‫ﺗﺣﻠﯾل اﻟﺑﯾﺎﻧﺎت‬

‫اﻟدﻛﺗور ﺣﯾﺎن دﯾب‬

‫اﻟدﻛﺗور ﻣﺣﻣد اﻟﺧﺿر‬

‫‪ISSN: 2617-989X‬‬
 ‫ﺗﺣﻠﯾل اﻟﺑﯾﺎﻧﺎت‬
‫اﻟدﻛﺗور ﺣﯾﺎن دﯾب ‪ -‬اﻟدﻛﺗور ﻣﺣﻣد اﻟﺧﺿر‬

‫ﻣن ﻣﻧﺷورات اﻟﺟﺎﻣﻌﺔ اﻻﻓﺗراﺿﯾﺔ اﻟﺳورﯾﺔ‬

‫اﻟﺟﻣﮭورﯾﺔ اﻟﻌرﺑﯾﺔ اﻟﺳورﯾﺔ ‪2021‬‬

‫ھذا اﻟﻛﺗﺎب ﻣﻧﺷور ﺗﺣت رﺧﺻﺔ اﻟﻣﺷﺎع اﻟﻣﺑدع – اﻟﻧﺳب ﻟﻠﻣؤﻟف – ﺣظر اﻻﺷﺗﻘﺎق )‪(CC– BY– ND 4.0‬‬

‫‪https://creativecommons.org/licenses/by-nd/4.0/legalcode.ar‬‬

‫ﯾﺣﻖ ﻟﻠﻣﺳﺗﺧدم ﺑﻣوﺟب ھذه اﻟرﺧﺻﺔ ﻧﺳﺦ ھذا اﻟﻛﺗﺎب وﻣﺷﺎرﻛﺗﮫ وإﻋﺎدة ﻧﺷره أو ﺗوزﯾﻌﮫ ﺑﺄﯾﺔ ﺻﯾﻐﺔ وﺑﺄﯾﺔ وﺳﯾﻠﺔ ﻟﻠﻧﺷر وﻷﯾﺔ ﻏﺎﯾﺔ ﺗﺟﺎرﯾﺔ‬
‫أو ﻏﯾر ﺗﺟﺎرﯾﺔ‪ ،‬وذﻟك ﺷرﯾطﺔ ﻋدم اﻟﺗﻌدﯾل ﻋﻠﻰ اﻟﻛﺗﺎب وﻋدم اﻻﺷﺗﻘﺎق ﻣﻧﮫ وﻋﻠﻰ أن ﯾﻧﺳب ﻟﻠﻣؤﻟف اﻷﺻﻠﻲ ﻋﻠﻰ اﻟﺷﻛل اﻵﺗﻲ ﺣﺻرا ً‪:‬‬
‫د‪ .‬ﺣﯾﺎن دﯾب‪ ،‬د‪ .‬ﻣﺣﻣد اﻟﺧﺿر‪ ،‬اﻹﺟﺎزة ﻓﻲ ﻋﻠوم اﻹدارة‪ ،‬ﻣن ﻣﻧﺷورات اﻟﺟﺎﻣﻌﺔ اﻻﻓﺗراﺿﯾﺔ اﻟﺳورﯾﺔ‪ ،‬اﻟﺟﻣﮭورﯾﺔ اﻟﻌرﺑﯾﺔ اﻟﺳورﯾﺔ‪،‬‬
‫‪2021‬‬

‫ﻣﺗوﻓر ﻟﻠﺗﺣﻣﯾل ﻣن ﻣوﺳوﻋﺔ اﻟﺟﺎﻣﻌﺔ ‪https://pedia.svuonline.org/‬‬

‫‪Data Analysis‬‬
‫‪Dr. Hayan Dib – Dr. Mohamad Alkhedr‬‬
‫)‪Publications of the Syrian Virtual University (SVU‬‬

‫‪Syrian Arab Republic, 2021‬‬

‫‪Published under the license:‬‬

‫‪Creative Commons Attributions- NoDerivatives 4.0‬‬

‫)‪International (CC-BY-ND 4.0‬‬

‫‪https://creativecommons.org/licenses/by-nd/4.0/legalcode‬‬

‫‪Available for download at: https://pedia.svuonline.org/‬‬

 ‫اﻟﻔﮭﺮس‬
‫اﻟﻔﺼﻞ اﻷول‪ :‬ﻣﺪﺧﻞ إﻟﻰ ﺗﺤﻠﯿﻞ اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام ‪4 .............. (Introduction to Data Analysis Using SPSS) SPSS‬‬
‫‪ 1-1‬ﺣﻮل ‪5 ........................................................................................................ (About SPSS) SPSS‬‬
‫‪ 2-1‬اﻟﻨﻮاﻓﺬ اﻟﻤﺘﻮﻓﺮة ﻓﻲ ‪5 ................................................................ (Windows Available in SPSS ) SPSS‬‬
‫‪ 3-1‬ﻗﻮاﺋﻢ ‪9 .............................................................................................. (Menu Bar in SPSS ) SPSS‬‬
‫‪ 4-1‬إدﺧﺎل اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام ‪18 .............................................................. (Data Entry Using SPSS ) SPSS‬‬
‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ ‪26 .........................................................................................................‬‬
‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻷول‪27 ...................................................................................................................... :‬‬
‫اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ‪ :‬اﻟﺘﺤﻠﯿﻞ اﻟﻮﺻﻔﻲ )‪29 .......................................................................... (Descriptive Analysis‬‬
‫‪ 1-2‬اﻟﺘﻜﺮارات )‪30 ....................................................................................................... (Frequencies‬‬
‫‪ 2-2‬ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ )‪34 ............................................................ (Measures of Central Tendency‬‬
‫‪ 3-2‬ﻣﻘﺎﯾﯿﺲ اﻟﺘﺸﺘﺖ )‪36 ..................................................................................... (Dispersion Measures‬‬
‫‪ 4-2‬ﺷﻜﻞ اﻟﺘﻮزﯾﻊ )‪42 ........................................................................................... (Distribution Form‬‬
‫‪ 5-2‬ﺟﺪاول اﻟﺘﻘﺎطﻊ )‪47 ......................................................................................... (Cross Tabulations‬‬
‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ ‪54 .........................................................................................................‬‬
‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ‪55 ...................................................................................................................... :‬‬
‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‪ :‬اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت واﺧﺘﺒﺎر ‪57 ......................................... (Testing Hypotheses and T-Test) T T‬‬
‫‪ 1-3‬أﻧﻮاع وﻣﺮاﺣﻞ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت )‪58 ........................................... (Types and Steps to Test Hypotheses‬‬
‫‪ 2-3‬اﺧﺘﺒﺎر ‪62 ................................................................................................................. (T-Test) T‬‬
‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ ‪76 .........................................................................................................‬‬
‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‪77 ..................................................................................................................... :‬‬
‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‪ :‬ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ )‪79 .............................................................................. (Analysis of Variance‬‬
‫‪ 1-4‬أھﺪاف اﺧﺘﺒﺎر ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي وﺷﺮوطﮫ‪80 .............................................................................. :‬‬

‫‪1‬‬
‫‪ 2-4‬ﻓﺮﺿﯿﺎت اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي‪82 ........................................................................................................ :‬‬
‫‪ 3-4‬ﺣﺴﺎب اﻟﻤﺆﺷﺮات اﻹﺣﺼﺎﺋﯿﺔ ﻓﻲ ‪82 .................................................................................. :ANOVA‬‬
‫‪ 4-4‬اﻻﺧﺘﺒﺎر ﺑﺎﺳﺘﺨﺪام ‪84 ......................................................................................................... :SPSS‬‬
‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ ‪94 .........................................................................................................‬‬
‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‪95 ..................................................................................................................... :‬‬
‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‪ :‬ﺗﺤﻠﯿﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ )‪97 ...................................................... (Linear Correlation Analysis‬‬
‫‪ 1-5‬اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ‪98 ...............................................................................................................‬‬
‫‪ 2-5‬ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ‪100 ......................................................................................................‬‬
‫‪ 3-5‬ﺷﺮوط اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﻟﻤﻌﺎﻣﻞ ‪101 ......................................................................... :Pearson‬‬
‫‪ 4-5‬اﺧﺘﺒﺎر ارﺗﺒﺎط ﺳﺒﯿﺮﻣﻦ )‪125 ........................................................................................ :(Spearman‬‬
‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ ‪130 .......................................................................................................‬‬
‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‪131 ................................................................................................................. :‬‬
‫اﻟﻔﺼﻞ اﻟﺴﺎدس‪ :‬ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار اﻟﺨﻄﻲ )‪133 .................................................... (Linear Regression Analysis‬‬
‫‪-1-6‬اﻟﻔﺮوق وأوﺟﮫ اﻟﺘﺸﺎﺑﮫ ﺑﯿﻦ اﻻرﺗﺒﺎط واﻻﻧﺤﺪار‪134 ............................................................................ :‬‬
‫‪ 2-6‬اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‪134 ........................................................................................................ :‬‬
‫‪ 3-6‬اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد )‪142 ............................................................... (Multiple Linear Regression‬‬
‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ ‪153 .......................................................................................................‬‬
‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺴﺎدس‪154 ................................................................................................................. :‬‬
‫اﻟﻔﺼﻞ اﻟﺴﺎﺑﻊ‪ :‬اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ )‪156 ............................................................... (Nonparametric Tests‬‬
‫‪ 1-7‬اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ )‪157 ......................................................................... :(Non-parametric tests‬‬
‫‪ 2-7‬اﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ ﻟﻼﺳﺘﻘﻼل ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ )‪157 ............................................................................ :(χ2‬‬
‫‪ 3-7‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ )‪165 ................................ (Mann-Whitney U test for two independent samples‬‬
‫‪ 4-7‬اﺧﺘﺒﺎر ‪ Kruskal-Wallis‬ﻟﻤﻘﺎرﻧﺔ ﻋﺪة ﻣﺠﺘﻤﻌﺎت ﻣﺴﺘﻘﻠﺔ ‪170 ....................................................................‬‬
‫‪ 5-7‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺮﺗﺒﻄﺘﯿﻦ )‪174 .................................. (Wilcoxon Signed Ranks Test for related samples‬‬

‫‪2‬‬
‫‪ 6-7‬اﺧﺘﺒﺎر ‪ Friedman Test‬ﻟﻌﺪة ﻋﯿﻨﺎت ﻣﺮﺗﺒﻄﺔ‪180 .............................................................................. :‬‬
‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ ‪184 .......................................................................................................‬‬
‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺴﺎﺑﻊ‪185 ................................................................................................................... :‬‬
‫ﻣﺮاﺟﻊ اﻟﻜﺘﺎب ‪188 ...............................................................................................................................‬‬

‫‪3‬‬
 ‫اﻟﻔﺼﻞ اﻷول‪ :‬ﻣﺪﺧﻞ إﻟﻰ ﺗﺤﻠﯿﻞ اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام ‪SPSS‬‬
‫)‪(Introduction to Data Analysis Using SPSS‬‬

‫اﻟﻜﻠﻤﺎت اﻟﻤﻔﺘﺎﺣﯿﺔ‪:‬‬

‫ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت )‪ ،(Data Editor‬ﻋﺮض اﻟﺒﯿﺎﻧﺎت )‪ ،(Data View‬ﻋﺮض اﻟﻤﺘﻐﯿﺮات )‪ ،(Variable View‬ﻧﺎﻓﺬة اﻟﻤﺨﺮﺟﺎت ) ‪Output‬‬
‫‪ ،(Viewer‬ﻣﺤﺮر اﻟﺘﻌﻠﯿﻤﺎت )‪ ،(Syntax Editor‬اﻟﻘﻮاﺋﻢ )‪ ،(Menu Bar‬ﻣﻠﻔﺎت ‪ ،(SPSS Files) SPSS‬إدﺧﺎل اﻟﺒﯿﺎﻧﺎت )‪.(Data Entry‬‬

‫ﻣﻠﺨﺺ اﻟﻔﺼﻞ‪:‬‬

‫ﯾﮭﺪف اﻟﻔﺼﻞ إﻟﻰ إﻋﻄﺎء ﻓﻜﺮة أوﻟﯿﺔ ﻋﻦ ﺑﯿﺌﺔ اﻟﻨﻈﺎم اﻹﺣﺼﺎﺋﻲ ‪ SPSS‬اﻟﺬي ﺳﯿﺘﻢ اﺳﺘﺨﺪاﻣﮫ ﻛﺄداة ﻟﺘﺤﻠﯿﻞ اﻟﺒﯿﺎﻧﺎت ﺑﻮاﺳﻄﺔ اﻟﺤﺎﺳﻮب‪ .‬ﯾﺒﺪأ اﻟﻔﺼﻞ‬
‫ﺑﺎﻟﺘﻌﺮﯾﻒ ﺑﺎﻟﻨﻮاﻓﺬ واﻟﻤﻠﻔﺎت اﻷﺳﺎﺳﯿﺔ ﺿﻤﻦ ‪ .SPSS‬ﯾﺴﺘﻌﺮض اﻟﻔﺼﻞ ﺗﺎﻟﯿﺎ ً اﻟﻘﻮاﺋﻢ اﻟﻤﺘﺎﺣﺔ ﺿﻤﻦ ‪ .SPSS‬وﯾﻨﺘﮭﻲ ﺑﺸﺮح ﻛﯿﻔﯿﺔ ﺗﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات‬
‫وإدﺧﺎل اﻟﺒﯿﺎﻧﺎت ﺿﻤﻦ ‪.SPSS‬‬

‫اﻟﻤﺨﺮﺟﺎت واﻷھﺪاف اﻟﺘﻌﻠﯿﻤﯿﺔ‪:‬‬

‫‪ -‬ﺗﺬﻛﺮ اﻟﻘﻮاﺋﻢ اﻷﺳﺎﺳﯿﺔ ﺿﻤﻦ ‪.SPSS‬‬
‫‪ -‬اﺳﺘﺨﺪام اﻟﻨﻮاﻓﺬ واﻟﺘﻌﻠﯿﻤﺎت اﻷﺳﺎﺳﯿﺔ ﺿﻤﻦ ‪.SPSS‬‬
‫‪ -‬ﺗﺤﺪﯾﺪ أﻧﻮاع اﻟﻤﻠﻔﺎت اﻷﺳﺎﺳﯿﺔ ﺿﻤﻦ ‪.SPSS‬‬
‫‪ -‬ﺗﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات وﺧﺼﺎﺋﺼﮭﺎ ﺿﻤﻦ ‪.SPSS‬‬
‫‪ -‬إدﺧﺎل اﻟﺒﯿﺎﻧﺎت ﺑﺸﻜﻞ ﺻﺤﯿﺢ ﺿﻤﻦ ‪.SPSS‬‬
‫‪ -‬اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام ‪(Data Entry Using SPSS) SPSS‬‬

‫‪4‬‬
 ‫‪ 1-1‬ﺣﻮل ‪(About SPSS) SPSS‬‬
‫ﯾﻘﻮم اﻟﻜﺜﯿﺮ ﻣﻦ اﻟﻤﮭﺘﻤﯿﻦ ﻓﻲ ﻣﯿﺎدﯾﻦ اﻟﻌﻠﻮم اﻻﻗﺘﺼﺎدﯾﺔ واﻹدارﯾﺔ‪ ،‬واﻟﺘﺮﺑﻮﯾﺔ واﻻﺟﺘﻤﺎﻋﯿﺔ وﻏﯿﺮھﺎ ﺑﺈﺟﺮاء اﻟﺘﺤﻠﯿﻼت اﻹﺣﺼﺎﺋﯿﺔ‬
‫ﻟﺒﯿﺎﻧﺎﺗﮭﻢ اﻟﻤﺨﺘﻠﻔﺔ‪ .‬وﻗﺪ ﺳﮭﻞ اﻟﺘﻄﻮر اﻟﻜﺒﯿﺮ ﻓﻲ ﻋﺎﻟﻢ اﻟﺒﺮﻣﺠﯿﺎت اﻹﺣﺼﺎﺋﯿﺔ ﻣﻦ ﻋﻤﻞ ھﺆﻻء اﻟﻤﮭﺘﻤﯿﻦ واﻟﺒﺎﺣﺜﯿﻦ ﻣﻦ ﺧﻼل طﺮح‬
‫اﻟﻌﺪﯾﺪ ﻣﻦ اﻷﻧﻈﻤﺔ واﻟﺒﺮﻣﺠﯿﺎت اﻹﺣﺼﺎﺋﯿﺔ وﻋﻠﻰ رأﺳﮭﺎ ‪.SPSS‬‬

‫ﻋﻨﺪﻣﺎ ﺗﻢ إﻧﺸﺎء ﺷﺮﻛﺔ ‪ SPSS‬ﻓﻲ ﻋﺎم ‪ 1968‬ﻛﺎن اﻻﺳﻢ اﺧﺘﺼﺎرا ً ﻟـﻠﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﯿﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘﻤﺎﻋﯿﺔ ‪Statistical Package‬‬

‫‪ .for the Social Sciences‬ﻟﻜﻦ وﻣﻨﺬ أن ﺗﻢ ﺷﺮاء اﻟﺸﺮﻛﺔ ﻣﻦ ﻗﺒﻞ ‪ IBM‬ﻗﺮرت اﻷﺧﯿﺮة أن ﯾﻌﺒﺮ اﻻﺳﻢ ‪ SPSS‬ﺑﺒﺴﺎطﺔ ﻋﻦ‬
‫ﺣﻠﻮل إﺣﺼﺎﺋﯿﺔ ﻟﻠﻤﻨﺘﺞ واﻟﺨﺪﻣﺔ ‪.Statistical Product and Service Solutions‬‬

‫وﺑﺎﺧﺘﺼﺎر ﯾﻌﺘﺒﺮ ‪ SPSS‬ﻧﻈﺎﻣﺎ ً ﻣﺘﻜﺎﻣﻼً ﻣﻦ اﻟﺒﺮاﻣﺞ اﻟﻤﺼﻤﻤﺔ ﻟﺘﺤﻠﯿﻞ ﺑﯿﺎﻧﺎت اﻟﻌﻠﻮم اﻻﺟﺘﻤﺎﻋﯿﺔ‪ .‬وھﻮ واﺣﺪ ﻣﻦ أھﻢ اﻟﺤﺰم‬
‫اﻹﺣﺼﺎﺋﯿﺔ اﻟﺸﺎﺋﻌﺔ اﻟﻤﺘﺎﺣﺔ ﺣﺎﻟﯿﺎ ً ﻟﻠﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ‪ .‬وﺗﻨﺒﻊ ﺷﻌﺒﯿﺘﮫ ﻣﻦ ﻛﻮن اﻟﺒﺮﻧﺎﻣﺞ‪:‬‬
‫‪ ‬ﯾﺴﻤﺢ ﺑﻤﺮوﻧﺔ ﻛﺒﯿﺮة ﻣﻦ ﺣﯿﺚ ﺗﻨﺴﯿﻖ اﻟﺒﯿﺎﻧﺎت‬
‫‪ ‬ﯾﺰود اﻟﻤﺴﺘﺨﺪم ﺑﻤﺠﻤﻮﻋﺔ ﻛﺒﯿﺮة ﻣﻦ اﻷدوات واﻹﺟﺮاءات ﻟﺘﺤﻮﯾﻞ اﻟﺒﯿﺎﻧﺎت وﻣﻌﺎﻟﺠﺔ اﻟﻤﻠﻔﺎت‬
‫‪ ‬ﯾﻘﺪم ﻟﻠﺒﺎﺣﺚ ﻋﺪدا ً ﻛﺒﯿﺮا ً ﻣﻦ اﻟﺘﺤﻠﯿﻼت اﻹﺣﺼﺎﺋﯿﺔ اﻟﺸﺎﺋﻌﺔ اﻻﺳﺘﺨﺪام ﻓﻲ اﻟﻌﻠﻮم اﻻﺟﺘﻤﺎﻋﯿﺔ‬

‫وﻟﺒﺪء اﻟﻌﻤﻞ ﺿﻤﻦ ﺑﯿﺌﺔ اﻟﻨﻈﺎم اﻹﺣﺼﺎﺋﻲ ‪ SPSS‬ﻻﺑﺪ ﻣﻦ اﻟﺘﻌﺮف ﻋﻠﻰ أھﻢ اﻟﻨﻮاﻓﺬ واﻟﻘﻮاﺋﻢ واﻟﻤﻠﻔﺎت اﻷﺳﺎﺳﯿﺔ ﻟﮭﺬا اﻟﻨﻈﺎم‪.‬‬

‫‪ 2-1‬اﻟﻨﻮاﻓﺬ اﻟﻤﺘﻮﻓﺮة ﻓﻲ ‪(Windows Available in SPSS ) SPSS‬‬

‫ﯾﺤﺘﻮي ﻧﻈﺎم ‪ SPSS‬ﻋﻠﻰ ﺛﻼﺛﺔ أﻧﻮاع رﺋﯿﺴﯿﺔ ﻣﻦ اﻟﻨﻮاﻓﺬ ھﻲ‪ :‬ﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت ‪ Data Editor Window‬وﻧﺎﻓﺬة اﻟﻤﺨﺮﺟﺎت‬
‫‪ Output Viewer‬وﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺘﻌﻠﯿﻤﺎت ‪.Syntax Editor‬‬

‫‪ 1-2-1‬ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت ) ‪ :(Data Editor‬ﺗﻈﮭﺮ ﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت ﻋﻨﺪ ﻓﺘﺢ ﺟﻠﺴﺔ ‪ SPSS‬وﺗﻌﺮض ﻣﻜﻮﻧﺎت ﻣﻠﻒ اﻟﺒﯿﺎﻧﺎت‪.‬‬
‫ﺗﺴﺘﺨﺪم ھﺬه اﻟﻨﺎﻓﺬة ﻟﺘﻌﺮﯾﻒ وإدﺧﺎل وﺗﺤﺮﯾﺮ وﻋﺮض اﻟﺒﯿﺎﻧﺎت اﻟﻤﺘﻌﻠﻘﺔ ﺑﺎﻟﺒﺤﺚ واﻟﻤﺮاد ﺗﺤﻠﯿﻠﮭﺎ‪ .‬وﯾﻤﻜﻦ ﻣﻦ ﺧﻼل ھﺬه اﻟﻨﺎﻓﺬة‬
‫أن ﻧﻘﻮم ﺑﺨﻠﻖ ﻣﻠﻔﺎت ﺑﯿﺎﻧﺎت ﺟﺪﯾﺪة أو ﺗﻌﺪﯾﻞ ﻣﻠﻔﺎت ﺑﯿﺎﻧﺎت ﻣﻮﺟﻮدة‪.‬‬

‫ﯾﻤﻜﻦ ﻣﻼﺣﻈﺔ ﺷﺮﯾﻄﯿﻦ أﺳﻔﻞ ﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت ‪ Data Editor‬وھﻤﺎ ﺷﺮﯾﻂ ﻋﺮض اﻟﺒﯿﺎﻧﺎت ‪ Data View‬وﺷﺮﯾﻂ ﻋﺮض‬
‫اﻟﻤﺘﻐﯿﺮات ‪ .Variable View‬وﯾﻤﻜﻦ اﻟﺘﻨﻘﻞ أو ﺗﻔﻌﯿﻞ أي ﻣﻦ ھﺬﯾﻦ اﻟﺸﺮﯾﻄﯿﻦ ﺑﺎﻟﻨﻘﺮ ﻋﻠﻰ اﺳﻢ اﻟﺸﺮﯾﻂ اﻟﻤﺮاد ﺗﻔﻌﯿﻠﮫ‪.‬‬

‫‪5‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(1/1‬ﻋﺮض اﻟﺒﯿﺎﻧﺎت ﺿﻤﻦ ﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت‬

‫ﻋﻨﺪﻣﺎ ﯾﻜﻮن ﺷﺮﯾﻂ ﻋﺮض اﻟﺒﯿﺎﻧﺎت ‪ Data View‬ﻧﺸﻄﺎ ً ﻓﺈﻧﮫ ﯾﻈﮭﺮ اﻟﺒﯿﺎﻧﺎت اﻟﻤﺮاد ﺗﺤﻠﯿﻠﮭﺎ واﻟﺘﻲ ﺗﻢ إدﺧﺎﻟﮭﺎ ﺿﻤﻦ اﻟﺒﺮﻧﺎﻣﺞ‬
‫)ﺷﻜﻞ ‪ .(1/1‬ﺗﺘﻀﻤﻦ اﻟﺼﻔﻮف )اﻷﺳﻄﺮ( ﺿﻤﻦ ﻧﺎﻓﺬة ﻋﺮض اﻟﺒﯿﺎﻧﺎت اﻟﺤﺎﻻت اﻟﺘﻲ ﺗﻢ إﺟﺮاء اﻟﻘﯿﺎس ﻋﻠﯿﮭﺎ )اﻟﻤﺠﯿﺒﻮن ﻓﻲ‬
‫ﺣﺎﻟﺔ اﻻﺳﺘﺒﺎﻧﺔ اﻟﻤﻮزﻋﺔ ﻣﺜﻼً(‪ .‬أﻣﺎ اﻷﻋﻤﺪة ﻓﺘﺘﻀﻤﻦ ﻣﺘﻐﯿﺮات اﻟﺪراﺳﺔ ﺣﯿﺚ ﯾﺤﺘﻮي ﻛﻞ ﻋﻤﻮد ﻋﻠﻰ ﻋﺒﺎرة واﺣﺪة ﻣﻦ ﻋﺒﺎرات‬
‫اﻻﺳﺘﺒﯿﺎن )‪ (Item‬أو ﻣﺘﻐﯿﺮ ﻣﺤﺪد‪.‬‬

‫وﻋﻨﺪ اﻟﻨﻘﺮ ﻋﻠﻰ ﺷﺮﯾﻂ ﻋﺮض اﻟﻤﺘﻐﯿﺮات ‪ Variable View‬ﺗﻈﮭﺮ ﻧﺎﻓﺬة ﺗﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات اﻟﺘﻲ ﺗﺴﺘﺨﺪم ﻟﻌﺮض وﺗﻌﺮﯾﻒ‬
‫اﻟﻤﺘﻐﯿﺮات‪.‬‬

‫‪6‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(2/1‬ﻋﺮض اﻟﻤﺘﻐﯿﺮات ﺿﻤﻦ ﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت‬

‫ﯾﺘﻢ ﺣﻔﻆ اﻟﺒﯿﺎﻧﺎت اﻟﺘﻲ اﻟﻤﻮﺟﻮدة ﻓﻲ ﻣﺤﺮر ﺑﯿﺎﻧﺎت ﺿﻢ ﻣﻠﻒ ﺑﯿﺎﻧﺎت‪ .‬ﺗﺤﺘﻮي ﻣﻠﻔﺎت اﻟﺒﯿﺎﻧﺎت إذا ً ﻋﻠﻰ اﻟﺒﯿﺎﻧﺎت اﻟﺨﺎم اﻟﺘﻲ ﯾﺘﻢ‬
‫إدﺧﺎﻟﮭﺎ ﻣﻦ ﺧﻼل ﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت ‪ .Data Editor‬وﯾﻤﯿﺰ ھﺬه اﻟﺒﯿﺎﻧﺎت اﺳﻤﮭﺎ اﻟﺬي ﯾﻨﺘﮭﻲ ﺑـﺎﻟﻼﺣﻘﺔ ‪ .SAV‬وﯾﺘﻢ ﻓﺘﺢ ھﺬا‬
‫اﻟﻨﻮع ﻣﻦ اﻟﻤﻠﻔﺎت ﻣﻦ ﺧﻼل ﺷﺎﺷﺔ ﻋﺮض اﻟﺒﯿﺎﻧﺎت ‪.Data Viewer‬‬

‫‪ 2-2-1‬ﻧﺎﻓﺬة اﻟﻤﺨﺮﺟﺎت ) ‪ :( Output Viewer‬ﺗُﻈﮭﺮ ﻧﺎﻓﺬة اﻟﻤﺨﺮﺟﺎت ‪ Output Viewer‬ﻧﺘﺎﺋﺞ اﻟﺘﺤﻠﯿﻼت اﻹﺣﺼﺎﺋﯿﺔ‬
‫واﻟﺮﺳﻮﻣﺎت اﻟﺒﯿﺎﻧﯿﺔ اﻟﺘﻲ ﯾﺘﻢ إﺟﺮاؤھﺎ ﻋﻠﻰ اﻟﺒﯿﺎﻧﺎت اﻟﻤﻮﺟﻮدة ﻓﻲ ﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت ‪.Data Editor‬‬

‫ﺗﻘﺴﻢ ﻧﺎﻓﺬة اﻟﻤﺨﺮﺟﺎت إﻟﻰ ﻗﺴﻤﯿﻦ‪ .‬ﯾﻈﮭﺮ اﻟﻘﺴﻢ اﻷﯾﺴﺮ ﻣﺨﻄﻂ اﻟﺘﺤﻠﯿﻼت اﻟﺘﻲ ﺗﻢ إﺟﺮاؤھﺎ أﻣﺎ اﻟﻘﺴﻢ اﻷﯾﻤﻦ ﻣﻦ اﻟﻨﺎﻓﺬة ﻓﯿﻈﮭﺮ‬
‫ﻧﺘﺎﺋﺞ اﻟﺘﺤﻠﯿﻼت‪ .‬وﯾﺘﻤﯿﺰ اﺳﻢ ﻣﻠﻒ اﻟﻤﺨﺮﺟﺎت اﻹﺣﺼﺎﺋﯿﺔ )ﻟﺪى ﺣﻔﻆ اﻟﻨﺘﺎﺋﺞ( اﻟﺬي ﯾﺤﺘﻮي ﻋﻠﻰ ﻧﺘﺎﺋﺞ اﻹﺟﺮاءات اﻹﺣﺼﺎﺋﯿﺔ‬
‫اﻟﺘﻲ ﺗﻈﮭﺮ ﻓﻲ ﺷﺎﺷﺔ اﻟﻤﺨﺮﺟﺎت ﺑﺎﻧﺘﮭﺎﺋﮫ ﺑﺎﻟﻼﺣﻘﺔ ‪.SPV‬‬

‫‪7‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(3/1‬ﻧﺎﻓﺬة اﻟﻤﺨﺮﺟﺎت‬

‫‪ 3-2-1‬ﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺘﻌﻠﯿﻤﺎت ) ‪ :( Syntax Editor‬ﯾﺘﻢ ﻓﻲ ھﺬه اﻟﺸﺎﺷﺔ إظﮭﺎر اﻟﺘﻌﻠﯿﻤﺎت ﻟﻠﻌﻤﻠﯿﺎت اﻟﻤﺨﺘﻠﻔﺔ‪ .‬وﯾﻤﻜﻦ ﺣﻔﻆ ھﺬه‬
‫اﻟﺘﻌﻠﯿﻤﺎت وﺗﻌﺪﯾﻠﮭﺎ وﺗﻨﻔﯿﺬھﺎ ﻓﻲ أي وﻗﺖ‪.‬‬

‫وﻋﻠﻰ اﻟﺮﻏﻢ ﻣﻦ أن ﻣﻌﻈﻢ اﻟﻤﮭﺎم ﯾﻤﻜﻦ إﻧﺠﺎزھﺎ ﻣﻦ ﺧﻼل اﻻﺧﺘﯿﺎر واﻟﻨﻘﺮ ﺑﺸﻜﻞ ﻣﺒﺎﺷﺮ إﻻ أن ﻣﺤﺮر اﻟﺘﻌﻠﯿﻤﺎت ‪Syntax‬‬

‫‪ Editor‬ﯾﺴﻤﺢ ﻟﻠﻤﺴﺘﺨﺪم ﺑﺤﻔﻆ ﺳﺠﻞ ﻟﻠﺘﺤﻠﯿﻼت اﻟﺘﻲ ﻗﺎم أو ﯾﻘﻮم ﺑﺈﺟﺮاﺋﮭﺎ‪ .‬وﯾﻤﻜﻦ ﺗﻔﻌﯿﻞ ھﺬه اﻟﻨﺎﻓﺬة ﻣﻦ ﺧﻼل اﻟﻨﻘﺮ ﻋﻠﻰ زر‬
‫اﻟﻠﺼﻖ ‪ Paste‬ﻟﺪى إﺟﺮاء أي ﺗﺤﻠﯿﻞ أو أﯾﺔ ﻋﻤﻠﯿﺔ ﺿﻤﻦ ‪ .SPSS‬وﯾﺘﻢ ﺣﻔﻆ اﻟﺘﻌﻠﯿﻤﺎت ﺿﻤﻦ ﻣﺤﺮر اﻟﺘﻌﻠﯿﻤﺎت ﺿﻤﻦ ﻣﻠﻒ ﯾﻨﺘﮭﻲ‬
‫ﺑﺎﻟﻼﺣﻘﺔ ‪.SPS‬‬

‫‪8‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(4/1‬ﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺘﻌﻠﯿﻤﺎت‬

‫‪ 3-1‬ﻗﻮاﺋﻢ ‪(Menu Bar in SPSS ) SPSS‬‬

‫ﺗﺸﻤﻞ اﻟﻘﻮاﺋﻢ اﻷﺳﺎﺳﯿﺔ ﺿﻤﻦ ‪ :SPSS‬اﻟﻤﻠﻒ ”‪ “File‬و اﻟﺘﺤﺮﯾﺮ ”‪ “Edit‬واﻟﻌﺮض ”‪ “View‬واﻟﺒﯿﺎﻧﺎت ”‪ “Data‬واﻟﺘﺤﻮﯾﻞ‬
‫”‪ “Transform‬واﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ ”‪ “Analyze‬واﻷﺷﻜﺎل ”‪ “Graphs‬واﻷدوات ”‪ “Utilities‬واﻟﻨﺎﻓﺬة ”‪“Window‬‬
‫واﻟﻤﺴﺎﻋﺪة ”‪ .“Help‬وﺳﻨﻮرد ﻓﯿﻤﺎ ﯾﻠﻲ ﺷﺮﺣﺎ ً ﻣﻮﺟﺰا ً ﻟﻠﺨﯿﺎرات اﻟﻤﺘﺎﺣﺔ ﺿﻤﻦ ﻛﻞ ﻗﺎﺋﻤﺔ‬

‫‪ 1-3-1‬ﻗﺎﺋﻤﺔ اﻟﻤﻠﻒ ) ‪ :( File Menu‬ﺗﺴﻤﺢ ھﺬه اﻟﻘﺎﺋﻤﺔ ﺑﺈﻧﺸﺎء ﻣﻠﻔﺎت ﺟﺪﯾﺪة أو ﻓﺘﺢ ﻣﻠﻔﺎت ﻣﺨﺰﻧﺔ أو ﺗﺨﺰﯾﻦ اﻟﻤﻠﻔﺎت أو‬
‫طﺒﺎﻋﺔ اﻟﻤﻠﻔﺎت‪ ،‬وﻛﺬﻟﻚ اﻟﺨﺮوج ﻣﻦ ﻧﻈﺎم ‪ .SPSS‬وﺑﺎﺧﺘﺼﺎر ﻓﺈن ھﺬه اﻟﻘﺎﺋﻤﺔ ﺗﺘﻀﻤﻦ ﻛﺎﻓﺔ اﻟﺨﯿﺎرات اﻟﺘﻲ اﻋﺘﺪﻧﺎ إﯾﺠﺎدھﺎ ﻓﻲ‬
‫ﻗﺎﺋﻤﺔ "اﻟﻤﻠﻒ" ﻓﻲ اﻟﺒﺮﻣﺠﯿﺎت اﻟﻤﺨﺘﻠﻔﺔ‪.‬‬

‫‪9‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(5/1‬ﻗﺎﺋﻤﺔ اﻟﻤﻠﻒ‬

‫‪ 2-3-1‬ﻗﺎﺋﻤﺔ اﻟﺘﺤﺮﯾﺮ ) ‪ :( Edit Menu‬ﺗﺤﺘﻮي ھﺬه اﻟﻘﺎﺋﻤﺔ ﻋﻠﻰ اﻟﻜﺜﯿﺮ ﻣﻦ اﻷدوات اﻟﻤﮭﻤﺔ ﻣﺜﻞ ﻧﺴﺦ وﻧﻘﻞ اﻟﺒﯿﺎﻧﺎت ﻣﻦ ﻣﻜﺎن‬
‫إﻟﻰ آﺧﺮ واﻟﺒﺤﺚ واﻻﺳﺘﺒﺪال واﻟﻌﺪﯾﺪ ﻣﻦ اﻟﺨﯿﺎرات اﻷﺧﺮى‪ .‬ﺗﺘﯿﺢ ھﺬه اﻟﻘﺎﺋﻤﺔ ﻣﺜﻼً ﻧﺴﺦ اﻷرﻗﺎم أو ﻛﺘﻞ اﻟﺒﯿﺎﻧﺎت ﻣﻦ ﻣﻜﺎن إﻟﻰ‬
‫آﺧﺮ ﺿﻤﻦ ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت ‪ .Data Editor‬ﻛﻤﺎ ﯾﻤﻜﻦ اﺳﺘﺨﺪام اﻟﺨﯿﺎر ‪ Options‬ﻻﺧﺘﯿﺎر ﻧﻮع اﻟﺨﻂ اﻟﺬي ﻧﻔﻀﻠﮫ وﻧﻤﻂ اﻷرﻗﺎم‬
‫وﻏﯿﺮ ذﻟﻚ ﻣﻦ اﻟﺨﯿﺎرات اﻟﻤﺘﻌﺪدة اﻟﻤﺘﺎﺣﺔ ﺿﻤﻦ ھﺬه اﻟﻘﺎﺋﻤﺔ‪.‬‬

‫‪10‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(6/1‬ﻗﺎﺋﻤﺔ اﻟﺘﺤﺮﯾﺮ‬

‫‪ 3-3-1‬ﻗﺎﺋﻤﺔ اﻟﻌﺮض ) ‪ :( View Menu‬ﺗﺴﺘﻄﯿﻊ ﻋﻦ طﺮﯾﻖ ھﺬه اﻟﻘﺎﺋﻤﺔ إظﮭﺎر ﺷﺮﯾﻂ اﻷدوات )اﻷﯾﻘﻮﻧﺎت اﻟﻤﺨﺘﺼﺮة‬
‫اﻟﻤﻨﺎﺳﺒﺔ( ‪ ،Toolbar‬ﻛﻤﺎ ﺗﺴﺘﻄﯿﻊ ﻣﻦ ﺧﻼل ھﺬه اﻟﻘﺎﺋﻤﺔ إظﮭﺎر أو إﺧﻔﺎء ﺧﻄﻮط اﻟﺸﺒﻜﺔ ‪ Gridline‬وﺗﻐﯿﯿﺮ ﻧﻮع وﺣﺠﻢ اﻟﺨﻂ‬
‫اﻟﻤﺴﺘﺨﺪم وإظﮭﺎر أو إﺧﻔﺎء ﻋﻨﺎوﯾﻦ )دﻻﻻت( اﻟﻘﯿﻢ ‪.Value Label‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(7/1‬ﻗﺎﺋﻤﺔ اﻟﻌﺮض‬

‫‪11‬‬
‫‪ 4-3-1‬ﻗﺎﺋﻤﺔ اﻟﺒﯿﺎﻧﺎت ) ‪ :( Data Menu‬ﺗﺴﻤﺢ ھﺬه اﻟﻘﺎﺋﻤﺔ ﺑﺈﺟﺮاء اﻟﻌﺪﯾﺪ ﻣﻦ اﻟﺘﻌﺪﯾﻼت ﻋﻠﻰ اﻟﺒﯿﺎﻧﺎت ﺿﻤﻦ ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت‬
‫‪ .Data Editor‬ﻓﺘﺘﯿﺢ ﻣﺜﻼً إدراج ﻣﺘﻐﯿﺮ ﺟﺪﯾﺪ ‪) Insert Variable‬ﺗﺘﻢ إﺿﺎﻓﺘﮫ ﺿﻤﻦ ﻋﻤﻮد ﺟﺪﯾﺪ(‪ .‬ﯾﻤﻜﻦ أﯾﻀﺎ ً إدراج ﺣﺎﻟﺔ‬
‫‪ Insert Case‬ﺣﯿﺚ ﺗﺘﻢ إﺿﺎﻓﺔ ﺳﻄﺮ ﺟﺪﯾﺪ ﺑﯿﻦ ﺳﻄﺮﯾﻦ ﺣﺎﻟﯿﯿﻦ‪ .‬ﻛﻤﺎ ﺗﺴﻤﺢ ھﺬه اﻟﻘﺎﺋﻤﺔ ﺑﺘﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات وﺗﻐﯿﯿﺮ أﺳﻤﺎﺋﮭﺎ‪،‬‬
‫وﻛﺬﻟﻚ اﻟﻘﯿﺎم ﺑﺎﻟﻌﻤﻠﯿﺎت اﻟﻤﺨﺘﻠﻔﺔ ﻋﻠﻰ اﻟﺒﯿﺎﻧﺎت ﻣﻦ ﻓﺮز وﺗﺤﻮﯾﻞ وﺗﺜﻘﯿﻞ ودﻣﺞ ﻣﻊ ﺑﯿﺎﻧﺎت أﺧﺮى أو ﺣﺘﻰ ﺗﻘﺴﯿﻢ ﻣﻠﻒ اﻟﺒﯿﺎﻧﺎت‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(8/1‬ﻗﺎﺋﻤﺔ اﻟﺒﯿﺎﻧﺎت‬

‫‪ 5-3-1‬ﻗﺎﺋﻤﺔ اﻟﺘﺤﻮﯾﻞ ) ‪ :( Transform Menu‬ﺗﺴﺘﻄﯿﻊ ﻣﻦ ﺧﻼل ھﺬه اﻟﻘﺎﺋﻤﺔ اﻟﻘﯿﺎم ﺑﺎﻟﻌﻤﻠﯿﺎت اﻟﺤﺴﺎﺑﯿﺔ اﻟﻤﺨﺘﻠﻔﺔ وإﻋﺎدة‬
‫ﺗﺮﻣﯿﺰ اﻟﺒﯿﺎﻧﺎت‪ .‬ﻓﯿﻤﻜﻦ ﻣﺜﻼً ﻣﻦ ﺧﻼل ھﺬه اﻟﻘﺎﺋﻤﺔ اﺳﺘﺨﺪام ‪ recode‬ﻟﺘﻐﯿﯿﺮ ﻗﯿﻢ ﺑﻌﺾ اﻟﻤﺘﻐﯿﺮات‪ .‬ﻛﻤﺎ ﯾﻔﯿﺪ اﻟﺨﯿﺎر ‪ compute‬ﻓﻲ‬
‫ﺗﺤﻮﯾﻞ اﻟﺒﯿﺎﻧﺎت أو إﺟﺮاء اﻟﻌﻤﻠﯿﺎت اﻟﺤﺴﺎﺑﯿﺔ ﻋﻠﯿﮭﺎ )ﻣﺜﻼً‪ :‬ﯾﻤﻜﻦ اﺳﺘﺨﺪام ھﺬا اﻟﺨﯿﺎر ﻟﺨﻠﻖ ﻣﺘﻐﯿﺮ ﺟﺪﯾﺪ ﯾﻜﻮن ﻧﺎﺗﺠﺎ ً ﻋﻦ اﻟﻮﺳﻂ‬
‫اﻟﺤﺴﺎﺑﻲ ﻟﻘﯿﻢ ﻋﺪة ﻣﺘﻐﯿﺮات ﻣﻮﺟﻮدة ﻣﺴﺒﻘﺎً(‪.‬‬

‫‪12‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(9/1‬ﻗﺎﺋﻤﺔ اﻟﺘﺤﻮﯾﻞ‬

‫‪ 6-3-1‬ﻗﺎﺋﻤﺔ اﻟﺘﺤﻠﯿﻞ ) ‪ :( Analyze Menu‬ﺗﺘﻀﻤﻦ ھﺬه اﻟﻘﺎﺋﻤﺔ اﻟﺘﺤﻠﯿﻼت واﻹﺟﺮاءات اﻹﺣﺼﺎﺋﯿﺔ اﻷﺳﺎﺳﯿﺔ واﻟﻤﺘﻘﺪﻣﺔ‪.‬‬
‫ﺑﺸﻜﻞ ﻣﺨﺘﺼﺮ‪ ،‬ﺗﺘﻀﻤﻦ ھﺬه اﻟﻘﺎﺋﻤﺔ اﻟﻌﺪﯾﺪ ﻣﻦ اﻟﻤﺆﺷﺮات أو اﻹﺣﺼﺎءات اﻟﻮﺻﻔﯿﺔ ‪ Descriptive Statistics‬واﺧﺘﺒﺎرات ﻣﻘﺎرﻧﺔ‬
‫اﻟﻤﺘﻮﺳﻄﺎت ‪ Compare Means‬واﻟﻨﻤﺎذج اﻟﺨﻄﯿﺔ اﻟﻌﺎﻣﺔ‪ General Linear Model‬واﻻرﺗﺒﺎط ‪ Correlate‬واﻻﻧﺤﺪار‬
‫‪ Regression‬واﺧﺘﺼﺎر اﻟﺒﯿﺎﻧﺎت ‪ Data Reduction‬واﺧﺘﺒﺎرات اﻟﻤﻘﺎﯾﯿﺲ ‪ Scale‬واﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ ‪Nonparametric‬‬

‫‪ Tests‬وﻏﯿﺮھﺎ‪.‬‬

‫‪13‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(10/1‬ﻗﺎﺋﻤﺔ اﻟﺘﺤﻠﯿﻞ‬

‫‪ 7-3-1‬ﻗﺎﺋﻤﺔ اﻷﺷﻜﺎل ) ‪ :( Graph Menu‬ﻧﺴﺘﻄﯿﻊ ﻣﻦ ﺧﻼل ھﺬه اﻟﻘﺎﺋﻤﺔ اﻟﺘﻌﺎﻣﻞ ﻣﻊ اﻟﺮﺳﻮﻣﺎت اﻟﺒﯿﺎﻧﯿﺔ وﺑﺄﺷﻜﺎل ﻣﺨﺘﻠﻔﺔ‪.‬‬
‫وﺗﺘﻀﻤﻦ ھﺬه اﻷﺷﻜﺎل‪ :‬اﻟﻤﺪرج ‪ histograms‬واﻷﻋﻤﺪة اﻟﺒﯿﺎﻧﯿﺔ ‪ bar charts‬وﺧﺮاﺋﻂ اﻻﻧﺘﺸﺎر ‪ scatterplots‬و اﻷﺷﻜﺎل اﻟﺪاﺋﺮﯾﺔ‬
‫‪ pie charts‬و اﻷﺷﻜﺎل اﻟﺨﻄﯿﺔ ‪ Line graphs‬وﻏﯿﺮھﺎ‪ .‬ﻛﻤﺎ ﯾﺘﯿﺢ ‪ SPSS‬إﻣﻜﺎﻧﯿﺔ ﺗﺤﺮﯾﺮ اﻷﺷﻜﺎل اﻟﺒﯿﺎﻧﯿﺔ ﺑﺎﻟﻄﺮﯾﻘﺔ اﻟﺘﻲ ﯾﺮاھﺎ‬
‫اﻟﻤﺴﺘﺨﺪم ﻣﻨﺎﺳﺒﺔ‪.‬‬

‫‪14‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(11/1‬ﻗﺎﺋﻤﺔ اﻷﺷﻜﺎل‬

‫‪ 8-3-1‬ﻗﺎﺋﻤﺔ اﻷدوات ) ‪ :( Utilities Menu‬ﻧﺴﺘﻄﯿﻊ ھﻨﺎ إﯾﺠﺎد ﻣﻌﻠﻮﻣﺎت ﻣﻔﺼﻠﺔ ﻋﻦ اﻟﻤﻠﻒ اﻟﻤﺴﺘﺨﺪم واﻟﻤﺘﻐﯿﺮات اﻟﺘﻲ‬
‫ﯾﺤﻮﯾﮭﺎ ھﺬا اﻟﻤﻠﻒ‪ ،‬وﺗﻌﺮﯾﻒ واﺳﺘﺨﺪام اﻟﻤﺠﻤﻮﻋﺎت ‪ Sets‬ﻟﻠﻤﺘﻐﯿﺮات اﻟﻤﺨﺘﻠﻔﺔ‪.‬‬

‫‪15‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(12/1‬ﻗﺎﺋﻤﺔ اﻷدوات‬

‫‪ 9-3-1‬ﻗﺎﺋﻤﺔ اﻟﻨﺎﻓﺬة ) ‪ :( Window Menu‬ﺗﺴﺘﻄﯿﻊ ﻋﻦ طﺮﯾﻖ ھﺬه اﻟﻘﺎﺋﻤﺔ اﻟﺘﻨﻘﻞ ﺑﯿﻦ اﻟﻨﻮاﻓﺬ اﻟﻤﺨﺘﻠﻔﺔ واﻟﺘﺤﻜﻢ ﺑﺤﺠﻢ ھﺬه‬
‫اﻟﻨﻮاﻓﺬ‪.‬‬

‫‪16‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(13/1‬ﻗﺎﺋﻤﺔ اﻟﻨﺎﻓﺬة‬

‫‪ 10-3-1‬ﻗﺎﺋﻤﺔ اﻟﻤﺴﺎﻋﺪة ) ‪ :( Help Menu‬ﺗﺰود ھﺬه اﻟﻘﺎﺋﻤﺔ اﻟﻤﺴﺘﺨﺪم ﺑﻨﻈﺎم ﻣﺴﺎﻋﺪة ﺗﻔﺎﻋﻠﻲ‪ ،‬ﯾﺴﺘﻄﯿﻊ ﻣﻦ ﺧﻼﻟﮫ اﻟﺤﺼﻮل‬
‫ﻋﻠﻰ إﺟﺎﺑﺎت وإﯾﻀﺎﺣﺎت ﻟﻠﺘﺴﺎؤﻻت اﻟﺘﻲ ﺗﺜﺎر ﻋﻨﺪ ﻣﻮاﺟﮭﺔ ﻣﺸﻜﻠﺔ ﻣﺎ ﻣﻊ ﻧﻈﺎم ‪.SPSS‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(14/1‬ﻗﺎﺋﻤﺔ اﻟﻤﺴﺎﻋﺪة‬

‫‪17‬‬
 ‫‪ 4-1‬إدﺧﺎل اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام ‪(Data Entry Using SPSS ) SPSS‬‬
‫ﺗﺘﻢ ﻋﻤﻠﯿﺔ إدﺧﺎل اﻟﺒﯿﺎﻧﺎت ﻣﻦ ﺧﻼل ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت ‪ .Data Editor‬ﺗﻜﻮن ﻧﺎﻓﺬة ‪ Data View‬ﻓﺎرﻏﺔ طﺒﻌﺎ ً ﻋﻨﺪ اﻟﺒﺪء ﺑﺈدﺧﺎل‬
‫اﻟﺒﯿﺎﻧﺎت‪ .‬وﺗﺘﺪرج ﻋﻤﻠﯿﺔ إدﺧﺎل اﻟﺒﯿﺎﻧﺎت ﻋﺎدة ﻣﻦ ﺗﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات اﻟﻤﻮﺟﻮدة ﻓﻲ اﻻﺳﺘﺒﺎﻧﺔ أو اﻟﺪراﺳﺔ وﺻﻮﻻً إﻟﻰ إدﺧﺎل‬
‫إﺟﺎﺑﺎت أﻓﺮاد اﻟﻌﯿﻨﺔ )ﻋﻨﺪ اﺳﺘﺨﺪام اﻻﺳﺘﺒﺎﻧﺔ( أو إدﺧﺎل ﺑﯿﺎﻧﺎت اﻟﺪراﺳﺔ‪.‬‬

‫ﯾﺠﺐ ﻋﻠﻰ اﻟﻤﺴﺘﺨﺪم أن ﯾﺘﺬﻛﺮ ﺑﺄن ﻛﻞ ﺳﻄﺮ ﺗﻌﻮد ﺑﯿﺎﻧﺎﺗﮫ ﻟﻤﺸﺎھﺪة أو ﺣﺎﻟﺔ ﻣﻌﯿﻨﺔ )ﺷﺨﺺ أو ﻣﺸﺎھﺪة ﻣﺜﻼً( وﻛﻞ ﻋﻤﻮد ﯾﺨﺺ‬
‫ﻣﺘﻐﯿﺮا ً ﻣﺤﺪداً‪.‬‬

‫ﻟﻨﻔﺘﺮض أن ﻟﺪﯾﻨﺎ اﺳﺘﺒﺎﻧﺔ ﻣﻜﻮﻧﺔ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫• اﺳﻢ اﻟﻄﺎﻟﺐ‬
‫• اﻟﺠﻨﺲ‪ :‬ذﻛﺮ‪/‬أﻧﺜﻰ‬
‫• اﻟﻌﻤﺮ‪) :‬ﺑﻌﺪد اﻟﺴﻨﻮات(‬
‫• اﻻﺧﺘﺼﺎص اﻟﺠﺎﻣﻌﻲ )إدارة واﻗﺘﺼﺎد‪ ،‬آداب‪ ،‬ھﻨﺪﺳﺎت‪ ،‬ﻋﻠﻮم طﺒﯿﺔ‪ ،‬اﺧﺘﺼﺎﺻﺎت أﺧﺮى(‬
‫• اﻟﺤﺎﻟﺔ اﻻﺟﺘﻤﺎﻋﯿﺔ )ﻋﺎزب‪ ،‬ﻣﺘﺰوج ﺑﻼ أوﻻد‪ ،‬ﻣﺘﺰوج وﻟﺪي أوﻻد‪ ،‬أﺧﺮى(‬
‫• ﺣﺐ اﻟﻌﻤﻞ‪ :‬ﻣﻘﯿﺎس ﻣﻦ ‪ 5‬درﺟﺎت )‪ =1‬ﻻ أﺣﺒﮫ أﺑﺪاً‪ =2 ،‬ﻻأﺣﺒﮫ‪ =3 ،‬ﺣﯿﺎدي‪ =4 ،‬أﺣﺒﮫ‪ =5 ،‬أﺣﺒﮫ ﻛﺜﯿﺮا ً(‬

‫ﻹدﺧﺎل اﻟﻤﺘﻐﯿﺮات واﻟﺒﯿﺎﻧﺎت ﺿﻤﻦ ‪ SPSS‬ﻧﺒﺪأ ﺑﻔﺘﺢ ﻧﺎﻓﺬة ﻣﺤﺮر ﺑﯿﺎﻧﺎت ﺟﺪﯾﺪة )ﻣﻠﻒ ﺟﺪﯾﺪ(‪ .‬وﻣﻦ ﺛﻢ ﻧﻨﻘﺮ أﺳﻔﻞ اﻟﻨﺎﻓﺬة ﻋﻠﻰ‬
‫ﺷﺮﯾﻂ ﻋﺮض اﻟﻤﺘﻐﯿﺮات ‪.Variable View‬‬

‫‪18‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(15/1‬إدﺧﺎل اﻟﻤﺘﻐﯿﺮات ﻣﻦ ﺧﻼل ﻧﺎﻓﺬة ﻋﺮض اﻟﻤﺘﻐﯿﺮات ﺿﻤﻦ ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت‬

‫ﯾﺘﻢ ﺗﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات ﺑﺎﺳﺘﺨﺪام ﻧﺎﻓﺬة ﻋﺮض اﻟﻤﺘﻐﯿﺮات ‪ .Variable View‬وﯾﻌﺒّﺮ ﻛﻞ ﺳﻄﺮ ﻓﯿﮭﺎ ﻋﻦ ﻣﺘﻐﯿﺮ واﺣﺪ‪ .‬وﻓﯿﻤﺎ ﯾﻠﻲ‬
‫ﺷﺮح ﻣﺨﺘﺼﺮ ﻟﻸﻋﻤﺪة اﻟﻈﺎھﺮة ﻓﻲ ھﺬه اﻟﻨﺎﻓﺬة‪:‬‬
‫• اﺳﻢ اﻟﻤﺘﻐﯿﺮ ‪ :Name‬وھﻮ اﺳﻢ ﻣﺨﺘﺼﺮ )ﻋﺎدةً( ﯾﺪل ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮ‪ .‬ﺳﯿﻈﮭﺮ ھﺬا اﻻﺳﻢ ﻓﻲ أﻋﻠﻰ أﺣﺪ اﻷﻋﻤﺪة ﻋﻨﺪ اﻟﻌﻮدة‬
‫إﻟﻰ ﻧﺎﻓﺬة ﻋﺮض اﻟﺒﯿﺎﻧﺎت ‪ .Data View‬وﻻ ﺑﺪ ﻣﻦ ﻣﺮاﻋﺎة اﻷﻣﻮر اﻟﺘﺎﻟﯿﺔ ﻋﻨﺪ ﻛﺘﺎﺑﺔ اﺳﻢ اﻟﻤﺘﻐﯿﺮ‪:‬‬
‫أن ﯾﺒﺪأ اﻻﺳﻢ ﺑﺤﺮف وأن ﻻ ﯾﻨﺘﮭﻲ ﺑﻨﻘﻄﺔ أو "_"‬ ‫‪-‬‬
‫ﻻ ﯾﺘﺠﺎوز ﻋﺪد اﻷﺣﺮف ‪64‬‬ ‫‪-‬‬
‫ﯾﺠﺐ أن ﻻ ﯾﺘﻜﺮر اﺳﻢ اﻟﻤﺘﻐﯿﺮ‬ ‫‪-‬‬
‫ﻻ ﯾﻤﻜﻦ اﺳﺘﺨﺪام اﻟﻔﺮاغ ﺑﯿﻦ أﺣﺮف اﻻﺳﻢ‬ ‫‪-‬‬
‫ﻻ ﯾﻤﻜﻦ اﺳﺘﺨﺪام ﺑﻌﺾ اﻟﺮﻣﻮز ﻣﺜﻞ ‪ * & $ # / ^ %‬؟ ‪; ‘" ، ! :‬‬ ‫‪-‬‬
‫ﻻ ﯾﻤﻜﻦ اﺳﺘﺨﺪام اﻷﻗﻮاس‬ ‫‪-‬‬
‫ﻻ ﯾﻤﻜﻦ اﺳﺘﺨﺪام ﻛﻠﻤﺎت ﻣﻔﺘﺎﺣﯿﺔ ﻣﺨﺼﺼﺔ ﻷﻏﺮاض ﻣﻌﯿﻨﺔ ﺿﻤﻦ ﺑﺮﻧﺎﻣﺞ ‪ ،SPSS‬ﻣﺜﻞ‪ALL, AND, BY, :‬‬ ‫‪-‬‬
‫‪EQ, GE, GT, LE, LT, NE, NOT, OR, TO, WITH‬‬

‫‪ -‬ﻻ ﯾﻤﻜﻦ اﺳﺘﺨﺪام أﺣﺮف ﻛﺒﯿﺮة )‪.(Capital letters‬‬

‫‪19‬‬
 ‫ﻹدﺧﺎل اﻟﻤﺘﻐﯿﺮ اﻷول ﻧﻜﺘﺐ اﻻﺳﻢ ﺿﻤﻦ اﻟﻌﻤﻮد ‪ name‬وﻟﯿﻜﻦ اﺳﻢ اﻟﻤﺘﻐﯿﺮ ‪ Student‬ﻟﻠﺘﻌﺒﯿﺮ ﻋﻦ اﺳﻢ اﻟﻄﺎﻟﺐ‪.‬‬

‫ﺿﻤﻦ اﻟﻌﻤﻮد ﻧﻮع اﻟﻤﺘﻐﯿﺮ ‪ Variable Type‬ﯾﻤﻜﻦ ﺗﺤﺪﯾﺪ اﻷﻧﻮاع اﻟﺘﺎﻟﯿﺔ ﻟﻠﻤﺘﻐﯿﺮات‪:‬‬
‫• اﻟﻌﺪدي ‪ :Numeric‬وھﻮ اﻟﻨﻮع اﻻﻓﺘﺮاﺿﻲ ﻟﻠﻤﺘﻐﯿﺮات ﻓﻲ اﻟﻨﺎﻓﺬة ‪.Variable View‬‬
‫• اﻟﻔﺎﺻﻠﺔ ‪ :Comma‬وھﻮ ﻣﺘﻐﯿﺮ ﻋﺪدي ﻣﻊ إﺿﺎﻓﺔ ﻓﺎﺻﻠﺔ )‪ (,‬ﻟﻠﻔﺼﻞ ﺑﯿﻦ ﻛﻞ ﺛﻼث ﻣﺮاﺗﺐ ﺻﺤﯿﺤﺔ‪ .‬ﻣﺜﻼً اﻟﻌﺪد‬
‫‪ 881556223‬ﯾﻜﺘﺐ ‪ 881,556,223‬ﺑﻤﻮﺟﺐ ھﺬا اﻟﻨﻮع‪ .‬وﺗﺴﺘﻌﻤﻞ اﻟﻨﻘﻄﺔ ﻟﻸرﻗﺎم اﻟﻌﺸﺮﯾﺔ‪.‬‬
‫• اﻟﻨﻘﻄﺔ ‪ :Dot‬وھﻮ ﻣﺘﻐﯿﺮ ﻋﺪدي ﻣﻊ اﺳﺘﺨﺪام )‪ (.‬ﻟﻔﺼﻞ ﻛﻞ ﺛﻼث ﻣﺮاﺗﺐ ﺻﺤﯿﺤﺔ‪ ،‬ﻓﺎﻟﻌﺪد أﻋﻼه ﯾﻜﺘﺐ ‪881.556.223‬‬
‫ﺑﻤﻮﺟﺐ ھﺬا اﻟﻨﻮع‪ .‬وﺗﺴﺘﻌﻤﻞ اﻟﻔﺎﺻﻠﺔ ﻟﻠﻔﺼﻞ ﺑﯿﻦ اﻟﺠﺰء اﻟﺼﺤﯿﺢ واﻟﺠﺰء اﻟﻌﺸﺮي ﻟﻸرﻗﺎم اﻟﻌﺸﺮﯾﺔ‪.‬‬
‫• اﻟﺘﺎرﯾﺦ ‪ :Date‬ﻣﺘﻐﯿﺮ ﯾﻤﺜﻞ اﻟﺘﺎرﯾﺦ أو اﻟﻮﻗﺖ‪.‬‬
‫• اﻟﺪوﻻر ‪ :Dollar‬ﯾﺴﺘﻌﻤﻞ ﻛﺮﻣﺰ ﻟﻠﺪوﻻر‪.‬‬
‫• اﻟﻌﻤﻠﺔ ‪ :custom Currency‬ﻣﺘﻐﯿﺮ ﯾﺤﺪد ﻣﻦ ﻗﺒﻞ اﻟﻤﺴﺘﺨﺪم ﻟﻠﺪﻻﻟﺔ ﻋﻠﻰ اﻟﻌﻤﻠﺔ اﻟﻤﻄﻠﻮﺑﺔ‪.‬‬
‫• اﻟﻨﺺ ‪ :string‬وھﻮ ﻣﺘﻐﯿﺮ ﺗﻜﻮن ﺑﯿﺎﻧﺎﺗﮫ ﻋﻠﻰ ﺷﻜﻞ أﺣﺮف أو ﻛﻠﻤﺎت أو أرﻗﺎم ﺑﻼ دﻻﻟﺔ ﻛﻤﯿﺔ‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(16/1‬ﺷﺎﺷﺔ ﻧﻮع اﻟﻤﺘﻐﯿﺮ‬

‫‪20‬‬
‫ﺑﺎﻟﻨﺴﺒﺔ ﻻﺳﻢ اﻟﻄﺎﻟﺐ ﺳﻨﺨﺘﺎر اﻟﻨﻮع ‪ String‬وﻟﻨﺨﺘﺮ ‪ 25‬ﺿﻤﻦ ‪ .Characters‬ﺑﺎﻟﻨﺴﺒﺔ ﻟﻸﻋﻤﺪة اﻷﺧﺮى ﺿﻤﻦ ﺷﺎﺷﺔ ﻋﺮض‬
‫اﻟﻤﺘﻐﯿﺮات ﻓﺈن‪:‬‬
‫• اﻟﻌﺮض ‪ :Width‬ﯾﺒﯿﻦ ﻋﺪد ﻣﺮاﺗﺐ اﻟﻤﺘﻐﯿﺮ ﻛﻌﺪد ﺣﺮوف اﻟﻨﺺ‪.‬‬
‫• اﻟﻤﻨﺎزل اﻟﻌﺸﺮﯾﺔ ‪:Decimals‬ﻋﺪد اﻟﺨﺎﻧﺎت اﻟﻌﺸﺮﯾﺔ )ﺑﻌﺪ اﻟﻔﺎﺻﻠﺔ(‪.‬‬
‫• اﻟﺘﻮﺻﯿﻒ ‪ :Label‬ﯾﺴﺘﺨﺪم ﻟﺘﻮﺻﯿﻒ اﻟﻤﺘﻐﯿﺮ‪ .‬ﻻﺣﻆ أن وﺿﻊ اﻟﻤﺆﺷﺮ ﻓﻮق اﺳﻢ اﻟﻤﺘﻐﯿﺮ ﻓﻲ اﻟﻨﺎﻓﺬة ‪ Data View‬ﺳﯿﺆدي‬
‫إﻟﻰ ظﮭﻮر اﻟﺘﻮﺻﯿﻒ‪ .‬ﻟﻨﻜﺘﺐ ھﻨﺎ اﺳﻢ اﻟﻤﺘﻐﯿﺮ ﺑﺸﻜﻞ ﺟﯿﺪ أي "اﺳﻢ اﻟﻄﺎﻟﺐ"‬
‫• اﻟﻘﯿﻢ ‪ :Values‬ﯾﺴﺘﺨﺪم ﻟﺘﺤﺪﯾﺪ ﻣﻌﻨﻰ اﻷرﻗﺎم أو اﻟﺮﻣﻮز اﻟﻤﺴﺘﺨﺪﻣﺔ ﻟﻠﺒﯿﺎﻧﺎت‪ .‬ﻓﻤﺜﻼً ﻋﻨﺪ إدﺧﺎل ﻣﺘﻐﯿﺮ اﻟﺠﻨﺲ ﯾﻤﻜﻦ‬
‫إﻋﻄﺎء اﻟﺮﻣﺰ "‪ "1‬ﻟﻠﺬﻛﻮر و "‪ "2‬ﻟﻺﻧﺎث وھﺬا ﻣﺎ ﺳﻨﻘﻮم ﺑﮫ ﻋﻨﺪ إدﺧﺎل اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﻟﻲ ﺑﻌﺪ ﻗﻠﯿﻞ‪.‬‬
‫• اﻟﻘﯿﻢ اﻟﻤﻔﻘﻮدة ‪ :Missing‬ﯾﻤﻜﻦ ھﻨﺎ ﺗﺤﺪﯾﺪ رﻣﺰ أو رﻗﻢ ﻟﻠﺪﻻﻟﺔ ﻋﻠﻰ اﻟﻘﯿﻢ اﻟﻤﻔﻘﻮدة ﻛﺎﻟﺮﻗﻢ ‪ 9‬ﻣﺜﻼً‪ .‬وﯾﻮﺟﺪ ﻧﻮﻋﺎن ﻣﻦ‬
‫اﻟﻘﯿﻢ اﻟﻤﻔﻘﻮدة ﻓﻲ ‪.SPSS‬‬
‫اﻟﻨﻮع اﻷول‪ :‬ھﻲ اﻟﻘﯿﻢ اﻟﻤﻔﻘﻮدة اﻟﺘﻲ ﺗﺤﺪد ﻣﻦ ﻗﺒﻞ اﻟﻤﺴﺘﺨﺪم‪ .‬وﯾﺘﻢ ﺗﻌﺮﯾﻔﮭﺎ ﺑﻮاﺳﻄﺔ ﺷﺎﺷﺔ اﻟﺤﻮار ‪Missing‬‬ ‫‪-‬‬
‫‪.Values‬‬
‫‪ -‬اﻟﻨﻮع اﻟﺜﺎﻧﻲ‪ :‬ھﻲ ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮ اﻟﻤﻔﻘﻮدة أﺻﻼً‪ ،‬أي أﻧﮭﺎ ﺧﻼﯾﺎ ﻓﺎرﻏﺔ‪ ،‬ﻧﺘﯿﺠﺔ ﻋﺪم اﻻﺳﺘﺠﺎﺑﺔ ﻣﻦ ﻗﺒﻞ ﺑﻌﺾ‬
‫اﻷﺷﺨﺎص ﻟﺴﺆال ﻣﻌﯿﻦ ﻓﻲ اﺳﺘﺒﯿﺎن ﻣﺎ‪ .‬وﻓﻲ ھﺬه اﻟﺤﺎﻟﺔ ﻓﺈن اﻟﺨﻼﯾﺎ اﻟﻔﺎرﻏﺔ ﺗﺤﻮل ﺗﻠﻘﺎﺋﯿﺎ ً إﻟﻰ ﻗﯿﻢ ﻣﻔﻘﻮدة‬
‫ﻟﻠﻨﻈﺎم ‪ System missing values‬وھﺬا ﯾﻨﻄﺒﻖ ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮات اﻟﻌﺪدﯾﺔ‪ ،‬أﻣﺎ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻤﺘﻐﯿﺮات اﻟﻨﺼﯿﺔ ‪String‬‬

‫‪ Variables‬ﻓﺈن اﻟﺨﻼﯾﺎ اﻟﻔﺎرﻏﺔ ﺗﻌﺘﺒﺮ ﺻﺤﯿﺤﺔ أي أﻧﮭﺎ ﻻ ﺗﻌﺘﺒﺮ ﻗﯿﻤﺎ ً ﻣﻔﻘﻮدة‪.‬‬

‫• اﻷﻋﻤﺪة ‪ :Columns‬ﯾﺤﺪد ﻋﺮض اﻟﻌﻤﻮد اﻟﺬي ﯾﻮﺟﺪ ﻓﯿﮫ اﻟﻤﺘﻐﯿﺮ ﻓﻲ ﻧﺎﻓﺬة ﻋﺮض اﻟﺒﯿﺎﻧﺎت ‪.Data View‬‬
‫• اﻟﻤﺤﺎذاة ‪ :Align‬ﺗﺤﺪد طﺮﯾﻘﺔ ﻣﺤﺎذاة اﻟﺒﯿﺎﻧﺎت )ﯾﻤﯿﻦ‪ ،‬ﯾﺴﺎر‪ ،‬وﺳﻂ( ﻓﻲ اﻟﻌﻤﻮد اﻟﺬي ﺗﺘﻮاﺟﺪ ﻓﯿﮫ ﺑﯿﺎﻧﺎت اﻟﻤﺘﻐﯿﺮ ﻓﻲ‬
‫اﻟﻨﺎﻓﺬة ‪.Variable View‬‬
‫• اﻟﻤﻘﯿﺎس ‪ :Measure‬ﻟﺘﺤﺪﯾﺪ ﻧﻮع اﻟﺒﯿﺎﻧﺎت )ﻗﯿﺎﺳﻲ أو ﻣﺴﺘﻤﺮ‪ ،Scale‬ﺗﺮﺗﯿﺒﻲ ‪ ،Ordinal‬اﺳﻤﻲ ‪ .(Nominal‬وﯾﻌﺘﻤﺪ اﻟﺨﯿﺎر‬
‫اﻻﻓﺘﺮاﺿﻲ ﻟﻠﻤﻘﯿﺎس ﺿﻤﻦ ‪ SPSS‬ﻋﻠﻰ ﻧﻮع اﻟﺒﯿﺎﻧﺎت‪ .‬ﻓﻤﺜﻼً ﻟﺒﯿﺎﻧﺎت ﻣﻦ اﻟﻨﻮع اﻟﻌﺪدي ‪ Numeric‬ﯾﻜﻮن اﻟﻤﻘﯿﺎس‬
‫اﻻﻓﺘﺮاﺿﻲ ھﻮ اﻟﻘﯿﺎﺳﻲ ‪ Scale‬وھﻮ ﯾﻌﻮد ﻋﺎدة ﻟﻠﻤﻘﺎﯾﯿﺲ اﻟﻤﺪرﺟﺔ أو اﻟﻔﺌﻮﯾﺔ وﻣﻘﺎﯾﯿﺲ اﻟﻨﺴﺐ‪ .‬أﻣﺎ ﻟﻤﺘﻐﯿﺮات ﻣﻦ ﻧﻮع‬

‫‪21‬‬
‫ﻧﺼﻲ ‪ String‬ﻓﺈن اﻟﺨﯿﺎر اﻻﻓﺘﺮاﺿﻲ ﻟﻠﻤﻘﯿﺎس ﺿﻤﻦ ‪ SPSS‬ﯾﻜﻮن اﻟﻤﻘﯿﺎس اﻻﺳﻤﻲ ‪ .Nominal‬أﻣﺎ اﻟﻨﻮع اﻟﺜﺎﻟﺚ أي‬
‫اﻟﺘﺮﺗﯿﺒﻲ ‪ Ordinal‬ﻓﻼ ﯾﻈﮭﺮ ﻛﺨﯿﺎر اﻓﺘﺮاﺿﻲ‪ .‬وﯾﻤﻜﻦ طﺒﻌﺎ ً ﺗﻐﯿﯿﺮ اﻟﺨﯿﺎر ﺑﺴﮭﻮﻟﺔ ﻣﻦ ﻗﺒﻞ اﻟﻤﺴﺘﺨﺪم‪.‬‬

‫ﻟﻨﻘﻢ اﻵن ﺑﺈدﺧﺎل اﻟﻤﺘﻐﯿﺮ اﻟﺜﺎﻧﻲ أي اﻟﺠﻨﺲ‪ .‬ﻧﻜﺘﺐ ‪ gender‬ﺿﻤﻦ اﻟﻌﻤﻮد ‪ Name‬ﺛﻢ ﻧﻜﺘﺐ "اﻟﺠﻨﺲ" ﺿﻤﻦ اﻟﻌﻤﻮد ‪ .Label‬ﺛﻢ‬
‫ﻧﻨﺘﻘﻞ ﻹدﺧﺎل اﻟﺘﺮﻣﯿﺰ ﺿﻤﻦ اﻟﻌﻤﻮد ‪ Values‬وﻣﻦ ﺧﻼل ﻧﺎﻓﺬة ﻗﯿﻢ اﻟﺘﺮﻣﯿﺰ ‪ Value Labels‬ﻧﺪﺧﻞ ‪ 1‬ﺿﻤﻦ اﻟﺤﻘﻞ ‪ Value‬وﻧﻜﺘﺐ‬
‫ذﻛﺮ ﺿﻤﻦ اﻟﺤﻘﻞ ‪ Label‬ﺛﻢ ﻧﻨﻘﺮ ﻓﻮق اﻟﺰر ‪ .Add‬ﻧﺪﺧﻞ ﺑﻌﺪھﺎ ‪ 2‬ﺿﻤﻦ اﻟﺤﻘﻞ ‪ Value‬وأﻧﺜﻰ ﺿﻤﻦ اﻟﺤﻘﻞ ‪ Value‬ﺛﻢ ﻧﻨﻘﺮ ‪Add‬‬

‫وﺑﮭﺬا ﯾﺘﻢ إدﺧﺎل اﻟﺘﺮﻣﯿﺰ ﻟﻤﺘﻐﯿﺮ اﻟﺠﻨﺲ‪ .‬وﻧﺨﺘﺎر ‪) Nominal‬ﻣﺘﻐﯿﺮ اﺳﻤﻲ( ﺿﻤﻦ اﻟﻌﻤﻮد ‪.Measure‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(17/1‬ﻧﺎﻓﺬة ﺗﺮﻣﯿﺰ اﻟﻤﺘﻐﯿﺮ‬

‫ﻧﻌﯿﺪ اﻟﻌﻤﻠﯿﺔ ﻣﻊ اﻟﻤﺘﻐﯿﺮات اﻷﺧﺮى ﺣﺘﻰ ﯾﺘﻢ إدﺧﺎل اﻟﻤﺘﻐﯿﺮات ﻛﺎﻣﻠﺔ ﻛﻤﺎ ﯾﻈﮭﺮ ﻓﻲ اﻟﺸﻜﻞ )‪.(18/1‬‬

‫‪22‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(18/1‬إدﺧﺎل ﻣﺘﻐﯿﺮات اﻟﺪراﺳﺔ‬

‫ﺑﺎﻟﻌﻮدة إﻟﻰ ﻋﺮض اﻟﺒﯿﺎﻧﺎت ‪ Data View‬ﺳﺘﻈﮭﺮ أﺳﻤﺎء اﻟﻤﺘﻐﯿﺮات اﻟﺘﻲ ﺗﻢ ﺗﻌﺮﯾﻔﮭﺎ ﻓﻲ اﻟﻌﻤﻮد ‪ Name‬ﻛﻌﻨﺎوﯾﻦ ﻟﻸﻋﻤﺪة وھﻨﺎ‬
‫ﯾﺘﻢ إدﺧﺎل اﻟﺒﯿﺎﻧﺎت ﺑﻜﻞ ﺳﮭﻮﻟﺔ ﺿﻤﻦ ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(19/1‬إدﺧﺎل ﺑﯿﺎﻧﺎت اﻟﺪراﺳﺔ ﺿﻤﻦ ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت‬

‫‪23‬‬
‫ﺑﻌﺪ اﻻﻧﺘﮭﺎء ﻣﻦ ﺗﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات ﯾﻤﻜﻦ اﻟﺤﺼﻮل ﻋﻠﻰ ﻣﻠﺨﺺ ﻟﺨﺼﺎﺋﺺ ﻛﻞ ﻣﺘﻐﯿﺮ ﻣﻦ ﺧﻼل اﻟﺨﯿﺎر ‪Variables‬ﺿﻤﻦ ﻗﺎﺋﻤﺔ‬
‫اﻷدوات ‪.Utilities‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(20/1‬ﻧﺎﻓﺬة ﺧﺼﺎﺋﺺ اﻟﻤﺘﻐﯿﺮات‬

‫وﻓﻲ اﻟﻨﮭﺎﯾﺔ ﻻ ﺑﺪ ﻣﻦ اﻹﺷﺎرة إﻟﻰ أﻧﮫ ﺑﺈﻣﻜﺎن اﻟﻤﺴﺘﺨﺪم اﺳﺘﯿﺮاد ﺑﯿﺎﻧﺎت ﻣﺨﺰﻧﺔ ﺿﻤﻦ ﻣﻠﻔﺎت ﺗﻢ إﻧﺸﺎؤھﺎ ﺑﺎﺳﺘﺨﺪام ﺑﺮاﻣﺞ أﺧﺮى‬
‫ﻏﯿﺮ ‪ .SPSS‬وﯾﺘﻢ ذﻟﻚ ﺑﺎﺗﺒﺎع اﻟﻤﺮاﺣﻞ اﻟﺘﺎﻟﯿﺔ ‪) DataOpen File‬ﺷﻜﻞ ‪ (21/1‬واﺧﺘﯿﺎر ﻧﻮع اﻟﻤﻠﻒ اﻟﻤﺮاد اﺳﺘﯿﺮاده أو‬
‫ﻓﺘﺤﮫ ﺿﻤﻦ اﻟﻘﺎﺋﻤﺔ اﻟﻤﻨﺴﺪﻟﺔ ‪ Files of type‬ﻓﻲ اﻟﻨﺎﻓﺬة ‪.Open Data‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(21/1‬ﻓﺘﺢ ﻣﻠﻔﺎت ﺑﯿﺎﻧﺎت ﺿﻤﻦ ‪SPSS‬‬

‫‪24‬‬
‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻷول‪ :‬اﺳﺘﻌﺮض اﻟﻔﺼﻞ أﻧﻮاع اﻟﻨﻮاﻓﺬ اﻟﺮﺋﯿﺴﯿﺔ ﺿﻤﻦ ‪ SPSS‬وھﻲ‪ :‬ﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺒﯿﺎﻧﺎت ‪Data Editor‬‬

‫‪ Window‬وﻧﺎﻓﺬة اﻟﻤﺨﺮﺟﺎت ‪ Output Viewer‬وﻧﺎﻓﺬة ﻣﺤﺮر اﻟﺘﻌﻠﯿﻤﺎت ‪ .Syntax Editor‬وﺑﯿﻦ أﻧﻮاع اﻟﻤﻠﻔﺎت ﺿﻤﻦ ﻧﻈﺎم ‪،SPSS‬‬
‫وھﻲ‪ :‬ﻣﻠﻔﺎت اﻟﺒﯿﺎﻧﺎت ‪ Data Files‬وﻣﻠﻔﺎت اﻟﻤﺨﺮﺟﺎت اﻹﺣﺼﺎﺋﯿﺔ ‪ Output‬وﻣﻠﻔﺎت اﻟﺘﻌﻠﯿﻤﺎت ‪ .Syntax‬ﻣﻦ ﻧﺎﺣﯿﺔ أﺧﺮى‬
‫ﻋﺮض اﻟﻔﺼﻞ اﻟﻘﻮاﺋﻢ اﻟﻤﺘﺎﺣﺔ ﺿﻤﻦ ‪ .SPSS‬واﻧﺘﮭﻰ ﺑﺸﺮح ﻛﯿﻔﯿﺔ ﺗﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات وإدﺧﺎل اﻟﺒﯿﺎﻧﺎت ﺿﻤﻦ ‪.SPSS‬‬

‫‪25‬‬
 ‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ‬
1. Denis, D. J. (2019) SPSS Data Analysis for Univariate, Bivariate, and Multivariate Statistics.
Wiley.

2. Field, A. (2018) Discovering Statistics Using IBM SPSS Statistics. 5th Edition. Sage.

3. Hinton, P. R., McMurray, I., Brownlow, C. (2014) SPSS Explained. 2nd Edition. Routledge.

4. Ho, R. (2018) Understanding Statistics for the Social Sciences with IBM SPSS. CRC Press.

5. Yockey, R. D. (2016) A Step-by-Step Guide to Successful Data Analysis For SPSS Version 18.0. 2nd
Edition. Routledge.
‫ دﻟﯿﻞ ﻧﻈﺮي وﺗﻄﺒﯿﻘﻲ وﻋﻤﻠﻲ ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ اﻟﺘﺤﻠﯿﻞ‬:‫( ﺑﺤﻮث اﻟﺘﺴﻮﯾﻖ‬2017) .‫ ﻧﺮﯾﻤﺎن‬،‫ ﻋﻤﺎر‬،.‫ ﺣﯿﺎن‬،‫ دﯾﺐ‬،.‫ ﻣﺤﻤﺪ‬،‫ اﻟﺨﻀﺮ‬.6
.(HIBA) ‫ اﻟﻤﻌﮭﺪ اﻟﻌﺎﻟﻲ ﻹدارة اﻷﻋﻤﺎل‬:‫ دﻣﺸﻖ‬.SPSS ‫اﻹﺣﺼﺎﺋﻲ‬
‫ ﺗﻄﺒﯿﻖ ﺷﺎﻣﻞ ﻟﻠﺤﺰﻣﺔ‬:‫( ﺗﺤﻠﯿﻞ وﻧﻤﺬﺟﺔ اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام اﻟﺤﺎﺳﻮب‬2006) .‫ اﻟﺮﻓﺎﻋﻲ ﻏﺎﻟﺐ ﻋﻮض ﺻﺎﻟﺢ‬،.‫ ﺣﺴﯿﻦ ﻋﻠﻲ‬،‫ ﻧﺠﯿﺐ‬.7
.‫ اﻷردن‬.‫ اﻷھﻠﯿﺔ ﻟﻠﻨﺸﺮ واﻟﺘﻮزﯾﻊ‬.‫ اﻟﻄﺒﻌﺔ اﻷوﻟﻰ‬.SPSS

26
 ‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻷول‪:‬‬
‫‪ (1‬أﺳﺌﻠﺔ ﺻﺢ ‪ /‬ﺧﻄﺄ ‪True/False‬‬

‫ﺧﻄﺄ‬ ‫ﺻﺢ‬ ‫اﻟﺴﺆال‬

‫‪‬‬ ‫ﺗﻨﺒﻊ ﺷﻌﺒﯿﺔ ‪ SPSS‬ﻣﻦ ﻛﻮﻧﮫ ﯾﺴﻤﺢ ﺑﻤﺮوﻧﺔ ﻛﺒﯿﺮة ﻣﻦ ﺣﯿﺚ ﺗﻨﺴﯿﻖ اﻟﺒﯿﺎﻧﺎت‬ ‫‪1‬‬

‫‪‬‬ ‫ﯾﺤﺘﻮي ‪ SPSS‬ﻋﻠﻰ ﺧﻤﺴﺔ أﻧﻮاع رﺋﯿﺴﯿﺔ ﻣﻦ اﻟﻨﻮاﻓﺬ‬ ‫‪2‬‬

‫‪‬‬ ‫ﻋﻨﺪﻣﺎ ﯾﻜﻮن ﺷﺮﯾﻂ ‪ Data View‬ﻧﺸﻄﺎ ً ﻓﺈﻧﮫ ﯾﻈﮭﺮ اﻟﺒﯿﺎﻧﺎت اﻟﻤﺮاد ﺗﺤﻠﯿﻠﮭﺎ‬ ‫‪3‬‬

‫‪‬‬ ‫ﺗﻘﺴﻢ ﻧﺎﻓﺬة اﻟﻤﺨﺮﺟﺎت ﻓﻲ ‪ SPSS‬إﻟﻰ أرﺑﻌﺔ أﻗﺴﺎم‬ ‫‪4‬‬

‫‪‬‬ ‫ﺗﺴﻤﺢ اﻟﻘﺎﺋﻤﺔ ‪ Edit‬ﻓﻲ ‪ SPSS‬ﺑﺈﻧﺸﺎء ﻣﻠﻔﺎت ﺟﺪﯾﺪة أو ﻓﺘﺢ ﻣﻠﻔﺎت ﻣﺨﺰﻧﺔ‬ ‫‪5‬‬

‫‪‬‬ ‫ﺗﺴﻤﺢ اﻟﻘﺎﺋﻤﺔ ‪ View‬ﻓﻲ ‪ SPSS‬ﺑﺈﺧﻔﺎء ﺧﻄﻮط اﻟﺸﺒﻜﺔ‬ ‫‪6‬‬

‫‪‬‬ ‫ﯾﻤﻜﻦ إﺟﺮاء اﻟﻌﻤﻠﯿﺎت اﻟﺤﺴﺎﺑﯿﺔ ﻣﺒﺎﺷﺮة ﺿﻤﻦ ‪Data Editor‬‬ ‫‪7‬‬

‫‪‬‬ ‫ﺗﺘﻀﻤﻦ اﻟﻘﺎﺋﻤﺔ ‪ Analyze‬ﻓﻲ ‪ SPSS‬اﻟﺘﺤﻠﯿﻼت اﻹﺣﺼﺎﺋﯿﺔ اﻷﺳﺎﺳﯿﺔ واﻟﻤﺘﻘﺪﻣﺔ‬ ‫‪8‬‬

‫أﺳﺌﻠﺔ ﻣﺘﻌﺪدة اﻟﺨﯿﺎرات‪:‬‬

‫‪ .1‬ﻋﻨﺪ اﻟﻨﻘﺮ ﻋﻠﻰ ‪ ......‬ﻓﻲ ‪ SPSS‬ﺗﻈﮭﺮ ﻧﺎﻓﺬة ﺗﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات‪.‬‬
‫‪Variable View .A‬‬
‫‪Data View .B‬‬
‫‪Output Viewer .C‬‬
‫‪Syntax Editor .D‬‬

‫‪ .2‬ﺗﺴﺘﻄﯿﻊ ﻣﻦ ﺧﻼل اﻟﻘﺎﺋﻤﺔ ‪ ....‬إﺟﺮاء اﻟﻌﻤﻠﯿﺎت اﻟﺤﺴﺎﺑﯿﺔ اﻟﻤﺨﺘﻠﻔﺔ وإﻋﺎدة ﺗﺮﻣﯿﺰ اﻟﺒﯿﺎﻧﺎت‪.‬‬
‫‪Transform .A‬‬
‫‪Edit .B‬‬
‫‪Analyze .C‬‬
‫‪Window .D‬‬

‫‪27‬‬
 ‫‪ .3‬ﺗﺴﺘﻄﯿﻊ ﻣﻦ ﺧﻼل اﻟﻘﺎﺋﻤﺔ ‪ ....‬اﻟﺘﻌﺎﻣﻞ ﻣﻊ اﻟﺮﺳﻮﻣﺎت اﻟﺒﯿﺎﻧﯿﺔ‪.‬‬
‫‪File .A‬‬
‫‪Edit .B‬‬
‫‪Data .C‬‬
‫‪Graph .D‬‬

‫‪ .4‬ﯾﻤﻜﻦ ﺗﺤﺪﯾﺪ ﻧﻮع اﻟﺒﯿﺎﻧﺎت أو اﻟﻤﻘﯿﺎس ﻟﻜﻞ ﻣﺘﻐﯿﺮ ﯾﺘﻢ إدﺧﺎﻟﮫ ﺿﻤﻦ ‪ SPSS‬ﻣﻦ ﺧﻼل اﻟﻌﻤﻮد ‪ ......‬ﻓﻲ ‪.Variable View‬‬
‫‪Measure .A‬‬
‫‪Label .B‬‬
‫‪Align .C‬‬
‫‪Name .D‬‬

‫‪ (3‬أﺳﺌﻠﺔ \ ﻗﻀﺎﯾﺎ ﻟﻠﻤﻨﺎﻗﺸﺔ‬

‫ﺗﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات وإدﺧﺎل اﻟﺒﯿﺎﻧﺎت ﺿﻤﻦ ‪.SPSS‬‬

‫ﻗﻢ ﺑﺈﻋﺪاد اﺳﺘﺒﺎﻧﺔ ﻣﻦ ﺧﻤﺴﺔ ﻣﺘﻐﯿﺮات ﻣﻦ أﻧﻮاع ﻣﺨﺘﻠﻔﺔ وإدﺧﺎﻟﮭﺎ ﺿﻤﻦ ‪ SPSS‬ﻣﻊ ﺷﺮح ﺧﻄﻮات ﺗﻌﺮﯾﻒ اﻟﻤﺘﻐﯿﺮات وإدﺧﺎل اﻟﺒﯿﺎﻧﺎت‪.‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[4-1‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 20 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.20 :100‬‬

‫‪28‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ‪ :‬اﻟﺘﺤﻠﯿﻞ اﻟﻮﺻﻔﻲ‬
‫)‪(Descriptive Analysis‬‬

‫اﻟﻜﻠﻤﺎت اﻟﻤﻔﺘﺎﺣﯿﺔ‪:‬‬

‫اﻟﺘﻜﺮار )‪ ،(Frequency‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ )‪ ،(Mean‬اﻟﻮﺳﯿﻂ )‪ ،(Median‬اﻟﻤﻨﻮال )‪ ،(Mode‬اﻟﺮﺑﯿﻌﯿﺎت )‪ ،(Quartiles‬اﻟﻤﺪى )‪،(Range‬‬

‫اﻟﺘﺒﺎﯾﻦ )‪ ،(Variance‬اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري )‪ ،(Standard Deviation‬اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ )‪ ،(Normal Distribution‬اﻻﻟﺘﻮاء )‪،(Skewness‬‬
‫اﻟﺘﻔﻠﻄﺢ )‪ ،(Kurtosis‬ﺟﺪاول اﻟﺘﻘﺎطﻊ )‪.(Cross Tabulations‬‬

‫ﻣﻠﺨﺺ اﻟﻔﺼﻞ‪:‬‬

‫ﯾﮭﺪف اﻟﻔﺼﻞ إﻟﻰ اﻟﺘﻌﺮﯾﻒ ﺑﺄھﻢ اﻟﺘﺤﻠﯿﻼت اﻹﺣﺼﺎﺋﯿﺔ اﻟﻮﺻﻔﯿﺔ‪ .‬ﻓﯿﺒﺪأ ﺑﺸﺮح اﻟﺘﻜﺮارات وﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ واﻟﺘﺸﺘﺖ‪ .‬ﺛﻢ ﯾﺘﻄﺮق إﻟﻰ‬
‫ﻣﺆﺷﺮات ﺷﻜﻞ اﻟﺘﻮزﯾﻊ‪ .‬وﯾﻨﺘﮭﻲ اﻟﻔﺼﻞ ﺑﺎﺳﺘﻌﺮاض ﻛﯿﻔﯿﺔ ﺗﻮﺻﯿﻒ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﻣﻦ ﺧﻼل اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ ﺑﺎﻻﺳﺘﻌﺎﻧﺔ ﺑﺠﺪاول اﻟﺘﻘﺎطﻊ‪.‬‬

‫اﻟﻤﺨﺮﺟﺎت واﻷھﺪاف اﻟﺘﻌﻠﯿﻤﯿﺔ‪:‬‬

‫‪ -‬اﺳﺘﺨﺪام اﻟﻤﺆﺷﺮات اﻟﻮﺻﻔﯿﺔ اﻟﺼﺤﯿﺤﺔ ﻟﺘﻮﺻﯿﻒ اﻟﻤﺘﻐﯿﺮات‪.‬‬
‫‪ -‬ﺗﺬﻛﺮ أھﻢ ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ وﻣﻘﺎﯾﯿﺲ اﻟﺘﺸﺘﺖ وﺷﺮح ﺧﺼﺎﺋﺼﮭﺎ‪.‬‬
‫‪ -‬اﺧﺘﺒﺎر ﺷﻜﻞ اﻟﺘﻮزﯾﻊ ﻣﻦ ﺧﻼل ﻣﻌﺎﻣﻼت ﺷﻜﻞ اﻟﺘﻮزﯾﻊ واﻟﻤﺪرج اﻟﺘﻜﺮاري‪.‬‬
‫‪ -‬ﺗﻮﺻﯿﻒ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﺑﺎﺳﺘﺨﺪام ﺟﺪاول اﻟﺘﻘﺎطﻊ‪.‬‬

‫‪29‬‬
 ‫‪ 1-2‬اﻟﺘﻜﺮارات )‪(Frequencies‬‬
‫ﯾﺴﺘﺨﺪم اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ ﻟﺴﺒﺮ اﻟﺒﯿﺎﻧﺎت اﻟﺘﻲ ﺗﻢ ﺟﻤﻌﮭﺎ وﻟﺘﻠﺨﯿﺺ وﺗﻮﺻﯿﻒ ھﺬه اﻟﺒﯿﺎﻧﺎت‪ .‬وﻋﺎدة ً ﻣﺎ ﺗﺒﺪأ ﻋﻤﻠﯿﺔ ﺗﺤﻠﯿﻞ اﻟﺒﯿﺎﻧﺎت‬
‫ﺑﺎﻟﺘﺤﻠﯿﻞ اﻟﻮﺻﻔﻲ‪ .‬وﺗﺴﺘﻌﻤﻞ اﻹﺣﺼﺎءات اﻟﻮﺻﻔﯿﺔ ﻷﻏﺮاض ﻣﺘﻌﺪدة ﻛﻮﺻﻒ ﺧﺼﺎﺋﺺ اﻟﻌﯿﻨﺔ واﻟﺘﺄﻛﺪ ﻣﻦ اﺣﺘﺮام اﻟﻤﺘﻐﯿﺮات‬
‫ﻟﺸﺮوط طﺮق اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ اﻟﺘﻲ ﺳﺘﺴﺘﺨﺪم ﻻﺣﻘﺎ ً ﻓﻲ اﻟﺘﺤﻘﻖ ﻣﻦ ﺗﺴﺎؤﻻت وﻓﺮﺿﯿﺎت اﻟﺒﺤﺚ وﻟﻺﺟﺎﺑﺔ ﻋﻠﻰ ﺑﻌﺾ‬
‫اﻟﺘﺴﺎؤﻻت اﻟﻤﺤﺪدة‪.‬‬

‫وﯾﻌﺘﺒﺮ اﻟﺘﻜﺮار ‪ Frequency‬ﻣﻦ أﺑﺴﻂ اﻟﺘﺤﻠﯿﻼت اﻟﻮﺻﻔﯿﺔ اﻟﺘﻲ ﯾﻤﻜﻦ اﻟﺒﺪء ﺑﮭﺎ‪ .‬ﯾﺴﺘﺨﺪم اﻟﺘﻜﺮار ﻋﺎدة ً ﻟﻠﺤﺼﻮل ﻋﻠﻰ ﻋﺪد‬
‫اﻹﺟﺎﺑﺎت ﻟﻜﻞ ﺣﺎﻟﺔ ﻣﻦ ﺣﺎﻻت اﻟﻤﺘﻐﯿﺮ أو ﻟﻮﺻﻒ ﺗﻮزﯾﻊ ﻣﻔﺮدات اﻟﻌﯿﻨﺔ ﺣﺴﺐ ﻧﻮع اﻟﻤﺘﻐﯿﺮ وﺣﺎﻻﺗﮫ ﻛﻤﺎ ﯾﺴﺘﺨﺪم ﻟﻠﺤﺼﻮل‬
‫ﻋﻠﻰ اﻟﻨﺴﺐ اﻟﻤﺌﻮﯾﺔ ﻟﮭﺬه اﻷﻋﺪاد‪ .‬ﯾﺒﯿﻦ اﻟﺘﻜﺮار إذا ً ﻋﺪد ﻣﺮات ﺣﺼﻮل أو ظﮭﻮر ﻛﻞ ﻗﯿﻤﺔ ﻓﻲ ﻣﻠﻒ اﻟﺒﯿﺎﻧﺎت‪ .‬وﯾﻤﻜﻦ إظﮭﺎر‬
‫اﻟﺘﻜﺮارات ﺑﺸﻜﻞ ﺟﺪوﻟﻲ أو ﺑﺸﻜﻞ ﺑﯿﺎﻧﻲ‪.‬‬

‫ﺳﻨﺴﺘﺨﺪم ﻓﻲ ھﺬا اﻟﻔﺼﻞ ﺑﯿﺎﻧﺎت ﺟﻤﻌﺖ ﻓﻲ دراﺳﺔ ﺣﻮل ﺗﺄﺛﯿﺮ وﺟﻮد اﻟﺸﺨﺺ اﻟﻤﺸﮭﻮر ﻓﻲ اﻹﻋﻼن ﻓﻲ ﺳﻠﻮك اﻟﻤﺴﺘﮭﻠﻚ‪ .‬ﺗﻢ‬
‫ﻓﻲ ھﺬه اﻟﺪراﺳﺔ ﺗﻘﺴﯿﻢ ﻋﯿﻨﺔ ﻣﻦ ‪ 196‬طﺎﻟﺒﺎ ً إﻟﻰ ﻣﺠﻤﻮﻋﺘﯿﻦ‪ .‬ﺗﻌﺮﺿﺖ اﻟﻤﺠﻤﻮﻋﺔ اﻷوﻟﻰ ﻹﻋﻼن ﻣﺼﻮر ﻣﻄﺒﻮع ﯾﺤﺘﻮي ﻋﻠﻰ‬
‫ﺷﺨﺼﯿﺔ ﻣﺸﮭﻮرة ﻓﯿﻤﺎ ﺗﻌﺮﺿﺖ اﻟﻤﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﯿﺔ ﻣﻦ اﻟﻄﻼب ﻟﺬات اﻹﻋﻼن اﻟﻤﺼﻮر ﺑﻌﺪ إزاﻟﺔ اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة ﻣﻨﮫ‪.‬‬
‫اﺣﺘﻮت اﻟﺪراﺳﺔ ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮات اﻟﺘﺎﻟﯿﺔ‪:‬‬
‫‪ -‬ﻣﺸﺎھﺪة اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة‪) :‬ﻻ‪/‬ﻧﻌﻢ(‬
‫‪ -‬اﻟﺠﻨﺲ‪) :‬ذﻛﺮ‪/‬أﻧﺜﻰ(‬
‫‪ -‬ﺗﺬﻛﺮ اﻟﻤﻨﺘﺞ‪) :‬ﻻ‪/‬ﻧﻌﻢ(‬
‫‪ -‬ﺣﺐ اﻟﻤﻨﺘﺞ‪=1) :‬ﻻ أﺣﺒﮫ أﺑﺪاً‪=2 ،‬ﻻ أﺣﺒﮫ‪= 3 ،‬ﺣﯿﺎدي‪=4 ،‬أﺣﺒﮫ‪=5 ،‬أﺣﺒﮫ ﻛﺜﯿﺮاً(‬
‫‪ -‬ﻧﯿﺔ اﻟﺸﺮاء‪) :‬ﻻ‪/‬ﻧﻌﻢ(‬

‫ﺗﻈﮭﺮ ﺗﻜﺮارات ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮ ﺿﻤﻦ ‪ SPSS‬ﺑﺒﺴﺎطﺔ ﻛﺒﯿﺮة ﺿﻤﻦ ﻣﺎ ﯾﺴﻤﻰ ﺑﺎﻟﺠﺪاول اﻟﺘﻜﺮارﯾﺔ واﻟﺘﻲ ﯾﻤﻜﻦ اﻟﺤﺼﻮل ﻋﻠﯿﮭﺎ ﺑﺎﺗﺒﺎع‬
‫اﻟﺨﻄﻮات اﻟﺘﺎﻟﯿﺔ‪.Frequencies  Descriptive Statistics  Analyze :‬‬

‫‪30‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(1/2‬ﺗﻨﻔﯿﺬ ﺗﺤﻠﯿﻞ اﻟﺘﻜﺮار ﺿﻤﻦ ‪SPSS‬‬

‫ﯾﺘﻢ ﻣﻦ ﺧﻼل اﻟﻨﺎﻓﺬة ‪ Frequencies‬اﺧﺘﯿﺎر اﻟﻤﺘﻐﯿﺮ أو اﻟﻤﺘﻐﯿﺮات اﻟﻤﺮاد اﻟﺤﺼﻮل ﻋﻠﻰ ﺟﺪاوﻟﮭﺎ اﻟﺘﻜﺮارﯾﺔ‪ .‬ﻓﺈذا أراد اﻟﺒﺎﺣﺚ‬
‫ﺗﻮﺻﯿﻒ ﻣﺘﻐﯿﺮ "اﻟﺠﻨﺲ" أي ﻣﻌﺮﻓﺔ ﻋﺪد اﻟﺬﻛﻮر واﻹﻧﺎث ﺿﻤﻦ اﻟﻌﯿﻨﺔ ﻓﻤﺎ ﻋﻠﯿﮫ ﺳﻮى ﺳﺤﺐ اﻟﻤﺘﻐﯿﺮ "اﻟﺠﻨﺲ" ﻣﻦ اﻹطﺎر‬
‫اﻟﻤﻮﺟﻮد ﻓﻲ ﺟﮭﺔ اﻟﯿﺴﺎر إﻟﻰ اﻹطﺎر اﻟﻤﻮﺟﻮد ﻓﻲ ﺟﮭﺔ اﻟﯿﻤﯿﻦ ﺗﺤﺖ ﻋﻨﻮان )‪ .Variable(s‬وﻋﻨﺪ اﻟﻨﻘﺮ ﻋﻠﻰ ‪ OK‬ﺳﯿﻈﮭﺮ اﻟﺠﺪول‬
‫اﻟﺘﻜﺮاري‪.‬‬

‫ﯾﺘﻜﻮن ﻛﻞ ﺟﺪول ﺗﻜﺮاري ﻣﻦ أرﺑﻊ أﻋﻤﺪة‪:‬‬

‫اﻟﻌﻤﻮد اﻷول ‪ :Frequency‬ﯾﺘﻀﻤﻦ إﺣﺼﺎء أﻓﺮاد اﻟﻌﯿﻨﺔ ﻓﻲ ﻛﻞ ﻓﺌﺔ ﻣﻦ ﻓﺌﺎت اﻟﻤﺘﻐﯿﺮ‬ ‫‪‬‬
‫اﻟﻌﻤﻮد اﻟﺜﺎﻧﻲ ‪ :Percent‬ﯾﺘﻀﻤﻦ اﻟﻨﺴﺐ اﻟﻤﺌﻮﯾﺔ ﻟﻜﻞ ﻓﺌﺔ‪.‬‬ ‫‪‬‬
‫اﻟﻌﻤﻮد اﻟﺜﺎﻟﺚ ‪ :Valid Percent‬ﯾﺘﻀﻤﻦ اﻟﻨﺴﺐ اﻟﻤﺌﻮﯾﺔ ﺑﻌﺪ اﺳﺘﺒﻌﺎد اﻟﺒﯿﺎﻧﺎت اﻟﻤﻔﻘﻮدة‪.‬‬ ‫‪‬‬
‫اﻟﻌﻤﻮد اﻟﺮاﺑﻊ ‪ :Cumulative Percent‬ﯾﻤﺜﻞ اﻟﻨﺴﺐ اﻟﺘﺮاﻛﻤﯿﺔ ﻟﻔﺌﺎت اﻟﻤﺘﻐﯿﺮ‪.‬‬ ‫‪‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(2/2‬ﻧﺎﻓﺬة اﻟﺘﻜﺮارات ‪ Frequencies‬ﺿﻤﻦ ‪SPSS‬‬

‫‪31‬‬
 ‫اﻟﺠﺪول رﻗﻢ )‪ :(1/2‬اﻟﺠﺪول اﻟﺘﻜﺮاري ﻟﻤﺘﻐﯿﺮ اﻟﺠﻨﺲ‬

‫ﯾﻈﮭﺮ اﻟﺠﺪول )‪ (1/2‬أن ﻋﺪد اﻟﺬﻛﻮر ﻓﻲ اﻟﻌﯿﻨﺔ ھﻮ ‪ 106‬طﻼب وﻋﺪد اﻹﻧﺎث ‪ 90‬طﺎﻟﺒﺔ‪ ،‬ﺣﯿﺚ ﯾﺸﻜﻞ اﻟﺬﻛﻮر ‪ %54.1‬واﻹﻧﺎث‬

‫‪32‬‬
‫‪ %45.9‬ﻣﻦ ﺣﺠﻢ اﻟﻌﯿﻨﺔ اﻟﺒﺎﻟﻎ ‪ 196‬طﺎﻟﺒﺎً‪ .‬ﻣﻦ ﻧﺎﺣﯿﺔ أﺧﺮى‪ ،‬ﺗﺘﯿﺢ اﻟﻨﺎﻓﺬة ‪ Frequencies‬أﯾﻀﺎ ً ﺗﻤﺜﯿﻞ أو ﻋﺮض اﻟﺘﻜﺮارات‬
‫ﺑﺎﺳﺘﺨﺪام اﻷﺷﻜﺎل اﻟﺒﯿﺎﻧﯿﺔ ‪.Charts‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(3/2‬ﻧﺎﻓﺬة اﻷﺷﻜﺎل اﻟﺒﯿﺎﻧﯿﺔ ‪ Charts‬ﺿﻤﻦ ‪Frequencies‬‬

‫واﻷﺷﻜﺎل اﻟﺒﯿﺎﻧﯿﺔ اﻟﻤﺘﺎﺣﺔ ﺿﻤﻦ ﺗﺤﻠﯿﻞ اﻟﺘﻜﺮارات ھﻲ‪:‬‬

‫‪ ‬اﻟﺪاﺋﺮة اﻟﺒﯿﺎﻧﯿﺔ ‪ :Pie Chart‬ﺗﺴﺘﺨﺪم ﻟﺘﻤﺜﯿﻞ اﻟﺘﻜﺮارات أو اﻟﻨﺴﺐ اﻟﻤﺌﻮﯾﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﻤﺘﻐﯿﺮات اﻻﺳﻤﯿﺔ أو اﻟﺘﺮﺗﯿﺒﯿﺔ‪.‬‬
‫‪ ‬اﻷﻋﻤﺪة اﻟﺒﯿﺎﻧﯿﺔ ‪ :Bar Chart‬ﺗﺴﺘﺨﺪم ﻟﺘﻤﺜﯿﻞ اﻟﺘﻜﺮارات أو اﻟﻨﺴﺐ اﻟﻤﺌﻮﯾﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﻤﺘﻐﯿﺮات اﻻﺳﻤﯿﺔ أو اﻟﺘﺮﺗﯿﺒﯿﺔ‪.‬‬
‫ﯾﺸﯿﺮ ارﺗﻔﺎع ﻛﻞ ﻋﻤﻮد إﻟﻰ ﺗﻜﺮار اﻟﻘﯿﻤﺔ‪.‬‬
‫‪ ‬اﻟﻤﺪرج اﻟﺘﻜﺮاري ‪ :Histograms‬ﯾﺴﺘﺨﺪم ﻓﻘﻂ ﻓﻲ ﺣﺎﻟﺔ اﻟﻤﺘﻐﯿﺮات اﻟﻜﻤﯿﺔ أو اﻟﻤﺴﺘﻤﺮة )اﻟﻤﺪرﺟﺔ واﻟﻨﺴﺐ(‪ .‬وﯾﻔﯿﺪ‬
‫اﻟﻤﺪرج اﻟﺘﻜﺮاري ﺑﺸﻜﻞ ﺧﺎص ﻓﻲ إظﮭﺎر ﺷﻜﻞ ﺗﻮزﯾﻊ اﻟﻤﺘﻐﯿﺮ‪.‬‬

‫‪33‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(4/2‬اﻟﺪاﺋﺮة اﻟﺒﯿﺎﻧﯿﺔ واﻷﻋﻤﺪة اﻟﺒﯿﺎﻧﯿﺔ‬

‫‪ 2-2‬ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ )‪(Measures of Central Tendency‬‬

‫ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ ھﻲ ﻣﻘﺎﯾﯿﺲ ﻣﻮﺟﺰة ﺗﺼﻒ ﻣﺠﻤﻮﻋﺔ ﻛﺎﻣﻠﺔ ﻣﻦ اﻟﺒﯿﺎﻧﺎت ﺑﻘﯿﻤﺔ واﺣﺪة ﺗﻤﺜﻞ وﺳﻂ أو ﻣﺮﻛﺰ اﻟﺘﻮزﯾﻊ‪.‬‬
‫ﺗﺘﻀﻤﻦ ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ ﺑﺸﻜﻞ رﺋﯿﺴﻲ ﻛﻼً ﻣﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ واﻟﻮﺳﯿﻂ واﻟﻤﻨﻮال‪ .‬وﻟﻜﻞ ﻣﻨﮭﺎ دﻻﻻﺗﮫ واﺳﺘﺨﺪاﻣﺎﺗﮫ‪.‬‬

‫‪ 1-2-2‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ )‪ :(Mean‬ﯾﻌﺘﺒﺮ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ أﺣﺪ ﻣﻘﺎﯾﯿﺲ اﻟﻮﺻﻒ اﻹﺣﺼﺎﺋﻲ اﻟﺘﻲ ﯾﻠﺠﺄ اﻟﺒﺎﺣﺚ إﻟﻰ اﺳﺘﺨﺪاﻣﮭﺎ‬
‫ﻋﻨﺪﻣﺎ ﯾﻜﻮن راﻏﺒﺎ ً ﻓﻲ إﯾﺠﺎد ﻗﯿﻢ ﻣﺮﻛﺰﯾﺔ ﻣﻌﯿﻨﺔ ﺗﺴﺘﻘﻄﺐ ﺣﻮﻟﮭﺎ اﻟﺘﻮزﯾﻌﺎت اﻟﺘﻜﺮارﯾﺔ ﻟﻤﺸﺎھﺪات اﻟﻌﯿﻨﺔ‪ .‬ﯾﺤﺴﺐ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ‬
‫ﻋﻦ طﺮﯾﻖ ﺟﻤﻊ ﻛﻞ ﻗﯿﻢ اﻟﻤﺸﺎھﺪات اﻟﺨﺎﺻﺔ ﺑﺎﻟﻤﺘﻐﯿﺮ ﻓﻲ إطﺎر اﻟﻌﯿﻨﺔ‪ ،‬ﺛﻢ ﻗﺴﻤﺔ ھﺬا اﻟﻤﺠﻤﻮع ﻋﻠﻰ ﻋﺪد اﻟﻤﺸﺎھﺪات‪.‬‬

‫‪� = ∑ 𝒙𝒙 / n‬‬
‫𝑿𝑿‬
‫ﯾﻌﺘﺒﺮ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ أﻛﺜﺮ ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ اﺳﺘﺨﺪاﻣﺎً‪ .‬وھﻮ ﯾﺴﺘﺨﺪم ﻣﻊ اﻟﻤﻘﺎﯾﯿﺲ اﻟﻤﺴﺘﻤﺮة أو اﻟﻘﯿﺎﺳﯿﺔ )ﻣﺪرﺟﺔ‬
‫وﻧﺴﺐ(‪ .‬وﻣﻦ أھﻢ ﻣﺰاﯾﺎه ﺳﮭﻮﻟﺔ اﻟﺤﺴﺎب واﻟﻔﮭﻢ ﺑﺎﻹﺿﺎﻓﺔ إﻟﻰ ﻛﻮﻧﮫ ﯾﺄﺧﺬ ﻓﻲ اﻻﻋﺘﺒﺎر ﺟﻤﯿﻊ اﻟﻘﯿﻢ‪ .‬أﻣﺎ ﻋﯿﻮﺑﮫ ﻓﺘﺘﻠﺨﺺ ﻓﻲ ﻛﻮﻧﮫ‬
‫ﯾﺘﺄﺛﺮ ﺑﺎﻟﻘﯿﻢ اﻟﺸﺎذة‪.‬‬

‫‪ 2-2-2‬اﻟﻮﺳﯿﻂ )‪ :(Median‬اﻟﻮﺳﯿﻂ ھﻮ اﻟﻘﯿﻤﺔ اﻟﺘﻲ ﺗﺘﻮﺳﻂ ﺟﻤﯿﻊ اﻟﻘﯿﻢ اﻟﻤﻌﻄﺎة ﻋﻦ اﻟﻤﺘﻐﯿﺮ‪ ،‬ﺑﺤﯿﺚ ﯾﻘﻊ ﻧﺼﻒ ﻋﺪد ﺗﻠﻚ‬
‫اﻟﻘﯿﻢ أﻋﻠﻰ اﻟﻮﺳﯿﻂ واﻟﻨﺼﻒ اﻵﺧﺮ أﺳﻔﻠﮫ‪ .‬اﻟﻮﺳﯿﻂ إذا ً ھﻮ اﻟﻘﯿﻤﺔ اﻟﺘﻲ ﯾﻘﻞ ﻋﻨﮭﺎ ﻧﺼﻒ ﻋﺪد اﻟﻘﯿﻢ وﯾﺰﯾﺪ ﻋﻨﮭﺎ اﻟﻨﺼﻒ اﻵﺧﺮ‪،‬‬
‫أي أن ‪ %50‬ﻣﻦ اﻟﻘﯿﻢ أﻗﻞ ﻣﻨﮫ و‪ %50‬ﻣﻦ اﻟﻘﯿﻢ أﻋﻠﻰ ﻣﻨﮫ‪ .‬وﯾﻌﺘﺒﺮ اﻟﻮﺳﯿﻂ ﻣﻘﯿﺎﺳﺎ ً ﻣﻨﺎﺳﺒﺎ ً ﻟﻠﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ ﻓﻲ ﺣﺎﻟﺔ اﻟﺒﯿﺎﻧﺎت‬

‫‪34‬‬
 ‫اﻟﺘﺮﺗﯿﺒﯿﺔ ﺑﺸﻜﻞ ﺧﺎص‪.‬‬

‫وﻟﻠﻮﺻﻮل إﻟﻰ ﻗﯿﻤﺔ اﻟﻮﺳﯿﻂ‪ ،‬ﻓﺈﻧﮫ ﯾﺘﻮﺟﺐ ﻋﻠﻰ اﻟﺒﺎﺣﺚ اﻟﻘﯿﺎم ﺑﺘﺮﺗﯿﺐ ﺟﻤﯿﻊ اﻟﻘﯿﻢ اﻟﻤﻌﻄﺎة ﻋﻦ اﻟﻤﺘﻐﯿﺮ إﻣﺎ ﺗﻨﺎزﻟﯿﺎ ً أو ﺗﺼﺎﻋﺪﯾﺎً‪،‬‬
‫وﺑﻌﺪھﺎ ﯾﺘﻢ اﺧﺘﯿﺎر اﻟﻘﯿﻤﺔ اﻟﻮﺳﯿﻄﯿﺔ اﻟﺘﻲ ﺗﻘﺴﻢ اﻟﻘﯿﻢ إﻟﻰ ﻣﺠﻤﻮﻋﺘﯿﻦ ﻣﺘﺴﺎوﯾﺘﯿﻦ‪ .‬وﺑﻌﺒﺎرة أﺧﺮى‪ ،‬ﯾﻤﻜﻦ اﺳﺘﺨﺪام اﻟﻤﻌﺎدﻟﺔ اﻟﺒﺴﯿﻄﺔ‬
‫اﻟﺘﺎﻟﯿﺔ ﻓﻲ اﻻﺳﺘﺪﻻل ﻋﻠﻰ ﻣﻮﻗﻊ اﻟﻘﯿﻤﺔ اﻟﻮﺳﯿﻄﯿﺔ‪:‬‬

‫ﻣﻮﻗﻊ اﻟﻮﺳﯿﻂ = )‪2 / (1 + n‬‬

‫ﺣﯿﺚ ﯾﺸﯿﺮ )‪ (n‬إﻟﻰ ﻋﺪد اﻟﻘﯿﻢ اﻟﻤﻌﻄﺎة‪.‬‬

‫ﺗﻄﺒﻖ اﻟﻤﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ ﻟﺘﺤﺪﯾﺪ ﻣﻮﻗﻊ اﻟﻮﺳﯿﻂ إذا ﻛﺎن ﺣﺠﻢ اﻟﻌﯿﻨﺔ ﻓﺮدﯾﺎً‪ .‬أﻣﺎ إذا ﻛﺎن ﺣﺠﻢ اﻟﻌﯿﻨﺔ زوﺟﯿﺎ ً ﻓﯿﻤﻜﻦ اﻟﺤﺼﻮل ﻋﻠﻰ‬
‫اﻟﻮﺳﯿﻂ ﻣﻦ ﺧﻼل ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻘﯿﻤﺘﯿﻦ اﻟﻠﺘﯿﻦ ﺣﻠﺘﺎ ﻓﻲ وﺳﻂ اﻟﺒﯿﺎﻧﺎت )ﺑﻌﺪ ﺗﺮﺗﯿﺒﮭﺎ ﺗﺼﺎﻋﺪﯾﺎ ً أو ﺗﻨﺎزﻟﯿﺎً(‪ .‬وﻓﻲ ھﺬه‬
‫اﻟﺤﺎﻟﺔ ﯾﻜﻮن ﻣﻮﻗﻊ اﻟﻘﯿﻤﺔ اﻟﻮﺳﯿﻄﯿﺔ اﻷوﻟﻰ ھﻮ ‪ n/2‬وﻣﻮﻗﻊ اﻟﻘﯿﻤﺔ اﻟﻮﺳﯿﻄﯿﺔ اﻟﺜﺎﻧﯿﺔ ھﻮ ‪.(n+2)/2‬‬

‫وﻣﻦ أھﻢ ﻣﺰاﯾﺎ اﻟﻮﺳﯿﻂ أﻧﮫ ﻻ ﯾﺘﺄﺛﺮ ﺑﺎﻟﻘﯿﻢ اﻟﺸﺎذة أو اﻟﻤﺘﻄﺮﻓﺔ ﺑﺎﻹﺿﺎﻓﺔ إﻟﻰ ﺳﮭﻮﻟﺔ اﻟﺤﺴﺎب‪ .‬أﻣﺎ أھﻢ ﻋﯿﻮﺑﮫ ﻓﯿﻜﻤﻦ ﻓﻲ ﻛﻮﻧﮫ ﻻ‬
‫ﯾﺄﺧﺬ ﻋﻨﺪ ﺣﺴﺎﺑﮫ ﻛﻞ اﻟﻘﯿﻢ ﻓﻲ اﻻﻋﺘﺒﺎر‪.‬‬

‫وﻋﻨﺪ اﺣﺘﺴﺎب اﻟﺮﺑﯿﻌﯿﺎت ‪ Quartiles‬ﺗﺘﺴﺎوى ﻗﯿﻤﺔ اﻟﻮﺳﯿﻂ ﻣﻊ ﻗﯿﻤﺔ اﻟﺮﺑﯿﻊ اﻟﺜﺎﻧﻲ‪ .‬واﻟﺮﺑﯿﻌﯿﺎت ھﻲ اﻟﻘﯿﻢ اﻟﺘﻲ ﺗﻘﺴﻢ اﻟﻘﯿﻢ اﻟﻤﺮﺗﺒﺔ‬
‫ﺗﺼﺎﻋﺪﯾﺎ ً إﻟﻰ أرﺑﻌﺔ أﻗﺴﺎم ﻣﺘﺴﺎوﯾﺔ ﻣﻦ ﺣﯿﺚ اﻟﻌﺪد )ﺗﻘﺴﻢ اﻟﻌﯿﻨﺔ إﻟﻰ أرﺑﻌﺔ ﻣﺠﻤﻮﻋﺎت ﻣﺘﺴﺎوﯾﺔ ﻣﻦ ﺣﯿﺚ اﻟﻌﺪد(‪ .‬ﺗﻜﻮن رﺑﻊ ﻗﯿﻢ‬
‫اﻟﻤﻔﺮدات أﺻﻐﺮ ﻣﻦ اﻟﺮﺑﯿﻊ اﻷول )اﻟﺮﺑﯿﻊ اﻷدﻧﻰ( وﺛﻼﺛﺔ أرﺑﺎع اﻟﻘﯿﻢ أﻛﺒﺮ ﻣﻨﮫ‪ .‬أﻣﺎ اﻟﺮﺑﯿﻊ اﻟﺜﺎﻧﻲ ﻓﮭﻮ اﻟﻘﯿﻤﺔ اﻟﺘﻲ ﯾﻜﻮن ﻧﺼﻒ‬
‫اﻟﻤﻔﺮدات أﺻﻐﺮ ﻣﻨﮭﺎ واﻟﻨﺼﻒ اﻵﺧﺮ أﻛﺒﺮ ﻣﻨﮭﺎ )اﻟﻮﺳﯿﻂ(‪ .‬ﻓﯿﻤﺎ ﺗﻜﻮن ﺛﻼﺛﺔ أرﺑﺎع اﻟﻘﯿﻢ أﺻﻐﺮ ﻣﻦ ﻗﯿﻤﺔ اﻟﺮﺑﯿﻊ اﻟﺜﺎﻟﺚ )اﻟﺮﺑﯿﻊ‬
‫اﻷﻋﻠﻰ( واﻟﺮﺑﻊ اﻵﺧﺮ أﻛﺒﺮ ﻣﻨﮭﺎ‪.‬‬

‫‪ 3-2-2‬اﻟﻤﻨﻮال )‪ :(Mode‬ﯾﻌﺘﺒﺮ اﻟﻤﻨﻮال أﺑﺴﻂ ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ‪ .‬وھﻮ ﯾﻤﺜﻞ اﻟﻘﯿﻤﺔ اﻷﻛﺜﺮ ﺷﯿﻮﻋﺎ ً أو ﺗﻜﺮاراً‪ .‬وﻟﺘﺤﺪﯾﺪ‬
‫اﻟﻤﻨﻮال‪ ،‬ﻓﺈﻧﮫ ﻋﻠﻰ اﻟﺒﺎﺣﺚ أن ﯾﺤﺼﺮ اﻟﺘﻜﺮارات اﻟﺨﺎﺻﺔ ﺑﻜﻞ ﻗﯿﻤﺔ ﻣﻦ اﻟﻘﯿﻢ اﻟﺘﻲ ﯾﺄﺧﺬھﺎ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺪروس‪ .‬وﺑﺎﻟﺘﺎﻟﻲ ﻓﺈن اﻟﻘﯿﻤﺔ‬
‫اﻟﻤﻨﻮاﻟﯿﺔ ﺗﻜﻮن ﺗﻠﻚ اﻟﺘﻲ ﺗﺘﻤﺘﻊ ﺑﺄﻛﺒﺮ ﻋﺪد ﻣﻦ اﻟﺘﻜﺮارات‪ .‬وﻋﻨﺪ اﺳﺘﺨﺪام اﻷﻋﻤﺪة اﻟﺒﯿﺎﻧﯿﺔ أو اﻟﻤﺪرج اﻟﺘﻜﺮاري ﻓﺈن اﻟﻌﻤﻮد‬
‫اﻷطﻮل ﻓﻲ اﻟﺸﻜﻞ ﯾﺸﯿﺮ إﻟﻰ ﻗﯿﻤﺔ اﻟﻤﻨﻮال‪.‬‬

‫ﯾﺘﻤﯿﺰ اﻟﻤﻨﻮال ﺑﺴﮭﻮﻟﺔ ﺣﺴﺎﺑﮫ وإﻣﻜﺎﻧﯿﺔ اﺳﺘﺨﺪاﻣﮫ ﻣﻊ ﺟﻤﯿﻊ أﻧﻮاع اﻟﺒﯿﺎﻧﺎت )اﺳﻤﯿﺔ‪ ،‬ﺗﺮﺗﯿﺒﯿﺔ‪ ،‬ﻣﺴﺘﻤﺮة( أي أن اﻟﻤﻨﻮال ﯾﺰود‬

‫‪35‬‬
‫اﻟﺒﺎﺣﺚ ﺑﻘﯿﻤﺔ رﻗﻤﯿﺔ ﻟﻜﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮات ذات اﻟﻄﺒﯿﻌﺔ اﻟﻨﻮﻋﯿﺔ واﻟﻜﻤﯿﺔ ﻓﻲ آن واﺣﺪ‪ .‬ﺑﺎﻟﻤﻘﺎﺑﻞ ﻗﺪ ﯾﺠﺪ اﻟﺒﺎﺣﺚ ﻧﻔﺴﮫ أﻣﺎم ﺑﯿﺎﻧﺎت‬
‫ﻻ ﯾﻮﺟﺪ ﻓﯿﮭﺎ أﯾﺔ ﻗﯿﻢ ﻣﻨﻮاﻟﯿﺔ‪ .‬ﻛﻤﺎ ﻗﺪ ﺗﺘﻀﻤﻦ ﺑﻌﺾ اﻟﺤﺎﻻت ﺑﯿﺎﻧﺎت ﺗﺤﺘﻮي أﻛﺜﺮ ﻣﻦ ﻗﯿﻤﺔ ﻣﻦ ﻣﻨﻮاﻟﯿﺔ‪.‬‬

‫‪ 3-2‬ﻣﻘﺎﯾﯿﺲ اﻟﺘﺸﺘﺖ )‪(Dispersion Measures‬‬

‫ﺗﻔﯿﺪ ﻣﻘﺎﯾﯿﺲ اﻟﺘﺸﺘﺖ ﻓﻲ ﻣﻌﺮﻓﺔ ﻛﯿﻔﯿﺔ اﻧﺘﺸﺎر اﻟﺒﯿﺎﻧﺎت ﺣﻮل ﻧﻘﻄﺔ اﻟﺘﺮﻛﺰ )اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ(‪ .‬ﻓﻤﻦ اﻟﻤﻤﻜﻦ أن ﯾﻜﻮن ﻟﻤﺠﻤﻮﻋﺘﯿﻦ‬
‫ﻣﻦ اﻟﺒﯿﺎﻧﺎت ﻧﻔﺲ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ وأن ﺗﻜﻮﻧﺎ ﻣﺨﺘﻠﻔﺘﯿﻦ ﻓﻲ اﻧﺘﺸﺎرھﻤﺎ ﺣﻮل اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ‪ .‬ﻓﻠﻮ ﺗﺄﻣﻠﻨﺎ اﻟﻤﺜﺎل اﻟﺘﺎﻟﻲ اﻟﺬي ﯾﻤﺜﻞ‬
‫ﻋﺪد أﻓﺮاد ﻋﯿﻨﺘﯿﻦ ﻣﻦ اﻷﺳﺮ وھﻲ‪:‬‬

‫‪5‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫ﻋﺪد ﻓﺮاد اﻷﺳﺮة ﻟﻠﻌﯿﻨﺔ اﻷوﻟﻰ‪:‬‬

‫‪11‬‬ ‫‪1‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫ﻋﺪد أﻓﺮاد اﻷﺳﺮة ﻟﻠﻌﯿﻨﺔ اﻟﺜﺎﻧﯿﺔ‪:‬‬

‫إن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻜﻼ اﻟﻌﯿﻨﺘﯿﻦ ﻣﺘﺴﺎ ٍو )‪ (5‬رﻏﻢ اﻟﺘﺒﺎﯾﻦ اﻟﻮاﺿﺢ ﻓﻲ ﻋﺪد أﻓﺮاد اﻷﺳﺮة ﻓﻲ ﻛﻠﺘﺎ اﻟﻌﯿﻨﺘﯿﻦ‪.‬‬

‫ﺗُﺴﺘﺨﺪم ﻣﻘﺎﯾﯿﺲ اﻟﺘﺸﺘﺖ ﻋﺎدة ﻣﻊ اﻟﺒﯿﺎﻧﺎت اﻟﻜﻤﯿﺔ أو اﻟﻤﺴﺘﻤﺮة )ﻣﺪرﺟﺔ أو ﻧﺴﺐ(‪ .‬ﯾﻘﺪم ﻋﻠﻢ اﻹﺣﺼﺎء ﻣﺠﻤﻮﻋﺔً ﻣﻦ اﻟﻤﻘﺎﯾﯿﺲ‬
‫ﻓﻲ ھﺬا اﻟﻤﺠﺎل‪ ،‬ﻣﻨﮭﺎ اﻟﻤﺪى واﻟﺘﺒﺎﯾﻦ واﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري‪.‬‬

‫‪ 1-3-2‬اﻟﻤﺪى )‪ :(Range‬ﯾﻌﺘﺒﺮ اﻟﻤﺪى أﻛﺜﺮ ﻣﻘﺎﯾﯿﺲ اﻟﺘﺸﺘﺖ ﺑﺪاﺋﯿﺔ‪ .‬ﻓﮭﻮ ﯾﻤﺜﻞ ﺑﺒﺴﺎطﺔ اﻟﻔﺮق ﺑﯿﻦ أﻋﻠﻰ ﻗﯿﻤﺔ وأﻗﻞ ﻗﯿﻤﺔ ﻓﻲ اﻟﻘﯿﻢ‬
‫اﻟﻤﻌﻄﺎة ﻋﻦ اﻟﻤﺘﻐﯿﺮ ﻣﺤﻞ اﻟﺪراﺳﺔ‪.‬‬

‫‪Range = XLargest – XSmallest‬‬

‫ﯾﺘﻤﯿﺰ اﻟﻤﺪى ﺑﺴﮭﻮﻟﺔ اﺳﺘﺨﺪاﻣﮫ وﻓﮭﻤﮫ‪ ،‬إﻻ أﻧﮫ ﻻ ﯾﻌﻄﻲ ﻓﻜﺮة واﺿﺤﺔ ﻋﻦ ﻛﯿﻔﯿﺔ اﻧﺘﺸﺎر اﻟﻤﺘﻐﯿﺮ ﻧﻈﺮا ً ﻻﻋﺘﻤﺎده ﻋﻠﻰ ﻗﯿﻤﺘﯿﻦ‬
‫ﻓﻘﻂ ﻣﻦ ﻣﺠﻤﻮع ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮ‪.‬‬

‫‪ 2-3-2‬اﻟﺘﺒﺎﯾﻦ واﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري )‪ :(Variance and Standard Deviation‬ﯾﻌﺮف اﻻﻧﺤﺮاف ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻋﻠﻰ‬
‫أﻧﮫ اﻧﺤﺮاف اﻟﻘﯿﻤﺔ اﻟﻤﺸﺎھﺪة ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ‪ .‬ﻟﻜﻦ ﻟﺪى اﺳﺘﺨﺪام ھﺬا اﻟﻤﺆﺷﺮ ﻟﻠﺘﻌﺮف ﻋﻠﻰ ﺗﺸﺘﺖ اﻟﻘﯿﻢ ﺣﻮل اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ‬
‫ﺳﻨﻼﺣﻆ أن ﻣﺠﻤﻮع اﻧﺤﺮاﻓﺎت اﻟﻘﯿﻢ ﻋﻦ وﺳﻄﮭﺎ اﻟﺤﺴﺎﺑﻲ ﯾﺴﺎوي اﻟﺼﻔﺮ داﺋﻤﺎً‪.‬‬
‫‪36‬‬
‫ﻟﺤﻞ ھﺬه اﻟﻤﺸﻜﻠﺔ اﻗﺘﺮح ﻣﻘﯿﺎس ﻟﻠﺘﺸﺘﺖ أطﻠﻖ ﻋﻠﯿﮫ اﺳﻢ اﻟﺘﺒﺎﯾﻦ ‪ .Variance‬وﯾﻌﺮف اﻟﺘﺒﺎﯾﻦ ﺑﺄﻧﮫ ﻣﺘﻮﺳﻂ ﻣﺮﺑﻌﺎت اﻻﻧﺤﺮاﻓﺎت‬
‫)ﻣﻘﺪار ﺗﺸﺘﺖ اﻟﻘﯿﻢ ﻋﻦ وﺳﻄﮭﺎ اﻟﺤﺴﺎﺑﻲ(‪.‬‬

‫𝟐𝟐) �‬
‫𝑿𝑿 ‪∑(𝒙𝒙 −‬‬
‫𝟐𝟐‬
‫= 𝑺𝑺‬
‫𝟏𝟏 ‪𝒏𝒏 −‬‬

‫ﯾﻌﺘﺒﺮ اﻟﺘﺒﺎﯾﻦ ﻣﻦ ﻣﻘﺎﯾﯿﺲ اﻟﺘﺸﺘﺖ اﻟﺸﮭﯿﺮة وﻧﻼﺣﻆ ﻣﻦ اﻟﻤﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ أﻧﮫ ﻻ ﯾﻤﻜﻦ أن ﯾﻜﻮن ﺳﺎﻟﺒﺎً‪ .‬وھﻮ ﯾﺸﯿﺮ إﻟﻰ ﻣﺪى ﺗﺸﺘﺖ‬
‫اﻟﺒﯿﺎﻧﺎت ﺣﻮل اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ‪ ،‬ﻓﻌﻨﺪﻣﺎ ﺗﺘﺠﻤﻊ اﻟﺒﯿﺎﻧﺎت ﺣﻮل اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ )ﺗﺸﺘﺖ ﺿﻌﯿﻒ( ﯾﻜﻮن اﻟﺘﺒﺎﯾﻦ ﺻﻐﯿﺮاً‪ ،‬وﺑﺎﻟﻌﻜﺲ‪.‬‬

‫ﻟﻜﻦ وﻧﺘﯿﺠﺔ ﻻﻋﺘﻤﺎد اﻟﺘﺒﺎﯾﻦ ﻋﻠﻰ ﺗﺮﺑﯿﻊ اﻻﻧﺤﺮاﻓﺎت ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻓﺈﻧﮫ ﻻ ﯾﺘﻤﺎﺷﻰ ﻣﻊ وﺣﺪة ﻗﯿﺎس اﻟﻤﺘﻐﯿﺮ ﻣﺤﻞ اﻟﺪراﺳﺔ‪.‬‬
‫ﻟﺬا وﻟﻠﻌﻮدة إﻟﻰ وﺣﺪة اﻟﻘﯿﺎس اﻷﺻﻠﯿﺔ ﯾﺘﻢ ﻋﺎدة ً اﺣﺘﺴﺎب اﻟﺠﺬر اﻟﺘﺮﺑﯿﻌﻲ ﻟﻠﺘﺒﺎﯾﻦ‪ ،‬وﯾﻄﻠﻖ ﻋﻠﻰ اﻟﻘﯿﻤﺔ اﻟﻨﺎﺗﺠﺔ اﺳﻢ اﻻﻧﺤﺮاف‬
‫اﻟﻤﻌﯿﺎري ‪.Standard Deviation‬‬

‫ﯾﻌﺘﺒﺮ اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري اﻟﻤﻘﯿﺎس اﻷﺷﮭﺮ واﻷﻛﺜﺮ اﺳﺘﺨﺪاﻣﺎ ً ﻟﻠﺘﺸﺘﺖ ﻧﻈﺮا ً ﻟﺴﮭﻮﻟﺔ اﻟﺘﻌﺎﻣﻞ ﻣﻌﮫ رﯾﺎﺿﯿﺎ ً وﻟﻜﻮﻧﮫ ﯾﺄﺧﺬ ﻛﺎﻓﺔ‬
‫اﻟﻘﯿﻢ ﺑﻌﯿﻦ اﻻﻋﺘﺒﺎر‪ ،‬ﻟﻜﻨﮫ ﯾﺘﺄﺛﺮ ﺑﺸﻜﻞ واﺿﺢ ﺑﺎﻟﻘﯿﻢ اﻟﺸﺎذة‪.‬‬

‫ﺑﺎﻟﻌﻮدة إﻟﻰ ﻣﺜﺎﻟﻨﺎ اﻟﺴﺎﺑﻖ‪ ،‬وﻟﻠﺤﺼﻮل ﻋﻠﻰ ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ وﻣﻘﺎﯾﯿﺲ اﻟﺘﺸﺘﺖ ﻟﻠﻤﺘﻐﯿﺮ ﺣﺐ اﻟﻤﻨﺘﺞ ﻧﺘﺒﻊ اﻟﻤﺴﺎر اﻟﺘﺎﻟﻲ‪:‬‬
‫‪.Statistics  Frequencies  Descriptive Statistics  Analyze‬‬

‫‪37‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(5/2‬إظﮭﺎر ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ واﻟﺘﺸﺘﺖ واﻟﺮﺑﯿﻌﯿﺎت ﺿﻤﻦ اﻟﻨﺎﻓﺬة ‪Statistics‬‬

‫ﯾﻈﮭﺮ اﻟﺠﺪول )‪ (2/2‬ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ ﻟﻠﻤﺘﻐﯿﺮ ﺣﺐ اﻟﻤﻨﺘﺞ ﺣﯿﺚ أن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﯾﺴﺎوي ‪ 3.37‬واﻟﻮﺳﯿﻂ ‪4‬‬
‫واﻟﻤﻦ‪/‬وال ‪ .5‬ﻛﻤﺎ ﯾﺒﻦ أن ﻗﯿﻤﺔ اﻟﺮﺑﯿﻊ اﻷول أو اﻷدﻧﻰ ﺗﺴﺎوي ‪ 2‬واﻟﺮﺑﯿﻊ اﻟﺜﺎﻧﻲ ‪ 4‬واﻟﺮﺑﯿﻊ اﻟﺜﺎﻟﺚ أو اﻷﻋﻠﻰ ‪ .5‬أﻣﺎ ﺑﺎﻟﻨﺴﺒﺔ‬
‫ﻟﻤﻘﺎﯾﯿﺲ اﻟﺘﺸﺘﺖ ﻓﻨﻼﺣﻆ أن اﻟﻤﺪى ﯾﺴﺎوي ‪ 4‬واﻟﺘﺒﺎﯾﻦ ‪ 1.89‬واﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري ‪.1.37‬‬

‫‪38‬‬
 ‫اﻟﺠﺪول رﻗﻢ )‪ :(2/2‬ﻣﻘﺎﯾﯿﺲ اﻟﻨﺰﻋﺔ اﻟﻤﺮﻛﺰﯾﺔ واﻟﺘﺸﺘﺖ واﻟﺮﺑﯿﻌﯿﺎت ﻟﻤﺘﻐﯿﺮ ﺣﺐ اﻟﻤﻨﺘﺞ‬

‫وﻓﻲ ﺳﯿﺎق ﻣﺘﺼﻞ ﯾﻌﺘﺒﺮ ﻣﺨﻄﻂ اﻟﺼﻨﺪوق ‪ Boxplot‬وﺳﯿﻠﺔ ﺟﯿﺪة ﻟﺘﻤﺜﯿﻞ اﻟﻤﺘﻐﯿﺮات‪ .‬ﺣﯿﺚ ﯾﺴﻤﺢ ﻟﻨﺎ ﺑﻌﺮض ﺧﻤﺲ ﻗﯿﻢ ھﻲ‬
‫اﻟﻘﯿﻤﺔ اﻟﺼﻐﺮى‪ ،‬وﻗﯿﻤﺔ اﻟﺮﺑﯿﻊ اﻷول أو اﻟﺮﺑﯿﻊ اﻷدﻧﻰ‪ ،‬واﻟﻮﺳﯿﻂ أو اﻟﺮﺑﯿﻊ اﻟﺜﺎﻧﻲ‪ ،‬واﻟﺮﺑﯿﻊ اﻟﺜﺎﻟﺚ أو اﻷﻋﻠﻰ‪ ،‬واﻟﻘﯿﻤﺔ اﻟﻌﻈﻤﻰ‪.‬‬
‫وﯾﻤﻜﻦ ﻟﻤﺨﻄﻂ اﻟﺼﻨﺪوق أﯾﻀﺎ ً أن ﯾﺸﯿﺮ إﻟﻰ اﻟﻘﯿﻢ اﻟﺸﺎذة ﻓﻲ ﺣﺎل وﺟﻮدھﺎ‪.‬‬

‫‪39‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(6/2‬ﻣﺨﻄﻂ اﻟﺼﻨﺪوق‬

‫وﯾﻤﻜﻦ اﻟﺤﺼﻮل ﻋﻠﻰ ﻣﺨﻄﻂ اﻟﺼﻨﺪوق ﻟﻤﺘﻐﯿﺮ ﺣﺐ اﻟﻤﻨﺘﺞ ﻣﻦ ﺧﻼل اﻟﻤﺴﺎر اﻟﺘﺎﻟﻲ‪:‬‬

‫‪BoxPlot  Legacy Dialogs  Graphs‬‬

‫ﻓﻲ اﻟﻨﺎﻓﺬة ‪ Boxplot‬ﻧﺨﺘﺎر ‪ Simple‬وأﯾﻀﺎ ً ﻧﺨﺘﺎر ‪.Summaries of Separate Variables‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(7/2‬ﻧﺎﻓﺬ ‪Boxplot‬‬

‫‪40‬‬
‫وﻣﻦ ﺛﻢ ﻧﺴﺤﺐ اﻟﻤﺘﻐﯿﺮ ﺣﺐ اﻟﻤﻨﺘﺞ إﻟﻰ ﺧﺎﻧﺔ ‪ Boxes Represent‬ﺿﻤﻦ اﻟﻨﺎﻓﺬة ‪Define Simple Boxplot:‬‬
‫‪ Summaries of Separate Variables‬وﻧﻨﻘﺮ ﻓﻮق ‪ OK‬ﻟﯿﻈﮭﺮ ﻣﺨﻄﻂ اﻟﺼﻨﺪوق‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(8/2‬طﺮﯾﻘﺔ إظﮭﺎر ﻣﺨﻄﻂ اﻟﺼﻨﺪوق ﻟﻠﻤﺘﻐﯿﺮ ﺣﺐ اﻟﻤﻨﺘﺞ‬

‫‪41‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(9/2‬ﻣﺨﻄﻂ اﻟﺼﻨﺪوق ﻟﻠﻤﺘﻐﯿﺮ ﺣﺐ اﻟﻤﻨﺘﺞ‬

‫‪ 4-2‬ﺷﻜﻞ اﻟﺘﻮزﯾﻊ )‪(Distribution Form‬‬

‫ﻓﻲ اﻟﺤﺎﻟﺔ اﻟﻤﺜﺎﻟﯿﺔ ﺗﻜﻮن ﺑﯿﺎﻧﺎت اﻟﻤﺘﻐﯿﺮ ﻣﻮزﻋﺔ ﺑﺸﻜﻞ ﯾﺘﻮاﻓﻖ ﻣﻊ ﺷﻜﻞ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ‪ ، Normal Distribution‬ﺣﯿﺚ ﺗﺘﻮزع‬
‫اﻟﺒﯿﺎﻧﺎت ﺑﺸﻜﻞ ﻣﺘﻨﺎظﺮ ﺗﻤﺎﻣﺎ ً ﺣﻮل ﻣﺮﻛﺰھﺎ‪ .‬وﻋﺎدة ﻣﺎ ﯾُﺸﺒّﮫ ﺷﻜﻞ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﺑﺸﻜﻞ اﻟﺠﺮس‪ .‬ﻓﺈذا رﺳﻢ اﻟﺒﺎﺣﺚ اﻟﻤﺪرج‬
‫اﻟﺘﻜﺮاري ‪ histogram‬ﻟﺒﯿﺎﻧﺎت ﻣﻮزﻋﺔ ﺑﺸﻜﻞ طﺒﯿﻌﻲ ﺳﯿﺠﺪ أن اﻟﺒﯿﺎﻧﺎت ﺗﺘﻮﺿﻊ ﺑﺸﻜ ٍﻞ ﻣﺘﻨﺎظﺮ ﺣﻮل اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ‪ .‬ﻛﻤﺎ ﺗﻜﻮن‬
‫ﻗﯿﻢ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ واﻟﻮﺳﯿﻂ واﻟﻤﻨﻮال ﻣﺘﺴﺎوﯾﺔ ﺗﻤﺎﻣﺎً‪.‬‬

‫‪42‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(10/2‬اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬

‫إذا ً ﺗﺘﺠﻤﻊ ﻣﻌﻈﻢ اﻟﺒﯿﺎﻧﺎت ﻓﻲ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﺣﻮل ﻣﺮﻛﺰ اﻟﺘﻮزﯾﻊ )أطﻮل اﻷﻋﻤﺪة ﻓﻲ اﻟﻤﺪرج اﻟﺘﻜﺮاري(‪ .‬وﺑﺎﻻﺑﺘﻌﺎد ﻋﻦ‬
‫ﻣﺮﻛﺰ اﻟﺘﻮزﯾﻊ ﺗﻘﻞ اﻟﺒﯿﺎﻧﺎت )ﻛﻠﻤﺎ ﻛﺎن طﻮل اﻷﻋﻤﺪة ﻓﻲ اﻟﻤﺪرج اﻟﺘﻜﺮاراي أﺻﻐﺮ(‪.‬‬

‫وﻓﻲ ﺣﺎﻟﺔ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻓﺈن ﺣﻮاﻟﻲ ‪ %68‬ﻣﻦ اﻟﺒﯿﺎﻧﺎت ﺗﺒﻌﺪ ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﺑﻤﻘﺪار اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري وﺗﺒﻌﺪ ﺣﻮاﻟﻲ‬
‫‪ %95‬ﻣﻦ اﻟﺒﯿﺎﻧﺎت ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﺑﻤﻘﺪار ﺿﻌﻔﻲ اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري‪ ،‬ﻓﯿﻤﺎ ﺗﺒﻌﺪ ‪ %99‬ﻣﻦ اﻟﺒﯿﺎﻧﺎت ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ‬
‫ﺑﻤﻘﺪار ﺛﻼﺛﺔ أﺿﻌﺎف اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري‪.‬‬

‫ﺑﻤﻌﻨﻰ آﺧﺮ‪ ،‬ﺳﺘﺘﻮاﺟﺪ ‪ %68‬ﻣﻦ اﻟﺒﯿﺎﻧﺎت ﺿﻤﻦ اﻟﻤﺠﺎل اﻟﻤﻌﺮف ﺑﺎﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ‪ ±‬اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري )𝑺𝑺 ‪� ±‬‬
‫𝑿𝑿(‪ .‬وﺳﺘﺘﻮاﺟﺪ‬
‫‪ %95‬ﻣﻦ اﻟﺒﯿﺎﻧﺎت ﺿﻤﻦ اﻟﻤﺠﺎل𝟐𝟐𝟐𝟐 ‪� ±‬‬
‫𝑿𝑿‪.‬‬

‫‪43‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(11/2‬ﺗﻮزﯾﻊ اﻟﺘﻜﺮارت واﻻﺣﺘﻤﺎﻻت ﻓﻲ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬

‫أﻣﺎ ﻓﻲ اﻟﻮاﻗﻊ ﻓﺈن ﻣﻦ اﻟﻨﺎدر اﻟﺤﺼﻮل ﻋﻠﻰ ﺷﻜﻞ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ اﻟﻤﺜﺎﻟﻲ‪ ،‬ﻟﺬا وﻟﻠﺘﻌﺮف ﻋﻠﻰ طﺒﯿﻌﺔ ﺗﻮزﯾﻊ اﻟﺒﯿﺎﻧﺎت )اﻟﻤﺘﻐﯿﺮ(‬
‫ﯾﻤﻜﻦ اﻟﻠﺠﻮء إﻟﻰ اﺧﺘﺒﺎر اﻻﻟﺘﻮاء ‪ Skewness‬واﻟﺘﻔﻠﻄﺢ ‪.Kurtosis‬‬

‫‪ 1-4-2‬اﻻﻟﺘﻮاء )‪ :(Skewness‬ﺗﻌﻄﻲ ﻗﯿﻤﺔ اﻻﻟﺘﻮاء ‪ Skewness‬ﻓﻜﺮة ﻋﻦ ﺗﻤﺮﻛﺰ ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺮاد ﻣﻌﺮﻓﺔ ﺷﻜﻞ ﺗﻮزﯾﻌﮫ‪ .‬ﻓﺈذا‬
‫ﻛﺎﻧﺖ ﻗﯿﻢ ھﺬا اﻟﻤﺘﻐﯿﺮ ﺗﺘﻤﺮﻛﺰ ﺑﺎﺗﺠﺎه اﻟﻘﯿﻢ اﻟﺼﻐﯿﺮة أﻛﺜﺮ ﻣﻦ ﺗﻤﺮﻛﺰھﺎ ﺑﺎﺗﺠﺎه اﻟﻘﯿﻢ اﻟﻜﺒﯿﺮة ﯾﻜﻮن ﺷﻜﻞ اﻟﺘﻮزﯾﻊ ﻟﮭﺬا اﻟﻤﺘﻐﯿﺮ‬
‫ﻣﻠﺘ ٍﻮ ﻧﺤﻮ اﻟﯿﻤﯿﻦ وﯾﺴﻤﻰ ﻣﻮﺟﺐ اﻻﻟﺘﻮاء‪ ،‬وﻓﻲ اﻟﺤﺎﻟﺔ اﻟﻤﻌﺎﻛﺴﺔ ﯾﻜﻮن اﻟﺘﻮاء اﻟﻤﺘﻐﯿﺮ ﺳﺎﻟﺒﺎ ً أو أن ﺷﻜﻞ اﻟﺘﻮزﯾﻊ ﻟﮭﺬا اﻟﻤﺘﻐﯿﺮ‬
‫ﻣﻠﺘ ٍﻮ ﻧﺤﻮ اﻟﯿﺴﺎر‪.‬‬

‫ﺑﻤﻌﻨﻰ آﺧﺮ‪ ،‬ﻋﻨﺪ ﺗﻤﺜﯿﻞ اﻟﺒﯿﺎﻧﺎت ﺑﺎﻻﺳﺘﻌﺎﻧﺔ ﺑﺎﻟﻤﺪرج اﻟﺘﻜﺮاري ‪ histogram‬ﯾﻜﻮن اﻟﺘﻮزﯾﻊ ﻣﻠﺘﻮﯾﺎ ً ﻧﺤﻮ اﻟﯿﻤﯿﻦ إذا اﻣﺘﺪ ﺷﻜﻞ‬
‫اﻟﺘﻮزع أو ﻣﻨﺤﻨﻰ اﻟﺘﻮزع ﻧﺤﻮ اﻟﯿﻤﯿﻦ ﺑﺸﻜﻞ أﻛﺒﺮ ﻣﻦ اﻣﺘﺪاده ﻧﺤﻮ اﻟﯿﺴﺎر )واﻟﻌﻜﺲ ﺑﺎﻟﻌﻜﺲ(‪.‬‬

‫‪44‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(12/2‬ﺷﻜﻞ اﻟﺘﻮزﯾﻊ اﻟﻤﻠﺘﻮي‬

‫وﻋﻨﺪﻣﺎ ﯾﻜﻮن اﻟﺘﻮزﯾﻊ ﻣﻠﺘﻮﯾﺎ ً ﻧﺤﻮ اﻟﯿﻤﯿﻦ‪ ،‬ﻓﺈن اﻟﻘﯿﻢ اﻟﻤﺘﻄﺮﻓﺔ ﻧﺤﻮ اﻟﯿﻤﯿﻦ ﺗﺆﺛﺮ ﻋﻠﻰ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﺑﺴﺤﺒﮫ ﻧﺤﻮ اﻟﯿﻤﯿﻦ‪ .‬وﺑﺬﻟﻚ‬
‫ﯾﻜﻮن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ أﻛﺒﺮ ﻣﻦ اﻟﻮﺳﯿﻂ‪ .‬أﻣﺎ إذا ﻛﺎن اﻟﺘﻮزﯾﻊ ﻣﻠﺘﻮﯾﺎ ً ﻧﺤﻮ اﻟﯿﺴﺎر‪ ،‬ﻓﺈن اﻟﻘﯿﻢ اﻟﻤﺘﻄﺮﻓﺔ اﻟﺼﻐﯿﺮة ﺗﺴﺤﺐ اﻟﻮﺳﻂ‬
‫اﻟﺤﺴﺎﺑﻲ إﻟﻰ اﻟﯿﺴﺎر‪ ،‬وﻟﮭﺬا ﯾﻜﻮن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ أﺻﻐﺮ ﻣﻦ اﻟﻮﺳﯿﻂ‪ .‬وﯾﻜﻮن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻣﺴﺎوﯾﺎ ً ﻟﻠﻮﺳﯿﻂ وﻟﻠﻤﻨﻮال ﻋﻨﺪﻣﺎ‬
‫ﯾﻜﻮن اﻟﺘﻮزﯾﻊ ﻣﺘﻨﺎظﺮاً‪.‬‬

‫ﺗﻜﻮن ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻻﻟﺘﻮاء ﻣﺴﺎوﯾﺔ ﻟﻠﺼﻔﺮ إذا ﻛﺎن اﻟﺘﻮزﯾﻊ طﺒﯿﻌﯿﺎ ً ﺑﺸﻜﻞ ﻣﺜﺎﻟﻲ‪ .‬وﺑﺸﻜﻞ ﺗﻘﺮﯾﺒﻲ‪ ،‬ﯾﻌﺘﺒﺮ اﻻﻟﺘﻮاء ﻣﻘﺒﻮﻻً إذا ﻛﺎﻧﺖ‬
‫ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻻﻟﺘﻮاء ﺿﻤﻦ اﻟﻤﺠﺎل ]‪[−1, +1‬؛أي إذا ﻛﺎن‪:‬‬

‫‪45‬‬
 ‫‪-1 ≤ Skewness ≤ +1‬‬
‫‪ 2-4-2‬اﻟﺘﻔﻠﻄﺢ )‪ :(Kurtosis‬اﻟﺘﻔﻠﻄﺢ ھﻮ ﺗﻮزﯾﻊ ﯾﻤﺜﻞ ﺗﻜﺮارات اﻟﻘﯿﻢ ﻋﻠﻰ طﺮﻓﻲ اﻟﻤﺘﻐﯿﺮ‪ ،‬وھﻮ ﯾﻤﺜﻞ درﺟﺔ ارﺗﻔﺎع اﻟﺘﻮزﯾﻊ‬
‫ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ أو ﻣﺪى ﺗﺮﻛﺰ اﻟﺒﯿﺎﻧﺎت ﻓﻲ وﺳﻂ اﻟﺘﻮزﯾﻊ أو ﻋﻠﻰ طﺮﻓﯿﮫ‪.‬‬

‫ﯾﺪل ﻣﻌﺎﻣﻞ اﻟﺘﻔﻠﻄﺢ ‪ Kurtosis‬ﻋﻠﻰ ﻣﺪى ﺗﺤﺪب أو ﺗﺴﻄﺢ ﺷﻜﻞ اﻟﺘﻮزﯾﻊ‪ .‬ﻓﺈذا ﺗﻮزﻋﺖ اﻟﺒﯿﺎﻧﺎت ﺑﺸﻜﻞ ﻛﺒﯿﺮ ﺑﺎﺗﺠﺎه طﺮﻓﻲ )ذﯾﻠﻲ(‬
‫اﻟﻤﺪرج اﻟﺘﻜﺮاري ‪ histogram‬ﯾﻤﯿﻞ اﻟﺘﻮزﯾﻊ ﻷن ﯾﻜﻮن ﻣﺴﻄﺤﺎ ً ﻣﻘﺎرﻧﺔ ﺑﺎﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ وﯾﻘﺎل ﺑﺄن اﻟﺸﻜﻞ ﻛﺒﯿﺮ اﻟﺘﻔﻠﻄﺢ وﯾﻜﻮن‬
‫ﻣﻌﺎﻣﻞ ‪ Kurtosis‬ذا ﻗﯿﻤﺔ ﺳﺎﻟﺒﺔ‪.‬‬

‫أﻣﺎ إذا ﺗﺮﻛﺰت اﻟﺒﯿﺎﻧﺎت ﺣﻮل ﻗﻤﺔ اﻟﺘﻮزﯾﻊ ﻓﺈن اﻟﺘﻮزﯾﻊ ﺳﯿﻜﻮن ذا ﺷﻜﻞ ﻣﺪﺑﺐ أو ﻗﻠﯿﻞ اﻟﺘﻔﻠﻄﺢ ﻣﻘﺎرﻧﺔ ﻣﻊ ﺷﻜﻞ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪،‬‬
‫وﯾﻜﻮن ﻣﻌﺎﻣﻞ ‪ Kurtosis‬ذا ﻗﯿﻤﺔ ﻣﻮﺟﺒﺔ‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(13/2‬اﻟﺘﻔﻠﻄﺢ‬

‫وﯾﻌﺘﺒﺮ اﻟﺘﻔﻠﻄﺢ ﻣﻘﺒﻮﻻً إذا ﺗﺮاوﺣﺖ ﻗﯿﻤﺔ ‪ Kurtosis‬ﺿﻤﻦ اﻟﻤﺠﺎل ]‪ .[−1, +1‬وﯾﻼﺣﻆ ﻋﺪم وﺟﻮد ﺗﺄﺛﯿﺮ ﻛﺒﯿﺮ ﻟﻠﺘﻔﻠﻄﺢ ﻋﻠﻰ‬
‫ﻧﺘﺎﺋﺞ اﻟﺘﺤﻠﯿﻼت اﻹﺣﺼﺎﺋﯿﺔ ﻟﺬا ﯾﺘﺴﺎﻣﺢ اﻟﻜﺜﯿﺮ ﻣﻦ اﻟﺨﺒﺮاء ﻣﻊ ﻗﯿﻢ ‪ Kurtosis‬وﯾﻌﺘﺒﺮوﻧﮭﺎ ﻣﻘﺒﻮﻟﺔ ﺿﻤﻦ اﻟﻤﺠﺎل ]‪.[−3, +3‬‬

‫‪46‬‬
 ‫ﻛﻤﺎ أن ﺗﺄﺛﯿﺮ اﻻﻟﺘﻮاء واﻟﺘﻔﻠﻄﺢ ﻋﻠﻰ ﻧﺘﺎﺋﺞ اﻟﺘﺤﻠﯿﻼت اﻹﺣﺼﺎﺋﯿﺔ ﯾﻀﻌﻒ ﺑﺸﻜﻞ ﻛﺒﯿﺮ ﻣﻊ زﯾﺎدة ﺣﺠﻢ اﻟﻌﯿﻨﺔ )‪.(200+‬‬

‫وﻓﻲ ‪ SPSS‬ﯾﻈﮭﺮ ﻣﻌﺎﻣﻼ اﻻﻟﺘﻮاء واﻟﺘﻔﻠﻄﺢ ﺿﻤﻦ اﻟﻨﺎﻓﺬة ‪ Statistics‬اﻟﻤﻨﺒﺜﻘﺔ ﻣﻦ اﻟﻨﺎﻓﺬة ‪.Frequencies‬‬

‫ﺑﺎﻟﻌﻮدة إﻟﻰ ﻣﺜﺎﻟﻨﺎ ﯾﻈﮭﺮ اﻟﻤﺪرج اﻟﺘﻜﺮاري واﻟﻨﺘﺎﺋﺞ اﻟﻤﺘﻌﻠﻘﺔ ﺑﻤﺘﻐﯿﺮ ﺣﺐ اﻟﻤﻨﺘﺞ أن ﻗﯿﻤﺔ ‪ Skewness‬ﺗﺴــﺎوي ‪ -0.338‬وھﻲ‬
‫ﺗﺸﯿﺮ إﻟﻰ اﻟﺘﻮاء ﻧﺤﻮ اﻟﯿﺴﺎر أي ﻧﺤﻮ اﻟﻘﯿﻢ اﻟﺼﻐﯿﺮة‪ ،‬وھﺬا ﻣﺎ ﺗﻈﮭﺮه اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ واﻟﻮﺳﯿﻂ ﺣﯿﺚ أن اﻟﻮﺳﻂ‬
‫اﻟﺤﺴﺎﺑﻲ )‪ (3.37‬أﺻﻐﺮ ﻣﻦ اﻟﻮﺳﯿﻂ )‪ .(4‬ﻛﻤﺎ ﯾﺸﯿﺮ ﻣﻌﺎﻣﻞ اﻟﺘﻔﻠﻄﺢ )‪ (Kurtosis = -1.128‬إﻟﻰ أن ﺗﻮزﯾﻊ اﻟﻤﺘﻐﯿﺮ ﯾﻤﯿﻞ ﻧﺤﻮ‬
‫اﻟﺘﻔﻠﻄﺢ أو اﻟﺘﺴﻄﺢ ﻣﻘﺎرﻧﺔ ﺑﺎﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪ ،‬وﻟﻜﻦ اﻟﻘﯿﻤﺘﯿﻦ ﺗﺒﻘﯿﺎن ﺿﻤﻦ اﻟﺤﺪود اﻟﻤﻘﺒﻮﻟﺔ ﻟﺸﻜﻞ اﻟﺘﻮزﯾﻊ‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(14/2‬ﺷﻜﻞ اﻟﺘﻮزﯾﻊ ﻟﻠﻤﺘﻐﯿﺮ ﺣﺐ اﻟﻤﻨﺘﺞ‬

‫‪ 5-2‬ﺟﺪاول اﻟﺘﻘﺎطﻊ )‪(Cross Tabulations‬‬

‫ﺗﺴﺘﻌﻤﻞ ﺟﺪاول اﻟﺘﻘﺎطﻊ ‪ Cross tabulations‬ﻟﺘﻮﺻﯿﻒ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ أو أﻛﺜﺮ ﻣﻦ اﻟﻨﻮع اﻟﺘﺮﺗﯿﺒﻲ أو اﻻﺳﻤﻲ ﻋﻠﻰ وﺟﮫ‬
‫اﻟﺨﺼﻮص وﯾﻤﻜﻦ اﺳﺘﺨﺪاﻣﮭﻤﺎ ﻣﻊ اﻷﻧﻮاع اﻷﺧﺮى‪ .‬وﺗﻌﺘﺒﺮ ﺟﺪاول اﻟﺘﻘﺎطﻊ ﻣﻦ اﻟﻄﺮق اﻟﺸﺎﺋﻌﺔ ﻟﺘﺤﻠﯿﻞ اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﺒﯿﺎﻧﺎت‬
‫اﻻﺳﻤﯿﺔ‪ ،‬ﻷﻧﮭﺎ ﺳﮭﻠﺔ اﻟﺘﻔﺴﯿﺮ واﻟﻔﮭﻢ ﻣﻦ ﻗﺒﻞ اﻟﻤﺪراء ﻗﻠﯿﻠﻲ اﻟﺨﺒﺮة ﺑﺎﻹﺣﺼﺎء ﺣﯿﺚ ﺗﺆدي ﺳﮭﻮﻟﺔ اﻟﺘﻔﺴﯿﺮ إﻟﻰ زﯾﺎدة اﻻرﺗﺒﺎط‬
‫ﺑﯿﻦ ﻧﺘﺎﺋﺞ اﻟﺒﺤﺚ واﻟﻘﺮارات واﻹﺟﺮاءات اﻹدارﯾﺔ‪ .‬ﻛﻤﺎ ﯾﻤﻜﻦ أن ﺗﻘﺪم ﺳﻠﺴﻠﺔ ﻣﻦ ﺟﺪاول اﻟﺘﻘﺎطﻊ ﻓﮭﻤﺎ ً أﻋﻤﻖ ﻟﻠﻈﻮاھﺮ اﻟﻤﻌﻘﺪة‪.‬‬

‫‪47‬‬
 ‫وﺑﺎﻹﺿﺎﻓﺔ إﻟﻰ ذﻟﻚ ﻓﺈن ﺟﺪاول اﻟﺘﻘﺎطﻊ ﺗﺘﻤﺘﻊ ﺑﺴﮭﻮﻟﺔ اﻟﺒﻨﺎء‪.‬‬

‫ﺻﻒ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ أﺷﻜﺎﻻً ﻣﺘﻌﺪدة‪ .‬وﻋﺎدة ﻣﺎ ﯾﺮﻣﺰ ﻟﺠﺪاول اﻟﺘﻘﺎطﻊ ﺗﺒﻌﺎ ً ﻟﻌﺪد اﻟﺼﻔﻮف‬
‫ﺗﺄﺧﺬ ﺟﺪاول اﻟﺘﻘﺎطﻊ اﻟﺘﻲ ﺗﻮ ّ‬
‫)اﻷﺳﻄﺮ( واﻷﻋﻤﺪة ﻓﻲ اﻟﺠﺪول أي ﺗﺒﻌﺎ ً ﻟﺤﺎﻻت ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬ﺗﻜﻮن ﺟﺪاول اﻟﺘﻘﺎطﻊ أو اﻻﻗﺘﺮان ‪ table 2×2‬ﻓﻲ ﺣﺎﻟﺔ‬
‫ﻣﺘﻐﯿﺮﯾﻦ ﻟﻜﻞ ﻣﻨﮭﻤﺎ ﺣﺎﻟﺘﺎن واﻟﺠﺪاول اﻟﻤﺘﻌﺪدة اﻟﺘﻲ ﺗﺘﻜﻮن ﻣﻦ أﻛﺜﺮ ﻣﻦ ﺻﻔﯿﻦ وﻋﻤﻮدﯾﻦ‪ .‬ﯾﺸﺎر إﻟﻰ ﺟﺪول اﻟﺘﻘﺎطﻊ إذا ً ﺑﺎﻟﺮﻣﺰ‬
‫‪table n×m‬؛ ﺣﯿﺚ ﺗﺮﻣﺰ ‪ n‬ﻟﻌﺪد اﻟﺼﻔﻮف و ‪ m‬ﻟﻌﺪد اﻷﻋﻤﺪة‪.‬‬

‫ﻓﻲ ﻣﺜﺎﻟﻨﺎ اﻟﺴﺎﺑﻖ إذا أراد اﻟﺒﺎﺣﺚ ﺗﻮﺻﯿﻒ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺸﺎھﺪة اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة ﻓﻲ اﻹﻋﻼن وﺗﻜﺮ اﻟﻤﻨﺘﺞ ﻣﻦ ﻗﺒﻞ اﻟﻄﻼب‬
‫ﻓﺈن ﺑﺈﻣﻜﺎﻧﮫ اﻟﻠﺠﻮء إﻟﻰ ﺑﻨﺎء ﺟﺪول اﻟﺘﻘﺎطﻊ ﻣﺸﺎھﺪة اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة × ﺗﺬﻛﺮ اﻟﻤﻨﺘﺞ‪.‬‬

‫ﻹﻧﺸﺎء ﺟﺪول اﻟﺘﻘﺎطﻊ ﻓﻲ ‪ SPSS‬ﯾﻤﻜﻦ اﺗﺒﺎع اﻟﻤﺴﺎر اﻟﺘﺎﻟﻲ‪.Crosstabs Descriptive Statistics Analyze :‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(15/2‬إﻧﺸﺎء ﺟﺪول اﻟﺘﻘﺎطﻊ‬

‫ﺗﻈﮭﺮ اﻟﻨﺎﻓﺬة ‪ .Crosstabs‬ﯾُﺴﺤﺐ اﻟﻤﺘﻐﯿﺮ "ﻣﺸﺎھﺪة اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة" إﻟﻰ )‪ Column(s‬واﻟﻤﺘﻐﯿﺮ "ﺗﺬﻛﺮ اﻟﻤﻨﺘﺞ" إﻟﻰ‬
‫)‪ .Row(s‬وﻓﻲ اﻟﺤﻘﯿﻘﺔ ﻟﻦ ﺗﺨﺘﻠﻒ اﻟﻨﺘﯿﺠﺔ إذا ﻣﺎ ُوﺿ َﻊ "ﻣﺸﺎھﺪة اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة" ﻓﻲ اﻟﺼﻔﻮف و"ﺗﺬﻛﺮ اﻟﻤﻨﺘﺞ" ﻓﻲ اﻷﻋﻤﺪة‬
‫وﻟﻜﻦ واﺻﻄﻼﺣﺎ ً ﯾﻨﺼﺢ ﺑﻮﺿﻊ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻓﻲ اﻷﻋﻤﺪة واﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﻓﻲ اﻟﺼﻔﻮف‪.‬‬

‫‪48‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(16/2‬اﻟﻨﺎﻓﺬة ‪Crosstabs‬‬

‫وإذا ﻧﻘﺮ اﻟﺒﺎﺣﺚ ﻓﻮق اﻟﺰر ‪ Cells‬ﺳﺘﻈﮭﺮ اﻟﻨﺎﻓﺬة اﻟﺘﺎﻟﯿﺔ اﻟﺘﻲ ﺗﻤﻜﻨﮫ ﻣﻦ اﻟﺘﺤﻜﻢ ﺑﻄﺮﯾﻘﺔ ﻋﺮض ﻣﺤﺘﻮﯾﺎت ﺟﺪول اﻟﺘﻘﺎطﻊ‪ .‬ﺗﻀﻢ‬
‫اﻟﻨﺎﻓﺬة ‪ Crosstabs: Cell Display‬اﻟﺨﯿﺎرات اﻟﺘﺎﻟﯿﺔ‪:‬‬
‫• اﻟﺘﻜﺮار ‪ Counts‬اﻟﺬي ﯾﺘﻀﻤﻦ اﻟﺨﯿﺎرات اﻟﺘﺎﻟﯿﺔ‪:‬‬
‫‪ :Observed −‬وھﻮ اﻟﺨﯿﺎر اﻻﻓﺘﺮاﺿﻲ ﺣﯿﺚ ﺗﻤﻸ ﺧﻼﯾﺎ اﻟﺠﺪول ﺑﺎﻟﺘﻜﺮار اﻟﻤﺸﺎھﺪ 𝑖𝑖𝑂𝑂‪.‬‬
‫‪ :Expected −‬ﺗﻤﻸ ﺧﻼﯾﺎ اﻟﺠﺪول ﺑﺎﻟﺘﻜﺮار اﻟﻤﺘﻮﻗﻊ 𝑖𝑖𝐸𝐸‪.‬‬

‫• اﻹطﺎر ‪ :Percentages‬ﯾﺘﻀﻤﻦ اﻟﺨﯿﺎرات اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪ :Rows −‬ﺗﻤﻸ ﺧﻼﯾﺎ اﻟﺠﺪول ﺑﺎﻟﻨﺴﺐ اﻟﻤﺌﻮﯾﺔ ﻣﻦ ﻣﺠﻤﻮع اﻟﺼﻒ‪.‬‬
‫‪ :Columns −‬ﺗﻤﻸ ﺧﻼﯾﺎ اﻟﺠﺪول ﺑﺎﻟﻨﺴﺐ اﻟﻤﺌﻮﯾﺔ ﻣﻦ ﻣﺠﻤﻮع اﻟﻌﻤﻮد‪.‬‬
‫‪ :Total −‬ﺗﻤﻸ ﺧﻼﯾﺎ اﻟﺠﺪول ﺑﺎﻟﻨﺴﺐ اﻟﻤﺌﻮﯾﺔ ﻣﻦ اﻟﻤﺠﻤﻮع اﻟﻜﻠﻲ‪.‬‬

‫‪49‬‬
 ‫• اﻹطﺎر ‪:Residuals‬‬
‫‪ :Unstandardized −‬ﺗﻤﻸ ﺧﻼﯾﺎ اﻟﺠﺪول ﺑﺎﻟﻔﺮق ﺑﯿﻦ اﻟﺘﻜﺮار اﻟﻤﺸﺎھﺪ واﻟﺘﻜﺮار اﻟﻤﺘﻮﻗﻊ 𝑖𝑖𝑂𝑂 𝑖𝑖𝐸𝐸 ‪. -‬‬
‫‪ :Standardized −‬ﺗﻤﻸ ﺧﻼﯾﺎ اﻟﺠﺪول ﺑﺎﻟﻔﺮق ﺑﯿﻦ اﻟﺘﻜﺮار اﻟﻤﺸﺎھﺪ واﻟﺘﻜﺮار اﻟﻤﺘﻮﻗﻊ ﻣﻘﺴﻮﻣﺎ ً ﻋﻠﻰ اﻟﺨﻄﺄ‬
‫اﻟﻤﻌﯿﺎري ﻟﮫ‪.‬‬
‫‪ :Adjusted Standardized −‬ﻧﻔﺲ اﻟﺨﯿﺎر اﻟﺴﺎﺑﻖ ﻣﻌﺒﺮا ً ﻋﻨﮫ ﺑﻮﺣﺪات اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري ﻋﻦ اﻟﻤﺘﻮﺳﻂ‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(17/2‬اﻟﻨﺎﻓﺬة ‪ Cell Display‬ﺿﻤﻦ ‪Crosstabs‬‬

‫ﯾُﺒﻘﻲ اﻟﺒﺎﺣﺚ اﻟﺨﯿﺎرات اﻻﻓﺘﺮاﺿﯿﺔ ﺿﻤﻦ ھﺬه اﻟﻨﺎﻓﺬة ﺣﺎﻟﯿﺎً‪ .‬وﯾﻤﻜﻦ ﺗﺮﺗﯿﺐ ﻋﺮض ﺻﻔﻮف اﻟﺠﺪول ﺗﺼﺎﻋﺪﯾﺎ ً أو ﺗﻨﺎزﻟﯿﺎ ً ﺑﺎﻟﻨﻘﺮ‬
‫ﻓﻮق اﻟﺰر ‪.Format‬‬

‫‪50‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(18/2‬اﻟﻨﺎﻓﺬة ‪ Table Format‬ﺿﻤﻦ ‪Crosstabs‬‬

‫ﻧﻌﻮد إﻟﻰ اﻟﻨﺎﻓﺬة ‪ Crosstabs‬وﻧﻨﻘﺮ ﻓﻮق ‪ OK‬ﻓﻨﺤﺼﻞ ﻋﻠﻰ ﺟﺪول اﻟﺘﻘﺎطﻊ اﻟﻈﺎھﺮ ﻓﻲ اﻟﺸﻜﻞ )‪.(19/2‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(19/2‬ﺟﺪول اﻟﺘﻘﺎطﻊ ﻣﺸﺎھﺪة اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة × ﺗﺬﻛﺮ اﻟﻤﻨﺘﺞ‬

‫‪51‬‬
‫ﯾﻈﮭﺮ اﻟﺠﺪول اﻷول ﻓﻲ اﻟﻨﺘﯿﺠﺔ ‪ Case Processing Summary‬ﻣﻠﺨﺼﺎ ً إﺣﺼﺎﺋﯿﺎ ً ﻟﻠﻤﺘﻐﯿﺮات ﻣﻦ ﺣﯿﺚ ﺣﺠﻢ اﻟﻌﯿﻨﺔ واﻟﻘﯿﻢ‬
‫اﻟﻤﻔﻘﻮدة إن وﺟﺪت وﻧﺴﺒﺘﮭﺎ‪ .‬وﯾﻈﮭﺮ ﻣﻦ اﻟﺠﺪول أن ﺣﺠﻢ اﻟﻌﯿﻨﺔ ھﻮ ‪ 196‬وأﻧﮫ ﻻ ﺗﻮﺟﺪ ﻗﯿﻢ ﻣﻔﻘﻮدة أو ﻧﺎﻗﺼﺔ‪.‬‬

‫أﻣﺎ اﻟﺠﺪول اﻟﺜﺎﻧﻲ ﻓﯿﻈﮭﺮ ﺟﺪول ﺗﻘﺎطﻊ أو اﻗﺘﺮان ﻣﻦ اﻟﻨﻮع ‪ 2×2‬ﺑﯿﻦ ﻣﺸﺎھﺪة اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة وﺗﺬﻛﺮ ﺣﯿﺚ ﻧﻼﺣﻆ ﻓﻲ‬
‫اﻟﺪول أن‪:‬‬
‫‪ -‬ﻋﺪد ﻣﻦ ﻟﻢ ﯾﺘﺬﻛﺮ اﻟﻤﻨﺘﺞ = ‪ 65‬وﻋﺪد ﻣﻦ ﺗﺬﻛﺮ اﻟﻤﻨﺘﺞ = ‪131‬‬
‫‪ -‬ﻋﺪد ﻣﻦ ﻟﻢ ﯾﺸﺎھﺪ اﻟﺸﺨﺼﯿﺔ = ‪ 96‬وﻋﺪد ﻣﻦ ﺷﺎھﺪ اﻟﺸﺨﺼﯿﺔ ‪100‬‬
‫‪ -‬ﺑﺎﻟﻨﺴﺒﺔ ﻟﻤﻦ ﻟﻢ ﯾﺸﺎھﺪ اﻟﺸﺨﺼﯿﺔ‪ :‬ﻋﺪد ﻣﻦ ﻟﻢ ﯾﺘﺬﻛﺮ اﻟﻤﻨﺘﺞ = ‪ 41‬ﻣﻘﺎﺑﻞ ‪ 55‬ﻣﻤﻦ ﺗﺬﻛﺮوا اﻟﻤﻨﺘﺞ‬
‫‪ -‬ﺑﺎﻟﻨﺴﺒﺔ ﻟﻤﻦ ﺷﺎھﺪ اﻟﺸﺨﺼﯿﺔ‪ :‬ﻋﺪد ﻣﻦ ﻟﻢ ﯾﺘﺬﻛﺮ اﻟﻤﻨﺘﺞ = ‪ 24‬وﻋﺪد ﻣﻦ ﺗﺬﻛﺮ اﻟﻤﻨﺘﺞ = ‪76‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(20/2‬ﺗﻤﺜﯿﻞ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺸﺎھﺪة اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة وﺗﺬﻛﺮ اﻟﻤﻨﺘﺞ ﻣﻦ ﺧﻼل اﻷﻋﻤﺪة اﻟﺒﯿﺎﻧﯿﺔ‬

‫‪52‬‬
‫ﺗﺸﯿﺮ اﻟﻨﺘﯿﺠﺔ إذا ً ﻣﺒﺪﺋﯿﺎ ً إﻟﻰ اﺣﺘﻤﺎل أن ﯾﻜﻮن ﻣﻦ ﺷﺎھﺪ اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة ﻓﻲ اﻹﻋﻼن اﻟﻤﺼﻮر أﻛﺜﺮ ﺗﺬﻛﺮا ً ﻟﻠﻤﻨﺘﺞ ﻣﻤﻦ ﻟﻢ‬
‫ﯾﺸﺎھﺪ اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة ﻓﻲ اﻹﻋﻼن‪ .‬ﻟﻜﻦ ﻻ ﯾﺴﺘﻄﯿﻊ اﻟﺒﺎﺣﺚ اﻻﻋﺘﻤﺎد ﻋﻠﻰ اﻷرﻗﺎم اﻟﻤﺸﺎھﺪة ﻓﻲ ھﺬا اﻟﺠﺪول ﻓﻘﻂ ﻟﻠﻮﺻﻮل‬
‫إﻟﻰ ﻣﺜﻞ ھﺬه اﻟﻨﺘﯿﺠﺔ‪ ،‬ﺑﻞ ﻻﺑﺪ ﻣﻦ اﻟﻌﻮدة إﻟﻰ اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ اﻟﺬي ﯾﺴﻤﺢ ﻟﮫ ﺑﺎﺧﺘﺒﺎر ﻓﺮﺿﯿﺔ وﺟﻮد ﻋﻼﻗﺔ ﺑﯿﻦ ﻣﺸﺎھﺪة‬
‫اﻟﺸﺨﺼﯿﺔ اﻟﻤﺸﮭﻮرة وﺗﺬﻛﺮ اﻟﻤﻨﺘﺞ وھﻮ ﻓﻲ ھﺬه اﻟﺤﺎﻟﺔ اﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ‪ .‬واﻟﺬي ﺳﯿﻨﺎﻗﺶ ﻻﺣﻘﺎً‪.‬‬

‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ‪ :‬ﺷﺮح اﻟﻔﺼﻞ ﺑﻌﺾ أﺷﮭﺮ اﻟﻤﺆﺷﺮات اﻹﺣﺼﺎﺋﯿﺔ اﻟﻮﺻﻔﯿﺔ ﻛﺎﻟﺘﻜﺮار واﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ واﻟﻮﺳﯿﻂ‬
‫واﻟﺮﺑﯿﻌﯿﺎت واﻟﻤﻨﻮال‪ .‬ﻛﻤﺎ ﺗﻨﺎول اﻟﻔﺼﻞ ﻣﻘﺎﯾﯿﺲ اﻟﺘﺸﺘﺖ ﻛﺎﻟﻤﺪى واﻟﺘﺒﺎﯾﻦ واﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري‪ .‬ﺗﻄﺮق اﻟﻔﺼﻞ ﺑﻌﺪھﺎ إﻟﻰ‬
‫ﻣﻔﮭﻮم ﺷﻜﻞ اﻟﺘﻮزﯾﻊ واﻟﺘﺸﻮھﺎت اﻟﺘﻲ ﯾﻤﻜﻦ أن ﺗﻄﺮأ ﻋﻠﻰ ﺷﻜﻞ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻛﺎﻻﻟﺘﻮاء واﻟﺘﻔﻠﻄﺢ‪ .‬وﻓﻲ اﻟﻨﮭﺎﯾﺔ اﺳﺘﻌﺮض‬
‫اﻟﻔﺼﻞ ﻛﯿﻔﯿﺔ ﺗﻮﺻﯿﻒ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﻣﻦ ﺧﻼل ﺟﺪاول اﻟﺘﻘﺎطﻊ‪ .‬وﺗﻢ ﻛﻞ ﻟﻚ ﺑﺎﻻﺳﺘﻌﺎﻧﺔ ﺑﺒﺮﻧﺎﻣﺞ ‪ SPSS‬وﺑﺎﻹﺷﻜﺎل اﻟﺒﯿﺎﻧﯿﺔ‬
‫اﻟﺘﻲ ﯾﺘﯿﺤﮭﺎ ھﺬا اﻟﺒﺮﻧﺎﻣﺞ‪.‬‬

‫‪53‬‬
 ‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ‬
1. Cleff, T. (2019) Applied Statistics and Multivariate Data Analysis for Business and Economics: A
modern Approach Using SPSS, Stata, and Excel. Springer

2. Denis, D. J. (2019) SPSS Data Analysis for Univariate, Bivariate, and Multivariate Statistics.
Wiley.

3. Field, A. (2018) Discovering Statistics Using IBM SPSS Statistics. 5th Edition. Sage.

4. Hinton, P. R., McMurray, I., Brownlow, C. (2014) SPSS Explained. 2nd Edition. Routledge.

5. Ho, R. (2018) Understanding Statistics for the Social Sciences with IBM SPSS. CRC Press.

6. Malhotra, N. K., Nunan, D., Birks, D. F. (2017) Marketing Research: An Applied Approach. 5th
Edition, Pearson.

7. Sarstedt, M., Mooi, E. (2019) A Concise Guide to Market Research: The Process, Data, and
Methods Using IBM SPSS Statistics. 3rd Edition. Springer.

8. Stockemer, D. (2019) Quantitative Methods for the Social Sciences: A Practical Introduction with
Examples in SPSS and Stata. Springer.

9. Yockey, R. D. (2016) A Step-by-Step Guide to Successful Data Analysis For SPSS Version 18.0. 2nd
Edition. Routledge.
‫ دﻟﯿﻞ ﻧﻈﺮي وﺗﻄﺒﯿﻘﻲ وﻋﻤﻠﻲ ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ اﻟﺘﺤﻠﯿﻞ‬:‫( ﺑﺤﻮث اﻟﺘﺴﻮﯾﻖ‬2017) .‫ ﻧﺮﯾﻤﺎن‬،‫ ﻋﻤﺎر‬،.‫ ﺣﯿﺎن‬،‫ دﯾﺐ‬،.‫ ﻣﺤﻤﺪ‬،‫ اﻟﺨﻀﺮ‬.10
.(HIBA) ‫ اﻟﻤﻌﮭﺪ اﻟﻌﺎﻟﻲ ﻹدارة اﻷﻋﻤﺎل‬:‫ دﻣﺸﻖ‬.SPSS ‫اﻹﺣﺼﺎﺋﻲ‬
.‫ زﻛﺮﯾﺎ‬،‫ اﻟﺸﺮﺑﯿﻨﻲ‬،.‫ ﻟﺒﻨﻰ‬،‫ أﺑﻮ اﻟﻌﻼ‬،.‫ ﻋﺒﺪ اﻟﺮﺣﯿﻢ‬،‫ اﻟﺒﺤﻄﯿﻄﻲ‬،.‫ ﻋﺼﺎم‬،‫ ﺣﺎﺑﺲ‬،.‫ أﺣﻤﺪ اﻟﺴﯿﺪ‬،‫ ﺣﺴﻦ‬،.‫ ﻋﺒﺪ اﻟﺮﺣﯿﻢ‬،‫ اﻟﺴﺎﻋﺎﺗﻲ‬.11
.‫ ﺟﺎﻣﻌﺔ اﻟﻤﻠﻚ ﻋﺒﺪ اﻟﻌﺰﯾﺰ‬:‫ ﺟﺪة‬،‫ اﻟﻄﺒﻌﺔ اﻟﺜﺎﻧﯿﺔ‬،‫( ﺗﻄﺒﯿﻘﺎت ﻓﻲ اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ ﻟﻠﻌﻠﻮم اﻹدارﯾﺔ واﻹﻧﺴﺎﻧﯿﺔ‬2009)
‫ ﺗﻄﺒﯿﻖ ﺷﺎﻣﻞ ﻟﻠﺤﺰﻣﺔ‬:‫( ﺗﺤﻠﯿﻞ وﻧﻤﺬﺟﺔ اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام اﻟﺤﺎﺳﻮب‬2006) .‫ اﻟﺮﻓﺎﻋﻲ ﻏﺎﻟﺐ ﻋﻮض ﺻﺎﻟﺢ‬،.‫ ﺣﺴﯿﻦ ﻋﻠﻲ‬،‫ ﻧﺠﯿﺐ‬.12
.‫ اﻷردن‬.‫ اﻷھﻠﯿﺔ ﻟﻠﻨﺸﺮ واﻟﺘﻮزﯾﻊ‬.‫ اﻟﻄﺒﻌﺔ اﻷوﻟﻰ‬.SPSS

54
 ‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ‪:‬‬
‫‪ (1‬أﺳﺌﻠﺔ ﺻﺢ ‪ /‬ﺧﻄﺄ ‪True/False‬‬

‫ﺧﻄﺄ‬ ‫ﺻﺢ‬ ‫اﻟﺴﺆال‬

‫‪‬‬ ‫ﻋﺎدة ً ﻣﺎ ﺗﺒﺪأ ﻋﻤﻠﯿﺔ ﺗﺤﻠﯿﻞ اﻟﺒﯿﺎﻧﺎت ﺑﺎﻟﺘﺤﻠﯿﻞ اﻟﻮﺻﻔﻲ‬ ‫‪1‬‬

‫‪‬‬ ‫ﯾﺴﺘﺨﺪم اﻟﻤﺪرج اﻟﺘﻜﺮاري ﻓﻘﻂ ﻓﻲ ﺣﺎﻟﺔ اﻟﻤﺘﻐﯿﺮات اﻻﺳﻤﯿﺔ‬ ‫‪2‬‬

‫‪‬‬ ‫ﯾﺴﺘﺨﺪم اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻣﻊ اﻟﻤﻘﺎﯾﯿﺲ اﻻﺳﻤﯿﺔ‬ ‫‪3‬‬

‫‪‬‬ ‫اﻟﻮﺳﯿﻂ ھﻮ اﻟﻘﯿﻤﺔ اﻟﺘﻲ ﯾﻘﻞ ﻋﻨﮭﺎ ﻧﺼﻒ ﻋﺪد اﻟﻘﯿﻢ ﻓﻲ اﻟﻌﯿﻨﺔ وﯾﺰﯾﺪ ﻋﻨﮭﺎ اﻟﻨﺼﻒ اﻵﺧﺮ‬ ‫‪4‬‬

‫‪‬‬ ‫ﯾﻤﺜﻞ اﻟﺘﺒﺎﯾﻦ اﻟﻘﯿﻤﺔ اﻷﻛﺜﺮ ﺷﯿﻮﻋﺎ ً أو ﺗﻜﺮارا ً‬ ‫‪5‬‬

‫ﻓﻲ ﺣﺎﻟﺔ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻓﺈن ﺣﻮاﻟﻲ ‪ %68‬ﻣﻦ اﻟﺒﯿﺎﻧﺎت ﺗﺒﻌﺪ ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﺑﻤﻘﺪار‬
‫‪‬‬ ‫‪6‬‬
‫اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري‬

‫‪‬‬ ‫ﯾﺪل ﻣﻌﺎﻣﻞ اﻟﺘﻔﻠﻄﺢ ‪ Kurtosis‬ﻋﻠﻰ ﻣﺪى ﺗﺤﺪب أو ﺗﺴﻄﺢ ﺷﻜﻞ اﻟﺘﻮزﯾﻊ‬ ‫‪7‬‬

‫‪‬‬ ‫ﺗﺴﺘﻌﻤﻞ ﺟﺪاول اﻟﺘﻘﺎطﻊ ‪ Cross tabulations‬ﻟﺘﻮﺻﯿﻒ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ أو أﻛﺜﺮ‬ ‫‪8‬‬

‫أﺳﺌﻠﺔ ﻣﺘﻌﺪدة اﻟﺨﯿﺎرات‪:‬‬

‫‪ .1‬ﯾﺤﺴﺐ ‪ .....‬ﻋﻦ طﺮﯾﻖ ﺟﻤﻊ ﻛﻞ ﻗﯿﻢ اﻟﻤﺸﺎھﺪات اﻟﺨﺎﺻﺔ ﺑﺎﻟﻤﺘﻐﯿﺮ ﻓﻲ إطﺎر اﻟﻌﯿﻨﺔ‪ ،‬ﺛﻢ ﻗﺴﻤﺔ ھﺬا اﻟﻤﺠﻤﻮع ﻋﻠﻰ ﻋﺪد اﻟﻤﺸﺎھﺪات‪.‬‬
‫‪ .A‬اﻟﻮﺳﯿﻂ‬
‫‪ .B‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ‬
‫‪ .C‬اﻟﻤﻨﻮال‬
‫‪ .D‬اﻟﺘﺒﺎﯾﻦ‬
‫‪ .2‬ﯾﻌﺘﺒﺮ اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري اﻟﻤﻘﯿﺎس اﻷﺷﮭﺮ واﻷﻛﺜﺮ اﺳﺘﺨﺪاﻣﺎ ً ﻟﻠﺘﺸﺘﺖ‪.‬‬
‫‪ .A‬اﻻﻟﺘﻮاء‬
‫‪ .B‬اﻟﺘﻔﻠﻄﺢ‬
‫‪ .C‬اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري‬
‫‪ .D‬اﻟﻤﻨﻮال‬

‫‪55‬‬
 ‫‪ .3‬إذا ﻛﺎﻧﺖ ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮ ﺗﺘﻤﺮﻛﺰ ﺑﺎﺗﺠﺎه اﻟﻘﯿﻢ اﻟﺼﻐﯿﺮة أﻛﺜﺮ ﻣﻦ ﺗﻤﺮﻛﺰھﺎ ﺑﺎﺗﺠﺎه اﻟﻘﯿﻢ اﻟﻜﺒﯿﺮة ﯾﻜﻮن ﺷﻜﻞ اﻟﺘﻮزﯾﻊ ﻟﮭﺬا اﻟﻤﺘﻐﯿﺮ ‪......‬‬
‫‪ .A‬ﻣﻮﺟﺐ اﻻﻟﺘﻮاء‬
‫‪ .B‬ﺳﺎﻟﺐ اﻻﻟﺘﻮاء‬
‫‪ .C‬ﻛﺒﯿﺮ اﻟﺘﻔﻠﻄﺢ‬
‫‪ .D‬ﻗﻠﯿﻞ اﻟﺘﻔﻠﻄﺢ‬

‫‪ .4‬إذا ﺗﺮﻛﺰت اﻟﺒﯿﺎﻧﺎت ﺣﻮل ﻗﻤﺔ اﻟﺘﻮزﯾﻊ ﻓﺈن اﻟﺘﻮزﯾﻊ ﺳﯿﻜﻮن ذا ﺷﻜﻞ ﻣﺪﺑﺐ أو ﻗﻠﯿﻞ اﻟﺘﻔﻠﻄﺢ ﻣﻘﺎرﻧﺔ ﻣﻊ ﺷﻜﻞ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪ ،‬وﯾﻜﻮن‬
‫‪.....‬‬
‫‪ .A‬ﻣﻌﺎﻣﻞ ‪ Skewness‬ذا ﻗﯿﻤﺔ ﺳﺎﻟﺒﺔ‬
‫‪ .B‬ﻣﻌﺎﻣﻞ ‪ Skewness‬ذا ﻗﯿﻤﺔ ﻣﻮﺟﺒﺔ‬
‫‪ .C‬ﻣﻌﺎﻣﻞ ‪ Kurtosis‬ذا ﻗﯿﻤﺔ ﺳﺎﻟﺒﺔ‬
‫‪ .D‬ﻣﻌﺎﻣﻞ ‪ Kurtosis‬ذا ﻗﯿﻤﺔ ﻣﻮﺟﺒﺔ‬

‫‪ (3‬أﺳﺌﻠﺔ \ ﻗﻀﺎﯾﺎ ﻟﻠﻤﻨﺎﻗﺸﺔ‬

‫اﻟﺴﺆال )‪ (1‬اﻟﻮﺳﯿﻂ واﻟﺮﺑﯿﻌﯿﺎت‪.‬‬ ‫‪.1‬‬

‫ﻋﺮف اﻟﻮﺳﯿﻂ واﺷﺮح طﺮﯾﻘﺔ ﺣﺴﺎﺑﮫ ﯾﺪوﯾﺎ ً ووﺿﺢ اﻟﻌﻼﻗﺔ ﺑﯿﻨﮫ وﺑﯿﻦ اﻟﺮﺑﯿﻌﯿﺎت‪.‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[2-2-2‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 15 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.15 :100‬‬

‫اﻟﺴﺆال )‪ (2‬اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪.‬‬ ‫‪.2‬‬

‫اﺷﺮح ﺧﺼﺎﺋﺺ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪.‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[4-2‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 15 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.15 :100‬‬

‫اﻟﺴﺆال )‪ (3‬اﻻﻟﺘﻮاء‪.‬‬ ‫‪.3‬‬

‫اﺷﺮح اﻻﻟﺘﻮاء وأﺷﻜﺎﻟﮫ ووﺿﺢ ﺗﺄﺛﯿﺮه ﻋﻠﻰ اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ واﻟﻮﺳﯿﻂ‪.‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[1-4-2‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 15 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.15 :100‬‬

‫‪56‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‪ :‬اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت واﺧﺘﺒﺎر ‪T‬‬
‫‪(Testing Hypotheses and T-Test) T‬‬

‫اﻟﻜﻠﻤﺎت اﻟﻤﻔﺘﺎﺣﯿﺔ‪:‬‬

‫اﻟﻔﺮﺿﯿﺔ )‪ ،(Hypothesis‬ﻓﺮﺿﯿﺔ اﻟﻌﺪم )‪ ،(Null Hypothesis‬اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ )‪ ،(Alternative Hypothesis‬اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ) ‪Test‬‬
‫‪ ،(of Hypotheses‬اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة )‪ ،(One Sample T-Test‬اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ )‪،(Independent Samples T-Test‬‬
‫اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ )‪.(Paired Samples T-Test‬‬

‫ﻣﻠﺨﺺ اﻟﻔﺼﻞ‪:‬‬

‫ﯾﮭﺪف اﻟﻔﺼﻞ إﻟﻰ اﻟﺘﻌﺮﯾﻒ ﺑﺄﻧﻮاع وﻣﺮاﺣﻞ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت وﺷﺮح اﺧﺘﺒﺎر ‪ t‬اﻟﻤﺘﻌﻠﻖ ﺑﺎﺧﺘﺒﺎر ﻓﺮﺿﯿﺎت ﻣﺮﺗﺒﻄﺔ ﺑﺎﻷوﺳﺎط اﻟﺤﺴﺎﺑﯿﺔ‪ .‬ﯾﺒﺪأ اﻟﻔﺼﻞ‬
‫ﺑﻌﺮض ﻣﻔﮭﻮم ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ واﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻓﻲ اﺗﺠﺎه واﺣﺪ أو اﺗﺠﺎھﯿﻦ‪ .‬ﺛﻢ ﯾﻨﺘﻘﻞ ﻹﯾﻀﺎح ﻣﺮاﺣﻞ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‪ .‬وﯾﻨﺘﮭﻲ‬
‫اﻟﻔﺼﻞ ﺑﺘﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ T‬ﺑﺄﻧﻮاﻋﮫ اﻟﺜﻼث‪.‬‬

‫اﻟﻤﺨﺮﺟﺎت واﻷھﺪاف اﻟﺘﻌﻠﯿﻤﯿﺔ‪:‬‬

‫‪ -‬اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﻔﺮق ﺑﯿﻦ ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ وﺻﯿﺎﻏﺘﮭﻤﺎ ﺑﺸﻜﻞ ﺻﺤﯿﺢ‪.‬‬
‫‪ -‬ﺗﺬﻛﺮ ﻣﺮاﺣﻞ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‪.‬‬
‫‪ -‬ﺷﺮح اﻟﻔﺮق ﺑﯿﻦ أﻧﻮاع اﺧﺘﺒﺎر ‪.T‬‬
‫‪ -‬ﺗﻄﺒﯿﻖ وﺗﻔﺴﯿﺮ ﻧﺘﺎﺋﺞ اﺧﺘﺒﺎر ‪ T‬ﺑﺄﻧﻮاﻋﮫ اﻟﺜﻼث‪.‬‬
‫‪ -‬ﻧﺎت اﻟﻤﺰدوﺟﺔ ﺑﺎﺳﺘﺨﺪام ‪(Paired Samples T-Test Using SPSS) SPSS‬‬

‫‪57‬‬
 ‫‪ 1-3‬أﻧﻮاع وﻣﺮاﺣﻞ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت )‪(Types and Steps to Test Hypotheses‬‬
‫ﻋﻠﻰ اﻟﺮﻏﻢ ﻣﻦ أھﻤﯿﺔ وﺻﻒ اﻟﺒﯿﺎﻧﺎت ﻷي ﺗﺤﻠﯿﻞ إﻻ أن اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ ﻻ ﯾﻜﻔﻲ ﻟﻺﺟﺎﺑﺔ ﻋﻠﻰ اﻟﻜﺜﯿﺮ ﻣﻦ اﻟﺘﺴﺎؤﻻت اﻟﺘﻲ‬
‫ﯾﻮاﺟﮭﮭﺎ اﻟﺒﺎﺣﺚ‪ .‬ﻟﻺﺟﺎﺑﺔ ﻋﻠﻰ ھﺬه اﻟﺘﺴﺎؤﻻت ﯾﺘﻮﺟﺐ ﻋﻠﻰ اﻟﺒﺎﺣﺚ اﻟﺬھﺎب أﺑﻌﺪ ﻣﻦ اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ وﺻﻮﻻً إﻟﻰ اﻹﺣﺼﺎء‬
‫اﻻﺳﺘﺪﻻﻟﻲ ‪ Inferential Statistics‬اﻟﺬي ﯾﺴﻤﺢ ﻟﮫ ﺑﺎﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‪ .‬ﯾﺴﺘﺨﺪم اﻹﺣﺼﺎء اﻻﺳﺘﺪﻻﻟﻲ إذا ً ﻟﺘﻘﺪﯾﺮ ﻗﯿﻢ اﻟﻤﺠﺘﻤﻊ‬
‫اﻹﺣﺼﺎﺋﻲ وﻻﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت إﺣﺼﺎﺋﯿﺎً‪.‬‬

‫‪ 1-1-3‬أﻧﻮاع اﻟﻔﺮﺿﯿﺎت )‪ :(Types of Hypotheses‬اﻟﻔﺮﺿﯿﺔ ‪ Hypothesis‬ھﻲ ادﻋﺎء ﺣﻮل ﺻﺤﺔ ﺷﻲء ﻣﺎ ﻋﻠﻰ ﻣﺴﺘﻮى‬
‫اﻟﻤﺠﺘﻤﻊ‪ .‬إذا ً ﯾﻤﻜﻦ أن ﺗﻜﻮن اﻟﻔﺮﺿﯿﺔ ﺻﺤﯿﺤﺔ أو ﺧﺎطﺌﺔ‪.‬‬

‫ﻓﻲ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﯾﺘﻢ اﻟﺘﻤﯿﯿﺰ ﺑﯿﻦ ﻓﺮﺿﯿﺘﯿﻦ ﺗﺴﻤﻰ اﻷوﻟﻰ " ﻓﺮﺿﯿﺔ اﻟﻌﺪم ‪"Null Hypothesis‬وﯾﺮﻣﺰ ﻟﮭﺎ ‪ H0‬وﺗﺴﻤﻰ‬
‫اﻟﺜﺎﻧﯿﺔ "اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ‪ "Alternative Hypothesis‬وﯾﺮﻣﺰ ﻟﮭﺎ ‪.H1‬‬

‫ﺗﻌﺮف ﻓﺮﺿﯿﺔ اﻟﻌﺪم ‪ H0‬ﺑﺄﻧﮭﺎ ﺻﯿﺎﻏﺔ ﻣﺒﺪﺋﯿﺔ ﻋﻦ ﻣﻌﻠﻤﺔ اﻟﻤﺠﺘﻤﻊ اﻟﻤﺠﮭﻮﻟﺔ )وﺳﻂ اﻟﻤﺠﺘﻤﻊ ﻣﺜﻼً(‪ ،‬وھﻲ ﺗﺸﯿﺮ داﺋﻤﺎ ً إﻟﻰ ﻋﺪم‬
‫وﺟﻮد ﻋﻼﻗﺔ أو اﺧﺘﻼف أو أﺛﺮ )ﺑﺤﺴﺐ ﻓﺮﺿﯿﺔ اﻟﺒﺎﺣﺚ اﻟﺘﻲ ﯾﺴﻌﻰ ﻻﺧﺘﺒﺎرھﺎ(‪ .‬ﺗﻌﺘﺒﺮ ھﺬه اﻟﻔﺮﺿﯿﺔ أن اﻻﺧﺘﻼف اﻟﻤﻼﺣﻆ‬
‫ﺑﯿﻦ اﻟﺸﯿﺌﯿﻦ اﻟﻤﺪروﺳﯿﻦ أو اﻟﻤﻘﺎرﻧﯿﻦ ﻧﺎﺗﺞ ﻋﻦ اﻟﺼﺪﻓﺔ وأﻧﮫ ﻻ ﯾﻮﺟﺪ ﻓﺮق ﺣﻘﯿﻘﻲ ﺑﯿﻨﮭﻤﺎ‪ .‬وﻓﻲ اﻟﺤﻘﯿﻘﯿﺔ ﻓﺈن ﻓﺮﺿﯿﺔ اﻟﻌﺪم ھﻲ‬
‫اﻟﻔﺮﺿﯿﺔ اﻟﺘﻲ ﯾﺘﻢ اﺧﺘﺒﺎرھﺎ وﯾﺘﻢ رﻓﻀﮭﺎ ﻋﻨﺪﻣﺎ ﺗﺘﻮﻓﺮ دﻻﺋﻞ ﻋﻠﻰ ﻋﺪم ﺻﺤﺘﮭﺎ‪.‬‬

‫أﻣﺎ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ‪ H1‬ﻓﮭﻲ اﻟﻔﺮﺿﯿﺔ اﻟﺘﻲ ﯾﻀﻌﮭﺎ اﻟﺒﺎﺣﺚ ﻛﺒﺪﯾﻞ ﻋﻦ ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ ،‬وھﻲ ﺗﺸﯿﺮ ﻏﺎﻟﺒﺎ ً إﻟﻰ ﻋﻜﺲ ﻓﺮﺿﯿﺔ اﻟﻌﺪم‬
‫أو إﻟﻰ أن اﻟﻤﻌﻠﻤﺔ اﻟﻤﺠﮭﻮﻟﺔ ﻟﮭﺎ ﻗﯿﻤﺔ ﺗﺨﺘﻠﻒ ﻋﻦ اﻟﻘﯿﻤﺔ اﻟﺘﻲ ﺣﺪدﺗﮭﺎ ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ .‬وﯾﺘﻢ ﻗﺒﻮل اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ﻓﻲ ﺣﺎﻟﺔ رﻓﺾ‬
‫ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪.‬‬

‫ﯾﻌﺮف ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ‪) α‬أﻟﻔﺎ( ﻋﻠﻰ أﻧﮫ ﻋﺒﺎرة ﻋﻦ اﺣﺘﻤﺎل رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وھﻲ ﺻﺤﯿﺤﺔ‪ .‬وﯾﻌﺘﻤﺪ ﺗﺤﺪﯾﺪ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ‬
‫‪ (α) Level of Significance‬ﻋﻠﻰ درﺟﺔ اﺳﺘﻌﺪاد اﻟﺒﺎﺣﺚ ﻟﺘﺤﻤﻞ ﻣﺨﺎطﺮ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وھﻲ ﺻﺤﯿﺤﺔ أو ﺣﺠﻢ اﻟﺨﻄﺄ‬
‫اﻟﺬي ﯾﺮﺿﻰ ﺑﮫ ﻓﻲ ﻗﺮاره‪.‬‬

‫وﻋﺎدة ً ﻣﺎ ﯾﺘﻢ اﻋﺘﻤﺎد ﻣﺴﺘﻮى دﻻﻟﺔ ‪ α‬ﻣﺴﺎوﯾﺎ ً ﻟـ ‪) 0.05‬أو ‪ .(%5‬وﺑﺎﻟﺘﺎﻟﻲ ﻋﻨﺪ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﯾﺘﻢ ﺗﺤﺪﯾﺪ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ‪α‬‬
‫اﻟﺬي ﯾﻘﯿﺲ درﺟﺔ ﻋﺪم اﻟﺘﺄﻛﺪ‪ ،‬ﻓﻠﻮ ﻛﺎن ﻟﺪﯾﻨﺎ ﻣﺠﺎل ﺛﻘﺔ ‪ %95‬ﯾﻜﻮن ﻟﺪﯾﻨﺎ ﻋﺪم ﺗﺄﻛﺪ أو ﺧﻄﺄ ﻣﻘﺪاره ‪.%5‬‬

‫وﯾﻤﻜﻦ أن ﯾﺘﻢ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻓﻲ اﺗﺠﺎه واﺣﺪ أو اﺗﺠﺎھﯿﻦ‪ .‬ﻓﺎﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻓﻲ اﺗﺠﺎه واﺣﺪ ‪ One-tailed test‬ھﻮ اﻻﺧﺘﺒﺎر‬

‫‪58‬‬
 ‫اﻟﺬي ﺗﺒﯿﻦ ﻓﯿﮫ اﻟﻔﺮﺿﯿﺎت أن اﻟﻤﻌﻠﻤﺔ ﻟﻠﻤﺠﺘﻤﻊ أﻛﺒﺮ أو أﺻﻐﺮ ﻣﻦ إﺣﺼﺎﺋﯿﺔ اﻟﻌﯿﻨﺔ؛ ﻓﮭﻨﺎك إذا ً ﺗﺤﺪﯾﺪ ﻟﻼﺗﺠﺎه‪.‬‬

‫ﻛﻤﺜﺎل ﻋﻠﻰ ذﻟﻚ‪ ،‬إذا أراد أﺣﺪ اﻟﻤﺤﻼت اﺳﺘﺨﺪام ﺧﺪﻣﺔ اﻟﺒﯿﻊ ﻋﺒﺮ اﻹﻧﺘﺮﻧﺖ ﻓﻲ ﺣﺎل ﺗﺠﺎوزت ﻧﺴﺒﺔ اﻟﻤﺘﺴﻮﻗﯿﻦ ﻋﺒﺮ اﻻﻧﺘﺮﻧﺖ‬
‫‪ ،%40‬وﻗﺎم ﺑﺪراﺳﺔ ﻻﺧﺘﺒﺎر ﻓﺮﺿﯿﺔ ﺗﺠﺎوز ﻧﺴﺒﺔ اﻟﻤﺘﺴﻮﻗﯿﻦ ﻋﺒﺮ اﻻﻧﺘﺮﻧﺖ ﻟﻠﻨﺴﺒﺔ اﻟﻤﺬﻛﻮرة ﺗﻜﻮن ﻓﺮﺿﯿﺘﺎ اﻟﻌﺪم واﻟﺒﺪﯾﻠﺔ ﻓﻲ‬
‫ھﺬه اﻟﺪراﺳﺔ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪H0 :π ≤ 0.40‬‬

‫‪H1 :π > 0.40‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(1/3‬اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻓﻲ اﺗﺠﺎه واﺣﺪ ﻋﻨﺪ ﻣﺴﺘﻮى دﻻﻟﺔ ‪%5‬‬

‫إذا ﻣﺎ ﺗﻢ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم ﻋﻨﺪﺋﺬ ﺳﯿﺘﻢ ﻗﺒﻮل اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ وﺳﯿﺘﻢ إدﺧﺎل ﺧﺪﻣﺔ اﻟﺒﯿﻊ ﻋﺒﺮ اﻹﻧﺘﺮﻧﺖ‪.‬‬

‫أﻣﺎ اﺧﺘﺒﺎر اﻟﻔﺮوض ﻓﻲ ﺟﺎﻧﺒﯿﻦ ﻓﮭﻮ اﻻﺧﺘﺒﺎر اﻟﺬي ﺗﺒﯿﻦ ﻓﯿﮫ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ أن اﻟﻤﻌﻠﻤﺔ ﻟﻠﻤﺠﺘﻤﻊ ﻻ ﺗﺴﺎوي إﺣﺼﺎﺋﯿﺔ اﻟﻌﯿﻨﺔ؛‬
‫أي أﻧﮫ ﻻ ﯾﻮﺟﺪ ﺗﺤﺪﯾﺪ ﻟﻼﺗﺠﺎه‪.‬‬

‫ﻓﻔﻲ اﻟﻤﺜﺎل اﻟﺴﺎﺑﻖ‪ ،‬إذا ﻣﺎ أراد اﻟﻤﺤﻞ اﺧﺘﺒﺎر إذا ﻣﺎ ﻛﺎﻧﺖ ﻧﺴﺒﺔ اﻟﻤﺘﺴﻮﻗﯿﻦ ﻋﺒﺮ اﻹﻧﺘﺮﻧﺖ ﻻ ﺗﺴﺎوي ‪ %40‬ﺗﺼﺒﺢ ﻓﺮﺿﯿﺔ اﻟﻌﺪم‬
‫واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪59‬‬
 ‫‪H0 :π = 0.40‬‬

‫‪H1 :π ≠ 0.40‬‬

‫وإذا ﻣﺎ ﺗﻢ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم ﻋﻨﺪﺋﺬ ﺳﯿﺘﻢ ﻗﺒﻮل اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ وﺳﯿﺘﻢ إدﺧﺎل ﺧﺪﻣﺔ اﻟﺒﯿﻊ ﻋﺒﺮ اﻹﻧﺘﺮﻧﺖ‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(2/3‬اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻓﻲ اﺗﺠﺎھﯿﻦ ﻋﻨﺪ ﻣﺴﺘﻮى دﻻﻟﺔ ‪%5‬‬

‫‪ 2-1-3‬ﺧﻄﻮات اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت )‪ :(Steps to Test Hypotheses‬ﯾﺴﺘﺪﻋﻲ ﺑﻨﺎء اﻟﻔﺮﺿﯿﺎت ﺧﻀﻮﻋﮭﺎ ﻟﻼﺧﺘﺒﺎر ﺑﻐﺮض ﺗﺤﺪﯾﺪ‬
‫ﻣﺪى ﺻﺤﺘﮭﺎ‪ ،‬وذﻟﻚ ﻷن اﻟﺒﯿﺎﻧﺎت ﺗﻢ ﺟﻤﻌﮭﺎ ﻣﻦ ﻋﯿﻨﺔ وﻟﯿﺲ ﻣﻦ ﻣﺠﺘﻤﻊ‪ .‬وﻋﻨﺪ اﻟﻠﺠﻮء إﻟﻰ اﻹﺣﺼﺎء اﻻﺳﺘﺪﻻﻟﻲ ﻹﺟﺮاء اﺧﺘﺒﺎر‬
‫اﻟﻔﺮﺿﯿﺎت ﯾﺘﻢ ﺑﺪاﯾﺔ ﺗﺤﺪﯾﺪ ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ﻟﻼﺧﺘﺒﺎر‪ .‬ﯾﺘﻢ ﺗﺎﻟﯿﺎ ً ﺟﻤﻊ اﻟﺒﯿﺎﻧﺎت وﺗﺤﺪﯾﺪ اﻻﺧﺘﺒﺎر اﻹﺣﺼﺎﺋﻲ اﻟﻤﻨﺎﺳﺐ‬
‫ﻻﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‪.‬‬

‫ﯾﺤﺪد اﻟﺒﺎﺣﺚ أﯾﻀﺎ ً ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ‪) α‬ﻋﺎدة ً ‪ (%5‬ﺛﻢ ﯾﺘﻢ إﯾﺠﺎد اﻟﻘﯿﻤﺔ اﻻﺣﺘﻤﺎﻟﯿﺔ ‪ p value‬ﺑﺎﻻﺳﺘﻌﺎﻧﺔ ﺑﺒﺮاﻣﺞ اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ‬

‫‪60‬‬
 ‫)‪ SPSS‬ﻓﻲ ھﺬا اﻟﻤﻘﺮر( ﺣﯿﺚ ﺗﺸﯿﺮ ﻗﯿﻤﺔ ‪ p‬إﻟﻰ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ اﻟﻤﺤﺴﻮب ‪.Computed significance level‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(3/3‬ﺧﻄﻮات اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‬

‫ﯾﻘﻮم اﻟﺒﺎﺣﺚ ﺑﻌﺪھﺎ ﺑﻤﻘﺎرﻧﺔ ﻗﯿﻤﺔ ‪) p value‬ﻗﯿﻤﺔ ‪ sig‬ﺿﻤﻦ ‪ (SPSS‬ﻣﻊ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ‪ .α = 0.05‬ﯾﻨﺘﺞ ﻋﻦ ھﺬه اﻟﻤﻘﺎرﻧﺔ‬
‫اﻻﺣﺘﻤﺎﻻن اﻟﺘﺎﻟﯿﺎن‪:‬‬
‫‪ -‬إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ ‪ p‬أﺻﻐﺮ ﻣﻦ ‪ (p < 0.05) α‬ﻧﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﻧﻘﺒﻞ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪.‬‬
‫‪ -‬إذا ﻛﺎﻧﺖ ‪ p ≥ 0.05‬ﻻ ﯾﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ .‬واﻟﺘﻌﺒﯿﺮ اﻟﻤﺴﺘﺨﺪم ھﻨﺎ ھﻮ "ﻻ ﯾﻤﻜﻦ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم " وﻻ‬
‫ﯾﺠﻮز اﺳﺘﺨﺪام اﻟﺘﻌﺒﯿﺮ "ﻧﻘﺒﻞ ﻓﺮﺿﯿﺔ اﻟﻌﺪم "‪ ،‬وذﻟﻚ ﻷﻧﮫ ﻻ ﯾﻤﻜﻦ أﺑﺪا ً إﺛﺒﺎت ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﺑﺎﻟﺘﺎﻟﻲ ﻻ ﯾﻤﻜﻦ ﻗﺒﻮﻟﮭﺎ‪.‬‬

‫‪61‬‬
 ‫‪ 2-3‬اﺨت�ﺎر ‪(T-Test) T‬‬
‫ﯾﻌﺘﺒﺮ اﺧﺘﺒﺎر ‪ t‬ﻣﻦ اﻻﺧﺘﺒﺎرات اﻹﺣﺼﺎﺋﯿﺔ اﻟﺸﺎﺋﻌﺔ واﻟﻤﮭﻤﺔ واﻟﺘﻲ ﺗﺴﺘﺨﺪم ﺑﺸﻜﻞ واﺳﻊ ﻣﻦ ﻗﺒﻞ اﻟﺒﺎﺣﺜﯿﻦ ﻟﻘﯿﺎس اﻟﻔﺮوﻗﺎت‬
‫اﻟﻤﻌﻨﻮﯾﺔ ﺑﯿﻦ اﻟﻤﺘﻮﺳﻄﺎت؛ أي أن اﻻﺧﺘﺒﺎر اﻹﺣﺼﺎﺋﻲ ‪ t‬ﯾﺴﺘﺨﺪم ﻻﺧﺘﺒﺎر ﻓﺮﺿﯿﺔ ﺗﺘﻌﻠﻖ ﺑﺎﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ‪ .‬وﻻﺧﺘﺒﺎر ‪ t‬ﺛﻼﺛﺔ‬
‫أﺷﻜﺎل اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة ‪ One sample t-test‬واﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ‪ Independent samples t-test‬واﺧﺘﺒﺎر ‪t‬‬
‫ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ ‪.Paired sample t-test‬‬

‫وﻣﻦ أھﻢ اﻟﺸﺮوط اﻟﻌﺎﻣﺔ اﻟﻮاﺟﺐ ﺗﻮﻓﺮھﺎ ﻟﺘﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ t‬ﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪ -‬ﯾﺠﺐ أن ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت ﻣﻦ اﻟﻨﻮع اﻟﻤﺘﺪرج ‪ Interval‬أو اﻟﻨﺴﺐ ‪.Ratio‬‬
‫‪ -‬ﯾﺠﺐ أن ﺗﻜﻮن اﻟﻌﯿﻨﺔ ﻋﺸﻮاﺋﯿﺔ وﻗﯿﻢ ﻣﻔﺮداﺗﮭﺎ ﻻ ﺗﻌﺘﻤﺪ ﻋﻠﻰ ﺑﻌﻀﮭﺎ اﻟﺒﻌﺾ‪.‬‬
‫‪ -‬ﯾﺠﺐ أن ﯾﺘﺒﻊ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺮاد إﺟﺮاء اﻻﺧﺘﺒﺎر ﻋﻠﻰ وﺳﻄﮫ اﻟﺤﺴﺎﺑﻲ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ‪.Normal Distribution‬‬

‫‪ 1-2-3‬اﺧﺘﺒﺎر ‪ T‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة )‪ :(One Sample T-Test‬ﯾﺴﺘﺨﺪم اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة ﻟﻠﻜﺸﻒ ﻋﻦ وﺟﻮد اﺧﺘﻼف ﻣﻌﻨﻮي‬
‫)ذي دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ( ﻟﻠﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻤﺘﻐﯿﺮ ﻣﺎ ﻟﻌﯿﻨﺔ واﺣﺪة ﻋﻦ ﻗﯿﻤﺔ ﻣﺤﺪدة ﺛﺎﺑﺘﺔ‪ .‬وﻋﺎدة ً ﻣﺎ ﯾﺴﺘﺨﺪم ﻻﺧﺘﺒﺎر اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﯿﺔ‬
‫� واﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ اﻟﻤﻔﺘﺮض ﻟﻠﻤﺠﺘﻤﻊ ‪.µ‬‬
‫ﻟﻠﻔﺮق ﺑﯿﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ اﻟﻤﺤﺴﻮب ﻋﻠﻰ ﻣﺴﺘﻮى اﻟﻌﯿﻨﺔ 𝑿𝑿‬

‫ﯾﻤﻜﻦ ﻟﻠﺒﺎﺣﺚ اﻟﻠﺠﻮء إﻟﻰ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة ﻟﻺﺟﺎﺑﺔ ﻋﻠﻰ ﺗﺴﺎؤﻻت ﻣﻦ ﻧﻤﻂ‪:‬‬
‫‪ -‬ھﻞ ﺗﺘﺠﺎوز ﺣﺼﺔ اﻟﻤﻨﺘﺞ ﻓﻲ اﻟﺴﻮق ‪%15‬؟‬
‫‪ -‬ھﻞ ﯾﺘﺠﺎوز ﻣﺴﺘﻮى اﻟﺮﺿﺎ ﻟﻠﻤﻮظﻔﯿﻦ اﻟﻤﺴﺘﻮى اﻟﻮﺳﻄﻲ ‪) 4‬ﻋﻠﻰ ﻣﻘﯿﺎس ﻣﻦ ‪ 7‬درﺟﺎت(؟‬
‫‪ -‬ھﻞ ﺗﺘﻤﺘﻊ اﻟﻌﻼﻣﺔ اﻟﺘﺠﺎرﯾﺔ ﺑﺼﻮرة إﯾﺠﺎﺑﯿﺔ ﻓﻲ أذھﺎن اﻟﻤﺴﺘﮭﻠﻜﯿﻦ )ھﻞ ﯾﺘﺠﺎوز اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﺼﻮرة اﻟﺬھﻨﯿﺔ‬
‫وﺳﻄﻲ اﻟﻤﻘﯿﺎس أو اﻟﻘﯿﻤﺔ اﻟﺤﯿﺎدﯾﺔ ﻟﻠﻤﻘﯿﺎس واﻟﺘﻲ ﻗﺪ ﺗﻜﻮن ‪ 3‬أو ‪(4‬؟‬
‫‪ -‬وﻏﯿﺮھﺎ ﻣﻦ اﻟﺘﺴﺎؤﻻت اﻟﻤﺸﺎﺑﮭﺔ‪.‬‬

‫‪ 1-1-2-3‬اﻟﻤﻌﺎدﻟﺔ اﻟﺮﯾﺎﺿﯿﺔ واﻟﻔﺮﺿﯿﺎت )‪ :(Mathematical Equation and Hypotheses‬ﯾﻈﮭﺮ اﻟﺠﺪول اﻟﺘﺎﻟﻲ ﻛﯿﻔﯿﺔ‬
‫ﺻﯿﺎﻏﺔ ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ اﻟﻤﺘﻌﻠﻘﺘﺎن ﺑﺎﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة‪.‬‬

‫‪62‬‬
‫اﻟﺠﺪول رﻗﻢ )‪ :(1/3‬ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ﻻﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة‬

‫وﺗُﺤﺴﺐ ﻗﯿﻤﺔ ‪ t‬ﻣﻦ ﺧﻼل اﻟﺼﯿﻐﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫)‪(𝑋𝑋�− µ‬‬
‫=‪t‬‬
‫𝑛𝑛√‪𝑆𝑆/‬‬

‫�𝑋𝑋‪ :‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻌﯿﻨﺔ‬ ‫ﺣﯿﺚ‪:‬‬

‫‪ :S‬اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري‬

‫‪ :n‬ﺣﺠﻢ اﻟﻌﯿﻨﺔ‬

‫وﺗﺤﺴﺐ درﺟﺔ اﻟﺤﺮﯾﺔ ‪ d.f.‬ﻻﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة ﻛﻤﺎ ﯾﻠﻲ‪:‬‬

‫‪d.f. = n -1‬‬

‫‪63‬‬
‫‪ 2-1-2-3‬اﺧﺘﺒﺎر ‪ T‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة ﺑﺎﺳﺘﺨﺪام ‪ :(One Sample T-Test Using SPSS) SPSS‬ﻟﺘﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة‬
‫ﺑﺎﺳﺘﺨﺪام ‪ SPSS‬ﺳﻨﺴﺘﻌﯿﻦ ﺑﺎﺳﺘﺒﯿﺎن ﺑﺴﯿﻂ ﻗﺎم ﺑﺘﻮزﯾﻌﮫ أﺣﺪ اﻟﺒﺎﺣﺜﯿﻦ داﺧﻞ إﺣﺪى اﻟﺸﺮﻛﺎت اﻟﻜﺒﯿﺮة ﻋﻠﻰ ﻋﯿﻨﺔ ﻣﻜﻮﻧﺔ ﻣﻦ ‪230‬‬
‫ﻣﻮظﻔﺎ ً ﻣﻦ ﻣﻮظﻔﻲ اﻟﺸﺮﻛﺔ‪.‬‬

‫ﺗﻀﻤﻦ اﻻﺳﺘﺒﯿﺎن ﺛﻼﺛﺔ ﻣﺘﻐﯿﺮات‪:‬‬

‫‪ -‬اﻟﺠﻨﺲ‪) :‬ذﻛﺮ ‪ /‬أﻧﺜﻰ(‬
‫‪ -‬ﺗﻘﯿﯿﻢ اﻟﺘﮭﻮﯾﺔ ﻓﻲ ﻣﻜﺎن اﻟﻌﻤﻞ‪=1) :‬ﺳﯿﺌﺔ ﺟﺪاً‪=2 ،‬ﺳﯿﺌﺔ‪= 3 ،‬ﺣﯿﺎدي‪=4 ،‬ﺟﯿﺪة‪=5 ،‬ﺟﯿﺪة ﺟﺪاً(‬
‫‪ -‬ﺗﻘﯿﯿﻢ اﻹﺿﺎءة ﻓﻲ ﻣﻜﺎن اﻟﻌﻤﻞ‪=1) :‬ﺳﯿﺌﺔ ﺟﺪاً‪= 2 ،‬ﺳﯿﺌﺔ‪=3 ،‬ﺣﯿﺎدي‪=4 ،‬ﺟﯿﺪة‪= 5 ،‬ﺟﯿﺪة ﺟﺪاً(‬
‫=راض‪،‬‬
‫ٍ‬ ‫راض‪= 3 ،‬ﺣﯿﺎدي‪4 ،‬‬
‫ٍ‬ ‫راض أﺑﺪاً‪=2 ،‬ﻏﯿﺮ‬
‫ٍ‬ ‫‪ -‬اﻟﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ‪=1) :‬ﻏﯿﺮ‬
‫=راض ﺟﺪاً(‪.‬‬
‫ٍ‬ ‫‪5‬‬

‫أراد اﻟﺒﺎﺣﺚ ﻣﻌﺮﻓﺔ ﻓﯿﻤﺎ إذا ﻛﺎن اﻟﻤﻮظﻔﻮن ﯾﻤﯿﻠﻮن ﻟﻠﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ‪ .‬ﺑﻤﻌﻨﻰ ھﻞ ﯾﺘﺠﺎوز اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﺮﺿﺎ ﻋﻦ‬
‫ﻣﻜﺎن اﻟﻌﻤﻞ وﺳﻂ اﻟﻤﻘﯿﺎس اﻟﻤﺴﺘﺨﺪم ﻟﻘﯿﺎس اﻟﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ أي اﻟﻘﯿﻤﺔ ‪3‬؟ )ﻧﻈﺮا ً ﻻﺳﺘﺨﺪام اﻟﺒﺎﺣﺚ ﻟﻤﻘﯿﺎس ﻣﻦ ‪5‬‬
‫درﺟﺎت ﻟﻘﯿﺎس اﻟﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ(‪.‬‬

‫ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪H0: µ ≤ 3 :‬‬

‫اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪H1: µ > 3 :‬‬

‫ﻟﺘﻨﻔﯿﺬ اﻻﺧﺘﺒﺎر ﻓﻲ ‪ SPSS‬ﺗُﺘﺒﻊ اﻟﺨﻄﻮات اﻟﺘﺎﻟﯿﺔ‪One sample T Test  Compare Means  Analyze :‬‬

‫‪64‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(4/3‬ﺧﻄﻮات ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة ﺿﻤﻦ ‪SPSS‬‬

‫ﻓﻲ اﻟﻨﺎﻓﺬة ‪ One-Sample T Test‬ﯾُﻨﻘﻞ ﻣﺘﻐﯿﺮ "اﻟﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ" إﻟﻰ اﻟﻤﺮﺑﻊ )‪ Test Variable(s‬وﯾﺘﻢ ﺗﻐﯿﯿﺮ ‪Test Value‬‬

‫إﻟﻰ اﻟﻘﯿﻤﺔ "‪."3‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(5/3‬اﻟﻨﺎﻓﺬة ‪One-Sample T Test‬‬

‫‪65‬‬
 ‫ﯾُﻨﻘﺮ ﻓﻮق ‪ OK‬ﻓﺘﻈﮭﺮ اﻟﻨﺘﯿﺠﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(6/3‬ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة‬

‫ﯾﻈﮭﺮ اﻟﺠﺪول اﻷول ‪ One-Sample Statistics‬أن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ ﯾﺒﻠﻎ ‪ .3.83‬وﯾﺆﻛﺪ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ‬
‫اﻟﻮاﺣﺪة ﻓﻲ اﻟﺠﺪول ‪ One-Sample Test‬أن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ أﻛﺒﺮ ﻣﻦ وﺳﻂ اﻟﻤﻘﯿﺎس )اﻟﻘﯿﻤﺔ ‪ (3‬ﺑﺸﻜﻞ‬
‫ذي دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ ﺣﯿﺚ أن‪:‬‬
‫• ‪t(229) = 14.212‬‬
‫• و ‪ Sig‬أﺻﻐﺮ ﻣﻦ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ‪α = 0.05‬‬

‫ﺑﻤﻌﻨﻰ آﺧﺮ ﯾﻤﻜﻦ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﻗﺒﻮل اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ اﻟﺘﻲ ﺗﺪل ﻋﻠﻰ أن اﻷﺷﺨﺎص ﻟﺪﯾﮭﻢ رﺿﺎ ً إﯾﺠﺎﺑﻲ ﻋﻦ ﻣﻜﺎن‬
‫اﻟﻌﻤﻞ‪.‬‬

‫‪ 2-2-3‬اﺧﺘﺒﺎر ‪ T‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ )‪ :(Independent Samples T-Test‬ﯾﺴﺘﺨﺪم اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ﻟﻔﺤﺺ ﻓﺮﺿﯿﺔ‬
‫ﻣﺴﺎواة اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻤﺘﻐﯿﺮ ﻣﺎ ﺑﯿﻦ ﻋﯿﻨﺘﯿﻦ أو ﻣﺠﻤﻮﻋﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ )اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻤﺠﻤﻮﻋﺘﯿﻦ(‪.‬‬

‫‪66‬‬
 ‫وﯾﻤﻜﻦ اﺳﺘﺨﺪام اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ﻟﻺﺟﺎﺑﺔ ﻋﻠﻰ ﺗﺴﺎؤﻻت ﻣﺜﻞ‪:‬‬
‫‪ -‬ھﻞ ﯾﺨﺘﻠﻒ اﻟﻤﺨﺘﺼﻮن ﻋﻦ ﻏﯿﺮ اﻟﻤﺨﺘﺼﯿﻦ ﻓﻲ ﺗﻘﯿﯿﻤﮭﻢ ﻷداء اﻟﺸﺮﻛﺔ ‪X‬؟‬
‫‪ -‬ھﻞ ﯾﻨﻔﻖ ذوو اﻟﺪﺧﻞ اﻟﻤﺮﺗﻔﻊ ﻋﻠﻰ اﻟﺘﺴﻠﯿﺔ أﻛﺜﺮ ﻣﻤﺎ ﯾﻨﻔﻘﮫ ذوو اﻟﺪﺧﻞ اﻟﻤﻨﺨﻔﺾ؟‬
‫‪ -‬ھﻞ ﯾﻜﻮن ﻣﺴﺘﻮى ﺗﺤﻔﯿﺰ اﻟﻤﻮظﻔﯿﻦ اﻟﺮاﺿﯿﻦ أﻋﻠﻰ ﻣﻦ ﻣﺴﺘﻮى ﺗﺤﻔﯿﺰ اﻟﻤﻮظﻔﯿﻦ ﻏﯿﺮ اﻟﺮاﺿﯿﻦ؟‬
‫‪ -‬ھﻞ ﯾﺨﺘﻠﻒ ﻣﺴﺘﻮى رﺿﺎ ﻗﺪاﻣﻰ اﻟﻤﺴﺎھﻤﯿﻦ ﻋﻦ ﻣﺴﺘﻮى رﺿﺎ اﻟﻤﺴﺎھﻤﯿﻦ اﻟﺠﺪد؟‬

‫وﺑﺎﻹﺿﺎﻓﺔ إﻟﻰ اﻟﺸﺮوط اﻟﻌﺎﻣﺔ اﻟﺘﻲ ﺳﺒﻖ ذﻛﺮھﺎ ﻓﻲ ﻣﻘﺪﻣﺔ اﻟﻔﺼﻞ ﻻﺧﺘﺒﺎر ‪ t‬ﻓﺈن ﻻﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ﺷﺮطﺎن إﺿﺎﻓﯿﺎن‪:‬‬
‫• ﺷﺮط اﺳﺘﻘﻼل اﻟﻤﺠﻤﻮﻋﺘﯿﻦ‪ :‬ﺣﯿﺚ ﯾﺠﺐ أن ﯾﻈﮭﺮ ﻛﻞ ﻣﺠﯿﺐ أو ﻣﺸﺎھﺪة ﻓﻲ ﻣﺠﻤﻮﻋﺔ واﺣﺪة ﻓﻘﻂ ﻣﻦ اﻟﻤﺠﻤﻮﻋﺘﯿﻦ‪.‬‬
‫• ﺷﺮط ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﯾﻦ‪ :‬ﯾﺠﺐ أن ﯾﻜﻮن ﺗﺒﺎﯾﻦ ﻣﺘﻐﯿﺮ اﻻﺧﺘﺒﺎر ﻣﺘﺴﺎوﯾﺎ ً ﻓﻲ ﻛﻼ اﻟﻤﺠﻤﻮﻋﺘﯿﻦ‪ .‬وﻟﻜﻦ ‪ SPSS‬ﯾﺘﯿﺢ ﺣﻼً ﺑﺪﯾﻼً‬
‫ﻛﻤﺎ ﺳﻨﺮى ﻻﺣﻘﺎ ً ﻓﻲ ﺣﺎل ﻋﺪم ﺗﺴﺎوي اﻟﺘﺒﺎﯾﻦ ﺑﯿﻦ اﻟﻤﺠﻤﻮﻋﺘﯿﻦ‪ .‬ﺣﯿﺚ ﯾﻜﻮن ﻟﻼﺧﺘﺒﺎر ﺷﻜﻼن‪:‬‬
‫‪ o‬اﻷول ﻓﻲ ﺣﺎل اﻓﺘﺮاض أن ﺗﺒﺎﯾﻦ اﻟﻤﺠﻤﻮﻋﺘﯿﻦ ﻣﺘﺴﺎ ٍو‬
‫‪ o‬اﻟﺜﺎﻧﻲ ﻓﻲ ﺣﺎل اﻓﺘﺮاض أن ﺗﺒﺎﯾﻦ اﻟﻤﺠﻤﻮﻋﺘﯿﻦ ﻏﯿﺮ ﻣﺘﺴﺎ ٍو‬

‫وﯾﺘﻢ اﺧﺘﺒﺎر ﺷﺮط ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﯾﻦ ﻣﻦ ﺧﻼل اﺧﺘﺒﺎر ﻟﯿﻔﯿﻦ ‪.Levene’s test‬‬

‫‪ 1-2-2-3‬اﻟﻤﻌﺎدﻟﺔ اﻟﺮﯾﺎﺿﯿﺔ واﻟﻔﺮﺿﯿﺎت )‪ :(Mathematical Equation and Hypotheses‬ﯾﻤﻜﻨﻨﺎ ﻓﻲ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت‬

‫اﻟﻤﺴﺘﻘﻠﺔ اﻟﺘﻤﯿﯿﺰ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‪ .‬ﯾﻘﺴﻢ اﻟﻤﺘﻐﯿﺮ اﻷول اﻟﻌﯿﻨﺔ إﻟﻰ ﻋﯿﻨﺘﯿﻦ ﻏﯿﺮ ﻣﺘﺪاﺧﻠﺘﯿﻦ )ﻛﻤﺘﻐﯿﺮ اﻟﺠﻨﺲ ﻣﺜﻼً(‪ .‬ﻏﺎﻟﺒﺎ ً ﻣﺎ ﯾﻜﻮن ھﺬا‬
‫اﻟﻤﺘﻐﯿﺮ ﻣﻦ اﻟﻨﻮع اﻻﺳﻤﻲ ‪ Nominal Variable‬وﯾﻄﻠﻖ ﻋﻠﯿﮫ ﻓﻲ ‪ SPSS‬اﺳﻢ ﻣﺘﻐﯿﺮ اﻟﺘﺠﻤﯿﻊ ‪ . Grouping Variable‬أﻣﺎ اﻟﻤﺘﻐﯿﺮ‬
‫اﻟﺜﺎﻧﻲ ﻓﮭﻮ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺮاد اﺧﺘﺒﺎر ﺗﺴﺎوي اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﮫ ﺑﯿﻦ اﻟﻤﺠﻤﻮﻋﺘﯿﻦ اﻟﻠﺘﺎن ﯾﻌﺮﻓﮭﻤﺎ اﻟﻤﺘﻐﯿﺮ اﻷول )ﻣﺘﻐﯿﺮ اﻟﺘﺠﻤﯿﻊ(‪.‬‬
‫ﯾﻜﻮن ھﺬا اﻟﻤﺘﻐﯿﺮ ﻣﻦ اﻟﻨﻮع اﻟﻤﺪرج ‪ Interval‬أو اﻟﻨﺴﺐ ‪.Ratio‬‬

‫ﺗﻜﺘﺐ ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ﻓﻲ ھﺬا اﻻﺧﺘﺒﺎر ﻛﻤﺎ ﯾﻠﻲ‪:‬‬

‫ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪H0: µ1 = µ2 :‬‬

‫اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪H1: µ1 ≠ µ2 :‬‬

‫ﺣﯿﺚ‪:‬‬

‫‪ :µ1‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺘﻐﯿﺮ اﻟﻜﻤﻲ ﺿﻤﻦ اﻟﻤﺠﻤﻮﻋﺔ اﻷوﻟﻰ‬

‫‪67‬‬
 ‫‪ :µ2‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺘﻐﯿﺮ اﻟﻜﻤﻲ ﺿﻤﻦ اﻟﻤﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﯿﺔ‬

‫وﯾﻤﻜﻦ ﺣﺴﺎب ﻗﯿﻤﺔ ‪ t‬ﺑﺘﻄﺒﯿﻖ اﻟﺼﯿﻐﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫ﺣﯿﺚ‪:‬‬

‫�𝑋𝑋‪ :1‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺠﻤﻮﻋﺔ اﻷوﻟﻰ‬

‫�𝑋𝑋‪ :2‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﯿﺔ‬

‫‪ :𝑆𝑆12‬ﺗﺒﺎﯾﻦ اﻟﻤﺠﻤﻮﻋﺔ اﻷوﻟﻰ‬

‫‪ :𝑆𝑆12‬ﺗﺒﺎﯾﻦ اﻟﻤﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﯿﺔ‬

‫‪ :n1‬ﺣﺠﻢ اﻟﻤﺠﻤﻮﻋﺔ اﻷوﻟﻰ‬

‫‪ :n2‬ﺣﺠﻢ اﻟﻤﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﯿﺔ‬

‫وﺗﺤﺴﺐ درﺟﺔ اﻟﺤﺮﯾﺔ ﻻﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ﻣﻦ ﺧﻼل اﻟﺼﯿﻐﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪d.f. = n1 + n2 – 2‬‬

‫‪68‬‬
‫‪ 2-2-2-3‬اﺧﺘﺒﺎر ‪ T‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ﺑﺎﺳﺘﺨﺪام ‪ :(Independent Samples T-Test Using SPSS) SPSS‬ﻓﻲ ﺗﺘﻤﺔ ﻟﻤﺜﺎﻟﻨﺎ‬
‫اﻟﺴﺎﺑﻖ أراد اﻟﺒﺎﺣﺚ اﺧﺘﺒﺎر ﻓﺮﺿﯿﺔ وﺟﻮد اﺧﺘﻼف ﺑﯿﻦ اﻟﺬﻛﻮر واﻹﻧﺎث ﻣﻦ ﺣﯿﺚ اﻟﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ‪.‬‬

‫ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ :‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﺮﺿﺎ اﻟﺬﻛﻮر = اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﺮﺿﺎ اﻹﻧﺎث‬

‫اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪ :‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﺮﺿﺎ اﻟﺬﻛﻮر ≠ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﺮﺿﺎ اﻹﻧﺎث‬

‫ﻟﺘﻄﺒﯿﻖ اﻻﺧﺘﺒﺎر ﻓﻲ ‪ SPSS‬ﯾﺘﺒﻊ اﻟﺒﺎﺣﺚ اﻟﺨﻄﻮات اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪Independent-Samples T Test  Compare Means  Analyze‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(7/3‬ﺧﻄﻮات ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ﺿﻤﻦ ‪SPSS‬‬

‫ﻓﻲ اﻟﻨﺎﻓﺬة ‪ Independent-Samples T Test‬ﯾُﻨﻘﻞ اﻟﻤﺘﻐﯿﺮ اﻟﻜﻤﻲ "اﻟﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ" إﻟﻰ اﻟﻤﺮﺑﻊ )‪ Test Variable(s‬وﯾُﻨﻘﻞ‬
‫اﻟﻤﺘﻐﯿﺮ اﻻﺳﻤﻲ "اﻟﺠﻨﺲ" إﻟﻰ اﻟﻤﺮﺑﻊ "‪ ."Grouping Variable‬ﯾُﻼﺣﻆ أن اﻟﺰر ‪ Define Groups‬ﺳﯿﻨﺸﻂ ﻓﻮر اﻟﻘﯿﺎم ﺑﻨﻘﻞ‬
‫اﻟﻤﺘﻐﯿﺮ "اﻟﺠﻨﺲ" إﻟﻰ اﻟﻤﺮﺑﻊ ‪.Grouping Variable‬‬

‫‪69‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(8/3‬اﻟﻨﺎﻓﺬة ‪Independent-Samples T Test‬‬

‫ﯾﻨﻘﺮ اﻟﺒﺎﺣﺚ ﻓﻮق اﻟﺰر ‪ Define Groups‬وﯾﺪﺧﻞ رﻣﺰي اﻟﻤﺠﻤﻮﻋﺘﯿﻦ اﻟﻤﺮاد ﻣﻘﺎرﻧﺔ ﻣﺘﻮﺳﻄﯿﮭﻤﺎ )ﻓﻲ ھﺬا اﻟﻤﺜﺎل أُﻋﻄﻲ اﻟﺮﻣﺰ‬
‫‪ 1‬ﻟﻠﺬﻛﻮر و‪ 2‬ﻟﻺﻧﺎث( وﯾُﻨﻘﺮ ﻓﻮق اﻟﺰر ‪ .Continue‬ﻻ ﺗﻈﮭﺮ أھﻤﯿﺔ ھﺬه اﻟﻨﺎﻓﺬة إذا اﺣﺘﻮى ﻣﺘﻐﯿﺮ اﻟﺘﺠﻤﯿﻊ ﻋﻠﻰ ﻣﺠﻤﻮﻋﺘﯿﻦ ﻓﻘﻂ‪.‬‬
‫أﻣﺎ ﻓﻲ ﺣﺎل اﺣﺘﻮى ﻣﺘﻐﯿﺮ اﻟﺘﺠﻤﯿﻊ ﻋﻠﻰ أﻛﺜﺮ ﻣﻦ ﻣﺠﻤﻮﻋﺘﯿﻦ ﻓﺘﻔﯿﺪ ھﺬه اﻟﻨﺎﻓﺬة ﻓﻲ ﺗﻌﺮﯾﻒ اﻟﻤﺠﻤﻮﻋﺘﯿﻦ اﻟﻤﺮاد ﻣﻘﺎرﻧﺔ وﺳﻄﮭﻤﺎ‬
‫اﻟﺤﺴﺎﺑﻲ‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(9/3‬اﻟﻨﺎﻓﺬة ‪Define Groups‬‬

‫‪70‬‬
 ‫ﻋﻨﺪ اﻟﻨﻘﺮ ﻓﻮق اﻟﺰر ‪ OK‬ﻓﻲ اﻟﻨﺎﻓﺬة ‪ Independent-Samples T Test‬ﺗﻈﮭﺮ ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(10/3‬ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ‬

‫ﯾﺒﯿﻦ اﻟﺠﺪول ‪ Group Statistics‬أن ﻋﺪد اﻟﺬﻛﻮر ﻓﻲ اﻟﻌﯿﻨﺔ ھﻮ ‪ 132‬ﻣﻮظﻔﺎ ً وأن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﺮﺿﺎ اﻟﺬﻛﻮر ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ‬
‫ھﻮ ‪ 3.86‬ﻓﯿﻤﺎ ﯾﺒﻠﻎ ﻋﺪد اﻹﻧﺎث ‪ 98‬ﻣﻮظﻔﺔ واﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﺮﺿﺎ اﻹﻧﺎث ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ ‪ .3.81‬ﻧﻼﺣﻆ ﺗﻘﺎرب اﻟﻮﺳﻄﯿﻦ‬
‫اﻟﺤﺴﺎﺑﯿﯿﻦ ﻋﻠﻰ ﻣﺴﺘﻮى اﻟﻌﯿﻨﺔ‪ .‬وﻻﺧﺘﺒﺎر اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﯿﺔ ﻟﻠﻔﺮق ﺑﯿﻦ اﻟﺬﻛﻮر واﻹﻧﺎث ﻣﻦ ﺣﯿﺚ اﻟﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ ﻻﺑﺪ‬
‫ﻣﻦ اﻟﻠﺠﻮء إﻟﻰ ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر ‪ t‬اﻟﻈﺎھﺮة ﻓﻲ اﻟﺠﺪول ‪.Independent Samples Test‬‬

‫ﯾُﻼﺣﻆ أن اﻟﺠﺪول ﯾﺘﻀﻤﻦ ﺳﻄﺮﯾﻦ‪ .‬ﯾﻌﻄﻲ اﻟﺴﻄﺮ اﻷول ‪ Equal variances assumed‬ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر ‪ t‬ﻓﻲ ﺣﺎل ﻛﺎن ﺷﺮط‬
‫ﺗﺴﺎوي اﻟﺘﺒﺎﯾﻨﯿﻦ ﻣﺤﻘﻘﺎ ً أي أن ﺗﺒﺎﯾﻦ اﻟﻤﺠﻤﻮﻋﺔ اﻷوﻟﻰ ﯾﺴﺎوي ﺗﺒﺎﯾﻦ اﻟﻤﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﯿﺔ‪ .‬أﻣﺎ اﻟﺴﻄﺮ اﻟﺜﺎﻧﻲ ‪Equal variances‬‬

‫‪ not assumed‬ﻓﯿﻈﮭﺮ ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر ‪ t‬ﻓﻲ ﺣﺎل ﻋﺪم ﺗﺴﺎوي اﻟﺘﺒﺎﯾﻨﯿﻦ‪.‬‬

‫ﯾﺴﻤﺢ اﺧﺘﺒﺎر ﻟﯿﻔﯿﻦ ‪ Leven’s Test‬ﺑﺎﺧﺘﺒﺎر ﺗﺴﺎوي اﻟﺘﺒﺎﯾﻨﯿﻦ ﺣﯿﺚ ﯾﻜﻮن ﺗﺒﺎﯾﻨﺎ اﻟﻌﯿﻨﺘﯿﻦ ﻣﺘﺴﺎوﯾﺎ ً إذا ﻛﺎن ﻣﺴﺘﻮى ﻣﻌﻨﻮﯾﺔ ﻗﯿﻤﺔ ‪F‬‬
‫أﻛﺒﺮ ﻣﻦ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ اﻟﻤﺤﺪد )‪ (α = 0.05‬وﺗُﻌﺘﻤﺪ ﻓﻲ ھﺬه اﻟﺤﺎﻟﺔ ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر ‪ t‬اﻟﻤﻮﺟﻮدة ﻓﻲ اﻟﺴﻄﺮ اﻷول‪ .‬أﻣﺎ إذا ﻛﺎن‬

‫‪71‬‬
‫ﻣﺴﺘﻮى اﻟﻤﻌﻨﻮﯾﺔ )‪ p value‬أو ‪ (Sig‬ﻻﺧﺘﺒﺎر ﻟﯿﻔﯿﻦ أﺻﻐﺮ ﻣﻦ ‪ α‬ﻓﯿﻜﻮن ﺗﺒﺎﯾﻨﺎ اﻟﻤﺠﻤﻮﻋﺘﯿﻦ ﻏﯿﺮ ﻣﺘﺴﺎ ٍو وﺗُﻌﺘﻤﺪ ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر‬
‫‪ t‬اﻟﻈﺎھﺮة ﻓﻲ اﻟﺴﻄﺮ اﻟﺜﺎﻧﻲ‪.‬‬

‫ﯾُﻼﺣﻆ ﻣﻦ اﻟﺠﺪول ‪ Independent Samples Test‬أن ﻣﻌﻨﻮﯾﺔ اﺧﺘﺒﺎر ﻟﯿﻔﯿﻦ ھﻲ ‪ sig=0.549‬وھﻲ أﻛﺒﺮ ﻣﻦ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ‬
‫‪ 0.05‬وﺑﺎﻟﺘﺎﻟﻲ ﻓﺈن ﺷﺮط ﺗﺴﺎوي اﻟﺘﺒﺎﯾﻨﯿﻦ ﻣﺤﻘﻖ ﻟﺬا ﺗُﻌﺘﻤﺪ ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر ‪ t‬اﻟﻈﺎھﺮة ﻓﻲ اﻟﺴﻄﺮ اﻷول‪.‬‬

‫ﺗﺸﯿﺮ ﻧﺘﯿﺠﺔ اﻻﺧﺘﺒﺎر )‪ (t(228)= 0.420 , sig= 0.675 > 0.05‬إﻟﻰ ﻋﺪم وﺟﻮد ﻓﺮق ذي دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ ﺑﯿﻦ اﻟﺬﻛﻮر واﻹﻧﺎث‬
‫ﻣﻦ ﺣﯿﺚ اﻟﺮﺿﺎ ﻋﻦ ﻣﻜﺎن اﻟﻌﻤﻞ‪.‬‬

‫‪ 3-2-3‬اﺧﺘﺒﺎر ‪ T‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ )‪ :(Paired Samples T-Test‬ﯾﺘﻀﻤﻦ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ ﻓﺤﺺ ﻓﺮﺿﯿﺔ ﺗﺘﻌﻠﻖ‬
‫ﺑﻤﺴﺎواة ﻣﺘﻮﺳﻂ ﻣﺘﻐﯿﺮﯾﻦ ﻟﻨﻔﺲ اﻟﻌﯿﻨﺔ ﺑﺤﯿﺚ ﺗﻜﻮن ﻣﺸﺎھﺪات اﻟﻌﯿﻨﺔ ﻋﻠﻰ ھﯿﺌﺔ أزواج‪.‬‬

‫وﯾﺸﯿﻊ اﺳﺘﺨﺪام ھﺬا اﻻﺧﺘﺒﺎر ﻓﻲ اﻟﺪراﺳﺎت اﻟﺘﻲ ﺗﺴﺘﺨﺪم اﻟﻤﻘﺎﯾﯿﺲ اﻟﻤﻜﺮرة ﺣﯿﺚ ﯾﺠﯿﺐ اﻟﺸﺨﺺ ﻣﺮﺗﯿﻦ ﻋﻠﻰ ﻧﻔﺲ اﻟﻤﺘﻐﯿﺮ ﻛﻤﺎ‬
‫ﻓﻲ ﺣﺎل ﻗﯿﺎس ﻗﯿﻤﺔ ﻣﺘﻐﯿﺮ ﻣﺎ ﻗﺒﻞ وﺑﻌﺪ ﺗﺠﺮﺑﺔ أو ﺣﺪث ﻣﺎ‪ .‬ﻓﻤﺜﻼً ﯾﻤﻜﻦ اﺳﺘﺨﺪام اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ ﻻﺧﺘﺒﺎر ﻣﻌﻨﻮﯾﺔ‬
‫اﻟﻔﺮق ﺑﯿﻦ ﻋﻼﻣﺎت اﻟﻄﻼب ﻓﻲ ﻣﻘﺮرﯾﻦ ﻣﺨﺘﻠﻔﯿﻦ أو ﻻﺧﺘﺒﺎر ﻣﻌﻨﻮﯾﺔ اﻟﻔﺮق ﺑﯿﻦ ﻣﺘﻮﺳﻂ ﻋﻼﻣﺎت اﻟﻄﻼب ﻗﺒﻞ دورة اﻟﺘﻘﻮﯾﺔ‬
‫وﺑﻌﺪ دورة اﻟﺘﻘﻮﯾﺔ أو ﻟﻔﺤﺺ اﺧﺘﻼف ﺗﻘﯿﯿﻢ اﻟﻤﺴﺘﮭﻠﻜﯿﻦ ﻟﻌﻼﻣﺘﯿﻦ ﺗﺠﺎرﯾﺘﯿﻦ ﻣﺨﺘﻠﻔﺘﯿﻦ وﻏﯿﺮ ذﻟﻚ ﻣﻦ اﻷﻣﺜﻠﺔ اﻟﻤﺸﺎﺑﮭﺔ‪.‬‬

‫‪ 1-3-2-3‬اﻟﻤﻌﺎدﻟﺔ اﻟﺮﯾﺎﺿﯿﺔ واﻟﻔﺮﺿﯿﺎت )‪ :(Mathematical Equation and Hypotheses‬ﺗﻜﺘﺐ ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ‬
‫اﻟﺒﺪﯾﻠﺔ ﻻﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ ﻛﻤﺎ ﯾﻠﻲ‪:‬‬

‫ﻓﺮﺿﯿﺔ اﻟﻌﺪم ‪H0: µ1 = µ2 :‬‬

‫اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪H1: µ1 ≠ µ2 :‬‬

‫ﺣﯿﺚ‪:‬‬

‫‪ :µ1‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺘﻐﯿﺮ اﻷول‬

‫‪ :µ2‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺘﻐﯿﺮ اﻟﺜﺎﻧﻲ‬

‫وﺗُﺤﺴﺐ ﻗﯿﻤﺔ ‪ t‬ﻓﻲ ھﺬا اﻻﺧﺘﺒﺎر ﻣﻦ ﺧﻼل اﻟﺼﯿﻐﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪72‬‬
 ‫�𝑑𝑑‬
‫=‪t‬‬
‫𝑛𝑛√‪𝑆𝑆𝑑𝑑 ⁄‬‬

‫ﺣﯿﺚ‪:‬‬

‫̅𝑑𝑑‪ :‬وﺳﻄﻲ اﻟﻔﺮق ﺑﯿﻦ اﻟﻮﺳﻄﯿﻦ اﻟﺤﺴﺎﺑﯿﯿﻦ ﻟﻠﻤﺘﻐﯿﺮﯾﻦ‬

‫‪ :Sd‬اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري ﻟﻠﻔﺮق ﺑﯿﻦ اﻟﻮﺳﻄﯿﻦ اﻟﺤﺴﺎﺑﯿﯿﻦ ﻟﻠﻤﺘﻐﯿﺮﯾﻦ‬

‫‪ :n‬ﺣﺠﻢ اﻟﻌﯿﻨﺔ‬

‫وﺗﺤﺴﺐ درﺟﺎت اﻟﺤﺮﯾﺔ ﻟﻼﺧﺘﺒﺎر ﻛﻤﺎ ﯾﻠﻲ‪:‬‬

‫‪d.f. = n -1‬‬
‫‪ 2-3-2-3‬اﺧﺘﺒﺎر ‪ T‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ ﺑﺎﺳﺘﺨﺪام ‪ :(Paired Samples T-Test Using SPSS) SPSS‬ﻓﻲ ﻣﺜﺎﻟﻨﺎ اﻟﺴﺎﺑﻖ أراد‬
‫اﻟﺒﺎﺣﺚ ﻣﻌﺮﻓﺔ ﻓﯿﻤﺎ إذا ﻛﺎن ھﻨﺎك ﻓﺮق ﺑﯿﻦ ﺗﻘﯿﯿﻢ اﻟﻤﻮظﻔﯿﻦ ﻟﻠﺘﮭﻮﯾﺔ وﺗﻘﯿﯿﻤﮭﻢ ﻟﻠﺘﮭﻮﯾﺔ ﻓﻲ ﻣﻜﺎن اﻟﻌﻤﻞ‪.‬‬

‫ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ :‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﺘﻘﯿﯿﻢ اﻟﺘﮭﻮﯾﺔ = اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﺘﻘﯿﯿﻢ اﻹﺿﺎءة‬

‫اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪ :‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﺘﻘﯿﯿﻢ اﻟﺘﮭﻮﯾﺔ ≠ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﺘﻘﯿﯿﻢ اﻹﺿﺎءة‬

‫ﻟﺘﻄﺒﯿﻖ اﻻﺧﺘﺒﺎر ﻓﻲ ‪ SPSS‬ﻧﺘﯿﻊ اﻟﺨﻄﻮات اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪Paired-Samples T Test  Compare Means  Analyze‬‬

‫‪73‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(11/3‬ﺧﻄﻮات ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ ﺿﻤﻦ ‪SPSS‬‬

‫ﻓﻲ اﻟﻨﺎﻓﺬة ‪ Paired-Samples T Test‬ﯾﻨﻘﻞ اﻟﺒﺎﺣﺚ اﻟﻤﺘﻐﯿﺮ "اﻟﺘﮭﻮﯾﺔ" إﻟﻰ اﻟﻌﻤﻮد ‪ Variable1‬وﯾﻨﻘﻞ اﻟﻤﺘﻐﯿﺮ "اﻹﺿﺎءة" إﻟﻰ‬
‫اﻟﻌﻤﻮد ‪ Variable2‬ﺛﻢ ﯾﻨﻘﺮ ﻓﻮق ‪.OK‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(12/3‬اﻟﻨﺎﻓﺬة ‪Paired-Samples T Test‬‬

‫ﯾﺸﯿﺮ اﻟﺠﺪول ‪ Paired Samples Statistics‬إﻟﻰ أن اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻌﯿﻨﺔ ﻟﻤﺘﻐﯿﺮ "اﻟﺘﮭﻮﯾﺔ" ھﻮ ‪ 3.80‬ﻓﯿﻤﺎ ﯾﺒﻠﻎ اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ‬
‫ﻟﻤﺘﻐﯿﺮ "اﻹﺿﺎءة" ‪ 3.38‬وﯾﺒﻠﻎ ﺣﺠﻢ اﻟﻌﯿﻨﺔ ‪ 230‬ﻣﻮظﻔﺎً‪.‬‬
‫‪74‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(13/3‬اﻟﺠﺪول ‪Paired-Samples Statistics‬‬

‫ﯾﺸﯿﺮ اﺧﺘﺒﺎر ‪ t‬اﻟﻈﺎھﺮ ﻓﻲ ‪ Paired Samples Test‬إﻟﻰ وﺟﻮد اﺧﺘﻼف ذي دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ ﺑﯿﻦ ﺗﻘﯿﯿﻢ اﻟﻤﻮظﻔﯿﻦ ﻟﻠﺘﮭﻮﯾﺔ وﺗﻘﯿﯿﻤﮭﻢ‬
‫ﻟﻺﺿﺎءة )‪ (t(229) = 5.951 ; Sig < 0.05‬ﺑﺤﯿﺚ أن ﺗﻘﯿﯿﻤﮭﻢ ﻟﻠﺘﮭﻮﯾﺔ أﻓﻀﻞ ﻣﻦ ﺗﻘﯿﯿﻤﮭﻢ ﻟﻺﺿﺎءة ﺿﻤﻦ ﻣﻜﺎن اﻟﻌﻤﻞ ﺗﺒﻌﺎ ً‬
‫ﻟﻸوﺳﺎط اﻟﺤﺴﺎﺑﯿﺔ اﻟﻈﺎھﺮة ﻓﻲ اﻟﺠﺪول ‪.Paired Samples Statistics‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(14/3‬اﻟﺠﺪول ‪Paired-Samples Test‬‬

‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‪ :‬ﻋﺮف اﻟﻔﺼﻞ ﻣﻔﮭﻮم اﻟﻔﺮﺿﯿﺔ وﻣﯿﺰ ﺑﯿﻦ ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ وﻛﯿﻔﯿﺔ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‬
‫واﻟﻤﺮاﺣﻞ اﻟﺘﻲ ﺗﻤﺮ ﺑﮭﺎ ﻋﻤﻠﯿﺔ اﻻﺧﺘﺒﺎر‪ .‬ﺗﺒﺪأ ھﺬه اﻟﻤﺮاﺣﻞ ﺑﺼﯿﺎﻏﺔ ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪ ،‬ﺛﻢ اﺧﺘﯿﺎر اﻻﺧﺘﺒﺎر‬
‫اﻹﺣﺼﺎﺋﻲ اﻟﻤﻨﺎﺳﺐ‪ ،‬ﻣﺮورا ً ﺑﺎﺧﺘﯿﺎر ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ‪ ،‬وﺗﺤﺪﯾﺪ ﻗﯿﻤﺔ ‪ p‬اﻟﻤﺮﺗﺒﻄﺔ ﺑﺎﻻﺧﺘﺒﺎر اﻹﺣﺼﺎﺋﻲ‪ ،‬واﻧﺘﮭﺎءا ً ﺑﻤﻘﺎرﻧﺔ ﻗﯿﻤﺔ ‪p‬‬
‫ﻣﻊ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ﻣﻤﺎ ﯾﺴﻤﺢ ﺑﺮﻓﺾ أو ﻋﺪم رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ .‬اﻧﺘﻘﻞ اﻟﻔﺼﻞ ﻻﺣﻘﺎ ً ﻟﺸﺮح اﺧﺘﺒﺎر ‪ t‬ﺑﺄﻧﻮاﻋﮫ اﻟﺜﻼث وھﻲ‬
‫اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة واﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ واﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ‪ .‬وﻋﺮض ﺷﺮوط ﻛﻞ ﻧﻮع وﻓﺮﺿﯿﺎﺗﮫ وﻣﻌﺎدﻟﺘﮫ‬
‫اﻟﺮﯾﺎﺿﯿﺔ وﻛﯿﻔﯿﺔ ﺗﻄﺒﯿﻘﮫ ﺑﺎﺳﺘﺨﺪام ‪.SPSS‬‬

‫‪75‬‬
 ‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ‬
1. Cleff, T. (2019) Applied Statistics and Multivariate Data Analysis for Business and Economics: A
modern Approach Using SPSS, Stata, and Excel. Springer

2. Denis, D. J. (2019) SPSS Data Analysis for Univariate, Bivariate, and Multivariate Statistics.
Wiley.

3. Field, A. (2018) Discovering Statistics Using IBM SPSS Statistics. 5th Edition. Sage.

4. Hinton, P. R., McMurray, I., Brownlow, C. (2014) SPSS Explained. 2nd Edition. Routledge.

5. Ho, R. (2018) Understanding Statistics for the Social Sciences with IBM SPSS. CRC Press.

6. Malhotra, N. K., Nunan, D., Birks, D. F. (2017) Marketing Research: An Applied Approach. 5th
Edition, Pearson.

7. Sarstedt, M., Mooi, E. (2019) A Concise Guide to Market Research: The Process, Data, and
Methods Using IBM SPSS Statistics. 3rd Edition. Springer.

8. Stockemer, D. (2019) Quantitative Methods for the Social Sciences: A Practical Introduction with
Examples in SPSS and Stata. Springer.

9. Yockey, R. D. (2016) A Step-by-Step Guide to Successful Data Analysis For SPSS Version 18.0. 2nd
Edition. Routledge.
‫ دﻟﯿﻞ ﻧﻈﺮي وﺗﻄﺒﯿﻘﻲ وﻋﻤﻠﻲ ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ اﻟﺘﺤﻠﯿﻞ‬:‫( ﺑﺤﻮث اﻟﺘﺴﻮﯾﻖ‬2017) .‫ ﻧﺮﯾﻤﺎن‬،‫ ﻋﻤﺎر‬،.‫ ﺣﯿﺎن‬،‫ دﯾﺐ‬،.‫ ﻣﺤﻤﺪ‬،‫ اﻟﺨﻀﺮ‬.10
.(HIBA) ‫ اﻟﻤﻌﮭﺪ اﻟﻌﺎﻟﻲ ﻹدارة اﻷﻋﻤﺎل‬:‫ دﻣﺸﻖ‬.SPSS ‫اﻹﺣﺼﺎﺋﻲ‬
.‫ ﺟﺎﻣﻌﺔ ﺗﺸﺮﯾﻦ‬:‫ ﺳﻮرﯾﺔ‬،‫( ﻣﻨﮭﺠﯿﺔ اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‬2014) .‫ ﻟﯿﻠﻰ‬،‫ اﻟﻄﻮﯾﻞ‬.11
‫ ﺗﻄﺒﯿﻖ ﺷﺎﻣﻞ ﻟﻠﺤﺰﻣﺔ‬:‫( ﺗﺤﻠﯿﻞ وﻧﻤﺬﺟﺔ اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام اﻟﺤﺎﺳﻮب‬2006) .‫ اﻟﺮﻓﺎﻋﻲ ﻏﺎﻟﺐ ﻋﻮض ﺻﺎﻟﺢ‬،.‫ ﺣﺴﯿﻦ ﻋﻠﻲ‬،‫ ﻧﺠﯿﺐ‬.12
.‫ اﻷردن‬.‫ اﻷھﻠﯿﺔ ﻟﻠﻨﺸﺮ واﻟﺘﻮزﯾﻊ‬.‫ اﻟﻄﺒﻌﺔ اﻷوﻟﻰ‬.SPSS

76
 ‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‪:‬‬
‫‪ (1‬أﺳﺌﻠﺔ ﺻﺢ ‪ /‬ﺧﻄﺄ ‪True/False‬‬

‫ﺧﻄﺄ‬ ‫ﺻﺢ‬ ‫اﻟﺴﺆال‬

‫‪‬‬ ‫ﯾﺴﻤﺢ اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ ﺑﺎﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‬ ‫‪1‬‬

‫‪‬‬ ‫اﻟﻔﺮﺿﯿﺔ ‪ Hypothesis‬ھﻲ ادﻋﺎء ﺣﻮل ﺻﺤﺔ ﺷﻲء ﻣﺎ ﻋﻠﻰ ﻣﺴﺘﻮى اﻟﻤﺠﺘﻤﻊ‪.‬‬ ‫‪2‬‬

‫‪‬‬ ‫ﺗﻌﺮف ﻓﺮﺿﯿﺔ اﻟﻌﺪم ‪ H0‬ﺑﺄﻧﮭﺎ ﺻﯿﺎﻏﺔ ﻣﺒﺪﺋﯿﺔ ﻋﻦ ﻣﻌﻠﻤﺔ اﻟﻤﺠﺘﻤﻊ اﻟﻤﺠﮭﻮﻟﺔ‬ ‫‪3‬‬

‫‪‬‬ ‫ﯾﻌﺮف ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ‪) α‬أﻟﻔﺎ( ﻋﻠﻰ أﻧﮫ ﻋﺒﺎرة ﻋﻦ اﺣﺘﻤﺎل رﻓﺾ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪.‬‬ ‫‪4‬‬

‫‪‬‬ ‫ﯾﺴﺘﺨﺪم اﻻﺧﺘﺒﺎر اﻹﺣﺼﺎﺋﻲ ‪ t‬ﻻﺧﺘﺒﺎر ﻓﺮﺿﯿﺔ ﺗﺘﻌﻠﻖ ﺑﺎﻟﺘﻜﺮارات‪.‬‬ ‫‪5‬‬

‫ﯾﺴﺘﺨﺪم اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ﻟﻔﺤﺺ ﻓﺮﺿﯿﺔ ﻣﺴﺎواة اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻤﺘﻐﯿﺮ ﻣﺎ ﺑﯿﻦ ﻋﯿﻨﺘﯿﻦ‬
‫‪‬‬ ‫‪6‬‬
‫أو ﻣﺠﻤﻮﻋﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ‪.‬‬

‫‪‬‬ ‫ﯾﺘﻢ اﺧﺘﺒﺎر ﺷﺮط ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﯾﻦ ﻣﻦ ﺧﻼل اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة‪.‬‬ ‫‪7‬‬

‫‪‬‬ ‫ﯾﺘﻀﻤﻦ اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ ﻓﺤﺺ ﻓﺮﺿﯿﺔ ﺗﺘﻌﻠﻖ ﺑﻤﺴﺎواة ﻣﺘﻮﺳﻂ ﻣﺘﻐﯿﺮﯾﻦ ﻟﻨﻔﺲ اﻟﻌﯿﻨﺔ‬ ‫‪8‬‬

‫أﺳﺌﻠﺔ ﻣﺘﻌﺪدة اﻟﺨﯿﺎرات‪:‬‬

‫‪ .1‬ﺗﺸﯿﺮ ﻓﺮﺿﯿﺔ اﻟﻌﺪم إﻟﻰ ‪.....‬‬
‫‪ .A‬ﻋﺪم وﺟﻮد ﻋﻼﻗﺔ‬
‫‪ .B‬ﻋﺪم وﺟﻮد اﺧﺘﻼف‬
‫‪ .C‬ﻋﺪم وﺟﻮد أﺛﺮ‬
‫‪ .D‬ﻛﻞ اﻹﺟﺎﺑﺎت اﻟﺴﺎﺑﻘﺔ ﺻﺤﯿﺤﺔ‬
‫‪ .2‬ﯾﻤﻜﻦ أن ﯾﺘﻢ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ‪.....‬‬
‫‪ .A‬ﻓﻲ اﺗﺠﺎه واﺣﺪ‬
‫‪ .B‬ﻓﻲ اﺗﺠﺎھﯿﻦ‬
‫‪ .C‬اﻹﺟﺎﺑﺘﺎن ‪ A‬و ‪ B‬ﺻﺤﯿﺤﺘﺎن‬
‫‪ .D‬اﻹﺟﺎﺑﺘﺎن ‪ A‬و ‪ B‬ﺧﺎطﺌﺘﺎن‬

‫‪77‬‬
 ‫‪ .3‬إذا ﻛﺎن ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ اﻟﻤﺤﺴﻮب ‪ p‬ﻟﻼﺧﺘﺒﺎر اﻹﺣﺼﺎﺋﻲ أﺻﻐﺮ ﻣﻦ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ‪.....α‬‬
‫‪ .A‬ﻧﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم‬
‫‪ .B‬ﻧﺮﻓﺾ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‬
‫‪ .C‬ﻻ ﯾﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم‬
‫‪ .D‬ﻛﻞ اﻹﺟﺎﺑﺎت اﻟﺴﺎﺑﻘﺔ ﺧﺎطﺌﺔ‬

‫‪ .4‬ﯾﺴﺘﺨﺪم ‪ ......‬ﻟﻠﻜﺸﻒ ﻋﻦ وﺟﻮد اﺧﺘﻼف ذي دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ ﻟﻠﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻤﺘﻐﯿﺮ ﻣﺎ ﻟﻌﯿﻨﺔ واﺣﺪة ﻋﻦ ﻗﯿﻤﺔ ﻣﺤﺪدة ﺛﺎﺑﺘﺔ‪.‬‬
‫‪ .A‬اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺔ اﻟﻮاﺣﺪة‬
‫‪ .B‬اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ‬
‫‪ .C‬اﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺰدوﺟﺔ‬
‫‪ .D‬ﻛﻞ اﻹﺟﺎﺑﺎت اﻟﺴﺎﺑﻘﺔ ﺻﺤﯿﺤﺔ‬

‫‪ (3‬أﺳﺌﻠﺔ \ ﻗﻀﺎﯾﺎ ﻟﻠﻤﻨﺎﻗﺸﺔ‬

‫‪ .1‬اﻟﺴﺆال )‪ (1‬أﻧﻮاع اﻟﻔﺮﺿﯿﺎت‪.‬‬

‫ﻋﺮف اﻟﻔﺮﺿﯿﺔ واﺷﺮح اﻟﻔﺮق ﺑﯿﻦ ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪.‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[1-1-3‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 10 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.10 :100‬‬

‫اﻟﺴﺆال )‪ (2‬ﻣﺮاﺣﻞ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‪.‬‬ ‫‪.2‬‬

‫اﺷﺮح ﻣﺮاﺣﻞ اﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‪.‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[2-1-3‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 15 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.15 :100‬‬

‫اﻟﺴﺆال )‪ (3‬اﺧﺘﺒﺎر ‪.T‬‬ ‫‪.3‬‬

‫ﻋﺪد أﻧﻮاع اﺧﺘﺒﺎر ‪ T‬واﺷﺮح اﻟﻔﺮق ﺑﯿﻨﮭﺎ‪.‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[2-3‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 15 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.15 :100‬‬

‫‪78‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‪ :‬ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ‬
‫)‪(Analysis of Variance‬‬
‫اﻟﻜﻠﻤﺎت اﻟﻤﻔﺘﺎﺣﯿﺔ‪:‬‬

‫ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي ))‪ ،One Way ANOVA‬ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ )‪ ،(Analysis of Variance‬اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ )‪،(Factor Variable‬‬
‫اﻻﺧﺘﺒﺎرات اﻟﺒﻌﺪﯾﺔ )‪ ،(Post Hoc analysis‬اﺧﺘﺒﺎر ‪ Sheffee‬ﻟﻤﻌﺮﻓﺔ ﻣﺼﺪر اﻟﻔﺮوق ﺑﯿﻦ اﻟﻤﺘﻮﺳﻄﺎت‪.‬‬

‫ﻣﻠﺨﺺ اﻟﻔﺼﻞ‪:‬‬

‫اﺳﺘُﺨﺪم ﻓﻲ اﻟﻔﺼﻞ اﻟﺴﺎﺑﻖ ﺗﺤﻠﯿﻞ ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ )‪ (Independent Samples t-test‬ﻻﺧﺘﺒﺎر ﻓﺮﺿﯿﺔ ﺗﺴﺎوي ﻣﺘﻮﺳﻄﺎت ﻣﺘﻐﯿﺮ ﻛﻤﻲ ﻣﺎ ﺑﯿﻦ‬
‫ﻣﺠﻤﻮﻋﺘﻲ ﻣﺘﻐﯿﺮ ﻓﺌﻮي )ﺗﺮﺗﯿﺒﻲ أو أﺳﻤﻲ(‪ .‬وﻟﻜﻦ ﻗﺪ ﯾﺤﺘﺎج اﻟﺒﺎﺣﺚ ﻓﻲ اﻟﻜﺜﯿﺮ ﻣﻦ اﻟﺤﺎﻻت إﻟﻰ اﺧﺘﺒﺎر ﻓﺮﺿﯿﺔ ﺗﺴﺎوي ﻣﺘﻮﺳﻄﺎت ﻣﺘﻐﯿﺮ ﻛﻤﻲ ﻣﺎ‬
‫ﺑﯿﻦ أﻛﺜﺮ ﻣﻦ ﻣﺠﻤﻮﻋﺘﯿﻦ )ﺛﻼﺛﺔ أو أﻛﺜﺮ ﻣﻦ اﻟﻔﺌﺎت(‪ ،‬ﯾﻤﻜﻦ ﻓﻲ ھﺬه اﻟﺤﺎﻟﺔ اﻟﻠﺠﻮء إﻟﻰ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ ‪ Analysis of Variance‬أو ﻣﺎ ﯾﻌﺮف‬
‫اﺧﺘﺼﺎراً ﺑـ ‪ .ANOVA‬ﯾﻌﺘﺒﺮا ً ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ إذاً اﻣﺘﺪادا ً ﻻﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ وﯾﻤﻜﻦ اﺳﺘﺨﺪاﻣﮫ ﻟﻤﻘﺎرﻧﺔ ﻣﺘﻮﺳﻄﺎت ﻣﺠﻤﻮﻋﺘﯿﻦ أو أﻛﺜﺮ‪.‬‬

‫اﻟﻤﺨﺮﺟﺎت واﻷھﺪاف اﻟﺘﻌﻠﯿﻤﯿﺔ‪:‬‬

‫‪ -‬ﯾﺴﺘﻮﻋﺐ اﻟﻄﺎﻟﺐ أھﻤﯿﺔ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي‪.‬‬
‫‪ -‬ﯾﺘﻌﺮف اﻟﻄﺎﻟﺐ ﻋﻠﻰ أھﺪاف ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي‬
‫‪ -‬ﯾﻤﯿﺰ اﻟﻄﺎﻟﺐ ﺑﯿﻦ ﺗﺤﻠﯿﻞ ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ وﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي‪.‬‬
‫‪ -‬ﯾﺪرك اﻟﻄﺎﻟﺐ ﺷﺮوط ﺗﻨﻔﯿﺬ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي‪.‬‬
‫‪ -‬ﯾﺪرك اﻟﻄﺎﻟﺐ ﺧﻄﻮات ﺗﻨﻔﯿﺬ اﻟﺘﺤﻠﯿﻞ‪.‬‬
‫‪ -‬ﯾﺸﺮح اﻟﻄﺎﻟﺐ ﻣﺨﺮﺟﺎت اﻟﺘﺤﻠﯿﻞ وﯾﻔﺴﺮ اﻟﻨﺘﺎﺋﺞ‪.‬‬

‫‪79‬‬
 ‫‪ 1-4‬أھﺪاف اﺧﺘﺒﺎر ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي وﺷﺮوطﮫ‪:‬‬
‫‪1-1-4‬اﻷھﺪاف‪ :‬ﯾﮭﺪف ھﺬا اﻻﺧﺘﺒﺎر إﻟﻰ ﺗﺤﺪﯾﺪ ﻓﯿﻤﺎ إذا ﻛﺎن ﻣﺘﻮﺳﻂ ﻣﺘﻐﯿﺮ ﻣﺎ ﺑﯿﺎﻧﺎﺗﮫ ﻛﻤﯿﺔ ] ﻣﺘﺪرج )‪ (Interval‬أو ﻧﺴﺐ‬
‫)‪ [(ratio‬ﯾﺘﻐﯿﺮ وﻓﻘﺎ ً ﻟﻔﺌﺎت ﻣﺘﻐﯿﺮ آﺧﺮ ﻓﺌﻮي ]ﺗﺮﺗﯿﺒﻲ )‪ (Ordinal‬أو ﺗﺼﻨﯿﻔﻲ )‪ .[(Nominal‬ﻋﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل ھﻞ ﯾﺨﺘﻠﻒ وﻻء‬
‫اﻟﺰﺑﺎﺋﻦ ﻓﻲ ﺷﺮﻛﺔ ‪ Starbucks‬ﺗﺒﻌﺎ ً ﻟﻤﺴﺘﻮاھﻢ اﻟﺘﻌﻠﯿﻤﻲ؟ ﻛﻤﺎ ﯾﻮﺿﺢ اﻟﺸﻜﻞ رﻗﻢ )‪ (1/4‬ﻋﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(1/4‬اﺧﺘﻼف ﻣﺘﻮﺳﻂ اﻟﻤﺘﻐﯿﺮ وﻻء زﺑﺎﺋﻦ ‪ Starbucks‬ﺗﺒﻌﺎ ً ﻟﻔﺌﺎت اﻟﻤﺴﺘﻮى اﻟﺘﻌﻠﯿﻤﻲ ﻟﻠﺰﺑﺎﺋﻦ‪.‬‬

‫اﻟمتﻐیر اﻟﻌﺎﻤﻠﻲ‪ :‬ﺘرﺘیبﻲ‬

‫دراﺴﺎت ﻋﻠ�ﺎ‬ ‫ﺸﻬﺎدة ﺠﺎﻤع�ﺔ‬ ‫ﺜﺎﻨو�ﺔ‬ ‫أﻗﻞ ﻤن ﺜﺎﻨو�ﺔ‬

‫ﻤتوﺴط وﻻء ﻫذﻩ‬

‫ﻤتوﺴط وﻻء ﻫذﻩ‬
‫اﻟﻔئﺔ = ‪4.8‬‬ ‫ﻤتوﺴط وﻻء ﻫذﻩ‬
‫ﻤتوﺴط وﻻء ﻫذﻩ‬ ‫اﻟﻔئﺔ= ‪4.2‬‬
‫اﻟﻔئﺔ = ‪2.6‬‬
‫اﻟﻔئﺔ =‪1.8‬‬

‫ﻤستو�ﺎت اﻟمتﻐیر اﻟتﺎ�ﻊ‪ :‬وﻻء ز�ﺎﺌن ‪Starbucks‬‬

‫‪ 2-1-4‬ﺷﺮوط ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي‪:‬‬

‫‪ -‬ﻣﺘﻐﯿﺮ ﻋﺎﻣﻠﻲ واﺣﺪ ﻓﺌﻮي )ﺗﺮﺗﯿﺒﻲ‪/‬ﺗﺼﻨﯿﻔﻲ( ﻣﻜﻮن ﻣﻦ ﻓﺌﺘﯿﻦ ﻋﻠﻰ اﻷﻗﻞ‪ .‬وﯾُﺴﻤﻰ ﺑﺎﻟﻌﺎﻣﻠﻲ وﻟﯿﺲ اﻟﻤﺴﺘﻘﻞ ﻷن اﻟﺒﺎﺣﺚ‬
‫ﻻ ﯾﻌﻠﻢ ﺑﻌﺪ ﻓﯿﻤﺎ إذا ﻛﺎن اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ ھﻮ ﻣﻦ ﯾﺆﺛﺮ ﻋﻠﻰ اﻟﺘﺎﺑﻊ وﯾﺴﺒﺐ اﺧﺘﻼف ﻣﺘﻮﺳﻄﮫ ﺗﺒﻌﺎ ﻟﻔﺌﺎت اﻟﻌﺎﻣﻠﻲ )ﻻ‬
‫ﯾﺴﯿﻄﺮ اﻟﺒﺎﺣﺚ ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮات اﻟﺨﺎرﺟﯿﺔ ﻓﻲ ﺑﻌﺾ اﻟﺒﺤﻮث ﻏﯿﺮ اﻟﺘﺠﺮﯾﺒﯿﺔ‪ ،‬ﻓﻘﻲ اﻟﻤﺜﺎل اﻟﻮارد ﻓﻲ اﻟﺸﻜﻞ )‪ ،(1/4‬ﻟﻢ‬
‫ﯾﻘﻢ اﻟﺒﺎﺣﺚ ﺑﻌﺰل اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻏﯿﺮ اﻟﻤﺴﺘﻮى اﻟﺘﻌﻠﯿﻤﻲ‪ ،‬ﺑﺎﻟﺘﺎﻟﻲ اذا اﺧﺘﻠﻒ ﻣﺘﻮﺳﻂ وﻻء اﻟﺰﺑﺎﺋﻦ ﺗﺒﻌﺎ ً ﻟﻠﻤﺴﺘﻮى‬
‫اﻟﺘﻌﻠﯿﻤﻲ‪ ،‬ﻻ ﯾﻤﻜﻨﮫ اﻋﺘﺒﺎر اﻟﻤﺴﺘﻮى اﻟﺘﻌﻠﯿﻤﻲ ﻣﺼﺪر ھﺬا اﻻﺧﺘﻼف‪ ،‬أﻣﺎ ﻓﻲ اﻟﺘﺠﺎرب ﻓﮭﺬا ﻣﻤﻜﻦ(‪ .‬ﯾﻜﻮن ﻟﮭﺬا اﻟﻤﺘﻐﯿﺮ‬

‫‪80‬‬
‫ﻋﺪد ﻣﺤﺪد ﻣﻦ اﻟﻔﺌﺎت أو اﻟﻤﺴﺘﻮﯾﺎت‪ .‬وھﻮ اﻟﻤﺘﻐﯿﺮ اﻟﺬي ﺳﯿﻘﺴﻢ اﻟﻌﯿﻨﺔ اﻟﻜﻠﯿﺔ إﻟﻰ ﻋﺪد ﻣﻦ اﻟﻤﺠﻤﻮﻋﺎت اﻟﺘﻲ ﯾﺮاد ﻣﻘﺎرﻧﺔ‬
‫اﻟﻤﺘﻮﺳﻄﺎت اﻟﺤﺴﺎﺑﯿﺔ ﻟﻠﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﻋﺒﺮھﺎ‪ .‬وﯾﻮﺿﺢ اﻟﺠﺪول رﻗﻢ )‪ (1/4‬اﻟﻌﺪﯾﺪ ﻣﻦ اﻷﻣﺜﻠﺔ ﻋﻠﻰ ھﺬا اﻟﻤﺘﻐﯿﺮ‪.‬‬
‫‪ -‬ﻣﺘﻐﯿﺮ ﺗﺎﺑﻊ ﻛﻤﻲ )ﻧﺴﺐ‪/‬ﻣﺘﺪرج( واﺣﺪ‪ ،‬وھﻮ اﻟﻤﺘﻐﯿﺮ اﻟﺬي ﺳﯿُﺨﺘﺒﺮ ﻣﺴﺎواة ﻣﺘﻮﺳﻄﮫ ﻋﺒﺮ ﻓﺌﺎت اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ‪.‬‬
‫‪ -‬ﻟﻜﻞ ﻣﻔﺮدة )‪ (Subject/respondent‬ﻣﻦ ﻣﻔﺮدات اﻟﻌﯿﻨﺔ ﻋﻼﻣﺔ أو إﺟﺎﺑﺔ ﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬ﯾﺴﻤﻰ اﻟﻤﺘﻐﯿﺮ اﻷول اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ‬
‫)‪ (Factor‬أو اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ )‪ .(Independent Variable‬أﻣﺎ اﻟﺜﺎﻧﻲ ﻓﮭﻮ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ )‪.(Dependent Variable‬‬

‫اﻟﺠﺪول رﻗﻢ )‪ :(1/4‬أﻣﺜﻠﺔ ﻣﺘﻌﺪدة ﺣﻮل اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ‬

‫دﻛﺘﻮراه‬ ‫ﻣﺎﺟﺴﺘﯿﺮ‬ ‫ﺷﮭﺎدة ﺟﺎﻣﻌﯿﺔ‬ ‫ﺑﻜﺎﻟﻮرﯾﺎ‬ ‫أﻗﻞ ﻣﻦ ﺑﻜﺎﻟﻮرﯾﺎ‬ ‫ﻣﺴﺘﻮى اﻟﺘﻌﻠﯿﻢ‬

‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬
‫ﯾﻮﻧﺎﻧﻲ‬ ‫روﺳﻲ‬ ‫ﻣﺼﺮي‬ ‫ﻟﺒﻨﺎﻧﻲ‬ ‫ﺳﻮري‬ ‫اﻟﺠﻨﺴﯿﺔ‬
‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪Xaomi‬‬ ‫‪Nokia‬‬ ‫‪Hawaii‬‬ ‫‪Samsung‬‬ ‫‪iPhone‬‬ ‫اﻟﻌﻼﻣﺔ اﻟﺘﺠﺎرﯾﺔ‬
‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫ﻟﻠﮭﺎﺗﻒ اﻟﺬﻛﻲ‬

‫‪59-53‬‬ ‫‪52-46‬‬ ‫‪45-39‬‬ ‫‪38-32‬‬ ‫‪31-25‬‬ ‫‪24-18‬‬ ‫اﻟﺴﻦ‬

‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬
‫]‪[4001-5000‬‬ ‫]‪[3001-4000‬‬ ‫]‪[2001-3000‬‬ ‫]‪[1000-2000‬‬ ‫ﻣﺴﺘﻮى اﻟﺪﺧﻞ‬
‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫)اﻟﻠﯿﺮات اﻟﺴﻮرﯾﺔ(‬

‫‪ -‬ﯾﺠﺐ أن ﯾﻜﻮن ﺗﻮزﯾﻊ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ )اﻟﻤﺘﻐﯿﺮ اﻟﻜﻤﻲ( طﺒﯿﻌﯿﺎ ً ﻟﻜﻞ ﻣﺠﺘﻤﻊ ﻣﻦ ﻣﺠﺘﻤﻌﺎت )ﻣﺠﻤﻮﻋﺎت( اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ‬
‫‪ .Factor‬وﻗﺪ وﺟﺪ ﻣﻦ ﺧﻼل اﻷﺑﺤﺎث أن ﻋﺪم ﺗﺤﻘﻖ ھﺬا اﻟﺸﺮط ﻻ ﯾﺆﺛﺮ ﻛﺜﯿﺮا ً ﻓﻲ ﻧﺘﯿﺠﺔ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ إذا ﻛﺎن ﻋﺪد‬

‫‪81‬‬
‫أﻓﺮاد اﻟﻤﺠﻤﻮﻋﺎت اﻟﺘﻲ ﺗُﻘﺎرن ﺟﯿﺪاً‪ .‬وﻟﮭﺬا ﻗﺪ ﺗﻜﻮن ﻧﺘﯿﺠﺔ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ دﻗﯿﻘﺔ إﻟﻰ ﺣﺪ ﻣﺎ وﻟﻮ ﻛﺎن ﺗﻮزﯾﻊ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‬
‫ﻏﯿﺮ طﺒﯿﻌﻲ‪.‬‬
‫‪ -‬ﯾﻨﺼﺢ ﺑﺄن ﺗﻜﻮن اﻟﻤﺠﻤﻮﻋﺎت أو اﻟﻌﯿﻨﺎت اﻟﺘﻲ ﺗﺘﻢ ﻣﻘﺎرﻧﺘﮭﺎ ﻣﺘﻘﺎرﺑﺔ ﻣﻦ ﺣﯿﺚ ﻋﺪد أﻓﺮادھﺎ‪.‬‬

‫ﯾﻤﻜﻦ أن ﯾﺘﻀﻤﻦ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ أﻛﺜﺮ ﻣﻦ ﻣﺘﻐﯿﺮ ﻋﺎﻣﻠﻲ‪ .‬ﻓﺈذا ﻛﺎن ﻟﺪى اﻟﺒﺎﺣﺚ ﻣﺘﻐﯿﺮ ﻋﺎﻣﻠﻲ واﺣﺪ ﺗﻜﻮن ﺣﺎﻟﺔ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ‬
‫أﺣﺎدي اﻻﺗﺠﺎه‪ ،‬أﻣﺎ إذا ﻛﺎن ﻟﺪﯾﮫ ﻣﺘﻐﯿﺮان ﻋﺎﻣﻼن ﻓﯿُﻄﻠﻖ ﻋﻠﻰ اﻟﺘﺤﻠﯿﻞ اﺳﻢ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ ﺛﻨﺎﺋﻲ اﻻﺗﺠﺎه ‪،Two-Way ANOVA‬‬
‫وھﻜﺬا ﻓﻲ ﺣﺎﻟﺔ ‪n‬ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ ﺗﻜﻮن ﺣﺎﻟﺔ ‪ .n-way ANOVA‬وﺳﯿﻘﺘﺼﺮ ھﺬا اﻟﻔﺼﻞ ﻋﻠﻰ دراﺳﺔ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ أﺣﺎدي اﻻﺗﺠﺎه‪.‬‬

‫‪ 2-4‬ﻓﺮﺿﯿﺎت اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي‪:‬‬

‫اﻟﮭﺪف اﻷﺳﺎﺳﻲ ﻣﻦ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ ﻛﻤﺎ أ ُ َ‬
‫ﺷﯿﺮ إﻟﯿﮫ ﺳﺎﺑﻘﺎ ً ھﻮ ﻣﻘﺎرﻧﺔ ﻣﺘﻮﺳﻄﺎت ﻣﺘﻐﯿﺮ ﻛﻤﻲ ﯾﺴﻤﻰ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﯿﻦ ﻓﺌﺎت اﻟﻤﺘﻐﯿﺮ‬
‫اﻟﻌﺎﻣﻠﻲ ‪ Factor‬أو ﺑﯿﻦ اﻟﻤﺠﻤﻮﻋﺎت اﻟﺘﻲ ﯾﻌﺮﻓﮭﺎ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‪ ،‬ﺑﺎﻟﺘﺎﻟﻲ ﺗﻨﺺ ﻓﺮﺿﯿﺔ اﻟﻌﺪم ﻋﻠﻰ أن اﻟﻤﺘﻮﺳﻄﺎت اﻟﺘﻲ ﺗﺘﻢ‬
‫ﻣﻘﺎرﻧﺘﮭﺎ ﻣﺘﺴﺎوﯾﺔ أي إن اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ )اﻟﻤﺴﺘﻘﻞ( ﻻ ﯾﺆﺛﺮ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪.‬‬

‫‪H0: µ1 = µ2 = µ3 = ... = µc‬‬

‫أﻣﺎ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ﻓﺘﻨﺺ ﻋﻠﻰ وﺟﻮد اﺧﺘﻼف ﺑﯿﻦ ﻣﺘﻮﺳﻄﯿﻦ ﻋﻠﻰ اﻷﻗﻞ ﻣﻦ ﻣﺘﻮﺳﻄﺎت اﻟﻤﺠﻤﻮﻋﺎت اﻟﺘﻲ ﺗ ُ َ‬
‫ﻘﺎرن أي إﻧﮭﺎ ﺗﻨﺺ‬
‫ﻋﻠﻰ وﺟﻮد أﺛﺮ ﻟﻠﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ )اﻟﻤﺴﺘﻘﻞ( ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪.‬‬

‫إذا ُرﻓﻀﺖ ﻓﺮﺿﯿﺔ اﻟﻌﺪم اﻟﺘﻲ ﺗﻨﺺ ﻋﻠﻰ إن ﻣﺘﻮﺳﻄﺎت ھﺬه اﻟﻔﺌﺎت ﻣﺘﺴﺎوﯾﺔ‪ ،‬ﯾﺠﺐ ﻣﻌﺮﻓﺔ أي ھﺬه اﻟﻤﺘﻮﺳﻄﺎت ﻣﺘﺴﺎوﯾﺔ وأﯾﮭﺎ‬
‫ﻏﯿﺮ ﻣﺘﺴﺎوﯾﺔ‪ ،‬وﯾﻤﻜﻦ ذﻟﻚ ﺑﺎﺳﺘﺨﺪام اﻟﻤﻘﺎرﻧﺎت اﻟﺒﻌﺪﯾﺔ ‪ Post Hoc Comparisons‬ﻟﻤﻘﺎرﻧﺔ ﻣﺘﻮﺳﻄﺎت اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﻟﻜﻞ زوﺟﯿﻦ‬
‫ﻣﻦ اﻟﻔﺌﺎت أو اﻟﻤﺠﻤﻮﻋﺎت ﻋﻠﻰ ﺣﺪة‪ .‬وإذا ﻛﺎن ﻋﺪد اﻟﻔﺌﺎت اﻟﻜﻠﯿﺔ ﺛﻼﺛﺔ‪ ،‬ﻓﺈن ﻋﺪد اﻟﻤﻘﺎرﻧﺎت اﻟﺒﻌﺪﯾﺔ ﺳﯿﻜﻮن ﺛﻼث ﻣﻘﺎرﻧﺎت‪.‬‬
‫وﺑﺎﻟﺘﺤﺪﯾﺪ ﺳﺘﻜﻮن ھﺬه اﻟﻤﻘﺎرﻧﺎت ﺑﯿﻦ اﻟﻤﺠﻤﻮﻋﺘﯿﻦ اﻷوﻟﻰ واﻟﺜﺎﻧﯿﺔ‪ ،‬وﺑﯿﻦ اﻟﻤﺠﻤﻮﻋﺘﯿﻦ اﻷوﻟﻰ واﻟﺜﺎﻟﺜﺔ‪ ،‬وﻓﻲ اﻟﻨﮭﺎﯾﺔ ﺑﯿﻦ‬
‫اﻟﻤﺠﻤﻮﻋﺘﯿﻦ اﻟﺜﺎﻧﯿﺔ واﻟﺜﺎﻟﺜﺔ‪.‬‬

‫‪ 3-4‬ﺣﺴﺎب اﻟﻤﺆﺷﺮات اﻹﺣﺼﺎﺋﯿﺔ ﻓﻲ ‪:ANOVA‬‬

‫ﺗﻜﻤﻦ اﻟﻔﻜﺮة اﻷﺳﺎﺳﯿﺔ ﻓﻲ ‪ ANOVA‬ﻓﻲ اﺧﺘﺒﺎر ﺗﻐﯿﺮات اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﯿﻦ اﻟﻤﺠﻤﻮﻋﺎت وﺑﻨﺎء ﻋﻠﻰ ھﺬه اﻟﺘﻐﯿﺮات ﺗﺤﺪﯾﺪ ﻣﺎ إذا‬
‫ﻛﺎن ھﻨﺎك ﻣﻦ ﺳﺒﺐ وﺟﯿﮫ ﻟﻼﻋﺘﻘﺎد ﺑﺄن ﻣﺘﻮﺳﻄﺎت ﻣﺠﺘﻤﻌﺎت اﻟﻤﺠﻤﻮﻋﺎت )أو ﻣﺴﺘﻮﯾﺎت اﻟﻌﺎﻣﻞ( ﺗﺨﺘﻠﻒ ﺑﺸﻜﻞ ذي دﻻﻟﺔ‬

‫‪82‬‬
 ‫إﺣﺼﺎﺋﯿﺔ‪.‬‬

‫ﯾﺘﻢ ﻓﻲ ‪ ANOVA‬ﺗﺠﺰﺋﺔ اﻟﺘﺒﺎﯾﻦ إﻟﻰ ﺟﺰﺋﯿﻦ‪ :‬ﺗﺒﺎﯾﻦ ﺑﯿﻦ اﻟﻤﺠﻤﻮﻋﺎت )‪ (Between-Groups Variance‬وﺗﺒﺎﯾﻦ ﺿﻤﻦ اﻟﻤﺠﻤﻮﻋﺎت‬
‫)‪ .(Within-Groups Variance‬وﯾﻌﺘﻤﺪ اﻻﺧﺘﺒﺎر ﻋﻠﻰ ﺣﺴﺎب اﻟﻤﻌﺎﻣﻞ ‪ F‬ﻣﻦ اﻟﺼﯿﻐﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 ﻣﺘﻮﺳﻂ ﻣﺮﺑﻌﺎت اﻻﻧﺤﺮاﻓﺎت ﺑﯿﻦ اﻟﻤﺠﻤﻮﻋﺎت‬ ‫اﻟﺘﺒﺎﯾﻦ ﺑﯿﻦ اﻟﻤﺠﻤﻮﻋﺎت‬
‫=‪= F‬‬
‫𝑖𝑖𝑖𝑖‪ 𝑀𝑀𝑀𝑀𝑀𝑀𝑀𝑀 𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑤𝑤𝑤𝑤𝑤𝑤ℎ‬ﻣﺘﻮﺳﻂ ﻣﺮﺑﻌﺎت اﻻﻧﺤﺮاﻓﺎت ﺿﻤﻦ اﻟﻤﺠﻤﻮﻋﺎت‬ ‫اﻟﺘﺒﺎﯾﻦ ﺿﻤﻦ اﻟﻤﺠﻤﻮﻋﺎت‬

‫𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆 𝑜𝑜𝑜𝑜 𝑆𝑆𝑆𝑆𝑆𝑆‬ ‫𝑘𝑘∑‬

‫) ̅𝑥𝑥‪𝑗𝑗=1 𝑛𝑛𝑗𝑗 (𝑥𝑥̅𝑗𝑗 −‬‬
‫‪2‬‬
‫= ‪Mean Squarebetween‬‬ ‫=‬
‫𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑜𝑜𝑜𝑜 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑‬ ‫‪𝑘𝑘−1‬‬

‫ﺣﯿﺚ‪:‬‬

‫̅𝑥𝑥 ‪ :‬اﻟﻤﺘﻮﺳﻂ اﻟﻜﻠﻲ‬

‫𝑗𝑗̅𝑥𝑥 ‪ :‬ﻣﺘﻮﺳﻂ اﻟﻤﺠﻤﻮﻋﺔ ‪j‬‬

‫𝑗𝑗𝑛𝑛 ‪ :‬ﺣﺠﻢ اﻟﻤﺠﻤﻮﻋﺔ ‪j‬‬

‫‪ : k‬ﻋﺪد اﻟﻤﺠﻤﻮﻋﺎت‬

‫𝑗𝑗𝑛𝑛‬
‫𝑖𝑖𝑖𝑖‪𝑆𝑆𝑆𝑆𝑆𝑆 𝑜𝑜𝑜𝑜 𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑆𝑤𝑤𝑤𝑤𝑤𝑤ℎ‬‬ ‫𝑘𝑘∑‬
‫) 𝑗𝑗 ̅𝑥𝑥‪𝑗𝑗=1 ∑𝑖𝑖=1(𝑥𝑥𝑖𝑖𝑖𝑖 −‬‬
‫= ‪Mean Squarewithin‬‬ ‫=‬
‫𝑖𝑖𝑖𝑖‪𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑜𝑜𝑜𝑜 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑤𝑤𝑤𝑤𝑤𝑤ℎ‬‬ ‫𝑘𝑘‪𝑛𝑛−‬‬

‫ﯾﻌﺘﻤﺪ ﻣﻌﺎﻣﻞ ‪ F‬إذا ً ﻋﻠﻰ درﺟﺘﻲ ﺣﺮﯾﺔ‪ .‬ﺗﺘﻌﻠﻖ اﻷوﻟﻰ ﺑﺎﻟﺘﺒﺎﯾﻦ ﺑﯿﻦ اﻟﻤﺠﻤﻮﻋﺎت ‪ k-1‬أو ﻋﺪد ﻓﺌﺎت اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻣﻄﺮوﺣﺎ ً‬
‫ﻣﻨﮫ واﺣﺪٌ‪ .‬وﺗﺘﻌﻠﻖ اﻷﺧﺮى ﺑﺎﻟﺘﺒﺎﯾﻦ ﻓﻲ اﻟﻤﺠﻤﻮﻋﺎت ‪ n-k‬أو ﺣﺠﻢ اﻟﻌﯿﻨﺔ ﻣﻄﺮوﺣﺎ ً ﻣﻨﮭﺎ ﻋﺪد ﻓﺌﺎت اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‪ .‬إذا ﻛﺎﻧﺖ‬
‫ﻗﯿﻤﺔ ‪ F‬أﺻﻐﺮ أو ﺗﺴﺎوي واﺣﺪا ً ﻓﺈن ذﻟﻚ ﯾﺪل ﻋﻠﻰ ﻋﺪم وﺟﻮد ﻓﺮوﻗﺎت ﺑﯿﻦ ﻣﺘﻮﺳﻄﺎت اﻟﻤﺠﺘﻤﻌﺎت اﻹﺣﺼﺎﺋﯿﺔ وﻋﺪم إﻣﻜﺎﻧﯿﺔ‬
‫رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ .‬أﻣﺎ إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ ‪ F‬أﻛﺒﺮ ﻣﻦ اﻟﻮاﺣﺪ ﻓﻼ ﺑﺪ ﻣﻦ اﻟﻌﻮدة إﻟﻰ اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﯿﺔ ﻻﺧﺘﺒﺎر ‪ ANOVA‬ﻟﻤﻌﺮﻓﺔ‬

‫‪83‬‬
 ‫إﻣﻜﺎﻧﯿﺔ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم )‪ p‬أو ‪ sig‬أﺻﻐﺮ ﻣﻦ 𝛼𝛼(‪.‬‬

‫‪ 4-4‬اﻻﺧﺘﺒﺎر ﺑﺎﺳﺘﺨﺪام ‪:SPSS‬‬

‫ﻟﺘﻮﺿﯿﺢ ﻛﯿﻔﯿﺔ ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ ANOVA‬أﺣﺎدي اﻻﺗﺠﺎه ﯾﻤﻜﻦ أﺧﺬ اﻟﻤﺜﺎل اﻟﺘﺎﻟﻲ‪ :‬ﻗﺎﻣﺖ ﺷﺮﻛﺔ ‪ Rolls Royce‬اﻟﻌﺎﻟﻤﯿﺔ ﻟﺘﺼﻨﯿﻊ‬
‫ﻣﺤﺮﻛﺎت اﻟﻄﺎﺋﺮات واﻟﻤﻨﺘﺠﺎت اﻟﻔﻀﺎﺋﯿﺔ اﻟﻤﺘﻘﺪﻣﺔ ﺑﺈﺟﺮاء ﺗﺠﺮﺑﺔ ﻻﺧﺘﺒﺎر أﺛﺮ طﺮﯾﻘﺔ اﻟﺘﺼﻨﯿﻊ ﻓﻲ ﺣﺠﻢ اﻹﻧﺘﺎج‪ .‬اﺧﺘُﺒﺮت أرﺑﻌﺔ‬
‫طﺮق ﻟﻠﺘﺼﻨﯿﻊ واﻟﺘﺠﻤﯿﻊ‪ :‬ﻣﻦ ‪ Factory 1‬إﻟﻰ ‪ Factory 4‬وﻗﯿﺴﺖ ﻋﺪد اﻟﻮﺣﺪات اﻟﻤﻨﺘﺠﺔ ﻓﻲ ﻛﻞ ﻣﺼﻨﻊ ﻓﻲ ﻧﮭﺎﯾﺔ ﺷﮭﺮ اﻻﺧﺘﺒﺎر‬
‫ﻣﻊ اﻷﺧﺬ ﺑﺎﻟﺤﺴﺒﺎن ﻋﺰل ﻛﺎﻓﺔ اﻟﻤﺘﻐﯿﺮات اﻟﺨﺎرﺟﯿﺔ اﻟﺘﻲ ﯾﻤﻜﻦ أن ﺗﺆﺛﺮ ﻋﻠﻰ اﻟﺘﺠﺮﺑﺔ ﻣﺜﻞ ﺳﻦ وﺧﺒﺮة وﺟﻨﺲ وراﺗﺐ وﻣﮭﺎرات‬
‫واﻟﻤﺴﺘﻮى اﻟﺘﻌﻠﯿﻤﻲ ﻟﻠﻌﻤﺎل‪ ،‬ﺑﺎﻟﺘﺎﻟﻲ ﯾﻜﻮن اﻟﻤﺘﻐﯿﺮ‬
‫اﻟﻌﺎﻣﻠﻲ ھﻮ طﺮﯾﻘﺔ اﻟﺘﺼﻨﯿﻊ وﻣﻜﻮن ﻣﻦ ‪ 4‬ﻓﺌﺎت أو‬
‫‪ Factory 1‬و‪Factory 2‬‬ ‫طﺮق ﻟﻠﺘﺼﻨﯿﻊ‪:‬‬
‫و‪ Factory 3‬و‪ Factory 4‬ﺑﯿﻨﻤﺎ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ھﻮ‬
‫ﺣﺠﻢ اﻹﻧﺘﺎج ﻣﻘﺎﺳﺎ ً ﺑﺎﻟﻮﺣﺪات‪ .‬ﯾﻮﺿﺢ اﻟﺠﺪول‬
‫اﻟﺘﺎﻟﻲ اﻟﺒﯿﺎﻧﺎت اﻟﺘﻲ ُﺟﻤﻌﺖ ﻟﻠﺘﺤﻠﯿﻞ ﻓﻲ ﻧﮭﺎﯾﺔ‬
‫اﻟﺘﺠﺮﺑﺔ‪.‬‬

‫‪84‬‬
 ‫اﻟﺠﺪول )‪ :(2/4‬ﺑﯿﺎﻧﺎت ﺗﺠﺮﺑﺔ أﺛﺮ طﺮﯾﻘﺔ اﻟﺘﺼﻨﯿﻊ ﻓﻲ ﻣﺴﺘﻮى اﻹﻧﺘﺎج‬

‫ﺗﺸﯿﺮ ﻓﺮﺿﯿﺔ اﻟﻌﺪم إﻟﻰ ﻋﺪم وﺟﻮد أﺛﺮ ﻟﻄﺮﯾﻘﺔ اﻟﺘﺼﻨﯿﻊ ﻓﻲ ﻣﺴﺘﻮى اﻹﻧﺘﺎج أي ﻋﺪم وﺟﻮد اﺧﺘﻼف ﺑﯿﻦ ﻣﺘﻮﺳﻄﺎت اﻟﻮﺣﺪات‬
‫ﻋ ّﺮﻓﺖ ﻣﻦ ﺧﻼل طﺮﯾﻘﺔ اﻟﺘﺼﻨﯿﻊ اﻟﻤﺘﺒﻌﺔ ﻓﯿﮭﺎ‪.‬‬
‫اﻟ ُﻤﻨﺘﺠﺔ ﺑﯿﻦ اﻟﻤﺼﺎﻧﻊ اﻷرﺑﻌﺔ اﻟﺘﻲ ُ‬

‫‪H0: µ1 = µ2 = µ3‬‬

‫أﻣﺎ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ﻓﺘﺸﯿﺮ إﻟﻰ وﺟﻮد أﺛﺮ ﻟﻄﺮﯾﻘﺔ اﻟﺘﺼﻨﯿﻊ ﻓﻲ ﻣﺴﺘﻮى اﻹﻧﺘﺎج أي وﺟﻮد اﺧﺘﻼف ﺑﯿﻦ ﻣﺘﻮﺳﻄﺎت اﻟﻮﺣﺪات‬
‫اﻟ ُﻤﻨﺘﺠﺔ ﺑﯿﻦ اﺛﻨﯿﻦ ﻣﻦ اﻟﻤﺼﺎﻧﻊ اﻷرﺑﻌﺔ ﻋﻠﻰ اﻷﻗﻞ‪ .‬وﻟﺘﻄﺒﯿﻖ اﻻﺧﺘﺒﺎر ﻓﻲ ‪ SPSS‬ﯾﻤﻜﻨﻨﺎ اﺗﺒﺎع اﻟﻤﺴﺎر اﻟﺘﺎﻟﻲ )ﻛﻤﺎ ﻓﻲ اﻟﺸﻜﻞ(‪:‬‬

‫‪One-Way ANOVA  Compare Means  Analyze‬‬

‫‪85‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(2/4‬ﻛﯿﻔﯿﺔ ﺗﻄﺒﯿﻖ ‪ ANOVA‬ﻓﻲ ‪SPSS‬‬

‫ﻓﻲ اﻟﻨﺎﻓﺬة ‪ One-Way ANOVA‬ﯾُﻨﻘﻞ اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ "‪ "Method of Manufacturing‬إﻟﻰ اﻟﺼﻨﺪوق ‪ Factor‬ﻛﻤﺎ ﯾُﻨﻘﻞ اﻟﻤﺘﻐﯿﺮ‬
‫اﻟﺘﺎﺑﻊ "‪ "Production Volume‬إﻟﻰ اﻟﺼﻨﺪوق ‪.Dependent List‬‬

‫‪86‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(3/4‬اﻟﻨﺎﻓﺬة ‪One-Way ANOVA‬‬

‫وﯾُﻨﻘﺮ ﻓﻮق اﻟﺰر ‪ Options‬وﻋﻨﺪ ظﮭﻮر اﻟﻨﺎﻓﺬة ‪ One-Way ANOVA‬ﯾﺨﺘﺎر اﻟﺒﺎﺣﺚ ‪ Descriptive‬ﻹظﮭﺎر اﻟﻤﺘﻮﺳﻄﺎت اﻟﺤﺴﺎﺑﯿﺔ‬
‫ﻟﺤﺠﻢ اﻹﻧﺘﺎج ﻓﻲ ﻛﻞ ﻣﺠﻤﻮﻋﺔ‪ ،‬ﻛﻤﺎ ﯾﻤﻜﻦ اﺧﺘﯿﺎر ‪ Means Plot‬ﻟﻠﺤﺼﻮل ﻋﻠﻰ ﺗﺨﻄﯿﻂ أو ﺗﻤﺜﯿﻞ ﺑﯿﺎﻧﻲ ﻷﺛﺮ طﺮﯾﻘﺔ اﻟﺘﺼﻨﯿﻊ ﻓﻲ‬
‫ﻣﺴﺘﻮى اﻹﻧﺘﺎج‪.‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(4/4‬اﻟﻨﺎﻓﺬة ‪One-Way ANOVA: Options‬‬

‫‪87‬‬
‫ﯾﺒﯿﻦ اﻟﺠﺪول اﻷول ‪ Descriptives‬ﻓﻲ ﻧﺘﯿﺠﺔ اﻻﺧﺘﺒﺎر ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻹﺣﺼﺎءات اﻟﻮﺻﻔﯿﺔ اﻟﻤﺘﻌﻠﻘﺔ ﺑﺤﺠﻢ اﻹﻧﺘﺎج وﻓﻖ طﺮق‬
‫اﻟﺘﺼﻨﯿﻊ اﻷرﺑﻌﺔ وأھﻤﮭﺎ اﻟﻤﺘﻮﺳﻄﺎت اﻟﺤﺴﺎﺑﯿﺔ ﻟﻌﺪد وﺣﺪات اﻟﻤﻨﺘﺠﺔ ﻓﻲ ﻛﻞ ﻣﻦ اﻟﻤﺼﺎﻧﻊ اﻷرﺑﻌﺔ‪:‬‬
‫وﺣﺪة‪.‬‬
‫‪3425 =M Factory1 -‬‬
‫‪ 3937.84 =M Factory2 -‬وﺣﺪة‬
‫‪ 4163.64 =M Factory3 -‬وﺣﺪة‬
‫‪ 4628.57 =M Factory4 -‬وﺣﺪة‬
‫وﻻﺧﺘﺒﺎر اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﯿﺔ ﻟﻠﻔﺮوﻗﺎت ﺑﯿﻦ ﻣﺘﻮﺳﻄﺎت اﻟﻮﺣﺪات اﻟﻤﻨﺘﺠﺔ ﻓﻲ اﻟﻤﺼﺎﻧﻊ اﻷرﺑﻌﺔ‪ ،‬ﻻ ﺑﺪ ﻣﻦ اﻟﻌﻮدة إﻟﻰ ﻧﺘﯿﺠﺔ‬
‫‪ ANOVA‬ﻓﻲ اﻟﺠﺪول رﻗﻢ )‪.(3/4‬‬

‫اﻟﺠﺪول )‪ :(3/4‬ﺟﺪول اﻹﺣﺼﺎءات اﻟﻮﺻﻔﯿﺔ ‪Descriptives‬‬

‫‪PRODUCTIONVOLUME‬‬

‫‪95% Confidence Interval for Mean‬‬

‫‪N‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation‬‬ ‫‪Std. Error‬‬ ‫‪Lower Bound‬‬ ‫‪Upper Bound‬‬ ‫‪Minimum‬‬ ‫‪Maximum‬‬

‫‪FACTORY 1‬‬ ‫‪8‬‬ ‫‪3425.0000‬‬ ‫‪766.71842‬‬ ‫‪271.07590‬‬ ‫‪2784.0074‬‬ ‫‪4065.9926‬‬ ‫‪1800.00‬‬ ‫‪4200.00‬‬

‫‪FACTORY 2‬‬ ‫‪74‬‬ ‫‪3937.8378‬‬ ‫‪747.54442‬‬ ‫‪86.90027‬‬ ‫‪3764.6458‬‬ ‫‪4111.0298‬‬ ‫‪1400.00‬‬ ‫‪5000.00‬‬

‫‪FACTORY 3‬‬ ‫‪11‬‬ ‫‪4163.6364‬‬ ‫‪471.74724‬‬ ‫‪142.23714‬‬ ‫‪3846.7123‬‬ ‫‪4480.5605‬‬ ‫‪3400.00‬‬ ‫‪5000.00‬‬

‫‪FACTORY 4‬‬ ‫‪7‬‬ ‫‪4628.5714‬‬ ‫‪269.03708‬‬ ‫‪101.68646‬‬ ‫‪4379.7536‬‬ ‫‪4877.3892‬‬ ‫‪4200.00‬‬ ‫‪5000.00‬‬

‫‪Total‬‬ ‫‪100‬‬ ‫‪3970.0000‬‬ ‫‪734.91565‬‬ ‫‪73.49156‬‬ ‫‪3824.1768‬‬ ‫‪4115.8232‬‬ ‫‪1400.00‬‬ ‫‪5000.00‬‬

‫‪88‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(5/4‬اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻤﺴﺘﻮى اﻹﻧﺘﺎج وﻓﻖ طﺮق اﻟﺘﺼﻨﯿﻊ اﻟﻤﺘﺒﻌﺔ‬

‫ﯾﻈﮭﺮ ﺟﺪول ‪ ANOVA‬رﻗﻢ )‪ (4/4‬أن ﻗﯿﻤﺔ ‪) P-value‬أو ‪ (sig‬اﻟﻤﺼﺎﺣﺒﺔ ﻹﺣﺼﺎﺋﯿﺔ ‪ F‬أﻗﻞ ﻣﻦ ‪F(3, ،0.05‬‬
‫‪ ،495508.274)=3.970 ; sig < 0.001‬وﻟﮭﺬا ﯾﻤﻜﻦ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﻗﺒﻮل اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ اﻟﻘﺎﺋﻠﺔ ﺑﻮﺟﻮد ﻓﺮوق‬
‫ﻣﻌﻨﻮﯾﺔ ﺑﯿﻦ ﻣﺘﻮﺳﻄﺎت اﻟﻮﺣﺪات اﻟﻤﻨﺘﺠﺔ ﻓﻲ اﻟﻤﺼﺎﻧﻊ ﺗﺒﻌﺎ ً ﻟﻄﺮﯾﻘﺔ اﻟﺘﺼﻨﯿﻊ‪.‬‬

‫اﻟﺠﺪول )‪ :(4/4‬ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر ‪ANOVA‬‬

‫‪ANOVA‬‬
‫‪PRODUCTION VOLUME‬‬

‫‪Sum of Squares‬‬ ‫‪df‬‬ ‫‪Mean Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬

‫‪Between Groups‬‬ ‫‪5901205.686‬‬ ‫‪3‬‬ ‫‪1967068.562‬‬ ‫‪3.970‬‬ ‫‪.010‬‬

‫‪Within Groups‬‬ ‫‪47568794.314‬‬ ‫‪96‬‬ ‫‪495508.274‬‬

‫‪Total‬‬ ‫‪53470000.000‬‬ ‫‪99‬‬

‫‪89‬‬
‫وﺑﺎﻟﺮﻏﻢ ﻣﻦ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم ﻓﺈﻧﮫ ﻻ ﯾﻮﺟﺪ دﻟﯿﻞ واﺿﺢ ﻋﻠﻰ وﺟﻮد ﻓﺮوق ذات دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ ﺑﯿﻦ ﻛﺎﻓﺔ ﻣﺘﻮﺳﻄﺎت‬
‫اﻟﻮﺣﺪات اﻟﻤﻨﺘﺠﺔ ﻓﻲ اﻟﻤﺼﺎﻧﻊ اﻷرﺑﻌﺔ اﻟﺘﻲ ﺗﻤﺜﻞ طﺮق ﺗﺼﻨﯿﻊ ﻣﺨﺘﻠﻔﺔ‪ ،‬ﻓﻜﻞ ﻣﺎ ﯾﻤﻜﻦ اﺳﺘﻨﺘﺎﺟﮫ ﻣﻦ ﺟﺪول ‪ ANOVA‬رﻗﻢ‬
‫)‪ (4/4‬أن ھﻨﺎك ﻓﺮﻗﺎ ً ﻣﻌﻨﻮﯾﺎ ً ﺑﯿﻦ ﻣﺘﻮﺳﻄﻲ وﺣﺪات ﻣﻨﺘﺠﺔ ﻓﻲ ﻣﺼﻨﻌﯿﻦ ﻋﻠﻰ اﻷﻗﻞ‪.‬‬

‫وﻧﻈﺮا ً ﻷھﻤﯿﺔ اﻹﺟﺎﺑﺔ ﻋﻦ ھﺬا اﻟﺘﺴﺎؤل وﺿﻊ اﻹﺣﺼﺎﺋﯿﻮن ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻄﺮق اﻟﺘﻲ ﺗﺴﻤﺢ ﺑﺎﺧﺘﺒﺎر اﻟﻔﺮوق ﺑﯿﻦ ﻣﺘﻮﺳﻄﺎت‬
‫اﻟﻤﺠﻤﻮﻋﺎت اﻟﻤﻘﺎرﻧﺔ وﻣﻦ ﺑﯿﻦ ھﺬه اﻟﻄﺮق طﺮﯾﻘﺔ ‪ Scheffé‬وھﻲ اﻷﻛﺜﺮ اﺳﺘﺨﺪاﻣﺎ ً وﻣﺮوﻧﺔ‪ .‬ﺗﺴﻤﺢ ھﺬه اﻟﻄﺮﯾﻘﺔ ﺑﺈﺟﺮاء ﻣﻘﺎرﻧﺎت‬
‫ﻣﺘﻌﺪدة ‪ Multiple Comparisons‬ﻻﺧﺘﺒﺎر ﻣﻌﻨﻮﯾﺔ اﻟﻔﺮق ﻟﻜﻞ زوج ﻣﻦ ﻓﺌﺎت اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ أو ﺣﺎﻻﺗﮫ )اﻟﻌﺎﻣﻞ(‪ .‬وﯾﻤﻜﻦ إظﮭﺎر‬
‫اﺧﺘﺒﺎر اﻟﻤﻘﺎرﻧﺎت اﻟﺒﻌﺪﯾﺔ واﺧﺘﯿﺎرھﺎ ﺑﺎﻟﻨﻘﺮ ﻓﻮق اﻟﺰر ‪ Post Hoc‬ﻓﻲ اﻟﻨﺎﻓﺬة ‪.One-Way ANOVA‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(6/4‬اﻟﻤﺮﺣﻠﺔ اﻷوﻟﻰ ﻣﻦ ﺗﻨﻔﯿﺬ اﻻﺧﺘﺒﺎرات اﻟﺒﻌﺪﯾﺔ‬

‫‪90‬‬
 ‫ اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻧﯿﺔ ﻣﻦ ﺗﻨﻔﯿﺬ اﻻﺧﺘﺒﺎرات اﻟﺒﻌﺪﯾﺔ‬:(7/4) ‫اﻟﺸﻜﻞ رﻗﻢ‬

Ok ‫( ﺛﻢ‬7/4) ‫ ﻓﻲ اﻟﺸﻜﻞ‬One-Way ANOVA Post Hoc Multiple Comparisons ‫ ﻓﻲ ﻧﺎﻓﺬة‬Continue ‫ﺛﻢ ﯾﻨﻘﺮ اﻟﺒﺎﺣﺚ ﻋﻠﻰ‬
.(6/4) ‫ ﻓﻲ اﻟﺸﻜﻞ‬One Way ANOVA ‫ﻓﻲ ﻧﺎﻓﺬة‬

Scheffé ‫ اﻟﻤﻘﺎرﻧﺎت اﻟﻤﺘﻌﺪدة وﻓﻖ طﺮﯾﻘﺔ‬:(5/4) ‫اﻟﺠﺪول‬

Dependent Variable: PRODUCTION VOLUME

Scheffe

(I) METHOD of (J) METHOD of Mean Difference 95% Confidence Interval

Std. Error Sig.
MANIFCTURING MANIFCTURING (I-J) Lower Bound Upper Bound

FACTORY 1 FACTORY 2 -512.83784- 261.98205 .287 -1258.3679- 232.6923

FACTORY 3 -738.63636- 327.08522 .172 -1669.4325- 192.1598

FACTORY 4 -1203.57143-* 364.31502 .016 -2240.3135- -166.8294-

FACTORY 2 FACTORY 1 512.83784 261.98205 .287 -232.6923- 1258.3679

FACTORY 3 -225.79853- 227.46926 .805 -873.1146- 421.5175

91
 ‫‪FACTORY 4‬‬ ‫‪-690.73359-‬‬ ‫‪278.35760‬‬ ‫‪.112‬‬ ‫‪-1482.8641-‬‬ ‫‪101.3969‬‬

‫‪FACTORY 3‬‬ ‫‪FACTORY 1‬‬ ‫‪738.63636‬‬ ‫‪327.08522‬‬ ‫‪.172‬‬ ‫‪-192.1598-‬‬ ‫‪1669.4325‬‬

‫‪FACTORY 2‬‬ ‫‪225.79853‬‬ ‫‪227.46926‬‬ ‫‪.805‬‬ ‫‪-421.5175-‬‬ ‫‪873.1146‬‬

‫‪FACTORY 4‬‬ ‫‪-464.93506-‬‬ ‫‪340.34263‬‬ ‫‪.602‬‬ ‫‪-1433.4582-‬‬ ‫‪503.5881‬‬

‫‪FACTORY 4‬‬ ‫‪FACTORY 1‬‬ ‫*‪1203.57143‬‬ ‫‪364.31502‬‬ ‫‪.016‬‬ ‫‪166.8294‬‬ ‫‪2240.3135‬‬

‫‪FACTORY 2‬‬ ‫‪690.73359‬‬ ‫‪278.35760‬‬ ‫‪.112‬‬ ‫‪-101.3969-‬‬ ‫‪1482.8641‬‬

‫‪FACTORY 3‬‬ ‫‪464.93506‬‬ ‫‪340.34263‬‬ ‫‪.602‬‬ ‫‪-503.5881-‬‬ ‫‪1433.4582‬‬

‫‪*. The mean difference is significant at the 0.05 level.‬‬

‫ﯾﻤﺜﻞ ﻋﻤﻮد ‪ Mean Difference‬ﺣﺎﺻﻞ طﺮح ﻣﺘﻮﺳﻂ اﻟﻮﺣﺪات اﻟﻤﻨﺘﺠﺔ ﻓﻲ أﺣﺪ اﻟﻤﺼﺎﻧﻊ اﻷرﺑﻌﺔ ﻣﻊ ﻛﻞ ﻣﻦ ﻣﺘﻮﺳﻄﺎت‬
‫اﻟﻮﺣﺪات اﻟﻤﻨﺘﺠﺔ ﻓﻲ اﻟﻤﺼﺎﻧﻊ اﻟﺜﻼث اﻷﺧﺮى‪ ،‬ﻋﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل ﻓﻲ اﻟﺴﻄﺮ اﻷول ﻓﻲ اﻟﺠﺪول رﻗﻢ )‪:(5/4‬‬

‫‪(I) METHOD of‬‬ ‫‪(J) METHOD of‬‬

‫)‪Mean Difference (I-J‬‬
‫‪MANIFCTURING‬‬ ‫‪MANIFCTURING‬‬
‫‪Factory 1 MEAN =3425‬‬ ‫‪Factory 2 MEAN =3937.8378‬‬ ‫‪-512.83784‬‬

‫ﯾﻈﮭﺮ اﺧﺘﺒﺎر ‪ Scheffé‬وﺟﻮد ﻓﺮوق ذات دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ ﺑﯿﻦ ﻋﺪد اﻟﻮﺣﺪات اﻟﻤﻨﺘﺠﺔ ﺑﺤﺴﺐ طﺮﯾﻘﺔ اﻟﺘﺼﻨﯿﻊ ﻓﻲ اﻟﻤﻌﺎﻣﻞ‬
‫اﻷرﺑﻌﺔ‪ ،‬ﻓﺠﻤﯿﻊ اﻟﻤﻘﺎرﻧﺎت ﺗﻈﮭﺮ ﻓﺮوﻗﺎ ً ذات دﻻﻟﺔ ﻣﻌﻨﻮﯾﺔ ﻋﻨﺪ ‪ (0.016=Sig) %5‬ﺑﯿﻦ ﻣﺘﻮﺳﻄﻲ ﻣﺠﻤﻮﻋﺘﯿﻦ ﻣﻘﺎرﻧﺘﯿﻦ ھﻤﺎ‬
‫اﻟﻤﺼﻨﻊ اﻷول )‪ 3425 =M‬وﺣﺪة ُﻣﺼﻨﻌﺔ( واﻟﻤﺼﻨﻊ اﻟﺮاﺑﻊ )‪ 4628.57=M‬وﺣﺪة ُﻣﺼﻨﻌﺔ( ﻣﻤﺎ ﯾﺸﯿﺮ إﻟﻰ ﺿﺮورة ﺗﻐﯿﯿﺮ‬
‫طﺮﯾﻘﺔ اﻟﺘﺼﻨﯿﻊ ﻓﻲ ‪ Factory 1‬ﻟﺘﻜﻮن ﻣﺜﻞ اﻟﺒﻘﯿﺔ طﺎﻟﻤﺎ أﻧﮫ ﻻ ﯾﻮﺟﺪ ﻓﺮق ﺑﯿﻦ ‪ Factory2‬و‪ Factory3‬و‪.Factory4‬‬

‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ‪ :‬ﯾﺤﺘﺎج اﻟﺒﺎﺣﺚ إﻟﻰ اﺧﺘﺒﺎر ﻓﺮﺿﯿﺔ ﺗﺴﺎوي اﻟﻤﺘﻮﺳﻄﺎت ﺑﯿﻦ أﻛﺜﺮ ﻣﻦ ﻣﺠﻤﻮﻋﺘﯿﻦ )ﺛﻼﺛﺔ أو أﻛﺜﺮ(‪ ،‬ﯾﻤﻜﻦ ﻟﻠﺒﺎﺣﺚ‬
‫ﻓﻲ ھﺬه اﻟﺤﺎﻟﺔ اﻟﻠﺠﻮء إﻟﻰ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ أو ﻣﺎ ﯾﻌﺮف اﺧﺘﺼﺎرا ً ﺑـ ‪ .ANOVA‬ﯾُﻌﺘﺒﺮ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻣﺘﺪادا ً ﻻﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت‬
‫اﻟﻤﺴﺘﻘﻠﺔ وﯾﻤﻜﻦ اﺳﺘﺨﺪاﻣﮫ ﻟﻤﻘﺎرﻧﺔ ﻣﺘﻮﺳﻄﺎت ﻣﺠﻤﻮﻋﺘﯿﻦ أو أﻛﺜﺮ‪ .‬ﯾﺴﻤﻰ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ ﺑﺎﻷﺣﺎدي )أو أﺣﺎدي اﻻﺗﺠﺎه( إذا ﻛﺎن‬
‫ﻟﻜﻞ ﻣﻔﺮدة ﻣﻦ ﻣﻔﺮدات اﻟﻌﯿﻨﺔ إﺟﺎﺑﺔ ﻋﻦ ﻣﺘﻐﯿﺮﯾﻦ‪ ،‬ﯾﺴﻤﻰ اﻟﻤﺘﻐﯿﺮ اﻷول اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ أو اﻟﻌﺎﻣﻞ أو اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‪ ،‬أﻣﺎ‬
‫‪92‬‬
‫اﻟﺜﺎﻧﻲ ﻓﮭﻮ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ .‬وﻗﺪ وﺿﻊ اﻹﺣﺼﺎﺋﯿﻮن ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻄﺮق اﻟﺘﻲ ﺗﺴﻤﺢ ﺑﺎﺧﺘﺒﺎر اﻟﻔﺮوق ﺑﯿﻦ ﻣﺘﻮﺳﻄﺎت اﻟﻤﺠﻤﻮﻋﺎت‬
‫اﻟﻤﻘﺎرﻧﺔ وﻣﻦ ﺑﯿﻦ ھﺬه اﻟﻄﺮق طﺮﯾﻘﺔ ‪ Scheffé‬اﻟﺘﻲ ﺗﺴﻤﺢ ﺑﺈﺟﺮاء ﻣﻘﺎرﻧﺎت ﻣﺘﻌﺪدة ﻻﺧﺘﺒﺎر ﻣﻌﻨﻮﯾﺔ اﻟﻔﺮق ﻟﻜﻞ زوج ﻣﻦ ﻓﺌﺎت‬
‫اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ )اﻟﻌﺎﻣﻞ( أو ﺣﺎﻻﺗﮫ‪.‬‬

‫‪93‬‬
 ‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ‬
1. Coakes, S. J. (2005) SPSS for Windows: Analysis without Anguish, Australia: John Wiley.
2. Denis, D. J. (2019) SPSS Data Analysis for Univariate, Bivariate, and Multivariate Statistics. Wiley.
3. Field, A. (2018) Discovering Statistics Using IBM SPSS Statistics. 5th Edition. Sage.
4. Hair, J.F. JR., Bush, R.P., and Ortinau, D. J. (2003) Marketing Research Within a Changing Information
Environment, 2nd Edition, USA: McGraw-Hill/Irwin.
5. Hinton, P. R., McMurray, I., Brownlow, C. (2014) SPSS Explained. 2nd Edition. Routledge.
6. Ho, R. (2018) Understanding Statistics for the Social Sciences with IBM SPSS. CRC Press.
7. Landau, S. and Everitt, B. S. (2004) A Handbook of Statistical Analysis Using SPSS, USA: Chapman &
Hall/CRC Press.
8. Leech, N.L., Barrett, K. C. and Morgan, G. A. (2005) SPSS for Intermediate Statistics: Use and
Interpretation, 2nd Edition, USA: Laerence Erlbaum Associates, Inc.
9. Malhotra, N. K. and Briks, D. F. (2007) Marketing Research: An Applied Approach, 3rd European
Edition, Italy: Pearson Education Limited.
10. Pallant, J. (2007)SPSS Survival Manual: A Step by Step Guide to Data Analysis Using SPSS for Windows,
3rd Edition, USA: McGraw Hill.
‫ اﻟﺘﺨﻄﯿﻂ ﻟﻠﺒﺤﺚ وﺟﻤﻊ اﻟﺒﯿﺎﻧﺎت ﯾﺪوﯾﺎ ً وﺑﺎﺳﺘﺨﺪام‬:‫ أﺳﺎﻟﯿﺐ اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ واﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ‬،(2007) ‫ ﻋﺒﺪ اﻟﺤﻤﯿﺪ ﻋﺒﺪ اﻟﻤﺠﯿﺪ‬،‫ اﻟﺒﻠﺪاوي‬.11
.‫ دار اﻟﺸﺮوق‬:‫ ﻋﻤﺎن‬،‫ اﻟﻄﺒﻌﺔ اﻟﺜﺎﻟﺜﺔ‬،SPSS
‫ دﻟﯿﻞ ﻧﻈﺮي وﺗﻄﺒﯿﻘﻲ وﻋﻤﻠﻲ ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ‬:‫( ﺑﺤﻮث اﻟﺘﺴﻮﯾﻖ‬2017) .‫ ﻧﺮﯾﻤﺎن‬،‫ ﻋﻤﺎر‬،.‫ ﺣﯿﺎن‬،‫ دﯾﺐ‬،.‫ ﻣﺤﻤﺪ‬،‫ اﻟﺨﻀﺮ‬.12
.(HIBA) ‫ اﻟﻤﻌﮭﺪ اﻟﻌﺎﻟﻲ ﻹدارة اﻷﻋﻤﺎل‬:‫ دﻣﺸﻖ‬.SPSS
‫ ﺗﻄﺒﯿﻘﺎت ﻓﻲ‬،(2009) ‫ زﻛﺮﯾﺎ‬،‫ ﻟﺒﻨﻰ؛ اﻟﺸﺮﺑﯿﻨﻲ‬،‫ ﻋﺒﺪاﻟﺮﺣﯿﻢ؛ أﺑﻮ اﻟﻌﻼ‬،‫ ﻋﺼﺎم؛ اﻟﺒﺤﻄﯿﻄﻲ‬،‫ أﺣﻤﺪ اﻟﺴﯿﺪ؛ ﺣﺎﺑﺲ‬،‫ ﻋﺒﺪاﻟﺮﺣﯿﻢ؛ ﺣﺴﻦ‬،‫ اﻟﺴﺎﻋﺎﺗﻲ‬.13
.‫ ﺟﺎﻣﻌﺔ اﻟﻤﻠﻚ ﻋﺒﺪاﻟﻌﺰﯾﺰ‬:‫ ﺟﺪة‬،‫ اﻟﻄﺒﻌﺔ اﻟﺜﺎﻧﯿﺔ‬،‫اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ ﻟﻠﻌﻠﻮم اﻹدارﯾﺔ واﻹﻧﺴﺎﻧﯿﺔ‬
،SPSS ‫ ﺗﻄﺒﯿﻖ ﺷﺎﻣﻞ ﻟﻠﺤﺰﻣﺔ‬:‫ ﺗﺤﻠﯿﻞ وﻧﻤﺬﺟﺔ اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام اﻟﺤﺎﺳﻮب‬،(2006) ‫ ﻏﺎﻟﺐ ﻋﻮض ﺻﺎﻟﺢ‬،‫ ﺣﺴﯿﻦ ﻋﻠﻲ؛ اﻟﺮﻓﺎﻋﻲ‬،‫ ﻧﺠﯿﺐ‬.14
.‫ اﻷھﻠﯿﺔ ﻟﻠﻨﺸﺮ واﻟﺘﻮزﯾﻊ‬:‫ ﻋﻤﺎن‬،‫اﻟﻄﺒﻌﺔ اﻷوﻟﻰ‬

94
 ‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‪:‬‬
‫‪ (1‬أﺳﺌﻠﺔ ﺻﺢ ‪ /‬ﺧﻄﺄ ‪True/False‬‬

‫ﺧﻄﺄ‬ ‫ﺻﺢ‬ ‫اﻟﺴﺆال‬

‫‪‬‬ ‫ﯾﮭﺪف ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي إﻟﻰ اﺧﺘﺒﺎر ﻓﯿﻤﺎ إذا اﺧﺘﻠﻔﺖ ﻣﺘﻮﺳﻄﺎت ﻣﺘﻐﯿﺮ ﺗﺮﺗﯿﺒﻲ ﻋﺒﺮ ﻓﺌﺎت ﻣﺘﻐﯿﺮ ﻛﻤﻲ‬ ‫‪1‬‬

‫‪‬‬ ‫ﻣﻦ اﻟﻤﻤﻜﻦ أن ﯾﻜﻮن اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﻓﻲ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي ﺗﺮﺗﯿﺒﯿﺎ ً‬ ‫‪2‬‬

‫‪‬‬ ‫ﯾﺠﺐ أن ﯾﺘﺒﻊ اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ ﻓﻲ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬ ‫‪3‬‬

‫‪‬‬ ‫ﯾﺤﺘﺎج اﻟﺒﺎﺣﺚ إﻟﻰ اﻻﺧﺘﺒﺎر اﻟﺒﻌﺪﯾﺔ إذا ﻛﺎﻧﺖ اﻟﻔﺮوق ﺑﯿﻦ اﻟﻤﺘﻮﺳﻄﺎت ﻣﻌﻨﻮﯾﺔ‬ ‫‪4‬‬

‫‪‬‬ ‫ﯾﺴﻤﺢ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي ﺑﻌﺪد ﻣﺤﺪود ﻟﻔﺌﺎت اﻟﻤﺘﻐﯿﺮ اﻟﻌﺎﻣﻠﻲ‬ ‫‪5‬‬

‫‪‬‬ ‫ﯾﻤﻜﻦ اﺳﺘﺨﺪام ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي ﻟﺘﺤﺪﯾﺪ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﺗﺮﺗﯿﺒﯿﯿﻦ‬ ‫‪6‬‬

‫أﺳﺌﻠﺔ ﻣﺘﻌﺪدة اﻟﺨﯿﺎرات‪:‬‬

‫‪ .1‬ﯾﺴﺘﺨﺪم ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي ﻋﻨﺪﻣﺎ ﯾﻜﻮن اﻟﻤﺘﻐﯿﺮﯾﻦ‪:‬‬
‫‪ .A‬ﻛﻤﻲ‪ ،‬وﻓﺌﻮي )اﺳﻤﻲ‪ ،‬ﺗﺮﺗﯿﺒﻲ(‬
‫‪ .B‬ﻛﻤﻲ‪ ،‬ﻛﻤﻲ‬
‫‪ .C‬ﻓﺌﻮي‪ ،‬ﻓﺌﻮي‬
‫‪ .D‬واﻻ إﺟﺎﺑﺔ ﻣﻤﺎ ﺳﺒﻖ‬
‫‪ .2‬ﺑﻠﻐﺖ ﻗﯿﻤﺔ ‪ Sig‬ﻓﻲ ﺟﺪول ‪ ،0.000 ANOVA‬ﯾﻤﻜﻦ اﻻﺳﺘﻨﺘﺎج ﺑﺄن‪:‬‬
‫‪ .A‬ﻻ ﯾﻮﺟﺪ ﻓﺮوق ﺟﻮھﺮﯾﺔ ﺑﯿﻦ اﻟﻤﺘﻮﺳﻄﺎت‬
‫‪ .B‬ﯾﻮﺟﺪ ﻓﺮوق ﺟﻮھﺮﯾﺔ ﺑﯿﻦ اﻟﻤﺘﻮﺳﻄﺎت‬
‫‪ .C‬إن اﻟﺒﯿﺎﻧﺎت اﻟﻤﻮﺟﻮدة ﻏﯿﺮ ﻛﺎﻓﯿﺔ ﻟﻼﺳﺘﻨﺘﺎج‬
‫‪ .D‬وﻻ إﺟﺎﺑﺔ ﻣﻤﺎ ﺳﺒﻖ‪.‬‬
‫‪ .3‬ﻣﻦ اﻟﻄﺮق اﻷﻛﺜﺮ اﺳﺘﺨﺪاﻣﺎ ً ﻓﻲ اﻟﻤﻘﺎرﻧﺎت اﻟﺒﻌﺪﯾﺔ ھﻲ طﺮﯾﻘﺔ ‪....‬‬
‫‪Tuky .A‬‬
‫‪LSD .B‬‬
‫‪Scheffé .C‬‬
‫‪ .D‬وﻻ إﺟﺎﺑﺔ ﻣﻤﺎ ﺳﺒﻖ‬

‫‪95‬‬
 ‫‪ .4‬ﺑﻠﻐﺖ ﻗﯿﻤﺔ ‪ 0.124 = Sig‬اﻟﻤﻘﺎﺑﻠﺔ ﻟـ ‪ AI-AJ‬ﻓﻲ ﺟﺪول اﻟﻤﻘﺎرﻧﺎت اﻟﺒﻌﺪﯾﺔ اﻟﻘﯿﻤﺔ ‪ ،0.123‬ﻣﻤﺎ ﯾﻌﻨﻲ‪:‬‬
‫‪ .A‬ﻋﺪم وﺟﻮد اﺧﺘﻼف ﺑﯿﻦ اﻟﻤﺘﻮﺳﻄﯿﻦ‬
‫‪ .B‬وﺟﻮد اﺧﺘﻼف ﺑﯿﻦ اﻟﻤﺘﻮﺳﻄﯿﻦ‬
‫‪ .C‬اﻟﻤﻌﻠﻮﻣﺎت ﻏﯿﺮ ﻛﺎﻓﯿﺔ‬
‫‪ .D‬وﻻ إﺟﺎﺑﺔ ﻣﻤﺎ ﺳﺒﻖ‬

‫‪ (3‬أﺳﺌﻠﺔ \ ﻗﻀﺎﯾﺎ ﻟﻠﻤﻨﺎﻗﺸﺔ‬

‫ﺷﺮوط ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي‬

‫اﺷﺮح ﺷﺮوط ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي‪.‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[2-1-4‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 20 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.20 :100‬‬

‫ﺧﻄﻮات ﺗﻨﻔﯿﺬ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي اﻟﺮﺋﯿﺴﯿﺔ‬

‫اﺑﺤﺚ ﺧﻄﻮات ﺗﻨﻔﯿﺬ ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي اﻟﺮﺋﯿﺴﯿﺔ ﻣﺴﺘﺨﺪﻣﺎ ً اﻟﺒﯿﺎﻧﺎت اﻟﻤﺮﻓﻘﺔ ﻟﻠﻔﺼﻞ وﻣﻔﺴﺮا ً اﻟﻨﺘﺎﺋﺞ‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[4-4‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 20 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.30 :100‬‬

‫‪96‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‪ :‬ﺗﺤﻠﯿﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ‬
‫)‪(Linear Correlation Analysis‬‬
‫اﻟﻜﻠﻤﺎت اﻟﻤﻔﺘﺎﺣﯿﺔ‪:‬‬

‫اﻻرﺗﺒﺎط اﻟﺨﻄﻲ )‪ ،(Linear correlation‬اﻻرﺗﺒﺎط )‪ ،(Correlation‬ارﺗﺒﺎط ﺑﯿﺮﺳﻦ )‪ ،(Pearson Correlation‬ارﺗﺒﺎط ﺳﺒﯿﺮﻣﻦ‬

‫)‪ ،(Spearman Correlation‬اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ )‪ ،(Normal distribution‬اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ )‪ ،(Linear Correlation‬ﻣﺘﻐﯿﺮ ﻛﻤﻲ‬
‫)‪ ،(Parametric Variable‬ﻣﺘﻐﯿﺮ ﺗﺮﺗﯿﺒﻲ )‪ ،(Ordinal Variable‬ﻋﻼﻗﺔ طﺮدﯾﺔ أو ﻣﻮﺟﺒﺔ )‪ ،(Positive relation‬ﻋﻼﻗﺔ ﻋﻜﺴﯿﺔ أو ﺳﺎﻟﺒﺔ‬
‫)‪.(Negative relation‬‬

‫ﻣﻠﺨﺺ اﻟﻔﺼﻞ‪:‬‬

‫ﯾﻌﺮض ھﺬا اﻟﻔﺼﻞ اﻟﻄﺮﯾﻘﺔ اﻟﺘﻲ ﯾﻤﻜﻦ ﻣﻦ ﺧﻼﻟﮭﺎ إﯾﺠﺎد اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﻛﻤﯿﯿﻦ وذﻟﻚ ﻣﻦ ﺧﻼل اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ‪Linear‬‬
‫ُ‬
‫‪ Correlation‬وﻛﯿﻔﯿﺔ ﻋﺮض ھﺬه اﻟﻌﻼﻗﺔ ﺑﯿﺎﻧﯿﺎً‪.‬‬

‫اﻟﻤﺨﺮﺟﺎت واﻷھﺪاف اﻟﺘﻌﻠﯿﻤﯿﺔ‪:‬‬

‫‪ -‬ﯾﺸﺮح ﺷﺮوط اﺧﺘﺒﺎر ارﺗﺒﺎط ﺑﯿﺮﺳﻦ‪.‬‬
‫‪ -‬ﯾﺴﺘﻮﻋﺐ اﻟﻄﺎﻟﺐ طﺮﯾﻘﺔ ﺗﻨﻔﯿﺬ ﺗﺤﻠﯿﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ وﯾﻔﺴﺮ ﻧﺘﺎﺋﺠﮫ‪.‬‬
‫‪ -‬ﯾﻘﺎرن اﻟﻄﺎﻟﺐ ﺑﯿﻦ ارﺗﺒﺎط ﺑﯿﺮﺳﻦ وارﺗﺒﺎط ﺳﺒﯿﺮﻣﻦ‬
‫‪ -‬ﯾﺪرك اﻟﻄﺎﻟﺐ طﺮﯾﻘﺔ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ واﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ وﯾﻔﺴﺮ ﻧﺘﺎﺋﺠﮭﻤﺎ‪.‬‬

‫‪97‬‬
 ‫‪ 1-5‬اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‬
‫ﯾﻤﻜﻦ وﺻﻒ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﻣﻦ ﺧﻼل ﻋﺪة أﺑﻌﺎد ﻛﻤﺎ ﯾﻮﺿﺢ اﻟﺸﻜﻞ رﻗﻢ )‪ ،(1/5‬وﻓﯿﻤﺎ ﯾﻠﻲ ﺷﺮﺣﺎ ً ﻟﻜﻞ ﺑﻌﺪ ﻣﻨﮭﺎ‪.‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(1/5‬أﺑﻌﺎد اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات‬

‫وﺟودھﺎ اﺗﺟﺎھﮭﺎ‬

‫ﻗوﺗﮭﺎ‬ ‫طﺑﯾﻌﺗﮭﺎ‬

‫‪ 1-1-5‬إﻣﻜﺎﻧﯿﺔ وﺟﻮدھﺎ )ﻣﻮﺟﻮدة ‪/‬ﻏﯿﺮ ﻣﻮﺟﻮدة(‪ :‬ﻻﺧﺘﺒﺎر إﻣﻜﺎﻧﯿﺔ وﺟﻮد اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﯾﻤﻜﻦ اﻻﻋﺘﻤﺎد ﻋﻠﻰ اﻟﺪﻻﻟﺔ‬
‫اﻹﺣﺼﺎﺋﯿﺔ ﻻﺧﺘﺒﺎر اﻟﻌﻼﻗﺔ أو اﻻرﺗﺒﺎط ﻓﺈذا ﻣﺎ وﺟﺪ اﻟﺒﺎﺣﺚ دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ ﻟﻠﻌﻼﻗﺔ )‪ (sig < α‬ﯾﻤﻜﻨﮫ اﻟﻘﻮل ﺑﻮﺟﻮد اﻟﻌﻼﻗﺔ‬
‫ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪.‬‬

‫‪ 2-1-5‬اﺗﺠﺎه اﻟﻌﻼﻗﺔ )طﺮدﯾﺔ‪/‬ﻋﻜﺴﯿﺔ(‪ :‬إذا ﻛﺎﻧﺖ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﻣﻮﺟﻮدة ﻓﻤﻦ اﻟﻤﮭﻢ ﻣﻌﺮﻓﺔ اﺗﺠﺎھﮭﺎ‪ ،‬ﺣﯿﺚ ﯾﻤﻜﻦ أن‬
‫ﯾﻜﻮن اﺗﺠﺎه اﻟﻌﻼﻗﺔ ﻣﻮﺟﺒﺎ ً أو ﺳﺎﻟﺒﺎً‪.‬‬

‫‪ 3-1-5‬ﻗﻮة اﻟﻌﻼﻗﺔ )ﻗﻮﯾﺔ‪/‬ﺿﻌﯿﻔﺔ(‪ :‬ﯾﻌﺪ ﻓﮭﻢ ﻗﻮة اﻟﻌﻼﻗﺔ أﻣﺮا ً أﺳﺎﺳﯿﺎ ً أﯾﻀﺎً‪ .‬وﺑﺸﻜﻞ ﻋﺎم ﯾﻤﻜﻦ أن ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﻏﯿﺮ ﻣﻮﺟﻮدة‬
‫)اﻟﻘﺴﻢ اﻷﻋﻠﻰ ﻣﻦ اﻟﺸﻜﻞ ‪ (2/5‬أو ﺿﻌﯿﻔﺔ أو ﻣﺘﻮﺳﻄﺔ أو ﻗﻮﯾﺔ‪.‬‬

‫‪98‬‬
 ‫‪ 4-1-5‬ﻧﻮع اﻟﻌﻼﻗﺔ‪ :‬ﻣﻦ اﻟﻤﮭﻢ أﯾﻀﺎ ً ﻓﮭﻢ طﺒﯿﻌﺔ اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬إذ ﯾﻤﻜﻦ أن ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ‪ X‬و‪ Y‬ذات‬
‫أﺷﻜﺎل ﻣﺨﺘﻠﻔﺔ‪ .‬ﻓﯿﻤﻜﻦ أن ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺑﯿﻦ ‪ X‬و‪ Y‬ﻋﻼﻗﺔ ﺧﻄﯿﺔ ‪ Linear relationship‬أي إن طﺒﯿﻌﺔ اﻟﻌﻼﻗﺔ ّ‬
‫وﻗﻮﺗﮭﺎ ﺑﯿﻦ‬
‫اﻟﻤﺘﻐﯿﺮﯾﻦ ﺗﺒﻘﻰ ﺛﺎﺑﺘﺔ أو ﻣﺘﺸﺎﺑﮭﺔ ﻣﻊ ﺗﻄﻮر ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬وﯾﻌﺘﺒﺮ اﻟﻤﺴﺘﻘﯿﻢ أﻓﻀﻞ ﺗﻤﺜﯿﻞ ﻟﻠﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‪ .‬وﻗﺪ‬
‫ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺑﯿﻦ ‪ X‬و‪ Y‬ﻋﻼﻗﺔ ذات ﺷﻜﻞ ﻣﻨﺤﻦ ‪) curvilinear relationship‬أو ﻋﻼﻗﺔ ﻏﯿﺮ ﺧﻄﯿﺔ( اﻟﺘﻲ ﺗﻌﻨﻲ أن ﻗﻮة اﻟﻌﻼﻗﺔ‬
‫واﺗﺠﺎھﮭﺎ أو ﻋﺪﻣﮭﺎ ﯾﺘﻐﯿﺮ ﻣﻊ ﺗﻄﻮر ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮﯾﻦ )اﻟﻘﺴﻢ اﻟﺴﻔﻠﻲ ﻣﻦ اﻟﺸﻜﻞ رﻗﻢ ‪ .(2/5‬ﻓﻤﺜﻼً ﻗﺪ ﺗﺰداد ﻗﯿﻢ ‪ Y‬ﻣﻊ ﺗﺰاﯾﺪ ﻗﯿﻢ ‪X‬‬
‫وﻟﻜﻦ وﻋﻨﺪ ﻧﻘﻄﺔ ﻣﻌﯿﻨﺔ ﺗﺒﺪأ ﻗﯿﻢ ‪ Y‬ﺑﺎﻻﻧﺨﻔﺎض ﻣﻊ اﺳﺘﻤﺮار ﺗﺰاﯾﺪ ﻗﯿﻢ ‪ .X‬وﯾﺸﻜﻞ اﺳﺘﺨﺪام ﻣﻨﺤﻨﻰ اﻻﻧﺘﺸﺎر ‪Scatter diagram‬‬

‫أﺣﺪ اﻟﻄﺮق اﻟﺴﮭﻠﺔ ﻟﻮﺻﻒ طﺒﯿﻌﺔ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‪ .‬وﯾﻈﮭﺮ اﻟﺸﻜﻞ )‪ (3/5‬أﻣﺜﻠﺔ أﺧﺮى ﻋﻠﻰ اﻟﻌﻼﻗﺎت اﻟﻤﺤﺘﻤﻠﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‬
‫ﯾﻤﻜﻦ ﻣﻼﺣﻈﺘﮭﺎ ﻣﻦ ﺧﻼل ﻣﻨﺤﻨﯿﺎت اﻻﻧﺘﺸﺎر‪.‬‬
‫اﻟشكﻞ رﻗم )‪ :(2/5‬ﻤثﺎل ﺤول ﻋدم وﺠود‪ /‬ووﺠود ﻋﻼﻗﺔ ﻏیر ﺨط�ﺔ‬

‫‪99‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(3/5‬ﻣﺜﺎل ﺣﻮل أﺷﻜﺎل ﻣﺘﻌﺪدة ﻟﻠﻌﻼﻗﺔ ﻏﯿﺮ اﻟﺨﻄﯿﺔ ﺑﯿﻦ ‪ X‬و‪Y‬‬

‫‪ 2-5‬ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط اﻟﺨﻄﻲ‬

‫ﯾﺘﻀﻤﻦ ﺗﺤﻠﯿﻞ اﻻرﺗﺒﺎط اﻟﺜﻨﺎﺋﻲ )‪ (Bivariate Correlation‬ﻓﻲ ‪ SPSS‬ﺛﻼﺛﺔ ﻣﻌﺎﻣﻼت‪:‬‬

‫‪ 1-2-5‬ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑﯿﺮﺳﻦ )‪ :(Pearson Correlation Coefficient‬ﯾﺴﺘﺨﺪم ھﺬا اﻟﻤﻌﺎﻣﻞ ﻟﻘﯿﺎس درﺟﺔ اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ‬
‫واﺗﺠﺎھﺎ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﻛﻤﯿﯿﻦ )ﻗِﯿﺴﺎ ﺑﺎﺳﺘﺨﺪام ﻣﻘﯿﺎس ﻣﺘﺪرج ‪ Interval‬أو ﻣﻘﯿﺎس ﻧﺴﺐ ‪.(Ratio‬‬

‫‪ 2-2-5‬ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺳﺒﯿﺮﻣﻦ )‪ :(Spearman Correlation Coefficient‬ﯾﺴﺘﺨﺪم ﻟﻘﯿﺎس درﺟﺔ اﻻرﺗﺒﺎط )اﻟﺘﻮاﻓﻖ( ﺑﯿﻦ‬
‫ﻣﺘﻐﯿﺮﯾﻦ ﺗﺮﺗﯿﺒﯿﯿﻦ ‪) Ordinal‬ﻗِﯿﺴﺎ ﺑﺎﺳﺘﺨﺪام ﻣﻘﺎﯾﯿﺲ ﺗﺮﺗﯿﺒﯿﺔ(‪ ،‬أو ﻣﺘﻐﯿﺮﯾﻦ ﻛﻤﯿﯿﻦ ﻟﻢ ﯾﺤﻘﻘﺎ ﺷﺮط اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ أو اﻟﺘﻮزﯾﻊ‬
‫اﻟﻄﺒﯿﻌﻲ أو ﻛﻠﯿﮭﻤﺎ‪.‬‬

‫‪ 3-2-5‬ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ‪ :Kendall Tau-B‬ﯾﺴﺘﺨﺪم ﻟﻘﯿﺎس درﺟﺔ اﻻرﺗﺒﺎط ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﺗﺮﺗﯿﺒﯿﯿﻦ ) ِﻗﯿﺴﺎ ﺑﺎﺳﺘﺨﺪام ﻣﻘﺎﯾﯿﺲ ﺗﺮﺗﯿﺒﯿﺔ(‪.‬‬
‫وﻓﻲ أﻏﻠﺐ اﻷﺣﯿﺎن ﺗﻜﻮن ﻧﺘﺎﺋﺠﮫ ﻣﻘﺎرﺑﺔ ﻟﻨﺘﺎﺋﺞ ارﺗﺒﺎط ﺳﺒﯿﺮﻣﻦ‪.‬‬

‫ﺳﯿُﺮﻛﺰ ھﺬا اﻟﻔﺼﻞ ﻋﻠﻰ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﺑﯿﺮﺳﻮن ‪ Pearson Correlation Coefficient‬اﻟﺬي َو َ‬
‫ﺿ َﻊ ﺻﯿﻐﺘﮫ اﻟﺮﯾﺎﺿﯿﺔ‬
‫‪ Karl Pearson‬وﺳﻤﻲ ﺑﺎﺳﻤﮫ‪.‬‬

‫‪100‬‬
 ‫‪ 3-5‬ﺷﺮوط اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﻟﻤﻌﺎﻣﻞ ‪:Pearson‬‬
‫‪ −‬ﺑﯿﺎﻧﺎت ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮات ﻛﻤﯿﺔ )ﻣﺘﺪرﺟﺔ‪/‬ﻧﺴﺐ(‪.‬‬
‫‪ −‬ﻟﻜﻞ ﻣﻔﺮدة ﻓﻲ اﻟﻌﯿﻨﺔ ﻗﯿﻤﺔ ﻣﺤﺪدة ﻟﻜﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ )ﻓﻲ ﻋﯿﻨﺔ ﻣﻜﻮﻧﺔ ﻣﻦ ‪ 700‬ﻣﻮظﻒ ﺗﮭﺪف إﻟﻰ ﺗﺤﺪﯾﺪ اﻻرﺗﺒﺎط ﺑﯿﻦ‬
‫ﻣﺘﻐﯿﺮﯾﻦ ھﻤﺎ رﺿﺎ اﻟﻤﻮظﻒ )‪ (X‬ووﻻﺋﮫ ﻟﻠﺸﺮﻛﺔ )‪ (Y‬ﺗُﻘﺎس ﻗﯿﻢ ﻛﻞ ﺧﺎﺻﯿﺔ ﻣﻦ ھﺎﺗﯿﻦ اﻟﺨﺎﺻﯿﺘﯿﻦ ﻟﻜﻞ ﻟﻤﺴﺘﺠﻮب ﻓﻲ‬
‫ھﺬه اﻟﻌﯿﻨﺔ(‬
‫‪ −‬وﺟﻮد ﻋﻼﻗﺔ ﺧﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬وﺳﯿُﻌﺮض ﻛﯿﻔﯿﺔ اﺧﺘﺒﺎر ھﺬا اﻟﺸﺮط ﺑﺎﺳﺘﺨﺪام ﻣﻨﺤﻨﻰ اﻻﻧﺘﺸﺎر أو اﺧﺘﺒﺎر ‪t-test‬‬

‫‪ for linearity‬ﻓﻲ ﻓﻘﺮة ﻗﺎدﻣﺔ‪.‬‬

‫‪ −‬ﯾﺠﺐ أن ﯾﺘﻤﺘﻊ ﻛﻼ اﻟﻤﺘﻐﯿﺮﯾﻦ اﻟﻤﺮاد اﺧﺘﺒﺎر اﻟﻌﻼﻗﺔ ﺑﯿﻨﮭﻤﺎ ﺑﺘﻮزﯾﻊ طﺒﯿﻌﻲ ‪.Normal distribution‬‬

‫‪ 1-3-5‬اﻟﺼﯿﻐﺔ اﻟﺮﯾﺎﺿﯿﺔ ﻟﻤﻌﺎﻣﻞ ارﺗﺒﺎط ﺑﯿﺮﺳﻮن وﻗﯿﻤﮫ‪ :‬ﯾﻤﻜﻦ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ أو ﻣﻌﺎﻣﻞ ﺑﯿﺮﺳﻮن ﻛﻤﺎ ﯾﻠﻲ‪:‬‬
‫𝑛𝑛∑‬ ‫�‬ ‫�‬
‫) 𝑌𝑌‪𝑖𝑖=1(𝑋𝑋𝑖𝑖 −𝑋𝑋)(𝑌𝑌𝑖𝑖 −‬‬
‫=‪r‬‬
‫𝑛𝑛∑�‬ ‫𝑛𝑛 ‪� 2‬‬ ‫‪� 2‬‬
‫) 𝑌𝑌‪𝑖𝑖=1(𝑋𝑋𝑖𝑖 −𝑋𝑋) ∑𝑖𝑖=1(𝑌𝑌𝑖𝑖 −‬‬

‫ﺣﯿﺚ‪:‬‬

‫�𝑋𝑋 اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺘﻐﯿﺮ اﻷول‬

‫�𝑌𝑌 اﻟﻮﺳﻂ اﻟﺤﺴﺎﺑﻲ ﻟﻠﻤﺘﻐﯿﺮ اﻟﺜﺎﻧﻲ‬

‫‪ n‬ﺣﺠﻢ اﻟﻌﯿﻨﺔ‬

‫ﯾﻌﺘﺒﺮ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ أو ﻣﻌﺎﻣﻞ ﺑﯿﺮﺳﻦ اﻟﻤﻘﯿﺎس اﻹﺣﺼﺎﺋﻲ اﻟﺬي ﯾﺪل ﻋﻠﻰ ﻣﻘﺪار اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات أﺳﻠﺒﯿﺔ ﻛﺎﻧﺖ‬
‫أم إﯾﺠﺎﺑﯿﺔ‪ .‬وﯾﺘﺮاوح ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط )‪ (r‬ﺑﯿﻦ ‪ 1-‬و‪ .1+‬أي أن‪:‬‬

‫‪-1 ≤ r ≤ +1‬‬

‫ﺗﺸﯿﺮ ﻗﯿﻤﺔ اﻟﻤﻌﺎﻣﻞ إﻟﻰ ﻗﻮة اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ أو ﻗﻮة اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ أﻣﺎ اﻹﺷﺎرة )‪ -‬أو ‪ (+‬ﻓﺘﺸﯿﺮ إﻟﻰ اﺗﺠﺎه‬
‫اﻟﻌﻼﻗﺔ‪ .‬وﻓﯿﻤﺎ ﯾﻠﻲ ﺷﺮﺣﺎ ً ﻟﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﻔﺎھﯿﻢ اﻷﺳﺎﺳﯿﺔ‪:‬‬

‫‪101‬‬
‫‪ -‬اﻻرﺗﺒﺎط اﻟﺨﻄﻲ اﻟﻤﻮﺟﺐ )اﻟﻄﺮدي(‪ :‬ﯾﺸﯿﺮ إﻟﻰ أن اﻟﺘﺰاﯾﺪ ﻓﻲ اﻟﻤﺘﻐﯿﺮ ‪ X‬ﯾﻘﺎﺑﻠﮫ ﺗﺰاﯾﺪ ﻓﻲ اﻟﻤﺘﻐﯿﺮ ‪ Y‬أو اﻟﺘﻨﺎﻗﺺ ﻓﻲ‬
‫ﻗﯿﻤﺔ ‪ Y‬ﯾﻘﺎﺑﻠﮫ ﺗﻨﺎﻗﺺ ﻓﻲ ﻗﯿﻤﺔ ‪) X‬أي ﯾﺸﯿﺮ إﻟﻰ ﺗﺰاﯾﺪ اﻟﻤﺘﻐﯿﺮﯾﻦ أو ﺗﻨﺎﻗﺼﮭﻤﺎ ﻣﻌﺎً( ﻛﻤﺎ ﻓﻲ ﺣﺎﻟﺔ اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﺴﻌﺮ‬
‫واﻟﺠﻮدة اﻟﻤﺪرﻛﺔ ﻟﻠﻤﻨﺘﺠﺎت ﻣﻦ ﻗﺒﻞ اﻟﻤﺴﺘﮭﻠﻚ‪.‬‬
‫‪ -‬اﻻرﺗﺒﺎط اﻟﺨﻄﻲ اﻟﺴﺎﻟﺐ )اﻟﻌﻜﺴﻲ(‪ :‬ﯾﺸﯿﺮ إﻟﻰ أن اﻟﺘﺰاﯾﺪ ﻓﻲ اﻟﻤﺘﻐﯿﺮ ‪ X‬ﯾﻘﺎﺑﻠﮫ ﺗﻨﺎﻗﺺ ﻓﻲ اﻟﻤﺘﻐﯿﺮ ‪ Y‬أو اﻟﺘﻨﺎﻗﺺ ﻓﻲ‬
‫‪ X‬ﯾﻘﺎﺑﻠﮫ ﺗﺰاﯾﺪ ﻓﻲ ﻗﯿﻤﺔ ‪ Y‬واﻟﻌﻜﺲ ﺻﺤﯿﺢ‪ ،‬أي إﻧﮫ ﯾﺸﯿﺮ إﻟﻰ وﺟﻮد ﻋﻼﻗﺔ ﻋﻜﺴﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﻛﻤﺎ ﻓﻲ ﺣﺎﻟﺔ اﻟﻌﻼﻗﺔ‬
‫ﺑﯿﻦ اﻟﺴﻌﺮ واﻟﻜﻤﯿﺔ اﻟﻤﻄﻠﻮﺑﺔ‪.‬‬
‫‪ -‬ارﺗﺒﺎط ﺧﻄﻲ ﺗﺎم ﻣﻮﺟﺐ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‪ :‬ﺗﺸﯿﺮ ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ‪ 1+= r‬ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ‪ X‬و ‪ Y‬إﻟﻰ وﺟﻮد ﻋﻼﻗﺔ‬
‫ﺧﻄﯿﺔ ﺗﺎﻣﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬وإن أي ﺗﻐﯿﺮ ﻓﻲ ‪ X‬ﯾﺆدي إﻟﻰ ﺗﻐﯿﺮ ﺑﻨﻔﺲ اﻟﻨﺴﺒﺔ واﻻﺗﺠﺎه ﻓﻲ ‪ ،Y‬واﻟﻌﻜﺲ ﺻﺤﯿﺢ أي ﺗﻐﯿﺮ‬
‫ﻓﻲ ‪ Y‬ﯾﺆدي إﻟﻰ ﺗﻐﯿﺮ ﺑﻨﻔﺲ اﻟﻨﺴﺒﺔ واﻻﺗﺠﺎه ﻓﻲ ﻗﯿﻤﺔ ‪.X‬‬
‫‪ -‬ارﺗﺒﺎط ﺧﻄﻲ ﺗﺎم ﺳﺎﻟﺐ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‪ :‬ﺗﺸﯿﺮ ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ‪ 1-= r‬ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ‪ X‬و‪ Y‬إﻟﻰ أن أي ﺗﻐﯿﺮ ﻓﻲ‬
‫‪ X‬ﯾﺆدي إﻟﻰ ﺗﻐﯿﺮ ﺑﺎﻟﻨﺴﺒﺔ ﻧﻔﺴﮭﺎ وﻟﻜﻦ ﺑﺎﺗﺠﺎه ﻣﻌﺎﻛﺲ ﻓﻲ ‪ Y‬واﻟﻌﻜﺲ ﺻﺤﯿﺢ ﻛﻞ ﺗﻐﯿﺮ ﻓﻲ ‪ Y‬ﯾﺆدي إﻟﻰ ﺗﻐﯿﺮ ﺑﺎﻟﻨﺴﺒﺔ‬
‫ﻧﻔﺴﮭﺎ وﻟﻜﻦ ﺑﺎﺗﺠﺎه ﻣﻌﺎﻛﺲ ﻓﻲ ﻗﯿﻤﺔ ‪.X‬‬
‫‪ -‬ﻋﺪم وﺟﻮد ﻋﻼﻗﺔ ﺧﻄﯿﺔ‪ :‬إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ ﺑﯿﺮﺳﻮن ‪) r = 0‬أو ﻗﺮﯾﺒﺔ ﻣﻦ اﻟﺼﻔﺮ( ﻓﺈن ذﻟﻚ ﯾﻌﻨﻲ ﻋﺪم وﺟﻮد‬
‫ﻋﻼﻗﺔ‪ ،‬ﯾﻤﻜﻦ اﻟﻘﻮل‪ :‬ﱠ‬
‫إن اﻗﺘﺮاب ﻗﯿﻢ ‪ r‬ﻣﻦ ‪ 1±‬ﯾﺪل ﻋﻠﻰ ﻗﻮة اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬أﻣﺎ إذا اﻗﺘﺮﺑﺖ ﻗﯿﻤﺔ ‪ r‬ﻣﻦ‬
‫اﻟﺼﻔﺮ ﻓﺈن ذﻟﻚ ﯾﺪل ﻋﻠﻰ ﺿﻌﻒ أو اﻧﻌﺪام اﻟﻌﻼﻗﺔ ﺧﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬وﺗﺪل اﻹﺷﺎرة ﻛﻤﺎ ذُﻛﺮ ﺳﺎﺑﻘﺎ ً ﻋﻠﻰ اﺗﺠﺎه‬
‫اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪.‬‬

‫ﯾﺠﺐ اﻻﻧﺘﺒﺎه إﻟﻰ أن اﻟﺤﺼﻮل ﻋﻠﻰ ﻗﯿﻢ ﺻﻐﯿﺮة )ﻗﺮﯾﺒﺔ ﻣﻦ اﻟﺼﻔﺮ( ﻟﻤﻌﺎﻣﻞ ﺑﯿﺮﺳﻦ ﻻ ﯾﻌﻨﻲ ﻋﺪم وﺟﻮد ﻋﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‬
‫‪ X‬و‪ Y‬وﻟﻜﻨﱠﮫ ﯾﻌﻨﻲ ﻋﺪم وﺟﻮد ﻋﻼﻗﺔ ﺧﻄﯿﺔ ﺑﯿﻨﮭﻤﺎ‪ .‬ﻓﻘﺪ ﯾﻜﻮن ھﻨﺎك ﻋﻼﻗﺔ ﻏﯿﺮ ﺧﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ )ﻋﻼﻗﺔ ﻣﻦ اﻟﺪرﺟﺔ اﻟﺜﺎﻧﯿﺔ‬
‫ﻣﺜﻼً(‪.‬‬

‫وﯾﺠﺐ اﻻﻧﺘﺒﺎه إﻟﻰ أن اﻟﻤﻌﯿﺎر اﻷﺳﺎﺳﻲ ﻓﻲ ﺗﺤﺪﯾﺪ وﺟﻮد اﻻرﺗﺒﺎط ﻣﻦ ﻋﺪﻣﮫ ھﻮ ﻣﺴﺘﻮى ﻣﻌﻨﻮﯾﺘﮫ وذﻟﻚ ﺑﻨﺎ ًء ﻋﻠﻰ ﻗﯿﻤﺔ‬
‫‪ ،(P-value) Sig‬ﯾﻜﻮن اﻻرﺗﺒﺎط ﻣﻌﻨﻮﯾﺎ ً إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ ‪ 0.05 ≥ (P value)Sig‬وﻓﻖ ﻻﺧﺘﺒﺎر اﻻرﺗﺒﺎط ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﻛﻤﺎ‬
‫ﯾﻠﻲ‪:‬‬

‫ﯾﺪﻋﻲ اﻻﺧﺘﺒﺎر اﻻرﺗﺒﺎط ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ وﻓﺮﺿﯿﺔ ﻋﺪﻣﮫ ‪ H0‬ھﻲ‪ :‬ﻻ ﯾﻮﺟﺪ ارﺗﺒﺎط ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ ،‬وﺗﻜﻮن ﻓﺮﺿﯿﺘﮫ اﻟﺒﺪﯾﻠﺔ‬
‫‪102‬‬
‫‪ :H1‬ﯾﻮﺟﺪ ﻋﻼﻗﺔ ارﺗﺒﺎط ﻣﻌﻨﻮﯾﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬ﺗﺮﻓﺾ داﺋﻤﺎ ً ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﺗﻘﺒﻞ اﻟﺒﺪﯾﻠﺔ ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻗﯿﻤﺔ ‪،0.05 ≥ Sig‬‬
‫وﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻗﯿﻤﺔ ‪ 0.05 < Sig‬ﻻ ﯾﻤﻜﻦ ﻓﻲ ھﺬه اﻟﺤﺎﻟﺔ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﻻ ﯾﻮﺟﺪ ﻋﻼﻗﺔ‪ .‬وﯾﻮﺿﺢ اﻟﺸﻜﻞ رﻗﻢ )‪(4/5‬‬
‫اﻷﺷﻜﺎل اﻟﻤﺤﺘﻤﻠﺔ ﻟﻠﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ‪ X‬و‪Y‬‬
‫اﻟﺸﻜﻞ )‪ :(4/5‬اﻷﺷﻜﺎل اﻟﻤﺤﺘﻤﻠﺔ ﻟﻠﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ‪ X‬و‪Y‬‬

‫‪ 2-3-5‬ﻗﻮة اﻟﻌﻼﻗﺔ‪ :‬ﯾﻤﻜﻦ اﺳﺘﺨﺪام ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻟﻮﺻﻒ ﻗﻮة اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬ﯾﺘﺮاوح ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻛﻤﺎ‬
‫ذﻛﺮﻧﺎ ﺳﺎﺑﻘﺎ ً ﺑﯿﻦ ‪ 1-‬و ‪ .1+‬ﻛﯿﻒ ﻧﻔﺴﺮ إذا ً ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺘﻲ ﺗﺘﺮاوح ﺑﯿﻦ ‪ 0‬و ‪1±‬؟‬

‫اﺧﺘﻠﻒ اﻟﻤﺆﻟﻔﻮن ﻓﻲ ﺗﻔﺴﯿﺮ اﻟﻤﻌﺎﻣﻞ‪ ،‬ﯾﻘﺘﺮح )‪ Hair et al. (2003‬ﻋﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل اﻟﺠﺪول رﻗﻢ )‪ (1/5‬ﻟﺘﻔﺴﯿﺮ ھﺬا اﻟﻤﻌﺎﻣﻞ‪.‬‬
‫ﻓﺒﺤﺴﺐ اﻟﻤﺬﻛﻮرﯾﻦ ﯾﺸﯿﺮ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺬي ﯾﺘﺮاوح ﺑﯿﻦ ‪ 0.81±‬و ‪ 1±‬إﻟﻰ ارﺗﺒﺎط ﻗﻮي ﺟﺪا ً ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬ﻋﻠﻰ اﻟﺠﺎﻧﺐ‬
‫اﻵﺧﺮ وﻓﻲ ﺣﺎل ﺗﺮاوح ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑﯿﻦ ‪ 0.01±‬و ‪ 0.20±‬ﻓﺈﻧﮫ ﯾﺸﯿﺮ إﻟﻰ ارﺗﺒﺎط ﺿﻌﯿﻒ ﺟﺪا ً ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ وھﻨﺎك‬
‫اﺣﺘﻤﺎل ﻗﻮي ﺑﺄن ﻻ ﯾﺘﻢ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم اﻟﺘﻲ ﺗﺸﯿﺮ إﻟﻰ ﻋﺪم وﺟﻮد ﻋﻼﻗﺔ ارﺗﺒﺎط ﺧﻄﻲ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ )إﻻ ﻓﻲ ﺣﺎﻟﺔ اﻟﻌﯿﻨﺎت‬
‫اﻟﻜﺒﯿﺮة(‪ .‬وﯾﻮﺿﺢ اﻟﺠﺪول رﻗﻢ )‪ (1/5‬داﻻت اﻟﻘﯿﻢ اﻟﻤﺨﺘﻠﻔﺔ ﻟـﻘﯿﻤﺔ ‪.r‬‬

‫‪103‬‬
 ‫اﻟﺠﺪول )‪ :(1/5‬ﻗﻮة اﻟﻌﻼﻗﺔ ﺑﻨﺎء ﻋﻠﻰ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‬

‫ﻗﻮة اﻟﻌﻼﻗﺔ‬ ‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‬

‫ﻋﻼﻗﺔ ﻗﻮﯾﺔ ﺟﺪاً‬ ‫‪ 0.81±‬إﻟﻰ ‪1.00±‬‬
‫ﻋﻼﻗﺔ ﻗﻮﯾﺔ‬ ‫‪ 0.61±‬إﻟﻰ ‪0.80±‬‬
‫ﻋﻼﻗﺔ ﻣﺘﻮﺳﻄﺔ‬ ‫‪ 0.41±‬إﻟﻰ ‪0.60±‬‬
‫ﻋﻼﻗﺔ ﺿﻌﯿﻔﺔ‬ ‫‪ 0.21±‬إﻟﻰ ‪0.40±‬‬
‫ﻋﻼﻗﺔ ﺿﻌﯿﻔﺔ ﺟﺪاً‬ ‫‪ 0.01±‬إﻟﻰ ‪0.20±‬‬

‫‪ 3-3-5‬اﺧﺘﺒﺎر ارﺗﺒﺎط ‪ Pearson‬ﺑﺎﺳﺘﺨﺪام ‪:SPSS‬‬

‫ﯾﻤﺜﻞ اﻟﻤﺨﻄﻂ اﻟﻮاﺿﺢ ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪ (5/5‬ﺧﻄﻮات اﻟﺘﻘﺪم ﻓﻲ ﺗﺤﻠﯿﻞ ‪.Pearson‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(5/5‬ﻣﺨﻄﻂ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر ارﺗﺒﺎط ‪Pearson‬‬

‫‪ -‬ﺗﺣﻘﻖ ﺷرط اﻟﺗوزﯾﻊ‬

‫ﺗﻧﻔﯾذ اﺧﺗﺑﺎر ‪Pearson‬‬ ‫اﻟطﺑﯾﻌﻲ‬
‫‪-‬ﺗﺣﻘﻖ ﺷرط اﻟﻌﻼﻗﺔ اﻟﺧطﯾﺔ‬
‫ارﺗﺑﺎط ‪Pearson‬‬

‫ﺗﻧﻔﯾذ اﺧﺗﺑﺎر ‪Spearman‬‬ ‫ﻋدم ﺗﺣﻘﻖ اﺣد اﻟﺷرطﯾن‬

‫اﻟﺳﺎﺑﻘﯾن أو ﻛﻠﯾﮭﻣﺎ‬

‫ﺳﯿﺸﺮح ﺗﺤﻠﯿﻞ ارﺗﺒﺎط ‪ Pearson‬ﺑﺎﺳﺘﺨﺪام ﺑﺤﺚ ﻟﺸﺮﻛﺔ ‪ Starbucks‬واﻟﺬي ﯾﮭﺪف إﻟﻰ ﺗﺤﺪﯾﺪ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻛﻞ ﻣﻦ رﺿﺎ اﻟﺰﺑﺎﺋﻦ‬
‫وإدراﻛﮭﻢ ﻟﻠﺠﻮدة ووﻻﺋﮭﻢ ﻟﻠﺸﺮﻛﺔ‪ ،‬ﻗﺎم أﺣﺪ اﻟﺒﺎﺣﺜﯿﻦ ﻓﯿﮭﺎ ﺑﺒﻨﺎء اﺳﺘﺒﺎﻧﺔ ﻟﻘﯿﺎس اﻟﻤﺘﻐﯿﺮات اﻟﺘﺎﻟﯿﺔ‪:‬‬
‫‪ −‬رﺿﺎ اﻟﺰﺑﺎﺋﻦ ﻋﻦ ﺧﺪﻣﺎت ‪ :STARBUCKS‬ﻗﯿﺲ ﻋﻠﻰ ﻣﻘﯿﺎس ﻣﻦ ‪ 5‬ﻧﻘﺎط )‪ =1‬ﻏﯿﺮ راض أﺑﺪاً‪ =5 ،‬راض ﺟﺪاً(‪.‬‬
‫‪ −‬اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ ﻟﺨﺪﻣﺎت ‪ :STARBUCKS‬ﻗﯿﺲ ﻋﻠﻰ ﻣﻘﯿﺎس ﻣﻦ ‪ 5‬ﻧﻘﺎط )‪ =1‬ﻏﯿﺮ ﺟﯿﺪة أﺑﺪاً‪ =5 ،‬ﺟﯿﺪة ﻟﻠﻐﺎﯾﺔ(‪.‬‬

‫‪104‬‬
 ‫‪ −‬وﻻء اﻟﺰﺑﺎﺋﻦ ﻟﺸﺮﻛﺔ ‪ :STARBUCKS‬ﻗﯿﺲ ﻋﻠﻰ ﻣﻘﯿﺎس‬
‫ﻣﻦ ‪ 5‬ﻧﻘﺎط )‪ =1‬ﻏﯿﺮ ﻣﻮا ٍل أﺑﺪاً‪ =5 ،‬ﻣﻮا ٍل ﺟﺪاً( ‪.1‬‬

‫ﻗﺎم ﻗﺴﻢ اﻟﺒﺤﻮث ﺑﺘﻮزﯾﻊ اﻻﺳﺘﺒﺎﻧﺔ ﻋﻠﻰ ﻋﯿﻨﺔ ﻣﻦ ‪ 100‬زﺑﻮن ﻣﻦ‬

‫زﺑﺎﺋﻦ اﻟﻤﻨﻈﻤﺔ ﻓﻲ ﻣﻘﺎھﯿﮭﺎ اﻟﻤﺨﺘﻠﻔﺔ اﻟﻤﻮاﻗﻊ اﻟﺠﻐﺮاﻓﯿﺔ ﺣﺘﻰ ﺗﻜﻮن‬
‫اﻟﻌﯿﻨﺔ ﻣﻤﺜﻠﺔ ﻟﻠﻤﺠﺘﻤﻊ اﻹﺣﺼﺎﺋﻲ‪ ،‬ﯾﻈﮭﺮ اﻟﺠﺪول )‪ (2/5‬اﻟﺒﯿﺎﻧﺎت‬
‫اﻟﺘﻲ ﺣﺼﻞ ﻋﻠﯿﮭﺎ ﻗﺴﻢ اﻟﺒﺤﻮث‪ ،‬ﯾﺮﯾﺪ اﻟﺒﺎﺣﺚ أن ﯾﺨﺘﺒﺮ إﻣﻜﺎﻧﯿﺔ‬
‫وﺟﻮد ﻋﻼﻗﺔ أو ارﺗﺒﺎط ﺑﯿﻦ ﻛﻞ ﻣﻦ اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ ﻟﻠﺨﺪﻣﺔ )‪ (PERCIVED QUALITY‬واﻟﻮﻻء )‪ (LOYALTY‬ﻓﺘﻜﻮن‪:‬‬

‫ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ :‬ﻻ ﯾﻮﺟﺪ ارﺗﺒﺎط ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﻋﻠﻰ ﻣﺴﺘﻮى اﻟﻤﺠﺘﻤﻊ )ﻣﺠﺘﻤﻊ زﺑﺎﺋﻦ ‪(STARBUCKS‬‬

‫‪H0: ρ = 0‬‬

‫اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪ :‬ﯾﻮﺟﺪ ارﺗﺒﺎط ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﻋﻠﻰ ﻣﺴﺘﻮى اﻟﻤﺠﺘﻤﻊ‬

‫‪H1: ρ ≠ 0‬‬

‫)‪ ( 1‬ﻟ�س ﻤن اﻟضروري أن ﺘُﻘﺎس اﻟمتﻐیرات ﺒنﻔس ﻋدد اﻟنﻘﺎط‪ ،‬ﻓﻘد �كون أﺤدﻫﺎ ‪ 5‬واﻵﺨر ‪ 7‬أو �كم�ﺎت أو أطوال أو ﻨﻘود‪.‬‬
‫‪105‬‬
 ‫اﻟﺠﺪول )‪ :(2/5‬ﺑﯿﺎﻧﺎت ﺷﺮﻛﺔ ‪Starbucks‬‬

‫ﯾﺠﺐ ﻋﻠﻰ اﻟﺒﺎﺣﺚ ﻗﺒﻞ اﻟﺒﺪء ﺑﺎﺧﺘﺒﺎر ﺗﺤﻠﯿﻞ اﻻرﺗﺒﺎط اﻟﻘﯿﺎم ﺑﻜ ٍﻞ ﻣﻦ اﻻﺧﺘﺒﺎرﯾﻦ اﻟﺘﺎﻟﯿﯿﻦ‪:‬‬
‫‪ -‬اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻟﻜﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻮاردة ﻓﻲ اﻟﻔﺮﺿﯿﺎت أﻋﻼه‬
‫‪ -‬اﺧﺘﺒﺎر اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻮاردة أﻋﻼه ﻓﻲ اﻟﻔﺮﺿﯿﺎت‪.‬‬

‫‪106‬‬
 ‫‪ 1-3-3-5‬اﻟﺘﺤﻘﻖ ﻣﻦ اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪:‬‬

‫‪ 1-1-3-3-5‬اﻻﺧﺘﺒﺎر إﺣﺼﺎﺋﯿﺎً‪ :‬ﯾﺪﻋﻰ اﻻﺧﺘﺒﺎر ﺑﺎﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻼطﺒﯿﻌﻲ )‪ ،(Non-normal distribution‬وﺑﻨﺎء ﻋﻠﯿﮫ ﺗﻜﻮن‬
‫اﻟﻔﺮﺿﯿﺎت اﻹﺣﺼﺎﺋﯿﺔ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪ H0‬ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ :‬اﻟﻤﺘﻐﯿﺮ ﯾﺘﺒﻊ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬

‫‪ H1‬اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪ :‬اﻟﻤﺘﻐﯿﺮ ﻻ ﯾﺘﺒﻊ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬

‫إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ ‪) p value‬أو ‪ %5 (sig value‬ﻓﻤﺎ دون ﺗ ُﺮﻓﺾ اﻟﻌﺪم وﺗﻘﺒﻞ اﻟﺒﺪﯾﻠﺔ وﯾﻜﻮن اﻟﺘﻮزﯾﻊ ﻏﯿﺮ طﺒﯿﻌﯿﺎً‪ ،‬أﻣﺎ إذا‬
‫ﻛﺎﻧﺖ ﻗﯿﻤﺔ ‪ P value‬أﻛﺒﺮ ﻣﻦ ‪ %5‬ﻻ ﯾﻤﻜﻦ رﻓﺾ اﻟﻌﺪم وﯾﻜﻮن ﺗﻮزﯾﻊ اﻟﻤﺘﻐﯿﺮ طﺒﯿﻌﯿﺎً‪ .‬وﯾﻤﻜﻦ ﻟﻠﺒﺎﺣﺚ اﻟﺘﺄﻛﺪ ﻣﻦ أن اﻟﻤﺘﻐﯿﺮ‬
‫ﯾﺘﺒﻊ ﺷﺮط اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﺑﺎﺳﺘﺨﺪام اﺧﺘﺒﺎر ‪ .One-Sample Kolmogorov-Smirnov Test‬وھﻮ ﯾﺘﻢ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪One-Sample Kolmogorov -Smirnov Test‬‬ ‫‪ 1-Sample K-S  Nonparametric tests  Analyze‬‬

‫وﯾﻮﺿﺢ اﻟﺸﻜﻞ رﻗﻢ )‪ (6/5‬اﻟﻤﺮاﺣﻞ اﻷوﻟﻰ ﻟﺘﻨﻔﯿﺬ اﻻﺧﺘﺒﺎر‬

‫‪107‬‬
 ‫اﻟﺸﻜﻞ )‪ :(6/5‬اﻟﻨﺎﻓﺬة ‪One-Sample Kolmogorov-Smirnov Test‬‬

‫وﺑﻌﺪ أن ﺗﻈﮭﺮ اﻟﻨﺎﻓﺬة ﻓﻲ اﻟﺸﻜﻞ )‪ ،(6/5‬ﯾُﺪﺧﻞ اﻟﺒﺎﺣﺚ اﻟﻤﺘﻐﯿﺮ‪ /‬أو اﻟﻤﺘﻐﯿﺮات ) ‪ (2‬اﻟﺘﻲ ﯾﺮﻏﺐ ﺑﺎﺧﺘﺒﺎر ﻣﺪى اﺗﺒﺎﻋﮭﺎ اﻟﺘﻮزﯾﻊ‬
‫اﻟﻄﺒﯿﻌﻲ ﻓﻲ ﻗﺎﺋﻤﺔ ‪ ،(3 ) Test Variable List‬ﺛﻢ ﯾﻀﻐﻂ اﻟﺒﺎﺣﺚ ﻋﻠﻰ ‪ OK‬ﻛﻤﺎ ﯾﺒﺪو ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪.(7/5‬‬

‫�مكن ﻟﻠ�ﺎﺤث إدﺨﺎل أﻛثر ﻤن ﻤتﻐیر ﻓﻲ آن واﺤدة‪.‬‬ ‫)‪( 2‬‬

‫ﯿنﻔذ اﻟبرﻨﺎﻤﺞ اﻻﺨت�ﺎر ﻟكﻞ ﻤتﻐیر ﻋﻠﻰ ﺤدا‪.‬‬ ‫)‪( 3‬‬

‫‪108‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(7/5‬إدﺧﺎل اﻟﻤﺘﻐﯿﺮات ﻓﻲ ﻗﺎﺋﻤﺔ ‪Test Variable list‬‬

‫وﺑﻌﺪ اﻟﻨﻘﺮ ﻋﻠﻰ ‪ OK‬ﯾﻈﮭﺮ ﺟﺪول اﻟﻨﺘﺎﺋﺞ رﻗﻢ )‪.(3/5‬‬

‫‪109‬‬
 ‫اﻟﺠﺪول )‪ :(3/5‬ﻧﺘﺎﺋﺞ ‪One-Sample Kolmogorov-Smirnov Test‬‬

‫وﻻء اﻟﺰﺑﺎﺋﻦ‬ ‫اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ ﻟﻠﺨﺪﻣﺔ‬

‫‪N‬‬ ‫‪100‬‬ ‫‪100‬‬

‫‪Normal Parametersa,b‬‬ ‫‪Mean‬‬ ‫‪3.4780‬‬ ‫‪3.3500‬‬

‫‪Std. Deviation‬‬ ‫‪.91581‬‬ ‫‪.90090‬‬

‫‪Most Extreme Differences‬‬ ‫‪Absolute‬‬ ‫‪.086‬‬ ‫‪.088‬‬

‫‪Positive‬‬ ‫‪.048‬‬ ‫‪.088‬‬

‫‪Negative‬‬ ‫‪-.086-‬‬ ‫‪-.079-‬‬

‫‪Test Statistic‬‬ ‫‪.086‬‬ ‫‪.088‬‬

‫)‪Asymp. Sig. (2-tailed‬‬ ‫‪.068c‬‬ ‫‪.055c‬‬

‫‪a. Test distribution is Normal.‬‬

‫‪b. Calculated from data.‬‬

‫‪c. Lilliefors Significance Correction.‬‬

‫وﺗُﺨﺘﺒﺮ ﻓﺮﺿﯿﺎت اﻟﺘﻮزﯾﻊ اﻟﻼطﺒﯿﻌﻲ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪ :H0‬ﯾﺘﺒﻊ ﻣﺘﻐﯿﺮ اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬

‫‪ :H1‬ﻻ ﯾﺘﺒﻊ ﻣﺘﻐﯿﺮ اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬

‫وﻛﺎﻟﻌﺎدة ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻗﯿﻤﺔ ‪ُ 0.05 ≥ Asymp Sig‬ﺗﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﺗُﻘﺒﻞ اﻟﺒﺪﯾﻠﺔ وﯾﻜﻮن ﺗﻮزﯾﻊ اﻟﻤﺘﻐﯿﺮ ﻏﯿﺮ طﺒﯿﻌﯿﺎً‪ ،‬وﻋﻨﺪﻣﺎ‬
‫ﺗﻜﻮن ﻗﯿﻤﺔ ‪ 0.05 ≤ Asymp Sig‬ﻻ ﯾﻤﻜﻦ ﺣﯿﻨﮭﺎ رﻓﺾ اﻟﻌﺪم وﯾﻜﻮن اﻟﺘﻮزﯾﻊ طﺒﯿﻌﯿﺎ ً‬

‫وﯾﺒﺪو ﻣﻦ ﻧﺘﺎﺋﺞ اﻟﺠﺪول )‪ (3/5‬ﺑﺄن ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﯾﺘﺒﻊ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻷن ﻗﯿﻤﺔ )‪ Asymp. Sig (2-tailed‬اﻟﻤﻘﺎﺑﻠﺔ ﻟﻜﻞ‬
‫ﻣﻨﮭﻤﺎ أﻛﺒﺮ ﻣﻦ ‪.0.05‬‬

‫‪110‬‬
‫‪ 1-1-3-3-5‬اﻻﺧﺘﺒﺎر ﺑﯿﺎﻧﯿﺎً‪ :‬ﯾﻤﻜﻦ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﺑﯿﺎﻧﯿﺎ ُ ﻛﻤﺎ ﯾﻮﺿﺢ اﻟﺸﻜﻞ رﻗﻢ )‪.(8/5‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(8/5‬اﻟﻤﺮﺣﻠﺔ اﻷوﻟﻰ ﻣﻦ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﺑﯿﺎﻧﯿﺎ ً‬

‫وﺑﻌﺪ اﻟﻨﻘﺮ ﻋﻠﻰ ‪ Bar‬ﯾﺨﺘﺎر اﻟﻄﺎﻟﺐ ‪ Simple‬ﻛﻤﺎ ﻓﻲ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ رﻗﻢ )‪.(9/5‬‬

‫‪111‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(9/5‬اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻧﯿﺔ ﻣﻦ اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﺑﯿﺎﻧﯿﺎ ً‬

‫ﺛﻢ ﯾُﺪﺧﻞ ﻛﻞ ﻣﺘﻐﯿﺮ ﻋﻠﻰ ﺣﺪا ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﺘﻲ ﯾﺮﻏﺐ اﻟﺒﺎﺣﺚ ﺑﺎﻟﺤﺼﻮل ﻋﻠﻰ ﺗﻤﺜﯿﻞ ﺑﯿﺎﻧﻲ ﻟﮭﺎ ﻛﻤﺎ ھﻮ ﻣﻮﺿﺢ ﻓﻲ اﻟﺸﻜﻞ‬
‫اﻟﺘﺎﻟﻲ رﻗﻢ )‪.(10/5‬‬

‫‪112‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(10/5‬اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻟﺜﺔ ﻣﻦ اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﺑﯿﺎﻧﯿﺎ ً‬

‫ﺛﻢ ﯾﻀﻐﻂ اﻟﺒﺎﺣﺚ ﻋﻠﻰ ‪ OK‬ﻟﯿﺤﺼﻞ ﻋﻠﻰ اﻟﺘﻤﺜﯿﻞ اﻟﺒﯿﺎﻧﻲ ﻛﻤﺎ ھﻮ ﻣﻮﺿﺢ ﻓﻲ اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ رﻗﻢ )‪ (11/5‬واﻟﺬي ﯾﺒﺪو ﻗﺮﯾﺒﺎ ً إﻟﻰ‬
‫اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪.‬‬

‫‪113‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(11/5‬ﻣﻨﺤﻨﻲ ﺗﻮزﯾﻊ ﻣﺘﻐﯿﺮ اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ‬

‫وﺑﺘﻜﺮار اﻟﻌﻤﻠﯿﺔ اﻟﺴﺎﺑﻘﺔ ﻟﻠﻤﺘﻐﯿﺮ اﻟﺜﺎﻧﻲ اﻟﻮﻻء‪ ،‬ﯾﺤﺼﻞ اﻟﺒﺎﺣﺚ ﻋﻠﻰ ﻣﻨﺤﻨﻲ ﺗﻮزﯾﻊ ﻣﺘﻐﯿﺮ اﻟﻮﻻء اﻟﻤﻮﺿﺢ ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ‬
‫)‪(12/5‬‬

‫‪114‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(12/5‬ﻣﻨﺤﻨﻲ ﺗﻮزﯾﻊ ﻣﺘﻐﯿﺮ وﻻء اﻟﺰﺑﺎﺋﻦ‬

‫ﻣﻼﺣﻈﺔ ھﺎﻣﺔ‪ :‬ﻟﯿﺲ ﻣﻦ اﻟﻀﺮوري أن ﯾﺒﺪو ﺗﻮزﯾﻊ ﻣﺘﻐﯿﺮ ﻣﺎ ﻣﻄﺎﺑﻖ ﻟﻤﻨﺤﻨﻲ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ )اﻟﺠﺮس اﻟﻤﻘﻠﻮب( ﺣﺘﻰ ﯾﻜﻮن‬
‫طﺒﯿﻌﯿﺎً‪ ،‬ﻓﺮﻏﻢ أن ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ اﻟﺴﺎﺑﻘﯿﻦ ﯾﺘﺒﻌﺎن اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ وﻓﻘﺎ ً ﻻﺧﺘﺒﺎر ‪ ،Kolmogorov-Smirnov‬ﯾﺒﺪو ﻣﻦ‬
‫اﻟﺸﻜﻠﯿﻦ رﻗﻢ )‪ (11/5‬و)‪ (12/5‬ﺑﺄﻧﮭﻢ ﻟﯿﺴﻮا ﻣﻄﺎﺑﻘﯿﻦ ﺗﻤﺎﻣﺎ ﻟﺸﻜﻞ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪ ،‬ﻣﻤﺎ ﯾﺸﯿﺮ إﻟﻰ ﺿﺮورة اﻻﻋﺘﻤﺎد ﻋﻠﻰ‬
‫اﺧﺘﺒﺎر ‪ Kolmogorov-Smirnov‬ﺑﺪﻻً ﻣﻦ اﻟﺘﻤﺜﯿﻞ اﻟﺒﯿﺎﻧﻲ‪.‬‬

‫‪ 2-3-3-5‬اﻟﺘﺤﻘﻖ ﻣﻦ ﺷﺮط اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات‪:‬‬

‫‪ 1-2-3-3-5‬اﻟﻄﺮﯾﻘﺔ اﻹﺣﺼﺎﺋﯿﺔ‪ :‬ﯾﺘﺤﻘﻖ اﻟﺒﺎﺣﺚ ﻣﻦ ﺷﺮط اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﻣﻦ ﻧﻮع ﻛﻤﻲ‪ ،‬ﯾﺪﻋﻰ اﻻﺧﺘﺒﺎر ﺑﺎﺧﺘﺒﺎر‬
‫اﻟﻌﻼﻗﺔ اﻟﻼﺧﻄﯿﺔ‪ ،‬وﺗﻜﻮن اﻟﻔﺮﺿﯿﺎت ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪ :H0‬اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﺧﻄﯿﺔ‪.‬‬

‫‪ :H1‬اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﻏﯿﺮ ﺧﻄﯿﺔ‪.‬‬

‫وﻛﻤﺎ ھﻮ ﻣﻮﺿﺢ ﻣﺴﺒﻘﺎً‪ ،‬إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ ‪ Sig‬ﻓﻲ اﻻﺧﺘﺒﺎر ≥ ‪ 0.05‬ﺗُﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﺗﻘﺒﻞ اﻟﺒﺪﯾﻠﺔ وﺗﻜﻮن اﻟﻌﻼﻗﺔ ﻏﯿﺮ‬

‫‪115‬‬
 ‫ﺧﻄﯿﺔ‪ ،‬أﻣﺎ إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ ‪ 0.05 ≤ Sig‬ﻻ ﯾﻤﻜﻦ ﺣﯿﻨﮭﺎ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺧﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪.‬‬

‫‪ Analyze‬ﻛﻤﺎ ھﻮ واﺿﺢ ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪.(13/5‬‬ ‫‪Compare Means‬‬ ‫اﻟﺨﻄﻮات‪ :‬ﻣﻦ ‪Means‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(13/5‬اﻟﻤﺮﺣﻠﺔ اﻷوﻟﻰ ﻣﻦ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ إﺣﺼﺎﺋﯿﺎ ً‬

‫ﺛﻢ ﯾﺪﺧﻞ اﻟﺒﺎﺣﺚ اﻟﻤﺘﻐﯿﺮ اﻷول ﻓﻲ ﻗﺎﺋﻤﺔ ‪ Dependent List‬واﻟﺜﺎﻧﻲ ﻓﻲ ﻗﺎﺋﻤﺔ ‪ Independent List‬دون ﺗﻤﯿﯿﺰ ﺑﯿﻨﮭﻤﺎ ﻛﻤﺎ ھﻮ‬
‫ﻣﻮﺿﺢ ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪.(14/5‬‬

‫‪116‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(14/5‬اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻧﯿﺔ ﻣﻦ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ إﺣﺼﺎﺋﯿﺎ ً‬

‫وﺑﺎﻟﻀﻐﻂ ﻋﻠﻰ ‪ Options‬ﻓﻲ اﻟﻘﺎﺋﻤﺔ اﻟﺴﺎﺑﻘﺔ ﯾﻈﮭﺮ اﻟﺤﻮار اﻟﻤﻮﺿﺢ ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪ ،(15/5‬ﯾﺆﺷﺮ اﻟﺒﺎﺣﺚ ﻋﻠﻰ ﺧﯿﺎر ‪Test‬‬

‫‪.for Linearity‬‬

‫‪117‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(15/5‬اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻟﺜﺔ ﻣﻦ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ إﺣﺼﺎﺋﯿﺎ ً‬

‫ﺛﻢ ﯾﻨﻘﺮ اﻟﺒﺎﺣﺚ ﻋﻠﻰ ‪ Continue‬ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪ (15/5‬ﺛﻢ ‪ OK‬ﻓﻲ اﻟﻨﺎﻓﺬة ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪ (14/5‬ﻟﯿﺤﺼﻞ اﻟﺒﺎﺣﺚ ﻋﻠﻰ ‪4‬‬
‫ﺟﺪاول‪ ،‬ﻣﺎ ﯾﮭﻤﮫ ﻣﻨﮭﺎ ھﻮ اﻟﺠﺪول اﻟﺘﺎﻟﻲ رﻗﻢ )‪.(4/5‬‬

‫‪118‬‬
 ‫اﻟﺠﺪول )‪ :(4/5‬ﻧﺘﺎﺋﺞ اﺧﺘﺒﺎر اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ‬
‫‪Sum of Squares‬‬ ‫‪df‬‬ ‫‪Mean Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬

‫وﻻء اﻟﺰﺑﺎﺋﻦ * اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ‬ ‫‪Between Groups‬‬ ‫)‪(Combined‬‬ ‫‪70.463‬‬ ‫‪19‬‬ ‫‪3.709‬‬ ‫‪23.606‬‬ ‫‪.000‬‬
‫ﻟﻠﺨﺪﻣﺔ‬
‫‪Linearity‬‬ ‫‪64.428‬‬ ‫‪1‬‬ ‫‪64.428‬‬ ‫‪410.093‬‬ ‫‪.000‬‬

‫‪Deviation from Linearity‬‬ ‫‪6.035‬‬ ‫‪18‬‬ ‫‪.335‬‬ ‫‪2.134‬‬ ‫‪.051‬‬

‫‪Within Groups‬‬ ‫‪12.569‬‬ ‫‪80‬‬ ‫‪.157‬‬

‫‪Total‬‬ ‫‪83.032‬‬ ‫‪99‬‬

‫وﯾﺘﻢ اﻻﺧﺘﺒﺎر ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫اﺳﻢ اﻻﺧﺘﺒﺎر‪ :‬اﻟﻌﻼﻗﺔ اﻟﻼﺧﻄﯿﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‬

‫اﻟﻔﺮﺿﯿﺔ اﻟﻌﺪم‪ :‬اﻟﻌﻼﻗﺔ ﺧﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‬

‫اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪ :‬اﻟﻌﻼﻗﺔ ﻏﯿﺮ ﺧﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‬

‫وﻛﻤﺎ ھﻮ ﻣﻮﺿﺢ ﻣﺴﺒﻘﺎً‪ ،‬إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ ‪ Sig‬ﻓﻲ اﺧﺘﺒﺎر ‪ 0.05 ≥ Deviation from Linearity‬ﻓﻲ ﺟﺪول ‪ ANOVA‬أﻋﻼه‪،‬‬
‫ﺗُﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﺗﻘﺒﻞ اﻟﺒﺪﯾﻠﺔ وﺗﻜﻮن اﻟﻌﻼﻗﺔ ﻏﯿﺮ ﺧﻄﯿﺔ‪ ،‬أﻣﺎ إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ ‪ 0.05 < Sig‬ﻻ ﯾﻤﻜﻦ ﺣﯿﻨﮭﺎ رﻓﺾ ﻓﺮﺿﯿﺔ‬
‫اﻟﻌﺪم وﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺧﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬وﯾﺒﺪو ﻣﻦ اﻟﺠﺪول اﻟﻤﺬﻛﻮر أﻋﻼه ﺑﺄن ﻗﯿﻤﺔ ‪ Sig‬ﻓﻲ اﺧﺘﺒﺎر ‪Deviation from‬‬

‫‪ Linearity‬ھﻲ ‪ 0.051‬وھﻲ أﻛﺒﺮ ﻣﻦ ‪ 0.05‬ﺑﺎﻟﺘﺎﻟﻲ ﻻ ﯾﻤﻜﻦ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم اﻟﺘﻲ ﺗﻨﺺ ﻋﻠﻰ أن اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‬
‫ﺧﻄﯿﺔ‪.‬‬

‫‪ 2-2-3-3-5‬اﻟﻄﺮﯾﻘﺔ اﻟﺒﯿﺎﻧﯿﺔ‪ :‬ﯾﻤﻜﻦ اﺧﺘﺒﺎر اﺣﺘﻤﺎل وﺟﻮد اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ )‪ (Linearity test‬ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﻣﻦ ﺧﻼل اﺳﺘﺨﺪام‬
‫ﻣﻨﺤﻨﻰ اﻻﻧﺘﺸﺎر ‪ Scatter Plot‬وذﻟﻚ ﻛﻤﺎ ﯾﺒﯿﻦ اﻟﺸﻜﻞ رﻗﻢ )‪(16/5‬‬

‫‪119‬‬
 ‫اﻟﺸﻜﻞ )‪ :(16/5‬ﻛﯿﻔﯿﺔ إظﮭﺎر ﻣﻨﺤﻨﻰ اﻻﻧﺘﺸﺎر‬

‫ﻓﻲ اﻟﻨﺎﻓﺬة ‪ Scatter/Dot‬ﯾﺨﺘﺎر اﻟﺒﺎﺣﺚ ‪ Simple Scatter‬ﺛﻢ ﯾﻨﻘﺮ ﻓﻮق ‪ ،Define‬ﺗﻈﮭﺮ اﻟﻨﺎﻓﺬة ‪ Simple Scatter‬ﻛﻤﺎ ھﻮ ﻣﻮﺿﺢ‬
‫ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪.(17/5‬‬

‫اﻟﺸﻜﻞ )‪ :(17/5‬اﻟﻨﺎﻓﺬة ‪Simple scatter‬‬

‫‪120‬‬
‫ﯾﻀﻊ اﻟﺒﺎﺣﺚ ﻓﻲ اﻟﻨﺎﻓﺬة ‪ Simple Scatterplot‬اﻟﻤﻮﺿﺤﺔ ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪ (18/5‬اﻟﻤﺘﻐﯿﺮ وﻻء اﻟﺰﺑﺎﺋﻦ ﻓﻲ اﻟﻤﺮﺑﻊ ‪Y Axis‬‬

‫واﻟﻤﺘﻐﯿﺮ اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ ﻓﻲ اﻟﻤﺮﺑﻊ ‪.X Axis‬‬

‫اﻟﺸﻜﻞ )‪ (18/5‬اﻟﻨﺎﻓﺬة ‪Simple Scatterplot‬‬

‫‪121‬‬
‫ﺑﺎﻟﻨﻘﺮ ﻓﻮق ‪ OK‬ﯾﻨﺘﺞ ﻟﺪى اﻟﺒﺎﺣﺚ اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ رﻗﻢ )‪ (19/5‬اﻟﺬي ﯾﺒﯿﻦ ﺗﻮزع إﺣﺪاﺛﯿﺎت اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮ اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ‬
‫وﻣﺘﻐﯿﺮ وﻻء اﻟﺰﺑﺎﺋﻦ‪.‬‬
‫اﻟﺸﻜﻞ )‪ :(19/5‬ﻣﻨﺤﻨﻰ اﻻﻧﺘﺸﺎر ﻟﻠﻌﻼﻗﺔ ﺑﯿﻦ وﻻء اﻟﺰﺑﺎﺋﻦ واﻟﺠﻮدة اﻟﻤﺪرﻛﺔ ﻟﻠﺨﺪﻣﺔ‬

‫ي◌ُ ظﮭﺮ اﻟﺸﻜﻞ اﻟﺴﺎﺑﻖ وﺟﻮد ﻋﻼﻗﺔ ﺧﻄﯿﺔ واﺿﺤﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ اﻟﻤﺪروﺳﯿﻦ )اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ ﻟﻤﻘﺎھﻲ ‪ Starbucks‬واﻟﻮﻻء‬
‫ﻟﮭﺬه اﻟﺴﻠﺴﻠﺔ( ﺣﯿﺚ ﺗﺘﺠﻤﻊ اﻟﻨﻘﺎط ﻓﻲ اﻟﺸﻜﻞ ﻋﻠﻰ ﺧﻂ ﻣﺴﺘﻘﯿﻢ ﺗﻘﺮﯾﺒﺎ ً ذي ﻣﯿﻞ إﯾﺠﺎﺑﻲ‪ .‬وﯾﻈﮭﺮ ﻣﻦ أوﺿﺎع اﻟﻨﻘﺎط ﻛﯿﻔﯿﺔ ازدﯾﺎد‬
‫اﻟﻮﻻء ﻟـ ‪ Starbucks‬ﻣﺘﺮاﻓﻘﺎ ً ﻣﻊ ﺗﺰاﯾﺪ إدراك ﺟﻮدة ﺧﺪﻣﺎت ﺳﻠﺴﻠﺔ اﻟﻤﻘﺎھﻲ اﻟﻤﺬﻛﻮرة‪.‬‬

‫ﻣﻼﺣﻈﺔ ھﺎﻣﺔ‪ :‬ﯾﻤﻜﻦ أن ﯾﻜﻮن اﻻﺧﺘﺒﺎر اﻹﺣﺼﺎﺋﻲ ﻟﻠﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ أﻛﺜﺮ دﻗﺔ ﻣﻦ اﻻﺧﺘﺒﺎر اﻟﺒﯿﺎﻧﻲ ﻓﻲ ﺑﻌﺾ اﻟﺤﺎﻻت‪.‬‬

‫‪ 3-3-3-5‬اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺨﻄﻲ‪ :‬ﺑﻌﺪ أن ﻗﺎم اﻟﺒﺎﺣﺚ ﺑﺎﻟﺘﺤﻘﻖ ﻣﻦ ﺷﺮطﻲ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ واﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ‪ ،‬ﯾﺴﺘﻄﯿﻊ ﺗﻨﻔﯿﺬ‬
‫اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﻓﻲ ‪ ،SPSS‬وﯾﻤﻜﻦ اﺗﺒﺎع اﻟﻤﺴﺎر اﻟﺘﺎﻟﻲ‪:‬‬

‫‪Bivariate  Correlate  Analyze‬‬

‫‪122‬‬
 ‫اﻟﺸﻜﻞ )‪ :(20/5‬اﻟﻤﺮﺣﻠﺔ اﻷوﻟﻰ ﻟﺘﻄﺒﯿﻖ اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﻓﻲ ‪SPSS‬‬

‫ﺛﻢ ﯾﻘﻮم اﻟﺒﺎﺣﺚ ﻓﻲ اﻟﻨﺎﻓﺬة ‪ Bivariate Correlations‬ﺑﻨﻘﻞ اﻟﻤﺘﻐﯿﺮﯾﻦ اﻟﻠﺬﯾﻦ ﯾﺮﻏﺐ ﺑﺎﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﺑﯿﻨﮭﻤﺎ وھﻤﺎ اﻟﺠﻮدة‬
‫اﻟﻤﺪرﻛﺔ ووﻻء اﻟﺰﺑﺎﺋﻦ إﻟﻰ اﻟﻤﺮﺑﻊ ‪ Variables‬ﻛﻤﺎ ﯾﻮﺿﺢ اﻟﺸﻜﻞ رﻗﻢ )‪.(21/5‬‬

‫‪123‬‬
 ‫اﻟﺸﻜﻞ )‪ :(21/5‬اﻟﻨﺎﻓﺬة ‪ Bivariate Correlations‬ﻓﻲ اﻟﺨﻄﻮة اﻟﺜﺎﻧﯿﺔ ﻣﻦ ﺗﺤﻠﯿﻞ ارﺗﺒﺎط ‪Pearson‬‬

‫ﺑﻌﺪ اﻟﻨﻘﺮ ﻓﻮق ‪ OK‬ﻓﻲ اﻟﺸﻜﻞ )‪ (21/5‬ﺗﻈﮭﺮ ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎط ﻓﻲ ﺷﺎﺷﺔ اﻟﻤﺨﺮﺟﺎت )اﻟﺠﺪول رﻗﻢ ‪.(5/5‬‬
‫اﻟﺠﺪول )‪ :(5/5‬ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎط ﺑﯿﻦ اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ واﻟﻮﻻء‬
‫وﻻء اﻟﺰﺑﺎﺋﻦ‬ ‫اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ‬

‫‪Pearson Correlation‬‬ ‫‪1‬‬ ‫**‪881‬‬

‫وﻻء اﻟﺰﺑﺎﺋﻦ‬ ‫)‪Sig. (2-tailed‬‬ ‫‪.000‬‬

‫‪N‬‬ ‫‪100‬‬ ‫‪100‬‬

‫‪Pearson Correlation‬‬ ‫**‪.881‬‬ ‫‪1‬‬

‫اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ‬ ‫)‪Sig. (2-tailed‬‬ ‫‪.000‬‬

‫‪N‬‬ ‫‪100‬‬ ‫‪100‬‬

‫‪**. Correlation is significant at the 0.01 level (2-tailed).‬‬

‫‪124‬‬
‫ﯾُﻼﺣﻆ أن ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ‪ Pearson Correlation‬ﻋﻠﻰ ﻗﻄﺮ اﻟﻤﺼﻔﻮﻓﺔ ﺗﺴﺎوي ‪ 1‬داﺋﻤﺎ ً ﺣﯿﺚ إﻧﮫ ﯾﺸﯿﺮ إﻟﻰ‬
‫اﻻرﺗﺒﺎط ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮ وذاﺗﮫ‪ ،‬وﻣﻦ اﻟﻄﺒﯿﻌﻲ أن ﯾﻜﻮن اﻻرﺗﺒﺎط ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮ وذاﺗﮫ ارﺗﺒﺎطﺎ ً ﺗﺎﻣﺎ ً وﻣﻮﺟﺒﺎً‪ .‬ﻛﻤﺎ ﯾُﻼﺣﻆ أن ﻗﯿﻢ ﻣﻌﺎﻣﻞ‬
‫اﻻرﺗﺒﺎط ﻓﻮق اﻟﻘﻄﺮ ﻣﺴﺎوﯾﺔ ﺗﻤﺎﻣﺎ ً ﻟﻠﻘﯿﻢ ﺗﺤﺖ اﻟﻘﻄﺮ‪.‬‬

‫ﯾﺸﯿﺮ اﻟﺠﺪول اﻟﺴﺎﺑﻖ إﻟﻰ وﺟﻮد ارﺗﺒﺎط دال إﺣﺼﺎﺋﯿﺎ ً ﺑﯿﻦ إدراك اﻟﺰﺑﺎﺋﻦ ﻟﺠﻮدة ﺧﺪﻣﺎت ﻣﻘﺎھﻲ ‪ Starbucks‬ووﻻﺋﮭﻢ ﻟﮭﺎ‬
‫ﻷن ﻗﯿﻤﺔ ﻣﻌﻨﻮﯾﺔ اﻻﺧﺘﺒﺎر ‪ Sig‬أﺻﻐﺮ ﻣﻦ ‪) 0.05‬ﺗُﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﺗُﻘﺒﻞ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ(‪ .‬وﺗﺸﯿﺮ ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ ﺑﯿﺮﺳﻦ ‪r‬‬
‫‪ = 0.881‬إﻟﻰ وﺟﻮد ﻋﻼﻗﺔ ارﺗﺒﺎط ﻗﻮﯾﺔ ﺟﺪا ً وﻣﻮﺟﺒﺔ ﺑﯿﻦ ھﺬﯾﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ ،‬أي اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ ووﻻء اﻟﺰﺑﺎﺋﻦ ﻟﻤﻘﺎھﻲ‬
‫‪ Starbucks‬ﯾﺴﯿﺮان ﻣﻌﺎ ً وﺑﻨﻔﺲ اﻻﺗﺠﺎه‪ ،‬ﻓﯿﺰداد‪/‬ﯾﻨﺨﻔﺾ وﻻء اﻟﺰﺑﺎﺋﻦ ﻟﺴﻠﺴﻠﺔ اﻟﻤﻘﺎھﻲ ﺑﺎزدﯾﺎد‪/‬اﻧﺨﻔﺎض اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ ﻟﻠﺨﺪﻣﺔ‬
‫واﻟﻌﻜﺲ ﺻﺤﯿﺢ‪ ،‬ﺗﺰداد‪/‬ﺗﻨﺨﻔﺾ اﻟﺠﻮدة اﻟﻤﺪرﻛﺔ ﻟﻠﺨﺪﻣﺔ ﺑﺎزدﯾﺎد‪/‬اﻧﺨﻔﺎض وﻻء اﻟﺰﺑﺎﺋﻦ‪.‬‬

‫وﻓﻲ اﻟﻨﮭﺎﯾﺔ‪ ،‬ﺗﺠﺪر اﻹﺷﺎرة إﻟﻰ أن ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﯾﻤﻜﻦ أن ﺗﺘﻀﻤﻦ أﻛﺜﺮ ﻣﻦ ﻣﺘﻐﯿﺮ وﻓﻲ ھﺬه اﻟﺤﺎﻟﺔ ﺗُﻘﺮأ اﻟﻨﺘﺎﺋﺞ‬
‫ﻓﻲ اﻟﻤﺜﻠﺚ اﻷدﻧﻰ أو اﻷﻋﻠﻰ ﻣﻦ اﻟﺠﺪول )ﻓﻮق ﻗﻄﺮ اﻟﺠﺪول أو ﺗﺤﺘﮫ( ﺣﯿﺚ أن اﻟﻨﺘﺎﺋﺞ ﻓﻲ اﻟﺠﺰء اﻷدﻧﻰ ﻣﻦ اﻟﺠﺪول )اﻟﻤﺜﻠﺚ‬
‫اﻷدﻧﻰ( ھﻲ اﻧﻌﻜﺎس أو ھﻲ ذاﺗﮭﺎ ﻓﻲ اﻟﺠﺰء اﻷﻋﻠﻰ ﻣﻦ اﻟﺠﺪول‪ .‬وﺑﻤﺎ أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻋﻠﻰ اﻟﻘﻄﺮ ﯾﺴﺎوي داﺋﻤﺎ ً )‪ (1‬ﯾﻤﯿﻞ‬
‫ﻣﻌﻈﻢ اﻟﻜﺘﺎب إﻟﻰ ﻋﺪم إظﮭﺎر ﻗﯿﻢ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻋﻠﻰ اﻟﻘﻄﺮ‪.‬‬

‫‪ 4-5‬اﺧﺘﺒﺎر ارﺗﺒﺎط ﺳﺒﯿﺮﻣﻦ )‪:(Spearman‬‬

‫ﯾﺴﺘﺨﺪم ھﺬا اﻻﺧﺘﺒﺎر ﻛﺒﺪﯾﻞ ﻋﻦ ارﺗﺒﺎط ﺑﯿﺮﺳﻦ ﻋﻨﺪ ﻋﺪم ﺗﺤﻘﻖ واﺣﺪ أو أﻛﺜﺮ ﻣﻦ ﺷﺮوط اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ‪ Pearson‬أو ﻋﻨﺪﻣﺎ‬
‫ﺗﻜﻮن اﻟﻤﺘﻐﯿﺮات ﺗﺮﺗﯿﺒﯿﺔ‪ .‬ﻓﻲ دراﺳﺔ ﻣﺎ ﺗﺮﻏﺐ ﻣﻨﻈﻤﺔ ﻓﻲ اﺧﺘﺒﺎر ارﺗﺒﺎط اﻟﻤﺴﺘﻮى اﻟﺘﻌﻠﯿﻤﻲ )ﺗﺮﺗﯿﺒﻲ ﻣﺴﺘﻮﯾﺎﺗﮫ ﻣﻮﺿﺤﺔ ﻓﻲ‬
‫اﻟﺸﻜﻞ رﻗﻢ ‪ (22/5‬ﺑﻤﺴﺘﻮى اﻟﺪﺧﻞ )ﺗﺮﺗﯿﺒﻲ ﻣﺴﺘﻮﯾﺎﺗﮫ ﻣﻮﺿﺤﺔ ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ ‪ ،(23/5‬ﯾُﻨﻔﺬ اﻻﺧﺘﺒﺎر ﻛﻤﺎ ﯾﻮﺿﺢ اﻟﺸﻜﻞ رﻗﻢ‬
‫)‪.(24/5‬‬

‫‪125‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(22/5‬ﻣﺴﺘﻮﯾﺎت ﻣﺘﻐﯿﺮ اﻟﻤﺴﺘﻮى اﻟﺘﻌﻠﯿﻤﻲ‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(23/5‬ﻣﺴﺘﻮﯾﺎت ﻣﺘﻐﯿﺮ ﻣﺴﺘﻮى اﻟﺪﺧﻞ‬

‫‪126‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(24/5‬طﺮﯾﻘﺔ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر ارﺗﺒﺎط ﺑﯿﺮﺳﻦ‪-‬اﻟﺨﻄﻮة اﻷوﻟﻰ‬

‫ﺛﻢ ﯾﺪﺧﻞ اﻟﻄﺎﻟﺐ ﻛﻼً ﻣﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ‪ Education‬و‪ Income‬ﻓﻲ ﻗﺎﺋﻤﺔ ‪ variables‬وﯾﻠﻐﻲ إﺷﺎرة ‪ ‬اﻟﻤﻮﺟﻮدة ﻗﺮب اﺧﺘﺒﺎر‬
‫‪ Pearson‬ﻓﻲ ﺣﺎل وﺟﻮدھﺎ وﯾﺆﺷﺮ ‪ ‬ﻗﺮب اﺧﺘﺒﺎر ‪ Spearman‬ﺛﻢ ﯾﻨﻘﺮ ﻋﻠﻰ ‪ Ok‬ﻛﻤﺎ ﯾﻮﺿﺢ اﻟﺸﻜﻞ رﻗﻢ )‪.(23/5‬‬

‫‪127‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(23/5‬طﺮﯾﻘﺔ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر ارﺗﺒﺎط ﺑﯿﺮﺳﻦ‪-‬اﻟﺨﻄﻮة اﻟﺜﺎﻧﯿﺔ‬

‫وﺗﻈﮭﺮ ﻧﺘﯿﺠﺔ اﻻﺧﺘﺒﺎر ﻛﻤﺎ ﯾﻮﺿﺢ اﻟﺠﺪول رﻗﻢ )‪ ،(6/5‬وﯾﺒﺪو ﺑﺄن اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﻣﻌﻨﻮﯾﺔ ﻋﻨﺪ ‪ 1%‬ﻷن ﻗﯿﻤﺔ ‪≥ Sig‬‬
‫‪ 0.05‬وﺑﻠﻐﺖ ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺳﺒﯿﺮﻣﺎن ‪ %56.5‬وھﻲ طﺮدﯾﺔ ﻷن إﺷﺎرﺗﮭﺎ ﻣﻮﺟﺒﺔ ﺑﺰﯾﺎدة أو اﻧﺨﻔﺎض أﺣﺪھﻤﺎ ﯾﺰداد أو‬
‫ﯾﻨﺨﻔﺾ اﻵﺧﺮ‪.‬‬

‫‪128‬‬
 ‫اﻟﺠﺪول )‪ :(6/5‬ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎط ﺑﯿﻦ ﻣﺴﺘﻮى اﻟﺪﺧﻞ واﻟﻤﺴﺘﻮى اﻟﺘﻌﻠﯿﻤﻲ‬

‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ‪ :‬ﺗُﻮﺻﻒ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﻣﻦ ﺧﻼل إﻣﻜﺎﻧﯿﺔ وﺟﻮدھﺎ واﺗﺠﺎھﮭﺎ وﻗﻮة ارﺗﺒﺎطﮭﺎ وﻧﻮع اﻟﻌﻼﻗﺔ‪ .‬ﻻﺧﺘﺒﺎر وﺟﻮد‬
‫اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﯾﻤﻜﻦ اﻻﻋﺘﻤﺎد ﻋﻠﻰ اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﯿﺔ ﻻﺧﺘﺒﺎر اﻟﻌﻼﻗﺔ أو اﻻرﺗﺒﺎط ﻓﺈذا وﺟﺪ اﻟﺒﺎﺣﺚ دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ‬
‫ﻟﻠﻌﻼﻗﺔ )‪ (sig < α‬ﯾﻤﻜﻨﮫ اﻟﻘﻮل ﺑﻮﺟﻮد اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬إذا ﻛﺎﻧﺖ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﻣﻮﺟﻮدة ﻓﻤﻦ اﻟﻤﮭﻢ ﻣﻌﺮﻓﺔ‬
‫اﺗﺠﺎھﮭﺎ‪ ،‬ﯾﻤﻜﻦ أن ﯾﻜﻮن اﺗﺠﺎه اﻟﻌﻼﻗﺔ ﻣﻮﺟﺒﺎ ً أو ﺳﺎﻟﺒﺎً‪ .‬إن ﻓﮭﻢ ﻗﻮة اﻟﻌﻼﻗﺔ أﻣﺮ أﺳﺎﺳﻲ أﯾﻀﺎً‪ ،‬ﻋﻤﻮﻣﺎ ً ﻗﺪ ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﻏﯿﺮ‬
‫ﻣﻮﺟﻮدة أو ﺿﻌﯿﻔﺔ أو ﻣﺘﻮﺳﻄﺔ أو ﻗﻮﯾﺔ‪ .‬وﻣﻦ اﻟﻤﮭﻢ ﻓﮭﻢ طﺒﯿﻌﺔ اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‪ ،‬إذ ﯾﻤﻜﻦ أن ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‬
‫‪ X‬و ‪ Y‬ذات أﺷﻜﺎل ﻣﺨﺘﻠﻔﺔ‪ ،‬وﻗﺪ ﺗﻜﻮن ﺧﻄﯿﺔ أي أن طﺒﯿﻌﺔ اﻟﻌﻼﻗﺔ وﻗﻮﺗﮭﺎ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﺗﺒﻘﻰ ﺛﺎﺑﺘﺔ أو ﻣﺘﺸﺎﺑﮭﺔ ﻣﻊ ﺗﻄﻮر ﻗﯿﻢ‬
‫اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬وﻗﺪ ﺗﻜﻮن اﻟﻌﻼﻗﺔ ذات ﺷﻜ ٍﻞ ﻣﻨﺤﻦ )ﻏﯿﺮ ﺧﻄﯿﺔ( وﺗﻌﻨﻲ أن ﻗﻮة اﻟﻌﻼﻗﺔ واﺗﺠﺎھﮭﺎ أو اﻧﻌﺪاﻣﮭﺎ ﯾﺘﻐﯿﺮ ﻣﻊ ﺗﻄﻮر ﻗﯿﻢ‬
‫اﻟﻤﺘﻐﯿﺮﯾﻦ‪ .‬ﻓﻤﺜﻼً ﻗﺪ ﺗﺰداد ﻗﯿﻢ ‪ Y‬ﻣﻊ ﺗﺰاﯾﺪ ﻗﯿﻢ ‪ X‬وﻟﻜﻦ وﻋﻨﺪ ﻧﻘﻄﺔ ﻣﻌﯿﻨﺔ ﺗﺒﺪأ ﻗﯿﻢ ‪ Y‬ﺑﺎﻻﻧﺨﻔﺎض ﻣﻊ اﺳﺘﻤﺮار ﺗﺰاﯾﺪ ﻗﯿﻢ ‪ .X‬ﯾُﺸﻜﻞ‬
‫اﺳﺘﺨﺪام ﻣﻨﺤﻨﻰ اﻻﻧﺘﺸﺎر أﺣﺪ اﻟﻄﺮق اﻟﺴﮭﻠﺔ ﻟﻮﺻﻒ طﺒﯿﻌﺔ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‪ .‬ﯾﺘﻀﻤﻦ ﺗﺤﻠﯿﻞ اﻻرﺗﺒﺎط اﻟﺜﻨﺎﺋﻲ ﺿﻤﻦ ‪SPSS‬‬
‫ﺛﻼﺛﺔ ﻣﻌﺎﻣﻼت‪ :‬ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑﯿﺮﺳﻮن وﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺳﺒﯿﺮﻣﻦ‪ .‬ﻋﻨﺪ إﺟﺮاء اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ أو ﻣﻌﺎﻣﻞ‬
‫ﺑﯿﺮﺳﻮن ﻻ ﺑﺪ ﻣﻦ ﺗﺤﻘﻖ ﺷﺮطﯿﻦ‪ :‬وﺟﻮد ﻋﻼﻗﺔ ﺧﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ وأن ﯾﺘﻤﺘﻊ ﻛﻼ اﻟﻤﺘﻐﯿﺮﯾﻦ اﻟﻤﺮاد اﺧﺘﺒﺎر اﻟﻌﻼﻗﺔ ﺑﯿﻨﮭﻤﺎ‬
‫ﺑﺘﻮزﯾﻊ طﺒﯿﻌﻲ‪.‬‬

‫‪129‬‬
 ‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ‬
1. Coakes, S. J. (2005) SPSS for Windows: Analysis without Anguish, Australia: John Wiley.

2. Denis, D. J. (2019) SPSS Data Analysis for Univariate, Bivariate, and Multivariate Statistics. Wiley.

3. Field, A. (2018) Discovering Statistics Using IBM SPSS Statistics. 5th Edition. Sage.

4. Hair, J.F. JR., Bush, R.P., and Ortinau, D. J. (2003) Marketing Research Within a Changing Information
Environment, 2nd Edition, USA: McGraw-Hill/Irwin.

5. Hinton, P. R., McMurray, I., Brownlow, C. (2014) SPSS Explained. 2nd Edition. Routledge.

6. Ho, R. (2018) Understanding Statistics for the Social Sciences with IBM SPSS. CRC Press.

7. Landau, S. and Everitt, B. S. (2004) A Handbook of Statistical Analysis Using SPSS, USA: Chapman &
Hall/CRC Press.

8. Leech, N.L., Barrett, K. C. and Morgan, G. A. (2005) SPSS for Intermediate Statistics: Use and
Interpretation, 2nd Edition, USA: Laerence Erlbaum Associates, Inc.

9. Malhotra, N. K. and Briks, D. F. (2007) Marketing Research: An Applied Approach, 3rd European
Edition, Italy: Pearson Education Limited.

10. Pallant, J. (2007)SPSS Survival Manual: A Step by Step Guide to Data Analysis Using SPSS for Windows,
3rd Edition, USA: McGraw Hill.
‫ دﻟﯿﻞ ﻧﻈﺮي وﺗﻄﺒﯿﻘﻲ وﻋﻤﻠﻲ ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ‬:‫( ﺑﺤﻮث اﻟﺘﺴﻮﯾﻖ‬2017) .‫ ﻧﺮﯾﻤﺎن‬،‫ ﻋﻤﺎر‬،.‫ ﺣﯿﺎن‬،‫ دﯾﺐ‬،.‫ ﻣﺤﻤﺪ‬،‫ اﻟﺨﻀﺮ‬.11
.(HIBA) ‫ اﻟﻤﻌﮭﺪ اﻟﻌﺎﻟﻲ ﻹدارة اﻷﻋﻤﺎل‬:‫ دﻣﺸﻖ‬.SPSS
‫ ﺗﻄﺒﯿﻘﺎت ﻓﻲ‬،(2009) ‫ زﻛﺮﯾﺎ‬،‫ ﻟﺒﻨﻰ؛ اﻟﺸﺮﺑﯿﻨﻲ‬،‫ ﻋﺒﺪاﻟﺮﺣﯿﻢ؛ أﺑﻮ اﻟﻌﻼ‬،‫ ﻋﺼﺎم؛ اﻟﺒﺤﻄﯿﻄﻲ‬،‫ أﺣﻤﺪ اﻟﺴﯿﺪ؛ ﺣﺎﺑﺲ‬،‫ ﻋﺒﺪاﻟﺮﺣﯿﻢ؛ ﺣﺴﻦ‬،‫ اﻟﺴﺎﻋﺎﺗﻲ‬.12
.‫ ﺟﺎﻣﻌﺔ اﻟﻤﻠﻚ ﻋﺒﺪاﻟﻌﺰﯾﺰ‬:‫ ﺟﺪة‬،‫ اﻟﻄﺒﻌﺔ اﻟﺜﺎﻧﯿﺔ‬،‫اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ ﻟﻠﻌﻠﻮم اﻹدارﯾﺔ واﻹﻧﺴﺎﻧﯿﺔ‬
،SPSS ‫ ﺗﻄﺒﯿﻖ ﺷﺎﻣﻞ ﻟﻠﺤﺰﻣﺔ‬:‫ ﺗﺤﻠﯿﻞ وﻧﻤﺬﺟﺔ اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام اﻟﺤﺎﺳﻮب‬،(2006) ‫ ﻏﺎﻟﺐ ﻋﻮض ﺻﺎﻟﺢ‬،‫ ﺣﺴﯿﻦ ﻋﻠﻲ؛ اﻟﺮﻓﺎﻋﻲ‬،‫ ﻧﺠﯿﺐ‬.13
.‫ اﻷھﻠﯿﺔ ﻟﻠﻨﺸﺮ واﻟﺘﻮزﯾﻊ‬:‫ ﻋﻤﺎن‬،‫اﻟﻄﺒﻌﺔ اﻷوﻟﻰ‬

130
 ‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‪:‬‬
‫‪ (1‬أﺳﺌﻠﺔ ﺻﺢ ‪ /‬ﺧﻄﺄ ‪True/False‬‬

‫ﺧﻄﺄ‬ ‫ﺻﺢ‬ ‫اﻟﺴﺆال‬

‫‪‬‬ ‫ﯾﺴﺘﺨﺪم ﻛﻞ ﻣﻦ ارﺗﺒﺎط ﺑﯿﺮﺳﻦ وﺳﺒﯿﺮﻣﻦ ﻟﻨﻔﺲ اﻟﮭﺪف‬ ‫‪1‬‬

‫‪‬‬ ‫ﯾﺴﺘﺨﺪم ارﺗﺒﺎط ﺑﯿﺮﺳﻦ ﻟﻠﺒﯿﺎﻧﺎت اﻟﺘﺮﺗﯿﺒﯿﺔ اﻟﺘﻲ ﺗﺘﺒﻊ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬ ‫‪2‬‬

‫‪‬‬ ‫ﻣﻦ ﺷﺮوط ارﺗﺒﺎط ﺳﺒﯿﺮﻣﻦ اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‬ ‫‪3‬‬

‫‪‬‬ ‫ﯾﺴﺘﺨﺪم اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻟﻠﺒﯿﺎﻧﺎت اﻟﻜﻤﯿﺔ ﻛﺒﺎﻋﺔ‬ ‫‪4‬‬

‫‪‬‬ ‫ﺗﺘﺮاوح ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑﯿﻦ ‪ 1-‬و‪1+‬‬ ‫‪5‬‬

‫‪‬‬ ‫إن ﻣﻌﯿﺎر اﻷﺳﺎﺳﻲ ﻟﺘﺤﺪﯾﺪ وﺟﻮد ﻋﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ھﻮ ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‬ ‫‪6‬‬

‫أﺳﺌﻠﺔ ﻣﺘﻌﺪدة اﻟﺨﯿﺎرات‪:‬‬

‫‪ .1‬اﻷﺷﻜﻞ اﻟﻤﺤﺘﻤﻠﺔ ﻟﻠﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات‪.....‬‬
‫‪ .A‬طﺮدﯾﺔ‬
‫‪ .B‬ﻋﻜﺴﯿﺔ‬
‫‪ .C‬طﺮدﯾﺔ أو ﻋﻜﺴﯿﺔ‬
‫‪ .D‬واﻻ إﺟﺎﺑﺔ ﻣﻤﺎ ﺳﺒﻖ‬
‫‪ .2‬ﺑﻠﻐﺖ ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ‪ β‬ﺑﯿﻦ ‪ X‬و‪ %14 Y‬ﻋﻨﺪ ﻣﺴﺘﻮى ﻣﻌﻨﻮﯾﺔ ‪ ،0.06‬ﯾﻤﻜﻦ اﻻﺳﺘﻨﺘﺎج ﺑﺄن اﻟﻌﻼﻗﺔ‪:‬‬
‫‪ .A‬ﻏﯿﺮ ﻣﻮﺟﻮدة‬
‫‪ .B‬ﻣﻮﺟﻮدة وطﺮدﯾﺔ‪.‬‬
‫‪ .C‬ﻣﻮﺟﻮدة وﻋﻜﺴﯿﺔ‪.‬‬
‫‪ .D‬إن اﻟﺒﯿﺎﻧﺎت اﻟﻤﻮﺟﻮدة ﻏﯿﺮ ﻛﺎﻓﯿﺔ ﻟﻼﺳﺘﻨﺘﺎج‬
‫‪ .3‬ﻛﺎﻧﺖ ﻗﯿﻤﺔ ‪ Sig‬ﻓﻲ اﺧﺘﺒﺎر ‪ 0.000 Deviation from Linearity‬ﻣﻤﺎ ﯾﺪل ﻋﻠﻰ أن‬
‫‪ .A‬اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﺧﻄﯿﺔ‬
‫‪ .B‬اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﻏﯿﺮ ﺧﻄﯿﺔ‬
‫‪ .C‬اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ طﺮدﯾﺔ‬
‫‪ .D‬ﻻ ﺗﻜﻔﻲ اﻟﻤﻌﻠﻮﻣﺎت اﻟﻮاردة ﻻﺗﺨﺎذ ﻗﺮار‬

‫‪131‬‬
 ‫‪ .4‬ﺑﻠﻐﺖ ﻗﯿﻤﺔ ‪ [Asymp. Sig. (2-tailed)] Sig‬ﻓﻲ اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ‪ 0.000‬ﻣﻤﺎ ﯾﺸﯿﺮ إﻟﻰ اﻟﻤﺘﻐﯿﺮ ‪...‬‬
‫‪ .A‬ﯾﺘﺒﻊ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬
‫‪ .B‬ﻻ ﯾﺘﺒﻊ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬
‫‪ .C‬اﻟﻤﻌﻠﻮﻣﺎت ﻏﯿﺮ ﻛﺎﻓﯿﺔ‬
‫‪ .D‬وﻻ إﺟﺎﺑﺔ ﻣﻤﺎ ﺳﺒﻖ‬

‫‪ (3‬أﺳﺌﻠﺔ \ ﻗﻀﺎﯾﺎ ﻟﻠﻤﻨﺎﻗﺸﺔ‬

‫ﻣﻘﺎرﻧﺔ ﺑﯿﻦ ارﺗﺒﺎط ﺑﯿﺮﺳﻦ وﺳﺒﯿﺮﻣﻦ‪.‬‬

‫ﻗﺎرن ﺑﯿﻦ ارﺗﺒﺎط ﺑﯿﺮﺳﻦ وﺳﺒﯿﺮﻣﻦ ﻣﺒﯿﻨﺎ ً أوﺟﮫ اﻟﺸﺒﮫ واﻻﺧﺘﻼف‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[2-5‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 20 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.20 :100‬‬

‫ﻋﺪد ﺷﺮوط ﺗﻨﻔﯿﺬ ارﺗﺒﺎط ﺑﯿﺮﺳﻦ‪.‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[3-5‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 10 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.20 :100‬‬

‫‪132‬‬
 ‫اﻟﻔصﻞ اﻟسﺎدس‪ :‬ﺘحﻠیﻞ اﻻﻨحدار اﻟخطﻲ‬
‫)‪(Linear Regression Analysis‬‬
‫اﻟﻜﻠﻤﺎت اﻟﻤﻔﺘﺎﺣﯿﺔ‪:‬‬

‫اﻻرﺗﺒﺎط )‪ ،(Correlation‬اﻟﺘﺄﺛﯿﺮ )‪ ،(Impact‬اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ )‪ ،(Simple linear regression‬ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‬
‫)‪ ،(Simple linear regression equation‬اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد )‪ ،(Multiple linear regression‬ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ ) ‪Coefficient‬‬
‫‪ ،(of determination‬ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ اﻟﻤﻌﺪل )‪ ،(Adjusted coefficient of determination‬ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ) ‪Correlation‬‬
‫‪.(coefficient‬‬

‫ﻣﻠﺨﺺ اﻟﻔﺼﻞ‪:‬‬

‫ﯾﻌﺘﺒﺮ ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار أﺣﺪ اﻷﺳﺎﻟﯿﺐ اﻹﺣﺼﺎﺋﯿﺔ اﻟﻤﮭﻤﺔ اﻟﺘﻲ ﺗﺴﺘﺨﺪم ﻋﻠﻰ ﻧﻄﺎق واﺳﻊ ﻟﺘﺤﺪﯾﺪ ﺗﺄﺛﯿﺮات اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ وإﯾﻀﺎﺣﮭﺎ ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮ‬
‫اﻟﺘﺎﺑﻊ‪ .‬ﯾﺴﺘﺨﺪم اﻻﻧﺤﺪار أﯾﻀﺎ ً ﻟﻠﺘﻨﺒﺆ ﺑﻘﯿﻤﺔ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﺪﻻﻟﺔ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﺑﻌﺪ إﯾﺠﺎد ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار‪ .‬وﻛﻤﺎ أ ُ َ‬
‫ﺷﯿﺮ ﻓﻲ اﻟﻔﺼﻞ اﻟﺴﺎﺑﻖ ﻓﺈن‬
‫ﻧﻤﻮذج اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات ﻗﺪ ﯾﻜﻮن ﺧﻄﯿﺎ ً أو ﻏﯿﺮ ﺧﻄﻲ‪ ،‬ﻟﻜﻦ ﺳﯿﺮﻛﺰ ھﺬا اﻟﻤﻘﺮر ﻋﻠﻰ اﻟﻨﻤﺎذج اﻷﻛﺜﺮ اﻧﺘﺸﺎراً أي اﻟﻨﻤﺎذج اﻟﺨﻄﯿﺔ‪ .‬ﻓﺈذا ﻛﺎن‬
‫ھﻨﺎك ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ واﺣﺪ وﻣﺘﻐﯿﺮ ﺗﺎﺑﻊ واﺣﺪ ﻓﯿﺴﻤﻰ اﻟﺘﺤﻠﯿﻞ ﺑﺎﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ ‪ .Simple Linear Regression‬أﻣﺎ إذا ﻛﺎن ھﻨﺎك أﻛﺜﺮ‬
‫ﻣﻦ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ وﻣﺘﻐﯿﺮ ﺗﺎﺑﻊ واﺣﺪ ﻓﯿﺴﻤﻰ اﻟﺘﺤﻠﯿﻞ ﺑﺎﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ‪.Multiple Linear Regression‬‬

‫اﻟﻤﺨﺮﺟﺎت واﻷھﺪاف اﻟﺘﻌﻠﯿﻤﯿﺔ‪:‬‬

‫‪ -‬ﯾﺸﺮح اﻟﻄﺎﻟﺐ اﻟﻔﺮق ﺑﯿﻦ اﻻرﺗﺒﺎط واﻟﺘﺄﺛﯿﺮ‪.‬‬
‫‪ -‬ﯾﺸﺮح اﻟﻄﺎﻟﺐ ﺷﺮوط اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ وﯾﻨﻔﺬه وﯾﻔﺴﺮ ﻧﺘﺎﺋﺠﮫ‬
‫‪ -‬ﯾﺸﺮح اﻟﻄﺎﻟﺐ ﺷﺮوط اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪ وﯾﻨﻔﺬه وﯾﻔﺴﺮ ﻧﺘﺎﺋﺠﮫ‬
‫‪ -‬ﯾﻘﺎرن اﻟﻄﺎﻟﺐ ﺑﯿﻦ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ واﻟﻤﺘﻌﺪد‪.‬‬

‫‪133‬‬
 ‫‪-1-6‬اﻟﻔﺮوق وأوﺟﮫ اﻟﺘﺸﺎﺑﮫ ﺑﯿﻦ اﻻرﺗﺒﺎط واﻻﻧﺤﺪار‪:‬‬
‫ﺗﻤﺜﻞ أوﺟﮫ اﻟﺘﺸﺎﺑﮫ اﻟﺮﺋﯿﺴﯿﺔ ﻓﻲ أن ﻛﻼھﻤﺎ ﯾﺤﺪد اﺗﺠﺎه وﻗﻮة اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ رﻗﻤﯿﯿﻦ‪ ،‬ﻓﻌﻨﺪﻣﺎ ﺗﻜﻮن اﻟﻌﻼﻗﺔ )‪ (r‬ﺳﺎﻟﺒﺔ ﯾﻜﻮن‬
‫ﻣﯿﻞ اﻻﻧﺤﺪار )‪ (b‬ﺳﺎﻟﺒﺎ ً وﻋﻨﺪﻣﺎ ﯾﻜﻮن اﻻرﺗﺒﺎط إﯾﺠﺎﺑﯿًﺎ ﺳﯿﻜﻮن ﻣﯿﻞ اﻻﻧﺤﺪار ﻣﻮﺟﺒﺎً‪ ،‬إن ﻟﻤﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط )‪ (R2‬ﻣﻌﻨﻰ‬
‫ﺧﺎص ﻓﻲ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‪ .‬ﻓﮭﻮ ﯾﻤﺜﻞ ﻧﺴﺒﺔ اﻟﺘﺒﺎﯾﻦ اﻟﻤﻔﺴﺮ ﻓﻲ ‪ Y‬ﺑﺎﺳﺘﺨﺪام ‪.X‬‬

‫ﺑﯿﻨﻤﺎ ﺗﺘﻤﺜﻞ أوﺟﮫ اﻻﺧﺘﻼف اﻷﺳﺎﺳﯿﺔ ﻓﻲ ﻛﻮن اﻻرﺗﺒﺎط ﻣﻘﯿﺎﺳﺎ ً إﺣﺼﺎﺋﯿﺎ ً ﯾﺤﺪد اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‪ ،‬ﺑﯿﻨﻤﺎ ﯾﺼﻒ اﻻﻧﺤﺪار ﻛﯿﻒ‬
‫ﯾﺮﺗﺒﻂ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻋﺪدﯾًﺎ ﺑﺎﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ .‬ﻣﻦ ﻧﺎﺣﯿﺔ ﺛﺎﻧﯿﺔ ﯾُﺴﺘﺨﺪم اﻻرﺗﺒﺎط ﻟﺘﻤﺜﯿﻞ اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‪ ،‬ﺑﯿﻨﻤﺎ‬
‫ﯾُﺴﺘﺨﺪم اﻻﻧﺤﺪار ﻟﺘﻘﺪﯾﺮ ﻣﺘﻐﯿﺮ واﺣﺪ ﻋﻠﻰ أﺳﺎس ﻣﺘﻐﯿﺮ آﺧﺮ‪ .‬وﻓﯿﻤﺎ ﯾﺘﻌﻠﻖ ﺑﻄﺒﯿﻌﺔ اﻟﻤﺘﻐﯿﺮات‪ ،‬ﻻ ﯾﻤﯿﺰ اﻻرﺗﺒﺎط ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات‪،‬‬
‫ﺑﯿﻨﻤﺎ ﯾﻤﯿﺰ اﻻﻧﺤﺪار ﺑﯿﻦ ﻣﺴﺘﻘﻞ وﺗﺎﺑﻊ‪ .‬ﯾﺸﯿﺮ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط إﻟﻰ ﻣﺪى ﺗﺤﺮك ﻣﺘﻐﯿﺮﯾﻦ ﻣ ًﻌﺎ‪ ،‬ﺑﯿﻨﻤﺎ ﯾﺸﯿﺮ اﻻﻧﺤﺪار إﻟﻰ ﺗﺄﺛﯿﺮ ﺗﻐﯿﺮ‬
‫اﻟﻮﺣﺪة ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﻤﻌﺮوف )‪ (x‬ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮ اﻟﻤﻘﺪر )‪ (y‬أي ﯾﺴﺎﻋﺪ ﻋﻠﻰ اﻟﺘﺒﻮء ﺑﻘﯿﻢ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ .‬وﻣﻦ ﺣﯿﺚ اﻟﮭﺪف‪ ،‬ﯾﺴﻌﻰ‬
‫اﺧﺘﺒﺎر اﻻرﺗﺒﺎط ﺑﺸﻜﻞ أﺳﺎﺳﻲ ﻹﯾﺠﺎد ﻗﯿﻤﺔ ﻋﺪدﯾﺔ ﺗﻌﺒﺮ ﻋﻦ اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات‪ ،‬ﺑﯿﻨﻤﺎ ﯾﮭﺪف اﻻﻧﺤﺪار إﻟﻰ ﺗﻘﺪﯾﺮ ﻗﯿﻢ ﻣﺘﻐﯿﺮ‬
‫ﺗﺎﺑﻊ ﻣﺠﮭﻮل ﻋﻠﻰ أﺳﺎس ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ اﻟﺜﺎﺑﺖ‪.‬‬

‫‪ 2-6‬اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‪:‬‬

‫ﻛﻤﺎ ورد ﻓﻲ اﻟﻔﺼﻞ اﻟﺴﺎﺑﻖ ﻓﺈن ﺗﺤﻠﯿﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﯾﻔﯿﺪ ﻓﻲ ﻗﯿﺎس ﻗﻮة اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ إﻻ أﻧﮫ ﻻ ﯾﻘﺪم ﻣﻌﺎدﻟﺔ‬
‫ھﺬه اﻟﻌﻼﻗﺔ‪ .‬ﻓﺈذا ﻣﺎ أراد اﻟﺒﺎﺣﺚ ﻣﻌﺮﻓﺔ أﺛﺮ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﻋﻠﯿﮫ اﻟﻠﺠﻮء إﻟﻰ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‬
‫)‪ .(Simple Linear regression‬وﻛﺜﯿﺮا ً ﻣﺎ ﯾُﻄﻠﻖ اﺳﻢ اﻟﻌﻼﻗﺔ اﻟﺪاﻟﯿﺔ أو اﻟﺪوال ﻋﻠﻰ اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ واﻟﺘﺎﺑﻊ‪.‬‬

‫وﻣﻦ أﻣﺜﻠﺔ ھﺬه اﻟﺪوال ﯾُﺬﻛﺮ‪:‬‬

‫ﺗﻔﺮض أن اﻟﻜﻤﯿﺔ اﻟﻤﻄﻠﻮﺑﺔ ﻣﻦ ﺳﻠﻌﺔ )اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ( ﺗﺘﺄﺛﺮ ﺑﺎﻟﺘﻐﯿﺮات ﻓﻲ ﺳﻌﺮ اﻟﺴﻠﻌﺔ )اﻟﻤﺘﻐﯿﺮ‬
‫ُ‬ ‫‪ -‬داﻟﺔ اﻟﻄﻠﺐ‪:‬‬
‫اﻟﻤﺴﺘﻘﻞ(‪.‬‬
‫‪ -‬داﻟﺔ اﻟﻌﺮض‪ :‬اﻟﻜﻤﯿﺔ اﻟﻤﻌﺮوﺿﺔ ﻣﻦ اﻟﺴﻠﻌﺔ )اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ( ﺗﺘﺄﺛﺮ ﺑﺎﻟﺘﻐﯿﺮات ﻓﻲ ﺳﻌﺮ اﻟﺴﻠﻌﺔ )اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ(‪.‬‬
‫‪ -‬داﻟﺔ اﻻﺳﺘﮭﻼك‪ :‬اﻹﻧﻔﺎق اﻻﺳﺘﮭﻼﻛﻲ )اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ( ﯾﺘﺄﺛﺮ ﺑﺎﻟﺘﻐﯿﺮات ﻓﻲ دﺧﻞ اﻷﻓﺮاد )اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ(‪.‬‬

‫‪134‬‬
‫ﯾُﻤ ّﻜﻦ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ إذا ً ﻣﻦ إﯾﺠﺎد ﻣﻌﺎدﻟﺔ اﻟﻤﺴﺘﻘﯿﻢ اﻷﻛﺜﺮ ﺗﻤﺜﯿﻼً ﻟﻠﻌﻼﻗﺔ ﺑﯿﻦ ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮﯾﻦ )اﻟﻤﺴﺘﻘﻞ واﻟﺘﺎﺑﻊ( أي إﻧﮫ‬
‫ﯾﺴﻤﺢ ﻟﻠﺒﺎﺣﺚ ﺑﺎﻟﻮﺻﻮل إﻟﻰ اﻷﺷﻜﺎل اﻟﺮﯾﺎﺿﯿﺔ اﻟﻤﺤﺪدة ﻟﻠﻌﻼﻗﺎت أو اﻟﺪوال‪.‬‬

‫‪ 1-2-6‬ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‪ :‬ﯾﺄﺧﺬ ﻧﻤﻮذج اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ اﻟﺼﯿﻐﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪Y = ß0 + ß1X‬‬

‫ﺣﯿﺚ‪:‬‬
‫‪ :Y -‬اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‬
‫‪ : X -‬اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‬
‫‪ :ß0 -‬اﻟﺤﺪ اﻟﺜﺎﺑﺖ أو ﻣﻌﻠﻤﺔ ﺗﻘﺎطﻊ ﺧﻂ اﻻﻧﺤﺪار )اﻟﻤﺴﺘﻘﯿﻢ( ﻣﻊ اﻟﻤﺤﻮر اﻟﻌﻤﻮدي )ﻣﺤﻮر اﻟﻌﯿﻨﺎت(‪.‬‬
‫‪ :ß1 -‬ﯾﻤﺜﻞ ﻣﻌﻠﻤﺔ اﻟﻤﯿﻞ‪ .‬ﺗﻜﻮن إﺷﺎرة ﻣﻌﻠﻤﺔ اﻟﻤﯿﻞ ﻣﻮﺟﺒﺔ )‪ (+‬إذا ﻛﺎﻧﺖ اﻟﻌﻼﻗﺔ طﺮدﯾﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ واﻟﺘﺎﺑﻊ أي‬
‫أن زﯾﺎدة ﻗﯿﻤﺔ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﺗﺆدي إﻟﻰ ارﺗﻔﺎع ﻗﯿﻤﺔ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ ،‬أﻣﺎ إذا ﻛﺎﻧﺖ اﻟﻌﻼﻗﺔ ﻋﻜﺴﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ﻓﺘﻜﻮن‬
‫إﺷﺎرة ﻣﻌﻠﻤﺔ اﻟﻤﯿﻞ ﺳﺎﻟﺒﺔ )‪.(-‬‬

‫ﻧﻌﻨﻲ إذا ً ﺑﺎﻟﻤﻌﺎدﻟﺔ اﻟﺨﻄﯿﺔ أن اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ‪ Y‬ھﻮ داﻟﺔ ﺧﻄﯿﺔ ﻣﻦ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ‪ ، X‬أي أن زﯾﺎدة وﺣﺪة واﺣﺪة إﻟﻰ ‪ X‬ﺳﻮف‬
‫ﺗﺆدي إﻟﻰ اﻟﺘﻐﯿﺮ ﻓﻲ ﻛﻤﯿﺔ ‪.Y‬وﯾُﺤﺪد اﻟﺘﻐﯿﺮ ﻓﻲ ‪ Y‬ﺑﺪﻻﻟﺔ ‪ X‬ﻣﻦ ﺧﻼل ﺗﺤﺪﯾﺪ اﻟﺜﻮاﺑﺖ ‪ ß0‬و ‪ ß1‬اﻟﺘﻲ ﺗُﺪﻋﻰ ﻣﻌﺎﻣﻼت اﻻﻧﺤﺪار‬
‫‪.Coefficients‬‬

‫‪ 2-2-6‬ﺷﺮوط اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‪ :‬ﻣﻦ اﻟﺸﺮوط اﻷﺳﺎﺳﯿﺔ اﻟﻮاﺟﺐ ﺗﻮاﻓﺮھﺎ ﻟﺘﻄﺒﯿﻖ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‪:‬‬
‫• وﺟﻮد ﻋﻼﻗﺔ ﺧﻄﯿﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ اﻟﻤﺴﺘﻘﻞ ‪ X‬واﻟﺘﺎﺑﻊ ‪ .Y‬وﻗﺪ ﺳﺒﻖ ﺷﺮح ذﻟﻚ ﻓﻲ اﻟﻔﺼﻞ اﻟﺴﺎﺑﻖ ﻛﯿﻔﯿﺔ اﺳﺘﻜﺸﺎف‬
‫إﻣﻜﺎﻧﯿﺔ وﺟﻮد اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﻣﻦ ﺧﻼل ﻣﻨﺤﻨﻰ اﻻﻧﺘﺸﺎر ‪ Scatter Plot‬أو اﻟﻄﺮﯾﻘﺔ اﻹﺣﺼﺎﺋﯿﺔ‪.‬‬
‫• أن ﯾﻜﻮن ﺗﻮزﯾﻊ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ واﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﺗﻮزﯾﻌﺎ ً طﺒﯿﻌﯿﺎ ً ‪ Normal Distribution‬وﻗﺪ ُ‬
‫ﺷﺮح ﻓﻲ اﻟﻔﺼﻞ اﻟﺴﺎﺑﻖ‬
‫أﯾﻀﺎً‪.‬‬
‫• وﻋﻤﻮﻣﺎ ً ﯾﺠﺐ أن ﺗﻜﻮن ﺑﯿﺎﻧﺎت اﻟﻤﺘﻐﯿﺮﯾﻦ اﻟﻤﺴﺘﻘﻞ واﻟﺘﺎﺑﻊ ﻣﻦ اﻟﻨﻤﻂ اﻟﻤﺪرج ‪ Interval‬أو اﻟﻨﺴﺐ ‪ .Ratio‬وﯾﻤﻜﻦ ﻓﻲ‬
‫ﺑﻌﺾ اﻷﺣﯿﺎن اﺳﺘﺨﺪام اﻻﻧﺤﺪار ﻣﻊ ﻣﺴﺘﻮى ﻗﯿﺎس أدﻧﻰ ﻟﻠﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‪.‬‬

‫‪135‬‬
 ‫‪ 3-2-6‬اﻻﺧﺘﺒﺎر ﺑﺎﺳﺘﺨﺪام ‪ :SPSS‬ﻓﻲ دراﺳﺔ ﻗﺎﻣﺖ‬
‫ﺑﮭﺎ ﺷﺮﻛﺔ ‪ Google‬اﻟﻌﺎﻟﻤﯿﺔ ﻟﻤﻌﺮﻓﺔ أﺛﺮ اﻟﺮﺿﺎ ﻋﻦ‬
‫اﻟﻌﻤﻞ ﻓﻲ اﻟﺸﺮﻛﺔ ‪) 4‬ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ( ﻓﻲ ﻧﯿﺔ اﻻﺳﺘﻤﺮار‬
‫ﺑﺎﻟﻌﻤﻞ ﺑﮭﺎ ‪) 5‬ﻣﺘﻐﯿﺮ ﺗﺎﺑﻊ(‪ .‬أي إن اﻟﺒﺎﺣﺚ ﯾﺴﻌﻰ إﻟﻰ‬
‫إﯾﺠﺎد ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺘﺎﻟﯿﺔ )إن وﺟﺪت(‪:‬‬

‫ﻧﯿﺔ اﻟﻤﻮظﻔﯿﻦ ﺑﺎﻻﺳﺘﻤﺮار ﺑﺎﻟﻌﻤﻞ ﻓﻲ ‪+ ß0 = GOOGLE‬‬

‫‪*ß1‬رﺿﺎ اﻟﻤﻮظﻔﯿﻦ‬

‫وﺗُﺼﺎغ ﻓﺮﺿﯿﺔ اﻟﻌﺪم واﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ﻛﻤﺎ ﯾﻠﻲ‪:‬‬

‫ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ :‬ﻻ ﯾﺆﺛﺮ رﺿﺎ اﻟﻤﻮظﻔﯿﻦ ﻓﻲ ﻧﯿﺘﮭﻢ اﻻﺳﺘﻤﺮار ﺑﺎﻟﻌﻤﻞ ﻓﻲ ‪ ،Google‬أي أن‪:‬‬

‫‪H0: ß1 = 0‬‬

‫اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪ :‬ﯾﺆﺛﺮ رﺿﺎ اﻟﻤﻮظﻔﯿﻦ ﻓﻲ ﻧﯿﺘﮭﻢ اﻻﺳﺘﻤﺮار ﺑﺎﻟﻌﻤﻞ ﻓﻲ ‪ ،Google‬أي أن‪:‬‬

‫‪H1: ß1 ≠ 0‬‬

‫ﯾُﺴﺘﺨﺪم اﺧﺘﺒﺎر ‪ t‬ﻻﺧﺘﺒﺎر ﻣﻌﻠﻤﺔ اﻟﻤﯿﻞ‪ ،‬ﺣﯿﺚ ﺗﺴﺘﺨﺪم ﻗﯿﻤﺔ ‪) p-value‬أو ‪ (sig‬اﻟﻤﺮاﻓﻘﺔ ﻹﺣﺼﺎﺋﯿﺔ ‪ t‬ﻟﻠﻤﻌﻠﻤﺔ ﻻﺧﺘﺒﺎر إﻣﻜﺎﻧﯿﺔ‬
‫رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ .‬إذا ﻛﺎﻧﺖ ‪ p-value ≤ 0.05‬ﺗُﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم ﻋﻨﺪ ﻣﺴﺘﻮى دﻻﻟﺔ ‪ %5‬وﺗُﻘﺒﻞ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪ ،‬أي إن‬
‫اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﯾﺆﺛﺮ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ .‬أﻣﺎ إذا ﻛﺎﻧﺖ ‪ p-value > 0.05‬ﻓﻼ ﯾﻤﻜﻦ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم ﻓﻼ ﯾﻮﺟﺪ أﺛﺮ ذو دﻻﻟﺔ‬
‫إﺣﺼﺎﺋﯿﺔ ﻟﻠﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪.‬‬

‫وﻟﺘﻄﺒﯿﻖ اﺧﺘﺒﺎر اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ ﻓﻲ‪ SPSS‬ﯾﺘﺒﻊ اﻟﺒﺎﺣﺚ اﻟﻤﺴﺎر اﻟﺘﺎﻟﻲ‪:‬‬

‫‪AnalyzeRegressionLinear‬‬

‫ﻏیر راض أﺒداً =‪ ،1‬ر ٍ‬

‫اض ﺠدا =‪. 5‬‬ ‫)‪( 4‬‬

‫ﻻ أﻨوي اﻻﺴتمرار أﺒداً =‪ ،1‬أﻨوي اﻻﺴتمرار �ﻘوة=‪.5‬‬ ‫)‪( 5‬‬

‫‪136‬‬
 ‫اﻟﺸﻜﻞ)‪ :(1/6‬اﻟﺨﻄﻮة اﻷوﻟﻰ ﻓﻲ ﺗﻄﺒﯿﻖ ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار اﻟﺨﻄﻲ ﻓﻲ ‪SPSS‬‬

‫ﯾﻀﻊ اﻟﺒﺎﺣﺚ ﻓﻲ اﻟﻨﺎﻓﺬة ‪) Linear Regression‬اﻟﺸﻜﻞ رﻗﻢ ‪ (2/6‬اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ "رﺿﺎ اﻟﻤﻮظﻔﯿﻦ" ﺿﻤﻦ اﻟﻤﺮﺑﻊ‬
‫)‪ Independent(s‬وﯾﻀﻊ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ "ﻧﯿﺔ اﻻﺳﺘﻤﺮار ﻓﻲ ‪ " Google‬ﺿﻤﻦ اﻟﻤﺮﺑﻊ ‪.Dependent‬‬

‫‪137‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(2/6‬اﻟﻨﺎﻓﺬة ‪Linear Regression‬‬

‫ﯾُﻼﺣﻆ ﻓﻲ اﻟﻘﺎﺋﻤﺔ اﻟﻤﻨﺴﺪﻟﺔ ‪ Method‬أن ھﻨﺎك اﻟﻌﺪﯾﺪ ﻣﻦ طﺮاﺋﻖ اﻻﻧﺤﺪار اﻟﺨﻄﻲ‪ ،‬ﻣﺜﻞ‪:‬‬
‫‪ -‬طﺮﯾﻘﺔ اﻻﻧﺤﺪار اﻵﻧﻲ ‪ :Enter‬اﻟﻄﺮﯾﻘﺔ اﻻﻓﺘﺮاﺿﯿﺔ ﺿﻤﻦ ‪ SPSS‬ﺣﯿﺚ ﺗُﺪﺧﻞ ﻛﺎﻓﺔ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻓﻲ اﻟﻨﻤﻮذج ﻓﻲ‬
‫آن واﺣﺪة )ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار( ﻟﯿﻘﻮم اﻟﺒﺎﺣﺚ ﺑﺎﺧﺘﺒﺎر أﺛﺮھﺎ ﻣﺠﺘﻤﻌﺔ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ ،‬وﻗﺪ ﺗُﺴﻤﻰ ھﺬه اﻟﻄﺮﯾﻘﺔ ﺑــــ‬
‫ٍ‬
‫‪.Simultaneous regression‬‬
‫‪ -‬طﺮﯾﻘﺔ اﻻﻧﺤﺪار اﻟﺘﺪرﯾﺠﻲ ‪ :Stepwise‬ﺗﺘﯿﺢ ھﺬه اﻟﻄﺮﯾﻘﺔ ﻣﺘﺎﺑﻌﺔ اﻟﺘﻐﯿﺮات اﻟﺘﻲ ﺗﻄﺮأ ﻋﻠﻰ اﻟﻨﻤﻮذج ﻋﻨﺪ إﺿﺎﻓﺔ ﻛﻞ‬
‫ﻣﺘﻐﯿﺮ ذي أﺛﺮ ﻣﻌﻨﻮي‪ .‬ﯾﮭﺪف اﻻﻧﺤﺪار اﻟﺘﺪرﯾﺠﻲ أﺳﺎﺳﺎ ً إﻟﻰ إﯾﺠﺎد ﻋﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ واﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ‬
‫اﻷﻛﺜﺮ ارﺗﺒﺎطﺎ ً ﺑﮫ وﯾﺘﻢ ذﻟﻚ ﺗﺪرﯾﺠﯿﺎ‪ .‬وھﺬه اﻟﻄﺮﯾﻘﺔ ھﻲ اﻷﻓﻀﻞ واﻷﻛﺜﺮ اﺳﺘﺨﺪاﻣﺎ‪ ،‬وﻓﻲ ھﺬه اﻟﻄﺮﯾﻘﺔ ﺗُﺪﺧﻞ اﻟﻤﺘﻐﯿﺮات‬
‫اﻟﻤﺴﺘﻘﻠﺔ إﻟﻰ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار ﻋﻠﻰ ﺧﻄﻮات ﺑﺤﯿﺚ ﯾﺘﻢ إدﺧﺎل اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ذي اﻻرﺗﺒﺎط اﻷﻗﻮى ﻣﻊ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‬
‫ﺷﺮط أن ﯾﻜﻮن ھﺬا اﻻرﺗﺒﺎط ذا دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ ) ﯾﺤﻘﻖ ﺷﺮط اﻟﺪﺧﻮل إﻟﻰ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار(‪ ،‬وﻓﻲ اﻟﺨﻄﻮات اﻟﺘﺎﻟﯿﺔ ﯾﺘﻢ‬
‫إدﺧﺎل اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ذي اﻻرﺗﺒﺎط اﻟﺠﺰﺋﻲ اﻷﻋﻠﻰ اﻟﺪال إﺣﺼﺎﺋﯿﺎ ﻣﻊ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﻌﺪ اﺳﺘﺒﻌﺎد أﺛﺮ اﻟﻤﺘﻐﯿﺮات اﻟﺘﻲ‬

‫‪138‬‬
‫دﺧﻠﺖ إﻟﻰ اﻟﻤﻌﺎدﻟﺔ‪ ،‬ﺛﻢ ﻓﺤﺺ اﻟﻤﺘﻐﯿﺮات اﻟﻤﻮﺟﻮدة ﻓﻲ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار ﻓﯿﻤﺎ إذا ﻻزاﻟﺖ ﺗﺤﻘﻖ ﺷﺮوط اﻟﺒﻘﺎء ﻓﻲ ﻣﻌﺎدﻟﺔ‬
‫اﻻﻧﺤﺪار ) ذات دﻻﻟﺔ إﺣﺼﺎﺋﯿﺎ( أم ﻻ‪ ،‬ﻓﺈذا ﻟﻢ ﯾﺤﻘﻖ أﺣﺪھﻤﺎ ﺷﺮط اﻟﺒﻘﺎء ﻓﻲ اﻟﻤﻌﺎدﻟﺔ ﻓﺎﻧﮫ ﯾﺨﺮج ﻣﻦ اﻟﻤﻌﺎدﻟﺔ‪ ،‬ﺗﻨﺘﮭﻲ‬
‫ﻋﻤﻠﯿﺔ إدﺧﺎل اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ أو إﺧﺮاﺟﮭﺎ ﻋﻨﺪﻣﺎ ﻻ ﯾﺒﻘﻰ أي ﻣﺘﻐﯿﺮ ﯾﺤﻘﻖ ﺷﺮط اﻟﺪﺧﻮل إﻟﻰ اﻟﻤﻌﺎدﻟﺔ أو ﺷﺮط اﻟﺒﻘﺎء‬
‫ﻓﯿﮭﺎ‬
‫‪ -‬طﺮﯾﻘﺔ اﻻﻧﺤﺪار اﻟﻌﻜﺴﻲ ‪ :Backward‬ﺗﺘﻨﺎول ھﺬه اﻟﻄﺮﯾﻘﺔ ﺟﻤﯿﻊ اﻟﻤﺘﻐﯿﺮات ﺛﻢ ﺗﺒﺪأ ﺑﺎﺳﺘﺒﻌﺎد اﻟﻤﺘﻐﯿﺮات ﺑﺪءا ً ﻣﻦ اﻷﻛﺜﺮ‬
‫"ﻻ ﻣﻌﻨﻮﯾﺔ" ﺛﻢ اﻟﺬي ﯾﻠﯿﮫ ﻣﻦ ﺣﯿﺚ ﻋﺪم اﻟﻤﻌﻨﻮﯾﺔ وھﻜﺬا ﻟﻐﺎﯾﺔ اﻟﺘﻮﻗﻒ ﻋﻨﺪ اﻟﻤﺘﻐﯿﺮات اﻟﺘﻲ ﺗﺴﺘﻮﻓﻲ درﺟﺔ اﻟﻤﻌﻨﻮﯾﺔ‬
‫)اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﯿﺔ(‪.‬‬
‫‪ -‬طﺮﯾﻘﺔ اﻻﻧﺤﺪار اﻷﻣﺎﻣﻲ ‪ :Forward‬ﺗﻘﻮم ھﺬه اﻟﻄﺮﯾﻘﺔ ﺑﺈدﺧﺎل ﻛﺎﻓﺔ اﻟﻤﺘﻐﯿﺮات ﺑﺎدﺋﺔ ﺑﺎﻟﻤﺘﻐﯿﺮ اﻷﻛﺜﺮ ﻣﻌﻨﻮﯾﺔ أوﻻً ﻓﺎﻟﺬي‬
‫ﯾﻠﯿﮫ ﻣﻦ ﺣﯿﺚ اﻟﻤﻌﻨﻮﯾﺔ ﻟﻠﺘﻮﻗّﻒ ﻋﻨﺪ اﻧﻌﺪام اﺳﺘﯿﻔﺎء اﻟﻤﺘﻐﯿﺮ درﺟﺔ اﻟﻤﻌﻨﻮﯾﺔ )اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﯿﺔ( اﻟﻤﻘﺮرة‪.‬‬

‫ﺑﺎﻟﻨﻘﺮ ﻓﻮق ‪ OK‬ﻓﻲ اﻟﺠﺪاول رﻗﻢ )‪ (1/6‬و)‪ (2/6‬و)‪ (3/6‬و)‪ (4/6‬ﺗﻈﮭﺮ ﻧﺘﺎﺋﺞ ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار ﺣﯿﺚ ﯾﺸﯿﺮ اﻟﺠﺪول اﻷول‬
‫)‪ (1/6‬إﻟﻰ اﻟﻄﺮﯾﻘﺔ اﻟﻤﻌﺘﻤﺪة ﻓﻲ اﻟﺘﺤﻠﯿﻞ‪.‬‬
‫اﻟﺠﺪول رﻗﻢ )‪ :(1/6‬اﻟﻤﺘﻐﯿﺮات اﻟﺪاﺧﻠﺔ ﻓﻲ اﻟﺘﺤﻠﯿﻞ‬
‫‪Variables Entered/Removed‬‬
‫‪Model‬‬ ‫‪Variables Entered‬‬ ‫‪Variables Removed‬‬ ‫‪Method‬‬

‫اﻟﻤﻮظﻔﯿﻦ‪b‬‬
‫‪1‬‬ ‫رﺿﺎ‬ ‫‪.‬‬ ‫‪Enter‬‬

‫ﻧﯿﺔ اﻻﺳﺘﻤﺮار ﺑﺎﻟﻌﻤﻞ ‪a. Dependent Variable:‬‬

‫‪b. All requested variables entered.‬‬

‫وﯾﻈﮭﺮ ﺟﺪول ‪ ANOVA‬ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ ‪ F‬ﻟﻨﻤﻮذج اﻻﻧﺤﺪار اﻟﺬي ﯾﺒﯿﻦ اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﯿﺔ ﻟﻨﻤﻮذج اﻻﻧﺤﺪار اﻟﻜﻠﻲ‪ .‬ﯾُﻼﺣﻆ ﻓﻲ ھﺬا‬
‫اﻟﺠﺪول أن ‪ F(1,98) =20.660‬و ‪ sig < 0.001‬وﺑﺎﻟﺘﺎﻟﻲ أﺻﻐﺮ ﻣﻦ ‪ α‬أي أن اﺧﺘﺒﺎر ‪ ANOVA‬ﯾﺸﯿﺮ إﻟﻰ إﻣﻜﺎﻧﯿﺔ اﺳﺘﺨﺪام‬
‫ﻧﻤﻮذج اﻻﻧﺤﺪار )ﻣﻦ ﺧﻼل اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ اﻟﺬي أُدﺧﻞ( ﻟﺸﺮح ﺗﻐﯿﺮات اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪.‬‬

‫‪139‬‬
 ‫اﻟﺠﺪول رﻗﻢ )‪ :(2/6‬اﺧﺘﺒﺎر ‪ ANOVA‬ﻓﻲ ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‬
‫‪ANOVAa‬‬
‫‪Model‬‬ ‫‪Sum of Squares‬‬ ‫‪df‬‬ ‫‪Mean Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬

‫‪1‬‬ ‫‪Regression‬‬ ‫‪14.457‬‬ ‫‪1‬‬ ‫‪14.457‬‬ ‫‪20.660‬‬ ‫‪.000b‬‬

‫‪Residual‬‬ ‫‪68.575‬‬ ‫‪98‬‬ ‫‪.700‬‬

‫‪Total‬‬ ‫‪83.032‬‬ ‫‪99‬‬

‫ﻧﯿﺔ اﻻﺳﺘﻤﺮار ﺑﺎﻟﻌﻤﻞ ;‪a. Dependent Variable‬‬

‫رﺿﺎ اﻟﻤﻮظﻔﯿﻦ ‪b. Predictors: (Constant),‬‬

‫وﯾﻤﻜﻦ ﺗﺤﺪﯾﺪ ﻧﻤﻮذج اﻻﻧﺤﺪار أو ﻣﻌﺎدﻟﺘﮫ ﻣﻦ ﺧﻼل اﻟﺠﺪول ‪ Coefficients‬اﻟﺬي ﯾﻈﮭﺮ ﻣﻌﺎﻣﻼت اﻻﻧﺤﺪار‪.‬‬
‫اﻟﺠﺪول رﻗﻢ )‪ :(3/6‬ﻣﻌﺎﻣﻼت اﻻﻧﺤﺪار ‪Coefficients‬‬
‫‪Standardized‬‬
‫‪Unstandardized Coefficients‬‬ ‫‪Coefficients‬‬

‫‪Model‬‬ ‫‪B‬‬ ‫‪Std. Error‬‬ ‫‪Beta‬‬ ‫‪t‬‬ ‫‪Sig.‬‬

‫‪1‬‬ ‫)‪(Constant‬‬ ‫‪.269‬‬ ‫‪.711‬‬ ‫‪.378‬‬ ‫‪.706‬‬

‫رﺿﺎ اﻟﻤﻮظﻔﯿﻦ‬ ‫‪.792‬‬ ‫‪.174‬‬ ‫‪.417‬‬ ‫‪4.545‬‬ ‫‪.000‬‬

‫ﻧﯿﺔ اﻻﺳﺘﻤﺮار ﻓﻲ اﻟﻌﻤﻞ ‪a. Dependent Variable:‬‬

‫ﯾﻈﮭﺮ اﻟﺠﺪول ‪ Coefficients‬أن ﻗﯿﻤﺔ ‪ p-value‬ﻟﻤﻌﻠﻤﺔ اﻟﻤﯿﻞ أي ﻟﻤﻌﺎﻣﻞ اﻻﻧﺤﺪار اﻟﺨﻄﻲ ﻟﻠﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ أﺻﻐﺮ ﻣﻦ ‪0.001‬‬
‫)أي أﺻﻐﺮ ﻣﻦ ‪ (α‬ﻓﯿﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﻗﺒﻮل اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ أي أن رﺿﺎ اﻟﻤﻮظﻔﯿﻦ ﻓﻲ ‪ Google‬ﯾﺆﺛﺮ ﺑﺸﻜﻞ ذي‬
‫دﻻﻟﺔ إﺣﺼﺎﺋﯿﺔ ﻓﻲ ﻧﯿﺔ اﻻﺳﺘﻤﺮار ﺑﺎﻟﻌﻤﻞ ﻓﻲ اﻟﺸﺮﻛﺔ‪ .‬ﻛﻤﺎ ﯾﻤﻜﻦ ﻟﻠﺒﺎﺣﺚ ﺑﺎﺳﺘﺨﺪام اﻟﺠﺪول ‪ Coefficient‬اﺳﺘﻨﺘﺎج ﻧﻤﻮذج اﻻﻧﺤﺪار‬
‫اﻟﺨﻄﻲ )ﻛﺘﺎﺑﺔ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﻟﺨﻄﻲ( اﻟﺘﺎﻟﻲ‪:‬‬

‫ﻧﯿﺔ اﻻﺳﺘﻤﺮار ﺑﺎﻟﻌﻤﻞ ﻓﻲ ‪*0.792 + 0.269 = Google‬رﺿﺎ اﻟﻤﻮظﻔﯿﻦ ﻓﻲ ‪Google‬‬

‫ﺗﺸﯿﺮ ﻣﻌﻠﻤﺔ اﻟﻤﯿﻞ ‪ B1‬إﻟﻰ أن زﯾﺎدة رﺿﺎ اﻟﻤﻮظﻔﯿﻦ وﺣﺪة واﺣﺪة ﯾﺆدي إﻟﻰ زﯾﺎدة ﻧﯿﺔ اﻻﺳﺘﻤﺮار ﺑﺎﻟﻌﻤﻞ ﺑﻤﻘﺪار ‪.0.792‬‬
‫وﺗﺴﺎﻋﺪ اﻟﻤﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ ﻋﻠﻰ اﻟﺘﻨﺒﺆ ﺑﻘﯿﻤﺔ ﻧﯿﺔ اﻻﺳﺘﻤﺮار ﺑﺎﻟﻌﻤﻞ ﺑﺎﺳﺘﺨﺪام ﻗﯿﻤﺔ رﺿﺎ اﻟﻤﻮظﻔﯿﻦ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ رﺿﺎ اﻟﻤﻮظﻔﯿﻦ‬

‫‪140‬‬
‫‪) 4‬ﻋﻠﻰ ﻣﻘﯿﺎس ‪ Likert‬اﻟﺨﻤﺎﺳﻲ( ﻋﻠﻰ ﺳﯿﺒﻞ اﻟﻤﺜﺎل‪ ،‬ﺗﻜﻮن ﻧﯿﺔ اﻻﺳﺘﻤﺮار ﺑﺎﻟﻌﻤﻞ= ‪ .3.437 =4*0.792+ 0.269‬أﻣﺎ ﻣﻌﻠﻤﺔ‬
‫‪Standardized Coefficient‬اﻟﺘﻲ ﯾﺸﺎر إﻟﯿﮭﺎ ﺑﺎﻟﺠﺪول أﻋﻼه ﺑـ ‪ ،Beta‬ﻓﮭﻲ ﻣﻌﻠﻤﺔ اﻟﻤﯿﻞ ﻟﻠﻨﻤﻮذج اﻟﻤﻘﺪر ﺑﺎﺳﺘﻌﻤﺎل اﻟﻘﯿﻢ اﻟﻤﻌﯿﺎرﯾﺔ‬
‫ﻟﻜﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ واﻟﺘﺎﺑﻊ ﺑﺪل اﻟﻘﯿﻢ اﻷﺻﻠﯿﺔ ﺣﯿﺚ ﺗﺤﺴﺐ ھﺬه اﻟﻘﯿﻢ اﻟﻤﻌﯿﺎرﯾﺔ وﻓﻖ اﻟﻤﻌﺎدﻟﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪� )/ S‬‬
‫𝑿𝑿‪(𝑿𝑿 -‬‬

‫وﻻ ﯾﺤﺘﻮي ھﺬا اﻟﻨﻤﻮذج ﻋﻠﻰ ﻣﻌﻠﻤﺔ اﻟﺘﻘﺎطﻊ )اﻟﺤﺪ اﻟﺜﺎﺑﺖ( ‪.B0‬‬

‫اﻟﺠﺪول)‪ :(4/6‬ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ‬

‫‪Model Summary‬‬
‫‪Model‬‬ ‫‪R‬‬ ‫‪R Square‬‬ ‫‪Adjusted R Square‬‬ ‫‪Std. Error of the Estimate‬‬

‫‪1‬‬ ‫‪.417a‬‬ ‫‪.174‬‬ ‫‪.166‬‬ ‫‪.83651‬‬

‫‪a. Predictors: (Constant),‬رﺿﺎ‬

‫وأﺧﯿﺮا ً ﯾﺘﻀﻤﻦ اﻟﺠﺪول ‪ Model Summary‬أﺣﺪ أھﻢ اﻟﻤﺆﺷﺮات ﻟﻨﻤﻮذج اﻻﻧﺤﺪار وھﻮ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ ‪Coefficient of‬‬

‫‪ Determination‬وﯾﺮﻣﺰ ﻟﮫ ‪ R2‬اﻟﺬي ﯾﻌﺘﺒﺮ ﻣﻘﯿﺎﺳﺎ ً ﻟﺠﻮدة ﺗﻔﺴﯿﺮ اﻟﻨﻤﻮذج‪ .‬ﯾﺪل ھﺬا اﻟﻤﻌﺎﻣﻞ ﻋﻠﻰ اﻟﻨﺴﺒﺔ اﻟﻤﺌﻮﯾﺔ ﻟﺘﻐﯿﺮات اﻟﻤﺘﻐﯿﺮ‬
‫اﻟﺘﺎﺑﻊ اﻟﻤﺸﺮوﺣﺔ ﺑﺪﻻﻟﺔ ﻧﻤﻮذج اﻻﻧﺤﺪار )أي ﺑﺪﻻﻟﺔ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻓﻲ ﺣﺎﻟﺔ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ ﻧﻈﺮا ً ﻟﻮﺟﻮد ﻣﺘﻐﯿﺮ‬
‫ﻣﺴﺘﻘﻞ واﺣﺪ ﻓﻲ اﻟﻨﻤﻮذج(‪ .‬ﺗﺘﺮاوح ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ ﺑﯿﻦ ‪ 0‬و‪ 1‬وﯾﻤﻜﻦ اﻟﻘﻮل‪ :‬ﻛﻠﻤﺎ اﻗﺘﺮﺑﺖ ﻗﯿﻤﺔ ‪ R2‬ﻣﻦ ‪ 1‬د ﱠل ذﻟﻚ ﻋﻠﻰ‬
‫ﺟﻮدة اﻟﻨﻤﻮذج‪ .‬وﻓﻲ ﻧﻤﻮذج اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ ھﻨﺎك ﻋﻼﻗﺔ ﺑﯿﻦ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ وﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﻟﺒﯿﺮﺳﻮن ‪ r‬ﺑﯿﻦ‬
‫اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ واﻟﺘﺎﺑﻊ ﺣﯿﺚ‪:‬‬

‫‪r = √𝑅𝑅2‬‬

‫ﯾﺘﺼﻒ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ ﺑﺄﻧﮫ ﻟﻮ أﺿﯿﻒ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ ﻟﻠﻨﻤﻮذج ﻓﺈن ﻗﯿﻤﺘﮫ ﺳﺘﺮﺗﻔﻊ وإن ﻟﻢ ﺗﻜﻦ ھﻨﺎك أھﻤﯿﺔ ﻟﻠﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻓﻲ‬
‫اﻟﻨﻤﻮذج‪ .‬وﻟﮭﺬا ﯾﺘﻢ اﺣﺘﺴﺎب ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ اﻟﻤﺼﺤﺢ ‪ Adjusted‬وﻗﯿﻤﺘﮫ داﺋﻤﺎ ً أﻗﻞ ﻣﻦ ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ )ﻏﯿﺮ اﻟﻤﺼﺤﺢ(‪.‬‬

‫وﯾﻘﯿﺲ اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري ﻟﻠﺘﻘﺪﯾﺮ )‪ (Standard Error of Estimate‬ﺗﺸﺘﺖ اﻟﻘﯿﻢ اﻟﻤﺸﺎھﺪة ﻋﻦ ﺧﻂ اﻻﻧﺤﺪار‪ ،‬وﯾﻌﻨﻲ اﻟﺤﺼﻮل‬
‫ﻋﻠﻰ ﻗﯿﻤﺔ ﺻﻐﯿﺮة ﻟﮭﺬا اﻟﻤﺆﺷﺮ ﺻﻐﺮ اﻷﺧﻄﺎء اﻟﻌﺸﻮاﺋﯿﺔ وﺑﺎﻟﺘﺎﻟﻲ ﺟﻮدة ﺗﻤﺜﯿﻞ ﺧﻂ اﻻﻧﺤﺪار ﻟﻨﻘﺎط ﺷﻜﻞ اﻻﻧﺘﺸﺎر )وﻧﺎدرا ً ﻣﺎ‬

‫‪141‬‬
 ‫ﯾﺸﺎر إﻟﻰ ھﺬه اﻟﻤﺆﺷﺮ ﻋﻨﺪ ﺷﺮح اﻟﻨﺘﺎﺋﺞ(‪.‬‬

‫وﺑﺎﻟﻌﻮدة إﻟﻰ اﻟﺠﺪول )‪ (4/6‬ﯾُﻼﺣﻆ أن ﻗﯿﻤﺔ ‪ R2‬ﺗﺴﺎوي ‪ 0.174‬ﻣﺎ ﯾﻌﻨﻲ أن ﻧﻤﻮذج اﻻﻧﺤﺪار اﻟﺨﻄﻲ )أو أن اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‬
‫وھﻮ رﺿﺎ اﻟﻤﻮظﻔﯿﻦ( ﯾﺸﺮح ‪ %17.4‬ﻣﻦ اﻟﺘﻐﯿﺮات ﻓﻲ ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ )ﻧﯿﺔ اﻟﻌﻤﺎل ﺑﺎﻻﺳﺘﻤﺮار ﻓﻲ ‪ .(Google‬وﺗﺮﺟﻊ‬
‫‪) %82.6‬اﻟﺒﺎﻗﯿﺔ( ﻣﻦ اﻟﺘﻐﯿﺮات ﻏﯿﺮ اﻟﻤﻔﺴﺮة إﻟﻰ ﻋﻮاﻣﻞ ﻋﺸﻮاﺋﯿﺔ ﻛﺄن ﺗﻜﻮن ھﻨﺎك ﻣﺘﻐﯿﺮات ﻣﮭﻤﺔ ﻟﻢ ﺗُﺸ َﻤﻞ ﻓﻲ اﻟﻨﻤﻮذج‪.‬‬

‫‪ 3-6‬اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد )‪(Multiple Linear Regression‬‬

‫ﯾﻌﺘﺒﺮ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد اﻣﺘﺪادا ً ﻟﻼﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ إﻻ أﻧﮫ ﯾﺄﺧﺬ ﻓﻲ اﻟﺤﺴﺒﺎن أﻛﺜﺮ ﻣﻦ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ‪ .‬وﯾﺴﺘﺨﺪم‬
‫اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ﻟﻠﺘﻨﺒﺆ ﺑﻘﯿﻤﺔ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﺪﻻﻟﺔ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ‪ .‬وﯾﺘﻢ ذﻟﻚ ﻣﻦ ﺧﻼل ﺗﻤﺜﯿﻞ اﻟﻌﻼﻗﺔ‬
‫ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ‪ Y‬واﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ )‪ (X1, …Xn‬ﻋﻠﻰ ﺷﻜﻞ ﻣﻌﺎدﻟﺔ ﺧﻄﯿﺔ ﺗﻜﺘﺐ ﺑﺎﻟﺼﻮرة اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪Y = α + ß1X1 + ß2X2 + … + ßnXn‬‬

‫ﺣﯿﺚ ‪ B1, B2, …, Bn‬ﺗﻤﺜﻞ ﻣﻌﺎﻣﻼت اﻻﻧﺤﺪار ﻟﻠﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ‪.‬‬

‫‪ 1-3-6‬ﺷﺮوط اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد‪ :‬إن ﺷﺮوط اﻟﻨﻤﻮذج اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ھﻲ ﻧﻔﺴﮭﺎ ﺷﺮوط اﻟﻨﻤﻮذج اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ ﯾﻀﺎف‬
‫إﻟﯿﮭﺎ اﻟﺘﺎﻟﻲ‪:‬‬
‫‪ -‬وﺟﻮب أﻻ ﺗﻜﻮن اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻣﺮﺗﺒﻄﺔ ﻓﯿﻤﺎ ﺑﯿﻨﮭﺎ إﻟﻰ ﺣﺪ ﻛﺒﯿﺮ‪ ،‬ﻷن ذﻟﻚ ﯾﻮﻟﺪ ﻣﺸﻜﻠﺔ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد‬
‫)‪.(Multicollinearity‬‬
‫‪ -‬ﯾﻤﻜﻦ أن ﺗﻜﻮن ﺑﯿﺎﻧﺎت اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﺪاﺧﻠﺔ ﻓﻲ اﻟﻨﻤﻮذج ﻣﺘﺪرﺟﺔ )‪ (Interval‬أو ﻧﺴﺐ )‪ (ration‬واﻟﺒﻌﺾ ﯾﻌﺘﻘﺪ‬
‫ﺑﺎﻧﮭﺎ ﯾﻤﻜﻦ أن ﺗﻜﻮن ﺗﺮﺗﯿﺒﯿﺔ )‪ (Ordinal‬أو أﺳﻤﯿﺔ )‪ (Nominal‬ذات ﻓﺌﺘﯿﻦ ﻓﻘﻂ‪.‬‬
‫‪ -‬أن ﺗﻜﻮن ﺑﯿﺎﻧﺎت اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﻣﺘﺪرﺟﺔ أو ﻧﺴﺐ ﺣﺼﺮا ً )أي ‪ Scale‬ﻓﻲ ‪.(SPSS‬‬

‫‪142‬‬
 ‫‪ -‬ﯾﺘﻄﻠﺐ اﻻﻧﺤﺪار اﻟﻤﺘﻌﺪد ﻋﺪدا ً ﻛﺒﯿﺮا ً ﻣﻦ اﻟﺤﺎﻻت‪ ،‬ﯾﺸﯿﺮ‬
‫اﻟﺒﻌﺾ ﺑﺄن اﻟﻨﺴﺐ اﻟﻤﻘﺒﻮﻟﺔ ھﻲ ‪ 10‬ﺣﺎﻻت )‪ (cases‬ﻟﻜﻞ‬
‫ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ ﻓﻲ اﻟﻨﻤﻮذج‪ ،‬وﯾﺸﯿﺮ اﻟﺒﻌﺾ اﻵﺧﺮ إﻟﻰ أن‬
‫ﻧﺴﺒﺔ ‪ 40‬ﺣﺎﻟﺔ ﻟﻜﻞ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ ھﻲ اﻷﻓﻀﻞ )أي ﻓﻲ ﺣﺎل‬
‫ﺗﻀﻤﻦ اﻟﻨﻤﻮذج ‪ 7‬ﻣﺘﻐﯿﺮات ﻣﺴﺘﻘﻠﺔ‪ ،‬ﯾﺠﺐ أن ﯾﻜﻮن ﻋﺪد‬
‫اﻻﺳﺘﺒﺎﻧﺎت أو اﻟﺤﺎﻻت ﻣﺴﺎوﯾﺎ ً ﻟﻠﻌﻤﻠﯿﺔ ‪280= 40*7‬‬
‫اﺳﺘﺒﺎﻧﺔ(‬
‫‪ -‬اﺳﺘﻘﻼل اﻟﺒﻮاﻗﻲ‪.‬‬

‫‪ 2-3-6‬اﻻﺧﺘﺒﺎر ﺑﺎﺳﺘﺨﺪام ‪ :SPSS‬ﻓﻲ ﻣﺜﺎل ﺟﺪﯾﺪ أرادت ﺷﺮﻛﺔ ‪ Intel‬اﻛﺘﺸﺎف اﻟﻌﻮاﻣﻞ اﻟﻤﺆﺛﺮة ﻋﻠﻰ اﻟﻮﻻء اﻟﻮظﯿﻔﻲ ﻟﻠﺘﻨﺒﺆ‬
‫ﺑﮫ ﻣﺴﺘﻘﺒﻼً‪ ،‬ﻗﯿﺲ ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮات ﺑﺎﺳﺘﺨﺪام ﻣﻘﯿﺎس ‪ Likert‬ذو اﻟﺨﻤﺲ ﻓﺌﺎت )‪ =1‬ﻏﯿﺮ ﻣﻮاﻓﻖ أﺑﺪاً‪ =5 ،‬ﻣﻮاﻓﻖ ﺑﺸﺪة(‪ .‬وﺑﻌﺪ‬
‫اﻟﺘﺄﻛﺪ ﻣﻦ ﺗﺤﻘﻖ اﻟﺸﺮوط اﻟﻮاردة أﻋﻼه‪ ،‬ﯾُﻨﻔﺬ اﻻﺧﺘﺒﺎر ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪Analyze‬‬ ‫‪Regression‬‬ ‫‪Linear‬‬ ‫‪Linear Regression window‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(3/6‬اﻟﺨﻄﻮة اﻷوﻟﻰ ﻓﻲ ﺗﻨﻔﯿﺬ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد‬

‫وﺑﻌﺪ ظﮭﻮر اﻟﻨﺎﻓﺬة اﻷﺧﯿﺮة‪ ،‬ﯾﺪﺧﻞ اﻟﺒﺎﺣﺚ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻓﻲ ﻗﺎﺋﻤﺔ )‪ Independent(s‬واﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﻓﻲ ﻗﺎﺋﻤﺔ‬

‫‪143‬‬
 ‫‪ (6 )Dependent‬وﻓﻖ اﻵﺗﻲ‪:‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(4/6‬ﻧﺎﻓﺬة ‪Linear Regression‬‬

‫ﯾﻀﻐﻂ اﻟﺒﺎﺣﺚ ﻋﻠﻰ ﺧﺎﻧﺔ ‪ Statistics‬ﺛﻢ ﯾﺆﺷﺮ ﻋﻠﻰ ﺧﯿﺎر ‪ Collinearity Diagnostics‬وﻓﻘﺎ ً ﻟﻠﺸﻜﻞ ﻟﻶﺗﻲ‪:‬‬

‫ﻻ �سمﺢ اﻻﻨحدار اﻟمتﻌدد إﻻ �متﻐیر ﺘﺎ�ﻊ وﺤید ﻓﻘط‬ ‫)‪(6‬‬

‫‪144‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(5/6‬اﻟﺨﻄﻮة اﻟﺜﺎﻟﺜﺔ ﻓﻲ ﺗﻨﻔﯿﺬ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(6/6‬ﻧﺎﻓﺬة‪Linear Regression Statistics‬‬

‫‪145‬‬
 ‫ﯾﻨﻘﺮ اﻟﺒﺎﺣﺚ ﻋﻠﻰ ‪ Continue‬ﺛﻢ ‪ Ok‬ﻓﺘﻈﮭﺮ اﻟﻨﺘﺎﺋﺞ اﻟﺘﺎﻟﯿﺔ‪:‬‬
‫اﻟﺠﺪول )‪ (5/6‬ﻧﺘﯿﺠﺔ اﻻﺧﺘﺒﺎر اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد‬
‫‪Model Summary g‬‬
‫‪Model‬‬ ‫‪R‬‬ ‫‪R Square‬‬ ‫‪Adjusted R Square‬‬ ‫‪Std. Error of the Estimate‬‬ ‫‪Durbin-Watson‬‬

‫‪1‬‬ ‫‪.457a‬‬ ‫‪.209‬‬ ‫‪.207‬‬ ‫‪1.195‬‬

‫‪2‬‬ ‫‪.511b‬‬ ‫‪.261‬‬ ‫‪.258‬‬ ‫‪1.156‬‬

‫‪3‬‬ ‫‪.536c‬‬ ‫‪.287‬‬ ‫‪.282‬‬ ‫‪1.137‬‬

‫‪4‬‬ ‫‪.550d‬‬ ‫‪.302‬‬ ‫‪.296‬‬ ‫‪1.126‬‬

‫‪5‬‬ ‫‪.571e‬‬ ‫‪.326‬‬ ‫‪.319‬‬ ‫‪1.108‬‬

‫‪6‬‬ ‫‪.580f‬‬ ‫‪.337‬‬ ‫‪.327‬‬ ‫‪1.100‬‬ ‫‪1.948‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ ‪a. Predictors: (Constant),‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ ‪b. Predictors: (Constant),‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‪ ،‬اﻟﺘﺤﻔﯿﺰ ‪c. Predictors: (Constant),‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‪ ،‬اﻟﺘﺤﻔﯿﺰ‪ ،‬اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ ﻟﻠﻤﻨﻈﻤﺔ ‪d. Predictors: (Constant),‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‪ ،‬اﻟﺘﺤﻔﯿﺰ‪ ،‬اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ ﻟﻠﻤﻨﻈﻤﺔ‪ ،‬رﺿﺎ اﻟﻤﻮظﻔﯿﻦ ‪e. Predictors: (Constant),‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‪ ،‬اﻟﺘﺤﻔﯿﺰ‪ ،‬اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ ﻟﻠﻤﻨﻈﻤﺔ‪ ،‬رﺿﺎ اﻟﻤﻮظﻔﯿﻦ‪ ،‬اﻹﺷﺮاف ‪f. Predictors: (Constant),‬‬

‫اﻟﻤﻮظﻒ وﻻء ‪g. Dependent Variable:‬‬

‫‪146‬‬
 ‫ﯾﺒﯿﻦ ﺟﺪول ‪ 6 Model Summary‬ﻧﻤﺎذج ﻗﺪﻣﮭﺎ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ﺑﻄﺮﯾﻘﺔ‬
‫ﺷﺮح ﺳﺎﺑﻘﺎ ً ﯾﻘﻮم اﻟﺒﺮﻧﺎﻣﺞ وﻓﻘﺎ ً ﻟﻠﻨﻤﻮذج رﻗﻢ ‪ 1‬ﺑﺈدﺧﺎل اﻟﻤﺘﻐﯿﺮ‬
‫‪ ،Stepwise‬وﻛﻤﺎ ُ‬
‫اﻷﻋﻠﻰ ارﺗﺒﺎطﺎ ً ﻓﻲ اﻟﻤﻌﺎدﻟﺔ وھﻮ اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺛﻢ ﻓﻲ اﻟﻨﻤﻮذج اﻟﺜﺎﻧﻲ ﯾﺪُﺧﻞ‬
‫ﺑﺎﻹﺿﺎﻓﺔ إﻟﻰ اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ ‪ ...‬وﯾﺴﺘﻤﺮ ﺑﺬﻟﻚ وﺻﻮﻻً إﻟﻰ‬
‫اﻟﻨﻤﻮذج اﻷﺧﯿﺮ اﻟﺴﺎدس وھﻮ اﻷﻋﻠﻰ ﻓﻲ ﻗﯿﻤﺔ ‪ Adj R2‬واﻟﺘﻲ ﺑﻠﻐﺖ ‪.% 32.7‬‬
‫وﺗﺒﺪو ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ ‪ Durbin-Watson‬واﻟﺒﺎﻟﻐﺔ ‪ 1.948‬واﻗﻌﺔ ﺑﯿﻦ اﻟﻘﯿﻤﺘﯿﻦ ‪ 1‬و‪3‬‬
‫ﻣﻤﺎ ﯾﺸﯿﺮ إﻟﻰ اﺳﺘﻘﻼل اﻷﺧﻄﺎء )اﻟﺒﻮاﻗﻲ ‪ (7‬ﻋﻦ ﺑﻌﻀﮭﺎ وﻋﺪم ﺗﺸﻜﯿﻠﮭﺎ ﻣﺘﻐﯿﺮاً‪.‬‬

‫وﯾﺒﺪو ﻣﻦ ﺟﺪول ‪ ANOVA‬رﻗﻢ )‪ ،(6/6‬ﺑﺄن ﻛﻞ ﻣﻦ اﻟﻨﻤﺎذج اﻟﺴﺘﺔ ﻣﻌﻨﻮي ﻋﻨﺪ‬

‫‪ ،%1‬وﻟﻜﻦ ﻋﻠﻰ اﻟﺒﺎﺣﺚ اﺧﺘﯿﺎر اﻟﻨﻤﻮذج اﻟﺴﺎدس اﻷﻋﻠﻰ ﻗﯿﻤﺔ ﻓﻲ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ اﻟﻤﻌﺪل واﻟﺒﺎﻟﻐﺔ ﻓﯿﻤﺘﮫ ‪ ،%32.7‬وﺑﻨﺎء ﻋﻠﻰ‬
‫ذﻟﻚ ﺳﺘﮭﻤﻞ ﻛﺎﻓﺔ اﻟﻨﻤﺎذج اﻷﺧﺮى )ﻣﻦ ‪ 1‬إﻟﻰ ‪ (5‬ﻓﻲ ﺟﺪاول ﻣﺨﺮﺟﺎت اﻟﺘﺤﻠﯿﻞ‪.‬‬

‫)‪ ( 7‬اﻟﻣﺗﺑﻘﻲ )‪ (A Residual‬ھو اﻟﻣﺳـﺎﻓﺔ اﻟﻌﻣودﯾﺔ ﺑﯾن ﻧﻘطﺔ اﻟﺑﯾﺎﻧﺎت وﺧط اﻻﻧﺣدار )اﻟﺷـﻛل ﻓﻲ أﻋﻠﻰ اﻟﺻـﻔﺣﺔ(‪ .‬ﻟﻛل ﻧﻘطﺔ ﺑﯾﺎﻧﺎت ﻣﺗﺑﻘﯾﺔ واﺣدة‪.‬‬
‫ﺗﻛون إﯾﺟﺎﺑﯾﺔ إذا ﻛﺎﻧت ﻓوق ﺧط اﻻﻧﺣدار وﺳــــﻠﺑﯾﺔ إذا ﻛﺎﻧت ﺗﺣت ﺧط اﻻﻧﺣدار‪ .‬إذا ﻛﺎن ﺧط اﻻﻧﺣدار ﯾﻣر ﺑﺎﻟﻔﻌل ﻋﺑر اﻟﻧﻘطﺔ‪ ،‬ﻓﺈن اﻟﻣﺗﺑﻘﻲ‬
‫ﻋﻧد ھذه اﻟﻧﻘطﺔ ھو ﺻﻔر‪.‬‬
‫‪147‬‬
 ‫اﻟﺠﺪول )‪ (6/6‬ﻧﺘﯿﺠﺔ اﻻﺧﺘﺒﺎر اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد‬
‫‪ANOVA a‬‬
‫‪Model‬‬ ‫‪Sum of Squares‬‬ ‫‪Df‬‬ ‫‪Mean Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬
‫‪1‬‬ ‫‪Regression‬‬ ‫‪166.553‬‬ ‫‪1‬‬ ‫‪166.553‬‬ ‫‪116.659‬‬ ‫‪.000b‬‬
‫‪Residual‬‬ ‫‪631.039‬‬ ‫‪442‬‬ ‫‪1.428‬‬
‫‪Total‬‬ ‫‪797.592‬‬ ‫‪443‬‬
‫‪2‬‬ ‫‪Regression‬‬ ‫‪208.135‬‬ ‫‪2‬‬ ‫‪104.068‬‬ ‫‪77.858‬‬ ‫‪.000c‬‬
‫‪Residual‬‬ ‫‪589.457‬‬ ‫‪441‬‬ ‫‪1.337‬‬
‫‪Total‬‬ ‫‪797.592‬‬ ‫‪443‬‬
‫‪3‬‬ ‫‪Regression‬‬ ‫‪229.116‬‬ ‫‪3‬‬ ‫‪76.372‬‬ ‫‪59.112‬‬ ‫‪.000d‬‬
‫‪Residual‬‬ ‫‪568.476‬‬ ‫‪440‬‬ ‫‪1.292‬‬
‫‪Total‬‬ ‫‪797.592‬‬ ‫‪443‬‬
‫‪4‬‬ ‫‪Regression‬‬ ‫‪241.076‬‬ ‫‪4‬‬ ‫‪60.269‬‬ ‫‪47.542‬‬ ‫‪.000e‬‬
‫‪Residual‬‬ ‫‪556.517‬‬ ‫‪439‬‬ ‫‪1.268‬‬
‫‪Total‬‬ ‫‪797.592‬‬ ‫‪443‬‬
‫‪5‬‬ ‫‪Regression‬‬ ‫‪260.268‬‬ ‫‪5‬‬ ‫‪52.054‬‬ ‫‪42.431‬‬ ‫‪.000f‬‬
‫‪Residual‬‬ ‫‪537.325‬‬ ‫‪438‬‬ ‫‪1.227‬‬
‫‪Total‬‬ ‫‪797.592‬‬ ‫‪443‬‬
‫‪6‬‬ ‫‪Regression‬‬ ‫‪268.464‬‬ ‫‪6‬‬ ‫‪44.744‬‬ ‫‪36.953‬‬ ‫‪.000g‬‬
‫‪Residual‬‬ ‫‪529.129‬‬ ‫‪437‬‬ ‫‪1.211‬‬
‫‪Total‬‬ ‫‪797.592‬‬ ‫‪443‬‬
‫وﻻء اﻟﻤﻮظﻒ ‪a. Dependent Variable:‬‬
‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ ‪b. Predictors: (Constant),‬‬
‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ ‪c. Predictors: (Constant),‬‬
‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‪ ،‬اﻟﺘﺤﻔﯿﺰ ‪d. Predictors: (Constant),‬‬
‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‪ ،‬اﻟﺘﺤﻔﯿﺰ‪ ،‬اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ ﻟﻠﻤﻨﻈﻤﺔ ‪e. Predictors: (Constant),‬‬
‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‪ ،‬اﻟﺘﺤﻔﯿﺰ‪ ،‬اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ ﻟﻠﻤﻨﻈﻤﺔ‪ ،‬رﺿﺎ اﻟﻤﻮظﻔﯿﻦ ‪f. Predictors: (Constant),‬‬
‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‪ ،‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‪ ،‬اﻟﺘﺤﻔﯿﺰ‪ ،‬اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ ﻟﻠﻤﻨﻈﻤﺔ‪ ،‬رﺿﺎ اﻟﻤﻮظﻔﯿﻦ‪ ،‬اﻹﺷﺮاف ‪g. Predictors: (Constant),‬‬

‫‪148‬‬
 ‫اﻟﺠﺪول )‪ (7/6‬ﻧﺘﯿﺠﺔ اﻻﺧﺘﺒﺎر اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد )ﺟﺪول ‪(Coeifficients‬‬
‫‪Standardized‬‬
‫‪Unstandardized Coefficients‬‬ ‫‪Coefficients‬‬ ‫‪Collinearity Statistics‬‬
‫‪Model‬‬ ‫‪B‬‬ ‫‪Std. Error‬‬ ‫‪Beta‬‬ ‫‪t‬‬ ‫‪Sig.‬‬ ‫‪Tolerance‬‬ ‫‪VIF‬‬
‫‪1‬‬ ‫)‪(Constant‬‬ ‫‪4.963‬‬ ‫‪.137‬‬ ‫‪36.099‬‬ ‫‪.000‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‬ ‫‪-.475-‬‬ ‫‪.044‬‬ ‫‪-.457-‬‬ ‫‪-10.801-‬‬ ‫‪.000‬‬ ‫‪1.000‬‬ ‫‪1.000‬‬

‫‪2‬‬ ‫)‪(Constant‬‬ ‫‪3.687‬‬ ‫‪.265‬‬ ‫‪13.937‬‬ ‫‪.000‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‬ ‫‪-.483-‬‬ ‫‪.043‬‬ ‫‪-.465-‬‬ ‫‪-11.343-‬‬ ‫‪.000‬‬ ‫‪.999‬‬ ‫‪1.001‬‬

‫ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‬ ‫‪.312‬‬ ‫‪.056‬‬ ‫‪.228‬‬ ‫‪5.578‬‬ ‫‪.000‬‬ ‫‪.999‬‬ ‫‪1.001‬‬
‫‪3‬‬ ‫)‪(Constant‬‬ ‫‪3.023‬‬ ‫‪.308‬‬ ‫‪9.817‬‬ ‫‪.000‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‬ ‫‪-.451-‬‬ ‫‪.043‬‬ ‫‪-.434-‬‬ ‫‪-10.574-‬‬ ‫‪.000‬‬ ‫‪.964‬‬ ‫‪1.038‬‬

‫ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‬ ‫‪.261‬‬ ‫‪.056‬‬ ‫‪.191‬‬ ‫‪4.620‬‬ ‫‪.000‬‬ ‫‪.948‬‬ ‫‪1.055‬‬
‫اﻟﺘﺤﻔﯿﺰ‬ ‫‪.223‬‬ ‫‪.055‬‬ ‫‪.169‬‬ ‫‪4.030‬‬ ‫‪.000‬‬ ‫‪.920‬‬ ‫‪1.087‬‬
‫‪4‬‬ ‫)‪(Constant‬‬ ‫‪2.610‬‬ ‫‪.333‬‬ ‫‪7.829‬‬ ‫‪.000‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‬ ‫‪-.436-‬‬ ‫‪.043‬‬ ‫‪-.419-‬‬ ‫‪-10.250-‬‬ ‫‪.000‬‬ ‫‪.951‬‬ ‫‪1.052‬‬

‫ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‬ ‫‪.206‬‬ ‫‪.059‬‬ ‫‪.151‬‬ ‫‪3.507‬‬ ‫‪.000‬‬ ‫‪.860‬‬ ‫‪1.162‬‬
‫اﻟﺘﺤﻔﯿﺰ‬ ‫‪.189‬‬ ‫‪.056‬‬ ‫‪.143‬‬ ‫‪3.381‬‬ ‫‪.001‬‬ ‫‪.884‬‬ ‫‪1.131‬‬
‫اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ‬ ‫‪.184‬‬ ‫‪.060‬‬ ‫‪.134‬‬ ‫‪3.071‬‬ ‫‪.002‬‬ ‫‪.832‬‬ ‫‪1.202‬‬
‫‪5‬‬ ‫)‪(Constant‬‬ ‫‪1.918‬‬ ‫‪.372‬‬ ‫‪5.158‬‬ ‫‪.000‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‬ ‫‪-.439-‬‬ ‫‪.042‬‬ ‫‪-.423-‬‬ ‫‪-10.505-‬‬ ‫‪.000‬‬ ‫‪.950‬‬ ‫‪1.052‬‬

‫ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‬ ‫‪.183‬‬ ‫‪.058‬‬ ‫‪.134‬‬ ‫‪3.143‬‬ ‫‪.002‬‬ ‫‪.851‬‬ ‫‪1.175‬‬
‫اﻟﺘﺤﻔﯿﺰ‬ ‫‪.201‬‬ ‫‪.055‬‬ ‫‪.152‬‬ ‫‪3.645‬‬ ‫‪.000‬‬ ‫‪.881‬‬ ‫‪1.135‬‬
‫اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ‬ ‫‪.244‬‬ ‫‪.061‬‬ ‫‪.178‬‬ ‫‪4.016‬‬ ‫‪.000‬‬ ‫‪.779‬‬ ‫‪1.283‬‬
‫رﺿﺎ اﻟﻤﻮظﻒ‬ ‫‪.177‬‬ ‫‪.045‬‬ ‫‪.162‬‬ ‫‪3.955‬‬ ‫‪.000‬‬ ‫‪.922‬‬ ‫‪1.084‬‬
‫‪6‬‬ ‫)‪(Constant‬‬ ‫‪2.224‬‬ ‫‪.388‬‬ ‫‪5.736‬‬ ‫‪.000‬‬

‫اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ‬ ‫‪-.414-‬‬ ‫‪.043‬‬ ‫‪-.398-‬‬ ‫‪-9.713-‬‬ ‫‪.000‬‬ ‫‪.902‬‬ ‫‪1.109‬‬

‫ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ‬ ‫‪.170‬‬ ‫‪.058‬‬ ‫‪.125‬‬ ‫‪2.939‬‬ ‫‪.003‬‬ ‫‪.846‬‬ ‫‪1.183‬‬
‫اﻟﺘﺤﻔﯿﺰ‬ ‫‪.177‬‬ ‫‪.055‬‬ ‫‪.134‬‬ ‫‪3.185‬‬ ‫‪.002‬‬ ‫‪.857‬‬ ‫‪1.167‬‬
‫اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ‬ ‫‪.244‬‬ ‫‪.060‬‬ ‫‪.178‬‬ ‫‪4.043‬‬ ‫‪.000‬‬ ‫‪.779‬‬ ‫‪1.283‬‬
‫رﺿﺎ اﻟﻤﻮظﻒ‬ ‫‪.187‬‬ ‫‪.045‬‬ ‫‪.170‬‬ ‫‪4.178‬‬ ‫‪.000‬‬ ‫‪.916‬‬ ‫‪1.091‬‬
‫اﻹﺷﺮاف‬ ‫‪-.107-‬‬ ‫‪.041‬‬ ‫‪-.108-‬‬ ‫‪-2.602-‬‬ ‫‪.010‬‬ ‫‪.884‬‬ ‫‪1.131‬‬
‫اﻟﻤﻮظﻒ وﻻء ‪a. Dependent Variable:‬‬

‫‪149‬‬
‫ﯾﺸﯿﺮ ﺟﺪول ‪ (6/6) ANOVA‬إﻟﻰ إﻣﻜﺎﻧﯿﺔ اﺳﺘﺨﺪام ﻧﻤﻮذج اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ﻟﺸﺮح ﺗﻐﯿﺮات اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ وﻻء اﻟﻤﻮظﻔﯿﻦ‬
‫ﺣﯿﺚ أن‪ F(6, 1.211)= 36.953‬و‪ .sig<0.001‬ﺗﺸﯿﺮ ﻗﯿﻢ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ اﻟ ُﻤ َﻌﺪّل ‪ Adj R2‬إﻟﻰ أن ﻧﻤﻮذج اﻻﻧﺤﺪار ﯾﺸﺮح‬
‫‪ %32.7‬ﻣﻦ ﺗﻐﯿﺮات اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ .‬وﻣﻦ ﺧﻼل اﻟﻨﺘﺎﺋﺞ اﻟﻈﺎھﺮة ﻓﻲ اﻟﺠﺪول ‪ coefficients‬وﺑﻌﺪ أن ﯾﻘﻮم اﻟﻄﺎﻟﺐ ﺑﺤﺴﺎب ﻗﯿﻤﺔ‬
‫ﻣﺘﻤﻢ ‪ Adj R2‬واﻟﺘﻲ= ‪0.673 = AdjR2-1‬‬

‫وﯾﻌﺘﻤﺪ ھﻨﺎ دﺧﻮل اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻓﻲ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار ﻋﻠﻰ ﻣﻌﯿﺎرﯾﻦ ھﻤﺎ‪:‬‬
‫‪ -‬ﻣﻌﻨﻮﯾﺔ ﺗﺄﺛﯿﺮه ﻣﻦ ﺧﻼل ﻗﯿﻤﺔ ‪ Sig‬اﻟﻤﻘﺎﺑﻠﺔ ﻟﮫ ﻓﻲ ﺟﺪول ‪Coefficient‬‬

‫‪ -‬ﻋﺪم ارﺗﺒﺎطﮫ اﻟﻤﺮﺗﻔﻊ ﻣﻊ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻷﺧﺮى ﺑﺸﻜﻞ أﻛﺒﺮ ﻣﻦ ارﺗﺒﺎطﮫ ﻣﻊ اﻟﺘﺎﺑﻊ وذﻟﻚ إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ‬
‫‪ Tolerance‬اﻟﻤﻘﺎﺑﻠﺔ ﻟﮫ ﻓﻲ ﺟﺪول ‪ Coefficients‬أﻛﺒﺮ ﻣﻦ ﻗﯿﻤﺔ ﻣﺘﻤﻢ ‪ Adj R2‬اﻟﺘﻲ ُﺣﺴﺒﺖ ﺗﻮا ُ أﻋﻼه‪.‬‬

‫ﺑﺎﻟﺘﺎﻟﻲ ﯾﻤﻜﻦ اﻟﺘﻌﻠﯿﻖ ﻛﺎﻵﺗﻲ‪:‬‬

‫‪ -‬أﺛﺮ اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ ﻣﻌﻨﻮي ﻷن ﻗﯿﻤﺔ ‪ Sig‬اﻟﻤﻘﺎﺑﻠﺔ أﺻﻐﺮ ﻣﻦ ‪ 0.05‬وارﺗﺒﺎطﮫ ﺑﺎﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ أﻛﺒﺮ ﻣﻦ ارﺗﺒﺎطﮫ‬
‫ﺑﺎﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻷﺧﺮى ﻓﻲ اﻟﻨﻤﻮذج ﻷن ﻗﯿﻤﺔ ‪ Tolerance‬اﻟﻤﻘﺎﺑﻠﺔ ﻟﮫ واﻟﺒﺎﻟﻐﺔ ‪ 0.951‬أﻛﺒﺮ ﻣﻦ ‪ .0.673‬ﺑﺎﻟﺘﺎﻟﻲ‬
‫ﯾﺪﺧﻞ ھﺬا اﻟﻤﺘﻐﯿﺮ ﻓﻲ اﻟﻨﻤﻮذج اﻟﻨﮭﺎﺋﻲ ﻟﺘﺤﻘﯿﻘﮫ اﻟﺸﺮطﯿﻦ اﻟﺴﺎﺑﻘﯿﻦ‪.‬‬
‫‪ -‬أﺛﺮ ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ ﻣﻌﻨﻮي ﻷن ﻗﯿﻤﺔ ‪ Sig‬اﻟﻤﻘﺎﺑﻠﺔ أﺻﻐﺮ ﻣﻦ ‪ 0.05‬وارﺗﺒﺎطﮫ ﺑﺎﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ أﻛﺒﺮ ﻣﻦ ارﺗﺒﺎطﮫ‬
‫ﺑﺎﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻷﺧﺮى ﻓﻲ اﻟﻨﻤﻮذج ﻷن ﻗﯿﻤﺔ ‪ Tolerance‬اﻟﻤﻘﺎﺑﻠﺔ ﻟﮫ واﻟﺒﺎﻟﻐﺔ ‪ 0.846‬أﻛﺒﺮ ﻣﻦ ‪ .0.673‬ﺑﺎﻟﺘﺎﻟﻲ‬
‫ﯾﺪﺧﻞ ھﺬا اﻟﻤﺘﻐﯿﺮ ﻓﻲ اﻟﻨﻤﻮذج اﻟﻨﮭﺎﺋﻲ ﻟﺘﺤﻘﯿﻘﮫ اﻟﺸﺮطﯿﻦ اﻟﺴﺎﺑﻘﯿﻦ‪.‬‬
‫‪ -‬أﺛﺮ اﻟﺘﺤﻔﯿﺰ ﻣﻌﻨﻮي ﻷن ﻗﯿﻤﺔ ‪ Sig‬اﻟﻤﻘﺎﺑﻠﺔ أﺻﻐﺮ ﻣﻦ ‪ 0.05‬وارﺗﺒﺎطﮫ ﺑﺎﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ أﻛﺒﺮ ﻣﻦ ارﺗﺒﺎطﮫ ﺑﺎﻟﻤﺘﻐﯿﺮات‬
‫اﻟﻤﺴﺘﻘﻠﺔ اﻷﺧﺮى ﻓﻲ اﻟﻨﻤﻮذج ﻷن ﻗﯿﻤﺔ ‪ Tolerance‬اﻟﻤﻘﺎﺑﻠﺔ ﻟﮫ واﻟﺒﺎﻟﻐﺔ ‪ 0.857‬أﻛﺒﺮ ﻣﻦ ‪ .0.673‬ﺑﺎﻟﺘﺎﻟﻲ ﯾﺪﺧﻞ ھﺬا‬
‫اﻟﻤﺘﻐﯿﺮ ﻓﻲ اﻟﻨﻤﻮذج اﻟﻨﮭﺎﺋﻲ ﻟﺘﺤﻘﯿﻘﮫ اﻟﺸﺮطﯿﻦ اﻟﺴﺎﺑﻘﯿﻦ‪.‬‬
‫‪ -‬أﺛﺮ اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ ﻣﻌﻨﻮي ﻷن ﻗﯿﻤﺔ ‪ Sig‬اﻟﻤﻘﺎﺑﻠﺔ أﺻﻐﺮ ﻣﻦ ‪ 0.05‬وارﺗﺒﺎطﮫ ﺑﺎﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ أﻛﺒﺮ ﻣﻦ ارﺗﺒﺎطﮫ‬
‫ﺑﺎﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻷﺧﺮى ﻓﻲ اﻟﻨﻤﻮذج ﻷن ﻗﯿﻤﺔ ‪ Tolerance‬اﻟﻤﻘﺎﺑﻠﺔ ﻟﮫ واﻟﺒﺎﻟﻐﺔ ‪ 0.779‬أﻛﺒﺮ ﻣﻦ ‪ .0.673‬ﺑﺎﻟﺘﺎﻟﻲ‬
‫ﯾﺪﺧﻞ ھﺬا اﻟﻤﺘﻐﯿﺮ ﻓﻲ اﻟﻨﻤﻮذج اﻟﻨﮭﺎﺋﻲ ﻟﺘﺤﻘﯿﻘﮫ اﻟﺸﺮطﯿﻦ اﻟﺴﺎﺑﻘﯿﻦ‪.‬‬

‫‪150‬‬
‫‪ -‬أﺛﺮ رﺿﺎ اﻟﻤﻮظﻔﯿﻦ ﻣﻌﻨﻮي ﻷن ﻗﯿﻤﺔ ‪ Sig‬اﻟﻤﻘﺎﺑﻠﺔ أﺻﻐﺮ ﻣﻦ ‪ 0.05‬وارﺗﺒﺎطﮫ ﺑﺎﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ أﻛﺒﺮ ﻣﻦ ارﺗﺒﺎطﮫ‬
‫ﺑﺎﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻷﺧﺮى ﻓﻲ اﻟﻨﻤﻮذج ﻷن ﻗﯿﻤﺔ ‪ Tolerance‬اﻟﻤﻘﺎﺑﻠﺔ ﻟﮫ واﻟﺒﺎﻟﻐﺔ ‪ 0.916‬أﻛﺒﺮ ﻣﻦ ‪ .0.673‬ﺑﺎﻟﺘﺎﻟﻲ‬
‫ﯾﺪﺧﻞ ھﺬا اﻟﻤﺘﻐﯿﺮ ﻓﻲ اﻟﻨﻤﻮذج اﻟﻨﮭﺎﺋﻲ ﻟﺘﺤﻘﯿﻘﮫ اﻟﺸﺮطﯿﻦ اﻟﺴﺎﺑﻘﯿﻦ‪.‬‬
‫‪ -‬أﺛﺮ اﻹﺷﺮاف ﻣﻌﻨﻮي ﻷن ﻗﯿﻤﺔ ‪ Sig‬اﻟﻤﻘﺎﺑﻠﺔ أﺻﻐﺮ ﻣﻦ ‪ 0.05‬وارﺗﺒﺎطﮫ ﺑﺎﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ أﻛﺒﺮ ﻣﻦ ارﺗﺒﺎطﮫ ﺑﺎﻟﻤﺘﻐﯿﺮات‬
‫اﻟﻤﺴﺘﻘﻠﺔ اﻷﺧﺮى ﻓﻲ اﻟﻨﻤﻮذج ﻷن ﻗﯿﻤﺔ ‪ Tolerance‬اﻟﻤﻘﺎﺑﻠﺔ ﻟﮫ واﻟﺒﺎﻟﻐﺔ ‪ 0.884‬أﻛﺒﺮ ﻣﻦ ‪ .0.673‬ﺑﺎﻟﺘﺎﻟﻲ ﯾﺪﺧﻞ ھﺬا‬
‫اﻟﻤﺘﻐﯿﺮ ﻓﻲ اﻟﻨﻤﻮذج اﻟﻨﮭﺎﺋﻲ ﻟﺘﺤﻘﯿﻘﮫ اﻟﺸﺮطﯿﻦ اﻟﺴﺎﺑﻘﯿﻦ‪.‬‬

‫ﺑﺎﻟﺘﺎﻟﻲ ﺗﻜﻮن ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد اﻟﻨﮭﺎﺋﯿﺔ‪:‬‬

‫وﻻء اﻟﻤﻮظﻔﯿﻦ = ‪*0.414-‬اﻟﻌﺪاﻟﺔ اﻟﺘﻨﻈﯿﻤﯿﺔ ‪*0.170+‬ﺗﺪرﯾﺐ اﻟﻤﻮظﻔﯿﻦ ‪*0.177 +‬اﻟﺘﺤﻔﯿﺰ ‪*0.244+‬اﻟﺼﻮرة اﻟﺬھﻨﯿﺔ ‪*0.187 +‬رﺿﺎ‬
‫اﻟﻤﻮظﻔﯿﻦ ‪*0.107-‬اﻹﺷﺮاف‪.‬‬

‫وﺑﺘﻌﻮﯾﺾ ﻗﯿﻢ ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﻮاردة ﻓﻲ اﻟﻤﻌﺎدﻟﺔ أﻋﻼه‪ ،‬ﯾﻤﻜﻦ ﻟﺸﺮﻛﺔ‬

‫اﻟﻔﺮق ﺑﯿﻦ ُﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ‪ R2‬و ُﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ اﻟ ُﻤﻌَﺪّل‪:Adj R2‬‬

‫‪ -‬ﺗﻔﺘﺮض ﻗﯿﻤﺔ ‪ R2‬أن ﻛﻞ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ ﻓﻲ اﻟﻨﻤﻮذج ﯾﺴﺎﻋﺪ ﻋﻠﻰ ﺗﻔﺴﯿﺮ اﻻﺧﺘﻼف ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ .‬ﻟﺬﻟﻚ ﺗﺤﺪد ﻗﯿﻤﺔ‬
‫‪ R2‬ﻧﺴﺒﺔ اﻟﺘﺒﺎﯾﻦ اﻟ ُﻤﻔﺴﺮ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﺴﺒﺐ ﻛﻞ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﺪاﺧﻠﺔ ﻓﻲ اﻟﻨﻤﻮذج‪ ،‬ﺑﺎﻟﺘﺎﻟﻲ ﻻ ﯾﻮﺟﺪ ﻓﺮق‬
‫ﺑﯿﻦ ‪ R2‬و‪ Adj R2‬ﻓﻲ ﺣﺎل اﻻﻧﺤﺪار اﻟﺒﺴﯿﻂ )ﻻﺣﻆ اﻟﺠﺪول رﻗﻢ )‪ (4/17‬ﺣﯿﺚ اﻟﻔﺮق ﻻ ﯾﻜﺎد ﯾُﺬﻛﺮ ﺑﯿﻦ ﻗﯿﻤﺔ ‪ R2‬وﻗﯿﻤﺔ‬
‫‪(Adj R2‬‬
‫‪ -‬ﺑﯿﻨﻤﺎ ﺗﺤﺪد ﻗﯿﻤﺔ ‪ Adj R2‬ﻧﺴﺒﺔ اﻟﺘﺒﺎﯾﻦ اﻟﻤﻔﺴﺮ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﺴﺒﺐ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﺘﻲ ﺗﺆﺛﺮ ﻓﯿﮫ ﻓﻌﻼً وﻟﯿﺲ‬
‫ﻛﻞ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﺪاﺧﻠﺔ ﻓﻲ اﻟﻨﻤﻮذج‪ ،‬ﻟﺬﻟﻚ ﺗﺴﺘﺨﺪم ھﺬه اﻟﻘﯿﻤﺔ ﻓﻲ ﺣﺎﻟﺔ اﻻﻧﺤﺪار اﻟﻤﺘﻌﺪد وﺗﻜﻮن أﻗﻞ ﻗﯿﻤﺔ ﻣﻦ‬
‫‪ ،R2‬ﻣﻦ ﻧﺎﺣﯿﺔ ﺛﺎﻧﯿﺔ ﺗﺄﺧﺬ ﻗﯿﻤﺔ ‪ Adj R2‬ﺑﺎﻟﺤﺴﺒﺎن ﻋﺪد اﻟﻤﺘﻐﯿﺮات ﻓﻲ اﻟﻨﻤﻮذج وﻋﺪد اﻟﺤﺎﻻت )‪ ،(Cases‬ﻟﺬﻟﻚ ﺗﻤﯿﻞ ﻗﯿﻤﺔ‬
‫‪ Adj R2‬ﻷن ﺗﻜﻮن أﺻﻐﺮ ﻣﻦ ﻗﯿﻤﺔ ‪ R2‬ﻛﻤﺎ ﯾﻮﺿﺢ ‪ Model Summry‬ﻓﻲ اﻟﺠﺪول )‪.(5/6‬‬

‫‪151‬‬
‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ‪ :‬ﯾﻌﺪ ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار أﺣﺪ اﻷﺳﺎﻟﯿﺐ اﻹﺣﺼﺎﺋﯿﺔ اﻟﻤﮭﻤﺔ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻋﻠﻰ ﻧﻄﺎق واﺳﻊ ﻟﺘﺤﺪﯾﺪ ﺗﺄﺛﯿﺮات اﻟﻤﺘﻐﯿﺮات‬
‫اﻟﻤﺴﺘﻘﻠﺔ ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ .‬ﻛﻤﺎ ﯾُﺴﺘﺨﺪم اﻻﻧﺤﺪار ﻟﻠﺘﻨﺒﺆ ﺑﻘﯿﻤﺔ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﺪﻻﻟﺔ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﺑﻌﺪ إﯾﺠﺎد ﻣﻌﺎدﻟﺔ‬
‫اﻻﻧﺤﺪار‪ .‬ﯾﻔﯿﺪ ﺗﺤﻠﯿﻞ اﻻرﺗﺒﺎط اﻟﺨﻄﻲ ﻓﻲ ﻗﯿﺎس ﻗﻮة اﻟﻌﻼﻗﺔ اﻟﺨﻄﯿﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ ﻏﯿﺮ أﻧﮫ ﻻ ﯾﻘﺪم ﻣﻌﺎدﻟﺔ ھﺬه اﻟﻌﻼﻗﺔ‪ ،‬إذا أراد‬
‫اﻟﺒﺎﺣﺚ ﻣﻌﺮﻓﺔ أﺛﺮ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﻋﻠﯿﮫ اﻟﻠﺠﻮء إﻟﻰ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‪ .‬ﯾُﻤ ّﻜﻦ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‬
‫ﻣﻦ إﯾﺠﺎد ﻣﻌﺎدﻟﺔ اﻟﻤﺴﺘﻘﯿﻢ اﻷﻛﺜﺮ ﺗﻤﺜﯿﻼً ﻟﻠﻌﻼﻗﺔ اﻟﺴﺒﺒﯿﺔ ﺑﯿﻦ ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮﯾﻦ )اﻟﻤﺴﺘﻘﻞ واﻟﺘﺎﺑﻊ(‪ .‬وﯾﻌﺘﺒﺮ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد‬
‫اﻣﺘﺪادا ً ﻟﻼﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ ﻏﯿﺮ أﻧﮫ ﯾﺄﺧﺬ ﻓﻲ اﻟﺤﺴﺒﺎن أﻛﺜﺮ ﻣﻦ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ‪ .‬وﯾﺴﺘﺨﺪم اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ﻟﻠﺘﻨﺒﺆ‬
‫ﺑﻘﯿﻤﺔ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﺪﻻﻟﺔ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ‪ ،‬وﯾﻤﻜﻦ أن ﺗﻜﻮن ﺑﯿﺎﻧﺎت اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﺪاﺧﻠﺔ ﻓﻲ اﻟﻨﻤﻮذج‬
‫ﻣﺘﺪرﺟﺔ أو ﻧﺴﺐ أو ﺗﺮﺗﯿﺐ أو أﺳﻤﯿﺔ )أﺳﻤﯿﺔ ذات ﻓﺌﺘﯿﻦ ﻓﻘﻂ(‪ ،‬ﻛﻤﺎ ﯾﺘﻄﻠﺐ اﻻﻧﺤﺪار اﻟﻤﺘﻌﺪد ﻋﺪدا ً ﻛﺒﯿﺮا ً ﻣﻦ اﻟﺤﺎﻻت‪ ،‬ﺗﺘﺮاوح‬
‫اﻟﻨﺴﺐ اﻟﻤﻘﺒﻮﻟﺔ ﺑﯿﻦ ‪ 10‬إﻟﻰ ‪ 40‬ﺣﺎﻟﺔ ﻟﻜﻞ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ‪.‬‬

‫‪152‬‬
 ‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ‬
1. Coakes, S. J. (2005) SPSS for Windows: Analysis without Anguish, Australia: John Wiley.

2. Denis, D. J. (2019) SPSS Data Analysis for Univariate, Bivariate, and Multivariate Statistics. Wiley.

3. Field, A. (2018) Discovering Statistics Using IBM SPSS Statistics. 5th Edition. Sage.

4. Hair, J.F. JR., Bush, R.P., and Ortinau, D. J. (2003) Marketing Research Within a Changing Information
Environment, 2nd Edition, USA: McGraw-Hill/Irwin.

5. Hinton, P. R., McMurray, I., Brownlow, C. (2014) SPSS Explained. 2nd Edition. Routledge.

6. Ho, R. (2018) Understanding Statistics for the Social Sciences with IBM SPSS. CRC Press.

7. Landau, S. and Everitt, B. S. (2004) A Handbook of Statistical Analysis Using SPSS, USA: Chapman &
Hall/CRC Press.

8. Leech, N.L., Barrett, K. C. and Morgan, G. A. (2005) SPSS for Intermediate Statistics: Use and
Interpretation, 2nd Edition, USA: Laerence Erlbaum Associates, Inc.

9. Malhotra, N. K. and Briks, D. F. (2007) Marketing Research: An Applied Approach, 3rd European
Edition, Italy: Pearson Education Limited.

10. Pallant, J. (2007)SPSS Survival Manual: A Step by Step Guide to Data Analysis Using SPSS for Windows,
3rd Edition, USA: McGraw Hill.
‫ اﻟﺘﺨﻄﯿﻂ ﻟﻠﺒﺤﺚ وﺟﻤﻊ اﻟﺒﯿﺎﻧﺎت ﯾﺪوﯾﺎ ً وﺑﺎﺳﺘﺨﺪام‬:‫ أﺳﺎﻟﯿﺐ اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ واﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ‬،(2007) ‫ ﻋﺒﺪ اﻟﺤﻤﯿﺪ ﻋﺒﺪ اﻟﻤﺠﯿﺪ‬،‫ اﻟﺒﻠﺪاوي‬.11
.‫ دار اﻟﺸﺮوق‬:‫ ﻋﻤﺎن‬،‫ اﻟﻄﺒﻌﺔ اﻟﺜﺎﻟﺜﺔ‬،SPSS
‫ دﻟﯿﻞ ﻧﻈﺮي وﺗﻄﺒﯿﻘﻲ وﻋﻤﻠﻲ ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ‬:‫( ﺑﺤﻮث اﻟﺘﺴﻮﯾﻖ‬2017) .‫ ﻧﺮﯾﻤﺎن‬،‫ ﻋﻤﺎر‬،.‫ ﺣﯿﺎن‬،‫ دﯾﺐ‬،.‫ ﻣﺤﻤﺪ‬،‫ اﻟﺨﻀﺮ‬.12
.(HIBA) ‫ اﻟﻤﻌﮭﺪ اﻟﻌﺎﻟﻲ ﻹدارة اﻷﻋﻤﺎل‬:‫ دﻣﺸﻖ‬.SPSS

153
 ‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺴﺎدس‪:‬‬
‫‪ (1‬أﺳﺌﻠﺔ ﺻﺢ ‪ /‬ﺧﻄﺄ ‪True/False‬‬

‫ﺧﻄﺄ‬ ‫ﺻﺢ‬ ‫اﻟﺴﺆال‬

‫‪‬‬ ‫ھﻨﺎﻟﻚ ﻓﺮق ﺑﯿﻦ ﻣﺒﺮرات اﺳﺘﺨﺪام اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ واﻟﻤﺘﻌﺪد‬ ‫‪1‬‬

‫‪‬‬ ‫ﻻ ﯾﻮﺟﺪ ﻓﺮق ﺑﯿﻦ أھﺪاف اﻻرﺗﺒﺎط واﻻﻧﺤﺪار‬ ‫‪2‬‬

‫‪‬‬ ‫ﻻ ﯾﻤﯿﺰ ﺗﺤﻠﯿﻞ اﻻرﺗﺒﺎط ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ واﻟﺘﺎﺑﻊ‬ ‫‪3‬‬

‫‪‬‬ ‫ﯾﺴﺘﺨﺪم اﻟﺒﺎﺣﺚ طﺮﯾﻘﺔ ‪ Stepwise‬ﻓﻲ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‬ ‫‪4‬‬

‫‪‬‬ ‫ﻻ ﯾﻮﺟﺪ ﻓﺮق ﺑﯿﻦ ‪ R2‬و‪ Adj R2‬ﻓﻲ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‬ ‫‪5‬‬

‫‪‬‬ ‫ﺗﺪل ﻗﯿﻤﺔ ‪ R2‬ﻋﻠﻰ ﻣﻘﺪار ﻣﺎ ﯾﻔﺴﺮه اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻣﻦ ﺗﺒﺎﯾﻦ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‬ ‫‪6‬‬

‫أﺳﺌﻠﺔ ﻣﺘﻌﺪدة اﻟﺨﯿﺎرات‪:‬‬

‫‪ .1‬ﺑﻠﻐﺖ ﻗﯿﻤﺔ ‪ %81 R2‬وھﻲ ﺗﺸﯿﺮ إﻟﻰ‪:‬‬
‫‪ .A‬أن اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﯾﻔﺴﺮ ‪ %81‬ﻣﻦ اﻟﺘﻐﯿﺮات اﻟﺤﺎﺻﻠﺔ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‬
‫‪ .B‬أن اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﯾﻔﺴﺮ ‪ %81‬ﻣﻦ اﻟﺘﻐﯿﺮات اﻟﺤﺎﺻﻠﺔ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‬
‫‪ .C‬أن ﻛﻞ ﻣﻦ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ واﻟﺘﺎﺑﻊ ﯾﻔﺴﺮ ‪ %81‬ﻣﻦ اﻟﺘﻐﯿﺮات اﻟﺤﺎﺻﻠﺔ ﻓﻲ اﻵﺧﺮ‪.‬‬
‫‪ .D‬واﻻ إﺟﺎﺑﺔ ﻣﻤﺎ ﺳﺒﻖ‬
‫‪ .2‬ﺑﻠﻐﺖ ﻗﯿﻤﺔ ‪ Sig‬اﻟﻤﻘﺎﺑﻠﺔ ﻟﻠﻤﺘﻐﯿﺮ ‪ A‬ﻗﻲ ﺟﺪول ‪ 0.000 Coefficients‬وﻗﯿﻤﺔ ‪ ،0.61 Tolerance‬ﺑﺎﻟﺘﺎﻟﻲ‪...‬‬
‫‪ .A‬ﺳﯿﺪﺧﻞ اﻟﻤﺘﻐﯿﺮ ‪ A‬ﻓﻲ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﻟﻤﺘﻌﺪد‬
‫‪ .B‬ﻟﻦ ﯾﺪﺧﻞ اﻟﻤﺘﻐﯿﺮ ‪ A‬ﻓﻲ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﻟﻤﺘﻌﺪد‪.‬‬
‫‪ .C‬اﻟﻤﻌﻠﻮﻣﺎت ﻏﯿﺮ ﻛﺎﻓﯿﺔ ﻻﺗﺨﺎذ ﻗﺮار ﺑﮭﺬا اﻟﺸﺄن‬
‫‪ .D‬وﻻ إﺟﺎﺑﺔ ﻣﻤﺎ ﺳﺒﻖ‬
‫‪ .3‬ﻓﻲ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار‪ ،Y= 0.12-2X :‬ﯾﻤﻜﻦ ﺗﻔﺴﯿﺮ ﻗﯿﻤﺔ ﻣﻌﺎﻣﻞ ﻣﯿﻞ اﻻﻧﺤﺪار ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‬
‫‪ .A‬ﻛﻞ زﯾﺎدة ﻣﻘﺪارھﺎ ‪ 1‬وﺣﺪة ﻓﻲ ‪ X‬ﺗﺆدي إﻟﻰ زﯾﺎدة ﻣﻘﺪارھﺎ ‪ 2‬وﺣﺪة ﻓﻲ ‪Y‬‬
‫‪ .B‬ﻛﻞ زﯾﺎدة ﻣﻘﺪارھﺎ ‪ 1‬وﺣﺪة ﻓﻲ ‪ X‬ﺗﺆدي إﻟﻰ اﻧﺨﻔﺎض ﻣﻘﺪاره ‪ 2‬وﺣﺪة ﻓﻲ ‪.Y‬‬
‫‪ .C‬ﻛﻞ اﻧﺨﻔﺎض ﻣﻘﺪاره ‪ 1‬وﺣﺪة ﻓﻲ ‪ Y‬ﺗﺆدي إﻟﻰ زﯾﺎدة ﻣﻘﺪارھﺎ ‪ 2‬وﺣﺪة ﻓﻲ ‪X‬‬
‫‪ .D‬ﻛﻞ زﯾﺎدة ﻣﻘﺪارھﺎ ‪ 1‬وﺣﺪة ﻓﻲ ‪ Y‬ﺗﺆدي إﻟﻰ زﯾﺎدة ﻣﻘﺪارھﺎ ‪ 2‬وﺣﺪة ﻓﻲ ‪X‬‬

‫‪154‬‬
 ‫‪ .4‬ﺗﺪل إﺷﺎرة‪ ..........‬ﻋﻠﻰ اﺗﺠﺎه اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ‬
‫‪ .A‬ﺑﯿﺘﺎ‬
‫‪ .B‬ﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار ‪b‬‬
‫‪ .C‬ﻛﻞ ﻣﻦ ‪ β‬وﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار‬
‫‪ .D‬وﻻ إﺟﺎﺑﺔ ﻣﻤﺎ ﺳﺒﻖ‬

‫‪ (3‬أﺳﺌﻠﺔ \ ﻗﻀﺎﯾﺎ ﻟﻠﻤﻨﺎﻗﺸﺔ‬

‫ﻣﻘﺎرﻧﺔ ﺑﯿﻦ اﻻرﺗﺒﺎط واﻻﻧﺤﺪار‪.‬‬

‫ﻗﺎرن ﺑﯿﻦ اﻻرﺗﺒﺎط واﻻﻧﺤﺪار ﻣﺒﯿﻨﺎ ً أوﺟﮫ اﻟﺸﺒﮫ واﻻﺧﺘﻼف‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[6-1‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 20 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.20 :100‬‬

‫ﻋﺪد ﺷﺮوط ﺗﻨﻔﯿﺬ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد‪.‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[6-3‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 10 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.20 :100‬‬

‫‪155‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎﺑﻊ‪ :‬اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ‬
‫)‪(Nonparametric Tests‬‬
‫اﻟﻜﻠﻤﺎت اﻟﻤﻔﺘﺎﺣﯿﺔ‪:‬‬

‫اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ )‪ ،(Parametric test‬اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ )‪ ،(Non-parametric test‬اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ )‪،(Normal Distribution‬‬
‫اﻟﺘﺮﺗﯿﺐ )‪ ،(rank‬اﻟﻮﺳﯿﻂ )‪.(Median‬‬

‫ﻣﻠﺨﺺ اﻟﻔﺼﻞ‪:‬‬

‫ﺗﺴﺘﺨﺪم اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ ﻋﺎدة ﺑﺴﺒﺐ ﻋﺪم ﺗﻮاﻓﺮ اﻟﺸﺮوط اﻟﺨﺎﺻﺔ ﺑﺎﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ ﻛﺸﺮط اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻣﺜﻼً؛ ﻻ ﺗﻌﺘﻤﺪ اﻻﺧﺘﺒﺎرات‬
‫اﻟﻼﻣﻌﻠﻤﯿﺔ ﻋﻠﻰ ﻣﻌﺎﻟﻢ اﻟﻤﺠﺘﻤﻊ ﻛﺎﻟﻤﺘﻮﺳﻂ ‪ Mean‬أو اﻟﺘﺒﺎﯾﻦ ‪ ،Variance‬ﻛﻤﺎ أﻧﮭﺎ ﻻ ﺗﻔﺘﺮض ﺗﻮزﯾﻌﺎ ً ﻣﺎ ﻟﻠﺒﯿﺎﻧﺎت وﻟﮭﺬا ﺗﻌﺮف أﯾﻀﺎ ً ﺑﺎﺧﺘﺒﺎرات‬
‫اﻟﺘﻮزﯾﻊ اﻟﺤﺮ ‪ ،Distribution- Free Test‬ﻣﻊ اﻹﺷﺎرة إﻟﻰ أﻧﮫ ﯾﺠﺐ ﺗﻮاﻓﺮ ﺷﺮوط ﻟﺘﻄﺒﯿﻘﮭﺎ إﻻ أﻧﮭﺎ أﺳﮭﻞ ﺑﻜﺜﯿﺮ ﻣﻦ ﺷﺮوط اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ‪،‬‬
‫وﯾﻔﻀﻞ ﻋﺎدة اﺳﺘﺨﺪام اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ ﻓﻲ ﺣﺎل ﺗﻮﻓﺮ اﻟﺸﺮوط اﻟﺨﺎﺻﺔ ﺑﮭﺎ ﻛﻮﻧﮭﺎ أﻛﺜﺮ دﻗﺔ ﻣﻦ اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ‪ .‬ﺳﯿﺘﻨﺎول ھﺬا اﻟﻔﺼﻞ‬
‫اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ اﻟﺘﺎﻟﯿﺔ‪ :‬اﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ )‪ ،Chi-square(χ2‬اﺧﺘﺒﺎر ‪ ،Mann-Whitney U‬اﺧﺘﺒﺎر‪ ، Kruskal-Wallis‬اﺧﺘﺒﺎر‬
‫‪ ،Wilcoxon‬واﺧﺘﺒﺎر ‪Friedman‬‬

‫اﻟﻤﺨﺮﺟﺎت واﻷھﺪاف اﻟﺘﻌﻠﯿﻤﯿﺔ‪:‬‬

‫‪ -‬ﯾﺴﺘﻮﻋﺐ اﻟﻄﺎﻟﺐ اﻟﻔﺮق ﺑﯿﻦ اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ واﻟﻼﻣﻌﻠﻤﯿﺔ‪.‬‬
‫‪ -‬ﯾﺪرك اﻟﻄﺎﻟﺐ ﺷﺮوط ﻛﻞ ﻣﻦ اﻟﺘﺤﺎﻟﯿﻞ اﻟﻼﻣﻌﻠﻤﯿﺔ‪.‬‬
‫‪ -‬ﯾﻨﻔﺬ اﻟﻄﺎﻟﺐ ﺑﻨﻔﺴﮫ ﻛﻞ ﻣﻦ اﻟﺘﺤﺎﻟﯿﻞ اﻟﻼﻣﻌﻠﻤﯿﺔ‬
‫‪ -‬ﯾﻘﺎرن اﻟﻄﺎﻟﺐ ﺑﯿﻦ ﺣﺎﻻت اﺳﺘﺨﺪام ﻛﻞ ﻣﻦ اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ‪.‬‬
‫‪ -‬ﯾﺸﺮح اﻟﻄﺎﻟﺐ اﻟﺘﺤﻠﯿﻞ اﻟﻤﻌﻠﻤﻲ اﻟﻤﻘﺎﺑﻞ ﻟﻜﻞ ﻣﻦ اﻟﺘﺤﺎﻟﯿﻞ اﻟﻼﻣﻌﻠﻤﯿﺔ‪.‬‬

‫‪156‬‬
 ‫‪ 1-7‬اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ )‪:(Non-parametric tests‬‬
‫إن ﻣﻌﻈﻢ اﻻﺧﺘﺒﺎرات اﻟﺘﻲ ﯾﻐﻄﯿﮭﺎ ھﺬا اﻟﻜﺘﺎب )ﻋﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل‪ ،‬اﺧﺘﺒﺎرات ‪ t‬وﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ( ھﻲ اﺧﺘﺒﺎرات ﺑﺎراﻣﺘﺮﯾﺔ‬
‫)ﻣﻌﻠﻤﯿﺔ( ﻣﻦ ﺣﯿﺚ أﻧﮭﺎ ﺗﻌﺘﻤﺪ إﻟﻰ ﺣﺪ ﻛﺒﯿﺮ ﻋﻠﻰ ﺧﺼﺎﺋﺺ اﻟﻤﺠﺘﻤﻌﺎت اﻹﺣﺼﺎﺋﯿﺔ‪ .‬ﯾﺴﺘﺨﺪم اﺧﺘﺒﺎر ‪ t‬ﻋﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل اﻟﻤﺘﻮﺳﻂ‬
‫ﻀﺎ أن اﻟﻘﯿﻢ اﻟﺘﻲ ﯾﺘﻢ ﺗﺤﻠﯿﻠﮭﺎ ﺗﺄﺗﻲ ﻣﻦ‬
‫واﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري ﻟﻠﻌﯿﻨﺔ ﻟﺘﻘﺪﯾﺮ ﻗﯿﻢ ﻣﻌﻠﻤﺎت اﻟﻤﺠﺘﻤﻊ‪ .‬ﺗﻔﺘﺮض اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ أﯾ ً‬
‫ﻣﺠﺘﻤﻌﺎت ﻣﻮزﻋﺔ طﺒﯿﻌﯿﺎ ً وﻟﮭﺎ ﺗﺒﺎﯾﻨﺎت ﻣﺘﺴﺎوﯾﺔ‪ .‬وﻟﻜﻦ ﻣﻦ اﻟﻨﺎﺣﯿﺔ اﻟﻌﻤﻠﯿﺔ‪ ،‬ﻗﺪ ﺗﻨﺘﮭﻚ اﻟﺒﯿﺎﻧﺎت اﻟﺘﻲ ﺗﻢ ﺟﻤﻌﮭﺎ أﺣﺪ ھﺬﯾﻦ‬
‫ﻧﻈﺮا ﻟﻼﻋﺘﻘﺎد ﺑﺄن اﺧﺘﺒﺎرات اﻻﺳﺘﺪﻻل اﻟﻤﻌﻠﻤﯿﺔ ﻗﻮﯾﺔ ﻓﯿﻤﺎ ﯾﺘﻌﻠﻖ ﺑﺎﻧﺘﮭﺎﻛﺎت اﻻﻓﺘﺮاﺿﺎت‬
‫اﻻﻓﺘﺮاﺿﯿﻦ أو ﻛﻠﯿﮭﻤﺎ‪ .‬وﻣﻊ ذﻟﻚ‪ً ،‬‬
‫اﻷﺳﺎﺳﯿﺔ‪ ،‬ﻓﻘﺪ ﯾﺴﺘﺨﺪم اﻟﺒﺎﺣﺜﻮن ھﺬه اﻻﺧﺘﺒﺎرات رﻏﻢ ﻋﺪم اﺳﺘﯿﻔﺎء اﻻﻓﺘﺮاﺿﺎت اﻟﺴﺎﺑﻘﺔ‪.‬‬

‫ﻋﻨﺪﻣﺎ ﺗﻨﺘﮭﻚ اﻟﺒﯿﺎﻧﺎت اﻟﺘﻲ ﺗﻢ ﺟﻤﻌﮭﺎ ﺑﺸﻜﻞ ﺻﺎرخ ھﺬه اﻻﻓﺘﺮاﺿﺎت )اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻟﻠﻤﺘﻐﯿﺮات‪ ،‬اﻟﺒﯿﺎﻧﺎت ﺗﺮﺗﯿﺒﯿﺔ أو أﺳﻤﯿﺔ(‪،‬‬
‫ﯾﺠﺐ ﻋﻠﻰ اﻟﺒﺎﺣﺚ اﺧﺘﯿﺎر اﺧﺘﺒﺎر ﻏﯿﺮ ﻣﻌﻠﻤﻲ ﻣﻨﺎﺳﺐ‪ .‬ﻟﻼﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ ﻣﺘﻄﻠﺒﺎت أﻗﻞ ﺣﻮل ﺧﺼﺎﺋﺺ اﻟﻤﺠﺘﻤﻊ اﻹﺣﺼﺎﺋﻲ‪.‬‬
‫ﻋﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل ﻟﯿﺲ ﻣﻦ اﻟﻀﺮوري ﻣﻌﺮﻓﺔ اﻟﻤﺘﻮﺳﻂ أو اﻻﻧﺤﺮاف اﻟﻤﻌﯿﺎري أو ﺷﻜﻞ درﺟﺎت اﻟﺴﻜﺎن ﻻﺳﺘﺨﺪام ھﺬه‬
‫اﻻﺧﺘﺒﺎرات‪.‬‬

‫‪ 2-7‬اﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ ﻟﻼﺳﺘﻘﻼل ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ )‪:(χ2‬‬

‫اﻻﺳﺘﺨﺪام اﻷﺳﺎﺳﻲ ﻻﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ اﻻﺳﺘﻘﻼل ھﻮ ﺗﺤﺪﯾﺪ ﻣﺎ إذا ﻛﺎن ﻣﺘﻐﯿﺮﯾﻦ ﻓﺌﻮﯾﯿﻦ ﻣﺴﺘﻘﻠﯿﻦ أو ﻣﺘﺼﻠﯿﻦ‪ .‬ﺗﺮﺟﻊ اﻟﻨﺸﺄة‬
‫اﻷوﻟﻰ ﻻﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ ‪) χ2‬ﺗﻠﻔﻆ ‪ (Chi-Square‬إﻟﻰ اﻟﺒﺤﺚ اﻟﺬي ﻧﺸﺮه ‪ Karl Pearson‬ﻓﻲ أواﺋﻞ اﻟﻘﺮن اﻟﻌﺸﺮﯾﻦ‪ .‬وﯾﺴﺘﺨﺪم‬
‫ﺗﻮزﯾﻊ ‪ χ2‬ﻻﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت اﻟﻤﺘﻌﻠﻘﺔ ﺑﺎﻟﺒﯿﺎﻧﺎت اﻟﺘﻲ ﺗﻜﻮن ﻋﻠﻰ ﺷﻜﻞ ﺗﻮزﯾﻌﺎت ﺗﻜﺮارﯾﺔ‪ ،‬وﺗﻌﺘﻤﺪ ﺟﻤﯿﻊ أﺷﻜﺎل اﺳﺘﺨﺪاﻣﮫ ﻋﻠﻰ‬
‫أﺳﺎس ﻣﻘﺎرﻧﺔ اﻟﺘﻜﺮارات اﻟﺤﻘﯿﻘﯿﺔ ﻣﻊ اﻟﺘﻜﺮارات اﻟﻤﺘﻮﻗﻌﺔ وﻓﻘﺎ ً ﻟﻄﺒﯿﻌﺔ اﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ ﻟﻠﺒﯿﺎﻧﺎت‪.‬‬

‫ﯾﻘﺪم ﺗﻮزﯾﻊ ‪ χ2‬وﺳﯿﻠﺔ ﻻﺧﺘﺒﺎر اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﯿﺔ ﻟﺠﺪاول اﻟﺘﻘﺎطﻊ‪ .‬ﺑﻤﻌﻨﻰ آﺧﺮ‪ ،‬ﯾﺨﺘﺒﺮ ‪ χ2‬اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﯿﺔ ﻟﻠﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‬
‫اﺳﻤﯿﯿﻦ ﺧﺼﻮﺻﺎ ً وﯾﻤﻜﻦ اﺳﺘﺨﺪاﻣﮫ ﻣﻊ ﻣﺴﺘﻮﯾﺎت ﻗﯿﺎس أﻋﻠﻰ‪ .‬ﯾﺨﺘﺒﺮ ‪ χ2‬اﻟﻔﺮق ﺑﯿﻦ اﻟﺘﻮزﯾﻊ اﻟ ُﻤﺸﺎھﺪ ﻟﻠﺒﯿﺎﻧﺎت ﺑﯿﻦ اﻟﺨﻼﯾﺎ‬
‫واﻟﺘﻮزﯾﻊ اﻟﻤﺘﻮﻗﻊ ﻟﮭﺎ‪ ،‬وﻛﻠﻤﺎ ﻛﺎن اﻟﻔﺮق ﺑﯿﻦ اﻟﺘﻮزﯾﻊ اﻟﻤﺸﺎھﺪ واﻟﺘﻮزﯾﻊ اﻟﻤﺘﻮﻗﻊ أﻛﺒﺮ ﻛﺎن اﻻﺣﺘﻤﺎل أﻗﻞ ﺑﺄن ﯾﻌﺰى ھﺬا اﻟﻔﺮق‬
‫ﻟﻠﺼﺪﻓﺔ‪ .‬وﺗﺴﺘﺨﺪم اﻟﺼﯿﻐﺔ اﻟﺘﺎﻟﯿﺔ ﻟﺤﺴﺎب ‪:χ2‬‬

‫𝑘𝑘‬ ‫‪(𝑂𝑂𝑖𝑖 −𝐸𝐸𝑖𝑖 )2‬‬

‫= ‪χ‬‬
‫‪2‬‬
‫‪∑𝑖𝑖=1‬‬
‫𝐸𝐸‬ ‫𝑖𝑖‬

‫‪157‬‬
 ‫ﺣﯿﺚ‪:‬‬
‫𝑖𝑖𝑂𝑂‪ :‬اﻟﺘﻜﺮار اﻟﻤﺸﺎھﺪ ﻓﻲ اﻟﺨﻠﯿﺔ ‪i‬‬
‫𝑖𝑖𝐸𝐸‪ :‬اﻟﺘﻜﺮار اﻟﻤﺘﻮﻗﻊ ﻓﻲ اﻟﺨﻠﯿﺔ ‪i‬‬
‫‪ :k‬ﻋﺪد اﻟﺨﻼﯾﺎ‬
‫وﯾﻤﻜﻦ ﺣﺴﺎب اﻟﻘﯿﻢ اﻟﻤﺘﻮﻗﻌﺔ ﻟﻜﻞ ﺧﻠﯿﺔ ﺑﺎﺳﺘﺨﺪام اﻟﺼﯿﻐﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬
‫𝑗𝑗𝐶𝐶 𝑖𝑖𝑅𝑅‬
‫=‬ ‫𝑖𝑖𝑖𝑖𝐸𝐸‬
‫𝑛𝑛‬
‫ﺣﯿﺚ‪:‬‬
‫𝑖𝑖𝑅𝑅‪ :‬ﻣﺠﻤﻮع اﻟﺘﻜﺮار اﻟﻤﺸﺎھﺪ ﻓﻲ اﻟﺴﻄﺮ ‪i‬‬
‫𝑗𝑗𝐶𝐶‪ :‬ﻣﺠﻤﻮع اﻟﺘﻜﺮار اﻟﻤﺸﺎھﺪ ﻓﻲ اﻟﻌﻤﻮد ‪j‬‬
‫‪ :n‬ﺣﺠﻢ اﻟﻌﯿﻨﺔ‬
‫وﺗﺤﺴﺐ درﺟﺔ اﻟﺤﺮﯾﺔ ‪ degrees of freedom‬ﻟـ ‪ χ2‬ﺑﺎﻟﺼﯿﻐﺔ‪:‬‬
‫)‪d.f. = (r - 1)(c - 1‬‬
‫ﺣﯿﺚ ﯾﻤﺜﻞ ‪ r‬ﻋﺪد اﻟﺼﻔﻮف و ‪ c‬ﻋﺪد اﻷﻋﻤﺪة‪.‬‬
‫وﻟﻜﻲ ﯾﻜﻮن اﺧﺘﺒﺎر ‪ χ2‬ﻣﻨﺎﺳﺒﺎ ً ﯾﺠﺐ اﻟﺘﺄﻛﺪ ﻣﻦ وﺟﻮد ﻋﺪد ﻛﺎف ﻣﻦ اﻟﻤﺸﺎھﺪات ﻓﻲ ﻛﻞ ﺧﻠﯿﺔ‪ .‬وﺧﺼﻮﺻﺎً‪ ،‬ﻋﻨﺪ درﺟﺔ ﺣﺮﯾﺔ‬
‫ﺗﺴﺎوي ‪ 1‬ﯾﺠﺐ أﻻ ﯾﻘﻞ ﺣﺠﻢ اﻟﺨﻠﯿﺔ اﻟﻤﺘﻮﻗﻊ ﻋﻦ ‪ .5‬وإذا ﻛﺎﻧﺖ درﺟﺎت اﻟﺤﺮﯾﺔ أﻛﺒﺮ ﻣﻦ اﻟﻮاﺣﺪ )‪ (d.f.>1‬ﻓﻼ ﯾﺠﺐ اﺳﺘﺨﺪام‬
‫‪ χ2‬إذا ﻛﺎن أﻛﺜﺮ ﻣﻦ ‪ %20‬ﻣﻦ اﻟﺘﻜﺮارات اﻟﻤﺘﻮﻗﻌﺔ أﺻﻐﺮ ﻣﻦ ‪ 5‬أو ﺣﯿﻦ ﯾﻜﻮن أي ﻣﻦ اﻟﺘﻜﺮارات اﻟﻤﺘﻮﻗﻌﺔ أﺻﻐﺮ ﻣﻦ ‪.1‬‬

‫وﻟﻐﺮض اﺧﺘﺒﺎر ﻣﺪى اﺳﺘﻘﻼﻟﯿﺔ اﻟﻤﺘﻐﯿﺮات ﻓﯿﻤﺎ ﺑﯿﻨﮭﺎ ﺗُﻌﺘﻤﺪ اﻟﻔﺮﺿﯿﺘﺎن اﻟﺘﺎﻟﯿﺘﺎن‪:‬‬
‫‪ -‬ﻓﺮﺿﯿﺔ اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻠﺔ ﺑﺎﺳﺘﻘﻼﻟﯿﺔ اﻟﻤﺘﻐﯿﺮﯾﻦ اﻟﻤﺪروﺳﯿﻦ ﻋﻦ ﺑﻌﻀﮭﻤﺎ )أي اﺳﺘﻘﻼﻟﯿﺔ اﻟﺼﻔﻮف ﻋﻦ اﻷﻋﻤﺪة( )أو‬
‫𝑖𝑖𝑂𝑂(‬ ‫𝑖𝑖𝐸𝐸 =‬

‫‪ -‬اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ‪ H1‬اﻟﻘﺎﺋﻠﺔ ﺑﻮﺟﻮد ﻋﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ )أو 𝑖𝑖𝐸𝐸 ≠ 𝑖𝑖𝑂𝑂(‬
‫‪ 1-2-7‬اﻓﺘﺮاﺿﺎت اﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ‪:‬‬
‫‪ -‬ﯾﻔﺘﺮض أن ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت ﻗﺪ ﺟﻤﻌﺖ ﻋﺸﻮاﺋﯿﺎً‪.‬‬
‫‪ -‬اﺳﺘﻘﻼل اﻟﻤﺸﺎھﺪات ﻣﻤﺎ ﯾﻌﻨﻲ إﺟﺎﺑﺔ اﻟﻤﺴﺘﺠﻮب ﻣﺮة واﺣﺪة ﻓﻘﻂ‪.‬‬

‫‪158‬‬
 ‫‪ -‬ﯾﺠﺐ أن ﯾﻜﻮن اﻟﺘﻜﺮار اﻟﻤﺘﻮﻗﻊ ﻟﻜﻞ ﺧﻠﯿﺔ ‪ 5‬ﻋﻠﻰ اﻷﻗﻞ‪.‬‬

‫‪ 2-2-7‬اﻻﺧﺘﺒﺎر ﺑﺎﺳﺘﺨﺪام ‪ :SPSS‬ﺗﺮﻏﺐ ﺷﺮﻛﺔ ‪Sony‬اﻟﻌﺎﻟﻤﯿﺔ ﻓﻲ‬

‫إﺟﺮاء ﺑﺤﺚ ﻟﺘﺤﺪﯾﺪ ﻣﺪى وﺟﻮد ﻋﻼﻗﺔ ﺑﯿﻦ ﻣﻠﻜﯿﺔ ﻋﻼﻣﺔ ﺗﺠﺎرﯾﺔ ﻣﺤﺪدة‬
‫ﻟﻠﮭﺎﺗﻒ اﻟﺬﻛﻲ )‪(Samsung=1, Apple=2, Sony=3, Nokia=4‬‬
‫‪American=1,‬‬ ‫‪British=2,‬‬ ‫) ‪Japanese=3,‬‬ ‫وﺟﻨﺴﯿﺔ اﻟﺰﺑﻮن‬
‫‪ .(Indian=4‬ﯾﻮﺿﺢ اﻟﺠﺪول رﻗﻢ )‪ (1/7‬ﻋﺪد اﻟﺤﺎﻻت ﻟﺘﻘﺎطﻊ اﻟﻌﻼﻣﺎت‬
‫اﻟﺘﺠﺎرﯾﺔ ﻟﻠﮭﻮاﺗﻒ اﻟﺬﻛﯿﺔ ﻣﻊ ﺟﻨﺴﯿﺔ اﻟﺰﺑﻮن‪.‬‬

‫اﻟﺠﺪول رﻗﻢ )‪ :(1/7‬ﺟﺪول ﻋﺪد اﻟﺤﺎﻻت ﻟﺘﻘﺎطﻊ اﻟﻌﻼﻣﺎت اﻟﺘﺠﺎرﯾﺔ ﻟﻠﮭﻮاﺗﻒ اﻟﺬﻛﯿﺔ ﻣﻊ ﺟﻨﺴﯿﺔ اﻟﺰﺑﻮن‬

‫‪NATIONALITY‬‬

‫‪AMERICAN‬‬ ‫‪BRITISH‬‬ ‫‪JAPANESSE‬‬ ‫‪INDIAN‬‬ ‫‪Total‬‬

‫‪SMARTPHONES‬‬ ‫‪SAMSUNG‬‬ ‫‪12‬‬ ‫‪12‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪44‬‬

‫‪APPLE‬‬ ‫‪26‬‬ ‫‪56‬‬ ‫‪10‬‬ ‫‪12‬‬ ‫‪104‬‬

‫‪SONY‬‬ ‫‪5‬‬ ‫‪22‬‬ ‫‪18‬‬ ‫‪5‬‬ ‫‪50‬‬

‫‪NOKIA‬‬ ‫‪10‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪12‬‬ ‫‪32‬‬

‫‪Total‬‬ ‫‪53‬‬ ‫‪95‬‬ ‫‪43‬‬ ‫‪39‬‬ ‫‪230‬‬

‫وﻟﺪراﺳﺔ اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻌﻼﻣﺔ اﻟﺘﺠﺎرﯾﺔ ﻟﻠﮭﺎﺗﻒ اﻟﺬﻛﻲ وﺟﻨﺴﯿﺔ اﻟﺰﺑﺎﺋﻦ ﺳﺘﻜﻮن ﻓﺮﺿﯿﺘﺎ اﻟﻌﺪم واﻟﺒﺪﯾﻠﺔ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪ :H0‬ﻻ ﺗﻮﺟﺪ ﻋﻼﻗﺔ ﺑﯿﻦ اﻟﻌﻼﻣﺔ اﻟﺘﺠﺎرﯾﺔ ﻟﻠﮭﺎﺗﻒ اﻟﺬﻛﻲ وﺟﻨﺴﯿﺔ اﻟﺰﺑﺎﺋﻦ )ﺑﻤﻌﻨﻰ أن اﻟﻤﺘﻐﯿﺮﯾﻦ ﻣﺴﺘﻘﻼن وأن اﻻﺧﺘﻼف ﻓﻲ‬
‫اﻟﺘﻜﺮارات اﻟﻈﺎھﺮة ﻓﻲ ﺟﺪول اﻟﺘﻘﺎطﻊ ﻧﺎﺗﺞ ﻋﻦ اﻟﺼﺪﻓﺔ(‪.‬‬

‫‪159‬‬
 ‫‪ :H1‬ﺗﻮﺟﺪ ﻋﻼﻗﺔ ﺑﯿﻦ اﻟﻌﻼﻣﺔ اﻟﺘﺠﺎرﯾﺔ ﻟﻠﮭﺎﺗﻒ اﻟﺬﻛﻲ وﺟﻨﺴﯿﺔ اﻟﺰﺑﺎﺋﻦ‪.‬‬

‫ﻟﺘﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ χ2‬ﻓﻲ ‪ SPSS‬ﯾُﺘﺒﻊ اﻟﻤﺴﺎر اﻟﺘﺎﻟﻲ‪:‬‬

‫‪Crosstabs‬‬ ‫‪ Descriptive Statistics ‬‬ ‫‪Analyze‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(1/7‬ﻧﺎﻓﺬة ‪Crosstabs‬‬

‫ﯾُﺪﺧﻞ اﻟﺒﺎﺣﺚ اﻟﻤﺘﻐﯿﺮ ‪ Smartphones‬ﻓﻲ ﻗﺎﺋﻤﺔ )‪ Row(s‬وﻣﺘﻐﯿﺮ ‪ Nationality‬ﻓﻲ ﻗﺎﺋﻤﺔ )‪) Column(s‬وﻣﻦ اﻟﻤﻤﻜﻦ إدﺧﺎﻟﮭﻤﺎ‬
‫ﺑﺎﻟﻌﻜﺲ( وﯾﺆﺷﺮ ﻋﻠﻰ ‪ Display cluster bar char‬ﻛﻤﺎ ھﻮ ﻣﻮﺿﺢ ﻓﻲ اﻟﺸﻜﻞ )‪.(2/7‬‬

‫‪160‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(2/7‬إدﺧﺎل اﻟﻤﺘﻐﯿﺮات ﻓﻲ اﻟﻘﻮاﺋﻢ )‪ Row(s‬و)‪Column(s‬‬

‫ﺛﻢ ﯾﻨﻘﺮ اﻟﺒﺎﺣﺚ ‪ ،Cells‬ﻓﺘﻈﮭﺮ اﻟﻘﺎﺋﻤﺔ اﻟﺘﺎﻟﯿﺔ ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪.(3/7‬‬

‫‪161‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(3/7‬ﻧﺎﻓﺬة ‪Crosstabs Cell Display‬‬

‫ﯾُﺆﺷﺮ ﻋﻠﻰ ﻛﻞ ﻣﻦ ‪ Expected‬و‪ Row‬و‪ Column‬ﺛﻢ ﯾُﻨﻘﺮ زر ‪ ،Continue‬وﻋﻨﺪﻣﺎ ﺗﻔﺘﺢ ﻗﺎﺋﻤﺔ ‪ crosstabs‬ﯾُﻀﻐﻂ زر ‪،statistics‬‬
‫ﻓﺘﻈﮭﺮ اﻟﻘﺎﺋﻤﺔ اﻟﻤﻮﺿﺤﺔ ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪.(4/7‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(4/7‬اﻟﻨﺎﻓﺬة ‪Crosstabs Statistics‬‬

‫‪162‬‬
Crosstabs ‫ ﻓﻲ ﻧﺎﻓﺬة‬OK ‫ وﻋﻠﻰ‬،Crosstabs: Statistics ‫ ﻓﻲ ﻧﺎﻓﺬة‬continue ‫ ﺛﻢ ﯾﻨﻘﺮ ﻋﻠﻰ زر‬Chi-square ‫ﯾُﺆﺷﺮ ﻋﻠﻰ‬
.(5/7) ‫( واﻟﺸﻜﻞ‬3/7)‫( و‬2/7) ‫وﺣﯿﻨﮭﺎ ﯾﺤﺼﻞ اﻟﺒﺎﺣﺚ ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ اﻟﺘﺎﻟﯿﺔ اﻟﻮاردة ﻓﻲ اﻟﺠﺪاول‬

SMARTPHONES * NATIONALITY Crosstabulation :(2/7) ‫اﻟﺠﺪول رﻗﻢ‬

NATIONALITY
AMERICAN BRITISH JAPANESSE INDIAN Total
SAMSUNG Count 12a 12a 10a 10a 44
Expected Count 10.3 18.2 8.1 7.4 44.0
% within SMARTPHONES 27.3% 27.3% 22.7% 22.7% 100.0%
% within NATIONALITY 22.6% 12.8% 23.8% 26.3% 19.4%
APPLE Count 26a, b 56b 10c 12a, c 104
Expected Count 24.3 43.1 19.2 17.4 104.0
% within SMARTPHONES 25.0% 53.8% 9.6% 11.5% 100.0%
% within NATIONALITY 49.1% 59.6% 23.8% 31.6% 45.8%
SONY Count 5a 22b 18c 4a, b 49
Expected Count 11.4 20.3 9.1 8.2 49.0
% within SMARTPHONES 10.2% 44.9% 36.7% 8.2% 100.0%
% within NATIONALITY 9.4% 23.4% 42.9% 10.5% 21.6%
SMARTPHONES

NOKIA Count 10a, b 4c 4b, c 12a 30

Expected Count 7.0 12.4 5.6 5.0 30.0
% within SMARTPHONES 33.3% 13.3% 13.3% 40.0% 100.0%
% within NATIONALITY 18.9% 4.3% 9.5% 31.6% 13.2%
Total Count 53 94 42 38 227
Expected Count 53.0 94.0 42.0 38.0 227.0
% within SMARTPHONES 23.3% 41.4% 18.5% 16.7% 100.0%
% within NATIONALITY 100.0% 100.0% 100.0% 100.0% 100.0%
Each subscript letter denotes a subset of NATIONALITY categories whose column proportions do not differ significantly from each other at the
.05 level.

163
 Pearson Chi-Square ‫ اﺧﺘﺒﺎر‬:(3/7) ‫اﻟﺠﺪول رﻗﻢ‬
Chi-Square Tests
Value df Asymptotic Significance (2-sided)

Pearson Chi-Square 45.754a 9 .000

Likelihood Ratio 45.447 9 .000

Linear-by-Linear Association 2.116 1 .146

N of Valid Cases 227

a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 5.02.

‫ ﻣﺨﻄﻂ ﺑﯿﺎﻧﻲ ﯾﻮﺿﺢ اﻟﺘﻮزﯾﻌﺎت ﺑﯿﻦ اﻟﻌﻼﻣﺎت اﻟﺘﺠﺎرﯾﺔ وﺟﻨﺴﯿﺎت اﻟﺰﺑﺎﺋﻦ‬:(5/7) ‫اﻟﺸﻜﻞ‬

164
‫ﻣﻦ اﻟﺠﺪول رﻗﻢ )‪ (3/7‬ﯾﻼﺣﻆ ﻣﻦ ﻗﯿﻢ اﺧﺘﺒﺎر ‪ Pearson Chi-Square‬ﺑﺄن ‪χ 2(df=9) = 45.754‬وأن ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ‬
‫اﻟﻤﺤﺴﻮب ‪ ،0.001> p‬ﻓﯿﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم اﻟﻘﺎﺋﻠﺔ ﺑﻌﺪم وﺟﻮد ﻋﻼﻗﺔ ﺑﯿﻦ اﻟﻌﻼﻣﺔ اﻟﺘﺠﺎرﯾﺔ ﻟﻠﮭﺎﺗﻒ اﻟﺬﻛﻲ وﺟﻨﺴﯿﺔ‬
‫اﻟﺰﺑﺎﺋﻦ وﻗﺒﻮل اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪ ،‬أي ﯾﻮﺟﺪ ﻓﺮق ﺑﯿﻦ ﺟﻨﺴﯿﺎت اﻟﺰﺑﺎﺋﻦ ﻣﻦ ﺣﯿﺚ ﺣﯿﺎزة ﻋﻼﻣﺎت ﺗﺠﺎرﯾﺔ ﻣﺤﺪدة ﻟﻠﮭﻮاﺗﻒ اﻟﺬﻛﯿﺔ‪.‬‬
‫ﻛﻤﺎ ﯾُﻼﺣﻆ أﯾﻀﺎ ً أن اﻟﻨﺘﯿﺠﺔ ﺗ ُ ّ‬
‫ﺬﻛﺮﻧﺎ )أﺳﻔﻞ اﻟﺠﺪول( ﺑﺸﺮط أن أﻻ ﯾﻘﻞ ﻋﺪد اﻟﺘﻜﺮارات اﻟﻤﺘﻮﻗﻌﺔ ﺿﻤﻦ ﺧﻼﯾﺎ ﺟﺪول اﻟﺘﻘﺎطﻊ ﻋﻦ‬
‫‪ ،5‬وھﺬا اﻟﺸﺮط ﻣﺤﻘﻖ ﻓﻲ ھﺬا اﻟﻤﺜﺎل‪.‬‬

‫‪ 3-7‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ )‪(Mann-Whitney U test for two independent samples‬‬

‫ھﻮ اﺧﺘﺒﺎر ﻻﻣﻌﻠﻤﻲ ﯾﺴﺘﺨﺪم‪:‬‬
‫‪ -‬ﻟﻠﻤﻘﺎرﻧﺔ ﺑﯿﻦ ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت ﺗﺮﺗﯿﺒﯿﺔ‪،‬‬
‫‪ -‬أو ﺑﺪﻻً ﻣﻦ اﺧﺘﺒﺎر ‪ T‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ﻋﻨﺪﻣﺎ ﻻ ﯾﺘﻮﻓﺮ ﺷﺮط‬
‫اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪.‬‬

‫وﺑﻤﺎ أﻧﮫ ﯾﺴﺘﺨﺪم ﻓﻲ ﺣﺎﻟﺔ اﻟﺒﯿﺎﻧﺎت اﻟﺘﺮﺗﯿﺒﯿﺔ ﻓﺈﻧﮫ ﯾﻌﺘﻤﺪ ﻋﻠﻰ اﻟﻤﻘﺎرﻧﺔ ﺑﯿﻦ‬
‫وﺳﯿﻂ ﻋﯿﻨﺘﯿﻦ ﺑﺪﻻً ﻣﻦ ﻣﻘﺎرﻧﺔ اﻟﻤﺘﻮﺳﻄﺎت‪ .‬وﻣﻦ أھﻢ اﻟﺸﺮوط اﻟﻌﺎﻣﺔ‬
‫اﻟﻮاﺟﺐ ﺗﻮﻓﺮھﺎ ﻟﺘﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ Mann-Whitney U‬ﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪ -‬ﯾﺠﺐ أن ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت ﺗﺮﺗﯿﺒﯿﺔ ‪.Ordinal‬‬
‫‪ -‬ﯾﺠﺐ أن ﺗﻜﻮن اﻟﻌﯿﻨﺔ ﻋﺸﻮاﺋﯿﺔ وﻗﯿﻢ ﻣﻔﺮداﺗﮭﺎ ﻻ ﺗﻌﺘﻤﺪ ﻋﻠﻰ ﺑﻌﻀﮭﺎ اﻟﺒﻌﺾ‪.‬‬

‫‪ 1-3-7‬اﻻﺧﺘﺒﺎر ﺑﺎﺳﺘﺨﺪام ‪ :SPSS‬ﻟﺘﻮﺿﯿﺢ ﻛﯿﻔﯿﺔ ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ Mann-Whitney U‬ﯾﻤﻜﻦ أﺧﺬ اﻟﻤﺜﺎل اﻟﺘﺎﻟﻲ‪ :‬ﺗﺮﻏﺐ ﺷﺮﻛﺔ‬
‫‪ BMW‬ﻟﻠﺴﯿﺎرات ﺑﺈﺟﺮاء دراﺳﺔ ﻟﻤﻌﺮﻓﺔ ﻓﯿﻤﺎ إذا اﺧﺘﻠﻒ ﻋﺪد اﻟﻤﺤﺮﻛﺎت اﻟﻤﺠﻤﻌﺔ ﻓﻲ ﻣﺼﺎﻧﻌﮭﺎ )ﻣﺘﻐﯿﺮ ﻛﻤﻲ‪ :‬ﻧﺴﺐ( ﺗﺒﻌﺎ ً ﻟﺠﻨﺲ‬
‫اﻟﻌﺎﻣﻠﯿﻦ )ﻣﺘﻐﯿﺮ ﻏﯿﺮ ﻛﻤﻲ‪ :‬اﺳﻤﻲ(‪ .‬اﻋﺘﻤﺪت اﻟﺪراﺳﺔ ﻋﻠﻰ أﺳﻠﻮب اﻟﻤﻼﺣﻈﺔ‪ ،‬ﻗﯿﺲ ﻋﺪد اﻟﻤﺤﺮﻛﺎت اﻟﻤﺠﻤﻌﺔ ﻟﻜﻞ ﻣﻦ اﻟﺬﻛﻮر‬
‫واﻹﻧﺎث ﺧﻼل ﻓﺘﺮة زﻣﻨﯿﺔ ﻣﺤﺪدة‪.‬‬

‫ﻟﺠﺄ اﻟﺒﺎﺣﺚ اﻟﻤﺴﺆول ﻛﺨﻄﻮة أوﻟﻰ إﻟﻰ اﺧﺘﺒﺎر ‪ Independent-Samples t-test‬وﻟﻜﻦ ﺗﺒﯿﻦ أن ﻣﺘﻐﯿﺮ ﻋﺪد اﻟﻤﺤﺮﻛﺎت‬
‫اﻟﻤﺠﻤﻌﺔ‪/‬ﺳﺎﻋﺔ ﻻ ﯾﺘﺒﻊ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ وﻓﻘﺎ ً ﻻﺧﺘﺒﺎر ‪ ،Kolmogorove-Smirnove‬ﺑﺎﻟﺘﺎﻟﻲ ﻛﺎن ﻻﺑﺪ ﻣﻦ اﺳﺘﺨﺪام اﺧﺘﺒﺎر‪Mann-‬‬

‫‪ Whitney‬ﺣﯿﺚ ﺳﺘﻜﻮن ﻓﺮﺿﯿﺘﺎ اﻟﻌﺪم واﻟﺒﺪﯾﻠﺔ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪165‬‬
‫‪ H0‬ﻓﺮﺿﯿﺔ اﻟﻌﺪم‪ :‬ﻻ ﯾﻮﺟﺪ اﺧﺘﻼف ﺟﻮھﺮي ﺑﯿﻦ ﻋﺪد اﻟﻤﺤﺮﻛﺎت اﻟﻤﺠﻤﻌﺔ ﻓﻲ ﻣﺼﺎﻧﻊ ‪ BMW‬ﺗﺒﻌﺎ ً ﻟﻨﻮع اﻟﻌﻤﺎل أي أن وﺳﯿﻂ‬
‫ﻋﺪد اﻟﻤﺤﺮﻛﺎت اﻟﻤﺠﻤﻌﺔ ﻣﻦ ﻗﺒﻞ اﻟﻌﻤﺎل اﻟﺬﻛﻮر = وﺳﯿﻂ ﻋﺪد اﻟﻤﺤﺮﻛﺎت اﻟﻤﺠﻤﻌﺔ ﻣﻦ ﻗﺒﻞ اﻟﻌﻤﺎل اﻹﻧﺎث‪.‬‬

‫‪ H1‬اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪ :‬ﯾﻮﺟﺪ اﺧﺘﻼف ﺟﻮھﺮي ﺑﯿﻦ ﻋﺪد اﻟﻤﺤﺮﻛﺎت اﻟﻤﺠﻤﻌﺔ ﻓﻲ ﻣﺼﺎﻧﻊ ‪ BMW‬ﺗﺒﻌﺎ ً ﻟﻨﻮع اﻟﻌﻤﺎل أي أن وﺳﯿﻂ‬
‫ﻋﺪد اﻟﻤﺤﺮﻛﺎت اﻟﻤﺠﻤﻌﺔ ﻣﻦ ﻗﺒﻞ اﻟﻌﻤﺎل اﻟﺬﻛﻮر ≠ وﺳﯿﻂ ﻋﺪد اﻟﻤﺤﺮﻛﺎت اﻟﻤﺠﻤﻌﺔ ﻣﻦ ﻗﺒﻞ اﻟﻌﻤﺎل اﻹﻧﺎث‪.‬‬

‫وﻟﺘﻨﻔﯿﺬ اﻻﺧﺘﺒﺎر ﻓﻲ ‪ SPSS‬ﺗُﺘﺒﻊ اﻟﺨﻄﻮات اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪2 Independent Samples Non-Parametric Statistics Analyze‬‬

‫ﻓﺘﻈﮭﺮ اﻟﻨﺎﻓﺬة ‪ Two-Independent-Samples Test‬ﻛﻤﺎ ھﻮ واﺿﺢ ﻓﻲ اﻟﺸﻜﻞ )‪.(6/7‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(6/7‬اﻟﻤﺮﺣﻠﺔ اﻷوﻟﻰ ﻣﻦ اﺧﺘﺒﺎر ‪Two –Independent –Samples Tests‬‬

‫ﯾﻀﻊ اﻟﺒﺎﺣﺚ اﻟﻤﺘﻐﯿﺮ ‪ Employee Gender‬ﻓﻲ ‪) Grouping Variable‬اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ(‪ ،‬وﯾﻀﻊ اﻟﻤﺘﻐﯿﺮ ‪Production‬‬

‫‪)Unites‬اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ( ﻓﻲ ‪، Test Variable List‬ﻛﻤﺎ ﻓﻲ اﻟﺸﻜﻞ )‪.(7/7‬‬

‫‪166‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ اﻟﺸﻜﻞ رﻗﻢ )‪ :(7/7‬إدﺧﺎل اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ‪ Customer‬ﻓﻲ ﻗﺎﺋﻤﺔ ‪Test Variable List‬‬

‫ﯾُﻀﻐﻂ ﻋﻠﻰ‪ Define Groups‬ﻓﺘﻈﮭﺮ اﻟﻨﺎﻓﺬة ‪ Tow-Independent-Samples Define Groups.‬ﻛﻤﺎ ھﻮ واﺿﺢ ﻓﻲ اﻟﺸﻜﻞ )‪،(8/7‬‬
‫وﯾﺪﺧﻞ ﻗﯿﻤﺘﻲ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ )ﻓﻲ ھﺬه اﻟﺤﺎﻟﺔ‪ :‬اﻟﺬﻛﻮر=‪ ،0‬واﻹﻧﺎث=‪.(1‬‬

‫‪167‬‬
 ‫اﻟﺸﻜﻞ رﻗﻢ اﻟﺸﻜﻞ رﻗﻢ)‪Two –Independent –Samples Define Groups :(8/7‬‬

‫ﯾُﻨﻘﺮ ﻓﻮق ‪ Continue‬ﻓﺘﻈﮭﺮ اﻟﻨﺎﻓﺬة اﻟﻤﻮﺿﺤﺔ ﻓﻲ اﻟﺸﻜﻞ )‪.(9/7‬‬

‫اﻟﺸﻜﻞ رﻗﻢ)‪ :(9/7‬اﻟﻤﺮﺣﻠﺔ اﻷﺧﯿﺮة ﻣﻦ اﺧﺘﺒﺎر ‪Two –Independent –Samples Tests‬‬

‫‪168‬‬
 ‫ﺛﻢ ﯾﻘﻮم اﻟﺒﺎﺣﺚ ﺑﺎﻟﻨﻘﺮ ﻓﻮق ‪ OK‬ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ)‪ (9/7‬ﻓﺘﻈﮭﺮ اﻟﻨﺘﯿﺠﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬
‫اﻟﺠﺪول رﻗﻢ )‪ :(4/7‬ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر‪(Ranks) Mann-Whitney Test‬‬
‫‪Employee GENDER‬‬ ‫‪N‬‬ ‫‪Mean Rank‬‬ ‫‪Sum of Ranks‬‬

‫‪Produced UNITES‬‬ ‫‪male‬‬ ‫‪198‬‬ ‫‪173.50‬‬ ‫‪34353.00‬‬

‫‪female‬‬ ‫‪102‬‬ ‫‪105.85‬‬ ‫‪10797.00‬‬

‫‪Total‬‬ ‫‪300‬‬

‫اﻟﺠﺪول )‪ :(5/7‬ﻣﻌﻨﻮﯾﺔ اﺧﺘﺒﺎر‪(Test Statisticsa) Mann-Whitney Test‬‬

‫‪Produced UNITES‬‬

‫‪Mann-Whitney U‬‬ ‫‪5544.000‬‬

‫‪Wilcoxon W‬‬ ‫‪10797.000‬‬

‫‪Z‬‬ ‫‪-6.460-‬‬

‫)‪Asymp. Sig. (2-tailed‬‬ ‫‪.000‬‬

‫‪a. Grouping Variable: Employee GENDER‬‬

‫ﺗﺘﺄﻟﻒ ﻧﺘﺎﺋﺞ اﺧﺘﺒﺎر ‪ Mann-Whitney‬ﻣﻦ ﺟﺪوﻟﯿﻦ‪ ،‬ﯾﺼﻒ اﻟﺠﺪول اﻷول )‪ (4/7‬اﻟﻌﯿﻨﺎت اﻟﻤﺪﺧﻠﺔ ﺑﯿﻨﻤﺎ ﯾﺼﻒ اﻟﺜﺎﻧﻲ )‪(5/7‬‬
‫ﻗﯿﻤﺔ وﻣﻌﻨﻮﯾﺔ اﺧﺘﺒﺎر‪ . Mann-Whitney‬ﯾﺼﻒ اﻟﺠﺪول اﻷول اﻟﻌﯿﻨﺘﯿﻦ ﻓُﯿﻈﮭﺮ أن ﺣﺠﻢ ﻋﯿﻨﺔ اﻟﻤﺠﻤﻮﻋﺔ اﻷوﻟﻰ ﻟﻠﻌﻤﺎل اﻟﺬﻛﻮر‬
‫‪ 198‬وﻣﺘﻮﺳﻂ ﺗﺮﺗﯿﺒﮭﺎ ‪ 173.5‬وﻣﺠﻤﻮع اﻟﺘﺮﺗﯿﺐ ھﻮ‪ ، 34353.00‬أﻣﺎ اﻟﻤﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﯿﺔ ﻟﻠﻌﻤﺎل اﻹﻧﺎث ﻓﺤﺠﻢ اﻟﻌﯿﻨﺔ ‪102‬‬
‫وﻣﺘﻮﺳﻂ اﻟﺘﺮﺗﯿﺐ ﻓﯿﮭﺎ ھﻮ ‪105.85‬ﺑﻤﺠﻤﻮع ﻗﺪره ‪.10797.00‬‬

‫وﯾﺒﯿﻦ اﻟﺠﺪول )‪ (5/7‬أﻋﻼه أن ﻗﯿﻤﺔ اﺧﺘﺒﺎر ﻣﺎن وﯾﺘﻨﻲ ھﻲ‪ 5544.000‬وھﻲ داﻟﺔ إﺣﺼﺎﺋﯿﺔ ﻋﻨﺪ ‪ %1‬ﺣﯿﺚ إن ‪Asymp. Sig.‬‬

‫)‪ 0.000= (2-tailed‬وھﻲ أﺻﻐﺮ ﻣﻦ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ‪ .0.05‬ﺑﻤﻌﻨﻰ آﺧﺮ ﺗُﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﺗﻘﺒﻞ اﻟﺒﺪﯾﻠﺔ اﻟﺘﻲ ﺗﻨﺺ ﻋﻠﻰ‬
‫اﺧﺘﻼف ﻣﺘﻮﺳﻂ اﻟﻮﺣﺪات اﻟﻤﻨﺘﺠﺔ ﺗﺒﻌﺎ ً ﻟﺠﻨﺲ اﻟﻌﻤﺎل‪ ،‬ﺣﯿﺚ ﻛﺎن ﻣﺘﻮﺳﻂ اﻟﻮﺣﺪات اﻟﻤﻨﺘﺠﺔ ﻣﻦ ﻗﺒﻞ اﻟﻌﻤﺎل أﻋﻠﻰ ﻣﻦ ﻣﺜﯿﻠﮫ‬
‫ﻟﺪى اﻟﻌﺎﻣﻼت‪ .‬وﺑﻨﺎء ﻋﻠﯿﮫ ﻗﺪ ﺗﺘﺨﺬ ﺷﺮﻛﺔ ‪ BMW‬ﻗﺮارا ً ﺑﻨﻘﻞ اﻟﻌﺎﻣﻼت إﻟﻰ ﻣﮭﺎم أﺧﺮى واﻻﻋﺘﻤﺎد ﻋﻠﻰ اﻟﺬﻛﻮر ﻓﻘﻂ ﻓﻲ ﺗﺠﻤﯿﻊ‬
‫اﻟﻤﺤﺮﻛﺎت‪.‬‬

‫‪169‬‬
 ‫‪ 4-7‬اﺧﺘﺒﺎر ‪ Kruskal-Wallis‬ﻟﻤﻘﺎرﻧﺔ ﻋﺪة ﻣﺠﺘﻤﻌﺎت ﻣﺴﺘﻘﻠﺔ‬
‫اﺧﺘﺒﺎر ﻻﻣﻌﻠﻤﻲ ﯾﺴﺘﺨﺪم ﻟﻠﻤﻘﺎرﻧﺔ ﺑﯿﻦ أﻛﺜﺮ ﻣﻦ ﻣﺠﻤﻮﻋﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ‪ ،‬وﻋﺎدة ﻣﺎ ﯾﻄﺒﻖ ﻋﻨﺪﻣﺎ ﻻ ﺗﺘﻮاﻓﺮ ﺷﺮوط ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر‬
‫ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي ﻓﮭﻮ ﻧﻤﻮذج ﻻﻣﻌﻠﻤﻲ ﻟﺘﺤﻠﯿﻞ ‪ One-Way ANOVA‬اﻷﺣﺎدي أو ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت اﻟﻤﺘﻮاﻓﺮة ھﻲ‬
‫ﺑﯿﺎﻧﺎت ﺗﺮﺗﯿﺒﯿﺔ ‪.‬وﻣﻦ أھﻢ اﻟﺸﺮوط اﻟﻌﺎﻣﺔ اﻟﻮاﺟﺐ ﺗﻮاﻓﺮھﺎ ﻟﺘﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ Kruskal-Wallis‬ﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪ -‬ﯾﺠﺐ أن ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت ﺗﺮﺗﯿﺒﯿﺔ ‪) Ordinal‬أو ﻛﻤﯿﺔ وﻟﻜﻦ ﻻ ﺗﺤﻘﻖ ﺷﺮط اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ(‪.‬‬
‫‪ -‬ﯾﺠﺐ أن ﺗﻜﻮن اﻟﻌﯿﻨﺔ ﻋﺸﻮاﺋﯿﺔ وﻗﯿﻢ ﻣﻔﺮداﺗﮭﺎ ﻻ ﺗﻌﺘﻤﺪ ﻋﻠﻰ ﺑﻌﻀﮭﺎ اﻟﺒﻌﺾ‪.‬‬

‫‪ 1-4-7‬اﻻﺧﺘﺒﺎر ﺑﺎﺳﺘﺨﺪام ‪ :SPSS‬ﻟﺘﻮﺿﯿﺢ ﻛﯿﻔﯿﺔ ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ Kruskal-Wallis‬ﺗﺮﻏﺐ إدارة ﺑﻨﻚ ‪ HSBC‬اﻟﻌﺎﻟﻤﻲ ﻓﻲ ﻣﻌﺮﻓﺔ‬
‫ﻣﺪى اﺧﺘﻼف ﺗﻔﻀﯿﻞ اﻟﺰﺑﺎﺋﻦ] ﻣﺘﻐﯿﺮ ﻛﻤﻲ‪ :‬ﻣﻦ ‪) 1‬ﻻ أﻓﻀﻠﮫ ﻋﻠﻰ اﻹطﻼق( إﻟﻰ ‪)5‬أﻓﻀﻠﮫ ﺟﺪاً([ ﻷﺣﺪ ﺧﺪﻣﺎﺗﮭﺎ اﻟﺠﺪﯾﺪة وذﻟﻚ‬
‫ﺗﺒﻌﺎ ً ﻟﻤﺴﺘﻮى أﻋﻤﺎرھﻢ ]ﻣﺘﻐﯿﺮ ﺗﺮﺗﯿﺒﻲ‪:‬‬
‫أرﺑﻊ ﻣﺴﺘﻮﯾﺎت ﻋﻤﺮﯾﺔ ﻣﻦ ‪) 1‬ﺑﯿﻦ‪30-20‬‬
‫ﻋﺎم( إﻟﻰ ‪)4‬أﻛﺜﺮ ﻣﻦ ‪ 50‬ﻋﺎم([ وذﻟﻚ‬
‫ﻟﻤﺴﺎﻋﺪﺗﮭﺎ ﻓﻲ ﺗﻘﺴﯿﻢ اﻟﺴﻮق واﺳﺘﮭﺪاﻓﮭﺎ‬
‫ﺑﺸﻜﻞ أﻓﻀﻞ‪ُ ،‬ﺟﻤﻌﺖ اﻟﺒﯿﺎﻧﺎت ﻋﺸﻮاﺋﯿﺎ ً ﻣﻦ‬
‫‪ 300‬زﺑﻮن ﻣﻤﻦ ﺟﺮﺑﻮا اﻟﺨﺪﻣﺔ اﻟﺠﺪﯾﺪة‪،‬‬
‫أراد ﻗﺴﻢ اﻟﺒﺤﻮث اﺳﺘﺨﺪام ﺗﺤﻠﯿﻞ ‪One-‬‬

‫‪ Way ANOVA‬وﻟﻜﻦ ﻧﺘﯿﺠﺔ اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ‬

‫اﻟﻄﺒﯿﻌﻲ ﺑﯿﻨﺖ ﺑﺄن ﻣﺘﻐﯿﺮ ﺗﻔﻀﯿﻞ اﻟﺰﺑﺎﺋﻦ ﻻ‬
‫ﯾﺤﻘﻖ ھﺬا اﻟﺸﺮط‪ ،‬ﻓﺎﺧﺘﺎر اﻟﺒﺎﺣﺜﻮن اﺧﺘﺒﺎر ‪ Kruskal-Wallis‬اﻟﺬي ﯾﻼﺋﻢ ھﺬه اﻟﺤﺎﻟﺔ‪.‬‬

‫وﻟﺘﻄﺒﯿﻖ اﻻﺧﺘﺒﺎر ﻓﻲ ‪ SPSS‬ﯾﻤﻜﻦ اﺗﺒﺎع اﻟﻤﺴﺎر اﻟﺘﺎﻟﻲ‪:‬‬

‫‪2 Independent Samples Non-Parametric Statistics Analyze‬‬

‫‪170‬‬
‫اﻟﺸﻜﻞ رﻗﻢ اﻟﺸﻜﻞ رﻗﻢ)‪ :(10/7‬اﻟﻤﺮﺣﻠﺔ اﻷوﻟﻰ ﻣﻦ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر ‪Kruskal-Wallis‬‬

‫ﻓﺘﻈﮭﺮ ﻧﺎﻓﺬة ‪ Tests for several Independent Samples‬ﻛﻤﺎ ھﻮ ﻣﻮﺿﺢ ﻓﻲ اﻟﺸﻜﻞ )‪(11/7‬‬

‫‪171‬‬
 Tests for several Independent Samples ‫ اﻟﻨﺎﻓﺬة‬:(11/7) ‫اﻟﺸﻜﻞ رﻗﻢ‬

.(12/7) ‫ ﻓﯿﻈﮭﺮ اﻟﺸﻜﻞ‬Define Groups ‫ﯾُﻀﻐﻂ ﻋﻠﻰ‬

Test for several –Independent –Samples Define Groups ‫ ﻧﺎﻓﺬة‬:(12/7)‫اﻟﺸﻜﻞ رﻗﻢ‬

172
‫ﯾُﻮﺿﻊ ﻋﻨﺪ ‪ Minimum‬رﻗﻢ )‪ (1‬ﻟﻠﺪﻻﻟﺔ ﻋﻠﻰ رﻣﺰ اﻟﻤﺠﻤﻮﻋﺔ اﻷوﻟﻰ ﻣﻦ اﻟﺰﺑﺎﺋﻦ وھﻲ اﻟﻔﺌﺔ اﻟﻌﻤﺮﯾﺔ اﻷوﻟﻰ‪ ،‬وﯾُﻮﺿﻊ ﻋﻨﺪ‬
‫‪ Maximum‬رﻗﻢ )‪ (4‬ﻟﻠﺪﻻﻟﺔ ﻋﻠﻰ رﻣﺰ آﺧﺮ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺰﺑﺎﺋﻦ وھﻲ اﻟﻔﺌﺔ اﻟﻌﻤﺮﯾﺔ اﻟﺮاﺑﻌﺔ‪ ،‬وذﻟﻚ ﻛﻤﺎ ھﻮ ﻣﻮﺿﺤﺎ ً ﺑﺎﻟﺸﻜﻞ‬
‫أﻋﻼه‪ ،‬ﻓﯿﺤﺼﻞ اﻟﺒﺎﺣﺚ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ‪:‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(13/7‬اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻟﺜﺔ ﻣﻦ اﺧﺘﺒﺎر ‪Test for several –Independent –Samples‬‬

‫ﯾُﻼﺣﻆ ظﮭﻮر اﻷرﻗﺎم )‪ (1 4‬ﻓﻲ ﺧﺎﻧﺔ ‪ ،Grouping Variable‬ﯾُﻀﻐﻂ ﻋﻠﻰ ‪ OK‬ﻓﺘﻈﮭﺮ اﻟﻨﺘﺎﺋﺞ اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫اﻟﺠﺪول رﻗﻢ )‪ :(6/7‬ﻧﺘﺎﺋﺞ اﺧﺘﺒﺎر ‪(Ranks) Kruskal-Wallis‬‬

‫‪Age‬‬ ‫‪N‬‬ ‫‪Mean Rank‬‬

‫‪20-30 YEAR‬‬ ‫‪27‬‬ ‫‪128.33‬‬

‫‪31-40‬‬ ‫‪174‬‬ ‫‪172.77‬‬

‫‪PREFRENCE‬‬ ‫‪41-50‬‬ ‫‪66‬‬ ‫‪145.18‬‬

‫‪MORE THAN 50‬‬ ‫‪33‬‬ ‫‪61.86‬‬

‫‪Total‬‬ ‫‪300‬‬

‫‪173‬‬
 ‫اﻟﺠﺪول رﻗﻢ )‪ :(7/7‬ﻗﯿﻤﺔ وﻣﻌﻨﻮﯾﺔ اﺧﺘﺒﺎر ‪(Test Statisticsa,b) Kruskal-Wallis‬‬

‫‪PREFRENCE‬‬

‫‪Kruskal-Wallis H‬‬ ‫‪50.728‬‬

‫‪df‬‬ ‫‪3‬‬

‫‪Asymp. Sig.‬‬ ‫‪.000‬‬

‫‪a. Kruskal Wallis Test‬‬

‫‪b. Grouping Variable: age‬‬

‫ﺗﻈﮭﺮ ﻧﺘﯿﺠﺔ اﻻﺧﺘﺒﺎر ﻋﻠﻰ ﺷﻜﻞ ﺟﺪوﻟﯿﻦ‪ ،‬ﯾﺼﻒ اﻟﺠﺪول اﻷول )‪ (6/7‬ﺗﺮﺗﯿﺐ اﻟﻌﯿﻨﺎت اﻷرﺑﻊ‪ ،‬وﯾﻈﮭﺮ اﻟﺠﺪول اﻟﺜﺎﻧﻲ )‪(7/7‬‬
‫ﻧﺘﯿﺠﺔ اﻻﺧﺘﺒﺎر ﺣﯿﺚ ﺑﻠﻐﺖ ﻗﯿﻤﺔ ‪50.728 Kruskal-Wallis‬ﺑﺪرﺟﺔ ﺣﺮﯾﺔ ‪ 3‬ﻋﻨﺪ ﻣﺴﺘﻮى دﻻﻟﺔ ‪0.000‬وھﻲ أﺻﻐﺮ ﻣﻦ = ‪α‬‬
‫‪ 0.05‬وﺑﺎﻟﺘﺎﻟﻲ ﺗﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﺗﻘﺒﻞ‬
‫اﻟﺒﺪﯾﻠﺔ اﻟﺘﻲ ﺗﻨﺺ ﻋﻠﻰ وﺟﻮد ﻓﺮوق ﻓﻲ‬
‫ﺗﻔﻀﯿﻼت اﻟﺰﺑﺎﺋﻦ ﻟﻠﺨﺪﻣﺔ اﻟﺠﺪﯾﺪة ﺗﺒﻌﺎ ً‬
‫ﻟﻤﺴﺘﻮﯾﺎت أﻋﻤﺎرھﻢ‪ ،‬ﻓﻜﺎﻧﺖ اﻟﻔﺌﺔ اﻟﻌﻤﺮﯾﺔ ﻣﻦ‬
‫‪ 40-31‬اﻷﻛﺜﺮ ﺗﻔﻀﯿﻼً ﻟﮭﺬه اﻟﺨﺪﻣﺔ اﻟﺠﺪﯾﺪة‪.‬‬

‫ﻣﺮﺗﺒﻄﺘﯿﻦ‬ ‫ﻋﯿﻨﺘﯿﻦ‬ ‫اﺧﺘﺒﺎر‬ ‫‪5-7‬‬

‫)‪(Wilcoxon Signed Ranks Test for related samples‬‬
‫اﺧﺘﺒﺎر ﻻﻣﻌﻠﻤﻲ ﯾﻄﺒﻖ ﻋﺎدة ﻋﻨﺪﻣﺎ ﻻ ﺗﺘﻮاﻓﺮ ﺷﺮوط ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر‪ Paired Samples t-test‬ﻓﮭﻮ ﻧﻤﻮذج ﻻﻣﻌﻠﻤﻲ ﻟﺘﺤﻠﯿﻞ ‪T-‬‬

‫‪ .Test‬ﻋﻨﺪﻣﺎ ﯾﺮﯾﺪ اﻟﺒﺎﺣﺚ اﻟﻤﻘﺎرﻧﺔ ﺑﯿﻦ ﺑﯿﺎﻧﺎت ُﺟﻤﻌﺖ ﻣﻦ اﻷﺷﺨﺎص أﻧﻔﺴﮭﻢ )أو ﻣﻦ ﻧﻔﺲ اﻷﺷﯿﺎء( ﻓﺈن اﻻﺧﺘﺒﺎر اﻷﻧﺴﺐ ھﻮ ‪t‬‬
‫ﻟﻜﻦ ﺑﺸﺮط ﺗﻮاﻓﺮ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪ ،‬ﻟﻜﻦ ﻓﻲ ﺣﺎل ﻋﺪم ﺗﻮاﻓﺮ ﺷﺮط اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻓﺈن اﺧﺘﺒﺎر‪ Wilcoxon‬ھﻮ اﻷﻧﺴﺐ‪ .‬وﻣﻦ‬
‫أھﻢ اﻟﺸﺮوط اﻟﻌﺎﻣﺔ اﻟﻮاﺟﺐ ﺗﻮاﻓﺮھﺎ ﻟﺘﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ Wilcoxon‬ﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪ −‬ﯾﺠﺐ أن ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت ﺗﺮﺗﯿﺒﯿﺔ ‪.Ordinal‬‬
‫‪ −‬ﯾﺠﺐ أن ﺗﻜﻮن اﻟﻌﯿﻨﺔ ﻋﺸﻮاﺋﯿﺔ وﻗﯿﻢ ﻣﻔﺮداﺗﮭﺎ ﻻ ﺗﻌﺘﻤﺪ ﻋﻠﻰ ﺑﻌﻀﮭﺎ اﻟﺒﻌﺾ‪.‬‬

‫‪174‬‬
‫‪ 1-5-7‬اﻻﺧﺘﺒﺎر ﺑﺎﺳﺘﺨﺪام ‪ :SPSS‬ﻟﺘﻮﺿﯿﺢ ﻛﯿﻔﯿﺔ ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ ،Wilcoxon‬ﺗﺮﻏﺐ ﺷﺮﻛﺔ ‪Kia Motors‬ﺑﺘﻘﯿﯿﻢ واﺧﺘﺒﺎر أﺣﺪ‬
‫ﻣﺸﺘﺮ ﻣﺤﺘﻤﻞ‬
‫ٍ‬ ‫إﻋﻼﻧﺎﺗﮭﺎ اﻟﻤﺨﺼﺼﺔ ﻟﻠﺒﺚ ﻋﺒﺮ اﻟﺘﻠﻔﺰﯾﻮن وﻣﻮاﻗﻊ اﻟﺘﻮاﺻﻞ اﻻﺟﺘﻤﺎﻋﻲ ﻗﺒﻞ طﺮﺣﮫ ﺑﺸﻜﻞ ﻧﮭﺎﺋﻲ‪ُ ،‬‬
‫طﻠﺐ ﻣﻦ ‪400‬‬
‫ﻟﺴﯿﺎرﺗﮭﺎ اﻟﺠﺪﯾﺪة ‪ Stinger‬أن ﯾﻌﺒﺮوا ﻋﻦ درﺟﺔ ﺗﻔﻀﯿﻠﮭﺎ ﻋﻠﻰ ﻣﻘﯿﺎس ﻣﻜﻮن ﻣﻦ ‪ 5‬ﻓﺌﺎت )ﻻ أﻓﻀﻠﮭﺎ ﻋﻠﻰ اﻹطﻼق=‪ 1‬إﻟﻰ‬
‫أﻓﻀﻠﮭﺎ ﺑﺸﺪة=‪ (5‬ﻗﺒﻞ ﻋﺮض اﻹﻋﻼن ﻋﻠﯿﮭﻢ‪ ،‬ﺛﻢ ﻋﺮض اﻹﻋﻼن ﻋﻠﯿﮭﻢ وﻣﻦ ﺑﻌﺪھﺎ طﻠﺐ ﻣﻨﮭﻢ ﺗﻘﯿﯿﻢ اﻟﺴﯿﺎرة ﻣﺮة ﺛﺎﻧﯿﺔ ﻋﻠﻰ‬
‫ﻧﻔﺲ اﻟﻤﻘﯿﺎس اﻟﺴﺎﺑﻖ اﻟﺬﻛﺮ‪.‬‬

‫ﺣﺎول اﻟﺒﺎﺣﺚ اﺳﺘﺨﺪام ﺗﺤﻠﯿﻞ ‪ Paired Samples T-test‬ﻟﺘﺤﺪﯾﺪ ﻓﯿﻤﺎ إذا ارﺗﻔﻊ ﺗﻔﻀﯿﻞ اﻟﻤﺸﺘﺮون اﻟﻤﺤﺘﻤﻠﻮن ﻟﻠﺴﯿﺎرة اﻟﺠﺪﯾﺪة ﺑﻌﺪ‬
‫ﻣﺸﺎھﺪة اﻹﻋﻼن‪ ،‬إﻻ أن ﻣﺘﻐﯿﺮي درﺟﺔ ﺗﻔﻀﯿﻞ اﻟﺴﯿﺎرة ﻗﺒﻞ‪/‬ﺑﻌﺪ ﻣﺸﺎھﺪة اﻹﻋﻼن ﻟﻢ ﯾﺘﺒﻌﺎ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ وﻓﻘﺎ ً ﻟﻨﺘﺎﺋﺞ اﺧﺘﺒﺎر‬
‫‪ ،Kolmogrove-Smirnove‬ﻣﺎ دﻓﻊ اﻟﺒﺎﺣﺚ ﻻﺳﺘﺨﺪام اﺧﺘﺒﺎر ‪ ،Wilcoxon‬وﻟﺘﻨﻔﯿﺬه ﻓﻲ ‪ SPSS‬ﯾﺘﺒﻊ اﻟﺒﺎﺣﺚ اﻟﺨﻄﻮات اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪2 Related-Samples Non-Parametric Statistics Analyze‬‬

‫‪175‬‬
‫اﻟﺸﻜﻞ )‪ :(14/7‬اﻟﺨﻄﻮة اﻷوﻟﻰ ﻓﻲ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر ‪Wilcoxon‬‬

‫ﻓﺘﻈﮭﺮ اﻟﻨﺎﻓﺬة ‪ Two-Related-Samples Tests‬ﻛﻤﺎ ھﻮ ﻣﻮﺿﺢ ﻓﻲ اﻟﺸﻜﻞ رﻗﻢ )‪.(15/7‬‬

‫‪176‬‬
 Two-Related-Samples Tests :(15/7) ‫اﻟﺸﻜﻞ رﻗﻢ‬

‫ ﻓﯿﺤﺼﻞ اﻟﺒﺎﺣﺚ ﻋﻠﻰ اﻟﺸﻜﻞ رﻗﻢ‬Test Pairs ‫ ﺛﺎﻧﯿﺎ ً ﻓﻲ ﺧﺎﻧﺔ‬Attitudes after ‫ أوﻻً ﺛﻢ‬Attitudes before ‫ﺗُﺪﺧﻞ اﻟﻤﺘﻐﯿﺮات‬
(16/7)

177
 Wilcoxon‫ اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻧﯿﺔ ﻣﻦ اﺧﺘﺒﺎر‬:(16/7)‫اﻟﺸﻜﻞ رﻗﻢ‬

.(9/7)‫( و‬8/7) ‫ ﻓﺘﻈﮭﺮ ﻧﺘﺎﺋﺞ اﻻﺧﺘﺒﺎر اﻟﻤﻮﺿﺤﺔ ﻓﻲ اﻟﺠﺪاول‬OK ‫ﯾﻀﻐﻂ اﻟﺒﺎﺣﺚ ﻋﻠﻰ‬

(Ranks) Wilcoxon ‫( ﻧﺘﺎﺋﺞ اﺧﺘﺒﺎر‬8/7)‫اﻟﺠﺪول رﻗﻢ‬

N Mean Rank Sum of Ranks

Attitudes after ADS – Attitudes before ADS Negative Ranks 20a 74.50 1490.00

Positive Ranks 244b 137.25 33490.00

Ties 136c

Total 400

a. Attitudes after ADS < Attitudes before ADS

b. Attitudes after ADS > Attitudes before ADS

c. Attitudes after ADS = Attitudes before ADS

178
 ‫اﻟﺠﺪول رﻗﻢ)‪ :(9/7‬ﻣﻌﻨﻮﯾﺔ اﺧﺘﺒﺎر ‪Wilcoxon‬‬
‫‪Attitudes after ADS – Attitudes before ADS‬‬

‫‪Z‬‬ ‫‪-13.226-b‬‬

‫)‪Asymp. Sig. (2-tailed‬‬ ‫‪.000‬‬

‫‪a. Wilcoxon Signed Ranks Test‬‬

‫‪b. Based on negative ranks.‬‬

‫ﺗﻈﮭﺮ ﻧﺘﯿﺠﺔ اﻻﺧﺘﺒﺎر ﻋﻠﻰ ﺷﻜﻞ ﺟﺪوﻟﯿﻦ‪ ،‬ﯾﺼﻒ اﻟﺠﺪول اﻷول )‪ (8/7‬اﻟﻌﯿﻨﺎت اﻟﺜﻼﺛﺔ‪ ،‬ﺣﯿﺚ ﯾﺒﯿﻦ أن ﻋﺪد اﻟﺤﺎﻻت اﻟﻜﻠﯿﺔ ھﻲ‬
‫‪ 400‬ﻣﻨﮭﻢ ‪ 20‬ﺣﺎﻟﺔ ﻛﺎن ﻓﯿﮭﺎ ﺗﻔﻀﯿﻞ اﻟﺴﯿﺎرة ﺑﻌﺪ ﻣﺸﺎھﺪة اﻹﻋﻼن أﻗﻞ ﻣﻦ ﻗﺒﻞ)‪ ،(before> after‬و‪ 244‬ﺣﺎﻟﺔ ﻛﺎن ﻓﯿﮭﺎ‬
‫ﺗﻔﻀﯿﻞ اﻟﺴﯿﺎرة ﺑﻌﺪ اﻟﻤﺸﺎھﺪة أﻛﺒﺮ ﻣﻦ ﻗﺒﻞ ﻣﺸﺎھﺪة اﻹﻋﻼن )‪ ،(before< after‬و‪ 160‬ﺣﺎﻟﺔ ﺗﺴﺎوى ﻗﺒﻞ ﻣﻊ ﺑﻌﺪ‪ ،‬وﯾﻈﮭﺮ‬
‫اﻟﺠﺪول اﻟﺜﺎﻧﻲ ﻧﺘﯿﺠﺔ اﻻﺧﺘﺒﺎر إذ ﺑﻠﻐﺖ ﻗﯿﻤﺔ ‪ (-13.226) Z‬ﻋﻨﺪ ﻣﺴﺘﻮى دﻻﻟﺔ ‪ 0.000‬وھﻲ أﺻﻐﺮ ﻣﻦ ‪ α = 0.05‬وﺑﺎﻟﺘﺎﻟﻲ‬
‫ﺗﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﺗﻘﺒﻞ اﻟﺒﺪﯾﻠﺔ اﻟﺘﻲ ﺗﻨﺺ ﻋﻠﻰ وﺟﻮد أﺛﺮ ﻟﻺﻋﻼن ﻋﻠﻰ ﺗﻘﯿﯿﻢ اﻟﺴﯿﺎرة وﺑﺎﻟﺘﺎﻟﻲ اﻟﺒﺪء ﺑﺒﺚ اﻹﻋﻼن ﻋﺒﺮ‬
‫اﻟﺘﻠﻔﺰﯾﻮن وﻣﻮاﻗﻊ اﻟﺘﻮاﺻﻞ اﻻﺟﺘﻤﺎﻋﻲ‪.‬‬

‫‪179‬‬
 ‫‪ 6-7‬اﺧﺘﺒﺎر ‪ Friedman Test‬ﻟﻌﺪة ﻋﯿﻨﺎت ﻣﺮﺗﺒﻄﺔ‪:‬‬
‫اﺧﺘﺒﺎر ﻻﻣﻌﻠﻤﻲ ﻟﻠﻌﯿﻨﺎت ﻏﯿﺮ اﻟﻤﺴﺘﻘﻠﺔ ﯾﻄﺒﻖ ﻋﺎدة ً ﻋﻨﺪﻣﺎ ﻻ ﺗﺘﻮاﻓﺮ‬
‫ﺷﺮوط ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ‪ ،‬وھﻮ ﻣﺸﺎﺑﮫ ﻻﺧﺘﺒﺎر ﺗﺤﻠﯿﻞ‬
‫اﻟﺘﺒﺎﯾﻦ اﻟﻤﻌﻠﻤﻲ ﻣﻦ اﻟﻨﻮع ‪ ،Repeated Measure Design‬وﯾﻄﺒﻖ ﻓﻲ‬
‫ﺣﺎﻟﺔ ﻋﺪم ﺗﻮاﻓﺮ ﺷﺮوط ﺗﻄﺒﯿﻖ اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ‪ ،‬وﻣﻦ أھﻢ‬
‫اﻟﺸﺮوط اﻟﻌﺎﻣﺔ اﻟﻮاﺟﺐ ﺗﻮاﻓﺮھﺎ ﻟﺘﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ Friedman‬ﻣﺎ ﯾﻠﻲ‪:‬‬
‫‪ −‬ﯾﺠﺐ أن ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت ﺗﺮﺗﯿﺒﯿﺔ ‪.Ordinal‬‬
‫‪ −‬ﯾﺠﺐ أن ﺗﻜﻮن اﻟﻌﯿﻨﺔ ﻋﺸﻮاﺋﯿﺔ‪.‬‬

‫‪ 1-6-7‬اﻻﺧﺘﺒﺎر ﺑﺎﺳﺘﺨﺪام ‪ :SPSS‬ﻟﺘﻮﺿﯿﺢ ﻛﯿﻔﯿﺔ ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪ ،Friedman‬ﯾﺮﻏﺐ اﻟﺒﺮﯾﺪ اﻟﺴﻮري ﺑﺎﻟﻤﻘﺎرﻧﺔ ﺑﯿﻦ درﺟﺔ‬
‫ﺗﻔﻀﯿﻞ اﻟﺰﺑﺎﺋﻦ ﻷرﺑﻌﺔ أﻧﻮاع ﻣﺤﺘﻤﻠﺔ ﻟﺨﺪﻣﺎت ﺟﺪﯾﺪة‪ ،‬وﻟﻤﻌﺮﻓﺔ اﻟﻔﺮق ﺑﯿﻦ درﺟﺎت اﻟﺘﻔﻀﯿﻞ ﺳﺌُﻠﺖ ﻋﯿﻨﺔ ﻋﺸﻮاﺋﯿﺔ ﻣﻜﻮﻧﺔ ﻣﻦ‬
‫‪ 297‬زﺑﻮﻧﺎ ً ﻣﺤﺘﻤﻼً ﻋﻦ درﺟﺔ ﺗﻔﻀﯿﻠﮭﻢ ﻟﻜﻞ ﻣﻦ اﻟﺨﺪﻣﺎت اﻟﺠﺪﯾﺪة اﻟﻤﺤﺘﻤﻠﺔ‪ ،‬ﺣﯿﺚ ﯾﺸﯿﺮ اﻟﺘﺮﺗﯿﺐ ‪ 1‬إﻟﻰ درﺟﺔ اﻟﺘﻔﻀﯿﻞ اﻷوﻟﻰ‬
‫ﯾﻠﯿﮫ اﻟﺘﺮﺗﯿﺐ ‪ 2‬و‪ 3‬و‪.4‬‬

‫واﻟﻤﻄﻠﻮب اﺧﺘﺒﺎر ﻓﺮﺿﯿﺔ اﻟﻌﺪم اﻟﻘﺎﺋﻠﺔ ﺑﻌﺪم وﺟﻮد ﻓﺮوق ﻣﻌﻨﻮﯾﺔ ﺑﯿﻦ درﺟﺔ ﺗﻔﻀﯿﻞ اﻟﺨﺪﻣﺎت اﻷرﺑﻌﺔ اﻟﺠﺪﯾﺪة اﻟﻤﻘﺘﺮﺣﺔ‪ .‬وﻟﺘﻨﻔﯿﺬ‬
‫اﻻﺧﺘﺒﺎر ﻓﻲ ‪ SPSS‬ﻧﺘﺒﻊ اﻟﺨﻄﻮات اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫‪K Related-Samples Non-Parametric Statistics Analyze‬‬

‫‪180‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(17/7‬اﻟﻤﺮﺣﻠﺔ اﻷوﻟﻰ ﻣﻦ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر ‪Friedman‬‬

‫ﻓﺘﻈﮭﺮ اﻟﻨﺎﻓﺬة اﻟﺘﺎﻟﯿﺔ‪:‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(18/7‬اﻟﻤﺮﺣﻠﺔ اﻟﺜﺎﻧﯿﺔ ﻣﻦ اﺧﺘﺒﺎر‪Friedman‬‬

‫‪181‬‬
‫ﺗﻮﺿﻊ اﻟﻤﺘﻐﯿﺮات ‪ Service AA‬و‪ Service BB‬و‪ Service CC‬و‪ Service DD‬اﻟﺘﻲ ﯾﻤﺜﻞ ﻛﻞ ﻣﻨﮭﺎ درﺟﺎت ﺗﻔﻀﯿﻞ اﻟﺨﺪﻣﺎت‬
‫اﻷرﺑﻌﺔ ﻓﻲ ﺧﺎﻧﺔ ‪ Test Variable‬وﯾُﻀﻐﻂ ﻋﻠﻰ ‪ ،Ok‬ﻓﯿﺤﺼﻞ اﻟﺒﺎﺣﺚ ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ اﻟﻮاردة ﻓﻲ اﻟﺠﺪاول )‪ (10/7‬و)‪.(11/7‬‬

‫اﻟﺠﺪول رﻗﻢ )‪ :(10/7‬ﻧﺘﺎﺋﺞ اﺧﺘﺒﺎر ‪(Ranks) Friedman‬‬

‫‪Mean Rank‬‬

‫‪Service AA‬‬ ‫‪2.48‬‬

‫‪Service BB‬‬ ‫‪2.37‬‬

‫‪Service CC‬‬ ‫‪2.26‬‬

‫‪Service DD‬‬ ‫‪2.88‬‬

‫اﻟﺠﺪول رﻗﻢ )‪ :(11/7‬ﻣﻌﻨﻮﯾﺔ اﺧﺘﺒﺎر ‪Friedman‬‬

‫‪N‬‬ ‫‪297‬‬

‫‪Chi-Square‬‬ ‫‪38.491‬‬

‫‪df‬‬ ‫‪3‬‬

‫‪Asymp. Sig.‬‬ ‫‪.000‬‬

‫‪a. Friedman Test‬‬

‫ﯾﺒﯿﻦ اﻟﺠﺪول رﻗﻢ )‪ (10/7‬ﻣﺘﻮﺳﻂ اﻟﺘﺮﺗﯿـﺐ ﻟﻠﺨﺪﻣﺎت اﻷرﺑﻌﺔ‪ ،‬ﺑﯿﻨﻤﺎ ﯾﺸـﯿﺮ اﻟﺠﺪول )‪ (11/7‬إﻟـﻰ أن ‪38.491 =Chi-square‬‬
‫و ‪ Sig = 0.000‬وھﻲ أﺻﻐﺮ ﻣﻦ ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ‪ .α = 0.05‬ﺑﻤﻌﻨﻰ آﺧﺮ ﯾﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم اﻟﻘﺎﺋﻠﺔ ﺑﻌﺪم وﺟﻮد‬
‫ﻓﺮوق ﻣﻌﻨﻮﯾﺔ ﺑﯿﻦ درﺟﺔ ﺗﻔﻀﯿﻞ اﻟﺨﺪﻣﺎت اﻷرﺑﻌﺔ وﻗﺒﻮل اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ‪.‬‬

‫‪182‬‬
‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ‪ :‬ﺗﺴﺘﺨﺪم اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ ﻋﺎدة ﺑﺴﺒﺐ ﻋﺪم ﺗﻮاﻓﺮ اﻟﺸﺮوط اﻟﺨﺎﺻﺔ ﺑﺎﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ ﻛﺸﺮط اﻟﺘﻮزﯾﻊ‬
‫اﻟﻄﺒﯿﻌﻲ ﻣﺜﻼً‪ ،‬ﻋﻠﻤﺎ ً ﺑﺄن ﻟﻼﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ ﺷﺮوطﺎ ً ﻟﺘﻄﺒﯿﻘﮭﺎ أﯾﻀﺎ ً إﻻ أﻧﮭﺎ أﺳﮭﻞ ﺑﻜﺜﯿﺮ ﻣﻦ ﺷﺮوط اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ‪.‬‬
‫وﯾﻔﻀﻞ ﻋﺎدة اﺳﺘﺨﺪام اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ ﻓﻲ ﺣﺎل ﺗﻮاﻓﺮ اﻟﺸﺮوط اﻟﺨﺎﺻﺔ ﺑﮭﺎ ﻟﻜﻮﻧﮭﺎ أﻛﺜﺮ دﻗﺔ ﻣﻦ اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ‪.‬‬
‫وﯾُﺴﺘﺨﺪم ﺗﻮزﯾﻊ ‪ χ2‬ﻻﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت اﻟﻤﺘﻌﻠﻘﺔ ﺑﺎﻟﺒﯿﺎﻧﺎت اﻟﺘﻲ ﺗﻜﻮن ﻋﻠﻰ ﺷﻜﻞ ﺗﻮزﯾﻌﺎت ﺗﻜﺮارﯾﺔ‪ ،‬وﺗﻌﺘﻤﺪ ﺟﻤﯿﻊ أﺷﻜﺎل‬
‫اﺳﺘﺨﺪاﻣﮫ ﻋﻠﻰ أﺳﺎس ﻣﻘﺎرﻧﺔ اﻟﺘﻜﺮارات اﻟﺤﻘﯿﻘﯿﺔ ﻣﻊ اﻟﺘﻜﺮارات اﻟﻤﺘﻮﻗﻌﺔ وﻓﻘﺎ ً ﻟﻄﺒﯿﻌﺔ اﻟﺘﻮزﯾﻊ اﻻﺣﺘﻤﺎﻟﻲ ﻟﻠﺒﯿﺎﻧﺎت‪ .‬أﻣﺎ اﺧﺘﺒﺎر‬
‫‪ Mann-Whitney U‬ﻓﮭﻮ اﺧﺘﺒﺎر ﻻ ﻣﻌﻠﻤﻲ ﯾﺴﺘﺨﺪم ﻟﻠﻤﻘﺎرﻧﺔ ﺑﯿﻦ ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت ﺗﺮﺗﯿﺒﯿﺔ‪ ،‬وﯾﺴﺘﺨﺪم ﺑﺪﻻً‬
‫ﻣﻦ اﺧﺘﺒﺎر ‪ T‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ﻋﻨﺪﻣﺎ ﻻ ﯾﺘﻮاﻓﺮ ﺷﺮط اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪ .‬وﯾُﺴﺘﺨﺪم اﺧﺘﺒﺎر ‪ Kruskal-Wallis‬ﻟﻠﻤﻘﺎرﻧﺔ ﺑﯿﻦ أﻛﺜﺮ‬
‫ﻣﻦ ﻣﺠﻤﻮﻋﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ‪ ،‬وﻋﺎدة ﻣﺎ ﯾﻄﺒﻖ ﻋﻨﺪﻣﺎ ﻻ ﺗﺘﻮاﻓﺮ ﺷﺮوط ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ أو ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت‬
‫اﻟﻤﺘﻮاﻓﺮة ھﻲ ﺑﯿﺎﻧﺎت ﺗﺮﺗﯿﺒﯿﺔ‪ .‬ﻛﺬﻟﻚ ﻓﺈن ‪ Wilcoxon‬ھﻮ ﻻﻣﻌﻠﻤﻲ ﯾُﻄﺒﻖ ﻋﺎدة ﻋﻨﺪﻣﺎ ﻻ ﺗﺘﻮاﻓﺮ ﺷﺮوط ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر ‪Paired‬‬

‫‪ .Samples t-test‬وﻓﻲ اﻟﺴﯿﺎق ذاﺗﮫ ﯾﻌﺘﺒﺮ اﺧﺘﺒﺎر ‪ Friedman Test‬ﻟﻌﺪة ﻋﯿﻨﺎت ﻏﯿﺮ ﻣﺴﺘﻘﻠﺔ اﺧﺘﺒﺎرا ً ﻻﻣﻌﻠﻤﯿﺎ ً ﻟﻠﻌﯿﻨﺎت ﻏﯿﺮ‬
‫اﻟﻤﺴﺘﻘﻠﺔ ﯾﻄﺒﻖ ﻋﺎدة ﻋﻨﺪﻣﺎ ﻻ ﺗﺘﻮاﻓﺮ ﺷﺮوط ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ‪ ،‬وھﻮ ﻣﺸﺎﺑﮫ ﻻﺧﺘﺒﺎر ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻟﻤﻌﻠﻤﻲ ﻣﻦ اﻟﻨﻮع‬
‫‪ ،Repeated Measure Design‬وﯾﻄﺒﻖ ﻓﻲ ﺣﺎﻟﺔ ﻋﺪم ﺗﻮاﻓﺮ ﺷﺮوط ﺗﻄﺒﯿﻖ اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ‪.‬‬

‫‪183‬‬
 ‫اﻟﻤﺮاﺟﻊ اﻟﻤﺴﺘﺨﺪﻣﺔ ﻓﻲ اﻟﻔﺼﻞ‬
1. Blumberg, B., Cooper, D. R., and Schindler, P. S. (2005) Business Research Methods, Mcgraw-Hill,
Berkshire.

2. Coakes, S. J. (2005) SPSS for Windows: Analysis without Anguish, Australia: John Wiley.

3. Denis, D. J. (2019) SPSS Data Analysis for Univariate, Bivariate, and Multivariate Statistics. Wiley.

4. Field, A. (2018) Discovering Statistics Using IBM SPSS Statistics. 5th Edition. Sage.

5. Hair, J.F. JR., Bush, R.P., and Ortinau, D. J. (2003) Marketing Research Within a Changing Information
Environment, 2nd Edition, USA: McGraw-Hill/Irwin.

6. Hinton, P. R., McMurray, I., Brownlow, C. (2014) SPSS Explained. 2nd Edition. Routledge.

7. Ho, R. (2018) Understanding Statistics for the Social Sciences with IBM SPSS. CRC Press.

8. Landau, S. and Everitt, B. S. (2004) A Handbook of Statistical Analysis Using SPSS, USA: Chapman &
Hall/CRC Press.

9. Leech, N.L., Barrett, K. C. and Morgan, G. A. (2005) SPSS for Intermediate Statistics: Use and
Interpretation, 2nd Edition, USA: Laerence Erlbaum Associates, Inc.

10. Morgan, G. A., Leech, N. L., Gloeckner, G. W. and Barrett, K. C. (2004) SPSS for Introductory Statistics:
Use and Interpretation, 2nd Edition, USA: Lawrence Erlbaum Associates.

11. Pallant, J. (2007)SPSS Survival Manual: A Step by Step Guide to Data Analysis Using SPSS for Windows,
3rd Edition, USA: McGraw Hill.
‫ دﻟﯿﻞ ﻧﻈﺮي وﺗﻄﺒﯿﻘﻲ وﻋﻤﻠﻲ ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ‬:‫( ﺑﺤﻮث اﻟﺘﺴﻮﯾﻖ‬2017) .‫ ﻧﺮﯾﻤﺎن‬،‫ ﻋﻤﺎر‬،.‫ ﺣﯿﺎن‬،‫ دﯾﺐ‬،.‫ ﻣﺤﻤﺪ‬،‫ اﻟﺨﻀﺮ‬.12
.(HIBA) ‫ اﻟﻤﻌﮭﺪ اﻟﻌﺎﻟﻲ ﻹدارة اﻷﻋﻤﺎل‬:‫ دﻣﺸﻖ‬.SPSS

184
 ‫أﺳﺌﻠﺔ اﻟﻔﺼﻞ اﻟﺴﺎﺑﻊ‪:‬‬
‫‪ (1‬أﺳﺌﻠﺔ ﺻﺢ ‪ /‬ﺧﻄﺄ ‪True/False‬‬

‫ﺧﻄﺄ‬ ‫ﺻﺢ‬ ‫اﻟﺴﺆال‬

‫‪‬‬ ‫ھﻨﺎﻟﻚ ﻓﺮق ﺑﯿﻦ ﻣﺒﺮرات اﺳﺘﺨﺪام اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ واﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ‬ ‫‪1‬‬

‫‪‬‬ ‫إن ﻣﺘﻄﻠﺒﺎت اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﯿﺔ أﻛﺜﺮ ﺻﺮاﻣﺔ ﻣﻦ اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ‬ ‫‪2‬‬

‫‪‬‬ ‫ﯾﺴﺘﺨﺪم اﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ ﻋﻨﺪﻣﺎ ﯾﻜﻮن اﻟﻤﺘﻐﯿﺮﯾﻦ ﻓﺌﻮﯾﯿﻦ‬ ‫‪3‬‬

‫ﯾﺴﺘﺨﺪم اﻟﺒﺎﺣﺚ اﺧﺘﺒﺎر ‪ Mann-Whitney U‬ﻛﺒﺪﯾﻞ ﻻﺧﺘﺒﺎر ‪ t‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ ﻋﻨﺪم ﻋﺪم ﺗﻮﻓﺮ‬
‫‪‬‬ ‫‪4‬‬
‫ﺷﺮوط اﻷﺧﯿﺮ‪.‬‬

‫‪One-Way ANOVA‬ﻛﺒﺪﯾﻞ ﻻﺧﺘﺒﺎر‬ ‫ﯾﺴﺘﺨﺪم اﻟﺒﺎﺣﺚ اﺧﺘﺒﺎر ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻷﺣﺎدي‬

‫‪‬‬ ‫‪5‬‬
‫‪ Kruskal-Wallis‬ﻋﻨﺪ ﻋﺪم ﺗﻮﻓﺮ ﺷﺮوط اﻻﺧﺘﺒﺎرات اﻟﻤﻌﻠﻤﯿﺔ‬

‫‪‬‬ ‫ﻟﯿﺲ ﻣﻦ اﻟﻀﺮوري أن ﺗﻜﻮن اﻟﻌﯿﻨﺔ ﻋﺸﻮاﺋﯿﺔ ﻋﻨﺪ ﺗﻨﻔﯿﺬ اﺧﺘﺒﺎر ‪Friedman‬‬ ‫‪6‬‬

‫أﺳﺌﻠﺔ ﻣﺘﻌﺪدة اﻟﺨﯿﺎرات‪:‬‬

‫‪ .1‬ﯾﺮﻏﺐ اﻟﺒﺎﺣﺚ ﺑﺪراﺳﺔ أﺛﺮ ﻣﺘﻐﯿﺮ ﻓﺌﻮي )ﺗﺮﺗﯿﺒﻲ‪ ،‬اﺳﻤﻲ( ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ ﻻ ﺗﺒﻊ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪ ،‬إن اﻻﺧﺘﺒﺎر اﻟﻤﻨﺎﺳﺐ ھﻮ ‪.....‬‬
‫‪ .A‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ )‪(Mann-Whitney U test for two independent samples‬‬
‫‪ .B‬اﺧﺘﺒﺎر ﻣﻘﺎرﻧﺔ ﻋﺪة ﻣﺠﺘﻤﻌﺎت ﻣﺴﺘﻘﻠﺔ )‪(Kruskal-Wallis test for several independent samples‬‬
‫‪ .C‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺮﺗﺒﻄﺘﯿﻦ )‪(Wilcoxon Signed Ranks Test for related samples‬‬
‫‪ .D‬اﺧﺘﺒﺎر ﻋﺪة ﻋﯿﻨﺎت ﻣﺮﺗﺒﻄﺔ )‪(Friedman Test for Several Related Samples‬‬
‫‪ .2‬ﯾﺮﻏﺐ اﻟﺒﺎﺣﺚ ﺑﺪراﺳﺔ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﻜﺎن إﻗﺎﻣﺔ اﻟﻤﻮظﻒ واﻟﻘﺴﻢ اﻟﺬي ﯾﻔﻀﻞ اﻟﻌﻤﻞ ﻓﯿﮫ‪ ،‬إن اﻻﺧﺘﺒﺎر اﻟﻤﻨﺎﺳﺐ ھﻮ ‪.....‬‬
‫‪ .A‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ )‪(Mann-Whitney U test for two independent samples‬‬
‫‪ .B‬اﺧﺘﺒﺎر ﻣﻘﺎرﻧﺔ ﻋﺪة ﻣﺠﺘﻤﻌﺎت ﻣﺴﺘﻘﻠﺔ )‪(Kruskal-Wallis test for several independent samples‬‬
‫‪ .C‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺮﺗﺒﻄﺘﯿﻦ )‪(Wilcoxon Signed Ranks Test for related samples‬‬
‫‪ .D‬اﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ )‪(χ2‬‬

‫‪185‬‬
‫‪ .3‬ﯾﺮﻏﺐ اﻟﺒﺎﺣﺚ ﺑﺘﺤﺪﯾﺪ ﻣﺪى اﺧﺘﻼف ﺗﻔﻀﯿﻞ اﻟﻤﻮظﻔﯿﻦ اﻟﻌﻤﻞ ﺑﺎﻟﺸﺮﻛﺔ ﺑﻌﺪ زﯾﺎدة رواﺗﺐ اﻟﻤﻮظﻔﯿﻦ ﺑﺎﻟﻤﻘﺎرﻧﺔ ﻋﻦ ﻗﺒﻞ اﻟﺰﯾﺎدة‪،‬‬
‫وﻛﺎﻧﺖ درﺟﺔ اﻟﺘﻔﻀﯿﻞ ﻗﺒﻞ وﺑﻌﺪ ﺗﺘﺒﻊ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪ ،‬إن اﻻﺧﺘﺒﺎر اﻟﻤﻨﺎﺳﺐ‪....‬‬
‫‪ .A‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ )‪(Mann-Whitney U test for two independent samples‬‬
‫‪ .B‬اﺧﺘﺒﺎر ﻣﻘﺎرﻧﺔ ﻋﺪة ﻣﺠﺘﻤﻌﺎت ﻣﺴﺘﻘﻠﺔ )‪(Kruskal-Wallis test for several independent samples‬‬
‫‪ .C‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺮﺗﺒﻄﺘﯿﻦ )‪(Wilcoxon Signed Ranks Test for related samples‬‬
‫‪ .D‬وﻻ إﺟﺎﺑﺔ ﻣﻤﺎ ﺳﺒﻖ‬
‫‪ .4‬اﺧﺘﺒﺎر ﻻﻣﻌﻠﻤﻲ ﯾﻄﺒﻖ ﻋﺎدة ﻋﻨﺪﻣﺎ ﻻ ﺗﺘﻮاﻓﺮ ﺷﺮوط ﺗﻄﺒﯿﻖ اﺧﺘﺒﺎر‪ Paired Samples t-test‬ﻓﮭﻮ ﻧﻤﻮذج ﻻﻣﻌﻠﻤﻲ ﻟﺘﺤﻠﯿﻞ ‪T-‬‬
‫‪ ،Test‬إﻧﮫ‪....‬‬
‫‪ .A‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ )‪(Mann-Whitney U test for two independent samples‬‬
‫‪ .B‬اﺧﺘﺒﺎر ﻣﻘﺎرﻧﺔ ﻋﺪة ﻣﺠﺘﻤﻌﺎت ﻣﺴﺘﻘﻠﺔ )‪(Kruskal-Wallis test for several independent samples‬‬
‫‪ .C‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺮﺗﺒﻄﺘﯿﻦ )‪(Wilcoxon Signed Ranks Test for related samples‬‬
‫‪ .D‬اﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ )‪(χ2‬‬

‫‪ .5‬اﺧﺘﺒﺎر ﻻﻣﻌﻠﻤﻲ ﯾﺴﺘﺨﺪم ﻟﻠﻤﻘﺎرﻧﺔ ﺑﯿﻦ ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﺒﯿﺎﻧﺎت ﺗﺮﺗﯿﺒﯿﺔ‪ ،‬أو ﺑﺪﻻً ﻣﻦ اﺧﺘﺒﺎر ‪ T‬ﻟﻠﻌﯿﻨﺎت اﻟﻤﺴﺘﻘﻠﺔ‬
‫ﻋﻨﺪﻣﺎ ﻻ ﯾﺘﻮﻓﺮ ﺷﺮط اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬
‫‪ .A‬اﺧﺘﺒﺎر ‪Mann-Whitney U test‬‬
‫‪ .B‬اﺧﺘﺒﺎر‪Kruskal-Wallis‬‬
‫‪ .C‬اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺮﺗﺒﻄﺘﯿﻦ )‪(Wilcoxon Signed Ranks Test for related samples‬‬
‫‪ .D‬اﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ )‪(χ2‬‬

‫‪186‬‬
 ‫‪ (3‬أﺳﺌﻠﺔ \ ﻗﻀﺎﯾﺎ ﻟﻠﻤﻨﺎﻗﺸﺔ‬

‫ﻣﻘﺎرﻧﺔ ﺑﯿﻦ اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ واﺧﺘﺒﺎر ﻋﺪة ﻣﺠﺘﻤﻌﺎت ﻣﺴﺘﻘﻠﺔ‪.‬‬

‫ﻗﺎرن ﺑﯿﻦ اﺧﺘﺒﺎر ﻋﯿﻨﺘﯿﻦ ﻣﺴﺘﻘﻠﺘﯿﻦ )‪ (Mann-Whitney U test for two independent samples‬واﺧﺘﺒﺎر ﻣﻘﺎرﻧﺔ ﻋﺪة ﻣﺠﺘﻤﻌﺎت ﻣﺴﺘﻘﻠﺔ‬
‫)‪(Kruskal-Wallis test for several independent samples‬‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪ 3-7‬و‪[4-7‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 20 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.20 :100‬‬

‫اﺳﺘﺨﺪم ﺑﯿﺎﻧﺎت اﻟﻔﺼﻞ اﻟﻤﺮﻓﻘﺔ ﻣﻊ اﻟﻤﻘﺮر ﻟﺘﻨﻔﯿﺬ اﺧﺘﺒﺎر ﻛﺎي ﻣﺮﺑﻊ ﻣﻔﺴﺮا اﻟﻨﺘﺎﺋﺞ اﻟﻨﮭﺎﺋﯿﺔ‬

‫ﺗﻮﺟﯿﮫ ﻟﻺﺟﺎﺑﺔ‪ :‬اﻟﻔﻘﺮة ‪[2-7‬‬ ‫] ﻣﺪة اﻹﺟﺎﺑﺔ‪ 10 :‬دﻗﯿﻘﺔ‪ .‬اﻟﺪرﺟﺎت ﻣﻦ ‪.20 :100‬‬

‫‪187‬‬
 ‫ﻣﺮاﺟﻊ اﻟﻜﺘﺎب‬
1. Blumberg, B., Cooper, D. R., and Schindler, P. S. (2005) Business Research Methods, Mcgraw-
Hill, Berkshire.

2. Cleff, T. (2019) Applied Statistics and Multivariate Data Analysis for Business and Economics: A
modern Approach Using SPSS, Stata, and Excel. Springer

3. Coakes, S. J. (2005) SPSS for Windows: Analysis without Anguish, Australia: John Wiley.

4. Denis, D. J. (2019) SPSS Data Analysis for Univariate, Bivariate, and Multivariate Statistics.
Wiley.

5. Field, A. (2018) Discovering Statistics Using IBM SPSS Statistics. 5th Edition. Sage.

6. Hair, J.F. JR., Bush, R.P., and Ortinau, D. J. (2003) Marketing Research Within a Changing
Information Environment, 2nd Edition, USA: McGraw-Hill/Irwin.

7. Hinton, P. R., McMurray, I., Brownlow, C. (2014) SPSS Explained. 2nd Edition. Routledge.

8. Ho, R. (2018) Understanding Statistics for the Social Sciences with IBM SPSS. CRC Press.

9. Landau, S. and Everitt, B. S. (2004) A Handbook of Statistical Analysis Using SPSS, USA: Chapman
& Hall/CRC Press.

10. Leech, N.L., Barrett, K. C. and Morgan, G. A. (2005) SPSS for Intermediate Statistics: Use and
Interpretation, 2nd Edition, USA: Laerence Erlbaum Associates, Inc.

11. Malhotra, N. K. and Briks, D. F. (2007) Marketing Research: An Applied Approach, 3rd European
Edition, Italy: Pearson Education Limited.

12. Malhotra, N. K., Nunan, D., Birks, D. F. (2017) Marketing Research: An Applied Approach. 5th
Edition, Pearson.

13. Morgan, G. A., Leech, N. L., Gloeckner, G. W. and Barrett, K. C. (2004) SPSS for Introductory
Statistics: Use and Interpretation, 2nd Edition, USA: Lawrence Erlbaum Associates.

188
 ‫‪14. Pallant, J. (2007)SPSS Survival Manual: A Step by Step Guide to Data Analysis Using SPSS for‬‬
‫‪Windows, 3rd Edition, USA: McGraw Hill.‬‬

‫‪15. Sarstedt, M., Mooi, E. (2019) A Concise Guide to Market Research: The Process, Data, and‬‬
‫‪Methods Using IBM SPSS Statistics. 3rd Edition. Springer.‬‬

‫‪16. Stockemer, D. (2019) Quantitative Methods for the Social Sciences: A Practical Introduction with‬‬
‫‪Examples in SPSS and Stata. Springer.‬‬

‫‪17. Yockey, R. D. (2016) A Step-by-Step Guide to Successful Data Analysis For SPSS Version 18.0. 2nd‬‬
‫‪Edition. Routledge.‬‬
‫‪ .18‬اﻟﺒﻠﺪاوي‪ ،‬ﻋﺒﺪ اﻟﺤﻤﯿﺪ ﻋﺒﺪ اﻟﻤﺠﯿﺪ )‪ ،(2007‬أﺳﺎﻟﯿﺐ اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ واﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ‪ :‬اﻟﺘﺨﻄﯿﻂ ﻟﻠﺒﺤﺚ وﺟﻤﻊ اﻟﺒﯿﺎﻧﺎت ﯾﺪوﯾﺎ ً‬
‫وﺑﺎﺳﺘﺨﺪام ‪ ،SPSS‬اﻟﻄﺒﻌﺔ اﻟﺜﺎﻟﺜﺔ‪ ،‬ﻋﻤﺎن‪ :‬دار اﻟﺸﺮوق‪.‬‬
‫‪ .19‬اﻟﺨﻀﺮ‪ ،‬ﻣﺤﻤﺪ‪ ،.‬دﯾﺐ‪ ،‬ﺣﯿﺎن‪ ،.‬ﻋﻤﺎر‪ ،‬ﻧﺮﯾﻤﺎن‪ (2017) .‬ﺑﺤﻮث اﻟﺘﺴﻮﯾﻖ‪ :‬دﻟﯿﻞ ﻧﻈﺮي وﺗﻄﺒﯿﻘﻲ وﻋﻤﻠﻲ ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ اﻟﺘﺤﻠﯿﻞ‬
‫اﻹﺣﺼﺎﺋﻲ ‪ .SPSS‬دﻣﺸﻖ‪ :‬اﻟﻤﻌﮭﺪ اﻟﻌﺎﻟﻲ ﻹدارة اﻷﻋﻤﺎل )‪.(HIBA‬‬
‫‪ .20‬اﻟﺴﺎﻋﺎﺗﻲ‪ ،‬ﻋﺒﺪ اﻟﺮﺣﯿﻢ‪ ،.‬ﺣﺴﻦ‪ ،‬أﺣﻤﺪ اﻟﺴﯿﺪ‪ ،.‬ﺣﺎﺑﺲ‪ ،‬ﻋﺼﺎم‪ ،.‬اﻟﺒﺤﻄﯿﻄﻲ‪ ،‬ﻋﺒﺪ اﻟﺮﺣﯿﻢ‪ ،.‬أﺑﻮ اﻟﻌﻼ‪ ،‬ﻟﺒﻨﻰ‪ ،.‬اﻟﺸﺮﺑﯿﻨﻲ‪ ،‬زﻛﺮﯾﺎ‪.‬‬
‫)‪ (2009‬ﺗﻄﺒﯿﻘﺎت ﻓﻲ اﻟﺘﺤﻠﯿﻞ اﻹﺣﺼﺎﺋﻲ ﻟﻠﻌﻠﻮم اﻹدارﯾﺔ واﻹﻧﺴﺎﻧﯿﺔ‪ ،‬اﻟﻄﺒﻌﺔ اﻟﺜﺎﻧﯿﺔ‪ ،‬ﺟﺪة‪ :‬ﺟﺎﻣﻌﺔ اﻟﻤﻠﻚ ﻋﺒﺪ اﻟﻌﺰﯾﺰ‪.‬‬
‫‪ .21‬اﻟﻄﻮﯾﻞ‪ ،‬ﻟﯿﻠﻰ‪ (2014) .‬ﻣﻨﮭﺠﯿﺔ اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‪ ،‬ﺳﻮرﯾﺔ‪ :‬ﺟﺎﻣﻌﺔ ﺗﺸﺮﯾﻦ‪.‬‬
‫‪ .22‬ﻧﺠﯿﺐ‪ ،‬ﺣﺴﯿﻦ ﻋﻠﻲ‪ ،.‬اﻟﺮﻓﺎﻋﻲ ﻏﺎﻟﺐ ﻋﻮض ﺻﺎﻟﺢ‪ (2006) .‬ﺗﺤﻠﯿﻞ وﻧﻤﺬﺟﺔ اﻟﺒﯿﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام اﻟﺤﺎﺳﻮب‪ :‬ﺗﻄﺒﯿﻖ ﺷﺎﻣﻞ ﻟﻠﺤﺰﻣﺔ‬
‫‪ .SPSS‬اﻟﻄﺒﻌﺔ اﻷوﻟﻰ‪ .‬اﻷھﻠﯿﺔ ﻟﻠﻨﺸﺮ واﻟﺘﻮزﯾﻊ‪ .‬اﻷردن‪.‬‬

‫‪189‬‬