After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
データを扱うとき、将来を予測するモデルを作るだけでなく、データ同士のつながりや構造をより深く理解したくなります。本コースでは、R言語のlavaanパッケージを用いて、構造方程式モデリング（SEM）でデータの連関を探ります。SEMでは、潜在変数と観測変数の考え方、測定モデルの作成、測定モデルの精度評価、不適合なモデルの改善方法を学びます。コースでは、Holzinger and Swineford (1939) や Bollen (1989) などの古典的なSEMデータセットを扱います。さらに、Wechsler Adult Intelligence Scaleを用いた多因子モデルのケーススタディにも取り組みます。本コース修了後は、データの構造を深く掘り下げ、全体像をより明確に把握できるようになります。
前提条件
カリキュラム
コース概要
1
1因子モデル
この章では、lavaanを使って最初の構造方程式モデルを作成します。重要な用語、モデルの構築方法、実行方法を学びます。Holzinger and Swineford (1939) の古典的データセットを用いて、知能検査の能力に関する1因子モデルを作成します。
2
多因子モデル
この章では、lavaanのスキルを発展させ、多因子モデルを作成できるようにします。前章の1因子モデルを発展させ、Holzinger and Swineford (1939) の古典的データセットで複数の潜在変数を作成して改善していきます。
3
モデルエラーのトラブルシューティングとダイアグラム
構造方程式モデルは常に順調に動くとは限りません。この章では、よく見られるエラーであるHeywoodケースのトラブルシューティング方法を学びます。あわせて、RのsemPlotライブラリを使ってモデルのダイアグラムを作成する方法も学びます。
4
総合例と拡張
この章では、WAIS-IIIのIQ尺度とその構造的特性を検討します。第1〜3章で身につけたスキルを使って、WAIS-IIIのさまざまなモデルを構築し、エラーをトラブルシュートし、最終モデルのダイアグラムを作成します。
R
Rで学ぶlavaanによる構造方程式モデリング
コース修了
