700+ courses, half price
课程简介
在 R 中探索因子分析
世界充满了无法直接测量的不可观测变量。 您可能会对诸如数学能力、人格特质或工作场所氛围之类的构念感兴趣。 在研究这类构念时，拥有一个与您的理论和数据相匹配的模型至关重要。这门课程将帮助你理解维度，并向你展示如何进行探索性和验证性因子分析。
学习使用探索性因子分析和验证性因子分析
你将首先掌握探索性因子分析（EFA），学习如何查看和可视化因子载荷、解读因子得分，以及查看和检验相关性。一旦你熟悉了单因素 EFA，就会进一步学习多维数据，了解如何计算特征值、创建碎石图等内容。 接下来，你将了解验证性因子分析（CFA），学习如何根据EFA结果和理论创建语法。
最后一章将探讨EFA与CFA，并提供两者的示例。 你还将学习如何改进模型以及在使用它们时如何进行衡量。
开发、优化并分享你的指标
掌握这些统计技术后，你将能够开发、优化并分享你的指标。 这些分析是多个领域的基础，包括心理学、教育学、政治学、经济学和语言学。"
先修要求
课程体系
课程大纲
1
用因子分析评估测量工具
2
多维 EFA
本章将向您展示如何把第 1 章所学的单因子 EFA 扩展到多维数据。
3
验证性因子分析
本章将介绍使用 sem 包开展 CFA。将同时讲解基于理论和基于 EFA 的 CFA 结构。
4
完善您的测量与/或模型
本章将强化 EFA 与 CFA 的区别，并给出改进您的模型和/或测量工具的建议。
R
R 中的因子分析
课程已完成
