IBM SPSS Amos是一款非常实用的图形化建模软件，又称结构方程建模工具，主要用于对数据进行各种分析，包括回归分析、相关性分析、方差分析、因子分析、统计分析等等，具有分析准确，速度快的特点。

基本简介

　　IBM SPSS Amos是用于各种目的，包括的完美建模工具：

　　心理学 -发展模式，以了解如何用药，临床和艺术疗法影响心情

　　医疗保健研究 -确认这三个变量的-confidence，储蓄，或研究-最佳预测为处方仿制药医生的支持

　　社会科学 -研究如何社会经济地位，组织成员和其他因素在影响投票行为和政治参与的差异

　　教育科研 -培训评估方案结果来确定课堂有效性的影响

　　市场研究 -型号如何客户的行为影响新产品的销售或分析客户满意度和品牌忠诚度

　　机构研究 -研究工作相关的问题如何影响工作满意度

　　业务规划 -建立计量经济和金融模型和分析影响工作场所职业素养的因素

　　方案评价 -利用扫描电镜，以取代传统的逐步回归评估项目成果或行为模式

功能介绍

　　1.提供 SEM

　　使用拖放式绘图和编辑工具，快速构建图形模型。

　　创建真实反映复杂关系的模型。

　　使用观察到的或潜在的任何数字值来预测任何其他数字值。

　　使用非图形脚本编制功能快速运行大型的复杂模型，并生成略有区别的类似模型。

　　利用多变量分析扩展标准方法，例如，回归、因子分析、差异的关联和分析。

　　2.使用贝叶斯算法分析

　　通过指定内容丰富的先验分布，改进估算。

　　利用可自动调整的底层“马尔可夫链蒙特卡尔理论 (Markov chain Monte Carlo, MCMC)”计算方法。

　　以有序的分类数据和审查数据执行估算。

　　基于非数字数据创建模型，而无需将数字分数分配给数据。

　　使用审查数据，而无需进行除正常情况之外的假定。

　　3.提供各种数据归因方法

　　使用回归归因创建单一完整的数据集。

　　使用随机回归归因或贝叶斯算法归因创建多个归因的数据集。

　　您还可以归因缺失值或潜在变量分数。

软件特色

　　分析能力及统计功能；

　　估计回归方程的截距；

　　对任意参数执行bootstrapping，以给出在正态分布的假定下任意模型参数的近似置信区间，包括利用蒙特卡洛模拟估计的标准化系数；

　　多种估计方法，包括最大似然估计，未加权最小二乘，广义最小二乘，Browne的渐进自由分布标准以及自由尺度最小二乘；

　　在存在缺失数据的情况中，利用全部信息的最大似然方法，获得更有效，更小偏差的估计；

　　利用快速bootstrap模拟方法获得任意检验分布下任意参数的近似置信区间，包括标准化系数：

　　利用Bollen和Stinebootstrap方法评估模型；

　　计算百分位数置信区间以及修正偏差的百分位数置信区间；

　　通过随机置换检验探查是否存在等价的或拟合更好的模型；

　　通过路径图上给两个或以上参数设置相同标签实现在同一个组或者不同组间参数相等的约束，包括均值，截距，回归权重，协方差；

　　估计外生变量均值。

常见问题

　　支持的文件类型包括：dBase(.dbf),Microsoft Excel(.xls),FoxPro(.dbf),Lotus(.wk1,.wk3,.wk4),Microsoft Access(.mdb),IBM SPSS Statistics(.sav)，以及文本(.txt,.csv)