第1讲 Bootstrap方法在结构方程模型中的应用

第2讲 基于指定搜索方法寻找最佳模型

第3讲 在Amos中使用贝叶斯估计

第4讲 删失数据分析

第5讲 有序类别数据分析

第6讲 Amos中的混合模型建模

讲师介绍：

谢老师，统计学博士，擅长AMOS、SPSS、Clementine等多种统计、经济计量和数据挖掘软件。多篇论文发表在统计研究等权威期刊上，数据处理经验丰富，负责的项目和课题涉及光大银行、交通部、水利部、ALTAVALUE等各大机构。授课特色：深入浅出，生动活泼。

培训目的：

结构方程模型正在成为经管、人文社科领域硕博论文的标准模型配置，而Amos是进行结构方程模型建模的首选软件，具有无需编程、易学易用、图形美观大方等诸多优点。学员如果能在熟悉Amos基本功能的基础上向更高阶进军，掌握Amos的一些高级功能并将之配置到论文中去，将大大提高论文的质量和层次，成为论文的点睛之笔。

本培训课程适用于对Amos软件的基本功能有所了解的学员，致力于结构方程模型应用的推广，不让软件或编程语言成为学习的障碍。

培训内容目录:

本课程坚持“做中学”的原则，每一讲的内容都是从一个例子出发，有数据、有模型、有结果的解释，以使学员能够很快上手，轻松学会使用Amos。

第1讲 Bootstrap方法在结构方程模型中的应用

当模型的假定不满足时，如何得到参数估计的标准误差？如何基于Bootstrap方法从多个备选模型中选择最佳模型？你可知道估计结果的好坏不仅取决于模型，还取决于估计方法？如何借助Bootstrap方法选择最佳估计方法？

本讲通过以因子分析模型为例来回答上述问题。

第2讲基于指定搜索方法寻找最佳模型

有时候，你是否不确定两个观测变量或潜变量之间是否存在作用关系，模型中的某些箭头觉得可有可无？那么采用指定搜索方法来决定这些箭头的去留吧。

你是否知道在Amos中也能像逐步回归一样让软件自动地搜索，实现“逐步因子分析”，帮助你找到最佳模型？

第3讲在Amos中使用贝叶斯估计

参数估计中有两种理念：频率学派和贝叶斯学派，如何在Amos中基于贝叶斯思想得到贝叶斯估计结果？你是否曾因样本量太小或模型设定的原因得到方差为负的错误估计结果？尝试一下贝叶斯估计吧，它能避免方差为负等错误估计结果的出现。

另外除了Amos中默认输出的参数，你只否还想得到自己想要的其它一些参数的贝叶斯估计结果？本讲对此做出解答。

第4讲删失数据分析

你碰到过删失数据吗？你会处理删失数据吗？本讲讲解如何基于删失数据进行参数估计、后验预测分布估计及和数据插补有关的问题。

第5讲有序类别数据分析

在尝试拟合因子分析模型的时候你是否碰到过“非常不同意”、“不同意”、“同意”、“非常同意”这样的有序类别数据？本讲介绍如何基于有序类别型数据拟合因子分析模型，以及和后验预测分布估计、数据插补有关的话题。

第6讲 Amos中的混合模型建模

混合模型适用于一个模型对于全部总体数据来说不合适，但当将总体分为若干组后，对于每组数据，模型刚好合适的情形。本讲重点讲解在含有训练数据集和不含有训练数据集的情形，如何在Amos中建立混合模型，主要以混合回归模型的建立为例。

课程配套资料：

（1）视频文件共6讲，共234M。

（2）课程资料包括配套讲义、例子数据和一份Amos工具栏介绍。

amos全套视频+课件+讲义

amos论文班视频+课程课件+讲义

Amos高级视频+课件数据+讲义打包

Amos初级视频+课件数据+讲义打包

---

需要的请加微信：efenxi