‫‪, 2021/2020‬اﻟﺴﻨﺔ اﻟﺜﺎﻧﯿﺔ ﻣﺎﺳﺘﺮ ﻣﺤﺎﺳﺒﺔ وﺟﺒﺎﯾﺔ ﻣﻌﻤﻘﺔ‬ ‫ﺟﺎﻣﻌﺔ ﻋﻤﺎر اﻟﺘﻠﯿﺠﻲ – ﻛﻠﯿﺔ ﻋﻠﻮم اﻻﻗﺘﺼﺎدﯾﺔ و اﻟﺘﺠﺎرﯾﺔ وﻋﻠﻮم

دﯾﺔ و اﻟﺘﺠﺎرﯾﺔ وﻋﻠﻮم اﻟﺘﺴﯿﯿﺮ‬

‫‪SPSS TP 6‬‬
‫ﻣﻌﺎﻣل اﻻرﺗﺑﺎط ‪: Coefficient de Correlation‬‬
‫ﻫو ﻣﻘﯾﺎس ﻟدرﺟﺔ اﻟﻌﻼﻗﺔ ﺑﯾن اﻟﻣﺗﻐﯾرﯾن ‪ Y, X‬وﯾرﻣز ﻟﻪ ﺑﺎﻟرﻣز ‪ ،r‬وﯾﺣﻘق ﻣﻌﺎﻣل اﻻرﺗﺑﺎط اﻟﺧطﻲ اﻟﻣﺗﺑﺎﯾﻧﺔ‪:‬‬
‫‪1  r  1‬‬
‫وﺗدل ﻗﯾﻣﺗﻪ ﻋﻠﻰ درﺟﺔ اﻟﻌﻼﻗﺔ ﺑﯾن اﻟﻣﺗﻐﯾرﯾن أو اﻟﻣﺗﻐﯾرات ﻣوﺿـﻊ‬ ‫‪1 ، 1‬‬ ‫أي أن ﻗﯾﻣﺔ ﻣﻌﺎﻣل اﻻرﺗﺑﺎط ﻣﺣﺻورة ﺑﯾن‬
‫اﻟدراﺳﺔ ﻣن ﺣﯾث أﻧﻬﺎ ﻗوﯾﺔ‪ ،‬ﻣﺗوﺳطﺔ‪ ،‬أو ﺿﻌﯾﻔﺔ‪ ،‬وأﻣﺎ اﻹﺷﺎرة ﻓﺈﻧﻬﺎ ﺗﺻف ﻧوﻋﯾﺔ اﻟﻌﻼﻗﺔ ﻫل ﻫﻲ ﻋﻛﺳـﯾﺔ أم طردﯾـﺔ‪،‬‬
‫ﻓﺎﻹﺷــﺎرة اﻟﺳــﺎﻟﺑﺔ ﺗــدل ﻋﻠــﻰ وﺟــود ﻋﻼﻗــﺔ ﻋﻛﺳــﯾﺔ أﻣــﺎ اﻟﻣوﺟﺑــﺔ ﻓﺗــدل ﻋﻠــﻰ وﺟــود ﻋﻼﻗــﺔ طردﯾــﺔ ﺑــﯾن اﻟﻣﺗﻐﯾ ـرﯾن ﻣوﺿــﻊ‬
‫اﻟدراﺳﺔ‪.‬‬
‫‪ -‬إذا ﻛﺎﻧت ﻗﯾﻣﺔ ﻣﻌﺎﻣل اﻻرﺗﺑﺎط ﻣﺳﺎوﯾﺔ ﻟﻠواﺣد اﻟﺻﺣﯾﺢ ﻓﻬذا ﯾدل ﻋﻠﻰ أن اﻻرﺗﺑﺎط ﺑـﯾن اﻟﻣﺗﻐﯾـرﯾن ارﺗﺑﺎطـﺎً طردﯾـﺎً ﺗﺎﻣـﺎً‪ ،‬أﻣـﺎ‬
‫إذا ﻛﺎﻧت ﻗﯾﻣﺗﻪ ﻣﺳﺎوﯾﺔ ﻟـ ‪ 1‬ﻓﻬذا ﯾدل ﻋﻠﻰ أن اﻻرﺗﺑﺎط ﺑﯾن اﻟﻣﺗﻐﯾرﯾن ارﺗﺑﺎطﺎً ﻋﻛﺳﯾﺎً ﺗﺎﻣﺎً‪.‬‬
‫‪ -‬إذا ﻛﺎﻧـت ﻗﯾﻣـﺔ ﻣﻌﺎﻣـل اﻻرﺗﺑـﺎط ﻣﺳـﺎوﯾﺔ ﻟﻠﺻـﻔر)‪ ( r = 0‬ﻓﻬـذا ﯾـدل ﻋﻠـﻰ ﻋـدم وﺟـود ارﺗﺑـﺎط ﺧطـﻲ ﺑـﯾن اﻟﻣﺗﻐﯾـرﯾن ﻣوﺿـﻊ‬
‫اﻟدراﺳﺔ‪ ،‬ﺑﻣﻌﻧﻰ أﻧﻪ إذا ﻋرﻓﻧﺎ اﺗﺟﺎﻩ ﺗﻐﯾر أﺣد اﻟﻣﺗﻐﯾرﯾن اﺳﺗﺣﺎل ﻋﻠﯾﻧﺎ ﺗﺣدﯾد أو ﻣﻌرﻓﺔ اﺗﺟﺎﻩ اﻟﻣﺗﻐﯾر اﻵﺧر‪.‬‬
‫‪ -‬أﻣــﺎ إذا اﺑﺗﻌــدت ﺑﻌــض ﻧﻘــﺎط ﺷــﻛل اﻻﻧﺗﺷــﺎر ﻋــن اﻟﺧــط اﻟﻣﺳــﺗﻘﯾم ﻓــﺈن اﻻرﺗﺑــﺎط ﯾﻛــون ﻏﯾــر ﺗﺎﻣـﺎً‪ ،‬وﺗــزداد ﻗــوة اﻻرﺗﺑــﺎط ﻛﻠﻣــﺎ‬
‫اﻗﺗرﺑت ﻗﯾﻣﺔ ‪ r‬ﻣن اﻟﻘﯾﻣﺔ ‪ 1‬أو اﻟﻘﯾﻣﺔ ‪ . 1‬ﻓﻣﺛﻼً اﻟطول واﻟوزن ﻟﻣﺟﻣوﻋﺔ ﻣـن اﻷﺷـﺧﺎص ﻗـد ﯾوﺟـد ﺑﯾﻧﻬـﺎ ارﺗﺑﺎطـﺎً طردﯾـﺎً‬
‫وﻟﻛن ﻟﯾس ارﺗﺑﺎطﺎً ﺗﺎﻣﺎً‪ .‬اﻟﻌﻼﻗﺔ ﺑﯾن ‪ X, Y‬ﺗﻛون‪:‬‬
‫‪ ‬طردﯾﺔ ﺿﻌﯾﻔﺔ ﻋﻧدﻣﺎ ‪. 0  r  12‬‬
‫‪ ‬طردﯾﺔ ﻣﺗوﺳطﺔ ﻋﻧدﻣﺎ ‪. 12  r  43‬‬
‫‪3‬‬
‫‪4‬‬ ‫‪ ‬طردﯾﺔ ﻗوﯾﺔ ﻋﻧدﻣﺎ ‪ r  1‬‬
‫‪ ‬ﻋﻛﺳﯾﺔ ﺿﻌﯾﻔﺔ ﻋﻧدﻣﺎ ‪ 12  r  0‬‬
‫‪ ‬ﻋﻛﺳﯾﺔ ﻣﺗوﺳطﺔ ﻋﻧدﻣﺎ ‪ 34  r   12‬‬
‫‪ ‬ﻋﻜﺴﯿﺔ ﻗﻮﯾﺔ ﻋﻨﺪﻣﺎ ‪ 1  r   34‬‬
‫ﺣﺳﺎب ﻗﯾﻣﺔ ﻣﻌﺎﻣل اﻻرﺗﺑﺎط‪:‬‬
‫ﯾﻣﻛن ﺣﺳﺎب ﻗﯾﻣﺔ ﻣﻌﺎﻣل اﻻرﺗﺑﺎط ﺑﻌدة طرق ﻣﺧﺗﻠﻔﺔ ﺗﺑﻌﺎً ﻟﻧوع اﻟﺑﯾﺎﻧﺎت‪.‬‬
‫اﻻرﺗﺑﺎط ﺑﯾن اﻟﻣﺗﻐﯾرات اﻟرﻗﻣﯾﺔ‪ :‬ﻣﻌﺎﻣل ﺑﯾرﺳون ﻟﻼرﺗﺑﺎط‪.‬‬
‫اﻻرﺗﺑﺎط ﺑﯾن اﻟﻣﺗﻐﯾرات اﻟﺗرﺗﯾﺑﯾﺔ‪ :‬ﻣﻌﺎﻣل ﺳﺑﯾرﻣﺎن ﻟﻠرﺗب‬
‫ﻣﻼﺣظﺔ ‪ :‬ﯾﻣﻛن اﺳﺗﺧدم ﻣﻌﺎﻣل ﺳﺑﯾرﻣﺎن ﻓﻲ ﺣﺎﻟﺔ اﻟﻣﺗﻐﯾرات اﻟرﻗﻣﯾﺔ ‪.‬‬
‫إذا ﺗوﻓرت ﻟدﯾك اﻟﺑﯾﺎﻧﺎت اﻟﺗﺎﻟﯾﺔ اﻟﻣﺗﻌﻠﻘﺔ ﺑﺄﻋﻣﺎر و أوزان و أطوال ﻋﺷرة أﺷﺧﺎص‬
‫اﻟطول‬
‫‪145‬‬ ‫‪130‬‬ ‫‪125‬‬ ‫‪160‬‬ ‫‪171‬‬ ‫‪173‬‬ ‫‪175‬‬ ‫‪180‬‬ ‫‪195‬‬
‫‪140‬‬ ‫‪x‬‬
‫‪65‬‬ ‫‪79‬‬ ‫‪75‬‬ ‫‪85‬‬ ‫‪65‬‬ ‫‪110‬‬ ‫‪102‬‬ ‫‪89‬‬ ‫‪87‬‬ ‫اﻟوزن‪85 y‬‬
‫‪36‬‬ ‫‪35‬‬ ‫‪36‬‬ ‫‪25‬‬ ‫‪30‬‬ ‫‪29‬‬ ‫‪28‬‬ ‫‪24‬‬ ‫‪25‬‬ ‫اﻟﻌﻣر‪22 z‬‬
‫‪a.krobba‬‬ ‫‪1‬‬
‫‪, 2021/2020‬اﻟﺴﻨﺔ اﻟﺜﺎﻧﯿﺔ ﻣﺎﺳﺘﺮ ﻣﺤﺎﺳﺒﺔ وﺟﺒﺎﯾﺔ ﻣﻌﻤﻘﺔ‬ ‫ﺟﺎﻣﻌﺔ ﻋﻤﺎر اﻟﺘﻠﯿﺠﻲ – ﻛﻠﯿﺔ ﻋﻠﻮم اﻻﻗﺘﺼﺎدﯾﺔ و اﻟﺘﺠﺎرﯾﺔ وﻋﻠﻮم اﻟﺘﺴﯿﯿﺮ‬

‫اﻟﻣطﻠوب ‪ :‬إﯾﺟﺎد ﻣﻌﺎﻣل اﻻرﺗﺑﺎط ﺑﯾن ﻛل ﻣﺗﻐﯾرﯾن ﻣن اﻟﻣﺗﻐﯾرات‬

‫اﻟﺣل اﻟﻌﻣﻠﻲ ‪:‬‬

‫ﻧﻘوم ﺑﺈﻧﺷﺎء ﺛﻼﺛﺔ ﻣﺗﻐﯾرات ﻣن ﺧﻼل ﺑرﻧﺎﻣﺞ ‪ SPSS‬وﻧﻘوم ﺑﺈدﺧﺎل اﻟﺑﯾﺎﻧﺎت ﻛﻣﺎ ﻫو اﻟﺣﺎل ﻓﻲ اﻟﺷﻛل اﻟﺗﺎﻟﻲ ‪:‬‬

‫ﻧﺗﺑﻊ اﻟﺧطوات اﻟﺗﺎﻟﯾﺔ ‪:‬‬

‫‪Analyse / corrélation/bivariée‬‬
‫‪orrélations‬‬

‫‪x‬‬ ‫‪y‬‬ ‫‪z‬‬

‫*‬
‫‪x‬‬ ‫‪Corrélation de Pearson‬‬ ‫‪1‬‬ ‫‪,435‬‬ ‫‪-,651‬‬

‫)‪Sig. (bilatérale‬‬ ‫‪,210‬‬ ‫‪,041‬‬

‫‪N‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪10‬‬

‫‪y‬‬ ‫‪Corrélation de Pearson‬‬ ‫‪,435‬‬ ‫‪1‬‬ ‫‪-,463‬‬

‫)‪Sig. (bilatérale‬‬ ‫‪,210‬‬ ‫‪,178‬‬

‫‪N‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪10‬‬

‫*‬
‫‪z‬‬ ‫‪Corrélation de Pearson‬‬ ‫‪-,651‬‬ ‫‪-,463‬‬ ‫‪1‬‬

‫)‪Sig. (bilatérale‬‬ ‫‪,041‬‬ ‫‪,178‬‬

‫‪N‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪10‬‬

‫‪*. La corrélation est significative au niveau 0.05 (bilatéral).‬‬

‫ﻣﻌﺎﻣل اﻻرﺗﺑﺎط ﺑﯾن اﻟطول واﻟﻌﻣر ﯾﺳﺎوي ‪ -0.651‬ارﺗﺑﺎط ﻋﻛﺳﻲ ﻣﺗوﺳط‬

‫‪ Sig=0.041‬وﻫﻲ أﻗل ﻣن ‪ %5‬إذا اﻻرﺗﺑﺎط ﺑﯾن اﻟطول و اﻟوزن ذو دﻻﻟﺔ إﺣﺻﺎﺋﯾﺔ‬

‫‪a.krobba‬‬ ‫‪2‬‬
‫‪, 2021/2020‬اﻟﺴﻨﺔ اﻟﺜﺎﻧﯿﺔ ﻣﺎﺳﺘﺮ ﻣﺤﺎﺳﺒﺔ وﺟﺒﺎﯾﺔ ﻣﻌﻤﻘﺔ‬ ‫ﺟﺎﻣﻌﺔ ﻋﻤﺎر اﻟﺘﻠﯿﺠﻲ – ﻛﻠﯿﺔ ﻋﻠﻮم اﻻﻗﺘﺼﺎدﯾﺔ و اﻟﺘﺠﺎرﯾﺔ وﻋﻠﻮم اﻟﺘﺴﯿﯿﺮ‬

‫ﻣﻌﺎﻣل اﻻرﺗﺑﺎط ﺑﯾن اﻟطول واﻟوزن ‪ 0.435‬ارﺗﺑﺎط طردي ﺿﻌﯾف‬

‫‪ Sig=0.210‬وﻫﻲ أﻛﺑر ﻣن ‪ %5‬إذا اﻻرﺗﺑﺎط ﺑﯾن اﻟطول و اﻟوزن ﻏﯾر دال إﺣﺻﺎﺋﯾﺎً‬
‫ﻣﻌﺎﻣل اﻻرﺗﺑﺎط ﺑﯾن اﻟﻌﻣر واﻟوزن ‪ -0.463‬ارﺗﺑﺎط ﻋﻛﺳﻲ ﺿﻌﯾف‬
‫‪ Sig=0.178‬وﻫﻲ أﻛﺑر ﻣن ‪ %5‬إذا اﻻرﺗﺑﺎط ﺑﯾن اﻟﻌﻣر واﻟوزن ﻏﯾر دال إﺣﺻﺎﺋﯾﺎً‪.‬‬

‫ﺗطﺑﯾق ‪ :‬اوﺟد ﻣﻌﺎﻣل اﻻرﺗﺑﺎط‬

‫‪a.krobba‬‬ ‫‪3‬‬