报告人：潘俊豪
报告地点：腾讯会议ID:885-313-746;会议密码:321321
报告时间：2022年11月22日星期二10:30-11:30
报告摘要:
验证性因子分析(Confirmatory Factor Analysis, CFA)模型被广泛应用于心理学、社会学等领域的科学研究当中，以研究指标变量(Indicator)和潜变量(Latent Variable)之间的关系。在建模过程中，CFA模型(以及其他潜变量模型)的一个重要前提假设是局部独立性(Local Independence)，违反局部独立性假设的情况被称为局部项目依赖。在实际数据分析当中，研究者往往默认局部独立性假设成立从而建立测量模型。然而，随着CFA模型的广泛应用，研究者逐渐意识到错误地假设局部独立性会对研究结果(特别是潜变量之间关系的估算)产生严重的误导。作为最基础的潜变量模型之一，在CFA模型的统计分析中如何有效地考虑指标变量间的局部依赖程度一直是学界关注的热点问题。此问题的解决也将有助于解决其他潜变量模型中不满足局部独立性时应如何建模的问题。本次讲座将跟大家分享我们关于这方面的一些研究。
主讲人简介：
潘俊豪，中山大学心理学系教授，博士生导师，副系主任。中国教育学会教育统计与测量分会理事，广东省现场统计学会常务理事，《心理科学》、《应用心理学》编委。2005年本科毕业于中山大学统计科学系统计学专业（本科第一专业）和中山大学计算机科学系计算机科学与技术专业（本科第二专业），2009年获得香港中文大学统计学博士学位（直博），同年以“中山大学百人计划”人才引进进入心理学系任教。2020年获得教育部第八届高等学校科学研究优秀成果奖（人文社会科学）——青年成果奖。完成并在研多项国家级科研项目（包括国家自然科学基金面上项目、青年项目、数学天元基金项目）以及省部级科研项目（教育部人文社会科学研究规划基金项目、广东省自然科学基金项目）。至今发表学术论文超过30篇，包括 Psychological Methods, Psychometrika, Structural Equation Modeling - A Multidisciplinary Journal，心理科学进展，心理科学等。合作翻译并出版了《结构方程模型: 贝叶斯方法》一书。具体介绍请看http://psy.sysu.edu.cn/teacher/308
