در مسائلی که ما قصد اندازه گیری متغیرهای مفهومی را داریم میبایست از تحلیل مسیر استفاده کرد. راه کارهای مختلف ابداع شده توسط دانشمندان حوزه مدل سازی معادلات ساختاری این یقین را در پژوهشگر بوجود میآورد که میتواند انواع فرضیه های کاربردی در مطالعات اجتماعی را به مدل درآورده و آن را آزمون کند در حالی که حداقل از یک نقطه ضعف بسیار مهم در روشهای آماری کلاسیک و معمول (مثل تحلیل رگرسیون) پرهیز نماید. این نقطه ضعف به حساب نیاوردن خطاهای اندازه گیری متغیرهای پنهان به هنگام آزمون فرضیه است. دلیلش این است که به هنگام آزمون فرضیه با استفاده از روشهای کلاسیک، متغیرهای پنهان(مفهومی) به گونه ای غیر واقعی به عنوان یک متغیر مشاهده شده ای در نظر گرفته میشود که از دقت اندازه گیری کامل برخوردار است که در واقعیت این طور نیست. اما به کمک مدل سازی معادلات ساختاری هم میتوان خطاهای اندازه گیری متغیرهای مشاهده شده (متغیرهای پرسشنامه) و هم خطاهای ساختاری مدل(رابطه بین متغیرهای پنهان) را در مدل در نظر گرفت که در مقایسه با روشهای کلاسیک چون تحلیل رگرسیون به واقعیت نزدیکتر است.
قبل از اینکه مدل سازی معادلات ساختاری انجام گیرد پژوهشگر میبایست بر اساس چارچوب نظری پژوهش، پیشینه تحقیق و هم چنین دیدگاه های شخصی به تدوین انواع روابط بین متغیرها دست زده و به ارزیابی آنها میپردازد.
در تحلیل رگرسیون پژوهشگر به دنبال بررسی رابطه بین متغیرهای مستقل و وابسته است و اینکه کدامیک از متغیرهای مستقل در پیش بینی متغیر وابسته تاثیر بیشتری دارد. به عبارت دیگر در تحلیل رگرسیون یک رابطه ریاضی بین متغیرهای مستقل و وابسته تعیین می شود که به کمک آن پژوهش گر می تواند با تغییر در متغیر مستقل، تغییرات متغیر وابسته را پیش بینی کند. فرض مهم این روش، وجود نداشتن خطا در اندازه گیری متغیرهای مستقل و وابسته است.
بنابراین اگر هر کدام از سوالات پرسشنامه شما به تنهایی قادر به سنجش متغیرهای مستقل و وابسته است پیشنهاد می شود از روش تحلیل رگرسیون استفاده شود اما چنانچه هر مجموعه از سوالات یک مفهوم را اندازه گیری می کنند و شما به کمک مدل نظری پژوهش می خواهید رابطه بین متغیرهای مفهومی را مورد بررسی قرار دهید؛ بهتر است از تحلیل مسیر استفاده کنید. گرچه در این شرایط نیز می توان از تحلیل رگرسیون استفاده کرد اما با توجه به دلایل مطرح شده، تحلیل مسیر نتایج واقعی تر را نشان می دهد.
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
معمولاً در تحقیقات به دلایل مختلف با حجم زیادی متغیرها روبرو هستیم. برای تحلیل دقیقتر دادهها و رسیدن به نتایج علمیتر و در عین حال عملیاتیتر، پژوهشگران به دنبال کاهش حجم متغیرها و تشکیل ساختار جدیدی برای آنها میباشند و بدین منظور از روش تحلیل عاملی استفاده میکنند. تحلیل عاملی سعی در شناسایی متغیرهای اساس یا عاملها (Factor) به منظور تبیین الگوی همبستگی بین متغیرهای مشاهده شده دارد. تحلیل عاملی نقش بسیار مهمی در شناسایی متغیرهای مکنون(Latent) یا همان عاملها از طریق متغیرهای مشاهده شده دارد.
عامل، متغیر جدیدی است که از طریق ترکیب خطی مقادیر اصلی متغیرهای مشاهده شده برآورد میشود. تحلیل عاملی دارای کاربردهای متعددی است که عبارتند از:
تحلیل عاملی بر دو نوع است: تحلیل عامل اکتشافی (Exploratory Factor Analysis) و تحلیل عاملی تأییدی (Conformity Factor Analysis). در تحلیل عاملی اکتشافی پژوهشگر درصدد کشف ساختار زیربنایی مجموعه نسبتاً بزرگی از متغیرها است و پیش فرض اولیه پژوهشگر، آن است که هر متغیری ممکن است با هر عاملی ارتباط داشته باشد. به عبارت دیگر پژوهشگر در این روش، هیچ تئوری اولیه ندارد. در تحلیل عاملی تأییدی پیش فرض اساسی پژوهشگر آن است که هر عاملی با زیر مجموعه خاصی از متغیرها ارتباط دارد. حداقل شرط لازم برای تحلیل عاملی تأییدی این است که پژوهشگر در مورد تعداد عاملهای مدل، قبل از انجام تحلیل، پیش فرض معینی داشته باشد، ولی در عین حال پژوهشگر میتواند انتظارات خود مبنی بر روابط بین متغیرها و عاملها را نیز در تحلیل وارد نماید.
———————————————————————————————
چنانچه در تحلیل خود نیازمند این آزمون هستید می تواند با تکمیل فرم زیر اطلاعات خود را برای کارشناسان پایگاه ارسال نمایید تا پس از بررسی به شما اطلاع داده شود.
برای
کسب اطلاعات بیشتر تماس بگیرید
روش حداقل مربعات جزئی (Partial Least Square) به عنوان یک جایگزین برای روش های OLS رگرسیون، Canonical رگرسیون و مدل سازی معادلات ساختاری (SEM) در پژوهش هایی که متغیرهای مستقل و وابسته وجود دارد، بکار گرفته می شود. روش PLS در اغلب اوقات، معادلات ساختاری مبتنی بر مولفه (Component-Based SEM) نامیده می شود در حالی که روش معادلات ساختاری مبتنی بر کواریانس است(Covariance-Based SEM).
این روش زمانی استفاده می شود که می خواهیم تاثیرات چندین متغیر مستقل را بر یک یا چند متغیر وابسته بررسی کنیم اما پیش فرض های انجام رگرسیون یا معادلات ساختاری بر قرار نیست و یا اینکه در پژوهش به مشکلات زیر مواجه شویم:
روش حداقل مربعات جزئی می تواند تاثیرات متغیرهای مستقل را بر متغیر وابسته بصورت یک مدل رگرسیونی یا مدل ساختاری برازش کند. چنانچه هدف پژوهشگر پیش بینی یا مدل سازی اکتشافی باشد استفاده از روش PLS توصیه می شود. روش مدل سازی معادلات ساختاری(SEM) برای مقاصد تایید مدل کاربرد دارد و برای براورد پارامترهای مدل نیازمند حجم نمونه زیاد و برقرار بودن پیش فرض نرمال بودن چند متغیره است اما روش PLS چون برای مقاصد اکتشافی کاربرد دارد به هیچ گونه پیش فرضی احتیاج ندارد . در برخی از منابع ذکر شده است روش PLS با حداقل ۳۰ نمونه نیز قابل انجام است و نتایج در مقابل داده های مفقود شده(Missing value) پایدار است.
از لحاظ تکنیکی فرق روش PLS با سایر روش های رگرسیونی است این است که به جای در نظر گرفتن متغیرهای مستقل، از طریق تکنیک تحلیل مولفه های اصلی(PCA) متغیرهای مستقل در چند عامل کلی تر قرار می گیرند به گونه ای که این عامل ها بیشترین تغییرات متغیر(های) وابسته را تبیین کنند.
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
یکی از گام های مهم در اولویت بندی به روش AHP و TOPSIS جمع آوری نظرات خبرگان است. در روش AHP می بایست ابتدا سلسله مراتبی از اهداف، معیارها و گزینهها تشکیل گردد. به عبارت دیگر برای رتبه بندی گزینه ها می بایست شاخص های مشترکی برای همه گزینه ها در نظر گرفته شود بعد در ادامه هر جفت از گزینه ها نسبت به هریک از معیارها بر اساس طیف ساعتی مقایسه شود. معیارها نیز به همین ترتیب دو به دو با توجه به هدف تحقیق با همدیگر مقایسه می شوند. یکی از مشکلاتی که بسیاری از پژوهشگران با آن موجه هستند طراحی پرسشنامه استاندارد AHP است. در این پرسشنامه بهتر است که مقایسات به جای اینکه ماتریسی آورده شود بصورت سطری با یکدیگر مقایسه شوند چون در حالت اول پاسخگو در مقایسه و عدد دهی به آنها ممکن است دچار اشتباه شود اما در روش دوم با چنین مشکلی مواجه نیستیم. مشکل بعدی در محاسبه کردن تعداد کامل مقایسه های زوجی است یعنی اینکه تمامی گزینه ها دو به دو نسبت به هر یک از معیارها مقایسه و نیز همه معیارها دو به دونسبت به هدف پژوهش با یکدیگر مقایسه شوند. ندانستن تعداد کامل مقایسه های زوجی منجر می شود تا پرسشنامه ها بصورت ناقص طراحی گردد و نتوان در روش AHP از آنها استفاده نمود.
پس از اینکه تحلیل به روش AHP انجام گرفت وزن هر کدام از معیارها مشخص می شود. چنانچه بخواهیم از روش تاپسیس جهت اولویت بندی گزینه ها استفاده کنیم می بایست علاوه بر وزن معیارها، پرسشنامه ای جهت جمع آوری داده های ماتریس تصمیم گیری طراحی گردد. در نهایت وزن معیار ها، داده های ماتریس تصمیم گیری وارد نرم افزار Topsis Solver 2012می شوند و گزینه ها مطابق روش تاپسیس اولویت بندی می شوند.
کارشناسان با تجربه پایگاه تخصصی تحلیل آماری و داده پردازی آمادگی دارند پرسشنامه استاندارد AHP و تاپسیس را برای پژوهش گران طراحی نمایند. در صورت نیاز به طراحی پرسشنامهی استاندارد AHP ، تاپسیس و ویکور می توانید از طریق فرم سفارش زیر درخواست خود را ارسال نمایید
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com