AMOS论文攻略（中高级班）—张伟豪 继2013年6月推出 《AMOS论文攻略（基础班）》视频教程后，课程实用的内容、轻松的授课模式颇受学员欢迎，现推出《AMOS论文攻略（中高班）》
21小时，10多个论文实证与写作专题： l 共线性的检查及处理方式 l 非连续型尺度量表的处理 l 小样本的处理方式 l 结构方程模型检定力的计算及样本数的决定 l 结构方程模型的关键报告 l 研究设计 l 问卷设计的注意事项 l SEM模型估计 l 论文写作及投稿经验分享 ……
标准定价：700元
推广期间优惠（2013年11月30日24时之前） 1. AMOS论文攻略（中高班）600元（购买过AMOS论文基础班学员优惠价550元） 2. A套餐：AMOS论文攻略—基础班+中高级班=1050元 3. B套餐：AMOS论文攻略（基础班+中高级班）+AMOS基础班=1320元 4. C套餐：AMOS论文攻略（基础班+中高级班）+AMOS基础班+AMOS高级班=1650元
《AMOS论文攻略（中高级班）》课程介绍 视频教程试听： 试听1 试听2 张伟豪简介：
提到结构方程模型，就不得不说领军人物“张伟豪”。
张老师曾任SPSS多年统计软件资深顾问，外号 “Amos亚洲一哥”，全亚洲最会上SEM课程的讲师，现任三星统计服务有限公司执行长。擅长领域： SPSS 、结构方程模型(SEM) 、资料分析与市场调查。出版畅销书： 《SEM论文写作不求人》 《與SEM共舞》 。曾任 IBM SPSS CHINA SEM 年度训练讲师、 IBM SPSS TAIWAN 统计咨询资深顾问。在100余所高校开设了结构方程培训课程，如 北京师范大学、北京联合大学，寧波大學台湾大学、政治大學、台灣師範大學、台北大学、交通大学、中央大学、中兴大学、中国医药大学、中山医学大学、中正大学、嘉义大学、成功大学、中山大学、高雄师范大学、高雄医学大学等。
授课特色： 1.上课方式生动活泼，举例深入浅出，全程没有艰涩难懂的数学证明 2.上课过程引经据典，提供专业期刊论文作为左证，让您撰写论文事半功倍 5.透过此系列课程，帮助您顺利完成硕博士论文与期刊论文投稿！ 课程大纲 主题
内容
1.遗漏值的处理
2.分析数据的多元常态与例外值检定
3.模型配适度显著的检定与修正(Bollen-Stine检定)
多元常态及例外值的检定，在SEM分析中希望检定结果为不显著(P>0.05)，但由于SEM为大样本分析，P值往往都会显著，内容中介绍Bollen- Stine修正方法。
1.数据非常态的处理
-Bootstrap的介绍与使用
2.结构模型的二阶段准则
(Anderson and Gerbing,1988)
Bootstrap的使用时机及解读
SEM模型估计配适度好坏的评估及处理
1.SEM共线性的判断及处
2.模型中潜在变项单一指标测量
3.SEM处理顺序尺度及类别尺度的研究设计
4.最佳模型的搜索
共线性的检查及处理方式
非连续型尺度量表的处理
小样本的处理方式
找出最佳模型
结构方程模型检定力的计算及样本数的决定
1.检定力(Power)的介绍及重要性
2.SEM检定力与样本数的计算
3.检定每个估计值的Power
(Satorra & Sarris, 1985)
4.检定SEM整体模型的Power
结构方程模型的关键报告
1.概念模型及统计模型的叙述
2.样本数据的细节
3.结果说明
4.事后修正
5.模型配适的额外信息
6.解释与推论
了解何谓检定统计力，避免犯型II错误，样本数除了可依经验法则外，如何计算本节说分明。
论文写作期间，那些重点是一定要报告的，本节会以检核表的方式介绍呈现。
1.研究设计 潜在构面探讨；问卷设计 2.预试 资料检查 3.资料预检 叙述性统计；遗漏值处理 交叉分析；适合度检定；同构型检定
问卷的设计必须先了解可以做何种分析再进行设计，接下来问卷回收后做一些资料的处理，以确保数据的严谨与完整性，并且透过叙述性统计了解样本特性。
1. 验证式因素分析 一阶及二阶验证式因素分析 多元常态及例外值检定 SEM二阶段准则 违反多元常态的因应 2.共同方法变异检定 哈门氏单因子检定 CFA单因子及多因子检定
在SEM分析前先有CFA最常出现的问题一一解决，以奠定结构模型的基础。此外为了检测测量工具是否有误差，介绍共同方法变异以提高严谨性。
1.信度与效度 组成信度(CR) 平均变异数萃取量(AVE) 收敛效度(Convergent validity) 区别效度 (Discriminated validity)
信效度的评估是SSCI期刊中必备的分析报表。如何呈现与解释是SEM论文不可或缺的内容。
1. SEM模型估计 配适度指标的报告；参数的解读 2.模型不变性检定 交叉效度；检定统计力及样本数计算
结构模型的好坏攸关研究架构与样本的配适情形。因此论文最后阶段在于SEM模型的评估。交叉效度可以显示模型的稳定性。 | 
