Modelování statistických vztahů (IBM® SPSS® Amos)

Kurz nabízí metodologii strukturních rovnic pomocí známého programu IBM SPSS Amos (Analysis of Model Structure). Modelování statistických korelačních i komplexních kauzálních vztahů je prováděno pomocí grafického uživatelského rozhraní, na němž si nakreslíte svůj model pomocí myši. Model je bezprostředně testován a jsou i navrženy jeho změny. Uvažuje-li uživatel více modelů, program je testuje všechny a vybere ty nejlepší. U víceskupinových analýz pátrá program po nejvhodnějším komparačním závěru.

Cíl vzdělávacího programu:

Praktické schopnosti sestavování modelů kauzálních procesů a testování těchto modelů na konkrétních datech. Aplikační důraz je podtržen příklady z odborné literatury. Osvojíte si metodologii tvorby kauzálních modelů, interpretaci grafické reprezentace modelů a zadávání modelů v uživatelsky příjemném a pro analytika jednoduchém programu IBM SPSS Amos.

Kurz doporučujeme:

Kurz je určen analytikům, kteří zkoumají příčinné souvislosti, především psychologům, sociologům, pracovníkům v ostatních společenských vědách, v medicíně, ale i v kontrole kvality, technologických problémech, ekologických problémech atd. Vzhledem ke své jednoduchosti je program také velmi vhodný pro pedagogickou práci a použití pro výuku ve statistických i meritorních předmětech.

Program kurzu:

Výuka je založena na příkladech. Metody strukturního modelování kauzálních sítí jsou vyvíjeny na posloupnosti praktických modelů, od testování jednoduchých korelací a kovariancí až po složité modely s latentními a manifestními proměnnými, testování bootstrapovými postupy a ošetření chybějících hodnot. V kurzu je kladen důraz na aplikační stránku a metodologii a na grafické zadávání úloh. Matematická teorie není do kurzu zařazena.

1. korelace a kauzalita
2. kauzální modelování a kovarianční struktury; latentní, manifestní a chybové proměnné
3. ovládání programu: grafy, matice, rovnice
4. kreslení vztahových grafů
5. odhady v modelu a testování modelu – kvalita modelu
6. modifikační indexy a interaktivní budování modelu</li.
7. regresní analýza s latentními proměnnými
8. konfirmační faktorová analýza
9. rekurzívní a nerekurzívní modely – zpětné vazby a cykly
10. simultánní analýza ve skupinách – testy shody modelů
11. testy o korelacích, rozptylech a průměrech
12. chybějící data a modelování
13. bootstrap
14. automatický výběr modelu z určené množiny
15. automatické zpracování paralelních modelů ve skupinách