结构方程模型（Sructural Equation Modeling，SEM）可分析系统内变量间的相互关系，并通过图形化方式清晰展示系统中多变量因果关系网，具有强大的数据分析功能和广泛的适用性，是近年来生态、进化、环境、地学、医学、社会、经济等众多领域应用十分广泛的统计方法。在R语言结构方程程序包中，piecewiseSEM语法简洁，将结构方程模型拆分为多个组分（component）模型进行拟合和评估，可与混合效应模型实现无缝对接，在应对研究系统中复杂数据结构和类型，如多层数据嵌套和非正态分布类型变量（二项分布、泊松分布），有明显的优势。因而，在生态环境领域得到广泛应用，是该领域颇受欢迎的结构方程模型程序包。本训练营将基于R语言piecewiseSEM程序包，通过理论讲解和实际操作相结合的方式，由浅入深地系统介绍结构方程模型的建立、拟合、评估、筛选和结果展示的全过程。我们筛选大量经典案例，这些案例来主流期刊，具有很大的参考和借鉴价值。训练内容包括R语言入门、结构方程模型原理简介、piecewise包简介及应用案例、非正态分布变量分析、嵌套/分层/多水平数据分析、重复测量和时间数据分析、空间自相关数据分析、系统发育数据分析、复合变量分析、分类变量、非线性数据及数据分组分析。
点击查看原文
https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247552325&idx=5&sn=9744c955045820dfc35a6f6bc41bcfc2&chksm=ce64e7aef9136eb847cf2992d9f5328e665768f44b77577aa18f81a2f1ff759402d966aed0fb&token=1148706948&lang=zh_CN#rd
专题01、R/Rstudio简介及入门 【提供视频、教材、相关案例数据代码】
(1) R及Rstudio介绍：背景、软件及程序包安装、基本设置等
(2) R语言基本操作，包括向量、矩阵、数据框及数据列表等生成和数据提取等
(3) R语言数据文件读取、整理（清洗）、结果存储等（含tidverse）
(4) R语言基础绘图（含ggplot）：基本绘图、排版、发表质量绘图输出存储
专题02、结构方程模型（SEM）介绍【提供视频、教材、相关案例数据代码】
(1) SEM的定义、生态学领域应用及历史回顾
(2) SEM的基本结构
(3) SEM的估计方法
(4) SEM的路径规则
(5) SEM路径参数的含义
(6) SEM分析样本量及模型可识别规则
(7) SEM构建基本流程
专题03、 piecewise包简介及应用案例
(1) 结构方程模型在生态学研究中的应用介绍及要点回顾
(2) piecewiseSEM结构方程模型基本原理
(3) piecewiseSEM结构方程模型构建应用案例
专题04、piecewiseSEM非正态分布变量分析
(1) 非正态分布数据VS非正态分布变量
(2) piecewiseSEM处理非正态变量的注意事项
(3) piecewiseSEM处理二项分布和泊松分布案例
专题05、piecewiseSEM嵌套/分层/多水平数据分析
(1) 嵌套/多水平/分层数据概述
(2) piecewiseSEM与混合/多水平/分层模型的结合
(3) 均衡和不均衡结构嵌套/多水平/分层数据结构方程实例
专题06、piecewiseSEM处理重复测量和时间数据
(1) 时间重复测量数据特点简介
(2) 时间/重复测量数据的自相关问题
(3) piecewiseSEM处理时间自相关问题实例
专题07、piecewiseSEM处理空间自相关数据
(1) 数据空间自相关概述
(2) piecewiseSEM处理空间自相关数据基本原理
(3) piecewiseSEM处理空间自相关问题实例
专题08、piecewiseSEM处理系统发育数据
(1) 系统发育相关问题介绍
(2) 系统发育相关数据纳入结构方程模型实现途径
(3) piecewiseSEM系统发育相关数据纳入结构方程实例
专题09、piecewiseSEM复合变量（composite）分析
(1) 复合变量的定义及在生态学领域应用情景分析
(2) piecewiseSEM复合变量分析实现途径
(3) piecewiseSEM复合变量分析案例
专题10、piecewiseSEM处理分类变量
(1) 分类变量介绍
(2) 分类变量路径系数含义及表达方式
(3) 外生变量为分类变量分析案例
专题11、piecewiseSEM非线性关系数据分析
(1) 非线性数据简介
(2) piecewiseSEM处理非线性数据途径及案例
(3) piecewiseSEM处理变量间交互作用关系方式及案例
专题12、piecewiseSEM数据分组（multigroup）分析
(1) 分组数据vs分类变量vs交互作用
(2) 数据分组分析实现途径
(3) 二分组及多分组模型分析及结果表达
(4) 分组分析案例
关注科研技术平台获取更多详情
