‏✳️ ‌آموزش معادلات ساختاری در SPSS — گام به گام و به زبان ساده

‏مسائلی که در دنیای واقعی امروز پیش روی محققین آمار و علوم اجتماعی و مدیریتی قرار دارد به قدری پیچیده شده که با یک، دو و حتی ۱۰ متغیر نیز قابل بیان نیستند. در این حالت شناسایی متغیرهای پنهان و کاهش ابعاد مسئله‌هایی با ابعاد متغیرهای زیاد، اهمیت ویژه‌ای پیدا می‌کند. یکی از تکنیک‌های رایج در آمار برای بدست آوردن متغیرهای پنهان از متغیرهای آشکار، تحلیل عاملی (Factor Analysis) است. به این ترتیب ترکیب خطی از متغیرها به کار گرفته شده و عامل‌های مرتبط با متغیرهای آشکار مشخص می‌شود. معادلات ساختاری (Structural Equation Modeling) یکی از ابزارهای مناسب برای حل مسائل و آنالیزهای عاملی است. در این متن با رویکردی نرم‌افزاری، با استفاده از برنامه آماری AMOS، آموزش معادلات ساختاری در SPSS را اجرا می‌کنیم.

══ فهرست مطالب ══

‏ ○ آموزش معادلات ساختاری در SPSS
‏ ○ معرفی فیلم آموزش مدل سازی معادلات ساختاری با AMOS
‏ ○ خلاصه و جمع‌بندی آموزش معادلات ساختاری در SPSS


‏🔸 آموزش معادلات ساختاری در SPSS

‏قبل از هر چیز برای آموزش معادلات ساختاری در SPSS لازم است که در مورد معادلات ساختاری اطلاعاتی کسب کنیم. در حقیقت، مدل سازی معادلات ساختاری (SEM) شامل تکنیک‌های مختلف آماری مانند تجزیه و تحلیل مسیر، تحلیل عاملی تأییدی، مدل‌سازی علی با متغیرهای نهفته و حتی تجزیه و تحلیل واریانس و مدل‌های رگرسیون خطی چندگانه است. در این متن در بخش اول، مقدمه‌ای بر منطق و عملیات صورت گرفته در معادلات ساختاری یا SEM، فرضیات و ورودی مورد نیاز برای تجزیه و تحلیل SEM و نحوه انجام تجزیه و تحلیل SEM را مرور کرده، سپس با استفاده از نرم افزار AMOS (Analysis of Moment Structures) که محصولی از شرکت SPSS است، این تکنیک را به کار خواهیم گرفت.

‏همچنین متغیرهای نهفته مربوط به زمان، استفاده از شاخص‌های اصلاح و نسبت بحرانی را در تجزیه و تحلیل اکتشافی، محاسبه وزن و نمره عامل‌ها، اثرات کل و اثرات غیرمستقیم را پوشش خواهیم داد.

‏«مدل سازی معادلات ساختاری» (SEM) شامل تکنیک‌های مختلف آماری مانند تجزیه و تحلیل مسیر، تحلیل عاملی تأییدی، مدل سازی علی با متغیرهای نهفته یا پنهان و از طرفی بهره‌گیری از تکنیک «تجزیه و تحلیل واریانس» (ANOVA) و «تحلیل کوواریانس» (ANCOVA) به همراه ایجاد «مدل‌های خطی عمومی» (General Linear Model) است. در این متن، مروری کوتاه و مقدماتی بر منطق SEM داشته، سپس فرضیات و ورودی مورد نیاز برای تجزیه و تحلیل SEM و نحوه انجام آن را با استفاده از نرم افزار AMOS (Analysis of Moment Structures) به کمک یک مثال آموزش خواهیم داد. در این بین متغیرهای پنهانی که به عنوان عامل‌ها می‌شناسیم، براساس متغیرهای آشکار، ساخته و از شاخص‌های اصلاح و آزمون فرض آماری در تحلیل‌های اکتشافی بهره خواهیم برد. ولی در ابتدای امر ابزار اجرای مدل سازی معادلات ساختاری یعنی AMOS را معرفی کرده و با محیط آن بیشتر آشنا می‌شویم. به این ترتیب برای آموزش معادلات ساختاری در SPSS از نرم‌افزار AMOS کمک خواهیم گرفت.


‏🔸 معرفی فیلم آموزش مدل سازی معادلات ساختاری با AMOS

‏آنالیز چند متغیره در آمار، ابزاری مناسب برای اجرا روش‌های تجزیه و تحلیل در تحقیقات علوم رفتاری و اجتماعی محسوب می‌شود. واضح است که در این حوزه، آزمودنی‌ها شامل چندین ویژگی هستند که منجر به ایجاد یک مسئله چند متغیره می‌شود. یکی از تکنیک‌های چند متغیره، «تجزیه و تحلیل ساختارهای کوواریانس» یا همان «مدل یابی معادلات ساختاری» است که موضوع این آموزش قرار گرفته است. این تکنیک برای بررسی روابط علت و معلولی و الگوهایی رابطه‌ای مناسب است. در این آموزش به کمک نرم‌افزار AMOS به آموزش معادلات ساختاری در SPSS پرداخته شده و روال آموزش به شکلی است که فراگیران می‌توانند تدوین صحیح مدل‌های نظری و تجربی را آموخته و جایگاه هر یک از متغیرهای میانجی، کنترلی، مداخله گر و تعدیل کننده را به درستی تشخیص دهند. فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است.


مطالعه ادامه مطلب 👇👇

‏🔗 آموزش معادلات ساختاری در SPSS — گام به گام و به زبان ساده — کلیک کنید (+)


📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
⏳ فرصت محدود — با ۶۰ درصد تخفیف، یادگیری را شروع کنید.

💠 در «بزرگترین جشنواره تاریخ فرادرس» که با نام جشنواره سال نو در حال برگزاری است، بیش از ۲۲ هزار ساعت آموزش با تخفیف ۶۰ درصدی، برای یادگیری همراه شماست.

🔗 جشنواره سال نو — [کلیک کنید]

✳️ کتابخانه آموزشی خود را با جدیترین آموزش‌های فرادرس تکمیل کنید: 👇

▫️ رویت Revit برای مهندسین عمران

▫️ اسکریپت‌ نویسی آباکوس با پایتون

▫️ نوشتن مقاله ISI در پژوهش مهندسی

▫️ خرید عرضه اولیه و پذیره‌ نویسی در بورس

▫️ اصلاح غیر مخرب رنگ و اکسپوژر در فتوشاپ

▫️ انتخاب مدل های یادگیری ماشین در پایتون

▫️ کلان داده و پایگاه داده غیر رابطه‌ای NOSQL

▫️ آشنایی سیستم‌های تصویرگری پزشکی و رادیولوژی


🔗 فهرست کامل جدیدترین آموزش‌ها [+]


📚 یادگیری، همیشه، همه‌جا؛ فرادرس

‌@FaraDars — فرادرس

‏✳️ ‌انجام تحلیل آماری با SPSS — گام به گام به همراه مثال عملی

‏یک تحلیل آماری باید توسط یک محقق آمار اجرا شود، از طرفی محاسبات زیادی که برای این کار لازم است، به کارگیری نرم‌افزارهای محاسبات رایانه‌ای مانند SPSS را ناگزیر می‌کند. در هر طرح تحقیق آماری، گام‌ها و مراحلی باید طی شود که آن‌ها را در این متن به همراه دستورات مورد نیاز برای انجام تحلیل آماری با SPSS بازگو خواهیم کرد. با رعایت گام‌های گفته شده، روال استانداردی را طی کرد که ما را به هدف که همان اجرای یک پروژه آماری و تحقیقاتی است، هدایت می‌کند. این گام‌ها از تعیین هدف، جمع‌آوری داده‌ها آغاز شده و تا آزمون فرض و تفسیر و ارائه گزارشات ادامه دارد. البته شاید بتوان چنین روالی را در فراتحلیل نیز به کار برد. ولی به هر حال یک پروژه تحقیقاتی که با داده‌ها و روش‌های آماری سر و کار دارد، احتیاج به مشاوره یا تائید یک آمارشناس خواهد داشت.

══ فهرست مطالب ══

‏ ○ انجام تحلیل آماری با SPSS
‏ ○ معرفی فیلم آموزش نرم افزار آماری SPSS فرادرس
‏ ○ خلاصه و جمع‌بندی


‏🔸 انجام تحلیل آماری با SPSS

‏اگر به منظور انجام تحقیق علمی با داده‌ها روبرو هستید، باید روش‌های آماری مناسب را به کار ببرید. نوع داده‌ها، هدف تحقیق، محدودیت‌ها و امکانات سخت‌افزاری و نرم‌افزاری و حتی نحوه نمونه‌برداری و اندازه یا حجم نمونه‌گیری همگی در تشخیص و به کارگیری آنالیزهای آماری دخیل بوده و در انتخاب نوع تحلیل آماری تعیین کننده هستند. انجام تحلیل آماری با SPSS به علت سادگی این نرم‌افزار طرفداران زیادی دارد. این امر باعث شده که اغلب برای محاسبات آماری، بدون مشاوره با یک کارشناس آمار، مطالعات آماری در رشته‌های علوم انسانی و مهندسی، صورت گیرد. به همین جهت این راهنما را برای چنین افرادی تهیه کرده‌ایم که نتایج بدست آمده از چنین طرح‌هایی، حداقل به اشتباه برداشت نشود.

‏قبل از هر کاری، باید هدف از یک طرح تحقیق علمی را مشخص کرده باشید. نوع مقادیر متغیرها آماری باید در یک تحلیل آماری، مشخص باشد. همچنین هدف از اجرای یک تحقیق آماری باید تعیین شود. ممکن است هدف‌های زیر را برای تحقیقات آماری تصور کرد.

‏– توصیف خصوصیات یک جامعه آماری

‏– برآورد بهترین آماره برای پارامتر جامعه

‏– انتخاب و اجرای آزمون آماری برای پارامتر یا توزیع جامعه آماری

‏– مقایسه بین دو جامعه آماری

‏– شناسایی و تعیین رابطه بین جوامع آماری

‏– مدل‌سازی بین متغیرهای مستقل و و ابسته یا کشف رابطه علت و معلولی

‏به یاد داشته باشید که نوع داده و مقیاس اندازه‌گیری آن‌ها در انتخاب روش تحلیل داده بسیار موثر است. بنابراین شناخت جامعه آماری و ویژگی‌ها و همچنین ابعاد آن، باید در ابتدا اجرای طرح تحقیق، انجام شده باشد. همچنین با توجه به نوع متغیرها و هدف، می‌توانیم نوع روش تحقیق را یکی از گونه‌های کمی، کیفی یا ترکیبی انتخاب کنیم.


‏🔸 معرفی فیلم آموزش نرم افزار آماری SPSS فرادرس

‏استفاده نرم افزارهای محاسبات رایانه‌ای بخصوص برای تحقیقات آماری، امروزه تبدیل به یک ضرورت شده است. رشته‌های مختلفی از محاسبات و انجام آزمون‌های آماره بهره می‌برند. از طرفی بار محاسباتی بعضی از تکنیک‌های آماری بسیار زیاد است. بنابراین رویکرد مبتنی بر رایانه برای حل مسائل واقعی و تحقیقاتی کاملا به جا است. یکی از نرم‌افزار معرف بخصوص در حوزه علوم اجتماعی و همینطور مدیریت برای حل مسائل آماری، نرم‌افزار SPSS است که از طرف شرکت IBM پشتیبانی می‌گردد. در این آموزش به بررسی محاسبات آماری و انجام تحلیل آماری با SPSS پرداخته شده است و رسم نمودارها و تهیه خروجی‌های آن نیز شرح داده شده. با استفاده از این آموزش می‌توانید انجام تحلیل آماری با SPSS را خودتان به عهده بگیرید.

‏در این آموزش، به بررسی پرسشنامه‌های آماری نیز توجه شده و به عنوان مثال، یک پرسشنامه برای کسب اطلاعات ساکنان یک شهر و میزان رضایت از حمل و نقل عمومی تحلیل شده است. البته داده‌های جمع‌آوری شده مصنوعی هستند ولی روال کار و توصیف و نمایش چنین داده‌هایی در این آموزش مورد بررسی قرار گرفته است. همین موضوع به کاربردی شدن این آموزش کمک کرده است. فهرست سرفصل‌ها و مباحث مطرح شده در این مجموعه آموزشی، در ادامه، قابل مشاهده‌ است.

‏– آشنایی با رابط کاربری نرم افزار و انواع پنجره های آن

‏– معرفی انواع متغیر و مقیاس های اندازه‌گیری

‏– معرفی شاخص های جمعیت (تمرکز و پراکندگی)

‏– ورود داده‌های و انجام محاسبات روی آن‌ها



مطالعه ادامه مطلب 👇👇

‏🔗 انجام تحلیل آماری با SPSS — گام به گام به همراه مثال عملی — کلیک کنید (+)


📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
🔴 آخرین فرصت برای استفاده از بزرگترین جشنواره تاریخ فرادرس

🎁 در جشنواره سال نو فرادرس، تمامی آموزش‌های مورد نظر خود را با ۶۰ درصد تخفیف تهیه کرده و سال جدید را پُر قدرت و با مهارت شروع کنید.

🔗 ورود به صفحه جشنواره - [کلیک کنید]

💯 جهت دسترسی سریع‌تر به آموزش‌ها، چند دسته‌بندی مهم و کاربردی در ادامه آمده است. با کلیک روی هر عنوان، آموزش‌های هر حوزه را بر اساس پرمخاطب‌ترین دوره‌های یک ماه اخیر مشاهده کنید:

🔸 فیزیک و شیمی

🔹 فنی و مهندسی

🔸 زبان‌های خارجی

🔹 آموزش‌های عمومی

🔸 هنر، طراحی و گرافیک

🔹 مدیریت و کسب‌ و کار

🔸 علوم جغرافیایی و تاریخ

🔹 ریاضیات، آمار و احتمالات

🔸 برنامه‌نویسی و طراحی وب

🔹 علوم کامپیوتر، شبکه و IT

🔸 تربیت بدنی و علوم ورزشی

🔹 علوم انسانی و علوم تجربی

🔸 بورس، بازارهای مالی و رمز ارزها

🔹 هوش مصنوعی و یادگیری ماشین

🔸 حسابداری، حقوق و علوم اقتصادی

🔹 نگارش دانشگاهی و تحصیلات تکمیلی

🔸 علوم پزشکی، زیست‌شناسی و روانشناسی


📕 سایر موضوعات و دسته‌بندی‌ها [+]


📚 یادگیری، همیشه، همه‌جا؛ فرادرس

‌@FaraDars — فرادرس

✳️ ‌ضریب تغییرات و خطای نسبی — به زبان ساده

‏در آمار یکی از کارهایی که بیشتر اوقات صورت می‌گیرد، تخمین زدن است. معمولا میانگین نمونه‌ای را به عنوان برآوردی از میانگین جامعه در نظر می‌گیریم. به این ترتیب پارامتر جامعه را بوسیله نمونه مشخص می‌کنیم. البته می‌دانیم که این کار همیشه با مقداری خطا همراه است که با توجه به نمونه گرفته شده، مقدار این خطا قابل اندازه‌گیری است. در نوشتارهای دیگری از مجله فرادرس با مفهوم ضریب تغییرات و خطای نسبی آشنا شده‌اید. در اینجا هم می‌‌خواهیم بین این دو اصطلاح یک پیوند برقرار کنیم و مشخص کنیم آنچه که بوسیله ضریب تغییرات اندازه‌گیری می‌شود همان خطای نسبی مشاهدات برای برآورد میانگین است.

══ فهرست مطالب ══

‏ ○ ضریب تغییرات و خطای نسبی
‏ ○ معرفی فیلم آموزش نرم افزار آماری SPSS فرادرس
‏ ○ خلاصه و جمع‌بندی


‏🔸 ضریب تغییرات و خطای نسبی

‏یکی از شاخص‌های آمار توصیفی که اغلب برای نمایش و مقایسه میزان پراکندگی بین دو جامعه یا دو متغیر به کار می‌رود، «ضریب تغییرات» (Coefficient of Variation) است. از آنجایی که کم بودن پراکندگی، نشانگر همگن بودن جامعه است، هر چه میزان ضریب تغییرات کمتر باشد، میانگین را معیار بهتری برای نقطه تمرکز می‌یابیم. بنابراین در بین دو جامعه، آن که دارای ضریب تغییرات کمتری باشد، جامعه بهتری بوده، زیرا نتایج گرفته شده از شاخص میانگین، دقت بیشتری دارند.

‏از آنجایی که ضریب تغییرات بوسیله یک نسبت از کمیت‌های هم واحد، محاسبه و ساخته می‌شود، هیچ واحد اندازه‌گیری نداشته و به صورت درصدی مورد استفاده قرار می‌گیرد. همین موضوع نیز اهمیت استفاده از این شاخص را برای مقایسه بین جوامع مختلف، مشخص می‌کند.

‏از طرفی برای محاسبه یا تخمین خطا نیز روش‌های گوناگونی وجود دارد. برای مثال می‌توان به «خطای مطلق» (Absolute Error) و «خطای نسبی» (Relative Error) اشاره کرد که هر یک به شیوه‌های متفاوت، خطای یک تخمین برای یک مقدار مشخص را تعیین می‌کنند.


‏🔸 معرفی فیلم آموزش نرم افزار آماری SPSS فرادرس

‏استفاده نرم افزارهای محاسبات رایانه‌ای بخصوص برای تحقیقات آماری، امروزه تبدیل به یک ضرورت شده است. رشته‌های مختلفی از محاسبات و انجام آزمون‌های آماره بهره می‌برند. از طرفی بار محاسباتی بعضی از تکنیک‌های آماری بسیار زیاد است. بنابراین رویکرد مبتنی بر رایانه برای حل مسائل واقعی و تحقیقاتی کاملا به جا است. یکی از نرم‌افزار معرف بخصوص در حوزه علوم اجتماعی و همینطور مدیریت برای حل مسائل آماری، نرم‌افزار SPSS است که از طرف شرکت IBM پشتیبانی می‌گردد. در این آموزش به بررسی محاسبات آماری و انجام تحلیل آماری با SPSS پرداخته شده است و رسم نمودارها و تهیه خروجی‌های آن نیز شرح داده شده. با استفاده از این آموزش می‌توانید انجام تحلیل آماری با SPSS را خودتان به عهده بگیرید.

‏در این آموزش، به بررسی پرسشنامه‌های آماری نیز توجه شده و به عنوان مثال، یک پرسشنامه برای کسب اطلاعات ساکنان یک شهر و میزان رضایت از حمل و نقل عمومی تحلیل شده است. البته داده‌های جمع‌آوری شده مصنوعی هستند ولی روال کار و توصیف و نمایش چنین داده‌هایی در این آموزش مورد بررسی قرار گرفته است. همین موضوع به کاربردی شدن این آموزش کمک کرده است. فهرست سرفصل‌ها و مباحث مطرح شده در این مجموعه آموزشی، در ادامه، قابل مشاهده‌ است.

‏– آشنایی با رابط کاربری نرم افزار و انواع پنجره های آن

‏– معرفی انواع متغیر و مقیاس های اندازه‌گیری

‏– معرفی شاخص های جمعیت (تمرکز و پراکندگی)

‏– ورود داده‌های و انجام محاسبات روی آن‌ها

‏– استخراج آماره‌های توصیفی

‏– آشنایی با مفهوم جداول توافقی و ایجاد آن‌ها

‏– رسم نمودارهای آماری

‏– تنظیم و قالب بندی خروجی نرم افزار



مطالعه ادامه مطلب 👇👇

‏🔗 ضریب تغییرات و خطای نسبی — به زبان ساده — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [‎@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس‌
‌‌

‌
⏰ ساعات پایانی جشنواره سال نو — بزرگترین تخفیف تاریخ فرادرس

💥 ۶۰ درصد تخفیف بر روی همه آموزش‌ها 💥

برای مشاهده آموزش‌ها و دریافت تخفیف روی لینک زیر کلیک کنید:

🔗 جشنواره سال نو — [کلیک کنید]


🟢 جدیدترین آموزش‌ها [+]

🟠 پرمخاطب‌‎ترین آموزش‌ها [+]

🔵 همه فرادرس‌ها با طبقه‌بندی موضوعی [+]

🟣 آموزش‌های رایگان [+]


📚 یادگیری، همیشه، همه‌جا؛ فرادرس

‌@FaraDars — فرادرس

‏✳️ ‌لیزرل چیست ؟ | راهنمای رایگان شروع به کار — آنچه باید بدانید

‏مدل‌سازی و ایجاد ساختارهای همبستگی بین متغیرها به منظور پیش‌بینی و تشخیص روابط بین متغیرهای مستقل و وابسته، یکی از تکنیک‌های مرسوم در آمار است. مدل‌های رگرسیونی و تحلیل عاملی یا معادلات ساختاری، روش‌هایی هستند که به کمک آن‌ها می‌توان براساس چندین متغیر «قابل مشاهده» (Observable)، به یک یا چند «متغیر پنهان» (Latent Variable) رسید. البته با افزایش تعداد مشاهدات و یا متغیرها، محاسبه پارامترهای این گونه مدل‌ها کار بسیار مشکلی خواهد شد. به همین جهت نرم‌افزارهای آماری متعددی برای ایجاد و ساخت مدل‌های وابستگی یا همبستگی بوجود آمده است. یکی از معروف ترین نرم‌افزارهای این حوزه، لیزرل (Lisrel) نام دارد که به حق باعث رشد و توسعه این الگوهای آماری شده است. در این نوشتار می‌خواهیم بدانیم لیزرل چیست و چه کاربردهایی دارد.

══ فهرست مطالب ══

‏ ○ لیزرل چیست ؟
‏ ○ معرفی فیلم آموزش مدل سازی معادلات ساختاری با AMOS
‏ ○ خلاصه و جمع‌بندی


‏🔸 لیزرل چیست ؟

‏نرم‌افزار لیزل (Lisrel)‌ که نام آن برگرفته از عبارت Linear Structural Relations یا «روابط ساختار خطی» گرفته شده، اولین بار در دانشگاه Uppsala توسط آمار شناس سوئدی، «کارل یورسکوگ»‌ (Karl Jöreskog) منتشر شد و بعدها با همکاری «داک سوربوم» (Dag Sörbom) از همان دانشگاه، توسعه یافت. در نسخه‌های اولیه، به کمک خط فرمان و دستورات، اجرای محاسبات مقدور بود ولی در نسخه‌های اخیر، استفاده از محیط گرافیکی و GUI، کار برای کاربران را ساده‌تر شده است. امروزه این نرم‌افزار توسط «شرکت بین المللی نرم افزار علمی» (Scientific software international) مورد حمایت قرار گرفته و به روز رسانی می‌شود.

‏به کمک این نرم افزار و براساس تحلیل همبستگی (Correlation) و کوواریانس (Covariance) بین متغیرها، بارهای عاملی، واریانس و خطاهای متغیرهای پنهان را برآورد شده و در نتیجه امکان انجام تحلیل عاملی اکتشافی، تحلیل عاملی تاییدی و همچنین تحلیل مسیر یا همان مدل‌سازی علت و معلولی برای متغیرهای پنهان میسر می‌شود. تحلیل ساختار کوواریانس که به آن گاهی «روابط ساختار خطی» (Linear Structural Relations – LSR) نیز می‌گویند، یکی از تکنیک های تحلیل مدل معادلات ساختاری است.

‏«تجزیه و تحلیل ساختارهای کوواریانس» یا همان «مدل یابی معادلات ساختاری» (Structural equation modeling) که به اختصار SEM نامیده می‌شود، یکی از اصلی‌ترین روش‌های آماری برای حالت تحلیل چند متغیره است که قادر به کشف ارتباط و روابط پیچیده و علت و معلولی بین متغیرها است. به این ترتیب امکان بررسی تاثیرات همزمان متغیرهای مستقل روی یک متغیر وابسته بوجود می‌آید. همچنین به کمک این روش، امکان تایید مدل‌های نظری در جامعه‌های آماری با استفاده از داده‌های همبستگی، غیر آزمایشی و آزمایشی، آزمون‌پذیر می‌شود.


‏🔸 معرفی فیلم آموزش مدل سازی معادلات ساختاری با AMOS

‏یکی از تکنیک‌های تحلیل چند متغیری، معادلات ساختاری است. در این تکنیک، به طور همزمان، این معادلات مورد آزمون قرار گرفته و پارامترهای مدل خطی، برآورد می‌شوند. از آنجایی که بار محاسباتی برای بدست آوردن بارهای عاملی و ایجاد مدل زیاد است، در اکثر مواقع از نرم‌افزارهای محاسبات آماری نظیر «لیزرل» (LISREL) و «آموس» (AMOS) برای انجام این کار استفاده می‌شود. هم لیزرل و هم AMOS، مدل حاصل از معادلات ساختاری را به روش ترسیمی انجام می‌دهند. در این آموزش از فرادرس با هدف فراگیری مدل سازی معادلات ساختاری از نرم‌افزار AMOS که محصول شرکت IBM (یا همان SPSS سابق) ‌است، مراحل کار و اجرای تحلیل مورد بررسی قرار گرفته است که یکی از قوی‌ترین و مناسب‌ترین نرم‌افزارهای آماری برای تجزیه و تحلیل در تحقیقات علوم رفتاری و اجتماعی است. فیلم آموزش مدل سازی معادلات ساختاری با AMOS به معرفی و نحوه تحلیل معادلات ساختاری پرداخته و به کمک مثال‌های ملموس، فراگیران را با مبانی و کاربردهای این تکنیک آماری، آشنا می‌کند. فهرست سرفصل‌ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است.

‏– درس یکم: آشنایی با مدل‌سازی معادلات ساختاری، انواع متغیرها (مشاهده شده و پنهان- Observed and Latent)، انواع معادلات ساختاری، ضریب همبستگی، رگرسیون خطی، رگرسیون چندگانه، تحلیل مسیر، رگرسیون چند متغیره و مدل سازی معادلات ساختاری.



مطالعه ادامه مطلب 👇👇

‏🔗 لیزرل چیست ؟ | راهنمای رایگان شروع به کار — آنچه باید بدانید — کلیک کنید (+)


📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
✳️ ‌آزمون فرض آماری مناسب | راهنمای کاربردی

‏یکی از مهم‌ترین تحلیل‌های آماری، آزمون فرض آماری است که نقش مهمی در برآوردیابی و سنجش اهمیت یک متغیر در مدل‌های آماری دارد. خوشبختانه (یا متاسفانه) آزمون‌های فرض در آمار بسیار متنوع بوده و با توجه به شرایط مسئله و داده‌ها با یکدیگر تفاوت دارند. به همین دلیل انتخاب آزمون فرض آماری مناسب یکی از فعالیت‌های مهم بعد از جمع‌آوری داده‌ها محسوب می‌شود. در این نوشتار سعی داریم که با بعضی از اصلی‌ترین روش‌های آزمون فرض آماری مناسب برای داده‌ها، آشنا شده و به زمینه کاربرد هر یک از آن‌ها اشاره کنیم.

══ فهرست مطالب ══

‏ ○ آزمون فرض آماری مناسب
‏ ○ معرفی فیلم آموزش تحلیل رگرسیون لجستیک دو حالتی در SPSS
‏ ○ خلاصه و جمع‌بندی


‏🔸 آزمون فرض آماری مناسب

‏آزمون های فرض آماری (Statistical Hypothesis Tests) شامل تکنیک‌های آماری است که برای صدور یک حکم در مورد جامعه آماری به کار می‌رود. به کمک چنین آزمون‌هایی، می‌توانیم ارتباط بین دو یا چند جامعه را مشخص کرده، همچنین برای سنجش پارامتر یا پارامترهای جامعه و مقایسه آن‌ها با یکدیگر از آزمون‌های آماری استفاده می‌کنیم. به همین دلیل انبوهی از آزمون‌های فرض در مباحث آماری مطرح شده که ممکن است کاربران و محققین را نسبت به انتخاب هر کدام، دچار سردرگمی کند. به همین دلیل این مطلب از مجله فرادرس را به انتخاب آزمون فرض آماری مناسب اختصاص داده‌ایم تا راهکارهایی برای تعیین آزمون صحیح در اختیار کاربران قرار دهیم.

‏در این میان، از آزمون‌های آماری ساده و پارامتری آغاز کرده و در بخش‌های مختلف به بررسی روش‌های اجرای آزمون‌های ناپارامتری نیز خواهیم پرداخت. از آنجایی که برای درک بیشتر این دنباله نوشته‌ها احتیاج به آگاهی از شیوه انجام آزمون آماری دارید بهتر است ابتدا نوشتار استنباط و آزمون فرض آماری — مفاهیم و اصطلاحات را مطالعه کنید. همچنین آگاهی از نحوه محاسبه احتمال-مقدار (P-value) نیز مفید به نظر می‌رسد، بنابراین مطالعه مقدار احتمال (p-Value) — معیاری ساده برای انجام آزمون فرض آماری نیز توصیه می‌شود. امیدواریم پس از مطالعه این مطلب، قادر باشید هنگام انتخاب روش مناسب آزمون آماری، بهترین و دقیق‌ترین روش را در نظر بگیرید.

‏نکته: اگر می‌خواهید آزمون فرض آماری مناسب در محیط SPSS‌ را بهتر بشناسید، به نوشتار آزمون آماری مناسب در SPSS | راهنمای کاربردی مراجعه کنید.


‏🔸 معرفی فیلم آموزش تحلیل رگرسیون لجستیک دو حالتی در SPSS

‏در این فیلم آموزشی مدل‌های مبتنی بر رگرسیونی لجستیک به همراه کاربردهای آن، مورد توجه قرار گرفته است و برای انجام محاسبات مربوطه نیز از محیط تعاملی نرم افزار SPSS استفاده شده. وجود مثال‌های کاربردی و متعدد در این آموزش از مزایای مهم محسوب می‌شود. بطوری که مخاطب در انتهای آموزش به راحتی تحلیل صحیح و مناسب را در نرم افزار SPSS شناخته و می‌تواند برای مسئله خود، راه حل مناسبی پیدا کند.

‏رگرسیون لجستیک دو حالتی (برای متغیرهای دو وضعیتی)، در بسیاری از رشته‌های کاربردی از جمله پزشکی و علوم اجتماعی کاربرد دارد. در این مدل‌ها، متغیر پاسخ دو حالتی با یک مجموعه از متغیرهای توضیحی (مستقل) در ارتباط هستند. البته متغیرها توصیفی یا مستقل ممکن است کمی یا کیفی بوده و در مدل نقش داشته باشند. احتمال یا بخت پاسخ بر مبنای ترکیبی از مقادیر پیشگوها در این گونه مدل‌ها، ساخته و محاسبه شده و از تابع لوجیت برای ایجاد الگوی رابطه بین متغیرها استفاده می‌شود. به همین جهت نیز چنین رگرسیونی را لجستیک می‌نامند. سرفصل‌های مورد توجه شامل دو درس بوده که به قرار زیر هستند.

‏– درس اول: مقدمه بر تحلیل رگرسیون، رگرسیون لجستیک، رگرسیون لجستیک ساده در نرم افزار SPSS که شامل مواردی مانند، بررسی مقدماتی خروجی SPSS در رگرسیون لجستیک ساده، بخت، نسبت بخت‌ها، نمایش مدل رگرسیون ساده و بررسی مدل و گزارش نویسی خروجی نرم افزار SPSS

‏– درس دوم: انجام تحلیل رگرسیون لجستیک چندگانه در محیط SPSS



مطالعه ادامه مطلب 👇👇

‏🔗 آزمون فرض آماری مناسب | راهنمای کاربردی — کلیک کنید (+)


📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس
‌
‌

✳️ ‌پیاده سازی اندیکاتور شاخص قدرت نسبی RSI در پایتون — راهنمای گام به گام

اندیکاتور شاخص قدرت نسبی (Relative Strength Index) که به‌صورت کوتاه با نام RSI شناخته می‌شود، یکی از اولین اندیکاتورهایی است که در تحلیل تکنیکال با آن آشنا می‌شویم و در عین فراگیری، قدرت خوبی نیز در زمینه‌های مختلفی از خود نشان می‌دهد. برای آشنایی بیشتر با این اندیکاتور می‌توانید به مطلب «آموزش اندیکاتور RSI – نحوه استفاده به زبان ساده» مراجعه کنید. در ادامه، به بررسی پیاده‌سازی اندیکاتور RSI در پایتون می‌پردازیم.

══ فهرست مطالب ══

○ آشنایی با اندیکاتور RSI
○ میانگین متحرک هموار چیست؟
○ پیاده سازی اندیکاتور RSI در پایتون
○ جمع‌بندی اندیکاتور RSI در پایتون


🔸 آشنایی با اندیکاتور RSI

اندیکاتور RSI، به‌نوعی، بزرگی حرکات قیمت پایانی (Close) به سمت پایین و بالا را در L دوره گذشته محاسبه می‌کند و با مقایسه آن‌ها با یکدیگر، به یک شاخص در خصوص موقعیت قیمت می‌رسد.

این اندیکاتور یک اسیلاتور است و بین ۰ تا ۱۰۰ نوسان می‌کند، درحالی‌که مقادیر کمتر از ۳۰ را به‌عنوان نقاط «بیش‌فروش» (Oversold) و مقادیر بیشتر از ۷۰ را به عنوان نقاط «بیش‌خرید» (Overbought) می‌شناسیم.


🔸 میانگین متحرک هموار چیست؟

این میانگین متحرک نوع خاصی از میانگین متحرک نمایی (Exponential Moving Average) یا EMA است. برای آشنایی با این میانگین متحرک و پیاده‌سازی آن می‌توانید به مطلب «پیاده سازی میانگین متحرک نمایی در پایتون – راهنمای گام به گام» مراجعه کنید.



مطالعه ادامه مطلب 👇👇

🔗 پیاده سازی اندیکاتور شاخص قدرت نسبی RSI در پایتون — راهنمای گام به گام — کلیک کنید (+)

📚 طبقه‌بندی موضوعی: آمار | برنامه نویسی | بورس و تحلیل تکنیکال


📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
✳️ ‌روش شش سیگما چیست؟ – به زبان ساده

شش سیگما (Six Sigma) مجموعه‌ای از تکنیک‌ها و ابزارهایی است که از آن‌ها برای بهبود فرایندها در کسب‌وکار استفاده می‌شود و در دهه ۱۹۸۰ میلادی، توسط یکی از محققین شرکت موتورولا توسعه یافت. این روش‌شناسی تمرکزی کامل بر پدید آوردن بهبودهای آماری در فرایندها و استدلال‌های کسب‌وکار دارد تا بتوان به شکلی کیفی، موفقیت را سنجید. فعالان حوزه روش شش سیگما را می‌توان تاجرانی به حساب آورد که از علم آمار، تحلیل مالی و مدیریت پروژه بهره گرفته و با بازنگری در اشتباهات و عیب‌ها، در صدد بهبود عملکرد کسب‌وکار و کنترل کیفیت برمی‌آیند. به مطالعه این مقاله ادامه دهید تا هرآنچه لازم است راجع به روش شش سیگما بدانید را با یکدیگر مرور کنیم.

══ فهرست مطالب ══

○ روش شش سیگما چیست؟
○ پنج قاعده کلیدی روش شش سیگما
○ روش شناسی شش سیگما
○ فرایند تحول تجاری با روش شش سیگما
○ تکنیک‌های روش شش سیگما
○ ابزارهای شش سیگما
○ شش سطح مختلف روش شناسی شش سیگما
○ پرسش‌های متداول راجع به روش شش سیگما


🔸 روش شش سیگما چیست؟

هنگام صحبت راجع به روش‌شناسی شش سیگما می‌توان از دو تعریف متفاوت استفاده کرد:

– شش سیگما فرایندی است که با استفاده از آمار و تحلیل داده، خطاها و عیب‌ها را شناسایی کرده و کاهش می‌دهد. در این فرایند، هدف غایی بهبود چرخه‌های زمانی و در عین حال، کاهش عیوب به‌گونه‌ای است که به ازای هر یک میلیون محصول یا رویداد، نرخ خرابی بیش از ۳.۴ نباشد.

– شش سیگما روشی است که ابزارهای سازمان‌دهی لازم را در اختیارتان می‌گذارد تا ظرفیت‌های مدیریت کسب‌وکار خود را گسترش دهید. این افزایش عملکرد و کاهش گوناگونی در فرایندها می‌تواند به کاهش نرخ خرابی، بهبود روحیه کارمندان و افزایش کیفیت محصولات و خدمات منجر شود. طبیعی است که تمامی این فاکتورها روی سطح سوددهی کسب‌وکار تاثیر می‌گذارند.




مطالعه ادامه مطلب 👇👇

🔗 روش شش سیگما چیست؟ – به زبان ساده — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
✳️ ‌دستور randn در متلب – آموزش تولید اعداد تصادفی + کد و مثال

در آموزش‌های پیشین مجله فرادرس، با روش‌های تولید اعداد تصادفی در پایتون و اکسل آشنا شدیم. از دستور randn در متلب برای تولید اعداد تصادفی با توزیع نرمال استفاده می‌شود. در واقع، خروجی این تابع مقادیر عددی تصادفی است. در این آموزش از مجله فرادرس، با دستور randn در متلب آشنا می‌شویم و مثال‌هایی از کاربرد آن را بررسی خواهیم کرد.

══ فهرست مطالب ══

○ دستور randn در متلب
○ تولید اعداد تصادفی با دستور randn در متلب
○ تفاوت دستور randn و rand چیست؟‌
○ مثال‌های دستور randn در متلب
○ جمع‌بندی


🔸 دستور randn در متلب

اگر آرگومانی نداشته باشیم و دستور randn را به‌تنهایی بنویسیم، فقط یک مقدار تصادفی خواهیم داشت. برای مثال، اگر دستور زیر را در متلب بنویسیم:
randn

جواب، عددی مانند عدد زیر خواهد بود:
ans =
0.5377

دقت کنید که با هر بار اجرای این دستور، عدد تصادفی جدیدی را به‌عنوان نتیجه خواهیم دید.

علاوه بر خود دستور randn به‌تنهایی، در تابع randn می‌توانیم یک یا چند مقدار را به‌عنوان آرگومان وارد کنیم. ورودی‌ها و آرگومان‌های تابع randn در متلب می‌تواند به‌گونه‌ای باشد که براساس نیاز کاربر تعریف شود. همچنین می‌توانیم به اندازه‌ و بُعد ورودی‌ای که می‌خواهیم به تابع بدهیم اشاره کنیم.


مطالعه ادامه مطلب 👇👇

🔗 دستور randn در متلب – آموزش تولید اعداد تصادفی + کد و مثال — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
✳️ ‌طراحی پرسشنامه — گام به گام و به زبان ساده

«پرسشنامه» (Questionnaire) ابزاری برای جمع‌آوری داده‌ها برای اجرای طرح‌های تحقیق و مطالعات آماری است. اطلاعات مربوط به جامعه یا نمونه آماری توسط پرسشنامه دریافت می‌شود. به همین جهت طراحی پرسشنامه به شکلی که دقیق بوده و داده‌های مورد نیاز محقق را ثبت کند، از اهمیت زیادی برخوردار است. در این نوشتار به نکاتی در مورد نحوه طراحی پرسشنامه می‌پردازیم که رعایت کردن آن‌ها، به محقق اطمینان می‌دهد که نتایج حاصل از عملیات جمع‌آوری اطلاعات، قابل اطمینان است.

══ فهرست مطالب ══

○ طراحی پرسشنامه
○ معرفی فیلم آموزش ساخت پرسشنامه های سلامت و پزشكی
○ خلاصه و جمع‌بندی


🔸 طراحی پرسشنامه

پرسشنامه توسط «سر فرانسیس گالتون» (Sir Francis Galton)، دانشمند و محقق انگلیسی، مطرح شد و از آن برای تحقیقات مربوط به انسان شناسی و تهیه آمار از پدیده‌های اجتماعی در اواخر سال‌های ۱۸۰۰ استفاده کرد. در حقیقت پرسشنامه ستون فقرات هر نظرسنجی و موفقیت آن وابسته به پرسشنامه و نحوه طراحی آن است.

به عنوان یک تعریف ابتدایی، می‌توان پرسشنامه را لیستی از سوالات شفاهی یا نوشتاری در نظر گرفت که توسط یک پرسش‌گر یا پاسخ‌دهنده تکمیل شده است تا نسبت به یک یا چند فرضیه در یک طرح تحقیق، اطلاعاتی جمع‌آوری شود.


🔸 معرفی فیلم آموزش ساخت پرسشنامه های سلامت و پزشكی

پرسشنامه، به منظور اندازه‌گیری متغیرها در اغلب طرح‌های آماری به کار گرفته می‌شود. طراحی یک پرسشنامه اولین گام به منظور اجرای چنین طرحی محسوب می‌شود. البته استفاده از استانداردسازی پرسشنامه‌های خارجی و در نظر گرفتن وضعیت قومی و جغرافیایی می‌تواند یک راه‌کار به جای طراحی کامل یک پرسشنامه باشد. این فرادرس، مهارت‌های مربوط نحوه طراحی پرسشنامه یا استانداردسازی آن را به فراگیران آموزش می‌دهد.



مطالعه ادامه مطلب 👇👇

🔗 طراحی پرسشنامه — گام به گام و به زبان ساده — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

✳️ ‌تحقیق کمی چیست؟ | روش، مراحل و انواع تحقیق کمی — به زبان ساده

روش تحقیق باید با توجه به نوع داده‌ها و جامعه‌ای که در اختیار دارید تعیین شود. به همین جهت اگر ویژگی یا صفت‌های مورد بررسی از جامعه، از نوع متغیرهای کیفی و غیر قابل اندازه‌گیری باشند، باید با روش‌های کیفی به بررسی آن‌ها بپردازید. در مقابل برای متغیرهای کمی از جامعه آماری، تکنیک‌های تحقیق کمی مورد استفاده قرار می‌گیرد. در این متن می‌خواهیم شما را با این گونه روش‌ها، آشنا کرده و مشخص کنیم که روش تحقیق کمی چیست و چگونه باید آن را اجرا کرد.

══ فهرست مطالب ══

○ تحقیق کمی چیست ؟
○ روش تحقیق کمی اولیه
○ روش‌های تحقیق کمی ثانویه
○ خلاصه و جمع‌بندی


🔸 تحقیق کمی چیست ؟

تحقیقات کمی را باید به عنوان یک روش پژوهشی سیستماتیک و علمی در نظر گرفت که براساس جمع‌آوری داده و اطلاعات از پدیده‌ها مورد بررسی، عمل می‌کند. در این روش تحقیقی، پس از دسته‌بندی و آماده‌سازی اطلاعات جهت پردازش، از تکنیک های آماری، ریاضی یا محاسباتی به منظور مدل‌سازی رفتار پدیده‌ها استفاده می‌شود.

تحقیقات کمی با استفاده از روش‌های نمونه گیری، بخشی از جامعه آماری هدف را در نظر گرفته و با ارسال فرم‌های نظرسنجی (آنلاین یا دستی) به قالب پرسشنامه و ... اطلاعات مورد نظر را جمع آوری می‌کند. حاصل تجزیه و تحلیل آماری چنین داده‌هایی، نتایج تحقیق کمی را می‌سازند. به این ترتیب با دریافت نتایج حاصل از تحقیق کمی، پس از درک دقیق این اعداد، آینده یک محصول یا خدمات، طبق مدل پیشنهادی، قابل پیش بینی بوده و متناسب با آن قادر به تغییرات خواهیم بود.


🔸 روش تحقیق کمی اولیه

«تحقیقات کمی اولیه» (Primary Quantitative Research) پرکاربردترین روش انجام تحقیقات کمی محسوب می‌شوند. ویژگی بارز تحقیقات اولیه این است که محقق بر جمع آوری داده‌ها به طور مستقیم و نه وابسته به داده‌های جمع آوری شده از تحقیقات قبلی، تمرکز دارد.



مطالعه ادامه مطلب 👇👇

🔗 تحقیق کمی چیست؟ | روش، مراحل و انواع تحقیق کمی — به زبان ساده — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
✳️ ‌تحقیق اکتشافی و روش های آن — آشنایی با مفاهیم اولیه روش تحقیق

تحقیق و پژوهش در علوم، باید به صورت علمی و صحیح به پیش رود. حدس و گمان یا نظریات غیر قابل اثبات در این گونه روش‌ها جایی ندارند. به همین منظور در بسیاری از تحقیقات که درباره پدیده‌های تصادفی صورت می‌گیرد، از اصول آمار و احتمال بهره برده و با ذکر خطای محتمل بر نتایج، میزان صحت آن‌ها را تخمین می‌زنند. در این متن به روش تحقیق اکتشافی پرداخته‌ایم که به نوعی یکی از تکنیک‌های آماری برای مطالعه و پژوهش است. معمولا با مشاهده و استفاده از نمونه‌گیری جامعه هدف، به داده‌ها و اطلاعات مورد نیاز دست پیدا کرده و الگو یا مدل‌های آماری را برازش می‌دهند.

══ فهرست مطالب ══

○ تحقیق اکتشافی چیست ؟
○ خلاصه و جمع‌بندی


🔸 تحقیق اکتشافی چیست ؟

تحقیق اکتشافی به پژوهشی اتلاق می‌شود که برای بررسی مسئله‌ای مورد استفاده قرار می‌گیرد که به وضوح تعریف نشده یا جنبه‌های تصادفی دارد. معمولاُ این روش را محققان برای درک بهتر مسئله موجود انجام می‌دهند. برای چنین تحقیقاتی، یک محقق با یک ایده کلی شروع می‌کند و از این تحقیق به عنوان ابزاری برای شناسایی موضوعاتی بهره می‌برد که می‌تواند کانون تحقیقات آینده باشند.

یک جنبه مهم در تحقیقات یا پژوهش اکتشافی این است که محقق باید مایل به تغییر جهت نظریه خود بوده و قبول کند که ممکن است داده‌های حاصل از نمونه، منجر به استنباطی شوند که در جهت عکس نظریه او قرار دارند. چنین تحقیقی معمولاً هنگامی انجام می‌شود که مسئله در مرحله مقدماتی است. محققین این روش را اغلب به عنوان رویکردی مبتنی بر تئوری یا تحقیقات تفسیری یا توصیفی شناخته و به کار می‌برند زیرا برای پاسخ به سوالاتی مانند «چه چیز»، «چرا» و «چگونه» مورد استفاده قرار می‌گیرد.




مطالعه ادامه مطلب 👇👇

🔗 تحقیق اکتشافی و روش های آن — آشنایی با مفاهیم اولیه روش تحقیق — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
✳️ ‌آموزش معادلات ساختاری در SPSS — گام به گام و به زبان ساده

مسائلی که در دنیای واقعی امروز پیش روی محققین آمار و علوم اجتماعی و مدیریتی قرار دارد به قدری پیچیده شده که با یک، دو و حتی ۱۰ متغیر نیز قابل بیان نیستند. در این حالت شناسایی متغیرهای پنهان و کاهش ابعاد مسئله‌هایی با ابعاد متغیرهای زیاد، اهمیت ویژه‌ای پیدا می‌کند. یکی از تکنیک‌های رایج در آمار برای بدست آوردن متغیرهای پنهان از متغیرهای آشکار، تحلیل عاملی (Factor Analysis) است. به این ترتیب ترکیب خطی از متغیرها به کار گرفته شده و عامل‌های مرتبط با متغیرهای آشکار مشخص می‌شود. معادلات ساختاری (Structural Equation Modeling) یکی از ابزارهای مناسب برای حل مسائل و آنالیزهای عاملی است. در این متن با رویکردی نرم‌افزاری، با استفاده از برنامه آماری AMOS، آموزش معادلات ساختاری در SPSS را اجرا می‌کنیم.

══ فهرست مطالب ══

○ آموزش معادلات ساختاری در SPSS
○ خلاصه و جمع‌بندی آموزش معادلات ساختاری در SPSS


🔸 آموزش معادلات ساختاری در SPSS

قبل از هر چیز برای آموزش معادلات ساختاری در SPSS لازم است که در مورد معادلات ساختاری اطلاعاتی کسب کنیم. در حقیقت، مدل سازی معادلات ساختاری (SEM) شامل تکنیک‌های مختلف آماری مانند تجزیه و تحلیل مسیر، تحلیل عاملی تأییدی، مدل‌سازی علی با متغیرهای نهفته و حتی تجزیه و تحلیل واریانس و مدل‌های رگرسیون خطی چندگانه است.

در این متن در بخش اول، مقدمه‌ای بر منطق و عملیات صورت گرفته در معادلات ساختاری یا SEM، فرضیات و ورودی مورد نیاز برای تجزیه و تحلیل SEM و نحوه انجام تجزیه و تحلیل SEM را مرور کرده، سپس با استفاده از نرم افزار AMOS (Analysis of Moment Structures) که محصولی از شرکت SPSS است، این تکنیک را به کار خواهیم گرفت. همچنین متغیرهای نهفته مربوط به زمان، استفاده از شاخص‌های اصلاح و نسبت بحرانی را در تجزیه و تحلیل اکتشافی، محاسبه وزن و نمره عامل‌ها، اثرات کل و اثرات غیرمستقیم را پوشش خواهیم داد.


🔸 خلاصه و جمع‌بندی آموزش معادلات ساختاری در SPSS

«مدل معادلات ساختاری» (Structural Equation Modeling)،‌ ابزار و محاسباتی قدرتمند در حوزه مباحث تحلیل‌های چند متغیره (Multivariate) آماری است.


مطالعه ادامه مطلب 👇👇

🔗 آموزش معادلات ساختاری در SPSS — گام به گام و به زبان ساده — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
📋 جمع‌بندی شب امتحان با فرادرس — دروس جمع‌بندی شده ۶۰ رشته دانشگاهی 😉

💯 دوره‌های دانشگاهی فرادرس رو با ۵۰ درصد تخفیف ببین و بهترین نمره رو در امتحانات به دست بیار! 👌

فقط کافیه روی عنوان مورد نظرت کلیک کنی و مرور و حل تمرین رو از همین الان شروع کنی: 👇

📖 مهندسی برق (+)

📖 مهندسی مکانیک (+)

📖 مهندسی عمران (+)

📖 مهندسی معماری (+)

📖 مهندسی صنایع (+)

📖 مهندسی کامپیوتر (+)

📖 مهندسی شیمی (+)

📖 سایر رشته‌های فنی و مهندسی (+)

📖 علوم پایه (+)

📖 علوم انسانی (+)

📖 علوم تجربی (+)

📖 مدیریت، علوم مالی و اقتصادی (+)

📘 مشاهده سایر رشته‌ها - [کلیک کنید]
 
🎁 کد تخفیف ۵۰ درصدی: BHR75
 
✳️ آموزش‌های رایگان [+]


📚 یادگیری، همیشه، همه‌جا؛ فرادرس

‌@FaraDars — فرادرس

‌
✳️ ‌تعریف جمعیت چیست؟ — مفاهیم آماری جمعیت به زبان ساده

جمعیت یا جامعه آماری، مبنای همه تحلیل‌ها و محاسبات حوزه آمار است. به همین دلیل در این متن، به بررسی جامعه آماری پرداخته و از منظر آمار به تعریف جمعیت می‌پردازیم. البته در بعضی از قسمت‌های متن نیز به مبانی جمعیت شناختی اشاره خواهیم کرد تا بهتر این مفهوم برای خواننده شناخته شود. اغلب اعضای جامعه را فرد یا عضو جمعیت می‌نامیم. البته این اعضا لزوما از جامعه انسانی نیستند. بلکه درختان، لوله‌های تولید شده در یک کارخانه و ... همگی تشکیل یک جامعه آماری را می‌دهند. بنابراین موضوع فقط به جمعیت انسانی اختصاص ندارد و برای هر هویتی که بتوان برایش یک اندازه‌گیری را مشخص کرد، جامعه یا جمعیت آماری مطرح می‌شود.

══ فهرست مطالب ══

○ تعریف جمعیت چیست ؟
○ خلاصه و جمع‌بندی


🔸 تعریف جمعیت چیست ؟

واژه یا عبارت «جمعیت» (Population) به معنی افرادی است که در یک ناحیه جغرافیایی (مثلا شهر یا روستا) زندگی می‌کنند. البته این مفهوم در جمعیت‌شناسی، تمام یا بخشی از ساکنان یک ناحیه را شامل می‌شود. به کلیه کسانی که به ‌طور پیوسته در این ناحیه جغرافیایی زندگی می‌کنند، جمعیت می‌گویند. این گردهمایی ممکن است به صورت خانوار و یا خانواده شکل گیرد. بدین ترتیب، جمعیت را می‌توان مجموعه‌ای از خانوارها یا خانواده‌ها در نظر گرفت که برای امری خاص، در زمانی مشخص و مکانی معین، گرد هم آمده‌اند. در این بین زمان و مکان برای این افراد به جهت شکل‌گیری جمعیت اهمیت دارد.

عمل اندازه‌گیری یک یا چند ویژگی از تک تک افراد جامعه یا جمعیت آماری را «سرشماری» (Census) می‌گویند. البته در تصور عمومی، سرشماری فقط شمارش افراد محسوب می‌شود ولی مراجعه به افراد به منظور اندازه‌گیری یا مشخص کردن یک یا چند ویژگی، همان سرشماری خواهد بود. به طور مثال طرح سرشماری نفوس و مسکن، متغیرهای مختلفی مانند سن، محل اقامت، محدوده درآمدی، مالکیت خانه و غیره را از افراد جامعه اندازه‌گیری و ثبت می‌کند. هدف این طرح سرشماری، بدست آوردن روند تغییرات جمعیتی و همچنین مهاجرت و تغییر محل سکونت است.





مطالعه ادامه مطلب 👇👇

🔗 تعریف جمعیت چیست؟ — مفاهیم آماری جمعیت به زبان ساده — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
✳️ ‌آزمون فرض آماری مناسب | راهنمای کاربردی

یکی از مهم‌ترین تحلیل‌های آماری، آزمون فرض آماری است که نقش مهمی در برآوردیابی و سنجش اهمیت یک متغیر در مدل‌های آماری دارد. خوشبختانه (یا متاسفانه) آزمون‌های فرض در آمار بسیار متنوع بوده و با توجه به شرایط مسئله و داده‌ها با یکدیگر تفاوت دارند. به همین دلیل انتخاب آزمون فرض آماری مناسب یکی از فعالیت‌های مهم بعد از جمع‌آوری داده‌ها محسوب می‌شود. در این نوشتار سعی داریم که با بعضی از اصلی‌ترین روش‌های آزمون فرض آماری مناسب برای داده‌ها، آشنا شده و به زمینه کاربرد هر یک از آن‌ها اشاره کنیم.

══ فهرست مطالب ══

○ آزمون فرض آماری مناسب
○ خلاصه و جمع‌بندی


🔸 آزمون فرض آماری مناسب

آزمون های فرض آماری (Statistical Hypothesis Tests) شامل تکنیک‌های آماری است که برای صدور یک حکم در مورد جامعه آماری به کار می‌رود. به کمک چنین آزمون‌هایی، می‌توانیم ارتباط بین دو یا چند جامعه را مشخص کرده، همچنین برای سنجش پارامتر یا پارامترهای جامعه و مقایسه آن‌ها با یکدیگر از آزمون‌های آماری استفاده می‌کنیم. به همین دلیل انبوهی از آزمون‌های فرض در مباحث آماری مطرح شده که ممکن است کاربران و محققین را نسبت به انتخاب هر کدام، دچار سردرگمی کند. به همین دلیل این مطلب از مجله فرادرس را به انتخاب آزمون فرض آماری مناسب اختصاص داده‌ایم تا راهکارهایی برای تعیین آزمون صحیح در اختیار کاربران قرار دهیم.



مطالعه ادامه مطلب 👇👇

🔗 آزمون فرض آماری مناسب | راهنمای کاربردی — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
✳️ ‌استنباط آماری | مفاهیم اولیه و روش‌ها — به زبان ساده

بخشی از علم آمار به بررسی جامعه آماری و خصوصیات آن اختصاص دارد. در اغلب موارد دستیابی به تک تک افراد یا اشیاء جامعه آماری میسر نیست. به همین دلیل نمونه‌گیری، راهکاری برای تجزیه و تحلیل ویژگی‌های جامعه آماری قرار می‌گیرد. استنباط آماری در حقیقت نحوه تسری خصوصیات نمونه به جامعه آماری است. در این متن مفاهیم اولیه و روش‌های مختلف استنباطی را مورد توجه قرار داده و معرفی می‌کنیم.

══ فهرست مطالب ══

○ استنباط آماری
○ خلاصه و جمع‌بندی


🔸 استنباط آماری

علم آمار را علم جمع‌آوری، خلاصه‌سازی و سازمان‌دهی و همچنین تجزیه و تحلیل داده می‌شناسند. آمار را باید علم استخراج، توسعه علوم و دانش تجربی انسان در نظر گرفت که برای بیان پدیده‌های تصادفی (که اغلب نیز چنین است) با استفاده از روش‌های گردآوری، تنظیم، پرورش و تحلیل داده‌هایی به کار می‌رود که از طریق روش‌های اندازه‌گیری و آزمایشگاهی بدست آمده‌اند.

ابزارهای محاسباتی مدرن مانند رایانه‌ها با استفاده از تکنیک‌های آماری، علوم جدیدی همچون «یادگیری ماشینی» (Machine Learning)، و «کاوش‌های ماشینی در داده‌ها» (Data Mining) را در امتداد و گسترش دانش گسترده و کهن آمار بوجود آورده‌اند.


🔸 خلاصه و جمع‌بندی

در این متن به بررسی جنبه‌های مختلف استنباط آماری یا آمار استنباطی پرداختیم و با بعضی از مفاهیم اولیه آن آشنا شدیم. همانطور که در متن خواندید، تعمیم ویژگی‌های کشف شده از نمونه به جامعه آماری از کارهای اصلی در استنباط آماری است. همچنین نحوه نمونه‌گیری و آزمون فرض نیز از قسمت‌های اصلی علم آمار محسوب شده که در استنباط آماری کاربرد زیادی دارند. فاصله اطمینان و انواع آن نیز جنبه دیگری از استنباط آماری محسوب می‌شود.



مطالعه ادامه مطلب 👇👇

🔗 استنباط آماری | مفاهیم اولیه و روش‌ها — به زبان ساده — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
✳️ ‌آزمون کرویت موچلی و برابری واریانس ها — به زبان ساده

در بحث تحلیل واریانس مانند ANOVA با مقادیر تکراری، یکی از فرضیات مورد نظر، برابری واریانس در بین گروه‌ها است که باید توسط یک آزمون آماری مورد بررسی قرار گیرد. یکی از آماره‌ها و روش‌های آزمون فرض برای این کار، «آزمون کرویت موچلی» (Mauchly's Sphericity Test) است. این آزمون توسط بسیاری از نرم‌افزارهای محاسبات آماری قابل اجرا است و براساس نتایج حاصل می‌توان به برابری واریانس در بین گروه‌ها، رای داد. به علت اهمیت این آزمون در تحلیل واریانس (ANOVA) این مطلب از مجله فرادرس را به آزمون کرویت موچلی و برابری واریانس اختصاص داده‌ایم.

══ فهرست مطالب ══

○ آزمون کرویت موچلی و برابری واریانس ها
○ فرضیه‌ها و نحوه عملکرد آزمون کرویت موچلی
○ نقض فرض کروی بودن
○ خلاصه و جمع‌بندی


🔸 آزمون کرویت موچلی و برابری واریانس ها

یکی از آزمون‌هایی که باید در تحلیل واریانس با مقادیر تکراری به کار رود، آزمون «کرویت موچلی» (Mauchly's Sphericity Test) است که برای بررسی یکسان بودن واریانس‌ها در بین گروه‌ها یا تیمارها به کار می‌رود. آماره و آزمون کرویت موچلی در سال ۱۹۴۰ توسط «جان موچلی» (John Mauchly)، فیزیکدان معروف آمریکایی، معرفی و به کار گرفته شد. او در تولید اولین کامپیوترهای الکترونیکی و برنامه‌نویسی برای آن‌ها نیز سهم به سزایی داشت.

در نوشتارهای دیگر مجله فرادرس در مورد «تحلیل واریانس با داده مکرر» (Repeated Measure ANOVA) صحبت کردیم. در این بین شرط کروی بودن، یک فرض مهم از تحلیل واریانس (ANOVA) با اندازه‌های مکرر است. این شرط بیان می‌کند که واریانس اختلاف بین همه زوج‌های حاصل از سطوح «متغیر عامل» (Factor Variable) یا «شرایط بین آزمودنی‌ها» (Within-Subject Conditions) باید برابر باشد.


🔸 فرضیه‌ها و نحوه عملکرد آزمون کرویت موچلی

آزمون «کرویت موچلی» یک آزمون فرض آماری رایج برای ارزیابی فرض کروی بودن است. فرض صفر در اینجا وجود خاصیت کرویت و فرض مقابل، غیر کروی بودن را از لحاظ آماری نشان می‌دهد.



مطالعه ادامه مطلب 👇👇

🔗 آزمون کرویت موچلی و برابری واریانس ها — به زبان ساده — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس

‌
✳️ ‌میانگین متحرک چیست؟ + پیاده سازی Moving Average در پایتون

در علم آمار، میانگین متحرک (Moving Average) به محاسباتی گفته می‌شود که برای تجزیه و تحلیل نقاط داده به وسیله میانگین‌گیری زیرمجموعه‌های مختلفی از کل مجموعه داده انجام می‌شود. در این مقاله، ابتدا به این سوال پاسخ داده شده که میانگین متحرک چیست و سپس «میانگین متحرک ساده» (Simple Moving Average | SMA) شرح داده شده است. همچنین، به کاربردها و انواع میانگین متحرک اشاره می‌شود. در پایان نیز میانگین متحرک در پایتون پیاده‌سازی خواهد شد. دوره‌های آموزشی مرتبط با مفاهیم بیان شده در این مقاله نیز در انتها معرفی شده‌اند.

══ فهرست مطالب ══

○ میانگین چیست ؟
○ میانگین متحرک چیست ؟
○ کاربردهای میانگین متحرک چه هستند؟
○ انواع میانگین متحرک کدامند؟
○ پیاده سازی میانگین متحرک ساده در پایتون
○ جمع‌بندی


🔸 میانگین چیست ؟

«میانگین» معیاری معروف و رایج است که معمولاً در اغلب امور مرتبط با داده‌ها کاربرد دارد. در میانگین‌گیری معمولی، از تمامی داده‌های موجود در مجموعه فرضی X استفاده می‌شود و خروجی حاصل از محاسبه میانگین ، تنها یک عدد واحد است.



🔸 میانگین متحرک چیست ؟

در مواردی که داده‌ها دارای نظم زمانی هستند (سری‌های زمانی)، می‌توان به جای کل داده‌ها، بخشی از آن‌ها را برای میانگین‌گیری استفاده کرد. جهت روشن‌تر شدن این موضوع و ارائه مقدمه‌ای برای تعریف «میانگین متحرک ساده» (Simple Moving Average | SMA)، در ادامه مثالی ارائه شده است.





مطالعه ادامه مطلب 👇👇

🔗 میانگین متحرک چیست؟ + پیاده سازی Moving Average در پایتون — کلیک کنید (+)

📌 کانال اختصاصی آموزشی آمار و احتمالات

آخرین مطالب علمی، مقالات رایگان و ویدئوهای آموزشی آمار و احتمالات را در کانال اختصاصی [@FaraStatistics] دنبال کنید. 👇

@FaraStatistics — مطالب و آموزش‌های آمار و احتمالات فرادرس