剧集
主题演讲：结构公式建模：模型、软件和故事
替换为 Yves Rosseel
在社会科学中，结构公式建模（SEM）通常被认为是所有统计建模的母亲。 它包括单变量和多变量回归模型、通用线性混合模型、因素分析、路径分析、项响应理论、潜伏类分析等。 SEM 还可以处理缺失的数据、非正常数据、分类数据、多层次数据、纵向数据、（in）相等约束，并在良好的一天，SEM 使你成为一杯新鲜的茶。
几十年来，结构公式建模的软件完全是商业和/或封闭的。 如今，提供了多个免费和开源替代方法。 在此演示文稿中，我将讲述 R 包“拉瓦兰”的故事。 它是如何设想的？ 最初的目标是什么，我们今天的立场是什么？ 为什么它还没有完成？ 随着故事的展开，我将突出软件开发的一些方面，这些方面经常被低估：软件考古的重要性、模型语法设计的重要性、数字技术的重要性、向后兼容性的诅咒、使用编译代码加快速度的诱惑，以及整体式与模块化方法之间的艰难选择。
最后，我将讨论我与 useR、讨论组、社区支持和社区生态系统的经验。
在社会科学中，结构公式建模（SEM）通常被认为是所有统计建模的母亲。 它包括单变量和多变量回归模型、通用线性混合模型、因素分析、路径分析、项响应理论、潜伏类分析等。 SEM 还可以处理缺失的数据、非正常数据、分类数据、多层次数据、纵向数据、（in）相等约束，并在良好的一天，SEM 使你成为一杯新鲜的茶。
几十年来，结构公式建模的软件完全是商业和/或封闭的。 如今，提供了多个免费和开源替代方法。 在此演示文稿中，我将讲述 R 包“拉瓦兰”的故事。 它是如何设想的？ 最初的目标是什么，我们今天的立场是什么？ 为什么它还没有完成？ 随着故事的展开，我将突出软件开发的一些方面，这些方面经常被低估：软件考古的重要性、模型语法设计的重要性、数字技术的重要性、向后兼容性的诅咒、使用编译代码加快速度的诱惑，以及整体式与模块化方法之间的艰难选择。
最后，我将讨论我与 useR、讨论组、社区支持和社区生态系统的经验。
想提供反馈？ 在此处提交问题。