http://analysisacademy.com/wp-content/uploads/2018/02/PLS.ACADEMY.jpg

خصوصیات اصلی مدل سازی معادلات ساختاری با #pls
محققین عزیز #آکادمی_تحلیل_آماری باید توجه نمایند که برای انتخاب مدل سازی معادلات ساختاری با pls#، نکاتی وجود دارد در بخش ویژگی های داده ها، مشخصات مدل ها، روش تخمین حداقل مربعات جزئئ و ارزیابی مدل ها وجود دارد که به دقت باید رعایت شوند.
مجله بسیار معتبر تئوری و تجربه بازاریابی(the journal of marketing theory and practice ) این خصوصیات را بر شمرده است و ما در اینجا آن ها را بیان می کنیم.
@analysisacademy


خصوصیات داده ها: #pls
• در بخش حجم داده ها نسبت به حجم نمونه ی کم حساسیت ندارد و می توان تحلیل ها را با توان بالایی در حجم نمونه کم انجام داد. از طرفی حجم نمونه بالای ۱۵۰ تا دقت برآورد ها بالا برده و می تواند تا ۹۷ درصد کواریانس محور ها رساند.
• توزیع داده ها پیش فرض و مفروضه خاصی ندارد و می تواند نرمال یا غیر نرمال باشد بنابراین PLS-SEM یک روش ناپارامتریک محسوب می شود.
• همچنین این روش نسبت به مقادیر گمشده یا مفقوده MISSING VALUE مقاومت بالایی دارد هرچند باید این مقادیر در فرایند پیش پردازش ها مدیریت شوند.
• مقیاس های اندازه گیری نیز باید به صورت متریک یا شبه متریک باشند.
مشخصات مدل ها #pls
• تعداد آیتم ها یا همان شاخص های اندازه گیری کننده هر متغیر میتواند از یک تا چند آیتم باشد.
• روابط میان متغیر های مکنون و متغیر های آشکار در مدل می تواند به صورت انعکاسی و یا ترکیبی و یا مدلی که هر دو در آن وجود دارند باشد.
• پیچیدگی مدل ها در PLS-SEM ها می تواند از مدل های بسیار ساده تا بسیار پیچیده باشد. اما باید دقت کرد که در PLS-SEM نمیتوان مدل های بازگشتی را اجرا نمود.
مشخصات روش تخمین #PLS
• هدف این نوع الگوریتم مدل سازی معادلات ساختاری حداقل کردن واریانس تبیین نشده یا همان حداقل کردن خطای باقی مانده است یا اگر به زبان دیگر بگوییم هدف این نوع الگوریتم مدل سازی معادلات ساختاری حداکثر کردن واریانس تببین شده ی متغیر های مکنون درونزا یا R2 ضریب تعیین است.
• کارایی بسیار بالای این الگوریتم بدلیل همگرایی بعد از تعداد کمی تکرار است. یعنی الگوریتمی کارا در رسیدن به راه حل بهینه
• از این الگوریتم برای اهداف پیشگویانه بهره برده می شود و تحت تاثیر ناکافی بودن داده قرار نمیگیرد.
• در تخمین پارامتر ها، روابط مدل ساختاری عموما با تخمین کمتر یا Underestimated همراه است و روابط مدل اندازه گیری عموما خوشبینانه تخمین زده می شود و در نهایت تخمین ها از توان آماری بالایی برخوردار هستند.
مشخصات ارزیابی مدل ها
• در PLS-SEM معیار کلی نیکویی برازش مثل کواریانس محور ها وجود ندارد.
• ارزیابی مدل اندازه گیری و مدل ساختاری از طریق شاخص های کیفیت سنجی روایی متقاطع انجام می گیرد.
• در مدل ساختاری بعد از بررسی معناداری و عدم معناداری روابط علی آزمون های متنوع کیفیت سنجی انجام می گیرد.
• غیر از تحلیل های معمول مدل سازی معادلات ساختاری، تحلیل ماتریس اثر-عملکرد، اثرات میانجی، مدل های سلسله مراتبی یا مرتبه دوم یا بیشتر، تحلیل های چند گروهی، تحلیل ناهمگنی، تحلیل های تعدیلگر و … انجام می گیرد.
@analysisacademy

محسن مرادی
مطالب مرتبط با مقاله ای که خواندید.
آزمون مدل کلی PLS
بوت استرپینگ چیست؟
تعیین میزان اثرمتغیر تعدیلگر دو ارزشی در نرم افزار اسمارت پی ال اس

معادلات ساختاری مبتنی بر واریانس یا مبتنی بر کواریانس؟
از کپی کردن مطالب سایت و کانال بدون ذکر منبع خود داری شود

https://analysisacademy.com/wp-content/uploads/2017/01/recursive-model.png

مدل های بازگشتی یا دارای تاثیر متقابل در ایموس (reciprocal effect model)
بارها این سوال در کلاس های آکادمی تحلیل آماری پرسیده شده است که آیا در یک مدل ساختاری دو متغیر میتوانند بر یکدیگر تاثیر متقابل بگذارند.
به این شکل ها در این آدرس نگاه کنید: https://analysisacademy.com/5110/recursive-model.html
مبادا این دو مدل با یکدیگر اشتباه گرفته شود.
مدل اول یک همبستگی ساده را بین دو متغیر نشان می دهد اما مدل دوم کاملا وضعیتی متفاوت است و می بینیم که دو متغیر اعتماد اجتماعی و مشارکت اجتماعی مدلی را تدوین کرده اند که در آن هم اعتماد اجتماعی بر مشارکت اجتماعی تاثیر می گذارد و هم در سوی دیگر مشارکت اجتماعی بر اعتماد اجتماعی تاثیر می گذارد. هرگز این پدیده با شکا اول که یک رابطه ی هم بستگی است نباید اشتباه گرفته شود. در حقیقت در اینجا ما بر خلاف شکل اول یک تاثیر متقابل داریم و به گونه ای یک حلقه ایجاد شده است. چنین مدل های ساختاری با این شکل تدوین مدل را مدل های بازگشتی (recursive model) یا در برخی منابع مدل با اثرات متقابل (reciprocal effect model) می خوانند.
@analysisacademy
در واقع در مدل های ساختاری گاهی ما شاهد اثرات متقابل یا دو سویه هستیم و محققین نشان داده اند که چنین مفروضه هایی به لحاظ روش پژوهش امکان پذیر است.
اما باید دید از لحاظ نرم افزاری دوستانی که در کلاس های ایموس آکادمی شرکت نموده اند در مواجهه با چنین روابط بازگشتی چگونه باید عمل کنند.
اولا باید بدانند که در رسم شکل این نوع مدل ها در ایموس باید دو پیکان رسم نمایند. یعنی یک پیکان یک طرفه از سمت متغیر اول به دوم و بعد یک پیکان یک طرفه هم از سمت متغیر دوم به اول. خوب تا اینجای کار بدون ایراد جلو می رود اما نکته مهم اینجاست که در مدل های بازگشتی با این تاثیر های متقابل، به طور ضمنی خطاهای هر متغیر(هر متغیر وابسته یک خطای باقی مانده دارد. پس در اینگونه مدل ها، هر دو متغیر دارای خطا هستند زیرا هر دو هم زمان هم مستقل و هم وابسته هستند) با یکدیگر همبسته هستند. چرا که وقتی دو متغیر بر هم تاثیر متقابل گذارند بدیهی است که متغیر های باقی مانده ی در نظر گرفته نشده در مدل، که در کلاس ها خطای باقی مانده خوانده می شد باید با هم همبستگی داشته باشند. بنابراین مدل را بدرستی ترسیم و اجرا می کنیم.(مرادی ، 1395)
@analysisacademy
مطلب به صورت کامل در لینک زیر:
https://analysisacademy.com/5110/recursive-model.html
#Amos
#lisrel
#pls
#MAXQDA
#CMA2
#MPLUS
#SAMPLE_POWER
#SPSS

https://mihanfile.net/c375a64e5ad36124

دانلود رایگان پاورپوینت کتاب فراروش
فراروش جلد سوم از سه‌گانه روش‌شناسی، روش در روش، ضد روش و فراروش، نوشتۀ دکتر احمد محمدپور، استاد دانشگاه ماساچوست، است. کتاب فراروش از آثار پیشرو در حوزۀ روش‌ تحقیق و نخستین اثر در زمینۀ تحقیق با روش‌های ترکیبی در کشور بوده است. محمدپور در این کتاب به بررسی بنیان‌‌های فلسفی، طرح‌‌های تحقیق و رویه‌‌های کاربردی در روش‌‌شناسی ترکیبی می‌‌پردازد. کتاب با شرح اصول پارادایمی پراگماتیسم و نوپراگماتیسم که آبشخور فلسفی روش‌‌های تحقیق ترکیبی است، می‌‌آغازد. سپس، ابعاد و رویه‌‌های انجام تحقیق ترکیبی را از طرح مسئله تا اعتباریابی و تعمیم‌‌پذیری بررسی می‌کند. یکی از نکات برجسته در این اثر مانند دیگر آثار محمدپور توجه به حفظ تعادل بین سویه‌‌های فلسفی و شیوه‌‌های عملی در هر مرحله از پژوهش است.
اکنون دانش پذیران آکادمی تحلیل آماری ایران که به مباحث تحقیق با رویکرد آمیخته علاقه دارند و زمان کافی را برای مطالعه این کتاب ندارند می توانند پاورپونت مفصل و کامل این کتاب را در 250 اسلاید از لینک زیر به صورت رایگان و مستقیم دانلود و مطالعه نمایند.
https://analysisacademy.com/7480/%d9%81%d8%b1%d8%a7%d8%b1%d9%88%d8%b4.html
#Amos
#lisrel
#pls
#MAXQDA
#CMA2
#MPLUS
#SAMPLE_POWER
#SPSS

https://mihanfile.net/6ae3d91d47ab9b7a

تفاوت بین الگو و مدل در پژوهش (Pattern vs Model)
این سوال بارها در کلاس های کمی و کیفی آکادمی تحلیل آماری پرسیده شده است.
که مثلا در آزمون جامع از من پرسیدند چه فرقی بین الگو و مدل وجود دارد اما پاسخ های من استاد مربوطه را قانع نکرد. یا در جلسه ارائه پروپزال از عنوان ایراد گرفته شد که چرا بجای ارائه مدل ارائه الگو ننوشتی و یا بالعکس. و یا در آزمون مصاحبه دکتری از من سوال شد و ………..
قبل از شروع بحث دقت شود گاهی در برخی نوشتار ها برای پاسخ به این سوال بحث چارچوب یا چارچوب نظری theoretical framework آورده می شود که باعث خلط مبحث و عدم فهم تفاوت این دو مفهوم در پژوهش می گردد.اگر بخواهیم به چیستی چارچوب نظری به زبان ساده بپردازیم و آن را جهت عدم تداخل با بحث اصلی کنار بگذاریم بهترین تعریف را برایانت در سال 2017 ارائه نموده است. چارچوب نظری از نظر او مجموعه ای از مفاهیم کلیدی ، مدل ها و فرضیاتی است که پروژه شما را هدایت می کند ، توضیح می دهد و نشان می دهد که کار شما در ایده های مستقر، استوار است. یک چارچوب نظری قوی نشان می دهد که چرا شما برای پاسخ به سؤال تحقیق خود رویکرد خاصی را انتخاب کرده اید . همچنین مبنای روشنی برای تفسیر و درک اهمیت یافته های شما فراهم می کند(مرادی و میرالماسی، 1398، 39)
تفاوت بین الگو و مدل در پژوهش (Pattern vs Model) بپردازیم. بسیاری چه در داخل کشور و چه در خارج این دو واژه را مترادف با هم به کار می برند و برخی نیز تفاوت هایی را ذکر کرده اند که در هنگام مباحث عملیاتی شمول آن برای هر دو وجود داشته و چندان متمایز کننده PATTERN به عنوان الگو و MODEL مدل نمی باشد. اما چندی پیش کتابی را ار مارکیج 1996 مطالعه می کردم که در یک عبارت و سپس توضیحاتی اندک به روشنی این دو مفهوم را از تمیز داد.
آن عبارت این بود: ” تفاوت الگو در برابر مدل همان تفاوت بین علوم کامپیوتر و علوم اجتماعی است”
مدل مانند یک معادله کلی یک خط مثل Y = ax + b است در حالی که الگو ها مانند یک معادله خاص و مشخص مثل Y = 3X + 4 می باشد.
ادامه مطلب را در لینک زیر مطالعه کنید
https://analysisacademy.com/7445/pattern-vs-model.html

#Amos
#lisrel
#pls
#MAXQDA
#CMA2
#MPLUS
#SAMPLE_POWER
#SPSS