|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/structural-equation-model-cantonese
课程评论：没有评论
课程名称：结构方程模型及其应用（粤语） 课程概述： 本课程深入探讨结构方程模型（SEM）在社会科学各领域的数据分析应用，涵盖方差分析、回归分析、路径分析及因子分析的原理与实用性。学员将学习如何解决传统分析方法的局限，包括分析多因多果关系及潜变量之间的复杂互动，处理多层次和纵向数据。课程内容包括SEM的基本概念、统计原理、常见模型的LISREL程序应用、结果解读及模型评价。学员需具备基本统计知识如标准差、t-检验及对回归和因子分析的理解。 修课背景要求： 教授使用普通话及广东话，适合具备SPSS、SAS或类似软件使用经验，以及回归与因子分析基础知识的学员。 课程目标： 完成本课程后，学员预期能够： 1. 理解结构方程模型相较于传统ANOVA和回归的优势； 2. 使用仪器进行验证性因子分析； 3. 应用结构方程模型分析简单的全模型； 4. 根据各种拟合指数及评估标准选择适合的模型； 5. 基于统计参数对模型进行修改。 课程大纲： - 第一课：简介 - 第二课：探索性与验证性因子分析 - 第三课：SEM原理 - 第四课：验证性因子分析 - 第五课：多质多法模型 - 第六课：全模型 - 第七课：高阶因子分析 - 第八课：单纯形模型 - 第九课：多组SEM分析 - 第十课：结构方程建模和分析步骤 - 第十一课：涉及数据的问题 - 第十二课：读取SPSS数据 - 期末考 配套教材：《结构方程模型及其应用》（以LISREL软件为例）。
Name:课程资料
Description:
Name:第一课：简介 (参考：第一章 引言)
Description:
Name:第二课：探索性与验证性因子分析 (参考：第一章 引言)
Description:
Name:第三课：SEM原理 (参考：第二章 结构方程模型简介)
Description:
Name:第四课：验证性因子分析 (参考：第三章应用示范I 一、验证性因子分析)
Description:
Name:第五课：多质多法模型 (参考：第三章应用示范I 二、多质多法模型)
Description:
Name:第六课：全模型 (参考：第三章应用示范I 三、全模型)
Description:
Name:第七课：高阶因子分析 (参考：第三章应用示范 四、高阶因子分析)
Description:
Name:第八课：单纯形模型 (参考：第四章应用示范II：单纯形和多组模型 一、单纯形模型)
Description:
Name:第九课：多组SEM分析 (参考：第四章应用示范II：单纯形和多组模型 二、多组验证性因子分析 三、多组分析：均值结构模型)
Description:
Name:第十课：结构方程建模和分析步骤 (参考：第五章结构方程建模和分析步骤)
Description:
Name:第十一课：涉及数据的问题 (参考：第六章专题讨论——涉及资料的问题 第七章专题讨论——涉及模型拟合的问题 第八章拟合指数)
Description:
Name:第十二课：读取SPSS数据 (参考：附录III通过SPSS读取数据)
Description:
Name:期末考
Description:
课程介绍： 在社会学、心理学、教育学、经济学、管理学、市场学等研究领域的数据分析中，结构方程建模是当前最前沿的统计方法中应用最广、研究最多的一个。它包含了方差分析、回归分析、路径分析和因子分析，弥补了传统回归分析和因子分析的不足，可以分析多因多果的联系、潜变量的关系，还可以处理多水平数据和纵向数据，是非常重要的多元数据分析工具。本课程系统地介绍结构方程模型和LISREL软件的应用，内容包括：结构方程分析（包括验证性因子分析）的基本概念、统计原理、在社会科学研究中的应用、常用模型及其LISREL程序、结果的解释和模型评价。学员应具备基本的统计知识（如：标准差、t-检验、相关系数），理解回归分析和因子分析的概念。 注：本课程配套教材为《结构方程模型及其应用》（以LISREL软件为例）。 修课背景要求： 讲学语言：普通话及广东话 / 简体中文 这是一个艰深的高阶课程，学员应有下述的知识及训练：(i) 使用SPSS, SAS或其他类似软件包；(ii) 回归；和(iii) 因子分析(探索性因子分析)。 课程目标： 完成课程之后，学生的预期学习成果是： 1. 能够说出与传统的ANOVA和回归分析法相比，结构方程模型的优点； 2. 能够在仪器上进行验证性因子分析； 3. 能够用结构方程模型分析简单的全模型； 4. 通过计算出各种拟合指数和运用其他评估标准，能够比较并选出适合的模型； 5. 能够基于相应的参数统计修改模型；
