|
前期我們推出大量研究方法，且多以變量的可測量為主，但社會科學研究方法異于自然研究方法的本質(zhì)在于人，在于情景。既然涉及人，有些變量必然無法直接測量，既然涉及情景，有些情景必然無法與人分離。那么，如何解決這類問題呢？接下來我們將用MPLUS持續(xù)帶來不可觀測變量的研究系列方法。歡迎持續(xù)關(guān)注。 
假設我們有縱向重復測量變量睡眠與焦慮，你可能認為焦慮影響睡眠（a），他認為睡眠影響焦慮（b），你進一步認為第一次測得的焦慮會影響第二次測得的焦慮，他進一步認為第一次測得的睡眠會影響第二次測得的睡眠，甚至你們都認為兩者可能交叉影響，那么，如何解決這類研究問題呢？
本次縱向RI-CLPM模型及MPLUS實戰(zhàn)，通過本期你可以掌握：1 LGM模型基本原理回顧。2 CLPM模型基本原理。2.1 CLPM數(shù)學基礎。2.2 CLPM前提假設。3 LGM與CLPM擴展為RI-CLPM。3.1 RI-CLPM數(shù)學基礎。3.2 RI-CLPM前提假設。4 CLPM模型MPLUS實戰(zhàn)。4.1 CLPM模型MPLUS軟件操作。4.2 CLPM模型MPLUS輸出解讀。5RI-CLPM模型MPLUS實戰(zhàn)。5.1 RI-CLPM模型MPLUS軟件操作。5.2 RI-CLPM模型MPLUS輸出解讀。5.3 RI-CLPM模型MPLUS假設檢驗。5.3.1 RI-CLPM模型滯后系數(shù)檢驗。5.3.2 RI-CLPM模型交叉系數(shù)檢驗。5.3.3 RI-CLPM模型方程截距檢驗。6 RI-CLPM模型MPLUS作圖修正。
本次專欄將提供詳細的.inp程序、數(shù)學建模方程及數(shù)據(jù)，并詳細解釋命令操作，每個視頻10-20分鐘不等，VIP小伙伴免費觀看。近期各大視頻平臺均出現(xiàn)圖譜小站的盜版視頻，對于這些利用盜錄或其他非法方式傳播圖譜小站視頻的行為，小站君保留進一步追究法律責任的權(quán)力。
|
