Audio
شرکت کنندگان آزمون دکترا میتوانند برای مشاوره #رایگان تقویت رزومه به ایدی زیر مراجعه فرمایند:
@Drshojaie
@Drshojaie
💠 متغیرهای پنهان و مشاهده پذیر در #معادلات_ساختاری
◀️در تحلیل #SEM به صورت کلی دو نوع متغیر داریم. متغیر مشاهده پذیر ( Observed variable ) و متغیر پنهان ( Latent variable ) .منظور از متغیر مشاهده پذیر متغیرهایی هستند که به صورت مستقیم قابل اندازه گیری می باشند. برای مثال قد، وزن، حقوق ، فشار خون، نمره ی امتحان از جمله متغیرهای مشاهده پذیر هستند. متغیرهای پنهان به صورت مستقیم قابل اندازه گیری نیستند (رضایتمندی، وفاداری، اشتیاق و... ) .
◀️بسیاری از متغیرهایی که در علوم انسانی استفاده می شوند از جنس متغیرهای پنهان هستند. اما چطور این متغیرها را به صورت غیر مستقیم اندازه گیری می کنیم؟ برای این کار از چند متغیر مشاهده پذیر استفاده می کنیم. به عنوان مثال چند سوال طراحی می کنیم تا با استفاده از آنها مفهوم مورد مطالعه را از زوایای مختلف لمس کنیم. این سوالات را به عنوان آیتم ها ( Items ) یا نشانگرهای (Indicators) متغیر پنهان نیز می شناسیم. در واقع از آنجایی که هیچکدام از این سوالات کامل و بی عیب نیستند، با استفاده از چندین سوال ضمن کاهش خطای اندازه گیری ( Measurement error )، پایایی(Reliability ) اندازه گیری مان را بالا می بریم.
◀️برای اندازه گیری متغیرهای پنهان چند سوال طراحی می کنیم تا با استفاده از آن سوالات مفهوم مورد مطالعه را از زوایای مختلف لمس کنیم. این سوالات را نشانگرهای متغیر پنهان می نامیم. نشانگرها از نوع متغیرهای مشاهده پذیر هستند.
💠 @stphd
◀️در تحلیل #SEM به صورت کلی دو نوع متغیر داریم. متغیر مشاهده پذیر ( Observed variable ) و متغیر پنهان ( Latent variable ) .منظور از متغیر مشاهده پذیر متغیرهایی هستند که به صورت مستقیم قابل اندازه گیری می باشند. برای مثال قد، وزن، حقوق ، فشار خون، نمره ی امتحان از جمله متغیرهای مشاهده پذیر هستند. متغیرهای پنهان به صورت مستقیم قابل اندازه گیری نیستند (رضایتمندی، وفاداری، اشتیاق و... ) .
◀️بسیاری از متغیرهایی که در علوم انسانی استفاده می شوند از جنس متغیرهای پنهان هستند. اما چطور این متغیرها را به صورت غیر مستقیم اندازه گیری می کنیم؟ برای این کار از چند متغیر مشاهده پذیر استفاده می کنیم. به عنوان مثال چند سوال طراحی می کنیم تا با استفاده از آنها مفهوم مورد مطالعه را از زوایای مختلف لمس کنیم. این سوالات را به عنوان آیتم ها ( Items ) یا نشانگرهای (Indicators) متغیر پنهان نیز می شناسیم. در واقع از آنجایی که هیچکدام از این سوالات کامل و بی عیب نیستند، با استفاده از چندین سوال ضمن کاهش خطای اندازه گیری ( Measurement error )، پایایی(Reliability ) اندازه گیری مان را بالا می بریم.
◀️برای اندازه گیری متغیرهای پنهان چند سوال طراحی می کنیم تا با استفاده از آن سوالات مفهوم مورد مطالعه را از زوایای مختلف لمس کنیم. این سوالات را نشانگرهای متغیر پنهان می نامیم. نشانگرها از نوع متغیرهای مشاهده پذیر هستند.
💠 @stphd
◀️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
#متغیر_تعدیلگر چیست و نحوه بررسی آن چگونه است؟
◀️اگر جهت یا شدت رابطه ی میان متغیر مستقل و وابسته در سطوح گوناگون یک متغیر سوم، بطور قابل ملاحظه ای تغییر کند، به آن متغیر سوم متغیر تهدیلگر گفته می شود.بدین لحاظ ، متغیر تعدیلگر در یک چهار چوب تحلیل همبستگی بعنوان یک متغیر سوم تلقی می شود که همبستگی مرتبه صفر میان متغیر مستقل و وابسته را بطور معنی داری تغییر می دهد.
👈باورن و کنی(1986) در مقاله خود چهار حالت گوناگون از وضعیت متغیر مستقل و تعدیلگر را به شرح زیر بررسی کردند:
🔺حالت اول: هر دو متغیر مستقل و تعدیلگر از نوع طبقه ای باشند.
🔺حالت دوم: متغیر تعدیلگر از نوع طبقه ای و متغیر مستقل پیوسته باشد.
🔺حالت سوم: متغیر تعدیلگر پیوسته و متغیر مستقل از نوع طبقه ای باشد.
🔺حالت چهارم: هر دو متغیر تعدیلگر و مستقل پیوسته باشند.
1️⃣ نحوه بررسی حالت اول
حالت اول ساده ترین نوع است.در این حالت اثر یک متغیر مستقل چند مقوله ای را بر روی متغیر وابسته، بعنوان تابعی از یک متغیر چند مقوله ای دیگر را تغییر می کند.بطور مثال، مقایسه پیشرفت تحصیلی دختران و پسران در سطوح گوناگون طبقات اجتماعی از این نوع است. روش تحلیل واریانس دو راهه برای بررسی حالت اول مناسب است.
2️⃣ نحوه بررسی حالت دوم
در حالت دوم، متغیر تعدیلگر یک متغیر طبقه ای و متغیر مستقل پیوسته است.برای مثال ، جنسیت بعنوان یک متیر تعدیلگر ،ممکن است رابطه ی میان متغیر مستقل ( استرس) و متغیر وابسته ( سلامت روانی) را تعدیل و تغییر بدهد.
👈شیوه مرسوم برای بررسی نقش تعدیلگری این حالت، بررسی تفاوت همبستگی بین متغیر مستقل و وابسته در سطوح مختلف متغیر تعدیلگر می باشد. که این روش دارای معایبی بوده که آماردانان استفاده از ضرایب رگرسیونی را به جای همبستگی توصیه می کنند.
3️⃣ نحوه بررسی حالت سوم
حالت سوم، متغیر تعدیلگر نوعا پیوسته و متغیر مستقل طبقه ای است.در این حالت باید محقق تمام دانش و تجربه نظری خود را به کار گیرد تا متغیر تعدیلگری را به چندین طبقه تقسیم نماید و مانند حالت اول در خصوص نقش تعدیلگری اظهار نظر نماید.
4️⃣ نحوه بررسی حالت چهارم
در حالت چهارم فرض بر این است که هر دو متغیر مستقل و تعدیلگر پیوسته باشند.که معمولترین و در عین حال مهمترین حالت بررسی تقش متغیرهای تعدیلگری محسوب می شود.
🔸در گام نخست، نمرات استاندارد متغیرهای مستقل و وابسته را محاسبه می کنیم(این عمل در نرم افزار spss براحتی قابل انجام است)
🔸در گام دوم، نمرات استاندارد متغیر مستقل و متغیر تعدیلگر را در هم ضرب کرده و به اصطلاح جمله تعاملی را ایجاد می کنیم.
🔸در گام سوم از رگرسیون سلسله مراتبی استفاده می شودکه در بلوگ اول متغیرهای مستقل و وابسته قرار می گیرد و در بلوک دوم جمله تعاملی وارد می شود.
🔹اگر تاثیر جمله تعاملی بلحاظ آماری تایید گردد یعنی نقش تعدیلگری مورد تایید قرار می گیرد. پس از اینکه مشخص گردید نقش تعدیلگری متغیری در ارتباط بین دو متغیر مستقل و وابسته تایید می شود، باید متغیرهای مستقل و وابسته را به سه گروه یا طبقه با ( نمره بالا ، متوسط و پایین) تقسیم نمایید و سپس با ترسیم نمودار تعاملی این دو متغیر طبقه بندی شده، میانگین متغیر وابسته را بر روی ای نمودار مشاهده نمایید.
💠 @stphd
◀️اگر جهت یا شدت رابطه ی میان متغیر مستقل و وابسته در سطوح گوناگون یک متغیر سوم، بطور قابل ملاحظه ای تغییر کند، به آن متغیر سوم متغیر تهدیلگر گفته می شود.بدین لحاظ ، متغیر تعدیلگر در یک چهار چوب تحلیل همبستگی بعنوان یک متغیر سوم تلقی می شود که همبستگی مرتبه صفر میان متغیر مستقل و وابسته را بطور معنی داری تغییر می دهد.
👈باورن و کنی(1986) در مقاله خود چهار حالت گوناگون از وضعیت متغیر مستقل و تعدیلگر را به شرح زیر بررسی کردند:
🔺حالت اول: هر دو متغیر مستقل و تعدیلگر از نوع طبقه ای باشند.
🔺حالت دوم: متغیر تعدیلگر از نوع طبقه ای و متغیر مستقل پیوسته باشد.
🔺حالت سوم: متغیر تعدیلگر پیوسته و متغیر مستقل از نوع طبقه ای باشد.
🔺حالت چهارم: هر دو متغیر تعدیلگر و مستقل پیوسته باشند.
1️⃣ نحوه بررسی حالت اول
حالت اول ساده ترین نوع است.در این حالت اثر یک متغیر مستقل چند مقوله ای را بر روی متغیر وابسته، بعنوان تابعی از یک متغیر چند مقوله ای دیگر را تغییر می کند.بطور مثال، مقایسه پیشرفت تحصیلی دختران و پسران در سطوح گوناگون طبقات اجتماعی از این نوع است. روش تحلیل واریانس دو راهه برای بررسی حالت اول مناسب است.
2️⃣ نحوه بررسی حالت دوم
در حالت دوم، متغیر تعدیلگر یک متغیر طبقه ای و متغیر مستقل پیوسته است.برای مثال ، جنسیت بعنوان یک متیر تعدیلگر ،ممکن است رابطه ی میان متغیر مستقل ( استرس) و متغیر وابسته ( سلامت روانی) را تعدیل و تغییر بدهد.
👈شیوه مرسوم برای بررسی نقش تعدیلگری این حالت، بررسی تفاوت همبستگی بین متغیر مستقل و وابسته در سطوح مختلف متغیر تعدیلگر می باشد. که این روش دارای معایبی بوده که آماردانان استفاده از ضرایب رگرسیونی را به جای همبستگی توصیه می کنند.
3️⃣ نحوه بررسی حالت سوم
حالت سوم، متغیر تعدیلگر نوعا پیوسته و متغیر مستقل طبقه ای است.در این حالت باید محقق تمام دانش و تجربه نظری خود را به کار گیرد تا متغیر تعدیلگری را به چندین طبقه تقسیم نماید و مانند حالت اول در خصوص نقش تعدیلگری اظهار نظر نماید.
4️⃣ نحوه بررسی حالت چهارم
در حالت چهارم فرض بر این است که هر دو متغیر مستقل و تعدیلگر پیوسته باشند.که معمولترین و در عین حال مهمترین حالت بررسی تقش متغیرهای تعدیلگری محسوب می شود.
🔸در گام نخست، نمرات استاندارد متغیرهای مستقل و وابسته را محاسبه می کنیم(این عمل در نرم افزار spss براحتی قابل انجام است)
🔸در گام دوم، نمرات استاندارد متغیر مستقل و متغیر تعدیلگر را در هم ضرب کرده و به اصطلاح جمله تعاملی را ایجاد می کنیم.
🔸در گام سوم از رگرسیون سلسله مراتبی استفاده می شودکه در بلوگ اول متغیرهای مستقل و وابسته قرار می گیرد و در بلوک دوم جمله تعاملی وارد می شود.
🔹اگر تاثیر جمله تعاملی بلحاظ آماری تایید گردد یعنی نقش تعدیلگری مورد تایید قرار می گیرد. پس از اینکه مشخص گردید نقش تعدیلگری متغیری در ارتباط بین دو متغیر مستقل و وابسته تایید می شود، باید متغیرهای مستقل و وابسته را به سه گروه یا طبقه با ( نمره بالا ، متوسط و پایین) تقسیم نمایید و سپس با ترسیم نمودار تعاملی این دو متغیر طبقه بندی شده، میانگین متغیر وابسته را بر روی ای نمودار مشاهده نمایید.
💠 @stphd
👍1