说明:建模过程中经常特殊情况-数据的不独立问题(包括数据的嵌套结构、时间和空间自相关及系统发育相关)、数据或变量的非正态、分类或分组数据以及变量间的互为因果关系(非递归模型)
结构方程模型(Sructural Equation Modeling)是分析多变量间因果关系的利器,在众多学科领域具有巨大的应用潜力。我们前期推出的《基于R语言结构方程模型》课程通过结构方程原理介绍、结构方程全局和局域估计、模型构建和调整、潜变量分析、复合变量分析及结构方程贝叶斯方法实现等一系列专题的介绍及实际案例讲解及练习,由浅入深地系统介绍结构方程模型的建立、拟合、评估、筛选和结果展示全过程,得到了学员的广泛认可。通过学习和交流学员们能够利用结构方程模型方法解决实际研究和工作中遇到的相关科学问题。经过大家课后进一步交流和反馈,利用结构方程模型建模过程中还是会遇到很多“特殊”情况,如数据的不独立问题(包括数据的嵌套结构、时间和空间自相关及系统发育相关)、数据或变量的非正态、分类或分组数据以及变量间的互为因果关系(非递归模型)等等。
内容包括:SEM的定义、应用及历史回顾、SEM的基本结构、SEM的估计方法、SEM的路径规则、SEM路径参数的含义、SEM分析样本量及模型可识别规则、SEM构建基本流程。
张老师(副研究员)主讲专家来自中国科学院及重点高校资深专家,长期从事结构方程模型、群落生态学、保护生物学、景观生态学和生态模型方面的研究和教学工作,以发表了多篇论文,拥有丰富的科研及实践经验。
更多资讯关注公众号:Ai科研学术社
专题一:嵌套/多水平/分层数据分析
1、嵌套/多水平/分层数据概述
2、全局估计法实现途径
3、局域估计法实现途径
专题二:非线性关系及交互作用分析
1、外生变量非线性关系处理
2、内生变量非线性关系处理
3、变量间存在交互作用关系分析
专题三:非正态数据/变量分析
1、数据/变量的非正态问题
2、全局估计法处理非正态数据/变量
3、局域估计法处理非正态数据/变量
专题四:分类及分组数据分析
1、分类及分组数据介绍
2、分组数据分析
3、外生变量为分类数据分析
4、内生变量为分类数据分析
专题五:非递归模型(non-recursive)
1、非递归模型简介
2、非递归模型分析注意事项及实现途径
3、经典非递归模型案例
专题六:空间自相关数据分析
1、数据的空间自相关问题
2、全局估计法对空间自相关问题的修正
3、局域估计法纳入空间自相关数据
专题七:时间自相关/重复测量数据分析
1、数据的时间自相关/重复测量问题
2、全局估计法对时间自相关/重复测量问题处理
3、局域估计法纳入时间自相关/重复测量数据
专题八:系统发育相关数据分析
1、系统发育相关问题简介
2、系统发育相关数据纳入结构方程模型实现途径
专题九:结构方程模型的预测问题
1、结构方程模型进行预测的基本原理
2、全局及局域估计法模型预测的实现途径
3、经典案例详解
专题十:如何利用结构方程模型建模并发表论文
将通过实际案例分析分享结构方程模型建模过程、结果展示及论文撰写中主要注意事项和常见问题,避免论文被拒的杯具。