‫عمادة خدمة المجتمع والتعليم المستمر‬

‫الجامعة اإلسالمية ‪ -‬غزة‬

‫دورة في البرنامج اإلحصائي‬

‫‪SPSS‬‬
‫‪ (36‬ساعة تدريبية)‬

‫‪ 14‬يونيو – ‪ 6‬أغسطس ‪2008‬‬

‫إشراف‬

‫الدكتور‪ /‬سمير خالد صافي‬

‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫المحتويات‬
‫علم اإلحصاء ‪4..................................................................................................................Statistics Science‬‬
‫اإلحصاء الوصفي ‪4.................................................................................................Descriptive Statistics:‬‬
‫اإلحصاء االستداللي ‪4..............................................................................................Statistics Inferential :‬‬
‫المجتمع ‪4..............................................................................................................................Population:‬‬
‫الحصر الشامل ‪4...........................................................................................................................Census:‬‬
‫المقاييس اإلحصائية‪5......................................................................................................................................‬‬
‫أوالً‪ :‬مقاييس النزعة المركزية ‪5....................................................................Measures of Central Tendency‬‬
‫ثانياً‪ :‬مقاييس التشتت المطلق ‪5.................................................................................Measures of Dispersion‬‬
‫ثالثاً‪ :‬االلتواء ‪6..........................................................................................................................Skewness‬‬
‫تشغيل والتعرف على البرنامج ‪6...............................................................................................................SPSS‬‬
‫نوافذ البرنامج‪6..........................................................................................................................................‬‬
‫استرجاع البيانات والملفات‪8.........................................................................................................................:‬‬
‫حفظ الملف‪9............................................................................................................................................:‬‬
‫إضافة‪ ،‬تعديل والتحكم بالمتغيرات ‪10...............................................................................................................‬‬
‫إضافة متغير أو مشاهدة‪12.......................................................................................................................... :‬‬
‫إلغاء متغير أو مشاهدة أو حالة‪12....................................................................................................................‬‬
‫ترتيب المشاهدات حسب متغير معين ‪12........................................................................................Rank Cases‬‬
‫تكوين متغير جديد باستخدام معادلة‪12.................................................................................................................‬‬
‫األمر ‪12...................................................................................................................................Compute‬‬
‫استخدام الدالة ‪ IF‬مع ‪13........................................................................................................... Compute‬‬
‫اختيار خاليا ‪14.................................................................................................................SELECT CASES‬‬
‫إعادة الترميز ‪17...........................................................................................................................Recode‬‬
‫اإلحصاء الوصفي والمدرج التكراري للبيانات‪19....................................................................................................‬‬
‫(‪ )1‬التكرارات والمدرج التكراري ‪19..................................................................Histogram and Frequencies‬‬
‫(‪ )2‬اإلحصاء الوصفي ‪20..........................................................................................Descriptive Statistics‬‬
‫(‪ )3‬المستكشف ‪21........................................................................................................................Explore‬‬
‫(‪ )4‬جداول االقتران ‪22........................................................................................CROSS TABULATION‬‬
‫الرسم البياني‪23............................................................................................................................................‬‬
‫اختبار الفرضيات ‪28......................................................................................................Test of Hypotheses‬‬
‫‪ -1‬الفرضية اإلحصائية ‪28........................................................................................................................‬‬
‫‪ -2‬مستوى المعنوية أو مستوى االحتمال ‪28...................................................................................................‬‬
‫‪ -3‬دالة االختبار اإلحصائية ‪28...................................................................................................................‬‬
‫‪ -4‬القيمة االحتمالية (‪28............................................................................................... : )Sig. or P-value‬‬
‫خطوات اختبار الفرضيات‪29....................................................................................................................... :‬‬
‫أوالً‪ :‬اختبار ‪ T‬في حالة اختبار فرضيات متعلقة بمتوسط واحد‪29.............................................................................‬‬
‫البيانات التالية تمثل درجات عشرين طالبا ً في مساق ما‪30.......................................................................................:‬‬
‫المطلوب‪ :‬اختبار الفرضية المبدئية القائلة بأن متوسط درجات الطالب = ‪ 65‬درجة‪30......................................................‬‬
‫ثانياً‪ :‬اختبارات الفروق بين متوسطين مجتمعين مستقلين ‪31....................................................................................‬‬
‫ثالثاً‪ :‬اختبارات الفروق بين متوسطي مجتمعين من عينات مرتبطة ‪32........................................................................‬‬
‫تحليل التباين)‪34.......................................................................................Analysis of Variance (ANOVA‬‬
‫أوالً‪ :‬تحليل التباين األحادي ‪34....................................................................................... One-Way ANOVA‬‬
‫ثانياً‪ :‬تحليل التباين الثنائي ‪38.........................................................................................Two-Way ANOVA‬‬
‫ثالثاً‪ :‬تحليل التباين الثالثي ‪41.......................................................................................Three-Way ANOVA‬‬
‫االختبارات غير المعلمية ‪47.........................................................................................Nonparametric Tests‬‬
‫مزايا استخدام االختبارات غيرالمعلمية‪47.........................................................................................................•:‬‬
‫عيوب استخدام االختبارات غيرالمعلمية‪47....................................................................................................... :‬‬
‫اختبار التوزيع الطبيعي‪ :‬كولمجروف‪ -‬سمرنوف ‪48.............................................................................................‬‬
‫‪Page 2 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬
‫اختبار ويلكوكسن ""‪49....................................................................................................... Wilcoxon Test‬‬
‫اختبار مان – وتني ""‪49.............................................................................................Mann Whitney Test‬‬
‫اختبار كروسكال – واالس ""‪51....................................................................................Kruskal-Wallis Test‬‬
‫اختبار فريدمان ""‪52...........................................................................................................Friedman Test‬‬
‫االرتباط الخطي البسيط ‪53...................................................................................Simple Linear Regression‬‬
‫معامل االرتباط ‪53...............................................................................................Correlation Coefficient:‬‬
‫حساب قيمة معامل االرتباط‪55..........................................................................................................................:‬‬
‫االنحدار الخطي البسيط ‪57..................................................................................Simple Linear Regression‬‬

‫‪Page 3 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪Statistics Science‬‬ ‫علم اإلحصاء‬

‫قديما كان يعرف اإلحصاء بأنه هو العلم الذي يهتم بأساليب جمع البيانات وتنظيمها في جداول إحصائية ثم عرضها بيانياً‪.‬‬
‫ومع تطور هذا العلم في العصر الحديث يمكن تعريفه تعريفاً شامالً بأنه العلم الذي يبحث في‪:‬‬
‫‪ -‬جمع البيانات والحقائق المتعلقة بمختلف الظواهر وتسجيلها في صورة رقمية وتصنيفها وعرضها في جداول منظمة‬
‫وتمثيلها بيانياً‪ ،‬وإ يجاد المقاييس اإلحصائية المناسبة‪.‬‬
‫‪ -‬مقارنة الظواهر المختلفة ودراسة العالقات واالتجاهات بينها واستخدامها في فهم حقيقة تلك الظواهر ومعرفة القوانين‬
‫التي تسير تبعاً لها‪.‬‬
‫‪ -‬تحليل البيانات واستخراج النتائج منها ثم اتخاذ القرارات المناسبة‪.‬‬
‫وينقسم علم اإلحصاء إلى قسمين أساسيين هما‪:‬‬
‫اإلحصاء الوصفي ‪:Descriptive Statistics‬‬
‫عبارة من مجموعة األساليب اإلحصائية التي تعنى بجمع البيانات وتنظيمها وتصنيفها وتلخيصها وعرضها بطريقة‬
‫واضحة في صورة جداول أو أشكال بيانية وحساب المقاييس اإلحصائية المختلفة لوصف متغير ما (أو أكثر من متغير)‬
‫في مجتمع ما أو عينه منه‪.‬‬
‫اإلحصاء االستداللي ‪: Statistics Inferential‬‬
‫عبارة عن مجموعة من األساليب اإلحصائية التي تستخدم بغرض تحليل بيانات ظاهرة (أو أكثر) في مجتمع ما على‬
‫أساس بيانات عينة احتمالية تسحب منه وتفسيرها للتوصل إلى التنبؤ واتخاذ القرارات المناسبة‪.‬‬
‫ويتلخص األسلوب اإلحصائي في الخطوات التالية‪:‬‬
‫‪ -1‬جمع البيانات عن طريق التجربة والمشاهدة بوفرة كافية الستخالص النتائج منها‪.‬‬
‫‪ -2‬عرض هذه البيانات بطريقة تساعد على تفهمها واالستفادة منها حيث أن البيانات اإلحصائية في صورتها األولية ال‬
‫يمكن االستفادة أو استخالص النتائج منها وذلك في حالة وجود عدد كبير من األرقام أو الصفات‪.‬‬
‫المجتمع ‪:Population‬‬
‫هو مجموع كل المفردات الممكنة سواء كانت أفراداً أو أشياء أو وحدات تجريبية أو قياسات موضوع االهتمام في‬
‫الدراسة‪ ،‬وقد يتكون المجتمع من عدد محدود من المفردات أو أن يكون عدد مفرداته ال نهائي‪ ،‬كما أن المجتمع قد يكون‬
‫حقيقيا أو افتراضيا‪.‬‬
‫الحصر الشامل ‪:Census‬‬
‫هو جمع البيانات من جميع مفردات المجتمع المراد دراسته‪.‬‬
‫وفي بعض الحاالت ال نتمكن من حصر كل مفردات المجتمع مثل مجتمعات األسماك أو النباتات أو تؤدى عملية الحصول‬
‫على البيانات من مفردات المجتمع إلى إهالكها أو إتالفها وبالتالي ال يمكن جمع البيانات من كل المفردات أو قد تحتاج‬
‫عملية جمع البيانات من جميع المفردات إلى وقت طويل أو جهد أو تكاليف باهظة‪ ،‬وفي مثل هذه الحاالت يتم جمع‬
‫البيانات بأخذ جزء فقط من مفردات المجتمع وهو ما يسمى بالعينة‪.‬‬
‫‪Page 4 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫المقاييس اإلحصائية‬
‫أوالً‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬
‫معظم قيم مفردات أي ظاهرة لها الرغبة في التجمع أو التمركز حول قيمة معينة تسمى القيمة المتوسطة‪ ،‬هذا التجمع عند‬
‫هذه القيمة يسمى بالنزعة المركزية للبيانات‪.‬‬
‫أهم مقاييس النزعة المركزية‪:‬‬
‫‪،‬الربيعات‪ ،‬الوسط الهندسي‪،‬الوسط التوافقي‪.‬‬
‫الوسط الحسابي‪ ،‬الوسيط ‪ ،‬المنوال ُ‬

‫(‪ )1‬الوسط الحسابي ‪ Arithmetic Mean‬أو ‪Average‬‬

‫الوسط الحسابي لمجموعة من القيم هو القيمة التي لو أعطيت لكل مفردة من مفردات المجموعة لكان مجموع القيم الجديدة‬
‫‪ x‬وستخدم الوسط الحسابي في حالة البيانات الرقمية فقط‪.‬‬
‫‪.‬‬ ‫مساويا لمجموع القيم األصلية ويرمز له بالرمز‬

‫(‪ )2‬الوسيط ‪:Median‬‬

‫يعرف الوسيط لمجموعة من البيانات بأنه القيمة التي تقع في وسط المجموعة تماماً بعد ترتبيها تصاعدياً أو تنازلياً‪ ،‬أي هو‬
‫القيمة التي تقسم مجموعة البيانات إلى قسمين بحيث يكون عدد القيم األكبر منها مساوياً عدد القيم األصغر منها ويرمز له‬
‫‪ M.‬ويستخدم الوسيط في حالة البيانات الترتيبية‪.‬‬ ‫‪e‬‬ ‫بالرمز‬

‫(‪ )3‬المنوال ‪:Mode‬‬

‫‪.‬‬
‫‪M‬‬ ‫‪o‬‬ ‫يعرف المنوال لمجموعة من البيانات بأنه القيمة األكثر شيوعاً (تكراراً) في المجموعة ويرمز له بالرمز‬
‫يفضل استخدام المنوال في حالة البيانات الوصفية والترتيبية‪.‬‬

‫الربيعات ‪Quartiles‬‬‫‪ُ -4‬‬

‫الربيعات وعددها ثالثة هي من اليسار إلى‬
‫يمكن تقسم المساحة تحت المضلع التكراري إلى أربعة أقسام متساوية تسمى ُ‬
‫اليمين‪:‬‬
‫الربيع األول (األدنى) ‪ :Q1‬وهو القيمة التي تقسم مجموعة القراءات (بعد ترتيبها تصاعدياً) إلى قسمين بحيث يسبقها ربع‬
‫ُ‬
‫البيانات ويليها ثالثة أرباع البيانات‪.‬‬
‫الربيع الثاني (الوسيط) ‪ :Q2‬وهو القيمة التي تقسم مجموعة القراءات (بعد ترتيبها تصاعدياً) إلى قسمين بحيث يسبقها‬
‫ُ‬
‫نصف البيانات ويليها نصف البيانات أيضاً‪.‬‬
‫الربيع الثالث (األعلى) ‪ :Q3‬وهو القيمة التي تقسم مجموعة القراءات (بعد ترتيبها تصاعدياً) إلى قسمين بحيث يسبقها‬
‫ُ‬
‫ثالثة أرباع البيانات ويليها ربع البيانات‪.‬‬
‫ثانياً‪ :‬مقاييس التشتت المطلق ‪Measures of Dispersion‬‬
‫الربيعي)‪ R،‬االنحراف المتوسط ‪ ،‬التباين‬
‫الربيعي (االنحراف ُ‬
‫من أهم مقاييس التشتت المطلق‪ :‬المدى‪ ،‬نصف المدى ُ‬
‫واالنحراف المعياري‪.‬‬

‫‪Page 5 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫(‪ )1‬المدى ‪:Range‬‬

‫ويعرف بأنه الفرق بين أكبر وأصغر قيمة في مجموعة البيانات ويرمز له‬
‫المدى هو أبسط مقاييس التشتت المطلق ُ‬
‫بالرمز ‪.R‬‬

‫الربيعي (االنحراف الربيعي) ‪:Quartile Deviation‬‬

‫(‪ )2‬نصف المدى ُ‬
‫والربع‬
‫الربع األول من القراءات ُ‬
‫يمكن التخلص من العيب الذي يسببه المدى وهو تأثره بالقيم المتطرفة وذلك بأن نستبعد ُ‬
‫الربيعيين األدنى واألعلى كمقياس للتشتت في‬
‫ويحسب المدى للقراءات الباقية‪ .‬وتستخدم نصف المسافة بين ُ‬
‫األخير منها ُ‬
‫الربيعي‬
‫الربيعي أو االنحراف ُ‬
‫حالة وجود قيم متطرفة ويسمى هذا المقياس بنصف المدى ُ‬

‫(‪ )3‬التباين واالنحراف المعياري‪:‬‬

‫يعتبر التباين من أهم مقاييس التشتت المطلق ويعرف تباين مجموعة من القيم بأنه متوسط مجموع مربعات انحرافات هذه‬
‫القيم عن وسطها الحسابي وبذلك فإن وحدات التباين هي مربع وحدات البيانات األصلية‪ .‬فإذا كانت وحدات القراءات‬
‫‪.‬‬
‫‪S‬‬ ‫‪2‬‬
‫األصلية بالدينار فتكون وحدات التباين (الدينار)‪ 2‬وهكذا‪ ،‬ويرمز له بالرمز‬
‫واالنحراف المعياري لمجموعة من البيانات هو الجذر التربيعي الموجب للتباين‪ ،‬وبذلك فإن وحدات االنحراف المعياري‬
‫هي نفس وحدات البيانات األصلية ويرمز له الرمز ‪ ،S‬وغالباً يفضل استخدام االنحراف المعياري ألن مقياس التشتت‬
‫المطلق يجب أن يكون له نفس وحدات القراءات األصلية وهو متحقق في حالة االنحراف المعياري‪.‬‬
‫ثالثاً‪ :‬االلتواء ‪Skewness‬‬
‫االلتواء هو بعد التوزيع عن التماثل‪ ،‬وقد يكون هذا التوزيع متماثالً أو ملتوياً جهة اليمين أو ملتوياً جهة اليسار‪.‬‬
‫‪ 0-‬ففي حالة التوزيعات المتماثلة فإن الوسط الحسابي = الوسيط = المنوال‬
‫‪ ㄱ-‬إذا كان التوزيع ملتوياً جهة اليمين فإن‪:‬‬
‫الوسط الحسابي > الوسيط > المنوال‬
‫ويسمى توزيع موجب االلتواء وفيه يكون الطرف األيمن للمنحنى أطول من األيسر‪.‬‬
‫‪ ㄴ-‬إذا كان التوزيع ملتوياً جهة اليسار فإن‪:‬‬
‫الوسط الحسابي < الوسيط < المنوال‬
‫ويسمى توزيع سالب االلتواء وفيه يكون الطرف األيسر للمنحنى أطول من األيمن‪.‬‬

‫‪SPSS‬‬ ‫تشغيل والتعرف على البرنامج‬

‫في بيئة النواف‪RR R R R R‬ذ‪ ،‬ويتم تش‪RR R R R R‬غيله باختي‪RR R R R R‬ار األمر ‪ START‬من الالئحة الرئيسة‬ ‫يعمل البرن‪RR R R R R‬امج اإلحص‪RR R R R R‬ائي ‪SPSS‬‬
‫‪ PROGRAMS‬وبعد ذلك حدد برنامج ‪.SPSS‬‬
‫نوافذ البرنامج‬
‫هناك عدة نوافذ للبرنامج نذكر منها ما يلي‪:‬‬

‫‪Page 6 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪ -1‬الئحة األوامر ‪.COMMAND FUNCTIONS‬‬

‫‪ -2‬شاشة البيانات ‪.DATA VIEW‬‬
‫‪ -3‬شاشة تعريف المتغيرات ‪.VARIABLE VIEW‬‬
‫‪ -4‬الئحة التقارير والمخرجات ‪.OUTPUT NAVIGATOR‬‬

‫‪ -1‬الئحة األوامر‬
‫وهو الجزء الخاص باألوامر‪ ،‬حيث يمكن اختيار األمر من خالل ‪ ICON‬لكل عملية إحصائية وتعرض النتائج في الئحة‬
‫التقارير‪ ،‬وتشمل الالئحة على ‪ 9‬أوامر رئيسة ( بدون ‪ )Help‬يتفرع منها عدد من األوامر الفرعية‪.‬‬
‫‪ -2‬الئحة البيانات‬
‫إلضافة وإ لغاء البيانات التابعة لكل متغير‪ ،‬حيث يتم تمثيل المتغير بعمود ‪ Column‬ويعطي االسم ‪ VAR‬مع رقم يبدأ من‬
‫‪ 1‬حتى ‪ ،100,000‬أما األسطر فتمثل عدد المشاهدات لكل متغير‪ .‬ويتم التحويل ما بين المشاهدات والمتغيرات بالضغط‬
‫على ‪ Data View‬و ‪.Variable View‬‬
‫‪ -3‬شاشة تعريف المتغيرات‬
‫لتعريف المتغ ‪RR‬يرات يتم الض ‪RR‬غط على العم ‪RR‬ود م ‪RR‬رتين ‪ DOUBLE CLICK‬او بالض ‪RR‬غط على ‪VARIABLE VIEW‬‬
‫الموج ‪RR‬ود في أس ‪RR‬فل الشاشة لتظهر شاشة أخ ‪RR‬رى لتعريف المتغ ‪RR‬يرات بتحديد اسم المتغ ‪RR‬ير الن ‪RR‬وع‪ ،‬الحجم‪ ،‬العن ‪RR‬وان‪ ،‬الترم ‪RR‬يز‪.‬‬
‫ويتم الترميز بالضغط على عامود ‪ VALUES‬ومن ثم تحديد قيمة الرمز ووصفه مع الضغط على مفتاح ‪ ADD‬إلض‪RR‬افة‬
‫الرمز‪.‬‬

‫‪Page 7 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪ -4‬الئحة التقارير والنتائج‪:‬‬

‫شاشة إلظهار النتائج والتقارير‪ ،‬ويتم التحويل ما بين شاشة النتائج وشاشة البيانات بالضغط على األمر ‪WINDOW‬‬
‫ومن ثم اختيار ملف البيانات‪.‬‬

‫استرجاع البيانات والملفات‪:‬‬

‫باختيار األمر ‪ FILE‬ثم الفرعي ‪ ،OPEN‬ال بد بعد ذلك من تحديد نوعية الملف المراد استرجاعه‪.‬‬

‫‪Page 8 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫ويتم استرجاع التالي‪:‬‬

‫‪ -1‬بيانات ( المتغيرات ) (*‪.)SAV .‬‬
‫‪ -2‬تقارير‪ ،‬والمقصود بتقارير نتائج العمليات اإلحصائية التي تم عملها سابقاً (*‪.)SPO.‬‬
‫وذلك بعد اختي ‪RR‬ار اسم الملف المطل ‪RR‬وب مع التأكيد على مفت ‪RR‬اح ‪ .OPEN‬وك ‪RR‬ذلك يمكن اس ‪RR‬ترجاع ملف ‪RR‬ات االكس ‪RR‬يل (*‪)xls.‬‬
‫وأنواع ملفات أخرى‪.‬‬

‫حفظ الملف‪:‬‬
‫األمر الفرعي ‪ SAVE‬و ‪ SAVE AS‬خاصان لحفظ البيانات‪ ،‬حيث‬
‫‪ SAVE AS )1‬يستخدم إلعطاء اسم جديد للملف مع حفظه ويمكن كما ذكر سابقاً حفظ ما يلي‪:‬‬
‫‪ -‬بيان المتغيرات “‪”DATA‬‬
‫‪ -‬تقارير “‪”OUTPUT NAVIGATOR‬‬
‫‪ SAVE )2‬لحفظ التعديالت الجديدة التي طرأت على الملف‪.‬‬

‫إضافة‪ ،‬تعديل والتحكم بالمتغيرات‪R‬‬

‫انتقل إلى ناف ‪RR R‬ذة ‪ DATA EDITOR‬واخ ‪RR R‬تر متغ‪RR R R‬ير غ ‪RR R‬ير محج‪RR R R‬وز (عم ‪RR R‬ود)‪ R‬وأضف البيان‪RR R R‬ات مع التأكيد على مفت ‪RR R‬اح‬
‫‪ ENTER‬أو تحرير السهم إلى أسفل (مالحظة‪ . :‬تعني ‪ MISSING‬أي ال توجد قيمة في هذه الخلية)‪.‬‬

‫‪Page 9 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪ )1‬تعديل البيانات‪:‬‬
‫ويمكن بسهولة تعديل أي قيمة وذلك بتحريك السهم إلى الصف ( الخلية) والكتابة عليها بالقيمة الجديدة‪.‬‬
‫‪ )2‬تعريف المتغيرات‪:‬‬
‫يمكن تحديد نوعية البيان ‪RR R‬ات المض ‪RR R‬افة ف ‪RR R‬المتغيرات والمؤش ‪RR R‬رات االقتص ‪RR R‬ادية يمكن إض ‪RR R‬افتها كما هي‪ ،‬أما المتغ ‪RR R‬يرات‬
‫والبيانات تحدد من قبل الباحث بطريقة البدائل ( ذكر أو أن‪RR‬ثى‪ ،‬متعلم أو غ‪RR‬ير متعلم) ويتم تعريف المتغ‪RR‬ير باالنتق‪RR‬ال إلى‬
‫شاشة تعريف المتغيرات ‪ VARIABLE VIEW‬وتحديد اآلتي‪:‬‬
‫‪ ‬اسم المتغير‪ ،‬النوع‪ ،‬حجم المتغير‪ ،‬عدد النقاط العشرية‪.‬‬
‫‪ ‬تحديد قيم المتغير ( الترميز ) في خانة ‪.VALUES‬‬
‫‪ ‬إدخ‪RR R‬ال قيمة الرمز في خانة ‪ VALUE‬واسم الرمز في خانة ‪ VALUE LABEL‬والض‪RR R‬غط على مفت‪RR R‬اح‬
‫‪ ADD‬في كل مرة‪.‬‬
‫‪ ‬بعد إج ‪RR‬راء الخط ‪RR‬وات الس ‪RR‬ابقة يتم إض ‪RR‬افة المتغ ‪RR‬يرات في شاشة البيان ‪RR‬ات وإلظه ‪RR‬ار القيم الكتابية المرادفة ب ‪RR‬دل‬
‫القيم الرقمية وذلك بإجراء ما يلي‪:‬‬
‫‪ .I‬اختر األمر ‪ VIEW‬من الالئحة الرئيسة‪.‬‬
‫‪.‬‬ ‫اختر األمر الفرعي ‪ VALUE LABELS‬أو الضغط على المفتاح‬ ‫‪.II‬‬
‫أنظر المربع الحواري التالي مثالً‪:‬‬

‫مثال‪:‬‬
‫في حالة وجود أكثر من متغير بنفس عناوين قيم البيانات ‪ ،‬وتكون االختيارات‪ :‬موافق بش‪R‬دة‪ ،‬مواف‪R‬ق‪ ،‬م‪R‬تردد‪ ،‬غ‪R‬ير مواف‪R‬ق‪،‬‬
‫غير موافق على اإلطالق وبفرض أنه يوجد ‪ 10‬متغيرات في مثل هذه الحالة‪ ،‬ولتنفيذ ذلك يمكن إتباع الخطوات التالية‪:‬‬
‫‪ -1‬يتم تعريف االختيارات السابقة كما تم شرحه في تعريف قيم المتغيرات‪.‬‬
‫‪ -2‬نسخ المتغير السابق تعريفه‪ )EDIT, COPY( ،‬أو ‪CTRL + C‬‬
‫‪ -3‬اخ‪RR R‬تر الصف الت‪RR R‬الي للمتغ‪RR R‬ير الس‪RR R‬ابق بالف‪RR R‬أرة ثم اض‪RR R‬غط على المفت‪RR R‬اح األيمن للف‪RR R‬أرة‪ ،‬من القائمة المنس‪RR R‬دلة يتم اختي‪RR R‬ار‬
‫‪ …PASTE VARIABLES‬كما في الشكل التالي‪.‬‬

‫‪Page 10 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪ -4‬يظهر المربع الحواري التالي‪:‬‬

‫‪ -5‬أكمل المربع الحواري السابق كما يلي‪:‬‬

‫‪ -6‬اختر ‪ OK‬فنحصل على المطلوب كما في الشكل التالي‪:‬‬

‫إضافة متغير أو مشاهدة‪:‬‬

‫يمكن إضافة مشاهدة أو متغير جديد وذلك باستعمال األمر الرئيسي ‪ DATA‬ثم‪:‬‬
‫‪.‬‬ ‫‪ -1‬األمر الفرعي ‪ INSERT VARIABLE‬في حالة إضافة متغير جديد أو الضغط على مفتاح‬

‫‪.‬‬ ‫‪ -2‬األمر الفرعي ‪ INSERT CASE‬في حالة إضافة مشاهدة جديدة أو الضغط على مفتاح‬
‫‪ -3‬األمر الفرعي ‪ SORT CASES‬لترتيب البيانات حسب المتغير المراد الترتيب به‪.‬‬

‫‪Page 11 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪.‬‬ ‫‪ -4‬األمر الفرعي ‪ GOTO CASE‬لتحويل المؤشر إلى مشاهدة معينة أو الضغط على مفتاح‬

‫أو باس‪RR R R R R‬تخدام األمر الرئيسي‬ ‫‪ -5‬ولع‪RR R R R R‬رض المتغ‪RR R R R R‬يرات المس‪RR R R R R‬تخدمة قيد الدراسة يتم الض‪RR R R R R‬غط على مفت‪RR R R R R‬اح‬
‫‪ UTILITIES‬ثم األمر الفرعي ‪.VARIABLES‬‬
‫إلغاء متغير أو مشاهدة أو حالة‬
‫ضع المؤشر‪ R‬في مك‪RR‬ان المتغ‪RR‬ير الم‪RR‬راد إلغ‪RR‬اؤه ثم اض‪RR‬غط على مفت‪RR‬اح ‪ ،DEL‬وفي حالة إلغ‪RR‬اء مش‪RR‬اهدة ضع المؤشر‪R‬‬
‫على مكان الخلية ( المشاهدة ) ثم اضغط على مفتاح ‪ .DEL‬وإللغاء حالة معينة يجب أن تضغط‪ R‬بالفأرة على تلك‬
‫الحالة ثم اضغط على مفتاح ‪.DEL‬‬

‫ترتيب المشاهدات حسب متغير معين ‪Rank Cases‬‬

‫يقوم برن‪R‬امج ‪ SPSS‬بانش‪R‬اء متغ‪R‬ير جديد يحت‪R‬وي على ال‪R‬رقم‪ R‬التسلس‪R‬لي ل‪R‬ترتيب المش‪R‬اهدات إما تص‪R‬اعدياً أو تنازلي‪R‬اً‪،‬‬
‫وذلك باختيار األمر الفرعي ‪ RANK CASES‬من األمر الرئيسي ‪.TRANSFORM‬‬

‫تكوين متغير جديد باستخدام معادلة‬

‫األمر ‪Compute‬‬
‫أختر من الالئحة الرئيسة األمر ‪ ،TRANSFORM‬ثم األمر الف‪R‬رعي ‪ COMPUTE‬بعد ذلك ح‪R‬دد اسم المتغ‪R‬ير‬
‫الجديد في ‪ TARGET VARIABLE‬ثم كتابة المعادلة التي س‪R‬وف‪ R‬تق‪R‬وم بتكوينها‪ R‬باس‪R‬تخدام‪ R‬المتغ‪R‬يرات المعرفة‬

‫لتحديد شرط تحقيق المعادلة‪ .‬أنظر المربع الحواري‪ R‬التالي‪:‬‬ ‫مسبقاً‪ .‬وبالضغط‪ R‬على مفتاح‬

‫استخدام الدالة ‪ IF‬مع ‪Compute‬‬

‫تستخدم الدالة ‪ IF‬في حالة إضافة شرط معين لحساب قيم متغير جديد بالنسبة لمتغير موجود مسبقاً‬

‫‪Page 12 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪ -‬فمثالَ‪ :‬افتح الملف ‪.Employee Data‬‬

‫‪ -‬المطلوب‪ :‬إعطاء مكافأة مقدارها مرتب شهر واحد للموظفين الذين تعلموا ‪ 16‬سنة فأكثر‪.‬‬

‫‪SPSS STEP BY STEP‬‬

‫‪Transform  Compute‬‬
‫‪:‬أكمل المربع الحواري كما يلي ‪-‬‬

‫‪ -‬اضغط على االختيار ‪ …If‬ثم أكمل المربع الحواري كما يلي‪:‬‬

‫نالحظ أنه تم إضافة متغير• باسم ‪ new1‬يشتمل على مكافأة ش••هر للم••وظفين ال••ذين ع••دد س••نوات تعليمهم ‪ 16‬س••نة‬
‫فأكثر وخاليا مفقودة (بدون قيم) لباقي الموظفين‪.‬‬
‫‪Page 13 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬
‫فمثالً الموظف رقم ‪ :2‬عدد س••نوات التعليم الخاص••ة ب••ه ‪ 16‬س••نة وراتب••ه الس••نوي الح••الي ‪ ،$40200‬نالح••ظ أن••ه‬
‫استحق مكافأة مقدارها ‪.)3350=40200/12( $3350‬‬

‫اختيار خاليا ‪SELECT CASES‬‬

‫يستخدم هذه األمر الختيار‪ R‬الحاالت التي تحقق شرط معين الستخدامها‪ R‬في تحليل إحصائي‪ R‬خاص لبعض الحاالت‬
‫المطلوبة‪ ،‬فمثالً إذا كان المطلوب اختيار الذكور‪ R‬الذين يعملون في وظيفة مدير أو اختيار عينة عشوائية ذات حجم‬
‫معين‪.‬‬
‫‪SPSS STEP BY STEP‬‬
‫‪Data  Select Cases‬‬

‫توجد عدة اختيارات في المربع الحواري‪ R‬السابق هي‪:‬‬

‫‪All cases .1‬‬
‫يستخدم هذا االختيار في حالة استخدام‪ R‬جميع الخاليا دون تحقيق شرط معين وهذا هو االختيار‪ R‬المبدئي في‬
‫‪.SPSS‬‬
‫‪If condition is satisfied .2‬‬
‫يستخدم هذا االختيار في حالة اختيار بعض الخاليا التي تحقق شرط معين‪ ،‬ويمكن استخدام الرموز التالية مع هذا االختيار‪:‬‬
‫أصغر من أو يساوي‬ ‫<=‬ ‫أصغر من‬ ‫<‬
‫أكبر من أو يساوي‬ ‫>=‬ ‫أكبر من‬ ‫>‬
‫ال يساوي‪R‬‬ ‫~=‬ ‫يساوي‬ ‫=‬

‫يمكن استخدام الرموز المنطقية التالية مع الدالة ‪" | " If: and " & "، or‬‬
‫ولتنفيذ ذلك نشط هذا االختيار• ثم اضغط ‪ If‬فيظهر• المربع الحواري التالي‪:‬‬

‫‪Page 14 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫فمثالً‪:‬‬
‫‪ -‬الختيار الحاالت التي أقل من ‪ 18‬سنة مثالً لقيم المتغير ‪educ‬نستخدم‪ R‬عالمة أقل من " < " يمكن استخدام‪R‬‬
‫الشرط التالي‪:‬‬
‫‪ educ < 18‬أو ‪educ <= 17‬‬

‫‪ -‬الختيار الم••وظفين ب••دون الم••دراء فق••ط يمكن اس••تخدام العالم••ة ال يس••اوي• " ~= " حيث تم تص••نيف الم••دراء‬
‫بالرقم ‪ 3‬لتنفيذ ذلك استخدام الشرط• التالي‪:‬‬
‫‪Jobcat ~= 3‬‬
‫‪ -‬الختيار الموظفين الذكور الذين تعلموا أكثر من ‪ 18‬سنة ومدراء يمكن استخدام• الشرط التالي‪:‬‬
‫‪Gender = “m” & educ >18 & jobcat = 3‬‬
‫علما ً بأن المتغير ‪ Gender‬متغير وص••في تم تص••نيفه إلى ن••وعين هم••ا‪ :m :‬ذك••ور‪ :f ،‬إن••اث‪ ،‬وفي حال••ة المتغ••ير‬
‫الوصفي يجب وضع الرمز المناسب (‪ )m, f‬بين عالمتي تنصيص " "‪.‬‬
‫‪ -‬الختيار الموظف• الذي يعمل في وظيفة كاتب أو مدير يمكن استخدام الشرط التالي‪:‬‬
‫‪Jobcat = 1 | Jobcat = 3‬‬

‫مع مالحظة أنه من الضروري• تكرار اسم المتغير‪ ،‬أي أنه من الخطأ استخدام الشرط السابق على النحو التالي‪:‬‬
‫‪Jobcat = 1 | 3‬‬

‫يمكن استخدام دالة ‪ any‬الختيار الموظف• الذي يعمل في وظيفة كاتب أو مدير كما يلي‪:‬‬
‫) ‪any( Jobcat, 1 , 3‬‬

‫‪ -‬الختيار الموظفين الذين تعلموا بين ‪ 18‬سنة و ‪ 20‬سنة مثالً يمكن استخدام الشرط التالي‪:‬‬
‫‪educ >=18 & educ <= 20‬‬

‫أو يمكن استخدام‪ R‬الشرط في الصورة التالية‪:‬‬

‫)‪range (educ,18,20‬‬
‫‪Random sample of cases .3‬‬
‫يستخدم هذا االختيار في حالة اختيار عينة عشوائية بحجم معين‪ ،‬ولتنفيذ ذلك نشط هذا االختيار‪ R‬ثم اضغط‬
‫‪ Sample‬فيظهر‪ R‬المربع الحواري التالي‪:‬‬

‫‪Page 15 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫يوجد اختياران في المربع الحواري السابق هما‪:‬‬

‫‪ :Approximately‬يستخدم الختيار‪ R‬نسبة مئوية تقريبية من الحاالت‪ ،‬فمثالً يمكن اختيار ‪ %20‬تقريباً من كل‬
‫الخاليا‪.‬‬

‫‪ :Exactly‬يستخدم الختيار‪ R‬عينة عشوائية ذات حجم معين من أول عدد مناسب من الخاليا مع مالحظة أن عدد‬
‫الخاليا المطلوب اختيارها‪ R‬يجب أن يكون أقل من عدد الخاليا المطلوب االختيار منها‪ ،‬فمثالً يمكن اختيار ‪100‬‬
‫خلية فقط من أول ‪ 150‬خلية‪.‬‬
‫‪Based on time or case range .4‬‬
‫يس‪RR R R‬تخدم ه‪RR R R‬ذا االختي‪RR R R‬ار في حالة اختي‪RR R R‬ار عينة عش‪RR R R‬وائية بحجم معين‪ ،‬ولتنفيذ ذلك نشط ه‪RR R R‬ذا االختي‪RR R R‬ار‪ R‬ثم اض‪RR R R‬غط‬

‫‪ Range‬فيظهر‪ R‬المربع الحواري التالي‪:‬‬

‫الختيار الحاالت بين ‪ 50 ،20‬مثالً اكتب في المربع الحواري• السابق اكتب ‪ 20‬في المستطيل أسفل ‪First Case،‬‬
‫‪ 50‬في المستطيل أسفل ‪.Last Case‬‬

‫‪Use filter variable .5‬‬

‫يستخدم هذا االختيار• في حالة استخدام• متغير رقمي كمتغير لتصفية الخاليا المطلوبة‪ ،‬وفي• هذه الحالة فإن الخالي••ا‬
‫التي قيمها ال تساوي صفراً أو ليست قيم مفقودة لمتغير التصفية سوف يتم اختيارها‪.‬‬

‫االختيار ‪ Filtered‬أسفل ‪ :Unselected Cases Are‬يستخدم• لتصفية الخاليا الغير مطلوب••ة م••ع إبقائه••ا في‬
‫ملف البيانات‪ ،‬أما االختيار ‪ Deleted‬فيستخدم• لمسح الخاليا الغير مطلوبة من ملف البيانات‪.‬‬

‫‪Page 16 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫إعادة الترميز‪Recode R‬‬

‫يستخدم األمر ‪ Recode‬في عمليات الفرز لمجموعات مختلفة‪ ،‬وذلك بهدف إنشاء جداول تكرارية مختصرة‬
‫ويمكن تنفيذ ذلك على نفس المتغير أو إنشاء متغير جديد وينصح بإنشاء متغير جديد ألن تنفيذ األمر ‪Recode‬‬
‫على نفس المتغير يعمل على مسح قيم المتغير األصلية التي قد تستخدم‪ R‬فيما بعد ألغراض تحليلية أخرى‪.‬‬
‫المطلوب‪ :‬فرز‪ R‬عدد سنوات التعليم (‪ )educ‬في ملف ‪ Employee data‬وذلك في متغير جديد باسم‬
‫‪ educ_new‬حسب التصنيف‪ R‬التالي‪:‬‬
‫‪19-21‬‬ ‫‪17-18‬‬ ‫‪13-16‬‬ ‫‪8-12‬‬
‫مدى الدرجات‬
‫‪4‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫التصنيف‬

‫‪SPSS STEP BY STEP‬‬

‫‪Transform  Recode  Into Different Variables‬‬
‫‪ -‬أكمل المربع الحواري‪ R‬كما يلي‪:‬‬

‫‪ -‬اضغط على ‪ Old and New Values‬ثم أكمل المربع الحواري كما يلي‪:‬‬

‫‪Page 17 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪ -‬المطلوب تصنيف البيانات السابقة كما يلي‪:‬‬

‫‪19-21‬‬ ‫‪17-18‬‬ ‫‪13-16‬‬ ‫‪8-12‬‬
‫مدى الدرجات‬
‫دكتوراة‬ ‫ماجستير‪R‬‬ ‫جامعي‬ ‫ثانوي فأقل‬ ‫التصنيف‬
‫اتبع نفس الخطوات في المثال السابق مع اختيار ‪ Output variables are strings‬في المربع الحواري السابق‬
‫مع استبدال التصنيف السابق (‪ )1،2،3،4‬بالتصنيف الجديد (ثانوي فأقل‪ ،‬جامعي‪ ،‬ماجستير‪ ،‬دكتوراة) حيث أن‬
‫التصنيف في هذه الحالة متغير وصفي‪.‬‬
‫الشكل التالي يمثل جزء من نافذة ملف البيانات بعد االنتهاء من تنفيذ األمر‪.‬‬

‫مالحظات‪:‬‬
‫‪ -‬يمكن فرز كالً من المتغيرات الرقمية والوصفية بطريقة منفصلة‪ ،‬وال يجوز‪ R‬فرزها معاً‪.‬‬
‫‪ -‬في حالة اختيار عدة متغيرات يجب أن تكون كلها من نفس النوع (رقمية أو اسمية)‪.‬‬
‫‪ -‬يستخدم االختيار‪ IF R‬إذا كانت هناك شروط خاصة يجب تحقيقها لعملية الفرز‪.‬‬
‫‪ -‬في حالة اختيار ‪ Into Same Variable‬سيتم استبدال قيم المتغير األصلية بنتائج عملية الفرزمما يعني‬
‫فقدان القيم األصلية‪.‬‬

‫‪Page 18 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫اإلحصاء الوصفي والمدرج التكراري للبيانات‬

‫(‪ )1‬التكرارات والمدرج التكراري ‪Histogram and Frequencies‬‬
‫اختر من الالئحة الرئيسة ما يلي‪:‬‬
‫‪ANALYZE ‬‬
‫‪ ‬اختر األمر ‪.DESCRIPTIVE STATISTICS‬‬
‫‪ FREQUENCIES ‬وتستخدم‪ R‬لعرض الجداول التكرارية للمتغيرات موضع الدراسة‪.‬‬

‫‪Gender‬‬

‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Valid Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫‪Female‬‬ ‫‪216‬‬ ‫‪45.6‬‬ ‫‪45.6‬‬ ‫‪45.6‬‬
‫‪Male‬‬ ‫‪258‬‬ ‫‪54.4‬‬ ‫‪54.4‬‬ ‫‪100.0‬‬
‫‪Total‬‬ ‫‪474‬‬ ‫‪100.0‬‬ ‫‪100.0‬‬

‫والض ‪RR‬غط‪ R‬على مفت ‪RR‬اح‬ ‫يمكن تحديد المطل ‪RR‬وب إظه ‪RR‬اره بتحديد االختي ‪RR‬ارات بالض ‪RR‬غط‪ R‬على مفت ‪RR‬اح‬

‫الرسم البياني‬

‫‪yrogetaC tnemyolpmE‬‬

‫‪004‬‬

‫‪363‬‬
‫‪%85.67‬‬

‫‪003‬‬

‫‪002‬‬
‫‪ycneuqerF‬‬

‫‪001‬‬
‫‪48‬‬
‫‪%27.71‬‬

‫‪72‬‬
‫‪%7.5‬‬
‫‪0‬‬
‫‪lacirelC‬‬ ‫‪laidotsuC‬‬ ‫‪reganaM‬‬

‫‪yrogetaC tnemyolpmE‬‬

‫‪Page 19 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫(‪ )2‬اإلحصاء الوصفي ‪Descriptive Statistics‬‬

‫اختر من الالئحة الرئيسة ما يلي‪:‬‬
‫‪ANALYZE -1‬‬
‫‪ -2‬اختر من األمر ‪DESCRIPTIVE STATISTICS‬‬
‫‪ DESCRIPTIVES -3‬وتعني اإلحصاء الوصفي‬

‫ولتحديد مخرجات اإلحصاء الوصفي اختر ‪ OPTION‬من الالئحة الفرعية‪ ،‬ثم حدد ما هو المطلوب‪.‬‬

‫(‪ )3‬المستكشف ‪Explore‬‬

‫اختر من الالئحة الرئيسة ما يلي‪:‬‬
‫‪ANALYZE -1‬‬
‫‪ -2‬اختر األمر ‪DESCRIPTIVE STATISTICS‬‬
‫‪ EXPLORE -3‬وتعني إظهار الخصائص اإلحصائية للمتغير‪ -‬جميع المتغيرات كل على حدة أو حسب‬
‫مجموعات ذات خصائص معينة‪ .‬وذلك بكتابة المتغير "المراد إظهار صفاته اإلحصائية" في خانة‬
‫‪ DEPENDENT LIST‬ولتحديد المجموعة يتم كتابة المتغير في خانة ‪.FACTOR LIST‬‬

‫‪Page 20 of 57‬‬
‫ سمير خالد صافي‬.‫د‬ SPSS ‫دورة في البرنامج اإلحصائي‬

Descriptives

Gender Statistic Std. Error

Educational Level (years) Female Mean 12.37 .158
95% Confidence Lower Bound 12.06
Interval for Mean Upper Bound
12.68

5% Trimmed Mean 12.41

Median 12.00
Variance 5.378
Std. Deviation 2.319
Minimum 8
Maximum 17
Range 9
Interquartile Range 3
Skewness -.250 .166
Kurtosis -.207 .330
Male Mean 14.43 .185
95% Confidence Lower Bound 14.06
Interval for Mean Upper Bound
14.80

5% Trimmed Mean 14.52

Median 15.00
Variance 8.876
Std. Deviation 2.979
Minimum 8
Maximum 21
Range 13
Interquartile Range 4
Skewness -.455 .152
Kurtosis -.044 .302

CROSS TABULATION ‫) جداول االقتران‬4(

:‫اختر من الالئحة الرئيسة ما يلي‬
.DESCRIPTIVE STATISTICS ‫ ثم اختر األمر‬ANALYZE -1
‫ في جداول االقتران لمعرفة مدى استقاللية‬CHI-SQAURE ‫ إحصائية‬R‫ تستخدم‬،CROSSTABS -2
.‫المتغيرات عن بعضها البعض‬

Page 21 of 57
‫ سمير خالد صافي‬.‫د‬ SPSS ‫دورة في البرنامج اإلحصائي‬

Gender * Employment Category Crosstabulation

Employment Category
Clerical Custodial Manager Total
Gender Female Count 206 0 10 216
% within Gender 95.4% .0% 4.6% 100.0%
% within Employment
56.7% .0% 11.9% 45.6%
Category
% of Total 43.5% .0% 2.1% 45.6%
Male Count 157 27 74 258
% within Gender 60.9% 10.5% 28.7% 100.0%
% within Employment
43.3% 100.0% 88.1% 54.4%
Category
% of Total 33.1% 5.7% 15.6% 54.4%
Total Count 363 27 84 474
% within Gender 76.6% 5.7% 17.7% 100.0%
% within Employment
100.0% 100.0% 100.0% 100.0%
Category
% of Total 76.6% 5.7% 17.7% 100.0%

Chi-Square Tests

Asymp. Sig.
Value df (2-sided)
Pearson Chi-Square 79.277a 2 .000
Likelihood Ratio 95.463 2 .000
N of Valid Cases 474
a. 0 cells (.0%) have expected count less than 5. The
minimum expected count is 12.30.

‫الرسم البياني‬
‫ العديد‬GRAPHS ‫ ويتفرع من األمر الرئيسي‬،‫ البياني وذلك لتحليلها وتفسيرها‬R‫يمكن تمثيل المتغيرات بالرسم‬
‫ على سبيل‬،‫من األوامر المتعددة بأشكال الرسم البياني ولكل أمر فرعي اختيارات معينة حسب رغبة الباحث‬
.‫ تمثيل البيانات باألعمدة البيانية البسيطة والمزدوجة‬R‫ وتعني‬BAR R‫المثال االختيار‬
Page 22 of 57
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫بعد تحديد الرسم البياني واختيار‪ R‬المتغيرات تظهر النتائج في نافذة خاصة للرسم البياني‪ ،‬حيث يمكن إضافة‬
‫وتعديل العناوين بالضغط على الرسم البياني مرتين بالماوس‪.‬‬
‫افتح ملف البيانات ‪Employee data‬‬
‫‪SPSS STEP BY STEP‬‬

‫‪Graphs  Legacy Dialogs  Bar‬‬

‫اختر ‪ Simple ، Summaries for groups of cases‬كما هو موضح في المربع الحواري‪ R‬التالي‪:‬‬

‫أكمل المربع الحواري‪ R‬كما يلي‪:‬‬

‫‪Page 23 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫فنحصل على الرسم البياني التالي بعد تنسيقه‬

‫‪400‬‬

‫‪363‬‬
‫‪76.58%‬‬

‫‪300‬‬
‫‪Count‬‬

‫‪200‬‬

‫‪100‬‬

‫‪84‬‬
‫‪17.72%‬‬

‫‪27‬‬
‫‪5.70%‬‬
‫‪0‬‬
‫‪Clerical‬‬ ‫‪Custodial‬‬ ‫‪Manager‬‬
‫‪Employment Category‬‬

‫اختر ‪ Clustered، Summaries for groups of cases‬كما هو موضح في المربع الحواري التالي‪:‬‬

‫أكمل المربع الحواري‪ R‬كما يلي‪:‬‬

‫فنحصل على الرسم البياني التالي بعد تنسيقه‬

‫‪Page 24 of 57‬‬
‫ سمير خالد صافي‬.‫د‬ SPSS ‫دورة في البرنامج اإلحصائي‬

Gender
250
Female
Male

206
200 43.46%

157
150 33.12%
Count

100

74
15.61%

50

27
5.70%

10…
0 …
Clerical Custodial Manager
Employment Category

:‫ كما هو موضح في المربع الحواري التالي‬Clustered، Summaries for separate variables ‫اختر‬

:‫ كما يلي‬R‫أكمل المربع الحواري‬

Page 25 of 57
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫فنحصل على الرسم البياني التالي بعد تنسيقه‬

‫‪yralaS tnerruC‬‬
‫‪000,05$‬‬ ‫‪yralaS gninnigeB‬‬

‫‪244,14$‬‬
‫‪000,04$‬‬

‫‪000,03$‬‬

‫‪230,62$‬‬
‫‪naeM‬‬

‫‪000,02$‬‬ ‫‪103,02$‬‬

‫‪290,31$‬‬

‫‪000,01$‬‬

‫‪0$‬‬
‫‪elameF‬‬ ‫‪elaM‬‬
‫‪redneG‬‬

‫المدرج التكراري ‪Histogram‬‬

‫‪SPSS STEP BY STEP‬‬

‫‪Graphs  Legacy Dialogs  Histogram‬‬

‫أكمل المربع الحواري‪ R‬كما يلي‪:‬‬

‫فنحصل على الرسم البياني التالي‬

‫‪Page 26 of 57‬‬
‫ سمير خالد صافي‬.‫د‬ SPSS ‫دورة في البرنامج اإلحصائي‬

120

100

80
Frequency

60

40

20

Mean =$34,419.57
Std. Dev. =$17,075.661
N =474

0
$0 $25,000 $50,000 $75,000 $100,000 $125,000
Current Salary

Page 27 of 57
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪Test of Hypotheses‬‬ ‫اختبار الفرضيات‬

‫يعتبر موضوع‪ R‬اختبار الفرضيات اإلحصائية من أهم الموضوعات‪ R‬في مجال اتخاذ القرارات وسنبدأ بذكر بعض‬
‫المصطلحات الهامة في هذا المجال‪.‬‬

‫‪ -1‬الفرضية اإلحصائية‬
‫هي عبارة عن ادعاء قد يكون صحيحاً أو خطأ حول معلمة أو أكثر لمجتمع أو لمجموعة من المجتمعات‪.‬‬
‫تقبل الفرضية في حالة أن بيانات العينة تساند النظرية‪ ،‬وترفض عندما تكون بيانات العينة على النقيض منها‪،‬‬
‫وفي حالة عدم رفضنا للفرضية اإلحصائية فإن هذا ناتج عن عدم وجود أدلة كافية لرفضها‪ R‬من بيانات العينة‬
‫ولذلك فإن عدم رفضنا لهذه الفرضية ال يعنى بالضرورة أنها صحيحة‪ ،‬أما إذا رفضنا‪ R‬الفرضية بناء على‬
‫المعلومات الموجودة في بيانات العينة فهذا يعنى أن الفرضية خاطئة‪ ،‬ولذلك فإن الباحث يحاول أن يضع الفرضية‬
‫بشكل يأمل أن يرفضها‪ ،‬فمثالً إذا أراد الباحث أن يثبت بأن طريقة جديدة من طرق التدريس أحسن من غيرها‬
‫فإنه يضع فرضية تقول بعدم وجود‪ R‬فرق بين طرق‪ R‬التدريس‪.‬‬
‫‪،‬‬
‫‪H‬‬ ‫‪0‬‬ ‫إن الفرضية التي يأمل الباحث أن يرفضها‪ R‬تسمى بفرضية العدم (الفرضية المبدئية) ويرمز لها بالرمز‬
‫‪.‬‬
‫‪H‬‬ ‫‪1‬‬ ‫ورفضنا لهذه الفرضية يؤدى إلى قبول فرضية بديلة عنها تسمى الفرضية البديلة ويرمز‪ R‬لها بالرمز‪R‬‬

‫‪ -2‬مستوى المعنوية أو مستوى االحتمال‬

‫‪H‬عندما تكون صحيحة أو هو احتمال الوقوع‪ R‬في الخطأ‬ ‫‪0‬‬ ‫وهي درجة االحتمال الذي نرفض به فرضية العدم‬
‫من النوع األول ويرمز‪ R‬له بالرمز‪، R‬وهي يحددها الباحث لنفسه منذ البداية وفي‪ R‬معظم العلوم التطبيقية نختار ‪‬‬
‫مساوية ‪ %1‬أو ‪ % 5‬على األكثر‪.‬‬

‫‪ -3‬دالة االختبار اإلحصائية‬

‫عبارة عن متغير عشوائي له توزيع‪ R‬احتمالي معلوم وتصف الدالة اإلحصائية العالقة بين القيم النظرية للمجتمع‬
‫والقيم المحسوبة من العينة‪.‬‬
‫‪ -4‬القيمة االحتمالية (‪: )Sig. or P-value‬‬
‫احتمال الحصول على قيمة أكبر من أو تساوي‪( R‬أقل من أو تساوي) إحصائية االختبار‪  ‬المحسوبة من بيانات‬
‫‪H ‬وطبيعة الفرض البديل‬ ‫‪0‬‬ ‫العينة أخذاً في االعتبار توزيع‪ R‬إحصائية االختبار‪  R‬بافتراض صحة فرض العدم‬
‫‪H‬ويتم استخدام‪ R‬القيمة االحتمالية التخاذ قرار حيال فرض العدم‪.‬‬
‫‪.‬‬ ‫‪1‬‬

‫‪Page 28 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫خطوات اختبار الفرضيات‪:‬‬

‫(‪ )1‬تحديد نوع توزيع المجتمع‬

‫يجب تحديد ما إذا كان المتغير العشوائي الذي يتم دراسته يتبع التوزيع‪ R‬الطبيعي أم توزيع بواسون أم‬
‫توزيع ذو الحدين أم غيره من التوزيعات‪ R‬االحتمالية المتصلة أو المنفصلة‪ ،‬معظم التوزيعات‪ R‬االحتمالية يكون‬
‫توزيعها‪ R‬مشابهاً للتوزيع الطبيعي‪ R‬خاصة إذا كان حجم العينة كبيراً‪.‬‬
‫هناك نوعان من الطرق‪ R‬اإلحصائية التي تستخدم‪ R‬في اختبار الفرضيات‪:‬‬
‫( أ ) االختبارات المعلمية‪ :‬وتستخدم في حالة البيانات الرقمية التي توزيعها يتبع التوزيع الطبيعي‪.R‬‬
‫(ب) االختبارات غير المعلمية‪ :‬وتستخدم‪ R‬في حالة البيانات الرقمية التي توزيعها‪ R‬ال يتبع التوزيع‪ R‬الطبيعي طبيعي‪،‬‬
‫وكذلك في حالتي البيانات الترتيبية والوصفية‪.‬‬

‫‪ -2‬صياغة فرضيتا العدم والبديلة‬

‫‪،‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪‬مقابل الفرضية القائلة بأن ‪‬ال يساوى‪R‬‬ ‫‪0‬‬ ‫مثالً‪ :‬عند اختبار أن متوسط المجتمع ‪‬يساوى‪ R‬قيمة معينة‬
‫‪H‬تكون على النحو التالي‪:‬‬ ‫‪1‬‬ ‫‪H‬والفرضية البديلة‬ ‫‪0‬‬ ‫فإن فرضية العدم‬
‫‪H‬‬ ‫‪0‬‬ ‫‪:  ‬‬ ‫‪0‬‬

‫‪H‬‬ ‫‪1‬‬ ‫‪:  ‬‬ ‫‪0‬‬

‫‪‬‬ ‫‪ -3‬اختيار مستوى‪ R‬المعنوية‬

‫‪ -4‬اختيار دالة االختبار‪ R‬اإلحصائية المناسبة‬
‫‪ -5‬جمع البيانات من العينة وحساب قيمة دالة االختبار اإلحصائية‬
‫‪ -6‬اتخاذ القرارات‬

‫إذا ك انت قيمة االحتم ال (‪ )Sig. or P-value‬أقل من أو تس اوي مس توى‬

‫‪H‬‬ ‫‪1‬‬ ‫‪H‬ونقبل‬ ‫‪0‬‬ ‫ن رفض‬
‫‪.‬‬
‫‪H‬‬ ‫‪0‬‬ ‫)‪ ،‬أما إذا كانت قيمة االحتمال أكبر من ‪‬فال يمكن رفض‬
‫المعنوية ( ‪‬‬
‫‪. ‬‬
‫‪eulaV‬‬
‫‪P‬‬ ‫‪( ).  ‬‬
‫‪giS‬‬ ‫‪H‬عندما تكون‬ ‫‪0‬‬ ‫وبرنامج ‪ SPSS‬يعطي ‪ Sig. 2-tailed‬فبالتالي نرفض فرضية العدم‬
‫أوالً‪ :‬اختبار ‪ T‬في حالة اختبار فرضيات متعلقة بمتوسط‪ R‬واحد‬
‫‪‬مقابل‬ ‫إذا كان المطلوب اختبار فرضية العدم ‪H :  ‬على مستوى• داللة‬
‫‪0‬‬ ‫‪0‬‬

‫‪H ‬‬ ‫‪: ‬‬ ‫‪1‬‬ ‫‪-1‬‬ ‫‪0‬‬

‫‪H 1 :   0 -2‬‬
‫‪H 1 :   0 -3‬‬

‫‪Page 29 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫مثال (‪)1‬‬

‫البيانات التالية تمثل درجات عشرين طالباً في مساق ما‪:‬‬

‫‪84 ,78 ,69 ,73 ,68 ,79 ,72 ,68 ,60 ,48 ,60 ,90 ,85 ,87 ,92 ,45 ,82 ,68 ,72 ,65‬‬

‫المطلوب‪ :‬اختبار الفرضية المبدئية القائلة بأن متوسط درجات الطالب = ‪ 65‬درجة‪.‬‬
‫‪SPSS STEP BY STEP‬‬
‫‪Analyze  Compare Means  One-Sample T Test‬‬
‫أكمل المربع الحواري كما يلي‪:‬‬

‫نتائج االختبار‬
‫‪scitsitatS elpmaS-enO‬‬

‫‪rorrE .dtS‬‬
‫‪N‬‬ ‫‪naeM‬‬
‫‪noitaiveD .dtS‬‬ ‫‪naeM‬‬
‫‪serocs‬‬ ‫‪02‬‬ ‫‪52.27‬‬ ‫‪768.21‬‬ ‫‪778.2‬‬

‫‪tseT elpmaS-enO‬‬

‫‪56 = eulaV tseT‬‬

‫‪ecnedifnoC %59‬‬
‫‪eht fo lavretnI‬‬
‫‪naeM‬‬ ‫‪ecnereffiD‬‬
‫‪t‬‬ ‫(‪)deliat-2‬‬
‫‪fd‬‬ ‫‪.giS‬‬ ‫‪ecnereffiD‬‬ ‫‪rewoL‬‬ ‫‪reppU‬‬
‫‪serocs‬‬ ‫‪025.2‬‬ ‫‪91‬‬ ‫‪120.‬‬ ‫‪052.7‬‬ ‫‪32.1‬‬ ‫‪72.31‬‬

‫من النتائج السابقة يمكن استنتاج ما يلي‪:‬‬

‫‪ ،t = 2.52، Sig.(2-tailed)=0.021‬وهي أقل من ‪( 0.05‬مستوى المعنوية) فبالتالي نرفض الفرضية المبدئية‬
‫القائلة بأن متوسط• درجات الطالب في الرياض••يات• نس••اوي• ‪ 65‬درج••ة‪ ،‬ونس••تنتج أن درج••ات الطالب ال تس••اوي‬
‫(تختلف عن) ‪.65‬‬
‫يمكن اختبار الفرضية البديلة القائلة بأن متوسط درجات الطالب أكبر من ‪.65‬‬
‫حيث أن نتيجة الوسط الحسابي للعينة تتوافق• مع الفرضية البديلة (متوس•ط• درج••ات الطالب أك••بر من ‪ 65‬درج••ة)‬
‫فبالتالي نستنتج أن متوسط درجات الطالب أكبر من ‪ 65‬درجة‪.‬‬

‫‪Page 30 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫ثانياً‪ :‬اختبارات الفروق بين متوسطين مجتمعين مستقلين‬

‫‪ N،  1 ‬وعين••ة عش••وائية أيض•ا ً من توزي••ع ط••بيعي•‬
‫في هذه الحالة نأخذ عين••ة عش••وائية من توزي••ع ط••بيعي ‪, ‬‬
‫‪2‬‬
‫‪1‬‬

‫‪N  2 ‬ومستقل عن التوزيع• األول‪ ،‬وتكون ‪ 12   22‬ولكنهما• مجهولتان‪.‬‬ ‫‪, 22 ‬‬

‫إذا كان المطلوب اختبار فرضية العدم ‪H 1 : 1  2  0‬على مستوى داللة ‪‬مقابل‬
‫(‪H 1 : 1  2  0 )1‬‬
‫(‪H 1 : 1  2  0 )2‬‬
‫(‪H 1 : 1  2  0 )3‬‬

‫مثال (‪)2‬‬
‫مستخدما ً الملف ‪ .employee‬المطلوب اختبار ما إذا كان هناك فرق• معنوي بين متوسط الراتب الح••الي الس••نوي‬
‫للموظفين (‪ )salary‬يعزى إلى متغير الجنس (‪ )gender‬مستخدما ً مستوى• معنوية ‪.‬‬
‫‪.  050‬‬
‫‪SPSS STEP BY STEP‬‬
‫‪Analyze  Compare Means  Independent- Samples T Test‬‬
‫أكمل المربع الحواري‪ R‬كما يلي‪:‬‬

‫نتيجة االختبار‬

‫‪Page 31 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪scitsitatS puorG‬‬

‫‪rorrE .dtS‬‬
‫‪redneG‬‬ ‫‪N‬‬ ‫‪naeM‬‬
‫‪noitaiveD .dtS‬‬ ‫‪naeM‬‬
‫‪yralaS tnerruC‬‬ ‫‪elaM‬‬ ‫‪852‬‬
‫‪87.144,14$ 412.994,91$‬‬ ‫‪869.312,1$‬‬
‫‪elameF‬‬ ‫‪612‬‬
‫‪29.130,62$‬‬ ‫‪120.855,7$‬‬ ‫‪852.415$‬‬

‫‪tseT selpmaS tnednepednI‬‬

‫‪rof tseT s'eneveL‬‬

‫‪secnairaV fo ytilauqE‬‬ ‫‪snaeM fo ytilauqE rof tset-t‬‬
‫‪eht fo lavretnI ecnedifnoC %59‬‬
‫‪naeM rorrE .dtS‬‬ ‫‪ecnereffiD‬‬
‫‪F‬‬ ‫‪.giS‬‬ ‫‪t‬‬ ‫(‪)deliat-2‬‬
‫‪fd‬‬ ‫‪.giS‬‬ ‫‪ecnereffiD‬‬ ‫‪ecnereffiD‬‬ ‫‪rewoL‬‬ ‫‪reppU‬‬
‫‪yralaS tnerruC secnairav lauqE‬‬
‫‪966.911‬‬ ‫‪000.‬‬ ‫‪549.01‬‬ ‫‪274‬‬ ‫‪000.‬‬
‫‪68.90451$‬‬ ‫‪609.704,1$‬‬ ‫‪223.346,21$‬‬ ‫‪104.671,81$‬‬
‫‪demussa‬‬
‫‪secnairav lauqE‬‬
‫‪886.11‬‬ ‫‪262.443‬‬ ‫‪000.‬‬
‫‪68.90451$‬‬ ‫‪004.813,1$‬‬ ‫‪827.618,21$‬‬ ‫‪699.200,81$‬‬
‫‪demussa ton‬‬

‫من النتائج السابقة يمكن استنتاج ما يلي‪:‬‬

‫تباينيا المجتمعين غير متساويين حسب اختيار ليفين (‪ ،)Levene’s Test‬حيث ‪ .Sig. = 0.000‬حيث أن قيمة‬
‫‪ t=11.688، Sig. = 0.000‬فبالتالي نرفض فرضية العدم القائلة بأنه ال يوجد فرق معنوي بين متوسطي• الراتب‬
‫الحالي السنوي• للذكور واإلناث على أساس مستوى• معنوية ‪.%5‬‬
‫‪ 95%‬فترة الثقة للف••رق بين متوس••طي• المجتمعين هي‪ .)12816.73 •, 18003.00( :‬ونج••د أن الص••فر ال ينتمي‬
‫إلى الفترة السابقة مما يؤكد أنه يوجد فرق• معنوي بين متوس••طي ال••راتب الح••الي الس••نوي لل••ذكور واإلن••اث‪ ،‬وهي‬
‫نفس النتيجة التي حصلنا عليها في حالة استخدام اختبار ‪.t‬‬

‫يمكن اختبار الفرضية البديلة القائلة بأن متوسط الراتب الحالي السنوي للذكور أكبر منه لإلناث‪.‬‬
‫حيث أن نتيجة الوسط الحسابي للفرق بين متوسطي• الذكور واإلن••اث موجب•ا ً (‪ )15409.88‬يتواف••ق م••ع الفرض••ية‬
‫البديلة بالتالي نستنتج أن متوسط• الراتب الحالي السنوي للذكور أكبر منه لإلناث‪.‬‬

‫ثالثاً‪ :‬اختبارات الفروق بين متوسطي مجتمعين من عينات مرتبطة‬

‫في ه••ذه الحال••ة تك••ون البيان••ات مزدوج••ة‪ ،‬أي أن العين••تين مرتبطت••ان• حيث أن البيان••ات تك••ون على ش••كل أزواج‬
‫وبالتالي فإن حجم العينتين البد أن يكون متساوياً‪•.‬‬

‫مثال (‪)3‬‬
‫البيانات التالية تمثل نتائج تجربة أجريت على عشرين شخصا ً الختبار• مدى فعالية نظام خاص من الغذاء لتخفي••ف‬
‫الوزن‪ ،‬حيث تم قياس أوزانهم قبل البدء في تطبيق هذا النظام‪ ،‬وبعد اتباع هذا النظام الخاص لمدة ثالثة شهور‪.‬‬

‫‪92‬‬ ‫‪103‬‬ ‫‪120‬‬ ‫‪89‬‬ ‫‪93‬‬ ‫‪107‬‬ ‫‪94‬‬ ‫‪90‬‬ ‫‪110‬‬ ‫‪96‬‬ ‫‪Before‬‬
‫‪84‬‬ ‫‪95‬‬ ‫‪103‬‬ ‫‪76‬‬ ‫‪85‬‬ ‫‪104‬‬ ‫‪87‬‬ ‫‪85‬‬ ‫‪96‬‬ ‫‪90‬‬ ‫‪After‬‬
‫‪123‬‬ ‫‪111‬‬ ‫‪90‬‬ ‫‪95‬‬ ‫‪123‬‬ ‫‪105‬‬ ‫‪110‬‬ ‫‪86‬‬ ‫‪94‬‬ ‫‪86‬‬ ‫‪Before‬‬
‫‪107‬‬ ‫‪102‬‬ ‫‪83‬‬ ‫‪89‬‬ ‫‪109‬‬ ‫‪95‬‬ ‫‪102‬‬ ‫‪80‬‬ ‫‪84‬‬ ‫‪78‬‬ ‫‪After‬‬

‫‪‬‬
‫‪  050.‬؟‬ ‫المطلوب‪ :‬هل تستطيع أن تستنتج أن نظام الغذاء كان فعاالً في تخفيف الوزن مستخدما ً مستوى• داللة‬
‫‪Page 32 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬
‫‪SPSS STEP BY STEP‬‬
‫‪Analyze  Compare Means  Paired- Samples T Test‬‬
‫أكمل المربع الحواري كما يلي‪:‬‬

‫‪scitsitatS selpmaS deriaP‬‬

‫‪rorrE .dtS‬‬
‫‪naeM‬‬ ‫‪noitaiveD‬‬
‫‪N‬‬ ‫‪.dtS‬‬ ‫‪naeM‬‬
‫‪riaPerofeb_x‬‬ ‫‪0058.001‬‬ ‫‪02 53011.21‬‬ ‫‪69707.2‬‬
‫‪1 retfa_y‬‬ ‫‪0007.19‬‬ ‫‪02 44631.01‬‬ ‫‪85662.2‬‬

‫‪snoitalerroC selpmaS deriaP‬‬

‫‪n‬‬
‫‪NoitalerroC‬‬ ‫‪.giS‬‬
‫‪retfa_y‬‬
‫‪1 riaP‬‬
‫‪& erofeb_x‬‬ ‫‪02‬‬ ‫‪759.‬‬ ‫‪000.‬‬

‫‪tseT selpmaS deriaP‬‬

‫‪secnereffiD deriaP‬‬
‫‪ecnedifnoC %59‬‬
‫‪eht fo lavretnI‬‬
‫‪rorrE .dtS‬‬ ‫‪ecnereffiD‬‬
‫‪naeM‬‬
‫‪noitaiveD .dtS‬‬ ‫‪naeM‬‬ ‫‪rewoL‬‬ ‫‪reppU‬‬ ‫‪t‬‬ ‫(‪)deliat-2‬‬
‫‪fd‬‬ ‫‪.giS‬‬
‫‪tfa_y‬‬
‫‪1 riaP‬‬
‫‪- erofeb_x‬‬ ‫‪00051.9‬‬ ‫‪44787.3‬‬ ‫‪09648.‬‬ ‫‪24773.7 85229.01‬‬ ‫‪408.01‬‬ ‫‪91‬‬ ‫‪000.‬‬

‫من النتائج السابقة يمكن استنتاج ما يلي‪:‬‬

‫يوجد ارتباط طردي• قوي بين الوزن قبل وبعد النظام الخاص حيث أن ‪.R = 0.957‬‬
‫‪ t = 10.804، Sig. (2 tailed) = 0.000‬وبالتالي نرفض فرضية الع••دم القائل••ة بأن••ه ال يوج••د ف••رق بين‬
‫متوسطي• الوزن قبل وبعد اتباع النظام الغذائي الخاص‪ ،‬ونستنتج أنه يوجد فرق معنوي• بين متوسطي• الوزن‪.‬‬
‫يمكن اختبار الفرضية البديلة القائلة بأن متوسط الوزن قبل اتباع النظام الغذائي أكبر منه بعد اتباع النظام الغذائي‬
‫حيث أن نتيجة الوسط الحسابي للفرق بين متوسطي• الوزن موجب•ا ً (‪ )9.15‬يتواف••ق م••ع الفرض••ية البديل••ة فبالت••الي‬
‫نستنتج أن متوسط• الوزن قبل اتباع النظام الغذائي أكبر منه بع••د اتب••اع النظ••ام الغ••ذائي‪ ،‬أي أن اتب••اع نظ••ام الغ••ذاء‬
‫‪.  050‬‬ ‫‪.‬‬ ‫الخاص كان فعاالً في تخفيف الوزن على مستوى داللة‬

‫‪Page 33 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫التباين)‪Analysis of Variance (ANOVA‬‬ ‫تحليل‬

‫في هذه الحالة يكون االهتمام مركزاً على دراس•ة ت•أثير عام••ل واح•د ل•ه ع•دد من المس••تويات المختلف•ة وعن••د ك••ل‬
‫مستوى تكرر التجربة عدد من المرات‪ ،‬فمثالً إذا أردنا اختبار ما إذا كانت هناك فروق بين ثالثة أساليب لت••دريس‬
‫مساق اإلحصاء مثالً‪ ،‬ويكون المطلوب بحث ما إذا كانت هذه األساليب لها ت••أثيرات متس••اوية في درج••ة تحص••يل‬
‫الطالب مع مالحظة أن وجود• اختالف بين درجات الطالب قد يرجع إلى عدة عوامل أخرى منها الف••روق• الفردي••ة‬
‫وعدد ساعات الدراسة وعدد أفراد األسرة مثالً أو غيرها من العوامل األخرى‪.‬‬

‫أوالً‪ :‬تحليل التباين األحادي ‪One-Way ANOVA‬‬

‫أسلوب تحليل التباين يعطي نتائج جيدة إذا تحققت الشروط التالية‪:‬‬ ‫في‬
‫‪ -1‬المتغيرات (قيمة مفردات الظاهرة) مستقلة ولها توزيع‪ R‬طبيعي بنفس قيمة التباين‪.‬‬
‫‪‬‬ ‫‪2‬‬
‫‪ -2‬مجموعة البيانات في المستويات المختلفة تشكل عينات عشوائية مستقلة ولها تباين مشترك‬
‫فإذا لم تتحقق هذه الشروط يمكن استخدام االختبارات غير المعلمية‬
‫تحت الفروض السابقة‪ ،‬فإن االختالف الكلي المشاهد في مجموعة البيانات ينقسم إلى مركبتين األولى نتيجة‬
‫العامل والثانية للخطأ التجريبي‪.‬‬
‫‪H‬أنه ال يوجد فروق بين متوسطات‬ ‫‪0‬‬ ‫ويكون المطلوب في تحليل التباين األحادي اختبار الفرضية المبدئية‬
‫‪.‬‬ ‫المجتمعات على مستوى داللة‬
‫بفرض أن العامل المراد دراسته له ‪ r‬من المستويات‪ R‬المستقلة فيكون المطلوب اختبار الفرضية المبدئية (فرضية‬
‫‪H‬أي أنه ال يوجد فروق بين متوسطات المجتمعات‪.‬‬ ‫‪0‬‬
‫‪‬‬
‫‪: 1  2....  ‬‬ ‫‪r‬‬ ‫العدم)‪:‬‬
‫مقابل الفرضية البديلة‪:‬‬
‫‪H‬أي أنه يوجد فروق‪ R‬بين متوسطات‬ ‫‪a‬‬
‫يوجد متوسطين على األقل من أوساط المجتمعات غير متساويين‪: R‬‬

‫المجتمعات‪.‬‬
‫عند رفض فرضية العدم والتي تنص على تساوي‪ R‬المتوسطات وقبول‪ R‬الفرضية البديلة أنه يوجد اثنين أو أكثر من‬
‫ٍ‬
‫متساو‪ ،‬ولإلجابة على هذا‬ ‫ٍ‪R‬‬
‫متساو أو غير‬ ‫المتوسطات غير المتساوية‪ ،‬ونريد اختبار أي من هذه المتوسطات‬
‫التساؤل سنعرض عدة اختبارات‪.‬‬
‫لتنفيذ ذلك عملياً اضغط ‪ Post - Hoc‬في نافذة ‪.One-Way ANOVA‬‬

‫مثال (‪)4‬‬
‫يمثل الجدول التالي درجات مجموعة من الطلبة تم تدريسهم مساق مبادئ الرياضيات العامة بثالثة أساليب‬
‫‪M‬‬ ‫‪1‬‬
‫‪M‬‬
‫‪,‬‬ ‫‪2‬‬
‫‪M‬‬
‫‪,‬‬ ‫‪3‬‬ ‫مختلفة‪:‬‬
‫‪M‬‬ ‫‪3‬‬
‫‪M‬‬ ‫‪2‬‬
‫‪M‬‬ ‫‪1‬‬

‫‪48‬‬ ‫‪64‬‬ ‫‪70‬‬

‫‪Page 34 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪94‬‬ ‫‪45‬‬ ‫‪83‬‬

‫‪83‬‬ ‫‪56‬‬ ‫‪87‬‬
‫‪84‬‬ ‫‪50‬‬ ‫‪78‬‬
‫‪80‬‬ ‫‪71‬‬
‫‪87‬‬
‫‪90‬‬
‫المطلوب‪:‬‬
‫‪ -1‬إدخال البيانات السابقة في متغير اسمه (‪.)marks‬‬
‫‪ -2‬إنشاء متغير جديد اسمه (‪ )factor‬له ثالثة قيم‪ )1( ،‬تمثل األسلوب األول‪ )2( ،‬تمثل األسلوب الثاني و (‪)3‬‬
‫تمثل األسلوب الثالث‪.‬‬
‫‪  050.‬؟‬
‫‪‬‬ ‫‪ -3‬هل هناك فرقاً بين أساليب التدريس الثالثة مستخدماً مستوى داللة‬
‫الحل العملي‪:‬‬
‫‪SPSS STEP BY STEP‬‬
‫‪Analyze  Compare Means  One-Way ANOVA‬‬

‫انقر بالفأرة على ‪ Options‬ثم أكمل المربع الحواري‪ R‬كما يلي‪:‬‬

‫‪Page 35 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪AVONA‬‬

‫‪nereffid rof skram‬‬

‫‪fo muS‬‬
‫‪serauqS‬‬ ‫‪erauqS‬‬
‫‪fd‬‬ ‫‪naeM‬‬ ‫‪F‬‬ ‫‪.giS‬‬
‫‪spuorG neewteB‬‬ ‫‪390.9481‬‬ ‫‪2 645.429‬‬ ‫‪440.6‬‬ ‫‪410.‬‬
‫‪spuorG nihtiW‬‬ ‫‪756.8891‬‬ ‫‪31 479.251‬‬
‫‪latoT‬‬ ‫‪057.7383‬‬ ‫‪51‬‬

‫‪o ytienegomoH fo tseT‬‬

‫‪nereffid rof skram‬‬

‫‪eneveL‬‬
‫‪citsitatS‬‬ ‫‪1fd‬‬ ‫‪2fd‬‬ ‫‪.giS‬‬
‫‪223.‬‬ ‫‪2‬‬ ‫‪31‬‬ ‫‪037.‬‬

‫من النتائج السابقة نستنتج ما يلي‪:‬‬

‫قيمة إحصاء ليفين = ‪ Sig. = 0.73 ،0.322‬وهذا يدل على تجانس تباين طرق التدريس‪.‬‬
‫‪ F = 6.044، Sig. = 0.014‬وبالت•الي• ن•رفض الفرض•ية المبدئي•ة وال•تي تنص على أن•ه ال يوج•د ف•روق بين‬
‫متوسطات طرق• التدريس الثالثة ونستنتج أن هناك فرقا ً بين أساليب التدريس المختلف••ة‪ ،‬أي أن••ه يوج••د دلي••ل ك• ٍ‬
‫•اف‬
‫‪  050‬‬ ‫‪.‬‬ ‫على أن متوسطات أساليب التدريس المختلفة ليست كلها متساوية‪ ،‬وذلك باستخدام مستوى• داللة‬
‫عند رفض فرضية العدم والتي تنص على تساوي• المتوسطات وقبول الفرضية البديلة أنه يوجد اث••نين أو أك••ثر من‬
‫المتوسطات غير المتساوية‪ ،‬ونري•د• اختب••ار أي من ه••ذه المتوس••طات متس••ا ٍ•و أو غ••ير متس••ا ٍو‪ ،‬ولإلجاب••ة على ه••ذا‬
‫التساؤل سنعرض عدة اختبارات‪.‬‬
‫لتنفيذ ذلك عمليا ً اضغط ‪ Post - Hoc‬في نافذة ‪ One-Way ANOVA‬ثم أكمل المربع الحواري• كما يلي‪:‬‬

‫‪Page 36 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫توجد عدة اختبارات في حالة تحقق شرط تجانس التباين من عدمه‪.‬‬

‫حيث أن شرط تجانس تباين مستويات‪ R‬أساليب التدريس متحقق فيمكن اختيار اختبار بونفيروني (‪)Bonferroni‬‬
‫أو شفييه (‪ )Scheffe‬وذلك في حالة تساوي‪ R‬أو عدم تساوي‪ R‬حجوم العينات‪.‬‬
‫‪snosirapmoC elpitluM‬‬

‫‪bairaV tnednepeD‬‬
‫‪inorrefnoB‬‬

‫‪naeM‬‬
‫(‪rof rotcaF )I‬‬ ‫(‪rof rotcaF )J‬‬ ‫‪ecnereffiD‬‬ ‫‪lavretnI ecnedifnoC %59‬‬
‫‪sdohtem eerht‬‬ ‫‪sdohtem eerht‬‬ ‫‪)J-I( rorrE .dtS‬‬ ‫‪.giS‬‬
‫‪dnuoB rewoL‬‬ ‫‪dnuoB reppU‬‬
‫‪1_dohteM‬‬ ‫‪2_dohteM‬‬ ‫‪00003.22‬‬ ‫‪78692.8‬‬ ‫‪650.‬‬ ‫‪7284.-‬‬ ‫‪7280.54‬‬
‫‪3_dohteM‬‬ ‫‪41753.1-‬‬ ‫‪12257.7‬‬ ‫‪000.1‬‬ ‫‪2446.22-‬‬ ‫‪0039.91‬‬
‫‪2_dohteM‬‬ ‫‪1_dohteM‬‬ ‫‪00003.22-‬‬ ‫‪78692.8‬‬ ‫‪650.‬‬ ‫‪7280.54-‬‬ ‫‪7284.‬‬
‫‪3_dohteM‬‬ ‫‪41756.32-‬‬ ‫‪11242.7‬‬
‫*‬ ‫‪810.‬‬ ‫‪5345.34-‬‬ ‫‪8077.3-‬‬
‫‪3_dohteM‬‬ ‫‪1_dohteM‬‬ ‫‪41753.1‬‬ ‫‪12257.7‬‬ ‫‪000.1‬‬ ‫‪0039.91-‬‬ ‫‪2446.22‬‬
‫‪2_dohteM‬‬ ‫‪41756.32‬‬ ‫‪11242.7‬‬
‫*‬ ‫‪810.‬‬ ‫‪8077.3‬‬ ‫‪5345.34‬‬
‫*‪.‬‬
‫‪i ecnereffid naem ehT‬‬

‫من النتائج السابقة يمكن استنتاج ما يلي‪:‬‬

‫يوجد فرق معنوي• بين متوسطي أسلوبي• التدريس الثاني والثالث وذلك ألن ‪ Sig. =0.018‬وهي أقل من مس••توى•‬
‫‪.  050‬‬
‫‪.‬‬ ‫الداللة‬
‫درجات الطالب باستخدام• األسلوب الثالث أفضل من درجات الطالب باستخدام• األسلوب الثاني‪ ،‬وذلك ألن الف••رق‬
‫بين وسطيهما• موجبا ً (‪.)23.66‬‬

‫ثانياً‪ :‬تحليل التباين الثنائي ‪Two-Way ANOVA‬‬

‫مثال (‪:)1‬‬

‫‪Page 37 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫يمثل الجدول التالي عدد الوحدات المنتجة في األسبوع وذلك لعشرة عمال باستخدام ثالثة أنواع مختلفة من الماكينات‬
‫العامل‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬
‫نوع الماكينة‬
‫‪1‬‬ ‫‪90‬‬ ‫‪80‬‬ ‫‪70‬‬ ‫‪90‬‬ ‫‪60‬‬ ‫‪76‬‬ ‫‪68‬‬ ‫‪94‬‬ ‫‪83‬‬ ‫‪74‬‬
‫‪2‬‬ ‫‪82‬‬ ‫‪92‬‬ ‫‪60‬‬ ‫‪70‬‬ ‫‪50‬‬ ‫‪65‬‬ ‫‪79‬‬ ‫‪82‬‬ ‫‪68‬‬ ‫‪80‬‬
‫‪3‬‬ ‫‪76‬‬ ‫‪65‬‬ ‫‪82‬‬ ‫‪80‬‬ ‫‪90‬‬ ‫‪92‬‬ ‫‪86‬‬ ‫‪71‬‬ ‫‪93‬‬ ‫‪68‬‬

‫المطلوب اختبار‪:‬‬
‫أ ) ما إذا كان العمال متساويين‪ R‬في اإلنتاج‪.‬‬
‫‪  050‬‬
‫‪.‬‬ ‫ب) ما إذا كانت الماكينات متساوية في اإلنتاج مستخدماً مستوى داللة‬
‫الحل العملي‪:‬‬
‫‪stceffE stcejbuS-neewteB fo stseT‬‬

‫‪STINU :elbairaV tnednepeD‬‬

‫‪III epyT‬‬
‫‪fo muS‬‬ ‫‪naeM‬‬
‫‪ecruoS‬‬ ‫‪serauqS‬‬ ‫‪fd‬‬ ‫‪erauqS‬‬ ‫‪F‬‬ ‫‪.giS‬‬
‫‪ledoM detcerroC‬‬ ‫‪337.2501‬‬ ‫‪a‬‬ ‫‪11 307.59‬‬ ‫‪946.‬‬ ‫‪667.‬‬
‫‪tpecretnI‬‬ ‫‪002.597871‬‬ ‫‪002.597871‬‬
‫‪1‬‬ ‫‪795.2121‬‬ ‫‪000.‬‬
‫‪C_ROTCAF‬‬ ‫‪331.647‬‬ ‫‪9 409.28‬‬ ‫‪265.‬‬ ‫‪018.‬‬
‫‪R_ROTCAF‬‬ ‫‪006.603‬‬ ‫‪2003.351‬‬ ‫‪040.1‬‬ ‫‪473.‬‬
‫‪rorrE‬‬ ‫‪760.4562‬‬ ‫‪81 844.741‬‬
‫‪latoT‬‬ ‫‪000.205281‬‬ ‫‪03‬‬
‫‪latoT detcerroC‬‬ ‫‪008.6073‬‬ ‫‪92‬‬
‫‪.a R‬‬
‫‪)451.- = derauqS R detsujdA( 482. = derauqS‬‬

‫من النتائج السابقة يمكن استنتاج ما يلي‪:‬‬

‫أوالً‪ :‬اختبار ما إذا كان العمال متساويين‪ R‬في اإلنتاج‬
‫‪H‬‬ ‫‪0‬‬
‫‪: 1  2 ....   01‬‬ ‫فرضية العدم‪:‬‬
‫‪(  050.‬مستوى الداللة) فبالتالي ال يمكن رفض‬ ‫حيث أن‪( F = 0.562 :‬صغيرة)‪ Sig. = 0.81 ،‬أكبر من‬
‫ٍ‬
‫متساو‪.‬‬ ‫‪H‬ونستنتج أن إنتاج العمال‬ ‫‪0‬‬

‫ثانياً‪ :‬اختبار ما إذا كانت الماكينات متساوية في اإلنتاج‬

‫‪H‬‬ ‫‪0‬‬
‫‪: 1  2  ‬‬ ‫‪3‬‬ ‫فرضية العدم‪:‬‬
‫‪(  050.‬مستوى الداللة) فبالتالي ال يمكن‬ ‫حيث أن‪( F = 1.040 :‬صغيرة)‪ Sig. = 0.374 ،‬أكبر من‬
‫ونستنتج أن الماكينات متساوية في اإلنتاج‪.‬‬
‫‪H‬‬ ‫‪0‬‬ ‫رفض‬
‫مثال (‪)2‬‬
‫يمثل الجدول التالي زيادة وزن األطفال (مقدراً بالكيلوجرام) باستخدام ثالثة أنواع مختلفة من الفيتامينات‪ ،‬وأربعة‬
‫أنواع من الغذاء الخاص خالل ستة أشهر‪.‬‬

‫‪Page 38 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪B1‬‬ ‫‪B2‬‬ ‫‪B3‬‬

‫الفيتامينات‬

‫الغذاء الخاص‬
‫‪A‬‬ ‫‪1‬‬
‫‪2, 1.5‬‬ ‫‪1.8, 2.2‬‬ ‫‪2.3, 1.6‬‬
‫‪A‬‬ ‫‪2‬‬
‫‪2.3, 2.6‬‬ ‫‪2.3, 1.5‬‬ ‫‪1.7, 2.1‬‬
‫‪A‬‬ ‫‪3‬‬
‫‪1.5, 2‬‬ ‫‪2.1, 1.8‬‬ ‫‪2.3, 1.7‬‬
‫‪A‬‬ ‫‪4‬‬
‫‪2.1, 1.8‬‬ ‫‪1.5, 2.1‬‬ ‫‪1.9, 1.5‬‬

‫المطلوب‪:‬‬
‫‪  050.‬المطلوب‪:‬‬ ‫مستخدماً مستخدماً مستوى الداللة‬
‫أ ) هل توجد فروق‪ R‬ذات داللة إحصائية بين متوسطات الفيتامينات ؟‬
‫ب) هل توجد فروق‪ R‬ذات داللة إحصائية بين متوسطات أنواع الغذاء ؟‬
‫ج) هل يوجد تفاعل بين نوع الفيتامين‪ ،‬ونوع‪ R‬الغذاء الخاص‬
‫الحل العملي‪:‬‬
‫‪stceffE stcejbuS-neewteB fo stseT‬‬

‫‪THGIEW :elbairaV tnednepeD‬‬

‫‪III epyT‬‬
‫‪fo muS‬‬ ‫‪naeM‬‬
‫‪ecruoS‬‬ ‫‪serauqS‬‬ ‫‪fd‬‬ ‫‪erauqS‬‬ ‫‪F‬‬ ‫‪.giS‬‬
‫‪ledoM detcerroC‬‬ ‫‪538.‬‬ ‫‪a‬‬ ‫‪20-E195.7‬‬
‫‪11‬‬ ‫‪885.‬‬ ‫‪608.‬‬
‫‪tpecretnI‬‬ ‫‪539.88‬‬ ‫‪1 539.88‬‬ ‫‪925.886‬‬ ‫‪000.‬‬
‫‪NIMATIV‬‬ ‫‪20-E052.3‬‬ ‫‪20-E526.1‬‬
‫‪2‬‬ ‫‪621.‬‬ ‫‪388.‬‬
‫‪DOOF‬‬ ‫‪822.‬‬ ‫‪20-E116.7‬‬
‫‪3‬‬ ‫‪985.‬‬ ‫‪436.‬‬
‫‪DOOF * NIMATIV‬‬ ‫‪475.‬‬ ‫‪20-E965.9‬‬
‫‪6‬‬ ‫‪147.‬‬ ‫‪726.‬‬
‫‪rorrE‬‬ ‫‪055.1‬‬ ‫‪21‬‬ ‫‪921.‬‬
‫‪latoT‬‬ ‫‪023.19‬‬ ‫‪42‬‬
‫‪latoT detcerroC‬‬ ‫‪583.2‬‬ ‫‪32‬‬
‫‪.a R‬‬
‫‪auqS R detsujdA( 053. = derauqS‬‬

‫من النتائج السابقة يمكن استنتاج ما يلي‪:‬‬

‫أوالً‪ :‬اختبار ما إذا كانت هناك فروق بين متوسطات الفيتامينات الثالثة‬
‫‪H‬‬ ‫‪0‬‬
‫‪: 1  2  ‬‬ ‫‪3‬‬ ‫فرضية العدم‪:‬‬
‫‪H‬‬ ‫‪0‬‬ ‫‪(  050.‬مستوى الداللة) فبالتالي‪ R‬ال يمكن رفض‬ ‫حيث أن‪ F = 0.126 ، Sig. = 0.883 :‬أكبر من‬
‫ونستنتج أن متوسطات الفيتامينات الثالثة متساوية التأثير على زيادة وزن األطفال‪.‬‬
‫‪Page 39 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫ثانياً‪ :‬اختبار ما إذا كان هناك فروق بين متوسطات أنواع الغذاء الخاص األربعة‬
‫‪H‬‬ ‫‪0‬‬
‫‪: 1  2   3  ‬‬ ‫‪4‬‬ ‫فرضية العدم‪:‬‬
‫‪H‬‬ ‫‪0‬‬ ‫‪(  050.‬مستوى الداللة) فبالتالي‪ R‬ال يمكن رفض‬ ‫حيث أن‪ F = 0.589 ، Sig. = 0.634 :‬أكبر من‬
‫ونستنتج أن متوسطات أنواع الغذاء األربعة متساوية التأثير على زيادة وزن األطفال‪.‬‬
‫ثالثاً‪ :‬اختبار ما إذا كان هناك تفاعل بين نوع الفيتامين ونوع الغذاء الخاص‬
‫فرضية العدم‪ :‬ال يوجد تفاعل بينهما‬
‫‪(  050.‬مستوى الداللة) فبالتالي ال يمكن‬ ‫حيث أن‪( F = 0.741 :‬صغيرة)‪ Sig. = 0.627 ،‬أكبر من‬
‫‪H‬ونستنتج أنه ال يوجد تفاعل بين نوع الفيتامين ونوع‪ R‬الغذاء الخاص‪ ،‬أي أنهما مستقالن‪.‬‬ ‫‪0‬‬ ‫رفض‬
‫في حالة رفض فرضية العدم ولمقارنة متوسطات كل عامل على حده لمعرفة أي منهم أكثر تأثيراً اضغط ‪Post‬‬
‫‪ …Hoc‬ثم اختر ‪ Bonferroni‬كما في حالة تحليل التباين األحادي‪.‬‬
‫ثالثاً‪ :‬تحليل التباين الثالثي ‪Three-Way ANOVA‬‬
‫يستخدم تحليل التباين الثالثي في حالة تجارب يؤثر‪ R‬عليها ثالثة عوامل ‪ A,B,C‬مثالً‪.‬‬
‫هناك سبعة اختبارات في حالة تحليل التباين الثالثي مع وجود‪ R‬تفاعل بين العوامل الثالثة وهي‪:‬‬
‫‪H:‬ال يوجد فروق‪ R‬بين متوسطات مستويات‪ R‬العامل األول ‪.A‬‬ ‫‪1‬‬ ‫‪ .1‬اختبار الفرضية‬
‫‪H:‬ال يوجد فروق بين متوسطات مستويات العامل الثاني ‪.B‬‬ ‫‪2‬‬ ‫‪ .2‬اختبار الفرضية‬
‫‪H:‬ال يوجد فروق‪ R‬بين متوسطات مستويات‪ R‬العامل الثالث ‪.C‬‬ ‫‪3‬‬ ‫‪ .3‬اختبار الفرضية‬
‫‪H:‬ال يوجد تفاعل بين العاملين األول والثاني‪.A,B R‬‬ ‫‪4‬‬ ‫‪ .4‬اختبار الفرضية‬
‫‪H:‬ال يوجد تفاعل بين العاملين األول والثالث ‪. A,C‬‬ ‫‪5‬‬ ‫‪ .5‬اختبار الفرضية‬
‫‪H:‬ال يوجد تفاعل بين العاملين الثاني والثالث ‪.B,C‬‬ ‫‪6‬‬ ‫‪ .6‬اختبار الفرضية‬
‫‪H:‬ال يوجد تفاعل بين العوامل الثالثة ‪.A,B,C‬‬ ‫‪7‬‬ ‫‪ .7‬اختبار الفرضية‬
‫مثال (‪:)5‬‬
‫عند إنتاج مادة معينة‪ .‬كان هناك ثالثة عوامل مهمة وهى‪ :A :‬تأثير المهندس (هناك ثالثة مهندسين) ‪ :B‬المادة‬
‫المساعدة على إنتاج المادة المطلوبة (هناك ثالثة أنواع من المواد المساعدة) ‪ :C‬زمن التعبئة بعد اإلنتاج (هناك‬
‫فترتان ‪ 15‬دقيقة و ‪ 20‬دقيقة)‪ .‬يمثل الجدول التالي نتائج تجربة أجريت لهذا الغرض‪.‬‬

‫‪B‬‬ ‫‪1‬‬ ‫‪B‬‬ ‫‪2‬‬ ‫‪B‬‬ ‫‪3‬‬

‫‪A‬‬ ‫‪1‬‬ ‫‪,10.8 ,10.7‬‬ ‫‪,10.2 ,10.3‬‬ ‫‪,11.6 ,11.2‬‬

‫‪C‬‬ ‫‪1‬‬
‫‪11.3‬‬ ‫‪10.5‬‬ ‫‪12.0‬‬
‫‪Page 40 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪A‬‬ ‫‪2‬‬ ‫‪,11.8 ,11.4‬‬ ‫‪,10.9 ,10.2‬‬ ‫‪,10.5 ,10.7‬‬

‫‪11.5‬‬ ‫‪10.5‬‬ ‫‪10.2‬‬
‫‪A‬‬ ‫‪3‬‬ ‫‪,14.1 ,13.6‬‬ ‫‪,11.5 ,12.0‬‬ ‫‪,11.0 ,11.1‬‬
‫‪14.5‬‬ ‫‪11.6‬‬ ‫‪11.5‬‬
‫‪A‬‬ ‫‪1‬‬ ‫‪,12.1 ,10.9‬‬ ‫‪,11.1 ,10.5‬‬ ‫‪,11.0 ,12.2‬‬
‫‪C‬‬ ‫‪2‬‬
‫‪11.5‬‬ ‫‪10.3‬‬ ‫‪11.7‬‬
‫‪A‬‬ ‫‪2‬‬ ‫‪,11.3 ,9.8‬‬ ‫‪,7.5 ,12.6‬‬ ‫‪,10.2 ,10.8‬‬
‫‪10.9‬‬ ‫‪9.9‬‬ ‫‪11.5‬‬
‫‪A‬‬ ‫‪3‬‬ ‫‪,11.7 ,10.7‬‬ ‫‪,11.5 ,10.2‬‬ ‫‪,11.6 ,11.9‬‬
‫‪12.7‬‬ ‫‪10.9‬‬ ‫‪12.2‬‬
‫المطلوب‪:‬‬
‫فُسر‪ R‬النتائج الكاملة التي يمكن الحصول عليها منه‬
‫كون جدول تحليل التباين الثالثي ثم َ‪َُR‬‬
‫ِّ‬
‫‪Univariate Analysis of Variance‬‬
‫‪Warnings‬‬

‫‪Post hoc tests are not performed‬‬

‫‪ because there are‬ةئبعتلا نمز ‪for‬‬
‫‪fewer than three groups.‬‬

‫التعليق‪:‬‬
‫ال يمكن استخدام اختبارات ‪ Post Hoc‬لمتغير "زمن التعبئة" ألنه يتكون من مجموعتين فقط ويستخدم‪ R‬في هذه‬
‫الحالة اختبار ‪ T‬في حالة العينات المستقلة كما تم شرحه سابقاً (لمزيد من التفاصيل أنظر الباب الخامس)‪.‬‬

‫‪a‬‬
‫‪Levene's Test of Equality of Error Variances‬‬

‫ةنيعم ةدام جاتنا ‪Dependent Variable:‬‬

‫‪F‬‬ ‫‪df1‬‬ ‫‪df2‬‬ ‫‪Sig.‬‬
‫‪2.281‬‬ ‫‪17‬‬ ‫‪36‬‬ ‫‪.019‬‬
‫‪Tests the null hypothesis that the error variance of the‬‬
‫‪dependent variable is equal across groups.‬‬
‫* سدنهملا‪ +‬نمزلا‪+‬ةداملا‪ +‬سدنهملا‪a. Design: Intercept+‬‬
‫نمزلا * ةداملا * سدنهملا‪ +‬نمزلا * ةداملا‪ +‬نمزلا * سدنهملا‪+‬ةداملا‬

‫التعليق‪:‬‬
‫قيمة إحصاء ليفين = ‪ Sig. = 0.019 ،2.281‬وهذا يدل على عدم تجانس العوامل الثالثة‪.‬‬

‫‪Page 41 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪Tests of Between-Subjects Effects‬‬

‫ان‪N‬ت‪N‬اج مادة معي‪N‬ن‪N‬ة ‪Dependent Variable:‬‬

‫‪Type III‬‬
‫‪Sum of‬‬ ‫‪Mean‬‬
‫‪Source‬‬ ‫‪Squares‬‬ ‫‪df‬‬ ‫‪Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬
‫‪Corrected Model‬‬ ‫‪41.579a‬‬ ‫‪17‬‬ ‫‪2.446‬‬ ‫‪4.074‬‬ ‫‪.000‬‬
‫‪Intercept‬‬ ‫‪6809.647‬‬ ‫‪1‬‬ ‫‪6809.647‬‬ ‫‪11342.411‬‬ ‫‪.000‬‬
‫المهن‪N‬دس‬ ‫‪13.983‬‬ ‫‪2‬‬ ‫‪6.991‬‬ ‫‪11.645‬‬ ‫‪.000‬‬
‫المادة‬ ‫‪10.183‬‬ ‫‪2‬‬ ‫‪5.091‬‬ ‫‪8.480‬‬ ‫‪.001‬‬
‫الز‪N‬من‬ ‫‪1.185‬‬ ‫‪1‬‬ ‫‪1.185‬‬ ‫‪1.974‬‬ ‫‪.169‬‬
‫المهن‪N‬دس * المادة‬ ‫‪4.774‬‬ ‫‪4‬‬ ‫‪1.194‬‬ ‫‪1.988‬‬ ‫‪.117‬‬
‫المهن‪N‬دس * الزمن‬ ‫‪2.914‬‬ ‫‪2‬‬ ‫‪1.457‬‬ ‫‪2.427‬‬ ‫‪.103‬‬
‫المادة * الزمن‬ ‫‪3.634‬‬ ‫‪2‬‬ ‫‪1.817‬‬ ‫‪3.026‬‬ ‫‪.061‬‬
‫المهن‪N‬دس * المادة * الزمن‬ ‫‪4.907‬‬ ‫‪4‬‬ ‫‪1.227‬‬ ‫‪2.043‬‬ ‫‪.109‬‬
‫‪Error‬‬ ‫‪21.613‬‬ ‫‪36‬‬ ‫‪.600‬‬
‫‪Total‬‬ ‫‪6872.840‬‬ ‫‪54‬‬
‫‪Corrected Total‬‬ ‫‪63.193‬‬ ‫‪53‬‬
‫)‪a. R Squared = .658 (Adjusted R Squared = .496‬‬

‫التعليق‪:‬‬
‫أثر المهندس على كمية إنتاج المادة‪:‬‬ ‫‪.1‬‬
‫‪ F=11.645، Sig.=.000‬أصغر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه يوجد تأثير للمهندس على كمية‬
‫إنتاج المادة‪.‬‬

‫أثر نوع المادة المساعدة على كمية إنتاج المادة‪:‬‬ ‫‪.2‬‬

‫‪ F=8.48، Sig.=.001‬أصغر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه يوجد تأثير لنوع المادة المساعدة‬
‫على كمية إنتاج المادة‪.‬‬

‫أثر زمن التعبئة على كمية إنتاج المادة‪:‬‬ ‫‪.3‬‬

‫‪ F=1.974، Sig.=.169‬أكبر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه ال يوجد تأثير لزمن التعبئة على كمية‬
‫إنتاج المادة‪.‬‬

‫التفاعل بين المهندس والمادة المساعدة‪:‬‬ ‫‪.4‬‬

‫‪ F=1.988، Sig.=.117‬أكبر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه ال يوجد تفاعل بين المهندس والمادة‬
‫المساعدة‪.‬‬

‫التفاعل بين المهندس وزمن التعبئة‬ ‫‪.5‬‬

‫‪ F=2.427، Sig.=.103‬أكبر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه ال يوجد تفاعل بين المهندس وزمن‬
‫التعبئة‪.‬‬

‫‪Page 42 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫التفاعل بين المادة المساعدة وزمن التعبئة‪:‬‬ ‫‪.6‬‬

‫‪ F=3.026، Sig.=.061‬أكبر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه ال يوجد تفاعل بين المادة المساعدة‬
‫وزمن التعبئة‪.‬‬

‫التفاعل بين المهندس والمادة المساعدة وزمن التعبئة‪:‬‬ ‫‪.7‬‬

‫‪ F=2.043، Sig.=.103‬أكبر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه ال يوجد تفاعل بين المهندس والمادة‬
‫المساعدة وزمن التعبئة‪.‬‬
‫‪Multiple Comparisons‬‬

‫ةنيعم ةدام جاتنا ‪Dependent Variable:‬‬

‫‪Tamhane‬‬

‫‪Mean‬‬ ‫‪95% Confidence Interval‬‬

‫‪Difference‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬
‫نيسدنهملا ريثأت )‪(I‬‬ ‫نيسدنهملا ريثأت )‪(J‬‬ ‫)‪(I-J‬‬ ‫‪Std. Error‬‬ ‫‪Sig.‬‬ ‫‪Bound‬‬ ‫‪Bound‬‬
‫‪a1‬‬ ‫‪a2‬‬ ‫‪.4278‬‬ ‫‪.258‬‬ ‫‪.402‬‬ ‫‪-.3199‬‬ ‫‪1.1755‬‬
‫‪a3‬‬ ‫*‪-.8000‬‬ ‫‪.258‬‬ ‫‪.048‬‬ ‫‪-1.5933‬‬ ‫‪-6.6986E-03‬‬
‫‪a2‬‬ ‫‪a1‬‬ ‫‪-.4278‬‬ ‫‪.258‬‬ ‫‪.402‬‬ ‫‪-1.1755‬‬ ‫‪.3199‬‬
‫‪a3‬‬ ‫*‪-1.2278‬‬ ‫‪.258‬‬ ‫‪.007‬‬ ‫‪-2.1612‬‬ ‫‪-.2943‬‬
‫‪a3‬‬ ‫‪a1‬‬ ‫*‪.8000‬‬ ‫‪.258‬‬ ‫‪.048‬‬ ‫‪6.699E-03‬‬ ‫‪1.5933‬‬
‫‪a2‬‬ ‫*‪1.2278‬‬ ‫‪.258‬‬ ‫‪.007‬‬ ‫‪.2943‬‬ ‫‪2.1612‬‬
‫‪Based on observed means.‬‬
‫‪*. The mean difference is significant at the .05 level.‬‬

‫التعليق‪:‬‬
‫تم استخدام‪ R‬اختبار ‪ Tamhane‬لمقارنة متوسطات كل عامل على حده‪.‬‬
‫‪ -‬ال يوجد فرق معنوي‪ R‬بين متوسطي‪ R‬تأثير المهندسين األول والثاني‪ R‬على كمية إنتاج المادة ألن ‪Sig.=.402‬‬
‫أكبر من ‪( 0.05‬مستوى الداللة)‪.‬‬
‫‪ -‬يوجد فرق معنوي‪ R‬بين متوسطي‪ R‬تأثير المهندسين األول والثالث على كمية إنتاج المادة ألن ‪Sig.=.048‬‬
‫أصغر من ‪( 0.05‬مستوى الداللة) وحيث أن ‪ 1  3  8.‬بالتالي فإن تأثير المهندس الثالث أكبر من‬
‫تأثير المهندس األول على كمية إنتاج المادة‪.‬‬
‫‪ -‬يوجد فرق معنوي‪ R‬بين متوسطي‪ R‬تأثير المهندسين الثاني والثالث على كمية إنتاج المادة ألن ‪Sig.=.007‬‬
‫‪ 2   3 8722‬بالتالي فإن تأثير المهندس الثالث أكبر‬
‫‪1 .‬‬ ‫أصغر من ‪( 0.05‬مستوى الداللة) وحيث أن‬
‫من تأثير المهندس الثاني على كمية إنتاج المادة‪.‬‬

‫‪Page 43 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫من هذه النتائج يمكن القول بأن المهندس الثالث له تأثير أكبر من المهندسين األول والثاني على كمية إنتاج‬
‫المادة‪.‬‬

‫تأثير المادة المساعدة‬

‫‪Multiple Comparisons‬‬

‫ان‪N‬ت‪N‬اج‪ N‬مادة معي‪N‬ن‪N‬ة ‪Dependent Variable:‬‬

‫‪Tamhane‬‬

‫‪Mean‬‬ ‫‪95% Confidence Interval‬‬

‫‪Difference‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬
‫ت‪N‬أث‪N‬ي‪N‬ر‪ N‬المادة المساعدة )‪(I‬‬ ‫ت‪N‬أث‪N‬ي‪N‬ر ا‪N‬لمادة ا‪N‬لمساعدة )‪(J‬‬ ‫)‪(I-J‬‬ ‫‪Std. Error‬‬ ‫‪Sig.‬‬ ‫‪Bound‬‬ ‫‪Bound‬‬
‫‪b1‬‬ ‫‪b2‬‬ ‫*‪1.0611‬‬ ‫‪.258‬‬ ‫‪.030‬‬ ‫‪8.392E-02‬‬ ‫‪2.0383‬‬
‫‪b3‬‬ ‫‪.4667‬‬ ‫‪.258‬‬ ‫‪.427‬‬ ‫‪-.3772‬‬ ‫‪1.3106‬‬
‫‪b2‬‬ ‫‪b1‬‬ ‫*‪-1.0611‬‬ ‫‪.258‬‬ ‫‪.030‬‬ ‫‪-2.0383‬‬ ‫‪-8.3923E-02‬‬
‫‪b3‬‬ ‫‪-.5944‬‬ ‫‪.258‬‬ ‫‪.151‬‬ ‫‪-1.3421‬‬ ‫‪.1532‬‬
‫‪b3‬‬ ‫‪b1‬‬ ‫‪-.4667‬‬ ‫‪.258‬‬ ‫‪.427‬‬ ‫‪-1.3106‬‬ ‫‪.3772‬‬
‫‪b2‬‬ ‫‪.5944‬‬ ‫‪.258‬‬ ‫‪.151‬‬ ‫‪-.1532‬‬ ‫‪1.3421‬‬
‫‪Based on observed means.‬‬
‫‪*. The mean difference is significant at the .05 level.‬‬

‫‪:‬التعليق‬
‫‪ -‬يوجد فرق معنوي‪ R‬بين متوسطي‪ R‬تأثير المادة المساعدة األولى والثانية على كمية إنتاج المادة ألن‬
‫‪ 1  2 1160‬بالتالي فإن تأثير المادة‬
‫‪1.‬‬ ‫‪Sig.=.030‬أصغر من ‪( 0.05‬مستوى الداللة) وحيث أن‬
‫المساعدة األولى أكبر من تأثير المادة المساعدة الثانية على كمية إنتاج المادة‪.‬‬

‫‪ -‬ال يوجد فرق معنوي‪ R‬بين متوسطي‪ R‬تأثير المادة المساعدة األولى والثالثة على كمية إنتاج المادة ألن‬
‫‪Sig.=.427‬أكبر من ‪( 05.‬مستوى الداللة)‬
‫‪ -‬ال يوجد فرق معنوي‪ R‬بين متوسطي‪ R‬تأثير المادة المساعدة الثانية والثالثة على كمية إنتاج المادة ألن‬
‫‪Sig.=.151‬أكبر من ‪( 05.‬مستوى الداللة)‬

‫من هذه النتائج يمكن القول بأن المادة المساعدة األولى لها تأثير أكبر من المادة المساعدة الثاني والثالثة على‬
‫كمية إنتاج المادة‪.‬‬
‫‪Page 44 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫االختبارات غير المعلمية ‪Nonparametric Tests‬‬

‫في بعض الحاالت قد ال تتوافر في المجتمع موضع الدراسة أن يكون توزيع‪ R‬هذا المجتمع له توزيع‪ R‬طبيعي أو‬
‫يقترب منه‪ ،‬لذلك فإن استخدام االختبارات المعلمية في مثل هذه الحاالت قد يؤدي‪ R‬إلى نتائج غير دقيقة‪ ،‬كذلك‬
‫يفترض أن تكون بيانات الظاهرة موضع الدراسة دقيقة‪ ،‬ولكن في بعض األحيان يتعذر أخذ قياسات عددية دقيقة‬
‫على بعض الظواهر‪ ،‬لذلك فإننا نستخدم‪ R‬طرق غير معلمية ال تعتمد على شروط‪ R‬معينة تتعلق بتوزيع المجتمع وال‬
‫تحتاج إلى قياسات دقيقة‪.‬‬
‫مزايا استخدام االختبارات غيرالمعلمية‪:‬‬
‫سهولة العمليات الحسابية المستخدمة‪.‬‬ ‫‪.1‬‬
‫ال تحتاج إلى شروط‪ R‬كثيرة لذلك فإن إمكانية إساءة استعمالها قليلة جداً‪.‬‬ ‫‪.2‬‬
‫تستخدم‪ R‬عندما ال تتحقق الشروط الالزمة لتطبيق‪ R‬االختبارات المعلمية مثل أن يكون توزيع‪ R‬المجتمع طبيعياً‪.‬‬ ‫‪.3‬‬
‫تستخدم‪ R‬في حالة صعوبة الحصول على بيانات دقيقة‪.‬‬ ‫‪.4‬‬
‫ال يتطلب استخدامها معرفة دقيقة في مجال الرياضيات أو اإلحصاء‪.‬‬ ‫‪.5‬‬
‫ال تشترط‪ R‬استخدامها أن يكون حجم العينات كبيراً‪ ،‬لذلك فإن عملية جمع البيانات في هذه الحالة توفر‪ R‬الوقت‬ ‫‪.6‬‬
‫والمجهود‪ R‬والتكلفة‪.‬‬
‫عيوب استخدام االختبارات غيرالمعلمية‪:‬‬
‫تستخدم‪ R‬أحياناً في الحاالت التي يجب استخدام‪ R‬االختبارات المعلمية وذلك لسهولة استخدامها‪.‬‬ ‫‪.1‬‬
‫صعوبة الحصول على توزيع‪ R‬دوال االختبار‪ R‬المستخدمة في هذه االختبارات‪.‬‬ ‫‪.2‬‬
‫يمكن استخدام االختبارات غيرالمعلمية في الحاالت التالية‪:‬‬
‫للحصول على قرار‪ R‬سريع‪.‬‬ ‫‪.1‬‬
‫إذا كانت البيانات المتوفرة عن ظاهرة ما ال تتفق مع االختبارات المعلمية‪.‬‬ ‫‪.2‬‬
‫إذا كانت الشروط‪ R‬المطلوب توافرها‪ R‬في االختبار المعلمي غير متحققة‪.‬‬ ‫‪.3‬‬
‫سنعرض فيما يلي استخدام برنامج ‪SPSS‬في االختبارات غيرالمعلمية التالية‪:‬‬
‫‪ .1‬استخدام اختبار كولمجروف‪ – R‬سمرنوف‪ "One-Sample Kolmogorov-Smirnov Test" R‬لمعرفة‬
‫ما إذا كانت البيانات تتبع التوزيع‪ R‬الطبيعي‪.‬‬
‫‪ .2‬اختبار اإلشارة "‪"Sign Test‬الختبار‪ R‬فرضيات حول متوسط مجتمع واحد‪.‬‬
‫‪ .3‬اختبار ويلكوكسن "‪ "Wilcoxon Test‬الختبار فرضيات حول مقارنة متوسطي مجتمعين في حالة‬
‫العينات المرتبطة‪.‬‬

‫‪Page 45 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪ .4‬اختبار مان – وتني "‪ "Mann Whitney Test‬الختبار الفرضيات حول الفرق بين متوسطي مجتمعين‬
‫في حالة العينات المستقلة‪.‬‬
‫‪ .5‬اختبار كروسكال – واالس "‪"Kruskal-Wallis Test‬الختبار‪ R‬فرضيات لمقارنة متوسطات عدة‬
‫مجتمعات مستقلة (تحليل التباين في حالة العينات المستقلة)‪.‬‬
‫‪ .6‬اختبار فريدمان "‪"Friedman Test‬الذي يعالج موضوع تحليل التباين في حالة المشاهدات المتكررة (‬
‫‪)Repeated Measures‬أو العينات المرتبطة ‪.‬‬

‫اختبار التوزيع الطبيعي‪ :‬كولمجروف‪ R-‬سمرنوف‪R‬‬

‫مثال(‪:)1‬‬
‫تمثل البيانات التالية كمية اإلنتاج بالطن لسلعة ما في األسبوع‪ R‬في أحد المصانع‪:‬‬
‫‪74 83 94 68 76 60 90 70 80 90‬‬ ‫‪80 68 82 79 65 50 70‬‬
‫‪60 92 82 68 93 71 86 92 90 80 82 65 76‬‬
‫المطلوب‪ :‬استخدم‪ R‬اختبار كولمجروف – سمرنوف لمعرفة أن البيانات السابقة لها توزيع طبيعي‪ R‬أم ال مستخدماً‪R‬‬
‫‪. 50‬‬
‫‪.‬‬ ‫مستوى داللة‬
‫الحل العملي‪:‬‬
‫‪tseT vonrimS-vorogomloK elpmaS-enO‬‬

‫‪YTITNAUQ‬‬
‫‪N‬‬ ‫‪03‬‬
‫‪sretemaraP lamroN‬‬ ‫‪b,a naeM‬‬ ‫‪0002.77‬‬
‫‪noitaiveD .dtS‬‬ ‫‪8503.11‬‬
‫‪emertxE tsoM‬‬ ‫‪etulosbA‬‬ ‫‪501.‬‬
‫‪secnereffiD‬‬ ‫‪evitisoP‬‬ ‫‪570.‬‬
‫‪evitageN‬‬ ‫‪501.-‬‬
‫‪Z vonrimS-vorogomloK‬‬
‫‪375.‬‬

‫‪)deliat-2( .giS .pmysA‬‬ ‫‪898.‬‬

‫‪.lamroN si noitubirtsid .a‬‬
‫‪tseT‬‬
‫‪.b‬‬
‫‪.atad morf detaluclaC‬‬

‫من الجدول السابق‪ Sig.=.898 :‬لذلك ال يمكن رفض فرضية العدم القائلة بأن كمية اإلنتاج لها توزيع طبيعي‬
‫‪. 50‬‬
‫‪.‬‬ ‫وذلك على مستوى داللة‬

‫‪Page 46 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫اختبار ويلكوكسن "‪"Wilcoxon Test‬‬

‫مثال(‪:)2‬‬
‫لمعرفة تأثير إشارة ضوئية جديدة‪ ،‬تم الحصول على البيانات التالية التي تمثل عدد الحوادث في ‪ 12‬مفترق خطر‬
‫خالل أربعة أسابيع قبل وبعد تركيب اإلشارة الضوئية‪:‬‬
‫(‪.)4,2( ,)2,3( ,)3,2( ,)5,2( ,)4,1( ,)5,3( ,)6,3( ,)2,1( ,)1,3( ,)2,0( ,)3,2( ,)2,1‬‬
‫‪. 50‬‬
‫‪.‬‬ ‫اختبر الفرضية المبدئية القائلة أنه ال يوجد تأثير لإلشارة الضوئية الجديدة مستخدماً مستوى داللة‬
‫الحل العملي‪:‬‬
‫‪Frequencies‬‬

‫‪N‬‬
‫‪BEFORE - AFTER Negative Differencesa‬‬ ‫‪2‬‬
‫‪Positive Differencesb‬‬ ‫‪10‬‬
‫‪Ties c‬‬ ‫‪0‬‬
‫‪Total‬‬ ‫‪12‬‬
‫‪a. BEFORE < AFTER‬‬
‫‪b. BEFORE > AFTER‬‬
‫‪c. AFTER = BEFORE‬‬

‫‪Test Statisticsb‬‬

‫‪BEFORE -‬‬
‫‪AFTER‬‬
‫)‪Exact Sig. (2-tailed‬‬ ‫‪.039a‬‬
‫‪a. Binomial distribution used.‬‬
‫‪b. Sign Test‬‬

‫من الجدول السابق ‪ Sig.=.039‬لذلك نرفض فرضية العدم القائلة بأنه ال يوجد تأثير لإلشارة الضوئية الجديدة‬
‫‪ ، 50.‬ونستنتج أنه يوجد تأثير لإلشارة الضوئية الجديدة‪ ،‬بمعنى أن معدل عدد‬ ‫مستخدماً مستوى داللة‬
‫الحوادث قد تناقص بعد تركيب اإلشارة الضوئية الجديدة‪.‬‬

‫اختبار مان – وتني "‪"Mann Whitney Test‬‬

‫مثال(‪:)3‬‬
‫قامت إحدى الشركات بتدريب بعض عمالها على العمل على آالت جديدة وردت إلى مصانع الشركة‪ ،‬واستخدمت‪R‬‬
‫برنامجين للتدريب‪ ،‬البرنامج األول محاضرات‪ R‬نظرية لمدة أسبوعين ومن ثم القيام بالتدريب العملي‪ ،‬والبرنامج‬
‫الثاني محاضرات نظرية تتبعها تطبيقات عملية في نفس اليوم ولمدة أسبوعين‪ .‬وكان الزمن الالزم للمتدربين‬
‫الكتساب المهارات المطلوبة مقدرة باأليام كما يلي‪:‬‬

‫البرنامج الثاني‬ ‫البرنامج األول‬

‫‪Page 47 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪29‬‬ ‫‪40‬‬
‫‪27‬‬ ‫‪44‬‬
‫‪32‬‬ ‫‪33‬‬
‫‪25‬‬ ‫‪26‬‬
‫‪27‬‬ ‫‪31‬‬
‫‪28‬‬ ‫‪29‬‬
‫‪31‬‬ ‫‪34‬‬
‫‪23‬‬ ‫‪31‬‬
‫‪37‬‬ ‫‪38‬‬
‫‪28‬‬ ‫‪33‬‬
‫‪22‬‬ ‫‪42‬‬
‫‪31‬‬ ‫‪35‬‬
‫‪24‬‬
‫‪ 50.‬؟‬
‫‪‬‬ ‫هل تستطيع أن تستنتج أن البرنامج الثاني أكثر فاعلية من البرنامج األول على مستوى‪ R‬داللة‬
‫الحل العملي‪:‬‬
‫‪Ranks‬‬

‫‪Mean‬‬ ‫‪Sum of‬‬

‫‪FACTOR‬‬ ‫‪N‬‬ ‫‪Rank‬‬ ‫‪Ranks‬‬
‫‪TIME‬‬ ‫‪first‬‬ ‫‪12‬‬ ‫‪17.54‬‬ ‫‪210.50‬‬
‫‪second‬‬ ‫‪13‬‬ ‫‪8.81‬‬ ‫‪114.50‬‬
‫‪Total‬‬ ‫‪25‬‬

‫‪Test Statisticsb‬‬

‫‪TIME‬‬
‫‪Mann-Whitney U‬‬ ‫‪23.500‬‬
‫‪Wilcoxon W‬‬ ‫‪114.500‬‬
‫‪Z‬‬ ‫‪-2.972‬‬
‫)‪Asymp. Sig. (2-tailed‬‬ ‫‪.003‬‬
‫‪Exact Sig. [2*(1-tailed‬‬ ‫‪a‬‬
‫])‪Sig.‬‬ ‫‪.002‬‬

‫‪a. Not corrected for ties.‬‬

‫‪b. Grouping Variable: FACTOR‬‬

‫من النتائج السابقة‪ Sig.=.002 :‬لذلك نرفض فرضية العدم القائلة بأنه ال يوجد فرق بين فاعلية البرنامجين‪،‬‬
‫ونستنتج بأنه يوجد فرق بين فاعلية البرنامجين‪ ،‬أو يمكن القول بأن البرنامج الثاني أكثر فاعلية من البرنامج‬
‫‪. 50‬‬
‫‪.‬‬ ‫األول على مستوى داللة‬

‫‪Page 48 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫اختبار كروسكال – واالس "‪"Kruskal-Wallis Test‬‬

‫مثال(‪:)4‬‬

‫البيانات التالية تمثل درجات طالب مساق اإلحصاء التحليلي بكلية التجارة في الجامعة اإلسالمية باستخدام‬
‫ثالثة أساليب مختلفة‪:‬‬
‫األسلوب الثالث‬ ‫األسلوب الثاني‬ ‫األسلوب األول‬
‫‪75‬‬ ‫‪82‬‬ ‫‪86‬‬
‫‪78‬‬ ‫‪66‬‬ ‫‪81‬‬
‫‪61‬‬ ‫‪69‬‬ ‫‪84‬‬
‫‪69‬‬ ‫‪72‬‬ ‫‪71‬‬
‫‪75‬‬ ‫‪67‬‬ ‫‪81‬‬
‫‪68‬‬ ‫‪88‬‬
‫‪77‬‬ ‫‪79‬‬
‫‪77‬‬

‫هل تعطي هذه البيانات دليالً كافياً على وجود‪ R‬فروق‪ R‬معنوية بين متوسطات درجات الطالب باستخدام‪ R‬األساليب‬
‫‪ 50.‬؟‬
‫‪‬‬ ‫الثالثة السابقة على مستوى داللة‬
‫الحل العملي‪:‬‬
‫‪Ranks‬‬

‫‪Mean‬‬
‫‪FACTOR‬‬ ‫‪N‬‬ ‫‪Rank‬‬
‫‪MARK‬‬ ‫‪Method_1‬‬ ‫‪8‬‬ ‫‪15.06‬‬
‫‪Method_2‬‬ ‫‪7‬‬ ‫‪7.29‬‬
‫‪Method_3‬‬ ‫‪5‬‬ ‫‪7.70‬‬
‫‪Total‬‬ ‫‪20‬‬

‫‪scitsitatS tseT‬‬ ‫‪b,a‬‬

‫‪KRAM‬‬
‫‪erauqS-ihC‬‬ ‫‪869.7‬‬
‫‪fd‬‬ ‫‪2‬‬
‫‪.giS .pmysA‬‬ ‫‪910.‬‬
‫‪.a‬‬
‫‪tseT sillaW laksurK‬‬
‫‪.b‬‬
‫‪CAF :elbairaV gnipuorG‬‬

‫‪Page 49 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪ Sig.=.019 ،‬لذلك نرفض فرضية العدم القائلة بأنه ال يوجد فرق بين‬ ‫‪2‬‬
‫‪869‬‬
‫‪7.‬‬ ‫من النتائج السابقة‬
‫درجات الطالب باستخدام األساليب الثالثة ‪ ،‬ونستنتج بأنه يوجد فرق بين درجات الطالب في مساق اإلحصاء‬
‫‪. 50‬‬
‫‪.‬‬ ‫التحليلي باستخدام األساليب الثالثة على مستوى داللة‬
‫اختبار فريدمان "‪"Friedman Test‬‬
‫مثال(‪:)5‬‬
‫البيانات التالية تمثل زمن الشفاء (مقدراً باأليام) من مرض معين عند تناول المرضى أربعة أنواع مختلفة‬
‫من األدوية‪.‬‬
‫النوع الرابع‬ ‫النوع الثالث‬ ‫النوع الثاني‬ ‫النوع األول‬
‫‪13‬‬ ‫‪11‬‬ ‫‪7‬‬ ‫‪10‬‬
‫‪10‬‬ ‫‪6‬‬ ‫‪13‬‬ ‫‪8‬‬
‫‪9‬‬ ‫‪11‬‬ ‫‪15‬‬ ‫‪7‬‬
‫‪14‬‬ ‫‪9‬‬ ‫‪11‬‬ ‫‪11‬‬
‫‪11‬‬ ‫‪8‬‬ ‫‪12‬‬ ‫‪9‬‬
‫‪12‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪7‬‬
‫‪10‬‬ ‫‪5‬‬ ‫‪14‬‬ ‫‪8‬‬
‫‪13‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪11‬‬

‫هل تعطي هذه البيانات دليالً كافياً على وجود‪ R‬فروق‪ R‬معنوية بين متوسطات الزمن باستخدام أنواع األدوية األربعة‬
‫‪ 50.‬؟‬
‫‪‬‬ ‫على مستوى داللة‬
‫الحل العملي‪:‬‬

‫‪Ranks‬‬

‫‪Mean‬‬
‫‪Rank‬‬
‫‪TYPE_1‬‬ ‫‪2.00‬‬
‫‪TYPE_2‬‬ ‫‪3.00‬‬
‫‪TYPE_3‬‬ ‫‪1.63‬‬
‫‪TYPE_4‬‬ ‫‪3.38‬‬

‫‪Page 50 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪scitsitatS tseT‬‬ ‫‪a‬‬

‫‪N‬‬ ‫‪8‬‬
‫‪erauqS-ihC‬‬ ‫‪031.01‬‬
‫‪fd‬‬ ‫‪3‬‬
‫‪.giS .pmysA‬‬ ‫‪710.‬‬
‫‪.a‬‬
‫‪tseT namdeirF‬‬

‫‪ Sig.=.017 ،‬لذلك نرفض فرضية العدم القائلة بأنه ال يوجد فرقاً بين‬ ‫‪2‬‬
‫‪01 31‬‬
‫‪.‬‬ ‫من النتائج السابقة‪:‬‬
‫‪. 50‬‬
‫‪.‬‬ ‫أنواع األدوية األربعة‪ ،‬ونستنتج بأنه يوجد فرق بين تلك األنواع السابقة على مستوى داللة‬

‫‪Simple Linear Regression‬‬ ‫االرتباط الخطي البسيط‬

‫في معظم التطبيقات العملية نجد أن هناك عالقة بين متغيرين (أو أكثر)‪ ،‬فمثالً نجد أن هناك عالقة وارتباط‪ R‬بين‬
‫درجة الطالب وعدد ساعات الدراسة‪ .‬يوجد نوعان من المتغيرات هما‪:‬‬
‫المتغير التابع ‪ :Dependent (Response) Variable‬هو المتغير الذي يقيس نتيجة دراسة ما‪ ،‬وعادة يرمز‬
‫له بالرمز‪.Y R‬‬
‫المتغير المستقل ‪:Independent (Explanatory) Variable‬‬
‫هو المتغير الذي ُيفسِّر أو يسبب التغيرات في المتغير التابع‪ ،‬أي هو الذي يؤثر في تقدير قيمة المتغير التابع‪،‬‬
‫العمر ‪X‬واإلصابة‬
‫وعادة يرمز له بالرمز‪ .X R‬فمثالً عدد أيام الغياب ‪ X‬و درجة الطالب في اإلحصاء ‪ُ ،Y‬‬
‫بضغط الدم ‪.Y‬‬
‫في بعض التطبيقات العملية يكون لدينا أكثر من متغيرين تحت الدراسة‪ ،‬فمثالً قد توجد عالقة خطية بين ضغط‬
‫العمر والوزن‪ ،‬ويسمى‪ R‬االرتباط في هذه الحالة االرتباط‪ R‬الخطي المتعدد‪.‬‬
‫الدم وكل من ُ‬
‫عند دراسة العالقة بين متغيرين ‪ X, Y‬فإن شكل االنتشار ‪ Scatter plot‬يمكن أن يوضح طبيعة هذه العالقة‪،‬‬
‫وتكون العالقة بين ‪ X, Y‬قوية جداً إذا وقعت معظم نقاط شكل االنتشار على منحنى أو خط مستقيم‪ ،‬وتكون‬
‫ضعيفة كلما تناثرت نقاط شكل االنتشار‪ R‬حول منحنى أو خط مستقيم يمر بتلك النقاط‪.‬‬
‫معامل االرتباط‪:Correlation Coefficient R‬‬
‫هو مقياس لدرجة العالقة بين المتغيرين ‪ Y, X‬ويرمز‪ R‬له بالرمز‪ ،r R‬ويحقق معامل االرتباط‪ R‬الخطي المتباينة‪:‬‬
‫‪1   1‬‬ ‫‪r‬‬
‫أي أن قيمة معامل االرتب ‪RR‬اط محص ‪RR‬ورة بين ‪ 1 ، 1‬وت ‪RR‬دل قيمته على درجة العالقة بين المتغ ‪RR‬يرين أو المتغ ‪RR‬يرات‬
‫موضع الدراسة من حيث أنها قوية‪ ،‬متوسطة‪ ،‬أو ضعيفة‪ ،‬وأما اإلشارة فإنها تصف نوعية العالقة هل هي عكس‪R‬ية‬

‫‪Page 51 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫أم طردي‪RR R R‬ة‪ ،‬فاإلش‪RR R R‬ارة الس‪RR R R‬البة ت‪RR R R‬دل على وج‪RR R R‬ود عالقة عكس‪RR R R‬ية أما الموجبة فت‪RR R R‬دل على وج‪RR R R‬ود‪ R‬عالقة طردية بين‬
‫المتغيرين موضع الدراسة‪.‬‬
‫‪ -‬إذا كانت قيمة معامل االرتباط مساوية للواحد الصحيح فهذا يدل على أن االرتباط بين المتغيرين ارتباطاً‪R‬‬
‫‪ 1‬فهذا يدل على أن االرتباط‪ R‬بين المتغيرين ارتباطاً عكسياً تاماً‪.‬‬ ‫طردياً تاماً‪ ،‬أما إذا كانت قيمته مساوية لـ‬
‫‪ -‬إذا كانت قيمة معامل االرتباط مساوية للصفر(‪ ( r = 0‬فهذا يدل على عدم وجود‪ R‬ارتباط خطي بين المتغيرين‬
‫موضع الدراسة‪ ،‬بمعنى أنه إذا عرفنا اتجاه تغير أحد المتغيرين استحال علينا تحديد أو معرفة اتجاه المتغير‬
‫اآلخر‪.‬‬
‫‪ -‬أما إذا ابتعدت بعض نقاط شكل االنتشار‪ R‬عن الخط المستقيم فإن االرتباط يكون غير تاماً‪ ،‬وتزداد‪ R‬قوة‬
‫االرتباط كلما اقتربت قيمة ‪ r‬من القيمة ‪ 1‬أو القيمة ‪ . 1‬فمثالً الطول والوزن لمجموعة من األشخاص قد‬
‫يوجد بينها ارتباطاً طردياً ولكن ليس ارتباطاً‪ R‬تاماً‪ .‬العالقة بين ‪ X, Y‬تكون‪:‬‬
‫‪ .0  r‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪ ‬طردية ضعيفة عندما‬
‫‪4‬‬ ‫‪ .12  r‬‬ ‫‪3‬‬
‫‪ ‬طردية متوسطة عندما‬
‫‪ ‬طردية قوية عندما ‪ 34  r 1‬‬
‫‪  ‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪ ‬عكسية ضعيفة عندما ‪r 0‬‬
‫‪ 34  r  ‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪ ‬عكسية متوسطة عندما‬
‫‪ 1 r  ‬‬ ‫‪3‬‬
‫‪4‬‬ ‫‪ ‬عكسية قوية عندما‬
‫برسم لوحة االنتشار لقيم مختارة من معامالت االرتباط الخطي يمكن الحصول على أحد األشكال التالية‪:‬‬

‫‪r  6.‬‬ ‫‪r  8.‬‬ ‫‪r  1‬‬

‫‪r 0‬‬ ‫‪r  2.‬‬ ‫‪r  4.‬‬

‫‪Page 52 of 57‬‬
‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪r 5.‬‬ ‫‪r 3.‬‬ ‫‪r 1.‬‬

‫‪r 9.‬‬ ‫‪r 7.‬‬

‫‪r1‬‬

‫حساب قيمة معامل االرتباط‪:‬‬

‫يمكن حساب قيمة معامل االرتباط‪ R‬بعدة طرق مختلفة تبعاً لنوع البيانات‪.‬‬
‫االرتباط بين المتغيرات الرقمية‪ :‬معامل بيرسون لالرتباط‪.R‬‬
‫االرتباط بين المتغيرات الترتيبية‪ :‬معامل سبيرمان للرتب‬
‫االرتباط بين المتغيرات الوصفية‪ :‬مربع كاي ‪.Chi-Square‬‬

‫مثال (‪)5‬‬
‫افتح الملف ‪ .Employee Data‬المطلوب إيجاد قيمة معامل االرتباط الخطي بين كالً من المتغيرات ‪salary,‬‬
‫‪salbegin, educ‬‬
‫‪SPSS STEP BY STEP‬‬
‫‪Analyze  Correlate  Bivariate‬‬
‫أكمل المربع الحواري كما يلي‪:‬‬

‫‪Page 53 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪snoitalerroC‬‬

‫‪lanoitacudE‬‬
‫‪leveL‬‬ ‫‪tnerruC‬‬ ‫‪gninnigeB‬‬
‫(‪)sraey‬‬ ‫‪yralaS‬‬ ‫‪yralaS‬‬
‫‪)sraey( leveL lanoitacudE‬‬ ‫‪noitalerroC nosraeP‬‬ ‫‪000.1‬‬ ‫** ‪166.‬‬ ‫** ‪336.‬‬
‫‪)deliat-2( .giS‬‬ ‫‪.‬‬ ‫‪000.‬‬ ‫‪000.‬‬
‫‪N‬‬ ‫‪474‬‬ ‫‪474‬‬ ‫‪474‬‬
‫‪yralaS tnerruC‬‬ ‫‪noitalerroC nosraeP‬‬ ‫** ‪166.‬‬ ‫‪000.1‬‬ ‫** ‪088.‬‬
‫‪)deliat-2( .giS‬‬ ‫‪000.‬‬ ‫‪.‬‬ ‫‪000.‬‬
‫‪N‬‬ ‫‪474‬‬ ‫‪474‬‬ ‫‪474‬‬
‫‪yralaS gninnigeB‬‬ ‫‪noitalerroC nosraeP‬‬ ‫** ‪336.‬‬ ‫‪088. ** 000.1‬‬
‫‪)deliat-2( .giS‬‬ ‫‪000.‬‬ ‫‪000.‬‬ ‫‪.‬‬
‫‪N‬‬ ‫‪474‬‬ ‫‪474‬‬ ‫‪474‬‬
‫**‪.‬‬
‫‪0 eht ta tnacifingis si noitalerroC‬‬

‫من النتائج السابقة يمكن استنتاج ما يلي‪::‬‬

‫قيمة معامل االرتباط بين )‪ educ (Educational Level), salary (Current Salary‬تساوي•‪ 661.‬وهذا‬
‫يدل على أن االرتباط بينهما طردي‪ Sig.=.000 ،‬مما يدل على وجود ارتباط معنوي• بين المتغيرين‪.‬‬
‫قيمة معامل االرتباط بين )‪ educ (Educational Level), salbegin (Beginning Salary‬تساوي•‪633.‬‬
‫وهذا يدل على أن االرتباط• بينهما طردي‪ Sig.=.000 ،‬مما يدل على وجود ارتباط• معنوي بين المتغيرين‪.‬‬
‫قيمة معام••ل االرتب••اط بين )‪ salbegin (Beginning Salary), salary (Current Salary‬تس••اوي ‪880.‬‬
‫وهذا يدل على أن االرتباط• بينهما طردي‪ Sig.=.000 ،‬مما يدل على وجود ارتباط• معنوي بين المتغيرين‪.‬‬

‫مثال (‪)6‬‬
‫فيما يلي تقديرات عشرة من طالب في امتحان مادتي الرياضيات واإلحصاء‪:‬‬

‫‪Page 54 of 57‬‬
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫جيد‬ ‫جيد جداً‬ ‫جيد‬ ‫مقبول مقبول جيد‬ ‫مقبول جيد‬ ‫راسب جيد‬ ‫الرياضيات‬
‫جداً‬
‫راسب‬ ‫ممتاز‬ ‫جيد جداً جيد‬ ‫راسب جيد‬ ‫ممتاز‬ ‫جيد‬ ‫مقبول جيد جداً‬ ‫اإلحصاء‬
‫المطلوب‪ :‬احسب معامل االرتباط‪ R‬بين تقديرات المادتين‪.‬‬
‫بعد ادخال البيانات واتباع خطوات المثال السابق اختر ‪ Spearman‬فنحصل على النتائج التالية‪.‬‬

‫‪snoitalerroC‬‬

‫الرياضيات‬ ‫اإلحصاء‬
‫‪s'namraepS‬‬ ‫الرياضيات‬ ‫‪noitalerroC‬‬
‫‪000.1‬‬ ‫‪817.‬‬ ‫*‬
‫‪ohr‬‬ ‫‪tneiciffeoC‬‬
‫‪)deliat-2( .giS‬‬ ‫‪.‬‬ ‫‪910.‬‬
‫‪N‬‬ ‫‪01‬‬ ‫‪01‬‬
‫اإلحصاء‬ ‫‪noitalerroC‬‬
‫‪817.‬‬ ‫‪* 000.1‬‬
‫‪tneiciffeoC‬‬
‫‪)deliat-2( .giS‬‬ ‫‪910.‬‬ ‫‪.‬‬
‫‪N‬‬ ‫‪01‬‬ ‫‪01‬‬
‫*‪.‬‬
‫‪0 eht ta tnacifingis si noitalerroC‬‬

‫من النتائج السابقة يمكن استنتاج ما يلي‪:‬‬

‫معامل سبيرمان للرتب = ‪ 0.718‬فبالتالي يوجد ارتباط• طردي• بين تقديرات الطالب في المادتين‪ ،‬وذلك على‬
‫أساس معامل سبيرمان للرتب‪ Sig.=.019 .‬مما يدل على وجود ارتباط معن••وي بين تق••ديرات الطلب••ة في م••ادتي‬
‫الرياضيات واإلحصاء‪.‬‬

‫االنحدار الخطي البسيط ‪Simple Linear Regression‬‬

‫االنحدار هو دراسة للتوزيع المشترك‪ R‬لمتغيرين أحدهما متغير يقاس دون خطأ ويسمى‪ R‬متغير مستقل‬
‫‪ Independent variable‬ويرمز‪ R‬له بالرمز‪x R‬واآلخر‪ R‬يأخذ قيماً تعتمد على قيمة المتغير المستقل ويسمى‪R‬‬
‫التابع ‪ Dependent variable‬ويرمز‪ R‬له بالرمز‪.y R‬‬
‫الهدف من دراسة االنحدار هو إيجاد دالة العالقة بين المتغيرين المستقل والتابع والتي تساعد في تفسير التغير‬
‫الذي قد يطرأ على المتغير التابع ( ‪ )y‬تبعاً لتغير في قيم المتغير المستقل ( ‪.)x‬‬

‫مثال (‪)7‬‬
‫لدراسة العالقة بين الدخل واالستهالك بالدنانير في مدينة غزة‪ ،‬أخذت عينة مكونة من عشرة أسر فأعطت النتائج التالية‪:‬‬

‫‪Page 55 of 57‬‬
 ‫ سمير خالد صافي‬.‫د‬ SPSS ‫دورة في البرنامج اإلحصائي‬

250 1050 1200 900 1000 900 600 500 350 300 ‫الدخل‬
250 1000 1050 850 750 800 550 500 340 280 ‫االستهالك‬
.‫ إيجاد نموذج انحدار االستهالك على الدخل‬:‫المطلوب‬
SPSS STEP BY STEP

Analyze  Regression  Linear

:‫أكمل المربع الحواري كما يلي‬

yrammuS ledoM

detsujdA fo rorrE .dtS

ledoM RerauqS R erauqS R etamitsE eht
1 289. a 569. 069. 99806.85
.a
,)tnatsnoC( :srotciderP

AVONA b

fo muS
ledoM serauqS erauqS
fd naeM F .giS
noissergeR
1 9.923157 988.923157
1 727.812 000. a

laudiseR 111.08472 8410.5343

latoT 0.018877 9
.a
,)tnatsnoC( :srotciderP
.b
oc :elbairaV tnednepeD

Page 56 of 57
 ‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬

‫‪stneiciffeoC‬‬ ‫‪a‬‬

‫‪dezidradnatsnU‬‬ ‫‪dezidradnatS‬‬
‫‪stneiciffeoC‬‬ ‫‪stneiciffeoC‬‬
‫‪ledoM‬‬ ‫‪BrorrE .dtS‬‬ ‫‪ateB‬‬ ‫‪t‬‬ ‫‪.giS‬‬
‫(‪)tnatsnoC‬‬
‫‪1‬‬ ‫‪922.84‬‬ ‫‪319.34‬‬ ‫‪890.1‬‬ ‫‪403.‬‬
‫‪emocni‬‬ ‫‪538.‬‬ ‫‪650.‬‬ ‫‪289.‬‬ ‫‪987.41‬‬ ‫‪000.‬‬
‫‪.a‬‬
‫‪oc :elbairaV tnednepeD‬‬

‫من النتائج السابقة يمكن استنتاج ما يلي‪:‬‬

‫‪ -1‬نموذج انحدار االستهالك على الدخل هو‪:‬‬
‫‪Consump. = 48.229 + 0.835 * Income‬‬

‫‪ -2‬معامل االرتباط‪ R‬بين الدخل واالستهالك‪ 0.982 = R‬وهو يدل على وجود ارتباط‪ R‬طردي قوي‪ R‬بينهما‪(،‬‬
‫)‬
‫‪giS‬‬ ‫‪. 000‬‬
‫‪0.‬‬ ‫‪   050‬‬
‫‪.‬‬

‫الم َّ‬
‫عدل= ‪ ،0.96‬الخطأ المعياري للتقدير = ‪.58.6190‬‬ ‫‪ R،  569‬ومعامل التحديد ُ‬
‫‪2‬‬
‫‪0.‬‬ ‫‪ -3‬معامل التحديد‬
‫تفسير قيمة معامل التحديد‪:‬‬
‫‪ 96.5%‬من تغير قيمة االستهالك (المتغير‪ R‬التابع) يمكن أن يفسر باستخدام‪ R‬العالقة الخطية بين الدخل‬
‫واالستهالك والنسبة المتبقية ‪ %3.5‬ترجع إلى عوامل أخرى تؤثر‪ R‬على قيمة االستهالك‪.‬‬

‫وهذا يدل على وجود‪ R‬عالقة معنوية بين الدخل واالستهالك‪ R‬وأن نموذج‬
‫‪giS‬‬ ‫‪.000‬‬
‫‪0.‬‬ ‫‪،F= 218.727 -4‬‬
‫االنحدار السابق جيد‪.‬‬

‫‪ Sig.=0.304 ،t b 890‬وهذا يدل على أن نموذج انحدار االستهالك على الدخل يمر بنقطة األصل‪.‬‬
‫‪1.‬‬ ‫‪0‬‬ ‫‪-5‬‬

‫‪Sig.=0.000 ،t b 41987.‬وهذا يدل على أن الدخل متغير مؤثر في تقدير قيمة االستهالك ويجب أن‬ ‫‪1‬‬ ‫‪-6‬‬
‫يكون ضمن نموذج خط االنحدار‪.‬‬

‫‪Page 57 of 57‬‬