تحلیل آماری spss

انواع مختلفی از «طرح» (design) ها وجود دارند که از اصل «بلوک بندی» استفاده می کنند. مثلا فرض کنید فردی اثرهای پنج فرمول بندی مختلف یک ترکیب قابل انفجار در ساخت دینامیت را با مشاهدۀ نیروی انفجار مطالعه می کند.

• تحلیل آماری با spss
• تحلیل آماری پایان نامه با spss
• تحلیل آماری پایان نامه
• تحلیل داده های آماری spss
• تحلیل داده های آماری
• آموزش تحلیل آماری spss
• آموزش spss به زبان ساده

مطالعه بیشتر: آموزش طرح مربع لاتین در spss

یک مربع لاتین p×p را در نظر گرفته و روی آن یک مربع لاتین p×p ی دیگری که «گروه ها» و یا به عبارتی دقیق تر «تیمار» (treatment) ها با حروف یونانی مشخص شده باشند استوار می کنیم. اگر این دو مربع وقتی بر هم استوار می شوند این خاصیت را داشته باشند که هر حرف یونانی یک بار و تنها یک بار با حرف لاتین ظاهر شود، در این صورت می گویی دو مربع لاتین متعامدند و طرح حاصل را طرح مربع یونانی – لاتین و یا گریکو – لاتین می گوییم. طرح مربع یونانی – لاتین را می توان به روشی منظم برای کنترل سه منبع خارجی تغییر پذیری، یعنی، بلوکی کردن در سه جهت مورد استفاده قرار داد. مدل آماری طرح مربع «یونانی – لاتین» عبارتست از:

مثال

نتایج یک فرآیند شیمیایی با استفاده از پنج بستۀ خام، پنج غلظت اسیدی، پنج زمان مکث (E, D,C,B,A) و پنج غلظت کاتالیزور (ε,δ,γ,β,α) اندازه گیری شده و طرح مربع یونانی – لاتین در جدول 8-7 نشان داده شده است.

نتیجه حاصله را تحلیل کنید (سطح آزمون را پنج درصد در نظر بگیرید).

پاسخ:

1- داده ها را به SPSS وارد کنید، شکل19-7.

2- دستور ، Analyze > General Linear model > univariate… را اجرا کنید.

3- درپنجره univariate متغیر Result را به ناحیۀ dependent variable و متغیرهای ,Acid, Package latin و Greaco را به ناحیۀ fixed factor(s) (عوامل تثبیت شده) منتقل کنید.

4- روی دکمۀ Model… کلیک کرده، گزینۀ custom را انتخاب کنید.

5- در ناحیۀ Build Term(s) عبارت main effects (اثرات اصلی) را انتخاب کنید.

6- در ناحیۀ: factors & covariates روی متغیرهای Acid, Package , latin, Greaco یک بار کلیک و پس از انتخاب آن ها، روی دکمۀ کلیک کنید تا به ناحیۀ model منتقل شوند، شکل 20-7.

1- ابتدا روی دکمۀ Continue و سپس روی دکمۀ ok کلیک کنید.

نتیجه حاصل از اجرای مراحل فوق را در خروجی 4-7 می بینید.

• تحلیل آماری با استفاده از spss
• تحلیل آماری با spss
• تحلیل آماری پایان نامه با spss
• تحلیل آماری پایان نامه
• تحلیل داده های آماری spss
• تحلیل داده های آماری
• آموزش تحلیل آماری spss
• آموزش spss به زبان ساده

زمانی پیش می آید که می خواهید به جای داده های خام، (که در SPSS وارد می کنید)، از ماتریس همبستگی (R)، به عنوان تحلیل عاملی استفاده کنید. متأسفانه از طریق پنجره های معمولی نمی توانید این کار را انجام دهید. و برای این کار باید از پنجرۀ spss syntax Editor استفاده نمایید. در اینجا شم باید از دو مرحله استفاده کنید:

• تحلیل آماری با استفاده از spss
• تحلیل آماری با spss
• تحلیل آماری پایان نامه با spss
• تحلیل آماری پایان نامه
• تحلیل داده های آماری spss
• تحلیل داده های آماری
• تحلیل آماری پرسشنامه
• تحلیل آماری فصل 4
• تحلیل آماری فصل 4 پایان نامه
• آموزش تحلیل آماری spss
• آموزش spss به زبان ساده

مطالعه بیشتر: ماتریس همبستگی در تحلیل عاملی با spss

برای تحلیل های آماری، از محیط گرافیکی spss استفاده می شود ولی بهتر است به خاطر داشته باشید این محیط گرافیکی تا قبل از دسترسی به سیستم عامل ویندوز قابل دسترسی و استفاده نبود و بنابراین کاربران spss مجبور بودند در محیط DOS برنامه های خود را دستی تایپ کنند. البته نباید از مزایای این روش به راحتی چشم پوشی کرد چون شما می توانید مستقیماً با spss ارتباط برقرار کنید. برای استفاده از این امکان:  در پنجره syntax دستورات مورد نظر را « تایپ» و یا « کپی» کنید.

• تحلیل آماری با استفاده از spss
• تحلیل آماری با spss
• تحلیل آماری پایان نامه با spss
• تحلیل آماری پایان نامه
• تحلیل داده های آماری spss
• تحلیل داده های آماری
• تجزیه تحلیل آماری spss
• آموزش spss به زبان ساده

مطالعه بیشتر: آموزش زبان دستوری syntax در spss با مثال

روش کلی استفاده از دستور؛ بصورت زیر است:  دستور ... Analyze > Dimension Reducsion > Factor را اجرا کنید.  در پنجره Factor Analysis (تحلیل عاملی) همۀ متغیرهای مورد نظر را از سمت چپ پنجره به ناحیۀ مستطیلی Variables (متغیرها) منتقل کنید.

• تحلیل آماری با استفاده از spss
• تحلیل آماری با spss
• تحلیل آماری پایان نامه با spss
• تحلیل آماری پایان نامه
• تحلیل داده های آماری spss
• تحلیل داده های آماری
• تجزیه تحلیل آماری spss
• آموزش spss به زبان ساده

مطالعه بیشتر: آموزش تصویری نحوه انجام تحلیل عاملی در spss

تمامی محموله های بدست آمده از محموله های اولیه، با یک تبدیل متعامد، توانایی یکسان برای تولید دوباره ماتریس کواریانس (یا همبستگی) دارند. از جبر ماتریس ها می دانیم که یک تبدیل متعامد به یک دوران جدید از محورهای مشخصات مربوط می شود. به این دلیل است که یک تبدیل متعامد محموله های عاملی و تبدیل متعامد عوامل نتیجه شده را، « دوران عاملی» (Factor Rotation) می نامیم.

• تحلیل آماری با استفاده از spss
• تحلیل آماری با spss
• تحلیل آماری پایان نامه با spss
• تحلیل داده های آماری spss
• آموزش تحلیل آماری spss
• آموزش spss به زبان ساده

مطالعه بیشتر: چرخش عامل ها در تحلیل عاملی Factor Rotation

اگر عاملهای مشترک F و عاملهای خاص  را بتوان نرمال فرض کرد، در آنصورت می توان برآوردهای « درست نمایی ماکزیمم» (Maximum Likelihood) محموله های عامل و واریانس های خاص را بدست آورد.

• تحلیل آماری با استفاده از spss
• تحلیل آماری با spss
• تحلیل آماری پایان نامه با spss
• تحلیل داده های آماری spss
• تجزیه تحلیل آماری spss
• آموزش تحلیل آماری spss
• آموزش spss به زبان ساده

مطالعه بیشتر: روش درستنمایی ماکزیمم یا بیشینه 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 

روش Alpha Factoring  روش Image Factoring

مطالعه بیشتر: روشهای برآورد و مولفه های اصلی تحلیل عاملی 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.

مطالعه بیشتر: مدل تحلیل عاملی متعامد در spss

 با ارائه سفارش خود جهت انجام تجزیه و تحلیل آماری پایان نامه رشته مدیریت بازرگانی به کارشناسان ایران پژوهش از کیفیت کار مطمئن باشید.

مطالعه بیشتر: سفارش تجزیه و تحلیل آماری پایان نامه مدیریت بازرگانی

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

مطالعه بیشتر: آزمون تحلیل عاملی در spss چیست

 مشاوره انجام تحلیل آماری فصل چهار پایان نامه های مالی و اقتصادی با استفاده از نرم افزار Eviews را از کارشناسان ایران پژوهش بخواهید.

مطالعه بیشتر: مشاوره انجام تحلیل آماری فصل چهار پایان نامه با Eviews

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 معادلۀ حاصل، دو معیار دخالت دارند:

مطالعه بیشتر: انتخاب بهترین معادله خط رگرسیونی در spss

 ایران پژوهش مرکز انجام تحلیل آماری پایان نامه ارشد رشته مدیریت می باشد.

مطالعه بیشتر: مرکز تحلیل آماری پایان نامه ارشد رشته مدیریت

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.

مطالعه بیشتر: تعیین هم خطی چندگانه در spss

 خدمات تحلیل آماری پایان نامه رشته مدیریت با استفاده از نرم افزار لیزرل را از کادر تحقیقی ایران پژوهش دریافت نمائید.

مطالعه بیشتر: خدمات تحلیل آماری پایان نامه مدیریت با لیزرل

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

مطالعه بیشتر: آموزش تصویری رگرسیون خطی چندگانه در 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 انجام شده است. در این راستا تحلیل باقیمانده ها روشی ساده و موثر برای روشن کردن کاستی های مدل در تحلیل رگرسیون می باشد.

مطالعه بیشتر: تعیین و تصحیح عیوب مدل در تحلیل آماری با 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.

مطالعه بیشتر: نحوه رسم نمودار نرمال 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.

مطالعه بیشتر: آموزش آزمون کوکران در spss