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
模型參數的貝氏估計及其他。在專業或企業領域上，貝氏分析可藉由指定一個知識性的先驗分配來改善估計值。馬可夫鏈蒙地卡羅（MCMC）估計法是Amos 中所使用的貝氏技術。貝氏分析可讓您：
- 對於較小的樣本，有可靠的配適結構方程及相關模型。
- 可以估計任何的模型參數的功能。例如：計算直接及間接結果的差異。觀察資料是否完整。
- 藉由畫出任何參數的邊際概似來研究最大概似估計法的假設。
- 避開不被許可的模型參數估計值，如：透過選擇先驗分配所得負變異數估計值。
- 預防在非遞回型的線性方程式得到不穩定的解。
- 利用最大概似或其他估計方法來對客製化的假設進行檢定。
- 對於間接結果可求出最佳的不對稱的置信區間。
插補遺漏值或潛在變數分數。您可以使用3 種資料插補法：迴歸，隨機迴歸或貝氏分析。利用迴歸插補來建立一個單獨完整的資料集。利用隨機迴歸或貝氏插補來建立多個插補的資料集。你也可以插補遺漏值或因素分數。
- 利用迴歸插補法來建立一個單獨完整的資料集。從迴歸方程式所得的預測值來代替遺漏值。
- 利用隨機迴歸插補法或貝氏插補法來建立多個插補的資料集。隨機迴歸插補從結構方程模式中以最大概似為基礎的參數估計值。遺漏值的插補方法是隨機從觀察資料的條件分配中抽出來，並假設參數值等於他們的大概似估計值。多重貝氏插補法類似於隨機迴歸插補法，不過其參數值是估計出來的，而不是已知的。
使用Microsoft 的程式語言來增加Amos 的功能，包括了Visual Studio 及C#。
可以更輕鬆的使用Amos。改善的介面功能可以讓您：
- 利用預覽功能先行瀏覽路徑圖。
- 可以更有效率的將物件拉近，拉遠，卷軸及放大。
- 按一下即可建立變數路徑圖。