...........................................................................................................................................................................................................................................................................................................................................................................
خوش آمدید این سایت دارای مجوز می باشد برای مشاهده مجوز ها پایین صفحه را مشاهده فرمائید.
روش های بررسی نرمال بودن توزیع داده ها و شرایط استفاده از هر روش چیست؟
3 روش اصلی برای بررسی نرمال بودن توزیع داده ها وجود دارد: روش های دیداری و آزمون های آماری [1][2][4].
روشهای بصری: این روشها شامل ایجاد یک هیستوگرام یا نمودار Q-Q از دادههای شما و مقایسه آن با توزیع عادی است. هیستوگرام به شما امکان می دهد ببینید که آیا داده ها از یک منحنی زنگی شکل پیروی می کنند یا خیر، در حالی که نمودارهای Q-Q چندک های داده های شما را با چندک های یک توزیع نرمال مقایسه می کنند [4].
روش های بصری نقطه شروع خوبی هستند، اما می توانند ذهنی باشند و ممکن است برای مجموعه داده های کوچک قابل اعتماد نباشند.
2- روش توصیفی : در این روش چولگی و کشیدگی بررسی می شود. اگر تعداد افراد نمونه ی آماری بالاست پیشنهاد می شود در مقاله و پایان نامه ی خود از این روش استفاده کنید.
3- روش استنباطی آماری: اینها آزمون های رسمیتری هستند که از محاسبات آماری برای تعیین اینکه آیا دادههای شما احتمالاً از توزیع نرمال آمدهاند یا خیر، استفاده میکنند.
چندین تست نرمال بودن مختلف وجود دارد که هر کدام نقاط قوت و ضعف خاص خود را دارند. برخی از آزمون های رایج عبارتند از آزمون شاپیرو-ویلک، آزمون کولموگروف-اسمیرنوف و آزمون اندرسون-دارلینگ [2][6].
انتخاب آزمون به اندازه مجموعه داده شما و سایر عوامل بستگی دارد [3][5].
از کدام آزمون استفاده کنیم: آزمون Shapiro-Wilk: این ارزیابی می کند که آیا یک مجموعه داده از توزیع نرمال پیروی می کند [1، 2، 3، 4، 5، 6]. این یک مقدار p را برای نشان دادن احتمال غیرعادی بودن داده ها ارائه می دهد. مقادیر p کوچکتر (معمولاً 0.05 ≤) نشان دهنده رد نرمال بودن است. این آزمونها برای بررسی مفروضات سایر روشهای آماری استفاده میشوند، نه مستقیماً بر روی خود دادههای مقیاس لیکرت.
تست کولموگروف-اسمیرنوف (K-S): این یکی دیگر از تست های نرمال بودن است اما ممکن است قدرت کمتری نسبت به تست Shapiro-Wilk برای نمونه های کوچکتر داشته باشد [3].
کولموگروف-اسمیرنوف (K-S) برای داده های لیکرت و حجم نمونه بالای 30 نفر مناسب نیست و نتیجه گمراه کننده می دهد.بدین منظور پیشنهاد می شود از چولگی و کشیدگی استفاده کنید. تست اندرسون-دارلینگ: این یک نوع تست K-S است که وزن بیشتری بر انحرافات در انتهای توزیع میگذارد [3]. انتخاب آزمون مناسب به عوامل مختلفی بستگی دارد، اما در این منابع شرایط خاصی برای هر آزمون ذکر نشده است. به طور کلی توصیه می شود که با یک آمارگیر مشورت کنید یا به منابع پیشرفته تر برای راهنمایی های عمیق مراجعه کنید.
رگرسیون خطی ساده چیست و نتایج آن چگونه تفسیر می شود؟
رگرسیون خطی ساده یک تکنیک آماری است که برای مدل سازی رابطه بین دو متغیر پیوسته استفاده می شود [1، 2، 5]. تخمین می زند که متغیر وابسته (نتیجه) به طور متوسط در پاسخ به تغییرات متغیر مستقل (پیش بینی کننده) چقدر تغییر می کند.
در اینجا خلاصه ای از نحوه تفسیر نتایج آورده شده است:
شیب: این مقدار جهت و قدرت رابطه خطی را نشان می دهد. شیب مثبت به این معنی است که متغیر وابسته با افزایش متغیر مستقل افزایش می یابد و برعکس برای شیب منفی [3]. هر چه شیب تندتر باشد، ارتباط قوی تر است. R-squared: این آمار نشان دهنده نسبت واریانس در متغیر وابسته است که توسط متغیر مستقل توضیح داده شده است [2، 4]. R-squared بالاتر نشان دهنده تناسب بهتر برای مدل است. P-value: این مقدار اهمیت شیب را آزمایش می کند. مقدار p پایین (معمولا زیر 0.05) نشان می دهد که رابطه مشاهده شده به دلیل شانس بعید است [4]. مهم است که پیش از تفسیر نتایج، مفروضاتی مانند خطی بودن و نرمال بودن خطاها را در نظر بگیرید [1، 6].
توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده، استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها قابل ویرایش در قالب نرم افزار ورد Word می باشد.
تفسیر ضریب همبستگی پیرسون و شرایط استفاده از آن چیست؟
تعریف و محاسبه: طبق دایره المعارف اندازه گیری و آمار، ضریب همبستگی پیرسون از تقسیم کوواریانس دو متغیر بر حاصل ضرب انحراف معیار آنها محاسبه می شود.
ضریب همبستگی پیرسون ضریب همبستگی پیرسون (r) یک معیار آماری پرکاربرد برای ارزیابی قدرت و جهت رابطه خطی بین دو متغیر پیوسته است [1، 2، 3، 4، 5]. از -1 تا +1 متغیر است، که در آن:
+1 یک رابطه خطی مثبت کامل را نشان می دهد (با افزایش یک متغیر، متغیر دیگر به نسبت افزایش می یابد). -1 یک رابطه خطی منفی کامل را نشان می دهد (با افزایش یک متغیر، متغیر دیگر به نسبت کاهش می یابد). 0 نشان دهنده عدم وجود رابطه خطی است. با این حال، در نظر گرفتن شرایط استفاده موثر از پیرسون r مهم است:
نرمال بودن مشترک: داده های هر دو متغیر باید به طور مشترک به طور عادی توزیع شوند [1، 6]. یعنی توزیع هر متغیر به صورت جداگانه و توزیع ترکیبی آنها باید نرمال باشد. خطی بودن: رابطه بین متغیرها باید خطی باشد [2، 3]. باید یک روند مستقیم وجود داشته باشد، نه یک الگوی منحنی یا چرخه ای. نقاط پرت: وجود نقاط پرت می تواند به طور قابل توجهی بر مقدار r تأثیر بگذارد. ضروری است که قبل از تفسیر نتایج، موارد پرت را بررسی کرده و به آنها رسیدگی کنید [1، 6]. اگر این شرایط برآورده نشود، ضرایب همبستگی جایگزین ممکن است برای تحلیل رابطه بین متغیرهای شما مناسب تر باشد.
توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده، استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها قابل ویرایش در قالب نرم افزار ورد Word می باشد.
گروه بندی و توصیف آزمون های پارامتریک و ناپارامتریک برای بررسی رابطه بین متغیرها آزمونهای پارامتریک برای بررسی رابطه بین متغیرها، ویژگیهای پارامتری خاصی از دادهها مانند نرمال بودن و واریانسهای برابر را فرض میکنند. در اینجا چند آزمون پارامتریک رایج مورد استفاده قرار می گیرد:
ضریب همبستگی پیرسون: رابطه خطی بین دو متغیر پیوسته را اندازه گیری می کند. قدرت و جهت رابطه را از -1 (همبستگی منفی کامل) تا +1 (همبستگی مثبت کامل) ارزیابی می کند.
رگرسیون خطی ساده: رابطه بین یک متغیر وابسته و یک متغیر مستقل را بررسی می کند. شیب و قطع رابطه خطی را تخمین می زند و اهمیت رابطه را ارزیابی می کند.
رگرسیون خطی چندگانه: رگرسیون خطی ساده را برای بررسی رابطه بین یک متغیر وابسته و چند متغیر مستقل گسترش می دهد. ضرایب متغیرهای مستقل را تخمین زده و اهمیت آنها را در پیش بینی متغیر وابسته ارزیابی می کند.
تجزیه و تحلیل واریانس (ANOVA): برابری میانگین ها را در چندین گروه یا دسته آزمایش می کند. این ارزیابی می کند که آیا ارتباط معنی داری بین یک متغیر مستقل طبقه بندی و یک متغیر وابسته پیوسته وجود دارد یا خیر.
از سوی دیگر، آزمون های ناپارامتریک بر فرضیات دقیق در مورد توزیع داده های اساسی تکیه نمی کنند. آنها اغلب زمانی استفاده میشوند که دادهها مفروضات پارامتریک را نقض میکنند یا هنگام برخورد با دادههای معمولی یا غیرعادی توزیع شدهاند. در اینجا چند آزمون ناپارامتریک متداول برای بررسی رابطه بین متغیرها آورده شده است:
همبستگی رتبه- ترتیب اسپیرمن: رابطه یکنواخت بین دو متغیر را ارزیابی می کند. قدرت و جهت رابطه را بر اساس رتبهبندی دادهها، به جای مقادیر واقعی اندازهگیری میکند.
همبستگی رتبه کندال: همبستگی رتبه بین دو متغیر را اندازه گیری می کند، مشابه همبستگی اسپیرمن. با این حال، ضریب همبستگی کندال بر اساس تعداد جفتهای همخوان و ناسازگار در دادهها است.
آزمون Chi-Square: ارتباط بین دو متغیر طبقه بندی را بررسی می کند. تعیین می کند که آیا تفاوت معنی داری بین فرکانس های مشاهده شده و مورد انتظار در جدول احتمالی وجود دارد یا خیر.
آزمون U Mann-Whitney: توزیع یک متغیر پیوسته را بین دو گروه مستقل مقایسه می کند. این ارزیابی می کند که آیا میانه های دو گروه به طور قابل توجهی متفاوت است یا خیر.
آزمون Kruskal-Wallis: آزمون Mann-Whitney U را برای مقایسه توزیع های یک متغیر پیوسته در بیش از دو گروه مستقل گسترش می دهد.
در هنگام انتخاب آزمون مناسب برای بررسی رابطه بین متغیرها، توجه به ماهیت داده ها، سؤال تحقیق و مفروضات هر آزمون مهم است. توصیه می شود در صورت نیاز هنگام انجام تحلیل های آماری با کارشناس آماری ما در سایت rava20.ir مشورت کنید. (کلیک)
تحلیل داده های آماری با مناسبترین قیمت و کیفیت برتر!
🌟با تجربهی بیش از 17 سال و ارائهی بهترین خدمات
مشاوره : پایان نامه و مقاله نویسی تحلیل داده های آماری
توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده، استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها قابل ویرایش در قالب نرم افزار ورد Word می باشد.
تحلیل واریانس یا به اختصار ANOVA، یک روش آماری برای بررسی تفاوت میانگین بین دو یا چند گروه است [1, 2, 4, 5]. این روش با تجزیه واریانس کل دادهها به دو بخش واریانس بین گروهی و واریانس درون گروهی، این کار را انجام میدهد [1, 6].
اگر واریانس بین گروهی به طور قابل توجهی از واریانس درون گروهی بیشتر باشد، نشان میدهد که میانگین گروهها از نظر آماری با هم متفاوت هستند [2, 5].
به بیان سادهتر، ANOVA به ما کمک میکند تا بفهمیم آیا بین مقادیر میانگین چند گروه، تفاوتهای آماری معناداری وجود دارد یا خیر [4].
توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده، استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها قابل ویرایش در قالب نرم افزار ورد Word می باشد.
تحلیل استنباطی یعنی استفاده از داده ها و اطلاعات موجود برای رسیدن به نتایج و نتیجه گیری های قطعی و قابل اعتماد. در این روش، از داده های موجود برای استخراج قوانین و الگوهایی استفاده می شود که به ما اجازه می دهد برای مثال از یک نمونه کوچک داده، به یک نتیجه گیری کلی در مورد جامعه بزرگتری برسیم.
1. تحلیل رگرسیون: این روش برای بررسی رابطه بین دو یا بیشتر از متغیرها استفاده می شود. در این روش، متغیرهای مستقل بر روی متغیر وابسته تأثیر می گذارند.
2. تحلیل واریانس (ANOVA): این روش برای بررسی تفاوت های میان گروه ها استفاده می شود. در این روش، میانگین هر گروه با هم مقایسه می شود تا ببینیم آیا تفاوت معناداری بین آنها وجود دارد یا خیر.
3. تحلیل عاملی: در این روش، مجموعه ای از متغیرها به عنوان عوامل در نظر گرفته می شوند و تلاش می شود تا با بررسی رابطه بین این عوامل و متغیرهای وابسته، الگوهایی برای توصیف و پیش بینی رفتارها یا خصوصیات افراد یا گروه ها یافت شود.
4. تحلیل خوشه بندی: این روش برای گروه بندی داده ها و مشاهده شباهت ها و تفاوت های بین گروه ها استفاده می شود. در این روش، ابتدا داده ها بر اساس شباهت های آنها به یکدیگر، به گروه هایی تقسیم می شوند و سپس بررسی می شود که آیا تفاوت معناداری بین این گروه ها وجود دارد یا خیر.
5. تحلیل روابط عاملی: در این روش، تلاش می شود تا رابطه بین دو یا بیشتر از متغیرها را بررسی کرد. این روش به عنوان یک ابزار بسیار قوی در مطالعات علمی و روان شناسی مورد استفاده قرار می گیرد.
6. تحلیل علیت: در این روش، تلاش می شود تا رابطه علیتی بین دو یا بیشتر از متغیرها بررسی شود. این روش به عنوان یکی از ابزارهای اصلی برای ارزیابی تأثیر یک متغیر بر متغیر دیگر در مطالعات علمی شناخته شده است.
7. تحلیل مسیر: در این روش، تلاش می شود تا اثرات مستقیم و غیرمستقیم یک متغیر بر متغیر دیگر بررسی شود. این روش به عنوان یک ابزار قوی در مطالعات علمی و روان شناسی مورد استفاده قرار می گیرد.
8. تحلیل شبکه: در این روش، تلاش می شود تا روابط بین متغیرها را در قالب شبکه تحلیل کرد. این روش به عنوان یک ابزار بسیار قوی در مطالعات شبکه های اجتماعی و سیستم های پیچیده استفاده می شود.
9. تحلیل خوشه بندی: در این روش، تلاش می شود تا متغیرها به گروه هایی با ویژگی های مشابه تقسیم شوند. این روش به عنوان یک ابزار برای تجزیه و تحلیل داده های پیچیده و دسته بندی اطلاعات در مطالعات علمی و تجاری مورد استفاده قرار می گیرد.
10. تحلیل کلاسیک: این روش به عنوان یک روش تحلیل داده های ساده و معمولی شناخته شده است. در این روش، تلاش می شود تا متغیرها به صورت انفرادی بررسی شوند و تأثیر هر کدام بر متغیر دیگر بررسی شود. این روش در مطالعات کوچک و ساده مورد استفاده قرار می گیرد.
توجه: همه ی پرسشنامه هااز منابع معتبر تهیه شده، استاندارد ، دارای روایی و پایایی و منابع داخل و پایان متن می باشند . همه ی پرسشنامه ها قابل ویرایش در قالب نرم افزار ورد Word می باشد.
برای بررسی روابط علی بین متغیرها به طور هماهنگ تلاش های زیادی در دهه اخیر صورت گرفته است. یکی از روش های امید بخش در این زمینه معادلات ساختاری یا تحلیل چند متغیری با متغیرهای پنهان است. از این روش تحت عنوان مدل علی و تحلیل انکوانام شده است. از طریق این روش می توان قابل پذیرش بودن مدل های نظری را در جامعه های خاص با استفاده از داده های همبستگی، غیر آزمایشی و آزمایشی تحلیل کرد. فرضیه مورد بررسی در یک مدل معادلات ساختاری، یک ساختار علی ویژه بین گروهی ا از متغیرهای غیرقابل مشاهده است. این متغیرها ها از طریق گروهی از متغیرهای آشکار اندازه گیری می شود یک مدل معادلات ساختاری کامل از دو جزء بوجود شده است:
الف) یک مدل ساختاری که ساختار علی خاصی را بین متغیرهای پنهان در نظر می گیرد و
ب) یک مدل اندازه گیری که روابطی را بین متغیرهای پنهان و متغیرهای آشکار تعریف می کند. هنگامی که داده های بدست آمده از نمونه مورد بررسی به صورت طیف همبستگی یا کواریانس در آید و توسط گروهی از معادلات رگرسیون تعریف شود، مدل را می توان با استفاده از نرم افزارهای مرتبط تحلیل کرد و نتایج آن را برای جامعه ای که نمونه از آن استخراج شده بدست آورد.
این تحلیل برآوردهایی از پارامترهای مدل (ضرایب مسیر و جملات خطا) و همچنین چند ویژگی برای خوب بودن نتایج بدست آمده فراهم می آورد. تخمین پارامترها و اطلاعات مربوط به خوب بودن تحلیل را می توان برای تغییرات احتمالی در مدل و آزمون دوباره مدل نظری مورد آزمون قرار داد
پایان نامه – مقاله نویسی
مقدمه
یکی از شیوه های تحلیل داده های آماری، تحلیل مسیر است که بیشتر با استفاده از رگرسیون چند متغیره انجام می گیرد. این روش برای تحلیل مدل های علی به کار گرفته می شود و مستلزم طرح مدلی به صورت نمودار علی است و در واقع رابطه علی را نشان می دهد و به ما کمک می کند بدانیم چه می خواهیم بگوییم. علاوه برآن تحلیل مسیر، شکلی از تحلیل رگرسیون عملی است که در آن برای حل کردن مسئله با تحلیل فرضیه های پیچیده، از نمودار مسیر استفاده می شود. تحلیل مسیر یکی از چندین تحلیل آماری است که تحت عنوان مدل معادلات ساختاری شناخته شده اند. این روش امکان تحلیل روابط علی بین دو یا چند متغیر را بوجود می آورد، که ممکن است به صورت مستقل، وابسته، گسسته یا پیوسته، پنهان یا آشکار و یا هر دو در یک معادله خطی به کار روند. تحلیل مسیر معمولا در تحقیقات اکتشافی و تحلیل های نظریه ثانویه بکار می رود. یک محقق می تواند گروهی از داده ها را برای بررسی روابط غیر قابل پیش بینی بین متغیرها تحلیل کند، خواه بطور مستقیم باشد، خواه غیر مستقیم، و به همین ترتیب از طریق مدل های گوناگون بهترین مدل را به دست آورد. همچنین می تواند نظریه ها را به وسیله برقراری ارتباط که پیش بینی شده اند یا مورد شک هستند تحلیل کند و از این طریق بهترین مدل را بدست آورد.
تحلیل چند متغیره تحلیل مسیر
تحلیل مسیر روش آماری به کار بردن ضرایب بتای استاندارد رگرسیون چند متغیرى در مدل هاى ساختاری است. هدف تحلیل مسیر به دست آوردن تخمین های کمى روابط علّى بین گروهی از متغیرهاست. ساختن یک مدل علّی الزاما به معنای وجود روابط علّی در بین متغیرهای مدل نیست بلکه این روابط علی بر اساس فرضیه های همبستگی و نظریه و پیشینه تحقیق استوار است. تحلیل مسیر به ما می گوید که کدام مسیر مهمتر و یا معنادارتر است.
ضرایب مسیر براساس ضریب استاندارد شده رگرسیون تحلیل مى شود. یک متغیر به صورت مجموعه ای از دیگر متغیرها در نظر گرفته مى شود و مدل رگرسیونى آن طرح مى شود. برای بدستآوردن تخمین های ضرائب اصلی مسیر کافی است هر متغیر وابسته (درونزا) به متغیرهائی که مستقیماً تحت تأثیر آن است برگردانده می شود.
به بیان دیگر برای تخمین های هر یک از مسیرهای مشخص شده، ضرائب استانداردشده رگرسیون (یا ضرائب مسیر) مورد محاسبه قرار می گیرد. این ضرائب از طریق ایجاد معادلههای ساختاری یعنی معادلههائی که ساختار روابط در نظر گرفته شده در یک مدل را معین میسازد به دست میآیند. تحلیل مسیر صرفًا بر روی متغیرهای دیده شده قابل انجام است.
مشروط کردن مدل نظری
برای ساختن یک مدل از طریق تحلیل مسیر، ده شرط بیان شده است که به کمک آنها، امکان تجزیه و تحلیل علّی فراهم میشود. درده شرط بحث، شده هفت شرط اول مدل نظری مناسبی را برای تجزیه و تحلیل و نتیجه گیری علّی ایجاد می کند
. بیان رسمی نظری در قالب مدل ساختاری ۲. وجود منطق نظری برای فرضیههای علّی ۳. مشخص نمودن نظم علّی ۴. مشخصنمودن مسیر روابط علّی ۵. نوشتن معادلات توابع ۶. معین نمودن مرزهای مدل ۷. ثابت بودن مدل ساختاری ۸. کاربردیکردن متغیرها ۹. تأیید تجربی معادلات کاربردی ۱۰. نتیجه گیری مدل ساختاری از طریق دادههای تجربی
اصول طرح نمودار مسیر
نبود حلقه ۲. نبود مسیر رفت و برگشت بین متغیرها ۳. حداکثر تعداد رابطه های اجازه داده شده بین متغیرهای درونی برابر با تعداد مسیرها در تحلیل مسیر یک متغیر ممکن است همزمان هم نقش متغیر مستقل و یا وابسته را داشته باشد . به عبارت دیگر یک متغیر در مدل علّی ممکن است نسبت به بعضی متغیرها مستقل و نسبت به بعضی دیگر وابسته باشد. برای جلوگیری از ابهام و سردرگمی به جای مستقل و وابسته از دو عنوان دیگر برای مشخص کردن نوع متغیرها در روش تحلیل مسیر استفاده می شود.
متغیر های درونی و بیرونی
کلیه متغیرهای موجود در یک مدل و الگوی علی دارای دو نوع اصلی است. نوع اول متغیر برونی است و نوع دوم متغیر درونی نام دارد. متغیر بیرونی متغیری است که هیچ تاثیری از سایر متغیرهای الگو و مدل طراحی شده قبول نمی کند. در حقیقت مقدار متغیر ببیرونی توسط بقیه متغیرهای درونی مدل مشخص نمی شود بلکه مقدار آن دربیرون از مدل مشخص می شود. متغیر درونی (وابسته) متغیری است که از حداقل یک متغیر دیگر در مدل و الگوی طراحی شده تاثیر می گیرد. مقدار متغیر وابسته توسط سایر متغیرهای درونی مدل مشخص می شود. بنابراین بر اساس تعریف یک متغیر نمی تواند همزمان هم وابسته و هم مستقل باشد. از نظر نموداری متغیر مستقل متغیری است که با هیچ فلشی نشان داده نمی شود در حالیکه متغیر وابسته متغیری است که حداقل یک فلش به سمت آن می رود و توسط یک فلش نشان داده می شود.
مسیر
مسیر در مدل علّی نشان دهنده تاثیر یک متغیر بر متغیر دیگر است. در تحلیل مسیر معمولا مسیر را با یک فلش جهت دار یک جهته که ازمتغیر مستقل به متغیر مربوطه وابسته رسم شده است نشان می دهند. نمایش تحلیل مسیر دارای یک نمایش ریاضی است که به صورت عمومی داده می شود. حرف i نشان دهنده متغیر مستقل حرف jنشان گر متغیر وابسته است و همواره اصل j>I برقرار است به عبارت دیگر I متغیر ی است که تحت تاثیر قرار می گیرد و j متغیری است که تاثیر می گذارد بر روی آن . پس مسیر فرضی ۴۱ pیعنی یک متغیر بر چهار متغیر دیگر موثر است یا این که متغیر یک متغیر مستقل و متغیرچهار متغیر وابسته است
جملات اشتباه
جمله اشتباه نشان دهنده میزانی از واریانس متغیر وابسته است که از سوی متغیرهای موثر بر آن تحلیل می شود بنابراین در یک مدل علّی به تعداد متغیرهای وابسته، جمله اشتباه وجود دارد. جمله اشتباه را معمولا با حرف e یا d نشان می دهند.
طراحی مدل مسیر
محقق بر اساس تحقیقات قبلی مشابه و دارای ارتباط شروع به انتخاب متغیرها و تعیین روابط علّی بین آنها بر اساس منطق تحلیلی و نظری می نماید. نتایج این مرحله ممکن است گروهی از فرضیه های مرتبط و منسجم باشد که معمولا از طریق طرح و یا مدل ریاضی بیان می شود. در تحقیقات علوم اجتماعی مدلهای مفهومی معمولا به شکل رسم کردن مدل و رسم نمودار بیان می شوند.
انواع مدلهای تحلیل مسیر
مدل متغیرهای مستقل : همان رگرسیون چندگانه است اما بین متغیرهای مستقل ۲. همبستگی برقرار نمی شود. ۳. مدل وابسته : مدل وابسته همانند مدل مستقل است با این تفاوت که بین برخی متغیرهای مدل رابطه وجود دارد. ۴. مدلهای دارای متغیر تعدیل کننده : حداقل یک متغیر تعدیل کننده بین دو متغیر دیگر قرارمی گیرد. ۵. مدلهای دارای متغیر میانجی : یک متغیر بر ارتباط بین دو متغیر دیگر اثر تعدیل کننده دارد. ۶. مدلهای یک طرفه :جهت فلشها به یک طرف بوده و برگشت به عقب ندارد یعنی همه مسیرها به یک سمت هستند. ۷. مدلهای دوطرفه : جهت فلشها و مسیرها دارای حرکت به طرف عقب بوده و یک حلقه درست می کند. این نوع مدلها در مطالعات علوم اجتماعی و جامعه شناسی زیاد استفاده نمی شود .
آزمون مدل نظری
برای تحلیل مدل نظری می توان از رگرسیون در نرم افزار اس پی اس اس و معادلات ساختاری در نرم افزارهایی مانند .. آموس و لیزرل استفاده نمود. در نرم افزار اس پی اس اس به تعداد متغیرهای وابسته باید از گزینه رگرسیون خطی چندگانه و یا ساده استفاده نمود. لیکن در نرم افزار آموس مدل نظری تحقیق به صورت یکجا تحلیل می شود
انواع رابطه بین متغیرها در نمودار تحلیل مسیر
دو روشی که یک متغیر مستقل ممکن است بر یک متغیر وابسته تأثیر بگذارد. ۱. اثر مستقیم: نشان دهنده یک اثر مستقیم متغیر x بر روی متغیر y است (x1 ® y ) 2. اثر غیر مستقیم: یک اثر غیرمستقیم متغیر x بر روی y از طریق یک متغیر مستقل دیگر.رابطه بین X و Y وقتى غیر مستقیم است که X علت Z است و Z نیز به نوبه خود در Y تاثیر می گذارد . بسیاری از پژوهشگران تمایل دارند اثر کلی یک متغیر را بر متغیر دیگر حساب کنند کنند این کار با استفاده از روش جمع اثر مستقیم با مجموع آثار غیرمستقیم آن به دست میآید. آثار غیرمستقیم از طریق حاصلضرب ضرائب هر مسیر بدست می آید : ۳. اثر نامشخص: رابطه بین X و Y وقتى نامشخص است که Z علت هر دو متغیر X و Y باشد. ۴. اثرات تبیین نشده: رابطه بین دو متغیر وقتى تبیین نشده است که هر دوى آنها مستقل بوده و بنابراین تبیین تغییر پذیرى بین آنها توسط مدل ما ممکن نباشد
بوجود آورندگان آزمون تحلیل مسیر
تحلیل مسیر در سال ۱۹۱۸ توسط سیول رایت طرح شد که تا سال ۱۹۲۰ مطالب بسیاری را در مورد آن نوشته است. و از آن زمان برای مدل سازی های پیچیده در زمینه روان شناسی، اقتصاد و جامعه شناسی به کار رفت
نوع آزمون تحلیل مسیر (توضیح علت پارامتریک ؛ ناپارمتریک و …)
آزمون تحلیل مسیر جزء آزمون های نرمال بحساب می آید دلایل آن به شرح زیر می باشد: ۱. هر یک از موارد مشاهده شده مستقل است، یعنی اینکه انتخاب یک مورد به انتخاب مورد دیگری وابسته نیست. ۲. واریانس متغیرها مساوی یا تقریبا مساوی است. ۳. توصیف متغیرها براساس مقیاس فاصله ای یا نسبی انجام می گیرد. ۴. توزیع نمره ها در جامعه نرمال یا نزدیک به توزیع نرمال است
شرایط استفاده از آزمون تحلیل مسیر (در مقیاس اسمی، ترتیبی و ..)
برخی از فرضیه های به کار گیری تحلیل مسیر به شرح زیر می باشد: ۱. کالین سفارش می کند که به ازای هر شاخص ( نه متغیر) در مدل حداقل ۱۰ مورد به محدوده نمونه اضافه باید کرد . در نظر گرفتن نسبت ۲۰ نمونه برای هر شاخص بسیار خوب است . ۲. مقیاس فاصله ای و نسبتی بودن برای متعیرهای مدل. اگر چه در مطالعات علوم اجتماعی از طیف لیکرت به مقدار زیادی استفاده می شود و این مقیاس رتبه ای است لیکن بسیاری از محققان مقیاس لیکرت را بصورت ، مقیاس فاصله ای در نظر می گیرند. ۳. وجود رابطه خطی بین متغیرهای مستقل با متغیر وابسته ۴. غیر همبسته بودن جملات اشتباه متغیرها . ۵. نرمال بودن داده ها و مشخص کردن آن با آزمون ۶. عدم وجود وابستگی چندگانه : وابستگی چندگانه زمانی ایجاد می شود که بین حداقل دو متغیر مستقل همبستگی زیادی وجود داشته باشد. ۷. تک بودن متغیرها : یک متغیر از ترکیب دو متغیر غیر اصلی بوجود آمده باشد و متغیرهای فرعی دارای رابطه دارای علامت مشابه با سایر متغیرها باشد. ۸. تجزیه همبستگی : همبستگی = اثرات مستقیم + اثرات غیرمستقیم
به کار گیری آزمون تحلیل مسیر
آزمون تحلیل مسیر امکان آزمون روابط علی بین دو یا چند متغیر رابوجود می آورد ، که ممکن است به صورت مستقل، وابسته، گسسته یا پیوسته، پنهان یا آشکار و یا هر دو در یک معادله دارای رابطه همبستگی به کار روند)
حل مثال با نرم افزار اس پی اس اس spss
به منظور بررسی رابطه بین سرمایه روانشناختی و مشغولیت تحصیلی با میانجی انگیزه پیشرفت در دانش آموزان دختر پایه اول متوسطه پژوهشی انجام گرفت که تعداد ۱۰۰ دانش آموز پسر پایه اول متوسطه به عنوان نمونه برای تحقیق انتخاب شدند و فرضیه های زیر مورد تحلیل قرار گرفت: فرضیه ۱. سرمایه روانشناختی بر انگیزه پیشرفت تاثیر مثبت دارد. فرضیه ۲. سرمایه روانشناختی بر مشغولیت تحصیلی تاثیر مثبت دارد. فرضیه ۳. انگیزه پیشرفت بر مشغولیت تحصیلی تاثیر مثبت دارد. فرضیه ۴. سرمایه روانشناختی از طریق انگیزه پیشرفت بر مشغولیت تحصیلی اتاثیر مثبت دارد. این روابط در الگوی پیشنهادی حاضر در نمودار ۱ نشان داده شده اند.
آموزش روش تحلیل مسیر در اس پی اس اس
همانگونه که نتایج جدول ۱ نشان می دهد، میانگین و انحراف معیار آزمودنی های کل نمونه (۱۰۰) به ترتیب در سرمایه روانشناختی (۱۴۵) و (۲۳.۳۴)، انگیزه پیشرفت (۴۵/۷۵) و (۶۳/۷) و مشغولیت تحصیلی (۷۳/۶۸) و (۲۹/۴۲) است.
میانگین و انحراف معیار هر یک از خرده شاخص های پنهان به طور مفصل در جدول ۱ ارائه شده است.
آموزش روش تحلیل مسیر در اس پی اس اس spss
رابطه همبستگی متغیرهای پژوهش در جدول ۲ نشان داده شده است.
آموزش روش تحلیل مسیر در اس پی اس اس spss
همانطور که نتایج جدول ۲ نشان می دهد، همه رابطه های همبستگی بین متغیرها در سطح ۰۱/۰ معنی دار هستند. این تحلیل های همبستگی نظریه ای در خصوص روابط دومتغیری بین متغیرهای پژوهش را ایجاد میکنند.
جهت آزمودن همزمان روابط درنظر گرفته شده در پژوهش حاضر، روش الگویابی معادلات ساختاری اجرا شده است. نمودار ۲ الگوی پایانی پژوهش حاضر و ضریب های مسیر در میان متغیرها را نشان می دهد.
آموزش روش تحلیل مسیر در اس پی اس اس spss
جدول ۳ الگوی ساختاری، مسیرها و ضریب های استاندارد آن ها در الگوی نهایی این پژوهش را نشان می دهد. جدول ۳ نشان می دهد که همه ضریب های مسیرهای مستقیم در الگوی نهایی معنی دار هستند.
آموزش روش تحلیل مسیر در اس پی اس اس spss
یافته های مربوط به فرضیه های الگوی پیشنهادی
در این بخش ابتدا مسیرهای مستقیم الگو و سپس یافته های مربوط به مسیرهای غیرمستقیم (به طور واسطه ای ) گزارش می شوند.
مسیرهای مستقیم الگوی مطرح شده
یافته های مربوط به فرضیه های مستقیم الگوی مطرح شده با توجه به نتایج جدول ۳ مورد بررسی قرار می گیرند:
فرضیه ۱. سرمایه روانشناختی بر انگیزه پیشرفت تاثیر مثبت دارد. سرمایه روانشناختی + انگیزه پیشرفت با توجه به جدول شماره ۳ ضریب مسیر سرمایه روانشناختی با انگیزه پیشرفت معنیدار می باشد (۲۵۵/۰ =β، ۰۰۳/۰ =Ƥ(. این نتیجه ، فرضیه ۱ را تأیید می کند.
فرضیه ۲. سرمایه روانشناختی بر مشغولیت تحصیلی تاثیر مثبت دارد. سرمایه روانشناختی + مشغولیت تحصیلی با توجه به جدول شماره ۳ ضریب مسیر سرمایه روانشناختی به مشغولیت تحصیلی معنی دار میباشد (۷۹۹/۰ =β، ۰۰۰۱/۰ =Ƥ(. این نتیجه ، فرضیه ۲ را تأیید می کند.
فرضیه ۳. انگیزه پیشرفت بر مشغولیت تحصیلی تاثیر مثبت دارد. انگیزه پیشرفت + مشغولیت تحصیلی با توجه به جدول شماره ۳ ضریب مسیر انگیزه پیشرفت به مشغولیت تحصیلی معنی دار می باشد (۲۱۲/۰ =β، ۰۰۴/۰ =Ƥ(. این نتیجه ، فرضیه ۳ را تأیید می کند.
مسیرهای غیرمستقیم الگوی مطرح شده
با توجه به مسیرهای غیرمستقیم مطرح شده به بررسی روابط تعدیل کننده متغیرهای مدل مطرح شده در پژوهش حاضر می پردازیم .
یافته های مربوط به روابط واسطه ای متغیرهای مطرح شده
در این بخش نتایج حاصل از آزمون فرضیه های مربوط به مسیرهای غیرمستقیم و تاثیرهای واسطه-ای بیان خواهند شد. در این پژوهش، ۱ فرضیه بر اساس وجود روابط غیرمستقیم است.
فرضیه ۴. سرمایه روانشناختی از طریق انگیزه پیشرفت بر مشغولیت تحصیلی تاثیر مثبت غیرمستقیم دارد.
برای تعیین معنی داری روابط واسطه ای، از بوت استراپ استفاده شده است. جدول ۴ نتایج حاصل از بوت استراپ در برنامه ماکرو، پریچر و هیز (۲۰۰۸) را در رابطه سرمایه روانشناختی و مشغولیت تحصیلی با میانجی گری انگیزه پیشرفت نشان می دهد.
آموزش روش تحلیل مسیر در اس پس اس اس spss
مطابق با جدول ۴ محدوده پایین محدوده اطمینان برای انگیزه پیشرفت به عنوان متغیر تعدیل کننده بین سرمایه روانشناختی و مشغولیت تحصیلی (۰۲۳۶/۰) و حد بالای آن (۱۳۶۶/۰) است.
محدوده اطمینان برای این محدوده اطمینان ۹۵ و تعداد نمونه گیری مجدد بوت استراپ ۲۰۰ است. با توجه به اینکه صفر بیرون از این محدوده اطمینان قرار می گیرد، این رابطه با واسطه معنی دار بوده و فرضیه ما مورد تأیید قرار می گیرد.
تحلیل آماری با کم ترین هزینه و بالاترین کیفیت انجام می گیرید. تحلیل داده های آماری با نرم افزارهای کمی و کیفی نرم افزار های کمی SPSS و PLS و Amos نرم افزار های کیفی: Maxquda و Nvivo تعیین حجم نمونه با:Spss samplepower کافی است قیمت ها را با جاهای دیگر مقایسه کنید. کیفیت بالا، قیمت مناسب و خدماتی که به نیازهای شما پاسخ می دهند! با ما همراه باشید و پژوهش خود را به یک تجربه ی موفق تبدیل کنید.
انجام پژوهش کیفی.jpg
خدمات تخصصی پژوهش و تحلیل داده های آماری با مناسبترین قیمت و کیفیت برتر!
SPSS (نام کامل: Statistical Package for the Social Sciences) یکی از متداولترین و قدرتمندترین ابزارها برای تحلیل دادههای آماری در زمینههای مختلف از جمله علوم اجتماعی، علوم رفتاری، بهداشت، اقتصاد و … است.
در اینجا به توضیحات مختصری درباره چگونگی تحلیل آماری با استفاده از SPSS میپردازیم:
1. ورودی دادهها به SPSS:
ابتدا، دادههای خود را به فرمت متنی یا اکسل آماده کنید و سپس آنها را به نرمافزار SPSS وارد کنید. معمولاً دادهها به صورت جدول وارد میشوند که هر ستون مربوط به یک متغیر و هر سطر مربوط به یک مشاهده (نمونه) است.
2. توصیف آماری:
متغیرها: بررسی و توصیف متغیرها شامل میانگین، واریانس، مد، میانه و… است. این اطلاعات به توصیف متغیرها کمک میکند.
جمعیت و نمونه: اطلاعات مربوط به تعداد مشاهدات (نمونه) و اطلاعات مختصر درباره ویژگیهای جمعیتی.
3. آزمونهای آماری:
SPSS به شما امکان ترکیبی از آزمونهای آماری کلاسیک و پیشرفته را فراهم میکند:
آزمون t (تی-آزمون): برای مقایسه میانگین دو گروه.
آنالیز واریانس (ANOVA): برای مقایسه میانگین بیش از دو گروه.
رگرسیون و کوواریانس: برای بررسی ارتباط بین متغیرها.
آزمونهای همبستگی: بررسی رابطه بین متغیرها.
4. گزارشگیری:
نتایج تحلیلهای آماری به صورت گزارشهای استانداردی ارائه میشوند که شامل نمودارها، جداول و تفسیر نتایج آماری است. این گزارشها میتوانند به عنوان اسناد معتبر برای ارائه نتایج به دیگران (مثلاً همکاران یا استادان) استفاده شوند.
برای یادگیری بیشتر و استفاده بهینه از SPSS، میتوانید از منابع آموزشی آنلاین، کتابها، دورههای آموزشی محلی یا دورههای آموزشی آنلاین استفاده کنید. همچنین، وبسایت رسمی SPSS منابع و آموزشهای آنلاین بسیار مفیدی را برای یادگیری این نرمافزار ارائه میکند.
ما در این سایت پرسشنامه های استاندارد (دارای روایی، پایایی، روش دقیق نمره گذاری ، منبع داخل و پایان متن ) ارائه می کنیم و همچنین تحلیل آماری کمی و کیفی رابا قیمت بسیار مناسب و کیفیت عالی و تجربه بیش از 17 سال انجام می دهیم. برای تماس به ما به شماره 09143444846 در شبکه های اجتماعی پیام بفرستید. ایمیلabazizi1392@gmail.com
تمامی حقوق مادی و معنوی این سایت متعلق به لنسرسرا و محفوظ است.
این سایت دارای مجوز می باشد
