Strukturgleichungsmodelle mit Amos

Statcon, B. Schäfer
In Frankfurt Am Main, München und Witzenhausen

980 
zzgl. MwSt.
Möchten Sie den Bildungsanbieter lieber direkt anrufen?
05542... Mehr ansehen

Wichtige informationen

Beschreibung

Ziel ist die Modellierung und Analyse von kausalen Zusammenhängen mittels sogenannter Strukturgleichungsmodelle, die in der empirischen Sozialforschung eine wichtige Rolle spielen. Mit Hilfe von LISREL werden auf der Grundlage von Faktorenanalyse und Regressionsanalyse Verfahren erlernt, die kausale Zusammenhänge unter Berücksichtigung von latenten, d. h. nicht direkt beobachtbaren Variablen und deren Indikatoren, modellieren. In der Schulung wird eine mehrstufige Analyse erlernt: Ausgehend von einer Faktorenanalyse zur Identifikation der latenten Variablen wird ein Messmodell zur Analyse des Zusammenhangs zwischen latenten Variablen und Indikatoren hergeleitet. Im letzten Schritt erfolgt die Validierung des Modells.

Wichtige informationen
Veranstaltungsort(e)

Wo und wann

Beginn Lage
05.Dezember 2016
Frankfurt Am Main
Hessen, Deutschland
Plan ansehen
auf Anfrage
München
Bayern, Deutschland
Plan ansehen
auf Anfrage
Witzenhausen
37213, Hessen, Deutschland
Plan ansehen

Häufig gestellte Fragen

· Voraussetzungen

Der Kurs richtet sich an Einsteiger im Bereich der Kausalanalyse, die bisher kaum Berührung mit LISREL oder ähnlichen Programmen hatten. Voraussetzung ist somit nur ein sicherer Umgang mit dem Computer. Von Vorteil ist ein grundsätzliches Verständnis statistischer Zusammenhänge. Eine Auffrischung grundlegender Statistikkenntnisse ist Bestandteil des Kurses, die praktischen Anwendungen bilden den Schwerpunkt des Kurses.

Was lernen Sie in diesem Kurs?

Kausalanalyse
Strukturgleichungsmodelle
Amos
Messmodell

Dozenten

Dipl. Ing. Boris Kulig
Dipl. Ing. Boris Kulig
Statistische Methoden, Anwendungen biometrischer Methoden, etc.

Über 15 Jahre Erfahrung im Umgang mit statistischen Methoden und Statistiksoftware im naturwissenschaftlichen Bereich Spezielle Erfahrungen in der Anwendung biometrischer Methoden Management und Organisationsentwicklung

Dipl. Stat. Sebastian Hoffmeister
Dipl. Stat. Sebastian Hoffmeister
multivariate techniques

Mr. Hoffmeister is trainer and statistical consultant for STATCON. He graduated his academic studies at the Ludwig-Maximillians University Munich / Germany. He has extensive knowledge of multivariate techniques, especially clustering algorithms and multivariate time series procedures.

Diplom-Soz. Bertram Schäfer
Diplom-Soz. Bertram Schäfer
Statistische Methoden, Anwendungen biometrischer Methoden, etc.

Dipolm Sozialwirt, DGQ Trainer Dozent Unviersität Kassel In allen Hauptbereichen der Anwendung statistischer Methoden (Sozialwissenschaften, Marktforschung, Biometrie, Qualitätssicherung, Versuchsplanung) langjährige Erfahrung. DoE Methoden Datenanalyse mit der JMP Software Datenanalyse mit der SPSS Software ANOVA und Regression Marktforschung Multivariate Daten Analyse Daten aufbereiten mit Origin SPC Methoden Statistische Methoden der Qualitätssicherung Design of Experiments (Mitautor) Messsystem- und Zuverlässigkeitsanalyse Stichprobensysteme

Themenkreis

Ziel ist die Modellierung und Analyse von kausalen Zusammenhängen mittels sogenannter Strukturgleichungsmodelle, die in der empirischen Sozialforschung eine wichtige Rolle spielen. Mit Hilfe von Amos werden auf der Grundlage von Faktorenanalyse und Regressionsanalyse Verfahren erlernt, die kausale Zusammenhänge unter Berücksichtigung von latenten, d. h. nicht direkt beobachtbaren Variablen und deren Indikatoren, modellieren. In der Schulung wird eine mehrstufige Analyse erlernt: Ausgehend von einer Faktorenanalyse zur Identifikation der latenten Variablen wird ein Messmodell zur Analyse des Zusammenhangs zwischen latenten Variablen und Indikatoren hergeleitet. Im letzten Schritt erfolgt die Validierung des Modells.

Inhalte:

• Arbeitsweise der Kausalanalyse

• Strukturgleichungsmodelle mit Amos erstellen und interpretieren

• Datenhandling von Amos

• Die statistische Theorie der Kausalanalyse wird nicht ausführlich behandelt