تحلیل داده های آماری

تحلیل داده های آماری و ارائه انواع خدمات پژوهشی ، با هزینه مناسب در کمترین زمان پذیرفته می شود.دانشجویان عزیز آگاه هستند که نوشتن یک پژوهش آکادمیک ، با رشد علوم و تحقیقات مختلف به علم کافی نیازمند است.مقالات کوتاهی که در پایین می بینید مهم ترین مطالب روانشناسی است ، برای انتخاب موضوع خواندن این مقالات مفید است.


مشاوره و انجام پروپوزال، پايان نامه ، پروژه و تحلیل آماری با spss:
مشاور: علی محمدی
شماره تماس: 09011853901
ايميل: این آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید

  • آموزش روایی سازه با تحلیل عاملی

    آن چه در تحلیل عوامل اکتشافی و استخراج عامل های مطرح شد، غالباَ با مقوله ی روایی سازه (Validity Construct) سرو کار دارد. منظور از روایی این است که یک مقیاس که برای یک منظور ویژه و سنجش یک صفت معین طراحی شده است ، تا چه اندازه در سنجش آن صفت معین کارا و موفق است.

  • شاخص های اصلاح مدل در amos

    هم خطی بودن چند گانه میان ماده های پرسش نامه اثرات مطلوبی در برازش مدل ساختاری ایجاد می کند. هم خطی بودن ماده ها (همبستگی زیاد میان ماده ها)، مستقل بودن نمره های خطا (باقیمانده) را در مدل نفی می کند. به بیان دیگر، یکی از مفروضه های اساسی مدل های ساختاری ناهمبسته بودن واریانس خطای ماده ها است. اگر همبستگی میان دو یا چند ماده خیلی زیاد باشد، ارتباط میان باقیمانده های آن ها معنی دار می شود.

  • مثال برای آموزش تحلیل عاملی تاییدی با amos

    پس از ارائه مطالبی در این سایت درباره تحلیل عوامل تأییدی و حجم نمونه و شاخص های برازندگی مدل های معادلات ساختاری، هنگام آن رسیده است تا به کمک نرم افزار AMOS-16 یک مثال پژوهشی به شیوه ی تحلیل عوامل تأییدی مورد تجزیه و تحلیل قرار گیرد و خروجی های آن تشریح شوند.

  • حجم نمونه در مدل یابی معادلات ساختاری

    بدون شک حجم نمونه در فنون آماری، عملاً نقش مهمی ایفا می کند. هر چند که توافق جهان شمولی در میان پژوهشگران وجود دارد که با بزرگ شدن حجم نمونه ثبات برآوردهای آماری بیشتر می شود، اما در این خصوص که به چه حجم نمونه ای بزرگ گفته می شود، توافقی وجود ندارد.

  • آموزش تحلیل عاملی تاییدی با استفاده از spss

    تحلیل عوامل تأییدی این امکان را به پژوهشگر می دهد تا فرضیه ی ارتباط میان متغیرهای مشاهده شده را با ساختارهای مکنون زیربنایی آن ها بیازماید. اساسی ترین مفهوم در تحلیل عوامل تأییدی، موضوع متغیر مکنون است که در ادامه به آن و نیز به آزمون برازندگی پرداخته می شود.

  • مثال برای تحلیل عاملی اکتشافی در spss

    اینک یک مثال پژوهشی درباره ی تحلیل عوامل اکتشافی مطرح می شود جزییات آن با توجه به خروجی های SPSS تشریح می شود.

  • آموزش تحلیل عاملی اکتشافی در spss

    تحلیل عوامل اکتشافی را می توان به عنوان شیوه ای ساده و منظم که به دسته بندی مقیاس ها و متغیرهایی که از لحاظ درونی با هم همبسته هستند، تعریف کرد.

  • ضریب همبستگی دو متغیر اسمی در spss

    برای بررسی ارتباط میان متغیرهای اسمی چهار نوع ضریب همبستگی تحت عناوین ضریب همبستگی پیوستگی (Contingencycoefficicent) ضریب فی و V کرامر (Phi and Cramer's V)، لمبدا (Lambda) و ضریب غیر قطعی (Uncertainy coefficient) در نرم افزار SPSS وجود دارد که در ادامه به اختصار توضیح داده می شوند.

  • انواع ضرایب همبستگی در spss و کاربرد آنها

    برای بررسی ارتباط میان متغیرها، ضرایب همبستگی گوناگونی با توجه به نوع مقیاس دخیل در سنجش آن متغیرها وجود دارد که در این بخش تلاش می شود این ضرایب همبستگی در یک سری از موضوع های پژوهشی توضیح داده شوند. ضریب همبستگی پیرسون، ضریب همبستگی اسپیرمن، ضریب همبستگی تاو کندال ، ضریب همبستگی d سامرز .

  • آموزش نحوه انجام آزمون رتبه بندی فریدمن در spss

    در این مقاله، سه آزمون فریدمن، کندال (W) و کوکران بررسی می شوند. این آزمون ها توزیع های چندین متغیر وابسته را ارزیابی می کنند.

  • کاربرد آزمون های ویلکاکسون، کروسکال والیس، علامت، مک نمار و آزمون همگن بودن حاشیه ای در spss

    آزمون هایی که در این مقاله مطرح می شوند، به مقایسه ی توزیع دو متغیر وابسته توجه دارند. کاربرد شایسته ی یکی از این چهار نوع آزمون (ویلکاکسون)، علامت، مک نمار و همگن بودن حاشیه ای)، به نوع داد ها بستگی دارد. غالباً آزمون های این بخش در پژوهش های آزمایشی که متغیر وابسته پیش و پس از مداخله ی آزمایشی سنجیده می شود و یا آن دسته از پژوهش هایی که گذشت زمان به عنوان مداخله ی آزمایشی است و همچنین پژوهش های غیر آزمایشی

    ...
  • مثال برای کاربرد آزمون کروسکال والیس در spss

    آزمون کروسکال- والیس و جونک هیر- ترپسترو توضیح داده می شوند. هر چند آزمون میانه همتای غیرپارامتریک آزمون t تست گروهای مستقل است، اما برای مقایسه ی رتبه های چندین گروه مستقل نیز استفاده می شود. در این آزمون، ابتدا رتبه های گروه ها صرف نظر از وضعیت گروهی آن ها به صورت صعودی یا نزولی مرتب می شوند و سپس میانه ی آن ها محاسبه می شود.

  • آموزش آزمون یومان (u مان) ویتنی در spss با مثال

    در موقعیت هایی که قرار است دو گروه مستقل (مانند دختر/ پسر، گروه آزمایشی/ گروه گواه و...) از لحاظ یک متغیر وابسته که در حد رتبه ای اندازه گیری شده است مورد مقایسه قرار گیرند، آزمون یومان ویتنی بهترین گزینه است.

  • نحوه انجام آزمون کولموگروف اسمیرنوف در spss با مثال

    در آزمون کای اسکور، توزیع فراوانی های مشاهده شده با یک توزیع نظری مقایسه می شود و هنگامی این آزمون کاربرد مطلوبی دارد که فراوانی ها در طبقات اسمی که دارای هیچ ترتیب معینی نیستند، جمع آوری شده باشند. اما اگر فراوانی های مشاهده شده در یک نظم منطقی مرتب شوند، کاربرد آزمون کالمو گروف اسمیرونف برای ردیابی تفاوت فراوانی ها در طبقات مرتب شده از قابلیت آماری بهتری نسبت به آزمون کای اسکور برخوردار است.

  • آزمون کای اسکوئر یا مجذور کای چند متغیره در spss

    به منظور بررسی اثر جنسیت و طبقه اجتماعی- اقتصادی بر احتمال ابتلا به دیابت، آزمون مجذور کای دو بعدی به کار برده شد. در این آزمون فراوانی های قابل انتظار از نتیجه ی مضروب فراوانی های مشاهده شده ی حاشیه ای هر خانه، تقسیم بر کل فراوانی ها به دست می آمد. اما در تحلیل کای اسکور با بیش از دو بعد، محاسبه ی فراوانی های قابل انتظار به این سادگی امکان پذیر نیست.

  • کاربرد آزمون مجذور کای یا خی دو دو متغیره در spss با مثال

    هنگامی که پاسخ یا فراوانی یک گروه آزمودنی را در سطوح گوناگون دو متغیر تنظیم می کنیم، برای تجزیه و تحلیل آن از آزمون مجذور کای دو متغیری یا آزمون خی دو دو متغیره در spss استفاده می شود.

  • تفاوت آزمون های ناپارامتریک و پارامتریک در spss

    مهم ترین وجه تمایز آزمون های پارامتریک و غیرپارامتریک، در نوع داده ها و پیش فرض های زیر بنایی آن ها است؛ به بیان ساده می توان گفت از آزمون های پارامتریک استفاده می شود که سنجش متغیرهای دخیل در پژوهش دست کم در حد فاصله ای و توزیع نمره های متغیرها نسبتا بهنجار باشد.

  • متغیر میانجی در پژوهش های طولی با مثال

    پرسش اساسی: چگونه می توان با نرم افزار SPSS مدل های میانجی گر را در پژوهش های طولی بررسی کرد. بسیاری از پژوهشگران بر این عقیده اند در صورتی که مدل های میانجی گر در پژوهش های طولی بررسی شوند، گام مهمی به سوی تبیین های علمی برداشته می شود.

  • متغیر میانجی و تعدیل کننده در spss

    متغییر میانجی گر با شیوه های تحلیل همبستگی تفکیکی و نیمه تفکیکی مطالعه می شود ؛ در صورتی که متغییر تعدیل گر با روش بررسی تعامل و به وسیله ی تحیلیل واریانس دنبال می شود. اگر متغییری میانجی گر باشد، به کمک آن میتوان وضعیت نمره ی آزمودنی را در متغییر وابسته تشخیص داد.

  • تحلیل لگاریتم خطی در spss

    هدف از تحلیل لگاریتم خطی Loglinear Analysis (تحلیل لگاریتم خطی) این است که بتوانید مدلی را بسازید که فراوانی های خانه های جداول توافقی را با حداقل تعداد جملات مدل برآورد کند.