@onlineeconomi.rar
160.7 MB
#نرم_افزار
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه سوم)
موضوع: بیان نکات کاربردی نرم افزار متلب در گمز
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه سوم)
موضوع: بیان نکات کاربردی نرم افزار متلب در گمز
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
@onlineeconomi.rar
180.8 MB
#نرم_افزار
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه چهارم)
موضوع: بیان نکات کاربردی و نحوه لینک کردن بین دو نرم افزار EXCEL و GAMS
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه چهارم)
موضوع: بیان نکات کاربردی و نحوه لینک کردن بین دو نرم افزار EXCEL و GAMS
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
@onlineeconomi.rar
199 MB
#نرم_افزار
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه پنجم)
موضوع: حل مدل برنامه ریزی تولید
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه پنجم)
موضوع: حل مدل برنامه ریزی تولید
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
@onlineeconomi.rar
247.6 MB
#نرم_افزار
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه ششم)
موضوع: حل مسئله فروشنده دوره گرد
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه ششم)
موضوع: حل مسئله فروشنده دوره گرد
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
@onlineeconomi.rar
66.6 MB
#نرم_افزار
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه هفتم)
موضوع: حل مدل انتخاب تامین کننده
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه هفتم)
موضوع: حل مدل انتخاب تامین کننده
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
@onlineeconomi.rar
179.6 MB
#نرم_افزار
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه هشتم)
موضوع: مکانیابی مسیریابی با تحویل و برداشت همزمان
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه هشتم)
موضوع: مکانیابی مسیریابی با تحویل و برداشت همزمان
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
@onlineeconomi.rar
130.5 MB
#نرم_افزار
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه نهم)
موضوع: کدنویسی یک مدل چند هدفه با استفاده از ادغام روش های مجموع ضرایب وزن دار و LP_Metric
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه نهم)
موضوع: کدنویسی یک مدل چند هدفه با استفاده از ادغام روش های مجموع ضرایب وزن دار و LP_Metric
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
@onlineeconomi.rar
83.5 MB
#نرم_افزار
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه دهم)
موضوع: کدنویسی مسئله مسیریابی موجودی
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه دهم)
موضوع: کدنویسی مسئله مسیریابی موجودی
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
@onlineeconomi.rar
84.7 MB
#نرم_افزار
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه یازدهم)
موضوع: کدنویسی گمز مسئله تخصیص کشتی ها در اسکله
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
#گمز
فیلم آموزشی نرم افزار گمز
(جلسه یازدهم)
موضوع: کدنویسی گمز مسئله تخصیص کشتی ها در اسکله
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
♻️ علت پایین بودن مقدار #آلفای_کرونباخ به لحاظ عملی چیست؟
🔸جدای این موضوع که سوالات پرسشنامه باید یک مفهوم واحد را اندازه گیری کنند و در یک راستا باشند و .... در برخی موارد با رعایت تمامی نکات فنی مربوط به طراحی پرسشنامه، محقق پس از جمع اوری داده متوجه پایین بودن مقدار آلفای کرونباخ میشود. سوال اینجاست که دلیل این امر بر اساس فرمول الفا چیست و مفهوم ان چگونه است؟
🔹پاسخ:
به زبانی بسیار ساده و بدون ارائه فرمولهای محاسباتی باید گفت که الفای کرونباخ همبستگی درونی گویه ها را نشان می دهد...
🔹فرض کنید در یک پرسشنامه از طیف لیکرت 1 تا 5 گزینه ای استفاده شده است، اگر پاسخ دهندگان با پراکندگی بالا به سوالات جواب دهند الفای کرونباخ کاهش خواهد یافت و اگر پراکندگی جوابهای افراد به سوالات کم باشد ،شاهد افزایش الفای کرونباخ خواهیم بود.
👈پس اگر الفای کرونباخ کمتر از حد قابل بود، نشان میدهد که افراد در خصوص سوالات با پراکندگی بالا جواب داده اند. به زبان ساده متغیری با دو سوال را در نظر بگیرید. اگر فردی سوال اول را گزینه 1 زده باشد و در سوال دوم گزینه 5 را انتخاب کرده باشد موجب کاهش الفای کرونباخ خواهد شد.
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
🔸جدای این موضوع که سوالات پرسشنامه باید یک مفهوم واحد را اندازه گیری کنند و در یک راستا باشند و .... در برخی موارد با رعایت تمامی نکات فنی مربوط به طراحی پرسشنامه، محقق پس از جمع اوری داده متوجه پایین بودن مقدار آلفای کرونباخ میشود. سوال اینجاست که دلیل این امر بر اساس فرمول الفا چیست و مفهوم ان چگونه است؟
🔹پاسخ:
به زبانی بسیار ساده و بدون ارائه فرمولهای محاسباتی باید گفت که الفای کرونباخ همبستگی درونی گویه ها را نشان می دهد...
🔹فرض کنید در یک پرسشنامه از طیف لیکرت 1 تا 5 گزینه ای استفاده شده است، اگر پاسخ دهندگان با پراکندگی بالا به سوالات جواب دهند الفای کرونباخ کاهش خواهد یافت و اگر پراکندگی جوابهای افراد به سوالات کم باشد ،شاهد افزایش الفای کرونباخ خواهیم بود.
👈پس اگر الفای کرونباخ کمتر از حد قابل بود، نشان میدهد که افراد در خصوص سوالات با پراکندگی بالا جواب داده اند. به زبان ساده متغیری با دو سوال را در نظر بگیرید. اگر فردی سوال اول را گزینه 1 زده باشد و در سوال دوم گزینه 5 را انتخاب کرده باشد موجب کاهش الفای کرونباخ خواهد شد.
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
♻️سوال:
در مدل تحلیل عاملی تاییدی ( یا مدل ساختاری) ضریب بار عاملی بین متغیر پنهان و یکی از متغیر های مشاهده پذیر بیش از یک شده است. آیا چنین امری منطقی است؟
🍀پاسخ:
خیر منطقی نیست اما گاهی با یکی از این سه روش امکان رفع وجود دارد ولی قطعی نیست.
📌سه راه حل پیشنهادی در صورت وجود بارعاملی استاندارد بیش از عدد یک در نرم افزار AMOS:
۱. عدد ثابت ۱ که بایستی در مدل تاییدی حتماً بر روی یکی از روابط فیکس شود را تغییر دهید. بدین معنا که عدد یک آن فلش را حذف و بر روی فلش دیگری فیکس کرده و مجدد مدل را ران کنید.
۲. اگر مشکل کماکان پابرجا بود، عدد ۱ را از روی فلش ها برداشته و بر روی متغیر پنهان فیکس و مدل را مجدد ران کنید.
۳. اگر باز مشکل پابرجا بود در حالیکه عدد یک بر روی متغیر پنهان فیکس شده، به تمامی فلش های ارتباط دهنده متغیر پنهان به متغیرهای مشاهده گر برچسب String یا همان حروفی بدهید مثلاً همه فلش ها را بصورت aa فیکس کنید و مدل را ران کنید.
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
در مدل تحلیل عاملی تاییدی ( یا مدل ساختاری) ضریب بار عاملی بین متغیر پنهان و یکی از متغیر های مشاهده پذیر بیش از یک شده است. آیا چنین امری منطقی است؟
🍀پاسخ:
خیر منطقی نیست اما گاهی با یکی از این سه روش امکان رفع وجود دارد ولی قطعی نیست.
📌سه راه حل پیشنهادی در صورت وجود بارعاملی استاندارد بیش از عدد یک در نرم افزار AMOS:
۱. عدد ثابت ۱ که بایستی در مدل تاییدی حتماً بر روی یکی از روابط فیکس شود را تغییر دهید. بدین معنا که عدد یک آن فلش را حذف و بر روی فلش دیگری فیکس کرده و مجدد مدل را ران کنید.
۲. اگر مشکل کماکان پابرجا بود، عدد ۱ را از روی فلش ها برداشته و بر روی متغیر پنهان فیکس و مدل را مجدد ران کنید.
۳. اگر باز مشکل پابرجا بود در حالیکه عدد یک بر روی متغیر پنهان فیکس شده، به تمامی فلش های ارتباط دهنده متغیر پنهان به متغیرهای مشاهده گر برچسب String یا همان حروفی بدهید مثلاً همه فلش ها را بصورت aa فیکس کنید و مدل را ران کنید.
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
Forwarded from آموزش نرم افزار های آماری
◀️نکات کاربردی در مورد نصب نرم افزار #pls
نصب نرم افزار pls همیشه رویه ثابتی نداره ، گاهی فقط با لايسنس و گاهی با يوزر و پسورد باید مراحل نصب رو انجام بدید .
مراحل رو به این شکل انجام بدید :
1. وارد سایت pls بشید ( pls- sem . com ) یا www. smart pls . com
2. روی گزینه Download کلیک کنید
3. بعد قسمت پایین صفحه محل ورود ایمیل هست و علت استفاده از نرم افزار ، آدرس ایمیلی که ازش استفاده می کنید رو وارد کنید ، علت استفاده از نرم افزار و هم بنویسید :
I'm student ,....
برای اینکه نرم افزار و رایگان دانلود کنید باید دلایلی مثل دانشجو ، محقق و.....رو ذکر کنید .
4. بعد پیامی مبنی بر اینکه " ثبت نام شما انجام شد و ما کدي رو به ایمیل شما ارسال می کنیم ......" به ایمیل شما ارسال میشه
5. بعد پیامی دیگه به ایمیل شما ارسال میشه که توضیحاتی در رابطه با نرم افزار ارائه کرده و یه کادر آبی رنگ قسمت پایین ایمیل هست که روش Download نوشته شده ، روش کلیک کنید ، وارد سایت pls می شین ، روی گزینه click hereکلیک کنید
6. بعدش احتمالا یه صفحه دیگه باز میشه ، که پايينش نوشته شده : smart pls 2,3 ، see hereروش کلیک کنید و نرم افزار و دانلود کنید
7. لايسنس رو شاید تا دو ساعت و شاید تا چند روز بعد به ایمیل شما ارسال کنند .
8. بعد از دانلود، نرم افزار تو قسمت Winrar قرار می گیره ، چون به حالت فشرده است و باید از حالت فشرده خارج بشه .
9. نرم افزار دانلود شده به فرمت zip هست و باید به فرمت exe خارج بشه تا بتونيد اجراش کنید
10. توی winrar توی درایو c برنامه رو پیدا کنید( البته باید توی programs نباشه، مثلا تو فایل user / c باشه ) روی برنامه کلیک کنید ، گزینه extract to ....رو بزنید( فایل به فرمت exe تبدیل میشه ) ، محل ذخیره فایل رو مشخص کنید ( توی درایو c و دسکتاپ ذخیره اش نکنید ) .
11. داده ها رو در نرم افزار spss به فرمت csv تبدیل کنید و از منوی file در pls فراخوانی کنید
12. مدل و رسم کنید و یک بار بعد از فراخوانی داده ها مدل و run کنید
13. ممکنه دفعه بعد که ميخوايد نرم افزار و باز کنید پیامی بیاد که لايسنس رو وارد کنید ، اگه به ایمیل شما ارسال شده باشه تو کادر باز شده کپی پیست کنید و مراحل نصب به اتمام می رسه .
💠 @stphd
نصب نرم افزار pls همیشه رویه ثابتی نداره ، گاهی فقط با لايسنس و گاهی با يوزر و پسورد باید مراحل نصب رو انجام بدید .
مراحل رو به این شکل انجام بدید :
1. وارد سایت pls بشید ( pls- sem . com ) یا www. smart pls . com
2. روی گزینه Download کلیک کنید
3. بعد قسمت پایین صفحه محل ورود ایمیل هست و علت استفاده از نرم افزار ، آدرس ایمیلی که ازش استفاده می کنید رو وارد کنید ، علت استفاده از نرم افزار و هم بنویسید :
I'm student ,....
برای اینکه نرم افزار و رایگان دانلود کنید باید دلایلی مثل دانشجو ، محقق و.....رو ذکر کنید .
4. بعد پیامی مبنی بر اینکه " ثبت نام شما انجام شد و ما کدي رو به ایمیل شما ارسال می کنیم ......" به ایمیل شما ارسال میشه
5. بعد پیامی دیگه به ایمیل شما ارسال میشه که توضیحاتی در رابطه با نرم افزار ارائه کرده و یه کادر آبی رنگ قسمت پایین ایمیل هست که روش Download نوشته شده ، روش کلیک کنید ، وارد سایت pls می شین ، روی گزینه click hereکلیک کنید
6. بعدش احتمالا یه صفحه دیگه باز میشه ، که پايينش نوشته شده : smart pls 2,3 ، see hereروش کلیک کنید و نرم افزار و دانلود کنید
7. لايسنس رو شاید تا دو ساعت و شاید تا چند روز بعد به ایمیل شما ارسال کنند .
8. بعد از دانلود، نرم افزار تو قسمت Winrar قرار می گیره ، چون به حالت فشرده است و باید از حالت فشرده خارج بشه .
9. نرم افزار دانلود شده به فرمت zip هست و باید به فرمت exe خارج بشه تا بتونيد اجراش کنید
10. توی winrar توی درایو c برنامه رو پیدا کنید( البته باید توی programs نباشه، مثلا تو فایل user / c باشه ) روی برنامه کلیک کنید ، گزینه extract to ....رو بزنید( فایل به فرمت exe تبدیل میشه ) ، محل ذخیره فایل رو مشخص کنید ( توی درایو c و دسکتاپ ذخیره اش نکنید ) .
11. داده ها رو در نرم افزار spss به فرمت csv تبدیل کنید و از منوی file در pls فراخوانی کنید
12. مدل و رسم کنید و یک بار بعد از فراخوانی داده ها مدل و run کنید
13. ممکنه دفعه بعد که ميخوايد نرم افزار و باز کنید پیامی بیاد که لايسنس رو وارد کنید ، اگه به ایمیل شما ارسال شده باشه تو کادر باز شده کپی پیست کنید و مراحل نصب به اتمام می رسه .
💠 @stphd
💠 تفاوت همبستگی اسپیرمن و پیرسون چیست؟
🔸همبستگی رتبه ای اسپیرمن یک روش برای محاسبه همبستگی بین دو متغیر ترتیبی و همبستگی پیرسون برای محاسبه همبستگی میان دو متغیر فاصله ای یا نسبی است.
🔸کارایی ضریب همبستگی رتبه ای اسپیرمن به دلیل ناپارامتری بودن، از ضریب همبستگی پیرسون کمتر است.
🔸محاسبه ضریب همبستگی رتبه ای اسپیرمن به این دلیل که به پیش فرض های کمتری نیاز دارد، نسبت به محاسبه ضریب همبستگی پیرسون ساده تر است.
🔸اسپیرمن روابط غیرخطی را بررسی می کند و پیرسون روابط خطی را بررسی می کند.
🔹برای محاسبه ضریب همبستگی میان دو گروه از داده هایی که از توزیع مشخصی پیروی می کنند (مانند توزیع نرمال، نمایی، کوشی و …) باید از یک روش پارامتری به نام همبستگی پیرسون استفاده کنید در حالی که اگر داده های شما در دو گروه از توزیع مشخصی پیروی نکنند، باید آن ها را رتبه گذاری کنید و برای محاسبه ضریب همبستگی بین آن ها از همبستگی رتبه ای اسپیرمن استفاده کنید، بنابراین اصلی ترین تفاوت این دو روش در پارامتری و ناپارامتری بودن آن هاست.
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
🔸همبستگی رتبه ای اسپیرمن یک روش برای محاسبه همبستگی بین دو متغیر ترتیبی و همبستگی پیرسون برای محاسبه همبستگی میان دو متغیر فاصله ای یا نسبی است.
🔸کارایی ضریب همبستگی رتبه ای اسپیرمن به دلیل ناپارامتری بودن، از ضریب همبستگی پیرسون کمتر است.
🔸محاسبه ضریب همبستگی رتبه ای اسپیرمن به این دلیل که به پیش فرض های کمتری نیاز دارد، نسبت به محاسبه ضریب همبستگی پیرسون ساده تر است.
🔸اسپیرمن روابط غیرخطی را بررسی می کند و پیرسون روابط خطی را بررسی می کند.
🔹برای محاسبه ضریب همبستگی میان دو گروه از داده هایی که از توزیع مشخصی پیروی می کنند (مانند توزیع نرمال، نمایی، کوشی و …) باید از یک روش پارامتری به نام همبستگی پیرسون استفاده کنید در حالی که اگر داده های شما در دو گروه از توزیع مشخصی پیروی نکنند، باید آن ها را رتبه گذاری کنید و برای محاسبه ضریب همبستگی بین آن ها از همبستگی رتبه ای اسپیرمن استفاده کنید، بنابراین اصلی ترین تفاوت این دو روش در پارامتری و ناپارامتری بودن آن هاست.
👇👇👇
💠 @stphd
#منابع_پارس_پژوهه
@paphd 546786.pdf
1 MB
خلاصه کتاب
موضوع: آمار و احتمال
اثر: محسن طورانی
بخش اول
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_پروپوزال_مقاله_پایاننامه
#منابع_پارس_پژوهه
موضوع: آمار و احتمال
اثر: محسن طورانی
بخش اول
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_پروپوزال_مقاله_پایاننامه
#منابع_پارس_پژوهه
@paphd 546786.pdf
1 MB
خلاصه کتاب
موضوع: آمار و احتمال
تدریس و تمرین
اثر: محسن طورانی
بخش دوم
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_پروپوزال_مقاله_پایاننامه
#منابع_پارس_پژوهه
موضوع: آمار و احتمال
تدریس و تمرین
اثر: محسن طورانی
بخش دوم
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_پروپوزال_مقاله_پایاننامه
#منابع_پارس_پژوهه
شاخص های پایایی و روایی در مدل های تحلیل عاملی تاییدی
در آموزش های گذشته به بررسی نصب پلاگین ها در آموس برای نسخه های 24 به بالا و کمتر از آن پرداختیم و در اولین آموزش به کمک پلاگین، آزمون متغیر میانجی را در AMOS انجام دادیم. در این آموزش قصد داریم به کمک پلاگین " Validity and Reliability" روایی و پایایی مدل تحلیل عاملی تاییدی را بررسی کنیم. اگر عامل های پنهان در مدل، روایی و پایایی کافی را نشان ندهند برازش مدل معادلات ساختاری بی فایده خواهد بود
این شاخص ها عبارتند از:
Composite Reliability (CR) ( پایایی ترکیبی)
Average Variance Extracted (AVE)( میانگین واریانس استخراج شده)
Maximum Shared Variance (MSV)( حداکثر واریانس مشترک)
Average Shared Variance (ASV)(میانگین واریانس مشترک
http://www.spss-pasw.ir/360/cr-ave/
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_پروپوزال_مقاله_پایاننامه
#منابع_پارس_پژوهه
در آموزش های گذشته به بررسی نصب پلاگین ها در آموس برای نسخه های 24 به بالا و کمتر از آن پرداختیم و در اولین آموزش به کمک پلاگین، آزمون متغیر میانجی را در AMOS انجام دادیم. در این آموزش قصد داریم به کمک پلاگین " Validity and Reliability" روایی و پایایی مدل تحلیل عاملی تاییدی را بررسی کنیم. اگر عامل های پنهان در مدل، روایی و پایایی کافی را نشان ندهند برازش مدل معادلات ساختاری بی فایده خواهد بود
این شاخص ها عبارتند از:
Composite Reliability (CR) ( پایایی ترکیبی)
Average Variance Extracted (AVE)( میانگین واریانس استخراج شده)
Maximum Shared Variance (MSV)( حداکثر واریانس مشترک)
Average Shared Variance (ASV)(میانگین واریانس مشترک
http://www.spss-pasw.ir/360/cr-ave/
🎓 @stphd
─┅─═ঊঈ 📚📚 ঊঈ═─┅─
#منابع_پروپوزال_مقاله_پایاننامه
#منابع_پارس_پژوهه