Standard ve çok katmanlı
yapısal eşitlik modellemesi yapabilmelidir.
Çoklu grup yapısal eşitlik modellerini
çoklu grup verilerine oturtabilmelidir.
Maximum Likelihood (ML), Robust
Maximum Likelihood (RML), Weighted Least Squares (WLS), Diagonally Weighted
Least Squares (DWLS), Generalized Least Squares (GLS) ve Un-weighted Least
Squares (ULS) gibi geleneksel istatistiksel metotları tamamlanmış çoklu grup verileri için sağlamalıdır.
Full Information Maximum
Likelihood (FIML) metodunu tamamlanmamış çoklu grup verileri için
sağlamalıdır
Kategorik ve sürekli
değişkenlerin tamamlanmış ve tamamlanmamış karmaşık survey verileri için
metotlar sağlamalıdır.
Kategorik ve sürekli
değişkenlerin tamamlanmış ve tamamlanmamış basit rassal örneklem verileri
için metotlar sağlamalıdır.
Veri manipülasyonu, veri
aktarma ve oluşturma, moment matrislerini hesaplama, kestirilen asimptotik
kovaryans matrislerini hesaplama, eşleştirme ile imputasyon, çoklu
imputasyon, çoklu doğrusal regresyon, lojistik regresyon, tek ve çok
değişkenli kısıtlı regresyon ve ML ve MINRES açıklayıcı faktör analizlerini
sağlayan bir uygulaması bulunmalıdır.
Çok seviyeli doğrusal ve doğrusal olmayan modelleri basit rassal
ve karmaşık survey tasarımlarına oturtan ve sürekli ve kategorik yanıt
değişkenlerine izin veren bir uygulaması bulunmalıdır.
Çok katmanlı Genelleştirilmiş
Doğrusal modelleri (GLIM ler) basit rassal ve karmaşık survey tasarımlarının
verilerine oturtan bir uygulaması bulunmalıdır.
Maximum A Priori (MAP) metodunun genelleştirilmiş doğrusal
modelleri çok seviyeli verilere oturtan bir uygulaması bulunmalıdır.
Stat/Transfer 14 uygulaması ile Stata 15/MP, BayesiaLab (sadece yazma),
JSON-Stat (sadece yazma) ve 4GB üzerindeki Excel dosyalarından, 32K den büyük
SAS, 32K den büyük Stata ve 2GB den büyük dBASE dosyalarından dıştan alma ve
dışa gönderme işlemlerini de sağlamalıdır.
Akademik 2 kullanıcılı Daimi lisansı sağlanmalıdır.
|