Niveau: Mittelstufe
【Moderator】
Laura Castro-Schilo, JMP Sr. Forschungsstatistikerin und Entwicklerin, SAS Institute Inc.
[Zusammenfassung der Präsentation]
Strukturgleichungsmodellierung (SEM) ist ein Framework, mit dem Sie Zusammenhänge zwischen beobachteten Variablen und unbeobachteten latenten Variablen untersuchen können. Viele SEM-Anwendungen verwenden Querschnittsdaten, und dieses Framework ist auch für die Modellierung von Längsschnittdaten sehr flexibel.
In dieser Präsentation beschreiben wir das latente Wachstumskurvenmodell (LGCM) als flexibles Werkzeug zur Charakterisierung von Wachstumsverläufen im Zeitverlauf. Zunächst erklären wir kurz die Grundkonzepte von SEM und zeigen dann, wie Durchschnittswerte in Analysen zur Überprüfung der Wachstumstheorie einbezogen werden können. In dieser Studie erklären wir LGCM, indem wir ein Modell an Daten zu „Angst“ und „gesundheitlicher Unzufriedenheit“ anpassen, die von Einzelpersonen während des Ausbruchs der neuartigen Coronavirus-Pandemie gemeldet wurden. Analysen zeigten, dass Resilienz einzigartige Veränderungsmuster im Verlauf von Angstzuständen und unbestimmten Beschwerden vorhersagte.
*Wenn Sie ein Video auf dieser Website abspielen, klicken Sie unten rechts auf dem Bildschirm auf „CC“ und wählen Sie „Englisch“, um englische Untertitel anzuzeigen.
Wenn Sie die Präsentationsmaterialien und Daten für diese Präsentation herunterladen oder die Präsentation zusammen mit dem japanischen Transkript ansehen möchten, klicken Sie bitte hier .
Gehen Sie zu jeder Präsentationsseite für die Präsentation des Discovery Summit Americas 2021.
(Bitte beachten Sie, dass Sie aufgefordert werden, sich bei Ihrem SAS-Profil anzumelden.)
