سایت تخصصی آمار فربد

ساختار درخت تصمیم یک ساختار درختی، شبیه فلوچارت می‌باشد بالاترین گره در درخت گره ریشه است و گره های برگ، دسته ها یا توزیع دسته ها را نشان می‌دهند

درخت تصمیم یکی از ابزار های قوی و متداول برای دسته بندی و پیش بینی می‌باشد. در خت تصمیم بر خلاف شبکه های عصبی به تولید قاعده می‌پردازد. در ساختار درخت تصمیم، پیش بینی به دست آمده از درخت در قالب یگسری قواعد توضیح داده می شود. در حالی که در شبکه های عصبی تنها نتیجه پیش بینی بیان می‌شود و چگونگی به دست آمدن آنها در خود شبکه پنهان می‌ماند. همچنین در درخت تصمیم برخلاف شبکه های عصبی ضرورتی وجود ندارد که داده ها لزوماً به صورت عددی باشند.

در این آموزش قصد داریم برای یک سری داده در اکسل نمودار توزیع نرمال ترسیم کنیم. در مرحله اول میانگین و انحراف معیار داده ها را محاسبه کرده سپس از تابع( )NORM.DIST استفاده می کنیم. فیلم آموزش در ادامه قابل مشاهده می باشد

برازش مدل در روش معادلات ساختاری با تکنیک PLSاز روش بوت استرپ و بدون در نظرگرفتن حجم نمونه و بحث توزیع متغیرهای تحقیق انجام می شود. این روش بیشتر مدلساز بوده و حتی برای پیش بینی استفاده می گردد.(فربد،1398). در ادامه با شاخص هایی که مدل PLS را تایید می کنند می پردازیم:

آلفای کرونباخ: مقدار این شاخص باید بزرگتر از 0.7 باشد تا پرسشنامه دارایی پایایی باشد.

در تحقیق انجام شده این شاخص برای کل پرسشنامه برابر 0.96 بوده که مورد تایید است.

روایی پرسشنامه با شاخص ضریب پایایی مرکب: این شاخص باید دارای مقدار بزرگتر از 0.5 باشد تا پرسشنامه دارای روایی باشد.

روایی پرسشنامه با شاخص AVE جذر میانگین واریانس: این شاخص باید دارای مقدار بزرگتر از 0.7 باشد تا پرسشنامه دارای روایی باشد.

روایی واگرا: عناصر روی قطر الی ماتریس همبستگی جذر میانگین واریانس هستند که مقدار آن برای هر ستون از اعداد زیر آن باید بزرگتر باشد.