레벨: 중급
【발표자】
Laura Castro-Schilo, JMP Sr. Research Statistician Developer, SAS Institute Inc.
【발표 개요】
구조 방정식 모델( SEM )는 관측된 변수와 관측되지 않은 잠재적인 변수 간의 연관성을 연구할 수 있는 프레임워크입니다. SEM 많은 응용 프로그램은 교차 섹션 데이터를 사용합니다.이 프레임 워크는 종단 데이터 모델링에도 매우 유연합니다. 본 발표에서는 시간 경과에 따른 성장의 궤적을 특성화하기 위한 유연한 툴로서 잠재성장 곡선 모델( LGCM )에 대해 설명합니다. 첫째, SEM 의 기본 개념을 간략하게 설명한 후 성장 이론을 검증하기 위해 평균을 어떻게 분석에 통합하는지 소개합니다. 본 연구에서는 신형 코로나 바이러스의 유행 발생 시 개인이 보고한 「불안」과 「건강에 대한 불만」의 데이터에 모델을 적용함으로써, LGCM 설명합니다. 분석 결과, 탄력성은 불안과 불규칙성의 궤적에서 고유한 변화 패턴을 예측하는 것으로 나타났다.
※이 사이트에서 비디오를 재생하고 화면 오른쪽 하단의 "CC"를 클릭하고 "English"를 선택하면 영어 자막이 표시됩니다.
본 발표의 발표 자료나 데이터의 다운로드나, 일본어 트랜스크립트와 함께 시청되고 싶은 분은, 여기 을 클릭합니다.
Discovery Summit Americas 2021 Presentation의 각 발표 페이지로 이동합니다.
( SAS Profile 에 로그인하라는 메시지가 표시되므로 미리 양해 바랍니다. )
