دوره آموزش AMOS

توضیحات

در دوره آموزش AMOS همراه من باشید تا به صورت کامل مدل معادلات ساختاری و  تحلیل داده ها را در نرم افزار AMOS بیاموزید. من در دوره آموزش تحلیل آماری با AMOS سعی کرده ام جامع ترین آموزش تحلیل آماری با اموس در ایران را آموزش بدهم. بیایید ابتدا نگاهی به نحوه ارایه دوره و بخش هایی از تدریس دوره AMOS بیاندازیم:

تعداد فصل های دوره	11 فصل
تعداد جلسات دوره	73 جلسه
تایم کامل دوره	22 ساعت و 37 دقیقه
نرم افزار های استفاده شده در دوره	نرم AMOS – نرم افزار SPSS ورژن های 27 و 26 – Excel – نرم افزار R- نرم افزار Random Number Generator- نرم افزار MonteCarlo PA
تعداد کتاب ها و جزوات	1 جلد کتاب در قالب فایل PDF
محتوای تدریس شده	1. مباحث نظری آمار و روش های آماری 2.اجرای روش های آماری و مدل سازی معادلات ساختاری 3.آموزش تفسیر و تحلیل داده ها 4. آموزش گزارش نویسی تحلیل ها 5.آموزش پایان نامه نویسی و رساله دکتری
آیا در دوره SPSS دیتا تحلیل آماری نیز ارایه می شود؟	بله برای همه فصل ها دیتا مخصوص ارایه می شود
حجم کامل دوره	14 گیگابایت
آیا دوره آپدیت می شود؟	بله هر ماه دوره آپدیت می شود و جلسات جدیدی به دوره اضافه می شود
دوره چگونه به ما ارایه می شود؟	دوره در قالب لایسنس است که پس از نصب نرم افزار می توانید از همه جلسات دوره با دسترسی به اینترنت استفاده کنید

فصل های دوره آموزشی اموس

1. فصل های دوره آموزش نرم افزار AMOS با عنوان فصل اول: مقدمه و مباحث نظری:

عنوان جلسه	تایم جلسه
جلسه 1 : تحلیل آماری چیست؟ مقدمه ای بر AMOS	17:40
جلسه 2 : چرا از AMOS استفاده می کنیم؟	12:13
جلسه 3 : انواع مدل معادلات ساختاری	9:21
جلسه 4 : مدل انعکاسی و ترکیبی	10:13
جلسه 5 : مفاهیم اساسی در AMOS	8:49
آموزش نصب نرم افزار AMOS	8:01
جمع بندی فصل اول	23:56

2. فصل دوم: وارد کردن دیتا در spss و اکسل :

عنوان جلسه	تایم جلسه
جلسه نصب نرم افزار spss	15:42
جلسه وارد کردن دیتا در اکسل و بررسی دیتا پروژه	16:14
جلسه وارد کردن دیتا از اکسل به spss	19:52
جلسه تعریف متغیرها در spss	25:40
جلسه آماده سازی داده ها در spss و ذخیره سازی	18:08
جلسه جمع بندی فصل	17:51

3. فصل سوم : آموزش آمار توصیفی در SPSS :

عنوان جلسه	تایم جلسه
جلسه آمار توصیفی چیست؟	3:37
جلسه شروع آمار توصیفی در spss	15:07
جلسه تصحیح دیتا	12:03
جلسه آماده سازی و ترسیم نمودار توصیفی	9:03
جلسه خروجی گرفتن و توصیف دیتا	13:30
جلسه تصحیح دیتا و بررسی داده های گم شده	16:06
جلسه ترسیم نمودار گرافیکی 1	11:21
جلسه ترسیم نمودار گرافیکی 2	13:49
جلسه تست نرمال بودن توزیع	16:42
جلسه رسم نمودار چندک چندک یا Q-Q و P-P plot در spss	1:50
جلسه آزمون شاپیرو ویلک و کولموگروف-اسمیرنوف	2:27
جلسه شناسایی نمرات z یا استاندارد	9:28
جلسه آموزش شناسایی داده های پرت	10:07
جلسه جمع بندی فصل	23:19

فصل پیش نیاز: دستکاری داده ها:

عنوان جلسه	تایم جلسه
دستکاری داده ها چیست؟	3:33
دستور recode : کد گذاری مجدد سوالات	24:11
دستور recode : تغییر تعداد طبقات و تبدیل متغیر فاصله ای به ترتیبی	20:08
آموزش دستور Compute در spss	24:57
تمرین بیشتر برای دستور ریکود و شاخص سازی	8:37
آموزش دستور Compute در R	18:12

4. فصل چهارم: تحلیل عاملی اکتشافی با SPSS و R :

عنوان جلسه	تایم جلسه
جلسه تحلیل عاملی چیست؟	7:59
جلسه اجرای تحلیل عاملی : جلسه 1	20:50
جلسه اجرای تحلیل عاملی : جلسه 2	14:45
جلسه اجرای تحلیل عاملی : جلسه 3	20:21
جلسه PCA و FA	35:12
جلسه درباره تحلیل عاملی بیشتر بدانیم	19:47
جلسه تحلیل عاملی در R	26:20
جلسه جمع بندی فصل	39:53

5. فصل پنجم: تحلیل عاملی تاییدی با AMOS

عنوان جلسه	تایم جلسه
شروع تحلیل عاملی تاییدی	1:22:47
تحلیل عاملی تاییدی مرتبه اول	13:22
مدل سازی برای تحلیل عاملی تاییدی	40:09
تحلیل عاملی مرتبه دوم	23:16
آموزش گزارش نویسی تحلیل عاملی	32:53

6.فصل ششم: برازش مدل در AMOS :

عنوان جلسه	تایم جلسه
آموزش تفسیر خروجی های مدل در AMOS و برازش مدل در AMOS	46:18

7. فصل هفتم: اجرای رگرسیون با AMOS :

عنوان جلسه	تایم جلسه
رگرسیون خطی در AMOS	17:00
رگرسیون چندگانه در AMOS	16:38
رگرسیون چند متغیره در AMOS	11:49

8. فصل هشتم: بررسی پایایی در SPSS و R و AMOS

عنوان جلسه	تایم جلسه
جلسه پایایی چیست؟	7:37
جلسه روش الفای کرونباخ (Cronbach’s alpha)	24:48
جلسه سنجش پایایی با آلفای کرونباخ در R	27:23
پایایی و روایی در AMOS	1:09:33
جلسه روش دو نیمه کردن (Split Half)	12:11
جلسه روش گاتمن	6:05
جلسه روش بازآزمایی یا Test-retest	5:04
جلسه روش فرم های موازی	8:44
جلسه روش فرم موازی شدید	2:23
جلسه روش کودر ریچاردسون (KR 20)	23:09
گزارش نویسی پایایی و روایی در AMOS	20:38
جمع بندی فصل	24:36

9. فصل نهم: بررسی متغیر میانجی

عنوان جلسه	تایم جلسه
اجرای مدل میانجی-ساختاری در AMOS	22:46
آزمون سوبل در AMOS	21:24
گزارش نویسی متغیر میانجی در AMOS	31:29
بوت استرپ (Bootstrap) در AMOS	56:48

10. فصل دهم : بررسی متغیر کیفی در AMOS

عنوان جلسه	تایم جلسه
اجرای متغیر کنترلی در AMOS	26:47
اجرای متغیر کیفی در AMOS	9:35

11. فصل یازدهم: بررسی متغیر تعدیل کننده

عنوان جلسه	تایم جلسه
اجرای مدل تعدیل کننده در AMOS	10:42

بهترین دوره آموزش ایموس (AMOS)

بهترین نرم افزار ویژه تحلیل عاملی تاییدی و ترسیم مدل های کوواریانس محور ، نرم افزار AMOS است. این نرم افزار نیز مانند SPSS برای شرکت IBM است و قابلیت اجرای مدل های آماری را دارد. یکی از بهترین ویژگی هایی که از دید من در این نرم افزار می توان مشاهده نمود، ارایه جداول برازش مدل به بهترین شکل است. من در این دوره تلاش کردم کامل ترین و با کیفیت ترین تدریس AMOS در کشورمان ایران را ارایه دهم و خوش حال می شوم در این مسیر همراه هم باشیم.

استفاده از AMOS برای مدل سازی معادلات ساختاری

تجزیه و تحلیل روابط ساختاری با کمک مدل سازی معادلات ساختاری امکان پذیر می شود. این ادغام تحلیل عاملی و تحلیل رگرسیون است. از این تکنیک ها برای بررسی رابطه بین متغیرهای ساختاری و سازه ها در متغیرهای پنهان استفاده می شود. این روش به دلیل توانایی آن در انجام چندین عملیات در یک تجزیه و تحلیل، توسط محققان ترجیح داده می شود.

SEM در ساخت مدل های پیچیده با استفاده از متغیرهای پنهان استفاده می شود. یک رابط گرافیکی یا برنامه نویسی برای مشاهده و به دست آوردن متغیرها مانند نرم افزار AMOS ضروری است.

ویژگی های تجزیه و تحلیل روابط ساختاری

• SEM کنترل و درک تحلیل ها را تسهیل می کند.
• مفروضات به دست آمده از تکنیک های تحلیل مختلف ماهیت شفافی دارند و می توانند آزمایش شوند.
• رابط کاربری گرافیکی خلاقانه استفاده شده است و امکان اشکال زدایی سریع مدل را فراهم می کند.
• آزمون‌های برازش مدل و برآورد پارامترهای فردی در کنار فرآیند اجرا می‌شوند.
• مدل‌هایی که شامل تخمین رابطه بین متغیرهای پنهان می‌شوند، عاری از خطاهایی هستند که ممکن است در اندازه‌گیری ایجاد شود.
• مدل‌ها با استفاده از پایگاه داده‌های مختلف ساختارهای خطا که همبستگی خودکار دارند، سفارشی می‌شوند.
• چندین مدل خطی را می توان تحت یک چارچوب یکپارچه جا داد.

درباره AMOS

 AMOS به طور ویژه برای انجام مدل‌سازی معادلات ساختاری، تحلیل مسیر، تحلیل عاملی تاییدی (CFA) استفاده می‌شود. AMOS برای نمایش نتایج حاصل از SPSS در مدل‌های بصری، در طول مدل‌سازی معادلات ساختاری برنامه‌ریزی شده است. ویژگی های AMOS :

• برای طراحی مدل ها از ابزارهای طراحی ساده استفاده می شود.
• محاسبات مربوط به SEM به سرعت حل می شوند.
• نتایج به دست آمده توسط برنامه های گرافیکی و غیر گرافیکی.
• روش های مختلفی برای محاسبه ضرایب SEM استفاده می شود.
• ترسیم دستی مدل مجاز است.

چگونه SEM با استفاده از AMOS اجرا می شود؟

• پیوست داده ها – با انتخاب نام فایل مناسب، داده های مورد استفاده برای تجزیه و تحلیل SEM در نرم افزار AMOS پیوست می شود.
• نمایش رابطه علت و معلولی – با استفاده از یک پیکان با سر برای رسم رابطه علت و معلولی بین متغیرهای مشاهده نشده و مشاهده شده.
• نام متغیر – با استفاده از ویژگی های شی در یک پنجره گرافیکی، متغیرهای موجود در AMOS نامگذاری می شوند.
• مدلی که در درک نظری و برآورد پارامترها با استفاده از آمار مربوطه سازگار باشد، برای اهداف پژوهشی قابل توجه است. این بر عهده محققان است که با آزمایش مؤثر و شناسایی مدل‌های برازش، جایگزین‌های مدل را رد کنند. از این رو، SEM با استفاده از AMOS آن را کاهش می دهد و به دانش تحقیق بهتر کمک می کند.

هدف از آموزش AMOS

SEM با استفاده از آموزش AMOS به طور خاص برای مزایای زیر انجام می شود:

1. تعداد متغیرهای مورد استفاده و متغیرهای مورد استفاده برای تجزیه و تحلیل SEM را می توان با استفاده از خلاصه متغیر خروجی متن مطالعه کرد.
2. متغیرهای مشاهده شده و متغیرهای مشاهده نشده از مدل متمایز می شوند.
3. برای اطمینان از توزیع نرمال مدل SEM، از آزمون های مختلف استفاده می شود.
4. این آزمون ها خروجی هایی را با نرمال بودن داده ها به دست آوردند.
5. برآوردهای مناسبی از اثرات متفاوتی که بر داده ها می گذارد در خروجی ارائه می شود.
6. آزمون های مختلف بر روی وزن رگرسیون، مستقیم، غیرمستقیم، اثر کل مؤثر بر بارگذاری استاندارد عامل، باقیمانده، همبستگی و کوواریانس برای بررسی اثرات و تولید نتایج مناسب انجام شد.
7. آمار مدل برای تناسب با نتایج مورد نظر تضمین می شود.
8. عوارضی که هنگام ترسیم مدل به وجود می آیند با پیام های خطا یا عدم ارائه خروجی ایجاد می شوند.

مزایای SEM

1. SEM شامل استفاده از تجزیه و تحلیل مسیر تاییدی است که با اجتناب از اشتباهات احتمالی به کمک می آید. در اینجا فاکتورها دقیقاً به صورت اعداد و الگوهای بارگذاری مشخص می شوند.
2. از آنجایی که SEM از تکنیک های تحلیل متفاوتی استفاده می کند، بررسی بیش از یک مورد را در یک زمان تسهیل می کند. با در نظر گرفتن خطاهای احتمالی اندازه گیری نیز جایگزین EFA و رگرسیون می شود.

آموزش رایگان نرم افزار اموس

در ادامه برخی از آموزش های مرتبط با نرم افزار اموس برای شما ارایه می شود:

تحلیل عاملی در نرم افزار اموس

تحلیل عاملی یک روش آماری مفید برای یافتن ساختار زیربنایی یک پدیدار است. تحلیل عاملی روشی برای مدل‌سازی متغیرهای مشاهده‌ شده و ساختار کوواریانس آن‌ها بر حسب تعداد کمتری از «عوامل» غیرقابل مشاهده (پنهان) اساسی است. این عوامل معمولاً به عنوان مفاهیم یا ایده های گسترده ای در نظر گرفته می شوند که ممکن است یک پدیده مشاهده شده را توصیف کنند.

مدل سازی ساختاری در اموس

این روش در اصل نسل دوم تکنیک های تحلیل آماری است و تجزیه و تحلیل روابط متقابل چندگانه در یک مدل را مورد بررسی قرار می دهد. همچنین این روش ، تجزیه و تحلیل مسیر را نیز در بر دارد.

تحلیل متغیر میانجی در اموس

متغیر میانجی متغیری است که به واسطه آن ، متغیر برون زا بر روی متغیر درون زا موثر است.

مدل معادلات ساختاری در اموس

مواردی وجود دارد که باید قبل از اجرای مدل سازی معادلات ساختاری در AMOS آن ها را در نرم افزار spss انجام دهید. اولین اقدامی که باید انجام شود این است که داده های خودتان را وارد کرده و متغیرهای خودتان را بسازید. در گام بعدی باید داده ها را پاک سازی کنید. باید از روش استاندارد سازی و محاسبه نمره z این کار را انجام دهید.

مدل اندازه گیری انعکاسی یا مدل کوواریانس محور در اموس

با استفاده از روش حداکثر درست نمایی ML به دنبال حداقل کردن اختلاف بین ماتریس کوواریانس مدل و ماتریس کوواریانس برآورد شده بر پایه معادلات ساختاری است. بر اساس این دیدگاه متغیر پنهان به وسیله حداقل سه متغیر مشاهده پذیر قابل اندازه گیری است به گونه ای که این متغیرهای مشاهده پذیر با هم همبستگی داشته باشند. فلش ها از سمت متغیر پنهان به سمت متغیرهای آشکار می رود. سازه سوالات را آشکار می کند. خطای اندازه گیری در سطح متغیرهای مشاهده پذیر محاسبه می شود. این روش به تعداد نمونه حساس است و اغلب حداقل 200 نمونه مورد نیاز است و همین طور نرمال بودن نیز از مفروضه های این روش است.

آموزش AMOS برای مدل سازی معادلات ساختاری

مدل سازی معادلات ساختاری (SEM) یک تکنیک پرکاربرد در آمار برای مطالعه در درجه اول روابط مبتنی بر ساختارها است. این روش شامل مدل‌های مختلفی از جمله ریاضیات، روش‌های آماری و غیره می‌شود. این تکنیک برای اندازه‌گیری ساختارهای نهفته بسیار مؤثر است. بسیاری از ما ممکن است با مفاهیمی مانند تحلیل رگرسیون چندگانه و تحلیل عاملی آشنا باشیم، این به زبان ساده، ترکیبی از این تکنیک ها است. در واقع، این یک توسعه صرف از مدل خطی عمومی است.

شما می توانید یک سری از تکنیک های رگرسیون را به طور همزمان آزمایش کنید. مدل‌سازی معادلات ساختاری شامل مدلی است که فضا را برای بسیاری از تکنیک‌های آماری دیگر مانند تحلیل مسیر، تحلیل عاملی تاییدی و مدل‌سازی رشد نهفته و غیره باز می‌کند. این بسیار چشمگیر است زیرا SEM به‌عنوان یک نوع مدل، بسیاری از مدل‌های سنتی و پیچیده را پوشش می‌دهد. همچنین در ارزیابی واریانس و رگرسیون چندگانه همراه با توانمندسازی مدل‌سازی با متغیرهای پنهان مؤثر است.

SEM با استفاده از AMOS

مدل سازی معادلات ساختاری (SEM) یک تکنیک تحلیل آماری است که برای یافتن رابطه بین متغیرهای مختلف مورد استفاده در مدل استفاده می شود. در این مدل‌سازی، از تحلیل عاملی و تحلیل رگرسیون چندگانه در ترکیبی استفاده می‌شود که آموزش AMOS را مناسب برای تحقیقات مبتنی بر SEM تبدیل می‌کند:

1. اگر محققی هستید که به دنبال گسترش دامنه خود هستید، استفاده از SEM انتخاب ایده آلی برای مفروضات خواهد بود که وضوح زیادی به ارمغان می آورد و آن ها نیز قابل آزمایش هستند.
2. تجزیه و تحلیل نمونه گیری نظرسنجی را امکان پذیر می کند.
3. ضرایب، میانگین ها و واریانس ها از موضوعات مختلف را می توان در یک بار مقایسه کرد.
4. می توانید خطاهای اندازه گیری را در روابط مربوط به متغیرهای پنهان حذف یا به حداقل برسانید.
5. می توانید از مدل هایی استفاده کنید که استاندارد نیستند، از جمله پایگاه های داده حاوی داده هایی که کافی نیستند و به اشتباه توزیع شده اند.
6. SEM دارای چندین ویژگی خاص خود مانند نرم افزار رابط گرافیکی است. به افزایش خلاقیت کمک می کند و اشکال زدایی مدل را امکان پذیر می کند.
7. علاوه بر این، SEM شامل چارچوبی است که مدل های خطی را در زمانی که نرم افزار آن اجازه می دهد، فعال می کند.

مدل معادلات ساختاری با اموس برای پایان نامه

به عنوان یک محقق، باید با انتخاب یک مدل شروع کنید.شما باید تنها پس از فهمیدن نحوه ارزیابی سازه ها، داده ها را جمع آوری کنید. در نهایت، نرم افزار SEM را با مقدار کافی داده تامین می کنید. سپس نرم افزار داده ها را با مدل انتخاب شده برازش می دهد و نتیجه را ایجاد می کند. نتیجه معمولاً شامل برآوردها و ارقام برازش مدل کلی است. برای نشان دادن رابطه بین متغیرهای آشکار و پنهان باید از نمودارهای مسیر استفاده کنید. معمولاً تست های SEM با فرض مدل سازی داده های مناسب و دقیق انجام می شود.

SEM به عنوان یک تکنیک تا حد زیادی به این نرم افزار آماری به نام AMOS (Analysis of Moment Structures) است. نتایج جدولی مشابه آنچه را که در SPSS می توان مشاهده کرد، تولید می کند، با توجه به اینکه ماژول اضافه شده ای است. وقتی شما در حال تحقیق آماری هستید، راحت تر می توان به روابط بین دو مفهوم مختلف در زمینه هایی مانند بازاریابی، علوم اجتماعی و غیره برخورد کرد. تا آن جا که به AMOS مربوط می شود، مفاهیم به عنوان متغیرهای پنهان در نظر گرفته می شوند و این ها توسط چند اشاره گر با استفاده از SEM ارزیابی می شوند. AMOS همچنین به عنوان نرم افزار مدل سازی معمولی نامیده می شود، این نرم افزار به ترسیم مدل های گرافیکی با کمک ابزارهای کاربر پسند کمک می کند.

روش استفاده AMOS

بیایید نگاهی به برخی از روش‌های اتخاذ شده توسط AMOS با توجه به دستیابی به ضرایب مدل‌سازی معادلات ساختاری بیندازیم:

1. حداقل مربعات بدون وزن: برای دسترسی به میانگین شرطی، خطاهای باقیمانده را حذف می کند.
2. حداقل مربعات تعمیم یافته: ضرایب را در یک مدل رگرسیون خطی در صورت وجود همبستگی بین باقیمانده ها تخمین می زند.
3. بدون توزیع مجانبی: زمانی که نمونه های بزرگ حاوی داده های غیرعادی دارید و تحلیل ساختارهای کوواریانس توصیه می شود.

آموزش ساخت مدل با اموس

برای اجرای نرم افزار باید با کلیک بر روی دکمه “شروع” و انتخاب دکمه “AMOS Graphic” شروع کنید. به زودی، پنجره ای را خواهید دید که ظاهر می شود. “AMOS Graphic” را می خواند. از آن پنجره برای نمودار مدل SEM خود استفاده کنید.

• ورودی داده: شما باید داده های خود را به منظور تجزیه و تحلیل SEM وارد کنید. یک نام برای فایل خود انتخاب کنید و داده های خود را در AMOS ثبت کنید.
• نمادها: با نمادهای مستطیل و دایره به ترتیب برای متغیرهای مشاهده شده و مشاهده نشده بروید.
• ایجاد روابط: یک فلش برای نشان دادن رابطه بین متغیرهای مشاهده شده و مشاهده نشده رسم کنید.
• کوواریانس: یک فلش دو سر را برای نشان دادن کوواریانس بین متغیرها انتخاب کنید.
• اصطلاح خطا: نمادی که نشان دهنده همان است در کنار نماد متغیر مشاهده نشده قرار دارد. نماد Error Term برای نمودار متغیر پنهان وجود دارد.
• نام ها: مهم است که متغیرها را به درستی شناسایی کنید تا با آنها کار کنید. با کلیک راست روی هر متغیر و انتخاب گزینه “ویژگی های شی” شما را قادر می سازد تا متغیر را نامگذاری کنید.

این ها تنها تعدادی از نمادهای متعدد در AMOS هستند که می توانید برای ترسیم یک مدل SEM از آنها استفاده کنید.

بررسی نتایج در AMOS

در حالی که پنجره گرافیکی تنها بخشی از داده ها از جمله رگرسیون استاندارد و غیر استاندارد را به شما نشان می دهد، خروجی متن نتایج را به طور کامل نشان می دهد. در اینجا برخی از نتایجی است که از طریق AMOS به دست می آورید:

• تعداد متغیرها: تعداد متغیرهای مشاهده شده و مشاهده نشده مورد استفاده در فرآیند تحلیل SEM آشکار خواهد شد.
• نرمال بودن داده ها: مهم است که داده های مورد استفاده در تجزیه و تحلیل SEM به طور معمول توزیع شوند. خروجی متن AMOS به ما در سنجش عادی بودن داده ها کمک می کند.
• تجزیه و تحلیل تأثیر مسیر: نتایج شاخص اصلاح به ما می گوید که مسیر ترسیم شده توسط شما چقدر می تواند تأثیرگذار باشد، اگر شاخص بالا باشد، نشانه ترسیم مسیرهای بیشتر است.

مهمتر از همه، AMOS ممکن است هیچ نتیجه ای ندهد، اما در صورت حذف جزئیات یا وارد کردن اشتباه داده ها، پیام خطا نشان می دهد، علاوه بر این، می تواند سلول های خالی را در پنجره نیز شناسایی کند. AMOS به فعال کردن عملکرد تجزیه و تحلیل SEM کمک می کند و در نتیجه رسیدن به آمار را آسان می کند، جایی که اندازه گیری مستقیم چیزی ممکن نیست.

آموزش نرم افزار آموس (Amos)

AMOS به طور خاص برای مدل های معادلات ساختاری مناسب است. این یک ماژول اضافه شده از نرم افزار SPSS است. با این حال، برای شروع کار نیازی به نصب آمار SPSS ندارد، که همچنین آن را به یک “نرم افزار مستقل” تبدیل می کند. با کمک AMOS، فرآیند محاسبات برای SEM سریع‌تر می‌شود و ترسیم گرافیکی مدل‌ها با کمک ابزارها آسان‌تر می‌شود. برای ضرایب SEM، نرم افزار AMOS می تواند مزایای زیر را ارائه دهد:

• 01 حداقل مربعات بدون وزن
• 02 حداکثر احتمال
• 03 حداقل مربعات بدون مقیاس
• 04 معیار توزیع مجانبی براون

نمادهای مورد استفاده برای ساخت مدل در AMOS

برای ترسیم مدل SEM در AMOS، اولین قدم این است که AMOS را راه اندازی کنید و “AMOS Graphic” را انتخاب کنید و پس از آن می توان از نمادهای زیر برای شروع فرآیند ساخت مدل استفاده کرد. پس از باز کردن پنجره AMOS Graphic، اولین کار این است که داده ها را در AMOS برای تجزیه و تحلیل SEM با انتخاب نام فایل پیوست کنید. سپس از یک نماد مستطیل شکل برای ترسیم متغیر مشاهده شده استفاده می شود. در حالی که برای متغیر مشاهده نشده، از یک نماد دایره ای برای ترسیم استفاده می شود.  سپس رابطه علت و معلولی بین متغیرهای مشاهده شده و مشاهده نشده با یک فلش منفرد رسم می شود. از طرف دیگر، کوواریانس بین متغیرها توسط یک فلش دو سر رسم می شود. نماد عبارت خطا در AMOS برای ترسیم متغیر پنهان استفاده می شود و در کنار متغیر مشاهده نشده وجود دارد. با کلیک راست و انتخاب گزینه object properties می توان متغیرها را نام گذاری کرد.

تفسیر خروجی در AMOS

پنجره AMOS Graphic نتیجه را نشان نمی دهد، فقط رگرسیون های استاندارد و غیر استاندارد را نشان می دهد. برای مشاهده نتایج، مهم است که خروجی متن تجزیه و تحلیل را بررسی کنید که شامل موارد زیر است:

1. خلاصه متغیر: این به ما می گوید که چه تعداد متغیر در تجزیه و تحلیل SEM استفاده شده است و چه تعداد از آن ها مشاهده شده و مشاهده نشده است.
2. دسترسی به نرمال: خروجی متن AMOS را می توان از طریق آزمون Kurtosis، Skewness و Mahalanobis d-squared برای دسترسی به نرمال بودن توزیع داده ها در مدل SEM آزمایش کرد.
3. برآوردها: خروجی متن AMOS همچنین یک تحلیل تخمینی از باقیمانده، همبستگی، وزن رگرسیون، کوواریانس، بارگذاری استاندارد برای عامل، کوواریانس، اثر مستقیم و غیرمستقیم و اثر کل ارائه می‌کند.
4. شاخص اصلاح: شاخص اصلاح (MI) به تعیین قابلیت اطمینان مدل SEM کمک می کند. در صورتی که مقدار MI بزرگ باشد، می توان مسیرهای بیشتری را در مدل SEM اضافه کرد.
5. برازش مدل: نتیجه برازش مدل در مورد خوب بودن شاخص های برازش که از RMR، GFI، BIC، TLI، RMSER و غیره تشکیل شده است، می گوید.
6. پیام خطا: در صورتی که در هنگام ایجاد مدل SEM مشکلی وجود داشته باشد، مانند فراموش کردن ترسیم عبارت خطا یا وجود داده های از دست رفته، خروجی متن AMOS یا در نهایت داده ها را محاسبه نمی کند یا پیام خطا می دهد.

آموزش کار با نرم افزار آموس amos

تجزیه و تحلیل روابط ساختاری با کمک مدل سازی معادلات ساختاری امکان پذیر می شود. این ادغام تحلیل عاملی و تحلیل رگرسیون است. از این تکنیک ها برای بررسی رابطه بین متغیرهای ساختاری و سازه ها در متغیرهای پنهان استفاده می شود. این روش به دلیل توانایی آن در انجام چندین عملیات در یک تجزیه و تحلیل، توسط محققان ترجیح داده می شود. پژوهش اغلب شامل آزمون رابطه بین متغیرها در یک فرضیه است. در حالی که می‌توان از تکنیک‌های کمی برای این منظور استفاده کرد، اما این رویکرد مدل‌سازی معادلات ساختاری (SEM) است که نمایشی بصری و آسان برای تفسیر رابطه علی بین متغیرها را فراهم می‌کند. مدل سازی معادلات ساختاری، ترکیبی از تحلیل عاملی و رگرسیون چندگانه، یک تکنیک تحلیل آماری چند متغیره است که روابط ساختاری بین سازه های پنهان و متغیرهای اندازه گیری شده را ارزیابی می کند. مدل سازی معادلات ساختاری دو نوع است.

مدل اندازه گیری در پایان نامه

این نوع مدل، نظریه ای را نشان می دهد که مشخص می کند چگونه متغیرهای اندازه گیری شده با هم گروه بندی می شوند تا نظریه را نشان دهند.

پیش نیاز های تحلیل با اموس

در تحقیقات، تکنیک SEM به نرم افزار آماری محبوبی که به نام آنالیز ساختارهای لحظه ای (AMOS) شناخته می شود، بستگی دارد. این به این دلیل است که AMOS خروجی های جدولی و مدل های گرافیکی را با استفاده از ابزار کاربر پسند تولید می کند. با این حال، قبل از انجام SEM، لازم است چند فرضی مانند:

1. خطی بودن – باید یک رابطه خطی بین متغیرهای درون زا و برون زا وجود داشته باشد.
2. پرت – از آن جایی که پرت بر اهمیت مدل تأثیر می‌گذارد، داده‌ها باید عاری از موارد پرت باشند.
3. توزیع نرمال چند متغیره – رویکرد حداکثر احتمال برای توزیع چند متغیره استفاده می شود. همچنین، تغییرات کوچک در چند متغیره منجر به تفاوت بیشتر در آزمون کای اسکوئر می شود.
4. توالی – بین متغیرهای برون زا و درون زا رابطه علت و معلولی وجود دارد.
5. شناسایی مدل – مدل ها باید دقیقاً یا بیش از حد شناسایی شوند زیرا مدل های شناسایی نشده در نظر گرفته نمی شوند.
6. اصطلاحات خطای نامرتبط – عبارات خطا با سایر عبارات خطای متغیر همبستگی ندارند.
7. رابطه غیر جعلی – این نشان می دهد که واریانس مشاهده شده باید درست باشد.

اگر همه مفروضات ذکر شده در بالا برای SEM مناسب باشند، AMOS با فرض اینکه داده ها مدل شده اند، به فرآیند مدل سازی معادلات ساختاری ادامه می دهد. برخی از روش های مورد استفاده توسط AMOS برای انجام SEM عبارتند از:

• حداقل مربعات تعمیم یافته – این روش در صورت وجود همبستگی بین باقیمانده ها، ضرایب را در مدل رگرسیون خطی تخمین می زند.
• حداقل مربعات بدون وزن – این رویکرد خطاهای باقیمانده را برای دسترسی به میانگین شرطی تخمین می زند.
• توزیع مجانبی براون – این نوع روش تا حد زیادی زمانی توصیه می شود که نمونه های حاوی داده های غیر عادی و SEM شامل تجزیه و تحلیل ساختار کوواریانس باشد.

ساخت مدل در AMOS

برای تعیین نوع مدل، گام بعدی اجرای AMOS با کلیک بر روی منوی “شروع” و انتخاب گزینه “AMOS graphic” است. هنگامی که AMOS شروع به اجرا می کند، پنجره ای به نام “AMOS graphic” ظاهر می شود که در آن کاربر می تواند به صورت دستی مدل SEM را ترسیم کند.

1. ورودی داده – نام فایل را از گزینه data file انتخاب کنید و داده ها را در AMOS برای تجزیه و تحلیل بیشتر SEM پیوست کنید. کاربر همچنین می تواند این گزینه را با کلیک بر روی نماد “انتخاب داده ها” انتخاب کند.
2. متغیر مشاهده شده – از نماد مستطیل استفاده کنید و متغیرهای مشاهده شده را رسم کنید.
3. متغیر مشاهده نشده – نماد دایره را نصب کنید و متغیرهای مشاهده نشده را بکشید.
4. کوواریانس – برای نشان دادن کوواریانس بین متغیرها، یک فلش دو سر را انتخاب کنید.
5. رابطه علت و معلولی – برای ایجاد رابطه بین متغیر مشاهده شده و مشاهده نشده، از فلش تک سر در AMOS استفاده کنید.
6. نامگذاری متغیر – تعیین متغیرها برای کار با آنها به طور دقیق مهم است. روی متغیر در پنجره گرافیکی کلیک کنید، گزینه Object properties را انتخاب کنید و متغیرها را در AMOS نام ببرید.
7. اصطلاح خطا – عبارت خطا در کنار متغیر مشاهده نشده ظاهر می شود و اغلب برای ترسیم متغیر پنهان استفاده می شود.

پس از اجرای آنالیز، خروجی ها در پنجره گرافیکی نمایش داده می شوند. با این حال، پنجره گرافیکی فقط وزن عبارت خطا، رگرسیون استاندارد و غیر استاندارد را نمایش می دهد. برخی از نتایج تولید شده توسط AMOS عبارتند از:

1. خلاصه متغیر: AMOS و متغیر خروجی متن امکان مشاهده تعداد متغیرها و متغیرهایی که برای فرآیند تحلیل SEM استفاده شده اند را فراهم می کند. کاربر همچنین می تواند تعداد متغیرهای مشاهده شده و مشاهده نشده موجود در مدل را نیز داشته باشد.
2. دسترسی به حالت عادی: در مدل SEM، داده ها باید به طور معمول توزیع شوند. AMOS چولگی، خروجی‌های متن، آزمون d-squared Mahalanobis، Kurtosis را ارائه می‌کند و همچنین اطلاعاتی در مورد نرمال بودن داده‌ها می‌دهد.
3. شاخص اصلاح: شاخص اصلاح قابلیت اطمینان مسیر را در مدل SEM توصیف می کند. اگر مقدار شاخص اصلاح بزرگ باشد، می توان مسیرهای بیشتری را به مدل SEM اضافه کرد.
4. برآوردها: گزینه برآورد در خروجی متن AMOS خروجی را برای وزن رگرسیون، باقیمانده، ضریب بارگذاری استاندارد، کوواریانس، اثر غیرمستقیم، اثر مستقیم، همبستگی، اثر کل و بسیاری موارد دیگر ارائه می‌کند.
5. پیغام خطا: اگر در فرآیند ترسیم مدل SEM خطایی وجود داشته باشد، AMOS یا پیغام خطا می دهد یا نتیجه را محاسبه نمی کند.
6. برازش مدل: برازش مدل، نتیجه را برای آمار مدل برازش خوب ارائه می‌کند و شاخص‌های برازش خوبی مانند RMR، GFI، BCI، TLI، RMSER و بسیاری موارد دیگر را ارائه می‌کند.