|
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.
|