آموزش مدل‌سازی معادلات ساختاری (SEM) با lavaan - آخرین آپدیت

دانلود Structural equation modeling (SEM) with lavaan

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش پیشرفته مدل‌سازی معادلات ساختاری (SEM) با R و پکیج Lavaan

در این دوره جامع و عملی، با استفاده از نرم‌افزار حرفه‌ای و رایگان R و پکیج قدرتمند Lavaan که توسط متخصصان سراسر جهان استفاده می‌شود، نحوه تعیین، تخمین و تفسیر مدل‌های معادلات ساختاری (SEM) را به طور کامل فرا بگیرید. این دوره برای کسانی که به دنبال تسلط بر تحلیل داده‌های پیشرفته و مدل‌سازی آماری هستند، ایده‌آل است.

آنچه در این دوره خواهید آموخت:

  • بیاموزید چگونه مدل‌های SEM را با استفاده از نرم‌افزار R، تعیین، تخمین و تفسیر کنید.
  • پارامترهای یک مدل معادلات ساختاری را با پکیج R lavaan تعیین و تخمین زده و نتایج مدل SEM را تفسیر و گزارش دهید.
  • تحلیل عاملی اکتشافی (EFA) و تحلیل عاملی تاییدی (CFA) را با استفاده از مجموعه داده‌های خودتان انجام دهید.
  • از انواع تکنیک‌های جایگزینی چندگانه (Multiple Imputation) برای «پر کردن» و اصلاح داده‌های گم شده استفاده کنید.
  • اثرات واسطه‌ای (Mediated Effects) و سایر اثرات غیرمستقیم SEM را با استفاده از بازه‌های اطمینان پارامتریک سنتی، و همچنین رویکردهای ناپارامتریک بوت‌استرپ و/یا اصلاح‌شده بایاس و تسریع‌شده، تعیین و تخمین بزنید.
  • برازش مدل‌های SEM چندگروهی (Multi-group SEM) را تعیین و تخمین زده، و همچنین سطوح ناهمگونی اندازه‌گیری (Measurement Invariance) (پیکربندی، متریک، اسکالر) را مشخص کنید.
  • نمودارهای رنگی زیبا از مدل‌های SEM برازش‌یافته را برای استفاده در گزارش‌ها و نشریات علمی خروجی بگیرید.
  • نحوه راه‌اندازی، تعیین، تخمین و تفسیر یک مدل منحنی رشد پنهان (Latent Growth Curve) را با استفاده از مشخصات مدل‌های متناوب رهگیری و شیب تصادفی، درک کنید.

پیش‌نیازها:

  • دانشجویان ملزم به نصب نرم‌افزارهای رایگان R و RStudio خواهند بود (دستورالعمل‌ها ارائه شده است).
  • دانشجویانی که با نرم‌افزار R آشنایی ندارند، لازم است از اسکریپت‌ها و تمرینات «مقدمه‌ای بر R» که همراه با ویدئوها و مطالب دوره ارائه شده است، استفاده و تمرین کنند.

این دوره «عملی» به شما می‌آموزد که چگونه با استفاده از پکیج lavaan نرم‌افزار R، مدل‌های معادلات ساختاری (SEM) مبتنی بر کوواریانس را که از متغیرهای پنهان استفاده می‌کنند، تعیین، پارامترهای آن‌ها را تخمین و تفسیر کنید. «lavaan» (توجه داشته باشید که از حرف کوچک «L» به عمد در 'lavaan' استفاده شده است) مخفف latent variable analysis (تحلیل متغیر پنهان) است و این نام نشان‌دهنده هدف بلندمدت توسعه‌دهنده، Yves Rosseel، است: «ارائه مجموعه‌ای از ابزارها که می‌توانند برای کاوش، تخمین و درک طیف وسیعی از مدل‌های متغیر پنهان، شامل تحلیل عاملی، معادلات ساختاری، طولی، چندسطحی، طبقه‌بندی پنهان، پاسخ به آیتم و مدل‌های داده‌های گم شده، استفاده شوند.»

این دوره از مثال‌های «زنده» بسیاری (با اسکریپت‌های R و مجموعه داده‌های موجود) با استفاده از نرم‌افزارهای رایگان R و RStudio برای نمایش و آموزش موارد زیر استفاده و اجرا می‌کند: (۱) تعیین یک مدل SEM در سینتکس lavaan؛ (۲) برازش و سپس ارزیابی مدل شما؛ (۳) انجام CFA؛ (۴) جایگزینی و تصحیح داده‌های گم شده؛ (۵) تخمین اثرات واسطه‌ای و سایر اثرات غیرمستقیم؛ (۶) تخمین و ارزیابی مدل‌های چندگروهی، و همزمان ایجاد ناهمگونی اندازه‌گیری؛ و (۷) تعیین و تخمین مدل‌های منحنی رشد پنهان (latent growth curve)، شامل استفاده از رهگیری‌ها و شیب‌های تصادفی (و پنهان). پکیج R lavaan یک نرم‌افزار SEM حرفه‌ای و در سطح جهانی است که توسط هزاران متخصص SEM، دانشجویان تحصیلات تکمیلی، و اساتید دانشگاه در سراسر جهان استفاده می‌شود.


سرفصل ها و درس ها

مقدمه‌ای بر R و SEM با استفاده از پکیج lavaan Introduction to R and to SEM using the lavaan package

  • مقدمه‌ای بر دوره و R (اسلایدها) Introduction to Course and to R (slides)

  • مقدمه‌ای بر مدل‌سازی مسیر و SEM (اسلایدها، بخش 1) Introduction to Path Modeling and SEM (slides, part 1)

  • مقدمه‌ای بر مدل‌سازی مسیر و SEM (اسلایدها، بخش 2) Introduction to Path Modeling and SEM (slides, part 2)

  • ورود و خروج داده در R Input and Output into R

  • آمار توصیفی مفید داده‌ها Useful Data Summary Statistics

  • مطالعه JSS و تمرین شماره 1 JSS Reading and Exercise #1

  • lavaan چیست (تا بخش سینتکس)؟ What is lavaan (up to syntax) ?

  • تخمین یک مثال تحلیل عاملی تأییدی (CFA) Estimate an Example Confirmatory Factor Analysis (CFA)

  • سایر توابع مفید نتایج برازش lavaan Other Useful lavaan Fitted Results Functions

تحلیل عاملی تأییدی (CFA) با lavaan Confirmatory Factor Analysis (CFA) with lavaan

  • راه‌حل‌های تمرین‌های بخش 1 Exercise Solutions from Section 1

  • مرور SEM (اسلایدها، بخش 1) SEM Review (slides, part 1)

  • مرور SEM (اسلایدها، بخش 2) SEM Review (slides, part 2)

  • مرور SEM (اسلایدها، بخش 3) SEM Review (slides, part 3)

  • اجرای CFA در اسکریپت R (بخش 1) Run CFA in R Script (part 1)

  • اجرای CFA در اسکریپت R (بخش 2) Run CFA in R Script (part 2)

  • اجرای CFA در اسکریپت R (بخش 3) Run CFA in R Script (part 3)

  • اجرای CFA در اسکریپت R (بخش 4) Run CFA in R Script (part 4)

  • تمرین CFA CFA Exercise

مدل‌های کامل SEM Full SEM Models

  • راه‌حل تمرین CFA از بخش 2 (بخش 1) Solution to CFA Exercise from Section 2 (part 1)

  • راه‌حل تمرین CFA از بخش 2 (بخش 2) Solution to CFA Exercise from Section 2 (part 2)

  • مثال مدل دموکراسی سیاسی SEM کامل (بخش 1) Full SEM Political Democracy Model Example (part 1)

  • مثال مدل دموکراسی سیاسی SEM کامل (بخش 2) Full SEM Political Democracy Model Example (part 2)

  • مثال مدل دموکراسی سیاسی SEM کامل (بخش 3) Full SEM Political Democracy Model Example (part 3)

  • مثال نگرش‌های کمی SEM کامل (بخش 1) Full SEM Quantitative Attitudes Example (part 1)

  • مثال نگرش‌های کمی SEM کامل (بخش 2) Full SEM Quantitative Attitudes Example (part 2)

  • تمرین SEM کامل برای تنظیم نابرابری‌ها Setting Inequalities Full SEM Exercise

تحلیل عاملی Factor Analysis

  • تحلیل عاملی چیست؟ What is Factor Analysis ?

  • آماده‌سازی داده‌ها برای تحلیل عاملی Set Up Data for Factor Analysis

  • آغاز انجام تحلیل عاملی اکتشافی (EFA) Begin Performing Exploratory Factor Analysis (EFA)

  • ادامه انجام EFAهای مختلف Continue Performing Various EFAs

  • انجام تحلیل عاملی تأییدی (CFA) Perform a Confirmatory Factor Analysis (CFA)

داده‌های گمشده و درون‌یابی Missing Data and Imputation

  • مقدمه‌ای بر داده‌های گمشده و درون‌یابی Introduction to Missing Data and Imputation

  • راه‌حل تمرین تنظیم نابرابری‌ها از بخش 3 (بخش 1) Solution to Setting Inequalities Exercise from Section 3 (part 1)

  • راه‌حل تمرین تنظیم نابرابری‌ها از بخش 3 (بخش 2) Solution to Setting Inequalities Exercise from Section 3 (part 2)

  • راه‌حل تمرین تنظیم نابرابری‌ها از بخش 3 (بخش 3) Solution to Setting Inequalities Exercise from Section 3 (part 3)

  • مشکلات و مسائل داده‌های گمشده (بخش 1) Missing Data Problems and Issues (part 1)

  • مشکلات و مسائل داده‌های گمشده (بخش 2) Missing Data Problems and Issues (part 2)

  • مثال‌هایی از اسکریپت‌های R برای درون‌یابی داده‌های گمشده (بخش 1) Missing Data Imputation R Scripts Examples (part 1)

  • مثال‌هایی از اسکریپت‌های R برای درون‌یابی داده‌های گمشده (بخش 2) Missing Data Imputation R Scripts Examples (part 2)

  • اسکریپت‌های R بیشتر با شاخص‌های اصلاحی و FIML More R Scripts with Modification Indices and FIML

  • تمرین داده‌های گمشده و یک پرسش از مخاطبان Missing Data Exercise and an Audience Question

میانجی‌گری و اثرات غیرمستقیم Mediation and Indirect Effects

  • مقدمه‌ای بر میانجی‌گری و اثرات غیرمستقیم Introduction to Mediation and Indirect Effects

  • راه‌حل تمرین داده‌های گمشده از بخش 5 (بخش 1) Solution to Missing Data Exercise from Section 5 (part 1)

  • راه‌حل تمرین داده‌های گمشده از بخش 5 (بخش 2) Solution to Missing Data Exercise from Section 5 (part 2)

  • مفاهیم میانجی‌گری (اسلایدها، بخش 1) Mediation Concepts (slides, part 1)

  • مفاهیم میانجی‌گری (اسلایدها، بخش 2) Mediation Concepts (slides, part 2)

  • اولین مثال میانجی‌گری با اسکریپت R First R Script Mediation Example

  • دومین مثال میانجی‌گری با اسکریپت R (بخش 1) Second R Script Mediation Example (part 1)

  • دومین مثال میانجی‌گری با اسکریپت R (بخش 2) Second R Script Mediation Example (part 2)

  • تمرین میانجی‌گری Mediation Exercise

  • بیشتر درباره پیچیدگی میانجی‌گری More on the Complexity of Mediation

تخمین اثرات گروهی Estimating Group Effects

  • مقدمه‌ای بر تخمین اثرات گروهی و تعدیل Introduction to Estimating Group Effects and Moderation

  • راه‌حل تمرین میانجی‌گری از بخش 6 Solution to Mediation Exercise from Section 6

  • مقدمه‌ای بر میانگین ساختارها؛ اسلایدهای اثرات گروهی Introduction to Meanstructures; Group Effects Slides

  • توابع تحلیل گروهی در lavaan Group Analysis Functions in lavaan

  • مثال CFA اسکریپت R برای گروه‌ها Groups R Script CFA Example

  • محدود کردن پارامترها در گروه‌ها Constraining Parameters Across Groups

  • مثال ناوردایی اندازه‌گیری در تحلیل چندگروهی (بخش 1) Multi-Group Analysis Measurement Invariance Example (part 1)

  • مثال ناوردایی اندازه‌گیری در تحلیل چندگروهی (بخش 2) Multi-Group Analysis Measurement Invariance Example (part 2)

مدل‌های منحنی نهفته (رشد) Latent (Growth) Curve Models

  • مقدمه‌ای بر مدل‌های منحنی نهفته (رشد) Introduction to Latent (Growth) Curve Models

  • اولین مثال LCM (بخش 1) First LCM Example (part 1)

  • افزودن متغیرهای همبسته به اولین مثال LCM Add Covariates to First LCM Example

  • مثال LCM داده‌های جرم (بخش 1) Crime Data LCM Example (part 1)

  • مثال LCM داده‌های جرم (بخش 2) Crime Data LCM Example (part 2)

  • مثال LCM داده‌های جرم (بخش 3) Crime Data LCM Example (part 3)

  • مثال LCM داده‌های جرم (بخش 4) Crime Data LCM Example (part 4)

  • مرور مدل‌های منحنی نهفته Latent Curve Models Review

  • مرور مدل‌های LCM جرم 1 و 2 Review LCM Crime Models 1 and 2

  • مرور مدل‌های LCM جرم 3، 4 و 5 Review LCM Crime Models 3, 4 and 5

  • افزودن متغیرهای همبسته و MIMIC Adding Covariates and MIMIC

  • بیشتر درباره متغیرهای همبسته و تعاملات More on Covariates and Interactions

  • مشخصات جایگزین عرض از مبدأ و شیب‌های نهفته Alternative Specifications of Latent Intercepts and Slopes

  • مشخصات جایگزین مدل‌های چندگروهی (راه‌حل تمرین) Alternative Specification of Multigroup Models (exercise solution)

نمایش نظرات

آموزش مدل‌سازی معادلات ساختاری (SEM) با lavaan
جزییات دوره
11.5 hours
73
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,013
4.1 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Geoffrey Hubona, Ph.D. Geoffrey Hubona, Ph.D.

دانشیار سیستم های اطلاعاتی دکتر جفری هوبونا از سال 1993 در 4 دانشگاه بزرگ ایالتی در ایالات متحده دوره های تصدی تمام مدت و استعفا ، استادیار و دانشیار را حفظ کرده است. در حال حاضر ، وی دانشیار MIS در دانشگاه بین المللی A&M تگزاس است که برای آن تدریس می کند دوره های اعتباری در تجسم داده های تجاری (دوره کارشناسی) ، برنامه نویسی پیشرفته با استفاده از R (فارغ التحصیل) و داده کاوی و تجزیه و تحلیل تجارت (فارغ التحصیل). در سمت های قبلی دانشکده دانشگاهی ، او ده ها آماره مختلف ، سیستم های اطلاعات کسب و کار و دوره های علوم کامپیوتر را در مقطع کارشناسی ، کارشناسی ارشد و دکتری تدریس کرد. دانش آموزان. وی دکترای خود را کسب کرد. در رشته مدیریت بازرگانی (سیستم های اطلاعاتی و علوم کامپیوتر) از دانشگاه فلوریدا جنوبی (USF) در تامپا ، فلوریدا. کارشناسی ارشد اقتصاد ، همچنین از USF. MBA در رشته مالی از دانشگاه جورج میسون در فیرفکس ، VA ؛ و لیسانس روانشناسی از دانشگاه ویرجینیا در شارلوتسویل ، VA. او بنیانگذار مدرسه جورجیا R (2010-2014) و R-Courseware (2014 تا کنون) ، سازمان های آموزشی آنلاین است که روش های تحقیق و تکنیک های تجزیه و تحلیل کمی را آموزش می دهند. این تکنیک های روش تحقیق شامل مدلسازی خطی و غیرخطی ، روش های چند متغیره ، داده کاوی ، برنامه نویسی و شبیه سازی و مدل سازی معادلات ساختاری و مدل حداقل مربعات جزئی (PLS) است.