级别：中级
【主持人】
Laura Castro-Schilo，JMP Sr. SAS Institute Inc. 研究统计学家开发人员
[演示概述]
结构方程建模 (SEM) 是一个框架，可让我们研究观察到的和未观察到的潜在变量之间的关系。 SEM 的许多应用程序都使用横截面数据，该框架在建模纵向数据方面也非常灵活。
在本演示文稿中，我们将潜在增长曲线模型 (LGCM) 描述为一种灵活的工具，用于描述随时间推移的增长轨迹。我们首先简要介绍 SEM 的基本概念，然后展示如何将平均值纳入分析以检验增长理论。在这项研究中，我们通过将模型拟合到 COVID-19 大流行期间个人报告的焦虑和健康不满的数据来解释 LGCM。我们的分析发现，复原力预测了焦虑和哀悼轨迹的独特变化模式。
* 播放本站视频，点击屏幕右下角“CC”，选择“English”即可显示英文字幕。
如果您想下载本演示文稿的演示材料和数据，或者如果您想用日语成绩单观看它，这里请点击。
转到 2021 年美洲探索峰会的每个演示文稿的页面。
（请注意，系统会要求您登录您的 SAS 个人资料。）
