🔵⚫️🔴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
✍✍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
✍✍ 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
✍😏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
✅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
😏✍✍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
✍✍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
✍✍✍ 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
✍✍ 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
🔵⚫️🔴معادلات ساختاری(بخش هفتم)
✍✍شاخص های برازندگی
✅شاخص مطلق
✅شاخص نسبی
✅شاخص تعدیل یافته
✅شاخص GFI---AGFI
با ماباشید
🌹🌹🌹🌹🌹🌹🌹🌹🌹
@analysisgram
✍✍شاخص های برازندگی
✅شاخص مطلق
✅شاخص نسبی
✅شاخص تعدیل یافته
✅شاخص GFI---AGFI
با ماباشید
🌹🌹🌹🌹🌹🌹🌹🌹🌹
@analysisgram
🔵⚫️🔴معادلات ساختاری (بخش هشتم)
✍✍موارد کاربرد SEM
✅تحلیل عاملی مرتبه دوم
✅تحلیل عاملی تاییدی
✅مدلیابی براساس کوواریانس
✅مدلیابی براساس همبستگی
✅تحلیل مسیر
✅تحلیل رگرسیون
مطالب کانال تحلیلگرام آماری را به اشتراک بگذارید
🙈🙈🙈🙈🙈🙈🙈🙈🙈
@analysisgram
✍✍موارد کاربرد SEM
✅تحلیل عاملی مرتبه دوم
✅تحلیل عاملی تاییدی
✅مدلیابی براساس کوواریانس
✅مدلیابی براساس همبستگی
✅تحلیل مسیر
✅تحلیل رگرسیون
مطالب کانال تحلیلگرام آماری را به اشتراک بگذارید
🙈🙈🙈🙈🙈🙈🙈🙈🙈
@analysisgram
🔵⚫️🔴معادلات ساختاری(بخش نهم)
✍✍ حجم منطقي گروه نمونه:
بر پايه پيشنهاد جميز استيونس در نظر گرفتن پانزده مورد براي هر متغير پيش بين در تحليل رگرسيون چندگانه با روش معمولي کمترين مجذورات استاندارد، يک قاعده سرانگشتي خوب به شمار مي آيد. چون SEM در برخي جنبه ها کاملا مرتبط با رگرسيون چند متغيري است، تعداد 15 مورد به ازاي هر متغير اندازه گيري شده در SEM غير منطقي نيست.
لوهلين نتايج مطالعات مشابه مونت کارلو را با استفاده از مدل هاي تحليل عاملي تاييدي گزارش کرده و پس از بررسي پيشينه هاي پژوهش نتيجه مي گيرد که براي اين طبقه از مدل ها با دو يا چهار عامل، پژوهشگر بايد روي گردآوري دست کم 100 مورد يا بيش از آن 200 مورد برنامه ريزي کند.
@analysisgram
✍✍ حجم منطقي گروه نمونه:
بر پايه پيشنهاد جميز استيونس در نظر گرفتن پانزده مورد براي هر متغير پيش بين در تحليل رگرسيون چندگانه با روش معمولي کمترين مجذورات استاندارد، يک قاعده سرانگشتي خوب به شمار مي آيد. چون SEM در برخي جنبه ها کاملا مرتبط با رگرسيون چند متغيري است، تعداد 15 مورد به ازاي هر متغير اندازه گيري شده در SEM غير منطقي نيست.
لوهلين نتايج مطالعات مشابه مونت کارلو را با استفاده از مدل هاي تحليل عاملي تاييدي گزارش کرده و پس از بررسي پيشينه هاي پژوهش نتيجه مي گيرد که براي اين طبقه از مدل ها با دو يا چهار عامل، پژوهشگر بايد روي گردآوري دست کم 100 مورد يا بيش از آن 200 مورد برنامه ريزي کند.
@analysisgram
⚛متفرقه
✅پایگاههای علمی برای دانلود پایان نامه از دانشگاه های مختلف دنیا
با ما باشید😀😀😀😀😀😀😀
@analysisgram
✅پایگاههای علمی برای دانلود پایان نامه از دانشگاه های مختلف دنیا
با ما باشید😀😀😀😀😀😀😀
@analysisgram
⚛متفرقه
✅ اچ ایندکس در اصطلاحات رایج مقالات:
اچ ایندکس h-index شاخصی عددی است که میکوشد بهرهوری و تأثیرگذاری علمی دانشمندان را به صورت کمی نمایش دهد. این شاخص با در نظر گرفتن تعداد مقالات پر استناد افراد و تعداد دفعات استناد شدن آن مقالات توسط دیگران محاسبه میشود.
😱دانشجویان میتوانند با تعیین اچ ایندکس اساتید خود پی به قدرت علمی استاد مربوطه ببرند که در تعیین استاد راهنما میتواند یکی از فاکتورهای تاثیر گذار باشد.
لینک دانلود pdf چگونگی محاسبه اچ ایندکس
👉👉http://grc.sbmu.ac.ir/uploads/h-index_calculation.pdf
کانال #تحلیلگرام_آماری را به اشتراک بگذارید🌹🌹
@analysisgram
✅ اچ ایندکس در اصطلاحات رایج مقالات:
اچ ایندکس h-index شاخصی عددی است که میکوشد بهرهوری و تأثیرگذاری علمی دانشمندان را به صورت کمی نمایش دهد. این شاخص با در نظر گرفتن تعداد مقالات پر استناد افراد و تعداد دفعات استناد شدن آن مقالات توسط دیگران محاسبه میشود.
😱دانشجویان میتوانند با تعیین اچ ایندکس اساتید خود پی به قدرت علمی استاد مربوطه ببرند که در تعیین استاد راهنما میتواند یکی از فاکتورهای تاثیر گذار باشد.
لینک دانلود pdf چگونگی محاسبه اچ ایندکس
👉👉http://grc.sbmu.ac.ir/uploads/h-index_calculation.pdf
کانال #تحلیلگرام_آماری را به اشتراک بگذارید🌹🌹
@analysisgram
🔵⚫️🔴معادلات ساختاری(بخش دهم)
✍✍ داده هاي کامل يا کاربرد مناسب داده هاي ناکافي:
چنانچه براي تحليل، از داده هاي ورودي خام استفاده شود، اين داده ها بايد کامل و بدون مقادير گمشده باشند. براي کار با داده هاي ناکامل، چندين راه حل پيش تجربي وجود دارد. حذف ليستي که در آن همه نمره هاي مربوط به داده هاي گمشده حذف مي شود و حذف زوجي که در آن همبستگي دو متغيري فقط براي مواردي که داده هاي آن کامل وجود دارد محاسبه مي شود، از راه حل هاي متداول براي کار با مقادير گمشده است. روش ديگر پيش تجربي براي داده گمشده، جايگزين ساختن اين داده ها با ميانگين متغير مربوط است.
@analysisgeram
✍✍ داده هاي کامل يا کاربرد مناسب داده هاي ناکافي:
چنانچه براي تحليل، از داده هاي ورودي خام استفاده شود، اين داده ها بايد کامل و بدون مقادير گمشده باشند. براي کار با داده هاي ناکامل، چندين راه حل پيش تجربي وجود دارد. حذف ليستي که در آن همه نمره هاي مربوط به داده هاي گمشده حذف مي شود و حذف زوجي که در آن همبستگي دو متغيري فقط براي مواردي که داده هاي آن کامل وجود دارد محاسبه مي شود، از راه حل هاي متداول براي کار با مقادير گمشده است. روش ديگر پيش تجربي براي داده گمشده، جايگزين ساختن اين داده ها با ميانگين متغير مربوط است.
@analysisgeram
🔵⚫️🔴معادلات ساختاری(بخش یازدهم)
✅ مدل هاي مختلف رگرسيون:
بسط تحليل رگرسيون خطي که در آن وزن هايي رگرسيون ممکن است مقيد به تساوي با يکديگر باشد، يا برابر با مقادير عددي معيني قرار داده شود. SEM مقايسه ضرايب رگرسيون، واريانس ها، ميانگين ها حتي با گروه هاي بين آزمودني ها چندگانه را به گونه هم زمان امکان پذير مي سازد.
✅مدل هاي ساختاري کوواريانس:
اين فرضيه را که يک ماتريس کوواريانس داراي شکل به خصوصي است آزمون مي کند. براي مثال، مي توانيد اين فرضيه را که مجموعه اي از متغيرها داراي واريانس هاي برابر هستند بيازماييد.
@analysisgram
✅ مدل هاي مختلف رگرسيون:
بسط تحليل رگرسيون خطي که در آن وزن هايي رگرسيون ممکن است مقيد به تساوي با يکديگر باشد، يا برابر با مقادير عددي معيني قرار داده شود. SEM مقايسه ضرايب رگرسيون، واريانس ها، ميانگين ها حتي با گروه هاي بين آزمودني ها چندگانه را به گونه هم زمان امکان پذير مي سازد.
✅مدل هاي ساختاري کوواريانس:
اين فرضيه را که يک ماتريس کوواريانس داراي شکل به خصوصي است آزمون مي کند. براي مثال، مي توانيد اين فرضيه را که مجموعه اي از متغيرها داراي واريانس هاي برابر هستند بيازماييد.
@analysisgram
Book-Software-spss-19-P30eng.com.pdf
4 MB
😍به درخواست یک دوست عزیز فایل آموزشی spssبه همراه شرح برخی از آزمون های پرکاربرد.
☺️امید است مفید واقع شود.
با ماباشید
🌹🌹🌹🌹🌹🌹🌹🌹🌹🌹
@analysisgram
☺️امید است مفید واقع شود.
با ماباشید
🌹🌹🌹🌹🌹🌹🌹🌹🌹🌹
@analysisgram