بایگانی دسته: آموزش Spss اس پی اس اس

فیلم آموزش وارد کردن و صادر کردن داده ها از اکسل به اس پی اس اس و برعکس

فیلم آموزش وارد کردن و صادر کردن داده ها از اکسل به اس پی اس اس و برعکس

 

 

انجام تحلیل آماری با نرم افزارهای  SPSS  – AMOS – PLS – و نرم افزار کیفی Maxquda 

 

 

برای مشاهده لیست همه ی  پرسشنامه های استاندارد لطفا همین جا روی پرسشنامه استاندارد  کلیک فرمایید.

برای دسترسی به مطالب جالب در مورد موفقیت در زندگی و کسب و کار روش تحقیق، SPSS، انواع پرسشنامه و همچنین آگاهی از به روز شدن سایت در کانال تلگرامی ما عضو شوید.

کانال تلگرام

 

 

سفارش تحلیل داده های آماری برای پایان نامه و مقاله و ...

ما قصد داریم تحلیل داده های شما را با کم ترین هزینه و بالاترین کیفیت انجام بدهیم. قیمت تحلیل ها بسیار پایین می باشد و پایین تر از هر جای دیگر است و بسته به نوع و میزان کار بین 500 تا 600 هزار تومان خواهد بود. فعلاً تحلیل داده های آماری با نرم افزارهای SPSS- PLS - Amos و نرم افزارهای کیفی Maxquda و انویو Nvivoانجام می گیرد. جهت سفارش تحلیل فرم زیر را تکمیل نمایید.
  • لطفا ایمیل خود را دقیق بنویسید
  • شماره همراه خود را دقیق بنویسید.
  • لطفاً فرضیه هایا سوال های پژوهشی خود را در قالب ورد یا pdf در اینجا آپلود نمایید.
    فرمت قابل قبول فایل: doc, docx, pdf.
  • این قسمت برای اهداف اعتبارسنجی است و باید بدون تغییر باقی بماند.

spss-p2- فیلم رایگان پنجره های ویرایشگر در spss-

 فیلم رایگان تعریف متغیرها در SPSS

برای تعریف متغیرها باید ابتدا روی زبانه Variable View کلیک کنید. در هر سطر از کاربرگVariable View یک متغیر تعریف میشود و هر ستون این کاربرگ بیانگر ویژگی خاصی در ارتباط با متغیر است که در ادامه به توضیح هریک می پردازیم.

 

ستون Name (وارد کردن نام متغیر(: در این ستون نام متغیر را بنویسید(مانندid(. نام متغیر در نرم افزار SPSS مشمول محدودیت هایی است که عبارتند از 1- نام متغیر باید به حروف شروع شود 2- نباید با یک نقطه تمام شود 3- نباید شامل فاصله یا کاراکترهای خاص بجز @ ،# ،_ ،$ باشد.
ستون Type(تعیین نوع متغیر(: نرم افزار SPSS به صورت پیش گزینه متغیر را عددی در نظر میگیرد ولی انواع دیگر متغیرها نیز در این نرم افزار وجود دارد.برای تعیین نوع متغیر پس از فعال کردن اولین خانه این ستون، با کلیک روی مربع سه نقطه در سمت راست عبارت Numeric کادر Variable Type را باز کنید. این کادر شامل موارد زیر میباشد:
Numeric:
برای متغیرهای کمی بکاربرده میشود. اگر متغیر طبقه ای باشد، بهتر است از نوع Numeric استفاده شود، مثل جنسیت کارکنان که با کدهای 1 و 2 نشان داده میشود.
Comma:
مقادیر را سه‌رقم سه‌رقم با کاما جدا می کند.
Dot:
مقادیر را سه‌رقم سه‌رقم با نقطه جدا میکند.
Scientific notation:
اعداد را بصورت نماد علمی نشان میدهد.
Date:
برای نشان دادن تاریخ (مانند تاریخ تولد ، تاریخ استخدام( به کار برده میشود.
Dollar:
برای نشان دادن مقادیر به صورت دلار مورد استفاده قرار میگیرد.
Custom Currency:
برای نشان دادن مقادیر واحد های پولی دیگر بکار برده میشود.
String:
برای متغیرهای رشته ای (مانند اسم کارکنان یا اسم شرکت ها( استفاده میشود.
اکنون نوع متغیر را مشخص کرده و با انتخاب گزینه ok به صفحه اصلی بازگردید. از آن جایی که کد کارکنان متغیری کمّی است درمثال حاضر گزینه Numeric را تغییر ندهید.
ستون‌های Width و Decimals ( تغییر دادن پهنای ستون و تعداد ارقام اعشار متغیرها(: این دو ستون به ترتیب برای تعیین پهنای ستون مربوط به متغیر و تعداد ارقام اعشار متغیر به کار میروند. در تغییر این دو پارامتر نسبتا مشابه عمل میشود. ابتدا روی خانه متناظر با متغیر در ستون Width یا Decimals کلیک کنید تا علامتی با دو فلش در سمت راست خانه ظاهر شود. با کلیک روی فلش رو به بالا ، رقم افزایش می باید و بالعکس با کلیک روی فلش رقم کاهش پیدا میکند. در مثال حاضر نیازی به تغییر صفات فوق نیست.
ستون Label (تعیین برچسب متغیر(: در ستون برچسب، تعریف گویا و کامل تری برای متغیر ارائه میشود. این برچسب میتواند ظاهر ستاده یک دستور را بهبود ببخشد. در ضمن محدودیت‌های موجود در تعیین نام متغیر در اتخاب برچسب متغیر وجود ندارد. در مثال ما متغیر id بیانگر کد کارکنان است، که میتوان آن را با برچسب Employee code بهتر نشان داد.
ستون Value (کدبندی متغیرهای طبقه ای و تعیین برچسب آنها(: در مورد متغیرهای حاوی گروه‌های متعدد مانند متغیر Gens ( متغیر دوم ما که معرف نوع جنسیت کارکنان است(، گروه‌های مختلف باید با مقادیر و برچسب‌هایی مشخص شوند. کدگذاری گروه‌های مختلف و تعیین برچسب‌هایی مشخص شوند. کدگذاری گروه‌های مختلف و تعیین برچسب‌های هر کد در ستون Values صورت میگیرد.
برای این کار ابتدا خانه دوم این ستون ( مربوط به متغیر gens( را فعال کنید. سپس روی مربع سه نقطه سمت راست عبارت None کلیک کنید تا کادر مکالمه Value Labels باز شود.

توجه: پس از تعریف متغیرها و وارد کردن داده‌ها ، اگر روی آیکن زیر که در نوار ابزار است، یکبار کلیک کنیم کدها نمایش داده میشود. با کلیک دیگر روی آن برچسب‌های تعریف شده نمایان می‌شود.
ستون Missing (مقادیر از دست رفته(: مقادیر از دست رفته که گاهی گم شده نیز گفته میشود مقادیری هستند که محاسباتی روی آنها انجام نمیشود. مقادیر از دست رفته کیتوانند ناشی از عوامل زیر باشند:
داده‌ای وجود نداشته باشد، مثلا فردی به پرسش خاص پاسخ نداده باشد.
داده غیر منطقی باشد مثلا در پرسشنامه ، فردی سنش را 170 سال نوشته باشد.
چند پاسخ متفاوت داشته باشیم مثلا فردی به پرسشی دو پاسخ متفاوت داده باشد.
نکته : اگر داده‌ایی وارد نشود، SPSS آن را نیز از دست رفته میشناسند.
میتوان برای هر نوع داده از دست رفته یک کد تعریف کرد که این کار در ستون Missing تعریف میشود.برای مثال اگر داده‌ای وجود نداشته باشد کد(1-(، برای داده‌ای غیر منطقی کد(2-( وبرای چند پاسخ متفاوت کد(3-( را وارد میکنیم.
ستون Columns (پهنای ستون(: برای تغییر پهنای ستون در کاربرگ Data View از این ستون استفاده میشود.روش تغییر پهنای ستون همانند روش شرح داده شده در ستون‌های Widthو Decimals میباشد.
ستون Align (تراز کردن داده‌ها(: در کاربرگ Data View داده‌ها به صورت پیش گزیده به شکل “چپ چین” ردیف شده‌اند. در این ستون میتوان به دلخواه داده‌ها را “راست چین” یا “وسط چینکرد. بدین منظور خانه مورد نظر در این ستون را فعال کنید تا فلشی در سمت راست عبارت Left نمایان شود. برروی فلش کلیک کرده و گزینه دلخواه را انتخاب کنید.
ستون Measure (مقیاس اندازه گیری(: در این ستون مقیاس اندازه‌گیری متغیر تعریف میشود. این مقیاس ها شامل Scale برای متغیرهای کمّی،   Nominal برای متغیرهای رشته ای به صورت پیش گزیده انتخاب شده است.
ستون Role(نقش(: در این ستون میتوان مشخص کرد که متغیر مورد نظر از چه نقشی برخوردار است: از نوع داده ورودی(Input(، هدف (Target(، هردو(Both(، هیچکدام(None(، تفکیک کننده (Partition( ، یا جداساز(Split(
Input
که نقش یک متغیر ورودی را بازی خواهد کرد(مانند متغیرهای مستقل،متغیرهای پیش بین در رگرسیون(
Target
که نقش که نقش یک متغیر ستاده یا هدف را بازی خواهد کرد( مانند متغیر وابسته در رگرسیون(
Both
که هم به صورت ورودی و هم ستاده به کار گرفته میشود.
None
که به آن هیچ نقشی واگذار نشده است.
Partition
که از آن برای بخش بندی داده‌ها به صورت نمونه‌های جداگانه برای یاد دادن، آزمون و اعتبار استفاده می‌شود(برای مثال در سری زمانی و شبکه‌های عصبی(
توجه: در رابطه با نقش متغیرها به دو نکته توجه کنید 1-اگر نقش متغیری مشخص نشود، سیستم نقش آن را به عنوان ورودی ثبت میکند.2اختصاص نقش ها تنها روی دیلوگهایی اثر خواهد داشت که نقش متغیر را پشتیبانی میکنند، و تاثیری بردستورات نخواهند داشت.

2- spss-p2- فیلم رایگان پنجره های ویرایشگر در spss- در این فیلم پنجره های نمایش داده ها و نمایش متغیرها و نحوه ی تعریف متغیر ها و وارد کردن داده ها تشریح شده اند.
 

سفارش تحلیل داده های آماری برای پایان نامه و مقاله و ...

ما قصد داریم تحلیل داده های شما را با کم ترین هزینه و بالاترین کیفیت انجام بدهیم. قیمت تحلیل ها بسیار پایین می باشد و پایین تر از هر جای دیگر است و بسته به نوع و میزان کار بین 500 تا 600 هزار تومان خواهد بود. فعلاً تحلیل داده های آماری با نرم افزارهای SPSS- PLS - Amos و نرم افزارهای کیفی Maxquda و انویو Nvivoانجام می گیرد. جهت سفارش تحلیل فرم زیر را تکمیل نمایید.
  • لطفا ایمیل خود را دقیق بنویسید
  • شماره همراه خود را دقیق بنویسید.
  • لطفاً فرضیه هایا سوال های پژوهشی خود را در قالب ورد یا pdf در اینجا آپلود نمایید.
    فرمت قابل قبول فایل: doc, docx, pdf.
  • این قسمت برای اهداف اعتبارسنجی است و باید بدون تغییر باقی بماند.

فیلم رایگان آشنایی با نوارها در   spss

spss-p-1-  فیلم رایگان آشنایی با نوارها در   spss

در این فیلم انواع نوارها و نحوه ی تغییر آن ها تشریح شده است.

سفارش تحلیل داده های آماری برای پایان نامه و مقاله و ...

ما قصد داریم تحلیل داده های شما را با کم ترین هزینه و بالاترین کیفیت انجام بدهیم. قیمت تحلیل ها بسیار پایین می باشد و پایین تر از هر جای دیگر است و بسته به نوع و میزان کار بین 500 تا 600 هزار تومان خواهد بود. فعلاً تحلیل داده های آماری با نرم افزارهای SPSS- PLS - Amos و نرم افزارهای کیفی Maxquda و انویو Nvivoانجام می گیرد. جهت سفارش تحلیل فرم زیر را تکمیل نمایید.
  • لطفا ایمیل خود را دقیق بنویسید
  • شماره همراه خود را دقیق بنویسید.
  • لطفاً فرضیه هایا سوال های پژوهشی خود را در قالب ورد یا pdf در اینجا آپلود نمایید.
    فرمت قابل قبول فایل: doc, docx, pdf.
  • این قسمت برای اهداف اعتبارسنجی است و باید بدون تغییر باقی بماند.

توزیع فـراوانی ­ها در SPSS (    فراوانی و درصد فراوانی و درصد فراوانی معتبر و درصد تجمعی)

توزیع فـراوانی ­ها در SPSS (    فراوانی و درصد فراوانی و درصد فراوانی معتبر و درصد تجمعی)

اولین­ کاری که بعد از گردآوری و وارد کردن داده­ ها انجام شود  شمارش تعداد افرادی است که پاسخ ­های معیّنی به هر پرسش داده­ اند. با این کار نحوه ­پراکندگی یا توزیع­ نمونه را در طبقات ­­مختلف هر­متغیر بررسی می­ کنیم. نتیجه این شمارش توزیع فراوانی است. توزیع فراوانی به طور متداول شامل فراوانی و درصد فراوانی است که عموما برای متغیرهای اسمی یا ترتیبی به­ کار می رود. کاربرد آن برای متغیرهای فاصله ­ای/­نسبی فقط زمانی که تعداد طبقات متغیر کم باشد و یا متغیر کمّی را به متغیری ترتیبی تبدیل کنیم، مناسب است. مثلا در مورد تعداد اعضاء خانواده (بعد خانوار)، استفاده از آماره فراوانی فقط زمانی مناسب که است تعداد اعضا شامل حدود 6 طبقه باشد. همچنین زمانی که درآمد افراد را به صورت عددی می­ سنجیم ولی درآمد افراد را کدگذاری مجدد کرده و در پنج طبقه قرار بدهیم می­ توانیم از توزیع فراوانی برای متغیر درآمد بهره بگیریم. در مجموع می­ توان گفت که در وضعیتی که طبقات تشکیل ­دهنده یک متغیر فاصله ­ای/نسبی محدود باشد (کمتر از 10 طبقه باشد)، استفاده از آماره فراوانی مناسب است.

ادامه‌ی خواندن

عملیات ریاضی ، شاخص ها و آزمون های آماری به تفکیک هر یک از مقیاس های اندازه گیری

عملیات ریاضی ، شاخص ها و آزمون های آماری به تفکیک هر یک از مقیاس های اندازه گیری

سفارش تحلیل داده های آماری برای پایان نامه و مقاله و ...

ما قصد داریم تحلیل داده های شما را با کم ترین هزینه و بالاترین کیفیت انجام بدهیم. قیمت تحلیل ها بسیار پایین می باشد و پایین تر از هر جای دیگر است و بسته به نوع و میزان کار بین 500 تا 600 هزار تومان خواهد بود. فعلاً تحلیل داده های آماری با نرم افزارهای SPSS- PLS - Amos و نرم افزارهای کیفی Maxquda و انویو Nvivoانجام می گیرد. جهت سفارش تحلیل فرم زیر را تکمیل نمایید.
  • لطفا ایمیل خود را دقیق بنویسید
  • شماره همراه خود را دقیق بنویسید.
  • لطفاً فرضیه هایا سوال های پژوهشی خود را در قالب ورد یا pdf در اینجا آپلود نمایید.
    فرمت قابل قبول فایل: doc, docx, pdf.
  • این قسمت برای اهداف اعتبارسنجی است و باید بدون تغییر باقی بماند.

تفاوت تحليل عاملي تاييدي و اكتشافي چیست؟

تفاوت تحليل عاملي تاييدي و اكتشافي چیست؟

تحلیل عاملی

از روش تحليل عاملي يا Factor Analysis جهت پي بردن به متغيرهاي زير بنايي يك پديده يا تلخيص مجموعه اي از داده‌ها استفاده مي‌شود.

در تحلیل عاملی به دنبال جوابگویی به 4 سوال زیر هستیم:

  • آیا مجموعه ای از آیتم ها (معرف ها)به تعداد کم تری از عوامل (حداقل یک عامل ) قابل تقلیل هستند .

  • اگر جواب سوال 1 بلی است معرف ها به چند عامل قابل تقلیل هستند؟ آیا یک مفهوم نظری کافی است؟ انتظار داریم حداقل یک عامل را از آن ها استخراج کرد.

  • هر معرف به کدام عامل ربط دارد؟ (گروهبندی آیتم ها) یعنی هر معرف بر روی کدام عامل بارگذاری می شود؟ مثلاً کدام آیتم ها به عامل 1 کدام به عامل 2 و … ربط دارد؟

  • چه نامی می توان بر روی عامل های استخراج شده گذاشت؟ (جواب گویی به این سوال بیشتر بر اساس خلاقیت محقق و دانش نظری وی انجام می گیرد؟)

 

 داده‌هاي اوليه براي تحليل عاملي، ماتريس همبستگي بين متغيرها است. تحليل عاملي، متغيرهاي وابسته از قبل تعيين شده اي ندارد. موارد استفاده تحليل عاملي را به دو دسته كلي مي‌توان تقسيم كرد: مقاصد اكتشافي و مقاصد تاييدي. اگر شما هیچ حدسی از ساختار روابط میان گویه ها نداشته باشید از تحلیل عاملی اکتشافی استفاده می شود. اما اگر گویه ها را براساس ابعاد شناسائی کرده باشید باید از تحلیل عاملی تائیدی استفاده کنید.

 

– تحليل عاملي اکتشافي (EFA)

در تحليل اکتشافي يا Exploratory factor analysis پژوهشگر به دنبال بررسي داده‌هاي تجربي به منظور کشف و شناسايي شاخصها و نيز روابط بين آنهاست. در اينجا از پيش مدل معيني وجود ندارد. به بيان ديگر تحليل اکتشافي علاوه بر آنکه ارزش تجسسي يا پيشنهادي دارد مي‌تواند ساختارساز، مدل ساز يا فرضيه ساز باشد. تحليل اکتشافي وقتي به کار مي‌رود که پژوهشگر شواهد کافي قبلي و پيش تجربي براي تشکيل فرضيه درباره تعداد عاملهاي زيربنايي داده‌ها نداشته و به واقع مايل باشد درباره تعيين تعداد يا ماهيت عامل‌هايي که همپراشي بين متغيرها را توجيه مي‌کنند داده‌ها را بکاود. بنابراين تحليل اکتشافي بيشتر به عنوان يک روش تدوين و توليد تئوري و نه يک روش آزمون تئوري در نظر گرفته مي‌شود.

تحليل عاملي تائيدي (CFA)

در تحليل عاملي تاييدي ياConfirmatory factor analysis پژوهشگر به دنبال تهيه مدلي است که فرض مي‌شود داده‌هاي تجربي را بر پايه چند پارامتر نسبتاً اندک، توصيف تبيين يا توجيه مي‌کند. اين مدل مبتني بر اطلاعات پيش تجربي درباره ساختار داده‌ها است که مي‌تواند به شکل يک تئوري يا فرضيه، يک طرح طبقه بندي کننده معين براي گويه‌ها در انطباق با ويژگيهاي عيني شکل و محتوا،شرايط معلوم تجربي و يا دانش حاصل از مطالعات قبلي درباره دادههاي وسيع باشد. روشهاي تاييدي (آزمون فرضيه) تعيين مي‌کنند که داده‌ها با يک ساختار عاملي معين (که در فرضيه آمده) هماهنگ هستند يا نه.

به طور خلاصه اگر به 4 سوال بالا بر مبنای نظری پاسخ بدهیم تحلیل عاملی تأییدی است چون قبل از جمع آوری داده ها می توان به سوال های تحلیل عاملی بر مبنای نظریه جواب داد. اما در تحلیل عاملی اکتشافی پاسخ به سوالات تحلیل عاملی بر مبنای داده هاست. در اینجا یا نظریه نداریم یا اینکه موقتاً آن را کنار می گذاریم تا بر مبنای داده ها به نظریه برسیم.

تحلیل عاملی اکتشافی با نرم افزار آماری Spss و تحلیل عاملی تأییدی با PLS  و Amos  انجام می گیرد.

برای انجام این تحلیل ها توسط ما اینجا کلیک نمایید.

 

استفاده از مطالب این سایت با ذکر منبع ( WWW.rava20.ir) بلامانع است.

انتخاب صحیح آزمون آماری

انتخاب صحیح آزمون آماری

یکی از مشکلات عمومی در تحقبقات میدانی انتخاب صحیح آزمون آماری برای بررسی سوالات یا فرضیات تحقیق می‌باشد. در آزمون‌های آماری هدف این است که ببینیم آیا داده‌های نمونه شواهد کافی برای رد یک حدس یا فرضیه را دارند یا خیر؟ انتخاب نادرست آزمون آماری موجب خدشه دار شدن نتایج تحقیق می شود.

ادامه‌ی خواندن

اجرای تحلیل عاملی اکتشافی در نرم افزار SPSS

اجرای تحلیل عاملی اکتشافی در نرم افزار SPSS

واریانس و کوواریانس چیست؟

واریانس و کوواریانس چیست؟

واریانس:

واریانس را «مقدار متوسط مربع اختلاف مقادیر از میانگین» تعریف می‌کنند. برای محاسبه واریانس باید ابتدا میانگین ساده اعداد را پیدا کنید. در ادامه برای هر عدد باید مقدار میانگین را از آن کم کرده و نتیجه بدست آمده را به توان دو برسانید و در واقع مربع اختلاف را بدست آورید. سپس باید میانگین مربع اختلافاتی که بدست آورده‌اید را محاسبه نمایید تا واریانس بدست آید. 

کوواریانس :

 

کوواریانس شاخصی برای تغییرات یک متغیر با متغیر دیگر است (سرمد،۱۳۸۸: ۸۰). کوواریانس مشابه واریانس است ولی در کوواریانس انحراف از میانگین را به طور همزمان برای دو متغیر  x و y محاسبه می کنیم .

چنانکه دو متغیر تصادفی ناوابسته باشند، کواریانس آنها صفر خواهد بود(سرمد،۱۳۸۸: ۱۲). اگر نمره بالا در یک متغیر با نمره بالا در متغیر دیگر و نمره پایین در یک متغیر با نمره پایین در متغیر دیگر همراه باشد، مقدار کوواریانس مثبت (هم جهت بودن تغیرات دو متغیر) خواهد بود. از طرف دیگر اگر نمره بالا در یک متغیر با نمره پایین در متغیر دیگر همراه باشد، مقدار کوواریانس منفی (غیر هم‏جهت بودن تغیرات دو متغیر) خواهد بود (کیامنش،۱۳۸۷: ۱۹۸) . لازم به ذکر است که در توزیع‏های دومتغیری برای توصیف رابطه میان دو متغیر از ضریب همبستگی، کوواریانس و معادله رگرسیون استفاده می‏کنیم.

 

تجزیه و تحلیل داده های آماری با SPSS، Amos, Maxqda

 [huge_it_slider id=”2″]

تجزیه و تحلیل داده های آماری
با توجه به گستردگی آزمون ها و ابزارهای آماری عملاً امکان و فرصت تجزیه و تحلیل داده ها برای دانشجویان و محققان وجود ندارد، ما سعی کرده ایم با تجربه بیش از یک دهه این مشکل را با هزینه ای بسیار کم حل نماییم. برای این منظور محققان جهت تجزیه و تحلیل داده های خود با استفاده از نرم افزارهای آماری SpSS و Amos  و همچنین نرم افزار تحلیل کیفی MAXQDA (جهت تحلیل ، متن، عکس و فیلم) به یکی از روشهای زیر با ما در تماس باشند. 

تماس با ما:

Email 1 :    Abazizi1392@Gmail.com
email2:      abazizi@rava20.ir

همراه: 09102194672

تلگرام:

@abazizi

هزینه انجام تحلیل ها بسیار پایین و بسته به نوع تحقیق، تعداد داده و تعداد فرضیه معمولاً برای  دانشجویان کارشناسی ۲۰۰ تا ۲۵۰ هزار تومان و برای دانشجویان کارشناسی ارشد و دکتری  ۲۵۰ تا ۳۰۰هزار تومان می باشد. همچنین برای افرادی که بیش از دو تحلیل سفارش بدهند مبلغ ۱۰ %  و برای افرادی که بیش از ۵ تحلیل سفارش بدهند ۲۰% تخفیف داده خواهد شد.

تحلیل ها با بالاترین کیفیت ، در اسرع وقت و در قالب نرم افزار Word  تحویل داده خواهد شد.