با سلام
با توجه به استفاده روز افزون از نرم افزار لیزرل جهت معادلات ساختاری در رشته هایی همچون مدیریت، فراهم نمودن یک منبع آموزشی مفید و قابل دسترس به صورا رایگان برای این عزیزان ضروری به نظر می رسد. در ادامه یک کتاب ۹۶ صفحه ای که به صورت مختصر و مفید نحوه استفاده از این نرم افزار را به صورت تصویری آموزش داده است قرار داده شده است. امید است که مورد استفاده پزوهشگران عزیز قرار گیرد.
تحليل مسير( path analysis ) روشی آماری است برای كاربرد ضرایب بتای استاندارد رگرسيون چند متغيرى در مدل هاى ساختاری. هدف از تحليل مسير به دست آوردن برآوردهاى كمى روابط علّى بين مجموعه اى از متغيرهاست.
تحليل مسير بيان مى كند كه كدام مسير مهمتر و يا معنادارتر است.ضرايب مسير براساس ضريب استاندارد شده رگرسيون محــــــاسبه مى شود. يك متغير به صورت تابعى از ديگر متغيرها فرض مى شود و مدل رگرسيونى آن ترسيم مى شود.برای بدستآوردن برآوردهای ضرائب اصلی مسیر کافی است هر متغیر وابسته (درونزا) به متغیرهائی که مستقیماً تحت تأثیر آن است بازگشت داده شود. به بیان دیگر برای برآوردهای هر یک از مسیرهای مشخص شده، ضرائب استاندارد شده رگرسیون (یا ضرائب مسیر) محاسبه میشود.
تحليل مسير صرفًا بر روي متغيرهاي مشاهده شده (variable observed ) قابل انجام است. در صورت نياز با فرض وجود متغيرهاي مکنون (latent variable) می توان از طريق دستور compute متغيرهاي مشاهده شده را ميانگين گرفته و در قالب يک متغير مشاهده شده بيان کنيم. در ادامه فیلم آموزشی تحلیل مسیر در نرم افزار لیزرل قرار داده شده است.
با توجه به اهمیت و کاربرد فراوان آزمون تی استیودنت دوجامعه مستقل، فیلم اموزشی نحوه انجام این آزمون در فایل زیر به همراه داده های آن قرار داده شده است. داه ها به گونه ای است که تمام داده ها در صفحه نمایش فیلم قابل مشاده می باشد.
برای سنجش نیکویی برازش، آزمون کلموگروف-اسمیرنف در نمونههای کوچک بهتر از آزمون کی دواست (آزمون کلموگروف-اسمیرنف برای نمونههای با حجم کم دقیق است، ولی برای نمونههای با حجم زیاد دقیق نیست). توان آزمون یک نمونهای کلموگروف-اسمیرنف به علت اینکه در ان فراوانیهای مشاهده شده به صورت جداگانه بکار برده میشوند، بیشتر از آزمون کی دو است. در ادامه فایل آموزشی آزمون کلموگروف-اسمیرنوف در نرم افزار spss قرار داده شده است.
همانطور که آگاهید در اغلب آزمون های پارامتری، مفروضات مقدماتی بسیاری وجود دارند که تا این مفروضات تامین نشوند؛ نتایج به دست آمده از آزمون، نامعتبر خواهد بود. در میان این مفروضات مهمترین و شایعترین فرض، فرض نرمال بون داده ها است. در فایل آموزشی زیر ضمن بررسی های مقدماتی برای تشخیص نرمال بودن یا نبودن داده ها، روشهای مختلف نرمال سازی داده ها را نیز بررسی کرده ایم. که می توانید از لینک زیر اون رو دانلود کنید.
با توجه به تجربه سال ها تدریس و آموزش آمار و نرم افزارهای آماری، بر آن شدم تا یک جزوه آموزش نرم افزار spss را تهیه و در اختیار دانشجویان و محققان عزیز قرار دهم. در فایلی که در ادامه قرار داده شده است. یک فایل آموزشی نرم افزار spss در سسطوح مقدماتی و پیشرفته به همراه تفسیر و تحلیل نتایج خروجی نرم افزار قرار داده شده است. مباحثی از جمله آمار توصیفی، آزمون های تی استیودنت وابسته و مستقل، آزمون های پارامتری، آزمون های ناپارامتری، آنالیز واریانس، رگرسیون، تحلیل عاملی، تحلیل خوشه ای و ... در فایل قرار داده شده است.
این آزمون برای ارزیابی یکسان بودن و نبودن میانگین نمونهای با میانگین جامعه در حالتی به کار میرود که انحراف معیار جامعه مجهول باشد چون توزیع t در مورد نمونههای کوچک با استفاده از درجات آزادی تعدیل میشود، میتوان از این آزمون برای نمونههای بسیار کوچک استفاده نمود. همچنین این آزمون مواقعی که خطای استاندارد جامعه نامعلوم و خطای استاندارد نمونه معلوم باشد، کاربرد دارد برای به کاربردن این آزمون، متغیر مورد مطالعه باید در مقیاس فاصلهای باشد، شکل توزیع آن نرمال باشد
تحليل عاملي اصطلاحي است كلي براي تعدادي از تكنيك هاي رياضي و آماري مختلف اما مرتبط با هم به منظور تحقيق درباره ماهيت روابط بين متغيرهاي يك مجموعه معين. تحلیل عاملی از جمله روشهای چند متغیره است که در آن، متغیرهای مستقل و وابسته مطرح نیست زیرا این روش جزء تکنیکهای هم وابسته محسوب می گردد و کلیه متغیرها نسبت به هم وابسته اند. مساله اساسي تعيين اين مطلب است كه آيا تعداد زیادی متغير اصلی را مي توان به مجموعه کوچکتری از متغیرها، با کمترین میزان ریزش اطلاعات تبدیل کرد؟ در ادامه یک جزوه آموزشی در رابطه با تحلیل عاملی قرار داده شده است.
تحلیل عاملی به عنوان روشی آماری به منظور طبقه بندی مشاهدات در دسته های کوچکتر یکی از روش های مهم و پرکاربرد در تحقیقات علوم اجتماعی و از جمله مدیریت است. این روش که حدود ۹۹سال پیش توسط روانشناسی به نام Charles Spearman معرفی شد به دنبال کشف مشخصه های پنهان و ارتباط مشاهدات و دسته های آماری است. در این روش فرض بر اين است که در صورت وجود متغیرهای زیاد در مشاهدات اماری می توان آنها را بر اساس عوامل تاثیرگذار اصلی در دسته های کوچکتر طبقه بندی کرد.
رويکرد PLS يا حداقل مجذورات جزئي، به عنوان نسل دوم روشهاي مدليابي معادلات ساختاري افقهاي نويني را بروي محققان علوم رفتاري گشوده است. اين رويکرد به علت وابستگي کمتر به اندازه نمونه، سح سنجش متغيرها، نرمال بودن توزيع و استفاده از ابزارهاي جا افتاده، رويکردي مناسب براي پژوهشگران محسوب ميشود. زيرا موارد بالا از جمله مشکلاتي هستند که اين پژوهشگران با آن مواجه هستند. در ادامه یک مقاله بسیار مناسب برای فهم روش فوق به همراه یک مثال و اموزش این نرم افزار قرارداده شده است.