مدل سازی معادله ساختاری

این دوره در نظر گرفته شده است تا معرفی مفاهیم بنیادی و تکنیک های اساسی محاسباتی مدل سازی معادلات ساختاری (SEM) و اجرای آنها در یک ابزار نرم افزاری محبوب SEM ، R Package Lavaan ارائه شود. مباحث تحت پوشش این دوره عبارتند از: تجزیه و تحلیل عاملی اکتشافی و تأیید کننده (E/CFA) ، مدل های مسیر و مدلهای معادله ساختاری. علاوه بر این ، موضوعات عملی تخمین ، تجسم و ارائه انواع مختلف مدل های SEM مورد بحث قرار گرفته است. برای موفقیت در این دوره ، فرض بر این است که دانش آموزان دانش اساسی در مورد آمار دارند و با چندین روش آماری معمولی ، از همه مهمتر تجزیه و تحلیل رگرسیون آشنا هستند. علاوه بر این ، برای تمرینات عملی ما از محیط برنامه نویسی R استفاده خواهیم کرد ، بنابراین یک پیش نیاز مهم دیگر دانش اساسی R. است

اهداف یادگیری

اهداف اصلی این دوره (الف) برای کمک به دانش آموزان در یادگیری مفاهیم اساسی مدل سازی معادلات ساختاری ، (ب) برای توضیح آنها در مورد اصول اصلی ساخت ، ارزیابی ، مقایسه و اصلاح در SEM و (ج) برای نشان دادنچگونه آنها می توانند از یک نرم افزار آماری قدرتمند ، R ، برای استفاده از این مفاهیم و اصول در برنامه های داده واقعی SEM استفاده کنند.

نتایج یادگیری مورد انتظار

درک مفاهیم اساسی تجزیه و تحلیل عاملی تأیید کننده (CFA) و مدل سازی معادلات ساختاری (SEM)

در عمل اصول اساسی ساخت مدل ، ارزیابی مدل و اصلاح مدل در CFA و SEM را درک و استفاده کنید

ساخت ، برآورد ، ارزیابی ، مقایسه و اصلاح فاکتور تأیید کننده AN/یا ساختاری با استفاده از بسته های R Lavaan و Semtools

مطالب دوره

بررسی اجمالی دوره. مفهوم متغیر نهفته. مفهوم ساخت. اندازه گیری بازتابنده در مقابل فرم. مدل فاکتور کلی. تجزیه و تحلیل مؤلفه اصلی (PCA). قانون کایزرتوطئه های Scree. توطئه های دوتجزیه و تحلیل عاملی اکتشافی (EFA). تجزیه و تحلیل عاملی تأیید کننده (CFA). تفاوت بین CFA و EFA. اجرای PCA و EFA.

مدل عامل تأیید کننده: فرضیات ، پارامترهای مدل کلیدی ، نماد. حداکثر برآورد احتمال مدلهای CFA. مشاهده شده در مقابل ماتریس VCOV پیش بینی شده. شناسایی مدلمشخص نشده ، فقط مشخص شده و مدل های CFA مشخص شده است. انواع مختلفی از محدودیت های پارامتر مورد استفاده برای شناسایی مدل. استاندارد سازی. شاخص های مناسب و متناسب با مدل. تخمین مدل های CFA با استفاده از گدازه R بسته بندی. تجسم مدل های CFA با استفاده از semplot

اصول اساسی بهبود مدل CFA. شاخص های اصلاح (MI). تغییر پارامتر مورد انتظار (EPC). باقیمانده های استاندارد. مقایسه مدل: شاخص های متناسب و تست تفاوت مجذور کای. اعتبار اندازه گیری. انواع مختلف اعتبار: اعتبار محتوا و اعتبار سازه (همگرا و تبعیض آمیز). قابلیت اطمینان: آلفا کرونباخ و اقدامات دیگر. رسیدگی به داده های Mis s-ing: حذف لیست/جفت و اطلاعات کامل حداکثر احتمال.

مشکلات مربوط به داده های غیر عادی و طبقه بندی شده. کدام داده ها (منطقی) غیر عادی هستند و طبقه بندی هستند. نسخه های قوی از برآوردگر حداکثر احتمال. مدل CFA برای داده های گربه ای: پارامترهای کلیدی و نماد. تخمین حداقل مربعات وزنی. گدازه های گدازه. تفسیر ، تجسم ، ارزیابی ، اصلاح و مقایسه مدلهای CFA طبقه بندی شده.

مفاهیم اساسی مدل سازی ساختاری. مدل اندازه گیری در مقابل مدل ساختاری. مدل های مسیر. متغیرهای اگزوژن و درون زا. مدل های بازگشتی و غیر قابل تکرار. شناسایی مدلهای ساختاری. مدل های چند ضلعی چندگانه (تقلید). رگرسیون ساختاری Mod-Ell. اجرای گدازه. تفسیر ، تجسم ، ارزیابی ، اصلاح و مقایسه-SON مدل های مسیر و مدل های ساختاری.

اهمیت اساسی مدل سازی مکانیسم. مفهوم میانجیگری. من کامل و جزئی. اثرات غیرمستقیم و کل و محاسبه آنها در گدازه. رویکرد بارون کننی به میانجیگری. برآورد عدم اطمینان: تست سوبل و بوت استرپ. تفسیر ، ارزیابی و مقایسه مدل ها با میانجیگری. انواع دیگر متغیرهای سوم: اعتدال و مخدوش. مدل های معادل

عناصر ارزیابی

تکلیف خانه 1

تکلیف کتبی در خانه ، که در آن شما باید یک مجموعه داده واقعی را با استفاده از روش های FA/SEM مورد بحث در موضوعات 1-4 تجزیه و تحلیل کنید. کلیه تکالیف باید تا ساعت 18:10 ، 30 سپتامبر 2020 از طریق ایمیل به مربی دوره ارسال شود.

تکالیف کتبی را در خانه بگیرید ، که در آن شما باید یک مجموعه داده واقعی را با استفاده از روش های FA/SEM تجزیه و تحلیل کنید. به طور خاص ، ابتدا باید از روشهای اکتشافی برای تهیه یک مدل فاکتور معنی دار و تئوری قابل تفسیر استفاده کنید. سپس روش تأیید کننده را برای ارزیابی کیفیت مدل خود اعمال کرده و در صورت لزوم آن را اصلاح می کنید. سرانجام ، از شما خواسته می شود آزمایش کنید که آیا متغیر (های) نهفته شما به طور غیر واقعی با مجموعه ای از متغیرهای خارجی مرتبط نیست. کلیه تکالیف باید تا ظهر 26 اکتبر (دوشنبه) 2020 از طریق ایمیل به مربی دوره ارسال شود (مهلت مقدماتی است و بعداً قابل تغییر است). توجه کنید که در مقاله نهایی ممکن است (1) مجموعه داده ارائه شده توسط مربی را تجزیه و تحلیل کنید یا (2) داده های خود را تجزیه و تحلیل کنید. صرف نظر از اولویت داده های خاص شما ، همان اصول و معیارهای درجه بندی (به بالا مراجعه کنید) برای ارزیابی ارسال نهایی شما در هر دو مورد اعمال می شود.

تکلیف خانه 2

تکلیف کتبی در خانه ، که در آن شما باید یک مجموعه داده واقعی را با استفاده از روش های FA/SEM مورد بحث در موضوعات 5-6 تجزیه و تحلیل کنید. کلیه تکالیف باید تا ساعت 18:10 ، 14 اکتبر 2020 از طریق ایمیل به مربی دوره ارسال شود.