آموزش تحلیل عاملی تاییدی در لیزرل (بصورت ویدئویی)

(دیدگاه 6 کاربر)

۲۷۵,۰۰۰ ریال۴۸۰,۰۰۰ ریال

در این صفحه می توانید نکات کامل در خصوص تحلیل عاملی تاییدی (مرتبه اول و دوم) را مطالعه کنید. همچنین می توانید با اطمینان بر سالها سابقه و تخصص «اطمینان شرق»، آموزش ویدئویی و کامل این موضوع را، به تفکیک دو نوع آموزش (تحلیل عاملی تاییدی مرتبه اول و مرتبه دوم) خریداری نمایید. ویدئوها دارای کیفیت بالا می باشد و به خوبی متوجه اقدامات انجام شده توسط مدرس خواهید شد. کمی پایین تر و در این برگه توضیحات مفصل و کامل را بخوانید و فیلم ها را ببینید.

نکته مهم: خريداران اين محصول برای امکان بهره برداری از آن لازم است تا حد ورود داده های پرسشنامه خود در نرم افزار spss، با این نرم افزار آشنا باشند و قبلا نصب نرم افزار spss را انجام داده باشند. همچنین توانایی دانلود و نصب نرم افزار لیزرل را نیز داشته باشند (در همین وب سایت می توانید لیزرل را دانلود و نصب نمایید با راهنمای نصب)

نکته مهم 2: این محصول همانند سایر محصولات ما دارای پشتیبانی رایگان از طریق پیام رسان ها است. بنابراین چنانچه بخشی از آموزش را متوجه نشدید یا اینکه سوالی داشتید می توانید از طریق واتساپ با ما مطرح نمایید و پاسخ آنرا دریافت دارید. در حقیقت این پشتیبانی ضمانت خرید موفق شما می باشد. مدرس: حدیثه دهقان (کارشناس و تحلیلگر خبره و با تجربه مجموعه تخصصی اطمینان شرق)

برای خرید محصول آموزشی “تحلیل عاملی تاییدی مرتبه اول در لیزرل” و یا “تحلیل عاملی تاییدی مرتبه دوم در لیزرل” پس از انتخاب نوع محصول درخواستی روی “افزودن به سبد خرید” کلیک نمایید. پس از طی فرآیند خرید، بلافاصله لینک دانلود را دریافت خواهید نمود:

تحلیل عاملی تاییدی (CFA) با نرم افزار لیزرل

در ذیل توضیحات کامل نحوه انجام تحلیل عاملی تاییدی مرتبه اول و مرتبه دوم با استفاده از نرم افزار Lisrel را مشاهده خواهید نمود. برای خریداری و دریافت لینک دانلود آموزش cfa در Lisrel به بالای صفحه مراجعه نمایید.

نکات مهم قبل از انجام تحلیل عاملی تاییدی

نکات زیر را هنگام کار با نرم افزار لیزرل مد نظر داشته باشید:

  • حداقل حجم نمونه براي انجام کار در نرم افزار ليزرل 200 نفر مي باشد. در غیر اینصورت لازم حتما نرمال بودن متغیرها آزمون و تایید گردد.
  • براي تحليل با اين نرم افزار نبايد داده گمشده داشته باشيم. بدين منظور تمام داده هاي گمشده را مي توانيم با ميانگين، ميانه يا مد مربوط به آن مولفه مشاهده شده جايگزين مي کنيم.

تحلیل عاملی تاییدی چیست؟

مدل هاي عاملي، در دو جهت مورد توجه پژوهشگران هستند. از يک سو با استفاده از اين نوع مدل ها و آزمون آنها بر مبناي داده هاي تجربي مي توان شواهدي براي ارزيابي اعتبار مقياس هاي تعريف شده توسط پژوهشگر به دست آورد. و بنابراين يکي از اهداف اصلي کاربرد آنها ساخت مقياس هايي استاندارد به لحاظ علمي است. از طرف ديگر، مدل هاي عاملي به عنوان جزئي از مدل هاي معادلات ساختاري در نقش مدل هاي اندازه گيري عمل مي کنند.

مدل هاي عاملي تاييدي و اکتشافي در واقع به عنوان دو رويکرد متفاوت در ساخت مدل هاي اندازه گيري هستند. در حالي که بارشدن هر متغير مشاهده شده به يک متغير پنهان در مدل هاي تاييدي داراي زيربناي محکم نظري و تجربي است و بر اساس داده هاي گردآوري شده تنها وزن چنين ارتباطي مشخص مي شود. در مدل هاي اکتشافي يک ايده اوليه که چه متغيرهاي مشاهده شده اي را به کدام يک از متغيرهاي پنهان ربط دهيم وجود ندارد و انتظار مي رود که پس از تحليل کمي داده ها چنين متغيرهاي پنهاني شناخته شوند.

ضمنا اگر در خصوص موضوع تحلیل عاملی با لیزرل، اطلاعات بیشتری نیاز دارید می توانید این صفحه در سایت SPSS ما را ملاحظه نمایید:  نرم افزار لیزرل و تحلیل عاملی با آن

1- تحلیل عاملی تاییدی مرتبه اول

1-الف- فیلم آموزش تحلیل عاملی تاییدی مرتبه اول

دقایق اولیه فیلم آموزش cfa یا تحلیل عاملی تاییدی مرتبه اول در نرم افزار لیزرل را در زیر می توانید ببینید:

آموزش تحلیل عاملی تاییدی مرتبه اول
play-rounded-fill
آموزش تحلیل عاملی تاییدی مرتبه اول

آموزش تحلیل عاملی تاییدی مرتبه اول

 می توانید برای دریافت فیلم کامل نسبت به خریداری این محصول آموزشی، که توسط کارشناس خبره و با تجربه این مرکز تحلیل آماری تهیه و ضبط شده است، اقدام نمایید. قابل ذکر است خود ایشان (سرکار خانم حدیثه دهقان) نسبت به پشتیبانی رایگان از طریق پیام رسان هایی مانند سروش و ایتا و … و پاسخ به سوالات احتمالی خریداران اقدام خواهند نمود. همین پشتیبانی واقعی از خریداران است که وجه تمایز ما با دیگران است!

1-ب- مدل تحليل عاملي تاييدي مرتبه اول

در مدل هاي تحليل عاملي تاييدي مرتبه اول فرض بر اين هست که داده هاي هر مولفه در يک متغير، در واقع منعکس کننده وضعيت آن مورد در يک عامل زيربنايي تر است که به دليل پنهان بودنش امکان اندازه گيري مستقيم آن وجود ندارد. اما اين عامل زيربنايي و پنهان خود از ابعاد پنهان ديگري محسوب نمي شود. و در واقع تنها يک لايه از متغير يا متغير پنهان در مدل وجود دارد.

جهت پيکان ها در مدل از سمت متغير پنهان به سمت ابعاد يا مولفه هاي آن متغير پنهان مي باشد و به اين دليل صورت مي گيرد که که بالا يا پايين بودن نمره هر فرد در ابعاد يا مولفه هاي آن متغير پنهان منعکس کننده بالا يا پايين بودن متغير پنهان است.

مدل هاي تحليل عاملي مرتبه اول يا مرتبه بالاتر، مي توانند تک عاملي، دو عاملي، سه عاملي و يا با تعداد عامل هاي بيشتر باشند. تعداد عامل ها در يک مدل تحليل عاملي تاييدي در واقع به تعريف عملياتي پژوهشگر از مفاهيم مورد نظرش در پژوهش مربوط مي شود.

1-ج- انواع متغيرها در تحيل عاملي تاييدي مرتبه اول

در يک مدل تحليل عاملي تاييدي سه نوع متغير وجود دارد، که اين متغير ها به دو دسته کلي پنهان و مشاهده شده تقسيم مي شوند. اين متغيرها شامل متغير پنهان بيروني، متغير مشاهده شده بيروني و متغير خطا مي باشد. متغير پنهان بيروني و متغير خطا از نوع پنهان هستند و در مدل با بيضي يا دايره مشخص مي شوند و متغير مشاهده شده که از دسته مشاهده شده مي باشد و در مدل با چهارگوش نشان داده مي شود.

در مدل تحليل عاملي تاييدي مرتبه اول، به اين دليل که هيچ پيکان يک سويه و يک طرفه اي از يک متغير پنهان به سمت متغير پنهان ديگر نشانه نرفته است متغير هاي پنهان همواره متغير بيروني تلقي مي شوند.

1-د-شاخص هاي کلي برازش

بررسي شاخص هاي کلي برازش در کنار شاخص هايي که وضعيت شاخص هاي منفرد براي هر پارامتر را نشان مي دهد ضروري است. در واقع با استفاده از اين شاخص ها مي توان به اين پرسش پاسخ داد که صرف نظر از هر يک از مقادير گزارش شده براي پارامترها، آيا مدل تدوين شده به طور کلي توسط داده هاي تجربي گردآوری شده حمايت مي شود يا خير؟ پاسخ مثبت به اين سوال مي تواند خوشايند تلقي شده، در حالي که پاسخ منفي به اين پرسش طرح ضمني نياز مدل به اصلاح را نشان مي دهد.

معيارهاي علمي قابل قبول براي تاييد مدل نظري تدوين شده با استفاده از داده هاي گردآوري شده، خود بحث اصلي در شاخص هاي برازش مدل را تشکيل مي دهد. شاخص هايي که گاه به نام شاخص هاي نيکويي برازش و گاه به نام شاخص هاي بدي برازش خوانده مي شوند.

هرچند در روش هاي آماري سنتي محقق اغلب با يک معيار منفرد براي تصميم درباره رد يا تاييد فرضيه صفر مواجه است، در مدل سازي معادله ساختاري چنين معيار منفردي وجود ندارد تا تنها و تنها براي آن معيار، پژوهشگر تصميم بگيرد که آيا مدل نظري خود را مدلي به لحاظ علمي قابل قبول تلقي کند يا خير. چنين وضعيتي ناشي از پيچيدگي و ترکيبي بودن اين نوع مدل هاست.

طرح اين نکته ضرورت دارد که در رابطه با شاخص هاي کلي برازش، هيچ شاخص منفردي وجود ندارد که بتوان بر اساس آن در باره کليت مدل قضاوت کرد. بلکه لازم است تا مجموعه اي از شاخص ها در کنار هم مورد تحليل قرار گيرند.

نسبت کاي اسکوئر به درجه آزادي

نسبت کاي اسکوئر به درجه آزادي که کاي اسکوئر نسبي خوانده مي شود به جهت قضاوت درباره مدل تدوين شده و حمايت داده ها از آن شاخص مناسب تري است. اين شاخص که مقادير 1 تا 5 براي آن مناسب و مقادير نزديک به 2 تا 3 بسيار خوب تفسير مي شود. اين شاخص شاخص برازش مطلق مي باشد.

شاخص هاي برازش مطلق شاخص هايي هستند که بر مبناي تفاوت واريانس ها و کوواريانس هاي مشاهده شده از يک طرف و واريانس ها و کوواريانس هاي پيش بيني شده بر مبناي پارامترهاي مدل تدوين شده از طرف ديگر قرار دارند.

شاخص هاي برازش تطبيقي

شاخص هاي برازش تطبيقي که مقادير بين صفر تا يک را به خود مي گيرند و مقادير بالاتر از 0.9 در اغلب منابع به عنوان مقادير قابل قبول به حساب مي آيند. بر اين مبنا مي توان گفت که شاخص هاي برازش افزايشي (IFI) و شاخص برازش تطبيقي (CFI)، حاکي از قابل قبول بودن مدل هستند و شاخص برازش هنجار شده بنتلر – بونت (NFI) و شاخص برازش نسبي ( RFI) نيز اصلاحاتي جزئي در مدل را پيشنهاد مي کنند.

شاخص هاي برازش تطبيقي در واقع گامي در جهت تکميل شاخص هاي برازش مطلق محسوب مي شوند به اين ترتيب به با مبنا قرار دادن يک يا چند مدل، مدل نظري تدوين شده تحت آزمون را با آن مقايسه و نشان مي دهد که آيا به لحاظ آماري قابل قبول تر تلقي مي شود، ضعيف تر است و يا اينکه تفاوتي با آن ندارد.

شاخص هاي مقتصد

شاخص هاي مقتصد شاخص هاي ديگر برازش هستند که بايد بررسي شوند. شاخص ريشه دوم ميانگين مربعات باقيمانده (RMSEA) به عنوان يکي از عمومي ترينش شاخص هايي که در قضاوت کلي در باره مدل مدل تدوين شده کاربرد دارد و نشان مي دهد که مدل تدوين شده را مي توان قابل قبول دانست. اين شاخص بين دوم تغير صفر تا يک متغير است، اين شاخص به عنوان يکي از شاخص هاي بدي برازش شناخته مي شود ( يعني هرچه شاخص مقدار کوچکتري داشته باشد مدل تدوين شده قابل قبول تر است) و داراي نقط برش 0.05 است، مقدار 0.04 براي مدل تحليل عاملي تاييدي تدوين شده حاکي از قابل قبول بودن مدل است. اينکه فاصل اطمينان 90٪ براي اين شاخص مرزهاي صفر تا 0.07 را نشان مي دهد نيز به عنوان وضعيت مطلوب به حساب مي آيد.

با ارائه اين شاخص ها تلاش شده است تا مهمترين نقطه ضعف شاخص هاي برازش مطلق يعني بهبود مقدار شاخص هاي برازش با افزايش پارامتر به مدل جبران شود. مبناي اصلي در اين گروه از شاخص هاي برازش آن است که به ازاي هر پارامتري که به مدل افزوده مي شود اين شاخص ها جريمه مي شوند.

2- تحلیل عاملی تاییدی مرتبه دوم

می توانید آموزش تحلیل عاملی تاییدی مرتبه دوم با نرم افزار لیزرل را در این صفحه خریداری نمایید. بخشهایی از آموزش را در زیر می توانید مشاهده نمایید:

2-الف- فیلم آموزش تحلیل عاملی تاییدی مرتبه دوم

دقایق اولیه فیلم آموزش cfa یا تحلیل عاملی تاییدی مرتبه دوم در نرم افزار لیزرل را در زیر می توانید ببینید:

آموزش تحلیل عاملی تاییدی مرتبه دوم
play-rounded-fill
آموزش تحلیل عاملی تاییدی مرتبه دوم

آموزش تحلیل عاملی تاییدی مرتبه دوم

می توانید برای دریافت فیلم کامل نسبت به خریداری این محصول آموزشی، که توسط کارشناس خبره و با تجربه این مرکز تحلیل آماری تهیه و ضبط شده است، اقدام نمایید. قابل ذکر است پشتیبانی از طریق پیام رسان های واتساپ، سروش و یا تلگرام به صورت رایگان در خصوص سوالات احتمالی خریداران اقدام خواهد شد. همین پشتیبانی واقعی از خریداران است که وجه تمایز ما با دیگران است!

برای خریداری محصول به بالای صفحه مراجعه نمایید. هر گونه سوالی دارید به ما واتساپ بزنید.

3- انجام تحلیل عاملی تاییدی و اکتشافی در SPSS

ممکن است شما بخواهید نه با نرم افزار لیزرل، بلکه با نرم افزار معروف SPSS تحلیل عاملی تاییدی و یا اکتشافی را به انجام برسانید. اگر مایل باشید این مرکز آماری آمادگی دارد با دریافت داده ها و مستندات لازم از شما این کار را برای شما انجام و فصل 4 پایان نامه را نگارش و تحلیل نماید یا اینکه در این زمینه به شما مشاوره بدهد.

برای اطلاعات بیشتر به این صفحه در سایت ویژه نرم افزار SPSS ما مراجعه نمایید و در همین سایت می توانید درخواست خود را ثبت نمایید یا اینکه با ما تماس بگیرید:   کاربرد ها و مراحل اجرای تحلیل عاملی

4- آموزش ویدئویی و کامل تحلیل عاملی اکتشافی با SPSS

اگر مایلید آموزش ویدئویی و گام به گام تحلیل عاملی اکتشافی با نرم افزار اس پی اس اس را نیز فرا بگیرید، این بسته آموزشی در سایت دیگر “اطمینان شرق” را دریافت نمایید:

آموزش تحلیل عاملی اکتشافی با spss + داده ها+ قالب ورد فصل 4 پایان نامه

 

5/5 - (26 امتیاز)
نوع CFA

تحلیل عاملی تاییدی مرتبه اول, تحلیل عاملی تاییدی مرتبه دوم, هر دو- تحلیل عاملی تاییدی مرتبه اول و دوم

6 دیدگاه برای آموزش تحلیل عاملی تاییدی در لیزرل (بصورت ویدئویی)

  1. moini

    سلام و وقت بخیر
    ا ز این فرصت استفاده می کنم و از این دوستان بخاطر این سایت عالی و البته این آموزش ویدئو ئی تشکر می کنم.
    امیدوار شدم که خودم بتونم خروجی بگیرم از لیزرل

  2. روزبه (خریدار محصول)

    بسیاری از مطالب گفته نشده است و اموزش ناقص انجام شده است .

    • سيد مجتبي فرشچي

      خوب بود که اشاره ای هر چند کوچک به مطالبی که گفته نشده یا ناقص بیان شده می نمودید و از اظهار نظر کلی خودداری می نمودید.

  3. نگار

    سلام. این پکیج واقعا مفید و پرمحتوا بود. متشکرم

  4. سامان (خریدار محصول)

    با سلام
    حقیقتا کیفیت پایینی داشت. در حد اموزش های رایگان اپارات
    من اصلا راضی نیستم از خریدم
    از نظر کمی هم بخام بگم خیلی متوسط بود. شما اومدی تحلیل عامل تاییدی در مرتبه دو و یک رو 2 پکیج کردی برای فروش. خب کسی تحلیل عامل مرتبه دو رو یاد بگیره قطعا یک براش کاری نداره
    مثال ها با تعداد سوال خیلی کم گفته شده. همونطور که میدونید لیزرل اصلا یوزر فرند نیست و اصلا چالش های مرتبت با لیزرل بوجود نیومد که راهکار هاشم بدونیم
    در کل خیلی مبتدی و سطح پایین بوذ اموزش

    • سيد مجتبي فرشچي (خریدار محصول)

      سلام. موافق این صحبت شما نیستم. این آموزش توسط خانم دهقان ضبط شده که تجربه بالایی در مبحث معادلات ساختاری با لیزرل دارند.
      الان از خوانندگانی که این نوشته را می خوانند میپرسم آیا واقعا برای شما تحلیل عاملی مرتبه دو و مرتبه یک یکسانه؟ و فکر نمی کنید که لازمه به صورت دقیق و جداگانه هر کدام از این مراتب آموزش داده بشه؟
      در بحث آموزش باید به زبان ساده حتی نکات بدیهی را بیان کرد تا مخاطب کاملا موضوع را دریافت کند.
      اما در کل باید گفت نرم افزار لیزرل نرم افزار سختی است و بدیهی است با یک آموزش نمی شود به تمام جوانب آن مسلط شد. اما این آموزش نقطه شروع بسیار خوبی برای کار با این نرم افزار است.
      توصیه میکنم حتی افرادی که قصد ندارند خودشان کار با این نرم افزار را یاد بگیرند، این آموزش را دریافت و ببینند تا ذهنیت دقیق تری از این نرم افزار و نحوه کار با آن داشته باشند.

  5. محمدرضا

    عرض سلام و ادب
    بنده برای پژوهشم تحلیل عاملی تاییدی مرتبه سوم انجام دادم و میخوام متغیرهام که 11 تا هستن از نظر ضعیف یا قوی بودن رتبه بندی کنم به نظر شما بار عاملی مناسب تر هست یا آزمون تی تک نمونه ای در spss ؟

    • سيد مجتبي فرشچي (خریدار محصول)

      سلام. بار عاملی مناسب تر است.

  6. مصطفی

    سلام
    پس از اجرای مدل در لیزرل، برای اینکه شکل مدل و خروجی را در ورد وارد کنم، کدام گزینه را باید اجرا کنم.

    • سيد مجتبي فرشچي (خریدار محصول)

      سلام. باید اول از منوی فایل قسمت چپ نرم افزار عکس رو ذخیره کنید. خروجی رو هم که می تونید کپی کنید و داخل ورد بذارید.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا
0
    0
    سبد خرید شما
    سبد خرید شما خالی استرفتن به فروشگاه