结构方程模型【SEM】:非线性、非正态、交互作用及分类变量分析

**张老师(研究员),**长期从事R语言结构方程模型、群落生态学、保护生物学、景观生态学和生态模型方面的研究和教学工作,已发表了多篇论文,拥有丰富的科研及实践经验。

利用结构方程模型建模往往遇到很多'特殊'情况:1)变量间为非直线关系;2)变量间存在交互作用;3)数据不满足正态分布;4)变量为非正态类型的数值变量,如0,1数据(符合二项分布)和计数数据(符合泊松分布)等等;5)外生或内生变量为分类变量,如男女、高中低、不同土地类型或森林类型等。在《基于R语言结构方程模型》中我们对变量非直线关系和非正态变量及数据分析做了介绍,但大家在遇到这些情况时仍然存在很大困惑。这些情况往往需要进行特殊处理,本次课程将针对上述问题进行更深入的讲解,使大家在利用结构方程模型建模遇到上述情况时能够从容面对。

一:非线性关系及交互作用分析

1、外生变量非线性关系处理

2、内生变量非线性关系处理

3、变量间存在交互作用关系分析

二:非正态数据/变量分析

1、数据/变量非正态问题

2、非正态数据分析

3、非正态变量变量分析

三:分类变量分析

1、分类变量介绍

2、外生变量为分类变量分析

3、内生变量为分类变量分析

原文链接https://mp.weixin.qq.com/s?__biz=MzUyNzczMTI4Mg==&mid=2247686676&idx=6&sn=d1ee4554f1c66390a763df58d3e0c5be&chksm=fa774529cd00cc3f4b6b55ffd19b16184914ca4b2298a37e2ad23eec787ff34c120f40c1e7fb&token=1275762367&lang=zh_CN#rd

相关推荐
空堂与归7 小时前
图像识别总是准确率低?用卷积神经网络CNN实现高效分类
人工智能·深度学习·分类·cnn
十三画者11 小时前
【文献分享】PANORAMIC:用于空间组学共定位分析的分层不确定性传播框架
人工智能·深度学习·数据挖掘·数据分析·集成学习
YOLO数据集集合20 小时前
蚊子视觉验证数据集 | 蚊虫识别 疟疾防控 病媒生物 细粒度分类 YOLO格式 深度学习数据集
深度学习·yolo·分类·数据集·蚊子分类·蚊虫分类·蚊虫识别
统计学小王子1 天前
R语言入门——相关性热图(建模常用二)
r语言·可视化·相关性分析
cspttty1 天前
哪些证书可以弥补学历不足
大数据·数据库·数据挖掘
shujudang2 天前
B2B 官网获客数据如何与 CRM 线索状态关联
大数据·数据挖掘·数据分析
YOLO数据集集合2 天前
蚊子目标检测数据集 | 蚊虫检测 病媒生物 智能硬件 轻量化模型 目标检测 YOLO格式 深度学习数据集9015期
深度学习·yolo·目标检测·计算机视觉·分类·智能硬件·蚊子识别
YOLO数据集集合2 天前
煤炭质量目标检测数据集 、| 煤炭检测 工业视觉 质量分级 异物检测 煤炭异物8005期
人工智能·yolo·目标检测·计算机视觉·分类·煤炭检测数据集·异物数据集
qq_25294131682 天前
窗户清洁检测数据集 | 窗户清洁检测 建筑运维 二分类任务 YOLO格式 深度学习数据集9019期
运维·人工智能·深度学习·yolo·目标检测·分类·窗户清晰度
qq_25294131682 天前
航拍垃圾堆检测数据集 | 航拍垃圾检测 固废管理 无人机巡检 环保监测9025期
yolo·目标检测·计算机视觉·分类·无人机·垃圾检测·垃圾