產品目錄

AUXAL 可以讓您進行快速、縱向研究的全面資料分析。現在透過SSI的AUXAL程式，就可以讓您在桌面使用。結構分析使用BTT模型或JPA2模型，非結構分析使用Fourier Transform of Residuals 或Kernel Smoothing 。AUXAL提供準確的高度、速度和加速度的成長曲線，並將增長曲線顯示在螢幕上。速度的最大與最小值將會被標示與描述。多元的數據透過該程式就能一次分析出來。使用貝式分析過濾演算法，該程式能夠將結構模型適用於不完整的縱向數據中。這項裝置能夠混合縱向數據的組合，來評估完整成長週期的結構平均曲線。它也能藉由一種或多種高度測量，預測在成熟、或其他年齡時的高度。  

HML 多層次線性分析軟體 (Hierarchical Linear Modeling 階層線性模型分析)  HLM 可以讀取 SPSS、SAS、SYSTAT 及 STATA 等統計軟體的檔案。 回歸分析雖是經濟計量研究中常用的研究方法，但是實際研究中的數據往往具有層次結構的特點，如對於不同地區個體經濟發展指標的測量，個體嵌套於地區。對於這類數據的分析往往需要考慮更高層次如區域的特徵。 在社會研究等領域，研究數據往往具有層次結構。個別學科可歸類或排列級結成本身素質影響的研究。在這種情況下，個人可以視為一級學習單位和它們排列集結的是2級單位。這可能進一步擴大，2級單位組織起來而成為另一些單位為第三層次。這方面的例子俯拾皆是,如教育(學生在1級，學校在第2級、學區是第3級)、社會學(1級、街道級2)。顯然,這些數據的分析需要專門的軟體。階層線性和非線性模型(也稱多階層模型)已經開發出研究的關係，以便在任何層面的單一分析，而沒有忽略在各層次的變異。 HLM 常用於社會科學和行為科學，因為它常有巢狀結構 (Nested Structure)的資料，因此需用次模型 (Sub-Model)或階層模型(Hierarchical Model)，HLM 就是設計來專門解決此類問題的，HLM 提供的模型包括2-level models、3-level models、Hierarchical Generalized Linear Models (HGLM) 和 Hierarchical Multivariate Linear Models (HMLM)等。 

  友環為 IBM 軟體代理商夥伴   IBM® SPSS® Amos 容易執行結構方程式建模 IBM® SPSS® Amos 可讓您指定、估計、評量和呈現模型，以顯示變數間的假設關係。與使用標準多變量統計資料技術相比，此軟體可讓您建立更精確的模型。使用者可以選擇圖形使用者介面，或使用非圖形、程式介面。 SPSS Amos 可讓您建立反應複合式關係的態度和行為模型。此軟體： 提供結構方程式建模 (SEM) — 此建模方式不僅易於使用，而且可讓您輕鬆地比較、確認和精簡模型。 使用貝氏分析 (Bayesian Analysis) — 改善模型參數的估計值。 提供各種資料插補法 — 以建立不同的資料集。 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   螢幕顯示結果的模型 使用繪製工具來建立路徑圖，而不是撰寫方程式或輸入指令。 最適合您資料的模型 提供探索技術，例如結構方程式模型規格搜尋，以協助從大量候選者中選擇模型。 非圖形式建模 為程式設計師和非程式設計師提供簡易方式，以指定結構方程式無需繪製路徑圖。 尋找非預期的關係 在您找到適合的模型之後，SPSS Amos 路徑圖會顯示變項關係的強度。 支援您的研究 延伸標準多變量分析方法，包括 迴歸、因素分析、相關性和變異數分析。   AMOS 適用於各種科研應用 * 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

LISREL (LInear Structural RELations)是由K.G. Joreskog & D. Sorbom所發展的結構方程模型(Structural Equation Modeling)軟體。LISREL被公認為最專業的結構方程模組(Structural Equation Modeling，簡稱 SEM)分析工具在過去30年期間，LISREL模型軟體已經和架構方程式模型化(SEM)等於同義。SEM 在社會科學方面允許研究人員，以經驗為根據評價他們的理論的管理科學、行為科學、生物學、教育科學和其他領域。這些理論通常能夠結合外顯變數和潛變數(無法直接觀察的變數)以公式來表示出模型，如果資料是作為理論模型的觀察變數來收集的，那麼LISREL程式就能夠結合這些資料來擬合出模型。     LISREL的內容包含多層次分析(multilevel analysis)，二階最小平方估測(two-stage least-squares estimation)，主成份分析(principal component analysis)等等…。由於LISREL在探討多變項因果關係上的強力優勢，使得LISREL在社會學研究上似乎有愈來愈受重視的趨勢，LISREL系屬於「結構等式模式 (structural equation modeling，SEM)」家族的一員，因此LISREL的最大能耐亦在於探討多變項或單變項之間的因果關係。另外，SEM包含「共變數結構分析(covariance structure analysis)」、「潛在變項分析 (latent variable analysis)」、「驗證性因素分析(comfirmatory factor analysis)」、以及 「LISREL分析(LISREL analysis)」等等，SEM結合了多元迴歸與因素分析，可以同時分析一堆互為關連之依變項間的關係。 SEM之使用步驟如下： 發展研究者之理論基礎模式。 建構變項間之因果關係的徑路圖。 將徑路圖轉化為一套結構等式，並指定其測量模式。 選擇輸入矩陣類型(相關矩陣或變異數－共變數矩陣)，並對研究者假設之理論模式進行測量與驗證。

SmartPLS 是偏最小平方法結構方程模型（PLS-SEM）的領先的軟體工具之一， SmartPLS可以幫您在幾分鐘內輕鬆的應用PLS-SEM方法。SmartPLS是潛變量模型的里程碑， 其結合了現有技術方法（例如：PLS-POS、IPMA、complex bootstrapping routines），且配有易於使用的和直觀的圖形用戶界面。 PLS是結構方程模型的一種統計分析方法，這是一種探測或建構預測性模型的分析技術，尤其是對於潛在變項之間的因果模型(causal model)分析，優於一般的線性結構關係模式，且被引用到超過2500以上的學術刊物中使用，受到學者專家的肯定。 更新介紹  Feature: Descriptive statistics for latent variable scores, residuals, and prediction errors Feature: Preferences option to hide leading zeros in the results output Feature: Implementation of consistent PLS-MGA and permutation Localization: Translation to Urdu Localization: Update of the existing language versions Improved: Added specific indirect effects to the PLS-MGA and permutation results Improved: PLS-MGA two-tailed p-values Improved: Added intercepts for unstandardized coefficients IPMA results Improved: Software speed and performance Improved: Blindfolding missing data treatment (i.e., it does not support pairwise deletion anymore) Improved: Added construct level results (e.g., R²) in the modeling window of bootstrapping Improved: Descriptive statistics for indicator data (e.g., group-specific outcomes) Improved: Excel export of results Fixed: PLSpredict LV predictions Fixed: Changing the sort order in the result tables (e.g., by variable name) Fixed: Pairwise deletion to treat missing values Fixed: Highlighting of p-values for PLS-MGA results

Diva-for rhino 是一個高度優化的採光和能源建模外掛程式, 適用于 Rhinoceros, 這是一個 NURBS 建模軟體。該外掛程式最初是在哈佛大學設計研究生院開發的, 由 Solemma LLC 分發。Diva-for rhino 允許使用者對個別建築和城市景觀進行一系列環境績效評估, 包括輻射地圖、逼真渲染、基於氣候的日光度量、年度和個人時間步長眩光分析、LEED 和 CHPS 採光合規性以及單一熱區能量和負載計算。

SuperMix  結合四種混合效應程式的功能，包含MIXREG、MIXOR、MIXNO和MIXPREG，這是由Donald Hedeker and Robert Gibbons研究發展來評估混合效應回歸模型的應用程式。 混合效應模型也以多層次、分級的或隨機效應模型為著稱。這些模型可以被用來縱長性數據的分析，每個個體可能在不同的狀況下被測量。他們也能被使用在群集的分組數據中，例如在門診部內的病患。  SuperMix 是由SSI在 SBIR Phase II名叫N44MH32056的合約下開發的，SuperMix可以擬合帶有連續,計數,序數,名義和倖存輸出變量並且嵌套數據的模型,允許多達3層的嵌套。