1. den

• filozofické základy a vysvětlení pojmů jako latentní proměnná, faktor, konstrukt, trait
• path analýza
• explorativní faktorová analýza
• konfirmativní faktorová analýza (s intervalovými a kategoriálními indikátory)
• indexy fitu a jejich použití (AIC, BIC, RMSEA, CFI, chí-kvadrát)
• použití faktorové analýzy při tvorbě dotazníků, konstruktová validita
• aplikace výše uvedeného v programu R (na přání i v programu Mplus)
• praktické rady k volbě metody odhadu parametrů
  • maximum likelihood
  • least squares
  • Markov chain Monte Carlo

2. den

• víceskupinová faktorová analýza
• meziskupinová invariance modelu
• bootstrap modelů
• úvod do strukturálního modelování
• speciální typy modelů:
  • second order faktorové modely
  • bifaktorové modely
  • multiple indicator multiple cause modely (MIMIC)
  • modely pro longitudinální data
• aplikace strukturálního modelování v programu R (na přání i v programu Mplus)
• úvod do analýzy latentních tříd (Latent Class Analysis)
• interpretace latentních tříd
• určování počtu latentních tříd
• vyhodnocování fitu modelů LCA
• analýza latentních tříd s kovariačními proměnnými
• aplikace analýzy latentních tříd v programu R (knihovna poLCA)

3. den

• úvod do položkové analýzy (Item Response Theory, IRT)
• vazby mezi IRT a faktorovou analýzou
• Raschovy modely
• 1-, 2- a 3-parametrické modely pro binární data
• IRT modely pro polytomická data:
  • Rating scale model
  • Partial credit model
  • Graded response model
  • Nominální model
• vyhodnocování fitu modelů v IRT – globální fit, item fit (infit, outfit), person fit
• differential item functioning (DIF)
• strukturální, skalární a metrická invariance
• aplikace výše uvedených IRT modelů v programu R (knihovny eRm, mirt, ltm)