LISREL 10的常见问题与LISREL 8.80的常见问题在很大水平上沉叠。在这方面，请把稳，LISREL 10的LSF等效于LISREL 8.80的PSF。

?

1、LISREL能够使用单个数据文件执行多组分析吗？

现实上，多元数据集是来自多个组的观察值。这些群体的粒子、性别，说话，学院等等。

LISREL可用于多个组结构方程模型拟合到多个数据。提供了统计步骤，例如ML、RML、WLS、DWLS、GLS和ULS用多组数据，而FIML步骤可用于资料的多组数据。

在以前的LISERL版本中，要求用户个组创建单独的数据文件。如果要分析的组由在八个地域网络的数据组成，则寓意是创建八个数据集能力适合多组结构方程模型。?

LISREL 10 中新职能使钻研人员能够使用组变量的单个数据集，该组变量通过以下方式界说：

在打开LISERL系统文件（.lsf）时使用数据菜单。

通过将行插入$GROUPS=语法文件中的地位。要在多组分析中使用此数据集，请使用主菜单栏中的“数据”菜单，选择“组变量...”，从变量列表当选择“ COUNTRY“，实现后单击”确定“按钮。该线性结构示例文件夹有名为子文件夹MGROUPS在以下统计法式的例子。

?

2、能否使用多层广义线性（MGLIM）？槔茨夂嫌糜诜肿楣Ψ蚝屠肷⒐Ψ蛏剖莸哪Ｐ？

当凭据某个事务的产生以固定的距离沉读丈量对象时，或者在分组的功夫距离内才知路事务的功夫时，分组功夫生计数据的模型可用于分析故障功夫数据。 观察对象被嵌套钥浏群中（即，学堂，公司，诊所），或凭据沉复事务进行沉复丈量。在这种情况下，使用假定观测分组功夫模型是有问题的，由于来自统一聚类或主题的观测通常是有关的聚类/沉复数据的模型，随机效应的模型为诠释有关生计数据中的关联提供了步骤。

?

3、是否能够测试序数了局的比例几率与非比例几率如果？

术语“通常”合用于以一系列有序类别二两感兴致的响应怀抱的扭转量。此类变量的示例，名义和挨次了局模型能够看做是二元了局模型的概括。当了局变量不是二分法或不是真正陆续时，挨次模型就变的很有效。若是在陆续模型中分析了序数了局，则此类模型能够得出序数变量分为之表的预测值。与二进造数据一样，进行某种转换或链接能力预防这种情况的产生。陆续模型在利用于序数了局时也能够产生有关的残差和回归，由于陆续模型未思考序数了局的上限和下限影响。而后，这可能出现回归系数的估计有误差，并且在所会商的序数变量持续偏斜时，这是必要把稳的。

?

?

钻研人员已经进行了宽泛的工作，以开发用于分析序数响应数据的步骤。这些发展集中在将二分变量的步骤扩大到挨次响应数据上，并且重要是在逻辑和概率回归模型方面。比例赔率模型是挨次数据分析在LISREL 10中，能够使用比例和非比例赔率模型进行拟合，以使用卡方差检验检验比例赔率如果。参考指南“比例和非比例odds.pdf的模型”示例可通过在线援手菜单进行接见。

?

4、能够使用LISREL 10拟合多种广义线性模型吗？

聚类或多阶段样本设计时时用于拥有固有档次结构的总体。忽略数据的档次结构拥有严沉的意思。使用代替步骤（例如，将信息汇总和分化到另一种）可能会出现预测变量之间的共线性增长的较大误差。

?

称为广义线性模型（GLIM）的集中统计工具。变量可所以二分法，计数（扣留纪录数）或名义变量。这样做是将了局衔接到有关自变量的回归关系，使其适合因变量的属性。LISREL 8.8将广义线性模型（GLIM）拟合到调查数据的统计理论和步骤。

?

社会经济科学领域的钻研人员将这些步骤利用于多档次数据，因而，得出了不相宜的了局。用于分析多种数据的LISREL统计？樵市砩杓迫ǔ。有两种估计步骤，MAP（后验散布的大化）和QUAD（自适应正交），用于将广义线性模型拟合到多种数据。LISREL多种广义线性模型？椋∕GLIM）可进行多种采样散布和链接职能。

?

?

5、对于陆续了局变量的多线性模型，能够指定三个以上的水平吗？

社会科学钻研通常必要对数据进行分层结构分析。时时引用的无数据示例是数据集，其中对嵌套在学堂中的孩子和嵌套在教育部门中的孩子的丈量。

?

人们已经充分意识到必要思考采样规划的统计模型，并且已经批注，在随机采样规划的如果下对换查数据进行分析可能会产生误导性的了局。

?

多层模型在复杂调查数据的建模中有效。聚类或多阶段样本设计时时用于拥有固有档次结构的总体。忽略数据的档次结构拥有严沉的意思。使用代替步骤（例如，将信息汇总和分化到另一种）可能会出现预测变量之间的共线性增长较大或有误差的误差。为相识决有关对换查数据进行分析，LISREL陆续数据多？榇丝袒鼓芄淮χ枚嘀，并提供选项。

?

?

?

• ?