کارگاه صفر تا صد لیزرل ششم و هفتم آبان ماه در اکادمی تحلیل اماری ایران رزرو با ارسال نام خانوادگی به ۰۹۱۰۰۰۷۱۸۰۴،هزینه ثبت نام دانشجویی ۲۰۰ هزار تومان

پایایی ترکیبی یا CR
@analysisacademy

@ analysisacademy
Www.analysisacademy.com

http://analysisacademy.com/wp-content/uploads/2016/10/isi-ppt-1-6382.jpg
@analysisacademy
تاریخچه ISI
مؤسسه اطلاعات علمی یا ISI (Institute for Scientific Information) موسسه‌ای با تمرکز بر علم‌سنجی و انتشارات علمی است که در سال ۱۹۶۰ توسط یوجین گارفیلد تأسیس شد.این مؤسسه توسط مؤسسهٔ علمی تامسون در سال ۱۹۹۲ خریداری و به‌عنوان Thomson ISI شناخته شد و اکنون نیز با نام Thomson Scientific شناخته شده است. این مؤسسه بخشی از شرکت Thomson Reuters است.
مؤسسهٔ ISI خدمات مربوط به پایگاه‌های دادهٔ فهرست کتاب‌ها و مقالات را ارائه می‌دهد. به‌طور اختصاصی این خدمات نمایه‌سازی نقل‌قول‌ها و تحلیل آنها است که توسط خود گارفیلد پایه‌گذاری شده است. این خدمات شامل نگهداری داده‌های نقل‌قول‌های مقالات هزاران نشریهٔ دانشگاهی است. این خدمات از طریق سرویس پایگاه دادهٔ ISI’s Web of Knowledge در دسترس است. این پایگاه داده به پژوهشگران این امکان را می‌دهد که بداند کدام مقاله‌ها بیشتر مورد ارجاع قرار گرفته و چه مقالاتی از این مقاله مطلبی را نقل‌قول کرده‌اند.
آی‌اِس‌آی، سالانه گزارشی را تحت عنوان گزارش استنادی مجلات علمی را که با سرواژه جِی‌سی‌آر (Journal Citation Reports) معروف است ارائه می‌کند که در آن مجلات نمایه‌شده در بانک اطلاعاتی خود را بر اساس شاخصی با عنوان ضریب تاثیرگذاری رتبه‌بندی می‌کند. در حال حاضر ضریب تاثیرگذاری یکی از شاخص‌های اصلی برای اعتبار علمی مجلات علمی محسوب می‌شود.
موسسه اطلاعات علمی هر سال به بررسی تمامی مجله های علمی انگلیسی زبان می پردازد و بر اساس معیارهایی که دارد تعدادی نشریه را به عنوان نشریه های معتبر معرفی می کند. تعداد مجله هایی که هر سال معرفی می شوند، متفاوت است. گاه یک نشریه در فهرست آی اس آی قرار می گیرد و همین نشریه ممکن است سال آینده در فهرست مورد نظر جایی نداشته باشد. در حال حاضر حدود ۲۰ هزار مجله در فهرست آی اس آی قرار دارد و حدود ۲ هزار مجله نیز هر سال به این فهرست افزوده می شود.
موسسه اطلاعات علمی ( Institute for Scientific Information )
بانک اطلاعات ISI مرکزی برای فهرست نمودن و پوشش دادن جامع مهمترین مجلات علمی منتشره در دنیا به منظور تبادل اطلاعات میان پژوهشگران مختلف می باشد.
هر مجله علمی قبل از انتخاب شدن و فهرست شدن در ISI یکسری مراحل ارزیابی را پشت سر می گذارد. ازجمله عوامل مورد ارزیابی و رعایت استانداردهای بانک اطلاعاتی ISI ، کمیته علمی منتخب مجله، تنوع بین المللی مقالات چاپ شده در آن، نشر به موقع مجله و جایگاه نشرآن می باشد.
لازم به ذکر است که هیچ یک از این عوامل به تنهایی مورد بررسی و ارزیابی قرار نمی گیرد بلکه با بررسی مجموع عوامل یک امتیاز کلی داده خواهد شد. از جمله مواردی که در ارزیابی مجله مورد توجه قرار دارد این است که عنوان مقالات، چکیده و کلمات کلیدی باید به زبان انگلیسی باشد همچنین توصیه می شود که منابع نیز به زبان انگلیسی نوشته شوند. اگر چه اطلاعات علمی مهم به تمامی زبانها به چاپ می رسد اما موارد ذکر شده باید به زبان انگلیسی باشد تا تحت داوری و ارزیابی ISI قرار گیرد زیرا ارزیابی کنندگان مجلات علمی در ISI نمی توانند عناوین و منابع بکاررفته در مقالات را به زبان انگلیسی ترجمه کنند. داوری علمی و تخصصی مقالات چاپ شده در مجله توسط داوران نام آشنای علمی از جمله عمده ترین موارد مورد توجه ارزیابی کنندگان می باشد که گویای اعتبار و غنای علمی مجله است.
ارجاع به خود یا self citation چیست؟
اگر منابع ذکر شده در مقاله٬ پژوهش نویسندگان خود مقاله باشد٬ این کار از ارزش مقاله می کاهد زیرا جنبه بین المللی بودن آن را ضعیف می کند. درجه ارجاع به خود مجلات ISI معمولا کمتر از ۲۰٪ است.
ضریب تاثیر یا درجه تاثیر یا Impact factor چیست؟
این عامل همه ساله توسط ISI برمبنای ارجاعات به هر یک از مجلات علمی آن محاسبه می شود و نتیجه در گزارشات ارجاع مجله یا Journal Citation Reports یا به اختصار JCR ٬ منتشر می شود. این ضریب٬ نه برای مقاله یا نویسنده٬ بلکه برای مجله محاسبه می شود. محاسبه برمبنای یک دوره سه ساله صورت می گیرد. فرضا اگر در سال ۸۴ جمعا ۴۰ ارجاع به یک مجله صورت گرفته باشد و در آن مجله در سال ۸۲ تعداد ۲۶ مقاله و در سال ۸۳ تعداد ۲۴ مقاله چاپ شده باشد٬ ضریب ارجاع آن مجله٬ از تقسیم ۴۰ بر ۵۰ به دست می آید که ۸/۰ است. یعنی به طور متوسط٬ هر مقاله آن نشریه ۸/۰ مرتبه مورد استناد مقالات دیگر قرار گرفته است.
ISI بودن یک مجله را چگونه تعیین کنیم؟

http://analysisacademy.com/wp-content/uploads/2016/10/isi-ppt-1-6382.jpg
@analysisacademy
ISI بودن یک مجله را چگونه تعیین کنیم؟
بهترین راه٬ مراجعه به سایت هایی نظیر تامسون است. زیرا همچنان که گفته شد٬ هم تعداد مجلات زیاد است و هم ISI محسوب شدن یک مجله ممکن است همیشگی نباشد.هر نشریه با هر امتیاز علمی در کشور چاپ شود اگر ضریب تأثیرش صفر باشد، در این پایگاه قرار نمی گیرد. متأسفانه، در حال حاضر تمامی نشریات ایرانی دارای ضریب تأثیر صفر بوده و جایی در این پایگاه ندارند.
چگونه بدانیم که یک مجله در ISI ایندکس شده است یا نه؟
برای اینکه بدانیم آیا یک مجله درجۀ آی اس آی دارد یا نه؟ (توجه: جستجوی خود سایت تامسون رویترز زیاد دقیق نیست و گاهی وقت ها نام نشریات را نمی آورد) کافی است که نام نشریه را به این شکل در Google وارد کنیم:
“Journal Name” site:thomsonreuters.com
برای جستجوی الفبایی نیز از لینک زیر استفاده نمایید:
http://scientific.thomsonreuters.com/cgi-bin/linksj/search.cgi?letter=d
لیست ژورنالهای ISI را از کجا بیاوریم؟
http://science.thomsonreuters.com/mjl
ISC چیست؟
ISC یا همان پایگاه استنادی علوم جدید و تکنولوژی که همانند ISI دارای مقالات دانشمندان است که خوشبختانه در ایران نیز چنین پایگاهی تاسیس شده است وهم اکنون به فعالیت می پردازد.

http://analysisacademy.com/wp-content/uploads/2016/10/kmo2.png
@analysisacademy

یکی از مفاهیمی که در مورد آن کج فهمی وجود دارد، شاخص KMO است. در تحلیل عاملی اکتشافی که یک روش آماری رها از مدل است، هیچ فرضیه ای از پیش وجود ندارد و پژوهشگر بایستی معرف هایی (براساس نظریه ها یا نظر متخصصان و ...) را انتخاب نماید و سپس با استفاده از تحلیل عاملی اکتشافی به بررسی ساختار عاملی زیربنایی معرف ها بپردازد. ساختار عاملی زیربنایی معرف ها نیز بر اساس ماتریس واریانس-کوواریانس داده ها بدست می آید. از این رو انتخاب معرف ها مناسب برای تحلیل بسیار مهم است. برای نمونه معرف ها نباید به گونه ای انتخاب گردند که میزان زیادی از همبستگی دو به دو آن ها به دلیل همبستگی جزئی آن ها با متغیرهای دیگر باشد؛ که اگر اینچنین باشد معرف های مناسبی انتخاب نگردیده است. به دلیل اینکه سهم زیادی از واریانس مشترک بین معرف ها بوسیله معرف های دیگر تبیین می گردد. در اینگونه موارد گفته می شود که نمونه گیری مناسبی از معرف ها (متغیرهای آشکار) به عمل نیامده است (بر اساس واژه شناسی تحلیل عاملی اکتشافی، انتخاب معرف ها «کفایت نمونه گیری » نداشته است). شاخص KMO معیاری برای «کفایت نمونه گیری» است. به عبارت دیگر، با بهره گیری از شاخص KMO ، به این مسئله پرداخته می شود که «آیا نمونه گیری مناسبی از متغیرها (بر اساس همبستگی دو به دو معرف ها و همبستگی جزئی آن ها) به عمل آمده است یا خیر؟». فرمول KMO در زیر آورده شده است.

همانگونه که در فرمول بالا مشاهده می شود، در صورت کسر مجموع همبستگی های غیرقطری معرف ها (متغیرهای آشکار) و در مخرج کسر مجموع همبستگی های غیرقطری معرف ها بعلاوه مجموع همبستگی های جزئی غیرقطری معرف ها جای دارند. از این رو هر چه همبستگی های جرئی کوچک تر باشند، شاخص KMO بزرگتر خواهد بود و برعکس. هر چه اندازه شاخص KMO به 1 نزدیک تر باشد، «کفایت نمونه گیری» بهتری در انتخاب معرف ها (متغیرهای آشکار) وجود داشته است. نقطه برش اندازه شاخص KMO برای «کفایت نمونه گیری» 0.6 بیان شده است یعنی اگر شاخص KMO بالاتر از 0.6 باشد، ملاک «کفایت نمونه گیری» برآورد شده است و اگر پایین تر از 0.6 باشد به این معنی است که ملاک «کفایت نمونه گیری» برآورد نشده است (مولایک، 2010، ص 241).

http://analysisacademy.com/wp-content/uploads/2016/10/downloadq.jpg
@analysisacademy


نکات کليدي در پرسشنامه :
1- سؤالات پرسشنامه بايد مبتني بر متغيرهاي موجود در فرضيات تحقيق باشد .
2- پرسشنامه نبايد طولاني باشد .
3- سؤالات پرسشنامه نبايد کلي و مبهم طرح شوند .
4- بهتر است براي سؤالات پرسشنامه فهرست واژگان کليدي طراحي شود .
5- پرسشنامه بايد داراي يک مقدمه ( بيان اهميت و ضرورت ، هدف تحقيق و نقش و جايگاه پاسخ دهنده و همچنين راهنماي تکميل پرسشنامه ) باشد .
6- در شروع پرسشنامه از سؤالات آسان استفاده کنيد .
7- از طرح سؤالات حساسيت بر انگيز ، سياسي و غير ضروري اجتناب کنيد .
8- سؤالات پرسشنامه را به گونه اي مرتب کنيد که طبقه بندي و ورود داده ها به نرم افزار تجزيه و تحليل به سرعت امکان پذير باشد .

@analysisacademy

http://analysisacademy.com/wp-content/uploads/2016/10/pngbase647051aa9d38726820.png
مدل اندازه گیری ترکیبی
علیرغم مطالعات روبه افزونی که در ارتباط با اندازه گیری ترکیبی دیده می شود، هنوز بیشتر تحقیقات به کمک سنجه های انعکاسی انجام میشود. بااین حال پژوهشگران رشته های مختلف علمی برای آگاهی بخشیدن به جامعه دانشگاهی نسبت به وجود معرفهای ترکیبی )معرف های علت یا سببی( اقداماتی مانند: اثبات تناسب مدل های اندازه گیری ترکیبی برای تعداد زیادی از سازه های مکنون، نمایش نتایج تدوین نادرست مدل های اندازه گیری
و ایجاد راهنماییهای عملی برای ساخت سنجه های چند سوالی در مقایسه با سنجه های ترکیبی انجام داده اند.
دو دلیل برای تایید این ادعا وجود دارد: اول، اینکه هنوز تعداد قابل توجهی از پژوهشگران اطلاعی از تناسب معرف های ترکیبی برای عملیاتی کردن سازه های تحقیقاتی خود ندارند. دوم، در بیشتر موارد پژوهشگران اطمینان چندانی از نحوه یکی کردن مدل های اندازه گیری ترکیبی در مدل های معادلات ساختاری ندارند. به همین دلیل است که هنگام تدوین مدلهای اندازه گیری ترکیبی تامل و تردید میکنند. در حقیقت، هنوز مباحث و سوالات حل نشده ای در ارتباط با مفهوم سازی، برآورد و روایی سنجه های ترکیبی وجود دارد که از جمله آنها میتوان به روش روایی سنجه های ترکیبی، ارزیابی روایی معرف و تفسیر سازه هایی که به روش ترکیبی اندازه گیری شده اند، اشاره کرد.
بنابراین دومین قالب تدوین، مدل اندازه گیری ترکیبی است که برای اولین بار توسط کرتیس و جکسون در سال 1962 میلادی پیشنهاد شد آنها با استفاده از این مدل شرط سنجه های دارای همبستگی مثبت با یکدیگر را در مدل های انعکاسی به چالش کشیدند. از نظر آنها سنجه ها علیرغم برخورداری از مفهومی یکسان، در مواردی خاص همبستگی صفر یا منفی دارند.

دوره اموزشی ۰ تا ۱۰۰ ایموس با رویکرد نگارش پایان نامه دکتر مرادی۱۳ و ۱۴ ابان همین پنجشنبه و جمعه در اکادمی تحلیل اماری
هزینه دانشجویی ۲۰۰ هزارتومان
رزرو :ارسال نام خانوادگی به ۰۹۱۰۰۰۷۱۸۰۴

@analysisacademy
http://analysisacademy.com/wp-content/uploads/2016/08/amos.jpg



تحلیل آماری با AMOS
تحلیل آماری با AMOS یکی دیگر از تحلیل های رایج در انجام پایان نامه ها و نگارش مقالات است AMOS برنامه ای است که برای کاربرد ساده طراحی گردیده و خصیصه اصلی آن مدل سازی معادلات ساختاری است و آن را به شیوه‌ای ترسیم می‌نماید که می‌توان به سرعت مدل‌ها را تعریف نمود و محاسبات را انجام داد و درصورت نیاز، آن‌ها را اصلاح کرد. این نرم افزار جعبه ابزاری دارد که به کاربرد انواع نمادها کمک می‌کند و به خوبی امکان اصلاح مدل ترسیم شده را فراهم می آورد.نرم افزار AMOS در ابتدا با این هدف طراحی شد که به امر آموزش مدل سازی معادله ساختاری یاری رساند و شاید به همین دلیل است که تقریبا هیچ پیش فرضی در مدل ترسیم شده وجود ندارد و همه چیز باید توسط کاربر تعریف شود. تحلیل آماری با AMOS مکمل SPSS بوده و بسیار پیشرفته تر از نرم افزار های دیگر همچون لیزرل و SAS می باشد. تحلیل آماری با AMOS بهترین نرم افزار جهت تجزیه و تحلیل مدل‌های معادلات ساختاری می باشد. با تحلیل آماری با AMOS می‌توان خطاهای اندازه گیری را محاسبه نمود که در نرم افزار SPSS اینکار غیر قابل انجام است. تحلیل آماری با AMOS ابزاری برای تجزیه و تحلیل داده های آماری است که از مهمترین آنها می توان به مدل سازی معارلات ساختاری، تجزیه و تحلیل ساختارهای کواریانس و یا مدل سازی علی اشاره کرد.
همچنین تحلیل آماری با AMOS امکان مشخص کردن برازش مدل ها را فراهم می کند که چنین کاری با SPSS امکان ندارد. همچنین تحلیل آماری با AMOS امکان مدیریت داده ها را فراهم کرده و به خوبی می توان داده‌ها را در قالب‌های مختلف به صورت خام و یا به شکل ماتریس‌های واریانس – کواریانس از سایر نرم افزارها فراخواند. با تحلیل آماری با AMOS می‌توان داده ها را به شکل چند گروهی مدیریت نمود، به نحوی که آن‌ها را برای نمونه‌های مختلف مورد آزمون قرار داد و نتایج را باهم مقایسه نمود.

http://analysisacademy.com/wp-content/uploads/2016/10/download1.png
@analysisacademy
داده های مقطعی(Cross-sectional data)
در آمار و اقتصاد؛ دادههای مقطعی یا یک مقطع از یک جامعه مورد مطالعه نوعی از داده می باشند که با مشاهده تعداد زیادی آزمودنی (از قبیل اشخاص، کارخانجات، کشورها یا نواحی) در یک نقطه مشابه از زمان یا قطع نظر از تفاوت در زمان گردآوری شده اند. تحلیل داده های مقطعی معمولا شامل مقایسه تفاوت بین آزمودنی ها می گردد.برای مثال، اگر رغبتی برای اندازه گیری سطح کنونی چاقی در جامعه وجود داشته باشد؛ یک نمونه 1000 تایی از این جامعه (یک به مقطعی از این جامعه شناخته می شود) استخراج می گردد. ابتدا وزن و قد آنها را اندازه گرفته و درصد افرادی که رسته چاق قرار می گیرند را محاسبه می کنیم. این نمونه مقطعی برای محقق در یک نقطه در زمان، نگاه اجمالی را فراهم می نماید. توجه به اینکه ضروری می باشد که بر مبنای تنها یک نمونه مقطعی نمی توان در مورد کاهش یا افزایش درصد چاقی سخن به میان آورد و تنها می توان وضعیت کنونی جامعه را تشریح نمود.
داده های مقطعی از داده های سری زمانی(Time series data) و داده های طولی (longitudinal data) تفاوت دارندچرا که :
الف : داده های سری زمانی، کل نمونه در نقاط مختلفی در زمان مشاهده می شود.
ب: داده های طولی، یک آزمودنی در طول دوره زمانی تغییر می کند.
نوع دیگر ی از داده ها یعنی داده های پانلی (panel data) یا با عنوان داده های مقطعی سری زمانی
(Time-series cross-sectional (TSCS) data)؛ هر دو نوع داده را ترکیب می کند و به چندین آزمودنی و تغییرات آنها در طول دوره زمانی نظاره می کند. بر این اساس، تحلیل پانلی از داده های پانلی به منظور بررسی 1-تغییرات در متغیر در روی زمان، و 2-تفاوت در متغیرها در بین آزمودنی ها استفاده می گردد.
در یک مقطع چرخشی (rolling cross-section)؛ الف- حضور یک آزمودنی در نمونه و ب- زمانی که آزمونی در نمونه وارد شده است؛ به طور تصادفی مشخص می شوند. برای مثال، در یک رای گیری سیاسی تصمیم بر مصاحبه با 1000 گرفته شده است. ابتدا این افراد به طور تصادفی از جامعه انتخاب شده و سپس به یک تاریخ تصادفی تخصیص داده می شوند. در واقع این تاریخ تصادفی ، زمانی خواهد بود که فرد مصاحبه خواهد شد و در تحقیق وارد می گردد**.
داده های مقطعی را می تواند در رگرسیون مقطعی (cross-sectional regression)استفاده نمود که در واقع تحلیل رگرسیونی داده های مقطعی می باشد. به عنوان مثال، رگرسیون مخارج مصرفی افراد مختلف در یک ماه خاص را می توان بر روی درآمد، سطح ثروت انباشته ( accumulated wealth levels) و ویژگی های مختلف جمعیتی را محاسبه نمود و نحوه و چگونگی تفاوت بر روی رفتار مصرف کننده با تفاوت در این ویژگی ها را بررسی نمود. در مقابل این تحلیل رگرسیونی می‌توان رگرسیون سری زمانی (time-series regression) را نام برد. این رگرسیون به بررسی داده های مربوط به یک جمعیت واحد در دوره های زمانی مختلف می پردازد. داده های مورد بررسی در این تحلیل رگسیونی، داده های سری زمانی نامیده می شوند. ویژگی برجسته این داده ها خود همبستگی می باشد. به بیانی دیگر ارتباط و همبستگی بین داده ها در زمان های مختلف وجوددارد.
بهرحال، مطالعات مقطعی در خصوص روابط علت و معمولی اطلاعات مشخصی را مهیا نمی سازند. دلیل این موضوع به این مساله بر می گردد که چنین مطالعاتی یک نگاه گذرا و در یک لحظه از زمان را پیشنهاد می کنند و در مورد اتفاقات قبل و بعد از این لحظه سخنی به میان نمی آورند.

@analysisacademy
http://analysisacademy.com/wp-content/uploads/2016/10/imagesstructural.jpg

مدل اندازه گیری و ساختاری در ایموس
در كل، دو مسئله اساسي در استنباط علّي از مسائل رفتاري و اجتماعي وجود دارد كه
عبارت اند از؛
1). اندازه گيري. در مدل هاي اندازه گيري همواره دو سئوال اساسي مطرح است
اولين سئوال اين است كه آيا شاخص ها، يا متغيرهاي مشاهده شده به كار رفته در مدل، همان چيزي را اندازه مي گيرند كه مدنظر محقق است يا چيز ديگر را ؟ اين سئوال ناظر بر روايي متغيرهاي آشكار است.
سئوال دوم ناظر به اين مسئله است كه متغيرهاي آشكار با چه دقتي متغير نهفته مورد نظر را اندازه گيري مي كنند. اين سئوال ناظر بر اعتبار يا پايايي متغيرهاي آشكار است.
2). مدل هاي ساختاري. در مدل هاي ساختاري نيز اين سئوال مطرح است كه چگونه مي توان روابط علّي بين متغيرهاي نهفته اي را كه قابل مشاهده و اندازه گيري نيستند را بررسي و تأثيرات تبيين شده را مورد بررسي قرار داد؟
در واقع مدل اندازه گيري يا قسمت تحليل عاملي تأييدي، مشخص مي كند كه چگونه متغيرهاي نهفته يا فرضي در قالب تعداد بيش تري متغيرهاي قابل مشاهده، اندازه گيري شده اند. قسمت تابع ساختاري يا تحليل مسير از طرف ديگر روابط علّي بين متغيرهاي نهفته را بررسي میکند به عبارت ديگر مدل انداز ه گيري با پارامترهاي ،λx,λy,θδ,θδسئوال هاي مربوط به روايي و اعتبارمتغيرهاي مشاهده شده را پاسخ ميدهد و مدل تابع ساختاري با پارامترهاي ψ و φ ، γ ،βسئوال هاي مربوظ به قوت يا شدت روابط (مستقيم، غير مستقيم و كل) بين متغيرهاي نهفته و مقدار واريانس تبيين شده در كل مدل را پاسخ مي دهد.

http://analysisacademy.com/wp-content/uploads/2016/10/slide_7.jpg
@analysisacademy
تحلیل عاملی چيست؟
در برخی تحقیقات به دلایل مختلف با حجم زیادی از متغیرها روبرو هستیم. برای تحلیل دقیق تر و رسیدن به نتایج علمی تر و در عین حال عملیاتی تر، پژوهشگر به دنبال کاهش حجم متغیرها و تشکیل ساختار جدیدی برای آنها است و به این منظور از روش تحلیل عاملی استفاده می کند. نخستين كار درباره تحليل عاملي توسط چارلز اسپيرمن (1904) صورت گرفت، به گونه ای كه وی را « پدر» اين روش شناخته اند. بعد از او كارل پيرسن (1910)، روش «محورهاي اصلي» را پيشنهاد كرد و هُتلينگ (1933) آن را به گونه كاملتري توسعه داد .در حقیقت، هدف تشخيص اين عامل هاي مشاهده ناپذير بر پايه مجموعه اي از متغيرهاي مشاهده پذير است. عامل، متغير جديدي است كه از طريق تركيب خطي نمره هاي اصلي متغيرهاي مشاهده شده بر پايه فرمول زير برآورد مي شود:
Fj=∑WjiXi=Wj1X1+Wj2X2+…+WjpXp
كه در آن W ها بيانگر ضرايب نمره عاملي و P معرف تعداد متغيرها است.امید این است که با تعداد کمی از این عاملها (یعنی ترکیبهای خطی نمره های اصلی متغیرهای مشاهده شده)، بتوان تقریباً همه اطلاعاتی را که توسط مجموعه بزرگتری از متغیرها به دست می آید، در برگرفته و در نتیجه توصیف ویژگی های هر مشاهده را ساده ساخت.
انواع تحلیل عاملی
1) تحلیل عاملی اکتشافی (Exploratory Factor Analysis) ::
محقق درصدد کشف ساختار زیربنایی مجموعه نسبتاً بزرگی از متغیرها است بدون وجود هیچ تئوری اولیه ای. هر متغیری ممکن است با هر عاملی ارتباط داشته باشد.
کاربردها: کاهش داده ها (Data Reduction) یا شناسایی ساختارها (Structure Detection)
2) تحلیل عامل تأییدی (Confirmatory Factor Analysis)::
پیش فرض اساسی محقق، آن است که هر عاملی با زیرمجموعه خاصی از متغیرها ارتباط دارد. حداقل شرط لازم این است که محقق در مورد تعداد عاملهای مدل قبل از انجام تحقیق، پیش فرض معینی داشته باشد.در هر روش استخراجی که مد نظر باشد، یک راه حل مناسب و خوب باید پاسخ مناسبی به این دو سئوال ارائه کند:
1- چه تعداد عامل برای معرفی متغیرها لازم است؟ و
2-عاملها چه معنا و مفهومی دارند؟
مراحل انجام تحلیل عاملی
1. تشکیل ماتریسی از ضرایب همبستگی متغیرها،
2. استخراج عاملها از ماتریس ضریب همبستگی،
3. چرخش عاملها به منظور به حداکثر رساندن رابطه بین متغیرها و عاملها
4. محاسبه بار عاملی (نمره عاملها) برای تعیین عاملهای مورد نظر
نکته 1: معمولاً عاملهایی انتخاب می شوند که بار عاملی آنها بیشتر از 4/0 باشد.
نکته 2: برخی از صاحبنظران معتقدند در تحلیل عاملی، تعداد مشاهدات (Cases) حداقل باید 10 برابر تعداد متغیرها باشد. برخی حتی اعتقاد به حداقل 20 برابر تعداد متغیرها دارند.

دوره ۰ تا ۱۰۰ اس پی اس اس مقدماتی تا پیشرفته با رویکرد نگارش پایان نامه یکم تا پنجم اذر ماه
دوره ۰ تا ۱۰۰ روش تحقیق کیفی با رویکرد نگارش پایان نامه هشتم تا دوازدهم اذرماه
ظرفیت محدود
رزرو با ۰۹۱۰۰۰۷

شایان ذکر است که ظرفیت دوره های آذرماه محدود و اولویت بر اساس زمان واریز می باشد
رزرو با ارسال نام خانوادگی به ۰۹۱۰۰۰۷۱۸۰۴

سلام و روز بخیر تاریخ دوره کیفی با توجه به سفر اقای دکتر و دوره های پروپوزال نویسی و اس پی اس اس عقب افتاد
۴ و ۵ اذر ماه دوره پروپوزال نویسی تشکیل میگردد
و ۸ تا ۱۲ دوره اس پی اس اس قطعا برگزار خواهد شد
تاریخ کیفی دی ماه است که امروز براتون اعلام میکنم
با سپاس

http://analysisacademy.com/wp-content/uploads/2016/11/Untitled12.jpg
@analysisacademy
بار عاملی Factor Loading

قدرت رابطه بین عامل (متغیر پنهان) و متغیر قابل مشاهده بوسیله بار عاملی نشان داده می‌شود. بار عاملی مقداری بین صفر و یک است. اگر بار عاملی کمتر از 0.3 باشد رابطه ضعیف درنظر گرفته شده و از آن صرف‌نظر می‌شود. بارعاملی بین 0.3 تا 0.6 قابل قبول است و اگر بزرگتر از 0.6 باشد خیلی مطلوب است. (کلاین، 1994)
در تحلیل عاملی متغیرهائی که یک متغیر پنهان (عامل) را می‌سنجند، باید با آن عامل، بار عاملی بالا و با سایر عامل‌ها، بار عاملی پائین داشته باشند. جهت بررسی معنادار بودن رابطه بین متغیرها از آماره آزمون t یا همان t-value استفاده می‌شود. چون معناداری در سطح خطای 0.05 بررسی می‌شود بنابراین اگر میزان بارهای عاملی مشاهده شده با آزمون t-value از 1.96 کوچکتر محاسبه شود، رابطه معنادار نیست .

http://analysisacademy.com/wp-content/uploads/2016/11/focusgroup2.jpg
@analysisacademy
گروه کانونی
گروه كانوني، يكي از تكنيك­هاي مصاحبه كيفي است كه براي ايجاد تعامل بين اعضاي گروه طراحي شده است تا انگيزه براي بحث عميق تر را فراهم نموده و جنبه هاي مختلف و جديد موضوع مورد بحث را آشكار نمايد. يكي از ويژگي­هاي مصاحبه­­هاي گروه كانوني، تعامل ميان اعضاي گروه (مصاحبه شوندگان) است كه تمايل به تفكر و تبادل نگرش­ها و ايده­ها را برمي انگيزد؛ در حالي كه ممكن است به راحتي در طول جلسات مصاحبه مستقيم انفرادي ظهور نيابد (کیتزینگر و باربور، 1999). بايد دانست تشكيل گروه كانوني، جلسه­اي براي حل مشكل يا تصميم گيري نيست؛ بلكه تنها يك جلسه مصاحبه است .
یکی از روش­های گردآوری داده­ها در طرح­های کیفی، گروه­های کانونی است. گروه­های کانونی، جلسات بحث سازماندهی شده هستند که گروهی از افراد که بتوان به نظر آنان به عنوان کانون بحث موضوعی متمرکز شد، انتخاب می شوند. سپس از طریق مصاحبه گروهی، این افراد نظرها و تجربه­های خود را بازنمایی می کنند. آن­­ها با گروه­های اسمی، دلفی و طوفان ذهنی به شرح زیر متفاوتند. در این شیوه، پژوهشگران با اعضای یک سازمان به صورت فردی، مانند گروه­های اسمی دیدار نمی­کنند. گروه­های کانونی بر خلاف گروه­های دلفی، معمولا از کارشناسان آموزش دیده تشکیل نمی­شوند. گروه­های کانونی برای ایده­های نو (جلسات طوفان ذهنی) برگزار نمی شوند. گروه­های کانونی بیشتر برای گردآوری اطلاعات از افراد غیرمتخصص طراحی می شوند.
گروه­های کانونی بر دیگر روش­های پژوهش برتری دارند، زیرا هدف اصلی آن­ها کشف نگرش­ها، احساسات، باورها، تجربه­ها و واکنش افراد است که با روش­های دیگر مانند مشاهده، مصاحبه فردی و پرسشنامه­های پیمایشی قابل درک نیست. گروه­های کانونی نظرها و فرآیندهای هیجانی درون بافت گروهی را کشف و استنباط می­کنند. پژوهشگر در گروه­های کانونی قادر است که اطلاعات بیشتری را در زمان کوتاه­تری در مقایسه با مصاحبه­های فردی به دست آورد (مورگان و کروگر، 1993). از گروه­های کانونی می­توان به صورت یک روش مستقل و یا به عنوان روشی برای تکمیل دیگر روش­ها، به ویژه برای تطبیق داده­های حاصل از روش های گوناگون و بررسی اعتبار داده ها استفاده کرد ( مورگان، 1988). در این پژوهش، از گروه های کانونی برای تائيد و نهايي كردن ليست­هاي مرتبط با بررسي محيط داخلي و خارجي و راهبردها استفاده شده است.
تعریف :
1- تعریف کروگر ( Kruger ) از گروه­های کانونی:
روشی برای تبادل افکار و مذاکره است که طبق یک برنامه ریزی دقیق طراحی می شود تا ادراکات و بینش مصاحبه شوندگان را در محیطی به دور از تهدید و فشار بسنجد.
2- تعریف مورگان (Morgan ):
گروه­های کانونی شکلی از مصاحبه گروهی هستند اما تمیز و تشخیص بین این دو خیلی مهم است. بطوری که مصاحبه گروهی شامل مصاحبه همزمان تعدادی از افراد بوده و تمرکز اصلی بر پرسش­ها و پاسخ های مطرح شده بین محقق و مصاحبه شوندگان می­باشد.

هدف از ایجاد گروه های کانونی:
تجزیه و تحلیل محصولات، خدمات یا فرآیندها به منظور بهبود آنها یا شناسایی، شفاف سازی، تشریح و اصلاح مساله.
سنجش و ارزیابی یک فرآیند برای تشخیص درست آن.
فراهم کردن اطلاعات واقعی به عنوان راهنمایی در تصمیم گیری، جایگزینی عقاید و نظرات و متمرکز بر داده­های موجود.
ایجاد پایه­ای از دانش مشترک در خصوص یک مساله یا موضوع، مصرف کنندگان و سایر گروه­های هدف در ارتباط با تنوع گسترده­ای از موضوعات و مسائل مختلف.
انعکاس دانش و آگاهی به دست آمده از گروهی به گروه دیگر.


روش اجرای گروه­های کانونی:
انتخاب شرکت­کنندگان گروه­های کانونی، بیشتر بر نمونه­گیری هدف­دار تکیه دارند (میلز و هابرمن، 1984). پژوهشگر، شرکت­کنندگان را بر پایه طرح پژوهش و توانایی همکاری آنان با آن انتخاب می­کند.

تعداد افراد گروه­های کانونی:
پژوهشگران درباره تعداد شرکت­کنندگان در گروه های کانونی اتفاق نظر ندارند. عده­ای معتقدند گروه باید بین 4-12 نفر در صورت متجانس بودن و بین 6-12 نفر برای گروه­های نامتجانس باشد (براون، 1999). تعیین تشکیل تعداد گروه­های کانونی مورد نیاز برای یک بررسی، مشکل­تر از انتخاب تعداد افراد شرکت کننده در هر گروه است، و هیچ کس خارج از گروه پژوهش نمی­تواند در این مورد تصمیم بگیرد. شاید بهترین روش، اجرای متوالی گروه­های کانونی است، تا زمانی که موضوع­های عنوان شده به وسیله شرکت­کنندگان در گروه تکراری نباشند و اطلاعات جدید بیشتری حاصل نشود.

نحوه اجرای گروه‏های کانونی:
اجرای يک گروه کانونی در سه مرحله انجام می‏شود (کروگر، 1988):
مرحله اول: مفهوم‏سازی
در اين مرحله هدف از تشكيل گروه و علت اجرای گروه کانونی؛ نوع اطلاعات به لحاظ اهميت ويژه آنها؛ مرجع درخواست‏کننده اطلاعات مي­شود.
مرحله دوم: مصاحبه
تهيه پرسش­های مربوطه؛ پرسش­های مورد نظر بايستی به صورت دقيق طراحی شوند؛ برای يک جلسه گروه کانونی تعداد 5 تا 6 پرسش کافی است ( بايستی تعداد سؤالات کمتر از 10 مورد باشد).
مرحله سوم: تجزيه و تحليل داده‏ها و تهيه گزارش ( کروگر، 1988):
در اين مرحله داده­ها مورد بررسي و تجزيه و تحليل قرار مي­گيرند، براي اين منظور پاسخ­هاي داده شده از روش تحليل محتوا دسته­بندي شده و مورد استفاده قرار مي­گيرند.

http://analysisacademy.com/wp-content/uploads/2016/11/imagesthesis2-1.jpg
@analysisacademy

وضعیت پایان نامه نویسی در رشته مدیریت در ایران
بررسی گذرای چگونگی وضعیت تحقیقات مدیریت در ایران نشان می دهد دوران کمی گرایی در غرب متعادل شده است، همچنان اثرهای خود را بر شیوه پایان نامه نویسی در رشته مدیریت در کشور ما تداوم بخشیده است. آنچه امروز در فرآیند پایان نامه نویسی در دانشکده های ایران رخ می دهد شکل ناقصی از آن دوران است. علاوه بر انجماد روش شناختی که از ابتدای آغاز مدیریت در ایران اسیر آن بوده ایم بعد از جنگ هشت ساله مدیران دانش آموخته ای در رشته های فنی به دوره های عالی در رشته مدیریت رو آوردند و جریان کمی گرایی افراطی را در این رشته باز تولید کردند. آنها مدلهای پیچیده ریاضی را برای سازمان ها یی طراحی کردند که از ابتدایی ترین مسایل رنج می بردند. از سوی دیگر دیگر پاره ای دانشجویان باورهای مقبول جهانی که بارها آزموده شده اند مورد تردید قرار دادند و همچنان می دهند و هزاران پرسشنامه غیر معتبر توزیع می شود تا بهمیم نقش آموزش چیست یا آموزش بر بهره وری تاثیر دارد ؟ یا اینکه نقش فرهنگ سازمانی بر عملکرد چیست؟
حاصل آن شده است که امروز در کتابخانه دانشکده های مدیریت صدها پایان نامه مشاهده می شود که به مدل ریاضی ختم شده اند که معلوم نیست در کجا کاربرد یافته اند و به کار کجا می آیند؟ یا انواع نمودارهای حاصل از محاسبات با نرم افزار Spss ارایه شدهذ اند که معمولا نانی است که در تنور موسسات پایان نامه نویسی پخته شده است.
به نظر می رسد سنجش اثربخشی پایان نامه های مدیریتی در عرصه کسب و کار ایران خود موضوع چالش برانگیزی برای به صدا درآوردن زنگ خطر هدر رفتن فرصت ملی در این حوزه باشد.