آموزش spss به زبان ساده

بسته آموزشی تجزیه تحلیل آماری پایان نامه با SPSS و AMOS

از صفر تا صد آموزش spss

آموزش مباحث اساسی AMOS

آموزش موضوعی و گام به گام همراه با تصویر

33 پکیج (1378 صفحه تصویری)

فهرست محتویات این بسته آموزشی

قیمت : فقط 14500 تومان

پس از پرداخت انلاین وجه، بلافاصله دانلود فایل ظاهر می شود.

برای مشاهده محتویات هر پکیج (طبقه بندی موضوعی) اینـــــــجا کلیک کنید+ مشاهده منابع

  • روشهای برآورد و مولفه های اصلی تحلیل عاملی در spss

    در محیط نرم افزاری spss برای برآورد محموله ها از روشهای زیر استفاده می شود:

     روش principal Components 

    روش Unweighted Least Squares 

    روش Generalzed least 

    روش Maximum Likelihood 

    روشAxis Factoring principal 

    ...
  • مدل تحلیل عاملی متعامد در spss

    بردار تصادفی قابل مشاهده X باP مؤلفه دارای میانگین  و ماتریس کواریانس است. در الگوی عاملی فرض بر این است که X وابسته خطی چند متغیر تصادفی غیرقابل مشاهده F_1,F_2,…,F_m بوده و اصطلاحاً « عوامل مشترک» (Communality Factors) گفته می شود و P منبع دیگر از متغیرهای _1,_2,…,_m هستند که خطا یا گاهی اوقات « عوامل خاص» ( Specific Factors) نامیده می شوند.

  • آزمون تحلیل عاملی در spss چیست

    در سرتاسر تاریخ، « تحلیل عاملی» (Factor Analysis)، باعث بحث های جنجایی زیادی شده است.

  • انتخاب بهترین معادله خط رگرسیونی در spss

    فرض کنید می خواهیم برای پاسخ خاص Y براساس متغیرهای «مستقل» یا متغیرهای پیشگوی Xk,…,X2,X1 یک معادلۀ رگرسیون خطی بسازیم. علاوه براین فرض کنید که Zk,…,Z2,Z1 همگی توابعی از یک یا چند متغیر X باشند که مجموعۀ کامل متغیرهایی که معادله از آن ها انتخاب می شود را نشان می دهند و این مجموعه شامل هر تابعی مانند مربعات، حاصلضرب ها، لگاریتم ها، وارونه او توان هایی باشد که تصور می شود برای این کار مطلوب و لازمند معمولا در انتخاب

    ...
  • تعیین هم خطی چندگانه در spss

    وقتی متغیرهای «مستقل» (independent)، متعامد (ارتوگونال) باشند، به آسانی می توانید مراحل فوق را اجرا کنید. متاسفانه در برخی موارد همبستگی بین متغیرهای مستقل بالاست و در چنین مواقعی استنتاج بر مبنای مدل رگرسیونی می تواند گمراه کننده باشد. اگر بین متغیرهای مستقل وابستگی خطی وجود داشته باشد، گفته می شود که «چند هم خطی» (Multicollinearity) وجود دارد.

  • آموزش تصویری رگرسیون خطی چندگانه در spss

    به مدل رگرسیونی شامل بیش از یک متغیر مستقل رگرسیون «چندگانه» (multiple) گفته شده و به صورت:

  • تعیین و تصحیح عیوب مدل در تحلیل آماری با spss

    مراحلی که برای تعیین و تصحیح مدل به کار برده می شود عبارتند از: تحلیل باقی مانده ها: نتایج حاصل از تحلیل رگرسیون وقتی معتبر و با مفهوم هستند که فرض های مربوط به Residual (باقی مانده) های مدل نیز صحت داشته باشد. نتیجه اینکه، ساختار باقی مانده ها و الگوی داده ها بااستفاده از نمودار، اهمیت زیادی پیدا می کند. به خاطر داشته باشید که بالا بودن مقدارR^2 و یا معنی دار بودن آمارۀ t حاکی از آن نیست که «برازش» (fit) به خوبی

    ...
  • نحوه رسم نمودار نرمال در spss

    همانطور که گفته شد، یکی از فرض های مدل رگرسیون خطی، فرض نرمال بودن مانده هاست. برای بررسی این فرض از «نمودار نرمال» (Normal plot) استفاده می شود.

  • آموزش آزمون کوکران در spss

    اگر نتیجه آزمایش را بتوان به یکی از دو رده، رده بندی کرد، آنگاه آزمونی که در سال 1950 توسط « کوکران» (CoChran) ارائه شد، بهترین روش تحلیل محسوب می شود.

  • نحوه انجام آزمون فریدمن در spss

    این آزمون در حقیقت تعمیمی از آزمون «علامت» (Sign) است که قبلاً آنرا بررسی کردیم. در این آزمون نسبت به آزمون «علامت» فرضهای کمتری نیاز است. آزمون «فریدمن» (Friedman) برای وضعیت های تجربی معروف تر است، اما در برخی وضعیت ها توان کمتری دارد. مسأله K Related Samples … (K نمونه وابسته) در آزمایشی پیش می آید که برای تشخیص اختلاف در K تیمار احتمالاً، K >2، طرح ریزی شده است.

  • آموزش تحلیل آزمون کای اسکوئر در spss

    این آزمون برای اولین بار در سال 1990 میلادی توسط کارل پیرسُن و برای آزمون «خوبی برازندگی توزیع» (Goodness of fit) به کار برده شد. فرض کنید یک آزمون تصادفی انجام می گیرد و نتیجۀ آنرا در یکی از رده های دو به دو جدای C_k و...و C_2 و C_1 مشاهده می کنیم. احتمال مشاهدۀ نتیجۀ این آزمایش تصادفی را در C_1 با عدد1 > p_1 0 < نشان می دهیم بطوریکه1 = p_k +...+p_(2 ) + p_1.

  • آموزش آزمون ناپارامتری دو یا گردش در spss

    فرض کنید، تعداد n_1 چیز از نوع x و تعداد n_2 چیز از نوع y داشته باشیم. این چیزها را به تصادف روی خط می چینیم، یا به عبارتی دیگر یک جایگشت از آنها تشکیل می دهیم. مثلاً برای=5 n_1 و=7 n_2 جایگشت زیر را در نظر می گیریم:

  • آموزش آزمون ناپارامتری دوجمله ای در spss

    از این آزمون برای نشان دادن یک سری اتفاقات یا آزمایش ها استفاده می شود که در آن فرض می شود:  n امتحان دو به دو مستقل هستند.  احتمال هر امتحان برای اینکه برآمد در رده 1 باشد p است، که در آن p برای همۀ n امتحان یکی است.

  • آموزش نحوه انجام آزمون کولموگروف اسمیرنوف در spss

    آزمون « کولموگروف – اسمیرنوف» به افتخار دو آماردان روسی به نامهای A.N. Kolmogrov و N.V. Smirnov به این نام خوانده شده و روش ناپارامتری ساده ای برای تعیین همگونی اطلاعات تجربی با توزیع های آماری منتخب است. بنابراین، آزمون « کولموگروف – اسمیرنوف»، که از این به بعد آنرا با KS نشان می دهیم، روش دیگری علاوه بر روش «کای اِسکوِر» (Chi Square)، (x^2) ، برای همگونی یک توزیع فراوانی نظری برای اطلاعات تجربی است.

  • آموزش نحوه انجام آزمون کروسکال والیس در spss

    اگر بخواهیم در مورد نمونه های گرفته شده از k جامعه قضاوت کنیم از «آزمون H » که گاهی آنرا آزمون «کراسکال – والیس» (Krukal - Wallis) می نامند استفاده می کنیم. این آزمون در حقیقت تعمیم آزمون U برای مقایسۀ K جامعه است.

    به عبارت دیگر، در این آزمون فرض برابر بودن میانگین های K جامعه را آزمون می کنیم.

  • آموزش انجام آزمون میانه در spss

    آزمون میانه : آزمون میانه برای این بررسی طرح ریزی شده است که: آیا چند نمونۀ حاصل از چند جامعه دارای میانۀ یکسان است یا نه؟

  • آموزش انجام آزمون من ویتنی در spss

    آزمون مَن – ویتنی دقیقاً مشابه آزمون ویلکاکسون است با این تفاوت که دو نمونه اخذ شده در آن، از یکدیگر مستقلند.

  • روش و نحوه انجام آزمون ویلکاکسون در spss

    در این آزمون می خواهیم ببینیم که آیا نمونه ها از جامعه های پیوستۀ «یکسانی» هستند (میانگین های یکسانی دارند) یا اینکه جامعه ها یکسان نیستند (میانگین های متفاوتی دارند).

  • آموزش آزمون علامت در spss

    یکی از روش های مهم ناپارامتری که آنرا بررسی خواهیم کرد، «آزمون علامت» (Sign Test) است.

  • تعریف آمار ناپارامتریک و مزایا و معایب آن

    تاریخ «آمار ناپارامتری» (Non Parametric Statistics) مانند «آمار پارامتری» (Parametric Statistics) به اوایل قرن هیجدهم میلادی برمی گردد.