آزمون‌های آماری روش‌هایی مبتنی بر علم آمار هستند که برای انجام روش پژوهش علمی‌در مدیریت و علوم اجتماعی کاربرد فراوانی دارند. مقاله‌های علمی-پژوهشی را با روش‌ها و آزمون‌های آماری مورد استفاده می‌شناسند و دیگر گرد هم آوردن مطالب نویسندگان مختلف ارزش علمی‌و پژوهشی ندارد. علم آمار با پردازش داده‌ها و تبدیل آنها به اطلاعات مورد نیاز، زمینه اخذ تصمیم را فراهم می‌آورد. هنر مدیران و کارشناسان در نحوه استفاده از روشهای آماری و تحلیل اطلاعات به دست آمده تجلی پیدا می‌کند. امروزه بندرت می‌توان بدون استفاده از روشهای آماری اقدام به تفسیر، تبیین و تحلیل نتایج به دست آمده از تحقیق‌ها و پژوهش‌های علمی‌کرد.

مباحث متعددی در زمینه آزمونهای آماری وجود دارد و از مناظر مختلف می‌توان به بحث در این زمینه پرداخت. بطور کلی آمار در دو شاخه آمار توصیفی و احتمالات و آمار استنباطی بحث و بررسی می‌شود. احتمالات و تئوری‌های احتمال اساسا از دایره بحث ما خارج است. همچنین آمار توصیفی مانند فراوانی، میانگین، واریانس و … نیز مفروض در نظر گرفته شده اند. همچنین آزمونهای آمار استنباطی به دو دسته آمار پارامتریک و ناپارمتریک تقسیم می‌شود. در این مقاله با تاکید بر فنون و روش‌های آماری استنیاطی، کاربرد آمار در مقاله‌های علمی-پژوهشی ارائه خواهد شد.

آزمون‌های آماری استنباطی و توصیفی

آمار توصیفی (Descriptive statistics) مجموعه روش‌هایی است که برای سازمان دهی، خلاصه کردن، تهیه جدول، رسم نمودار، توصیف و تفسیر داده‌های جمع آوری شده از نمونه آماری به کار گرفته می‌شود. یک مجموعه داده آماری شامل مجموعه‌ای از مقادیر یک یا چند متغیر است. بنابراین، آمار توصیفی شامل آن بخش از آمار است که به ویژگی‌ها و آماره‌های مربوط به نمونه آماری تحقیق می‌پردازد.

در یک پژوهش جهت بررسی و توصیف ویژگی‌های عمومی‌پاسخ دهندگان از روش‌های موجود در آمار توصیفی مانند جداول توزیع فراوانی، در صد فراوانی، درصد فراوانی تجمعی و میانگین استفاده میگردد. بنابراین هدف آمار توصیفی یا descriptive محاسبه پارامترهای جامعه با استفاده از سرشماری تمامی‌عناصر جامعه است.

آمار توصیفی (توصیف ویژگی‌های جامعه یا نمونه)

در آمار استنباطی (Inferential statistics) پژوهشگر با استفاده مقادیر نمونه آماره‌ها را محاسبه کرده و سپس با کمک تخمین و یا آزمون فرض آماری، آماره‌ها را به پارامترهای جامعه تعمیم می‌دهد. برای تجزیه و تحلیل داده‌ها و آزمون فرضیه‌های پژوهش از روش‌های آمار استنباطی استفاده می‌شود. پارامتر شاخص بدست آمده از جامعه آماری با استفاده از سرشماری است و شاخص بدست آمده از یک نمونه n تائی از جامعه آماره نامیده می‌شود. برای مثال میانگین جامعه یا µ یک پارامتر مهم جامعه است. چون میانگین جامعه همیشه در دسترس نیست به همین خاطر از میانگین نمونه یا X̄ که آماره برآورد کننده پارامتر µ است در بسیاری موارد استفاده می‌شود.

شکل 1: آمار استنباطی (تخمین ویژگی‌های جامعه براساس نمونه)

آزمون‌های آماری پارامتریک و ناپارامتریک

آمار پارامتریک که در خلال جنگ جهانی دوم شکل گرفت در برابر آمار پارامتریک قرار می‌گیرد. آمار پارامتریک مستلزم پیش فرضهائی در مورد جامعه‌ای که از آن نمونه‌گیری صورت گرفته می‌باشد. به عنوان مهمترین پیش فرض در آمار پارامترک فرض می‌شود که توزیع جامعه نرمال است اما آمار ناپارامتریک مستلزم هیچگونه فرضی در مورد توزیع نیست. به همین خاطر بسیاری از تحقیقات علوم انسانی که با مقیاس‌های کیفی سنجیده شده و فاقد توزیع (Free of distribution) هستند از شاخصهای آمارا ناپارامتریک استفاده می‌کنند.

فنون آمار پارامتریک شدیداً تحت تاثیر مقیاس سنجش متغیرها و توزیع آماری جامعه است. اگر متغیرها از نوع اسمی‌و ترتیبی بوده حتما از روشهای ناپارامتریک استفاده می‌شود. اگر متغیرها از نوع فاصله‌ای و نسبی باشند در صورتیکه فرض شود توزیع آماری جامعه نرمال یا بهنجار است از روشهای پارامتریک استفاده می‌شود در غیراینصورت از روشهای ناپارامتریک استفاده می‌شود. خلاصه آزمونهای آماری پارامتریک و ناپارامتریک در ادامه ارائه شده است:

خلاصه آزمون‌های آماری پارامتریک

آزمون t تک نمونه :برای آزمون فرض پیرامون میانگین یک جامعه استفاده می‌شود. در بیشتر پژوهش‌هائی که با مقیاس لیکرت انجام می‌شوند جهت بررسی فرضیه‌های پژوهش و تحلیل سوالات تخصصی مربوط به آنها از این آزمون استفاده می‌شود.

آزمون t وابسته :برای آزمون فرض پیرامون دو میانگین از یک جامعه استفاده می‌شود. برای مثال اختلاف میانگین رضایت کارکنان یک سازمان قبل و بعد از تغییر مدیریت یا زمانی که نمرات یک کلاس با پیش آزمون و پس آزمون سنجش می‌شود.

آزمون t دو نمونه مستقل:جهت مقایسه میانگین دو جامعه استفاده می‌شود. در آزمون t برای دو نمونه مستقل فرض می‌شود واریانس دو جامعه برابر است. برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه‌های پژوهش استفاده می‌شود.

آزمون t ولچ:این آزمون نیز مانند آزمون t دو نمونه جهت مقایسه میانگین دو جامعه استفاده می‌شود. در آزمون t ولچ فرض می‌شود واریانس دو جامعه برابر نیست. برای نمونه به منظور بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس جنسیت در خصوص هر یک از فرضیه‌های پژوهش استفاده می‌شود.

آزمون t هتلینگ :برای مقایسه چند میانگین از دو جامعه استفاده می‌شود. یعنی دو جامعه براساس میانگین چندین صفت مقایسه شوند.

تحلیل واریانس (ANOVA):از این آزمون به منظور بررسی اختلاف میانگین چند جامعه آماری استفاده می‌شود. برای نمونه جهت بررسی معنی دار بودن تفاوت میانگین نمره نظرات پاسخ دهندگان بر اساس سن یا تحصیلات در خصوص هر یک از فرضیه‌های پژوهش استفاده می‌شود.

تحلیل واریانس چندعاملی (MANOVA):از این آزمون به منظور بررسی اختلاف چند میانگین از چند جامعه آماری استفاده می‌شود.

تحلیل کوواریانس چندعاملی (MANCOVA):چنانچه در MANOVA بخواهیم اثر یک یا چند متغیر کمکی را حذف کنیم استفاده می‌شود.

ضریب همبستگی گشتاوری پیرسون:برای محاسبه همبستگی دو مجموعه داده استفاده می‌شود.

خلاصه آزمون‌های آماری ناپارامتریک

آزمون علامت تک نمونه :برای آزمون فرض پیرامون میانگین یک جامعه استفاده می‌شود.

آزمون علامت زوجی :برای آزمون فرض پیرامون دو میانگین از یک جامعه استفاده می‌شود.

ویلکاکسون :همان آزمون علامت زوجی است که در آن اختلاف نسبی تفاوت از میانگین لحاظ می‌شود.

مان-ویتنی:به آزمون U نیز موسوم است و جهت مقایسه میانگین دو جامعه استفاده می‌شود.

کروسکال-والیس:از این آزمون به منظور بررسی اختلاف میانگین چند جامعه آماری استفاده می‌شود. به آزمون H نیز موسوم است و تعمیم آزمون U مان-ویتنی می‌باشد. آزمون کروسکال-والیس معادل روش پارامتریک آنالیز واریانس تک عاملی است.

فریدمن:این آزمون معادل روش پارامتریک آنالیز واریانس دو عاملی است که در آن k تیمار به صورت تصادفی به n بلوک تخصیص داده شده اند.

آزمون خی-دو χ² :این آزمون کاربردهای متعددی دارد برای مثال معادل ناپارامتریک آزمون تی-‌تک نمونه، آزمون استقلال و نیکویی برازش

کولموگروف-اسمیرنف :نوعی آزمون نیکوئی برازش برای مقایسه یک توزیع نظری با توزیع مشاهده شده است.

آزمون تقارن توزیع :در این آزمون شکل توزیع مورد سوال قرار می‌گیرد. فرض بدیل آن است که توزیع متقارن نیست.

آزمون میانه :جهت مقایسه میانه دو جامعه استفاده می‌شود و برای k جامعه نیز قابل تعمیم است.

مک نمار :برای بررسی مشاهدات زوجی درباره متغیرهای دو ارزشی استفاده می‌شود.

آزمون Q کوکران:تعمیم آزمون مک نمار در k نمونه وابسته است.

ضریب همبستگی اسپیرمن:برای محاسبه همبستگی دو مجموعه داده که به صورت ترتیبی قرار دارند استفاده می‌شود.

منبع: حبیبی، آرش؛ سرآبادانی، مونا. (۱۴۰۱). آموزش کاربردی SPSS. تهران: نارون.

ضریب تعیین(R ^۲(R-squared correlation میزان ارتباط خطی بین دو متغیر را اندازه گیری می‌کند. R ^۲نسبت تغییرات متغیر وابسته را که می‌توان به متغیر مستقل نسبت داد اندازه گیری می‌کند. در تعاریف موجود به R ^۲، ضریب تعیینیا ضریب تشخیص نیز گفته می‌شود. به بیان ساده می‌توان گفت ضریب تعیین نشان می‌دهد که چند درصد تغییرات متغیر‌های وابسته در یک مدل رگرسیونی با متغیر مستقل تبیین می‌شود. به عبارت دیگر، ضریب تشخیص یا (R ^۲) نشان می‌دهد که چه میزان یا مقدار از تغییرات متغیر وابسته مساله تحت تاثیر متغیر مستقل مساله بوده است. همچنین تا چه حدی مابقی تغییرات متغیر وابسته مساله مربوط به سایر عوامل موجود در مساله است.

همبستگی قدرت رابطه بین یک متغیر مستقل و وابسته را توضیح می‌دهد، ضریب تعیینیا ضریب تشخیص بیانگر این است که تا چه اندازه واریانس یک متغیر واریانس متغیر دوم را توضیح می‌دهد. ضریب تعیین نمی‌تواند تعیین نماید که آیا مدل برازش شده دارای شیب است یا نه و به همین دلیل باید نمودارهای باقیمانده را مورد ارزیابی قرارداد.

محاسبه R ^۲

همان طور که بیان شد ضریب تعیینیا ضریب تشخیص نشان دهنده نسبت کل تغییر متغیر وابسته (حول میانگین خود) که بوسیله واریانس متغیرهای مستقل در رگرسیون توضیح داده می‌شود است. فرمول این شاخص به صورت زیر است:

R ^۲مقداری بین ۰ و ۱۰۰٪ به دست می‌آید که عدد ۰٪ نشان می‌دهد که مدل هیچ ارتباطی با متغییر‌های وابسته و مستقل را در اطراف میانگین آن نشان نمی‌دهد و عدد ۱۰۰٪ نشان می‌دهد که مدل همه تغییرپذیری داده‌های پاسخ در اطراف میانگین آن را تبیین می‌نماید.

در مورد ارزیابی دو مدل، با ضرایب تعیین تقریبا یکسان، مدلی انتخاب می‌شود که خطای استاندارد مقادیر خطا (باقیمانده) کمتری داشته باشد.

ضریب تعیین تعدیل شده

مقدار تعدیل شده ضریب تعیین، میزان R2 را با توجه به متغیرهای مستقل اضافه شده به خط رگرسیون و با توجه به عرض از مبداهای جدید ، تعدیل و اصلاح می‌نماید .هرچه تفاوت بین R2 و R2 تعدیل شده کمتر باشدنشان میدهد که متغیرهای مستقل که به مدل اضافه شده اند به درستی انتخاب شده اند. فرمول این ضریب به صورت زیر است:

همانطور که در فرمول مشاهده می‌شود، وقتی تعداد مشاهدات (N) کم و تعداد پیش بینی‌ها (متغیرهای مستقل P) زیاد باشد، تفاوت بین ضریب تعیین و ضریب تعیین تعدیل شدهبسیار زیاد خواهد بود زیرا نسبت (N-P-1)/(N-1) بزرگتر از ۱ خواهد شد. همچنین هنگامی‌که تعداد مشاهدات در مقایسه با تعداد پیش بینی‌ها بسیار زیاد باشد، مقدار ضریب تعیین به ضریب تعیین اصلاح شده نزدیک و نزدیکتر می‌شود، زیرا نسبت (N-P-1)/(N-1) به ۱ نزدیک می‌شود.

تفاوت ضریب تعیین و ضریب تعیین تعدیل شده

تفاوت مهم میان ضریب تعیین و ضریب تعیین تعدیل شدهاین است که R ^۲بر این فرض است که هرمتغیر مستقل مشاهده شده در مدل، در تغییرات متغیر وابسته نقش دارد. بنابراین درصد نشان داده شده ضریب تشخیص براساس تاثیر همه متغیرهای مستقل بر متغیر وابسته است. در صورتی که درصد نشان داده شده توسط R ^۲تعدیل شده فقط حاصل از تاثیر واقعی متغیرهای مستقل مدل بر وابسته است نه همه متغیرهای مستقل. می‌توان گقت R ^۲تعدیل شده قابل اطمینان تر است.

محاسبه ضریب تعییندر SMARTPLS

در نرم افزار Smart PLS می‌توان شاخص R ^۲را محاسبه کرد. این شاخص به عنوان یکی از شاخص‌های برازش مدل در تحلیل مدل معادلات ساختاری استفاده می‌شود. پس از اجرای مدل با دستور PLS ALGORITHM یک پنجره باز می‌شود. در میان شاخص‌های QUALITY CRITERIA، گزینه اول R SQUARE است.

با کلیک بر روی گزینه R SQUARE یک پنجره دیگر باز می‌شود. این پنجره سه ستون دارد. MATRIX، R SQUARE و R SQUARE ADJUSTED. ستون ماتریکس بیانگر ماتریس و یا جدول عددی مقادیر ضریب تشخیص متغیرهای وابسته مدل است. R SQUARE نمودار ضریب تعیین است و R SQUARE ADJUSTED مقدار ضریب تعیین تعدیل شدهاست.

در ادامه نمودارهای این دو شاخص نشان داده شده است:

در این نمودارها اگر مقدار ضریب‌ها مناسب نباشد، نمودار به صورت قرمز نشان داده می‌شود.

محاسبه ضریب تعییندر EVIEWS

در نرم افزار Eviews می‌توان شاخص R ^۲را محاسبه کرد. پس از اجرای مدل رگرسیونی در میان خروجی‌های تعیین صحت مدل، اولین معیارها، شاخص ضریب تعیین و ضریب تعیین تعدیل شدههستند.

منبع

Chicco, Davide; Warrens, Matthijs J.; Jurman, Giuseppe (2021). “The coefficient of determination R-squared is more informative than SMAPE, MAE, MAPE, MSE and RMSE in regression analysis evaluation

ریان و برنارد (۲۰۰۰) نیز کدگذاری مضامین را فرایند پیش نیازِ تحلیل­های اصلی و رایجِ کیفی، معرفی می‌کنند تا روشی منحصربه فرد و خاص. اما به عقیده براون و کلارک (۲۰۰۶) تحلیل مضمون را باید روش ویژه ­ای در نظر گرفت که یکی از مزایای آن، انعطاف­پذیری است. بنابراین، تحلیل مضمون، روشی برای شناخت، تحلیل و گزارش الگوهای موجود در داده­های کیفی است. تکنیک تحلیل مضمونمانند روش فراترکیب، تکنیک داده بنیاد در فصل چهارم رساله دکتری کاربرد فراوانی دارد. در تکنیک تحلیل مضمون یک محقق باید کل متن را مرور کند و به دنبال الگوهای معنادار در مضامین در میان داده‌ها باشد. الگوها را می‌توان با خواندن داده‌های مکرر، کدگذاری داده‌ها و ایجاد تم تجزیه و تحلیل کرد.

فرآیند اجرایی تحلیل مضمون

تکنیک تحلیل مضمون، فرایندی برای تحلیل داده­های متنی است و داده­های پراکنده و متنوع را به داده­هایی غنی و تفصیلی تبدیل می­کند. تکنیک تحلیل مضمون، صرفاً روش کیفی خاصی نیست بلکه فرایندی است که می­تواند در اکثر روش­های کیفی به کار رود. به طور کلی، تحلیل مضمون، روشی است برای:

الف- دیدن متن؛

ب- برداشت و درک مناسب از اطلاعات ظاهراً نامرتبط؛

ج- تحلیل اطلاعات کیفی؛

د- مشاهده نظام­مند شخص، تعامل، گروه، موقعیت، سازمان و یا فرهنگ؛

ه- تبدیل داده­های کیفی به داده­های کمی.

تکنیک تحلیل مضمونروشی برای تجزیه و تحلیل داده در تحقیقات کیفی است که داده‌های متراکم و پراکنده را به داده‌هایی غنی و تفصیلی تبدیل می‌کند.

واژه‌ی ضمنی به طور کلی مبین تکرار است بنابراین اگر مسئله‌‌‌ای یک بار در متن داده‌ها آورده شود نمی‌توان آن را به عنوان مضمون در نظر گرفت مگر اینکه نقش برجسته‌‌‌ای در تجزیه و تحلیل داده‌ها داشته باشد. تحلیل مضمونشامل ۶ مرحله می‌باشد:

مرحله اول: آشنایی با داده‌ها

مرحله دوم: ایجاد کد‌های اولیه و کد گذاری

مرحله سوم: جستجو‌ی کد‌های گزینشی(مضامین پایه)

مرحله چهارم: شکل گیری مضامین سازنده

مرحله پنجم: تعریف و نامگذاری تم‌های اصلی

مرحله ششم: تهیه گزارش

در مرحله اول تکنیک تحلیل مضمونآشنایی با داده‌ها صورت می‌گیرد؛ در این مرحله با عمق محتوایی داده‌ها آشنا می‌شویم. مرحله دوم به ایجاد کدهای اولیه می‌پردازد؛ کدها ویژگی داده­هایی را معرفی می‌نمایند که به نظر محقق جالب می‌باشد.

در مرحله سوم تکنیک تحلیل مضمونکه جستجوی کدهای گزینشی نام دارد؛ هدف دسته‌بندی کدهای مختلف در قالب کدهای گزینشی و مرتب ­کردن همه خلاصه داده ­های کدگذاری می‌باشد.

در مرحله چهارم تکنیک تحلیل مضمونتم‌های فرعی شکل‌ می‌گیرد؛ این مرحله شامل دو مرحله بازبینی و تصفیه و شکل‌دهی به تم‌های فرعی است. مرحله اول شامل بازبینی در سطح خلاصه ­های کدگذاری شده است. در مرحله دوم اعتبار تم‌های فرعی در رابطه با مجموعه داده‌ها در نظر گرفته می‌شود.

مرحله پنجم تکنیک تحلیل مضمونبه تعریف و نام‌گذاری تم‌های اصلی می‌پردازد؛ در این مرحله، تم‌های اصلی که برای تحلیل ارائه‌شده، تعریف و مورد بازبینی مجدد قرار می‌گیرد، سپس داده‌های داخل آن­ها تحلیل می‌شود. به‌وسیله تعریف و بازبینی­کردن، ماهیت آن چیزی که یک تم در مورد آن بحث می‌کند مشخص‌شده و تعیین می‌گردد که هر تم اصلی کدام جنبه از داده‌ها را در خود دارد. در این مرحله از میان تم‌های فرعی یک تم اصلی به دست آمد.

در مرحله آخر تکنیک تحلیل مضمونگزارش تهیه می‌شود؛ مرحله ششم زمانی شروع می‌شود که محقق مجموعه‌ای از تم‌های اصلی کاملاً انتزاعی و منطبق با ساختارهای زمینه‌ای تحقیق در اختیار داشته باشد. این مرحله شامل تحلیل پایانی و نگارش گزارش است.

گام‌های تحلیل مضمون

مرحله ۱. آشنایی با داده‌ها: در تکنیک تحلیل مضمونبرای اینکه محقق با عمق و گستره محتوایی داده‌ها آشنا شود لازم است که خود را در آن­ها تا اندازه­ای غوطه­ور سازد. غوطه­ورشدن در داده‌ها معمولاً شامل “بازخوانی مکرر داده‌ها” و خواندن داده­ها به صورت فعال (یعنی جستجوی معانی و الگوها) است.

مرحله ۲. ایجاد کدهای اولیه: مرحله دوم تکنیک تحلیل مضمونزمانی شروع می‌شود که محقق داده‌ها را خوانده و با آن­ها آشنایی پیدا کرده است. این مرحله شامل ایجاد کدهای اولیه از داده‌ها است. کدها یک ویژگی داده‌ها را معرفی می‌نمایند که به نظر تحلیل‌گر جالب می‌رسد .داده‌های کدگذاری شده از واحدهای تحلیل (تم‌ها) متفاوت هستند. کدگذاری را می‌توان به صورت دستی یا از طریق برنامه‌های نرم‌افزاری انجام داد.

مرحله ۳. جستجوی کدهای گزینشی (مضامین پایه): این مرحله تکنیک تحلیل مضمونشامل دسته‌بندی کدهای مختلف در قالب کدهای گزینشی و مرتب کردن همه خلاصه داده‌های کدگذاری شده است. در واقع محقق، تحلیل کدهای خود را شروع کرده و در نظر می‌گیرد که چگونه کدهای مختلف می‌توانند برای ایجاد یک تم کلی ترکیب شوند. در این مرحله محققان کدهای ناقص یا نامرتبط و همچنین کدهای تکراری را کنار گذاشته تا به این تعداد کد گزینشی دست یابند.

مرحله ۴. شکل‌گیری مضامین سازنده: مرحله چهارم تکنیک تحلیل مضمونزمانی شروع می‌شود که محقق مجموعه‌ای از تم‌ها را ایجاد کرده و آن­ها را مورد بازبینی قرار می‌دهد. این مرحله شامل دو مرحله بازبینی و تصفیه و شکل‌دهی به تم‌های فرعی است. مرحله اول شامل بازبینی در سطح خلاصه‌های کدگذاری شده است. در مرحله دوم اعتبار تم‌های فرعی در رابطه با مجموعه داده‌ها در نظر گرفته می‌شود. در این مرحله محققان به مضامین سازنده دست پیدا کردند.

مرحله ۵. تعریف و نامگذاری تم‌های اصلی: مرحله پنجم تکنیک تحلیل مضمونزمانی شروع می‌شود که یک تصویر رضایت‌بخش از تم‌ها وجود داشته باشد. محقق در این مرحله، تم‌های اصلی را که برای تحلیل ارائه کرده، تعریف نموده و مورد بازبینی مجدد قرار می‌دهد، سپس داده‌های داخل آن­ها را تحلیل می‌کند. به وسیله تعریف و بازبینی­کردن، ماهیت آن چیزی که یک تم در مورد آن بحث می‌کند مشخص شده و تعیین می‌گردد که هر تم اصلی کدام جنبه از داده‌ها را در خود دارد. در این مرحله محقق در نهایت پس از رفت و برگشت در میان تم‌های فرعی به ۱ تم اصلی دست یافت، که در زمینه مورد نظر تحقیق قابل تبیین می‌باشد.

مرحله ۶. تهیه گزارش: مرحله ششم تکنیک تحلیل مضمونزمانی شروع می‌شود که محقق مجموعه‌ای از تم‌های اصلی کاملاً انتزاعی و منطبق با ساختارهای زمینه‌ای تحقیق در اختیار داشته باشد. این مرحله شامل تحلیل پایانی و نگارش گزارش است. که در پایان ارائه خواهد شد.

منبع

/www.sciencedirect.com

https://modireamari.org

در این مقاله روش معادلات ساختاری با رویکرد بیزی در نرم افزار AMOS آموزش داده می‌شود. یکی از مهم ترین ویژگی‌های نرم افزار AMOS در ویرایش جدید، آن است که با استفاده از روش بیزی می‌تواند به برآورد پارامترها در مدل‌هایی بپردازد که متغیرهای حاضر در آن‌ها از نوع رتبه‌‌‌ای یا اسمی‌هستند. البته این ویژگی در نگارش اولیه این نرم افزار وجود نداشت. به طور کلی مدل سازی معادله ساختاری بیزی از ویژگی‌های ارزشمند نرم افزار AMOS است.

مزایای تحلیل معادلات ساختاری بیزی

1- در مواقعی که حجم نمونه کم است استفاده از رویکرد معادلات ساختاری بیزی مناسب است. در حالی که برآورد حداکثر درست نمایی نسبت به برآورد بیزی در نمونه‌های کوچک، تمایل بیشتری به رد مدل دارد (موتن و آسپاروهو، 2012). هنگامی‌که حجم نمونه زیاد است و همه‌ی پارامترها دارای توزیع نرمال می‌باشند برآورد پارامترهای بیزی و حداکثر درست نمایی یکسان خواهد بود (ون دی شوت و همکاران، 2014).

2- تجزیه و تحلیل بیزی در برخورد با پارامترهایی که توزیع آن‌ها نرمال نیست، می‌تواند دقت بیشتری داشته باشد. به عنوان مثال، برآورد بیزی جایگزین مناسبی برای استفاده از آزمون سوبلو یا انجام بوت استرپ در هنگام آزمون اثرات غیر مستقیم در مدل‌های دارای متغیر میانجی است (ون دی شوت و همکاران، 2014).

3- تجزیه و تحلیل بیزی می‌تواند در حذف پارامترهای غیر قابل قبول مفید باشد. (منفی بودن واریانس و یا بیشتر بودن مقدار همبستگی از یک).

مزایای روش معادلات ساختاری بیزی در نرم افزار AMOS

1- در نرم افزار AMOS، مواقعی که داده پرت وجود داشته باشد امکان این که از روش بوت استرپ برای آزمون اثرات غیر مستقیم استفاده شود وجود ندارد. اگر چه برای این مشکل در ادبیات پیشین راه حل‌هایی پیشنهاد شده است با این حال روش بیزی راه حل راحت تری برای آزمون اثرات غیر مستقیم می‌باشد.

2- روش معمول و استاندارد برآورد پارامتر (برای مثال روش برآورد حداکثر درست نمایی) در نرم افزار AMOS فرض می‌کند متغیرهای تحقیق دارای توزیع نرمال چند متغیره است. زمانی که این فرض نقض می‌شود به ویژه زمانی که متغیر وابسته تحقیق از نوع ترتیبی باشد، روش برآورد بیزین می‌تواند مفید واقع گردد.

توزیع‌های پیشین و پسین

آمار بیزی به طور کلی از یک توزیع خاص پیشین شروع می‌شود. یعنی بیان باور قبلی شخص (قبل از مشاهده داده‌ها) در مورد این که پارامتر مورد نظر به چه صورت در جامعه توزیع شده است (بیرن، 2016). در طول تحلیل بیزین، این باور پیشین با دیتای جدید ترکیب شده و بدین ترتیب توزیع جدیدی بدست می‌آید که به آن توزیع پسین گفته می‌شود (آربوکل، 2017). توزیع پسین بدست آمده در واقع نشان دهنده اطلاعات جدید بروز شده (به وسیله داده) در خصوص پارامتر جمعیت می‌باشد (ون دی شوت و همکاران، 2014).

توزیع پیشین می‌تواند مبتنی بر تحقیقات مهم (از جمله متا آنالیزها) و یا تجربه باشد. در این حالت پیشین محقق، پیشین آگاهی بخش (حاوی اطلاعات مفید) نام دارد. از طرف دیگر اگر اطلاعات پیش زمینه‌‌‌ای کمی‌در خصوص پارامتر جامعه وجود داشته باشد به طوری که آگاهی کمی‌در خصوص پارامتر دهد محقق می‌تواند از پیشین نا آگاهی بخش (دارای اطلاعات غیر مفید) استفاده کند. که در حقیقت یک پیشین نا آگاهی بخش، جهل (نادانی) در خصوص پارامتر جمعیت را نشان می‌دهد.

ارزیابی مدل معادلات ساختاری به روش بیزی

پی-مقدار پسین پیشگویانه (posterior predictive p-value) می‌تواند برای ارزیابی فیت یک مدل واحد استفاده شود. به عبارتی دیگر، این سؤال را مطرح می‌کند که چگونه داده‌های تولید شده (شبیه سازی یا تکرار شده) از روش بیزی با داده‌های مشاهده شده متناسب می‌باشند (کاپلان و دپائولی، 2012).

نحوه قضاوت با پی-مقدار پسین پیشگویانه (posterior predictive p-value)

موتن و آسپاروهو (2012) نشان داده اند که اگر مقدار پی-مقدار پسین پیشگویانه نزدیک به 0.5 باشد مدل تحقیق از برازش بسیار خوبی برخوردار است. با این حال آن‌ها هیچ نوع تئوری و یا اطلاعات تجربی در خصوص این که به چه میزان مقدار (PPP) کم باشد تا محقق مدل را رد کند ارائه نداده اند. آن‌ها پیشنهاد کردند که برای رد یا تایید مدل با مقدار PPP باید بیشتر شبیه به یک شاخص برازش معادلات ساختاری (مانند NFI، GFI و …) برخورد شود تا مانند یک آزمون آماری (Chi-Square). به گفته این نویسندگان، بهتر است آستانه PPP برای رد مدل، در سطوح 1 درصد، 5 درصد و یا 10 درصد در نظر گرفته شود.

همچنین برای ارزیابی مدل شاخص (DIC) وجود دارد که برای مقایسه مدل، با مدل‌های رقیب به روشی شبیه به رویکرد در نظر گرفته شده با معیار AIC استفاده می‌شود. ون دی شوت و همکاران (2017) بیان می‌کند که “با در نظر گرفتن AIC و BIC، مدل‌های با مقدار DIC کمتر باید ترجیح داده شوند.” همچنین ببینید : ( Bayesian Fit Measures).

ارزیابی در خصوص برآورد ضرایب و پارامترها

ارزیابی پارامترهای مدل در رویکرد معادلات ساختاری بیزی توسط فاصله‌های قابل قبول انجام می‌شود. یک فاصله قابل قبول می‌تواند به عنوان “احتمال که پارامتر مورد نظر در یک بازه خاص قرار دارد تعبیر شود” (کاپلان و دپائولی، 2012). این تعریف می‌تواند با معنای فواصل اطمینان در آمار، در تضاد باشد. برای مثال در تعریف فاصله اطمینان داشتیم : 95 درصد فواصل بدست آمده پارامتر مجهول مورد نظر را دربردارند (ون دی شوت و همکاران، 2014).

آزمون فرضیه‌ها در خصوص معنی داری یا عدم معنی داری ضرایب رگرسیونی در روش معادلات ساختاری بیزی در نرم افزار AMOS با استفاده از این فواصل قابل قبول انجام می‌گیرند به طوری که اگر عدد 0 در فاصله قابل قبول ضریب مورد نظر بود، فرض صفر مبنی بر عدم معنی داری ضریب رگرسیونی (ضریب رگرسیونی برابر با صفر است) رد نمی‌گردد.

همگرایی مدل معادلات ساختاری با رویکرد بیزی

معادلات ساختاری بیزی از یک روش مبتنی بر شبیه سازی برای تخمین پارامترهای مدل و توزیع پسین استفاده می‌کند. این امر مستلزم این است که محقق قبل از ارزیابی مناسب بودن مدل، تعیین کند که آیا مدل همگرا شده است یا خیر (بیرن، 2016). یکی از معیارهای همگرایی در نرم افزار AMOS، معیار آماره همگرایی (CS) است. مقدار CS کمتر از 1.002 نشان دهنده همگرایی مدل است. در این مرحله می‌توان شبیه سازی را متوقف کرده و سپس مدل را ارزیابی نمود. (آربوکل، 2017).

نحوه انجام معادلات ساختاری بیزی در نرم افزار AMOS

برای تحلیل آماری بیزی در نرم افزار AMOS مدل فرضی زیر را در نظر می‌گیریم. قصد داریم پارامترهای مدل قرار داده شده را به وسیله رویکرد بیزی برآورد کنیم.

برای برآورد بیزی لازم است تیک گزینه (Estimate means and intercepts) را از زبانه Estimation موجود در پنجره‌ی Analysis Properties مانند شکل زیر فعال شود.

پس از انجام مرحله قبل لازم است که در زبانه Output موجود در پنجره‌ی Analysis Properties تیک گزینه‌های مورد نظر مانند شکل زیر فعال گردد. در اینجا ما قصد داریم مقدار اثرات مستقیم و غیر مستقیم به روش بیزی را مشاهده کنیم.

پس از انجام مراحل گفته شده از طریق منوی Analyze مدل را به روش بیزی تخمین می‌زنیم. دستور انجام تحلیل بیزی در نرم افزار AMOS به صورت زیر است :

برآورد پارامترهای مدل به روش بیزی در AMOS

پس از اجرای دستور فوق پنجره جدیدی تحت عنوان Bayesian SEM باز می‌شود. در این زمان، نرم افزار در حال شبیه سازی داده برای برآورد پارامترها است. مقدار پارامترهای بدست آمده مرتبا در حال تغییر هستند و شکلک بالا سمت چپ که بیانگر همگرایی مدل است اگر در حالت ناراحت باشد نشان دهنده عدم همگرایی است و اگر در حالت لبخند باشد نشان دهنده این است که مدل همگرا شده است و می‌توانیم عمل شبیه سازی را متوقت کنیم و به سراغ ارزیابی مدل و پارامترها بپردازیم.

مانند شکل زیر پس از گذشته چند ثانیه مدل به حالت همگرا در می‌آید (شکلک خوشحال) و از آن به بعد برآورد پارامترها با کمترین تغییر عوض می‌شوند. حال وقت آن است که محقق عملیات شبیه سازی را متوقف کند.

پس از متوقت کردن شبیه سازی، از طریق دکمه مشخص شده در شکل بالا (Fit measures) شاخص‌های ارزیابی برازش مدل را بررسی می‌نماییم.

همانطور که مشاهده می‌شود مقدار PPP برابر 0.01 بدست آمده که در سطح خطای 1 درصد قابل قبول است. هر چند همانطوری که در ابتدای مقاله به آن اشاره کردیم نباید به این شاخص به دید آزمون آماری نگاه کرد. بنابراین با مقدار بدست آمده دچار مشکل نخواهیم شد.

توزیع‌های پیشین و پسین در نرم افزار AMOS

پس از کلیک بر روی گزینه (Posterior) در قسمت بعدی مقادیر پسین برای پارامترهای مورد نظر مشاهده می‌شود.

برای بدست آوردن مقدار شاخص‌های پسین مورد نظر (میانگین و انحراف معیار و …) لازم است که پس از باز شدن پنجره Posterior مانند شکل فوق روی پارامتر مورد نظر خود کلیک کنید. همانطوری که از نمودار هیستوگرام ضریب تاثیر شدت نشانه‌های یائسگی بر عملکرد جنسی مشاهده می‌شود، توزیع این پارامتر تقریبا دارای توزیع نرمال است.

همانطوری که در شکل فوق نشان داده شده است با کلیک بر روی دکمه Prior پنجره‌‌‌ای با همین نام مانند شکل زیر باز می‌شود. لازم است که پس از باز شدن پنجره Posterior مانند شکل زیر روی پارامتر مورد نظر خود کلیک کنید.

همانطوری که در شکل فوق ملاحظه می‌شود نرم افزار AMOS به صورت پیش فرض از پیشین نا آگاهی بخش یونیفرم (یکنواخت) استفاده می‌کند. از طریق کادر نشان داده شده می‌توان پیشین مورد نظر را انتخاب نمود. همچنین می‌توان توزیع آن را بر روی نمودار رسم کرد.

پس از انجام مراحل فوق وقت آن است که از طریق دکمه (Additional estimands) مقدار اثرات مستقیم و غیر مستقیم متغیرهای تحقیق مشاهده شود. نتایج در شکل زیر گزارش شده است :

شکل فوق مقادیر اثرات مستقیم استاندارد شده با روش معادلات ساختاری با رویکرد بیزی را نشان می‌دهد. به عنوان مثال اثر مستقیم استاندارد شده تاثیر شدت نشانه‌های یائسگی بر طرحواره‌های روانشناختی برابر 0.692 بدست آمده است.

همانطوری که مشاهده می‌شود مقدار اثر غیر مستقیم استاندارد شده شدت نشانه‌های یائسگی بر عملکرد جنسی از طریق متغیر میانجی طرحواره‌های روانشناختی برابر 0.319- بدست آمده است.

یک پژوهشگر برای نگارش پروژه‌ها و مقالات علمی‌خود نیاز به موتور‌های جستجو، بررسی ایده‌های جدید، تقویت رزومه خود در فضای آنلاین، دسترسی رایگان به بانک‌های مقالات روز، ابزار‌های نگارش مقالات، ترسیم نمودار‌ها، گرفتن بودجه و اسپانسر برای تحقیقات خود، پیدا کردن ژورنال مناسب برای ارسال مقالات خود، گرفتن بازخورد از دیگر محققان، پیدا کردن اساتید و همکاران خارجی برای کارهای خود، عضویت در شبکه‌های اجتماعی علمی، فضاهای ابری برای اشتراک جزوات و ارائه‌ها و … و صد‌ها ابزار دیگر دارد. این نوشتار دقیقا معادل یک کلاس و دوره سرچ و جستجو می‌باشد.

این مقاله و نوشتار در حقیقت یکی از نوشتار‌های مرجع از طرف آکادمی‌تحلیل آماری ایران می‌باشد و مدت زمان و تعداد ساعات بسیار زیادی را برای جمع آوری آن وقت صرف کرده ایم تا عزیزان به ابزار جستجو و سرچ قدرتمند مجهز شوند و تمام پایگاه‌هایی که در دوره سرچ قرار بر واکاوی آن‌ها بود را با یک توضیح یک خطی در اختیار شما عزیزان قرار می‌دهیم. هر محقق بیش از نیمی‌از پژوهش خود را در فضای اینترنت انجام می‌دهد اما متاسفانه سرچ و جستجوی او محدود به چند سایت معروف می‌باشد و در بسیاری از مواقع این پایگاه‌ها نیاز‌های او را برآورده نمی‌سازد. بنابراین با یک پیمایش طولانی سایت‌ها و پایگاه‌هایی که یک محقق به آن نیاز خواهد داشت را در بخش‌های مختلف همراه با توضیحی کوتاه در مورد آن سایت به همراه لینک آن سایت در این نوشتار قرار داده ایم. امیدواریم بتوانیم با این نوشتار در جهت ارتقای کیفیت پژوهش‌های عزیزان حرکت کرده باشیم.

در اینجا مجموعه‌‌‌ای از ابزارهای دیجیتالی طراحی شده است که به محققان کمک می‌کند تا میلیون‌ها مقاله تحقیقاتی موجود در.فضای آنلاین را پیدا نمایید. موتورهای جستجوبه شما کمک می‌کنند که مقالات مورد علاقه خود را سریع پیدا کنید و از نظر ادبیات پژوهشی به روز باشید.

موتورهای جستجو

• BibSonomyنشانک‌ها و لیست ادبیات را به اشتراک بگذارید.
• wizdomفضایی برای استناد و کتابشناسی ایجاد کنید و گروه‌های تحقیقاتی خود را بر روی آن فضای ابری ایجاد کنید تا پرونده‌ها و منابع را به اشتراک بگذارید.
• ContentMineدسترسی به بیش از 100،000،000 مطالعه بهره گیری از این ادبیات نظری
• Data Elixirمجموعه‌‌‌ای هفتگی از بهترین اخبار علوم داده ، منابع از سراسر وب.
• DeepDyveدسترسی سریع به ژورنال‌های مورد نیاز شما.
• Delvehealthمجموعه‌‌‌ای از داده‌های کارآزمایی بالینی جهانی ، پروفایل‌های محقق بالینی ، انتشارات و خطوط تولید دارو.
• F1000Primeمتخصصان برجسته زیست پزشکی به دانشمندان در کشف ، بحث و انتشار تحقیقات کمک می‌کنند.
• Google Scholarراهی را برای جستجوی گسترده ادبیات علمی‌در بین رشته‌ها و منابع فراهم می‌کند.
• Labiiمجموعه‌‌‌ای از برنامه‌های وب برای محققان ، از جمله یک برنامه آنلاین برای یافتن ، اظهار نظر ، رتبه بندی و مدیریت مقالات تحقیقاتی
• LazyScholarافزونه Chrome برای جستجوی ادبیات شما. این افزونه را نصب کنید و مقالات مورد نیاز خود را دریافت نمایید.
• LiteracyToolوبسایتی آموزشی است که کمک می‌کند تا در کشف ، درک و اکتشاف موضوعات علمی‌مورد علاقه خود اطلاعات لازم را بدست آورید.
• Mendeleyیک پلت فرم منحصر به فرد شامل شبکه‌های اجتماعی ، مدیر مرجع ، ابزارهای مطالعه مقاله.
• Microsoft Academicاطلاعات مربوط به مقالات آکادمیک ، نویسندگان ، کنفرانس‌ها ، ژورنال‌ها و سازمان‌ها را از منابع مختلف پیدا کنید. این سایت متعلق به ماکرو سافت است و شمارا کمک بسیاری خواهد کرد.
• MyScienceWorkانتشار اطلاعات و دانش علمی‌به روشی آزاد و در دسترس تمام متن
• paperityجمع آوری مقالات و مجلات دسترسی آزاد و تمام متن
• Paperscapeمخزن باز و آنلاین برای مقالات تحقیق علمی.
• PubNicheمجری اخبار تحقیقات علمی.
• PubPeerجستجوی انتشارات و ارائه بازخورد از تحقیقات منتشر شده یخود را در این سایت انجام دهید.
• ReadCubeاین سایت مدعی است که ما فناوری‌هایی را توسعه می‌دهیم که دنیای پژوهش را در دسترس تر و متصل تر می‌کند.
• Scientific Journal Finderاین سایت در حقیقت یکی از مهمترین سایت‌های یابنده ژورنال مناسب برای چاپ مقالات شما می‌باشد. در آن عضو شوید و از امکانات آن بهره برید.
• Sparrhoموتور‌های جستجوی علمی‌را در این سایت خواهید یافت.
• SSRNمخزن آنلاین تحقیق علمی‌و مطالب مرتبط در علوم اجتماعی.
• Storkبر اساس کلمات کلیدی خود کاربران ، نشریات و کمکهای جدید را به کاربران اطلاع می‌دهد.
• Wiki Journal Clubخلاصه‌‌‌ای از مطالعات برتر در تحقیقات پزشکی
• Zoteroبه شما در جمع آوری ، سازماندهی ، استناد و به اشتراک گذاری منابع تحقیقاتی کمک می‌کند.

مدیریت مجموعه‌های بزرگی از داده‌ها و کد‌های برنامه نویسی در حال حاضر برای بیشتر محققان غیر قابل اجتناب است در این بخش با ابزارهایی آنلاین برای ذخیره سازی و به اشتراک گذاری داده‌ها و کد‌ها مواجه خواهیم داشت.

• BioLINCCبانک اطلاعاتی نمونه بالینی.
• Code Oceanبستر محاسباتی راهی برای به اشتراک گذاری ، کشف و اجرای کد منتشر شده فراهم می‌کند.
• ContentMineیکی از سایت‌های مرجع در حوزه داده کاوی با دسترسی به صد‌ها هزار مقاله دسترسی آزاد
• DataBankبانک داده‌های بسیار مهم در حوزه‌های مالی و اقتصادی و ابزار تجزیه و تحلیل که شامل مجموعه‌‌‌ای از داده‌های سری زمانی در موضوعات مختلف است.
• DataCiteبا تهیه شناسه‌های مداوم برای داده‌ها ، دسترسی آسان تر به داده‌های تحقیق را برقرار کنید.
• DataHubانتشار و یا ثبت نام مجموعه داده‌ها ، ایجاد و مدیریت گروه‌ها و انجمن‌ها
• Datatrseابزاری برای به اشتراک گذاری ، استناد ، استفاده مجدد و بایگانی داده‌های تحقیق.
• Delvehealthمجموعه‌‌‌ای از داده‌های کارآزمایی بالینی جهانی ، پروفایل‌های محقق بالینی ، انتشارات و خطوط تولید دارو.
• Figshareتحقیقات خود را در فضای ابری مدیریت کنید و افرادی را که با آنها به اشتراک می‌گذارید کنترل کنید یا آن را در دسترس عموم و قابل استناد قرار دهید
• GenBankپایگاه داده ژن که توسط مرکز ملی اطلاعات بیوتکنولوژی ارائه شده است.
• howcanishareitاطلاعات و ابزارهایی را پیدا کنید تا اطمینان حاصل شود که مقالات شما به سرعت و به راحتی با همکاران خود به اشتراک گذاشته می‌شوند.
• re3dataرجیستری جهانی داده‌های تحقیق.
• SlideShareانجمن برای به اشتراک گذاشتن ارائه‌ها و سایر محتوای حرفه ای
• Socialsciمحققان را کمک کند تا داده‌ها را برای نظرسنجی‌ها و آزمایش‌های خود کنند .
• Zenodoیک پایگاه مهم برای دسترسی به مطالعات به صورت دسترسی تمام متن در رشته‌های مختلف می‌باشد. همچنین می‌توان تحقیقات خود را در این پایگاه با دیگران به اشتراک گذاشت.

در ارتباط با متخصصان و محققان ، مجموعه‌‌‌ای از ابزارهای آنلاین وجود دارد که به محققان کمک می‌کند تا به محقق دیگر کمک کنند و برای همکاری‌های جدید تخصص پیدا کنند. این وب سایت‌ها و ابزار‌های آنلاین برای ارتباط محققین مختلف دنیا با یکدیگر می‌باشند.

با کارشناسان و محققان ارتباط برقرار کنید

• academiaمکانی برای به اشتراک گذاشتن مطالعات و پیگیری تحقیقات و پژوهشگران دیگر.
• Addgeneاز طریق این پلت فرم به اشتراک گذاری مطالعات و کتاب‌ها و جزوات خود با محققان دیگر و نیز ارتباط با محققین دیگر برای انجام پژوهش‌های مورد نظراتان می‌باشد.
• Cureusدسترسی رایگان و آزاد به مجله پزشکی و مکانی برای پزشکان برای تهیه CV دیجیتال.
• Direct2expertsشبکه‌‌‌ای فدرال از تخصص تحقیقات زیست پزشکی.
• Expertnetبه شما در یافتن متخصصان در دانشگاه‌های فلوریدا کمک می‌کند.
• GlobalEventListیک فهرست جامع از رویدادهای علمی‌در سراسر جهان.
• innocentiveبه محققین کمک می‌کند تا به سرعت ایده‌های جدید تولید کند و مشکلات مهم را حل کند.
• briefideasمکانی را برای توصیف ایده‌های کوتاه – در 200 کلمه یا کمتر – ، بایگانی شده ، جستجو و قابل استناد فراهم می‌کند. عزیزان آکادمی‌تحلیل آماری حتما به این سایت رفته و ایده‌های خود را بیان کنید.
• LabRootsشبکه اجتماعی برای محققان. در شبکه در حوزه‌های مختلف علمی‌مورد نظر خود با محققین دنیا همکاری نمایید.
• LabsExplorerجستجو برای شرکای تحقیق و توسعه ، دید خود را افزایش داده و سرمایه گذاری کنید.
• LabWormدارای بهترین ابزارهای علمی‌که مرتبا بروز رسانی می‌شود.
• netبستر آنلاین برای شبکه سازی حرفه‌‌‌ای و به اشتراک گذاری دانش در علوم زیستی.
• Linkedinیک شبکه اجتماعی حرفه‌‌‌ای برای همه از جمله محققین که امکانات بسیاری برای دیده شدن شما ارائه می‌کند.
• Loopیک شبکه اجتماعی و تعاملی فوق العاده برای همکاری محققین و نیز اشتراک ایده‌ها و مطالعات خود با دیگران
• Mendeleyیک پلت فرم منحصر به فرد شامل شبکه‌های اجتماعی ، مدیر مرجع ، ابزارهای مطالعه مقاله.
• MyScienceWorkانتشار اطلاعات و دانش علمی‌به روشی آزاد و در دسترس تمام متن
• nanoHUBبستر متمرکز برای تحقیق ، آموزش و همکاری فناوری نانو
• OSFیک وبسایت جامع از اطلاعات، جزوات، مقالات، کتاب‌ها و سایر اسنادی که محققین سراسر جهان در آنجا به اشتراک گذاشته اند و حتما به محققین آکادمی‌تحلیل آماری آن را پیشنهاد می‌دهیم.
• ResearchGateشبکه اجتماعی برای محققان که نیازی به توضیحی پیرامون اهمیت فوق العاده آن برای محققین ندارد.
• ScienceExchangeبازار ابزار دقیق آزمایشگاهی
• SocialScienceSpaceشبکه اجتماعی و فضایی برای کشف ، اشتراک و شکل دادن به موضوعاتی که دانشمندان اجتماعی و رفتاری با آن روبرو هستند
• Trellisیک سکوی دیجیتالی که شما را به بقیه جامعه علمی‌وصل می‌کند
• Wesharescienceمکانی برای به اشتراک گذاری ، جستجو ، سازماندهی ویدئو‌های تحقیقاتی در رشته‌های تحقیقاتی مختلف

دسترسی به ایده‌های علمی‌جدید و آموزش‌های مختلف

• AcademicJoyبه اشتراک گذاری ایده‌ها و داستانهای تحقیقاتی در زمینه تحقیق و نوآوری.
• AcaWikiویکیپدیای آکادمیک که می‌تواند برای عزیزان بسیار سودمند باشد.
• Animate Scienceبه دانشمندان کمک می‌کند تا با استفاده از رسانه بصری ، کار خود را توسط همسالان خود و عموم مردم مورد توجه قرار دهند.
• analysisacademyمدرسه پژوهش کمی‌و کیفی و تنها محل برگزاری دوره‌های بین المللی روش پژوهش با نرم افزار‌های تخصصی و گواهی‌های بین المللی از انگلیس، اتریش و آمریکا
• PubDrawمقالات علمی‌بگیرید ، عکس بگیرید.
• I Am Scientistیک فعالیت آموزشی و مشارکت در حوزه علمی‌است.
• Kudosبه محققان کمکمی‌کند تا نشریات خود را برای تأثیر تحقیقات بیشتر در توضیح ، غنی سازی و به اشتراک گذاری قرار دهند.
• Science Simplifiedیک پورتال ارتباطی علمی‌با هدف جمع آوری کلیه انتشارات عمومی‌دانشگاهی و خدمت به عنوان یک کانال ارتباط مستقیم با عموم مردم.
• SciWorthyیک سایت خبری علمی‌برای هر محقق جهت درک بهتر علم.
• usefulscienceخلاصه‌‌‌ای از آخرین علمی‌که در زندگی مفید است.
• Wesharescienceمکانی برای به اشتراک گذاری ، جستجو ، سازماندهی ویدئو‌های تحقیقاتی در رشته‌های تحقیقاتی مختلف

با داده‌ها و بانک‌های اطلاعاتی بزرگ کار کنید

• Benchlingپایگاهی برای تحقیق و توسعه در صنعت و همکاری با دیگران
• Datazarبستر همکاری در تحقیق که در آن می‌توانید داده‌ها را به راحتی کاوش ، استفاده و به اشتراک بگذارید.
• ROpenSciبسته‌هایی که امکان دسترسی به مخازن داده از طریق محیط برنامه نویسی آماری R را دارند.
• Statcrunchتجزیه و تحلیل داده‌ها را از طریق وب فراهم می‌کند.
• Sumatraنوت بوک آزمایشگاه الکترونیکی خودکار برای پروژه‌های محاسباتی
• Sweaveدر این سایت می‌توانید تا کد R را برای تجزیه و تحلیل داده‌های کامل در اسناد لاتکس تعبیه کنید.
• Synapseبسترهای نرم افزاری برای پشتیبانی از تجزیه و تحلیل داده‌های باز و مشارکتی
• System in Cloudبسترهای نرم افزاری ، مشتریان را قادر می‌سازد به سرعت نمودار جریان داده را که در فضای ابری اجرا می‌شود ترسیم و اجرا کنند.
• Tableauداده‌ها را به راحتی و به سرعت تجزیه و تحلیل کرده و به اشتراک بگذارید.
• Wakariتجزیه و تحلیل داده‌های پایتون مبتنی بر وب.
• WebPlotDigitizerابزاری مبتنی بر وب برای استخراج داده‌ها از ، تصاویر و نقشه‌ها
• Wolfram Alphaابزارهای مبتنی بر وب برای محاسبات علمی.

جمع آوری کمک‌های مالی / کمک مالی

محققین در نظر گیرند که بسیاری از سایت‌ها هستند که علاوه بر امکان همکاری با محققین دیگر جهان که موجب ایجاد فرصت‌های تحصیلی و پژوهشی بسیاری برای عزیزان می‌شود، می‌توان برای ایده‌ها و پروژه‌های خود بودجه و اسپانسر‌های آکادمیک جذب نمود.

• Grant Forwardموتور جستجو برای کمکهای مالی تحقیقاتی.
• Instrumentlپایگاه داده و ابزار جستجوی اطلاعاتی که در مورد پروژه‌های تحقیقاتی خاص اطلاعات کسب می‌کند و سپس آنها را با بهترین کمک‌های مالی موجود در اختیار شما قرار می‌دهد.
• Pivot COSپایگاه داده‌‌‌ای که شامل فرصت‌های بودجه از همه رشته‌ها می‌شود.
• Publiconnشبکه اجتماعی برای سازمانهایی که از بودجه اهداکنندگان دولتی یا خصوصی استفاده می‌کنند و سازمانهایی که تأمین اعتبار می‌کنند.

در این بخش با ابزار‌ها و سایت‌های دیجیتال برای نگارش تحقیقات و سازماندهی منابع به صورت استاندارد آشنا می‌شویم.

مدیریت مراجع

• CitationStylesدر این پایگاه سبکهای استناد دهی در مقالات خود را پیدا و ویرایش کنید.
• Citaviسایت نرم افزار قدرتمند مدیریت مراجع که به زودی نسخه حرفه‌‌‌ای آن را به صورت فول کرک برای شما روی سایت مدرسه پژوهش کمی‌و کیفی ایران analysisacademy.comقرار می‌دهیم.
• Colwizاستناد و کتابشناسی ایجاد کنید و گروه‌های تحقیقاتی خود را بر روی فضای ابر ایجاد کنید تا پرونده‌ها و منابع را به اشتراک بگذارید.
• EndNoteابزار نرم افزاری برای انتشار و مدیریت کتابشناسی ، استنادها و منابع
• Mendeleyیک پلت فرم منحصر به فرد شامل شبکه‌های اجتماعی ، مدیر مرجع ، ابزارهای مطالعه مقاله.
• papersنرم افزاری قدرتمند که در آن روش کشف ، سازماندهی ، خواندن ، حاشیه نویسی ، اشتراک گذاری و استناد را به طرز چشمگیری بهبود می‌بخشد.
• Zoteroبه شما در جمع آوری ، سازماندهی ، استناد و به اشتراک گذاری منابع تحقیقاتی کمک می‌کند

ابزار نوشتن مشارکتی

• ASCIIdoctorمجموعه‌‌‌ای از ابزار پردازنده متن و انتشار متن برای تبدیل AsciiDoc به HTML5 ، DocBook و موارد دیگر.
• Authorcafeبستر خدمات نویسندگی و نشر برای نوشتن مطالب علمی.
• Authoreaبستر نوشتن اسناد علمی‌، دانشگاهی و فنی با همکاری.
• Draftinکنترل نسخه و همکاری برای بهبود نوشتن خود.
• Fidus Writerویرایشگر مشارکتی آنلاین مخصوصاً برای دانشگاهیانی که باید از استنادها و / یا فرمولها استفاده کنند .
• Overleafویرایشگر مشارکتی آنلاین LaTeX ، با ارسال مستقیم به چندین ناشر
• Penflipنوشتن مشارکتی و کنترل مشکلات
• Pensoftنویسندگی مشارکتی ، مرور و انتشار در یک مکان.
• ShareLaTexویرایشگر خط مشی مشترک برای ریاضیات یا علوم.
• Stackeditویرایشگر Markdown مبتنی بر PageDown ، کتابخانه Markdown که توسط Stack Overflow استفاده شده است.
• typewriteیک محیط نوشتن مشترک در زمان واقعی.
• Quipگپ ، اسناد ، صفحات گسترده ، لیست چک و موارد دیگر را برای همکاری در هر دستگاه ترکیب می‌کند.
• write-for-studentsویرایشگر متن بدون حواس پرتی برای نوشتن بهره وری.

• ludwigبا مقایسه کلمات خود با منابع معتبر مانند زمان نیویورک یا بی بی سی به شما در بهبود نوشتن انگلیسی کمک می‌کند.
• Ref-n-wrightافزونه‌‌‌ای مایکروسافت ورد که به شما در بهبود مهارت‌های نوشتن انگلیسی کمک می‌کند.
• Writfullبازخورد در مورد نوشتار خود را با استفاده از داده‌های پایگاه داده Google Books ارائه می‌دهد.

سیستم Open Access یک الگوی جایگزین انتشار را ارائه می‌دهند و به هر کسی امکان می‌دهد تا آثار منتشر شده را به صورت رایگان دریافت کند. محققان همچنین می‌توانند با قرار دادن نسخه‌های اصلی مطالعات خود در این پایگاه‌ها ، میزان قرار گرفتن در معرض کار خود را به حداکثر برسانند همچنین این پایگاه‌ها ابزار‌هایی را در اختیار محقق برای هر چه بیشتر دیده شدن مقالات آن‌ها در هزاران سایت فراهم می‌سازد.

• eLifeدسترسی آزاد به امیدوار کننده ترین پیشرفت‌ها در علم.
• GigaScienceپایگاه دسترسی به داده‌های رایگان آنلاین
• Limnپایگاه دسترسی آزاد و رایگان که به تشریح مشکلات عصر حاضر می‌پردازد.
• PeerJدسترسی آزاد به نسخه اولیه چاپ نشده و انتشار یافته تحقیقات علوم زیستی
• Cureusدسترسی رایگان و آزاد به مجلات پزشکی و مکانی برای پزشکان برای تهیه CV دیجیتال.
• ScienceOpenشبکه تحقیقاتی کاملاً در دسترس برای به اشتراک گذاری و ارزیابی اطلاعات علمی.
• Winnowerپلت فرم انتشار آنلاین علم با دسترسی آزاد
• ArXivنسخه‌های الکترونیکی تحقیقات و جزوات و کتاب‌ها در رشته‌های فیزیک ، ریاضیات ، علوم کامپیوتر ، زیست شناسی کمی‌، امور مالی کمی‌و آمار.
• biorXivپایگاهی در حوزه زیست شناسی که در آن محققان مقالات خود را قبل از ارسال برای ژورنال‌ها به آنجا ارسال کرده و منتشر می‌شود و می‌توانند بازخورد و نظریات دیگر محققین را به عنوان بازخورد کار خود دریافت نمایند.
• Peerage of Scienceپایگاهی که در آن محققان مقالات خود را قبل از ارسال برای ژورنال‌ها به آنجا ارسال کرده و منتشر می‌شود و می‌توانند بازخورد و نظریات دیگر محققین را به عنوان بازخورد کار خود دریافت نمایند.
• PeerJ PrePrintsپایگاهی در حوزه بیولوژی و پزشکی که در آن محققان مقالات خود را قبل از ارسال برای ژورنال‌ها به آنجا ارسال کرده و منتشر می‌شود و می‌توانند بازخورد و نظریات دیگر محققین را به عنوان بازخورد کار خود دریافت نمایند.
• SlideShareانجمن برای به اشتراک گذاشتن ارائه‌های پاورپوینت و سایر محتوای حرفه ای.
• Zenodoپایگاهی است که ، محققان را قادر می‌سازد تا هرگونه خروجی تحقیق خود را به اشتراک بگذارند.

پشتیبانی از نگارش و نوشتار مطالعات شما

• Exec & Shareکدهای برنامه نویسی و داده‌هایی را که پیوست تحقیقات خود قرار داده ایم ، آشکارا در این سایت به اشتراک بگذارید.
• Google Chart نمودارهایزنده و تعاملی را در مرورگر خود ایجاد کنید.
• RunMyCodeآشکارا کد و داده‌هایی را که پایه گذاری انتشارات تحقیق شما هستند به اشتراک بگذارید.
• ORCIDشناسه ثابت دیجیتال را فراهم می‌کند که شما را از هر محقق دیگر متمایز می‌کند. از طریق این سایت می‌توان برای مطالعات خود اسپانسر‌های مالی مناسب پیدا کرد.

در این بخش ابزار‌ها و وب سایت‌هایی ارائه شده است که به کمک آن‌ها می‌توان بررسی مجلات و ناشران و پیدا کردن ژورنال مناسب برای مقاله‌‌‌ای که آماده نموده اید را بیاموزید. بسیاری از عزیزان و محققین آکادمی‌تحلیل آماری ایران در این بخش مشکلات زیادی دارند که اینگونه برطرف خواهد شد.

• Cofactor Science Journal Selectorیابنده ژورنال مناسب برای پژوهش شما و نیز بهره گیری از خدمات ویرایش در این سایت وجود دارد.
• Edanzراهنمای شخصی که ابزارها و خدماتی را که برای انتشار نیاز دارید توصیه می‌کند.
• Editor lookupابزار جستجو برای یافتن متخصصان علمی‌برای کارهای علمی‌مانند ویراستاران و داوران نسخه‌های علمی‌دستی.
• Journalfinder elsevierسرویس Elsevier که به شما کمک می‌کند ژورنالی را پیدا کنید که بتواند برای چاپ مقاله علمی‌شما مناسب باشد.
• journalguideراهننمایی بسیار کاربردی است برای اینکه بهترین ژورنال را برای تحقیقات خود پیدا کنید
• journalreviewerکاربران اطلاعات مربوط به تجربیات خود را در مورد فرآیندهای بررسی و داوری مجلات دانشگاهی را در آن ارائه می‌دهند.
• RoMEOدرباره حق چاپ و چاپ و نشر و سیاست‌های ناشر اطلاعات کسب کنید.
• SciRevتجربه خود را با روند بررسی علمی‌به اشتراک بگذارید و از دیگران بیاموزید که تصمیم بگیرند کجا نسخه‌های مقالات را ارسال کنید

ابزارهای جدید تغییرات گسترده‌‌‌ای در ارزیابی مطالعات ، چه از نظر ارزش علمی‌مقالات و چه از دستاوردهای کلی پژوهشگران.در اختیار گذارده است این ابزار‌ها مجموعه‌‌‌ای جدید است که نه تنها ارزش کار‌های شما را بر اساس ایمپکت فاکتور یا تعداد استنادات بررسی می‌کند بلکه ارزش و تأثیر کار شما را با روشهای دیگر که جدید می‌باشند نیز تحلیل می‌کند.

• F1000متخصصان برجسته زیست پزشکی به دانشمندان در کشف ، بحث و انتشار تحقیقات کمک می‌کنند.
• isیک افزونه مفید برای مرور گر شما جهت یادداشت گذاری و‌هایلایت مطالب مهم علمی‌مورد استفاده در تحقیقات
• journalreviewارزیابی و بررسی مقالات چاپ شده در ژورنال‌های پزشکی.
• Labiiمجموعه‌‌‌ای از برنامه‌های وب برای محققان ، از جمله یک برنامه آنلاین برای یافتن ، اظهار نظر ، رتبه بندی مقالات تحقیقاتی
• Libreبستر بررسی مشارکتی ارزش تحقیقات (آزمایش بتا).
• Peerage of Scienceخدمات رایگان برای بررسی دقیق علمی‌و چاپ و نشر مقالات
• PubPeerجستجوی انتشارات و ارائه بازخورد از تحقیقات منتشر شده یخود را در این سایت انجام دهید.
• Pubmed Commonsنظرات و اطلاعات خود را در مورد انتشارات علمی‌را درون PubMed به اشتراک بگذارید.
• Rubriqبررسی کننده‌ی مستقل مقالات شما از ژورنال‌ها و داورانی که کار خود را برای آن‌ها ارسال می‌کنیم. در واقع محققین می‌تواننند جهت بررسی کارهایشان و گرفتن نظرات تخصصی و علمی‌و نیز قرار گیری مطالعه خود در این فضای اشتراک آزاد مطالعه خود را در اینجا سابمیت نمایند.
• ScienceOpenشبکه تحقیقاتی کاملاً در دسترس برای به اشتراک گذاری و ارزیابی اطلاعات علمی.
• Wiki Journal Clubخلاصه‌‌‌ای از مطالعات برتر در تحقیقات پزشکی
• Winnowerپلت فرم انتشار آنلاین مقالات علمی‌است. آن‌ها بیان می‌کنند که هدف ما انقلابی کردن علم از طریق شکستن موانع ارتباطات علمی‌از طریق انتشار مقرون به صرفه و شفاف برای محققان است. .

منبع: دکتر محسن مرادی و آیدا میر الماسی

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 ارائه‌ی دلایل زیربنایی، الگوها، روابط، و فرآیندها پوشش می‌دهد. تحلیل آماری پایه و اساس همه آزمون‌های تجربی می‌باشد که از روش‌های آماری به عنوان روش تحقیق خود استفاده می‌کنند. اکثر بررسی‌های انجام شده حوزه علوم اجتماعی، علوم طبیعی، پزشکی، تجارت، مدیریت و مهندسی نیاز به تحلیل آماری دارند.

********************

اینجانب سید سعید انصاری فر دارای لیسانس مهندسی صنایع و فوق لیسانس مهندسی صنایع و فوق لیسانس مدیریت دولتی گرایش سیستم اطلاعاتی مدیریت می‌باشم. برخی از سوابق علمی‌پژوهشی اینجانب به شرح زیر است:
1- دارای بیش از 40 مقاله در موضوعات مختلف ارائه شده در کنفرانس‌های بین المللی و مجلات علمی‌پژوهشی و ژورنال ISC
2- مولف دو کتاب (مبانی سازمان و مدیریت، آموزش کاربردی مدل سازی معادلات ساختاری و نرم افزار SPSS)
3- مشاوره آماری و انجام تجزیه و تحلیل آماری در بیش از 600 پایان نامه ارشد و 50 پایان نامه دکترا
4- کسب رتبه دوم کنکور ارشد
5- تدریس خصوصی آمار توصیفی و استنباطی و نرم افزارهای SPSS، AMOS، Smart PLS، LISREL
6- کسب رتبه پژوهشگر برتر و برگزیده در جشنواره علمی‌پژوهشی شهرداری اصفهان

********************

تماس با ما:
ایمیل: [email protected]
شماره همراه: 09131025408

***************

گروه مشاوره‌‌‌ای پژوهشگران برتر:
ابن گروه با بهره مندی از کادری مجرب آمادگی تجزیه و تحلیل داده‌های آماری پژوهش‌های صورت گرفته در موضوعات مختلف با استفاده از نرم افزارهای مختلفی چون SPSS ، Smart PLS، LISREL،R ، AMOS را دارد.

همکاران:
1- طناز فریدنی: فارغ التحصیل برتر، کارشناسی آمار و کاربردها و کارشناسی ارشد آمار و ریاضی از دانشگاه اصفهان
2- فرزانه سیفی: فارغ التحصیل برتر و کارشناسی ارشد علوم تربیتی از دانشگاه آزاد اصفهان (خوراسگان)

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

مدل سازی معادلات سارختاری

مدل سازی معادلات ساختاری (SEM) مجموعه‌‌‌ای از روش‌های آماری است که به روابط پیچیده بین یک یا چند متغیر مستقل و یک یا چند متغیر وابسته اشاره می‌نماید. اگر چه روشهای متعددی برای توصیف SEMوجود دارد، بیشتر به عنوان ترکیبی بین برخی از اشکال تجزیه و تحلیل واریانس (ANOVA) / رگرسیون و بعضی از انواع تحلیل عاملی در نظر گرفته شده است. به طور کلی می‌توان گفت که مدل سازی معادلات ساختاریاجازه می‌دهد یک نوع رگرسیون چند متغیر / ANOVA را بر روی عوامل انجام دهیم. بنابراین باید کاملا با رگرسیون چند متغیره / ANOVA و همچنین مبانی تحلیل عاملی برای اجرای Structural Equation Modelingبرای تحلیل آماری پایان نامهخود آشنا باشید.

اصطلاحات اولیه مفید در مدل سازی معادلات ساختاری

بعضی اصطلاحات اولیه نیز مفید خواهد بود. تعاریف زیر در مورد انواع متغیرهایی که در SEM اتفاق می‌افتد، برای توضیح دقیق تر استفاده از معادلات ساختاریمفید خواهند بود:

متغیر‌های بیرونی

متغیرهایی که تحت تاثیر متغیرهای دیگر در یک مدل قرار نمی‌گیرند، متغیرهای بیرونی (Exogenous)نامیده می‌شوند. به عنوان مثال، فرض کنید ما دو عامل داریم که باعث تغییر در GPA، ساعت مطالعه در هفته و IQ می‌شوند. فرض کنید هیچ رابطه علی بین ساعت مطالعه و IQ وجود ندارد. پس هر دو متغیر IQ و ساعت مطالعه متغیرهای بیرونی در مدل خواهد بود.

متغیرهای دورنی

متغیرهایی که تحت تاثیر متغیرهای دیگر در یک مدل قرار می‌گیرند، متغیرهای درونی (Endogenous)هستند. GPA یک متغیر درونی در مثال قبلی است .

متغیر آشکار

یک متغیر که به طور مستقیم مشاهده و اندازه گیری می‌شود، یک متغیر آشکار(همچنین متغیر شاخص در برخی حلقه‌ها نامیده می‌شود). در مثال اول، تمام متغیرها می‌توانند مستقیما مشاهده شوند و بنابراین به عنوان متغیرهای آشکار ساز واجد شرایط می‌شوند. یک نام خاص برای یک مدل معادلات ساختاری وجود دارد که تنها متغیرهای آشکار را بررسی می‌کند که تجزیه و تحلیل مسیر نامیده می‌شود .

متغیر پنهان

متغیری که مستقیما اندازه گیری نمی‌شود یک متغیر پنهان (Latent)است. “عوامل” در یک تحلیل عاملی، متغیرهای پنهان هستند. به عنوان مثال، فرض کنید ما همچنین به بررسی تاثیر انگیزه در GPA نیز علاقه مند بودیم. انگیزه، به عنوان یک متغیر درونی و غیر قابل مشاهده، به صورت غیرمستقیم توسط پاسخ دانشجویی بر روی یک پرسشنامه ارزیابی می‌شود و در نتیجه یک متغیر پنهان است.

نقش متغیرهای پنهان در مدل معادلات ساختاری

متغیرهای پنهان پیچیدگی یک مدل معادلات ساختاری را افزایش می‌دهند، زیرا باید تمام آیتم‌های پرسشنامه و پاسخ‌های اندازه گیری شده را که برای تعیین “عامل” یا متغیر پنهان استفاده می‌شود، مورد توجه قرار دهند. در این مثال، هر آیتم در پرسشنامه یک متغیر واحد خواهد بود که به طور قابل توجهی یا ناچیز در یک ترکیب خطی متغیرهایی که بر تغییرات در عامل پنهان انگیزه تأثیر می‌گذارند ، وارد می‌شود.

تعدیل یا اصلاح در مدلسازی معادلات ساختاری

به طور خاص، به منظور اهداف SEM، تعدیل یا اصلاح به وضعیتی اطلاق می‌شود که شامل سه یا چند متغیر است. به طوری که حضور یکی از این متغیرها رابطه بین دو دیگر را تغییر می‌دهد. به عبارت دیگر، تعدیل زمانی وجود دارد که ارتباط بین دو متغیر در تمام سطوح یک متغیر سوم یکسان نیست. یک راه برای فکر کردن به اصلاح زمانی است که شما در تعامل بین دو متغیر در ANOVA مشاهده می‌کنید. به عنوان مثال، تنش و تنظیم روانشناختی ممکن است در سطوح مختلف حمایت اجتماعی متفاوت باشد (به عنوان مثال، این تعریف یک تعامل است).

به عبارت دیگر، استرس ممکن است تحت شرایط کم رویی اجتماعی در مقایسه با شرایط حمایت اجتماعی، بر میزان تعدیل بیشتر تأثیر بگذارد. اگر یک ANOVA انجام شود، این امر به معنای تعامل دو طرفه بین استرس و حمایت روانی است. شکل ۱ نمودار مفهومی‌تعدیل را نشان می‌دهد. این نمودار نشان می‌دهد که سه اثر مستقیم وجود دارد که فرضیه‌‌‌ای برای ایجاد تغییرات در تنظیم روانشناسی وجود دارد – یک اثر اصلی استرس، یک اثر اصلی حمایت اجتماعی و یک اثر متقابل استرس و حمایت اجتماعی.

مدل سازی معادلات سارختاری

میانجی در مدل سازی معادلات ساختاری

به طور خاص، برای اهداف SEM، میانجی به وضعیتی اطلاق می‌شود که شامل سه یا چند متغیر است، به نحوی که یک فرآیند علی بین هر سه متغیر وجود دارد. توجه داشته باشید که این مجزای از میانجی است. در مثال قبلی در می‌توانیم بگوییم که در مدل سه چیز جداگانه وجود دارد که باعث تغییر در تنظیم روانشناختی می‌شوند: استرس، حمایت اجتماعی، و تاثیر متقابل استرس و حمایت اجتماعی که هر شخص به آن متغیر توجه نمی‌کند.

در یک رابطه میانجی، یک متغیر مستقل بین یک متغیر مستقل و یک متغیر وابسته وجود دارد. همچنین اثرات غیر مستقیم بین یک متغیر مستقل و یک متغیر واسطه و بین متغیر واسطه و یک متغیر وابسته وجود دارد. مثال بالا را می‌توان دوباره به یک فرآیند میانجی، به شکل زیر نشان داده شده است. تفاوت عمده‌‌‌ای از مدل تعدیل شده ، این است که ما اکنون می‌توانیم روابط علی میان استرس و حمایت اجتماعی و حمایت اجتماعی و تعدیل روانی را بیان کنیم.

تصور کنید که حمایت اجتماعی در مدل قرار نگرفته است – ما فقط می‌خواستیم تاثیر مستقیم استرس و تعدیل روانی را ببینیم. ما می‌توانیم با استفاده از رگرسیون یا ANOVA اندازه گیری اثر مستقیم را بدست آوریم. هنگامی‌که از حمایت اجتماعی به عنوان میانجی استفاده می‌کنیم، اثر مستقیمی‌در نتیجه تحلیل روند علیت به اثرات غیر مستقیم تأکید بر حمایت اجتماعی و حمایت اجتماعی از تنظیم روانشناختی تغییر خواهد کرد.

میزان تاثیر مستقیمی‌که در نتیجه شامل متغیر میانجی حمایت اجتماعی مطرح می‌شود، به عنوان اثر مداخله گر شناخته می‌شود. آزمون برای عامل میانجی شامل اجرای یک سری تحلیل‌های رگرسیون برای همه مسیرهای علمی‌و برخی از روش‌های تخمین تغییر در اثر مستقیم است. این تکنیک در واقع در مدل سازی معادلات ساختاری دخیل است که شامل متغیرهای میانجی است .

مدل سازی معادلات سارختاری

کواریانس و همبستگی

کوواریانس و همبستگی، بلوک‌های ساختاری از نحوه ارائه داده‌ها به نرم افزار برای اجرای مدل سازی معادلات ساختاری هستند. ماتریس کوواریانس در عمل به عنوان مجموعه داده‌های شما مورد تجزیه و تحلیل قرار می‌گیرد. در بستر SEM، کوواریانسها و همبستگی بین متغیرها ضروری هستند، زیرا آنها به شما اجازه می‌دهند رابطه بین دو متغیر که لزوما وابسته نیستند را بررسی کنید . در عمل، بیشتر مدل‌های معادلات ساختاری شامل روابط علیت و غیر علیت است. بدست آوردن تخمین کوواریانس بین متغیرها می‌تواند به منظور تخمین بهتر اثرات مستقیم و غیر مستقیم با متغیرهای دیگر، به ویژه در مدل‌های پیچیده با پارامترهای زیاد استفاده گردد.

مدل ساختاری

یک مدل ساختاری بخشی از کل نمودار مدل معادلات ساختاریاست که شما برای هر مدل پیشنهاد می‌کنید. مدل ساختاری برای ارتباط همه متغیرها (پنهان و آشکار) مورد نیاز است .

مدل اندازه گیری

یک مدل اندازه گیری بخشی از کل نمودار مدل معادلات ساختاری است که شما برای هر مدل پیشنهاد می‌کنید. ضروری است که متغیرهای پنهان در مدل خود را داشته باشید. در این قسمت از نمودار که مشابه تحلیل عاملی است؛ شما باید تمام متغیرها یا مشاهدات را که «بار» بر روی متغیر پنهان، روابط، واریانس و خطاها قرار می‌دهید را شامل شود.

مدل سازی معادلات ساختاری

مدل ساختاری و مدل اندازه گیری، کل مدل معادلات ساختاری را تشکیل می‌دهند. این مدل شامل همه چیزهایی است که در مجموعه متغیرهایی که مورد بررسی قرار گرفته اند، اندازه گیری، مشاهده شده یا در غیر این صورت دستکاری شده اند.

معادله ساختاری بازگشتی

یک مدل معادله ساختاری بازگشتی، مدلی است که در آن یک رابطه در یک جهت واحد هدایت می‌شود.

منبع : stat.purdue