聲明：以上價格僅供參考，如需采購請直接聯系我們索取報價。
軟件簡介
HLM處理多層次數據(Hierarchical Data) ，進行線性和非線性的階層模型分析。在HLM中，不僅改善了原有的界面，而且增加了新的統計功能。比如對線性模型增加了交叉隨機效應 (Cross-classified random effects)；對三層數據增加了多項式模型 (Multinomial Models)。該工具能處理多層次數據(Hierarchical Data) ，進行線性和非線性的階層模型分析。
社會研究和其它領域中,研究的數據通常是分層(hierarchical )結構的.也就是說,單獨研究的課題可能會被分類或重新劃分到具有不同特性的組中.在這種情況下,個體可以被看成是研究的first floor(level-1)單元,而那些區分開他們的組也就是第二層(level-2)單元.這可以被進一步的延伸,第二層(level-2)的單元也可以被劃分到第三層單元中.在這個方面很典型的示例,比如教育學(學生位于first floor,學校位于第二層,學校分布是第三層),又比如社會學(個體在first層,相鄰的個體在第二層).很明顯在分析這樣的數據時,需要專業的軟件.分層線性和非線性模型(也稱為多層模型)的建立是被用來研究單個分析中的任意層次間的關系的,而不會在研究中忽略掉分層模型中各個層次間相關的變異性.
HLM程序包能夠根據結果變量來產生帶說明變量(expl lanatory variable,利用在每層指定的變量來說明每層的變異性)的線性模型.HLM不僅僅估計每一層的模型系數,也預測與每層的每個采樣單元相關的隨機因子(random effects).雖然HLM常用在教育學研究領域(該領域中的數據通常具有分層結構),但它也適合用在其它任何具有分層結構數據的領域.這包括縱向分析( longitudinal analysis),在這種情況下,在個體被研究時的重復測量可能是嵌套(nested)的.另外,雖然上面的示例暗示在這個分層結構的任意層次上的成員(除了處于first floor層次的)是嵌套(nested)的,HLM同樣可以處理成員關系為"交叉(crossed)",而非必須是"嵌套(nested)"的情況,在這種情況下,一個學生在他的整個學習期間可以是多個不同教室里的成員.
HLM程序包可以處理連續,計數,序數和名義結果變量(outcome varible),及假定一個在結果期望值和一系列說明變量(explanatory variable)的線性組合之間的函數關系.這個關系通過合適的關聯函數來定義,例如identity關聯(連續值結果)或logit關聯(二元結果).
軟件功能
a. 數據的新的圖形顯示技術
b. 大大擴展了擬合模型的圖形能力
c. 在分層或混合模型中顯示帶或不帶下標的模型等式-方便保存發表.詳細地呈現分布假設和關聯函數(link function)
d. 帶有便利Windows界面的適用于線性模型和非線性關聯函數(link function)處理的交叉分類(Cross-classified)隨機因子模型
e. 在二層分層的廣義線性模型(HGLM)中的帶EM演算法的適用于穩定收斂(stable convergence)和精確評估的高階Laplace近似值
f. 針對3層數據的多項式和序數模型
g. 方便地從多種其它的軟件包中導入數據,包括new版本的SAS,SPSS和STATA等
h. Residual文件能夠直接保存成SPSS(*.sav)或STATA(*.dta)格式文件
i. 基于MDM文件格式進行分析,替換掉先前的極不靈活的SSM文件格式
-更多資源請訪問【友萬科技】官網，以便獲取更多軟件信息，感謝您的支持與理解。
