مطالب برگزیده
امروز : دوشنبه، 1 آبان ماه، 1396
رزومه ابراهیم بایزیدی:
سفارش :تجزیه و تحلیل پایان نامه و مقاله
آموزش :
رمز عبور : نام کاربری :
منو کاربری
آموزش رایگان SpSS

فرم ثبت نام

مدلسازی معادلات ساختاری در داده های طولی
پنجشنبه، 31 فروردين ماه، 1396



مدلسازی معادلات ساختاری در داده های طولی

قبل از بررسی مطلب مورد نظر لازم است داده های طولی تعریف شود. داده های طولی داده هایی هستند که در گذر زمان جمع اوری می شوند بطور مثال برای یک نفر در سه زمان مختلف سه نوع داده به دست می آید. 
رویکرد ساختاری در اینگونه داده ها متفاوت از مدل سازی معادلات ساختاری معمولی است که در همه نرم افزار ها از جمله lisrelیاamos  یا eqs قابل اجرا است. 
@spss23
در رویکرد معمولی ( داده های تصادفی  غیرمتاثر از زمان) از روش mle یا maximum likelihood برای برازش مدل در مدل سازی معادلات ساختاری بر پایه کواریانس ورودی استفاده می شود ولی برای برازش داده های طولی که فقط در نرم افزار Amos قابل اجرا هست از برازش Unbiased یا نااریب بر پایه کوواریانس ورودی استفاده می شود
 
نویسنده : ebrahim-bayazidi
504

آزمون فرض در باره میانگین های متغیرها در روش معادلات ساختاری

در روش معادلات ساختاری تاکنون در باره تاثیر دو سازه بر همدیگر بحث شده و به شاخص های برازش مدل اشاره شده است. ولی اگر هدف بررسی میزان اثرگذاری میانگین های سازه ها بر همدیگر باشد رویکرد معادلات ساختاری عوض می شود. در این حالت به جای خود سازه میانگین سازه به عنوان سازه در نظر گرفته می شود 
از لحاظ نرم افزاری تنها نرم افزار Amos قادر به اجرای این مدل است 
که با انتخاب
Estimate means and intercepts
در سربرگ estimate  از پنجره output
قابل دسترسی هست
منبع: مدل سازی معادلات ساختاری در داده های پرسشنامه ای به کمک Amos ۲۲  : انتشارات مهرگان قلم
نویسنده : ebrahim-bayazidi
381
آنالیز کوواریانس
پنجشنبه، 31 فروردين ماه، 1396



آزمونهای mancova,manova,anova

انالیز واریانس (anova): مجموعه‌ای از مدل‌های آماری است که به بررسی میانگین در گروه‌ها و توابع وابسته به آنها (مثل واریانس در یک گروه یا بین چند گروه) می‌پردازد. در این روش واریانس بدست آمده از یک متغیر تصادفی به اجزاء کوچکتری که منابع واریانس هستند تقسیم می شوند. در ساده ترین شکل آن، ANOVA آزمون آماری را فراهم می کند که برابری ‌میانگین های گروه های متفاوت را می آزماید، و در نتیجه آزمون تی استیودنت (t-test) را به بیش از دو گروه تعمیم می دهد.
 
آنالیز واریانس‌ها  یا انوا
 
1)برای مقایسه‌ی میانگین‌های دو گروه یا بیشتر از آن استفاده می شود (بر خلاف نام آن آنالیز میانگین‌ها می‌باشد چون با آنالیز واریانس‌ها، میانگین‌ها را مقایسه می‌کنند).
 
2) آزمون F را می توان به جای T هم به کار برد و در اینجا , F = t2 است ،علامت F همیشه مثبت است بنابراین، امکان مقایسهٔ یک سویه از طریق آن وجود ندارد و به همین علت کاربرد خود را حفظ کرده است (اما از T به جای F نمی‌شود استفاده کرد).
 
3) تحلیل واریانس ممکن است یکه راهه، دو راهه، سه راهه و عاملی اجرا شود (منظور از راه تعداد متغیرهای مستقل در تحلیل واریانس است).
 
مفروضه ها
 
1. مقیاس اندازه گیری باید نسبی یا فاصله‌ای باشد (عدد در معنای ریاضی)
 
2. توزیع متغیر ها نرمال باشد (در صورت چولگی شدید یا خطایی بیش از 2 استفاده نمی‌شود)؛ کولموگروف-اسمیرنوف معنا دار نشد، توزیع نرمال است.
 
3. همگنی واریانس‌ها وجود داشته باشد.
 
4. مشاهدات مستقل باشند.
 
نویسنده : ebrahim-bayazidi
417
آزمون t-test تک نمونه ای
جمعه، 15 بهمن ماه، 1395



آزمون تی تست تک نمونه ای درspss

در این آزمون میانگین نمونه با میانگین جامعه مقایسه می شود بطور مثال در فرض مقابل هدف این است که میانگین نمونه از میانگین جامعه بزرگتر است 🖋
در اینجا توجه به دو نکته ضروری هست اول اینکه هرگاه سطح معنی داری آزمون کمتر از 5 صدم باشد در سطح اطمینان 95 صدم میانگین نمونه با میانگین جامعه اختلاف دارد ( همه دوستان تا اینجا آزمون می کنند در حالیکه ناقص است!!!!!)
در مرحله دوم باید به ستون اختلاف میانگین ها نگاه کنین هرگاه در این ستون مقدار اختلاف میانگین ها کوچکتر از صفر باشد فرض صفر رد و فرض شما تایید  می شود
 
نویسنده : ebrahim-bayazidi
2081
تحلیل تشخیصی
جمعه، 15 بهمن ماه، 1395



تحلیل تشخیصی چندگانه 

تحلیل تشخیصی از جمله روش های تفکیکی است که تلاش می کندتا با بهره گیری از برخی متغیرهای مستقل افراد گروه ها را که دارای مقادیر اسمی یا ترتیبی هستند به بهترین وجه از هم تفکیک کرده و متغیرهایی که بطور مناسب گرو ه ها را از هم جدا می کنند مشخص کند.
کاربرد تحلیل تشخیصي : 
روش تحلیل تشخیصی زمانی می تواند مفید باشد که یک متغیر گروه بندی شده (کیفی) و چندین متغیر مستقل کمی در اختیار باشد.به عبارت دیگر این روش ترکیب دو یا چند متغیر مستقل را که به بهترین وجه تفاوت بین دو یا چند گروه را تبیین می کنند نشان می دهد.این موضوع از طریق حداکثر کردن واریانس بین گروه ها بر مبنای یک قاعده ی تصمیم آماری انجام می شود .
 

انتخاب متغیر برای انجام تحلیل تشخیصی :

برای انجام یک تحلیل تشخیصی محقق باید ابتدا متغیرهای مستقل و متغیر گروهبندی را تعیین کند. برای این منظور متغیر گروهبندی وابسته از نوع غیرپارامتری و کیفی دو یا چند مقوله ای و متغیرهای مستقل از نوع پارامتری می باشند. تعداد گروه های متغیر گروهبندی (طبقات) می تواند دو گروه باشد مانند زن و مرد و یا از چند گروه تشکیل شود مانند نوع شغل ، کشاورز، کارگر، کارمند یا آزاد. در مواردی نیز ممکن است محقق متغیر گروهبندی را در سطح فاصله ای اندازه گرفته باشد، اما برای استفاده از تحلیل تشخیصی آن را به مقیاس ترتیبی تبدیل کند، مانند طبقه بندی بر مبنای میزان درآمددر گروه های فقیر، متوسط یا ثروتمند. 
 
نویسنده : ebrahim-bayazidi
339
آمار کاربران
نظرسنجی
به كداميك از مباحث آماري بيشتر علاقه داريد؟

آموزش SPSS 19 و Minitab 16
مقاله نويسي
سري زماني
تجزيه و تحليل پروژه



نتایج
نظرسنجی ها

تعداد آراء: 1417
نظرات : 2
اطلاعیه های سازمان سنجش

نوار ابزار سایت آمار

برای دسترسی سریع به بخش های سایت نوار ابزار زیر را دریافت و نصب نمایید

Get our toolbar!

مشاهده رتبه سایت در الکسا