☆ 1、如有部分內容理解不透或消化不好，可免費在以后培訓班中重聽；
      ☆ 2、在課程結束之后,授課老師會留給學員手機和E-mail,免費提供半年的課程技術支持，以便保證培訓后的繼續消化；
      ☆3、合格的學員可享受免費推薦就業機會。
      ☆4、合格學員免費頒發相關工程師等資格證書，提升您的職業資質。

• Latent GOLD 5.1是功能強大的潛在類別(latent class)和有限混合(finite mixture)分析程序包。Latent GOLD包含單獨的模塊來估計3種不同的模型結構-潛在聚類模型(LC Cluster models), 離散型因子模型(DFactor models)和潛在類別的回歸模型(LC Regression models)-這在有些不同的應用領域中很有用。
• ?
• Latent GOLD有兩個附加選項可用于擴展程序的基本版本。
• Advanced/Syntax插件通過使用包括直觀LG-equations的語法命令語言，為高級用戶提供更多控制。此插件還包含更高級的GUI建模功能，如Latent（隱藏）Markov和Multilevel模型。
• Choice插件允許通過點擊式界面估算離散選擇模型。在同時擁有Choie和Advanced/Syntax插件時，可以估計各種高級選擇模型，并且還可以使用語法來進一步定制離散選擇模型。
• ?
• 特點
• 完整的Windows執行 – 指向和點擊
• 交互式圖形到的數據和強大的診斷能力模型提供了新的見解
• 靈活的模型結構可以處理不同的度量的變量
• 自動生成的隨機初始值
• 快速，高效的極大似然后的模式估計，基于EM和牛頓拉夫森算法
• 貝葉斯常數來消除邊界解決方案
• 二元剩余診斷為本地依賴性
• ?
• Latent GOLD is a powerful latent class and finite mixture program with a very user-friendly point-and-click interface (GUI). Two add-on options are available to extend the basic version of the program.
• ?
• The Advanced/Syntax add-on enables more control for advanced users via use of a Syntax command language including intuitive LG-equations™. This add-on also contains more advanced GUI modeling features such as Latent (Hidden) Markov and Multilevel models.
• ?
• The Choice add-on allows estimation of discrete choice models via the point-and-click interface. When obtaining both the Choice and the Advanced/Syntax add-on, various advanced choice models can be estimated and the Syntax can also be used to further the customize discrete choice models.
  
• ?
• Latent GOLD Basic
• Includes GUI for:
• LC Cluster
• Discrete Factor (DFactor)
• LC Regression and Growth
• Step3 Module
• ?
• Choice add-on
• Includes GUI for:
• First choice
• Ranking (Inc. MaxDiff)
• Ratings-based Conjoint
• Allocation models
• ?
• Adv/Syntax add-on
• Includes GUI and Syntax for：
• Latent Markov/Transition module
• Continuous latent variables (CFactors)
• Multilevel models
• Survey options for complex sample data
• Syntax Module
• ?
• Choice + Adv/Syntax
• Includes GUI and Syntax for:
• Scale Adjusted Latent Class (SALC) models
• Random Regret Minimization (RRM)