آموزش مدلسازی معادلات ساختاری حداقل مربعات جزئی (PLS-SEM) و تحلیل مسیر با SmartPLS 4
یادگیری مدلسازی معادلات ساختاری PLS-SEM و تحلیل مسیر با استفاده از SmartPLS 4 از سطح مقدماتی.
اهداف آموزشی:
- آشنایی با مفاهیم پایه مرتبط با تحلیل چند متغیره و مدلسازی معادلات ساختاری (SEM).
- آموزش کاربردهای اساسی SEM در پژوهش با استفاده از SmartPLS 4.
- شرح مراحل آمادهسازی و ایجاد فایل داده با استفاده از SPSS.
- آموزش عملی کاربرد SEM با استفاده از مجموعه داده معتبر و گزارش نتایج.
PLS-SEM چیست؟
PLS-SEM یک رویکرد مبتنی بر ترکیب در SEM است که هدف آن به حداکثر رساندن واریانس تبیینشده سازههای وابسته در مدل مسیر است. محققان و متخصصان از PLS-SEM به ویژه زمانی استفاده میکنند که مطالعاتی را در مورد عوامل موفقیت و منابع مزیت رقابتی انجام میدهند.
در مقایسه با سایر تکنیکهای SEM، PLS-SEM به محققان اجازه میدهد تا مدلهای بسیار پیچیده را با سازهها و متغیرهای نشانگر فراوان تخمین بزنند. علاوه بر این، PLS-SEM امکان تخمین سازههای انعکاسی و تکوینی را فراهم میکند و به طور کلی انعطافپذیری زیادی را از نظر الزامات داده ارائه میدهد. هدف PLS-SEM تبیین واریانسها (ماهیت پیشبینیمحور روششناسی) است، نه تبیین کوواریانسها (آزمایش نظریه از طریق SEM مبتنی بر کوواریانس، CB-SEM). استفاده از روش PLS-SEM در صورتی از اهمیت بالایی برخوردار است که مفروضات CB-SEM نقض شده باشند و روابط علت و معلولی پیشنهادی به اندازه کافی بررسی نشده باشند.
سرفصلهای دوره:
- اهمیت تحلیل داده چیست؟
- مفاهیم پایه مرتبط با SEM
- تحلیل داده با استفاده از SPSS و SmartPLS
- تحلیل مدل اندازهگیری
- تحلیل مدل ساختاری
- تحلیل نقش میانجی/تعدیلگر
- مسائل پیشرفته در SmartPLS
- نحوه گزارشنویسی به سبک APA
- تمرینهای واقعی از پروژههای Fiverr
- شروع به کار با گیگهای Fiverr
- نکات و ترفندها و موارد دیگر
ویژگیهای دوره:
- مزیت رقابتی برای ادامه تحصیل در مقاطع دکتری و کارشناسی ارشد
- ابزار مورد نیاز برای انتشار مقالات علمی
- نرخ پذیرش بالا در مجلههای برتر کسب و کار
- توضیح آسان تحلیلهای آماری
- تمرکز بر نظریه و عمل
- تبدیل شدن به یک تحلیلگر داده و فریلنسر جهانی
- فرصت شغلی عالی
- تقاضای زیاد در بازارهای محلی و جهانی
نرمافزارهای مورد استفاده: SmartPLS 4, SPSS 25.0
مخاطبان دوره:
دانشجویان دکتری، اعضای هیئت علمی، دانشجویان دانشگاه و افرادی که در تکنیکهای آماری معاصر مشغول به کار هستند یا به آن علاقه دارند.
پیشنیاز:
دانش پایه در مورد تکنیکهای چند متغیره مانند تحلیل عاملی و رگرسیون چندگانه.
با سپاس
شاهدالحسن
دستیار پژوهشی و پژوهشگر مستقل.
BBA & MBA, University of Dhaka.
مدرس سابق، East Delta University.
مربی تحلیل داده، Instructory و Udemy.
فریلنسر برتر، Upwork.
عضو هیئت بررسی سرمقالهای، Virtual Economics & Transnational Marketing Journal.
ویراستار، Global Journal of Entrepreneurship, Innovation and Leadership.
دستیار ویراستار، Journal for the Study of Cooperative and Experiential Education.
Research with Shahed
نمایش نظرات