Alle relevanten Einheiten:
Die Strukturgleichungsmodellierungsanalyse (SEM, Structural Equation Modeling) hat sich in den letzten 20 Jahren zu einer gängigen statistischen Technik für die quantitative Papieranalyse entwickelt und wird auch als multivariate Analyse der zweiten Generation bezeichnet. Die Strukturgleichungsmodellierung kann nicht nur die traditionellen multivariaten Analysemethoden der ersten Generation wie multiple Regression, Varianzanalyse, Pfadanalyse und Mehrebenenmodell realisieren, sondern auch Messfehler, die gleichzeitige Analyse mehrerer abhängiger Variablenmodelle und den Grad der Modellanpassung berücksichtigen. Direkte und indirekte Effekte sowie der Umgang mit speziellen Daten wie Autokorrelation, nicht normalen, kategorialen Variablen usw. machen statistische Schätzungen genauer.
In den letzten Jahren wurde MPLUS aufgrund seiner vielen Vorteile von vielen Benutzern der SEM-Grammatik bevorzugt und hat auch viele LISREL-Benutzer dazu gebracht, in das MPLUS-Lager zu wechseln.
Dieses Mal wurden die Methode und die Anwendung der Strukturgleichungsmodellierung umfassend erläutert und gleichzeitig eine eingehende Fallanalyse durchgeführt, um den Studierenden zu helfen, die Strukturgleichungsmodellierung zu beherrschen und für die Durchführung spezifischer Arbeiten zu nutzen.
Die konkreten Angelegenheiten werden hiermit wie folgt mitgeteilt:
Uhrzeit und
14.–16. April 2023 (Webcast + praktische Übung)
13.–16. April 2023 Peking (erster Tag der Registrierung und dreitägiger Unterricht)
Alle Provinzen, Gemeinden und autonomen Regionen sind in den Bereichen Medizin, Bildung, Ökologie, Management, Marketing, Organisationsverhalten, Psychologie, Buchhaltung und Information und anderen Bereichen tätig. Interessierte an Datenanalyse.
Inhalt
Vorlesung 1: Einführung in die
Modellierung von Strukturgleichungen und Notwendigkeit der Mplus-Softwareanwendung und Vergleich verwandter Software (1) Beschreiben Sie ausgehend von der linearen Regression die Mängel und Lösungen multivariater statistischer Methoden, die zum latenten Variablenmodell (Strukturgleichungsmodell) führen
. 2) Der Ursprung und der Entwicklungsprozess der Strukturgleichungsmodellierung; die Einführung in die Eigenschaften häufig verwendeter Software zur Analyse latenter Variablen (SEM), wie LISREL, EQS, AMOS und andere Software; (3) Demonstration der Hauptfunktionen der Mplus-Software und die Merkmale, die sich von anderer
Software unterscheiden;
(4) Mplus-Schnittstelle, grammatikalische Struktur, allgemeine Befehle und Standardeinstellungen
Vorlesung 2:
Regressionsanalyse und Pfadanalyse Pfadanalyse von Längsschnittdaten in rekursiven und nicht rekursiven Modellen (1) Ausgehend von der Regressionsanalyse und Pfadanalyse, Beschreibung der grundlegenden Anwendung des Mplus-Prozesses;
(2) Kompilierung eines einfachen Mplus-Programms; Datenimport und -format; Ausgabebericht und Interpretation; Unterschied zwischen rekursiven und nicht rekursiven Modellen; Identifikationsregeln von Pfadanalysemodellen; Effektanalyse des Pfads Modelle; Pfadanalyse von Längsschnittdaten.
Vorlesung 3,
Explorative Faktoranalyse EFA Bestätigungsfaktoranalyse CFA
CFA-Modellanwendung Primärskaliger Zuverlässigkeits- und Validitätstest (1) Der Unterschied zwischen explorativer Faktoranalyse und Hauptkomponentenanalyse;
(2) Mplus der explorativen Faktoranalyse (3) Einführung in die
explorative Struktur Gleichungsmodellierung (ESEM);
(4) Grundprinzipien der Bestätigungsfaktoranalyse (CFA);
(5) CFA-Modellbewertung (absoluter Anpassungsindex, relativer Anpassungsindex, reduzierter Anpassungsindex und kompetitiv). (6) Interpretation
und Berichterstattung der CFA-Ausgabeergebnisse;
(7) Wie beurteilt man die Qualität der Skala anhand des CFA-Modells (Kompositionszuverlässigkeit CR, durchschnittliche Variationsextraktion AVE);
(8) Analyse häufiger Probleme des CFA-Modells (multivariater Normalitätstest, Ausreißererkennung, nicht positive Bestimmtheit, schlechte Anpassung, Modellkorrektur, Modellvergleich usw.).
Vorlesung 4
Messäquivalenz und Mehrgruppen-CFA-Modell
Erweitertes CFA-
Modell Anwendung des CFA-Modells – MTMM,
Bifaktormodell (1) Die spezifischen Schritte von Mplus zur Erzielung von Messäquivalenz;
(2) Vergleich von Mehrgruppen-CFA-Modellen;
(3) Anwendung des CFA-Modells zweiter Ordnung;
(4) Vergleich von CFA-Modellen hoher und niedriger Ordnung;
(5) Anwendung des MTMM-Modells;
(6) Anwendung des Bifaktormodells;
Die fünfte Vorlesung behandelt .
das Grundprinzip des SEM-Modells (2) Grundprinzipien von SEM-Modellen; (3) SEM-Modellierungsprozess und Modellidentifikation; (4) Vergleich von SEM-Modellen; (5) Mehrere Sätze von SEM- Modellen Sechs Vorlesungen Analyse häufiger Probleme im SEM-Modell Verwandte Themen im SEM-Modell (1) Analyse häufiger Probleme im SEM-Modell; (2) Verwandte Themen im SEM-Modell (Schätzung der Stichprobengröße, Imputation fehlender Werte, Verarbeitung nicht normaler Daten, Datenpaketierung). Technologie, formatives Modell und Antwortmodell, Verarbeitung von Kategoriedaten, Verarbeitung latenter Variablen mit einem Index usw.). Vorlesung 7 Mediationseffekt-Analysetechnik, Multiple Mediator-Variablenmodell
Techniken zur Analyse des moderierenden Effekts (1) Die Form und Funktion des Modells des vermittelnden Effekts;
(2) Das Prinzip des Modells des vermittelnden Effekts;
(3) Die hemmenden Variablen im vermittelnden Effekt;
(4) Die Hauptmethoden zum Testen des vermittelnden Effekts ( Kausalitätsmethode, Koeffizientendifferenzmethode, Koeffizientenproduktmethode usw.);
(5) Grundlegende Modell- und Analyseschritte von Mediationseffekten;
(6) Mehrfachmediationsmodell mit Kausalbeziehung zwischen Mediationsvariablen;
(7) Mehrfachmediationsmodell ohne Kausalbeziehung zwischen vermittelnden Variablen;
(8) Die Form und Funktion des Moderationseffektmodells;
(9) Der Unterschied zwischen Moderationseffekt und Interaktionseffekt;
(10) Das grundlegende Modell und die Analyseschritte des Moderationseffekts;
(11) Einfache Methoden der Moderationseffektanalyse (Zweiwege-ANOVA, Gruppenregression, Stratum-Regression.
Vorlesung 8
Latent-Moderator-Modell
Erweiterte Mediator- und Moderatoranalyse – Gemischtes
Mediator- und Moderatormodell (bedingtes Mediatormodell) Neue Fortschritte bei Mediator- und Moderatoreffektmodellen (1) Haupttestmethoden für latente Moderatoren Variablenmodelle; (2
) ) Modell mit kategorialer Variable als Moderatorvariable;
(3) Modell mit kontinuierlicher latenter Variable als Moderatorvariable;
(4) Bootstrap-Methode.
Vorlesung 9
Latente Klassenanalyse
Latente Profilanalyse
Regressionsgemischtes Modell
(1) Übersicht über latente Klassenanalyse
(2) Qualitative und latente Distanz
(3) Bewertung der Modellanpassung
(4) Latente Profilanalyse
(5) Gemischtes Regressionsmodell mit Prädiktorvariablen
(6) Gemischtes Regressionsmodell mit Ergebnisvariablen
Hilfskurse (1) Fehlerbehebung, Gruppendiskussion;
QQ-Gruppennummer des konstruktiven Gleichungsmodells: 198367873 (Anmerkungen zum Hinzufügen einer Gruppe: Eingeladen von Xue Hongliang)