Professional Documents
Culture Documents
Correlationandlinearregression PDF
Correlationandlinearregression PDF
ﺇﺫﺍ ﻜﺎﻥ ﻝﺩﻴﻨﺎ ﻤﺘﻐﻴﺭﺍﻥ ﻓﻘﻁ .ﺍﻝﻤﺘﻐﻴﺭ Xﻭﻫﻭ ﻤﺘﻐﻴﺭ ﻴﺘﻡ ﺘﺤﺩﻴﺩﻩ ﻤﻥ ﻗﺒل
ﺍﻝﺒﺎﺤﺙ ﺃﻭ ﺍﻝﺸﺨﺹ ﺍﻝﺫﻱ ﻴﻘﻭﻡ ﺒﺎﻝﺩﺭﺍﺴﺔ ﻭﻫﻭ ﻴﺴﻤﻰ ﺒﺎﻝﻤﺘﻐﻴﺭ ﺍﻝﻤﺴﺘﻘل
Independent variable
ﺃﻨﻭﺍﻉ
ﺍﻻﺭﺘﺒﺎﻁ
ار
ط ا )ا( ) Negative ار
ط ا )ا#$دي( ) Positive
(Correlationﺏ"!
ﺏ (Correlationﺏ"!
ﺏ )(x, y
)(x, yﺏ *+إذا أ' ا& $%ن ﺏ *+إذا أ' ا& $%ن ا,% -.
ا ,% -.ا 12ا&0د. ! 45ا..12
5+6اﻥ!Qر اﻝUص ﺏرط اﻝSﻝR 5+6اﻥ!Qر ا)ص ﺏر
ط
)اﻝ(S+ ا )ا#$دي(
ارط
S+ ارط
S+ي ارط
S+م
ﻗﻴﺎﺱ ﺍﻻﺭﺗﺒﺎﻁ
ﺘﺴﺘﺨﺩﻡ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻝﻘﻴﺎﺱ ﺩﺭﺠﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻤﺘﻐﻴﺭﻴﻥ) ﻅﺎﻫﺭﺘﻴﻥ( .
ﺘﻌﺭﻴﻑ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ :
ﻴﻌﺭﻑ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻭﺍﻝﺫﻱ ﻴﺭﻤﺯ ﻝﻪ ﺒﺎﻝﺭﻤﺯ rﺒﺄﻨﻪ ﻋﺒﺎﺭﺓ ﻋﻥ ﻤﻘﻴﺎﺱ ﺭﻗﻤﻲ
ﻴﻘﻴﺱ ﻗﻭﺓ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻤﺘﻐﻴﺭﻴﻥ ،ﺤﻴﺙ ﺘﺘﺭﺍﻭﺡ ﻗﻴﻤﺘﻪ ﺒﻴﻥ
) (+1ﻭ ) ، (-1ﺃﻱ ﺃﻥ −1 ≤ r ≤ +1
ﻭﺘﺩل ﺇﺸﺎﺭﺓ ﺍﻝﻤﻌﺎﻤل ﺍﻝﻤﻭﺠﺒﺔ ﻋﻠﻰ ﺍﻝﻌﻼﻗﺔ ﺍﻝﻁﺭﺩﻴﺔ ،
ﺒﻴﻨﻤﺎ ﺘﺩل ﺇﺸﺎﺭﺓ ﺍﻝﻤﻌﺎﻤل ﺍﻝﺴﺎﻝﺒﺔ ﻋﻠﻰ ﺍﻝﻌﻼﻗﺔ ﺍﻝﻌﻜﺴﻴﺔ .
ﻴﻤﻜﻥ ﺤﺴﺎﺏ ﺍﻝﻌﺩﻴﺩ ﻤﻥ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻭﻴﻌﺘﻤﺩ ﺫﻝﻙ ﻋﻠﻰ ﻤﺴﺘﻭﻯ ﺍﻝﻘﻴﺎﺱ
)ﺍﺴﻤﻲ – ﺘﺭﺘﻴﺒﻲ – ﻓﺘﺭﺓ – ﻨﺴﺒﻲ ( ﻝﻠﻤﺘﻐﻴﺭﺍﺕ ﺍﻝﺘﻲ ﺘﺒﺩﻭ ﻤﺭﺘﺒﻁﺔ .
ﻗﻴﺎﺱ ﺍﻻﺭﺗﺒﺎﻁ
ﻭﺍﻟﺠﺪﻭﻝ ﺍﻟﺘﺎﻟﻲ ﻳﻮﺿﺢ ﺃﻧﻮﺍﻉ ﺍﻻﺭﺗﺒﺎﻁ ﻭﺍﺗﺠﺎﻩ ﺍﻟﻌﻼﻗﺔ ﻭﺷﻜﻞ ﺍﻻﻧﺘﺸﺎﺭ ﻟﻜﻞ ﻧﻮﻉ :
ﺍﻝﻤﻌﻨﻰ ﻗﻴﻤﺔ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ
ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻱ ﺘﺎﻡ +1
ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻱ ﻗﻭﻱ ﻤﻥ 0.70ﺇﻝﻰ 0.99
ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻱ ﻤﺘﻭﺴﻁ ﻤﻥ 0.50ﺇﻝﻰ 0.69
ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻱ ﻀﻌﻴﻑ ﻤﻥ 0.01ﺇﻝﻰ 0.49
ﻻ ﻴﻭﺠﺩ ﺍﺭﺘﺒﺎﻁ 0
ﺍﺩﺭﺱ ﻭﺠﻭﺩ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ ﺨﻁﻴﺔ ﺒﻴﻥ ﺤﺠﻡ ﺍﻹﻨﺘﺎﺝ ﻭﺤﺠﻡ ﺼﺎﺩﺭﺍﺕ ﺍﻝﻨﻔﻁ ﺍﻝﺨﺎﻡ.
ﺍﻝﺤل :
) 6 ( 24 ) − (15 )( 9
= rp =
2 2
) (( 6 × 41 ) − 15 )(( 6 × 15 ) − 9
144 − 135 9 9
= = = 0 . 65
) ( 246 − 225 )( 90 − 81 189 13 . 75
ﻤﻥ ﺍﻝﻤﻼﺤﻅ ﺃﻥ ﻋﻼﻗﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻝﺨﻁﻲ ﺒﻴﻥ ﺤﺠﻡ ﺍﻹﻨﺘﺎﺝ ﻭﺤﺠﻡ ﺼﺎﺩﺭﺍﺕ ﺍﻝﻨﻔﻁ ﺍﻝﺨﺎﻡ ﻋﻼﻗﺔ ﻁﺭﺩﻴﺔ ﻤﺘﻭﺴﻁﺔ.
ﻤﺜﺎل ): (1 - 4
ﻝﺩﺭﺍﺴﺔ ﻋﻼﻗﺔ ﺍﻝﺼﺎﺩﺭﺍﺕ ﺒﺎﻝﻤﻴﺯﺍﻥ ﺍﻝﺘﺠﺎﺭﻱ ﺨﻼل ﻋﺩﺓ ﺴﻨﻭﺍﺕ ،ﺃﺨﺫﻨﺎ ﻋﺸﺭ ﻗﺭﺍﺀﺍﺕ ﺘﻘﺭﻴﺒﻴﺔ ﻝﻘﻴﻤﺔ ﺼﺎﺩﺭﺍﺕ ﺍﻝﻤﻤﻠﻜﺔ
ﺍﻝﻌﺭﺒﻴﺔ ﺍﻝﺴﻌﻭﺩﻴﺔ )(xﻭﻗﻴﻤﺔ ﺍﻝﻤﻴﺯﺍﻥ ﺍﻝﺘﺠﺎﺭﻱ )(yﺒﻌﺸﺭﺍﺕ ﺍﻝﻤﻠﻴﺎﺭﺍﺕ ﺭﻴﺎل ﻜﻤﺎ ﻴﻠﻲ:
)10(1314) − (171)(69
= rp =
2 2
) ((10 × 3107) − 171 )((10 × 585) − 69
13140 − 11799 1341 1341
= = = 0.95
)(31070 − 29241)(5850 − 4761 18291089 1411.30
ﻤﻥ ﺍﻝﻤﻼﺤﻅ ﺃﻥ ﻋﻼﻗﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻝﺨﻁﻲ ﺒﻴﻥ ﻗﻴﻤﺔ ﺼﺎﺩﺭﺍﺕ ﺍﻝﻤﻤﻠﻜﺔ ﺍﻝﻌﺭﺒﻴﺔ ﺍﻝﺴﻌﻭﺩﻴﺔ ﻭﻗﻴﻤﺔ ﺍﻝﻤﻴﺯﺍﻥ ﺍﻝﺘﺠﺎﺭﻱ
ﻤﻭﺠﻭﺩﺓ ﻭﻫﻲ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻴﺔ ﻗﻭﻴﺔ.
/ هﻡ.*+,ﻡ
ورة
م وﺝد0 ﺏ,E ًا5G ويI نJ ﺏK & L!•إذا آ
لSـN& اKـNJ UNV
.,NO- P ﺝ ارطQارط ﺏ ا& و
ز2ـNNNNNN!Z[ اNNNNNN(Anxiety) WVـNNNNNNX اNNNNNNـ ﺏNNNNNN اNNNNNNJ دراEـNNNNNN
ا_^] \دادWV &[ زدة%. O- P
ه2!(Performance)
NV
'N` WNVXدة اN أن ز2! E V' U' وK&ز ا2!$اه& ﺏ
N+ ا1aN ه,N5% baN ،زN2!Z اNVX `'ً ﺏWVXن اQ [ اا,%. ز2!Zا
^مNNJ وإذا ا.NNE+E NN
dNNG ًNNJE 4NN طNNن رNNJ ﺏKNN
NNV 4NN^ ﺏ,NN هNN2Eن ا$NN% تNN! ا1aNN هKNNS dNNG نNNJ ﺏKNN
KNN رNN_! اKQNNة ﺵNNg% ًNNV&
hNN0 baNNوﺏ. NN& اNN ﺏNNXX+ا
.ن رطJ ﺏK بI' ,% ا_ـوع
- 2ﻣﻌﺎﻣﻞ ﺳﺒﻴﺮﻣﺎﻥ ﻻﺭﺗﺒﺎﻁ ﺍﻟﺮﺗﺐ
Spearman Rank Correlation Coefficient
6∑ d 2
rs = 1 −
)n(n 2 − 1
ﺤﻴﺙ nﻫﻲ ﻋﺩﺩ ﺍﻷﺯﻭﺍﺝ ﺍﻝﻤﺭﺘﺒﺔ .
ﻤﺜﺎل ): (4 - 4
ﻝﺩﺭﺍﺴﺔ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ ﺘﻘﺩﻴﺭﺍﺕ ﺍﻝﻁﻼﺏ ﻓﻲ ﻤﺎﺩﺓ ﺍﻹﺤﺼﺎﺀ ﻭﺘﻘﺩﻴﺭﺍﺘﻬﻡ ﻓﻲ ﻤﺎﺩﺓ
ﺍﻝﺭﻴﺎﻀﻴﺎﺕ ،ﺍﺨﺘﺭﻨﺎ ﺜﻤﺎﻥ ﻁﻼﺏ ﻭﻜﺎﻨﺕ ﺘﻘﺩﻴﺭﺍﺘﻬﻡ ﻜﻤﺎ ﻴﻠﻲ :
ﻨﻼﺤﻅ ﻭﺠﻭﺩ ﻋﻼﻗﺔ ﺍﺭﺘﺒﺎﻁ ﻁﺭﺩﻴﺔ ﻗﻭﻴﺔ ﺒﻴﻥ ﻋﺩﺩ ﺍﻝﺤﻘﻭل ﺍﻝﻤﻜﺘﺸﻔﺔ ﻭﻁﻭل ﺍﻷﻨﺎﺒﻴﺏ ﺍﻝﻨﺎﻗﻠﺔ ﻝﻠﻨﻔﻁ ﺍﻝﺨﺎﻡ ،ﻋﻠﻤ ﹰﺎ ﺒﺄﻨﻨﺎ
ﺍﺴﺘﺨﺩﻤﻨﺎ ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺴﺒﻴﺭﻤﺎﻥ )ﺍﻝﺭﺘﺏ( ﻝﻭﺠﻭﺩ ﺃﺭﻗﺎﻡ ﻜﺒﻴﺭﺓ ﻓﻲ ﺍﺤﺩ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ.
ﻤﺜﺎل ): (6 - 4
ﻋﻨﺩ ﺘﻘﻴﻴﻡ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻝﻨﺎﻗﺩﻴﻥ ﺍﻝﺭﻴﺎﻀﻴﻴﻥ ﻝﻌﺩﺩ 10ﻤﻥ ﺍﻝﻼﻋﺒﻴﻥ ﺘﺒﻌ ﹰﺎ ﻝﻠﺤﻤل ﺍﻝﺘﺩﺭﻴﺒﻲ ﻗﺒل
ﺍﻝﻤﺴﺎﺒﻘﺔ ﻭﺘﺭﺘﻴﺏ ﻫﺅﻻﺀ ﺍﻝﻼﻋﺒﻴﻥ ﺒﻌﺩ ﺍﻝﻤﺴﺎﺒﻘﺔ ﻜﺎﻥ ﺍﻝﺘﺭﺘﻴﺏ ﺍﻝﺘﺎﻝﻲ :
ﻓﺎﺤﺴﺏ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻝﺩﺭﺍﺴﺔ ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻝﺤﻤل ﺍﻝﺘﺩﺭﻴﺒﻲ ﻭﺍﻝﺘﺭﺘﻴﺏ ﺍﻝﻨﻬﺎﺌﻲ.
ﺍﻝﺤل:
ﻫﺫﺍ ﺍﻻﺭﺘﺒﺎﻁ ﻁﺭﺩﻱ ﻗﻭﻱ ،ﺒﻤﻌﻨﻰ ﺃﻨﻪ ﻜﻠﻤﺎ ﺯﺍﺩ ﺍﻝﺤﻤل ﺍﻝﺘﺩﺭﻴﺒﻲ ﻜﻠﻤﺎ ﺘﻡ ﺍﻝﺤﺼﻭل ﻋﻠﻰ ﺘﺭﺘﻴﺏ ﻤﺘﻘﺩﻡ.
- 3ﻣﻌﺎﻣﻞ ﺍﻻﻗﺘﺮﺍﻥ )ﻓﺎﻱ(
ﻤﻌﺎﻤل ﺍﻗﺘﺭﺍﻥ "ﻓﺎﻯ" ﻴﺴﺘﺨﺩﻡ ﻝﻘﻴﺎﺱ ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﻤﺘﻐﻴﺭﻴﻥ ﺍﺴﻤﻴﻴﻥ
ﻜل ﻤﻨﻬﻤﺎ ﺜﻨﺎﺌﻲ ﺍﻝﺘﻘﺴﻴﻡ ،ﻜﺎﻝﻨﻭﻉ )ﺫﻜﺭ/ﺃﻨﺜﻰ( ﻭﺍﻹﺼﺎﺒﺔ ﺒﺎﻝﻤﺭﺽ
)ﻤﺼﺎﺏ/ﻏﻴﺭ ﻤﺼﺎﺏ( ﻭﺍﻝﺘﺩﺨﻴﻥ )ﻤﺩﺨﻥ/ﻏﻴﺭ ﻤﺩﺨﻥ(...ﺍﻝﺦ.
X1 ﺍﻝﻤﺠﻤﻭﻉ X2
Y1 a b a+b
Y2 c d c+d
ﺍﻝﻤﺠﻤﻭﻉ a+c b+d
ﻭﻤﻤﺎ ﺴﺒﻕ ﻴﺘﻀﺢ ﺃﻥ ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺍﻝﺭﺘﺏ ﻴﻤﻜﻥ ﺤﺴﺎﺒﻪ ﺴﻭﺍ ﺀ ﺃﻜﺎﻨﺕ ﺍﻝﺒﻴﺎﻨﺎﺕ
ﻜﻤﻴﺔ ﺃﻭ ﻭﺼﻔﻴﺔ ﺒﻴﻨﻤﺎ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ )ﺒﻴﺭﺴﻭﻥ( ﻻ ﻴﻤﻜﻥ ﺤﺴﺎﺒﻪ ﺇﻻ ﻋﻠﻰ
ﺍﻝﻤﺘﻐﻴﺭﺍﺕ ﺍﻝﻜﻤﻴﺔ.
ﻴﺘﻤﻴﺯ ﻤﻌﺎﻤل ﺴﻴﺒﺭﻤﺎﻥ ﻻﺭﺘﺒﺎﻁ ﺍﻝﺭﺘﺏ ﺒﺴﻬﻭﻝﺔ ﺤﺴﺎﺒﻪ ﺤﺘﻰ ﻝﻭ ﻜﺎﻨﺕ ﺍﻝﺒﻴﺎﻨﺎﺕ ﻏﻴﺭ
ﻤﺭﺘﺒﺔ.
ﻴﻌﺎﺏ ﻋﻠﻴﻪ ﺇﻫﻤﺎﻝﻪ ﻝﻔﺭﻭﻕ ﺍﻷﻋﺩﺍﺩ ﻋﻨﺩ ﺤﺴﺎﺏ ﺍﻝﺭﺘﺏ ﻭﺒﺎﻝﺘﺎﻝﻲ ﻓﻬﻭ ﺃﻗل ﺩﻗﺔ.
ﻴﺼﻌﺏ ﺤﺴﺎﺒﻪ ﻝﻠﻤﺘﻐﻴﺭﺍﺕ ﺍﻝﻌﺎﺩﻴﺔ ﺇﺫﺍ ﻜﺎﻨﺕ ﻜﺒﻴﺭﺓ ﺍﻝﻌﺩﺩ ،ﻭﻝﺫﻝﻙ ﻴﻔﻀل ﺍﺴﺘﺨﺩﺍﻤﻪ
ﻝﺘﺤﺩﻴﺩ ﺩﺭﺠﺔ ﺍﺭﺘﺒﺎﻁ ﺒﻴﺎﻨﺎﺕ ﻜﻤﻴﺔ ﻋﺩﺩﻫﺎ ﺃﻗل ﻤﻥ 30
ﺍﻻﻧﺤﺪﺍﺭ
.١اPrediction lE
ه Xا &Xا& & VXIوا' ﺏً Eء
% UV
wأ-
و :,% !5
ﺘﺤﺩﻴﺩ ﺸﻜل ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ﺭﻴﺎﻀﻴﺎ ﻭﺒﻴﺎﻨﻴﺎ )
ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ (.
ﺘﻭﻀﻴﺢ ﺍﺘﺠﺎﻩ ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ .
ﺍﻝﺘﻨﺒﺅ ﺒﻘﻴﻤﺔ ﺃﺤﺩ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ﺒﺩﻻﻝﺔ ﺍﻝﻤﺘﻐﻴﺭ ﺍﻵﺨﺭ .
ﺍﻻﻧﺤﺪﺍﺭ Regression
ﻭﺍﻻﻨﺤﺩﺍﺭ ﻫﻭ ﺃﺴﻠﻭﺏ ﻴﻤﻜﻥ ﺒﻭﺍﺴﻁﺘﻪ ﺘﻘﺩﻴﺭ ﻗﻴﻤﺔ ﺃﺤﺩ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ﺒﻤﻌﻠﻭﻤﻴﺔ
ﻗﻴﻤﺔ ﺍﻝﻤﺘﻐﻴﺭ ﺍﻵﺨﺭ ﻋﻥ ﻁﺭﻴﻕ ﻤﻌﺎﺩﻝﺔ ﺍﻻﻨﺤﺩﺍﺭ ،ﻭﻝﻪ ﺃﻨﻭﺍﻉ :
ﺍﻻﻨﺤﺩﺍﺭ ﺍﻝﺨﻁﻲ ﺍﻝﺒﺴﻴﻁ :ﻓﻜﻠﻤﺔ " ﺒﺴﻴﻁ " ﺘﻌﻨﻲ ﺃﻥ ﺍﻝﻤﺘﻐﻴﺭ ﺍﻝﺘﺎﺒﻊ Y
ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﻤﺘﻐﻴﺭ ﻤﺴﺘﻘل ﻭﺍﺤﺩ ﻭﻫﻭ Xﻭﻜﻠﻤﺔ " ﺨﻁﻲ" ﺘﻌﻨﻲ ﺃﻥ ﺍﻝﻌﻼﻗﺔ
ﺒﻴﻥ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ) (X , Yﻋﻼﻗﺔ ﺨﻁﻴﺔ .
ﺍﻻﻨﺤﺩﺍﺭ ﺍﻝﻤﺘﻌﺩﺩ :ﺇﺫﺍ ﻜﺎﻥ ﺍﻝﻤﺘﻐﻴﺭ Yﻴﻌﺘﻤﺩ ﻋﻠﻰ ﺃﻜﺜﺭ ﻤﻥ ﻤﺘﻐﻴﺭ ﻤﺴﺘﻘل
.
ﺍﻻﻨﺤﺩﺍﺭ ﻏﻴﺭ ﺍﻝﺨﻁﻲ :ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻝﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻝﻤﺘﻐﻴﺭ Yﻭﺍﻝﻤﺘﻐﻴﺭﺍﺕ
ﺍﻝﻤﺴﺘﻘﻠﺔ ﻏﻴﺭ ﺨﻁﻴﺔ ﻜﺄﻥ ﺘﻜﻭﻥ ﻤﻥ ﺍﻝﺩﺭﺠﺔ ﺍﻝﺜﺎﻨﻴﺔ ﺃﻭ ﺁﺴﻴﺔ.
ﺍﻻﻧﺤﺪﺍﺭ ﺍﻟﺨﻄﻲ ﺍﻟﺒﺴﻴﻂ
ﺒﻌﺩ ﺘﻤﺜﻴل ﺍﻷﺯﻭﺍﺝ ﺍﻝﻤﺭﺘﺒﺔ ﺒﺎﻝﻤﺴﺘﻭﻯ ﻨﺤﺼل ﻋﻠﻰ ﺸﻜل ﺍﻻﻨﺘﺸﺎﺭ ﻓﺈﺫﺍ ﺃﻅﻬﺭ
ﺍﻝﺸﻜل ﺍﻻﻨﺘﺸﺎﺭﻱ ﻝﻠﺒﻴﺎﻨﺎﺕ ﺃﻥ ﻫﻨﺎﻙ ﻋﻼﻗﺔ ﺨﻁﻴﺔ ﺒﻴﻥ ﺍﻝﻤﺘﻐﻴﺭﻴﻥ ﻨﻘﻭﻡ ﺒﺘﻘﺩﻴﺭ
ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ Yﻋﻠﻰ Xﺒﻭﺍﺴﻁﺔ ﺍﻝﻌﻼﻗﺔ:
yˆ = a + bx
:ﺜﺎﺒﺕ ﺍﻻﻨﺤﺩﺍﺭ ﺃﻭ ﺍﻝﺠﺯﺀ ﺍﻝﻤﻘﻁﻭﻉ ﻤﻥ ﻤﺤﻭﺭ y a ﺤﻴﺙ
:ﻤﻴل ﺍﻝﺨﻁ ﺍﻝﻤﺴﺘﻘﻴﻡ ﺃﻭ ﻤﻌﺎﻤل ﺍﻨﺤﺩﺍﺭ Yﻋﻠﻰ ) Xﺃﻭ ( Y/X b
ﻭﺘﺤﺴﺏ ﺍﻝﻘﻴﻤﺘﺎﻥ aﻭ bﻤﻥ ﺍﻝﻌﻼﻗﺘﻴﻥ ﺍﻝﺘﺎﻝﻴﺘﻴﻥ :
ﺤﻴﺙ:
ﺇﺸﺎﺭﺓ ﻤﻌﺎﻤل ﺍﻻﻨﺤﺩﺍﺭ ﺘﺩل ﻋﻠﻰ ﻨﻭﻉ ﺍﻻﺭﺘﺒﺎﻁ )ﻁﺭﺩﻱ ﺃﻭ
ﻋﻜﺴﻲ (
ﺃﻭﺠﺩ ﻤﻌﺎﺩﻝﺔ ﺍﻻﻨﺤﺩﺍﺭ ﺍﻝﺨﻁﻲ ﺍﻝﺒﺴﻴﻁ ،ﻭﺘﻭﻗﻊ ﻗﻴﻤﺔ ﺍﻻﺴﺘﻬﻼﻙ ﻋﻨﺩﻤﺎ ﻴﺼل ﺇﻨﺘﺎﺝ 16,000,000ﺒﺭﻤﻴل .
ﺍﻝﺤل :
=a
∑ )y − b∑ x 65 − (0.36 × 90
= = 3.26
n 10
yˆ h = a + bx h
= 3.26 + 0 .36 (16 ) = 9 .02
ﺃﻱ ﺃﻥ ﺍﻻﺴﺘﻬﻼﻙ ﻗﺩ ﻴﺼل ﺇﻝﻰ 9.02ﻤﻠﻴﻭﻥ ﺒﺭﻤﻴل ،ﺃﻱ ﻤﺎ ﻴﻌﺎﺩل 9020000
ﺒﺭﻤﻴل ﺨﻼل ﺍﻝﺴﻨﺔ.
3 – 4 – 4ﺗﻄﺒﻴﻖ ﺍﻻﻧﺤﺪﺍﺭ ﻓﻲ ﻣﺠﺎﻝ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ
ﺃﺴﻠﻭﺏ ﺍﻝﺴﻼﺴل ﺍﻝﺯﻤﻨﻴﺔ
ﻴﺘﻡ ﺭﺼﺩ ﺍﻝﺒﻴﺎﻨﺎﺕ ﺍﻝﺘﻲ ﺘﻌﺒﺭ ﻋﻥ ﻅﺎﻫﺭﺓ ﻤﺎ ﻋﻨﺩ ﻨﻘﺎﻁ ﺯﻤﻨﻴﺔ ﻤﺘﺘﺎﻝﻴﺔ.
ﺃﻤﺜﻠﺔ:
ﻜﻤﻴﺔ ﺍﻝﺼﺎﺩﺭﺍﺕ ﺍﻝﺴﻨﻭﻴﺔ
500000
400000
ﺍﳌﻴﺰﺍﻥ ﺍﻟﺘﺠﺎﺭﻱ
300000
200000
100000
0
ﺍﻟﺴﻨـــﺔ
3 – 4 – 4ﺗﻄﺒﻴﻖ ﺍﻻﻧﺤﺪﺍﺭ ﻓﻲ ﻣﺠﺎﻝ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ
ا
cCام :وه ا 12اOر اaي " 1a-ا VIVIا\- Eل %ة Vا\ ﺏwP •
اaﺏaﺏت ا&ﺝدة ﺏ
،وQن اOر إ ﺏ\دة أو ﺏ`XEن ،وﺏ yا KJIﺝ
ا.12
ا?#7gات ا ﺱ :/7وه ,اات اQ ,ر ﺏ!zم -ل %ة ز Eأ Kا
،EIدة ,% •
ا&ا.wJ
ا?#7gات اHوری :/وه ,اات ا+ ,ث % ,%ات ز Eأآ EJ Sو
دة آ 4&- Kأو •
_ EJات.
ا?#7gات ا#ﺽ :/7وه ,اات ا+ ,ث !' 2ادث KS P g2%ا!05ت •
وا|
Gوا+وب...ا}.
3 – 4 – 4ﺗﻄﺒﻴﻖ ﺍﻻﻧﺤﺪﺍﺭ ﻓﻲ ﻣﺠﺎﻝ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ
ﺱ /::ذات ا
V cCم ﺏ>j8ن ﺱ /::ذات ا
V cCم ﺏ9یدة
ﺱ /::ذات ا
cCزیدة
#7gات دوری/ ﺱ /::ذات ا
cCزیدة و
#7gات ﻡﺱ /7
ﺗﻄﺒﻴﻖ ﺍﻻﻧﺤﺪﺍﺭ ﻓﻲ ﻣﺠﺎﻝ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ 3–4–4
ﻴﺘﻁﻠﺏ ﺘﺤﻠﻴل ﺍﻝﺴﻼﺴل ﺍﻝﺯﻤﻨﻴﺔ ﻋﺎﺩﺓ ﺘﺤﻠﻴل ﺍﻝﻤﻜﻭﻨﺎﺕ ﺍﻷﺭﺒﻌﺔ ﻭﻝﻜﻥ ﻗﺩ ﺘﺨﻠﻭ
ﺍﻝﺴﻼﺴل ﺍﻝﺯﻤﻨﻴﺔ ﻤﻥ ﺍﻝﺘﻐﻴﺭﺍﺕ ﺍﻝﻤﻭﺴﻤﻴﺔ ﻭﺍﻝﺩﻭﺭﻴﺔ ﻭﺍﻝﻌﺭﻀﻴﺔ ،ﻭﻴﺒﻘﻰ ﺘﻌﻴﻴﻥ
ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ .
ﻴﺨﺘﻠﻑ ﺸﻜل ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﻓﻲ ﺍﻝﺴﻼﺴل ﺍﻝﺯﻤﻨﻴﺔ ﺤﺴﺏ ﻁﺒﻴﻌﺔ ﺍﻝﺒﻴﺎﻨﺎﺕ ،ﻭﺃﺤﺩ ﺃﻨﻭﺍﻉ
ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﻫﻭ ﺍﻻﺘﺠﺎﻩ ﺍﻝﺨﻁﻲ .
ﺃﺤﺩ ﻁﺭﻕ ﺘﻌﻴﻴﻥ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﺍﻝﺨﻁﻲ ﻫﻭ ﺍﺴﺘﺨﺩﺍﻡ ﺃﺴﻠﻭﺏ ﺍﻻﻨﺤﺩﺍﺭ ﺍﻝﺨﻁﻲ
ﺍﻝﺒﺴﻴﻁ ،ﺒﺎﻋﺘﺒﺎﺭ ﺃﻥ ﺍﻝﺯﻤﻥ )ﺍﻝﺴﻨﻭﺍﺕ ،ﺍﻝﺸﻬﻭﺭ...،ﺍﻝﺦ( ﻤﺘﻐﻴﺭ ﻤﺴﺘﻘل ،Xﻭﺍﻝﻤﺘﻐﻴﺭ
ﺍﻝﺘﺎﺒﻊ Yﻫﻭ ﺍﻝﻅﺎﻫﺭﺓ ﻤﺤل ﺍﻝﺩﺭﺍﺴﺔ.
ﻤﻼﺤﻅﺎﺕ:
-ﺘﻌﻴﻥ ﻝﻠﻤﺘﻐﻴﺭ ﺍﻝﻤﺴﺘﻘل ﺍﻝﻘﻴﻡ … x = 0, 1, 2,ﻝﺘﻤﺜل ﻭﺤﺩﺓ ﺍﻝﺯﻤﻥ.
-ﺘﺩل ﺇﺸﺎﺭﺓ ﻤﻌﺎﻤل ﺍﻻﻨﺤﺩﺍﺭ bﻋﻠﻰ ﻨﻭﻉ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ .
ﻤﺜﺎل ): (9 - 4
ﺍﻝﺒﻴﺎﻨﺎﺕ ﺍﻝﺘﺎﻝﻴﺔ ﺘﻤﺜل ﻋﺩﺩ ﺍﻝﺤﻘﻭل ﺍﻝﻤﻜﺘﺸﻔﺔ )(Yﺨﻼل ﺍﻷﻋﻭﺍﻡ 1991ﻡ ﺇﻝﻰ 2000ﻡ
:
ﺤﺩﺩ ﻨﻭﻉ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ،ﺜﻡ ﻗﺩﺭ ﻤﻌﺎﺩﻝﺔ ﺍﻻﺘﺠﺎﻩ ﺍﻝﻌﺎﻡ ﺍﻝﺨﻁﻲ،
ﺜﻡ ﺘﻭﻗﻊ ﻋﺩﺩ ﺍﻝﺤﻘﻭل ﺍﻝﻤﻜﺘﺸﻔﺔ ﻋﺎﻡ 2002ﻡ.
ﺍﻝﺤل:
=a
∑ )y −b∑x 737− (2.87×45
= = 60.79
n 10