Niveau: Mittelstufe
Strukturgleichungsmodellierung (SEM) ist ein Rahmenwerk, das die Untersuchung von Zusammenhängen zwischen beobachteten und unbeobachteten latenten Variablen ermöglicht. Viele SEM-Anwendungen verwenden Querschnittsdaten, und das Rahmenwerk ist auch für die Modellierung von Längsschnittdaten sehr flexibel.
Diese Präsentation beschreibt die Modellierung latenter Wachstumskurven (LGCM) als flexibles Werkzeug zur Charakterisierung von Wachstumsverläufen im Zeitverlauf. Wir beginnen mit einer kurzen Erläuterung der Grundkonzepte von SEM, gefolgt von einer Einführung in die Einbeziehung von Mittelwerten in Analysen zur Überprüfung von Wachstumstheorien. Diese Studie veranschaulicht LGCM, indem sie das Modell an Daten zu individuell berichteten Angstzuständen und gesundheitlichen Beschwerden während der COVID-19-Pandemie anpasst. Unsere Analyse zeigt, dass Resilienz einzigartige Veränderungsmuster in den Verläufen von Angstzuständen und generalisierten Symptomen vorhersagt.
*Spielen Sie das Video auf dieser Site ab, 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 das Video mit einem japanischen Transkript ansehen möchten, klicken Sie bitte hier .
Gehen Sie zur Seite für jede Präsentation unter „Discovery Summit Americas 2021 Presentation“.
(Bitte beachten Sie, dass Sie aufgefordert werden, sich bei Ihrem SAS-Profil anzumelden.)
