Inleiding in Structural Equation Modeling met SPSS Amos

Dit is een tweedaagse workshop die data analisten begeleidt bij het gebruik van SPSS Amos voor het ontwikkelen van geavanceerde statistische modellen.

U leert de basisprincipes van Structural Equation Modeling, het tekenen diagrammen in Amos Graphics, het uitvoeren van regressie en bevestigende factoranalyse, de evaluatie van model fit, en manieren om de model fit te verbeteren.

Onderwerpen
• Inleiding in Structural Equation Modeling
• Tekenen van paddiagrammen in SPSS Amos Graphics
• Correlatie Analyse in SPSS Amos

• Regressie Analyse in SPSS Amos
• Testen van Model adequaatheid
• Extra Fit Maten
• Confirmatorische factoranalyse
• Het Algemene Model
• Data analyseren met ontbrekende waarden
• Het verbeteren van de fit van een model
• Vind het beste model met Specification Search

Dag 1 – Inleiding tot Structural Equation Modeling

Het leren van de vereiste voorkennis voor SPSS Amos
• De werkwijze van testen
• Diverse teststatistieken (Chi square test, t-test, Anova)
• Inleiding in Correlatieanalyse
• Introductie in Meervoudige regressieanalyse
• Inleiding tot verkennend factoranalyse

Inleiding tot Structural Equation Modeling
• Enkele voorbeelden van SEM Models
• Terminologie in SEM

• Het tekenen van de diagrammen
• Voorbeeld – Factor Analyse Path Diagram
• Voorbeeld – Multiple Regressie Path Diagram

Regressie-analyse in SPSS Amos
• Het opzetten van een regressie
• Het aanvragen van een lineaire regressie
• Regressie Output
• Demonstratie: Multiple Regressie

Testen van Model Adequacy
• Impliciete versus Sample Moments
• Aanvragen Impliciete en Sample Moments
• Constraining Regression Weight to Zero
• Het testen van een hypothese met de Chi-kwadraat test
• Weergave van de Chi-kwadraat test in het diagram
• Controleren van het aantal vrijheidsgraden
• Model identificatie
• Demonstratie: Het testen van de fit van een padanalyse

Extra Fit Maten
• Alternatieve FIT Maatregelen
• Demonstratie: ontwikkelen van een model met Multiple Regressie

Bevestigende Factor Analysis in SPSS Amos
• Latent vs. geobserveerde variabelen
• Exploratory vs. Confirmatieve Factor Analyse
• Het schatten en identificeren van een latente Model in CFA
• Het aanvragen van een Confirmatieve Factor Analyse
• Demonstratie van een Confirmatieve Factor Analyse

Dag 2 – Inleiding tot het maken van modellen

Het Algemene Model
• Het opvragen van de Algemene Model
• Demonstratie: General Model

Gegevens analyseren met ontbrekende waarden in Amos
• Missing Values behandelen
• Schatten means en intercepts
• Substitutie van ontbrekende gegevens
• Het analyseren van gesubstitueerde databestanden

Het verbeteren van de fit van een model
• Het corrigeren van het Model
• Modificatie Index
• Trimmen een model voor een betere pasvorm
• Het gebruik van Modificatie Indices met ontbrekende gegevens

Vind het beste model met Specification Search
• Exploratory Factor Analysis
• Het uitvoeren van een specification Search
• Demonstratie: regressie-analyse

Het uitvoeren van de juiste volgorde van de te nemen stappen in SPSS Statistics en SPSS Amos.

Het voorbereiden van uw gegevens voor SPSS Amos
• Case screening
• Variabel screening
• Testen van modelveronderstellingen (normaliteit, lineariteit, multicollineariteit)
• Betrouwbaarheidsanalyse
• Omgaan met ontbrekende waarden
• Het behandelen van uitschieters

Maak een model op uw eigen data
• Bouwen en evalueren van meetmodellen
• Bouwen en de evalueren een structurele model
• Vuistregels voor model evaluatie

Fine tunen van een model op uw eigen data
• Multi-group-analyse (het ontwikkelen van een model voor verschillende groepen)
• Mediation & Moderation (controleren voor specifieke variabelen)
• Een gemakkelijke manier om een verkennende factor analyse in SPSS Statistics te herstructureren tot een bevestigende factor te analyse

Voor wie bedoeld?

Voor o.a. kwantitatieve marktonderzoekers, data analisten. Deze cursus sluit goed aan wanneer je state-of-the-art statistische modellen uit je survey data wilt halen of je huidige meetinstrument zelf wilt kunnen valideren.

Benodigde voorkennis

Basiskennis van de toetsende statistiek. Ervaring met lineaire regressie en factor Analyse.