AI輔助SEM結構方程模型研究分析實戰班｜直播線上課程(116/1/15-1/22)

【上完這門課，我能學到什麼】

1.建立SEM研究架構設計與模型建構能力

2.學會問卷分析、信效度分析與資料前處理流程

3.執行CFA驗證性因素分析與配適度指標判讀

4.掌握SEM路徑分析、研究假設驗證與中介效果分析

5.使用JASP、R lavaan 與 Claude AI進行研究分析應用

6.建立從SEM模型分析到研究結果解讀的完整研究能力

【課程介紹】

《AI輔助SEM結構方程模型研究分析實戰班》是一門結合AI工具與研究分析實務的直播線上課程，聚焦SEM（結構方程模型）分析、CFA（驗證性因素分析）、中介效果分析與研究模型建構等核心研究方法。課程採直播線上教學，講師同步示範操作，學員可即時提問與互動，適合想學習SEM分析、結構方程模型、問卷分析與研究方法 應用的學習者，以及碩博士生、教師、研究助理、研究人員與需要進行問卷研究、資料分析、論文研究及研究模型建構的學習者。

課程內容涵蓋研究架構建立、研究假設設計、資料前處理、信度與效度分析、CFA測量模型建立、SEM結構模型分析、Bootstrap中介效果分析、配適度指標判讀（RMSEA、CFI、SRMR）以及模型比較方法。課程並結合JASP、R lavaan、semPlot與Claude AI工具進行操作示範，學習路徑圖繪製、研究假設建立、模型判讀、研究結果整理與APA格式內容呈現。透過完整案例演練，逐步建立從問卷資料分析、SEM模型建構、研究結果解讀到研究成果輸出的完整研究分析能力，協助學員將SEM結構方程模型 方法實際應用於論文研究、研究報告與各類研究分析情境。

【課程特色】

◎建立SEM（結構方程模型）研究架構設計與模型建構能力，掌握核心研究方法應用

◎完整學習問卷分析、資料前處理、信度與效度分析，建立研究資料分析基礎

◎深入CFA（驗證性因素分析）與配適度指標（RMSEA、CFI、SRMR）判讀技巧

◎掌握SEM分析、路徑分析、研究假設驗證與中介效果分析等進階研究方法

◎運用ASP、R lavaan、semPlot與Claude AI進行研究分析與模型建構實務應用

◎完成研究架構圖、SEM路徑圖、研究假設驗證表與研究分析成果整理，建立從問卷分析到研究成果輸出的完整能力

◎課後提供『操作示範影片』，能重複觀看隨時練習

【課程內容】

◎SEM概念建立與研究架構設計

1.SEM適用情境與研究問題設定

2.潛在變項vs觀察變項的區別與設計邏輯

3.外生變項（Exogenous）與內生變項（Endogenous）說明

4.路徑圖（Path Diagram）繪製原則：方框（觀察變項）、橢圓（潛在變項）、單箭頭（因果路徑）、雙箭頭（共變關係）

5.研究假設（H1、H2...）如何對應路徑圖中的箭頭

6.CB-SEM（共變異數基礎）vs PLS-SEM（偏最小平方法）選擇說明

7.JASP操作示範：介面介紹與 SEM 模組啟用

8.R lavaan初步：安裝套件、載入資料、模型語法基礎

✅工具：JASP、R lavaan、Claude（協助繪製路徑圖與撰寫研究假設）

✅成果：SEM核心概念對照表、路徑圖繪製練習、研究架構草稿、lavaan語法基礎對照表

◎資料前處理與測量模型前置檢查

1.缺漏值（Missing Value）處理：刪除法vs多重插補法

2.離群值（Outlier）偵測：Mahalanobis D²距離檢驗

3.常態性檢查：單變量偏態（Skewness）與峰度（Kurtosis）、多變量常態性檢驗（Mardia）

4.共線性檢查（VIF）與共同方法偏差（CMV）Harman單因子檢驗

5.信度分析：Cronbach's α、組合信度 CR（Composite Reliability）判讀標準

6.收斂效度：平均變異萃取量AVE ≥0.50判準

7.區辨效度：Fornell-Larcker準則、HTMT

8.JASP操作示範：描述統計、信度分析、相關矩陣輸出

9.R操作示範：psych套件（alpha()、Mahalanobis D²、lavaan 的 cfa() 初步測試）
✅工具：JASP、R（psych、MVN套件）、Claude
✅成果：資料前處理檢查表、CR/AVE/α彙整表、區辨效度判讀表、常態性診斷報告

◎驗證性因素分析CFA（測量模型建立與配適判讀）

1.CFA 與 EFA 的根本差異：「驗證」vs「探索」

2.設定測量模型：每個潛在變項需至少3個觀察指標的理由

3.因素負荷量（Factor Loading）判讀：≥ 0.50（建議 ≥ 0.70）

4.模型配適度指標完整判讀：

(一)絕對配適：χ²/df（≤ 3.0）、RMSEA（≤ 0.08）、SRMR（≤ 0.08）

(二)增值配適：CFI（≥ 0.90）、TLI（≥ 0.90）、NFI（≥ 0.90）

5.模型修正（Modification Indices）：何時可以修正？修正的理論依據

6.二階CFA（Second-order CFA/Higher-order Model）概念介紹

7.JASP操作示範：SEM 模組→CFA設定→輸出配適指標與路徑係數圖

8.R lavaan示範：cfa()函數完整語法、summary(fit, fit.measures=TRUE)、modindices()

✅工具：JASP、R lavaan、semPlot 套件（視覺化路徑圖）、Claude（解讀配適指標報告）

✅成果：CFA完整操作流程SOP、配適度指標判讀標準表、測量模型路徑圖、論文式測量模型結果段落

◎結構模型分析與路徑係數判讀

1.從CFA到SEM：測量模型確認後如何加入結構路徑

2.兩步驟法（Two-step Approach）vs一步驟法（One-step Approach）

3.標準化路徑係數（β）判讀：方向、強度與實務意義

4.路徑顯著性檢驗：Critical Ratio（C.R.）/z值 > 1.96，p < .05

5.內生潛在變項的解釋力R²（SMC）判讀

6.直接效果Direct Effect與間接效果Indirect Effect區分

7.研究假設驗證表：H1~Hn對應路徑結果

8.JASP操作示範：SEM完整模型設定→輸出結構路徑圖→研究假設對照

9.R lavaan示範：sem()函數、standardizedSolution()、lavaan輸出表格整理

10.以semPlot套件繪製完整SEM路徑圖（含標準化係數標示）

11.AI輔助：Claude協助將輸出報表轉為APA格式論文段落

✅工具：JASP、R lavaan、R semPlot、Claude（協助撰寫結果論述）

✅成果：SEM完整路徑圖（含係數）、研究假設驗證彙整表、R²解釋力報表、論文式結構模型結果段落

◎中介效果、替代模型與模型比較

1.中介效果（Mediation）分析：完全中介vs部分中介vs無中介

2.Bootstrap 信賴區間法（1000次以上）：為何不用Sobel檢定

3.JASP操作示範：Bootstrap中介效果設定與 95% CI判讀

4.R lavaan示範：indirect effect語法（a*b 寫法）+ bootstrap =TRUE

5.替代模型（Alternative Model / Competing Model）設計策略

6.模型比較指標：AIC、BIC、△χ²（卡方差異檢定）、CFI差異

7.巢套模型（Nested Model）vs非巢套模型（Non-nested Model）比較方法

8.調節效果（Moderation）基礎介紹：潛在交互作用項（Latent Interaction）概念

9.常見模型修正錯誤：只為配適而修正、過度刪題的風險說明

10.AI輔助：Claude協助設計替代模型、比較邏輯與撰寫方法論說明

✅工具：JASP、R lavaan（bootci 參數）、Claude（替代模型設計顧問）

✅成果：中介效果檢驗表（Bootstrap CI）、替代模型比較對照表（AIC/BIC/△χ²）、模型決策說明文字

◎完整示範：由老師從頭到尾示範一遍複習

Step 1【資料匯入與前處理】

JASP匯入CSV→缺漏值與離群值檢查→常態性診斷→R psych套件信度分析（α、CR、AVE）

Step 2【路徑圖設計與研究假設建立】

Claude協助繪製概念性路徑圖→ 研究假設 H1~H5建立→ lavaan模型語法對應

Step 3【CFA 測量模型執行與判讀】

JASP CFA操作→配適指標判讀（RMSEA、CFI、SRMR、χ²/df）→因素負荷量確認→R semPlot 路徑圖輸出

Step 4【SEM 結構模型執行與假設驗證】

lavaan sem()語法執行→標準化路徑係數β、顯著性→R²解釋力→研究假設驗證表製作

Step 5【中介效果Bootstrap檢驗】

JASP Bootstrap中介→R lavaan間接效果語法→95% CI判讀→完全/部分中介結論

Step 6【AI輔助論文式撰寫與問答】

Claude協助將所有報表轉為APA格式論文段落→完整研究方法、結果撰寫示範→Q&A與學習資源分享

✅工具：JASP、R lavaan、R semPlot、Claude（全程AI輔助示範）

✅成果：完整 SEM 分析報告（含路徑圖、配適表、假設驗證表、Bootstrap中介表）、APA 論文段落範本、可帶走的 R lavaan完整語法程式碼

可以經由臺北市立大學進修推廣處網頁 (https://cee.utaipei.edu.tw/)，查詢相關課程或掃描QR code

請先註冊(右上角橘色圖案)，註冊完成後 登入，再點選 我要報名。

聯絡電話:(02)-23113040分機1523 翁小姐

【師資介紹】

黃晨

透過「流程再造」與「設計思維」，協助各行各業掌握AI應用技巧，在AI教育推廣領域擁有豐富經驗，開設「與AI共行」系列課程，涵蓋社群行銷至公部門等多元應用，教學融合理論與實務，將複雜AI概念轉化為易懂實用技巧，協助學員快速上手，現積極推動產業AI數位轉型，提升組織與個人工作效能，共建智慧化工作環境。

經歷與年資:

中國文化大學行政管理學系講師(5年)

馬偕醫護管理專科學校跨領域教育中心講師(1年)

政治大學、世新大學教學助理(3-6年)

※本課程為直播線上授課，請務必準時登入，以確保完整學習流程。

※上課平台為 Google Meet（請依實際公告為準），課前將提供連結(LINE群組公告，請學員報名後記得收MAIL)，請提前測試能正常進入。

※本課程採取線上簽到與簽退制度：

▶上課前 10 分鐘開放簽到連結，請準時填寫。
▶下課後提供簽退表單，請務必於指定時間內完成，以利學習時數統計與結業認證。

※為保障上課品質與互動，建議全程開啟鏡頭與麥克風。

※課中會安排互動討論與提問時間，鼓勵主動參與、即時回饋。

※請勿錄影、截圖或轉傳課程畫面，尊重講師著作權與學員隱私。

【學員自備設備與學習工具】:

1.電腦／筆電／平板裝置（建議使用電腦/筆電，畫面較穩定）

2.穩定的網路連線（Wi-Fi 或 4G/5G，建議至少10Mbps以上）

3.耳機與麥克風（避免回音與噪音，提升互動品質）

4.筆記本或電子筆記工具（建議準備筆與紙，便於畫重點）

5.Google 帳號（請事先確認可正常登入，並熟記帳號與密碼，以便使用各項 GenAI 工具）

※課前請於個人電腦安裝以下軟體（皆為免費）：

(1)JASP（https://jasp-stats.org/）本課程SEM圖形化操作主要工具

(2)R語言（https://r-project.org）

(3)RStudio（https://posit.co/）R語言整合開發環境

※課程中使用之R套件：

• lavaan—SEM核心分析套件
• semPlot—SEM路徑圖視覺化
• psych—信度分析（α、CR、AVE）
• MVN—多變量常態性檢驗
• tidyverse—資料整理

【課前AI工具準備注意事項】

※本課程將使用多款 AI 工具進行教學與實作，請學員依照課程介紹所列之使用工具，於上課前自行完成相關軟體下載、安裝、帳號註冊及登入測試，以確保課堂實作順利進行。

※課程不另行提供 AI 工具下載連結、安裝操作流程或課前安裝教學，請學員自行至各工具官方網站完成相關準備。

※部分 AI 工具可透過網頁直接使用，無須另外下載安裝，請依各工具實際使用方式準備。

※如課程涉及付費功能或訂閱方案，請依課程說明及個人需求自行評估，相關費用不包含於課程學費內。

※建議學員提前確認個人電腦設備、網路環境及工具使用權限，避免因設備或帳號問題影響課堂實作。

※因生成式 AI 工具更新與迭代速度快速，實際授課時將以開課當下最新、最穩定且最適合教學之工具版本進行示範與實作。

※課程所涵蓋之教學主題、學習目標與核心內容不會調整，僅教學過程中所使用的操作工具可能因應實際狀況進行替換或更新，以確保教學品質與學習成效。

※實際授課內容與操作工具，將以課堂說明與示範版本為準，敬請學員理解。

《補充說明》

※本課程著重於生成式AI工具應用與流程自動化設計能力之培養，課堂示範皆採用模擬資料、範例資料或公開資料進行操作，協助學員理解AI與自動化技術於實務工作中的應用邏輯，未涉及任何真實個人資料或機敏資訊。

※課程所使用之AI與自動化工具，以國際常見平台為主（如OpenAI、Google、Microsoft等），教學內容以功能操作、流程設計與應用概念為核心，不涉及工具底層系統存取、資料庫權限管理或後端系統設定。

※本課程包含流程自動化與API應用之教學示範（如Webhook、API串接、自動化流程設計等），相關操作僅限於公開資料、模擬情境或測試環境進行，不涉及任何實際業務系統、企業內部平台或機關正式系統之串接與運作。

※課程中之API與自動化操作，以基礎應用概念與流程邏輯設計為主，不涉及正式環境部署、系統權限設定、資料交換機制建置或敏感資料處理，僅作為教學示範與技術理解使用。

※課堂操作示範原則上不要求學員提供個人帳號或上傳任何資料，亦不強制使用特定平台，學員可依自身需求選擇其他同性質工具進行替代學習。

※本課程所示範之工具僅作為輔助教學用途，並非唯一指定工具，學員於實際工作情境中，應依所屬機關或企業之資訊安全政策，自行評估工具之使用方式與適用性。

※學員於實務應用時，應避免輸入個人資料、公務資料、營業機密或其他敏感資訊，並應遵循所屬單位之資訊安全規範與相關法令，以確保資料安全與合規使用。

學費原價折扣優惠方法如下，優惠辦法僅擇一使用:

※開課前一個月報名繳費享95折優惠。

※臺北市立大學在校生、校友、推廣部舊生可享9折優惠。

※新生兩人同報同一門課可享88折優惠。

※設籍中正區或士林區居民可享88折優惠。

♦本課程由臺北市立大學進修推廣處與宏翔國際顧問有限公司共同合作辦理。