Anı Yayıncılık Eğitim ve Danışmanlık

Nvivo Türkiye Bölge Satış Temsilcisi

Lısrel

egitimler_bnr.jpg
egitimler_bnr.jpg

LISREL 8 ve 9 kullanıcılarının artan taleplerini karşılamak amacıyla SSI, günümüz teknolojisinin en ileri safhasında yer alan LISREL 10’u geliştirdi. Program, Microsoft Windows platformunda Windows 7 ve Windows 10 işletim sistemleriyle kapsamlı ölçüde test edilmiştir.

Yapısal eşitlik modellemesi (YEM), ilk başlarda kovaryans veya korelasyon matrislerinin analizi ile gerçekleştirilmekteydi. Genel anlamda, kişi bu matrisi LISREL’de okutabilir ve model kestirimlerini en çok (yüksek) yöntemi ile yapabilirdi. Eğer kayıp veri içermeyen bir ham veri mevcutsa, kişi öncelikle standart hataların ve ki-kare değerlerinin sağlam tahminlerini elde edilmesini sağlayan asimptotik kovaryans matrisini oluşturmak için PRELIS kullanabilirdi.

Modern yapısal eşitlik modellemesi, ham veriye dayanmaktadır. LISREL 10 ile, eğer LISREL veri sistemi dosyasında ya da bir metin dosyasında ham veri mevcutsa bu verileri LISREL’de okutabilir ve SIMPLIS ya da LISREL sözdizimlerini kullanarak model oluşturabilirsiniz.

Tek bir veri dosyası kullanarak yapılan çoklu grup analizleri

Normalde birçok veri kümesi farklı gruplardan edinilen gözlemleri kapsar. Bu grupları cinsiyet, diller, siyasal partiler, ülkeler, fakülteler, kolejler, okullar vb. şeklinde örneklendirebiliriz.

LISREL,   çok gruplu verilerde çoklu grup yapısal eşitlik modellerinin uyumunun test edilmesinde kullanılabilir. Tam çoklu grup verilerinde En çok Olabilirlik (ML), Robust En Çok Olabilirlik (RML), Ağırlıklandırılmış En Küçük Kareler (WLS), Diyagonal Ağırlıklandırılmış En Küçük Kareler (DWLS), Genelleştirilmiş En Küçük Kareler (GLS), Ağırlıklandırılmamış En Küçük Kareler (ULS) gibi geleneksel istatistiksel yöntemler kullanılabilirken Eksik çoklu grup verileri için Tam Bilgi En Çok Olabilirlik (FIML) yöntemi mevcuttur.

LISREL’in önceki sürümlerinde kullanıcı her grup için ayrı veri dosyası oluşturmak zorundaydı. Analiz edilecek grupların sekiz ülkede toplanan verilerden oluştuğunu düşünürsek çoklu grup yapısal eşitlik modeline uyması için sekiz veri kümesinin oluşturulması gerekiyor demektir.

LISREL 10’a getirilen yeni bir özellik, araştırmacıların LISREL sistem dosyası (.lsf) açıldığında Data Menu’yü kullanarakSözdizimi (syntax) dosyasında herhangi bir yere $GROUPS=  yazarak tanımlayabilecekleri bir grup değişkeni içeren tek bir veri kümesi kullanmasına olanak tanır.

Gruplandırılmış ve ayrık zamanlı sağkalım verileri için modeller

Gruplandırılmış sağkalım verileri için oluşturulmuş modeller, bazı olayların oluşumu bakımından sabit zaman aralıklarında aralıksız olarak ölçüldüğünde ya da olayın kesin zamanının tespiti sadece gruplandırılmış zaman aralıkları dâhilinde bilindiğinde başarısızlık zamanlı veri analizi için elverişlidir. Ayrıca, çoğu zaman değişkenlerin kümeler (okullar, firmalar, klinikler gibi) içine yuvalandığı veya yinelenen olaylar bağlamında tekrarlı olarak ölçüldüğü durumlar söz konusudur. Bu durumda, gözlemlerin bağımsızlığı varsayımını gerektiren gruplandırılmış zamanlı modellerin kullanımı tartışmalı olur, çünkü aynı kümeden veya konudan yapılan gözlemler genellikle ilişkilidir.

Kümelenmiş ve/veya tekrarlanmış veriler için rastgele etkiler içeren modeller, ilişkili sağkalım verilerinde birliktelik için uygun bir hesap yöntemi sunar.


Satın Al

 

Anı Yayıncılık Eğitim ve Danışmanlık @2018
 
#
Tamam