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。  

EQS 是一個以圖形的方式來進行協方差分析的隱變量分析軟體，用戶只要通過簡單的數據錄入與輸出操作就可以進行統計檢驗和繪圖工作，EQS所提供的手繪圖形程式模塊、結構均等程式模塊與協方差結構模型的概念相當別具一格，由此也確立了EQS在統計軟件中的一席之地。 EQS 是研究人員與統計學家簡單建構結構方程模型的最佳工具，包含複回歸分析、多變數回歸、驗證性因素分析、結構分析路徑分析以及多重母體比較。EQS提供完整且簡單操作 的介面。使用EQS，您可以不用具備任何矩陣代數的知識就可以輕易的操作本軟體。 EQS提供更為精確的統計理論知識以分析實際上非常態分配的資料。這些理論包含： Satorra-Bentler scaled chi-square, robust standard errors以及 Yuan-Bentler distribution-free statistics。 EQS 目前可處理多列相關與多序類相關的類別資料。附加的探索性工具，增強RETEST及WTEST選擇，並且有能力輸入權重矩陣。  

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 自v3.0版本開始收費，並採取月租的方式管控！ 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: Implementation of predictive model selection criteria for PLS and PLSc Feature: New unique case identifier (i.e., a fixed number for each observation in the dataset, which is useful, for example, when using the casewise deletion option, multigroup or segmentation analyses) Improved: Inclusion of all specific indirect effects for the mediator analysis Improved: Color highlighting of significant p-values in bootstrapping, permutation, and multigroup analysis (MGA) Improved: Results presentation for bootstrapped fit indices Improved: Software activation procedure Localization: Translation to Korean (100%) Localization: Translation to Malay (100%) Localization: Translation to Polish (>20%) Localization: Translation to Rumanian (>50%) Localization: Correction of incompletions and little issues in the different language translations Fixed: Residual correlation instead of covariance for PLSc Fixed: Bootstrapping sometimes stopped when using “complete bootstrapping” with repeated indicators due to problems in the fit calculation for these models Removed: Lohmöller’s initial weighting scheme (complexity reduction) Removed: Bootstrap sign change options (i.e., individual sign changes, construct level sign changes; complexity reduction) Removed: Double bootstrapping (increased bootstrapping performance; complexity reduction) Removed: d_g1 version of the exact fit measures (complexity reduction)  

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。