انجام معادلات ساختاری با استفاده از آمار لیزرل(بخش چهارم)

انجام تحلیل عاملی اکتشافی

این آموزش توسط سایت کافه پروژه برای ارتقای سطح علمی دانشجویان و علاقه مندان به نرم افزار lisrel تنظیم شده و هدفش آشنایی با آزمون های موجود در  این نرم افزار و نحوه انجام این آزمون ها و کمک به دانشجویان و پژوهشگران برای حل مسائل تحقیقی با استفاده از آزمون های این نرم افزار است  لذا به جهت گستردگی مطالب  در چندین قسمت درحال برگذاری هست.و در هر قسمت بطور جداگانه آموزش های لازم داده خواهد شد.برای انجام پروژه تحلیل آماری یکی از نرم افزار های بسیار کاربردی لیزرل است که در ادامه در مورد یک مبحث در آن صحبت خواهیم کرد.

انجام تحلیل عاملی اکتشافی

پنج مرحله منطقی در تحلیل عاملی اکتشافی  وجود دارد: ویژگی های طرح، شناسایی، برآورد شاخص ها، ارزیابی مدل و اصلاح مدل. ویژگی های مدل، روابط درنظر گرفته شده بین متغیرها در یک تحلیل عاملی اکتشافی  را بر اساس علم فرد تعریف می کند. تشخیص مدل برای بررسی این است که آیا مدل به مقدار زیادی مشخص شده است، فقط مشخص شده است یا کمتر مشخص شده است. ضرایب مدل را می توان تنها در طرح جدیدا مشخص شده یا بیش از حد مشخص شده برآورد کرد. ارزیابی مدل عملکرد یا مناسب بودن مدل را با مولفه ‌های کمی اندازه گیری ‌شده برای تخمین کلی ارزیابی می‌کند. اصلاح مدل را برای بهبود مناسب بودن مدل تنظیم می کند، یعنی بهبود مدل اعتبار سنجی، مراحلی برای بهبود سطح  اطمینان و ثبات مدل است. برنامه های دارای اولویت برای برنامه های تحلیل عاملی اکتشافی  اغلب به کتابچه های راهنمای بصری مانند اموس و لیزرل تجهیز هستند. جزئیات ویژه برای برنامه های تحلیل عاملی اکتشافی  پیچیده است، اما کاربران می توانند از آموزش های تعیین شده توسط برین  کمک بگیرند.

در ادامه قصد داریم آموزش  تحقیقات معادلات ساختاری و انجام پروژه با نرم افزار lisrel را به شما ارائه دهیم.لطفا تا پایان با ما همراه باشید و آموزش های ما را دنبال نمایید.

مولفه های ارزیابی مدل

ارزیابی تحلیل عاملی اکتشافی  بر اساس مولفه های تخمین زده شده  برای آزمون مقدار یک مسیر (یعنی مقدار p و انحراف استاندارد) و تخمین کلی مدل  است. و ،توانایی استفاده از مولفه های تخمین مدل انعطاف پذیر به نظر می رسد. به طور کلی، هرچه مولفه های تخمین زده شده  بیشتری برای یک تحلیل عاملی اکتشافی  اجرا شود، احتمال رد شدن یک طرح از دست رفته بیشتر خواهد بود – که نشان دهنده ازیاد شده  احتمال رد شدن مدل های مناسب است. این همچنین نشان می دهد که باید از مجموعه ای از حداقل دو مولفه تخمین زده شده  استفاده کرد مقدارهای تخمین زده شده  سفارش شده برای برخی از مولفه  ها وجود دارد، اگرچه هیچ کدام به عنوان قانون طلایی برای همه عملکردها اجرا نمی شوند

آزمون خی دو این فرضیه را تحلیل می کند که بین ماتریس کوواریانس در نظر گرفته شده  مدل و ماتریس کوواریانس اصلی تفاوت وجود دارد. بنابراین، اختلاف غیر قابل توجه ترجیح داده می شود. برای برازش بهینه تحلیل عاملی اکتشافی  انتخاب شده، آزمون سطح معناداری ایده آل خواهد بود  در مورد آزمون خی دو نباید بیش از حد نگران بود زیرا به اندازه نمونه بسیار حساس است و در بین تحلیل عاملی اکتشافی  گوناگون مقایسه نمی شود

ریشه میانگین مربعات خطای تقریب  و ریشه میانگین مربع باقیمانده استاندارد شده یک شاخص “بدی نرمال بودن” است که در آن ۰ ریشه میانگین مربعات خطای تقریب،  نشان دهنده متناسب بودن کامل و مقدارهای بالاتر نشان دهنده نرمال نبودن است و برای شناسایی خطای مدل مناسب است و نسبت به آزمون خی دو حساسیت کمتری به میزان نمونه دارد. میانگین مربعات خطای تقریب قابل قبول باید کمتر از ۰.۰۶ باشد  که شبیه  میانگین مربع باقیمانده استاندارد شده است و برای یک مدل مناسب باید کمتر از ۰.۰۹ باشد

مولفه تخمین زده شده مقایسه ای تحلیل عامل تاییدی نشان دهنده مقدار تغییری است که در یک ماتریس کوواریانس در نظر گرفته شده است. از ۰.۰ تا ۱.۰ متغیر است. مقدار تحلیل عامل تاییدی بالاتر نشان دهنده مناسب بودن بهتر مدل است. در عمل، تحلیل عامل تاییدی باید نزدیک به ۰.۹۵ یا بالاتر باشد اندازه نمونه تحلیل عامل تاییدی کمتر از آزمون خی دو  تحت تأثیر قرار می گیرد

جهت سفارش نوشتن مقاله isi نیز میتوانید در سایت ثبت نام نمایید و پروژه خود را تعریف کنید.کافه پروژه بهترین نویسندگان مقاله در سطح کشور را داراست.

مولفه خوب بودن تناسب محدوده ۰-۱ است که بهترین مناسب بودن آن ۱.۰ است. از آنجا که مولفه خوب بودن تناسب تحت تأثیر میزان نمونه قرار می گیرد، بخاطر همین سفارش نمی شود

مولفه مناسب بودن هنجاری به امیزان نمونه بسیار حساس است. به همین دلیل، مولفه مناسب بودن هنجاری دیگر برای ارزیابی مناسب بودن مدل استفاده نمی شود.

مولفه  تاکر-لوئیس یک مولفه مناسب بودن  غیرهنجاری است که تا حدی بر معایب مولفه مناسب بودن هنجاری چیره می شود و همچنین مولفه مناسب مستقل از میزان نمونه را توصیه می کند و بعنوان مولفه مورد  قبول در نظر گرفته می شود.

ملاک  اطلاعات آکایک  و ملاک اطلاعات بیزی دو ملاک نسبی از منظر انتخاب مدل به جای آزمون فرضیه صفر هستند. ملاک  اطلاعات آکایک  یک برآورد نسبی از اطلاعات از دست رفته هنگام استفاده از مدل داده شده برای تولید اطلاعات ارائه می دهد و برآوردی است از اینکه یک طرح در بین چندین طرح  کاندید چقدر مفید است و ملاک اطلاعات بیزی در آزمایش فرضیه صفر مقرون به صرفه نیستند، اما برای انتخاب مدلی با کمترین تخمین مفید هستند

نرم افزار مشابه :

نرم افزار spss یکی از جدی ترین رقبای نرم افزار لیزرل است که طرفداران بیشتری را در بین دانشجویان و محققین دارد.برای سفارش پروژه spss خود میتوانید آن را در سایت کافه پروژه ثبت کنید تا فریلنسرهای سایت برای کار شما پیشنهاد قیمت ثبت کنند.

نکته: یک دیگر از خدماتی که توسط سایت کافه پروژه ارائه می شود کار ریوایز مقاله است. جهت انجام پروژه ریوایز مقاله خود نیازمند آموزش کافه پروژه از ابتدا ملاحظه نمایید جهت مشاهده و آموزش های مرتبط با این پروژه  لازم است کلمه آموزش پروژه ریوایز مقاله را در بخش جستجو وارد نمایید و اینتر بزنید.

ملاک اطلاعات آکایک و ملاک اطلاعات بیزی دو ملاک نسبی از منظر انتخاب مدل به جای آزمون فرضیه صفر هستند. ملاک اطلاعات آکایک یک برآورد نسبی از اطلاعات از دست رفته هنگام استفاده از مدل داده شده برای تولید اطلاعات ارائه می دهد و برآوردی است از اینکه یک طرح در بین چندین طرح کاندید چقدر مفید است و ملاک اطلاعات بیزی در آزمایش فرضیه صفر مقرون به صرفه نیستند، اما برای انتخاب مدلی با کمترین تخمین مفید هستند.

پیشنهاد لینک : اگر دنبال کارهای تحقیقاتی در این حوزه هستید و کار نرم افزاری به کارتان نمی آید میتوانید به صفحه سفارش تحقیق سایت کافه پروژه مراجعه نمایید

در ادامه قصد داریم آموزش  معادلات ساختاری  و انجام پروژه با نرم افزار lisrel را به شما ارائه دهیم.لطفا تا پایان با ما همراه باشید و آموزش های ما را دنبال نمایید.

برای مشاهده همه مطالب آموزش لیزرل کلمه لیزرل را در بخش جستجوی سایت تایپ کرده و اینتر بزنید.

نحوه سفارش پروژه در سایت کافه پروژه :

اگر پروژه ای دارید که میخواهید آن را برون سپاری کنید کافی است در سایت کافه پروژه ثبت نام کنید و پروژه خود را ثبت نمایید.پروژه شما هر چه که باشد حتما مجری برای آن وجود دارد.جهت ثبت نام و ثبت سفارش پروژه خود برروی دکمه زیر کلیک نمایید.