برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
#http://www.faradars.org/fvams9407
یکی از قوی ترین و مناسب ترین روش های تجزیه و تحلیل در تحقیقات علوم رفتاری و اجتماعی، تجزیه و تحلیل چند متغیره است زیرا این گونه موضوعات چند متغیره بوده و نمی توان آنها را با شیوه دو متغیری (که هر بار یک متغیر مستقل با یک متغیر وابسته در نظر گرفته می شود) حل نمود.
«تجزیه و تحلیل ساختارهای کوواریانس» یا همان «مدل یابی معادلات ساختاری» یکی از اصلی ترین روش های تجزیه و تحلیل ساختار داده های پیچیده و یکی از روش های نو برای بررسی روابط علت و معلولی است و به معنی تجزیه و تحلیل متغیرهای مختلفی است که در یک ساختار مبتنی بر تئوری، تأثیرات همزمان متغیرها را به هم نشان می دهد. از طریق این روش می توان قابل قبول بودن مدل های نظری را در جامعه های خاص با استفاده از داده های همبستگی، غیر آزمایشی و آزمایشی آزمود. علاوه بر این محققین و پژوهشگران می توانند از مبانی مربوطه نیز آگاهی کامل را یافته و نحوه تدوین صحیح مدل های نظری و تجربی را آموخته و جایگاه هر یک از متغیرهای میانجی: کنترلی، مداخله گر و تعدیل کننده را به درستی شناخته و از آن در پژوهش های خود استفاده نمایند.
سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
درس یکم: آشنایی با مدل سازی معادلات ساختاری
انواع متغیرها (مشاهده شده و پنهان) Manifest (Observed) and Latent
حالت های مدل سازی معادلات ساختاری
ضریب همبستگی
رگرسیون خطی
رگرسیون چندگانه
تحلیل مسیر
رگرسیون چند متغیره
مدل سازی معادلات ساختاری
درس دوم: آشنایی با محیط نرم افزار
شناسایی داده ها به نرم افزار
انواع ابزارهای رسم نمودارهای مسیری
ابزارهای ویرایش مدل
درس سوم: مدل سازی برای متغیرهای مشاهده شده
مدل سازی در قالب همبستگی (SPSS و AMOS)
مدل سازی در قالب رگرسیون ساده (SPSS و AMOS)
مدل سازی در قالب رگرسیون چند متغیره (SPSS و AMOS)
تحلیل مسیر (SPSS و AMOS)
درس چهارم: متغیرهای پنهان
تحلیل عاملی اکتشافی
تحلیل عاملی تأییدی
مدل سازی برای متغیرهای پنهان
مدل های Formative and Reflective
درس پنجم: شاخص های برازش و اصلاح مدل
انواع شاخص های برازش مدل
شاخص های اصلاح مدل
درس ششم: تحلیل های SEM در بین گروه های مختلف
متغیرهای تعدیل گر دو سطحی
متغیرهای تعدیل گر چند سطحی
آزمون های مقایسه مدل ها
درس هفتم: بررسی مفروضه های مدل سازی معادلات ساختاری
وارسی داده های پرت چند متغیری
نرمال بودن چند متغیری
درس هشتم: خودگردان سازی، نرمال بودن چند متغیره و مقایسه روش های برآورد
خودگردان سازی چیست؟
خودگردان سازی و مقایسه روش های برآورد
استفاده از خود گردان سازی برای آزمون اثرهای غیر مستقیم
درس نهم: انجام یک پروژه با AMOS
مدرس: دکتر ایوب شیخی
کلمات کلیدی:
دانلود فرادرس آموزشی رایگان,دانلود فیلم آموزشی رایگان,دانلود جزوه تصویری آموزشی,دانلود کتاب تصویری آموزشی,آموزش غیر حضوری و الکترونیکی,دوره آموزشی تخصصی، Amos, Amos Graphics, Factor analysis, Formative and Reflective, MBA, Path analysis, Regression, SEM, SPSS, پارامترهای آزاد و ثابت, پارامترهای نماد گذاری, پروژه با AMOS, تحلیل عاملی, تحلیل مسیر, خودگردان سازی, داده های خام, رگرسیون, رگرسیون چند متغیره, رگرسیون چندگانه, رگرسیون خطی, روش های معمول آماری, شاخص های اصلاح مدل, شاخص های برازش, ضریب همبستگی, کواریانس, ماتریس همبستگی, ماتریس واریانس, متغیرهای پنهان, متغیرهای تعدیل گر چند سطحی, متغیرهای تعدیل گر دو سطحی, مدل سازی, مدل سازی برای متغیرهای پنهان, مدل سازی در قالب رگرسیون ساده, مدل سازی در قالب همبستگی, مدل سازی معادلات ساختاری, معادلات ساختاری, معرفی Amos, همبستگی
دانلود, فرادرس, آموزشی, رایگان, دانلود, فیلم, آموزشی, رایگان, دانلود, جزوه, تصویری, آموزشی, دانلود, کتاب, تصویری, آموزشی, آموزش, غیر, حضوری, و, الکترونیکی, دوره, آموزشی, تخصصی, Amos, Amos, Graphics, Factor, analysis, Formative, and, Reflective, MBA, Path, analysis, Regression, SEM, SPSS, پارامترهای, آزاد, و, ثابت, پارامترهای, نماد, گذاری, پروژه, با, AMOS, تحلیل, عاملی, تحلیل, مسیر, خودگردان, سازی, داده, های, خام, رگرسیون, رگرسیون, چند, متغیره, رگرسیون, چندگانه, رگرسیون, خطی, روش, های, معمول, آماری, شاخص, های, اصلاح, مدل, شاخص, های, برازش, ضریب, همبستگی, کواریانس, ماتریس, همبستگی, ماتریس, واریانس, متغیرهای, پنهان, متغیرهای, تعدیل, گر, چند, سطحی, متغیرهای, تعدیل, گر, دو, سطحی, مدل, سازی, مدل, سازی, برای, متغیرهای, پنهان, مدل, سازی, در, قالب, رگرسیون, ساده, مدل, سازی, در, قالب, همبستگی, مدل, سازی, معادلات, ساختاری, معادلات, ساختاری, معرفی, Amos, همبستگی