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

آموزش تحلیل متغیر میانجی در مدل معادلات ساختاری

جمعه, ۱۶ فروردين ۱۳۹۸، ۰۸:۰۴ ب.ظ

متاسفانه برایند اطلاعاتی که از کارهای محققین عزیز در کلاس های تحلیل آماری به ما می رسد این است که در آموزش تحلیل متغیر میانجی در مدل و حتی شناخت آن کج روی های بنیادی وجود دارد و حتی در بسیاری از رساله ها و مقاله ها این تحلیل با تحلیل متغیر های تعدیلگر خلط مبحث می شود. بنابراین بر آن شدیم که در قالب مقاله ای با زبان ساده آموزش تحلیل میانجی در مدل را مورد بحث قرار دهیم.

به روال آموزش های کلاس های مدلسازی معادلات ساختاری باید از پایه آغاز نمود و ابتدا برای محققین شرح داد متغیر میانجی چیست زیرا اکثر کج روی ها از شناخت این متغیر آغاز می گردد.

مطابق با تعریف بارون و کنی در سال ۱۹۸۶ متغیر میانجی یا mediator متغیری است که تمام یا بخشی از اثر متغیر مستقل بر وابسته را منوط به خود می کند. اشتباه دقیقا از عدم توجه به همین نکته شروع می شود. یعنی (تمام یا بخشی از اثر متغیر مستقل بر وابسته)، یعنی باید اثری بین این دو متغیر باشد که متغیر واسطه یا میانجی بتواند بخشی یا تمام آن را از خود عبور دهد(مرادی و میر الماسی، ۱۳۹۶)

فرض کنید در نقطه A  ظرف آبی قرار دارد که از لوله c به سمت B می رود. بنابراین ما مسیر آب در لوله مستقیم را داریم. حال می توان لوله ای فرعی کشید که آب ابتدا به مخزن M و بعد به مخزن B برود. دقیقا در مدل های ساختاری باید اثری از  متغیر A به سمت  B باشد که بعد متغیر میانجی M بتواند بخشی یا تمام اثر را از خود عبود دهد. بنابراین محققین عزیز در نظر داشته باشند که متغیر میانجی در شکل دوم قابل تحلیل است و شکل سوم تنها اثر غیر مستقیم بین A و B می باشد(مرادی و میر الماسی، ۱۳۹۶).

 

بنابراین برای تحلیل متغیر میانجی در مدل باید شکل مدل ساختاری پژوهش هم دارای مسیر مستقیم یعنی C و هم دارای مسیر غیر مستقیم یعنی  a×b  باشد. اکنون که می دانیم چه نوع متغیری قابلیت تحلیل میانجی را داراست به روش تحلیل و اجزای آن می رویم.

پیش از بیان تحلیل مسانجی باید گفت روش فرضیه نویسی از سال ۲۰۱۰ برای متغیر میانجی تغییر نموده است. زیرا با تفاق نظر صاحب نظران یک فرضیه باید با یک آزمون سنجش شود. یعنی وقتی به شکل ۴ نگاه میکنیم نمی توان با شیوه بسیار قدیمی بسیاری از اساتید تحلیل مسیر را انجام داد. مطابق با زنجیره گزاره های تحقیق آموزش داده شده در کلاس سه فلش تک جهته وجود دارد، بنابراین سه فرضیه نیز وجود دارد و نمیتوان آن را همانند موضوع تحقیق که کلی است و بنا بر آزمون در قالب فرضیه های مختلف است بررسی کرد. اگر بخواهم واضح تر بیان کنم برخی اساتید که با نرم افزار های آماری آشنایی کمتری دارند بیان می کنند که مثلا  متغیر مستقل بر متغیر وابسته با نقش میانجی گر M تاثیر می گذارد. این گزاره برای عنوان یک رساله میتواند قابل قبول و توجیه باشد اما برای یک فرضیه که تنها باید با یک آزمون سنجیده شود خیر. زیرا سه آزمون این سه مسیر را تخمین می زنند. بنابراین باید برای هر فلش یک فرضیه نوشت، سپس در نهایت پس از اجرای مدل در نرم افزار با انواع تحلیل های میانجی به بررسی متغیر میانجی پرداخت. (مرادی و میر الماسی، ۱۳۹۶)

اکنون محقق باید بداند از تحلیل میانجی قرار است به چه اهدافی دست یابد. هدف از تحلیل میانجی این است که بدانیم متغیر میانجی ما:

  • میانجی نیست: یعنی اثر متغیر مستقل بر وابسته را به خود منوط نمی کند.
  • میانجی کامل است. یعنی تمام اثر متغیر مستقل بر وابسته را منوط به حضور خود می کند.
  • میانجی جزیی است : یعنی بخشی از اثر متغیر مستقل بر وابسته را منوط به حضور خود می کند.

بنابراین برای رسیدن به این اهداف باید شاخص های زیر را بشناسد:

c : مسیر مستقیم یا اثر مستقیم نام دارد.

a×b : مسیر غیر مستقیم یا اثر غیر مستقیم  نام دارد.

 + c(a×b) : مسیر کل یا اثر کل نام دارد.

اما مهمترین شاخصی که باید بیاموزد variance accounted for(VAF) یا همان شمول واریانس است. شمول واریانس در حقیقت نسبت اثر غیر مستقیم بر اثر کل است. یعنی

VAF= (a×b) / (a×b)+c

اکنون باید بدانیم از چه رویکردی می خواهیم دست به تحلیل میانجی بزنیم.

دو رویکرد بارون و کنی و سوبل در کلاس های آکادمی تحلیل آماری ایران مورد بحث قرار گرفته است اما باید بیان کرد که رویکرد بوت استرپینگ با استفاده از نمونه گیری خودکار یعنی بوت استرپینگ به دلیل اینکه نرم افزار های مختلف مدل سازی معادلات ساختاری مثل ایموس و اسمارت پی ال اس از آن بهره می برند یکی از بهترین ها برای تحلیل میانجی محسوب می شود. البته رویکرد بوت استرپینگ پیش فرضی پیرامون شکل توزیع متغیر ها و نرمال بودن آن ها ندارد و برای حجم نمونه های کوچک با اطمینان بیشتری می تواند بکار رود. اما باید بیان کرد که در زمانی که متغیر میانجی در مدل حضور ندارد باید مسیر مستقیم و اثر آن از نظر آماری معنادار باشد(ژائو و همکاران، ۲۰۱۰)

بنابراین باید یکبار مدل را بدون حضور میانجی و بار دیگر با حضور متغیر میانجی در نرم افزار اجرا نماییم و از الگوریتم زیر پیروی کنیم

الگوریتم تحلیل میانجی

مشخص است که اگر مسیر غیر مستقیم معنادار باشد که به معنای این است که هم a و b معنادار است که حاصلضرب آن ها نیز معنادار است می توان به ارزیابی VAF پرداخت و در یکی از حالت های سه گانه الگوریتم قرار گرفت. اما نباید فراموش کرد که حالت استثنایی را نیز پرفسور هایر در مطالعات خود بیان می کند. و آن زمانی است که با ورود متغیر میانجی به مدل در مدل دوم اجرایی محقق رابطه علی مسیر مستقیم تغییر جهت می دهد. یعنی مثلا قبل از ورود میانجی رابطه علی مثبت و معنادار است اما بعد از ورود آن به مدل رابطه آن ها منفی و معنادار می شود. این پدیده را suppressor effect  یا اثر سرکوبگر می خوانند که می تواند مقدار VAF را بزرگتر از یک نماید. در آن صورت دیگر آزمون دارای پاسخ کاذب بوده و قابل تفسیر نیست(مرادی، میر الماسی، ۱۳۹۶)

محسن مرادی

موافقین ۰ مخالفین ۰ ۹۸/۰۱/۱۶
سید سعید انصاری فر

نظرات  (۶)

۱۶ فروردين ۹۸ ، ۲۰:۰۷ مجله اینترنتی چفچفک سایت تفریحی چفچفک
مربوط به چه رشته ای میشه؟؟؟
با عرض سلام و خسته نباشید خدمت شما
دو سوال در تحلیل آماری پایان نامه برایم پیش آمده:
1. در مخرج کسر محاسبه VAF وقتی ضریب مسیر مستقیم متغیر مستقل و وابسته منفی است باید با ضریب منفی در محاسبه آورده شود یا به صورت قدر مطلق؟
2. اینکه فرموده اید در آن صورت دیگر آزمون دارای پاسخ کاذب بوده و قابل تفسیر نیست به چه معناست و به چه نتیجه ای برسیم؟ در واقع در تحلیل آن فرضیه چه باید نوشت؟
پاسخ:
با سلام و خسته نباشید، تماس بگیرید در خدمتم.
باسلام یه مسئله بصورت مدل ریاضی برای متغیر میانجی وتعدیلگر میخوام.

سلام

وقت بخیر

اگر 4 پیش بینی کننده و 6 میانجی و 1 وابسته داشته باشیم، میتوان یک به یک رگرسیون ها و رابطه میانجی گری را محاسبه کرد؟ اگر خیر، از چه روشی برای تحلیل داده ها باید پیش رفت؟

منبع الگوریتم ذکر نشده. منبع اسامی هم ذکر نشده. صرفا چند اسم و چند سال .  مثلا مرادی و میر الماسی، ۱۳۹۶. خوب این الان کتابه، یا مقاله؟ چیه؟ اگر این دو شخص، بیش از یک مقاله یا کتاب با هم نوشته باشند، چی. یک نفر بدون ذکر منبع یک چیزی - خواه درست یا خواه اشتباه- در اینترنت می نویسه. بقیه بدون چک یا  اصلاح آن، صرفا کپی می کنند. این هیچ رقمه به علم خواننده یا حتی نگارنده اضافه نمی کند که بلکه اگر چاپ و منتشر نشود به نظر بنده بهتر هم می باشد.

سلام وقت بخیر

در مدلسازی در یکی از فرضیه(فرضیه اصلی) باید اثر مستقیم و غیر مستقیم رو جمع کنیم.میشه بفرمایین در تبیین این فرضیه چی بنویسیم؟ و اینکه اگه بخوایم پژوهش های همسو بنویسیم چه نوع پژوهشی بنویسیم؟

چون در مورد اثرمستقیم که پژوهش نوشته شده در مورد اثر غیرمستقیم هم همینطور.حالا در این فرضیه کلی چه پژوهش هایی با چه عناوینی بنویسیم؟

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