dps数据处理系统 v15.10 高级版 官方中文安装版

dps数据处理系统是一款目前国内唯一实验设计及统计分析功能齐全、价格上适合于国内用户的具自主知识产权、技术上达到国际先进水平的国产多功能统计分析软件，该软件将数值计算、统计分析、模型模拟以及画线制表等功能融为一体，拥有强大的统计分析和数学模型模拟分析功能，其中完善的统计分析功能涵盖了几乎所有的统计分析内容，是目前国内统计分析功能最全软件包。

和国内外同类产品相比：dps数据处理系统只需十分之一的价格，但却拥有百分之百的性能。软件拥有独特的人机用户界面、功能完备的数据编辑电子表格、接近自然语言的数学表达方式、完整实用的多功能统计分析功能、用途广泛的数学模型建模工具、简便的数值计算等等功能，可以广泛适用于教学、科研和生产各个领域。

软件特色
1、dps数据处理系统，是目前在技术上已达到国际先进水平的国产多功能统计分析软件包，在某些方面已处于国际领先地位(如实验设计中大样本时的均匀实验设计、多元统计分析中动态聚类分析等)。
2.在期刊检索中，国内遥遥领先、逐年增长的科技文献中的引用次数则显示了DPS数据处理系统国内应用的广泛程度，其应用已遍及自然科学和社会科学各个领域。
3.包括均匀设计、混料均匀设计在内的丰富的试验设计功能。并在均匀设计中采用了独创算法，实现了大型均匀设计表(最大可达100个因子8000个水平)构造的重大突破!且混料均匀设计可适合任意约束条件的情形。同时，混料实验设计中具上下限约束的极端顶点设计取得突破进展－D最优设计算法研究达国际领先水平！
4.完善的统计分析功能涵盖了所有统计分析内容，是目前国内统计分析功能最全软件包。DPS的一般线性模型(GLM)可以处理各种类型试验设计方差分析，特别是一些用SPSS菜单操作解决不了、用SAS编程很难折腾的多因素裂区混杂设计、格子设计等方差分析问题，用DPS菜单操作可轻松搞定。目前版本应用GLM进行分析可处理因子数已不受限制。
5.独特的非线性回归建模技术实现了“可想即可得”的用户需求，参数拟合精度高。
6.不断丰富的专业统计分析模块: 从上个世纪90年代开始，不断地完成了单位根检验、随机前沿面模型、数据包络分析(DEA, 含Malmquist指数计算功能等)、顾客满意指数模型（结构方程模型)、数学生态、生物测定、地理统计、遗传育种、生存分析、水文频率分析、量表分析、质量控制图、ROC曲线分析等内容，并还在不断地扩充......
7.DPS既有Excel那样方便的在工作表里面处理基础统计分析的功能，又实现了SPSS高级统计分析的计算。DPS提供的十分方便的可视化操作界面，可借助图形处理的数据建模功能为您处理复杂模型提供了最直观的途径。这些功能是同类软件中所欠缺的。
8.有些不是统计分析的功能，如模糊数学方法、灰色系统方法、各种类型的线性规划、非线性规划、层次分析法、BP神经网络、径向基函数(RBF)、数据包络分析等，在DPS里面也可以找到。
9.根据用户要求，不断吸纳新的统计方法，如面板(空间面板)数据分析、时间序列奇异谱分析、结构方程模型、小波分析，偏最小二乘回归，投影寻踪回归，投影寻踪综合评价，灰色系统方法，混合分布参数估计，含定性变量的多元逐步回归分析, 三角模糊数分析，优势分析(Dominance analysis), 稳健回归(M估计), 随机前沿面模型及面板数据统计分析等，并在不断探索，吸纳更多功能，使系统更加完善。
10.篇幅达165万字的配套巨著，既是使用说明书，又是统计教材；她堪称是国内目前最为全面的统计学百科全书。同时系统提供的一键切换的汉英双语界面又是不可多得的数据统计分析方面的汉英双语词典，并可使DPS系统适用于不同类型的用户群。

新增功能
【广义线性模型常用回归分析建模功能已经加入到DPS系统之中】
1、广义线性模型回归分析数据格式。
在DPS数据处理系统中，进行基于广义线性模型的分类/计数数据的回归分析，数据在DPS电子工作表中的基本格式是每行表示一个(或一组)处理的样本，每列为因变量或自变量指标值。同时，为适应各种类型数据分析要求，系统设计了３种类型的数据整理格式，供用户选用如下图所示
第1种数据格式，数据块第一列为反应变量类别、或计数值，第二列以后是解释变量(影响因子)观察值。这时数据块的第一列是数字0，1，…。这种格式适合广义线性模型的所有回归分析模型数据的存放。
第2种数据格式，数据块第一列为调查、处理样本的频次数，第二列为列为反应变量类别、或计数值，第三列以后是解释变量(影响因子)观察值。这时数据块的第二列是数字是0，1，…。这种格式一般不适合存放计数数据。
第3种数据格式，一般适用于因变量是二类反应的情形。这时数据块第一列为调查样本总数，第二列为（阳性）反应样本数，第三列以后是解释变量(影响因子)观察值。这种格式适合存放成组处理的二分类数据。特别地，这类数据格式在研究单位时间(面积、或空间)发生数的Poisson回归分析中，第一列用于存放暴露(exposure)指标，即调查取样单位数的数据。
2、广义线性模型回归建模用户界面。
基于广义线性模型的回归分析，DPS系统中不以广义线性模型因变量分布、连接函数等统计工作者所熟悉的经典提法为导向来选用回归分析方法，而是以数据分类为导向，来选择回归分析模型。这样，我们认为更便于各个学科、专业的用户直观地选择合适的回归分析方法进行分析。
DPS系统中，如对上图数据进行建模分析，用户在菜单方式下执行“分类数据”→“广义线性模型”功能后，即可出现如下面所示用户界面。用户界面中有两个页面：
第一个页面，标题是“参数设置”，这里可进行因变量统计模型选择、输出结果设置。如果模型中的解释变量（自变量）均为连续、定量变量，则在设置好之后，点击右下角的“确定”按钮进行统计分析。
广义线性模型，一般是通过连接、分布函数来完成统计建模，且连接、分布函数仅是从统计建模过程角度划分模型种类。但一般用户更希望从数据属性出发，什么样的数据选用什么样的统计方法，以此确定模型更为直观。这里我们将数据分为３个类型：即基本两分类数据、多分类数据和计数数据。用户根据自己数据特征不难确定所需的模型类型、及何种模型。这比应用抽象的连接、分布函数更为直观。
在广义线性模型用户界面，左上方是不同数据格式选项。一般情况下系统会自动识别，但用户在分析之前，对数据个数须予以确认，以免格式弄错。
当因变量是二分类数据建模时，应用界面右下方将显示一个输入设置项。该设置可以输入对照的发生(死亡)率，以应用它来校正各个处理的死亡率，这在生物测定中经常用到。当设定对照死亡率为c0时，DPS在回归模型参数的极大似然估计过程中，将连接函数 调整为 后，再对参数进行极大似然估计、并进行统计检验。如果仅一个解释变量，这时可计算生物测定中的致死剂量(用户界面右上角)。
第二个页面是当模型中的解释变量(自变量)不全为定量因子时，定义模型中解释变量组合。这里系统设定，数据块自变量部分的左边是类别变量，用A、B、…表示；右边是连续变量，用X1、X2、…表示。连续变量个数多少，由用户在界面左下部的定量变量个数输入框输入、确定。这些变量在界面左边的“变量来源”里面列出。如某一模型含两个分类变量、一个定量变量，那么变量来了里面就有变量A、B和X1这3个变量。
如果是分类变量，建模分析时须作0-1化处理，这时需选定变量中的某一项作为参照。如某一分类变量含有6个条目，将这6个条目0-1化为定量变量时，当其中5个确定后，另外1个也就确定了。所以在拟合模型时，可将其中的1个条目作为对照项(令其参数为零、或Logistic回归模型里面的OR=1)，不放到模型里面去。选择方法是，双击左边变量来源中的某个分类变量、这时界面中间“指定参照项”下面会出现该分类变量里面包含的所以条目，默认情形是第一个条目作为参照项。您可以在此更改作为参照项的条目。图中是令小于35岁的年龄组作为参照项。