Ders Detayı

SmartPLS Kullanımı Eğitimi
15 Video, Ders Süresi: 60 gün 5,0

Dersler

Ders 1: SmartPLS Eğitimi 

Ders 2: SmartPLS Programı Tanıtımı-PLS SEM Kullanımındaki Artış

Ders 3: SmartPLS ve YEM Temel Kavramlar

Ders 4: Formatif ve Reflektif Değişkenler

Ders 5: Güvenirlik-Geçerlilik

Ders 6: Program Tanıtımı ve Kurulumu

Ders 7: Ölçüm Modeli

Ders 8: Doğrulayıcı Faktör Analizi

Ders 9: Gizil Değişkenler İçin Yeniden Örnekleme (Bootstrapping)

Ders 10: İlişki Analizi

Ders 11: Mediatör (Aracılık) Analizleri I

Ders 12: Mediatör (Aracılık) Analizleri II

Ders 13: Farklı Yaklaşımlarla Mediatör (Aracılık) Analizleri

Ders 14: Kategorik Değişkenler İçin Moderatör (Düzenleyici Etki) Analizleri

Ders 15: Sürekli Değişken Moderatörlerle Düzenleyici Etki Analizleri

 

Eğitimin İçeriği: SmartPLS (Ringle vd., 2015), sosyal bilimciler tarafından giderek daha yaygın biçimde kullanılan bir analiz programıdır. Analiz mantığı PLS-SEM'e dayanmaktadır. 1990'lardan sonra yaygınlaşmaya başlayan ikinci nesil analiz yöntemleri yapısal eşitlik modelleri olarak adlandırılmaktadır. Yapısal eşitlik modelleri, regresyon gibi birinci nesil analiz yöntemlerine göre çok daha karmaşık araştırma modellerini tek aşamada analiz edebilmektedir. 
Yapısal eşitlik modelleri (SEM) olarak isimlendirilen bu ikinci nesil metotların iki türübulunmaktadır. Birisi kovaryans temelli çalışan yapısal eşitlik modelleri , orjinal ismi ile Covariance-based SEM (CB-SEM)’dir. Bu metoda dayanan çok sayıda analiz programı bulunmaktadır. AMOS, LISREL, MPlus bunlardan bazılarıdır.   Diğer yapısal eşitlik modelleri ise varyans temelli çalışan yapısal eşitlik modelleri, orjinal adı ile Variance-based SEM (PLS-SEM)' dir. SmartPLS, ADANCO, WarpPLS gibi analiz programları bu metoda dayanmaktadır.

SmartPLS son derece gelişmiş olup PLS-SEM metoduna dayanan bir yazılımdır. Bundan dolayı:

·Non-parametriktir. Verinin normal dağılıma sahip olmasını gerektirmez.

·Küçük örneklemlerde de etkili şekilde çalışır.

·Formatif değişkenleri de analiz edebilir.

·Çok karmaşık modellerde bile sorunsuz çalışabilir. Bir veya iki indikatörlü değişkenlerle de analiz yapabilir. Bu tür değişkenler identification problemine neden olmaz.

Eğitmen Hakkında: Doç. Dr. Harun YILDIZ SmartPLS kullanımı ve yapısal eşitlik modellemesi konusunda uzman olup bu konuda çok sayıda yayın yapmıştır. SSCI ve diğer uluslararası ve ulusal endekslerce taranan birçok dergide özgün yayınlara sahiptir. Doç. Dr. Harun YILDIZ, çok sayıda uluslararası ve ulusal bildiri sunmuş, 8 farklı projede araştırmacı ya da yürütücü olarak da görev yapmıştır.Bununla birlikte çok sayıda kitap yazmış, bölüm çevirileri ve editörlükler ile alana katkı sağlamaya çalışmıştır. Harvard Business Review TR gibi dünyanın en prestijli iş ve yönetim dergisinde iş dünyasına yönelik makaleleri yayımlanmıştır. Özellikle örgütsel davranış disiplini şemsiyesi altında tekno-davranış alanında yaptığı çalışmaları ile NTV, HaberTürk, Kanal Ege ve TRT Radyo1 gibi birçok tanınmış medya organlarında canlı yayın konuğu olarak yer almıştır. Türkiye’deki araştırma yöntemleri alt yapısının geliştirilmesi amacıyla bu projede araştırmacı olarak yer alan Yıldız, halen Bandırma Onyedi Eylül Üniversitesi’nde Yönetim ve Strateji Doçenti olarak görev yapmaktadır.

Eğitmen: Doç.Dr. Harun YILDIZ

Katılım Belgesi: Evet

Durum: Tüm Dersler Yüklendi

Garanti: %100  Memnuniyet ve iade garantisi

Özellikleri:  İnteraktif, Online Sınav, Eğitmene soru sorma imkanı, Datalar Üzerinde Çalışabilme İmkanı

Fiyat:
269,90 TL
Ders İzleme Süresi: 60 Gün
Erişim Zamanı: 7/24
Video Sayısı: 15
Durum: Satın Alınabilir


Tanıtım Videosunu İzle



Örnek Dersi İzle

Puanlar 1 Kişi Oyladı (100/100)

1 Kişi
0 Kişi
0 Kişi
0 Kişi
0 Kişi

Yorumlar

A.K.

SAYIN HARUN HOCAM, YAKIN ZAMANDA BİR SMART PLS ÇALIŞTAYI İLANINDA, PROGRAMIN ‘PİLOT STUDY’ İÇİN DE UYGUN OLDUĞU BİLGİSİ PAYLAŞILMIŞ. SMART PLS İLE ‘PİLOT STUDY’ NASIL YAPILIR, ACABA? TEŞEKKÜRLER.


Eğitmenin Cevabı (HARUN YILDIZ)

Merhaba; Adem Bey, burada bahsedilen bir ön çalışma (pilot çalışma) kapsamında araştırma modelinde yer alan değişkenler arasındaki ilişkilerin TAHMİNİNE yönelik bir vurguya atıfta bulunulmaktadır. Yani bir pilot çalışmadaki araştırma verisinin genellikle 30-100 gözlem olduğu düşünüldüğünde diğer yapısal eşitlik programları (AMOS, LISREL gibi) ile elde edilen uyum iyilik değerleri yeterli veri olmadığında bir anlam ifade etmeyecek ya da RMSEA değeri yüksek çıkacaktır. Dolayısıyla SmartPLS böyle bir durumun üstesinden gelecektir. İyi çalışmalar.


A.K.

MERHABA, DERS 9 DA AVE, CR, RHO VE C. ALPHA DEĞELERİNİ İNCELEDİKTEN SONRAKİ ADIM OLARAK 51.56 DK DA BOOTSTRAPPİNG FACTOR SEÇENEĞİ İLE İNDİKATORLERLE GİZİL DEĞİŞKENLERİN ARASINDAKİ İLİŞKİNİN ANLAMLI OLUP OLMADIĞINI TEST EDİYORSUNUZ. ÖNCE 500 SAMPLE İLE RUN NO:3 TABLOSU ÇIKTISINDA TÜM DEĞERLER P DEĞERLERİNİ GÖSTERİYORDU. SONRASINDA 5000 İLE DENEDİĞİNİZDE RUN NO:4 NOLU TABLODA S64 İLE S67 ARASINDAKİ İNDİCATOR-GÖSTERGELERİN ANLAMLILIĞINI BELİRTEN P DEĞERLERİ ÇIKMAMIŞ GÖRÜNDÜ. BİR ÖNCEKİ 500 LÜK TEST’TE ANLAMLILIK İÇİN P DEĞERLERİ ÇIKMIŞKEN, 5000’LİK DENEMENİZDE ÇIKMAMIŞ OLMASI NE ANLAMA GELMEKTEDİR? BENİM MODELİMDE ÖRNEĞİN, 500'LÜK VE 5000'LİK DENEMEDE SADECE BİR GİZİL DEĞİŞKENİN P DEĞERLERİ, SİZİN ÖRNEKTE OLDUĞU GİBİ, GÖRÜNMEMEKTEYSE DE 1000 LİK DENEMEDE GÖRÜNÜYOR. BU TÜR BİR DURUMUN NASIL BİR AÇIKLAMASI OLABİLİR?


Eğitmenin Cevabı (HARUN YILDIZ)

Bu durum PLSc ile ilgilidir. Uyumlu metodun model kabul koşulları sıkı varsayımları içerir. Eğer veride uç değerler fazla ise böyle bir problem verir. Çünkü türev örneklem olduğundan sürekli aynı verilerin 5000 gibi bir seri içerisinde tekrarlanma olasılığı gittikçe artar. Çözüm yolu verideki sorunlu indikatörleri incelemek. Bu verilerin sorunlu olanlarını (uç verileri) silmek. Özellikle de o problemli göstergeler için. Ya da o yapının formative bir yapı olup olmadığına karar verin. Kendi veriniz için ise verinin dikkatli bir şekilde tüm varsayımlar açısından incelenmesi ve ona göre adımların takip edilmesi gerekiyor. Başarılar dilerim.