در این مطلب، ویدئو استفاده از SPSS برای انجام تجزیه و تحلیل مؤلفه های اصلی (2018) با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:46:25
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>03
در این ویدیو من قصد دارم
2
03 =>05
نحوه انجام تجزیه و تحلیل مؤلفه های اصلی را
3
05 =>10
با استفاده از تجزیه و تحلیل مؤلفه های اصلی spss
4
10 =>13
نشان دهم که اساساً زمانی استفاده می
5
13 =>16
شود که مجموعه ای از مجموعه بزرگتری از متغیرهای اندازه گیری شده
6
16 =>18
دارید و می خواهید آنها
7
18 =>20
را به مجموعه ای کوچکتر از مؤلفه ها کاهش دهید.
8
20 =>23
اغلب اوقات تجزیه و تحلیل مؤلفهها
9
23 =>26
پیشدرآمدی برای انواع دیگر تحلیلها
10
26 =>29
مانند تحلیل رگرسیون یا مانوا است که در
11
29 =>31
آن ممکن است مجموعه بزرگتری از
12
31 =>34
متغیرهای پیشبینیکننده یا متغیرهای نتیجه ما
13
34 =>38
در زمینه manova داشته باشید و اگر
14
38 =>41
میزان همبستگی مناسبی
15
41 =>43
بین متغیرها و شما دارید.
16
43 =>45
خطر همخطی بودن بین آن
17
45 =>48
متغیرها وجود دارد، پس ممکن است بخواهید
18
48 =>50
آن مجموعه از متغیرها را به مجموعهای کوچکتر
19
50 =>55
برای گنجاندن در آن تحلیلها کاهش دهید،
20
55 =>58
PCA نیز در چارچوب
21
58 =>01:00
تحلیل عاملی اکتشافی استفاده میشود که اغلب اوقات
22
01:00 =>01:05
به نوعی پیشرو برای شناسایی است.
23
01:05 =>01:09
مجموعه ای از عوامل یا تعیین
24
01:09 =>01:11
تعداد عواملی که ممکن است
25
01:11 =>01:15
در داده ها وجود داشته باشد و سپس می توانید آن
26
01:15 =>01:20
را با حمل دنبال کنید استفاده از EFA سنتی با استفاده از
27
01:20 =>01:22
چیزی مانند
28
01:22 =>01:24
تجزیه و تحلیل عامل محور اصلی یا حداکثر احتمال یا
29
01:24 =>01:26
انواع چیزهایی که
30
01:26 =>01:28
برخی استدلال می کنند که
31
01:28 =>01:31
pca جایگزین قابل قبولی برای
32
01:31 =>01:33
تجزیه و تحلیل عامل اکتشافی استاندارد است، اما
33
01:33 =>01:36
بحث های زیادی در مورد آن وجود دارد، بنابراین من عمدتا
34
01:36 =>01:39
قصد دارم pca را از
35
01:39 =>01:42
دیدگاه آن را
36
01:42 =>01:47
تنها به عنوان تکنیکی برای کاهش دادهها میدانیم و بحث استفاده از
37
01:47 =>01:49
آن را برای تحلیل عاملی اکتشافی استاندارد
38
01:49 =>01:55
برای دیگران باقی میگذاریم تا استدلال کنند، بنابراین در
39
01:55 =>01:56
هر حال ما یک مجموعه دادهای در اینجا
40
01:56 =>02:00
داریم که دارای 100 مشاهده است، ما مجموعهای از
41
02:00 =>02:03
متغیرها را داریم.
42
02:03 =>02:05
هدفهای تسلط بر علایق موضوعی درک سودمندی
43
02:05 =>02:09
اضطراب یا اضطراب عملکرد
44
02:09 =>02:11
اجتناب از اهداف و اجتناب از کار
45
02:11 =>02:13
و من نیز در اینجا نوعی
46
02:13 =>02:15
متغیر پیشرفت دارم اگر
47
02:15 =>02:18
قرار باشد مجموعهای از
48
02:18 =>02:20
متغیرهای انگیزشی را به
49
02:20 =>02:22
مجموعهای از متغیرهای کوچکتر کاهش دهم. اگرچه
50
02:22 =>02:25
آن متغیرهای مشتق شده به عنوان پیش بینی کننده
51
02:25 =>02:28
موفقیت، مطمئناً می توانم این کار را انجام دهم، بنابراین
52
02:28 =>02:30
کاری که می خواهم انجام دهم این است که می روم
53
02:30 =>02:31
تمرکز اصلی بر اجرای PCA
54
02:31 =>02:35,