☆ 1、如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
      ☆ 2、在课程结束之后,授课老师会留给学员手机和E-mail,免费提供半年的课程技术支持，以便保证培训后的继续消化；
      ☆3、合格的学员可享受免费推荐就业机会。
      ☆4、合格学员免费颁发相关工程师等资格证书，提升您的职业资质。

• LISREL是应用于高级统计领域的软件。LISREL (LInear Structural RELations)是由K.G. Joreskog & D. Sorbom所发展的结构方程模型(Structural Equation Modeling)软件。LISREL被公认为是极具专业的结构方程模块（Structural Equation Modeling，简称SEM ）分析工具，其权威性不容其它类似软件取代。
•  
• 在过去的四十五年中，LISREL模型，方法和软件已成为结构方程模型（SEM）的同义词。SEM允许社会科学，管理科学，行为科学，生物科学，教育科学和其他领域的研究人员对它们理论进行实证评估。这些理论通常被制定为观察和潜在（不可观察）变量的理论模型。如果收集理论模型的观察变量的数据，则可以使用LISREL程序使模型适合数据。
•  
•  
•  
• 然而，今天，LISREL不再局限于SEM。LISREL 10包括64位统计应用程序LISREL，PRELIS，MULTILEV，SURVEYGLIM和MAPGLIM。
•  
• LISREL用于结构方程建模（32位应用程序）
• PRELIS用于数据处理和基本统计分析（32位应用程序）
• MULTILEV用于分层线性和非线性建模
• SURVEYGLIM用于广义线性建模
• CATFIRM用于类别响应变量的形成的基于推理的递归建模（FIRM）
• MAPGLIM用于多层数据的广义线性建模
•  
•  
• LISREL是一个64位应用程序，用于标准和多级结构方程建模。这些方法可用于分类和连续变量的完整和不完整的复杂调查数据，以及关于分类和连续变量的完整和不完整的简单随机样本数据。
•  
• LISREL适用于：
• 标准结构方程模型
• 多级结构方程建模
• 这些方法适用于以下数据类型：
• 关于分类和连续变量的完整的不完整的复杂调查数据
• 关于分类和连续变量的完整且不完整的简单随机样本数据
•  
•  
• LISREL功能：
• 结构化的本征曲线模型（Structured latent curve models）、序变量因子分析（Factor analysis of ordinal variables）、多级数据的广义线性模型（Generalized linear models (GLIMs) for multilevel data）
  用户可以从多项式，伯努利，泊松，二项分布，负二项分布，正常，Gamma和逆高斯抽样等分布中选择。
• 观测残差（Observational residuals）：使得用户能在计算模型的潜变量的潜变量得分的同时计算观测残差
  书写参数估计，标准误差的估计和PSF测量（Writing parameter estimates, standard error estimates and measures of fit to a PSF）允许用户保存参数估计，标准误差估计，PSF的测量。这些功能有助于蒙特卡洛研究。
• GUI的改变：允许用户输出各种格式的数据，如SPSS, SAS, SYSTAT, Statistica等等。
• 可以分析完整data和不完整data时的Multilevel Structural Equation Model，以及非线性Multievel Model（Two-level nonlinear regression models），技术明显领先其他同类软件。
• 能够提供Efficient Full Information Maximum Likelihood（FIML）方法处理SEM中missing data的问题，模型解释力极强。分析的样本大小和变量个数的多寡完全不受限制，提供极大的数据处理能力。
• 提供极具说服力的验证性因素分析（Confirmatory Factor Analysis；CFA）和探索性因素分析（Exploratory Data Analysis；EFA）报告。并利用Formal Inference-based Recursive Modeling（FIRM）方法检测类别变量和连续变量间的复杂统计关系。
•  
• 由于LISREL在探讨多变项因果关系上的强力优势，使得LISREL在社会学研究上似乎有愈来愈受重视的趋势，LISREL系属于结构方程模型(structural equation modeling，SEM)家族的一员，因此LISREL的特有能耐亦在于探讨多变项或单变项之间的因果关系。SEM一族的成员包含共变量结构分析(covariance structure analysis)、潜在变项分析(latent variable analysis)、验证性因素分析(comfirmatory factor analysis)、以及LISREL分析(LISREL analysis)等等，SEM结合了多元回归与因素分析，可以同时分析一堆互为关连之依变项间的关系。SEM之使用步骤如下：
• 1.发展研究者之理论基础模式。
  2.建构变项间之因果关系的径路图。
  3.将径路图转化为一套结构等式，并指定其测量模式。
  4.选择输入矩阵类型(相关矩阵或变异数－共变量矩阵)，并对研究者假设之理论模式进行测量与验证。