276605_zh-CN

liliconcom

使用结构方程模型揭示观察变量和潜在变量之间的关系

 

 

了解如何：

• 了解 SEM 的基础知识
  • 验证性因子分析 (CFA) – 一种多元统计程序，用于测试测量变量如何代表构造的数量并确认或拒绝理论
  • 路径分析 - 从相关矩阵构建的回归模型的扩展，它比较两个或多个临时模型并使用图表流程图来模拟路径和因果关系
  • 结构方程建模 (SEM) – 多元统计分析技术，将因子分析与多元回归分析相结合，以分析测量变量和潜在结构之间的结构关系，在单一分析中估计多重和相互关联的依赖关系
• 使用工业案例研究选择模型并处理测量区域
  • 导航 3 面板 SEM 窗口（从列表、到列表、图表）
  • 使用 SEM 查看测量中是否存在任何内置错误
  • 了解如何检查和比较受限和独立模型结果
  • 迭代构建多个模型并在运行模型之前解释需求规则状态
  • 找到并解释模型统计信息和报告警告，然后在必要时修改或重新运行模型
  • 使用本地数据过滤器按变量过滤
  • 保存因子分数并将潜在变量应用于观察变量
• 使用 SEM 使用体育案例研究来检验假设

注意：问答包括在时间 36:43。

资源

• SEM JMP 发现演示文稿和博客

高级统计建模