✅مقایسه تخصصی autoCAD وEPLAN
✋مورد دوم pdfکردن

@analysisgram

🔴⚫️🔵معادلات ساختاری (بخش چهارم)

✅What is SEM?
• Many names
» structural equation modeling » covariance structure analysis (or covariance structure modeling or analysis of covariance
structure)
» causal modeling
» path analysis (with latent variables)
• Several computer programs » LISREL [LInear Structural RELationships]
• the original
» EQS [EQuationS]
» AMOS [Analysis of Moment Structures]
• can be integrated with SPSS
» CALIS, LISCOMP, RAMONA, SEPATH, and others

با ما باشید
👇👇👇👇👇👇👇👇
@analysisgram

✅آموزش مقدماتیspss(بخش چهارم)

✍✍پیش فرض‌های تحلیل واریانس یک یکطرفه(ANOVA)
۱- متغیر وابسته شما (در اینجا سن) باید در سطح فاصله‌ای یا نسبی باشد.
۲- متغیر مستقل (در اینجا گروه دانشگاهی) باید اسمی یا رتبه‌ای باشد.
۳- توزیع داده‌های متغیر وابسته باید به صورت نرمال باشد (تحلیل کولموگروف – اسمیرنوف).

✍✍اجرای آموزش تحلیل واریانس یک راهه(ANOVA) در SPSS
نرم افزار SPSS را باز کرده و به مسیر زیر بروید: 
Analyze> Compare Means> One Way Anova.

با ما باشید
@analysisgram

✅آموزش مقدماتی متلب (بخش هفتم)

✍لینک رسم توابع به صورت انلاین
👇👇👇👇👇👇👇👇
http://fooplot.com/index.php?#W3sidHlwZSI6MCwiZXEiOiJ4XjIiLCJjb2xvciI6IiMwMDAwMDAifSx7InR5cGUiOjEwMDB9XQ

به ما ملحق شوید😊

@analysisgram

✅آموزش مقدماتی spss(بخش پنجم )

✍✍نمونه آزمون های ناپارامتریک

👌آزمون علامت تک نمونه : برای آزمون فرض پیرامون میانگین یک جامعه استفاده می شود.
👌آزمون علامت زوجی : برای آزمون فرض پیرامون دو میانگین از یک جامعه استفاده می شود.
👌ویلکاکسون : همان آزمون علامت زوجی است که در آن اختلاف نسبی تفاوت از میانگین لحاظ می شود.
👌من-ویتنی: به آزمون U نیز موسوم است و جهت مقایسه میانگین دو جامعه استفاده می شود.
👌کروسکال-والیس: از این آزمون به منظور بررسی اختلاف میانگین چند جامعه آماری استفاده می شود. به آزمون H نیز موسوم است و تعمیم آزمون U مان-ویتنی می باشد. آزمون کروسکال-والیس معادل روش پارامتریک آنالیز واریانس تک عاملی است.
👌فریدمن: این آزمون معادل روش پارامتریک آنالیز واریانس دو عاملی است که در آن k تیمار به صورت تصادفی به n بلوک تخصیص داده شده اند.
👌کولموگروف-اسمیرنف : نوعی آزمون نیکوئی برازش برای مقایسه یک توزیع نظری با توزیع مشاهده شده است.
👌آزمون تقارن توزیع : در این آزمون شکل توزیع مورد سوال قرار می گیرد. فرض بدیل آن است که توزیع متقارن نیست.
👌آزمون میانه : جهت مقایسه میانه دو جامعه استفاده می شود و برای k جامعه نیز قابل تعمیم است.
👌مک نمار : برای بررسی مشاهدات زوجی درباره متغیرهای دو ارزشی استفاده می شود.
👌آزمون Q کوکران: تعمیم آزمون مک نمار در k نمونه وابسته است.
👌ضریب همبستگی اسپیرمن: برای محاسبه همبستگی دو مجموعه داده که به صورت ترتیبی قرار دارند استفاده می شود

@analysisgram

✅متفرقه
✍✍سایت برای دانلود رایگان مقاله:
برای دانلود رایگان مقالات مورد نظر کافیست لینک زیر را لمس کنید و عنوان مقاله را وارد کنید. لازم به ذکر است که این سایت مقالاتی که دریافتشان به راحتی امکان پذیر نمی باشد را در اختیارتان می گذارد.
www.sci-hub.cc

با ماباشید
@analysisgram

✅آموزش مقدماتیspss(بخش چهارم)

✍🙂آزمون تی تست تک نمونه ای درspss
در این آزمون میانگین نمونه با میانگین جامعه مقایسه می شود بطور مثال در فرض مقابل هدف این است که میانگین نمونه از میانگین جامعه بزرگتر است ⁉️⁉️⁉️⁉️⁉️⁉️⁉️⁉️⁉️⁉️
توجه به دو نکته ضروری هست اول اینکه هرگاه سطح معنی داری آزمون کمتر از 5 صدم باشد در سطح اطمینان 95 صدم میانگین نمونه با میانگین جامعه اختلاف دارد.

در مرحله دوم باید به ستون اختلاف میانگین ها نگاه کنیم هرگاه در این ستون مقدار اختلاف میانگین ها کوچکتر از صفر باشد فرض صفر رد و فرض شما تایید میشود.

✅✅✅✅✅✅✅✅✅✅
انجام انواع پروژه های آماری پذیرفته میشود.
@analysisgram

⚛متفرقه
✍✍سایت دانلود رایگان کتاب

www.readbook.ir
www.ketabnak.com
www.urbanity.ir
www.takbook.com
www.irpdf.com
www.parsbook.org
www.irebooks.com
www.farsibooks.ir
www.ketabesabz.com

با ما باشید
🌹🌹🌹🌹🌹🌹🌹🌹🌹
@analysisgram

✅آموزش مقدماتی spss(بخش چهارم)

✍😌آزمون تی تست دو نمونه ای در spss
پیش فرض های این آزمون عبارتند از
📈نرمال بودن متغیرها در دو گروه
📈بررسی همسانی واریانس ها با استفاده از آزمون لون
در این آزمون هر گاه سطح معنی داری کمتر از 5 صدم باشد فرض همسانی واریانس ها رد می شود.
✅✅✅✅✅✅✅✅✅👌
انجام انواع پروژه های آماری پذیرفته میشود.
@analysisgram

✅آموزش مقدماتی spss(بخش چهارم-پنجم)
✍✍آزمون مناسب با توجه به نوع داده

@analysisgram

معادلات ساختاری بخش پنجم
@analysisgram

⚛متفرقه

👌دسترسي به متن کامل پايان نامه هاي 435 دانشگاه از 24 کشور اروپايي
http://www.dart-europe.eu/basic-search.php

👌دسترسي رايگان به بانک مقالات
دانشگاه کاليفرنيا
http://escholarship.org/

👌دسترسي رايگان به بانک مقالات
دانشگاه TENNESSEE
http://www.lib.utk.edu:90/cgi-perl/dbBro...i?help=148

👌دسترسي رايگان به مقالات علمي 1753 ژورنال دانشگاه استنفورد
http://highwire.stanford.edu/

به ما ملحق شوید
👇👇👇👇👇👇👇👇👇
@analysisgram

🔵⚫️🔴معادلات ساختاریSEM(بخش پنجم)

✍✍تحلیل عاملی می‌تواند دو صورت اکتشافی و تاییدی داشته باشد. اینکه کدام یک از این دو روش باید در تحلیل عاملی به کار رود مبتنی بر هدف تحلیل داده هاست. تمایز مهم روش‌های تحلیل اکتشافی و تاییدی در این است که روش اکتشافی با صرفه‌ترین روش تبیین واریانس مشترک زیربنایی یک ماتریس همبستگی را مشخص می‌کند. در حالی که روش‌های تاییدی (آزمون فرضیه) تعیین می‌کنند که داده‌ها با یک ساختار عاملی معین (که در فرضیه آمده) هماهنگ اند یا نه.

از سوی دیگر بیشتر مطالعات ممکن است تا حدی هم اکتشافی و هم تاییدی باشند زیرا شامل متغیر معلوم و تعدادی متغیر مجهول‌اند. متغیرهای معلوم را باید با دقت زیادی انتخاب کرد تا حتی الامکان درباره متغیرهای نامعلومی که استخراج می‌شود اطلاعات بیشتری فراهم‌اید. مطلوب آن است که فرضیه ای که از طریق روش‌های تحلیل اکتشافی تدوین می‌شود از طریق قرار گرفتن در معرض روش‌های آماری دقیق‌تر تایید یا رد شود. تحلیل اکتشافی نیازمند نمونه‌هایی با حجم بسیار زیاد می‌باشد.

👌👌👌👌👌👌👌👌👌👌
@analysisgram

🔵⚫️🔴معادلات ساختاری(بخش پنجم)

✍✍تحلیل عاملی تاییدی(Confirmatory factor analysis (CFA) ): طی آن محقق انتظار دارد طرح و نقشه خاصی از عوامل پنهان در ماورای متغیرها را بیازماید. در این نوع، انتظار می رود متغیرها چیدمان خاصی داشته باشند. در این روش محقق به آزمون فرضیاتی مربوط به یک ساختار عاملی خاص اقدام می کند. در این تحلیل پژوهشگر به دنبال تهیه مدلی است که فرض می‌شود داده‌های تجربی را بر پایه چند پارامتر نسبتا اندک، توصیف تبیین یا توجیه می‌کند. این مدل مبتنی بر اطلاعات پیش تجربی درباره ساختار داده هاست که می‌تواند به یکی از اشکال زیر باشد:
👌یک تئوری یا فرضیه
👌یک طرح طبقه بندی کننده معین برای گویه‌ها یا پاره تستها در انطباق با ویژگی‌های عینی شکل و محتوا
👌شرایط معلوم تجربی
👌دانش حاصل از مطالعات قبلی درباره داده‌های وسیع.
✍این شکل از تحلیل عاملی از طریق نرم افزارهای Lisrel و Amos و … محاسبه می شود.

@analysisgram

✅آموزش مقدماتی spss(بخش ششم)

✍✍ فرضیه‌های پارامتریک و فرضیه‌های ناپارامتریک:
این نوع فرضیه‌ها، برحسب سطح سنجش متغیرها دسته‌بندی می‌شوند. به صورتی که سطح سنجش متغیر فرضیه‌های پارامتریک کمی و سطح سنجش متغیر موجود در فرضیه‌های ناپارامتریک، کیفی می‌باشد.

✍✍فرضیه‌های رابطه‌ای و فرضیه‌های مقایسه‌ای:
این نوع فرضیه‌ها براساس این که قائل به وجود رابطه بین متغیرهای موجود در فرضیه هستند یا وجود تفاوت میانگین بین گروه‌های مورد بررسی به دو دسته رابطه‌ای و مقایسه‌ای دسته‌بندی می‌شوند.
مثال فرضیه رابطه‌ای: به نظر می‌رسد بین درآمد و رضایت شغلی رابطه معناداری وجود دارد.
مثال فرضیه مقایسه‌ای: به نظر می رسد میزان رضایت شغلی در بین زنان و مردان متفاوت است.

به ما ملحق شوید
👇👇👇👇👇👇👇👇👇
@analysisgram

✅آموزشPLS(بخش اول)

✍😏از مدل‌يابي معادلات ساختاري با كمك روش حداقل مربعات جزيي و نرم افزار PLS، جهت آزمون فرضيات و صحّت مدل استفاده میشود.
پی‌ال‌اس نگرشي مبتني بر واريانس است كه در مقايسه با تكنيكهاي مشابه معادلات ساختاري همچون آموس و- لیزرل شروط كمتري دارد.  به طور مثال بر خلاف ليزرل، مدل‌يابي مسير پی‌ال‌اس براي كاربردهاي واقعي مناسب‌تر است، به ويژه هنگامي كه مدلها پيچيده‌تر هستند، بهره‌گيري از اين نگرش مطلوبتر خواهد بود. مزيت اصلي آن در اين است كه اين نوع مدل‌يابي نسبت به ليزرل به تعداد کمتری از نمونه نياز دارد. محدوديت حجم نمونه ندارد و نمونه انتخاب شده مي تواند برابر يا كمتر از 30 باشد، كه در اين صورت نتايج نيز معتبر است. همچنين به عنوان متدي قدرتمند مطرح مي‌شود، در شرايطي كه تعداد نمونه‌ها و آيتم‌هاي اندازه‌گيري محدود است و توزيع متغيرها ميتواند نامعين باشد.

@analysisgram

✅آموزش pls(بخش دوم)
pls path modeling

به ما ملحق شوید
👇👇👇👇👇👇👇👇👇👇
@analysisgram

✅مدل مفهومی در PLS (بخش سوم)

😏✍✍برای آزمون مدل مفهومی پژوهش می توان از PLS که یک فن مدل سازی مسیر واریانس محور است، استفاده کرد. این تکنیک امکان بررسی روابط متغیرهای پنهان و سنجه ها (متغیرهای قابل مشاهده) را بصورت همزمان فراهم می سازد. از این روش زمانی که حجم نمونه کوچک بوده و یا توزیع متغیرها نرمال نباشد استفاده می شود. در مدل های PLS دو مدل آزمون می شود: مدل‌های بیرونی و مدل های درونی. مدل بیرونی یا Outer Model مشابه اندازه گیری (CFA) و مدل درونی یا Inner Model مشابه تحلیل مسیر در مدل های معادلات ساختاری است . پس از آزمون مدل بیرونی لازم است تا مدل درونی که نشانگر ارتباط بین متغیرهای مکنون پژوهش است، ارایه شود. با استفاده از مدل درونی می توان به بررسی فرضیه های پژوهش مدل پرداخت.

به ما ملحق شوید در کانال زیر
👌👌👌👌👌👌👌👌👌
@analysisgram

🔵⚫️🔴معادلات ساختاری (بخش ششم)

✍✍تحليل مسير :برای نخستين بار از سوي سوول رايت توسعه يافت گسترش روش هاي رگرسيون و در حقيقت، کاربرد رگرسيون چندمتغيري در ارتباط با تدوين بارز مدل هاي علي است. هدف آن به دست آوردن برآوردهاي کمي روابط علي بين مجموعه اي از متغيرهاست. روابط بين متغيرها در يک جهت جريان مي يابد و به عنوان مسيرهاي متمايزي در نظر گرفته مي شود.
مفاهيم تحليل مسير در بهترين صورت از طريق ويژگي عمده آن يعني نمودار مسير که پيوندهاي علي احتمالي بين متغيرها را آشکار مي سازد، تبيين مي شود. براي تهيه نمودار مسير، اسامي متغيرها را نوشته و از هر متغير پيکاني به سوي متغير ديگري که معتقديم در آن تاثير دارد رسم مي کنيم. براي درک بهتر مطلب ارجح است بين نمودارهاي درونداد و برونداد تمايز قايل شويم. نمودار درونداد از پيش براي کمک به تحليل رسم مي شود و بيانگر پيوندهاي علي پيش بيني شده از سوي فرضيه پژوهشگر است. اما نمودار برونداد آنچه را که واقعا در نتيجه تحليل آماري به دست آمده است نشان مي دهد.

با ما باشید
🌹🌹🌹🌹🌹🌹🌹🌹🌹🌹
@analysisgram

🔵⚫️🔴معادلات ساختاری(بخش ششم)

✍✍✍ تحلیل مسير چه کاري مي تواند انجام دهد؟ آنچه با اجراي اين روش مي توان انجام داد، بررسي الگوي روابط بين چندين متغير است، در حالي که رابطه احتمالي علي ميان آنها تاييد و رد نمي شود. روشن است که اگر دو يا چند فرضيه علي از پيش تعيين شده را بتوان در يک نمودار مسير درونداد نمايش داد، اندازه هاي نسبي ضرايب مسير در نمودار برونداد ممکن است بيان کند که کدام يک از آنها از طريق داده ها بهتر پشتيباني مي شود.

به ما ملحق شوید
👌👌👌👌👌👌👌👌👌
@analysisgram

🔵⚫️🔴معادلات ساختاری(بخش ششم)

✍✍ نخستين گام در تحليل مسير، تعيين يک مدل ساختاري پيش تجربي است که همه متغيرهاي مورد علاقه پژوهشگر را در بر مي گيرد. مدل ساختاري شامل يک مجموعه معادله ساختاري است که روابط علي ممکن بين متغيرها را توصيف مي کند. در اين فرآيند ابتدا يک سلسله مراتب علي مطرح مي شود که درآن برخي متغيرها ممکن است علت احتمالي متغيرهاي ديگر باشد، اما به طور قطع نمي تواند معلول آنها باشد. به بيان ديگر، ترتيب متغيرها به گونه اي است که متغيري که در مرتبه بالاتر اين سلسله مراتب قرار دارد ممکن است علت متغير مرتبه پايين تر از آن باشد، اما بعيد است متغير پايين تر علت متغير مرتبه بالاتر از آن باشد.

مارا به دوستانتان معرفی کنید
😊😊😊😊😊😊😊😊😊
@analysisgram