0

هیچ محصولی در سبد خرید نیست.

برای مشاهده لیست علاقه مندی ها وارد شوید!

مشاهده محصولات فروشگاه

تعیین حجم نمونه برای روش رگرسیون و مدل معادلات ساختاری

دسته بندی :مطالب علمی و آموزشی 7 نوامبر 2018 آرین 2551

تعیین حجم نمونه برای روش رگرسیون و مدل معادلات ساختاری

در تحلیل رگرسیون چند متغیری نسبت تعداد نمونه (مشاهدات) به متغیرهای مستقل نباید از ۵ کمتر باشد. در غیر این صورت نتایج حاصل از معادله رگرسیون چندان تعمیم پذیر نخواهد بود (هیرو و همکاران ،۱۹۹۵، ۱۰۵) (به نقل از وب سایت آریا مدیر). نسبت محافظه کارانه تر ۱۰ مشاهده به ازای هر متغیر مستقل را هالینسکی و فلورت (۱۹۷۰) و میلر و کانس (۱۹۷۳) پیشنهاد نموده اند. از دیدگاه جیمز استیونس حتی در نظر گرفتن ۱۵ مورد به ازای هر متغیر پیش بین در تحلیل رگرسیون چند گانه با روش معمولی کمترین مجذورات استاندارد، یک قاعده سر انگشتی خوب به حساب می‌آید. چون SEM در برخی جنبه ها کانلاض مرتبط با رگرسیون چند متغیری است تعداد 15 مورد به ازای هر متغیر اندازه گیری شده در SEM غیر منطقی نیست. بنتلر و چو (1988) یادآوری می کنند که پژوهشگران می توانند برای هر برآورد پارامتر در تحلیل های SEM حجم نمونه را تا 5 مورد کاهش دهند، اما فقط اگر با داده ها به گونه کاملاً مناسبی عمل شده باشد(برای مثال، توزیع نرمال بدون داده های گمشده یا موارد پرت و مانند آن). توجه داشته باشید که بنتلر و چوی 5 مورد را برای هر برآورد پارامتر و نه برای هر متغیر اندازه گیری شده توصیه کرده اند ( هومن، ۱۳۸۴، ۲۲).

 

منبع: هومن، حیدرعلی. (1387). مدل یابی معادلات ساختاری با کاربرد نرم افزار لیزرل، انتشارات سمت، چاپ دوم.

آرین

راه آسان‌تری برای ارتباط با کاربران‌مان پیدا کرده‌ایم :) عضویت در کانال

مطالب زیر را حتما بخوانید:

قوانین ارسال دیدگاه در سایت

  • چنانچه دیدگاهی توهین آمیز باشد و متوجه اشخاص مدیر، نویسندگان و سایر کاربران باشد تایید نخواهد شد.
  • چنانچه دیدگاه شما جنبه تبلیغاتی داشته باشد تایید نخواهد شد.
  • چنانچه از لینک سایر وبسایت ها و یا وبسایت خود در دیدگاه استفاده کرده باشید تایید نخواهد شد.
  • چنانچه در دیدگاه خود از شماره تماس، ایمیل و آیدی تلگرام استفاده کرده باشید تایید نخواهد شد.
  • چنانچه دیدگاهی بی ارتباط با موضوع آموزش مطرح شود تایید نخواهد شد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

لینک کوتاه:
enemad-logo
0