جامع ترین دوره های  آموزش  Smart PLS 3

دوره های آموزشی smart pls 3 یک مجموعه آموزشی کامل و جامع جهت آموزش انجام تحلیل آماری با این نرم افزار بر اساس مدل سازی معادلات ساختاری معروف به Partial Least Square است. نرم افزار Smart PLS 3 معروف به کمترین مربعات جزئی نیز می باشد. این دوره آموزشی اسمارت پی ال اس نسخه 3 شامل دو بسته آموزشی در یک مجموعه آموزشی بوده که دوره اول با نام مدل سازی معادلات ساختاری با Smart PLS 3 و دوره دوم با نام نا گفته های Smart PLS 3 است.

5 ویژگی دوره آموزشی Smart PLS 3

مجموعه آموزشی اسمارت پی ال اس نسخه سوم شامل 5 ویژگی کلیدی است. 5 ویژگی دوره آموزشی Smart PLS 3 به شرح زیر است:

1- پایان نامه محور بودن

دوره آموزشی Smart PLS 3 به گونه ای طراحی شده است که خود آموز باشد. به عبارت دیگر، دانشجو به در قالب پروژه هایی با میزان دشواری آسان، متوسط و دشوار شروع به آموزش می کند؛ این در حالی است که به صورت عملی مدل های پیچیده از روابط ساده رگرسیونی تا مدل هایی با یک یا دو متغیر میانجی و بررسی روابط تعدیل گری آشنا می شود.

2- جامع بودن

یکی دیگر از ویژگی های دوره آموزشی smart PLS 3 میزان فرا گیر بودن آن است. در این دو مجموعه آموزشی اسمارت پی ال اس نسخه سوم، به گونه ای تلاش شده است که دانش پذیر ابتدا با مباحث مدل سازی معادلات ساختاری با PlS، سپس رابط نرم افزاری و در نهایت، نحوه تفسیر مدل های پیچیده و گزارش نویسی آن آموزش داده شده است. لذا با اطمینان اعلام می کنیم که به منبع دیگری جهت یادگیری مدل سازی معادلات ساختاری با Smart PLS 3 نیازی نخواهید داشت.

3-تشریح کامل الگوریتم تحلیل داده ها در Smart PLS 3

مجموعه آموزش اسمارت پی ال اس به گونه ای تدوین شده است که به طور کامل الگوریتم تحلیل داده ها در Smart PLS 3 را به دانشجویان به گونه ای آموزش دهد که به راحتی بتوانند انواع مدل های پیچیده در حالت مدل های اندازه گیری انعکاسی (Reflective) و تکوینی (Formative) تحلیل نمایند.

4-بالاترین سطح آمادگی برای جلسه دفاع

همراه این مجموعه آموزش PLS 3، یک بسته آموزشی تحت عنوان ناگفته های Smart PLS 3 در نظر گرفته شده که دانشجویان را با سوالات رایج اساتید و داوران در هنگام دفاع از پایان نامه آشنا می سازد. ناگفته های Smart PLS 3 به بیان دیگر، موشک آموزش اسمارت پی ال اس 3 بوده که حتی مناسب آن دسته از دانشجویانی است که کار تحلیل آماری فصل چهارم پایان نامه شان را برون سپاری کردند.

5- مشاوره تخصصی و رفع اشکال

ویژگی پنجم دوره آموزش Smart PLS 3، امکان دریافت مشاوره تخصصی و رفع اشکال است که همراه این بسته آموزشی Smart PLS 3 می باشد. شما دانش پذیران می توانید به با تهیه این مجموعه آموزشی منسجم از این امتیاز به صورت رایگان در دو جلسه مشاوره تلفنی بهره منده گردید.

آزمون های پیش نیاز تحلیل با نرم افزار Smart PLS 3

یکی از معروف ترین نرم افزار های قوی برای تحلیل آماری فصل چهارم پایان نامه و رساله دکتری، نرم افزار Smart PLS 3 است. پیش از بررسی الگوریتم تحلیل داده‌ ها در نرم‌ افزار Smart PLS 3 توجه شما دوستان را به پاره ای از مفاهیم مقدماتی ولی مهم با این نرم افزار جلب می کنیم. در این قسمت به ارائه مفاهیم مقدماتی پیش از اجرای مدل‌سازی معادلات ساختاری (SEM) و تحلیل آماری با نرم افزار  Smart PLS 3 در قالب آزمون های پیش نیاز تحلیل با نرم افزار Smart PLS 3 می پردازیم.

1-انجام آزمون نرمال بودن نمونه آماری در PLS

یکی از آزمون‌ های اصلی در تحلیل آماری داده‌ های گردآوری‌ شده در هر مطالعه ای، بررسی نرمال بودن نمونه آماری است. برای بررسی توزیع داده‌ ها می‌ توانیم از آزمون های چولگی (Skewness) و کشیدگی (Kourtosis) استفاده نماییم. از سوی دیگر، از آزمون کولموگروف – اسمیرنوف با استفاده از نرم افزار SPSS برای بررسی نرمال بودن داده‌ ها استفاده می‌ گردد.

2-انواع متغیرها در نرم‌افزار Smart PLs 3  از حیث جنس

به متغیر های موجود در یک مدل مفهومی پیشنهادی فرضی، سازه مکنون یا سازه پنهان گفته می شود. از حیث جنس متغیر ها، دو نوع متغیر در تحلیل آماری با Smart PLS 3 وجود دارد که عبارت‌اند از:

الف) متغیرهای انعکاسی (Reflective)؛

ب) متغیرهای تکوینی (Formative).

1-2-متغیر های انعکاسی (Reflective):

به آن دسته از متغیر هایی اشاره دارد که جهت پیکان بین سؤالات و دایره‌ های آبی‌ رنگ که بیانگر متغیر می باشند، از دایره‌ های آبی‌ رنگ به سمت مستطیل‌ های زرد رنگ می باشد. به عبارت دیگر، جهت نوک پیکان‌ ها از دایره‌ های آبی خارج‌ شده و به مستطیل‌ های زرد رنگ وارد می گردد. ریشه همه سؤالات در متغیر های انعکاسی (Reflective) در Smart PLS 3 یکی و  از یک جنس هستند.

2-2–متغیر های تکوینی (Formative):

به آن دسته از متغیر هایی اشاره دارد که جهت پیکان بین سؤالات و دایره‌ های آبی‌ رنگ که بیانگر متغیر ها هستند، از مستطیل‌ های زرد رنگ به سمت دایره‌ های آبی‌ رنگ می‌باشد. به عبارت دیگر، جهت نوک پیکان‌ ها از مستطیل‌ های زرد رنگ خارج‌ شده و به دایره‌ های آبی وارد می‌ شود. ریشه همه سؤالات در متغیر های تکوینی (Formative) در تحلیل آماری با Smart PLS 3 یکی نیست و از یک جنس نمی‌ باشند.

3- انواع متغیر ها در نرم‌ افزار Smart PLs 3  از حیث نوع متغیر

یکی از موضوعات مهم در مدل‌ سازی معادلات ساختاری با Smart PLS 3 موضوع نوع متغیر هاست. متغیر ها در Smart PLS 3 در قالب متغیر های مرتبه اول (First-order construct) و متغیر های مرتبه دوم و بالاتر (Second & high order construct) دسته بندی می شوند. متغیر های مرتبه اول در مدل‌ سازی معادلات ساختاری با نرم‌افزار Smart PLS 3  در سطح پایین‌ تری از انتزاع قرار دارند یعنی برای سنجش و ارزیابی یک متغیر در مدل‌ سازی معادلات ساختاری، از آیتم یا سؤالات استفاده می گردد.

این سؤالات قابل درک و فهم بوده و به آن‌ ها متغیر ها یا سازه های آشکار پذیر گفته می‌ شود. از سوی دیگر، برخی از تعاریف وجود دارند که در سطح بالاتری از انتزاع قرار دارند. به این متغیر ها، متغیر های مرتبه دوم و بالاتر گفته می‌ شود. این متغیر ها هر اندازه مرتبه آن‌ ها بالاتر باشد، وضعیت انتزاعی بودن آن‌ ها نیز افزایش یافته و درک آن‌ ها نیز برای افراد جامعه آماری به مراتب مشکل خواهد بود.

الگوریتم تحلیل با نرم‌ افزار Smart PLS 3

در این قسمت قصد داریم در ارتباط با الگوریتم تحلیل داده‌ها در نرم‌افزار Smart PLS 3 مطالبی ارائه کنیم. برای ارزیابی یک مدل در مدل‌ سازی معادلات ساختاری با نرم‌ افزار Smart PLS 3 از سه مرحله باید عبور کنیم. این سه‌ گام یا مرحله اصلی در مدل‌ سازی معادلات ساختاری معروف به الگوریتم تحلیل داده‌ ها است که عبارت‌اند از:

الف) برازش مدل‌ های اندازه‌گیری (Measurement Models)؛

ب) برازش مدل ساختاری (Structural Model)؛

ج) برازش مدل کلی (Model Fit/GOF).

قبل از بررسی فرضیات هر پژوهشی در قالب مدل مفهومی در نرم‌افزار Smart PLS 3 باید به ارزیابی برازش مدل بپردازیم. اولین مرحله ارزیابی برازش مدل‌ های اندازه‌گیری (Measurement Models) است. در این قسمت باید به بررسی شاخص‌ های روایی و پایایی مدل‌ های اندازه‌ گیری پرداخته شود.

یادآوری:

تعریف مدل اندازه‌ گیری در  Smart PLS 3

در نرم‌ افزار Smart PLs 3 به هر یک از دایره‌ های آبی‌ رنگ همراه با یک یا چند آیتم، یک مدل اندازه‌ گیری اطلاق می شود.به عنوان یک نکته کلیدی توجه داشته باشید که مدل مفهومی در نرم‌ افزار Smart PLS 3 می‌ تواند شامل دو یا چند مدل‌ های اندازه‌ گیری باشد.

4 شاخص‌ برازش مدل‌ های اندازه‌ گیری در  Smart PLS 3 عبارت‌ اند از:

1- بار های عاملی بالای 0.4 برای هر سؤال؛

2- ضریب آلفای کرونباخ بالای 0.7؛

3- ضریب پایایی اشتراکی / ترکیبی(CR) بالای 0.7

4- مقدار میانگین واریانس استخراج‌ شده (AVE) بالای 0.5 برای همه متغیر ها.

گام بعدی پس از بررسی برازش مدل‌ های اندازه‌ گیری در مدل‌ سازی معادلات ساختاری با Smart PLS 3، برازش مدل ساختاری است. به‌ طور کلی در یک مدل مفهومی می توان یک مدل ساختاری طراحی کرد. به همین دلیل است که نمی‌ گوییم مدل‌ های ساختاری.

5 شاخص‌ برازش مدل ساختاری در Smart PLS 3 عبارت‌ اند از:

1-معنی‌ داری آماره t-value  بالای 1.96؛

2-روایی افتراقی یا تفکیکی بر اساس ماتریس فورنل-لارکر (Fornel-Lurcker) و جدول بار های متقاطع (Cross loading)؛

3-ضریب تعیین یا ضریب آر دو (R square/R2)؛

4-معیار اِستون –گریسر/چشم‌ پوشی مدل (Blindfoolding)؛

5-اندازه اثر یا آماره فیشر (F square).

شاخص سوم برای برازش مدل‌ های مفهومی در مدل‌ سازی معادلات ساختاری با Smart PLS 3، شاخص برازش مدل کلی است. این شاخص در نرم‌ افزار اسمارت پی ال اس نسخه 2 معروف به GOF است. برای محاسبه GOF به محاسبه دو آماره مقادیر اشتراکی (Communilites) و ضرایب تعیین (R2) نیاز داریم. در نرم‌ا فزار اسمارت پی ال اس نسخه سوم از شاخص‌های برازش SRMR و شاخص NFI استفاده می کنیم. درنتیجه در نرم‌ افزار اسمارت پی ال اس نسخه سوم نمی توان آماره GOF را محاسبه نمود؛ چون به مقادیر اشتراکی دسترسی نداریم.

بررسی شاخص VIF یا  مسئله هم خطی برای متغیر های تکوینی (Formative)

برای بررسی برازش متغیر های تکوینی (Formative) در نرم‌افزار Smart PLS 3 باید مسئله هم خطی بین متغیر های تکوینی را بررسی کنیم. مقدار پیشنهاد شده برای شاخص VIF متغیر های تکوینی (Formative) برابر با مقدار 3.3 در حالت سخت‌ گیرانه و مقدار 5.5 در حالت نرمال می‌ باشد. حال اگر برای متغیر های تکوینی (Formative) مقدار هم خطی یا VIF پایین‌ تر از مقدار 5.5 نیز بدست آمد، می‌ توانیم ادعا کنیم که مسئله هم خطی وجود ندارد.

متغیر میانجی‌  در Smart PLS 3

نقش میانجی‌ (Mediation Effect) وقتی در نرم‌افزار Smart PLS 3 رخ می‌ دهد که دو متغیر داشته باشیم که یکی نقش سازه مستقل (Independent variable) و دیگر نقش سازه وابسته اصلی(Dependent Variable) را بازی می کند. حال سازه مستقل (Independent variable) روی سازه وابسته اصلی (Dependent Variable) تأثیر مستقیمی (Direct Effect) دارد.

اگر سازه دیگری وارد این رابطه شده و سازه مستقل (Independent variable) یک تأثیر جذب‌ شده از سوی سازه سومی به‌ عنوان میانجی (Mediation Effect) داشته باشد، آنگاه می‌ توانیم ادعا کنیم که مدل با سه متغیر است این مدل سه متغیره حال دارای تاثیر میانجی‌ گری (Mediation Effect) است. نقش میانجی‌ در  Smart PLS 3 از موضوعات بسیار مهم است.

ارزیابی اندازه اثر میانجی‌ با استفاده از شاخص VAF

برای اندازه‌ گیری اندازه تأثیر میانجی‌ گری از شاخص VAF در نرم افزار Smart PLS 3 استفاده می گردد. به‌ طور کلی سه حالت برای متغیر میانجی دور از انتظار نیست. این سه حالت متغیر میانجی‌ در نرم‌ افزار Smart PLS 3  عبارت‌ اند از:

الف) عدم میانجی‌ گری (Absecnce mediation)؛

ب) میانجی‌ گری جزئی (Partial Mediation)؛

ج)میانجی‌ گری کامل (Full Mediation)؛

بر اساس فرمول  VAF ابتدا باد مقدار آماره محاسبه گردد. برای محاسبه شاخص VAF مقدار حاصل‌ ضرب ضرایب مسیر اثرات غیر مستقیم را بر مقدار حاصل جمع حاصل‌ ضرب ضرایب مسیر اثرات غیر مستقیم و اثرات کل تقسیم می‌کنیم.

•  اگر مقدار آن کمتر از 20 % باشد، آنگاه میانجی‌ گری نداریم.
• اگر مقدار VAF بالای 20 % و پایین‌ تر از 80 % حاصل گردد، آنگاه نوع میانجی‌ گری جزئی است.
• اگر مقدار VAF  بالای 80 % حاصل گردد آنگاه نوع میانجی‌ در Smart PLS 3، میانجی‌ گری کامل است.

بررسی تاثیر تعدیل گر در Smart PLS 3

با استفاده از نرم‌ افزار مدل‌ سازی معادلات ساختاری Smart PLS 3 می توان اثر تعدیل گری یک متغیر را در مدل بررسی کرد. متغیر تعدیل گر در نرم‌ افزار Smart PLS  نسخه 3 با رنگ سبز و در نسخه 2 با رنگ بنفش نمایش داده می‌ شود. به‌ طور کلی در نرم‌ افزار Smart PLS 3 دو نوع اثر تعدیل گری وجود دارد که عبارت‌ اند از:

الف) تاثیر متقابل (Interaction Effect)؛

ب) تاثیر تحلیل چند گروهی (MGA)؛

تاثیر متقابل (Interaction Effect)

زمانی از تاثیر تعدیل گری اثر متقابل (Interaction Effect) در نرم‌ افزار Smart PLS 3 استفاده می‌ کنیم که جنس متغیر  پیوسته (Continuous) باشد.

تاثیر تحلیل چند گروهی (MGA)

زمانی از تاثیر تعدیل گری اثر تحلیل چند گروهی (MGA) در نرم‌ افزار Smart PLS 3 استفاده می‌ کنیم که جنس متغیر از طبقه‌ بندی‌ شده (Categorical) باشد. متغیر طبقه‌ بندی را می‌ توان به متغیر های جنسیت (Gender)، تحصیلات(Eduaction) و … اطلاق می‌ شود.

ماتریس اهمیت – عملکرد در  Smart PLS 3 چیست

با استفاده از ماتریس اهمیت-عملکرد در Smart PLS 3 می توان متغیر های تأثیر گذاری روی یک متغیر هدف را اولویت‌ بندی نمود. در ماتریس اهمیت – عملکرد (Importance-Performance) متغیر ها بر اساس اندازه تاثیر کل (Total Effect) اولویت‌ بندی می‌ شوند.

کیفیت دوره های آموزش نرم افزار  با Smart PLS 3

• این بسته آموزشی شامل ویدئو های صوتی و تصویری با فرمت فشرده mp4. بوده که به راحتی با نصب ویدئو پلیر های قدرتمند از قبیل VLC Player و KM Player قابل پخش می باشند.
• کیفیت این محصول HD بوده و دارای صدا و تصویر بسیار با کیفیت است.
• این بسته آموزشی شامل ۱۸ ویدئو آموزشی معادل ۳ ساعت و ۱۰ دقیقه  برای بسته ناگفته های SMART PLS 3 و  شامل 24 ویدئو آموزشی معادل ۴ ساعت و ۱۸ دقیقه برای خودآموز تحلیل آماری با SMART PLS 3 بوده که در آن از مباحث ساده تا پیشرفته مدل سازی معادلات ساختاری (Structural Equation Modeling) نرم افزار اسمارت پی ال اس معروف به کمترین مربعا جزئی پرداخته شده است.
• کلیه آموزش ها منطبق بر کتاب رینگل و همکاران (۲۰۲۰) ویرایش سوم است.