Structural Equation Modeling: A Second Course

(با حمایت گروه مورد علاقه ویژه انجمن تحقیقات آموزشی آمریکا: آماردانان آموزشی)

سردبیر سری رونالد سی سرلین، دانشگاه از Wisconsin-Madison

این جلد به‌عنوان منبعی با محوریت آموزشی ارائه شده است که طیف وسیعی از موضوعات پیشرفته را پوشش می‌دهد که اغلب در دوره‌های مقدماتی مدل‌سازی معادلات ساختاری (SEM) مورد بحث قرار نمی‌گیرند. چنین موضوعاتی در درک بیشتر مبانی و مفروضات زیربنایی SEM و همچنین در کاوش SEM به عنوان ابزاری بالقوه برای پرداختن به انواع جدیدی از سؤالات تحقیقاتی که ممکن است در دوره اول مطرح نشده باشند، مهم هستند. فصل‌ها به‌جای مشتق‌گیری‌های تحلیلی، بر توضیح و کاربرد واضح موضوعات تمرکز دارند و شامل نحو و فایل‌های خروجی جزئی از نرم‌افزار محبوب SEM هستند.

محتوا: مقدمه‌ای بر سری، رونالد سی سرلین. پیشگفتار، ریچارد جی لومکس. فداکاری. سپاسگزاریها. مقدمه، گرگوری آر. هنکوک و رالف او. مولر. بخش اول: مبانی. مسئله مدل های ساختاری معادل، اسکات ال. هرشبرگر. حلقه های اندازه گیری شکل دهنده و بازخورد، رکس بی کلاین. تحلیل توان در مدلسازی ساختار کوواریانس، گرگوری آر. هنکوک. بخش دوم: الحاقات. ارزیابی تفاوت‌های بین گروهی در میانگین‌های متغیر پنهان، مرلین اس. تامپسون و ساموئل بی. گرین. استفاده از مدل‌های رشد پنهان برای ارزیابی تغییرات طولی، گرگوری آر. هنکوک و فرانک آر. لارنس. مدل‌های مخلوط ساختار میانگین و کوواریانس، فیل گاگنه. مدل‌های معادله ساختاری برهمکنش پنهان و اثرات درجه دوم، هربرت دبلیو مارش، ژانگلین ون و کیت تای هاو. بخش سوم: مفروضات. داده های غیرعادی و مقوله ای در مدل سازی معادلات ساختاری، سارا جی فینی و کریستین دی استفانو. تحلیل مدل های معادلات ساختاری با داده های از دست رفته، کریگ کی اندرز. با استفاده از تکنیک‌های مدل‌سازی معادلات ساختاری چندسطحی با داده‌های نمونه پیچیده، لورا ام استاپلتون. استفاده از مطالعات مونت کارلو در تحقیقات مدلسازی معادلات ساختاری، دبورا ال باندالوس. درباره نویسندگان

(sponsored by the American Educational Research Association’s Special Interest Group: Educational Statisticians)

Series Editor Ronald C. Serlin, University of Wisconsin-Madison

This volume is intended to serve as a didactically-oriented resource covering a broad range of advanced topics often not discussed in introductory courses on structural equation modeling (SEM). Such topics are important in furthering the understanding of foundations and assumptions underlying SEM as well as in exploring SEM as a potential tool to address new types of research questions that might not have arisen during a first course. Chapters focus on the clear explanation and application of topics, rather than on analytical derivations, and contain syntax and partial output files from popular SEM software.

CONTENTS: Introduction to Series, Ronald C. Serlin. Preface, Richard G. Lomax. Dedication. Acknowledgements. Introduction, Gregory R. Hancock & Ralph O. Mueller. Part I: Foundations. The Problem of Equivalent Structural Models, Scott L. Hershberger. Formative Measurement and Feedback Loops, Rex B. Kline. Power Analysis in Covariance Structure Modeling, Gregory R. Hancock. Part II: Extensions. Evaluating Between-Group Differences in Latent Variable Means, Marilyn S. Thompson & Samuel B. Green. Using Latent Growth Models to Evaluate Longitudinal Change, Gregory R. Hancock & Frank R. Lawrence. Mean and Covariance Structure Mixture Models, Phill Gagné. Structural Equation Models of Latent Interaction and Quadratic Effects, Herbert W. Marsh, Zhonglin Wen, & Kit-Tai Hau. Part III: Assumptions. Nonnormal and Categorical Data in Structural Equation Modeling, Sara J. Finney & Christine DiStefano. Analyzing Structural Equation Models with Missing Data, Craig K. Enders. Using Multilevel Structural Equation Modeling Techniques with Complex Sample Data, Laura M. Stapleton. The Use of Monte Carlo Studies in Structural Equation Modeling Research, Deborah L. Bandalos. About the Authors.