Build your ultimate AI agent
Kursbeskrivning
När vi arbetar med data vill vi ofta skapa modeller för att förutsäga framtida händelser, men vi vill också förstå hur data hänger ihop och är strukturerad på ett djupare plan. I den här kursen utforskar du sambanden i data med hjälp av strukturell ekvationsmodellering (SEM) i programmeringsspråket R och paketet lavaan. Genom SEM lär du dig om latenta och manifesta variabler, hur du skapar mätmodeller, bedömer deras träffsäkerhet och åtgärdar modeller med dålig passning. Under kursens gång arbetar du med klassiska SEM-datamängder, till exempel Holzinger och Swineford (1939) samt Bollen (1989). Du genomför även en fallstudie med en flerfaktormodell baserad på Wechsler Adult Intelligence Scale. Efter kursen kan du gå på djupet med dina data och få en mycket bättre förståelse för hur allt hänger samman.
Förkunskapskrav
Kursplan
Kursöversikt
1
Enfaktormodeller
I det här kapitlet börjar du bygga din första strukturella ekvationsmodell med lavaan. Du lär dig viktig terminologi och hur du konstruerar och kör modeller. Du skapar en enfaktormodell av mentala testförmågor med hjälp av den klassiska datamängden från Holzinger och Swineford (1939).
- Modellspecifikation50 XP
- Bygg en modell för texthastighet100 XP
- Bygg en modell för politisk demokrati100 XP
- Modellanalys50 XP
- Analysera modellen för lästempon100 XP
- Sammanfatta politisk demokrati50 XP
- Modellbedömning50 XP
- Granska standardiserade laddningar100 XP
- Utforska anpassningsmått100 XP
- Undersök det politiska demokratiexemplet100 XP
2
Flerfaktormodeller
I det här kapitlet utvidgar du dina kunskaper i lavaan till att skapa flerfaktormodeller. Vi förbättrar enfaktormodellerna från föregående kapitel genom att lägga till flera latenta variabler i den klassiska datamängden från Holzinger och Swineford (1939).
3
Felsökning av modellfel och diagram
Strukturella ekvationsmodeller fungerar inte alltid problemfritt. I det här kapitlet lär du dig att felsöka Heywood-fall, som är vanliga fel. Du lär dig också att skapa diagram över din modell i R med hjälp av biblioteket semPlot.
4
Fullständigt exempel och en utvidgning
Det här kapitlet undersöker WAIS-III IQ-skalan och dess strukturella egenskaper. Du använder dina kunskaper från de tre första kapitlen för att skapa olika modeller av WAIS-III, felsöka fel i dessa modeller och skapa diagram över den slutliga modellen.
R
Strukturell ekvationsmodellering med lavaan i R
Kurs
slutförd
