SSI SCIENTIFIC SOFTWARE INTERNATIONAL
HLM FOR WINDOWS - Licenza SINGOLA - 12 MESI
Licenza singola per 1 utente per 1 PC - Noleggio per 1 anno
COD: 302526
COD.MEPA: 302526CS
COD.MEPA: 302526CS
Descrizione
Nella ricerca sociale e in altri campi, i dati di ricerca spesso presentano una struttura gerarchica. Ciò significa che i soggetti di studio possono essere classificati o organizzati in gruppi che a loro volta hanno caratteristiche che influenzano lo studio. È chiaro che l'analisi di tali dati richiede software specializzato. Sono stati sviluppati modelli lineari e non lineari gerarchici (anche chiamati modelli multinivel) per consentire lo studio delle relazioni a qualsiasi livello in un'unica analisi, senza ignorare la variabilità associata a ciascun livello della gerarchia.
HLM adatta modelli alle variabili di output che generano un modello lineare con variabili esplicative che tengono conto delle variazioni a ciascun livello, utilizzando variabili specificate a ciascun livello. HLM non solo stima i coefficienti del modello a ciascun livello, ma prevede anche gli effetti casuali associati a ciascuna unità campionaria a ogni livello.
HLM:
- può adattarsi a modelli a due, tre e quattro livelli con variabili di output continue, di conteggio, ordinali e nominali.
- è in grado di adattare modelli multivariati in cui la varianza al livello più basso della gerarchia può assumere una varietà di forme/strutture.
- offre una scelta di modelli nidificati a tre e quattro livelli per modelli trasversali e longitudinali e modelli misti incrociati a quattro vie e nidificati.
- consente l'adattamento di modelli gerarchici con effetti casuali dipendenti (modelli di progettazione spaziale).
- ha la capacità di stimare un HLM da dati incompleti mediante un approccio completamente automatizzato che genera e analizza set di dati imputati multipli da dati incompleti. Il modello è completamente multivariato e consente all'analista di rafforzare l'imputazione attraverso variabili ausiliarie.
- include l'opzione per adattare combinazioni flessibili di Interpolazioni Fisse e Coefficienti Casuali (FIRC) che sono ora incluse in HLM2, HLM3, HLM4, HCM2 e HCM3.
- può analizzare dati di valore plausibile/imputati multipli.
- ha un'opzione per adattare modelli V-noti.
HLM adatta modelli alle variabili di output che generano un modello lineare con variabili esplicative che tengono conto delle variazioni a ciascun livello, utilizzando variabili specificate a ciascun livello. HLM non solo stima i coefficienti del modello a ciascun livello, ma prevede anche gli effetti casuali associati a ciascuna unità campionaria a ogni livello.
HLM:
- può adattarsi a modelli a due, tre e quattro livelli con variabili di output continue, di conteggio, ordinali e nominali.
- è in grado di adattare modelli multivariati in cui la varianza al livello più basso della gerarchia può assumere una varietà di forme/strutture.
- offre una scelta di modelli nidificati a tre e quattro livelli per modelli trasversali e longitudinali e modelli misti incrociati a quattro vie e nidificati.
- consente l'adattamento di modelli gerarchici con effetti casuali dipendenti (modelli di progettazione spaziale).
- ha la capacità di stimare un HLM da dati incompleti mediante un approccio completamente automatizzato che genera e analizza set di dati imputati multipli da dati incompleti. Il modello è completamente multivariato e consente all'analista di rafforzare l'imputazione attraverso variabili ausiliarie.
- include l'opzione per adattare combinazioni flessibili di Interpolazioni Fisse e Coefficienti Casuali (FIRC) che sono ora incluse in HLM2, HLM3, HLM4, HCM2 e HCM3.
- può analizzare dati di valore plausibile/imputati multipli.
- ha un'opzione per adattare modelli V-noti.
259,86 € Iva inclusa
:
ACQUISTI PER LA PUBBLICA AMMINISTRAZIONE?
GUIDA ALL'ACQUISTO
CAMPUSTORE RISPONDE
Descrizione
Nella ricerca sociale e in altri campi, i dati di ricerca spesso presentano una struttura gerarchica. Ciò significa che i soggetti di studio possono essere classificati o organizzati in gruppi che a loro volta hanno caratteristiche che influenzano lo studio. È chiaro che l'analisi di tali dati richiede software specializzato. Sono stati sviluppati modelli lineari e non lineari gerarchici (anche chiamati modelli multinivel) per consentire lo studio delle relazioni a qualsiasi livello in un'unica analisi, senza ignorare la variabilità associata a ciascun livello della gerarchia.
HLM adatta modelli alle variabili di output che generano un modello lineare con variabili esplicative che tengono conto delle variazioni a ciascun livello, utilizzando variabili specificate a ciascun livello. HLM non solo stima i coefficienti del modello a ciascun livello, ma prevede anche gli effetti casuali associati a ciascuna unità campionaria a ogni livello.
HLM:
- può adattarsi a modelli a due, tre e quattro livelli con variabili di output continue, di conteggio, ordinali e nominali.
- è in grado di adattare modelli multivariati in cui la varianza al livello più basso della gerarchia può assumere una varietà di forme/strutture.
- offre una scelta di modelli nidificati a tre e quattro livelli per modelli trasversali e longitudinali e modelli misti incrociati a quattro vie e nidificati.
- consente l'adattamento di modelli gerarchici con effetti casuali dipendenti (modelli di progettazione spaziale).
- ha la capacità di stimare un HLM da dati incompleti mediante un approccio completamente automatizzato che genera e analizza set di dati imputati multipli da dati incompleti. Il modello è completamente multivariato e consente all'analista di rafforzare l'imputazione attraverso variabili ausiliarie.
- include l'opzione per adattare combinazioni flessibili di Interpolazioni Fisse e Coefficienti Casuali (FIRC) che sono ora incluse in HLM2, HLM3, HLM4, HCM2 e HCM3.
- può analizzare dati di valore plausibile/imputati multipli.
- ha un'opzione per adattare modelli V-noti.
HLM adatta modelli alle variabili di output che generano un modello lineare con variabili esplicative che tengono conto delle variazioni a ciascun livello, utilizzando variabili specificate a ciascun livello. HLM non solo stima i coefficienti del modello a ciascun livello, ma prevede anche gli effetti casuali associati a ciascuna unità campionaria a ogni livello.
HLM:
- può adattarsi a modelli a due, tre e quattro livelli con variabili di output continue, di conteggio, ordinali e nominali.
- è in grado di adattare modelli multivariati in cui la varianza al livello più basso della gerarchia può assumere una varietà di forme/strutture.
- offre una scelta di modelli nidificati a tre e quattro livelli per modelli trasversali e longitudinali e modelli misti incrociati a quattro vie e nidificati.
- consente l'adattamento di modelli gerarchici con effetti casuali dipendenti (modelli di progettazione spaziale).
- ha la capacità di stimare un HLM da dati incompleti mediante un approccio completamente automatizzato che genera e analizza set di dati imputati multipli da dati incompleti. Il modello è completamente multivariato e consente all'analista di rafforzare l'imputazione attraverso variabili ausiliarie.
- include l'opzione per adattare combinazioni flessibili di Interpolazioni Fisse e Coefficienti Casuali (FIRC) che sono ora incluse in HLM2, HLM3, HLM4, HCM2 e HCM3.
- può analizzare dati di valore plausibile/imputati multipli.
- ha un'opzione per adattare modelli V-noti.