公告时间：****-**-** **:**:**项目名称：中国人民大学公共管理学院教学软件采购项目项目编号：GDC-*****************中央国家机关政府采购中心受采购单位 中国人民大学 委托,对下列货物及服务进行网上电子政府采购,现邀请合格投标人进行网上竞价。采购项目信息采购单位：中国人民大学报价截止时间：****-**-** **:**:**联系人：尚老师送货地点：中国人民大学 北京海淀中关村大街**号联系电话：********到货时间：采购结果公告后 * 天内到货联系邮件：项目预算：******.* (注：此预算在采购人可支付的情况下可增加金额)剩余时间：签约时间：成交公告发布后*个工作日内签署合同资质要求售后服务网点：无具体要求销售资质需求：: 专业资质需求:踏勘需求踏勘地点：无踏勘时间：无联系人：无联系电话：无资质要求：根据《中央国家机关政府采购中心网上竞价操作规程》（国机采办【****】**号），采购人对产品质保或售后维保有要求的，供应商应按要求上传相应的质保或售后维保承诺函。承诺函应当真实有效。售后服务承诺函或承诺书应加盖公章并以附件形式上传。在售后服务承诺函或承诺书之外进行说明内容的不视为有效文件。供应商在竞价时，须根据资质要求中的内容以附件形式上传相关资质证明。 采购商品信息商品分类参考品牌规格型号单位数量 产地要求 维保质保要求偏离表技术指标其他应用软件EViews EViews *.*套*中国不需要基本数据处理 数值，字母数字(字符串)和日期序列;值标签 广泛的运算符和统计，数学，日期和字符串函数库 用于表达式处理和使用运算符和函数转换数据的强大的语言 数据子集的样本和样本对象的方便处理 支持复杂数据结构，包括规则日期数据，不规则日期数据，带有观测标识符的横截面(cross-section )数据,有日期和无日期的面板数据(panel data) 多页面(multi-page)工作文件(workfiles) EViews本地，基于磁盘的数据库提供了强大的查询特征和集成EViews工作文件(workfiles) 在EViews和各种电子表格，统计和数据库格式之间转换数据，包括(但不限于)：Microsoft Access文件, Excel文件, Gauss数据集文件, ODBC Dsn文件, ODBC查询文件, SAS传输文件, 本地SPSS文件, SPSS兼容文件, Stata文件, Rats文件, GiveWin文件, TSP兼容文件, 原始格式的ASCII文本或二元文件, HTML.(注意: 只有企业版才提供ODBC支持). OLE支持链接EViews输出，包括表格和图形，到其它程序包，包括Microsoft Excel?, Word? ａｎｄ Powerpoint?. 时间序列数据处理 集成支持处理日期和时间序列数据(规则和不规则) 对常用规则频率数据的支持(年度，半年，季度，月度，半月，两周，**天，一周，天-一周*天，天-一周*天) 支持高频率(当天)数据，支持小时，分钟和秒频率。另外，还有一些不常遇见的规则频率，包括多年，双月，两周，**天和天(一周内任意天数) 专业时间序列函数和运算符：滞后(lags),差分(differences),对数差分(log-differences),移动平均等 频率转换：各种高-低和低-高 统计基本功能 基础数据汇总：按组汇总 相等性检验：t检验,方差分析(ANOVA,平衡和非平衡，有或无非齐性方差(heteroskedastic variances)),Wilcoxon, Mann-Whitney,中位数卡方，Kruskal-Wallis, van der Waerden,F检验，Siegel-Tukey, Bartlett, Levene, Brown-Forsythe 单向表格：带有相关测量(Phi系数, Cramer’s V, Contingency Coefficient)的交叉表和独立性检验(Pearson卡方，似然率G^*) 协方差和相关性分析，包括Pearson, Spearman秩排序, Kendall’s tau-a 和tau-b和局部分析(partial analysis) 首要成分分析(Principal components analysis)包括scree图，双标图(biplots)和载荷图(loading plots)以及加权组分计分计算 因子分析，允许相关性测量计算（包括协方差和相关性），唯一性估计，因素载荷估计和因子计分，以及使用超过**种不同的正交(orthogonal )和斜(oblique)方法之一执行估计诊断和因素轮换。 时间序列 自相关，部分自相关，互相关(cross-correlation),Q统计量 Granger因果检验(Granger causality tests)，包括面板Granger因果 单位根检验(Unit root tests):Augmented Dickey-Fuller,GLS transformed Dickey-Fuller, Phillips-Perron, KPSS, Eliot-Richardson-Stock Point Optimal, Ng-Perron,以及用于带有断点的单位根的检验。 协整检验(Cointegration tests):Johansen, Engle-Granger, Phillips-Ouliaris, Park added variables,和Hansen 稳定性。 独立性检验：Brock, Dechert, Scheinkman 和 LeBaron 估计、回归 线性和非线性普通最小二乘法(多元回归) 任意独立变量带PDLs的线性回归 Robust regression. 非线性估计的分析衍生(Analytic derivatives) 加权最小二乘法 ARMA 和 ARMAX 带有自回归移动极差，季节性自回归和季节性移动极差误差的线性模型。 带有AR和SAR规格的非线性模型 使用Box和Jenkins的向后预测法(backcasting method)或条件最小二乘法，ML或GLS的估计 Fractionally integrated ARFIMA models 工具变量和GMM 线性和非线性*阶段最小二乘法/工具变量(*SLS/IV)和广义矩估计方法(Generalized Method of Moments (GMM) estimation) 带有AR和SAR误的线性和非线性*SLS/IV估计 有限信息最大似然(Limited Information Maximum Likelihood (LIML))和K类估计 由加权矩阵迭代控制的宽泛的GMM加权矩阵规格（White, HAC，用户提供的）。 ARCH/GARCH GARCH(p,q), EGARCH, TARCH, Component GARCH, Power ARCH, 集成的GARCH. 线性或非线性均值方程可以包括ARCH和ARMA条款:所有的均值和方差方程允许外生变量(exogenous variables) 正态，学生t和广义误差分布(Generalized Error Distributions) Bollerslev-Wooldridge稳健标准误 条件方差(conditional variance)和均值以及永久成分(permanent components)的样本内和样本外预测其他应用软件StataStata/SE V**.*套*中国不需要数据管理;数据转换，匹配-合并，ODBC，XML，分组处理，追加文件，排序，行列转置，标注等。 基础统计;汇总，列联表，相关，t检验，等方差检验，比例检验，置信区间等。 线性模型;回归，bootstrap,jackknife和稳健Huber/White/sandwich方差评估；工具变量(instrumental variable);三阶段最小平方；约束；分位数回归；GLS等。 纵向数据/随机数据处理 多层混合效应模型；连续，二元和计数结果，*－，*－和多因子随机intercepts和随机系数模型；交叉随机效应；ML和REML估计；效应和拟合值的BLUPs；分层模型等。 二元，计数，和受限的因变量；Logistic，probit，tobit；Poisson和负二项式；条件，多项式，排序的，秩排序，和stereotype logistic；多项式probit；零堆积和零截尾计数模型；selection模型；边际效应等。 广义线性模型(GLMs)；**个链接函数，用户定义链接，*种分布，ML和IRLS评估，*种方差评估，*种残差等。 非参数方法；Wilcoxon–Mann–Whitney, Wilcoxon符号秩和Kruskal–Wallis检验；Spearman和Kendall相关；Kolmogorov–Smirnov检验；精确二项式CIs等。 ANOVA/MANOVA；平衡和非平衡设计，因子，嵌套设计；重复测量等。 SEM (结构方程模型) 多元方法；因子分析；首要成分；旋转；多维排列； Procrustean分析；相关分析；biplot；系统树图；用户可扩展分析等。 聚集分析；分层聚类；kmeans和kmedian非分层聚类；系统树图；停止规则；用户可扩展分析等。 重采样和仿真方法；bootstrapping，jackknife和蒙特卡罗模拟；permutation检验等。 模型检验和postestimation支持；Wald检验；LR检验；线性和非线性组合，检验和预测；边际效应；调整均值；Hausman检验等。 图形；线条图，散点图，条状图，饼图，hi-lo图表，回归诊断图形，幸存图，非参数smoothers，分布Q-Q图等。 调查方法；采样权重，多阶段设计；分层，poststratification；deff;均值，比例，比率，总数；汇总表格；bootstrap，jackknife和基于线性化方差评估；回归，工具变量，probit等。 幸存分析；Kaplan–Meier 和 Nelson–Aalen评估；Cox回归(frailty)；参数模型(frailty)；hazard；时间变异协方差；左和右删失；Weibull，指数和Gompertz分析等。 流行病学工具；比率标准化，病例对照，匹配病例对照，Mantel–Haenszel，代谢动力学，ROC分析，ICD-*-CM等。 时间序列；ARIMA, ARCH/GARCH, VAR, VECM, 相关图，周期图，white-noise检验，单元根检验，Holt–Winters smoothers，Haver Analytics数据，旋转和递归估计等。 极大似然；用户自定义函数；NR, DFP, BFGS, BHHH; OIM, OPG,robust, bootstrap,和jackknife矩阵；Wald检验；调查数据；数值或分析衍生等。 转换和正态性检验；Box-Cox转换；能力值转换，Shapiro–Wilk 和 Shapiro–Francia检验等。 其它统计方法；样本大小和能力值，非线性回归，归因，逐步回归，统计和算术函数等。 编程语言；添加新的命令，命令脚本，if，while，命令分析，调试，菜单和对话框编程，标注和控制语言等。 矩阵编程-Mata；交互式对话，大型开发项目，矩阵倒置，分解，特征值和特征向量，LAPACK engine，真实和复杂数值，string矩阵。其他应用软件NVivoNVivo ** pro套*中国不需要抓取并分析在线数据 ? NCapture：可选安装 NCapture，NCapture 是适用于Internet Explorer *（或更高）和 Google Chrome **（或更高）的一个 Web 浏览器扩展。使用 NCapture 可收集Web 页、社交媒体数据以及 YouTube 视频，然后将这些内容导入 NVivo。 ? 导入 Web 页：使用 NCapture 收集 Web 页和在线PDF，然后将它们导入 NVivo 作为 PDF 材料来源。 ? 导入 Facebook 回帖和评论：使用 NCapture 收集Facebook 回帖和个人、组织或群组的评论，然后将它们导入 NVivo 作为数据集来源。 ? 导入 LinkedIn 群组讨论：使用 NCapture 收集与您的研究相关的 LinkedIn 群组讨论，然后将它们导入 NVivo 作为数据集来源。 ? 导入 Tweet：使用 NCapture 收集 Twitter 中的 Tweet，例如，含有一个特定词、短语或 # 标签的 Tweet，或某个特定用户的 Tweet，然后将它们导入 NVivo 作为数据集来源。 ? 导入 YouTube 内容：使用 NCapture 收集 YouTube 视频，然后用 NVivo 对它们进行处理。您可能也想导入评论作为数据集。 ? 自动编码社交媒体数据：NVivo 提供自动编码功能可快速对社交媒体数据进行分组，例如，按会话对 Facebook 回帖分组，或按 # 标签对 Tweet 分组。 ? 可视化社交媒体数据：NVivo 可对 Facebook、Twitter 和LinkedIn 数据集进行自动可视化，有助于您发现数据中的模式。例如，使用结构图选项卡可以地理可视化您的数据，或在 Twitter 数据集中使用图表选项卡基于用户的跟帖者数量对用户进行比较。 导入 Evernote 或 OneNote 中的笔记 ? 导入 Evernote 笔记：您使用 Evernote 记笔记、收集图像或剪辑 Web 页吗？现在您可以将您的笔记导入项目中，并用 NVivo 对其进行处理。 ? 导入 Evernote 标签：如果您在 Evernote 中为笔记添加了标签以对其进行归类，那么您导入笔记时可以将标签转换成节点和编码。 ? 导入 OneNote 页（NVivo ** Service Pack * 及更高版本）：NVivo 软件可选安装 NVivo Add-In for OneNote。如果您使用 OneNote 收集笔记、图像或追踪想法，则您可以使用该插件导出内容，然后再导入您的 NVivo 项目中。 性能更出色 ? NVivo 运行更快：我们优化了 NVivo 存储和访问数据的方法，使其在编码、自动编码、创建和打开节点、运行查询和删除项目项等多方面的处理速度更快。 ? 更高效地处理大量数据：能够以更快的速度打开大型材料来源和节点。现在大型节点（拥有超过 *** 参考点的节点）在节点明细视图中以每 *** 个参考点为一节（或一块）的形式显示。这意味着无论节点大小，都可将其快速打开。即使项目大小增加了，也可更快地运行查询。 ? 可操作更大的项目：单机项目的最大大小增加到了** GB（之前为 *GB）。 *可用性更强 ? 改进了功能区：新的查询选项卡使查询更方便，其他选项卡上命令的大小和位置也有细微的变化，以便使常用命令更突出。 ? 单击一下即可最小化功能区：功能区上增添了一个新命令，您只需单击一下即可最小化或最大化功能区。 ? 明细视图位于右边：您喜欢在右边操作明细视图吗？现在 NVivo 可“记忆”明细视图的位置 – 不管您何时启动NVivo，明细视图都会位于您上次使用软件时的位置。 ? 拖放编码：数据集、视频和音频脚本及图片文字记录现在完全支持“拖放”编码，因此您可对所有类型的材料来源内容使用此编码方法。 其他改进 ? 拼写检查材料来源：对于文档、备忘录、脚本、框架矩阵和图片文字记录，您现在可以使用 NVivo 对这些材料来源进行拼写检查。您也可以对批注进行拼写检查。 ? 更多的音频和视频格式：您使用在移动设备上创建的音频以及高清晰 (HD) 视频吗？NVivo 现在支持 .m*a 音频文件以及.*gp、.mts 或 .m*ts 格式的视频文件。 ? 全新编码汇总报表：NVivo 现在提供两个预定义的编码汇总报表（包含您的编码文本）。 ? 在同一页打印编码带：现在您打印文档、备忘录和外部材料时，可以选择将编码带打印在同一页上。 ? 改进的标签云：标签云现在可以包含更多相关词语，因为NVivo 为英式英语和美式英语提供了更多停用词。 ? 查找编码其他节点的节点：您现在可以使用高级查找来查找对案例节点进行编码的所有主题节点，或查找在主题处编码的案例节点。 ? 创建 ***% 堆积条形图或柱状图：您想要对比条形图或柱状图中各值所占百分比时，这些新图表类型会很有帮助。其他应用软件EndNoteEndNote X* 套*中国不需要搜集 搜索成百上千的参考文献和PDF资料 一次点击查找全文 通过直接导出格式从PubMed导入记录 协作 共享组和参考文献 手工传递带有完全参考文件的Word文件 创造 通过Cite While You Write?工具为任意项目格式化参考文献 搜索和备注PDF文件 使用新的格式化工具创建统一的引文和脚注技术指标详情：关闭