الزامات SmartPLS 4 - برای پژوهش و تحلیل داده
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- آشنایی با مفاهیم اولیه مرتبط با تحلیل چندمتغیره و SEM
- نمایش کاربردهای اولیه SEM در پژوهش با SmartPLS 4
- نمایش فرایند آمادهسازی و ایجاد فایل داده با SPSS
- ارائه آموزش عملی برای بهکارگیری SEM با یک مجموعهداده معتبر و گزارش نتایج
پیشنیازهای دوره
دانش اولیه از تکنیکهای چندمتغیره مانند تحلیل عاملی و رگرسیون چندگانه.
توضیحات دوره
در مقایسه با سایر تکنیکهای SEM، PLS-SEM به پژوهشگران اجازه میدهد مدلهای بسیار پیچیده را با سازهها و متغیرهای شاخص متعدد برآورد کنند. علاوه بر این، PLS-SEM امکان برآورد سازههای بازتابی و تکوینی را فراهم میکند و بهطور کلی از نظر الزامات داده، انعطافپذیری زیادی دارد. هدف PLS-SEM توضیح واریانسها است (ماهیت پیشبینیمحور این روش) و توضیح کوواریانسها (آزمون نظریه از طریق SEM مبتنی بر کوواریانس، CB-SEM) نمیباشد. کاربرد روش PLS-SEM زمانی بسیار مهم است که مفروضات CB-SEM نقض شده باشند و روابط علتومعلولی پیشنهادی بهقدر کافی بررسی نشده باشند.
این دوره شامل جنبههای زیر خواهد بود:
- چرا تحلیل داده موردنیاز است؟
- مفاهیم اولیه مرتبط با SEM
- تحلیل داده با SPSS و SmartPLS
- تحلیل مدل اندازهگیری
- تحلیل مدل ساختاری
- تحلیل میانجی و تعدیلگر
- موضوعات پیشرفته در SmartPLS
- توضیح به سبک APA
- تمرین واقعی از پروژههای Fiverr
- شروع کار با گیگهای Fiverr
- نکات، ترفندها و غیره
ویژگیهای این دوره شامل موارد زیر است، اما به اینها محدود نمیشود:
- برتری رقابتی برای ادامه تحصیل در مقطع PhD و کارشناسی ارشد
- ابزار ضروری برای انتشار علمی
- نرخ پذیرش بالا در مجلات برتر کسبوکار
- توضیح ساده تحلیل آماری
- تمرکز همزمان بر نظریه و عمل
- تبدیل شدن به یک تحلیلگر داده و فریلنسر جهانی
- فرصت شغلی عالی
- تقاضای بسیار زیاد در بازارهای محلی و جهانی
پکیج نرمافزاری: SmartPLS 4 و SPSS 25.0
این دوره برای چه کسانی مناسب است؟
- پژوهشگران
- اعضای هیئت علمی
- دانشجویان دانشگاه
- پژوهشگران PhD
- فریلنسرها
الزامات SmartPLS 4 - برای پژوهش و تحلیل داده
-
تیزر دوره 01:05
-
آشنایی با مدرس دوره 01:56
-
اهداف و محتوای دوره 03:16
-
مفاهیم اولیه مرتبط با SEM: بخش A 07:28
-
مفاهیم اولیه مرتبط با SEM: بخش B 10:26
-
فرایند پژوهش و بسته نرمافزاری 04:42
-
مراحل انجام SEM: بخش A 08:29
-
مراحل انجام SEM: بخش B 05:53
-
آمادهسازی داده و تحلیل مقدماتی با SPSS: بخش A 08:42
-
آمادهسازی داده و تحلیل مقدماتی با SPSS: بخش B 03:16
-
ارزیابی اعتبار مدل اندازهگیری: تئوری 08:14
-
پایایی سازه و روایی همگرا 10:17
-
گزارش نتایج پایایی سازه و روایی همگرا 02:47
-
روایی واگرا 02:47
-
گزارش نتایج روایی واگرا 04:59
-
ارزیابی اعتبار مدل ساختاری: بخش A 08:02
-
تحلیل مدل ساختاری در SmartPLS 4 05:25
-
گزارش نتایج تحلیل مدل ساختاری 06:07
-
ارزیابی اعتبار مدل ساختاری: بخش B 04:42
-
گزارش نتایج 04:05
-
اثرات میانجی: تئوری 05:51
-
تحلیل اثرات میانجی در SmartPLS 08:15
-
گزارش نتایج اثرات میانجی 08:03
-
اثرات تعدیلگر: تئوری 04:32
-
تحلیل اثرات تعدیلگر در SmartPLS 04:59
-
گزارش نتایج اثرات تعدیلگر: بخش A 04:30
-
گزارش نتایج اثرات تعدیلگر: بخش B 06:58
-
سازههای مرتبه بالاتر: تئوری 12:19
-
سازههای مرتبه بالاتر در SmartPLS: بخش A 13:49
-
سازههای مرتبه بالاتر در SmartPLS: بخش B 03:38
-
سازههای مرتبه بالاتر در SmartPLS: بخش C 06:41
-
گزارش نتایج سازههای مرتبه بالاتر: بخش A 06:11
-
گزارش نتایج سازههای مرتبه بالاتر: بخش B 08:08
-
تحلیل چندگروهی: تئوری 02:23
-
تحلیل چندگروهی در SmartPLS 07:38
-
گزارش نتایج تحلیل چندگروهی 03:27
-
شروع کار با پروفایل Fiverr 05:39
-
شروع کار با گیگ در Fiverr 06:02
-
تبلیغ گیگ در Fiverr 03:01
-
تحلیل خروجیهای SmartPLS با چتجیپیتی 07:12
-
تفسیر داده با چتجیپیتی 03:26
مشخصات آموزش
الزامات SmartPLS 4 - برای پژوهش و تحلیل داده
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:Alls
- تعداد درس:41
- مدت زمان :04:05:28
- حجم :2.37GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy