پرسشنامه ها پرسشنامه های مدیرانه پرسشنامه های کوتاه مقالات ترجمه شده سوالات مصاحبه تحلیل آماری
+989383351063
Email: modirane@gmail.com
فروشگاه اینترنتی مدیرانه
پرسشنامه ها پرسشنامه های مدیرانه پرسشنامه های کوتاه مقالات ترجمه شده سوالات مصاحبه تحلیل آماری
Iran
فروشگاه اینترنتی مدیرانه
پرسشنامه ها پرسشنامه های مدیرانه پرسشنامه های کوتاه مقالات ترجمه شده سوالات مصاحبه تحلیل آماری
Iran
modirane@gmail.com
00989383351063

pls یا (partial least squares) به معنای حدأقل مربعات جزئی توسط هرمن ولد ابداع شد. از مهمترین دلایل برای استفاده از این نرم افزار نمونه های کوچک (زیر 100 نفر)، داده های غیرنرمال  و سروکار داشتن با مدل های اندازه گیری از نوع سازنده است. یک مزیت مهم دیگر این نرم افزار اجرای مدل های تک سوالی می باشد که نرم افزارهای لیزرل و آموس این امکان را ندارند و برای آزمودن صحیح روایی همگرا نیاز به حدأقل سه سوال دارند.

حجم نمونه لازم در pls

در محاسبه حجم نمونه  بایستی گفت تعداد نمونه ها می تواند کمتر از تعداد متغیرها نیز باشد از نظر بارکلای و همکاران (1995) حدأقل حجم نمونه در نرم افزار pls برابر است با بزرگترین مقدار حاصل از دو قاعده زیر:

1- 10 ضرب در تعداد شاخص های مدل اندازه گیری ای که دارای بیشترین شاخص در میان مدل های اندازه گیری مدل اصلی پژوهش است.

2- 10 ضرب در بیشترین روابط موجود در بخش ساختاری مدل اصلی پژوهش که به یک متغیر مربوط می شوند.

البته تعیین حجم نمونه به موارد زیادی بستگی دارد و تکنیک ارائه شده تنها در مورد تعیین حدأقل حجم نمونه کارایی دارند.

منبع: داوری، علی، رضازاده، آرش، (1392)، مدل سازی معادلات ساختاری با نرم افزار pls، انتشارات جهاد دانشگاهی، تهران

نرم افزار لیزرل Lisrel مخفف linear structural relations است که جهت محاسبات تحلیل عاملی و مدل معادلات ساختاری استفاده می‌شود

مدل معادلات ساختاری (SEM) و نرم افزار لیزرل یکی از ﻗﻮیترین و ﻣﻨﺎﺳﺐﺗﺮین روشﻫﺎی تجزیه و تحلیل در ﺗﺠﺰیه و تحلیل ﭼﻨﺪ متغیره اﺳﺖ. زیرا ﻣﺎهیت این ﮔﻮﻧﻪ ﻣﻮﺿﻮﻋﺎت، دارای چند متغیر بوده و این متغیرها نیز با هم ارتباطات پیچیده ای دارند و ﻧﻤﯽﺗﻮان آﻧﻬﺎ را ﺑﺎ شیوه ای که ﺗﻨﻬﺎ ارتباط میان یک متغیر ﻣﺴﺘﻘﻞ ﺑﺎ یک متغیر واﺑﺴﺘﻪ بررسی مشود ﺣﻞ‫ﻧﻤﻮد.

روابط علی متغیرهای وابسته و متغیر مستقل از طریق ضریب استاندارد و عدد معناداری با نرم افزار لیزرل مورد سنجش قرار می گیرد و بر اساس آن نسبت به تأیید یا رد فرضیات تصمیم گیری می شود. در مجموع در تحلیل ساختاری با نرم افزار لیزرل ابتدا از تحلیل عاملی مرتبه اول و مرتبه دوم(مدل‌های اندازه گیری) و در مرحله بعدی تحلیل مسیر(مدل ساختاری) استفاده می شود

در جزوه زیر به طور خلاصه چگونگی کار با نرم افزار زیر آموزش داده شده است:

دانلود جزوه آموزشی نرم افزار لیزرل

تمامی تحلیل های آماری با نرم افزار لیزرل زیر نظر سرکار خانم دکتر حاتمی انجام می شود. برای مشاوره و انجام کار می توانید با شماره و یا ایمیل زیر با ما تماس حاصل فرمایید:

شماره تماس: 09383351063

ایمیل: modirane@gmail.com

قبل از شروع تحلیل بایستی نرمال بودن داده ها بررسی شود. کم توجهی به این مورد باعث نتایج اریب در پژوهش می شود. منظور از توزیع یک متغیر و نرمال بودن آن این است که یک متغیر از حیث نرمال بودن توزیع آن مورد بررسی قرار گیرد. نرمال بودن توزیع چند متغیره به آن مفهوم است که نرمال بودن دو متغیر و یا بیشتر از دو متغیر مد نظر قرار گیرد. بنابراین زمانی که توزیع چند متغیره نرمال است می توان نتیجه گرفت که تک تک متغیرهای آن دارای توزیعی نرمال می باشند ولی عکس این رابطه نمی تواند ضرورتا درست باشد.

روش های متعددی برای بررسی نرمال بودن یک متغیر وجود دارد یکی از این روشها رسم نمودار هیستوگرام آن متغیر با نرم افزار spss می باشد این روش ممکن است در نمونه های کوچک درست جواب ندهد. روش دیگری برای بررسی نرمال بودن استفاده از شاخص های چولگی و کشیدگی است. مقادیر مثبت چولگی دلالت بر آن دارد که بیشتر مقادیر مورد بررسی، پایین تر از مقدار میانگین قرار دارند و مقادیر منفی نشان می دهد که بیشتر مقادیر، بالاتر از مقدار میانگین قرار دارد. مقادیر منفی برای معیار کشیدگی بیانگر آن است که توزیع مورد بررسی نسبت به توزیع نرمال تخت تر می باشد و نیز مقادیر مثبت بیانگر ان است که توزیع مورد بررسی از توزیع نرمال بلند تر است. علامت شاخص چولگی نشانگر جهت آن و مقدار آن بیانگر وضعیت توزیع می باشد (ابارشی و حسینی، 1391). معمولا میزان (2،2-) برای شاخص چولگی و کشیدگی نشان دهنده نرمال بودن توزیع می باشد. دو آزمون معروف دیگر برای نرمال بودن کولموگروف- اسمیرنف و شاپیرو-ویلکس می باشد.

در نرم افزار آموس نیز مستقیما نتایج نرمال بودن تک متغیره و چند متغیره در خروجی ها می توانید مشاهده نمایید. 

فرمول کوکران یکی از مهم ترین روش ها برای محاسبه حجم نمونه آماری می باشد که در دو حالت جامعه محدود و جامعه نامحدود مورد استفاده قرار می گیرد. در حالتی که جامعه محدود (حجم جامعه مشخص) است فرمول کوکران برای محاسبه حجم نمونه به صورت زیر می باشد (حجازی، سرمد و بازرگان، 1385):

در این فرمول علائم به ترتیب زیر جایگذاری می شوند:

n: حجم نمونه آماری

N: حجم جامعه آماری که برای مثال فرض کنید 500 نفر می باشد.

P: نسبت وجود صفت در جامعه آماری است. در اینجا واریانس در سطح حدأکثر در نظر گرفته شده و بنابراین 0.5=p می باشد.

P یا 1-p: نسبت عدم وجود صفت در جامعه آماری است در اینجا چون 0.5 p= است q=1-p برابر 0.5 دست می آید.

Z: در این تحقیق با در نظر گرفتن سطح معناداري 95/0 ، مقدار Z برابر 96/1 می باشد.

d: دقت احتمالی مطلوب (سطح خطا) است و برای مثال در اینجا 0.1 در نظر گرفته شده است.

 

بنابراین حجم نمونه به ترتیب فوق 81 نفر محاسبه شد برای دقت بیشتر بهتر است سطح خطا (d) کمتر از 0.1 و برابر 0.06  یا 0.08 در نظر گرفته شود

وقتی حجم جامعه نامحدود باشد فرمول کوکران برای محاسبه حجم نمونه به صورت زیر می باشد:

در فرمول فوق نیز به تناسب اینکه تعداد نمونه در سطح چند درصد تمایل دارید برآورد شود اعداد را جایگذاری و حجم نمونه مورد نظر برآورد نمایید به عنوان مثال اگر می خواهیم در سطح خطای 5 درصد حجم نمونه تعیین شود عدد 1.96 را جایگزین z و عدد 0.5 را جایگزین p و q و همین طور در مخرج نیز باید سطح خطا را مشخص سازید که 0.05 جایگزین می نمایید در نتیجه حجم نمونه برابر 384 نفر محاسبه می شود مانند زیر:

افزایش شاخص های نیکویی برازش نشان دهنده حمایت قوی تر داده ها از مدل و افزایش شاخص های بدی برازش نشان دهنده حمایت ضعیف تر داده ها از مدل می باشد.

انواع شاخص های برازش:

شاخص های برازش مطلق

شاخص های برازش تطبیقی

شاخص های برازش مقتصد

شاخص های برازش مطلق: شاخص های برازش مطلق شاخص هایی هستند که بر مبنای تفاوت واریانس ها و کواریانس های مشاهده شده از یک طرف و واریانس ها و کواریانس های پیش بینی شده بر مبنای پارامترهای مدل تدوین شده از طرف دیگر قرار دارند. وجود درجه آزادی بالا(نزدیک به مدل استقلال) و کای اسکوئر پایین(نزدیک به مدل اشباع شده) نشان از قابل قبول بودن مدل و مطلوبیت آن می باشد. 

معادل فارسی اختصار معادل انگلیسی
کای اسکوئر- خی دو CMIN Chi-Square
شاخص نیکویی برازش GFI Goodness-of-Fit Index
شاخص نیکویی برازش اصلاح شده AGFI Adjusted Goodness-of-Fit Index
ریشه میانگین مربعات باقیمانده RMR Root Mean Squared Residual
 
شاخص های برازش تطبیقی: این شاخص ها در جهت تکمیل شاخص های مطلق بکار برده می شوند بدین معنا که با مبنا قرار دادن یک یا چند مدل، مدل نظری تدوین شده تحت آزمون را با آن مقایسه و نشان می دهد که آیا به لحاظ آماری قابل قبول تر تلقی می شود، ضعیف تر است و یا اینکه تفاوتی با آن ندارد. در اغلب موارد مدل مبنا یک مدل استقلال است. به این ترتیب اغلب موارد شاخص های برازش تطبیقی نشان میدهند که مدل تدوین شده تا چه اندازه توانسته است از یک مدل استقلال فاصله بگیرد. هر چه این فاصله ها بیشتر باشد برازش مدل مطلوب تر تلقی می شود.
 
معادل فارسی اختصار معادل انگلیسی
شاخص برازش هنجار نشده NNFI Non-Normed Fit Index
شاخص برازش هنجار شده NFI Normed Fit Index
شاخص برازش تطبیقی CFI Comparative Fit Index
شاخص برازش نسبی RFI Relative Fit Index
شاخص برازش افزایشی IFI Incremental Fit Index
 
شاخص های برازش مقتصد: با ارائه این شاخص ها تلاش شده تا مهمترین نقطه ضعف شاخص های برازش مطلق یعنی بهبود مقدار شاخص های برازش با افزایش پارامتر به مدل جبران شود. مبنای اصلی در این گروه از شاخص های برازش آن است که به ازای هر پارامتری که به مدل افزوده می شود این شاخص ها جریمه می شوند و مقدار آنها کاهش می یابد.
 
معادل فارسی اختصار معادل انگلیسی
کای اسکوئر هنجار شده NC Normed Chi-Square
نسبت اقتصاد PRATIO Parsimony Ratio
شاخص برازش مقتصد هنجار شده PNFI Parsimonious Normed Fit Index
شاخص نیکویی برازش مقتصد PGFI parsimonious Goodness-of-Fit Index
ریشه میانگین مربعات خطای برآورد RMSEA Root Mean Squared Error of Approximation
کای اسکوئر بهنجار شده CMIN/DF Normed Chi-Square
منبع: قاسمی، وحید، (1389)، مدل سازی معادله ساختاری در پژوهش های اجتماعی با کاربرد آموس، انتشارات جامعه شناسان، تهران

اگر حجم جامعه معلوم باشد ساده‌ترين روش براي تعيين حجم نمونه استفاده از جدول مورگان است. زماني که نه از واريانس جامعه و نه از احتمال موفقيت يا عدم موفقيت متغير اطلاع داريد و نمي توان از فرمول‌هاي آماري براي براورد حجم نمونه استفاده کرد از جدول مورگان استفاده مي‌کنيم. جدول مورگان به شرح زیر می باشد به تناسب اینکه تعداد جامعه شما چند نفر است، تعداد نمونه آماری را برآورد می نمایید. لازم به ذکر است که جدول مورگان برای افزایش دقت مطالعه حجم نمونه ها را بالا پیشنهاد می نماید که در صورت عدم وقت کافی برای پخش تعداد متناسب پرسشنامه ها می توانید برای تعیین حجم نمونه از فرمول کوکران استفاده نمایید که حجم نمونه کمتری را پیشنهاد می دهد. در جدول ستون های تعداد جامعه آماری و ستون های نشان دهنده تعداد نمونه مشخص شده اند به عنوان مثال اگر تعداد جامعه شما 10 نفر باشد تعداد نمونه شما نیز 10 نفر می باشد اما اگر تعداد جامعه شما 15 نفر باشد تعداد نمونه 14 نفر است و به همین ترتیب با افزایش تعداد جامعه، تعداد نمونه را می توان به راحتی از جدول استخراج نمود.

مدل تحلیل مسیر یکی از انواع مدل هایی است که می توان در تبیین و پیش بینی پدیده های مختلف از آنها بهره برد. مدل های مسیر دارای ویژگی هایی هستند که به لحاظ داشتن چنین خصایصی معمولا به عنوان یکی از زیربنایی ترین انواع مدل ها در بحث های مدل سازی معادله ساختاری مورد توجه قرار می گیرند. برخی از این خصایص عبارتند از:
کلیه متغیرهای اصلی در مدل از نوع مشاهده گر هستند و بنابراین یکی از فرض های این مدل این است که در مدل خطای اندازه گیری وجود ندارد.
اغلب بیشتر از یک متغیر درونی وجود دارد. هر متغیر درونی می تواند در نقش یک متغیر وابسته و یا در نقش یک متغیر مستقل و وابسته به طور همزمان باشد.
در تحلیل مسیر علاوه بر اثرات مستقیم متغیرهای مستقل بر وابسته می توان به بررسی اثرات غیرمستقیم متغیرها بر یکدیگر پرداخت (قاسمی، 1389)
هدف تحليل مسير به دست آوردن برآوردهاى كمى روابط علّى ( همکنشي يکجانبه يا کواريته) بين مجموعه اى از متغيرهاست. ساختن يک مدل علّي لزوماً به معناي وجود روابط علّي در بين متغيرهاي مدل نيست بلکه اين عليت بر اساس مفروضات همبستگي و نظر و پيشينه تحقيق استوار است.
تحليل مسير بيان مى كند كه كدام مسير مهمتر و يا معنادارتر است. ضرايب مسير بر اساس ضريب استاندارد شده رگرسيون محــــــاسبه مى شود. يك متغير به صورت تابعى از ديگر متغيرها فرض مى شود و مدل رگرسيونى آن ترسيم مى شود. براي بدست‌آوردن برآوردهاي ضرائب اصلي مسير کافي است هر متغير وابسته (درونزا) به متغيرهائي که مستقيماً تحت تأثير آن است بازگشت داده شود. به بيان ديگر براي برآوردهاي هر يک از مسيرهاي مشخص شده، ضرائب استاندارد شده رگرسيون (يا ضرائب مسير) محاسبه مي‌شود. اين ضرائب از طريق برقراري معادله‌هاي ساختاري يعني معادله‌هائي که ساختار روابط مفروض در يک مدل را مشخص مي‌سازد به دست مي‌آيند.
مفروضات تحليل مسير
1- کالين (Kline,1989 ) توصيه مي کند که به ازاي هر سوال در مدل حداقل 10 مورد به حجم نمونه اضافه نمود. در نظر گرفتن نسبت ۲۰ نمونه براي هر سوال بسيار مطلوبست.
2- مقياس فاصله اي و نسبتي بودن براي متعيرهاي مدل. اگر چه در مطالعات علوم اجتماعي از طيف ليکرت به شدت استفاده مي شود و اين مقياس رتبه اي است ليکن بسياري از محققان مقياس ليکرت با اندک تسامح ، مقياس فاصله اي در نظر مي گيرند.
3- وجود رابطه خطي بين متغيرهاي پيش بين با متغير وابسته (Residual plot in regression Scatterplots)
4- غير همبسته بودن جملات خطاي متغيرها 
5- نرمال بودن داده ها و مشخص کردن آن با آزمون (Komogorov-Smirnov statistic)
6- عدم وجود همخطي چندگانه (Multicollinearity(MC))
همخطي بودن چندگانه زمان بروز مي يابد که بين حداقل دو متغير مستقل همبستگي بالايي وجود داشته باشد.
7- تک بودن متغيرها:(Unitary Variables) يک متغير از ترکيب دو متغير فرعي ساخته شده باشد و متغيرهاي فرعي داراي ارتباطات داراي علامت مشابه با ساير متغيرها باشد.
8- تجزيه همبستگي : همبستگي = اثرات مستقيم + اثرات غيرمستقيم
اصول ترسيم نمودار مسير 
1- عدم وجود حلقه
2- عدم وجود مسير رفت و برگشت بين متغيرها
3- حداکثر تعداد همبستگي هاي مجاز بين متغيرهاي درونزا برابر با تعداد مسيرها
در تحليل مسير يک متغير ممکن است همزمان نقش متغير مستقل و يا وابسته را ايفاء نمايد. به عبارت يک ديگر متغير در مدل علّي ممکن است نسبت به برخي متغيرها مستقل و نسبت به برخي ديگر وابسته باشد. براي جلوگيري از ابهام و سردرگمي به جاي مستقل و وابسته از دو اصطلاح ديگر براي تعيين نوع متغيرها در روش تحليل مسير استفاده مي شود.
متغير هاي درونزا و برونزا
کليه متغيرهاي موجود در يک مدل و الگوي علي داراي دو نوع اصلي است. نوع اول متغير برونزا (Endogenous) است و نوع دوم متغير درونزا (Exogenous) نام دارد. متغير برونزا متغيري است که هيچ اثري از ساير متغيرهاي الگو و مدل طراحي شده نمي پذيرد. در حقيقت مقدار متغير برونزا توسط ساير متغيرهاي درون مدل تعيين نمي شود بلکه مقدار آن درخارج مدل تعيين مي شود. متغير درونزا( وابسته ) متغيري است که از حداقل يک متغير ديگر در مدل و الگوي طراحي شده اثر مي پذيرد. مقدار متغير درونزا توسط ساير متغيرهاي درون مدل تعيين مي شود. بنابر اين بر اساس تعريف يک متغير نمي تواند همزمان هم درونزا و هم برونزا باشد. از نظر نموداري متغير برونزا متغيري است که هيچ فلشي به آن وارد نمي شود در حاليکه متغير درونزا متغيري است که حداقل يک فلش به آن وارد مي شود.
مسير
مسير در مدل علّي نشان دهنده اثر يک متغير بر متغير ديگر است. در تحليل مسير معمولا مسير را با يک فلش جهت دار يک طرفه که ازمتغير برونزا به متغير مربوطه درونزا رسم شده است نمايش مي دهند. 
جملات خطا
جمله خطا نشان دهنده ميزاني از واريانس متغير درونزا است که از سوي متغيرهاي موثر بر آن تبيين مي گردد.بنابر اين در يک مدل علّي به تعداد متغيرهاي درونزا، جمله خطا وجود دارد. جمله خطا را معمولا با حرف e يا d نمايش مي دهند.
انواع مدلهاي تحليل مسير
1- مدل متغيرهاي مستقل :(independent) همان رگرسيون چندگانه است اما بين متغيرهاي مستقل همبستگي ترسيم نمي شود.
2- مدل همبسته (Correlated Model ): مدل همبسته همانند مدل مستقل است با اين تفاوت که بين برخي متغيرهاي مدل همبستگي وجود دارد.
3- مدلهاي داراي متغير ميانجي :(mediated حداقل يک متغير واسطه بين دو متغير ديگر قرارمي گيرد.
4- مدلهاي داراي متغير تعديل گر :(Moderator) يک متغير بر ارتباط بين دو متغير ديگر اثر تعديل گر دارد.
5- مدلهاي يک طرفه :(Recursive) جهت فلشها به يک سمت بوده و برگشت به عقب ندارد يعني همه مسيرها به يک سوهستند.
6- مدلهاي دوطرفه :(Nonrecursive) جهت فلشها و مسيرها داراي حرکت رو به عقب بوده و يک حلقه درست مي کند. اين نوع مدلها در مطالعات علوم اجتماعي و جامعه شناسي چندان رايج نمي باشد .
آزمون مدل مفهومي
براي آزمون مدل مفهومي مي توان از رگرسيون در نرم افزار spss و معادلات ساختاري در نرم افزارهايي مانند .. AMOS ،LISREL استفاده نمود.
در نرم افزار spss به تعداد متغيرهاي درونزا بايد از گزينه رگرسيون خطي چندگانه و يا ساده استفاده نمود. ليکن در نرم افزار amos مدل مفهومي تحقيق به صورت يکجا آزمون مي شود (کلانتری، 1385)
منابع
قاسمی، وحید، (1389)، مدل سازی معادله ساختاری در پژوهش های اجتماعی با کاربرد آموس، انتشارات جامعه شناسان، تهران
کلانتری، خلیل، (1391)،  پردازش و تحلیل داده ها در تحقیقات اجتماعی-اقتصادی با استفاده از نرم افزار spss، فرهنگ صبا، چاپ پنجم
 
Designed by VOLGHAN, Allrights reserved to Modirane.Ir