در منوی محصولات این سایت ویدئوهای آموزشی ارزشمندی با قیمت مناسب در زمینه تحلیل آماری خواهید دید
برای سفارش انجام فصل 4 پایان نامه با نرم افزار SPSS یا سایر نرم افزارهای آماری از طریق لینک پایین صفحات سایت برای ما پیام بفرستید
“اطمینان شرق” یک شرکت آماری دارای گرید مرکز آمار ایران، نماد اعتماد الکترونیک و تجربه 14 ساله است
مراقب برخی افراد سودجو که بدون داشتن تخصص آماری اقدام به قبول سفارش تحلیل با SPSS می کنند، باشید …
…. این افراد، پس از اخذ وجه قادر به پشتیبانی تا زمان دفاع پایان نامه و رفع ایرادات اساتید نیستند و به تماس های شما پاسخ نخواهند داد !! …..
…. این اشخاص اکثرا فاقد تلفن ثابت و آدرس دقیق دفتر کار بوده و هیچ نوع نظارتی از جانب نهادهای قانونی کشور را نپذیرفته اند.
سوالات خود در خصوص هر مطلبی که در سایت مطالعه می کنید را در بخش دیدگاه (در انتهای مطلب) درج نمایید تا به آن پاسخ دهیم. از طریق ایمیل از پاسخ ما به سوالتان مطلع خواهید شد.
@جایزه دارید اگر مطمئن تر از ما یافتید ! @
تحلیل عاملی با lisrel

1- نرم افزار لـيزرل (Lisrel) چیست؟

ليزرل Lisrel يك محصول نرم افزاري است كه به منظور برآورد و آزمون مدلهاي معادلات ساختاري طراحي و از سوي شركت بين المللي نرم افزار علمي (SSI) به بازار عرضه شده است.

اين نرم افزار با استفاده از همبستگي و كوواريانس بين متغيرهاي اندازه گيري شده، مي‌تواند مقادير بارهاي عاملي، واريانسها و خطاهاي متغيرهاي مكنون را برآورد يا استنباط كند، و از آن مي‌توان براي اجراي تحليل عاملي اكتشافي، تحليل عاملي مرتبه دوم، تحليل عاملي تاييدي و همچنين تحليل مسير (مدل يابي علّي با متغيرهاي مكنون) استفاده كرد.

1-الف- وب سایت جامع نرم افزار لیزرل

این شرکت آماری علاوه بر این سایت، دارای وب سایت دیگری نیز می باشد که به صورت کاملا تخصصی و ویژه به موضوعات مرتبط با نرم افزار لیزرل، مدل سازی معادلات ساختاری و انواع روشهای آماری با آن پرداخته است.

داشتن گواهینامه صلاحیت از مرکز آمار ایران، نماد اعتماد الکترونیک و بیش از 14 سال تجربه، می تواند اطمینان بخش شما در واگذاری خدمات تخصصی مورد نیاز خود در زمینه کار و سفارش تحلیل فصل 4 پایان نامه با Lisrel (این نرم افزار توانمند معادلات ساختاری) باشد. به طور ویژه آمادگی قبول انجام تحلیل عاملی (تاییدی یا اکتشافی) با نرم افزار لیزرل یا SPSS را داریم.

برای مشاهده این وب سایت، بهره برداری و دریافت متون آموزشی و محصولات ویدئویی آن بر لینک زیر کلیک نمایید:

سایت نرم افزار لیزرل و انجام تحلیل با آن

 

2- تحليل عاملي یا factor analysis چیست؟

هر گاه در يك تحقيق تعداد نسبتا زيادي متغير وجود داشته باشد، يافتن رابطه ها و يا به عبارت ديگر همبستگي بين اين متغيرها به روشهاي معمولي بسيار مشکل و گاه ناممكن مي‌باشد.

روش تحليل عاملي براي رفع اين مشكل بوجود آمده است و بر مبناي آن متغيرها به گونه اي دسته بندي مي‌شوند كه در نهايت به دو يا چند عامل كه همان مجموعه متغيرها هستند محدود مي‌گردند، به عبارت ديگر متغيرهاي مورد استفاده در تحقيق بر اساس صفات مشتركشان به دو يا چند دسته محدود شده و اين دسته ها را عامل مي ناميم. پس از آن روابط بين عامل ها بدست آمده و در هر عامل نيز روابط بين متغيرهاي آن محاسبه شده و در نهايت هدف اصلي تحقيق كه روابط بين متغيرهاي تحقيق است محاسبه مي‌شوند.

بنابراين هر عامل را مي‌توان متغيري ساختگي يا فرضي در نظر گرفت كه از تركيب چند متغير كه از وجوهي به هم شباهت دارند، ساخته شده است. از طرف ديگر روش تحليل عاملي به عنوان ابزاري براي كشف ميزان ممكن كاهش داده ها به كار مي‌رود (تحليل عاملي اكتشافي) و يا تاييد فرض هايي كه در مورد رابطه بين عاملها وجود دارد (تحليل عاملي تاييدي).

2-الف- کاربردهای تحلیل عاملی

به منطو پي بردن به متغيرهاي زير بنايي يك پديده يا تلخيص مجموعه اي از داده ها از روش تحليل عاملي استفاده مي‌شود. داده هاي اوليه براي تحليل عاملي، ماتريس همبستگي بين متغيرها است. تحليل عاملي، متغيرهاي وابسته از قبل تعيين شده اي ندارد.

موارد استفاده تحليل عاملي را به دو دسته كلي مي‌توان تقسيم كرد:

الف) مقاصد اكتشافي   ،   ب) مقاصد تاييدي

الف) مقاصد اكتشافي

موارد استفاده اكتشافي نيز به دو رويكرد كلي تقسيم مي‌شود:

مواردي كه هدف آن پيدا كردن متغيرهاي مكنون يا سازه هاي يك مجموعه متغير اندازه گيري شده است. براي نيل به اين هدف از روش تحليل عامل مشترك (يا تحليل عامل اصلي) و با استفاده از ماتريس همبستگي يا كواريانس متغيرهاي اندازه گيري شده (نمره سوالات يك آزمون يا ريز نمرات آزمون ها) استفاده مي‌شود. از لحاظ نظري متغيرهاي مكنون يا سازه ها علل زيربنايي متغيرهاي اندازه گيري شده است. رگرسيون متغيرهاي اندازه گيري شده روي متغيرهاي مكنون وزن هايي فراهم مي آورد كه بارهاي عاملي ناميده مي‌شود. تحليل عامل مشترك، واريانس هر متغير اندازه گيري شده را به دو واريانس مشترك و واريانس اختصاصي افراز مي‌كند. واريانس مشترك، تغييرات مشترك متغيرهاي اندازه گيري شده را با متغيرهاي مكنون نمايان مي‌كند.

تحليل مولفه هاي اصلي

در موارد اكتشافي كه هدف تلخيص مجموعه اي از داده ها باشد، از تحليل مولفه هاي اصلي استفاده مي‌شود.

در تحليل مولفه هاي اصلي، واريانس كل متغيرهاي مشاهده شده تحليل مي‌گردد. ماتريس همبستگي متغيرهاي اندازه گيري شده داراي قطر اصلي 1  است. در حالي كه در تحليل عامل مشترك در قطر اصلي ماتريس همبستگي ميزان اشتراك (واريانس مشترك متغير اندازه گيري شده و متغيرهاي مكنون) قرار مي‌گيرد. وقتي ميزان اشتراك به عدد يك نزديك باشد نتايج تمام روش هاي اكتشافي با نتايج مولفه هاي اصلي مشابه خواهد بود.

در تحليل مولفه هاي اصلي، بر عكس تحليل عامل مشترك، مولفه ها طوري برآورد مي‌شود تا واريانس متغيرهاي مشاهده شده را در كمترين ابعاد نشان دهد و مولفه هاي اصلي در واقع مجموع موزون متغيرهاي مشاهده شده است. به عبارت ديگر در تحليل مولفه هاي اصلي، متغيرهاي مشاهده شده علل متغيرهاي تركيبي (مولفه ها) مي‌باشد.

ب) مقاصد تاييدي

در تحليل هاي عاملي تاييدي، كه هدف پژوهشگر تاييد ساختار عاملي ويژه اي مي باشد، درباره تعداد عامل ها به طور آشكار فرضيه هاي بيان مي‌شود و برازش ساختار عاملي مورد نظر در فرضيه با ساختار كواريانس متغيرهاي اندازه گيري شده مورد آزمون قرار مي‌گيرد.

تحلیل عاملی توصيفي و استنباطي

تحليل عاملي را نيز بر حسب نمونه يا جامعه بودن آزمودني ها و متغيرها به دو دسته ي توصيفي و استنباطي تقسيم مي‌كنند.

جدول زير انواع تكنيك هاي استخراج عامل ها را بر حسب اكتشافي- تاييدي و توصيفي- استنباطي نشان مي‌دهد:

روش های تحلیل عاملی

2-ب- ويژگيهاي لازم ماتريس همبستگي براي تحليل عاملي

ماتريس داده هايي كه روي آن ها تحليل عاملي صورت مي‌گيرد بايد داراي پنج خصيصه زير باشد:

  • تركيب ماتريس داده ها

اگر محققي بخواهد ابعاد مشتركي بين چند مقياس اندازه گيري پيدا كند بايد تمام اندازه ها روي نمونه واحدي به دست آمده باشد.

  • حجم نمونه

براي هر متغير 5 تا 10  نمونه و به طور كلي در مجموع تا حداكثر 300 نمونه توصيه شده است. مثلا اگر منظور پژوهشگر تحليل عاملي براي 10 متغير باشد، حداقل بايد يك نمونه 50 تايي انتخاب كند.

  • شاخص رابطه

معمول ترين شاخص رابطه ضريب همبستگي است. منظور از ضريب همبستگي، ضريب همبستگي پيرسون است. بديهي است كه مفروضه اصلي در محاسبه اين ضريب همبستگي وجود يك توزيع دو متغيري نرمال است. چنانچه

  • مستقل بودن اندازه گيري

هر نوع وابستگي متغيرها به يكديگر سبب بالا رفتن همبستگي بين آن‌ها مي‌شود و سبب مي‌شود كه اين متغيرها در عامل واحدي ظاهر شود .  از جمله مواردي كه اين وابستگي صورت مي‌گيرد موقعي است كه از نمرات زير مقياسها و نمره كل مقياس در تحليل استفاده شود ( مثلا نمره كل بهره هوشي ، نمره كلامي بهره هوشي ، نمره كلاسي بهره هوشي تحليل شود). يا نمرات زير مقياس ها ويا نمرات كل بايد در تحليل وارد شود. مقياس هايي كه در آن‌ها بعضي از سوالات يا ماده هاي آزمون مشترك است نيز وابستگي ايجاد مي‌كند.

  • معني داري ماتريس

ماتريس داده ها براي تحليل عاملي بايد حاوي اطلاعات معني داري باشد. معني داري اطلاعات موجود در يك ماتريس از طريق آزمون مربع كاي بارتلت (Bartlett) صورت مي‌گيرد. معني دار بودن آماره كي دو (مربع كاي) و آزمون بارتلت حداقل شرط لازم براي تحليل عاملي است. در اين آزمون بايد آماره زير محاسبه گردد:

 

آزمون بارتلت

 

در آزمون بارتلت فرض صفر اين است كه متغيرها فقط با خودشان همبستگي دارند. رد فرض صفر  حاكي از آن است كه ماتريس همبستگي داراي اطلاعات معني دار است و حداقل شرايط لازم براي تحليل عاملي وجود دارد. اين آزمون را آزمون كرويت نيز گويند.

2-ج- مراحل اجراي تحليل عاملي

براي اجراي يك تحليل عاملي چهار گام اساسي ضرورت دارد:

1- تهيه يك ماتريس همبستگي از تمام متغيرهاي مورد استفاده در تحليل و براورد اشتراك

2- استخراج عامل ها

3- انتخاب و چرخش عامل ها براي ساده تر ساختن و قابل فهم تر كردن ساختار عاملي

4- تفسير نتايج

حال به توضیح هر کدام می پردازیم:

2-ج-1- تهيه ماتريس همبستگي

تهيه ماتريس همبستگي از تمام متغير هاي مورد مطالعه ، اولي گام تحليل عاملي است. در تهيه ماتريس همبستگي محقق بايد تصميم بگيرد كه در قطر اصلي اين ماتريس عدد 1 يا عدد ديگري بگذارد. اين عدد كه اشتراك ناميده مي‌شود ، نشانگر نسبت واريانس مشترك بين هر متغير و عامل هاست. مقدار اشتراك بين صفر و 1 تغيير مي‌كند. اشتراك صفر حاكي از اين است كه عامل هاي مشترك هيچ تغييري رادر متغير خاصي تبيين نمي‌كند، و اشتراك 1 حاكي از اين است كه تمام تغييرات متغير خاص توسط عامل هاي مشترك تبيين مي‌شود.به عبارت ديگر اشتراك مساوي 1 حاكي از اين است كه كل واريانس متغير هاي مشاهده شده تحليل عامل مي‌شود، در حالي كه اگر واريانس مشترك متغير هاي مشاهده شده و متغير هاي مكنون (عامل ها) تحليل عاملي شود، برآورد اوليه اي از اشتراك بايد در قطر اصلي ماتريس همبستگي قرار گيرد.

يكي از روش هاي معمول براي برآورد اين اشتراك محاسبه مجذور همبستگي چندگانه (R2) هر متغير مستقل از روي ساير متغير هاي مستقل است. اين R2  حد پايين برآورد اشتراك را فراهم مي آورد. نخست اين برآورد در قطر اصلي ماتريس همبستگي قرار مي گيرد و ماتريس تحليل عاملي مي‌شود. از بارهاي عاملي به دست آمده مجددا اشتراك هاي جديد محاسبه مي‌شود. چنانچه تفاوت اين اشتراك ها از اشتراك هاي اوليه از مقدار ملاك (مثال 0.001) بيشتر باشد عمل محاسبه عامل ها و بار عاملي آن‌ها با قرار دادن اشتراك هاي جديد در قطر اصلي ماتريس تكرار (Iteration) مي‌گردد. اشتراك ها معمولا در دو يا سه تكرار به اشتراك ملاك مي رسد.

2-ج-2- استخراج عامل ها

هدف مرحله استخراج عامل ها، به دست آوردن سازه هاي زير بنايي است كه تغييرات متغير هاي مورد مشاهده را موجب شده است.SPSS   نخست تركيب هايي از متغير ها را كه همبستگي هاي آن‌ها بالاترين ميزان از واريانس كل مشاهده شده را نشان مي‌دهد انتخاب مي‌كند. اين مجموعه عامل 1 را مي سازد. عامل 2، مجموعه متغير هايي است كه بالاترين سهم را در تبيين واريانس باقيمانده دارد. اين شيوه براي عامل سوم، چهارم و  عامل هاي بعدي ادامه پيدا مي‌كند تا تعداد عامل هاي استخراج شده برابر با تعداد متغير ها گردد.

  • بار عاملي

همبستكي هر متغير با هر عامل بار عاملي (Factor Loading) ناميده مي‌شود و مقدار آن بين1- و 1+ تغيير مي‌كند. واريانس تبيين شده توسط هر عامل برابر است با مجذور بار هاي عاملي آن. اين واريانس مقدار ويژه (Eigen Value) ناميده مي‌شود. اولين مقدار ويژه همواره بيشترين بوده و از 1 بزرگتر مي‌باشد. مقدار ويژه براي عامل هاي بعدي كوچكتر مي‌باشد.

2-ج-3- استخراج و چرخش عامل ها

تمام عامل هاي استخراج شده مورد علاقه محقق نيست. هدف تحليل عاملي تبيين پديده هاي مورد نظر با تعداد كمتري از متغير هاي اوليه است. در وهله اول هدف تعيين تعداد عامل هايي است كه در تحليل نگه داشته مي‌شود. علي الاصول عامل هايي بايد نگه داشته شود كه اعتبار صوري يا نظري داشته باشد. منتها قبل از فرايند چرخش نمي‌توان به معني هر عامل به خوبي پي برد، بنابراين معمولا از ملاك هاي رياضي مانند ملاك كايزر يا آزمون اسكري كتل براي نگه داشتن عامل ها استفاده مي‌شود.

  • ملاك كايزر

بر اساس ملاك كايزر فقط عامل هايي نگه داشته مي‌شوند كه مجموع مجذور بارهاي عاملي آن‌ها (مقدار ويژه)  يك يا بيشتر باشد. اين ملاك براي تحليل عاملي آلفا مناسب است و براي ساير روش هاي تحليل عاملي كران پاييني فراهم مي آورد. در روش اسكري كتل نمودار مقدار ويژه براي هر عامل ترسيم مي‌شود. در نقطه اي كه شكل منحني براي مقادير ويژه به صورت افقي درآيد، آن نقطه اسكري ناميده شده و عامل هايي كه سمت چپ آن قرار دارد عامل هاي واقعي و آن هايي كه در سمت راست آن قرار دارند عامل هاي خطا قلمداد مي‌شود. در تفسير نتايج آزمون اسكري ممكن است ميان نظرات پژوهشگران درباره تعداد عامل هاي واقعي اختلاف نظر پديد آيد. همچنين امكان دارد كه بيش از يك اسكري موجود باشد. لذا لازم است علاوه بر آزمون اسكري آزمون هاي ديگري از جمله آزمون كايزر صورت گيرد.

  • چرخش عامل ها

پس از انتخاب عامل ها چرخش آن‌ها ضرورت دارد. هدف از چرخش عامل ها رسيدن به يك ساختار عاملي ساده است. در تحليل عاملي، ساختار هاي عاملي متعددي براي يك ماتريس همبستگي وجود دارد. اولين عامل غالبا يك عامل كلي است كه تمام يا اكثر متغير ها بار عاملي بالايي روي اين عامل دارد. عامل هايي بعدي معمولا دو قطبي است و بارهاي عاملي مثبت و منفي داشته و قابل تفسير نمي‌باشد با چرخش ساختار عاملي روشنتر مي‌شود.

مشهورترين ملاك براي خوبي يك ساختار عاملي، ملاك مشهور ساختار ساده ثرستون است. طبق اين ملاك هر متغير بايد حداقل يك بار عاملي غير صفر داشته باشد. هر عامل بايد فقط با چند متغير همبستگي بالا داشته باشد. (منظور از همبستگي همان بار عاملي متغير روي عامل است) و بار عاملي بقيه متغير ها روي اين عامل بايد اساسا صفر باشد. هر متغير بايد روي يك عامل بار عاملي بالا داشته باشد. اغلب شيوه هاي چرخش با توجه به اين ملاك ها طرح ريزي شده است.

  • چرخش متعامد و مایل

چرخش عامل ها به دو صورت متعامد (ناهمبسته) و مايل (همبسته) صورت مي‌گيرد. در چرخش متعامد عامل هاي به دست آمده با هم همبستگي ندارند، در حالي كه در چرخش مايل عامل ها با هم همبستگي دارند. روش هاي متعددي براي چرخش متعامد و مايل وجود دارد. از جمله چرخش هاي متعامد كه غالبا مورد استفاده قرار مي‌گيرد چرخش واريماكس است. از روش هاي چرخش مايل روش اوبليمين را مي‌توان نام برد.

بديهي است كه به كمك نرم افزارهاي كامپيوتري از جمله spss   مي‌توان به سهولت تمام محاسبات لازم براي تحليل عاملي را انجام داد. اما مهم ترين مرحله تحليل عاملي تفسير نتايج به دست آمده است.

2-ج-4- تفسير

در يك ساختار عاملي آرماني هر يك از منغير ها بار عاملي بالا (بزرگتر از 0.5) روي يكي از عامل ها و بار عاملي پايين (كمتر از 0.2) روي ساير عامل ها دارد. علاوه بر اين، عامل هايي كه بار عاملي بالا دارد، و اعتبار صوري آنها نيز مطلوب است و به نظر مي رسد كه خصيصه مكنوني را اندازه گيري مي‌كند. چنين ساختار عاملي در واقع به ندرت اتفاق مي افتد. غالبا يك متغير روي چند عامل بار عاملي دارد و دو يا چند متغير روي عامل نامناسبي بار عاملي دارد_ محقق بايد درك كافي از داده هايش داشته باشد و محاسبات تحليل عاملي به تنهايي نمي تواند نتايج روشن فراهم آورد.

3-آموزش تحلیل عاملی تاییدی با لیزرل

این شرکت آماری آمادگی قبول سفارشات انجام تحلیل عاملی تاییدی یا اکتشافی برای پایان نامه یا مقاله شما را دارد.

اما چنانچه مایلید خود تحلیل عاملی تاییدی پایان نامه و تحقیق تان را انجام دهید، آموزش آنرا این این شرکت آماری دانش محور دریافت دارید. این آموزش به صورت ویدئویی، گام به گام و پروژه محور است. فایل داده ها و پرسشنامه نیز در اختیار شما قرار خواهد گرفت.

به علاوه تمام موارد فوق، می توانید از مشاوره تلگرامی رایگان (بعد از دریافت این محصول) برخوردار شوید و پاسخ سوالات خود را دریافت نمایید. این پشتیبانی ضمانت موفقیت آمیز بودن خرید شما از “اطمینان شرق” است.

برای مطالعه جزئیات بیشتر در خصوص تحلیل عاملی تاییدی مرتبه اول و مرتبه دوم و آموزش تصویری آن بر لینک زیر کلیک نمایید:

تحلیل عاملی تاییدی مرتبه اول و دوم (آموزش ویدئویی)

تحلیل عاملی با lisrel

تحلیل عاملی با لیزرل

 

 

نرم افزار لیزرل و انجام تحليل عاملي با آن، مراحل تحلیل عاملی
5 (100%) 2 votes
درباره سید مجتبی فرشچی

فوق ليسانس خود را از شهيد بهشتي تهران در رشته آمار- گرايش اقتصادي اجتماعي گرفته ام. به عنوان مديريت این شرکت آماري، مایلم خدماتی مطمئن در زمینه تحلیل آماری، مشاوره spss و آموزش spss به دانشجویان و پژوهشگران سراسر کشور ارائه دهیم.

11 دیدگاه در نرم افزار لیزرل و انجام تحليل عاملي با آن، مراحل تحلیل عاملی
  1. سلام در خصوص فصل چهارم پايان نامه سوال داستم. اينكه من. براي فصل حهارم از ليزرل استفاده كردم و قبل از تحليل عاملي تاييدي از ازمون ksو ازمون t تك نمونه استفاده كردم و همچنين براي اينكه داده ها براي تحليل عامل مناسب باشن از ازمون kmo و بارتلت استفاده كردم؟ ايا از ازمون kmo و بارتلت بايد استفاده ميكردم يا لازم نيست؟

    • سید مجتبی فرشچی 2 دی 1396 در 18:34 پاسخ

      سلام.
      آزمون kmo برای کفایت حجم نمونه هست.
      هم میتونید بیارید هم می تونید حذف کنید. اختیاری هست.
      برای شرح بیشتر مساله خود با سروش یا واتس آپ ما به شماره ۰۹۱۹۸۱۸۰۹۹۱ ارتباط برقرار نمایید. یا اینکه به ما ایمیل بزنید

  2. در اجرای آزمون بارتلت در عاملی اکتشافی با چنین پیامی مواجه هستم. یعنی جدول رو اصلا نشون نمیده .a This matrix is not positive definite.

    وقتی که تعدادی متغیر رو کم میکنم اونوقت آزمون بارتلت در spss قابل مشاده است. علت اون و راه حل رفع اون رو به زبان ساده بیان فرمایید.
    اگه باید کاری در نرم افزار انجام بدم دستورش رو بفرمایید. سپاس

  3. علی
    با سلام و احترام
    زمانی که من داده هایم را در نرم افزار pls2 روی یه کامپیوتر دیگری اجرا می کنم مدل اجرا می شود و فرضیه های مدلم تایید می شود ولی در کامپیوتر خودم مدل اجرا می شود ولی فرضیه هایم رد می شود. دلیل چیست؟

    • سید مجتبی فرشچی 29 شهریور 1397 در 22:37 پاسخ

      سلام. این غیر ممکن هست. شاید داده ها را درست فراخوانی نمی کنید.
      مجدد فایل داده ها را نام دهی کنید و مدل را ترسیم کنید. به پیش فرض های نرم افزار هم دقت کنید. شاید نرم افزار خراب شده باشد.

  4. سلام
    من برا تحلیل نتایج حاصل از معادلات ساختاری نیاز به کمک دارم. ممنون میشم بهم کمک کنین که نتایج رو چجوری بنویسم

    • سید مجتبی فرشچی 18 مهر 1397 در 15:16 پاسخ

      سلام. اگر برای نوشتن نتایج فصل ۴ پایان نامه معادلات ساختاری نیاز به کمک دارید، به ما واتس آپ یا سروش یا ایمیل بزنید و اعلام نمایید که نمونه فصل ۴ یا نمونه فصل ۳ پایان نامه را نیاز دارید.
      بزودی این محصولات را در منو فروشگاه سایت تخصصی معادلات ساختاری این شرکت خواهیم گذاشت: http://www.lisrel.ir

  5. علیرضا کبودان 22 آبان 1397 در 14:02 پاسخ

    با سلام
    آیا می‌توان از گراف‌های خروجی برنامه، pdf ساخت؟ با آکروبات یا خود نرم‌افزار، برایم فرقی ندارد.
    برای نشریه در ایندیزاین صفحه‌آرایی میکنم. یکی از مقالات دارای تصاویر بی‌کیفیت است که پدیدآور می‌گوید خروجی نرم‌افزار لیزرل است.

    • سید مجتبی فرشچی 25 آبان 1397 در 18:49 پاسخ

      سلام. گراف ها و مدلهای نرم افزار لیزرل را می توان با دستور اکسپرت (export) منتقل کرد و آنرا به jpg تبدیل نمود. اما امکان تبدیل به pdf ندارد.

  6. علیرضا کبودان 25 آبان 1397 در 19:38 پاسخ

    سلام جناب فرشچی
    ممنون از پاسختون. فکر میکنم این نکته نقطه‌ضعف بزرگی برای این نرم‌افزار محسوب میشه.
    متأسفانه فایل‌هایی که به بنده دادن رِنجه است و نمی‌توان با کیفیت عالی آنها را چاپ کرد.
    باز هم ممنونم

    با آرزوی بهروزی

  7. سلام error 405 شامل چی هست؟


[بالا]

ارسال دیدگاه

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

سلام؛ پس از مطالعه هر مطلب در سايت، مي توانيد سوالات خود را در بخش ديدگاه در پايين آن صفحه درج نماييد. ما پاسخ خواهيم داد و شما از طريق ايميل از پاسخ ما به سوال خود مطلع خواهيد شد.

شرکت آماری اطمینان شرق

1
×
سلام. چنانچه قصد سفارش تحلیل دارید، می توانید از طریق واتس آپ {09198180991} با ما ارتباط بگیرید.
روی آیکن واتس آپ کلیک کنید:
بر روی فلش ها کلیک نمایید تا زیر منوها نمایش داده شود