PRELIS破解版用于处理数据、转换数据、生成数据、计算矩矩阵、计算渐近协方差矩阵、回归分析、探索性因子分析、多重插补、自举等。LISREL适用于结构方程模型，以完成和不完整的复杂调查，多级和简单的随机样本数据。MULTILEV将线性和非线性模型拟合为多级数据，MAPGLIM将广义LInear模型（GLIM）与多级数据相匹配，SURVEYGLIM将广义线性模型（GLIM）与简单随机样本和复杂调查数据相匹配，CATFIRM和CONFIRM分别对分类和连续因变量实现基于形式推理的递归建模。
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。
PRELIS是一个64位应用程序，用于数据处理，数据转换，数据生成，计算矩矩阵，计算样本矩的渐近协方差矩阵，匹配插补，多重插补，多元线性回归，逻辑回归，单变量和多变量删失回归，和ML和MINRES探索性因子分析。
SURVEYGLIM是一个64位应用程序，它适用于广义LInear模型（GLIM）与简单随机和复杂调查设计的数据。可以使用多项式，伯努利，二项式，负二项式，泊松，法线，伽马和逆高斯采样分布的模型。
MAPGLIM是一个64位应用程序，它实现了最大先验（MAP）方法，以将广义线性模型拟合到多级数据。
LISREL的历史
应用统计学中的大多数第一，甚至第二个课程很少比对照实验，组比较或简单预测研究的数据的普通最小二乘分析更进一步。总的来说，这些程序构成了回归分析，它们所依赖的线性数学函数被称为回归模型。这种基本的数据分析方法非常适用于物理科学中的曲线拟合问题，其中必须估计观察到的因变量和操纵的自变量之间的经验关系。它还很好地用于生物学研究的目的，其中将生物随机分配到治疗条件，并估计治疗组之间的平均反应的差异。
这些应用的基本特征是仅假设因变量或观察到的响应受到测量误差或其他不受控制的变化的影响。也就是说，图片中只有一个随机变量。假设独立变量或治疗水平由实验者以已知的预定值固定。这种表述的唯一例外是经验预测问题。为此目的，研究者观察一个或多个预测变量的某些值，并希望估计具有预测值的给定值的受访者中标准变量的分布的均值和方差。因为预测是以这些已知值为条件的，所以它们可以被认为是回归模型中的固定量。一个例子是预测孩子在成熟时从他或她的当前身高和父母的已知身高达到的高度。尽管所有高度都是根据误差来衡量的，但只有孩子在成熟时的身高才被视为随机变量。
普通回归方法不再足够，并且确实给出误导性结果的是纯粹的观察性研究，其中所有变量都受到测量误差或不受控制的变化的影响，并且调查的目的是估计考虑到所讨论变量之间变化的关系。 。在实验不可能或不切实际且仅仅经验预测不是研究目标的领域中，这是数据分析的基本问题。这是社会学，经济学，生态学等领域几乎所有研究的典型代表，甚至是地质学和气象学等物理科学领域。在这些领域中，数据分析的基本问题是估计定量观测变量之间的结构关系。当表示这些关系的数学模型是线性的时，我们说的是线性结构关系。制定，拟合和测试这种关系的各个方面我们称之为结构方程建模。
尽管结构方程模型仅在过去二十年中已成为数据分析的一种主要形式（部分归功于LISREL计划的可用性），但该概念最近由人口生物学家Sewell Wright在八十年前引入。芝加哥大学。他表明观测变量之间的线性关系可以用所谓的路径图和相关的路径系数的形式表示。通过根据简单的规则在图上跟踪因果路径和关联路径，他能够立即记下变量之间的线性结构关系。Wright最初应用这种技术来计算相关人员观察到的孟德尔遗传假设特征之间的相关性。后来，
除了路径图表示之外，线性结构分析的现代形式还包括模型的代数公式。这两种形式是等效的，LISREL程序中的分析实现允许用户以任何一种表示方式将模型提交给计算机。当关系中涉及的变量数量适中时，路径分析方法非常好，但是当变量数量很大时，图表变得很麻烦。在这种情况下，象征性地编写关系更方便。SIMPLIS手册提供了两种表示的示例，并明确了路径和结构方程之间的对应关系。请注意，在上述几乎无法进行实验的领域中，心理学和教育并未出现。一个多世纪以来，动物和人类受试者的对照实验一直是心理学研究的支柱，并且在20世纪20年代，教学方法的实验评估开始出现在教育中。然而，随着在这些领域中开发的实证研究，一种新的数据分析问题变得明显，而在其他领域却没有遇到过。
在心理学中，困难是，现在仍然是，大多数情况下没有明确定义的因变量。感兴趣的变量在心理研究的一个领域与另一个领域之间存在很大差异，并且经常在相对较短的时间内在区域内进出。心理学被不同地描述为行为科学或人类信息处理科学。但是，各种行为和信息处理是如此多种多样，以至于在研究人员确定要研究的变量和观察它们的方法之前，研究无法取得进展。在确定连贯的观察领域方面取得了进展，它是通过构造的调解 - 一些假定的潜变量，它被来自各种来源的刺激所修改，进而控制或影响各种可观察的行为方面。这种潜在变量的典型例子是Charles Spearman引入的一般智能构造，用于说明在许多类型的问题解决任务中成功表现之间观察到的正相关性。
对验证结构和测量其影响所需的数学和统计方法的研究导致了数据分析程序的发展，称为因子分析。其现代形式主要归功于Truman Kelly和LLThurstone的工作，他将Spearman的单因素分析转变为完全通用的多因素分析。最近，KarlJöreskog在早期的探索性分析形式中加入了验证性因子分析。这两种形式有不同的用途。探索性因子分析是一种真实的发现过程：它使人们能够看到原始数据中甚至在变量之间的相关性中根本不明显的变量之间的关系。验证性因子分析使人们能够测试理论上预期的关系是否实际出现在数据中。Derrick Lawley和KarlJöreskog提供了一个基于最大似然估计的统计程序，用于将因子模型拟合到数据并测试可以在数据中检测和可靠估计的因子数量。
定义变量的类似问题出现在教育研究中，甚至在替代教学方法的实验研究中也是如此。教育的目标是广泛的，教学的结果也相应很多：教学实践的创新可能导致某些测量结果的获得和其他方面的损失。研究者可以测量很多这样的结果，但除非所有结果都是有利的或者都是不利的，否则结果变得太复杂，无法讨论或提供任何教育政策指南。同样，因子分析在确定结果之间变异的主要维度以及建议用于讨论的简约结构方面提供了很大的帮助。
在LISREL模型中，线性结构关系和因子结构被组合成一个适用于许多领域的观察研究的综合模型。该模型允许由可观察的解释性（或外源性）变量，构建体之间的递归和非递归关系以及由可观察响应（或内源）变量指示的多个潜在构建体指示的多个潜在构建体。潜在构造之间的联系构成了结构方程模型; 潜在结构与其可观察指标或结果之间的关系构成了因子模型。综合模型的所有部分可以在路径图中表示，并且所有因子载荷和结构关系表现为路径的系数。
嵌套在通用模型中的是更简单的模型，LISREL程序的用户可以选择作为特殊情况。如果直接观察结构关系中涉及的一些变量而不是指示，则可以排除部分或全部因子模型。相反，如果没有结构关系，则模型可以减少到适用于所讨论数据的验证性因子分析。最后，如果数据来自简单的预测问题或对照实验，其中无误差地测量自变量或治疗水平，则用户可以专注于简单的回归模型并获得普通最小二乘分析的标准结果。
这些专业化可以以三种不同的方式传达给LISREL计算机程序。在最直观的视觉级别，用户可以在屏幕上交互地构建路径图，并指定要包括或排除的路径。相应的口头水平是SIMPLIS命令语言。它只需要用户为变量命名并声明它们之间的关系。第三个也是最详细的级别是LISREL命令语言。它是根据矩阵表示出现在模型的矩阵 - 代数表示中。矩阵的各种参数可以固定或设置为等于其他参数，并且可以在它们之间施加线性和非线性约束。LISREL命令语言的术语和语法在LISREL程序手册中进行了解释和说明。大多数但并非所有这些功能都包含在SIMPLIS语言中; 某些高级功能仅适用于本机LISREL命令。
LISREL分析的基本统计假设是模型中的随机量以属于椭圆分布族的形式分布，其中最突出的成员是多元正态分布。在合理假设多元正态性的应用中，估计模型中未知数的最大似然法是合理的并且通常是优选的。在不满足最大似然估计的要求的情况下，如数据是有序的而不是测量的，可以使用各种最小二乘估计方法。然而，重要的是要理解，除了那些应用普通最小二乘分析或其他最小二乘法的权重矩阵已知的情况，这些是大样本估计程序。这不是观察研究中的严重限制，其中样品通常较大。小样本理论仅适用于受控实验，并且仅在模型包含单个，单变量或多变量正态误差分量时才适用。
将分析方法限制为椭圆分布变化的最大优点是样本均值和协方差矩阵（或相关矩阵和标准偏差）是分析的充分统计数据。这允许将关于模型的选择和拟合的数据中的所有信息压缩到相对少量的汇总统计中。由此产生的数据压缩在大规模样本调查研究中具有巨大的优势，其中观察的数量可能达到数万，而足够的统计数量是由变量数量决定的数量级。
将原始数据减少到足够的统计数据（同时清理和验证数据的有效性）的操作由LISREL附带的PRELIS程序执行。PRELIS还以四线或多元相关矩阵的形式计算定性数据的汇总统计数据。当有多个样本组，并且在各组之间定义和比较LISREL模型时，PRELIS依次为每个样本准备足够的统计数据。
在涉及单个样本的许多社会和心理或教育研究中，变量通常在具有任意来源的量表上进行测量。在这种情况下，样本中变量的总体均值可以从分析中排除，LISREL模型的拟合可以简单地视为协方差结构的分析，在这种情况下，模型隐含的预期协方差矩阵直接拟合到观察到的协方差矩阵。由于样本协方差矩阵在分布假设下是足够的统计量，因此结果等同于拟合数据。同样，分析更易于管理，因为人们可以从观察到的协方差中检查残差，这些协方差数量适中，而不是分析大样本中原始观测值的残差。
LISREL分析的许多方面都在PRELIS和LISREL程序手册的例子中提出。此外，SIMPLIS手册包含练习，以帮助学生加强和扩展他对这种强大的数据分析方法的理解。包含这些示例数据的文件包含在程序中，可以通过多种不同方式进行分析，以探索和测试替代模型。
然而，今天，LISREL for Windows不再局限于SEM。最新的LISREL for Windows包括以下统计应用程序。
用于结构方程建模的LISREL。
PRELIS 用于数据处理和基本统计分析。
MULTILEV 用于分层线性和非线性建模。
SURVEYGLIM 用于广义线性建模。
MAPGLIM 用于多级数据的广义线性建模。
使用说明
一、文件
LISREL for Windows将SPSS，SAS，STATA，Statistica，Microsoft Excel，SYSTAT，BMDP等原始数据文件作为PRELIS系统文件（PSF）导入。它使用PSF存储原始数据。每当PRELIS或LISREL处理PSF时，都会创建一个与PSF同名的数据系统文件（DSF）。该DSF包含LISREL将结构方程模型拟合到数据所需的所有数据信息。
可以通过路径图，SIMPLIS项目文件，LISREL项目文件，SIMPLIS语法文件或LISREL语法文件来指定结构方程模型。 LISREL for Windows使用具有默认扩展名PTH的图形文件来捕获路径图。扩展SPJ和LPJ分别用于SIMPLIS和LISREL项目文件。 SIMPLIS和LISREL语法文件是分别具有默认扩展名SPL和LS8的文本文件。这五种文件类型可以从PSF或DSF访问数据。如果用户准备了这些文件中的任何一个，则可以使用LISREL for Windows将指定的模型拟合到相应PSF或DSF中指定的数据。
Du Toit＆Du Toit（2001）描述了路径图，SIMPLIS项目和LISREL项目文件。 SIMPLIS语法文件在Jöreskog＆Sörbom（1999c）和Du Toit等人中描述。 （2005），而JISreskog＆Sörbom（1999b）概述了LISREL语法文件。
每当PRELIS以交互方式处理PSF时，都会创建一个与PSF同名的PRELIS语法文件。 PRELIS语法文件是具有默认扩展名PR2的文本文件。 PRELIS语法文件由Jöreskog＆Sörbom（1999a）描述
MULTILEV，CATFIRM，CONFIRM，SURVEYGLIM和MAPGLIM语法文件也是默认扩展名为PR2的文本文件。 Du Toit等人描述了MULTILEV语法文件和SURVEYGLIM语法文件。 （2005），而在Du Toit和Du Toit（2001）中描述了CATFIRM和CONFIRM语法文件。
LISREL for Windows通过打开一个包含三个菜单的主窗口启动。然后，可以使用“文件”菜单分别在PSF和PTH Windows中打开现有或新的PSF和PTH文件。它还可用于在LISREL和SIMPLIS项目（LPJ和SPJ）窗口中打开新的或现有的LISREL和SIMPLIS项目文件。文本编辑器窗口用于显示新的或现有的语法文件和输出文件。 PTH，PSF，LPJ，SPJ和文本编辑器窗口具有特定于窗口的菜单。
二、PRELIS
PRELIS语法文件是文本文件。
PRELIS语法文件的默认扩展名为.PR2。
可以使用PSF窗口的PRELIS对话框上的语法按钮生成PRELIS语法文件。
用户可以使用“新建”对话框中的“仅语法”选项或使用任何文本编辑器（如记事本或写字板）手动准备PRELIS语法文件的内容。
1、规则
PRELIS命令，关键字和选项不区分大小写。
只有变量标签的前8个字符是重要的，并且将由程序使用。
最大行长度为1024个物理列。
通过在当前行上添加空格后跟C（表示继续），可以在多行上继续执行命令。
关键字及其指定值应出现在同一行：如果指定的值超出列1024，则在新行上启动关键字。
括号（）必须完全按照所示输入。
关键字需要等号（“=”）。
使用空格分隔子命令名称，关键字和选项。
感叹号（！）或斜杠 - 星号组合（/ *）可用于指示此行后面的所有内容都被视为注释。
没有空白（空）行被接受！要么 /*。
在可选标题行之后，DA命令应该首先出现，OU命令应该是最后一个。 LA命令应放在使用命名变量（而不是变量号）的任何其他命令之前。
RA命令可能出现在任何地方。
请注意，PRELIS首先处理重新编码和转换，然后选择，最后丢失值。在特殊情况下，这可能需要多次运行，每次都保存转换后的数据。
变量可以是连续的或有序的。序数变量最多可包含15个类别。默认情况下，所有变量都被视为序数，除非它们具有超过15个类别。使用CO命令将变量声明为连续变量。
2、语法概念
<filename>表示要使用的文件的完整名称（包括驱动器和文件夹名称）。如果文件和语法文件在同一文件夹中，则可以省略文件的文件夹名称（路径）。
<filelist>表示以逗号分隔的文件名列表。
<varname>表示字符串。该字符串不区分大小写。只有前8个字符是重要的，将由程序使用。如果字符串包含空格，则应将其括在单引号中，例如“VIS PERC”。
<varlist>表示由空格分隔的变量名称列表。
<varrange>表示具有以下语法的顺序变量名称列表：<varname1> - <varname2>
<number>表示实数。如果数字是整数，则可以省略小数和小数点。
<numlist>表示由空格分隔的数字列表。
<format>表示Fortran格式语句。
