跳到主要內容區

112/05/18(四)【Workshop】SEM with SmartPLS and Mplus

各位老師及同學大家好🤗

 

Andrew工作坊又來啦!
相信之前的Python for data analysis和Obsidian for Research,參加的學員都收穫滿滿!
這次工作坊要帶來的是SEM with SmartPLS and Mplus - Set up software and data to create structural and measurement models

原則上課程以英文為主要語言,歡迎有興趣報名參加和欲精進技能的老師及同學,點擊下方表單連結,進行報名!
演講活動資訊如下:

 

  • 主題:SEM with SmartPLS and Mplus - Set up software and data to create structural and measurement models
  • 講者:Ph. D. candidate, ANDREW JAMES ARGUE, Department of Business Management, National Sun Yat-sen University
  • 日期:112年05月18日(四) 12:20-14:00
  • 地點:管CM1032教室
  • 主辦單位:國立中山大學管理學院.國立中山大學管理學術研究中心
  • 報名連結:https://forms.gle/iNkVCDBBFCXiScZz7

名額有限,額滿為止!
✅報名後,我們會再通知是否錄取,以確保講者與聽眾之間的互動品質。
✅演講當天備有精美餐盒,事前報名成功者才有喔。
如有任何問題,歡迎洽詢07-525-2000#4526☎️

 

  • Topic:SEM with SmartPLS and Mplus - Set up software and data to create structural and measurement models
  • Speaker:Ph. D. candidate, ANDREW JAMES ARGUE, Department of Business Management, National Sun Yat-sen University
  • Time:2023/05/18 12:20-14:00
  • Venue:CM1032
  • Register:https://forms.gle/iNkVCDBBFCXiScZz7

Seats are limited, please reserve early!
There will be a further confirmation letter after registration.
Free lunch after the workshop. 
Contact: 07-525-2000#4526

 

本次講座很榮幸邀請到國立中山大學企管系Andrew James Argue 高安德博士候選人為大家解說SEM模型和兩款工具 – Mplus和SmartPLS使用上的比較。

講座的一開頭,Andrew分享了為何SEM(結構方程模型)這種統計模型如此實用?相較於過往習慣的統計模型,SEM的中介效果和中度調節效果建構較為容易,且所有關係和方程式可以同時進行估計,如此一來,能更方便地協助資料分析,探索和驗證更為複雜的研究模型。接者Andrew便開始介紹SEM的步驟:從定義構念、發展測量模型、設計研究並收集數據、到評估測量模型,最後確定結構模型和評估結構模型的效度。

除了概述理論,Andrew更帶來實際演練的環節,先以SmartPLS軟體來說明,細展示SmartPLS的介面,讓初學者也能很快上手。講座中也實際提供數據給同學操作練習,讓同學暸解到SmartPLS是具有圖形化的工具,除了統計上的計算,包括路徑係數估計、顯著性檢定、R-squared 值等等之外,更可以直觀地表示結構模型的路徑圖和結果圖,非常實用。

講座的第二部分介紹了另一種工具:Mplus。與SmartPLS比較不同的是,使用 Mplus的編輯器,能根據研究問題和模型設計,撰寫語法來指示Mplus如何進行分析和建模。Andrew實際應用一段語法示範給大家看,從中我們也學習到:注意語法中的空格、每行結尾的分號(:)要注意、Mplus的試用版本限制了最多只能使用 6 個因變數等觀念。

講座的最後,Andrew也和大家分享了管學中心網站,提供統計諮詢服務的管道,其中有非常多專業的教授都很樂於與大家討論學習。礙於有限的時間,講座必須先告一個段落,但Andrew很親切地留下自己的聯絡方式,學習是不中斷的,有任何疑問都可以與他聯絡,想必本次參與的同學都收穫滿滿,意猶未盡!

ImgDesc
ImgDesc
ImgDesc
ImgDesc
ImgDesc
ImgDesc
ImgDesc
瀏覽數: