| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第6-9页 |
| 第二章 EM算法与结构方程模型 | 第9-15页 |
| 2.1 EM算法 | 第9-12页 |
| 2.1.1 EM算法原理及步骤 | 第9-11页 |
| 2.1.2 EM算法的性质 | 第11-12页 |
| 2.2 结构方程模型 | 第12-15页 |
| 2.2.1 SEM的结构 | 第12-13页 |
| 2.2.2 SEM的拟合指数 | 第13-14页 |
| 2.2.3 SEM建模步骤 | 第14-15页 |
| 第三章 Point-Adiusted Gaussian混合模型 | 第15-23页 |
| 3.1 Point-Adjusted Gaussian混合模型 | 第15-16页 |
| 3.2 模型参数的估计 | 第16-19页 |
| 3.3 参数估计的渐近方差和渐近置信区间 | 第19-23页 |
| 第四章 模型的评价指标 | 第23-25页 |
| 第五章 随机模拟 | 第25-29页 |
| 第六章 实证研究——课堂教学结构 | 第29-37页 |
| 6.1 数据来源及预处理 | 第29页 |
| 6.2 各维度PAG混合模型参数估计 | 第29-31页 |
| 6.3 模型结果分析 | 第31-37页 |
| 第七章 结论与展望 | 第37-38页 |
| 附录 | 第38-43页 |
| 参考文献 | 第43-48页 |
| 致谢 | 第48页 |