آموزش تخصصی آمار و معادلات ساختاری

SPSS- AMOS- LISREL- Smart PLS- Warp PLS- R

آموزش تخصصی آمار و معادلات ساختاری

SPSS- AMOS- LISREL- Smart PLS- Warp PLS- R

آموزش تخصصی آمار و معادلات ساختاری

تحلیل آماری یک ابزار بسیار مفید برای دستیابی به راهکارهای مناسب در زمانی که فرآیندهای واقعی تحلیل به شدت پیچیده یا در شکل واقعی آن ناشناخته است. می‌باشد. تحلیل آماری، فرآیند جمع آوری، بررسی، خلاصه سازی و تفسیر اطلاعات کمّی را برای ارائه ی دلایل زیربنایی، الگوها، روابط، و فرآیندها پوشش می دهد.

*********
اینجانب سیدسعید انصاری فر دارای لیسانس و فوق لیسانس مهندسی صنایع، فوق لیسانس مدیریت دولتی گرایش MIS و دانشجو دکترا مدیریت دولتی گرایش تصمیم‌گیری و خط مشی‌گذاری عمومی می‌باشم. برخی از سوابق علمی پژوهشی به شرح زیر است:

1- دارای بیش از 40 مقاله در موضوعات مختلف (کنفرانس های بین المللی و مجلات علمی پژوهشی و ژورنال ISC)
2- مولف سه کتاب (مبانی سازمان و مدیریت، آموزش مدل سازی معادلات ساختاری و SPSS، نگهداری کارکنان، چالش ها و نظریه ها)
3- مشاوره آماری و انجام تجزیه و تحلیل آماری در بیش از 700 پایان نامه ارشد و 50 پایان نامه دکترا
4- رتبه 7 کنکور دکترا
5- تدریس خصوصی آمار توصیفی و استنباطی و نرم افزارهای SPSS، AMOS، Smart PLS، LISREL
6- کسب رتبه پژوهشگر برتر و برگزیده در جشنواره علمی پژوهشی شهرداری اصفهان

*********
تماس با ما:
ایمیل: ansarifar2020@gmail.com
شماره همراه: 09131025408
شبکه اجتماعی ایتا: 09131025408

*********
گروه علمی آموزشی پژوهشگران برتر:
این گروه با بهره مندی از کادری مجرب آمادگی تجزیه و تحلیل کیفی و داده های کمی آماری در موضوعات مختلف با استفاده از نرم افزارهای مختلفی چون SPSS ، Smart PLS، LISREL،R ، AMOS، Nvivo، Max QDA را دارد.

همکاران:
1-مجید دادخواه
دکتری مدیریت از دانشگاه آزاد اصفهان
2- مرسا آذر:
دکتری مدیریت از دانشگاه آزاد اصفهان
3- زهرا وحیدی:
دکتری مدیریت آموزشی، مدرس تحلیل کیفی
4-محمد مهدی مقامی:
دکتری آمار از دانشگاه اصفهان
5- طناز فریدنی:
کارشناسی ارشد آمار و ریاضی از دانشگاه اصفهان
6- زینب احمدی:
کارشناسی ارشد روان شناسی از دانشگاه اصفهان


***********
از دلایلی که پژوهشگران انجام تحلیل آماری را به ما می سپارند:
- تیم حرفه ای و با تجربه
- متخصص در زمینه انواع نرم افزارهای تحلیل آماری با بیش از 10 سال تجربه
- پشتیبانی و آموزش حضوری به صورت رایگان

حجم نمونه در حداقل مربعات جزیی (PLS)

يكشنبه, ۲۵ شهریور ۱۳۹۷، ۰۱:۵۱ ب.ظ

پیچیدگی کلی مدل ساختاری تاثیر اندکی بر الزامات حجم نمونه برای مدلسازی معادلات ساختاری با حداقل مربعات جزیی (PLS-SEM) دارد. دلیل آن این است که الگوریتم مدلسازی معادلات ساختاری با حداقل مربعات جزیی (PLS-SEM) همه روابط را در مدل ساختاری به طور همزمان محاسبه نمی کند. در عوض از رگرسیون های حداقل مربعات معمولی (OLS) برای برآورد روابط رگرسیون جزیی مدل استفاده می کند.

مطالعاتی که به صورت سیستماتیک عملکرد مدلسازی معادلات ساختاری با حداقل مربعات جزیی (PLS-SEM) را با حجم نمونه کم مورد بررسی قرار داده اند، آن را خوب توصیف کرده اند (Newsted, 1999; Hui & Wold, 1982). هم چنین مطالعات شبیه سازی اخیر ریناترز و دیگران (2009) نشان می دهد، هنگامی که حجم نمونه کم است مدلسازی معادلات ساختاری با حداقل مربعات جزیی (PLS-SEM) انتخاب خوبی است.

تعداد حجم نمونه در مدلسازی معادلات ساختاری با حداقل مربعات جزیی (PLS-SEM)

اما در خصوص تعداد حجم نمونه در مدلسازی معادلات ساختاری با حداقل مربعات جزیی (PLS-SEM) روشی با عنوان قاعده 10 برابر رواج دارد.  قاعده 10 برابر  نشان می دهد که حجم نمونه باید بزرگتر از یکی از موارد زیر باشد:

1- ده برابر بیشترین تعداد معرف های تکوینی مورد استفاده برای سنجش یک سازه

2- ده برابر بیشترین تعداد مسیرهای ساختاری به سمت یک سازه خاص در مدل ساختاری

این قاعده سرانگشتی معادل این است که حداقل حجم نمونه باید ده برابر حداکثر تعداد پیکان هایی باشد که به یک متغیر مکنون در مدل مسیری  حداقل مربعات جزیی (PLS) وارد می شود.

مدلسازی معادلات ساختاری با حداقل مربعات جزیی (PLS-SEM) همانند هر تکنیک آماری دیگر به پژوهشگران تاکید می کند تا حجم نمونه را در مقابل سابقه مدل و خصوصیات داده ها مورد ملاحظه قرار دهند (هیر و دیگران، 2011). مخصوصا حجم نمونه مورد نیاز باید بوسیله تحلیل توان (Power Analysis) بر اساس قسمتی از مدل با بزرگترین تعداد پیش بین ها تعیین شود.

از آن جایی که حجم نمونه پیشنهادی در مدلسازی معادلات ساختاری با حداقل مربعات جزیی (PLS-SEM) ضرورتا بر اساس خصوصیات رگرسیون حداقل مربعات معمولی (OLS) پایه گذاری شده است، پژوهشگران می توانند به قواعد سرانگشتی متمایز بیشتری همانند آن هایی که به وسیله کوهن (1992) ارائه شده است رجوع کنند.

شکل زیر الزامات حداقل حجم نمونه لازم را برای رسیدن به حداقل مقادیر R2 با مقادیر 0.10، 0.25، 0.50 و 0.75 برای هر سازه درون زای مدل ساختاری در سه سطح معناداری  1٪، 5٪ و 10٪  با فرض سطح توان آماری رایج 80٪ و سطح خاصی از پیچیدگی مدل مسیری حداقل مربعات جزیی (PLS) را نشان می دهد.

 

 

 

موافقین ۰ مخالفین ۰ ۹۷/۰۶/۲۵
سید سعید انصاری فر

نظرات  (۰)

هیچ نظری هنوز ثبت نشده است

ارسال نظر

ارسال نظر آزاد است، اما اگر قبلا در بیان ثبت نام کرده اید می توانید ابتدا وارد شوید.
شما میتوانید از این تگهای html استفاده کنید:
<b> یا <strong>، <em> یا <i>، <u>، <strike> یا <s>، <sup>، <sub>، <blockquote>، <code>، <pre>، <hr>، <br>، <p>، <a href="" title="">، <span style="">، <div align="">
تجدید کد امنیتی