‫معامل االرتباط‬

‫مقدمة‬
‫يقصد بمعامل االرتباط ‪ Correlation Coefficient‬تعيين طبيعة وقوة العالقة‬ ‫•‬
‫بين متغيرين أو أكثر‪ ،‬بمعني إيجاد مقدار العالقة بين المتغيرات سواء أكانت سلبية أم‬
‫إيجابية‪ ،‬وسوف تقتصر دراستنا على االرتباط بين متغيرين (ظاهرتين) فقط‪ .‬ويمكن‬
‫قياس العالقة بين ظاهرتين بطرق مختلفة منها‪:‬‬
‫طريقة شكل االنتشار ‪Scatter Diagram :‬وسيلة مبدئية تساعد في معرفة نوع االرتباط‬ ‫•‬
‫وال تعتبر بديالً عن الطرق اإلحصائية‪ ،‬تصلح إذا كان المتغيران كميين‪.‬‬
‫معامل بيرسون ‪ Pearson:‬و يرى بيرسون أن أفضل مقياس لالرتباط بين متغيرين‬ ‫•‬
‫يختلفان في وحدات القياس أو في مستواهما العام‪ ،‬عن طريق حساب انحرافات كل من‬
‫المتغيرين عن وسطهما الحسابي‪ ،‬وقسمة االنحرافات على االنحراف المعياري لكل‬
‫منهما‪ ،‬فنحصل على ما يسمى بالوحدات المعيارية لكل متغير‪.‬‬
‫معامل سبيرمان ‪Spearman:‬أحد معامالت ارتباط الرتب ‪Rank Correlation‬‬ ‫•‬
‫إليجاد االرتباط بين رتب المتغيرين وليس بين القيم ذاتها‪ ،‬سواء أكان المتغيران وصفيين‬
‫أم كميين أم أن يكون أحد المتغيرين كميا ً بينما األخر وصفيا ً‪.‬‬
‫• وعندما نقول مقاييس العالقة نعني بذلك تلك المقاييس التي تبين‬
‫درجة العالقة واالرتباط بين متغيرين أو أكثر مثال‪ ،‬كأن يكون‬
‫الهدف معرفة هل هناك عالقة بين مستوى اإلنتاجية وجودة‬
‫المنتج في مصنع ما؟‪ ،‬أي هل كلما زادت اإلنتاجية تقل جودة‬
‫المنتج أو العكس ‪.‬‬
‫• معامل االرتباط‪ :‬هو تعبير يشير إلى المقياس اإلحصائي الذي‬
‫يدل على مقدار العالقة بين المتغيرات سلبية كانت أم إيجابية‪،‬‬
‫وتتراوح قيمته بين االرتباط الموجب التام (‪ )1+‬وبين االرتباط‬
‫السالب التام (‪. )1-‬‬
‫أنواع االرتبــــــــــــاط‬
 ‫أنواع االرتباط‬

‫ارتباط سالب‬ ‫ال يوجد ارتباط‬ ‫ارتباط موجب‬

‫(العالقة العكسية)‬ ‫(العالقة منعدمة)‬ ‫(العالقة الطردية)‬

‫‪y‬‬
‫‪r=+1‬‬ ‫‪r=0‬‬ ‫‪r= -1‬‬
‫‪y‬‬ ‫‪y‬‬

‫‪450‬‬
‫‪450‬‬

‫‪x‬‬ ‫‪x‬‬ ‫‪x‬‬

‫العالقة الطردية بين المتغيرات‪ :‬هو تعبير يشير إلى تزايد‬
‫المتغيرين المستقل والتابع معا‪ ،‬فإذا كانت اإلنتاجية‬
‫مرتفعة‪ ،‬ومستوى الجودة مرتفع‪ ،‬يقال حينئذ أن بينهما‬
‫ارتباط موجب‪ ،‬وأعلى درجـة تمثله هي (‪. )1+‬‬

‫العالقة العكسية بين المتغيرات‪ :‬هو تعبير يشير إلى تزايد‬

‫في متغير يقابله تناقص في المتغير اآلخر‪ ،‬فإذا كانت‬
‫اإلنتاجية منخفضة ومستوى الجودة مرتفع‪ ،‬يقال حينئذ أن‬
‫بينهما ارتباط سالب‪ ،‬وأعلى درجة تمثله هي (‪. )1-‬‬
 ‫أنواع االرتباط‬
‫• دراسة العالقة بين متغيرين اثنين فقط يعرف باالرتباط‬ ‫معامل االرتباط ‪r‬‬
‫البسيط ‪ ،Simple Correlation‬بينما دراسة العالقة بين‬ ‫تعبير يشير إلى المقياس‬
‫أكثر من متغيرين تعرف باالرتباط المتعدد ‪Multiple‬‬ ‫اإلحصائي الذي يدل على‪:‬‬
‫‪Correlation‬‬ ‫بين‬ ‫العالقة‬ ‫مقدار‬
‫المتغيرات سلبية كانت أم • االرتباط الموجب (الطردي) ‪Positive correlation :‬‬
‫اذا تغير أحد المتغيرين ‪ X‬أو ‪ Y‬فإن المتغير اآلخر يتبعه‬ ‫إيجابية‪.‬‬
‫بنفس االتجاه‪ ،‬بمعنى أنه إذا زاد أو نقص أحدهما‪ ،‬زاد أو‬ ‫تتراوح قيمته بين االرتباط‬
‫نقص األخر‪.‬‬ ‫الموجب التام (‪ )1+‬وبين‬
‫• االرتباط السالب (العكسي) ‪Negative correlation :‬‬ ‫االرتباط السالب التام (‪.)1-‬‬
‫إذا تغير أحد المتغيرين ‪ X‬أو ‪ Y‬فإن المتغير اآلخر يتبعه‬ ‫تدل إشارة المعامل الموجبة‬
‫باالتجاه المضاد‪ ،‬بمعنى أنه إذا زاد أحدهما نقص األخر‪،‬‬ ‫على العالقة الطردية‪ ،‬بينما تدل‬
‫أو إذا نقص أحدهما زاد األخر‪.‬‬ ‫إشارة المعامل السالبة على‬
‫العالقة العكسية ‪.‬‬
‫إن معامل االرتباط التام الموجب (‪ )1+‬يعنى التغير في‬
‫اتجاه واحد في كال الظاهرتين مع بقاء األوضاع النسبية‬
‫لوحدات الظاهرة ثابتة‪ ،‬سواء كان هذا التغير في اتجاه‬
‫الزيادة (أي زيادة قيم الظاهرة األولى تتبعها زيادة في قيم‬
‫الظاهرة األخرى)‪ ،‬أو في اتجاه النقص (أي نقص قيم‬
‫الظاهرة األولى يتبعها نقص في قيم الظاهرة األخرى ) ‪.‬‬
‫طرق التعرف على العالقة بين متغيرين‬
‫وحسابها‬
 ‫ً‬
‫أوال ‪ :‬طريقة شكل أالنتشار‬
‫‪Scatter Diagram‬‬
 ‫طريقة شكل االنتشار ‪: Scatter Diagram‬‬

‫هناك وسيلة مبدئية يعرف الباحث من خاللها نوع االرتباط‬

‫بين المتغيرين وما إذا كان االرتباط قويا ً وضعيفا ً أو منعدماً‪،‬‬
‫وما إذا كانت العالقة خطية أو غير خطية‪ ،‬موجبة أو سالبة‪.‬‬
‫هذه الوسيلة هي " شكل االنتشار " والتي تصلح إذا كان‬
‫المتغيران كميين‪ .‬وجدير بالذكر أن هذه وسيلة مبدئية تساعد‬
‫فقط في معرفة نوع االرتباط وال تعتبر بديالً عن الطرق‬
‫اإلحصائية التي سوف نتناولها بالتفصيل في هذه المحاضرة‪.‬‬
 ‫والمقصود بشكل االنتشار هو تمثيل قيم الظاهرتين بيانيا ً على المحورين‪،‬‬
‫المتغير األول ‪ X‬على المحور األفقي‪ ،‬والمتغير الثاني ‪ Y‬على المحور الرأسي‪،‬‬
‫حيث يتم تمثيل كل زوج ‪ Pair‬من القيم بنقطة‪ ،‬فنحصل على شكل يمثل كيفية‬
‫انتشار القيم على المستوى‪ ،‬وهو الذي يسمى شكل االنتشار‪ .‬وطريقة انتشار القيم‬
‫تدل على وجود أو عدم وجود عالقة بين المتغيرين ومدى قوتها ونوعها‪ .‬فإذا‬
‫كانت تتوزع بشكل منتظم دل ذلك على وجود عالقة (يمكن استنتاجها)‪ ،‬أما إذا‬
‫كانت النقط مبعثرة وال تنتشر حسب نظام معين دل ذلك على عدم وجود عالقة‬
‫بين المتغيرين أو أن العالقة بينهما ضعيفة‪.‬‬
‫أشكال االنتشـــــار‬
‫ارتباط موجب‬ ‫ارتباط سالب‬

‫ارتباط صفري‬ ‫ارتباط تام‬

‫طريقة االنتشار‬
‫‪ ‬شكل االنتشار هو تمثيل قيم‬
‫الظاهرتين بيانيا ً على المحورين‪،‬‬
‫المتغير األول ‪ X‬على المحور‬
‫األفقي‪ ،‬والمتغير الثاني ‪ Y‬على‬
‫المحور الرأسي؛ حيث يتم تمثيل‬
‫كل زوج ‪ Pair‬من القيم بنقطة‪،‬‬
‫فنحصل على شكل يمثل كيفية‬
‫انتشار القيم على المستوى‪.‬‬
‫طريقة انتشار القيم تدل على‬ ‫‪‬‬
‫وجود أو عدم وجود عالقة بين‬
‫المتغيرين ومدى قوتها ونوعها‪.‬‬
‫فإذا كانت تتوزع بشكل منتظم دل‬
‫ذلك على وجود عالقة (يمكن‬
‫استنتاجها)‪ ،‬أما إذا كانت النقط‬
‫مبعثرة وال تنتشر حسب نظام‬
‫معين دل ذلك على عدم وجود‬
‫عالقة بين المتغيرين أو أن العالقة‬
‫بينهما ضعيفة‬
 ‫الشكل األول ‪:‬‬

‫إذا وقعت جميع النقاط على خط مستقيم‪ ،‬دل ذلك على أن‬
‫العالقة بينهما خطية وأنها ثابتة أو تامة‪ .‬وهذه تمثل أقوى‬
‫أنواع االرتباط بين المتغيرين " ارتباط تام "‪ .‬فإذا كانت‬
‫العالقة طردية فإن " االرتباط طردي تام " كما في الشكل‬
‫األول (أ)‪ .‬ومثاله العالقة بين الكمية المشتراة من سلعة‬
‫والمبلغ المدفوع لشراء هذه الكمية‪ .‬أما إذا كانت العالقة‬
‫عكسية (وجميع النقاط تقع على خط مستقيم واحد فإن‬
‫"االرتباط عكسي تام" كما في الشكل األول (ب)‪ .‬ومثال على‬
‫ذلك العالقة بين السرعة والزمن‪.‬‬
‫‪Y‬‬

‫الشكل األول (ب) ارتباط عكسي تام‬ ‫الشكل األول (أ) ارتباط طردي تام (موجب)‬
‫‪X‬‬
‫(سالب)‬
 ‫الشكل الثاني ‪:‬‬

‫أما إذا كانت النقاط تأخذ شكل خط مستقيم ولكن ال تقع جميعها على الخط قيل أن‬
‫العالقة خطية (موجبة أو سالبة) كما في الشكل الثاني أ‪ ،‬ب‪.‬‬
‫‪Y‬‬

‫‪X‬‬
‫الشكل الثاني (ب)‬ ‫الشكل الثاني (أ)‬

‫ارتباط سالب قوي‬ ‫ارتباط موجب قوي‬

‫(ارتباط خطي عكسي)‬ ‫(ارتباط خطي طردي)‬

 ‫الشكل الثالث ‪:‬‬

‫وإذا كانت العالقة تأخذ شكل منحنى فإن االرتباط ال يكون خطيا ً "ارتباط غير خطي "‬
‫‪ Non Linear Correlation‬كما في الشكل الثالث ‪:‬‬

‫‪Y‬‬

‫‪X‬‬
‫الشكل الثالث‬
‫(ارتباط غير خطي)‬
 ‫الشكل الرابع ‪:‬‬

‫أما إذا كانت النقاط تتبعثر بدون نظام معين فإن ذلك يدل على عدم وجود عالقة‬
‫بين المتغيرين (أو أن العالقة بينهما ضعيفة جدا ً) كالعالقة مثالً بين دخل‬
‫الشخص وطوله كما في الشكل الرابع ‪:‬‬
‫‪Y‬‬

‫‪X‬‬
‫الشكل الرابع‬
‫(ال توجد عالقة)‬
 ً
‫ معامل أالرتباط‬:‫ثانيا‬
Coefficient Correlation
 ‫معامل االرتباط‬

‫يقاس االرتباط بين متغيرين بمقياس إحصائي يسمى "‬

‫معامل االرتباط " ويعكس هذا المقياس درجة أو قوة‬
‫العالقة بين المتغيرين واتجاه هذه العالقة‪ .‬وتنحصر‬
‫قيمة معامل االرتباط بين ‪.1 - ،1 +‬‬
‫• فإذا كانت قيمة معامل االرتباط تساوي ‪ 1 +‬فمعنى ذلك أن االرتباط بين‬
‫المتغيرين طردي تام‪ ،‬وهو أقوى أنواع االرتباط الطردي بين متغيرين‪.‬‬

‫• وإذا كانت قيمة معامل االرتباط تساوي – ‪ 1‬فمعنى ذلك أن االرتباط بين‬
‫المتغيرين عكسي تام‪ ،‬وهو أقوى أنواع االرتباط العكسي بين متغيرين‪.‬‬

‫• وإذا كانت قيمة معامل االرتباط تساوي صفر‪ ،‬فمعنى ذلك أنه ال يوجد ارتباط‬
‫بين المتغيرين‪.‬‬

‫• وكلما اقتربت قيمة معامل االرتباط من ‪ 1 +‬أو – ‪ 1‬كلما كان االرتباط قوياً‪،‬‬
‫وكلما اقترب من الصفر كلما كان االرتباط ضعيفا ً‪.‬‬
 ‫الخالصة ‪:‬‬

‫أنه كلما كانت العالقة قوية بين المتغيرين كلما اقترب معامل‬
‫االرتباط من ‪ 1 +‬أو – ‪ 1‬فإذا وصلت قيمة المعامل إلى ‪1 +‬‬
‫أو – ‪ 1‬كان االرتباط تاما ً بين المتغيرين‪ .‬وأنه كلما كانت‬
‫العالقة ضعيفة بين المتغيرين كلما اقترب معامل االرتباط من‬
‫الصفر‪ ،‬فإذا وصلت قيمة المعامل إلى الصفر كان االرتباط‬
‫منعدما ً بين المتغيرين‪ .‬ومعنى ذلك أيضا ً أنه ال يوجد ارتباط‬
‫بين متغيرين تكون قيمة المعامل فيه أكبر من ‪ 1 +‬وال أصغر‬
‫من – ‪ .1‬ويمكن تمثيل قوة العالقة بالشكل التالي‪:‬‬
 ‫المعنى‬ ‫قيمة معامل االرتباط‬
‫ارتباط طردي تام‬ ‫‪+1‬‬
‫ارتباط طردي قوي‬ ‫من ‪ 0.70‬إلى ‪0.99‬‬
‫ارتباط طردي متوسط‬ ‫من ‪ 0.50‬إلى ‪0.69‬‬
‫ارتباط طردي ضعيف‬ ‫من ‪ 0.01‬إلى ‪0.49‬‬
‫ال يوجد ارتباط‬ ‫‪0‬‬

‫يمكن تفسير أالرتباط ألعكسي بنفس ألطريقة مع ألمعامال ت ألسالبة‬

 ‫معامل بيرسون لالرتباط الخطي البسيط‬
‫‪Simple Correlation‬‬
‫يفترض بيرسون ‪ Pearson‬أن المتغيرين كميان‪ ،‬وأن‬
‫العالقة بينهما خطية (أي تأخذ شكل خط مستقيم‪ ،‬ويرى‬
‫بيرسون أن أفضل مقياس لالرتباط بين متغيرين قد يختلفان‬
‫في وحدات القياس و ‪ /‬أو في مستواهما العام (مثل االرتباط‬
‫بين العمر والدخل) حيث يقاس العمر بالسنوات ويقاس الدخل‬
‫بالعملة‪ ،‬باللاير أو الدوالر‪ ..‬كما أن المستوى العام للعمر –‬
‫أي متوسط العمر – قد يساوي أربعين عاما ً‪ .‬فبينما المستوى‬
‫العام – أي متوسط – الدخل الشهري قد يكون خمسة آالف‬
‫لاير مثالً‪.‬‬
‫وبالتالي فإن أفضل مقياس لالرتباط بين مثل‬
‫هذين المتغيرين – حسب رأي بيرسون – هو‬
‫عن طريق حساب انحرافات كل من المتغيرين‬
‫عن وسطه الحسابي وقسمة هذه االنحرافات‬
‫على االنحراف المعياري لكل منهما‪ ،‬فنحصل‬
‫على ما يسمى بالوحدات المعيارية لكل متغير‪.‬‬
‫ويكون معامل ارتباط بيرسون هو " متوسط‬
‫حاصل ضرب هذه الوحدات المعيارية "‪.‬‬
‫ومعامل االرتباط يكون بدون تمييز‪.‬‬
 :‫ويتم حساب معامل ارتباط بيرسون من خالل العالقــة التالية‬

 X  Y 
 XY  n
r

  X  2

 Y 2   Y  2


  X 
2

n   n 
  
 ‫حيث ‪:‬‬

‫تعني مجموع حاصل ضرب كل قيمة من ‪ X‬في ‪.Y‬‬ ‫‪ XY‬‬

‫تعني مجموع قيم المتغير ‪. X‬‬ ‫‪ X ‬‬

‫تعني مجموع قيم المتغير ‪. Y‬‬ ‫‪ Y ‬‬

‫تعني مجموع مربع قيم المتغير ‪. X‬‬ ‫‪X‬‬ ‫‪2‬‬

‫تعني مربع مجموع قيم المتغير ‪. X‬‬ ‫‪ X ‬‬ ‫‪2‬‬

‫تعني مجموع مربع قيم المتغير ‪. Y‬‬ ‫‪Y‬‬ ‫‪2‬‬

‫تعني مربع مجموع قيم المتغير ‪. Y‬‬ ‫‪ Y ‬‬ ‫‪2‬‬

‫عدد قيم الدراسة (عدد األزواج المطلوب حساب االرتباط بينها) ‪.‬‬ ‫‪n‬‬
 ‫مثال ‪:‬‬
‫رغبة إحدى الشركات معرفة العالقة بين عدد ساعات العمل لموظفيها‬
‫ومستوى اإلنتاجية لهم ‪ ،‬فقاموا بجمع معلومات عن هذا الموضوع‬
‫وحصلوا على النتائج التالية ‪:‬‬

‫ي‬ ‫ط‬ ‫ح‬ ‫هـ و ز‬ ‫د‬ ‫ج‬ ‫ب‬ ‫أ‬ ‫الموظفين‬

‫‪6‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪13 11 15‬‬ ‫‪5‬‬ ‫‪8‬‬ ‫‪2‬‬ ‫‪8‬‬ ‫ساعات العمل ‪X‬‬

‫‪5‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪9 12 14‬‬ ‫‪3‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫مستوى اإلنتاجية ‪Y‬‬

‫المطلوب‪ :‬حساب معامل ارتباط بيرسون للبيانات السابقة ‪.‬‬

 ‫مستوى‬ ‫ساعات العمل‬
‫‪XY‬‬ ‫‪Y2‬‬ ‫‪X2‬‬ ‫اإلنتاجية‬ ‫‪X‬‬ ‫الموظفين‬
‫‪Y‬‬
‫‪24‬‬ ‫‪9‬‬ ‫‪64‬‬ ‫‪3‬‬ ‫‪8‬‬ ‫أ‬
‫‪2‬‬ ‫‪1‬‬ ‫‪4‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫ب‬
‫‪48‬‬ ‫‪36‬‬ ‫‪64‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫ج‬
‫‪15‬‬ ‫‪9‬‬ ‫‪25‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫د‬
‫‪210‬‬ ‫‪196‬‬ ‫‪225‬‬ ‫‪14‬‬ ‫‪15‬‬ ‫هـ‬
‫‪132‬‬ ‫‪144‬‬ ‫‪121‬‬ ‫‪12‬‬ ‫‪11‬‬ ‫و‬
‫‪117‬‬ ‫‪81‬‬ ‫‪169‬‬ ‫‪9‬‬ ‫‪13‬‬ ‫ز‬
‫‪24‬‬ ‫‪16‬‬ ‫‪36‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫ح‬
‫‪16‬‬ ‫‪16‬‬ ‫‪16‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫ط‬
‫‪30‬‬ ‫‪25‬‬ ‫‪36‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫ي‬
‫‪618‬‬ ‫‪533‬‬ ‫‪760‬‬ ‫‪61‬‬ ‫‪78‬‬ ‫المجموع‬
 ‫نطبق معادلة معامل ارتباط بيرسون كالتالي ‪:‬‬

‫‪ X  Y ‬‬

‫‪ XY ‬‬ ‫‪n‬‬
‫‪r ‬‬
‫‪‬‬
‫‪‬‬ ‫‪ X   ‬‬ ‫‪2‬‬
‫‪ Y ‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪ ‬‬
‫‪X‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪Y‬‬ ‫‪‬‬ ‫‪2‬‬

‫‪n‬‬ ‫‪n‬‬ ‫‪‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪7861‬‬
‫‪618 ‬‬ ‫‪618  475.8‬‬
‫‪r ‬‬ ‫‪10‬‬
‫‪‬‬
‫‪‬‬
‫‪ 760 ‬‬
‫‪‬‬
‫‪‬‬‫‪78‬‬
‫‪2‬‬
‫‪‬‬
‫‪ 533 ‬‬
‫‪‬‬
‫‪‬‬‫‪61‬‬
‫‪2‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪760  608.4533  372.1‬‬
‫‪‬‬ ‫‪10‬‬ ‫‪‬‬ ‫‪10‬‬ ‫‪‬‬

‫‪142.2‬‬ ‫‪142.2‬‬ ‫‪142.2‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 0.91‬‬
‫‪151.6 160.9 ‬‬ ‫‪24392 .44‬‬ ‫‪156.2‬‬

‫وهذه النتيجة توضح أن درجة االرتباط = ‪ 0.91‬وهذه النتيجة تعتبر مؤشر على‬
‫عالقة إيجابية قوية بين ساعات العمل ومستوى اإلنتاجية‪.‬‬
 ‫مالحظة مهمة ‪:‬‬
‫من خواص معامل بيرسون لالرتباط الخطي أنه ال يتأثر‬
‫بالعمليات الحسابية التي تجري على المتغيرين ‪.y , x‬‬
‫بمعنى أنه ال يتأثر بالطرح (أو الجمع)‪ ،‬وال بالقسمة (أو‬
‫الضرب)‪ .‬أي إذا طرحنا (أو جمعنا) قيمة معينة من كل‬
‫قيم ‪ x‬وقيمة أخرى من كل قيم ‪ ،y‬أو قسمنا (أو ضربنا) قيم‬
‫‪ x‬على قيمة معينة وكل قيم ‪ y‬على قيمة أخرى فإن قيمة‬
‫معامل االرتباط ال تتغير أي نحصل على القيمة نفسها‪.‬‬
 ‫معامل أرتباط ألرتب‬
‫‪Rank Correlation‬‬
‫قد يرغب الباحث في حساب معامل االرتباط بين‬
‫رتب المتغيرين وليس بين القيم ذاتها‪ ،‬فقد يكون‬
‫المتغيران وصفيين ترتيبين ‪ Ordinal‬أو أن يكون‬
‫أحد المتغيرين كميا بينما األخر وصفيا ترتيبيا‪ ،‬أو‬
‫أن يكون المتغيران كميين‪ ،‬ويكون اهتمام الباحث‬
‫منصبا ً على الرتب أكثر من القيم‪ .‬ففي انتخابات‬
‫مجلس الشيوخ أو النواب األمريكي مثالً‪ ،‬يعتبر‬
‫المرشح األول هو من حصل على أعلى األصوات‬
‫بغض النظر عن عددها‪ ،‬والذي يحصل على عدد‬
‫أصوات أقل منه مباشرة هو الثاني‪ ..‬وهكذا‪.‬‬
‫فإذا كانت رتب المتغيرين تسير في االتجاه نفسه‪ :‬بمعنى أن‬
‫الرتب األعلى للمتغير األول تناظرها رتب أعلى للمتغير الثاني‬
‫كانت العالقة طردية بينهما‪ .‬وإذا كانت الرتب األعلى للمتغير‬
‫األول تناظرها رتب أدنى للمتغير الثاني كانت العالقة بينهما‬
‫عكسية‪ .‬ففي مثالنا السابق عن العالقة بين دخل الناخب‬
‫وعمره‪ ،‬كان الناخب األكبر عمرا ً (بصفة عامة) هو األعلى‬
‫دخالً‪ ،‬فمن الواضح أن العالقة بينهما طردية‪ ،‬أما إذا كان‬
‫الناخب األكبر عمرا ً (بصفة عامة) هو األقل مشاركة في‬
‫العمل السياسي فإننا في هذه الحالة نكون أمام عالقة عكسية‪.‬‬

‫ولحساب معامل ارتباط الرتب هناك طرق مختلفة أهمها‬

‫معاملي سبيرمان وكيندال ‪.‬‬
 ‫حساب معامل سبيرمان الرتباط الرتب‬

‫لحساب معامل سبيرمان الرتباط الرتب نقوم بترتيب كل من‬

‫المتغيرين ترتيبا ً تصاعديا ً أو تنازليا ً (أما تصاعديا ً لكال‬
‫المتغيرين أو تنازليا ً لكليهما)‪ .‬وفي حالة الترتيب التصاعدي‬
‫تأخذ أقل قيمة من قيم المتغير الرتبة رقم ‪ ،1‬والقيمة األعلى‬
‫منها مباشرة الرتبة رقم ‪ 2‬وهكذا (بالنسبة لكل من المتغيرين)‪.‬‬
‫أما في حالة الترتيب التنازلي تأخذ أكبر قيمة من قيم المتغير‬
‫الرتبة رقم ‪ ،1‬والقيمة األقل منها مباشرة الرتبة رقم ‪ 2‬وهكذا‬
‫(بالنسبة لكل من المتغيرين)‪ .‬وعند تساوي قيمتين (أو أكثر)‬
‫من قيم المتغير نعطي كل قيمة رتبة مختلفة (كما لو كانت القيم‬
‫غير متساوية) ثم نحسب متوسط هذه الرتب‪ ،‬ويعطى هذا‬
‫المتوسط لكل من هذه القيم المتساوية‪.‬‬
 ‫وبعد ترتيب المتغيرين نحسب الفروق بين رتب كل من المتغيرين‬
‫(ونرمز للفروق بالرمز ‪ )d‬ثم نقوم بتربيع هذه الفروق ونحصل على‬
‫‪ ‬ثم نعوض في معامل سبيرمان‬
‫‪2‬‬
‫‪d‬‬ ‫مجموعها أي نحصل على‬
‫الرتباط الرتب والذي يأخذ الشكل التالي ‪:‬‬

‫) ‪6 (  d2‬‬
‫‪rs‬‬ ‫‪1-‬‬
‫) ‪n ( n 2 -1‬‬

‫هو مجموع مربعات الفروق بين رتب المتغيرين‬ ‫‪d‬‬ ‫‪2‬‬

‫حيث ‪:‬‬
‫هي عدد أزواج القيم‪.‬‬ ‫‪n‬‬
 ‫مما سبق نستطيع إجمال بعضا من المالحظات فيما يلي ‪:‬‬

‫‪ – 1‬مجموع الفروق بين الرتب يساوي صفر‪.‬‬

‫‪ – 2‬أن قيمة معامل ارتباط الرتب تنحصر بين – ‪ 1 + ،1‬فإذا كانت الرتبة رقم ‪1‬‬
‫للمتغير األول تناظرها الرتبة ‪ 1‬للمتغير الثاني‪ ،‬والرتبة ‪ 2‬للمتغير األول تناظرها‬
‫الرتبة رقم ‪ 2‬للمتغير الثاني‪ ،‬وهكذا‪ ..‬فإن معامل ارتباط الرتب يساوي ‪1 +‬‬
‫(ارتباط طردي تام بين الرتب)‪.‬‬
‫وإذا كانت الرتبة رقم ‪( 1‬أقل رتبة) للمتغير األول تناظرها أعلى رتبة للمتغير‬
‫الثاني وهكذا‪ ..‬فإن معامل ارتباط الرتب يساوي – ‪( 1‬ارتباط عكسي تام بين‬
‫الرتب)‪.‬‬
‫‪ – 3‬كذلك نالحظ أن مجموع الرتب لكل من المتغيرين تساوي‬
 ‫مثال‪:‬‬
‫البيانات التالية تمثل إجابات عينة من سبعة أشخاص حول برامج الضمان االجتماعي‪،‬‬
‫ومدى مالءمتها لحاجات الناس‪.‬‬

‫جيدة‬ ‫مقبولة‬ ‫جيدة جدا ً‬ ‫جيدة‬ ‫ممتازة‬ ‫مقبولة‬ ‫جيدة‬ ‫السؤال األول‬

‫ممتازة‬ ‫جيدة‬ ‫جيدة‬ ‫جيدة‬ ‫جيدة جدا ً‬ ‫مقبولة‬ ‫جيدة جدا ً‬ ‫السؤال الثاني‬

‫والمطلوب‪ :‬حساب معامل سبيرمان الرتباط الرتب بين هذين السؤالين ؟‬

 ‫‪d2‬‬ ‫‪d‬‬ ‫السؤال الثاني‬ ‫السؤال األول‬
‫رتب ‪Y‬‬ ‫رتب ‪X‬‬
‫مربعات الفرق‬ ‫الفرق بين الرتب‬ ‫‪Y‬‬ ‫‪X‬‬

‫‪2.25‬‬ ‫‪1.5‬‬ ‫‪2.5‬‬ ‫‪4‬‬ ‫جيدة جدا ً‬ ‫جيدة‬

‫‪0.25‬‬ ‫‪- 0.5‬‬ ‫‪7‬‬ ‫‪6.5‬‬ ‫مقبولة‬ ‫مقبولة‬
‫‪2.25‬‬ ‫‪- 1.5‬‬ ‫‪2.5‬‬ ‫‪1‬‬ ‫جيدة جدا ً‬ ‫ممتازة‬
‫‪1.00‬‬ ‫‪- 1.0‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫جيدة‬ ‫جيدة‬
‫‪9.00‬‬ ‫‪- 3.0‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫جيدة‬ ‫جيدة جدا ً‬
‫‪2.25‬‬ ‫‪1.5‬‬ ‫‪5‬‬ ‫‪6.5‬‬ ‫جيدة‬ ‫مقبولة‬
‫‪9.00‬‬ ‫‪3.0‬‬ ‫‪1‬‬ ‫‪4‬‬ ‫ممتازة‬ ‫جيدة‬
‫‪26.0‬‬ ‫‪Zero‬‬ ‫المجموع‬
 ‫‪rs  1 -‬‬
‫( ‪6‬‬ ‫‪‬‬ ‫) ‪d2‬‬
‫‪1-‬‬
‫) ‪6 ( 26‬‬
‫) ‪n ( n 2 -1‬‬ ‫) ‪7 ( 49 - 1‬‬
‫‪156‬‬
‫‪1-‬‬ ‫‪ 1 - 0.46‬‬
‫‪336‬‬
‫‪rs  0.54‬‬
‫وهذا يعني أن االرتباط بين إجابات المبحوثين بالنسبة للسؤالين هو ارتباط طردي‬
‫متوسط‪ .‬وبالتالي فليس بالضرورة أن يكون رأي المجيبين في برامج الضمان‬
‫االجتماعي تعني مالءمتها لحاجات الناس‪.‬‬
‫مع أمنياتي لكم بالتوفيق والنجاح‬