R语言piecewiseSEM结构方程模型在生态环境领域实践技术应用
结构方程模型（Sructural Equation Modeling，SEM）可分析系统内变量间的相互关系，并通过图形化方式清晰展示系统中多变量因果关系网，具有强大的数据分析功能和广泛的适用性，是近年来生态、进化、环境、地学、医学、社会、经济等众多领域应用十分广泛的统计方法。在R语言结构方程程序包中，piecewiseSEM语法简洁，将结构方程模型拆分为多个组分（component）模型进行拟合和评估，可与混合效应模型实现无缝对接，在应对研究系统中复杂数据结构和类型，如多层数据嵌套和非正态分布类型变量（二项分布、泊松分布），有明显的优势。因而，在生态环境领域得到广泛应用，是该领域颇受欢迎的结构方程模型程序包。本训练营将基于R语言piecewiseSEM程序包，通过理论讲解和实际操作相结合的方式，由浅入深地系统介绍结构方程模型的建立、拟合、评估、筛选和结果展示的全过程。我们筛选大量经典案例，这些案例来主流期刊，具有很大的参考和借鉴价值。训练内容包括R语言入门、结构方程模型原理简介、piecewise包简介及应用案例、非正态分布变量分析、嵌套/分层/多水平数据分析、重复测量和时间数据分析、空间自相关数据分析、系统发育数据分析、复合变量分析、分类变量、非线性数据及数据分组分析。
点击查看原文链接
https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247549660&idx=3&sn=3b0269cc52c0e2a9a313c80b51188aa1&chksm=ce64e837f9136121cd924e698beaa1465aca9f1cc1858538c68747a0947b3254bc4cc39c9f3a&token=320459836&lang=zh_CN#rd
专题01、R/Rstudio简介及入门 【提供视频、教材、相关案例数据代码】
(1)R及Rstudio介绍：背景、软件及程序包安装、基本设置等
(2)R语言基本操作，包括向量、矩阵、数据框及数据列表等生成和数据提取等
(3)R语言数据文件读取、整理（清洗）、结果存储等（含tidverse）
(4)R语言基础绘图（含ggplot）：基本绘图、排版、发表质量绘图输出存储
专题02、结构方程模型（SEM）介绍【提供视频、教材、相关案例数据代码】
(1)SEM的定义、生态学领域应用及历史回顾
(2)SEM的基本结构
(3)SEM的估计方法
(4)SEM的路径规则
(5)SEM路径参数的含义
(6)SEM分析样本量及模型可识别规则
(7)SEM构建基本流程
专题03、 piecewise包简介及应用案例
(1)结构方程模型在生态学研究中的应用介绍及要点回顾
(2)piecewiseSEM结构方程模型基本原理
(3)piecewiseSEM结构方程模型构建应用案例
专题04、piecewiseSEM非正态分布变量分析
(1)非正态分布数据VS非正态分布变量
(2)piecewiseSEM处理非正态变量的注意事项
(3)piecewiseSEM处理二项分布和泊松分布案例
专题05、piecewiseSEM嵌套/分层/多水平数据分析
(1)嵌套/多水平/分层数据概述
(2)piecewiseSEM与混合/多水平/分层模型的结合
(3)均衡和不均衡结构嵌套/多水平/分层数据结构方程实例
专题06、piecewiseSEM处理重复测量和时间数据
(1)时间重复测量数据特点简介
(2)时间/重复测量数据的自相关问题
(3)piecewiseSEM处理时间自相关问题实例
专题07、piecewiseSEM处理空间自相关数据
(1)数据空间自相关概述
(2)piecewiseSEM处理空间自相关数据基本原理
(3)piecewiseSEM处理空间自相关问题实例
专题08、piecewiseSEM处理系统发育数据
(1)系统发育相关问题介绍
(2)系统发育相关数据纳入结构方程模型实现途径
(3)piecewiseSEM系统发育相关数据纳入结构方程实例
专题09、piecewiseSEM复合变量（composite）分析
(1)复合变量的定义及在生态学领域应用情景分析
(2)piecewiseSEM复合变量分析实现途径
(3)piecewiseSEM复合变量分析案例
专题10、piecewiseSEM处理分类变量
(1)分类变量介绍
(2)分类变量路径系数含义及表达方式
(3)外生变量为分类变量分析案例
专题11、piecewiseSEM非线性关系数据分析
(1)非线性数据简介
(2)piecewiseSEM处理非线性数据途径及案例
(3)piecewiseSEM处理变量间交互作用关系方式及案例
专题12、piecewiseSEM数据分组（multigroup）分析
(1)分组数据vs分类变量vs交互作用
(2)数据分组分析实现途径
(3)二分组及多分组模型分析及结果表达
(4)分组分析案例
