دوره مقدمه‌ای بر مدل‌سازی معادلات ساختاری (SEM) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر مدل‌سازی معادلات ساختاری (SEM)

موضوع کلی: نظریه تصمیم‌گیری

موضوع میانی: نرم افزارهای آماری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی معادلات ساختاری
• 2. مفاهیم و مبانی مدل‌سازی معادلات ساختاری
• 3. تفاوت SEM با رگرسیون چندگانه
• 4. اجزای اصلی یک مدل SEM
• 5. متغیرهای مشاهده‌شده و پنهان
• 6. مسیرهای واسطه‌ای و تعدیل‌گر
• 7. نمودار مسیر: نمایش گرافیکی مدل
• 8. روش‌های تخمین در SEM: MLE، WLS، PLS
• 9. نرم‌افزارهای کاربردی در مدل‌سازی معادلات ساختاری
• 10. آماده‌سازی داده‌ها برای تحلیل SEM
• 11. بررسی پیش‌فرض‌های آماری SEM
• 12. نرمال بودن داده‌ها و روش‌های ارزیابی آن
• 13. خطای اندازه‌گیری و روش‌های کنترل آن
• 14. عدم وجود چندخطی بودن در مدل
• 15. بررسی روایی صوری و محتوایی مدل
• 16. اعتبارسنجی مدل: شاخص‌های برازش
• 17. Chi-Square و درجات آزادی
• 18. شاخص‌های برازش تطبیقی: CFI، TLI
• 19. شاخص‌های برازش مطلق: RMSEA، SRMR
• 20. تفسیر نتایج مدل‌سازی معادلات ساختاری
• 21. استانداردسازی ضرایب مسیر
• 22. اهمیت آماری ضرایب مسیر
• 23. تحلیل مسیر مستقیم و غیرمستقیم
• 24. اثرات واسطه‌ای و تعدیل‌گر
• 25. مدل‌های چندگروهی
• 26. تحلیل تفاوت‌های جنسیتی در مدل SEM
• 27. تحلیل تفاوت‌های فرهنگی در مدل SEM
• 28. مدل‌های طولی و تحلیل تغییرات در طول زمان
• 29. مدل‌های چندسطحی (Hierarchical Models)
• 30. مدل‌سازی معادلات ساختاری با داده‌های کیفی
• 31. تحلیل مسیر با استفاده از داده‌های رتبه‌ای
• 32. مدل‌سازی معادلات ساختاری با استفاده از داده‌های دسته‌بندی‌شده
• 33. بررسی مدل‌های پیچیده با متغیرهای پنهان چندبعدی
• 34. مدل‌سازی معادلات ساختاری و تحلیل میانجی‌گری
• 35. مدل‌سازی معادلات ساختاری و تحلیل تعدیل‌گری
• 36. ارزیابی مدل‌های رقابتی
• 37. تحلیل حساسیت مدل SEM
• 38. بررسی اثرات حذف متغیرها
• 39. روش‌های شناسایی مدل SEM
• 40. مشکلات رایج در مدل‌سازی معادلات ساختاری
• 41. راهکارهای بهبود برازش مدل
• 42. نرم‌افزار AMOS: آموزش کاربردی
• 43. نرم‌افزار LISREL: آموزش کاربردی
• 44. نرم‌افزار Mplus: آموزش کاربردی
• 45. نرم‌افزار lavaan در R: آموزش کاربردی