OpenMx

OpenMx:一个开源的扩展结构方程建模框架。OpenMx是免费的、功能齐全的、开源的结构方程建模(SEM)软件。OpenMx在Windows、Mac OS-X和Linux计算机上的R统计编程环境中运行。本文讨论了开发OpenMx的基本原理以及用户界面背后的原理。介绍了OpenMx数据结构——这些新颖的结构定义了用户界面框架,并为模型规范提供了新的机会。接下来将介绍两个简短的验证因子模型的说明和拟合示例脚本。最后,我们将简要列出OpenMX1.0中可用的建模应用程序,并讨论未来的开发方向。


zbMATH参考文献(参考,2标准条款)

显示第1到第20个结果,共33个。
按年份排序(引用)
  1. 黄宝贤:lslx:基于惩罚似然的半验证性结构方程模型(2020)不是zbMATH
  2. Cui,Ruifei;Bucur,Ioan Gabriel;Groot,Perry;Heskes,Tom:基于缺失值混合数据的潜在变量建模的新贝叶斯方法(2019年)
  3. 胡月琴;特雷宁,雷蒙德:用微分方程模拟纵向数据的一步方法(2019)
  4. Meshcheryakov Georgy,Igolkina Anna:semopy:A Python package for Structural Equation Modeling(2019年)阿尔十四
  5. Noh,Maengseok;Lee,Youngjo;Oud,Johan H.L.;Toharudin,Toni:非高斯因子分析的层次似然法(2019)
  6. Usami,Satoshi;Jacobucci,Ross;Hayes,Timothy:基于潜在增长曲线模型的结构方程模型树的性能,以揭示增长轨迹中的种群异质性(2019年)
  7. Chow,Sy Miin;Ou,Lu;Ciptadi,Arridhana;Prince,Emily B.;You,Dongjun;Hunter,Michael D.;Rehg,James M.;Rozga,Agata;Messinger,Daniel S.:使用带状态转换的微分方程模型来表示密集并矢相互作用数据的突变(2018)
  8. Snoke,Joshua;Brick,Timothy R.;Slavković,Aleksandra;Hunter,Michael D.:跨私有分区数据提供精确模型:安全最大似然估计(2018)
  9. Charles Driver、Johan Oud和Manuel Voelkle:用R包ctsem进行连续时间结构方程建模(2017)不是zbMATH
  10. Epskamp,Sacha;Rhemtulla,Mijke;Borsboom,Denny:广义网络心理测量:结合网络和潜在变量模型(2017)
  11. Grimm,Kevin J.;Ram,Nilam;Estabrook,Ryne:生长模型。结构方程和多级建模方法(2017)
  12. Inga Schwabe:BayesTwin:项目级孪生数据贝叶斯推理的R包(2017)不是zbMATH
  13. Nancy,Jane Y.;Khanna,Nehemiah H.;Arputharaj,Kannan:在不均匀间隔的临床时间序列数据中输入缺失值,以构建有效的时间分类框架(2017年)
  14. Nora Umbach和Katharina Naumann、Holger Brandt和Augustin Kelava:用nlsem包拟合R中的非线性结构方程模型(2017)不是zbMATH
  15. Oleg Sofrygin;Mark van der Laan;Romain Neugebauer:SimCausor R软件包:使用复杂纵向数据对因果效应估计进行透明和可复制的模拟研究(2017年)不是zbMATH
  16. de Zeeuw,Eveline L.;van Beijsterveldt,Catharina E.M.;Glasner,Tina J.;de Geus,Eco J.C.;Boomsma,Dorret I.:算术、读写能力具有很强的遗传成分:小学儿童研究(2016年)数学
  17. 顾飞;吴浩:常用主成分模型的原始数据最大似然估计:状态空间方法(2016)
  18. Neale,Michael C.;Hunter,Michael D.;Pritikin,Joshua N.;Zahery,Mahsa;Brick,Timothy R.;Kirkpatrick,Robert M.;Estabrook,Ryne;Bates,Timothy C.;Maes,Hermine H.;Boker,Steven M.:OpenMX 2.0:扩展结构方程和统计建模(2016)
  19. Wu,Hao;Estabrook,Ryne:有序分类结果不同不变性水平的验证性因子分析模型的识别(2016)
  20. Ledermann,Thomas;Macho,Siegfried:评估简单和复杂模型中的调解(2015)