انجام فصل 4 پایان نامه و پروژه های تحقیقی - پایگاه تحلیل آماری

پایگاه تحلیل آماری، مشاوره و انجام تحلیل آماری پایان نامه، انجام فصل 4 پایان نامه با لیزرل و Spss

تحلیل آماری و انجام فصل چهارم پایان نامه (لیزرل، Spss، آموس، اسمارت PLS و ...)

 

مشاوره رایگان در زمینه تمامی فصول پایان نامه

ایمیل:lisrel167@gmail.com

  شماره تماس:09370942358-09116901585

فصل 4 پایان نامه خود را به ما بسپارید

به صورت کاملا حرفه ای

با کمترین هزینه  

هر گونه مشکل آماری در تحلیل آماری را به راحتی بر طرف می کنیم 

  هر جا که باشید می توانید مشاوره و تحلیل آماری تحقیقات علمی، مقالات، پایان نامه ها و پروژه هایتان را از ما بخواهید. انجام تحلیل ها توسط کارشناسان ارشد و دکتری. به صورت علمی ، سریع و با هزینه مناسب. تسویه حساب نهایی پس از تایید استاد راهنما. 

———————–

تحلیل کامل و روان داده ها

استفاده از جدیدترین روش های تحلیلی

تحویل به موقع  و در کوتاه ترین زمان

کمک به پژوهشگران جهت شناخت روش صحیح پژوهش

تحویل فصل چهارم به صورت  word 

هزینه ها با توافق طرفین و حجم کار قابل تغییر است

 

نگران استخراج مقاله از پایان نامه خود نباشید

مشاوره و راهنمایی جهت چاپ مقالات شما

در مجلات معتبر داخلی و خارجی

کافیست با ما تماس بگیرید

09370942358-09116901585 

 وبلاگ تحلیل آماری پایان نامه با لیزرل

تحلیل آماری با نرم افزار Spss و Lisrel

کانال تلگرام ما را نیز دنبال فرمایید:

https://telegram.me/paygahtahlilamari

  
نویسنده : تحلیل آماری ; ساعت ۱۱:٢٦ ‎ب.ظ روز ۱۳٩٥/۱٢/۱٤

مفاهیم کلی فرآیند تحلیل سلسله مراتبی و فرایند تحلیل شبکه ای

مفاهیم کلی فرآیند تحلیل سلسله مراتبی

  • ü   عناصر مسأله، هدف، اهداف میانی، افق های زمانی، سناریوها، عوامل و شرط بندها، اهداف و سیاست ها، معیارها، زیر معیارها، مشخصه ها و گزینه ها.
  • ü     ساختار سلسله مراتب
  • ü     قضاوت ها، اعداد مطلق، همگنی، خوشه بندی، عناصر اصلی، محسوس و نامحسوس.
  • ü     مقایسه ها، تسلط و تقابل در قبال یک مشخصه، ناسازگاری و ردار مختصات، استفاده از اندازه گیری های واقعی.
  • ü     تعداد کم قضاوت ها؛ چگونگی حصول کمترین قضاوت ها.
  • ü     مقیاس های نسبی اشتقاقی (در AHP اولویت ها در ارتباط با مقیاس نسبی مشتق شده و اثبات شده اند).
  • ü     فاصله ی قضاوت ها و قضاوت های تصادفی.
  • ü     سنتز، تلفیق، فرم های چند خطی و چگالی.
  • ü     رتبه بندی، میزان مطلوبیت نسبت به یک ایده.
  • ü     اندازه گیری مطلق، رتبه بندی گزینه ها یکی یکی و به نوبت.
  • ü     سلسله مراتب های فواید، هزینه ها، فرصت ها و تهدیدات.
  • ü   موازی با شیوه ی تفکر انسانی (شلیک عصبی توانایی و هشیاری نسبت به محرک ها محسوس (قابل لمس) و نامحسوس (غیرقابل لمس) را به وجود می آورد) اندازه گیری ها خود دیتاهایی هستند که باید تفسیر شوند.
  • ü     تصمیم گیری گروهی و خواص دو جانبه؛ بهینه ی پاراتو.
  • ü     تحلیل حساسیت.
  • ü     مرور و یادگیری به عنوان یک فرآیند.

مفاهیم کلی فرآیند تحلیل شبکه ای

  • ü     بازخورد، وابستگی های داخلی و خارجی.
  • ü     تأثیر نسبت به یک معیار.
  • ü     سلسله مراتب کنترل یا سیستم.
  • ü     ابرماتریس.
  • ü     ابرماتریس محدود و ارجحیت های محدود.
  • ü     سادگی، تحویل ناپذیری، تناوب.
  • ü     ایجاد ابرماتریس محدود تصادفی : چرا خوشه ها باید مقایسه شوند.
  • ü     سنتز و تلفیقبرای معیارهای سلسله مراتب کنترل یا سیستم کنترل.
  • ü     سنتز و تلفیق برای فواید، هزینه ها، فرصت ها و تهدیدات سلسله مراتب های کنترل.
  • ü     فرمول بندی برای محاسبه ی محدود.
  • ü     رابطه با شلیک شبکه ی عصبی.
  • ü   چگالی شلیک عصبی و توزیع و کاربرد آن برای باز تولید تصاویر بصری و ترکیب های موزون (تحقیقات بیشتر در این زمینه در حال انجام است)


  • با توجه به مفاهیم فوق، تفاوت هایی را می توان میان دو تکنیک تشخیص داد که برخی از آنها عبارتند از :
  1. ANP با مجاز شمردن وابستگی، از AHP که فقط شامل حالت استقلال است، فراتر می رود. از این روی AHP به عنوان حالت خاصی از ANP به شمار می رود.
  2. ANP با وابستگی عناصر در یک مجموعه (وابستگی داخلی) و وابستگی عناصر در مجموعه های مختلف (وابستگی خارجی) در ارتباط است.
  3. ساختار شبکه ای ANP، به محقق این امکان را می دهد که هر مسأله ی تصمیم گیری را بدون نگرانی از اینکه چه چیزی اول می آید و چه چیزی بعداً طراحی نماید.
  4. ANP یک ساختار غیرخطی است در حالی که یک سلسله مراتب، با یک هدف در بالاترین سطح، و گزینه ها در سطح زیرین، ساختار خطی دارد.
  5. ANP نه فقط عناصر، بلکه گروه یا خوشه هایی از عناصر را نیز از نظر حق تقدم، مرتب می کند (Saaty, 1999A, P15).

علاوه بر موارد فوق، فرآیند تحلیل شبکه ای (ANP) تنها تئوری ریاضی است که امکان بررسی انواع مختلف بر هم کنش ها، وابستگی ها و بازخوردها را به صورت سیستمی فراهم می سازد. دلیل موفقیت این روش در نحوه ی استخراج قضاوت ها و به کار بردن عملیات اندازه گیری ریاضی برای سنجش مقیاس های نسبی است. ارجحیت ها (به عنوان مقیاس های نسبی) یک بنیان عددی متقاعد کننده هستند که عملیات های محاسباتی اولیه را به گونه ای بامعنی هدایت می نمایند (Saaty, 2004A, P4). بنابراین قدرت ANP بر استفاده از مقیاس های نسبی برای کنترل همه ی بر هم کنش ها، برای پیش بینی دقیق و اتخاذ تصمیم مناسب استوار است.

همانگونه که ذکر شد فرآیند تحلیل شبکه ای (ANP)، تئوری جدیدی است که تکنیک AHP را برای امکان بررسی وابستگی های متقابل و بازخورد، میان عناصر درون یک خوشه (وابستگی داخلی) و یا میان عناصر خوشه های مختلف (وابستگی خارجی) توسعه داده است (Saaty, 2003 Pш). برخی از این وابستگی ها و بازخوردها،  تقابلات پیچیده ی ساختار و کارگزاران در پدیده های اجتماعی را به بهارین نحو نشان می دهند. بعلاوه در تکنیک ANP، یک مسأله اغلب به واسطه ی چهار معیار استراتژیک، یعنی عناصر فواید، هزینه ها، تهدیدات و فرصت ها مطالعه می شود. این ها معیارهایی هستند که به گونه ای دیگر در فرآیند مدیریت استراتژیک به کار گرفته می شوند. این چهار معیار که بیشترین تطابق را با نیازهای انسانی دارند، برای اتخاذ تصمیمات به صورت ملموس تر توسط این تئوری مورد استفاده قرار گرفته اند (Garuti, 2003, P7).

فرآیند تحلیل شبکه ای از بدو پیدایش، توسط متخصصین متعدد برای تصمیم گیری در امور اقتصادی، تجاری، سیاسی و اجتماعی به کار گرفته شده و آزمون های متعدد را پشت سر گذاشته و چندین جایزه ی بین المللی دریافت نموده است. با این حال آقای ساعتی معتقد است :

اگرچه ANP از یک چهارچوب کامل (که شامل عناصر و خوشه هایی است که به صورت مطلوب به هم متصل شده اند)، برای رسیدگی به فرآیند استخراج اولویت مقیا های نسبی استفاده نموده و بهتر است که بسیاری از مسائل تصمیم گیری به صورت کامل با این تکنیک انجام شود، ولی تصور اینکه یک مدل ANP همواره و در همه­ی کیس ها، محصولات بهتری از تکنیک ANP ارائه خواهد کرد، اشتباه بوده و کارآمدی AHP و اهتبار نتایج آن، در خوصوص مسائلی که به صورت سلسله مراتبی می باشند، بیشتر از ANP می باشد (Saaty, 2004B, P7).

  
نویسنده : تحلیل آماری ; ساعت ٩:٠٥ ‎ق.ظ روز ۱۳٩٥/٤/٢٦

برطرف شدن نیاز به حجم بالای نمونه در مدل سازی معادلات ساختاری

نرم افزار اسمارت پی ال اس توانسته مشکل نامناسب بودن حجم نمونه را به روش مدلیابی معادلات ساختاری با کمک حداقل مربعات جزیی در نمونه های مشابه قبلی مانند لیزرل و آموس بر طرف سازد. نگرش نرم افزار لیزرل بر بیشینه سازی کوواریانس و مدلیابی Smart PLS بر بیشینه سازی واریانس تمرکز دارد که این روش جدید وابستگی کمتری به شروط مختلف مانند نرمال بودن داده ها و نیز حجم داده ها دارد. بنابراین برخلاف لیزرل و آموس این روش جدید برای کاربردهای واقعی مناسب تر است. همچنین در مواقعی که مدل ها به مراتب پیچیده تر هستند استفاده از نرم افزار اسمارت PLSبه مراتب نتیجه بهتری نسبت به لیزرل و آموس دارد.

  
نویسنده : تحلیل آماری ; ساعت ٥:٢۸ ‎ق.ظ روز ۱۳٩٥/٤/۱٢

حجم نمونه در مدل سازی معادلات ساختاری

جامعه آماری عبارت است از مجموعه‌ای از افراد، اشیاء و یا چیزهایی که دارای حداقل یک صفت مشترک باشند و محقق می‌خواهد به تحقیق درباره‌ی آن‌ها بپردازد. معمولاً در هر پژوهشی، جامعه آماری مورد بررسی، جامعه‌ای است که پژوهشگر مایل است درباره‌ی صفت یا صفات متغیر واحدهای آن به مطالعه بپردازد (مقیمی، 1380). مجموعه واحدهایی که حداقل در یک صفت مشترک باشند یک جامعه آماری را مشخص می سازند(خاکی،1390). با توجه به وجود محدودیت هایی مربوط به حجم بالای جامعه و نیز وسعت جغرافیایی بالا؛ امکان مراجعه محقق به تمامی جامع میسر نبوده و بنابراین نمونه به عنوان یک راه حل تعمیم به کل جامعه پیشنهاد می گردد. در این میان حجم نمونه در مدلسازى معادله ساختارى تحت تأثیر عوامل متعددى نظیر شکل توزیع متغیرهاى مورد مطالعه در فضایى چندبعدى (برقرار بودن نرمان بودن چندمتغیره)، روش برآورد پارامترها و پیچیدگی مدل (تعداد معرفها و پارامترهاى آزاد در مدل تدوین شده) قرار می گیرد و همچنین اینکه پارامترهاى برآوردشده، آزمون فرضیه ها و برآورد شاخص هاى برازش کلى مدل تحت تأثیر حجم نمونه قرار می گیرند (قاسمی، 1391). هر و همکاران ( 2009 (نشان دادهاند که پنج متغیر بر حجم نمونه در مدلسازى معادله ساختارى تأثیرگذارند:

  1. پیچیدگى مدل
  2. روش برآورد پارامترهاى آزاد
  3. برقراری یا عدم برقرارى نرمال بودن چندمتغیر
  4. حجم داده هاى مفقود
  5. متوسط واریانس خطا در میان معرفها

براى تعیین حجم نمونه نیز مولر در سال 1996 از نسبت حجم نمونه به پارامتر آزاد براى برآورد استفاده می کند. وى حداقل این نسبت را 5 به 1، حد متوسط آن را نسبت 10 به 1 و حد بالاى آن را نسبت 20 به 1 عنوان می کند. هر و همکاران (2009) با تحلیل بحث هاى طرح شده پیرامون حجم نمونه در مدلهاى معادله ساختارى پیشنهادهاى زیر را براى حداقل حجم نمونه در شرایط مختلف طرح کرده اند :

  •   حداقل حجم نمونه 100 واحد براى مدلهایى که شامل 5 یا تعداد کمترى سازه هستند و هر سازه با تعداد بیشتر از 3 معرف اندازه گیرى شده و میزان اشتراک براى هر معرف نیز 0/6 و بالاتر است.
  •     حداقل حجم نمونه 150 براى مدلهایى که با 7 سازه یا کمتر و میزان اشتراک در حد متوسط
  •     حداقل حجم نمونه 300 براى مدلهایى که با 7 سازه یا کمتر، میزان اشتراک پایین در مدلهاى عاملى
  •   حداقل حجم نمونه 500 براى مدلهایى با تعداد سازه هاى زیاد که برخى از آنها میزان اشتراک پایین دارند و داراى سازه هایى با کمتر از سه سنجه هستند.
  
نویسنده : تحلیل آماری ; ساعت ۱٢:٥۱ ‎ق.ظ روز ۱۳٩٥/٤/۱٢

← صفحه بعد