验证性因素分析及结构方程模型研讨班

《验证性因素分析及结构方程模型研讨班》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、“验证性因素分析及结构方程模型”研讨班“自我概念：理論模型与新近研究”公開专题讲座及“论文写作：方法、规则与实践技巧”公開专题讲座2012年12月8日及9日，南京大学教育研究院、南京大学商学院将与香港中文大学教育学院教育心理学系联合举办“验证性因素分析及结构方程模型”研讨班、“自我概念”及“论文写作”公開专题讲座。一、研讨班內容验证性因素分析及结构方程模型教育学、心理学、管理学、社会学和医学研究中经常会有大量的测量数据，对这些数据的分析往往困扰着研究者们。近些年来，国际上广为使用的结构方程模型等分析方法已经逐渐为国内教育、心理、管理、经济、医学及社会学研究者所了解，但是它们的使用远远

2、没有达到普及的程度。为了帮助广大从事社会科学研究的人员和讲授统计方法的教师，对这些数据分析方法的原理与技术有比较深入的了解以提高研究的水平，特举办“验证性因素分析及结构方程模型”的研讨班。本研讨班以LISREL软件为基础讲解《结构方程模型及其应用》全书。二、培训对象A.公開专题讲座：“自我概念：理论的研究进展及其应用”B.公開专题讲座：“论文写作：方法、规则与实践技巧”教育、心理、社会学等学科的本科生、硕士生、博士生，高校教师及各研究机构研究人员。C.研讨班：“验证性因素分析及结构方程模型”教育、心理、管理、经济、医学、社会学等学科的本科生、硕士生、博士生，高校教师及各研究机构研究人

3、员。学员应具备基本的统计知识(如，标准差、t-检验、相关系数)，明白回归分析和因子分析的概念。二、培训日程安排A.公開专题讲座：“自我概念：理论的研究进展及其应用”12月8日8:00–9:00B.公開专题讲座：“论文写作：方法、规则与实践技巧”12月8日9:00–10:00C.研讨班：“验证性因素分析及结构方程模型”日程课程內容12月8日10:00–11:30何为“结构方程模型”12月8日14:00–17:00为何要使用“结构方程模型”及其优点验证性因素分析12月8日19:00–21:30完整模式高阶因子(high-orderfactor)分析应用示范验证模型与产生模型因子结构比较1

4、2月9日8:00–11:30交互作用模式因子均值比较结构方程分析步骤结构方程模型专题研究12月9日14:00–17:00涉及数据的问题涉及模型拟合的问题ESEM(exploratorySEM)SPSS編程三、主讲教师侯杰泰：香港中文大学副校长、教育心理学讲座教授，国际应用心理协会教育心理学部主席。自1995年以来，曾先后在北京师范大学、华东师范大学、东北师范大学、华南师范大学、浙江大学、西南师范大学、西北师范大学、华中师范大学、西安交通大学及全国心理学大会期间等，举办大型结构方程模型研习班。四、培训时间2012年12月8日－9日五、报到地点南京大学鼓楼校区北园安中楼一楼大厅（靠近北京

5、西路门）。六、费用公開专题讲座及研讨班均为免费，参加者的食宿和交通自行安排、费用自理。七、联系方式联系人：吕林海联系电话：13851653654Email：lvlinhai@nju.edu.cn联系人：徐芃联系电话：025-83686057Email：xupengi@nju.edu.cn八、报名方式为了便于我们安排教室，请参加者提前报名。可通过电子邮件报名注册，填写下列回执单并发送到上述联系人之一。A.B.研讨班回执单姓名性别单位是否学生电话Email是否參加A.公開专题讲座：“自我概念”B.公開专题讲座：“论文写作”是否是否A.研讨班回执单姓名性别单位是否学生电话Email通讯地址

6、邮编是否具备基础统计的知识是否是否用过多元回归是否是否用过探索性因素分析是否是否用过SPSS软件是否注：欲参加“验证性因素分析及结构方程模型”研讨班的参加者：1、最好人手一本《结构方程模型及其应用》教材，教材需自行购买；2、学员亦可在侯杰泰教授个人主页下载课程PPT及了解研讨班有关通知：www.fed.cuhk.edu.hk/~kthau南京大学教育研究院南京大学商学院香港中文大学教育学院教育心理系2012年9月26日附件1结构方程模型课程介绍在社会、心理、教育、经济、管理、市场等研究的数据分析中，当今称得上前沿的几个统计方法里，应用最广、研究最多的恐怕非结构方程分析莫属。它包含了方

7、差分析、回归分析、路径分析和因子分析作为其特例，弥补了传统回归分析和因子分析的不足，可以分析多因多果的联系、潜变量的关系，还可以处理多水平数据和纵向数据，是非常重要的多元数据分析工具。本研习班有系统地介绍结构方程模型和LISREL软件的应用。阐述了结构方程分析（包括验证性因子分析）的基本概念、统计原理、在社会科学研究中的应用、常用模型及其LISREL程序、输出结果的解释和模型评价。学员应具备基本的统计知识（如：标准差、t-检验、相关系数），明白回归分析和因