结构方程模型（Sructural Equation Modeling，SEM）是分析系统内变量间的相互关系的利器，可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，lavaan具有简洁的语法结构、成熟模型构建和调整过程和稳定可靠的结果等特点，使其不亚于收费商业软件，是最受欢迎的结构方程模型程序包之一。
基于R语言lavaan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，这些案例来自Nature、Ecology、Ecological Applications、Journal of Ecology、Oikos及Ecography等主流期刊，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、lavaan包简介及应用案例、潜变量分析、复合变量分析、非线性/非正态/缺失数据、分类变量、分组数据、嵌套/分层/多水平数据、重复测量和时间数据、空间数据及非递归模型。
R/Rstudio简介及入门
-
R及Rstudio介绍：背景、软件及程序包安装、基本设置等
-
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
-
R语言数据文件读取、整理（清洗）、结果存储等（含tidverse）
-
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
结构方程模型（SEM） 介绍
-
SEM的定义、生态学领域应用及历史回顾
-
SEM的基本结构
-
SEM的估计方法
-
SEM的路径规则
-
SEM路径参数的含义
-
SEM分析样本量及模型可识别规则
-
SEM构建基本流程
lavaan包 讲解 及应用案例
-
结构方程模型在生态学研究中的应用介绍及要点回顾
-
lavaan简介、语法及结构方程模型分析入门
-
lavaan结构方程模型构建应用案例
（1）问题提出、元模型构建
（2）模型构建及模型估计
（3）模型调整：路径删减和增加原则
（4）模型评估：最优模型筛选
（5）结果表达
lavaan潜变量分析
-
潜变量的定义、优势及应用背景分析
-
潜变量分析lavaan实现基本原理
3) 案例1：单潜变量模型构建
4) 案例2：多个潜变量模型构建
lavaan复合变量（composite）分析
-
复合变量的定义及在生态学领域应用情景分析
-
复合变量分析lavaan实现途径
3) 案例1：单复合变量构建
4) 案例2：多复合变量构建
lavaan处理非线性/非正态/缺失数据
-
非线性数据：外生变量及内生变量非线性关系
-
变量间交互作用关系分析
-
非正态数据vs非正态变量分析
-
缺失数据处理方法
lavaan分类变量分析
-
分类变量介绍
-
外生变量为分类变量分析
-
内生变量为分类变量分析
lavaan分组数据（multigroup）分析
-
分组数据vs分类变量vs交互作用
-
数据分组分析实现途径
-
二分组及多分组模型分析及结果表达
包含潜变量模型分组分析
lavaan嵌套/分层/多水平数据分析
-
嵌套/多水平/分层数据概述
-
嵌套/多水平/分层数据结构结方程模型实现途径：lavaan vs lavaan.survey
-
均衡和不均衡结构嵌套/多水平/分层数据结构方程实例
嵌套/多水平/分层数据潜变量模型
lavaan重复测量和时间数据分析
-
时间重复测量数据特点简介
-
时间/重复测量数据的交叉滞后模型（Autoregressive Cross-Lagged Model）
-
时间/重复测量数据的生长曲线模型（Growth Curve Model）
lavaan空间自相关数据分析
-
数据空间自相关概述
-
lavaan处理空间自相关数据基本原理
-
lavaan处理空间自相关问题实例
lavaan非递归模型分析
-
递归模型与非递归模型区别
-
lavaan非递归模型分析注意事项及实现途径
-
lavaan非递归模型案例讲解
