در علوم مختلف گاهی اوقات فرضیه‌هایی مطرح میشود که در آن نیاز به بررسی تعامل چندین متغیر با یکدیگر وجود دارد. در این موارد معمولاً از مدلسازی استفاده میشود و برای تحلیل یک مدل نرم افزارهای مختلفی در دسترس میباشد. مدلهای بسیار ساده را میتوان با نرم افزارهایی مانند SPSS نیز انجام داد اما معمولاً از سه نرم افزار شناخته شده یعنی لیزرل، ایموس و پی ال اس بیشتر استفاده میشود.
نرم افزار Smart PLS در سال ۲۰۰۵ معرفی شد و برخلاف نرم افزارهای دیگر مانند لیزرل و ایموس که از روش کوواریانس محور استفاده می‌کردند، در PLS از روش حداقل مربعات جزئی استفاده میشود. در تحلیل آماری با PLS سعی براین است که با استفاده از نشانگرهای گرافیکی به جای نوشتن فرامین بلند و پیچیده، طراحی مدل معادلات ساختاری انجام گیرد. با توجه به کاربرد روز افزون این نرم افزار در مدلسازی، موسسه نیتیو پیپر خدمات کاملی را در زمینه تحلیل آماری با PLS ارائه میدهد که در ادامه با آنها آشنا خواهید شد.
خدمات مرتبط با تحلیل آماری با PLS
نرم افزار PLS را باید نرم افزار جدیدی دانست که مبتنی بر نسل دوم مدلسازی معادلات ساختاری معروف به رویکرد حداقل مربعات جزئی است. از جمله مزایای این رویکرد جدید شامل کار با داده‌های کمتر، نداشتن حساسیت به نرمال بودن داده‌ها، توانایی پیش بینی مدلهای پیچیده و قابلیت مدل اندازه گیری ترکیبی و انعکاسی است و همین عامل سبب شده است که نرم افزار PLS در میان پژوهشگران به شدت محبوب شود.
در همین راستا گروه علمی پژوها نیز با استفاده از تیمی از پژوهشگران برجسته در رشته‌های مختلف، آماده انجام تمامی پروژه‌های پژوهشی است که قصد مدلسازی با نرم افزار PLS را دارند. همکاران ما در رشته‌های مختلف از جمله رشته‌های روانشناسی و مشاوره، علوم تربیتی، علوم اجتماعی، مدیریت، اقتصاد، حسابداری، علوم پزشکی و سایر رشته‌ها، آمادگی دارند تحلیل آماری با PLS را مبتنی بر پروپوزال یا موضوع مقاله به انجام برسانند.
– تحلیل آماری با نرم افزار PLS در رشته‌های روانشناسی، مشاوره و علوم تربیتی
– تحلیل آماری با PLS در رشته‌های مدیریت، اقتصاد و حسابداری
– تحلیل آماری با نرم افزار PLS در رشته‌های علوم اجتماعی و سایر حوزه‌های علوم انسانی
– تحلیل آماری با PLS در رشته‌های علوم پزشکی و سایر رشته‌های حوزه بهداشت و سلامت
– تحلیل آماری با نرم افزار PLS در تمامی رشته‌های دیگر علمی و دانشگاهی
جهت ثبت سفارش به یکی از راه های ارتباطی زیر مراجعه فرمایید:
شماره تماس:۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
در برخی از پژوهش‌ها، محققان علاقه به بررسی تاثیرات متقابل تعداد زیادی متغیر دارند. برای تجزیه و تحلیلیافته‌های این گونه مطالعات از نرم افزارهای متنوعی استفاده میشود که یکی از آنها نرم افزارها ایموس میباشد. تحلیل آماری با استفاده از ایموس AMOS در مقایسه با نرم افزارهای دیگر مزایا و معایبی دارد که در اینجا با برخی از آنها آشنا خواهید شد.
مزایای
۱- ایموس مدل یابی معادلات ساختاری را به شیوه ترسیمی انجام میدهد که همین عامل باعث افزایش سرعت در تعریف، و محاسبه مدل‌ها شده است.
۲- در این نرم افزار تقریباً هیچ پیش فرضی در مدل ترسیم شده وجود ندارد و همه چیز باید توسط کاربر تعریف شود. برخی از پژوهشگران آزادی عمل در این زمینه را از مزایای این نرم افزار می‌دانند.
خدمات مرتبط با تحلیل آماری با ایموس AMOS
گروه علمی پژوها با داشتن افراد مجرب در زمینه تحلیل آماری با ایموس AMOS آمادگی خود را برای کلیه تحلیل‌های لازم برای پایان نامه یا مقالات دانشجویان و پژوهشگران را با بالاترین کیفیت و در کمترین زمان اعلام می دارد.
برخی از تحلیل‌های قابل انجام با نرم افزار ایموس عبارتند از:
– انجام تحلیل مسیر با ایموس AMOS
– انجام مدل یابی معادلات ساختاری با ایموس AMOS
– انجام تحلیل عاملی تائیدی با ایموس AMOS
– انجام آزمون مدل اندازه گیری با ایموس AMOS
در رشته‌های مختلف علمی امکان استفاده از مدل یابی وجود دارد اما به دلایل مختلف این قبیل پژوهش‌ها در رشته‌های علوم انسانی بیشتر است. گروه علمی پژوها آمادگی دارد در تمامی رشته‌های علمی و دانشگاهی خدمات مرتبط با تحلیل آماری با استفاده از نرم افزار آماری ایموس را به دانشجویان و پژوهشگران ارائه دهد. برخی از رشته‌های تحت پوشش در این زمینه عبارتند از:
– تحلیل آماری با ایموس AMOS در رشته‌های مشاوره، علوم تربیتی و روانشناسی
– تحلیل آماری با ایموس AMOS در رشته‌های حسابداری، اقتصاد و مدیریت
– تحلیل آماری با ایموس AMOS در رشته‌های علوم اجتماعی و سایر حوزه‌های علوم انسانی
– تحلیل آماری با ایموس AMOS در رشته‌های بهداشت، سلامت و سایر حوزه‌های علوم پزشکی
– تحلیل آماری با ایموس AMOS در تمامی رشته‌های دیگر علمی و دانشگاهی
جهت ثبت سفارش به یکی از راه های ارتباطی زیر مراجعه فرمایید
شماره تماس:۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
تحلیل آماری با لیزرل : لیزرل یک محصول نرم افزاری است که از آن برای برآورد و آزمون مدلهای معادلات ساختاری استفاده می شود. برای تحلیل آماری با لیزرل ازهمبستگی و کوواریانس استفاده می شود و با استفاده از این دو اندازه گیری می شود و می توان مقادیر بارهای عاملی ، واریانس ها و خطاهای متغیرها را برآورد یا استنباط کرد و برای اجرای تحلیل عاملی اکتشافی ، تحلیل عاملی مرتبه دوم، تحلیل عاملی تاییدی و همچنین تحلیل مسیر استفاده کرد.
تحلیل آماری با لیزرل به دو صورت انجام میشود اکتشافی و تاییدی . استفاده از هریک از این روش ها مبتنی بر هدف تحلیل داده ها است.در تحلیل اکتشافی پژوهشگر داده‌های تجربی را برای شناسایی شاخص‌ها و پیدا کردن روابط بین آنهابررسی می کند و این کار را بدون استفاده از مدل معینی صورت می گیرد. به عبارت دیگر تحلیل اکتشافی علاوه بر ارزش تجسسی یا پیشنهادی که دارد می‌تواند ساختارساز، مدل ساز یا فرضیه ساز باشد.
تحلیل اکتشافی وقتی به کار می‌رود که پژوهشگر شواهد کافی قبلی و پیش تجربی برای تشکیل فرضیه درباره تعداد عامل‌های زیربنایی داده‌ها نداشته و به واقع مایل باشد درباره تعیین تعداد یا ماهیت عامل‌هایی که همپراشی بین متغیرها را توجیه می‌کنند داده‌ها را بکاود. بنابر این تحلیل آماری اکتشافی بیشتر به عنوان یک روش تدوین و تولید تئوری و نه یک روش آزمون تئوری در نظر گرفته میشود.
تحلیل عاملی اکتشافی روشی است که اغلب برای کشف و اندازه گیری منابع مکنون پراش و همپراش در اندازه گیری‌های مشاهده شده به کار می‌رود درواقع به این معناست که ما داده های موجود را به صورت خلاصه جمع آوری کرده و تحلیل کرد که اگر این کار به صورت دقیق و در ست انجام پذیرد بسیار مفید واقع خواهد شد. به ولی هرچه اطلاعات و دانش بیشتری درباره طبیعت اندازه گیری‌های روانی و اجتماعی به دست آید احتمالا کمتر به عنوان یک ابزار مفید به کار رود و حتی ممکن است بازدارنده شود.
جهت سفارش به یکی از راه های ارتباطی زیر مراجعه مراجعه فرمایید
شماره تماس: ۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
مدل سازی معادلات ساختاری (SEM) یکی از تکنیک های پرکار برد به وسیله پژوهشگران حوزه علوم اجتماعی در چند دهه اخیر است. اهمیت مدل سازی معادلات ساختاری از آنجا ناشی می شود که به پژوهشگران این امکان را میدهد که اثر یک یا چند متغیر مستقل را بر یک یا چند متغیر وابسته به طور همزمان بررسی کنند. چنان چه پژوهشگر فهم خوبی از مفاهیم بنیادی آمار از جمله همبستگی و تحلیل رگرسیون داشته باشد، SEM به سادگی می تواند فهمیده شود. در اینجا پیش از ورود به بحث اصلی تعریف این دو اصطلاح آماری را مرور می کنیم. همبستگی ابزاری آماری برای تعیین نوع و درجه رابطه یک متغیر کمی با متغیر کمی دیگر است. البته باید توجه داشت همبستگی به معنای علیت نیست. به عنوان مثال دو متغیر A و Bمی توانند با هم مرتبط باشند ولی هیچ ادعایی مبنی براین که A موجب B می شود یا برعکس وجود ندارد.
تحلیل رگرسیون نیز یک تکنیک آماری است که برای بررسی و مدل سازی ارتباط بین متغییر ها به کار می رود. رگرسیون در لغت به معنای بازگشت است. یعنی مقدار یک متغیر به متغیر یا متغیر های دیگر باز می گردد که همان مفهوم متغیر وابسته و مستقل است.
ضرورت مدل سازی معادلات ساختاری
مدل های معادله ساختاری چه زمانی و چگونه به کار می روند؟
دلیل به کار گیری مدل های معادله ساختاری چیست؟
جهت ثبت سفارش به یکی از را های ارتباطی زیر مراجعه فرمایید.
شماره تماس:۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
توزیع نرمال در سال ۱۷۳۳ میلادی توسط آبراهام دموآر، ریاضیدان فرانسوی، معرفی شد و سپس در سال ۱۸۱۲ میلادی توسط لاپلاس توسعه یافت. دلیل اهمیت توزیع نرمال، نقش این توزیع در قضیۀ حدی مرکزی است. تعمیم توزیع نرمال به چندین بعد، نقش اساسی در تحلیل چند متغیری ایفا میکند. یک مزیت توزیع نرمال چند متغیری از این حقیقت ناشی می شود که از نظر ریاضی انعطاف پذیری دارد و نتایج خوبی را میتوان از آن به دست آورد. از توزیع نرمال به طور گسترده ای در بسیاری از برنامه های کاربردی استفاده می شود. مسئله آزمون این که آیا نمونه ای از مشاهدات از یک توزیع نرمال می آید، به طور گسترده توسط بسیاری از آماردانان مورد مطالعه قرار گرفته است.
در این مقاله ما ۳ روش آزمون نرمال بودن داده ها را توسط نرم افزار spss توضیح می دهیم.
۱- آزمون کشیدگی و چولگی داده ها
۲- آزمون کلوموگروف اسمرینوف
۳- آزمون شاپیرو –ویلک
آزمون کشیدگی
کشیدگی برای تشخیص غیر نرمال بودن در حالت یک بعدی پیشنهاد شده است. برای داده های عمومی چند بعدی، آماره ای برای اندازه گیری کشیدگی ارائه داده است. آماره کشیدگی MK برابر است با:
که در آن برای i=1,….,n
نحوه اجرا در نرم افزار SPSS
فایل مورد نظر را در نرم افزار باز کرده و منوی زیر را اجرا کنید
Analyze=> Descriptive
Services=> Explore
متغیرهایی را که می خواهید آزمون نرمال بودن بر روی آنها انجام شود به درون کادر Dependent List منتقل کرده و سپس بر روی گزینه Plots کلیک کنید.
در کادر Plots گزینه Normality plots with tests را تیک بزنید
در انتها بر روی گزینه Continue و سپس ok کلیک کنید.
جهت ثبت سفارش به یکی از راه های ارتباطی زیر مراجعه نمایید:
شماره تماس: ۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
روش فرآیند تحلیل سلسله مراتبی یکی از پرکاربردترین روش‌ها در مدلهای تصمیم‌گیری چند معیاره میباشد که برای انتخاب بهترین گزینه از بین چند گزینه موجود به استفاده می شود. این گزینه‌ها با یکدیگر بررسی و مقایسه می‌شوند و در نهایت بهترین گزینه انتخاب می‌گردد.
مقایسات زوجی مبنای روش AHP میباشد که محاسبات و قضاوت را آسان کرده و میزان سازگاری یا ناسازگاری تصمیم‌گیری را نشان میدهد. انجام محاسبات این روش به صورت دستی وقت‌گیر بوده و درصد خطای آن زیاد است؛ اجرای انجام این روش با نرم‌افزار User Friendly اکسل مشکلات وقت‌گیر بودن و درصد خطای بالا آن را حل میکند.
آموزش AHP در اکسل
آموزش روش AHP در اکسل یا روش فرآیند سلسله مراتبی همراه با مثال کاربردی در این آموزش ارائه شدهاست به صورتیکه دانشجویان با اصول این روش و نحوه پیادهسازی آن با نرم‌افزار اکسل مسلط شوند. در این آموزش انجام کلیه محاسبات روش تحلیل سلسله مراتبی AHP از طریق نرم‌افزار اکسل آموزش داده شده و یک مثال به صورت کامل از طریق این نرم‌افزار حل شده است.
آنچه که باید بدانید برای آموزش:
آنچه می آموزید:
جهت ثبت سفارش به یکی از راه های ارتباطی زیر مراجعه نمایید:
شماره تماس:۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
دستور Compute از پرکاربرد ترین دستور ها در SPSS می باشد. این دستور، از دستور های اصلاحی در SPSS می باشد که از طریق آن می توان مقادیر یک متغیر را بر اساس مقادیر متغیر یا متغیرهای دیگر به دست آورد. به طور خلاصه، در موارد زیر می توان از دستور Compute استفاده کرد:
1- محاسبه مقادیر متغیرهای عددی
2- ساخت متغیرهای جدید از طریق متغیر یا متغیرهای موجود: ساخت شاخص و مقیاس که کاربرد فراوانی در انواع رشته های علوم اجتماعی و انسانی و علوم تربیتی دارند، از این دست کاربردها می باشد. به عنوان مثال، ساخت شاخص پایگاه اقتصادی و اجتماعی از ترکیب سه متغیر شغل، درآمد و تحصیلات.
3- جایگزین کردن مقادیر متغیرهای موجود با مقادیر جدید.
4- محاسب انواع عملیات ریاضی شامل ضرب، جمع، تفریق، تقسیم و …
نکات لازم و مهم در اجرای دستور Compute
الف) مقیاس متغیرها (ترتیبی، فاصله ای و نسبی)
ب) جهت طیف متغیرها، یعنی مثبت یا منفی بودن (از 1 تا 5 یا از 5 تا 1)
ج) تعداد مقولات طیف متغیرها (3، 5، 7 و … تایی)
نحوه اجرا
1- دستور Transform-> Compute Variable …را اجرا می کنیم.
2- متغیرهای مورد نظر را با دوبار کلیک چپ وارد کادر Numeric Expression در سمت راست کرده و علامت، را نیز بین هر یک از آن ها اضافه می کنیم. نام متغیر را در کادر Target Vaiable در سمت چپ بالای پنجره تایپ می کنیم. سپس دکمه Ok را کلیک می کنیم.
نکته: در قسمت compute کارهای مختلفی می توان انجام داد می توان نمارت استاندارد یک متغیر را محاسبه کرد، می توان از کی متغیر لگاریتم گرفت، تابع توزیع تجمعی را محاسبه کرد یا حتی خیلی پیچیده انجام داد.
نرم افزار SPSS بر خلاف اکسل، فرمول های محاسبه داده ها را نگه نمی دارد و به طور خودکار آن ها را به روز رسانی (تجدید) نمی کند به عنوان مثال اگر ما متغیری را که در محاسبه متغیر جدید استفاده کرده ایم تغییر دهیم، متغیر جدید تغییر نخواهد کرد.
همان گونه که در کادر گفتگوی compute variable مشاهده می شود ما باید نام متغیر جدید (که می توان یکی از متغیرهای موجود در صفحه داده ها نیز باشد) را در قسمت متغیر هدف (target variable) وارد کنیم و تابعی که قصد محاسبه ی آن را داریم با استفاده از فرمول ها یا عملگرهای موجود در کادر گفتگو یا تایپ آن ها، وارد قسمت numeric Experssion کنیم و در پایان بر کلید ok کلیک کنیم. متغیر جدید محاسبه و در آخر صفحه داده ها قرار می گیرد.
شمارش ارزش ها (کدهای یکسان چند متغیر)
دستور Count زمانی استفاده می شود که بخواهیم بدانیم هر کدام از پاسخگویان چند بار به یک کد یا ارزش خاص پاسخ داده اند. به عبارتی، این دستور دفعات وقوع یک کد یا ارزش خاص در میان پاسخگویان را نشان می دهد. دستور Count تنها برای متغیرهایی قابل اجرا است که مقیاس آن ها در سطح اسمی یا ترتیبی باشد. بنابراین، در مورد متغیرهای با مقیاس فاصله ای یا نسبی نمی توان از این دستور استفاده کرد.
نحوه اجراء
1- دستور را Transform-> Count Values within Cases …اجرا می کنیم.
2- کد متغیرهایی را که قصد شمارش کدهای خاصی از آن ها را داریم وارد کادر Numeric Variables می کنیم. سپس در قسمت Target Variable و Target Label، نام و برچسب متغیر جدید (متغیر هدف) را تایپ می کنیم.
3- سپس متغیرها را به کادر Variable انتقال و روی دکمه Define Values فعال شده کلیک می کنیم، پنجره جدید باز می شود که باید در این پنجره، کدی که قصد شمارش آن را داریم وارد کرده و سپس دکمه Add را کلیک کنیم.
4- با کلیک بر روی دکمه If… در پنجره اصلی دستور Count، می توانیم دستور کدگذاری مجدد را تنها برای زیر جمعیت های خاصی اجراء کنیم.
5- دکمه Ok را کلیک می کنیم.
09357258425
www.pajuha.ir
info@pajuha.ir
سفارش ترجمه تخصصی
دستور Compute از پرکاربرد ترین دستور ها در SPSS می باشد. این دستور، از دستور های اصلاحی در SPSS می باشد که از طریق آن می توان مقادیر یک متغیر را بر اساس مقادیر متغیر یا متغیرهای دیگر به دست آورد. به طور خلاصه، در موارد زیر می توان از دستور Compute استفاده کرد:
1- محاسبه مقادیر متغیرهای عددی
2- ساخت متغیرهای جدید از طریق متغیر یا متغیرهای موجود: ساخت شاخص و مقیاس که کاربرد فراوانی در انواع رشته های علوم اجتماعی و انسانی و علوم تربیتی دارند، از این دست کاربردها می باشد. به عنوان مثال، ساخت شاخص پایگاه اقتصادی و اجتماعی از ترکیب سه متغیر شغل، درآمد و تحصیلات.
3- جایگزین کردن مقادیر متغیرهای موجود با مقادیر جدید.
4- محاسب انواع عملیات ریاضی شامل ضرب، جمع، تفریق، تقسیم و …
نکات لازم و مهم در اجرای دستور Compute
الف) مقیاس متغیرها (ترتیبی، فاصله ای و نسبی)
ب) جهت طیف متغیرها، یعنی مثبت یا منفی بودن (از 1 تا 5 یا از 5 تا 1)
ج) تعداد مقولات طیف متغیرها (3، 5، 7 و … تایی)
نحوه اجرا
1- دستور Transform-> Compute Variable …را اجرا می کنیم.
2- متغیرهای مورد نظر را با دوبار کلیک چپ وارد کادر Numeric Expression در سمت راست کرده و علامت، را نیز بین هر یک از آن ها اضافه می کنیم. نام متغیر را در کادر Target Vaiable در سمت چپ بالای پنجره تایپ می کنیم. سپس دکمه Ok را کلیک می کنیم.
نکته: در قسمت compute کارهای مختلفی می توان انجام داد می توان نمارت استاندارد یک متغیر را محاسبه کرد، می توان از کی متغیر لگاریتم گرفت، تابع توزیع تجمعی را محاسبه کرد یا حتی خیلی پیچیده انجام داد.
نرم افزار SPSS بر خلاف اکسل، فرمول های محاسبه داده ها را نگه نمی دارد و به طور خودکار آن ها را به روز رسانی (تجدید) نمی کند به عنوان مثال اگر ما متغیری را که در محاسبه متغیر جدید استفاده کرده ایم تغییر دهیم، متغیر جدید تغییر نخواهد کرد.
همان گونه که در کادر گفتگوی compute variable مشاهده می شود ما باید نام متغیر جدید (که می توان یکی از متغیرهای موجود در صفحه داده ها نیز باشد) را در قسمت متغیر هدف (target variable) وارد کنیم و تابعی که قصد محاسبه ی آن را داریم با استفاده از فرمول ها یا عملگرهای موجود در کادر گفتگو یا تایپ آن ها، وارد قسمت numeric Experssion کنیم و در پایان بر کلید ok کلیک کنیم. متغیر جدید محاسبه و در آخر صفحه داده ها قرار می گیرد.
شمارش ارزش ها (کدهای یکسان چند متغیر)
دستور Count زمانی استفاده می شود که بخواهیم بدانیم هر کدام از پاسخگویان چند بار به یک کد یا ارزش خاص پاسخ داده اند. به عبارتی، این دستور دفعات وقوع یک کد یا ارزش خاص در میان پاسخگویان را نشان می دهد. دستور Count تنها برای متغیرهایی قابل اجرا است که مقیاس آن ها در سطح اسمی یا ترتیبی باشد. بنابراین، در مورد متغیرهای با مقیاس فاصله ای یا نسبی نمی توان از این دستور استفاده کرد.
نحوه اجراء
1- دستور را Transform-> Count Values within Cases …اجرا می کنیم.
2- کد متغیرهایی را که قصد شمارش کدهای خاصی از آن ها را داریم وارد کادر Numeric Variables می کنیم. سپس در قسمت Target Variable و Target Label، نام و برچسب متغیر جدید (متغیر هدف) را تایپ می کنیم.
3- سپس متغیرها را به کادر Variable انتقال و روی دکمه Define Values فعال شده کلیک می کنیم، پنجره جدید باز می شود که باید در این پنجره، کدی که قصد شمارش آن را داریم وارد کرده و سپس دکمه Add را کلیک کنیم.
4- با کلیک بر روی دکمه If… در پنجره اصلی دستور Count، می توانیم دستور کدگذاری مجدد را تنها برای زیر جمعیت های خاصی اجراء کنیم.
5- دکمه Ok را کلیک می کنیم.
09357258425
www.pajuha.ir
info@pajuha.ir
سفارش ترجمه تخصصی
روش فرآیند تحلیل سلسله مراتبی یکی از پرکاربردترین روش‌ها در مدلهای تصمیم‌گیری چند معیاره میباشد که برای انتخاب بهترین گزینه از بین چند گزینه موجود به استفاده می شود. این گزینه‌ها با یکدیگر بررسی و مقایسه می‌شوند و در نهایت بهترین گزینه انتخاب می‌گردد.
مقایسات زوجی مبنای روش AHP میباشد که محاسبات و قضاوت را آسان کرده و میزان سازگاری یا ناسازگاری تصمیم‌گیری را نشان میدهد. انجام محاسبات این روش به صورت دستی وقت‌گیر بوده و درصد خطای آن زیاد است؛ اجرای انجام این روش با نرم‌افزار User Friendly اکسل مشکلات وقت‌گیر بودن و درصد خطای بالا آن را حل میکند.
آموزش AHP در اکسل
آموزش روش AHP در اکسل یا روش فرآیند سلسله مراتبی همراه با مثال کاربردی در این آموزش ارائه شدهاست به صورتیکه دانشجویان با اصول این روش و نحوه پیادهسازی آن با نرم‌افزار اکسل مسلط شوند. در این آموزش انجام کلیه محاسبات روش تحلیل سلسله مراتبی AHP از طریق نرم‌افزار اکسل آموزش داده شده و یک مثال به صورت کامل از طریق این نرم‌افزار حل شده است.
آنچه که باید بدانید برای آموزش:
آنچه می آموزید:
جهت ثبت سفارش به یکی از راه های ارتباطی زیر مراجعه نمایید:
شماره تماس:۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
مدل سازی معادلات ساختاری (SEM) یکی از تکنیک های پرکار برد به وسیله پژوهشگران حوزه علوم اجتماعی در چند دهه اخیر است. اهمیت مدل سازی معادلات ساختاری از آنجا ناشی می شود که به پژوهشگران این امکان را میدهد که اثر یک یا چند متغیر مستقل را بر یک یا چند متغیر وابسته به طور همزمان بررسی کنند. چنان چه پژوهشگر فهم خوبی از مفاهیم بنیادی آمار از جمله همبستگی و تحلیل رگرسیون داشته باشد، SEM به سادگی می تواند فهمیده شود. در اینجا پیش از ورود به بحث اصلی تعریف این دو اصطلاح آماری را مرور می کنیم. همبستگی ابزاری آماری برای تعیین نوع و درجه رابطه یک متغیر کمی با متغیر کمی دیگر است. البته باید توجه داشت همبستگی به معنای علیت نیست. به عنوان مثال دو متغیر A و Bمی توانند با هم مرتبط باشند ولی هیچ ادعایی مبنی براین که A موجب B می شود یا برعکس وجود ندارد.
تحلیل رگرسیون نیز یک تکنیک آماری است که برای بررسی و مدل سازی ارتباط بین متغییر ها به کار می رود. رگرسیون در لغت به معنای بازگشت است. یعنی مقدار یک متغیر به متغیر یا متغیر های دیگر باز می گردد که همان مفهوم متغیر وابسته و مستقل است.
ضرورت مدل سازی معادلات ساختاری
مدل های معادله ساختاری چه زمانی و چگونه به کار می روند؟
دلیل به کار گیری مدل های معادله ساختاری چیست؟
جهت ثبت سفارش به یکی از را های ارتباطی زیر مراجعه فرمایید.
شماره تماس:۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
توزیع نرمال در سال ۱۷۳۳ میلادی توسط آبراهام دموآر، ریاضیدان فرانسوی، معرفی شد و سپس در سال ۱۸۱۲ میلادی توسط لاپلاس توسعه یافت. دلیل اهمیت توزیع نرمال، نقش این توزیع در قضیۀ حدی مرکزی است. تعمیم توزیع نرمال به چندین بعد، نقش اساسی در تحلیل چند متغیری ایفا میکند. یک مزیت توزیع نرمال چند متغیری از این حقیقت ناشی می شود که از نظر ریاضی انعطاف پذیری دارد و نتایج خوبی را میتوان از آن به دست آورد. از توزیع نرمال به طور گسترده ای در بسیاری از برنامه های کاربردی استفاده می شود. مسئله آزمون این که آیا نمونه ای از مشاهدات از یک توزیع نرمال می آید، به طور گسترده توسط بسیاری از آماردانان مورد مطالعه قرار گرفته است.
در این مقاله ما ۳ روش آزمون نرمال بودن داده ها را توسط نرم افزار spss توضیح می دهیم.
۱- آزمون کشیدگی و چولگی داده ها
۲- آزمون کلوموگروف اسمرینوف
۳- آزمون شاپیرو –ویلک
آزمون کشیدگی
کشیدگی برای تشخیص غیر نرمال بودن در حالت یک بعدی پیشنهاد شده است. برای داده های عمومی چند بعدی، آماره ای برای اندازه گیری کشیدگی ارائه داده است. آماره کشیدگی MK برابر است با:
که در آن برای i=1,….,n
نحوه اجرا در نرم افزار SPSS
فایل مورد نظر را در نرم افزار باز کرده و منوی زیر را اجرا کنید
Analyze=> Descriptive
Services=> Explore
متغیرهایی را که می خواهید آزمون نرمال بودن بر روی آنها انجام شود به درون کادر Dependent List منتقل کرده و سپس بر روی گزینه Plots کلیک کنید.
در کادر Plots گزینه Normality plots with tests را تیک بزنید
در انتها بر روی گزینه Continue و سپس ok کلیک کنید.
جهت ثبت سفارش به یکی از راه های ارتباطی زیر مراجعه نمایید:
شماره تماس: ۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
در علوم مختلف گاهی اوقات فرضیه‌هایی مطرح میشود که در آن نیاز به بررسی تعامل چندین متغیر با یکدیگر وجود دارد. در این موارد معمولاً از مدلسازی استفاده میشود و برای تحلیل یک مدل نرم افزارهای مختلفی در دسترس میباشد. مدلهای بسیار ساده را میتوان با نرم افزارهایی مانند SPSS نیز انجام داد اما معمولاً از سه نرم افزار شناخته شده یعنی لیزرل، ایموس و پی ال اس بیشتر استفاده میشود.
نرم افزار Smart PLS در سال ۲۰۰۵ معرفی شد و برخلاف نرم افزارهای دیگر مانند لیزرل و ایموس که از روش کوواریانس محور استفاده می‌کردند، در PLS از روش حداقل مربعات جزئی استفاده میشود. در تحلیل آماری با PLS سعی براین است که با استفاده از نشانگرهای گرافیکی به جای نوشتن فرامین بلند و پیچیده، طراحی مدل معادلات ساختاری انجام گیرد. با توجه به کاربرد روز افزون این نرم افزار در مدلسازی، موسسه نیتیو پیپر خدمات کاملی را در زمینه تحلیل آماری با PLS ارائه میدهد که در ادامه با آنها آشنا خواهید شد.
خدمات مرتبط با تحلیل آماری با PLS
نرم افزار PLS را باید نرم افزار جدیدی دانست که مبتنی بر نسل دوم مدلسازی معادلات ساختاری معروف به رویکرد حداقل مربعات جزئی است. از جمله مزایای این رویکرد جدید شامل کار با داده‌های کمتر، نداشتن حساسیت به نرمال بودن داده‌ها، توانایی پیش بینی مدلهای پیچیده و قابلیت مدل اندازه گیری ترکیبی و انعکاسی است و همین عامل سبب شده است که نرم افزار PLS در میان پژوهشگران به شدت محبوب شود.
در همین راستا گروه علمی پژوها نیز با استفاده از تیمی از پژوهشگران برجسته در رشته‌های مختلف، آماده انجام تمامی پروژه‌های پژوهشی است که قصد مدلسازی با نرم افزار PLS را دارند. همکاران ما در رشته‌های مختلف از جمله رشته‌های روانشناسی و مشاوره، علوم تربیتی، علوم اجتماعی، مدیریت، اقتصاد، حسابداری، علوم پزشکی و سایر رشته‌ها، آمادگی دارند تحلیل آماری با PLS را مبتنی بر پروپوزال یا موضوع مقاله به انجام برسانند.
– تحلیل آماری با نرم افزار PLS در رشته‌های روانشناسی، مشاوره و علوم تربیتی
– تحلیل آماری با PLS در رشته‌های مدیریت، اقتصاد و حسابداری
– تحلیل آماری با نرم افزار PLS در رشته‌های علوم اجتماعی و سایر حوزه‌های علوم انسانی
– تحلیل آماری با PLS در رشته‌های علوم پزشکی و سایر رشته‌های حوزه بهداشت و سلامت
– تحلیل آماری با نرم افزار PLS در تمامی رشته‌های دیگر علمی و دانشگاهی
جهت ثبت سفارش به یکی از راه های ارتباطی زیر مراجعه فرمایید:
شماره تماس:۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
در برخی از پژوهش‌ها، محققان علاقه به بررسی تاثیرات متقابل تعداد زیادی متغیر دارند. برای تجزیه و تحلیلیافته‌های این گونه مطالعات از نرم افزارهای متنوعی استفاده میشود که یکی از آنها نرم افزارها ایموس میباشد. تحلیل آماری با استفاده از ایموس AMOS در مقایسه با نرم افزارهای دیگر مزایا و معایبی دارد که در اینجا با برخی از آنها آشنا خواهید شد.
مزایای
۱- ایموس مدل یابی معادلات ساختاری را به شیوه ترسیمی انجام میدهد که همین عامل باعث افزایش سرعت در تعریف، و محاسبه مدل‌ها شده است.
۲- در این نرم افزار تقریباً هیچ پیش فرضی در مدل ترسیم شده وجود ندارد و همه چیز باید توسط کاربر تعریف شود. برخی از پژوهشگران آزادی عمل در این زمینه را از مزایای این نرم افزار می‌دانند.
خدمات مرتبط با تحلیل آماری با ایموس AMOS
گروه علمی پژوها با داشتن افراد مجرب در زمینه تحلیل آماری با ایموس AMOS آمادگی خود را برای کلیه تحلیل‌های لازم برای پایان نامه یا مقالات دانشجویان و پژوهشگران را با بالاترین کیفیت و در کمترین زمان اعلام می دارد.
برخی از تحلیل‌های قابل انجام با نرم افزار ایموس عبارتند از:
– انجام تحلیل مسیر با ایموس AMOS
– انجام مدل یابی معادلات ساختاری با ایموس AMOS
– انجام تحلیل عاملی تائیدی با ایموس AMOS
– انجام آزمون مدل اندازه گیری با ایموس AMOS
در رشته‌های مختلف علمی امکان استفاده از مدل یابی وجود دارد اما به دلایل مختلف این قبیل پژوهش‌ها در رشته‌های علوم انسانی بیشتر است. گروه علمی پژوها آمادگی دارد در تمامی رشته‌های علمی و دانشگاهی خدمات مرتبط با تحلیل آماری با استفاده از نرم افزار آماری ایموس را به دانشجویان و پژوهشگران ارائه دهد. برخی از رشته‌های تحت پوشش در این زمینه عبارتند از:
– تحلیل آماری با ایموس AMOS در رشته‌های مشاوره، علوم تربیتی و روانشناسی
– تحلیل آماری با ایموس AMOS در رشته‌های حسابداری، اقتصاد و مدیریت
– تحلیل آماری با ایموس AMOS در رشته‌های علوم اجتماعی و سایر حوزه‌های علوم انسانی
– تحلیل آماری با ایموس AMOS در رشته‌های بهداشت، سلامت و سایر حوزه‌های علوم پزشکی
– تحلیل آماری با ایموس AMOS در تمامی رشته‌های دیگر علمی و دانشگاهی
جهت ثبت سفارش به یکی از راه های ارتباطی زیر مراجعه فرمایید
شماره تماس:۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
تحلیل آماری با لیزرل : لیزرل یک محصول نرم افزاری است که از آن برای برآورد و آزمون مدلهای معادلات ساختاری استفاده می شود. برای تحلیل آماری با لیزرل ازهمبستگی و کوواریانس استفاده می شود و با استفاده از این دو اندازه گیری می شود و می توان مقادیر بارهای عاملی ، واریانس ها و خطاهای متغیرها را برآورد یا استنباط کرد و برای اجرای تحلیل عاملی اکتشافی ، تحلیل عاملی مرتبه دوم، تحلیل عاملی تاییدی و همچنین تحلیل مسیر استفاده کرد.
تحلیل آماری با لیزرل به دو صورت انجام میشود اکتشافی و تاییدی . استفاده از هریک از این روش ها مبتنی بر هدف تحلیل داده ها است.در تحلیل اکتشافی پژوهشگر داده‌های تجربی را برای شناسایی شاخص‌ها و پیدا کردن روابط بین آنهابررسی می کند و این کار را بدون استفاده از مدل معینی صورت می گیرد. به عبارت دیگر تحلیل اکتشافی علاوه بر ارزش تجسسی یا پیشنهادی که دارد می‌تواند ساختارساز، مدل ساز یا فرضیه ساز باشد.
تحلیل اکتشافی وقتی به کار می‌رود که پژوهشگر شواهد کافی قبلی و پیش تجربی برای تشکیل فرضیه درباره تعداد عامل‌های زیربنایی داده‌ها نداشته و به واقع مایل باشد درباره تعیین تعداد یا ماهیت عامل‌هایی که همپراشی بین متغیرها را توجیه می‌کنند داده‌ها را بکاود. بنابر این تحلیل آماری اکتشافی بیشتر به عنوان یک روش تدوین و تولید تئوری و نه یک روش آزمون تئوری در نظر گرفته میشود.
تحلیل عاملی اکتشافی روشی است که اغلب برای کشف و اندازه گیری منابع مکنون پراش و همپراش در اندازه گیری‌های مشاهده شده به کار می‌رود درواقع به این معناست که ما داده های موجود را به صورت خلاصه جمع آوری کرده و تحلیل کرد که اگر این کار به صورت دقیق و در ست انجام پذیرد بسیار مفید واقع خواهد شد. به ولی هرچه اطلاعات و دانش بیشتری درباره طبیعت اندازه گیری‌های روانی و اجتماعی به دست آید احتمالا کمتر به عنوان یک ابزار مفید به کار رود و حتی ممکن است بازدارنده شود.
جهت سفارش به یکی از راه های ارتباطی زیر مراجعه مراجعه فرمایید
شماره تماس: ۰۹۳۵۷۲۵۸۴۲۵
ایمیل:info@pajuha.ir
درباره این سایت