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.

از سوي ديگر شتاب فزايندهاي را به تحقيقات علمي بخشيده است. اگر چه توسعه اينگونه نرم- افزارها كمك زيادي به اين تحقيقات كرده است، اما عدم آشنايي برخي از محققين به روشهاي آماري و تكيه صرف به برنامه هاي آماري رايانه اي باعث گرديده است كه اشكالات اساسي از تحليلهاي آماري در مطالعات گوناگون حادث شود و زماني كه پاي روش هاي پيشرفته آماري و تجزيه و تحليل چند متغيره در تحقيقات باز مي- شود اينگونه اشتباهات مضاعفتر ميگردد. در اين ميان در دهههاي اخير روش هاي پيشرفته آماري مانند رگرسيون چندگانه، تحليل مسير، تحليل عاملي ( اكتشافي و تأييدي ) و مدلسازي معادلات ساختاري از جمله روشهايي است كه در سطح وسيع در تحقيقات علمي، پايان نامه هاي كارشناسي ارشد و بويژه رساله هاي دكتري براي بررسي و تحليل مدلهاي مفهومي، توسط بسياري از دانشجويان و محقيقن مورد استفاده قرار مي گيرد. هر چند توضيح و بحث در رابطه با روش هاي پيشرفته آماري در چهار چوب این کتاب تعریف نشده است، لذا در اين قسمت سعي بر آن است كه از بين روش هاي مذكور، موارد كاربرد و مفروضات دو روش تحليل عاملي اكتشافي و تأييدي  مورد بحث قرار گيرد.

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.

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

تحلیل واریانس دوطرفه

تحلیل واریانس دوطرفه[1]

نظریات اساسی تحليل واريانس یک­طرفه را با دو متغیر یا فاکتور مستقل گسترش می­ دهد. وقتی دو فاکتور در محدوده­ایی قرار می­ گیرند که به آن طرح عاملی گفته می­شود، هر سطح از یک فاکتور با سطح فاکتور دیگر ترکیب می ­شود.

تحلیل واریانس دوطرفه مثل تحلیل واریانس یک­طرفه روی متغیر وابسته ­ی منفردی اجرا می­ شود که روی یک بازه یا مقیاس نسبی اندازه ­گیری می­شود. هدف تحلیل واریانس دوطرفه نتیجه ­گیری 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 می­ شوند، در صورتیکه متغیر وابسته تعداد کلمات مطالعاتی فراخوان شده باشد، با اجرايت حلیل 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.