خوش آمدید
عضویت ویژهثبت نام در دوره های آموزشیانجمنفروشگاهانجمن spss

معرفی نرم افزار آمارگر

موضوعات : مطالب عمومی

نرم افزار اندرویدی تلفن همراه " آمارگر " جهت استفاده دوستان  در بازار و گوگل پلی منتشر شد.
برای تهیه آن زحمات زیادی کشیده شده است. این نرم افزار آموزش های آماری لازم از جمله تحلیل های اماری ؛ معرفی کتاب های اماری و نمونه تحلیل های آماری و ... را شامل می شود.
🔴🔴🔴🔴🔴🔴🔴🔴🔴🔴🔴🔴
نسخه نهایی نرم افزار شامل امکانات زیر می باشد:
1-عضویت در نرم افزار از طریق ایمیل
2-گذاشتن آواتار( عکس) بر روی پروفایل
3-فرم ثبت نام در دوره های آموزشی تحلیل آماری با نرم افزارهای spss- eviews- amos-pls-lisrel
4-  مشاوره و تحلیل آماری
5-انتشار مطالب آمار کاربردی که اساس تحلیل های آماری هستند
6- فروشگاه که شامل فیلم های آموزشی تحلیل های آماری هستند
7- فرم ارتباط با مدیریت نرم افزار آمارگر
8-خرید اینترنتی کتاب های تحلیل آماری از جمله spss-amos-minitab
9- شرکت در مباحث انجمن های آماری و تالارهای گفتمان
10- مطالب منتشر شده در سایت تخصصی آمار را در تلفن همراه خود دنبال کنید
11-قابلیت ارسال اعلان خبر جدید اضافه شده به سایت
🔰🔰🔰🔰🔰🔰🔰🔰🔰🔰🔰🔰
لینک دانلود در بازار
https://cafebazaar.ir/app/ir.spss_pasw.android/?l=fa
🔰🔰🔰🔰🔰🔰🔰🔰🔰🔰🔰🔰

لینک دانلود در گوگل پلی
https://play.google.com/store/apps/details?id=ir.spss_pasw.android

صفحه اول نرم افزار آمارگر - تصاویر بیشتر در ادامه مطلب


نرم افزارآمارگر
 

ادامه مطلب

نرمال سازی متغیر ها در spss

برای انجام تحلیل های آماری از جمله تحلیل های گروه T یا ANOVE و یا رگرسیون نرمال بودن داده ها یکی از فروض می باشد. نرمالسازی متغیرها با تبدیلات جانسون و کاکس باکس شیوه های بودند که قبلا مورد بررسی قرار گرفتند( کتاب تحلیل آماری با MINITAB 16 انتشارات مهرگان قلم و عابد )- در این قسمت برای نرمالسازی متغیرها از روش معکوس تابع توزیع یا تابع چگالی استفاده می شود که در فیلم پیوست آموزش آن قرار داده شده است.

این فیلم به توصیف یک رویکرد دو مرحله ای برای تبدیل  متغیر های  پیوسته  با توزیع غیر نرمال  به متغیر های با توزیع نرمال   می پردازد. مرحله 1شامل تبدیل متغیر به یک  رتبه درصدی(صدک) می باشد که منجر به  احتمالات با توزیع یکنواخت می شود. مرحله 2 از تبدیل  نرمال معکوس برای نتایج اولین مرحله برای  تشکیل یک متغیر  متشکل از نمرات توزیع نرمال  استفاده می کند. این رویکرد  در  منابع و مطالعات به غیر از منابع آماری  کم تر  شناخته  شده است و به ندرت در علوم اجتماعی  مورد استفاده قرار گرفته است(تمپلتون ، 2011)

فیلم آموزشی در ادامه مطالب....

نرمال کردن داده ها در spss

ادامه مطلب

دانلود spss 25

دوستان عزيز در همين روزا نسخه 25 spss وارد بازار شده و در آن مباحث زيادي از جمله شبيه سازي، تحلیل های بیزی، روش ماشین بردار، جنگل تصادفی،  هم اضافه شده است. قسمت هاي ديگري كه به آن اضافه شده است شامل موارد زير مي باشد: ادامه مطلب...

دانلود spss25

دانلود spss25

 

ادامه مطلب

تحلیل عاملی اکتشافی و تاییدی

امروزه اعتبار يافته هاي علمي تحت تأثير روش يا روشهاي پژوهشي است كه محققين در فرايند تحقيق از آن بهره مي گيرند. در اين فرايند استفاده تحقيقات حوزه هاي گوناگون از روش هاي آماري از يك طرف و بهره گيري ازبرنامه هاي رايانه اي.ادامه مطلب...

تحلیل عاملی تاییدی و اکتشافی

ادامه مطلب

آموزش pls

موضوعات : فروشگاه1

 

در تحلیل های pls با دو دسته مدل سروکار داریم مدل های تکوینی و مدل های انعکاسی، بعد از برازش مدل اگر بارعاملی مسیرها غیر معنی دار نباشد چه اتفاقی می افتد، در تصویر زیر جواب این سوال داده شده است.

تحلیل pls

ادامه مطلب

رگرسیون PLS در SPSS

رگرسیون PLS در SPSS

نرم افزار SPSS رگرسیون PLS را در دو حالت خیلی مفید توصیه می‌کند؛ هنگامی‌که متغیرهای پیش‌بین‌ دارای همبستگی بالایی بوده یا هنگامی‌که تعداد شاخص‌های پیش‌بین‌ از تعداد موارد بیشتر باشد. به عبارت دیگر هرگاه متغیرهای مستقل دارای همخطی باشند از این رگرسیون استفاده می شود.

الگوریتم PLSیک عامل پنهان (بطور فنی؛ مولفه‌هایی از تحلیل مؤلفه‌های اصلی به‌کار برده شده) را برای مجموعه‌ای از متغیرهای مستقل و وابسته استخراج می‌کند به‌طوری که تبیین کواریانس بین دو متغیر پنهان حداکثر می‌شود.

رگرسیون pls

مسیر اجرای آن بصورت زیر می باشد:

Analyze >Regression >Partial Least Squares

ادامه مطلب

مزایای تحلیل مسیر بر رگرسیونی

موضوعات : فروشگاه

فرق اصلی تحلیل مسیر با تحلیل رگرسیونی

فرق اصلی تحلیل مسیر با تحلیل رگرسیونی در این است که در تحلیل رگرسیونی وابستگی یک متغیر ( وابسته ) به متغیرهای دیگر ( مستقل ) تنها در یک معادله بررسی می­شود که همان معادله خط رگرسیون استانداردشده می­باشد. در صورتی­که در تحلیل مسیر بتاهای محاسبه­شده، ضرایب مسیری هستند که مجموعه معینی از متغیرهای مستقل را به متغیرهای وابسته وصل می­کنند و در چند معادله بررسی می­شوند.

رگرسیون و ضرایب رگرسیونی صرفاً تاثیر مستقیم یک متغیر مستقل بر روی یک متغیر وابسته را نشان می­دهد. در حالیکه تحلیل مسیر علاوه بر مشخص نمودن تاثیرات مستقیم متغیر مستقل ( علت ) بر روی متغیر وابسته ( معلول ) تاثیرات غیرمستقیم یک متغیر را روی متغیر وابسته نشان می­دهد.

تحلیل مسیر میزان کذب روابط میان متغیرها را نشان می­دهد یعنی چقدر از این روابط ناشی از متغیرهای مستقل مورد نظر است و چقدر ناشی از متغیرهای خارج از تحلیل ماست. ( هومن، 1385)

تحلیل مسیر

ادامه مطلب

تحلیل مسیر

تحلیل مسیر

تحليل مسير يك رويكرد مدل­سازي براي تبيين روابط بين متغيرهاي مشاهده شده است. در رويكرد مدل­سازي تحليل مسير فرض بر اين است كه متغيرهاي مستقل هيچگونه خطاي اندازه­گيري ندارند. در مقابل، ممكن است كه متغيرهاي وابسته داراي خطاي اندازه­گيري باشند به گونه­اي كه اين مسأله در قالب مولفه­های خطا در معادلات مدل در نظر گرفته مي­شود. البته، موضوع خطاي اندازه گيري يا مولفه های خطا براي متغيرهاي وابسته در مدل­هاي تحليل مسير به اين معني است كه بخشي از واريانس آن متغيرها توسط متغيرهاي مستقل موجود در مدل قابل تبيين نمي­باشد. يكي از ويژگي­هاي مخصوص مدل­هاي تحليل مسير اين است كه در آن از متغيرهاي پنهان (مکنون )استفاده نمي­شود. تحليل مسير، سابقه نسبتاٌ طولاني دارد. اين اصطلاح براي اولين بار در اوايل دهه 1900 توسط يك زيست شناس انگليسي به نام سوول رايت مورد استفاده قرار گرفت (ريكاف و ماركولايدز ، 2006 )  گسترش،روش­هاي رگرسيون، و در حقيقت، كاربرد رگرسيون چند متغيري در ارتباط با تدوين بارز مدل­هاي علي است. هدف آن بدست آوردن برآوردهاي كمي روابط علي بين مجموعه­اي از متغيرهاست. روابط بين متغيرها در يك جهت جريان مي­يابد و به عنوان مسيرهاي متمايزي در نظر گرفته مي­شود. مفاهيم عمده تحليل مسير در بهترين صورت از طريق ويژگي عمده آن يعني نمودار مسير كه پيوندهاي علي احتمالي بين متغيرها را آشكار مي­سازد، تبيين مي­شود (هومن، 1385)

منبع: مدلسازی معادلات ساختاری در داده های پرسشنامه ای به کمک amos 22 - انتشارات مهرگان قلم

ادامه مطلب

تحلیل واریانس دوطرفه

تحلیل واریانس دوطرفه

تحلیل واریانس دوطرفه[1] نظریات اساسی تحليل واريانس یک­طرفه را با دو متغیر یا فاکتور مستقل گسترش می­دهد. وقتی دو فاکتور در محدوده­ای قرار می­گیرند که به آن طرح عاملی گفته می­شود، هر سطح از یک فاکتور با سطح فاکتور دیگر ترکیب می­شود.

تحلیل واریانس دوطرفه مثل تحلیل واریانس یک­طرفه روی متغیر وابسته­ی منفردی اجرا می­شود که روی یک بازه یا مقیاس نسبی اندازه­گیری می­شود. هدف تحلیل واریانس دوطرفه نتیجه­گیری در مورد تاثیر فاکتور­ها، به تنهایی یا به صورت ترکیبی روی میانگین متغیر وابسته است. در مثال ما که نوع فاکتور­های رویه و بارشناختی ترکیب می­شوند، در صورتیکه متغیر وابسته تعداد کلمات مطالعاتی فراخوان شده باشد، با اجرايتحلیل واریانس دو طرفه، هدف، دانستن این موضوع است که کدام نوع از رویه و بار­شناختی می­تواند روی میانگین تعداد کلمات مطالعاتی فراخوان شده، تاثیر داشته باشد.

سوالات زیادی درباره­ی اینکه فاکتور­های تحلیل واریانس دوطرفه چگونه بر مقادیر میانگین متغیر وابسته تاثیر می­گذارند، به وجود می­آید. به هر حال، با تحلیل­های ذکر شده می­توان فهمید که چه چیز­هایی به عنوان تاثیر اصلی هر فاکتور و تاثیر متقابل هر دو فاکتور شناخته می­شوند. تاثیر اصلی به صورت تاثیر یک فاکتور روی متغیر وابسته بدون توجه به تاثیر فاکتور دیگر تعریف می­شود. تاثیر اصلی یک فاکتور اساساً معادل با تحلیل واریانس یک طرفه است

منبع: کتاب تحلیل داده های پرسشنامه ای به کمک spss23 انتشارات عابد ، مهرگان قلم



[1]. Analysis of Variance (ANOVA)

ادامه مطلب

رگرسیون پواسون

رگرسیون پواسون

در آناليز رگرسيون در حالتي كه متغير وابسته گسسته و نامنفي باشد مدل رگرسيون پواسون مورد استفاده قرار مي گيرد. مدل رگرسيون پواسون به عنوان نمونه اي از مدل هاي خطي تعميم يافته است كه مدل هاي رگرسيوني را به خانواده نمايي توزيع ها بسط مي دهد كه هر دو توزيع نرمال و پواسون را شامل مي شوند. شرط اصلي استفاده از مدل رگرسيون پواسون معادل بودن ميانگين و واريانس متغير وابسته مي باشد. وقتي كه ميانگين و واريانس داده ها بطور تقريبي برابر نباشند مدل پواسون برآوردهاي ناصحيحي از واريانس جملات و استنباط هاي گمراه كننده در باره رگرسيون پواسون ايجاد مي كند. براي حل اين مشكل مي توان از مدل رگرسيوني دوجمله اي منفي استفاده كرد.

 

ساده ترین مدل برای داده های شمارشی، مدل رگرسیون پواسن می باشد. مدل رگرسیون پواسن به عنوان نمونه ای از مدل های تعمیم یافته خطی است که مدل های رگرسیونی را به خانواده نمایی توزیع هایی بسط می دهد که هر دو توزیع نرمال و پواسن را شامل می شوند.

روش رگراسیون پواسن مابین آنالیز مبتنی بر داده های پیوسته و آنالیز مبتنی بر داده های دو حالتی قرار گرفته است. در رگرسیون پواسن متغیر وابسته شمارشی بوده و دارای توزیع پواسن می باشد که این موضوع اساس استنباط را تشکیل می دهد. معادله رگرسیون پواسن؛ یک متغیر شمارشی یا یک نرخ را به یک سری متغیرهای مستقل مربوط می سازد و ساختاری را برای تحلیل آماری ارائه می دهد. در مدل رگرسیون پواسن، لگاریتم نرخ بر اساس مجموع وزنی متغیرهای مستقل(متغیرهای خطی) مدل بندی می شود. در واقع این مدل، میانگین متغیر وابسته را برحسب متغیرهای مستقل، مدل بندی می کند(دنتون و همکاران 1994)

محدوده اصلی مدل رگرسیون پواسن براین شرط استوار است که واریانس متغیر وابسته با میانگین آن برابر باشد، اما در بسیاری از پدیده ها بسیار پراکنده اند. بعبارت دیگر ممکن است واریانس به طور معنی داری بزرگتر از میانگین باشد. وقتی که میانگین و واریانس داده ها بطور تقریبی مساوی نباشند، واریانس های ضریب برآورد شده در مدل پواسن اریب خواهند بود. در این حالت دیگر بر ارزش رگرسیون پواسن برروی داده ها مناسب نمی باشد، ولی این محدودیت را با استفاده از توزیع دو جمله ای منفی از میان برداشت(گاردنر1995).

ادامه مطلب

معادلات برآوردی تعميم يافته( GEE )

معادلات برآوردی تعميم يافته

رویکرد مدل‌های خطی تعمیم یافته، مدل خطی عمومی را بسط می‌دهند به گونه ای که متعییر وابسته بطور خطی با عامل‌ها و کوواریانسها بوسیله یک تابع پیوند مشخص مرتبط می باشد. به علاوه، این مدل‌ها به متغییر وابسته اجازه می دهند که تویع غیر نرمال داشته باشند.

مدل‌های خطی تعمیم یافته بطور گسترده مدل‌های آماری پرکاربرد را در بر می‌گیرد از قبیل رگرسیون خطی برای پاسخ‌هایی که به صورت نرمال توزیع شده اند، مدل‌های لجستیک برای داده‌های دوتایی (دودویی) و مدل‌های لگاریتم خطی برای داده های شمارشی (نوعی از داده آماری که در آن مشاهدات صرفاً می‌توانند مقادیر اعداد صحیح غیر منفی بگیرند)

یکی از روش‌ها در مدل سازی داده های همبسته، روش معادلات برآوردی تعمیم یافته(GEE) است. در این روش، همبستگی میان مشاهدات درون یک فرد با فرض یک ساختار همبستگی فرضی مدل سازی می شود. کارایی برآورد پارامترها ی روش معادلات برآوردی تعمیم یافته تحت تاثیر نوع ساختار همبستگی قرار دارد. برای بهبود کارایی برآورد پارامترها، روش ترکیبیGEE، پیشنهاد شده است، که در آنGEEها با ماتریس های همبستگی مختلف با استفاده از درستنمایی تجربی(EL) با هم ترکیب شده و برآوردهای کاراتری حاصل می شود.

ادامه مطلب

مدلسازی معادلات ساختاری با pls

در فایل پیوست مبانی نظری مدلسازی معادلات ساختاری با نرم افزار smart pls بهمراه مقایسه آن با نرم افزار amos24 برای استفاده دوستان قرار داده شده است. برای دانلود به ادامه مطلب بروید.

ادامه مطلب

تحلیل بیزی در spss

تحلیلگرانی که علاقمند به توسعه نرم افزار spss ۲۴  هستند( از لحظ تکنیک های تحلیلی ) لازم است که در این نرم افزار تحلیل های بیزی هم اضافه شده است که البته باید وب پارتش را دانلود و نصب کنین
تحلیل های بیزی که اضافه شده است عبارتند از
✅تحلیل آمار توصیفی بیزی
✅تحلیل مقایسات بیزی( شامل مقایسه یک گروه؛ دو گروه و حداقل دو گروه) به عبارت دیگر t-test  بیزی یا anove بیزی یا جداول توافقی بیزی
✅رگرسیون بیزی
فردا مطالب گفته شده بصورت تصویر از منوی نرم افزار در کانال قرار خواهد گرفت
این مطالب برای اولین بار است که در اختیار دوستان قرار می گیرد و تا به حال با نرم افزار spss این تحلیل های بیزی انجام نشده است و تنها از طریق سایت تخصصی آمار ارایه می شود. 
برای انجام تحلیل های بیزی کافیست extension های مربوطه را در نرم افزار spss نصب نمایید.
 

ادامه مطلب

پیدا کردن مقدار آماره بحرانی T تک نمونه ای در

موضوعات : مطالب عمومی

پیدا کردن مقدار آماره بحرانی T تک نمونه ای در excel

 
برای پیدا کردن مقدار آمار بحرانی T در اکسل از تابع( )T.INV استفاده می شود. برای استفاده از این تابع کافی است مقدار سطح خطا و درجه آزادی را وارد کنیم

ادامه مطلب

مدلسازی معادلات ساختاری در داده های طولی

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
 

ادامه مطلب

آزمون فرض در باره میانگین های متغیرها در روش معادلات ساختاری

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

ادامه مطلب