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 هستند و نمی توان آن ها 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، تاثیرات 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 بیابند، نحوه تدوین صحیح مدل های نظری و تجربی را بیاموزند و جایگاه هر یک از متغیرهای میانجی: کنترلی، مداخله گر و تعدیل کننده را به درستی تشخیص دهند و از آن در پژوهش های خود استفاده نمایند.
فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
- 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 تاییدی
- 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
مفید برای رشته های:
- مدیریت محیط زیست
- مهندسی صنایع
- کارشناسی مدیریت
- کارشناسی ارشد رشته های:
- MBA
- مدیریت صنعتی
- مدیریت بازرگانی و مالی
- مدیریت جهانگردی
- مدیریت دولتی
- مدیریت اجرایی و شهری
- مدیریت تکنولوژی و فناوری اطلاعات
- تمامی رشته ها علوم انسانی بخصوص رشته های زیر:
- علوم اقتصادی
- علوم ارتباطات اجتماعی
- علوم اجتماعی
- مطالعات ارتباطی و فناوری اطلاعات
- روانشناسی
پیش نیازهای علمی:
- آشنایی با مبانی در حوزه آزمون های همبستگی، کوواریانس و رگرسیون
یداله پیامنی :
با سلام
بسیار کاربردی است.
فاطمه :
سلام – توضیحات بسیار خوب بود. متشکر
آرمان :
من تهیه کردم. دو مشکل داره این آموزش: یک اینکه مدلی که آموزش می دهند مدل خیلی ساده و ابتدایی هست. دوم اینکه خیلی یواش تدریس میشه.
موفق باشید
دیبا :
بسیار جامع و علمی و خوب بود.
بهتر بود از مثال های پیچیده تری استفاده میشد
لطفاً آموزش SMART PLS را نیز با این مدرس ارائه کنید
محسن :
جامع و کاربردی بود.
لطفاً آموزش SMART PLS را نیز با این مدرس ارائه کنید
Afsaneh :
بسیار جامع و کاربردی👍
سیدبهنام :
با سلام
بسیار عالی و کاربردی بود.
لطفاً آموزش SMART PLS را نیز با این مدرس ارائه کنید
mahsa :
بسیار جامع و قابل درک… به ویژه برای کسی که اصلا اطلاعی در این زمینه ندارد… البته بهتر بود که چند مثال پیچیده هم انجام شود.. با این حال به نظر من عالی بود