Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Lorsque l’on travaille avec des données, on cherche souvent à créer des modèles pour prédire des événements futurs, mais on souhaite aussi comprendre plus en profondeur comment nos données sont reliées ou structurées. Dans ce cours, vous explorerez les liens au sein des données en utilisant la modélisation par équations structurelles (SEM) avec le langage R et le package lavaan. La SEM vous présentera les variables latentes et manifestes, la manière de créer des modèles de mesure, d’évaluer la précision de ces modèles et de corriger les modèles dont l’ajustement est insuffisant. Au fil du cours, vous étudierez des jeux de données classiques en SEM, tels que ceux de Holzinger et Swineford (1939) et de Bollen (1989). Vous réaliserez également une étude de cas avec un modèle multifactoriel à partir de l’échelle d’intelligence de Wechsler pour adultes. À l’issue de ce cours, vous serez en mesure d’examiner vos données en profondeur et de mieux comprendre comment elles s’articulent.
Prérequis
Programme de formation
Plan du cours
1
Modèles à un facteur
Dans ce chapitre, vous allez créer votre premier modèle par équations structurelles avec lavaan. Vous apprendrez la terminologie essentielle, comment construire et exécuter des modèles. Vous élaborerez un modèle à un facteur des aptitudes aux tests mentaux en utilisant le jeu de données classique de Holzinger et Swineford (1939).
- Spécification du modèle50 XP
- Créer un modèle de vitesse de lecture100 XP
- Construire un modèle de démocratie politique100 XP
- Analyse du modèle50 XP
- Analyser le modèle Text Speed100 XP
- Résumer la démocratie politique50 XP
- Évaluation du modèle50 XP
- Examiner les charges standardisées100 XP
- Explorer les indices d’ajustement100 XP
- Examiner la démocratie politique100 XP
2
Modèles multifactoriels
Dans ce chapitre, vous développerez vos compétences dans lavaan pour créer des modèles multifactoriels. Nous améliorerons les modèles à un facteur du chapitre précédent en créant plusieurs variables latentes dans le jeu de données classique de Holzinger et Swineford (1939).
3
Résolution d’erreurs de modèle et diagrammes
Les modèles par équations structurelles ne s’exécutent pas toujours sans accroc ; dans ce chapitre, vous apprendrez à résoudre les cas de Heywood, des erreurs fréquentes. Vous verrez aussi comment représenter votre modèle en R à l’aide de la bibliothèque semPlot.
4
Exemple complet et extension
Ce chapitre examine l’échelle de QI WAIS-III et ses propriétés structurelles. Vous mobiliserez les compétences acquises dans les trois premiers chapitres pour créer différents modèles du WAIS-III, résoudre les erreurs de ces modèles et générer des diagrammes du modèle final.
R
Modélisation par équations structurelles avec lavaan en R
Cours
terminé
