GAUSS在社会科学中的主要应用
GAUSS 软件提供了一整套用于社会科学分析的工具。无论您是刚刚开始数据收集还是最终确定结果，GAUSS 都能提供您所需的数据分析工具。
无论您的研究领域是什么，GAUSS 都能满足您所有的数据分析需求，无论大小。
领域 |
应用示例 |
政治学 |
- 事件计数模型
- 建模投票行为
- 应用政策评估
- 博弈论建模
|
医疗保健经济学 |
- 面板计数模型
- 医疗保健支出建模
- 截断和截尾离散选择模型
- 平均处理效应
|
心理学 |
- 荟萃分析（Meta-analysis）
- 自举采样和重复测量设计
- 心理测量学的拟合优度检验
- 组间假设检验
|
交通研究 |
- 通勤选择模型（Commuting choice models）
- 基于活动的模型
- 需求管理和预测
- 模式选择模型
- 自由流速度估计
|
社会科学家的回归模型、时间序列模型和 GAUSS 的其他主要功能
GAUSS涵盖了从数据组织和管理到高级面板数据技术的一整套数据分析工具。
数据清洗、处理和管理
- 支持 SAS、STATA、Excel、CSV、HDF5、GAUSS 矩阵、GAUSS 数据集和 ASCII 文本文件，轻松导入数据
- 数据可视化
- 重新编码和重新分类工具
- 数据缩放方法包括欧氏缩放、中值缩放、最大绝对值缩放、中间范围缩放和标准差缩放
- 灵活处理缺失值，包括缺失值插补、成对删除和列表删除
- 从分类变量创建虚拟变量
- 数据排序和合并以及文件和矩阵级别
一般回归分析
预构建的 GAUSS 函数可用于高效、直观地实现基本回归模型，包括：
- 普通最小二乘
- 加权最小二乘法
- 广义矩法
- 广义线性模型
- 分位数回归
- Probit 和 Logit 模型
- 最大似然估计
- 两阶段和三阶段最小二乘法
- 近似不相关回归（Seemingly unrelated regressions）
时间序列分析
无论您是刚刚入门还是正在开发新的前沿方法， GAUSS时间序列分析都变得简单高效。GAUSS 时间序列功能包括：
- 时间序列可视化
- 支持标准频率、高频数据、不规则频率数据
- 完全可定制的图形
- 易于导出、出版质量的图表
- 综合单位根检验和协整检验
- 增强Dickey-Fuller单位根检验 (ADF)
- Phillips-Perron 单位根检验 (PP)
- Dickey-Fuller 广义最小二乘法 (DF-GLS)
- Kwiatkowski-Phillips-Schmidt-Shin (KPSS)
- 单位根的 LM 检验
- 分位数单位根检验
- Im、Lee 和 Tieslau 具有非正态误差的单位根检验
- 灵活的傅里叶 GLS、ADF、KPSS 和 LM 单位根检验
- 具有结构断裂的单位根检验
- 具有单一结构断裂的 Zivot-Andrews 单位根检验
- 具有两个结构断裂的 Narayan 和 Popp 单位根检验
- Lee、Strazicich 和 Mark LM 单位根检验，具有 1 处和 2 处结构断裂
- 自回归移动平均模型 (ARMA)
- 季节性 ARMA 模型（SARMA 和 SARIMA）
- 集成 ARMA 模型 (ARIMA)
- 具有外生变量的 ARMA 模型 (ARMAX)
- 向量自回归模型 (VAR)
- 季节性 VARMA 模型（SVARMA 和 SVARIMA）
- 集成 ARMA 模型 (VARIMA)
- 具有外生变量的 ARMA 模型 (VARMAX)
- 全套广义自回归条件异方差 (GARCH)
- 集成 GARCH 模型 (IGARCH)
- 非对称 GARCH 模型 (GJRGARCH)
- GARCH 均值 (GARCHM)
- 矢量纠错模型 (VECM)
- 非线性时间序列模型：
- 结构断裂识别和建模
- 马尔可夫切换模型
- 阈值自回归模型 (TAR)
- 卡尔曼滤波
- 参数不稳定测试
- Chow 预测
- CUSUM 检验
- Hansen-Nyblom检验
- 滚动回归
离散选择分析
GAUSS 提供了一整套工具来分析许多社会科学中发现的定性选择模型。GAUSS 的离散选择工具涵盖了从二元和多项模型到逻辑回归的所有内容。
- 多项 Logit 模型
- 条件logit
- 嵌套logit
- 有序logit
- 相邻类别 Logit
- Stereotype logit
- Logistic回归建模
- L2 和 L1 正则化分类器
- L2 和 L1 损失线性支持向量机 (SVM)
- 模型选择和评估工具
- 完整模型和受限模型对数似然
- 卡方统计
- Agresti 的 G 平方统计量
- McFadden 的伪 R 平方统计量
- Madella 的伪 R 平方统计量
- 赤池信息准则（AIC）
- 贝叶斯信息准则（BIC）
- 似然比统计数据和伴随的概率值
- Cragg 和 Uhler 的规范似然比
- 计数和调整计数 R 平方
面板数据分析
- 数据汇总和组内统计
- 面板数据单位根检验
- Breitung 和 Das 面板单位根检验
- Im、Pesaran 和 Shin (IPS) 面板单位根检验
- Levin-Lin-Chu (LLC) 面板单位根检验
- 存在截面依赖性的 Pesaran 单位根检验
- 修改后的 CADF 和 CIPS 面板单位根测试
- Bai 和 Ng PANIC 面板单位根检验
- Harris 和 Tzavalis 面板单位根检验
- Hadri 面板数据单位根检验
- 具有结构断裂的面板单位根测试
- Im、Lee 和 Tieslau 面板 LM 单位根测试（带水平移动）
- Lee 和 Tieslau 面板 LM 单位根检验（具有水平和趋势变化）
- 具有渐进结构转变的 Nazlioglu 和 Karul 面板平稳性测试
- 单因子个体效应
- 单因子固定效应
- 单因子随机效应
- 最小二乘池化 ols
- 最小二乘虚拟变量 (LSDV)
- 交叉依赖性测试
- Pesaran 交叉依赖性检验
- Friedman交叉依赖性检验
- Frees 交叉依赖性检验
- 因果检验
- 格兰杰因果关系
- Toda & Yamamoto因果检验
- 单傅里叶频率格兰杰因果关系检验
- 单傅立叶频率 Toda 和 Yamamoto 因果关系检验
- 累积傅里叶频率格兰杰因果关系检验
- 累积傅立叶频率Toda & Yamamoto测试
- 异构混合面板中格兰杰因果关系的Fischer 检验
- 异构面板中格兰杰非因果关系的 ZHNC 和 Zn 检验统计量
- SUR Wald 面板统计
- 模型诊断和评估测试
- Hausman规范检验
- 误差分量模型的拉格朗日乘子检验
专为社会科学设计的 GAUSS 应用程序
使用GAUSS数据分析工具的行业
各行各业的社会科学家都使用 GAUSS。GAUSS使用于以下类型单位：
无论是分析选举结果、对交通方式选择进行建模，还是构建事件计数模型，GAUSS 都能为您提供成功所需的工具。
GAUSS 对社会科学家的好处
GAUSS 为数据分析提供了快速、灵活的环境。无论您是执行普通最小二乘回归还是开发尖端算法，GAUSS 都能提供切实的优势，包括：
- 超过 1000 个预建统计函数。
- 轻量级高效的分析引擎，旨在充分利用您的硬件并提供优化的计算速度。
- 直观的基于矩阵的编程语言，可实现透明且易于理解的编程。
- 完全交互式的环境，可加快从探索数据到分析结果的工作流程。
- 全面的文档和示例。
- 全面的数据支持，包括 CSV、Excel HDF5、SAS、Stata、文本分隔文件。
- 关系数据库支持包括 MySQL、PostgreSQL、SQLite、Microsoft SQL Server、Oracle、IBM DB2、HBase、Hive 和 MongoDB。
GAUSS与其他软件的兼容性
GAUSS 旨在无缝集成到任何分析环境中：
- GAUSS 与 SAS、STATA、HDF5、CSV 和 Excel 数据集完全兼容。
- 高效地将强大的分析连接到任何内部或面向客户的数据源、应用程序或与 GAUSS 引擎的接口。
- 从其他软件平台迁移和集成时提供全面的技术支持。
在线留言
尊敬的客户朋友，如您有任何意见建议，请通过下表反馈给我们，我们会尽快与您联系。
|
400-621-1085
