Úvod do strukturního modelování (SEM) Michal Jabůrek (michal.jaburek@gmail.com), Stanislav Ježek (jezek@fss.muni.cz), Hynek Cígler (hynek.cigler@mail.muni.cz), Adam Ťápal (adam.tapal@gmail.com) Harmonogram Pátek 16.11. 16:00 - 19:00, U41 Sobota 17.11. 9:00 - 15:00, U41 Pátek 23.11. 16:00 - 19:00, U41 Sobota 24.11. 9:00 - 15:00, U41 Pátek 7.12. 16:00 - 19:00, U41 Sobota 8.12. 9:00 - 15:00, U41 Anotace Strukturní modelování (SEM) umožňuje testovat modely vztahů nejen mezi manifestními, ale i latentními proměnnými, a tím take zohlednit v našich analýzách chybu měření. V psychologii se mnohdy snažíme postihnout komplikované vztahy mezi konstrukty, jež se nedají snadno měřit a jejichž existenci musíme nepřímo odvozovat, a to ještě na základě výsledků nedokonalých měřících nástrojů. Pokud chceme zohlednit tyto faktory (což jako správní výzkumníci chceme), pak nám jednoduché statistické metody nebudou stačit a budeme potřebovat něco sofistikovanějšího – latentní proměnné. V kurzu začneme na známých základech jednoduchých regresních modelů a budeme postupně pokračovat skrz úsekovou analýzu (path analysis), faktorovou analýzu a modelování s latentními proměnnými, abychom to nakonec všechno dali dohromady v podobě strukturních modelů. Teoretickou část výuky budou vždy následovat praktika, kde si vše vyzkoušíme na vlastní kůži v Rku. Prerekvizity: Základní znalost lineární regrese, zkušenost s užíváním R (nebo alespoň ochota se R „za pochodu“ naučit). Osnova 1) Parciální korelace, regrese, GLM (General Linear Model). Základní terminologie a seznámení se s parametry klasického lineárního modelu. Úvod do schematického znázornění lineárních modelů. Implementace jednoduchých lineárních modelů v prostředí R (balíček lavaan). Úvod do principu model comparison, demonstrace srovnání modelů na příkladu lineární regrese. 2) Analýza cest / Path analysis. Vysvětlení korelačních vztahů mezi proměnnými, Wrightova pravidla. Přímé a nepřímé efekty, mediace. Implementace path modelu prostředí R (balíček lavaan) a jeho interpretace. Demonstrace srovnání modelů na příkladu path analysis. 3) Latentní proměnné. Faktorová analýza a implementace v prostředí R (balíček lavaan). Shoda modelu s daty. Interpretace faktorového modelu. Srovnání faktorových modelů. 4) Strukturní model jako path analysis s latentními proměnnými. Implementace strukturního modelu v prostředí R a jeho interpretace. Shoda modelu s daty, srovnání modelů. 5) Kategorické indikátory v CFA, speciální případy vícedimenzionálních modelů (hierarchické, bifaktorové, dvouvrstvé), přehled estimátorů, reliabilita odhadovaná s využitím CFA, MG CFA a analýza invariance. Literatura Povinná Beaujean, A. A. (2014). Latent variable modeling using R. A step by step guide. New York: Taylor & Francis. Rozšiřující Kline, R. B. (2015). Principles and practice of structural equation modeling. New York: Guilford publications. Články ilustrující použití vyučovaných metod Paulhus, D. L., & Carey, J. M. (2011). The FAD–Plus: Measuring lay beliefs regarding free will and related constructs. Journal of personality assessment, 93(1), 96-104. Forgeard, M., Corcoran, E., Beard, C., & Björgvinsson, T. (2018). Relationships Between Depression, Self-reflection, Brooding, and Creative Thinking in a Psychiatric Sample. Psychology of Aesthetics, Creativity, and the Arts. Wicherts, J. M., & Dolan, C. V. (2010). Measurement invariance in confirmatory factor analysis: An illustration using IQ test performance of minorities. Educational Measurement: Issues and Practice, 29(3), 39-47. Předpoklady pro absolvování kurzu Předpoklady jsou dvojího druhu. V první řadě je kurz vyučován pomocí jazyka R, předpokládá se tedy znalost jazyka, případně ochota se v průběhu kurzu naučit alespoň základy. Pro získání základních znalostí doporučujeme např. swirl: http://swirlstats.com/students.html Dále se předpokládá základní znalost statistické analýzy dat. Orientujete-li se v problematice vícenásobné regrese či obecného lineárního modelu, pak vaše znalost bude postačovat. Vstupní „test“ Pro získání představy o úrovni předpokládáných znalostí si doporučujeme odpovědět na následující otázky: · Dokážete napsat obecnou rovnici pro vícenásobnou lineární regresi? · Dovedete se zorientovat v korelační matici několika proměnných? · Rozumíte pojmům „korelace“ a „kovariance“? · Umíte interpretovat vícenásobnou lineární regresi? Ukončení kurzu Předpokladem pro ukončení kurzu je alespoň 80% účast na výuce. Kurz je ukončen závěrečnou prací ve formě provedení několika analýz v prostředí R. Přesné zadání a data lze nalézt na konci závěrečné prezentace kurzu. Hodnocena bude správnost provedení analýz jak z hlediska metodologického a analytického, tak z hlediska zvládnutí jazyka R. Interpretace jednotlivých modelů je nedílnou součástí provedených analýz.