Online Courses 
Coursera
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
-
TypeOnline Courses
-
ProviderCoursera
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；
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
Engineering Calculus and Differential Equations
Laboratorio di Matematica per Architettura
Calculus through Data & Modelling: Vector Calculus
Statistical Learning
BES-143: Pedagogy of Mathematics
Introduction to Linear Algebra and Python
Linear Regression with NumPy and Python
Math for Machine Learning (Portuguese)
TExES Core Subjects 4-8 - Mathematics (807): Practice & Study Guide
Maya to Aztec: Ancient Mesoamerica Revealed
Statistics Foundations: 3
Loading...
Saving...
Loading...