LISREL 10的常见问题与LISREL 8.80的常见问题在很大程度上重叠。在这方面，请注意，LISREL 10的LSF等效于LISREL 8.80的PSF。
1、LISREL可以使用单个数据文件执行多组分析吗？
实际上，许多多元数据集是来自多个组的观察值。这些群体的粒子包括性别，语言，学院等等。
LISREL可用于多个组结构方程模型拟合到多个数据。提供了传统的统计方法，例如ML、RML、WLS、DWLS、GLS和ULS用于完整的多组数据，而FIML方法可用于不完整的多组数据。
在以前的LISERL版本中，要求用户为每个组创建单独的数据文件。假设要分析的组由在八个地区收集的数据组成，则含义是必须 创建八个数据集才能适合多组结构方程模型。
LISREL 10 中实现的一项新功能使研究人员可以使用包含一个组变量的单个数据集，该组变量可以通过以下方式定义：
在打开LISERL系统文件（.lsf）时使用数据菜单。
通过将行插入$GROUPS=<group variable name>语法文件中的任何位置。要在多组分析中使用此数据集，请使用主菜单栏中的“数据”菜单，然后选择“组变量...”，从变量列表中选择“ COUNTRY“，完成后单击”确定“按钮。该线性结构示例文件夹包含一个名为子文件夹MGROUPS包含以下统计程序的例子。
2、能否使用多层广义线性（MGLIM）模块来拟合用于分组时间和离散时间生存数据的模型？
当根据某个事件的发生以固定的间隔重读测量对象时，或者仅在分组的时间间隔内才知道事件的确切时间时，分组时间生存数据的模型可用于分析故障时间数据。 。另外，通常情况是，观察到的对象被嵌套在集群中（即，学校，公司，诊所），或根据重复事件进行重复测量。在这种情况下，使用假定观测独立的分组时间模型是有问题的，因为来自同一聚类或主题的观测通常是相关的。
或包含聚类和/或重复数据的模型，包括随机效应的模型为解释相关生存数据中的关联提供了一种方便的方法。
3、是否可以测试序数结果的比例几率与非比例几率假设？
术语“普通”适用于以一系列有序类别二两感兴趣的响应度量的改变量。此类变量的示例包括李克特量表和严重程度的神经病学评分。名义和顺序结果模型可以看做是二元结果模型的概括。当结果变量不是二分法或不是真正连续是，顺序模型就变的很重要。如果在连续模型中分析了序数结果，则此类模型可以得出序数变量分为之外的预测值。与二进制数据一样，必须进行某种转换或链接才能防止这种情况的发生。连续模型在应用于序数结果时也可以产生相关的残差和回归，因为连续模型未考虑序数结果的上限和下限影响。然后，这可能导致回归系数的估计有偏差，并且在所讨论的序数变量高度偏斜时，这是很关键的。
许多研究人员已经进行了广泛的工作，以开发用于分析序数响应数据的方法。这些发展集中在将二分变量的方法扩展到顺序响应数据上，并且主要是在逻辑和概率回归模型方面。比例赔率模型是顺序数据分析的常见选择。在LISREL 10中，可以使用比例和非比例赔率模型进行拟合，以使用卡方差检验检验比例赔率假设。参考指南“比例和非比例odds.pdf的模型”包含示例和参考，可通过在线帮助菜单进行访问。
4、可以使用LISREL 10拟合三级多级广义线性模型吗？
聚类或多阶段样本设计经常用于具有固有层次结构的总体。忽略数据的层次结构具有严重的意义。使用替代方法（例如，将信息汇总和分解到另一个级别）可能会导致预测变量之间的共线性增加以及估计的较大或有偏差的标准误差。
称为广义线性模型（GLIM）的模型的集合已成为重要且实用的统计工具。GLIM的基本思想是将标准回归适应于完全不同的数据。变量可以是二分法，序数（如5点李克特量表），计数（逮捕记录数）或名义变量。这样做的动机是定制将结果连接到相关自变量的回归关系，使其适合因变量的属性。LISREL 8.8实施了将广义线性模型（GLIM）拟合到调查数据的统计理论和方法。
社会经济科学领域的研究人员经常将这些方法应用于多层次数据，因此，得出了不合适的结果。用于分析多级数据的LISREL统计模块允许设计权重。有两种估计方法，MAP（后验分布的大化）和QUAD（自适应正交），用于将广义线性模型拟合到多级数据。LISREL多级广义线性模型模块（MGLIM）允许进行多种采样分布和链接功能。
LISREL 10 MGLIM模块还包括零膨胀的Poisson模型和零膨胀的Negative-Binomial模型，并打印结果以用于固定效应的单位特定和总体平均估计。
5、对于连续结果变量的多级线性模型，可以指定三个以上的水平吗？
社会科学研究通常需要对数据进行分层结构分析。经常引用的多级数据示例是一个数据集，其中包含对嵌套在学校中的孩子和嵌套在教育部门中的孩子的测量。
人们已经充分认识到需要考虑采样方案的统计模型，并且已经表明，在简单随机采样方案的假设下对调查数据进行分析可能会产生误导性的结果。
多层模型在复杂调查数据的建模中特别有用。聚类或多阶段样本设计经常用于具有固有层次结构的总体。忽略数据的层次结构具有严重的意义。使用替代方法（例如，将信息汇总和分解到另一个级别）可能会导致预测变量之间的共线性增加以及估计的较大或有偏差的标准误差。为了解决有关对调查数据进行适当分析的担忧，LISREL连续数据多级模块现在还可以处理多达五个级别，并提供了一个选项，供用户在第1、2、3、4或5级上包括设计权重。等级制度。
