کاربر عزیز خوش آمدید!
|

آموزش نرم افزار لیزرل (LISREL)

آموزش نرم افزار لیزرل (LISREL)
لیزرل (LISREL) مخفف عبارت Linear Structural Relationships به معنای ارتباطات خطی ساختاری است که برخی به غلط آن را مترادف مدل یابی معادلات ساختاری قلمداد کرده‌اند. این تکنیک آمیزه ای از دو تحلیل است:
- تحلیل عاملی (Factor Analysis – FA) یا مدل اندازه گیری (Measurement Model) که منظور از آن سنجش روابط متغیرهای مشاهده شده (گویه ها پرسشنامه) با متغیرهای پنهان است.
- تحلیل مسیر (Path Analysis – PA) یا همان مدل ساختاری (Structural Modeling – SE) سنجش روابط بین متغیرهای پنهان جهت شکل دهی به مدل نهایی تحقیق.
مدلسازی / مدل یابی معادلات ساختاری (Structural Equation Modeling : SEM) یکی از روش های تحلیل کورایانس است که با عنوان مدل علمی و تحلیل ساختار کوواریانس نیز شناخته می‌شود که ویژگی اصلی آن تجزیه و تحلیل همزمان چند متغیر مستقل با یک یا چند متغیر وابسته است.
روابط مبتنی بر ماتریس کواریانس بین متغیرها در SEM با استفاده از نرم افزار لیزرلLISREL)) قابل محاسبه است، هرچند تحلیل مسیر و تحلیل عاملی و انواع رگرسیون ها نیز در آن بخوبی قابل انجام است.
معادلات ساختاری به عنوان یک الگوی آماری به بررسی روابط بین متغیرهای پنهان و آشکار(مشاهده شده) می پردازد. از طریق معادلات ساختاری می توان ساختارهای فرضی کلی یا الگوهای علّی را با داده های غیر آزمایشی تایید کرد. معادلات ساختاری، چارچوب منسجمی را برای برآورد قدرت روابط بین همه متغیرهای یک الگوی نظری فراهم می آورد. نظریه ها محور اساسی در این الگو هستند و بدون آنها نمی توان توصیف مناسبی از روابط درونی متغیرها داشت.
معادله ساختاری یک تکنیک تحلیل چند متغیری از خانواده رگرسیون چندمتغیره است که امکان آزمون همزمان مجموعه ای از معادلات رگرسیون را فراهم می کند. در واقع الگوسازی معادله ساختاری یک رویکرد آماری جامع برای آزمون فرض هایی درباره روابط بین متغیرهای مشاهده شده و پنهان است. 
لیزرل بسته نرم افزاری ویژه آماری است که برآورد مدل معادلات ساختاری برای متغیرهای آشکار و نهان را در مطالعات جامعه سنجی انجام می دهد. در این نوشتار راهنمای آموزشی مفید نرم افزار لیزرل را قرار داده ایم که علاقه مندان به بادگیری این نرم افزار می توانند از آنها استفاده نمایند.  

فهرست مطالب

بخش اول: LISREL

فصل اول: معرفی لیزرل، ورود داده ها و درخواست تبدیل داده های خام به ماتریس واریانس-کوواریانس 
پیش درآمد 
لیزرل در گذر زمان و امکانات روشی آن 
چرا لیزرل؟ 
فایل مورد استفاده جهت تدوین مدل 
گام نخست: ورود داده ها 
تبدیل داده های خام به ماتریس واریانس - کوواریانس 

فصل دوم: تدوین مدل تحلیل مسیر 
گام دوم: دستور ساخت مدل تحلیل مسیر 
تنظیم جزئیات مدل 
گام سوم: عنوان و توضیحات مربوط به مدل 
معرفی گروه ها برای برنامه 
معرفی متغیرهای آشکار و پنهان 
معرفی متغیر های آشکار 
معرفی متغیرهای پنهان 
فراخوانی مجدد داده های گروه بندی 
گام چهارم 
تنظیم متغیرها در فضای تحلیل مسیر
تنظیم روابط تحلیل عامل و تحلیل مسیر 
گام پنجم: مبنا قرار دادن یکی از شاخک های هر متغیر پنهان در مدل برای محاسبه ضرایب تحلیل عامل 
گام ششم: دستور ساخت فایل متنی 

فصل سوم: اجرا، پیرایش و آرایش مدل و تفسیر مدل ساختاری 
گام هفتم: اجرای برنامه 
گام هشتم: پیرایش مدل 
گام نهم : آرایش مدل 
گام دهم یا آخر: ذخیره سازی و اجرای دستور ساخت مجدّد فایل متنی 
تفسیر مدل ساختاری 

فصل چهارم: روش انتقال یک مدل معادله ساختاری از محیط Lisrel به Word
روش اول: استفاده از برنامه Paint
روش دوم: استفاده از برنامه Gif

بخش دوم: روش ساخت ماتریس واریانس- کوواریانس و استفاده از آن در محیط لیزرل
 
فصل ۱: روش ساخت ماتریس واریانس – کوواریانس 
گام نخست: انتخاب و فراخوانی داده ها 
گام دوم: آماده سازی فایل داده ها برای ساختن ماتریس واریانس- کوواریانس 
گام سوم: انتقال ماتریس واریانس- کوواریانس به محیط جدید SPSS
گام چهارم: گام چهارم: ایجاد ستون و سطر جدید برای نام گذاری متغیرها در ماتریس کوواریانسی در محیط  SPSS
گام پنجم : نام گذاری دو ستون اول به نام های VARNAME_ و  ROWTYPE
گام ششم: اضافه کردن نام متغیرها در سر ستون های مربوطه در صفحه داده ها در SPSS
گام هفتم: تعیین نوع و فراوانی داده ها در محیط SPSS
گام هشتم یا آخر : روش نیمه کردن ماتریس واریانس- کوواریانس 
فصل ۲: روش استفاده از یک فایل ماتریس واریانس – کوواریانسی در محیط لیزرل 

پرکاربردترین مفاهیم روش شناختی این نوشتار 

منابع 

راهنمای آموزشی SPSS - مهدی اکبر زاده

راهنمای آموزشی spss - مهدی اکبر زاده

SPSS سر نام واژگان Statistical Package for Social Sciences بوده و یکی از تواناترین و جامع ترین نرم ‫اﻓﺰارﻫـﺎی‬ آماری است که با توجه به سادگی کار و سایر خصوصیات بارز آن، امروزه پرکاربردترین نرم افزار آماری محسوب می شود. همانطور که از نام این نرم افزار مشخص است، از ابتدا این نرم افزار برای رشته علوم اجتماعی طراحی شده بود، اما به مرور زمان و با توجه به نیازهای مطرح شده در سایر علوم این نرم افزار کامل و کامل تر شده است و در حال حاضر کلیه محققین در رشته های علوم اجتماعی، علوم پزشکی، علوم تربیتی، روان شناسی، کشاورزی و... در حال استفاده از این نرم افزار هستند. این آموزش که توسط مهندس مهدی اکبرزاده نگارش شده، شامل 133 صفحه بوده و فهرست عناوین مندرج در آن به شرح زیر می باشد:

جلد اول

پیشگفتار

فصل اول
مروری بر نرم افزار SPSS
شروع كار با SPSS 
معرفی محیط نرم افزار
نوار منو
نوار ابزار
صفحه Data View
نوار آدرس
صفحه Variable View
دكمه تعویض صفحه
نوار وضعیت 
نحوه باز كردن و ذخیره كردن 
وارد كردن داده ها در SPSS 
تعریف متغیرها در SPSS 
مشخصه Name 
مشخصه Type 
مشخصه Decimals وWidth 
مشخصه Label 
مشخصه Values 
مشخصه Missing 
مشخصه Columns 
مشخصه Align 
مشخصه Measure 
مشخصه Role 


فصل دوم 
آمار توصیفی در SPSS 
مقدمه 
خلاصه كردن و توصیف الگوی كلی
داده های كیفی (Categorical Data)
داده های عددی (Numerical Data)
محاسبه شاخصهای آماری
شاخصهای مركزی
شاخصهای پراكندگی
نمودار Box plot 
چند نمودار مهم و كاربردی دیگر


فصل سوم 
دستورهایی برای دست كاری داده ها در SPSS
دستور  Select Cases
تمرین
دستور Split File 
تمرین
دستور Weight Cases
تمرین
دستور Compute 
تمرین
دستور Count Values
دستور Recode
جدول فراوانی برای صفات كمی پیوسته (دستور Recode)
معكوس كردن امتیازات (دستور Recode)

فصل چهارم 
آزمون فرض آماری 
مقدمه 
فرض صفر و فرض مقابل
سطح معنی داری و خطاهای آماری
توزیع نمونه گیری آماره
آزمون فرض یك طرفه و دو طرفه 
مراحل كلی آزمون فرض آماری 
ماهیت Value
آزمون P-Value 
آزمون آماری برای میانگین جامعه – آزمون t تك نمونه ای
آزمون آماری برای نسبت جامعه – آزمون دوجمله ای
آزمون اختلاف میانگین ها برای دو جامعه مستقل – آزمون t - دو نمونه مستقل
آزمون اختلاف میانگین ها برای دو جامعه وابسته – آزمون t زوجی
تمرین
ضمیمه 
تمرینات تكمیلی


جلد دوم

آزمونهای ناپارامتری
معادل ناپارامتری آزمون فرض در مورد میانگین های دو جامعه
آزمون من- ویتنی
آزمون های علامت، ویلكاكسون( آزمون رتبه علامت دار) و مك نمار
تطابق توزیع ها
داده های كمی (آزمون كلموگروف – اسمیرنف)
داده های دو حالتی اسمی
آزمون تطابق توزیع با سه طبقه یا بیشتر ( آزمون Chi – Square)
آزمون تصادفی بودن (گردش)
ارتباط و رابطه بین متغیرها
ارتباط بین متغیرهای عددی
ارتباط بین متغیرهای رسته ای
جداول توافقی
رسم جدول توافقی بدون داشتن داده های خام
آزمون استقلال متغیرها
مقایسه چند جمعیت (آنالیز واریانس)
آنالیز واریانس دوطرفه
رگرسیون
رگرسیون خطی ساده
رگرسیون چند متغیره خطی

کتاب آموزش نرم افزار پروتئوس – Proteus

کتاب آموزش نرم افزار پروتئوس – Proteus

با اینکه سال ها از حضور این نرم افزار در دنیای صنعت برق می گذرد اما همچنان گزینه اول برای تحلیل مدارات میکروکنترلی می باشد، هرچند که برخی افراد این تقسیم بندی را قبول ندارند و دامنه کاربردی این نرم افزار را بسیار فراتر از تحلیل میکرو می دانند ولی حقیقت این است نرم افزار پروتئوس با تکیه بر توان تحلیلی بالا در میکروکنترلر ها توانسته جایگاه امروزی خود را بدست بیاورد.

در کتاب آموزش پروتئوس شما بدون خواندن موارد اضافی مستقیما به سراغ کار با این نرم افزار می روید که نویسنده توانسته به خوبی بروی نقاط قوت این نرم افزار تکیه نماید، کتاب آموزش Proteus با داشتن 85 صفحه می تواند شروع مناسبی برای کار با این نرم افزار محبوب در گرایش الکترونیک باشد.

امروزه گرایش ها دیگر در حصار خود نمی گنجند و شاهد تعامل بسیار بالا بین گرایش های مختلف هستیم، شاید یک دانشجوی قدرت یا کنترل نرم افزار Proteus را برای تحلیل دستگاه های خود نپسندد ولی چیزی که مشخص است نرم افزار پروتئوس نیز یکی از گزینه های خوب برای کار با میکروکنترل ها می باشد.

آموزش قدم به قدم پایگاه داده ها

 آموزش قدم به قدم پایگاه داده ها SQL

این مجموعه که توسط آقای داوود محمد پور در دانشگاه زنجان تهیه شده است، در ۸ فصل به آموزش پایگاه داده ها می پردازد.

عناوین فصل های این مجموعه عبارتند از :

۱- ایجاد بانک اطلاعاتی
۲- معرفی زبان SQL
3- معرفی SQL Server 2005
4- ابزار های SQL Server 2005
5- Stored Procedures
6- User Defined Functions
7- اعمال جامعیت
۸- تراکنش ها

دانلود کتاب آموزش ایلوستریتور

دانلود کتاب آموزش ایلوستریتور

پیدا کردن منبع جامع و کلی برای یادگیری نرم افزارهای گرافیکی مانند فتوشاپ، ایلوستریتور و ... بسیار سخت است، چون هر سال آنها امکانات جدید و ویژگی های جدیدی به خود می گیرند. فیلم های آموزشی اینترنت شرکت ها هم جامع نیستند، از روی متن می خوانند و به یاد دهی چیزهای ساده می پردازند، بطوری که اگر شما به اندازه یک دی وی دی هم از اینترنت دانلود کنید یا چند پکیج آموزشی بخرید باز همه نرم افزار را یاد نگرفته اید.
در این شرایط ممکن است شما به کتاب رجوع کنید. کتاب یک منبع خوب برای یادگیری جامع است که برخالف ویدئوهای آموزشی امکان رجوع سریع و همچنین بخاطر سپاری و یاد آوری (مخصوصاً برای ما ایرانی ها که فقط با کتاب آموزش داده می شویم!) را دارد. اما اینجا متوجه می شوید کتاب به روز خوبی وجود ندارد و اکثر این کتاب ها هم زیاده نویسی می کنند تا از بکار بردن تصاویر رنگی اجتناب کنند. شاید هم خواسته باشند فقط پول در آورند. در این شرایط بعد از خواندن یک صفحه، یک فصل و ... و چند کتاب میفهمید که اگر خلاصه می کردند کل آموزش ها یک دفتر 40 برگ هم نبوده است. پس باید چگونه یاد گرفت؟ 
بهترین روش برای یادگیری شرکت در کلاس های یک استاد حرفه ای که در بازارکار هم کار می کند است. فقط این راه است که در زمان کم شما را به نتیجه می رساند. راه دیگر هم صرف زمان زیاد و استفاده از منابع مختلف (کتاب + فیلم های آموزشی شرکت های مختلف و البته انجمن های اینترنتی) است که به خاطر پول زده نشده اند. همین الان یک راه دیگر یادگیری جامع و حرفه ای هم اضافه شد! آن هم کتاب سورس باز است. امیدوارم این کتاب زمان کم و یادگیری جامعی را برای شما به ارمغان آورد.

تماس با ما
سفارش پروژه