查數據進行分析可能會產生誤導性的結果。
多層模型在復雜調查數據的建模中特別有用。聚類或多階段樣本設計經常用于具有固有層次結構的總體。忽略數據的層次結構具有嚴重的意義。使用替代方法（例如，將信息匯總和分解到另一個級別）可能會導致預測變量之間的共線性增加以及估計的較大或有偏差的標準誤差。為了解決有關對調查數據進行適當分析的擔憂，LISREL連續數據多級模塊現在還可以處理多達五個級別，并提供了一個選項，供用戶在第1、2、3、4或5級上包括設計權重。等級制度。
