應(yīng)該說這六講確實是在社科領(lǐng)域常用但卻較難，然而卻越來越流行的幾種統(tǒng)計方法，尤其是其中的SEM部分，感覺已經(jīng)超出了初級統(tǒng)計的范疇。所以這六講的內(nèi)容是十分必要和及時的。以下根據(jù)個人的理解梳理如下：
ep1：區(qū)組設(shè)計方差分析：區(qū)組設(shè)計的方差分析和完全隨機方差分析都是組間方差分析，不同的是，完全隨機的方差分析是把每個個體作為一個樣本，而區(qū)組設(shè)計則是把按照區(qū)組分開的小組作為一個樣本，每個區(qū)組按照某一個共同的特征值進行分組，從而減少了個體之間的差異（減少，不可能消除）；
ep2：重復(fù)測量方差分析
如果說區(qū)組設(shè)計的方差分析把類似特征的個體分組來減少被試內(nèi)變異，那么，重復(fù)測量方差分析從原理上來說，就是通過讓相同的被試多次參加實驗，來達(dá)到進一步減少甚至消除被試內(nèi)差異的目的。有疲勞效應(yīng)、順序效應(yīng)、記憶效應(yīng)等缺點。適合被試數(shù)量較少時使用。
方差分析Analysis of Variance簡稱ANOVA，是個看著很高大上名字的術(shù)語，在“事后”還有一件事，就是要判斷到底在多個變量間，如果整體確實有差異，那么到底誰與誰有差異，是需要事后檢驗來完成的。很神奇！
ep3：多元回歸分析
這里的元，類似于方差分析里的“因素”，指的是自變量，也就是多個自變量對一個因變量構(gòu)成影響。操作倒是簡單，一般用強制回歸、逐步回歸等，多元回歸只要求因變量是interval data，自變量可以是定序變量甚至命名變量，例如性別等，但是這里老師沒有做分層次的回歸演示，盡管自己很想學(xué)習(xí)……。
ep4：探索式因子分析
EFA，explorative, 也叫因素分析，就是對自變量進行降維用的，很多個自變量都從各個側(cè)面反映了某病人的各個方面的癥狀，但是可以大致分為幾類？EFA就是干這個的，判斷巴特利球形檢驗的顯著性來判斷是否適合，之后用特征值或者自定義因子個數(shù)來降維，還有旋轉(zhuǎn)，一般用最大方差variMax，但是旋轉(zhuǎn)和不旋轉(zhuǎn)有何區(qū)別，是不是就是因子分析和主成分分析的區(qū)別？很想知道。但是可惜老師也沒有講到。
ep5: 驗證性因子分析
CFA，confirmative，這個SPSS就無能為力了，要請出SEM軟件，一般用AMOS，最容易上手，雖然有人說功能簡單，但對我們一般夠用。這里需要死記硬背幾個指標(biāo)，還有在模型不理想時的修正方法很關(guān)鍵：
CMIN/DF=\CMINDF p=\p? ? (總體擬合指標(biāo)) <=5, >=0.05（跟一般的sig指標(biāo)相反）
GFI=\GFI AGFI=\AGFI? CFI=\CFI（擬合優(yōu)度指標(biāo)）(都是>=0.9)
RMR=\RMR? RMSEA=\RMSEA （誤差指標(biāo)）? ? (<=0.10, <=0.08)
要慎重對待擬合結(jié)果，達(dá)標(biāo)并不代表完美，不一定最佳，不一定唯一。還有以上指標(biāo)中間的擬合優(yōu)度指標(biāo)比較嚴(yán)格，其它的稍微差點可以接受，也可以適當(dāng)修正。一般都是對半分開數(shù)據(jù)，進行初步擬合，和后續(xù)復(fù)核。
ep6:? 結(jié)構(gòu)方程模型
這個其實和ep5類似，都是SEM完成的，過程和判斷指標(biāo)等都比較類似，畢竟，它們都是屬于SEM的兩大功能和作用。
負(fù)荷值（線上的系數(shù)）顯著性沒通過時，可以把系數(shù)較小的那個先去掉，再測試；可以通過看修正建議報告來修正模型。
雖然每個課程的時長都很短，一般都是30分鐘左右，但是對于這些統(tǒng)計的高級方法，總算是有了個概貌的認(rèn)識，如果有現(xiàn)成的類似數(shù)據(jù)，也可以照貓畫虎的做一做。但是，不好的一面，就是老師對于這些方法的實驗思考和設(shè)計環(huán)節(jié)幾乎沒有介紹，所以可能會在使用時，根本想不到這個方法上來的窘境。數(shù)學(xué)原理其實不要也罷，文科生就不要太過于為難自己。所以，唯有練習(xí)，練習(xí)，再練習(xí)?。。∫蚁嚓P(guān)的數(shù)據(jù)，反復(fù)操練才行，而且，老師只是領(lǐng)進門，進門了怎么走，還需要付出大量的努力和汗水的。
（外研社平臺課程，略水，收費，學(xué)完要寫反思才能結(jié)課，如是...不過，書非借不能讀也，課呢，其實也可以說非買不能學(xué)也...）
