فراخوانی داده های خام، ماتریس کوواریانس و ماتریس همبستگی در لیزرل

برای تحلیل داده در نرم افزار لیزرل چند روش وجود دارد که عبارتند از:

Syntax Only

PRELIS Data

SMPLIS Project

LISREL Project

Path Diagram

یکی از پرکاربرترین روش­ها برای اجرای مدل، زبان SIMPLIS است. موارد زیر برای نوشتن آن لازم است که شامل موارد زیر است:

1. Title(s)

2. Observed Variables

3. Read data

4. Sample size

5. Latent variables

6. Relationships

7. Path Diagram

8. LISREL output

9. Method of Estimation

9. End of Problem

یکی از مواردی که ممکن است تحلیل گر در آن به مشکل برخورد کند نحوه فراخوانی داده هاست. در لیزرل با استفاده از زبان simplis از چند راه می شود داده ها را فراخواند:

Reading in Data to be analyzed

a) Covariance matrix and number of cases in ASCII format

مثال:

Covariance Matrix from file 'a96wlstw.cm'

Sample Size = 1882

b) Reading Correlations, Standard Deviations and/or Means

مثال:

Correlation matrix from file a96wlstw.km

Standard deviations from file a96wlstw.sd

Means from file a96wlstw.me

Sample Size 1882

c) Reading row data

مثال:

Raw data from file a96wlstw.raw

d) Reading raw data from a psf-file

مثال:

Raw data from file allb96sub.psf

e) Reading in a DSF-file

مثال:

System file from file Simplis1.dsf

لازم به ذکر است که برای فراخوانی داده ها در حالت اول و دوم نیاز به ماتریس کوواریانس یا ماتریس همبستگی با انحراف استانداد و میانگین متغیرهاست. بدین منظور تحلیل گر می تواند پس از باز کردن لیزرل و انتقال داده ها به بخش statistics رفته و در بخش output ماتریس کوواریانس یا ماتریس همبستگی با انحراف استاندارد و میانگین متغیرها را ذخیره کرده و بعد در اجرای مدل مورد استفاده قرار دهد.