Moocable is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Structural Equation Model and its Applications | 结构方程模型及其应用 (粤语)

Description

课程介绍:

在社会学、心理学、教育学、经济学、管理学、市场学等研究领域的数据分析中,结构方程建模是当前最前沿的统计方法中应用最广、研究最多的一个。它包含了方差分析、回归分析、路径分析和因子分析,弥补了传统回归分析和因子分析的不足,可以分析多因多果的联系、潜变量的关系,还可以处理多水平数据和纵向数据,是非常重要的多元数据分析工具。本课程系统地介绍结构方程模型和LISREL软件的应用,内容包括:结构方程分析(包括验证性因子分析)的基本概念、统计原理、在社会科学研究中的应用、常用模型及其LISREL程序、结果的解释和模型评价。学员应具备基本的统计知识(如:标准差、t-检验、相关系数),理解回归分析和因子分析的概念。 注:本课程配套教材为《结构方程模型及其应用》(以LISREL软件为例)。


修课背景要求:

讲学语言:普通话及广东话 / 简体中文
这是一个艰深的高阶课程,学员应有下述的知识及训练:(i) 使用SPSS, SAS或其他类似软件包;(ii) 回归;和(iii) 因子分析(探索性因子分析)。


课程目标:

完成课程之后,学生的预期学习成果是:

1. 能够说出与传统的ANOVA和回归分析法相比,结构方程模型的优点;
2. 能够在仪器上进行验证性因子分析;
3. 能够用结构方程模型分析简单的全模型;
4. 通过计算出各种拟合指数和运用其他评估标准,能够比较并选出适合的模型;
5. 能够基于相应的参数统计修改模型;

Tags

Syllabus

  • 课程资料
  • 第一课:简介 (参考:第一章 引言)
  • 第二课:探索性与验证性因子分析 (参考:第一章 引言)
  • 第三课:SEM原理 (参考:第二章 结构方程模型简介)
  • 第四课:验证性因子分析 (参考:第三章应用示范I 一、验证性因子分析)
  • 第五课:多质多法模型 (参考:第三章应用示范I 二、多质多法模型)
  • 第六课:全模型 (参考:第三章应用示范I 三、全模型)
  • 第七课:高阶因子分析 (参考:第三章应用示范 四、高阶因子分析)
  • 第八课:单纯形模型 (参考:第四章应用示范II:单纯形和多组模型 一、单纯形模型)
  • 第九课:多组SEM分析 (参考:第四章应用示范II:单纯形和多组模型 二、多组验证性因子分析 三、多组分析:均值结构模型)
  • 第十课:结构方程建模和分析步骤 (参考:第五章结构方程建模和分析步骤)
  • 第十一课:涉及数据的问题 (参考:第六章专题讨论——涉及资料的问题 第七章专题讨论——涉及模型拟合的问题 第八章拟合指数)
  • 第十二课:读取SPSS数据 (参考:附录III通过SPSS读取数据)
  • 期末考

Structural Equation Model and its Applications | 结构方程模型及其应用 (粤语)

Affiliate notice

  • Type
    Online Courses
  • Provider
    Coursera

课程介绍:

在社会学、心理学、教育学、经济学、管理学、市场学等研究领域的数据分析中,结构方程建模是当前最前沿的统计方法中应用最广、研究最多的一个。它包含了方差分析、回归分析、路径分析和因子分析,弥补了传统回归分析和因子分析的不足,可以分析多因多果的联系、潜变量的关系,还可以处理多水平数据和纵向数据,是非常重要的多元数据分析工具。本课程系统地介绍结构方程模型和LISREL软件的应用,内容包括:结构方程分析(包括验证性因子分析)的基本概念、统计原理、在社会科学研究中的应用、常用模型及其LISREL程序、结果的解释和模型评价。学员应具备基本的统计知识(如:标准差、t-检验、相关系数),理解回归分析和因子分析的概念。 注:本课程配套教材为《结构方程模型及其应用》(以LISREL软件为例)。


修课背景要求:

讲学语言:普通话及广东话 / 简体中文
这是一个艰深的高阶课程,学员应有下述的知识及训练:(i) 使用SPSS, SAS或其他类似软件包;(ii) 回归;和(iii) 因子分析(探索性因子分析)。


课程目标:

完成课程之后,学生的预期学习成果是:

1. 能够说出与传统的ANOVA和回归分析法相比,结构方程模型的优点;
2. 能够在仪器上进行验证性因子分析;
3. 能够用结构方程模型分析简单的全模型;
4. 通过计算出各种拟合指数和运用其他评估标准,能够比较并选出适合的模型;
5. 能够基于相应的参数统计修改模型;

  • 课程资料
  • 第一课:简介 (参考:第一章 引言)
  • 第二课:探索性与验证性因子分析 (参考:第一章 引言)
  • 第三课:SEM原理 (参考:第二章 结构方程模型简介)
  • 第四课:验证性因子分析 (参考:第三章应用示范I 一、验证性因子分析)
  • 第五课:多质多法模型 (参考:第三章应用示范I 二、多质多法模型)
  • 第六课:全模型 (参考:第三章应用示范I 三、全模型)
  • 第七课:高阶因子分析 (参考:第三章应用示范 四、高阶因子分析)
  • 第八课:单纯形模型 (参考:第四章应用示范II:单纯形和多组模型 一、单纯形模型)
  • 第九课:多组SEM分析 (参考:第四章应用示范II:单纯形和多组模型 二、多组验证性因子分析 三、多组分析:均值结构模型)
  • 第十课:结构方程建模和分析步骤 (参考:第五章结构方程建模和分析步骤)
  • 第十一课:涉及数据的问题 (参考:第六章专题讨论——涉及资料的问题 第七章专题讨论——涉及模型拟合的问题 第八章拟合指数)
  • 第十二课:读取SPSS数据 (参考:附录III通过SPSS读取数据)
  • 期末考

Related Courses