‫ﻣﻘﺪﻣﺔ ﰲ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ‬

‫ﻟﺒﺤﻮث اﻹﻋﻼم‬
‫أ‪.‬د‪ .‬ﺑﺮﻛﺎت ﻋﺒﺪ اﻟﻌﺰﻳﺰ‬
‫ﻛﻠﻴﺔ اﻹﻋﻼم – ﺟﺎﻣﻌﺔ اﻟﻘﺎﻫﺮة‬

‫‪-˼-‬‬
‫ﻣﻘﺪﻣﺔ ﰲ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ‬
‫ﻟﺒﺤﻮث اﻹﻋﻼم‬
‫أ‪ .‬د‪ .‬ﺑﺮﻛﺎت ﻋﺒﺪ اﻟﻌﺰﻳﺰ‬

‫‪-˺-‬‬
 ‫ﻋﺒﺪ اﻟﻌﺰﻳﺰ ‪ ،‬ﺑﺮﻛﺎت‪.‬‬
‫ﻣﻘﺪﻣﺔ ﰲ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﻟﺒﺤﻮث اﻹﻋﻼم ‪ /‬ﺑﺮﻛﺎت ﻋﺒﺪ اﻟﻌﺰﻳﺰ‬
‫‪ .‬ــ ط‪ .١‬ــ اﻟﻘﺎﻫﺮة‪ :‬اﻟﺪار اﳌﴫﻳﺔ اﻟﻠﺒﻨﺎﻧﻴﺔ‪2014 ،‬‬
‫‪ 424‬ص؛‪ 24‬ﺳﻢ‪.‬‬
‫‪ 1‬ــ اﻹﺣﺼﺎء اﻟﺘﺤﻠﻴﲇ‬
‫‪ -٢‬اﻹﻋﻼم‬
‫‪519.5‬‬ ‫أ ــ اﻟﻌﻨﻮان‬
‫رﻗﻢ اﻹﻳﺪاع‪2014 / 5523 :‬‬

‫©‬

‫‪ 16‬ﻋﺒﺪ اﻟﺨﺎﻟﻖ ﺛﺮوت اﻟﻘﺎﻫﺮة‪.‬‬

‫ﺗﻠﻴﻔﻮن‪+ ٢٠٢ 23910250 :‬‬
‫ﻓﺎﻛﺲ‪ + ٢٠٢ ٢3909618 :‬ــ ص‪.‬ب ‪2022‬‬
‫‪E-mail:info@almasriah.com‬‬
‫‪www.almasriah.com‬‬
‫رﺋﻴﺲ ﻣﺠﻠﺲ اﻹدارة‪ :‬ﻣﺤﻤﺪ رﺷــﺎد‬
‫اﳌﴩف اﻟﻔﻨﻲ‪ :‬ﻣﺤﻤﺪ ﺣﺠﻲ‬
‫اﳌﻜﺘﺒﺔ اﻹﻋﻼﻣﻴﺔ‬
‫ﻫﻴﺌﺔ اﻟﺘﺤﺮﻳﺮ‬
‫أ‪.‬د‪ .‬ﻣﻨﻲ ﺳﻌﻴـــﺪ اﻟﺤﺪﻳـﺪي‬
‫أ‪.‬د‪ .‬ﺣﺴــﻦ ﻋﻤــﺎد ﻣﻜـــﺎوي‬
‫ﺟﻤﻴﻊ ﺣﻘﻮق اﻟﻄﺒﻊ واﻟﻨﴩ ﻣﺤﻔﻮﻇﺔ‬
‫اﻟﻄﺒﻌـﺔ اﻷوﱃ‪ :‬ﺟامد أول ‪1435‬ﻫــ ــ ﻣﺎرس ‪ ٢٠١٤‬م‬

‫ﺟﻤﻴﻊ اﻟﺤﻘﻮق ﻣﺤﻔﻮﻇﺔ ﻟﻠﺪار اﳌﴫﻳﺔ اﻟﻠﺒﻨﺎﻧﻴﺔ‪ ،‬وﻻ ﻳﺠﻮز‪ ،‬ﺑﺄي ﺻﻮرة ﻣﻦ اﻟﺼﻮر‪ ،‬اﻟﺘﻮﺻﻴﻞ‪،‬‬
‫اﳌﺒﺎﴍ أو ﻏري اﳌﺒﺎﴍ‪ ،‬اﻟﻜﲇ أو اﻟﺠﺰيئ‪ ،‬ﻷي ﻣام ورد ﰲ ﻫﺬا اﳌﺼﻨﻒ‪ ،‬أو ﻧﺴﺨﻪ‪ ،‬أو ﺗﺼﻮﻳﺮه‪ ،‬أو‬
‫رﻗﻤﻴﺎ أو ﺗﺨﺰﻳﻨﻪ أو اﺳﱰﺟﺎﻋﻪ أو إﺗﺎﺣﺘﻪ ﻋﱪ‬
‫ﺗﺮﺟﻤﺘﻪ أو ﺗﺤﻮﻳﺮه أو اﻻﻗﺘﺒﺎس ﻣﻨﻪ‪ ،‬أو ﺗﺤﻮﻳﻠﻪ ٍّ‬
‫ﺷﺒﻜﺔ اﻹﻧﱰﻧﺖ‪ ،‬إﻻ ﺑﺈذن ﻛﺘﺎيب ﻣﺴﺒﻖ ﻣﻦ اﻟﺪار‪.‬‬

‫‪-Ï-‬‬
-Ñ-
‫ﺑﺴﻢ اﻟـﻠـﻪ اﻟﺮﺣﻤﻦ اﻟﺮﺣﻴﻢ‬

‫‪-˾-‬‬
-Ó-
 ‫اﳌﻜﺘﺒـﺔ اﻹﻋـﻼﻣﻴـﺔ‬

‫ﻣﻦ ﻣﻨﻄﻠﻖ ﺣﺮص اﻟﺪار اﳌﺼـﺮﻳﺔ اﻟﻠﺒﻨﺎﻧﻴﺔ ﻋﲆ إﺻﺪار ﺳﻼﺳﻞ ﻣﺘﺨﺼـﺼﺔ ﰲ ﻣﺨﺘﻠـﻒ اﻟﻌﻠـﻮم‬
‫واﻟﻔﻨﻮن واﻵداب‪ ،‬ﺗﺄيت ﻫﺬه اﻟﺴﻠﺴﻠﺔ )اﳌﻜﺘﺒﺔ اﻹﻋﻼﻣﻴـﺔ( ﻟﺘﺘﻜﺎﻣـﻞ ﻣـﻊ ﺳﻼﺳـﻞ أﺧـﺮى أﺻـﺪرﺗﻬﺎ‬
‫اﻟﺪار ﰲ اﻟﻌﻠﻮم اﻟﱰﺑﻮﻳﺔ واﻟﺪﻳﻨﻴﺔ واﻷدﺑﻴﺔ واﻟﻔﻜﺮﻳﺔ‪ ،‬مبﺎ ﻳﺴﻤﺢ ﺑـﺴﻬﻮﻟﺔ ﻣﺘﺎﺑﻌـﺔ اﻹﻧﺘـﺎج اﻟﻔﻜـﺮي‬
‫اﻟﺠﺪﻳﺪ ﻟﻜﺎﻓﺔ اﻟﺪارﺳني واﳌامرﺳني‪.‬‬

‫وﺗﻬﺪف ﻫﺬه اﻟﺴﻠﺴﻠﺔ إﱃ ﺗﺤﻘﻴﻖ اﻷﻏﺮاض اﻟﺘﺎﻟﻴﺔ‪:‬‬

‫‪ - ١‬إﺛﺮاء اﳌﻜﺘﺒﺔ اﻟﻌﺮﺑﻴﺔ ﰲ ﻣﺠﺎﻻت ﻋﻠﻮم اﻻﺗﺼﺎل وﻓﻨـﻮن اﻹﻋـﻼم؛ ﺣﻴـﺚ ﺷـﻬﺪت ﻫـﺬه اﻟﻌﻠـﻮم‬
‫ﺗﻄﻮرات ﻛﺒرية ﺧﻼل اﻟﻘﺮن اﻟﻌـﺸـﺮﻳﻦ‪ ،‬وأﺻـﺒﺢ اﻹﻋـﻼم ﻇـﺎﻫﺮة ﻣـﺆﺛﺮة ﰲ ﺟﻤﻴـﻊ اﻷﻧـﺸﻄﺔ‬
‫اﻟﺴﻴﺎﺳﻴﺔ واﻻﻗﺘﺼﺎدﻳﺔ واﻻﺟﺘامﻋﻴﺔ‪.‬‬

‫‪ - ٢‬ﻇﻬﻮر ﻋﺪﻳﺪ ﻣﻦ ﻛﻠﻴﺎت وأﻗﺴﺎم اﻹﻋﻼم ﰲ اﻟﺠﺎﻣﻌﺎت اﳌﴫﻳﺔ واﻟﻌﺮﺑﻴﺔ‪ ،‬وﺣﺎﺟﺔ ﻫﺬه اﻷﻗـﺴﺎم‬
‫إﱃ ﻣﺘﺎﺑﻌﺔ اﻹﻧﺘﺎج اﻟﻔﻜﺮي ﰲ ﻣﺠﺎل اﻹﻋﻼم‪ ،‬اﻟﺬي ﻳﺴﻬﻢ ﰲ ﺗﻨﻈري ﻓـﺮوع ﻋﻠـﻢ اﻻﺗـﺼﺎل ﻣـﻦ‬
‫ﻣﻨﻈﻮر ﻋﺮيب‪.‬‬

‫‪ - ٣‬ﺗﺰوﻳﺪ اﳌامرﺳـني ﻟﻠﻌﻤـﻞ اﻹﻋﻼﻣـﻲ ﺑﺎﳌﻌــﻠﻮﻣﺎت اﻟﺠﺪﻳـﺪة ﰲ ﻣﺠـﺎﻻت اﻟﺘﻜﻨﻮﻟﻮﺟﻴـﺎ واﻹﻧﺘـﺎج‬

‫اﻹﻋﻼﻣﻲ‪ ،‬وﺗﺄﺛري اﻟﺮﺳﺎﺋﻞ اﻹﻋﻼﻣﻴﺔ واﻹﻋﻼﻧﻴﺔ ﻋﲆ اﻟﺠامﻫري اﳌﺴﺘﻬﺪﻓﺔ‪.‬‬

‫‪ - ٤‬ﻧﴩ اﻟﺜﻘﺎﻓـﺔ اﻹﻋﻼﻣﻴـﺔ ﻣـﻦ ﺧـﻼل اﻟﺘـﺄﻟﻴﻒ واﻟﱰﺟﻤـﺔ وﻧـﺸـﺮ اﻟﺮﺳـﺎﺋﻞ اﳌﺘﻤﻴـﺰة ﻟﻠامﺟـﺴﺘري‬
‫واﻟﺪﻛﺘﻮراه؛ ﻷﻫﻤﻴﺔ ﻫﺬه اﻟﺜﻘﺎﻓﺔ اﻟﺘﻲ أﺻﺒﺤﺖ ﴐورة ﻻ ﻏﻨﻰ ﻋﻨﻬﺎ‪ ،‬ﻟﺘﻴﺴري اﻻﻧﺘﻔﺎع مبﺼﺎدر‬
‫اﳌﻌﻠﻮﻣﺎت واﻹﻋﻼم اﳌﺘﻌﺪدة ﰲ اﻟﻌﴫ اﻟﺤﺪﻳﺚ‪.‬‬
‫اﻟﻨﺎﺷـﺮ‬

‫‪-̀-‬‬
-Õ-
 ‫اﳌﺤﺘــﻮﻳﺎت‬

‫اﳌﺤﺘـﻮﻳﺎت‬

‫‪15‬‬ ‫ﺗﻘــﺪﻳﻢ ‪................................................................................ .................................... .................................... ...................‬‬

‫‪17‬‬ ‫اﳌﻘﺪﻣﺔ ‪.................................................... .................................... .....................................................................................‬‬

‫اﻟﻔﺼﻞ اﻷول‬
‫ﻣﺪﺧﻞ متﻬﻴﺪي‬
‫‪21‬‬ ‫اﳌﺒﺤﺚ اﻷول‪ :‬اﻹﺣﺼﺎء ﻣﻦ ﻣﻨﻈﻮر أﻫﻤﻴﺘﻪ ﻟﻠﺒﺤﺚ اﻟﻌﻠﻤﻲ ‪......................... .................................... .........‬‬

‫‪21‬‬ ‫ً‬
‫أوﻻ‪ :‬اﻹﺣﺼﺎء وأﻫﻤﻴﺘﻪ ﻟﻠﻌﻠﻢ‪............................................................. .................................... ...........................‬‬

‫‪24‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﺘﺼﻨﻴﻒ اﻹﺣﺼﺎيئ‪............................................................ .................................... .....................................‬‬

‫ً‬
‫‪26‬‬ ‫ﺛﺎﻟ ًﺜﺎ‪ :‬اﳌﺘﻐريات ﻣﻦ ﻣﻨﻈﻮر اﻟﻘﻴﺎس اﻹﺣﺼﺎيئ‪....................................................................... ........................‬‬

‫‪32‬‬ ‫واﻹﺣﺼﺎء اﻻﺳﺘﺪﻻﱄ‪.......................................... .................................... ..............‬‬ ‫اﺑﻌﺎ‪ :‬اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ‬

‫ر ً‬
‫‪34‬‬ ‫واﻹﺣﺼﺎء اﻟﻼﺑﺎراﻣﱰي‪..................... .................................... .....................‬‬ ‫ﺧﺎﻣﺴﺎ‪ :‬اﻹﺣــﺼﺎء اﻟﺒﺎراﻣﱰي‬
‫ً‬
‫‪35‬‬ ‫اﳌﺒﺤﺚ اﻟﺜﺎين‪ :‬اﻟﺮﻣﻮز واﻟﻌﻤﻠﻴﺎت اﻟﺠﱪﻳﺔ اﻷﺳﺎﺳﻴﺔ ﰲ اﻹﺣﺼﺎء‪............................................. ...................‬‬

‫‪35‬‬ ‫ً‬
‫أوﻻ‪ :‬اﻟﺮﻣﻮز اﻹﺣﺼﺎﺋﻴﺔ‪.................................................................... .................................... ................................‬‬

‫‪39‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬إﻃﻼﻟﺔ ﻋﲆ أﻫﻢ اﻟﻌﻤﻠﻴﺎت اﻟﺠﱪﻳﺔ ﻟﻺﺣﺼﺎء‪.................................................................. ...............‬‬

‫ً‬
‫‪45‬‬ ‫اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‪ :‬اﺳﺘﺨﺪام اﻟﺤﺎﺳﺐ اﻵﱄ ﰲ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ‪......................................................... ..........‬‬

‫‪45‬‬ ‫اﳌﻄﻠﺐ اﻷول‪ :‬اﻟﺤﺎﺳﺐ واﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ‪.............................................................................................. ...‬‬

‫‪45‬‬ ‫ً‬
‫أوﻻ‪ :‬ﻣﺰاﻳﺎ اﻟﺤﺎﺳﻮب وﺣﺪوده‪................................................................................ .................................... .....‬‬

‫‪47‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة‪........................................................ .................................... .......................‬‬

‫ً‬

‫‪-̂-‬‬
 ‫اﳌﺤﺘــﻮﻳﺎت‬
‫‪47‬‬ ‫اﳌﻄﻠﺐ اﻟﺜﺎين‪ :‬ﺗﻌﺮﻳﻒ ﺑﺎﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ‪........................................................ ......‬‬

‫‪79‬‬ ‫ً‬
‫أوﻻ‪ :‬ﴍﻳﻂ أدوات اﻟﺤﺰﻣﺔ‪............................................................ .................................... ...............................‬‬

‫‪50‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬ﻗﻮاﺋﻢ اﻟﺤﺰﻣﺔ‪................................................................... .................................... .......................................‬‬

‫ً‬
‫‪52‬‬ ‫ﺛﺎﻟ ًﺜﺎ‪ :‬اﻟﺪﺧﻮل إﱃ اﻟﺤﺰﻣﺔ‪........................................................... .................................... ....................................‬‬

‫‪52‬‬ ‫اﺑﻌﺎ‪ :‬ﻧﻮاﻓﺬ اﻟﺤﺰﻣﺔ‪............................................................................... .................................... ..........................‬‬

‫ر ً‬
‫‪57‬‬ ‫ﺧﺎﻣﺴﺎ‪ :‬اﻟﺤﻔﻆ واﻟﻄﺒﺎﻋﺔ واﻹﻧﻬﺎء‪.................................................................... .................................... ..........‬‬
‫ً‬
‫‪58‬‬ ‫ﺳﺎدﺳﺎ‪ :‬ﻣﺰاﻳﺎ اﻟﺤﺰﻣﺔ‪............................................................................... .................................... ........................‬‬
‫ً‬
‫‪60‬‬ ‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻷول ‪................................................................................... .................................... .............................‬‬

‫‪64‬‬ ‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻷول وﻣﺮاﺟﻌﻪ ‪................................................................................ .................................... ...........‬‬

‫اﻟﻔﺼﻞ اﻟﺜﺎين‬
‫إﻋﺪاد اﻟﺒﻴﺎﻧﺎت واﳌﻌﺎﻟﺠﺔ اﻹﺣﺼﺎﺋﻴﺔ اﻟﻮﺻﻔﻴﺔ‬
‫‪67‬‬ ‫متﻬﻴﺪ ‪................................................................ .................................... .................................... .........................................‬‬

‫‪68‬‬ ‫اﳌﺒﺤﺚ اﻷول ‪ :‬ﺗﺠﻬﻴﺰ اﻟﺒﻴﺎﻧﺎت‪.............................................................................. .................................... .............‬‬

‫‪68‬‬ ‫ً‬
‫أوﻻ‪ :‬ﻣﺮاﺟﻌﺔ اﻟﺒﻴﺎﻧﺎت‪........................................................................ .................................... .............................‬‬

‫‪69‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬إدﺧﺎل اﻟﺒﻴﺎﻧﺎت‪................................................................ .................................... ......................................‬‬

‫ً‬
‫‪73‬‬ ‫ﺗﻨﻈﻴﻢ اﻟﺒﻴﺎﻧﺎت‪........................................................................ .................................... .............................‬‬ ‫ﺛﺎﻟ ًﺜﺎ‪:‬‬
‫‪77‬‬ ‫اﳌﺒﺤﺚ اﻟﺜﺎين‪ :‬اﻟﻮﺻﻒ اﻟﺘﻜﺮاري واﻟﺒﻴﺎين ‪................................................................. .................................... .......‬‬

‫‪78‬‬ ‫ً‬
‫أوﻻ‪ :‬اﻟﺘﻮزﻳﻌﺎت اﻟﺘﻜﺮارﻳﺔ‪...................................................................... .................................... ........................‬‬

‫‪98‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﺮﺳﻮم اﻟﺒﻴﺎﻧﻴﺔ‪................................................................................... .................................... ....................‬‬

‫ً‬

‫‪-˺˹-‬‬
 ‫اﳌﺤﺘــﻮﻳﺎت‬

‫‪112‬‬ ‫اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‪ :‬وﺻﻒ اﻟﻨـﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ واﻟﺘﺸﺘﺖ ‪......................................... .................................... ...........‬‬

‫‪112‬‬ ‫ﻣﻘﺎﻳﻴﺲ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ‪.................................................. .................................... ......................‬‬ ‫اﳌﻄﻠﺐ اﻷول‪:‬‬

‫‪114‬‬ ‫ً‬
‫أوﻻ‪ :‬اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‪............................................................................ .................................... .........................‬‬

‫‪128‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﻮﺳﻴﻂ ‪................................................................................. .................................... .................................‬‬

‫ً‬
‫‪140‬‬ ‫ﺛﺎﻟ ًﺜﺎ‪ :‬اﳌﻨﻮال‪............................................................................ .................................... ..........................................‬‬

‫‪144‬‬ ‫اﳌﻄﻠﺐ اﻟﺜﺎين‪ :‬ﻣﻘﺎﻳﻴﺲ اﻟﺘﺸﺘﺖ‪...................................................................... .................................... ...................‬‬

‫‪145‬‬ ‫ً‬
‫أوﻻ‪ :‬اﳌﺪى اﻟﻜﲇ‪............................................................................................ .................................... ...................‬‬

‫‪147‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري ‪............................................. .................................... ................................‬‬

‫ً‬
‫‪152‬‬ ‫اﻟﺮﺑﻴﻌﻲ‪.......................................................... .................................... .......................................‬‬
‫ﺛﺎﻟ ًﺜﺎ‪ :‬اﻻﻧﺤﺮاف ﱡ‬
‫‪154‬‬ ‫اﺑﻌﺎ‪ :‬ﻣﺘﻮﺳﻂ اﻻﻧﺤﺮاﻓﺎت ‪....................................................................... .................................... ....................‬‬
‫ر ً‬
‫‪157‬‬ ‫ﺧﺎﻣﺴﺎ‪ :‬ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف ‪......................................................................... .................................... .....................‬‬
‫ً‬
‫‪158‬‬ ‫ﺳﺎدﺳﺎ‪ :‬ﻣﻌﺎﻣﻞ اﻻﻟﺘﻮاء ‪........................................................................... .................................... ......................‬‬
‫ً‬
‫‪161‬‬ ‫ﺳﺎﺑﻌﺎ‪ :‬اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ ‪........................................................................... .................................... ................‬‬
‫ً‬
‫‪164‬‬ ‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺜﺎين ‪.......................................... ................................... .................................... ...................................‬‬

‫‪169‬‬ ‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻟﺜﺎين وﻣﺮاﺟﻌﻪ ‪.................................................................................. .................................... ..........‬‬

‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬
‫ﻣﻘﺎﻳﻴﺲ اﻟﻌﻼﻗﺔ واﻻرﺗﺒﺎط‬
‫‪173‬‬ ‫متﻬﻴﺪ‪..................................................................................................... .................................... ............................................‬‬

‫‪173‬‬ ‫وﺧﺼﺎﺋﺼﻪ‪............................................................................. .................................... ...‬‬ ‫ً‬

‫أوﻻ‪ :‬ﻣﻌﻨﻰ اﻻرﺗﺒﺎط‬
‫‪175‬‬ ‫ﺛﺎﻧﻴﺎ‪:‬اﺧﺘﻴﺎر ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﻨﺎﺳﺐ ‪................................................................. .................................... ....‬‬
‫ً‬

‫‪-˺˺-‬‬
 ‫اﳌﺤﺘــﻮﻳﺎت‬

‫‪178‬‬ ‫ﺛﺎﻟ ًﺜﺎ‪ :‬أﻣﺜﻠﺔ ﳌﻘﺎﻳﻴﺲ اﻟﻌﻼﻗﺔ واﻻرﺗﺒﺎط ﺑني ﻣﺘﻐريﻳﻦ‪............................................................. .................‬‬

‫‪206‬‬ ‫اﺑﻌﺎ‪ :‬اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ‪................................................................................. .................................... .................‬‬

‫ر ً‬
‫‪208‬‬ ‫ﺧﺎﻣﺴﺎ‪ :‬اﻻرﺗﺒﺎط اﻟﺠﺰيئ‪..................................................................................... .................................... ............‬‬
‫ً‬
‫‪214‬‬ ‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ ‪....................................................... .................................... ......................................................‬‬

‫‪218‬‬ ‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ وﻣﺮاﺟﻌﻪ ‪.............................................. .................................... .........................................‬‬

‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬
‫ﻣﻘﺎﻳﻴﺲ اﻟﻔﺮوق‬
‫‪221‬‬ ‫متﻬﻴﺪ ‪........................................................................ .................................... .................................... .................................‬‬

‫‪221‬‬ ‫اﳌﺒﺤﺚ اﻷول‪ :‬اﻟﻔﺮوق ﺑني اﻟﻨﺴﺐ‪.......................................................................... .................................... ..........‬‬

‫‪227‬‬ ‫ﻣﺘﻮﺳﻄني‪.................................................................................................... ............‬‬ ‫اﳌﺒﺤﺚ اﻟﺜﺎين‪ :‬اﻟﻔﺮوق ﺑني‬

‫‪243‬‬ ‫اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‪ :‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠﺎه ‪................................................................................... ..............‬‬

‫‪270‬‬ ‫اﳌﺒﺤﺚ اﻟﺮاﺑﻊ‪ :‬أﺳﺎﻟﻴﺐ ﻻﺑﺎراﻣﱰﻳﺔ ﻟﻘﻴﺎس اﻟﻔﺮوق ‪................................................................... .....................‬‬

‫‪272‬‬ ‫ً‬
‫أوﻻ‪ :‬ﻗﻴﺎس اﻟﻔﺮوق ﰲ ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﻻﺳﻤﻴﺔ ‪.................................................................................... .....‬‬

‫‪275‬‬ ‫ﻗﻴﺎس اﻟﻔﺮوق ﰲ ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﻟﺮﺗﺒﻴﺔ ‪.............................................................. ............................‬‬ ‫ﺛﺎﻧﻴﺎ‪:‬‬

‫ً‬
‫‪278‬‬ ‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‪........................................................................................................ .................................... .......‬‬

‫‪283‬‬ ‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻟﺮاﺑﻊ وﻣﺮاﺟﻌﻪ ‪.................................................................................... .................................... ......‬‬

‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬
‫ﺗﻌﺮﻳﻒ ﺑﺒﻌﺾ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﳌﺘﻌﻤﻘﺔ‬
‫‪287‬‬ ‫متﻬﻴﺪ ‪................................................................................................................................... .................................... ...........‬‬

‫‪287‬‬ ‫اﳌﺒﺤﺚ اﻷول‪ :‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد‪...................................................................... .................................... .......‬‬

‫‪-˺˻-‬‬
 ‫اﳌﺤﺘــﻮﻳﺎت‬

‫‪290‬‬ ‫اﳌﺒﺤﺚ اﻟﺜﺎين‪ :‬ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ‪........................................................................................ .................................... ........‬‬

‫‪294‬‬ ‫اﻟﺜﺎﻟﺚ‪ :‬ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار‪............................................................................... .................................... .........‬‬ ‫اﳌﺒﺤﺚ‬

‫‪294‬‬ ‫ً‬
‫أوﻻ‪ :‬اﻟﻔﻜﺮة اﻷﺳﺎﺳﻴﺔ ﻟﻼﻧﺤﺪار‪....................................................................... .................................... ..........‬‬

‫‪300‬‬ ‫اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﻴﻂ‪...................................... .................................... .................................... ......‬‬ ‫ﺛﺎﻧﻴﺎ‪:‬‬

‫ً‬
‫‪304‬‬ ‫ﺛﺎﻟ ًﺜﺎ‪ :‬اﻻﻧﺤﺪار اﳌﺘﻌﺪد‪....................................................................... .................................... .............................‬‬

‫‪311‬‬ ‫اﺑﻌﺎ‪ :‬اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ ‪............................................................................. .................................... ..............‬‬

‫ر ً‬
‫‪317‬‬ ‫اﳌﺒﺤﺚ اﻟﺮاﺑﻊ‪ :‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪................................................................................. .................................... .........‬‬

‫‪318‬‬ ‫ً‬
‫أوﻻ‪ :‬أﻫﻤﻴﺔ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪.................................................... .................................... ...................................‬‬

‫‪319‬‬ ‫ﰲ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪............................................................ ...............................‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬اﳌﻔﺎﻫﻴﻢ اﻷﺳﺎﺳﻴﺔ‬

‫ً‬
‫‪327‬‬ ‫ﺛﺎﻟ ًﺜﺎ‪ :‬أمنﺎط اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪............................................................................ .................................... ............‬‬

‫‪328‬‬ ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪....................................................................... .................................... ...............‬‬ ‫اﺑﻌﺎ‪ :‬ﻃﺮق‬

‫ر ً‬
‫‪329‬‬ ‫ﺧﺎﻣﺴﺎ‪ :‬ﺗﺪوﻳﺮ اﻟﻌﻮاﻣﻞ‪........................................................................ .................................... ..........................‬‬
‫ً‬
‫‪332‬‬ ‫ﺳﺎدﺳﺎ‪ :‬ﺗﺴﻤﻴﺔ اﻟﻌﻮاﻣﻞ وﺗﻔﺴريﻫﺎ‪......................................... .................................... ..................................‬‬
‫ً‬
‫‪333‬‬ ‫ﺳﺎﺑﻌﺎ‪ :‬أﺑﺮز اﻷﺧﻄﺎء ﰲ ﺗﻄﺒﻴﻖ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪.......................................... .................................... ........‬‬
‫ً‬
‫‪338‬‬ ‫اﻟﺨﺎﻣﺲ‪ :‬ﺗﺤﻠﻴﻞ اﳌﺴﺎر‪.......................................... .................................... ...............................................‬‬ ‫اﳌﺒﺤﺚ‬
‫‪345‬‬ ‫اﳌﺒﺤﺚ اﻟﺴﺎدس‪ :‬اﻟﺘﺤﻠﻴﻞ اﻟﺘﻤﻴﻴﺰي ‪................................... .................................. ...............................................‬‬

‫‪349‬‬ ‫اﳌﺒﺤﺚ اﻟﺴﺎﺑﻊ‪ :‬اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي واﻟﺘﺤﻠﻴﻞ اﻟﺜﺎﻧﻮي ‪............................... .................................... ...................‬‬

‫‪349‬‬ ‫ً‬
‫أوﻻ‪ :‬اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي ‪............................................................................... .................................... .....................‬‬

‫‪351‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﺘﺤﻠﻴﻞ اﻟﺜﺎﻧﻮي ‪..................................................................................... .................................... ...............‬‬

‫ً‬
‫‪352‬‬ ‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‪................................................................................................... .................................... ........‬‬

‫‪-˺˼-‬‬
 ‫اﳌﺤﺘــﻮﻳﺎت‬
‫‪358‬‬ ‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ وﻣﺮاﺟﻌﻪ ‪............................................................ .................................... ........................‬‬

‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬
‫اﻟﻌﻴﻨﺎت ﰲ اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‬
‫‪361‬‬ ‫متﻬﻴﺪ ‪....................................................................................................................... .................................... .....................‬‬

‫‪362‬‬ ‫اﳌﺒﺤﺚ اﻷول‪ :‬ﻣﻔﻬﻮم وﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪.............................................................................. .................................... .‬‬

‫‪362‬‬ ‫ً‬
‫أوﻻ‪ :‬ﻣﻔﻬﻮم اﻟﻌﻴﻨﺔ ‪.................................... ............................ ............................ .............................................‬‬
‫‪363‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪.............................................................. ............................ ............................ .......................‬‬
‫ً‬
‫‪369‬‬ ‫ﺛﺎﻟ ًﺜﺎ‪ :‬ﺑﻌﺾ اﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ ﻟﺘﻘﺪﻳﺮ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪..................... ............................ .............................‬‬

‫‪380‬‬ ‫اﳌﺒﺤﺚ اﻟﺜﺎين‪ :‬أﻧﻮاع اﻟﻌﻴﻨﺎت ‪.................................................................................... ............................ .................‬‬

‫‪380‬‬ ‫ً‬
‫أوﻻ‪ :‬اﻟﻌﻴﻨﺎت اﻟﻌﺸﻮاﺋﻴﺔ ‪......................................................................... ............................ ..............................‬‬

‫‪393‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﻌﻴﻨﺎت ﻏري اﻟﻌﺸﻮاﺋﻴﺔ ‪.......................................................................... ............................ ....................‬‬

‫ً‬
‫‪396‬‬ ‫اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‪ :‬ﺧﻄﺄ اﳌﻌﺎﻳﻨﺔ ‪.......................................................................................... ............................ ..........‬‬

‫‪396‬‬ ‫ً‬
‫أوﻻ‪ :‬اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﻟﻠﻤﺘﻮﺳﻂ ‪........................................................................ ............................ ................‬‬

‫‪398‬‬ ‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﻟﻠﻨﺴﺒﺔ ‪...................................................................... ............................ ........................‬‬

‫ً‬
‫‪400‬‬ ‫ﺛﺎﻟ ًﺜﺎ‪ :‬اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط ‪................................................................... ............................ .........‬‬

‫‪402‬‬ ‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺴﺎدس‪................................................................ ............................ ............................ .....................‬‬

‫‪404‬‬ ‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻟﺴﺎدس وﻣﺮاﺟﻌﻪ ‪............................................................................... ............................ ........‬‬

‫‪409‬‬ ‫اﳌﻼﺣﻖ‪............................................... ............................ ............................ .................................................................‬‬

‫***‬

‫‪-˺˽-‬‬
 ‫‪ǶºȇƾºǬºƫ‬‬

‫ﺗﻘﺪﻳــﻢ‬

‫ميﺜﻞ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ أﻫﻤﻴﺔ ﻗﺼﻮى ﻟﻠﺘﺜﺒﺖ ﻣﻦ دﻗﺔ ﻧﺘﺎﺋﺞ اﻟﺒﺤﻮث اﻟﻌﻠﻤﻴﺔ ﰲ ﻛﺎﻓﺔ‬
‫اﻟﺘﺨﺼﺼﺎت‪ ،‬وﻻ ﺗﻜﺎد ﺗﺨﻠﻮ دراﺳﺔ ﻋﻠﻤﻴﺔ رﺻﻴﻨﺔ ﻣﻦ دﻻﻻت اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ‪ ،‬ﺧﺎﺻﺔ ﻓﻴام ﻳﺘﻌﻠﻖ‬
‫ﺑﺒﺤﻮث اﻟﺘﺴﻮﻳﻖ‪ ،‬واﺳﺘﻄﻼﻋﺎت اﻟﺮأي اﻟﻌﺎم‪ ،‬ورﺳﺎﺋﻞ اﳌﺎﺟﺴﺘري واﻟﺪﻛﺘﻮراه‪ ،‬وﺑﺤﻮث اﻟﱰﻗﻴﺎت اﻟﻌﻠﻤﻴﺔ‬
‫ﻟﻠﺤﺼﻮل ﻋﲆ ﻟﻘﺐ أﺳﺘﺎذ ﻣﺴﺎﻋﺪ وأﺳﺘﺎذ‪.‬‬

‫وﺗﱪز أﻫﻤﻴﺔ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﰲ ﺑﺤﻮث اﻹﻋﻼم ﺑﻜﺎﻓﺔ ﻣﺠﺎﻻﺗﻪ وﻣﺴﺘﻮﻳﺎﺗﻪ‪ ،‬وﺗﺠﺪر اﻹﺷﺎرة إﱃ‬
‫ﻣﻌﺎﻧﺎة اﻟﻜﺜري ﻣﻦ اﻟﺒﺎﺣﺜني ﻣﻦ ﻋﺪم اﻟﻘﺪرة ﻋﲆ ﺗﻮﻇﻴﻒ ﻋﻠﻢ اﻹﺣﺼﺎء وﺗﻄﺒﻴﻘﺎﺗﻪ ﻋﲆ ﺑﺤﻮث اﻹﻋﻼم‪،‬‬
‫اﻟﻜﻤﻴﺔ‪،‬‬
‫ّ‬ ‫وﺑﺎﻟﺘﺎﱄ ﻳﻠﺠﺄون إﱃ اﻻﺳﺘﻌﺎﻧﺔ ﺑﺄﺷﺨﺎص آﺧﺮﻳﻦ ﻟﺘﻨﻔﻴﺬ اﻟﺠﺎﻧﺐ اﻹﺣﺼﺎيئ ﻋﲆ ﻧﺘﺎﺋﺞ ﺑﺤﻮﺛﻬﻢ‬
‫وﻗﺪ ﻳﻜﻮن ﺑﻌﺾ ﻫﺆﻻء ﻣﻦ ﻏري اﻟﺪارﺳني ﻟﻺﻋﻼم‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﺴﺘﺨﺪﻣﻮن ﻣﻌﺎﻟﺠﺎت إﺣﺼﺎﺋﻴﺔ ﻗﺪ ﻻ ﺗﺨﺪم‬
‫اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ وﻻ ﺗﺴﺎﻋﺪ ﻋﲆ ﺗﻔﺴري اﻟﻨﺘﺎﺋﺞ‪.‬‬

‫وﻣﻦ ﻫﻨﺎ ﺗﺄيت أﻫﻤﻴﺔ ﻫﺬا اﻟﻜﺘﺎب اﻟﺬي ﻳﻄﺮح أﺳﺎﻟﻴﺐ اﺳﺘﺨﺪام اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﰲ ﺑﺤﻮث‬
‫اﻹﻋﻼم‪ ،‬ﺑﺄﺳﻠﻮب ﺑﺴﻴﻂ وواﺿﺢ ﻳﻨﺎﺳﺐ اﻟﻄﺎﻟﺐ واﻟﺒﺎﺣﺚ ﰲ اﻟﻌﻠﻮم اﻟﺘﻄﺒﻴﻘﻴﺔ ﻟﻺﻋﻼم‪.‬‬

‫ﻳﻄﺮح اﻟﻜﺘﺎب ﺧﻠﻔﻴﺔ ﻣﻌﺮﻓﻴﺔ ﺣﻮل أﻫﻤﻴﺔ ﻋﻠﻢ اﻹﺣﺼﺎء ﻟﻨﴩ اﻟﺒﺤﻮث اﻟﻌﻠﻤﻴﺔ‪ ،‬واﻟﻔﺮق ﺑني اﻹﺣﺼﺎء‬
‫اﻟﻮﺻﻔﻲ واﻹﺣﺼﺎء اﻻﺳﺘﺪﻻﱄ‪ ،‬واﺳﺘﺨﺪام اﻟﺤﺎﺳﺐ اﻵﱄ ﰲ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ‪ ،‬ﻣﻊ اﻟﱰﻛﻴﺰ ﻋﲆ اﻟﺤﺰﻣﺔ‬
‫اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ )‪ .(SPSS‬ﻛام ﻳﴩح اﻟﻜﺘﺎب ﻛﻴﻔﻴﺔ إدﺧﺎل اﻟﺒﻴﺎﻧﺎت وإﻋﺪادﻫﺎ ﻟﻠﺘﺤﻠﻴﻞ‬
‫اﻹﺣﺼﺎيئ‪ ،‬وﻋﺮض ﳌﻘﺎﻳﻴﺲ اﻟﻌﻼﻗﺔ واﻻرﺗﺒﺎط‪ ،‬وﻣﻘﺎﻳﻴﺲ اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋﺎت ﻣﻦ ﺣﻴﺚ اﻟﻨﺴﺐ أو‬
‫اﳌﺘﻮﺳﻄﺎت‪ ،‬واﻷﺳﺎﻟﻴﺐ اﻷﻛرث ﺗﻌﻤﻘًﺎ ﻣﺜﻞ‪ :‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد‪ ،‬وﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ‪ ،‬وﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار‪،‬‬

‫‪-˺˾-‬‬
 ‫ﺗـﻘـﺪﻳـﻢ‬
‫اﺳﺘﺨﺪاﻣﺎ ﰲ اﻟﻌﻠﻮم‬
‫ً‬ ‫واﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪ ،‬وﺗﺤﻠﻴﻞ اﳌﺴﺎر‪ ،‬واﻟﺘﺤﻠﻴﻞ اﻟﺘﻤﻴﻴﺰي‪ ..‬ﺑﺎﻋﺘﺒﺎرﻫﺎ ﻣﻦ أﻛرث اﻷﺳﺎﻟﻴﺐ‬
‫ﻓﻀﻼ ﻋﻦ ﺗﺨﺼﻴﺺ ﻓﺼﻞ ﻛﺎﻣﻞ ﻟﻠﻌﻴﻨﺎت وأﺳﻠﻮب اﺧﺘﻴﺎرﻫﺎ‪ ،‬واﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ ﻟﺘﻘﺪﻳﺮ ﺣﺠﻢ‬
‫اﻻﺟﺘامﻋﻴﺔ‪ً ،‬‬
‫اﻟﻌﻴﻨﺔ‪.‬‬

‫وﻳﺒﻘﻰ أن ﻧﺆﻛﺪ ﻋﲆ أن ﻣﺆﻟﻒ اﻟﻜﺘﺎب اﻟﺪﻛﺘﻮر ﺑﺮﻛﺎت ﻋﺒﺪ اﻟﻌﺰﻳﺰ أﺣﺪ اﻷﺳﺎﺗﺬة اﻟﺒﺎرزﻳﻦ ﰲ‬
‫ﻣﻨﺎﻫﺞ اﻟﺒﺤﺚ واﻟﺮأي اﻟﻌﺎم واﻹﺣﺼﺎء‪ ،‬وﻟﺪﻳﻪ ﺧﱪات ﻋﻤﻴﻘﺔ ﰲ ﻫﺬا اﳌﺠﺎل ﻋﲆ اﳌﺴﺘﻮﻳني اﻟﻨﻈﺮي‬
‫واﻟﺘﻄﺒﻴﻘﻲ؛ ﻣام ﻳﺠﻌﻞ ﻣﻦ ﻫﺬا اﻟﻜﺘﺎب إﺿﺎﻓﺔ ﻋﻠﻤﻴﺔ ﻣﺘﻤﻴﺰة ﻟﻠﻤﻜﺘﺒﺔ اﻹﻋﻼﻣﻴﺔ‪.‬‬

‫ﻫﻴﺌﺔ اﻟﺘﺤﺮﻳﺮ‬

‫‪-˺˿-‬‬
 ‫‪΍‬ﳌﻘـﺪﻣــﺔ‬

‫اﳌﻘﺪﻣــــﺔ‬

‫اﻹﺣﺼﺎء ﻫﻮ اﻷﺳﺎس اﻟﻘﺎﻋﺪي ﻟﻠﺒﺤﺚ اﻟﻌﻠﻤﻲ ﰲ ﻛﺎﻓﺔ ﻓﺮوع اﳌﻌﺮﻓﺔ‪ ،‬وﻗﺪ أﺻـﺒﺤﺖ ﺑﺤـﻮث اﻻﺗـﺼﺎل‬
‫ﻛﺜريا ﻋﲆ ﺗﻄﻮر ﻫﺬه اﻟﺒﺤـﻮث واﺗـﺴﺎع‬
‫ﺗﻌﺘﻤﺪ ﻋﲆ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﺑﻜﺜﺎﻓﺔ ﻣﻠﺤﻮﻇﺔ؛ اﻷﻣﺮ اﻟﺬي ﺳﺎﻋﺪ ً‬
‫ﻧﻄﺎﻗﻬﺎ‪ ،‬وﻛﺎن ﻟﺬﻟﻚ أﺛﺮه ﰲ ﺗﺰاﻳـﺪ ﺣﺎﺟـﺔ اﻟﺒـﺎﺣﺜني واﻟﺪارﺳـني إﱃ اﳌﻌﺮﻓـﺔ واﳌﻬـﺎرات اﻹﺣـﺼﺎﺋﻴﺔ اﻟﺤﺘـﻲ‬
‫ﺗﻨﺎﺳﺐ »ﺧﺼﻮﺻﻴﺔ« ﻣﻮﺿﻮﻋﺎت اﻻﺗﺼﺎل ﰲ أدواﺗﻪ اﻟﺘﻘﻠﻴﺪﻳﺔ واﻟﺤﺪﻳﺜﺔ‪ .‬ﻣﻦ ﻫﻨﺎ ﺗـﻢ إﻋـﺪاد ﻫـﺬه اﳌـﺎدة‬
‫اﻟﻌﻠﻤﻴﺔ اﳌﺨﺘﺼـﺮة ﻛﻤﺒﺎدئ أﺳﺎﺳﻴﺔ ﻋﺎﻣﺔ ﻟﻠﺘﺤﻠﻴـﻞ اﻹﺣـﺼﺎيئ‪ ،‬وذﻟـﻚ ﻣـﻦ ﺧـﻼل ﺳـﺘﺔ ﻓـﺼﻮل‪ ،‬ﻳﺘـﻀﻤﻦ‬
‫ﺗﻌﺮﻳﻔﻴﺎ ﺑﺎﻹﺣﺼﺎء ودﻻﻟﺘﻪ ﻟﻠﺒﺤﺚ اﻟﻌﻠﻤﻲ ﰲ ﺟﻮاﻧﺒﻪ اﳌﺘﻄﻮرة‪ .‬وﻳﻀﻢ ﻫـﺬا اﻟﻔـﺼﻞ‬
‫ّ‬ ‫ﻣﺪﺧﻼ‬
‫ً‬ ‫اﻟﻔﺼﻞ اﻷول‬
‫ﻣﻮﺟﺰا ﺑﻌﻠﻢ اﻹﺣﺼﺎء ﻣﻦ ﻣﻨﻈـﻮر أﻫﻤﻴﺘـﻪ ﻟﻠﺒﺤـﺚ اﻟﻌﻠﻤـﻲ‪،‬‬
‫ً‬ ‫ﺛﻼﺛﺔ ﻣﺒﺎﺣﺚ‪ ،‬ﻳﺘﻨﺎول اﳌﺒﺤﺚ اﻷول ﺗﻌﺮﻳ ًﻔﺎ‬
‫وﻣﻦ ذﻟﻚ ﻧﻮﺿﺢ ﻣﺴﺄﻟﺔ اﻟﻘﻴﺎس اﻹﺣﺼﺎيئ ﻣـﻊ اﻟﱰﻛﻴـﺰ ﻋـﲆ اﳌﺘﻐـريات مبـﺎ ﰲ ذﻟـﻚ ﺗﻮﺿـﻴﺢ اﻟﻔـﺮق ﺑـني‬
‫اﻹﺣﺼﺎء اﻟﻮﺻـﻔﻲ واﻹﺣﺼﺎء اﻻﺳﺘﺪﻻﱄ‪ ،‬وﻛﺬﻟﻚ اﻹﺣﺼﺎء اﻟﺒﺎراﻣﱰي واﻹﺣـﺼﺎء اﻟﻼﺑـﺎراﻣﱰي‪ .‬وﰲ اﳌﺒﺤـﺚ‬
‫اﻟﺜﺎين ﺗﻮﺿﻴﺢ ﻷﻫﻢ اﻟﺮﻣﻮز واﻟﻌﻤﻠﻴﺎت اﻟﺠﱪﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬أﻣﺎ اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ ﻓﻴﺘﻀﻤﻦ ﻧﺒﺬة ﻣﺨﺘﺼـﺮة‬
‫ﻋﻦ اﺳﺘﺨﺪام اﻟﺤﺎﺳﺐ اﻵﱄ ﰲ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﻣـﻦ ﺧـﻼل ﺗﻌﺮﻳـﻒ ﻣـﻮﺟﺰ مبﺰاﻳـﺎ اﻟﺤﺎﺳـﻮب وﺣـﺪوده‬
‫واﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة ﻣﻊ اﻟﱰﻛﻴﺰ ﻋﲆ اﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ )‪.(SPSS‬‬

‫أﻣﺎ اﻟﻔﺼﻞ اﻟﺜﺎين ﻓﻬﻮ ﻋﻦ ﻛﻴﻔﻴﺔ إﻋﺪاد اﻟﺒﻴﺎﻧﺎت واﳌﻌﺎﻟﺠﺔ اﻹﺣـﺼﺎﺋﻴﺔ اﻟﻮﺻـﻔﻴﺔ؛ ﺣﻴـﺚ‬
‫ﻳﴩح اﻟﻔﺼﻞ أﺳﺎﺳﻴﺎت إدﺧﺎل اﻟﺒﻴﺎﻧﺎت وإﻋﺪادﻫﺎ ﻟﻠﺘﺤﻠﻴـﻞ اﻹﺣـﺼﺎيئ ﻣـﻦ ﻣﻨﻈـﻮر اﻟﻔﻜـﺮ‬
‫واﳌﻬﺎرة‪ ،‬وذﻟﻚ ﻋﱪ ﺛﻼﺛﺔ ﻣﺒﺎﺣﺚ‪ ،‬ﻳﺨﺘﺺ اﳌﺒﺤـﺚ اﻷول ﺑﺘﻮﺿـﻴﺢ ﻋﻤﻠﻴـﺔ ﺗﺠﻬﻴـﺰ اﻟﺒﻴﺎﻧـﺎت‬
‫ﻟﻠﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ‪ ،‬مبﻌﻨﻰ ﻛﻴﻔﻴﺔ إﻋﺪادﻫﺎ ﺑﻄﺮﻳﻘﺔ ﺻﺤﻴﺤﺔ ﺣﺘﻰ ميﻜـﻦ ﻣﻌﺎﻟﺠﺘﻬـﺎ إﺣـﺼﺎﺋﻴّﺎ‬

‫‪-˺̀-‬‬
 ‫اﳌﻘـﺪﻣــﺔ‬
‫ﻣﻌﺎﻟﺠﺔ ﺳﻠﻴﻤﺔ ﺗﻘﺎﺑﻞ أﻫﺪاف اﻟﺒﺤﺚ؛ وذﻟﻚ ﻣﻦ ﺣﻴﺚ‪ :‬اﳌﺮاﺟﻌﺔ‪ ،‬اﻹدﺧﺎل‪ ،‬اﻟﺘﻨﻈـﻴﻢ‪ .‬أﻣـﺎ اﳌﺒﺤـﺚ اﻟﺜـﺎين‬
‫ﻓﻴﻨﺎﻗﺶ أﺳﺎﻟﻴﺐ اﻟﻮﺻﻒ اﻟﺘﻜﺮاري واﻟﺒﻴﺎين ﻟﻠﻤﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﻷوﻟﻴﺔ ﻣﻦ ﺧـﻼل اﻟﺘﻜـﺮارات واﻟﻨـﺴﺐ‬
‫واﻷﺷﻜﺎل اﻟﺒﻴﺎﻧﻴﺔ‪ ،‬ﰲ ﺣني ﻳﺄيت اﳌﺒﺤﺚ اﻟﺜﺎﻟـﺚ ﻣﺘـﻀﻤﻨﺎ اﻟﺘﻌﺮﻳـﻒ مبﻘـﺎﻳﻴﺲ اﻟﻨــﺰﻋﺔ اﳌﺮﻛﺰﻳـﺔ ﻟﻠﺒﻴﺎﻧـﺎت‪،‬‬
‫وﻣﻘﺎﻳﻴﺲ اﻟﺘﺸﺘﺖ‪.‬‬

‫وﰲ اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ ﺗﻮﺿﻴﺢ ﻣﺨﺘﴫ ﳌﻘﺎﻳﻴﺲ اﻟﻌﻼﻗﺔ واﻻرﺗﺒﺎط ﺑﺎﻋﺘﺒﺎر أن ﻫﺬه اﳌﻘﺎﻳﻴﺲ ﺗﻘﻮم ﺑـﺪور‬
‫أﺳﺎﳼ ﰲ ﻣﺨﺘﻠﻒ اﻟﺒﺤﻮث اﻟﻌﻠﻤﻴﺔ‪ ،‬وﻻ ﻳﻜﺎد ﻳﺨﻠﻮ ﻣﻨﻬﺎ أي ﺑﺤﺚ إﻣﺒريﻳﻘﻲ ﺳﻮاء ﺑﺸﻜﻞ ﻣﺒـﺎﴍ أو ﻏـري‬
‫ﻣﺒﺎﴍ‪ ،‬ﺑﻞ إن ﻣﻌﻈﻢ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ ﺗﻘﻮم ﻋـﲆ ﻣﻌـﺎﻣﻼت اﻻرﺗﺒـﺎط‪ ،‬وﻗـﺪ ﻟـﻮﺣﻆ أن ﻫﻨـﺎك ﺑﻌـﺾ‬
‫اﳌﺜﺎﻟﺐ ﰲ اﺧﺘﻴﺎر وﺗﻄﺒﻴﻖ ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط ﺧﺎﺻﺔ ﻣﻦ ﺣﻴـﺚ اﺧﺘﻴـﺎر اﻟـﻨﻤﻂ اﻟـﺬي ﻳﻨﺎﺳـﺐ اﳌﺘﻐـريات‬
‫اﳌﻄﻠﻮب ﺗﻘﴢ اﻻرﺗﺒﺎط ﺑﻴﻨﻬﺎ‪ .‬وﻋـﲆ ﻫـﺬا اﻷﺳـﺎس ﻓـﺈن اﻟﻔـﺼﻞ اﻟﺜﺎﻟـﺚ ﻳﻠﻘـﻲ اﻟـﻀﻮء ﻋـﲆ اﻟﺠﻮاﻧـﺐ‬
‫اﻷﺳﺎﺳﻴﺔ ﳌﻘﺎﻳﻴﺲ اﻟﻌﻼﻗﺔ واﻻرﺗﺒﺎط ﻣﻦ ﺧﻼل ﺗﻮﺿﻴﺢ ﻣﻌﻨـﻰ اﻻرﺗﺒـﺎط وﺧﺼﺎﺋـﺼﻪ‪ ،‬واﻻﺧﺘﻴـﺎر اﻟـﺼﺤﻴﺢ‬
‫ﳌﻌﺎﻣﻼت اﻻرﺗﺒﺎط‪ ،‬وأﻫﻢ ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط ﺷـﺎﺋﻌﺔ اﻻﺳـﺘﺨﺪام ﰲ اﻟﺒﺤـﻮث اﻻﺟﺘامﻋﻴـﺔ ﻣـﻊ اﻹﺷـﺎرة إﱃ‬
‫اﻻرﺗﺒﺎط اﻟﺠﺰيئ‪ ،‬وﻛﺬﻟﻚ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد‪ ،‬ﺑﺎﻋﺘﺒﺎرﻫام ﻣﻦ أدوات اﻟﻀﺒﻂ اﻹﺣﺼﺎيئ اﳌﻬﻤﺔ ﺳﻮاء ﰲ‬
‫اﻟﺪراﺳﺎت اﳌﺴﺤﻴﺔ أو اﻟﺘﺠﺮﻳﺒﻴﺔ‪.‬‬

‫ﻣﺨﺘـﴫا‬
‫ً‬ ‫وﰲ ﺳﻴﺎق ﻣﺘﻜﺎﻣﻞ ﻳﺄيت اﻟﻔﺼﻞ اﻟﺮاﺑـﻊ ﻟﻴـﴩح ﻣﻘـﺎﻳﻴﺲ اﻟﻔـﺮوق؛ ﺣﻴـﺚ ﻳﺘـﻀﻤﻦ ﺗﻌﺮﻳﻔًـﺎ‬
‫ﺑﺒﻌﺾ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﻲ ﺗﻘـﻴﺲ اﻟﻔـﺮوق ﺑـني اﳌﺠﻤﻮﻋـﺎت اﳌﺨﺘﻠﻔـﺔ‪ ،‬ﺳـﻮاء ﻣـﻦ ﺣﻴـﺚ اﻟﻨـﺴﺐ‬
‫)‪ (Percentages‬أو ﻣﻦ ﺣﻴﺚ اﳌﺘﻮﺳﻄﺎت )‪ ،(Means‬وﻳﻀﻢ ﻫـﺬا اﻟﻔـﺼﻞ ﺛﻼﺛـﺔ ﻣﺒﺎﺣـﺚ‪ ،‬ﻳﺘﻨـﺎول اﳌﺒﺤـﺚ‬
‫اﻷول أﺳﺎﻟﻴﺐ ﻗﻴﺎس اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺘني‪ ،‬ﺳﻮاء ﻓﻴام ﻳﺨﺺ اﻟﻨﺴﺐ‪ ،‬أو ﻓـﻴام ﻳﺨـﺺ اﳌﺘﻮﺳـﻄﺎت‪ .‬أﻣـﺎ‬
‫اﳌﺒﺤﺚ اﻟﺜﺎين ﻓﻴﺘﻨﺎول أﺳﺎﻟﻴﺐ ﻗﻴﺎس اﻟﻔﺮوق ﺑني أﻛرث ﻣﻦ ﻣﺠﻤـﻮﻋﺘني ﻣـﻦ ﺣﻴـﺚ ﻣﺘﻮﺳـﻄﺎت اﻟـﺪرﺟﺎت‬
‫ﻋﲆ ﻣﻘﻴﺎس ﻣﻌني‪ ،‬ﻣﻊ اﻷﺧﺬ ﰲ اﻻﻋﺘﺒﺎر ﺗﻌﺪد اﳌﺘﻐريات وﺗﻔﺎﻋﻠﻬﺎ‪ ،‬ﰲ ﺣني ﻳﺘﻨـﺎول اﳌﺒﺤـﺚ اﻟﺜﺎﻟـﺚ أﻫـﻢ‬
‫اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﻟﻼﺑﺎراﻣﱰﻳﺔ ﰲ ﻗﻴﺎس اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋﺎت‪.‬‬

‫‪-˺́-‬‬
 ‫‪΍‬ﳌﻘـﺪﻣــﺔ‬

‫أﻣﺎ اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ ﻓﻬﻮ ﻣﺪﺧﻞ ﺗﻌﺮﻳﻔﻲ ﺑـﺒﻌﺾ اﻷﺳـﺎﻟﻴﺐ اﻹﺣـﺼﺎﺋﻴﺔ اﳌﺘﻌﻤﻘـﺔ‪،‬ذﻟﻚ أن اﻷﺳـﺎﻟﻴﺐ‬
‫اﻹﺣﺼﺎﺋﻴﺔ ﺗﺘﻄﻮر ﺑﺎﺳﺘﻤﺮار‪ ،‬ﻣﺴﺘﻔﻴﺪة ﻣﻦ اﻟﺘﻄﻮر اﳌﺘﻼﺣـﻖ ﻟﻠـﱪاﻣﺞ اﻹﺣـﺼﺎﺋﻴﺔ اﻟﺠـﺎﻫﺰة وﺗﻄﺒﻴﻘﺎﺗﻬـﺎ ﰲ‬
‫ﻛﺎﻓﺔ ﻣﺠﺎﻻت اﳌﻌﺮﻓﺔ‪ ،‬وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ أن اﻟﻜﺜري ﻣﻦ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﳌﺘﻌﻤﻘﺔ ﺣﻴﺰ اﻻﺳـﺘﺨﺪام ﻣﻨـﺬ‬
‫ﻗﺮاﺑﺔ ﻣﻨﺘﺼﻒ اﻟﻘﺮن اﻟﻌﴩﻳﻦ‪ ،‬إﻻ أن اﻟﺘﻄﻮرات اﻟﺘﻲ ﻳﺘﻢ إدﺧﺎﻟﻬﺎ ﻋﲆ ﺗﻠﻚ اﻷﺳﺎﻟﻴﺐ ﺗﺠﻌﻠﻬﺎ ذات أﺑﻌﺎد‬
‫وﺑﻨـﺎء ﻋـﲆ ذﻟـﻚ ﻓـﺈن اﻟﻔـﺼﻞ اﻟﺨـﺎﻣﺲ‬
‫ً‬ ‫ﻧﻈﺮﻳﺔ وﺗﻄﺒﻴﻘﻴﺔ أوﺳﻊ ﻧﻄﺎﻗﺎً وأﻛرث ﺟـﺪوى ﻟﻠﺒﺤـﻮث اﻟﻌﻠﻤﻴـﺔ‪،‬‬
‫ﻳﺘﻀﻤﻦ أﻣﺜﻠﺔ ﻟﺘﻠﻚ اﻷﺳﺎﻟﻴﺐ ﻣﻤﺜﻠﺔ ﰲ‪ :‬ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد‪ ،‬ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ‪ ،‬ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار‪ ،‬اﻟﺘﺤﻠﻴﻞ‬
‫اﺳـﺘﺨﺪاﻣﺎ ﰲ اﻟﻌﻠـﻮم اﻻﺟﺘامﻋﻴـﺔ‪،‬‬
‫ً‬ ‫اﻟﻌﺎﻣﲇ‪،‬ﺗﺤﻠﻴﻞ اﳌﺴﺎر‪ ،‬اﻟﺘﺤﻠﻴﻞ اﻟﺘﻤﻴﻴﺰي‪ ..‬ﺑﺎﻋﺘﺒﺎرﻫﺎ ﻣﻦ أﻛرث اﻷﺳﺎﻟﻴﺐ‬
‫ﻣﻊ اﻹﺷﺎرة إﱃ اﻟﺘﺤﻠﻴﻞ اﻟﺜﺎﻧﻮي واﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي‪.‬‬
‫أﺧريا‪ ،‬ﻓﺈن اﻟﻔﺼﻞ اﻟﺴﺎدس ﻣﻦ ﻫﺬا اﻟﻜﺘﺎب ﻳﺘﻨﺎول اﻟﻌﻴﻨﺎت ﰲ اﻟﺒﺤـﺚ اﻟﻌﻠﻤـﻲ‪ ،‬وذﻟـﻚ ﻣـﻦ ﺧـﻼل‬
‫ً‬
‫ﺛﻼﺛﺔ ﻣﺒﺎﺣﺚ‪ ،‬ﻳﺘﻀﻤﻦ اﳌﺒﺤﺚ اﻷول ﻣﻔﻬﻮم وﺣﺠﻢ اﻟﻌﻴﻨﺔ مبﺎ ﰲ ذﻟـﻚ أﻫـﻢ اﻟﻄـﺮق اﻹﺣـﺼﺎﺋﻴﺔ ﻟﺘﻘـﺪﻳﺮ‬
‫ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬أﻣﺎ اﳌﺒﺤﺚ اﻟﺜﺎين ﻓﻴﺘﻨﺎول أﻧﻮاع اﻟﻌﻴﻨﺎت )اﻟﻌﻴﻨﺎت اﻟﻌﺸﻮاﺋﻴﺔ واﻟﻌﻴﻨـﺎت ﻏـري اﻟﻌـﺸﻮاﺋﻴﺔ(‪،‬‬
‫ﻣﻮﺿﺤﺎ أﺧﻄﺎء اﳌﻌﺎﻳﻨﺔ ﻣﻤﺜﻠﺔ ﰲ اﻟﺨﻄـﺄ اﳌﻌﻴـﺎري ﻟﻠﻤﺘﻮﺳـﻂ‪ ،‬واﻟﺨﻄـﺄ اﳌﻌﻴـﺎري‬
‫ً‬ ‫ﺛﻢ ﻳﺄيت اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‬
‫ﻟﻠﻨﺴﺒﺔ‪ ،‬واﻟﺨﻄﺄ اﳌﻌﻴﺎري ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻣـﻊ ﺗﻮﺿـﻴﺢ ﻛﻴﻔﻴـﺔ اﻻﺳـﺘﻔﺎدة ﻣـﻦ ﻧﺘـﺎﺋﺞ اﻟﻌﻴﻨـﺎت ﰲ ﺗﻘـﺪﻳﺮ‬
‫اﻟﻈﺎﻫﺮة ﰲ اﳌﺠﺘﻤﻊ ﻋﻨﺪ درﺟﺎت ﺛﻘﺔ ﻣﺨﺘﻠﻔﺔ‪.‬‬
‫ﻫﺬه اﳌﺎدة اﻟﻌﻠﻤﻴﺔ روﻋﻲ ﻓﻴﻬﺎ اﻟﱰﻛﻴﺰ واﻟﺘﺒﺴﻴﻂ؛ ﺑﺤﻴـﺚ ﺗﻜـﻮن ﺳـﻬﻠﺔ اﻟﻔﻬـﻢ واﻟﺘﻄﺒﻴـﻖ‪ ،‬وﺗـﺴﺘﺜري‬
‫أذﻫﺎن اﻟﺪارﺳني واﻟﺒﺎﺣﺜني ﻧﺤﻮ اﳌﺰﻳﺪ ﻣﻦ اﻟﺘﻌﻤﻖ ﰲ اﻟﺘﺤﻠﻴـﻞ اﻹﺣـﺼﺎيئ؛ ﻻﻣـﺘﻼك اﳌﻌﻠﻮﻣـﺎت اﻷﺳﺎﺳـﻴﺔ‬
‫وﻣﻬﺎرات اﻟﺘﻄﺒﻴﻖ‪ ،‬وﺗﻜﻮﻳﻦ اﻻﺗﺠﺎﻫﺎت اﻹﻳﺠﺎﺑﻴﺔ ﻧﺤﻮ ﻋﻠﻢ اﻹﺣﺼﺎء اﻟﺬي ﻛﺎن ﻟﻪ اﻟﻔﻀﻞ ﰲ ﺗﻄﻮر اﻟﺒﺤﺚ‬
‫اﻟﻌﻠﻤﻲ ﰲ ﻛﺎﻓﺔ ﻣﺠﺎﻻت اﳌﻌﺮﻓﺔ مبﺎ ﻓﻴﻬﺎ ﻣﺠﺎل اﻹﻋﻼم واﻻﺗﺼﺎل ﺑﺎﻟﺠامﻫري‪.‬‬

‫اﳌﺆﻟﻒ‬
‫أ‪.‬د‪ /‬ﺑﺮﻛﺎت ﻋﺒﺪ اﻟﻌﺰﻳﺰ‬

‫‪-˺̂-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﻟﻔﺼﻞ اﻷول‬

‫ﻣﺪﺧﻞ متﻬﻴﺪي‬
‫متﻬــــﻴﺪ‬

‫ﺗﻌﺮﻳﻔﻴﺎ ﺑﺎﻹﺣﺼﺎء ودﻻﻟﺘﻪ ﻟﻠﺒﺤﺚ اﻟﻌﻠﻤﻲ ﰲ ﺟﻮاﻧﺒﻪ اﳌﺘﻄﻮرة‪ ،‬وذﻟﻚ ﻣﻦ‬

‫ّ‬ ‫ﻣﺪﺧﻼ‬
‫ً‬ ‫ﻳﺘﻀﻤﻦ ﻫﺬا اﻟﻔﺼﻞ‬
‫ﺧﻼل ﺛﻼﺛﺔ ﻣﺒﺎﺣﺚ‪ .‬ﻳﺘﻨﺎول اﳌﺒﺤﺚ اﻷول ﺗﻌﺮﻳﻔًـﺎ ﻣـﻮﺟ ًﺰا ﺑﻌﻠـﻢ اﻹﺣـﺼﺎء ﻣـﻦ ﻣﻨﻈـﻮر أﻫﻤﻴﺘـﻪ ﻟﻠﺒﺤـﺚ‬
‫اﻟﻌﻠﻤﻲ‪ ،‬وﻣﻦ ذﻟﻚ ﻧﻮﺿﺢ ﻣﺴﺄﻟﺔ اﻟﻘﻴﺎس اﻹﺣﺼﺎيئ ﻣﻊ اﻟﱰﻛﻴﺰ ﻋﲆ اﳌﺘﻐريات وﺗﻮﺿﻴﺢ اﻟﻔﺮق ﺑني اﻹﺣﺼﺎء‬
‫اﻟﻮﺻﻔﻲ واﻹﺣﺼﺎء اﻻﺳﺘﺪﻻﱄ‪ ،‬وﻛﺬﻟﻚ اﻹﺣﺼﺎء اﻟﺒﺎراﻣﱰي واﻹﺣﺼﺎء اﻟﻼﺑﺎراﻣﱰي‪ .‬وﻳﺘﻨـﺎول اﳌﺒﺤـﺚ اﻟﺜـﺎين‬
‫أﻫﻢ اﻟﺮﻣﻮز واﻟﻌﻤﻠﻴﺎت اﻟﺠﱪﻳـﺔ اﻹﺣـﺼﺎﺋﻴﺔ‪ .‬أﻣـﺎ اﳌﺒﺤـﺚ اﻟﺜﺎﻟـﺚ ﻓﻬـﻮ ﻋـﻦ اﺳـﺘﺨﺪام اﻟﺤﺎﺳـﺐ اﻵﱄ ﰲ‬
‫اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﻣـﻦ ﺧـﻼل ﺗﻌﺮﻳـﻒ ﻣـﻮﺟﺰ مبﺰاﻳـﺎ اﻟﺤﺎﺳـﻮب وﺣـﺪوده واﻟـﱪاﻣﺞ اﻹﺣـﺼﺎﺋﻴﺔ اﻟﺠـﺎﻫﺰة‬
‫ﺑــﺎﻟﺘﻄﺒﻴﻖ ﻋــﲆ اﻟﺤﺰﻣــﺔ اﻹﺣــﺼﺎﺋﻴﺔ ﻟﻠﻌﻠــﻮم اﻻﺟﺘامﻋﻴــﺔ )‪ ،(SPSS‬ﺑﺎﻋﺘﺒﺎرﻫــﺎ اﻷﻛــرث اﻧﺘــﺸﺎ ًرا ﻣــﻦ ﺣﻴــﺚ‬
‫اﻻﺳﺘﺨﺪام ﰲ ﻣﴫ واﳌﻨﻄﻘﺔ اﻟﻌﺮﺑﻴﺔ‪.‬‬

‫اﳌﺒﺤﺚ اﻷول‬
‫اﻹﺣﺼﺎء ﻣﻦ ﻣﻨﻈﻮر أﻫﻤﻴﺘﻪ ﻟﻠﺒﺤﺚ اﻟﻌﻠﻤﻲ‬

‫أوﻻً‪ :‬اﻹﺣﺼﺎء وأﻫﻤﻴﺘﻪ ﻟﻠﻌﻠﻢ‬

‫اﻹﺣﺼﺎء ﰲ اﻟﻠﻐﺔ ﻳﻌﻨﻲ اﻟﻌﺪ اﻟﺸﺎﻣﻞ‪ ،‬وﻣﻦ اﳌﺠـﺎز ﻗـﻮل اﻟﻌـﺮب‪» :‬مل أر أﻛـرث ﻣـﻨﻬﻢ‬
‫ـﺪدا‪ ،‬وﻗــﻮﻟﻬﻢ‪» :‬ﻫــﺬا أﻣــﺮ ﻻ أﺣــﺼﻴﻪ«؛ أي ﻻ أﻃﻴﻘــﻪ‬
‫ﺣــﺼـﻰ«؛ أي مل أر أﻛــرث ﻣــﻨﻬﻢ ﻋـ ً‬
‫وﻻ أﺿﺒﻄﻪ‪ ،‬وﻗﺪ وردت ﻛﻠﻤﺔ »اﻹﺣـﺼﺎء« وﻣـﺸﺘﻘﺎﺗﻬﺎ ﰲ اﻟﻜﺜـري ﻣـﻦ اﳌﻮاﺿـﻊ ﺑـﺎﻟﻘﺮآن‬
‫‪-˻˺-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﻟﻜﺮﻳﻢ‪ .‬أﻣﺎ اﻹﺣﺼﺎء ﻛﻤامرﺳﺔ ﻓﻘﺪ ﻧﺸﺄ ﰲ إﻃﺎر اﻟﺘﻨﻈﻴﻢ اﻟﺴﻴﺎﳼ ﻟﻠﺪوﻟﺔ اﻟﻘﻮﻣﻴﺔ ﰲ أوروﺑـﺎ ﻣﻨـﺬ اﻟﺜﻠـﺚ‬
‫اﻷﺧري ﻣﻦ اﻟﻘﺮن اﻟﺜﺎﻣﻦ ﻋﺸـﺮ )ﻋﺎم ‪ ،(١٧٧٠‬ﻏري أﻧﻪ ﴎﻋﺎن ﻣﺎ ﺗﻄﻮرت اﻷﺻﻮل اﻟﺮﻳﺎﺿـﻴﺔ ﻟﻌﻠـﻢ اﻹﺣـﺼﺎء‬
‫ﺑﻔﻀﻞ ﻋﻠامء اﻟﺮﻳﺎﺿﻴﺎت اﻷوروﺑﻴني وﻏريﻫﻢ‪ ،‬واﻟﺬﻳﻦ ﺗﻮاﺻﻠﺖ ﺟﻬﻮدﻫﻢ اﻟﻌﻠﻤﻴﺔ ﺣﺘﻰ وﺻﻞ اﻹﺣـﺼﺎء إﱃ‬
‫ﻣﺎ ﻫﻮ ﻋﻠﻴﻪ اﻵن ﻛﻌﻠﻢ ﻣﺘﻄﻮر ﻳﺮﺗﺒﻂ ﺑﺠﻤﻴﻊ ﻣﺠﺎﻻت اﻟﺤﻴﺎة‪.‬‬

‫وإذا ﻛﺎن اﻹﺣﺼﺎء أﺣﺪ ﻓﺮوع اﻟﺮﻳﺎﺿﻴﺎت اﻟﺘﻲ ﺗﻄﺒﻖ ﰲ ﻣﺠﺎﻻت اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ ﺑﻔـﺮوع اﳌﻌﺮﻓـﺔ ﻛﺎﻓـﺔ‪،‬‬
‫اﻟﻜﻤﻴﺔ )‪ ،(Quantitative‬واﻟﺘـﻲ‬
‫ّ‬ ‫ﻓﺈﻧﻪ ﺑﺼﻮرﺗﻪ اﻟﺤﺪﻳﺜﺔ دﻋﺎﻣﺔ أﺳﺎﺳﻴﺔ ﻟﻄﺮق اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ ذات اﻟﻄﺒﻴﻌﺔ‬
‫ﺗﻘﻮم ﻋﲆ إﺟﺮاء دراﺳﺎت ﻣﻴﺪاﻧﻴﺔ وﺗﺤﻠﻴﻠﻴﺔ‪ ،‬وﺗﺠﺎرب وﻣﻼﺣﻈﺎت وﻣﻘﺎﺑﻼت‪ ،‬واﻟﺤﺼﻮل ﻣﻨﻬﺎ ﻋﲆ ﺑﻴﺎﻧـﺎت‬
‫ﻳﺘﻢ ﺗﻨﻈﻴﻢ ﺗﻠﻚ اﻟﺒﻴﺎﻧﺎت وﻣﻌﺎﻟﺠﺘﻬﺎ؛ ﺑﺤﻴﺚ ﻳﺘﻢ اﺳﺘﺨﻼص ﻧﺘﺎﺋﺞ ﻣﻮﺿﻮﻋﻴﺔ ﺗﺼﻒ اﳌﻮﺿﻮع أو اﻟﻈـﺎﻫﺮة‪،‬‬
‫وﻗﺪ ﺗﺘﻌﺪى ﻧﻄـﺎق اﻟﻮﺻـﻒ إﱃ اﻟﺘﻔـﺴري وﺻـﻴﺎﻏﺔ اﻟﻘـﻮاﻧني واﻟﻨﻈﺮﻳـﺎت اﻟﻌﻠﻤﻴـﺔ‪ .‬وﻣـﻦ ﺧـﻼل اﻟﺘﺤﻠﻴـﻞ‬
‫اﻹﺣﺼﺎيئ ﻟﺒﻴﺎﻧﺎت اﻟﺒﺤﻮث ﻳﺘﻢ اﻟﺘﻌﺮف ﻋﲆ اﻟـﺪﻻﻻت اﻟﻜﻤﻴـﺔ ﻟﻠﻈـﻮاﻫﺮ اﳌﺨﺘﻠﻔـﺔ ﰲ أﺑﻌﺎدﻫـﺎ اﻟﻮﺻـﻔﻴﺔ‬
‫واﻟﺘﺤﻠﻴﻠﻴﺔ واﻟﺘﻔﺴريﻳﺔ واﻟﺘﻮﻗﻌﻴﺔ؛ أي أن اﻹﺣﺼﺎء ﻟﻴﺲ ﻣﺠﺮد ﻋﺮض ﺑﻴﺎﻧﺎت رﻗﻤﻴﺔ ﰲ ﺟـﺪاول أو أﺷـﻜﺎل‬
‫ﺑﻴﺎﻧﻴﺔ ورﺳﻮم ﻫﻨﺪﺳﻴﺔ‪ ،‬وإمنﺎ ﻳﺘﻌﺪى ذﻟﻚ إﱃ اﻟﺘﺤﻠﻴﻞ اﳌﺘﻌﻤﻖ ﻟﺘﻠﻚ اﻟﺒﻴﺎﻧـﺎت وﺗﻔـﺴريﻫﺎ واﺳـﺘﻨﻄﺎق ﻣـﺎ‬
‫وراءﻫﺎ وﺑﻨﺎء منﺎذج ﺗﻔﺴريﻳﺔ وﺻﻴﺎﻏﺔ ﺗﻮﻗﻌﺎت ﻣﺴﺘﻘﺒﻠﻴﺔ ﻋﻦ اﻟﻈـﻮاﻫﺮ واﳌﻮﺿـﻮﻋﺎت ﻣﺠـﺎل اﻟﺒﺤـﺚ مبـﺎ‬
‫ﻳﻔﻴﺪ ﰲ اﻟﻮﺻﻒ واﻟﺘﻔﺴري واﻟﺘﻨﺒﺆ واﺗﺨﺎذ اﻟﻘﺮارات‪.‬‬

‫واﺿـﺤﺎ‪،‬‬
‫ً‬ ‫رﺻـﺪا ﻣـﻮﺟ ًﺰا‬
‫ً‬ ‫ومبﻮﺟﺐ اﳌﻌﺎﻟﺠـﺔ اﻹﺣـﺼﺎﺋﻴﺔ اﻟـﺴﻠﻴﻤﺔ ميﻜـﻦ رﺻـﺪ اﻟﻨﺘـﺎﺋﺞ‬
‫ميﻜـﻦ‬
‫وﺑﺎﻟﺘﺎﱄ ﺗﻮﺿﻴﺢ ﺧﺼﺎﺋﺺ اﻟﻈﺎﻫﺮة وأﺑﻌﺎدﻫﺎ وﻣﺎ ﺗﻨﻄـﻮي ﻋﻠﻴـﻪ ﻣـﻦ دﻻﻻت‪ ،‬وﻫـﺬا ّ‬
‫اﻟﺒﺎﺣﺚ ﻣﻦ ﻓﻬﻢ اﻟﻌﻮاﻣﻞ اﻷﺳﺎﺳﻴﺔ اﻟﺘﻲ ﺗﺆﺛﺮ ﰲ اﻟﻈـﺎﻫﺮة ﻣﺤـﻞ اﻟﺒﺤـﺚ‪ ،‬واﻟﻜـﺸﻒ ﻋـﻦ‬
‫اﻟﻔﻜﺮة اﻟﺠﻮﻫﺮﻳﺔ أو اﻟﻘﺎﻧﻮن اﻟﻌﺎم اﻟﺬي ﻳﺼﻠﺢ ﻟﺘﻔﺴري ﺗﻠـﻚ اﻟﻈـﺎﻫﺮة واﻟﻈـﻮاﻫﺮ اﻷﺧـﺮى‬
‫ذات اﻟﻌﻼﻗﺔ ﺑﻬﺎ‪ ،‬وﻣﻦ ﺧﻼل اﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ ﻳﺘﻢ ﺗﺤﺪﻳﺪ اﻟﺸـﺮوط اﻷﺳﺎﺳﻴﺔ ﳌﻮﺿـﻮﻋﻴﺔ‬

‫‪-˻˻-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﻹﺟﺮاءات اﳌﺘﺒﻌﺔ ﰲ اﻟﺪراﺳﺔ‪ ،‬ﻛام ﺗﺘﻴﺢ ﻫﺬه اﻟﻄﺮق ﻓﺮص اﺧﺘﻴﺎر ﺑﺪاﺋﻞ ﻣﺘﻌـﺪدة ﻣـﻦ أﺳـﺎﻟﻴﺐ اﻟﺘﺤﻠﻴـﻞ‬
‫اﻟﺘﻲ ﺗﻨﺎﺳﺐ اﻟﺒﻴﺎﻧﺎت‪ ،‬وﻣﺪى إﻣﻜﺎﻧﻴﺔ ﺗﻌﻤﻴﻢ اﻟﻨﺘﺎﺋﺞ‪..‬‬

‫ﻣﻮﺿﻮﻋﻴﺎ ﻟﻠﻔﻜﺮ‪ ،‬وﻳﻘﻮم ﻋـﲆ ﺗﺒـﺎدل اﳌﻌﺮﻓـﺔ ﺑـني اﳌﺘﺨﺼـﺼني ﰲ‬

‫ٍّ‬ ‫ﺗﻨﻈﻴام‬
‫ً‬ ‫وإذا ﻛﺎن اﻟﻌﻠﻢ ﰲ ﺟﻮﻫﺮه‬
‫ﻫﺬا اﳌﺠﺎل أو ذاك‪ ،‬ﻓﺈن اﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ ذات ﺻﻔﺔ ﻋﺎﳌﻴﺔ‪،‬وﻣﻦ ﻫﻨﺎ ﺗﺄيت ﴐورة أن ﻳﻜﻮن ﻟﺪى اﻟﺒﺎﺣﺜني‬
‫ﻣﻌﺮﻓﺔ ﻛﺎﻓﻴﺔ ﺑﺄﺳﺎﻟﻴﺐ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ وأدواﺗﻪ اﳌﺘﻄﻮرة؛ ﺣﺘﻰ ميﻜﻨﻬﻢ ﺧﻠﻖ وﺗﻄﻮﻳﺮ اﳌﻌﺮﻓـﺔ ﰲ ﻣﺠـﺎل‬
‫اﻟﺘﺨﺼﺺ مبﺎ ﻳرثي اﻟﻔﻜﺮ اﻹﻧﺴﺎين‪ .‬وﻗﺪ متﻜﻨﺖ اﻟﻌﻠﻮم اﻟﻄﺒﻴﻌﻴﺔ‪ -‬ﻛﺎﻟﻜﻴﻤﻴﺎء واﻟﻔﻴﺰﻳـﺎء واﻷﺣﻴـﺎء وﻏريﻫـﺎ‪-‬‬
‫ﻣﻦ اﻟﺘﻄﻮر ﺑﺎﺳﺘﻤﺮار واﻛﺘﺴﺎب ﺻﻔﺔ اﻟﻌﺎﳌﻴﺔ ﻷﺳـﺒﺎب ﻋﺪﻳـﺪة ﻳـﺄيت ﰲ ﻣﻘـﺪﻣﺘﻬﺎ‪ :‬اﻻرﺗﻜـﺎز ﻋـﲆ اﻟﺘﺤﻠﻴـﻞ‬
‫اﻟﻜﻤﻴﺔ ﻣﻨﺬ ﻋﻬﻮد ﻃﻮﻳﻠﺔ‪ ،‬وﺳﺎﻋﺪ ﻋـﲆ ذﻟـﻚ أﻧـﻪ ﰲ اﻟﻌﻠـﻮم اﻟﻄﺒﻴﻌﻴـﺔ ميﻜـﻦ إﺧـﻀﺎع‬
‫ّ‬ ‫اﻹﺣﺼﺎيئ واﻟﻄﺮق‬
‫اﻟﻜﻤﻲ اﻟﺼﺎرم‪ ،‬وﻓﺼﻞ اﳌﺘﻐريات اﳌﺨﺘﻠﻔﺔ واﻟﺘﺤﻜﻢ ﰲ ﺗﺄﺛري ﻛﻞ‬
‫اﻟﻈﻮاﻫﺮ ﻟﻠﻀﺒﻂ اﻟﻌﻠﻤﻲ اﻟﺪﻗﻴﻖ واﻟﻘﻴﺎس ّ‬
‫ﻣﻨﻬﺎ واﻟﺘﻮﺻﻞ إﱃ ﻧﺘﺎﺋﺞ ﺛﺎﺑﺘﺔ‪ .‬أﻣﺎ اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ واﻹﻧﺴﺎﻧﻴﺔ ﻓﻘﺪ ﺗـﺄﺧﺮت ﰲ ﻧـﺸﺄﺗﻬﺎ اﻷوﱃ ﻋـﻦ ﻫـﺬا‬
‫اﻟﺘﻄﻮر ﻷﺳﺒﺎب ﻛﺜرية ﺗﺘﻌﻠﻖ ﺑﻄﺒﻴﻌﺔ ﺗﻠﻚ اﻟﻌﻠﻮم؛ ﻣﻦ ﺣﻴﺚ اﻟﺘﻌﻘﻴﺪ واﺗﺴﺎع ﻣﺠﺎﻻﺗﻬـﺎ وﺻـﻌﻮﺑﺔ إﺧـﻀﺎع‬
‫اﻟﻜﻤﻲ )‪.(Quantitative‬‬
‫ﻣﺘﻐرياﺗﻬﺎ ﻟﻠﺘﺠﺮﻳﺐ واﻟﻀﺒﻂ اﻟﻌﻠﻤﻲ ّ‬
‫ﻟﻜﻦ اﻟﺒﺎﺣﺜني ﰲ اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ واﻹﻧﺴﺎﻧﻴﺔ ﴎﻋﺎن ﻣﺎ أدرﻛﻮا ﴐورة اﺳﺘﺨﺪام اﻹﺣﺼﺎء ﰲ اﻟـﻀﺒﻂ‬
‫اﻟﻜﻤﻴـﺔ‬
‫ّ‬ ‫اﻟﻜﻤـﻲ ﻋﻨـﺪ دراﺳــﺔ اﻟﻈـﻮاﻫﺮ واﳌﻮﺿـﻮﻋﺎت‪ ،‬واﺳـﺘﺨﺪام اﻟﺘﺤﻠﻴــﻞ اﻹﺣـﺼﺎيئ واﻟﻄـﺮق‬
‫واﻟﻘﻴـﺎس ّ‬
‫ﺑﺎﻻرﺗﻜﺎز ﻋـﲆ ﻋﻠـﻢ اﻹﺣـﺼﺎء وﺗﻄﺒﻴﻘﺎﺗـﻪ؛ اﻷﻣـﺮ اﻟـﺬي ﻛـﺎن ﻟـﻪ ﻛﺒـري أﺛـﺮ ﰲ ﺗﻄـﻮر اﻟﻌﻠـﻮم اﻻﺟﺘامﻋﻴـﺔ‬
‫واﻹﻧﺴﺎﻧﻴﺔ؛ ﻣﻦ ﺣﻴﺚ ﻃﺮق اﻟﺒﺤﺚ واﻹﺟﺮاءات‪ ،‬وﺑﺎﻟﺘﺎﱄ اﻟﺘﻮﺻﻞ إﱃ ﻣﻌﺮﻓﺔ ﻋﻤﻴﻘﺔ وﻣﻨﻈﻤﺔ‪.‬‬

‫‪-˻˼-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﺛﺎﻧﻴﺎ‪:‬اﻟﺘﺼﻨﻴﻒ اﻹﺣﺼﺎيئ‬
‫ً‬
‫اﻟﺘﺼﻨﻴﻒ اﻹﺣﺼﺎيئ ﻫﻮ وﺿﻊ اﻟﻮﺣﺪات اﳌﺘﺠﺎﻧﺴﺔ أو اﳌﺘﺸﺎﺑﻬﺔ – ﻣﻦ ﺣﻴـﺚ ﺻـﻔﺔ ﻣﻌﻴﻨـﺔ أو ﺳـﻠﻮك‬
‫ﻣﻌني‪ -‬ﰲ ﻣﺠﻤﻮﻋﺔ واﺣﺪة ﺗﺨﺘﻠﻒ ﻋﻦ ﻏريﻫﺎ ﻣﻦ اﳌﺠﻤﻮﻋﺎت‪ .‬ﻣﺜﺎل ذﻟﻚ ﺗـﺼﻨﻴﻒ اﳌﺒﺤـﻮﺛني‪ :‬إﱃ ذﻛـﻮر‬
‫وإﻧﺎث‪ ،‬أو إﱃ رﻳﻔﻴني وﺣﻀـﺮﻳني‪ ،‬أو إﱃ ﻣﺸﺎﻫﺪﻳﻦ وﻏري ﻣـﺸﺎﻫﺪﻳﻦ ﻟﻠﺘﻠﻴﻔﺰﻳـﻮن‪ ...‬إﻟـﺦ‪ .‬واﻟﺘـﺼﻨﻴﻒ ﻗـﺪ‬
‫ﻛﻤﻴـﺎ‪ ،‬مبﻌﻨـﻰ أﻧـﻪ‬
‫ﻛﻤﻴـﺔ‪ ،‬ﻛـام ﻗـﺪ ﻳﻜـﻮن ّ‬
‫وﺻﻔﻴﺎ ﻓﻘﻂ‪ ،‬مبﻌﻨﻰ أﻧﻪ ﳌﺠﺮد اﻟﺘﺼﻨﻴﻒ دون أي دﻻﻟـﺔ ّ‬
‫ّ‬ ‫ﻳﻜﻮن‬
‫ﻳﻮﺿﺢ اﻟﺘﺼﻨﻴﻒ ودرﺟﺔ اﻟﺘامﻳﺰ‪.‬‬

‫ﻛﻤﻴـﺔ ﻟﻠﻘـﻴﻢ‬
‫إن اﻟﺘﺼﻨﻴﻒ اﻟﻮﺻﻔﻲ‪ -‬ﻛام ﻳﻔﻬﻢ ﻣـﻦ اﺳـﻤﻪ‪ -‬ﻫـﻮ ﺗـﺼﻨﻴﻒ اﻟﻮﺣـﺪات دون أي دﻻﻟـﺔ ّ‬
‫اﳌﻌﱪة ﻋﻦ اﻟﺘﺼﻨﻴﻒ‪ ،‬ﻛﺘﺼﻨﻴﻒ اﳌﺒﺤﻮﺛني إﱃ ذﻛﻮر وإﻧﺎث ﻣﻦ ﺧﻼل ﺗﻜﻮﻳﺪ اﻟـﺬﻛﻮر ﺑـﺎﻟﺮﻗﻢ )‪ (١‬واﻹﻧـﺎث‬
‫ﺑﺎﻟﺮﻗﻢ )‪ ،(٢‬أو ﺗﺼﻨﻴﻔﻬﻢ ﺣﺴﺐ ﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ إﱃ رﻳـﻒ وﺣـﴬ ﻣـﻦ ﺧـﻼل ﺗﻜﻮﻳـﺪ ﻣﺠﻤﻮﻋـﺔ اﻟﺮﻳـﻒ‬
‫ﺑــﺎﻟﺮﻗﻢ )‪ (١‬وﻣﺠﻤﻮﻋــﺔ اﻟﺤــﴬ ﺑــﺎﻟﺮﻗﻢ )‪(٢‬؛ ﺣﻴــﺚ ﻧﻼﺣــﻆ أن اﻷرﻗــﺎم ﻫﻨــﺎ ﳌﺠــﺮد اﻟﺘــﺼﻨﻴﻒ ﻓﻘــﻂ ﻷن‬
‫اﻟﺘﺼﻨﻴﻒ ﻳﻬﺪف إﱃ اﻟﻜﺸﻒ ﻋﻦ وﺟﻮد اﻟﺼﻔﺔ أو ﻋﺪم وﺟﻮدﻫﺎ‪.‬‬

‫ﻛﻤﻴـﺔ‬
‫اﻟﻜﻤـﻲ‪ ،‬ﻓﻬـﻮ ﻳﻌﻜـﺲ درﺟـﺔ وﺟـﻮد اﻟـﺼﻔﺔ أو اﻟـﺴﻠﻮك ﰲ ﺻـﻮرة ﻣﻘـﺪار أو ّ‬
‫أﻣﺎ اﻟﺘـﺼﻨﻴﻒ ّ‬
‫ﻣـﺜﻼ ﺗـﺼﻨﻴﻒ اﳌﺒﺤـﻮﺛني‬
‫)‪ (Quantity‬مبﺎ ﻳﻌﱪ ﻋﻦ وﺟﻮد اﻟﺼﻔﺔ أو اﻟﺴﻠﻮك ﺑـﺪرﺟﺎت ﻣﻌﻴﻨـﺔ‪ ،‬ﻣـﻦ ذﻟـﻚ ً‬
‫ﺣﺴﺐ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن إﱃ ﻛﺜﻴﻔـﻲ اﳌـﺸﺎﻫﺪة )‪ (Heavy Viewers‬وﻣﺘﻮﺳـﻄﻲ اﳌـﺸﺎﻫﺪة ) ‪Medium‬‬
‫ﻳﻮﻣﻴـﺎ ﰲ‬
‫‪ (Viewers‬وﺧﻔﻴﻔــﻲ اﳌــﺸﺎﻫﺪة )‪ ،(Light Viewers‬وذﻟــﻚ ﺣــﺴﺐ اﻟﻮﻗــﺖ اﻟــﺬي ﻳﻘــﻀﻴﻪ اﻟﻔــﺮد ّ‬
‫ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﻣﻦ ﺧـﻼل ﺗﻜﻮﻳـﺪ ﺧﻔﻴﻔـﻲ اﳌـﺸﺎﻫﺪة ﺑـﺎﻟﺮﻗﻢ )‪ (١‬وﺗﻜﻮﻳـﺪ ﻣﺘﻮﺳـﻄﻲ اﳌـﺸﺎﻫﺪة‬
‫ﻛﻤﻴـﺔ‬
‫ﺑﺎﻟﺮﻗﻢ )‪ (٢‬وﺗﻜﻮﻳﺪ ﻛﺜﻴﻔﻲ اﳌـﺸﺎﻫﺪة ﺑـﺎﻟﺮﻗﻢ )‪ .(٣‬وﻫﻨـﺎ ﻧﻼﺣـﻆ أن اﻷرﻗـﺎم ‪ ٣ ،٢ ،١‬ﻟﻬـﺎ دﻻﻟـﺔ ّ‬
‫ﺑﺠﺎﻧﺐ ﻛﻮﻧﻬﺎ ﺗﺼﻨﻒ اﳌﺒﺤﻮﺛني ﻣﻦ اﻷﻗﻞ إﱃ اﻷﻛرث ﺣﺴﺐ ﻣﻌـﺪل ﻣـﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن؛ أي أﻧﻨـﺎ ﺑـﺼﺪد‬
‫واﻟﻜﻤﻴﺔ‪.‬‬
‫ّ‬ ‫وﺣﺪات ﻣﺘامﻳﺰة ﻣﻦ ﺣﻴﺚ اﻟﺼﻔﺔ‬

‫‪-˻˽-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﻛﻤﻴﺎ‪ ،‬ﻓﺈﻧﻪ ﻣﻦ أﻫﻢ دﻋﺎﺋﻢ اﳌﻌﺮﻓﺔ اﻟﺒﴩﻳﺔ؛ ﻷﻧـﻪ ﻳﻠﺨـﺺ اﳌﻌﻠﻮﻣـﺎت‬

‫وﺻﻔﻴﺎ أو ّ‬
‫ّ‬ ‫وﺳﻮاء ﻛﺎن اﻟﺘﺼﻨﻴﻒ‬
‫اﳌﺘﻌﺪدة ﰲ ﻗﺪر ﺻﻐري ذي دﻻﻟﺔ وﻣﻌﻨﻰ‪ ،‬ﻛام أن اﻟﺘﺼﻨﻴﻒ ﻳﻜﺸـﻒ ﻋﻦ اﻟﺨﺼﺎﺋﺺ اﻟﺠﻮﻫﺮﻳﺔ اﻟﺘﻲ ﺗﺮﺑﻂ‬
‫اﻷﺷـﻴﺎء ﺑﻌﻀﻬﺎ ﺑﺎﻟﺒﻌﺾ اﻵﺧﺮ‪ ،‬وﻳﻌﺘﻤﺪ اﻟﺘﺼﻨﻴﻒ ﻋـﲆ ﻣـﺪى متـﺎﻳﺰ اﻷﺷـﻴﺎء‪ ،‬وﻋـﲆ ﺗﻌﻤـﻴﻢ ﻫـﺬا اﻟﺘامﻳـﺰ‬
‫ﺑﺤﻴﺚ ﺗﻨﻘﺴﻢ اﻷﺷﻴﺎء أو ﺻﻔﺎﺗﻬﺎ إﱃ ﻣﺠﻤﻮﻋﺎت ﺑني ﻛﻞ ﻣﺠﻤﻮﻋﺔ وأﺧﺮى ﻓﺮوق أﺳﺎﺳﻴﺔ ﺗﱪر ﻫﺬا اﻟﻔﺼﻞ‬
‫ﻣﻌـﺎ ﰲ‬
‫ﺟﻤﻴﻌـﺎ ً‬
‫ً‬ ‫ﻣﻌﺎ ﰲ ﺻﻔﺎت أﺳﺎﺳـﻴﺔ ﺗـﱪزﻫﻢ‬
‫اﻟﻘﺎﺋﻢ ﺑﻴﻨﻬﺎ‪ ،‬وﺗﻀﻢ ﻛﻞ ﻣﺠﻤﻮﻋﺔ اﻷﻓﺮاد اﻟﺬﻳﻦ ﻳﺸﱰﻛﻮن ً‬
‫ﻣـﺜﻼ ﺗـﺼﻨﻴـﻒ‬
‫اﺿﺤﺎ‪ ،‬ﻓﻠﻴﺲ ﻣﻦ اﳌﻌﻘـﻮل ً‬
‫ﺗﺼﻨﻴﻒ واﺣﺪ‪ .‬ﻛام ﻳﺠﺐ أن ﻳﻜﻮن أﺳﺎس اﻟﺘﺼﻨﻴﻒ ﻣﻨﻄﻘﻴّﺎ وو ً‬
‫ﺟﻤﻬــﻮر اﻟﺘﻠﻴﻔـﺰﻳﻮن إﱃ ذﻛﻮر وإﻧﺎث وﺣﻀـﺮﻳني‪ ،‬وإمنﺎ اﻟﺼﻮاب أن ﻧﻘـﺴﻢ اﻟﺠـﻤﻬــﻮر ﺣـﺴﺐ اﻟﺠـﻨﺲ‬
‫)ذﻛﻮر ‪ -‬إﻧﺎث(‪ ،‬ﺛﻢ ﺗﺼﻨﻴﻒ ﻛﻞ ﺟﻨﺲ ﺣﺴﺐ ﻣﻨﻄﻘـﺔ اﻹﻗﺎﻣﺔ )ﺣﻀـﺮ– رﻳﻒ(؛ ﺣﺘﻰ ﻧﺴﺘﻐـﺮق اﻷﻗﺴﺎم‬
‫اﻟﻔﺮﻋﻴﺔ‪ ،‬ﻓﺎﻟﺬﻛﻮر ﻗﺪ ﻳﻜﻮﻧﻮن ﺣﴬﻳني أو رﻳﻔـﻴني‪ ،‬ﻛام أن اﻹﻧﺎث ﻗـﺪ ﻳﻜﻦ ﺣﴬﻳﺎت أو رﻳﻔﻴﺎت‪ ،‬وﻫﻜـﺬا‬
‫ﻧﺮى ﰲ ﻫﺬا اﳌﺜﺎل أن أﺳﺎس اﻟﺘﻘﺴﻴﻢ اﻷول ﻛﺎن ﻣﺘﻐـري اﻟﻨﻮع أو اﻟﺠﻨﺲ‪ ،‬أﻣﺎ اﻷﺳـﺎس ﰲ اﻟﺘﻘـﺴﻴﻢ اﻟﺜـﺎين‬
‫ﻓﻬﻮ ﻣﺘﻐري ﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ‪.‬‬

‫ﻣﺘﻌـﺪدا‪ .‬إن‬
‫ً‬ ‫ﺛﻨﺎﺋﻴـﺎ‪ ،‬ﻛـام ﻗـﺪ ﻳﻜـﻮن‬
‫أﻣﺎ ﺣﺴﺐ ﻋﺪد اﻟﺘﺼﻨﻴﻔﺎت‪ ،‬ﻓﺈن اﻟﺘﺼﻨﻴﻒ اﻹﺣﺼﺎيئ ﻗـﺪ ﻳﻜـﻮن ّ‬
‫اﻟﺘﺼﻨﻴﻒ اﻟﺜﻨﺎيئ ﻳﻌﻨﻲ ﺗﺼﻨﻴﻒ اﻟﻮﺣﺪات إﱃ ﻗﺴﻤني ﻓﻘﻂ )ﻛﺘﺼﻨﻴﻒ ﻋﻴﻨﺔ اﻟﺒﺤﺚ إﱃ ذﻛﻮر ﻣﻘﺎﺑﻞ إﻧﺎث‪،‬‬
‫رﻳﻒ ﻣﻘﺎﺑﻞ ﺣﴬ‪ ...‬إﻟﺦ(‪ ،‬أﻣﺎ اﻟﺘﺼﻨﻴﻒ اﳌﺘﻌﺪد ﻓﻴﻌﻨﻲ ﺗﺼﻨﻴﻒ اﻟﻮﺣﺪات إﱃ أﻛرث ﻣﻦ ﻗﺴﻤني )ﻛﺘﺼﻨﻴﻒ‬
‫اﻟﱪاﻣﺞ اﻹذاﻋﻴﺔ إﱃ‪ :‬أﺧﺒﺎر‪ ،‬ﻣﻨﻮﻋﺎت‪ ،‬دراﻣﺎ‪ ،‬ﺗﻌﻠﻴﻤﻴﺔ‪ ،‬إﻋﻼﻧﺎت‪ ،‬ﻓﺌﺎت(‪ ،‬وميﻜﻦ إﺣـﺪاث ﺗـﺼﻨﻴﻔﺎت ﻓﺮﻋﻴـﺔ‬
‫داﺧﻞ ﻛﻞ ﺗﺼﻨﻴﻒ رﺋﻴﴘ أﻳّﺎ ﻛﺎن ﻋﺪد ﺗﻘﺴﻴامﺗﻪ‪ ،‬ﻣﻦ ذﻟﻚ ً‬
‫ﻣﺜﻼ ﺗﺼﻨﻴﻒ اﳌﺒﺤﻮﺛني ﺣﺴﺐ اﻟﺠﻨﺲ )ذﻛـﻮر‬
‫وإﻧﺎث(‪ ،‬ﺛﻢ ﺗﺼﻨﻴﻒ ﻛﻞ ﺟﻨﺲ ﺣﺴﺐ اﻟﺴﻦ‪ ،‬وﺗﺼﻨﻴﻒ ﻛﻞ ﻓﺌﺔ ﻋﻤﺮﻳﺔ ﺣـﺴﺐ ﻣـﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‪.....‬‬
‫إﻟﺦ‪.‬‬

‫‪-˻˾-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﺛﺎﻟﺜﺎ‪ :‬اﳌﺘﻐريات ﻣﻦ ﻣﻨﻈﻮر اﻟﻘﻴﺎس اﻹﺣﺼﺎيئ‬

‫ً‬

‫إن اﳌﺘﻐري )‪ (Variable‬ﺑﺎﳌﻌﻨﻰ اﻟﺒﺤﺜﻲ واﻹﺣﺼﺎيئ ﻫﻮ اﻟﺨﺎﺻﻴﺔ أو اﻟﺼـﻔﺔ أو اﻟﺴﻠﻮك ﻣﺤـﻞ اﻟﺪراﺳـﺔ‪،‬‬
‫وﻣﻦ ﻣﻨﻈﻮر اﻟﻘﻴﺎس اﻹﺣﺼﺎيئ ﺗﺘﻌﺪد أمنﺎط اﳌﺘﻐريات وﻓﻖ ﻋﺪة ﻣﻌﺎﻳري أﻫﻤﻬﺎ‪:‬‬

‫اﻟﻜﻤﻴﺔ‪:‬‬
‫ّ‬ ‫)أ( اﳌﺘﻐريات اﻟﻨﻮﻋﻴﺔ ﻣﻘﺎﺑﻞ اﳌﺘﻐريات‬

‫ﻓﺎﳌﺘﻐريات اﻟﻨﻮﻋﻴﺔ )‪ (Qualitative Variables‬ﻫﻲ اﳌﺘﻐريات اﻟﺘﻲ ﺗﻌﱪ ﻋﻦ ﺧﺎﺻﻴﺔ ﻣﻌﻴﻨـﺔ؛ ﻣـﻦ ﺣﻴـﺚ‬
‫وﺟﻮدﻫﺎ أو ﻋﺪم وﺟﻮدﻫﺎ ﻛـﺎﻟﺠﻨﺲ )ذﻛـﺮ‪ ،‬أﻧﺜـﻰ(‪ ،‬أو اﻟﺘﺨـﺼﺺ اﻟﻌﻠﻤـﻲ )ﺻـﺤﺎﻓﺔ‪ ،‬إذاﻋـﺔ وﺗﻠﻴﻔﺰﻳـﻮن‪،‬‬
‫ﻋﻼﻗﺎت ﻋﺎﻣﺔ‪ ،‬ﺗﺴﻮﻳﻖ‪ ،‬إﻋﻼن(‪ ...‬إﻟﺦ؛ أي أﻧﻪ ﻻ ميﻜﻦ ﺗﺮﺗﻴﺐ اﻷﻓﺮاد ﻣﻦ اﻷﺻﻐﺮ إﱃ اﻷﻛﱪ‪ ،‬أو ﻣـﻦ اﻷﻛــﱪ‬
‫إﱃ اﻷﺻـﻐﺮ ﺣﺴـﺐ ﻫﺬه اﻟﺨﺎﺻـﻴﺔ‪ ،‬وإمنﺎ ميﻜﻦ ﺗﺼﻨﻴﻔﻬﻢ ﻓﻘﻂ‪.‬‬

‫ﻛﻤﻴـﺔ )‪(Quantity‬؛ ﺑﺤﻴـﺚ‬

‫اﻟﻜﻤﻴﺔ‪ ،‬ﻓﻬﻲ ﺗﻠﻚ اﳌﺘﻐريات اﻟﺘـﻲ ﺗﻘـﺎس مبﻘـﺪار ﻋـﺪدي أو ّ‬
‫ّ‬ ‫أﻣﺎ اﳌﺘﻐريات‬
‫ميﻜﻦ ﺗﺮﺗﻴﺐ اﻷﻓﺮاد ﻣﻦ اﻷﺻﻐﺮ إﱃ اﻷﻛﱪ‪ ،‬أو ﻣـﻦ اﻷﻗـﻞ إﱃ اﻷﻛـرث أو اﻟﻌﻜـﺲ‪ ،‬ﻣﺜـﺎل ذﻟـﻚ‪ :‬ﻋـﺪد أﻓـﺮاد‬
‫اﻷﴎة‪ ،‬ﻋﺪد اﻟﱪاﻣﺞ اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴﺔ اﻟﺘﻲ ﻳﺸﺎﻫﺪﻫﺎ اﻟﻔﺮد‪ ،‬اﻟﻮﻗﺖ اﳌﻨﻘﴤ ﰲ ﻗـﺮاءة اﻟـﺼﺤﻴﻔﺔ أو ﻣـﺸﺎﻫﺪة‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن أو ﺳامع اﻹذاﻋﺔ‪ ،‬ﻋﺪد أﺟﻬﺰة اﻟﺘﻠﻴﻔﺰﻳﻮن ﰲ اﳌﻨﺰل‪ ،‬ﺣﺠﻢ اﻹﻧﻔـﺎق اﻟـﺸﻬﺮي ﻋـﲆ اﻹﻧﱰﻧـﺖ أو‬
‫ﴍاء اﻟﺼﺤﻒ واﳌﺠﻼت‪ ...‬إﻟﺦ‪.‬‬

‫اﻟﻜﻤﻴﺔ اﳌﺘﺼﻠﺔ ﻫـﻲ اﻟﺘـﻲ‬

‫ّ‬ ‫اﻟﻜﻤﻴﺔ ﻗﺪ ﺗﻜﻮن ﻣﺘﺼﻠﺔ أو ﻣﻨﻔﺼﻠﺔ‪ ،‬ﻓﺎﳌﺘﻐريات‬
‫ّ‬ ‫واﳌﺘﻐريات‬
‫ﺗﺄﺧﺬ ﻗﻴﻤﺔ ﺻﺤﻴﺤﺔ أو ﻛﴪﻳﺔ ﻣﺜﻞ‪ :‬اﻟﻮﻗـﺖ اﳌﻨﻘـﻀـﻲ ﰲ ﻣـﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن أو ﻗـﺮاءة‬
‫اﻟﺼﺤﻒ أو اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ‪ ،‬ﻓﻘﺪ ﻳﻔﻴﺪ اﳌﺒﺤﻮث ﺑﺄﻧﻪ ﻳﻘـﻀـﻲ ﺣـﻮاﱄ ﺳـﺎﻋﺔ‪ ،‬أو ﻧـﺼﻒ‬
‫ﻣﻘـﺪًرا‬
‫ّ‬ ‫ﺳﺎﻋﺔ أو ﺳﺎﻋﺔ وﻧﺼﻒ ﰲ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﻓﻮﺣﺪة اﻟﻘﻴـﺎس ﻫﻨـﺎ ﻫـﻲ اﻟﻮﻗـﺖ‬
‫ﺑﺎﻟﺴﺎﻋﺔ‪ ،‬وﻫﻮ ﻗﺎﺑﻞ ﻟﻠﺘﺠﺰﺋﺔ )ﺳﺎﻋﺔ ورﺑﻊ‪ ،‬ﺳﺎﻋﺔ وﻧﺼﻒ‪ ،‬ﺳﺎﻋﺔ وﺧﻤﺲ دﻗﺎﺋﻖ‪ ...‬إﻟﺦ(‪ .‬أﻣﺎ‬
‫ﻗﻴام ﺻـﺤﻴﺤﺔ ﻓﻘـﻂ ﻣﺜـﻞ‪ :‬ﻋـﺪد‬
‫اﳌﺘﻐريات اﻟﻜﻤﻴﺔ اﳌﻨﻔﺼﻠﺔ ﻓﻬﻲ ﺗﻠﻚ اﳌﺘﻐريات اﻟﺘﻲ ﺗﺄﺧﺬ ً‬

‫‪-˻˿-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫أﺟﻬﺰة اﻟﺘﻠﻴﻔﺰﻳﻮن ﰲ اﳌﻨﺰل‪ ،‬ﻋﺪد اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ اﻟﺘﻲ ﻳﺸﱰك ﻓﻴﻬﺎ اﻟﻔﺮد‪ ،‬ﻋﺪد ﻣﺮات اﻟﱰدد ﻋﲆ اﻟﺴﻴﻨام‬
‫ﻣـﺜﻼ أن‬
‫ﰲ اﻟﻌﺎم‪ ،‬ﻋﺪد اﻷﻓﻼم اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴﺔ اﻟﺘﻲ ﺷﺎﻫﺪﻫﺎ اﻟﻔﺮد ﺧﻼل اﻷﺳـﺒﻮع اﳌـﺎﴈ‪...‬إﻟـﺦ‪ ،‬ﻓـﻼ ميﻜـﻦ ً‬
‫ﻳﺬﻛﺮ اﻟﺸﺨﺺ ﺑﺄن ﻟﺪﻳﻪ ﺟﻬﺎز ﺗﻠﻴﻔﺰﻳﻮن وﻧﺼﻒ‪ ،‬أو أﻧﻪ ﻳﺸﱰك ﰲ ﺻﺤﻴﻔﺘني ورﺑﻊ‪ ،‬أو أﻧﻪ ﺷـﺎﻫﺪ ‪٠.٠١٢٥‬‬
‫ﻛﻤﻴﺔ ﻣﻨﻔﺼﻠﺔ ﺗﺄﺧﺬ ﻗﻴﻤﺔ ﺻﺤﻴﺤﺔ ﻓﻘﻂ‪.‬‬
‫ﻓﻴﻠﻢ ﺗﻠﻴﻔﺰﻳﻮين‪ ...‬إﻟﺦ‪ ،‬ﻓﻬﺬه اﳌﺘﻐريات ﻣﺘﻐريات ّ‬
‫)ب( اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ ﻣﻘﺎﺑﻞ اﳌﺘﻐريات اﻟﺘﺎﺑﻌﺔ‪:‬‬

‫إن اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ )‪ (The Independent Variable‬ﻫﻮ اﳌﺘﻐـري اﻟﺬي ﻗﺪ ﻳـﺆﺛﺮ أو ﻳﺤـﺘﻤــﻞ أن ﻳـﺆﺛﺮ‬
‫ﰲ ﻣﺘﻐري آﺧﺮ‪ ،‬أﻣﺎ اﳌﺘﻐري اﻟﺘﺎﺑﻊ )‪ ،(The Dependent Variable‬ﻓﺈﻧﻪ اﳌﺘﻐري اﻟﺬي ﻳﺤﺪث ﻓﻴﻪ اﻟﺘﻐري أو ﻳﻘـﻊ‬
‫ﻋﻠﻴﻪ اﻟﺘﺄﺛري ﺑﺴﺒﺐ اﳌﺘﻐري اﳌﺴﺘﻘﻞ‪ .‬وﻟﺘﻮﺿﻴﺢ ذﻟﻚ ﻧﺬﻛﺮ ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل أن اﻟﻨﻮع )‪ (Gender‬ﻫﻮ ﻣﺘﻐـري‬
‫إﻗﺒﺎﻻ ﻋﲆ ﺗﺨﺼﺼﺎت ﻣﻌﻴﻨـﺔ‬
‫ﻳﻜﻦ أﻛرث أو أﻗﻞ ً‬
‫ﻗﺪ ﻳﺆﺛﺮ ﰲ اﺧﺘﻴﺎر اﻟﺘﺨﺼﺺ اﻟﺪراﳼ‪ ،‬مبﻌﻨﻰ أن اﻹﻧﺎث ﻗﺪ ﱠ‬
‫إﻗﺒـﺎﻻ ﻋـﲆ ﺗﺨﺼـﺼﺎت ﻣﻌﻴﻨـﺔ ﻣﻘﺎرﻧـﺔ‬
‫ﻣﻘﺎرﻧﺔ ﺑﺎﻟﺬﻛﻮر‪ ،‬وﺑﺎﳌﺜﻞ ﻓـﺈن اﻟـﺬﻛﻮر ﻗـﺪ ﻳﻜﻮﻧـﻮن أﻛـرث أو أﻗـﻞ ً‬
‫ﺑﺎﻹﻧﺎث‪،‬ﻛام أن اﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ ﻟﻸﺑﻮﻳﻦ ﻗـﺪ ﻳـﺆﺛﺮ ﰲ اﻟـﺪور اﻟﻮاﻟـﺪي‪ ،‬وﻫﻨـﺎ ﻧﻼﺣـﻆ أن ﻣﺘﻐـري اﻟﻨـﻮع‬
‫ﻛﻼ ﻣـﻨﻬام ﺗﺮﺗـﺐ ﻋﻠﻴـﻪ ﺗﻐـري ﰲ‬
‫وﻣﺘﻐري اﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ ﻟﻠﻮاﻟﺪﻳﻦ ﻛﻼﻫام ﻣﻦ اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ ﻷن ّ‬
‫ﻣﺘﻐري آﺧﺮ أو ﻳﻘﱰن ﺑﺘﻐـريات ﻣﻌﻴﻨـﺔ ﰲ ﻫـﺬا اﳌﺘﻐـري اﻵﺧـﺮ‪ ،‬ﻫـﺬا اﳌﺘﻐـري )اﻵﺧـﺮ( ﻫـﻮ اﳌﺘﻐــري اﻟﺘـﺎﺑﻊ‬
‫)اﻟﺘﺨﺼﺺ اﻟﺪراﳼ‪ ،‬وﻛﺬﻟﻚ اﻟﺪور اﻟﻮاﻟﺪي(‪.‬‬

‫)ﺟـ( ﻣﺴﺘﻮﻳﺎت اﳌﺘﻐريات‪:‬‬

‫ﻣﻦ ﻣﻨﻈﻮر اﻟﻘﻴﺎس اﻹﺣﺼﺎيئ‪،‬ﻓﺈن اﳌﺘﻐريات )‪ (Variables‬ﺗﺼﻨﻒ ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬

‫‪ -١‬اﳌﺘﻐري اﻻﺳﻤﻲ )‪:(Nominal‬‬

‫وﻫﻮ مبﻌﻨﻰ اﳌﺘﻐري اﻟﻨﻮﻋﻲ اﻟﺬي ﺳﺒﻘﺖ اﻹﺷﺎرة إﻟﻴﻪ‪ ،‬ﻓﺎﳌﺘﻐري اﻻﺳﻤﻲ ﻫﻮ اﻟﺨﺎﺻﻴﺔ أو‬
‫اﻟﺼﻔﺔ ﻣﻦ ﺣﻴﺚ وﺟﻮدﻫﺎ أو ﻋﺪم وﺟﻮدﻫﺎ‪ ،‬ﻛﻤﺘﻐري اﻟﻨﻮع )ذﻛـﻮر ﻣﻘﺎﺑـﻞ إﻧـﺎث(‪ ،‬وﻛـﺬﻟﻚ‬

‫‪-˻̀-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﻣﺘﻐري ﻣﺤﻞ اﻹﻗﺎﻣﺔ )رﻳﻒ ﻣﻘﺎﺑﻞ ﺣﴬ(‪ ،‬وﻣﺘﻐري اﻟﻮﺳﻴﻠﺔ اﳌﻔﻀﻠﺔ )اﻹذاﻋﺔ‪ ،‬اﻟﺘﻠﻴﻔـﺰﻳﻮن‪ ،‬اﻟﺼﺤﻴﻔﺔ( اﳌﺎدة‬
‫اﻹﻋﻼﻣﻴﺔ اﳌﻔﻀﻠﺔ ) اﻷﺧﺒﺎر‪ ،‬اﻟﱪاﻣﺞ اﻹﺧﺒﺎرﻳﺔ‪ ،‬اﻟـﺪراﻣﺎ‪ ،‬اﻟـﱪاﻣﺞ اﻟﺜﻘﺎﻓﻴــﺔ(‪ .‬وﻋﻨـﺪﻣﺎ ﻧـﺴﺘﺨﺪم اﻷرﻗـﺎم ﰲ‬
‫اﻟﺘﺼﻨﻴﻒ اﻹﺣﺼﺎيئ ﻟﺘﻠﻚ اﳌﺘﻐريات اﻻﺳﻤﻴﺔ‪ ،‬ﻓـﺈن اﻷرﻗـﺎم ﻳﻘﺘـﴫ دورﻫـﺎ ﻋـﲆ ﻣﺠـﺮد اﻟﺘـﺼﻨﻴﻒ دون أي‬
‫ﻛﻤﻴﺔ‪ ،‬ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل ﻗﺪ ﻧﺮﻣﺰ إﱃ اﻟﺬﻛﻮر ﺑﺎﻟﺮﻗﻢ )‪ (١‬وﻧﺮﻣﺰ إﱃ اﻹﻧﺎث ﺑﺎﻟﺮﻗﻢ )‪ ،(٢‬ﻓـﺎﻟﺮﻗﻢ )‪(٢‬‬
‫دﻻﻟﺔ ّ‬
‫مل ﻳﺴﺘﺨﺪم مبﻌﻨﻰ أﻧﻪ أﻛـﱪ ﻣﻦ اﻟﺮﻗﻢ )‪ ،(١‬ﻛام أن اﻟﺮﻗﻢ )‪ (١‬مل ﻳﺴﺘﺨﺪم مبﻌﻨﻰ أﻧﻪ أﺻﻐﺮ ﻣﻦ اﻟـﺮﻗﻢ )‪(٢‬‬
‫وإمنﺎ ُاﺳﺘﺨﺪم ﱞ‬
‫ﻛﻞ ﻣﻨﻬام ﻟﺘﺼﻨﻴﻒ اﻷﻓﺮاد إﱃ ذﻛﻮر وإﻧﺎث‪.‬‬

‫‪ -٢‬اﳌﺘﻐري اﻟﺮﺗﺒﻲ )‪:(Ordinal‬‬

‫اﻟﻜﻤﻴﺔ ﻷرﻗﺎم اﻟﺘﺼﻨﻴﻒ؛ أي أن‬

‫ّ‬ ‫وﻫﻮ اﳌﺘﻐري اﻟﺬي ﻳﺘﻀﻤﻦ ﻣﻌﻨﻰ اﳌﺘﻐري اﻻﺳﻤﻲ‪ ،‬ﺑﺎﻹﺿﺎﻓﺔ إﱃ اﻟﺪﻻﻟﺔ‬
‫اﳌﺘﻐري اﻟﺮﺗﺒـﻲ ﻳﺘـﻀﻤﻦ ﺗـﺼﻨﻴﻒ اﻷﻓـﺮاد أو اﳌﻮﺿـﻮﻋﺎت ﰲ ﻣﺠﻤﻮﻋـﺎت ﻣﺘامﻳـﺰة‪ ،‬ﺑﺎﻹﺿـﺎﻓﺔ إﱃ إﻣﻜﺎﻧﻴـﺔ‬
‫ﺗﺮﺗﻴﺒﻬﻢ ﺗﺼﺎﻋﺪﻳّﺎ أو ﺗﻨﺎزﻟّﻴﺎ‪ ،‬ﻣﺜﺎل ذﻟﻚ ﻣﺘﻐري اﻟﺴﻦ )اﻟﻌﻤﺮ ﺑﺎﻟﺴﻨﻮات(؛ ﺣﻴﺚ ميﻜﻦ ﺗﺮﺗﻴﺐ أﻓـﺮاد اﻟﺒﺤـﺚ‬
‫ﻣﺘﻘﺪﻣﺎ ﻋـﻦ‬
‫ً‬ ‫ﺗﺮﺗﻴﺒﺎ‬
‫ﺣﺴﺐ اﻟﺴﻦ ﺑﴫف اﻟﻨﻈﺮ ﻋﻦ اﻟﻔﺮوق ﺑني ﻫﺆﻻء اﻷﻓﺮاد‪ ،‬ﻓﺎﻟﺸﺨﺺ اﻷﻛﱪ ﻋﻤ ًﺮا ﻳﺄﺧﺬ ً‬
‫ﻣﺘﻘﺪﻣﺎ ﻋﻦ اﻟﺸﺨﺺ اﻷﺻﻐﺮ ﻣﻨـﻪ‪ ...‬وﻫﻜـﺬا‪ .‬ﻟﻜـﻦ‬
‫ً‬ ‫ﺗﺮﺗﻴﺒﺎ‬
‫ﺗﺮﺗﻴﺐ اﻟﺸﺨﺺ اﻷﻗﻞ ﻋﻤ ًﺮا‪ ،‬وﻫﺬا ﺑﺪوره ﻳﺄﺧﺬ ً‬
‫ﺳـﻨﺎ ﻋﻤـﺮه ‪ ٣٧‬ﺳـﻨﺔ‪،‬‬
‫ذﻟﻚ ﻻ ﻳﻌﻨﻲ ﺗﺴﺎوي اﻟﻔﺮوق ﰲ اﻷﻋامر ﺑني اﳌﻔﺤﻮﺻني‪ ،‬ﻓﻘﺪ ﻳﻜﻮن اﻟﺸﺨﺺ اﻷﻛـﱪ ّ‬
‫واﻟﺬي ﻳﻠﻴﻪ ﰲ اﻟﱰﺗﻴﺐ ﻋﻤﺮه ‪ ،٣٤‬أﻣﺎ اﻟﺬي ﻳﻠﻴﻪ ﻓﻘﺪ ﻳﻜﻮن ﻋﻤﺮه ‪ ٢٦‬ﺳﻨﺔ‪ ،‬واﻟـﺬي ﻳﻠﻴـﻪ ‪ ١٥‬ﺳـﻨﺔ‪ ...‬إﻟـﺦ‪،‬‬
‫ﻓﺎﻟﻔﺮوق ﰲ اﻷﻋامر ﻏري ﻣﺘﺴﺎوﻳﺔ‪.‬‬

‫وﰲ اﻟﺒﺤﻮث اﻹﻋﻼﻣﻴﺔ ﺗﺴﺘﺨﺪم اﳌﺘﻐريات اﻟﺮﺗﺒﻴﺔ ﺑﻜرثة‪ ،‬ﻣﺜﻞ ﺗﺮﺗﻴﺐ اﳌﺒﺤـﻮﺛني ﺣـﺴﺐ‬
‫ﻋﺪد اﻟﺴﺎﻋﺎت اﻟﺘﻲ ﻳﻘﻀﻮﻧﻬﺎ ﻳﻮﻣﻴﺎ ﰲ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن أو اﺳﺘﺨﺪام اﻹﻧﱰﻧـﺖ أو ﻗـﺮاءة‬
‫اﻟﺼﺤﻒ‪ ...‬إﻟـﺦ؛ ﺑﺤﻴـﺚ ﻳﻜـﻮن ﻟﻜـﻞ ﻣﺒﺤـﻮث رﺗﺒـﺔ ﻣﻌﻴﻨـﺔ ﺣـﺴﺐ اﻟﻮﻗـﺖ اﳌﻨﻘـﻀـﻲ ﰲ‬
‫ﻣﺸﺎﻫﺪة ا ﻟﺘﻠﻴﻔﺰﻳﻮن أو اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ‪ ،‬ﻛـام ميﻜـﻦ ﺗـﺼﻨﻴﻒ اﳌﺒﺤـﻮﺛني وﺗـﺮﺗﻴﺒﻬﻢ ﻣـﻦ‬

‫‪-˻́-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﻷﺻﻐﺮ ﻟﻸﻛﱪ )أو ﻣﻦ اﻷﻛﱪ ﻟﻸﺻﻐﺮ(‪ ،‬ﺑﺼـﺮف اﻟﻨﻈﺮ ﻋﻦ اﻟﻔﺮوق ﺑﻴﻨﻬﻢ ﰲ اﻟﻮﻗﺖ اﳌﺴﺘﻐﺮق ﰲ ﻣﺸﺎﻫﺪة‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن أو ﰲ اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ‪ ،‬ﻓﻘﺪ ﺗﻜﻮن ﻫﺬه اﻟﻔﺮوق ﻛﺒرية أو ﺻﻐرية‪.‬‬

‫‪ -٣‬اﳌﺘﻐري اﻟﻔﺌﻮي أو اﻟﻔﱰي )‪:(Interval‬‬

‫ﻛﻤﻴﺔ أو ﻣﻘﺪار؛ أي أن ﻟﻪ وﺣﺪة ﻗﻴﺎس ﺗﻌﻜﺴﻬﺎ اﻷﻋﺪاد ﻣﻦ اﻟﺼﻔﺮ إﱃ ﻣﺎﻻ ﻧﻬﺎﻳﺔ‪ ،‬ﻛـام‬
‫وﻫﻮ ﻳﻌﱪ ﻋﻦ ّ‬
‫أن اﳌﺘﻐري اﻟﻔﺌﻮي )اﻟﻔﱰي( ﻳﺘﻀﻤﻦ ﻣﻌﻨﻰ اﳌﺘﻐري اﻟﺮﺗﺒﻲ‪ ،‬ﺑﺎﻹﺿﺎﻓﺔ إﱃ ﺗﺴﺎوي اﻟﻔﺮوق ﺑني اﻟﻮﺣﺪات اﻟﺘـﻲ‬
‫ﻳﺘﻢ ﺗﺼﻨﻴﻔﻬﺎ‪ ،‬ﻛﺄن ﻳﺘﻢ ﺗﺼﻨﻴﻒ اﳌﺒﺤﻮﺛني ﺣﺴﺐ اﻟﺴﻦ إﱃ‪:‬‬

‫‪ -‬ﻣﻦ ‪ ٢٠‬إﱃ ‪ ٢٩‬ﺳﻨﺔ‬

‫‪ -‬ﻣﻦ ‪ ٣٠‬إﱃ ‪ ٣٩‬ﺳﻨﺔ‬

‫‪ -‬ﻣﻦ ‪ ٤٠‬إﱃ ‪ ٤٩‬ﺳﻨﺔ‬

‫ﻓﺎﻟﻔﺮق ﺑني ﻛﻞ ﻣﺠﻤﻮﻋﺔ ﻫﻮ ﻋﴩ ﺳـﻨﻮات؛ أي أن اﳌﺒﺤـﻮﺛني ﺗـﻢ ﺗـﺮﺗﻴﺒﻬﻢ ﰲ ﻣﺠﻤﻮﻋـﺎت‪ ،‬واﻷﺧـﺮى‬

‫اﻟﻔﺮوق ﻣﺘﺴﺎوﻳﺔ ﺑني ﻫﺬه اﳌﺠﻤﻮﻋﺎت‪.‬‬

‫ﻣﺜﻼ ﻣﺘﻐري اﻟﻮﻗﺖ اﻟﻴﻮﻣﻲ اﳌﻨﻘـﴤ‬

‫وﺗﺴﺘﺨﺪم اﳌﺘﻐريات اﻟﻔﱰﻳﺔ ﻛﺜ ًريا ﰲ اﻟﺒﺤﻮث اﻹﻋﻼﻣﻴﺔ‪ ،‬ﻣﻦ ذﻟﻚ ً‬
‫ﰲ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن أو اﻟﻮﻗﺖ اﻟﻴﻮﻣﻲ اﳌﻨﻘﴤ ﰲ ﺳامع اﻟﺮادﻳﻮ أو ﻗﺮاءة اﻟـﺼﺤﻒ‪ ،‬درﺟـﺔ اﳌﺒﺤـﻮﺛني‬
‫ﻋﲆ ﻣﻘﻴﺎس اﻻﺳﺘﺨﺪاﻣﺎت واﻹﺷﺒﺎﻋﺎت ﰲ ﻋﻼﻗﺘﻬﻢ ﺑﺎﻟﻮﺳﻴﻠﺔ‪ ،‬أﻋامر اﳌﻔﺤﻮﺻـني‪ ،‬ﻗﻴﻤـﺔ اﻟـﺪﺧﻞ‪ ،‬اﻟﺪرﺟـﺔ‬
‫ﻋﲆ ﻣﻘﻴﺎس اﳌﺴﺘﻮى اﻻﻗﺘﺼﺎدي اﻻﺟﺘامﻋـﻲ‪ ،‬ﻋـﺪد ﻣـﺮات اﻟـﱰدد ﻋـﲆ اﻟـﺴﻴﻨام أو اﳌـﺴـﺮح ﺧـﻼل ﻓـﱰة‬
‫ﻣﻌﻴﻨﺔ‪ ،‬ﻋﺪد اﻷﻓﻼم اﻟﺴﻴﻨامﺋﻴﺔ‪ ،‬أو ﻋﺪد اﻟﱪاﻣﺞ اﻟﺘـﻲ ﻳﺘﻌـﺮض ﻟﻬـﺎ اﳌﺒﺤـﻮث‪ ،‬ﻋـﺪد اﻷﺧﺒـﺎر اﳌﺘـﻀﻤﻨﺔ ﰲ‬
‫اﻟﻨﺸـ ﺮة‪ ،‬ﻣﺪة اﻟﱪاﻣﺞ‪ ،‬ﻣﺴﺎﺣﺔ اﳌﻮاد اﻟﺼﺤﻔﻴﺔ ﺑﺎﻟﺴﻨﺘﻴﻤﱰ اﳌﺮﺑﻊ‪ ...‬إﻟﺦ‪ .‬ﻛﻞ ﻫﺬه أﻣﺜﻠـﺔ ﳌﺘﻐـريات ﻓﱰﻳـﺔ‬
‫أو ﻓﺎﺻـﻠﺔ ﺗﱰدد ﻛﺜ ًريا ﰲ ﺑﺤﻮث اﻹﻋﻼم‪.‬‬

‫‪-˻̂-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫وإذا ﻛﺎن اﳌﺘﻐري اﻟﻔﺌﻮي أو اﻟﻔﱰي ﻟﻪ وﺣﺪة ﻗﻴﺎس ﺗﺒـﺪأ ﻣـﻦ اﻟـﺼﻔﺮ إﱃ ﻣـﺎﻻ ﻧﻬﺎﻳـﺔ‪ ،‬ﻓـﺈن اﻟﺒﺪاﻳـﺔ‬
‫اﻟﺼﻔﺮﻳﺔ ﺗﻨﻄﺒﻖ ﻋﲆ اﻟﻌﻠﻮم اﻟﻄﺒﻴﻌﻴﺔ )ﻛﺎﻟﻜﻴﻤﻴﺎء واﻟﻔﻴﺰﻳﺎء واﻟﺮﻳﺎﺿﻴﺎت(؛ إذ إن )اﻟﺼﻔﺮ( ﻳﻌﻨـﻲ اﻟﻐﻴـﺎب‬
‫اﻟﻜﺎﻣﻞ ﻟﻠﻈﺎﻫﺮة أو اﳌﻮﺿﻮع )ﺻﻔﺮ ﻣﻄﻠﻖ(‪ .‬أﻣـﺎ ﰲ اﻟﻌﻠـﻮم اﻹﻧـﺴﺎﻧﻴﺔ مبـﺎ ﰲ ذﻟـﻚ ﻋﻠـﻢ اﻻﺗـﺼﺎل‪ ،‬ﻓـﺈن‬
‫)اﻟــﺼﻔﺮ( ﻻ ﻳﻌﻨــﻲ اﻟﻐﻴــﺎب اﻟﻜﺎﻣــﻞ ﻟﻠﻈــﺎﻫﺮة أو اﻟﺨﺎﺻــﻴﺔ اﳌﻘﺎﺳــﺔ‪ ،‬أو اﻟــﺴﻠﻮك‪ ،‬ﻓﻌﻨــﺪﻣﺎ ﻳﻔﻴــﺪ ﺑﻌــﺾ‬
‫اﳌﻔﺤﻮﺻني ﺑﺄﻧﻬﻢ »ﻻ ﻳﺸﺎﻫﺪون اﻟﺘﻠﻴﻔﺰﻳﻮن«‪ ،‬ﻓـﺈن ﻫـﺬا ﻻ ﻳﻌﻨـﻲ أﻧﻬـﻢ مل ﻳـﺸﺎﻫﺪوا اﻟﺘﻠﻴﻔﺰﻳـﻮن ﻃـﻮال‬
‫ﺣﻴﺎﺗﻬﻢ‪ ،‬وإمنﺎ ﻫﻢ ﺷﺎﻫﺪوه ﺑﺎﻟﺘﺄﻛﻴﺪ‪ ،‬وﻋﻨﺪﻣﺎ ﻳﺤﺼﻞ ﺑﻌﺾ اﻟﻄﻼب ﻋﲆ )ﺻـﻔﺮ( ﰲ ﻣﻘـﺮر اﻹﺣـﺼﺎء‪ ،‬ﻓـﺈن‬
‫ﺷﻴﺌﺎ ﻋﲆ اﻹﻃﻼق ﰲ ﻫﺬا اﳌﻘﺮر‪ ،‬وإمنﺎ ﻫﻢ ﺑﺎﻟﺘﺄﻛﻴﺪ ﻳﻌﺮﻓﻮن ﺑﻌﺾ اﻷﺷـﻴﺎء‪،‬‬
‫ﻫﺬا ﻻ ﻳﻌﻨﻲ أﻧﻬﻢ ﻻ ﻳﻌﺮﻓﻮن ً‬
‫ﻓﺎﻟﺼﻔﺮ ﻫﻨﺎ )ﺻﻔﺮ ﻧﺴﺒﻲ( أي ﻏري ﻣﻄﻠﻖ‪.‬‬

‫ﻋﻨﺪ ﻫﺬا اﳌﺴﺘﻮى ﻣﻦ اﳌﺘﻐريات – وأﻗـﺼﺪ ﺑﻬـﺎ اﳌﺘﻐـريات اﻟﻔﺌﻮﻳـﺔ أو اﻟﻔﺎﺻـﻠﺔ‪ ،‬ﺗﻌﻤـﻞ اﻟﺒﺤـﻮث ﰲ‬
‫ﻋﻤﻮﻣﺎ‪ ،‬ﻓﻬﺬه اﻟﻌﻠﻮم مل ﺗﻌﺘﻤﺪ ﺑﻌـﺪ ﻋـﲆ اﳌﺘﻐـري اﻟﻨـﺴﺒﻲ )‪(Ratio‬‬
‫ً‬ ‫ﻣﺠﺎﻻت اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ واﻹﻧﺴﺎﻧﻴﺔ‬
‫ﻋﲆ اﻟﻨﺤﻮ اﳌﻌﻤﻮل ﺑﻪ ﰲ اﻟﻌﻠﻮم اﻟﻄﺒﻴﻌﻴﺔ‪.‬‬

‫‪ -٤‬اﳌﺘﻐري اﻟﻨﺴﺒﻲ )‪:(Ratio‬‬

‫وﻫﻮ اﳌﺘﻐري اﻟﺬي ﺗﺘﻮﻓﺮ ﻓﻴﻪ ﻣﻌﺎين اﳌﺘﻐري اﻟﻔﱰي ﺑﺠﺎﻧﺐ ﻛﻮﻧﻪ ﻳﺘﻀﻤﻦ اﻟﺼﻔﺮ اﳌﻄﻠﻖ‪ ،‬مبﻌﻨﻰ ﻏﻴـﺎب‬
‫اﻟﺼﻔﺔ اﳌﻘﺎﺳﺔ‪ ،‬ﻓﻌﻨﺪﻣﺎ ﻧﻘﻮل إن درﺟﺔ اﻟﺤﺮارة ﺗﺴﺎوي )اﻟﺼﻔﺮ(‪ ،‬ﻓﻬـﺬا ﻳﻌﻨـﻲ اﻟﻐﻴـﺎب اﻟﻜﺎﻣـﻞ ﻟﻠﺤـﺮارة‪،‬‬
‫وﺑﻮﺟﻪ ﻋﺎم‪ ،‬ﻓـﺈن اﳌﺘﻐـريات اﻟﻨـﺴﺒﻴﺔ )‪ (Ratio Variables‬ﺗﻘـﻊ ﺿـﻤﻦ اﻟﻌﻠـﻮم اﻟﻄﺒﻴﻌﻴـﺔ‪ ،‬وﻟـﻴﺲ اﻟﻌﻠـﻮم‬
‫اﻻﺟﺘامﻋﻴﺔ مبﺎ ﰲ ذﻟﻚ ﻋﻠﻢ اﻻﺗﺼﺎل‪.‬‬

‫وﻣﻦ اﻟﴬوري أن ﻳﻜﻮن اﻟﺒﺎﺣﺚ ﻋﲆ دراﻳﺔ ﻛﺎﻓﻴﺔ ﺑﺨـﺼﺎﺋﺺ اﳌﺘﻐـريات؛ ﻷﻧـﻪ ﰲ ﺿـﻮء‬
‫ﻫﺬه اﻟﺨﺼﺎﺋﺺ ﻳﺘﻢ وﺿﻊ ﻧﻈﺎم إدﺧـﺎل اﻟﺒﻴﺎﻧـﺎت واﺧﺘﻴـﺎر اﳌﻌﺎﻟﺠـﺔ اﻹﺣـﺼﺎﺋﻴﺔ اﳌﻨﺎﺳـﺒﺔ‪،‬‬
‫ﻛﻤﺜﺎل ﻋﲆ ذﻟﻚ‪ ،‬ﻓﺈن اﺧﺘﻴﺎر ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﻨﺎﺳـﺐ ﻳﺘﻄﻠـﺐ ﺗﺤﺪﻳـﺪ ﻧﻮﻋﻴـﺔ اﳌﺘﻐـريات‬
‫اﳌﻄﻠﻮب ﺣﺴﺎب اﻻرﺗﺒـﺎط ﺑﻴﻨﻬـﺎ؛ أي ﻣـﺎ إذا ﻛﺎﻧـﺖ ﺗﻠـﻚ اﳌﺘﻐـريات اﺳـﻤﻴﺔ )‪ (Nominal‬أو‬

‫‪-˼˹-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫رﺗﺒﻴﺔ )‪ (Ordinal‬أو ﻓﺌﻮﻳﺔ )‪) (Interval‬ﺣﻴـﺚ ﻳـﺸﻴﻊ اﺳـﺘﺨﺪام ﻫـﺬه اﻷمنـﺎط اﻟﺜﻼﺛـﺔ ﻣـﻦ اﳌﺘﻐـريات ﰲ‬
‫اﻟﻌﻠﻮم اﻹﻧﺴﺎﻧﻴﺔ(‪.‬‬

‫وﻋﻨﺪﻣﺎ ﻧﻜﻮن ﺑﺼﺪد ﺗﻘﴢ اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐريﻳﻦ )‪ ،(Two variables‬ﻓﺈن ﻫﺬا ﻳﻌﻨﻲ أن اﻻرﺗﺒـﺎط ﻗـﺪ‬
‫ﻳﻜﻮن ﺑني ﻣﺘﻐريﻳﻦ اﺳﻤﻴني‪ ،‬أو ﺑني ﻣﺘﻐـريﻳﻦ رﺗﺒﻴـني‪ ،‬وﻗـﺪ ﻳﻜـﻮن ﺑـني ﻣﺘﻐـريﻳﻦ ﻓﱰﻳـني‪ ،‬ﻛـام ﻗـﺪ ﻳﻜـﻮن‬
‫اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐري اﺳﻤﻲ واﻵﺧﺮ رﺗﺒﻲ‪ ،‬أو ﺑني ﻣﺘﻐــري اﺳـﻤﻲ واﻵﺧـﺮ ﻓـﱰي‪ ،‬وﻗـﺪ ﻳﻜـﻮن اﻻرﺗﺒـﺎط ﺑـني‬
‫ﻣﺘﻐري ﻓﺌﻮي )ﻓﱰي( واﻵﺧﺮ رﺗﺒﻲ‪ ،‬وﻟﻜﻞ منﻂ ﻣﻦ ﻫﺬه اﻟﻌﻼﻗﺎت ﻣﻌﺎﻣﻞ اﻻرﺗﺒـﺎط اﻟـﺬي ﻳﻨﺎﺳـﺒﻬﺎ‪ ،‬مبﻌﻨـﻰ‬
‫ﻣﺜﻼ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ‬
‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﻨﺎﺳﺐ ﻟﻄﺒﻴﻌﺔ اﳌﺘﻐريﻳﻦ اﳌﻄﻠﻮب رﺻﺪ اﻟﻌﻼﻗﺔ ﺑﻴﻨﻬام )ﻓﻼ ﻳﺼﺢ ً‬
‫ارﺗﺒﺎط ﺑريﺳﻮن ﺑني ﻣﺘﻐريﻳﻦ اﺳﻤﻴني(‪ ،‬وذﻟﻚ ﻋﲆ اﻟﻨﺤﻮ اﻟﺬي ﻳﻮﺿﺤﻪ اﻟﻔﺼﻞ اﻟﺨﺎص مبﻌﺎﻣﻼت اﻻرﺗﺒﺎط‪.‬‬

‫)د( أمنﺎط أﺧﺮى ﻣﻦ اﳌﺘﻐريات‪:‬‬

‫وإذا ﻛﺎﻧﺖ اﳌﺘﻐريات ﻣﻦ ﻣﻨﻈﻮر اﻟﻘﻴﺎس اﻹﺣﺼﺎيئ ﺗﺼﻨﻒ إﱃ اﺳﻤﻴﺔ ورﺗﺒﻴﺔ وﻓﱰﻳـﺔ وﻧـﺴﺒﻴﺔ‪ ،‬ﻓـﺈن‬
‫أﻧﻮاﻋﺎ أﺧﺮى ﻣﻦ اﳌﺘﻐريات اﻟﺘﻲ ﻳﺠـﺐ أن ﻳﻌﻴﻬـﺎ اﻟﺒﺎﺣـﺚ‪ ،‬وﻣـﻦ أﻫﻤﻬـﺎ‪ :‬اﳌﺘﻐـري اﻟـﺪﺧﻴﻞ‪ ،‬اﳌﺘﻐـري‬
‫ﻫﻨﺎك ً‬
‫اﻟﺮﻣﺰي‪ ،‬اﳌﺘﻐري اﻟﻮﺳﻴﻂ‪.‬‬

‫)‪ (١‬اﳌﺘﻐري اﻟﺪﺧﻴﻞ )‪ ،(Extraneous Variable‬وﻳﺴﻤﻰ ً‬

‫أﺣﻴﺎﻧﺎ اﳌﺘﻐري اﳌﺤـري أو اﳌﺮﺑـﻚ ) ‪Confound‬‬
‫‪ (Variable‬وﻫﻮ اﳌﺘﻐري اﻟﺬي ﻻ ﻳﺘﻢ اﻟﺘﺤﻜﻢ ﻓﻴﻪ ﺿﻤﻦ اﻟﺪراﺳﺎت اﻟﺘﺠﺮﻳﺒﻴﺔ‪ ،‬وﻳﺆﺛﺮ ﰲ اﳌﺘﻐري اﻟﺘـﺎﺑﻊ رﻏـﻢ‬
‫أن اﻟﺘﺄﺛري ﻳﻔﱰض أن ﻳﻜﻮن ﺑﻔﻌﻞ اﳌﺘﻐري اﳌﺴﺘﻘﻞ‪ .‬ﻓﻔـﻲ اﻟﺪراﺳـﺎت اﻟﺘﺠﺮﻳﺒﻴـﺔ ﻳﺘﻌـني اﻟـﺘﺤﻜﻢ ﰲ ﺟﻤﻴـﻊ‬
‫اﳌﺘﻐريات ﻣﺤﺘﻤﻠﺔ اﻟﺘﺄﺛري ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ )‪ (Dependent Variable‬ﺣﺘﻰ ﻧﻀﻤﻦ أن ﻳﻜﻮن اﻟﺘﻐري ﰲ اﳌﺘﻐري‬
‫ﻧﺎﺗﺠـﺎ ﻋـﻦ اﳌﺘﻐـري اﳌـﺴﺘﻘﻞ )‪ (Independent Variable‬ﻓﻘـﻂ‪ ،‬ﻏـري أﻧـﻪ ﰲ ﺑﻌـﺾ اﻷﺣﻴـﺎن ﻳﺤـﺪث‬
‫اﻟﺘﺎﺑﻊ ً‬
‫ﺗﻐﻴري ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ ﻟﻴﺲ ﺑﺴﺒﺐ اﳌﺘﻐري اﳌﺴﺘﻘﻞ؛ وﻟﻜﻦ ﺑﺴﺒﺐ وﺟﻮد ﻣﺘﻐري آﺧﺮ مل ﻳﺘﻢ اﻟﺘﺤﻜﻢ ﻓﻴـﻪ‪،‬‬
‫ﻫﺬا اﳌﺘﻐـري )اﻵﺧـﺮ(‪ ،‬ﻫـﻮ ﻣـﺎ ﻳﻌـﺮف ﺑـﺎﳌﺘﻐري اﻟـﺪﺧﻴﻞ‪ ،‬إﻧـﻪ ﻳـﺮﺗﺒﻂ ﺑـﺎﳌﺘﻐري اﳌـﺴﺘﻘﻞ‪ ،‬وﻋﻨـﺪﻣﺎ ﻳﺘـﺄﺛﺮ‬

‫‪-˼˺-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬ﻓﺈن ﻫﺬا اﻟﺘﺄﺛري ﻳﻜﻮن ﻣﺤـﻞ ﺗـﺴﺎؤل‪ :‬ﻫـﻞ ﻫـﻮ ﺑـﺴﺒﺐ اﳌﺘﻐـري اﳌـﺴﺘﻘﻞ ﻓﻘـﻂ ﻛـام ﻫـﻮ‬
‫ﻣﻔﱰض؟ أم أن ﻫﺬا اﻟﺘﺄﺛري ﺑﺴﺒﺐ اﳌﺘﻐري اﻟﺪﺧﻴﻞ ﻓﻘﻂ؟ أم أن ﻫﺬا اﻟﺘـﺄﺛري ﺑـﺴﺒﺐ اﻟﺘﻔﺎﻋـﻞ ﺑـني اﳌﺘﻐـري‬
‫اﳌﺴﺘﻘﻞ واﳌﺘﻐري اﻟﺪﺧﻴﻞ؟ إن اﻟﺒﺤـﺚ ﻗﺪ ﻳﺠـﺪ ﻋﻼﻗـﺔ ﺟﻮﻫﺮﻳـﺔ ﺑـني اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ اﻹﻋـﻼم )ﻣﺘﻐـري‬
‫ﻣﺴﺘﻘﻞ( واﳌﻌـﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ )ﻣﺘﻐري ﺗﺎﺑﻊ(‪ ،‬ﰲ اﻟﻮﻗـﺖ اﻟـﺬي ﺗﻜـﻮن ﻫـﺬه اﻟﻌﻼﻗـﺔ ﺑـﺴﺒﺐ ﻣﺘﻐــري آﺧـﺮ‬
‫ﻳﺮﺗﺒﻂ مبﺘﻐـري اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ اﻹﻋـﻼم‪ ،‬ﻫـﺬا اﳌﺘﻐـري اﻵﺧـﺮ ﻗـﺪ ﻳﻜـﻮن ﻣـﺴﺘﻮى اﻟﺘﻌﻠـﻴﻢ‪ ،‬أو اﻻﻫـﺘامم‬
‫ﺑﺎﻟﺴﻴﺎﺳﺔ‪ ،‬أو اﻟﻌﻀﻮﻳﺔ ﰲ ﺣﺰب ﺳﻴﺎﳼ‪ .....‬إﻟﺦ‪.‬‬

‫)‪ (٢‬اﳌﺘﻐري اﻟﺮﻣﺰي )‪ ،(Dummy Variable‬وﻫﻮ اﳌﺘﻐري اﳌﻄﻠﻮب اﻟﺘﻨﺒﺆ ﺑﻪ أو ﺗﻮﻗـﻊ ﺣﺪوﺛـﻪ ) أو ﻋـﺪم‬
‫ﺣﺪوﺛﻪ( ﰲ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار‪ -‬ﺧﺎﺻﺔ اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ‪ -‬وﻳﺘﻢ ﺗﻜﻮﻳﺪ ﻫﺬا اﳌﺘﻐري ﺑﺎﻟﺮﻗﻢ )ﺻﻔﺮ( واﻟـﺮﻗﻢ‬
‫)‪ ،(١‬وﻳﺪل اﻟﺮﻗﻢ )ﺻﻔﺮ( ﻋﲆ ﻋﺪم ﺣﺪوث اﳌﺘﻐري‪ ،‬ﺑﻴﻨام ﻳﺪل اﻟﺮﻗﻢ )‪ (١‬ﻋﲆ ﺣﺪوث اﳌﺘﻐري‪ ،‬ﻓﺈذا اﻓﱰﺿﻨﺎ‬
‫أن اﳌﺘﻐري اﻟﺮﻣﺰي ﻫﻮ اﻟﺘﺼﻮﻳﺖ ﰲ اﻻﻧﺘﺨﺎﺑﺎت‪ ،‬ﻓﺈن اﳌـﺸﺎرﻛﺔ ﰲ اﻟﺘـﺼﻮﻳﺖ ﺗﺄﺧـﺬ اﻟـﺮﻗﻢ )‪ .(١‬أﻣـﺎ ﻋـﺪم‬
‫اﳌﺸﺎرﻛﺔ ﰲ اﻟﺘﺼﻮﻳﺖ ﻓﻴﺄﺧﺬ اﻟﺮﻗﻢ )ﺻﻔﺮ(‪ ،‬ﻫﺬا اﳌﺘﻐري ﻫﻮ اﳌﺘﻐري اﻟﺮﻣﺰي )‪ .(Dummy Variable‬وﻳﻜـﻮن‬
‫ﻫﻨــﺎك ﻣﺠﻤﻮﻋــﺔ ﻣــﻦ اﳌﺘﻐــريات اﳌــﺴﺘﻘﻠﺔ ﻳــﺘﻢ ﺗﻘــﺼـﻲ أﺛﺮﻫــﺎ ﰲ ﺗــﺮﺟﻴﺢ ﺣــﺪوث اﻟﺘـــﺼﻮﻳﺖ‬
‫ﰲ اﻻﻧﺘﺨﺎﺑﺎت‪.‬‬

‫)‪ (٣‬اﳌﺘﻐري اﻟﻮﺳﻴﻂ )‪ ،(Mediating Variable‬وﻫﻮ اﳌﺘﻐري اﻟﺬي ﻳﺆﺛﺮ ﰲ اﻟﻌﻼﻗـﺔ ﺑـني اﳌﺘﻐـري اﳌـﺴﺘﻘﻞ‬
‫واﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬ﻓﻘﺪ ﻳﺠﺪ اﻟﺒﺎﺣﺚ أن ﻫﻨﺎك ﻋﻼﻗﺔ ﺑني اﻟﺴﻦ واﺳﺘﺨﺪام ﻣﻮاﻗﻊ اﻟﺘﻮاﺻﻞ اﻻﺟﺘامﻋـﻲ‪ ،‬ﻟﻜـﻦ‬
‫ﻫﺬه اﻟﻌﻼﻗﺔ ﺗﺘﻮﻗﻒ ﻋﲆ ﻣﺴﺘﻮى اﻟﺘﻌﻠﻴﻢ‪ ،‬وﻫﻨﺎ ﻳﻜﻮن ﻣﺴﺘﻮى اﻟﺘﻌﻠﻴﻢ ﻫـﻮ اﳌﺘﻐـري اﻟﻮﺳـﻴﻂ‪ ،‬وﻫـﻮ ﻣـﻦ‬
‫ﺿﻤﻦ اﳌﺘﻐريات اﻟﺘﻲ ﺗﺘﻨﺎوﻟﻬﺎ اﻟﺪراﺳﺔ‪.‬‬

‫اﺑﻌﺎ‪ :‬اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ واﻹﺣﺼﺎء اﻻﺳﺘﺪﻻﱄ‬

‫ر ً‬
‫اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ )‪ ،(Descriptive Statistics‬ﻫﻮ ﻛﻞ اﳌﻘـﺎﻳﻴﺲ اﻹﺣـﺼﺎﺋﻴﺔ اﻟﺘـﻲ ﺗﻌﺘﻤـﺪ‬
‫ﻋﲆ اﻟﺒﻴﺎﻧﺎت اﳌﺴﺘﻤﺪة ﻣﻦ اﻟﻌﻴﻨﺔ )‪ (Sample‬ﰲ وﺻﻒ اﻟﻈﺎﻫﺮة أو اﻟﺴﻠﻮك أو اﳌﻮﺿﻮع أﻳّﺎ‬
‫ﻛﺎﻧﺖ ﻃﺒﻴﻌﺔ ﻫﺬا اﻟﻮﺻﻒ‪ ،‬ﻓﺎﻟﺒﺎﺣﺚ اﻟﺬي ﻳﺪرس ﻋﻼﻗﺔ ﻋﻴﻨﺔ ﻣﻦ اﳌﻔﺤﻮﺻني ﺑﺎﻟﻔـﻀﺎﺋﻴﺎت‬

‫‪-˼˻-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﻣﺜﻼ ﻳﻘـﻮم ﺑﺠﻤـﻊ اﻟﺒﻴﺎﻧـﺎت وﺗﺤﻠﻴﻠﻬـﺎ وﺗﻨﻈﻴﻤﻬـﺎ وﺟـﺪوﻟﺘﻬﺎ؛ ﺑﺤﻴـﺚ ﺗﺘـﻀﻤﻦ اﳌﻌﻄﻴـﺎت اﻹﺣـﺼﺎﺋﻴﺔ اﻟﺘـﻲ‬
‫ً‬
‫»ﺗــﺼﻒ« ﻫــﺬه اﻟﻌﻼﻗــﺔ‪ ،‬ﻗــﺪ ﺗﻜــﻮن ﻫــﺬه اﳌﻌﻄﻴ ـﺎت ﰲ ﺻــﻮرة ﺗﻜ ـﺮارات وﻧــﺴﺐ ﻣﺌﻮﻳــﺔ‪ ،‬أو ﻣﺘﻮﺳــﻄﺎت‬
‫واﻧﺤﺮاﻓﺎت ﻣﻌﻴﺎرﻳﺔ وﻣﻘﺎرﻧﺎت‪ ...‬إﻟﺦ؛ أي أن اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﻫﻨﺎ ﺗﻈﻬﺮ ﺧﺼﺎﺋﺺ ﻋﻼﻗـﺔ ﻋﻴﻨـﺔ اﻟﺪراﺳـﺔ‬
‫ﺑﺎﻟﻘﻨﻮات اﻟﻔﻀﺎﺋﻴﺔ ﻣﺠﺎل اﻟﺒﺤﺚ‪.‬‬

‫أﻣﺎ اﻹﺣﺼﺎء اﻻﺳﺘﺪﻻﱄ )‪ ،(Inferential Statistics‬ﻓﻴﻌﻨﻲ اﻟﺘﻌﻤﻴﻢ ﻣﻦ اﻟﺠﺰء ﻋﲆ اﻟﻜﻞ‪ ،‬مبﻌﻨﻰ اﺳﺘﺨﺪام‬
‫اﻟﻨﺘﺎﺋﺞ اﳌﺴﺘﻤﺪة ﻣﻦ دراﺳﺔ اﻟﻌﻴﻨﺔ ﰲ اﻟﺘﻌﻤﻴﻢ ﻋﲆ اﳌﺠﺘﻤﻊ‪ ،‬ﻣﺜﺎل ذﻟﻚ أن ﻳﻘﻮم اﻟﺒﺎﺣﺚ ﺑﺪراﺳﺔ ﻋـﲆ‬
‫وﺑﻨـﺎء ﻋـﲆ ﻫـﺬه اﻟﻨـﺴﺒﺔ‬
‫ً‬ ‫ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ ﻃﻼب اﻟﺠﺎﻣﻌﺎت؛ ﻟﻠﺘﻌﺮف ﻋـﲆ ﻧـﺴﺒﺔ ﻗـﺮاءة اﻟـﺼﺤﻒ‪،‬‬
‫)اﳌﺴﺘﻤﺪة ﻣﻦ اﻟﻌﻴﻨﺔ(‪ ،‬ﻳﻘﻮم ﺑﺘﻘﺪﻳﺮ ﻧﺴﺒﺔ ﻗﺮاءة اﻟـﺼﺤﻒ ﰲ اﳌﺠﺘﻤـﻊ ﻛﻜـﻞ )ﻃـﻼب اﻟﺠﺎﻣﻌـﺎت(‪ ،‬ﻓـﺈذا‬
‫ﻛﺎن ‪ %٢٩‬ﻣﻦ اﻟﻌﻴﻨﺔ ﻳﻘﺮؤون اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ‪ ،‬ﻓﺈن ﻫﺬه اﻟﻨﺴﺒﺔ ميﻜﻦ ﻣـﻦ ﺧﻼﻟﻬـﺎ ﺗﻘـﺪﻳﺮ ﻧـﺴﺒﺔ ﻗـﺮاءة‬
‫اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﰲ اﳌﺠﺘﻤﻊ‪ ،‬وإذا ﻛﺎن ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻋﲆ ﻣﻘﻴﺎس اﻻﺳﺘﺨﺪاﻣﺎت واﻹﺷﺒﺎﻋﺎت ﻓﻴام‬
‫ﻳﺨﺺ ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﻫﻮ ‪ ١٦‬ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ،٢.٥‬ﻓﺈﻧﻪ ميﻜﻦ اﻻﺳﺘﻔﺎدة ﻣﻦ ﻫـﺬه اﳌﻌﻄﻴـﺎت ﰲ‬
‫ﺗﻘﺪﻳﺮ ﻣﺘﻮﺳﻂ اﳌﺠﺘﻤﻊ‪ .....‬ﺑﻮﺟﻪ ﻋﺎم‪ ،‬ﻓﺈن اﻹﺣﺼﺎء اﻻﺳﺘﺪﻻﱄ ﻫﻮ ﺗﻘﺪﻳﺮ اﻟﻈﺎﻫﺮة ﰲ اﳌﺠﺘﻤﻊ ﺑﻨـﺎء ﻋـﲆ‬
‫ﻧﺘﺎﺋﺞ اﻟﻌﻴﻨﺔ )اﻧﻈﺮ اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ ﰲ اﻟﻔﺼﻞ اﻟﺴﺎدس(‪.‬‬

‫وﺻﻔﻴﺎ أو اﺳﺘﺪﻻﻟﻴّﺎ‪ ،‬ﻓﺈن اﺳﺘﺨﺪاﻣﻪ ﰲ ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧـﺎت ﻳـﺘﻢ ﰲ إﻃـﺎر اﳌﺘﻐـريات‬

‫ّ‬ ‫وﺳﻮاء ﻛﺎن اﻹﺣﺼﺎء‬
‫اﳌﻄﻠﻮب ﻗﻴﺎﺳﻬﺎ‪ ،‬واﳌﻘﺎرﻧﺎت اﳌﻄﻠﻮب إﺟﺮاؤﻫﺎ؛ وذﻟﻚ ﺑﻬﺪف ﺗﻴﺴري إﻣﻜﺎﻧﻴﺔ اﻟﺘﻮﺻﻞ إﱃ ﺗﻔﺴريات ﺻﺎدﻗﺔ‬
‫اﺳـﺘﺨﺪاﻣﺎ‬
‫ً‬ ‫وﻣﻔﻴﺪة وﻣﺨﺘﴫة ﻣﻦ ﺑﻴﺎﻧﺎت ﻛﺜرية‪ ،‬وﻟيك ﻳﺴﺘﺨﺪم اﻹﺣﺼﺎء اﻟﻮﺻـﻔﻲ أو اﻹﺣـﺼﺎء اﻻﺳـﺘﺪﻻﱄ‬
‫ﻣﻨﺎﺳﺒﺎ ﰲ ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧﺎت‪ ،‬ﻳﺠﺐ أن ﺗﺮﺗﻜﺰ ﻋﻤﻠﻴﺔ ﺟﻤﻊ اﻟﺒﻴﺎﻧـﺎت وﻣﻌﺎﻟﺠﺘﻬـﺎ وﺗﻨﻈﻴﻤﻬـﺎ وﺗﻔـﺴريﻫﺎ ﻋـﲆ‬
‫ً‬
‫اﻟﺘﺴﺎؤﻻت اﻟﺘﻲ ﻳﺮﻳﺪ اﻟﺒﺎﺣﺚ اﻹﺟﺎﺑﺔ ﻋﻨﻬﺎ‪ ،‬أو اﻟﻔﺮوض اﻟﺘﻲ ﻳﺮﻳﺪ اﻟﺘﺤﻘـﻖ ﻣﻨﻬـﺎ‪ ،‬ﻣـﻊ اﻷﺧـﺬ ﰲ اﻻﻋﺘﺒـﺎر‬
‫ﻋﺸﻮاﺋﻴﺔ اﻟﻌﻴﻨﺔ وﻃﺒﻴﻌﺔ اﻟﺒﻴﺎﻧﺎت اﳌﺴﺘﺨﺪﻣﺔ وﻣﺴﺘﻮﻳﺎت اﳌﺘﻐريات اﳌﺪروﺳﺔ؛ إذ إن ﻋـﺪم ﻣﺮاﻋـﺎة ﻫـﺬه‬
‫اﻻﻋﺘﺒﺎرات اﻷﺳﺎﺳﻴﺔ ﻫﻮ اﻟﺬي ﻳﺆدي إﱃ إﺳﺎءة اﺳﺘﺨﺪام اﻹﺣﺼﺎء ﰲ اﻟﺒﺤـﻮث واﻟﺘﻮﺻـﻞ إﱃ ﻧﺘـﺎﺋﺞ زاﺋﻔـﺔ‬
‫وﺗﻔﺴريات ﻣﻀﻠﻠﺔ‪.‬‬

‫‪-˼˼-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﺧﺎﻣﺴﺎ‪ :‬اﻹﺣﺼﺎء اﻟﺒﺎراﻣﱰي واﻹﺣﺼﺎء اﻟﻼﺑﺎراﻣﱰي‬

‫ً‬
‫اﻹﺣﺼﺎء اﻟﺒﺎراﻣﱰي أو اﻹﺣﺼﺎء اﳌﻌﻠﻤﻲ )‪ ،(Parametric Statistics‬ﻳﺸﻤﻞ ﻛﺎﻓﺔ اﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﻲ‬
‫ﻣﺜﻼ أن ﻳﻜﻮن ﺗﻮزﻳـﻊ‬
‫ﺗﺴﺘﻨﺪ ﻋﲆ ﻣﻌﺮﻓﺔ ﺧﺼﺎﺋﺺ اﳌﺠﺘﻤﻊ اﻟﺬي ﺳﺤﺒﺖ ﻣﻨﻪ اﻟﻌﻴﻨﺔ‪ ،‬ﻣﻦ ﻫﺬه اﻟﺨﺼﺎﺋﺺ ً‬
‫اﻋﺘـﺪاﻟﻴﺎ )‪ ،(Normal Distribution‬وﻣـﻦ اﻟﺜﺎﺑـﺖ أن‬
‫ّ‬ ‫ﺗﻮزﻳﻌﺎ‬
‫ً‬ ‫اﻟﻈﺎﻫﺮة ﰲ اﳌﺠﺘﻤﻊ اﻟﺬي ﺳﺤﺒﺖ ﻣﻨﻪ اﻟﻌﻴﻨﺔ‬
‫اﻟﻄﺮق اﻟﺒﺎراﻣﱰﻳﺔ أو اﳌﻌﻠﻤﻴﺔ ﺗﺸﱰط اﻻﺧﺘﻴﺎر اﻟﻌﺸﻮايئ ﻟﻠﻌﻴﻨﺔ‪ ،‬ﻛام ﺗﺸﱰط ﺗﻮﻓﺮ ﻣﻌﻠﻮﻣﺎت ﻋـﻦ ﺗﻮزﻳـﻊ‬
‫اﳌﺠﺘﻤﻊ ﺣﺴﺐ اﳌﺘﻐريات اﻟﺘﻲ ﻧﻬﺘﻢ ﺑﺪراﺳﺘﻬﺎ‪ ،‬وﺗﺴﺘﺨﺪم ﻃﺮق اﻹﺣﺼﺎء اﻟﺒﺎراﻣﱰي ﻣﻊ اﻟﻌﻴﻨـﺎت اﻟﻜﺒـرية‪،‬‬
‫ﻛام أﻧﻬﺎ ﺗﻨﺎﺳﺐ اﻟﺒﻴﺎﻧﺎت اﻟﻔﺌﻮﻳﺔ واﻟﺒﻴﺎﻧﺎت اﻟﻨﺴﺒﻴﺔ )‪ .(Ratio‬وﻣﻦ أﻣﺜﻠﺔ اﻷﺳﺎﻟﻴﺐ اﻹﺣـﺼﺎﺋﻴﺔ اﻟﺒﺎراﻣﱰﻳـﺔ‬
‫ﻧــﺬﻛﺮ‪ :‬ﻣﻌﺎﻣــﻞ اﻻرﺗﺒــﺎط اﻟﺜﻨــﺎيئ‪ ،‬ﻣﻌﺎﻣــﻞ اﻻرﺗﺒــﺎط اﻟﺜﻨــﺎيئ اﻷﺻــﻴﻞ‪ ،‬ﻣﻌﺎﻣــﻞ ارﺗﺒــﺎط ﺑريﺳــﻮن‪ ،‬اﻷﺳــﺎﻟﻴﺐ‬
‫اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﻲ ﺗﺮﺗﻜﺰ ﻋﲆ اﺳﺘﺨﺪام اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻣﻦ اﻟﺪرﺟﺎت اﻟﺨـﺎم )ﻛـام ﻫـﻮ اﻟﺤـﺎل ﰲ اﺧﺘﺒـﺎر ‪T‬‬
‫وﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‪.(..‬‬

‫أﻣﺎ اﻹﺣﺼﺎء اﻟﻼﺑﺎراﻣﱰي )‪ ،(Non-Parametric Statistics‬ﻓﻬﻮ ﻻ ﻳﺸﱰط ﺧﺼﺎﺋﺺ ﻣﻌﻴﻨﺔ ﰲ اﳌﺠﺘﻤﻊ اﻟـﺬي‬
‫ﺳﺤﺒﺖ ﻣﻨﻪ اﻟﻌﻴﻨﺔ‪ ،‬وﻻ ﻳـﺸﱰط اﻋﺘﺪاﻟﻴـﺔ ﺗﻮزﻳـﻊ اﻟﻈـﺎﻫﺮة ﰲ اﳌﺠﺘﻤـﻊ‪ ،‬ﻛـام ﻻ ﻳـﺸﱰط اﻻﺧﺘﻴـﺎر اﻟﻌـﺸﻮايئ‬
‫ﻏﺎﻟﺒﺎ ﻟﻠﻌﻴﻨـﺎت اﻟـﺼﻐرية )وإن ﻛﺎﻧـﺖ ﰲ ﺑﻌـﺾ اﻷﺣﻴـﺎن ﺗـﺴﺘﺨﺪم ﻣـﻊ‬
‫ﻟﻠﻌﻴﻨﺔ‪ .‬وﺗﺼﻠﺢ اﻟﻄﺮق اﻟﻼﺑﺎراﻣﱰﻳﺔ ً‬
‫اﻟﻌﻴﻨﺎت اﻟﻜﺒرية(‪ ،‬ﻛام أﻧﻬﺎ ﺗﻨﺎﺳﺐ اﻟﺒﻴﺎﻧﺎت اﻻﺳﻤﻴﺔ واﻟﺮﺗﺒﻴـﺔ )وﰲ ﺑﻌـﺾ اﻷﺣﻴـﺎن ﺗـﺴﺘﺨﺪم ﻣـﻊ اﻟﺒﻴﺎﻧـﺎت‬
‫اﻟﻔﺌﻮﻳﺔ واﻟﺒﻴﺎﻧﺎت اﻟﻨﺴﺒﻴﺔ(‪ .‬وﻣﻦ أﻣﺜﻠﺔ اﻷﺳـﺎﻟﻴﺐ اﻹﺣـﺼﺎﺋﻴﺔ اﻟﻼﺑﺎراﻣﱰﻳـﺔ ﺗﻠـﻚ اﻷﺳـﺎﻟﻴﺐ اﻟﺘـﻲ ﺗـﺴﺘﺨﺪم‬
‫ﻟﻠﺘﺤﻘﻖ ﻣﻦ اﻟﻔﺮوض اﻻرﺗﺒﺎﻃﻴﺔ )اﻟﺘﻲ ﺗﺨﺘﱪ اﻟﻌﻼﻗﺔ أو اﻻرﺗﺒﺎط(‪ ،‬وﻳـﺪﺧﻞ ﰲ ﻋـﺪاد ذﻟـﻚ‪ :‬ﻣﻌﺎﻣـﻞ ارﺗﺒـﺎط‬
‫ﺳﺒريﻣﺎن‪ ،‬ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﻛﻨﺪال‪ ،‬ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ‪ ،‬ﻣﻌﺎﻣﻞ ﻓﺎي‪ ،‬ﻣﻌﺎﻣﻞ ﺟﺎﻣـﺎ‪ ،‬ﻣﻌﺎﻣـﻞ ﻻﻣـﺪا‪ ...‬إﻟـﺦ(‪ ،‬وﻫﻨـﺎك‬
‫أﻳﻀﺎ أﺳﺎﻟﻴﺐ إﺣﺼﺎﺋﻴﺔ ﻻﺑﺎراﻣﱰﻳﺔ ﻟﻠﺘﺤﻘﻖ ﻣﻦ اﻟﻔﺮوض اﻟﻔﺎرﻗﺔ‪ ،‬وﻫﻲ اﻟﻔﺮوض اﻟﺘﻲ ﺗﺨﺘـﱪ اﻟﻔـﺮوق‪ ،‬وذﻟـﻚ‬
‫ً‬
‫اﻋﺘامدا ﻋﲆ اﻟﺮﺗﺐ )‪) (Ranks‬وﻟﻴﺲ ﻋﲆ اﻟﺪرﺟﺎت اﻟﺨـﺎم(‪ ،‬وﻳـﺪﺧﻞ ﰲ ﻋـﺪاد ذﻟـﻚ‪ :‬اﺧﺘﺒـﺎر ﻛﻮﳌـﻮﺟﺮوف‪-‬‬
‫ً‬
‫ﺳﻤريﻧﻮف‪ ،‬اﺧﺘﺒﺎر ﻣﺎن‪ -‬وﻳﺘﻨﻲ‪ ،‬اﺧﺘﺒﺎر ﻛﺮوﺳﻜﺎل واﻟﻴﺲ‪ ،‬اﺧﺘﺒﺎر ﻓﻴﴩ‪ ،‬اﺧﺘﺒﺎر اﻟﻮﺳـﻴﻂ‪ ،‬اﺧﺘﺒـﺎر ﻣـﺎﻛﻨامر‪....‬‬
‫إﻟﺦ‪.‬‬

‫‪-˼˽-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﳌﺒﺤﺚ اﻟﺜﺎين‬

‫اﻟﺮﻣﻮز واﻟﻌﻤﻠﻴﺎت اﻟﺠﱪﻳﺔ اﻷﺳﺎﺳﻴﺔ ﰲ اﻹﺣﺼﺎء‬

‫أوﻻً‪ :‬اﻟﺮﻣﻮز اﻹﺣﺼﺎﺋﻴﺔ‬

‫ﻧﺴﺘﺨﺪم ﰲ اﻟﺮﻳﺎﺿﻴﺎت واﻹﺣﺼﺎء اﻟﻜﺜري ﻣﻦ اﻟﻌﻼﻣﺎت واﻟﺮﻣـﻮز واﻻﺧﺘـﺼﺎرات واﻹﺷـﺎرات‪ ،‬وﻣﻌﻈﻤﻬـﺎ‬

‫ﻋﺎﳌﻴﺎ‪ ،‬وﻣﻦ أﻣﺜﻠﺔ ذﻟﻚ‪ :‬ﻋﻼﻣﺔ اﻟﺠﻤﻊ )‪ ،(+‬وﻋﻼﻣـﺔ اﻟﻄـﺮح )‪ ،(-‬وﻋﻼﻣـﺔ اﻟﻘـﺴﻤﺔ )÷(‪ ،‬وﻋﻼﻣـﺔ‬
‫ﻳﺴﺘﺨﺪم ّ‬
‫اﻟﴬب )×(‪.‬‬

‫ﻓﻤﺜﻼ‪:‬‬
‫ﺑﺪﻻ ﻣﻦ ﻋﻼﻣﺔ اﻟﴬب‪ً ،‬‬
‫وﰲ ﻋﻤﻠﻴﺎت اﻟﴬب ميﻜﻦ اﺳﺘﺨﺪام اﻷﻗﻮاس ً‬

‫‪ ٩ × ٢‬ميﻜﻦ ﻛﺘﺎﺑﺘﻬﺎ )‪ ،(٩) (٢‬أو ‪ (٩)٢‬وﺑﺬﻟﻚ ﺗﺤﻞ اﻷﻗﻮاس ﻣﺤﻞ ﻋﻼﻣﺔ اﻟﴬب‪.‬‬

‫ﻣﺜﻼ ﻟﻠﺪﻻﻟﺔ ﻋﲆ ﻣﺘﻐريات ﻣﻌﻴﻨﺔ‪ ،‬ميﻜﻦ اﻟﺘﻌﺒري ﻋـﻦ ﻋﻼﻣـﺔ‬

‫وﰲ ﺣﺎﻟﺔ اﺳﺘﺨﺪام اﻟﺤﺮوف ﻣﺜﻞ س‪ ،‬ص ً‬
‫اﻟﴬب ﺑﻨﻘﻄﺔ )س ‪ .‬ص(‪ ،‬ﻛام ميﻜﻦ ﻛﺘﺎﺑﺔ اﻟﺤﺮﻓني ﻓﻘﻂ )س ص(‪ ،‬وﰲ ﻛﻠﺘﺎ اﻟﺤـﺎﻟﺘني ﻓـﺈن اﳌﻌﻨـﻰ ﻳﻜـﻮن‬
‫)س × ص(‪.‬‬

‫ﻓﻤﺜﻼ‪:‬‬
‫وﰲ ﻋﻤﻠﻴـﺎت اﻟﻘﺴﻤﺔ ميﻜﻦ اﻟﺘﻌﺒري ﻋﻦ إﺷﺎرة اﻟﻘﺴﻤﺔ ﺑﺼﻮر ﻣﺨﺘﻠﻔﺔ‪ً ،‬‬

‫‪ ١٠ ÷ ٥‬ميﻜﻦ ﻛﺘﺎﺑﺘﻬﺎ ‪ ١٠ / ٥‬أو ‪5‬‬

‫‪10‬‬

‫وﺑﺬﻟﻚ ﺗﺘﻐري ﺻﻮرة إﺷﺎرة اﻟﻘﺴﻤﺔ وﻟﻜﻦ ﻣﻌﻨﺎﻫﺎ وﻧﺘﺎﺋﺠﻬﺎ مل ﺗﺘﻐري‪.‬‬

‫ﻓﻤﺜﻼ ‪ ،٨ = ٤ – ١٢‬وﻛﺜ ًريا ﻣﺎ ﺗﻈﻬـﺮ إﺷـﺎرة = )ﻳـﺴﺎوي( ﺑـﺼﻮرة ﻣﺨﺘﻠﻔـﺔ‬

‫وﻫﻨﺎك إﺷﺎرة = )ﻳﺴﺎوي(‪ً ،‬‬
‫ﻓﻤـﺜﻼ ‪٣٠.٣ # ٥.٥ × ٥.٥‬؛ أي اﻟﻨـﺎﺗﺞ ً‬
‫ﺗﻘﺮﻳﺒـﺎ‬ ‫ﻓﻨﺠﺪﻫﺎ ‪ ،#‬وﻫﺬه اﻹﺷﺎرة ‪ #‬ﺗﺪل ﻋﲆ أن اﻟﻨﺘﺎﺋﺞ ﺗﻘﺮﻳﺒﻴﺔ‪ً ،‬‬
‫ﻳﺴﺎوي ‪) ٣٠.٣‬إذ إن اﻟﻨﺎﺗﺞ اﻟﺤﻘﻴﻘﻲ ﻫﻮ ‪.(٣٠.٢٥‬‬
‫‪-˼˾-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫وﻫﻨﺎك إﺷﺎرة ‪ z‬وﻫﻲ ﺗﻌﻨﻲ )ﻻ ﻳﺴﺎوي(؛ أي أﻧﻬﺎ ﺗﻌﻨﻲ أن اﻟﻘﻴﻤﺘني ﻏري ﻣﺘﺴﺎوﻳﺘني‪ً ،‬‬
‫ﻓﻤﺜﻼ ‪٥ + ١٠‬‬
‫÷ ‪ ٥ ÷ ٢ + ١٠ z ٢‬وﻛﺬﻟﻚ‪:‬‬

‫س ≠ ص؛ أي أن س ﻻ ﻳﺴﺎوي ص‬
‫‪٢‬‬
‫ﻓﻤـﺜﻼ )س ‪ +‬ص( {‬
‫أﻳﻀﺎ إﺷﺎرة {‪ ،‬وﻣﻌﻨﺎﻫﺎ )ﺗﻄﺎﺑﻖ( مبﻌﻨﻰ أن اﳌﻘـﺪارﻳﻦ ﻣﺘﻄﺎﺑﻘـﺎن‪ً ،‬‬
‫وﻫﻨﺎك ً‬
‫‪٢‬‬ ‫‪٢‬‬ ‫‪٢‬‬ ‫‪٢‬‬
‫س ‪٢ +‬س ص ‪ +‬ص وﻳﺴﻤﻰ ﻫﺬا اﻟﻨﺎﺗﺞ »ﻣﻔﻜﻮك اﳌﺮﺑﻊ اﻟﻜﺎﻣﻞ« ﻷن )س‪ +‬ص( = س ‪ +‬س ص‪+‬‬
‫‪٢‬‬
‫صس‪+‬ص‬

‫وﻣﻦ اﻟﺸﺎﺋﻊ اﺳﺘﺨﺪام اﻻﺧﺘﺼﺎرات ﰲ اﻹﺣﺼﺎء؛ ﺗﻮﻓ ًريا ﻟﻠﻮﻗﺖ وﺗﺤﻘﻴﻘًﺎ ﻟﻠﺪﻗـﺔ ﰲ اﻟـﺼﻮرة اﻟﺮﻳﺎﺿـﻴﺔ‪،‬‬
‫أو اﻹﺣﺼﺎﺋﻴﺔ‪ ..‬وﻣﻦ ﻫﺬه اﻻﺧﺘﺼﺎرات‪:‬‬

‫< وﺗﻌﻨﻲ )أﻛﱪ ﻣﻦ(‬

‫> وﺗﻌﻨﻲ )أﺻﻐﺮ ﻣﻦ(‪ ،‬أو )أﻗﻞ ﻣﻦ(‬

‫‪ d‬وﺗﻌﻨﻲ )أﻛﱪ أو ﺗﺴﺎوى(‬

‫‪ t‬وﺗﻌﻨﻲ )أﺻﻐﺮ ﻣﻦ أو ﻳﺴﺎوى(‬

‫ﻓﻤﺜﻼ‪ :‬س > ص )مبﻌﻨﻰ أن س أﻗﻞ ﻣﻦ ص(‪ ،‬وﻛﺬﻟﻚ س < ‪ ٩‬مبﻌﻨﻰ أن س أﻛـﱪ ﻣـﻦ ‪ ،٩‬وﺑﺎﳌﺜـﻞ‬
‫ً‬
‫س > ‪ ٩‬ﺗﻌﻨﻲ أن اﻟﻘﻴﻤﺔ )س( أﺻﻐﺮ ﻣﻦ ‪٩‬‬

‫س ‪ ٩ t‬ﺗﻌﻨﻲ أن س أﻗﻞ ﻣﻦ أو ﻳﺴﺎوي ‪٩‬‬

‫وﻛﺬﻟﻚ س ‪ ٩ d‬ﻣﻌﻨﺎﻫﺎ أن اﻟﻘﻴﻤﺔ )س( أﻛﱪ ﻣﻦ أو ﻳﺴﺎوي ‪٩‬‬

‫أﻳﻀﺎ ‪ df‬وﻫﻮ اﺧﺘﺼﺎر ﳌﺼﻄﻠﺢ درﺟﺔ اﻟﺤﺮﻳﺔ ‪(Degree‬‬

‫وﻣﻦ اﻻﺧﺘﺼﺎرات اﻹﺣﺼﺎﺋﻴﺔ ً‬
‫)‪ of Freedom‬وﰲ اﻟﻠﻐﺔ اﻟﻌﺮﺑﻴﺔ ﻓﺈن اﺧﺘﺼﺎر درﺟـﺔ اﻟﺤﺮﻳـﺔ ﻫـﻮ )د ح(‪ ،‬ﻓﻬﻨـﺎك ﺣـﺪ‬
‫إﺣﺼﺎيئ ﰲ ﻣﻘﺎم ﺗﺒﺎﻳﻦ اﻟﻌﻴﻨﺔ وﻫﻮ )ن – ‪ ،(١‬أو )‪ .(n-1‬وﺗﻌﻨﻲ اﻟﺤﺪود اﳌﺴﻤﻮح ﺑﻬﺎ أو‬
‫‪-˼˿-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﳌﺘﺎﺣﺔ‪ ،‬ﻛﻤﺜﺎل ﺗﻮﺿﻴﺤﻲ ﻧﻔﺮض أن اﳌﻄﻠﻮب اﺧﺘﻴﺎر ﺛﻼﺛﺔ أﻋﺪاد‪ .‬ﰲ ﻫﺬه اﻟﺤﺎﻟـﺔ ميﻜـﻦ اﺧﺘﻴـﺎر أي ﺛﻼﺛـﺔ‬
‫أﻋﺪاد )وﻟﺘﻜﻦ ‪(٢ ،٥ ،٣‬؛ أي أﻧﻪ ﻻ ﺗﻮﺟﺪ أي ﻗﻴﻮد أو اﺷﱰاﻃﺎت أو ﻣﻮاﺻﻔﺎت ﻟﻸﻋﺪاد اﻟﺘﻲ ﻧﺨﺘﺎرﻫﺎ‪ .‬ﻟﻜـﻦ‬
‫ﻗﻴـﺪا ﰲ اﻻﺧﺘﻴـﺎر‪،‬‬ ‫إذا ﻛﺎن اﳌﻄﻠﻮب اﺧﺘﻴﺎر ﺛﻼﺛﺔ أﻋﺪاد ﺑﺤﻴﺚ ﻳﻜﻮن ﻣﺘﻮﺳﻄﻬﺎ ‪ ،٥‬ﻓﺈن ﻫﻨﺎك ً‬
‫ﴍﻃـﺎ أو ً‬
‫ﻣﻜﻤـﻼ ﻟﻠﻤﺠﻤـﻮع ﺑﺤﻴـﺚ ﻳﻜـﻮن‬
‫ً‬ ‫إﻧﻨﺎ ميﻜﻨﻨﺎ اﺧﺘﻴﺎر اﻟﻌﺪد ‪ ٣‬واﻟﻌﺪد ‪ ،٥‬أﻣﺎ اﻟﻌﺪد اﻟﺜﺎﻟﺚ ﻓﻼﺑﺪ أن ﻳﻜﻮن‬
‫ﻣﺘﻮﺳﻂ ﻫﺬا اﳌﺠﻤﻮع ﻫﻮ ‪٥‬؛ أي أن ﻟﺪﻳﻨﺎ اﻟﺤﺮﻳﺔ ﰲ اﺧﺘﻴﺎر ﻋﺪدﻳﻦ ﻓﻘﻂ‪ ،‬أﻣـﺎ اﻟﻌـﺪد اﻟﺜﺎﻟـﺚ ﻓﻼﺑـﺪ ﻣـﻦ‬
‫اﺧﺘﻴﺎره مبﻮاﺻﻔﺎت ﻣﻌﻴﻨﺔ‪ .‬أي أﻧﻪ إذا ﻛﺎن اﳌﻄﻠﻮب اﺧﺘﻴﺎر ﻋﺪد ‪ n‬ﻣﻦ اﻷﻋﺪاد ﺑﺤﻴﺚ ﻳﻜﻮن ﻟﻬﺎ ﻣﺘﻮﺳـﻂ‬
‫ﻣﻨﺎﺳـﺒﺎ ﺑﺤﻴـﺚ ميﻜـﻦ‬
‫ً‬ ‫ﻣﺤﺪد‪ ،‬ﻓﺈن درﺟﺔ اﻟﺤﺮﻳـﺔ ﺗﻜـﻮن )‪ (n-1‬وأن آﺧـﺮ ﻋـﺪد ﻧﺨﺘـﺎره ﻳﺠـﺐ أن ﻳﻜـﻮن‬
‫اﻟﺤﺼﻮل ﻋﲆ اﳌﺘﻮﺳﻂ اﳌﻄﻠﻮب‪.‬‬

‫وﺗﺴﺘﺨﺪم اﻟﺮﻣﻮز واﻟﺤﺮوف اﻟﻼﺗﻴﻨﻴﺔ ﻛﺜ ًريا ﰲ اﻹﺣﺼﺎء ﻟﻮﺻﻒ اﻟﻄﺮق واﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬وﻋـﺎدة‬
‫ﻋﺎﳌﻴـﺎ أن اﳌـﺆﴍات )أو اﳌﻌـﺎمل(‬
‫ﻣﺎ ﺗﺪل اﻟﺮﻣﻮز اﻟﻔﻨﻴﺔ ﻋﲆ اﳌﺆﴍات واﻹﺣﺼﺎءات‪ ،‬وﻣﻦ اﳌﺘﻌـﺎرف ﻋﻠﻴـﻪ ّ‬
‫ﻣﺜﻼ‪:‬‬
‫اﻟﺨﺎﺻﺔ ﺑﺎﳌﺠﺘﻤﻊ متﺜﻞ ﺑﺤﺮوف ﻳﻮﻧﺎﻧﻴﺔ‪ ،‬أﻣﺎ اﻹﺣﺼﺎءات ﻓريﻣﺰ ﻟﻬﺎ ﺑﺎﻟﺤﺮوف اﻟﺮوﻣﺎﻧﻴﺔ‪ ،‬ﻣﻦ ذﻟﻚ ً‬

‫ﻳﺴﺘﺨﺪم اﻟﺤﺮف ‪ µ‬مبﻌﻨﻰ ﻣﺘﻮﺳﻂ اﳌﺠﺘﻤﻊ‪ ،‬وﻫﻮ ﺣﺮف ﻻﺗﻴﻨﻲ ﻳﻨﻄﻖ )ﻣﻴﻮ(‪ ،‬أﻣﺎ ﻣﺘﻮﺳـﻂ اﻟﻌﻴﻨـﺔ‬
‫ﻓريﻣﺰ ﻟﻪ ﺑﺎﻟﺤﺮف ‪) X‬ﺣﺮف ‪ X‬ﻓﻮﻗﻪ ﴍﻃﺔ ﻣﻌﺘﺪﻟﺔ(‪ ،‬وﺗﻨﻄﻖ )إﻛﺲ ﺑﺎر(‪.‬‬

‫ﻛام أن اﻟﺤﺮف ‪ N‬ﻳﺮﻣﺰ إﱃ ﻋﺪد اﳌﺠﺘﻤﻊ‪ ،‬أﻣـﺎ اﻟﻌﻴﻨـﺔ ﻓريﻣـﺰ ﻟﻬـﺎ ﺑـﺎﻟﺤﺮف ﻧﻔـﺴﻪ وﻟﻜـﻦ ﺑﺎﻟـﺼﻮرة‬
‫اﻟﺼﻐرية ‪.n‬‬

‫وﻳﺴﺘﺨﺪم اﻟﺤﺮف اﻟﻼﺗﻴﻨﻲ ‪) S‬ﺑﺎي( مبﻌﻨﻰ اﻟﻨﺴﺒﺔ ﰲ اﳌﺠﺘﻤﻊ‪ ،‬ﺑﻴﻨام ﻳﺴﺘﺨﺪم اﻟﺤـﺮف ‪ P‬ﻟريﻣـﺰ إﱃ‬
‫ﻧﺴﺒﺔ اﳌﻔﺮدات اﻟﺘﻲ ﻟﻬـﺎ ﺻـﻔﺔ ﻣﻌﻴﻨـﺔ ﰲ اﻟﻌﻴﻨـﺔ‪ ،‬ﻛـام ﻳـﺴﺘﺨﺪم اﻟﺤـﺮف ﻧﻔـﺴﻪ ‪ p‬ﻟﻴـﺸري إﱃ اﻻﺣـﺘامل‪،‬‬
‫ﻛﺎﺧﺘﺼﺎر ﻟﻜﻠﻤﺔ )‪.(Probability‬‬

‫‪-˼̀-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫أﻳﻀﺎ اﺳﺘﺨﺪام اﻟﺤﺮف اﻟﻼﺗﻴﻨﻲ أﻟﻔﺎ ‪ D‬ﻟﻴﺪل ﻋﲆ اﳌﻌﻨﻮﻳـﺔ )‪ ،(Significance‬وإن ﻛﺎﻧـﺖ‬

‫وﻣﻦ اﻟﺸﺎﺋﻊ ً‬
‫ﻟﻪ اﺳﺘﺨﺪاﻣﺎت أﺧﺮى‪ -‬ﺣﺴﺐ اﻟﺴﻴﺎق اﻟﻮارد ﻓﻴﻪ‪.‬‬

‫وﻳﺮﻣﺰ ﻟﺘﺒﺎﻳﻦ اﳌﺠﺘﻤﻊ ﺑﺎﻟﺮﻣﺰ ‪) V2‬ﺳﻴﺠام ﺗﺮﺑﻴﻊ(‪ ،‬أﻣﺎ ﺗﺒﺎﻳﻦ اﻟﻌﻴﻨﺔ ﻓريﻣﺰ ﻟﻪ ﺑﺎﻟﺤﺮف ‪S2‬؛ وﻧﻈ ًﺮا ﻷن‬
‫اﻟﺘﺒﺎﻳﻦ ﻫﻮ ﻣﺮﺑﻊ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪ ،‬ﻓﺈن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻠﻤﺠﺘﻤﻊ ﻳﺮﻣﺰ ﻟـﻪ ﺑـﺎﻟﺤﺮف ‪ V‬ﺳـﻴﺠام‪،‬‬
‫أﻣﺎ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻠﻌﻴﻨﺔ ﻓريﻣﺰ ﻟﻪ ﺑﺎﻟﺤﺮف ‪.S‬‬
‫وأﺣﻴﺎﻧﺎ ﻳﺴﺘﺨﺪم اﻟﺤﺮف ¦ ﻛﺼﻮرة ﻣﻜﱪة ﻟﻠﺤﺮف ‪.V‬‬
‫وﻫﻨﺎك اﻟﺤﺮف ¦ وﻳﻌﻨﻲ ﻣﺠﻤﻮع‪ ،‬وﻳﻨﻄﻖ ﺳﻴﺠام‪ً ،‬‬
‫وﻫﻨـــﺎك اﻟﺮﻣـــﺰ ! وﻳﻨﻄـــﻖ ﻓﻜﺘﻮرﻳـــﺎل‪ ،‬مبﻌﻨـــﻰ أن ! س )ﺗﻨﻄـــﻖ ﻓﻜﺘﻮرﻳـــﺎل س(‪ ،‬ﻛـــام أن !‬
‫‪٧٢٠ = ١ × ٢ × ٣ × ٤ × ٥ × ٦ = ٦‬‬
‫ــﻀﺎ‪ ،‬إﺷـــﺎرة‪ f :‬أو‬
‫وﻣـــﻦ اﻟﺮﻣـــﻮز اﳌﻌ ﺮوﻓـــﺔ اﻟﺘـــﻲ ﺗـــﺴﺘﺨﺪم ﰲ اﻹﺣـــﺼﺎء واﻟﺮﻳﺎﺿـــﻴﺎت أﻳـ ً‬
‫‪ f -‬وﻣﻌﻨﺎﻫﺎ إﱃ ﻣﺎﻻ ﻧﻬﺎﻳﺔ ﻣﻮﺟﺐ أو ﺳﺎﻟﺐ‪.‬‬
‫وإذا ﻛﺎن ذﻟـﻚ ﻓـﻴام ﻳﺨـﺺ اﻷﻋـﺪاد )‪ ،(Numbers‬ﻓـﺈن ﻫﻨـﺎك إﺷـﺎرات ﺗـﺴﺘﺨﺪم ﻣـﻊ اﳌﺠﻤﻮﻋـﺎت‬
‫)‪ ،(Groups‬أﻫﻢ ﻫﺬه اﻹﺷﺎرات  وﻣﻌﻨﺎﻫﺎ ﺗﻘﺎﻃﻊ ﻣﻔـﺮدات ﻛـﻞ ﻣـﻦ س‪ ،‬ص‪ ،‬وﻋﻜـﺴﻬﺎ إﺷـﺎرة  ‪،‬‬
‫ﻓﻤـﺜﻼ‪،٢} :‬‬
‫وﻣﻌﻨﺎﻫﺎ اﺗﺤﺎد أو ﺗﺠﺎﻧﺲ ﻣﻔﺮدات ﻛﻞ ﻣﻦ س‪ ،‬ص‪ ،‬وﻛﺬﻟﻚ إﺷﺎرة ﻧﺎﻗﺺ )‪ (-‬وﻣﻌﻨﺎﻫﺎ اﻟﻔﺮق‪ً .‬‬
‫‪ {٣‬ﺗﺴﻤﻰ ﻣﺠﻤﻮﻋﺔ‪ ،‬وﻛﺬﻟﻚ }‪ {٦ ،٥ ،٤‬ﺗﺴﻤﻰ ﻣﺠﻤﻮﻋﺔ‪.‬‬
‫وﻓﻴام ﻳﺨﺺ اﻟﺘﻘﺎﻃﻊ  ‪ ،‬ﻓﺈﻧﻪ ﻳﻌﻨـﻲ اﻟﻌـﺪد أو اﻷﻋـﺪاد اﳌﻮﺟـﻮدة ﰲ اﳌﺠﻤﻮﻋـﺔ اﻷوﱃ‪ ،‬وﰲ اﻟﻮﻗـﺖ‬
‫ﻓﻤﺜﻼ‪:‬‬
‫ﻧﻔﺴﻪ ﻣﻮﺟﻮدة ﰲ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ً ،‬‬
‫}‪ {٣} = {٥ ،٣}  {٣ ،٢‬مبﻌﻨﻰ أن اﻟﺮﻗﻢ ‪ ٣‬ﻣﻮﺟـﻮد ﰲ اﳌﺠﻤﻮﻋـﺔ اﻷوﱃ واﳌﺠﻤﻮﻋـﺔ اﻟﺜﺎﻧﻴـﺔ‪ ،‬أي أن‬
‫ﻫﺎﺗني اﳌﺠﻤﻮﻋﺘني ﺗﺘﻘﺎﻃﻌﺎن ﰲ اﻟﺮﻗﻢ ‪٣‬‬
‫أﻣﺎ ﻓـﻴام ﻳﺨـﺺ اﻻﺗﺤـﺎد  ﻓـﺈن ﻣﻌﻨـﺎه ﺟﻤﻴـﻊ اﻟﻌﻨـﺎﴏ اﳌﻮﺟـﻮدة ﰲ اﳌﺠﻤﻮﻋـﺔ اﻷوﱃ وﺟﻤﻴـﻊ‬
‫ﻓﻤﺜﻼ‪:‬‬
‫اﻟﻌﻨﺎﴏ اﳌﻮﺟﻮدة ﰲ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ً ،‬‬

‫‪-˼́-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫}‪ {٥ ،٣ ،٢} = {٥ ،٣}  {٣ ،٢‬مبﻌﻨﻰ أن اﻷرﻗﺎم ‪ ٥ ،٣ ،٢‬ﺗـﺸﱰك ﻓﻴﻬـﺎ اﳌﺠﻤﻮﻋـﺔ اﻷوﱃ واﳌﺠﻤﻮﻋـﺔ‬
‫اﻟﺜﺎﻧﻴﺔ‪.‬‬
‫أﻣﺎ ﻓﻴام ﻳﺨﺺ اﻟﻔﺮق‪ ،‬ورﻣﺰه ﻋﻼﻣﺔ ﻧﺎﻗﺺ )‪ ،(-‬ﻓﺈﻧﻪ ﻳﻌﻨﻲ أن اﻟﻌﺪد ﻣﻮﺟﻮد ﰲ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ وﻏري‬
‫ﻣﻮﺟﻮد ﰲ اﳌﺠﻤـﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪.‬‬

‫}‪ {٢} = { ٥ ،٣} - {٣ ،٢‬مبﻌﻨﻰ أن اﻟﺮﻗﻢ ‪ ٢‬ﻣﻮﺟﻮد ﰲ اﳌﺠﻤﻮﻋـﺔ اﻷوﱃ وﻏـري ﻣﻮﺟـﻮد ﰲ اﳌﺠﻤﻮﻋـﺔ‬
‫اﻟﺜﺎﻧﻴﺔ‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬إﻃﻼﻟﺔ ﻋﲆ أﻫﻢ اﻟﻌﻤﻠﻴﺎت اﻟﺠﱪﻳﺔ ﻟﻺﺣﺼﺎء‬

‫ً‬
‫إن اﺳﺘﺨﺪام اﻹﺣﺼﺎء ﰲ ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧﺎت ﻳﺤﺘﺎج إﱃ ﻗـﺪر ﻣـﻦ اﻟﺘﻔﻜـري اﳌﻨﻄﻘـﻲ ﰲ اﳌـﺸﻜﻠﺔ اﻟﺒﺤﺜﻴـﺔ‬
‫إﺣﺼﺎﺋﻴﺎ‪ ،‬وميﻜﻦ ﻟﻠﺒﺎﺣﺚ أن ﻳﺘﻘﻦ ذﻟﻚ ﺳﻮاء ﻛﺎن ﻟﺪﻳﻪ ﺧﻠﻔﻴـﺔ ﻗﻮﻳـﺔ ﰲ اﻟﺮﻳﺎﺿـﻴﺎت أم‬
‫ّ‬ ‫وﻛﻴﻔﻴﺔ ﻣﻌﺎﻟﺠﺘﻬﺎ‬
‫ﻻ‪ ،‬ﻓﺎﳌﻬﻢ أن ﻳﻜﻮن ﻟﺪﻳﻪ اﻟﺮﻏﺒﺔ ﰲ ﻓﻬﻢ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﻲ ميﻜـﻦ أن ﺗـﺴﺎﻋﺪه ﰲ ﺗﺤﻠﻴـﻞ ﺑﻴﺎﻧـﺎت‬
‫ﺑﺤﺜﻪ ﻟﻠﺘﻮﺻﻞ إﱃ ﻧﺘﺎﺋﺞ ﺳﻠﻴﻤﺔ‪ ،‬ﻛام أن ﻋﻤﻠﻴﺔ ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧـﺎت ﺗﺘﻄﻠـﺐ ﻗـﺪ ًرا ﻣـﻦ اﻟﻌﻤﻠﻴـﺎت اﻟﺤـﺴﺎﺑﻴﺔ‬
‫واﻟﺠﱪﻳﺔ‪ ،‬ﻓﺎﻹﺣﺼﺎء ﻳﺮﺗﻜﺰ ﻋﲆ أﺳـﺲ رﻳﺎﺿـﻴﺔ ﻳﺘـﺴﻊ ﻣـﺪاﻫﺎ ﺣﺘـﻰ ﻟﻴﻜـﺎد ﻳـﺸﻤﻞ اﻟﺮﻳﺎﺿـﻴﺎت ﺑﻔﺮوﻋﻬـﺎ‬
‫اﳌﺨﺘﻠﻔﺔ مبﺎ ﻳﺨﺮج ﻋـﻦ ﻧﻄـﺎق اﻫـﺘامم اﻟﺠﺰﺋﻴـﺔ اﻟﺘـﻲ ﻧﻨﺎﻗـﺸﻬﺎ‪ .‬ﻟﻜـﻦ ﻫﻨـﺎك ﺑﻌـﺾ اﻟﻌﻤﻠﻴـﺎت اﻟﺠﱪﻳـﺔ‬
‫اﻷﺳﺎﺳﻴﺔ اﻟﺘﻲ ﺗﻔﻴﺪ اﻟﺪارﺳني واﻟﺒﺎﺣﺜني رﻏﻢ ﺑﺴﺎﻃﺘﻬﺎ‪:‬‬

‫ﻓﻌﻨﺪﻣﺎ ﺗﺤﺘﻮي ﻣـﺴﺄﻟﺔ ﻣـﻦ اﳌـﺴﺎﺋﻞ ﻋـﲆ ﻋﻤﻠﻴـﺎت ﺣـﺴﺎﺑﻴﺔ ﻣﺨﺘﻠﻔـﺔ )اﻟﺠﻤـﻊ‪ ،‬اﻟﻄـﺮح‪ ،‬واﻟـﴬب‪،‬‬
‫أوﻻ‪ ،‬وذﻟﻚ ﺣﺴﺐ ﺗﺮﺗﻴـﺐ ﻛـﻞ ﻣﻨﻬـﺎ‪ ،‬مبﻌﻨـﻰ أﻧـﻪ إذا‬
‫واﻟﻘﺴﻤﺔ(‪ ،‬ﻳﻨﺒﻐﻲ إﺟﺮاء ﻋﻤﻠﻴﺘﻲ اﻟﴬب واﻟﻘﺴﻤﺔ ً‬
‫أوﻻ‪ ،‬ﻓﺈﻧﻨـﺎ ﻧﻘـﻮم‬
‫أوﻻ ﻧﻘﻮم ﺑﻌﻤﻠﻴﺔ اﻟﴬب ﺛﻢ اﻟﻘﺴﻤﺔ‪ ،‬أﻣﺎ إذا أﺗﺖ إﺷـﺎرة اﻟﻘـﺴﻤﺔ ً‬
‫أﺗﺖ إﺷﺎرة اﻟﴬب ً‬
‫ﻓﻤﺜﻼ‪:‬‬
‫أوﻻ ﺛﻢ اﻟﴬب‪ً .‬‬
‫ﺑﻌﻤﻠﻴﺔ اﻟﻘﺴﻤﺔ ً‬

‫‪٢ = 9 × ٦ – ٢٠‬‬
‫‪3‬‬

‫‪-˼̂-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ذﻟﻚ أﻧﻨﺎ ﺑﺪأﻧﺎ ﺑﻀـﺮب اﻟﺮﻗﻢ )‪ (٦‬ﰲ ﻧﺎﺗﺞ ﻗﺴﻤﺔ اﻟﺮﻗﻢ ‪ ٩‬ﻋﲆ ‪ ٣‬ومبـﺎ أن ‪ ٣ = ٣ ÷٩‬ﻓﻴﻜـﻮن‪٣ × ٦ :‬‬
‫= ‪ ١٨‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ‪ ٢ = ١٨ – ٢٠‬أي أن ﻋﻤﻠﻴﺔ اﻟﻘﺴﻤﺔ وﻋﻤﻠﻴﺔ اﻟﻀـﺮب متﺖ ﻗﺒﻞ ﻋﻤﻠﻴﺔ اﻟﻄﺮح‪.‬‬

‫وﻛﺬﻟﻚ‪٢٥ = ٣ × ٢ – ٤ × ٦ + ٧ :‬‬

‫ﻟﻘﺪ ﺑﺪأﻧﺎ ﺑﴬب ‪ ٤×٦‬وﻫﻲ ﺗﺴﺎوي ‪٢٤‬‬

‫ﺛﻢ ﴐب ‪٣ × ٢‬وﻫﻲ ﺗﺴﺎوي ‪٦‬‬

‫ﻓﺄﺻﺒﺢ ﻟﺪﻳﻨﺎ ‪ ٦ -٢٤+ ٧‬ﻓﻴﻜﻮن اﻟﻨﺎﺗﺞ ‪٢٥‬‬

‫أي أن ﻋﻤﻠﻴﺔ اﻟﴬب متﺖ ﻗﺒﻞ ﻛﻞ ﻣﻦ ﻋﻤﻠﻴﺔ اﻟﺠﻤﻊ وﻋﻤﻠﻴﺔ اﻟﻄﺮح‪ .‬اﻻﺳﺘﺜﻨﺎء ﻣﻦ ﻫﺬه اﻟﻘﺎﻋﺪة ﻫﻮ‬
‫ﻋﻨﺪﻣﺎ ﺗﺄيت اﻷرﻗﺎم داﺧﻞ اﻷﻗﻮاس‪:‬‬

‫ﻓﻤﺜﻼ )‪٩١ = ٧ × ١٣ = (١+٦) × (٥+٨‬‬

‫ً‬

‫وﻛﺬﻟﻚ‪:‬‬

‫)‪(١ + ٦) ÷ 2 × (٢ + ٣‬‬
‫‪3‬‬

‫= ‪٧ ÷ ٠.٦٧×٥‬‬

‫= ‪٠.٤٧٨٥٧ = ٧ ÷ ٣.٣٥‬‬

‫ﻟﻘﺪ ﺗﻢ اﻟﺘﻌﺎﻣﻞ ﻣﻊ اﻷرﻗﺎم اﳌﻮﺟﻮدة داﺧﻞ اﻷﻗﻮاس ﻋﲆ أﻧﻬﺎ ﻣـﺴﺘﻘﻠﺔ؛ أي مبﻔﺮدﻫـﺎ‪ ،‬وﻳﺠـﺐ ﻓـﻚ‬
‫أوﻻ‪.‬‬
‫ﻫﺬه اﻷﻗﻮاس ً‬

‫وﻋﻨﺪﻣﺎ ﻳﺘﻢ ﻓﻚ اﻷﻗﻮاس وﺗﻜﻮن اﻹﺷﺎرة اﻟﺴﺎﺑﻘﺔ ﻟﻠﻘـﻮس ﺳـﺎﻟﺒﺔ‪ ،‬ﻓـﺈن ﻛـﻞ اﻹﺷـﺎرات داﺧـﻞ ﻫـﺬا‬
‫ﻓﻤﺜﻼ‪:‬‬
‫اﻟﻘﻮس ﺗﺘﻐري إﱃ اﻟﻌﻜﺲ‪ ،‬مبﻌﻨﻰ أن إﺷﺎرة ‪ +‬ﺗﺼﺒﺢ – وإﺷﺎرة – ﺗﺼﺒﺢ ‪ً +‬‬

‫)‪١ = ٣ + ٢- ٦ – ٤ – ١ + ٩ = (٣ – ٢ + ٦) - (٤ – ١ + ٩‬‬

‫‪-˽˹-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﻓﺎﻹﺷـﺎرات اﻟﺨﺎﺻﺔ ﺑﺎﻷرﻗﺎم ﰲ اﻟﻘـﻮس اﻟﺜﺎين ﺗﻐـريت إﱃ اﻟﻌﻜـﺲ‪ ،‬ﻓﻘـﺪ ﻛﺎﻧـﺖ )‪(٣-٢+٦‬؛ وﻧﻈـ ًﺮا ﻷن‬
‫اﻟﻘﻮس ﺗﺴﺒﻘﻪ إﺷﺎرة –‪ ،‬ﻓﺈن اﻷرﻗﺎم اﳌﺬﻛﻮرة أﺻﺒﺤﺖ )‪(٣+٢-٦-‬‬

‫أوﻻ إذا ﻛﺎﻧﺖ اﳌﺴﺄﻟﺔ اﻟﺤﺴﺎﺑﻴﺔ اﳌﺮاد ﺣﻠﻬـﺎ ﺗﺘـﻀﻤﻦ‬

‫وﺑﺎﻹﺿﺎﻓﺔ إﱃ إﺟﺮاء ﻋﻤﻠﻴﺎت اﻟﻘﺴﻤﺔ واﻟﴬب ً‬
‫إﺷﺎرات اﻟﺠﻤﻊ واﻟﻄﺮح واﻟﻘﺴﻤﺔ واﻟﴬب‪ ،‬ﻓﺈن اﻟﻘﻮاﻋﺪ اﻟﺠﱪﻳﺔ ﺗﻘﻀـﻲ ﺑﺎﻟﺘﻌﺎﻣﻞ ﻣﻊ اﻷﻋﺪاد اﻟﺘﻲ ﺗﺴﺒﻖ‬
‫ﻓﻤﺜﻼ‪:‬‬
‫ﻫﺬه اﻟﻌﻤﻠﻴﺎت ﻋﲆ أﻧﻬﺎ ﻣﺴﺘﻘﻠﺔ ﻛام ﺳﺒﻖ اﻟﻘﻮل‪ً ،‬‬

‫‪١٧ = ٣ × ٥ ÷ ٢٥ + ٢‬‬

‫وأﺧـريا‬
‫ً‬ ‫ﰲ ﻫﺬا اﳌﺜﺎل ﺑﺪأﻧﺎ ﺑﻘﺴﻤﺔ ‪ ٥÷٢٥‬ﻓﻴﻜﻮن اﻟﻨـﺎﺗﺞ ‪ ،٥‬ﺛـﻢ ﺗـﻢ ﴐب ‪ ٣×٥‬ﻓﻴﻜـﻮن اﻟﻨـﺎﺗﺞ ‪،١٥‬‬
‫أﺿﻔﻨﺎ ‪ ١٥‬إﱃ ‪ .٢‬ﻟﻘﺪ ﺗﻢ اﻟﺘﻌﺎﻣـﻞ ﻣـﻊ اﻟﻌـﺪد ‪ ٢‬ﻛﻌـﺪد ﻛﺎﻣـﻞ وﻣـﺴﺘﻘﻞ ﻷﻧـﻪ ﻳـﺴﺒﻖ اﻷﻋـﺪاد اﳌﻄﻠـﻮب‬
‫أوﻻ‬
‫ﻗﺴﻤﺘﻬﺎ واﻷﻋﺪاد اﳌﻄﻠﻮب ﴐﺑﻬﺎ‪ ،‬أﻣﺎ اﻷﻋﺪاد )‪ (٣ × ٥ ÷ ٢٥‬ﻓﻬﻲ ﻣﺠﻤﻮﻋﺔ واﺣﺪة‪ ،‬وﻳﺠﺐ اﻻﻧﺘﻬـﺎء ً‬
‫ﻣﻦ ﻋﻤﻠﻴﺘﻲ اﻟﴬب واﻟﻘﺴﻤﺔ ﻟﻬﺬه اﻷﻋﺪاد ﻛـام ﻗﻠﻨـﺎ ﺳـﺎﺑﻘًﺎ؛ أي أن )‪ ،١٥ = (٣ × ٥ ÷ ٢٥‬ﺛـﻢ ﻧـﻀﻴﻒ‬
‫اﻟﻨﺎﺗﺞ ﻋﲆ ‪ ٢ +‬ﻓﺘﺼﺒﺢ ‪١٧ = ١٥ + ٢‬‬

‫وﻣﻦ اﻟﺒﺪﻳﻬﻴﺎت اﻟﺮﻳﺎﺿﻴﺔ ﻟﻺﺣﺼﺎء ﻣﺎ ﻳﺘﻌﻠﻖ ﺑﺎﻟﺘﻌﺎﻣﻞ اﻟﺠﱪي ﻣﻊ اﻷﻋﺪاد اﻟـﺴﺎﻟﺒﺔ واﳌﻮﺟﺒـﺔ‪ ،‬ﻣـﻦ‬
‫ﻣﺜﻼ أﻧﻪ ﻋﻨﺪ ﺟﻤﻊ اﻷﻋﺪاد ذات اﻹﺷﺎرات اﳌﻮﺣﺪة‪ ،‬ﺗﻜﻮن ﻋﻤﻠﻴﺔ اﻟﺠﻤﻊ ﻣﺘﻔﻘﺔ ﻣـﻊ ﺗﻠـﻚ اﻹﺷـﺎرات‪،‬‬
‫ذﻟﻚ ً‬
‫وﺑﺎﻟﺘﺎﱄ ﺗﻜﻮن ﻋﻤﻠﻴﺔ ﺳﻬﻠﺔ‪ ،‬أﻣﺎ ﰲ ﻋﻤﻠﻴﺔ ﺟﻤﻊ اﻷﻋﺪاد ذات اﻹﺷﺎرات اﳌﺨﺘﻠﻔﺔ‪ ،‬ﻓﺈﻧﻪ ﻳﺘﻢ ﺟﻤـﻊ اﻷﻋـﺪاد‬
‫ﻓﻤﺜﻼ‪:‬‬
‫ذات اﻹﺷﺎرات اﳌﻮﺟﺒﺔ‪ ،‬ﺛﻢ ﺟﻤﻊ اﻷﻋﺪاد ذات اﻹﺷﺎرات اﻟﺴﺎﻟﺒﺔ‪ ،‬وﻳﺤﻤﻞ اﻟﻨﺎﺗﺞ إﺷﺎرة أﻛﱪ ﻗﻴﻤﺔ‪ً ،‬‬

‫)‪٥ + = ٩ – ١٤ = (٦-) + (٣-) + (٦+) + (٨+‬‬

‫وﻛﺬﻟﻚ‪:‬‬

‫‪١- =٥ -٤ -٨ = (٥-) + (٤-) +٨‬‬

‫‪-˽˺-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﻛام أن‪:‬‬

‫)‪١٠ - = ٩ + ١٩ - = (٧+) + (٩-) + (١٠-) + (٢+‬‬

‫ﻣﻮﺟﺒﺎ‪ ،‬أﻣﺎ ﻋﻨﺪ ﴐب‬

‫ً‬ ‫وﻣﻦ اﳌﻔﻴﺪ ﻫﻨﺎ ﻣﻌﺮﻓﺔ أن ﻧﺎﺗﺞ ﴐب اﻷﻋﺪاد ﻣﺘﺸﺎﺑﻬﺔ اﻹﺷﺎرات ﻳﻜﻮن اﻟﻨﺎﺗﺞ‬
‫ﻓﻤﺜﻼ‪:‬‬
‫ﺳﺎﻟﺒﺎ‪ً ،‬‬
‫اﻷﻋﺪاد ﻣﺨﺘﻠﻔﺔ اﻹﺷﺎرات ﻓﻴﻜﻮن اﻟﻨﺎﺗﺞ ً‬
‫‪٣٠+ = ٦+ × ٥+‬‬

‫‪٣٠+ = ٦- × ٥-‬‬

‫‪٣٠- = ٦- × ٥+‬‬

‫‪٣٠- = ٦+ × ٥-‬‬

‫ﻓﻤﺜﻼ‪:‬‬
‫ﻣﻮﺟﺒﺎ‪ً ،‬‬
‫ً‬ ‫وﰲ ﺣﺎﻟﺔ ﻋﺪم وﺟﻮد إﺷﺎرة اﻟﺠﻤﻊ أو اﻟﻄﺮح‪ ،‬ﻓﺈن اﻟﺮﻗﻢ ﻳﻜﻮن‬

‫)‪ (٦) × (٥‬ﻫﻲ ﻧﻔﺴﻬﺎ )‪(٦+) × (٥+‬‬

‫‪ ٦- × ٥‬ﻫﻲ ﻧﻔﺴﻬﺎ )‪(٦-) × (٥+‬‬

‫أﻳﻀﺎ ﻓﺈن ﺟﻤﻊ أو ﻃﺮح اﻟﺼﻔﺮ إﱃ أو ﻣﻦ أي ﻋﺪد‪ ،‬أو رﻣﺰ‪ ،‬ﻻ ﻳﻐري اﻟﻌـﺪد‪ ،‬أو اﻟﺮﻣـﺰ‪،‬‬
‫ﰲ ﻫﺬا اﻟﺴﻴﺎق ً‬
‫ﻓﻤﺜﻼ ‪ +٥‬ﺻﻔﺮ= ‪ -٥ ،٥‬ﺻﻔﺮ= ‪ ،٥‬س ‪ +‬ﺻﻔﺮ= س‪ ،‬س‪ -‬ﺻﻔﺮ= س‬
‫ً‬

‫أﻣﺎ إذا ﴐب اﻟﺼﻔﺮ ﰲ أي ﻋﺪد‪ ،‬أو رﻣﺰ‪ ،‬ﻓﺈن اﻟﻨﺎﺗﺞ ﻳﻜﻮن ﺻﻔ ًﺮا‪ ،‬وﻛﺬﻟﻚ اﻟﺤـﺎل إذا ﻗـﺴﻤﻨﺎ اﻟـﺼﻔﺮ‬
‫أﻳـﻀﺎ )وإن ﻛـﺎن ﻣـﻦ اﳌﻌﺘـﺎد أن اﻟـﺼﻔﺮ ﻻ ﻳـﺴﺘﺨﺪم‬
‫ﻋﲆ أي ﻋﺪد‪ ،‬أو رﻣﺰ‪ ،‬ﻓﺈن اﻟﻨﺘﻴﺠـﺔ ﺗـﺴﺎوي ﺻـﻔ ًﺮا ً‬
‫ﻣﻘﺴﻮﻣﺎ ﻋﻠﻴﻪ(‪ ،‬وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ أن وﺟﻮد اﻟﺼﻔﺮ ﻋﲆ ﻳﺴﺎر أي رﻗﻢ ﺻﺤﻴﺢ ﻻ ﻳﻜـﻮن ﻟـﻪ ﻗﻴﻤـﺔ‪ ،‬إﻻ أﻧـﻪ‬
‫ً‬
‫ميﻜﻦ اﺳﺘﺨﺪام اﻟﺼﻔﺮ ﻋﲆ ﻳﺴﺎر اﻷرﻗﺎم اﻟﺼﺤﻴﺤﺔ وﺗﻜﻮن ﻟﻪ ﻗﻴﻤﺔ أﺳﺎﺳﻴﺔ‪ ،‬ﻓﺈذا ﻛﺎن ﻋﲆ ﻳﺴﺎر اﻟﺮﻗﻢ ‪١‬‬
‫ﻣﺜﻼ‪ ،‬ﻓﺈن ذﻟﻚ ﻗﺪ ﻳﻌﻨﻲ اﻟﻮاﺣﺪ ﺑﻌﺪ اﳌﻠﻴﻮن‪ ،‬وإذا ﻛﺎن ﻋﲆ ﻳﺴﺎر اﻟﺮﻗﻢ ‪ ١‬ﺛﻼﺛـﺔ أﺻـﻔﺎر‪ ،‬ﻓـﺈن‬
‫ﺳﺘﺔ أﺻﻔﺎر ً‬
‫ذﻟﻚ ﻗﺪ ﻳﻌﻨﻲ اﻟﻮاﺣﺪ ﺑﻌﺪ اﻷﻟﻒ‪ .....‬وﻫﻜﺬا‪.‬‬

‫‪-˽˻-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﳌﺴﺄﻟﺔ اﻷﺧﺮى ﺿﻤﻦ اﻟﺒﺪﻳﻬﻴﺎت اﻟﺠﱪﻳﺔ ﻟﻺﺣﺼﺎء ﻫﻲ اﻟﺠﺬر اﻟﱰﺑﻴﻌﻲ؛ إذ إن اﻟﺠﺬر اﻟﱰﺑﻴﻌـﻲ ﻷي‬
‫رﻗﻢ ﻫﻮ ذﻟﻚ اﻟﻌﺪد اﻟﺬي إذا ُﴐب ﰲ ﻧﻔﺴﻪ ﻧﺘﺞ ﻫﺬا اﻟﺮﻗﻢ‪ .‬وﻛﺜ ًريا ﻣﺎ ﺗﺴﺘﺨﺪم ﰲ اﻹﺣﺼﺎء إﺷﺎرة اﻟﺠﺬر‬
‫ﻓﻤﺜﻼ‪:‬‬
‫وﻫﺬه اﻹﺷﺎرة إذ مل متﻴﺰ ﺑﺄي رﻗﻢ ﻳﺸري إﱃ ﻗﻮﺗﻬﺎ ﻓﺈﻧﻬﺎ ﺗﻌﱪ ﻋﻦ اﻟﺠﺬر اﻟﱰﺑﻴﻌﻲ‪ً .‬‬ ‫‪b‬‬

‫‪9‬‬ ‫‪81 b‬‬

‫وﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺴﻤﻰ اﻟﻌﺪد ‪ ٨١‬اﳌﺠﺬور )‪ .(Radicand‬أﻣﺎ اﻟﻌﺪد ‪ ٩‬ﻓﻴﺴﻤﻰ اﻟﺠﺬر )‪.(Root‬‬

‫ﻣـﺜﻼ‬
‫وﻻ ﻳﻮﺟﺪ ﺟﺬر ﺗﺮﺑﻴﻌـﻲ ﺣﻘﻴﻘﻲ ﻟﻠﻘﻴﻢ اﻟﺴﺎﻟﺒﺔ؛ أي اﻟﺘﻲ ﺗﺴﺒﻘﻬﺎ ﻋﻼﻣﺔ ﻧﺎﻗﺺ )‪ ،(-‬ﻓﺎﻟﻌـﺪد ‪ً ٨١-‬‬
‫ﻟﻴﺲ ﻟﻪ ﺟﺬر ﺗﺮﺑﻴﻌﻲ ﺣﻘﻴﻘﻲ‪.‬‬

‫ﻣـﴬوﺑﺎ ﰲ اﻟﺠـﺬر‬
‫ً‬ ‫وﻋﻨﺪﻣﺎ ﻧﻘﻮم ﺑﴬب اﻟﺠﺬور اﻟﱰﺑﻴﻌﻴﺔ‪ ،‬ﻓﺈن اﻟﺠﺬر اﻟﱰﺑﻴﻌﻲ ﻟﻜﻞ ﻋﺪد ﻋﲆ ﺣﺪة‬
‫ﻓﻤﺜﻼ‪:‬‬
‫ﻣﺴﺎوﻳﺎ ﻟﻠﻌﺪدﻳﻦ ﻣﻀـﺮوﺑني ﰲ ﺑﻌﻀﻬام ﺗﺤﺖ اﻟﺠﺬر‪ً ،‬‬
‫ً‬ ‫اﻟﱰﺑﻴﻌﻲ ﻟﻠﻌﺪد اﻵﺧﺮ ﻳﻜﻮن‬

‫‪9u 4 b = 9 b × 4 b‬‬

‫‪36‬‬
‫‪4‬‬ ‫‪b = 4 b ÷ 36 b‬‬ ‫أﻣﺎ ﰲ ﺣﺎﻟﺔ اﻟﻘﺴﻤﺔ ﻓﻨﺠﺪ أن‬

‫أﻳﻀﺎ‪ ،‬ﻓﺈن أﺣﺪ اﻟﻌﺪدﻳﻦ ﻗﺪ ﻳﻜﻮن ﻏري ﻣﺠـﺬور ﺑﻴـﻨام اﻟﻌـﺪد اﻟﺜـﺎين ﻣﺠـﺬور‪ ،‬وﰲ‬
‫وﰲ ﺣﺎﻟﺔ اﻟﴬب ً‬
‫ﻓﻤﺜﻼ‪:‬‬
‫ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺘﻢ اﻟﺤﺼﻮل ﻋﲆ ﻧﺘﺎﺗﺞ اﻟﻀـﺮب ﺑﱰﺑﻴﻊ اﻟﻌﺪد اﻷول ووﺿﻊ اﻟﻌﺪدﻳﻦ ﺗﺤﺖ اﻟﺠﺬر‪ً ،‬‬

‫‪36 u 81 b = 36 b × ٩‬‬

‫‪-˽˼-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫وﰲ ﺣﺎﻟﺔ اﻟﻘﺴﻤﺔ ﻓﺈن‪:‬‬

‫‪٣ = 27‬‬
‫‪3‬‬ ‫‪b = 39‬‬
‫ﻓﻤﺜﻼ‪:‬‬
‫أوﻻ ﻋﲆ اﻟﺠﺬور‪ً ،‬‬
‫وﻗﺒﻞ اﻟﺒﺪء ﰲ ﻋﻤﻠﻴﺎت اﻟﺠﻤﻊ أو اﻟﻄﺮح ﻳﺠﺐ اﻟﺤﺼﻮل ً‬

‫‪٥=9b +4b‬‬

‫وﻗﻴﻤﺔ ﻫﺬا اﻟﻨﺎﺗﺞ ﻻ ﺗﺴﺎوي ﻧﺎﺗﺞ ‪9  4 b‬‬

‫أﻳﻀﺎ اﻷﺳﺲ واﻟﻠﻮﻏﺎرﻳﺘامت ﺑﺎﻋﺘﺒﺎرﻫﺎ ﺿﻤﻦ اﻟﺒﺪﻳﻬﻴﺎت اﻟﺠﱪﻳﺔ ﻟﻺﺣـﺼﺎء‪ .‬ﻓﻤـﻦ اﳌﻌـﺮوف أن‬
‫ﻫﻨﺎك ً‬
‫ﻣﴬوﺑﺎ ﰲ ﻧﻔـﺴﻪ ﻟﻠﺤـﺼﻮل ﻋـﲆ‬
‫ً‬ ‫»أس« )‪ (Exponent‬أي رﻗﻢ ﻫﻮ ﻋﺪد اﳌﺮات اﻟﺘﻲ ﻳﻜﻮن ﻓﻴﻬﺎ ﻫﺬا اﻟﺮﻗﻢ‬
‫ﻣﻮﺟﺒﺎ‪ .‬ﻓﺎﳌﻘﺪار ص‪) ٥‬ص أس ﺧﻤﺴﺔ( ﻳﺪل ﻋـﲆ‬
‫ً‬ ‫ﺻﺤﻴﺤﺎ‬
‫ً‬ ‫ﻋﺪدا‬
‫اﻷس أن ﻳﻜﻮن ً‬
‫ﻗﻴﻤﺔ ﻣﻌﻴﻨﺔ‪ ،‬وﻳﺸﱰط ﰲ ْ‬
‫أن ص ﻣﴬوب ﰲ ﻧﻔﺴﻪ ﺧﻤﺲ ﻣﺮات‪ ،‬وﻫﻜﺬا ﻓﺈن س‪ = ٤‬س × س × س × س‪ ،‬ﻛام أن ‪) ٣٧‬وﺗﻨﻄـﻖ ‪٧‬‬
‫أس ‪ ،(٣‬ﺗﺴﺎوي ‪٣٤٣ = ٧ × ٧ × ٧‬‬
‫‪٨‬‬ ‫‪+‬‬
‫وﻛﺬﻟﻚ ‪ ٢) ٢ = ٥ ٣ ٢ = (٢×٢×٢×٢×٢) × (٢×٢×٢) = ٥٢ × ٣٢‬أس مثﺎﻧﻴﺔ(‬

‫‪٩‬‬ ‫‪+ +٢‬‬ ‫‪٤‬‬ ‫‪٣‬‬ ‫‪٢‬‬

‫ﻛام أن ‪) ٧ = ٤ ٣ ٧ = ٧ × ٧ × ٧‬ﺳﺒﻌﺔ ُ ْ‬
‫أس ﺗﺴﻌﺔ(‪.‬‬

‫أﻣﺎ اﻟﻠﻮﻏﺎرﻳﺘامت )‪ ،(Logarithms‬ﻓﻬﻲ ﻣﺠﺎل ﻣﺘـﺴﻊ وﺗﺨـﺼﺺ ﻗـﺎﺋﻢ ﺑﺬاﺗـﻪ‪ ،‬وﻳـﺴﺘﺨﺪم اﻻﺧﺘـﺼﺎر‬
‫»ﻟﻮج« )‪ (Log‬ﻛﻤﺨﺘﺼـﺮ ﻟﻜﻠﻤﺔ )ﻟﻮﻏﺎرﻳﺘﻢ(‪ ،‬مبﻌﻨﻰ أن ﻟﻮج س )ﻣﻌﻨﺎﻫﺎ ﻟﻮﻏﺎرﻳﺘﻢ س(‪ ،‬وﻳﺴﺘﺨﺪم اﻟﺤﺮف‬
‫اﻹﻧﺠﻠﻴﺰي ‪ e‬مبﻌﻨﻰ اﻟﻠﻮﻏﺎرﻳﺘﻢ اﻟﻄﺒﻴﻌﻲ وﻗﻴﻤﺘﻪ ‪٢.٧١٨٢٨‬‬

‫وﺑﻮﺟﻪ ﻋﺎم‪ ،‬ﻓﺈن ﻟﻮﻏﺎرﻳﺘﻢ أي ﻋﺪد ﻣﻌﻠﻮم ﻫﻮ »اﻷس« اﻟﺬي ﻳﺮﻓﻊ إﻟﻴـﻪ اﻷﺳـﺎس ﻟﻴﻨـﺘﺞ‬
‫اﻟﻌﺪد اﳌﻔﺮوض‪ ،‬وﻳﺴﻤﻰ اﻟﻌﺪد اﻷﺻﲇ اﻷﺳﺎس‪ ،‬أﻣـﺎ اﻟـﺮﻗﻢ اﻟـﺬي ﻳﺮﻓـﻊ إﻟﻴـﻪ ﻫـﺬا اﻟﻌـﺪد‬

‫‪-˽˽-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﻓﻴﺴﻤﻰ »اﻷس«‪ .‬ﻋﲆ ﺳـﺒﻴﻞ اﳌﺜـﺎل ﻓـﺈن ‪١٢٥ = ٣ ٥‬؛ أي أن اﻟﻌـﺪد ‪ ٥‬ﻳﺠـﺐ أن ﻳﺮﻓـﻊ إﱃ اﻟـﺮﻗﻢ ‪ ٣‬ﺣﺘـﻰ‬
‫ﻋﺎﻣﺎ ﻟﺘﺴﻬﻴﻞ ﻋﻤﻠﻴﺎت اﻟﺤﺴﺎب ﻣﻦ ﺟـﺪاول اﻟﻠﻮﻏـﺎرﻳﺘامت‪.‬‬
‫أﺳﺎﺳﺎ ّ‬
‫ﻧﺤﺼﻞ ﻋﲆ ‪ ١٢٥‬وﻗﺪ اﺗﺨﺬ اﻟﺮﻗﻢ ‪ً ١٠‬‬
‫ﻤـﺜﻼ‪،‬‬
‫وﰲ ﻣﺠﺎل اﻹﺣﺼﺎء ﺗﺴﺘﺨﺪم ﺟﺪاول اﻟﻠﻮﻏﺎرﻳﺘامت اﻟﺘـﻲ ﺗﺘﺨـﺬ اﻷﺳـﺎس اﻟﺨـﺎص ﺑﻬـﺎ اﻟﻌـﺪد ‪ .١٠‬ﻓ ً‬
‫‪ ،٣١٠ = ١٠٠٠‬وﺗﻜﺘــﺐ ﻟــﻮج ‪ ،٣ = ١٠٠٠‬ﻛــام أن ‪٢١٠ = ١٠٠‬؛ أي ﻟــﻮج ‪ ،٢ = ١٠٠‬وﻛــﺬﻟﻚ ‪،١١٠ = ١٠‬‬
‫وﺗﻜﺘﺐ ﻟﻮج ‪ ..١ = ١٠‬وﻫﻜﺬا‪.‬‬

‫اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‬

‫اﺳﺘﺨﺪام اﻟﺤﺎﺳــــﺐ اﻵﱄ ﰲ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ‬

‫اﳌﻄﻠﺐ اﻷول‪ :‬اﻟﺤﺎﺳﺐ واﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ‬

‫ً‬
‫أوﻻ‪ :‬ﻣﺰاﻳﺎ اﻟﺤﺎﺳﻮب وﺣﺪوده‬

‫أدى اﻟﺘﻘﺪم اﻟﻜﺒري اﻟﺬي ﺣﺪث ﰲ اﻵﻻت اﻟﺤﺎﺳﺒﺔ واﻟﺤﻮاﺳﻴﺐ إﱃ ﺗﺴﻬﻴﻞ وﴎﻋﺔ إﺟﺮاء اﻟﻌﻤﻠﻴـﺎت‬
‫اﻟﺤﺴﺎﺑﻴﺔ ﻣﻬام ﻛﺎﻧﺖ ﻣﻌﻘﺪة‪.‬اﳌﺸﻜﻠﺔ أن اﻟﻜﺜري ﻣﻦ اﻟﺒﺎﺣﺜني ﻻ ﻳﻌﻄﻮن اﻻﻫﺘامم اﻟﻜﺎﰲ ﻟﺘﺤﻠﻴﻞ اﻟﺒﻴﺎﻧﺎت‬
‫اﳌﻴﺪاﻧﻴﺔ ﺑﺤﺠﺔ أن اﻟﺤﺎﺳﻮب )ﺳﻴﺠﺮي( ﻫﺬا اﻟﺘﺤﻠﻴﻞ ﻋﻦ ﻃﺮﻳﻖ اﻟﱪاﻣﺞ اﻹﺣـﺼﺎﺋﻴﺔ اﳌﺘـﻮاﻓﺮة! ﻟﻜـﻦ ﻣـﻦ‬
‫أﺳﺎﺳﻴﺎ ﻻ ﻳﺘﺠﺰأ ﻣﻦ ﻋﻤﻠﻴﺔ اﻟﺒﺤﺚ ذاﺗﻬـﺎ‪،‬‬
‫ّ‬ ‫ﺟﺰءا‬
‫اﻟﴬوري ﻫﻨﺎ اﻟﺘﺄﻛﻴﺪ ﻋﲆ أن ﻋﻤﻠﻴﺔ ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧﺎت ﺗﻌﺪ ً‬
‫وﻳﱰﺗﺐ ﻋﻠﻴﻬﺎ اﺳﺘﺨﻼص اﻟﻨﺘﺎﺋﺞ واﻟﺘﻔﺴريات‪.‬‬

‫وﻣام ﻻ ﺷﻚ ﻓﻴﻪ أن اﻟﺤﺎﺳﻮب ميﻜﻨﻪ ﺗﺨﺰﻳﻦ ﻛﻤﻴﺎت ﻛﺒرية ﻣـﻦ اﻟﺒﻴﺎﻧـﺎت ﻳﻌﺠـﺰ اﻟﻌﻘـﻞ‬
‫اﻟﺒﴩي ﻋﻦ ﺗﺨﺰﻳﻨﻬﺎ واﻟﺘﻌﺎﻣﻞ ﻣﻌﻬﺎ‪ ،‬ﻛـام ميﻜـﻦ ﻟﻠﺤﺎﺳـﻮب إﺟـﺮاء اﻟﻌﺪﻳـﺪ ﻣـﻦ اﻟﻌﻤﻠﻴـﺎت‬
‫اﻹﺣﺼﺎﺋﻴﺔ واﻟﺮﻳﺎﺿﻴﺔ اﳌﻌﻘﺪة ﻋﲆ اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﻳﺤﺘﺎج اﻟﻌﻘـﻞ اﻟﺒـﺸـﺮي إﱃ وﻗـﺖ ﻃﻮﻳـﻞ‬

‫‪-˽˾-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫وﺟﻬﺪ ﺷﺎق ﻹﻧﺠﺎزﻫﺎ‪ ،‬ﻓﺎﻟﺤﺎﺳﻮب ﻳﺘﻤﻴﺰ ﺑﺎﻟﴪﻋﺔ اﻟﻔﺎﺋﻘﺔ واﻟﺪﻗﺔ اﳌﺘﻨﺎﻫﻴﺔ ﰲ إﺟﺮاء ﻫﺬه اﻟﻌﻤﻠﻴـﺎت؛ ﻣـام‬
‫ﻳﻮﻓﺮ ﻋﲆ اﻟﺒﺎﺣﺚ ﻛﺜ ًريا ﻣﻦ اﻟﻮﻗﺖ واﻟﺠﻬﺪ‪.‬‬

‫أﻳﻀﺎ أن اﻟﺒﺎﺣـﺚ ﰲ اﻟﻌﻠـﻮم اﻻﺟﺘامﻋﻴـﺔ ﺑﻌﺎﻣـﺔ ﻻ ميﻜﻨـﻪ دراﺳـﺔ اﻟﻈـﻮاﻫﺮ اﻟـﺴﻠﻮﻛﻴﺔ‬

‫وﻣﻦ اﳌﻌﺮوف ً‬
‫دراﺳﺔ ﻣﺘﻌﻤﻘﺔ دون أن ﻳﺄﺧﺬ ﰲ اﻻﻋﺘﺒﺎر اﳌﺘﻐريات اﻷﺳﺎﺳﻴﺔ اﻟﺘﻲ ميﻜﻦ أن ﺗﺆﺛﺮ ﰲ ﻫﺬه اﻟﻈﻮاﻫﺮ‪ ،‬وﻫـﺬا‬
‫ﻳﺠﻌﻞ اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﻳﺠﻤﻌﻬﺎ اﻟﺒﺎﺣﺚ ﻋﻦ ﻇﺎﻫﺮة ﻣﻌﻴﻨﺔ ﻣﺘﻌﺪدة اﳌﺘﻐريات؛ اﻷﻣﺮ اﻟﺬي ﻳﺘﻄﻠـﺐ اﻹﻓـﺎدة‬
‫ﻣﻦ إﻣﻜﺎﻧﺎت اﻟﺤﺎﺳﻮب ﰲ ﺗﺤﻠﻴﻞ ﻫﺬه اﻟﺒﻴﺎﻧﺎت ومتﺜﻴﻠﻬﺎ ﺑﺎﻟـﺼﻴﻎ اﻟـﺼﺤﻴﺤﺔ؛ ﺣﺘـﻰ ﻳﺘـﺴﻨﻰ ﻟـﻪ دراﺳـﺘﻬﺎ‬
‫ﻋﻠﻤﻴﺎ‪.‬‬
‫دراﺳﺔ ﻓﺎﺣﺼﺔ وﺗﻔﺴريﻫﺎ ﺗﻔﺴ ًريا ّ‬
‫وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ ذﻟﻚ ﻓﺈن اﻟﺤﺎﺳﻮب ﻻ ﻳﺴﺘﻄﻴﻊ اﻟﺘﻤﻴﻴﺰ ﺑـني اﻻﺳـﺘﺨﺪام اﳌﻨﺎﺳـﺐ واﻻﺳـﺘﺨﺪام ﻏـري‬
‫اﳌﻨﺎﺳﺐ ﻟﻸﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ؛ ﻧﻈ ًﺮا ﻷﻧﻪ ﻳﺠﺮي اﻟﻌﻤﻠﻴﺎت اﻟﺘﻲ ﺗﺘﻄﻠﺒﻬﺎ ﻫﺬه اﻷﺳﺎﻟﻴﺐ ﺑﻄﺮﻳﻘﺔ آﻟﻴﺔ وﻓـﻖ‬
‫ﻣـﺜﻼ ميﻜـﻦ إﻳﺠـﺎد‬
‫ﻧﻈﺎم ﻣﻌني ﻋﲆ أي ﺑﻴﺎﻧﺎت ﻳﺪﺧﻠﻬﺎ اﻟﺒﺎﺣﺚ‪ ،‬ﻓﻤﻦ ﺧﻼل اﻟﱪﻧﺎﻣﺞ اﻹﺣـﺼﺎيئ اﻟﺤﺎﺳـﻮيب ً‬
‫ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن ﺑني ﻣﺘﻐـريﻳﻦ اﺳـﻤﻴني إذا أﻋﻄﻴﻨـﺎه اﻟﺘﻌﻠـﻴامت اﻟﺨﺎﺻـﺔ ﺑـﺬﻟﻚ‪ ،‬رﻏـﻢ أن ﻣﻌﺎﻣـﻞ‬
‫ارﺗﺒﺎط ﺑريﺳﻮن ﻻ ﻳﺴﺘﺨﺪم ﻣﻊ ﻣﺘﻐريﻳﻦ اﺳﻤﻴني‪ ،‬ﻛام ميﻜﻦ اﻟﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻂ اﻟﺤـﺴﺎيب )‪ (Mean‬ﻟﻘـﻴﻢ‬
‫أي ﻣـﻦ‬
‫ﻣﺘﻮﺳﻂ ﻣﺘﻐري اﺳﻤﻲ ﻣﺜﻞ اﻟﻨﻮع أو اﻟﺪﻳﺎﻧﺔ أو اﻻﻧﺘامء إﱃ ﻧﺎدي ﻣﻌني ﻣﺎ دام اﻟﺒﺎﺣﺚ ﻗﺎم ﺑﱰﻣﻴـﺰ ﱟ‬
‫ﻫﺬه اﳌﺘﻐريات ﺗﺮﻣﻴﺰا ﻛﻤﻴّﺎ‪ ،‬رﻏﻢ أن اﻟﻨﺘﺎﺋﺞ ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﺗﻜﻮن ﻋﺪميـﺔ اﳌﻌﻨـﻰ؛ أي أن اﳌـﺪﺧﻼت ﻏـري‬
‫اﳌﻨﺎﺳﺒﺔ واﻷواﻣﺮ ﻏري اﻟﺴﻠﻴﻤﺔ ﰲ اﻟﺘﻌﺎﻣﻞ ﻣﻊ اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ ﺗﺆدي إﱃ ﻣﺨﺮﺟﺎت أو ﻣﻌﻄﻴﺎت ﺧﺎﻃﺌـﺔ‬
‫أو ﻋﺪميﺔ اﻟﻘﻴﻤﺔ وﻻ ﺗﻌﻨﻲ ﺷﻴﺌﺎ‪،‬وﻫﺬا ﻳﻘﺘﻀـﻲ أﻻ ﻳﺤﺎول اﻟﺒﺎﺣﺚ اﺳﺘﺨﺪام أﺳـﻠﻮب إﺣـﺼﺎيئ ﻣﻌـني دون‬
‫ﻓﻬﻢ ﻣﺘﻄﻠﺒﺎت ﻫﺬا اﻷﺳﻠﻮب وﻓﺮﺿﻴﺎﺗﻪ وﻣﻼءﻣﺘﻪ ﻟﻨﻮع اﻟﺒﻴﺎﻧﺎت وﻃﺒﻴﻌﺘﻬﺎ وﻣﻌﻨـﻰ اﳌﻌﻄﻴـﺎت اﻹﺣـﺼﺎﺋﻴﺔ‬
‫اﻟﺘﻲ ﺗﻨﺘﺞ ﻋﻦ اﺳﺘﺨﺪاﻣﻪ‪.‬‬

‫‪-˽˿-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﺛﺎًﻧﻴﺎ‪ :‬اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة‬

‫ﻫﻨﺎك ﻋﺪد ﻣﻦ اﻟﱪاﻣﺞ واﻟﺤـﺰم اﻹﺣـﺼﺎﺋﻴﺔ اﳌﺘـﻮاﻓﺮة اﻟﺘـﻲ ميﻜـﻦ أن ﻳـﺴﺘﺨﺪﻣﻬﺎ اﻟﺒﺎﺣـﺚ ﰲ ﺗﺤﻠﻴـﻞ‬
‫اﻟﺒﻴﺎﻧﺎت‪ ،‬وﻣﻦ أﻫﻢ اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ ﺷﺎﺋﻌﺔ اﻻﺳﺘﺨﺪام ﰲ اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ واﻹﻧـﺴﺎﻧﻴﺔ ﺑﺮﻧـﺎﻣﺞ ﺣﺰﻣـﺔ‬
‫اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴـﺔ )‪ (Statistical Package for the Social Sciences‬واﳌﻌﺮوﻓـﺔ اﺧﺘـﺼﺎ ًرا‬
‫أﻳﻀﺎ ﺣﺰﻣﺔ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ )‪ ،(MINITAB‬وﻫﻲ ﻣﻦ اﻟﺤـﺰم اﻟﺤﺎﺳـﻮﺑﻴﺔ اﻟﺠﻴـﺪة اﻟﺘـﻲ‬
‫)‪ ،(SPSS‬وﻫﻨﺎك ً‬
‫أﻳـﻀﺎ ﺑﺮﻧـﺎﻣﺞ ﻧﻈـﺎم ﺗﺤﻠﻴـﻞ اﻟﺒﻴﺎﻧـﺎت )‪(Statistical Analysis System‬‬
‫ميﻜﻦ إدارﺗﻬﺎ ﰲ ﺑﻴﺌﺔ اﻟﻨﻮاﻓﺬ‪ ،‬ﻫﻨﺎك ً‬
‫)‪ (SAS‬وﻫﻮ ﻣﻦ اﻟﺤﺰم اﻹﺣﺼﺎﺋﻴﺔ اﻟﺒﺴﻴﻄﺔ واﻟﻘﻮﻳﺔ اﻟﺘﻲ ﺗﻔﻴﺪ اﻟﺒـﺎﺣﺜني ﰲ ﺗﺤﻠﻴـﻞ اﻟﺒﻴﺎﻧـﺎت ﰲ اﳌﺠـﺎﻻت‬
‫اﻟﺘﻄﺒﻴﻘﻴﺔ اﳌﺨﺘﻠﻔﺔ‪ ،‬ﻛام أن ﺑﺮﻧﺎﻣﺞ ﺗﺤﻠﻴﻞ ﺑﻴﺎﻧـﺎت اﳌـﺴﻮح )‪ (MICROTEST‬ﻣـﻦ اﻟـﱪاﻣﺞ اﻟﺘـﻲ ﺗﻔﻴـﺪ ﰲ‬
‫ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧﺎت اﳌﺴﺘﻤﺪة ﻣﻦ ﻣﻘﺎﻳﻴﺲ اﻻﺗﺠﺎﻫﺎت واﳌﻴﻮل‪ ،‬واﳌﺴﻮح اﻟﱰﺑﻮﻳـﺔ واﻻﺟﺘامﻋﻴـﺔ واﻻﻗﺘـﺼﺎدﻳﺔ‪،‬‬
‫ﻛام ﺗﻬﺘﻢ ﺑﺘﻄﻮﻳﺮه ﻣﺆﺳﺴﺔ ﻧﻈﻢ اﻟﺤﺎﺳﻮب اﻷﻣﺮﻳﻜﻴﺔ )‪ ،(National Computer Systems‬ﺑﺎﻹﺿﺎﻓﺔ إﱃ ذﻟﻚ‬
‫ﻫﻨﺎك ﺑﺮﻧﺎﻣﺞ )‪ ،(Micro Stat‬وﻫﻮ أﺣﺪ اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﻴﺪة‪ ،‬وميﺘﺎز ﺑﺴﻬﻮﻟﺔ اﻻﺳﺘﺨﺪام‪ ،‬وﻳﻌﺘﻤﺪ ﻋﲆ‬
‫أﺳﻠﻮب اﻟﺤﻮار ﻣﻊ اﳌﺴﺘﺨﺪم ﻣﻦ ﺧﻼل ﻃﺮح اﻷﺳﺌﻠﺔ واﻻﺧﺘﻴﺎرات اﳌﺨﺘﻠﻔﺔ اﻟﺘﻲ ميﻜﻦ اﻻﺧﺘﻴـﺎر اﳌﻨﺎﺳـﺐ‬
‫ﻣﻨﻬﺎ‪.‬‬

‫اﳌﻄﻠﺐ اﻟﺜﺎين‪ :‬ﺗﻌﺮﻳﻒ ﺑﺎﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ‬

‫ﻋﲆ اﻟﺮﻏﻢ ﻣﻦ اﳌﺰاﻳﺎ اﻟﻔﺎﺋﻘـﺔ ﻟﻠـﱪاﻣﺞ اﻹﺣـﺼﺎﺋﻴﺔ اﻟﺠـﺎﻫﺰة ﺑﻮﺟـﻪ ﻋـﺎم‪ ،‬إﻻ أن اﻟﺤﺰﻣـﺔ اﻹﺣـﺼﺎﺋﻴﺔ‬
‫ﺷـﻴﻮﻋﺎ ﻋـﲆ ﻣـﺴﺘﻮى اﻟﻌـﺎمل‪ ،‬ﻛـام أﻧﻬـﺎ ﻫـﻲ اﻷﻛـرث‬
‫ً‬ ‫ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ )‪ (SPSS‬ﺗﻌﺘﱪ أﻛرث ﻫـﺬه اﻟـﱪاﻣﺞ‬
‫اﺳﺘﺨﺪاﻣﺎ ﰲ اﳌﺠﺎﻻت اﻟﺒﺤﺜﻴﺔ اﳌﺨﺘﻠﻔﺔ ﰲ ﻣﺼـﺮ واﻟﻌﺎمل اﻟﻌﺮيب‪ .‬وﻫﺬه اﻟﺤﺰﻣﺔ ﻋﺒﺎرة ﻋـﻦ ﻣﺠﻤﻮﻋـﺔ ﻣـﻦ‬
‫ً‬
‫اﻟﱪاﻣﺞ اﳌﺤﻮﺳﺒﺔ‪ ،‬واﳌﻌﺪة ﻣﺴﺒﻘًﺎ )ﺟﺎﻫﺰة( ﻹدﺧﺎل وﻣﻌﺎﻟﺠﺔ اﻟﺒﻴﺎﻧﺎت اﻹﺣﺼﺎﺋﻴﺔ ﻣﻦ ﺧﻼل اﻟﺤﺎﺳﻮب‪.‬‬

‫‪-˽̀-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﻇﻬﺮت أﻗﺪم اﻹﺻﺪارات ﻣﻦ اﻟﺤﺰﻣﺔ )‪ (SPSS‬ﻋﺎم ‪١٩٧٠‬؛ ﺑﻬﺪف اﻟﺘﺸﻐﻴﻞ ﻋـﲆ اﻟﺤﺎﺳـﺒﺎت اﻟﻜﺒـرية‪ ،‬ﺑﻌـﺪ‬
‫ذﻟﻚ ﻇﻬﺮت اﻹﺻﺪارات اﻷوﱃ ﻟﻠﺤﺰﻣﺔ ﺧـﻼل اﻟﻨـﺼﻒ اﻷول ﻣـﻦ اﻟـﺴﺒﻌﻴﻨﻴﺎت ﰲ اﻟﻘـﺮن اﻟﻌـﴩﻳﻦ‪ ،‬وﻛﺎﻧـﺖ‬
‫ﻣﺤﺪودا؛ وذﻟﻚ ﻟـﺼﻌﻮﺑﺔ اﻟﺘﻌﺎﻣـﻞ ﻣﻌﻬـﺎ وﻻﺣﺘﻴﺎﺟﻬـﺎ إﱃ أن‬
‫ً‬ ‫ﺗﻌﻤﻞ ﺗﺤﺖ ﻧﻈﺎم )‪ (Dos‬ﻣام ﺟﻌﻞ اﺳﺘﺨﺪاﻣﻬﺎ‬
‫ﻳﻜﻮن اﳌﺴﺘﺨﺪم ﻋﲆ دراﻳﺔ وﺧﱪة ﺑﻄﺮﻳﻘﺔ وﺑﻘﻮاﻋﺪ ﻛﺘﺎﺑﻪ اﻷواﻣﺮ اﻟﻼزﻣﺔ ﻟﺘﻨﻔﻴﺬ ﻋﻤﻠﻴﺎت اﻟﻌﺮض واﻟﺘﺤﻠﻴﻞ‪.‬‬

‫ﻛﺒريا ﻣﻦ اﳌﺴﺘﺨﺪم ﻋﻨﺪ اﻟﺘﻨﻔﻴﺬ‪ ،‬وﻻ ﻳﺴﺘﻄﻴﻊ ذﻟﻚ إﻻ إذا ﻛﺎن ﻋﲆ دراﻳﺔ ﺑﻄﺮﻳﻘـﺔ‬
‫ﺗﺪﺧﻼ ً‬
‫ﻫﺬا ﻳﻌـﻨﻲ ً‬
‫اﻟﺘﻌﺎﻣﻞ ﻣﻊ اﻟﺤﺎﺳﻮب ﺑﻮﺟﻪ ﻋﺎم واﻟﺤﺰﻣﺔ اﻹﺣﺼـﺎﺋﻴﺔ ﺑﻮﺟﻪ ﺧﺎص‪ ،‬ﰲ وﻗﺖ مل ﻳﻜﻦ اﻟﺤﺎﺳﻮب ﻗﺪ اﻧﺘـﴩ‬
‫ﻋﲆ ﻧﻄﺎق واﺳﻊ‪ ،‬ﻏري أﻧﻪ ﴎﻋﺎن ﻣﺎ ﺟﺎء اﻟﺘﻄﻮر اﻟﺠﻮﻫﺮي ﰲ اﻟﺤﺰﻣـﺔ اﻹﺣـﺼـﺎﺋﻴﺔ ﻟﻠﻌــﻠﻮم اﻻﺟﺘﻤــﺎﻋﻴﺔ‬
‫)‪ (SPSS‬ﻣﻨﺬ ﺑﺪاﻳﺔ اﻟﺘﺴﻌﻴﻨﻴﺎت ﻣﻦ اﻟﻘﺮن اﻟﻌـﺸـﺮﻳﻦ ﻋﻨـﺪﻣﺎ ﻇﻬـﺮ اﻹﺻــﺪار اﻟﺨـﺎﻣﺲ واﻟـﺴﺎدس ﺗﺤـﺖ‬
‫اﻟﻨﻮاﻓﺬ ﺑﺎﺳﻢ )‪ ،(SPSSWIN‬ﻓﺄﺻﺒﺢ اﻟﺘﻌﺎﻣﻞ ﻣﻊ اﻟﺤﺰﻣﺔ ﻣﺴﺄﻟﺔ ﺳﻬﻠﺔ؛ ﻣـام أدى إﱃ اﻧﺘـﺸﺎر اﺳـﺘﺨﺪاﻣﻬﺎ‪،‬‬
‫ﺛﻢ ﺗﻮاﻟﺖ اﻹﺻﺪارات اﳌﺘﻄﻮرة ﻣﻦ ﺗﻠﻚ اﻟﺤﺰﻣﺔ‪.‬‬

‫إن اﺳﺘﺨﺪام اﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ‪ ،‬ﻳﻘﺘﴤ ﺗﻌـﺮف ﻣﻜﻮﻧﺎﺗﻬـﺎ اﻷﺳﺎﺳـﻴﺔ وﺑﻴﺌـﺔ ﻋﻤﻠﻬـﺎ‬
‫ﺣﺎﺳﻮﺑﻴﺎ‪ .‬وﻣﻊ اﻟﺘﺴﻠﻴﻢ ﺑﺎﺗﺴﺎع ﻧﻄﺎق ﻫﺬا اﳌﻮﺿﻮع‪ ،‬ﻓﺈﻧﻨﺎ ﺳﻨﻮﺿـﺢ اﻷﻓﻜـﺎر واﻟﺘﻄﺒﻴﻘـﺎت اﻷﺳﺎﺳـﻴﺔ اﻟﺘـﻲ‬
‫ﺗﺴﺎﻋﺪ ﻋﲆ ﻓﻬﻢ اﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴـﺔ وﻛﻴﻔﻴـﺔ اﺳـﺘﺨﺪاﻣﻬﺎ‪ ،‬وذﻟـﻚ ﻣـﻦ ﺧـﻼل ﺗﻮﺿـﻴﺢ‬
‫اﻟﻨﻘﺎط اﻵﺗﻴﺔ‪:‬‬

‫ ﴍﻳﻂ أدوات اﻟﺤﺰﻣﺔ‬

‫ ﻗﻮاﺋﻢ اﻟﺤﺰﻣﺔ‬

‫ اﻟﺪﺧﻮل إﱃ اﻟﺤﺰﻣﺔ‬

‫ ﻧﻮاﻓﺬ )ﺷﺎﺷﺎت( اﻟﺤﺰﻣﺔ‪ ،‬وأﻫﻤﻬﺎ‪ :‬ﺷﺎﺷﺔ اﻹدﺧﺎل‪ ،‬ﺷﺎﺷـﺔ اﳌﻌﺎﻟﺠـﺔ )اﻟـﺼﻨﺪوق اﻟﺤـﻮاري(‪ ،‬ﺷﺎﺷـﺎت‬
‫اﻟﺘﺤﺮﻳﺮ )وﻫﻲ ﻣﺤﺮر اﻟﺠﺪاول‪ ،‬ﻣﺤﺮر اﻟﻨﺼﻮص‪ ،‬ﻣﺤﺮر اﻷﺷﻜﺎل(‪ ،‬ﺷﺎﺷﺔ اﻟﻨﺴﺦ‪ ،‬ﺷﺎﺷﺔ اﳌﺨﺮﺟﺎت‬

‫ اﻟﺤﻔﻆ واﻹﻧﻬﺎء‬
‫‪-˽́-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ً‬
‫أوﻻ‪ :‬ﴍﻳﻂ أدوات اﻟﺤﺰﻣﺔ‬

‫ﻳﺤﺘﻮي ﴍﻳﻂ اﻷدوات )‪ (SPSS Toolbar‬ﻋﲆ اﺧﺘﺼﺎر ﻟﺒﻌﺾ اﻟﻌﻤﻠﻴﺎت ﰲ ﺻـﻮرة أﻳﻘﻮﻧـﺎت رﺳـﻮﻣﻴﺔ‪،‬‬
‫ﻛﻞ رﺳﻢ ميﺜﻞ ﻋﻤﻠﻴﺔ ﻣﻌﻴﻨﺔ ﻣﺜﻞ‪ :‬ﻓﺘﺢ ﻣﻠﻒ‪ ،‬ﺣﻔﻆ ﻣﻠـﻒ‪ ...‬إﻟـﺦ‪ ،‬وﻣـﻦ اﻟﺠـﺪﻳﺮ ﺑﺎﻟـﺬﻛﺮ أن ﺑﻌـﺾ ﻫـﺬه‬
‫اﻷﻳﻘﻮﻧﺎت ﻣﻮﺣﺪة اﻟﺸﻜﻞ ﻣﻊ اﻟﺘﻄﺒﻴﻘـﺎت اﻷﺧـﺮى اﳌﺨﺘﻠﻔـﺔ واﻟﺘـﻲ ﺗﻌﻤـﻞ ﺗﺤـﺖ اﻟﻨﻮاﻓـﺬ ﺳـﻮاء أﻛﺎﻧـﺖ‬
‫إﺣﺼﺎﺋﻴﺔ أم ﻏـري ذﻟـﻚ ﻣﺜـﻞ )‪ .(Word, Minitab‬وﻟﻜـﻞ ﻧﺎﻓـﺬة ﻣـﻦ ﻧﻮاﻓـﺬ ﻧﻈـﺎم )‪ (SPSS‬ﴍﻳـﻂ اﻷدوات‬
‫اﻟﺨﺎص ﺑﻬﺎ‪ ،‬ﻫﺬه اﻷﻳﻘﻮﻧﺎت ﺗﺴﺎﻋﺪ اﳌﺴﺘﺨﺪم ﻋﲆ ﺗﻨﻔﻴﺬ اﻷواﻣﺮ ﻣﺒﺎﴍة‪ .‬وﻳﺤﺘـﻮي ﴍﻳـﻂ اﻷدوات ﻋـﲆ‬
‫ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻷﻳﻘﻮﻧﺎت ﻟﻜﻞ ﻣﻨﻬﺎ اﺧﺘﺼﺎص ﻣﻌني ﰲ ﻋﻤﻞ اﻟﺤﺰﻣﺔ‪ ،‬ﻣﺜﻞ‪:‬‬

‫ ﻓﺘﺢ ﻣﻠﻒ‬

‫ ﺣﻔﻆ اﳌﻠﻒ‬

‫ ﻃﺒﻊ اﳌﻠﻒ‬

‫ ﺑﺤﺚ )‪(Find‬‬

‫ ﺗﺮاﺟﻊ )‪(Undo‬‬

‫ إﻇﻬﺎر آﺧﺮ اﻟﻌﻤﻠﻴﺎت اﻟﺘﻲ متﺖ )‪(Dialog Recall‬‬

‫ إدراج ﺣﺎﻟﺔ‬

‫ إدراج ﻣﺘﻐري‬

‫ ﺗﺠﺰﺋﺔ اﳌﻠﻒ‬

‫ إﻋﻄﺎء أوزان‬

‫ اﺧﺘﻴﺎر ﺣﺎﻟﺔ‬
‫‪-˽̂-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ اﺧﺘﻴﺎر ﻣﺠﻤﻮﻋﺔ ﺣﺎﻻت‬

‫ رؤﻳﺔ اﳌﺘﻐريات )‪(Variables View‬‬

‫ رؤﻳﺔ اﻟﺒﻴﺎﻧﺎت )‪(Data View‬‬

‫ رؤﻳﺔ رﻣﻮز ﻗﻴﻢ اﻻﺳﺘﺠﺎﺑﺎت )‪(Value Labels‬‬

‫‪ ...‬إﻟﺦ‪ ،‬وﻳﻼﺣﻆ إﺿﺎﻓﺔ إﻣﻜﺎﻧﺎت ﺟﺪﻳﺪة إﱃ ﴍﻳﻂ أدوات اﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠـﻮم اﻻﺟﺘامﻋﻴـﺔ ﰲ‬
‫إﺻﺪاراﺗﻬﺎ اﳌﺨﺘﻠﻔﺔ‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬ﻗﻮاﺋﻢ اﻟﺤﺰﻣﺔ‬

‫ً‬
‫ﺗﻌﺘﻤﺪ اﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ )‪ (SPSS‬ﻋـﲆ ﻗـﻮاﺋﻢ ﺟـﺎﻫﺰة رﺋﻴـﺴﻴﺔ )‪،(Menu Driven‬‬
‫وﻋﻨﺪ اﻟﻨﻘﺮ ﻋﲆ أي ﻗﺎمئﺔ ﺗﻨﺴﺪل ﻗﺎمئﺔ ﻓﺮﻋﻴﺔ ﺑﺎﻷواﻣﺮ اﻟﺘـﻲ ﺗﺘـﻀﻤﻨﻬﺎ اﻟﻘﺎمئـﺔ ﻷواﻣـﺮ ﻓﺮﻋﻴـﺔ إﱃ أﺳـﻔﻞ‬
‫)‪ ،(Pull Down‬وﺑﺬﻟﻚ ﻳﻜﻮن اﻟﺘﻌﺎﻣﻞ ﰲ اﻟﺤﺰﻣﺔ ﻋﻦ ﻃﺮﻳﻖ ﻣﺎ ﻳﺴﻤﻰ ﺑﺎﻟﻘﻮاﺋﻢ اﳌﻨﺴﺪﻟﺔ؛ ﺣﻴـﺚ ﺗـﺼﺎﺣﺐ‬
‫ﻛﻞ أﻳﻘﻮﻧﺔ ﰲ ﴍﻳﻂ اﻟﻘﻮاﺋﻢ ﻗﺎمئﺔ ﺗﻈﻬﺮ مبﺠﺮد اﻟﻨﻘﺮ ﻋﲆ اﻷﻳﻘﻮﻧﺔ‪ ،‬ﺗﻮﺟﺪ داﺧﻞ ﻛﻞ ﻗﺎمئﺔ ﻣﺠﻤﻮﻋﺔ ﻣﻦ‬
‫اﻷواﻣﺮ‪ .‬وﻫﻨﺎك ﻧﻮﻋﺎن ﻣﻦ اﻷواﻣﺮ‪:‬‬

‫اﻟﻨﻮع اﻷول‪ :‬ﻫﻮ اﻷﻣﺮ اﻟﺬي ﻻ ﻳﻮﺟﺪ ﻟﻪ أواﻣﺮ ﻓﺮﻋﻴﺔ‪ ،‬وﻳﺘﻢ ﺗﻨﻔﻴﺬه ﻓﻮ ًرا ﺑﺎﻟﻨﻘﺮ ﻋﲆ اﻷﻣﺮ ﻣﺜﻞ‪ :‬اﻷﻣـﺮ‬
‫)‪ ،(Save‬واﻷﻣﺮ )‪ (Print‬ﻣﻦ ﻗﺎمئﺔ )‪.(File‬‬

‫اﻟﻨﻮع اﻟﺜﺎين‪ :‬ﻫﻮ اﻷﻣﺮ اﻟﺬي ﻟﻪ أواﻣﺮ ﻓﺮﻋﻴﺔ‪ ،‬مبﻌﻨﻰ أﻧﻪ مبﺠـﺮد اﻟﻨﻘـﺮ ﻋـﲆ ﻫـﺬا اﻷﻣـﺮ‪ ،‬ﺗﻈﻬـﺮ ﻗﺎمئـﺔ‬
‫ﺑﺎﻷواﻣﺮ اﻟﻔﺮﻋﻴﺔ‪ ،‬واﻟﺘﻲ ﻳﺘﻢ اﺧﺘﻴﺎر أﺣﺪﻫﺎ – ﺣﺴﺐ اﻟﻌﻤﻠﻴﺔ اﳌﻄﻠﻮﺑﺔ‪.‬‬

‫وﻳﺘﻀﻤﻦ ﴍﻳﻂ اﻟﻘﻮاﺋﻢ ﻟﺸﺎﺷﺔ اﳌﺤﺮر ﻣﺠﻤﻮﻋﺔ ﻗﻮاﺋﻢ ﻣﺨﺘﻠﻔﺔ‪ ،‬أﻫﻤﻬﺎ‪:‬‬

‫‪ -١‬ﻗﺎمئﺔ ﻣﻠﻒ )‪ :(File‬وﺗﺴﻤﺢ ﻫﺬه اﻟﻘﺎمئﺔ ﺑﻔﺘﺢ ﻣﻠﻒ ﺟﺪﻳﺪ‪ ،‬أو ﻣﻠﻒ ﻣﻮﺟﻮد ﺑﺎﻟﻔﻌﻞ‪ ،‬وﻛـﺬﻟﻚ ﻣـﻦ‬
‫ﺧﻼل ﻫﺬه اﻟﻘﺎمئﺔ ميﻜﻦ ﺣﻔﻆ اﳌﻠﻔﺎت وﻃﺒﺎﻋﺘﻬﺎ‪ ...‬إﻟﺦ‪.‬‬

‫‪-˾˹-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫‪ -٢‬ﻗﺎمئﺔ ﺗﺤﺮﻳﺮ )‪ :(Edit‬وﻣﻦ ﺧﻼل ﻫﺬه اﻟﻘﺎمئﺔ ميﻜﻦ إﺟـﺮاء ﻋﻤﻠﻴـﺎت اﻟﻨـﺴﺦ )‪ (Copy‬أو اﻟﻘﻄـﻊ أو‬
‫اﻟﺤﺬف ﻣﻦ اﳌﻠﻒ‪.‬‬

‫‪ -٣‬ﻗﺎمئﺔ ﻋﺮض )‪ :(View‬ﺗـﺴﻤﺢ ﻫـﺬه اﻟﻘﺎمئـﺔ ﺑﺈﻇﻬـﺎر اﻷﻳﻘﻮﻧـﺎت‪ ،‬وﻛـﺬﻟﻚ إﻇﻬـﺎر وإﺧﻔـﺎء ﺧﻄـﻮط‬
‫ﻣﺼﻔﻮﻓﺔ اﻟﺒﻴﺎﻧﺎت ﰲ ﺻﻔﺤﺔ ﻣﺤﺮر اﻟﺒﻴﺎﻧﺎت‪ ،‬وﺗﻐﻴري ﻧﻮع وﺣﺠﻢ اﻟﺨﻂ أو إﺧﻔﺎء دﻻﻻت اﻟﻘﻴﻢ‪.‬‬

‫‪ -٤‬ﻗﺎمئﺔ اﻟﺒﻴﺎﻧﺎت )‪ :(Data‬ﺗﺴﻤﺢ ﺑﺘﻌﺮﻳﻒ ﻣﺘﻐريات وﺗﻐﻴـري أﺳـامﺋﻬﺎ واﻟﻘﻴـﺎم ﺑﻌﻤﻠﻴـﺎت أﺧـﺮى ﻣﺜـﻞ‬
‫ﺗﺤﻮﻳﻞ ﺑﻴﺎﻧﺎت‪ ،‬دﻣﺞ وﻓﺮز ﺑﻴﺎﻧـﺎت‪ ،‬دﻣـﺞ ﻣﻠﻔـﺎت‪ ،‬إدراج ﻣﺘﻐـريات وﺣـﺎﻻت‪ ،‬اﺧﺘﻴـﺎر ﻣﺘﻐـريات‬
‫وﺣﺎﻻت… إﻟﺦ‪.‬‬

‫‪ -٥‬ﻗﺎمئﺔ اﻟﺘﺤﻮﻳﻼت )‪ :(Transform‬ﺗﺴﺎﻋﺪ ﻋﲆ إﺟﺮاء اﻟﻌﻤﻠﻴﺎت اﻟﺤـﺴﺎﺑﻴﺔ اﳌﺨﺘﻠﻔـﺔ واﻟﺘـﻲ ﺗﺘـﻀﻤﻦ‬

‫اﺳﺘﺨﺪام اﻟﺪوال اﻟﺮﻳﺎﺿﻴﺔ واﻹﺣﺼﺎﺋﻴﺔ وإﻋﺎدة اﻟﺘﻜﻮﻳﺪ )‪ (Recode‬وﺗﺮﺗﻴﺐ اﻟﺒﻴﺎﻧﺎت‪.‬‬

‫‪ -٦‬ﻗﺎمئﺔ اﻟﻌﻤﻠﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ )‪ :(Analyze‬وﻣﻦ ﺧﻼﻟﻬﺎ ﻳﺘﻢ إﺟﺮاء اﻟﻌﻤﻠﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﳌﺨﺘﻠﻔﺔ‪.‬‬

‫‪ -٧‬ﻗﺎمئﺔ اﻟﺮﺳﻮﻣﺎت )‪ :(Graphics‬ﺗﺴﺘﺨﺪم ﻟﻌﻤﻞ اﻟﺮﺳﻮﻣﺎت واﻷﺷﻜﺎل اﻟﺒﻴﺎﻧﻴﺔ اﳌﺨﺘﻠﻔﺔ‪.‬‬

‫‪ -٨‬ﻗﺎمئﺔ اﻻﺳﺘﺨﺪاﻣﺎت )‪ :(Utilities‬وﻣﻦ ﺧﻼﻟﻬﺎ ﻳﺤﺼﻞ اﳌﺴﺘﺨﺪم ﻋﲆ ﻣﻌﻠﻮﻣﺎت ﻣﻔﺼﻠﺔ ﻋﻦ اﳌﻠـﻒ‬

‫واﳌﺘﻐريات اﻟﺘﻲ ﻳﺤﺘﻮﻳﻬﺎ‪.‬‬

‫‪ -٩‬ﻗﺎمئﺔ اﻹﻃﺎر )‪ :(Window‬ﺗﺘﺤﻜﻢ ﻫﺬه اﻟﻘﺎمئﺔ ﰲ ﺗﻜﺒري وﺗﺼﻐري اﻟـﺸﺎﺷﺔ‪ ،‬وﰲ اﻟﺘﻨﻘـﻞ ﺑـني اﻟﻨﻮاﻓـﺬ‬
‫اﳌﻔﺘﻮﺣﺔ اﳌﺨﺘﻠﻔﺔ‪.‬‬

‫‪-˾˺-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﻛﺎﻣﻼ ﻟﻠﻤﻌﻠﻮﻣﺎت ﻋﻦ اﻟﱪﻧـﺎﻣﺞ‪ ،‬ومبﺠـﺮد اﻟﻨﻘـﺮ‬

‫ﻧﻈﺎﻣﺎ ً‬
‫‪ -١٠‬ﻗﺎمئﺔ اﳌﺴﺎﻋﺪة )‪ :(Help‬ﺗﺘﻴﺢ ﻫﺬه اﻟﻘﺎمئﺔ ً‬
‫ﻋﲆ ﻫﺬا اﻷﻣﺮ ﻳﺤﺼﻞ اﳌﺴﺘﺨﺪم ﻋﲆ اﻹﺟﺎﺑﺔ اﻟﺘﻔﺼﻴﻠﻴﺔ ﻋﻦ اﳌﻌﺎﻣﻞ اﻹﺣﺼﺎيئ اﻟﺬي ﻳﺴﺘﺨﺪﻣﻪ‪.‬‬

‫ﺛﺎﻟﺜًﺎ‪ :‬اﻟﺪﺧﻮل إﱃ اﻟﺤﺰﻣﺔ‬

‫ﺑﻌﺪ ﺗﺤﻤﻴﻞ اﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ ﻋﲆ اﻟﺤﺎﺳﻮب‪ ،‬ﻓﺈﻧﻪ ﻣﻦ اﻟـﺴﻬﻮﻟﺔ اﻟـﺪﺧﻮل إﻟﻴﻬـﺎ‬
‫واﻟﺨﺮوج ﻣﻨﻬﺎ‪ ،‬ﻣﺜﻠﻬﺎ ﻣﺜﻞ أي ﺑﺮﻧﺎﻣﺞ ﺟﺎﻫﺰ‪ ،‬وﻫﻨﺎك ﻃﺮﻳﻘﺘﺎن ﻟﻠﺪﺧﻮل إﱃ اﻟﺤﺰﻣﺔ‪:‬‬

‫اﻟﻄﺮﻳﻘﺔ اﻷوﱃ‪ :‬وﻫﻲ ﺑﺎﺳﺘﺨﺪام اﻷﻣﺮ )‪ (Start‬اﳌﻮﺟﻮد ﰲ أﺳﻔﻞ ﺷﺎﺷـﺔ اﻟﺤﺎﺳــﻮب أﻗـﺼـﻰ اﻟﻴـﺴﺎر‪،‬‬
‫ﻓﻌﻨﺪ اﻟﻨﻘﺮ ﻋﲆ ﻫﺬا اﻷﻣﺮ ﺗﻈﻬﺮ ﻗﺎمئﺔ اﳌﺤﺘﻮﻳﺎت‪ ،‬ﻣﻦ ﺑﻴﻨﻬﺎ )‪ (All Programs‬وﺑﺎﻟﻨﻘـﺮ ﻋﻠﻴﻬﺎ ﺗﻈﻬﺮ ﻗﺎمئـﺔ‬
‫ﻓﺮﻋﻴﺔ ﺑﻬﺎ ﻛﻞ اﻟﱪاﻣﺞ اﳌﺘﺎﺣـﺔ مبﺎ ﻓﻴﻬﺎ )‪ ،(SPSS‬وﺑﺎﻟﻨﻘﺮ ﻋﲆ )‪ (SPSS‬ﻳﻔﺘﺢ اﻟﱪﻧﺎﻣﺞ‪.‬‬

‫اﻟﻄﺮﻳﻘﺔ اﻟﺜﺎﻧﻴﺔ‪ :‬ﻋﻤﻞ أﻳﻘﻮﻧﺔ ﻣﺨﺘﺼـﺮة )‪ (Short Cut Icon‬ﻣﻦ اﻟﺤﺰﻣﺔ ووﺿﻌﻬﺎ ﻋـﲆ ﺳـﻄﺢ اﳌﻜﺘـﺐ‬
‫)اﻟﺸﺎﺷﺔ( أي )‪ ،(Desktop‬وﻣﻦ ﺧﻼل اﻟﻨﻘﺮ اﳌﺰدوج ﻋﲆ ﺗﻠﻚ اﻷﻳﻘﻮﻧﺔ ﻳﺘﻢ اﻟﺪﺧﻮل ﻟﻠﱪﻧﺎﻣﺞ ﻣﺒﺎﴍة‪.‬‬

‫اﺑﻌﺎ‪ :‬ﻧﻮاﻓﺬ اﻟﺤﺰﻣﺔ‬

‫ر ً‬
‫ﺗﻌﻤﻞ اﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ )‪ (SPSS‬ﺗﺤﺖ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻨﻮاﻓـﺬ )‪ (Widows‬متﺜـﻞ ﰲ‬
‫ﻣﺠﻤﻮﻋﻬﺎ ﻣﻨﻈﻮﻣﺔ ﻟﻠﺘﻌﺎﻣﻞ ﻣﻊ اﻟﺤﺰﻣﺔ ﻣﻦ ﺧﻼل اﻟﺤﺎﺳﻮب‪ ،‬وﻣﻦ أﻫﻢ ﻧﻮاﻓﺬ )ﺷﺎﺷﺎت( اﻟﺤﺰﻣﺔ ﻣﺎ ﻳﲇ‪:‬‬

‫)أ( ﺷﺎﺷﺔ اﻹدﺧﺎل‪:‬‬

‫ﺗﻠﻘﺎﺋﻴﺎ‬
‫ّ‬ ‫وﺗﺴﻤﻰ ﺷﺎﺷﺔ ﻣﺤﺮر اﻟﺒﻴﺎﻧﺎت )‪ ،(Data Editor Window‬وﻫﺬه اﻟﺸﺎﺷﺔ ﺗﻔﺘﺢ‬
‫ﻋﻨــﺪ اﻟــﺪﺧﻮل إﱃ اﻟﱪﻧــﺎﻣﺞ‪ ،‬وﻣــﻦ ﺧــﻼل ﻫــﺬه اﻟــﺸﺎﺷﺔ ميﻜــﻦ ﻋــﺮض ﻣﺤﺘﻮﻳــﺎت ﻣﻠــﻒ‬

‫‪-˾˻-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﻟﺒﻴﺎﻧﺎت اﻟﺬي ﺳﻮف ﻳﺘﻌﺎﻣﻞ ﻣﻌﻪ اﳌـﺴﺘﺨﺪم‪ ،‬إﻣـﺎ ﻟﺘﺨﺰﻳﻨـﻪ أو ﻹدﺧـﺎل ﺑﻴﺎﻧـﺎت ﺟﺪﻳـﺪة أو ﻟﻠﻌـﺮض أو‬
‫ﻟﻠﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ‪ .‬ﺑﻴﺎﻧﺎت ﻫﺬه اﻟﺸﺎﺷﺔ ﻗﺎﺑﻠﺔ ﻟﻠﺘﻌـﺪﻳﻞ واﻟﺤﻔﻆ واﻟﻄﺒﺎﻋﺔ‪ .‬وﺗﺘﻤﺜﻞ أﻫﻢ اﻟﻌﻤﻠﻴـﺎت اﻟﺘـﻲ‬
‫ﺗﺘﻢ ﻋﲆ ﺷﺎﺷﺔ اﳌﺤﺮر ﰲ‪:‬‬

‫ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﻟﻠﺒﻴﺎﻧﺎت‪.‬‬

‫ إﻧﺸﺎء ﻣﻠﻒ ﺟﺪﻳﺪ ﻟﻠﺒﻴﺎﻧﺎت‪.‬‬

‫ ﻓﺘﺢ وﺗﻌﺪﻳﻞ ﻣﻠﻒ ﻣﻮﺟﻮد‪.‬‬

‫ ﻋﻤﻞ أﻳﺔ ﺗﺤﻮﻳﻼت ﻋﲆ اﻟﺒﻴﺎﻧﺎت‪.‬‬

‫ اﻟﺤﺼﻮل ﻋﲆ اﻷﺷﻜﺎل اﻟﺒﻴﺎﻧﻴﺔ واﻟﺠﺪاول‪.‬‬

‫ ﻋﺮض اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ‪.‬‬

‫وﺗﺘﻜﻮن ﺷﺎﺷﺔ اﳌﺤﺮر ﻣﻦ ﻋﺪة أﺟﺰاء رﺋﻴﺴﻴﺔ‪ ،‬متﻜﻦ اﳌﺴﺘﺨﺪم ﻣﻦ ﺗﺴﻤﻴﺔ اﳌﻠﻒ‪ ،‬وإدﺧﺎل اﻟﺒﻴﺎﻧـﺎت‪،‬‬
‫وﺣﻔﻆ اﳌﻠﻒ‪ ،‬ووﺻﻒ اﳌﺘﻐريات‪ ،‬وﻋـﺮض اﻟﺒﻴﺎﻧـﺎت اﳌﺪﺧﻠـﺔ‪ ،‬وﺑﻴـﺎن ﺣﺎﻟـﺔ اﻟﻌﻤـﻞ‪ ،‬ﻛـام ﻳﻮﺟـﺪ ﰲ ﻫـﺬه‬
‫اﻟﺸﺎﺷﺔ أﻳﻘﻮﻧﺎت ﻟﻐﻠﻖ اﻟﺸﺎﺷﺔ وﺗﺼﻐريﻫﺎ‪ ...‬إﻟﺦ‪ .‬وﰲ اﻟﺠﺰء اﻟﻌﻠﻮي ﻣﻦ اﻟـﺸﺎﺷﺔ ﻧﺠـﺪ ﻋﺒـﺎرة )‪Untitled-‬‬
‫‪ ،(SPSS Data Editor‬وﻓﻴﻬﺎ ﺗﺘﻢ ﻛﺘﺎﺑﺔ اﺳﻢ اﳌﻠﻒ‪ ،‬ﻓﺈذا مل ﻳﻜﺘﺐ اﳌﺴﺘﺨﺪم اﺳﻢ اﳌﻠﻒ‪ ،‬ﺗﻈﻞ ﻫﺬه اﻟﻌﺒـﺎرة‬
‫ﺛﺎﺑﺘـﺎ‬
‫ﻣﻮﺟﻮدة‪ ،‬وﻣﻦ اﻟﻄﺒﻴﻌﻲ أن ﻳﻜﺘﺐ اﳌﺴﺘﺨﺪم اﺳﻢ اﳌﻠﻒ ﻣﻨﺬ ﺑﺪاﻳـﺔ اﻟﺘـﺸﻐﻴﻞ‪ ،‬وﻳﻈـﻞ ﻫـﺬا اﻻﺳـﻢ ً‬
‫ﻟﻠﻤﻠﻒ‪.‬‬

‫)ب( ﺷﺎﺷﺔ اﳌﻌﺎﻟﺠﺔ )اﻟﺼﻨﺪوق اﻟﺤﻮاري(‪:‬‬

‫اﻟﺼﻨﺪوق اﻟﺤﻮاري )‪ (Dialogue Box‬ﻋﺒﺎرة ﻋﻦ ﺗﺼﻤﻴﻢ ﻣﺮﺳﻮم ﻳﺘـﻀﻤﻦ ﻗـﺴﻤني‪ ،‬ﻗـﺴﻢ‬

‫أﻳﴪ وآﺧﺮ أميﻦ‪ ،‬وﰲ اﻟﺠﺰء اﻷﺳﻔﻞ واﻷﻋﲆ ﻣﻦ اﻟـﺼﻨﺪوق ﻣﺠﻤﻮﻋـﺔ ﻣـﻦ اﻷواﻣـﺮ اﻟﺨﺎﺻـﺔ‬
‫ﺑﺎﻟﻌﻤﻠﻴــﺎت اﻹﺣــﺼﺎﺋﻴﺔ‪ .‬وﻋﻨــﺪ ﻃﻠــﺐ إﺟــﺮاء أﻳــﺔ ﻋﻤﻠﻴــﺔ إﺣــﺼﺎﺋﻴﺔ ﻣــﻦ اﻟﺤﺰﻣــﺔ اﻟﺠــﺎﻫﺰة‬
‫‪-˾˼-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ً‬
‫ﺻﻨﺪوﻗﺎ ﺣﻮارﻳّﺎ ﻳﺤﺘﻮي ﻋﲆ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺨﻴﺎرات‪ ،‬ﻛﻞ ﺧﻴـﺎر ميﺜـﻞ ﻟـﻪ أﻣـﺮ‬ ‫)‪ (SPSS‬ﻓﺈن اﻟﱪﻧﺎﻣﺞ ﻳﻈﻬﺮ‬
‫ﻣﻮﺿﺤﺎ اﻟﻌﻤﻠﻴﺔ اﻹﺣﺼﺎﺋﻴﺔ اﳌﻄﻠﻮﺑﺔ‬
‫ً‬ ‫ﻣﻌني‪ ،‬وﻳﻈﻬﺮ ﻫﺬا اﻷﻣﺮ أﻋﲆ اﻟﺼﻨﺪوق مبﺠﺮد اﻟﻨﻘﺮ ﻋﲆ ﻫﺬا اﻷﻣﺮ‪،‬‬
‫)واﻟﺘﻲ ﺗﻢ اﺧﺘﻴﺎرﻫﺎ(‪.‬‬

‫وﰲ اﻟﺠﺰء اﻷﻳﴪ ﻣﻦ اﻟﺼﻨﺪوق ﺗﻈﻬﺮ ﻗﺎمئﺔ ﺑﺄﺳـامء ﺟﻤﻴـﻊ اﳌﺘﻐـريات اﳌﻮﺟـﻮدة ﰲ اﳌﻠـﻒ اﻟﻨـﺸﻂ‬
‫واﳌﻔﺘﻮح ﻋﲆ ﺷﺎﺷﺔ اﳌﺤﺮر‪ ،‬وميﻜﻦ اﻟﺘﺠﻮل ﰲ ﻫﺬه اﻟﻘﺎمئـﺔ ﻣـﻦ أﻋـﲆ إﱃ أﺳـﻔﻞ واﻟﻌﻜـﺲ ﻋـﻦ ﻃﺮﻳـﻖ‬
‫اﻟﻔﺄرة‪.‬‬

‫أﻣﺎ اﻟﺠﺰء اﻷميﻦ ﻣﻦ اﻟﺼﻨﺪوق اﻟﺤﻮاري‪ ،‬ﻓﻬﻮ ﻋﺒﺎرة ﻋﻦ ﺷﻜﻞ ﻣﺮﺑـﻊ أﻋـﻼه ﻛﻠﻤـﺔ ))‪ (Variable(s‬وﰲ‬
‫ﻫﺬا اﻟﺠﺰء ﻳﺘﻢ ﻧﻘﻞ اﳌﺘﻐري أو اﳌﺘﻐريات اﳌﻄﻠﻮﺑﺔ‪ ،‬مبﻌﻨﻰ ﻧﻘﻠﻬﺎ ﻣﻦ اﻟﺠﺰء اﻷﻳﴪ إﱃ اﻟﺠﺰء اﻷميـﻦ ﻟﺘﺠـﺮى‬
‫ﻋﻠﻴﻬﺎ اﻟﻌﻤﻠﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﳌﻄﻠﻮﺑﺔ‪ ،‬وذﻟﻚ ﻣﻦ ﺧﻼل اﻟﻨﻘﺮ ﻋﲆ ﺗﻠـﻚ اﳌﺘﻐـريات‪ ،‬ﻓﻴﻈﻬـﺮ ﺳـﻬﻢ أﺳـﻮد ﰲ‬
‫ﻣﺘﺠﻬﺎ ﻧﺤﻮ اﻟﺠﺰء اﻷميﻦ‪ ،‬وﺑﺎﻟﻨﻘﺮ ﻋﲆ‬
‫ً‬ ‫اﻟﺠﺰء اﻟﻔﺎﺻﻞ ﺑني اﻟﺠﺰء اﻷميﻦ واﻟﺠﺰء اﻷﻳﴪ‪ ،‬وﻳﻜﻮن ﻫﺬا اﻟﺴﻬﻢ‬
‫ﻫﺬا اﻟﺴﻬﻢ ﻳﺘﻢ ﻧﻘﻞ اﳌﺘﻐري اﳌﺤﺪد ﻣﻦ اﻟﺠﺰء اﻷﻳﴪ إﱃ اﻟﺠﺰء اﻷميﻦ‪.‬‬

‫وﰲ اﻟﺠﺰء اﻷﺳﻔﻞ ﻣﻦ اﻟﺼﻨﺪوق ﺗﻈﻬﺮ اﻷزرار اﻟﺘﻲ ﺗﻮﺿﺢ ﻛـﻞ اﻷواﻣـﺮ اﳌﻌﻨﻴـﺔ ﺑﺎﻟﻌﻤﻠﻴـﺔ اﻹﺣـﺼﺎﺋﻴﺔ‬
‫اﻟﺘﻲ ﺣﺪدﻫﺎ اﳌﺴﺘﺨﺪم‪ ،‬وﻣﻦ ﺧﻼل إﻋﻄﺎء اﻷﻣﺮ اﳌﻄﻠﻮب‪ -‬ﺑﺎﻟﻨﻘﺮ ﻋﲆ ﻫﺬه اﻷزرار‪ -‬ﺛﻢ اﻟﻨﻘﺮ ﻋـﲆ اﻷﻣـﺮ‬
‫)‪ (Continue‬ﺛﻢ اﻷﻣﺮ )‪ (OK‬اﳌﻮﺟﻮدﻳﻦ أﻋـﲆ ميـني اﻟـﺼﻨﺪوق اﻟﺤـﻮاري ﻳـﺘﻢ ﺗﻨﻔﻴـﺬ اﻟﻌﻤﻠﻴـﺔ اﻹﺣـﺼﺎﺋﻴﺔ‬
‫اﳌﻄﻠﻮﺑﺔ‪ ،‬وﺗﻈﻬﺮ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﻋﲆ ﺷﺎﺷﺔ اﻟﻌﺮض‪.‬‬

‫وﻫﻨﺎك ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻷزرار أﻗـﺼـﻰ ميـني اﻟـﺼﻨﺪوق‪ ،‬وﻫـﻲ ﺑـﺼﻔﺔ دامئـﺔ ﻣﻮﺟـﻮدة ﰲ أي ﺻـﻨﺪوق‬
‫ﺣﻮاري وﻟﻬﺎ وﻇﺎﺋﻒ ﺛﺎﺑﺘﺔ‪ ،‬ﻣﻦ ﻫﺬه اﻷزرار‪:‬‬

‫ )‪ :(Reset‬وﻣﻦ ﺧﻼﻟﻪ ﻳﺘﻢ إﻟﻐﺎء ﻛﻞ اﻻﺧﺘﻴﺎرات اﻟﺘﻲ متﺖ ﰲ اﻟﺼﻨﺪوق اﻟﺤﻮاري‪.‬‬

‫ )‪ :(Cancel‬وﻣﻦ ﺧﻼﻟﻪ ﻳﺘﻢ إﻟﻐﺎء اﻷواﻣﺮ اﻟﺘﻲ ﺳﺒﻖ إﻋﻄﺎؤﻫﺎ‪ ،‬وﻳﺘﻢ إﻏﻼق اﻟﺼﻨﺪوق اﻟﺤﻮاري‪.‬‬

‫‪-˾˽-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ )‪ :(Paste‬وﻣــﻦ ﺧﻼﻟــﻪ ﻳــﺘﻢ إرﺳــﺎل اﻷواﻣــﺮ اﻟﺨﺎﺻــﺔ ﺑﺎﻟﻌﻤﻠﻴــﺔ اﻹﺣــﺼﺎﺋﻴﺔ‪ -‬إﱃ ﻧﺎﻓـــﺬة اﻷواﻣــﺮ‪،‬‬
‫وﺗﺸﻐﻴﻞ ﻫﺬه اﻷواﻣﺮ ﻣﺮة أﺧﺮى‪.‬‬

‫ )‪ :(Help‬وﻣﻦ ﺧﻼﻟﻪ ميﻜﻦ ﻣﻌﺮﻓﺔ ﻛﻞ اﳌﻌﻠﻮﻣﺎت ﻋـﻦ اﳌﻌﺎﻣـﻞ اﻹﺣـﺼﺎيئ اﻟـﺬي ﻳـﺘﻢ اﺳـﺘﺨﺪاﻣﻪ‬
‫ﺑﺪﻻﻟﺔ اﻟﺒﻴﺎﻧﺎت اﳌﻮﺟﻮدة ﰲ اﻟﺼﻨﺪوق اﻟﺤﻮاري‪.‬‬

‫ﻫـــﺬا ﺑﺎﻹﺿـــﺎﻓﺔ إﱃ أواﻣـــﺮ ﻓﺮﻋﻴـــﺔ أﺧـــﺮى‪ ،‬ﺗﻌـــﺮض ﻋـــﲆ اﳌـــﺴﺘﺨﺪم إﻣﻜﺎﻧـــﺎت إﺿـــﺎﻓﻴﺔ‬
‫ﻗﺪ ﻳﺮﻳﺪﻫﺎ‪.‬‬

‫)ﺟـ( ﺷﺎﺷﺔ اﻟﺘﺤﺮﻳﺮ‪:‬‬

‫وﻫﻲ ﺗﻀﻢ‪ :‬ﻣﺤﺮر اﻟﺠﺪاول‪ ،‬ﻣﺤﺮر اﻟﻨﺼﻮص‪ ،‬ﻣﺤﺮر اﻷﺷﻜﺎل‪.‬‬

‫)‪ (١‬ﻣﺤﺮر اﻟﺠﺪاول‪:‬‬

‫ﺗﺴﻤﺢ اﻟﺤﺰﻣـﺔ )‪ (SPSS‬ﺑﺘﻌـﺪﻳﻞ أﻳـﺔ ﺟـﺪاول ﻣﻌﺮوﺿـﺔ ﰲ ﺻـﻔﺤﺔ اﻟﻨﺘـﺎﺋﺞ‪ ،‬وذﻟـﻚ ﺑﻮاﺳـﻄﺔ ﻣﺤـﺮر‬
‫اﻟﺠﺪاول )‪ ،(Pivot Table Editor‬ﻓﻤﻦ ﺧﻼﻟﻪ ﻳﺘﻢ ﺗﻌﺪﻳﻞ اﻟﺠﺪاول ﺑـﺄﻛرث ﻣـﻦ ﻃﺮﻳﻘـﺔ ﻣﻨﻬـﺎ اﻟﺘﻌـﺪﻳﻞ ﻣـﻦ‬
‫ﺧﻼل ﻣﺤﺮر اﻟﺠﺪاول‪ ،‬وذﻟﻚ ﺑﻮﺿﻊ اﻟﺴﻬﻢ ﻋﲆ اﻟﺠﺪول اﳌﺮاد ﺗﻌﺪﻳﻠﻪ‪ ،‬ﺛﻢ اﻟﻨﻘﺮ ﻋﲆ اﻟﺠـﺰء اﻷميـﻦ ﻋـﲆ‬
‫اﻟﻔﺄرة‪ ،‬ﻓﻴﺘﻢ ﺗﺤﺪﻳﺪ اﻟﺠﺪول ﺑﺨﻄﻮط )إﺿﺎءﺗﻪ(‪ ،‬وﻫﺬا ﻳﻌﻨﻲ أن اﻟﺠﺪول ﻳﺴﺘﺠﻴﺐ ﻟﻠﺘﻌﺪﻳﻞ‪ .‬ﻛـام ميﻜـﻦ‬
‫ﺑﺎﺳﺘﺨﺪام ﻫﺬه اﻹﻣﻜﺎﻧﻴﺔ‪ ،‬ﺗﻌﺪﻳﻞ أو إﻟﻐﺎء اﻟﺠﺪاول أو إﻟﻐﺎء ﺻﻔﻮف أو أﻳﺔ أﻋﻤﺪة ﻣﻦ اﻟﺠـﺪول‪ ،‬وميﻜـﻦ‬
‫أﻳﻀﺎ ﺗﻐﻴري اﻷﻟﻮان وإﻧﺸﺎء ﺟﺪاول ﻣﺘﻌﺪدة اﻻﺗﺠﺎﻫﺎت‪.‬‬
‫ً‬

‫)‪ (٢‬ﻣﺤﺮر اﻟﻨﺼﻮص‪:‬‬

‫ﻳﺨــﺘﺺ ﻣﺤــﺮر اﻟــﻨﺺ )‪ (Text Output Editor‬ﺑﺘﻌــﺪﻳﻞ اﻟﻨــﺼﻮص اﻟﺘــﻲ ﺗﻈﻬــﺮ ﻣــﺼﺎﺣﺒﺔ‬
‫ﻟﻸﺷﻜﺎل اﻟﺒﻴﺎﻧﻴﺔ ﻣﺜﻞ‪ :‬ﻋﻨﻮان أو ﻣﻠﺤﻖ اﻟﺸﻜﻞ أو اﻟﺠﺪول‪ .‬وﻳـﺘﻢ اﻟﺘﻌﺎﻣـﻞ ﻣـﻊ ﻣﺤـﺮر اﻟـﻨﺺ‬
‫ﺑﺎﻟﻨﻘﺮ اﳌﺰدوج ﻋﲆ اﻟﺠﺰء اﻷميﻦ ﻟﻠﻔﺄرة ﻋﲆ اﻟﻨﺺ اﳌﺮاد ﺗﻌﺪﻳﻠﻪ ﻓﻴﺘﻢ ﺗﺤﺪﻳﺪه ﺑﺨﻄﻮط‪ ،‬وﺑﻌﺪ‬

‫‪-˾˾-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫أﻳﻀﺎ ﻋﲆ ﺷﺎﺷﺔ اﻟﻨﺘﺎﺋﺞ ﺑﺎﻟﻨﻘﺮ اﳌـﺰدوج ﻋـﲆ اﻟـﻨﺺ اﳌﻌـﺪل‬

‫ذﻟﻚ ﻧﺠﺮي اﻟﺘﻌﺪﻳﻞ اﳌﻄﻠﻮب‪ ،‬ميﻜﻦ اﻟﻌﻮدة ً‬
‫ﺑﻌﺪ اﻻﻧﺘﻬﺎء ﻣﻦ اﻟﺘﻌﺪﻳﻞ‪ ،‬اﻟﺘﻌﺪﻳﻞ ﻳﺸﻤﻞ اﻟﻠﻮن وﻧﻮع اﻟﺨﻂ وﺣﺠﻤﻪ‪ ...‬إﻟﺦ‪.‬‬

‫)‪ (٣‬ﻣﺤﺮر اﻷﺷﻜﺎل‪:‬‬

‫ﻋـﻦ ﻃﺮﻳـﻖ ﻣﺤـﺮر اﻷﺷـﻜﺎل )‪ (Chart Editor‬ميﻜـﻦ إﺟـﺮاء ﻛﺎﻓـﺔ اﻟﺘﻌـﺪﻳﻼت ﻋـﲆ اﻷﺷـﻜﺎل اﻟﺒﻴﺎﻧﻴـﺔ‬
‫واﻟﺮﺳﻮﻣﺎت‪ ،‬وﻳﺘﻢ ذﻟﻚ ﺑﻌﺪة ﻃﺮق ﻣﻨﻬﺎ ﺗﻌﺪﻳﻞ اﻟﻠﻮن وﺣﺠﻢ اﻟﺨﻂ وﻧﻮﻋﻪ وﺗﻐﻴري اﳌﺤﺎور‪ .‬وﻳﺘﻢ اﻟﻮﺻﻮل‬
‫إﱃ ﻫﺬه اﻟﺸﺎﺷﺔ ﻣﻦ ﺻﻔﺤﺔ اﻟﻨﺘـﺎﺋﺞ ﺑـﺎﻟﻨﻘﺮ اﳌـﺰدوج ﺑـﺎﻟﺰر اﻷميـﻦ ﻟﻠﻔـﺄرة ﻋـﲆ اﻟـﺸﻜﻞ اﳌـﺮاد ﺗﻌﺪﻳﻠـﻪ‪.‬‬
‫وﻳﻌﻤﻞ ﻣﺤﺮر اﻷﺷﻜﺎل ﻣـﻦ ﺧـﻼل ﴍﻳـﻂ )‪ ،(Chart Tools‬واﻟـﺬي ﻳﺘـﻀﻤﻦ أﻳﻘﻮﻧـﺎت ﻣﻤﻴـﺰة ﻟﻜـﻞ ﻣﻨﻬـﺎ‬
‫اﺳﺘﺨﺪام ﻣﻌـني؛ ﺑﺤﻴﺚ ميﻜـﻦ إﺟﺮاء أي ﺗﻌﺪﻳﻞ ﻋﲆ اﻷﺷﻜﺎل اﳌﺮﺳﻮﻣﺔ‪ ،‬ﻣﺜﻞ‪ :‬ﻣﻞء اﻟﻔــﺮاﻏﺎت ﰲ اﻟـﺸﻜﻞ‬
‫اﻟﺒﻴﺎين‪ ،‬اﻟﺘﻠﻮﻳﻦ‪ ،‬ﺗﻐﻴري أﺷﻜﺎل اﻟﺨﻄﻮط أو اﻷﻋﻤﺪة‪ ،‬إﺿــﺎﻓﺔ دﻟﻴـﻞ ﻟﻠﺮﺳـﻢ‪ ،‬ﺗﻐﻴـري ﺣﺠـﻢ اﻟﺨـﻂ‪ ،‬ﺗﻮﺻـﻴﻞ‬
‫اﻟﻨﻘﺎط ﻋﲆ اﻟﺨﻂ اﻟﺒﻴﺎين‪ ،‬ﻓﺼـﻞ ﴍﻳﺤﺔ أو أﻛرث ﻣﻦ رﺳﻤﺔ اﻟﺪاﺋﺮة‪ ...‬إﻟﺦ‪.‬‬

‫)د( ﺷﺎﺷﺔ اﻟﻨﺴﺦ‪:‬‬

‫وﺗــﺴﻤﻰ ﺷﺎﺷــﺔ اﻟﺘﻌﻠــﻴامت )‪ ،(Syntax Editor‬ﻫــﻲ اﻟــﺸﺎﺷﺔ اﻟﺘــﻲ ﺗﻨــﺴﺦ ﻋﻠﻴﻬــﺎ اﻷواﻣــﺮ اﻟﺨﺎﺻــﺔ‬
‫ﺑﺎﻟﻌﻤﻠﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﻲ ﺣﺪدﻫﺎ اﳌﺴﺘﺨﺪم‪ ،‬وﻳﺘﻢ ﻫﺬا اﻟﻨﺴﺦ ﺑﺎﺳﺘﺨﺪام اﻷﻣﺮ )‪ ،(Paste‬وﺗﺤﺘﻮي ﺷﺎﺷـﺔ‬
‫اﻟﺘﻌﻠﻴامت ﻋﲆ ﺻﻮرة ﻣﻦ اﻷواﻣﺮ اﻟﺘﻲ ﻗﺎم ﺑﻬﺎ اﳌﺴﺘﺨﺪم ﻟﻌﻤﻠﻴﺎت اﻟﻌﺮض أو اﻟﺘﺤﻠﻴـﻞ اﻟﺘـﻲ اﺳـﺘﺨﺪﻣﻬﺎ‬
‫ﻣﻦ ﻗﺎمئﺔ اﻟﺨﻴﺎرات‪ .‬وﺗﻜـﻮن اﻷواﻣـﺮ ﻣﻜﺘﻮﺑـﺔ ﺑﻠﻐـﺔ اﻟﺤﺰﻣـﺔ )‪ (SPSS‬وميﻜـﻦ ﺗﻌـﺪﻳﻠﻬﺎ وﺣﻔﻈﻬـﺎ وإﻋـﺎدة‬
‫ﺗﺸﻐﻴﻠﻬﺎ‪.‬‬

‫)ﻫـ( ﺷﺎﺷﺔ اﳌﺨﺮﺟﺎت‪:‬‬

‫ﺷﺎﺷــﺔ اﳌﺨﺮﺟــﺎت )‪ ،(Viewer Window‬ﻫــﻲ اﻟــﺸﺎﺷﺔ اﻟﺘــﻲ ﺗﻈﻬــﺮ ﻋﻠﻴﻬــﺎ اﳌﻌﻄﻴــﺎت‬

‫ﻏﻴﺎﺑﻴﺎ ﻋﻨﺪ ﻃﻠﺐ ﺗﺸﻐﻴﻞ أﻳﺔ ﻋﻤﻠﻴـﺔ إﺣـﺼﺎﺋﻴﺔ ﻳﻨـﺘﺞ ﻣﻨﻬـﺎ‬
‫ّ‬ ‫اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬وﺗﻔﺘﺢ ﻫﺬه اﻟﺸﺎﺷﺔ‬
‫ﻧﺘﺎﺋﺞ )ﺟﺪول أو ﺷﻜﻞ أو ﻣﻘﻴﺎس إﺣﺼﺎيئ‪ ...‬إﻟﺦ(‪ .‬ﻳﻌﺮض ﻋـﲆ ﻫـﺬه اﻟـﺸﺎﺷﺔ ﻛـﻞ اﻟﻨﺘـﺎﺋﺞ‬

‫‪-˾˿-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﻹﺣﺼﺎﺋﻴﺔ )ﺟـﺪاول إﺣـﺼﺎﺋﻴﺔ‪ ،‬أﺷـﻜﺎل ﺑﻴﺎﻧﻴـﺔ‪ ،‬ﻣﻘـﺎﻳﻴﺲ إﺣـﺼﺎﺋﻴﺔ‪ ،‬اﺧﺘﺒـﺎرات إﺣـﺼﺎﺋﻴﺔ‪ ...‬إﻟـﺦ(‪ ،‬وﻫـﺬه‬
‫اﳌﻌﻄﻴﺎت ﻗﺎﺑﻠﺔ ﻟﻠﺘﻌـﺪﻳﻞ واﻟﺤﻔـﻆ‪ .‬مبﻌﻨـﻰ أﻧـﻪ ميﻜـﻦ ﺗﻌـﺪﻳﻞ اﻟﺠـﺪاول واﻷﺷـﻜﺎل اﻟﺒﻴﺎﻧﻴـﺔ واﻟﻨـﺼﻮص‬
‫وﻏريﻫﺎ‪ ،‬ﻛام ﺗﺴﻤﺢ اﻟﺸﺎﺷﺔ ﺑﺤﻔﻆ ﺗﻠـﻚ اﳌﻌﻄﻴـﺎت‪ ،‬وﻛـﺬﻟﻚ ﺑﺎﻻﻧﺘﻘـﺎل ﻣﻨﻬـﺎ إﱃ أﻳـﺔ ﺗﻄﺒﻴﻘـﺎت أﺧـﺮى‪.‬‬
‫وﺗﻨﻘﺴﻢ ﺷﺎﺷﺔ اﳌﺨﺮﺟﺎت إﱃ ﺟﺰأﻳﻦ أﺣﺪﻫام ﻟﻠﻴﻤني واﻵﺧﺮ ﻟﻠﻴﺴﺎر‪ .‬ﻓﺎﻟﺠﺰء اﳌﻮﺟﻮد ﻋﲆ اﻟﻴﻤني ﻣﺨﺼﺺ‬
‫ﺗﻔﺼﻴﻠﻴﺎ ﻣﻦ ﺟﺪاول وأﺷﻜﺎل ﺑﻴﺎﻧﻴﺔ وﻧﺘﺎﺋﺞ وﺗﺤﻠﻴﻼت إﺣﺼﺎﺋﻴﺔ‪ ..‬أﻣﺎ اﻟﺠﺰء اﻟﺬي‬
‫ّ‬ ‫ﻟﻌﺮض ﻣﺤﺘﻮﻳﺎت اﻟﺸﺎﺷﺔ‬
‫ﻋﲆ اﻟﻴﺴﺎر‪ ،‬ﻓﻴﺤﺘﻮي ﻋﲆ ﻓﻬﺮس ﺗﻔﺼﻴﲇ ﻟﻜﻞ ﻣﺤﺘﻮﻳﺎت اﻟﺸﺎﺷﺔ‪ ،‬ﻣﻦ ﺧﻼﻟﻪ ميﻜـﻦ اﻟﺘﻨﻘـﻞ ﺑـﺴﻬﻮﻟﺔ ﺑـني‬
‫ﻣﺤﺘﻮﻳﺎت اﻟﺸﺎﺷﺔ‪...‬ﻫﺬا ﺑﺎﻹﺿﺎﻓﺔ إﱃ ﻧﻮاﻓـﺬ أﺧـﺮى ﺿـﻤﻦ ﺑﻴﺌـﺔ ﻋﻤـﻞ اﻟﺤﺰﻣـﺔ‪ ،‬واﻟﺘـﻲ ﺗﻘـﺪم ﺗـﺴﻬﻴﻼت‬
‫ﻣﺘﻨﻮﻋﺔ‪ ،‬وﻳﻼﺣﻆ أن اﻹﺻﺪارات اﳌﺨﺘﻠﻔﺔ ﻣﻦ اﻟﺤﺰﻣﺔ ﺗﺘﻀﻤﻦ إﻣﻜﺎﻧﺎت ﺟﺪﻳﺪة ﺑﺎﺳﺘﻤﺮار‪.‬‬

‫ﺧﺎﻣﺴﺎ‪ :‬اﻟﺤﻔﻆ واﻟﻄﺒﺎﻋﺔ واﻹﻧﻬﺎء‬

‫ً‬
‫ﻳﻮﺟﺪ ﺑﺎﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ )‪ (SPSS‬ﻧﻈﺎم ﺣﻔﻆ وﻓﺘﺢ وﻃﺒﺎﻋﺔ اﳌﻠﻔﺎت واﻟﺨـﺮوج ﻣـﻦ اﻟﱪﻧـﺎﻣﺞ‪ ،‬ﻓﻔـﻴام‬
‫ﻳﺨﺺ ﺣﻔﻆ ﻣﻠﻔﺎت‪ ،‬ﻳﺘﻢ ﺣﻔﻆ ﻣﺤﺘﻮﻳﺎت أﻳﻪ ﺷﺎﺷﺔ ﻣﻦ اﻟـﺸﺎﺷﺎت اﳌـﺬﻛﻮرة ﺑﺎﺳـﺘﺨﺪام اﻷﻣـﺮ )‪ (Save‬أو‬
‫اﻷﻣﺮ )‪ ،(Save As‬وﻫام أﻣﺮان ﻣﻮﺟﻮدان ﰲ اﻟﻘﺎمئﺔ )‪ ،(File‬اﻷﻣﺮ اﻷول ﻳﺤﻔﻆ اﳌﻠـﻒ ﻣﺒـﺎﴍة‪ ،‬وﻳـﺘﻢ ذﻟـﻚ‬
‫أوﺗﻮﻣﺎﺗﻴﻜﻴﺎ ﺑﻄﺮﻳﻘﺔ ﻗﺪ ﻻ ﻳﻼﺣﻈﻬﺎ اﳌﺴـﺘﺨﺪم‪ ،‬ﻳﻌﻄﻲ اﻟﱪﻧﺎﻣﺞ رﺳﺎﻟﺔ ﻋﲆ ﴍﻳﻂ اﻟﺤﺎﻟـﺔ أﺳـﻔﻞ اﻟـﺸﺎﺷﺔ‬
‫ّ‬
‫ﻳﻮﺿﺢ ﻓﻴﻪ أن ﻋﻤﻠﻴﺔ اﻟﺤﻔﻆ ﺟﺎرﻳﺔ أو اﻧﺘﻬـﺖ‪ ،‬أﻣﺎ اﻷﻣـﺮ )‪ ،(Save As‬ﻓﻴـﺘﻢ ﺣﻔـﻆ اﳌﻠـﻒ ﺑﺎﺳــﻢ ﺟﺪﻳـﺪ‬
‫ﻳﺤﺪده اﳌﺴﺘﺨﺪم‪ ،‬ﻛام ميﻜﻦ ﺣﻔﻆ اﳌﻠﻔﺎت ﰲ اﳌﻜﺎن اﻟﺬي ﻳﺮﻏﺒﻪ اﳌﺴﺘﺨـﺪم )‪ .(Save in‬ﻓﻴام ﻳﺨﺺ ﻓﺘﺢ‬
‫اﳌﻠﻔـﺎت )‪ (Open‬ﻓﺈﻧﻪ ‪ -‬ﻣﻦ ﺧﻼل ﻫﺬا اﻷﻣﺮ‪ -‬ميﻜﻦ ﻓﺘﺢ اﳌﻠﻒ اﳌﻄﻠﻮب ﺑﻌﺪ ﺗﺤﺪﻳﺪ ﻫﺬا اﳌﻠـﻒ‪ ،‬ﺳـﻮاء‬
‫ﻛﺎن ﻳﺘﻀﻤﻦ ﺑﻴﺎﻧﺎت‪ ،‬أو ﻧﺘﺎﺋﺞ أو رﺳﻮﻣﺎت‪ ...‬إﻟﺦ‪ ،‬أﻣﺎ ﻓﻴام ﻳﺨﺺ ﻃﺒﺎﻋﺔ اﳌﻠﻔﺎت )‪ ،(Print‬ﻓﺈﻧﻪ ﻳﺘﻢ اﺧﺘﻴﺎر‬
‫ﻫﺬا اﻷﻣﺮ ﻣﻦ ﻗﺎمئﺔ )‪ (File‬وﺑﺎﻟﻨﻘﺮ ﻋﲆ اﻷﻣﺮ )‪ (Print‬ﺗﺘﻢ ﻃﺒﺎﻋﺔ اﳌﻠـﻒ أو ﺑﻌـﺾ أﺟﺰاﺋـﻪ ﺣـﺴﺒام ﻳﺮﻳـﺪ‬
‫اﳌﺴﺘﺨﺪم‪ ،‬وﻳﺘﻢ اﻟﺨﺮوج ﻣﻦ اﻟﱪﻧﺎﻣﺞ ﻣﻦ ﺧﻼل ﻋﻼﻣﺔ اﻹﻏﻼق‪ ،‬أو ﻣﻦ ﺧﻼل اﻷﻣﺮ )‪.(Exit‬‬

‫‪-˾̀-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﺳﺎدﺳﺎ‪ :‬ﻣﺰاﻳﺎ اﻟﺤﺰﻣﺔ‬

‫ً‬
‫إذا ﻛﺎﻧﺖ اﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠـﻮم اﻻﺟﺘامﻋﻴـﺔ‪ ،‬متﻜﻨﻨـﺎ ﻣـﻦ إﺟـﺮاء اﻟﻌﻤﻠﻴـﺎت اﻹﺣـﺼﺎﺋﻴﺔ اﳌﻌﻘـﺪة‬
‫ﺑﴪﻋﺔ وﺳﻬﻮﻟﺔ ووﺿﻮح‪ ،‬ﻓﺈن ﻫﻨﺎك ﻣﺰاﻳﺎ أﺧﺮى ﻧﺨﺺ ﻣﻨﻬﺎ ﺑﺎﻟﺬﻛﺮ‪:‬‬

‫‪ -‬اﺳﺘﺨﺪام ﻣﺎ ﻳﺴﻤﻰ ﺑﺎﻟﻘﻮاﺋﻢ )‪ ،(Menu‬وﻣﻦ ﺧﻼل اﻟﻨﻘﺮ ﻋﲆ أﻳﺔ أﻳﻘﻮﻧﺔ )‪ (Icon‬ﰲ ﴍﻳـﻂ اﻟﻘـﻮاﺋﻢ‪،‬‬
‫ﺗﻈﻬﺮ ﻗﺎمئﺔ مبﺠﻤﻮﻋﺔ اﻷواﻣﺮ اﻟﻔﺮﻋﻴﺔ اﻟﺘﻲ ﻳﺨﺘﺎر اﳌﺴﺘﺨﺪم )‪ (User‬ﻣﻨﻬـﺎ ﻣـﺎ ﻳـﺸﺎء مبﺠـﺮد اﻟﻨﻘـﺮ‬
‫دون ﻛﺘﺎﺑﺔ اﻷﻣﺮ‪.‬‬

‫‪ -‬ﻋﻨﺪ اﺧﺘﻴﺎر اﻷﻣﺮ ﻣﻦ اﻟﻘﺎمئﺔ ﻳﺤـﺼﻞ اﳌـﺴﺘﺨﺪم ﻋـﲆ ﻣـﺎ ﻳـﺴﻤﻰ ﺑﺎﻟـﺼﻨﺎدﻳﻖ اﻟﺤﻮارﻳـﺔ اﻟﺮﺋﻴـﺴﻴﺔ‬
‫واﻟﻔﺮﻋﻴﺔ‪ ،‬واﻟﺘﻲ ﺗﺴﻬﻞ ﻋﻤﻠﻴﺔ اﻻﺧﺘﻴﺎر ﻟﻸواﻣـﺮ دون ﻋﻨـﺎء‪ ،‬وﺑﺬﻟﻚ ﻳـﺴـﻬﻞ ﺗﻨﻔﻴــﺬ أﻳـﺔ أﻣـﺮ دون‬
‫ﻛـﺘﺎﺑﺔ ﻧﺺ اﻷﻣﺮ اﳌﻄﻠﻮب ﺗﻨﻔﻴﺬه‪.‬‬

‫‪ -‬اﻟﻮﺻﻮل إﱃ اﻟﻘﻮاﺋﻢ اﳌﺨﺘﴫة واﺳﺘﺨﺪاﻣﻬﺎ ﰲ أﻏﺮاض ﻋﺪة‪ ،‬وذﻟﻚ ﺑﺎﺳﺘﺨﺪام اﻟﻔـﺄرة )‪(Mouse‬؛ ﻣـام‬
‫ميﻜﻦ اﳌﺴﺘﺨﺪم ﻣﻦ اﻟﺘﻔﺎﻋﻞ ﻣﻊ اﻟﱪﻧﺎﻣﺞ ﺑﺴﻬﻮﻟﺔ‪.‬‬
‫ّ‬

‫‪ -‬إﺗﺎﺣﺔ ﻋﻤﻠﻴﺔ اﻟﺴﺤﺐ )‪ (Dragging‬واﻹﺳﻘﺎط )‪ (Drop‬وذﻟـﻚ ﻟﻠﺠـﺪاول واﻷﺷـﻜﺎل اﻟﺒﻴﺎﻧﻴـﺔ داﺧـﻞ‬

‫اﻟﺤﺰﻣﺔ )‪ (SPSS‬وﺧﺎرﺟﻬﺎ ﰲ ﺑﺮاﻣﺞ وﺗﻄﺒﻴﻘﺎت أﺧﺮى ﻣﺜﻞ )‪ (Word‬أو ﺣﺰم اﻟﺘﻄﺒﻴﻘـﺎت اﻹﺣـﺼﺎﺋﻴﺔ‬
‫اﻷﺧﺮى‪.‬‬

‫‪ -‬اﻟﺴﻬﻮﻟﺔ ﰲ ﺗﺴﻤﻴﺔ اﳌﻠﻔﺎت‪ ،‬ﻣﻊ إﻣﻜﺎﻧﻴﺔ اﻟﺘﺴﻤﻴﺔ ﺑﺎﻟﻠﻐﺔ اﻟﻌﺮﺑﻴﺔ‪.‬‬

‫‪ -‬إﻣﻜﺎﻧﻴﺔ اﻟﺘﻌﺎﻣﻞ ﻣﻊ أﻛرث ﻣﻦ ﺗﻄﺒﻴﻖ ﰲ ﻧﻔﺲ اﻟﻮﻗﺖ‪ ،‬وﻫﺬا ﻳﻌﻨﻲ أﻧﻪ ميﻜـﻦ اﻟﺘﻌﺎﻣـﻞ ﻣـﻊ اﻟﺤﺰﻣـﺔ‬
‫)‪ (SPSS‬وأي ﺣﺰم أﺧﺮى ﰲ ﻧﻔﺲ اﻟﻮﻗﺖ‪ ،‬وذﻟﻚ ﺑﺎﻟﻨﻘﻞ واﻟﻨﺴﺦ واﻟﺤﺬف‪ ...‬إﻟﺦ‪.‬‬

‫‪ -‬اﻟﺘﺤﺴﻦ اﻟﻜﺒري واﳌﺘﻮاﺻﻞ ﰲ ﻛﻴﻔﻴﺔ ﻋﺮض وﺗﻠﺨـﻴﺺ اﻟﻨﺘـﺎﺋﺞ واﻟﺮﺳـﻮﻣﺎت اﻟﺘـﻲ ﻳـﺼﻞ‬
‫ﻋﻠﻴﻬﺎ اﳌﺴﺘﺨﺪم )‪ ،(User‬ﻣﻦ ذﻟﻚ ﻋﲆ ﺳﺒﻴﻞ اﳌﺜـﺎل ﺗﺤـﺴني اﻟﺘﻌﺎﻣـﻞ ﻣـﻊ اﻟﺒﻴﺎﻧـﺎت‬

‫‪-˾́-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫)‪(Improved Data Access‬؛ وذﻟﻚ ﻟﺘﻮﻓﺮ إﻣﻜﺎﻧﻴﺔ اﻟﺘﻌﺎﻣﻞ ﻣﻊ ﻣﻠﻔﺎت اﻟﺒﻴﺎﻧﺎت اﻟﻜﺒرية دون اﻟﺤﺎﺟﺔ‬
‫إﱃ ﻣﺴﺎﺣﺔ ﺗﺨﺰﻳﻨﻴﺔ ﻣﺆﻗﺘﺔ أﻛﱪ ﰲ ذاﻛﺮة اﻟﺤﺎﺳﺐ‪.‬‬

‫‪ -‬إﻣﻜﺎﻧﻴﺔ ﺗﺸﻐﻴﻞ اﻟﺤﺰﻣﺔ أﻛرث ﻣـﻦ ﻣـﺮة )‪ (Multiple Sessions‬ﰲ ﻓـﱰة اﻟﺘـﺸﻐﻴﻞ اﻟﻮاﺣـﺪة‪ ،‬وﺑﺎﻟﺘـﺎﱄ‬
‫ميﻜﻦ اﻟﺘﻌﺎﻣﻞ ﻣﻊ أﻛرث ﻣﻦ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺒﻴﺎﻧﺎت واﻟﺘﻨﻘﻞ ﺑني ﺷﺎﺷﺎت ﻣﺨﺘﻠﻔﺔ ﻟﻠﺤﺰﻣﺔ ﻣﻦ ﻧﻔـﺲ‬
‫ﻣﺜﻼ أو ﻟﻠﻨﺘﺎﺋﺞ( ﰲ ﻧﻔﺲ اﻟﻮﻗﺖ‪.‬‬
‫اﻟﻨﻮع )أﻛرث ﻣﻦ ﺷﺎﺷﺔ ﻟﻠﻤﺤﺮر ً‬

‫‪ -‬ميﻜﻦ اﻟﺪﺧﻮل ﻣﺒﺎﴍة ﻣﻦ اﻟﺤﺰﻣﺔ )‪ (SPSS‬إﱃ إﻛﺴﻞ )‪(Excel‬؛ ﺣﻴـﺚ ميﻜـﻦ ﻗـﺮاءة ﻣﻠﻔـﺎت إﻛـﺴﻞ‬
‫ﻣﺒﺎﴍة ﻣﻦ اﻟﺤﺰﻣﺔ )‪ ،(SPSS‬ﻛام ميﻜﻦ ﻗﺮاءة ﺑﻴﺎﻧﺎت ﳌﺘﻐـريات ﻟﻴـﺴﺖ ﻣـﻦ ﻧﻔـﺲ اﻟﻨـﻮع )ﺑﻌـﻀﻬﺎ‬
‫رﻗﻤﻲ واﻵﺧﺮ ﻟﻔﻈﻲ( ﰲ ﻋﻤﻮد واﺣﺪ‪ ،‬ﻛام ميﻜﻦ ﺗﺤﻮﻳﻞ اﻟﺒﻴﺎﻧﺎت ﻣﻦ اﻟﺤﺰﻣﺔ إﱃ إﻛﺴﻞ واﻟﻌﻜﺲ‪.‬‬

‫‪-˾̂-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻷول‬

‫ﺗﻌﺮﻳﻔﻴﺎ ﺑﻌﻠـﻢ اﻹﺣـﺼﺎء وأﻫﻤﻴﺘـﻪ ﻟﻠﺒﺤـﺚ اﻟﻌﻠﻤـﻲ‪ ،‬وﺗـﺘﻠﺨﺺ ﻣﻮﺿـﻮﻋﺎﺗﻪ‬

‫ّ‬ ‫ﻣﺪﺧﻼ‬
‫ً‬ ‫ﺗﻨﺎول ﻫﺬا اﻟﻔﺼﻞ‬
‫اﻷﺳﺎﺳﻴﺔ ﰲ‪:‬‬

‫إن اﻹﺣﺼﺎء ﻛﻤامرﺳﺔ ﻧﺸﺄ ﰲ إﻃﺎر اﻟﺘﻨﻈﻴﻢ اﻟﺴﻴﺎﳼ ﻟﻠﺪوﻟﺔ اﻟﻘﻮﻣﻴﺔ ﰲ أوروﺑـﺎ ﻣﻨـﺬ اﻟﺜﻠـﺚ اﻷﺧـري‬
‫ﻣﻦ اﻟﻘﺮن اﻟﺜﺎﻣﻦ ﻋﺸـﺮ )ﻋﺎم ‪ ،(١٧٧٠‬وﴎﻋﺎن ﻣﺎ ﺗﻄﻮرت اﻷﺻﻮل اﻟﺮﻳﺎﺿﻴﺔ ﻟﻌﻠﻢ اﻹﺣﺼﺎء ﺑﻔـﻀﻞ ﻋﻠـامء‬
‫اﻟﺮﻳﺎﺿﻴﺎت اﻷوروﺑﻴني وﻏريﻫﻢ‪ ،‬واﻟﺬﻳﻦ ﺗﻮاﺻﻠﺖ ﺟﻬﻮدﻫﻢ اﻟﻌﻠﻤﻴﺔ ﺣﺘﻰ وﺻﻞ اﻹﺣﺼﺎء إﱃ ﻣﺎ ﻫـﻮ ﻋﻠﻴـﻪ‬
‫اﻵن ﻛﻌﻠﻢ ﻣﺘﻄﻮر ﻳﺮﺗﺒﻂ ﺑﻜﺎﻓﺔ ﻣﺠﺎﻻت اﻟﺤﻴﺎة‪.‬‬

‫اﻟﻜﻤﻴـﺔ )‪ ،(Quantitative‬واﻟﺘـﻲ ﺗﻘـﻮم‬

‫ّ‬ ‫اﻹﺣﺼﺎء دﻋﺎﻣﺔ أﺳﺎﺳﻴﺔ ﻟﻄﺮق اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ ذات اﻟﻄﺒﻴﻌـﺔ‬
‫ﻋﲆ إﺟﺮاء دراﺳﺎت ﻣﻴﺪاﻧﻴﺔ وﺗﺤﻠﻴﻠﻴﺔ‪ ،‬وﺗﺠﺎرب وﻣﻼﺣﻈﺎت وﻣﻘـﺎﺑﻼت؛ ﺣﻴـﺚ ﻳـﺘﻢ اﻟﺤـﺼﻮل ﻣﻨﻬـﺎ ﻋـﲆ‬
‫ﺛـﻢ ﺗﻨﻈـﻴﻢ ﺗﻠـﻚ اﻟﺒﻴﺎﻧـﺎت وﻣﻌﺎﻟﺠﺘﻬـﺎ واﺳـﺘﺨﻼص ﻧﺘـﺎﺋﺞ ﻣﻮﺿـﻮﻋﻴﺔ ﺗـﺼﻒ اﳌﻮﺿـﻮع أو‬
‫ﺑﻴﺎﻧﺎت؛ وﻣـﻦ ّ‬
‫اﻟﻈﺎﻫﺮة‪ ،‬وﻗﺪ ﺗﺘﻌﺪى ﻧﻄﺎق اﻟﻮﺻﻒ إﱃ اﻟﺘﻔﺴري وﺻﻴﺎﻏﺔ اﻟﻘﻮاﻧني واﻟﻨﻈﺮﻳﺎت اﻟﻌﻠﻤﻴﺔ‪.‬‬

‫اﻟﺘﺼﻨﻴﻒ اﻹﺣﺼﺎيئ ﻫﻮ وﺿﻊ اﻟﻮﺣﺪات اﳌﺘﺠﺎﻧﺴﺔ أو اﳌﺘﺸﺎﺑﻬﺔ – ﻣﻦ ﺣﻴﺚ ﺻـﻔﺔ ﻣﻌﻴﻨـﺔ أو ﺳـﻠﻮك‬
‫ﻣﻌني‪ -‬ﰲ ﻣﺠﻤﻮﻋﺔ واﺣﺪة ﺗﺨﺘﻠﻒ ﻋﻦ ﻏريﻫﺎ ﻣﻦ اﳌﺠﻤﻮﻋﺎت‪ .‬واﻟﺘﺼﻨﻴﻒ ﻗﺪ ﻳﻜﻮن وﺻﻔﻴّﺎ ﻓﻘﻂ‪ ،‬مبﻌﻨـﻰ‬
‫ﻛﻤﻴﺎ‪ ،‬مبﻌﻨﻰ أﻧﻪ ﻳﻮﺿﺢ اﻟﺘﺼﻨﻴﻒ ودرﺟﺔ اﻟﺘامﻳﺰ‪.‬‬
‫ﻛﻤﻴﺔ‪ ،‬ﻛام ﻗﺪ ﻳﻜﻮن ّ‬
‫أﻧﻪ ﳌﺠﺮد اﻟﺘﺼﻨﻴﻒ دون أي دﻻﻟﺔ ّ‬
‫اﳌﺘﻐري )‪ (Variable‬ﻫﻮ اﻟﺨﺎﺻـﻴﺔ أو اﻟـﺼـﻔﺔ أو اﻟـﺴﻠﻮك ﻣﺤـﻞ اﻟﺪراﺳـﺔ‪ ،‬وﻣـﻦ ﻣﻨﻈـﻮر‬
‫اﻟﻘﻴﺎس اﻹﺣﺼﺎيئ ﺗﺘﻌﺪد أمنﺎط اﳌﺘﻐريات وﻓﻖ ﻋﺪة ﻣﻌﺎﻳري‪ ،‬ﻓﻬﻨﺎك اﳌﺘﻐريات اﻟﻨﻮﻋﻴﺔ ﻣﻘﺎﺑـﻞ‬

‫‪-˿˹-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫اﳌﺘﻐريات اﻟﻜﻤﻴّﺔ‪ .‬ﻓﺎﳌﺘﻐريات اﻟﻨﻮﻋﻴﺔ )‪ ،(Qualitative Variables‬ﻫـﻲ اﳌﺘﻐـريات اﻟﺘـﻲ ﺗﻌـﱪ ﻋـﻦ ﺧﺎﺻـﻴﺔ‬
‫ﻣﻌﻴﻨﺔ ﻣﻦ ﺣﻴﺚ وﺟﻮدﻫﺎ أو ﻋﺪم وﺟﻮدﻫﺎ‪ ،‬وﻻ ميﻜﻦ ﺗﺮﺗﻴﺐ اﻷﻓﺮاد ﻣﻦ اﻷﺻﻐﺮ إﱃ اﻷﻛﱪ‪ ،‬أوﻣﻦ اﻷﻛــﱪ‬
‫اﻟﻜﻤﻴـﺔ‪ ،‬ﻓﻬـﻲ ﺗﻠـﻚ‬
‫ّ‬ ‫إﱃ اﻷﺻـﻐﺮ ﺣﺴـﺐ ﻫـﺬه اﻟﺨﺎﺻــﻴﺔ‪ ،‬وإمنـﺎ ميﻜـﻦ ﺗـﺼﻨﻴﻔﻬﻢ ﻓﻘـﻂ‪ .‬أﻣـﺎ اﳌﺘﻐـريات‬
‫ﻛﻤﻴﺔ )‪(Quantity‬؛ ﺑﺤﻴـﺚ ميﻜـﻦ ﺗﺮﺗﻴـﺐ اﻷﻓـﺮاد ﻣـﻦ اﻷﺻـﻐﺮ إﱃ‬
‫اﳌﺘﻐريات اﻟﺘﻲ ﺗﻘﺎس مبﻘﺪار ﻋﺪدي أو ّ‬
‫اﻷﻛﱪ‪ ،‬أو ﻣﻦ اﻷﻗﻞ إﱃ اﻷﻛرث أو اﻟﻌﻜﺲ‪ .‬واﳌﺘﻐريات اﻟﻜﻤﻴّﺔ ﻗـﺪ ﺗﻜـﻮن ﻣﺘـﺼﻠﺔ أو ﻣﻨﻔـﺼﻠﺔ‪ ،‬ﻓـﺎﳌﺘﻐريات‬
‫اﻟﻜﻤﻴـﺔ اﳌﻨﻔـﺼﻠﺔ ﻓﻬـﻲ ﺗﻠـﻚ‬
‫ّ‬ ‫اﻟﻜﻤﻴ ﺔ اﳌﺘﺼﻠﺔ ﻫﻲ اﻟﺘﻲ ﺗﺄﺧﺬ ﻗﻴﻤـﺔ ﺻـﺤﻴﺤﺔ أو ﻛـﴪﻳﺔ‪ ،‬أﻣـﺎ اﳌﺘﻐـريات‬
‫ّ‬
‫ﻗﻴام ﺻﺤﻴﺤﺔ ﻓﻘﻂ‪.‬‬
‫اﳌﺘﻐريات اﻟﺘﻲ ﺗﺄﺧﺬ ً‬
‫إن اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ )‪ (The Independent Variable‬ﻫﻮ اﳌﺘﻐـري اﻟﺬي ﻗﺪ ﻳـﺆﺛﺮ أو ﻳﺤـﺘﻤــﻞ أن ﻳـﺆﺛﺮ‬
‫ﰲ ﻣﺘﻐري آﺧﺮ‪ ،‬أﻣﺎ اﳌﺘﻐري اﻟﺘﺎﺑﻊ )‪ (The Dependent Variable‬ﻓﺈﻧﻪ اﳌﺘﻐري اﻟﺬي ﻳﺤﺪث ﻓﻴﻪ اﻟﺘﻐـري أو ﻳﻘـﻊ‬
‫ﻋﻠﻴﻪ اﻟﺘﺄﺛري ﺑﺴﺒﺐ اﳌﺘﻐري اﳌﺴﺘﻘﻞ‪.‬‬

‫ﻣﻦ ﻣﻨﻈﻮر اﻟﻘﻴﺎس اﻹﺣـﺼﺎيئ‪،‬ﻓﺈن اﳌﺘﻐـريات )‪ (Variables‬ﺗـﺼﻨﻒ إﱃ ﻣﺘﻐـريات اﺳـﻤﻴﺔ )‪،(Nominal‬‬

‫وﻣﺘﻐريات رﺗﺒﻴﺔ )‪ ،(Ordinal‬وﻣﺘﻐريات ﻓﺌﻮﻳﺔ أو ﻓﱰﻳﺔ )‪ ،(Interval‬وﻣﺘﻐريات ﻧﺴﺒﻴﺔ )‪.(Ratio‬‬

‫اﳌﺘﻐري اﻻﺳﻤﻲ ﻫﻮ اﻟﺨﺎﺻﻴﺔ أو اﻟﺼﻔﺔ ﻣﻦ ﺣﻴﺚ وﺟﻮدﻫﺎ أو ﻋﺪم وﺟﻮدﻫﺎ‪ .‬أﻣﺎ اﳌﺘﻐـري اﻟﺮﺗﺒـﻲ‪ ،‬ﻓﻬـﻮ‬
‫اﳌﺘﻐري اﻟﺬي ﻳﺘﻀﻤﻦ ﻣﻌﻨﻰ اﳌﺘﻐري اﻻﺳﻤﻲ‪ ،‬ﺑﺎﻹﺿﺎﻓﺔ إﱃ اﻟﺪﻻﻟﺔ اﻟﻜﻤﻴّﺔ ﻷرﻗـﺎم اﻟﺘـﺼﻨﻴﻒ؛ أي أن اﳌﺘﻐـري‬
‫اﻟﺮﺗﺒﻲ ﻳﺘﻀﻤﻦ ﺗـﺼﻨﻴﻒ اﻷﻓـﺮاد أو اﳌﻮﺿـﻮﻋﺎت ﰲ ﻣﺠﻤﻮﻋـﺎت ﻣﺘامﻳـﺰة‪ ،‬ﺑﺎﻹﺿـﺎﻓﺔ إﱃ إﻣﻜﺎﻧﻴـﺔ ﺗـﺮﺗﻴﺒﻬﻢ‬
‫ﺗﻨﺎزﻟﻴﺎ‪.‬‬
‫ﺗﺼﺎﻋﺪﻳﺎ أو ّ‬
‫ّ‬
‫واﳌﺘﻐري اﻟﻔﺌﻮي أو اﻟﻔﱰي ﻫﻮ اﻟـﺬي ﻳﻌـﱪ ﻋـﻦ ﻛﻤﻴـﺔ أو ﻣﻘـﺪار؛ أي أن ﻟـﻪ وﺣـﺪة ﻗﻴـﺎس ﺗﻌﻜـﺴﻬﺎ‬
‫اﻷﻋﺪاد ﻣﻦ اﻟﺼﻔﺮ إﱃ ﻣﺎﻻ ﻧﻬﺎﻳﺔ‪ ،‬ﻛام أن اﳌﺘﻐري اﻟﻔﺌﻮي )اﻟﻔﱰي( ﻳﺘﻀﻤﻦ ﻣﻌﻨﻰ اﳌﺘﻐري اﻟﺮﺗﺒـﻲ‪ ،‬ﺑﺎﻹﺿـﺎﻓﺔ‬
‫إﱃ ﺗﺴﺎوي اﻟﻔﺮوق ﺑني اﻟﻮﺣﺪات اﻟﺘﻲ ﻳﺘﻢ ﺗﺼﻨﻴﻔﻬﺎ‪.‬‬

‫‪-˿˺-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫أﺧريا‪ ،‬ﻓﺈن اﳌﺘﻐري اﻟﻨﺴﺒﻲ‪ ،‬ﻫﻮ اﳌﺘﻐري اﻟﺬي ﺗﺘﻮﻓﺮ ﻓﻴﻪ ﻣﻌﺎين اﳌﺘﻐري اﻟﻔﺌﻮي )اﻟﻔﱰي( ﺑﺠﺎﻧﺐ ﻛﻮﻧـﻪ‬
‫ﻳﺘﻀﻤﻦ اﻟﺼﻔﺮ اﳌﻄﻠﻖ‪ ،‬مبﻌﻨﻰ ﻏﻴﺎب اﻟﺼﻔﺔ اﳌﻘﺎﺳﺔ‪ ،‬واﳌﺘﻐـريات اﻟﻨـﺴﺒﻴﺔ )‪ (Ratio Variables‬ﺗﻘـﻊ ﺿـﻤﻦ‬
‫اﻟﻌﻠﻮم اﻟﻄﺒﻴﻌﻴﺔ‪ ،‬وﻟﻴﺲ اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ مبﺎ ﰲ ذﻟﻚ ﻋﻠﻢ اﻻﺗﺼﺎل‪.‬‬

‫ﻣﻦ اﻟﴬوري أن ﻳﻜﻮن اﻟﺒﺎﺣﺚ ﻋﲆ دراﻳﺔ ﻛﺎﻓﻴﺔ ﺑﺨﺼﺎﺋﺺ اﳌﺘﻐريات؛ ﻷﻧﻪ ﰲ ﺿﻮء ﻫﺬه اﻟﺨﺼﺎﺋﺺ‬
‫ﻳﺘﻢ وﺿﻊ ﻧﻈﺎم إدﺧﺎل اﻟﺒﻴﺎﻧﺎت واﺧﺘﻴﺎر اﳌﻌﺎﻟﺠﺔ اﻹﺣﺼﺎﺋﻴﺔ اﳌﻨﺎﺳﺒﺔ‪ ،‬وإذا ﻛﺎﻧﺖ اﳌﺘﻐـريات ﻣـﻦ ﻣﻨﻈـﻮر‬
‫أﻧﻮاﻋـﺎ أﺧـﺮى ﻣـﻦ‬
‫اﻟﻘﻴﺎس اﻹﺣﺼﺎيئ ﺗـﺼﻨﻒ إﱃ اﺳـﻤﻴﺔ ورﺗﺒﻴـﺔ وﻓﺌﻮﻳـﺔ )ﻓﱰﻳـﺔ( وﻧـﺴﺒﻴﺔ‪ ،‬ﻓـﺈن ﻫﻨـﺎك ً‬
‫اﳌﺘﻐريات اﻟﺘﻲ ﻳﺠﺐ أن ﻳﻌﻴﻬﺎ اﻟﺒﺎﺣﺚ‪ ،‬وﻣﻦ أﻫﻤﻬﺎ‪ :‬اﳌﺘﻐري اﻟـﺪﺧﻴﻞ‪ ،‬اﳌﺘﻐـري اﻟﺮﻣـﺰي‪ ،‬اﳌﺘﻐـري اﻟﻮﺳـﻴﻂ‪..‬‬
‫وﻟﻜﻞ ﻣﻨﻬﺎ ﻇﺮوف اﺳﺘﺨﺪاﻣﻪ اﻟﺨﺎﺻﺔ ﻋﲆ اﻟﻨﺤﻮ اﻟﺴﺎﺑﻖ ذﻛﺮه‪.‬‬

‫اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ )‪ ،(Descriptive Statistics‬ﻫﻮ ﻛﺎﻓﺔ اﳌﻘﺎﻳﻴﺲ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﻲ ﺗﻌﺘﻤﺪ ﻋـﲆ اﻟﺒﻴﺎﻧـﺎت‬
‫اﳌﺴﺘﻤﺪة ﻣﻦ اﻟﻌﻴﻨﺔ )‪ (Sample‬ﰲ وﺻﻒ اﻟﻈﺎﻫﺮة أو اﻟﺴﻠﻮك أو اﳌﻮﺿﻮع أﻳّﺎ ﻛﺎﻧﺖ ﻃﺒﻴﻌﺔ ﻫﺬا اﻟﻮﺻﻒ‪.‬‬

‫أﻣﺎ اﻹﺣﺼﺎء اﻻﺳﺘﺪﻻﱄ )‪ ،(Inferential Statistics‬ﻓﻴﻌﻨﻲ اﻟﺘﻌﻤﻴﻢ ﻣﻦ اﻟﺠﺰء ﻋﲆ اﻟﻜﻞ‪ ،‬مبﻌﻨﻰ اﺳﺘﺨﺪام‬
‫اﻟﻨﺘﺎﺋﺞ اﳌﺴﺘﻤﺪة ﻣﻦ دراﺳﺔ اﻟﻌﻴﻨﺔ ﰲ اﻟﺘﻌﻤﻴﻢ ﻋﲆ اﳌﺠﺘﻤﻊ‪.‬‬

‫اﻹﺣﺼﺎء اﻟﺒﺎراﻣﱰي أو اﻹﺣـﺼﺎء اﳌﻌﻠﻤـﻲ )‪ (Parametric Statistics‬ﻳـﺸﻤﻞ ﻛﺎﻓـﺔ اﻟﻄـﺮق اﻹﺣـﺼﺎﺋﻴﺔ‬

‫اﻟﺘﻲ ﺗﺴﺘﻨﺪ إﱃ ﻣﻌﺮﻓﺔ ﺧﺼﺎﺋﺺ اﳌﺠﺘﻤﻊ اﻟـﺬي ﺳـﺤﺒﺖ ﻣﻨـﻪ اﻟﻌﻴﻨـﺔ‪ ،‬وﻳـﺸﱰط اﻋﺘﺪاﻟﻴـﺔ اﻟﺘﻮزﻳـﻊ‪ ،‬ﻛـام‬
‫ﻳﺸﱰط ﻋﺸﻮاﺋﻴﺔ اﻟﻌﻴﻨﺔ‪،‬اﻻﺧﺘﻴﺎر اﻟﻌـﺸﻮايئ ﻟﻠﻌﻴﻨـﺔ‪ ،‬وأن ﺗﺘـﻮاﻓﺮ ﻣﻌﻠﻮﻣـﺎت ﻋـﻦ ﺗﻮزﻳـﻊ اﳌﺠﺘﻤـﻊ ﺣـﺴﺐ‬
‫اﳌﺘﻐريات ﻣﺤﻞ اﻟﺪراﺳﺔ‪ ،‬وﺗﺴﺘﺨﺪم ﻃـﺮق اﻹﺣـﺼﺎء اﻟﺒـﺎراﻣﱰي ﻣـﻊ اﻟﻌﻴﻨـﺎت اﻟﻜﺒـرية‪ ،‬ﻛـام أﻧﻬـﺎ ﺗﻨﺎﺳـﺐ‬
‫اﻟﺒﻴﺎﻧﺎت اﻟﻔﺌﻮﻳﺔ واﻟﺒﻴﺎﻧﺎت اﻟﻨﺴﺒﻴﺔ )‪.(Ratio‬‬

‫‪-˿˻-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫أﻣﺎ اﻹﺣﺼﺎء اﻟﻼﺑﺎرﻣﱰي )‪ ،(Non-Parametric Statistics‬ﻓﻬـﻮ ﻻ ﻳـﺸﱰط ﺧـﺼﺎﺋﺺ ﻣﻌﻴﻨـﺔ ﰲ اﳌﺠﺘﻤـﻊ‬

‫اﻟﺬي ﺳﺤﺒﺖ ﻣﻨـﻪ اﻟﻌﻴﻨـﺔ‪ ،‬وﻻ ﻳـﺸﱰط اﻋﺘﺪاﻟﻴـﺔ ﺗﻮزﻳـﻊ اﻟﻈـﺎﻫﺮة ﰲ اﳌﺠﺘﻤـﻊ‪ ،‬ﻛـام ﻻ ﻳـﺸﱰط اﻻﺧﺘﻴـﺎر‬
‫ﻏﺎﻟﺒـﺎ ﻟﻠﻌﻴﻨـﺎت اﻟـﺼﻐرية )وإن ﻛﺎﻧـﺖ ﰲ ﺑﻌـﺾ اﻷﺣﻴـﺎن‬
‫اﻟﻌﺸﻮايئ ﻟﻠﻌﻴﻨﺔ‪ .‬وﺗﺼﻠﺢ اﻟﻄـﺮق اﻟﻼﺑﺎرﻣﱰﻳـﺔ ً‬
‫ﺗﺴﺘﺨﺪم ﻣﻊ اﻟﻌﻴﻨﺎت اﻟﻜﺒرية(‪ ،‬ﻛام أﻧﻬﺎ ﺗﻨﺎﺳﺐ اﻟﺒﻴﺎﻧﺎت اﻻﺳﻤﻴﺔ واﻟﺮﺗﺒﻴﺔ‪) ،‬وﰲ ﺑﻌﺾ اﻷﺣﻴﺎن ﺗـﺴﺘﺨﺪم‬
‫ﻣﻊ اﻟﺒﻴﺎﻧﺎت اﻟﻔﺌﻮﻳﺔ )اﻟﻔﱰﻳﺔ( واﻟﺒﻴﺎﻧﺎت اﻟﻨﺴﺒﻴﺔ(‪.‬‬

‫ﻧﺴﺘﺨﺪم ﰲ اﻹﺣﺼﺎء اﻟﻜﺜري ﻣـﻦ اﻟﻌﻼﻣـﺎت واﻟﺮﻣـﻮز واﻻﺧﺘـﺼﺎرات واﻹﺷـﺎرات‪ ،‬واﻟﻌﻤﻠﻴـﺎت اﻟﺠﱪﻳـﺔ‪،‬‬
‫وﻋﲆ اﻟﺒﺎﺣﺚ أن ﻳﻜﻮن ﻋﲆ دراﻳﺔ ﻛﺎﻣﻠﺔ ﺑﻬﺎ‪.‬‬

‫أدى اﻟﺘﻘﺪم اﻟﻜﺒري اﻟﺬي ﺣﺪث ﰲ اﻵﻻت اﻟﺤﺎﺳﺒﺔ واﻟﺤﻮاﺳﻴﺐ إﱃ ﺗﺴﻬﻴﻞ وﴎﻋﺔ إﺟﺮاء اﻟﻌﻤﻠﻴﺎت‬
‫اﻟﺤﺴﺎﺑﻴﺔ ﻣﻬام ﻛﺎﻧﺖ ﻣﻌﻘﺪة‪ .‬وﻫﻨﺎك اﻋﺘﻘﺎد ﺧﺎﻃﺊ ﻣﻔﺎده أن اﻟﺤﺎﺳﻮب ﺳﻴﻘﻮم ﺑﺘﺤﻠﻴـﻞ اﻟﺒﻴﺎﻧـﺎت ﻋـﻦ‬
‫ﻃﺮﻳــﻖ اﻟـﱪاﻣﺞ اﻹﺣــﺼﺎﺋﻴﺔ اﳌﺘــﻮاﻓﺮة‪ ،‬ﻏــري أن اﻟﺤﺎﺳــﻮب ﻻ ﻳــﺴﺘﻄﻴﻊ اﻟﺘﻤﻴﻴــﺰ ﺑــني اﻻﺳــﺘﺨﺪام اﳌﻨﺎﺳــﺐ‬
‫واﻻﺳﺘﺨﺪام ﻏري اﳌﻨﺎﺳﺐ ﻟﻸﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ؛ ﻧﻈ ًﺮا ﻷﻧﻪ ﻳﺠﺮي اﻟﻌﻤﻠﻴﺎت اﻟﺘـﻲ ﺗﺘﻄﻠﺒﻬـﺎ ﻫـﺬه اﻷﺳـﺎﻟﻴﺐ‬
‫ﺑﻄﺮﻳﻘﺔ آﻟﻴﺔ وﻓﻖ ﻧﻈﺎم ﻣﻌني ﻋﲆ أي ﺑﻴﺎﻧﺎت‪.‬‬

‫وﻣﻦ ﻫﻨﺎ ﻓﺈن ﻣﻦ اﻟـﴬوري أن ﻳﻜـﻮن اﻟﺒﺎﺣـﺚ ﻋـﲆ ﻣﻌﺮﻓـﺔ ﻛﺎﻓﻴـﺔ ﺑﻄﺒﻴﻌـﺔ اﳌﺘﻐـريات واﳌﻌـﺎﻣﻼت‬
‫اﻹﺣــﺼﺎﺋﻴﺔ‪ ،‬ودﻻﻟــﺔ ﻛــﻞ ﻣﻨﻬــﺎ‪ ،‬وﻛﻴﻔﻴــﺔ ﺗﻔــﺴريﻫﺎ‪ ،‬وﻛﻴﻔﻴــﺔ ﺗﻨﻈــﻴﻢ اﳌﻌﻄﻴــﺎت اﻹﺣــﺼﺎﺋﻴﺔ ﺑﻄﺮﻳﻘــﺔ‬
‫ﺻﺤﻴﺤﺔ‪،‬وﻫﻨﺎك ﻋﺪد ﻣﻦ اﻟﱪاﻣﺞ واﻟﺤﺰم اﻹﺣﺼﺎﺋﻴﺔ اﳌﺘﻮاﻓﺮة اﻟﺘﻲ ميﻜﻦ أن ﻳﺴﺘﺨﺪﻣﻬﺎ اﻟﺒﺎﺣﺚ ﰲ ﺗﺤﻠﻴﻞ‬
‫اﻟﺒﻴﺎﻧﺎت‪ ،‬وﻣﻦ أﻫـﻢ اﻟـﱪاﻣﺞ اﻟﺤﺰﻣـﺔ اﻹﺣـﺼﺎﺋﻴﺔ ﻟﻠﻌﻠـﻮم اﻻﺟﺘامﻋﻴـﺔ )‪ ،(SPSS‬ﺣﺰﻣـﺔ اﻟﺘﺤﻠﻴـﻞ اﻹﺣـﺼﺎيئ‬
‫)‪ ،(MINITAB‬ﻧﻈﺎم ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧﺎت )‪.(SAS‬‬

‫‪-˿˼-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻷول وﻣﺮاﺟﻌﻪ‬

‫) أ ( ﻣﺼﺎدر وﻣﺮاﺟﻊ ﻋﺮﺑﻴﺔ‪:‬‬

‫رﺟﺎء ﻣﺤﻤﻮد أﺑﻮ ﻋﻼم )‪ ،(١٩٩٩‬ﻣﻨﺎﻫﺞ اﻟﺒﺤﺚ ﰲ اﻟﻌﻠـﻮم اﻟﻨﻔـﺴﻴﺔ واﻟﱰﺑﻮﻳـﺔ‪) ،‬اﻟﻘـﺎﻫﺮة‪ :‬دار اﻟﻨـﴩ‬
‫ﻟﻠﺠﺎﻣﻌﺎت(‪.‬‬

‫ﺳــﻤري ﻛﺎﻣــﻞ ﻋﺎﺷــﻮر& ﺳــﺎﻣﻴﺔ أﺑــﻮ اﻟﻔﺘــﻮح ﺳــﺎمل )‪ ،(٢٠٠٣‬اﻟﻌــﺮض واﻟﺘﺤﻠﻴــﻞ اﻹﺣــﺼﺎيئ ﺑﺎﺳــﺘﺨﺪام‬
‫)‪ ،(SPSSWIN‬اﻟﺠﺰء اﻷول‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﺟﺎﻣﻌﺔ اﻟﻘﺎﻫﺮة‪ :‬ﻣﻌﻬﺪ اﻟﺒﺤﻮث واﻟﺪراﺳﺎت اﻹﺣﺼﺎﺋﻴﺔ(‪.‬‬

‫ﺳــﻤري ﻛﺎﻣــﻞ ﻋﺎﺷــﻮر& ﺳــﺎﻣﻴﺔ أﺑــﻮ اﻟﻔﺘــﻮح ﺳــﺎمل )‪ ،(٢٠٠٥‬اﻟﻌــﺮض واﻟﺘﺤﻠﻴــﻞ اﻹﺣــﺼﺎيئ ﺑﺎﺳــﺘﺨﺪام‬
‫)‪ ،(SPSSWIN‬اﻟﺠﺰء اﻟﺜﺎين‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﺟﺎﻣﻌﺔ اﻟﻘﺎﻫﺮة‪ :‬ﻣﻌﻬﺪ اﻟﺒﺤﻮث واﻟﺪراﺳﺎت اﻹﺣﺼﺎﺋﻴﺔ(‪.‬‬

‫ﺻﻼح اﻟﺪﻳﻦ ﻣﺤﻤﻮد ﻋﻼم )‪ ،(٢٠٠٠‬ﺗﺤﻠﻴﻞ ﺑﻴﺎﻧﺎت اﻟﺒﺤﻮث اﻟﻨﻔﺴﻴﺔ واﻻﺟﺘامﻋﻴﺔ واﻟﱰﺑﻮﻳﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪:‬‬
‫دار اﻟﻔﻜﺮ اﻟﻌﺮيب(‪.‬‬

‫ﻋﺎﻃﻒ أﺣﻤﺪ ﻣﻨﺼﻮر)‪ ،(١٩٩٢‬اﻟﺮﻳﺎﺿﻴﺎت اﳌﺴﻠﻴﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﻣﻜﺘﺒﺔ اﺑﻦ ﺳﻴﻨﺎ(‪.‬‬

‫ﻓﺘﺤﻲ ﻋﺒﺪ اﻟـﻠـﻪ ﻓﻴﺎض )‪ ،(١٩٩١‬اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﻟﻠﺒﻴﺎﻧﺎت اﻟﺠﻐﺮاﻓﻴﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﻣﻜﺘﺒﺔ ﺟﺎﻣﻌﺔ ﻋني‬
‫ﺷﻤﺲ(‪.‬‬

‫ﻓﺆاد أﺑﻮ ﺣﻄﺐ & آﻣﺎل ﺻﺎدق )‪ ،(٢٠١٠‬ﻣﻨﺎﻫﺞ اﻟﺒﺤﺚ وﻃﺮق اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﰲ اﻟﻌﻠﻮم اﻟﻨﻔـﺴﻴﺔ‬
‫واﻻﺟﺘامﻋﻴﺔ واﻟﱰﺑﻮﻳﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﻣﻜﺘﺒﺔ اﻷﻧﺠﻠﻮ اﳌﴫﻳﺔ(‪.‬‬

‫‪-˿˽-‬‬
 ‫اﻟﻔﺼﻞ اﻷول‬

:‫)ب( ﻣﺼﺎدر وﻣﺮاﺟﻊ أﺟﻨﺒﻴﺔ‬

- Borror, Connie M. Ye, Nong; Mahwah (2003) Statistical Analysis of Normal and Abnormal Data.
In: The Handbook of Data Mining. , NJ, US: Lawrence Erlbaum Associates, Publishers, pp. 67-
102.

- Denny Burzynski, Wade Ellis (2010) Fundamentals of Mathematics. CONNEXS. Rice University.
Houston. TEX.

- Esiner, E. W. (1998) The Enlightened Eye: Qualitative Inquiry and the Enhancement of
Educational Practice. Upper Saddle River, NJ: Merrill Prentice – Hall.

- Murism, R.D. (2005) Statistical Modeling in the Sciences. Australia. Pearson Education.

- N.A.I (2004) Computational Statistics and Data Analysis. Special Issue: The Fuzzy Approach to Statistical
Analysis. Journal of Multivariate Analysis, Vol. 91(2), pp. 306.

- Shank, G. D. (2002) Qualitative Research: A Personal Skills Approach: NJ: Merrill Prentice – Hall.

- Shepherd, Martin (1985) EMDISP: A Visual Display System with Digital and Analogue Sampling;
Behavior Research Methods, Instruments & Computers, Vol. 16(3), pp. 297-302.

- SPSS Manuals. Different Versions. London. Sage.

-Susan Dean. Barbara Illowsky (2009) Collaborative Statistics: Symbols and Their Meanings. The
Connexions Project. Creative Commons Attribution. Available at:
www.scribd.com/Collaborative-Statistics-Symbols.

- www.sussex.ac.uk/Users/grahamh/ Stats Symbols. A Brief Guide to Some Commonly Used

Statistical Symbols.

-˿˾-
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫إﻋﺪاد اﻟﺒﻴﺎﻧﺎت واﳌﻌﺎﻟﺠﺔ اﻹﺣﺼﺎﺋﻴﺔ اﻟﻮﺻﻔﻴﺔ‬

‫متﻬــــﻴﺪ‬

‫ﺑﻌﺪ اﻻﻧﺘﻬﺎء ﻣﻦ ﺟﻤﻊ ﺑﻴﺎﻧـﺎت اﻟﺪراﺳـﺔ وﻣﺮاﺟﻌﺘﻬـﺎ‪ ،‬ﺗـﺄيت اﻟﺨﻄـﻮة اﻟﻼﺣﻘـﺔ ﻣﻤﺜﻠـﺔ ﰲ إدﺧـﺎل ﺗﻠـﻚ‬
‫اﻟﺒﻴﺎﻧﺎت وﺗﺤﻠﻴﻠﻬﺎ‪ ،‬وﻣﻦ اﻟﺜﺎﺑﺖ أن اﻟﺘﺤﻠﻴﻞ اﻟﺴﻠﻴﻢ ﻟﺒﻴﺎﻧﺎت اﻟﺒﺤﻮث اﻟﻌﻠﻤﻴﺔ ﻳﺘﻄﻠﺐ إﻋﺪاد ﺗﻠﻚ اﻟﺒﻴﺎﻧﺎت‬
‫ﺑﻄﺮﻳﻘﺔ ﻣﻌﻴﻨﺔ؛ ﺑﺤﻴﺚ ميﻜﻦ ﻣﻌﺎﻟﺠﺘﻬﺎ إﺣﺼﺎﺋﻴّﺎ مبﺎ ﻳﺘﻔﻖ واﻹﺟﺎﺑﺔ ﻋﲆ اﻟﺘﺴﺎؤﻻت اﻟﺘـﻲ ﺗـﺴﻌﻰ اﻟﺪراﺳـﺔ‬
‫ﻟﻺﺟﺎﺑﺔ ﻋﻠﻴﻬﺎ أو اﻟﺘﺤﻘﻖ ﻣﻦ اﻟﻔﺮوض اﻟﺘﻲ ﺗﺴﺘﻬﺪف اﻟﺪراﺳﺔ اﻟﺘﺤﻘﻖ ﻣﻨﻬﺎ‪.‬‬

‫اﻟﻔﺼﻞ اﻟﺤﺎﱄ ﻳﻌﺮض أﺳﺎﺳﻴﺎت إدﺧـﺎل اﻟﺒﻴﺎﻧـﺎت وإﻋـﺪادﻫﺎ ﻟﻠﺘﺤﻠﻴـﻞ اﻹﺣـﺼﺎيئ ﻣـﻦ ﻣﻨﻈـﻮر اﻟﻔﻜـﺮ‬
‫واﳌﻬﺎرة؛ ﺣﻴﺚ ﻳﺘﻀﻤﻦ ﺛﻼﺛﺔ ﻣﺒﺎﺣﺚ‪ ،‬ﻳﺨﺘﺺ اﳌﺒﺤـﺚ اﻷول ﺑﺘﻮﺿـﻴﺢ ﻋﻤﻠﻴـﺔ ﺗﺠﻬﻴـﺰ اﻟﺒﻴﺎﻧـﺎت ﻟﻠﺘﺤﻠﻴـﻞ‬
‫إﺣﺼﺎﺋﻴﺎ ﻣﻌﺎﻟﺠﺔ ﺳﻠﻴﻤﺔ ﺗﻘﺎﺑـﻞ‬
‫ّ‬ ‫اﻹﺣﺼﺎيئ‪ ،‬مبﻌﻨﻰ ﻛﻴﻔﻴﺔ إﻋﺪادﻫﺎ ﺑﻄﺮﻳﻘﺔ ﺻﺤﻴﺤﺔ؛ ﺑﺤﻴﺚ ميﻜﻦ ﻣﻌﺎﻟﺠﺘﻬﺎ‬
‫أﻫﺪاف اﻟﺒﺤﺚ؛ وذﻟﻚ ﻣﻦ ﺣﻴﺚ اﳌﺮاﺟﻌﺔ‪ ،‬اﻹدﺧﺎل‪ ،‬اﻟﺘﻨﻈﻴﻢ‪ .‬أﻣﺎ اﳌﺒﺤﺚ اﻟﺜﺎين‪ ،‬ﻓﻴﻨﺎﻗﺶ أﺳﺎﻟﻴﺐ اﻟﻮﺻﻒ‬
‫اﻟﺘﻜﺮاري واﻟﺒﻴﺎين ﻟﻠﻤﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﻷوﻟﻴﺔ ﻣﻦ ﺧﻼل اﻟﺘﻜﺮارات واﻟﻨﺴﺐ واﻷﺷـﻜﺎل اﻟﺒﻴﺎﻧﻴـﺔ‪ ،‬ﰲ ﺣـني‬
‫ﻣﺘﻀﻤﻨﺎ اﻟﺘﻌﺮﻳﻒ مبﻘﺎﻳﻴﺲ اﻟﻨـﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ ﻟﻠﺒﻴﺎﻧﺎت‪ ،‬وﻣﻘـﺎﻳﻴﺲ اﻟﺘـﺸﺘﺖ‪ ،‬ﺑﺎﻋﺘﺒﺎرﻫـﺎ‬
‫ً‬ ‫ﻳﺄيت اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‬
‫ﻣﻦ أﻫﻢ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ ﺷﺎﺋﻌﺔ اﻻﺳﺘﺨﺪام ﰲ اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ‪.‬‬

‫‪-˿̀-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﳌﺒﺤﺚ اﻷول‬
‫ﺗﺠﻬﻴﺰ اﻟﺒﻴﺎﻧﺎت‬

‫إﺣﺼﺎﺋﻴﺎ ﻣﻌﺎﻟﺠﺔ ﺳﻠﻴﻤﺔ‬

‫ّ‬ ‫ﻳﻘﺼﺪ ﺑﺘﺠﻬﻴﺰ اﻟﺒﻴﺎﻧﺎت إﻋﺪادﻫﺎ ﺑﺎﻟﻄﺮﻳﻘﺔ اﳌﻨﺎﺳﺒﺔ؛ ﺑﺤﻴﺚ ميﻜﻦ ﻣﻌﺎﻟﺠﺘﻬﺎ‬
‫ﺗﻘﺎﺑﻞ أﻫﺪاف اﻟﺒﺤﺚ‪ ،‬وﺗﺘﻤﺜﻞ اﻹﺟﺮاءات اﻷﺳﺎﺳﻴﺔ ﻟﺘﺠﻬﻴﺰ اﻟﺒﻴﺎﻧﺎت ﰲ‪ :‬اﳌﺮاﺟﻌﺔ‪ ،‬اﻹدﺧﺎل‪ ،‬اﻟﺘﻨﻈﻴﻢ؛ وﻣﻦ‬
‫ﺛﻢ وﺻﻒ اﻟﺒﻴﺎﻧﺎت ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬
‫ّ‬
‫ً‬
‫أوﻻ‪ :‬ﻣﺮاﺟﻌﺔ اﻟﺒﻴﺎﻧﺎت‬

‫ﻗﺒﻞ إدﺧﺎل اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﺳﺘﺘﻢ ﻣﻌﺎﻟﺠﺘﻬﺎ إﺣﺼﺎﺋﻴّﺎ ﺗﺘﻢ ﻣﺮاﺟﻌﺘﻬﺎ ﺑﺪﻗﺔ ﻣﺘﻨﺎﻫﻴﺔ‪ ،‬ﺳﻮاء ﻛﺎﻧﺖ ﺑﻴﺎﻧـﺎت‬
‫ﺗﺤﻠﻴﻠﻴﺔ )ﻣﺴﺘﻤﺪة ﻣﻦ ﺗﺤﻠﻴﻞ اﻟﺮﺳﺎﻟﺔ اﻹﻋﻼﻣﻴﺔ(‪ ،‬أو ﻛﺎﻧﺖ ﺑﻴﺎﻧﺎت ﻣﻴﺪاﻧﻴـﺔ )ﻣـﺴﺘﻤﺪة ﻣـﻦ اﻟﺠﻤﻬـﻮر أو‬
‫اﻟﻘﺎﺋﻢ ﺑﺎﻻﺗﺼﺎل أو ﻏري ذﻟـﻚ ﻣـﻦ اﻷﺷـﺨﺎص اﻟﻄﺒﻴﻌﻴـني واﻻﻋﺘﺒـﺎرﻳني(‪ ،‬واﻟﻬـﺪف اﻷﺳـﺎﳼ ﻣـﻦ اﳌﺮاﺟﻌـﺔ‬
‫اﳌﺪﻗﻘﺔ ﻫﻮ اﻟﺘﺄﻛﺪ ﻣﻦ أن اﻟﺒﻴﺎﻧﺎت ﺻﺤﻴﺤﺔ وﻣﺴﺘﻮﻓﺎة‪ ،‬ومبﻮﺟﺐ ﻫﺬه اﳌﺮاﺟﻌﺔ ﻳـﺘﻢ ﺣـﺬف اﻻﺳـﺘامرات‬
‫أو اﻟﺒﻴﺎﻧﺎت ﻏري اﳌﻜﺘﻤﻠﺔ‪ ،‬أو اﳌﺘﻀﺎرﺑﺔ‪ ،‬أو ﻏري اﻟﺪﻗﻴﻘﺔ ‪ /‬ﻏري اﳌﻨﻄﻘﻴﺔ‪ ،‬أو اﻟﺘـﻲ ﺗﻜـﺸﻒ ﻋـﻦ ﻣﻮاﺻـﻔﺎت‬
‫ﻏري ﻣﺘﻄﺎﺑﻘﺔ )ﻛﺄن ﺗﻜﻮن اﻟﺪراﺳﺔ ﻋﲆ ﻣﺒﺤﻮﺛني ﻣﻦ ﻓﺌﺔ ﻋﻤﺮﻳﺔ ﻣﻌﻴﻨﺔ ﺛﻢ ﻧﻜﺘﺸﻒ ﰲ اﳌﺮاﺟﻌﺔ أن ﻫﻨﺎك‬
‫ﻣﻌﻴﻨـﺎ‬
‫ﺗﻮزﻳﻌـﺎ ً‬
‫ً‬ ‫ﺑﻌﺾ اﺳﺘامرات ﳌﺒﺤﻮﺛني ﻣﻦ ﻓﺌﺎت ﻋﻤﺮﻳﺔ أﺧﺮى‪ ،‬أو أن ﻳﻜﻮن اﳌﺨﻄﻂ أن ﺗﺘﻮزع اﻟﻌﻴﻨﺔ‬
‫ﻧﻘﺼﺎ ﰲ ﻋﺪد اﻻﺳﺘﺒﺎﻧﺎت مبﺎ ﻳﺨﻞ ﺑﻬﺬا اﻟﺘﻮزﻳﻊ(‪.‬‬
‫ﺣﺴﺐ اﻟﺨﺼﺎﺋﺺ اﻟﺪميﻮﺟﺮاﻓﻴﺔ‪،‬ﺛﻢ ﻧﻜﺘﺸﻒ زﻳﺎدة أو ً‬
‫وﺑﻌﺪ اﺳﺘﺒﻌﺎد اﻻﺳﺘامرات ﻏري اﻟﺼﺎﻟﺤﺔ‪ ،‬ﻓﺈن ﻋﲆ اﻟﺒﺎﺣﺚ اﺗﺨﺎذ اﻟﻘﺮار‪ :‬إﻣﺎ ﺑﺎﺳـﺘﻜامل‬
‫اﻟﻌﺪد اﳌﻄﻠﻮب ﻣﻦ اﻻﺳﺘامرات ﺑﺎﳌﻮاﺻﻔﺎت اﳌﻄﻠﻮﺑﺔ‪ ،‬أو اﻻﻛﺘﻔﺎء مبﺎ ﻫﻮ ﻣﻮﺟﻮد‪،‬وﻳﺘﻮﻗﻒ‬
‫ذﻟﻚ ﻋﲆ ﺣﺠﻢ اﻟﻌﻴﻨـﺔ وﻃﺒﻴﻌـﺔ اﻟﺒﺤـﺚ وإﻣﻜﺎﻧﻴـﺔ اﻻﺳـﺘﻜامل ﻣـﻦ ﻋـﺪﻣﻬﺎ‪ .‬ﻓﻘـﺪ ﻳﻘـﺮر‬
‫اﻟﺒﺎﺣﺚ أن ﻳﺴﺘﻜﻤﻞ اﻻﺳﺘامرات ﻏري اﳌﺴﺘﻮﻓﺎة ‪/‬ﻏري اﻟﺼﺤﻴﺤﺔ‪ ،‬وﻗﺪ ﻳﻜﺘﻔﻲ ﺑﺎﻻﺳـﺘامرات‬
‫ﻛﺒـريا‪ ،‬وﻛﺎﻧـﺖ اﻟﺒﻴﺎﻧـﺎت اﻟﻨﺎﻗـﺼﺔ ﻗﻠﻴﻠـﺔ أو ﻏـري‬
‫ً‬ ‫اﻟﺼﺤﻴﺤﺔ‪ ،‬ﺧﺎﺻﺔ إذا ﻛﺎن ﺣﺠﻢ اﻟﻌﻴﻨـﺔ‬

‫‪-˿́-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫أﺳﺎﺳﻴﺔ ﰲ اﻟﺪراﺳﺔ‪ ،‬أو أن ﻋﺪد اﻻﺳﺘامرات اﳌﺴﺘﺒﻌﺪة ﻗﻠﻴﻞ وﻻ ﻳﺆﺛﺮ ﰲ ﺣﺠﻢ اﻟﻌﻴﻨﺔ وﻻ ﻳﻌﺮﻗﻞ اﳌﻌﺎﻟﺠـﺔ‬
‫اﻹﺣﺼﺎﺋﻴﺔ اﳌﻄﻠﻮﺑﺔ ‪ ..‬وﰲ ﻛﻞ اﻷﺣﻮال‪ ،‬ﻓﺈن ﻋﲆ اﻟﺒﺎﺣﺚ أن ﻳﺬﻛﺮ ذﻟﻚ ﰲ ﺗﻘﺮﻳﺮ اﻟﺒﺤﺚ‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬إدﺧﺎل اﻟﺒﻴﺎﻧﺎت‬

‫ً‬
‫ﻣﻦ اﳌـﺴﻠﻢ ﺑـﻪ أﻧـﻪ ﻗﺒـﻞ ﺗﻄﺒﻴـﻖ أداة ﺟﻤـﻊ اﻟﺒﻴﺎﻧـﺎت ﻳـﺘﻢ اﻟﺘـﺪﻗﻴﻖ ﻓﻴﻬـﺎ ﻣـﻦ اﳌﻨﻈـﻮر اﻹﺣـﺼﺎيئ‪،‬‬
‫ﻛﻤﻴـﺔ‬
‫ﻣﺜﻼ‪ ،‬ﻳﺘﻢ اﻟﺘﺄﻛﺪ ﻣﻦ أن اﻷﺳـﺌﻠﺔ ‪/‬اﻟﺒﻨـﻮد ﺑﺄرﻗـﺎم ﻣﺘﺴﻠـﺴﻠﺔ‪ ،‬وأن اﻻﺳـﺘﺠﺎﺑﺎت ﻟﻬـﺎ ﻗـﻴﻢ ّ‬
‫ﻓﺎﻻﺳﺘﺒﻴﺎن ً‬
‫)‪ (Quantitative Values‬واﺿﺤﺔ‪ ،‬وأن ﻳﺘﺨﺬ اﻟﺒﺎﺣﺚ ﻗﺮا ًرا ﺑﺸﺄن اﻷﺳﺌﻠﺔ‪ /‬اﻟﺒﻨﻮد اﳌﻔﺘﻮﺣـﺔ‪ .‬وﺑﻌـﺪ اﻻﻧﺘﻬـﺎء‬
‫ﺗـﺮﻗﻴام‬
‫ً‬ ‫ﻣﻦ ﺟﻤﻊ وﺗﺴﺠﻴﻞ اﻟﺒﻴﺎﻧﺎت وﻣﺮاﺟﻌﺘﻬﺎ ﻋﲆ اﻟﻨﺤﻮ اﳌﺸﺎر إﻟﻴـﻪ‪ ،‬ﻳـﺘﻢ ﺗـﺮﻗﻴﻢ ﺟﻤﻴـﻊ اﻻﺳـﺘامرات‬
‫ﻣﺜﻼ ﺗﻢ ﺗﻄﺒﻴﻘـﻪ ﻋـﲆ ﻋﻴﻨـﺔ ﻗﻮاﻣﻬـﺎ ‪ ٤٠٠‬ﻣﻔـﺮدة‪ ،‬ﻓـﺈن اﻟﺒﺎﺣـﺚ ﻳﻘـﻮم‬
‫ﻣﺘﺴﻠﺴﻼ‪ ،‬ﻓﺈذا ﻛﺎن ﻟﺪﻳﻨﺎ اﺳﺘﺒﻴﺎن ً‬
‫ً‬
‫ﺑﱰﻗﻴﻢ اﻻﺳﺘﺒﺎﻧﺎت ﻣﻦ )‪ (١‬إﱃ )‪ .(٤٠٠‬وﻳـﺘﻢ وﺿـﻊ اﻟﻨﻈـﺎم اﻹﺣـﺼﺎيئ ﻹدﺧـﺎل اﻟﺒﻴﺎﻧـﺎت ﺑﺎﺳـﺘﺨﺪام أﺣـﺪ‬
‫اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة؛ وﺑﺤﻴﺚ ﻳﺘﻮاﻓﻖ ﻫﺬا اﻟﻨﻈﺎم ﻣـﻊ ﻣﻜﻮﻧـﺎت أداة ﺟﻤـﻊ اﻟﺒﻴﺎﻧـﺎت‪ ،‬ﻓﻔـﻲ ﺣﺎﻟـﺔ‬
‫ﻣﺜﻼ ﻻ ﺑﺪ أن ﻳﻜﻮن ﻧﻈﺎم إدﺧﺎل اﻟﺒﻴﺎﻧﺎت ﻳﻌﻜﺲ ﻣﻜﻮﻧﺎت اﻻﺳﺘﺒﻴﺎن؛ ﻣﻦ ﺣﻴـﺚ ﻋـﺪد اﻷﺳـﺌﻠﺔ‪/‬‬
‫اﻻﺳﺘﺒﻴﺎن ً‬
‫اﻟﺒﻨﻮد واﳌﺘﻐريات‪.‬‬

‫وﻗــﺪ ﻇﻬــﺮت ﻃــﺮق ﺣﺪﻳﺜــﺔ ﰲ إدﺧــﺎل اﻟﺒﻴﺎﻧــﺎت ﺑﺎﺳــﺘﺨﺪام ﺑ ـﺮاﻣﺞ ﺣﺎﺳــﻮﺑﻴﺔ ﺗﻘــﻮم ﺑﻌﻤــﻞ ﻣــﺴﺢ‬
‫)‪ (Scanning‬ﻟﻼﺳﺘﺒﺎﻧﺎت‪ ،‬وﻣﻦ ﺧﻼل ﻫﺬا اﳌﺴﺢ ﻳﺘﻢ إدﺧﺎل اﻟﺒﻴﺎﻧﺎت آﻟﻴّﺎ‪ ،‬وﻫﺬه اﻟﻄﺮﻳﻘـﺔ ﺗـﺴﺘﺨﺪم ﻋـﲆ‬
‫ﻧﻄﺎق واﺳﻊ ﰲ اﻟﻜﺜري ﻣﻦ اﺳﺘﻄﻼﻋﺎت اﻟﺮأي اﻟﻌﺎم‪ ،‬وﻣﻊ اﻟﺘﺄﻛﻴﺪ ﻋﲆ أﻫﻤﻴـﺔ ﻃﺮﻳﻘـﺔ اﳌـﺴﺢ )‪،(Scanning‬‬
‫إﻻ أن اﳌامرﺳﺔ اﻟﻔﻌﻠﻴﺔ ﻛﺸﻔﺖ ﻋﻦ أﻧﻬﺎ ﺗﻨﻄﻮي ﻋﲆ أﺧﻄـﺎء ﺣﺘـﻰ ﰲ ﺣﺎﻟـﺔ إﻋـﺪاد اﻻﺳـﺘﺒﻴﺎن وﺗﻜﻮﻳـﺪه‬
‫وﺟﻬﺪا ﻻ ﻳﻘـﻞ‬
‫ً‬ ‫وﻗﺘﺎ‬
‫ﺑﺎﻷﺳﻠﻮب اﻟﺬي ﺗﻘﺘﻀﻴﻪ ﻫﺬه اﻟﻄﺮﻳﻘﺔ‪ ،‬وﰲ ﺗﺼﻮﻳﺐ ﻫﺬه اﻷﺧﻄﺎء ﻗﺪ ﻳﺴﺘﻐﺮق اﻷﻣﺮ ً‬
‫ﻋام ﻟﻮﺗﻢ إدﺧﺎل اﻟﺒﻴﺎﻧﺎت ﺑﺎﻟﻄﺮﻳﻘﺔ اﻟﺘﻘﻠﻴﺪﻳﺔ‪ ،‬ﻋﲆ أن ﻃﺮﻳﻘﺔ إدﺧﺎل اﻟﺒﻴﺎﻧﺎت ﺑﻄﺮﻳﻘﺔ اﳌﺴﺢ اﻵﱄ ﻳﻜﻮن‬
‫ﻟﻬﺎ ﻣﻴﺰات ﰲ اﻟﺒﺤﻮث اﻟﺘﻲ ﺗﺘﻌﺪد ﻓﻴﻬﺎ أدوات ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت‪ ،‬وﺗﺠﺮي ﻋﲆ ﻋﻴﻨﺎت ﻛﺒـرية‪ .‬وﻫﻨـﺎك اﻟﻜﺜـري‬
‫ﻣﻦ اﳌﺮاﺟﻊ اﳌﺘﺨﺼﺼﺔ ﺑﻞ واﻟﺘﻄﺒﻴﻘﺎت اﳌﺤﻮﺳﺒﺔ ﰲ ﻫﺬا اﻟﺸﺄن ميﻜﻦ ﻟﻠﺒﺎﺣﺜني اﻟﺮﺟﻮع إﻟﻴﻬﺎ‪.‬‬

‫‪-˿̂-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻣـــﺎ ﻳﻌﻨﻴﻨـــﺎ ﰲ ﻫـــﺬه اﻟﺠ ﺰﺋﻴـــﺔ ﺗﻮﺿـــﻴﺢ ﻛﻴﻔﻴـــﺔ إدﺧـــﺎل اﻟﺒﻴﺎﻧـــﺎت ﰲ اﻟﺤﺎﺳـــﺐ اﻵﱄ ﺑﺎﻟﻄﺮﻳﻘـــﺔ‬
‫اﻟﺘﻘﻠﻴﺪﻳﺔ‪.‬ﻓﺒﻤﻮﺟﺐ أرﻗﺎم اﻷﺳﺌﻠﺔ‪ /‬اﻟﺒﻨﻮد اﻟﺘﻲ ﻳﻀﻤﻬﺎ اﻻﺳـﺘﺒﻴﺎن‪ ،‬ﻳـﺘﻢ وﺿـﻊ اﻟﻨﻈـﺎم اﻹﺣـﺼﺎيئ ﻹدﺧـﺎل‬
‫اﻟﺒﻴﺎﻧﺎت ﻓﺈذا ﻛﺎن اﻟﺴﺆال أو اﻟﺒﻨﺪ ﻣﻦ اﻟﻨﻮﻋﻴـﺔ اﻟﺘـﻲ ﻳﺨﺘـﺎر ﻋﻠﻴﻬـﺎ اﳌﺒﺤــﻮث اﺳـﺘﺠﺎﺑﺔ واﺣـﺪة )‪One-‬‬
‫‪ ،(Response‬ﻓﺈﻧﻪ ﻳﺨﺼﺺ ﻟﻪ ﻋﻤﻮد واﺣﺪ )‪ (Column‬ﰲ ﻧﻈﺎم اﻹدﺧﺎل‪ ،‬وﻳﻜﻮن ﻫﺬا اﻟﻌﻤـﻮد ﻳﺤﻤـﻞ رﻗـﻢ‬
‫ﻧﻔﺲ اﻟﺴﺆال‪ ،‬وﻳﺘﻢ إدﺧـﺎل رﻗﻢ اﻻﺳﺘﺠﺎﺑﺔ اﻟﺘﻲ اﺧﺘﺎرﻫﺎ اﳌﺒﺤﻮث ﻋﲆ اﻟﺴﺆال‪ .‬ﻟﻨﻔﺮض أن اﻟـﺴـﺆال ﻫـﻮ‪:‬‬
‫»ﻫﻞ ﺗﺴﺘﺨﺪم اﻹﻧﱰﻧﺖ؟« وﻛﺎﻧﺖ اﻻﺳﺘﺠﺎﺑﺎت ﻋﲆ ﻫﺬا اﻟﺴﺆال ﻫﻲ‪:‬‬

‫)‪ (٣‬دامئًﺎ‬ ‫أﺣﻴﺎﻧﺎ‬

‫)‪ً (٢‬‬ ‫)‪ (١‬ﻻ‬

‫ﻓﺈذا اﺧﺘﺎر اﳌﺒﺤﻮث اﻻﺳﺘﺠﺎﺑﺔ اﻷوﱃ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺪون رﻗﻢ ‪ ٣‬ﰲ اﻟﻌﻤﻮد اﳌﺨـﺼﺺ ﻟﻬـﺬا اﻟـﺴﺆال‪ ،‬أﻣـﺎ إذا‬
‫اﺧﺘﺎر اﳌﺒﺤﻮث اﻻﺳﺘﺠﺎﺑﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺪون اﻟﺮﻗﻢ ‪ ، ٢‬وإذا اﺧﺘﺎر اﳌﺒﺤﻮث اﻻﺳﺘﺠﺎﺑﺔ اﻟﺜﺎﻟﺜﺔ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺪون‬
‫اﻟﺮﻗﻢ ‪ ... ١‬وﻫﻜﺬا ﰲ ﺟﻤﻴﻊ اﻷﺳﺌﻠﺔ ذات اﻻﺧﺘﻴﺎر اﻟﻮاﺣﺪ‪ .‬أﻣﺎ إذا ﻛﺎن اﻟـﺴﺆال ﻣـﻦ اﻟﻨﻮﻋﻴـﺔ اﻟﺘـﻲ ميﻜـﻦ‬
‫ﻟﻠﻤﺒﺤﻮث أن ﻳﺨﺘﺎر أﻛرث ﻣﻦ اﺳﺘﺠﺎﺑﺔ )‪ ،(Multi-Response‬ﻓﺈﻧﻪ ﻳﺨﺼﺺ ﻟﻪ ﻋﺪد ﻣﻦ اﻷﻋﻤﺪة ﻳﺴﺎوي ﻋﺪد‬
‫ﺳﺆاﻻ ﻫﻮ‪ » :‬ﳌﺎذا ﺗﺸﺎﻫﺪ اﻟﺘﻠﻴﻔﺰﻳـﻮن؟«‪ ،‬وأن ﻫﻨـﺎك‬
‫اﻻﺳﺘﺠﺎﺑﺎت أو اﻟﺒﺪاﺋﻞ‪ .‬ﻟﻨﻔﺮض أن اﻻﺳﺘﺒﻴﺎن ﻳﺘﻀﻤﻦ ً‬
‫ﻋﺸـﺮة أﺳﺒﺎب ﻳﺨﺘﺎر ﻣﻨﻬﺎ اﳌﺒﺤﻮث‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻻ ﺑﺪ أن ﻳﻜﻮن ﻟﻬﺬا اﻟﺴﺆال ﻋﺸـﺮة أﻋﻤﺪة‪ ،‬ﻓﺈذا ﻛـﺎن‬
‫ﻣﺜﻼ‪ ،‬ﻓﺈن ﻧﻈﺎم اﻹدﺧﺎل ﻟﻬﺬا اﻟﺴﺆال ﻳﻜﻮن ﻛﺎﻵيت‪:‬‬
‫اﻟﺴﺆال اﳌﻌﻨﻲ ﻫﻮ اﻟﺴﺆال رﻗﻢ ‪ ٧‬ﰲ اﻻﺳﺘﺒﻴﺎن ً‬
‫‪Q7.1-Q7.2- Q7.3- Q7.4- Q7.5- Q7.6-Q7.7- Q7.8- Q7.9- Q7.10‬‬

‫وﻳﺘﻢ إدﺧﺎل اﻟﺮﻗﻢ ‪ ١‬ﻟﻴﺪل ﻋﲆ اﻟﺒﺪﻳﻞ اﻟﺬي اﺧﺘﺎره اﳌﺒﺤﻮث‪ ،‬ﺑﻴﻨام ﻳـﺘﻢ إدﺧـﺎل اﻟـﺮﻗﻢ ﺻـﻔﺮ ﻟﻴـﺪل‬
‫ﻋﲆ اﻟﺒﺪﻳﻞ اﻟﺬي مل ﻳﺨﺘﺎره اﳌﺒﺤﻮث‪ ....‬وﻫﻜﺬا ﰲ ﺟﻤﻴﻊ اﻷﺳﺌﻠﺔ ﻣﺘﻌﺪدة اﻻﺧﺘﻴﺎرات‪.‬‬

‫‪-̀˹-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫أﻣﺎ ﻓﻴام ﻳﺨﺺ اﻷﺳﺌﻠﺔ اﳌﻔﺘﻮﺣﺔ )‪ ،(Open Ended Questions‬ﻓﺈن إدﺧﺎﻟﻬﺎ ﻳﺘﻄﻠﺐ اﻟﻜﺜري ﻣـﻦ اﻟﻮﻗـﺖ‬
‫واﻟﱰﻛﻴﺰ اﻟﺬﻫﻨﻲ‪ .‬ﻟﻨﻔﺮض أن اﻟﺴﺆال ﻫﻮ‪»:‬ﻣﺎ ﻫﻲ اﻟﻘﻨﻮات اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴﺔ اﻟﺘﻲ ﺗﻔﻀﻞ ﻣـﺸﺎﻫﺪﺗﻬﺎ«؟‪ ،‬وﻫـﺬا‬
‫اﻟﺴﺆال ﻣﻔﺘﻮح؛ أي أن اﳌﻄﻠﻮب ﻣﻦ اﳌﺒﺤـﻮث أن ﻳـﺬﻛﺮ اﻟﻘﻨـﻮات اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴـﺔ اﻟﺘـﻲ ﻳﻔـﻀﻠﻬﺎ‪ ،‬وﺑﻄﺒﻴﻌـﺔ‬
‫اﻟﺤﺎل‪ ،‬ﻓﺈن اﳌﺒﺤﻮث ﻗﺪ ﻳﺬﻛﺮ ﻋﺪة ﻗﻨﻮات‪ ،‬وﻗـﺪ ﻳـﺬﻛﺮ ﻗﻨـﺎة واﺣـﺪة‪ ،‬أو ﻗﻨـﺎﺗني‪ ...‬إﻟـﺦ‪ .‬إن وﺿـﻊ ﻧﻈـﺎم‬
‫إﺣﺼﺎيئ ﻹدﺧﺎل ﺑﻴﺎﻧﺎت ﻣﺜﻞ ﻫﺬا اﻟﺴﺆال ﻳﺄﺧﺬ ﻫﺬه اﻟﺤﻘﻴﻘﺔ ﺑﻌني اﻻﻋﺘﺒﺎر؛ ﺑﺤﻴـﺚ ﻳـﺘﻢ ﺗﺨـﺼﻴﺺ ﻋـﺪد‬
‫ﻛﺎف ﻣﻦ اﻷﻋﻤﺪة )‪ ،(Columns‬ﻓﻘﺪ ﺗﺼﻞ اﻟﻘﻨﻮات اﻟﺘﻲ ﺗﻔﻀﻠﻬﺎ اﻟﻌﻴﻨﺔ إﱃ ﻣﺌﺎت اﻟﻘﻨـﻮات )ﻻﺣـﻆ أﻧﻨـﺎ‬
‫ً‬
‫ﻣﺒﺤﻮﺛـﺎ ﻳﻔـﻀﻞ ﻣـﺸﺎﻫﺪة‬ ‫ﻧﺘﺤﺪث ﻋﻦ ﻛﻞ اﻟﻌﻴﻨﺔ وﻟﻴﺲ ﻋﻦ اﻟﻔﺮد اﻟﻮاﺣﺪ(‪ ،‬ﻏري أﻧﻪ ﻣﻦ اﻟﺼﻌﺐ أن ﻧﺠﺪ‬
‫أﻛرث ﻣﻦ ﻋﴩ ﻗﻨﻮات‪ ،‬وﻣﻦ ﻫﻨﺎ ميﻜﻦ أن ﻧﺨﺼﺺ ﻋﺸـﺮة أﻋﻤﺪة ﻟﻬﺬا اﻟﺴﺆال‪.‬‬

‫إن ﻫﻨﺎك ﻋﺪة ﻃﺮق ﻟﺘﻜﻮﻳﺪ ﻣﺜﻞ ﻫﺬا اﻟﺴﺆال وﻏريه ﻣﻦ اﻷﺳﺌﻠﺔ اﳌﻔﺘﻮﺣﺔ‪ ،‬أﺑﺴﻂ ﻫـﺬه اﻟﻄـﺮق ﻫـﻲ‬
‫أﻧﻪ أﺛﻨﺎء إدﺧﺎل اﻟﺒﻴﺎﻧﺎت ﻳﻘﻮم اﻟﺒﺎﺣﺚ ﺑﻜﺘﺎﺑﺔ اﺳـﻢ اﻟﻘﻨـﺎة‪ /‬اﻟﻘﻨـﻮات اﻟﺘـﻲ اﺧﺘﺎرﻫـﺎ اﳌﺒﺤـﻮث ﰲ ورﻗـﺔ‬
‫ﻣﻌﻴﻨﺎ ﻟﻜﻞ ﻗﻨﺎة؛ أي أن ﻫﺬه اﻟﻮرﻗﺔ ﺗﺘـﻀﻤﻦ اﺳـﻢ اﻟﻘﻨـﺎة ‪/‬أﺳـامء اﻟﻘﻨـﻮات اﻟﺘـﻲ‬
‫رﻗام ً‬
‫ﻣﺴﺘﻘﻠﺔ‪ ،‬وﻳﻌﻄﻲ ً‬
‫اﺧﺘﺎرﻫﺎ اﳌﺒﺤﻮث‪ ،‬وﻗﺮﻳﻦ اﺳﻢ اﻟﻘﻨﺎة ﻳﻮﺟﺪ رﻗﻢ ﻣﻌني‪ ،‬ﻟﻨﻔﺮض أن أﺣﺪ اﳌﺒﺤﻮﺛني أﻓﺎد ﺑﺄﻧـﻪ ﻳﻔـﻀﻞ‪ :‬ﻗﻨـﺎة‬
‫اﻟﺠﺰﻳﺮة‪ ،‬ﻗﻨﺎة اﻟﻌﺮﺑﻴﺔ‪ ،‬ﻗﻨﺎة اﻷﺧﺒﺎر اﳌﴫﻳﺔ‪ ،‬ﻗﻨﺎة ‪ .MBC‬ﻫﻨﺎ ﻳﻘﻮم ﻣﺪﺧﻞ اﻟﺒﻴﺎﻧﺎت ﺑﻜﺘﺎﺑﺔ ﻫﺬه اﻟﻘﻨـﻮات‬
‫ﰲ ورﻗﺔ ﻣﺴﺘﻘﻠﺔ‪ ،‬ﻣﻊ إﻋﻄﺎء رﻗﻢ )‪ (١‬ﻟﻘﻨـﺎة اﻟﺠﺰﻳـﺮة‪ ،‬رﻗـﻢ )‪ (٢‬ﻟﻘﻨـﺎة اﻟﻌﺮﺑﻴـﺔ‪ ،‬رﻗـﻢ )‪ (٣‬ﻟﻘﻨـﺎة اﻷﺧﺒـﺎر‬
‫اﳌﴫﻳﺔ‪ ،‬رﻗﻢ )‪ (٤‬ﻟﻘﻨﺎة ‪.MBC‬‬

‫وﰲ ﻋﻤﻠﻴﺔ إدﺧﺎل اﻟﺒﻴﺎﻧﺎت ﻳﻘﻮم اﻟﺒﺎﺣﺚ ﺑﺈدﺧﺎل اﻟﺮﻗﻢ )‪ (١‬ﻟﻴـﺪل ﻋـﲆ ﻗﻨـﺎة اﻟﺠﺰﻳـﺮة‪ ،‬ﺛـﻢ إدﺧـﺎل‬
‫اﻟﺮﻗﻢ )‪ (٢‬ﻟﻴﺪل ﻋﲆ ﻗﻨﺎة اﻟﻌﺮﺑﻴﺔ‪ ،‬ﺛﻢ اﻟﺮﻗﻢ )‪ (٣‬ﻟﻴﺪل ﻋﲆ ﻗﻨﺎة اﻷﺧﺒﺎر اﳌﴫﻳﺔ‪ ،‬ﺛـﻢ إدﺧـﺎل اﻟـﺮﻗﻢ )‪(٤‬‬
‫ﻟﻴﺪل ﻋﲆ ﻗﻨﺎة ‪ ،MBC‬وﻳﺘﻢ اﻻﻟﺘﺰام ﺑﺬﻟﻚ ﰲ إدﺧﺎل ﺑﻴﺎﻧﺎت ﻫﺬا اﻟﺴﺆال ﰲ ﺟﻤﻴﻊ اﻻﺳﺘﺒﺎﻧﺎت‪ ،‬مبﻌﻨـﻰ أن‬
‫أي ﻣﺒﺤﻮث ﻳﺬﻛﺮ أﻧﻪ ﻳﻔﻀﻞ ﻗﻨﺎة اﻟﺠﺰﻳﺮة‪ ،‬ﻳﺘﻢ إدﺧﺎل اﻟﺮﻗﻢ )‪ (١‬ﻋﲆ أﺳﺎس أﻧﻪ ﺗﻢ ﺗﻜﻮﻳﺪ ﻗﻨـﺎة اﻟﺠﺰﻳـﺮة‬
‫ﺑﻬﺬا اﻟﺮﻗﻢ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن اﻟﺮﻗﻢ )‪ (١‬ﻫﻮ اﻟﺮﻣﺰ اﻟﻜﻮدي ﻟﻘﻨﺎة اﻟﺠﺰﻳﺮة‪.‬‬

‫‪-̀˺-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وﻫﻜﺬا ﻓﻴام ﻳﺨﺺ ﺟﻤﻴﻊ اﻟﻘﻨﻮات‪ ،‬ﻓﻠﻜﻞ ﻣﻨﻬﺎ رﻗﻢ ﻛﻮدي ﻣﻤﻴﺰ‪ ،‬وﺑﺎﻟﺘﺄﻛﻴﺪ ﻓـﺈن اﻟﻘـﺎﺋﻢ ﻋـﲆ إدﺧـﺎل‬
‫اﻟﺒﻴﺎﻧﺎت ﺳﻴﺠﺪ ﻣﺒﺤﻮﺛني ﻳﻔﻀﻠﻮن ﻣﺸﺎﻫﺪة ﻗﻨﻮات أﺧﺮى‪ ،‬وﻫﻨﺎ ﻳﺘﻢ ﺗﺨـﺼﻴﺺ رﻗـﻢ ﻛـﻮدي ﺟﺪﻳـﺪ ﻟﻜـﻞ‬
‫ﻗﻨﺎة ﺟﺪﻳﺪة ﻳﺬﻛﺮﻫﺎ اﳌﺒﺤﻮﺛﻮن‪ ،‬وﻳﻘﻮم ﻣﺪﺧﻞ اﻟﺒﻴﺎﻧﺎت ﺑﺘﺪوﻳﻦ اﺳـﻢ اﻟﻘﻨـﺎة ورﻗﻤﻬـﺎ اﻟﻜـﻮدي ﰲ اﻟﻮرﻗـﺔ‬
‫اﳌــﺴﺘﻘﻠﺔ اﻟﺘــﻲ ﺗــﻀﻢ أﺳــامء وأرﻗــﺎم اﻟﻘﻨــﻮات اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴــﺔ‪ .‬ﻫــﺬه اﻟﻮرﻗــﺔ ﻣــﺎ ﻫــﻲ إﻻ دﻟﻴــﻞ اﻟﺘﻜﻮﻳــﺪ‬
‫)‪ (Codebook‬وﻫﻲ ﺗﺼﺒﺢ أﺳﺎﺳﻴﺔ وﻻ ﻏﻨﻰ ﻋﻨﻬﺎ ً‬
‫أﺑﺪا ﻟﻠﻘـﺎﺋﻢ ﻋـﲆ اﳌﻌﺎﻟﺠـﺔ اﻹﺣـﺼﺎﺋﻴﺔ‪ ،‬ﻓﻬـﺬه اﳌﻌﺎﻟﺠـﺔ‬
‫ﺗﺴﻔﺮ ﻋﻦ أرﻗﺎم‪ ،‬ﻓﺈذا وﺟﺪﻧﺎ أن ﺗﻜﺮارات اﻟﺮﻗﻢ )‪ (١‬ﻫﻲ ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل ‪ ٥٤٢‬ﻓﺈن ذﻟﻚ ﻳﻌﻨـﻲ أن ﻫﻨـﺎك‬
‫ﻣﻔﺤﻮﺻﺎ أﻓﺎدوا ﺑﺄﻧﻬﻢ ﻳﻔﻀﻠﻮن ﻣﺸﺎﻫﺪة ﻗﻨﺎة اﻟﺠﺰﻳﺮة‪ ،‬ﻓﺈذا ﻛﺎن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪ ١٠٠٠‬ﻣﻔـﺮدة‪ ،‬ميﻜﻨﻨـﺎ‬
‫ً‬ ‫‪٥٤٢‬‬
‫اﻟﻘﻮل إن ‪ %٥٤.٢‬ﻣﻦ اﻟﻌﻴﻨﺔ أﻓﺎدوا ﺑﺄﻧﻬﻢ ﻳﻔﻀﻠﻮن ﻗﻨﺎة اﻟﺠﺰﻳﺮة‪ ،‬وﻫﻜﺬا ﺑﺎﻟﻨﺴﺒﺔ ﻟﺠﻤﻴﻊ اﻟﻘﻨﻮات‪.‬‬

‫ﻫﻜﺬا ﺗﺴﺘﻤﺮ ﻋﻤﻠﻴﺔ إدﺧﺎل اﻟﺒﻴﺎﻧﺎت ﻟﺠﻤﻴﻊ اﻻﺳﺘﺒﺎﻧﺎت‪ ،‬وﺑﻌﺪ اﻻﻧﺘﻬﺎء ﻣﻨﻬﺎ‪ ،‬ﺗﺨﻀﻊ اﻟﺒﻴﺎﻧﺎت اﳌﺪﺧﻠﺔ‬
‫ﻟﻠﻤﺮاﺟﻌﺔ ﻣﺮة أﺧﺮى؛ ﺑﻬﺪف اﻟﺘﺄﻛﺪ ﻣﻦ أن اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﺗﻢ إدﺧﺎﻟﻬﺎ ﻫﻲ ﺑﺎﻟﻀﺒﻂ اﻟﺒﻴﺎﻧـﺎت اﳌﻮﺟـﻮدة ﰲ‬
‫اﻻﺳﺘﺒﺎﻧﺎت‪ ،‬وميﻜﻦ أن ﻳﺘﻢ ذﻟﻚ ﻋﲆ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ )وﻟﻴﺲ ﻋﲆ ﺟﻤﻴﻊ اﻻﺳﺘﺒﺎﻧﺎت(‪ ،‬ﻓﻠﻜـﻞ اﺳـﺘﺒﺎﻧﺔ رﻗـﻢ‬
‫ﻣﺘﺴﻠﺴﻞ ﻣﺪون ﻋﲆ اﻟﻐﻼف‪ ،‬وﺗﻢ إدﺧﺎﻟﻬـﺎ ﰲ اﻟﻨﻈـﺎم اﻹﺣـﺼﺎيئ ﺑﻬـﺬا اﻟـﺮﻗﻢ‪ ،‬وميﻜـﻦ ﻟﻠﺒﺎﺣـﺚ ﺑـﺴﻬﻮﻟﺔ‬
‫اﺧﺘﻴﺎر أي ﻋﺪد ﻣﻦ اﻻﺳﺘﺒﺎﻧﺎت ﺑﺤﻴﺚ ﻳﻀﺎﻫﻲ ﺑني اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ أدﱃ ﺑﻬﺎ اﳌﺒﺤﻮﺛﻮن ﰲ ﻫـﺬه اﻻﺳـﺘﺒﺎﻧﺎت‬
‫ﺛـﻢ ﻳـﺘﻢ‬
‫ﺟﺪا اﻛﺘﺸﺎف أي ﺑﻴﺎﻧﺎت ﺧﺎﻃﺌﺔ ﺗﻢ إدﺧﺎﻟﻬـﺎ؛ وﻣـﻦ ّ‬
‫وﺑني اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﺗﻢ إدﺧﺎﻟﻬﺎ‪ ،‬وﻣﻦ اﻟﺴﻬﻞ ّ‬
‫ﺗﺼﺤﻴﺤﻬﺎ ﰲ اﻟﻨﻈﺎم اﻹﺣﺼـﺎيئ‪.‬‬

‫وﻫﺬا اﻹﺟـﺮاء ﻳﺪﺧـﻞ ﺿـﻤﻦ ﻣﺎ ﻳﻌـﺮف ﺑﺘﻨﻈﻴﻒ اﻟﺒﻴﺎﻧﺎت )‪(Data Cleaning‬؛ ﺣﻴﺚ ﻳـﺘﻢ اﻟﺘﺄﻛـﺪ ﻣـﻦ‬
‫أﻳـﻀﺎ‬
‫دﻗﺔ اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﺗﻢ إدﺧﺎﻟﻬﺎ‪ ،‬وأﻧﻬﺎ ﻣﻄﺎﺑﻘـﺔ ﻟـﻴﺲ ﻓﻘــﻂ ﳌـﺎ ﻫـﻮ ﻣﻮﺟـﻮد ﰲ اﻻﺳـﺘﺒﺎﻧﺎت‪ ،‬وإمنـﺎ ً‬
‫ﻣﻄﺎﺑﻘﺔ ﻟﻠﻤﻨﻄﻖ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ اﺳﺘﺠﺎﺑﺎت أﺣﺪ اﻷﺳـﺌﻠﺔ أو اﻟﺒﻨـﻮد ﻛـام ﻫـﻮ ﰲ اﻻﺳـﺘﺒﻴﺎن ﻫـﻲ )‪ (١‬أو‬
‫)‪ ،(٢‬ﻓﺈﻧﻬﺎ ﰲ اﻟﺒﻴﺎﻧﺎت اﳌﺪﺧﻠﺔ ﻻ ﺑﺪ أن ﺗﻜﻮن ﻛﺬﻟﻚ )‪ (١‬أو )‪ (٢‬ﻓﻘﻂ )وﻟـﻴﺲ أي رﻗـﻢ آﺧـﺮ(‪ ،‬ﻓـﺈذا ﺗﺒـني‬
‫وﺟﻮد أرﻗﺎم ﻣﺨﺘﻠﻔﺔ ﻳﺘﻢ اﻟﺮﺟﻮع إﱃ اﻻﺳﺘﺒﺎﻧﺔ اﻷﺻﻠﻴﺔ ﳌﻌﺮﻓﺔ اﻟﺮﻗﻢ اﳌﺪون ﺑﻬﺎ وإدﺧﺎﻟﻪ ﰲ اﻟﺤﺎﺳﻮب‪.‬‬

‫‪-̀˻-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺛﺎﻟﺜًﺎ‪ :‬ﺗﻨﻈﻴﻢ اﻟﺒﻴﺎﻧﺎت‬

‫إﺣـﺼﺎﺋﻴﺎ ‪ Statistically Adjusting The Data‬مبـﺎ ﻳﻨﺎﺳـﺐ أﻫـﺪاف اﻟﺒﺤـﺚ‬

‫ّ‬ ‫وﻳﻌﻨـﻲ ﺗﻜﻴﻴـﻒ اﻟﺒﻴﺎﻧـﺎت‬
‫وﻓﺮوﺿﻪ وﺗﺴﺎؤﻻﺗﻪ‪ ،‬وﻣﻦ إﺟﺮاءات اﻟﺘﻜﻴﻴﻒ اﻹﺣﺼﺎيئ ﻟﻠﺒﻴﺎﻧﺎت ﻧﺨﺺ ﺑﺎﻟﺬﻛﺮ‪:‬‬

‫)أ( إﻋﺎدة اﻟﺘﻜﻮﻳﺪ‪ :‬ﻗﺪ ﻳﻘﺘﴤ اﻷﻣﺮ إﻋﺎدة اﻟﺘﻜﻮﻳﺪ ‪ Recoding‬ﻟﺒﻌﺾ اﻻﺳﺘﺠﺎﺑﺎت‪ ،‬مبﻌﻨـﻰ ﺗﻐﻴـري أرﻗـﺎم‬
‫اﻟﻘﻴﻢ اﻟﻜﻤﻴﺔ ﻟﻼﺳﺘﺠﺎﺑﺎت ﺑﺤﻴﺚ ﺗﻌﻜﺲ ﺷـﺪة ﻫـﺬه اﻻﺳـﺘﺠﺎﺑﺎت‪ ،‬وﻗـﺪ ﻳـﺘﻢ ذﻟـﻚ أﺛﻨـﺎء إدﺧـﺎل‬
‫اﻟﺒﻴﺎﻧﺎت‪ ،‬ﻛام ﻗﺪ ﻳﺘﻢ ﺑﻌـﺪ إدﺧـﺎل اﻟﺒﻴﺎﻧـﺎت‪ .‬اﻓـﱰض أن اﻻﺳـﺘﺠﺎﺑﺎت ﻋـﲆ ﺳـﺆال‪» :‬ﻫـﻞ ﺗـﺸﺎﻫﺪ‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن؟« ﻛﺎﻧﺖ ﻛﺎﻵيت‪:‬‬

‫)‪ (٣‬ﻧﺎد ًرا‬ ‫ﻏﺎﻟﺒﺎ‬

‫)‪ً (٢‬‬ ‫)‪ (١‬ﺑﺎﻧﺘﻈﺎم‬

‫ﻟﻘﺪ ﺗﻢ إدﺧﺎل اﻟﻘﻴﻢ اﻟﻜﻤﻴﺔ ﻟﻬﺬه اﻻﺳﺘﺠﺎﺑﺎت ﻛام ﻫﻲ‪ ،‬وﻣﻦ اﳌﻼﺣﻆ أن اﻻﺳﺘﺠﺎﺑﺔ اﻷوﱃ )ﺑﺎﻧﺘﻈـﺎم(‬
‫أﺣﻴﺎﻧـﺎ( ﻓﻘـﺪ أﺧـﺬت اﻟـﺮﻗﻢ اﻟﻜـﻮدي )‪ ،(٢‬وأﺧـ ًريا ﻓـﺈن‬
‫ﻗﺪ أﺧـﺬت اﻟـﺮﻗﻢ اﻟﻜـﻮدي )‪ .(١‬أﻣـﺎ اﻻﺳـﺘﺠﺎﺑﺔ ) ً‬
‫اﻻﺳﺘﺠﺎﺑﺔ )ﻧﺎد ًرا( أﺧﺬت اﻟﺮﻗﻢ اﻟﻜﻮدي )‪ ،(٣‬ﻟﻘﺪ ﺗﻢ إدﺧﺎل أرﻗﺎم اﻻﺳـﺘﺠﺎﺑﺎت ﰲ اﻟﻨﻈـﺎم اﻹﺣـﺼﺎيئ ﻋـﲆ‬
‫ﻛﻤﻴـﺔ أﻋـﲆ ﻣـﻦ اﻻﺳـﺘﺠﺎﺑﺔ‬
‫ﻫﺬا اﻟﻨﺤﻮ‪ .‬ﻟﻜﻦ اﳌﻨﻄﻖ ﻳﻘﺘﴤ أن اﻻﺳﺘﺠﺎﺑﺔ اﻷوﱃ )ﺑﺎﻧﺘﻈﺎم( ﺗﺄﺧـﺬ ﻗﻴﻤـﺔ ّ‬
‫أﺣﻴﺎﻧﺎ( ﺑﺪورﻫﺎ ﺗﺄﺧﺬ ﻗﻴﻤﺔ ﻛﻤﻴّﺔ أﻋﲆ ﻣﻦ اﻻﺳﺘﺠﺎﺑﺔ اﻷﻗﻞ )ﻧـﺎد ًرا(‪ ،‬وﻣـﻦ‬
‫أﺣﻴﺎﻧﺎ( ‪ ،‬وأن ﻫﺬه اﻻﺳﺘﺠﺎﺑﺔ ) ً‬
‫) ً‬
‫ﻫﻨﺎ ﺗﺘﻢ إﻋﺎدة ﺗﻜﻮﻳﺪ اﻻﺳﺘﺠﺎﺑﺎت ﺑﺤﻴﺚ ﺗﻜﻮن ‪:‬‬

‫)‪ (١‬ﻧﺎد ًرا‬ ‫ﻏﺎﻟﺒﺎ‬

‫)‪ً (٢‬‬ ‫)‪ (٣‬ﺑﺎﻧﺘﻈﺎم‬

‫اﻟﻜﻤﻴﺔ ﻟﻼﺳﺘﺠﺎﺑﺎت ﻣﺘﻔﻘﺔ ﻣﻊ ﺷﺪﺗﻬﺎ‪ ،‬ﻓﺎﻻﺳﺘﺠﺎﺑﺔ اﻷﺷﺪ‬

‫ّ‬ ‫ومبﻮﺟﺐ ذﻟﻚ أﺻﺒﺤﺖ اﻟﻘﻴﻢ‬
‫أﺧﺬت ﻗﻴﻤﺔ أﻋﲆ‪ ،‬واﻻﺳﺘﺠﺎﺑﺔ اﻷﻗﻞ ﺷﺪة أﺧﺬت ﻗﻴﻤﺔ أﻗﻞ‪ ،‬واﻻﺳﺘﺠﺎﺑﺔ اﻷﺿﻌﻒ أﺧـﺬت‬
‫ﻛﻞ ﻣﻦ اﻻﺳـﺘﺠﺎﺑﺘني‪ .‬إن ﻋﻤﻠﻴـﺔ إﻋـﺎدة اﻟﺘﻜﻮﻳـﺪ ﺗﻐﻄـﻲ ﻣـﺪى‬
‫ﻛﻤﻴﺔ أﻗﻞ ﻣﻦ ﻗﻴﻤﺔ ّ‬
‫ﻗﻴﻤﺔ ّ‬
‫ﻣﺜﻼ ﴐورة إﻋـﺎدة ﺗﻜﻮﻳـﺪ اﻻﺳـﺘﺠﺎﺑﺎت‬
‫ﺟﺪا ﻣﻦ اﻻﺳﺘﺨﺪاﻣﺎت‪ ،‬ﻓﻘﺪ ﻳﺮى اﻟﺒﺎﺣﺚ ً‬
‫واﺳﻌﺎ ّ‬
‫ً‬

‫‪-̀˼-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻋﲆ ﺑﻨﻮد اﳌﻘﺎﻳﻴﺲ اﻟﻔﺮﻋﻴﺔ؛ ﺑﺤﻴﺚ ﺗﻜﻮن ذات دﻻﻟﺔ ﻣﻌﻴﻨـﺔ )ﻛـﺄن ﺗﻜـﻮن اﻟﺪرﺟـﺔ اﳌﺮﺗﻔﻌـﺔ ﻋـﲆ ﻫـﺬه‬
‫اﳌﻘﺎﻳﻴﺲ ذات ﻣﻐﺰى ﻣﺨﺘﻠﻒ ﻋﻦ اﻟﺪرﺟﺔ اﳌﻨﺨﻔﻀﺔ‪ ،‬وﻗﺪ ﻳﺠﺪ ﴐورة إﻋﺎدة ﺗﻜﻮﻳﺪ اﺳـﺘﺠﺎﺑﺎت ﺑﻨـﻮد أو‬
‫أﺳﺌﻠﺔ ﻣﻌﻴﻨﺔ مبﺎ ﻳﻌﻜﺲ ﺣﻘﻴﻘﺔ اﻟﻌﻼﻗﺎت ﺑﻴﻨﻬﺎ‪ ...‬إﻟﺦ(‪.‬‬

‫)ب( ﺗﻜﻮﻳﻦ اﳌﺘﻐريات‪ :‬مبﻌﻨﻰ ﺗﻜﻮﻳﻦ ﻣﺘﻐريات ﺟﺪﻳﺪة ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﳌﻮﺟﻮدة اﻟﺘﻲ ﺗﻢ إدﺧﺎﻟﻬـﺎ‪ ،‬ﻓـﺈذا‬
‫ﻛﺎن ﻟﺪﻳﻨﺎ اﺳﺘﺒﻴﺎن ﻳﻀﻢ ﻋﴩة ﺑﻨﻮد ﺗﻘﻴﺲ ﻣﻌﺪل اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم‪ ،‬وﻋﴩة ﺑﻨـﻮد أﺧـﺮى‬
‫ﺑﻨﺪا ﻟﻘﻴﺎس اﳌﺴﺘﻮى اﻻﻗﺘﺼﺎدي اﻻﺟﺘامﻋـﻲ‪ ،‬ﻓـﺈن‬
‫ﻟﻘﻴﺎس اﳌﻌﺮﻓﺔ ﺑﺎﻟﻘﻀﺎﻳﺎ اﻟﺴﻴﺎﺳﻴﺔ‪ ،‬وﻋﺸـﺮﻳﻦ ً‬
‫ﺑﻨﺪا وﻣﺘﻐ ًريا‪ .‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳـﺘﻢ ﺗﻜـﻮﻳﻦ ﺛﻼﺛـﺔ ﻣﺘﻐـريات‪،‬‬
‫ﻣﺠﻤﻞ اﳌﻘﻴﺎس ﻳﻜﻮن ﻟﺪﻳﻨﺎ أرﺑﻌﻮن ً‬
‫اﻷول ﻫﻮ ﻣﻌﺪل اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم )وﻳﺘﻢ ﺗﻜﻮﻳﻨﻪ ﻣـﻦ اﺳـﺘﺠﺎﺑﺎت اﳌﺒﺤـﻮﺛني ﻋـﲆ اﻟﺒﻨـﻮد‬
‫اﻟﻌﺸـﺮة اﻟﺘﻲ ﺗﻘﻴﺲ ﻫﺬا اﳌﻌﺪل(‪ ،‬اﳌﺘﻐـري اﻟﺜـﺎين ﻫـﻮ اﳌﻌﺮﻓـﺔ اﻟـﺴﻴﺎﺳﻴﺔ )وﻳـﺘﻢ ﺗﻜﻮﻳﻨـﻪ ﻣـﻦ‬
‫اﺳﺘﺠﺎﺑﺎت اﳌﺒﺤﻮﺛني ﻋﲆ اﻟﺒﻨﻮد اﻟﻌﴩة اﻟﺘﻲ ﺗﻘﻴﺲ ﻫﺬه اﳌﻌﺮﻓﺔ(‪ ،‬اﳌﺘﻐري اﻟﺜﺎﻟﺚ ﻫـﻮ اﳌـﺴﺘﻮى‬
‫ﺑﻨـﺪا اﻟﺘـﻲ ﺗﻘـﻴﺲ اﳌـﺴﺘﻮى اﻻﻗﺘـﺼﺎدي‬
‫اﻻﻗﺘﺼﺎدي اﻻﺟﺘامﻋﻲ )وﻳـﺘﻢ ﺗﻜﻮﻳﻨـﻪ ﻣـﻦ اﻟﻌـﺸـﺮﻳﻦ ً‬
‫اﻻﺟﺘامﻋﻲ(‪ .‬ﻫﻜﺬا أﺻﺒﺢ ﻟﺪﻳﻨﺎ ﺛﻼﺛﺔ ﻣﺘﻐريات ﺟﺪﻳﺪة ﺗﻢ ﺗﻜﻮﻳﻨﻬﺎ ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﳌﻮﺟﻮدة‪ ،‬وﻫﺬه‬
‫اﳌﺘﻐريات ﻫﻲ ﻣﺘﻐريات ﺗﺠﻤﻴﻌﻴﺔ ﳌﻘﺎﻳﻴﺲ ﻓﺮﻋﻴﺔ‪.‬‬

‫)ﺟـ( ﺗﺤﺪﻳﺪ اﳌﺴﺘﻮﯨﺎت‪ :‬مبﻌﻨﻰ اﻟﺘﻌﺮف ﻋﲆ ﻣﺴﺘﻮى ﻣﺠﻤﻞ اﻻﺳﺘﺠﺎﺑﺎت ﻋﲆ ﺑﻨﻮد ﺗﻘﻴﺲ ﻣﺘﻐري ﻣﻌني‬
‫)ﻛﻤﺠﻤﻮﻋﺔ ﺑﻨﻮد ﺗﻘﻴﺲ دواﻓﻊ اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ‪ ،‬أو ﻣﺠﻤﻮﻋﺔ ﺑﻨﻮد ﺗﻘﻴﺲ اﳌﻌﺮﻓﺔ اﻟـﺴﻴﺎﺳﻴﺔ‪...‬‬
‫ﻣـﺜﻼ ﻋـﲆ أﻧـﻪ )ﻣـﻨﺨﻔﺾ‪ ،‬ﻣﺘﻮﺳـﻂ‪ ،‬ﻣﺮﺗﻔـﻊ(‪ ،‬وﻳـﺴﺘﻨﺪ ﺗﺤﺪﻳـﺪ‬
‫إﻟﺦ(‪ ،‬ﻓﻘﺪ ﻳﺘﻢ ﺗﺤﺪﻳﺪ اﳌﺴﺘﻮى ً‬
‫اﻟﻜﻤﻴ ـﺔ اﻟﺘــﻲ ﺗﻌﻜــﺲ اﺳــﺘﺠﺎﺑﺎت‬
‫ّ‬ ‫اﳌــﺴﺘﻮى إﱃ اﻟﻮﺳــﻂ اﻟﺤــﺴﺎيب واﻻﻧﺤـﺮاف اﳌﻌﻴــﺎري ﻟﻠﻘــﻴﻢ‬
‫اﳌﺒﺤﻮﺛني‪ ،‬ﻓﺎﳌﺒﺤﻮﺛﻮن اﻟﺬﻳﻦ ﺣﺼﻠﻮا ﻋﲆ درﺟﺔ ﺗﻌـﺎدل ﻗﻴﻤـﺔ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب ﻟﻠﻌﻴﻨـﺔ ﻧـﺎﻗﺺ‬
‫واﺣﺪ اﻧﺤﺮاف ﻣﻌﻴﺎري ﻳﺘﻢ ﺗﺼـﻨﻴﻔﻬﻢ ﰲ اﳌﺴﺘﻮى اﳌﻨﺨﻔـﺾ‪ ،‬أﻣﺎ اﳌﺒﺤﻮﺛﻮن اﻟﺬﻳﻦ ﺣﺼﻠﻮا ﻋـﲆ‬
‫درﺟﺔ ﺗﻌﺎدل ﻣﺎ ﺑﻌﺪ درﺟـﺔ ذوي اﳌـﺴﺘﻮى اﳌـﻨﺨﻔﺾ ﻣـﺮو ًرا ﺑﻘﻴﻤــﺔ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب ﻟﻠﻌﻴﻨـﺔ‬

‫‪-̀˽-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫)‪ + (Mean‬واﺣﺪ اﻧﺤﺮاف ﻣﻌﻴﺎري‪ ،‬ﻓﻴﺼﻨﻔـﻮن ﺿـﻤﻦ اﳌﺴﺘﻮى اﳌﺘﻮﺳﻂ )‪ ،(Medium Level‬ﺑﻴﻨام‬
‫اﳌﺒﺤﻮﺛﻮن اﻟﺬﻳﻦ ﺣﺼـﻠﻮا ﻋﲆ درﺟﺔ أﻋـﲆ ﻣـﻦ ذﻟـﻚ‪ ،‬ﻳـﺘﻢ ﺗـﺼﻨﻴﻔﻬﻢ ﺿـﻤﻦ اﳌـﺴﺘﻮى اﳌﺮﺗﻔـﻊ‪.‬‬
‫ﻛﻤﺜـﺎل ﻋﲆ ذﻟﻚ ﻧﻔﺮض أﻧﻪ ﰲ دراﺳﺔ ﻋﻦ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ ﺗﺒني أن ﻣﺘﻮﺳـﻂ درﺟـﺔ اﻟﻌﻴﻨـﺔ ‪١٨‬‬
‫ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ٣‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺘﻢ ﺗﺤﺪﻳﺪ اﳌﺴﺘﻮﯨﺎت ﻛﺎﻵيت‪:‬‬
‫اﳌﺴﺘﻮى اﳌﻨﺨﻔﺾ = ‪١٥‬‬
‫اﳌﺴﺘﻮى اﳌﺘﻮﺳﻂ )ﻣﻦ ‪ ١٦‬إﱃ ‪(٢١‬‬
‫اﳌﺴﺘﻮى اﳌﺮﺗﻔﻊ )‪ ٢٢‬ﻓﺄﻛرث(‬

‫وﻟﻬﺬه اﻟﻄﺮﻳﻘﺔ ﻣﻴﺰة أﻧﻬـﺎ ﺗﺠﻌـﻞ ﺗﻮزﻳـﻊ اﻟﻌﻴﻨـﺔ اﻋﺘـﺪاﻟﻴّﺎ؛ وﺗـﺆدي إﱃ ﻣﻌﻄﻴـﺎت إﺣـﺼﺎﺋﻴﺔ ﺳـﻠﻴﻤﺔ‬
‫ﻟﻠﻌﻼﻗﺎت أو اﻟﻔﺮوق ﻷﻧﻬﺎ ﺗﺘﻼﰱ ﻋﻴﻮب اﻟﺘﺼﻨﻴﻒ اﻟﻘﺎﺋﻢ ﻋﲆ ﺗﺴﺎوي أﻗﺴﺎم درﺟﺔ اﳌﻘﻴﺎس؛ ﺣﻴﺚ ﻟـﻮﺣﻆ‬
‫أن ﺑﻌﺾ اﻟﺒﺎﺣﺜني إذا ﻛﺎﻧﺖ اﻟﺪرﺟﺔ ﻋﲆ اﳌﻘﻴﺎس ﺗﺒﻠﻎ ‪ ٣٠‬درﺟﺔ‪ ،‬ﻓﺈﻧﻪ ﻳﻀﻊ ﺗـﺼﻮ ًرا ﻣﻔـﺎده أن اﳌﺒﺤـﻮﺛني‬
‫اﻟﺬﻳﻦ ﺣﺼﻠﻮا ﻋﲆ )‪ (١٠‬درﺟﺎت ﻓﺄﻗـﻞ ﻳﺘﻢ ﺗﺼﻨﻴﻔﻬﻢ ﺿـﻤﻦ اﳌـﺴﺘﻮى اﳌـﻨﺨﻔﺾ‪ ،‬أﻣـﺎ اﳌﺒﺤﻮﺛـﻮن اﻟـﺬﻳﻦ‬
‫ﺣﺼﻠﻮا ﻋﲆ )‪ ١١‬إﱃ ‪ ٢٠‬درﺟﺔ( ﻓﺈﻧﻬﻢ ﻳﺼﻨﻔﻮن ﺿﻤﻦ اﳌﺴﺘﻮى اﳌﺘﻮﺳﻂ ‪ ،‬ﺑﻴﻨام اﳌﺒﺤﻮﺛﻮن اﻟﺬﻳﻦ ﺣـﺼﻠﻮا‬
‫ﻋﲆ )‪ ٢١‬إﱃ ‪ ٣٠‬درﺟﺔ( ﻳﺘﻢ ﺗﺼﻨﻴﻔﻬﻢ ﺿﻤﻦ اﳌﺴﺘﻮى اﳌﺮﺗﻔﻊ‪ .‬ﻫﺬا اﻟﺘﺼﻨﻴﻒ ﻳﻘﻮم ﻋـﲆ اﻓـﱰاض ﺧـﺎﻃﺊ‬
‫ﻫﻮ ﺗﺴﺎوي أو ﺗﻘﺎرب ﻋﺪد اﳌﺒﺤﻮﺛني ﰲ ﻛﻞ ﻣﺴﺘﻮى ﻟﺪرﺟﺔ اﳌﻘﻴﺎس ) اﻟﺜﻠﺚ اﻷول‪ ،‬اﻟﺜﻠﺚ اﻟﺜـﺎين‪ ،‬اﻟﺜﻠـﺚ‬
‫ﻣﺜﻼ( وﺗﻨﺨﻔﺾ ﺑـﺸﺪة أو‬
‫اﻟﺜﺎﻟﺚ( رﻏﻢ أن ﻣﻌﻈﻢ اﻟﺘﻜﺮارات ﻗﺪ ﺗﱰﻛﺰ ﰲ ﻣﺴﺘﻮى واﺣﺪ )اﳌﺴﺘﻮى اﳌﺮﺗﻔﻊ ً‬
‫متﺎﻣﺎ ﰲ أﺣﺪ اﳌﺴﺘﻮﯨﺎت‪ ،‬ﻛـام أن ﺗـﺼﻨﻴﻒ اﳌﺒﺤـﻮﺛني ﻋـﲆ ﻫـﺬا اﻟﻨﺤـﻮ ﻳﺨـﻞ ﺑﺄﺳـﺲ اﻟﺘﻮزﻳـﻊ‬
‫ﻗﺪ ﺗﺘﻼﳾ ً‬
‫اﻻﻋﺘﺪاﱄ‪.‬‬

‫)د( اﻟﺘﺤﻮﻳـــﻞ‪ :‬ﻛﺜﻴــــ ًﺮا ﻣـــﺎ ﺗﺘﻄــــﻠﺐ اﻟﺒﺤـــﻮث ﺗﺤﻮﻳـــﻞ اﻟﺒﻴﺎﻧـــﺎت‪ ،‬وﺗﺘﻌـــﺪد أﺷـــﻜﺎل اﻟﺘﺤﻮﻳـــﻞ‪،‬‬
‫وﻣــــﻦ أﻫﻤﻬــــﺎ ﺗﺤﻮﻳــــﻞ اﻟــــﺪرﺟﺎت اﻟﺨـــــﺎم )‪ (Raw Scores‬إﱃ درﺟـــــﺎت ﻣﻌﻴﺎرﻳــــﺔ‬

‫‪-̀˾-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫)‪ ،(Standard Scores‬ﺳﻮاء ﰲ ﺻـﻮرة درﺟـﺎت زاﺋﻴـﺔ )‪ (Z Score‬أو ﰲ ﺻـﻮرة درﺟـﺎت ﺗﺎﺋﻴـﺔ ) ‪T‬‬
‫‪ ،(Scores‬ﻓﻔﻴام ﻳﺨﺺ اﻟﺪرﺟﺎت اﻟﺰاﺋﻴﺔ واﳌﻌﺮوﻓﺔ ﺑﺎﺻﻄﻼح )‪ ،(Z Score‬ﻓﺈﻧﻬﺎ درﺟـﺎت ﻣﻌﻴﺎرﻳـﺔ‬
‫ﻟﺘﻮزﻳﻊ ﻣﻌني ﻣﺘﻮﺳﻄﻪ اﻟﺤﺴﺎيب ﺻﻔﺮ واﻧﺤﺮاﻓﻪ اﳌﻌﻴﺎري واﺣﺪ ﺻﺤﻴﺢ‪ ،‬ﻫﺬا اﻟﺘﻮزﻳﻊ‪ ،‬ﻗﺪ ﻳﺘﻤﺜـﻞ‬
‫ﻣﺜﻼ ﰲ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻣﻦ اﳌﺒﺤﻮﺛني ﺣﺴﺐ اﻟﻮﻗﺖ اﻟﻴﻮﻣﻲ اﳌﻨﻘـﻀـﻲ ﰲ اﺳـﺘﺨﺪام اﻹﻧﺘــﺮﻧﺖ أو‬
‫ً‬
‫ﻏﻴـﺮ ذﻟﻚ ﻣﻦ اﻟﺘﻮزﻳﻌﺎت‪.‬‬

‫واﻟﺪرﺟﺎت اﻟﺰاﺋﻴﺔ أو )‪ (Z Score‬ﺗﺴﺘﺨﺪم ﻛﺒﺪﻳﻞ ﻋﻦ اﻟﺪرﺟﺎت اﻟﺨﺎم اﻟﺘﻲ ﻻ ﺗـﺼﻠﺢ ﳌﻘﺎرﻧـﺔ درﺟـﺎت‬
‫ﻋﲆ ﻣﻘﺎﻳﻴﺲ ﻣﺨﺘﻠﻔﺔ‪ ،‬أو ﻣﻘﺎرﻧﺔ أﻓﺮاد ﻳﻨﺘﻤﻮن إﱃ ﻣﺠﺘﻤﻌﺎت ﻣﺨﺘﻠﻔـﺔ‪ ،‬ﻓﻤﺘﻮﺳـﻂ اﻟﺪرﺟـﺔ ﻋـﲆ ﻣﻘﻴـﺎس‬
‫اﳌﺴﺘﻮى اﻻﻗﺘﺼﺎدي اﻻﺟﺘامﻋﻲ ﻻ ﻳﺼﻠﺢ ﻣﻘﺎرﻧﺘﻪ مبﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ اﻹﻋـﻼم؛‬
‫متﺎﻣﺎ ﰲ اﳌﻘﻴﺎﺳني‪ ،‬ﻛام أن ﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻨﺨﺒﺔ اﳌﺜﻘﻔـﺔ ﻋـﲆ‬
‫ﻷن وﺣﺪات اﻟﻘﻴﺎس ﻣﺨﺘﻠﻔﺔ ً‬
‫ﻣﻘﻴﺎس ﻗﺮاءة اﻟﺼﺤﻒ ﻻ ﻳـﺼﻠﺢ ﻟﻠﻤﻘﺎرﻧـﺔ مبﺘﻮﺳـﻂ درﺟـﺔ ﻣﺠﻤﻮﻋـﺔ ﻣـﻦ ذوي اﻟﺘﻌﻠـﻴﻢ اﻻﺑﺘـﺪايئ ﻋـﲆ‬
‫اﳌﻘﻴﺎس ﻧﻔﺴﻪ؛ إذ إن ﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ اﻟﻨﺨﺒﺔ ﻳﻜﻮن أﻋﲆ ﺑﻜﺜـري ﻣـﻦ ﻣﺘﻮﺳـﻂ درﺟـﺔ ﻣﺠﻤﻮﻋـﺔ‬
‫ذوي اﻟﺘﻌﻠﻴﻢ اﻻﺑﺘﺪايئ‪.‬‬

‫ﻣﺜﻼ ‪ ،‬ﻳﻘﻴﺲ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ وﺗﱰاوح اﻟﺪرﺟﺔ ﻋﻠﻴﻪ ﻣﺎ ﺑـني‬

‫وﻗﺪ ﻳﻜﻮن ﻟﺪى اﻟﺒﺎﺣﺚ ﻣﻘﻴﺎﺳﺎن‪ :‬اﻷول ً‬
‫)‪ (٣٠‬إﱃ )‪ (٨٠‬درﺟﺔ‪ ،‬أﻣﺎ اﳌﻘﻴﺎس اﻟﺜﺎين ﻓﻴﻘﻴﺲ ﻣﻌﺪل اﺳﺘﺨﺪام اﻟـﺼﺤﻒ وﺗـﱰاوح اﻟﺪرﺟـﺔ ﻋﻠﻴـﻪ ﻣـﺎﺑني‬
‫)‪ (٥‬إﱃ )‪ (١٠‬درﺟﺎت‪ ،‬ﻓﻼ ﻳﻜﻮن ﻣﻦ اﳌﻨﺎﺳـﺐ ﻣﻘﺎرﻧـﺔ ﻣﺘﻮﺳـﻄﺎت اﻟـﺪرﺟﺎت اﻟﺨـﺎم ﻋـﲆ اﳌﻘﻴـﺎس اﻷول‬
‫ﺑﺎﻟﺪرﺟﺎت اﻟﺨﺎم ﻋﲆ اﳌﻘﻴﺎس اﻟﺜﺎين‪ ،‬وﻣﻦ ﻫﻨﺎ ﺗﺴﺘﺨﺪم اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ ﻟﻠﻤﻘﺎرﻧﺔ )ﺳﻮف ﻧﺘﻨﺎول ذﻟـﻚ‬
‫ﺑﺎﻟﺘﻔﺼﻴﻞ ﺿﻤﻦ اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ ﻛﻤﻘﻴﺎس ﻟﻠﺘﺸﺘﺖ(‪.‬‬

‫أﻳــﻀﺎ اﻟﺘﺤـــﻮﻳﻼت اﻟﺨﻄـــﻴﺔ ‪(Linear‬‬

‫ﺑﺎﻹﺿـــﺎﻓﺔ إﱃ اﻟــﺪرﺟﺎت اﳌﻌـــﻴﺎرﻳﺔ‪ ،‬ﻫﻨــﺎك ً‬
‫)‪ ،Transformations‬وﻫﺬه اﻟﺘﺤﻮﻳﻼت ﺗﻌﻨﻲ إدﻣﺎج أمنﺎط ﻣﺨﺘﻠﻔﺔ ﻣﻦ اﻟﺒﻴﺎﻧـﺎت ﰲ منـﻂ‬
‫ﻣﻌﻴﺎري )أي ﻣﻮﺣﺪ(‪ ،‬ﻟﻨﻔـﺮض أن دراﺳـﺔ ﺗﻬـﺘﻢ ﺑﺎﻟﻌﻼﻗـﺔ ﺑـني اﻟﺘﻌـﺮض ﻟﻮﺳـﺎﺋﻞ اﻹﻋـﻼم‬

‫‪-̀˿-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وﻣﺴﺘﻮى اﻻﻧﻔﺘﺎح ﻋﲆ اﻟﻌﺎمل‪ .‬إن ﻣﺆﴍات اﻻﻧﻔﺘﺎح ﻋﲆ اﻟﻌﺎمل ﻗﺪ ﺗﺘﻤﺜﻞ ﰲ ﻋﺪة ﻣﺘﻐريات ﻣﺜﻞ‪ :‬ﻣﺸﺎﻫﺪة‬
‫اﻟﺪراﻣﺎ اﻷﺟﻨﺒﻴﺔ‪ ،‬إﺗﻘﺎن اﻟﻠﻐﺎت اﻷﺟﻨﺒﻴﺔ‪ ،‬اﻻﻫﺘامم ﺑﻘﻀﺎﻳﺎ اﳌﺠﺘﻤﻌﺎت اﻷﺧﺮى‪ ،‬ﻗـﺮاءة اﻟـﺼﺤﻒ اﻷﺟﻨﺒﻴـﺔ‪،‬‬
‫اﳌﺸﺎرﻛﺔ ﰲ اﳌﺆمتﺮات واﻟﻨﺪوات اﻟﺪوﻟﻴﺔ‪ ،‬اﻟﺴﻔﺮ ﻟﻠﺨﺎرج‪ ،‬اﻻﺷﱰاك ﰲ ﻋﻀﻮﻳﺔ ﺟﻤﻌﻴـﺎت دوﻟﻴـﺔ واﻟﻨـﺸﺎط‬
‫ﻓﻴﻬﺎ‪ ...‬ﻫﻨﺎ ﻧﻼﺣﻆ أن ﻫﺬه اﳌﺘﻐريات ﻟﻜﻞ ﻣﻨﻬﺎ وﺣﺪة ﻗﻴﺎس ﻣﺨﺘﻠﻔﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﺴﺘﺨﺪم اﻟﺒﺎﺣﺚ اﻟﺘﺤﻮﻳﻠﺔ‬
‫اﻟﺨﻄﻴﺔ ﻟﻠﺨﺮوج مبﻘﻴﺎس ﻣﻌﻴﺎري ﻟﺘﺤﺪﻳـﺪ )ﻣـﺴﺘﻮى اﻻﻧﻔﺘـﺎح ﻋـﲆ اﻟﻌـﺎمل(‪ ،‬وﻟﻠﺘﺤـﻮﻳﻼت اﻟﺨﻄﻴـﺔ ﺻـﻴﻎ‬
‫رﻳﺎﺿﻴﺔ ﺛﺎﺑﺘﺔ‪،‬وﺗﺴﺘﺨﺪم ﰲ اﻟﻜﺜري ﻣﻦ اﳌﻌﺎﻣﻼت اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬ﻣﺜﻞ ﺗﺤﻠﻴـﻞ اﻻﻧﺤـﺪار اﳌﺘﻌـﺪد‪ ،‬وﰲ اﻟﺘﺤﻠﻴـﻞ‬
‫اﻟﻌﺎﻣﲇ‪ ،‬وﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد‪.‬‬

‫اﳌﺒﺤﺚ اﻟﺜﺎين‬
‫اﻟﻮﺻﻒ اﻟﺘﻜﺮاري واﻟﺒﻴﺎين‬

‫مبﻮﺟﺐ اﻹﺟﺮاءات اﻟﺴﺎﺑﻘﺔ ﻳﺼﺒﺢ ﺑﺈﻣﻜﺎن اﻟﺒﺎﺣﺚ اﻟﺘﻌـﺮف ﻋـﲆ ﻃﺒﻴﻌـﺔ اﳌﻌﻄﻴـﺎت اﻹﺣـﺼﺎﺋﻴﺔ ﻣـﻦ‬
‫ﺧﻼل اﻟﻮﺻﻒ اﻷوﱄ؛ أي أﻧﻨﺎ ﻫﻨﺎ ﺑﺼﺪد ﺗﺤﻠﻴﻞ إﺣﺼﺎيئ ﻣﺒﺴﻂ‪ ،‬ﺗﺘﺤﺪد ﰲ ﺿـﻮﺋﻪ اﳌﻌـﺎﻣﻼت اﻹﺣـﺼﺎﺋﻴﺔ‬
‫اﻟﺘﻲ ميﻜﻦ اﺳﺘﺨﺪاﻣﻬﺎ مبﺎ ﻳﺘﻔﻖ واﻹﺟﺎﺑـﺔ ﻋـﲆ اﻟﺘـﺴﺎؤﻻت واﻟﺘﺤﻘـﻖ ﻣـﻦ اﻟﻔـﺮوض‪ .‬وﺗﺘـﻀﻤﻦ اﳌﻌﺎﻟﺠـﺔ‬
‫اﻟﻮﺻــﻔﻴﺔ ﻣﻌﺮﻓــﺔ اﻟﺘﻜ ـﺮارات واﻟﻨــﺴﺐ )‪ (Frequencies and Percentages‬وﺧــﺼﺎﺋﺺ اﻟﻨﺰﻋــﺔ اﳌﺮﻛﺰﻳــﺔ‬
‫ﺛﻢ ﺗﺒﺴﻴﻂ اﻟﺒﻴﺎﻧﺎت وﺳﻬﻮﻟﺔ ﺗﻠﺨﻴﺼﻬﺎ ﰲ ﺻﻮرة ﻣﻮﺟﺰة ﺗﻮﺿﺢ أﻫﻢ ﺧﻮاﺻﻬﺎ؛ ﺑﺤﻴﺚ ﻳﺼﻞ‬
‫واﻟﺘﺸﺘﺖ؛ وﻣﻦ ّ‬
‫اﻟﺒﺎﺣــﺚ إﱃ وﺻــﻒ ﻣﻮﺿــﻮﻋﻲ ﻟﻠﻤﺘﻐ ـريات وﺗﻨﻈﻴﻤﻬــﺎ ﰲ ﺟــﺪاول ورﺳــﻮم ﺑﻴﺎﻧﻴــﺔ‪ ،‬وﻣﻨﺤﻨﻴــﺎت وأﺷــﻜﺎل‬
‫ﺗﻮﺿﻴﺤﻴﺔ ﺗﺒني ﻣﻌﺎمل اﳌﺘﻐريات وﺧﺼﺎﺋﺺ اﻟﺒﻴﺎﻧﺎت‪.‬‬

‫وﻣﻦ ﺧﻼل اﻟﻮﺻـﻒ اﻹﺣـﺼﺎيئ ﻳـﺘﻢ اﻟﺘﻤﻬﻴـﺪ ﻟﻠﺘﺤﻠﻴـﻞ اﻹﺣـﺼﺎيئ اﳌﻨﺎﺳـﺐ؛ ﻷن‬
‫ﺑﻨـﺎء ﻋـﲆ ﻫـﺬا‬
‫ً‬ ‫ﺛـﻢ‪-‬‬
‫اﻟﻮﺻﻒ اﻹﺣﺼﺎيئ ﻳﻮﺿﺢ اﻟﺨﻮاص اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻤﺘﻐريات؛ وﻣـﻦ ّ‬

‫‪-̀̀-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﻮﺻﻒ‪ -‬ﻳﺘﻢ ﺗﺤﺪﻳﺪ ﻧﻮع اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ وﻣﺴﺘﻮاه‪ ،‬وﺑﺈﺟﺮاء اﻟﻮﺻﻒ اﻹﺣﺼﺎيئ اﳌﻨﺎﺳﺐ ﻳـﺘﻢ اﻟﺤـﺼﻮل‬
‫اﻟﻜﻤﻴﺔ )‪ ،(Quantitative Outcomes‬ﺛﻢ ﺗﻨﻈﻴﻢ ﺗﻠﻚ اﳌﻌﻄﻴﺎت وﻋﺮﺿﻬﺎ ﰲ ﺟﺪاول واﺿـﺤﺔ‪،‬‬
‫ّ‬ ‫ﻋﲆ اﳌﻌﻄﻴﺎت‬
‫أﺷﻜﺎﻻ ﻣﺘﻌـﺪدة‬
‫ً‬ ‫وإﺟﺮاء اﳌﻌﺎﻟﺠﺎت اﻹﺣﺼﺎﺋﻴﺔ اﻟﻼزﻣﺔ مبﺎ ﻳﻘﺎﺑﻞ أﻫﺪاف اﻟﺒﺤﺚ‪ .‬وﻳﺘﺨﺬ اﻟﻮﺻﻒ اﻹﺣﺼﺎيئ‬
‫أﻫﻤﻬﺎ اﻟﺘﻜﺮارات واﻟﻨﺴﺐ‪ ،‬واﻟﺘﻲ ميﻜﻦ اﻟﺘﻌﺒري ﻋﻨﻬﺎ ﺑﺎﻷﺷﻜﺎل اﻟﺒﻴﺎﻧﻴﺔ اﳌﺨﺘﻠﻔﺔ‪.‬‬

‫ً‬
‫أوﻻ‪ :‬اﻟﺘﻮزﻳﻌﺎت اﻟﺘﻜﺮارﻳﺔ‬

‫وﻫﻲ اﻟﺘﻜﺮارات واﻟﻨﺴﺐ اﳌﺌﻮﻳﺔ )‪ (Frequencies and Percentages‬ﻟﻠﻤﺘﻐريات أﻳّﺎ ﻛﺎﻧﺖ‪ ،‬وﻳﺘﻢ اﻟﺘﻌﺒـري‬
‫ﻋﻨﻬﺎ ﰲ ﺟﺪاول ﻣﻨﻈﻤﺔ‪ ،‬وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ أن اﻟﺘﻜﺮارات واﻟﻨﺴﺐ أﺑﺴﻂ ﻣﺴﺘﻮﻳﺎت اﻟﻮﺻـﻒ اﻹﺣـﺼﺎيئ‪ ،‬إﻻ‬
‫أﻧﻬﺎ أﺳﺎس ﻛﺎﻓﺔ أﺷﻜﺎل وﻣﺴﺘﻮﻳﺎت اﳌﻌﺎﻟﺠﺔ اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬وﻣﻦ ﺧﻼل اﻟﺘﻜﺮارات واﻟﻨﺴﺐ‪ ،‬ميﻜـﻦ اﻟﻮﻗـﻮف‬
‫ﻋﲆ اﻟﺨـﺼﺎﺋﺺ اﻷﺳﺎﺳـﻴﺔ ﻟﺘﻮزﻳـﻊ اﳌﻔـﺮدات ﺣـﺴﺐ ﺟﻤﻴـﻊ اﳌﺘﻐـريات‪ ،‬ﻓﻔـﻲ ﺑﺤـﻮث ﺗﺤﻠﻴـﻞ اﳌﺤﺘـﻮى‬
‫ﺗﺴﺘﺨﺪم اﻟﺠﺪاول اﻟﺘﻜﺮارﻳﺔ ﻟﻠﺘﻌﺒري ﻋﻦ ﺗﻜﺮارات وﻧﺴﺐ ﻛﻞ ﻓﺌﺔ ﻣﻦ ﻓﺌﺎت اﺳﺘامرة اﻟﺘﺤﻠﻴـﻞ‪ ،‬ﻓـﺈذا ﻛـﺎن‬
‫ﻣﺜﻼ‪ ،‬وﻛﺎن ﻋﺪد اﻷﺧﺒﺎر اﻟﺘﻲ ﺗﻢ ﺗﺤﻠﻴﻠﻬﺎ )‪ (٢٠٠‬ﺧـﱪ‪،‬‬
‫ﻫﻨﺎك ﻓﺌﺔ ﻋﻦ ﻣﺼﺎدر اﻷﺧﺒﺎر اﻟﺼﺤﻔﻴﺔ أو اﻹذاﻋﻴﺔ ً‬
‫ﻓﺈﻧﻪ ﺑﻌﺪ ﺗﻔﺮﻳﻎ ﻫﺬه اﻷﺧﺒﺎر وﺗﺼﻨﻴﻔﻬﺎ ﺣﺴﺐ اﳌﺼﺪر‪ ،‬ﻳﺘﻢ ﺗﻨﻈﻴﻤﻬﺎ ﰲ ﺟﺪول ﺗﻜﺮاري ﺑﺴﻴﻂ ﻛﺎﻵيت‪:‬‬
‫‪%‬‬ ‫ك‬ ‫اﳌﺼﺎدر‬
‫‪٨٤‬‬ ‫‪١٦٨‬‬ ‫وﻛﺎﻻت أﻧﺒﺎء‬
‫‪١٠.٥‬‬ ‫‪٢١‬‬ ‫ﻣﺮاﺳﻞ‬
‫‪٥.٥‬‬ ‫‪١١‬‬ ‫اﻹﻧﱰﻧﺖ‬
‫‪١٠٠‬‬ ‫‪٢٠٠‬‬ ‫اﳌﺠﻤﻮع‬

‫‪-̀́-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻓﻬﺬا اﻟﺠﺪول ﻳﻠﺨﺺ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ اﻷﺧﺒﺎر ﻣﺤﻞ اﻟﺪراﺳﺔ ﺣﺴﺐ ﻣﺼﺎدرﻫﺎ‪ ،‬وﻣﻨﻪ ﻳﺘﻀﺢ أن ‪ % ٨٤‬ﻣـﻦ‬
‫اﻷﺧﺒﺎر ﺗﻢ اﻟﺤﺼﻮل ﻋﻠﻴﻬﺎ ﻣﻦ وﻛﺎﻻت أﻧﺒﺎء‪ ،‬ﻣﻘﺎﺑﻞ ‪ %١٠.٥‬ﻣﻦ اﳌﺮاﺳﻠني وﻛﺬﻟﻚ ‪ %٥.٥‬ﻣﻦ اﻹﻧﱰﻧـﺖ‪ .‬وﰲ‬
‫اﻟﺒﺤﻮث اﳌﻴﺪاﻧﻴﺔ ‪ -‬ﺣﻴﺚ ﻳﺘﻢ ﺗﻄﺒﻴﻖ اﻻﺳﺘﺒﻴﺎﻧﺎت أو اﻻﺧﺘﺒﺎرات واﳌﻘﺎﻳﻴﺲ ﻋﲆ ﻋﻴﻨﺔ ﻣﻦ اﳌﺒﺤﻮﺛني‪ -‬ﻳـﺘﻢ‬
‫اﺳﺘﺨﺮاج اﻟﺘﻜـﺮارات واﻟﻨـﺴﺐ اﻟﺘـﻲ ﺗﻌﻜـﺲ أمنـﺎط اﻻﺳـﺘﺠﺎﺑﺎت ﻋـﲆ اﻟﺒﻨـﻮد‪/‬اﻟﺘـﺴﺎؤﻻت اﻟﺘـﻲ ﺗـﺸﻜﻞ‬
‫ﺛﻢ اﻟﺘﻌﺒري ﻋﻦ ذﻟﻚ ﰲ ﺟﺪاول ﺗﻜﺮارﻳﺔ واﺿﺤﺔ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ اﻟﻌﻴﻨﺔ‬
‫اﻻﺳﺘﺒﻴﺎن أو اﻻﺧﺘﺒﺎر أو اﳌﻘﻴﺎس‪ ،‬وﻣﻦ ّ‬
‫ﺗﻀﻢ ‪ ٤٠٠‬ﻣﻔﺮدة‪ ،‬ﻓﺈن اﻟﺘﻜﺮارات واﻟﻨﺴﺐ ﺗﻌﻨﻲ ﺗﻮزﻳﻊ ﻫـﺬه اﻟﻌﻴﻨـﺔ ﺣـﺴﺐ اﻟﺨـﺼﺎﺋﺺ اﻟﺪميﻮﺟﺮاﻓﻴـﺔ‬
‫ﻣﺜﻼ ﻳﻌﱪ ﻋﻦ ﺧﺼﺎﺋﺺ اﻟﻌﻴﻨﺔ ﻣﻦ ﺣﻴـﺚ‪ :‬اﻟﻨـﻮع‪،‬‬
‫وأمنﺎط اﻻﺳﺘﺠﺎﺑﺔ ﻋﲆ ﺑﻨﻮد وأﺳﺌﻠﺔ اﻻﺳﺘﺒﻴﺎن‪ ،‬ﻓﺎﻟﺒﺎﺣﺚ ً‬
‫اﻟﺴﻦ‪ ،‬اﻟﺘﻌﻠﻴﻢ‪ ،‬ﻣﺤﻞ اﻹﻗﺎﻣﺔ وﻏري ذﻟﻚ ﻣﻦ اﳌﺘﻐريات ﻣﻦ ﺧﻼل ﺟﺪول ﺗﻜﺮاري ﻳﺘﻀﻤﻦ ﺗﻜﺮارات وﻧـﺴﺐ‬
‫ﻣﻔﺮدات اﻟﻌﻴﻨﺔ ﻣﻮزﻋﺔ ﺣﺴﺐ ﻛﻞ اﻟﺨﺼﺎﺋﺺ اﻟﺪميﻮﺟﺮاﻓﻴﺔ‪ ،‬ﻛـام أن اﻟﺠـﺪاول اﻟﺘﻜﺮارﻳـﺔ ﺗﺘـﻀﻤﻦ ﺗﻮزﻳـﻊ‬
‫ﻣـﺜﻼ ﻳـﺘﻢ‬
‫اﻟﻌﻴﻨﺔ ﺣﺴﺐ أمنﺎط اﻻﺳﺘﺠﺎﺑﺎت ﻋﲆ ﻛﺎﻓﺔ اﻟﺒﻨﻮد واﻷﺳـﺌﻠﺔ‪ ،‬ﻓﻤﻌـﺪل ﻗـﺮاءة اﻟـﺼﺤﻒ اﻟﻴﻮﻣﻴـﺔ ً‬
‫اﻟﺘﻌﺒري ﻋﻨﻪ ﺑﺎﻟﺘﻜﺮارات واﻟﻨﺴﺐ ﰲ ﺟﺪول واﺿﺢ ﻛﺎﻵيت‪:‬‬

‫‪%‬‬ ‫ك‬ ‫ﻣﻌﺪل اﻟﻘﺮاءة‬

‫‪٣١.٣‬‬ ‫‪١٢٥‬‬ ‫ﻣﻴﺎ‬
‫ﻳﻮ ّ‬
‫‪٣٤.٥‬‬ ‫‪١٣٨‬‬ ‫ﻣﻦ ‪ ٥‬إﱃ ‪ ٦‬أﻳﺎم‬
‫‪١٣‬‬ ‫‪٥٢‬‬ ‫ﻣﻦ ‪ ٣‬إﱃ ‪ ٤‬أﻳﺎم‬
‫‪٢١.٢‬‬ ‫‪٨٥‬‬ ‫ﻳﻮم أو ﻳﻮﻣﺎن‬
‫‪٤٠٠‬‬ ‫‪٤٠٠‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻓﻬﺬا اﻟﺠﺪول ﻳﻌﱪ ﺑﻮﺿﻮح وﺑﺴﺎﻃﺔ ﻋﻦ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻛﺒرية ﺣـﺴﺐ ﻣﻌـﺪل ﻗـﺮاءة اﻟـﺼﺤﻒ‪ ،‬وﻟﻨـﺎ أن‬
‫ﻧﺘﺼﻮر ﺣﺠﻢ اﻟﺒﻴﺎﻧﺎت وﻋﺪم ﻣﻌﻨﺎﻫﺎ دون ﻫﺬا اﻟﺘﻨﻈﻴﻢ‪.‬‬

‫‪-̀̂-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫أمنﺎط اﻟﺠﺪاول اﻟﺘﻜﺮارﻳﺔ‬

‫اﻟﺠﺪاول اﻟﺘﻜﺮارﻳﺔ ﻗﺪ ﺗﻜﻮن ﺑﺴﻴﻄﺔ‪ ،‬ﻛام ﻗـﺪ ﺗﻜـﻮن ﻣﺰدوﺟـﺔ )‪ ،(Cross-Tabs‬وﻗـﺪ ﺗﻜـﻮن ﻣﺘﻌـﺪدة‬
‫اﳌﺘﻐريات )‪ ، (Multivariate Variables Tabs‬ﻓﺎﻟﺠﺪول اﻟﺒﺴﻴﻂ ﻫﻮ اﻟﺠﺪول اﻟﺬي ﻳﺘﻀﻤﻦ ﺗﻜﺮارات ﻣﺘﻐـري‬
‫واﺣﺪ‪ ،‬ﻛام ﻫﻮ اﻟﺤﺎل ﰲ اﻟﺠﺪوﻟني اﻟﺴﺎﺑﻘني )ﻓﺎﻟﺠﺪول اﻷول ﻳﻮﺿﺢ ﺗﻮزﻳﻊ اﻷﺧﺒﺎر ﺣﺴﺐ ﻣﺘﻐـري واﺣـﺪ‬
‫ﻓﻘﻂ ﻫﻮ ﻣﺼﺪر اﻟﺨﱪ‪ ،‬ﻛام أن اﻟﺠﺪول اﻟﺜﺎين ﻳﺘﻀﻤﻦ ﺗﻮزﻳﻊ اﻟﻌﻴﻨﺔ ﺣﺴﺐ ﻣﺘﻐري واﺣﺪ ﻓﻘﻂ ﻫﻮ ﻣﻌـﺪل‬
‫ﻣﻌـﺎ‪،‬‬
‫ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ(‪ ،‬أﻣﺎ اﻟﺠﺪول اﳌﺰدوج ﻓﻬﻮ اﻟﺠﺪول اﻟﺬي ﻳﺘﻀﻤﻦ اﻟﺘﻮزﻳﻊ ﺣﺴﺐ ﻣﺘﻐـريﻳﻦ ً‬
‫ﻣﺜﺎل ذﻟﻚ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ اﻷﺧﺒﺎر ﺣﺴﺐ اﳌﺼﺪر واﳌﺪة اﻟﺰﻣﻨﻴﺔ‪ ،‬أو ﺗﻮزﻳـﻊ ﻋﻴﻨـﺔ اﳌﺒﺤـﻮﺛني ﺣـﺴﺐ اﻟﻨـﻮع‬
‫)ذﻛﻮر & إﻧﺎث( وﻣﻌﺪل ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ؛ ﺣﻴـﺚ ميﻜـﻦ اﻟﺘﻌﺒـري ﻋـﻦ ﻫـﺬﻳﻦ اﳌﺘﻐـريﻳﻦ ﰲ ﺟـﺪول‬
‫ﻣـــــــــﺰدوج ﻣـــــــــﻦ ﺧـــــــــﻼل ﺗﻘـــــــــﺴﻴﻢ ﻋﻤـــــــــﻮد اﻟﺘﻜـــــــــﺮارات إﱃ ﻋﻤـــــــــﻮدﻳﻦ‬
‫)‪ (Two Columns‬أﺣﺪﻫﻤـﺎ ﻟﻠﺬﻛﻮر‪ ،‬واﻵﺧﺮ ﻟﻺﻧﺎث‪ ،‬وﻳﺘﺨﺬ اﻟﺠﺪول اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬
‫اﻟﻨﻮع‬ ‫ﻣﻌﺪل ﻗﺮاءة‬
‫إﻧﺎث‬ ‫ذﻛﻮر‬ ‫اﻟﺼﺤﻒ‬
‫‪٨٠‬‬ ‫‪٤٥‬‬ ‫ﻳﻮﻣﻴﺎ‬
‫ّ‬
‫‪٥٨‬‬ ‫‪٨٠‬‬ ‫ﻣﻦ ‪ ٥‬إﱃ ‪ ٦‬أﻳﺎم‬
‫‪٢٢‬‬ ‫‪٣٠‬‬ ‫ﻣﻦ ‪ ٣‬إﱃ ‪ ٤‬أﻳﺎم‬
‫‪٤٠‬‬ ‫‪٤٥‬‬ ‫ﻳﻮم أو ﻳﻮﻣﺎن‬
‫‪٢٠٠‬‬ ‫‪٢٠٠‬‬ ‫اﳌﺠﻤﻮع‬

‫وميﻜﻦ ﺗﻮزﻳﻊ اﻟﺘﻜﺮارات ﺣﺴﺐ ﻧﺴﺒﺘﻬﺎ اﳌﺌﻮﻳـﺔ ﺳـﻮاء ﻋـﲆ ﻣـﺴﺘﻮى اﻟـﺬﻛﻮر ﻓﻘـﻂ أو‬
‫اﻹﻧﺎث ﻓﻘﻂ أو ﻋﲆ ﻣﺴﺘﻮى اﻟﻌﻴﻨﺔ ﻛﻜﻞ‪ ،‬وﻳﺘﻢ ﺗﻜﻮﻳﻦ اﻟﺠﺪول اﳌـﺰدوج وﺗﻔﺮﻳـﻎ اﻟﺒﻴﺎﻧـﺎت‬
‫ﻓﻴﻪ ﻳﺪوﻳّﺎ )ﰲ ﺣﺎﻟﺔ اﻟﻌﻴﻨﺎت اﻟﺼﻐرية(‪ ،‬وذﻟﻚ ﺑﻔﺤﺺ ﻛﻞ اﺳﺘﺒﻴﺎن ﻋﲆ ﺣﺪة ووﺿـﻊ ﻋﻼﻣـﺔ‬
‫ﻣﺜﻼ ﻗﺪ ﺗﻜﻮن ﳌﺒﺤـﻮث ﻣـﻦ اﻟـﺬﻛﻮر‪ ،‬وﻳﻘـﺮأ‬
‫ﰲ اﻟﺨﺎﻧﺔ اﻟﺘﻲ ﺗﻌﱪ ﻋﻦ اﻟﺤﺎﻟﺔ‪ ،‬ﻓﺎﻟﺤﺎﻟﺔ اﻷوﱃ ً‬
‫اﻟﺼﺤﻒ ﻳﻮﻣﻴّﺎ‪ ،‬وﻫﻨﺎ ﻳﺘﻢ وﺿﻊ ﻋﻼﻣﺔ ﰲ اﻟﺨﺎﻧﺔ اﻟﺨﺎﺻﺔ ﺑﺎﻟﺬﻛﻮر اﻟـﺬﻳﻦ ﻳﻘـﺮؤون اﻟـﺼﺤﻒ‬

‫‪-́˹-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻳﻮﻣﻴﺎ‪ ..‬وﻫﻜـﺬا ﻳـﺴﺘﻤﺮ ﺗﻔﺮﻳـﻎ اﻻﺳـﺘﺒﻴﺎﻧﺎت إﱃ أن ﺗﻨﺘﻬـﻲ‪ ،‬وﻳﻜـﻮن ﻟـﺪى اﻟﺒﺎﺣـﺚ ﻋـﺪد ﻣـﻦ اﻟﺠـﺪاول‬
‫ّ‬
‫اﳌﺰدوﺟﺔ ﺣﺴﺐ ﻋﺪد اﳌﺘﻐريات ﻣﺠﺎل اﻟﺪراﺳﺔ‪.‬‬

‫أﻣﺎ اﻟﺠﺪاول ﻣﺘﻌﺪدة اﳌﺘﻐريات )‪ ،(Multivariate Variables Tabs‬ﻓﻬﻲ اﻟﺠﺪاول اﻟﺘـﻲ ﺗﺘـﻀﻤﻦ ﺗﻮزﻳـﻊ‬
‫اﻟﺘﻜﺮارات ﺣﺴﺐ أﻛرث ﻣﻦ ﻣﺘﻐريﻳﻦ )ﺛﻼﺛـﺔ ﻣﺘﻐـريات أو أﻛـرث(‪ ،‬ﻓﻘـﺪ ﻳﺘﻄﻠـﺐ اﻟﺒﺤـﺚ ﺗﻮزﻳـﻊ اﳌﺒﺤـﻮﺛني‬
‫ﺣﺴﺐ ﻣﻌﺪل ﻗﺮاءة اﻟﺼﺤﻒ ﻣﺼﻨﻔني وﻓﻖ اﻟﻨﻮع ) ذﻛﻮر & إﻧﺎث(‪ ،‬واﻟﺴﻦ )أﻗﻞ ﻣﻦ ‪ ٣٠‬ﺳﻨﺔ & ‪ ٣٠‬ﺳﻨﺔ‬
‫ﻓﺄﻛرث(‪ ،‬وﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺘﻢ ﺗﺼﻨﻴﻒ اﻟﺬﻛﻮر إﱃ ﻣﺠﻤﻮﻋﺘني ﺣﺴﺐ اﻟﺴﻦ )أﻗﻞ ﻣـﻦ ‪ ٣٠‬ﺳـﻨﺔ & ‪ ٣٠‬ﺳـﻨﺔ‬
‫أﻳﻀﺎ ﺣﺴﺐ اﻟﺴﻦ )أﻗﻞ ﻣﻦ ‪ ٣٠‬ﺳﻨﺔ & ‪ ٣٠‬ﺳﻨﺔ ﻓﺄﻛرث(‪ ،‬وﻳـﺘﻢ ﺗﻮزﻳـﻊ ﺗﻜـﺮارات‬
‫ﻓﺄﻛرث(‪ ،‬وﺗﺼﻨﻴﻒ اﻹﻧﺎث ً‬
‫ﻣﻌﺪل ﻗﺮاءة اﻟﺼﺤﻒ ﻟﻜﻼ اﻟﺠﻨﺴني ﰲ ﺟﺪول واﺿﺢ ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬

‫إﻧﺎث‬ ‫ذﻛﻮر‬
‫ﻣﻌﺪل ﻗﺮاءة‬
‫‪ ٣٠‬ﺳﻨﺔ‬ ‫أﻗﻞ ﻣﻦ‬ ‫‪ ٣٠‬ﺳﻨﺔ‬ ‫أﻗﻞ ﻣﻦ‬
‫اﻟﺼﺤﻒ‬
‫ﻓﺄﻛرث‬ ‫‪ ٣٠‬ﺳﻨﺔ‬ ‫ﻓﺄﻛرث‬ ‫‪ ٣٠‬ﺳﻨﺔ‬

‫‪٥٠‬‬ ‫‪٣٠‬‬ ‫‪٢٣‬‬ ‫‪٢٢‬‬ ‫ﻳﻮﻣﻴﺎ‬

‫ّ‬
‫‪٢٨‬‬ ‫‪٣٠‬‬ ‫‪٥٠‬‬ ‫‪٣٠‬‬ ‫ﻣﻦ ‪ ٥‬إﱃ ‪ ٦‬أﻳﺎم‬
‫‪١٢‬‬ ‫‪١٠‬‬ ‫‪١٣‬‬ ‫‪١٧‬‬ ‫ﻣﻦ ‪ ٣‬إﱃ ‪ ٤‬أﻳﺎم‬
‫‪١٥‬‬ ‫‪٢٥‬‬ ‫‪٢٤‬‬ ‫‪٢١‬‬ ‫ﻳﻮم أو ﻳﻮﻣﺎن‬
‫‪١٠٥‬‬ ‫‪٩٥‬‬ ‫‪١١٠‬‬ ‫‪٩٠‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻓﻬﺬا اﻟﺠﺪول ﻳﺘﻀﻤﻦ ﺗﻮزﻳﻊ اﻟﻌﻴﻨـﺔ ﺣـﺴﺐ ﺛﻼﺛـﺔ ﻣﺘﻐـريات )ﻣﻌـﺪل ﻗـﺮاءة اﻟـﺼﺤﻒ‪،‬‬
‫اﻟﻨﻮع‪ ،‬اﻟﺴﻦ(‪ ،‬وﻳﻼﺣﻆ أن ﻣﺠﻤﻮع ﺗﻜﺮارات ﻣﻌﺪل ﻗﺮاءة اﻟﺼﺤﻒ ﻇـﻞ ﻛـام ﻫـﻮ‪ ،‬ﻛـام أن‬
‫وأﻳـﺎ‬
‫ﻣﺠﻤﻮع اﻟﺬﻛﻮر‪ ،‬وﻛﺬﻟﻚ ﻣﺠﻤﻮع اﻹﻧﺎث ﻇﻞ ﻛام ﻫﻮ وإن ﻛﺎن ﻗﺪ ﺗﻮزع ﺣﺴﺐ اﻟﺴﻦ‪ّ .‬‬
‫ً‬
‫أمنﺎﻃﺎ ﻣﺘﻌﺪدة أﺧﺮى ﻣﻦ اﻟﺠﺪاول ﻳﺼﻤﻤﻬﺎ اﻟﺒﺎﺣـﺚ‬ ‫ﻛﺎﻧﺖ اﻟﺠﺪاول اﻟﺘﻜﺮارﻳﺔ‪ ،‬ﻓﺈن ﻫﻨﺎك‬
‫ﺣﺴﺐ ﻣﺘﻄﻠﺒﺎت اﻟﻨﺘﺎﺋﺞ ﺳﻮاء أﻛﺎﻧﺖ ﺑﺴﻴﻄﺔ أم ﻣﻌﻘﺪة‪ ،‬وﻗﺪ ﻻ ﻳﺘـﻀﻤﻦ اﻟﺒﺤـﺚ ﺟـﺪاول‬

‫‪-́˺-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺗﻜﺮارﻳﺔ‪ ،‬ﻟﻜﻨﻪ ﻳﺘﻀﻤﻦ ﺟﺪاول ﻣﻦ ﻧﻮع آﺧﺮ ﺗﻠﺨﺺ اﻟﻨﺘﺎﺋﺞ اﻟﺘﻲ ﺗﻢ اﻟﺘﻮﺻﻞ إﻟﻴﻬﺎ‪ ،‬وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ ذﻟـﻚ‬
‫ﺗﺒﻘﻰ اﻟﺠﺪاول اﻟﺘﻜﺮارﻳﺔ أﺳﺎﺳﻴﺔ‪.‬‬

‫ﺗﺼﻤﻴﻢ اﻟﺠﺪول اﻟﺘﻜﺮاري‪:‬‬

‫ﰲ ﻣﻌﻈـﻢ ﺑﺤـﻮث اﻹﻋـﻼم واﻻﺗـﺼﺎل ﻳـﺘﻢ اﻟﺤـﺼﻮل ﻋـﲆ ﺑﻴﺎﻧـﺎت ﻛﻤﻴـﺔ )‪ (Quantitative Data‬ﻛﺜـرية‬
‫وﻣﺘﻨﻮﻋﺔ؛ ﻷﻧﻬﺎ ﻣﺴﺘﻤﺪة ﻣﻦ ﻋﻴﻨﺎت ﻛﺒرية‪ ،‬وﻣﺜـﻞ ﻫـﺬه اﻟﺒﻴﺎﻧـﺎت ﻻ ﻳﻜـﻮن ﻟﻬـﺎ ﻣﻌﻨـﻰ دون ﺗﻨﻈﻴﻤﻬـﺎ ﰲ‬
‫ﺟﺪاول ﺗﻜﺮارﻳﺔ ذات ﻣﻌﻨﻰ ﻣﻦ ﺧﻼل ﻓﺌﺎت واﺿﺤﺔ‪ ،‬وﻟﺘﻮﺿﻴﺢ ذﻟﻚ ﻧﻔﺮض أن ﻟـﺪﻳﻨﺎ ﺑﻴﺎﻧـﺎت ﻋـﻦ اﳌـﺪة‬
‫اﻟﺰﻣﻨﻴﺔ )ﺑﺎﻟﺪﻗﺎﺋﻖ( واﻟﺘﻲ اﺳﺘﻐﺮﻗﺘﻬﺎ ‪ ٣٠‬ﺣﻠﻘﺔ ﻣﻦ ﺑﺮاﻣﺞ اﳌﻘﺎﺑﻼت اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴﺔ‪:‬‬

‫‪-٧٨ -٥٦ -٥٦ -٣٨ -٦٠ -٤٥ – ٣٠ -٧٦ – ٧٠ – ٧٩ – ٦٠ -٧٠ – ٤٦ -٧٨ -٦٢ -٣٤ -٣١ -٥٤ -٣٠ -٦٧ -٧٨‬‬
‫‪٤٧-٤٨-٦٣ -٦٥-٧٩ -٥٢ -٥٦ -٦٨-٤٧‬‬

‫ﻣﻦ اﻟﻮاﺿﺢ أن ﻫﺬه اﻟﺒﻴﺎﻧﺎت ﻏري ذات ﻣﻌﻨﻰ‪ ،‬ﻓﻬﻲ ﻻ ﺗﻮﺿﺢ ﻟﻨﺎ ﻋﺪد ﺣﻠﻘﺎت اﻟﱪاﻣﺞ اﻟﺘﻲ اﺳﺘﻐﺮﻗﺖ‬
‫ﻣﺪة أﻃﻮل أو أﻗﻞ ﻣﻦ زﻣﻦ ﻣﻌني‪ ،‬ﻛام أﻧﻬﺎ ﻏري ﻣﺮﺗﺒﺔ ﺗﺼﺎﻋﺪﻳّﺎ أو ﺗﻨﺎزﻟﻴّﺎ ﺣﺘﻰ ميﻜﻦ ﻣﻌﺮﻓﺔ ﳾء ﻣﺤـﺪد‪،‬‬
‫إﻧﻬﺎ ﻣﺠﺮد ﻛﻮﻣﺔ ﻣﻦ اﻷرﻗﺎم ﻏري اﳌﻔﻴﺪة‪ .‬ﻣﻦ ﻫﻨﺎ ﻧﺤﺘـﺎج إﱃ ﺗﺒﻮﻳﺒﻬـﺎ ﰲ ﺟـﺪول واﺿـﺢ وﻣﺨﺘـﴫ ﺣﺘـﻰ‬
‫ﺗﻜﻮن ذات ﻣﻌﻨﻰ ودﻻﻟﺔ‪.‬‬

‫ﻧﻘﻄﺔ اﻟﺒﺪء ﰲ ذﻟﻚ ﻫﻲ أن ﻧﺤﺪد اﳌﺪى )‪ (Range‬اﻟﺬي ﺗﺸﻐﻠﻪ ﺗﻠﻚ اﻟﻘﻴﻢ‪ ،‬وذﻟﻚ ﻣﻦ ﺧـﻼل ﺗﺤﺪﻳـﺪ‬
‫ﻣﻨﺎﺳـﺒﺎ‪ .‬إن ﺧـﺎرج ﻫـﺬه‬
‫ً‬ ‫أﺻﻐﺮ ﻗﻴﻤﺔ وأﻛﱪ ﻗﻴﻤﺔ ‪ ،‬ﺛﻢ ﻧﻘﺴﻢ ﻫﺬا اﳌـﺪى ﻋـﲆ ﻋـﺪد اﻟﻔﺌـﺎت اﻟـﺬي ﻧـﺮاه‬
‫اﻟﻘﺴﻤﺔ ﻳﻌﻄﻴﻨﺎ أﻗﺮب ﻗﻴﻤﺔ ﺻﺤﻴﺤﺔ ﻟﻄﻮل اﻟﻔﺌﺔ‪ .‬وﺑﺎﻟﻨﻈﺮ إﱃ اﻟﺒﻴﺎﻧـﺎت اﳌـﺬﻛﻮرة‪ ،‬ﻧﺠـﺪ أن أﺻـﻐﺮ ﻗﻴﻤـﺔ‬
‫واﺣـﺪا‬
‫ً‬ ‫ﻫﻲ ‪ ٣٠‬أﻣﺎ أﻛﱪ ﻗﻴﻤﺔ ﻓﻬﻲ ‪ ، ٨٠‬وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن اﳌﺪى ﻫـﻮ ‪) ، ٥٠ = ٣٠ -٨٠‬وﻫﻨـﺎك ﻣـﻦ ﻳـﻀﻴﻒ‬
‫ﺻﺤﻴﺤﺎ إﱃ ﻗﻴﻤﺔ اﳌﺪى(‪.‬‬
‫ً‬
‫إذا ﻛﺎن اﳌﺪى ﻫﻮ ‪ ٥٠‬ﻓام ﻫﻮ ﻃﻮل اﻟﻔﺌﺔ اﳌﻨﺎﺳﺐ؟ )أو ﻣﺎ ﻫﻲ ﺳﻌﺔ اﻟﻔﺌـﺔ اﳌﻨﺎﺳـﺒﺔ؟(‬
‫وﻣﺎ ﻫﻮ ﻋﺪد اﻟﻔﺌﺎت اﳌﻨﺎﺳﺐ؟ ﻟﻴﺴﺖ ﻫﻨﺎك ﻗﺎﻋﺪة ﺛﺎﺑﺘﺔ ﰲ ﻫﺬا اﻟﺸﺄن ﺑﺎﻟﺮﻏﻢ ﻣـﻦ وﺟـﻮد‬
‫ﺑﻌﺾ اﳌﻌﺎدﻻت اﻟﺘﻲ ﺗﻌﺘﻤﺪ ﻋﲆ ﻟﻮﻏﺎرﻳﺘﻢ ﻋﺪد اﳌﻔﺮدات ﻣﺜﻞ ﻣﻌﺎدﻟﺔ ﺳﺘريﺟﺲ )‪(Sturges‬‬

‫‪-́˻-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫واﻟﺘﻲ ﺗﺘﻄﻠﺐ اﻻﺳﺘﻌﺎﻧﺔ ﺑﺠﺪاول اﻟﻠﻮﻏـﺎرﻳﺘامت‪ ،‬وﻛـﺬﻟﻚ ﻣﻌﺎدﻟـﺔ ﻳـﻮل )‪ (Yole‬اﻟﺘـﻲ ﺗﺘﻄﻠـﺐ اﻻﺳـﺘﻌﺎﻧﺔ‬
‫ﺑﺠﺪاول ﻗﻮى وﺟﺬور اﻷﻋﺪاد اﻟﻄﺒﻴﻌﻴﺔ‪ ،‬ﻟﻜﻦ ﻫﺬه اﳌﻌﺎدﻻت ﺗﻘﻴﺪ ﺣﺮﻳﺔ اﻻﺧﺘﻴﺎر‪ ،‬وﻗﺪ ﻧﺤﺼﻞ ﻣﻨﻬﺎ ﻋـﲆ‬
‫ﺟـﺪا ﻣـﻦ‬
‫ﻋﺪد ﻓﺌﺎت ﻏري ﻣﻨﺎﺳﺐ‪ ،‬ﻛﺄن ﺗﱰﻛﺰ ﻣﻌﻈﻢ اﻟﺘﻜﺮارات ﰲ ﻓﺌﺔ ﻣﻌﻴﻨﺔ‪ ،‬وﻳﻜﻮن ﻫﻨﺎك ﻋﺪد ﻣﺤﺪود ّ‬
‫اﻟﺘﻜﺮارات ﰲ ﻓﺌﺎت أﺧﺮى‪.‬‬

‫ﻣﻨﺎﺳـﺒﺎ‪ .‬ﰲ ﻣﺜﺎﻟﻨـﺎ ﻫـﺬا ﻓـﺈن‬

‫ً‬ ‫ﻣﻦ ﻫﻨﺎ ﻳﺘﻢ ﻗﺴﻤﺔ اﳌﺪى ﻋﲆ ﻋﺪد اﻟﻔﺌﺎت اﻟﺬي ﻧﺨﺘـﺎره‪ ،‬واﻟـﺬي ﻧـﺮاه‬
‫اﳌﺪى ﻫﻮ ‪ ،٥٠‬ﻓﺈذا ﻗﺮر اﻟﺒﺎﺣﺚ أن ﻳﻮزع اﻟﺒﻴﺎﻧﺎت اﳌﺬﻛﻮرة ﻋﲆ ﺧﻤﺲ ﻓﺌﺎت‪ ،‬ﻓﺈن ﻃﻮل اﻟﻔﺌﺔ ﻳﻜﻮن‪:‬‬

‫‪ ١٠ = ٥ ÷٥٠‬أي أن ﺳﻌﺔ اﻟﻔﺌﺔ أو ﻃﻮل اﻟﻔﺌﺔ ﻫﻮ ‪ ،١٠‬وﺑﻨﺎء ﻋﲆ ذﻟﻚ ﻧﺒﺪأ اﻟﻔﺌﺔ اﻷوﱃ ﺑﺄﺻﻐﺮ ﻗﻴﻤﺔ‬
‫وﻫﻲ ‪٣٠‬؛ وﻧﻈ ًﺮا ﻷن ﻃﻮل اﻟﻔﺌﺔ ﻫﻮ ﻋﴩة‪ ،‬ﻓﺘﻜﻮن اﻟﻔﺌﺎت ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬
‫‪) ٤٠- ٣٠‬ﻣﻦ ‪ ٣٠‬ﻷﻗﻞ ﻣﻦ ‪(٤٠‬‬
‫‪) ٥٠ - ٤٠‬ﻣﻦ ‪ ٤٠‬ﻷﻗﻞ ﻣﻦ ‪(٥٠‬‬
‫‪) ٦٠ - ٥٠‬ﻣﻦ ‪ ٥٠‬ﻷﻗﻞ ﻣﻦ ‪(٦٠‬‬
‫‪) ٧٠ - ٦٠‬ﻣﻦ ‪ ٦٠‬ﻷﻗﻞ ﻣﻦ ‪(٧٠‬‬
‫‪) ٨٠ - ٧٠‬ﻣﻦ ‪ ٧٠‬ﻷﻗﻞ ﻣﻦ ‪(٨٠‬‬

‫أي أن ﺑﺪاﻳـﺔ اﻟﻔﺌـﺔ اﻷوﱃ ‪ -‬أو اﻟﺤـﺪ اﻷدىن ﻟﻬـﺎ ﻫــﻮ )‪ - (٣٠‬وﺑـﺬﻟﻚ ﺗـﺴﺘﻮﻋﺐ أﺻـﻐﺮ ﺗﻜـﺮار‪ ،‬ﻛــام أن‬
‫ﻧﻬﺎﻳﺔ اﻟﻔﺌﺔ اﻷﺧرية ‪ -‬أو اﻟﺤﺪ اﻷﻋﲆ ﻟﻬﺎ‪ -‬ﻫﻮ )‪ ،(٨٠‬وﺑﺬﻟﻚ ﺗـﺴﺘﻮﻋﺐ أﻛـﱪ ﺗﻜـﺮار‪ ،‬وﻛﺜـ ًريا ﻣـﺎ ﻳـﺘﻢ ﺗﺤﺪﻳـﺪ‬
‫ﺑﺪاﻳﺔ اﻟﻔﺌﺔ اﻷوﱃ ﺑﺎﻟﺮﻗﻢ )ﺻﻔﺮ(‪ ،‬أو اﻟﺮﻗﻢ )‪ ،(٥‬وﻣﻦ اﻟﺸﺎﺋﻊ ً‬
‫أﻳﻀﺎ ﺗﺤﺪﻳﺪ اﻟﻔﺌﺎت ﺑﺎﻟﺮﻗﻢ )‪ ١٠‬وﻣـﻀﺎﻋﻔﺎﺗﻪ(‬
‫ﻣﻊ ﻣﺮاﻋﺎة أن ﺗﻜﻮن اﻟﻔﺌﺎت ﺗـﺴﺘﻮﻋﺐ ﺟﻤﻴـﻊ اﻟﻘـﻴﻢ )اﻟﺘﻜـﺮارات(‪ ،‬ﻓـﺈذا ﻛﺎﻧـﺖ أﺻـﻐﺮ ﻗﻴﻤـﺔ )‪ (٢٢‬ميﻜـﻦ‬
‫ﺑﺪء اﻟﻔﺌﺔ اﻷوﱃ ﻣﻦ )‪ ،(٢٠‬وإذا ﻛﺎﻧـﺖ أﻛـﱪ ﻗﻴﻤـﺔ )‪ (٧٨‬ﺗﻜـﻮن ﻧﻬﺎﻳـﺔ اﻟﻔﺌـﺔ اﻷﺧـرية )‪ ، (٨٠‬وﻣـﻊ اﻟﺘﺄﻛﻴـﺪ‬
‫ﻋﲆ أن ﻋﻤﻠﻴﺔ اﻟﺘﺼﻨﻴﻒ ﺗـﺘﻢ ﺑﺎﺳـﺘﺨﺪام اﻟـﱪاﻣﺞ اﻹﺣـﺼﺎﺋﻴﺔ اﻟﺠـﺎﻫﺰة ﻣﺜـﻞ )‪ ،(SPSS, SAS‬إﻻ أن اﻟﺒﺎﺣـﺚ‬

‫‪-́˼-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻫﻮ اﻟﺬي ﻳﺤﺪد ﻋﺪد اﻟﻔﺌﺎت وﻃﻮل اﻟﻔﺌﺔ‪ ،‬وﻣﻦ اﳌﻔﱰض أن ﻳﻜﻮن ﻋﲆ ﻣﻌﺮﻓﺔ ﺑﻜﻴﻔﻴﺔ اﺳﺘﺨﺪام اﻟﱪﻧﺎﻣﺞ‬
‫ﰲ ﻫﺬا اﻟﺘﺤﺪﻳﺪ‪.‬‬

‫ومبﻮﺟﺐ ﺗﺤﺪﻳﺪ ﻋﺪد اﻟﻔﺌﺎت وﻃـﻮل اﻟﻔﺌـﺔ‪ ،‬ﻳـﺘﻢ وﺿـﻊ ﻛـﻞ رﻗـﻢ ﰲ اﻟﻔﺌـﺔ اﳌﻨﺎﺳـﺒﺔ‪ ،‬ﻓﺒـﺎﻟﻌﻮدة إﱃ‬
‫اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﺗﻮﺿﺢ اﳌﺪة اﻟﺰﻣﻨﻴﺔ ﻟﻜﻞ ﺣﻠﻘﺔ ﻣـﻦ ﺣﻠﻘـﺎت اﻟـﱪاﻣﺞ اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴـﺔ‪ ،‬ﻧﺠـﺪ أن ﻟـﺪﻳﻨﺎ ﺛﻼﺛـني‬
‫ﺣﻠﻘﺔ ﻛﺎﻧﺖ ﻣﺪة ﻛﻞ ﻣﻨﻬﺎ ﺑﺎﻟﺪﻗﻴﻘﺔ ﻫﻲ‪:‬‬

‫‪-٥٦ -٥٦ -٣٨ -٦٠ -٤٥ – ٣٠ -٧٦ –٧٠ – ٧٩ – ٦٠ -٧٠ – ٤٦ -٧٨ -٦٢ -٣٤ -٣١ -٥٤ -٣٠ -٦٧ -٧٨‬‬
‫‪٤٧-٤٨-٦٣ -٦٥-٧٩ -٥٢ -٥٦ -٦٨-٤٧ -٧٨‬‬

‫أي أن اﻟﺤﻠﻘﺔ اﻷوﱃ اﺳﺘﻐﺮﻗﺖ ‪ ٧٨‬دﻗﻴﻘﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻓﺈﻧﻬﺎ ﺗﺼﻨﻒ ﰲ اﻟﻔﺌﺔ اﻷﺧرية )ﻣﻦ ‪ ٧٠‬ﻷﻗـﻞ ﻣـﻦ‬
‫‪ (٨٠‬أﻣﺎ اﻟﺤﻠﻘﺔ اﻟﺜﺎﻧﻴﺔ ﻓﻘﺪ اﺳﺘﻐﺮﻗﺖ ‪ ٦٧‬دﻗﻴﻘﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﺗﺼﻨﻒ ﰲ اﻟﻔﺌﺔ اﻟﺮاﺑﻌﺔ )ﻣﻦ ‪ ٦٠‬ﻷﻗﻞ ﻣـﻦ ‪(٧٠‬‬
‫وﺑﺨﺼﻮص اﻟﺤﻠﻘﺔ اﻟﺜﺎﻟﺜﺔ ﻓﺈﻧﻬﺎ اﺳﺘﻐﺮﻗﺖ ‪ ٣٠‬دﻗﻴﻘﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﺗﺼﻨﻒ ﰲ اﻟﻔﺌـﺔ اﻷوﱃ )ﻣـﻦ ‪ ٣٠‬ﻷﻗـﻞ ﻣـﻦ‬
‫‪ ...(٤٠‬وﻫﻜﺬا ﺣﺘﻰ ﺗﻨﺘﻬﻲ ﻋﻤﻠﻴﺔ ﺗﺼﻨﻴﻒ ﺟﻤﻴﻊ اﻟﺤﻠﻘﺎت ﺿـﻤﻦ اﻟﻔﺌـﺔ اﻟﺘـﻲ ﺗﻨﺘﻤـﻲ إﻟﻴﻬـﺎ ﻛـﻞ ﺣﻠﻘـﺔ‪،‬‬
‫وﺗﻜﻮن ﻛﻞ ﺣﻠﻘﺔ مبﺜﺎﺑﺔ ﺗﻜﺮار )‪ ،(Frequency‬ﻋﲆ اﻟﻨﺤﻮ اﳌﺒني ﺑﺎﻟﺠﺪول اﻵيت‪:‬‬
‫اﻟﺘﻜﺮارات‬ ‫اﻟﻌﻼﻣﺎت‬ ‫اﻟﻔﺌﺎت‬
‫‪٥‬‬ ‫‪(٣٨-٣٠-٣٤-٣١-٣٠) eeeee‬‬ ‫‪٣٩ - ٣٠‬‬
‫‪٥‬‬ ‫‪(٤٧-٤٨-٤٧-٤٥-٤٦) eeeee‬‬ ‫‪٤٩ - ٤٠‬‬
‫‪٥‬‬ ‫‪(٥٢-٥٦-٥٦-٥٦-٥٤) eeeee‬‬ ‫‪٥٩ -٥٠‬‬
‫‪٧‬‬ ‫‪(٦٣-٦٥-٦٨-٦٠-٦٠-٦٢-٦٧) ee eeeee‬‬ ‫‪٦٩ - ٦٠‬‬
‫‪٨‬‬ ‫‪(٧٩-٧٨-٧٦-٧٠-٧٩-٧٠-٧٨-٧٨) eee eeeee‬‬ ‫‪ ٧٠‬إﱃ ‪٨٠‬‬
‫‪٣٠‬‬ ‫‪eee eeeee ee eeeee eeeee eeeee eeeee‬‬ ‫اﳌﺠﻤﻮع‬

‫‪-́˽-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وميﺜﻞ اﻟﺘﻜﺮار ﺑﴩﻃﺔ ﻣﺎﺋﻠﺔ ) ‪ ( e‬وﻟﺴﻬﻮﻟﺔ ﺣـﺴﺎب أو ﻋـﺪ ﻫـﺬه اﻟﺘﻜـﺮارات ﻳـﺘﻢ متﻴﻴﺰﻫـﺎ ﰲ ﺻـﻮرة‬
‫ﻣﺠﻤﻮﻋﺎت‪ ،‬ﻛﻞ ﻣﺠﻤﻮﻋﺔ ﺗﻀﻢ ﺧﻤﺴﺔ ﺗﻜﺮارات‪ ،‬وذﻟﻚ إﻣﺎ ﺑﺄن ﺗﻜـﻮن اﻟﻌﻼﻣـﺔ اﻟﺨﺎﻣـﺴﺔ ﻣﺘﻘﺎﻃﻌـﺔ ﻣـﻊ‬
‫اﻟﻌﻼﻣﺎت اﻷرﺑﻊ‪ ،‬أو ﺑﱰك ﻣﺴﺎﻓﺔ واﺿﺤﺔ ﺑني ﻛـﻞ ﻣﺠﻤﻮﻋـﺔ ﺗـﻀﻢ ﺧﻤـﺲ ﻋﻼﻣـﺎت‪ .‬ﻫﻜـﺬا ﻳـﺼﺒﺢ ﻟـﺪﻳﻨﺎ‬
‫ﺟﺪول ﻣﺨﺘﴫ ﻳﻮﺿﺢ اﳌﻌﺎين واﻟﺪﻻﻻت اﻟﺘﻲ ﺗﻨﻄﻮي ﻋﻠﻴﻬﺎ اﻟﺒﻴﺎﻧﺎت اﻟﺴﺎﺑﻘﺔ‪ ،‬وذﻟﻚ ﻋﲆ اﻟﺼﻮرة اﻵﺗﻴﺔ‪:‬‬
‫ك‬ ‫اﻟﻔﺌﺎت‬
‫‪٥‬‬ ‫‪٤٠ – ٣٠‬‬
‫‪٥‬‬ ‫‪٥٠- ٤٠‬‬
‫‪٥‬‬ ‫‪٦٠ -٥٠‬‬
‫‪٧‬‬ ‫‪٧٠ – ٦٠‬‬
‫‪٨‬‬ ‫‪٨٠ - ٧٠‬‬
‫‪٣٠‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻓﺈذا ﻛﺎﻧﺖ ﻓﺌﺎت ﻫﺬا اﻟﺠﺪول ﺗﻌﱪ ﻋﻦ اﳌﺪة اﻟﺰﻣﻨﻴﺔ‪ ،‬ﻓﺈن اﻟﺘﻜﺮارات ﺗﻌﻨـﻲ ﻋـﺪد اﻟﺤﻠﻘـﺎت ﻣﻮزﻋـﺔ‬
‫ﺣﺴﺐ ﻫﺬه اﻟﻔﺌﺎت‪ ،‬وﻳﻜﺸﻒ اﻟﺠﺪول ﻋﻦ أن ﻫﻨﺎك ‪ ١٥‬ﺣﻠﻘﺔ؛ أي ﻣﺎ ﻳﻌﺎدل ‪ %٥٠‬ﻣـﻦ ﺣﻠﻘـﺎت اﻟـﱪاﻣﺞ‬
‫ﻛﺎﻧﺖ ﻣﺪﺗﻬﺎ أﻗﻞ ﻣﻦ ﺳﺎﻋﺔ‪ ،‬أﻣﺎ اﻟﻨﺴﺒﺔ اﻟﺒﺎﻗﻴﺔ )‪ (%٥٠‬ﻓﻘﺪ ﻛﺎﻧﺖ ﻣﺪﺗﻬﺎ ﺳﺎﻋﺔ أو أﻛـرث‪ .‬وميﻜـﻦ ﻟﻠﺒﺎﺣـﺚ‬
‫إﻋﺎدة ﺗﻨﻈﻴﻢ اﻟﺠﺪول ﺑﻀﻢ اﻟﻔﺌﺎت اﻟﺜﻼث اﻷوﱃ ﰲ ﻓﺌﺔ واﺣﺪة؛ ﺑﺤﻴـﺚ ﻳﺘـﻀﻤﻦ اﻟﺠـﺪول ﺛـﻼث ﻓﺌـﺎت‬
‫ﻓﻘﻂ‪:‬‬
‫ك‬ ‫اﻟﻔﺌﺎت‬
‫‪١٥‬‬ ‫‪٦٠ – ٣٠‬‬
‫‪٧‬‬ ‫‪٧٠ – ٦٠‬‬
‫‪٨‬‬ ‫‪٨٠ - ٧٠‬‬
‫‪٣٠‬‬ ‫اﳌﺠﻤﻮع‬

‫‪-́˾-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وﻣﻦ اﻟﻮاﺿﺢ أن اﻟﻔﺌﺎت ﻗﺪ اﺧﺘﻠﻔﺖ ﻣﻦ ﺣﻴﺚ اﻟﻄﻮل‪ ،‬ﻓﺎﻟﻔﺌﺔ اﻷوﱃ ﻃﻮﻟﻬﺎ ﺛﻼﺛﻮن‪ ،‬أﻣﺎ اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ‬
‫ﻓﻄﻮﻟﻬﺎ )ﻋﴩة(‪ ،‬ﺑﻴﻨام ﻃﻮل اﻟﻔﺌﺔ اﻟﺜﺎﻟﺜﺔ )أﺣﺪ ﻋـﴩ(؛ أي أن ﻓﺌـﺎت اﻟﺠـﺪول ﻏـري ﻣﻨﺘﻈﻤـﺔ ﻣـﻦ ﺣﻴـﺚ‬
‫اﻟﻄﻮل أو اﻟﺴﻌﺔ‪.‬‬
‫اﻟﻔﺌﺎت اﳌﻨﺘﻈﻤﺔ واﻟﻔﺌﺎت ﻏري اﳌﻨﺘﻈﻤﺔ‪:‬‬
‫ﻓﺎﻟﻔﺌﺎت اﳌﻨﺘﻈﻤـﺔ ﻫـﻲ اﻟﻔﺌـﺎت ﻣﺘـﺴﺎوﻳﺔ اﻟﻄـﻮل‪ .‬أﻣـﺎ اﻟﻔﺌـﺎت ﻏـري اﳌﻨﺘﻈﻤـﺔ‪ ،‬ﻓﻬـﻲ اﻟﻔﺌـﺎت ﻏـري‬
‫اﳌﺘﺴﺎوﻳﺔ ﰲ اﻟﻄﻮل‪ ،‬ﻛﻤﺜﺎل ﻋﲆ اﻟﻔﺌﺎت اﳌﻨﺘﻈﻤﺔ ﻧﻘﺪم اﻟﺠـﺪول اﻵيت‪ ،‬واﻟـﺬي ﻳﻮﺿـﺢ ﺗﻮزﻳـﻊ ﻋﻴﻨـﺔ ﻣـﻦ‬
‫ﻗﺮاء اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﺣﺴﺐ ﻋﺪد اﻷﺧﺒﺎر اﻟﺘﻲ أﺛﺎرت اﻧﺘﺒﺎﻫﻬﻢ ﺧﻼل ﻋﺎم ﻛﺎﻣﻞ‪:‬‬
‫اﻟﺘﻜﺮارات‬ ‫ﻋﺪد اﻷﺧﺒﺎر‬
‫‪٩٨‬‬ ‫‪١٠-٥‬‬
‫‪٧٤‬‬ ‫‪١٥-١٠‬‬
‫‪٢٣‬‬ ‫‪٢٠-١٥‬‬
‫‪٥‬‬ ‫‪٢٥-٢٠‬‬
‫‪٢٠٠‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻳﻼﺣﻆ ﻣﻦ اﻟﺠﺪول أﻧﻪ ﻳﺘﻀﻤﻦ أرﺑﻊ ﻓﺌﺎت ﻣﺘﺴﺎوﻳﺔ اﻟﻄﻮل‪ ،‬ﻓﻜﻞ ﻓﺌـﺔ ﻣـﺪاﻫﺎ ﺧﻤـﺴﺔ‪ ،‬وأﻣـﺎم ﻛـﻞ‬
‫ﺷﺨﺼﺎ‪ -‬أي ﻣﺎ ﻳﻌﺎدل ‪ %٤٩‬ﻣﻦ اﻟﻌﻴﻨﺔ‪ -‬دﻟﺖ اﺳﺘﺠﺎﺑﺎﺗﻬﻢ ﻋﲆ‬
‫ﻓﺌﺔ ﻋﺪد اﻟﺘﻜﺮارات اﻟﺨﺎﺻﺔ ﺑﻬﺎ‪ ،‬ﻓﻬﻨﺎك ‪ً ٩٨‬‬
‫أن اﻷﺧﺒﺎر اﻟﺘﻲ ﻟﻔﺘﺖ اﻧﺘﺒﺎﻫﻬﻢ ﺧﻼل اﻟﻌﺎم ﺗﱰاوح ﻣﺎ ﺑني ﺧﻤﺴﺔ ﻷﻗﻞ ﻣـﻦ ﻋـﴩة أﺧﺒـﺎر‪ ،‬ﻛـام أن ‪%٢.٥‬‬
‫ﻓﻘﻂ ‪ -‬أي ﻣﺎ ﻳﻌﺎدل ﺧﻤﺴﺔ ﻣﻔﺤﻮﺻني دﻟﺖ اﺳﺘﺠﺎﺑﺎﺗﻬﻢ ﻋﲆ أن اﻷﺧﺒﺎر اﻟﺘﻲ ﻟﻔﺘﺖ اﻧﺘﺒﺎﻫﻬﻢ ﺗﱰاوح ﻣـﺎ‬
‫ﺧﱪا‪ ...‬وﻫﻜﺬا‪.‬‬
‫ﺑني ‪ ٢٠‬ﻷﻗﻞ ﻣﻦ ‪ً ٢٥‬‬
‫أﻣﺎ ﻓﻴام ﻳﺨﺺ اﻟﻔﺌﺎت ﻏري اﳌﻨﺘﻈﻤﺔ‪ ،‬ﻓﻬﻲ اﻟﻔﺌﺎت ﻏري ﻣﺘﺴﺎوﻳﺔ اﻟﻄﻮل‪ ،‬واﻟﺠـﺪول اﻵيت ﻳﻮﺿـﺢ ﻫـﺬه‬
‫اﻟﻔﻜﺮة ﻣﻦ واﻗﻊ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻣﻦ ﻣﺴﺘﻤﻌﻲ ﺑﺮاﻣﺞ اﻟﺮادﻳﻮ ﺣﺴﺐ أﻋامرﻫﻢ ﺑﺎﻟﺴﻨﻮات‪:‬‬

‫‪-́˿-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﺘﻜﺮارات‬ ‫ﻓﺌﺎت اﻷﻋامر‬

‫‪٢٤٥‬‬ ‫‪٢٩ -٢٠‬‬
‫‪٨٤‬‬ ‫‪٤٩ -٣٠‬‬
‫‪٢١‬‬ ‫‪٥٤ -٥٠‬‬
‫‪٣٥٠‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻣﻦ اﻟﻮاﺿﺢ أن ﻓﺌﺎت اﻷﻋامر ﻏري ﻣﺘﺴﺎوﻳﺔ اﻟﻄﻮل‪ ،‬ﻓﺎﻟﻔﺌﺔ اﻷوﱃ ﻃﻮﻟﻬﺎ ‪) ١٠‬إذ إﻧﻬـﺎ ﻣـﻦ ‪ ٢٠‬وﺗﻨﺘﻬـﻲ‬
‫ﻋﻨﺪ ‪ ،(٢٩‬أﻣﺎ اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ ﻓﻄﻮﻟﻬﺎ ‪) ٢٠‬إذ إﻧﻬﺎ متﺘﺪ ﻣﻦ ‪ ٣٠‬إﱃ ‪ ،(٤٩‬واﻟﻔﺌﺔ اﻟﺜﺎﻟﺜﺔ ﻃﻮﻟﻬﺎ ‪) ٥‬إذ إﻧﻬﺎ متﺘـﺪ‬
‫ﻣﻦ ‪ ٥٠‬إﱃ ‪.(٥٤‬‬

‫اﻟﻔﺌﺎت اﳌﻐﻠﻘﺔ واﻟﻔﺌﺎت اﳌﻔﺘﻮﺣﺔ‪:‬‬

‫اﻟﻔﺌﺎت اﳌﻐﻠﻘﺔ )‪ ،(Closed Categories‬ﻫﻲ اﻟﻔﺌﺎت اﻟﺘﻲ ﻟﻬـﺎ ﺑﺪاﻳـﺔ وﻧﻬﺎﻳـﺔ واﺿـﺤﺔ‪ ،‬ﻣﺤـﺪدة‪ ،‬ﻓﻔـﻲ‬
‫اﻟﺠﺪول اﻟﺴﺎﺑﻖ ﻧﺠﺪ أن ﺟﻤﻴﻊ اﻟﻔﺌﺎت ﻣﻐﻠﻘﺔ‪ ،‬ﻓﺎﻟﻔﺌﺔ اﻷوﱃ ﺗﺒﺪأ ﻣﻦ ﻋﺸـﺮﻳﻦ وﺗﻨﺘﻬﻲ ﺑﺘﺴﻌﺔ وﻋـﴩﻳﻦ‪،‬‬
‫أﻣﺎ اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ ﻓﺘﺒﺪأ ﻣﻦ ﺛﻼﺛني وﺗﻨﺘﻬﻲ ﺑﺘﺴﻌﺔ وأرﺑﻌني‪ ،‬ﺑﻴﻨام اﻟﻔﺌﺔ اﻟﺜﺎﻟﺜﺔ ﺗﺒﺪأ ﻣـﻦ ﺧﻤـﺴني وﺗﻨﺘﻬـﻲ‬
‫ﺑﺄرﺑﻌﺔ وﺧﻤﺴني‪.‬‬

‫ﻣﻘﺎﺑﻞ ذﻟﻚ ﻫﻨﺎك اﻟﻔﺌﺎت اﳌﻔﺘﻮﺣﺔ )‪ ،(Open Categories‬وﻫﻲ ﻗﺪ ﺗﻜﻮن ﻣﻐﻠﻘﺔ اﻟﺒﺪاﻳﺔ وﻣﻔﺘﻮﺣﺔ اﻟﻨﻬﺎﻳـﺔ‬
‫أو اﻟﻌﻜﺲ‪ :‬ﻣﻔﺘﻮﺣﺔ اﻟﺒﺪاﻳﺔ وﻣﻐﻠﻘﺔ اﻟﻨﻬﺎﻳﺔ‪ .‬ﻛﻤﺜﺎل ﻟﻠﺠﺪاول ذات اﻟﻔﺌﺎت ﻣﻐﻠﻘﺔ اﻟﺒﺪاﻳـﺔ وﻣﻔﺘﻮﺣـﺔ اﻟﻨﻬﺎﻳـﺔ‪،‬‬
‫ﻫﺬا اﻟﺠﺪول اﻟﺬي ﻳﺘﻀﻤﻦ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ ١٠٠٠‬ﻣﻔﺮدة ﻣﻦ ﺟﻤﻬﻮر اﻟﺮادﻳﻮ ﺣﺴﺐ اﻷﻋامر‪:‬‬
‫اﻟﺘﻜﺮارات‬ ‫ﻓﺌﺎت اﻷﻋامر‬
‫‪٤٦٩‬‬ ‫‪-٢٠‬‬
‫‪٣٠٣‬‬ ‫‪-٤٠‬‬
‫‪١٨٤‬‬ ‫‪-٥٠‬‬
‫‪٤٤‬‬ ‫‪-٦٠‬‬
‫‪١٠٠٠‬‬ ‫اﳌﺠﻤﻮع‬

‫‪-́̀-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫واﺿﺢ ﻣﻦ ﻫﺬا اﻟﺠﺪول أن ﻓﺌﺎت اﻷﻋامر ﻣﻔﺘﻮﺣﺔ اﻟﻨﻬﺎﻳﺎت‪ ،‬وﺑﺎﺳـﺘﺜﻨﺎء اﻟﻔﺌـﺔ اﻷﺧـرية‪ ،‬ﻓـﺈن ﻧﻬﺎﻳـﺎت‬
‫ﺿﻤﻨﺎ‪ ،‬ﻓﺎﻟﻔﺌﺔ اﻷوﱃ ﺗﺒﺪأ ﻣﻦ ﻋﺸـﺮﻳﻦ ﺳﻨﺔ وإن ﻛﺎﻧﺖ ﻧﻬﺎﻳﺘﻬﺎ ﻏري ﻣﺤﺪدة‪ ،‬ﻏـري أن‬
‫ﺑﻘﻴﺔ اﻟﻔﺌﺎت ﻣﻔﻬﻮﻣﺔ ً‬
‫ﻧﻬﺎﻳﺘﻬﺎ ﻣﻌﺮوﻓﺔ ﻣﻦ واﻗﻊ ﺑﺪاﻳﺔ اﻟﻔﺌﺔ اﻟﻼﺣﻘﺔ واﻟﺘﻲ ﺗﺒﺪأ ﻣﻦ أرﺑﻌني‪ ،‬ﻓﻜﺄن ﻧﻬﺎﻳـﺔ اﻟﻔﺌـﺔ اﻷوﱃ ﻫـﻲ ‪.٣٩‬‬
‫اﳌﻨﻄﻖ ﻧﻔﺴﻪ ﻓﻴام ﻳﺨﺺ اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ )ﻧﻬﺎﻳﺘﻬﺎ ‪ ،(٤٩‬واﻟﻔﺌـﺔ اﻟﺜﺎﻟﺜـﺔ ﻧﻬﺎﻳﺘﻬـﺎ ‪ ٥٩‬ﻏـري أن اﻟﻔﺌـﺔ اﻷﺧـرية –‬
‫واﻟﺘﻲ ﺗﺒﺪأ ﻣﻦ ‪ - ٦٠‬ﻓﺈن ﻧﻬﺎﻳﺘﻬﺎ ﻣﻔﺘﻮﺣﺔ‪ ،‬ﻓﻬﻲ ﻻ ﻳﻌﻘﺒﻬﺎ ﻓﺌﺔ ذات ﺑﺪاﻳﺔ ﻣﺤﺪدة‪ ،‬وﻫﻨﺎك ﺑﻌﺾ اﳌﻘﺎﻳﻴﺲ‬
‫اﻹﺣﺼﺎﺋﻴﺔ‪ -‬ﺣﺴﺒام ﺳﻨﻮﺿﺢ ﰲ ﻣﻮﺿﻊ ﻻﺣﻖ‪ -‬ﻻ ميﻜﻦ اﺳﺘﺨﺪاﻣﻬﺎ ﻣﻊ اﻟﺘﻜﺮارات اﻟﺘﻲ ﺗﺘـﻮزع ﻋـﲆ ﻓﺌـﺎت‬
‫ﻣﻔﺘﻮﺣﺔ‪.‬‬

‫اﻟﻨﻮع اﻵﺧﺮ ﻣﻦ اﻟﻔﺌﺎت اﳌﻔﺘﻮﺣﺔ ﻳﺘﻤﺜﻞ ﰲ اﻟﻔﺌﺎت ﻣﻔﺘﻮﺣﺔ اﻟﺒﺪاﻳﺔ وﻣﻐﻠﻘﺔ اﻟﻨﻬﺎﻳﺔ‪ ،‬ﻳﺘـﻀﺢ ذﻟـﻚ ﰲ‬
‫اﻟﺠﺪول اﻵيت واﻟﺬي ﻳﺘﻀﻤﻦ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻣﻦ ﻣﺸﺎﻫﺪي اﻟﺘﻠﻴﻔﺰﻳﻮن )‪ (٣٥٠‬ﻣﻔﺮدة ﺣﺴﺐ درﺟـﺎﺗﻬﻢ ﻋـﲆ‬
‫ﻣﻘﻴﺎس ﻟﻠﻤﻌﻠﻮﻣﺎت اﻟﻌﺎﻣﺔ )اﻟﺪرﺟﺔ اﻟﻜﻠﻴﺔ ﻟﻠﻤﻘﻴﺎس ‪ ٣٠‬درﺟﺔ(‪:‬‬
‫اﻟﺘﻜﺮارات‬ ‫ﻓﺌﺎت اﻟﺪرﺟﺎت‬
‫‪٥١‬‬ ‫‪١٥-‬‬
‫‪٢٠٢‬‬ ‫‪-١٥‬‬
‫‪٥٦‬‬ ‫‪-٢٠‬‬
‫‪٤١‬‬ ‫‪٣٠-٢٥‬‬
‫‪٣٥٠‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻳﻌﺮف ﻫﺬا اﻟﻨﻤﻂ ﺑﺄﻧﻪ اﻟﺠﺪول اﳌﻔﺘـﻮح ﻣـﻦ أﻋـﲆ‪ ،‬ﻓﺎﻟﻔﺌـﺔ اﻷوﱃ ﺗﻌﻨـﻲ أﻗـﻞ ﻣـﻦ ‪) ١٥‬ﻓﻬـﻲ ﻏـري‬
‫ﻣﺤﺪدة اﻟﺒﺪاﻳﺔ(‪ ،‬ﻓﺎﳌﻔﺤﻮﺻﻮن اﻟﺬﻳﻦ ﺣﺼﻠﻮا ﻋﲆ أﻗﻞ ﻣﻦ ‪ ١٥‬درﺟﺔ‪ ،‬ﻳﻘﻌﻮن ﻋﲆ اﳌﺘﺼﻞ ﻣﻦ ﺻﻔﺮ ﺣﺘﻰ‬
‫‪ ١٤.٥‬درﺟﺔ‪ ،‬مبﻌﻨﻰ أن ﺑﻌﻀﻬﻢ ﻗﺪ ﺣﺼﻞ ﻋﲆ ﺻﻔﺮ‪ ،‬واﻟﺒﻌﺾ اﻵﺧﺮ ﺣﺼﻞ ﻋﲆ ‪ ٢‬واﻟﺒﻌﺾ ﺣﺼﻞ ﻋﲆ ‪١٠‬‬
‫وﻫﻜﺬا‪ ،‬أﻣﺎ ﺑﻘﻴﺔ اﻟﻔﺌﺎت‪ ،‬ﻓﺈن ﻧﻬﺎﻳﺎﺗﻬﺎ ﻣﻔﻬﻮﻣﺔ‪ ،‬ﻓﺎﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ ﻧﻬﺎﻳﺘﻬﺎ أﻗﻞ ﻣﻦ ‪ ،٢٠‬واﻟﻔﺌﺔ اﻟﺜﺎﻟﺜـﺔ ﻧﻬﺎﻳﺘﻬـﺎ‬
‫أﻗﻞ ﻣﻦ ‪ ،٢٥‬أﻣﺎ اﻟﻔﺌﺔ اﻷﺧرية‪ ،‬ﻓﺈن ﻧﻬﺎﻳﺘﻬﺎ )‪.(٣٠‬‬

‫‪-́́-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وﻫﻨﺎك ﺟﺪاول ﺗﻜﺮارﻳـﺔ ﻣﻔﺘﻮﺣـﺔ اﻟﺒﺪاﻳـﺔ )ﺑﺪاﻳـﺔ اﻟﻔﺌـﺔ اﻷوﱃ(‪ ،‬وﻣﻔﺘﻮﺣـﺔ اﻟﻨﻬﺎﻳـﺔ ) ﻧﻬﺎﻳـﺔ اﻟﻔﺌـﺔ‬
‫اﻷﺧرية(‪ ،‬وﺑﺎﳌﺜﻞ‪ ،‬ﻫﻨﺎك ﺟﺪاول ﺗﻜﺮارﻳﺔ ﻣﻐﻠﻘﺔ اﻟﺒﺪاﻳـﺔ )ﺑﺪاﻳـﺔ اﻟﻔﺌـﺔ اﻷوﱃ(‪ ،‬وﻣﻐﻠﻘـﺔ اﻟﻨﻬﺎﻳـﺔ ) ﻧﻬﺎﻳـﺔ‬
‫اﻟﻔﺌﺔ اﻷﺧرية( ‪ ،‬وﻣﻦ اﻷﻓـﻀﻞ ﰲ ﺗـﺼﻤﻴﻢ اﻟﺠـﺪول اﻟﺘﻜـﺮاري أن ﺗﻜـﻮن اﻟﻔﺌـﺎت ﻣﻐﻠﻘـﺔ اﻟﺒﺪاﻳـﺔ وﻣﻐﻠﻘـﺔ‬
‫اﻟﻨﻬﺎﻳﺔ‪ ،‬وﺑﻮﺟﻪ ﻋﺎم‪ ،‬ﻓﺈن ﺗﺼﻤﻴﻢ اﻟﺠﺪول اﻟﺘﻜﺮاري اﻷﻣﺜﻞ ﻫﻮ اﻟﺬي ﺗﺘﻮاﻓﺮ ﻓﻴﻪ اﻟﺨﺼﺎﺋﺺ اﻵﺗﻴﺔ‪:‬‬

‫‪ -‬أن ﺗﻜﻮن اﻟﻔﺌﺎت ﻣﺴﺘﻘﻠﺔ‪ ،‬ﻏري ﻣﺘﺪاﺧﻠﺔ‪ ،‬مبﻌﻨﻰ أن ﺗﺒﺪأ اﻟﻔﺌﺔ اﻟﻼﺣﻘﺔ ﻣﻦ ﺣﻴﺚ اﻧﺘﻬﺖ اﻟﺴﺎﺑﻘﺔ‬
‫ﻋﻠﻴﻬﺎ‪.‬‬

‫ﻣﻌﻘﻮﻻ‪ ،‬ﻓﻼ ﻳﺘﻀﻤﻦ اﻟﺠﺪول ﻓﺌﺎت ﻛﺜرية ﻟﻜﻞ ﻣﻨﻬﺎ ﺗﻜﺮارات ﻣﺤﺪودة‪ ،‬وﻻ‬
‫ً‬ ‫‪ -‬أن ﻳﻜﻮن ﻋﺪد اﻟﻔﺌﺎت‬
‫ﺟﺪا ﺗﱰﻛﺰ ﻓﻴﻬﺎ ﻣﻌﻈﻢ اﻟﺘﻜﺮارات‪.‬‬
‫ﻳﺘﻀﻤﻦ ﻓﺌﺎت ﻗﻠﻴﻠﺔ ّ‬

‫‪ -‬ﺗﺤﺎﳾ اﺳﺘﺨﺪام اﻟﻔﺌﺎت اﳌﻔﺘﻮﺣﺔ‪ ،‬وﻛﺬﻟﻚ ﺗﺤﺎﳾ اﻟﻔﺌﺎت ﻏري اﳌﻨﺘﻈﻤﺔ ﻗﺪر اﻹﻣﻜﺎن‪.‬‬

‫‪ -‬وﺿﻊ ﻋﻨﻮان واﺿﺢ وﻣﺨﺘﴫ ﻟﻠﺠﺪول‪ ،‬مبﺎ ﻳﻌﻜﺲ ﻣﺤﺘﻮاه ﺑﺪﻗﺔ‪.‬‬

‫اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ‪:‬‬

‫ﻧﺴﺘﺨﺪم اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ ﺑﻬﺪف ﻣﻌﺮﻓﺔ ﻋﺪد اﻟﺘﻜﺮارات اﻟﺘﻲ ﺗﻘﻞ أو اﻟﺘﻲ ﺗﺰﻳﺪ ﻋﻦ ﻗﻴﻤـﺔ‬
‫ﻣﻌﻴﻨﺔ‪ .‬وﻫﻨﺎك اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‪ ،‬ﻛام أن ﻫﻨﺎك اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ‬

‫)أ( اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‪:‬‬

‫ﻛﻤﻴﺔ‪ ،‬ﻟﻜﻞ ﻓﺌﺔ ﺳﻌﺔ ﻣﻌﻴﻨﺔ أو ﻣﺪى ﻣﻌـني‪ ،‬ﻓـﺈن‬

‫ﻋﻨﺪﻣﺎ ﺗﺘﻮزع اﻟﺘﻜﺮارات ﺣﺴﺐ ﻓﺌﺎت )‪ّ (Categories‬‬
‫ذﻟﻚ ﻳﻌﻨﻲ أن ﻛﻞ ﻓﺌﺔ ﻣﻦ ﻓﺌﺎت اﻟﺠﺪول اﻟﺘﻜﺮاري ﻟﻬﺎ ﺣﺪ أدىن وﺣﺪ أﻋﲆ‪ ،‬واﳌﻨﺤﻨـﻰ اﻟﺘﻜـﺮاري اﳌﺘﺠﻤـﻊ‬
‫اﻟﺼﺎﻋﺪ ﻫﻮ ﻋﺪد اﻟﺘﻜﺮارات اﻟﺘﻲ ﺗﻘﻊ دون اﻟﺤﺪ اﻷﻋﲆ ﻟﻠﻔﺌﺎت‪ .‬ﻟﺘﻮﺿﻴﺢ ذﻟﻚ ﻧﻔﺮض أن ﻟﺪﻳﻨﺎ )‪ (٥٠‬ﻧﴩة‬
‫أﺧﺒﺎر‪ ،‬ﻛﺎﻧﺖ ﻣﺪة ﻛﻞ ﻧﺸـﺮة ﺑﺎﻟﺪﻗﻴﻘﺔ ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬

‫‪-́̂-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫‪٤١‬‬ ‫‪٢٣‬‬ ‫‪٢٠‬‬ ‫‪٣٣‬‬ ‫‪٤١‬‬

‫‪٣٩‬‬ ‫‪٢٤‬‬ ‫‪٢٣‬‬ ‫‪٢٥‬‬ ‫‪٣٥‬‬
‫‪٢٠‬‬ ‫‪٢٧‬‬ ‫‪٣١‬‬ ‫‪٢٨‬‬ ‫‪٣١‬‬
‫‪٣٤‬‬ ‫‪٤١‬‬ ‫‪٣٠‬‬ ‫‪٢٩‬‬ ‫‪٤٣‬‬
‫‪٣٥‬‬ ‫‪٣٢‬‬ ‫‪٣٧‬‬ ‫‪٣٥‬‬ ‫‪٤٨‬‬
‫‪٢٩‬‬ ‫‪٢٨‬‬ ‫‪٤٢‬‬ ‫‪٢٨‬‬ ‫‪٤٧‬‬
‫‪٢١‬‬ ‫‪٤١‬‬ ‫‪٢٥‬‬ ‫‪٣٣‬‬ ‫‪٤١‬‬
‫‪٢٦‬‬ ‫‪٣٦‬‬ ‫‪٢٥‬‬ ‫‪٣٢‬‬ ‫‪٣٨‬‬
‫‪٢٨‬‬ ‫‪٣٧‬‬ ‫‪٢٤‬‬ ‫‪٣٩‬‬ ‫‪٣٥‬‬
‫‪٣٩‬‬ ‫‪٤٩‬‬ ‫‪٣٢‬‬ ‫‪٤١‬‬ ‫‪٢٩‬‬
‫ﻓﺎﻟﻨﴩة اﻷوﱃ ﻣﺪﺗﻬﺎ )‪ (٤١‬دﻗﻴﻘﺔ‪ ،‬وإذا اﺗﺠﻬﻨﺎ ﻣﻦ اﻟﺨﻠﻴﺔ اﻷوﱃ رأﺳﻴّﺎ إﱃ أﺳﻔﻞ‪ ،‬ﻓﺈن اﻟﻨﺸـﺮة اﻟﺘﺎﻟﻴﺔ ﻟﻬﺎ‬
‫ﻣﺪﺗﻬﺎ )‪ (٣٥‬دﻗﻴﻘﺔ‪ ،‬أﻣﺎ اﻟﻨﺸـﺮة اﻷﺧرية ﻓﺈن ﻣﺪﺗﻬﺎ )‪ (٣٩‬دﻗﻴﻘﺔ‪ ..‬وﻫﻜـﺬا‪ .‬وﻟﻠﺤـﺼﻮل ﻋـﲆ اﻟﺘﻮزﻳـﻊ اﻟﺘﻜـﺮاري‬
‫اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻳﺘﻌني أوﻻ اﻟﺤﺼﻮل ﻋـﲆ اﻟﺘﻮزﻳـﻊ اﻟﺘﻜـﺮاري اﻟﺒـﺴﻴﻂ‪ ،‬وﻧﺒـﺪأ ﺑﺘﺤﺪﻳـﺪ ﻋـﺪد اﻟﻔﺌـﺎت ﺑﺤﻴـﺚ‬
‫ﺗﺴﺘﻮﻋﺐ ﺟﻤﻴﻊ اﻟﻘﻴﻢ )اﳌﺪد اﻟﺰﻣﻨﻴﺔ(‪ ،‬وﻣﻦ اﻟﻮاﺿﺢ أن أﻗﻞ ﻧﴩة‪ ،‬ﻛﺎﻧﺖ ﻣﺪﺗﻬﺎ )‪ (٢٠‬دﻗﻴﻘﺔ‪ ،‬أﻣﺎ أﻃﻮل ﻧﺸـﺮة‬
‫ﻣﻨﺎﺳـﺒﺎ‪ ،‬وﻳﺠـﺐ أن ﺗﻜـﻮن ﺑﺪاﻳـﺔ‬
‫ً‬ ‫ﻓﻜﺎﻧﺖ ﻣﺪﺗﻬﺎ )‪ (٤٩‬دﻗﻴﻘﺔ‪ ،‬وميﻜﻦ ﻟﻠﺒﺎﺣﺚ ﺗﺤﺪﻳﺪ ﻋﺪد اﻟﻔﺌﺎت اﻟﺬي ﻳـﺮاه‬
‫اﻟﻔﺌﺔ اﻷوﱃ ﺗﺴﺎوي أﺻﻐﺮ ﻗﻴﻤﺔ )أو ﺗﻘﻞ ﻋﻨﻬﺎ ﺑﻮاﺣﺪ ﺻﺤﻴﺢ(‪ ،‬وأن ﺗﻜﻮن ﻧﻬﺎﻳـﺔ اﻟﻔﺌـﺔ اﻷﺧـرية ﺗـﺴﺎوي أﻛـﱪ‬
‫ﻣﺜﻼ‪ ،‬ووﺿـﻌﻨﺎ اﻟﺘﻜـﺮارات‬
‫ﻗﻴﻤﺔ )أو ﺗﺰﻳﺪ ﻋﻨﻬﺎ ﺑﻮاﺣﺪ ﺻﺤﻴﺢ(‪ ،‬ﻓﺈذا ﺣﺪدﻧﺎ ﻋﺪد اﻟﻔﺌﺎت ﻛﺄن ﻳﻜﻮن ﺳﺖ ﻓﺌﺎت ً‬
‫اﳌﻘﺎﺑﻠﺔ ﻟﻬﺬه اﻟﻔﺌﺎت‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺤﺼﻞ ﻋﲆ اﻟﺠﺪول اﻟﺘﻜﺮاري اﻟﺘﺎﱄ‪:‬‬
‫ك‬ ‫ﻓﺌﺎت اﻟﻮﻗﺖ ﺑﺎﻟﺪﻗﻴﻘﺔ‬
‫‪٧‬‬ ‫‪ ٢٠‬ﻷﻗﻞ ﻣﻦ ‪٢٥‬‬
‫‪١٢‬‬ ‫‪ ٢٥‬ﻷﻗﻞ ﻣﻦ ‪٣٠‬‬
‫‪٩‬‬ ‫‪ ٣٠‬ﻷﻗﻞ ﻣﻦ ‪٣٥‬‬
‫‪١١‬‬ ‫‪ ٣٥‬ﻷﻗﻞ ﻣﻦ ‪٤٠‬‬
‫‪٨‬‬ ‫‪ ٤٠‬ﻷﻗﻞ ﻣﻦ ‪٤٥‬‬
‫‪٣‬‬ ‫‪ ٤٥‬ﻷﻗﻞ ﻣﻦ ‪٥٠‬‬
‫‪٥٠‬‬ ‫اﳌﺠﻤﻮع‬

‫‪-̂˹-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻫﺬا ﻫﻮ اﻟﺠﺪول اﻟﺘﻜﺮاري اﻟﺒﺴﻴﻂ‪ ،‬وﻣﻨﻪ ﻧﺘﺒني أن اﻟﻔﺌﺔ اﻷوﱃ ﺑﻬﺎ ﺳﺒﻌﺔ ﺗﻜﺮارات؛ أي أن ﻫﻨﺎك ﺳﺒﻊ‬
‫ﻧﴩات ﺗﻘﻞ ﻣﺪة ﻛﻞ ﻣﻨﻬﺎ ﻋﻦ )‪ (٢٥‬دﻗﻴﻘﺔ‪ ،‬أﻣﺎ اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴـﺔ‪ ،‬ﻓـﺈن ﺑﻬـﺎ )‪ (١٢‬ﺗﻜـﺮا ًرا‪ ،‬أي أن ﻫﻨـﺎك )‪(١٢‬‬
‫ﻧﴩة إﺧﺒﺎرﻳﺔ ﺗﱰاوح ﻣﺪة ﻛﻞ ﻣﻨﻬﺎ ﺑني ‪ ٢٥‬دﻗﻴﻘﺔ ﻷﻗﻞ ﻣﻦ ‪ ٣٠‬دﻗﻴﻘﺔ ‪ ....‬وﻫﻜﺬا‪ ،‬وﻣﻦ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري‬
‫اﻟﺒﺴﻴﻂ ميﻜﻦ ﺑﺴﻬﻮﻟﺔ اﻟﺤﺼﻮل ﻋﲆ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻣﻦ ﺧﻼل رﺻـﺪ اﻟﺘﻜـﺮارات اﻟﺘـﻲ‬
‫ﻣﺜﻼ ﻫﻲ )ﻣﻦ ‪ ٢٠‬ﻷﻗﻞ ﻣـﻦ ‪(٢٥‬؛ أي أن ﺣـﺪﻫﺎ اﻷﻋـﲆ ﻫـﻮ‬
‫ﺗﻘﻞ ﻋﻦ اﻟﺤﺪ اﻷﻋﲆ ﻟﻜﻞ ﻓﺌﺔ‪ ،‬ﻓﺎﻟﻔﺌﺔ اﻷوﱃ ً‬
‫أﻗﻞ ﻣﻦ )‪ ،(٢٥‬وﺑﺎﻟﺘﺎﱄ‪ ،‬ﻓﺈن اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﻬـﺬه اﻟﻔﺌـﺔ ﺳﻴـﺸﻤﻞ ﺟﻤﻴـﻊ اﻟﺘﻜـﺮارات‬
‫)ﻋﺪد اﻟﻨﴩات( اﻟﺘﻲ ﺗﻘﻞ ﻣﺪة ﻛﻞ ﻣﻨﻬﺎ ﻋﻦ ‪ ٢٥‬دﻗﻴﻘﺔ‪ ،‬واﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ ﻫﻲ )ﻣﻦ ‪ ٢٥‬ﻷﻗﻞ ﻣﻦ ‪ ،(٣٠‬أي أن‬
‫ﺣﺪﻫﺎاﻷﻋﲆ ﻫﻮ أﻗﻞ ﻣﻦ )‪ (٣٠‬دﻗﻴﻘﺔ‪ ،‬وﺑﺎﻟﺘـﺎﱄ ﻓـﺈن اﻟﺘﻮزﻳـﻊ اﻟﺘﻜـﺮاري اﳌﺘﺠﻤـﻊ اﻟـﺼﺎﻋﺪ ﻟﻬـﺬه اﻟﻔﺌـﺔ‬
‫ﺳﻴﺸﻤﻞ ﺟﻤﻴﻊ اﻟﺘﻜﺮارات اﻟﺘﻲ ﺗﻘﻞ ﻋﻦ )‪(٣٠‬؛ أي أن اﻟﺘﻜﺮارات اﳌﺘﺠﻤﻌﺔ ﻟﻠﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ ﺗـﺸﻤﻞ ﺗﻜـﺮارات‬
‫ً‬
‫ﻣﻀﺎﻓﺎ إﻟﻴﻬﺎ ﺗﻜﺮارات اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ‪ ..‬وﻫﻜﺬا ﻓﻴام ﻳﺨﺺ ﺟﻤﻴﻊ اﻟﻔﺌﺎت‪ ،‬ﻓﻨﺤﺼﻞ ﻋـﲆ اﻟﺠـﺪول‬ ‫اﻟﻔﺌﺔ اﻷوﱃ‬
‫اﻟﺘﺎﱄ‪:‬‬

‫اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري‬ ‫اﻟﺤﺪود‬

‫ك‬ ‫ﻓﺌﺎت اﻟﻮﻗﺖ ﺑﺎﻟﺪﻗﻴﻘﺔ‬
‫اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‬ ‫اﻷﻋﲆ ﻟﻠﻔﺌﺎت‬
‫‪٧‬‬ ‫‪٢٥-‬‬ ‫‪٧‬‬ ‫‪ ٢٠‬ﻷﻗﻞ ﻣﻦ ‪٢٥‬‬
‫‪١٩‬‬ ‫‪٣٠-‬‬ ‫‪١٢‬‬ ‫‪ ٢٥‬ﻷﻗﻞ ﻣﻦ ‪٣٠‬‬
‫‪٢٨‬‬ ‫‪٣٥-‬‬ ‫‪٩‬‬ ‫‪ ٣٠‬ﻷﻗﻞ ﻣﻦ ‪٣٥‬‬
‫‪٣٩‬‬ ‫‪٤٠-‬‬ ‫‪١١‬‬ ‫‪ ٣٥‬ﻷﻗﻞ ﻣﻦ ‪٤٠‬‬
‫‪٤٧‬‬ ‫‪٤٥-‬‬ ‫‪٨‬‬ ‫‪ ٤٠‬ﻷﻗﻞ ﻣﻦ ‪٤٥‬‬
‫‪٥٠‬‬ ‫‪٥٠-‬‬ ‫‪٣‬‬ ‫‪ ٤٥‬ﻷﻗﻞ ﻣﻦ ‪٥٠‬‬
‫‪٥٠‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻟﻘﺪ ﺗﻢ ﺗﻜﻮﻳﻦ اﳌﻨﺤﻨﻰ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ )ت‪ .‬م‪ .‬ص‪ (.‬ﻣﻦ ﺧـﻼل اﻟﺤـﺪود اﻷﻋـﲆ ﻟﻠﻔﺌـﺎت‬
‫)اﻟﻌﻤﻮد اﻟﺜﺎﻟﺚ(‪ ،‬واﻟﺘﻜﺮارات اﳌﻨﺎﻇﺮة ﻟﻬﺎ‪ .‬وﻣﻦ اﻟﺠﺪول ﻧﺘﺒني أن‪:‬‬
‫‪-̂˺-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﻠﻔﺌﺔ اﻷوﱃ ﻳﺴﺎوي ﻋﺪد ﺗﻜﺮارات ﻫﺬه اﻟﻔﺌﺔ )‪ (٧‬ﺗﻜﺮارات‪.‬‬
‫ً‬
‫ﻣـﻀﺎﻓﺎ إﻟﻴـﻪ‬ ‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﻠﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ ﻳﺴﺎوي ﻋﺪد ﺗﻜﺮارات اﻟﻔﺌﺔ اﻷوﱃ‬
‫ﻋﺪد ﺗﻜﺮارات اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ )‪.(١٩ =١٢ +٧‬‬
‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﻠﻔﺌﺔ اﻟﺜﺎﻟﺜﺔ ﻳﺴﺎوي ﻋﺪد ﺗﻜـﺮارات اﻟﻔﺌـﺔ اﻷوﱃ ‪ +‬ﺗﻜـﺮارات‬
‫اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ ‪ +‬ﺗﻜﺮارات اﻟﻔﺌﺔ اﻟﺜﺎﻟﺜﺔ )‪.(٢٨ =٩ + ١٢ +٧‬‬
‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﻠﻔﺌﺔ اﻟﺮاﺑﻌﺔ ﻳﺴﺎوي ﻋـﺪد ﺗﻜـﺮارات اﻟﻔﺌـﺎت اﻷوﱃ واﻟﺜﺎﻧﻴـﺔ‬
‫واﻟﺜﺎﻟﺜﺔ واﻟﺮاﺑﻌﺔ )‪.(٣٩ =١١ +٩ + ١٢ +٧‬‬
‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﻠﻔﺌﺔ اﻟﺨﺎﻣﺴﺔ ﻳﺴﺎوي ﻋﺪد ﺗﻜﺮارات اﻟﻔﺌﺎت اﻷوﱃ واﻟﺜﺎﻧﻴـﺔ‬
‫واﻟﺜﺎﻟﺜﺔ واﻟﺮاﺑﻌﺔ واﻟﺨﺎﻣﺴﺔ )‪.(٤٧ =٨+ ١١ +٩ + ١٢ +٧‬‬
‫ً‬
‫ﻣﻀﺎﻓﺎ إﻟﻴﻬﺎ‬ ‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻟﻠﻔﺌﺔ اﻟﺴﺎدﺳﺔ ﻳﺴﺎوي ﻋﺪد ﺗﻜﺮارات ﻫﺬه اﻟﻔﺌﺔ‬
‫ﺗﻜﺮارات ﻛﻞ اﻟﻔﺌﺎت اﻟﺴﺎﺑﻘﺔ )‪.(٥٠ =٣ + ٨+ ١١ +٩ + ١٢ +٧‬‬

‫وﻳﻨﺘﻬﻲ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ مبﺠﻤﻞ اﻟﺘﻜﺮارات )ﻓﻔـﻲ اﳌﺜـﺎل اﳌﺒـني ﻧﻼﺣـﻆ أن ﺟﻤﻴـﻊ‬
‫ﻧﴩات اﻷﺧﺒﺎر ﻣﺤﻞ اﻟﺪراﺳﺔ ﺗﻘﻞ ﻣﺪﺗﻬﺎ ﻋﻦ ‪ ٥٠‬دﻗﻴﻘﺔ‪ ،‬وﻫﺬه اﻟﻘﻴﻤﺔ ﻫﻲ اﻟﺤـﺪ اﻷﻋﲆ ﻟﻠﻔﺌـﺔ اﻷﺧـرية(‪.‬‬
‫وميﻜﻦ رﺳﻢ اﳌﻨﺤﻨﻰ اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ )م‪ .‬ت‪ .‬ص‪ (.‬ﺑﺎﺳﺘﺨﺪام اﻟﻔﺌﺎت واﻟﺘﻜﺮارات اﻟﺨﺎﺻﺔ ﺑﻬﺎ؛ ﺣﻴﺚ ﻳـﺘﻢ‬
‫متﺜﻴﻞ اﻟﻔﺌﺎت مبﺤﻮر أﻓﻘﻲ ﺑﻴﻨام ﻳﺘﻢ متﺜﻴﻞ اﻟﺘﻜﺮارات مبﺤﻮر رأﳼ‪ ،‬وﻳـﺘﻢ وﺿـﻊ ﻧﻘﻄـﺔ ﺗﻘﺎﺑـﻞ اﻟﺘﻜـﺮارات‬
‫ﺛﻢ ﻳﺘﻢ ﺗﻮﺻﻴﻞ ﻫﺬه اﻟﻨﻘﺎط ﻓﻴﻜﻮن ﻟﺪﻳﻨﺎ اﳌﻨﺤﻨـﻰ اﳌﺘﺠﻤـﻊ اﻟـﺼﺎﻋﺪ ﻋـﲆ اﻟﻨﺤـﻮ‬
‫اﻟﺨﺎﺻﺔ ﺑﻜﻞ ﻓﺌﺔ؛ وﻣﻦ ّ‬
‫اﻟﺘﺎﱄ‪:‬‬

‫‪-̂˻-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﺘﻜﺮارات‬
‫‪٦٠‬‬

‫‪٥٠‬‬

‫‪٤٠‬‬

‫‪٣٠‬‬

‫‪٢٠‬‬

‫‪١٠‬‬

‫‪٠‬‬ ‫اﻟﻔﺌﺎت‬
‫‪٢٥-٢٠‬‬ ‫‪٣٠-٢٥‬‬ ‫‪٣٥-٣٠‬‬ ‫‪٤٠-٣٥‬‬ ‫‪٤٥-٤٠‬‬ ‫‪٥٠-٤٥‬‬

‫وﻣﻦ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‪ ،‬ميﻜـﻦ اﻟﺤـﺼﻮل ﻋـﲆ اﻟﺘﻮزﻳـﻊ اﳌﺘﺠﻤـﻊ اﻟـﺼﺎﻋﺪ اﳌﺌـﻮي أو‬
‫اﻟﻨﺴﺒﻲ‪ ،‬وذﻟﻚ ﻣﻦ ﺧﻼل ﺣﺴﺎب اﻟﻨﺴﺒﺔ اﳌﺌﻮﻳﺔ ﻟﺘﻜﺮارات ﻛﻞ ﻓﺌﺔ ﻣﻦ ﻣﺠﻤﻞ اﻟﺘﻜﺮارات‪ ،‬ﻓﺎﻟﺘﻜﺮار اﳌﺌﻮي‬
‫ﻟﻠﻔﺌﺔ اﻷوﱃ = ‪ ....%١٤ = ١٠٠ ×٥٠ ÷٧‬وﻫﻜﺬا‪ ،‬ﻛام ﻳﺘﻀﺢ ذﻟﻚ ﰲ اﻟﻌﻤﻮد اﻷﺧري ﻣﻦ اﻟﺠﺪول اﻵيت‪:‬‬

‫‪-̂˼-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬
‫اﻟﺘﻮزﻳﻊ‬ ‫اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري‬
‫ك‬ ‫ﻓﺌﺎت اﻟﻮﻗﺖ ﺑﺎﻟﺪﻗﻴﻘﺔ‬
‫اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ اﳌﺌﻮي‬ ‫اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‬
‫‪١٤‬‬ ‫‪٧‬‬ ‫‪٧‬‬ ‫‪ ٢٠‬ﻷﻗﻞ ﻣﻦ ‪٢٥‬‬
‫‪٣٨‬‬ ‫‪١٩‬‬ ‫‪١٢‬‬ ‫‪ ٢٥‬ﻷﻗﻞ ﻣﻦ ‪٣٠‬‬
‫‪٥٦‬‬ ‫‪٢٨‬‬ ‫‪٩‬‬ ‫‪ ٣٠‬ﻷﻗﻞ ﻣﻦ ‪٣٥‬‬
‫‪٧٨‬‬ ‫‪٣٩‬‬ ‫‪١١‬‬ ‫‪ ٣٥‬ﻷﻗﻞ ﻣﻦ ‪٤٠‬‬
‫‪٩٤‬‬ ‫‪٤٧‬‬ ‫‪٨‬‬ ‫‪ ٤٠‬ﻷﻗﻞ ﻣﻦ ‪٤٥‬‬
‫‪١٠٠‬‬ ‫‪٥٠‬‬ ‫‪٣‬‬ ‫‪ ٤٥‬ﻷﻗﻞ ﻣﻦ ‪٥٠‬‬
‫‪٥٠‬‬ ‫اﳌﺠﻤﻮع‬

‫وﻣﻦ ﺧﻼل ﻫﺬا اﻟﺘﻮزﻳﻊ ﻧﺘﺒني أن ‪ %٩٤‬ﻣﻦ ﻧﴩات اﻷﺧﺒﺎر ﻋﻴﻨﺔ اﻟﺒﺤﺚ ﺗﻘﻞ ﻣﺪة ﻛـﻞ ﻣﻨﻬـﺎ ﻋـﻦ ‪٤٥‬‬
‫دﻗﻴﻘﺔ‪ ،‬ﻛام أن ‪ %٣٨‬ﻣﻦ ﺗﻠﻚ اﻟﻨﴩات ﺗﻘﻞ ﻣﺪة ﻛﻞ ﻣﻨﻬﺎ ﻋﻦ ‪ ٣٠‬دﻗﻴﻘﺔ‪ ،‬ﻛـام أن ﺟﻤﻴـﻊ ﺗﻠـﻚ اﻟﻨـﴩات‬
‫ﺗﻘﻞ ﻣﺪة ﻛﻞ ﻣﻨﻬﺎ ﻋﻦ ‪ ٥٠‬دﻗﻴﻘﺔ‪ .....‬وﻫﻜﺬا‪.‬‬

‫)ب( اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ‪:‬‬

‫وﻫﻮ ﻋﻜﺲ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‪ ،‬ذﻟﻚ أن اﻟﺘﻮزﻳـﻊ اﻟﺘﻜـﺮاري اﳌﺘﺠﻤـﻊ اﻟﻬـﺎﺑﻂ )ت‪ .‬م‪.‬‬
‫ﻫـ‪ (.‬ﺗﺒﺪأ ﺗﻜﺮاراﺗﻪ ﺑﺎﻟﺘﻜﺮارات اﻟﺘﻲ ﺗﺰﻳﺪ ﻋﲆ اﻟﺤﺪ اﻷدىن ﻟﻠﻔﺌﺎت‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻓﺈﻧﻪ ﻳﺒﺪأ ﺑـﺈﺟامﱄ اﻟﺘﻜـﺮارات‪،‬‬
‫ﻓﻔــﻲ اﳌﺜــﺎل اﻟــﺴﺎﺑﻖ ﻧﺠــﺪ أن اﻟﺤــﺪ اﻷدىن ﻟﻠﻔﺌــﺔ اﻷوﱃ ﻫــﻮ )‪ ،(٢٠‬وﻣــﻦ اﻟﻮاﺿــﺢ أن ﺟﻤﻴــﻊ اﻟﺘﻜـﺮارات‬
‫) وﻫﻲ ﺧﻤﺴﻮن ﺗﻜـﺮا ًرا( ﺗﺰﻳـﺪ ﻋـﻦ )‪ (٢٠‬دﻗﻴﻘـﺔ‪ ،‬مبﻌﻨـﻰ أن ﺟﻤﻴـﻊ اﻟﺘﻜـﺮارات ﺗﻮﺿـﻊ ﺿـﻤﻦ أول ﻓﺌـﺔ‬
‫ﻟﻠﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ )ﻷن ﺟﻤﻴـﻊ اﻟﻨـﴩات اﻹﺧﺒﺎرﻳـﺔ ﺗﺰﻳـﺪ ﻣـﺪة ﻛـﻞ ﻣﻨﻬـﺎ ﻋـﲆ ﻋـﴩﻳﻦ‬
‫دﻗﻴﻘﺔ(‪ ،‬أﻣﺎ اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ ﻓﺤﺪﻫﺎ اﻷدىن )‪ (٢٥‬دﻗﻴﻘﺔ‪ ،‬وﰲ اﻟﻮﻗﺖ ﻧﻔﺴﻪ ﻧﺠﺪ أن اﻟﺘﻜﺮارات اﻷﺻـﻠﻴﺔ ﻟﻠﻔﺌـﺔ‬
‫اﻷوﱃ )ﻋﺪد اﻟﻨﺸـﺮات( ﻫﻮ )‪(٧‬؛ أي أن ﻫﻨﺎك ﺳﺒﻊ ﻧـﴩات ‪ -‬ﻫـﻲ ﺗﻜـﺮارات اﻟﻔﺌـﺔ اﻷوﱃ‪ -‬ﺗﻘـﻞ ﻣـﺪة‬
‫ﻛﻞ ﻣﻨﻬﺎ ﻋﻦ )‪ (٢٥‬دﻗﻴﻘﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ واﻟﺨـﺎص ﺑﺎﻟﻔﺌــﺔ اﻟﺜﺎﻧﻴـﺔ =‬

‫‪-̂˽-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫‪ ....٤٣ = ٧ -٥٠‬وﻫﻜﺬا‪ ،‬ﻓﺈن اﻟﺘﻜﺮارات ﻳﻘﻞ ﻋـﺪدﻫﺎ ﰲ اﻟﻔﺌـﺎت اﻷﻛـﱪ ﺗـﺪرﻳﺠﻴّﺎ إﱃ أن ﺗـﺼﻞ إﱃ اﻟﺤـﺪ‬
‫اﻷدىن أو اﻟﺼﻔﺮ ﰲ اﻟﻔﺌﺔ اﻷﺧرية‪ .‬ﻓﺈذا أردﻧﺎ ﺗﻜﻮﻳﻦ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬـﺎﺑﻂ )ت‪.‬م‪ .‬ﻫــ‪ (.‬ﻛﻜـﻞ‪،‬‬
‫ﻓﺈﻧﻨﺎ ﻧﺒﺪأ ﺑﺎﻟﻔـﺌﺔ اﻷوﱃ وﻳﻘﻊ ﰲ ﺣﺪﻫﺎ اﻷدىن ﺟﻤﻴﻊ اﻟﺘﻜﺮارات‪ ،‬أﻣﺎ اﻟﻔﺌـﺔ اﻟﺜﺎﻧﻴـﺔ ﻓﺘـﺸﻤﻞ ﻫـﺬا اﳌﺠﻤـﻞ‬
‫ﻣﻨﻘﻮﺻﺎ ﻣﻨﻪ ﺗﻜﺮارات اﻟﻔﺌﺔ اﻷوﱃ؛ أي أﻧﻨﺎ ﻧﻄﺮح )ﻧﻨﻘﺺ( ﺗﻜﺮارات ﻛﻞ ﻓﺌﺔ ﻣﻦ ﺗﻜـﺮارات اﻟﻔﺌـﺔ اﻟـﺴﺎﺑﻘﺔ‬
‫ً‬
‫ﻋﻠﻴﻬﺎ ﻋﲆ اﻟﻨﺤﻮ اﳌﺒني ﺑﻬﺬا اﻟﺠﺪول‪:‬‬
‫اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري‬ ‫اﻟﺤﺪود‬
‫ك‬ ‫ﻓﺌﺎت اﻟﻮﻗﺖ ﺑﺎﻟﺪﻗﻴﻘﺔ‬
‫اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ‬ ‫اﻷدىن ﻟﻠﻔﺌﺎت‬
‫‪٥٠‬‬ ‫‪-٢٠‬‬ ‫‪٧‬‬ ‫‪ ٢٠‬ﻷﻗﻞ ﻣﻦ ‪٢٥‬‬
‫‪٤٣‬‬ ‫‪-٢٥‬‬ ‫‪١٢‬‬ ‫‪ ٢٥‬ﻷﻗﻞ ﻣﻦ ‪٣٠‬‬
‫‪٣١‬‬ ‫‪-٣٠‬‬ ‫‪٩‬‬ ‫‪ ٣٠‬ﻷﻗﻞ ﻣﻦ ‪٣٥‬‬
‫‪٢٢‬‬ ‫‪-٣٥‬‬ ‫‪١١‬‬ ‫‪ ٣٥‬ﻷﻗﻞ ﻣﻦ ‪٤٠‬‬
‫‪١١‬‬ ‫‪-٤٠‬‬ ‫‪٨‬‬ ‫‪ ٤٠‬ﻷﻗﻞ ﻣﻦ ‪٤٥‬‬
‫‪٣‬‬ ‫‪-٤٥‬‬ ‫‪٣‬‬ ‫‪ ٤٥‬ﻷﻗﻞ ﻣﻦ ‪٥٠‬‬
‫ﺻﻔﺮ‬ ‫‪-٥٠‬‬ ‫‪٥٠‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻟﻘﺪ ﺗﻢ ﺗﻜﻮﻳﻦ اﳌﻨﺤﻨﻰ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ )ت‪ .‬م‪ .‬ﻫــ‪ (.‬ﻣـﻦ ﺧـﻼل اﻟﺤـﺪود اﻟـﺪﻧﻴﺎ ﻟﻠﻔﺌـﺎت‬
‫)اﻟﻌﻤﻮد اﻟﺜﺎﻟﺚ(‪ ،‬ﻓﺎﻟﺤﺪ اﻷدىن ﻟﻠﻔﺌﺔ اﻷوﱃ ﻫﻮ )‪ ،(٢٠‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ﻛﻞ اﻟﺘﻜﺮارات اﻟﺘﻲ ﺗﺰﻳﺪ ﻋﲆ ﻋـﴩﻳﻦ‬
‫ﻫﻲ اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ واﻟﺨﺎص ﺑﺎﻟﻔﺌﺔ اﻷوﱃ‪ ،‬ﻛام أن اﻟﺤﺪ اﻷدىن ﻟﻠﻔﺌﺔ اﻟﺜﺎﻧﻴـﺔ ﻫـﻮ )‪ ،(٢٥‬وﺑﺎﻟﺘـﺎﱄ‬
‫ﻓﺈن ﻛﻞ اﻟﺘﻜﺮارات اﻟﺘﻲ ﺗﺰﻳﺪ ﻋﲆ ﺧﻤـﺴﺔ وﻋـﺸـﺮﻳﻦ ﻫـﻲ اﳌﻨﺤﻨـﻰ اﻟﺘﻜـﺮاري اﳌﺘﺠﻤـﻊ اﻟﻬـﺎﺑﻂ اﻟﺨـﺎص‬
‫ﺑﺎﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ‪ ....‬وﻫﻜﺬا‪ ،‬ﺗﻜﻮن اﻟﺘﻜﺮارات اﳌﺒﻴﻨﺔ ﰲ اﻟﻌﻤﻮد اﻷﺧري ﻫﻲ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ‪.‬‬
‫وﻣﻦ اﻟﺠﺪول ﻧﺘﺒني أن‪:‬‬

‫‪-̂˾-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ ﻟﻠﻔﺌﺔ اﻷوﱃ ﻳﺴﺎوي إﺟـامﱄ اﻟﺘﻜـﺮارات )إذ إن ﺟﻤﻴـﻊ ﻧـﴩات‬
‫اﻷﺧﺒﺎر ﻣﺤﻞ اﻟﺪراﺳﺔ ﺗﺒﻠﻎ ﻣﺪة ﻛﻞ ﻣﻨﻬﺎ ﻋﴩﻳﻦ دﻗﻴﻘﺔ أو أﻛرث(‪.‬‬
‫ﻣﻨﻘﻮﺻـﺎ ﻣﻨـﻪ ﺗﻜـﺮارات‬
‫ً‬ ‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ ﻟﻠﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ ﻳﺴﺎوي ﻣﺠﻤﻞ اﻟﺘﻜﺮارات‬
‫اﻟﻔﺌﺔ اﻷوﱃ )‪.(٤٣ = ٧ -٥٠‬‬
‫ﻣﻨﻘﻮﺻـﺎ ﻣﻨـﻪ ﺗﻜـﺮارات‬
‫ً‬ ‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ ﻟﻠﻔﺌﺔ اﻟﺜﺎﻟﺜﺔ ﻳﺴﺎوي ﻣﺠﻤﻞ اﻟﺘﻜﺮارات‬
‫اﻟﻔﺌﺔ اﻷوﱃ وﺗﻜﺮارات اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ )‪.(٣١ =١٢ -٧-٥٠‬‬
‫ﻣﻨﻘﻮﺻﺎ ﻣﻨـﻪ ﺗﻜـﺮارات‬
‫ً‬ ‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ ﻟﻠﻔﺌﺔ اﻟﺮاﺑﻌﺔ ﻳﺴﺎوي ﻣﺠﻤﻞ اﻟﺘﻜﺮارات‬
‫اﻟﻔﺌﺎت اﻷوﱃ واﻟﺜﺎﻧﻴﺔ واﻟﺜﺎﻟﺜﺔ )‪.(٢٢ =٩ -١٢ -٧-٥٠‬‬
‫ﻣﻨﻘﻮﺻﺎ ﻣﻨﻪ ﺗﻜﺮارات‬
‫ً‬ ‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ ﻟﻠﻔﺌﺔ اﻟﺨﺎﻣﺴﺔ ﻳﺴﺎوي ﻣﺠﻤﻞ اﻟﺘﻜﺮارات‬
‫اﻟﻔﺌﺎت ﻣﻦ اﻷوﱃ ﺣﺘﻰ اﻟﺮاﺑﻌﺔ )‪.(١١ =١١ – ٩ -١٢ -٧-٥٠‬‬

‫ﻣﻨﻘﻮﺻﺎ ﻣﻨﻪ ﺗﻜﺮارات‬

‫ً‬ ‫ƒ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ ﻟﻠﻔﺌﺔ اﻟﺴﺎدﺳﺔ ﻳﺴﺎوي ﻣﺠﻤﻞ اﻟﺘﻜﺮارات‬
‫اﻟﻔﺌﺎت ﻣﻦ اﻷوﱃ ﺣﺘﻰ اﻟﺨﺎﻣﺴﺔ )‪.(٣ =٨-١١ – ٩ -١٢ -٧-٥٠‬‬

‫وﻳﻨﺘﻬﻲ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ ﺑﺄﺻﻐﺮ ﻗﻴﻤﺔ أو ﺑﻘﻴﻤﺔ اﻟـﺼﻔﺮ؛ ﺣﻴـﺚ ﺗﻜـﻮن اﻟﻔﺌـﺎت ﻗـﺪ‬
‫اﺳﺘﻮﻋﺒﺖ ﻣﺠﻤﻞ اﻟﺘﻜﺮارات )‪ = ٥٠ -٥٠‬ﺻﻔﺮ(‪ ،‬ﻓﻔﻲ اﳌﺜﺎل اﳌﺒني ﻻ ﺗﻮﺟﺪ ﻧﴩات أﺧﺒﺎر ﻣﺪﺗﻬﺎ ﺧﻤـﺴﻮن‬
‫دﻗﻴﻘﺔ ﻓﺄﻛرث‪.‬‬

‫ﺑﻴﺎﻧﻴـﺎ‪ ،‬ﺣﻴـﺚ ﻧﺮﺳـﻢ ّ‬

‫ﺧﻄـﺎ‬ ‫وﺑﺎﺳﺘﺨﺪام اﻟﺘﻜﺮارات ميﻜﻦ رﺳﻢ اﳌﻨﺤﻨﻰ اﳌﺘﺠﻤﻊ اﻟﻬـﺎﺑﻂ )م‪ .‬ت‪ .‬ﻫــ‪ّ (.‬‬
‫رأﺳﻴ ﺎ ﻟﺘﻤﺜﻴﻞ اﻟﺘﻜﺮارات اﳌﻘﺎﺑﻠﺔ ﻟﻜﻞ ﻓﺌـﺔ‪ ،‬ﻓﺒﺎﻟﻨـﺴﺒﺔ ﻟﻠﻔﺌـﺔ اﻷوﱃ ﻣـﺜﻼ‬ ‫أﻓﻘﻴﺎ ﻟﺘﻤﺜﻴﻞ اﻟﻔﺌﺎت‪ّ ،‬‬
‫وﺧﻄﺎ آﺧﺮ ّ‬ ‫ّ‬
‫)‪ (٢٥ – ٢٠‬واﳌﺒﻴﻨﺔ ﻋﲆ اﳌﺤﻮر اﻷﻓﻘﻲ ﻧﺘﺠﻪ إﱃ أﻋﲆ وﻧﻀﻊ ﻧﻘﻄﺔ ﻣﻘﺎﺑﻠـﺔ ﻟﺘﻜـﺮارات ﻫـﺬه اﻟﻔﺌـﺔ )‪٥٠‬‬
‫ﺗﻜﺮا ًرا( ‪ ،‬وﻫﻜﺬا ﻓﻴام ﻳﺨﺺ ﺑﻘﻴﺔ اﻟﻔﺌﺎت‪ ،‬وﺑﺘﻮﺻﻴﻞ ﻫـﺬه اﻟﻨﻘـﺎط ﻳﻨـﺘﺞ ﻟﻨـﺎ اﳌﻨﺤﻨـﻰ اﻟﺘﻜـﺮاري اﳌﺘﺠﻤـﻊ‬
‫اﻟﻬﺎﺑﻂ )م‪ .‬ت‪ .‬ﻫـ‪ (.‬ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬

‫‪-̂˿-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬
‫اﻟﺘﻜﺮارات‬
‫‪٦٠‬‬
‫‪٥٠‬‬
‫‪٤٠‬‬
‫‪٣٠‬‬
‫‪٢٠‬‬
‫‪١٠‬‬

‫‪٠‬‬ ‫اﻟﻔﺌﺎت‬
‫‪-٢٠‬‬ ‫‪٣٠-٢٥‬‬ ‫‪٣٥-٣٠‬‬ ‫‪٤٠-٣٥ ٤٥-٤٠‬‬ ‫‪٥٠-٤٥‬‬

‫وميﻜﻦ اﻟﺤﺼﻮل ﻋﲆ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ اﳌﺌﻮي أو اﻟﻨﺴﺒﻲ‪ ،‬وذﻟﻚ ﻣـﻦ ﺧـﻼل ﺣـﺴﺎب‬
‫اﻟﻨﺴﺒﺔ اﳌﺌﻮﻳﺔ ﻟﺘﻜﺮارات ﻛﻞ ﻓﺌﺔ ﻣﻦ ﻣﺠﻤﻞ اﻟﺘﻜﺮارات‪ ،‬ﻓﺎﻟﺘﻜﺮار اﳌﺌﻮي ﻟﻠﻔﺌـﺔ اﻷوﱃ = ‪= ١٠٠ ×٥٠ ÷٥٠‬‬
‫‪ ،%١٠٠‬أﻣﺎ اﻟﺘﻜﺮار اﳌﺌﻮي ﻟﻠﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ ﻓﻬﻮ ‪ %٨٦ = ٥٠ ÷٤٣‬وﻫﻜﺬا‪ ،‬ﻛام ﻳﺘﻀﺢ ذﻟـﻚ ﰲ اﻟﻌﻤـﻮد اﻷﺧـري‬
‫ﻣﻦ اﻟﺠﺪول اﻵيت‪:‬‬
‫اﻟﺘﻮزﻳﻊ اﳌﺘﺠﻤﻊ‬ ‫اﻟﺘﻮزﻳﻊ ﻟﺘﻜﺮاري‬
‫ك‬ ‫ﻓﺌﺎت اﻟﻮﻗﺖ ﺑﺎﻟﺪﻗﻴﻘﺔ‬
‫اﻟﻬﺎﺑﻂ اﳌﺌﻮي‬ ‫اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ‬
‫‪١٠٠‬‬ ‫‪٥٠‬‬ ‫‪٧‬‬ ‫‪ ٢٠‬ﻷﻗﻞ ﻣﻦ ‪٢٥‬‬

‫‪٨٦‬‬ ‫‪٤٣‬‬ ‫‪١٢‬‬ ‫‪ ٢٥‬ﻷﻗﻞ ﻣﻦ ‪٣٠‬‬

‫‪٦٢‬‬ ‫‪٣١‬‬ ‫‪٩‬‬ ‫‪ ٣٠‬ﻷﻗﻞ ﻣﻦ ‪٣٥‬‬

‫‪٤٤‬‬ ‫‪٢٢‬‬ ‫‪١١‬‬ ‫‪ ٣٥‬ﻷﻗﻞ ﻣﻦ ‪٤٠‬‬

‫‪٢٢‬‬ ‫‪١١‬‬ ‫‪٨‬‬ ‫‪ ٤٠‬ﻷﻗﻞ ﻣﻦ ‪٤٥‬‬

‫‪٦‬‬ ‫‪٣‬‬ ‫‪٣‬‬ ‫‪ ٤٥‬ﻷﻗﻞ ﻣﻦ ‪٥٠‬‬

‫ﺻﻔﺮ‬ ‫ﺻﻔﺮ‬ ‫‪٥٠‬‬ ‫اﳌﺠﻤﻮع‬

‫‪-̂̀-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻣﺜﻼ أن ‪ %٦٢‬ﻣﻦ ﻧﴩات اﻷﺧﺒﺎر ﻣﺠﺎل اﻟﺒﺤﺚ ﺗﻘﻞ ﻣﺪة ﻛﻞ ﻣﻨﻬﺎ ﻋﻦ‬
‫ﻓﻤﻦ ﺧﻼل ﻫﺬا اﻟﺘﻮزﻳﻊ ﻧﺘﺒني ً‬
‫‪ ٣٥‬دﻗﻴﻘﺔ‪ ،‬ﻛام أن ‪ %٢٢‬ﻣﻦ ﺗﻠﻚ اﻟﻨﴩات ﺗﻘﻞ ﻣﺪة ﻛﻞ ﻣﻨﻬﺎ ﻋﻦ ‪ ٤٥‬دﻗﻴﻘﺔ‪ ..‬وﻫﻜﺬا‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﺮﺳﻮم اﻟﺒﻴﺎﻧﻴﺔ‬

‫ً‬
‫ﺗﺘﻌﺪد اﻟﺮﺳﻮم اﻟﺒﻴﺎﻧﻴﺔ اﻟﺘﻲ ميﻜﻦ اﺳﺘﺨﺪاﻣﻬﺎ ﰲ اﻟﺘﻌﺒري ﻋﻦ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬وﻣﻦ أﺑﺮزﻫﺎ‪:‬‬
‫اﻷﻋﻤﺪة‪ ،‬اﳌﺪرج اﻟﺘﻜﺮاري‪ ،‬اﳌﻀﻠﻊ اﻟﺘﻜﺮاري‪ ،‬اﳌﻨﺤﻨﻴﺎت‪ ،‬اﻟﺪواﺋﺮ‪ ...‬إﻟﺦ‪ ،‬وﻛﻞ ﺷﻜﻞ ﻣﻦ ﻫﺬه اﻷﺷﻜﺎل‬
‫ً‬
‫أمنﺎﻃﺎ ﻣﺘﻌﺪدة‪ ،‬وميﻜﻦ ﺗﻄﻮﻳﻌﻪ ﺑﺄﺳﺎﻟﻴﺐ ﻣﺘﻨﻮﻋﺔ ﻟﺘﻤﺜﻴﻞ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ‪ .‬وﰲ اﻟﺼﻔﺤﺎت‬ ‫ﻳﺘﺨﺬ‬
‫اﻟﻘﺎدﻣﺔ ﺗﻌﺮﻳﻒ ﻣﻮﺟﺰ ﺑﺄﻫﻢ أﺳﺎﻟﻴﺐ اﻟﻌﺮض اﻟﺒﻴﺎين ﻣﻊ رﺑﻂ ذﻟﻚ ﺑﺒﺤﻮث اﻹﻋﻼم واﻻﺗﺼﺎل ﺑﺎﻟﺠامﻫري‪:‬‬

‫)أ( اﻷﻋﻤﺪة‪:‬‬

‫اﻷﻋﻤﺪة )‪ (Bar Charts‬ﻫﻲ ﺧﻄﻮط رأﺳﻴﺔ ﻣﺴﺘﻘﻴﻤﺔ ﻳﺘﻢ رﺳﻤﻬﺎ ﻋﲆ ﺧﻂ أﻓﻘﻲ؛ ﺑﺤﻴﺚ ﺗﻌﻜﺲ ﺗﻜﺮارات‬
‫اﻟﻈﺎﻫﺮة أو اﳌﻮﺿﻮع‪ .‬ﻛﻤﺜﺎل ﺗﻮﺿﻴﺤﻲ ﻧﻔﺮض أن ﻟﺪﻳﻨﺎ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ ٤٠٠‬ﻣﻔﺮدة ﻣﻮزﻋﺔ ﺣﺴﺐ ﻣﺠﺎل‬
‫اﻟﻌﻤﻞ )‪) (Work field‬إذاﻋﺔ‪ ،‬ﺗﻠﻴﻔﺰﻳﻮن‪ ،‬ﺻﺤﻒ ﻳﻮﻣﻴﺔ(؛ ﺣﻴﺚ ﻳﻌﻤﻞ )‪ (٦٠‬ﰲ اﻹذاﻋﺔ‪ (١٧٥) ،‬ﰲ اﻟﺘﻠﻴﻔﺰﻳﻮن‪،‬‬
‫ﻣﻘﺎﺑﻞ )‪ (١٦٥‬ﰲ اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ‪ .‬ﻟﻠﺘﻌﺒري ﻋﻦ ﻫﺬه اﻟﻨﺘﻴﺠﺔ ﺑﺎﻷﻋﻤﺪة ﻧﻘﻮم ﺑﺮﺳﻢ ﺧﻂ أﻓﻘﻲ )‪(Horizontal‬‬
‫ﻳﻮﺿﺢ ﻣﺠﺎﻻت اﻟﻌﻤﻞ )إذاﻋﺔ‪ ،‬ﺗﻠﻴﻔﺰﻳﻮن‪ ،‬ﺻﺤﺎﻓﺔ(‪ ،‬وﻣﻦ ﻃﺮف ﻫﺬا اﻟﺨﻂ ﻳﺘﻢ رﺳﻢ ﺧﻂ رأﳼ)‪(Vertical‬‬
‫مبﻘﻴﺎس رﺳﻢ ﻣﻨﺎﺳﺐ )ﻳﺴﺘﻮﻋﺐ ﺟﻤﻴﻊ اﻷرﻗﺎم اﻟﺘﻲ ﺗﻌﱪ ﻋﻦ أﻋﺪاد اﻟﻌﺎﻣﻠني(‪ ،‬وﻋﻨﺪ اﻟﻨﻘﻄﺔ اﻟﺘﻲ متﺜﻞ اﻹذاﻋﺔ‬
‫ﻧﻀﻊ ﻋﻼﻣﺔ وﻧﺘﺠﻪ ﻣﻨﻬﺎ ﺑﺨﻂ ﻣﺴﺘﻘﻴﻢ إﱃ أﻋﲆ مبﻮازاة اﳌﺤﻮر اﻟﺮأﳼ ﺣﺘﻰ ﻧﺼﻞ إﱃ اﻟﻨﻘﻄﺔ اﻟﺘﻲ ﺗﻘﺎﺑﻞ‬
‫اﻟﻘﻴﻤﺔ )‪ (٦٠‬وﻫﻮ ﻋﺪد اﻟﻌﺎﻣﻠني ﺑﺎﻹذاﻋﺔ‪ ،‬وﻧﻜﺮر اﻟﻌﻤﻠﻴﺔ ﻧﻔﺴﻬﺎ ﻓﻴام ﻳﺨﺺ أﻋﺪاد اﻟﻌﺎﻣﻠني ﺑﻜﻞ ﻣﻦ اﻟﺼﺤﺎﻓﺔ‬
‫واﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﻓﻴﻜﻮن ﻟﺪﻳﻨﺎ اﻟﺮﺳﻢ اﻟﺒﻴﺎين اﻵيت‪:‬‬

‫‪-̂́-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻓﺎﻷﻋﻤﺪة ﺗﻌﻜﺲ ﺗﻮزﻳﻊ اﻟﻌﻴﻨﺔ ﺣﺴﺐ ﻣﺠﺎل اﻟﻌﺎﻣﻞ ﺑﺪﻗﺔ ﺷﺪﻳﺪة ووﺿﻮح؛ إذ إن ﻣﺠﺮد اﻟﻨﻈﺮ إﱃ‬
‫ﺗﻠﻚ اﻷﻋﻤﺪة‪ ،‬ﻳﻌﻄﻲ ﺻﻮرة ﻛﺎﻣﻠﺔ ﻋﻦ ﻫﺬا اﻟﺘﻮزﻳﻊ‪.‬‬

‫ﻣﻦ ﺟﻬﺔ أﺧﺮى ميﻜﻦ اﺳﺘﺨﺪام اﻷﻋﻤﺪة ﰲ متﺜﻴﻞ ﺗﻮزﻳﻊ اﻟﻌﻴﻨﺔ ﺣﺴﺐ ﻣﺘﻐريﻳﻦ‪ :‬ﻣﺘﻐري ﻣﺠﺎل اﻟﻌﻤﻞ‬
‫)إذاﻋﺔ‪ ،‬ﺗﻠﻴﻔﺰﻳﻮن‪ ،‬ﺻﺤﺎﻓﺔ(‪ ،‬وﻣﺘﻐري اﻟﻨﻮع )ذﻛﻮر & إﻧﺎث(‪ ،‬وﺗﺴﻤﻰ ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﺑﺎﻷﻋﻤﺪة اﳌﺰدوﺟﺔ‪،‬‬
‫وذﻟﻚ ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬

‫‪-̂̂-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻓﻜﻞ ﻋﻤﻮد ﻳﺘﻀﻤﻦ ﻗﺴﻤني‪ ،‬اﻟﻘﺴﻢ اﻷﻋﲆ ﻳﻮﺿﺢ ﻋﺪد اﻹﻧﺎث )‪ ،(Female‬واﻟﻘﺴﻢ اﻷﺳﻔﻞ ﻳﻮﺿﺢ ﻋﺪد‬
‫اﻟﺬﻛﻮر )‪ (Male‬ﰲ ﻛﻞ ﻣﺠﺎل‪ ،‬وﻣﻦ اﻟﻮاﺿﺢ ﺗﻘﺎرب أﻋﺪاد اﻟﺠﻨﺴني ﻋﲆ ﻣﺴﺘﻮى ﻛـﻞ ﻣﺠـﺎل ﻣـﻦ اﳌﺠـﺎﻻت‬
‫اﻟﺜﻼﺛﺔ‪ ،‬وﻋﲆ ﻳﺴﺎر اﻷﻋﻤﺪة ﻳﻮﺟﺪ اﳌﻔﺘﺎح اﻟﺬي ﻳﺪل ﻋﲆ ﻛﻞ ﻣﻦ اﻟﺬﻛﻮر واﻹﻧﺎث‪.‬‬

‫ﻛام ﺗﺴﺘﺨﺪم اﻷﻋﻤﺪة ﻟﻠﻤﻘﺎرﻧﺔ ﺑني اﻟﻈﺎﻫﺮة ﻋﱪ ﻓﱰات زﻣﻨﻴﺔ ذات دﻻﻟﺔ‪ ،‬ﻣﺜﺎل ذﻟﻚ أن إﺣﺪى‬
‫اﻟﺤﻤﻼت اﻹﻋﻼﻣﻴﺔ اﺳﺘﻬﺪﻓﺖ ﺗﻌﺮﻳﻒ اﻟﻨﺴﺎء ﰲ اﳌﺠﺘﻤﻊ اﳌﺤﲇ ﺑﺤﻖ اﳌﺮأة ﰲ اﻟﺘﻌﻠﻴﻢ ﺑﺎﻋﺘﺒﺎره أﺣﺪ‬
‫اﻟﺤﻘﻮق اﻟﺘﻲ ﻛﻔﻠﻬﺎ اﻹﺳﻼم ﻟﻠﻤﺮأة‪ ،‬وﻗﺪ ﺗﻢ رﺻﺪ ﻧﺴﺒﺔ اﻟﻨﺴﺎء اﻟﻼيت ﻻ ﻳﻌﺮﻓﻦ ﻣﻌﻨﻰ »ﺣﻖ اﳌﺮأة ﰲ‬
‫اﻟﺘﻌﻠﻴﻢ« ﻗﺒﻞ وأﺛﻨﺎء وﺑﻌﺪ ﺗﻨﻔﻴﺬ ﺣﻤﻠﺔ إﻋﻼﻣﻴﺔ ﻣﻦ ﺧﻼل اﻟﺘﻠﻴﻔﺰﻳﻮن ﺗﺴﺘﻬﺪف اﻟﺘﻌﺮﻳﻒ ﺑﻬﺬا اﻟﺤﻖ‪،‬‬
‫وﻛﺎﻧﺖ اﻟﻌﻴﻨﺔ )‪ (٢٣٤‬ﻣﻔﺮدة‪ ،‬وﻗﺪ ﺗﺒني أن أﻋﺪاد اﻟﻨﺴﺎء اﻟﻼيت )ﻻ ﻳﻌﺮﻓﻦ( ﻫﺬا اﻟﺤﻖ ﻛﺎﻧﺖ ﻛﺎﻵيت‪:‬‬

‫‪) ١٢٩‬ﻗﺒﻞ ﺗﻨﻔﻴﺬ اﻟﺤﻤﻠﺔ(‬

‫‪) ٦٧‬أﺛﻨﺎء ﺗﻨﻔﻴﺬ اﻟﺤﻤﻠﺔ(‬

‫‪) ٣٨‬ﺑﻌﺪ ﺗﻨﻔﻴﺬ اﻟﺤﻤﻠﺔ(‬

‫وﻟﻠﺘﻌﺒري ﻋﻦ ﻫﺬه اﻟﻨﺘﻴﺠﺔ ﺑﺎﻷﻋﻤﺪة ﻧﻘﻮم ﺑﺮﺳﻢ ﺧﻂ رأﳼ )‪ (Vertical‬مبﻘﻴﺎس رﺳﻢ ﻣﻨﺎﺳـﺐ‬
‫)ﻳﺴﺘﻮﻋﺐ ﺟﻤﻴﻊ اﻟﺘﻜﺮارات اﻟﺘﻲ ﺗﻌﱪ ﻋﻦ ﻋﺪد اﻟﻨﺴﺎء اﻟﻼيت ﻻ ﻳﻌﺮﻓﻦ ﻣﻌﻨﻰ ﺣﻖ اﳌﺮأة ﰲ اﻟﺘﻌﻠﻴﻢ(‪،‬‬
‫وﺧﻂ آﺧﺮ أﻓﻘﻲ )‪ (Horizontal‬ﻳﻮﺿﺢ ﻣﺮاﺣﻞ ﺗﻨﻔﻴﺬ اﻟﺤﻤﻠﺔ )ﻗﺒﻞ‪ ،‬أﺛﻨﺎء‪ ،‬ﺑﻌﺪ(‪ ،‬وﻋﻨﺪ اﻟﻨﻘﻄﺔ اﻟﺘﻲ ﺗﻮﺿﺢ‬
‫ﻣﺴﺘﻘﻴام ﻳﺘﺠﻪ إﱃ أﻋﲆ مبﻮازاة‬
‫ً‬ ‫ﻣﺮﺣﻠﺔ ﻗﺒﻞ اﻟﺤﻤﻠﺔ ‪ -‬ﻧﻀﻊ ﻋﻼﻣﺔ ﻋﲆ اﳌﺤﻮر اﻷﻓﻘﻲ وﻧﺮﺳﻢ ﻣﻨﻬﺎ ﺧﻄّﺎ‬
‫اﳌﺤﻮر اﻟﺮأﳼ ﺣﺘﻰ ﻧﺼﻞ إﱃ اﻟﻨﻘﻄﺔ اﻟﺘﻲ ﺗﻘﺎﺑﻞ اﻟﻘﻴﻤﺔ ‪ ١٢٩‬ﻋﲆ اﳌﺤﻮر اﻟﺮأﳼ‪ ،‬وﻫﺬه اﻟﻨﻘﻄﺔ متﺜﻞ‬
‫ﻋﺪد اﻟﻼيت )ﻻ ﻳﻌﺮﻓﻦ( ﺣﻖ اﳌﺮأة ﰲ اﻟﺘﻌﻠﻴﻢ ﻗﺒﻞ اﻟﺤﻤﻠﺔ‪ ،‬وﻧﻜﺮر اﻟﻌﻤﻠﻴﺔ ﻧﻔﺴﻬﺎ ﻓﻴام ﻳﺨﺺ أﻋﺪاد‬
‫اﻟﻨﺴﺎء اﻟﻼيت )ﻻ ﻳﻌﺮﻓﻦ( ﺣﻖ اﳌﺮأة ﰲ اﻟﺘﻌﻠﻴﻢ أﺛﻨﺎء ﺗﻨﻔﻴﺬ اﻟﺤﻤﻠﺔ‪ ،‬وﺑﻌﺪ ﺗﻨﻔﻴﺬ اﻟﺤﻤﻠﺔ‪ ،‬ﻓﻨﺤﺼﻞ ﻋﲆ‬
‫اﻟﺮﺳﻢ اﻟﺒﻴﺎين اﻟﺘﺎﱄ‪:‬‬

‫‪-˺˹˹-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وﺑﺎﻟﻄﺮﻳﻘﺔ ﻧﻔﺴﻬﺎ ﻧﺴﺘﺨﺪم اﻷﻋﻤﺪة ﻟﺘﻤﺜﻴﻞ أﻛرث ﻣﻦ ﻣﺠﻤﻮﻋﺔ ﻳﺸﻤﻠﻬﺎ اﻟﻘﻄﺎع اﻟﻮاﺣﺪ‪ .‬ﻛﻤﺜﺎل‬
‫ﺗﻮﺿﻴﺤﻲ‪ ،‬ﻓﺈن إﺣﺪى اﻟﺤﻤﻼت اﻹﻋﻼﻣﻴﺔ اﺳﺘﻬﺪﻓﺖ ﺗﻌﺮﻳﻒ اﻟﻨﺴﺎء ﺑﺤﻘﻬﻦ ﰲ »اﳌﺸﺎرﻛﺔ اﻟﺴﻴﺎﺳﻴﺔ«‪ ،‬وﺗﻢ‬
‫رﺻﺪ ﻧﺴﺒﺔ اﻟﻨﺴﺎء اﻟﻼيت )ﻻ ﻳﻌﺮﻓﻦ( ﻫﺬا اﻟﺤﻖ ﻗﺒﻞ وأﺛﻨﺎء و ﺑﻌﺪ ﺗﻨﻔﻴﺬ ﺣﻤﻠﺔ إﻋﻼﻣﻴﺔ ﻣﻦ ﺧﻼل‬
‫ﺳﻨﺎ‬
‫ﺑﻴﺎﻧﻴﺎ ﻣﻊ اﻟﺘﻤﻴﻴﺰ ﺑني اﻟﻨﺴﺎء اﻷﺻﻐﺮ ّ‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن ﻟﻠﺘﻌﺮﻳﻒ ﺑﻬﺬا اﻟﺤﻖ‪ .‬ﻓﺈذا أردﻧﺎ متﺜﻴﻞ ﻫﺬه اﻟﻨﺘﻴﺠﺔ ّ‬
‫ﺳﻨﺎ )ﻣﺠﻤﻮﻋﺔ ﺛﺎﻧﻴﺔ(‪ ،‬ﻓﺈﻧﻨﺎ ﻧﻘﻮم ﺑﺎﻹﺟﺮاءات اﻟﺴﺎﺑﻘﺔ‪ ،‬وﻟﻜﻦ ﻣﻊ ﺗﺨﺼﻴﺺ‬
‫)ﻣﺠﻤﻮﻋﺔ أوﱃ( واﻟﻨﺴﺎء اﻷﻛﱪ ّ‬
‫ﻋﻤﻮد ميﻴﺰ ﻛﻞ ﻣﺠﻤﻮﻋﺔ‪ ،‬ﻓﻨﺤﺼﻞ ﻋﲆ اﻟﺮﺳﻢ اﻟﺒﻴﺎين اﻟﺘﺎﱄ‪:‬‬

‫‪101‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫إن ﻣﺠﺮد اﻟﻨﻈﺮ إﱃ ﺗﻠﻚ اﻷﻋﻤﺪة ﻳﻜﺸﻒ ﻋﻦ أﻧﻪ ‪ -‬ﻗﺒﻞ ﺗﻨﻔﻴﺬ اﻟﺤﻤﻠﺔ – ﻛﺎن ‪ %١٠٠‬ﻣﻦ اﻟﻨﺴﺎء‬
‫ﺳﻨﺎ ﻻ ﻳﻌﺮﻓﻦ ﻣﻌﻨﻰ »ﺣﻖ اﳌﺸﺎرﻛﺔ اﻟﺴﻴﺎﺳﻴﺔ«‪ ،‬اﻧﺨﻔﻀﺖ ﺗﻠﻚ اﻟﻨﺴﺒﺔ إﱃ ‪ %٧٠‬أﺛﻨﺎء ﺗﻘﺪﻳﻢ ﺑﺮاﻣﺞ‬
‫اﻷﻛﱪ ّ‬
‫وﻣﻮاد اﻟﺤﻤﻠﺔ‪ ،‬وﻣﻊ ﻧﻬﺎﻳﺔ اﻟﺤﻤﻠﺔ‪ ،‬أﺻﺒﺤﺖ ﺗﻠﻚ اﻟﻨﺴﺒﺔ ‪ % ٥٠‬ﺗﻘﺮﻳﺒﺎ‪ .‬ﻫﺬا ﻳﻌﻨﻲ أﻧﻪ ﻣﻊ ﻧﻬﺎﻳﺔ اﻟﺤﻤﻠﺔ‬
‫ﺳﻨﺎ اﻟﻼيت ﻳﺠﻬﻠﻦ ﺣﻖ اﳌﺮأة ﰲ اﳌﺸﺎرﻛﺔ اﻟﺴﻴﺎﺳﻴﺔ )وﻫﺬا ﻳﻌﻨﻲ‬
‫اﻹﻋﻼﻣﻴﺔ اﻧﺨﻔﺾ ﻋﺪد اﻟﻨﺴﺎء اﻷﻛﱪ ّ‬
‫زﻳﺎدة ﻋﺪد اﻟﻨﺴﺎء اﻟﻼيت أﺻﺒﺤﻦ ﻳﻌﺮﻓﻦ ﻫﺬا اﻟﺤﻖ(‪.‬‬

‫ﺳﻨﺎ‪ ،‬ﻓﺈن ﻣﺠﺮد اﻟﻨﻈﺮ إﱃ اﻟﺸﻜﻞ اﻟﺴﺎﺑﻖ ﻳﻮﺿﺢ أﻧﻪ ﻗﺒﻞ ﺗﻨﻔﻴﺬ اﻟﺤﻤﻠﺔ‬
‫أﻣﺎ ﻓﻴام ﻳﺨﺺ اﻟﻨﺴﺎء اﻷﺻﻐﺮ ّ‬
‫ﻛﺎن ‪ %٧٠‬ﻣﻦ اﻟﻨﺴﺎء ﻻ ﻳﻌﺮﻓﻦ ﺣﻘﻬﻦ ﰲ اﳌﺸﺎرﻛﺔ اﻟﺴـﻴﺎﺳﻴﺔ‪ ،‬اﻧﺨﻔﻀﺖ ﻫﺬه اﻟﻨﺴﺒﺔ إﱃ ‪ %٦٠‬أﺛﻨﺎء‬
‫ﺗﻨﻔﻴﺬ اﻟﺤﻤﻠﺔ‪ ،‬ﺛﻢ إﱃ ‪ %٥٠‬ﺑﻌﺪ اﻧﺘﻬﺎء اﻟﺤﻤﻠﺔ‪ .‬أي أن اﻟﺤﻤﻠﺔ اﻟﺘﻲ ﻗﺪﻣﻬﺎ اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﻗﺪ ﺳﺎﻫﻤﺖ ﰲ‬
‫ﺗﺨﻔﻴﺾ ﻧﺴـﺒﺔ اﻟﻨﺴﺎء اﻟﻼيت ﻳﺠﻬﻠﻦ ﺣﻘﻬﻦ ﰲ اﳌﺸﺎرﻛﺔ اﻟﺴﻴﺎﺳﻴﺔ ﻣﻦ ‪ %١٠٠‬إﱃ ‪ %٥٠‬ﻣﻦ ﻣﺠﻤﻮﻋﺔ‬
‫ﺳﻨﺎ‪ ،‬وﻳﻮﺿﺢ اﻟﺠﺰء اﻷﺧري ﻣﻦ اﻟﺮﺳﻢ‬
‫ﺳﻨﺎ‪ ،‬وﻣﻦ ‪ %٧٠‬إﱃ ‪ %٥٠‬ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﻟﻨﺴـﺎء اﻷﺻﻐﺮ ّ‬
‫اﻟﻨﺴﺎء اﻷﻛﱪ ّ‬
‫ﺗﺴﺎوي ﻧﺴﺒﺔ ﻋﺪم اﳌﻌـﺮﻓﺔ ﺑني اﳌﺠﻤﻮﻋﺘني‪ ،‬مبﻌﻨﻰ أﻧﻪ ﺑﻌﺪ اﻧﺘﻬﺎء اﻟﺤﻤﻠﺔ‪ ،‬ﺗﺒني أن ﻫﻨﺎك ‪ %٥٠‬ﻣﻦ‬
‫اﳌﺠﻤﻮﻋﺘني‪ ،‬ﻻ ﻳﻌﺮﻓﻦ أن اﻟﻨﺴﺎء ﻟﻬﻦ اﻟﺤﻖ ﰲ اﳌﺸﺎرﻛﺔ اﻟﺴﻴﺎﺳﻴﺔ‪ ،‬وﻫﻨﺎ ميﻜﻦ اﺳﺘﻨﺘـﺎج أن اﻟﺤﻤﻠﺔ ﻛﺎﻧﺖ‬

‫‪-˺˹˻-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺳﻨﺎ‪،‬‬
‫ﻓﻌﺎﻟﺔ )ﺑﺪرﺟﺔ ﻣﺘﻮﺳﻄﺔ(‪ ،‬ﻟﻜﻨﻬﺎ ﺣﻘﻘﺖ اﺳﺘﻔﺎدة أﻛﱪ ﻟﻠﻨﺴـﺎء اﻷﻛﱪ ﺳّﻨﺎ ﻣﻘﺎرﻧﺔ ﺑﺎﻟﻨﺴﺎء اﻷﺻﻐﺮ ّ‬
‫)ﻓﻘﺪ اﻧﺨﻔﻀﺖ ﻧﺴﺒﺔ ﻋﺪم اﳌﻌـﺮﻓﺔ ﻣﻦ ‪ %١٠٠‬إﱃ ‪ %٥٠‬ﰲ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﺑﻴﻨام اﻧﺨﻔﻀﺖ ﺗﻠﻚ اﻟﻨﺴﺒﺔ‬
‫ﻣﻦ ‪ %٧٠‬إﱃ ‪ %٥٠‬ﰲ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ(‪.‬‬

‫)ب( اﳌﺪرج اﻟﺘﻜﺮاري‪:‬‬

‫اﳌﺪرج اﻟﺘﻜﺮاري)‪ (Histogram‬ﻋﺒﺎرة ﻋﻦ ﻋﺪد ﻣﻦ اﳌﺴﺘﻄﻴﻼت ﻛﻞ ﻣﻨﻬﺎ ﺑﺎرﺗﻔﺎع ﻣﻌني )اﻟﻄﻮل( ﻟﻴﻌـﱪ‬
‫ﻋﻦ ﺗﻜﺮارات اﻟﻔﺌﺔ‪ ،‬وﺑﺎﺗﺴﺎع ﻣﻌني )اﻟﻌﺮض( ﻟﻴﻌﱪ ﻋـﻦ ﻣـﺪى أو ﺳـﻌﺔ اﻟﻔﺌـﺔ‪ ،‬وﺑﺎﻟﺘـﺎﱄ ﻳﻜـﻮن ﻋـﺪد ﻣـﻦ‬
‫اﳌﺴﺘﻄﻴﻼت ﻳﺴﺎوي ﻋﺪد اﻟﻔﺌﺎت )ﻣﺴﺘﻄﻴﻞ ﻟﻜﻞ ﻓﺌﺔ(‪ .‬وﻟﺘﻮﺿـﻴﺢ ذﻟـﻚ ﻧﻔـﱰض أن ﻟـﺪﻳﻨﺎ اﻟﺠـﺪول اﻟﺘـﺎﱄ‬
‫اﻟﺬي ﻳﻮﺿﺢ ﺗﻮزﻳﻊ ﻋﺪد ﻣﻦ اﳌﻘـﺎﻻت اﻟـﺼﺤﻔﻴﺔ اﳌﻨـﺸﻮرة ﺣـﻮل ﻗـﻀﻴﺔ ﻣﻌﻴﻨـﺔ ﺣـﺴﺐ ﻓﺌـﺎت اﳌـﺴﺎﺣﺔ‬
‫ﺑﺎﻟﺴﻨﺘﻴﻤﱰ اﳌﺮﺑﻊ‪:‬‬

‫ﻋﺪد اﳌﻘﺎﻻت‬ ‫ﻓﺌﺎت اﳌﺴﺎﺣﺔ )ﺳﻢ‪(٢‬‬

‫‪٣٨‬‬ ‫‪٦٠ -٥٠‬‬

‫‪٢٨‬‬ ‫‪٧٠ -٦٠‬‬
‫‪١٤‬‬ ‫‪ ٧٠‬إﱃ‪٨٠‬‬
‫‪٨٠‬‬ ‫اﳌﺠﻤﻮع‬
‫‪٢‬‬
‫ﻣﻘـﺎﻻ‬
‫ﻣﻘﺎﻻ ﺻﺤﻔّﻴﺎ ﺗﱰاوح ﻣﺴﺎﺣﺔ ﻛﻞ ﻣﻨﻬﺎ ﻣﺎ ﺑني ‪ ٥٠‬ﻷﻗﻞ ﻣﻦ ‪٦٠‬ﺳـﻢ ‪ ،‬وﻫﻨـﺎك ‪ً ٢٨‬‬
‫ﻓﻬﻨﺎك )‪ً (٣٨‬‬
‫ﺻـﺤﻔﻴﺎ ﺗـﱰاوح‬
‫ّ‬ ‫ﺻﺤﻔﻴﺎ ﺗﱰاوح ﻣﺴﺎﺣﺔ ﻛﻞ ﻣﻨﻬﺎ ﻣﺎ ﺑني ‪ ٦٠‬ﻷﻗﻞ ﻣﻦ ‪٧٠‬ﺳـﻢ‪ ،٢‬ﻛـام أن ﻫﻨـﺎك ‪ً ١٤‬‬
‫ﻣﻘـﺎﻻ‬ ‫ّ‬
‫ﻣﺴﺎﺣﺔ ﻛﻞ ﻣﻨﻬﺎ ﻣﺎ ﺑني ‪ ٧٠‬إﱃ ‪ ٨٠‬ﺳﻢ‪.٢‬‬
‫وﻳﺘﻢ رﺳﻢ ﻣﺪرج ﺗﻜﺮاري ﻳﻌﱪ ﻋﻦ ﻫﺬا اﻟﺘﻮزﻳﻊ ﻣﻦ ﺧﻼل رﺳﻢ ﺧﻂ أﻓﻘﻲ ميﺜﻞ ﻓﺌـﺎت‬
‫اﳌﺴﺎﺣﺔ ﺑﺎﻟﺴﻨﺘﻴﻤﱰ اﳌﺮﺑﻊ‪ ،‬وﺧﻂ آﺧﺮ رأﳼ ميﺜـﻞ ﻋـﺪد اﳌﻘـﺎﻻت اﻟـﺼﺤﻔﻴﺔ اﻟﺨﺎﺻـﺔ ﺑﻜـﻞ‬
‫ﻓﺌﺔ‪ ،‬أي أﻧﻨﺎ ﻧﺤﺪد ﺣﺪود اﻟﻔﺌﺎت ﻋﲆ اﳌﺤﻮر اﻷﻓﻘﻲ‪ ،‬ﺛﻢ ﻧﺤﺪد ﻋﺪد اﻟﺘﻜـﺮارات ‪ -‬مبﻘﻴـﺎس‬
‫رﺳــﻢ ﻣﻨﺎﺳــﺐ – ﻋــﲆ اﳌﺤــﻮر اﻟــﺮأﳼ‪ .‬إن ﻣﻘﻴــﺎس اﻟﺮﺳــﻢ اﳌﻨﺎﺳــﺐ ﻫــﻮ اﻟــﺬي ﻳــﺴﺘﻮﻋﺐ‬

‫‪-˺˹˼-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﺘﻜﺮارات ﺑﺤﺪﻳﻬﺎ اﻷدىن واﻷﻋﲆ‪ ،‬وﰲ ﻣﺜﺎﻟﻨﺎ اﳌﺬﻛﻮر ﻓﺈن اﻟﺤﺪ اﻷدىن ﻫﻮ )‪ (١٤‬أﻣﺎ اﻟﺤﺪاﻷﻋﲆ ﻓﻬـﻮ )‪(٣٨‬‬
‫وﺑﻨﺎء ﻋﲆ ذﻟﻚ ﻓﺈن اﻟﺨﻂ اﻟﺮأﳼ ﻳﺒﺪأ ﺑﺎﻟﺼﻔﺮ ﻣﺮو ًرا ﺑﺄﻗﺮب رﻗﻢ ﻋﴩي ﻟﻠﻘﻴﻤﺔ )‪ ،(١٤‬وﻳﻨﺘﻬﻲ ﻫﺬا اﻟﺨﻂ‬
‫ﺑﺄﻗﺮب رﻗﻢ ﻋﺸـﺮي ﻟﻠﻘﻴﻤﺔ )‪(٣٨‬؛ أي أن اﻟﺨﻂ اﻟﺮأﳼ ﻳﺒﺪأ ﺑﺎﻟﺼﻔﺮ ﻣﺮو ًرا ﺑﺎﻟﺮﻗﻢ )‪ ،(١٠‬وﻳﻨﺘﻬـﻲ ﺑﺎﻟﻘﻴﻤـﺔ‬
‫)‪ ،(٤٠‬وﻋﲆ اﻟﺨﻂ اﻷﻓﻘﻲ ﻧﻘﻮم ﺑﺘﺤﺪﻳﺪ اﻟﻔﺌﺎت اﳌﺒﻴﻨﺔ ﺑﺎﻟﺠﺪول وﻫﻲ‪:‬‬
‫ƒ ‪٦٠ – ٥٠‬‬
‫ƒ ‪٧٠ -٦٠‬‬
‫ƒ ‪٨٠ -٧٠‬‬

‫وﻣﻦ ﻣﻨﺘﺼﻒ ﻛﻞ ﻓﺌﺔ ﻣﻦ اﻟﻔﺌﺎت ﻧﺘﺠﻪ إﱃ أﻋﲆ وﻧﻀﻊ ﻧﻘﻄﺔ ﺗﻘﺎﺑﻞ ﺗﻜﺮارات ﻛﻞ ﻓﺌﺔ ﻋﲆ اﳌﺤـﻮر‬
‫اﻟﺮأﳼ ﺛﻢ ﻧﺮﺳﻢ اﳌﺴﺘﻄﻴﻞ ﻣﻦ ﺑﺪاﻳﺔ اﻟﺤﺪ اﻷدىن ﻟﻠﻔﺌﺔ وﺣﺘﻰ اﻟﺤﺪاﻷﻋﲆ ﻟﻬﺎ‪ ،‬ﻓﻨﺤﺼﻞ ﻋﲆ ﻣﺠﻤﻮﻋﺔ ﻣﻦ‬
‫اﳌﺴﺘﻄﻴﻼت اﻟﺮأﺳﻴﺔ‪ ،‬ﻛﻞ ﻣﻨﻬﺎ ﻳﻌﱪ ﻋﻦ ﻓﺌﺔ ﺑﺘﻜﺮاراﺗﻬﺎ ﻋﲆ اﻟﻨﺤﻮ اﻟﺬي ﻳﻮﺿﺤﻪ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬

‫اﻟﺘﻜﺮارات‬
‫‪٤٠‬‬

‫‪٣٠‬‬

‫‪٢٠‬‬

‫‪١٠‬‬

‫‪٠‬‬ ‫ﻓﺌﺎت اﳌﺴﺎﺣﺔ‬

‫)ﺳﻢ‪(٢‬‬
‫‪٥٠‬‬ ‫‪٦٠‬‬ ‫˹̀‬ ‫‪٨٠‬‬

‫ﻓﺎﳌﺴـﺘﻄﻴﻞ اﻷول ﻳﺮﺗﻔﻊ ﻃﻮﻟﻪ إﱃ ‪ ٣٨‬أﻣﺎ ﻋﺮﺿﻪ ﻓﻴﺸﻤﻞ اﻟﻔﺌﺔ اﻷوﱃ )‪ ،(٦٠ -٥٠‬وميﺜﻞ‬
‫اﳌﺴﺘﻄﻴﻞ اﻟﺜﺎين ﺗﻜـﺮارات اﻟﻔﺌـﺔ اﻟﺜﺎﻧﻴـﺔ؛ ﺣﻴـﺚ ﻳﺮﺗﻔـﻊ ﻃﻮﻟـﻪ إﱃ ‪ ٢٨‬أﻣـﺎ ﻋﺮﺿـﻪ ﻓﻴـﺸﻤﻞ‬

‫‪-˺˹˽-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ )‪ ، (٧٠-٦٠‬وأﺧ ًريا ﻓﺈن اﳌﺴﺘﻄﻴﻞ اﻟﺜﺎﻟﺚ ميﺜﻞ ﺗﻜﺮارات اﻟﻔﺌﺔ اﻟﺜﺎﻟﺜﺔ؛ ﺣﻴﺚ ﻳﺮﺗﻔﻊ ﻃﻮﻟـﻪ إﱃ‬
‫‪ ١٤‬أﻣﺎ ﻋﺮﺿﻪ ﻓﻴﺸﻤﻞ اﻟﻔﺌﺔ اﻟﺜﺎﻟﺜﺔ )‪ ،(٨٠ -٧٠‬وﻫﺬا ﻫﻮ اﳌﺪرج اﻟﺘﻜﺮاري ﻟﻠﺠﺪول اﻟﺴﺎﺑﻖ )ﻣـﻊ ﻣﻼﺣﻈـﺔ‬
‫أن ارﺗﻔﺎع اﳌﺴﺘﻄﻴﻼت ﻳﺘﺤﺪد ﺑﻌﺪد ﺗﻜﺮارات اﻟﻔﺌﺔ اﻟﺘﻲ ميﺜﻠﻬﺎ(‪.‬‬

‫)ﺟـ( اﳌﻀﻠﻊ اﻟﺘﻜﺮاري‪:‬‬

‫اﳌﻀﻠﻊ اﻟﺘﻜﺮاري )‪ (Polygon‬ﻋﺒﺎرة ﻋﻦ ﺧﻂ )‪ (Line‬ﻳﺼﻞ ﺑني اﻟﺘﻜﺮارات ﺣﺴﺐ ﻣﺮاﻛـﺰ اﻟﻔﺌـﺎت‪ ،‬ﻫـﺬا‬
‫اﻟﺨﻂ ﻳﻐﻠﻖ اﻟﺘﻮزﻳﻊ ﻣﻦ اﻟﻨﺎﺣﻴﺘني اﻟﻴﻤﻨﻰ واﻟﻴﺴـﺮى‪ .‬وﻟﺘﻮﺿﻴﺢ ذﻟﻚ ﻧﻔﱰض أن ﻟﺪﻳﻨﺎ اﻟﺠﺪول اﻟﺘﺎﱄ اﻟﺬي‬
‫ﻳﻮﺿﺢ ﺗﻮزﻳﻊ ﻋﺪد ﻣﻦ اﻟﱪاﻣﺞ اﻟﺴﻴﺎﺣﻴﺔ ﻣﻮزﻋﺔ ﺣﺴﺐ اﳌﺪة اﻟﺰﻣﻨﻴـﺔ ﺑﺎﻟﺪﻗﻴﻘـﺔ ﻛـام ﻗـﺪﻣﻬﺎ اﻟﺘﻠﻴﻔﺰﻳـﻮن‬
‫ﺧﻼل دورة ﺑﺮاﻣﺠﻴﺔ ﻛﺎﻣﻠﺔ‪:‬‬
‫ﻋﺪد اﻟﱪاﻣﺞ‬ ‫ﻓﺌﺎت اﳌﺪة اﻟﺰﻣﻨﻴﺔ‬

‫‪٦‬‬ ‫‪١٠ -٥‬‬

‫‪٨‬‬ ‫‪١٥ -١٠‬‬

‫‪١٦‬‬ ‫‪٢٠ -١٥‬‬

‫‪٦‬‬ ‫‪٢٥ -٢٠‬‬

‫‪٣٦‬‬ ‫اﳌﺠﻤﻮع‬

‫إن رﺳﻢ ﻣﻀﻠﻊ ﺗﻜﺮاري ﻳﻌﱪ ﻋﻦ ﻫﺬا اﻟﺘﻮزﻳﻊ ﻳﺘﻢ ﻣـﻦ ﺧـﻼل رﺳـﻢ ﺧـﻂ أﻓﻘـﻲ ميﺜـﻞ ﻓﺌـﺎت اﳌـﺪة‬
‫اﻟﺰﻣﻨﻴﺔ وﺧﻂ آﺧﺮ رأﳼ ميﺜﻞ ﻋﺪد اﻟﱪاﻣﺞ‪ ،‬ﻣﻊ ﻣﺮاﻋﺎة ﺗﺮك ﻣﺴﺎﻓﺔ )وﻟﺘﻜﻦ ﻧﺼﻒ ﺳﻨﺘﻴﻤﱰ( ﻋـﲆ ﺟـﺎﻧﺒﻲ‬
‫اﻟﺨﻂ اﻷﻓﻘﻲ؛ أي ﻗﺒﻞ ﺑﺪاﻳﺔ اﻟﻔﺌﺔ اﻷوﱃ‪ ،‬وﺗﺮك اﳌﺴﺎﺣﺔ ﻧﻔﺴﻬﺎ ﺑﻌﺪ ﻧﻬﺎﻳﺔ اﻟﻔﺌﺔ اﻷﺧرية‪ .‬وﰲ ﻣﻨﺘﺼﻒ ﻛﻞ‬
‫ﻓﺌﺔ ﻣﻦ اﻟﻔﺌﺎت‪ ،‬ﻧﺘﺠﻪ إﱃ أﻋﲆ وﻧﻀﻊ ﻧﻘﻄـﺔ ﺗﻘﺎﺑـﻞ ﺗﻜـﺮارات ﻛـﻞ ﻓﺌـﺔ ﻋـﲆ اﳌﺤـﻮر اﻟـﺮأﳼ‪ ،‬ﺛـﻢ ﻧﻘـﻮم‬
‫ﺑﺘﻮﺻﻴﻞ ﻫﺬه اﻟﻨﻘﺎط ﻓﻨﺤﺼﻞ ﻋﲆ اﳌﻀﻠﻊ اﻟﺘﻜﺮاري‪ ،‬واﻟﺬي ﻳﺘﺨﺬ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬

‫‪-˺˹˾-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﺘﻜﺮارات‬
‫‪٤٠‬‬

‫‪٣٠‬‬

‫‪٢٠‬‬

‫‪١٠‬‬

‫‪٠‬‬ ‫اﻟﻔﺌﺎت‬
‫‪٥‬‬ ‫‪١٠‬‬ ‫‪١٥‬‬ ‫‪٢٠‬‬ ‫‪٢٥‬‬
‫ﻓﻜﻞ ﻧﻘﻄﺔ )‪ (dot‬ﻣﻦ اﻟﻨﻘﺎط اﳌﺒﻴﻨﺔ ﰲ ﻫﺬا اﻟﺮﺳﻢ إمنﺎ ﺗﻮﺟﺪ ﰲ ﻣﻨﺘﺼﻒ اﻟﻔﺌﺔ‪ ،‬وﻛـﻞ ﻧﻘﻄـﺔ ً‬
‫أﻳـﻀﺎ ﺗﻘﺎﺑـﻞ‬
‫اﻟﺘﻜﺮارات اﻟﺨﺎﺻﺔ ﺑﺎﻟﻔﺌﺔ‪ ،‬ﻛام ﻳﻼﺣﻆ أﻧﻪ ﺗﻢ إﻏﻼق اﳌﻀﻠﻊ اﻟﺘﻜﺮاري ﻣﻦ اﻟﺠﺎﻧﺒني اﻷﻳﴪ واﻷميﻦ‪.‬‬

‫)د( اﳌﻨﺤﻨﻴﺎت‪:‬‬

‫واﺳـﻌﺎ‪،‬‬
‫ً‬ ‫اﳌﻨﺤﻨﻴﺎت )‪ :(Curves‬أداة ﻣﻬﻤﺔ ﰲ اﻟﺘﻌﺒري ﺑﻮﺿﻮح ﻋﻦ اﻟﺒﻴﺎﻧﺎت‪ ،‬وﻳﻐﻄﻲ اﺳـﺘﺨﺪاﻣﻬﺎ ﻣـﺪى‬
‫وميﻜﻦ ﻣﻦ ﺧﻼﻟﻬﺎ اﻟﺘﻌﺒري ﺑﻮﺿﻮح ﻋﻦ أﻛرث ﻣﻦ ﻣﺘﻐري‪ ،‬وﻳﺠﺐ وﺿﻊ اﻹﺷﺎرات اﳌﻤﻴـﺰة ﻟﻜـﻞ ﻣﺘﻐـري‪ ،‬ﻣـﻊ‬
‫اﻻﻟﺘﺰام ﺑﺎﻟﺪﻗﺔ اﻟﺸﺪﻳﺪة ﻋﻨﺪ رﺳﻤﻬﺎ ﺑﺤﻴﺚ ﺗﻜﺸﻒ ﻋﻦ ﻣﺨﺘﻠﻒ أوﺟﻪ اﳌﻮﺿﻮع‪ .‬ﻟﻨﻔﺮض أن ﻟﺪﻳﻨﺎ ﺑﻴﺎﻧﺎت‬
‫ﻋﻦ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ ٤٠٠‬ﺷﺨﺺ ﻣﻦ ﻗﺮاء اﻟـﺼﺤﻒ اﻟﻴﻮﻣﻴـﺔ‪ ،‬ﻣﻮزﻋـﺔ ﺣـﺴﺐ ﻋـﺪد اﻟـﺼﺤﻒ اﻟﻴﻮﻣﻴـﺔ اﻟﺘـﻲ‬
‫ﻳﻘﺮؤوﻧﻬﺎ‪ ،‬وﻛﺎن ﻫﺬا اﻟﺘﻮزﻳﻊ ﻛﺎﻵيت‪:‬‬

‫ﺻﺤﻴﻔﺔ واﺣﺪة )‪ ،(٢٦٠‬ﺻﺤﻴﻔﺘﺎن )‪ ،(٧٠‬ﺛﻼث ﺻﺤﻒ )‪ ،(٥٠‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ميﻜﻨﻨﺎ اﺳﺘﺨﺪام اﳌﻨﺤﻨﻰ‬
‫ﻟﺘﻤﺜﻴﻞ ﻫﺬا اﻟﺘﻮزﻳﻊ‪ ،‬وذﻟﻚ ﻛﺎﻵيت‪:‬‬

‫‪-˺˹˿-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻓﺎﳌﺤﻮر اﻷﻓﻘﻲ ميﺜﻞ ﻋﺪد اﻟﺼﺤﻒ‪ ،‬أﻣﺎ اﳌﺤﻮر اﻟﺮأﳼ ﻓﻴﻤﺜﻞ ﻋﺪد اﻟﻘﺮاء‪ ،‬وﻳﻌﻜﺲ ﻫﺬا اﻟﺮﺳﻢ‬
‫ﺗﻮزﻳﻊ اﻟﻌﻴﻨﺔ اﻟﺴﺎﺑﻖ ذﻛﺮه‪ ،‬ﻓﻬﻨﺎك )‪ (٢٦٠‬ﻳﻘﺮؤون ﺻﺤﻴﻔﺔ ﻳﻮﻣﻴﺔ واﺣﺪة‪ ،‬وﻫﻨﺎك )‪ (٧٠‬ﻳﻘﺮؤون‬
‫ﺻﺤﻴﻔﺘني‪ ،‬أﻣﺎ اﻟﺬﻳﻦ ﻳﻘﺮؤون ﺛﻼث ﺻﺤﻒ ﻳﻮﻣﻴﺔ ﻓﻌﺪدﻫﻢ )‪.(٥٠‬‬

‫متﺜﻴﻼ ﺑﻴﺎﻧﻴّﺎ‪ ،‬ﻟﻨﻔﺮض أن ﻟﺪﻳﻨﺎ ﺑﻴﺎﻧﺎت ﻋﻦ‬

‫ﻛام ميﻜﻦ اﺳﺘﺨﺪام اﳌﻨﺤﻨﻴﺎت ﰲ متﺜﻴﻞ أﻛرث ﻣﻦ ﻣﺘﻐري ً‬
‫ﻣﺸﺎﻫﺪة ﺟﻤﻬﻮر اﳌﺠﺘﻤﻊ اﳌﺤﲇ ﻟﻠﻘﻨﻮات اﻟﻔﻀﺎﺋﻴﺔ اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴﺔ اﻟﻌﺎﻣﺔ‪ ،‬وﺗﺘﻮزع اﻟﻌﻴﻨﺔ ﺣﺴﺐ ﻣﺘﻐري‬
‫ﻓﺌﺎت اﻷﻋامر وﻣﺘﻐري ﻣﺘﻮﺳﻂ ﺳﺎﻋﺎت اﳌﺸﺎﻫﺪة اﻷﺳﺒﻮﻋﻴﺔ ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬
‫ﺣﴬ‬ ‫رﻳﻒ‬ ‫ﻓﺌﺎت اﻷﻋامر‬
‫‪٩.٥‬‬ ‫‪٦.٥‬‬ ‫‪٢٥-١٥‬‬
‫‪٢.٥‬‬ ‫‪٥‬‬ ‫‪٣٥-٢٥‬‬
‫‪٥‬‬ ‫‪٣‬‬ ‫‪٤٠-٣٥‬‬

‫ﻫﻨﺎ ميﻜﻦ اﻟﺘﻌﺒري ﻋﻦ ﻫﺬه اﻟﺒﻴﺎﻧﺎت ﺑﺎﳌﻨﺤﻨﻴﺎت‪ ،‬وذﻟﻚ ﺑﺮﺳﻢ ﺧﻂ أﻓﻘﻲ ميﺜﻞ ﻓﺌﺎت‬
‫اﻷﻋامر‪ ،‬وﺧﻂ رأﳼ ميﺜﻞ ﻣﺘﻮﺳﻂ ﺳﺎﻋﺎت اﳌﺸﺎﻫﺪة اﻷﺳﺒﻮﻋﻴﺔ‪ ،‬ﺛﻢ ﻧﻀﻊ ﻧﻘﻄﺔ متﺜﻞ‬
‫‪-˺˹̀-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻣﺜﻼ )‪ (٢٥-١٥‬ﻧﻀﻊ ﻧﻘﻄﺔ ﻋﲆ ارﺗﻔﺎع ‪ ٦.٥‬ﻟﺘﻌﱪ ﻋﻦ ﻣﺘﻮﺳﻂ وﻗﺖ‬

‫ارﺗﻔﺎع ﻛﻞ ﻓﺌﺔ‪ ،‬ﻓﺎﻟﻔﺌﺔ اﻷوﱃ ً‬
‫اﳌﺸﺎﻫﺪة ﻓﻴام ﻳﺨﺺ ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ‪ ،‬ﻛام ﻧﻀﻊ ﻧﻘﻄﺔ ﻋﲆ ارﺗﻔﺎع ‪ ٩.٥‬ﻓﻴام ﻳﺨﺺ ﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ‪،‬‬
‫وﻧﻜﺮر ﻫﺬه اﻟﻌﻤﻠﻴﺔ ﰲ ﺑﻘﻴﺔ اﻟﻔﺌﺎت‪ ،‬ﺛﻢ ﻧﻘﻮم ﺑﺘﻮﺻﻴﻞ اﻟﻨﻘﺎط اﻟﺘﻲ ﺗﻌﱪ ﻋﻦ ﻣﺘﻮﺳﻂ وﻗﺖ اﳌﺸﺎﻫﺪة‬
‫ﻓﻴام ﻳﺨﺺ ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ وذﻟﻚ ﺑﺨﻂ ﻣﻌني‪ ،‬وﻛﺬﻟﻚ ﳌﺠﻤﻮﻋﺔ اﻟﺤﴬ وﻟﻜﻦ ﺑﺨﻂ ﻣﺨﺘﻠﻒ أو ﻣﻤﻴﺰ‬
‫ﻋﻦ ﺧﻂ ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ‪ ،‬ﻓﻴﻜﻮن ﻟﺪﻳﻨﺎ اﻟﺮﺳﻢ اﻟﺒﻴﺎين اﻟﺘﺎﱄ‪:‬‬

‫ﻓﺎﳌﺤﻮر اﻟﺮأﳼ ﻳﻮﺿﺢ ﻣﺘﻮﺳﻂ ﻋﺪد ﺳﺎﻋﺎت اﳌﺸﺎﻫﺪة اﻷﺳﺒﻮﻋﻴﺔ‪ ،‬واﳌﺤﻮر اﻷﻓﻘﻲ ﻳﻮﺿﺢ ﻓﺌﺎت‬
‫اﻷﻋامر‪ ،‬وﻳﻜﺸﻒ ﻫﻨﺎ اﳌﻨﺤﻨﻰ ﺑﻮﺿﻮح ﻋﻦ أن‪:‬‬
‫ ﻓﻴام ﻳﺨﺺ اﻟﻔﺌﺔ اﻟﻌﻤﺮﻳﺔ )‪ ،(٢٥-١٥‬ﻳﺒﻠﻎ ﻣﺘﻮﺳﻂ ﻋﺪد ﺳﺎﻋﺎت اﳌﺸﺎﻫﺪة اﻷﺳﺒﻮﻋﻴﺔ ‪ ٦.٥‬ﺳﺎﻋﺔ‬
‫ﰲ اﻟﺮﻳﻒ ﻣﻘﺎﺑﻞ ‪ ٩.٥‬ﺳﺎﻋﺔ ﰲ اﻟﺤﴬ‪.‬‬
‫ أﻣﺎ اﻟﻔﺌﺔ اﻟﻌﻤﺮﻳﺔ )‪ ،(٣٥- ٢٥‬ﻓﺈن ﻣﺘﻮﺳﻂ ﻋﺪد ﺳﺎﻋﺎت اﳌﺸﺎﻫﺪة اﻷﺳﺒﻮﻋﻴﺔ ﻳﺒﻠﻎ‬
‫‪ ٥‬ﺳﺎﻋﺎت ﻟﻠﺮﻳﻔﻴني ﻣﻘﺎﺑﻞ ‪ ٢.٥‬ﺳﺎﻋﺔ ﻟﻠﺤﴬﻳني‪.‬‬

‫‪-˺˹́-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ وﻓﻴام ﻳﺨﺺ ﻓﺌﺔ اﻷﻋامر )‪ ،(٤٥ -٣٥‬ﻳﻜﺸﻒ اﳌﻨﺤﻨﻰ ﻋﻦ أن ﻣﺘﻮﺳﻂ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﰲ‬
‫ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ ﻳﺒﻠﻎ ﺛﻼث ﺳﺎﻋﺎت ﰲ اﻷﺳﺒﻮع‪ ،‬ﺑﻴﻨام ﻳﺼﻞ إﱃ ﺧﻤﺲ ﺳﺎﻋﺎت ﻓﻴام ﻳﺨﺺ‬
‫ﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ‪.‬‬

‫وﻳﻌﺘﱪ ﻣﻨﺤﻨﻰ ﻟﻮرﻧﺰ )‪ (Lorenz Curve‬ﻣﻦ اﻷﺷﻜﺎل اﻟﺒﻴﺎﻧﻴﺔ اﻟﻬﺎﻣﺔ اﻟﺘـﻲ ﺗﺠـﺴﺪ اﺳـﺘﻔﺎدة اﻟﺪراﺳـﺎت‬
‫اﻟﻌﻠﻤﻴﺔ ﻣﻦ اﻟﺮﺳﻮم اﻟﺒﻴﺎﻧﻴﺔ ﻟﺘﻮﺿﻴﺢ اﻟﻈﻮاﻫﺮ اﳌﻌﻘـﺪة‪ ،‬وﻗـﺪ ﺗﻮﺻـﻞ ﻟـﻮرﻧﺰ إﱃ ﻫـﺬا اﳌﻨﺤﻨـﻰ ﰲ ﺳـﻴﺎق‬
‫ﺗﻮﺿﻴﺢ ﻣﺪى ﺗﺮﻛﺰ اﻟرثوة )‪ (Wealth‬ﻟﺪى ﻋﺪد ﻗﻠﻴﻞ ﻣﻦ اﻟﻨﺎس‪ ،‬ﻏـري أن ﺗﻄﺒﻴﻘﺎﺗـﻪ اﻧﺘـﴩت ﻓـﻴام ﺑﻌـﺪ ﰲ‬
‫ﻛﺎﻓﺔ ﺗﺨﺼﺼﺎت اﳌﻌﺮﻓﺔ مبﺎ ﻓﻴﻬﺎ اﻻﺗﺼﺎل‪ ،‬وﻳﻌﺘﻤﺪ ﻣﻨﺤﻨﻰ ﻟﻮرﻧﺰ ﻋﲆ اﳌﻨﺤﻨـﻰ اﳌﺘﺠﻤـﻊ اﻟـﺼﺎﻋﺪ ﻟﻨـﺴﺐ‬
‫ﻣﻌﺎ‪ ،‬وﻟﻜﻞ ﻗﻴﻤﺔ ﻣﻦ ﻗﻴﻢ ﻫﺬﻳﻦ اﳌﺘﻐريﻳﻦ ﻧﻘﺎط اﻟﺘﻘـﺎء ﻋـﲆ اﻟـﻮﺗﺮ )أ د(‪ .‬وﻳـﺘﻢ ﺗﻌﻴـني ﻧﻘـﺎط‬
‫اﳌﺘﻐريﻳﻦ ً‬
‫إﺣﺪاﺛﻴﺎت اﳌﺘﻐريﻳﻦ ﻋﲆ ﻫﺬا اﻟﻮﺗﺮ‪ ،‬وﻳﺘﺤﺪد ﻣﻨﺤﻨﻰ ﻟﻮرﻧﺰ مبﺮﺑﻊ أﺿﻼﻋﻪ )أ‪ ،‬ب‪ ،‬ج‪ ،‬د( ‪ ،‬وﻫـﻮ ﻣﻘـﺴـﻮم‬
‫إﱃ ﻣﺜﻠﺜني ﻣﺸﱰﻛـني ﰲ اﻟﻮﺗﺮ )أ د( ﻫﺬا اﻟﻮﺗﺮ ميﺜﻞ اﻟﺘﻮزﻳﻊ اﻷﻣﺜﻞ‪ ،‬وﻫﻮ ﻳﻌﺮف ﺑﺨﻂ اﻟﺘﻮزﻳـﻊ‪ ،‬ﻓـﺈذا ﻛـﺎن‬
‫ﺗﻮزﻳﻊ اﻟﻈﺎﻫﺮة ميﻴﻞ إﱃ ميني اﻟﻮﺗﺮ )أد(؛ أي ﺑﺎﺗﺠﺎه اﻟﻨﻘﻄﺔ ب‪ ،‬ﻓﺈن ﻫﺬا اﳌﻴـﻞ ﻳﻌـﱪ ﻋـﻦ ﺳـﻮء اﻟﺘﻮزﻳـﻊ‪،‬‬
‫وﺑﻘﺪر ﻣﺎ ﻳﻜﻮن ﺗﻮزﻳﻊ اﻟﻈﺎﻫﺮة ﰲ اﳌﺜﻠﺚ اﻷﺳﻔﻞ أ‪ ،‬ب‪ ،‬ج ﻳﻜﻮن ﺳـﻮء ﺗﻮزﻳﻊ ﻫﺬه اﻟﻈـﺎﻫﺮة‪ ،‬ﻓﺈذا زادت‬
‫اﳌﺴـﺎﺣﺔ ﰲ ﻫﺬا اﻟﺠﺰء‪ ،‬دل ذﻟﻚ ﻋﲆ ﺷﺪة ﺳﻮء اﻟﺘﻮزﻳﻊ‪ ،‬أﻣـﺎ إذا ﺗﻘﻠـﺼﺖ إﱃ أدىن ﺣـﺪ أو اﺧﺘﻔـﺖ‪ ،‬دل‬
‫ذﻟﻚ ﻋﲆ ﺟﻮدة اﻟﺘﻮزﻳﻊ‪.‬‬
‫د‬ ‫أ‬

‫ﺟـ‬ ‫ب‬
‫‪-˺˹̂-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وﻳﺴﺘﺨﺪم ﻣﻨﺤﻨﻰ ﻟﻮرﻧﺰ ﰲ اﻟﻜﺜري ﻣﻦ اﻟﺘﻘﺎرﻳﺮ واﻟﺪراﺳﺎت اﻹﻋﻼﻣﻴﺔ ﻟﻮﺻﻒ ﺗﻮزﻳـﻊ ﻣﺮاﻓـﻖ اﻻﺗـﺼﺎل‬
‫ﺑني اﳌﻨﺎﻃﻖ اﳌﺨﺘﻠﻔﺔ‪ ،‬وﺑني اﻟﻔﺌﺎت اﻻﺟﺘامﻋﻴﺔ‪ ،‬وﻛﺬﻟﻚ ﺗﻮزﻳﻊ ﻣﺤﺘﻮى اﻻﺗﺼﺎل ﺣﺴﺐ ﻣﻌﺎﻳري اﻟﻨﻮﻋﻴـﺔ أو‬
‫اﻟﺠﻤﻬﻮر اﳌﺴﺘﻬﺪف‪ ...‬إﻟﺦ‪.‬‬

‫)د( اﻟﺪواﺋﺮ‪:‬‬

‫ﻛﺜ ًريا ﻣﺎ ﺗﺘﻔﻮق اﻟﺪواﺋﺮ ﻋﲆ ﻏريﻫﺎ ﻣﻦ وﺳﺎﺋﻞ اﻟﻌﺮض اﻟﺒﻴﺎين؛ ﻣﻦ ﺣﻴﺚ ﺗﻮﺿﻴﺢ اﻟﺒﻴﺎﻧﺎت ﺑﻜﻔﺎءة‬
‫ﻋﺎﻟﻴﺔ‪ ،‬ﻣﺜﺎل ذﻟﻚ ﺗﻮزﻳﻊ أﻓﺮاد اﳌﺠﺘﻤﻊ ﺣﺴﺐ اﻣﺘﻼك أﺟﻬﺰة اﻟﺮادﻳﻮ واﻟﺘﻠﻴﻔﺰﻳﻮن ‪ ،‬ﻟﻨﻔﺮض أن ﻣﺠﻤﻞ‬
‫ﺳﻜﺎن ﻫﺬا اﳌﺠﺘﻤﻊ ﻫﻮ ﻣﻠﻴﻮن ﺷﺨﺺ‪ ،‬وﺗﻢ إﺣﺼﺎء اﻟﺴﻜﺎن‪ ،‬وﺗﺒني أﻧﻬﻢ ﻳﺘﻮزﻋﻮن ﺣﺴﺐ اﻣﺘﻼك أﺟﻬﺰة‬
‫اﻟﺮادﻳﻮ واﻟﺘﻠﻴﻔﺰﻳﻮن ﻛﺎﻵيت‪:‬‬

‫‪ ٧٠٠٠٠٠‬ميﺘﻠﻜﻮن ﺟﻬﺎز رادﻳﻮ وﺟﻬﺎز ﺗﻠﻴﻔﺰﻳﻮن‬

‫‪ ١٨٠٠٠٠‬ميﺘﻠﻜﻮن ﺟﻬﺎز ﺗﻠﻴﻔﺰﻳﻮن ﻓﻘﻂ‬

‫‪ ١٢٠٠٠٠‬ميﺘﻠﻜﻮن ﺟﻬﺎز رادﻳﻮ ﻓﻘﻂ‬

‫ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ميﻜﻦ متﺜﻴﻞ ﺗﻠﻚ اﳌﻌﻄﻴﺎت ﺑﺎﻟﺪاﺋﺮة اﻟﺒﻴﺎﻧﻴﺔ‪ ،‬وذﻟﻚ ﺑﺘﻘﺴﻴﻢ اﻟﺪاﺋﺮة ﻋﲆ أﺳﺎس‬
‫ﻣﺴﺎوﻳﺎ ﻟﻌﺪد اﳌﺠﻤﻮﻋﺎت اﳌﻄﻠﻮب‬
‫ً‬ ‫اﻟﺰاوﻳﺔ اﳌﺮﻛﺰﻳﺔ ‪ ٣٦٠‬درﺟﺔ؛ ﺑﺤﻴﺚ ﻳﻜﻮن ﻟﺪﻳﻨﺎ ﻋﺪد ﻣﻦ اﻟﺰواﻳﺎ‬
‫متﺜﻴﻠﻬﺎ‪ ،‬وﰲ ﻣﺜﺎﻟﻨﺎ اﳌﺬﻛﻮر ﻓﺈن ﻟﺪﻳﻨﺎ ﺛﻼث ﻣﺠﻤﻮﻋﺎت‪ ،‬واﻹﺟامﱄ ﻫﻮ ﻣﻠﻴﻮن‪ ،‬ﻓﺘﻜﻮن‪:‬‬

‫زاوﻳﺔ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﻫﻲ‪٢٥٢ = (١٠٠٠٠٠٠ ÷ ٧٠٠٠٠٠) ٣٦٠ :‬‬

‫أﻣﺎ زاوﻳﺔ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ ﻓﻬﻲ‪٦٥ = (١٠٠٠٠٠٠ ÷ ١٨٠٠٠٠) ٣٦٠ :‬‬

‫وﺗﻜﻮن زاوﻳﺔ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ ‪٤٣ = (١٠٠٠٠٠٠ ÷ ١٢٠٠٠٠) ٣٦٠ :‬‬

‫)ميﻜﻨﻨﺎ اﻟﺘﺄﻛﺪ ﻣﻦ ﺻﺤﺔ ﻫﺬه اﻟﻌﻤﻠﻴﺔ إذا ﻛﺎن إﺟامﱄ اﻟﺰواﻳﺎ ‪ ٣٦٠‬درﺟﺔ(‪ .‬ﻫـﺬا ﻣﻌﻨـﺎه‬
‫أن اﳌﺠﻤﻮﻋﺔ اﻷوﱃ )اﻟﺘﻲ متﺘﻠﻚ ﺟﻬﺎز رادﻳﻮ وﺟﻬﺎز ﺗﻠﻴﻔﺰﻳﻮن( ﺗﺴﺘﻐﺮق ‪ ٢٥٢‬زاوﻳﺔ؛ أي ﻣﺎ‬
‫‪-˺˺˹-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻳﻌﺎدل ‪ %٧٠‬ﻣﻦ زواﻳﺎ اﻟﺪاﺋﺮة‪ .‬أﻣﺎ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ )اﻟﺘﻲ متﺘﻠﻚ ﺟﻬـﺎز ﺗﻠﻴﻔﺰﻳـﻮن ﻓﻘـﻂ( ﻓﺘـﺴﺘﻐﺮق ‪٦٥‬‬
‫ﺗﻘﺮﻳﺒﺎ ﻣﻦ زواﻳﺎ اﻟﺪاﺋﺮة‪ .‬وأﺧ ًريا‪ ،‬ﻓﺈن اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ )اﻟﺘﻲ متﺘﻠﻚ ﺟﻬﺎز رادﻳﻮ‬
‫زاوﻳﺔ؛ أي ﻣﺎ ﻳﻌﺎدل ‪ً %١٨‬‬
‫ﺗﻘﺮﻳﺒﺎ ﻣﻦ زواﻳﺎ اﻟﺪاﺋﺮة‪ .‬ﻫﺬه اﳌﻌﻄﻴﺎت ﺗﺘـﻀﺢ ﰲ اﻟـﺪاﺋﺮة‬
‫ﻓﻘﻂ( ﺗﺴﺘﻐﺮق ‪ ٤٣‬زاوﻳﺔ؛ أي ﻣﺎ ﻳﻌﺎدل ‪ً %١٢‬‬
‫اﻟﺒﻴﺎﻧﻴﺔ ﻛﺎﻵيت‪:‬‬

‫ومبﺠﺮد اﻟﻨﻈﺮ إﱃ اﻟﺪاﺋﺮة‪ ،‬ﻧﺘﺒني أن ‪ %٧٠‬ﻣﻦ أﻓﺮاد اﳌﺠﺘﻤﻊ ﻟﺪﻳﻬﻢ أﺟﻬﺰة رادﻳﻮ وﺗﻠﻴﻔﺰﻳـﻮن‪ ،‬ﻛـام أن‬
‫‪ %١٨‬ﻟﺪﻳﻬﻢ أﺟﻬﺰة ﺗﻠﻴﻔﺰﻳﻮن ﻓﻘﻂ‪ ،‬وﻻ ميﺘﻠﻜﻮن أﺟﻬﺰة رادﻳﻮ‪ ،‬ﻣﻘﺎﺑﻞ ‪ %١٢‬ﻟﺪﻳﻬﻢ أﺟﻬﺰة رادﻳﻮ ﻓﻘﻂ وﻻ‬
‫ميﺘﻠﻜﻮن أﺟﻬﺰة ﺗﻠﻴﻔﺰﻳﻮن‪.‬‬

‫وﺗﺠﺪر اﻹﺷﺎرة إﱃ أن ﺑﺮاﻣﺞ اﻟﺤﺎﺳﻮب اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة متﻜﻦ ﻣﻦ ﺗﻨﻔﻴﺬ ﺟﻤﻴﻊ اﻷﺷﻜﺎل اﻟﺒﻴﺎﻧﻴـﺔ‬
‫ً‬
‫وﺑـﺴﻴﻄﺎ؛ ﺑﺤﻴـﺚ‬ ‫ﺳـﻬﻼ‬
‫اﻟﺒﺴﻴﻄﺔ واﳌﻌﻘﺪة ﺑﺴﻬﻮﻟﺔ وﻳﴪ‪،‬ﻣﻊ اﻟﺘﺄﻛﻴﺪ ﻋﲆ ﴐورة أن ﻳﻜﻮن اﻟﺮﺳﻢ اﻟﺒﻴﺎين ً‬
‫ﻳﺪل ﻣﺒﺎﴍة ﻋﲆ اﳌﻮﺿﻮع اﻟﺬي ﻳﻌﱪ ﻋﻨﻪ‪ ،‬وأن ﻳﺴﺘﺨﺪم اﻟﺮﻣﻮز اﻟﴬورﻳﺔ ﻟﻠﺘﻮﺿﻴﺢ ﻓﻘـﻂ‪ ،‬وأن ﻳـﺼﺤﺐ‬
‫اﻟﺮﺳﻢ ﺗﻌﻠﻴﻖ ﴎدي ﻣﻮﺟﺰ ﻳﻮﺿﺢ اﻟﻔﻜﺮة‪.‬‬

‫‪-˺˺˺-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‬
‫وﺻﻒ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ واﻟﺘﺸﺘﺖ‬

‫ﺗﺘﻢ اﳌﻌﺎﻟﺠﺔ اﻹﺣﺼﺎﺋﻴﺔ اﻟﻮﺻﻔﻴﺔ ﺑﺎﺳﺘﺨﺪام ﻣﻘﺎﻳﻴﺲ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ وﻣﻘﺎﻳﻴﺲ اﻟﺘﺸﺘﺖ‪ ،‬وﻋﲆ ﻫﺬا‬
‫اﻷﺳﺎس‪ ،‬ﻓﺈن اﳌﺒﺤﺚ اﻟﺤﺎﱄ ﻳﺘﻀﻤﻦ ﻣﻄﻠﺒني‪ ،‬اﻷول ﻳﻮﺿﺢ ﻣﻘﺎﻳﻴﺲ اﻟﻨﺰﻋـﺔ اﳌﺮﻛﺰﻳـﺔ‪ ،‬أﻣـﺎ اﻟﺜـﺎين ﻓﻴﻮﺿـﺢ‬
‫ﻣﻘﺎﻳﻴﺲ اﻟﺘﺸﺘﺖ‪.‬‬

‫اﳌﻄﻠﺐ اﻷول‪ :‬ﻣﻘﺎﻳﻴﺲ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ‬

‫اﻟﻜﻤﻴﺔ اﻟﺨﺎﺻـﺔ ﺑﺎﳌﻮﺿـﻮع إﱃ‬

‫ّ‬ ‫اﻟﻨـﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ )‪ (Central Tendency‬ﻫﻲ ﻧﺰوع اﻟﺘﻜﺮارات أو اﻟﻘﻴﻢ‬
‫اﻻﻗﱰاب ﻣﻦ أو اﻻﺑﺘﻌﺎد ﻋﻦ اﻟﻘﻴﻤﺔ اﻟﻮﺳﻄﻰ أو ﻗﻴﻤﺔ اﳌﺮﻛﺰ‪ ،‬وﻫﻲ اﻟﻘﻴﻤـﺔ اﻟﺘـﻲ ﺗﺘﺠﻤـﻊ ﺣﻮﻟﻬـﺎ أﻛرثﻳـﺔ‬
‫اﻟﺘﻜﺮارا ت‪ ،‬ﻓﺈذا اﻓﱰﺿﻨﺎ أن ﻫﻨﺎك ﺗﻜﺮارات ﺗﻮﺿﺢ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻛﺒرية ﻣـﻦ ﻣـﺸﺎﻫﺪي اﻟﺘﻠﻴﻔﺰﻳـﻮن‬
‫ﻳﻮﻣﻴﺎ‪،‬‬
‫ﻳﻮﻣﻴﺎ ﰲ اﳌﺸﺎﻫﺪة‪ ،‬وﻛﺎن ﻣﺘﻮﺳﻂ ﺳﺎﻋﺎت اﳌﺸﺎﻫﺪة ﺳﺎﻋﺘني ّ‬
‫ﺣﺴﺐ ﻋﺪد اﻟﺴﺎﻋﺎت اﻟﺘﻲ ﻳﻘﻀﻮﻧﻬﺎ ّ‬
‫ﻓﺈن ﻏﺎﻟﺒﻴﺔ اﻟﻌﻴﻨﺔ ﺗﻜﻮن ﻗﺮﻳﺒﺔ ﻣﻦ ﻫﺬا )ﺳﺎﻋﺘني( ﺳﻮاء ﺑﺎﻟﺰﻳﺎدة أو ﺑﺎﻟﻨﻘﺼﺎن‪ ،‬ﺑﻴـﻨام ﻳﻜـﻮن ﻫﻨـﺎك ﻋـﺪد‬
‫ﻗﻠﻴﻞ ﻳﺸﺎﻫﺪ اﻟﺘﻠﻴﻔﺰﻳﻮن أﻗﻞ ﻣـﻦ ﺳـﺎﻋﺘني‪ ،‬وﻳﺘﻨـﺎﻗﺺ ﻫـﺬا اﻟﻌـﺪد ﺗـﺪرﻳﺠﻴّﺎ ﻛﻠـام اﺑﺘﻌـﺪﻧﺎ ﻋـﻦ اﻟﻮﺳـﻂ‬
‫اﻟﺤﺴﺎيب ﺑﺎﺗﺠﺎه ﺳﺎﻋﺎت اﳌﺸﺎﻫﺪة اﻷﻗﻞ‪ ،‬وﻫﻨﺎك ﻋﺪد ﻗﻠﻴﻞ آﺧﺮ ﻳـﺸﺎﻫﺪ اﻟﺘﻠﻴﻔﺰﻳـﻮن أﻛـرث ﻣـﻦ ﺳـﺎﻋﺘني‪،‬‬
‫ﺪرﻳﺠﻴﺎ ﻛﻠام اﺑﺘﻌﺪﻧﺎ ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﺑﺎﺗﺠﺎه ﺳﺎﻋﺎت اﳌﺸﺎﻫﺪة اﻷﻛـﱪ؛ أي‬
‫ّ‬ ‫أﻳﻀﺎ ﻳﺘﻨﺎﻗﺺ ﺗ‬
‫وﻫﺬا اﻟﻌﺪد ً‬
‫أن اﻟﻌﺪد اﻷﻛﱪ ﻣﻦ ﻣﻔﺮدات اﻟﻌﻴﻨﺔ ﻳﺘﺠﻤـﻊ ﺣـﻮل اﻟﻘﻴﻤـﺔ اﻟﺘـﻲ ﺗﻌـﱪ ﻋـﻦ ﻣﺘﻮﺳـﻂ ﺳـﺎﻋﺎت اﳌـﺸﺎﻫﺪة‬
‫ميﻴﻨﺎ أو ﻳﺴﺎ ًرا‪ ،‬وﻳﺘﻢ اﻟﺘﻌﺒري ﻋـﻦ ذﻟـﻚ‬
‫اﻟﻴﻮﻣﻴﺔ‪ ،‬وﻳﻘﻞ ﻫﺬا اﻟﺘﺠﻤﻊ ﺑﺎﻟﺘﺪرﻳﺞ ﻛﻠام اﺑﺘﻌﺪﻧﺎ ﻋﻦ اﳌﺘﻮﺳﻂ ً‬
‫مبﺎ ﻳﻌﺮف ﺑﺎﳌﻨﺤﻨﻰ اﻻﻋﺘﺪاﱄ )‪ (Normal Curve‬اﻟﺬي ﻳﻮﺿﺤﻪ اﻟﺮﺳﻢ اﻟﺘﺎﱄ‪:‬‬

‫‪-˺˺˻-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫‪3‬‬
‫‪-‬‬ ‫‪2‬‬
‫‪-‬‬ ‫‪1‬‬
‫‪-‬‬ ‫‪0‬‬ ‫‪+1‬‬ ‫‪+2‬‬ ‫‪+3‬‬

‫‪%٦٨‬‬
‫‪%٩٥‬‬
‫‪%٩٩‬‬

‫ﻓﺎﻟﻌﻤﻮد اﻟﺮأﳼ اﻟﻨﺎزل ﻣﻦ ﻣﻨﺘﺼﻒ ﻗﻤﺔ اﳌﻨﺤﻨﻰ إﱃ ﻣﻨﺘﺼﻒ اﻟﻘﺎﻋﺪة ميﺜﻞ اﻟﻘﻴﻤـﺔ اﻟﻮﺳـﻄﻰ اﻟﺘـﻲ‬
‫ﺗﱰﻛﺰ ﺣﻮﻟﻬﺎ ﻣﻌﻈﻢ اﻟﻘﻴﻢ‪ ،‬وﻫﺬا اﻟﻌﻤﻮد ﻳﻘﺴﻢ ﻗﺎﻋﺪة اﳌﻨﺤﻨﻰ إﱃ ﺟـﺰأﻳﻦ‪ ،‬ﻛـﻞ ﺟـﺰء ﻳﺘﻜـﻮن ﻣـﻦ ﺛـﻼث‬
‫وﺣﺪات ﻗﻴﻤﺔ ﻛﻞ ﻣﻨﻬﺎ اﻧﺤﺮاف ﻣﻌﻴﺎري واﺣﺪ )اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻫﻮ اﻻﻧﺤﺮاف ﻋـﻦ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب(‪،‬‬
‫ﻓﺎﻟﺠﺰء اﻷﻳﴪ )‪ (٣ - ،٢- ،١-‬اﻧﺤﺮاف ﻣﻌﻴﺎري‪ ،‬أﻣﺎ اﻟﺠـﺰء اﻷميـﻦ ﻓﻬـﻮ )‪ (٣ + ،٢+ ،١+‬اﻧﺤـﺮاف ﻣﻌﻴـﺎري‪،‬‬
‫وﻣﻦ ﺧﺼﺎﺋﺺ اﳌﻨﺤﻨﻰ اﻻﻋﺘﺪاﱄ أن‪:‬‬

‫ﺗﻘﺮﻳﺒﺎ )وﺑﺎﻟﺘﺤﺪﻳﺪ ‪ (%٦٨.٢٦‬ﻣﻦ اﻟﻘﻴﻢ ﺗﻘﻊ ﺑني )– ‪ (١‬و )‪ (١ +‬اﻧﺤﺮاف ﻣﻌﻴﺎري ﻋﲆ ﻳـﺴﺎر‬
‫ً‬ ‫‪%٦٨‬‬
‫وميني اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‬

‫ﺗﻘﺮﻳﺒﺎ )وﺑﺎﻟﺘﺤﺪﻳﺪ ‪ (%٩٥.٤٤‬ﻣﻦ اﻟﻘﻴﻢ ﺗﻘﻊ ﺑني )– ‪ (٢‬و )‪ (٢ +‬اﻧﺤﺮاف ﻣﻌﻴﺎري ﻋـﲆ ﻳـﺴﺎر‬
‫ً‬ ‫‪%٩٥‬‬
‫وميني اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‬

‫ﺗﻘﺮﻳﺒﺎ )وﺑﺎﻟﺘﺤﺪﻳﺪ ‪ (%٩٩.٧٤‬ﻣﻦ اﻟﻘﻴﻢ ﺗﻘﻊ ﺑني )– ‪ (٣‬و )‪ (٣ +‬اﻧﺤﺮاف ﻣﻌﻴـﺎري ﻋـﲆ ﻳـﺴﺎر‬
‫ً‬ ‫‪%٩٩‬‬
‫وميني اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‬

‫ﻏري أن ﻫﺬا اﻟﺘﻮزﻳﻊ ﻫﻮ ﺗﻮزﻳﻊ ﻧﻈﺮي ﻣﺜﺎﱄ‪ ،‬وﰲ اﻟﻜﺜري ﻣـﻦ اﻟﺒﺤـﻮث ﻻ ﻧﺤـﺼﻞ ﻋـﲆ‬
‫ﴐورﻳـﺎ ﻟـﻴﺲ ﻓﻘــﻂ ﻟﻮﺻـﻒ‬
‫ّ‬ ‫متﺎﻣﺎ‪ ،‬ﻟﻜﻦ ﻣﻌﺮﻓﺔ ﺷﻜﻞ اﻟﺘﻮزﻳـﻊ ﻳﻜـﻮن‬
‫ﺗﻮزﻳﻌﺎت اﻋﺘﺪاﻟﻴﺔ ً‬

‫‪-˺˺˼-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﺒﻴﺎﻧﺎت ﺑﺸﻜﻞ ﻣﺒﺴﻂ وواﺿﺢ‪ ،‬وإمنﺎ أﻳﻀﺎ ﻟﺘﻘﺮﻳﺮ اﺳﺘﺨﺪام أو ﻋﺪم اﺳﺘﺨﺪام أﺳﺎﻟﻴﺐ إﺣﺼﺎﺋﻴﺔ ﻣﻌﻴﻨـﺔ‪.‬ﰲ‬
‫أﺳﺎﺳﻴﺎ‪ ،‬وﻣﻦ أﺑـﺮز ﺗﻠـﻚ اﳌﻘـﺎﻳﻴﺲ‬
‫ّ‬ ‫ﻫﺬا اﻹﻃﺎر ﺗﻠﻌﺐ ﻣﻘﺎﻳﻴﺲ اﻟﻨـﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ )‪ (Central Tendency‬دو ًرا‬
‫اﻟﻮﺳﻂ اﻟﺤﺴﺎيب )‪ ،(Arithmetic Mean‬اﻟﻮﺳﻴﻂ )‪ ،(Median‬اﳌﻨﻮال )‪ ،(Mode‬اﻟﻮﺳﻂ اﻟﻬﻨﺪﳼ ) ‪Geometric‬‬
‫ﺷـﻴﻮﻋﺎ‬
‫ً‬ ‫‪ ،(Mean‬اﻟﻮﺳـﻂ اﻟﺘـﻮاﻓﻘﻲ )‪(Harmonic Mean‬؛ وﻧﻈـ ًﺮا ﻷن اﳌﻘـﺎﻳﻴﺲ اﻟﺜﻼﺛـﺔ اﻷوﱃ ﻫـﻲ اﻷﻛـرث‬
‫وﺗﻨﺎﺳﺐ ﺑﺤﻮث اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ‪ ،‬ﻓﺴﻮف ﻧﺸري إﻟﻴﻬﺎ ﺑﺈﻳﺠﺎز‪:‬‬

‫ً‬
‫أوﻻ‪ :‬اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‬

‫ﺷـﻴﻮﻋﺎ ﰲ اﻻﺳـﺘﺨﺪام‪ ،‬وﺗﻌﺘﻤـﺪ ﻋﻠﻴـﻪ ﻣﻘـﺎﻳﻴﺲ‬

‫ً‬ ‫وﻫﻮ ﻣﻦ أﺑـﺴﻂ ﻣﻘـﺎﻳﻴﺲ اﻟﻨﺰﻋـﺔ اﳌﺮﻛﺰﻳـﺔ وأﻛرثﻫـﺎ‬
‫ﻣﺘﻌﺪدة ﺧﺎﺻﺔ ﺗﻠﻚ اﻟﺘﻲ ﺗﺮﺻﺪ وﺗﺤﻠﻞ اﻟﻔﺮوق اﻟﻘﺎمئﺔ ﺑني اﳌﺠﻤﻮﻋﺎت ﰲ ﺻﻔﺔ ﻣﻌﻴﻨـﺔ أو ﺳـﻠﻮك ﻣﻌـني‪.‬‬
‫وﰲ ﺑﺤﻮث اﻻﺗﺼﺎل ﻳﺴﺘﺨﺪم اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻋﲆ ﻧﻄﺎق واﺳﻊ ﻟﺮﺻﺪ وﺗﺤﻠﻴﻞ اﺳﺘﺠﺎﺑﺎت اﳌﻔﺤﻮﺻني ﻋﲆ‬
‫اﳌﻘﺎﻳﻴﺲ واﻻﺧﺘﺒﺎرات واﻻﺳﺘﺒﺎﻧﺎت‪ .‬ﻓﻘﺪ ﻳﻜﻮن ﻫﻨﺎك ﻣﻘﻴﺎس ﻳﻘﻴﺲ ﻋﻼﻗﺔ اﳌﺸﺎﻫﺪ ﺑﺎﻟﺘﻠﻴﻔﺰﻳﻮن أو اﺧﺘﺒﺎر‬
‫ﻳﻘﻴﺲ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ ﻟﺪى ﻣﺸﺎﻫﺪي اﻟﺘﻠﻴﻔﺰﻳـﻮن أو ﻣـﺴﺘﻤﻌﻲ اﻟﺮادﻳـﻮ أو ﻗـﺮاء اﻟـﺼﺤﻒ‪ ..‬وﻳﺘـﻀﻤﻦ‬
‫ﻛﻤﻴـﺔ ﻣﻌﻴﻨـﺔ ‪Quantitative‬‬
‫ﻗـﻴام ّ‬
‫اﳌﻘﻴﺎس أو اﻻﺧﺘﺒﺎر ﻣﺠﻤﻮﻋﺔ ﻣـﻦ اﻟﺒﻨـﻮد اﻟﺘـﻲ ﻟﻬـﺎ اﺳـﺘﺠﺎﺑﺎت ﺗﺄﺧـﺬ ً‬
‫اﻟﻜﻤﻴـﺔ ميﻜـﻦ اﻟﺤـﺼﻮل ﻋـﲆ ﻣﺘﻮﺳـﻂ درﺟـﺔ اﻟﻌﻴﻨـﺔ ﻋـﲆ اﳌﻘﻴـﺎس‬
‫ّ‬ ‫)‪ ،(values‬وﺑﺎﺳﺘﺨﺪام ﻫـﺬه اﻟﻘـﻴﻢ‬
‫أو اﻻﺧﺘﺒﺎر‪.‬‬

‫أﻳﻀﺎ ﻣﺘﻐريات ﺗﺠﻤﻴﻌﻴﺔ‪ ،‬مبﻌﻨﻰ ﺗﻠﻚ اﳌﺘﻐريات اﻟﺘـﻲ ﻳـﺘﻢ إﻋـﺪادﻫﺎ ﺑﺤﻴـﺚ ﺗـﺸﻤﻞ ﻣﺘﻐـريات‬
‫وﻫﻨﺎك ً‬
‫ﻓﺮﻋﻴﺔ ﻛﺜرية ﻳﺘﻢ ﺗﺠﻤﻴﻌﻬﺎ ﰲ ﻣﺘﻐري واﺣﺪ ﻳﺴﻤﻰ )اﳌﺘﻐري اﻟﺘﺠﻤﻴﻌﻲ(‪ ،‬ﻣﺜﺎل ﻋـﲆ ذﻟـﻚ ﻣﺘﻐـري )اﳌـﺴﺘﻮى‬
‫اﻻﻗﺘﺼﺎدي اﻻﺟﺘامﻋﻲ(‪ ،‬وﻛﺬﻟﻚ ﻣﺘﻐري )ﻣﻌﺪل اﻟﺘﻌﺮض ﻟﻮﺳﺎﺋﻞ اﻹﻋـﻼم(‪ ،....‬ﻓﻤﺘﻐـري اﳌـﺴﺘﻮى اﻻﻗﺘـﺼﺎدي‬
‫ﻣﺜﻼ ﻳﺘﻀﻤﻦ ﻣﺆﴍات ﻋﺪﻳﺪة ﻣﺜﻞ‪ :‬اﻟﺪﺧﻞ‪ ،‬اﻟﺘﻌﻠﻴﻢ ‪ ،‬ﻣﻨﻄﻘﺔ اﻟﺴﻜﻦ ‪ ،‬اﻻﺷﱰاك ﰲ ﻧﺎدي ﺛﻘﺎﰲ‪،‬‬
‫اﻻﺟﺘامﻋﻲ ً‬
‫اﻣﺘﻼك اﻷﺟﻬﺰة اﻟﺤﺪﻳﺜﺔ ‪ ...‬إ ﻟﺦ‪ ،‬ﻛـام أن ﻣﺘﻐـري ﻣﻌـﺪل اﻟﺘﻌـﺮض ﻟﻮﺳـﺎﺋﻞ اﻹﻋـﻼم ﻳـﺸﻤﻞ اﻟﻮﻗـﺖ اﻟـﺬي‬
‫ﻳﻘﻀﻴﻪ اﻟﻔﺮد ﰲ ﺳامع اﻹذاﻋﺔ‪ ،‬ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﻗﺮاءة اﻟـﺼﺤﻒ‪ ،‬اﺳـﺘﺨﺪام اﻹﻧﱰﻧـﺖ‪ ...‬إﻟـﺦ‪ ،‬وﻳـﺘﻢ‬

‫‪-˺˺˽-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﻜﻤﻴ ـﺔ ﻻﺳــﺘﺠﺎﺑﺎت اﳌﺒﺤــﻮﺛني ﻋــﲆ ﺑﻨــﻮد أو ﺟﻮاﻧــﺐ ﻣﻘﻴــﺎس اﳌــﺴﺘﻮى اﻻﻗﺘــﺼﺎدي‬

‫ّ‬ ‫)ﺗﺠﻤﻴــﻊ( اﻟﻘــﻴﻢ‬
‫ﺛﻢ ﻧﺤﺼﻞ ﻋﲆ ﻣﺘﻮﺳﻂ درﺟﺔ ﻫﺆﻻء اﳌﺒﺤﻮﺛني ﻋﲆ ﻫﺬا اﳌﻘﻴﺎس‪ ،‬وﻟﺬﻟﻚ ﻳﺘﻢ ﺗﺼﻨﻴﻔﻬﻢ‬
‫اﻻﺟﺘامﻋﻲ؛ وﻣﻦ ّ‬
‫ﺣﺴﺐ اﳌﺴﺘﻮى اﻻﻗﺘﺼﺎدي اﻻﺟﺘامﻋﻲ‪ ..‬اﳌﻨﻄﻖ ﻧﻔﺴﻪ ﻓﻴام ﻳﺨﺺ ﻣﻌﺪل اﻟﺘﻌﺮض ﻟﻮﺳﺎﺋﻞ اﻹﻋﻼم‪.‬‬

‫وﻛﺜريًا ﻣﺎ ﻳﺘﻄﻠﺐ اﻟﺒﺤﺚ اﻹﻋﻼﻣﻲ ﻣﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني اﳌﻔﺤﻮﺻني؛ ﻣﻦ ﺣﻴﺚ اﺳﺘﺨﺪام وﺳﺎﺋﻞ‬
‫اﻹﻋﻼم ﺣﺴﺐ اﳌﺴﺘﻮى اﻻﻗﺘﺼﺎدي اﻻﺟﺘامﻋﻲ )ﻛﻜﻞ وﻟﻴﺲ ﺣﺴﺐ ﻛﻞ ﻣﺆﴍ ﻋﲆ ﺣﺪة(‪ ،‬وﰲ ﻫﺬا اﻟﺤﺎﻟﺔ‬
‫ﻳﺘﻢ ﺗﺼﻨﻴﻒ اﻟﻌﻴﻨﺔ ﺣﺴﺐ اﳌﺴﺘﻮى اﻻﻗﺘﺼﺎدي اﻻﺟﺘامﻋﻲ )ﻣﻨﺨﻔﺾ‪ ،‬ﻣﺘﻮﺳﻂ‪ ،‬ﻣﺮﺗﻔـﻊ(‪ ،‬وﻳـﺘﻢ اﺳـﺘﺨﺮاج‬
‫ﺛـﻢ ميﻜـﻦ اﳌﻘﺎرﻧـﺔ ﺑـني‬
‫اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻻﺳﺘﺠﺎﺑﺎت اﻟﻌﻴﻨﺔ ﻋﲆ ﻣﻘﻴﺎس اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ اﻹﻋـﻼم؛ وﻣـﻦ ّ‬
‫ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ وﻣﻌﺮﻓﺔ ﻣﺎ إذا ﻛﺎﻧﺖ ﺑﻴﻨﻬﺎ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﰲ اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم ﺣﺴﺐ اﳌـﺴﺘﻮى‬
‫ﺑﻨـﻮدا ﻣﺘﻌـﺪدة ﻟﻘﻴـﺎس‬
‫اﻻﻗﺘﺼﺎدي اﻻﺟﺘامﻋﻲ‪ ،‬ﻛام أن ﺑﺤﻮث اﻹﻋﻼم ﻛﺜ ًريا ﻣﺎ ﺗﺴﺘﺨﺪم ﻣﻘـﺎﻳﻴﺲ ﺗﺘـﻀﻤﻦ ً‬
‫ﻣﻮﺿﻮع واﺣﺪ ﳌﻌﺮﻓﺔ ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﻔﺤﻮﺻني ﻋﲆ اﳌﻘﻴﺎس ﻛﻜﻞ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﺗﺒﺪو ﴐورة رﺻـﺪ وﺗﺤﻠﻴـﻞ‬
‫ﻣﺘﻮﺳﻂ ﻣﺠﻤﻞ اﺳﺘﺠﺎﺑﺎت اﻟﻌﻴﻨﺔ ﻋﲆ ﺗﻠﻚ اﻟﺒﻨﻮد ﻣﺠﺘﻤﻌﺔ وﻟﻴﺲ ﻋﲆ ﻛﻞ ﺑﻨﺪ مبﻔﺮده‪ .‬ﻛﻤﺜﺎل ﻋـﲆ ذﻟـﻚ‬
‫ﺗﻠﻴﻔﺰﻳﻮﻧﻴـﺎ‪ ،‬ﻛـﺎن‬
‫ّ‬ ‫ﺑﺮﻧﺎﻣﺠـﺎ‬
‫ً‬ ‫ﻧﻔﺮض أن ﻟﺪﻳﻨﺎ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ ٤٠٠‬ﻣﻔﺮدة وأﺟﺎﺑﻮا ﻋﲆ ﻣﻘﻴﺎس ﻳﺘﻀﻤﻦ ﻋـﴩﻳﻦ‬
‫اﳌﻄﻠﻮب ﻣﻦ ﻛﻞ ﻣﻔﺤﻮص أن ﻳﺨﺘﺎر إﺟﺎﺑﺔ واﺣﺪة ﻣﻦ اﻹﺟﺎﺑﺎت اﻟﺜﻼث اﻵﺗﻴﺔ ﺑﺸﺄن ﻛﻞ ﺑﺮﻧﺎﻣﺞ‪:‬‬
‫‪ -‬ﻳﺸﺎﻫﺪ ﺑﺼﻔﺔ ﻣﻨﺘﻈﻤﺔ‪.‬‬
‫‪ -‬ﻳﺸﺎﻫﺪ ﺑﺼﻔﺔ ﻏري ﻣﻨﺘﻈﻤﺔ‪.‬‬
‫‪ -‬ﻻ ﻳﺸﺎﻫﺪ‪.‬‬

‫أرﻗﺎﻣـﺎ‬
‫ً‬ ‫وﻋﻨﺪ ﺗﻜﻮﻳﺪ أو ﺗﺮﻣﻴﺰ ﺗﻠﻚ اﻻﺳﺘﺠﺎﺑﺎت‪ ،‬ﻳﺮاﻋﻰ أن ﺗﺘﺨﺬ ﻫﺬه اﻻﺳﺘﺠﺎﺑﺎت اﻟﺜﻼث‬
‫ﻣﺘﺪرﺟﺔ ﺗﻨﺎزﻟﻴﺔ )‪ (١ ،٢ ،٣‬ﻋـﲆ اﻟﺘـﻮاﱄ‪ ،‬وﻟـﻴﺲ )‪ ..(٣ ،٢ ،١‬اﳌﻨﻄـﻖ ﰲ ذﻟـﻚ أن اﳌـﺸﺎﻫﺪة‬
‫ﺑﺼﻔﺔ ﻣﻨﺘﻈﻤﺔ ﺗﻜـﻮن أﻛـﱪ ﻣـﻦ اﳌـﺸﺎﻫﺪة ﺑـﺼﻔﺔ ﻏـري ﻣﻨﺘﻈﻤـﺔ‪ ،‬ﻛـام أن اﳌـﺸﺎﻫﺪة ﻏـري‬

‫‪-˺˺˾-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﳌﻨﺘﻈﻤﺔ ﺗﻔﻮق ﻋﺪم اﳌﺸﺎﻫﺪة‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻻ ﺑﺪ أن ﺗﻌﻜﺲ اﻷرﻗﺎم ﻫﺬه اﻟﺤﻘﻴﻘﺔ‪ ،‬مبﻌﻨـﻰ أن اﻟـﺮﻗﻢ اﻟـﺪال‬
‫ﻋﲆ اﳌﺸﺎﻫﺪة اﳌﻨﺘﻈﻤﺔ ﻳﻜﻮن أﻛﱪ ﻣﻦ اﻟﺮﻗﻢ اﻟﺪال ﻋﲆ اﳌﺸﺎﻫﺪة ﻏري اﳌﻨﺘﻈﻤﺔ‪ ،‬ﻛام أن اﻟﺮﻗﻢ اﻟﺪال ﻋﲆ‬
‫اﳌﺸﺎﻫﺪة ﻏري اﳌﻨﺘﻈﻤﺔ ﻻ ﺑﺪ أن ﻳﻜﻮن أﻛﱪ ﻣﻦ اﻟﺮﻗﻢ اﻟﺪال ﻋﲆ ﻋﺪم اﳌﺸـﺎﻫﺪة‪ ،‬وﺑـﺪون ﻣﺮاﻋـﺎة ذﻟـﻚ‪،‬‬
‫متﺎﻣﺎ )وﻫﺬا اﻟﺨﻄﺄ ﻳﻘﻊ ﻓﻴﻪ اﻟﻜﺜري ﻣﻦ اﻟﺒﺎﺣﺜني(‪.‬‬
‫ﻓﺈن اﻟﻨﺘﺎﺋﺞ ﺗﺄيت ﻣﻀﻠﻠﺔ ً‬
‫إن اﻷرﻗﺎم )‪ (1 ،2 ،3‬ﻫﻲ اﻟﺘﻲ ﻳﺘﻌﺎﻣﻞ ﻣﻌﻬﺎ اﻹﺣﺼﺎء‪ ،‬وﺑﻨﺎء ﻋﲆ ﺗﻠﻚ اﻷرﻗﺎم‪ ،‬ﻓﺈن اﻟﺪرﺟﺔ اﻟﺘﻲ ﺗﻌﻜﺲ‬
‫اﺳﺘﺠﺎﺑﺎت اﳌﻔﺤﻮﺻني ﻋـﲆ اﳌﻘﻴـﺎس اﳌـﺬﻛﻮر ﺗـﱰاوح ﻣـﺎ ﺑـني )‪ (20‬إﱃ )‪(60‬؛ وذﻟـﻚ ﻷن اﳌﻘﻴـﺎس ﻳﺘﻀـﻤﻦ‬
‫ﺑﻨﺪا‪ ،‬ﻛﻞ ﺑﻨﺪ ﻳﻌﱪ ﻋﻦ ﺑﺮﻧﺎﻣﺞ ﺗﻠﻴﻔﺰﻳﻮين ﻣﻌني؛ أي أن ﻛﻞ ﻣﻔﺤﻮص ﺳﻴﺤﺼﻞ ﻋﲆ درﺟﺔ ﻻ ﺗﻘﻞ ﻋـﻦ‬
‫ﻋﴩﻳﻦ ً‬
‫‪ 20‬وﻻ ﺗﺰﻳﺪ ﻋﲆ ‪ ،60‬وﻟيك ﻧﻔﻬﻢ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻋﲆ ﻧﺤﻮ أﻓﻀﻞ‪ ،‬ﻧﻮﺿﺢ ﻓﻴام ﻳﲇ أﻫﻢ ﻃﺮق ﺣﺴﺎﺑﻪ‪:‬‬

‫)أ( ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻣﻦ اﻟﺒﻴﺎﻧﺎت ﻏري اﳌﺒﻮﺑﺔ‪:‬‬

‫إذا ﻛﺎن ﻟﺪى اﻟﺒﺎﺣﺚ ﻗﻴﻢ ﻛﻤﻴّﺔ ﻋﺒﺎرة ﻋﻦ ﺑﻴﺎﻧﺎت ﻏري ﻣﺒﻮﺑـﺔ ﰲ ﺟـﺪول‪ ،‬ﻓـﺈن اﻟﻮﺳـﻂ اﻟﺤﺴـﺎيب ﻫـﻮ‬
‫ﻣﻘﺴﻮﻣﺎ ﻋﲆ ﻋﺪدﻫﺎ‪.‬إﻧﻪ ﻧﺎﺗﺞ ﻗﺴﻤﺔ اﳌﺠﻤﻮع اﻟﺠﱪي ﻟﻬﺬه اﻟﻘﻴﻢ‪ ،‬وﻣﻌﺎدﻟﺘـﻪ‬
‫ً‬ ‫ﺣﺎﺻﻞ ﻣﺠﻤﻮع ﻫﺬه اﻟﻘﻴﻢ‬
‫ﻫﻲ‪:‬‬

‫)س‪ + 1‬س‪ + 2‬س‪ + 3‬س ‪....+4‬س ن(‬ ‫م =‬

‫)ﻣﺠـ س(‬ ‫=‬

‫=‬

‫ﺣﻴﺚ إن‪:‬‬

‫م ‪ :‬ﻫﻮ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‬

‫ن‪ :‬ﻋﺪد اﻷﻓﺮاد )ﺣﺠﻢ اﻟﻌﻴﻨﺔ(‬

‫‪116‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫س‪ :‬ﻗﻴﻢ اﳌﻔﺮدات‬

‫ﻣﺠـ س‪ :‬إﺟامﱄ ﻗﻴﻢ اﳌﻔﺮدات‬

‫ﻓــــﺈذا ﻛــــﺎن ﻟــــﺪﻳﻨﺎ ﺛﻼﺛــــﺔ أﻋــــﺪاد ﻫــــﻲ ‪ 38،54،26 :‬ﻓــــﺈن اﻟﻮﺳــــﻂ اﻟﺤﺴــــﺎيب ﻳﺴــــﺎوي‬
‫‪39.3 = 3 ÷ 26 + 54 + 38‬‬

‫وإذا ﻛﺎن ﻟﺪﻳﻨﺎ ﻋﻴﻨﺔ ﻣﻦ ‪ 500‬ﺷﺨﺺ وﻃﺒﻖ ﻋﻠﻴﻬﻢ ﻣﻘﻴـﺎس ﻣﻌـني‪ ،‬ﻓـﺈن ﻛـﻞ ﺷـﺨﺺ ﺳﻴﺤﺼـﻞ ﻋـﲆ‬
‫درﺟﺔ ﻣﻌﻴﻨﺔ ﺣﺴﺐ اﺳﺘﺠﺎﺑﺎﺗﻪ ﻋـﲆ ﺑﻨـﻮد اﳌﻘﻴـﺎس‪ ،‬ﻓـﺈذا ﺟﻤﻌﻨـﺎ درﺟـﺎت ﺟﻤﻴـﻊ اﻷﺷـﺨﺎص وﻗﺴـﻤﻨﺎ‬
‫اﳌﺠﻤﻮع ﻋﲆ ‪ ،500‬ﻳﻜﻮن اﻟﻨﺎﺗﺞ ﻫﻮ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب؛ أي ﻣﺘﻮﺳﻂ درﺟﺔ اﺳﺘﺠﺎﺑﺔ اﻟﻌﻴﻨﺔ ﻋﲆ اﳌﻘﻴﺎس‪.‬‬

‫)ب( ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻣﻦ ﺗﻜﺮارات اﻷﻋﺪاد اﳌﻨﻔﺼﻠﺔ‪:‬‬

‫ﻛﺜ ًريا ﻣﺎ ﻳﻜﻮن ﻟﺪى اﻟﺒﺎﺣﺚ ﺑﻴﺎﻧﺎت ﻋﺒﺎرة ﻋﻦ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻷﻋﺪاد اﳌﻨﻔﺼﻠﺔ )متﺜﻞ ﺣـﺎﻻت ﻣﻌﻴﻨـﺔ(‪،‬‬
‫وﻟﻜﻞ ﻋﺪد أو ﺣﺎﻟﺔ ﺗﻜﺮار ﻣﻌني‪ ،‬وﻫﻨﺎ ميﻜﻦ اﻟﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻣﻦ ﺧﻼل ﴐب ﻛـﻞ ﻋـﺪد ﰲ‬
‫اﻟﺘﻜﺮارات اﻟﺨﺎﺻﺔ ﺑﻪ‪ ،‬ﺛﻢ ﺟﻤﻊ اﻟﻨﺎﺗﺞ وﻗﺴﻤﺘﻪ ﻋﲆ ﻋﺪد اﻟﺤﺎﻻت‪ ،‬ﻣﺜﺎل ذﻟﻚ ﺟﺪول ﺗﻜﺮاري ﻳﻮﺿﺢ ﻋﺪد‬
‫اﻹﻋﻼﻧﺎت )ن( وأﻣﺎم ﻛﻞ ﻣﻨﻬﺎ ﻋﺪد اﻟﻘﺮاء اﻟﺬﻳﻦ أﻃﻠﻌﻮا ﻋﻠﻴﻪ )ك(‪ .‬إن اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻟﻬﺬا اﻟﺠﺪول ﻳـﺘﻢ‬
‫ﻣــﻦ ﺧــﻼل ﴐب ﻋــﺪد اﻹﻋﻼﻧــﺎت ﰲ ﻋــﺪد اﻟﻘــﺮاء اﳌﻘﺎﺑــﻞ ﻟــﻪ‪ ،‬ﺛــﻢ ﻧﺠﻤــﻊ اﻟﻨــﺎﺗﺞ وﻧﻘﺴــﻤﻪ ﻋــﲆ ﻋــﺪد‬
‫اﻹﻋﻼﻧﺎت؛أي أن اﳌﻌﺎدﻟﺔ اﳌﺴﺘﺨﺪﻣﺔ ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻫﻲ‪:‬‬

‫ﺣﻴﺚ‪ :‬م‪ :‬اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‬

‫س‪ :‬ﻗﻴﻤﺔ اﻟﻔﺌﺔ‬
‫ن‪ :‬ﻋﺪد اﻟﺤﺎﻻت‬ ‫‪،‬‬ ‫ك‪ :‬ﺗﻜﺮار اﻟﻔﺌﺔ‬

‫‪117‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻣﺜﺎل‪ :‬ﰲ دراﺳﺔ اﺳـﺘﺨﺪﻣﺖ ﻣﺠﻤﻮﻋـﺔ اﻟﻨﻘـﺎش اﳌﺮﻛـﺰة ﺣـﻮل ﻗـﺮاءة اﻹﻋﻼﻧـﺎت اﳌﻨـﺸﻮرة ﺑﺎﻟـﺼﺤﻒ‬
‫اﻟﻴﻮﻣﻴﺔ‪ ،‬ﺣﺼﻠﺖ اﻟﺒﺎﺣﺜﺔ ﻋﲆ اﻟﻨﺘﻴﺠﺔ اﳌﺒﻴﻨﺔ ﺑﺎﻟﺠﺪول اﻵيت‪:‬‬
‫ﻋﺪد اﻟﻘﺮاء‬ ‫ﻋﺪد اﻹﻋﻼﻧﺎت‬
‫‪١٣‬‬ ‫‪٥‬‬
‫‪١٤‬‬ ‫‪٧‬‬
‫‪١٢‬‬ ‫‪٨‬‬
‫‪١٥‬‬ ‫‪٩‬‬
‫‪١١‬‬ ‫‪١٠‬‬

‫إﻋﻼﻧﺎ؛ أي أن ﻗﻴﻤﺔ )ن( = ‪ ٣٩‬وﺗﺘـﻮزع ﻫـﺬه اﻹﻋﻼﻧـﺎت ﺣـﺴﺐ‬

‫إن إﺟامﱄ ﻋﺪد اﻹﻋﻼﻧﺎت ﻫﻮ )‪ً (٣٩‬‬
‫ﺷﺨـﺼﺎ‪ ،‬وﻫﻨـﺎك‬
‫ً‬ ‫ﻋﺪد اﻟﻘﺮاء اﻟﺬﻳﻦ اﻃﻠﻌﻮا ﻋﻠﻴﻬﺎ‪ ،‬ﻓﻬﻨﺎك ﺧﻤﺴﺔ إﻋﻼﻧﺎت ﺑﻠﻎ ﻋـﺪد اﻟـﺬﻳﻦ ﻗﺮؤوﻫـﺎ )‪(١٣‬‬
‫ﺷﺨﺼﺎ‪ ..‬وﻫﻜﺬا‪ ،‬ﻓﺈذا رﻣﺰﻧﺎ إﱃ ﻋﺪد اﻹﻋﻼﻧﺎت ﺑﺎﻟﺮﻣﺰ )س(‪،‬‬
‫ﺳﺒﻌﺔ إﻋﻼﻧﺎت ﺑﻠﻎ ﻋﺪد اﻟﺬﻳﻦ ﻗﺮؤوﻫﺎ )‪ً (١٤‬‬
‫وإﱃ اﻟﺘﻜﺮارات )ﻋﺪد اﻟﻘﺮاء( ﺑﺎﻟﺮﻣﺰ )ك(‪ ،‬ﻓﺈﻧﻪ ﻋﻨﺪ ﴐب ﻛﻞ ﻋﺪد ﻣﻦ اﻹﻋﻼﻧﺎت ﰲ اﻟﺘﻜﺮارات اﳌﻨـﺎﻇﺮة‬
‫ﻟﻪ ﻧﺤﺼﻞ ﻋﲆ اﻟﺠﺪول اﻵيت‪:‬‬
‫ﻋﺪد اﻟﻘﺮاء‬ ‫ﻋﺪد اﻹﻋﻼﻧﺎت‬
‫س×ك‬
‫)ك(‬ ‫)س(‬
‫‪٦٥‬‬ ‫‪١٣‬‬ ‫‪٥‬‬
‫‪٩٨‬‬ ‫‪١٤‬‬ ‫‪٧‬‬
‫‪٩٦‬‬ ‫‪١٢‬‬ ‫‪٨‬‬
‫‪١٣٥‬‬ ‫‪١٥‬‬ ‫‪٩‬‬
‫‪١١٠‬‬ ‫‪١١‬‬ ‫‪١٠‬‬
‫‪٥٠٤‬‬ ‫اﳌﺠﻤـــــﻮع‬

‫إن ﻣﺠﻤﻮع )س × ك( ﻫﻮ )‪ ،(٥٠٤‬ومبﺎ أن ﻋﺪد اﻹﻋﻼﻧﺎت )ن( = ‪ ،٣٩‬ﻓﻴﻜﻮن اﻟﻮﺳﻂ اﻟﺤـﺴﺎيب‪٥٠٤ :‬‬
‫ﺗﻘﺮﻳﺒﺎ‬
‫÷ ‪١٢.٩٢ = ٣٩‬؛ أي ‪ً ١٣‬‬
‫‪-˺˺́-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫)ب( ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻣﻦ ﺟﺪول اﻟﻔﺌﺎت اﻟﺘﻜﺮارﻳﺔ‪:‬‬

‫ﻓﺎﻟﺠﺪول اﻟﺘﻜﺮاري ذو اﻟﻔﺌﺎت ﻳﺘﻀﻤﻦ ﺗﻜﺮارات ﻣﻮزﻋﺔ ﻋﲆ ﻓﺌﺎت ﻣﻌﻴﻨﺔ‪ ،‬ﻟﻜـﻞ ﻓﺌـﺔ ﺣـﺪ أدىن وﺣـﺪ‬
‫أﻋﲆ؛ أي أن ﻟﻜﻞ ﻓﺌﺔ ﻃﻮل أو ﻣﺪى ﻣﻌني‪ ،‬وﻟﺤﺴﺎب اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺘﻢ ﺗﺤﺪﻳﺪ ﻣﻨﺘﺼﻒ‬
‫ﻛﻞ ﻓﺌﺔ )ص( وﴐﺑﻪ ﰲ ﺗﻜﺮارات اﻟﻔﺌﺔ ﻧﻔﺴﻬﺎ‪،‬ﺛﻢ ﻧﺠﻤﻊ اﻟﻨﺎﺗﺞ وﻧﻘﺴﻤﻪ ﻋﲆ إﺟـامﱄ ﻋـﺪد اﻟﺘﻜـﺮارات‬
‫)ن(‪ .‬ﻓﺈذا اﻓﱰﺿﻨﺎ أن اﻟﻔﺌـﺔ اﻷوﱃ )‪ ،(٣٩-٣٠‬ﻓـﺈن ﻣﻨﺘـﺼﻔﻬﺎ ﻳﻜـﻮن‪ ٣٤.٥ = ٢÷٣٩+٣٠ :‬ﻓـﺈذا ﻛـﺎن ﻋـﺪد‬
‫ﻣﺜﻼ‪ ،‬ﻓﺈن ﻗﻴﻤﺔ )ص ك( ﺗﺴﺎوي ‪ ٢٧٦ = ٨ ×٣٤.٥‬وﺑﻬﺬه اﻟﻄﺮﻳﻘـﺔ ﻧﺤـﺼﻞ‬
‫ﺗﻜﺮارات ﻫﺬه اﻟﻔﺌﺔ ﻫﻮ )‪ً (٨‬‬
‫ﻋﲆ ﻗﻴﻤﺔ )ص ك( ﻟﻜﻞ ﻓﺌﺔ‪ ،‬وﺑﺠﻤﻊ )ص ك( ﻟﻜﻞ اﻟﻔﺌﺎت ﻧﺤﺼﻞ ﻋـﲆ )ﻣـﺞ ص ك(‪ ،‬وﺑﺎﺳـﺘﺨﺪام ﻫـﺬه‬
‫اﳌﻌﻄﻴﺎت ﻧﺤﺼﻞ ﻋﲆ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب مبﻮﺟﺐ اﻟﺘﻌﻮﻳﺾ ﰲ اﳌﻌﺎدﻟﺔ‪:‬‬

‫‪( ϙ˰ ι ) ˰Πϣ‬‬
‫م=‬
‫‪ϥ‬‬

‫ﺣﻴﺚ‪ :‬ص‪ :‬ﻣﻨﺘﺼﻔﺎت اﻟﻔﺌﺎت‬

‫ن‪ :‬ﻣﺠﻤﻞ اﻟﺘﻜﺮارات‬ ‫‪،‬‬ ‫ك‪ :‬ﺗﻜﺮارات اﻟﻔﺌﺎت‬

‫ﻣﺜﺎل‪ :‬اﻟﺠﺪول اﻵيت ﻳﻮﺿﺢ ﻓﺌﺎت اﳌﺴﺎﺣﺔ ﺑﺎﻟﺴﻢ‪ ٢‬ﻟﻌﺪد ﻣﻦ اﻷﺧﺒﺎر اﳌﻨﺸﻮرة ﺑﺠﺮﻳﺪة ﻳﻮﻣﻴﺔ‪:‬‬
‫ك‬ ‫ﻓﺌﺎت اﳌﺴﺎﺣﺔ‬
‫‪٨‬‬ ‫‪٣٩-٣٠‬‬
‫‪٤‬‬ ‫‪٤٩-٤٠‬‬
‫‪٦‬‬ ‫‪٥٩-٥٠‬‬
‫‪١٠‬‬ ‫‪٦٩-٦٠‬‬
‫‪٤‬‬ ‫‪٨٠-٧٠‬‬
‫ﺑﺘﻄﺒﻴﻖ اﻟﺨﻄﻮات اﻟﺴﺎﺑﻘﺔ ﻳﺘﻢ ﺣﺴﺎب ﻣﻨﺘﺼﻒ ﻛﻞ ﻓﺌﺔ )ص(‪ ،‬وذﻟﻚ ﺑﺠﻤـﻊ اﻟﺤـﺪ‬
‫اﻷدىن واﻟﺤﺪ اﻷﻋﲆ ﻟﻜﻞ ﻓﺌﺔ‪ ،‬ﺛﻢ ﻗﺴﻤﺔ اﻟﻨﺎﺗﺞ ﻋﲆ ‪ ،٢‬ﻓﺎﻟﻔﺌﺔ اﻷوﱃ ﺣﺪﻫﺎ اﻷدىن )‪(٣٠‬‬
‫وﺣﺪﻫﺎ اﻷﻋﲆ )‪ (٣٩‬وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن ﻣﻨﺘـﺼﻔﻬﺎ ‪ ،٣٤.٥ = ٢÷٣٩+٣٠‬وﻫﻜـﺬا ﻓـﻴام ﻳﺨـﺺ‬

‫‪-˺˺̂-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺟﻤﻴﻊ اﻟﻔﺌﺎت ﺛﻢ ﻧﴬب ﻣﻨﺘـﺼﻒ اﻟﻔﺌـﺔ ﰲ ﻋـﺪد ﺗﻜﺮاراﺗﻬـﺎ‪ ،‬ﻓﻨﺤـﺼﻞ ﻋـﲆ )ص ك( وﻓـﻖ ﻣـﺎ ﻳﻮﺿـﺤﻪ‬
‫اﻟﺠﺪول اﻵيت‪:‬‬
‫ص×ك‬ ‫ص‬ ‫ك‬ ‫اﻟﻔﺌﺎت‬
‫‪٢٧٦‬‬ ‫‪٣٤.٥‬‬ ‫‪٨‬‬ ‫‪٣٩ -٣٠‬‬
‫‪١٧٨‬‬ ‫‪٤٤.٥‬‬ ‫‪٤‬‬ ‫‪٤٩ -٤٠‬‬
‫‪٣٢٧‬‬ ‫‪٥٤.٥‬‬ ‫‪٦‬‬ ‫‪٥٩ -٥٠‬‬
‫‪٦٤٥‬‬ ‫‪٦٤.٥‬‬ ‫‪١٠‬‬ ‫‪٦٩ -٦٠‬‬
‫‪٢٩٨‬‬ ‫‪٧٤.٥‬‬ ‫‪٤‬‬ ‫‪٧٩ -٧٠‬‬
‫‪١٧٢٤‬‬ ‫‪٣٢‬‬ ‫اﳌﺠﻤﻮع‬

‫أي أن ﻣﺞ ك ﻫﻮ )‪ ،(٣٢‬ﻛام أن ﻣﺞ ص ك ﻫﻮ )‪ ،(١٧٢٤‬وﺑﻘﺴﻤﺔ ﻫﺬا اﻟﻨﺎﺗﺞ ﻋـﲆ ﻋـﺪد اﻟﺘﻜـﺮارات‬

‫ﻧﺤﺼﻞ ﻋﲆ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب؛ أي أن‪:‬‬

‫م = ‪٥٤ = 1724‬‬
‫‪32‬‬

‫)ﺟـ( ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﺑﺎﺳﺘﺨﺪام وﺳﻂ ﻓﺮﴈ‪:‬‬

‫ﺗﺴﺘﺨﺪم ﻫﺬه اﻟﻄﺮﻳﻘﺔ ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﻔﺌﺎت ﻣﺘﺴﺎوﻳﺔ اﳌﺪى أو اﻟﻄﻮل‪ .‬واﻟﻮﺳﻂ اﻟﻔﺮﴈ ﻫـﻮ ﻗﻴﻤـﺔ ﺿـﻤﻦ ﻓﺌـﺔ‬
‫ﻣﻦ ﻓﺌﺎت اﻟﺠﺪول‪ ،‬ﻳﺨﺘﺎرﻫﺎ اﻟﺒﺎﺣﺚ ﻛﻨﻘﻄﺔ ﺗﻮﺳﻂ أو ﻧﺰﻋﺔ ﻣﺮﻛﺰﻳﺔ وﺳﻄﻰ ﻟﺠﻤﻴﻊ اﻟﻔﺌـﺎت‪ ،‬وﻣـﻦ ﻫـﺬه اﻟﻔﺌـﺔ ﻳﺒـﺪأ‬
‫ﺟﺪا‪.‬‬
‫ﺗﺪرﻳﺞ اﻟﻔﺌﺎت ﺑﺎﻟﺰﻳﺎدة ﰲ اﺗﺠﺎه ﻣﻌني واﻟﺘﻨﺎﻗﺺ ﰲ اﻻﺗﺠﺎه اﻵﺧﺮ‪ .‬وﻳﺘﻢ ﺗﺤﺪﻳﺪ اﻟﻮﺳﻂ اﻟﻔﺮﴈ ﺑﻄﺮﻳﻘﺔ ﺑﺴﻴﻄﺔ ّ‬
‫ﻣـﺜﻼ(‪ ،‬ﻓـﺈن اﻟﺒﺎﺣـﺚ‬
‫ﺗﻮزﻳﻌﺎ ﺗﻜﺮارﻳّﺎ ﻋﲆ ﻓﺌﺎت ﻣﻌﻴﻨـﺔ )وﻟـﺘﻜﻦ ﺧﻤـﺲ ﻓﺌـﺎت ً‬
‫ﺟﺪوﻻ ﻳﺘﻀﻤﻦ ً‬
‫ﻓﺈذا اﻓﱰﺿﻨﺎ أن ﻟﺪﻳﻨﺎ ً‬
‫ﻳﺨﺘﺎر ﻓﺌﺔ اﳌﻨﺘﺼﻒ أو أﻗـﺮب ﻓﺌـﺔ إﱃ اﳌﻨﺘـﺼﻒ‪ ،‬ﻛـﺄن ﺗﻜـﻮن اﻟﻔﺌـﺔ اﻟﺜﺎﻟﺜـﺔ أو اﻟﻔﺌـﺔ اﻟﺮاﺑﻌـﺔ‪ ،‬ﻟﻨﻔـﺮض أﻧﻨـﺎ اﺧﱰﻧـﺎ‬
‫اﻟﻔﺌﺔ اﻟﺜﺎﻟﺜﺔ وﻛﺎن ﻣﺪاﻫﺎ )‪ ٣٠‬إﱃ ‪ ،(٤٠‬إن اﻟﻮﺳﻂ اﻟﻔﺮﴈ ﻋﺒﺎرة ﻋﻦ ‪٣٥ = ٢÷٤٠+٣٠‬؛ أي أن ﻗﻴﻤﺔ اﻟﻮﺳـﻂ اﻟﻔـﺮﴈ‬
‫ﻫﻲ )‪ (٣٥‬ﻫﺬا اﻟﻮﺳﻂ اﻟﻔﺮﴈ ﻧﻄﺮﺣﻪ )ﻧﻨﻘﺼﻪ( ﻣﻦ ﻣﻨﺘﺼﻒ ﻛﻞ ﻓﺌـﺔ )ص(‪ ،‬وﻳـﺘﻢ اﻟﺤـﺼﻮل ﻋـﲆ ﻣﻨﺘـﺼﻒ ﻛـﻞ‬
‫ﻓﺌﺔ ﺑﺄن ﻧﺠﻤﻊ ﻗﻴﻤﺔ ﺑﺪاﻳﺔ اﻟﻔﺌﺔ ‪ +‬ﻗﻴﻤﺔ ﻧﻬﺎﻳﺘﻬـﺎ ﺛـﻢ اﻟﻘـﺴﻤﺔ ﻋـﲆ )‪ ،(٢‬وﺑﺎﻟﺤـﺼﻮل ﻋـﲆ اﻟﻮﺳـﻂ اﻟﻔـﺮﴈ ﻟﻠﻔﺌـﺔ‬

‫‪-˺˻˹-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻣـﺜﻼ ﻗـﺪ ﺗﻜـﻮن )‪ 10‬إﱃ ‪،(20‬‬

‫اﻟﻮﺳﻄﻰ‪ ،‬ﻳﺘﻢ إﻧﻘﺎﺻﻪ ﻣﻦ ﻣﻨﺘﺼﻒ ﻛﻞ ﻓﺌﺔ ﻣﻦ ﻓﺌﺎت اﻟﺠﺪول‪ ،‬ﻓﺎﻟﻔﺌﺔ اﻷوﱃ ﺑﺎﻟﺠﺪول ً‬
‫وﺑﺎﻟﺘﺎﱄ ﻣﻨﺘﺼﻒ ﻫﺬه اﻟﻔﺌﺔ ﻳﻜﻮن )‪ ،(15 = 2 ÷20 +10‬ﻓﺈذا ﻛﺎﻧـﺖ ﻗﻴﻤـﺔ اﻟﻮﺳـﻂ اﻟﻔـﺮﴈ )‪ ،(35‬ﻓـﺈن ﻗﻴﻤـﺔ )ص(‬
‫ﻟﻠﻔﺌﺔ اﻷوﱃ ﺗﻜﻮن ‪ 20- = 35 -15‬وﻫﻜﺬا ﰲ ﻛﻞ ﻓﺌﺎت اﻟﺠـﺪول‪ ،‬وﺑﻬـﺬا ﻳﻜـﻮن ﻟـﺪى اﻟﺒﺎﺣـﺚ اﳌﻌﻄﻴـﺎت اﻷﺳﺎﺳـﻴﺔ‬
‫ﻟﺤﺴﺎب اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﺑﺎﺳﺘﺨﺪام اﳌﻌﺎدﻟﺔ‪:‬‬

‫ﺣﻴﺚ‪ :‬م‪ :‬اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‬

‫ض ‪ :‬اﻟﻮﺳﻂ اﻟﻔﺮﴈ‬
‫ﻣﴬوﺑﺎ ﰲ ﻋﺪد ﺗﻜﺮاراﺗﻬﺎ‬
‫ً‬ ‫ص ك ‪ :‬ﻣﻨﺘﺼﻒ ﻛﻞ ﻓﺌﺔ‬
‫ﻣﺠـ ص ك‪ :‬ﻣﺠﻤﻮع ص ك ﻟﻜﻞ اﻟﻔﺌﺎت‬
‫ن‪ :‬ﻋﺪد اﻟﺤﺎﻻت‬

‫ﻣﺜﺎل ﺗﻮﺿﻴﺤﻲ‪ :‬ﻧﻔﺮض أﻧﻨﺎ ﻧﺮﻳﺪ اﻟﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﺑﺎﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﻟﻮﺳﻂ اﻟﻔﺮﴈ ﻣﻦ‬
‫اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﻟﺴﺎﺑﻖ‪ .‬ﻧﻼﺣﻆ أن اﻟﺠﺪول ﻳﺘﻀﻤﻦ ﺧﻤﺲ ﻓﺌﺎت‪ ،‬وأن اﻟﻔﺌﺔ اﻟﻮﺳﻄﻰ ﻫﻲ اﻟﻔﺌﺔ اﻟﺜﺎﻟﺜـﺔ‬
‫)‪ 50‬إﱃ ‪ .(59‬إن اﻟﻮﺳﻂ اﻟﻔﺮﴈ = ‪ ،54,5 = 2 ÷ 59 + 50‬ﺑﺈﻧﻘﺎص ﻫﺬه اﻟﻘﻴﻤﺔ ﻣﻦ ﻣﻨﺘﺼـﻔﺎت اﻟﻔﺌـﺎت‬
‫ﻧﺤﺼﻞ ﻋﲆ )اﻟﻔﺮق( ﺑني اﻟﻮﺳﻂ اﻟﻔﺮﴈ وﻣﻨﺘﺼﻔﺎت ﺟﻤﻴﻊ اﻟﻔﺌـﺎت‪ ،‬ﻓﻔـﻲ اﻟﺠـﺪول اﻵيت ﻧﺠـﺪ أن اﻟﻔﺌـﺔ‬
‫ﻣﺜﻼ ﻫـﻲ )‪ 30‬إﱃ ‪ ،(39‬وﺑﺎﻟﺘـﺎﱄ‪ ،‬ﻓـﺈن ﻣﻨﺘﺼـﻔﻬﺎ ﻳﻜـﻮن )‪(34.5 =2÷39 +30‬؛ وﻧﻈـ ًﺮا ﻷن اﻟﻮﺳـﻂ‬
‫اﻷوﱃ ً‬
‫اﻟﻔﺮﴈ ﻳﺴﺎوي ‪ ،54,5‬ﻓﺈن )ص( ﻟﻬﺬه اﻟﻔﺌﺔ ﺗﺴـﺎوي ‪ 20- = 54.5 – 34.54‬وﻫﻜـﺬا ﻓـﻴام ﻳﺨـﺺ ﺟﻤﻴـﻊ‬
‫اﻟﻔﺌﺎت ﻋﲆ اﻟﻨﺤﻮ اﻟﺬي ﻳﻮﺿﺤﻪ اﻟﺠﺪول اﻵيت‪:‬‬

‫‪121‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬
‫ﻣﻨﺘﺼﻒ‬
‫ص×ك‬ ‫ص‬ ‫ك‬ ‫اﻟﻔﺌﺎت‬
‫اﻟﻔﺌﺎت‬
‫‪160-‬‬ ‫‪20- = 54.5 – 34.5‬‬ ‫‪34.5‬‬ ‫‪8‬‬ ‫‪39-30‬‬
‫‪40-‬‬ ‫‪10- = 54.5 – 44.5‬‬ ‫‪44.5‬‬ ‫‪4‬‬ ‫‪49-40‬‬
‫ﺻﻔﺮ‬ ‫ﺻﻔﺮ‪ = 54.5-‬ﺻﻔﺮ‬ ‫‪54.5‬‬ ‫‪6‬‬ ‫‪59-50‬‬
‫‪100‬‬ ‫‪10+ = 54.5 – 64.5‬‬ ‫‪64.5‬‬ ‫‪10‬‬ ‫‪69-60‬‬
‫‪80‬‬ ‫‪20+ = 54.5 – 74.5‬‬ ‫‪74.5‬‬ ‫‪4‬‬ ‫‪79-70‬‬
‫= ‪20-‬‬ ‫‪32‬‬ ‫اﳌﺠﻤﻮع‬

‫أي أن ﻣﺞ ص ك = ‪ 20 -‬ﻛام أن اﻟﻮﺳﻂ اﻟﻔﺮﴈ = ‪ 54.5‬أﻣﺎ ﻋﺪد اﻟﺘﻜﺮارات ﻓﻬﻮ )‪(32‬؛ أي أن ﻗﻴﻤﺔ‬
‫)ن( ﺗﺴﺎوي )‪ ،(32‬وﻳﺘﻢ اﻟﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﺑﺎﺳﺘﺨﺪام اﳌﻌﺎدﻟﺔ‪:‬‬

‫م = ‪53.875 = 20 + 54.5‬‬

‫‪32‬‬
‫)د( ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﺑﺎﺳﺘﺨﺪام اﻻﻧﺤﺮاﻓﺎت اﻟﺒﺴﻴﻄﺔ‪:‬‬
‫وﻫﻲ ﻧﻔﺲ اﻟﻄﺮﻳﻘﺔ اﻟﺴﺎﺑﻘﺔ وﻟﻜﻦ ﻣﻊ ﻗﺴﻤﺔ ﻗﻴﻤﺔ )ص( ﻋﲆ ﻃـﻮل اﻟﻔﺌـﺔ‪ ،‬وﻳـﺘﻢ ﺣﺴـﺎب اﻟﻮﺳـﻂ‬
‫اﻟﺤﺴﺎيب مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫ﺣﻴﺚ‪ :‬م‪ :‬اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‬

‫ض‪ :‬اﻟﻮﺳﻂ اﻟﻔﺮﴈ‬
‫ﻣﴬوﺑﺎ ﰲ ﻋﺪد ﺗﻜﺮاراﺗﻬﺎ‬
‫ً‬ ‫ص ك‪ :‬ﻣﻨﺘﺼﻒ ﻛﻞ ﻓﺌﺔ‬

‫‪122‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻣﺠـ ص ك‪ :‬ﻣﺠﻤﻮع ص ك‬
‫ن‪ :‬ﻋﺪد اﻟﺤﺎﻻت‬
‫ط ‪ :‬ﻃﻮل اﻟﻔﺌﺔ‬

‫ﻣـﺜﻼ ﻫـﻲ )‪(39 - 30‬؛ أي أﻧﻬـﺎ متﺘـﺪ ﻣـﻦ )‪ (30‬إﱃ‬

‫وﺑﺎﻟﻌﻮدة إﱃ اﻟﺠﺪول اﻟﺴﺎﺑﻖ‪ ،‬ﻧﺠﺪ أن اﻟﻔﺌﺔ اﻷوﱃ ً‬
‫)‪ ،(39‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ﻃﻮﻟﻬﺎ ﻳﺴﺎوي )‪ ،(10‬وﺑﺎﻟﻨﻈﺮ إﱃ ﻗﻴﻤﺔ )ص( ﻟﻬﺬه اﻟﻔﺌﺔ ﰲ اﻟﺠﺪول اﻟﺴـﺎﺑﻖ ﻧﺠـﺪﻫﺎ )‪-‬‬
‫‪ ،(20‬ﻓﺈذا ﻗﺴﻤﻨﺎ ﻫﺬه اﻟﻘﻴﻤﺔ ﻋﲆ ﻃﻮل اﻟﻔﺌـﺔ؛ أي ﻋـﲆ )‪ ، (10‬ﻓـﺈن اﻟﻨـﺎﺗﺞ = ‪ 2- = 10 ÷ 20-‬وﻫﻜـﺬا ﰲ‬
‫ﺟﻤﻴﻊ اﻟﻔﺌﺎت‪ ،‬ﻓﻨﺤﺼﻞ ﻋﲆ ﻗﻴﻢ )ص( ﺑﻄﺮﻳﻘﺔ اﻻﻧﺤﺮاﻓﺎت اﻟﺒﺴﻴﻄﺔ‪ ،‬ﻋﲆ اﻟﻨﺤﻮ اﳌﺒني ﺑﺎﻟﺠﺪول اﻟﺘﺎﱄ‪:‬‬

‫ص×ك‬ ‫ص‬ ‫ك‬ ‫اﻟﻔﺌﺎت‬

‫‪16-‬‬ ‫‪2- = 10 ÷ 20-‬‬ ‫‪8‬‬ ‫‪39-30‬‬
‫‪4-‬‬ ‫‪1- = 10 ÷ 10-‬‬ ‫‪4‬‬ ‫‪49-40‬‬
‫ﺻﻔﺮ‬ ‫ﺻﻔﺮ = ﺻﻔﺮ‬ ‫‪6‬‬ ‫‪59-50‬‬
‫‪10‬‬ ‫‪1 = 10 ÷ 10+‬‬ ‫‪10‬‬ ‫‪69-60‬‬
‫‪8‬‬ ‫‪2 = 10 ÷ 20+‬‬ ‫‪4‬‬ ‫‪79-70‬‬
‫‪2-‬‬ ‫‪32‬‬ ‫اﳌﺠﻤﻮع‬

‫وﻛام ﻫﻮ واﺿﺢ‪ ،‬ﻓﺈن ﻣﺞ ص ك ﻫﻮ )‪ ،(2-‬ﻛام أن اﻟﻮﺳﻂ اﻟﻔﺮﴈ = ‪ 54.5‬أﻣﺎ ﻋـﺪد اﻟﺘﻜـﺮارات ﻓﻬـﻮ‬
‫)‪ ، (32‬وﺑﺎﻟﻌﻮدة إﱃ ﻣﻌﺎدﻟﺔ ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﺑﻄﺮﻳﻘـﺔ اﻻﻧﺤﺮاﻓـﺎت اﻟﺒﺴـﻴﻄﺔ‪ ،‬ﻓﺈﻧﻬـﺎ ﻛـام ﺳـﺒﻘﺖ‬
‫اﻹﺷﺎرة ﻫﻲ‪:‬‬

‫وﺑﺎﻟﺘﻌﻮﻳﺾ ﰲ ﻫﺬه اﳌﻌﺎدﻟﺔ ﻳﻜﻮن‪:‬‬

‫م = ‪10u 2  + 54.5‬‬
‫‪32‬‬
‫‪123‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫= ‪٥٣.٨٧٥ = ٠.٦٢٥ – ٥٤.٥‬‬

‫وﻳﻼﺣﻆ أﻧﻨﺎ ﻗﺴﻤﻨﺎ )ﻣﺞ ك ص( ﻋﲆ )ن( ﻣﻊ اﻟﴬب ﰲ اﻟﺮﻗﻢ )‪ (١٠‬اﻟﺬي ﻫﻮ ﻃﻮل اﻟﻔﺌﺔ‪.‬‬

‫وﺗﺘﻴﺢ اﻟﺤﺰﻣـﺔ اﻹﺣـﺼﺎﺋﻴﺔ ﻟﻠﻌﻠـﻮم اﻻﺟﺘامﻋﻴـﺔ )‪ (SPSS‬ﻫـﺬه اﻟﻌﻤﻠﻴـﺔ ﺑـﺴﻬﻮﻟﺔ‪ ،‬وذﻟـﻚ ﻣـﻦ ﺧـﻼل‬
‫إﺟﺮاءات ﻣﻌﻴﻨﺔ ﻳﺘﻢ ﺗﻨﻔﻴﺬﻫﺎ ﺑﻮاﺳﻄﺔ اﻟﺤﺎﺳﻮب مبﻮﺟﺐ أواﻣﺮ ﻣﺤﺪدة‪ ،‬ﻓﻨﺤﺼﻞ ﻋـﲆ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب‪.‬‬
‫اﻓﱰض أن ﻫﻨﺎك دراﺳﺔ أﺟﺮﻳﺖ ﻋـﲆ ﻋﻴﻨـﺔ ﻗﻮاﻣﻬـﺎ ‪ ٤٠٠‬ﻣﻔـﺮدة‪ ،‬ﳌﻌﺮﻓـﺔ اﺳـﺘﺨﺪاﻣﺎت اﻟﺘﻠﻴﻔﺰﻳـﻮن ‪(TV‬‬
‫)‪ ،Using‬وﻗﺪ ﺗﻢ ﺗﻄﺒﻴﻖ ﻣﻘﻴﺎس ﻣﻘﻨﻦ ﻋﲆ ﻫﺬه اﻟﻌﻴﻨﺔ‪ ،‬وﻛﺎﻧﺖ اﻟﺪرﺟﺔ ﻋﲆ ﻫﺬا اﳌﻘﻴﺎس ﺗﱰاوح ﻣـﺎ ﺑـني‬
‫إﺣﺼﺎﺋﻴﺎ ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ‬
‫ً‬ ‫)‪ (٢٠‬إﱃ )‪ (٤٠‬درﺟﺔ‪ ،‬وﺗﻢ إدﺧﺎل ﺑﻴﺎﻧﺎت ﺗﻠﻚ اﻟﺪراﺳﺔ ﰲ اﻟﺤﺎﺳﻮب وﻋﻮﻟﺠﺖ‬
‫)‪ (SPSS‬مبﺎ ﰲ ذﻟﻚ ﺣﺴﺎب ﻣﺠﻤﻞ اﺳﺘﺠﺎﺑﺎت ﻛﻞ ﻣﻔﺤﻮص ﻋﲆ ﻣﺠﻤﻞ ﺑﻨﻮد اﳌﻘﻴﺎس ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺤـﺼﻞ ﻋـﲆ‬
‫اﳌﻌﻄﻴﺎت اﻵﺗﻴﺔ‪:‬‬
‫‪Descriptive Statistics‬‬

‫‪N‬‬ ‫‪Minimum‬‬ ‫‪Maximum‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation‬‬

‫‪Tvusing‬‬ ‫‪400‬‬ ‫‪2.00‬‬ ‫‪36.00‬‬ ‫‪23.8175‬‬ ‫‪4.78607‬‬
‫‪Valid N‬‬ ‫‪400‬‬
‫)‪(listwise‬‬

‫ﻳﺘﻀﻤﻦ ﻫﺬا اﻟﺠﺪول اﻟﻮﺳﻂ اﻟﺤﺴﺎيب واﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪ ،‬واﳌﺪى )أﻗﻞ درﺟﺔ وأﻋﲆ درﺟـﺔ(‪ ،‬وﻣﻨـﻪ‬
‫ﻧﺘﺒني أن ‪:‬‬

‫م )اﻟﻮﺳﻂ اﻟﺤﺴﺎيب( = ‪٢٣.٨٢‬‬

‫ع )اﻻﻧﺤﺮاف اﳌﻌﻴﺎري( = ‪٤.٨‬‬

‫أﻗﻞ درﺟﺔ ﻫﻲ ‪ ٢‬وأﻋﲆ درﺟﺔ ﻫﻲ ‪٣٦‬‬

‫‪-˺˻˽-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻫﻜﺬا ميﻜﻦ اﻟﻘﻮل إن ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ )ن=‪ (٤٠٠‬ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﻫـﻮ ‪٢٣.٨٢‬‬
‫درﺟﺔ ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ،٤.٨‬وﻗﺪ ﺗﺮاوﺣﺖ درﺟﺎت اﳌﻔﺤﻮﺻني ﻣـﺎ ﺑـني ‪ ٢‬إﱃ ‪ ،٣٦‬وﻳﺘـﻀﺢ ﻣـﻦ ذﻟـﻚ أن‬
‫ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﻔﺤﻮﺻني ﻳﻌﺎدل ﺣﻮاﱄ ‪ %٦٠‬ﻣﻦ اﻟﺪرﺟﺔ اﻟﻌﻈﻤﻰ ﻟﻠﻤﻘﻴﺎس واﻟﺘﻲ ﺗﺒﻠـﻎ ‪ ٤٠‬درﺟـﺔ ﻛـام‬
‫ﺳﺒﻘﺖ اﻹﺷﺎرة‪ .‬وﺑﺎﳌﺜـﻞ وﻣﻦ ﺧﻼل اﻟﺤﺰﻣﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠـﻮم اﻻﺟﺘامﻋﻴـﺔ )‪ (SPSS‬ميﻜـﻦ اﻟﺤـﺼﻮل ﻋـﲆ‬
‫ﻣﺘﻮﺳﻄﺎت درﺟﺎت ﺟﻤﻴﻊ اﳌﺠﻤﻮﻋﺎت اﻟﻔﺮﻋﻴﺔ اﻟﺘـﻲ ﺗـﻀﻤﻬﺎ اﻟﻌﻴﻨـﺔ ّأﻳـﺎ ﻛـﺎن اﳌﺘﻐـري أﺳـﺎس اﻟﺘـﺼﻨﻴﻒ‪،‬‬
‫ﻛﻤﺘﻐري اﻟﺠﻨﺲ )ذﻛﻮر & إﻧﺎث(‪ ،‬وﻛﺬﻟﻚ ﻣﺘﻐري ﻣﺤﻞ اﻹﻗﺎﻣﺔ )رﻳﻒ & ﺣﴬ(‪ ،‬وﻣﺘﻐري اﻟﺴـﻦ )أﻗﻞ ﻣﻦ ‪٣٠‬‬
‫ﺳﻨﺔ & ‪ ٣٠‬ﺳﻨﺔ ﻓﺄﻛرث( ‪ ...‬إﻟﺦ‪ ،‬وميﻜﻦ اﳌﻘﺎرﻧﺔ ﺑني ﻣﺘﻮﺳﻄﺎت درﺟﺎت ﺗﻠـﻚ اﳌﺠﻤﻮﻋـﺎت ﳌﻌﺮﻓـﺔ ﻣﻌﻨﻮﻳـﺔ‬
‫اﻟﻔﺮوق ﺑﻴﻨﻬﺎ ﻣﻦ ﺣﻴﺚ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن‪.‬‬

‫ﺧﺼﺎﺋﺺ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‪:‬‬

‫‪ (١‬إن ﻣﺠﻤﻮع اﻧﺤﺮاﻓﺎت اﻟﻘﻴﻢ ﻋﻦ وﺳﻄﻬﺎ اﻟﺤﺴﺎيب ﻳﺴﺎوي اﻟﺼﻔﺮ ‪ .‬ﻓﺈذا ﻛﺎن ﻟـﺪﻳﻨﺎ ﺛـﻼث ﻗـﻴﻢ ﻫـﻲ‪:‬‬
‫‪ ،١٤ ، ١٣ ، ١٢‬ﻓﺈن ﻣﺘﻮﺳﻂ ﻫﺬه اﻟﻘﻴﻢ ﻫﻮ ‪١٣ =٣ ÷ ٣٩ =١٤ + ١٣+١٢‬‬

‫أي أن ﻣﺘﻮﺳﻂ اﻟﻘﻴﻢ اﳌﺬﻛﻮرة ﻫﻮ ‪ ١٣‬وﻋﻨﺪ ﺣﺴﺎب اﻧﺤﺮاف ﻛﻞ ﻗﻴﻤﺔ ﻋﻦ اﻟﻮﺳﻂ ﻧﺠﺪ أن‪:‬‬

‫ اﻧﺤﺮاف اﻟﻘﻴﻤﺔ اﻷوﱃ= ‪١- =١٣-١٢‬‬

‫ اﻧﺤﺮاف ﻟﻘﻴﻤﺔ اﻟﺜﺎﻧﻴﺔ = ‪ =١٣-١٣‬ﺻﻔﺮ‬

‫ اﻧﺤﺮاف اﻟﻘﻴﻤﺔ اﻟﺜﺎﻟﺜﺔ = ‪١ =١٣-١٤‬‬

‫ﻓﺈذا ﺣﺴﺒﻨﺎ ﻣﺠﻤﻞ ﺗﻠﻚ اﻻﻧﺤﺮاﻓﺎت‪ ،‬ﻧﺠﺪ أﻧﻪ ﻳﺴﺎوي اﻟﺼﻔﺮ‪:‬‬
‫)‪ +١-‬ﺻﻔﺮ ‪ =١+‬ﺻﻔﺮ(‬
‫‪ (٢‬إذا ﻛﺎن ﻫﻨﺎك وﺳﻄﺎن ﺣﺴﺎﺑﻴﺎن ) َس ‪َ ،‬ص( ﻟﺴﻠﺴﻠﺘني ﻣﻦ اﻟﺒﻴﺎﻧﺎت‪ ،‬ﻓﺈن اﻟﻮﺳﻂ اﻟﺤـﺴﺎيب ﳌﺠﻤـﻮع‬
‫ﻗﻴﻤﻬام ﻳﺴﺎوي ﻣﺠﻤﻮع ﻫﺬﻳﻦ اﻟﻮﺳﻄني‪ ،‬مبﻌﻨﻰ أن‪:‬‬

‫‪-˺˻˾-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫َج = س_ ‪َ +‬ص‬
‫ﺣﻴﺚ إن َج ﻫﻲ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﳌﺠﻤﻮع ﻗﻴﻢ اﻟﻮﺳﻄني‪ ،‬وﻋﻠﻴﻪ ﻓﺈن‪:‬‬
‫ج‪ =١‬س‪ + ١‬ص‪١‬‬
‫ج‪ =٢‬س‪ + ٢‬ص‪٢‬‬
‫ج‪ =٣‬س‪ + ٣‬ص‪٣‬‬
‫ج ن= س ن ‪ +‬ص ن‬
‫َج = َس ‪َ +‬ص‬
‫‪ (٣‬إذا ﻛﺎن ﻟﺪﻳﻨﺎ ﺳﻠﺴﻠﺔ )ن( ﻣﻦ اﳌﻔﺮدات ﻟﻠﻤﺘﻐري )س(‪ ،‬وﻟﺘﻜﻦ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﰲ اﻟﻴﻮم )ﻧﺼﻒ‬
‫ﺳﺎﻋﺔ‪ ،‬ﺳﺎﻋﺔ( وﻫﺬه اﻟﺴﻠﺴﻠﺔ ﺗﺘﻜﻮن ﻣﻦ ﺑﻌﺪﻳﻦ ﻓـﺮﻋﻴني )ذﻛـﻮر وإﻧـﺎث(‪ ،‬ﻓـﺈن اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب‬
‫ﻟﻘﻴﻢ ﻫﺬﻳﻦ اﻟﺒﻌﺪﻳﻦ اﻟﻔﺮﻋﻴني ميﻜﻦ أن ﻳﻜﻮن ﻫﻮ ﻣﺘﻮﺳﻂ ﻗﻴﻢ اﻟﺴﻠـﺴﻠﺔ )ن(‪ ،‬ﻓـﺈذا ﻛﺎﻧـﺖ ﻗﻴﻤـﺔ‬
‫اﻟﺒﻌﺪ اﻷول )اﻟﺬﻛﻮر( ﻫﻲ )س‪ (١‬وﻛﺎﻧﺖ ﻗﻴﻤﺔ اﻟﺒﻌﺪ اﻟﺜﺎين )اﻹﻧﺎث( ﻫﻲ )س‪ ،(٢‬ﻓﺈن اﻟﻨﺘﻴﺠﺔ ﻫﻲ‪:‬‬
‫‪٢-‬‬ ‫‪١-‬‬
‫س_ = س ‪ +‬س‬

‫‪ (٤‬إذا أﻋﻄﻴﻨﺎ ﻗ ﻴﻤﺔ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻟﻜﻞ ﻣﻔﺮدة ﻣﻦ اﳌﻔﺮدات‪ ،‬ﻓﺈن اﳌﺠﻤﻮع اﻟﻨـﺎﺗﺞ ﻳـﺴﺎوي ﻣﺠﻤـﻮع‬
‫ﻋﺪد اﳌﻔﺮدات‪ .‬ﻣﺜﺎل‪ :‬ﻟﺪﻳﻨﺎ ﺧﻤﺴﺔ أرﻗﺎم ﻫﻲ‪١٠ ،٨ ،٦ ،٤ ،٢ :‬‬
‫اﻟﻮﺳﻂ ﻫﻮ ‪٦ = ٥ ÷ ٣٠ = ١٠ + ٨ + ٦ + ٤ + ٢‬‬
‫أي أن ﻣﺘﻮﺳﻂ ﻫﺬه اﻷرﻗﺎم ﻳﺴﺎوي )‪ (٦‬ﻛـام أن ﻣﺠﻤﻮﻋﻬـﺎ ﻳـﺴﺎوي )‪ ،(٣٠‬ﻓـﺈذا‬
‫وﺿﻌﻨﺎ اﻟﺮﻗﻢ ‪ ٦‬ﺑﺪل ﻛﻞ رﻗـﻢ ﻣـﻦ اﻷرﻗـﺎم اﻟﺨﻤـﺴﺔ اﳌـﺬﻛﻮرة‪ ،‬ﻓـﺈن اﻟﻨـﺎﺗﺞ ﻳﻜـﻮن‬
‫‪ ٣٠ = ٦ + ٦ + ٦ + ٦ + ٦‬وﻫﻮ ﻧﻔﺲ ﻣﺠﻤﻮع ﻫﺬه اﻷرﻗﺎم‬

‫ﺟﺪا(‪ .‬ﻓـﺈذا‬ ‫‪ (٥‬ﻳﺘﺄﺛﺮ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﺑﺎﻟﻘﻴﻢ اﳌﺘﻄﺮﻓﺔ )اﻟﻘﻴﻢ اﻟﻜﺒرية ّ‬

‫ﺟﺪا واﻟﻘﻴﻢ اﻟﺼﻐرية ّ‬
‫ﺳﻴﻨامﺋﻴﺎ ﰲ اﻟﻌﺎم‪ ،‬أﻣﺎ اﻟﺜﺎين ﻓﻴـﺸﺎﻫﺪ‬
‫ّ‬ ‫ﻓﻴﻠام‬
‫ﻛﺎن ﻫﻨﺎك ﺷﺨﺼﺎن‪ ،‬اﻷول ﻳﺸﺎﻫﺪ ﻋﴩﻳﻦ ً‬
‫ـﻴﻠام )‪ ،(١٢ =٢÷٤ +٢٠‬وﻫــﺬه‬
‫أرﺑﻌــﺔ أﻓــﻼم ‪ ،‬ﻓــﺈن ﻣﺘﻮﺳــﻂ ﻋــﺪد اﻷﻓــﻼم ﻫــﻮ ‪ ١٢‬ﻓـ ً‬

‫‪-˺˻˿-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﻘﻴﻤﺔ ﻟﻠﻤﺘﻮﺳـﻂ ﺗﺒﺘﻌـﺪ ﻛﺜ ًريا ﻋﻦ ﻋﺪد اﻷﻓﻼم اﻟﺘﻲ ﻳﺸﺎﻫﺪﻫﺎ ﻛﻞ ﺷﺨﺺ‪ ،‬ﻫﺬا اﻻﺑﺘﻌﺎد ﻋﻦ اﻟﻘﻴﻢ‬
‫اﻟﺤﻘﻴﻘﻴـﺔ ﻧﺎﺗﺞ ﻋﻦ ﺗﺄﺛﺮ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﺑﺎﻟﻘﻴﻢ اﳌﺘﻄﺮﻓﺔ ﻓﻬﻨﺎك اﻟﻘﻴﻤـﺔ ‪ ٢٠‬وﻫـﻲ ﻗﻴﻤـﺔ ﻣﺘﻄﺮﻓـﺔ‬
‫ﺟﺪا(‪ .‬اﻟﻮﺿﻊ ﻳﺨﺘﻠﻒ ﻋﻨﺪﻣﺎ ﻻ ﺗﻜـﻮن‬
‫ﺟﺪا( ﻣﻘﺎرﻧﺔ ﺑﺎﻟﻘﻴﻤﺔ ‪ ٤‬وﻫﻲ ﻗﻴﻤﺔ ﻣﺘﻄﺮﻓﺔ )ﺻﻐرية ّ‬
‫)ﻛﺒﻴـﺮة ّ‬
‫ﺳﻴﻨامﺋﻴﺎ ﰲ اﻟﻌﺎم‪ ،‬أﻣـﺎ اﻟﺜـﺎين‬
‫ّ‬ ‫ﻓﻴﻠام‬
‫ﻗﻴﻢ ﻣﺘﻄﺮﻓﺔ‪ ،‬ﻓﺈذا ﻛﺎن ﻫﻨﺎك ﺷﺨﺼﺎن‪ ،‬اﻷول ﻳﺸﺎﻫﺪ )‪ (١٤‬ﻋﴩ ً‬
‫ﻓﻴﻠام‪ ،‬وﻫﺬه اﻟﻘﻴﻤﺔ ﻟﻠﻤﺘﻮﺳﻂ ﺗﻘﱰب ﻛﺜ ًريا ﻣﻦ ﻋﺪد‬
‫ﻓﻴﻠام‪ ،‬ﻓﺈن اﻟﻮﺳﻂ ﻳﻜﻮن )‪ً (١٣‬‬
‫ﻓﻴﺸﺎﻫﺪ )‪ً (١٢‬‬
‫اﻷﻓﻼم اﻟﺘﻲ ﻳﺸﺎﻫﺪﻫﺎ ﻛﻞ ﺷﺨﺺ‪ ،‬ﻫﺬا اﻻﻗﱰاب ﻣﻦ اﻟﻘﻴﻢ اﻟﺤﻘﻴﻘﻴـﺔ ﻧـﺎﺗﺞ ﻋـﻦ ﻋـﺪم وﺟـﻮد ﻗـﻴﻢ‬
‫ﻣﺘﻄﺮﻓﺔ؛ إذ ﻳﺘﻘﺎرب اﻟﺸﺨﺼﺎن ﻣﻦ ﺣﻴﺚ ﻋﺪد اﻷﻓﻼم اﻟﺴﻴﻨامﺋﻴﺔ اﻟﺘﻲ ﻳﺸﺎﻫﺪاﻧﻬﺎ ﺧﻼل اﻟﻌﺎم‪.‬‬

‫‪ (٦‬ﻳﺘﻌﺬر إﻳﺠﺎد اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻣﻦ اﻟﻔﺌـﺎت اﻟﺘﻜﺮارﻳـﺔ اﳌﻔﺘﻮﺣـﺔ‪ ،‬ﻓـﺈذا ﻛـﺎن ﻟـﺪﻳﻨﺎ ﺗﻮزﻳـﻊ ﺗﻜـﺮاري‬
‫ﻳﺘﻀﻤﻦ ﻣﺜﻞ ﻫﺬه اﻟﻔﺌﺎت‪ ،‬ﻳﻜﻮن ﻣﻦ اﻟﴬوري إﻣﺎ إﻏﻼﻗﻬﺎ‪،‬أو اﺳﺘﺒﻌﺎدﻫﺎ‪ ،‬وﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‬
‫ﻟﺒﻘﻴﺔ اﻟﻔﺌﺎت‪ ،‬أو أن ﻧﻄﺒﻖ ﻗﻮاﻧني إﺣﺼﺎﺋﻴﺔ ﻣﻌﻴﻨﺔ ﻟﻠﺤﺼﻮل ﻋﲆ ﻗﻴﻤﺔ ﺗﻘﺮﻳﺒﻴﺔ ﻟﻠﻮﺳﻂ اﻟﺤـﺴﺎيب‪،‬‬
‫أو اﺳﺘﺨﺮاج اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﺑﺎﻟﺮﺳﻢ اﻟﻬﻨﺪﳼ‪.‬‬

‫‪ (٧‬ﻋﻨــﺪﻣﺎ ﻧﺤــﺼﻞ ﻋــﲆ اﻟﻮﺳــﻂ اﻟﺤــﺴﺎيب ﻟﻌــﺪد ﻣــﻦ اﻟﻘــﻴﻢ‪ ،‬ﻓــﺈن ﻗﻴﻤــﺔ اﻟﻮﺳــﻂ اﻟﺤــﺴﺎيب ﻗــﺪ‬
‫ﻻ ﺗﻜﻮن ﻣﺘﻀﻤﻨﺔ ﰲ ﺗﻠﻚ اﻟﻘﻴﻢ‪ .‬ﻋﲆ ﺳﺒﻴﻞ اﳌﺜـﺎل‪ ،‬ﻓﺈن اﻷﻋﺪاد ‪ ٩ ،٥ ،٤‬ﻣﺘﻮﺳﻄﻬﺎ اﻟﺤﺴﺎيب ﻫـﻮ ‪٦‬؛‬
‫إذ إن )‪ (٦ = ٣ ÷ ٩ + ٥ + ٤‬أي أن ﻗﻴﻤﺔ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻏـري ﻣﻮﺟـﻮدة ﰲ اﻟﻘـﻴﻢ اﻟﻔﻌﻠﻴـﺔ‪ ،‬ﻟﻜـﻦ‬
‫ﻫﺬا ﻟﻴﺲ دامئًﺎ‪ ،‬ﻓﺎﻷﻋﺪاد ‪ ١٤ ،١٣ ،١٢‬ﻣﺘﻮﺳﻄﻬﺎ اﻟﺤﺴﺎيب ﻫـﻮ ‪١٣‬؛ إذ إن )‪(١٣ =٣ ÷ ١٤ +١٣ +١٢‬‬
‫أي أن ﻗﻴﻤﺔ اﻟﻮﺳﻂ ﻣﻮﺟﻮدة ﺑني اﻟﻘﻴﻢ اﻟﻔﻌﻠﻴﺔ‪.‬‬

‫‪ (٨‬ﺛﺒﺖ أن اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻻ ﻳﺼﻠﺢ ﻛﻤﻘﻴﺎس ﻟﻠﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ ﰲ ﺑﻌﺾ اﻟﺤﺎﻻت أﻫﻤﻬﺎ‪:‬‬

‫‪ -‬ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﺷﻜﻞ اﻟﺘﻮزﻳﻊ ﻋﲆ ﺷﻜﻞ اﻟﺤﺮف ‪ U‬أو ﻣﺎ ﻳﻌﺮف ﺑﺎﻹﻧﺠﻠﻴﺰﻳﺔ)‪(U- Shaped Distribution‬‬
‫)ميﻜﻦ اﻟﺘﺤﻘﻖ ﻣﻦ ذﻟﻚ(‪.‬‬

‫‪-˺˻̀-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫‪ -‬ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﺒﻴﺎﻧﺎت ﰲ ﺻﻮرة ﻣﺘﻮاﻟﻴﺔ ﻫﻨﺪﺳﻴﺔ ﻣﺜـﺎل‪ ... 64 ،32 ،16 ،8 ،4 ،2) :‬إﻟـﺦ(‪ ،‬ﻓﻔـﻲ ﻫـﺬه‬
‫اﻟﺤﺎﻟﺔ ﻳﻔﻀﻞ اﺳﺘﺨﺪام اﻟﻮﺳﻂ اﻟﻬﻨﺪﳼ )‪.(Geometric Mean‬‬

‫‪ -‬ﻋﻨﺪ ﺣﺴﺎب ﻣﻌﺪﻻت ﺗﻐري اﻟﻈﺎﻫﺮة ﻋﱪ ﻓﱰة زﻣﻨﻴﺔ ﻣﻌﻴﻨﺔ‪ ،‬وﻣﻌﺪﻻت ﺗﺴﺎرع وﺗرية اﻟﻈﺎﻫﺮة‪.‬‬

‫وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ ذﻟﻚ ﻓﺈن اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻳﻌﺘﱪ ﺿﻤﻦ اﳌﻌﺎﻣﻼت اﻹﺣﺼـﺎﺋﻴﺔ ﺷـﺎﺋﻌﺔ اﻻﺳـﺘﺨﺪام ﳌـﺎ‬
‫ﻣﺜﻼ ﻳﺄﺧﺬ ﰲ اﻻﻋﺘﺒﺎر ﺟﻤﻴﻊ ﻣﻔﺮدات اﻟﻌﻴﻨﺔ‪ ،‬ﻛام أﻧﻪ أﻗﻞ ﺗﺄﺛ ًﺮا ﺑﺎﻟﺘﻐريات اﻟﺘﻲ‬
‫ﻓﻴﻪ ﻣﻦ ﺟﻮاﻧﺐ ﻗﻮة‪ ،‬ﻓﻬﻮ ً‬
‫ﺗﻄﺮأ ﻋﲆ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬وميﻜﻦ ﻣﻌﺎﻟﺠﺘﻪ ﺟﱪﻳّﺎ‪ ،‬وﻻ ﺗﺘﺄﺛﺮ ﻗﻴﻤﺔ اﻟﻮﺳﻂ اﻟﺤﺴـﺎيب ﻛﺜ ًريا ﻋﻨـﺪ إﻋـﺎدة ﺗﻨﻈـﻴﻢ‬
‫اﻟﻔﺌﺎت‪ ،‬ﻛﺪﻣﺞ ﻓﺌﺘني ﻣﻊ ﺑﻌﻀﻬام‪ ،‬أو إﻋﺎدة ﺗﻮزﻳﻊ اﳌﻔـﺮدات ﻋﲆ ﻓﺌﺎت أﻛرث‪ ،‬ﻛـام أن اﻟﻮﺳـﻂ اﻟﺤﺴـﺎيب ‪-‬‬
‫ﺑﺎﻹﺿﺎﻓﺔ إﱃ ﺳﻬﻮﻟﺘﻪ‪ -‬ميﻜﻦ ﺣﺴﺎﺑﻪ ﻣﻦ ﻓﺌﺎت ﻏري ﻣﺘﺴﺎوﻳﺔ‪ ،‬وذﻟﻚ ﺑﺈﻳﺠﺎد ﻣﺮﻛﺰ ﻛﻞ ﻓﺌﺔ‪ ،‬وﴐب ﻣﺮﻛﺰ ﻛﻞ‬
‫ﻓﺌﺔ ﰲ ﺗﻜﺮاراﺗﻬﺎ‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﻮﺳﻴﻂ‬
‫ً‬
‫اﻟﻮﺳﻴﻂ )‪ (Median‬ﻫﻮ اﻟﻘﻴﻤﺔ اﻟﺘﻲ ﺗﺘﻮﺳﻂ اﻟﻘﻴﻢ؛ ﺑﺤﻴﺚ ﻳﻜﻮن ﻋـﺪد اﻟﻘـﻴﻢ اﳌﻮﺟـﻮدة ﻋـﲆ ﻳﺴـﺎر‬
‫ﻣﺴﺎوﻳﺎ ﻟﻌﺪد اﻟﻘﻴﻢ اﳌﻮﺟﻮدة ﻋـﲆ ميﻴﻨﻬـﺎ‪ ،‬وميﻜـﻦ ﺣﺴـﺎب اﻟﻮﺳـﻴﻂ ﻣـﻦ اﻟﺒﻴﺎﻧـﺎت اﻟﺨـﺎم‬
‫ً‬ ‫ﺗﻠﻚ اﻟﻘﻴﻤﺔ‬
‫ﻣﺒﺎﴍة‪ ،‬ﻛام ميﻜﻦ ﺣﺴﺎﺑﻪ ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮﺑﺔ‪ ،‬وﻛﺬﻟﻚ ميﻜـﻦ ﺣﺴـﺎﺑﻪ ﺑﺎﺳـﺘﺨﺪام اﳌﻨﺤﻨـﻰ اﻟﺘﻜـﺮاري ﻷي‬
‫ﺗﻮزﻳﻊ ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬

‫)أ( ﺣﺴﺎب اﻟﻮﺳﻴﻂ ﻣﻦ اﻟﺒﻴﺎﻧﺎت ﻏري اﳌﺒﻮﺑﺔ‪:‬‬

‫اﻓـﱰض أن ﻟـﺪﻳﻨﺎ ﻫــﺬه اﻟﻘـﻴﻢ اﻟﺨﻤــﺲ‪ 7 ،8 ،4 ،5 ،6 :‬ﻓـﺈذا ﻗﻤﻨـﺎ ﺑﱰﺗﻴــﺐ ﻫـﺬه اﻟﻘــﻴﻢ‬
‫ﺗﺼﺎﻋﺪﻳّﺎ ‪ ،‬ﻓﺈﻧﻬﺎ ﺗﻜﻮن‪ 8 ،7 ،6 ،5 ،4 :‬وﻫﻨﺎ ﻧﻼﺣﻆ أن اﻟﻘﻴﻤﺔ ‪ 6‬ﻫﻲ اﻟﺘﻲ ﺗﺘﻮﺳﻂ ﻫﺬه اﻟﻘﻴﻢ‪،‬‬
‫أﻳﻀـﺎ‬
‫ﻓﻌﲆ ميني اﻟﻘﻴﻤﺔ ‪ 6‬ﺗﻮﺟﺪ ﻗﻴﻤﺘﺎن )ﻫـام اﻟﻘﻴﻤـﺔ ‪ 4‬واﻟﻘﻴﻤـﺔ ‪ (5‬وﻋـﲆ ﻳﺴـﺎرﻫﺎ ﺗﻮﺟـﺪ ً‬
‫ﻗﻴﻤﺘﺎن )ﻫام اﻟﻘﻴﻤﺔ ‪ 7‬واﻟﻘﻴﻤﺔ ‪(8‬؛ أي أن ﻋﺪد اﻟﻘﻴﻢ اﳌﻮﺟﻮدة ﻋﲆ )ميني( اﻟـﺮﻗﻢ ‪ 6‬ﻳﺴـﺎوي‬
‫ﻋﺪد اﻟﻘﻴﻢ اﳌﻮﺟﻮدة ﻋﲆ)ﻳﺴـﺎره( وﺑﺎﻟﺘـﺎﱄ‪ ،‬ﻓـﺈن اﻟﻘﻴﻤـﺔ ‪ 6‬ﻫـﻲ اﻟﻮﺳـﻴﻂ‪ .‬ﻫـﺬا ﻳﻌﻨـﻲ أﻧـﻪ‬

‫‪128‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺗﺼﺎﻋﺪﻳﺎ أو ّ‬
‫ﺗﻨﺎزﻟﻴﺎ‪ ،‬ﻓﺈن اﻟﻌﺪد اﻟﺬي ﻳﺘﻮﺳﻂ ﺗﻠﻚ اﻷﻋﺪاد‬ ‫ّ‬ ‫ﺗﺮﺗﻴﺒﺎ‬
‫ﻋﻨﺪﻣﺎ ﻧﻘﻮم ﺑﱰﺗﻴﺐ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻷﻋﺪاد ً‬
‫ﻓﺮدﻳـﺎ‬
‫ﻋـﺪا ّ‬
‫ﻳﻜﻮن ﻫﻮ اﻟﻮﺳﻴﻂ‪ ،‬وﻫﺬا ﻳﻨﻄﺒﻖ ﻓﻘﻂ ﻋﲆ اﻷﻋﺪاد ﻏري اﳌﺒﻮﺑﺔ اﻟﺘﻲ إذا أﺣﺼﻴﻨﺎﻫﺎ‪ ،‬ﺗﻌﻄﻲ ّ‬
‫)ﻛﺄن ﺗﻜﻮن ﺛﻼﺛﺔ أﻋﺪاد‪ ،‬أو ﺧﻤﺴﺔ أﻋﺪاد‪ ،‬أو ﺳﺒﻌﺔ أﻋﺪاد ‪ ...‬إﱃ آﺧﺮ اﻷﻋﺪاد اﻟﻔﺮدﻳﺔ(‪ ،‬ﻟﻜـﻦ اﻷﻋـﺪاد‪ ،‬أو‬
‫ﻓﻤﺜﻼ إذا ﻛﺎن ﻟﺪﻳﻨﺎ اﻷﻋﺪاد‪:‬‬
‫زوﺟﻴﺎ‪ً ،‬‬
‫اﳌﻔﺮدات ﻗﺪ ﻳﻜﻮن ﻋﺪدﻫﺎ ّ‬
‫‪7 ،8 ،4 ،5 ،6 ،9‬‬

‫متﺎﻣـﺎ‪ ،‬ﰲ ﻫـﺬه اﻟﺤﺎﻟـﺔ‪،‬‬

‫ﻋﺪا زوﺟﻴّﺎ )ﺳﺘﺔ أﻋﺪاد(‪ ،‬ﻓﻼ ﻳﻮﺟﺪ ﻋﺪد ﻳﺘﻮﺳﻂ ﻫﺬه اﻟﻘـﻴﻢ ً‬
‫أي أﻧﻬﺎ ﺗﻌﻄﻲ ّ‬
‫ﻳﺘﻢ اﻟﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻴﻂ ﻣﻦ ﺧﻼل ﺗﺮﺗﻴﺐ ﻫﺬه اﻟﻘﻴﻢ ﺗﻨﺎزﻟﻴّﺎ أو ﺗﺼﺎﻋﺪﻳّﺎ )‪ ،(9 ،8 ،7 ،6 ،5 ،4‬ﺛﻢ ﺟﻤﻊ‬
‫اﻟﻘﻴﻤﺘني اﻟﻠﺘني ﺗﺘﻮﺳﻄﺎن ﺑﻘﻴﺔ اﻟﻘﻴﻢ‪ ،‬ﺛـﻢ ﻗﺴـﻤﺔ ﻫـﺎﺗني اﻟﻘﻴﻤﺘـني ﻋـﲆ ‪ 2‬ﻓﻴﻜـﻮن اﻟﻨـﺎﺗﺞ ﻫـﻮ اﻟﻮﺳـﻴﻂ‪،‬‬
‫وﻳﻼﺣﻆ أن اﻟﻘﻴﻤﺔ ‪ 6‬واﻟﻘﻴﻤﺔ ‪ 7‬ﻫام اﻟﻘﻴﻤﺘﺎن اﻟﻠﺘﺎن ﺗﺘﻮﺳﻄﺎن ﺑﻘﻴﺔ اﻟﻘـﻴﻢ‪ ،‬ﻓﻌـﲆ اﻟﻴﻤـني ﻣـﻨﻬام ﺗﻮﺟـﺪ‬
‫ﻗﻴﻤﺘﺎن وﻋﲆ اﻟﻴﺴﺎر ﻣﻨﻬام ﺗﻮﺟﺪ ﻗﻴﻤﺘﺎن‪ ،‬وﻋﲆ ﻫﺬا اﻷﺳﺎس ﻓﺈن اﻟﻮﺳﻴﻂ ﻳﻜﻮن‪:‬‬

‫‪6.5 = 2÷ 7 +6‬‬

‫وﻫﻨﺎك ﻗﺎﻧﻮن ﻟﻠﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻴﻂ ﻣﻦ ﺑﻴﺎﻧﺎت ﻏري اﳌﺒﻮﺑﺔ ﺑﻮﺟﻪ ﻋﺎم‪ ،‬ﺳـﻮاء ﻛﺎﻧـﺖ ﺑﻴﺎﻧـﺎت ﺗﻌﻄـﻲ‬
‫ﻋﺪدا ﻓﺮدﻳّﺎ‪ ،‬وﻳﺮﺗﻜﺰ ﻫﺬا اﻟﻘﺎﻧﻮن ﻋﲆ ﺗﺤﺪﻳﺪ ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ؛ وﻣﻦ ّ‬
‫ﺛـﻢ ﺣﺴـﺎﺑﻪ مبﻮﺟـﺐ‬ ‫زوﺟﻴﺎ أو ً‬
‫ﻋﺪدا ّ‬
‫ً‬
‫اﳌﻌﺎدﻟﺔ‪:‬‬

‫ﺣﻴﺚ إن ‪:‬‬
‫ت‪ .‬و ‪ :‬ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ‬
‫ن ‪ :‬ﻋﺪد اﻟﻘﻴﻢ‬

‫‪129‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻣﺜﺎل‪ :‬ﻓﻴام ﻳﲇ ﻋﺪد اﳌﺴﻠﺴﻼت اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴﺔ اﻟﺘﻲ ﺷﺎﻫﺪﻫﺎ ﺳـﺒﻌﺔ أﺷـﺨﺎص‪ ،‬وﻛـﺬﻟﻚ اﻟﻜﺘـﺐ اﻟﺘـﻲ‬
‫ﻗﺮؤوﻫﺎ ﺧﻼل ﻋﺎم‪ ،‬واﳌﻄﻠﻮب إﻳﺠﺎد اﻟﻮﺳﻴﻂ ﻟﻜﻞ ﻣﻦ ﻋﺪد اﳌﺴﻠﺴﻼت وﻋﺪد اﻟﻜﺘﺐ‪:‬‬
‫ﻋﺪد اﻟﻜﺘﺐ‬ ‫ﻋﺪد اﳌﺴﻠﺴﻼت‬ ‫اﻟﺸﺨﺺ‬
‫‪1‬‬ ‫‪4‬‬ ‫اﻷول‬
‫‪3‬‬ ‫‪2‬‬ ‫اﻟﺜﺎين‬
‫‪2‬‬ ‫‪5‬‬ ‫اﻟﺜﺎﻟﺚ‬
‫‪4‬‬ ‫‪3‬‬ ‫اﻟﺮاﺑﻊ‬
‫‪6‬‬ ‫‪7‬‬ ‫اﻟﺨﺎﻣﺲ‬
‫‪5‬‬ ‫‪9‬‬ ‫اﻟﺴﺎدس‬
‫‪--‬‬ ‫‪8‬‬ ‫اﻟﺴﺎﺑﻊ‬

‫ﻓﻔﻴام ﻳﺨﺺ اﳌﺴﻠﺴﻼت ﻳﻼﺣﻆ أن ﻟﺪﻳﻨﺎ ‪ 7‬ﻗﻴﻢ )أي ﻋﺪد ﻓﺮدي(‪ ،‬وﻧﺒـﺪأ ﺑﱰﺗﻴـﺐ ﻋـﺪد اﳌﺴﻠﺴـﻼت‬
‫ﺗﺮﺗﻴﺒﺎ ﺗﺼﺎﻋﺪﻳّﺎ )ﻣﻦ اﻷﺻـﻐﺮ إﱃ اﻷﻛـﱪ(‪ ،‬ﻓﻴﻜـﻮن‪ 9 ،8 ،7 ،5 ،4 ،3 ،2 :‬وﺑﺘﻄﺒﻴـﻖ اﻟﻘـﺎﻧﻮن اﳌﺸـﺎر إﻟﻴـﻪ‬
‫ً‬
‫ﻳﻜﻮن‪:‬‬

‫مبﺎ أن ﻟﺪﻳﻨﺎ ﺳﺒﻌﺔ أﻋﺪاد )أي أن ﻗﻴﻤﺔ ن = ‪ ،(7‬ﻓﻴﻜﻮن ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ ﻳﺴﺎوي‪:‬‬

‫‪4 = 1 7‬‬
‫‪2‬‬

‫أي أن ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ ﻫﻮ اﻟﱰﺗﻴﺐ اﻟﺮاﺑﻊ‪ ،‬وﺗﻜﻮن اﻟﻘﻴﻤﺔ اﳌﻘﺎﺑﻠﺔ ﻟﻬـﺬا اﻟﱰﺗﻴـﺐ ﻫـﻲ اﻟﻮﺳـﻴﻂ‪ ،‬ﻓـﺈذا‬
‫ﻧﻈﺮﻧﺎ إﱃ اﻟﱰﺗﻴﺐ اﻟﺘﺼﺎﻋﺪي ﻟﻠﻤﺴﻠﺴﻼت ﻧﺠﺪ أن اﻟﻘﻴﻤﺔ اﻟﺘﻲ ﺗﻘـﻊ ﰲ اﻟﱰﺗﻴـﺐ اﻟﺮاﺑـﻊ ﻫـﻲ )‪(5‬؛ أي أن‬
‫اﻟﻮﺳﻴﻂ ﻟﻸﻋﺪاد ‪ 9 ،8 ،7 ،5 ،4 ،3 ،2‬ﻳﺴﺎوي )‪ ،(5‬ﻫﺬا ﻓﻴام ﻳﺨﺺ اﳌﺴﻠﺴﻼت‪.‬‬

‫‪130‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫أﻣﺎ ﻓﻴام ﻳﺨﺺ اﻟﻜﺘﺐ‪ ،‬ﻳﻼﺣﻆ أن ﻟﺪﻳﻨﺎ ‪ 6‬ﺳﺘﺔ أﻋﺪاد؛ أي أن ﻗﻴﻤﺔ ن = ‪ ، 6‬وﺗﺘﻢ اﻟﺨﻄـﻮات اﻟﺴـﺎﺑﻘﺔ‬
‫ﺗﺮﺗﻴﺒﺎ ﺗﺼﺎﻋﺪﻳّﺎ )ﻣﻦ اﻷﺻﻐﺮ إﱃ اﻷﻛﱪ(‪ ،‬ﻓﻴﻜﻮن‪6 ،5 ،4 ،3 ،2 ،1 :‬‬
‫ﻧﻔﺴﻬﺎ‪ ،‬مبﻌﻨﻰ ﺗﺮﺗﻴﺐ أﻋﺪاد اﻟﻜﺘﺐ ً‬

‫ﺑﺘﻄﺒﻴﻖ اﻟﻘﺎﻧﻮن اﳌﺸﺎر إﻟﻴﻪ ﻳﻜﻮن‪:‬‬

‫مبﺎ أن ﻗﻴﻤﺔ )ن( ﻫﻲ ‪ 6‬إذن ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ ﻳﺴﺎوي‬

‫‪3.5 = 1 6‬‬
‫‪2‬‬

‫أي أن ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ ﻫﻮ )‪ (3.5‬وﺑﺎﻟﻨﻈﺮ إﱃ اﻷﻋﺪاد ‪ 6 ،5 ،4 ،3 ،2 ،1‬ﻓﺈن ﻫـﺬا اﻟﱰﺗﻴـﺐ ﻳﻘـﻊ ﺑـني‬
‫ﺛﻢ ﻳﻜﻮن اﻟﻮﺳﻴﻂ‪:‬‬
‫اﻟﻘﻴﻤﺔ ‪ 3‬واﻟﻘﻴﻤﺔ ‪ ،4‬وﻣﻦ ّ‬
‫‪ 3.5 = 2 ÷ 4 + 3‬وﻋﲆ ﻫﺬا اﻷﺳﺎس ﻓﺈﻧﻪ ﰲ ﺣﺎﻟﺔ اﻷﻋﺪاد اﻟﻔﺮدﻳﺔ ﻳﻜﻮن ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ ﻫﻮ ﻗﻴﻤﺘﻪ‪.‬‬

‫وﰲ ﺣﺎﻟﺔ وﺟﻮد ﻋﺪد ﺻﻐري ﻣﻦ اﻟﻘﻴﻢ‪ ،‬ميﻜﻦ ﺣﺴﺎب اﻟﻮﺳﻴﻂ ﻣﺒﺎﴍة ﺑﻌﺪ ﺗﺮﺗﻴﺒﻬـﺎ‪ ،‬ﻓﻔـﻲ اﻷﻋـﺪاد ‪،2 ،1‬‬
‫‪ 6، 5 ، 4 ،3‬ﻧﺠﺪ أن اﻟﻘﻴﻤﺘني )‪ (3‬و)‪ (4‬ﺗﺘﻮﺳﻄﺎن ﻫﺬه اﻷﻋﺪاد‪ ،‬وﺑﺠﻤﻊ ﻫـﺎﺗني اﻟﻘﻴﻤﺘـني ﺛـﻢ ﻗﺴـﻤﺔ اﻟﻨـﺎﺗﺞ‬
‫ﻋﲆ ‪ 2‬ﻧﺤﺼﻞ ﻋﲆ اﻟﻮﺳﻴﻂ‪ ،‬ﻏري أن اﻷﻣﺮ ﻳﺨﺘﻠﻒ ﰲ اﻟﻮاﻗـﻊ اﻟﻌﻤـﲇ؛ ﺣﻴـﺚ ﻳﻜـﻮن ﻋـﺪد اﻟﻘـﻴﻢ ﺑﺎﳌﺌـﺎت أو‬
‫وﺟﻬـﺪا‪ ،‬وﺗـﺰداد اﺣـﺘامﻻت اﻟﺨﻄـﺄ‪ ،‬وﻣـﻦ ﻫﻨـﺎ‬
‫ً‬ ‫وﻗﺘـﺎ‬
‫ﻣﺜﻼ‪ ،‬ﻓﻔﻲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺴﺘﻐﺮق ﺗﺮﺗﻴﺐ اﻟﻘـﻴﻢ ً‬
‫اﻷﻟﻮف ً‬
‫ﻳﻜﻮن اﺳﺘﺨﺪام اﻟﺤﺎﺳﺐ اﻵﱄ أﻣ ًﺮا ﴐورﻳّﺎ‪.‬‬

‫‪131‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫)ب( ﺣﺴﺎب اﻟﻮﺳﻴﻂ ﻣﻦ ﺗﻜﺮارات اﻷﻋﺪاد اﳌﻨﻔﺼﻠﺔ‪:‬‬

‫اﻟﻜﻤﻴﺔ )اﻷﻋﺪاد(‪ ،‬وﻟﻜﻞ ﻗﻴﻤﺔ ﺗﻜﺮار ﻣﻌني‪ ،‬ﻓﺈن أﺳﻬﻞ ﻃﺮﻳﻘـﺔ ﻟﺤـﺴﺎب‬
‫إذا ﻛﺎن ﻟﺪﻳﻨﺎ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻘﻴﻢ ّ‬
‫اﻟﻮﺳﻴﻂ ﻫﻲ اﺳﺘﺨﺪام اﳌﻨﺤﻨﻰ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‪ .‬وﻟﺘﻮﺿﻴﺢ ﻫﺬه اﻟﻄﺮﻳﻘﺔ ﻧﻘﺪم ﻫﺬا اﻟﺠﺪول اﻟـﺬي‬
‫ﻳﻮﺿﺢ اﳌﺪة اﻟﺰﻣﻨﻴﺔ ﺑـ)اﻟﺪﻗﻴﻘﺔ( ﻟﻌﺪد ﺣﻠﻘﺎت ﺑﺮاﻣﺞ إذاﻋﻴﺔ‪:‬‬
‫اﻟﺘﻜﺮارات‬ ‫اﳌﺪة ﺑﺎﻟﺪﻗﻴﻘﺔ‬
‫‪٤‬‬ ‫‪١٠‬‬
‫‪٥‬‬ ‫‪١٢‬‬
‫‪٨‬‬ ‫‪١٤‬‬
‫‪٦‬‬ ‫‪١٦‬‬
‫‪٣‬‬ ‫‪١٨‬‬
‫‪٢٦‬‬ ‫اﳌﺠﻤﻮع‬
‫ﻓﺎﻟﺘﻜﺮارات ﰲ ﻫﺬا اﻟﺠﺪول‪ ،‬ﺗﻮﺿﺢ أن ﻫﻨﺎك )‪ (٤‬ﺣﻠﻘﺎت ﻣﺪة ﻛﻞ ﻣﻨﻬـﺎ ﻋـﺸـﺮ دﻗـﺎﺋﻖ‪ ،‬وﻫﻨـﺎك )‪(٥‬‬
‫ﻛﻞ ﻣﻨﻬﺎ اﺛﻨﺘﺎ ﻋﴩة دﻗﻴﻘﺔ‪ ..‬وﻫﻜﺬا‪.‬‬
‫ﺣﻠﻘﺎت ﻣﺪة ﱟ‬
‫وﺑﺘﻜﻮﻳﻦ اﳌﻨﺤﻨﻰ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ ﻳﻜﻮن ﻟﺪﻳﻨﺎ اﻟﺠﺪول اﻟﺘﻜﺮاري اﻵيت‪:‬‬
‫اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‬ ‫اﻟﺘﻜﺮارات‬ ‫اﳌﺪة ﺑﺎﻟﺪﻗﻴﻘﺔ‬
‫‪٤‬‬ ‫‪٤‬‬ ‫‪١٠‬‬
‫‪٩‬‬ ‫‪٥‬‬ ‫‪١٢‬‬
‫‪١٧‬‬ ‫‪٨‬‬ ‫‪١٤‬‬
‫‪٢٣‬‬ ‫‪٦‬‬ ‫‪١٦‬‬
‫‪٢٦‬‬ ‫‪٣‬‬ ‫‪١٨‬‬
‫‪٢٦‬‬ ‫اﳌﺠﻤﻮع‬

‫ومبﺎ أن ﻋﺪد اﻟﺘﻜﺮارات ﻫﻮ )‪ ،(٢٦‬ﻓﺈن رﺗﺒﺔ اﻟﻮﺳﻴﻂ = ‪١٣ =٢y٢٦‬‬

‫وإذا ﻛﺎﻧﺖ رﺗﺒﺔ اﻟﻮﺳﻴﻂ ﺗﺴﺎوي )‪ ،(١٣‬ﻓﺈن ﻫﺬه اﻟﻘﻴﻤـﺔ ﺗﻘـﻊ ﺑـني اﻟـﺮﻗﻢ )‪ (٩‬واﻟـﺮﻗﻢ‬
‫)‪ (١٧‬ﰲ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‪ ،‬ﻛام أن اﻟﻘﻴﻤﺔ )‪ (١٣‬ﺗﻌﻨﻲ أن اﻟﻮﺳﻴﻂ ﻳﻘﻊ ﺑني‬

‫‪-˺˼˻-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﺪرﺟﺔ )‪ (12‬واﻟﺪرﺟﺔ )‪ (14‬ﰲ ﻓﺌﺎت اﻟﻮﻗﺖ ﺑﺎﻟﺪﻗﻴﻘﺔ‪ ،‬وﻫﺬا ﻳﻌﻨﻲ أن اﻟﺰﻳﺎدة ﺑني اﻟﻮﺳﻴﻂ واﻟﺪرﺟـﺔ ‪12‬‬
‫ﺗﻨﺎﻇﺮ اﻟﺰﻳﺎدة ﺑني رﺗﺒﺔ اﻟﻮﺳﻴﻂ )‪ (13‬واﻟﻘﻴﻤﺔ )‪ ،(9‬وﻳﺘﻢ اﻟﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻴﻂ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪ 8‬اﻟﻮﺳﻴﻂ ‪52 - 56 = 104 -‬‬

‫‪ 8‬اﻟﻮﺳﻴﻂ ‪4 = 104 -‬‬

‫= ‪108 = 4 + 104‬‬

‫اﻟﻮﺳﻴﻂ = ‪13.5‬‬

‫)ﺟـ( ﺣﺴﺎب اﻟﻮﺳﻴﻂ ﻣﻦ ﺟﺪول اﻟﻔﺌﺎت اﻟﺘﻜﺮارﻳﺔ‪:‬‬

‫إذا ﻛﺎن ﻟﺪﻳﻨﺎ ﺟﺪول ﺗﻜﺮاري )ﻳﺘﻀﻤﻦ ﻓﺌﺎت ﺑﺘﻜﺮاراﺗﻬﺎ(‪ ،‬ﻓﺈن ﺣﺴﺎب اﻟﻮﺳﻴﻂ ﻳﺘﻄﻠﺐ ﺗﺤﺪﻳﺪ اﻟﻔﺌـﺔ‬
‫اﻟﻮﺳﻴﻄﻴﺔ )أي اﻟﻔﺌﺔ اﻟﺘﻲ ﻳﻘﻊ ﻓﻴﻬﺎ اﻟﻮﺳﻴﻂ(‪ ،‬وﻳﺘﻢ ﺣﺴﺎب اﻟﻮﺳﻴﻂ ﺑﺎﺳﺘﺨﺪام اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ‬
‫اﻟﺼﺎﻋﺪ أو اﻟﻬﺎﺑﻂ‪.‬‬

‫‪ (1‬ﺑﺎﺳﺘﺨﺪام اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‪ :‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﻜﻮن اﻟﻮﺳﻴﻂ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‬
‫اﻵﺗﻴﺔ‪:‬‬

‫ﺣﻴﺚ إن‪:‬‬

‫ل ‪ :‬اﻟﺤﺪ اﻷدىن ﻟﻠﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ‬

‫‪133‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ت‪ :‬ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ‬

‫ك م‪ :‬اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﺴﺎﺑﻖ ﻟﻠﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ‬

‫ك‪ :‬ﺗﻜﺮار اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﺔ‬

‫ف‪ :‬ﻃﻮل اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ‬

‫وﺑﻨﺎء ﻋﲆ ذﻟﻚ‪ ،‬ﻻﺑﺪ ﻣﻦ اﻟﺤﺼﻮل ﻋﲆ ﻛـﻞ اﳌﻌﻄﻴـﺎت اﻟـﺴﺎﺑﻘﺔ ﻣـﻦ اﻟﺘﻮزﻳـﻊ اﻟﺘﻜـﺮاري اﳌﺘﺠﻤـﻊ‬
‫اﻟﺼﺎﻋﺪ‪.‬‬

‫ﻣﺜﺎل‪:‬‬

‫اﻟﺠﺪول اﻵيت ﻳﻮﺿﺢ ﺗﻮزﻳﻊ ﻋﺪد ﻣﻦ ﺣﻠﻘﺎت ﺑﺮاﻣﺞ إذاﻋﻴﺔ ﺣﺴﺐ اﳌﺪة اﻟﺰﻣﻨﻴﺔ ﺑﺎﻟﺪﻗﻴﻘﺔ‪:‬‬
‫اﻟﺘﻜﺮارات‬ ‫اﻟﻔﺌﺎت‬
‫‪٢٧‬‬ ‫‪٤٠-٣٠‬‬
‫‪١٢‬‬ ‫‪٥٠-٤٠‬‬
‫‪٣٢‬‬ ‫‪٦٠-٥٠‬‬
‫‪٢٣‬‬ ‫‪٧٠-٦٠‬‬
‫‪٢٢‬‬ ‫‪٨٠-٧٠‬‬
‫‪١١٦‬‬ ‫اﳌﺠﻤﻮع‬

‫ﻟﻠﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻴﻂ ﻣﻦ ﻫﺬا اﻟﺠﺪول ﺑﺎﺳﺘﺨﺪام اﻟﺘﻮزﻳﻊ اﻟﺘﻜـﺮاري اﳌﺘﺠﻤـﻊ اﻟـﺼﺎﻋﺪ‪ ،‬ﻓـﺈن ﻧﻘﻄـﺔ‬
‫اﻟﺒﺪء ﻫﻲ إﻳﺠﺎد ﻫﺬا اﻟﺘﻮزﻳﻊ‪ ،‬ﺛﻢ ﺗﺤﺪﻳﺪ ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ‪ ،‬وﻛﺬﻟﻚ اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ‪:‬‬

‫‪-˺˼˽-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬
‫اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‬ ‫اﻟﺘﻜﺮارات‬ ‫اﻟﻔﺌﺎت‬
‫‪٢٧‬‬ ‫‪٢٧‬‬ ‫‪٤٠-٣٠‬‬
‫‪٣٩‬‬ ‫‪١٢‬‬ ‫‪٥٠-٤٠‬‬
‫‪٧١‬‬ ‫‪٣٢‬‬ ‫‪٦٠-٥٠‬‬
‫‪٩٤‬‬ ‫‪٢٣‬‬ ‫‪٧٠-٦٠‬‬
‫‪١١٦‬‬ ‫‪٢٢‬‬ ‫‪٨٠-٧٠‬‬

‫وإذا ﻛﺎن ﻣﺠﻤﻮع اﻟﺘﻜﺮارات ﻫـﻮ )‪ ،(١١٦‬ﻓـﺈن ﺗﺮﺗﻴـﺐ اﻟﻮﺳـﻴﻂ = ‪ ٥٨ = ٢ ÷ ١١٦‬وﻣﻌﻨـﻰ ذﻟـﻚ أن‬
‫اﻟﻮﺳــﻴﻂ ﻳﻘــﻊ ﺑــني اﻟﻘﻴﻤــﺔ )‪ (٣٩‬واﻟﻘﻴﻤــﺔ )‪ (٧١‬ﰲ اﻟﺘﻮزﻳــﻊ اﻟﺘﻜـﺮاري اﳌﺘﺠﻤــﻊ اﻟــﺼﺎﻋﺪ‪ ،‬وﺗﻜــﻮن اﻟﻔﺌــﺔ‬
‫اﻟﻮﺳﻴﻄﻴﺔ ﻫﻲ ﺗﻠﻚ اﻟﻔﺌﺔ اﻟﺘـﻲ ﻳﻘـﻊ ﻓﻴﻬـﺎ اﻟﻮﺳـﻴﻂ‪ ،‬وﻫـﻲ ﰲ ﻣﺜﺎﻟﻨـﺎ اﻟﻔﺌـﺔ )ﻣـﻦ ‪ ٥٠‬إﱃ ‪ ،(٦٠‬وﻳﻮﺿـﺢ‬
‫اﻟﺠﺪول أن اﻟﺤﺪ اﻷدىن ﻟﻠﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ ﻫﻮ )‪ (٥٠‬أﻣﺎ اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ ﻟﻠﻔﺌﺔ اﻟﺴﺎﺑﻘﺔ ﻋﻠﻴﻬـﺎ )اﻟﺘـﻲ ﻗﺒـﻞ‬
‫اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ(‪ ،‬ﻓﻬﻮ )‪ ،(٣٩‬ﻛام أن ﺗﻜـﺮار اﻟﻔﺌـﺔ اﻟﻮﺳـﻴﻄﻴﺔ ﻳـﺴﺎوي )‪ (٣٢‬وﻃﻮﻟﻬـﺎ )‪ ،(١٠‬وﺑـﺎﻟﻌﻮدة إﱃ‬
‫ﻣﻌﺎدﻟﺔ اﻟﻮﺳﻴﻂ وﻫﻲ‪:‬‬

‫§‬ ‫‪ϡ ϙ-Ε‬‬ ‫·‬

‫‪¨ ϑu‬‬ ‫م=ل‪¸ +‬‬
‫¨‬ ‫‪ϙ‬‬ ‫¸‬
‫©‬ ‫‪¹‬‬

‫وﺑﺎﺳﺘﺨﺪام اﳌﻌﻄﻴﺎت اﻟﺘﻲ ﺣﺼﻠﻨﺎ ﻋﻠﻴﻬﺎ‪ ،‬واﻟﺘﻌﻮﻳﺾ ﰲ ﻫﺬه اﳌﻌﺎدﻟﺔ‪ ،‬ﻓﺈن‪:‬‬

‫م = ‪٥٦ = 10u 39  58 + ٥٠‬‬

‫‪32‬‬

‫ﺗﻘﺮﻳﺒﺎ‬
‫أي أن اﻟﻮﺳﻴﻂ ﻫﻮ ‪ً ٥٦‬‬
‫‪ (2‬ﺑﺎﺳﺘﺨﺪام اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ‪ :‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﺗﺴﺘﺨﺪم اﳌﻌﺎدﻟﺔ اﻟـﺴﺎﺑﻖ ذﻛﺮﻫـﺎ‪ ،‬وﻟﻜـﻦ ﻣـﻊ‬
‫ﺗﻐﻴري ﻃﻔﻴﻒ ﻛﺎﻵيت‪:‬‬

‫§‬ ‫‪ϝϡ ϙ - Ε‬‬ ‫·‬

‫‪¨ ϑu‬‬ ‫اﻟﻮﺳﻴﻂ = ل ‪¸ -‬‬
‫¨‬ ‫‪ϙ‬‬ ‫¸‬
‫©‬ ‫‪¹‬‬
‫‪-˺˼˾-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺣﻴﺚ‪ :‬ل‪ :‬اﻟﺤﺪ اﻷﻋﲆ ﻟﻠﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ‬

‫ت‪ :‬ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ‬
‫ك م ل‪ :‬اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ ﻟﻠﻔﺌﺔ اﻟﺘﻲ ﺗﲇ اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﺔ‬
‫ك‪ :‬ﺗﻜﺮار اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ‬
‫ف‪ :‬ﻃﻮل اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ‬

‫وﺑﺘﻜﻮﻳﻦ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ ﻳﻜﻮن ﻟﺪﻳﻨﺎ اﻟﺘﻮزﻳﻊ اﻟﺘﺎﱃ‪:‬‬

‫اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ‬ ‫اﻟﺘﻜﺮارات‬ ‫اﻟﻔﺌﺎت‬
‫‪١١٦‬‬ ‫‪٢٧‬‬ ‫‪٤٠-٣٠‬‬
‫‪٨٩‬‬ ‫‪١٢‬‬ ‫‪٥٠-٤٠‬‬
‫‪٧٧‬‬ ‫‪٣٢‬‬ ‫‪٦٠-٥٠‬‬
‫‪٤٥‬‬ ‫‪٢٣‬‬ ‫‪٧٠-٦٠‬‬
‫‪٢٢‬‬ ‫‪٢٢‬‬ ‫‪٨٠-٧٠‬‬
‫‪١١٦‬‬ ‫اﳌﺠﻤﻮع‬

‫وﻗﺪ ﺳﺒﻘﺖ اﻹﺷﺎرة إﱃ أن ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ ﻫﻮ )‪ (٥٨‬ﻛام أن اﻟﺠـﺪول ﻳﻮﺿـﺢ أن اﻟﺤـﺪ اﻷﻋـﲆ ﻟﻠﻔﺌـﺔ‬
‫أﻳﻀﺎ أن اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ ﻟﻠﻔﺌﺔ اﻟﺘﻲ ﺗﲇ اﻟﻔﺌﺔ اﻟﻮﺳـﻴﻄﻴﺔ ﻫـﻮ )‪،(٤٥‬‬
‫اﻟﻮﺳﻴﻄﻴﺔ ﻫﻮ )‪ ،(٦٠‬وﻳﻮﺿﺢ ً‬
‫ﻛام أن ﺗﻜﺮار اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ ﻫﻮ )‪ (٣٢‬وﻃﻮﻟﻬﺎ )‪ ،(١٠‬وﺑﺎﺳﺘﺨﺪام ﻫﺬه اﳌﻌﻄﻴﺎت واﻟﺘﻌﻮﻳﺾ ﰲ اﳌﻌﺎدﻟـﺔ‬
‫اﳌﺬﻛﻮرة‪ ،‬ﻓﺈن اﻟﻮﺳﻴﻂ ﻳﺴﺎوي‪:‬‬

‫‪10 u 45  58‬‬ ‫‪- ٦٠‬‬

‫‪32‬‬

‫ﺗﻘﺮﻳﺒﺎ‬
‫‪ً ٥٦ = ٤ -٦٠‬‬
‫أي أن اﻟﻮﺳﻴﻂ ﻳﺴﺎوي ‪٥٦‬‬

‫‪-˺˼˿-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻣﺜﺎل آﺧﺮ‪:‬‬

‫ﰲ دراﺳﺔ ارﺗﻜﺰت ﻋﲆ ﺗﺤﻠﻴﻞ ﻣﺤﺘﻮى ﻧﴩات اﻷﺧﺒﺎر ﰲ إذاﻋﺔ اﻟﺮﻳﺎض ﺑﺎﳌﻤﻠﻜﺔ اﻟﻌﺮﺑﻴـﺔ اﻟـﺴﻌﻮدﻳﺔ‪،‬‬
‫ﺧﻠﺺ اﻟﺒﺎﺣﺚ إﱃ ﻧﺘﺎﺋﺞ ﻫﺎﻣﺔ ﻣﻦ ﺑﻴﻨﻬﺎ أن ﻋﻴﻨﺔ اﻟﻨﴩات ﻛﺎﻧﺖ ﺗﺘﻮزع ﺣـﺴﺐ اﳌـﺪة اﻟﺰﻣﻨﻴـﺔ ﺑﺎﻟﺪﻗﻴﻘـﺔ‬
‫وﻓﻖ ﻣﺎ ﻳﻮﺿﺤﻪ اﻟﺠﺪول اﻵيت‪:‬‬
‫اﻟﺘﻜﺮارات‬ ‫اﻟﻔﺌﺎت‬
‫‪٢٨‬‬ ‫‪٢٤-٢٠‬‬
‫‪٣٦‬‬ ‫‪٢٩-٢٥‬‬
‫‪٣١‬‬ ‫‪٣٤-٣٠‬‬
‫‪٢٦‬‬ ‫‪٣٩-٣٥‬‬
‫‪١٥‬‬ ‫‪٤٤-٤٠‬‬
‫‪١٣٦‬‬ ‫اﳌﺠﻤﻮع‬

‫إن اﻟﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻴﻂ ﺑﺎﺳﺘﺨﺪام اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟـﺼﺎﻋﺪ )ت م ص( وﻛـﺬﻟﻚ ﺑﺎﺳـﺘﺨﺪام اﻟﺘﻜـﺮار‬
‫اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ )ت م ﻫـ(‪ ،‬ﻳﺒﺪأ ﺑﺘﻜﻮﻳﻦ ﻛﻼ اﻟﺘﻮزﻳﻌني وﻓﻖ ﻣﺎ ﻳﻮﺿﺤﻪ اﻟﺠﺪول اﻵيت‪:‬‬

‫ت م ﻫـ‬ ‫تمص‬ ‫ك‬ ‫اﻟﻔﺌﺎت‬

‫‪١٣٦‬‬ ‫‪٢٨‬‬ ‫‪٢٨‬‬ ‫‪٢٤-٢٠‬‬
‫‪١٠٨‬‬ ‫‪٦٤‬‬ ‫‪٣٦‬‬ ‫‪٢٩-٢٥‬‬
‫‪٧٢‬‬ ‫‪٩٥‬‬ ‫‪٣١‬‬ ‫‪٣٤-٣٠‬‬
‫‪٤١‬‬ ‫‪١٢١‬‬ ‫‪٢٦‬‬ ‫‪٣٩-٣٥‬‬
‫‪١٥‬‬ ‫‪١٣٦‬‬ ‫‪١٥‬‬ ‫‪٤٤-٤٠‬‬
‫‪١٣٦‬‬

‫مبﺎ أن ﻣﺠﻤﻮع اﻟﺘﻜﺮارات ﻫﻮ )‪ ،(١٣٦‬ﻓﺘﻜﻮن رﺗﺒﺔ اﻟﻮﺳﻴﻂ ﺗﺴﺎوي ‪٦٨ = ٢ ÷ ١٣٦‬‬

‫‪-˺˼̀-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻓﺈذا اﺳﺘﺨﺪﻣﻨﺎ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ )ت م ص(‪ ،‬ﻓﺈن رﺗﺒـﺔ اﻟﻮﺳـﻴﻂ ﺗﻘـﻊ ﺑﻌـﺪ اﻟﻘﻴﻤـﺔ‬
‫)‪ (٦٤‬ﰲ ﻫﺬا اﻟﺘﻮزﻳﻊ؛ أي أن اﻟﻮﺳﻴﻂ ﻳﻘﻊ ﰲ اﻟﻔﺌﺔ )‪ (٣٤-٣٠‬وﻫﺬه ﻫﻲ اﻟﻔﺌﺔ اﻟﻮﺳﻴﻄﻴﺔ‪ ،‬ﻛام ﻧﺘﺒني ﻣـﻦ‬
‫اﻟﺠﺪول أن اﻟﺘﻜﺮار اﳌﺘﺠﻤـﻊ اﻟـﺼﺎﻋﺪ ﻟﻠﻔﺌـﺔ اﻟﺘـﻲ ﺗـﺴﺒﻖ اﻟﻔﺌـﺔ اﻟﻮﺳـﻴﻄﻴﺔ ﻫـﻮ )‪ ،(٦٤‬أﻣـﺎ ﻃـﻮل اﻟﻔﺌـﺔ‬
‫اﻟﻮﺳﻴﻄﻴﺔ‪ ،‬ﻓﺈﻧﻪ ﻳﺴﺎوي )‪ ،(٥‬وﺣـﺪﻫﺎ اﻷدىن )‪ (٣٠‬وﺗﻜﺮارﻫـﺎ اﻷﺻـﲇ ‪ ٣١‬وﻫﻜـﺬا ﻳـﺘﻢ ﺣـﺴﺎب اﻟﻮﺳـﻴﻂ‬
‫ﺑﺘﻄﺒﻴﻖ اﳌﻌﺎدﻟﺔ‪:‬‬

‫§‬ ‫· ‪ϡ ϙ- Ε‬‬
‫‪¨ ϑu‬‬ ‫م=ل‪¸ +‬‬
‫¨‬ ‫‪ϙ‬‬ ‫¸‬
‫©‬ ‫‪¹‬‬
‫وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن اﻟﻮﺳﻴﻂ‪:‬‬

‫‪5 u 64  68‬‬ ‫م = ‪+ ٣٠‬‬

‫‪31‬‬

‫= ‪٣٠.٦٥ = ٠.٧ + ٣٠‬‬

‫أﻣﺎ إذا اﺳﺘﺨﺪﻣﻨﺎ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﻄﺒﻖ اﳌﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ ﺑﺎﻟﺼﻴﻐﺔ اﻵﺗﻴﺔ‪:‬‬

‫§‬ ‫‪ϝϡ ϙ - Ε‬‬ ‫·‬

‫‪¨ ϑu‬‬ ‫اﻟﻮﺳﻴﻂ = ل ‪¸ -‬‬
‫¨‬ ‫‪ϙ‬‬ ‫¸‬
‫©‬ ‫‪¹‬‬

‫ومبﺎ أن ﺗﺮﺗﻴﺐ اﻟﻮﺳﻴﻂ = ‪ ٦٨‬ومبﺎ أن اﻟﻔﺌﺔ اﻟﻮﺳـﻴﻄﻴﺔ )‪ ،(٣٥-٣٠‬ﻓـﺈن ﻃﻮﻟﻬـﺎ ﻳـﺴﺎوي )‪ (٥‬وﺗﻜﺮارﻫـﺎ‬
‫اﻷﺻﲇ ‪ ٣١‬وﺣﺪﻫﺎ اﻷﻋﲆ ‪ ٣٤‬ﻛام أن اﻟﺘﻜﺮار اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ ﻟﻠﻔﺌﺔ اﻟﺘﻲ ﺗﲇ اﻟﻔﺌﺔ اﻟﻮﺳـﻴﻄﻴﺔ ﻫـﻮ )‪.(٤١‬‬
‫ﺑﺎﺳﺘﺨﺪام ﻫﺬه اﳌﻌﻄﻴﺎت‪ .‬وﺑﺎﻟﺘﻌﻮﻳﺾ ﰲ اﳌﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ ﻳﻜﻮن اﻟﻮﺳﻴﻂ ﻳﺴﺎوي‪:‬‬

‫‪5 u 41  68‬‬ ‫‪- ٣٥‬‬

‫‪31‬‬

‫= ‪٣٠.٦٥ = ٤.٣ – ٣٥‬‬

‫‪-˺˼́-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وﻳﻼﺣﻆ أن ﻗﻴﻤﺔ اﻟﻮﺳﻴﻂ واﺣﺪة ﰲ اﻟﺤﺎﻟﺘني‪ ،‬ﺳﻮاء ﻋﻨﺪ اﺳﺘﺨﺪام اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‬
‫)ت‪ .‬م‪ .‬ص‪ (.‬أو ﻋﻨﺪ اﺳﺘﺨﺪام اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ )ت‪ .‬م‪ .‬ﻫـ‪.(.‬‬

‫ﺎﻧﻴﺎ ﻣﻦ ﺧـﻼل رﺳـﻢ اﳌﻨﺤﻨـﻰ اﻟﺘﻜـﺮاري اﳌﺘﺠﻤـﻊ اﻟـﺼﺎﻋﺪ واﳌﻨﺤﻨـﻰ‬

‫وميﻜﻦ اﻟﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻴﻂ ﺑﻴ ّ‬
‫ﻣـﺴﺘﻘﻴام ﻋـﲆ اﳌﺤـﻮر‬
‫ً‬ ‫رأﺳـﻴﺎ‬
‫ﻋﻤـﻮدا ّ‬
‫ً‬ ‫اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ‪ ،‬وﻋﻨﺪ ﻧﻘﻄـﺔ ﺗﻘـﺎﻃﻊ اﳌﻨﺤﻨﻴـني ﻧـﺴﻘﻂ‬
‫اﻷﻓﻘﻲ‪ ،‬وﺗﻜﻮن ﻗﻴﻤﺔ اﻟﻮﺳﻴﻂ ﻫﻲ اﻟﻘﻴﻤﺔ اﻟﺘﻲ ﻳﻠﺘﻘﻲ ﻓﻴﻬـﺎ اﻟﻌﻤـﻮد ﻣـﻊ اﳌﺤـﻮر اﻷﻓﻘـﻲ‪ ،‬ﻓـﻴام ﻳﻮﺿـﺤﻪ‬
‫اﻟﺮﺳﻢ اﻵيت‪:‬‬

‫وﻣﻦ ﺧﺼـﺎﺋﺺ اﻟﻮﺳﻴﻂ أﻧﻪ ﻻ ﻳﺘﺄﺛﺮ ﺑﺎﻟﻘﻴﻢ اﳌﺘﻄﺮﻓﺔ‪ ،‬ﻓﻬﻮ ﻳﺘﻢ ﺣﺴﺎﺑﻪ ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮﺑﺔ‬
‫أو اﻟﺘﻲ ﺗﻢ ﺗﺮﺗﻴﺒﻬﺎ ﺑﴫف اﻟﻨﻈﺮ ﻋﻦ وﺟﻮد ﺗﻠﻚ اﻟﻘﻴﻢ ﻣﻦ ﻋﺪﻣﻪ‪ ،‬ﻛـام أن اﻟﻮﺳﻴــﻂ ﻻ ﻳﺘـﺄﺛﺮ‬
‫ﻛﺜريا ﰲ رﺻﺪ ﻣﺘﻮﺳﻂ اﻟﻈﺎﻫﺮة ﻋﱪ ﻓﱰة زﻣﻨﻴﺔ ﻣﻌﻴﻨـﺔ‪ ،‬ﻛـام‬
‫ﺑﺎﻟﻔﺌﺎت اﳌﻔﺘﻮﺣﺔ‪ ،‬وﻳﻔﻴﺪ اﻟﻮﺳﻴﻂ ً‬
‫أن اﻟﻮﺳﻴﻂ ﻻ ﻳﻌﺘﻤﺪ ﻋﲆ ﻣﺮاﻛﺰ اﻟﻔﺌـﺎت‪ ،‬ﺑـﻞ ﻳﻌﺘﻤــﺪ ﻋـﲆ اﻟﺘﻜـﺮارات ﻓﻘـﻂ‪ ،‬وﻟـﺬﻟﻚ ﻓﻬـﻮ‬

‫‪-˺˼̂-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻳﺴﺘﺨﺪم ‪ -‬دون ﻏريه‪ -‬ﰲ اﻟﻔﺌﺎت اﳌﻔﺘـﻮﺣﺔ‪ ،‬ﻛام ﻳﺼـﻠﺢ اﺳﺘﺨﺪام اﻟﻮﺳﻴﻂ ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﺗﻮزﻳﻊ اﻟﺘﻜﺮارات‬
‫ﻣﻠﺘﻮﻳّﺎ دﻻﻟﺔ ﻋﲆ ﺗﻄﺮف اﻟﺒﻴـﺎﻧﺎت واﻧﺤﻴﺎزﻫﺎ ﰲ اﺗﺠﺎه ﻣﻌني‪.‬‬

‫ﺛﺎﻟﺜًﺎ‪ :‬اﳌﻨﻮال‬

‫ﺷﻴﻮﻋﺎ‪ ،‬أو اﻷﻛرث ﺗﻜﺮا ًرا‪ ،‬اﻓﱰض أن ﻟﺪﻳﻨﺎ ﻋﻴﻨـﺔ ﻣـﻦ ‪ ٥٠٠‬ﺷـﺨﺺ‪،‬‬
‫اﳌﻨﻮال )‪ (Mode‬ﻫﻮ اﻟﻘﻴﻤﺔ اﻷﻛرث ً‬
‫وﻛﺎﻧﺖ ﻫﺬه اﻟﻌﻴﻨﺔ ﺗﺘﻮزع ﺣﺴﺐ ﺳﺎﻋﺎت اﳌﺸﺎﻫﺪة اﻟﻴﻮﻣﻴﺔ ﻟﻠﺘﻠﻴﻔﺰﻳﻮن ﻛﺎﻵيت‪:‬‬

‫‪ -‬أﻗﻞ ﻣﻦ ﺳﺎﻋﺔ ‪٦٨‬‬

‫‪ -‬ﻣﻦ ﺳﺎﻋﺔ إﱃ ﺳﺎﻋﺘني ‪٣٩٧‬‬

‫‪ -‬أﻛرث ﻣﻦ ﺳﺎﻋﺘني ‪٣٥‬‬

‫ﻫﻨﺎ ﺗﻜﻮن اﻟﻔﺌﺔ اﻟﺜﺎﻧﻴﺔ )ﻣﻦ ﺳﺎﻋﺔ إﱃ ﺳﺎﻋﺘني( ﻫﻲ اﻟﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ؛ ﻷﻧﻬﺎ ﺗﻜﺮرت أﻛرث ﻣﻦ ﻏريﻫﺎ؛ إذ‬
‫ﺗﻘﺮﻳﺒـﺎ ﻣـﻦ اﻟﻌﻴﻨـﺔ‪ ،‬وميﻜـﻦ ﺣـﺴﺎب اﳌﻨـﻮال ﻣـﻦ‬
‫إﻧﻬﺎ اﺳﺘﺤﻮذت ﻋﲆ ‪ ٣٩٧‬ﺗﻜـﺮا ًرا؛ أي ﻣـﺎ ﻳﻌـﺎدل ‪ً %٨٠‬‬
‫اﻟﺒﻴﺎﻧﺎت اﻟﺨﺎم ﻣﺒﺎﴍة أو ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮﺑﺔ ﰲ ﺟﺪاول ﺗﻜﺮارﻳﺔ‪.‬‬

‫)أ( ﺣﺴﺎب اﳌﻨﻮال ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﻟﺨﺎم‪:‬‬

‫ﻳﺘﻢ ﺣﺴﺎب اﳌﻨﻮال ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﻟﺨﺎم ﻣﺒﺎﴍة ﻣﻦ ﺧﻼل ﻣﻌﺮﻓﺔ ﻋـﺪد اﳌـﺮات اﻟﺘـﻲ ﺗﻜـﺮر ﻓﻴﻬـﺎ ﻛـﻞ‬
‫ً‬
‫ﻣﺒﺤﻮﺛـﺎ ﻋـﲆ ﻣﻘﻴـﺎس اﻻﺳـﺘﺨﺪاﻣﺎت‬ ‫رﻗﻢ‪ ،‬ﻟﻨﻔﺮض أن اﻟﺒﻴﺎﻧﺎت اﻵﺗﻴـﺔ متﺜـﻞ درﺟـﺎت ﺧﻤـﺴـﺔ وﻋـﴩﻳﻦ‬
‫واﻹﺷﺒﺎﻋﺎت‪:‬‬

‫‪،١٧ ،١٥ ،٢٣ ،١٧ ، ٢٠ ،١٧ ،١٧ ،١٧ ،١٢ ،١٣ ،١٢ ،١٥‬‬

‫‪١٢ ،١٧ ،١٧ ،١٧ ،١٥ ،١٤ ،٢٢ ،١٧ ،١٨ ،١٧ ،١٢ ،١٣ ،١٠‬‬

‫إن ﺣﺴﺎب اﳌﻨﻮال ﳌﺜﻞ ﻫﺬه اﻟﺒﻴﺎﻧﺎت ﻳﻜﻮن ﻣـﻦ ﺧـﻼل ﻣﻌﺮﻓـﺔ ﺗﻜـﺮارات ﻛـﻞ رﻗـﻢ‪ ،‬وﻣـﻦ‬
‫اﻟﺒﻴﺎﻧﺎت اﻟﺴﺎﺑﻘﺔ ﻳﺘﻀﺢ أن اﻟﻘﻴﻤـﺔ )‪ (١٧‬ﺗﻜـﺮرت أﻛـرث ﻣـﻦ اﻟﻘـﻴﻢ اﻷﺧـﺮى؛ أي أن اﳌﻨـﻮال ﻫـﻮ‬

‫‪-˺˽˹-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺗﻨﺎزﻟﻴﺎ‪.‬‬
‫)‪(١٧‬؛ وﻟﺘﺴﻬﻴﻞ ﺣﺴﺎب اﳌﻨﻮال ميﻜﻦ ﺗﺮﺗﻴﺐ اﻷرﻗﺎم ﺗﺼﺎﻋﺪﻳّﺎ أو ّ‬
‫وﻗﺪ ﻳﺠﺪ اﻟﺒﺎﺣﺚ أن ﻟﺪﻳﻪ ﺑﻴﺎﻧﺎت ﻟﻬﺎ أﻛرث ﻣﻦ ﻣﻨﻮال‪ ،‬ﻛﺄن ﺗﻜﻮن ﻗﻴﻤﺘﺎن أو أﻛرث ﻟﻬﺎ اﻟﻌﺪد ﻧﻔﺴﻪ ﻣﻦ‬
‫اﻟﺘﻜﺮارات ومبﺎ ﻳﺰﻳﺪ ﻋﻦ ﺗﻜﺮارات اﻟﻘـﻴﻢ اﻷﺧـﺮى‪ ،‬ﻣﺜـﺎل‪ ٦ ،٦ ،٦ ،٦ ،٥ ،٥ ،٤ ،٤ ،٤ ،٣ ،٣ ،٣ ،٣ ،٢ :‬ﻓﻬـﺬه‬
‫أﻳـﻀﺎ‬
‫اﻟﺒﻴﺎﻧﺎت ﻟﻬﺎ ﻣﻨﻮاﻻن ﻫام )‪ ،(٦) ،(٣‬ﻓﺎﻟﻘﻴﻤﺔ )‪ (٣‬ﺗﻜﺮرت أرﺑﻊ ﻣﺮات‪ ،‬وﻛﺬﻟﻚ اﻟﻘﻴﻤـﺔ )‪ (٦‬ﺗﻜـﺮرت ً‬
‫ﻋﻠام ﺑﺄﻧـﻪ ﰲ ﺣﺎﻟـﺔ وﺟـﻮد ﻗـﻴﻢ‬
‫أرﺑﻊ ﻣﺮات‪ ،‬ﻛام ﻳﻼﺣﻆ ﻣﻦ ﻫﺬا اﳌﺜﺎل أن اﻟﻘﻴﻢ اﳌﻨﻮاﻟﻴﺔ ﻏري ﻣﺘﺠﺎورة‪ً ،‬‬
‫ﻣﺘﺠﺎورة وﻣﺘﺴﺎوﻳﺔ ﰲ اﻟﺘﻜﺮارات مبﺎ ﻳﺰﻳﺪ ﻋﲆ ﺗﻜﺮارات اﻟﻘﻴﻢ اﻷﺧﺮى ﻳﺘﻢ ﺣـﺴﺎب اﳌﻨـﻮال ﺑﺠﻤـﻊ اﻟﻘـﻴﻢ‬
‫ذات اﻟﺘﻜﺮارات اﻷﻋﲆ وﻗﺴﻤﺔ اﻟﻨﺎﺗﺞ ﻋـﲆ ‪ ٢‬ﻣﺜـﺎل ذﻟـﻚ‪،١١ ،١٠ ،١٠ ،١٠ ،٩ ،٩ ،٩ ،٩ ،٩ ،٨ ،٨ ،٨ ،٨ ،٨ :‬‬
‫‪ ١١‬ﻓﺎﻟﺮﻗﻢ )‪ (٨‬ﺗﻜﺮر ﺧﻤﺲ ﻣﺮات‪ ،‬وﻫﻮ ﻳﺠﺎور اﻟﺮﻗﻢ )‪ (٩‬اﻟﺬي ﺗﻜﺮر ﻫﻮ اﻵﺧـﺮ ﺧﻤـﺲ ﻣـﺮات‪ ،‬وﻫﻨـﺎك‬
‫ﻳﻜﻮن اﳌﻨﻮال ‪٨.٥ = ٢ ÷ ٩ +٨‬‬

‫ﰲ اﻟﻮﻗﺖ ﻧﻔﺴﻪ ﻗﺪ ﻳﺠﺪ اﻟﺒﺎﺣﺚ أن ﻟﺪﻳﻪ ﺑﻴﺎﻧﺎت ﻟﻴﺲ ﻟﻬﺎ ﻣﻨﻮال؛ ﺣﻴﺚ ﻻ ﺗﻮﺟﺪ ﻗﻴﻤﺔ ﺗﻜﺮرت أﻛرث‬
‫ﻣﻦ ﻏريﻫﺎ‪ ،‬ﻣﺜﺎل ذﻟﻚ‪ ٤٥ ،٤٤ ،٣٧ ،٢٣ ،٢٢ ،١٨ :‬ﻓﻔﻲ ﻫﺬه اﻟﺒﻴﺎﻧـﺎت ﻻ ﺗﻮﺟـﺪ ﻗﻴﻤـﺔ ﺗﻜـﺮرت أﻛـرث ﻣـﻦ‬
‫أﻳﻀﺎ ﻋﲆ اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﺗﺘﻜـﺮر ﻓﻴﻬـﺎ اﻟﻘـﻴﻢ أﻛـرث ﻣـﻦ ﻣـﺮة‬
‫ﻏريﻫﺎ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻟﻴﺲ ﻟﻬﺎ ﻣﻨﻮال‪ .‬وﻳﻨﻄﺒﻖ ذﻟﻚ ً‬
‫ﺑﺪرﺟﺔ ﻣﺘﺴﺎوﻳﺔ‪ ،‬ﻣﺜﺎل ذﻟﻚ‪ ٩٤ ،٩٤ ،٩٤ ،٧٣ ،٧٣ ،٧٣ ،٦٨ ،٦٨ ،٦٨ :‬ﻓﻬﺬه اﻟﺒﻴﺎﻧﺎت ﻻ ﻳﻮﺟـﺪ ﻟﻬـﺎ ﻣﻨـﻮال‬
‫ﻷﻧﻬﺎ ﺗﻜﺮرت ﺑﺄﻋﺪاد ﻣﺘﺴﺎوﻳﺔ )ﻓﺎﻟﻌﺪد ‪ ٦٨‬ﺗﻜﺮر ﺛﻼث ﻣﺮات وﻛﺬﻟﻚ اﻟﻌﺪد ‪ ٧٣‬واﻟﻌﺪد ‪(٩٤‬‬

‫)ب( ﺣﺴﺎب اﳌﻨﻮال ﻣﻦ ﺑﻴﺎﻧﺎت ﻣﺒﻮﺑﺔ‪:‬‬

‫ﻛﺜـ ًريا ﻣــﺎ ﻳﻜــﻮن اﳌﻄﻠــﻮب إﻳﺠــﺎد اﳌﻨــﻮال ﻣــﻦ ﺑﻴﺎﻧــﺎت ﻣﺒﻮﺑــﺔ ﰲ ﺟــﺪول ﺗﻜـﺮاري ﻳﺘــﻀﻤﻦ اﻟﻔﺌــﺎت‬
‫واﻟﺘﻜﺮارات اﻟﺨﺎﺻـﺔ ﺑﻜﻞ ﻓﺌﺔ‪ ،‬وﻫﻨﺎك ﺣﺎﻻت ﻣﺘﻨﻮﻋﺔ ﻟﺬﻟﻚ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻫﻨﺎك ﻋﺪة ﻗـﻮاﻧني ﻟﻠﺤـﺼـﻮل ﻋـﲆ‬
‫واﺣﺪا ﻟﺘﻮﺿﻴـﺢ ﻃﺮﻳﻘﺔ اﻟﺤﺼـﻮل ﻋﲆ اﳌﻨﻮال ﻣﻦ ﺑﻴﺎﻧﺎت ﻣﺒﻮﺑﺔ‪ ،‬وﻫﻲ ﻃﺮﻳﻘﺔ‬
‫ﻣﺜﺎﻻ ً‬
‫اﳌﻨﻮال‪ ،‬وﺳﻮف ﻧﻘﺪم ً‬
‫اﻟﻔﺮوق ﻟﻜﺎرل ﺑريﺳﻮن‪ .‬ﻓﻔﻲ دراﺳﺔ ﻋﻦ اﳌﻌﻠﻮﻣﺎت اﻟﻄﺒﻴﺔ اﻟﺘﻲ اﻛﺘﺴﺒﻬﺎ اﻟﺠﻤﻬﻮر ﻣﻦ وﺳﺎﺋﻞ اﻻﺗﺼـﺎل ﺗﻢ‬
‫ﺗﻄﺒﻴﻖ اﺧﺘﺒﺎر ﻣﻘﻨﻦ‪ ،‬وﻛﺎﻧﺖ اﻟﻌﻴﻨﺔ ﺗﺘﻮزع ﺣﺴﺐ ﻓﺌﺎت اﻟﺪرﺟﺎت ﻋﲆ ﻫـﺬا اﻻﺧﺘﺒـﺎر وﻓـﻖ ﻣـﺎ ﻳﻮﺿـﺤﻪ‬
‫اﻟﺠﺪول اﻵيت‪:‬‬

‫‪-˺˽˺-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬
‫اﻟﺘﻜﺮارات‬ ‫ﻓﺌﺎت اﻟﺪرﺟﺎت‬
‫‪١١‬‬ ‫‪٢٠ -١‬‬
‫‪١١٤‬‬ ‫‪٤٠ -٢٠‬‬
‫‪١٨٩‬‬ ‫‪٦٠ -٤٠‬‬
‫‪٣٤‬‬ ‫‪٨٠ -٦٠‬‬
‫‪٥٢‬‬ ‫‪١٠٠ -٨٠‬‬
‫‪٤٠٠‬‬ ‫اﳌﺠﻤﻮع‬

‫إن ﻣﺠﺮد اﻟﻨﻈﺮ ﰲ ﻫﺬا اﻟﺠﺪول ﻳﻜﺸﻒ ﻋﻦ أن اﻟﻔﺌـﺔ اﳌﻨﻮاﻟﻴـﺔ ﻫـﻲ اﻟﻔﺌـﺔ اﻟﺜﺎﻟﺜـﺔ )‪ (٦٠ -٤٠‬ﻓﻬـﻲ‬
‫اﻟﻔﺌﺔ اﻟﺘﻲ ﻳﻮﺟﺪ ﻓﻴﻬﺎ أﻛﱪ ﻋﺪد ﻣﻦ اﻟﺘﻜﺮارات )‪ ١٨٩‬ﺗﻜﺮا ًرا(‪ ،‬ومبﻮﺟﺐ ﻣﻌﺮﻓﺔ اﻟﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ ﰲ اﻟﺠـﺪول‬
‫اﻟﺘﻜﺮاري ميﻜﻦ إﻳﺠﺎد اﳌﻨﻮال ﺑﻮاﺳﻄﺔ اﻟﻘﺎﻧﻮن‪:‬‬

‫‪ϝϭϷ΍ ϕήϔϟ΍‬‬
‫× ﻃﻮل اﻟﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ‬ ‫اﳌﻨﻮال = اﻟﺤﺪ اﻷدىن ﻟﻠﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ ‪+‬‬
‫‪ϲϧΎΜϟ΍ ϕήϔϟ΍  ϝϭϷ΍ ϕήϔϟ΍‬‬

‫إن اﻟﻔﺮق اﻷول‪ ،‬ﻳﻌﻨﻲ اﻟﻔﺮق ﺑني ﺗﻜﺮارات اﻟﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ وﺗﻜـﺮارات اﻟﻔﺌـﺔ اﻟـﺴﺎﺑﻘﺔ ﻋﻠﻴﻬـﺎ؛ أي ‪-١٨٩‬‬
‫‪٧٥ = ١١٤‬‬

‫أﻣﺎ اﻟﻔﺮق اﻟﺜﺎين‪ ،‬ﻓﻬﻮ اﻟﻔﺮق ﺑني ﺗﻜﺮارات اﻟﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ وﺗﻜﺮارات اﻟﻔﺌﺔ اﻟﺘﺎﻟﻴﺔ ﻟﻬﺎ ﻣﺒﺎﴍة؛ أي ‪-١٨٩‬‬
‫‪١٥٥ = ٣٤‬‬

‫أي أن ﻗﻴﻤﺔ اﻟﻔﺮق اﻷول ﺗﺒﻠﻎ ‪ ٧٥‬أﻣﺎ ﻗﻴﻤﺔ اﻟﻔﺮق اﻟﺜﺎين‪ ،‬ﻓﻬﻲ ‪ ١٥٥‬وﻣﺠﻤﻮﻋﻬام ﻫﻮ ‪ ٢٣٠‬أﻣﺎ ﻃﻮل‬
‫اﻟﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ‪ ،‬ﻓﻬﻮ ‪ ٢٠‬ﻛام أن اﻟﺤﺪ اﻷدىن ﻟﻠﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ ﻫﻮ ‪٤٠‬‬

‫وﺑﺘﻄﺒﻴﻖ اﻟﻘﺎﻧﻮن اﻟﺴﺎﺑﻖ ﻳﻜﻮن اﳌﻨﻮال ﻳﺴﺎوي‪:‬‬

‫اﳌﻨﻮال = ‪٥٢.٥ = ٢٠× 75 + ٤٠‬‬

‫‪230‬‬
‫‪-˺˽˻-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫أي أن اﳌﻨﻮال ﰲ ﻫﺬا اﳌﺜﺎل ﻫﻮ ‪ ٥٢.٥‬وﻛام ﺳﺒﻘﺖ اﻹﺷﺎرة‪ ،‬ﻓﺈن ﻫﺬه اﻟﻄﺮﻳﻘﺔ ﺗﻌﺮف ﺑﻄﺮﻳﻘﺔ اﻟﻔﺮوق‬
‫ﺷـﻴﻮﻋﺎ ﰲ‬
‫ً‬ ‫ﻟﻜﺎرل ﺑريﺳﻮن‪ ،‬وﻫﻨﺎك ﺻﻮر ﻣﺘﻌﺪدة ﻟﻬﺬه اﻟﻄﺮﻳﻘﺔ‪ ،‬وإن ﻛﺎﻧﺖ اﻟﻄﺮﻳﻘﺔ اﳌﺬﻛﻮرة ﻫـﻲ اﻷﻛـرث‬
‫اﻟﺒﺤﻮث‪.‬‬

‫ﻛام ميﻜـﻦ اﻟﺤـﺼﻮل ﻋـﲆ اﳌﻨـﻮال مبﻌﻠﻮﻣﻴـﺔ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب واﻟﻮﺳـﻴﻂ؛ ﺣﻴـﺚ ﻳـﺴﺘﺨﺪم اﻟﻘـﺎﻧﻮن‬
‫اﳌﻌﺮوف‪:‬‬

‫اﳌﻨﻮال = ‪) ٣‬اﻟﻮﺳﻴﻂ(‪) ٢ -‬اﻟﻮﺳﻂ اﻟﺤﺴﺎيب(‬

‫ﻓﺈذا ﻛﺎن اﻟﻮﺳﻴﻂ ‪ ٣٦‬واﻟﻮﺳﻂ اﻟﺤﺴﺎيب ‪ ،٣٣‬ﻓﺈن اﳌﻨﻮال ﻳﻜﻮن‪:‬‬

‫‪٤٢ = ٦٦ – ١٠٨ = (٣٣)٢ - (٣٦) ٣‬‬

‫ﺧﺼﺎﺋﺺ اﳌﻨﻮال‪:‬‬

‫ميﺘﺎز اﳌﻨﻮال ﺑﺄﻧﻪ ﻣﻦ ﻣﻘﺎﻳﻴﺲ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ ﺳﻬﻠﺔ اﻟﻔﻬﻢ واﻟﺤﺴﺎب‪ ،‬وﻻ ﻳﺘـﺄﺛﺮ ﺑـﺎﻟﻘﻴﻢ اﳌﺘﻄﺮﻓـﺔ إذا‬
‫ﻣﻔﻴـﺪا‬
‫ً‬ ‫ﻛﺎﻧﺖ ﺑﻌﻴﺪة ﻋﻦ اﻟﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ‪ ،‬وﻳﻔﻴﺪ اﺳﺘﺨﺪاﻣﻪ ﰲ رﺻﺪ اﻟﺘﻜﺮارات اﻟﺸﺎﺋﻌﺔ‪ ،‬اﻷﻣﺮ اﻟﺬي ﻳﺠﻌﻠـﻪ‬
‫ﰲ اﻟﻜﺜري ﻣﻦ اﻟﺘﻄﺒﻴﻘﺎت‪ ،‬ﻣﺜﻞ ﻣﻌﺮﻓـﺔ اﻟﻮﺳـﺎﺋﻞ اﻹﻋﻼﻣﻴـﺔ واﻟـﱪاﻣﺞ واﳌـﻮاد اﻟﺘـﻲ ﻳﻔـﻀﻠﻬﺎ أو ﻻ ﻳﻔـﻀﻠﻬﺎ‬
‫اﻟﺠﻤﻬﻮر‪ .‬وﻳﺘﻄﻠﺐ اﳌﻨﻮال ﺗﻨﻈﻴﻢ اﻟﺒﻴﺎﻧﺎت ﰲ ﺻﻮرة ﺗﻮزﻳﻊ ﺗﻜﺮاري‪ ،‬وﻻ ﻳﻌﺘﻤﺪ اﳌﻨﻮال ﰲ ﺣﺴﺎﺑﻪ ﻋﲆ ﻛﻞ‬
‫اﳌﻔﺮدات وإمنﺎ ﻳﻘﺘﺼـﺮ ﻋﲆ اﻟﻔﺌﺔ اﳌﻨﻮاﻟﻴﺔ‪ .‬ﻏـري أن اﳌﻨـﻮال ﻳﻔﻘـﺪ ﻣﻌﻨـﺎه ﻋﻨـﺪﻣﺎ ﺗﻜـﻮن اﳌﻔـﺮدات ﻛﺜـرية‬
‫اﻟﻌﺪد‪ ،‬ﻗﺮﻳﺒﺔ ﻣﻦ ﺑﻌﻀﻬﺎ اﻟﺒﻌﺾ‪.‬‬

‫اﻟﻌﻼﻗﺔ ﺑني ﻣﻘﺎﻳﻴﺲ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ‪:‬‬

‫ﻫﻨﺎك ﻋﻼﻗﺔ وﺛﻴﻘﺔ ﺑني اﻟﻮﺳﻂ اﻟﺤـﺴﺎيب واﻟﻮﺳـﻴﻂ واﳌﻨـﻮال‪ ،‬وﺗﺘـﺄﺛﺮ ﻫـﺬه اﻟﻌﻼﻗـﺔ ﺑـﺸﻜﻞ اﻟﺘﻮزﻳـﻊ‬
‫اﻟﺘﻜـﺮاري )ﻣﻌﺘﺪل‪ٍ ،‬‬
‫ﻣﻠﺘـﻮ ﻧﺎﺣﻴـﺔ اﻟﻴﻤـني أو ﻧﺎﺣﻴـﺔ اﻟﻴـﺴﺎر(؛ إذ إن ﺷـﻜﻞ اﻟﺘﻮزﻳـﻊ ﻳـﺆﺛﺮ ﰲ ﻗﻴﻤـﺔ ﻫـﺬه‬
‫اﳌﻘﺎﻳﻴﺲ‪ ،‬ﻓﻔﻲ اﻟﺘﻮزﻳﻌﺎت اﻟﺘﻜﺮارﻳـﺔ اﳌﺘامﺛﻠـﺔ ﺗﺘﻔـﻖ ﻗـﻴﻢ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب واﻟﻮﺳـﻴﻂ واﳌﻨـﻮال‪ ،‬أﻣـﺎ ﰲ‬
‫اﻟﺘﻮزﻳﻌﺎت اﻟﺘﻜﺮارﻳﺔ ﻏري اﳌﺘامﺛﻠﺔ‪ ،‬ﻓﺈن اﻟﻌﻼﻗﺔ ﺑني ﻫﺬه اﳌﻘﺎﻳﻴﺲ ﺗﻜﻮن مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫‪-˺˽˼-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﳌﻨﻮال= ‪) ٣‬اﻟﻮﺳﻴﻂ(‪) ٢ -‬اﻟﻮﺳﻂ اﻟﺤﺴﺎيب(‬

‫ﻓﺈذا ﻛﺎن اﻟﻮﺳﻴﻂ ‪ ٣٦‬واﻟﻮﺳﻂ اﻟﺤﺴﺎيب ‪ ،٣٣‬ﻓﺈن اﳌﻨﻮال ﻳﻜﻮن‪:‬‬

‫‪٤٢ = (٣٣)٢ - (٣٦) ٣‬‬

‫ﻛام ميﻜﻦ إﻳﺠﺎد ﻗﻴﻤﺔ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‪ ،‬مبﻌﻠﻮﻣﻴﺔ اﻟﻮﺳﻴﻂ واﳌﻨﻮال مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫اﻟﻮﺳﻂ اﻟﺤﺴﺎيب = ‪ ×٣‬اﻟﻮﺳﻴﻂ‪ ×٢-‬اﳌﻨﻮال‬

‫ﻓﺈذا ﻛﺎن اﻟﻮﺳﻴﻂ ‪ ١٨‬واﳌﻨﻮال ‪ ،١٦‬ﻓﺈن اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻳﻜﻮن‪:‬‬

‫‪٢٢= ١٦×٢ – ١٨×٣‬‬

‫أﺷﻜﺎﻻ أﺧﺮى ﺣﺴﺐ ﻃﺒﻴﻌﺔ اﻟﺘﻮزﻳﻊ ودرﺟﺔ ﻋﺪم‬

‫ً‬ ‫ﻏري أن اﻟﻌﻼﻗﺔ ﺑني ﻣﻘﺎﻳﻴﺲ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ ﺗﺘﺨﺬ‬
‫متﺎﺛﻠﻪ‪ ،‬أو ﻣﻴﻞ اﻟﺘﻮزﻳﻊ إﱃ اﻟﻴﻤني أو إﱃ اﻟﻴﺴﺎر‪.‬‬

‫اﳌﻄﻠﺐ اﻟﺜﺎين‪ :‬ﻣﻘﺎﻳﻴﺲ اﻟﺘﺸﺘﺖ‬

‫ﺗــﺪﻟﻨﺎ ﻣﻘــﺎﻳﻴﺲ اﻟﻨﺰﻋــﺔ اﳌﺮﻛﺰﻳــﺔ ﻋــﲆ ﺗﺠﻤــﻊ اﻟﺒﻴﺎﻧــﺎت‪ ،‬واﻟﻘــﻴﻢ اﳌﺘﻮﺳــﻄﺔ ﻟﻬــﺎ‪ ،‬ﻏــري أن ذﻟــﻚ‬
‫ﻣﺜﻼ ﳌﺠﻤﻮﻋﺘني ﻣﻦ اﻟﺒﻴﺎﻧـﺎت‪ ،‬رﻏـﻢ‬
‫ﻛﺎﻓﻴﺎ ﻟﻮﺻﻒ اﻟﺒﻴﺎﻧﺎت ﺑﺪﻗﺔ‪ ،‬ﻓﻘﺪ ﻳﺘﺴﺎوى اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ً‬
‫ﻻ ﻳﻌﺘﱪ ً‬
‫وﺟﻮد ﻓﺮوق ﻛﺒرية ﰲ اﻟﻘﻴﻢ اﻟﺨﺎﺻﺔ ﺑﻜﻞ ﻣﺠﻤﻮﻋﺔ‪:‬‬

‫ﻓﺎﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻟﻠﻘﻴﻢ ‪ ١٢ ،٩ ،٦‬ﻫﻮ ‪٩‬‬

‫أﻳﻀﺎ ‪٩‬‬
‫واﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻟﻠﻘﻴﻢ ‪ ٢٤ ،٢ ،١‬ﻫﻮ ً‬

‫أي أن ﻗﻴﻤﺔ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻫﻲ ﻧﻔﺴﻬﺎ ﰲ اﳌﺠﻤﻮﻋﺘني رﻏﻢ وﺟﻮد اﺧﺘﻼﻓﺎت واﺿـﺤﺔ ﰲ‬
‫أﻋﺪاد ﻛﻞ ﻣﺠﻤﻮﻋﺔ‪ ،‬ﻓﺒﻴﻨام ﺗﺘﻜﻮن اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﻣﻦ اﻷﻋﺪاد ‪ ١٢ ،٩ ،٦‬ﻧﺠﺪ أن اﳌﺠﻤﻮﻋـﺔ‬
‫متﺎﻣـﺎ وﻫـﻲ ‪ ٢٤ ،٢ ،١‬ﻣـﻦ ﻫﻨـﺎ‪ ،‬ﻓـﺈن ﻣﻘـﺎﻳﻴﺲ اﻟﻨﺰﻋـﺔ‬
‫اﻟﺜﺎﻧﻴﺔ ﺗﺘﻜـﻮن ﻣـﻦ أﻋـﺪاد ﻣﺨﺘﻠﻔـﺔ ً‬
‫ﻣﺤـﺪدا‬
‫ً‬ ‫واﺿﺤﺎ ﻟﻠﺒﻴﺎﻧـﺎت – إﻻ أن ﻫـﺬا اﻟﻮﺻـﻒ ﻳﻈـﻞ‬
‫ً‬ ‫اﳌﺮﻛﺰﻳﺔ – وإن ﻛﺎﻧﺖ ﺗﻌﻄﻲ وﺻﻔًﺎ‬

‫‪-˺˽˽-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺑﺘﻠﻚ اﻟﻨﺰﻋﺔ‪ ،‬وﻻ ﺗﻮﺿﺢ ﺗﻠﻚ اﳌﻘﺎﻳﻴﺲ ﻣﺎ ﻫﻮ أﺑﻌﺪ ﻣﻦ ذﻟﻚ‪ ،‬وﺑﺎﻟﺘـﺎﱄ ﻳﺘﻌـني اﺳـﺘﺨﺪام ﻣﻘـﺎﻳﻴﺲ إﺿـﺎﻓﻴﺔ‬
‫ﻟﻠﻮﺻﻮل إﱃ وﺻﻒ دﻗﻴﻖ ﻟﻠﺒﻴﺎﻧﺎت‪ ،‬ﻫﺬا اﻟﻮﺻﻒ ﺗﺘﻴﺤﻪ ﻣﻘﺎﻳﻴﺲ اﻟﺘﺸﺘﺖ‪ ،‬وﻣـﻦ أﻣﺜﻠﺘﻬـﺎ‪ :‬اﳌـﺪى اﻟﻜـﲇ‪،‬‬
‫اﻟﺮﺑﻴﻌﻲ‪ ،‬ﻣﺘﻮﺳﻂ اﻻﻧﺤﺮاﻓﺎت‪ ،‬ﻣﻌﺎﻣﻞ اﻻﻟﺘـﻮاء‪ ،‬ﻣﻌﺎﻣـﻞ اﻻﺧـﺘﻼف‪،‬‬
‫اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪ ،‬اﻻﻧﺤﺮاف ﱡ‬
‫اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ‪:‬‬

‫ً‬
‫أوﻻ‪ :‬اﳌﺪى اﻟﻜﲇ‬

‫اﳌﺪى اﻟﻜﲇ )‪ (Total Range‬ﻫﻮ اﻟﻔﺮق ﺑني أﺻﻐﺮ ﻗﻴﻤﺔ وأﻛﱪ ﻗﻴﻤﺔ ﻣﻊ إﺿﺎﻓﺔ واﺣﺪ ﺻﺤﻴﺢ ﻟﻬﺬا اﻟﻔﺮق‪.‬‬

‫ﻣﺜــﺎل‪:‬‬

‫ﻓﻴام ﻳﲇ ﺑﻴﺎن ﺑﻌﺪد ﺣﻠﻘﺎت اﻟﱪاﻣﺞ اﻹذاﻋﻴﺔ اﻟﺘﻲ أﻧﺘﺠﺘﻬﺎ ﺑﻌﺾ اﻟﴩﻛﺎت اﳌﺘﺨﺼﺼﺔ ﰲ إﻧﺘﺎج ﻫـﺬه‬
‫اﻟﻨﻮﻋﻴﺔ ﻣﻦ اﻟﱪاﻣﺞ‪:‬‬

‫ﻋﺪد ﺣﻠﻘﺎت اﻟﱪاﻣﺞ اﻹذاﻋﻴﺔ‬ ‫اﻟﴩﻛﺔ اﳌﻨﺘﺠﺔ‬

‫‪٧٨‬‬ ‫اﻟﻄﺎرق ﻟﻺﻧﺘﺎج اﻟﻔﻨﻲ‬

‫‪٦٥‬‬ ‫ﺑني اﻟﻘﴫﻳﻦ‬
‫‪٤٤‬‬ ‫اﻟﻨﻴﻞ ﻟﻺﻋﻼم‬
‫‪٨٩‬‬ ‫اﻟﻮﻋﻲ‬
‫‪٦٧‬‬ ‫اﻟﺸﻌﻠﺔ‬
‫‪٨٩‬‬ ‫اﻟﺼﻔﺎ واﳌﺮوة‬
‫‪٧٣‬‬ ‫اﻟﻌﺮوة اﻟﻮﺛﻘﻰ‬
‫‪١٤٢‬‬ ‫ﻣﺆﺳﺴﺔ اﳌﻨﺎر‬
‫‪٥٦‬‬ ‫اﻟﺨﻄﻮة‬
‫‪٥٨‬‬ ‫اﻟﻀﻮء اﻟﺸﺎرد‬
‫‪٧٦١‬‬ ‫اﳌﺠﻤﻮع‬

‫‪-˺˽˾-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وﳌﻌﺮﻓﺔ اﳌﺪى اﻟﻜﲇ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﻼﺣﻆ ﻣﻦ ﻫﺬه اﻟﺒﻴﺎﻧﺎت أن أﺻﻐﺮ ﻗﻴﻤـﺔ ﻫـﻲ ‪) ٤٤‬وﻫـﻲ ﻋـﺪد ﺣﻠﻘـﺎت‬
‫اﻟﱪاﻣﺞ اﻹذاﻋﻴﺔ اﻟﺘﻲ أﻧﺘﺠﺘﻬﺎ ﴍﻛﺔ اﻟﻨﻴﻞ ﻟﻺﻋﻼم(‪ ،‬أﻣﺎ أﻛﱪ ﻗﻴﻤﺔ ﻓﻬﻲ ‪) ١٤٢‬وﻫﻲ ﻋـﺪد ﺣﻠﻘـﺎت اﻟـﱪاﻣﺞ‬
‫اﻹذاﻋﻴﺔ اﻟﺘﻲ أﻧﺘﺠﺘﻬﺎ ﻣﺆﺳﺴﺔ اﳌﻨﺎر(‪ ،‬وﻳﻜﻮن اﳌﺪى اﻟﻜﲇ ﻫﻮ‪:‬‬

‫)‪٩٩ = ١ + (٤٤ -١٤٢‬‬

‫أي أن اﳌﺪى اﻟﻜﲇ ﻟﻠﺒﻴﺎﻧﺎت اﻟﺘﻲ ﻳﺘﻀﻤﻨﻬﺎ اﻟﺠـﺪول ﻫـﻮ ‪ ،٩٩‬وﻳﺘـﻀﺢ ﻣـﻦ ذﻟـﻚ أن اﳌـﺪى اﻟﻜـﲇ ﻻ‬
‫ﻳﻌﺘﻤﺪ ﻋﲆ ﻛﻞ اﻟﻘﻴﻢ اﻟﻌﺪدﻳﺔ‪ ،‬وإمنﺎ ﻳﻌﺘﻤﺪ ﻓﻘﻂ ﻋﲆ ﻗﻴﻤﺘني‪ :‬اﻟﻘﻴﻤﺔ اﻟـﺼﻐﺮى واﻟﻘﻴﻤـﺔ اﻟﻜـﱪى وﻫـﺬه‬
‫ﻧﻘﻄﺔ اﻟﻀﻌﻒ اﻷﺳﺎﺳﻴﺔ ﰲ اﳌﺪى اﻟﻜﲇ ﻛﺄﺣﺪ ﻣﻘﺎﻳﻴﺲ اﻟﺘﺸﺘﺖ‪ ،‬اﻷﻣﺮ اﻟﺬي ﻳﺠﻌﻠﻪ ﻏري دﻗﻴﻖ‪.‬‬

‫وميﻜﻦ اﺳﺘﺨﺪام اﳌﺪى اﻟﻜﲇ ﻟﻠﻤﻘﺎرﻧﺔ ﺑني ﺗﺸﺘﺖ اﻟﺘﻮزﻳﻌﺎت اﻟﺘﻜﺮارﻳـﺔ اﳌﺨﺘﻠﻔـﺔ ﴍﻳﻄـﺔ أن ﺗﻜـﻮن‬
‫ﺗﻠﻚ اﻟﺘﻮزﻳﻌﺎت ﻣﺘﺴﺎوﻳﺔ ﻣﻦ ﺣﻴﺚ اﻟﻌﺪد‪ ،‬ﻓﻤﻦ اﳌﻤﻜﻦ اﺳﺘﺨﺪام اﳌﺪى اﻟﻜﲇ ﳌﻘﺎرﻧﺔ اﻟﺘﺸﺘﺖ ﻟﻌﻴﻨـﺔ‬
‫ﺗﻀﻢ ‪ ٤٠٠‬ﻣﻔﺮدة‪ ،‬وﻋﻴﻨﺔ أﺧﺮى ﺗﻀﻢ اﻟﻌﺪد ﻧﻔﺴﻪ ﻣﻦ اﳌﻔﺮدات )‪ ٤٠٠‬ﻣﻔﺮدة(‪ ،‬ﻟﻜﻦ ﻻ ﻳـﺼﻠﺢ اﺳـﺘﺨﺪام‬
‫اﳌﺪى اﻟﻜﲇ ﳌﻘﺎرﻧﺔ اﻟﺘﺸﺘﺖ ﺑني ﺗﻜﺮارات ﻋﻴﻨﺘني ﻣﺨﺘﻠﻔﺘني ﻣﻦ ﺣﻴـﺚ اﻟﺤﺠـﻢ‪ ،‬ﺧﺎﺻـﺔ إذا ﻛـﺎن اﻟﻔـﺎرق‬
‫ﻣﺜﻼ(‪.‬‬
‫ﺑﻴﻨﻬام ﻛﺒ ًريا )ﻛﺄن ﺗﻜﻮن اﻟﻌﻴﻨﺔ اﻷوﱃ ‪ ١٠٠‬واﻟﻌﻴﻨﺔ اﻟﺜﺎﻧﻴﺔ ‪ً ٥٠٠‬‬

‫أﻣﺎ إذا ﻛﺎﻧﺖ اﻟﺒﻴﺎﻧﺎت ﻣﻮزﻋﺔ ﻋﲆ ﻓﺌﺎت ﰲ ﺟﺪول ﺗﻜﺮاري‪ ،‬ﻓﺈن اﳌﺪى اﻟﻜﲇ = اﻟﺤـﺪ اﻷﻋـﲆ ﻟﻠﻔﺌـﺔ‬
‫ﻣﻨﻘﻮﺻﺎ ﻣﻨﻪ اﻟﺤﺪ اﻷدىن ﻟﻠﻔﺌﺔ اﻷوﱃ‪ ،‬ﻛام ﻳﺘﻀﺢ ﻣﻦ اﳌﺜﺎل اﳌﺒني ﰲ اﻟﺠﺪول اﻟﺘﺎﱄ‪:‬‬
‫ً‬ ‫اﻷﺧرية‬
‫ك‬ ‫اﻟﻔﺌﺎت‬
‫‪٨‬‬ ‫‪٩-٥‬‬
‫‪١٢‬‬ ‫‪١٤ -١٠‬‬
‫‪٧‬‬ ‫‪١٩ -١٥‬‬
‫‪٨‬‬ ‫‪٢٤ -٢٠‬‬
‫‪٣٥‬‬ ‫اﳌﺠﻤﻮع‬

‫‪-˺˽˿-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻓﺎﻟﺤﺪ اﻷﻋﲆ ﻟﻠﻔﺌﺔ اﻷﺧرية ﻫﻮ )‪ (٢٤‬واﻟﺤﺪ اﻷدىن ﻟﻠﻔﺌـﺔ اﻷوﱃ ﻫـﻮ )‪ ،(٥‬وﻋـﲆ ذﻟـﻚ ﻳﻜـﻮن اﳌـﺪى‬
‫اﻟﻜﲇ = ‪١٩ = ٥ -٢٤‬‬

‫ﻏري أن اﳌﺪى اﻟﻜﲇ ‪ -‬ﻛﻤﻘﻴﺎس ﻟﻠﺘﺸﺘﺖ ‪ -‬ﻏري ﺷـﺎﺋﻊ اﻻﺳـﺘﺨﺪام ﰲ اﻟﺒﺤـﻮث اﻟﻌﻠﻤﻴـﺔ؛ ﻷﻧـﻪ ﻳﻌﺘﻤـﺪ‬
‫ﻓﻘﻂ ﻋﲆ اﻟﻘﻴﻤﺘني اﻷﺻﻐﺮ واﻷﻛﱪ‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري‬

‫ً‬
‫اﻟﺘﺒﺎﻳﻦ )‪ (Variance‬ﻫﻮ ﻣﺘﻮﺳﻂ ﻣﺠﻤﻞ ﻣﺮﺑﻌــﺎت اﻻﻧﺤـﺮاف ﻋـﻦ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب‪ ،‬أﻣـﺎ اﻻﻧﺤـﺮاف‬
‫اﳌﻌﻴﺎري )‪ ،(Standard Deviation‬ﻓﻬﻮ اﻟﺠﺬر اﻟﱰﺑﻴﻌﻲ ﳌﺘﻮﺳﻂ ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت اﻻﻧﺤﺮاﻓﺎت ﻋـﻦ اﻟﻮﺳـﻂ‬
‫اﻟﺤﺴﺎيب؛ أي أن اﻟﺘﺒـﺎﻳﻦ ﻫـﻮ ﻣﺮﺑـﻊ اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري )وﺑﺎﻟﺘـﺎﱄ ﻓـﺈن اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري ﻫـﻮ اﻟﺠـﺬر‬
‫اﻟﱰﺑﻴﻌﻲ ﻟﻠﺘﺒﺎﻳﻦ(‪.‬‬

‫وﻳﻌﺘﱪ اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻣﻦ أﻫـﻢ ﻣﻘـﺎﻳﻴﺲ اﻟﺘـﺸﺘﺖ‪ ،‬وﻳﻌﺘﻤـﺪان ﻋـﲆ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب‬
‫ﻣﻘﻴﺎﺳــﺎ ﻟﻘﻴــﺎس اﺳــﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳــﻮن‪ ،‬وﻛــﺎن ﻣﺘﻮﺳــﻂ درﺟــﺔ‬
‫ً‬ ‫ﺑــﺸﻜﻞ أﺳــﺎﳼ‪ ،‬ﻓــﺈذا اﻓﱰﺿــﻨﺎ أن ﻫﻨــﺎك‬
‫اﳌﻔﺤﻮﺻني ﻋﲆ ﻫﺬا اﳌﻘﻴﺎس ﻫﻮ )‪ (٣٦.٣٢‬درﺟﺔ‪ ،‬ﻓﺈن ﻫﻨﺎك ﻣﻔﺤﻮﺻني ﺣﺼﻠﻮا ﻋﲆ درﺟﺔ ﺗﻘﻞ ﻋﻦ ﻫﺬا‬
‫أﻳﻀﺎ ﻣﻔﺤﻮﺻﻮن آﺧﺮون ﺣﺼﻠﻮا ﻋﲆ درﺟﺔ ﺗﺰﻳﺪ ﻋﲆ اﳌﺘﻮﺳﻂ‪ ،‬ﻫﺬه اﻟﻔﺮوق )اﻻﻧﺤﺮاف‬
‫اﳌﺘﻮﺳﻂ‪،‬وﻫﻨﺎك ً‬
‫ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻟﻠﻌﻴﻨﺔ( ﻧﻌﺘﻤﺪ ﻋﻠﻴﻬﺎ ﰲ ﺣﺴﺎب اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻠﻌﻴﻨﺔ ﻛﻜﻞ‪.‬‬

‫وﻣﻦ اﻟﻨﺎﺣﻴﺔ اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬ﻓﺈن ﻣﺠﻤﻮع اﻻﻧﺤﺮاﻓﺎت ﻋﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻳﺴﺎوي اﻟﺼﻔﺮ؛ ﻷن ﻣﺠﻤـﻮع‬
‫اﻟﻔﺮوق اﻟﺴﺎﻟﺒﺔ ﻳﺘﺴﺎوى ﻣﻊ ﻣﺠﻤﻮع اﻟﻔﺮوق اﳌﻮﺟﺒﺔ‪ ،‬وﻣﻦ ﻫﻨﺎ ﻳـﺘﻢ )ﺗﺮﺑﻴـﻊ( ﺟﻤﻴـﻊ اﻟﻔـﺮوق ﺣﺘـﻰ ﻻ‬
‫ﻳﻜﻮن ﻣﺠﻤﻮﻋﻬﺎ ﺻﻔ ًﺮا‪ ،‬ﻓﻠﻨﺘﺄﻣﻞ اﳌﺜﺎل اﻵيت‪:‬‬

‫ﻟﺪﻳﻨﺎ ﺑﻴﺎن ﺑﻌﺪد اﻟﺴﺎﻋﺎت اﻟﺘﻲ ﻳﻘﻀﻴﻬﺎ ﺧﻤﺴﺔ ﻃﻼب ﰲ ﻗﺮاءة اﻟـﺼﺤﻒ أﺳـﺒﻮﻋﻴﺎ‪ ،‬وﻫـﺬه اﻟـﺴﺎﻋﺎت‬
‫ﻫﻲ‪ ٦ ،٥ ،٤ ،٣ ،٢ :‬ﻓﺎﻟﻄﺎﻟﺐ اﻷول ﻳﻘﴤ ﺳﺎﻋﺘني‪ ،‬أﻣﺎ اﻟﻄﺎﻟﺐ اﻟﺜـﺎين ﻓﻴﻘـﻀـﻲ ﺛـﻼث ﺳـﺎﻋﺎت‪ ...‬إﻟـﺦ‪ .‬إن‬
‫اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻟﻬﺬه اﻷﻋﺪاد = ‪٤=٥ ÷٦+٥+٤+٣+٢‬‬

‫‪-˺˽̀-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫أﺳﺒﻮﻋﻴﺎ ﻫﻮ ‪ ٤‬ﺳﺎﻋﺎت‪ ،‬وﻳﺘﻢ ﺣـﺴﺎب اﻧﺤـﺮاف ﻛـﻞ ﻗﻴﻤـﺔ ﻋـﻦ‬

‫ّ‬ ‫أي أن ﻣﺘﻮﺳﻂ وﻗﺖ ﻗﺮاءة اﻟﺼﺤﻒ‬
‫اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‪ ،‬وذﻟﻚ ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬

‫ اﻧﺤﺮاف اﻟﻘﻴﻤﺔ اﻷوﱃ = ‪٢-=٤-٢‬‬

‫ اﻧﺤﺮاف اﻟﻘﻴﻤﺔ اﻟﺜﺎﻧﻴﺔ = ‪١-=٤-٣‬‬

‫ اﻧﺤﺮاف اﻟﻘﻴﻤﺔ اﻟﺜﺎﻟﺜﺔ = ‪=٤-٤‬ﺻﻔﺮ‬

‫ اﻧﺤﺮاف اﻟﻘﻴﻤﺔ اﻟﺮاﺑﻌﺔ ‪١ =-٤-٥‬‬

‫ اﻧﺤﺮاف اﻟﻘﻴﻤﺔ اﻟﺨﺎﻣﺴﺔ ‪٢ =٤-٦‬‬

‫ﻓﺈذا ﺣﺴﺒﻨﺎ ﻣﺠﻤﻞ ﻧﺎﺗﺞ ﺗﻠﻚ اﻻﻧﺤﺮاﻓﺎت‪ ،‬ﻧﺠﺪ أﻧﻪ ﻳﺴﺎوي اﻟﺼﻔﺮ‪:‬‬
‫‪ +١-٢-‬ﺻﻔﺮ ‪ = ٢+١+‬ﺻﻔﺮ‬
‫ﻣﻦ ﻫﻨﺎ ﺟﺎءت رؤﻳﺔ »ﻛﺎرل ﺑريﺳﻮن« ﺑﱰﺑﻴـﻊ اﻟﻔـﺮوق ﻋـﻦ اﻟﻮﺳـﻂ؛ وذﻟـﻚ ﻟﻠـﺘﺨﻠﺺ ﻣـﻦ اﻟﻌﻼﻣـﺎت‬
‫اﻟﺴﺎﻟﺒﺔ‪ ،‬وﺑﱰﺑﻴﻊ اﻟﻔﺮوق ﻋﻦ اﻟﻮﺳﻂ‪ ،‬ﻧﺠﺪ أن اﻟﻘﻴﻢ اﻟﺴﺎﺑﻘﺔ ﺗﺼﺒﺢ‪:‬‬
‫ƒ ﻣﺮﺑﻊ ﻓﺮوق اﻟﻘﻴﻤﺔ اﻷوﱃ = ‪٤ = ٢-×٢-‬‬
‫ƒ ﻣﺮﺑﻊ ﻓﺮوق اﻟﻘﻴﻤﺔ اﻟﺜﺎﻧﻴﺔ = ‪١ =١-×١-‬‬
‫ƒ ﻣﺮﺑﻊ ﻓﺮوق اﻟﻘﻴﻤﺔ اﻟﺜﺎﻟﺜﺔ = ﺻﻔﺮ× ﺻﻔﺮ= ﺻﻔﺮ‬
‫ƒ ﻣﺮﺑﻊ ﻓﺮوق اﻟﻘﻴﻤﺔ اﻟﺮاﺑﻌﺔ = ‪١ = ١ × ١‬‬
‫ƒ ﻣﺮﺑﻊ ﻓﺮوق اﻟﻘﻴﻤﺔ اﻟﺨﺎﻣﺴﺔ= ‪٤ = ٢×٢‬‬

‫وﺑﺠﻤﻊ اﻟﻨﺎﺗﺞ ﻧﺠﺪ أﻧﻪ ﻳﺴﺎوي ‪+١+٤‬ﺻﻔﺮ ‪١٠=٤+١+‬‬

‫وﻧﻈ ًﺮا ﻷن ﻋﺪد اﻟﺤﺎﻻت ﻫﻮ ﺧﻤﺴﺔ‪ ،‬ﻓﺈن ﻣﺘﻮﺳﻂ ﻫﺬا اﻟﻨﺎﺗﺞ ﻫـﻮ ‪ ٢ = ٥ ÷ ١٠‬وﺑﺬﻟﻚ ﻳﻜـﻮن ﻣﺘﻮﺳـﻂ‬
‫ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت اﻻﻧﺤﺮاﻓﺎت ﻳﺴﺎوي ‪ ٢‬وﻫﺬه اﻟﻘﻴﻤﺔ ﻫﻲ اﻟﺘﺒﺎﻳﻦ‪ ،‬وﻳﻜﻮن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻫﻮ ﺟـﺬر ﺗﻠـﻚ‬
‫اﻟﻘﻴﻤﺔ‪ ،‬مبﻌﻨﻰ أن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري = ‪ ١.٤١ = 2 b‬أي أن اﻟﺘﺒﺎﻳﻦ ﻫﻮ ﻣﺮﺑﻊ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪:‬‬

‫‪-˺˽́-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬
‫‪٢‬‬
‫اﻟﺘﺒﺎﻳﻦ = ع‬

‫ﻓﺈذا ﻛﺎن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻌﺪد ﺳﺎﻋﺎت ﻗﺮاءة اﻟﺼﺤﻒ ﻫﻮ ‪ ١.٤١‬ﻛام ﺳﺒﻘﺖ اﻹﺷﺎرة‪ ،‬ﻓـﺈن اﻟﺘﺒـﺎﻳﻦ‬
‫‪٢‬‬
‫ﻳﺴﺎوي )‪ (١.٤١‬؛ أي ‪ً ٢ =١.٤١×١.٤١‬‬
‫ﺗﻘﺮﻳﺒﺎ‬

‫مبﻮﺟﺐ ذﻟﻚ ميﻜﻦ ﻣﻌﺮﻓﺔ ﻗﻴﻤﺔ اﻟﺘﺒﺎﻳﻦ مبﻌﻠﻮﻣﻴﺔ ﻗﻴﻤﺔ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪ ،‬ﻛام ميﻜﻦ ﻣﻌﺮﻓـﺔ ﻗﻴﻤـﺔ‬
‫اﻻﻧﺤﺮاف اﳌﻌﻴﺎري مبﻌﻠﻮﻣﻴﺔ ﻗﻴﻤﺔ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﻓﺈذا اﻓﱰﺿﻨﺎ أن دراﺳﺔ أﺟﺮﻳﺖ ﻋﲆ ﻋﻴﻨﺔ ﻣـﻦ ﻗـﺮاء اﻟـﺼﺤﻒ‪،‬‬
‫وﻛــﺎن اﻻﻧﺤ ـﺮاف اﳌﻌﻴــﺎري ﻟﻠﻮﻗـــﺖ اﳌﻨﻘــﻀـﻲ ﰲ ﻗ ـﺮاءة اﻟــﺼﺤﻒ اﻟﻴﻮﻣﻴــﺔ ‪ ،٢.٧٢‬ﻓــﺈن ﻗﻴﻤــﺔ اﻟﺘﺒــﺎﻳﻦ‬
‫‪٢‬‬
‫ﺗﺴﺎوي)ع ( أو ﻣﺮﺑـﻊ اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري‪ ،‬ومبـﺎ أن ﻗﻴﻤـﺔ اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري ‪ ،٢.٧٢‬ﻓـﺈن اﻟﺘﺒـﺎﻳﻦ ﻫـﻮ‬
‫‪٢‬‬
‫)‪ (٢.٧٢‬أي ‪٧.٤ = ٢.٧٢× ٢.٧٢‬‬

‫ﺣﺴﺎب اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮﺑﺔ‪:‬‬

‫إذا ﻛﺎن ﻟﺪى اﻟﺒﺎﺣـﺚ ﺑﻴﺎﻧـﺎت ﻳﻨﺘﻈﻤﻬـﺎ ﺟـﺪول ﺗﻜـﺮاري )ﻓﺌـﺎت وﺗﻜـﺮارات(‪ ،‬ﻓـﺈن ﺣـﺴﺎب اﻟﺘﺒـﺎﻳﻦ‬
‫)وﺑﺎﻟﺘﺎﱄ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري( ﻳﻜﻮن مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫)‪2( ϙ˰ ι˰Οϣ‬‬
‫‪- ϙ 2ι ˰Οϣ‬‬
‫‪ϙ‬‬‫‪˰ ˰Οϣ‬‬ ‫‪٢‬‬
‫ع =‬
‫‪1 ϙ Ξϣ‬‬

‫ﺣﻴﺚ إن‪:‬‬
‫‪٢‬‬
‫ع ‪ :‬اﻟﺘﺒﺎﻳﻦ‬
‫ص ‪ :‬ﻣﻨﺘﺼﻔﺎت اﻟﻔﺌﺎت‬
‫ص‪ :٢‬ﻣﺮﺑﻌﺎت ﻣﻨﺘﺼﻔﺎت اﻟﻔﺌﺎت‬
‫ك ‪ :‬ﻋﺪد اﳌﻔﺮدات‬

‫‪-˺˽̂-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬
‫‪٢‬‬
‫وﺑﺎﻟﺤﺼﻮل ﻋﲆ اﻟﺘﺒﺎﻳﻦ )ع ( ﻧﺤﺼﻞ ﻋﲆ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﺑﺎﻋﺘﺒﺎره اﻟﺠﺬر اﻟﱰﺑﻴﻌﻲ ﻟﻠﺘﺒﺎﻳﻦ‪.‬‬
‫ﻣﺜﺎل‪ :‬اﻟﺠﺪول اﻵيت ﻳﻮﺿﺢ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻣﻦ اﻟﻘﺎمئني ﺑﺎﻻﺗﺼﺎل ﰲ إﺣﺪى إذاﻋـﺎت )‪ (FM‬ﺣـﺴﺐ ﻣـﺪة‬
‫اﻟﺨﱪة ﰲ اﻟﻌﻤﻞ اﻹﻋﻼﻣﻲ ﺑﺎﻟﺴﻨﻮات‪:‬‬
‫ك‬ ‫اﳌﺪة اﻟﺰﻣﻨﻴﺔ‬
‫‪٥‬‬ ‫‪٤-٢‬‬
‫‪٧‬‬ ‫‪٧-٥‬‬
‫‪٣‬‬ ‫‪١٠ -٨‬‬
‫‪١٥‬‬ ‫اﳌﺠﻤﻮع‬
‫ﻧﺒﺪأ ﺑﺤﺴﺎب ﻣﻨﺘـﺼﻔﺎت اﻟﻔﺌـﺎت‪ ،‬وذﻟـﻚ ﺑﺠﻤـﻊ ﺑﺪاﻳـﺔ وﻧﻬﺎﻳـﺔ ﻛـﻞ ﻓﺌـﺔ ﺛـﻢ ﻗـﺴﻤﺔ اﻟﻨـﺎﺗﺞ ﻋـﲆ ‪٢‬‬
‫ﻣﺜﻼ = ‪ ،(٣ = ٢ ÷٤+٢‬وﺑﱰﺑﻴﻊ ﻣﻨﺘﺼﻔﺎت اﻟﻔﺌﺎت واﻟﻀـﺮب ﰲ اﻟﺘﻜﺮارات ﻧﺤـﺼﻞ‬
‫)ﻓﻤﻨﺘﺼﻒ اﻟﻔﺌﺔ اﻷوﱃ ً‬
‫ﻋﲆ اﻟﺠﺪول اﻵيت‪:‬‬
‫ص‪ × ٢‬ك‬ ‫ص×ك‬
‫ص‪٢‬‬
‫ص‬ ‫ك‬ ‫اﳌﺪة اﻟﺰﻣﻨﻴﺔ‬

‫‪٤٥‬‬ ‫‪١٥‬‬ ‫‪٩‬‬ ‫‪٣‬‬ ‫‪٥‬‬ ‫‪٤-٢‬‬

‫‪٢٥٢‬‬ ‫‪٤٢‬‬ ‫‪٣٦‬‬ ‫‪٦‬‬ ‫‪٧‬‬ ‫‪٧-٥‬‬
‫‪٢٤٣‬‬ ‫‪٢٧‬‬ ‫‪٨١‬‬ ‫‪٩‬‬ ‫‪٣‬‬ ‫‪١٠ -٨‬‬
‫‪٥٤٠‬‬ ‫‪٨٤‬‬ ‫‪١٥‬‬ ‫اﳌﺠﻤﻮع‬

‫مبﻮﺟﺐ ذﻟﻚ ميﻜﻦ اﻟﺤﺼﻮل ﻋﲆ اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪ ،‬وذﻟﻚ ﺑﺎﺳﺘﺨﺪام اﳌﻌﺎدﻟﺔ اﳌﺸﺎر إﻟﻴﻬـﺎ‬
‫وﻫﻲ‪:‬‬
‫‪2‬‬
‫) ‪( ϙ˰ ι ˰Οϣ‬‬
‫‪- ϙ2 ι˰Οϣ‬‬
‫‪ϙ˰Οϣ‬‬ ‫‪٢‬‬
‫ع =‬
‫‪1  ϙ Ξϣ‬‬

‫‪-˺˾˹-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وﺑﺎﻟﺘﻌﻮﻳﺾ ﰲ ﻫﺬه اﳌﻌﺎدﻟﺔ ﻳﻜﻮن‪:‬‬

‫‪2‬‬
‫)‪(84‬‬
‫‪ 540 ٢‬‬
‫‪15‬‬ ‫ع =‬
‫‪1  15‬‬

‫ع = ‪٤.٩٧ = 470.4  540‬‬

‫‪٢‬‬
‫‪14‬‬
‫أي أن اﻟﺘﺒﺎﻳﻦ = ‪٤.٩٧‬‬
‫وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري = ‪٢.٢٣ =4.97 b‬‬

‫ﺧﺼﺎﺋﺺ اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪:‬‬

‫إن اﻟﺘﺒﺎﻳﻦ ﻳﻘﻴﺲ اﻟﺘﺸﺘﺖ ﻣﻦ ﺧﻼل ﻣﺮﺑﻌﺎت اﻻﻧﺤﺮاﻓﺎت ﻋـﻦ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب؛ أي أﻧـﻪ ﻳﻌﺘﻤـﺪ ﰲ‬
‫ﺣﺴﺎﺑﻪ ﻋﲆ ﻗﻴﻢ ﻏري أﺻﻠﻴﺔ ‪ ،‬وﻳﺄﺧﺬ ﰲ اﻋﺘﺒﺎره ﺟﻤﻴﻊ اﳌﻔﺮدات‪ ،‬وﻻ ﺗﺘﺄﺛﺮ ﻗﻴﻤﺔ اﻟﺘﺒﺎﻳﻦ ﺑﺈﺿـﺎﻓﺔ أو ﻃـﺮح‬
‫أي ﻗﻴﻤﺔ ﺛﺎﺑﺘﺔ ﻋﲆ ﺟﻤﻴﻊ اﻟﻘﻴﻢ اﳌﺤﺴﻮب ﻣﻨﻬﺎ ﻗﻴﻤﺔ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﻟﻜﻦ اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﳌﻌﻴـﺎري ﻳﺘـﺄﺛﺮان‬
‫ﺑﺎﻟﻘﻴﻢ اﳌﺘﻄﺮﻓﺔ )ﻻﻋﺘامدﻫام ﻋﲆ ﻣﺮﺑﻊ اﻧﺤﺮاف ﻫﺬه اﻟﻘﻴﻢ ﻋﻦ اﻟﻮﺳﻂ اﻟﺤـﺴﺎيب(‪ ،‬ﻛـام ﻳﺘـﺄﺛﺮان ﺑﻘﻴﻤـﺔ‬
‫اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‪ ،‬اﻟﺬي ﺑﺪوره ﻳﺘﺄﺛﺮ ﺑﺎﻟﻘﻴﻢ اﳌﺘﻄﺮﻓﺔ‪.‬‬

‫وإذا ﻛﺎن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻳﻌﺘﻤﺪ ﻋﲆ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﻓﺈن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻣﻦ أﻫﻢ ﻣﻘﺎﻳﻴﺲ اﻟﺘـﺸﺘﺖ‪،‬‬
‫ً‬
‫ارﺗﺒﺎﻃﺎ وﺛﻴﻘًﺎ مبﻘﺎﻳﻴﺲ إﺣﺼﺎﺋﻴﺔ ﻫﺎﻣﺔ ﻣﺜﻞ ﻣﻌﺎﻣﻞ اﻻﻟﺘﻮاء واﻻرﺗﺒﺎط واﻟـﺪرﺟﺎت اﳌﻌﻴﺎرﻳـﺔ‬ ‫ﻛام أﻧﻪ ﻳﺮﺗﺒﻂ‬
‫واﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ‪ ...‬إﻟﺦ‪ .‬وﻋﲆ وﺟﻪ اﻟﺘﺤﺪﻳﺪ‪ ،‬ﻓﺈن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻳﺘﺼﻒ ﺑﺎﻟﺨﻮاص اﻵﺗﻴﺔ‪:‬‬

‫‪ -‬إن ﻗﻴﻤﺔ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻻ ﺗﺘﺄﺛﺮ ﺑﺤﺬف أو إﺿﺎﻓﺔ ﻋـﺪد ﺛﺎﺑـﺖ ﻟﻜـﻞ ﻗﻴﻤـﺔ ﻣـﻦ ﻗـﻴﻢ اﻟﺘﻮزﻳـﻊ‬
‫اﻟﺘﻜﺮاري‪ ،‬وﻟﺘﻮﺿﻴﺢ ذﻟﻚ ﻧﺄﺧﺬ اﳌﺜﺎل اﻟﺘﺎﱄ‪:‬‬

‫اﻧﺤﺮاف اﻟﻌﺪد ‪ ٨‬ﻋﻦ اﻟﻌﺪد ‪ ١٢‬ﻳﺴﺎوي ‪ ٤‬؛ أي ‪٤ =٨ -١٢‬‬

‫‪-˺˾˺-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺛﺎﺑﺘﺎ )وﻟﻴﻜﻦ ‪ (٣‬إﱃ اﻟﻌﺪد ‪ ،٨‬ﻓﺈن اﻟﻨـﺎﺗﺞ ﻳﻜـﻮن )‪ ،(١١‬وإذا أﺿـﻔﻨﺎ اﻟﻌـﺪد )‪ (٣‬إﱃ‬
‫ﻋـﺪدا ً‬
‫ﻓﺈذا أﺿﻔﻨﺎ ً‬
‫اﻟﻌﺪد )‪ (١٢‬ﻳﻜﻮن اﻟﻨﺎﺗﺞ )‪ ،(١٥‬وﺑﺤﺴﺎب اﻻﻧﺤﺮاف ﺑﻌﺪ إﺿﺎﻓﺔ اﻟﻌﺪد اﻟﺜﺎﺑـﺖ ﻧﺠـﺪ أﻧـﻪ = ‪٤ = ١١ -١٥‬‬
‫ﺛﺎﺑﺘﺎ )وﻟﻴﻜﻦ ‪(٤‬‬
‫ﻋﺪدا ً‬
‫وﻫﻲ ﻧﻔﺲ ﻗﻴﻤﺔ اﻧﺤﺮاف اﻟﻌﺪد ‪ ٨‬ﻋﻦ اﻟﻌﺪد ‪ ١٢‬وﻫﻜﺬا‪ .‬اﳌﻨﻄﻖ ﻧﻔﺴﻪ إذا أﻧﻘﺼﻨﺎ ً‬
‫ﻣﻦ اﻟﻌﺪد ‪ ٨‬ﻳﻜﻮن اﻟﻨﺎﺗﺞ ‪ ٤‬وإذا أﻧﻘﺼﻨﺎ اﻟﻌﺪد ‪ ٤‬ﻣﻦ اﻟﻌﺪد ‪ ،١٢‬ﻳﻜﻮن اﻟﻨﺎﺗﺞ ‪ ،٨‬ﺑﺤﺴﺎب اﻻﻧﺤﺮاف ﺑﻌـﺪ‬
‫إﻧﻘﺎص اﻟﻌﺪد اﻟﺜﺎﺑﺖ ﻧﺠﺪ أﻧﻪ = ‪ ٤ = ٤ -٨‬وﻫﻲ ﻧﻔﺲ ﻗﻴﻤﺔ اﻧﺤﺮاف اﻟﻌﺪد ‪ ٨‬ﻋﻦ اﻟﻌﺪد ‪ ،١٢‬ﻫﻜﺬا ﻧﺘﺒني‬
‫أن اﻻﻧﺤﺮاف ﻻ ﻳﺘﺄﺛﺮ ﺑﺈﺿﺎﻓﺔ أو ﺣﺬف ﻋﺪد ﺛﺎﺑﺖ ﻟﻜﻞ ﻗﻴﻤﺔ ﻣﻦ ﻗﻴﻢ اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري‪.‬‬

‫‪ -‬إن اﻟﻘﻴﻤﺔ اﻟﺠﱪﻳﺔ ﻟﻼﻧﺤﺮاف اﳌﻌﻴﺎري ميﻜـﻦ أن ﺗﻜـﻮن ﺳـﺎﻟﺒﺔ أو ﻣﻮﺟﺒـﺔ‪ ،‬وﺑﺎﻟﺘـﺎﱄ ﻓـﺈن اﻻﻧﺤـﺮاف‬
‫اﳌﻌﻴﺎري ﻳﻘﻴﺲ اﻟﺘﺸﺘﺖ ﺑﺎﻻﻧﺤﺮاﻓـﺎت اﻟﺘـﻲ ﻋـﲆ ﻧـﺎﺣﻴﺘﻲ اﻟﻮﺳـﻂ ﺑﺎﻟﻨـﺎﻗﺺ أو ﺑﺎﻟﺰاﺋـﺪ )اﻟﻨﺎﺣﻴـﺔ‬
‫اﻟﻴﴪى واﻟﻨﺎﺣﻴﺔ اﻟﻴﻤﻨﻰ( ﻟﻠﺘﻮزﻳﻊ اﻻﻋﺘﺪاﱄ‪.‬‬

‫‪ -‬إن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻳﻘﺴﻢ ﻗﺎﻋﺪة ﻣﻨﺤﻨـﻰ اﻟﺘﻮزﻳـﻊ اﻟﺘﻜـﺮاري إﱃ أﻗـﺴﺎم ﻣﺘـﺴﺎوﻳﺔ‪ ،‬اﻷﻣـﺮ اﻟـﺬي‬
‫ﻋـﺪدا ﻛﺒـ ًريا‪،‬‬
‫ووﺿـﻮﺣﺎ ﰲ ﻗﻴـﺎس اﻟﺘـﺸﺘﺖ‪ ،‬وﻋﻨـﺪﻣﺎ ﻳﺘـﻀﻤﻦ اﻟﺘﻮزﻳـﻊ اﻟﺘﻜـﺮاري ً‬
‫ً‬ ‫ﻳﺠﻌﻠﻪ أﻛرث دﻗﺔ‬
‫اﻋﺘﺪاﻟﻴﺎ )‪ ،(Normal Distribution‬ﻓﺈن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻳﻘـﺴﻢ اﳌـﺪى اﻟﻜـﲇ إﱃ‬
‫ّ‬ ‫ﺗﻮزﻳﻌﺎ‬
‫ً‬ ‫وﻳﻜﻮن‬
‫ﺳﺘﺔ أﻗﺴﺎم ﻣﺘﺴﺎوﻳﺔ‪ ،‬وﻋﲆ ﻫﺬا اﻷﺳﺎس ﻓﺈن ﻫﻨﺎك ﻋﻼﻗﺔ ﺑني اﳌﺪى اﻟﻜﲇ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري؛ إذ‬
‫إن‪:‬‬

‫ﺗﻘﺮﻳﺒﺎ(‪ ،‬ﻓﻔﻲ ﻣﺜﺎﻟﻨﺎ اﻟﺴﺎﺑﻖ ﻋﻦ اﳌﺪى اﻟﻜـﲇ ﻟﻌـﺪد ﺣﻠﻘـﺎت‬

‫اﻻﻧﺤﺮاف اﳌﻌﻴﺎري = اﳌﺪى اﻟﻜﲇ ÷ ‪ً ) ٦‬‬
‫اﻟﱪاﻣﺞ اﻹذاﻋﻴﺔ اﻟﺘﻲ أﻧﺘﺠﺘﻬﺎ اﻟﴩﻛﺎت اﻹﻋﻼﻣﻴﺔ‪ ،‬ﻛﺎﻧﺖ ﻗﻴﻤﺔ ﻫﺬا اﳌﺪى ﻫﻲ ‪ ٩٩‬وﻣﻦ ﻫﺬه اﻟﻘﻴﻤـﺔ ﻓـﺈن‬
‫اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻳﺴﺎوي‪:‬‬

‫‪١٦.٥ = ٦ ÷٩٩‬‬

‫ﻣﻊ اﻟﺘﻨﺒﻴﻪ ﺑﺄن ذﻟﻚ ﻳﻜﻮن ﰲ اﻟﺘﻮزﻳﻌﺎت اﻟﺘﻜﺮارﻳﺔ اﻻﻋﺘﺪاﻟﻴﺔ )وﻟﻴﺲ اﻟﺘﻮزﻳﻌﺎت اﳌﻠﺘﻮﻳﺔ(‪.‬‬

‫‪-˺˾˻-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻟﺮﺑﻴﻌﻲ‬
‫ﺛﺎﻟﺜًﺎ‪ :‬اﻻﻧﺤﺮاف ﱡ‬
‫واﻟﺮﺑﻴـﻊ اﻟﺜﺎﻟـﺚ‪.‬‬
‫اﻟﺮﺑﻴـﻊ اﻷول ﱡ‬
‫اﻟﺮﺑﻴﻌـﻲ( ﻣـﻦ ﺧـﻼل ﱡ‬
‫اﻟﺮﺑﻴﻌﻲ )ﻧـﺼﻒ اﳌـﺪى ﱡ‬
‫ﻳﺘﻢ ﺣﺴﺎب اﻻﻧﺤﺮاف ﱡ‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ ﻓﻬـﻮ ﺗﻠـﻚ اﻟﻘﻴﻤـﺔ اﻟﺘـﻲ‬
‫ﻓﺎﻟﺮﺑﻴﻊ اﻷول ﻫﻮ ﺗﻠﻚ اﻟﻘﻴﻤﺔ اﻟﺘﻲ ﺗﻘﻞ ﻋﻨﻬﺎ ‪ %٢٥‬ﻣﻦ اﻟﻘﻴﻢ‪ .‬أﻣﺎ ﱡ‬
‫ﱡ‬
‫اﻟﺮﺑﻴﻌﻲ ﻳﻌﺘﻤـﺪ ﻋـﲆ‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎين ﻫﻮ اﻟﻮﺳﻴﻂ(‪ ،‬وﳌﺎ ﻛﺎن اﻻﻧﺤﺮاف ﱡ‬
‫ﺗﻘﻞ ﻋﻨﻬﺎ ‪ %٧٥‬ﻣﻦ اﻟﻘﻴﻢ )ﻻﺣﻆ أن ﱡ‬
‫أوﻻ‪ ،‬وذﻟـﻚ ﻣـﻦ ﺧـﻼل ﺗﺤﺪﻳـﺪ ﺗﺮﺗﻴـﺐ ﻛـﻞ‬
‫واﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ‪ ،‬ﻓﺈﻧﻪ ﻻ ﺑﺪ ﻣﻦ اﻟﺤﺼﻮل ﻋﻠﻴﻬام ً‬
‫اﻟﺮﺑﻴﻊ اﻷول ﱡ‬
‫ﱡ‬
‫ﺗـﺼﺎﻋﺪﻳﺎ‬
‫ّ‬ ‫ﻣﻨﻬام ﺑني اﻟﺒﻴﺎﻧﺎت ﻣﺤﻞ اﻟﺪراﺳﺔ‪ ،‬ﺛﻢ ﺣﺴﺎب ﻗﻴﻤﺔ ﻛﻞ ﻣﻨﻬام‪ ،‬وﻣﻦ ﺧﻼل ﺗﺮﺗﻴﺐ ﺟﻤﻴﻊ اﻟﻘـﻴﻢ‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ‪:‬‬
‫اﻟﺮﺑﻴﻊ اﻷول وﺗﺮﺗﻴﺐ ﱡ‬
‫زﻟﻴﺎ( ميﻜﻦ ﺑﺴﻬﻮﻟﺔ ﺗﺤﺪﻳﺪ ﺗﺮﺗﻴﺐ ﱡ‬
‫)أو ﺗﻨﺎ ّ‬
‫اﻟﺮﺑﻴﻊ اﻷول ﻳﻜﻮن ﻣﻦ ﺧﻼل ﻋﺪد اﻟﻘﻴﻢ ÷ ‪٤‬‬
‫ﻓﻔﻴام ﻳﺨﺺ ﺗﺮﺗﻴﺐ ﱡ‬
‫أي ‪ϥ‬‬
‫‪4‬‬

‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ ﻳﻜﻮن ﻣﻦ ﺧﻼل ﻋﺪد اﻟﻘﻴﻢ × ‪٤ ÷ ٣‬‬

‫وﻓﻴام ﻳﺨﺺ ﺗﺮﺗﻴﺐ ﱡ‬
‫أي ‪3 u ϥ‬‬
‫‪4‬‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ‪ -‬مبﻌﻨـﻰ‬
‫اﻟﺮﺑﻴﻊ اﻷول‪ ،‬وﺗﺮﺗﻴﺐ ﱡ‬
‫ﺣﻴﺚ )ن( ﺗﺮﻣﺰ إﱃ ﻋﺪد اﳌﻔﺮدات‪ ،‬وﻣﺘﻰ ﺣﺪدﻧﺎ ﺗﺮﺗﻴﺐ ﱡ‬
‫ﻣﻮﻗﻊ ﻛﻞ ﻣﻨﻬﻤـﺎ ﻣﻦ ﺗﺮﺗﻴﺐ اﳌﻔﺮدات ‪ -‬ﻳﺼﺒﺢ ﻣﻦ اﻟـﺴـﻬﻞ اﻟﺤـﺼـﻮل ﻋـﲆ ﻗﻴﻤـﺔ ﻛـﻞ ﻣﻨﻬﻤــﺎ‪ ،‬وﻳﻜـﻮن‬
‫اﻟﺮﺑﻴﻊ اﻷول واﻟﻘﺴﻤﺔ ﻋﲆ ‪ ٢‬أي أن‪:‬‬
‫ﺮوﺣﺎ ﻣﻨﻬﺎ ﻗﻴﻤـﺔ ﱡ‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ ﻣﻄـ ً‬
‫اﻟﺮﺑﻴﻌﻲ ﻧﺎﺗﺞ ﻗﻴﻤﺔ ﱡ‬
‫اﻻﻧﺤﺮاف ﱡ‬
‫اﻟﺮﺑﻴﻊ اﻷول‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ – ﱡ‬
‫ﱡ‬
‫ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
‫اﻟﺮﺑﻴﻌﻲ =‬
‫اﻻﻧﺤﺮاف ﱡ‬
‫‪٢‬‬
‫ﻣﺜﺎل‪:‬‬
‫ﻓﻴام ﻳﲇ ﺑﻴﺎن ﺑﺎﻹﻋﻼﻧﺎت اﻟﺪﻳﻨﻴﺔ اﳌﻨﺸﻮرة ﰲ ﻋﴩ ﺻﺤﻒ ﻳﻮﻣﻴﺔ ﺧﻼل ﺷﻬﺮ رﻣﻀﺎن‪:‬‬
‫‪١٤ – ١٠ – ١٦ – ١٩ – ١٨ – ١٢ – ١٣ – ١٥ – ١١ – ٢٠‬‬

‫‪-˺˾˼-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺑﱰﺗﻴﺐ ﻫﺬه اﻟﻘﻴﻢ ﺗﺼﺎﻋﺪﻳّﺎ ﻳﻜﻮن‪:‬‬

‫‪٢٠ – ١٩ – ١٨ – ١٦ – ١٥ – ١٤ – ١٣ – ١٢ – ١١ – ١٠‬‬
‫وﻳﻼﺣﻆ أن ﻫﺬه اﻟﻘﻴﻢ ﻋﺪدﻫﺎ )‪ ،(١٠‬أي أن ﻗﻴﻤﺔ )ن( = ‪١٠‬‬
‫اﻟﺮﺑﻴﻊ اﻷول = ‪٢.٥ = 10 = ϥ‬‬
‫وﻳﻜﻮن ﺗﺮﺗﻴﺐ ﱡ‬
‫‪4‬‬ ‫‪4‬‬

‫اﻟﺮﺑﻴﻊ اﻷول ﺗﺮﺗﻴﺒﻪ )‪(٢.٥‬؛ أي أﻧﻪ ﻳﻘﻊ ﺑني اﳌﻔﺮدة اﻟﺜﺎﻧﻴﺔ )وﻗﻴﻤﺘﻬﺎ ‪ (١١‬واﳌﻔﺮدة اﻟﺜﺎﻟﺜـﺔ‬
‫وﺑﻬﺬا‪ ،‬ﻓﺈن ﱡ‬
‫اﻟﺮﺑﻴﻊ اﻷول ﺗﺴﺎوي‪:‬‬
‫)وﻗﻴﻤﺘﻬﺎ ‪ ،(١٢‬ﻓﺘﻜﻮن ﻗﻴﻤﺔ ﱡ‬

‫‪١١.٥ = 12  11‬‬
‫‪2‬‬

‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ = ‪٧.٥ = 3 u10 = 3 u ϥ‬‬

‫ﺗﺮﺗﻴﺐ ﱡ‬
‫‪4‬‬ ‫‪4‬‬

‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ ﻫﻮ )‪(٧.٥‬؛ أي أﻧﻪ ﻳﻘﻊ ﺑني اﳌﻔـﺮدة اﻟـﺴﺎﺑﻌﺔ )وﻗﻴﻤﺘﻬـﺎ ‪ (١٦‬واﳌﻔـﺮدة‬
‫أي أن ﺗﺮﺗﻴﺐ ﱡ‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ ﺗﺴﺎوي‪:‬‬
‫اﻟﺜﺎﻣﻨﺔ )وﻗﻴﻤﺘﻬﺎ ‪ ،(١٨‬وﺑﺎﻟﺘﺎﱄ ﺗﻜﻮن ﻗﻴﻤﺔ ﱡ‬

‫‪١٧ = 18  16‬‬
‫‪2‬‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ = ‪ ١٧‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن‪:‬‬
‫اﻟﺮﺑﻴﻊ اﻷول = ‪ ١١.٥‬ﻛام أن ﻗﻴﻤﺔ ﱡ‬
‫ﻫﻜﺬا ﻳﺘﻀﺢ أن ﻗﻴﻤﺔ ﱡ‬
‫اﻟﺮﺑﻴﻌﻲ = ‪٢.٧٥ = 11.5  17‬‬
‫اﻻﻧﺤﺮاف ﱡ‬
‫‪2‬‬

‫اﺑﻌﺎ‪:‬ﻣﺘﻮﺳﻂ اﻻﻧﺤﺮاﻓﺎت‬
‫ر ً‬
‫وﻫﻮ ﻣﺘﻮﺳﻂ اﻧﺤﺮاﻓﺎت اﻟﻘﻴﻢ ﻋﻦ وﺳﻄﻬﺎ اﻟﺤـﺴﺎيب‪ ،‬ﻣـﻊ ﺗﺠﺎﻫـﻞ اﻹﺷـﺎرات اﻟـﺴﺎﻟﺒﺔ )ﻋﻼﻣـﺔ اﻟﻨـﺎﻗﺺ(‪،‬‬
‫وﻫﺬه ﻧﻘﻄﺔ ﺿﻌﻒ أﺳﺎﺳﻴﺔ ﰲ ﻫﺬا اﻷﺳﻠﻮب ﻛﻤﻘﻴﺎس ﻟﻠﺘﺸﺘﺖ‪ .‬ﻛﻤﺜـﺎل ﺗﻮﺿـﻴﺤﻲ‪ ،‬ﻧﻔـﺮض أن ﻟـﺪﻳﻨﺎ اﻟﻘـﻴﻢ‬
‫اﻷرﺑﻊ اﻟﺘﺎﻟﻴﺔ‪ .(٢٨) ، (٢٠) ،(٢٤) ،(١٦) :‬إن ﻣﺠﻤﻮع ﻫﺬه اﻟﻘﻴﻢ ﻫﻮ )‪ ،(٨٨‬ووﺳﻄﻬﺎ اﻟﺤﺴﺎيب = ‪٢٢ =٤÷٨٨‬‬

‫‪-˺˾˽-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫وﻳﻜﻮن ﻣﺘﻮﺳﻂ اﻻﻧﺤﺮاﻓﺎت ﻳﺴﺎوي‪:‬‬

‫)‪٤÷ (٢٢-٢٨) + (٢٢-٢٠) + (٢٢-٢٤) + (٢٢-١٦‬‬

‫= )‪٤ ÷ (٦) + (٢-) + (٢) + (٦ -‬‬

‫وﺑﺘﺠﺎﻫﻞ اﻹﺷﺎرات اﻟﺴﺎﻟﺒﺔ‪ ،‬ﻓﺈن ﻣﺠﻤﻮع اﻷرﻗﺎم اﻟﺘﻲ ﺑني ﻗﻮﺳني = ‪١٦‬‬

‫وﻳﻜﻮن ﻣﺘﻮﺳﻂ اﻻﻧﺤﺮاﻓﺎت = ‪٤ = ٤ ÷ ١٦‬‬

‫ﻣﻦ اﻟﻮاﺿﺢ أﻧﻪ ﺗﻢ ﺗﺠﺎﻫﻞ اﻹﺷﺎرات اﻟﺴﺎﻟﺒﺔ‪ ،‬وﺗﻢ ﺟﻤﻊ اﻟﻔﺮوق ﺑني اﻟﻘـﻴﻢ واﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب ‪ ،‬ﺛـﻢ‬
‫اﻟﻘﺴﻤﺔ ﻋﲆ ‪٤‬‬

‫أﻣــﺎ ﰲ ﺣﺎﻟــﺔ وﺟــﻮد اﻟﺒﻴﺎﻧــﺎت ﰲ ﺟــﺪول ﺗﻜـﺮاري‪ ،‬ﻓــﺈن ﺣــﺴﺎب ﻣﺘﻮﺳــﻂ اﻻﻧﺤﺮاﻓــﺎت ﻳﻘـــﻮم ﻋــﲆ‬
‫ﻣﻨﺘﺼﻔﺎت اﻟﻔﺌﺎت واﻟﻮﺳﻂ اﻟﺤﺴﺎيب‪.‬‬

‫ﻣﺜﺎل‪ :‬اﻟﺠﺪول اﻵيت ﻳﻮﺿﺢ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻣﻦ اﻟﻘـﺎمئني ﺑﺎﻻﺗـﺼﺎل ﰲ اﻟـﺼﺤﻒ ﺣـﺴﺐ ﻣـﺪة اﻟﺨـﱪة ﰲ‬
‫اﻟﻌﻤﻞ ﺑﺎﻟﺴﻨﻮات‪:‬‬
‫ك‬ ‫ﻣﺪة اﻟﺨﱪة‬
‫‪٢٠‬‬ ‫‪٣ -١‬‬
‫‪٣٤‬‬ ‫‪٨-٤‬‬
‫‪١٦‬‬ ‫‪١٣ -٩‬‬
‫‪٧٠‬‬ ‫اﳌﺠﻤﻮع‬

‫ﺛـﻢ‬
‫ﻟﺤﺴﺎب ﻣﺘﻮﺳﻂ اﻻﻧﺤﺮاﻓﺎت ‪ ،‬ﻧﺒﺪأ ﺑﺘﺤﺪﻳﺪ ﻣﺮاﻛﺰ اﻟﻔﺌﺎت )ص(‪ ،‬وﴐﺑﻬﺎ ﰲ اﻟﺘﻜﺮارات )ك(؛ وﻣﻦ ّ‬
‫اﻟﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب )م(‪ ،‬ﺛﻢ ﺣﺴﺎب اﻟﻔﺮوق ﺑني اﻟﻮﺳﻂ اﻟﺤﺴﺎيب وﻣﺮاﻛﺰ اﻟﻔﺌﺎت‪ ،‬وﴐب ﻫﺬا‬
‫اﻟﻔﺎرق ﰲ اﻟﺘﻜﺮارات اﻷﺻﻠﻴﺔ‪ ،‬ﻓﻨﺤﺼﻞ ﻋﲆ اﻟﺠﺪول اﻵيت‪:‬‬

‫‪-˺˾˾-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬
‫ك )ص ‪ -‬م(‬ ‫ص‪-‬م‬ ‫ك×ص‬ ‫ص‬ ‫ك‬ ‫ﻓﺌﺎت اﳌﺪة اﻟﺰﻣﻨﻴﺔ‬
‫‪٨٠‬‬ ‫‪٤‬‬ ‫‪٤٠‬‬ ‫‪٢‬‬ ‫‪٢٠‬‬ ‫‪٣ -١‬‬
‫ﺻﻔﺮ‬ ‫ﺻﻔﺮ‬ ‫‪٢٠٤‬‬ ‫‪٦‬‬ ‫‪٣٤‬‬ ‫‪٨-٤‬‬
‫‪٨٠‬‬ ‫‪٥‬‬ ‫‪١٧٦‬‬ ‫‪١١‬‬ ‫‪١٦‬‬ ‫‪١٣ -٩‬‬
‫‪١٦٠‬‬ ‫‪٤٢٠‬‬ ‫‪٧٠‬‬ ‫اﳌﺠﻤﻮع‬

‫إن اﻟﻮﺳﻂ اﻟﺤﺴﺎيب = ‪ ٦ = ٧٠ ÷٤٢٠‬وﻫﺬه اﻟﻘﻴﻤﺔ )‪ (٦‬ﺗﻢ ﻃﺮﺣﻬﺎ ﻣﻦ ﻗﻴﻢ )ص(‪ ،‬ﻛام ﻫﻮ ﻣﻮﺿﺢ‬
‫ﺑﺎﻟﻌﻤﻮد اﻟﺨﺎﻣﺲ وﻫﻮ )ص‪ -‬م(‪ ،‬ﻣﻊ ﻣﻼﺣﻈﺔ أﻧﻪ ﺗﻢ ﺗﺠﺎﻫﻞ اﻹﺷﺎرات اﻟﺴﺎﻟﺒﺔ‪.‬‬
‫وﻳﻜﻮن ﻣﺘﻮﺳﻂ اﻻﻧﺤﺮاﻓﺎت أو اﻻﻧﺤﺮاف ﻋﻦ اﻟﻮﺳﻂ = ‪٢.٣ = ٧٠ ÷ ١٦٠‬‬
‫وﻟﺘﻮﺿﻴﺢ ﻫﺬا اﻟﺠﺪول ﻓﺈن‪:‬‬
‫ﻣﺜﻼ = )‪) ٢ = (٢÷٣ +١‬وﻫﺬا ﻣﻮﺿﺢ ﰲ اﻟﻌﻤﻮد اﻟﺜﺎﻟﺚ( ﻛام أن ﻋﺪد ﺗﻜﺮارات‬
‫‪ -‬ﻣﺮﻛﺰ اﻟﻔﺌﺔ اﻷوﱃ ً‬
‫ﻫﺬه اﻟﻔﺌﺔ ﻫﻮ )‪ ،(٢٠‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ك × ص ﻟﻬﺬه اﻟﻔﺌـﺔ ﻳـﺴﺎوي )‪ ،(٤٠ =٢×٢٠‬وﻫـﺬا ﻣﻮﺿـﺢ ﰲ‬
‫اﻟﻌﻤﻮد اﻟﺮاﺑﻊ‪ ،‬وﻫﻜﺬا ﰲ ﺑﻘﻴﺔ اﻟﻔﺌﺎت ‪ ،‬وﻳﻜﻮن ﻣﺠﻤﻮع ك × ص ﻟﺠﻤﻴﻊ اﻟﻔﺌﺎت ﻫﻮ ﻣﺞ )ك ص(‬
‫وﻫﻮ ﻳﺴﺎوي )‪(٤٢٠‬‬
‫‪ -‬ﺑﻘﺴﻤﺔ ﻫﺬا اﳌﺠﻤﻮع ﻋﲆ ﻣﺠﻤﻮع اﻟﺘﻜﺮارات ﻧﺤﺼﻞ ﻋﲆ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب؛ أي ‪٦ = ٧٠ ÷ ٤٢٠‬‬
‫‪ -‬اﻟﺤﺼﻮل ﻋﲆ اﻟﻔﺮوق وذﻟﻚ ﺑﻄﺮح ﻗﻴﻢ )ص( ﻣﻦ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ )ص( ﻟﻠﻔﺌﺔ‬
‫ﻣﺜﻼ ﻫﻲ )‪ ،(٤‬واﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻫﻮ )‪ ،(٦‬ﻓﺈن )ص‪ -‬م( ﻟﻬﺬه اﻟﻔﺌﺔ ﻫﻮ )‪ ٢ =(٦ -٤‬وﻫﻜﺬا‬
‫اﻷوﱃ ً‬
‫ﻟﻜﻞ اﻟﻔﺌﺎت ﻛام ﻫﻮ واﺿﺢ ﰲ اﻟﻌﻤﻮد اﻟﺨﺎﻣﺲ اﻟﺬي ﻋﻨﻮاﻧﻪ )ص‪ -‬م(‪ ،‬وﻗﺪ ﺗـﻢ ﺗﺠﺎﻫـﻞ اﻹﺷـﺎرات‬
‫اﻟﺴﺎﻟﺒﺔ‪.‬‬
‫‪ -‬ﴐب ﻫﺬه اﻟﻔﺮوق ﰲ اﻟﺘﻜﺮارات اﻷﺻﻠﻴﺔ ﻟﻜﻞ ﻓﺌﺔ‪ ،‬ﻛﻤﺜﺎل ﻋﲆ ذﻟﻚ‪ ،‬ﻓﺈن اﻟﺘﻜﺮارات اﻷﺻﻠﻴﺔ ﻟﻠﻔﺌـﺔ‬
‫اﻷوﱃ ﻫﻲ )‪ (٢٠‬واﻟﻔﺮق اﻟﺨﺎص ﺑﻬﺎ ﻫﻮ )‪ ،(٤‬وﺑﻀـﺮب اﻟﺘﻜﺮارات اﻷﺻﻠﻴﺔ ﰲ اﻟﻔﺮق اﻟﺨﺎص ﺑﻬـﺬه‬
‫اﻟﻔﺌﺔ‪ ،‬ﻓﺈن )‪ (٨٠ =٤× ٢٠‬وﻫﻜﺬا ﻟﻜـﻞ اﻟﻔﺌـﺎت‪ ،‬ﻛـام ﻫـﻮ واﺿـﺢ ﰲ اﻟﻌﻤـﻮد اﻟـﺴﺎدس أي اﻷﺧـري‬
‫ﺑﺎﻟﺠﺪول‪.‬‬

‫‪-˺˾˿-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫‪ -‬ﺟﻤﻊ ﻧﺎﺗﺞ ﻋﻤﻠﻴﺔ اﻟﻀـﺮب ﻫﺬه ﻟﻜﻞ اﻟﻔﺌﺎت )وﻣﻦ اﻟﺠﺪول ﻧﺘﺒني أن ﻣﺠﻤﻮع ﻧﺎﺗﺞ ﴐب اﻟﻔـﺮوق‬
‫ﰲ اﻟﺘﻜﺮارات اﻷﺻﻠﻴﺔ = ‪(١٦٠‬‬
‫‪ -‬ﻣﺘﻮﺳﻂ اﻻﻧﺤﺮاﻓﺎت = ‪٢.٣ = ٧٠ ÷ ١٦٠‬‬

‫ﻏري أن ﻣﺘﻮﺳﻂ اﻻﻧﺤﺮاﻓﺎت ﻳﺘﺠﺎﻫﻞ اﻹﺷﺎرات اﻟﺴﺎﻟﺒﺔ ﺑﺪون ﻣﻨﻄﻖ ﻋﻠﻤﻲ‪ ،‬وﻟﺬﻟﻚ ﻓﺈﻧـﻪ ﻏـري ﺷـﺎﺋﻊ‬
‫اﻻﺳﺘﺨﺪام ﰲ اﻟﺒﺤﻮث اﻟﻌﻠﻤﻴﺔ ﻛام ﺳﺒﻘﺖ اﻹﺷﺎرة‪.‬‬

‫ﺧﺎﻣﺴﺎ‪:‬ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف‬
‫ً‬
‫ﻳﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف )‪ (Variation Coefficient‬ﻟﻠﻤﻘﺎرﻧﺔ ﺑني ﺗﻮزﻳﻌني ﻣﻦ ﺣﻴـﺚ اﻟﺘـﺸﺘﺖ‪ ،‬ﻛـﺄن‬
‫ﻳﺮﻳﺪ اﻟﺒﺎﺣﺚ ﻣﻘﺎرﻧﺔ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻣﻦ اﳌﺒﺤﻮﺛني ﺣﺴﺐ ﻣﻌﺪل ﻗـﺮاءة اﻟـﺼﺤﻒ اﻟﻴﻮﻣﻴـﺔ‪ ،‬وﺗﻮزﻳـﻊ ﻫـﺆﻻء‬
‫اﳌﺒﺤﻮﺛني ﺣﺴﺐ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴـﺎس اﳌﻌﺮﻓـﺔ ﺑﻘـﻀﺎﻳﺎ اﻟﺒﻴﺌـﺔ‪ ،‬وﻳـﺸﻴﻊ اﺳـﺘﺨﺪام ﻣﻌﺎﻣـﻞ اﻻﺧـﺘﻼف ﰲ‬
‫اﳌﻘﺎرﻧﺔ ﺑني ﻇﺎﻫﺮﺗني ﻣﺨﺘﻠﻔﺘني ﰲ وﺣﺪة اﻟﻘﻴﺎس‪ ،‬ﻛﺎﳌﻘﺎرﻧﺔ ﺑني اﻫـﺘامم ﺻـﺤﻴﻔﺔ ﻳﻮﻣﻴـﺔ ﻣﻌﻨﻴـﺔ ﺑﻘـﻀﻴﺔ‬
‫ﺗﻨﻈﻴﻢ اﻷﴎة واﻫﺘامم ﻗﻨﺎة ﺗﻠﻴﻔﺰﻳﻮﻧﻴﺔ ﻣﻌﻨﻴﺔ ﺑﺎﻟﻘﻀﻴﺔ ﻧﻔﺴﻬﺎ‪ .‬ﻫﻨﺎ ﻧﻼﺣﻆ أن وﺣـﺪة ﻗﻴـﺎس اﻻﻫـﺘامم ﰲ‬
‫اﻟﺼﺤﻴﻔﺔ ﻫﻲ اﻟﺴﻨﺘﻴﻤﱰ اﳌﺮﺑﻊ‪ ،‬أﻣﺎ وﺣﺪة ﻗﻴﺎس اﻻﻫﺘامم ﰲ اﻟﻘﻨـﺎة اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴـﺔ‪ ،‬ﻓﻬـﻲ اﻟﺪﻗﻴﻘـﺔ؛ أي أن‬
‫وﺣﺪة اﻟﻘﻴﺎس ﻣﺨﺘﻠﻔﺔ ﰲ اﻟﺤﺎﻟﺘني‪ .‬وميﻜﻦ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف ﺑﺄﻛرث ﻣـﻦ ﻃﺮﻳﻘـﺔ أﻫﻤﻬـﺎ‪ :‬اﺳـﺘﺨﺪام‬
‫وأﻳـﻀﺎ ﺑﺎﺳـﺘﺨﺪام‬
‫اﻟﺮﺑﻴﻌـﻲ واﻟﻮﺳـﻴﻂ‪ً ،‬‬
‫اﻟﻮﺳﻂ اﻟﺤﺴﺎيب واﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪ ،‬وﻛﺬﻟﻚ ﺑﺎﺳﺘﺨﺪام اﻻﻧﺤﺮاف ﱡ‬
‫واﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ‪:‬‬
‫اﻟﺮﺑﻴﻊ اﻷول ﱡ‬
‫ﱡ‬
‫‪ -١‬ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف ﺑﺎﺳﺘﺨﺪام اﻟﻮﺳﻂ اﻟﺤﺴﺎيب واﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪:‬‬

‫ميﻜﻦ ﺣﺴﺎب ﻣﻌﺎﻣـﻞ اﻻﺧـﺘﻼف ﺑﺎﺳـﺘﺨﺪام اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب واﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري‪ ،‬وذﻟـﻚ مبﻮﺟـﺐ‬
‫اﻟﻘﺎﻧﻮن‪:‬‬
‫اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‬
‫ــــــــــــــــــــــــــــــــــــــ‬
‫خ=‬
‫× ‪١٠٠‬‬
‫اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‬

‫‪-˺˾̀-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻓﺈذا ﻛﺎن ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺒﺤﻮﺛني ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام ﻣﻮاﻗﻊ اﻟﺘﻮاﺻﻞ اﻻﺟﺘامﻋـﻲ ﻫـﻮ ‪ ٣٥‬درﺟـﺔ‪،‬‬
‫ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ،٣.٤‬ﻓﺈن ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف =‬

‫م خ = )‪%٩.٧ = ١٠٠ × (٣٥ ÷ ٣.٤‬‬

‫وإذا ﻛﺎن ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺒﺤﻮﺛني ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﻫـﻮ )‪ ( ٤٦.٥‬درﺟـﺔ ﺑـﺎﻧﺤﺮاف‬
‫ﻣﻌﻴﺎري ‪ ،٢.٨‬ﻓﺈن ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف = )‪٦.٠٢ = ١٠٠ × (٤٦.٥ ÷ ٢.٨‬‬

‫ﺗﺸﺘﺘﺎ ﻣﻘﺎرﻧﺔ مبﻮاﻗﻊ اﻟﺘﻮاﺻﻞ اﻻﺟﺘامﻋﻲ‪.‬‬

‫وﻫﺬا ﻳﻌﻨﻲ أن اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن أﻗﻞ ً‬
‫‪ -٢‬ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف ﺑﺎﺳﺘﺨﺪام اﻻﻧﺤﺮاف اﱡﻟﺮﺑﻴﻌﻲ واﻟﻮﺳﻴﻂ‪:‬‬

‫ميﻜﻦ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف ﺑﺎﺳﺘﺨﺪام اﻟﻮﺳﻴﻂ واﻻﻧﺤﺮاف اﻟﺮﺑﻴﻌﻲ‪ ،‬وذﻟﻚ مبﻮﺟﺐ اﻟﻘﺎﻧﻮن‪:‬‬
‫اﻟﺮﺑﻴﻌﻲ‬
‫اﻻﻧﺤﺮاف ﱡ‬
‫ــــــــــــــــــــــــــــــــــــــ‬
‫خ=‬
‫× ‪١٠٠‬‬
‫اﻟﻮﺳﻂ‬
‫واﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ‪:‬‬
‫اﻟﺮﺑﻴﻊ اﻷول ﱡ‬
‫‪ -٣‬ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف ﺑﺎﺳﺘﺨﺪام ﱡ‬
‫واﻟﺮﺑﻴﻊ اﻷدىن‪ ،‬وذﻟﻚ مبﻮﺟﺐ اﻟﻘﺎﻧﻮن‪:‬‬
‫اﻟﺮﺑﻴﻊ اﻷﻋﲆ ﱡ‬
‫ﻳﺘﻢ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف ﺑﺎﺳﺘﺨﺪام ﱡ‬
‫اﻟﺮﺑﻴﻊ اﻷول‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ – ﱡ‬
‫ﱡ‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــ‬
‫مخ=‬
‫× ‪١٠٠‬‬
‫اﻟﺮﺑﻴﻊ اﻷول‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎﻟﺚ ‪ +‬ﱡ‬
‫ﱡ‬
‫ﺳﺎدﺳﺎ‪:‬ﻣﻌﺎﻣﻞ اﻻﻟﺘﻮاء‬
‫ً‬
‫اﻻﻟﺘﻮاء )‪ (Skew ness‬ﻫﻮ ﻣﻴﻞ ﻣﻨﺤﻨﻰ اﻟﺘﻮزﻳﻊ ﻧﺎﺣﻴﺔ اﻟﻴﻤني أو ﻧﺎﺣﻴﺔ اﻟﻴﺴﺎر‪ ،‬وﻫـﺬا ﻋﻜـﺲ اﻋﺘﺪاﻟﻴـﺔ‬
‫اﳌﻨﺤﻨﻰ )ﻋﺪم ﻣﻴﻠـﻪ إﱃ ﻧﺎﺣﻴـﺔ ﻣﻌﻴﻨـﺔ(‪ ،‬واﻟﺘﻮزﻳـﻊ اﳌﻌﺘـﺪل ﻳﻌﻨـﻲ أن اﻟﻮﺳــﻂ اﻟﺤـﺴﺎيب= اﻟﻮﺳـﻴﻂ =‬
‫اﳌﻨﻮال‪ ،‬وﻫﺬا ﻳﻌﻜﺴﻪ اﳌﻨﺤﻨﻰ اﻟﺘﺎﱄ‪:‬‬

‫‪-˺˾́-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻓﻬﺬا ﺗﻮزﻳﻊ اﻋﺘﺪاﱄ )ﻣﺜﺎﱄ(‪ ،‬وﻣﻦ اﻟﻮاﺿﺢ أن اﻟﻌﻤﻮد اﻟﺴﺎﻗﻂ ﻣﻦ اﻟﻘﻤﺔ ﻋﲆ اﳌﺤﻮر اﻷﻓﻘـﻲ ﻳﻘـﺴﻢ‬
‫ﻫﺬا اﳌﺤﻮر)ﻗﺎﻋﺪة اﳌﻨﺤﻨﻰ( إﱃ ﻗﺴﻤني ﻣﺘﺴﺎوﻳني‪.‬‬
‫ﻣﺎﺋﻼ ﻧﺎﺣﻴﺔ اﻟﻴﻤني‪ ،‬ﻓﺈﻧﻪ ﻳﻜﻮن ﻋﲆ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬
‫أﻣﺎ إذا ﻛﺎن اﳌﻨﺤﻨﻰ ً‬

‫ﻓﻬﺬا اﳌﻨﺤﻨﻰ ﻳﻌﻨﻲ أن اﻟﺘﻮزﻳﻊ ﻣﻮﺟﺐ اﻻﻟﺘﻮاء‪ ،‬وﻣﻦ اﻟﻮاﺿـﺢ أن اﻟﻌﻤـﻮد اﻟـﺴﺎﻗﻂ ﻣـﻦ اﻟﻘﻤـﺔ ﻋـﲆ‬
‫اﳌﺤﻮر اﻷﻓﻘﻲ ﻳﻘﺴﻢ ﻗﺎﻋﺪة اﳌﻨﺤﻨﻰ إﱃ ﻗﺴﻤني ﻏري ﻣﺘﺴﺎوﻳني؛ ﺣﻴﺚ ميﻴﻞ ﺑﺎﺗﺠﺎه اﻟﻴﻤني‪ ،‬وﻫﺬا ﻳﺪل ﻋﲆ‬
‫ﻣﻴﻞ اﻟﺘﻮزﻳﻊ إﱃ اﻟﻘﻴﻢ اﻷﻋﲆ‪.‬‬
‫ﻣﺎﺋﻼ ﻧﺎﺣﻴﺔ اﻟﻴﺴﺎر‪ ،‬مبﻌﻨﻰ أﻧـﻪ ﻳﺘﺨـﺬ اﻟـﺸﻜﻞ‬
‫ﻋﲆ اﻟﻨﻘﻴﺾ ﻣﻦ ذﻟﻚ‪ ،‬ﻓﺈن ﻣﻨﺤﻨﻰ اﻟﺘﻮزﻳﻊ ﻗﺪ ﻳﻜﻮن ً‬
‫اﻟﺘﺎﱄ‪:‬‬

‫‪-˺˾̂-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻓﻬﺬا اﳌﻨﺤﻨﻰ ﻳﻌﻨﻲ أن اﻟﺘﻮزﻳﻊ ﺳﺎﻟﺐ اﻻﻟﺘﻮاء‪ ،‬وﻳﻼﺣﻆ أن اﻟﻌﻤﻮد اﻟﺴﺎﻗﻂ ﻣﻦ اﻟﻘﻤﺔ ﻋـﲆ اﳌﺤـﻮر‬
‫اﻷﻓﻘﻲ ﻳﻘﺴﻢ ﻗﺎﻋﺪة اﳌﻨﺤﻨﻰ إﱃ ﻗﺴﻤني ﻏري ﻣﺘﺴﺎوﻳني؛ ﺣﻴﺚ ﻳﻮﺟﺪ اﻟﻌﻤﻮد ﰲ اﻟﺠﺰء اﻷﻳﴪ‪ ،‬وﻫﺬا ﻳﺪل‬
‫ﻋﲆ ﻣﻴﻞ اﻟﺘﻮزﻳﻊ إﱃ اﻟﻘﻴﻢ اﻷﻗﻞ‪.‬‬
‫وﺗﱰاوح ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻﻟﺘﻮاء ﻣﺎ ﺑني )‪ (٣-‬إﱃ )‪ ،(٣+‬وﰲ اﻟﺘﻮزﻳﻊ اﻻﻋﺘﺪاﱄ‪ ،‬ﻓﺈن ﻗﻴﻤﺔ اﻻﻟﺘﻮاء ﺗـﺴﺎوي‬
‫)ﺻﻔﺮ(‪ ،‬وﻛﻠام اﻗﱰﺑﺖ ﻗﻴﻤﺔ ﻋﺎﻣﻞ اﻻﻟﺘﻮاء ﻣﻦ اﻟﺼﻔﺮ‪ّ ،‬‬
‫دل ذﻟﻚ ﻋﲆ ﻣﺜﺎﻟﻴﺔ )اﻋﺘﺪاﻟﻴـﺔ( اﻟﺘﻮزﻳـﻊ‪ ،‬وﻳﻜـﻮن‬
‫ﻣﻮﺟﺒﺎ ﺑـﺸﺪة‪ ،‬ﻛﻠـام اﻗﱰﺑـﺖ ﻗﻴﻤﺘـﻪ ﻣـﻦ‬
‫ً‬ ‫ﺳﺎﻟﺒﺎ ﺑﺸﺪة‪ ،‬ﻛﻠام اﻗﱰﺑﺖ ﻗﻴﻤﺘﻪ ﻣﻦ )‪ ،(٣-‬ﺑﻴﻨام ﻳﻜﻮن‬
‫اﻻﻟﺘﻮاء ً‬
‫)‪.(٣+‬‬
‫وﺗﺘﻌﺪد اﳌﻌﺎدﻻت اﻟﺘﻲ ﺑﻮاﺳﻄﺘﻬﺎ ﻧﻌـﺮف ﻗﻴﻤـﺔ اﻻﻟﺘـﻮاء‪ ،‬وإن ﻛﺎﻧـﺖ ﺗﻌﺘﻤـﺪ ﻋـﲆ ﻣﻘـﺎﻳﻴﺲ اﻟﻨﺰﻋـﺔ‬
‫اﳌﺮﻛﺰﻳﺔ )اﻟﻮﺳﻂ‪ ،‬اﻟﻮﺳﻴﻂ‪ ،‬اﳌﻨﻮال( وﻛﺬﻟﻚ ﻋﲆ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪ ،‬وﻣﻦ أﺑـﺮز اﳌﻌـﺎدﻻت اﳌـﺴﺘﺨﺪﻣﺔ ﰲ‬
‫ﺣﺴﺎب اﻻﻟﺘﻮاء ﺗﻠﻚ اﳌﻌﺎدﻟﺔ‪:‬‬
‫‪) ٣‬اﻟﻮﺳﻂ اﻟﺤﺴﺎيب – اﻟﻮﺳﻴﻂ(‬
‫ــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬

‫اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‬
‫ﻓﺈذا ﻛﺎن اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻫﻮ )‪ (٢٨‬واﻟﻮﺳﻴﻂ ﻫﻮ )‪ (٣٠‬واﻻﻧﺤﺮاف اﳌﻌﻴﺎري )‪ ،(٤‬ﻓﺈن اﻻﻟﺘﻮاء ﻳﺴﺎوي‪:‬‬

‫‪١.٥- = (30  28)3‬‬

‫‪4‬‬

‫أي أن اﻟﺘﻮزﻳﻊ ﺳﺎﻟﺐ اﻻﻟﺘﻮاء ﺑﺪرﺟﺔ ﻣﺘﻮﺳﻄﺔ‪.‬‬

‫ﺑﺪﻻ ﻣﻦ اﻟﻮﺳﻴﻂ ﰲ اﳌﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ‪ ،‬وﻳﻜﻮن اﻻﻟﺘﻮاء ﻳﺴﺎوي‪:‬‬
‫وميﻜﻦ اﺳﺘﺨﺪام اﳌﻨﻮال ً‬
‫‪) ٣‬اﻟﻮﺳﻂ اﻟﺤﺴﺎيب – اﳌﻨﻮال(‬
‫ــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬

‫اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‬

‫‪-˺˿˹-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺑﻮﺟﻪ ﻋﺎم‪ ،‬ﻓﺈن اﻟﺘﻮزﻳﻊ ﻳﻜﻮن ﺳﺎﻟﺐ اﻻﻟﺘﻮاء إذا ﻛـﺎن اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب ﻳﻘـﻞ ﺑﻔـﺮوق واﺿـﺤﺔ ﻋـﻦ‬
‫ﻣﻮﺟﺒـﺎ‪ ،‬إذا ﻛـﺎن اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب ﻳﺰﻳـﺪ ﺑﻔـﺮوق ﻣﻠﻤﻮﺳـﺔ ﻋـﻦ‬
‫اﻟﻮﺳﻴﻂ‪ ،‬أو اﳌﻨﻮال‪ ،‬ﺑﻴﻨام ﻳﻜﻮن اﻻﻟﺘﻮاء ً‬
‫اﻟﻮﺳﻴﻂ أو اﳌﻨﻮال‪.‬‬
‫ﺳﺎﺑﻌﺎ‪:‬اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ‬
‫ً‬
‫اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ )‪ (Standardized Score‬ﻫـﻲ ﺗﺤﻮﻳـﻞ اﻟـﺪرﺟﺎت اﻟﺨـﺎم )‪ (Row Score‬إﱃ اﻧﺤﺮاﻓـﺎت‬
‫ﻣـﺜﻼ ﻋـﲆ ﻣﻘﻴـﺎس‬
‫ﻣﻌﻴﺎرﻳﺔ ﻛﻮﺣﺪة ﻗﻴﺎس‪ ،‬ﻓﺈذا اﻓﱰﺿﻨﺎ أن اﳌﺒﺤﻮث ﻗﺪ ﺣﺼﻞ ﻋﲆ درﺟﺔ ﻣﻘﺪارﻫﺎ )‪ً (٢٤‬‬
‫اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﻓﺈن ﻫﺬه اﻟﺪرﺟﺔ ﻫﻲ اﻟﺪرﺟﺔ اﻟﺨﺎم‪ ،‬وﻳﺘﻢ ﺗﺤﻮﻳﻞ ﻫﺬه اﻟﺪرﺟـﺔ اﻟﺨـﺎم إﱃ درﺟـﺔ‬
‫اﺻﻄﻼﺣﺎ‪ (Z Score) -‬أو اﻟﺪرﺟﺔ اﻟﺰاﺋﻴﺔ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬
‫ً‬ ‫ﻣﻌﻴﺎرﻳﺔ ‪ -‬واﳌﻌﺮوﻓﺔ‬

‫‪α α‬‬
‫‪=Z‬‬
‫‪αω‬‬

‫ﺣﻴﺚ ‪ Z‬ﺗﻌﻨﻲ اﻟﺪرﺟﺔ اﳌﻌﻴﺎرﻳﺔ‪ ،‬أﻣﺎ )س( ﻓﺘﻌﻨﻲ درﺟﺔ اﻟﻔـﺮد‪ ،‬ﺑﻴـﻨام ) ‪ ( α‬ﺗﻌﻨـﻲ ﻣﺘﻮﺳـﻂ درﺟـﺔ‬
‫اﳌﺠﻤﻮﻋﺔ أو اﻟﻌـﻴﻨﺔ اﻟﺘﻲ ﻳﻨﺘﻤـﻲ إﻟﻴﻬـﺎ اﻟﻔـﺮد‪ ،‬أﻣـﺎ )ع س( ﻓﺘﻌﻨـﻲ اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري ﳌﺘﻮﺳـﻂ درﺟـﺔ‬
‫اﳌﺠﻤﻮﻋﺔ أو اﻟﻌﻴﻨﺔ‪ ،‬ﻓﺈذ اﻓﱰﺿﻨﺎ أن أﺣـﺪ اﳌﺒﺤـﻮﺛني ﺣـﺼﻞ ﻋـﲆ ‪ ١٨‬درﺟـﺔ ﻋـﲆ ﻣﻘﻴـﺎس اﻻﺳـﺘﺨﺪاﻣﺎت‬
‫واﻹﺷﺒﺎﻋﺎت‪ ،‬وﻛﺎن ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺠﻤﻮﻋﺔ ﻛﻜﻞ ﻋﲆ ﻫﺬا اﳌﻘﻴﺎس ‪ ١٢‬ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ،٣‬ﻓﺈن اﻟﺪرﺟـﺔ‬
‫اﳌﻌﻴﺎرﻳﺔ ﻟﻬﺬا اﳌﺒﺤﻮث ﺗﻜﻮن‪:‬‬

‫= ‪٢ 12  18‬‬
‫‪3‬‬

‫وإذا ﻛﺎن أﺣﺪ اﳌﺒﺤﻮﺛني ﺣﺼﻞ ﻋﲆ ‪ ١٢‬درﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﻻﺳﺘﺨﺪاﻣﺎت واﻹﺷﺒﺎﻋﺎت‪ ،‬وﻛـﺎن ﻣﺘﻮﺳـﻂ‬
‫درﺟﺔ اﻟﻌﻴﻨﺔ أو اﳌﺠﻤﻮﻋﺔ ﻋﲆ ﻫﺬا اﳌﻘﻴﺎس ‪ ١٨‬ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ،٣‬ﻓﺈن اﻟﺪرﺟﺔ اﳌﻌﻴﺎرﻳﺔ ﻟﻬﺬا اﳌﺒﺤﻮث‬
‫ﺗﻜﻮن‪:‬‬

‫‪-˺˿˺-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫= ‪٢- 12  18‬‬
‫‪3‬‬

‫أي أن ﻗﻴﻤﺔ اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ ﻗﺪ ﺗﻜﻮن ﻣﻮﺟﺒﺔ ﻛام ﻗﺪ ﺗﻜﻮن ﺳﺎﻟﺒﺔ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ اﻟﺪرﺟـﺔ اﳌﻌﻴﺎرﻳـﺔ‬
‫ﻷﺣﺪ اﳌﺒﺤﻮﺛني ﺗﺴﺎوي)‪ ،(٢‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أن درﺟﺘﻪ ﺗﺰﻳﺪ ﻋﻦ ﻣﺘﻮﺳﻂ درﺟـﺔ اﻟﻌﻴﻨـﺔ مبﻘـﺪار ‪ ٢‬وﺣـﺪة‬
‫اﻧﺤﺮاف ﻣﻌﻴﺎري‪ ،‬أﻣﺎ إذا ﻛﺎﻧﺖ درﺟﺔ أﺣﺪ اﳌﺒﺤﻮﺛني ﺗﺴﺎوي)‪ ،(٢-‬ﻓـﺈن ذﻟـﻚ ﻳﻌﻨـﻲ أن درﺟﺘـﻪ ﺗﻘـﻞ ﻋـﻦ‬
‫ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ مبﻘﺪار ‪ ٢‬وﺣﺪة اﻧﺤﺮاف ﻣﻌﻴﺎري‪ ..‬وﻫﻜﺬا‪.‬‬

‫وﺑﺎﺳﺘﺨﺪام اﻟﺪرﺟﺎت اﻟﺰاﺋﻴﺔ ميﻜﻨﻨﺎ ﻣﻘﺎرﻧﺔ درﺟﺎت ﻋﲆ ﻣﻘﻴﺎﺳني ﻣﺨﺘﻠﻔني‪،‬ﻛام ميﻜﻨﻨﺎ ﻣﻘﺎرﻧﺔ ﻣﺘﻮﺳﻂ‬
‫درﺟﺔ ﻋﲆ ﻣﻘﻴﺎس ﻣﻌني مبﺘﻮﺳﻂ درﺟﺔ ﻋﲆ ﻣﻘﻴﺎس آﺧﺮ ﻣﺨﺘﻠﻒ ﻣﻬام ﻛﺎﻧﺖ ﻗﻴﻤﺔ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب أو‬
‫ﻗﻴﻤﺔ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري؛ ﻷن اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳـﺔ ﺗﻮﺣـﺪ ﻣﺘﻮﺳـﻄﺎت درﺟـﺎت اﳌﻘـﺎﻳﻴﺲ؛ إذ إن ﻣﺘﻮﺳـﻂ‬
‫اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ ﰲ ﻛﻞ اﻷﺣﻮال ﻳﺴﺎوي اﻟﺼﻔﺮ‪ ،‬ﻛام أن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻬﺎ ﻳﺴﺎوي اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ‪.‬‬

‫أﻣﺎ ﻓﻴام ﻳﺨﺺ اﻟﺪرﺟﺔ اﻟﺘﺎﺋﻴﺔ )‪ ،(T. Score‬أو )‪ ،(T. Norms‬ﻓﺈﻧﻬﺎ ﺳـﻤﻴﺖ ﻛـﺬﻟﻚ ﻧـﺴﺒﺔ إﱃ ﻛـﻞ‬
‫ﻣﻦ ﺛﻮرﻧﺪﻳﻚ وﺗريﻣﺎن )ﻛﻼﻫام اﺳـﻤﻪ ﻳﺒـﺪأ ﺑﺤـﺮف ‪ ،(T‬واﻟـﺪرﺟﺎت اﻟﺘﺎﺋﻴـﺔ ﻫـﻲ درﺟـﺎت ﻣﻌﻴﺎرﻳـﺔ‬
‫ﻟﺘﻮزﻳﻊ ﻣﻌـني ﻣﺘﻮﺳـﻄﻪ اﻟﺤـﺴﺎيب ﺧﻤـﺴﻮن واﻧﺤﺮاﻓـﻪ اﳌﻌﻴـﺎري ﻋـﺸـﺮة )م = ‪ ،٥٠‬ع= ‪ (١٠‬ﻛـام أن‬
‫اﻟﺪرﺟﺎت اﻟﺘﺎﺋﻴﺔ ﻫﻲ ﰲ ﺣﻘﻴﻘﺘﻬﺎ ﺗﻮزﻳﻊ ﺟﺪﻳﺪ ﻟﻠﺪرﺟﺎت اﻟﺰاﺋﻴﺔ‪ ،‬ﻫﺬا اﻟﺘﻮزﻳﻊ اﻟﺠﺪﻳﺪ ﻳﻜـﻮن أوﺳـﻊ‬
‫ً‬
‫ﻧﻄﺎﻗﺎ ﻣام ﻳﺘﻴﺤﻪ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ‪ ،‬وﺑﺘﻮﺿﻴﺢ أﻛرث‪ ،‬ﻓﺈن اﳌﺴﺎﺣﺔ اﻟﺘﻲ ﺗﻘﻊ ﺗﺤﺖ اﳌﻨﺤﻨـﻰ اﻻﻋﺘـﺪاﱄ‬
‫اﳌﻌﻴﺎري ﺗﻨﺤﺼـﺮ ﺑني )‪ (٣-‬و )‪ (٣+‬وﺣﺪات اﻧﺤﺮاف ﻣﻌﻴﺎري‪،‬وﻫـﺬا ﻣـﺪى ﺿـﻴﻖ ﻳﻔـﺮض اﺳـﺘﺨﺪام‬
‫اﻟﻜﺴﻮر ﻋﻨﺪ ﻣﻘﺎرﻧﺔ اﻟﺪرﺟﺎت‪ ،‬وﻟﻠﺘﻐﻠﺐ ﻋﲆ ﻫﺬه اﳌﺸﻜﻠﺔ ﻳﺘﻢ ﺗﺤﻮﻳﻞ اﻟـﺪرﺟﺎت اﳌﻌﻴﺎرﻳـﺔ اﻟﺰاﺋﻴـﺔ‬
‫إﱃ درﺟﺎت ﻣﻌﻴﺎرﻳﺔ ﺗﺎﺋﻴﺔ‪ ،‬ﻣﺘﻮﺳﻄﻬﺎ )‪ (٥٠‬واﻧﺤﺮاﻓﻬﺎ اﳌﻌﻴﺎري )‪(١٠‬؛ أي أﻧﻨﺎ ﻧﻀـﺮب اﻟﺪرﺟﺔ اﻟﺰاﺋﻴـﺔ‬
‫ﰲ ‪ ١٠‬ﺛﻢ ﻧﻀﻴﻒ ‪ ٥٠‬إﱃ اﻟﻨﺎﺗﺞ‪ ،‬وﻫﻜﺬا ﻧﺘﺨﻠﺺ ﻣﻦ اﻟﻌﻼﻣﺎت اﻟـﺴﺎﻟﺒﺔ وﻣـﻦ اﻷرﻗـﺎم اﻟـﺼﻐرية اﻟﺘـﻲ‬

‫‪-˺˿˻-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻣﺴﺎوﻳﺎ ‪ ،٥٠‬أﻣﺎ اﻧﺤﺮاﻓﻬـﺎ اﳌﻌﻴـﺎري ﻓﻴـﺴﺎوي ‪١٠‬؛ أي أﻧﻨـﺎ ﺑﻬـﺬا‬

‫ً‬ ‫ﻧﻘﺎرﻧﻬﺎ‪ ،‬وﻳﺼﺒﺢ ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺎت اﻟﺘﺎﺋﻴﺔ‬
‫اﳌﻌﻨﻰ ﻋﺪﻟﻨﺎ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب )ﻓﺒﻌﺪ أن ﻛﺎن ﻳﺴﺎوي اﻟـﺼﻔﺮ‪ ،‬أﺻـﺒﺢ ﻳـﺴﺎوي ‪ ،(٥٠‬ﻛـام ﻋـﺪﻟﻨﺎ اﻻﻧﺤـﺮاف‬
‫اﳌﻌﻴﺎري )ﻓﺒﻌﺪ أن ﻛﺎن ﻳﺴﺎوي اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ أﺻﺒﺢ ﻳﺴﺎوي ‪ ،(١٠‬وﻋﲆ وﺟﻪ اﻟﺘﺤﺪﻳـﺪ‪ ،‬ﻓـﺈن اﻟﺪرﺟـﺔ‬
‫اﻟﺘﺎﺋﻴﺔ ﺗﻜﻮن مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫‪ × ١٠) = T‬اﻟﺪرﺟﺔ اﻟﺰاﺋﻴﺔ( ‪ ٥٠ +‬أي أن ‪:‬‬

‫‪T. Score = 10 z Score + 50‬‬

‫وﻣﻌﻨﻰ ذﻟﻚ أن ﺣﺴﺎب اﻟﺪرﺟﺔ اﻟﺘﺎﺋﻴﺔ )‪ (T. Score‬ﻳﺘﻄﻠﺐ ﻣﻌﺮﻓﺔ اﻟﺪرﺟﺔ اﻟﺰاﺋﻴـﺔ ً‬
‫أوﻻ‪ ،‬ﻓـﺈذا ﻛﺎﻧـﺖ‬
‫اﻟﺪرﺟﺔ اﻟﺰاﺋﻴﺔ )‪ (Z. Score‬ﻷﺣﺪ اﳌﺒﺤﻮﺛني ﻫﻲ ‪ ،٢‬ﻓﺈن اﻟﺪرﺟﺔ اﻟﺘﺎﺋﻴﺔ ﻟﻪ ﺗﻜﻮن ‪:‬‬

‫)‪٧٠ = ٥٠ + (٢×١٠‬‬

‫وإذا ﻛﺎﻧﺖ اﻟﺪرﺟﺔ اﻟﺰاﺋﻴﺔ ﻫﻲ – ‪ ،٥‬ﻓﺈن اﻟﺪرﺟﺔ اﻟﺘﺎﺋﻴﺔ ﺗﻜﻮن‪:‬‬

‫)‪ = ٥٠ + (٥-×١٠‬ﺻﻔﺮ‬

‫وﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﺪرﺟﺔ اﻟﺰاﺋﻴﺔ ﺗﺴﺎوي اﻟﺼﻔﺮ‪،‬ﻓﺈن اﻟﺪرﺟﺔ اﻟﺘﺎﺋﻴﺔ ﺗﻜﻮن‪:‬‬

‫)‪ ×١٠‬ﺻﻔﺮ( ‪٥٠ = ٥٠ +‬‬

‫وﻫﻜﺬا ميﻜﻨﻨﺎ ﺣﺴﺎب اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ اﻟﺘﺎﺋﻴﺔ )‪ (T. Score‬اﳌﻘﺎﺑﻠﺔ ﻟﻠﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ اﻟﺰاﺋﻴﺔ‪.‬‬

‫‪-˺˿˼-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺗﻨﺎول ﻫﺬا اﻟﻔﺼﻞ ﻋﻤﻠﻴﺔ إﻋﺪاد اﻟﺒﻴﺎﻧﺎت واﳌﻌﺎﻟﺠﺔ اﻹﺣﺼﺎﺋﻴﺔ اﻟﻮﺻـﻔﻴﺔ‪ ،‬وﺗـﺘﻠﺨﺺ ﻣﻮﺿـﻮﻋﺎﺗﻪ‬
‫اﻷﺳﺎﺳﻴﺔ ﰲ‪:‬‬

‫إﺣﺼﺎﺋﻴﺎ ﻣﻌﺎﻟﺠـﺔ ﺳـﻠﻴﻤﺔ‬

‫ً‬ ‫‪ -‬ﻳﻘﺼﺪ ﺑﺘﺠﻬﻴﺰ اﻟﺒﻴﺎﻧﺎت إﻋﺪادﻫﺎ ﺑﺎﻟﻄﺮﻳﻘﺔ اﳌﻨﺎﺳﺒﺔ؛ ﺑﺤﻴﺚ ميﻜﻦ ﻣﻌﺎﻟﺠﺘﻬﺎ‬
‫ﺗﻘﺎﺑﻞ أﻫﺪاف اﻟﺒﺤﺚ‪ ،‬وﺗﺘﻤﺜﻞ اﻹﺟﺮاءات اﻷﺳﺎﺳﻴﺔ ﻟﺘﺠﻬﻴﺰ اﻟﺒﻴﺎﻧﺎت ﰲ‪ :‬اﳌﺮاﺟﻌﺔ‪ ،‬اﻹدﺧﺎل‪ ،‬اﻟﺘﻨﻈﻴﻢ‪،‬‬
‫إﺣﺼﺎﺋﻴﺎ ﺗﺘﻢ ﻣﺮاﺟﻌﺘﻬﺎ‬
‫ّ‬ ‫وﻣﻦ ﺛﻢ وﺻﻒ اﻟﺒﻴﺎﻧﺎت‪ .‬ذﻟﻚ أﻧﻪ ﻗﺒﻞ إدﺧﺎل اﻟﺒﻴﺎﻧﺎت اﻟﺘﻲ ﺳﺘﺘﻢ ﻣﻌﺎﻟﺠﺘﻬﺎ‬
‫ﺛﻢ إدﺧﺎل ﻫﺬه اﻟﺒﻴﺎﻧﺎت ﰲ اﻟﱪﻧﺎﻣﺞ اﻹﺣـﺼﺎيئ ‪ .‬أﻣـﺎ ﺗﻨﻈـﻴﻢ اﻟﺒﻴﺎﻧـﺎت ﻓﻴﻌﻨـﻲ ﺗﻜﻴﻴـﻒ‬
‫ﺑﺪﻗﺔ؛ وﻣﻦ ّ‬
‫اﻟﺒﻴﺎﻧــﺎت إﺣــﺼﺎﺋﻴّﺎ )‪ (Statistically Adjusting the Data‬مبــﺎ ﻳﻨﺎﺳــﺐ أﻫــﺪاف اﻟﺒﺤــﺚ وﻓﺮوﺿــﻪ‬
‫وﺗﺴﺎؤﻻﺗﻪ‪ ،‬وﻳﺘﻢ ﺗﻨﻈﻴﻢ اﻟﺒﻴﺎﻧﺎت ﻣﻦ ﺧﻼل إﻋﺎدة اﻟﺘﻜﻮﻳﺪ )‪ ،(Recoding‬ﺗﻜﻮﻳﻦ اﳌﺘﻐـريات‪ ،‬ﺗﺤﺪﻳـﺪ‬
‫اﳌﺴﺘﻮﯨﺎت‪ ،‬اﻟﺘﺤﻮﻳﻞ )‪ (Transform‬وﻣﻦ أﻫﻢ أﺷـﻜﺎل اﻟﺘﺤﻮﻳـﻞ‪ ،‬ﺗﺤﻮﻳـﻞ اﻟـﺪرﺟﺎت اﻟﺨــﺎم ) ‪Raw‬‬
‫‪ (Scores‬إﱃ درﺟــــﺎت ﻣﻌﻴﺎرﻳـــﺔ )‪ ، (Standardized Scores‬اﻟﺘﺤــــﻮﻳﻼت اﻟﺨﻄــــﻴﺔ ) ‪Linear‬‬
‫‪.(Transformations‬‬

‫‪ -‬اﳌﻌﺎﻟﺠــﺔ اﻟﻮﺻــﻔﻴﺔ ﺗﺘــﻀﻤﻦ ﻣﻌﺮﻓــﺔ اﻟﺘﻜـﺮارات واﻟﻨــﺴﺐ )‪(Frequencies and Percentages‬‬

‫ﺛﻢ ﺗﺒﺴﻴﻂ اﻟﺒﻴﺎﻧﺎت وﺗﻠﺨﻴﺼﻬﺎ ﰲ ﺻـﻮرة ﻣـﻮﺟﺰة‬
‫وﺧﺼﺎﺋﺺ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ واﻟﺘﺸﺘﺖ؛ وﻣﻦ ّ‬
‫ﺗﻮﺿﺢ أﻫﻢ ﺧﻮاﺻﻬﺎ؛ ﺑﺤﻴﺚ ﻳﺼﻞ اﻟﺒﺎﺣـﺚ إﱃ وﺻـﻒ ﻣﻮﺿـﻮﻋﻲ ﻟﻠﻤﺘﻐـريات وﺗﻨﻈﻴﻤﻬـﺎ ﰲ‬
‫ﺟﺪاول ورﺳﻮم ﺑﻴﺎﻧﻴﺔ‪ ،‬وﻣﻨﺤﻨﻴﺎت وأﺷﻜﺎل ﺗﻮﺿﻴﺤﻴﺔ ﺗﺒني ﻣﻌﺎمل اﳌﺘﻐريات ﻗﻴﺪ اﻟﺒﺤﺚ‪ .‬وﻣـﻦ‬
‫ﺧﻼل اﻟﻮﺻﻒ اﻹﺣﺼﺎيئ ﻳﺘﻢ اﻟﺘﻤﻬﻴﺪ ﻟﻠﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ اﳌﻨﺎﺳﺐ مبﺎ ﻳﻘﺎﺑﻞ أﻫﺪاف اﻟﺒﺤﺚ‪.‬‬

‫‪ -‬إن اﻟﺘﻮزﻳﻌﺎت اﻟﺘﻜﺮارﻳﺔ ﺗﻌﻨـﻲ اﻟﺘﻜـﺮارات واﻟﻨـﺴﺐ اﳌﺌﻮﻳـﺔ ‪(Frequencies and‬‬

‫)‪ Percentages‬ﻟﻠﻤﺘﻐـريات أﻳّـﺎ ﻛﺎﻧــﺖ‪ ،‬وﻳــﺘﻢ اﻟﺘﻌﺒــري ﻋﻨﻬــﺎ ﰲ ﺟــﺪاول ﻣﻨﻈﻤــﺔ‪،‬‬

‫‪-˺˿˽-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫واﻟﺠﺪاول اﻟﺘﻜﺮارﻳﺔ ﻗﺪ ﺗﻜﻮن ﺑﺴﻴﻄﺔ‪ ،‬ﻛام ﻗـﺪ ﺗﻜـﻮن ﻣﺰدوﺟـﺔ )‪ ،(Cross-Tabs‬وﻗـﺪ ﺗﻜـﻮن‬
‫ﻣﺘﻌﺪدة اﳌﺘﻐريات )‪ ، (Multivariate Variables Tabs.‬ﻓﺎﻟﺠﺪول اﻟﺒـﺴﻴﻂ ﻫـﻮ اﻟﺠـﺪول اﻟـﺬي‬
‫ﻳﺘﻀﻤﻦ ﺗﻜﺮارات ﻣﺘﻐري واﺣﺪ‪ ،‬أﻣﺎ اﻟﺠـﺪول اﳌـﺰدوج‪ ،‬ﻓﻬـﻮ اﻟﺠـﺪول اﻟـﺬي ﻳﺘـﻀﻤﻦ اﻟﺘﻮزﻳـﻊ‬
‫ﻣﻌﺎ‪ ،‬أﻣﺎ اﻟﺠﺪاول ﻣﺘﻌﺪدة اﳌﺘﻐـريات )‪ ،(Multivariate Variables Tabs.‬ﻓﻬـﻲ‬
‫ﺣﺴﺐ ﻣﺘﻐريﻳﻦ ً‬
‫اﻟﺠﺪاول اﻟﺘﻲ ﺗﺘﻀﻤﻦ ﺗﻮزﻳﻊ اﻟﺘﻜﺮارات ﺣﺴﺐ أﻛرث ﻣﻦ ﻣﺘﻐريﻳﻦ )ﺛﻼﺛﺔ ﻣﺘﻐريات أو أﻛرث(‪.‬‬

‫اﻟﻜﻤﻴـﺔ ﻻ ﻳﻜـﻮن ﻟﻬــﺎ ﻣﻌﻨـﻰ دون ﺗﻨﻈﻴﻤﻬـﺎ ﰲ ﺟــﺪاول ﺗﻜﺮارﻳـﺔ واﺿـﺤﺔ ﺗﺒــني‬
‫ّ‬ ‫‪ -‬إن اﻟﺒﻴﺎﻧـﺎت‬
‫ﻣﻐﺰاﻫﺎ‪ ،‬وﻳﺘﻢ ﺗﺼﻤﻴﻢ اﻟﺠﺪول اﻟﺘﻜﺮاري ﺑﺘﺤﺪﻳﺪ اﳌﺪى )‪ (Range‬اﻟﺬي ﺗـﺸﻐﻠﻪ ﺗﻠـﻚ اﻟﻘـﻴﻢ‪،‬‬
‫ﺛـﻢ ﺗﻔﺮﻳـﻎ اﻟﺒﻴﺎﻧـﺎت ﰲ اﻟﻔﺌـﺎت‪ ،‬وﻗـﺪ ﺗﻜـﻮن اﻟﻔﺌـﺎت‬
‫وﺗﺤﺪﻳﺪ ﻃﻮل اﻟﻔﺌﺔ اﳌﻨﺎﺳـﺐ؛ وﻣـﻦ ّ‬
‫ﻣﻨﺘﻈﻤﺔ )ﻣﺘﺴﺎوﻳﺔ اﻟﻄﻮل(‪ ،‬ﻛام ﻗﺪ ﺗﻜﻮن ﻏري ﻣﻨﺘﻈﻤﺔ )ﻏري اﳌﺘـﺴﺎوﻳﺔ ﰲ اﻟﻄـﻮل(‪ ،‬ﻛـام أن‬
‫اﻟﻔﺌﺎت ﻗﺪ ﺗﻜﻮن ﻣﻔﺘﻮﺣﺔ أو ﻣﻐﻠﻘﺔ‪ ،‬ﻓﺎﻟﻔﺌﺎت اﳌﻔﺘﻮﺣﺔ ﻫﻲ اﻟﻔﺌﺎت اﻟﺘﻲ ﻟﻬﺎ ﺑﺪاﻳـﺔ وﻧﻬﺎﻳـﺔ‬
‫ﻣﺤﺪدة‪،‬أﻣﺎ اﻟﻔﺌﺎت اﳌﻔﺘﻮﺣﺔ ﻓﻬﻲ اﻟﻔﺌﺎت اﻟﺘﻲ مل ﻳﺘﻢ ﺗﺤﺪﻳﺪ ﺑﺪاﻳﺘﻬﺎ أو ﻧﻬﺎﻳﺘﻬـﺎ‪ ،‬واﻟﺠـﺪول‬
‫اﻟﺘﻜﺮاري اﻷﻣﺜﻞ ﻫﻮ اﻟﺬي ﺗﻜﻮن ﻓﺌﺎﺗﻪ ﻣﺴﺘﻘﻠﺔ‪ ،‬ﻏري ﻣﺘﺪاﺧﻠﺔ‪ ،‬مبﻌﻨﻰ أن ﺗﺒﺪأ اﻟﻔﺌﺔ اﻟﻼﺣﻘـﺔ‬
‫ﻣﻨﺎﺳـﺒﺎ‪ ،‬ﻣـﻊ ﺗﺤـﺎﳾ اﺳـﺘﺨﺪام‬
‫ً‬ ‫ﻣﻦ ﺣﻴﺚ اﻧﺘﻬﺖ اﻟﺴﺎﺑﻘﺔ ﻋﻠﻴﻬﺎ‪ ،‬وأن ﻳﻜﻮن ﻋـﺪد اﻟﻔﺌـﺎت‬
‫اﻟﻔﺌﺎت اﳌﻔﺘﻮﺣﺔ‪ ،‬وﻛﺬﻟﻚ ﺗﺤﺎﳾ اﻟﻔﺌﺎت ﻏري اﳌﻨﺘﻈﻤﺔ ﻗﺪر اﻹﻣﻜﺎن‪.‬‬

‫‪ -‬اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ ﻫﻮ اﻟﺘﻮزﻳﻊ اﻟﺬي ﻳﻮﺿﺢ ﻋﺪد اﻟﺘﻜﺮارات اﻟﺘﻲ ﺗﻘـﻞ أو‬
‫اﻟﺘﻲ ﺗﺰﻳﺪ ﻋﲆ ﻗﻴﻤﺔ ﻣﻌﻴﻨﺔ‪ .‬وﻫﻨﺎك اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﺼﺎﻋﺪ‪ ،‬ﻛـام أن‬
‫ﻫﻨﺎك اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري اﳌﺘﺠﻤﻊ اﻟﻬﺎﺑﻂ‪ .‬ﻓﺎﻟﺘﻮزﻳﻊ اﻟﺘﻜـﺮاري اﳌﺘﺠﻤـﻊ اﻟـﺼﺎﻋﺪ‬
‫ﻫﻮ ﻋﺪد اﻟﺘﻜﺮارات اﻟﺘﻲ ﺗﻘﻞ ﻋﻦ اﻟﺤﺪاﻷﻋﲆ ﻟﻠﻔﺌﺎت ) أي أﻧﻪ ﻳﺒﺪأ ﺑﺎﻟﺼﻔﺮ ﺛـﻢ‬
‫ﺑﺘﻜﺮارات اﻟﻔﺌﺔ اﻷوﱃ‪ ،‬ﺛﻢ ﻧﻀﻴﻒ ﻋﻠﻴﻬﺎ ﺗﻜﺮارات اﻟﻔﺌﺎت اﻟﻼﺣﻘﺔ(‪ ،‬أﻣﺎ اﻟﺘﻮزﻳـﻊ‬
‫اﻟﺘﻜــﺮاري اﳌﺘﺠﻤــﻊ اﻟﻬــﺎﺑﻂ‪ ،‬ﻓﻬــﻮ ﻋــﺪد اﻟﺘﻜــﺮارات اﻟﺘــﻲ ﺗﺰﻳــﺪ ﻋ ـﲆ اﻟﺤــﺪ‬

‫‪-˺˿˾-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫اﻷدىن ﻟﻠﻔﺌﺎت ) أي أﻧﻪ ﻳﺒﺪأ ﺑﺈﺟامﱄ اﻟﺘﻜﺮارات‪ ،‬ﺛﻢ ﻧﻨﻘﺺ ﻣﻨﻪ ﺗﻜﺮارات ﻛﻞ ﻓﺌﺔ ﻣﻦ اﻟﻔﺌـﺎت‬
‫اﻟﻼﺣﻘﺔ) ﻣﻦ اﻷوﱃ ﺣﺘﻰ اﻷﺧرية(‪.‬‬

‫‪ -‬ﺗﺘﻌﺪد اﻟﺮﺳﻮم اﻟﺒﻴﺎﻧﻴﺔ اﻟﺘـﻲ ميﻜـﻦ اﺳـﺘﺨﺪاﻣﻬﺎ ﰲ اﻟﺘﻌﺒـري ﻋـﻦ اﳌﻌﻄﻴـﺎت اﻹﺣـﺼﺎﺋﻴﺔ‪ ،‬وﻣـﻦ‬
‫أﺑﺮزﻫﺎ‪ :‬اﻷﻋﻤﺪة‪ ،‬اﳌﺪرج اﻟﺘﻜﺮاري‪ ،‬اﳌﻀﻠﻊ اﻟﺘﻜﺮاري‪ ،‬اﳌﻨﺤﻨﻴﺎت‪ ،‬اﻟﺪواﺋﺮ‪ ...‬إﻟـﺦ‪ ،‬وﻛـﻞ ﺷـﻜﻞ‬
‫ﻣﻦ ﻫﺬه اﻷﺷﻜﺎل ﻳﺘﺨﺬ ً‬
‫أمنﺎﻃﺎ ﻣﺘﻌﺪدة‪ ،‬وميﻜﻦ ﺗﻄﻮﻳﻌﻪ ﺑﺄﺳﺎﻟﻴﺐ ﻣﺘﻨﻮﻋﺔ ﻟﺘﻤﺜﻴﻞ اﳌﻌﻄﻴﺎت‬
‫اﻹﺣﺼﺎﺋﻴﺔ‪.‬‬

‫‪ -‬اﻟﻨــﺰﻋﺔ اﳌﺮﻛﺰﻳــﺔ )‪ :(Central Tendency‬ﻫــﻲ ﻧـﺰوع اﻟﺘﻜـﺮارات أو اﻟﻘــﻴﻢ اﻟﻜﻤﻴــﺔ اﻟﺨﺎﺻــﺔ‬

‫ﺑﺎﳌﻮﺿﻮع إﱃ اﻻﻗﱰاب ﻣﻦ أو اﻻﺑﺘﻌﺎد ﻋﻦ اﻟﻘﻴﻤﺔ اﻟﻮﺳـﻄﻰ أو ﻗﻴﻤـﺔ اﳌﺮﻛـﺰ‪ ،‬وﻫـﻲ اﻟﻘﻴﻤـﺔ‬
‫اﻟﺘﻲ ﺗﺘﺠﻤﻊ ﺣﻮﻟﻬﺎ أﻛرثﻳﺔ اﻟﺘﻜﺮارات‪ .‬وﻣﻦ أﻫﻢ ﻣﻘﺎﻳﻴﺲ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ‪ :‬اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب‬
‫)‪ ،(Mean‬اﻟﻮﺳﻴﻂ )‪ ،(Median‬اﳌﻨﻮال )‪ .( Mode‬إن اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﰲ ﺟﻮﻫﺮه ﻫﻮ ﻣﺠﻤـﻮع‬
‫ﻣﻘﺴﻮﻣﺎ ﻋﲆ ﻋﺪدﻫﺎ‪ ،‬أﻣﺎ اﻟﻮﺳﻴﻂ ﻓﻬﻮ اﻟﻘﻴﻤﺔ اﻟﺘﻲ ﺗﺘﻮﺳﻂ اﻟﻘﻴﻢ ﺑﺤﻴﺚ ﻳﻜﻮن ﻋﺪد‬
‫ً‬ ‫اﻟﻘﻴﻢ‬
‫ﻣﺴﺎوﻳﺎ ﻟﻌﺪد اﻟﻘﻴﻢ اﳌﻮﺟﻮدة ﻋﲆ ميﻴﻨﻬﺎ‪ ،‬ﰲ ﺣني أن‬
‫ً‬ ‫اﻟﻘﻴﻢ اﳌﻮﺟﻮدة ﻋﲆ ﻳﺴﺎر ﺗﻠﻚ اﻟﻘﻴﻤﺔ‬
‫ﺷﻴﻮﻋﺎ‪ ،‬أو اﻷﻛرث ﺗﻜﺮا ًرا‪.‬‬
‫ً‬ ‫اﳌﻨﻮال ﻫﻮ اﻟﻘﻴﻤﺔ اﻷﻛرث‬

‫‪ -‬إن ﻣﻘﺎﻳﻴﺲ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ ﺗﻮﺿﺢ ﺗﺠﻤﻊ اﻟﺒﻴﺎﻧـﺎت‪ ،‬واﻟﻘـﻴﻢ اﳌﺘﻮﺳـﻄﺔ ﻟﻬـﺎ‪ ،‬ﻏـري أن ذﻟـﻚ ﻻ‬
‫ﻛﺎﻓﻴﺎ ﻟﻮﺻﻒ اﻟﺒﻴﺎﻧﺎت ﺑﺪﻗﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﺘﻌـني اﺳـﺘﺨﺪام ﻣﻘـﺎﻳﻴﺲ إﺿـﺎﻓﻴﺔ ﻟﻠﻮﺻـﻮل إﱃ‬
‫ﻳﻌﺘﱪ ً‬
‫وﺻﻒ دﻗﻴﻖ ﻟﻠﺒﻴﺎﻧﺎت‪ ،‬ﻫﺬا اﻟﻮﺻﻒ ﺗﺘﻴﺤﻪ ﻣﻘﺎﻳﻴﺲ اﻟﺘﺸﺘﺖ‪ ،‬وﻣﻦ أﻣﺜﻠﺘﻬـﺎ اﳌـﺪى اﻟﻜـﲇ‪،‬‬
‫اﻟﺮﺑﻴﻌـﻲ‪ ،‬ﻣﺘﻮﺳـﻂ اﻻﻧﺤﺮاﻓـﺎت‪ ،‬ﻣﻌﺎﻣـﻞ اﻻﻟﺘـﻮاء‪،‬‬
‫اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري‪ ،‬اﻻﻧﺤـﺮاف ﱡ‬
‫ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف‪ ،‬اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ‪.‬‬

‫‪ -‬اﳌﺪى اﻟﻜﲇ )‪ :(Total Range‬ﻫﻮ اﻟﻔﺮق ﺑني أﺻﻐﺮ ﻗﻴﻤﺔ وأﻛﱪ ﻗﻴﻤﺔ ﻣﻊ إﺿﺎﻓﺔ واﺣﺪ ﺻـﺤﻴﺢ‬
‫ﻟﻬﺬا اﻟﻔﺮق‪.‬‬

‫‪-˺˿˿-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫‪ -‬اﻟﺘﺒﺎﻳﻦ )‪ :(Variance‬ﻫـﻮ ﻣﺘﻮﺳـﻂ ﻣﺠﻤـﻞ ﻣﺮﺑﻌــﺎت اﻻﻧﺤـﺮاف ﻋـﻦ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب‪ ،‬أﻣـﺎ‬
‫اﻻﻧﺤﺮاف اﳌﻌﻴﺎري )‪ :(Standard Deviation‬ﻓﻬـﻮ اﻟﺠـﺬر ﻟﻠﺘﺒـﺎﻳﻦ؛ أي أن اﻟﺘﺒـﺎﻳﻦ ﻫـﻮ ﻣﺮﺑـﻊ‬
‫اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ) وﺑﺎﻟﺘﺎﱄ ﻓﺈن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻫﻮ اﻟﺠـﺬر اﻟﱰﺑﻴﻌـﻲ ﻟﻠﺘﺒـﺎﻳﻦ(‪ .‬وﻳﻌﺘـﱪ‬
‫اﻟﺘﺒﺎﻳﻦ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻣﻦ أﻫﻢ ﻣﻘﺎﻳﻴﺲ اﻟﺘـﺸﺘﺖ‪ ،‬وﻳﻌﺘﻤـﺪان ﻋـﲆ اﻟﻮﺳـﻂ اﻟﺤـﺴﺎيب‬
‫ﺑﺸﻜﻞ أﺳﺎﳼ‪.‬‬

‫واﻟﺮﺑﻴـﻊ‬
‫اﻟﺮﺑﻴـﻊ اﻷول ﱡ‬‫اﻟﺮﺑﻴﻌـﻲ( ﻣـﻦ ﺧـﻼل ﱡ‬‫اﻟﺮﺑﻴﻌـﻲ )ﻧـﺼﻒ اﳌـﺪى ﱡ‬‫‪ -‬ﻳﺘﻢ ﺣﺴﺎب اﻻﻧﺤﺮاف ﱡ‬
‫اﻟﺮﺑﻴـﻊ اﻟﺜﺎﻟـﺚ‬
‫ﻓﺎﻟﺮﺑﻴﻊ اﻷول ﻫﻮ ﺗﻠﻚ اﻟﻘﻴﻤﺔ اﻟﺘﻲ ﺗﻘﻞ ﻋﻨﻬﺎ ‪ %٢٥‬ﻣﻦ اﻟﻘـﻴﻢ‪ .‬أﻣـﺎ ﱡ‬
‫اﻟﺜﺎﻟﺚ‪ .‬ﱡ‬
‫اﻟﺮﺑﻴﻊ اﻟﺜﺎين ﻫﻮ اﻟﻮﺳﻴﻂ‪.‬‬
‫ﻋﻠام ﺑﺄن ﱡ‬
‫ﻓﻬﻮ ﺗﻠﻚ اﻟﻘﻴﻤﺔ اﻟﺘﻲ ﺗﻘﻞ ﻋﻨﻬﺎ ‪ %٧٥‬ﻣﻦ اﻟﻘﻴﻢ‪ً ،‬‬
‫‪ -‬ﻣﺘﻮﺳﻂ اﻻﻧﺤﺮاﻓﺎت‪ :‬ﻫﻮ ﻣﺘﻮﺳﻂ اﻧﺤﺮاﻓﺎت اﻟﻘﻴﻢ ﻋﻦ وﺳﻄﻬﺎ اﻟﺤﺴﺎيب‪ ،‬ﻣﻊ ﺗﺠﺎﻫﻞ اﻹﺷﺎرات‬
‫اﻟﺴﺎﻟﺒﺔ )ﻋﻼﻣﺔ اﻟﻨﺎﻗﺺ(‪ ،‬وﻫﺬه ﻧﻘﻄﺔ ﺿﻌﻒ أﺳﺎﺳﻴﺔ ﰲ ﻫﺬا اﻷﺳﻠﻮب ﻛﻤﻘﻴﺎس ﻟﻠﺘﺸﺘﺖ‪.‬‬

‫‪ -‬ﻳــﺴﺘﺨﺪم ﻣﻌﺎﻣــﻞ اﻻﺧــﺘﻼف )‪ (Variation Coefficient‬ﻟﻠﻤﻘﺎرﻧــﺔ ﺑــني ﺗــﻮزﻳﻌني ﻣــﻦ ﺣﻴــﺚ‬

‫اﻟﺘﺸﺘﺖ‪ ،‬ﻛﺄن ﻳﺮﻳﺪ اﻟﺒﺎﺣﺚ ﻣﻘﺎرﻧﺔ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻣﻦ اﳌﺒﺤﻮﺛني ﺣﺴﺐ ﻣﻌﺪل ﻗﺮاءة اﻟـﺼﺤﻒ‬
‫اﻟﻴﻮﻣﻴﺔ‪ ،‬وﺗﻮزﻳﻊ ﻫﺆﻻء اﳌﺒﺤﻮﺛني ﺣﺴﺐ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﳌﻌﺮﻓﺔ ﺑﻘﻀﺎﻳﺎ اﻟﺒﻴﺌﺔ‪ ،‬وﻳﺸﻴﻊ‬
‫اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻻﺧﺘﻼف ﰲ اﳌﻘﺎرﻧﺔ ﺑني ﻇﺎﻫﺮﺗني ﻣﺨﺘﻠﻔﺘني ﰲ وﺣﺪة اﻟﻘﻴﺎس‪.‬‬

‫‪ -‬اﻻﻟﺘﻮاء )‪ :(Skew Ness‬ﻫﻮ ﻣﻴﻞ ﻣﻨﺤﻨﻰ اﻟﺘﻮزﻳﻊ ﻧﺎﺣﻴﺔ اﻟﻴﻤني أو ﻧﺎﺣﻴﺔ اﻟﻴـﺴﺎر‪،‬‬
‫وﻫــﺬا ﻋﻜ ـﺲ اﻋﺘﺪاﻟﻴــﺔ اﳌﻨﺤﻨ ـﻰ )ﻋــﺪم ﻣﻴﻠــﻪ إﱃ ﻧﺎﺣﻴــﺔ ﻣﻌﻴﻨــﺔ(‪ ،‬واﻟﺘﻮزﻳــﻊ‬
‫اﳌﻌﺘــﺪل ﻳﻌﻨــﻲ أن اﻟﻮﺳـــﻂ اﻟﺤــﺴﺎيب= اﻟﻮﺳــﻴﻂ = اﳌﻨــﻮال‪ ،‬وﺗــﱰاوح ﻗﻴﻤــﺔ‬
‫ﻣﻌﺎﻣﻞ اﻻﻟﺘﻮاء ﻣﺎ ﺑني )‪ (٣-‬إﱃ )‪ .(٣+‬وﰲ اﻟﺘﻮزﻳﻊ اﻻﻋﺘﺪاﱄ‪ ،‬ﻓﺈن ﻗﻴﻤﺔ اﻻﻟﺘﻮاء‬

‫‪-˺˿̀-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﺗــﺴﺎوي )ﺻــﻔﺮ( وﻛﻠــام اﻗﱰﺑــﺖ ﻗﻴﻤــﺔ ﻋﺎﻣــﻞ اﻻﻟﺘــﻮاء ﻣــﻦ اﻟــﺼﻔﺮ‪ّ ،‬‬
‫دل ذﻟــﻚ ﻋــﲆ ﻣﺜﺎﻟﻴــﺔ‬
‫ﺳﺎﻟﺒﺎ ﺑﺸﺪة ﻛﻠام اﻗﱰﺑﺖ ﻗﻴﻤﺘﻪ ﻣﻦ )‪ ،(٣-‬ﺑﻴـﻨام ﻳﻜـﻮن‬
‫)اﻋﺘﺪاﻟﻴﺔ( اﻟﺘﻮزﻳﻊ‪ ،‬وﻳﻜﻮن اﻻﻟﺘﻮاء ً‬
‫ﻣﻮﺟﺒﺎ ﺑﺸﺪة ﻛﻠام اﻗﱰﺑﺖ ﻗﻴﻤﺘﻪ ﻣﻦ )‪ ،(٣+‬وﺗﺘﻌﺪد اﳌﻌﺎدﻻت اﻟﺘﻲ ﺑﻮاﺳﻄﺘﻬﺎ ﻧﻌﺮف ﻗﻴﻤـﺔ‬
‫ً‬
‫اﻻﻟﺘﻮاء‪ ،‬وإن ﻛﺎﻧﺖ ﺗﻌﺘﻤﺪ ﻋﲆ ﻣﻘﺎﻳﻴﺲ اﻟﻨﺰﻋﺔ اﳌﺮﻛﺰﻳﺔ )اﻟﻮﺳﻂ‪ ،‬اﻟﻮﺳﻴﻂ‪ ،‬اﳌﻨﻮال( وﻛـﺬﻟﻚ‬
‫ﻋﲆ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪.‬‬

‫‪ -‬اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ )‪ :(Standardized score‬ﻫﻲ ﺗﺤﻮﻳـﻞ اﻟـﺪرﺟﺎت اﻟﺨـﺎم )‪ (Row Score‬إﱃ‬

‫درﺟﺎت ﻣﻌﻴﺎرﻳﺔ ﻛﻮﺣﺪة ﻗﻴﺎس‪ ،‬وﻫﺬه اﻟﺪرﺟﺎت اﳌﻌﻴﺎرﻳـﺔ ﻗـﺪ ﺗﻜـﻮن درﺟـﺎت زاﺋﻴـﺔ ) ‪Z.‬‬
‫‪ (Scores‬أو درﺟﺎت ﺗﺎﺋﻴﺔ )‪.(T. Scores‬‬

‫‪-˺˿́-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻟﺜﺎين وﻣﺮاﺟﻌﻪ‬

‫)أ( ﻣﺼﺎدر وﻣﺮاﺟﻊ ﻋﺮﺑﻴﺔ‪:‬‬

‫‪ -‬رﺟﺎء ﻣﺤﻤﻮد أﺑﻮ ﻋﻼم )‪ ،(١٩٩٩‬ﻣﻨﺎﻫﺞ اﻟﺒﺤﺚ ﰲ اﻟﻌﻠـﻮم اﻟﻨﻔـﺴﻴﺔ واﻟﱰﺑﻮﻳـﺔ‪) ،‬اﻟﻘـﺎﻫﺮة‪ :‬دار‬
‫اﻟﻨﴩ ﻟﻠﺠﺎﻣﻌﺎت(‪.‬‬
‫‪ -‬ﺳﻌﺪي ﺷﺎﻛﺮ ﺣﻤﻮدي )‪ ،(٢٠٠٠‬ﻋﻠـﻢ اﻹﺣـﺼﺎء وﺗﻄﺒﻴﻘﺎﺗـﻪ ﰲ اﳌﺠـﺎﻟني اﻟﱰﺑـﻮي واﻻﺟﺘامﻋـﻲ‪،‬‬
‫)ﻋامن‪ :‬ﻣﻜﺘﺒﺔ دار اﻟﺜﻘﺎﻓﺔ ﻟﻠﻨﴩ واﻟﺘﻮزﻳﻊ(‪.‬‬
‫‪ -‬ﺻﻼح اﻟﺪﻳﻦ ﻣﺤﻤﻮد ﻋﻼم )‪ ،(٢٠٠٠‬ﺗﺤﻠﻴﻞ ﺑﻴﺎﻧﺎت اﻟﺒﺤـﻮث اﻟﻨﻔـﺴﻴﺔ واﻻﺟﺘامﻋﻴـﺔ واﻟﱰﺑﻮﻳـﺔ‪،‬‬
‫)اﻟﻘﺎﻫﺮة‪ :‬دار اﻟﻔﻜﺮ اﻟﻌﺮيب(‪.‬‬
‫‪ -‬ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤﺪ ﻧﺠﻢ & ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻬﺎدي اﳌﺤﻤﻴﺪ )‪ ،(١٩٩٠‬اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ واﻟﺘﺤﻠـﻴﲇ‬
‫ﻣﻊ اﺳﺘﺨﺪام اﻟﱪاﻣﺞ اﻟﺠﺎﻫﺰة‪) ،‬اﻟﻜﻮﻳﺖ‪ :‬ﻣﻜﺘﺒﺔ ﺟﺎﻣﻌﺔ اﻟﻜﻮﻳﺖ(‪.‬‬
‫‪ -‬ﻓﺆاد اﻟﺒﻬﻲ اﻟﺴﻴﺪ )‪ ،(١٩٧٨‬ﻋﻠﻢ اﻟﻨﻔﺲ اﻹﺣﺼﺎيئ‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬دار اﻟﻔﻜﺮ اﻟﻌـﺮيب(‪.‬‬
‫)ب( ﻣﺼﺎدر وﻣﺮاﺟﻊ أﺟﻨﺒﻴﺔ‪:‬‬

‫‪- Coolican, Hugh (2004) Research Methods and Statistics in Psychology, 4th ed. England.‬‬
‫‪Abingdon. Book Point Ltd‬‬

‫‪- Hasan, Mohammed A.; Thaut, Michael H. (2004) Statistical Analysis for Finger Tapping With a‬‬
‫‪Periodic External Stimulus. Perceptual and Motor Skills, Vol. 99 (2), pp. 643-66.‬‬

‫‪- Hawkins, Richard John (2005) Language Loss in Guatemala: A Statistical Analysis of the 1994‬‬
‫‪Population Census. Journal of Sociolinguistics, Vol. 9 (1), pp. 53-73.‬‬

‫‪- Hecht, Deborah (2003) Issues of Research Design and Statistical‬‬

‫;‪Analysis‬‬ ‫‪In: Studying‬‬ ‫‪Service-learning:‬‬ ‫‪Innovations‬‬ ‫‪in‬‬ ‫‪Education‬‬

‫‪-˺˿̂-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬

Research methodology. Billig, Shelley H.; Waterman, Alan S.; Mahwah, NJ, US: Lawrence Erlbaum
Associates, Publishers, pp. 107-123.

- Ho, Hsiu-Zu; O'Farrell, Stacy L.; Hong, Sehee (2006) Developmental Research: Theory, Method,
Design and Statistical Analysis.; In: Handbook of Complementary Methods in Education
Research. Green, Judith L.; Camilli, Gregory; Elmore, Patricia B.; Mahwah, NJ, US: Lawrence Erlbaum
Associates Publishers, pp. 207-225.

- Huckin, Thomas (2004) Content Analysis: What Texts Talk About. In: What Writing does and
How it Does it: An Introduction to Analyzing Texts and Textual Practices. Bazerman, Charles;
Prior, Paul; Mahwah, NJ, US: Lawrence Erlbaum Associates, Publishers, pp. 13-32.
- Huisman, Mark; Snijders, Tom A. B. (2003) Statistical Analysis of Longitudinal Network Data
with Changing Composition. Sociological Methods & Research, Vol. 32 (2), pp. 28-253.

- Leedy, Paul D.&Jeanne, Ellis Ormrod (2005) Practical Research: Planning and Design. Pearson
Merrill Prentice Hall.
- Li, Heng; Psychometrika (2004) A Widely Applicable Extension of the Random Effects Two-Way
Layout: Its Definition and Statistical Analysis Based on Group Invariance. Vol. 69 (1), pp. 55-64.

- Meyer, Merle E. (2005) A Statistical Analysis Of Behavior. Oxford, England: Wadsworth.

- Ohtani, Hideo; Kobayashi, Masayuki (2005) Statistical Analysis of Dangerous Goods Accidents in
Japan ; Safety Science, Vol. 43(5-6), pp. 287-297.

- Olatunji, Bunmi O.; Feldner, Matthew T.; Witte, Tricia H. (2004) Graduate Training of the
Scientist-Practitioner: Issues in Translational Research and Statistical Analysis. ; Behavior
Therapist, Vol. 27(3), pp. 5-45.

- Pearl, Judea (1971) Application of Walsh Transform to Statistical Analysis. EEE Transactions on
Systems, Man, & Cybernetics, SMC-1(2), Apr 1971. pp. 111-119.

- SPSS Manuals. Different Versions. London. Sage.

-˺̀˹-
 ‫اﻟﻔﺼﻞ اﻟﺜﺎين‬
- Vaus, David de (2002) Analyzing Social Science Data. London. SAGE Publications.

- Weiss, Robin S.; Remington, Roger; Ellis, Stephen R. (1989) Sampling Distributions of the
Entropy in Visual Scanning. Behavior Research Methods, Instruments & Computers, Vol. 21(3),
pp. 348-352.

- Zimmerman, Donald W.; Zumbo, Bruno D. (2006) Can Percentiles Replace Raw Scores in the
Statistical Analysis of Test Data?; Educational and Psychological Measurement, Vol. 65(4), pp.
616-638

-˺̀˺-
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻣﻘﺎﻳﻴﺲ اﻟﻌﻼﻗﺔ واﻻرﺗﺒﺎط‬

‫متﻬــــﻴﺪ‬

‫ﺗﻘﻮم ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط)‪ (Correlation Coefficients‬ﺑـﺪور أﺳـﺎﳼ ﰲ ﻣﺨﺘﻠـﻒ اﻟﺒﺤـﻮث اﻟﻌﻠﻤﻴـﺔ‪ ،‬وﻻ‬
‫ﻳﻜﺎد ﻳﺨﻠﻮ ﺑﺤﺚ إﻣﺒريﻳﻘـﻲ ﻣـﻦ ﻫـﺬه اﳌﻌـﺎﻣﻼت‪ ،‬ﺳـﻮاء ﺑﺸـﻜﻞ ﻣﺒـﺎﴍ أو ﻏـري ﻣﺒـﺎﴍ‪ ،‬ﺑـﻞ إن ﻣﻌﻈـﻢ‬
‫اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ ﺗﻘﻮم ﻋﲆ ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط‪.‬وﻗﺪ ﻟﻮﺣﻆ أن ﻫﻨﺎك ﺑﻌﺾ اﳌﺜﺎﻟﺐ ﰲ اﺧﺘﻴـﺎر وﺗﻄﺒﻴـﻖ‬
‫ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط‪ ،‬ﺧﺎﺻﺔ ﻣﻦ ﺣﻴﺚ اﺧﺘﻴـﺎر اﻟـﻨﻤﻂ اﻟـﺬي ﻳﻨﺎﺳـﺐ اﳌﺘﻐـريات اﳌﻄﻠـﻮب ﺗـﻘﴢ اﻻرﺗﺒـﺎط‬
‫ﺑﻴﻨﻬﺎ‪ ..‬اﻟﻔﺼﻞ اﻟﺤﺎﱄ ﻳﻠﻘﻲ اﻟﻀﻮء ﻋﲆ اﻟﺠﻮاﻧﺐ اﻷﺳﺎﺳﻴﺔ ﳌﻘﺎﻳﻴﺲ اﻟﻌﻼﻗﺔ واﻻرﺗﺒﺎط ﻣـﻦ ﺧـﻼل ﺗﻮﺿـﻴﺢ‬
‫ﻣﻌﻨــﻰ اﻻرﺗﺒــﺎط وﺧﺼﺎﺋﺼــﻪ‪ ،‬واﻻﺧﺘﻴــﺎر اﻟﺼــﺤﻴﺢ ﳌﻌــﺎﻣﻼت اﻻرﺗﺒــﺎط‪،‬وأﻫﻢ ﻣﻌــﺎﻣﻼت اﻻرﺗﺒــﺎط ﺷــﺎﺋﻌﺔ‬
‫اﻻﺳﺘﺨﺪام ﰲ اﻟﺒﺤﻮث اﻻﺟﺘامﻋﻴﺔ ﻣﻊ ﺗﻮﺿﻴﺢ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد‪ ،‬وﻛﺬﻟﻚ اﻻرﺗﺒﺎط اﻟﺠـﺰيئ ﺑﺎﻋﺘﺒـﺎره‬
‫أﺣﺪ أدوات اﻟﻀﺒﻂ اﻹﺣﺼﺎيئ اﻟﻬﺎﻣﺔ‪ ،‬ﺳﻮاء ﰲ اﻟﺪراﺳﺎت اﳌﺴﺤﻴﺔ أو اﻟﺘﺠﺮﻳﺒﻴﺔ‪.‬‬

‫ً‬
‫أوﻻ‪ :‬ﻣﻌﻨﻰ اﻻرﺗﺒﺎط وﺧﺼﺎﺋﺼﻪ‬

‫اﻻرﺗﺒﺎط )‪ (Correlation‬مبﻌﻨﺎه اﻹﺣﺼﺎيئ‪ :‬ﻫﻮ اﻗﱰان اﻟﺘﻐري ﰲ ﻇﺎﻫﺮة ﻣﻌﻴﻨﺔ ﺑﺎﻟﺘﻐري ﰲ ﻇﺎﻫﺮة أﺧـﺮى‪،‬‬
‫مبﻌﻨﻰ أﻧﻪ إذا ﺗﻐريت اﻟﻈﺎﻫﺮة )س( ﺗﺘﻐري اﻟﻈﺎﻫﺮة )ص(‪ ،‬وﻫﺬا اﻟﺘﻐـري ﻳﻌـﱪ ﻋﻨـﻪ مبﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط‪ ،‬وﰲ‬
‫ﺳﺎﻟﺒﺎ‪:‬‬
‫اﳌﺘﻐريات اﻟﻜﻤﻴﺔ‪ ،‬ﻓﺈن اﻻرﺗﺒﺎط ﻣﻦ ﺣﻴﺚ ﻃﺒﻴﻌﺘﻪ ﻗﺪ ﻳﻜﻮن ﻣﻮﺟﺒًﺎ أو ً‬

‫‪-173-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫‪ -‬ﻓﺎﻻرﺗﺒﺎط اﳌﻮﺟﺐ ﻳﻌﻨﻲ زﻳﺎدة ﰲ اﻟﻈﺎﻫﺮة )س( ﻋﻨﺪﻣﺎ ﺗﺰداد اﻟﻈﺎﻫﺮة )ص(‪ ،‬أو زﻳﺎدة ﰲ اﻟﻈﺎﻫﺮة‬
‫)ص( ﻋﻨﺪﻣﺎ ﺗﺰداد اﻟﻈﺎﻫﺮة )س(‪.‬‬

‫‪ -‬أﻣﺎ اﻻرﺗﺒﺎط اﻟﺴﺎﻟﺐ ﻓﻴﻌﻨﻲ ﻧﻘﺼﺎن ﰲ اﻟﻈﺎﻫﺮة )س( ﻋﻨﺪﻣﺎ ﺗـﺰداد اﻟﻈـﺎﻫﺮة )ص(‪ ،‬أو ﻧﻘﺼـﺎن ﰲ‬
‫اﻟﻈﺎﻫﺮة )ص( ﻋﻨﺪﻣﺎ ﺗﺰداد اﻟﻈﺎﻫﺮة )س(‪.‬‬

‫أوﻋﻜﺴﻴﺎ‪ ،‬ﻓﺎﻻرﺗﺒﺎط اﻟﻄـﺮدي ﻳﻌﻨـﻲ‬

‫ّ‬ ‫أﻣﺎ ﻣﻦ ﺣﻴﺚ اﻻﺗﺠﺎه )‪ ،(Direction‬ﻓﺈن اﻻرﺗﺒﺎط ﻗﺪ ﻳﻜﻮن ّ‬
‫ﻃﺮدﻳﺎ‬
‫ﺗﻐري اﻟﻈﺎﻫﺮﺗني ﰲ اﺗﺠﺎه واﺣﺪ )ﺑﺎﻟﺰﻳﺎدة أو اﻟﻨﻘﺼﺎن(‪ ،‬أﻣﺎ اﻻرﺗﺒﺎط اﻟﻌﻜﺴـﻲ ﻓﻴﻌﻨـﻲ ﺗﻐـري اﻟﻈـﺎﻫﺮﺗني ﰲ‬
‫اﺗﺠﺎﻫني ﻣﺘﻨﺎﻗﻀني ﻛﺰﻳﺎدة اﻟﻈﺎﻫﺮة )س( ﻋﻨﺪﻣﺎ ﺗﺘﻨﺎﻗﺺ اﻟﻈﺎﻫﺮة )ص(‪ ،‬أو ﺗﻨﺎﻗﺺ اﻟﻈـﺎﻫﺮة )س( ﻋﻨـﺪﻣﺎ‬
‫ﺗﺰﻳﺪ اﻟﻈﺎﻫﺮة )ص(‪.‬‬

‫وﺗﱰاوح ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني ‪ 1 +‬إﱃ – ‪1‬؛ أي ﻣﻦ اﻻرﺗﺒﺎط اﳌﻮﺟﺐ اﻟﺘﺎم إﱃ اﻻرﺗﺒﺎط اﻟﺴـﺎﻟﺐ‬
‫ﺗﺎﻣـﺎ ﺑـﺎﻟﺘﻐري ﰲ اﳌﺘﻐـري‬
‫اﻟﺘﺎم‪ ،‬وﻳﺼﻞ اﻻرﺗﺒﺎط إﱃ ﻧﻬﺎﻳﺘﻪ اﻟﻌﻈﻤﻰ ﻋﻨﺪﻣﺎ ﻳﻘﱰن ﺗﻐري اﳌﺘﻐـري اﻷول اﻗﱰ ًاﻧـﺎ ّ‬
‫ﻣـﺜﻼ اﻗـﱰان زﻳـﺎدة وﻗـﺖ‬
‫ﺳﺎﻟﺒﺎ‪ .‬ﻓﻘـﺪ ﻳﺘﺒـني ﻣـﻦ اﻟﺪراﺳـﺔ ً‬
‫ﻣﻮﺟﺒﺎ أو ً‬
‫ً‬ ‫اﻟﺜﺎين‪ ،‬ﻫﺬا اﻻرﺗﺒﺎط اﻟﺘﺎم ﻗﺪ ﻳﻜﻮن‬
‫ﺛﺎﺑﺘـﺎ‪ ،‬ﻓﻜﻠـام زاد‬
‫ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺰﻳﺎدة وﻗﺖ اﻟﻔﺮاغ؛ ﺑﺤﻴﺚ ﻳﻈﻞ ﺗﺮﺗﻴﺐ اﻷﻓﺮاد ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻤﺘﻐريﻳﻦ ً‬
‫وﻗﺖ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن زاد وﻗﺖ اﻟﻔﺮاغ‪ ،‬وﻛﻠام زاد وﻗﺖ اﻟﻔﺮاغ زاد وﻗﺖ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن؛ وﻧﻈ ًﺮا‬
‫ﺛﺎﺑﺘﺎ‪-‬‬
‫ﻷن ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺗﺰﻳﺪ ﺑﻨﻔﺲ وﺣﺪات زﻳﺎدة وﻗﺖ اﻟﻔﺮاغ‪ ،‬ﻓﺈن ﺗﺮﺗﻴﺐ اﻷﻓﺮاد ﻳﻈﻞ ﻛام ﻫﻮ‪ً -‬‬
‫ﺣﺴﺐ ﻛﻼ اﳌﺘﻐريﻳﻦ‪ ،‬وﻫﻨﺎ ﻳﻜﻮن ﻫﻨﺎك ارﺗﺒﺎط ﻣﻮﺟﺐ ﺗﺎم؛ أي أن ﻗﻴﻤﺘﻪ ﺗﻜﻮن ﻣﺴﺎوﻳﺔ ﻟﻠﻮاﺣﺪ اﻟﺼـﺤﻴﺢ‬
‫ﻣﺜﻼ‪ ،‬اﻗﱰان زﻳﺎدة اﻟﻮﻗـﺖ اﳌﻨﻘﻀــﻲ‬
‫)‪ ،(1+‬أﻣﺎ اﻻرﺗﺒﺎط اﻟﺘﺎم اﻟﺴﺎﻟﺐ‪ ،‬ﻓﻘﺪ ﻳﺘﻀﺢ ﻣﻦ ﺑﺤﻮث اﻟﺘﻠﻴﻔﺰﻳﻮن ً‬
‫ﰲ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﻨﻘﺼﺎن اﻟﻮﻗﺖ اﳌﻨﻘﻀــﻲ ﰲ اﻟﺘﺤـﺪث ﻣـﻊ أﻓـﺮاد اﻷﴎة؛ ﺑﺤﻴـﺚ ﻳﻜـﻮن ﺗﺮﺗﻴـﺐ‬
‫واﺣﺪا ﰲ اﳌﺘﻐريﻳﻦ )اﻟﻮﻗﺖ اﳌﻨﻘﴤ ﰲ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن واﻟﻮﻗـﺖ اﳌﻨﻘﻀــﻲ ﰲ اﻟﺘﺤـﺪث ﻣـﻊ‬
‫اﻷﻓﺮاد ً‬
‫أﻓﺮاد اﻷﴎة(‪ ،‬وﺗﻜﻮن ﻗﻴﻤﺔ اﻻرﺗﺒﺎط اﻟﺘﺎم اﻟﺴﺎﻟﺐ ﻣﺴﺎوﻳﺔ ﻟﻨﺎﻗﺺ اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ )‪.(1-‬‬

‫‪-174-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫وﻻ ﺗﺘﺄﺛﺮ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑﺰﻳﺎدة أو ﻧﻘﺼﺎن ﺗﻜﺮارات اﳌﺘﻐريﻳﻦ ﺑﻜﻤﻴﺎت ﺛﺎﺑﺘﺔ‪ ،‬ﻓﻘـﺪ ﻳﺘﻀـﺢ ﻣـﻦ‬
‫ﻣﺜﻼ أن اﻻرﺗﺒﺎط ﺑني اﻟﻮﻗﺖ اﻟﻴﻮﻣﻲ اﳌﻨﻘﻀـﻲ ﰲ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن واﻟﻮﻗـﺖ اﻟﻴـﻮﻣﻲ‬
‫إﺣﺪى اﻟﺪراﺳﺎت ً‬
‫اﳌﻨﻘﴤ ﰲ اﺳﺘﺨﺪام )‪ (Facebook‬ﻫﻮ ‪ ،0.28‬ﻓﺈذا أﺿﻔﻨﺎ ﺳﺎﻋﺔ ﻣﻦ اﻟﻮﻗـﺖ اﻟﻴـﻮﻣﻲ اﳌـﻨﻘﴤ ﰲ ﻣﺸـﺎﻫﺪة‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن وأﺿﻔﻨﺎ ﺳﺎﻋﺔ ﻣﻦ اﻟﻮﻗﺖ اﻟﻴﻮﻣﻲ اﳌﻨﻘﴤ ﰲ اﺳﺘﺨﺪام )‪ (Facebook‬وﺣﺴﺒﻨﺎ ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط‬
‫ﺛﺎﺑﺘﺎ‪ ،‬ﻓﻬﺬه اﻹﺿﺎﻓﺔ ﻻ ﺗﺆﺛﺮ ﰲ ﺗﺮﺗﻴﺐ اﻷﻓـﺮاد ﺣﺴـﺐ اﳌﺘﻐـريﻳﻦ‬
‫ﻣﺮة أﺧﺮى‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺠﺪه ‪ 0.28‬أي أﻧﻪ ﻇﻞ ً‬
‫ﺛﺎﺑﺘﺎ ﻣﻦ‬
‫ﻋﺪدا ً‬
‫وﻳﺒﻘﻰ اﻟﺘﻐري اﻻﻗﱰاين اﻟﻘﺎﺋﻢ ﺑني اﳌﺘﻐريﻳﻦ ﻛام ﻫﻮ‪ .‬اﳌﻨﻄﻖ ﻧﻔﺴﻪ إذا ﻃﺮﺣﻨﺎ ‪ -‬أي أﻧﻘﺼﻨﺎ‪ً -‬‬
‫ﻗﻴﻢ اﳌﺘﻐريﻳﻦ‪ ،‬ﻓﻬﺬا اﻟﻨﻘﺼﺎن ﻻ ﻳﺆﺛﺮ ﰲ اﻟﱰﺗﻴﺐ‪ ،‬وميﻜﻦ أن ﻧﺴﺘﻌني ﺑﻬـﺬه اﻟﻔﻜـﺮة ﰲ ﺗﺒﺴـﻴﻂ اﻟﻌﻤﻠﻴـﺎت‬
‫اﻟﺤﺴﺎﺑﻴﺔ‪ ،‬وذﻟﻚ ﺑﺈﺿﺎﻓﺔ أو ﺑﻄﺮح ﻋﺪد ﺛﺎﺑﺖ ﻣﻦ ﻗﻴﻢ اﳌﺘﻐريات اﻟﺘﻲ ﺗﺤﺴﺐ ﻣﻌﺎﻣﻼت ارﺗﺒﺎﻃﻬﺎ‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬اﺧﺘﻴﺎر ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﻨﺎﺳﺐ‬

‫ً‬
‫ﺗﺘﻌﺪد ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط‪ ،‬وﻳﺘﻮﻗﻒ اﺧﺘﻴﺎر ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط اﳌﻨﺎﺳـﺐ ﻋـﲆ ﻧﻮﻋﻴـﺔ اﳌﺘﻐـريات‬
‫اﳌﻄﻠــﻮب ﺣﺴــﺎب اﻻرﺗﺒــﺎط ﺑﻴﻨﻬــﺎ؛ أي ﻣــﺎ إذا ﻛﺎﻧــﺖ ﺗﻠــﻚ اﳌﺘﻐــريات اﺳــﻤﻴﺔ )‪ (Nominal‬أو رﺗﺒﻴــﺔ‬
‫)‪ (Ordinal‬أو ﻓﺎﺻﻠﺔ )‪ (Interval‬وﻫﻲ اﳌﺘﻐريات اﻟﺘﻲ ﻳﺸﻴﻊ اﺳﺘﺨﺪاﻣﻬﺎ ﰲ اﻟﻌﻠـﻮم اﻹﻧﺴـﺎﻧﻴﺔ‪ .‬أي أن‬
‫ﺧﺼﺎﺋﺺ اﳌﺘﻐريات ﻫﻲ اﻟﺘﻲ ﺗﺤﺪد ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﻨﺎﺳﺐ‪ ،‬وﺑﺠﺎﻧﺐ ﻃﺒﻴﻌﺔ اﳌﺘﻐريات ‪ -‬أي ﻣﺎ إذا‬
‫ﻛﺎﻧﺖ اﺳﻤﻴﺔ أو رﺗﺒﻴﺔ أو ﻓﺌﻮﻳﺔ )ﻓﱰﻳﺔ( ‪ -‬ﻫﻨﺎك ﻋﻮاﻣﻞ أﺧﺮى ﺗﺤﺪد ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﻨﺎﺳﺐ‪ ،‬ﻣﻨﻬـﺎ‬
‫ﻣـﺜﻼ‪ :‬ﻣﺘﻐـري‬
‫ﻋﺪد اﻟﺘﻘﺴﻴامت اﻟﺘﻲ ﻳﻀﻤﻬﺎ ﻛـﻞ ﻣﺘﻐـري‪ ،‬ﻓﻬﻨـﺎك ﻣﺘﻐـريات ذات ﺗﻘﺴـﻴﻢ ﺛﻨـﺎيئ‪ ،‬ﻣﻨﻬـﺎ ً‬
‫اﻟﺠﻨﺲ )ذﻛﻮر & إﻧﺎث(‪ ،‬أو ﻣﺘﻐري ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن )ﻳﺸﺎﻫﺪ & ﻻ ﻳﺸـﺎﻫﺪ(‪ ،‬أو ﻣﺘﻐـري اﺳـﺘﺨﺪام‬
‫اﻹﻧﱰﻧﺖ )ﻳﺴﺘﺨﺪم & ﻻ ﻳﺴﺘﺨﺪم(‪ ...‬إﻟﺦ‪ ،‬وﻫﻨـﺎك ﻣﺘﻐـريات ذات ﺗﻘﺴـﻴﻢ ﺛـﻼيث‪ ،‬ﻣﻨﻬـﺎ ً‬
‫ﻣـﺜﻼ‪ :‬ﻣﺘﻐـري‬
‫ﻧﺎدرا(‪ ،‬وﻗﺪ ﻳﺘﻀﻤﻦ اﳌﺘﻐري‬
‫أﺣﻴﺎﻧﺎ‪ً ،‬‬
‫ً‬ ‫ﻗﺮاءة اﻟﺼﺤﻒ أو ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن أو ﺳامع اﻟﺮادﻳﻮ )ﺑﺎﻧﺘﻈﺎم‪،‬‬
‫أﻛرث ﻣﻦ ﺛﻼﺛﺔ ﺗﻘﺴـﻴامت ﺣﺴـﺐ ﻃﺒﻴﻌـﺔ اﻟﺪراﺳـﺔ‪ ،‬ﻛـﺄن ﻳﻮﺟـﺪ ﻟﻠﺒﻨـﺪ اﻟﻮاﺣـﺪ أرﺑـﻊ اﺳـﺘﺠﺎﺑﺎت أو‬

‫‪-175-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫أﻛرث ﻳﻜﻮن ﻋﲆ اﳌﺒﺤﻮث اﺧﺘﻴﺎر واﺣﺪة ﻣﻨﻬﺎ‪ .‬وﻣﻦ اﻟﻌﻮاﻣﻞ اﻷﺧﺮى اﻟﺘﻲ ﺗﺤﺪد ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﻨﺎﺳﺐ‬
‫ﻣﻮﻗﻊ اﳌﺘﻐري ﰲ اﳌﻌﺎﻟﺠﺔ )ﻛﻤﺘﻐري ﻣﺴﺘﻘﻞ ‪ X‬أو ﻛﻤﺘﻐري ﺗﺎﺑﻊ ‪ ،(Y‬وﻋـﲆ اﻟـﺮﻏﻢ ﻣـﻦ ذﻟـﻚ ﺗﺒﻘـﻰ ﻃﺒﻴﻌـﺔ‬
‫اﳌﺘﻐريات ﻫﻲ اﻟﻌﺎﻣﻞ اﻟﺤﺎﺳﻢ ﰲ ﺗﺤﺪﻳﺪ؛ أي ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺗﺴﺘﺨﺪم‪.‬‬

‫وﺣﺴﺐ ﻛﻞ ﻣﻦ ﺑﺮاميﺎن وﻛﺮاﻣﺮ )‪ ،(Bryman & Cramer, 1999, p. 201‬ﻓﺈن اﺳﺘﺨﺪام ﻣﻘـﺎﻳﻴﺲ اﻟﻌﻼﻗـﺔ‬
‫واﻻرﺗﺒﺎط اﳌﻨﺎﺳﺒﺔ ﻳﺘﺤﺪد ﺣﺴﺐ ﻃﺒﻴﻌﺔ اﳌﺘﻐريات ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬
‫‪2‬‬
‫)‪ (1‬ﻣﺘﻐــريان اﺳــﻤﻴﺎن )‪ (Nominal – Nominal‬ﻳــﺘﻢ اﺳــﺘﺨﺪام ﻣﻌﺎﻣــﻞ اﻟﺘﻮاﻓــﻖ ﻣــﻊ ﻛــﺎ ﺗﺮﺑﻴــﻊ‬

‫)‪ (Contingency Coefficient in Conjunction with Chi-Square‬ﻻﺧﺘﺒــﺎر اﻟﺪﻻﻟــﺔ اﻹﺣﺼــﺎﺋﻴﺔ‪،‬‬

‫وﳌﻌﺮﻓﺔ ﺷﺪة اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐريﻳﻦ ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ميﻜﻦ اﺳـﺘﺨﺪام ﻣﻌﺎﻣـﻞ ﻛﺮاﻣـﺮ ) ‪Cramer's‬‬
‫‪.(V‬‬

‫)‪ (2‬ﻣﺘﻐريان رﺗﺒﻴﺎن )‪ (Ordinal - Ordinal‬ميﻜﻦ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ارﺗﺒـﺎط ﺳـﺒريﻣﺎن‪ ،‬وﻛـﺬﻟﻚ ﻣﻌﺎﻣـﻞ‬
‫ﻛﻨﺪال )‪.(Kendall's Tau‬‬

‫)‪ (3‬ﻣﺘﻐريان ﻓﺌﻮﻳﺎن )ﻓﱰﻳﺎن( )‪ (Interval - Interval‬ﻳﺘﻢ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ارﺗﺒـﺎط ﺑريﺳـﻮن‪ ،‬وﻣﻌﺎﻣـﻞ‬
‫اﻻﻧﺤﺪار ﻟﺘﻘﺪﻳﺮ ﺷﺪة وﻃﺒﻴﻌﺔ اﻟﻌﻼﻗﺔ‪.‬‬

‫)‪ (4‬ﻣﺘﻐريان ﺛﻨﺎﺋﻴﺎن )‪ (Dichotomous - Dichotomous‬أﻳّﺎ ﻛﺎﻧﺖ ﻃﺒﻴﻌﺘﻬام اﺳﻤﻴﺔ أو رﺗﺒﻴﺔ أو ﻓﺌﻮﻳﺔ‬
‫‪2‬‬
‫)ﻓﺘـﺮﻳﺔ(‪ ،‬ﻳﺘﻢ اﺳﺘﺨـﺪام اﻟﺘﻮاﻓﻖ ﻣﻊ ﻛﺎ ‪(Contingency Coefficient in Conjunction with Chi-‬‬

‫)‪ Ssquare‬ﻻﺧﺘﺒﺎر اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬وﳌﻌﺮﻓﺔ ﺷﺪة اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐريﻳﻦ ﰲ ﻫﺬه اﻟﺤﺎﻟـﺔ ميﻜـﻦ‬
‫اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ‪.Phi‬‬

‫‪-176-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫)‪ (5‬ﻣﺘﻐري ﻓﺌﻮي )ﻓﱰي( وﻣﺘﻐري رﺗﺒﻲ )‪ (Interval- Ordinal‬إذا ﻛﺎن اﳌﺘﻐـري اﻟﺮﺗﺒـﻲ ﻳﻀـﻢ أﻛـرث ﻣـﻦ‬
‫ﺗﻘﺴﻴﻤني ميﻜﻦ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺳﺒريﻣﺎن‪ ،‬وﻛﺬﻟﻚ ﻣﻌﺎﻣـﻞ ﻛﻨـﺪال )‪ ،(Kendall's Tau‬ﻛـام‬
‫‪2‬‬
‫ميﻜﻦ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ ﻣﻊ ﻛﺎ إذا ﻛﺎن اﳌﺘﻐري اﻟﺮﺗﺒﻲ واﳌﺘﻐري اﻟﻔﺌﻮي )اﻟﻔـﱰي( ﻛﻼﻫـام‬

‫ــﺪدا ﻛﻤﺘﻐــري ﺗــﺎﺑﻊ ميﻜــﻦ اﺳــﺘﺨﺪام‬

‫ﺛﻨــﺎيئ اﻟﺘﻘﺴــﻴﻢ‪ .‬وإذا ﻛــﺎن اﳌﺘﻐــري اﻟﻔﺌــﻮي )اﻟﻔــﱰي( ﻣﺤ ً‬
‫اﳌﺘﻮﺳﻄﺎت )اﳌﻘﺎرﻧﺔ ﺑـني اﳌﺠﻤﻮﻋـﺎت اﻟﺮﺗﺒﻴـﺔ ﻣـﻦ ﺣﻴـﺚ اﳌﺘﻐـري اﻟﻔﺌـﻮي )اﻟﻔـﱰي(( وﻣﻌﺮﻓـﺔ‬
‫ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﻫﺬه اﳌﺠﻤﻮﻋﺎت‪.‬‬

‫)‪ (6‬ﻣﺘﻐـري ﻓـﱰي ﻣـﻊ ﻣﺘﻐــري اﺳـﻤﻲ أو ﻣـﻊ أي ﻣﺘﻐـري آﺧـﺮ ﺛﻨـﺎيئ رﺗﺒـﻲ ‪(Interval- Nominal or‬‬
‫‪2‬‬
‫)‪ Dichotomous‬ميﻜﻦ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ ﻣﻊ ﻛﺎ إذا ﻛـﺎن اﳌﺘﻐـري اﻟﻔـﱰي ﺗـﻢ ﺗﻨﻈﻴﻤـﻪ ﰲ‬

‫ﻣﺠﻤﻮﻋﺎت ﻣﻊ ﻋﺪم ﴐورة ﻷن ﻧﺘﻌﺎﻣﻞ ﻣﻌـﻪ ﻛﻤﺘﻐـري ﺗـﺎﺑﻊ )‪ (Dependent‬أﻣـﺎ إذا ﻛـﺎن اﳌﺘﻐـري‬
‫اﻟﻔﱰي ﺗﻢ ﺗﺤﺪﻳﺪه ﻛﻤﺘﻐري ﺗﺎﺑﻊ‪ ،‬ﻓﻴﻤﻜﻦ اﺳﺘﺨﺪام اﳌﺘﻮﺳﻄﺎت )اﳌﻘﺎرﻧﺔ ﺑني ﻣﺠﻤﻮﻋـﺎت اﳌﺘﻐـري‬
‫اﻻﺳﻤﻲ ﻣﻦ ﺣﻴﺚ اﳌﺘﻐري اﻟﻔﺌﻮي )اﻟﻔﱰي(( وﻣﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﻫﺬه اﳌﺠﻤﻮﻋﺎت‪.‬‬

‫)‪ (7‬ﻣﺘﻐري اﺳﻤﻲ وﻣﺘﻐـري رﺗﺒـﻲ )‪ ،(Nominal- Ordinal‬ﻳـﺘﻢ اﺳـﺘﺨﺪام ﻣﻌـﺎﻣﻼت اﻻرﺗﺒـﺎط اﻟﺴـﺎﺑﻖ‬
‫‪2‬‬
‫اﻹﺷــﺎرة إﻟﻴﻬــﺎ ﻣــﻊ اﳌﺘﻐــريﻳﻦ اﻻﺳــﻤﻴني؛ ﺣﻴــﺚ ميﻜــﻦ اﺳــﺘﺨﺪام ﻣﻌﺎﻣــﻞ اﻟﺘﻮاﻓــﻖ ﻣــﻊ ﻛــﺎ‬

‫)‪ (Contingency Coefficient in Conjunction With Chi-Square‬ﻻﺧﺘﺒــﺎر اﻟﺪﻻﻟــﺔ اﻹﺣﺼــﺎﺋﻴﺔ‪،‬‬

‫واﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ﻛﺮاﻣﺮ )‪ (Cramer's V‬ﳌﻌﺮﻓﺔ ﺷﺪة اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐريﻳﻦ‪.‬‬

‫وﻛﺜريا ﻣﺎ ﺗﺴﺘﺨﺪم ﻣﻘـﺎﻳﻴﺲ ﻻﺑﺎراﻣﱰﻳـﺔ )‪ (Non-Parametric‬ﻟﺮﺻـﺪ وﺗﺤﻠﻴـﻞ اﻟﻌﻼﻗـﺔ‬

‫ً‬
‫واﻻرﺗﺒﺎط ﺑني اﳌﺘﻐريات اﳌﺨﺘﻠﻔﺔ؛ ﻟﻠﺘﺤﻘﻖ ﻣﻦ اﻟﻔﺮوض اﻻرﺗﺒﺎﻃﻴﺔ‪ ،‬وﻗﺪ أﺧﺬ دﻳﻔﻴﺪ دي‬
‫ﻣﺆﻛـﺪا ﻋـﲆ أن‬
‫ً‬ ‫ﻓﺎﻳﺲ )‪ (David de Vaus.2002‬ﻣﺴﺄﻟﺔ اﻹﺣﺼﺎء اﻟﻼﺑـﺎراﻣﱰي ﰲ اﻻﻋﺘﺒـﺎر‪،‬‬

‫‪-177-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﻨﺎﺳﺐ ﻳﺘﺤﺪد ﰲ ﺿﻮء ﻃﺒﻴﻌﺔ وﻋﺪد ﺗﻘﺴﻴامت اﳌﺘﻐريﻳﻦ اﳌﺮاد ﻗﻴﺎس اﻻرﺗﺒـﺎط ﺑﻴـﻨﻬام‪،‬‬
‫وﺧﻠﺺ إﱃ رؤﻳﺔ واﺿﺤﺔ ﺗﺘﻤﺜﻞ ﻣﻼﻣﺤﻬﺎ اﻷﺳﺎﺳﻴﺔ ﻓﻴام ﻳﻮﺿﺤﻪ اﻟﺠﺪول اﻵيت‪:‬‬
‫اﻟﺘﻘﺴﻴﻢ‬ ‫اﳌﺘﻐريان‬

‫أﺣﺪﻫام ﺗﻘﺴﻴﻢ ﺛﻨﺎيئ واﻵﺧﺮ ﺗﻘﺴﻴﻢ‬ ‫ﻛﻼﻫام ﺗﻘﺴﻴﻢ أﻛرث ﻣﻦ‬

‫ﻛﻼﻫام ﺛﻨﺎيئ اﻟﺘﻘﺴﻴﻢ‬
‫أﻛرث ﻣﻦ ﺛﻨﺎيئ‬ ‫ﺛﻨﺎيئ‬
‫‪Cramer's V- Lambda-‬‬
‫‪Cramer's V- Lambda- Goodman and‬‬
‫‪Goodman and Kruskall's‬‬
‫‪Kruskal' Tau‬‬
‫‪Tau‬‬
‫‪Gamma - Somers's‬‬ ‫‪Spearman' Rho- Kendal's‬‬
‫‪Kendal's Tau‬‬ ‫‪Tau‬‬
‫‪Phi- Yule' Q‬‬
‫‪Lambda- Goodman and‬‬ ‫اﺳﻤﻴﺎن‬
‫‪Kruskall's Tau‬‬
‫‪Gamma - Somers's‬‬
‫رﺗﺒﻴﺎن‬
‫‪Kendal's Tau‬‬

‫‪Pearson‬‬ ‫‪Pearson - Eta‬‬ ‫‪Pearson- Phi‬‬ ‫ﻓﱰﻳﺎن‬

‫)‪Theta (Wilcoxon‬‬ ‫)‪Theta (Wilcoxon‬‬ ‫)‪Theta (Wilcoxon‬‬ ‫اﺳﻤﻲ & رﺗﺒﻲ‬
‫‪Eta – Theta‬‬ ‫‪Eta‬‬
‫‪Pearson- Phi‬‬ ‫اﺳﻤﻲ & ﻓﱰي‬
‫‪Pearson‬‬ ‫‪Theta‬‬
‫‪Pearson‬‬
‫‪Jasper's Multi-Serial‬‬ ‫‪Pearson- Phi- Biserial‬‬ ‫رﺗﺒﻲ & ﻓﱰي‬
‫‪Jasper's Multi-Serial‬‬

‫ﺑﻮﺟﻪ ﻋﺎم‪ ،‬ﻓﺈن اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﻨﺎﺳﺐ ﻳﻌﺘﻤﺪ ﻋﲆ ﻃﺒﻴﻌﺔ اﳌﺘﻐريات اﻟﺨﺎﺿـﻌﺔ ﻟﻠﺪراﺳـﺔ‪،‬‬
‫وﻫﺬا اﳌﺜﺎل إمنﺎ ﻫﻮ ﻟﻠﺘﻮﺿﻴﺢ وﺗﺄﻛﻴﺪ اﻟﻔﻜﺮة؛ ﻷن اﳌﺴﺄﻟﺔ ﻻ ﺗﺘﻮﻗﻒ ﻋﻨـﺪ ﻣﺠـﺮد ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط‪ ،‬وإمنـﺎ‬
‫ﺗﺸﻤﻞ اﻟﻌﺪﻳﺪ ﻣﻦ أﺳﺎﻟﻴﺐ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ‪.‬‬

‫ﺛﺎﻟﺜًﺎ‪ :‬أﻣﺜﻠﺔ ﳌﻘﺎﻳﻴﺲ اﻟﻌﻼﻗﺔ واﻻرﺗﺒﺎط ﺑني ﻣﺘﻐريﻳﻦ‬

‫ﺳﺒﻘﺖ اﻹﺷﺎرة إﱃ أن اﺧﺘﻴﺎر ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﻨﺎﺳﺐ ﻳﺘﻮﻗﻒ ﻋﲆ ﻧﻮﻋﻴﺔ اﳌﺘﻐريات‬

‫اﳌﻄﻠﻮب ﺣﺴﺎب اﻻرﺗﺒﺎط ﺑﻴﻨﻬﺎ؛ أي ﻣﺎ إذا ﻛﺎﻧﺖ ﺗﻠـﻚ اﳌﺘﻐـريات اﺳـﻤﻴﺔ )‪ (Nominal‬أو‬
‫رﺗﺒﻴــﺔ )‪ (Ordinal‬أو ﻓﺎﺻــﻠﺔ ﻓﺌﻮﻳــﺔ )ﻓﱰﻳــﺔ( )‪ (Interval‬وﻫــﻲ اﳌﺘﻐــريات اﻟﺘــﻲ ﻳﺸــﻴﻊ‬

‫‪-178-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫اﺳﺘﺨﺪاﻣﻬﺎ ﰲ اﻟﻌﻠـﻮم اﻹﻧﺴـﺎﻧﻴﺔ‪.‬إن اﻻرﺗﺒـﺎط ﺑـني ﻣﺘﻐـريﻳﻦ )‪ (Two variables‬ﻗـﺪ ﻳﻜـﻮن ﺑـني‪ :‬ﻣﺘﻐـريﻳﻦ‬
‫اﺳﻤﻴني‪ ،‬أو ﻣﺘﻐريﻳﻦ رﺗﺒﻴني‪ ،‬أو ﻣﺘﻐريﻳﻦ ﻓﱰﻳني‪ ،‬ﻛام ﻗﺪ ﻳﻜﻮن اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐري اﺳﻤﻲ واﻵﺧﺮ رﺗﺒـﻲ‪ ،‬أو‬
‫ﺑني ﻣﺘﻐري اﺳﻤﻲ واﻵﺧﺮ ﻓﱰي‪ ،‬أو ﺑني ﻣﺘﻐـري رﺗﺒـﻲ واﻵﺧـﺮ ﻓـﱰي‪ ،‬وﻟﻜـﻞ ذﻟـﻚ ﻣﻌـﺎﻣﻼت اﻻرﺗﺒـﺎط اﻟﺘـﻲ‬
‫ﺗﻨﺎﺳﺒﻪ‪ ،‬وﻓﻴام ﻳﲇ أﻣﺜﻠﺔ ﺗﻮﺿﻴﺤﻴﺔ ﻟﻬﺬه اﳌﻌﺎﻣﻼت‪:‬‬

‫)‪ (1‬ارﺗﺒﺎط ﺑريﺳﻮن‪:‬‬

‫ﻳﺴﺘﺨﺪم ارﺗﺒﺎط ﺑريﺳﻮن ﻟﺤﺴﺎب اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐريﻳﻦ ﻛﻼﻫام ﻣﻦ اﻟﻨﻮع اﻟﻔﱰي )ﻣﺜـﺎل ذﻟـﻚ ﻋﻨـﺪﻣﺎ‬
‫ﻧﺮﻳﺪ ﺣﺴﺎب اﻻرﺗﺒﺎط ﺑني اﻟﻮﻗﺖ اﳌﻨﻘﴤ ﰲ ﻗﺮاءة اﻟﺼﺤﻒ واﻟﻮﻗﺖ اﳌﻨﻘﻀـﻲ ﰲ ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‪،‬‬
‫أو اﻻرﺗﺒﺎط ﺑني اﻟﺴﻦ وﻋـﺪد ﺳـﺎﻋﺎت اﺳـﺘﺨﺪام اﻹﻧﱰﻧـﺖ‪ ،‬أو ﺑـني اﻟـﻮزن وﻋـﺪد ﺳـﺎﻋﺎت اﻟﺠﻠـﻮس أﻣـﺎم‬
‫ﻌﻴﺎرﻳـﺎ ﻟﻠﻌﻼﻗـﺔ‪ ،‬مبﻌﻨـﻰ أﻧـﻪ‬
‫ﻣﻘﻴﺎﺳـﺎ ﻣ ّ‬
‫ً‬ ‫اﻟﺘﻠﻴﻔﺰﻳﻮن أو اﻟﻜﻮﻣﺒﻴﻮﺗﺮ‪ ...‬إﻟﺦ(‪ ،‬وﻳﻌﺘﱪ ﻣﻌﺎﻣﻞ ارﺗﺒـﺎط ﺑريﺳـﻮن‬
‫ﻳﺪﺧﻞ ﰲ ﺣﺴﺎﺑﻪ اﻟﻮﺳﻂ واﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻜﻞ ﻣﻦ ﻣﺠﻤﻮﻋﺘﻲ اﻟﺪرﺟﺎت اﳌﺮاد إﻳﺠﺎد اﻟﻌﻼﻗـﺔ ﺑﻴـﻨﻬام‪،‬‬
‫وﻫﺬا ﻳﻌﻨﻲ أن أي ﺗﺤﻮﻳﻞ ﺧﻄﻲ ﻹﺣﺪى ﻣﺠﻤﻮﻋﺘﻲ اﻟﺪرﺟﺎت ﻻ ﻳﺆﺛﺮ ﰲ ﻗﻴﻤـﺔ ﻣﻌﺎﻣـﻞ ارﺗﺒـﺎط ﺑريﺳـﻮن‪،‬‬
‫وﺑﺬﻟﻚ ﻻ ﻳﻜﻮن ﻟﻮﺣﺪة اﻟﻘﻴﺎس أﻫﻤﻴﺔ ﻋﻨﺪ إﻳﺠﺎد ﻣﻌﺎﻣﻞ اﻻرﺗﺒـﺎط‪ .‬وﻳﻌـﺪ ﻣﻌﺎﻣـﻞ ارﺗﺒـﺎط ﺑريﺳـﻮن أﻛـرث‬
‫اﺳﺘﺨﺪاﻣﺎ ﰲ اﻟﺒﺤﻮث مبﺠﺎﻻﺗﻬﺎ اﳌﺨﺘﻠﻔﺔ‪ ،‬ﺑـﻞ إن اﻟﻜﺜـري ﻣـﻦ ﻣﻌـﺎﻣﻼت اﻻرﺗﺒـﺎط‬
‫ً‬ ‫أﻧﻮاع ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط‬
‫اﻷﺧﺮى ﺗﻌﺘﱪ ﺣﺎﻻت ﺧﺎﺻﺔ ﻣﻦ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن‪.‬‬

‫ﺗﺘﻌﺪد ﺻﻴﻎ اﻟﺤﺼﻮل ﻋﲆ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن ﺑني ﻣﺘﻐريﻳﻦ‪ ،‬وﻣﻦ أﺑﺮز ﻫﺬه اﻟﺼـﻴﻎ ﺣﺴـﺎب ﻫـﺬا‬
‫اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐريﻳﻦ )س(‪) ،‬ص( ﻣﻦ اﻟﺪرﺟﺎت اﻟﺨﺎم ﻣﺒﺎﴍة‪ ،‬وﻳﻜﻮن ذﻟﻚ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬
‫ن ﻣﺞ س ص – )ﻣﺞ س( )ﻣﺞ ص(‬
‫ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫})ن ﻣﺞ س – )ﻣﺞ س( { } )ن ﻣﺞ ص – )ﻣﺞ ص( {‬

‫‪-179-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﺣﻴﺚ‪:‬‬

‫ن‪ :‬ﻋﺪد ﻣﻔﺮدات اﻟﻌﻴﻨﺔ‬

‫ﻣﺞ س ص‪ :‬ﻣﺠﻤﻮع ﺣﺎﺻﻞ ﴐب ﻗﻴﻢ اﳌﺘﻐري )س( ﰲ ﻗﻴﻢ اﳌﺘﻐري )ص(‬

‫ﻣﺞ س‪ :‬ﻣﺠﻤﻮع ﻗﻴﻢ اﳌﺘﻐري )س (‬

‫ﻣﺞ ص‪ :‬ﻣﺠﻤﻮع ﻗﻴﻢ اﳌﺘﻐري )ص (‬

‫‪2‬‬
‫ﻣﺞ س ‪ :‬ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت ﻗﻴﻢ اﳌﺘﻐري )س(‬

‫‪2‬‬
‫ﻣﺞ ص ‪ :‬ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت ﻗﻴﻢ اﳌﺘﻐري )ص(‬

‫ﻣﺜﺎل ﺗﻮﺿﻴﺤﻲ‪:‬‬

‫اﻟﺠﺪول اﻵيت ﻳﻮﺿﺢ درﺟﺎت ﻋﻴﻨﺔ ﻣﻦ ﻃﻼب اﳌﺎﺟﺴﺘري اﻹﻟﻜﱰوين ﺣﺴﺐ ﻋﺪد اﻷﻓﻼم اﻟﻮﺛﺎﺋﻘﻴﺔ اﻟﺘـﻲ‬
‫ﺷﺎﻫﺪوﻫﺎ ﰲ ﻗﻨﺎة اﻟﺠﺰﻳﺮة )ﻣﺘﻐري س(‪ ،‬وﻗﻨﺎة اﳌﻨﻮﻋﺎت )ﻣﺘﻐري ص(‪:‬‬
‫أﻓﻼم ﻗﻨﺎة اﻟﺠﺰﻳﺮة‬
‫أﻓﻼم ﻗﻨﺎة اﳌﻨﻮﻋﺎت )ص(‬
‫)س(‬
‫‪6‬‬ ‫‪7‬‬
‫‪7‬‬ ‫‪6‬‬
‫‪9‬‬ ‫‪8‬‬
‫‪7‬‬ ‫‪4‬‬
‫‪6‬‬ ‫‪5‬‬
‫‪8‬‬ ‫‪7‬‬
‫‪6‬‬ ‫‪5‬‬
‫‪6‬‬ ‫‪5‬‬
‫‪9‬‬ ‫‪7‬‬
‫‪8‬‬ ‫‪7‬‬

‫‪-180-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻓﺈذا أردﻧﺎ إﻳﺠﺎد ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن ﺑني ﻋـﺪد اﻷﻓـﻼم اﻟﻮﺛﺎﺋﻘﻴـﺔ اﻟﺘـﻲ ﺷـﺎﻫﺪﻫﺎ اﻟﻄـﻼب ﰲ ﻗﻨـﺎة‬
‫اﻟﺠﺰﻳﺮة )ﻣﺘﻐري س(‪ ،‬وﻋﺪد اﻷﻓﻼم اﻟﺘﻲ ﺷﺎﻫﺪوﻫﺎ ﰲ ﻗﻨﺎة اﳌﻨﻮﻋﺎت )ﻣﺘﻐري ص( ﻓﺈﻧﻪ ﻳﺘﻌني اﻟﺤﺼﻮل ﻋﲆ‬
‫ﻛﻞ اﳌﻌﻄﻴﺎت اﻟﺘﻲ ﻳﺘﻄﻠﺒﻬﺎ ﺗﻄﺒﻴﻖ اﳌﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ‪ ،‬وﻫﺬه اﳌﻌﻄﻴﺎت ﻫﻲ‪ :‬ﻋﺪد اﻟﻄﻼب‪ ،‬ﻣﺞ س ص‪ ،‬ﻣﺞ‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫س‪ ،‬ﻣﺞ )س( ‪ ،‬ﻣﺞ ص‪ ،‬ﻣﺞ )ص( ‪ ،‬ﻣﺞ س ‪ ،‬ﻣﺞ ص ‪ .‬وﻳﺘﻢ اﻟﺤﺼﻮل ﻋﲆ ﻫﺬه اﳌﻌﻄﻴﺎت ﻣـﻦ اﻟﺒﻴﺎﻧـﺎت‬
‫اﻷﺻﻠﻴﺔ‪ ،‬وﺗﻨﻈﻴﻤﻬﺎ ﰲ ﺟﺪول واﺿﺢ ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬
‫‪2‬‬ ‫‪2‬‬ ‫أﻓﻼم ﻗﻨﺎة اﳌﻨﻮﻋﺎت‬ ‫أﻓﻼم ﻗﻨﺎة اﻟﺠﺰﻳﺮة‬
‫س×ص‬ ‫ص‬ ‫س‬
‫)ص(‬ ‫)س(‬
‫‪42‬‬ ‫‪36‬‬ ‫‪49‬‬ ‫‪6‬‬ ‫‪7‬‬
‫‪42‬‬ ‫‪49‬‬ ‫‪36‬‬ ‫‪7‬‬ ‫‪6‬‬
‫‪72‬‬ ‫‪81‬‬ ‫‪64‬‬ ‫‪9‬‬ ‫‪8‬‬
‫‪28‬‬ ‫‪49‬‬ ‫‪16‬‬ ‫‪7‬‬ ‫‪4‬‬
‫‪30‬‬ ‫‪36‬‬ ‫‪25‬‬ ‫‪6‬‬ ‫‪5‬‬
‫‪56‬‬ ‫‪64‬‬ ‫‪49‬‬ ‫‪8‬‬ ‫‪7‬‬
‫‪30‬‬ ‫‪36‬‬ ‫‪25‬‬ ‫‪6‬‬ ‫‪5‬‬
‫‪30‬‬ ‫‪36‬‬ ‫‪25‬‬ ‫‪6‬‬ ‫‪5‬‬
‫‪63‬‬ ‫‪81‬‬ ‫‪49‬‬ ‫‪9‬‬ ‫‪7‬‬
‫‪56‬‬ ‫‪64‬‬ ‫‪49‬‬ ‫‪8‬‬ ‫‪7‬‬
‫ﻣﺞ س ص= ‪449‬‬ ‫ص‪532 =2‬‬ ‫س‪387 = 2‬‬ ‫ﻣﺞ ص = ‪72‬‬ ‫ﻣﺞ س = ‪61‬‬

‫ﻣﻦ ﻫﺬا اﻟﺠﺪول ﻳﺘﻀﺢ ﻟﻨﺎ اﻵيت‪:‬‬

‫‪ -‬ﻗﻴﻤﺔ ن ﺗﺴﺎوي ‪10‬‬

‫‪-181-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫‪ -‬ﻣﺞ س ص= ‪449‬‬
‫‪ -‬ﻣﺞ س = ‪ 61‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ﻣﺞ )س(‪3721 = 2‬‬
‫‪ -‬ﻣﺞ ص= ‪ 72‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ﻣﺞ )ص(‪5184 = 2‬‬
‫‪2‬‬
‫‪ -‬ﻣﺞ س = ‪387‬‬
‫‪2‬‬
‫‪ -‬ﻣﺞ ص = ‪532‬‬

‫ﺑﺎﺳﺘﺨﺪام ﻫﺬه اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬ﻓﺈن ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن ﻳﻜﻮن مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة وﻫﻲ‪:‬‬
‫ن ﻣﺞ س ص – )ﻣﺞ س( )ﻣﺞ ص(‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫})ن ﻣﺞ س – )ﻣﺞ س( { } )ن ﻣﺞ ص – )ﻣﺞ ص( {‬

‫وﺑﺎﻟﺘﻌﻮﻳﺾ ﰲ ﻫﺬه اﳌﻌﺎدﻟﺔ ﻳﻜﻮن‪:‬‬

‫‪(72)(61)  449 u 10‬‬

‫‪^(5184 - 532 u10)` ^(3721) - 387 u10)` b‬‬
‫= ‪4392  4490‬‬
‫‪136 u149 b‬‬

‫= ‪0.688‬‬ ‫‪98‬‬
‫‪142.35‬‬
‫أي أن ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن ﺑني اﳌﺘﻐـريﻳﻦ س‪ ،‬ص ﻫـﻮ ‪ 0.688‬وﻣـﻦ اﻟﻮاﺿـﺢ أﻧـﻪ ارﺗﺒـﺎط ﻣﻮﺟـﺐ‪،‬‬
‫وﻫﺬا ﻳﻌﻨﻲ أﻧﻪ ﻛﻠام زادت ﻣﺸﺎﻫﺪة اﻷﻓﻼم اﻟﻮﺛﺎﺋﻘﻴﺔ ﻋﱪ ﻗﻨﺎة اﻟﺠﺰﻳﺮة‪ ،‬زادت ﻣﺸﺎﻫﺪة اﻷﻓﻼم اﻟﻮﺛﺎﺋﻘﻴـﺔ‬
‫ﻋﱪ ﻗﻨﺎة اﳌﻨﻮﻋﺎت‪.‬‬

‫وميﻜﻦ ﺣﺴﺎب ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن ﻟﻠﺒﻴﺎﻧﺎت ﻏري اﳌﺒﻮﺑﺔ )ﺳﻮاء ﻣﻦ ﺧﻼل اﺳـﺘﺨﺪام‬
‫اﻟــﺪرﺟﺎت اﳌﻌﻴﺎرﻳــﺔ‪ ،‬أو ﺑﺎﺳــﺘﺨﺪام اﻻﻧﺤﺮاﻓــﺎت ﻋــﻦ اﻟﻮﺳــﻂ اﻟﺤﺴــﺎيب‪ ،‬أو ﺑﺎﺳــﺘﺨﺪام‬

‫‪-182-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫اﻟﺪرﺟﺎت اﻟﺨﺎم ﻣﺒﺎﴍة‪ ،‬أو ﺑﺎﺳﺘﺨﺪام اﻟﻔﺮوق ﺑني اﻟﺪرﺟﺎت اﻟﺨﺎم(‪ ،‬ﻛـام ميﻜـﻦ ﺣﺴـﺎب ﻣﻌﺎﻣـﻞ ارﺗﺒـﺎط‬
‫ﺑريﺳﻮن ﻟﻠﺒﻴﺎﻧﺎت اﳌﺒﻮﺑﺔ‪ ،‬وﺗﺒﺪو أﻫﻤﻴﺔ ذﻟﻚ ﻋﻨﺪﻣﺎ ﺗﺸﺘﻤﻞ اﻟﺒﻴﺎﻧـﺎت ﻋـﲆ ﻋـﺪد ﻛﺒـري ﻣـﻦ أزواج اﻟﻘـﻴﻢ؛‬
‫ﺣﻴﺚ ميﻜﻦ ﺗﺒﻮﻳﺐ )ﺟﺪوﻟﺔ( ﺗﻠﻚ اﻟﻘﻴﻢ ﰲ ﺟـﺪول ﺗﻜـﺮاري ﻣـﺰدوج )‪ ،(Two-Way Frequency Table‬ﺛـﻢ‬
‫إﻳﺠﺎد ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن ﻟﻬﺬه اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮﺑﺔ ﺑﺎﺳـﺘﺨﺪام ﻃﺮﻳﻘـﺔ اﻟﱰﻣﻴـﺰ )‪ .(Code Method‬ﻏـري أن‬
‫اﺳﺘﺨﺪام ﺗﻠﻚ اﻟﻄﺮﻳﻘﺔ ﻳﺘﻄﻠﺐ ﺗﺼﺤﻴﺢ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻣﻦ اﻷﺧﻄﺎء اﻟﻨﺎﺗﺠﺔ ﻋﻦ ﺗﺒﻮﻳﺐ اﻟﺒﻴﺎﻧـﺎت‪ ،‬ذﻟـﻚ‬
‫أن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﳌﺒﻮﺑﺔ ﺗﻜﻮن ﻗﻴﻤﺔ ﺗﻘﺮﻳﺒﻴﺔ؛ واﻟﺴﺒﺐ ﰲ ذﻟﻚ ﻳﺮﺟﻊ إﱃ أﻧﻨﺎ اﻋﺘﱪﻧﺎ‬
‫أن ﺗﻜﺮار ﻛﻞ ﻓﺌﺔ ﻳﻘﻊ ﰲ ﻣﺮﻛﺰ ﺗﻠﻚ اﻟﻔﺌﺔ‪ ،‬وﻛﻠام زاد ﻃﻮل اﻟﻔﺌﺔ‪ ،‬زاد ﺑـﺎﻟﻄﺒﻊ اﻟﻨـﺎﺗﺞ ﻋـﻦ ﻫـﺬا اﻟﺘﻘﺮﻳـﺐ‪.‬‬
‫ﻓﺈذا أراد اﻟﺒﺎﺣﺚ أن ﻳﺤﺼﻞ ﻋﲆ اﻟﻘﻴﻤﺔ اﳌﻀﺒﻮﻃﺔ ﳌﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن‪ ،‬ﻓﻌﻠﻴﻪ أن ﻳﺴـﺘﺨﺪم اﻟـﺪرﺟﺎت‬
‫ﺑﺪﻻ ﻣﻦ اﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﻟﱰﻣﻴﺰ‪.‬‬
‫اﻟﺨﺎم ﻣﺒﺎﴍة ً‬

‫وميﻜﻦ ﺗﺼﺤﻴﺢ اﻷﺧﻄﺎء اﻟﻨﺎﺗﺠﺔ ﻋﻦ ﺗﺒﻮﻳﺐ اﻟﺒﻴﺎﻧﺎت ﻷي ﻋﺪد ﻣﻦ ﻓﺌﺎت ﻛﻞ ﻣـﻦ اﳌﺘﻐـريﻳﻦ ﺑﻘﺴـﻤﺔ‬
‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﻨﺎﺗﺞ ﻣﻦ اﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﻟﱰﻣﻴﺰ ﻋﲆ ﻣﻘﺪار ﺛﺎﺑﺖ ﻳﺴﺎوي ﻋﺪد ﻫﺬه اﻟﻔﺌﺎت‪ ،‬وﻗﺪ أﻋﺪ‬
‫ﺑﻌﺾ ﻋﻠامء اﻹﺣﺼﺎء ﻗﺎمئـﺔ ﻣـﻦ اﻟﺜﻮاﺑـﺖ اﻟﺘـﻲ ميﻜـﻦ أن ﻳﺴـﺘﺨﺪﻣﻬﺎ اﻟﺒﺎﺣـﺚ ﻹﺟـﺮاء ﺗﺼـﺤﻴﺢ ﻣﻌﺎﻣـﻞ‬
‫اﻻرﺗﺒﺎط‪ ،‬ﻋﻨﺪﻣﺎ ﺗﺒﻮب اﻟﺒﻴﺎﻧﺎت ﰲ ﻓﺌﺎت ﻣﺨﺘﻠﻔﺔ اﻟﺴﻌﺔ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻤﺘﻐريﻳﻦ )س(‪) ،‬ص(‪.‬‬

‫)‪ (2‬ﻣﻌﺎﻣﻞ اﻻﻗﱰان‪:‬‬

‫ﻳﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ اﻻﻗﱰان )‪ (Association Coefficient‬ﰲ اﻟﻜﺸﻒ ﻋﻦ اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐريﻳﻦ اﺳـﻤني أو‬
‫ﻧﻮﻋﻴني )‪ (Nominal‬ﻛﻼﻫام ﺛﻨﺎيئ اﻟﺘﻘﺴﻴﻢ ﻣﺜﻞ اﻟﻨﻮع )ذﻛﻮر &إﻧﺎث(‪ ،‬ﻗﺮاءة اﻟﺼﺤﻒ )ﻳﻘﺮأ & ﻻ ﻳﻘـﺮأ(‪....‬‬
‫وﻫﻜﺬا‪ ،‬وﻳﺘﻢ اﻟﺤﺼﻮل ﻋﲆ ﻣﻌﺎﻣﻞ اﻻﻗﱰان ﺑﻮاﺳﻄﺔ اﳌﻌﺎدﻟﺔ‪:‬‬
‫‪å@ u Ñ  Ø uh‬‬
‫‪å@ u Ñ  Ø uh‬‬

‫‪-183-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻣﺜــﺎل‪ :‬اﻟﺠــﺪول اﻵيت ﻳﻮﺿــﺢ ﺗﻮزﻳــﻊ ﻋﻴﻨــﺔ ﻗﻮاﻣﻬــﺎ )‪ (400‬ﻣﻔــﺮدة ﺣﺴــﺐ ﻗــﺮاءة اﻟﺼــﺤﻒ اﻟﻴﻮﻣﻴــﺔ‪،‬‬
‫واﺳﺘﺨﺪام ﻣﻮاﻗﻊ اﻟﺘﻮاﺻﻞ اﻻﺟﺘامﻋﻲ ﻋﱪ اﻹﻧﱰﻧﺖ‪:‬‬
‫ﻗﺮاءة اﻟﺼﺤﻒ‬ ‫اﺳﺘﺨﺪام ﻣﻮاﻗﻊ اﻟﺘﻮاﺻﻞ‬
‫ﻻ‬ ‫ﻧﻌﻢ‬
‫)ب(‬ ‫)أ (‬
‫ﻧﻌﻢ‬
‫‪20‬‬ ‫‪215‬‬
‫)د(‬ ‫)ج(‬
‫ﻻ‬
‫‪45‬‬ ‫‪120‬‬
‫ﻓﺈذا أردﻧﺎ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻﻗﱰان‪ ،‬ﻓﺈﻧﻪ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة ﻳﻜﻮن‪:‬‬

‫)‪(120 u 20)  (45 u 215‬‬

‫= ‪0.602‬‬
‫)‪(120 u 20)  (45 u 215‬‬

‫ﻣﻮﺟﺒﺎ ﻗﺪره )‪ (0.602‬ﺑني ﻗـﺮاءة اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ واﺳـﺘﺨﺪام ﻣﻮاﻗـﻊ اﻟﺘﻮاﺻـﻞ‬

‫ً‬ ‫ً‬
‫ارﺗﺒﺎﻃﺎ‬ ‫أي أن ﻫﻨﺎك‬
‫اﻻﺟﺘامﻋﻲ ﻋﱪ اﻹﻧﱰﻧﺖ‪.‬‬

‫)‪ (3‬ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺳﺒريﻣﺎن ﻟﻠﺮﺗﺐ‪:‬‬

‫ﻛﺜ ًريا ﻣﺎ ﻳﻬﺪف اﻟﺒﺤﺚ إﱃ ﻗﻴﺎس اﻻرﺗﺒﺎط ﺑني ﺗﺮﺗﻴﺐ اﻷﻓﺮاد أو اﻷﺷﻴﺎء ﰲ ﺻـﻔﺔ ﻣﻌﻴﻨـﺔ وﺗـﺮﺗﻴﺒﻬﻢ ﰲ‬
‫ﺻــﻔﺔ أﺧــﺮى‪ ،‬وﻫﻨــﺎ ﻳﺴــﺘﺨﺪم ﻣﻌﺎﻣــﻞ ارﺗﺒــﺎط ﺳــﺒريﻣﺎن ﻟﻠﺮﺗــﺐ ‪(Spearman's Coefficient of Rank‬‬
‫)‪ ،Correlation‬ﻛام ميﻜﻦ اﺳﺘﺨﺪام ﻫﺬا اﳌﻌﺎﻣﻞ إذا ﻛﺎن أﺣﺪ اﳌﺘﻐريﻳﻦ أو ﻛﻼﻫـام ﻣـﻦ اﻟﻨـﻮع اﻟﻔﺌـﻮي أو‬
‫اﻟﻨﺴﺒﻲ‪ ،‬وذﻟﻚ ﺑﻌﺪ ﺗﺤﻮﻳﻞ اﻟﺒﻴﺎﻧﺎت إﱃ رﺗﺐ‪.‬‬

‫وﰲ ﻣﺠﺎل اﻹﻋﻼم ﻗﺪ ﻳﺮﻳﺪ اﻟﺒﺎﺣﺚ ﻣﻌﺮﻓﺔ اﻻرﺗﺒﺎط ﺑني ﺗﺮﺗﻴﺐ اﻷﻓﺮاد ﻣﻦ ﺣﻴﺚ اﻻﻫـﺘامم‬
‫مبﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن وﺗﺮﺗﻴﺒﻬﻢ ﻣﻦ ﺣﻴﺚ اﻻﻫـﺘامم ﺑﻘـﺮاءة اﻟﺼـﺤﻒ‪ ،‬وﰲ ﻛﺜـري ﻣـﻦ اﻷﺣﻴـﺎن‬
‫ﻛﻤﻴـﺎ‪ ،‬وﻟﻜـﻦ ﻳﺴـﻬﻞ ﺗﻌﻴـني رﺗـﺐ ﻟﻠﺼـﻔﺔ أو اﻟﺴـﻠﻮك اﳌـﺮاد‬
‫ﻗﻴﺎﺳـﺎ ّ‬
‫ﻳﺼﻌﺐ ﻗﻴﺎس ﻣﺘﻐـري ﻣـﺎ ً‬
‫ﻓﻤﺜﻼ إذا ﻛﺎن ﻟـﺪﻳﻨﺎ ﺧﻤﺴـﺔ ﻣﻘـﺎﻻت ﺻـﺤﻔﻴﺔ وأردﻧـﺎ اﻟﺘﻤﻴﻴـﺰ ﺑـني‬
‫دراﺳﺘﻪ ﻋﻦ ﻫﺬا اﳌﺘﻐري‪ً ،‬‬

‫‪-184-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻫﺬه اﳌﻘﺎﻻت ﻣﻦ ﺣﻴﺚ إﻋﺠﺎب اﻟﻘﺮاء ﺑﻬﺎ‪ ،‬ﻧﺠﺪ أﻧﻪ ﻳﺴـﻬﻞ ﻋـﲆ اﻷﻓـﺮاد ﺗﺮﺗﻴـﺐ ﺗﻠـﻚ اﳌﻘـﺎﻻت ﺣﺴـﺐ‬
‫ﺟﺪا‪ ،‬ﺿـﻌﻴﻒ‪ ،‬ﻣﺘﻮﺳـﻂ‪،‬‬
‫درﺟﺔ إﻋﺠﺎﺑﻬﻢ ﺑﻬﺎ‪ ،‬ﻛﺄن ﻧﻄﻠﺐ ﻣﻦ اﳌﺒﺤﻮﺛني إﻋﻄﺎء ﺗﻘﺪﻳﺮ ﻟﻜﻞ ﻣﻘﺎل )ﺿﻌﻴﻒ ّ‬
‫أﻋﲆ ﻣﻦ اﳌﺘﻮﺳﻂ‪ ،‬ﻣﻤﺘﺎز( وﺗﻜﻮن اﻟﺮﺗﺐ ﻟﻬﺬه اﻟﺘﻘﺪﻳﺮات ﻋﲆ اﻟﺘـﻮاﱄ ﻫـﻲ )‪ ،(5 ،4 ،3 ،2 ،1‬وﻗـﺪ ﻳﺮﻳـﺪ‬
‫اﻟﺒﺎﺣـﺚ ﻣﻌـﺮﻓﺔ ارﺗﺒﺎط ذﻟﻚ مبﺴﺘﻮى اﻟﺘﻌﻠﻴﻢ )ﻳﻘﺮأ وﻳﻜﺘﺐ‪ ،‬اﻻﺑﺘـﺪاﺋﻴﺔ‪ ،‬اﻹﻋــﺪادﻳﺔ‪ ،‬اﻟﺜﺎﻧــﻮﻳﺔ‪ ،‬ﺟـﺎﻣﻌﻲ‬
‫ﻓﺄﻋﲆ(‪ ،‬وﺗﻜﻮن اﻟﺮﺗﺐ ﻟﻬﺬه اﳌﺴﺘﻮﻳﺎت ﻋﲆ اﻟﺘﻮاﱄ ﻫﻲ )‪(5 ،4 ،3 ،2 ،1‬؛ أي أن ﻛﻼ اﳌﺘﻐريﻳﻦ ﻳﺄﺧـﺬ رًﺗﺒـﺎ‬
‫ﻣﻌﻴﻨﺔ‪ ،‬ﻣﻊ ﻣﺮاﻋﺎة أن ﺗﻜﻮن رﺗﺐ اﳌﺘﻐريﻳﻦ ﰲ اﺗﺠﺎه واﺣـﺪ )ﻣـﻦ اﻷﻛـﱪ إﱃ اﻷﺻـﻐﺮ‪ ،‬أو ﻣـﻦ اﻷﺻـﻐﺮ إﱃ‬
‫ﻣﺜﻼ ﺗﺮﺗﻴﺐ أﺣﺪ اﳌﺘﻐريﻳﻦ ﻣﻦ اﻷﺻﻐﺮ إﱃ اﻷﻛﱪ‪ ،‬وﺗﺮﺗﻴـﺐ اﳌﺘﻐـري‬
‫اﻷﻛﱪ وذﻟﻚ ﻟﻜﻼ اﳌﺘﻐريﻳﻦ(‪) ،‬ﻓﻼ ﻳﺼﺢ ً‬
‫اﻟﺜﺎين ﻣﻦ اﻷﻛﱪ إﱃ اﻷﺻﻐﺮ(‪ ،‬ومبﻮﺟﺐ ذﻟﻚ ﻳﺘﻢ اﺳﺘﺨـﺪام ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺳﺒريﻣﺎن ﻟﻠﺮﺗﺐ وﻓﻖ اﻟﻘﺎﻧﻮن‪:‬‬
‫‪2‬‬
‫‪ϑ Ξϣ 6‬‬
‫ر = ‪-1‬‬
‫‪(1- 2 ϥ) ϥ‬‬

‫ﺣﻴﺚ ر‪ :‬ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‬

‫ن‪ :‬ﻋﺪد ﻣﻔﺮدات اﻟﻌﻴﻨﺔ‪ ،‬وﺗﻌﱪ ﻋﻦ أزواج اﻟﺒﻴﺎﻧﺎت )ﻟﻠﻤﺘﻐريﻳﻦ(‬
‫ف‪ :‬اﻟﻔﺮق ﺑني رﺗﺐ اﳌﺘﻐريﻳﻦ )وﺑﺎﻟﺘﺎﱄ ﻓﺈن ف‪ 2‬ﺗﻌﻨـﻲ ﻣﺠﻤـﻮع ﻣﺮﺑﻌـﺎت اﻟﻔـﺮوق ﺑـني رﺗـﺐ‬
‫اﳌﺘﻐريﻳﻦ(‬
‫ﻓﺈذا ﻛﺎن ﻟﺪﻳﻨﺎ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ 30‬ﻣﻦ اﻟﺸﺒﺎب‪ ،‬وﻗﺪ ﺣﺼﻞ ﻛﻞ ﻣﻨﻬﻢ ﻋـﲆ درﺟـﺔ ﻣﻌﻴﻨـﺔ ﻋـﲆ ﻣﻘﻴـﺎس‬
‫اﻻﺳﺘﺨﺪاﻣﺎت واﻹﺷﺒﺎﻋﺎت‪ ،‬ودرﺟﺔ أﺧﺮى ﻋﲆ ﻣﻘﻴﺎس اﳌﻌﺮﻓﺔ‪ ،‬ﻓﺈن ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻟﺮﺗـﺐ ﻟﺴـﺒريﻣﺎن ﻳـﺘﻢ‬
‫ﻛﺎﻵيت‪:‬‬

‫‪ -‬ﺗﺮﺗﻴﺐ ﻫﺆﻻء اﳌﻔﺤﻮﺻني ﺣﺴﺐ درﺟﺎﺗﻬﻢ ﻋﲆ اﳌﻘﻴـﺎس اﻷول‪ ،‬وﻛـﺬﻟﻚ ﺗـﺮﺗﻴﺒﻬﻢ ﺣﺴـﺐ درﺟـﺎﺗﻬﻢ‬
‫ﻋﲆ اﳌﻘﻴﺎس اﻟﺜﺎين‪ ،‬ﻓﻴﻜﻮن ﻟﻜﻞ ﻣﻔﺤـﻮص ﺗﺮﺗﻴﺒـﺎن )اﻟﱰﺗﻴـﺐ ﻋـﲆ اﳌﻘﻴـﺎس اﻷول واﻟﱰﺗﻴـﺐ ﻋـﲆ‬
‫اﳌﻘﻴﺎس اﻟﺜﺎين(‪.‬‬

‫‪-185-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫‪ -‬ﺣﺴﺎب اﻟﻔﺮوق ﺑني ﺗﺮﺗﻴﺐ ﻛﻞ ﻣﻔﺤﻮص ﰲ اﻟﺪرﺟﺔ ﻋﲆ اﳌﻘﻴﺎس اﻷول وﺗﺮﺗﻴـﺐ اﳌﻔﺤـﻮص ﻧﻔﺴـﻪ‬
‫ﰲ اﻟﺪرﺟﺔ ﻋﲆ اﳌﻘﻴﺎس اﻟﺜﺎين‪ ،‬ﻓﺈذا ﻛﺎن أﺣﺪ اﳌﻔﺤﻮﺻني ﻗﺪ ﺣﺼﻞ ﻋﲆ اﻟﱰﺗﻴﺐ اﻟﺴﺎﺑﻊ ﰲ اﻟﺪرﺟﺔ‬
‫ﻋﲆ اﳌﻘﻴﺎس اﻷول وﺣﺼﻞ ﻋﲆ اﻟﱰﺗﻴﺐ اﻟﻌﺎﴍ ﰲ اﻟﺪرﺟﺔ ﻋﲆ اﳌﻘﻴﺎس اﻟﺜﺎين‪ ،‬ﻓـﺈن اﻟﻔـﺮق ﻳﻜـﻮن‬
‫‪3- = 10 -7‬‬

‫‪ -‬ﺗﺮﺑﻴﻊ اﻟﻔﺮوق ﺑـني اﻟﱰﺗﻴﺒﻴــﻦ وذﻟـﻚ ﻟﻜـﻞ ﻣﺒﺤـﻮث ﰲ اﻟﻌﻴﻨـﺔ‪ ،‬ﻓـﺈذا ﻛـﺎن اﻟﻔـﺮق ﺑـني اﻟﱰﺗﻴﺒﻴــﻦ‬
‫ﻟﻠﻤﺒﺤﻮث اﻷول ﻫﻮ ‪ ،3-‬ﻓﺈن ﺗﺮﺑﻴﻊ ﻫﺬا اﻟﻔﺮق ﻳﻜﻮن‪ 9 = 3- × 3- :‬وﻫﻜﺬا ﻟﻜـﻞ ﻓـﺮد ﻣـﻦ أﻓـﺮاد‬
‫اﻟﻌﻴﻨﺔ‪.‬‬

‫‪ -‬ﺟﻤﻊ ﻣﺮﺑﻌﺎت اﻟﻔﺮوق‪ ،‬ﻓﻨﺤﺼﻞ ﺑﺬﻟﻚ ﻋﲆ ﻣﺞ ف‪.2‬‬

‫وﺑﺎﺳﺘﺨﺪام اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة ميﻜﻦ ﺣﺴﺎب ﻣﻌﺎﻣﻞ ارﺗﺒﺎط اﻟﺮﺗﺐ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ اﻟﻌﻴﻨـﺔ ﺗﺘﻜـﻮن ﻣـﻦ ‪30‬‬
‫ﺷﺨﺼﺎ وﻛﺎن ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت اﻟﻔﺮوق ﻫﻮ ‪ً 428‬‬
‫ﻣﺜﻼ‪ ،‬ﻓﺈن ﻣﻌﺎﻣﻞ ارﺗﺒﺎط اﻟﺮﺗﺐ‪:‬‬ ‫ً‬

‫‪0.905 = (428) 6‬‬ ‫ر=‪-1‬‬

‫‪(1 900) 30‬‬

‫ﻣﺜﺎل ﺗﻮﺿﻴﺤﻲ‪:‬‬

‫ﻓﻴام ﻳﲇ درﺟﺎت ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ﻋﴩة ﻣﺒﺤﻮﺛني ﻋﲆ ﻣﻘﻴﺎس ﻛﺜﺎﻓﺔ اﺳﺘﺨﺪام ﻣﻮاﻗـﻊ اﻟﺘﻮاﺻـﻞ اﻻﺟﺘامﻋـﻲ‬
‫)اﳌﺘﻐري س( ودرﺟﺎﺗﻬﻢ ﻋﲆ ﻣﻘﻴﺎس اﳌﻌﺮﻓﺔ ﺑﺎﻟﺴﻴﺎﺳﺔ اﻟﺪاﺧﻠﻴﺔ )اﳌﺘﻐري ص(‪:‬‬
‫اﻟﺨﺎﻣﺲ اﻟﺴﺎدس اﻟﺴﺎﺑﻊ اﻟﺜﺎﻣﻦ اﻟﺘﺎﺳﻊ اﻟﻌﺎﴍ‬ ‫اﻟﺮاﺑﻊ‬ ‫اﻟﺜﺎﻟﺚ‬ ‫اﻟﺜﺎين‬ ‫اﳌﺒﺤﻮث اﻷول‬
‫‪7‬‬ ‫‪16‬‬ ‫‪11‬‬ ‫‪14‬‬ ‫‪8‬‬ ‫‪10‬‬ ‫‪9‬‬ ‫‪13‬‬ ‫‪12‬‬ ‫‪15‬‬ ‫س‬
‫‪6‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪13‬‬ ‫‪9‬‬ ‫‪11‬‬ ‫‪8‬‬ ‫‪14‬‬ ‫‪7‬‬ ‫‪14‬‬ ‫ص‬

‫ﻧﻼﺣﻆ ﰲ ﻫﺬا اﳌﺜﺎل أن ﻟﻜﻞ ﻣﺒﺤـﻮث درﺟـﺔ ﻋـﲆ اﳌﺘﻐـري )س(‪ ،‬ودرﺟـﺔ أﺧـﺮى ﻋـﲆ‬
‫اﳌﺘﻐري )ص(‪ ،‬وﻧﻘﻄﺔ اﻟﺒﺪء ﻫﻲ إﻋﻄﺎء رﺗﺒﺔ ﻟﻜﻞ درﺟﺔ؛ أي أن اﳌﺒﺤـﻮث اﻟﻮاﺣـﺪ ﻳﻜـﻮن ﻟـﻪ‬

‫‪-186-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫رﺗﺒﺔ ﻋﲆ اﳌﺘﻐري )س(‪ ،‬ورﺗﺒﺔ ﺛﺎﻧﻴﺔ ﻋﲆ اﳌﺘﻐري )ص(‪ ،‬وذﻟﻚ ﺣﺴﺐ درﺟﺘﻪ‪ ،‬ﻣﻊ ﻣﺮاﻋﺎة أن اﻟﻘﻴﻢ اﳌﺘﻜـﺮرة‬
‫ﺗﺄﺧﺬ اﻟﺮﺗﺒﺔ ﻧﻔﺴﻬﺎ‪ ،‬ﺛﻢ ﻳﺘﻢ ﺣﺴﺎب اﻟﻔﺮوق ﺑني اﻟﺮﺗﺐ ﻋﲆ اﳌﺘﻐري )س( واﻟﺮﺗﺐ ﻋﲆ اﳌﺘﻐـري )ص(‪ ،‬وﻣـﻦ‬
‫ﺛﻢ ﺗﺮﺑﻴﻊ ﻫﺬه اﻟﻔﺮوق‪ ،‬ﻓﻨﺤﺼﻞ ﻋﲆ اﻟﺠﺪول اﻟﺘﺎﱄ‪:‬‬
‫ّ‬
‫)ف‪(2‬‬ ‫)ف(‬ ‫رﺗﺐ )ص(‬ ‫رﺗﺐ )س(‬ ‫)ص(‬ ‫)س(‬
‫ﺻﻔﺮ‬ ‫ﺻﻔﺮ‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪14‬‬ ‫‪15‬‬
‫‪9‬‬ ‫‪3‬‬ ‫‪8‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪12‬‬
‫‪4‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪14‬‬ ‫‪13‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪9‬‬
‫‪9‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪7‬‬ ‫‪11‬‬ ‫‪10‬‬
‫‪9‬‬ ‫‪3‬‬ ‫‪6‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪8‬‬
‫ﺻﻔﺮ‬ ‫ﺻﻔﺮ‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪13‬‬ ‫‪14‬‬
‫‪25‬‬ ‫‪5‬‬ ‫‪1‬‬ ‫‪6‬‬ ‫‪15‬‬ ‫‪11‬‬
‫‪16‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪1‬‬ ‫‪10‬‬ ‫‪16‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪6‬‬ ‫‪7‬‬
‫إن إﺟامﱄ ف‪ 2‬وﻫﻲ ﻣﺮﺑﻌﺎت اﻟﻔﺮوق )اﻟﻌﻤﻮد اﻷﺧري( ﻳﺴﺎوي )‪ ،(74‬أي أن )ﻣﺞ ف‪ ،(74 = 2‬ﻛام أن‬
‫ﻟﺪﻳﻨﺎ ﻋﴩة ﻣﺒﺤﻮﺛني؛ أي أن ﻗﻴﻤﺔ ن = ‪ 10‬وﺑﺎﻟﺘﻌﻮﻳﺾ ﰲ اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة ﻧﺤﺼﻞ ﻋـﲆ ﻣﻌﺎﻣـﻞ ارﺗﺒـﺎط‬
‫اﻟﺮﺗﺐ )ﺳﺒريﻣﺎن(؛ أي أن‪:‬‬

‫ر = ‪0.55 = (74) 6 - 1‬‬

‫‪(99) 10‬‬

‫وﺑﺎﻟﺮﺟﻮع إﱃ ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﳌﻌﺎﻣﻞ ارﺗﺒﺎط اﻟﺮﺗﺐ ﻟﺴﺒريﻣﺎن ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ )‪ (10‬ﰲ اﺧﺘﺒـﺎر‬
‫ذي اﻟﻨﻬﺎﻳﺔ اﻟﻮاﺣﺪة ﻧﺠﺪ أن اﻟﻘﻴﻤﺔ اﻟﺠﺪوﻟﻴﺔ ﻫﻲ )‪(0.564‬؛ أي أن اﻟﻘﻴﻤـﺔ اﳌﺤﺴـﻮﺑﺔ أﻗـﻞ ﻣـﻦ اﻟﻘﻴﻤـﺔ‬
‫اﻟﺠﺪوﻟﻴﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ﺑني ﻛﺜﺎﻓﺔ اﺳـﺘﺨﺪام ﻣﻮاﻗـﻊ اﻟﺘﻮاﺻـﻞ اﻻﺟﺘامﻋـﻲ واﳌﻌﺮﻓـﺔ ﺑﺎﻟﺴﻴﺎﺳـﺔ‬
‫اﻟﺪاﺧﻠﻴﺔ‪ ،‬وميﻜﻦ ﺗﻔﺴري ذﻟﻚ ﺑﺄن اﻟﻜﺜريﻳﻦ ﻣـﻦ ﻫـﺆﻻء اﻟـﺬﻳﻦ ﻳﺴـﺘﺨﺪﻣﻮن ﻣﻮاﻗـﻊ اﻟﺘﻮاﺻـﻞ اﻻﺟﺘامﻋـﻲ‬
‫ﺑﻜﺜﺎﻓﺔ ﻻ ﻳﺴﺘﺨﺪﻣﻮﻧﻬﺎ ﺑﺎﻟﻀـﺮورة ﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﺔ اﻟﺪاﺧﻠﻴﺔ ﻟﻠﺪوﻟﺔ‪ ،‬وإمنـﺎ ﻳﺴـﺘﺨﺪﻣﻮﻧﻬﺎ ﻷﻏـﺮاض أﺧـﺮى‬
‫ﻣﺜﻞ اﻟﺘﺴﻠﻴﺔ وﻗﻀﺎء اﻟﻮﻗﺖ‪ ...‬إﻟﺦ‪.‬‬

‫‪-187-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫وﻳﺸﻴﻊ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ارﺗﺒﺎط اﻟﺮﺗﺐ ﻟﺴﺒريﻣﺎن ﰲ ﺣﺎﻻت اﻟﻌﻴﻨﺎت ﺻﻐرية اﻟﺤﺠﻢ )‪ ،(n d 30‬وميﻜﻦ‬
‫اﻟﺘﻌﺮف ﻋﲆ اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﳌﻌﺎﻣﻞ ارﺗﺒﺎط اﻟﺮﺗﺐ ﺑﺎﺳﺘﺨﺪام اﻟﺠﺪاول اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬وذﻟﻚ ﻋﻨـﺪ ﻣﺴـﺘﻮى‬
‫ﺛﻘﺔ ﻣﻌني ﺑﺪﻻﻟﺔ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺤﺴـﻮﺑﺔ أﻗـﻞ ﻣـﻦ اﻟﻘﻴﻤـﺔ اﻟﺠﺪوﻟﻴـﺔ‪،‬‬
‫ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أﻧﻪ ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ﺑني اﳌﺘﻐريﻳﻦ‪ ،‬أﻣﺎ إذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺤﺴﻮﺑﺔ أﻛﱪ ﻣـﻦ‬
‫اﻟﻘﻴﻤﺔ اﻟﺠﺪوﻟﻴﺔ‪ ،‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ وﺟﻮد ارﺗﺒﺎط ﺑني اﳌﺘﻐريﻳﻦ‪.‬‬

‫)‪ (4‬ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺟﺎﻣﺎ‪:‬‬

‫ﻳﺴﺘﺨﺪم ارﺗﺒﺎط ﺟﺎﻣﺎ )‪ً (Gamma‬‬

‫أﻳﻀﺎ ﳌﻌﺮﻓﺔ اﻻرﺗﺒﺎط ﺑـني اﳌﺘﻐـريات اﻟﺮﺗﺒﻴـﺔ‪ ،‬وﻳﺸـﻴﻊ اﺳـﺘﺨﺪاﻣﻪ‬
‫ﺑﻜرثة إذا ﻛﺎن ﻟﺪﻳﻨﺎ رﺗﺒﺘﺎن ﻓﻘﻂ ﻟﻜﻞ ﻣﺘﻐري‪ ،‬ﺧﺎﺻﺔ ﻋﻨﺪﻣﺎ ﺗﺘﻜﺮر ﺑﻌﺾ اﻟﻘﻴﻢ ﰲ اﳌﺘﻐـري اﻟﻮاﺣـﺪ‪ ،‬وﻳﻄﻠـﻖ‬
‫ﻋﲆ اﻟﺒﻴﺎﻧﺎت ﻣﻦ ﻫﺬا اﻟﻨﻮع اﻟﺒﻴﺎﻧﺎت اﳌﺮﺑﻮﻃﺔ أو اﳌﻨﻌﻘﺪة )‪ ،(Tied Data‬وﻳﻜﻮن اﻟﱰﺗﻴﺐ ﻟﻜﻞ ﻣﺘﻐـري ﻟـﻪ‬
‫ﻧﻄﺎق ﺿﻴﻖ ﻣام ﻳﺆدي إﱃ زﻳﺎدة ﰲ اﻟﺘﻜﺮارات ﻟﻨﻔﺲ اﻟﺮﺗﺒﺔ وﻟﻨﻔﺲ اﻷﺷﺨﺎص‪ ،‬وﺣﻴﻨام ﻳﺼﺎﺣﺐ ذﻟﻚ ﻋﺪد‬
‫ﻛﺒري ﻷزواج ﻗﻴﻢ اﳌﺘﻐريﻳﻦ‪ ،‬ﻓﺈﻧﻪ ﻻ ﻳﻜﻮن ﻣﻦ اﳌﻨﺎﺳﺐ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ﺳﺒريﻣﺎن‪ ،‬وﻳﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ ﺟﺎﻣـﺎ‬
‫أﻳﻀﺎ إذا ﻛﺎﻧﺖ اﻟﺘﻜﺮارات ﺗﺘﻮزع ﰲ ﺧﻼﻳﺎ اﻟﺠﺪول ﺑﻔﺮوق ﻛﺒـرية‪ ،‬مبﻌﻨـﻰ أن ﻏﺎﻟﺒﻴـﺔ أو ﻣﻌﻈـﻢ اﻟﺘﻜـﺮارات‬
‫ً‬
‫ﺗﺘﺠﻤﻊ ﰲ ﺧﻠﻴﺔ واﺣﺪة أو ﰲ ﻋﺪد ﻣﺤﺪود ﻣﻦ اﻟﺨﻼﻳـﺎ ﺑﻴـﻨام ﻳﻮﺟـﺪ ﰲ اﻟﺨﻼﻳـﺎ اﻷﺧـﺮى ﺗﻜـﺮارات ﻗﻠﻴﻠـﺔ‪،‬‬
‫وﻳﻌﺘﻤﺪ ﻗﺎﻧﻮن ﻣﻌﺎﻣﻞ ﺟﺎﻣﺎ ﻋﲆ ﺟـﺪول اﻟﺘﻜـﺮار اﳌـﺰدوج وﻋـﲆ ﺣـﺎﻻت اﻻﺗﻔـﺎق واﻻﺧـﺘﻼف ﺑـني أزواج‬
‫اﻟﻘﻴﻢ‪ ،‬وﻳﺘﻤﺜﻞ ﻫﺬا اﻟﻘﺎﻧﻮن ﰲ‪:‬‬

‫‪Υϥ - ϕϥ‬‬
‫ج=‬
‫‪Υϥ‬‬ ‫‪ϕ ϥ‬‬

‫ﺣﻴﺚ ج‪ :‬ﻣﻌﺎﻣﻞ ﺟﺎﻣﺎ‬

‫نق‪ :‬ﺣﺎﺻﻞ ﴐب ﻋﺪد ﺣﺎﻻت اﻻﺗﻔﺎق‬

‫‪-188-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫نخ‪ :‬ﺣﺎﺻﻞ ﴐب ﻋﺪد ﺣﺎﻻت اﻻﺧﺘﻼف‬

‫ﻣﺜﺎل‪:‬‬

‫اﻟﺠﺪول اﻵيت ﻳﻮﺿﺢ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻣـﻦ اﳌﺒﺤـﻮﺛني ﺣﺴـﺐ ﻣﻌـﺪل ﻗـﺮاءة اﻟﺼـﺤﻒ وﻣﻌـﺪل ﻣﺸـﺎﻫﺪة‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن‪:‬‬
‫ﻣﻌﺪل ﻗﺮاءة اﻟﺼﺤﻒ‬ ‫ﻣﻌﺪل ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‬

‫ﻣﺘﻮﺳﻂ‬ ‫ﻣﻨﺨﻔﺾ‬

‫‪) 41‬ب(‬ ‫‪) 28‬أ(‬ ‫ﻣﻨﺨﻔﺾ‬

‫‪) 23‬د(‬ ‫‪) 12‬ج(‬ ‫ﻣﺘﻮﺳﻂ‬

‫إن ﻣﻌﺎﻣﻞ ﺟﺎﻣﺎ ﻳﻌﺘﻤﺪ ﻋﲆ ﺗﻜﺮارات اﻻﺗﻔﺎق وﺗﻜﺮارات اﻻﺧﺘﻼف ﺑني اﳌﺘﻐريﻳﻦ ﰲ اﻟﺠـﺪول اﳌـﺰدوج‪،‬‬
‫وﻟﺘﻮﺿﻴﺢ ذﻟﻚ‪ ،‬ﻓﺈن اﻟﺨﻠﻴﺔ اﻷوﱃ )وﻟرنﻣﺰ ﻟﻬﺎ ﺑﺎﻟﺨﻠﻴﺔ أ( ﺗﺘﻀﻤﻦ ‪ 28‬ﺗﻜﺮا ًرا‪ ،‬أﻣﺎ اﻟﺨﻠﻴﺔ اﻟﺜﺎﻧﻴﺔ )وﻟرنﻣﺰ ﻟﻬـﺎ‬
‫ﺑﺎﻟﺨﻠﻴﺔ ب‪ ،‬ﻓﺈﻧﻬﺎ ﺗﺘﻀﻤﻦ ‪ 41‬ﺗﻜﺮا ًرا‪ ،‬ﰲ ﺣني ﺗﺘﻀﻤﻦ اﻟﺨﻠﻴﺔ اﻟﺜﺎﻟﺜـﺔ )اﻟﺨﻠﻴـﺔ ج( ‪ 12‬ﺗﻜـﺮا ًرا‪ ،‬وأﺧـ ًريا ﻓـﺈن‬
‫ً‬
‫ﻣﺒﺤﻮﺛﺎ ﻣـﻦ ذوي اﳌﻌـﺪل‬ ‫اﻟﺨﻠﻴﺔ اﻟﺮاﺑﻌﺔ )اﻟﺨﻠﻴﺔ د( ﺗﺘﻀﻤﻦ ‪ 23‬ﺗﻜﺮا ًرا‪ ،‬وﻧﺘﺒني ﻣﻦ اﻟﺠﺪول أن ﻫﻨﺎك ‪28‬‬
‫اﳌﻨﺨﻔﺾ ﰲ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن وﻣﻌـﺪل ﻗـﺮاءة اﻟﺼـﺤﻒ )ﻣـﻨﺨﻔﺾ & ﻣـﻨﺨﻔﺾ(‪ ،‬ﻛـام أن ﻫﻨـﺎك ‪41‬‬
‫ً‬
‫ﻣﺒﺤﻮﺛﺎ ﻣﻦ ذوي اﳌﻌﺪل اﳌﻨﺨﻔﺾ ﰲ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن وﰲ اﻟﻮﻗﺖ ﻧﻔﺴﻪ ﻣﻌﺪل ﻣﺘﻮﺳـﻂ ﻣـﻦ ﺣﻴـﺚ‬
‫ً‬
‫ﻣﺒﺤﻮﺛﺎ ﻣﻦ ذوي اﳌﻌﺪل اﳌـﻨﺨﻔﺾ ﻓـﻴام ﻳﺨـﺺ ﻗـﺮاءة‬ ‫ﻗﺮاءة اﻟﺼﺤﻒ )ﻣﻨﺨﻔﺾ & ﻣﺘﻮﺳﻂ(‪ ،‬وﻫﻨﺎك ‪12‬‬
‫اﻟﺼﺤﻒ وﻣﻌﺪل ﻣﺘﻮﺳﻂ ﻣﻦ ﺣﻴﺚ ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن )ﻣـﻨﺨﻔﺾ‪ ،‬ﻣﺘﻮﺳـﻂ(‪ ،‬أﺧـ ًريا‪ ،‬ﻓـﺈن ﻫﻨـﺎك ‪23‬‬
‫ً‬
‫ﻣﺒﺤﻮﺛﺎ ذوي ﻣﻌﺪل ﻣﺘﻮﺳﻂ ﻣﻦ ﺣﻴﺚ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن وﰲ اﻟﻮﻗﺖ ﻧﻔﺴﻪ ﻣﻌﺪل ﻣﺘﻮﺳﻂ ﻣﻦ ﺣﻴـﺚ‬
‫ﻗﺮاءة اﻟﺼﺤﻒ )ﻣﺘﻮﺳﻂ & ﻣﺘﻮﺳﻂ(‪.‬‬

‫ﻓﺈذا رﺟﻌﻨﺎ إﱃ ﻣﻌﺎدﻟﺔ ﻣﻌﺎﻣﻞ ﺟﺎﻣﺎ‪ ،‬ﻓﺈن اﻟﺮﻣﺰ ن ق ﻫﻮ ﺣﺎﺻﻞ ﴐب ﻋﺪد ﺣـﺎﻻت‬

‫اﻻﺗﻔــﺎق‪ ،‬وﻧﺤﺼــﻞ ﻋﻠﻴــﻪ ﺑﻀـــﺮب ﺗﻜــﺮارات اﻟﺨﻠﻴــﺔ )ا( ﰲ ﺗﻜــﺮارات اﻟﺨﻠﻴــﺔ )د(؛ أي‬

‫‪-189-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫‪ ،644 =23 ×28‬أﻣﺎ اﻟﺮﻣﺰ ن خ ﻓﻬﻮ ﺣﺎﺻﻞ ﴐب ﻋﺪد ﺣﺎﻻت اﻻﺧﺘﻼف‪ ،‬وﻧﺤﺼﻞ ﻋﻠﻴﻪ‬
‫ﺑﴬب ﺗﻜﺮارات اﻟﺨﻠﻴﺔ )ب( ﰲ ﺗﻜﺮارات اﻟﺨﻠﻴﺔ )ج(؛ أي ‪ 492 =12 ×41‬وﺗﻜﻮن ﻗﻴﻤـﺔ‬
‫ﺟﺎﻣﺎ ﺗﺴﺎوي‪:‬‬

‫ج = ‪0.134= 492  644‬‬

‫‪492  644‬‬

‫أﻳﻀـﺎ ﰲ اﻟﺘﺼـﻨﻴﻔﺎت اﻷﻛـرث ﻣـﻦ ﺛﻨﺎﺋﻴـﺔ‬

‫ﻏري أﻧـﻪ ﻣـﻦ اﻟﺠـﺪﻳﺮ ﺑﺎﻟـﺬﻛﺮ أن ﻣﻌﺎﻣـﻞ )ﺟﺎﻣـﺎ( ﻳﺴـﺘﺨﺪم ً‬
‫ﻟﻠﻤﺘﻐريات‪ ،‬ﻛﺄن ﻧﺮﻳﺪ إﻳﺠﺎد اﻟﻌﻼﻗﺔ ﺑـني ﻣﻌـﺪل ﻣﺸـﺎﻫﺪة اﻟـﱪاﻣﺞ اﻟﺴﻴﺎﺳـﻴﺔ ﰲ اﻟﺘﻠﻴﻔﺰﻳـﻮن )ﻣـﻨﺨﻔﺾ‪،‬‬
‫ﻣﺘﻮﺳﻂ‪ ،‬ﻣﺮﺗﻔﻊ( وﻣﺴﺘﻮى اﳌﻌﺮﻓﺔ ﺑﺎﻟﻘﻀﺎﻳﺎ اﻟﺪوﻟﻴﺔ )ﻣـﻨﺨﻔﺾ‪ ،‬ﻣﺘﻮﺳـﻂ‪ ،‬ﻣﺮﺗﻔـﻊ(‪ ،‬ﻛـام ميﻜـﻦ اﺳـﺘﺨﺪام‬
‫ﻣﻌﺎﻣﻞ )ﺟﺎﻣﺎ( ﻟﺤﺴﺎب اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐري اﺳﻤﻲ وﻣﺘﻐري ﻓﺌﻮي‪.‬‬

‫)‪ (5‬ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﻛﻨﺪال‪:‬‬

‫ﻳﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﻛﻨﺪال )‪ (Kendal Correlation Coefficient‬ﰲ ﻗﻴـﺎس اﻻرﺗﺒـﺎط ﺑـني ﻣﺘﻐـريﻳﻦ‬
‫ﻛﻼﻫام ﻣﻦ اﻟﻨﻮع اﻟﺮﺗﺒﻲ وﻳﻌﺘﻤﺪ ﻋﲆ ﻧﻔﺲ ﻓﻜﺮة ﻣﻌﺎﻣﻞ ﺟﺎﻣﺎ‪ ،‬وﻳﺮﻣﺰ ﳌﻌﺎﻣﻞ ارﺗﺒـﺎط ﻛﻨـﺪال ﺑـﺎﻟﺮﻣﺰ ‪Ta‬‬
‫)ﺗﻮ أ( وﺗﻘﺮأ )ﺗﻮ أﻟﻒ( واﻟﻘﺎﻧﻮن اﳌﺴﺘﺨﺪم ﻟﺬﻟﻚ ﻋﲆ اﻟﺼﻮرة‪:‬‬

‫‪Υϥ - ϕ ϥ‬‬
‫ﺗﻮ أ =‬
‫‪(1- ϥ) ϥ 0.5‬‬

‫ﺣﻴﺚ‪ :‬ﺗﻮ أ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﻛﻨﺪال ﻣﻦ اﻟﻨﻮع أ‬

‫ﻛﺬﻟﻚ نق‪ ،‬ن خ ﻛام ﻫﻮ ﰲ ﺣﺎﻟﺔ ﻣﻌﺎﻣﻞ ﺟﺎﻣﺎ )مبﻌﻨﻰ أن‪) :‬ن ق( ﺣﺎﺻﻞ ﴐب ﻋﺪد ﺣﺎﻻت اﻻﺗﻔـﺎق‪،‬‬

‫ﺑﻴﻨام )نخ( ﻫﻲ ﺣﺎﺻﻞ ﴐب ﻋﺪد ﺣﺎﻻت اﻻﺧﺘﻼف‪ .‬أﻣﺎ اﻟﺤﺮف )ن( ﻓﻬﻮ ﻋﺪد أﻓﺮاد ﻋﻴﻨﺔ اﻟﺪراﺳﺔ‪.‬‬

‫‪-190-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻓﺈذا ﻛﺎﻧﺖ نق = ‪ 45‬ﺑﻴﻨام نخ = ‪ 23‬وﻛﺎن ﻋﺪد ﻣﻔﺮدات اﻟﻌﻴﻨـﺔ )‪ (10‬ﻓـﺈن ﻣﻌﺎﻣـﻞ ارﺗﺒـﺎط ﻛﻨـﺪال‬

‫ﻳﺴﺎوي‪:‬‬

‫‪0.49 = 22‬‬ ‫ﺗﻮ أ = ‪23  45‬‬

‫‪45‬‬ ‫‪9 u10u0.5‬‬

‫وﰲ ﺑﻌﺾ اﻟﺤﺎﻻت‪ ،‬ﻓﺈن اﻟﺮﺗﺐ ﺗﻜﻮن ﻣﺘﻜﺮرة‪ ،‬مبﻌﻨﻰ أن اﻟﻜﺜري ﻣﻦ اﳌﺒﺤﻮﺛني ﻳﺄﺧﺬون اﻟﱰﺗﻴﺐ ﻧﻔﺴـﻪ‬
‫ﻋﲆ اﳌﺘﻐريﻳﻦ‪ ،‬وﻫﻨﺎ ﻻ ﺗﺼﻞ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﻛﻨـﺪال إﱃ اﻟﻮاﺣـﺪ اﻟﺼـﺤﻴﺢ )اﻻرﺗﺒـﺎط اﻟﺘـﺎم( رﻏـﻢ أن‬
‫ﺗﺎﻣﺎ‪.‬‬ ‫ً‬
‫ارﺗﺒﺎﻃﺎ ّ‬ ‫اﳌﺘﻐريﻳﻦ ﰲ اﻟﺤﻘﻴﻘﺔ ﻗﺪ ﻳﺮﺗﺒﻄﺎن‬

‫)‪ (6‬ﻣﻌﺎﻣﻞ اﺗﻔﺎق ﻛﻨﺪال‪:‬‬

‫ﻳﺴــﺘﺨﺪم ﻣﻌﺎﻣــﻞ اﺗﻔــﺎق ﻛﻨــﺪال )‪ (Kendall Coefficient of Concordance) (W‬ﻟﺤﺴــﺎب ﻣﻌﺎﻣــﻞ‬

‫اﻻﺗﻔﺎق ﺑني اﻟﺮﺗﺐ‪ ،‬ﻓﻘﺪ ﻳﻘﺘﴤ اﻟﺒﺤﺚ ﺣﺴﺎب اﻻرﺗﺒﺎط ﺑني أﻛرث ﻣﻦ ﺗﺮﺗﻴﺒني )وﻟﻴﺲ ﺗﺮﺗﻴﺒﺎن اﺛﻨـﺎن ﻓﻘـﻂ‬
‫ﻣـﺜﻼ ﺗﻘﺼــﻲ اﻻرﺗﺒـﺎط ﺑـني‪ :‬ﺗﺮﺗﻴـﺐ ﻗـﺮاءة اﻟﺼـﺤﻒ‪ ،‬ﺗﺮﺗﻴـﺐ‬
‫ﻛام ﰲ ﺣﺎﻟﺔ ارﺗﺒﺎط ﺳـﺒريﻣﺎن(‪ ،‬ﻣـﻦ ذﻟـﻚ ً‬
‫ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﺗﺮﺗﻴﺐ اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ‪ ،‬ﺗﺮﺗﻴﺐ اﻻﺳﺘامع ﻟﻠﺮادﻳﻮ‪ .‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻧﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ‬
‫اﺗﻔﺎق ﻛﻨﺪال‪ ،‬ﻛام ﻳﺸﻴﻊ اﺳﺘﺨﺪام ﻫﺬا اﳌﻌﺎﻣﻞ ﰲ اﻟﺘﺤﻘﻖ ﻣﻦ ﺛﺒﺎت اﻻﺳﺘﺒﻴﺎﻧﺎت وﻏريﻫﺎ ﺣني ﺗﻌﺮض ﻋﲆ‬
‫ﻋﺪدا ﻣﻦ اﻟﺒﻨﻮد ﻋﲆ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﳌﺤﻜﻤني؛‬
‫ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﳌﺤﻜﻤني‪ .‬ﻟﻨﻔﺮض أﻧﻨﺎ ﻋﺮﺿﻨﺎ اﺳﺘﺒﺎﻧﺔ ﺗﺘﻀﻤﻦ ً‬
‫ﺑﻬﺪف اﻟﻜﺸﻒ ﻋﻦ ﺗﺮﺗﻴﺒﻬﻢ ﻟﻬﺬه اﻟﺒﻨﻮد ﻣﻦ ﺣﻴﺚ اﻷﻫﻤﻴﺔ واﻟﺪﻻﻟﺔ ﻟﻠﺒﺤﺚ‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ‪ ،‬ﻓﺈﻧﻪ ﳌﻌﺮﻓﺔ‬
‫ﻣﺪى اﺗﻔﺎق ﻫﺆﻻء اﳌﺤﻜﻤني ﰲ ﺗﺮﺗﻴﺐ اﻟﺒﻨﻮد ﻳﺘﻢ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﺗﻔﺎق ﻛﻨﺪال‪ ،‬ﻷﻧﻪ ﻳﺴـﻬﻞ اﻹﺟـﺮاءات‪،‬‬
‫وﻳﻨﺎﺳﺐ اﻟﺘﻌﺮف ﻋﲆ درﺟﺔ اﻻﺗﻔﺎق ﺑني اﻟﺮﺗﺐ‪ ،‬وﻳﺘﻤﺜﻞ ﻗﺎﻧﻮن اﺗﻔﺎق ﻛﻨﺪال ﰲ اﻟﺼﻮرة اﻵﺗﻴﺔ‪:‬‬

‫‪2‬‬
‫‪ϑ Ξϣ 6 2‬‬
‫‪u‬‬ ‫ر=‬
‫‪(1- 2 ϥ) ϥ 2 ϡ‬‬

‫ﺣﻴﺚ م‪ :‬ﻋﺪد اﳌﺤﻜﻤني‬

‫‪-191-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﺑﻨﻮدا ﻛﺎﻧﺖ أم أﻓﺮ ًادا‪(...‬‬

‫ن‪ :‬ﺣﺠﻢ اﻟﻌﻴﻨﺔ )ﻋﺪد اﳌﺤﻜﻮم ﻋﻠﻴﻬﻢ ً‬

‫ف‪ :2‬ﻣﺮﺑﻌﺎت اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮع رﺗﺐ ﻛﻞ ﻣﻔﺮدة واﳌﺘﻮﺳﻂ اﻟﻌﺎم ﳌﺠﻤﻮع اﻟﺮﺗﺐ‬

‫ﻣﺜﺎل‪:‬‬

‫ﰲ ﺳﻴﺎق اﻟﺘﺨﻄﻴﻂ اﻟﺴﻴﺎﳼ ﻟﻠﺘﻌﺎﻣﻞ ﻣﻊ ﻗﻀﻴﺔ اﳌﻠﻒ اﻟﻨﻮوي اﻹﻳﺮاين أﻋﺪت وﻛﺎﻟﺔ اﳌﺨﺎﺑﺮات اﳌﺮﻛﺰﻳﺔ‬
‫اﻷﻣﺮﻳﻜﻴﺔ )‪ (CIA‬إﺳﱰاﺗﻴﺠﻴﺔ دﻋﺎﺋﻴﺔ وإﻋﻼﻣﻴﺔ ﺗﺘﻀﻤﻦ ‪ 5‬ﺧﻄﻂ ﻣﺘﻜﺎﻣﻠﺔ ﻟﺘﻨﻔﻴﺬﻫﺎ ﻋﲆ اﳌﺴـﺘﻮى اﳌﺤـﲇ‬
‫واﻟﺪوﱄ ﺣﻴﺎل ﻫﺬه اﳌﺴﺄﻟﺔ‪ ،‬وﺗﻢ ﻋﺮض ﻫﺬه اﻹﺳﱰاﺗﻴﺠﻴﺔ ﻋﲆ ﺛﻼﺛﺔ ﺧﱪاء‪ .‬وﻹﻗﺮار ﻫﺬه اﻹﺳﱰاﺗﻴﺠﻴﺔ ﻻﺑﺪ‬
‫أن ﻳﻜﻮن ﻣﻌﺎﻣﻞ اﻻﺗﻔﺎق ﺑني ﻫﺆﻻء اﻟﺨﱪاء ﻻ ﻳﻘﻞ ﻋﻦ ‪ %90‬ﺑﺎﻓﱰاض أن ﻣﺞ ف‪ 2‬ﻳﺴﺎوي ‪ 72‬ﻓﻬـﻞ ﺳـﻴﺘﻢ‬
‫إﻗﺮار ﻫﺬه اﻹﺳﱰاﺗﻴﺠﻴﺔ؟‬

‫ﰲ ﻫﺬا اﳌﺜﺎل ﻧﻼﺣﻆ أن )م( = ‪ 3‬ﺑﻴﻨام ﻗﻴﻤﺔ ن = )‪ (5‬أﻣﺎ )ﻣﺞ ف‪ ( 2‬ﻓﻬﻮ )‪ ،(72‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ﻣﻌﺎﻣـﻞ‬
‫اﺗﻔﺎق ﻛﻨﺪال ﻳﺴﺎوي‪:‬‬

‫ر = ‪0.792 = 432 u 2‬‬

‫‪(24)5 9‬‬

‫أي أن ﻧﺴﺒﺔ اﻻﺗﻔﺎق ﺑني اﻟﺨﱪاء ﺣﻮل ﺗﺮﺗﻴﺐ أﻫﻤﻴﺔ ﻋﻨﺎﴏ اﻹﺳﱰاﺗﻴﺠﻴﺔ اﻟﺪﻋﺎﺋﻴـﺔ اﻷﻣﺮﻳﻜﻴـﺔ ﺑﻠﻐـﺖ‬
‫‪%79‬؛ أي أﻧﻬﺎ ﺗﻘﻞ ﻋﻦ ‪ %90‬ﻛﻨﺴﺒﺔ اﺗﻔـﺎق ﻣﻄﻠﻮﺑـﺔ ﺑـني اﻟﺨـﱪاء‪ ،‬وﺑﺎﻟﺘـﺎﱄ ﻟـﻦ ﻳـﺘﻢ إﻗـﺮار اﻹﺳـﱰاﺗﻴﺠﻴﺔ‬
‫اﳌﺬﻛﻮرة‪.‬‬

‫وﻛﺜ ًريا ﻣﺎ ﻳﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ اﺗﻔﺎق ﻛﻨﺪال ﰲ ﺑﺤﻮث اﻻﺗﺼﺎل وﻧﺤـﻦ ﺑﺼـﺪد اﻟﺘﻌـﺮف ﻋـﲆ اﻟﻌﻼﻗـﺔ ﺑـني‬
‫ﺗﺮﺗﻴﺐ اﳌﻔﺤﻮﺻني ﻟﻠﱪاﻣﺞ واﳌﻮاد اﻹﻋﻼﻣﻴﺔ اﳌﺘﻌﺪدة؛ ﻣـﻦ ﺣﻴـﺚ أﻫﻤﻴﺘﻬـﺎ ﺑﺎﻟﻨﺴـﺒﺔ ﻟﻬـﻢ ﺑﺎﻋﺘﺒـﺎر ﻫـﺆﻻء‬
‫اﳌﻔﺤﻮﺻني ﻣﻦ ﻣﺴﺘﺨﺪﻣﻲ وﺳﺎﺋﻞ اﻹﻋـﻼم‪ ،‬ﻛـام ﻳﻄﺒـﻖ ﻣﻌﺎﻣـﻞ اﺗﻔـﺎق ﻛﻨـﺪال ﻋـﲆ اﺳـﺘﺠﺎﺑﺎت اﻟﻘـﺎمئني‬
‫رﺗﺒـﺎ ﻣـﻦ ﺣﻴـﺚ‬
‫ﺑﺎﻻﺗﺼﺎل وﻧﺤﻦ ﺑﺼـﺪد رﺻـﺪ وﺗﺤﻠﻴـﻞ آراﺋﻬـﻢ وﺗﻘﻴـﻴامﺗﻬﻢ ﺑﺸـﺄن ﻗﻀـﺎﻳﺎ ﻣﻌﻴﻨـﺔ ﺗﺘﺨـﺬ ً‬
‫اﻷﻫﻤﻴﺔ‪ ...‬إﻟﺦ‪ ،‬ﻫﺬا ﺑﺎﻹﺿﺎﻓﺔ إﱃ اﺳـﺘﺨﺪام ﻣﻌﺎﻣـﻞ اﺗﻔـﺎق ﻛﻨـﺪال ﰲ اﻟﺘﺤﻘـﻖ ﻣـﻦ ﺻـﺪق أدوات ﺟﻤـﻊ‬
‫اﻟﺒﻴﺎﻧﺎت‪.‬‬
‫‪-192-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫)‪ (7‬ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﻓﺎي‪:‬‬

‫ﻳﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﻓﺎي )‪ (Phi Coefficient‬ﻟﻘﻴﺎس ﻟﻌﻼﻗﺔ ﺑني ﻣﺘﻐـريﻳﻦ اﺳـﻤﻴني ‪Two Nominal‬‬
‫ﺛﻨﺎﺋﻴـﺎ ﻣﺜـﻞ‪) :‬ﻧﻌـﻢ & ﻻ(‪) ،‬ذﻛـﺮ & أﻧﺜـﻰ( )ﻣﻮاﻓـﻖ & راﻓـﺾ(‪،‬‬
‫اﻧﻘﺴـﺎﻣﺎ ّ‬
‫ً‬ ‫)‪ (Variables‬ﻳﻨﻘﺴﻢ ﻛـﻞ ﻣـﻨﻬام‬
‫)ﺣﴬ& رﻳﻒ(‪ ...‬إﻟﺦ وﻳﺮﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻣﺰ اﻟﻼﺗﻴﻨﻲ ‪ .ø‬ﻟﻨﻔﺮض ً‬
‫ﻣﺜﻼ أن اﳌﺘﻐري اﻷول ﻫﻮ ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‬
‫ﻳﻮﻣﻴﺎ )س(‪ ،‬أﻣﺎ اﳌﺘﻐري اﻟﺜﺎين‪ ،‬ﻓﻬﻮ ﻗﺮاءة اﻟﺼﺤﻴﻔﺔ ﺑﺎﻧﺘﻈـﺎم )ص(‪ ،‬وﻫﻨـﺎ ﻳﻜـﻮن ﺗﻮزﻳـﻊ اﳌﺒﺤـﻮﺛني ﺣﺴـﺐ‬
‫ّ‬
‫ﻫﺬﻳﻦ اﳌﺘﻐريﻳﻦ ﻛام ﻳﲇ‪:‬‬
‫اﻟﻘﺮاءة )ص(‬
‫اﳌﺸﺎﻫﺪة )س(‬
‫ﻻ‬ ‫ﻧﻌﻢ‬
‫ب‬ ‫أ‬ ‫ﻧﻌﻢ‬
‫د‬ ‫ج‬ ‫ﻻ‬

‫ﻓﺎﻟﺮﻣﻮز أ‪ ،‬ب‪ ،‬ج‪ ،‬د ﻫﻲ اﳌﺸﺎﻫﺪات ﰲ ﺻـﻮرة ﺗﻜـﺮارات ﺗﺘـﻮزع ﻋـﲆ اﻷﻗﺴـﺎم اﳌﺨﺘﻠﻔـﺔ ﻟﻜـﻞ ﻣـﻦ‬
‫ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﻳﻮﻣﻴّﺎ )س(‪ ،‬وﻗﺮاءة اﻟﺼﺤﻴﻔﺔ ﺑﺎﻧﺘﻈﺎم )ص(‪ ،‬وﻳـﺘﻢ ﺣﺴـﺎب ارﺗﺒـﺎط ﻓـﺎي )‪ (Phi‬ﺑـني‬
‫اﺳﺘﺠﺎﺑﺎت اﳌﻔﺤﻮﺻني ﻋﲆ ﻫﺬﻳﻦ اﳌﺘﻐريﻳﻦ ﺑﺎﺳﺘﺨﺪام اﻟﻘﺎﻧﻮن‪:‬‬
‫أ×د–ب×ج‬
‫ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
‫‪=I‬‬

‫)أ ‪ +‬ب( )ج ‪ +‬د( )أ ‪ +‬ج( )ب ‪ +‬د(‬

‫ﺣﻴﺚ‪:‬‬

‫‪ I‬ﻣﻌﺎﻣﻞ ﻓﺎي‬

‫أ = ﻋﺪد اﻷﻓﺮاد اﻟﺬﻳﻦ أﺟﺎﺑﻮا )ﻧﻌﻢ( ﻋﲆ اﻟﺴﺆال س‪ ،‬وأﺟﺎﺑﻮا )ﻧﻌﻢ( ﻋﲆ اﻟﺴﺆال ص‬

‫ب = ﻋﺪد اﻷﻓﺮاد اﻟﺬﻳﻦ أﺟﺎﺑﻮا )ﻧﻌﻢ( ﻋﲆ اﻟﺴﺆال س‪ ،‬وأﺟﺎﺑﻮا )ﻻ( ﻋﲆ اﻟﺴﺆال ص‬

‫ج = ﻋﺪد اﻷﻓﺮاد اﻟﺬﻳﻦ أﺟﺎﺑﻮا )ﻻ( ﻋﲆ اﻟﺴﺆال س‪ ،‬وأﺟﺎﺑﻮا )ﻧﻌﻢ( ﻋﲆ اﻟﺴﺆال ص‬

‫‪-193-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫د = ﻋﺪد اﻷﻓﺮاد اﻟﺬﻳﻦ أﺟﺎﺑﻮا )ﻻ( ﻋﲆ اﻟﺴﺆال س‪ ،‬وأﺟﺎﺑﻮا )ﻻ( ﻋﲆ اﻟﺴﺆال ص‬

‫ﻣﺜﺎل‪ :‬اﻟﺠﺪول اﻵيت ﻳﻮﺿﺢ اﻻﺳـﺘﺠﺎﺑﺔ ﻋـﲆ ﺳـﺆاﻟني‪ ،‬اﻷول ﻳﺘﻌﻠـﻖ ﺑﻘـﺮاءة إﺣـﺪى اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ‬
‫ﺑﺎﻧﺘﻈﺎم )س(‪ ،‬واﻟﺜﺎين ﻳﺘﻌﻠﻖ ﺑﻘﺮاءة إﺣﺪى اﳌﺠﻼت اﻟﻔﻨﻴﺔ اﻷﺳﺒﻮﻋﻴﺔ ﺑﺎﻧﺘﻈﺎم )ص(‪:‬‬
‫س‬
‫ص‬
‫ﻻ‬ ‫ﻧﻌﻢ‬
‫‪7‬‬ ‫‪8‬‬ ‫ﻧﻌﻢ‬
‫‪10‬‬ ‫‪5‬‬ ‫ﻻ‬
‫واﳌﻄﻠﻮب ﺣﺴﺎب ارﺗﺒﺎط )‪ (Phi‬ﺑني ﻗﺮاءة اﻟﺼﺤﻴﻔﺔ وﻗﺮاءة اﳌﺠﻠﺔ‪ .‬ﰲ ﻫﺬا اﳌﺜﺎل ﻧﺠﺪ أن‪:‬‬

‫ﻗﻴﻤﺔ )أ( = ‪8‬‬

‫ﻗﻴﻤﺔ )ب( = ‪7‬‬

‫ﻗﻴﻤﺔ )ج(= ‪5‬‬

‫ﻗﻴﻤﺔ )د( = ‪10‬‬

‫‪-194-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫= ‪0.202 = 45‬‬
‫‪223‬‬

‫ﺗﻘﺮﻳﺒﺎ ﺑني ﻗﺮاءة اﻟﺼﺤﻴﻔﺔ اﻟﻴﻮﻣﻴـﺔ ﺑﺎﻧﺘﻈـﺎم وﻗـﺮاءة اﳌﺠﻠـﺔ‬

‫ﻣﻮﺟﺒﺎ ﻗﺪره ‪ً 0.202‬‬
‫ً‬ ‫ً‬
‫ارﺗﺒﺎﻃﺎ‬ ‫أي أن ﻫﻨﺎك‬
‫اﻟﻔﻨﻴﺔ ﺑﺎﻧﺘﻈﺎم‪.‬‬

‫)‪ (8‬ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ‪:‬‬

‫ﻳﺸﻴﻊ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ )‪ (Contingency Coefficient‬ﰲ اﻟﻜﺸﻒ ﻋﻦ اﻟﻌﻼﻗﺔ أو اﻻرﺗﺒﺎط ﺑـني‬
‫ﻣﺘﻐريات اﺳﻤﻴﺔ أو ﻧﻮﻋﻴﺔ )‪ (Nominal‬ﻣﺜﻞ ﻣﺘﻐري اﻟﺤﺎﻟﺔ اﻻﺟﺘامﻋﻴﺔ )ﻣﺘﺰوج – أﻋـﺰب – ﻣﻄﻠـﻖ( وﻛـﺬﻟﻚ‬
‫ﻣﺘﻐري ﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ )ﻣﻨﻄﻘﺔ ﺣﴬﻳﺔ‪ -‬ﻣﻨﻄﻘﺔ رﻳﻔﻴﺔ‪ -‬ﻣﻨﻄﻘﺔ ﺻﺤﺮاوﻳﺔ(‪ ...‬إﻟـﺦ‪ ،‬ﻛـام ميﻜـﻦ اﺳـﺘﺨﺪاﻣﻪ‬
‫أﻳﻀﺎ ﻟﻘﻴﺎس اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐري ﻧﻮﻋﻲ واﻵﺧﺮ رﺗﺒﻲ )‪(Ordinal‬وميﻜﻦ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ‪ ،‬ﺳﻮاء ﻛـﺎن‬
‫ً‬
‫اﻟﺠﺪول اﳌﺰدوج ﻣﻦ اﻟﻨﻤﻂ ‪ 2×2‬أو أﻛرث‪ ،‬وﺳﻮاء ﺗﺴﺎوى ﻋﺪد ﺧﻼﻳﺎ اﻟﺼﻔﻮف وﻋﺪد ﺧﻼﻳـﺎ اﻷﻋﻤـﺪة أو مل‬
‫ﻳﺘﺴﺎو‪ ،‬واﻟﻘﺎﻧﻮن اﳌﺴﺘﺨﺪم ﻟﻠﺤﺼﻮل ﻋﲆ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ ﻫﻮ‪:‬‬

‫ق =‪b‬‬
‫‪1-1‬‬
‫‪Ν‬‬

‫ﻣﻘﺴﻮﻣﺎ ﻋﲆ ﻣﺠﻤﻮع‬
‫ً‬ ‫وإذا ﻛﺎﻧﺖ )ق( ﺗﻌﻨﻲ ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ‪ ،‬ﻓﺈن )ج( ﺗﻌﻨﻲ ﻣﺮﺑﻊ ﺗﻜﺮار ﻛﻞ ﺧﻠﻴﺔ‬
‫ﺗﻜﺮارات اﻟﺼﻒ × ﻣﺠﻤﻮع ﺗﻜﺮارات اﻟﻌﻤﻮد‪ ،‬وﻳﺘﻢ ذﻟﻚ ﻟﻜﻞ ﺧﻠﻴﺔ ﻣﻦ ﺧﻼﻳﺎ اﻟﺠﺪول؛ أي أن ﻗﻴﻤﺔ )ج(‬
‫ﻟﻜﻞ ﺧﻠﻴﺔ ﻧﺤﺼﻞ ﻋﻠﻴﻬﺎ مبﻮﺟﺐ اﻟﻘﺎﻧﻮن‪:‬‬
‫ﻣﺮﺑﻊ ﺗﻜﺮار اﻟﺨﻠﻴﺔ‬
‫ــــــ ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
‫ج=‬
‫ﻣﺠﻤﻮع اﻟﺘﻜﺮارات ﻟﻌﻤﻮد ﺗﻠﻚ اﻟﺨﻠﻴﺔ × ﻣﺠﻤﻮع اﻟﺘﻜﺮارات ﻟﺼﻒ ﻧﻔﺲ اﻟﺨﻠﻴﺔ‬

‫‪-195-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻣﺜﺎل‪ :‬اﻟﺠﺪول اﻵيت ﻳﻮﺿـﺢ ﺗﻮزﻳـﻊ ﻋﻴﻨـﺔ ﻣـﻦ اﳌﻔﺤﻮﺻـني ﺣﺴـﺐ ﻣﻨﻄﻘـﺔ اﻹﻗﺎﻣـﺔ واﻟﺼـﺤﻒ اﻟﺘـﻲ‬
‫ﻳﻘﺮؤوﻧﻬﺎ‪:‬‬
‫اﻟﺼﺤﻒ اﳌﻘﺮوءة‬
‫اﳌﺠﻤﻮع‬ ‫اﻟﺼﺤﻒ‬ ‫اﻟﺼﺤﻒ‬ ‫اﻟﺼﺤﻒ‬ ‫ﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ‬
‫اﳌﺴﺘﻘﻠﺔ‬ ‫اﻟﺤﺰﺑﻴﺔ‬ ‫اﻟﻘﻮﻣﻴﺔ‬
‫‪13‬‬ ‫‪3‬‬ ‫‪6‬‬ ‫‪4‬‬ ‫اﻟﻘﺎﻫﺮة‬
‫‪9‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫وﺟﻪ ﺑﺤﺮي‬
‫‪18‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪5‬‬ ‫وﺟﻪ ﻗﺒﲇ‬
‫‪40‬‬ ‫‪13‬‬ ‫‪15‬‬ ‫‪12‬‬ ‫اﳌﺠﻤﻮع‬

‫ﺑﺎﺳﺘﺒﻌﺎد ﺧﻼﻳﺎ )اﳌﺠﻤﻮع(‪ ،‬ﻓﺈن اﻟﺠﺪول ﻳﺘﻀﻤﻦ )ﺗﺴﻊ( ﺧﻼﻳﺎ‪ ،‬وﻟﻠﺤﺼﻮل ﻋﲆ ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓـﻖ ﻻ ﺑـﺪ‬
‫ﻣﻦ اﻟﺤﺼﻮل ﻋﲆ اﻟﻘﻴﻤﺔ )ج( وذﻟﻚ ﻟﻜﻞ ﺧﻠﻴﺔ ﻣﻦ اﻟﺨﻼﻳﺎ اﻟﺘﺴﻊ‪ ،‬ﺛﻢ ﺟﻤﻊ ﻗﻴﻢ )ج( ﻟﻜﻞ ﻫـﺬه اﻟﺨﻼﻳـﺎ‪،‬‬
‫ﺣﺘﻰ ميﻜﻦ ﺗﻄﺒﻴﻖ اﳌﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ‪.‬‬

‫ﻓﻔﻴام ﻳﺨﺺ اﻟﺨﻠﻴﺔ اﻷوﱃ ﻧﺠﺪ أﻧﻬﺎ ﺗﺘﻀﻤﻦ ‪ 4‬ﺗﻜﺮارات‪ ،‬وﻣﺠﻤﻮع ﺗﻜﺮارات اﻟﻌﻤـﻮد ﻫـﻮ ‪ ،12‬ﻛـام أن‬
‫ﻣﺠﻤﻮع ﺗﻜﺮارات اﻟﺼﻒ ﻫﻮ ‪ ،13‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن )ج( ﻟﻬﺬه اﻟﺨﻠﻴﺔ ﻳﻜﻮن‪:‬‬

‫‪0.103 = 4u4‬‬
‫‪13 u12‬‬

‫ﻓﻴام ﻳﺨﺺ اﻟﺨﻠﻴﺔ اﻟﺜﺎﻧﻴﺔ ﻧﺠﺪ أﻧﻬﺎ ﺗﺘﻀﻤﻦ ‪ 6‬ﺗﻜﺮارات‪ ،‬وﻣﺠﻤﻮع ﺗﻜـﺮارات اﻟﻌﻤـﻮد ﻫـﻮ ‪ 15‬ﻛـام أن‬
‫ﻣﺠﻤﻮع ﺗﻜﺮارات اﻟﺼﻒ ﻫﻮ ‪ ،13‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن )ج( ﻟﻬﺬه اﻟﺨﻠﻴﺔ ﻳﻜﻮن‪:‬‬

‫‪0.185 = 6 u 6‬‬
‫‪13 u15‬‬

‫وﻫﻜﺬا ﻓﻴام ﻳﺨﺺ ﻛﻞ ﺧﻠﻴﺔ ﻣﻦ اﻟﺨﻼﻳﺎ اﻟﺘﻲ ﺗﺘﻀﻤﻦ اﻟﺘﻜـﺮارات ﻣﻮزﻋـﺔ ﻋـﲆ اﳌﺘﻐـريﻳﻦ‬
‫ﻣﺤﻞ اﻟﺪراﺳﺔ إﱃ أن ﻧﺼﻞ إﱃ اﻟﺨﻠﻴﺔ اﻟﺘﺎﺳﻌﺔ‪ ،‬وﻫﻲ ﺗﺘﻀﻤﻦ ‪ 6‬ﺗﻜﺮارات‪ ،‬وﻣﺠﻤـﻮع ﺗﻜـﺮارات‬

‫‪-196-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫اﻟﻌﻤﻮد ﻫﻮ ‪ ،13‬ﻛام أن ﻣﺠﻤﻮع ﺗﻜﺮارات اﻟﺼﻒ ﻫﻮ ‪ ،18‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن )ج( ﻟﻠﺨﻠﻴﺔ اﻟﺘﺎﺳﻌﺔ ﻳﻜﻮن‪:‬‬

‫‪0.154 = 6 u 6‬‬
‫‪18 u13‬‬

‫وﺑﻌﺪ اﻟﺤﺼﻮل ﻋﲆ ﻗﻴﻤﺔ )ج( ﻟﻜﻞ اﻟﺨﻼﻳﺎ‪ ،‬ﻧﻘﻮم ﺑﺠﻤﻊ اﻟﻘﻴﻢ اﻟﺘﻲ ﺣﺼـﻠﻨﺎ ﻋﻠﻴﻬـﺎ‪ ،‬ﻟﻨﻔـﺮض أن ﻫـﺬه‬
‫اﻟﻘﻴﻢ‪:‬‬

‫‪1.054= 0.154 +0.181 +0.116 +0.137 +0.03 +0.083 +0.065 + 0.185 +0.103‬‬

‫أي أن اﻟﻘﻴﻤﺔ )ج( ﺗﺴﺎوي ‪ 1.054‬ﻓﻨﺤﺼﻞ ﺑﺬﻟﻚ ﻋﲆ ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ ﻛﺎﻵيت‪:‬‬

‫ق =‪b‬‬
‫= ‪0.226‬‬ ‫‪1 -1‬‬
‫‪1.054‬‬

‫وﻋﻨﺪ ﺗﻔﺴري ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ‪ ،‬ﻓﺈﻧﻪ ﻳﺠﺐ ﺗﺬﻛﺮ أن ﻗﻴﻤﺘﻪ دامئًﺎ ﻣﻮﺟﺒﺔ‪ ،‬ﻛام أن اﻟﻘﻴﻤﺔ اﻟﻌﻈﻤﻰ ﳌﻌﺎﻣﻞ‬
‫اﻟﺘﻮاﻓﻖ ﻻ ﺗﺼﻞ إﱃ اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ؛ ﻷن ﻫﺬه اﻟﻘﻴﻤﺔ ﺗﻌﺘﻤﺪ ﻋﲆ اﻟﻌﺪد اﻷﺻﻐﺮ ﻟﻸﻋﻤﺪة أو اﻟﺼﻔﻮف‪.‬‬
‫‪2‬‬
‫وﻳﺘﻢ اﻟﺘﻌﺮف ﻋﲆ اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﳌﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ ﻣﻦ ﺧـﻼل ﺣﺴـﺎب ﻗﻴﻤـﺔ ﻛـﺎ ‪ ،‬وذﻟـﻚ مبﻮﺟـﺐ‬

‫اﳌﻌﺎدﻟﺔ‪:‬‬
‫‪2‬‬
‫ﻛﺎ‪ϕ u ϥ = 2‬‬
‫‪2‬‬
‫‪ϕ- 1‬‬

‫ﻋﻠام ﺑﺄن اﻟﺮﻣﺰ )ن( ﻫﻮ ﻋﺪد أﻓﺮاد اﻟﻌﻴﻨﺔ‪ ،‬أﻣﺎ اﻟﺮﻣﺰ )ق‪ (2‬ﻓﻬﻮ ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓـﻖ اﳌﺤﺴـﻮب‪ .‬وﰲ‬
‫ً‬
‫ﻣﺜﺎﻟﻨﺎ اﻟﺴﺎﺑﻖ ﻓﺈن ﻋﺪد ﻣﻔﺮدات اﻟﻌﻴﻨﺔ ﻫﻮ ‪ 40‬أﻣﺎ ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ‪ ،‬ﻓﻬﻮ ‪ 0.226‬وﻋﲆ ذﻟـﻚ ﺗﻜـﻮن ﻗﻴﻤـﺔ‬
‫‪2‬‬
‫ﻛﺎ ﺗﺴﺎوي‪:‬‬

‫‪-197-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫‪2.15 = 0.051u 40‬‬

‫‪0.051  1‬‬
‫‪2‬‬ ‫‪2‬‬
‫أي أن ﻗﻴﻤﺔ ﻛﺎ ﺗﺴﺎوي ‪ 2.15‬وﻋﻠﻴﻨﺎ أن ﻧﻘﺎرن ﻫـﺬه اﻟﻘﻴﻤـﺔ اﳌﺤﺴـﻮﺑﺔ ﺑﻘﻴﻤـﺔ ﻛـﺎ اﻟﺠﺪوﻟﻴـﺔ ﻋﻨـﺪ‬
‫ﻋﻠـام ﺑـﺄن درﺟـﺔ اﻟﺤﺮﻳـﺔ ﰲ ﻣﺜﺎﻟﻨـﺎ‬
‫درﺟﺔ ﺣﺮﻳﺔ ﺗﺴﺎوي )ﻋـﺪد اﻷﻋﻤـﺪة – ‪) × (1‬ﻋـﺪد اﻟﺼـﻔﻮف – ‪ً ،(1‬‬
‫أﻳﻀـﺎ )‪ ،(3‬وﺑﺎﻟﺘـﺎﱄ ﺗﻜـﻮن درﺟـﺔ‬
‫اﳌﺬﻛﻮر ﻫﻲ )‪ ،(4‬وذﻟﻚ ﻷن ﻋﺪد اﻷﻋﻤـﺪة ﻫـﻮ )‪ ،(3‬وﻋـﺪد اﻟﺼـﻔﻮف ً‬
‫‪2‬‬ ‫‪2‬‬
‫اﻟﺤﺮﻳﺔ = )‪ 4 = (1-3) × (1-3‬وﻋﲆ اﻟﺒﺎﺣﺚ أن ﻳﻘﺎرن ﻗﻴﻤﺔ ﻛـﺎ اﳌﺤﺴـﻮﺑﺔ )وﻫـﻲ ‪ (2.15‬ﺑﻘﻴﻤـﺔ ﻛـﺎ‬
‫‪2‬‬ ‫‪2‬‬
‫اﻟﺠﺪوﻟﻴﺔ ﻋﻨﺪ ﻣﺴﺘﻮى ﺛﻘﺔ ﻣﻌني )‪ 0.95‬أو ‪ (0.99‬ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤـﺔ ﻛـﺎ اﳌﺤﺴـﻮﺑﺔ أﻗـﻞ ﻣـﻦ ﻗﻴﻤـﺔ ﻛـﺎ‬
‫اﻟﺠﺪوﻟﻴﺔ‪ ،‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أﻧﻪ ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ﺑني اﻟﺼﺤﻒ اﳌﻘﺮوءة وﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ ) مبﻌﻨﻰ أن ﻣﻌﺎﻣـﻞ‬
‫‪2‬‬ ‫‪2‬‬
‫اﻟﺘﻮاﻓﻖ ﻏري دال(‪ ،‬أﻣﺎ إذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ ﻛﺎ اﳌﺤﺴﻮﺑﺔ أﻛﱪ ﻣﻦ ﻗﻴﻤﺔ ﻛﺎ اﻟﺠﺪوﻟﻴﺔ‪ ،‬ﻓﺈن ذﻟﻚ ﻳﻌﻨـﻲ وﺟـﻮد‬
‫ارﺗﺒﺎط ﺑني اﻟﺼﺤﻒ اﳌﻘﺮوءة وﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ )مبﻌﻨﻰ أن ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ دال(‪.‬‬
‫‪2‬‬ ‫‪2‬‬
‫وﺑﺎﻟﺮﺟﻮع إﱃ ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﳌﻌﺎﻣﻞ )ﻛﺎ ( ﻧﺘﺒني أﻧﻪ ﻋﻨـﺪ درﺟـﺔ ﺣﺮﻳـﺔ )‪ ،(4‬ﻓـﺈن ﻗﻴﻤـﺔ ﻛـﺎ‬
‫‪2‬‬
‫إﺣﺼﺎﺋﻴﺎ ﻋﻨﺪ ﻣﺴـﺘﻮى )‪ (0.05‬إذا ﻛﺎﻧـﺖ ﻫـﺬه اﻟﻘﻴﻤـﺔ ﺗﺴـﺎوي ‪ 9.49‬وﻧﻈـ ًﺮا ﻷن ﻗﻴﻤـﺔ ﻛـﺎ‬
‫ّ‬ ‫ﺗﻜﻮن داﻟﺔ‬
‫‪2‬‬
‫اﳌﺤﺴﻮﺑﺔ ﺗﺴﺎوي ‪ ،2.15‬ﻓﺈﻧﻪ ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ﺑني ﻣﻨﻄﻘﺔ اﻹﻗﺎﻣـﺔ واﻟﺼـﺤﻒ اﳌﻘـﺮوءة )إذ إن ﻗﻴﻤـﺔ ﻛـﺎ‬
‫‪2‬‬
‫اﳌﺤﺴﻮﺑﺔ أﻗﻞ ﻣﻦ ﻗﻴﻤﺔ ﻛﺎ اﻟﺠﺪوﻟﻴﺔ(‪ .‬ﻣﺮة أﺧﺮى‪ ،‬ﻓﺈن اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة متﻜﻨﻨﺎ ﻣـﻦ اﻟﺤﺼـﻮل‬
‫ﻋﲆ ﻫﺬه اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﺑﺴﻬﻮﻟﺔ‪ ،‬ﻟﻜﻦ اﳌﻌﺮﻓﺔ ﺑﻬﺎ أﻣﺮ أﺳﺎﳼ ﻟﻠﺒﺤﺚ اﻟﻌﻠﻤﻲ‪.‬‬
‫‪2‬‬
‫)‪ (9‬اﺧﺘﺒﺎر ﻛﺎ ﻟﻼﺳﺘﻘﻼﻟﻴﺔ‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫ﻳﺴﺘﺨﺪم ﻛﺎ )ﻛﺎ ﺗﺮﺑﻴﻊ( ﰲ اﻟﻜﺜري ﻣﻦ اﻟﺘﻄﺒﻴﻘﺎت‪ ،‬ﻣﻦ ﺑﻴﻨﻬﺎ اﺧﺘﺒﺎر ﻛـﺎ ﻟﻼﺳـﺘﻘﻼﻟﻴﺔ‬

‫)‪ ،(Chi Square Test of Independence‬وﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳـﺘﻢ اﻟﺘﻄﺒﻴـﻖ ﻋـﲆ ﻣﺠﻤﻮﻋـﺎت‬
‫ﻋﻴﻨﺔ واﺣﺪة ﳌﻌﺮﻓﺔ ﻣﺪى اﺧﺘﻼﻓﻬﻢ أو ﻋﺪم اﺧﺘﻼﻓﻬﻢ ﰲ ﺟﺎﻧﺐ ﻣﻌـني )رأي أو ﺻـﻔﺔ أو‬
‫ﺳﻠﻮك أو ﻣﻮﻗﻒ أو اﺗﺠﺎه‪ ...‬إﻟﺦ(‪ ،‬ﻓﺎﻟﻬﺪف ﻫﻨﺎ ﻣﻌﺮﻓﺔ ﻣﺪى اﺳﺘﻘﻼﻟﻴﺔ ﻫﺬا اﻟﺠﺎﻧﺐ ﻋﻦ‬
‫‪-198-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻣﺘﻐري ﻣﻌني ﺿﻤﻦ ﺧﺼﺎﺋﺺ اﻟﻌﻴﻨﺔ‪.‬إن ﻣﺪى اﻻﺳﺘﻘﻼﻟﻴﺔ ﻳﻌﻨﻲ اﻻﺧﺘﻼف )مبﻌﻨﻰ ﻋﺪم اﻻرﺗﺒﺎط(‪ ،‬ﻓﻘﺪ ﻳﺮﻳﺪ‬
‫اﻟﺒﺎﺣﺚ‪ -‬ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل‪ -‬ﻣﻌﺮﻓﺔ ﻣﺎ إذا ﻛﺎﻧﺖ آراء اﻟﻌﻴﻨﺔ ﺑﺸﺄن ﺟﺪوى اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳـﻮن ﰲ ﺗﻨﻈـﻴﻢ‬
‫اﻷﴎة )ﻣﻮاﻓﻖ أو ﻏري ﻣﻮاﻓﻖ( ﻻ ﺗﺨﺘﻠﻒ ﺑﺎﺧﺘﻼف ﺧﺼﺎﺋﺺ ﻫﺆﻻء اﳌﻔﺤﻮﺻني؛ ﻣﻦ ﺣﻴـﺚ ﻣﻜـﺎن اﻹﻗﺎﻣـﺔ‬
‫‪2‬‬
‫)ﻣﻨﻄﻘــﺔ رﻳﻔﻴــﺔ‪ ،‬ﻣﻨﻄﻘــﺔ ﺣﴬﻳــﺔ‪ ،‬ﻣﻨﻄﻘــﺔ ﺻــﺤﺮاوﻳﺔ(‪ .‬ﰲ ﻫــﺬه اﻟﺤﺎﻟــﺔ‪ ،‬ﻳــﺘﻢ اﺳــﺘﺨﺪام اﺧﺘﺒــﺎر ﻛــﺎ‬

‫ﻟﻼﺳﺘﻘﻼﻟﻴﺔ‪ ،‬وﻗﺎﻧﻮﻧﻪ ﻫﻮ‪:‬‬

‫‪2‬‬
‫)‪(ϕ  ˰ϫ‬‬ ‫‪2‬‬
‫ﻛﺎ = ﻣﺞ‬
‫‪ϕ‬‬

‫ﺣﻴﺚ ﻫـ‪ :‬ﺗﻌﻨﻲ اﻟﺘﻜﺮارات اﳌﺸﺎﻫﺪة )اﳌﻮﺟـﻮدة ﰲ ﻛﻞ ﺧﻠﻴﺔ ﻣﻦ ﺧﻼﻳﺎ اﻟﺠﺪول(‬

‫ق‪ :‬ﺗﻌـﻨﻲ اﻟﺘﻜﺮارات اﳌﺘﻮﻗﻌـﺔ )اﻟﺘﻜﺮارات اﻟﺘﻲ ﻧﺘﻮﻗـﻊ أن ﺗﻮﺟﺪ ﰲ ﻛﻞ ﺧﻠﻴﺔ ﻣﻦ ﺧــﻼﻳﺎ اﻟﺠـﺪول(‪،‬‬
‫وﻳﺘﻢ ﺣﺴﺎب )ق(؛ أي اﻟﺘﻜﺮارات اﳌﺘﻮﻗﻌﺔ مبﻮﺟﺐ اﻟﻘﺎﻧﻮن‪:‬‬
‫ﻣﺠﻤﻮع ﺗﻜﺮار اﻟﺼﻒ × ﻣﺠﻤﻮع ﺗﻜﺮارات اﻟﻌﻤﻮد‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬ ‫ق=‬
‫ﻋﺪد اﻟﻌﻴﻨﺔ‬
‫وﻳﺘﻢ ﺗﻄﺒﻴﻖ ﻫﺬا اﻟﻘﺎﻧﻮن ﻟﻜﻞ ﺧﻠﻴﺔ ﻣﻦ ﺧﻼﻳﺎ اﻟﺠﺪول اﻟﺬي ﻳﻮﺿﺢ ﺗﻮزﻳﻊ اﻟﻌﻴﻨﺔ ﺣﺴـﺐ اﳌﺘﻐـريﻳﻦ‬
‫اﳌﺮاد ﺗﻘﴢ اﻟﻌﻼﻗﺔ ﺑﻴﻨﻬام‪ .‬إن اﻟﺒﺎﺣﺚ ﻗﺪ ﻳﺮﻳﺪ اﻟﺘﺤﻘﻖ ﻣـﻦ ﺻـﺤﺔ اﻟﻔـﺮض اﻟﻘﺎﺋـﻞ‪» :‬ﻻ ﺗﺨﺘﻠـﻒ ﻧﺴـﺒﺔ‬
‫اﳌﻮاﻓﻘني ﻋﲆ ﺟﺪوى اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﰲ ﺗﻨﻈﻴﻢ اﻷﴎة ﺑﺎﺧﺘﻼف ﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ«‪.‬‬

‫ﻣﺜﺎل‪ :‬اﻟﺠﺪول اﻵيت ﻳﻮﺿﺢ ﺗﻮزﻳﻊ ﻋﻴﻨﺔ ﻣﻦ اﳌﺒﺤﻮﺛني )ن= ‪ (200‬ﺣﺴﺐ ﻣﻨﻄﻘـﺔ اﻹﻗﺎﻣـﺔ واﳌﻮاﻓﻘـﺔ‬
‫ﻋﲆ اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﰲ ﺣﻤﻼت ﺗﻨﻈﻴﻢ اﻷﴎة‪:‬‬
‫اﳌﻮاﻓﻘﺔ‬
‫اﳌﺠﻤﻮع‬ ‫ﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ‬
‫ﻏري ﻣﻮاﻓﻖ‬ ‫ﻣﻮاﻓﻖ‬
‫‪60‬‬ ‫‪18‬‬ ‫‪42‬‬ ‫ﻣﻨﻄﻘﺔ رﻳﻔﻴﺔ‬
‫‪56‬‬ ‫‪23‬‬ ‫‪33‬‬ ‫ﻣﻨﻄﻘﺔ ﺣﴬﻳﺔ‬
‫‪84‬‬ ‫‪39‬‬ ‫‪45‬‬ ‫ﻣﻨﻄﻘﺔ ﺻﺤﺮاوﻳﺔ‬
‫‪200‬‬ ‫‪80‬‬ ‫‪120‬‬ ‫اﳌﺠﻤﻮع‬

‫‪-199-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻋـﺪدا ﻣـﻦ‬
‫إذا اﺳﺘﺒﻌﺪﻧﺎ ﺧﻼﻳﺎ اﳌﺠﻤﻮع‪ ،‬ﻓـﺈن ﻫـﺬا اﻟﺠـﺪول ﻳﺘﻀـﻤﻦ ‪ 6‬ﺧﻼﻳـﺎ‪ ،‬وﺗﺘﻀـﻤﻦ ﻛـﻞ ﺧﻠﻴـﺔ ً‬
‫اﻟﺘﻜﺮارات‪ .‬ومبﻮﺟﺐ اﻟﻘﺎﻧﻮن اﻟﺴﺎﺑﻖ ذﻛﺮه‪ ،‬ﻳﺘﻢ ﺣﺴﺎب اﻟﺘﻜﺮار اﳌﺘﻮﻗﻊ ﻟﻜﻞ ﺧﻠﻴﺔ‪ ،‬ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل‪ ،‬ﻓﺈن‬
‫اﻟﺨﻠﻴﺔ اﻷوﱃ )اﻟﺘﻲ ﺗﺘﻀﻤﻦ ‪ 42‬ﺗﻜﺮا ًرا( ﻧﻼﺣﻆ ﻣﻦ اﻟﺠﺪول أن ﻣﺠﻤﻮع ﺗﻜﺮارات ﻋﻤﻮد ﺗﻠـﻚ اﻟﺨﻠﻴـﺔ ﻫـﻮ‬
‫)‪ ،(120‬أﻣﺎ ﻣﺠﻤﻮع ﺗﻜﺮارات ﺻﻒ ﺗﻠﻚ اﻟﺨﻠﻴﺔ ﻓﻬﻮ )‪ ،(60‬وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن اﻟﺘﻜﺮار اﳌﺘﻮﻗﻊ ﻟﻠﺨﻠﻴﺔ اﻷوﱃ‪:‬‬

‫)ق( اﻟﺨﻠﻴﺔ اﻷوﱃ ‪36 = 60u120‬‬

‫‪200‬‬

‫وﻫﻜﺬا ﺑﺎﻟﻨﺴﺒﺔ ﻟﺠﻤﻴﻊ ﺧﻼﻳﺎ اﻟﺠﺪول‪ ،‬إﱃ أن ﻧﺼﻞ إﱃ اﻟﺨﻠﻴﺔ اﻟﺴﺎدﺳـﺔ واﻷﺧـرية؛ ﺣﻴـﺚ ﻧﻼﺣـﻆ أن‬
‫ﻣﺠﻤﻮع ﺗﻜﺮارات ﻋﻤﻮد ﺗﻠﻚ اﻟﺨﻠﻴﺔ ﻫﻮ )‪ (80‬أﻣﺎ ﻣﺠﻤﻮع ﺗﻜﺮارات ﺻﻒ ﺗﻠﻚ اﻟﺨﻠﻴﺔ ﻓﻬﻮ )‪ ،(84‬وﺑﺎﻟﺘـﺎﱄ‬
‫ﻳﻜﻮن اﻟﺘﻜﺮار اﳌﺘﻮﻗﻊ ﻟﻠﺨﻠﻴﺔ اﻟﺴﺎدﺳﺔ‪:‬‬

‫)ق( اﻟﺨﻠﻴﺔ اﻟﺴﺎدﺳﺔ ‪33.6 = 84u 80‬‬

‫‪200‬‬

‫ﺑﻬﺬه اﻟﻄﺮﻳﻘﺔ ﻳﺘﻢ ﺣﺴﺎب اﻟﺘﻜﺮار اﳌﺘﻮﻗﻊ ﻟﻜﻞ ﺧﻠﻴﺔ ﻣﻦ ﺧﻼﻳﺎ اﻟﺠﺪول‪ ،‬ﻓﻴﻜﻮن ﻟﺪﻳﻨﺎ ﺳـﺘﺔ ﺗﻜـﺮارات‬
‫ﻣﺘﻮﻗﻌﺔ )ﺑﻮاﻗﻊ ﺗﻜﺮار ﻟﻜﻞ ﺧﻠﻴﺔ(‪ ،‬ﺑﻌﺪ ذﻟﻚ ﻧﺴﺘﺨﺪم اﻟﺘﻜﺮارات اﳌﻮﺟﻮدة ﺑﺎﻟﺠﺪول واﻟﺘﻜﺮارات اﳌﺘﻮﻗﻌـﺔ‬
‫‪2‬‬
‫)اﻟﺘﻲ ﺗﻢ ﺣﺴﺎﺑﻬﺎ( ﳌﻌﺮﻓﺔ ﻗﻴﻤﺔ ﻛﺎ ﻟﻜﻞ ﺧﻠﻴـﺔ ﻣـﻦ ﺧﻼﻳـﺎ اﻟﺠـﺪول‪ .‬ﻛﻤﺜـﺎل ﻋـﲆ ذﻟـﻚ ﻓـﺈن اﻟﺘﻜـﺮارات‬

‫اﳌﻮﺟﻮدة )اﳌﺸﺎﻫﺪة( ﰲ اﻟﺨﻠﻴﺔ اﻷوﱃ ﻫﻲ ‪ 42‬ﺗﻜﺮا ًرا‪ ،‬أﻣﺎ اﻟﺘﻜـﺮارات اﳌﺘﻮﻗﻌـﺔ اﻟﺘـﻲ ﺗـﻢ ﺣﺴـﺎﺑﻬﺎ ﻟﻬـﺬه‬
‫‪2‬‬
‫اﻟﺨﻠﻴﺔ ﻓﺘﺒﻠﻎ ‪ ،36‬وﻳﺘﻢ ﺣﺴﺎب ﻗﻴﻤﺔ ﻛﺎ ﻟﻠﺨﻠﻴﺔ اﻷوﱃ ﻛﺎﻵيت‪:‬‬

‫‪2‬‬
‫)‪1 = (36  42‬‬
‫‪36‬‬

‫‪-200-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫وﻫﻜﺬا ﺑﺎﻟﻨﺴﺒﺔ ﻟﺠﻤﻴﻊ اﻟﺨﻼﻳﺎ إﱃ أن ﻧﺼﻞ إﱃ اﻟﺨﻠﻴﺔ اﻟﺴﺎدﺳﺔ؛ ﺣﻴﺚ ﻧﻼﺣﻆ ﻣﻦ اﻟﺠـﺪول أن ﻫـﺬه‬
‫اﻟﺨﻠﻴﺔ ﺗﺘﻀﻤﻦ )‪ (39‬ﺗﻜﺮا ًرا‪ ،‬أﻣـﺎ اﻟﺘﻜـﺮارات اﳌﺘﻮﻗﻌـﺔ اﻟﺘـﻲ ﺗـﻢ ﺣﺴـﺎﺑﻬﺎ ﻟﻠﺨﻠﻴـﺔ اﻟﺴﺎدﺳـﺔ ﻓﺘﺒﻠـﻎ ‪33.6‬‬
‫‪2‬‬
‫وﺑﺎﻟﺘﺎﱄ ﻓﺈن ﻗﻴﻤﺔ ﻛﺎ ﻟﻠﺨﻠﻴﺔ اﻟﺴﺎدﺳﺔ ﺗﺴﺎوي‪:‬‬

‫‪2‬‬
‫)‪0.87 = (33.6  39‬‬
‫‪33.6‬‬
‫‪2‬‬
‫وﺑﻬﺬا ﻧﺤﺼﻞ ﻋﲆ ﻗﻴﻤﺔ ﻛﺎ ﻟﻜﻞ ﺧﻠﻴﺔ ﻣﻦ ﺧﻼﻳﺎ اﻟﺠﺪول‪ ،‬ﻓﻴﻜﻮن ﻟﺪﻳﻨﺎ ﺳﺖ ﻗﻴﻢ‪ .‬إن ﻣﺠﻤﻞ ﻫﺬه اﻟﻘـﻴﻢ‬
‫‪2‬‬
‫اﻟﺴﺖ ﻫﻮ ﻛﺎ ﻟﻠﺠﺪول ﻛﻜﻞ‪ ،‬ﻟﻨﻔﺮض أن ﻫﺬه اﻟﻘﻴﻢ ﻫﻲ‪(0.87) ،(0.58) (0.02) ،(0.01) ،(1.5) ،(1) :‬‬
‫‪2‬‬
‫إن ﻣﺠﻤﻮع ﻫﺬه اﻟﻘﻴﻢ ﻳﺴﺎوي )‪ ،(3.98‬وﻋﻠﻴﻨﺎ أن ﻧﻘﺎرن ﻫـﺬه اﻟﻘﻴﻤـﺔ ﺑﻘﻴﻤـﺔ ﻛـﺎ اﻟﺠﺪوﻟﻴـﺔ ﻋﻨـﺪ‬
‫درﺟﺔ ﺣﺮﻳﺔ ﺗﺴﺎوي‪:‬‬
‫)ﻋﺪد اﻷﻋﻤﺪة – ‪) (1‬ﻋﺪد اﻟﺼﻔﻮف – ‪(1‬‬
‫وﰲ ﻣﺜﺎﻟﻨﺎ اﳌﺬﻛﻮر‪ ،‬ﻓﺈن اﻟﺠﺪول اﻟﺴﺎﺑﻖ ﻳﻮﺿﺢ أن ﻋﺪد اﻷﻋﻤﺪة ﻫﻮ ‪ ) 2‬ﻣﻮاﻓﻖ & ﻏري ﻣﻮاﻓﻖ( ﺑﻴـﻨام‬
‫ﻋﺪد اﻟﺼﻔﻮف ﻫﻮ ‪ ) 3‬ﻣﻨﻄﻘﺔ رﻳﻔﻴﺔ‪ ،‬ﻣﻨﻄﻘﺔ ﺣﻀـﺮﻳﺔ‪ ،‬ﻣﻨﻄﻘﺔ ﺻﺤﺮاوﻳﺔ(‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن درﺟﺔ اﻟﺤﺮﻳـﺔ =‬
‫)‪2= (1-3) (1-2‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫وﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ ‪ 2‬ﺗﺘﻢ ﻣﻘﺎرﻧﺔ ﻗﻴﻤﺔ ﻛﺎ اﳌﺤﺴﻮﺑﺔ ﺑﻘﻴﻤﺔ ﻛﺎ اﻟﺠﺪوﻟﻴﺔ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤـﺔ ﻛـﺎ اﳌﺤﺴـﻮﺑﺔ‬
‫‪2‬‬
‫أﻗﻞ ﻣﻦ ﻗﻴﻤﺔ ﻛﺎ اﻟﺠﺪوﻟﻴﺔ‪ ،‬ﻓﺈﻧﻨـﺎ ﻧﻘﺒـﻞ اﻟﻔـﺮض اﻟﺼـﻔﺮي )ﻻ ﺗﺨﺘﻠـﻒ ﻧﺴـﺒﺔ اﳌـﻮاﻓﻘني ﻋـﲆ ﺟـﺪوي اﺳـﺘﺨﺪام‬
‫‪2‬‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن ﰲ ﺗﻨﻈﻴﻢ اﻷﴎة ﺑﺎﺧﺘﻼف ﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ(‪،‬أﻣﺎ إذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ ﻛﺎ اﳌﺤﺴﻮﺑﺔ أﻛﱪ ﻣﻦ أو ﺗﺴﺎوي ﻗﻴﻤـﺔ‬
‫‪2‬‬
‫ﻛﺎ اﻟﺠﺪوﻟﻴﺔ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي وﻧﻘﺒﻞ اﻟﻔﺮض اﻟﺒﺪﻳﻞ )ﺗﺨﺘﻠﻒ ﻧﺴﺒﺔ اﳌﻮاﻓﻘني ﻋـﲆ ﺟـﺪوى اﺳـﺘﺨﺪام‬
‫‪2‬‬
‫اﻟﺘﻠﻴﻔﺰﻳــﻮن ﰲ ﺗﻨﻈــﻴﻢ اﻷﴎة ﺑــﺎﺧﺘﻼف ﻣﻨﻄﻘــﺔ اﻹﻗﺎﻣــﺔ(‪ .‬وﺑــﺎﻟﺮﺟﻮع إﱃ اﻟﺠــﺪاول اﻹﺣﺼــﺎﺋﻴﺔ )ﺟــﺪول ﻛــﺎ (‬

‫‪-201-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫‪2‬‬
‫ﻧﺠﺪ أﻧﻪ ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ ‪ 2‬ﻓﺈن ﻗﻴﻤﺔ ﻛﺎ ﺗﺴﺎوي )‪ (5.99‬ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ 0.95‬أﻣﺎ ﻋﻨﺪ ﻣﺴـﺘﻮى اﻟﺜﻘـﺔ ‪0.99‬‬
‫‪2‬‬ ‫‪2‬‬
‫ﻓﺈن ﻗﻴﻤﺔ ﻛﺎ ﺗﺴﺎوي )‪ ،(9.21‬وﳌﺎ ﻛﺎﻧﺖ ﻗﻴﻤﺔ ﻛﺎ اﳌﺤﺴﻮﺑﺔ ﺗﺴﺎوي )‪ ،(3.98‬ﻓﺈﻧﻬﺎ ﺑﺬﻟﻚ ﺗﻜـﻮن أﻗـﻞ ﻣـﻦ ﻗﻴﻤـﺔ‬
‫‪2‬‬
‫ﻛﺎ اﻟﺠﺪوﻟﻴﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻧﻘﺒﻞ اﻟﻔﺮض اﻟﺼﻔﺮي اﻟﻘﺎﺋﻞ ﺑﻌﺪم وﺟﻮد اﺧﺘﻼف أو ﻋﻼﻗﺔ ﺑني اﳌﺘﻐـريﻳﻦ؛ أي أن اﳌﻮاﻓﻘـﺔ‬
‫ﻋﲆ اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﰲ ﺣﻤﻼت ﺗﻨﻈﻴﻢ اﻷﴎة ﻻ ﺗﺨﺘﻠـﻒ ﺑـﺎﺧﺘﻼف ﻣﻨﻄﻘـﺔ اﻹﻗﺎﻣـﺔ‪ .‬ﻻ ﺷـﻚ ﰲ أن اﻟـﱪاﻣﺞ‬
‫اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة ﺗﺘﻴﺢ ﻟﻨﺎ ﻫﺬه اﳌﻌﻄﻴﺎت‪ ،‬ﻏري أﻧﻪ ﻣﻦ اﻟﻀـﺮوري ﻓﻬﻢ ﻫﺬه اﻷﺳﺲ‪.‬‬

‫)‪ (10‬ﻣﻌﺎﻣﻞ ﺛﻴﺘﺎ )ﻣﻌﺎﻣﻞ ﻓﺮميﺎن(‬

‫ﻳﺴﺘﺨــﺪم ﻣﻌﺎﻣـﻞ ﺛﻴﺘـﺎ )‪ (Theta Coefficient‬أو ﻣﻌــﺎﻣﻞ ﻓﺮميــﺎن )‪ (Freeman Coefficient‬إذا ﻛﺎﻧـﺖ‬
‫ﻣـﺜﻼ )ذﻛـﻮر & إﻧـﺎث( أو اﻟﺠﻨﺴـﻴﺔ )ﻣﺼــﺮي & ﻏـري‬
‫اﻟﺒﻴﺎﻧﺎت ﺗﺘﻌﻠﻖ مبﺘﻐريﻳﻦ أﺣﺪﻫام اﺳـﻤﻲ‪ ،‬اﻟﺠـﻨﺲ ً‬
‫ﻳﻮﻣﻴﺎ‪ ،‬أﺷﺎﻫﺪ اﻟﺘﻠﻴﻔﺰﻳﻮن ﻣﻌﻈﻢ أﻳﺎم اﻷﺳـﺒﻮع‪،‬‬
‫ﻣﺼـﺮي( واﳌﺘﻐري اﻵﺧﺮ ﰲ ﺻﻮرة رﺗﺒﺔ )أﺷﺎﻫﺪ اﻟﺘﻠﻴﻔﺰﻳﻮن ّ‬
‫أﺷﺎﻫﺪ اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﻌﺾ أﻳﺎم اﻷﺳﺒﻮع‪ ،‬أﺷﺎﻫﺪ اﻟﺘﻠﻴﻔﺰﻳﻮن ﻳﻮم واﺣﺪ ﰲ اﻷﺳـﺒﻮع‪ ،‬ﻻ أﺷـﺎﻫﺪ اﻟﺘﻠﻴﻔﺰﻳـﻮن(‬
‫وﻟﻬﺬه اﻻﺳﺘﺠﺎﺑﺎت أرﻗﺎم رﺗﺒﻴﺔ )‪ (1 ،2 ،3 ،4 ،5‬وﻳﺠﺐ أن ﺗﻜـﻮن اﻟﺒﻴﺎﻧـﺎت ﻋﻨـﺪ اﺳـﺘﺨﺪام ﻫـﺬا اﳌﻌﺎﻣـﻞ‬
‫ﻣﻮﺿﺤﺔ متﻴﺰ ﺗﻜﺮارات اﳌﺘﻐري اﻻﺳﻤﻲ ﰲ ﻛـﻞ ﻣﺴـﺘﻮى رﺗﺒـﻲ‪ ،‬مبﻌﻨـﻰ أﻧﻨـﺎ إذا ﻛﻨـﺎ ﺑﺼـﺪد ﺑﺤـﺚ اﻟﻌﻼﻗـﺔ‬
‫ﺑني اﻟﺠﻨﺲ )ذﻛﻮر & إﻧﺎث( وﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن وﻓﻖ اﻟﺮﺗﺐ اﳌﺬﻛﻮرة‪ ،‬ﻓﺈﻧـﻪ ﻳﺠـﺐ متﻴـﺰ اﻟـﺬﻛﻮر ﻋـﲆ‬
‫اﻹﻧــﺎث أو اﻟﻌﻜــﺲ ﰲ ﻛــﻞ ﻣﺴــﺘﻮى رﺗﺒــﻲ‪ ،‬ﻛــﺄن ﻳﺘﻤﻴــﺰ اﻟــﺬﻛﻮر ﻋــﻦ اﻹﻧــﺎث ﰲ اﳌﺴــﺘﻮي اﻟﺮﺗﺒــﻲ اﻷول‪،‬‬
‫وﺗﺘﻤﻴﺰ اﻹﻧﺎث ﻋﻦ اﻟﺬﻛﻮر ﰲ اﳌﺴﺘﻮى اﻟﺮﺗﺒﻲ اﻟﺮاﺑﻊ‪ ...‬وﻫﻜﺬا ﰲ ﺑﻘﻴﺔ اﳌﺴـﺘﻮﻳﺎت اﻟﺮﺗﺒﻴـﺔ‪ ،‬واﻟﺘﻤﻴـﺰ ﻫﻨـﺎ‬
‫ﻳﻘﺼﺪ ﺑﻪ ﻋﺪد اﻟﺘﻜﺮارات ﰲ اﳌﺴﺘﻮﻳﺎت اﻟﺮﺗﺒﻴﺔ اﳌﺨﺘﻠﻔﺔ‪ ،‬ﻓﺈذا ﻛـﺎن ﻋـﺪد اﻹﻧـﺎث أﻛـﱪ ﻣـﻦ ﻋـﺪد اﻟـﺬﻛﻮر‬
‫ﰲ ﻣﺴﺘﻮى رﺗﺒـﻲ ﻣﻌـني‪ ،‬ﻓـﺈن ذﻟـﻚ ﻳﻌﻨـﻲ متﻴـﺰ اﻹﻧـﺎث ﻋـﲆ اﻟـﺬﻛﻮر ﰲ ﻫـﺬا اﳌﺴـﺘﻮى‪ ،‬وﻻ ﻳﺸـﱰط أن‬
‫ﺗﻜﻮن اﻟﺒﻴﺎﻧﺎت اﻟﺮﺗﺒﻴﺔ ﻣﺘﺴﻠﺴﻠﺔ‪ ،‬وﻳﺮﻣﺰ ﳌﻌﺎﻣـﻞ ﺛﻴﺘـﺎ ﺑـﺎﻟﺮﻣﺰ اﻟﻼﺗﻴﻨـﻲ ‪ ،ǚ‬وﻛﻤﺜـﺎل ﻋـﲆ ﻫـﺬا اﳌﻌﺎﻣـﻞ‬

‫‪-202-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻧﻔﺮض أﻧﻨﺎ ﺑﺼﺪد ﺑﺤﺚ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني اﻟﻨﻮع )ذﻛﻮر & إﻧﺎث( وﺗﺮﺗﻴﺐ اﻟـﺪرﺟﺎت ﰲ ﻣـﺎدة اﻹﺣﺼـﺎء‬
‫)‪ (5 ،4 ،3 ،2 ،1‬ﻟﻜﻞ ﻣﻔﺮدة ﻣﻦ اﻟﺠﻨﺴني‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ‪ ،‬ﻓﺈن‪:‬‬

‫ﺛﻴﺘﺎ = ‪Ϋ Ι ϙ  Ι Ϋ ϙ‬‬
‫‪Ι ϥ uΫ ϥ‬‬

‫ﺣﻴﺚ إن‪:‬‬
‫‪ -‬ك ذ ث‪ :‬ﻋﺪد اﻟﺘﻜﺮارات اﻟﺘﻲ ﻳﻜﻮن ﻓﻴﻬﺎ اﻟﺬﻛﻮر ﰲ رﺗﺒﺔ أﻋﲆ ﻣﻦ اﻹﻧﺎث‬
‫‪ -‬ك ث ذ‪ :‬ﻋﺪد اﻟﺘﻜﺮارات اﻟﺘﻲ ﻳﻜﻮن ﻓﻴﻬﺎ اﻹﻧﺎث ﰲ رﺗﺒﺔ أﻋﲆ ﻣﻦ اﻟﺬﻛﻮر‬
‫‪ -‬ن ذ‪ :‬ﻋﺪد ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر‬
‫‪ -‬ن ث‪ :‬ﻋﺪد ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث‬
‫ﻛﻤﺜﺎل ﺗﻮﺿﻴﺤﻲ ﻧﻔﺮض أن دراﺳﺔ أﺟﺮﻳﺖ ﻋﲆ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ 200‬ﻣﻔـﺮدة ﻣـﻦ اﻟﺠﻨﺴـني )‪ 160‬ذﻛـﻮر‪،‬‬
‫‪ 40‬إﻧﺎث(‪ ،‬وﻋﻨﺪ ﺗﻨﻈﻴﻢ اﻟﺒﻴﺎﻧﺎت ﺗﺒني أن اﺳﺘﺠﺎﺑﺎت اﻹﻧﺎث ﻋﻜﺴﺖ أﻧﻬﻦ أﺗـني ﺑﻮاﻗـﻊ ‪ 30‬ﺗﻜـﺮا ًرا ﰲ رﺗﺒـﺔ‬
‫أﻋﲆ ﻣﻦ اﻟﺬﻛﻮر؛ ﻣﻦ ﺣﻴﺚ ﻣﻌﺪل ﻣﺸﺎﻫﺪة ﺑﺮاﻣﺞ اﻟﺸﺒﺎب ﰲ اﻟﺘﻠﻴﻔﺰﻳـﻮن‪ ،‬ﰲ ﺣـني ﺟـﺎء اﻟـﺬﻛﻮر ﺑﻮاﻗـﻊ‬
‫‪ 120‬ﺗﻜﺮا ًرا ﰲ ﻣﺮﺗﺒﺔ أﻋﲆ ﻣﻦ اﻹﻧﺎث ﻣﻦ ﺣﻴﺚ اﳌﻌﺪل ﻧﻔﺴﻪ‪ .‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻓﺈن )ك ث ذ( ﺗﺴـﺎوي ‪30‬‬
‫أﻣﺎ )ك ذ ث( ﻓﺘﺴﺎوي ‪ ،120‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ﻣﻌﺎﻣﻞ ﺛﻴﺘﺎ ﻳﻜﻮن‪:‬‬

‫ﺛﻴﺘﺎ = ‪0.014 = 30120‬‬

‫‪40u160‬‬

‫أي أن ﻣﻌﺎﻣﻞ ﺛﻴﺘﺎ ﻳﺴﺎوي ‪ 0.014‬وﻫﻮ ارﺗﺒﺎط ﺿﻌﻴﻒ ﻛام ﻫﻮ واﺿﺢ‪.‬‬

‫ﺗﻔﺴري ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‬

‫ﻳﺘﻀﺢ ﻣام ﺳﺒﻖ أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐريﻳﻦ ﻫـﻮ ﻗﻴﻤـﺔ ﻣﺠـﺮدة ﺗﻌـﱪ ﻋـﻦ اﻟﻌﻼﻗـﺔ اﻟﻘﺎمئـﺔ ﺑـني‬
‫اﳌﺘﻐريﻳﻦ؛ ﺑﺤﻴﺚ ﺗﻨﺤﴫ ﺑني )‪ ،(1-) ،(1+‬وﻓﻴام ﺑني ﻫـﺎﺗني اﻟﻘﻴﻤﺘـني ﻳﻌـﱪ ﻋـﻦ ﻗﻴﻤـﺔ ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط‬
‫ﺑﻜﴪ ﻋﴩي‪.‬‬

‫‪-203-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫وﻫﻨﺎك أﺧﻄﺎء ﺷﺎﺋﻌﺔ ﰲ ﺗﻔﺴري ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪ ،‬ﻓﻘﺪ ﻳﺘﻌﺎﻣﻞ اﻟﺒﺎﺣﺚ ﻣﻊ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻋـﲆ‬
‫ﻓﻤـﺜﻼ‬
‫ﻣﺜﻼ‪ ،‬أو ﻋﲆ أﻧـﻪ ﻧﺴـﺒﺔ ﻣﺌﻮﻳـﺔ وﻫـﺬا ﻏـري ﺻـﺤﻴﺢ‪ً ،‬‬
‫أﻧﻬﺎ ﻗﻴﻤﺔ ﻣﻄﻠﻘﺔ ﻣﺜﻞ ﻗﻴﻤﺔ اﻟﻄﻮل أو اﻟﻮزن ً‬
‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط )‪ (0.25‬ﻻ ﻳﻌﺪ ﻧﺼﻒ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط )‪ ،(0.50‬وﻣﻌﺎﻣﻞ اﻻرﺗﺒـﺎط )‪ (0.50‬ﻻ ﻳﻌـﺪ ﻧﺼـﻒ‬
‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺬي ﻗﻴﻤﺘﻪ واﺣﺪ ﺻﺤﻴﺢ‪،‬ﻛام أن اﻟﻔﺮق ﺑني ﻣﻌﺎﻣﲇ اﻻرﺗﺒﺎط )‪ (0.60) ،(0.40‬ﻻ ﻳﺴـﺎوي‬
‫اﻟﻔﺮق ﺑني ﻣﻌﺎﻣﲇ اﻻرﺗﺒﺎط )‪(0.90) ،(0.70‬‬

‫إن ﻣﻌﺎﻣــﻞ اﻻرﺗﺒــﺎط ﻫــﻮ ﻣﻘــﺪار ﻣﺠــﺮد وﻻ ﻳﻘــﺎس ﻋــﲆ ﻣﻴــﺰان ﺧﻄــﻲ وﺣﺪاﺗــﻪ ﻣﺘﺴــﺎوﻳﺔ‪ ،‬ﻛــام‬
‫ﻻ ﻳﺠﺐ ﺗﻔﺴري ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻋﲆ أﺳﺎس وﺣـﺪات اﻟـﺪرﺟﺎت اﻷﺻـﻠﻴﺔ‪ ،‬ﻓﻘـﺪ ﻳﻜـﻮن اﻫـﺘامم اﻟﺼـﺤﻴﻔﺔ‬
‫ﻣﻘﺎﺳﺎ مبﺴﺎﺣﺔ اﳌﺎدة اﻟﺼﺤﻔﻴﺔ اﻟﺘﻲ اﺳﺘﻐﺮﻗﺘﻬﺎ ﻫﺬه اﻟﻘﻀﺎﻳﺎ )اﳌﺴﺎﺣﺔ ﺑﺎﻟﺴـﻨﺘﻴﻤﱰ اﳌﺮﺑـﻊ(‪،‬‬
‫ﺑﻘﻀﺎﻳﺎ اﳌﺮأة ً‬
‫ﻣﻘﺎﺳـﺎ ﺑﺎﻟﻮﻗـﺖ أو اﳌـﺪة اﻟﺰﻣﻨﻴـﺔ؛ أي أن وﺣـﺪة اﻟﻘﻴـﺎس‬
‫أﻣﺎ اﻫﺘامم اﻟﺮادﻳﻮ ﺑﻘﻀﺎﻳﺎ اﳌـﺮأة‪ ،‬ﻓﻘـﺪ ﻳﻜـﻮن ً‬
‫ﻣﺨﺘﻠﻔﺔ ﰲ اﻟﺤﺎﻟﺘني‪ ،‬وﻋﻨﺪ إﻳﺠﺎد ﻣﻌﺎﻣﻞ اﻻرﺗﺒـﺎط ﺑـني اﻫـﺘامم اﻟﺼـﺤﻴﻔﺔ ﺑﻘﻀـﺎﻳﺎ اﳌـﺮأة )اﳌﺘﻐـري اﻷول(‬
‫واﻫﺘامم اﻟﺮادﻳﻮ ﺑﻬﺬه اﻟﻘﻀﺎﻳﺎ )اﳌﺘﻐري اﻟﺜﺎين( ﻓﺈن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒـﺎط ﺗﻜـﻮن ﻣﺴـﺘﻘﻠﺔ ﻋـﻦ اﻟﻮﺣـﺪات‬
‫اﻟﺘﻲ ﻳﻘﺎس ﺑﻬﺎ اﳌﺘﻐريان واﻟﻘﻴﻢ اﻟﺘﻲ ﻳﺄﺧﺬﻫﺎ ﻛﻞ ﻣﻨﻬام‪.‬‬

‫ﻛام أن ﺑﻌﺾ اﻟﺒﺎﺣﺜني ﻳﻌﺘﱪ أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒـﺎط اﻟـﺬي ﺗـﻨﺤﴫ ﻗﻴﻤﺘـﻪ ﺑـني ‪ 0.70 ،0.30‬ﻫـﻮ ارﺗﺒـﺎط‬
‫ﻣﺘﻮﺳﻂ اﻟﻘﻴﻤﺔ؛ أي أﻧﻪ ﻳﻌﱪ ﻋﻦ ﻋﻼﻗﺔ ارﺗﺒﺎﻃﻴﺔ ﻣﺘﻮﺳﻄﺔ‪ ،‬ﺑﻴـﻨام ﻳﻌﺘـﱪ أن ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط اﻟـﺬي ﺗﻘـﻞ‬
‫ﻣﺮﺗﻔﻌـﺎ‪ ،‬ﻟﻜـﻦ ﻫـﺬه اﻻﻋﺘﺒـﺎرات ﻏـري‬
‫ً‬ ‫ﻣﻨﺨﻔﻀﺎ‪ ،‬أﻣﺎ إذا زادت ﻗﻴﻤﺘﻪ ﻋـﻦ ‪ ،0.70‬ﻓﺈﻧـﻪ ﻳﻌﺘـﱪ‬
‫ً‬ ‫ﻗﻴﻤﺘﻪ ﻋﻦ ذﻟﻚ‬
‫ﺻﺤﻴﺤﺔ‪ ،‬ذﻟﻚ أن دﻻﻟﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻫﻲ داﻟﺔ ﻟﺤﺠﻢ اﻟﻌﻴﻨـﺔ‪ ،‬ﻓﻘـﺪ ﻳﻜـﻮن ﻣﻌﺎﻣـﻞ ارﺗﺒـﺎط ﻗـﺪره )‪،(0.3‬‬
‫وﻟﻜﻨﻪ دال إﺣﺼﺎﺋﻴّﺎ )‪ (Significant‬ﻷن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪ 600‬ﻣﻔﺮدة ً‬
‫ﻣﺜﻼ‪ ،‬وﰲ اﻟﻮﻗﺖ ﻧﻔﺴﻪ ﻓـﺈن ﻣﻌﺎﻣـﻞ ارﺗﺒـﺎط‬
‫ــﺎﺋﻴﺎ )‪ (Not Significant‬ﻷن ﺣﺠــﻢ اﻟﻌﻴﻨــﺔ ﻋﺸـــﺮ ﻣﻔــﺮدات؛ أي أن ﻗﻴﻤــﺔ‬
‫ﻗــﺪره )‪ (0.7‬ﻟﻜﻨــﻪ ﻏــري دال إﺣﺼ ّ‬

‫‪-204-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺮﺗﻔﻌﺔ اﻟﺘﻲ ﻳﺤﺼﻞ ﻋﻠﻴﻬﺎ اﻟﺒﺎﺣﺚ ﺑﺎﺳﺘﺨﺪام ﻋﻴﻨﺎت ﺻﻐرية ﻗﺪ ﻻ ﻳﻜـﻮن ﻟﻬـﺎ أي دﻻﻟـﺔ‬
‫إﺣﺼﺎﺋﻴﺔ‪.‬‬

‫ﻣﻦ ﺟﻬﺔ أﺧﺮى ﻓﺈن ﻣﻘﺪار اﻟﻌﻼﻗﺔ ﺑـني ﻣﺘﻐـريﻳﻦ ﻻ ﺗﻌﺘﻤـﺪ ﻋـﲆ إﺷـﺎرة ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط‪ ،‬ﻓﻤﻌﺎﻣـﻞ‬
‫اﻻرﺗﺒﺎط )‪ (0.70-‬ﻳﻌﱪ ﻋﻦ ﻧﻔﺲ ﻣﻘﺪار اﻟﻌﻼﻗﺔ ﺑني ﻣﺘﻐـريﻳﻦ ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط ﺑﻴـﻨﻬام )‪ (0.70+‬ﻓـﺎﻟﻔﺮق‬
‫ﺑﻴﻨﻬام ﻳﻜﻮن ﰲ اﺗﺠﺎه اﻟﻌﻼﻗﺔ وﻟﻴﺲ ﰲ ﻗﻴﻤﺔ اﻟﻌﻼﻗﺔ‪.‬‬

‫أﺧ ًريا‪ ،‬ﻓﺈن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻻ ﺗﺘﺄﺛﺮ ﺑﺈﺿﺎﻓﺔ أو ﻃﺮح ﻣﻘﺪار ﺛﺎﺑﺖ إﱃ أو ﻣﻦ ﻛﻞ ﻗﻴﻤﺔ ﻣـﻦ ﻗـﻴﻢ‬
‫ﻣﺜﻼ أن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني ﻣﻌﺪل اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن وﻣﻌـﺪل‬
‫أﺣﺪ اﳌﺘﻐريﻳﻦ‪ ،‬ﻓﻘﺪ ﻳﺠﺪ اﻟﺒﺎﺣﺚ ً‬
‫اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ ﻳﺴﺎوي )‪ (0.6‬وﰲ ﺗﻄﺒﻴﻖ آﺧﺮ ﻋﲆ اﳌﺠﻤﻮﻋﺔ ﻧﻔﺴﻬﺎ ﻳﺘﻀﺢ أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑـﻨﻔﺲ‬
‫اﻟﻘﻴﻤﺔ )‪ ،(0.6‬رﻏﻢ أن ﻣﺘﻮﺳﻂ درﺟﺎت اﳌﺠﻤﻮﻋﺔ ﻋﲆ اﻻﺧﺘﺒﺎرﻳﻦ ﰲ اﻟﺘﻄﺒﻴﻖ اﻟﺜﺎين ﻣﺨﺘﻠﻒ ﻋﻦ ﻣﺘﻮﺳﻂ‬
‫درﺟﺘﻬﺎ ﰲ اﻟﺘﻄﺒﻴﻖ اﻷول‪ ،‬وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ ذﻟﻚ ﻓﺈن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻇﻞ ﻛام ﻫﻮ‪.‬‬

‫إن ذﻟﻚ ﻳﻔﴪ مبﺎ ﺳﺒﻖ ذﻛﺮه وﻫﻲ أن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻻ ﺗﺘﺄﺛﺮ ﺑﺈﺿﺎﻓﺔ أو ﻃﺮح ﻣﻘﺪار ﺛﺎﺑﺖ إﱃ‬
‫أو ﻣﻦ ﻛﻞ ﻗﻴﻤﺔ ﻣﻦ ﻗﻴﻢ أﺣﺪ اﳌﺘﻐريﻳﻦ‪ ،‬ﻓﻔﻲ اﻟﺘﻄﺒﻴﻖ اﻟﺜﺎين ﻗﺪ ﻳﻜـﻮن ﻣﺘﻮﺳـﻂ درﺟـﺔ اﳌﺠﻤﻮﻋـﺔ ﻓـﻴام‬
‫ﻳﺨﺺ ﻣﻌﺪل اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﻗﺪ زاد ﺑﻘﻴﻤﺔ ﻣﻌﻴﺎرﻳﺔ ﺗﺴـﺎوي اﻟﺰﻳـﺎدة ﰲ ﻣﻌـﺪل اﺳـﺘﺨﺪام اﻹﻧﱰﻧـﺖ‬
‫)ﻟﻘﺪ زاد ﻛﻼ اﳌﺘﻐريﻳﻦ ﺑﻘﻴﻤﺔ ﺛﺎﺑﺘﺔ أو واﺣﺪة(‪ ،‬وﺑﺎﳌﺜﻞ ﻓﻘﺪ ﻳﻜـﻮن اﳌﺘﻐـريان ﻗـﺪ ﻧﻘﺼـﺎ ﺑﻘﻴﻤـﺔ واﺣـﺪة‪،‬‬
‫ﻓﻤﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻫﻮ ﻗﻴﻤﺔ ﺗﺪل ﻋﲆ اﻟﺘﻐﺎﻳﺮ أو اﻟﺘﺒﺎﻳﻦ اﳌﺘﻼزم )‪ (Concomitant Variation‬ﺑني اﳌﺘﻐريﻳﻦ‪،‬‬
‫وﻻ ﻳﺸري إﱃ ﻣﻘﺪار اﳌﺘﻐريﻳﻦ‪.‬‬
‫وﻣﻦ اﻟﻄﺮق اﳌﻔﻴﺪة ﰲ ﺗﻔﺴري اﻟﻘﻴﻢ اﳌﺨﺘﻠﻔﺔ ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط )ر( ﻫﻮ ﺗﺮﺑﻴﻊ ﻫﺬه اﻟﻘـﻴﻢ؛‬
‫‪2‬‬ ‫‪2‬‬
‫أي اﻟﺤﺼﻮل ﻋﲆ ﻗﻴﻤﺔ )ر (‪ ،‬واﳌﻘﺪار )ر ( ﻫـﻮ اﻟﻨﺴـﺒﺔ ﺑـني اﻟﺘﺒـﺎﻳﻦ اﻟﻜـﲇ ﻷﺣـﺪ اﳌﺘﻐـريﻳﻦ‬
‫‪2‬‬
‫واﻟﺠﺰء ﻣﻦ ﻫﺬا اﻟﺘﺒﺎﻳﻦ اﻟﺬي ميﻜﻦ اﻟﺘﻨﺒﺆ ﺑﻪ ﺑﺎﺳﺘﺨﺪام اﳌﺘﻐري اﻟﺜﺎين‪ .‬أي أن )ر ( ﻫـﻲ اﻟﺠـﺰء‬
‫ﻣﻦ ﺗﺒﺎﻳﻦ أﺣﺪ اﳌﺘﻐريﻳﻦ اﻟﺬي ميﻜﻦ أن ﻧﺘﻨﺒﺄ ﺑﻪ ﺑﺎﺳـﺘﺨﺪام اﳌﺘﻐـري اﻟﺜـﺎين‪ .‬ﻓـﺈذا ﻛـﺎن ﻣﻌﺎﻣـﻞ‬

‫‪-205-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫‪2‬‬ ‫‪2‬‬
‫ﻣﺜﻼ ﻓـﺈن ر = )‪ 0.5= (707‬ﺗﻘﺮﻳﺒـﺎ‪ ،‬وﻋﻨـﺪﻣﺎ ﺗﻜـﻮن ﻗﻴﻤـﺔ ر= ‪0.50‬‬
‫اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐريﻳﻦ ﻫﻮ)‪ً (0.707‬‬
‫‪2‬‬
‫ﻓﺈن ر = ‪0.25‬؛ وﻟﺬﻟﻚ ﻓﺈﻧﻪ ميﻜﻦ اﻋﺘﺒﺎر أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ‪ 0.707‬ﺿﻌﻒ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ‪ 0.50‬ﺣﻴـﺚ‬
‫‪2‬‬
‫إن ﻧﺴﺒﺔ)ر ( ﰲ اﻟﺤﺎﻟﺘني ﻫﻲ )‪ (1:2‬ﺗﻘﺮﻳﺒﺎ‬

‫اﺑﻌﺎ‪ :‬اﻻرﺗﺒﺎط اﳌﺘﻌﺪد‬

‫ر ً‬
‫ﻣـﺜﻼ‬
‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد )‪ (R‬ﻫﻮ اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐري ﺗﺎﺑﻊ وأﻛرث ﻣـﻦ ﻣﺘﻐـري ﻣﺴـﺘﻘﻞ‪ ،‬ﻣـﻦ ذﻟـﻚ ً‬
‫اﻻرﺗﺒﺎط ﺑني اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ )ﻛﻤﺘﻐري ﺗﺎﺑﻊ( واﻟﺪرﺟـﺔ ﻋـﲆ ﻣﻘﻴـﺎس اﺳـﺘﺨﺪام ﻛـﻞ‬
‫ﻣﻦ‪ :‬ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ‪ ،‬ﻣﺸﺎﻫﺪة اﳌﻮاد اﻹﺧﺒﺎرﻳﺔ ﰲ اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬اﻟﺘﻔﺎﻋـﻞ ﻣـﻊ اﳌﻨﺘـﺪﻳﺎت اﻟﺴﻴﺎﺳـﻴﺔ‬
‫ﻋﱪ اﻹﻧﱰﻧﺖ )ﻛﻤﺘﻐريات ﻣﺴﺘﻘﻠﺔ(‪ ،‬وﺗﱰاوح ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﺑني اﻟﺼـﻔﺮ واﻟﻮاﺣـﺪ اﻟﺼـﺤﻴﺢ‬
‫اﳌﻮﺟﺐ؛ أي أﻧﻪ ﻣﻮﺟﺐ اﻟﻘﻴﻤﺔ دامئًﺎ‪ ،‬وﻫﺬه اﻟﻘﻴﻤﺔ ﰲ ﺣﻘﻴﻘﺘﻬﺎ ﻫـﻲ اﻟﺠـﺬر اﻟﱰﺑﻴﻌـﻲ ﳌﻌﺎﻣـﻞ اﻟﺘﺤﺪﻳـﺪ‬
‫‪2‬‬
‫)‪ (Determination Coefficient‬ورﻣﺰه ) ‪ ،(R‬ﻓﻬﻮ ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪ ،‬وﻳﺪل ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ﻋﲆ ﻧﺴـﺒﺔ‬
‫اﻟﺘﺒﺎﻳﻦ ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ ﺑﻔﻌﻞ اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ‪ ،‬ﻓﺈذا ﻛﺎن ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ‪ R2‬ﻟﻠﻌﻼﻗﺔ ﺑـني ﻣﺘﻐـري ﺗـﺎﺑﻊ‬
‫وﻣﺠﻤﻮﻋﺔ ﻣﺘﻐريات ﻣﺴﺘﻘﻠﺔ ﻫﻮ ‪ ،0.68‬ﻓﺈن ذﻟﻚ ﻳﻌﻨـﻲ أن ﻫـﺬه اﳌﺘﻐـريات اﳌﺴـﺘﻘﻠﺔ ﺗﻔﺴــﺮ ‪ 0.68‬ﻣـﻦ‬
‫اﻟﺘﺒﺎﻳﻦ ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬أﻣﺎ اﻟﻨﺴـﺒﺔ اﻟﺒﺎﻗﻴـﺔ )‪ ،(0.32‬ﻓﺈﻧﻬـﺎ ﺗﻌـﺰى إﱃ ﻋﻮاﻣـﻞ أﺧـﺮى‪ .‬وإذا ﻛـﺎن ﻣﻌﺎﻣـﻞ‬
‫اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﻣﻮﺟﺐ اﻟﻘﻴﻤﺔ دامئًﺎ‪ ،‬ﻓﺈن ﻫﺬه اﻟﻘﻴﻤﺔ ﺗﻜﻮن أﻛـﱪ ﻣـﻦ ﻗﻴﻤـﺔ ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط ﺑـني أي‬
‫ﻣﺘﻐريﻳﻦ ﻣﻦ اﳌﺘﻐريات اﻟﺘﻲ ﻳﺘﻢ ﺗﻘﴢ اﻟﻌﻼﻗﺔ ﺑﻴﻨﻬﺎ‪.‬‬

‫وﺗﺘﻌــﺪد ﺻــﻴﻎ اﻟﺤﺼــﻮل ﻋــﲆ ﻣﻌﺎﻣــﻞ اﻻرﺗﺒــﺎط اﳌﺘﻌــﺪد وﻟﻜــﻞ ﻣﻨﻬــﺎ أﺳﺴــﻬﺎ اﻟﺠﱪﻳــﺔ‬
‫واﻟﺮﻳﺎﺿﻴﺔ‪ ،‬وﻣﻦ ﻫﺬه اﻟﻄﺮق‪ :‬ﺻﻴﻐﺔ ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت‪ ،‬ﺻﻴﻐﺔ ﻣﻌﺎﻣﻼت اﻻﻧﺤﺪار اﳌﻌﻴﺎرﻳﺔ‪،‬‬
‫ﺻﻴﻐﺔ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن‪ ،‬ﺻﻴﻐﺔ اﻻرﺗﺒﺎﻃـﺎت اﻟﺜﻨﺎﺋﻴـﺔ ﺑـني اﳌﺘﻐـريات‪ ،‬وﻫـﺬه اﻟﺼـﻴﻐﺔ‬
‫اﻷﺧرية ﻫﻲ اﻷﻛرث ﻣﻼءﻣـﺔ ﻟﺒﺤـﻮث اﻻﺗﺼـﺎل‪ ،‬ﻛـام أﻧﻬـﺎ أﺑﺴـﻂ اﻟﻄـﺮق ﻷﻧﻬـﺎ ﺗﻌﺘﻤـﺪ ﻋـﲆ‬
‫ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني ﻛﻞ زوﺟني ﻣﻦ اﳌﺘﻐريات ﻣﺤﻞ اﻟﺪراﺳﺔ‪ .‬وﻟﺘﺒﺴﻴﻂ ﻓﻬـﻢ ﻣﻌﺎﻣـﻞ‬

‫‪-206-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﺗﺎﺑﻌﺎ وﻣﺘﻐريﻳﻦ ﻣﺴﺘﻘﻠني‪ ،‬وﻟرنﻣـﺰ ﻟﻠﻤﺘﻐـري‬

‫اﻻرﺗﺒﺎط اﳌﺘﻌﺪد مبﻮﺟﺐ ﻫﺬه اﻟﺼﻴﻐﺔ‪ ،‬ﻧﻔﺮض أن ﻟﺪﻳﻨﺎ ﻣﺘﻐ ًريا ً‬
‫اﻟﺘﺎﺑﻊ ﺑﺎﻟﺮﻗﻢ )‪ ،(1‬أﻣﺎ اﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻷول‪ ،‬ﻓرنﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻗﻢ )‪ ،(2‬واﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻟﺜﺎين ﻧﺮﻣﺰ ﻟـﻪ ﺑـﺎﻟﺮﻗﻢ‬
‫)‪ .(3‬إن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﻫﻮ اﻟﺠﺬر اﻟﱰﺑﻴﻌﻲ ﻟﻨﺎﺗﺞ ﻫﺬه اﳌﻌﺎدﻟﺔ‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫ر ت س ‪ +‬ر ت ص – ‪) 2‬ر ت س( )ر ت ص( )ر س ص(‬ ‫‪2‬‬
‫ر =‬
‫ـــــــــــــــــــــــــــــــــــــــــــ ـــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬
‫‪2‬‬
‫‪–1‬ر سص‬

‫ﻋﻠام ﺑﺄن‪:‬‬
‫ً‬
‫ر‪ : 2‬ﺗﻌﻨﻲ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ )ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط(‪ ،‬وﻫﻮ ﰲ ﻣﺜﺎﻟﻨﺎ ﻫﺬا ﻳﻌﻨﻲ ﻧﺴﺒﺔ اﻟﺘﺒﺎﻳﻦ ﰲ اﳌﺘﻐري‬
‫اﻟﺘﺎﺑﻊ ﺑﻔﻌﻞ اﳌﺘﻐريﻳﻦ اﳌﺴﺘﻘﻠني‬
‫ر‪ 2‬ت س‪ :‬ﺗﻌﻨﻲ ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐري اﻟﺘﺎﺑﻊ واﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻷول‬
‫ر‪ 2‬ت ص‪ :‬ﺗﻌﻨﻲ ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐري اﻟﺘﺎﺑﻊ واﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻟﺜﺎين‬
‫ر‪ 2‬س ص‪ :‬ﺗﻌﻨﻲ ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻷول واﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻟﺜﺎين‬
‫ﻣﺜﺎل‪:‬‬
‫ﻓﻴام ﻳﲇ ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط ﺑني اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ )ﻣﺘﻐري ﺗـﺎﺑﻊ(‪ ،‬وﻟرنﻣـﺰ ﻟـﻪ ﺑـﺎﻟﺮﻣﺰ )ت(‪ ،‬وﻛـﻞ ﻣـﻦ‬
‫ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﺑﺎﻧﺘﻈﺎم )ﻣﺘﻐـري ﻣﺴـﺘﻘﻞ أول(‪ ،‬وﻟرنﻣـﺰ ﻟـﻪ ﺑـﺎﻟﺮﻣﺰ )س( واﳌﺸـﺎرﻛﺔ ﰲ اﳌﻨﺘـﺪﻳﺎت‬
‫اﻟﺴﻴﺎﺳﻴﺔ ﻋﱪ اﻹﻧﱰﻧﺖ )ﻣﺘﻐري ﻣﺴﺘﻘﻞ ﺛﺎن( وﻟرنﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻣﺰ )ص(‬
‫ص‬ ‫س‬ ‫ت‬ ‫ﻣﺘﻐريات‬
‫‪1‬‬ ‫ت‬
‫‪1‬‬ ‫‪0.58‬‬ ‫س‬
‫‪1‬‬ ‫‪0.18‬‬ ‫‪0.72‬‬ ‫ص‬

‫ﻓﺈذا أردﻧﺎ ﻣﻌﺮﻓﺔ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﺑني اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ )ﻣﺘﻐري ﺗﺎﺑﻊ(‪ ،‬وﻛﻞ ﻣﻦ ﻗـﺮاءة‬
‫اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴـﺔ ﺑﺎﻧﺘﻈـﺎم‪ ،‬واﳌﺸـﺎرﻛﺔ ﰲ اﳌﻨﺘـﺪﻳﺎت اﻟﺴﻴﺎﺳـﻴﺔ ﻋـﱪ اﻹﻧﱰﻧـﺖ )ﻛﻤﺘﻐـريﻳﻦ‬

‫‪-207-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻣﺴﺘﻘﻠني(‪ ،‬ﻓﺈن ذﻟﻚ ﻳﻜﻮن ﺑﺎﻟﺘﻌﻮﻳﺾ ﰲ اﳌﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ ﻓﻨﺤﺼﻞ ﻋﲆ ﻗﻴﻤـﺔ ﻣﻌﺎﻣـﻞ اﻟﺘﺤﺪﻳـﺪ‪ ،‬وﻳﻜـﻮن‬
‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﻫﻮ اﻟﺠﺬر اﻟﱰﺑﻴﻌﻲ ﻟﻬﺬه اﻟﻘﻴﻤﺔ ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬

‫ )‪(0.18)(0.72)(0.58)2  2 (0.72‬‬ ‫‪2‬‬

‫)‪(0.58‬‬ ‫‪2‬‬
‫‪2‬‬
‫ر =‬
‫‪(0.18)  1‬‬

‫ر = ‪0.73 = 0.150336  0.8548‬‬

‫‪2‬‬
‫‪0.9676‬‬

‫وﻳﻜﻮن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﻫﻮ ‪0.85 = 0.73 b‬‬

‫وﻛـﻞ ﻣـﻦ‪ :‬ﻗـﺮاءة اﻟﺼـﺤﻒ‬ ‫ً‬

‫ارﺗﺒﺎﻃﺎ ﻗﻴﻤﺘﻪ )‪ (0.85‬ﺑني اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ )ﻛﻤﺘﻐري ﺗـﺎﺑﻊ( ﱟ‬ ‫أي أن ﻫﻨﺎك‬
‫اﻟﻴﻮﻣﻴﺔ ﺑﺎﻧﺘﻈﺎم‪ ،‬اﳌﺸﺎرﻛﺔ ﰲ اﳌﻨﺘﺪﻳﺎت اﻟﺴﻴﺎﺳﻴﺔ )ﻛﻤﺘﻐريات ﻣﺴـﺘﻘﻠﺔ(‪ ،‬وﻣـﻦ اﻟﻮاﺿـﺢ أن ﻫـﺬه اﻟﻘﻴﻤـﺔ‬
‫ﻣﻮﺟﺒﺔ‪ ،‬ﻛام أﻧﻬﺎ أﻛﱪ ﻣﻦ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑني أي زوﺟني ﻣﻦ اﳌﺘﻐريات اﳌﺒﻴﻨﺔ ﺑﺎﻟﺠﺪول‪.‬‬
‫‪2‬‬
‫وﰲ ﺿﻮء ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ) ‪ ،(R‬ﻓﺈن ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﺑﺎﻧﺘﻈـﺎم‪ ،‬واﳌﺸـﺎرﻛﺔ ﰲ اﳌﻨﺘـﺪﻳﺎت‬
‫اﻟﺴﻴﺎﺳﻴﺔ ﻋﱪ اﻹﻧﱰﻧﺖ ﻳﻔﴪان ‪ 0.73‬ﻣﻦ اﻟﺘﺒﺎﻳﻦ ﰲ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ‪.‬‬

‫ﺧﺎﻣﺴﺎ‪ :‬اﻻرﺗﺒﺎط اﻟﺠﺰيئ‬

‫ً‬
‫ميﺜﻞ اﻻرﺗﺒﺎط اﻟﺠﺰيئ )‪ (Partial Correlation‬أﺣﺪ ﺗﻄﺒﻴﻘﺎت اﻟﻀﺒﻂ اﻹﺣﺼـﺎيئ اﳌﻬﻤـﺔ‪ ،‬وﺟـﻮﻫﺮ ﻫـﺬا‬
‫اﻻرﺗﺒﺎط ﻗﻴﺎس اﻟﻌﻼﻗﺔ اﳌﺴـﺘﻘﻴﻤﺔ ﺑـني ﻣﺘﻐـريﻳﻦ ﺑﻌـﺪ ﻋـﺰل ﺗـﺄﺛري اﳌﺘﻐـريات اﻷﺧـﺮى‪ .‬ﻟﻨﻔـﺮض أن ﻟـﺪﻳﻨﺎ‬
‫اﳌﺘﻐريات اﻟﺜﻼﺛﺔ اﻵﺗﻴﺔ‪:‬‬

‫اﳌﺘﻐري اﻷول‪ :‬اﳌﻌﺮﻓﺔ ﺑﺎﻷﺣﺪاث اﻟﺴﻴﺎﺳﻴﺔ‬

‫اﳌﺘﻐري اﻟﺜﺎين‪ :‬ﻣﻌﺪل اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن‬

‫اﳌﺘﻐري اﻟﺜﺎﻟﺚ‪ :‬ﻣﻌﺪل ﻗﺮاءة اﻟﺼﺤﻒ‬

‫‪-208-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﺑﺎﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺠﺰيئ ميﻜﻨﻨﺎ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑـني أي ﻣﺘﻐـريﻳﻦ اﺛﻨـني ﻣـﻦ ﺗﻠـﻚ‬
‫اﳌﺘﻐريات ﺑﻌﺪ ﺗﺜﺒﻴﺖ أﺛﺮ اﳌﺘﻐري اﻟﺜﺎﻟﺚ؛ ﺑﺤﻴﺚ ﻻ ﻳﺆﺛﺮ ﰲ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪ .‬ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل ميﻜـﻦ‬
‫ﻣﻌﺮﻓﺔ اﻻرﺗﺒﺎط ﺑني اﳌﻌﺮﻓﺔ ﺑﺎﻷﺣﺪاث اﻟﺴﻴﺎﺳﻴﺔ وﻣﻌﺪل اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﻌـﺪ ﺗﺜﺒﻴـﺖ ﻣﻌـﺪل ﻗـﺮاءة‬
‫اﻟﺼﺤﻒ‪ ،‬ﻛام ميﻜﻦ ﻣﻌﺮﻓﺔ اﻻرﺗﺒﺎط ﺑني اﳌﻌﺮﻓﺔ ﺑﺎﻷﺣﺪاث اﻟﺴﻴﺎﺳﻴﺔ وﻣﻌﺪل ﻗﺮاءة اﻟﺼﺤﻒ ﺑﻌـﺪ ﺗﺜﺒﻴـﺖ‬
‫ﻣﻌﺪل اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ....‬ﻟﻘﺪ ﺗﻢ ﻋﺰل ﺗﺄﺛري ﻣﺘﻐري ﺛﺎﻟﺚ ﻣﻦ اﻟﻌﻼﻗﺔ ﺑني ﻣﺘﻐريﻳﻦ‪.‬‬

‫إن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺠﺰيئ ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﻜﻮن ﻣﻦ اﻟﺮﺗﺒﺔ اﻷوﱃ )‪(First Order Partial Correlation‬؛‬
‫ﻷن ﻫﺬا أﺑﺴﻂ ﻣﺴﺘﻮى ﻟﻼرﺗﺒﺎط اﻟﺠﺰيئ؛ ﺣﻴﺚ اﳌﻄﻠﻮب ﻣﻌﺮﻓﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐريﻳﻦ ﺑﻌﺪ ﺗﺜﺒﻴﺖ‬
‫ﺗﺄﺛري ﻣﺘﻐري ﺛﺎﻟﺚ ﰲ ﺗﻠﻚ اﻟﻌﻼﻗﺔ؛ أي أن اﻟﻌﻤﻠﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﺗﺘﻨﺎول ﺛﻼﺛﺔ ﻣﺘﻐريات‪ ،‬ﻣﻊ ﺗﺜﺒﻴـﺖ أﺣـﺪﻫﻢ‬
‫ﺛﻢ ﺑﺤﺚ اﻟﻌﻼﻗﺔ ﺑني اﻻﺛﻨني اﻵﺧﺮﻳﻦ‪.‬‬

‫ﻣﺜﺎل ﺗﻄﺒﻴﻘﻲ‪:‬‬

‫ﰲ دراﺳﺔ ﻋﻦ اﻟﻌﻼﻗﺔ ﺑني اﺳﺘﺨﺪام اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ )ﻣﺘﻐري أول(‪ ،‬واﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ )ﻣﺘﻐري ﺛـﺎن(‪،‬‬
‫وﻗﺮاءة اﻟﻜﺘﺐ )ﻣﺘﻐري ﺛﺎﻟﺚ(‪ ،‬ﺗﺒني أن اﻻرﺗﺒﺎط ﺑني ﻛﺜﺎﻓـﺔ اﺳـﺘﺨﺪام اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ وﻛﺜﺎﻓـﺔ اﺳـﺘﺨﺪام‬
‫اﻹﻧﱰﻧﺖ = ‪ 0.68‬وﻟرنﻣﺰ ﻟﻪ ﺑـﺎﻟﺮﻣﺰ )ر‪ ،(2 ،1‬وﺗﻨﻄـﻖ راء واﺣـﺪ اﺛﻨـني )مبﻌﻨـﻰ اﻻرﺗﺒـﺎط ﺑـني اﳌﺘﻐـري اﻷول‬
‫واﳌﺘﻐري اﻟﺜﺎين(‪ ،‬أﻣﺎ اﻻرﺗﺒﺎط ﺑني ﻛﺜﺎﻓﺔ اﺳﺘﺨﺪام اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ وﻗﺮاءة اﻟﻜﺘﺐ ﻓﻘﺪ ﻛﺎن = ‪ 0.54‬وﻟرنﻣـﺰ‬
‫ﻟﻪ ﺑﺎﻟﺮﻣﺰ )ر‪ ،(3 ،1‬وﺗﻨﻄﻖ راء واﺣﺪ ﺛﻼﺛﺔ )مبﻌﻨﻰ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐري اﻷول واﳌﺘﻐـري اﻟﺜﺎﻟـﺚ(‪ ،‬أﺧـ ًريا ﻓـﺈن‬

‫اﻻرﺗﺒﺎط ﺑني ﻛﺜﺎﻓﺔ اﺳﺘﺨﺪام اﻻﻧﱰﻧﺖ وﻗﺮاءة اﻟﻜﺘﺐ ﻛﺎﻧﺖ ﻗﻴﻤﺘﻪ ‪ 0.72‬وﻟرنﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻣﺰ )ر‪ ،(3 ،2‬وﺗﻨﻄـﻖ‬
‫راء اﺛﻨني ﺛﻼﺛﺔ )مبﻌﻨﻰ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐري اﻟﺜﺎين واﳌﺘﻐري اﻟﺜﺎﻟﺚ(‪.‬‬

‫‪-209-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻓﺈذا أردﻧﺎ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺠﺰيئ ﺑني أي ﻣﺘﻐريﻳﻦ ﻣﻊ ﺗﺜﺒﻴﺖ اﳌﺘﻐري اﻵﺧﺮ‪ ،‬ﻓـﺈن ذﻟـﻚ ميﻜـﻦ‬
‫ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬

‫)‪ (1‬ﺣﺴﺎب اﻻرﺗﺒﺎط ﺑني ﻛﺜﺎﻓﺔ اﺳﺘﺨﺪام اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ وﻛﺜﺎﻓﺔ اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ ﺑﻌﺪ ﻋـﺰل ﺗـﺄﺛري‬
‫ﻗﺮاءة اﻟﻜﺘﺐ )ر‪ ،(3 - 2 ،1‬وﻳﻜﻮن ذﻟﻚ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫‪(3ˬ2 έ u‬‬ ‫‪3ˬ1έ )  2ˬ1έ‬‬ ‫ر‪= 3 - 2 ،1‬‬

‫(>‬ ‫‪2‬‬
‫‪3ˬ2 έ) -‬‬ ‫( >@‬
‫‪1‬‬ ‫‪2‬‬
‫‪3ˬ1 έ) -‬‬ ‫‪@b‬‬
‫‪1‬‬

‫‪(0.72 u0.54) 0.68‬‬

‫= ‪0.498‬‬ ‫ر‪= 3 - 2 ،1‬‬
‫‪> (0.72) - 1@> (0.54) - 1@ b‬‬
‫‪2‬‬ ‫‪2‬‬

‫)‪ (2‬ﺣﺴﺎب اﻻرﺗﺒﺎط ﺑني ﻛﺜﺎﻓﺔ اﺳﺘﺨﺪام اﻟﺼﺤﻒ وﻗﺮاءة اﻟﻜﺘﺐ ﺑﻌﺪ ﻋﺰل ﺗﺄﺛري اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ‬
‫)ر‪ ،(2 - 3 ،1‬وﻳﻜﻮن ذﻟﻚ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫‪(3ˬ2 έ u‬‬ ‫‪2ˬ1έ )  3ˬ1έ‬‬ ‫ر‪= 2- 3 ،1‬‬

‫(>‬ ‫‪2‬‬
‫‪3ˬ2 έ) -‬‬ ‫( >@‬
‫‪1‬‬ ‫‪2‬‬
‫‪2ˬ1 έ) -‬‬ ‫‪@b‬‬
‫‪1‬‬

‫‪(0.72 u0.68) 0.54‬‬

‫=‪0.01‬‬ ‫ر‪= 2- 3 ،1‬‬
‫‪> (0.72) - 1@> (0.68) - 1@ b‬‬
‫‪2‬‬ ‫‪2‬‬

‫)‪ (3‬ﺣﺴﺎب اﻻرﺗﺒﺎط ﺑني ﻛﺜﺎﻓﺔ اﺳﺘﺨﺪام اﻹﻧﱰﻧـﺖ وﻗـﺮاءة اﻟﻜﺘـﺐ ﺑﻌـﺪ ﻋـﺰل ﺗـﺄﺛري ﻗـﺮاءة اﻟﺼـﺤﻒ‬
‫اﻟﻴﻮﻣﻴﺔ )ر‪ ،(1 - 3 ،2‬وﻳﻜﻮن ذﻟﻚ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫‪(3ˬ1έ u‬‬ ‫‪2ˬ1έ )  3ˬ2 έ‬‬ ‫ر‪= 1- 3 ،2‬‬

‫(>‬ ‫‪2‬‬
‫‪3ˬ1 έ) -‬‬ ‫( >@‬
‫‪1‬‬ ‫‪2‬‬
‫‪2ˬ1 έ) -‬‬ ‫‪@b‬‬
‫‪1‬‬
‫‪-210-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫‪(0.54u0.68) 0.72‬‬
‫= ‪0.70‬‬ ‫ر‪= 1- 3 ،2‬‬
‫‪> (0.54) - 1@> (0.68) - 1@ b‬‬
‫‪2‬‬ ‫‪2‬‬

‫ﻟﻜﻦ اﻟﻜﺜري ﻣﻦ اﻟﺪراﺳﺎت اﻟﻌﻠﻤﻴﺔ ﻻ ﺗﻘﺘﴫ ﻋﲆ ﺛﻼﺛﺔ ﻣﺘﻐريات‪ ،‬وإمنﺎ ﺗﺸﻤﻞ ﻣﺘﻐريات ﻋﺪﻳﺪة‪) ،‬ﻣﺜﻞ‪:‬‬
‫اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ‪ ،‬ﻣﻌﺪل ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‪ ،‬ﻣﻌـﺪل ﻗـﺮاءة اﻟﺼـﺤﻒ‪ ،‬ﻣﻌـﺪل ﺳـامع اﻟﺮادﻳـﻮ‪ ،‬ﻣﻌـﺪل‬
‫اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ‪ ،‬ﻣﻄﺎﻟﻌﺔ اﻟﻜﺘﺐ اﳌﻌﻨﻴـﺔ ﺑﺎﻟﺸـﺌﻮن اﻟﻌﺎﻣـﺔ‪ ،‬اﻻﺗﺠـﺎه اﻟﺴـﻴﺎﳼ‪ ،‬اﳌﺸـﺎرﻛﺔ ﰲ ﻣﺆﺳﺴـﺎت‬
‫ﻣﺜﻼ رﺻﺪ وﺗﺤﻠﻴﻞ اﻟﻌﻼﻗﺔ ﺑني اﳌﻌﺮﻓـﺔ اﻟﺴﻴﺎﺳـﻴﺔ وﻣﻌـﺪل‬
‫اﳌﺠﺘﻤﻊ اﳌﺪين‪ ....‬إﻟﺦ(‪ ،‬وﻗﺪ ﺗﻘﺘﻀـﻲ اﻟﺪراﺳﺔ ً‬
‫ﻗﺮاءة اﻟﺼﺤﻒ ﺑﻌﺪ ﻋﺰل ﺗﺄﺛري اﳌﺘﻐريات اﻷﺧـﺮى )ﻣﻌـﺪل ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‪ ،‬ﻣﻌـﺪل ﺳـامع اﻟﺮادﻳـﻮ‪،‬‬
‫ﻣﻌــﺪل اﺳــﺘﺨﺪام اﻹﻧﱰﻧــﺖ‪ ،‬ﻣﻄﺎﻟﻌــﺔ اﻟﻜﺘــﺐ اﳌﻌﻨﻴــﺔ ﺑﺎﻟﺸــﺌﻮن اﻟﻌﺎﻣــﺔ‪ ،‬اﻻﺗﺠــﺎه اﻟﺴــﻴﺎﳼ‪ ،‬اﳌﺸــﺎرﻛﺔ ﰲ‬
‫ﻣﺆﺳﺴﺎت اﳌﺠﺘﻤﻊ اﳌﺪين( ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﻜـﻮن ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط اﻟﺠـﺰيئ ﻣـﻦ اﻟﺮﺗﺒـﺔ اﻟﺜﺎﻧﻴـﺔ ‪(Second‬‬
‫)‪.Order Partial Correlation‬‬

‫وﻣﻦ اﻟﻄﺒﻴﻌﻲ أن ﻳﺘﻢ رﺻﺪ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط )‪ (Correlation‬ﺑني اﳌﺘﻐريﻳﻦ اﳌﻌﻨﻴني ﻗﺒﻞ ﺗﺜﺒﻴـﺖ اﳌﺘﻐـري‬
‫اﻟﺜﺎﻟﺚ )أو اﳌﺘﻐريات اﻷﺧﺮى(‪ ،‬ومبﻮﺟﺐ ﻫـﺬا اﻟﺘﺜﺒﻴـﺖ واﻟﺤﺼـﻮل ﻋـﲆ ﻗﻴﻤـﺔ ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط اﻟﺠـﺰيئ‬
‫)‪ ،(Partial Correlation‬ﺑﻌﺪ اﻟﺘﺜﺒﻴﺖ‪ ،‬ﻧﻜﻮن أﻣﺎم أﺣﺪ اﻻﺣﺘامﻻت اﻟﺜﻼﺛﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪ -‬اﻻﺣﺘامل اﻷول‪ :‬أن ﺗﻜﻮن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺠﺰيئ أﻗﻞ ﻣﻦ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪ ،‬وﻫﺬا ﻳﻌﻨﻲ‬
‫أن اﳌﺘﻐري اﳌﻌﺰول ﻛﺎن ﻳﺰﻳﺪ اﻟﻌﻼﻗﺔ ﺑني اﳌﺘﻐريﻳﻦ اﻵﺧﺮﻳﻦ‪ ،‬ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل‪ ،‬ﻓﺈن ﻣﻌﺎﻣـﻞ ارﺗﺒـﺎط‬
‫ﺑريﺳــﻮن ﺑــني اﳌﻌﺮﻓــﺔ اﻟﺴﻴﺎﺳــﻴﺔ وﻗــﺮاءة اﻟﺼــﺤﻒ ﻗــﺪ ﻳﻜــﻮن ‪ 0.56‬وﺑﻌــﺪ ﻋــﺰل ﺗــﺄﺛري ﻣﺸــﺎﻫﺪة‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﻳﺘﻀـﺢ أن ﻗﻴﻤـﺔ ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط اﻟﺠـﺰيئ ﺑـني اﳌﻌﺮﻓـﺔ اﻟﺴﻴﺎﺳـﻴﺔ وﻗـﺮاءة اﻟﺼـﺤﻒ‬
‫أﺻﺒﺤﺖ ‪ 0.43‬ﻟﻘﺪ اﻧﺨﻔﺾ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐريﻳﻦ‪ ،‬ﻫﺬا ﻳﻌﻨﻲ أن ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن ﻛـﺎن ﻟﻬـﺎ‬
‫ﺗﺄﺛري ﻣﻮﺟﺐ ﰲ اﻟﻌﻼﻗﺔ ﺑني اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ وﻗﺮاءة اﻟﺼﺤﻒ‪.‬‬

‫‪-211-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫‪ -‬اﻻﺣﺘامل اﻟﺜﺎين‪ :‬أن ﺗﻜﻮن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺠـﺰيئ أﻋـﲆ ﻣـﻦ ﻗﻴﻤـﺔ ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط‪ ،‬وﻫـﺬا‬
‫ﻳﻌﻨﻲ أن اﳌﺘﻐري اﳌﻌﺰول ﻛﺎن ﻳﻀﻌﻒ اﻟﻌﻼﻗﺔ ﺑني اﳌﺘﻐريﻳﻦ اﻵﺧﺮﻳﻦ )ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل‪ ،‬ﻧﻔـﺮض أن‬
‫ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن ﺑني اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ وﻗﺮاءة اﻟﺼﺤﻒ ﻛﺎن ‪ 0.56‬وﺑﻌﺪ ﻋﺰل ﺗﺄﺛري اﺳـﺘﺨﺪام‬
‫اﻹﻧﱰﻧﺖ ﺗﺒني أن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺠﺰيئ ﺑني اﳌﻌﺮﻓـﺔ اﻟﺴﻴﺎﺳـﻴﺔ وﻗـﺮاءة اﻟﺼـﺤﻒ أﺻـﺒﺤﺖ‬
‫‪ 0.67‬ﻟﻘﺪ ارﺗﻔﻊ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐريﻳﻦ ﺑﻌﺪ ﺗﺜﺒﻴﺖ اﺳـﺘﺨﺪام اﻹﻧﱰﻧـﺖ‪ ،‬ﻫـﺬا ﻳﻌﻨـﻲ أن اﺳـﺘﺨﺪام‬
‫اﻹﻧﱰﻧﺖ ﻛﺎن ﻟﻪ ﺗﺄﺛري ﺳﺎﻟﺐ ﰲ اﻟﻌﻼﻗﺔ ﺑني اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ وﻗﺮاءة اﻟﺼﺤﻒ‪.‬‬

‫‪ -‬اﻻﺣﺘامل اﻟﺜﺎﻟﺚ‪ :‬أن ﺗﺘﺴﺎوى ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺠﺰيئ ﻣﻊ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪ ،‬وﻫﺬا ﻳﻌﻨـﻲ‬
‫أن اﳌﺘﻐري اﳌﻌﺰول ﻻ ﺗﺄﺛري ﻟﻪ ﰲ اﻟﻌﻼﻗﺔ ﺑني اﳌﺘﻐريﻳﻦ اﻟﻠﺬﻳﻦ ﻧﺘﻘﺼـﻰ اﻻرﺗﺒﺎط ﺑﻴﻨﻬام‪.‬‬

‫ﺗﻔﺴري اﻻرﺗﺒﺎط اﻟﺠﺰيئ‪:‬‬

‫ﻛﺜ ًريا ﻣﺎ ﻳﻔﴪ اﻻرﺗﺒﺎط اﻟﺠﺰيئ ﺑﺎﺳﺘﺨﺪام ﻣﻔﻬﻮم اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك‪ ،‬وﻗـﺪ ﺳـﺒﻘﺖ اﻹﺷـﺎرة إﱃ أﻧـﻪ ﻗﺒـﻞ‬
‫ﺗﻄﺒﻴﻖ اﻻرﺗﺒﺎط اﻟﺠﺰيئ ﻳﻜﻮن ﻟﺪﻳﻨﺎ ﻣﻌﺮﻓﺔ ﺑﻘﻴﻢ ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐـريات؛ أي أﻧـﻪ ﻣـﻦ اﻟﴬوري‬
‫رﺻﺪ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐري اﻷول واﳌﺘﻐري اﻟﺜﺎين ﻗﺒﻞ ﺗﺜﺒﻴﺖ اﳌﺘﻐري اﻟﺜﺎﻟﺚ‪ .‬ﻟﻨﻔﺮض أن ﻗﻴﻤـﺔ ﻣﻌﺎﻣـﻞ‬
‫ارﺗﺒﺎط ﺑريﺳﻮن ﺑني ﻫﺬﻳﻦ اﳌﺘﻐريﻳﻦ ﻛﺎﻧﺖ =‪ 0.6471‬وﻋﻨﺪ ﺗﻄﺒﻴﻖ اﻻرﺗﺒـﺎط اﻟﺠـﺰيئ ‪ -‬أي ﺗﺜﺒﻴـﺖ اﳌﺘﻐـري‬
‫اﻟﺜﺎﻟﺚ وﺑﺤﺚ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐري اﻷول واﳌﺘﻐري اﻟﺜﺎين‪ -‬ﺗﺒني أن ﻗﻴﻤﺔ اﻻرﺗﺒﺎط اﻟﺠﺰيئ ‪0.6896‬‬

‫إن اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك اﻟﻨﺎﺗﺞ ﻋﻦ إﺳﻬﺎم اﳌﺘﻐري اﻟﺜﺎﻟﺚ ميﻜﻦ اﻟﺤﺼـﻮل ﻋﻠﻴـﻪ ﺑﺴـﻬﻮﻟﺔ ﻣـﻦ ﺧـﻼل ﻣﺮﺑـﻊ‬
‫ﻣﻄﺮوﺣﺎ ﻣﻨﻪ ﻣﺮﺑﻊ ﻗﻴﻤﺔ ارﺗﺒﺎط ﺑريﺳﻮن‪:‬‬
‫ً‬ ‫ﻗﻴﻤﺔ اﻻرﺗﺒﺎط اﻟﺠﺰيئ‬
‫‪2‬‬ ‫‪2‬‬
‫أي )‪(0.6471) – (0.6896‬‬

‫أي ‪0.06 = 0.4187 – 0.4755‬‬

‫‪-212-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﺑﻘﺴﻤﺔ ﻫﺬه اﻟﻘﻴﻤﺔ )‪ (0.06‬ﻋﲆ ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن واﻟﴬب ﰲ ‪ 100‬ﻧﺤﺼﻞ ﻋـﲆ اﻟﻨﺴـﺒﺔ‬
‫اﳌﺌﻮﻳﺔ ﻟﻼرﺗﺒﺎط اﻟﻨﺎﺗﺞ ﻋﻦ إﺳﻬﺎم اﳌﺘﻐري اﻟﺜﺎﻟﺚ‪ ،‬وﻛام ﺳﺒﻘﺖ اﻹﺷﺎرة‪ ،‬ﻓﺈن ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ ارﺗﺒـﺎط ﺑريﺳـﻮن‬
‫)أي ﻗﺒﻞ ﺗﺜﺒﻴﺖ اﳌﺘﻐري اﻟﺜﺎﻟﺚ( ﻳﺒﻠﻎ ‪ 0.4187‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن‪:‬‬

‫‪%14.3 = 100 × 0.4187 ÷ 0.06‬‬

‫أي أن اﻟﻨﺴﺒﺔ اﳌﺌﻮﻳﺔ ﻟﻼرﺗﺒﺎط اﻟﻨﺎﺗﺞ ﻋﻦ إﺳﻬﺎم اﳌﺘﻐري اﻟﺜﺎﻟﺚ ﻫﻲ ‪ ،%14.3‬وﻫﺬا ﻳﻌﻨـﻲ أن اﻟﻨﺴـﺒﺔ‬
‫اﳌﺌﻮﻳﺔ ﻟﻼرﺗﺒﺎط اﻟﻨﺎﺗﺞ ﻋﻦ إﺳﻬﺎم ﻣﺘﻐريات أﺧﺮى ﻳﺴﺎوي ‪% 85.7‬‬

‫اﻻرﺗﺒﺎط اﻟﺠﺰيئ وارﺗﺒﺎط اﻟﺠﺰء‪:‬‬

‫ﻳﺨﺘﻠــﻒ اﻻرﺗﺒــﺎط اﻟﺠــﺰيئ )‪ (Partial Correlation‬ﻋــﻦ اﻻرﺗﺒـــﺎط ﺷــﺒﻪ اﻟﺠـــﺰيئ ‪Semi Partial‬‬
‫أﺣﻴﺎﻧﺎ ﺑﺎرﺗﺒﺎط اﻟﺠﺰء )‪ ،(Part Correlation‬ذﻟﻚ أن اﻻرﺗﺒـﺎط ﺷـﺒﻪ اﻟﺠـﺰيئ أو‬
‫)‪ ،(Correlation‬أو ﻣﺎ ﻳﻌـﺮف ً‬
‫ارﺗﺒﺎط اﻟﺠﺰء ﻳﻌﻨﻲ ﻋﺰل ﺗﺄﺛري ﻣﺘﻐري ﻣﻌني ﻣﻦ )أﺣﺪ( اﳌﺘﻐريﻳﻦ اﻟﻠﺬﻳﻦ ﻧﺒﺤﺚ اﻟﻌﻼﻗﺔ ﺑﻴـﻨﻬام وﻟـﻴﺲ ﻣـﻦ‬
‫ﻫﺬﻳﻦ اﳌﺘﻐريﻳﻦ ﻣﺠﺘﻤﻌني‪ ،‬ﻓﻔﻲ ﻣﺜﺎﻟﻨﺎ اﻟﺴﺎﺑﻖ ﺗﻢ رﺻﺪ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺠـﺰيئ ﺑـني اﳌﻌﺮﻓـﺔ ﺑﺎﻷﺣـﺪاث‬
‫اﻟﺴﻴﺎﺳﻴﺔ وﻣﻌﺪل اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﻌـﺪ ﺗﺜﺒﻴـﺖ ﻣﻌـﺪل اﺳـﺘﺨﺪام اﻟﺮادﻳـﻮ‪ ،‬ﻟﻘـﺪ ﺗـﻢ ﺗﺜﺒﻴـﺖ ﻣﻌـﺪل‬
‫اﺳــﺘﺨﺪام اﻟﺮادﻳــﻮ ﺑﺎﻟﻨﺴــﺒﺔ ﻟﻠﻤﺘﻐــريﻳﻦ اﻵﺧــﺮﻳﻦ )اﳌﻌﺮﻓــﺔ ﺑﺎﻷﺣــﺪاث اﻟﺴﻴﺎﺳــﻴﺔ وﻣﻌــﺪل اﺳــﺘﺨﺪام‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن(‪.‬‬

‫وﻫﻨﺎ ﻧﻜﻮن ﻗﺪ ﻃﺒﻘﻨﺎ اﻻرﺗﺒﺎط اﻟﺠـﺰيئ‪ ،‬أﻣـﺎ ﰲ اﻻرﺗﺒـﺎط ﺷـﺒﻪ اﻟﺠـﺰيئ أو ارﺗﺒـﺎط اﻟﺠـﺰء‪ ،‬ﻓﺈﻧﻨـﺎ ﻧﻘـﻮم‬
‫ﺑﺘﺜﺒﻴﺖ ﻣﻌﺪل اﺳﺘﺨﺪام اﻟﺮادﻳﻮ ﻋﻦ ﻣﻌﺪل اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﻓﻘﻂ‪ ،‬وﻟﻴﺲ ﻋﻦ اﳌﻌﺮﻓـﺔ اﻟﺴﻴﺎﺳـﻴﺔ‪ ،‬إن‬
‫ذﻟﻚ ﻳﻌﻨﻲ إﺑﻘﺎء ﺗﺒﺎﻳﻦ ﻣﺘﻐري اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ ﻛام ﻫﻮ‪ ،‬وﻗـﺪ ﻳـﺮى اﻟﺒﺎﺣـﺚ أن ﻣـﱪرات ذﻟـﻚ ﺗﺘﻤﺜـﻞ ﰲ‬
‫وﺟﻮد ﺷﻜﻮك ﺣﻮل ﻓﺎﻋﻠﻴﺔ اﻟﺮادﻳﻮ ﰲ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ‪ .‬وﻳﻠﻌﺐ اﻻرﺗﺒﺎط ﺷـﺒﻪ اﻟﺠـﺰيئ‪ ،‬أو ارﺗﺒـﺎط اﻟﺠـﺰء‬
‫ﻫﺎﻣﺎ ﰲ اﻟﻜﺜري ﻣﻦ اﻟﺘﺤﻠﻴﻼت اﻹﺣﺼﺎﺋﻴﺔ اﻷﺧﺮى ﻣﺜﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد واﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪ ،‬وﻛﻐريه ﻣﻦ‬
‫دو ًرا ّ‬
‫ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط‪ ،‬ﻓﺈن اﻻرﺗﺒﺎط اﻟﺠﺰيئ وﺷﺒﻪ اﻟﺠﺰيئ ﻻ ﻳﻌﻨﻲ ﻋﻼﻗﺔ اﻟﺴﺒﺐ ﺑﺎﻟﻨﺘﻴﺠﺔ‪ ،‬ﻓﻮﺟﻮد ارﺗﺒﺎط دال‬
‫إﺣﺼﺎﺋﻴﺎ ﻻ ﻳﻌﻨﻲ أن أﺣﺪ اﳌﺘﻐريﻳﻦ ﺳﺒﺐ أو ﻧﺘﻴﺠﺔ ﻟﻠﻤﺘﻐري اﻵﺧﺮ‪.‬‬
‫ّ‬

‫‪-213-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﺗﻨﺎول ﻫﺬا اﻟﻔﺼﻞ أﻫﻢ ﻣﻘﺎﻳﻴﺲ اﻟﻌﻼﻗﺔ واﻻرﺗﺒﺎط‪ ،‬وﺗﺘﻠﺨﺺ ﻣﻮﺿﻮﻋﺎﺗﻪ اﻷﺳﺎﺳﻴﺔ ﰲ‪:‬‬

‫ اﻻرﺗﺒﺎط )‪ (Correlation‬مبﻌﻨﺎه اﻹﺣﺼﺎيئ ﻫﻮ اﻗﱰان اﻟﺘﻐـري ﰲ ﻇـﺎﻫﺮة ﻣﻌﻴﻨـﺔ ﺑـﺎﻟﺘﻐري ﰲ ﻇـﺎﻫﺮة‬

‫أﺧﺮى‪ ،‬مبﻌﻨﻰ أﻧﻪ إذا ﺗﻐريت اﻟﻈﺎﻫﺮة )س( ﺗﺘﻐري اﻟﻈﺎﻫﺮة )ص(‪ ،‬وﻫﺬا اﻟﺘﻐري ﻳﻌﱪ ﻋﻨـﻪ مبﻌﺎﻣـﻞ‬
‫ﺳـﺎﻟﺒﺎ‪ :‬أﻣـﺎ‬
‫ﻣﻮﺟﺒـﺎ أو ً‬
‫ً‬ ‫اﻻرﺗﺒﺎط‪ ،‬وﰲ اﳌﺘﻐريات اﻟﻜﻤﻴﺔ‪ ،‬ﻓﺈن اﻻرﺗﺒﺎط ﻣﻦ ﺣﻴﺚ ﻃﺒﻴﻌﺘﻪ ﻗﺪ ﻳﻜﻮن‬
‫ﻋﻜﺴـﻴﺎ‪ ،‬ﻓﺎﻻرﺗﺒـﺎط اﻟﻄـﺮدي‬
‫ّ‬ ‫ﻣﻦ ﺣﻴﺚ اﻻﺗﺠﺎه )‪ ،(Direction‬ﻓﺈن اﻻرﺗﺒﺎط ﻗـﺪ ﻳﻜـﻮن ّ‬
‫ﻃﺮدﻳـﺎ أو‬
‫ﻳﻌﻨﻲ ﺗﻐري اﻟﻈﺎﻫﺮﺗني ﰲ اﺗﺠﺎه واﺣﺪ )ﺑﺎﻟﺰﻳﺎدة أو اﻟﻨﻘﺼﺎن(‪ ،‬أﻣﺎ اﻻرﺗﺒﺎط اﻟﻌﻜﴘ‪ ،‬ﻓﻴﻌﻨـﻲ ﺗﻐـري‬
‫اﻟﻈﺎﻫﺮﺗني ﰲ اﺗﺠﺎﻫني ﻣﺘﻨﺎﻗﻀني ﻛﺰﻳﺎدة اﻟﻈﺎﻫﺮة )س( ﻋﻨﺪﻣﺎ ﺗﺘﻨﺎﻗﺺ اﻟﻈﺎﻫﺮة )ص(‪ ،‬أو ﺗﻨﺎﻗﺺ‬
‫اﻟﻈﺎﻫﺮة )س( ﻋﻨﺪﻣﺎ ﺗﺰﻳﺪ اﻟﻈﺎﻫﺮة )ص(‪.‬‬

‫ ﺗﱰاوح ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒـﺎط ﺑـني ‪ 1 +‬إﱃ – ‪1‬؛ أي ﻣـﻦ اﻻرﺗﺒـﺎط اﳌﻮﺟـﺐ اﻟﺘـﺎم إﱃ اﻻرﺗﺒـﺎط‬
‫ﺗﺎﻣـﺎ‬
‫اﻟﺴﺎﻟﺐ اﻟﺘﺎم‪ ،‬وﻳﺼﻞ اﻻرﺗﺒﺎط إﱃ ﻧﻬﺎﻳﺘﻪ اﻟﻌﻈﻤﻰ ﻋﻨﺪﻣﺎ ﻳﻘـﱰن ﺗﻐـري اﳌﺘﻐـري اﻷول اﻗﱰ ًاﻧـﺎ ّ‬
‫ﺑﺎﻟﺘﻐري ﰲ اﳌﺘﻐري اﻟﺜﺎين‪ ،‬وﻻ ﺗﺘﺄﺛﺮ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒـﺎط ﺑﺰﻳـﺎدة أو ﻧﻘﺼـﺎن ﺗﻜـﺮارات اﳌﺘﻐـريﻳﻦ‬
‫ﺑﻜﻤﻴﺎت ﺛﺎﺑﺘﺔ‪.‬‬

‫ ﺗﺘﻌﺪد ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط‪ ،‬وﻳﺘﻮﻗـﻒ اﺧﺘﻴـﺎر ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط اﳌﻨﺎﺳـﺐ ﻋـﲆ ﻧﻮﻋﻴـﺔ اﳌﺘﻐـريات‬
‫اﳌﻄﻠﻮب ﺣﺴﺎب اﻻرﺗﺒﺎط ﺑﻴﻨﻬﺎ؛ أي ﻣـﺎ إذا ﻛﺎﻧـﺖ ﺗﻠـﻚ اﳌﺘﻐـريات اﺳـﻤﻴﺔ )‪ (Nominal‬أو رﺗﺒﻴـﺔ‬
‫)‪ (Ordinal‬أو ﻓﺎﺻﻠﺔ )‪.(Interval‬‬

‫ ﻳﺴﺘﺨﺪم ارﺗﺒﺎط ﺑريﺳﻮن ﻟﺤﺴﺎب اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐريﻳﻦ ﻛﻠﻴﻬام ﻣﻦ اﻟﻨﻮع اﻟﻔﱰي‪ ،‬وﺗﺘﻌـﺪد ﺻـﻴﻎ‬
‫اﻟﺤﺼﻮل ﻋﲆ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن ﺑني ﻣﺘﻐريﻳﻦ‪.‬‬

‫‪-214-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ ﻳﺴـﺘﺨﺪم ﻣﻌﺎﻣـﻞ اﻻﻗـﱰان )‪ (Association Coefficient‬ﰲ اﻟﻜﺸـﻒ ﻋـﻦ اﻻرﺗﺒـﺎط ﺑـني ﻣﺘﻐـريﻳﻦ‬
‫اﺳﻤﻴني أو ﻧﻮﻋﻴني )‪ (Nominal‬ﻛﻼﻫام ﺛﻨﺎيئ اﻟﺘﻘﺴﻴﻢ ﻣﺜﻞ اﻟﻨﻮع )ذﻛﻮر &إﻧﺎث(‪ ،‬ﻗﺮاءة اﻟﺼـﺤﻒ‬
‫)ﻳﻘﺮأ & ﻻ ﻳﻘﺮأ(‪ ....‬وﻫﻜﺬا‪.‬‬

‫ ﻳﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺳﺒريﻣﺎن ﻟﻠﺮﺗﺐ )‪ (Spearman's Coefficient of Rank Correlation‬ﻟﻘﻴﺎس‬

‫اﻟﺘﻐري اﻻﻗﱰاين اﻟﻘﺎﺋﻢ ﺑني ﺗﺮﺗﻴﺐ اﻷﻓﺮاد أو اﻷﺷﻴﺎء ﰲ ﺻﻔﺔ ﻣﻌﻴﻨﺔ وﺗﺮﺗﻴﺒﻬﻢ ﰲ ﺻﻔﺔ أﺧـﺮى‪ ،‬ﻛـام‬
‫ميﻜﻦ اﺳﺘﺨﺪام ارﺗﺒﺎط ﺳﺒريﻣﺎن إذا ﻛﺎن أﺣﺪ اﳌﺘﻐريﻳﻦ أو ﻛﻼﻫام ﻣﻦ اﻟﻨﻮع اﻟﻔﺌـﻮي أو اﻟﻨﺴـﺒﻲ‪،‬‬
‫وذﻟﻚ ﺑﻌﺪ ﺗﺤﻮﻳﻞ اﻟﺒﻴﺎﻧﺎت إﱃ رﺗﺐ‪.‬‬

‫ ﻳﺴﺘﺨﺪم ارﺗﺒﺎط ﺟﺎﻣﺎ )‪ (Gamma‬ﳌﻌﺮﻓﺔ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐريات اﻟﺮﺗﺒﻴﺔ‪ ،‬وﻳﺸﻴﻊ اﺳﺘﺨﺪاﻣﻪ ﺑﻜرثة‬
‫إذا ﻛﺎن ﻟﺪﻳﻨﺎ رﺗﺒﺘﺎن ﻓﻘﻂ ﻟﻜﻞ ﻣﺘﻐري‪ ،‬ﺧﺎﺻﺔ ﻋﻨﺪﻣﺎ ﺗﺘﻜﺮر ﺑﻌﺾ اﻟﻘﻴﻢ ﰲ اﳌﺘﻐري اﻟﻮاﺣﺪ‪.‬‬

‫ ﻳﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ ارﺗﺒـﺎط ﻓـﺎي )‪(Phi Coefficient‬؛ ﻟﻘﻴـﺎس ﻟﻌﻼﻗـﺔ ﺑـني ﻣﺘﻐـريﻳﻦ اﺳـﻤﻴني ) ‪Two‬‬
‫اﻧﻘﺴﺎﻣﺎ ﺛﻨﺎﺋﻴّﺎ ﻣﺜﻞ‪) :‬ﻧﻌﻢ & ﻻ(‪) ،‬ذﻛﺮ & أﻧﺜﻰ( )ﻣﻮاﻓـﻖ‬
‫ً‬ ‫‪ (Nominal Variables‬ﻳﻨﻘﺴﻢ ﻛﻞ ﻣﻨﻬام‬
‫& راﻓﺾ(‪) ،‬ﺣﻀـﺮ& رﻳﻒ(‪ ...‬إﻟﺦ‪ ،‬وﻳﺮﻣﺰ ﻟﻪ ﺑﺎﻟﺮﻣﺰ اﻟﻼﺗﻴﻨﻲ ‪.ø‬‬

‫ ﻳﺴــﺘﺨﺪم ﻣﻌﺎﻣــﻞ ارﺗﺒــﺎط ﻛﻨــﺪال )‪ (Kendal Correlation Coefficient‬ﰲ ﻗﻴــﺎس اﻻرﺗﺒــﺎط ﺑــني‬
‫ﻣﺘﻐريﻳﻦ ﻛﻼﻫام ﻣﻦ اﻟﻨﻮع اﻟﺮﺗﺒﻲ‪ ،‬وﻳﻌﺘﻤﺪ ﻋﲆ ﻧﻔﺲ ﻓﻜﺮة ﻣﻌﺎﻣﻞ ﺟﺎﻣﺎ‪ ،‬وﻳﺮﻣﺰ ﳌﻌﺎﻣﻞ ارﺗﺒـﺎط‬
‫ﻛﻨﺪال ﺑﺎﻟﺮﻣﺰ ‪) Ta‬ﺗﻮ أ( وﺗﻘﺮأ )ﺗﻮ أﻟﻒ(‪.‬‬

‫ ﻳﺴــﺘﺨﺪم ﻣﻌﺎﻣــﻞ اﺗﻔــﺎق ﻛﻨــﺪال )‪(Kendall Coefficient of Concordance) (W‬‬

‫ﻟﺤﺴﺎب ﻣﻌﺎﻣﻞ اﻻﺗﻔﺎق ﺑني اﻟﺮﺗﺐ‪ ،‬ﻓﻘﺪ ﻳﻘﺘﴤ اﻟﺒﺤﺚ ﺣﺴﺎب اﻻرﺗﺒـﺎط ﺑـني أﻛـرث‬
‫ﻣﻦ ﺗﺮﺗﻴﺒني )وﻟﻴﺲ ﺗﺮﺗﻴﺒﺎن اﺛﻨﺎن ﻓﻘﻂ ﻛام ﰲ ﺣﺎﻟـﺔ ارﺗﺒـﺎط ﺳـﺒريﻣﺎن(‪ ،‬ﻛـام ﻳﺸـﻴﻊ‬

‫‪-215-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫اﺳﺘﺨﺪام ﻫﺬا اﳌﻌﺎﻣﻞ ﰲ اﻟﺘﺤﻘﻖ ﻣﻦ ﺛﺒﺎت اﻻﺳﺘﺒﻴﺎﻧﺎت وﻏريﻫﺎ ﺣني ﺗﻌﺮض ﻋﲆ ﻣﺠﻤﻮﻋـﺔ ﻣـﻦ‬
‫اﳌﺤﻜﻤني‪.‬‬

‫ ﻳﺴﺘﺨﺪم ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ )‪ (Contingency Coefficient‬ﰲ اﻟﻜﺸﻒ ﻋـﻦ اﻟﻌﻼﻗـﺔ أو اﻻرﺗﺒـﺎط ﺑـني‬
‫ﻣﺘﻐريات اﺳﻤﻴﺔ أو ﻧﻮﻋﻴﺔ )‪ ،(Nominal‬ﻛام ميﻜﻦ اﺳـﺘﺨﺪاﻣﻪ ً‬
‫أﻳﻀـﺎ ﻟﻘﻴـﺎس اﻻرﺗﺒـﺎط ﺑـني ﻣﺘﻐـري‬
‫ﻧﻮﻋﻲ واﻵﺧﺮ رﺗﺒﻲ )‪ .(Ordinal‬وميﻜﻦ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻟﺘﻮاﻓﻖ ﺳﻮاء ﻛﺎن اﻟﺠﺪول اﳌـﺰدوج ﻣـﻦ‬
‫اﻟﻨﻤﻂ ‪ 2×2‬أو أﻛرث‪ ،‬وﺳﻮاء ﺗﺴﺎوى ﻋﺪد ﺧﻼﻳﺎ اﻟﺼﻔﻮف وﻋﺪد ﺧﻼﻳﺎ اﻷﻋﻤﺪة أو مل ﻳﺘﺴﺎو‪.‬‬
‫‪2‬‬ ‫‪2‬‬
‫ ﻳﺴﺘﺨﺪم ﻛﺎ )ﻛﺎ ﺗﺮﺑﻴﻊ( ﰲ اﻟﻜﺜري ﻣﻦ اﻟﺘﻄﺒﻴﻘﺎت ﻣﻦ ﺑﻴﻨﻬﺎ اﺧﺘﺒﺎر ﻛﺎ ﻟﻼﺳـﺘﻘﻼﻟﻴﺔ ‪Chi Square‬‬

‫)‪ ،(Test of Independence‬وﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺘﻢ اﻟﺘﻄﺒﻴﻖ ﻋـﲆ ﻣﺠﻤﻮﻋـﺎت ﻋﻴﻨـﺔ واﺣـﺪة ﻣﻌﺮﻓـﺔ‬
‫ﻣﺪى اﺧﺘﻼﻓﻬﻢ أو ﻋﺪم اﺧﺘﻼﻓﻬﻢ ﰲ ﺟﺎﻧﺐ ﻣﻌني )رأي أو ﺻﻔﺔ أو ﺳﻠﻮك أو ﻣﻮﻗـﻒ أو اﺗﺠـﺎه‪...‬‬
‫إﻟﺦ(‪ ،‬ﻓﺎﻟﻬﺪف ﻫﻨﺎ ﻣﻌﺮﻓـﺔ ﻣـﺪى اﺳـﺘﻘﻼﻟﻴﺔ ﻫـﺬا اﻟﺠﺎﻧـﺐ ﻋـﻦ ﻣﺘﻐـري ﻣﻌـني ﺿـﻤﻦ ﺧﺼـﺎﺋﺺ‬
‫اﻟﻌﻴﻨﺔ‪.‬إن ﻣﺪى اﻻﺳﺘﻘﻼﻟﻴﺔ ﻳﻌﻨﻲ اﻻﺧﺘﻼف )مبﻌﻨﻰ ﻋﺪم اﻻرﺗﺒﺎط(‪.‬‬

‫ ﻳﺴﺘﺨـﺪم ﻣﻌﺎﻣﻞ ﺛﻴﺘﺎ‪ Theta Coefficient‬أو ﻣﻌـﺎﻣﻞ ﻓﺮميــﺎن )‪ (Freeman Coefficient‬إذا ﻛﺎﻧـﺖ‬
‫اﻟﺒﻴﺎﻧﺎت ﺗﺘﻌﻠﻖ مبﺘﻐريﻳﻦ أﺣﺪﻫام اﺳﻤﻲ واﻵﺧﺮ رﺗﺒﻲ‪ ،‬وﻋﻨﺪ اﺳـﺘﺨﺪام ﻫـﺬا اﳌﻌﺎﻣـﻞ ﻳﺠـﺐ أن‬
‫ﺗﻜﻮن اﻟﺒﻴﺎﻧﺎت ﻣﻮﺿﺤﺔ متﻴﺰ ﺗﻜﺮارات اﳌﺘﻐري اﻻﺳﻤﻲ ﰲ ﻛﻞ ﻣﺴﺘﻮى رﺗﺒـﻲ‪ ،‬مبﻌﻨـﻰ أﻧﻨـﺎ إذا ﻛﻨـﺎ‬
‫ﺑﺼﺪد ﺑﺤﺚ اﻟﻌﻼﻗﺔ ﺑني اﻟﺠﻨﺲ )ذﻛﻮر & إﻧﺎث( ورﺗـﺐ ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‪،‬ﻓﺈﻧـﻪ ﻳﺠـﺐ متﻴـﺰ‬
‫اﻟﺬﻛﻮر ﻋﲆ اﻹﻧﺎث أو اﻟﻌﻜﺲ ﰲ ﻛﻞ رﺗﺒﺔ‪.‬‬

‫ ﻫﻨﺎك أﺧﻄﺎء ﺷﺎﺋﻌﺔ ﰲ ﺗﻔﺴري ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪ ،‬ﻓﻘـﺪ ﻳﺘﻌﺎﻣـﻞ اﻟﺒﺎﺣـﺚ ﻣـﻊ ﻗﻴﻤـﺔ‬
‫ﻣﺜﻼ‪ ،‬أو ﻋﲆ أﻧـﻪ‬
‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻋﲆ أﻧﻬﺎ ﻗﻴﻤﺔ ﻣﻄﻠﻘﺔ ﻣﺜﻞ ﻗﻴﻤﺔ اﻟﻄﻮل أو اﻟﻮزن ً‬

‫‪-216-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻧﺴﺒﺔ ﻣﺌﻮﻳﺔ وﻫﺬا ﻏري ﺻﺤﻴﺢ‪ ،‬ﻛام ﻳﺠﺐ ﻋﺪم ﺗﻔﺴـري ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط ﻋـﲆ أﺳـﺎس وﺣـﺪات‬
‫اﻟﺪرﺟﺎت اﻷﺻﻠﻴﺔ؛ﻷن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒـﺎط ﺗﻜـﻮن ﻣﺴـﺘﻘﻠﺔ ﻋـﻦ اﻟﻮﺣـﺪات اﻟﺘـﻲ ﻳﻘـﺎس ﺑﻬـﺎ‬
‫اﳌﺘﻐريان واﻟﻘﻴﻢ اﻟﺘﻲ ﻳﺄﺧﺬﻫﺎ ﻛﻞ ﻣﻨﻬام‪.‬‬

‫ إن دﻻﻟﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻫﻲ داﻟﺔ ﻟﺤﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬ﻓﻘﺪ ﻳﻜﻮن ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﻗـﺪره )‪ (0.3‬وﻟﻜﻨـﻪ‬
‫دال إﺣﺼﺎﺋﻴّﺎ )‪(Significant‬؛ ﻷن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪ 600‬ﻣﻔﺮدة ً‬
‫ﻣﺜﻼ‪ ،‬وﰲ اﻟﻮﻗـﺖ ﻧﻔﺴـﻪ ﻓـﺈن ﻣﻌﺎﻣـﻞ‬
‫إﺣﺼﺎﺋﻴﺎ )‪(Not Significant‬؛ ﻷن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻋﺸـﺮ ﻣﻔـﺮدات؛‬
‫ّ‬ ‫ارﺗﺒﺎط ﻗﺪره )‪ (0.7‬ﻟﻜﻨﻪ ﻏري دال‬
‫أي أن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺮﺗﻔﻌﺔ اﻟﺘﻲ ﻳﺤﺼﻞ ﻋﻠﻴﻬﺎ اﻟﺒﺎﺣﺚ ﺑﺎﺳﺘﺨﺪام ﻋﻴﻨﺎت ﺻﻐرية ﻗﺪ ﻻ‬
‫ﻳﻜﻮن ﻟﻬﺎ أي دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ‪.‬‬

‫ إن ﻣﻘﺪار اﻟﻌﻼﻗﺔ ﺑني ﻣﺘﻐريﻳﻦ ﻻ ﺗﻌﺘﻤﺪ ﻋﲆ إﺷﺎرة ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪ ،‬ﻓﻤﻌﺎﻣﻞ اﻻرﺗﺒـﺎط )‪(0.70-‬‬
‫ﻳﻌﱪ ﻋﻦ ﻧﻔﺲ ﻣﻘﺪار اﻟﻌﻼﻗﺔ ﺑني ﻣﺘﻐـريﻳﻦ ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط ﺑﻴـﻨﻬام )‪ ،(0.70+‬ﻓـﺎﻟﻔﺮق ﺑﻴـﻨﻬام‬
‫ﻳﻜﻮن ﰲ اﺗﺠﺎه اﻟﻌﻼﻗﺔ وﻟﻴﺲ ﰲ ﻗﻴﻤﺔ اﻟﻌﻼﻗﺔ‪.‬‬

‫ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد )‪ (R‬ﻫﻮ اﻻرﺗﺒﺎط ﺑني ﻣﺘﻐري ﺗﺎﺑﻊ وأﻛرث ﻣﻦ ﻣﺘﻐري ﻣﺴﺘﻘﻞ‪،‬وﺗﱰاوح ﻗﻴﻤـﺔ‬
‫ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﺑني اﻟﺼﻔﺮ واﻟﻮاﺣﺪ اﻟﺼـﺤﻴﺢ اﳌﻮﺟـﺐ؛ أي أﻧـﻪ ﻣﻮﺟـﺐ اﻟﻘﻴﻤـﺔ دامئًـﺎ‪،‬‬
‫وﻫﺬه اﻟﻘﻴﻤﺔ ﰲ ﺣﻘﻴﻘﺘﻬﺎ ﻫﻲ اﻟﺠﺬر اﻟﱰﺑﻴﻌﻲ ﳌﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ )‪.(Determination Coefficient‬‬

‫ ميﺜﻞ اﻻرﺗﺒﺎط اﻟﺠﺰيئ )‪ (Partial Correlation‬أﺣﺪ ﺗﻄﺒﻴﻘـﺎت اﻟﻀـﺒﻂ اﻹﺣﺼـﺎيئ اﳌﻬﻤـﺔ‪ ،‬وﺟـﻮﻫﺮ‬
‫ﻫﺬا اﻻرﺗﺒﺎط ﻫﻮ ﻗﻴﺎس اﻟﻌﻼﻗـﺔ اﳌﺴـﺘﻘﻴﻤﺔ ﺑـني ﻣﺘﻐـريﻳﻦ ﺑﻌـﺪ ﻋـﺰل ﺗـﺄﺛري اﳌﺘﻐـريات اﻷﺧـﺮى‪،‬‬
‫وﺑﺎﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺠﺰيئ ميﻜﻦ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑـني أي ﻣﺘﻐـريﻳﻦ اﺛﻨـني ﺑﻌـﺪ‬
‫ﺗﺜﺒﻴﺖ أو ﻋﺰل اﳌﺘﻐريات اﻷﺧﺮى‪.‬‬

‫‪-217-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ وﻣﺮاﺟﻌﻪ‬

‫)أ( ﻣﺼﺎدر وﻣﺮاﺟﻊ ﻋﺮﺑﻴﺔ‪:‬‬

‫‪ -‬رﺟﺎء ﻣﺤﻤﻮد أﺑﻮ ﻋﻼم )‪ ،(1999‬ﻣﻨﺎﻫﺞ اﻟﺒﺤﺚ ﰲ اﻟﻌﻠﻮم اﻟﻨﻔﺴﻴﺔ واﻟﱰﺑﻮﻳﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬دار اﻟـﻨﴩ‬
‫ﻟﻠﺠﺎﻣﻌﺎت(‪.‬‬

‫‪ -‬زﻛﺮﻳﺎ اﻟﴩﺑﻴﻨﻲ )‪ ،(1990‬اﻹﺣﺼﺎء اﻟﻼﺑﺎراﻣﱰي ﰲ اﻟﻌﻠﻮم اﻟﻨﻔﺴﻴﺔ واﻻﺟﺘامﻋﻴﺔ واﻟﱰﺑﻮﻳﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪:‬‬

‫ﻣﻜﺘﺒﺔ اﻷﻧﺠﻠﻮ اﳌﴫﻳﺔ(‪.‬‬

‫‪ -‬ﺳﻌﺪي ﺷﺎﻛﺮ ﺣﻤﻮدي )‪ ،(2000‬ﻋﻠﻢ اﻹﺣﺼﺎء وﺗﻄﺒﻴﻘﺎﺗﻪ ﰲ اﳌﺠﺎﻟني اﻟﱰﺑﻮي واﻻﺟﺘامﻋـﻲ‪) ،‬ﻋـامن‪:‬‬
‫ﻣﻜﺘﺒﺔ دار اﻟﺜﻘﺎﻓﺔ ﻟﻠﻨﴩ واﻟﺘﻮزﻳﻊ(‪.‬‬

‫‪ -‬ﺳﻤري ﻛﺎﻣﻞ ﻋﺎﺷﻮر& ﺳـﺎﻣﻴﺔ أﺑـﻮ اﻟﻔﺘـﻮح ﺳـﺎمل )‪ ،(2003‬اﻟﻌـﺮض واﻟﺘﺤﻠﻴـﻞ اﻹﺣﺼـﺎيئ ﺑﺎﺳـﺘﺨﺪام‬
‫)‪ ،(SPSSWIN‬اﻟﺠﺰء اﻷول‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﺟﺎﻣﻌﺔ اﻟﻘﺎﻫﺮة‪ :‬ﻣﻌﻬﺪ اﻟﺒﺤﻮث واﻟﺪراﺳﺎت اﻹﺣﺼﺎﺋﻴﺔ(‪.‬‬

‫‪ -‬ﺳﻤري ﻛﺎﻣﻞ ﻋﺎﺷﻮر& ﺳـﺎﻣﻴﺔ أﺑـﻮ اﻟﻔﺘـﻮح ﺳـﺎمل )‪ ،(2005‬اﻟﻌـﺮض واﻟﺘﺤﻠﻴـﻞ اﻹﺣﺼـﺎيئ ﺑﺎﺳـﺘﺨﺪام‬
‫)‪ ،(SPSSWIN‬اﻟﺠﺰء اﻟﺜﺎين‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﺟﺎﻣﻌﺔ اﻟﻘﺎﻫﺮة‪ :‬ﻣﻌﻬﺪ اﻟﺒﺤﻮث واﻟﺪراﺳﺎت اﻹﺣﺼﺎﺋﻴﺔ(‪.‬‬

‫‪ -‬ﺻﻼح اﻟـﺪﻳﻦ ﻣﺤﻤـﻮد ﻋـﻼم )‪ ،(2000‬ﺗﺤﻠﻴـﻞ ﺑﻴﺎﻧـﺎت اﻟﺒﺤـﻮث اﻟﻨﻔﺴـﻴﺔ واﻻﺟﺘامﻋﻴـﺔ واﻟﱰﺑﻮﻳـﺔ‪،‬‬
‫)اﻟﻘﺎﻫﺮة‪ :‬دار اﻟﻔﻜﺮ اﻟﻌﺮيب(‪.‬‬

‫‪ -‬ﻋﺎﻃﻒ أﺣﻤﺪ ﻣﻨﺼﻮر )‪ ،(1992‬اﻟﺮﻳﺎﺿﻴﺎت اﳌﺴﻠﻴﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﻣﻜﺘﺒﺔ اﺑﻦ ﺳﻴﻨﺎ(‪.‬‬

‫‪ -‬ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤﺪ ﻧﺠﻢ & ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻬﺎدي اﳌﺤﻤﻴﺪ )‪ ،(1990‬اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ واﻟﺘﺤﻠﻴﲇ ﻣـﻊ‬
‫اﺳﺘﺨﺪام اﻟﱪاﻣﺞ اﻟﺠﺎﻫﺰة‪) ،‬اﻟﻜﻮﻳﺖ‪ :‬ﻣﻜﺘﺒﺔ ﺟﺎﻣﻌﺔ اﻟﻜﻮﻳﺖ(‪.‬‬

‫‪-218-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

.(‫ دار اﻟﻔﻜﺮ اﻟﻌﺮيب‬:‫ )اﻟﻘﺎﻫﺮة‬،‫ اﻹﺣﺼﺎء اﻟﻨﻔﴘ واﻟﱰﺑﻮي‬،(2011) ‫ ﻋﺰت ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤﺪ ﺣﺴﻦ‬-

‫ ﻣﻜﺘﺒـﺔ ﺟﺎﻣﻌـﺔ‬:‫ )اﻟﻘـﺎﻫﺮة‬،‫ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﻟﻠﺒﻴﺎﻧﺎت اﻟﺠﻐﺮاﻓﻴـﺔ‬،(1991) ‫ ﻓﺘﺤﻲ ﻋﺒﺪ ﷲ ﻓﻴﺎض‬-
.(‫ﻋني ﺷﻤﺲ‬

‫ ﻣﻨـﺎﻫﺞ اﻟﺒﺤـﺚ وﻃـﺮق اﻟﺘﺤﻠﻴـﻞ اﻹﺣﺼـﺎيئ ﰲ اﻟﻌﻠـﻮم‬،(2010) ‫ ﻓﺆاد أﺑﻮ ﺣﻄﺐ & آﻣـﺎل ﺻـﺎدق‬-
.(‫ ﻣﻜﺘﺒﺔ اﻷﻧﺠﻠﻮ اﳌﴫﻳﺔ‬:‫ )اﻟﻘﺎﻫﺮة‬،‫اﻟﻨﻔﺴﻴﺔ واﻻﺟﺘامﻋﻴﺔ واﻟﱰﺑﻮﻳﺔ‬

.(‫ دار اﻟﻔﻜﺮ اﻟﻌـﺮيب‬:‫ )اﻟﻘﺎﻫﺮة‬،‫ ﻋﻠﻢ اﻟﻨﻔﺲ اﻹﺣﺼﺎيئ‬،(1978) ‫ ﻓﺆاد اﻟﺒﻬﻲ اﻟﺴﻴﺪ‬-

:‫)ب( ﻣﺼﺎدر وﻣﺮاﺟﻊ أﺟﻨﺒﻴﺔ‬

- Gottschalk, Louis A. (2000) The Application of Computerized Content Analysis of Natural
Language in Psychotherapy Research Now and in the Future. American Journal of Psychotherapy,
VOL. 54(3), pp.305-311.
- Huisman, Mark; Snijders, Tom A. B. (2003) Statistical Analysis of Longitudinal Network Data
with Changing Composition. Sociological Methods & Research, Vol. 32(2), pp. 28-253.
- Janis, I. L.; Fadner, R. H.; Janowitz, M. (2005) The Reliability of A Content Analysis Technique.
Public Opinion Quarterly, 7,. pp. 293-296.
- Jensun, Klaus Bruhn (2002) A Handbook of Media and Communication Research: Qualitative
and Quantitative Methodologies. London. Rout Ledge.
- Kaplan, Abraham; Goldsen, Joseph M. (2005) The Reliability of Content Analysis Categories. in:
Harold, D. Lasswell & Leites, Nathan, Language of Politics; Studies in Quantitative Semantics.
Oxford, England: George W. Stewart, 1949. pp. 83-112. (PsycINFO Database Record (c) 2005
APA.
- Lombard, Matthew; Snyder - Duch, Jennifer; Bracken, Cheryl Campanella (2003) Content Analysis in
Mass Communication: Assessment and Reporting of Inter-Coder: Reliability Correction. Human
Communication Research, VOL. 29 (3), pp. 469-472.

-219-
 ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‬

- Mc Burney, Donald H.(2001) Research Methods. US. Wadsworth. Thomson Learning.

- Meyer, J. Patrick (2004) Background Information Methods for Statistical Analysis of Means with
Mixed Groups. Dissertation Abstracts International Section A: Humanities and Social Sciences,
Vol. 65 (4-A), pp. 12-52.
- Myers, Jerome L.; Well, Arnold D. (2003) Research Design and Statistical Analysis (2nd ed.).
Mahwah, NJ, US: Lawrence Erlbaum Associates, Publishers.
- Rutherford, Andrew (2005) Research Design and Statistical Analysis. British Journal of
Mathematical and Statistical Psychology, Vol. 58(1), pp. 187-189.
- Van Egeren, Lawrence F. (1973) Multivariate Statistical Analysis; Psychophysiology, Vol. 10 (5),
pp. 517-532.

-220-
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣﻘﺎﻳﻴﺲ اﻟﻔﺮوق‬

‫متﻬــــﻴﺪ‬

‫ﴫا ﺑﺒﻌﺾ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﻲ ﺗﻘﻴﺲ اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋـﺎت‬

‫ﻳﺘﻀﻤﻦ ﻫﺬا اﻟﻔﺼﻞ ﺗﻌﺮﻳﻔًﺎ ﻣﺨﺘ ً‬
‫اﳌﺨﺘﻠﻔﺔ‪ ،‬ﺳﻮاء ﻣﻦ ﺣﻴﺚ اﻟﻨﺴﺐ )‪ (Percentages‬أو ﻣﻦ ﺣﻴﺚ اﳌﺘﻮﺳﻄﺎت )‪ ،(Means‬وﻳﻀﻢ اﻟﻔﺼﻞ ﺛﻼﺛـﺔ‬
‫ﻣﺒﺎﺣﺚ‪ ،‬ﻳﺘﻨﺎول اﳌﺒﺤﺚ اﻷول أﺳﺎﻟﻴﺐ ﻗﻴﺎس اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺘني‪ ،‬ﺳﻮاء ﻓﻴام ﻳﺨـﺺ اﻟﻨﺴـﺐ‪ ،‬أو ﻓـﻴام‬
‫ﻳﺨﺺ اﳌﺘﻮﺳﻄﺎت‪ .‬أﻣﺎ اﳌﺒﺤﺚ اﻟﺜﺎين‪ ،‬ﻓﻴﺘﻨﺎول أﺳﺎﻟﻴﺐ ﻗﻴﺎس اﻟﻔﺮوق ﺑني أﻛرث ﻣﻦ ﻣﺠﻤـﻮﻋﺘني ﻣـﻦ ﺣﻴـﺚ‬
‫ﻣﺘﻮﺳﻄﺎت اﻟﺪرﺟﺎت ﻋﲆ ﻣﻘﻴﺎس ﻣﻌني‪ ،‬ﻣﻊ اﻷﺧﺬ ﰲ اﻻﻋﺘﺒﺎر ﺗﻌﺪد اﳌﺘﻐـريات وﺗﻔﺎﻋﻠﻬـﺎ‪ ،‬ﰲ ﺣـني ﻳﺘﻨـﺎول‬
‫اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ أﻫﻢ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﻟﻼﺑﺎراﻣﱰﻳﺔ ﰲ ﻗﻴﺎس اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋﺎت‪.‬‬

‫اﳌﺒﺤﺚ اﻷول‬

‫اﻟﻔﺮوق ﺑني اﻟﻨﺴﺐ‬

‫ﻋﻨﺪﻣﺎ ﻧﻜﻮن ﺑﺼﺪد ﻣﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﻧﺴـﺒﺘني )‪ ،(Two Percentages‬ﻓﺈﻧﻨـﺎ ﻧﺴـﺘﺨﺪم اﺧﺘﺒـﺎر‬
‫)‪ (Z‬اﻟﺬي ﻳﻨﺎﺳﺐ اﻟﻌﻴﻨﺎت اﻟﻜﺒرية‪ ،‬وﻻ ﻳﺼﻠﺢ ﻣﻊ اﻟﻌﻴﻨﺎت اﻟﺼﻐرية اﻟﺘﻲ ﺗﻘﻞ ﻋـﻦ ‪ 30‬ﻣﻔـﺮدة‪ ،‬وﻳﺴـﺘﺨﺪم‬
‫اﺧﺘﺒﺎر ‪ Z‬ﳌﻌﺮﻓﺔ اﻟﻔﺮوق ﺑني اﻟﻨﺴﺐ اﳌﺴﺘﻘﻠﺔ‪ ،‬وﻛﺬﻟﻚ ﺑني اﻟﻨﺴﺐ اﳌﺮﺗﺒﻄﺔ‪:‬‬

‫‪-221-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ً‬
‫أوﻻ‪ :‬دﻻﻟﺔ اﻟﻔﺮوق ﺑني اﻟﻨﺴﺐ اﳌﺴﺘﻘﻠﺔ‬

‫ﻓﻴام ﻳﺨﺺ اﻟﻨﺴﺐ اﳌﺴﺘﻘﻠﺔ‪ ،‬ﻓﺈﻧﻬﺎ ﺗﻌﻨﻲ وﺟـﻮد ﻣﺠﻤـﻮﻋﺘني ﻣﺴـﺘﻘﻠﺘني )ذﻛـﻮر & إﻧـﺎث(‪) ،‬رﻳـﻒ &‬
‫ﺣﴬ(‪) ،‬ﻋﺮب & أﺟﺎﻧﺐ(‪ ...‬إﻟﺦ‪ ،‬ﻓﻬﻨﺎك ﻣﺠﻤﻮﻋﺘﺎن‪ ،‬ﻟﻜﻞ ﻣﻨﻬام ﻧﺴﺒﺔ ﻣﻌﻴﻨﺔ‪ ،‬ﻟﻨﻔﺮض ﻋـﲆ ﺳـﺒﻴﻞ اﳌﺜـﺎل‪،‬‬
‫أن اﻟﻌﻴﻨﺔ ﻗﻮاﻣﻬﺎ )‪ (600‬ﻣﻔﺮدة‪ ،‬ﺗﺘﻮزع ﺑني اﻟﺮﻳﻒ ﺑﻮاﻗﻊ )‪ (245‬ﻣﻔﺮدة‪ ،‬واﻟﺤﻀــﺮ ﺑﻮاﻗـﻊ )‪ (355‬ﻣﻔـﺮدة‪،‬‬
‫وأن ‪ %70.2‬ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ ﻳﺸﺎﻫﺪون اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم‪ ،‬ﺑﻴـﻨام ﺗﺒﻠـﻎ ﺗﻠـﻚ اﻟﻨﺴـﺒﺔ ‪ .%77.7‬ﻣـﻦ‬
‫اﻟﻮاﺿﺢ اﺧﺘﻼف اﻟﻨﺴﺒﺘني‪ ،‬ﻟﻜﻦ اﻟﺘﺴﺎؤل ﻫﻮ‪ :‬ﻫﻞ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني ﻋﻴﻨﺔ اﻟﺮﻳـﻒ وﻋﻴﻨـﺔ اﻟـﺤﴬ‬
‫ﻣﻦ ﺣﻴﺚ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم؟ أم أن اﻟﻔﺮوق ﺑﻴﻨﻬام ﻏري ﺟﻮﻫﺮﻳﺔ وميﻜﻦ أن ﺗﻌﺰى إﱃ اﻟﺼﺪﻓﺔ؟‬
‫ﻟﻺﺟﺎﺑﺔ ﻋﲆ ﻫﺬا اﻟﺘﺴﺎؤل ﻳﺘﻢ ﺣﺴﺎب ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني اﻟﻨﺴﺐ ودﻻﻟﺔ ﻫﺬه اﻟﻔﺮوق‪ ،‬وذﻟﻚ ﺑﺎﺳﺘﺨﺪام‬
‫ﻣﻌﺎدﻟﺔ اﻟﻨﺴﺒﺔ اﻟﺤﺮﺟﺔ‪ ،‬أو اﺧﺘﺒﺎر ‪ Z‬ﳌﻌﺮﻓﺔ دﻻﻟﺔ اﻟﻔﺮوق ﺑني ﻧﺴـﺒﺘني ﻣﺴـﺘﻘﻠﺘني‪ ،‬وﻫـﺬه اﳌﻌﺎدﻟـﺔ ﻋـﲆ‬
‫اﻟﺼﻮرة اﻵﺗﻴﺔ‪:‬‬

‫΃‪2 ΃  1‬‬ ‫ذ=‬

‫‪2‬‬
‫‪ϥ  1ϥ u Ώ - ΃ b‬‬
‫‪2 1‬‬
‫‪ϥ ϥ‬‬

‫ﺣﻴﺚ إن‪:‬‬
‫أ‪ 1‬ﻧﺴﺒﺔ اﻷﻓﺮاد ﰲ اﻟﻌﻴﻨﺔ اﻷوﱃ اﻟﺬﻳﻦ أﺟﺎﺑﻮا ﻋﲆ اﻟﺴﺆال‪ /‬اﻟﺒﻨﺪ ﰲ اﻟﻮﺟﻬﺔ اﳌﻄﻠﻮﺑـﺔ )وﻟـﺘﻜﻦ ﻧﺴـﺒﺔ‬
‫اﻷﻓﺮاد ﰲ ﻋﻴﻨﺔ اﻟﺮﻳﻒ اﻟﺬﻳﻦ ﻳﺸﺎﻫﺪون اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم(‪.‬‬
‫أ‪ 2‬ﻧﺴﺒﺔ اﻷﻓﺮاد ﰲ اﻟﻌﻴﻨﺔ اﻟﺜﺎﻧﻴﺔ اﻟﺬﻳﻦ أﺟﺎﺑﻮا ﻋﲆ اﻟﺴﺆال‪ /‬اﻟﺒﻨﺪ ﰲ اﻟﻮﺟﻬـﺔ اﳌﻌﻨﻴـﺔ )وﻟـﺘﻜﻦ ﻧﺴـﺒﺔ‬
‫اﻷﻓﺮاد ﰲ ﻋﻴﻨﺔ اﻟﺤﴬ اﻟﺬﻳﻦ ﻳﺸﺎﻫﺪون اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم(‪.‬‬
‫‪-‬‬
‫أ )أﻟﻒ َﴍﻃﺔ( ﻫﻲ اﳌﺘﻮﺳﻂ اﳌﻮزون ﻟﻨﺴﺒﺘﻲ اﻟﻌﻴﻨﺘني ﻟﺘﻘﺪﻳﺮ اﻟﻨﺴﺒﺔ ﰲ اﻷﺻﻞ‪ ،‬وﻳﺤﺴﺐ ﺑﺎﳌﻌﺎدﻟﺔ‪:‬‬

‫‪-222-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫‪2 ΃ 2ϥ‬‬‫‪ 1΃ 1ϥ -‬‬

‫أ =‬
‫‪2 ϥ  1ϥ‬‬

‫‪-‬‬ ‫‪-‬‬
‫ب )ب َﴍﻃﺔ( ﻫﻲ ﻧﺎﺗﺞ ﻃﺮح أ ﻣﻦ اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ‪ ،‬أي أن‪:‬‬
‫‪-‬‬ ‫‪-‬‬
‫ب =‪_1‬أ‬

‫أﺧ ًريا‪ ،‬ﻓﺈن )ن‪ (1‬ﻫﻲ ﻋﺪد ﻣﻔﺮدات اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‪ ،‬أﻣﺎ )ن‪ (2‬ﻓﻬﻲ ﻋﺪد أﻓﺮاد اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪.‬‬

‫ﻣﺜﺎل‪:‬‬
‫ﰲ ﺑﺤﺚ ﻋﻦ اﺳﺘﺨﺪاﻣﺎت اﻟﺘﻠﻴﻔﺰﻳﻮن أﺟﺮﻳﺖ دراﺳﺔ ﻋﲆ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ 600‬ﻣﻔﺮدة‪ ،‬وﺗﺘﻮزع ﻫﺬه‬
‫اﻟﻌﻴﻨﺔ ﺣﺴﺐ ﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ ﺑﻮاﻗﻊ ‪ 245‬ﻣﻦ اﻟﺮﻳﻒ ﻣﻘﺎﺑﻞ ‪ 355‬ﻣﻦ اﻟﺤﴬ‪ ،‬وﻗﺪ ﻛﺸﻔﺖ اﻟﺪراﺳﺔ ﻋﻦ‬
‫أن ‪ 172‬ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ ﺗﺸﺎﻫﺪ اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم ﻣﻘﺎﺑﻞ ‪ 276‬ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ‪ ،‬ﻓﻬﻞ ﺗﻮﺟﺪ‬
‫ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ وﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ ﻣﻦ ﺣﻴﺚ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم؟‬
‫ﻣﻦ اﻟﻮاﺿﺢ أن ﻧﺴﺒﺔ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم ﰲ ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ ﺗﺒﻠﻎ ‪ %70.2‬أﻣﺎ ﰲ اﻟﺤﻀـﺮ‬
‫‪-‬‬
‫ﻓﺘﺒﻠﻎ ‪ ،%77.7‬وﻳﺘﻢ ﺣﺴﺎب أ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ اﻵﺗﻴﺔ‪:‬‬
‫‪-‬‬
‫أ = ‪0.75 = 449 = 277  172‬‬
‫‪600‬‬ ‫‪355  245‬‬
‫‪-‬‬
‫ب = ‪0.25 = 0.75 - 1‬‬
‫وﻳﺼﺒﺢ ﺗﺒﺎﻳﻦ اﻟﻨﺴﺒﺔ اﳌﻘﺪرة ﰲ اﻷﺻﻞ= ‪0.1875 = 0.25 × 0.75‬‬
‫وﺑﺎﺳﺘﺨﺪام ﻫﺬه اﳌﻌﻄﻴﺎت ﻓﺈن‪:‬‬

‫‪0.777  0.702‬‬ ‫ذ=‬

‫‪355  245 u 0.1875 b‬‬
‫‪355 u 245‬‬

‫‪-223-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫= ‪2.08 - = 0.075 -‬‬

‫‪0.036‬‬

‫أي أن ﻗﻴﻤﺔ ‪ 2.08 = Z‬وﻫﺬه اﻟﻘﻴﻤﺔ داﻟـﺔ ﻋﻨـﺪ ﻣﺴـﺘﻮى ‪ 0.05‬ﻷﻧﻬـﺎ ﺗﻌـﺪت اﻟﻘﻴﻤـﺔ اﻟﺤﺮﺟـﺔ ‪1.96‬‬
‫وﺑﺎﻟﺘﺎﱄ ﻧﻘﺒﻞ اﻟﻔﺮض اﻟﻘﺎﺋﻞ ﺑﻮﺟﻮد ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني ﻋﻴﻨﺔ اﻟﺮﻳﻒ وﻋﻴﻨﺔ اﻟﺤﻀـﺮ ﻣﻦ ﺣﻴﺚ اﳌﺸـﺎﻫﺪة‬
‫اﳌﻨﺘﻈﻤﺔ ﻟﻠﺘﻠﻴﻔﺰﻳﻮن؛ ﺣﻴﺚ ﺗﺮﺗﻔﻊ ﻧﺴﺒﺔ اﳌﺸﺎﻫﺪة اﳌﻨﺘﻈﻤﺔ ﰲ اﻟﺤﻀـﺮ ﺑﻔﺮوق ﺟﻮﻫﺮﻳﺔ ﻋﻦ اﻟﺮﻳﻒ‪.‬‬

‫وميﻜﻦ اﻻﺳﺘﻔﺎدة ﻣﻦ اﳌﻌﻄﻴﺎت اﻟﺴـﺎﺑﻘﺔ ﻟﻠﺤﺼـﻮل ﻋـﲆ ﻗﻴﻤـﺔ )‪ (Z‬مبﻮﺟـﺐ ﺻـﻴﻐﺔ أﺧـﺮى ﻣﺒﺴـﻄﺔ‬
‫ﻟﻠﻤﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ‪ ،‬وﻫﺬه اﻟﺼﻴﻐﺔ ﻫﻲ‪:‬‬

‫= ‪2.08‬‬ ‫‪0.777  0.702‬‬

‫‪>355‬‬
‫‪1  1 @0.25 u0.75‬‬
‫‪245‬‬ ‫‪b‬‬
‫أﻳﻀﺎ ﻋﲆ ﺗﺒﺎﻳﻦ اﻟﻨﺴﺒﺔ اﳌﻘﺪرة ﰲ اﻷﺻﻞ‪ ،‬وﻳﻼﺣﻆ ﻣﻦ ﻫﺬا اﳌﺜﺎل‪ ،‬أن‬
‫وﻧﺘﺒني أن ﻫﺬه اﳌﻌﺎدﻟﺔ ﺗﻌﺘﻤﺪ ً‬
‫ﻋﻴﻨﺔ اﻟﺮﻳﻒ ﻻ ﺗﺴﺎوي ﻋﻴﻨﺔ اﻟﺤﴬ‪ ،‬ن‪ z 1‬ن‪ ،2‬ﻓﺒﻴﻨام ﺗﺒﻠﻎ ﻋﻴﻨﺔ اﻟﺮﻳﻒ ‪ 245‬ﻣﻔـﺮدة‪ ،‬ﻓـﺈن ﻋﻴﻨـﺔ اﻟـﺤﴬ‬
‫ﺗﺒﻠﻎ ‪ 355‬ﻏري أﻧﻪ ﻛﺜ ًريا ﻣﺎ ﺗﻜﻮن اﳌﻘﺎرﻧﺔ ﰲ اﻟﻨﺴﺒﺔ ﺑني ﻋﻴﻨﺘني ﻣﺘﺴﺎوﻳﺘني ﰲ اﻟﺤﺠـﻢ مبﻌﻨـﻰ أن‪ :‬ن‪ =1‬ن‪،2‬‬
‫ﰲ ﻣﺜﻞ ﻫﺬه اﻟﺤﺎﻻت ميﻜﻦ اﺧﺘﺼﺎر ﻣﻌﺎدﻟﺔ ﻗﻴﻤﺔ )‪ (Z‬ﺑﺤﻴﺚ ﺗﻜﻮن ﻋﲆ اﻟﺼﻮرة اﻵﺗﻴﺔ‪:‬‬

‫΃‪2 ΃  1‬‬ ‫ذ=‬

‫‪b‬‬
‫‪-‬‬ ‫‪-‬‬
‫‪Ώ  ΃2‬‬
‫‪ϥ‬‬

‫أﻳﻀـﺎ ‪ 300‬ﻣﻔـﺮدة )أي أن‬

‫ﻓﺈذا اﻓﱰﺿﻨﺎ إن ﻋﻴﻨﺔ اﻟﺮﻳﻒ ﺗﺴﺎوي ‪ 300‬ﻣﻔﺮدة وﻋﻴﻨـﺔ اﻟﺤﻀــﺮ ﺗﺴـﺎوي ً‬
‫إﺟامﱄ اﻟﻌﻴﻨﺔ ﻫﻮ ‪ ،(600‬وﻛﺎﻧﺖ ﻧﺴﺒﺔ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم ﰲ ﻋﻴﻨﺔ اﻟﺮﻳﻒ ﻫﻲ ‪% 71.3‬؛ أي ﻣـﺎ‬
‫ﻳﻌﺎدل ‪ 214‬ﻣﻔﺮدة‪ ،‬ﺑﻴﻨام ﻛﺎﻧﺖ ﻧﺴﺒﺔ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم ﰲ ﻋﻴﻨﺔ اﻟﺤﴬ ﻫـﻲ ‪% 73.3‬؛ أي ﻣـﺎ‬
‫ﻳﻌﺎدل ‪ 220‬ﻣﻔﺮدة‪ ،‬ﻓﺈن‪:‬‬

‫‪-224-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬
‫‪-‬‬
‫أ = ‪0.72 = 443 = 220  214‬‬
‫‪600‬‬ ‫‪600‬‬
‫‪-‬‬
‫ب = ‪0.28 = 0.72 - 1‬‬

‫وﻳﺼﺒﺢ ﺗﺒﺎﻳﻦ اﻟﻨﺴﺒﺔ اﳌﻘﺪرة ﰲ اﻷﺻﻞ= ‪0.2016 = 0.28 × 0.72‬‬

‫وﺑﺎﺳﺘﺨﺪام ﻫﺬه اﳌﻌﻄﻴﺎت ﻓﺈن‪:‬‬

‫ذ = ‪0.77- = 0.02 - = 0.733 0.713‬‬

‫‪0.026‬‬
‫‪(0.2016)2‬‬
‫‪600‬‬ ‫‪b‬‬
‫أي أن ﻗﻴﻤﺔ )‪ (Z‬ﺗﺴﺎوي )‪ (0.77 -‬وﻫﺬه اﻟﻘﻴﻤﺔ ﻏري داﻟﺔ إﺣﺼﺎﺋﻴّﺎ ﻷﻧﻬﺎ مل ﺗﺼﻞ إﱃ اﻟﻘﻴﻤـﺔ اﻟﺤﺮﺟـﺔ‬
‫‪ 1.96‬أي ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ 0.05‬وﺑﻨﺎء ﻋﲆ ذﻟﻚ ﻧﻘﺒﻞ اﻟﻔﺮض اﻟﺼﻔﺮي ﺑﺄﻧﻪ ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني‬
‫ﻋﻴﻨﺔ اﻟﺮﻳﻒ وﻋﻴﻨﺔ اﻟﺤﻀـﺮ ﻣﻦ ﺣﻴﺚ اﳌﺸﺎﻫﺪة اﳌﻨﺘﻈﻤﺔ ﻟﻠﺘﻠﻴﻔﺰﻳﻮن‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬دﻻﻟﺔ اﻟﻔﺮوق ﺑني اﻟﻨﺴﺐ اﳌﺮﺗﺒﻄﺔ‬

‫ً‬
‫ﻓﻴام ﻳﺨﺺ اﻟﻨﺴﺐ اﳌﺮﺗﺒﻄﺔ‪ ،‬ﻓﺈﻧﻬﺎ ﺗﺘﻌﻠـﻖ مبﺠﻤﻮﻋـﺔ واﺣـﺪة‪ ،‬مبﻌﻨـﻰ أن اﻷﻓـﺮاد اﻟـﺬﻳﻦ ﺗﻌـﱪ ﻋـﻨﻬﻢ‬
‫اﻟﻨﺴﺒﺔ اﻷوﱃ ﻫﻢ أﻧﻔﺴﻬﻢ اﻟﺬﻳﻦ ﺗﻌﱪ ﻋـﻨﻬﻢ اﻟﻨﺴـﺒﺔ اﻟﺜﺎﻧﻴـﺔ‪ ،‬ﻓـﺈذا اﻓﱰﺿـﻨﺎ أن ﻟـﺪﻳﻨﺎ ﻋﻴﻨـﺔ ﻗﻮاﻣﻬـﺎ ‪400‬‬
‫ﻣﻔﺮدة‪ ،‬وأن ﻫﺬه اﻟﻌﻴﻨﺔ ﺗﺘﻮزع ﺣﺴﺐ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم وﻗـﺮاءة اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ ﺑﺎﻧﺘﻈـﺎم‪،‬‬
‫ﺷﺨﺼﺎ ﻳﻘﺮؤون اﻟﺼـﺤﻒ ﺑﺎﻧﺘﻈـﺎم‪ ،‬ﻓـﺈن‬
‫ﺷﺨﺼﺎ ﻳﺸﺎﻫﺪون اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم‪ ،‬ﻛام أن ‪ً 93‬‬
‫ﻓﺈذا ﻛﺎن ‪ً 120‬‬
‫اﻟﺘﺴﺎؤل ﻫﻮ‪ :‬ﻫﻞ ﺗﻮﺟﺪ ﻓـﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑـني ﻗـﺮاءة اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ ﺑﺎﻧﺘﻈـﺎم وﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‬
‫ﺑﺎﻧﺘﻈﺎم؟ أم أن اﻟﻔﺮوق ﺑﻴﻨﻬام ﻏري ﺟﻮﻫﺮﻳﺔ وميﻜﻦ أن ﺗﻌﺰى إﱃ اﻟﺼﺪﻓﺔ؟ ﻟﻺﺟﺎﺑﺔ ﻋﲆ ﻫﺬا اﻟﺘﺴﺎؤل ﻳـﺘﻢ‬
‫ﺣﺴﺎب ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني اﻟﻨﺴﺐ اﳌﺮﺗﺒﻄـﺔ ودﻻﻟـﺔ ﻫـﺬه اﻟﻔـﺮوق‪ ،‬وذﻟـﻚ ﺑﺎﺳـﺘﺨﺪام ﻣﻌﺎدﻟـﺔ اﻟﻨﺴـﺒﺔ‬
‫اﻟﺤﺮﺟﺔ ﻋﲆ اﻟﺼﻮرة اﻵﺗﻴﺔ‪:‬‬

‫‪-225-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫‪2‬‬
‫΃‪΃  1‬‬ ‫ذ=‬
‫‪2 1‬‬
‫΃ ΃‬ ‫‪b‬‬
‫‪1‬‬
‫ﺣﻴﺚ أ ﺗﻌﻨﻲ ﻋﺪد اﳌﻔـﺮدات اﻟﺘـﻲ ﺗﻌـﱪ ﻋـﻦ ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن ﺑﺎﻧﺘﻈـﺎم‪ ،‬أﻣـﺎ أ‪ 2‬ﻓﺘﻌﻨـﻲ ﻋـﺪد‬

‫اﳌﻔﺮدات اﻟﺘﻲ ﺗﻘﺮأ اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﺑﺎﻧﺘﻈﺎم‪،‬وﺑﺎﻟﺘﻌﻮﻳﺾ ﰲ اﳌﻌﺎدﻟﺔ ﻳﻜﻮن‪:‬‬

‫ذ = ‪1.85 = 27 = 93  120‬‬
‫‪14.59 93  120 b‬‬

‫إﺣﺼـﺎﺋﻴﺎ )ﻋﻨـﺪ ﻣﺴـﺘﻮى اﳌﻌﻨﻮﻳـﺔ ‪ ( 0.05‬ﻷﻧﻬـﺎ مل‬

‫ّ‬ ‫أي أن ﻗﻴﻤﺔ ‪ Z‬ﻫﻲ ‪ 1.85‬وﻫﺬه اﻟﻘﻴﻤﺔ ﻏـري داﻟـﺔ‬
‫ﺗﺼـﻞ إﱃ اﻟﻘﻴﻤﺔ اﻟﺤﺮﺟﺔ وﻫﻲ ‪ 1.96‬وﻳﺴﺘﻨﺞ ﻣﻦ ذﻟﻚ أﻧﻪ ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫــﺮﻳﺔ ﺑـني ﻧﺴـﺒﺔ ﻗــﺮاءة‬
‫اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﺑﺎﻧﺘﻈﺎم وﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺎﻧﺘﻈﺎم‪.‬‬
‫‪2‬‬
‫ﻛام ميﻜﻦ اﺳﺘﺨﺪام ﻛﺎ )ﻛﺎ ﺗﺮﺑﻴﻊ( ﳌﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني أمنﺎط اﺳـﺘﺠﺎﺑﺎت ﻋﻴﻨـﺔ واﺣـﺪة ﻋـﲆ‬

‫ﺑﻨﺪ أو ﺳﺆال ﻣﻌني‪ ،‬ﻟﻨﻔﺮض أﻧﻪ ﰲ دراﺳﺔ ﻋﲆ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ )‪ (300‬ﻣﻔﺮدة‪ ،‬ﻛﺎﻧﺖ آراؤﻫـﻢ ﺑﺸـﺄن اﳌﻮاﻓﻘـﺔ‬
‫ﻋﲆ ﺧﺼﺨﺼﺔ اﻟﺘﻠﻴﻔﺰﻳﻮن ﻛﺎﻵيت‪:‬‬

‫‪ -‬ﻣﻮاﻓﻖ ‪90‬‬

‫‪ -‬ﻣﺤﺎﻳﺪ ‪80‬‬

‫‪ -‬راﻓﺾ ‪130‬‬

‫ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ‪ ،‬ﻓﺈن اﻟﻔﺮض اﻟﺼﻔﺮي ﻫﻮ )ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني ﻫﺬه اﻷمنﺎط اﻟﺜﻼﺛﺔ(‪ ،‬مبﻌﻨـﻰ‬
‫أﻧﻪ )ﻻ ﺗﻮﺟﺪ اﺧﺘﻼﻓـﺎت ﺟﻮﻫﺮﻳـﺔ ﺑـني ﻋـﺪد اﳌـﻮاﻓﻘني واﳌﺤﺎﻳـﺪﻳﻦ واﻟﺮاﻓﻀـني ﻟﺨﺼﺨﺼـﺔ اﻟﺘﻠﻴﻔﺰﻳـﻮن(‪.‬‬
‫وﻟﻠﺘﺤﻘﻖ ﻣﻦ ﻫﺬا اﻟﻔﺮض ﻳﺘﻢ ﺣﺴﺎب اﻟﺘﻜﺮارات اﳌﺘﻮﻗﻌﺔ ﻟﻜﻞ منﻂ ﻣﻦ أمنﺎط اﻻﺳﺘﺠﺎﺑﺎت‪ ،‬وذﻟﻚ ﻛﺎﻵيت‪:‬‬

‫اﻟﺘﻜﺮار اﳌﺘﻮﻗﻊ= ﻣﺠﻤﻞ اﻟﺘﻜﺮارات ‪ y‬ﻋﺪد اﻻﺳﺘﺠﺎﺑﺎت‬

‫‪-226-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫= ‪100 =3 y 300‬‬

‫)‪2(100  120‬‬ ‫)‪2 (100  80‬‬ ‫)‪2(100  90‬‬ ‫‪2‬‬

‫=‪9‬‬ ‫‪100‬‬
‫‬ ‫‪100‬‬
‫‬ ‫‪100‬‬
‫وﺗﻜﻮن ﻗﻴﻤﺔ ﻛﺎ =‬

‫‪2‬‬ ‫‪2‬‬
‫أي أن ﻗﻴﻤﺔ ﻛﺎ اﳌﺤﺴﻮﺑﺔ ﺗﺴﺎوي ‪ 9‬ﺛﻢ ﻧﻘـﺎرن ﻫـﺬه اﻟﻘﻴﻤـﺔ ﺑﻘﻴﻤـﺔ ﻛـﺎ اﻟﺠﺪوﻟﻴـﺔ ﻋﻨـﺪ درﺟـﺔ‬

‫ﺣﺮﻳﺔ= ﻋﺪد اﻟﺒﺪاﺋﻞ )اﻻﺳﺘﺠﺎﺑﺎت( – ‪1‬‬

‫ومبﺎ أن ﻋﺪد اﻻﺳﺘﺠﺎﺑﺎت ﻫﻮ )‪ ،(3‬ﻓﺈن درﺟﺔ اﻟﺤﺮﻳﺔ = ‪2 = 1 -3‬‬

‫‪2‬‬ ‫‪2‬‬
‫وﺑﺎﻟﺮﺟﻮع إﱃ اﻟﺠﺪاول اﻹﺣﺼﺎﺋﻴﺔ ) ﺟﺪول ﻛﺎ ( ﻧﺠﺪ أﻧﻪ ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ ‪ ،2‬ﻓﺈن ﻗﻴﻤﺔ ﻛﺎ ﺗﺴـﺎوي‬
‫‪2‬‬
‫)‪ (5.99‬ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ 0.95‬أﻣﺎ ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ ،0.99‬ﻓﺈن ﻗﻴﻤﺔ ﻛﺎ ﺗﺴـﺎوي )‪ ،(9.21‬وﳌـﺎ ﻛﺎﻧـﺖ‬
‫‪2‬‬ ‫‪2‬‬
‫ﻗﻴﻤﺔ ﻛﺎ اﳌﺤﺴﻮﺑﺔ ﺗﺴﺎوي )‪ ،(9‬ﻓﺈﻧﻬﺎ ﺑﺬﻟﻚ ﺗﻜﻮن أﻛـﱪ ﻣـﻦ ﻗﻴﻤـﺔ ﻛـﺎ اﻟﺠﺪوﻟﻴـﺔ ﻋﻨـﺪ ﻣﺴـﺘﻮى اﻟﺜﻘـﺔ‬

‫)‪ ،(0.95‬وﺑﺎﻟﺘﺎﱄ ﻧﺮﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي اﻟﻘﺎﺋﻞ ﺑﺄﻧﻪ )ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني ﻫـﺬه اﻷمنـﺎط اﻟﺜﻼﺛـﺔ(‪،‬‬
‫وﻫﺬا اﻟﺮﻓﺾ ﻳﻌﻨﻲ ﻗﺒﻮل اﻟﻔﺮض اﻟﺒﺪﻳﻞ‪ ،‬مبﻌﻨﻰ أن ﻫﻨﺎك ً‬
‫ﻓﺮوﻗﺎ ﺟﻮﻫﺮﻳﺔ ﺑني ﻋﺪد اﳌـﻮاﻓﻘني واﳌﺤﺎﻳـﺪﻳﻦ‬
‫واﻟﺮاﻓﻀني ﻟﺨﺼﺨﺼﺔ اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬وﻣﻦ اﻟﻮاﺿﺢ أن أﻛرثﻳﺔ اﳌﺒﺤﻮﺛني ﻋﱪت ﻋﻦ رﻓﺾ اﻟﺨﺼﺨﺼﺔ‪.‬‬

‫اﳌﺒﺤﺚ اﻟﺜﺎين‬

‫اﻟﻔﺮوق ﺑني ﻣﺘﻮﺳﻄني‬

‫ﺗــﺘﻢ اﳌﻘﺎرﻧــﺔ ﺑــني ﻣﺘﻮﺳــﻄني )‪ (Two Means‬ﻣــﻦ ﺧــﻼل اﺧﺘﺒــﺎر »ت« واﳌﻌــﺮوف‬
‫اﺻﻄﻼﺣﺎ )‪ (t. test‬ﻓﻬﻮ ﻣﻦ أﺑﺮز اﳌﻌﺎﻟﺠﺎت اﻹﺣﺼـﺎﺋﻴﺔ ﻹﺟـﺮاء اﳌﻘﺎرﻧـﺎت اﻟﺜﻨﺎﺋﻴـﺔ اﻟﺘـﻲ‬
‫ً‬
‫ﺗﻌﺘﻤﺪ ﻋﲆ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‪ .‬وإذا ﻛﺎن اﺧﺘﺒﺎر)‪ (t‬ﻳﻘﻴﺲ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﻣﺘﻮﺳـﻄني‪،‬‬
‫اﻷول ﻫﻮ ‪ X1‬واﻟﺜﺎين ‪ ،X2‬ﻓﺈن اﻟﻔﺮض اﻟﺼﻔﺮي ‪ H0‬ﻳﻌﻨﻲ أﻧﻪ ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑـني‬

‫‪-227-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻫﺬﻳﻦ اﳌﺘﻮﺳﻄني‪ ،‬أﻣﺎ اﻟﻔﺮض اﻟﺒﺪﻳﻞ ‪ ،H1‬ﻓﻴﻌﻨﻲ أﻧـﻪ ﺗﻮﺟـﺪ ﻓـﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑﻴـﻨﻬام‪ ،‬مبﻌﻨـﻰ أﻧﻬـام ﻏـري‬
‫ﻣﺘﺴﺎوﻳني‪ ،‬ﻗﺪ ﻳﻜﻮن اﳌﺘﻮﺳﻂ اﻷول أﻗﻞ ﻣﻦ أو أﻛﱪ ﻣﻦ اﳌﺘﻮﺳﻂ اﻟﺜﺎين‪ ،‬وﰲ ﻫـﺬه اﻟﺤﺎﻟـﺔ‪ ،‬ﻓـﺈن اﻟﺼـﻴﻐﺔ‬
‫اﻹﺣﺼﺎﺋﻴﺔ ﻟﻜﻞ ﻣﻦ اﻟﻔﺮض اﻟﺼﻔﺮي واﻟﻔﺮض اﻟﺒﺪﻳﻞ ﻫﻲ‪:‬‬

‫‪H0: X1 = X2‬‬

‫‪X1: H1 ≠ X2‬‬

‫ﻣﺜﻼ أن ‪ X1‬ﺗﻌﻨﻲ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻟﺪرﺟﺔ ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳـﻮن‪،‬‬
‫ﻟﻨﻔﺮض ً‬
‫أﻣﺎ ‪ X2‬ﻓﺘﻌﻨﻲ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب ﻟﺪرﺟﺔ ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث ﻋﲆ اﳌﻘﻴﺎس ﻧﻔﺴـﻪ‪ ،‬أﻣﺎ ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﳌﻘﺎرﻧﺔ ﺑـني‬
‫ﻛﻞ ﻣﻦ اﳌﺘﻮﺳﻄني ‪ X1 , X2‬ﳌﺠﻤﻮﻋﺔ واﺣﺪة‪ ،‬ﻓﺈن اﳌﺘﻮﺳﻂ اﻷول ‪ X1‬ﻗﺪ ﻳﻌﻨﻲ ً‬
‫ﻣﺜﻼ ﻣﺘﻮﺳﻂ درﺟـﺔ اﻟﻌﻴﻨـﺔ‬
‫ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬أﻣﺎ اﳌﺘﻮﺳﻂ اﻟﺜﺎين ‪ X2‬ﻓﻘﺪ ﻳﻌﻨـﻲ ﻣﺘﻮﺳـﻂ درﺟـﺔ اﻟﻌﻴﻨـﺔ ﻧﻔﺴـﻬﺎ ﻋـﲆ‬
‫ﻣﻘﻴﺎس اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ‪ .‬وﻓﻴام ﻳﲇ ﺗﻮﺿﻴﺢ أﻫﻢ ﻣﻌﺎدﻻت اﺧﺘﺒﺎر )‪ (t‬ﻟﻠﻤﻘﺎرﻧﺔ ﺑني ﻣﺠﻤﻮﻋﺘني أو ﻋﻴﻨﺘني‬
‫ﻣﺴﺘﻘﻠﺘني‪ ،‬وﻛﺬﻟﻚ اﺳﺘﺨﺪاﻣﻪ ﻋﲆ ﻣﺴﺘﻮى اﻟﻌﻴﻨﺔ اﻟﻮاﺣﺪة‪.‬‬

‫)أ( اﺳﺘﺨﺪام )‪ (t. test‬ﻟﻠﻤﻘﺎرﻧﺔ ﺑني ﻣﺠﻤﻮﻋﺘني أو ﻋﻴﻨﺘني‪:‬‬

‫ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﳌﻘﺎرﻧﺔ ﺑني ﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ مبﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ أﺧـﺮى‪ ،‬ﻓـﺈن ﻫﻨـﺎك ﻋـﺪة‬
‫ﺻﻴﻎ إﺣﺼﺎﺋﻴﺔ )ﻣﻌﺎدﻻت( ﻻﺧﺘﺒﺎر )‪ (t‬وإن ﻛﺎﻧﺖ ﺟﻤﻴﻌﻬﺎ ﺗﻘﻮم ﻋﲆ اﳌﻌﻄﻴﺎت اﻟﺘﺎﻟﻴﺔ‪:‬‬

‫ن‪ :1‬وﺗﻌﻨﻲ ﻋﺪد أﻓﺮاد اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‬

‫ن‪ :2‬و ﺗﻌﻨﻲ ﻋﺪد أﻓﺮاد اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‬

‫ن‪ :‬و ﺗﻌﻨﻲ ﻣﺠﻤﻞ اﻟﻌﻴﻨﺔ‬

‫‪ : 1 α‬وﺗﻌﻨﻲ ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‬

‫‪ :2 α‬وﺗﻌﻨﻲ ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‬

‫‪-228-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬
‫‪2‬‬
‫ع ‪ :1‬وﺗﻌﻨﻲ ﺗﺒﺎﻳﻦ درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‬

‫‪2‬‬
‫ع ‪ :2‬وﺗﻌﻨﻲ ﺗﺒﺎﻳﻦ درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‬

‫وﻳﺘﻮﻗﻒ اﺳﺘﺨﺪام ﺻﻴﻐﺔ إﺣﺼﺎﺋﻴﺔ ﻣﻌﻴﻨﺔ ﻋﲆ ﻋﺪة ﺧﺼﺎﺋﺺ أﻫﻤﻬﺎ‪ :‬ﺗﺴﺎوي أو ﻋـﺪم ﺗﺴـﺎوي ﻋـﺪد‬
‫أﻓﺮاد اﳌﺠﻤﻮﻋﺘني‪ ،‬ﺗﺠﺎﻧﺲ أو ﻋﺪم ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ )‪ (Variance‬ﻟﺪرﺟﺎت اﳌﺠﻤـﻮﻋﺘني‪ ،‬مبﻌﻨـﻰ اﺧـﺘﻼف أو‬
‫ﻋﺪم اﺧﺘﻼف ﻗﻴﻤﺔ ﺗﺒﺎﻳﻦ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﻋﻦ ﻗﻴﻤﺔ ﺗﺒﺎﻳﻦ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴـﺔ‪ ،‬وﻣـﻊ أﺧـﺬ ﻫـﺬه اﻟﻌﻮاﻣـﻞ‬
‫ﺑﺎﻻﻋﺘﺒﺎر‪ ،‬ﻓﺈﻧﻨﺎ ﻧﻜﻮن ﺑﺼﺪد إﺣﺪى اﳌﻘﺎرﻧﺎت اﻷرﺑﻌﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪ -‬إذا ﻛﺎﻧﺖ ن‪ = 1‬ن‪ ،2‬وﺗﺒﺎﻳﻦ درﺟـﺎت اﳌﺠﻤﻮﻋـﺔ اﻷوﱃ ﻻ ﻳﺨﺘﻠـﻒ ﻋـﻦ ﺗﺒـﺎﻳﻦ درﺟـﺎت اﳌﺠﻤﻮﻋـﺔ‬
‫اﻟﺜﺎﻧﻴﺔ )ﻋﺪم اﻻﺧﺘﻼف ﻫﻨﺎ ﻳﻌﻨﻲ ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ‪ ،‬وﻟﻴﺲ ﺑﺎﻟﻀـﺮورة اﻟﺘﺴﺎوي(‪.‬‬

‫‪ -‬إذا ﻛﺎﻧﺖ ن‪ = 1‬ن‪ ،2‬وﻟﻜﻦ ﺗﺒﺎﻳﻦ درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﻳﺨﺘﻠﻒ ﻋـﻦ ﺗﺒـﺎﻳﻦ درﺟـﺎت اﳌﺠﻤﻮﻋـﺔ‬
‫اﻟﺜﺎﻧﻴﺔ )اﻻﺧﺘﻼف ﻫﻨﺎ ﻳﻌﻨﻲ ﻋﺪم ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ(‪.‬‬

‫‪ -‬إذا ﻛﺎﻧﺖ ن‪ ≠ 1‬ن‪ ،2‬وﻟﻜﻦ ﺗﺒﺎﻳﻦ درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻷوﱃ = )ﻳﺴـﺎوي( ﺗﺒـﺎﻳﻦ درﺟـﺎت اﳌﺠﻤﻮﻋـﺔ‬
‫اﻟﺜﺎﻧﻴﺔ )اﻟﺘﺴﺎوي ﻫﻨﺎ ﻳﻌﻨﻲ اﻟﺘﺠﺎﻧﺲ‪ ،‬وﻟﻴﺲ ﺑﺎﻟﴬورة اﻟﺘﺴﺎوي اﻟﻌﺎم ﻟﻘﻴﻤﺔ اﻟﺘﺒﺎﻳﻦ(‪.‬‬

‫‪ -‬إذا ﻛﺎﻧــﺖ ن‪ z 1‬ن‪ ،2‬ﻛــام أن ﺗﺒــﺎﻳﻦ درﺟــﺎت اﳌﺠﻤﻮﻋــﺔ اﻷوﱃ ‪) z‬ﻻ ﻳﺴــﺎوي( ﺗﺒــﺎﻳﻦ درﺟــﺎت‬
‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ )ﻻ ﻳﺴﺎوي ﻳﻌﻨﻲ اﻻﺧـﺘﻼف‪ ،‬مبﻌﻨـﻰ ﻋـﺪم ﺗﺠـﺎﻧﺲ ﺗﺒـﺎﻳﻦ اﻟﻌﻴﻨـﺔ اﻷوﱃ وﺗﺒـﺎﻳﻦ‬
‫اﻟﻌﻴﻨﺔ اﻟﺜﺎﻧﻴﺔ(‪.‬‬

‫وﻓﻴام ﻳﲇ ﺗﻮﺿﻴﺢ اﻟﺼﻴﻎ اﻹﺣﺼﺎﺋﻴﺔ ﻻﺧﺘﺒﺎر )‪ (t‬ﻟﻜﻞ واﺣﺪة ﻣﻦ ﻫﺬه اﳌﻘﺎرﻧﺎت اﻷرﺑﻌﺔ‪:‬‬

‫‪-229-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫اﻟﺼﻴﻐﺔ اﻷوﱃ‪:‬‬

‫إذا ﻛﺎﻧﺖ ن‪ = 1‬ن‪ ،2‬وﺗﺒﺎﻳﻦ درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻷوﱃ = )ﻳﺴﺎوي( ﺗﺒﺎﻳﻦ درﺟﺎت اﳌﺠﻤﻮﻋـﺔ اﻟﺜﺎﻧﻴـﺔ‪،‬‬
‫ﻓﺈن ﻗﻴﻤﺔ )‪ (t‬ﺗﻜﻮن مبﻮﺟﺐ اﻟﺼﻴﻐﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪2 α  1α‬‬

‫‪2 2â  1 2â‬‬
‫‪1- ϥ‬‬ ‫‪b‬‬
‫ﻣﺜﺎل‪ :‬ﰲ دراﺳﺔ ﻋﲆ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻗﻮاﻣﻬﺎ ‪ 500‬ﻣﻔﺮدة ﺗﺘﻮزع ﺑﺎﻟﺘﺴﺎوي ﺑني اﻟﺬﻛﻮر واﻹﻧﺎث ﺗﺒـني أن‬
‫ﻣﺘﻮﺳﻂ درﺟﺔ ﻋﻴﻨﺔ اﻟﺬﻛﻮر ﻋﲆ ﻣﻘﻴﺎس اﻻﺳﺘﺨﺪاﻣﺎت واﻹﺷﺒﺎﻋﺎت ﻫﻮ ‪ 28‬ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ،3‬ﺑﻴﻨام ﻛﺎن‬
‫ﻣﺘﻮﺳﻂ درﺟﺔ ﻋﻴﻨﺔ اﻹﻧﺎث ﻋﲆ اﳌﻘﻴﺎس ﻧﻔﺴﻪ ‪ 25‬ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ،4‬ﺑﺎﻓﱰاض ﺗﺠـﺎﻧﺲ ﺗﺒـﺎﻳﻦ درﺟـﺎت‬
‫اﳌﺠﻤﻮﻋﺘني‪ ،‬ﻫﻞ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﻟﺬﻛﻮر واﻹﻧﺎث؟ ﰲ ﻫﺬا اﳌﺜﺎل ﻧﻼﺣﻆ أن‪:‬‬

‫ن‪250 = 1‬‬
‫ن‪250 = 2‬‬
‫ع‪ ،3 = 1‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ع‪9 = 1 2‬‬
‫ع‪ ،4 = 2‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ع‪16 = 2 2‬‬

‫‪28 = 1 α‬‬

‫‪25 = 2 α‬‬
‫وﺑﺘﻄﺒﻴﻖ اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة ﻓﺈن ﻗﻴﻤﺔ )‪= (t‬‬

‫= ‪13.4‬‬ ‫‪3‬‬ ‫‪= 25  28‬‬

‫‪0.2238 16  9‬‬
‫‪1 - 500‬‬ ‫‪b‬‬
‫‪-230-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫أي أن ﻗﻴﻤﺔ )‪ (t‬اﳌﺤﺴﻮﺑﺔ ﺗﺴﺎوي ‪ 13.4‬وﻳﺒﻘﻰ اﻟﺘﺴﺎؤل ﻗﺎمئًﺎ ﻋﻦ ﻣﻌﻨﻮﻳﺔ ﻫﺬه اﻟﻘﻴﻤﺔ‪ ،‬وﻟﺤﺴﻢ ﻫﺬا‬
‫اﻟﺘﺴﺎؤل ﺗﺘﻢ ﻣﻘﺎرﻧﺔ ﻗﻴﻤﺔ )‪ (t‬اﳌﺤﺴﻮﺑﺔ ﺑﻘﻴﻤﺔ )‪ (t‬اﻟﺠﺪوﻟﻴﺔ ﻋﻨﺪ درﺟﺔ ﺣﺮﻳـﺔ )ن – ‪ ،(1‬أي ﻋﻨـﺪ درﺟـﺔ‬
‫ﺣﺮﻳﺔ ‪ ،499‬ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ )‪ (t‬اﳌﺤﺴﻮﺑﺔ أﻛﱪ ﻣﻦ ﻗﻴﻤﺔ )‪ (t‬اﻟﺠﺪوﻟﻴﺔ‪ ،‬ﻛﺎن ذﻟﻚ ﻳﻌﻨـﻲ أن اﻟﻔـﺮوق ﺑـني‬
‫اﳌﺠﻤﻮﻋﺘني ﺟﻮﻫﺮﻳﺔ وﻻ ﺗﺮﺟـﻊ إﱃ اﻟﺼـﺪﻓﺔ‪ ،‬أﻣـﺎ إذا ﻛﺎﻧـﺖ ﻗﻴﻤـﺔ )‪ (t‬اﳌﺤﺴـﻮﺑﺔ أﺻـﻐﺮ ﻣـﻦ ﻗﻴﻤـﺔ )‪(t‬‬
‫اﻟﺠـﺪوﻟﻴﺔ‪ ،‬ﻛﺎن ذﻟﻚ ﻳﻌﻨﻲ أن اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋﺘني ﻏري ﺟﻮﻫﺮﻳﺔ وﺗﺮﺟـﻊ إﱃ اﻟﺼـﺪﻓﺔ‪ ،‬وﺑـﺎﻟﺮﺟﻮع إﱃ‬
‫اﻟﺠـﺪاول اﻹﺣﺼـﺎﺋﻴﺔ )ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﻻﺧﺘﺒﺎر )‪ (t‬ﻟﺪﻻﻟﺔ اﻟﻄﺮﻓني ﻋﻨﺪ درﺟـﺔ ﺣﺮﻳـﺔ ‪ (499‬ﻧﺠـﺪ أن‬
‫ﻗﻴﻤﺔ ‪ 1.97 = t‬ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.05‬أﻣﺎ ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.01‬ﻓـﺈن ﻗﻴﻤـﺔ )‪ 2.59 = (t‬أي أن ﻗﻴﻤـﺔ اﳌﺤﺴـﻮﺑﺔ‬
‫أﻛﱪ ﻣﻦ ﻗﻴﻤﺔ )‪ (t‬اﻟﺠﺪوﻟﻴﺔ‪ ،‬وﻋﲆ ﻫﺬا اﻷﺳﺎس ﻓﺈن اﻟﻔﺮوق ﺑني اﻟﺠﻨﺴني ﺟﻮﻫﺮﻳﺔ وﻻ ﺗﺮﺟﻊ إﱃ اﻟﺼﺪﻓﺔ‪.‬‬

‫اﻟﺼﻴﻐﺔ اﻟﺜﺎﻧﻴﺔ‪:‬‬

‫إذا ﻛﺎﻧﺖ ن‪ = 1‬ن‪ 2‬ﻣﻊ ﻋﺪم ﺗﺠـﺎﻧﺲ ﺗﺒـﺎﻳﻦ درﺟـﺎت اﳌﺠﻤﻮﻋـﺔ اﻷوﱃ وﺗﺒـﺎﻳﻦ درﺟـﺎت اﳌﺠﻤﻮﻋـﺔ‬
‫اﻟﺜﺎﻧﻴﺔ‪ ،‬أي أن ﺗﺒﺎﻳﻦ درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﻣﺨﺘﻠـﻒ ﻋـﻦ ﺗﺒـﺎﻳﻦ درﺟـﺎت اﳌﺠﻤﻮﻋـﺔ اﻟﺜﺎﻧﻴـﺔ‪ ،‬ﰲ ﻫـﺬه‬
‫اﻟﺤﺎﻟﺔ ﺗﻜﻮن ﻗﻴﻤﺔ )‪ (t‬مبﻮﺟﺐ اﻟﺼﻴﻐﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪2 α  1α‬‬

‫‪2 2â u 2ϥ  1 2â u1ë‬‬
‫‪(1- ϥ)ϥ‬‬ ‫‪b‬‬
‫ﻣﺜﺎل‪ :‬ﰲ دراﺳﺔ ﻋﲆ ﻋﻴﻨـﺔ ﻋﺸـﻮاﺋﻴﺔ ﻗﻮاﻣﻬـﺎ ‪ 600‬ﻣﻔـﺮدة ﺗﺘـﻮزع ﺑﺎﻟﺘﺴـﺎوي ﺑـني اﻟﺠﻨﺴـني ﺗﺒـني أن‬
‫ﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم ﻫﻮ ‪ 37‬ﺑـﺎﻧﺤﺮاف ﻣﻌﻴـﺎري ‪ ،2‬ﺑﻴـﻨام‬
‫ﻛﺎن ﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ اﻹﻧـﺎث ﻋـﲆ اﳌﻘﻴـﺎس ﻧﻔﺴـﻪ ﻫـﻮ ‪ 28‬ﺑـﺎﻧﺤﺮاف ﻣﻌﻴـﺎري ‪ 5‬ﺑـﺎﻓﱰاض ﻋـﺪم‬
‫ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ ﰲ اﳌﺠﻤﻮﻋﺘني‪ ،‬ﻫﻞ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﻟﺠﻨﺴـني ﰲ اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ اﻹﻋـﻼم؟ ﰲ‬
‫ﻫﺬا اﳌﺜﺎل ﻧﻼﺣﻆ أن‪:‬‬

‫‪-231-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ن‪ = 1‬ن‪ 300 = 2‬ﻛام أن إﺟامﱄ ن ﻫﻮ ‪600‬‬

‫‪2‬‬ ‫‪2‬‬
‫ع‪ ،2 = 1‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ع ‪ 4 = 1‬ﻛام أن ع‪ 5 = 2‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ع ‪25 = 2‬‬

‫‪ ،37 = 1 α‬ﺑﻴﻨام ‪28 = 2 α‬‬

‫ﺑﺎﺳﺘﺨﺪام ﻫﺬه اﳌﻌﻄﻴﺎت‪ ،‬وﺗﻄﺒﻴﻖ اﳌﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ‪ ،‬وﻣﻊ اﻷﺧﺬ ﺑﺎﻻﻋﺘﺒﺎر ﻋـﺪم ﺗﺠـﺎﻧﺲ اﻟﺘﺒـﺎﻳﻦ ﰲ‬
‫اﳌﺠﻤﻮﻋﺘني‪ ،‬ﻓﺈن ﻗﻴﻤﺔ )‪ (t‬ﺗﻜﻮن‪:‬‬

‫‪58.06 = 9‬‬ ‫=‬ ‫‪28  37‬‬

‫‪0.155‬‬
‫‪25 u 300  4 u 300‬‬
‫‪599 u 600‬‬ ‫‪b‬‬
‫أي أن ﻗﻴﻤﺔ )‪ (t‬ﺗﺴﺎوي ‪ ،58.06‬وﻋﻠﻴﻨﺎ أن ﻧﻘﺎرن ﻫﺬه اﻟﻘﻴﻤـﺔ اﳌﺤﺴـﻮﺑﺔ ﺑﻘﻴﻤـﺔ )‪ (t‬اﻟﺠﺪوﻟﻴـﺔ ﻋﻨـﺪ‬
‫درﺟﺔ ﺣﺮﻳﺔ )ن – ‪ ،(1‬وﻋﲆ اﻟﺒﺎﺣﺚ اﻟﺮﺟﻮع إﱃ ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﻻﺧﺘﺒﺎر )‪ (t‬ﻟﺪﻻﻟـﺔ اﻟﻄـﺮﻓني ﻋﻨـﺪ‬
‫درﺟﺔ ﺣﺮﻳﺔ ‪ ) 599‬أي ‪ 500‬ﻓﺄﻛرث(‪ ،‬وﻳﺘﻀﺢ ﻣﻦ ذﻟﻚ اﻟﺠﺪول أن ﻗﻴﻤﺔ )‪1.96 = (t‬ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.05‬أﻣـﺎ‬
‫ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.01‬ﻓﺈن ﻗﻴﻤﺔ )‪ 2.58 = (t‬وﳌﺎ ﻛﺎﻧﺖ ﻗﻴﻤﺔ )‪ (t‬اﳌﺤﺴﻮﺑﺔ = ‪ ،58.06‬ﻓﺈﻧﻬﺎ ﺑﺬﻟﻚ أﻛﱪ ﻣـﻦ‬
‫ﻗﻴﻤﺔ )‪ (t‬اﻟﺠﺪوﻟﻴﺔ‪ ،‬وﻋﲆ ﻫﺬا اﻷﺳﺎس ﻓﺈن اﻟﻔﺮوق ﺑني اﻟﺠﻨﺴني ﺟﻮﻫﺮﻳﺔ وﻻ ﺗﺮﺟﻊ إﱃ اﻟﺼﺪﻓﺔ‪.‬‬

‫اﻟﺼﻴﻐﺔ اﻟﺜﺎﻟﺜﺔ‪:‬‬

‫إذا ﻛﺎﻧﺖ ن‪ ≠ 1‬ن‪ 2‬وﻟﻜﻦ ﺗﺒﺎﻳﻦ درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻷوﱃ = )ﻳﺴﺎوي أو ﻣﺘﺠﺎﻧﺲ ﻣﻊ( ﺗﺒﺎﻳﻦ درﺟﺎت‬
‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ﻓﺈن ﻗﻴﻤﺔ )‪ (t‬ﺗﻜﻮن مبﻮﺟﺐ اﻟﺼﻴﻐﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪2 α  1α‬‬

‫‪2 1‬‬
‫‪º2 â u ϥ  1 âu ë‬‬
‫‪b‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ª1‬‬ ‫‪1‬‬
‫» ‪« 2 1‬‬
‫‪¬ ϥ‬‬ ‫¼‪ë‬‬ ‫) ‪2 - ( 2ϥ 1ë‬‬

‫‪-232-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣﺜﺎل‪ :‬ﰲ دراﺳﺔ ﻋﲆ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻗﻮاﻣﻬﺎ ‪ 600‬ﻣﻔﺮدة ﺗﺘﻮزع ﺑني اﻟﺬﻛﻮر ﺑﻮاﻗﻊ ‪ 400‬ﻣﻔﺮدة واﻹﻧـﺎث‬
‫ﺑﻮاﻗﻊ ‪ 200‬ﻣﻔﺮدة‪ ،‬ﺗﺒـني أن ﻣﺘﻮﺳـﻂ ﻣﺠﻤﻮﻋـﺔ اﻟـﺬﻛﻮر ﻋـﲆ ﻣﻘﻴـﺎس اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ اﻹﻋـﻼم ﻫـﻮ ‪58‬‬
‫ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ،3‬ﺑﻴﻨام ﻛﺎن ﻣﺘﻮﺳﻂ ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث ﻋﲆ اﳌﻘﻴﺎس ﻧﻔﺴﻪ ﻫﻮ ‪ 41‬ﺑـﺎﻧﺤﺮاف ﻣﻌﻴـﺎري ‪4‬‬
‫ﺑﺎﻓﱰاض ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ ﰲ اﳌﺠﻤﻮﻋﺘني‪ ،‬ﻫﻞ ﺗﻮﺟـﺪ ﻓـﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑـني اﻟﺠﻨﺴـني ﰲ اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ‬
‫اﻹﻋﻼم؟ ﰲ ﻫﺬا اﳌﺜﺎل ﻧﻼﺣﻆ أن‪:‬‬

‫ن‪ 400 = 1‬ﺑﻴﻨام ن‪ 200 = 2‬ﻛام أن إﺟامﱄ ن ﻫﻮ ‪600‬‬

‫‪2‬‬ ‫‪2‬‬
‫ع‪ ،3 = 1‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ع ‪ 9 = 1‬ﻛام أن ع‪ ،4 = 2‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ع ‪16 = 2‬‬

‫‪58 = 1 α‬‬

‫‪41 = 2 α‬‬

‫ﺑﺎﺳﺘﺨﺪام ﻫـﺬه اﳌﻌﻄﻴـﺎت‪ ،‬وﺗﻄﺒﻴـﻖ اﳌﻌﺎدﻟـﺔ اﻟﺴـﺎﺑﻘﺔ‪ ،‬وﻣـﻊ اﻷﺧـﺬ ﺑﺎﻻﻋﺘﺒـﺎر ﺗﺠـﺎﻧﺲ اﻟﺘﺒـﺎﻳﻦ ﰲ‬
‫اﳌﺠﻤﻮﻋﺘني‪ ،‬ﻓﺈن ﻗﻴﻤﺔ )‪ (t‬ﺗﻜﻮن‪:‬‬

‫= ‪58.2 = 17‬‬ ‫‪41  58‬‬

‫‪>200‬‬
‫‪1  1 @16 u 200  9 u 400‬‬
‫‪0.292‬‬
‫‪400‬‬ ‫‪598‬‬ ‫‪b‬‬
‫أي أن ﻗﻴﻤﺔ )‪ (t‬ﺗﺴﺎوي ‪ ،58.2‬وﻋﻠﻴﻨﺎ أن ﻧﻘـﺎرن ﻫـﺬه اﻟﻘﻴﻤـﺔ اﳌﺤﺴـﻮﺑﺔ ﺑﻘﻴﻤـﺔ )‪ (t‬اﻟﺠﺪوﻟﻴـﺔ ﻋﻨـﺪ‬
‫درﺟﺔ ﺣﺮﻳﺔ )ن – ‪ ،(2‬أي ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ ‪ ) 598‬أﻛرث ﻣﻦ ‪ ،(500‬وﻧﺘﺒني ﻣـﻦ ﺟـﺪول اﻟﻘـﻴﻢ اﻟﺤﺮﺟـﺔ أن‬
‫ﻗﻴﻤﺔ )‪ (t‬ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ أﻛرث ﻣﻦ ‪ 500‬ﺗﺴﺎوي = ‪1.96‬ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.05‬أﻣﺎ ﻋﻨـﺪ ﻣﺴـﺘﻮى ‪ ،0.01‬ﻓـﺈن‬
‫ﻗﻴﻤﺔ ‪ 2.58 = t‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ﻗﻴﻤﺔ )‪ (t‬اﳌﺤﺴﻮﺑﺔ أﻛﱪ ﻣﻦ ﻗﻴﻤﺔ )‪ (t‬اﻟﺠﺪوﻟﻴﺔ‪ ،‬وﻋـﲆ ﻫـﺬا اﻷﺳـﺎس‪ ،‬ﻓـﺈن‬
‫اﻟﻔﺮوق ﺑني اﻟﺠﻨﺴني ﺟﻮﻫﺮﻳﺔ وﻻ ﺗﺮﺟﻊ إﱃ اﻟﺼﺪﻓﺔ‪.‬‬

‫‪-233-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫اﻟﺼﻴﻐﺔ اﻟﺮاﺑﻌﺔ‪:‬‬

‫إذا ﻛﺎﻧﺖ ن‪ ≠ 1‬ن‪ 2‬وﻛﺎن ﺗﺒﺎﻳﻦ درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ≠ )ﻻ ﻳﺴﺎوي أو ﻏري ﻣﺘﺠـﺎﻧﺲ ﻣـﻊ( ﺗﺒـﺎﻳﻦ‬
‫درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ﻓﺈن ﺣﺴﺎب ﻗﻴﻤﺔ )‪ (t‬ﻳﺘﻢ ﻋﲆ ﺧﻄﻮﺗني‪ ،‬اﻷوﱃ ﺣﺴﺎب )ت(‪ ،‬واﻟﺜﺎﻧﻴـﺔ ﺣﺴـﺎب‬
‫) ‪ ،( Ó‬وﺗﻨﻄﻖ ت ﴍﻃﺔ‪ ،‬ﻓﻴام ﻳﺨﺺ ﻗﻴﻤﺔ )ت(‪ ،‬ﻓﺈن اﻟﺤﺼﻮل ﻋﻠﻴﻬﺎ ﻳﻜﻮن مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫أﻣﺎ ﻓﻴام ﻳﺨﺺ ‪ ، Ó‬ﻓﺈن ﻣﻌﺎدﻟﺘﻬﺎ ﻛﺎﻵيت‪:‬‬

‫‪1 2 2ω 2Ε  1 12ω 1Ε‬‬

‫‪2ϥ‬‬ ‫‪1ϥ‬‬
‫‪=Ó‬‬
‫‪2 2â  1 2â‬‬
‫‪2ϥ‬‬ ‫‪1ϥ‬‬ ‫‪b‬‬
‫ﻋﻠام ﺑﺄن‪ :‬ت‪ 1‬ﻫﻲ )ت( اﻟﺠﺪوﻟﻴﺔ ﺑﺪرﺟﺎت ﺣﺮﻳﺔ )ن‪ (1 – 1‬ﻟﻠﻤﺠﻤﻮﻋـﺔ اﻷوﱃ‪ ،‬ﺑﻴـﻨام ت‪ 2‬ﻫـﻲ ت‬
‫ً‬
‫اﻟﺠﺪوﻟﻴﺔ ﺑﺪرﺟﺎت ﺣﺮﻳﺔ )ن‪ (1 – 2‬ﻟﻠﻤﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻻ ﺑﺪ ﻣﻦ اﻟﺤﺼـﻮل ﻋـﲆ )ت( اﻟﺠﺪوﻟﻴـﺔ‬
‫ﻟﻜﻞ ﻣﺠﻤﻮﻋﺔ‪ ،‬واﳌﻘﺎرﻧﺔ ﺑني ﻗﻴﻤﺔ )ت( وﻗﻴﻤﺔ ‪: Ó‬‬

‫ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ )ت( أﻛﱪ ﻣﻦ أو ﺗﺴﺎوي ‪ ، Ó‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أن ﻫﻨﺎك ً‬
‫ﻓﺮوﻗﺎ ﺟﻮﻫﺮﻳﺔ ﺑـني اﳌﺠﻤـﻮﻋﺘني‪،‬‬
‫أﻣﺎ إذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ )ت( أﺻﻐﺮ ﻣﻦ ‪ ، Ó‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أﻧﻪ ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺘني‪.‬‬

‫ﺑﺎﺳﺘﺨﺪام ﻫﺬه اﳌﻌﺎدﻻت اﳌﺒﺴـﻄﺔ‪ ،‬ﻓـﺈن )‪ (t.test‬ﻳﺴـﺘﺨﺪم ﻻﺧﺘﺒـﺎر ﻣﻌﻨﻮﻳـﺔ اﻟﻔـﺮوق‬

‫ﺑـني ﻣﺘﻮﺳـﻂ درﺟـﺎت ﻋﻴﻨﺘـني )ن‪) ،(1‬ن‪ ،(Two Sample t.test) (2‬ﻛﺎﳌﻘﺎرﻧـﺔ ﺑـني ﻣﺘﻮﺳـﻂ‬

‫‪-234-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫درﺟﺔ اﻟﺬﻛﻮر وﻣﺘﻮﺳﻂ درﺟﺔ اﻹﻧﺎث ﻣﻦ ﺣﻴﺚ ﻛﺜﺎﻓﺔ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن أو ﻗـﺮاءة اﻟﺼـﺤﻒ أو ﺳـامع‬
‫اﻹذاﻋﺔ‪ ...‬إﻟﺦ‪.‬‬

‫اﺧﺘﺒﺎر )‪ (t‬ﻟﻌﻴﻨﺔ واﺣﺪة‪:‬‬

‫ﻛﺜ ًريا ﻣﺎ ﻳﺴﺘﺨﺪم )‪ (t. test‬ﻋﲆ ﻣﺴﺘﻮى اﻟﻌﻴﻨﺔ اﻟﻮاﺣﺪة )‪ (One Sample t.test‬ﳌﻌﺮﻓﺔ ﻣﻌﻨﻮﻳـﺔ اﻟﻔـﺮوق‬
‫ﺑني ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻋﲆ ﻣﻘﻴﺎس ﻣﻌني وﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻧﻔﺴﻬﺎ ﻋﲆ ﻣﻘﻴـﺎس آﺧـﺮ‪ ،‬أو ﳌﻘﺎرﻧـﺔ‬
‫ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻋﲆ ﻣﻘﻴﺎس ﻣﻌني ﻗﺒﻞ وﺑﻌﺪ إدﺧﺎل ﻣﺆﺛﺮ ﻣﻌني‪ ،‬أو ﺑﻌﺪ ﻓﺎﺻـﻞ زﻣﻨـﻲ ﺑـني ﺗﻄﺒﻴـﻖ‬
‫وآﺧﺮ‪ ،‬وﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻓﺈن ﻗﻴﻤﺔ ‪ t‬ﺗﻜﻮن مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪ϑα‬‬ ‫ت=‬
‫‪ϑ Ö å6‬‬
‫‪2‬‬

‫‪(1- ϥ) ϥ‬‬ ‫‪b‬‬

‫ﺣﻴﺚ‪ :‬ن‪ :‬ﻋﺪد ﻣﻔﺮدات اﻟﻌﻴﻨﺔ‬
‫‪-‬‬
‫س ف‪ :‬ﻣﺘﻮﺳﻂ اﻟﻔﺮوق ﺑني درﺟﺎت اﻟﺘﻄﺒﻴﻖ اﻷول ودرﺟﺎت اﻟﺘﻄﺒﻴﻖ اﻟﺜﺎين‬

‫‪2‬‬
‫ﻣﺠـ ح ف‪ :‬ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت اﻧﺤﺮاﻓﺎت اﻟﻔﺮوق ﺑني درﺟﺎت اﻟﺘﻄﺒﻴﻘني ﻋـﻦ اﻟﻮﺳـﻂ اﻟﺤﺴـﺎيب ﻟﻬـﺬه‬

‫اﻟﻔﺮوق‬

‫ﻣﺜﺎل‪ :‬ﰲ دراﺳﺔ ﺗﺠﺮﻳﺒﻴﺔ ﻋـﲆ ﻣﺠﻤﻮﻋـﺔ ﺗﻀـﻢ ﻋﴩة ﻣﺒﺤـﻮﺛني‪ ،‬ﻛـﺎن اﻟﻬـﺪف ﻣﻌﺮﻓـﺔ ﺗـﺄﺛري ﺑﺮﻧـﺎﻣﺞ‬
‫ﺗﻠﻴﻔﺰﻳﻮين ﰲ اﻟﻮﻋﻲ ﺑﻘﻀﺎﻳﺎ اﻟﺒﻴﺌﺔ‪ ،‬وﻗﺪ ﺗﻢ ﺗﻄﺒﻴﻖ ﻣﻘﻴﺎس اﻟﻮﻋﻲ اﻟﺒﻴﺌﻲ ﻋﲆ ﻫﺆﻻء اﳌﺒﺤﻮﺛني ﻗﺒﻞ وﺑﻌـﺪ‬
‫ﺗﻌﺮﺿﻬﻢ ﻟﻠﱪﻧﺎﻣﺞ‪،‬وﺗﻢ رﺻﺪ درﺟﺎت اﳌﺠﻤﻮﻋﺔ ﻗﺒﻞ وﺑﻌـﺪ ﺗﻌﺮﺿـﻬﻢ ﻟﻬـﺬا اﻟﱪﻧـﺎﻣﺞ‪ ،‬وﻛﺎﻧـﺖ ﻋـﲆ اﻟﻨﺤـﻮ‬
‫اﻟﺘﺎﱄ‪:‬‬

‫اﻟﻘﻴﺎس اﻟﻘﺒﲇ‪7 ،8 ،9 ،9 ،8 ،8 ،8 ،7 ،6 ،7 :‬‬

‫‪-235-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫اﻟﻘﻴﺎس اﻟﺒﻌﺪي‪10 ،9،10،10،9 ،10 ،10 ،10 ،10،10 :‬‬

‫إن ﺗﻄﺒﻴﻖ اﺧﺘﺒﺎر )‪ (t‬ﳌﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني اﻟﻘﻴﺎﺳني ﻳﺘﻄﻠﺐ ﺣﺴﺎب‪:‬‬

‫‪ -‬ﻣﺠﻤﻮع درﺟﺎت اﻟﺘﻄﺒﻴﻖ اﻷول وﻣﺠﻤﻮع درﺟﺎت اﻟﺘﻄﺒﻴﻖ اﻟﺜﺎين‪.‬‬

‫‪ -‬ﻣﺘﻮﺳﻂ درﺟﺎت اﻟﺘﻄﺒﻴﻖ اﻷول وﻣﺘﻮﺳﻂ درﺟﺎت اﻟﺘﻄﺒﻴﻖ اﻟﺜﺎين )س ف(‪.‬‬

‫‪ -‬اﻟﻔﺮوق ﺑني درﺟﺎت اﻟﺘﻄﺒﻴﻖ اﻷول ودرﺟﺎت اﻟﺘﻄﺒﻴﻖ اﻟﺜﺎين )ف(‪.‬‬

‫‪ -‬ﻣﺘﻮﺳﻂ ﻫﺬه اﻟﻔﺮوق )م ف(‪.‬‬

‫‪ -‬اﻧﺤﺮاف اﻟﻔﺮوق ﻋﻦ ﻣﺘﻮﺳﻄﻬﺎ اﻟﺤﺴﺎيب‪ ،‬وﻫﺬا اﻻﻧﺤﺮاف ﻳﺴﺎوي )ف‪ -‬م ف(‪.‬‬

‫‪ -‬ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت اﻻﻧﺤﺮاف ﻋﻦ اﻟﻔﺮوق‪.‬‬

‫وﻟﺘﻮﺿﻴﺢ ﻫﺬه اﳌﺘﻄﻠﺒﺎت ﻳﺘﻢ ﺗﻨﻈﻴﻢ اﻟﺪرﺟﺎت اﻟﺨﺎم وﻣﺸﺘﻘﺎﺗﻬﺎ ﰲ ﺟﺪول ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬
‫درﺟﺎت اﻟﻘﻴﺎس‬ ‫درﺟﺎت اﻟﻘﻴﺎس‬
‫ح ف‪2‬‬ ‫ح ف = ف ‪(2.1-) -‬‬ ‫ف‬
‫اﻟﺒﻌﺪي‬ ‫اﻟﻘﺒﲇ‬
‫‪0.81‬‬ ‫‪0.9-‬‬ ‫‪3-‬‬ ‫‪10‬‬ ‫‪7‬‬
‫‪3.61‬‬ ‫‪1.9-‬‬ ‫‪4-‬‬ ‫‪10‬‬ ‫‪6‬‬
‫‪0.81‬‬ ‫‪0.9-‬‬ ‫‪3-‬‬ ‫‪10‬‬ ‫‪7‬‬
‫‪0.01‬‬ ‫‪0.1-‬‬ ‫‪2-‬‬ ‫‪10‬‬ ‫‪8‬‬
‫‪0.01‬‬ ‫‪0.1-‬‬ ‫‪2-‬‬ ‫‪10‬‬ ‫‪8‬‬
‫‪1.21‬‬ ‫‪1.1-‬‬ ‫‪1-‬‬ ‫‪9‬‬ ‫‪8‬‬
‫‪1.21‬‬ ‫‪1.1-‬‬ ‫‪1-‬‬ ‫‪10‬‬ ‫‪9‬‬
‫‪1.21‬‬ ‫‪1.1-‬‬ ‫‪1-‬‬ ‫‪10‬‬ ‫‪9‬‬
‫‪1.21‬‬ ‫‪1.1-‬‬ ‫‪1-‬‬ ‫‪9‬‬ ‫‪8‬‬
‫‪0.81‬‬ ‫‪0.9-‬‬ ‫‪3-‬‬ ‫‪10‬‬ ‫‪7‬‬
‫ﻣﺞ ف= ‪21-‬‬ ‫ﻣﺞ = ‪98‬‬ ‫ﻣﺞ = ‪77‬‬
‫ﻣﺞ = ‪10.9‬‬
‫م ف =‪2.1-‬‬ ‫م = ‪9.8‬‬ ‫م = ‪7.7‬‬

‫‪-236-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻳﺘﻀـﺢ ﻣﻦ ﻫﺬا اﻟﺠﺪول أن ﻣﺠﻤﻮع اﻟﻔﺮوق ﺑني درﺟﺎت اﻟﻘﻴﺎس اﻟﻘـﺒﲇ ودرﺟـﺎت اﻟﻘﻴـﺎس اﻟﺒﻌـﺪي‬
‫ﻫﻮ )‪(21-‬؛ أي أن )ﻣﺞ ف = ‪ ،(21 -‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن‪:‬‬

‫)ﻣﺘﻮﺳﻂ ﻣﺞ ف = ‪(2.1 - = 10 ÷ 21-‬‬

‫ﻫﺬه اﻟﻘﻴﻤﺔ )‪ (2.1-‬ﺗﻢ ﻃـﺮﺣﻬﺎ ﻣﻦ ﻓﺮوق اﻟﺪرﺟـﺎت‪ ،‬ﻓﻨﺤﺼـﻞ ﺑﺎﻟﺘﺎﱄ ﻋﲆ )ح ف(‪ ،‬وﻫﺬا ﻣﻮﺿـﺢ ﰲ‬
‫اﻟﻌﻤﻮد اﻟﺮاﺑﻊ‪ :‬ح ف = ف – )‪ ،(2.1-‬وﺑﱰﺑﻴﻊ ﻗﻴﻢ )ح ف(‪ ،‬ﻧﺤﺼﻞ ﻋـﲆ ﻣﺮﺑﻌـﺎت اﻻﻧﺤﺮاﻓـﺎت )ح ف‪،(2‬‬
‫وﻧﺘﺒني ﻣﻦ اﻟﺠﺪول أن ﻣﺠﻤﻮﻋﻬﺎ = ‪10.9‬‬

‫أﻳﻀﺎ ﻓﺈن ﻣﺠﻤﻮع درﺟﺎت اﳌﺠﻤﻮﻋﺔ ﺣﺴﺐ اﻟﻘﻴﺎس اﻟﻘﺒﲇ ﻫـﻮ )‪ ،(77‬وﺑﺎﻟﺘـﺎﱄ‪ ،‬ﻓـﺈن‬
‫وﻣﻦ اﻟﺠﺪول ً‬
‫ﻣﺘﻮﺳــﻂ درﺟــﺔ اﻟﻘﻴــﺎس اﻟﻘــﺒﲇ = ‪ 7.7 = 10 ÷ 77‬أﻣــﺎ ﺣﺴــﺐ اﻟﻘﻴــﺎس اﻟﺒﻌــﺪي ﻓــﺈن إﺟــامﱄ درﺟــﺎت‬
‫اﳌﺠﻤﻮﻋﺔ ﻫﻮ )‪ (98‬وﺑﺎﻟﺘﺎﱄ‪ ،‬ﻓﺈن ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻘﻴﺎس اﻟﺒﻌـﺪي = ‪ 9.8 = 10 ÷ 98‬وﻳﻜـﻮن اﻟﻔـﺮق ﺑـني‬
‫اﳌﺘﻮﺳﻄني = ‪2.1 = 7.7 – 9.8‬‬

‫ﺑﺎﺳﺘﺨﺪام ﻫﺬه اﳌﻌﻄﻴﺎت واﻟﺘﻌﻮﻳﺾ ﰲ اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة‪ ،‬ﻓﺈن ﻗﻴﻤﺔ )‪ (t‬ﺗﻜﻮن‪:‬‬

‫= ‪6.034‬‬ ‫‪2.1‬‬ ‫ت=‬

‫‪10.9‬‬
‫‪9 u 10‬‬ ‫‪b‬‬
‫أي أن ﻗﻴﻤﺔ )‪ (t‬اﳌﺤﺴﻮﺑﺔ ﺗﺴﺎوي ‪ 6.034‬وﺑﺎﺳﺘﺨﺪام ﺟـﺪول اﻟﻘـﻴﻢ اﻟﺤﺮﺟـﺔ ﻻﺧﺘﺒـﺎر )‪ (t‬ﻓﺈﻧـﻪ ﻋﻨـﺪ‬
‫ﻣﻘﺎرﻧﺔ ﻫﺬه اﻟﻘﻴﻤﺔ ﺑﻘﻴﻤﺔ )‪ (t‬اﻟﺠﺪوﻟﻴﺔ ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ )ن – ‪(1‬؛ أي ﻋﻨـﺪ درﺟـﺔ ﺣﺮﻳـﺔ )‪ (9‬ﻧﺠـﺪ أن‬
‫ﻗﻴﻤﺔ )‪ (t‬اﻟﺠﺪوﻟﻴﺔ = ‪ 2.26‬ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.05‬أﻣﺎ ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.01‬ﻓﺈن ﻗﻴﻤﺔ )‪ (t‬اﻟﺠﺪوﻟﻴـﺔ = ‪ 3.25‬أي‬
‫أن ﻗﻴﻤﺔ )‪ (t‬اﳌﺤﺴﻮﺑﺔ أﻛﱪ ﻣﻦ ﻗﻴﻤﺔ )‪ (t‬اﻟﺠﺪوﻟﻴﺔ‪ ،‬وﻫﺬا ﻳﻌﻨﻲ أن اﻟﻔﺮوق ﺑني درﺟﺎت اﻟﻌﻴﻨﺔ ﰲ اﻟﻘﻴﺎس‬
‫اﻟﻘﺒﲇ واﻟﻘﻴﺎس اﻟﺒﻌﺪي ﻫﻲ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ وﻻ ﺗﺮﺟﻊ إﱃ اﻟﺼﺪﻓﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ‪ ،‬ﻓﺈن اﻟﱪﻧﺎﻣﺞ اﻟﺘﻠﻴﻔﺰﻳﻮين ﻗـﺪ‬
‫أﺣﺪث ﺗﺄﺛ ًريا ﺟﻮﻫﺮﻳّﺎ ﰲ وﻋﻲ اﳌﺒﺤﻮﺛني ﺑﻘﻀـﺎﻳﺎ اﻟﺒﻴﺌـﺔ‪ ،‬ﻟﻘـﺪ ارﺗﻔﻌـﺖ درﺟـﺎﺗﻬﻢ ﺑﻔـﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑﻌـﺪ‬
‫ﺗﻌﺮﺿﻬﻢ ﻟﻬﺬا اﻟﱪﻧﺎﻣﺞ‪.‬‬

‫‪-237-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣﺜﺎل آﺧﺮ‪ :‬ﻓﻴام ﻳﲇ درﺟﺎت ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﳌﺒﺤﻮﺛني ﻋﲆ ﻣﻘﻴﺎس اﻹﺷﺒﺎﻋﺎت اﳌﺘﺤﻘﻘﺔ ﺟﺮاء اﺳـﺘﺨﺪام‬
‫ﻣﻮﻗﻊ )‪ (Tweeter‬وﻣﻮﻗﻊ )‪ ،(Face book‬واﳌﻄﻠﻮب ﻣﻌﺮﻓﺔ ﻣﺎ إذا ﻛﺎﻧﺖ ﻫﻨﺎك ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﻮﻗﻌني‬
‫ﻣﻦ ﺣﻴﺚ اﻹﺷﺒﺎﻋﺎت اﳌﺘﺤﻘﻘﺔ‪:‬‬

‫ﺗﻮﻳﱰ‪10 ،11 ،11 ،16 ،13 ،14 ،14 ،13 ،15 ،12 :‬‬

‫ﻓﻴﺲ ﺑﻮك‪9 ،12 ،10 ،15 ،12 ،13 ،12 ،16 ،13 ،10 :‬‬

‫ﰲ ﺿﻮء ﻫﺬه اﻟﺒﻴﺎﻧﺎت‪ ،‬ﻓﺈن اﻟﻌﻴﻨﺔ ﺗﺘﻜﻮن ﻣﻦ ﻋﺸــﺮة ﻣﺒﺤـﻮﺛني‪ ،‬أﻣـﺎ اﻻﻧﺤﺮاﻓـﺎت وﻣﺮﺑﻌﺎﺗﻬـﺎ‪ ،‬ﻓﺈﻧﻬـﺎ‬
‫ﺗﺘﻤﺜﻞ ﻓﻴام ﻳﻮﺿﺤﻪ اﻟﺠﺪول اﻵيت‪:‬‬
‫إﺷﺒﺎﻋﺎت‬ ‫إﺷﺒﺎﻋﺎت‬
‫ح ف‪2‬‬ ‫ح ف = ف ‪0.7 -‬‬ ‫ف‬
‫ﻓﻴﺲ ﺑﻮك‬ ‫ﺗﻮﻳﱰ‬
‫‪1.69‬‬ ‫‪1.3‬‬ ‫‪2‬‬ ‫‪10‬‬ ‫‪12‬‬
‫‪1.69‬‬ ‫‪1.3‬‬ ‫‪2‬‬ ‫‪13‬‬ ‫‪15‬‬
‫‪13.69‬‬ ‫‪3.7-‬‬ ‫‪3-‬‬ ‫‪16‬‬ ‫‪13‬‬
‫‪1.69‬‬ ‫‪1.3‬‬ ‫‪2‬‬ ‫‪12‬‬ ‫‪14‬‬
‫‪0.09‬‬ ‫‪0.3‬‬ ‫‪1‬‬ ‫‪13‬‬ ‫‪14‬‬
‫‪0.09‬‬ ‫‪0.3‬‬ ‫‪1‬‬ ‫‪12‬‬ ‫‪13‬‬
‫‪0.09‬‬ ‫‪0.3‬‬ ‫‪1‬‬ ‫‪15‬‬ ‫‪16‬‬
‫‪0.09‬‬ ‫‪0.3‬‬ ‫‪1‬‬ ‫‪10‬‬ ‫‪11‬‬
‫‪2.89‬‬ ‫‪1.7-‬‬ ‫‪1-‬‬ ‫‪12‬‬ ‫‪11‬‬
‫‪0.09‬‬ ‫‪0.3‬‬ ‫‪1‬‬ ‫‪9‬‬ ‫‪10‬‬
‫ﻣﺞ ف= ‪7‬‬ ‫ﻣﺞ = ‪122‬‬ ‫ﻣﺞ = ‪129‬‬
‫ﻣﺞ = ‪22.1‬‬
‫م ف =‪0.7‬‬ ‫م = ‪12.2‬‬ ‫م = ‪12.9‬‬

‫ﻳﺘﻀﺢ ﻣﻦ اﻟﺠﺪول أن ﻣﺠﻤﻮع درﺟﺎت اﻹﺷﺒﺎﻋﺎت اﳌﺘﺤﻘﻘﺔ ﺟﺮاء اﺳﺘﺨﺪام ﻣﻮﻗﻊ ﺗﻮﻳﱰ‬
‫ﻫﻮ )‪ ،(129‬مبﺘﻮﺳﻂ = ‪ 12.9 = 10 ÷ 129‬أي أن ﻣﺘﻮﺳـﻂ درﺟـﺔ اﻹﺷـﺒﺎﻋﺎت ﻓـﻴام ﻳﺨـﺺ‬
‫اﺳﺘﺨﺪام ﺗﻮﻳﱰ ﻫـﻮ )‪ ،(12.9‬أﻣـﺎ ﻣﺠﻤـﻮع درﺟـﺎت اﻹﺷـﺒﺎﻋﺎت اﳌﺘﺤﻘﻘـﺔ ﺟـﺮاء اﺳـﺘﺨﺪام‬

‫‪-238-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣﻮﻗﻊ ﻓﻴﺲ ﺑﻮك ﻓﻬﻮ)‪ ،(122‬مبﺘﻮﺳﻂ = ‪12.2 = 10 ÷ 122‬أي أن ﻣﺘﻮﺳﻂ درﺟﺔ اﻹﺷـﺒﺎﻋﺎت ﻓـﻴام ﻳﺨـﺺ‬
‫اﺳﺘﺨﺪام ﻓﻴﺲ ﺑﻮك ﻫﻮ )‪ ،(12.2‬وﻳﻜﻮن اﻟﻔﺮوق ﺑني اﳌﺘﻮﺳﻄني = ‪0.7 = 12.2 - 12.9‬‬

‫أﻳﻀﺎ أن )ﻣﺞ ف = ‪ ،(7‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن‪:‬‬

‫ﻳﺘﻀﺢ ﻣﻦ اﻟﺠﺪول ً‬

‫)ﻣﺘﻮﺳﻂ ﻣﺞ ف = ‪(0.7 = 10 ÷ 7‬‬

‫وﻟﻠﺤﺼﻮل ﻋﲆ )ح ف( ﻳﺘﻢ ﻃﺮح ﻫﺬه اﻟﻘﻴﻤﺔ )‪ (0.7‬ﻣﻦ ﻓﺮوق اﻟـﺪرﺟﺎت‪ ،‬ﻓﻨﺤﺼـﻞ ﺑﺎﻟﺘـﺎﱄ ﻋـﲆ )ح‬
‫ف(؛ أي اﻧﺤﺮاﻓﺎت اﻟﻔﺮوق ﻋﻦ ﻣﺘﻮﺳﻄﻬﺎ اﻟﺤﺴﺎيب‪ ،‬وﺑﱰﺑﻴﻊ ﻗﻴﻢ )ح ف(‪ ،‬ﻧﺤﺼﻞ ﻋﲆ ﻣﺮﺑﻌﺎت اﻻﻧﺤﺮاﻓﺎت‬
‫)ح ف‪ ،(2‬وﻧﺘﺒني ﻣﻦ اﻟﺠﺪول أن ﻣﺠﻤﻮﻋﻬﺎ = ‪22.1‬‬

‫ﺑﺎﺳﺘﺨﺪام ﻫﺬه اﳌﻌﻄﻴﺎت واﻟﺘﻌﻮﻳﺾ ﰲ اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة‪ ،‬ﻓﺈن ﻗﻴﻤﺔ )‪ (t‬ﺗﻜﻮن‪:‬‬

‫= ‪1.41‬‬ ‫‪0.7‬‬ ‫ت=‬

‫‪22.1‬‬
‫‪9 u 10‬‬ ‫‪b‬‬
‫أي أن ﻗﻴﻤﺔ )‪ (t‬اﳌﺤﺴﻮﺑﺔ ﺗﺴﺎوي ‪1.41‬‬

‫وﺑﺎﺳﺘﺨﺪام ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﻻﺧﺘﺒﺎر )‪ ،(t‬ﻓﺈﻧﻪ ﻋﻨﺪ ﻣﻘﺎرﻧـﺔ ﻫـﺬه اﻟﻘﻴﻤـﺔ ﺑﻘﻴﻤـﺔ )‪ (t‬اﻟﺠﺪوﻟﻴـﺔ‬
‫ﻋﻨــــﺪ درﺟــــﺔ ﺣﺮﻳــــﺔ )ن – ‪(1‬؛ أي ﻋﻨــــﺪ درﺟــــﺔ ﺣﺮﻳــــﺔ )‪ (9‬ﻧﺠــــﺪ أن ﻗﻴﻤــــﺔ )‪ (t‬اﻟﺠﺪوﻟﻴــــﺔ‬
‫= ‪ 2.26‬ﻋﻨﺪ ﻣﺴـﺘﻮى ‪ 0.05‬أﻣـﺎ ﻋﻨـﺪ ﻣﺴـﺘﻮى ‪ ،0.01‬ﻓـﺈن ﻗﻴﻤـﺔ )‪ (t‬اﻟﺠﺪوﻟﻴـﺔ = ‪ 3.25‬أي أن ﻗﻴﻤـﺔ )‪(t‬‬
‫اﳌﺤﺴﻮﺑﺔ أﺻﻐﺮ ﻣﻦ ﻗﻴﻤﺔ )‪ (t‬اﻟﺠﺪوﻟﻴﺔ‪ ،‬وﻫﺬا ﻳﻌﻨﻲ أن اﻟﻔﺮوق ﺑني درﺟﺎت اﻹﺷـﺒﺎﻋﺎت اﳌﺘﺤﻘﻘـﺔ ﺟـﺮاء‬
‫اﺳﺘﺨﺪام ﻣﻮﻗﻊ ﺗﻮﻳﱰ ودرﺟﺎت اﻹﺷﺒﺎﻋﺎت اﳌﺘﺤﻘﻘﺔ ﺟﺮاء اﺳـﺘﺨﺪام ﻣﻮﻗـﻊ ﻓـﻴﺲ ﺑـﻮك‪ ،‬ﻫـﻲ ﻓـﺮوق ﻏـري‬
‫ﺟﻮﻫﺮﻳﺔ وﺗﺮﺟﻊ إﱃ اﻟﺼﺪﻓﺔ‪.‬‬

‫ﺑﻮﺟـﻪ ﻋـﺎم‪ ،‬ﻓﺈن اﺧﺘﺒـﺎر )‪ (t. test‬ﻳﺘﻢ ﺗﻄﺒﻴﻘﻪ ﻋﲆ ﻣﺴﺘﻮى اﻟﻌﻴﻨﺔ اﻟﻮاﺣـﺪة ) ‪One‬‬
‫‪ (Sample t.test‬ﰲ اﻟﻜﺜري ﻣﻦ اﳌﺘﻄﻠﺒـﺎت اﻟﺒﺤﺜﻴـﺔ‪ ،‬ﻛـﺄن ﻳﻜـﻮن اﻟﻬـﺪف ﻣﻌﺮﻓـﺔ اﻟﻔـﺮوق‬

‫‪-239-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﺑني ﻣﺘﻮﺳﻄني ﻣﻘﱰﻧني )‪ (Paired Sample t.test‬ﻣﺜﺎل ذﻟﻚ ﺣﺴـﺎب ﻣﻌﻨﻮﻳـﺔ اﻟﻔـﺮوق ﺑـني ﻣﺘﻮﺳـﻂ درﺟـﺔ‬
‫ﻋﻴﻨﺔ ﻋﲆ ﻣﻘﻴﺎس ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن وﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻧﻔﺴﻬﺎ ﻋﲆ اﳌﻘﻴﺎس ﻧﻔﺴﻪ ﺑﻌﺪ ﻣﴤ ﻓـﱰة‬
‫زﻣﻨﻴﺔ‪ ،‬أو ﳌﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻋﲆ ﻣﻘﻴﺎس ﻣﻌني وﺑني ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ‬
‫ﻧﻔﺴﻬﺎ ﻋﲆ ﻣﻘﻴﺎس آﺧﺮ‪ ،‬أو ﳌﻘﺎرﻧـﺔ ﻣﺘﻮﺳـﻂ درﺟـﺔ اﻟﻌﻴﻨـﺔ مبﺘﻮﺳـﻂ درﺟـﺔ اﳌﺠﺘﻤـﻊ أو مبﺘﻮﺳـﻂ آﺧـﺮ‬
‫ﻣﻔﱰض‪ ،‬أو ﳌﻘﺎرﻧﺔ ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻋﲆ ﻣﻘﻴﺎس ﻣﻌني ﻗﺒﻞ وﺑﻌﺪ إدﺧﺎل ﻣﺆﺛﺮ ﻣﻌني‪.‬‬

‫ﺟﺪا ﻟﻠﺒﺤﻮث اﻟﺘﺠﺮﻳﺒﻴﺔ وﺷﺒﻪ اﻟﺘﺠﺮﻳﺒﻴﺔ‪ ،‬ﻓﻔﻲ إﺣﺪى اﻟﺪراﺳـﺎت اﻟﻌﻠﻤﻴـﺔ ﻛـﺎن‬
‫وﻫﺬه اﻟﻔﻜﺮة ﻣﻬﻤﺔ ّ‬
‫اﻟﻬﺪف رﺻﺪ وﺗﺤﻠﻴﻞ اﺗﺠﺎﻫﺎت اﻟﻄﻼب ﻧﺤﻮ ﻣﻬﻨﺔ اﻟﺨﺪﻣﺔ اﻻﺟﺘامﻋﻴﺔ‪ ،‬وﺗﻢ اﺧﺘﻴـﺎر ﻋﻴﻨـﺔ ﻗﻮاﻣﻬـﺎ ﺳـﺘﻮن‬
‫ﻃﺎﻟﺒﺎ وﻃﺎﻟﺒﺔ ﺗﺘﻮزع ﺑﺎﻟﺘﺴﺎوي ﺑني اﻟﺠﻨﺴني‪ ،‬وﺗﻢ ﻗﻴﺎس اﺗﺠﺎﻫﺎت اﻟﻌﻴﻨﺔ ﻗﺒـﻞ ﺗﻌﺮﺿـﻬﺎ ﻟﱪﻧـﺎﻣﺞ ﺗـﻮﺟﻴﻬﻲ‬
‫ً‬
‫ﻣﻴﺪاﻧﻴﺎ وﻣﺸﺎﻫﺪة ﻋﺪد ﻣﻦ اﻷﻓﻼم اﻟﻮﺛﺎﺋﻘﻴﺔ اﻟﺘﻲ ﺗﺘﻨﺎول دور اﻻﺧﺘﺼﺎﺻني اﻻﺟﺘامﻋﻴـني ﰲ‬
‫ّ‬ ‫ﺗﺪرﻳﺒﺎ‬
‫ً‬ ‫ﻳﺘﻀﻤﻦ‬
‫اﳌﺴﺘﺸﻔﻴﺎت واﳌﺪارس وﻣﺆﺳﺴﺎت رﻋﺎﻳﺔ اﻷﻳﺘﺎم‪ .‬وﻗﺪ ﺗﻠﻘﻰ اﻟﻄﻼب ﻫﺬا اﻟﱪﻧﺎﻣﺞ‪ ،‬وﺗﻢ ﻗﻴـﺎس اﺗﺠﺎﻫـﺎﺗﻬﻢ‬
‫ﻧﺤﻮ ﻣﻬﻨﺔ اﻟﺨﺪﻣﺔ اﻻﺟﺘامﻋﻴﺔ ﻣﺮة ﺛﺎﻧﻴﺔ‪.‬‬

‫ﰲ اﻟﻘﻴﺎس اﻷول؛ أي ﻗﺒﻞ ﺗﻠﻘﻲ اﻟﱪﻧﺎﻣﺞ ‪ -‬ﻛﺎﻧﺖ ﺷﺪة اﻻﺗﺠﺎه اﻹﻳﺠﺎيب ﻧﺤﻮ ﻣﻬﻨﺔ اﻟﺨﺪﻣﺔ اﻻﺟﺘامﻋﻴـﺔ‬
‫ﻗﺪ ﺟﺎءت مبﺘﻮﺳﻂ ﻗﺪرة ‪ 68.83‬ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ‪ 21.1‬أﻣﺎ ﰲ اﻟﻘﻴﺎس اﻟﺜـﺎين‪ -‬أي ﺑﻌـﺪ ﺗﻠﻘـﻲ اﻟﱪﻧـﺎﻣﺞ ‪-‬‬
‫ﻓﻘﺪ ﺟﺎءت ﺷﺪة اﻻﺗﺠﺎه ﻧﺤـﻮ ﻣﻬﻨـﺔ اﻟﺨﺪﻣـﺔ اﻻﺟﺘامﻋﻴـﺔ مبﺘﻮﺳـﻂ ﻗـﺪرة ‪ 84‬واﻧﺤـﺮاف ﻣﻌﻴـﺎري ‪،19.4‬‬
‫وﻳﻼﺣﻆ ارﺗﻔﺎع ﻗﻴﻤﺔ اﳌﺘﻮﺳﻂ ﰲ اﻟﻘﻴﺎس اﻟﺜﺎين‪ ،‬اﻷﻣﺮ اﻟﺬي ﻳﻌﻨﻲ أن اﻻﺗﺠﺎه اﻹﻳﺠﺎيب ﻧﺤﻮ ﻣﻬﻨـﺔ اﻟﺨﺪﻣـﺔ‬
‫اﻻﺟﺘامﻋﻴﺔ‪ ،‬ﻗﺪ ارﺗﻔﻊ ﺑﻌﺪ اﻟﱪﻧﺎﻣﺞ اﻹرﺷﺎدي‪ ،‬ﻟﻜﻦ ﻻ ميﻜﻦ اﻟﺠﺰم ﺑﺬﻟﻚ إﻻ ﺑﻌـﺪ اﻟﺘﺄﻛـﺪ ﻣـﻦ أن اﻟﻔـﺮوق‬
‫ﺑني اﳌﺘﻮﺳﻄني ﺟﻮﻫﺮﻳﺔ وﻻ ﺗﺮﺟـﻊ إﱃ اﻟﺼـﺪﻓﺔ‪ ،‬مبﻌﻨـﻰ أوﺿـﺢ‪ ،‬ﻓـﺈن اﻟﺘﺴـﺎؤل ﻫـﻮ‪ :‬ﻫـﻞ ﺗﻮﺟـﺪ ﻓـﺮوق‬
‫ﺟﻮﻫﺮﻳﺔ ﺑني اﻻﺗﺠﺎه ﻧﺤﻮ ﻣﻬﻨﺔ اﻟﺨﺪﻣﺔ اﻻﺟﺘامﻋﻴﺔ ﻗﺒﻞ وﺑﻌﺪ اﻟﺘﺪرﻳﺐ واﻟﺘﻌﺮض ﻟﻸﻓﻼم اﻟﻮﺛﺎﺋﻘﻴﺔ؟‬

‫‪-240-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻋﻠـام ﺑـﺄن‬
‫إن ﺗﻄﺒﻴﻖ )‪ (t.test‬مبﺎ ﻳﺘﻴﺤﻪ ﻣﻦ ﻣﻌﻄﻴﺎت إﺣﺼﺎﺋﻴﺔ ميﻜﻨﻨﺎ ﻣﻦ اﻹﺟﺎﺑﺔ ﻋﲆ ﻫﺬا اﻟﺘﺴـﺎؤل‪ً ،‬‬
‫)ن = ‪ ،60‬درﺟﺔ اﻟﺤﺮﻳﺔ = ‪ ،(59‬وﺑﺘﻄﺒﻴﻖ )‪ (Paired Samples t. test‬ﺟﺎءت ﻗﻴﻤﺔ )‪ 6.851 (t‬وﻫﺬه اﻟﻘﻴﻤﺔ‬
‫إﺣﺼﺎﺋﻴﺎ مبﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ﺻﻔـﺮ )‪ (P = 0.000‬مبﺎ ﻳﺸري إﱃ أن اﻟﻔﺮوق ﺟﻮﻫﺮﻳﺔ وﻻ ﺗﺮﺟﻊ إﱃ اﻟﺼﺪﻓﺔ‪،‬‬
‫ّ‬ ‫داﻟﺔ‬
‫ﺟﻮﻫﺮﻳـﺎ ﺑﻌـﺪ اﻟﱪﻧـﺎﻣﺞ‬
‫ّ‬ ‫ارﺗﻔﺎﻋـﺎ‬
‫ً‬ ‫وﻫﺬا ﻳﻌﻨﻲ أن اﻻﺗﺠﺎه اﻹﻳﺠﺎيب ﻧﺤﻮ ﻣﻬﻨﺔ اﻟﺨﺪﻣﺔ اﻻﺟﺘامﻋﻴﺔ ﻗﺪ ارﺗﻔـﻊ‬
‫اﻟﺘﺪرﻳﺒﻲ؛ إذ أﺻﺒﺢ ﻫﺬا اﳌﺘﻮﺳﻂ ‪ 84‬ﺑﻌﺪ أن ﻛﺎن ‪ 68.83‬ﻗﺒﻞ ﺗﻌﺮض اﻟﻄﻼب ﻟﻠﱪﻧﺎﻣﺞ‪ .‬وﻛﺜ ًريا ﻣﺎ ﻳﺴﺘﺨﺪم‬
‫اﻟﺒﺎﺣﺜﻮن ﻣﺎ ﻳﻌﺮف ﺑﻨﺴـﺒﺔ اﻟﻜﺴـﺐ اﳌﻌـﺪل )‪ (Modified Gaining‬ﻟﻀـامن اﻟﺤﺼـﻮل ﻋـﲆ ﺗﻘـﺪﻳﺮ دﻗﻴـﻖ‬
‫ﻟﻔﺎﻋﻠﻴﺔ اﳌﺆﺛﺮ )وﻫﻮ ﰲ ﻣﺜﺎﻟﻨﺎ اﳌﺬﻛﻮر اﻟﺘـﺪرﻳﺐ اﳌـﱪﻣﺞ وﻣﺸـﺎﻫﺪة اﻷﻓـﻼم اﻟﻮﺛﺎﺋﻘﻴـﺔ اﻟﺘـﻲ ﺗﺘﻨـﺎول دور‬
‫اﻻﺧﺘﺼﺎﺻني اﻻﺟﺘامﻋﻴني ﰲ اﳌﺴﺘﺸﻔﻴﺎت واﳌﺪارس وﻣﺆﺳﺴﺎت رﻋﺎﻳﺔ اﻷﻳﺘﺎم(‪ ،‬وﻳﺘﻢ اﻟﺤﺼﻮل ﻋـﲆ ﻧﺴـﺒﺔ‬
‫اﻟﻜﺴﺐ اﳌﻌﺪل ﻣﻦ ﺧﻼل ﺗﻄﺒﻴﻖ ﻣﻌﺎدﻟﺔ ﺑﻼك )‪ ،(Blake‬وﻫﻲ‪:‬‬

‫‪α ι  α ι‬‬
‫‪Ω‬‬ ‫‪α Ω‬‬

‫ﺣﻴﺚ‪:‬‬

‫ص‪ :‬ﺗﻌﻨﻲ درﺟﺔ اﻻﺧﺘﺒﺎر اﻟﺒﻌﺪي‬

‫س‪ :‬ﺗﻌﻨﻲ درﺟﺔ اﻻﺧﺘﺒﺎر اﻟﻘﺒﲇ‬

‫د‪ :‬ﺗﻌﻨﻲ اﻟﻨﻬﺎﻳﺔ اﻟﻌﻈﻤﻰ ﻟﺪرﺟﺔ اﻻﺧﺘﺒﺎر‬

‫ﻓﺈذا ﻛﺎﻧﺖ اﻟﺪرﺟﺔ اﻟﻌﻈﻤﻰ ﳌﻘﻴﺎس اﻻﺗﺠﺎه ﻧﺤﻮ ﻣﻬﻨﺔ اﻟﺨﺪﻣـﺔ اﻻﺟﺘامﻋﻴـﺔ ﻫـﻲ ‪ 100‬درﺟـﺔ‪ ،‬ﻓـﺈن‬
‫ﻧﺴﺒﺔ اﻟﻜﺴﺐ اﳌﻌﺪل ﺗﻜﻮن‪:‬‬

‫‪0.64 = 68.83  84 + 68.83  84‬‬

‫‪100‬‬ ‫‪68.83 - 100‬‬

‫‪-241-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﺷﻴﻮﻋﺎ ﰲ اﻟﺪراﺳﺎت اﻻﺟﺘامﻋﻴـﺔ واﻹﻧﺴـﺎﻧﻴﺔ‪،‬‬

‫ً‬ ‫وإذا ﻛﺎن اﺧﺘﺒﺎر )‪ (t.test‬ﻣﻦ أﻛرث اﻻﺧﺘﺒﺎرات اﻹﺣﺼﺎﺋﻴﺔ‬
‫ﻓﺈن ﻫﻨﺎك ﺑﻌﺾ اﻻﺣﺘﻴﺎﻃﺎت ﰲ اﺳﺘﺨﺪاﻣﻪ‪ ،‬وأﻧﻪ ﺑﺎﻹﻣﻜﺎن اﺳﺘﺨﺪام )‪ (t.test‬ﻃﺎﳌﺎ ﺗﻢ اﻟﺘﺄﻛﺪ ﻣـﻦ ﺟﻮاﻧـﺐ‬
‫أﺳﺎﺳﻴﺔ أﻫﻤﻬﺎ‪ :‬أﻻ ﻳﻘﻞ ﻋﺪد ﻣﻔﺮدات أي ﻣﺠﻤﻮﻋﺔ أو ﻋﻴﻨﺔ ﻋﻦ ‪ 30‬ﻣﻔﺮدة‪ ،‬وأن ﻳﻜﻮن ﺣﺠـﻢ اﻟﻌﻴﻨﺘـني أو‬
‫ﻣﺘﻘﺎرﺑﺎ )ﻓﻼ ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨـﺔ اﻷوﱃ ‪ 500‬ﻣﻔـﺮدة ﺑﻴـﻨام ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ اﻟﺜﺎﻧﻴـﺔ ﻫـﻮ ﻋﺸــﺮ‬
‫ً‬ ‫اﳌﺠﻤﻮﻋﺘني‬
‫ﻣﺜﻼ(؛ إذ إن اﻟﺘﻔﺎوت اﻟﻜﺒـري ﰲ ﺣﺠـﻢ اﻟﻌﻴﻨﺘـني أو اﳌﺠﻤـﻮﻋﺘني ﻣـﻦ ﺷـﺄﻧﻪ أن ﻳـﻔﴤ إﱃ ﻧﺘـﺎﺋﺞ‬
‫ﻣﻔﺮدات ً‬
‫ﻣﻀﻠﻠﺔ ﻋﻨﺪ اﺳﺘﺨﺪام )‪ (t.test‬وﻳﺮﺟﻊ ذﻟﻚ إﱃ أن دﻻﻟﺔ ﻗﻴﻤﺔ )‪ (t‬ﺗﺘﺄﺛﺮ ﺑﺤﺠﻢ اﻟﻌﻴﻨﺔ‪) ،‬ﻷن درﺟﺔ اﻟﺤﺮﻳـﺔ‬
‫ﺗﻌﺘﻤﺪ ﻋﲆ ﻋﺪد ﻣﻔﺮدات اﻟﻌﻴﻨﺔ(‪.‬‬

‫ﻣﻦ ﺟﻬﺔ أﺧﺮى‪ ،‬ﻓﺈن اﺳﺘﺨﺪام )‪ (t. test‬ﳌﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﻣﺘﻮﺳـﻄني ﻳﺘﻄﻠـﺐ إﺟـﺮاء اﺧﺘﺒـﺎر‬
‫ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ )‪ (Homogeneity of Variance‬وﺗﻌﱪ ﻋﻨﻪ دﻻﻟﺔ إﺣﺼـﺎءات ﻟـﻴﻔﻦ )‪ (Levine Statistics‬ﻓـﺈذا‬
‫ﻛﺎﻧﺖ ﻣﻌﻨﻮﻳﺔ ﻫﺬا اﻻﺧﺘﺒﺎر أﻗﻞ ﻣﻦ )‪ (0.05‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ ﻋﺪم ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ )وﻫﺬا ﻳﻔﻴـﺪ ﰲ ﺗﺤﺪﻳـﺪ‬
‫ﺻﻴﻐﺔ ﻣﻌﺎدﻟﺔ اﺧﺘﺒﺎر )‪ (t‬ﻣﻊ اﻷﺧﺬ ﰲ اﻻﻋﺘﺒﺎر ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ(‪ .‬وﻣـﻦ ﺟﻬـﺔ ﺛﺎﻟﺜـﺔ ﻓـﺈن اﺳـﺘﺨﺪام )‪(t.test‬‬
‫أوﻻ ﻣﻦ اﻋﺘﺪاﻟﻴﺔ اﻟﺘﻮزﻳﻊ ﰲ ﻛﻠﺘـﺎ اﳌﺠﻤـﻮﻋﺘني‪ ،‬وميﻜـﻦ اﻟﺘﻌـﺮف ﻋـﲆ ذﻟـﻚ ﺑﺎﻟﻌﺪﻳـﺪ ﻣـﻦ‬
‫ﻳﺘﻄﻠﺐ اﻟﺘﺄﻛﺪ ً‬
‫اﻟﻄﺮق ﻣﻨﻬﺎ ﻗﻴﺎس اﻻﻟﺘﻮاء )‪ (Skewness‬ﻟﻜﻞ ﻣﺠﻤﻮﻋﺔ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ اﻻﻟﺘﻮاء أﻗﻞ ﻣﻦ اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ ﺳـﻮاء‬
‫ﻗﺮﻳﺒﺎ ﻣﻦ اﻻﻋﺘﺪال‪ ،‬وﺑﺎﻟﺘﺎﱄ ميﻜـﻦ اﺳـﺘﺨﺪام‬
‫ﻣﻌﺘﺪﻻ أو ً‬
‫ً‬ ‫ﺑﺎﻟﺴﺎﻟﺐ أو ﺑﺎﳌﻮﺟﺐ‪ ،‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أن اﻟﺘﻮزﻳﻊ‬
‫اﺧﺘﺒﺎر )‪ (t.test‬أﻣﺎ إذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ اﻻﻟﺘﻮاء ﺗﺘﺠﺎوز اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ‪ ،‬ﻓﺈن ذﻟﻚ ﻳﺘﻄﻠﺐ ﺗﻌﺪﻳﻞ اﻟﺘﻮزﻳـﻊ مبـﺎ‬
‫ﻻ ﻳﺨﻞ ﺑﺎﻟﺒﻴﺎﻧﺎت‪ ،‬أو اﺳﺘﺨﺪام أﺣﺪ ﺑﺪاﺋﻞ اﺧﺘﺒـﺎر )‪ ،(t‬وﻣـﻦ ﻫـﺬه اﻟﺒـﺪاﺋﻞ اﺧﺘﺒـﺎر ﻣـﺎن وﺗﻨـﻲ – ‪(Man‬‬
‫)‪ Whitney‬وﻛﺬﻟﻚ اﺧﺘﺒﺎر وﻟﻜﻮﻛﺴﻮن )‪.(Wil Coxon Test‬‬

‫‪-242-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‬

‫ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠﺎه‬

‫ﺳﺒﻘﺖ اﻹﺷﺎرة إﱃ أﻧﻨﺎ ﻧﺴﺘﺨﺪم اﺧﺘﺒﺎر )‪ (t‬ﳌﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺘني ﻓﻘﻂ؛ ﻣـﻦ ﺣﻴـﺚ‬
‫ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس ﻣﻌني‪ ،‬ﻏري أن اﳌﻘﺎرﻧﺔ ﻗﺪ ﺗﻜﻮن ﺑـني ﺛـﻼث ﻣﺠﻤﻮﻋـﺎت أو أﻛـرث ﻣـﻦ ﺣﻴـﺚ‬
‫ﻣﺘﻮﺳـﻂ اﻟﺪرﺟـﺔ‪ .‬ﰲ ﻫـﺬه اﻟﺤﺎﻟـﺔ ﻧﺴـﺘﺨﺪم ﺗﺤﻠﻴـﻞ اﻟﺘﺒـﺎﻳﻦ أﺣـﺎدي اﻻﺗﺠـﺎه‪(One Way Analysis of ،‬‬
‫)‪ Variance‬واﳌﻌﺮوف اﺧﺘﺼﺎ ًرا )‪ (ANOVA‬وﻫﻮ ﻣﻦ اﻷﺳـﺎﻟﻴﺐ اﻹﺣﺼـﺎﺋﻴﺔ ﺷـﺎﺋﻌﺔ اﻻﺳـﺘﺨﺪام ﰲ ﺑﺤـﻮث‬
‫اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴـﺔ واﻹﻧﺴـﺎﻧﻴﺔ‪ ،‬وﻳﻌﺘﻤـﺪ ﻋـﲆ ﻣﺘﻮﺳـﻄﺎت ﻗـﻴﻢ اﻻﺳـﺘﺠﺎﺑﺔ ﻋـﲆ اﳌﻘـﺎﻳﻴﺲ واﻻﺧﺘﺒـﺎرات‬
‫اﳌﺴﺘﺨﺪﻣﺔ ﻛﺄدوات ﻟﺠﻤﻊ اﻟﺒﻴﺎﻧﺎت‪ .‬وﻣﻦ اﻟﺠﺪﻳﺮ ﺑﺎﻟﺘﺄﻛﻴﺪ ﻋﻠﻴﻪ ﻫﻨـﺎ أن اﻟﺤـﺪﻳﺚ ﻋـﻦ اﻟﺘﺒـﺎﻳﻦ ﰲ ﻫـﺬه‬
‫اﻟﺠﺰﺋﻴﺔ ﻳﻌﻨﻲ ﺑﻨﻮع ﻣﺤﺪد ﻣﻦ اﻟﺘﺒﺎﻳﻦ‪ ،‬أﻻ وﻫﻮ ﺗﺒﺎﻳﻦ اﻟﺪرﺟﺎت ﺣﻮل ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ أو اﳌﺠﻤﻮﻋﺔ‪،‬‬
‫ذﻟﻚ أن اﻟﺘﺒﺎﻳﻦ ﻣﻦ اﳌﻨﻈﻮر اﻹﺣﺼﺎيئ ﺗﺘﻌﺪد ﻣﺠﺎﻻﺗﻪ ﺑﺼﻮرة ﻣﻠﺤﻮﻇـﺔ‪ ،‬ﻋـﲆ ﺳـﺒﻴﻞ اﳌﺜـﺎل‪ ،‬ﻓـﺈن اﻟﺘﺒـﺎﻳﻦ‬
‫ﻳﺴـﺘﺨﺪم ﺑﻜـرثة ﺿـﻤﻦ اﻻﻧﺤـﺪار‪ ،‬وﻫﻨـﺎك اﻟﺘﺒـﺎﻳﻦ اﳌﺘﻨﺒـﺄ ﺑـﻪ واﻟﺘﺒـﺎﻳﻦ ﻏـري اﳌﺘﻨﺒـﺄ ﺑـﻪ ‪(Predicted and‬‬
‫)‪ Unpredicted Variance‬ﻓﺘﺒﺎﻳﻦ اﻟﺪرﺟﺎت ﺣﻮل ﻣﺘﻮﺳﻂ اﻟﺘﻮزﻳﻊ ﻫﻮ ﺗﺒﺎﻳﻦ ميﻜﻦ ﺗﻔﺴريه أو اﻟﺘﻨﺒﺆ ﺑﻪ‪ ،‬أﻣﺎ‬
‫ﺗﺒﺎﻳﻦ اﻟﺪرﺟﺎت ﺣﻮل ﺧﻂ اﻻﻧﺤﺪار ﻓﻬﻮ اﻟﺘﺒﺎﻳﻦ اﻟﺬي ﻻ ميﻜﻦ ﺗﻔﺴريه أو اﻟﺬي ﻻ ميﻜﻦ اﻟﺘﻨﺒﺆ ﺑﻪ‪.‬‬

‫وﻳﻘﻮم ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠﺎه )‪ (One Way ANOVA‬ﻋﲆ اﳌﻌﺎدﻻت اﻟﺮﻳﺎﺿﻴﺔ ﻧﻔﺴﻬﺎ اﻟﺨﺎﺻـﺔ‬
‫ﺑﺎﺧﺘﺒﺎر )‪ (t‬ﻣﻊ اﻷﺧﺬ ﺑﺎﻻﻋﺘﺒﺎر ﺗﻌﺪد اﳌﺠﻤﻮﻋﺎت )وﺑﺎﻟﺘـﺎﱄ ﺗﻌـﺪد اﳌﺘﻮﺳـﻄﺎت واﻻﻧﺤﺮاﻓـﺎت اﳌﻌﻴﺎرﻳـﺔ(‪،‬‬
‫ﻋﻠام ﺑﺄن اﳌﻘﺎرﻧﺔ ﺑني اﳌﺠﻤﻮﻋﺎت ﺗﻜﻮن ﻣﻦ ﺣﻴﺚ ﻣﺘﻐري ﺗﺎﺑﻊ واﺣﺪ ﻓﻘﻂ )وﻟﻴﺲ أﻛرث ﻣـﻦ ﻣﺘﻐـري ﺗـﺎﺑﻊ(‪،‬‬
‫ً‬
‫وميﻜﻦ ﺗﻮﺿﻴﺢ ذﻟﻚ مبﺜﺎل ﺑﺴﻴﻂ‪ ،‬ﻟﻨﻔﺮض أن ﻟﺪﻳﻨﺎ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻗﻮاﻣﻬﺎ )‪ (500‬ﺷـﺨﺺ‪ ،‬وﻳﺘـﻮزع ﻫـﺆﻻء‬
‫اﻷﺷﺨﺎص ﺣﺴﺐ اﻟﺤﺎﻟـﺔ اﻻﺟﺘامﻋﻴـﺔ ﻋـﲆ ﺛـﻼث ﻣﺠﻤﻮﻋـﺎت )ﻣﺠﻤﻮﻋـﺔ اﳌﺘـﺰوﺟني‪ ،‬ﻣﺠﻤﻮﻋـﺔ اﻟُﻌـﺰاب‪،‬‬
‫ﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني(‪ ،‬وﻗﺪ ﺗﻢ ﺗﻄﺒﻴﻖ ﻣﻘﻴﺎس اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم ﻋﲆ ﻫﺬه اﻟﻌﻴﻨﺔ‪ ،‬وﻛﺎﻧﺖ ﻣﺘﻮﺳﻄﺎت‬
‫اﻟﺪرﺟﺎت واﻻﻧﺤﺮاﻓﺎت اﳌﻌﻴﺎرﻳﺔ ﻟﻬﺬه اﳌﺠﻤﻮﻋﺎت وﻓﻖ ﻣﺎ ﻳﻮﺿﺤﻪ اﻟﺠﺪول اﻵيت‪:‬‬

‫‪-243-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ع‬ ‫م‬ ‫ن‬ ‫اﳌﺠﻤﻮﻋﺔ‬

‫‪2.9‬‬ ‫‪34.8‬‬ ‫‪103‬‬ ‫اﻟﻌﺰاب‬
‫ُ‬
‫‪6.7‬‬ ‫‪31.9‬‬ ‫‪347‬‬ ‫اﳌﺘﺰوﺟﻮن‬
‫‪6.5‬‬ ‫‪29.05‬‬ ‫‪50‬‬ ‫اﳌﻄﻠﻘﻮن‬
‫‪7.92‬‬ ‫‪36.32‬‬ ‫‪500‬‬ ‫اﻟﻌﻴﻨﺔ‬

‫اﻟﻌﺰاب‪ ،‬ﻣﺠﻤﻮﻋﺔ اﳌﺘﺰوﺟني‪،‬‬

‫وﻛام ﻫﻮ واﺿﺢ ﻓﺈن اﳌﺠﻤﻮﻋﺎت ﻣﺴﺘﻘﻠﺔ ﻋﻦ ﺑﻌﻀﻬﺎ اﻟﺒﻌﺾ )ﻣﺠﻤﻮﻋﺔ ُ‬
‫واﺣـﺪا )‪ (Only one Dependent Variable‬وﻳﺘﻤﺜـﻞ ﰲ اﻟﺪرﺟـﺔ‬
‫ً‬ ‫ﺗﺎﺑﻌﺎ‬
‫ﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني(‪ ،‬وأن ﻟﺪﻳﻨﺎ ﻣﺘﻐ ًريا ً‬
‫ﻛﻤﻴـﺔ )‪ .(Quantitative‬إن‬
‫ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم‪ ،‬وﻫﺬا اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ ﻟـﻪ وﺣـﺪة ﻗﻴﺎﺳـﻴﺔ ّ‬
‫اﻟﺘﺴﺎؤل اﻟﺬي ﻳﺠﻴﺐ ﻋﻠﻴﻪ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠﺎه ﻫﻮ‪ :‬ﻫﻞ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني ﻣﺠﻤﻮﻋـﺎت‬
‫اﻟﻌﻴﻨﺔ ﰲ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم ﺣﺴﺐ ﻣﺘﻐري اﻟﺤﺎﻟﺔ اﻻﺟﺘامﻋﻴﺔ؟ مبﻌﻨﻰ آﺧﺮ‪ :‬ﻫـﻞ‬
‫اﻟﻌﺰاب ﻋﻦ اﳌﻄﻠﻘني؟ وإذا ﻛـﺎن‬
‫ﻳﺨﺘﻠﻒ ﻣﺘﻮﺳﻂ درﺟﺔ اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم ﻣﻦ ﺟﺎﻧﺐ اﳌﺘﺰوﺟني ﻋﻦ ُ‬
‫اﻟﻌـﺰاب وﻣﺠﻤﻮﻋـﺔ‬
‫ﻫﻨﺎك اﺧـﺘﻼف ﺟـﻮﻫﺮي‪ ،‬ﻓـﺄﻳﻦ ﻳﻮﺟـﺪ ﻫـﺬا اﻻﺧـﺘﻼف؟ ﻫـﻞ ﻳﻮﺟـﺪ ﺑـني ﻣﺠﻤﻮﻋـﺔ ُ‬
‫اﳌﺘﺰوﺟني؟ أم أﻧﻪ ﻳﻮﺟﺪ ﺑني ﻣﺠﻤﻮﻋﺔ اﻟﻌﺰاب وﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني؟ أم أﻧﻪ ﻳﻮﺟﺪ ﺑني ﻣﺠﻤﻮﻋﺔ اﳌﺘـﺰوﺟني‬
‫وﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني؟ أم ﺑني ﻫﺬه اﳌﺠﻤﻮﻋﺎت اﻟﺜﻼث؟ إن ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠﺎه ﻳﺠﻴﺐ ﻋﲆ ﻫـﺬا‬
‫اﻟﺘﺴﺎؤل‪ .‬ﻣﻦ ﺧﻼل ﺗﻄﺒﻴﻖ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠﺎه ﻳﺘﻢ اﻟﺤﺼﻮل ﻋﲆ ﻣﻌﻄﻴﺎت إﺣﺼـﺎﺋﻴﺔ ﻣﺘﻌـﺪدة‬
‫أﻫﻤﻬﺎ‪:‬‬

‫‪ -‬ﻋﺪد ﻣﻔﺮدات ﻛﻞ ﻣﺠﻤﻮﻋﺔ )‪(N‬‬

‫‪ -‬ﻣﺘﻮﺳﻂ درﺟﺔ ﻛﻞ ﻣﺠﻤﻮﻋﺔ )‪(Mean‬‬

‫‪ -‬اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﳌﺘﻮﺳﻂ درﺟﺔ ﻛﻞ ﻣﺠﻤﻮﻋﺔ ‪Standard Deviation‬‬

‫‪ -‬اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﳌﺘﻮﺳﻂ ﻛﻞ ﻣﺠﻤﻮﻋﺔ ‪Standard Error‬‬

‫‪-244-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻫﺬا ﺑﺎﻹﺿﺎﻓﺔ إﱃ درﺟﺔ اﻟﺜﻘﺔ‪ ،‬واﻟﺤﺪﻳﻦ اﻷﻋﲆ واﻷدىن ﻟﺪرﺟﺔ ﻛﻞ ﻣﺠﻤﻮﻋﺔ ﻣـﻦ ﻣﺠﻤﻮﻋـﺎت اﻟﻌﻴﻨـﺔ‪،‬‬
‫ﻛـﺎﻣﻼ وﻳﺤﺘـﻮي ﻋـﲆ‬
‫ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻛﻜﻞ‪ ،‬ﻛام ﺗﺘﻀﻤﻦ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ منﻮذج ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ً‬
‫اﻻﺳﺘﺨﻼﺻﺎت اﻷﺳﺎﺳﻴﺔ ﻣﻤﺜﻠﺔ ﰲ ﻣﺼﺪر اﻟﺘﺒﺎﻳﻦ )‪ ،(Source of Variance‬مبﻌﻨـﻰ اﻟﺘﺒـﺎﻳﻦ ﺑـني اﳌﺠﻤﻮﻋـﺎت‬
‫)‪ (Between Groups‬واﻟﺘﺒــﺎﻳﻦ داﺧــﻞ اﳌﺠﻤﻮﻋــﺎت )‪ (Within Groups‬واﻟﺘﺒــﺎﻳﻦ اﻟﻜــﲇ‪ .‬ﻓﺎﻟﺘﺒــﺎﻳﻦ ﺑــني‬
‫اﳌﺠﻤﻮﻋــﺎت ﻳﻌﻨــﻲ اﻟﺘﺒــﺎﻳﻦ اﻟﻘــﺎﺋﻢ ﺑــني اﳌﺠﻤﻮﻋــﺎت اﻟﺜﻼﺛــﺔ )ﻣﺠﻤﻮﻋــﺔ اﳌﺘــﺰوﺟني وﻣﺠﻤﻮﻋــﺔ اﻟﻌــﺰاب‬
‫وﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني(‪ ،‬أﻣﺎ اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت ﻓﻬﻮ اﻟﺘﺒﺎﻳﻦ ﺑني ﻣﻔﺮدات ﻛﻞ ﻣﺠﻤﻮﻋـﺔ‪ ،‬ﺑﻴـﻨام ﻳﻌﻨـﻲ‬
‫اﻟﺘﺒﺎﻳﻦ اﻹﺟامﱄ )‪ (Total‬ﻣﺠﻤﻞ ﻣﺠﻤﻮع اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت وﻣﺠﻤـﻮع اﻟﺘﺒـﺎﻳﻦ ﺑـني اﳌﺠﻤﻮﻋـﺎت‪،‬‬
‫ﻛام ﻳﺘﻀﻤﻦ منﻮذج ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻣﺠﻤﻮع اﳌﺮﺑﻌـﺎت )‪ (Sum of Squares‬وﻣﺘﻮﺳـﻂ اﳌﺮﺑﻌـﺎت ) ‪Mean of‬‬
‫ﺣﺎﺳام ﰲ اﻟﻨﻤﻮذج‪:‬‬
‫ً‬ ‫‪ ،(Squares‬وﻛﺬﻟﻚ درﺟﺎت اﻟﺤﺮﻳﺔ‪ ،‬وﻗﻴﻤﺔ )‪ (F‬وﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ )‪ (Sig.‬واﻟﺬي ﻳﻌﺘﱪ‬
‫‪ANOVA‬‬
‫‪Mean of‬‬
‫‪Source of Variance‬‬ ‫‪Sum of Squares‬‬ ‫‪df.‬‬ ‫‪F‬‬ ‫‪Sig.‬‬
‫‪Squares‬‬
‫‪Between groups‬‬ ‫‪1185.111‬‬ ‫‪2‬‬ ‫‪592.55‬‬
‫‪Within groups‬‬ ‫‪30116.089‬‬ ‫‪497‬‬ ‫‪60.596‬‬ ‫‪9.779‬‬ ‫‪000‬‬
‫‪Total‬‬ ‫‪3130102‬‬ ‫‪499‬‬

‫وﻛام واﺿﺢ ﻣﻦ ﻫﺬا اﻟﻨﻤﻮذج ﻓﺈن درﺟﺔ اﻟﺤﺮﻳـﺔ ﻓـﻴام ﻳﺨـﺺ اﻟﺘﺒـﺎﻳﻦ ﺑـني اﳌﺠﻤﻮﻋـﺎت = ‪ 2‬ﻷن ﻫـﺬه‬
‫اﻟﺪرﺟﺔ ﺗﺴﺎوي )ﻋﺪد اﳌﺠﻤﻮﻋﺎت – ‪ ،(1‬وﺑﻘﺴﻤﺔ ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت ﺑـني اﳌﺠﻤﻮﻋـﺎت ﻋـﲆ ‪ 2‬ﻧﺤﺼـﻞ ﻋـﲆ‬
‫ﻣﺘﻮﺳﻂ اﳌﺮﺑﻌﺎت )اﻟﺘﺒﺎﻳﻦ( ﺑني اﳌﺠﻤﻮﻋﺎت‪ .‬أﻣﺎ ﻓﻴام ﻳﺨﺺ اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت‪ ،‬ﻓﺈن درﺟﺔ اﻟﺤﺮﻳـﺔ =‬
‫‪ 497‬ﻷن ﻫﺬه اﻟﺪرﺟﺔ ﺗﺴﺎوي )ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪ -‬ﻋﺪد اﳌﺠﻤﻮﻋﺎت(‪ ،‬ومبﺎ أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ = ‪ 500‬ﻛـام أن ﻋـﺪد‬
‫اﳌﺠﻤﻮﻋﺎت اﻟﺘﻲ ﻧﻘﺎرن ﺑﻴﻨﻬﺎ = ‪ 3‬ﻓﺘﻜﻮن درﺟـﺔ اﻟﺤﺮﻳـﺔ داﺧـﻞ اﳌﺠﻤﻮﻋـﺎت = ‪ 497 = 3 – 500‬وﺑﻘﺴـﻤﺔ‬

‫‪-245-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣﺠﻤــﻮع اﳌﺮﺑﻌــﺎت داﺧــﻞ اﳌﺠﻤﻮﻋــﺎت ﻋــﲆ ‪ 497‬ﻧﺤﺼــﻞ ﻋــﲆ ﻣﺘﻮﺳــﻂ اﳌﺮﺑﻌــﺎت )اﻟﺘﺒــﺎﻳﻦ( داﺧــﻞ‬
‫اﳌﺠﻤﻮﻋﺎت‪ ،‬وﺑﻮﺟﻪ ﻋﺎم‪ ،‬ﻓﺈن ﻗﻴﻤﺔ ﻣﺘﻮﺳﻂ اﳌﺮﺑﻌﺎت )اﻟﺘﺒﺎﻳﻦ( ﻫﻲ ﻧﺎﺗﺞ ﻗﺴﻤﺔ ﻣﺠﻤﻮع اﳌﺮﺑﻌـﺎت ﻋـﲆ‬
‫درﺟﺔ اﻟﺤﺮﻳﺔ‪.‬‬
‫إﺣﺼﺎﺋﻴﺎ ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺼﻔﺮ‬
‫ّ‬ ‫أﻳﻀﺎ ﻧﺘﺒني أن ﻗﻴﻤﺔ )‪ (F‬ﺑﻠﻐﺖ ‪ 9.779‬وﻫﺬه اﻟﻘﻴﻤﺔ داﻟﺔ‬
‫وﻣﻦ اﻟﻨﻤﻮذج ً‬
‫)‪ (Sig. = .000‬وﻫﺬا ﻳﻜﺸﻒ ﺑﻮﺿﻮح ﻋﻦ أن ﻫﻨﺎك ً‬
‫ﻓﺮوﻗﺎ ﺟﻮﻫﺮﻳﺔ ﺑني ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﰲ اﻟﺪرﺟـﺔ ﻋـﲆ‬
‫ﻣﻘﻴﺎس اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم )ﻻﺣﻆ دامئًﺎ اﻟﻘﻴﻤﺔ اﳌﻮﺟﻮدة ﺗﺤﺖ ﻛﻠﻤﺔ ‪ Sig.‬ﻓﺈذا ﻛﺎﻧﺖ أﻗﻞ ﻣـﻦ ‪0.05‬‬
‫أو أﻗﻞ ﻣﻦ ‪ 0.01‬ﻓﻬﺬا ﻳﻌﻨﻲ وﺟﻮد ﻓﺮوق ﺟﻮﻫﺮﻳﺔ‪ ،‬أﻣﺎ إذا ﻛﺎﻧﺖ أﻛﱪ ﻣﻦ ‪ 0.05‬ﻓﻬﺬا ﻳﻌﻨﻲ ﻋـﺪم وﺟـﻮد‬
‫ﻓﺮوق ﺟﻮﻫﺮﻳﺔ(‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﺘﻮﻗﻒ اﻟﺘﺤﻠﻴﻞ ﻋﻨﺪ ﻫﺬا اﻟﺤﺪ‪ .‬ومبـﺎ أن ﻫﻨـﺎك ً‬
‫ﻓﺮوﻗـﺎ ﺟﻮﻫﺮﻳـﺔ‪ ،‬ﻓﻬـﺬا ﻳﻌﻨـﻲ‬
‫اﺳﺘﻤﺮار اﻟﺘﺤﻠﻴﻞ ﳌﻌﺮﻓﺔ أﻳﻦ ﺗﻮﺟﺪ اﻟﻔﺮوق اﻟﺠﻮﻫﺮﻳﺔ‪:‬‬
‫اﻟﻌﺰاب؟‬
‫‪ -‬ﻫﻞ ﻫﺬه اﻟﻔﺮوق ﺗﻮﺟﺪ ﺑني ﻣﺠﻤﻮﻋﺔ اﳌﺘﺰوﺟني وﻣﺠﻤﻮﻋﺔ ُ‬
‫‪ -‬أم أﻧﻬﺎ ﺗﻮﺟﺪ ﺑني ﻣﺠﻤﻮﻋﺔ اﳌﺘﺰوﺟني وﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني؟‬
‫اﻟﻌﺰاب وﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني؟‬‫‪ -‬أم أﻧﻬﺎ ﺗﻮﺟﺪ ﺑني ﻣﺠﻤﻮﻋﺔ ُ‬
‫وﻻ ﻳﻌﻨﻲ ذﻟﻚ أن اﻟﻔﺮوق اﻟﺠﻮﻫﺮﻳﺔ ﺗﻜﻮن ﻣﻮﺟﻮدة ﺑني ﻣﺠﻤﻮﻋﺘني ﻓﻘﻂ‪ ،‬ﻓﻘﺪ ﺗﻜـﻮن ﻣﻮﺟـﻮدة ﺑـني‬
‫ﻛﻞ ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ‪ ،‬ﻛﺄن ﺗﻜﻮن ﻫﺬه اﻟﻔـﺮوق ﺑـني اﳌﺠﻤﻮﻋـﺔ اﻷوﱃ واﳌﺠﻤﻮﻋـﺔ اﻟﺜﺎﻧﻴـﺔ‪ ،‬وﻛـﺬﻟﻚ ﺑـني‬
‫وأﻳﻀﺎ ﺑني اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜـﺔ‪ ...‬وﻳـﺘﻢ ﺣﺴـﻢ ﻫـﺬه‬
‫اﳌﺠﻤﻮﻋﺔ اﻷوﱃ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ‪ً ،‬‬
‫اﳌﺴــﺄﻟﺔ ﻣــﻦ ﺧــﻼل أﺣــﺪ اﺧﺘﺒــﺎرات اﳌﻘﺎرﻧــﺎت اﳌﺘﻌــﺪدة )‪ (Multi Comparisons Test‬وﺗﺘــﻴﺢ اﻟﺤﺰﻣــﺔ‬
‫اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ ﻣﺠﻤﻮﻋﺔ ﻛﺒرية ﻣﻦ ﺗﻠﻚ اﻻﺧﺘﺒﺎرات ﻣﻨﻬﺎ‪:‬‬
‫‪- LSD; - Bonferroni ;- Sidak ;- Scheffe ;- R-E-G-Wf R- E – G – WQ ;- S – N – K ;- Tukey;- Tukey's – B;- Duncan ;-‬‬
‫‪Hochlerg's Gt2;- Gobriel ;- Waller – Duncan - Dunnet‬‬
‫ومبﻮﺟﺐ ﺗﻨﻔﻴﺬ اﺧﺘﺒﺎر اﳌﻘﺎرﻧﺎت اﳌﺘﻌـﺪدة‪ ،‬ﻳـﺘﻢ اﻟﺤﺼـﻮل ﻋـﲆ ﻣﻌﻄﻴـﺎت إﺣﺼـﺎﺋﻴﺔ ﻣﺘﻌـﺪدة ﻣﻨﻬـﺎ‬
‫ﻣﻜﻤﻦ اﻟﻔﺮوق اﻟﺠـﻮﻫﺮﻳﺔ اﳌﻮﺟﻮدة ﺑني ﻣﺘﻮﺳﻄﺎت ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ‪،‬وﰲ ﻣﺜﺎﻟﻨﺎ اﻟﺴﺎﺑﻖ ﻛﺸــﻒ اﺧﺘﺒـﺎر‬
‫ﺷﻴﻔﻴﻪ )‪ (Scheffe‬ﻟﻠﻤﻘﺎرﻧﺎت اﳌﺘﻌـﺪدة ﻋﻦ اﳌﻌﻄﻴﺎت اﳌﻮﺿﺤﺔ ﺑﺎﻟﺠﺪول اﻵيت‪:‬‬

‫‪-246-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬
‫ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ‬ ‫اﳌﻘﺎرﻧﺔ‬
‫‪.008‬‬ ‫اﻟﻌﺰاب ‪-‬اﳌﺘﺰوﺟﻮن‬
‫ُ‬
‫‪.000‬‬ ‫اﻟُﻌﺰاب ‪ -‬اﳌﻄﻠﻘﻮن‬
‫‪.086‬‬ ‫اﳌﺘﺰوﺟﻮن ‪-‬اﳌﻄﻠﻘﻮن‬

‫وﻣﻦ ﻫـﺬا اﻟﺠـﺪول ﻧﺘﺒـني ﺑﻮﺿـﻮح أن ﻣﺴـﺘﻮى اﳌﻌﻨﻮﻳـﺔ ﺑـني ﻣﺘﻮﺳـﻂ درﺟـﺔ ﻣﺠﻤﻮﻋـﺔ اﳌﺘـﺰوﺟني‬
‫وﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني ﻳﺒﻠﻎ ‪ ،0.086‬وﻫﺬه اﻟﻘﻴﻤﺔ أﻛـﱪ ﻣـﻦ ‪ ،0.05‬وﺑﺎﻟﺘـﺎﱄ ﻻ ﺗﻮﺟـﺪ ﻓـﺮوق‬
‫ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺘﺰوﺟني واﳌﻄﻠﻘني ﻣﻦ ﺣﻴﺚ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم )‪ (p ! 0.05‬وﻗﺪ‬
‫أﴍﻧﺎ ﻓﻴام ﺳﺒﻖ إﱃ أن ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺘﺰوﺟني ﻋﲆ ﻫﺬا اﳌﻘﻴﺎس ﻫﻮ )‪ (31.9‬درﺟﺔ‪ .‬أﻣﺎ ﻣﺘﻮﺳـﻂ درﺟـﺔ‬
‫اﳌﻄﻠﻘني ﻓﻬﻮ )‪ (29.05‬درﺟﺔ‪.‬وﻣﻦ ﺣﻴﺚ اﳌﻘﺎرﻧﺔ ﺑني ﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋـﺔ اﻟُﻌـﺰاب وﻣﺘﻮﺳـﻂ درﺟـﺔ‬
‫ﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني ﻧﺘﺒني ﻣﻦ اﻟﺠﺪول أن ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ﻳﺴﺎوي اﻟﺼﻔﺮ‪ ،‬أي أﻧﻪ أﺻﻐﺮ ﻣـﻦ ‪ 0.05‬وﺑﺎﻟﺘـﺎﱄ‬
‫اﻟﻌﺰاب وﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني‪ ،‬وﻗـﺪ أﴍﻧـﺎ ﻓـﻴام ﺳـﺒﻖ إﱃ أن ﻣﺘﻮﺳـﻂ‬
‫ﻫﻨﺎك ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني ﻣﺠﻤﻮﻋﺔ ُ‬
‫اﻟﻌﺰاب ﻫﻮ )‪ (34.8‬درﺟﺔ‪ .‬أﻣﺎ ﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘـني‪ ،‬ﻓﻬـﻮ )‪ (29.05‬درﺟـﺔ؛‬
‫درﺟﺔ ﻣﺠﻤﻮﻋﺔ ُ‬
‫اﻟﻌﺰاب ﺗﺴﺘﺨﺪم وﺳﺎﺋﻞ اﻹﻋﻼم ﺑﺰﻳﺎدة ﺣﻘﻴﻘﻴﺔ أو ﺟﻮﻫﺮﻳﺔ ﻋﻦ ﻣﺠﻤﻮﻋﺔ اﳌﻄﻠﻘني  ‪(p‬‬
‫أي أن ﻣﺠﻤﻮﻋﺔ ُ‬
‫)‪.0.05‬‬

‫اﻟﻌﺰاب وﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ اﳌﺘﺰوﺟني ﻋـﲆ‬

‫أﻣﺎ ﻓﻴام ﻳﺨﺺ اﳌﻘﺎرﻧﺔ ﺑني ﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ ُ‬
‫ﻣﻘﻴﺎس اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم‪ ،‬ﻓﺈن ﻣﺴﺘﻮى اﻟﺪﻻﻟﺔ ﻳﺴﺎوي ‪0.008‬؛ أي أﻧﻪ أﺻﻐﺮ ﻛﺜ ًريا ﻣﻦ ‪ 0.05‬وﺑﺎﻟﺘﺎﱄ‬
‫ﻫﻨﺎك ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني ﻣﺠﻤﻮﻋﺔ اﻟُﻌﺰاب وﻣﺠﻤﻮﻋﺔ اﳌﺘـﺰوﺟني‪ ،‬وﻗـﺪ ﺳـﺒﻘﺖ اﻹﺷـﺎرة إﱃ أن ﻣﺘﻮﺳـﻂ‬
‫اﻟﻌﺰاب ﻫﻮ )‪ (34.8‬درﺟﺔ‪ ،‬أﻣﺎ ﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ اﳌﺘﺰوﺟني ﻓﻬﻮ )‪ (31.9‬درﺟﺔ؛ أي‬
‫درﺟﺔ ﻣﺠﻤﻮﻋﺔ ُ‬
‫اﻟﻌـﺰاب ﻋـﻦ ﻣﺠﻤﻮﻋـﺔ اﳌﺘـﺰوﺟني ‪(p‬‬
‫أن اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم ﻳﺰداد ﺑﻔﺮوق ﺟﻮﻫﺮﻳﺔ ﻟﺪى ﻣﺠﻤﻮﻋـﺔ ُ‬
‫)‪ .0.05‬وﻋﲆ اﻟﺒﺎﺣﺚ ﺗﻔﺴري ﻫﺬه اﻟﻔﺮوق‪.‬‬

‫‪-247-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣﻌﺎدﻻت ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‪:‬‬

‫ﺗﺘﻌﺪد ﺻﻴﻎ ﻣﻌﺎدﻻت ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠـﺎه‪ ،‬وﺗﺘﻔـﺎوت ﻫـﺬه اﻟﺼـﻴﻎ ﻣـﻦ ﺣﻴـﺚ اﻟﺒﺴـﺎﻃﺔ‬
‫واﻟﺘﻌﻘﻴﺪ ﰲ ﺿﻮء ﻣﺪى ﺗﺠـﺎﻧﺲ اﻟﺘﺒـﺎﻳﻦ ﺑـني اﳌﺠﻤﻮﻋـﺎت‪ ،‬وﻋـﺪد ﻫـﺬه اﳌﺠﻤﻮﻋـﺎت‪ ،‬وﻋـﺪد أﻓـﺮاد ﻛـﻞ‬
‫ﺟﻤﻴﻌﺎ ﺗﺮﺗﻜﺰ ﻋﲆ ﺣﺴﺎب‬
‫ً‬ ‫ﻣﺠﻤﻮﻋﺔ‪ .‬ﻏري أﻧﻪ أﻳّﺎ ﻛﺎﻧﺖ ﺻﻴﻐﺔ اﳌﻌﺎدﻟﺔ اﳌﺴﺘﺨﺪﻣﺔ ﰲ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﻓﺈﻧﻬﺎ‬
‫ﻣﺘﻮﺳﻂ درﺟﺔ ﻛﻞ ﻣﺠﻤﻮﻋﺔ )م( وﻣﺠﻤﻮع اﻟﺪرﺟﺎت )ﻣﺞ س( وﻣﺮﺑﻌﺎت ﻫﺬا اﳌﺠﻤﻮع )ﻣﺞ س‪ ،(2‬وﻋﺪد‬
‫اﻷﻓﺮاد ﰲ ﻛﻞ ﻣﺠﻤﻮﻋﺔ )ن(‪ ،‬وﻛـﺬﻟﻚ ﻣﺠﻤـﻞ أﻓـﺮاد ﻫـﺬه اﳌﺠﻤﻮﻋـﺎت‪ ،‬ودرﺟـﺎت اﻟﺤﺮﻳـﺔ‪ ،‬وﻣﺘﻮﺳـﻄﺎت‬
‫اﻟﺘﺒﺎﻳﻦ‪ ..‬ﺑﺎﺳﺘﺨﺪام ﻫﺬه اﳌﻌﻄﻴﺎت ﻳﺘﻢ ﺣﺴﺎب ﻗﻴﻤﺔ )‪ (F‬وﻫﻲ اﻟﻨﺘﻴﺠﺔ اﻷﺳﺎﺳﻴﺔ ﻟﺘﺤﻠﻴﻞ اﻟﺘﺒـﺎﻳﻦ‪ ،‬وذﻟـﻚ‬
‫ﻋﲆ اﻟﻨﺤﻮ اﳌﺒﺴﻂ اﻟﺬي ﻳﻮﺿﺤﻪ اﳌﺜﺎل اﻟﺘﺎﱄ‪:‬‬

‫ً‬
‫ﻣﺒﺤﻮﺛﺎ ﻳﺘﻮزﻋﻮن ﻋﲆ‬ ‫ﰲ دراﺳﺔ ﺗﺠﺮﻳﺒﻴﺔ ﻋﻦ ﻋﻼﻗﺔ اﻟﺸﺒﺎب ﺑﺎﻹﻧﱰﻧﺖ‪ ،‬ﻛﺎﻧﺖ اﻟﻌﻴﻨﺔ ﺗﺘﻜﻮن ﻣﻦ )‪(30‬‬
‫ﺛﻼث ﻣﺠﻤﻮﻋﺎت‪ ،‬وﻗﺪ ﺧﻠﺺ اﻟﺒﺎﺣﺚ إﱃ ﻋﺪة ﻧﺘﺎﺋﺞ ﻣﻨﻬﺎ ﻣﺎ ﻳﺘﻌﻠﻖ ﺑﺎﻹﺷﺒﺎﻋﺎت اﳌﺘﺤﻘﻘﺔ ﺟﺮاء اﺳـﺘﺨﺪام‬
‫ﻣﻮﻗﻊ اﻟﺘﻮاﺻﻞ اﻻﺟﺘامﻋﻲ ﺗﻮﻳﱰ )‪ (Tweeter‬واﻟﺠﺪول اﻵيت ﻳﻮﺿﺢ درﺟﺎت أﻓﺮاد ﻛﻞ ﻣﺠﻤﻮﻋﺔ ﻣﻦ ﺣﻴـﺚ‬
‫اﻹﺷﺒﺎع اﳌﺘﺤﻘﻖ‪:‬‬
‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ‬ ‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‬ ‫اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‬
‫‪7‬‬ ‫‪9‬‬ ‫‪8‬‬
‫‪8‬‬ ‫‪7‬‬ ‫‪10‬‬
‫‪10‬‬ ‫‪6‬‬ ‫‪10‬‬
‫‪8‬‬ ‫‪5‬‬ ‫‪10‬‬
‫‪7‬‬ ‫‪7‬‬ ‫‪10‬‬
‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬
‫‪6‬‬ ‫‪6‬‬ ‫‪9‬‬
‫‪8‬‬ ‫‪6‬‬ ‫‪9‬‬
‫‪7‬‬ ‫‪-‬‬ ‫‪8‬‬
‫‪6‬‬ ‫‪-‬‬ ‫‪7‬‬
‫‪5‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪8‬‬ ‫‪-‬‬ ‫‪-‬‬

‫‪-248-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻓﺈذا أراد اﻟﺒﺎﺣﺚ ﻣﻌﺮﻓﺔ ﻣﺎ إذا ﻛﺎﻧﺖ ﻫﻨﺎك ﻓـﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑـني اﳌﺠﻤﻮﻋـﺎت اﻟـﺜﻼث‪ ،‬ﻣـﻦ ﺣﻴـﺚ‬
‫أوﻻ اﻟﺤﺼﻮل ﻋﲆ اﳌﻌﻄﻴﺎت اﻷﺳﺎﺳﻴﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﻹﺷﺒﺎﻋﺎت أم ﻻ‪ ،‬ﻓﺈن ﻋﻠﻴﻪ ً‬

‫)‪ (1‬ﺗﺤﺪﻳﺪ درﺟﺎت اﻟﺤﺮﻳﺔ‪ :‬وذﻟﻚ ﰲ ﺿﻮء ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬وﻋﺪد اﳌﺠﻤﻮﻋﺎت اﻟﺘﻲ ﺗـﺘﻢ اﳌﻘﺎرﻧـﺔ ﺑﻴﻨﻬـﺎ‬
‫)وﰲ ﻣﺜﺎﻟﻨﺎ اﳌﺬﻛﻮر ﻓﺈن اﻟﻌﻴﻨﺔ ﺗﻀﻢ ﺛﻼﺛني ﻣﻔﺮدة ﻣﻮزﻋﺔ ﻋـﲆ ﺛـﻼث ﻣﺠﻤﻮﻋـﺎت‪ ،‬ﺑﻮاﻗـﻊ ﻋﴩة‬
‫ً‬
‫ﻣﺒﺤﻮﺛــﺎ ﰲ‬ ‫ﻣﺒﺤــﻮﺛني ﰲ اﳌﺠﻤﻮﻋــﺔ اﻷوﱃ‪ ،‬مثﺎﻧﻴــﺔ ﻣﺒﺤــﻮﺛني ﰲ اﳌﺠﻤﻮﻋــﺔ اﻟﺜﺎﻧﻴــﺔ‪ ،‬اﺛﻨــﺎ ﻋﴩ‬
‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ(‪ ،‬وﻳﺘﻢ ﺗﺤﺪﻳﺪ درﺟﺔ اﻟﺤﺮﻳﺔ ﻛﺎﻵيت‪:‬‬

‫‪ x‬درﺟﺔ اﻟﺤﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت ﺗﺴﺎوي‪) :‬ﻋﺪد اﳌﺠﻤﻮﻋﺎت – ‪ ( 1‬وﰲ ﻣﺜﺎﻟﻨﺎ اﳌـﺬﻛﻮر ﻟـﺪﻳﻨﺎ ﺛـﻼث‬
‫ﻣﺠﻤﻮﻋﺎت‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن درﺟﺔ اﻟﺤﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت ﺗﺴﺎوي‪2 = 1 -3 :‬‬

‫‪ x‬درﺟﺔ اﻟﺤﺮﻳﺔ داﺧﻞ اﳌﺠﻤﻮﻋﺎت ﺗﺴﺎوي‪) :‬ﺣﺠﻢ اﻟﻌﻴﻨﺔ – ﻋﺪد اﳌﺠﻤﻮﻋﺎت(‪ ،‬وﰲ ﻣﺜﺎﻟﻨﺎ اﳌـﺬﻛﻮر‬
‫ﻟﺪﻳﻨﺎ ﺛﻼﺛني ﻣﻔﺮدة ﻣﻮزﻋﺔ ﻋﲆ ﺛﻼث ﻣﺠﻤﻮﻋﺎت‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن درﺟﺔ اﻟﺤﺮﻳﺔ داﺧـﻞ اﳌﺠﻤﻮﻋـﺎت‬
‫ﺗﺴﺎوي‪27 = 3 -30 :‬‬

‫)‪ (2‬ﺣﺴﺎب ﻣﺘﻮﺳﻂ درﺟﺔ ﻛﻞ ﻣﺠﻤﻮﻋﺔ‪ ،‬وذﻟﻚ ﺑﻘﺴﻤﺔ إﺟامﱄ درﺟـﺎت ﻛـﻞ ﻣﺠﻤﻮﻋـﺔ ﻋـﲆ ﻋـﺪد‬
‫أﻓﺮادﻫﺎ‪ ،‬وﻣﻦ اﻟﺠﺪول اﻟﺴﺎﺑﻖ‪ ،‬ﻓﺈن إﺟامﱄ درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﻫـﻮ )‪ ،(89‬وﻋـﺪد أﻓﺮادﻫـﺎ‬
‫)‪ ،(10‬ﻓﻴﻜﻮن ﻣﺘﻮﺳﻂ درﺟﺔ ﻫﺬه اﳌﺠﻤﻮﻋـﺔ = ‪ 8.9 = 10÷ 89‬أﻣـﺎ ﻣﺘﻮﺳـﻂ درﺟـﺔ اﳌﺠﻤﻮﻋـﺔ‬
‫اﻟﺜﺎﻧﻴﺔ ﻓﻬﻮ )‪ (6.6‬ﺑﻴﻨام ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ )‪(7.2‬‬

‫)‪ (3‬ﺣﺴــﺎب ﻣﺠﻤــﻮع اﻟــﺪرﺟﺎت )ﻣــﺞ س(‪ :‬ﻣــﻦ اﻟﺠــﺪول اﻟﺴــﺎﺑﻖ ﻓــﺈن ﻣﺠﻤــﻮع درﺟــﺎت‬
‫اﳌﺠﻤﻮﻋــﺔ اﻷوﱃ )‪ ،(89‬أﻣــﺎ ﻣﺠﻤــﻮع درﺟــﺎت اﳌﺠﻤﻮﻋــﺔ اﻟﺜﺎﻧﻴــﺔ‪ ،‬ﻓﻬــﻮ )‪ (53‬درﺟــﺔ‪،‬‬

‫‪-249-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﺑﻴﻨام ﻣﺠﻤﻮع درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ )‪ (86‬درﺟﺔ‪ ،‬وﻳﻜﻮن ﻣﺠﻤﻮع درﺟﺎت ﻛﻞ أﻓﺮاد اﻟﻌﻴﻨـﺔ‬
‫ﻫﻮ )‪ (228‬أي أن )ﻣﺞ س( = ‪228‬‬

‫)‪ (4‬ﺣﺴﺎب ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺪرﺟﺎت )ﻣﺞ س‪ :(2‬وذﻟﻚ ﻣﻦ ﺧﻼل ﻣﺮﺑﻊ درﺟﺔ ﻛﻞ ﻓﺮد‪ ،‬ﺛﻢ ﺟﻤـﻊ‬
‫ﻫﺬه اﳌﺮﺑﻌﺎت ﻟﻠﺤﺼﻮل ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت درﺟﺎت اﻟﻌﻴﻨﺔ ﻛﻠﻬﺎ‪ .‬إن ذﻟﻚ ﻳﻜﻮن ﺑﴬب درﺟﺔ ﻛـﻞ‬
‫ﻣﺒﺤﻮث ﰲ ﻧﻔﺴﻬﺎ‪ ،‬وﺟﻤﻊ اﻟﻨﺎﺗﺞ ﻋﲆ اﻟﻨﺤﻮ اﳌﺒني ﺑﺎﻟﺠﺪول اﻵيت‪:‬‬
‫ﻣﺮﺑﻌﺎت درﺟﺎت أﻓﺮاد‬ ‫ﻣﺮﺑﻌﺎت درﺟﺎت أﻓﺮاد‬ ‫ﻣﺮﺑﻌﺎت درﺟﺎت أﻓﺮاد‬
‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ‬ ‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‬ ‫اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‬
‫‪49‬‬ ‫‪81‬‬ ‫‪64‬‬
‫‪64‬‬ ‫‪49‬‬ ‫‪100‬‬
‫‪100‬‬ ‫‪36‬‬ ‫‪100‬‬
‫‪64‬‬ ‫‪25‬‬ ‫‪100‬‬
‫‪49‬‬ ‫‪49‬‬ ‫‪100‬‬
‫‪36‬‬ ‫‪49‬‬ ‫‪64‬‬
‫‪36‬‬ ‫‪36‬‬ ‫‪81‬‬
‫‪64‬‬ ‫‪36‬‬ ‫‪81‬‬
‫‪49‬‬ ‫‪-‬‬ ‫‪64‬‬
‫‪36‬‬ ‫‪-‬‬ ‫‪49‬‬
‫‪25‬‬ ‫‪-‬‬ ‫‪-‬‬
‫‪64‬‬ ‫‪-‬‬ ‫‪-‬‬
‫ﻣﺞ س‪636 =2‬‬ ‫ﻣﺞ س‪361 =2‬‬ ‫ﻣﺞ س‪803 =2‬‬

‫‪-250-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫وﻳﺘﻀﺢ ﻣﻦ ﻫﺬا اﻟﺠﺪول أن ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت درﺟﺎت اﳌﺠﻤﻮﻋﺎت اﻟـﺜﻼث ﻫـﻮ )‪(636 +361 +803‬‬
‫= ‪ 1800‬أي أن )ﻣﺞ س‪ (2‬ﻳﺴﺎوي )‪(1800‬‬

‫مبﻮﺟﺐ ذﻟﻚ ﻳﺘﻢ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ وﻓﻖ اﻟﺨﻄﻮات اﻷﺳﺎﺳﻴﺔ اﻵﺗﻴﺔ‪:‬‬

‫)‪ (1‬ﺣﺴـﺎب )ﻣﺠﻤـﻮع اﳌﺮﺑﻌـﺎت اﻟﻜﲇ(‪ :‬وﻳﻜﻮن ذﻟﻚ ﺑﺘﻄﺒﻴﻖ اﳌﻌﺎدﻟﺔ اﻵﺗﻴﺔ‪:‬‬
‫‪2‬‬
‫‪(α Ξϣ) 2‬‬
‫ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت اﻟﻜﲇ = ﻣﺞ س ‪-‬‬
‫‪ϥ‬‬

‫‪2‬‬
‫= ‪67.2 = (228) -1800‬‬
‫‪30‬‬
‫)‪ (2‬ﺣﺴﺎب ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت ﺑني اﳌﺠﻤﻮﻋﺎت‪ ،‬وﻣﻌﺎدﻟﺘﻪ‪:‬‬

‫)‪(α Ξϣ) 2(3α Ξϣ‬‬

‫‪2‬‬ ‫‪2‬‬
‫)‪(2α Ξϣ‬‬ ‫‪2‬‬
‫)‪(1α Ξϣ‬‬
‫‪-‬‬ ‫‪+‬‬ ‫‪+‬‬
‫‪ϥ‬‬ ‫‪3ϥ‬‬ ‫‪2ϥ‬‬ ‫‪1ϥ‬‬
‫‪2‬‬
‫ﺣﻴﺚ إن‪ :‬ﻣﺞ س ﺗﻌﻨﻲ ﻣﺠﻤﻞ درﺟﺔ اﳌﺠﻤﻮﻋﺔ‪ ،‬ﻛام أن ﻣﺞ س ﻣﺮﺑﻊ ﻣﺠﻤﻞ درﺟﺔ ﻛـﻞ ﻣﺠﻤﻮﻋـﺔ‪،‬‬
‫‪2‬‬
‫)ﻣﺞ س( ﺗﻌﻨﻲ ﻣﺮﺑﻊ ﻣﺠﻤﻮع درﺟﺎت اﻟﻌﻴﻨﺔ‪.‬‬

‫ﺑﺎﻟﺘﻌﻮﻳﺾ ﰲ اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة‪ ،‬ﻓﺈن اﻟﺘﺒﺎﻳﻦ ﺑني اﳌﺠﻤﻮﻋﺎت =‬

‫‪2‬‬
‫)‪(228) 2(86‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪-‬‬ ‫)‪+ (53) + (89‬‬
‫‪30‬‬ ‫‪12‬‬ ‫‪8‬‬ ‫‪10‬‬
‫= ‪26.725 = 1732.8 – 616.3 + 351.125 + 792.1‬‬
‫أي أن ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت ﺑني اﳌﺠﻤﻮﻋﺎت = ‪26.725‬‬
‫وﻳﻜﻮن اﻟﺘﺒﺎﻳﻦ ﺑني اﳌﺠﻤﻮﻋﺎت = ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت ﺑني اﳌﺠﻤﻮﻋﺎت‬
‫÷ )ﻋﺪد اﳌﺠﻤﻮﻋﺎت ‪(1-‬‬
‫= ‪13.4 = 2 ÷ 26.725‬‬

‫‪-251-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫أي أن اﻟﺘﺒﺎﻳﻦ ﺑني اﳌﺠﻤﻮﻋﺎت ﻳﺴﺎوي )‪(13.4‬‬

‫)ﻻﺣﻆ أن »ﻋﺪد اﳌﺠﻤﻮﻋﺎت‪ «1 -‬ﻫﻮ درﺟﺔ اﻟﺤﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت(‬

‫)‪ (3‬ﺣﺴﺎب ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت داﺧﻞ اﳌﺠﻤﻮﻋﺎت‪ ،‬وﻫﻮ ﻳﺴﺎوي‪:‬‬

‫ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت اﻟﻜﲇ – ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت ﺑني اﳌﺠﻤﻮﻋﺎت‬

‫= ‪40.4 = 26.725 – 67.2‬‬

‫أي أن ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت داﺧﻞ اﳌﺠﻤﻮﻋﺎت = ‪ 40.4‬وﻣﻦ ّ‬

‫ﺛﻢ ﻳﺘﻢ ﺣﺴﺎب اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت‪،‬‬
‫ﻫﺬا اﻟﺘﺒﺎﻳﻦ ﻳﺴﺎوي‪:‬‬

‫ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت داﺧﻞ اﳌﺠﻤﻮﻋﺎت ÷ )ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ -‬ﻋﺪد اﳌﺠﻤﻮﻋﺎت(‬

‫= ‪1.5 = 27 ÷ 40.4‬‬

‫أي أن اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت = ‪1.5‬‬

‫)ﻻﺣﻆ أن »ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪ -‬ﻋﺪد اﳌﺠﻤﻮﻋﺎت« ﻫﻮ درﺟﺔ اﻟﺤﺮﻳﺔ داﺧﻞ اﳌﺠﻤﻮﻋﺎت(‬

‫)‪ (3‬ﺣﺴﺎب ﻗﻴﻤﺔ )‪ (F‬وذﻟﻚ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫اﻟﺘﺒﺎﻳﻦ ﺑني اﳌﺠﻤﻮﻋﺎت ÷ اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت = ‪8.9 = 1.5 ÷ 13.4‬‬

‫أي أن ﻗﻴﻤﺔ )‪ (F‬اﳌﺤﺴﻮﺑﺔ ﺗﺴﺎوي )‪.(8.9‬‬

‫)‪ (4‬ﻣﻘﺎرﻧﺔ ﻗﻴﻤﺔ )‪ (F‬اﳌﺤﺴﻮﺑﺔ ﺑﻘﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴﺔ ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ ‪ 2‬ﻟﻠﺒﺴﻂ‪ ،‬ودرﺟـﺔ ﺣﺮﻳـﺔ ‪27‬‬
‫ﻟﻠﻤﻘﺎم‪ .‬وﺑﺎﻟﺮﺟﻮع إﱃ اﻟﺠﺪاول اﻹﺣﺼﺎﺋﻴﺔ ﻧﺠـﺪ أن ﻗﻴﻤـﺔ )‪ (F‬اﻟﺠﺪوﻟﻴـﺔ = ‪ 3.35‬ﻋﻨـﺪ ﻣﺴـﺘﻮى‬
‫‪ 0.05‬أﻣﺎ ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.01‬ﻓﺈن ﻗﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴـﺔ = ‪ 5.49‬أي أن ﻗﻴﻤـﺔ )‪ (F‬اﳌﺤﺴـﻮﺑﺔ أﻛـﱪ‬
‫ﻣﻦ ﻗﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴـﺔ ﻋﻨـﺪ ﻣﺴـﺘﻮى )‪(0.01‬؛ أي أن ﻫﻨـﺎك ً‬
‫ﻓﺮوﻗـﺎ ﺟﻮﻫﺮﻳـﺔ ﺑـني ﻣﺠﻤﻮﻋـﺎت‬
‫اﻟﻌﻴﻨﺔ ﻣﻦ ﺣﻴﺚ ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ اﳌﻘﻴﺎس اﳌﺴﺘﺨﺪم‪.‬‬

‫‪-252-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫وﻳﺘﻢ ﺗﻨﻈﻴﻢ ﻣﻌﻄﻴﺎت اﻟﺨﻄﻮات اﻟﺴﺎﺑﻘﺔ ﰲ ﺟﺪول ﻣﺨﺘﴫ ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬

‫ﻗﻴﻤﺔ‬ ‫ﻣﺘﻮﺳﻂ‬ ‫درﺟﺔ‬
‫ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت‬ ‫ﻣﺼﺪر اﻟﺘﺒﺎﻳﻦ‬
‫‪F‬‬ ‫اﳌﺮﺑﻌﺎت )اﻟﺘﺒﺎﻳﻦ(‬ ‫اﻟﺤﺮﻳﺔ‬
‫‪13.4‬‬ ‫‪26.758‬‬ ‫‪2‬‬ ‫ﺑني اﳌﺠﻤﻮﻋﺎت‬
‫‪**8.9‬‬ ‫‪1.5‬‬ ‫‪40.4‬‬ ‫‪27‬‬ ‫داﺧﻞ اﳌﺠﻤﻮﻋﺎت‬
‫‪46.7‬‬ ‫‪29‬‬ ‫اﳌﺠﻤﻮع‬
‫** داﻟﺔ ﻋﻨﺪ ﻣﺴﺘﻮى ‪0.01‬‬
‫وﻧﻈ ًﺮا ﻟﻮﺟﻮد ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت ﻣﻦ ﺣﻴﺚ ﻣﺘﻮﺳﻂ اﻟﺪرﺟـﺔ ﻋـﲆ اﳌﻘﻴـﺎس‪ ،‬ﻓـﺈن ﻋـﲆ‬
‫اﻟﺒﺎﺣﺚ أن ﻳﺴﺘﺨﺪم إﺣﺪى ﻃﺮق اﳌﻘﺎرﻧﺎت اﻟﺒﻌﺪﻳﺔ‪ ،‬وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ ﺗﻌﺪد ﻃﺮق اﳌﻘﺎرﻧﺎت اﻟﺒﻌﺪﻳﺔ ﻛـام‬
‫اﺳـﺘﺨﺪاﻣﺎ ﻫـﻲ‪ :‬اﺧﺘﺒـﺎر ﺷـﻴﻔﻴﻪ )‪ ،(Scheffe‬وﻃﺮﻳﻘـﺔ أﻗـﻞ اﻟﻔـﺮوق )‪،(LSD‬‬
‫ً‬ ‫ﺳﺒﻘﺖ اﻹﺷـﺎرة‪ ،‬إﻻ أن اﻷﻛـرث‬
‫وﻃﺮﻳﻘــﺔ ﺗــﻮيك )‪(Tukey‬؛ ﺣﻴــﺚ ﺗﺴــﺘﺨﺪم ﻫــﺬه اﻟﻄــﺮق ﻛﺜــ ًريا ﰲ ﺑﺤــﻮث اﻻﺗﺼــﺎل واﻟﺒﺤــﻮث اﻟﻨﻔﺴــﻴﺔ‬
‫واﻻﺟﺘامﻋﻴــﺔ واﻟﱰﺑﻮﻳــﺔ‪ .‬وﰲ ﻣﺜﺎﻟﻨــﺎ اﻟﺴــﺎﺑﻖ ﻛﺸــﻒ ﺗﺤﻠﻴــﻞ اﻟﺘﺒــﺎﻳﻦ ﻋــﻦ وﺟــﻮد ﻓــﺮوق ﺟﻮﻫﺮﻳــﺔ ﺑــني‬
‫اﳌﺠﻤﻮﻋﺎت اﻟﺜﻼث‪ ،‬وﻓﻴام ﻳﲇ ﺗﻮﺿﻴﺢ ﻛﻴﻔﻴﺔ اﻟﺘﻌﺮف ﻋﲆ ﻣﻜﻤـﻦ ﻫـﺬه اﻟﻔـﺮوق ﺑﺎﺳـﺘﺨﺪام أﺑـﺮز ﻃـﺮق‬
‫اﳌﻘﺎرﻧﺎت اﻟﺒﻌﺪﻳﺔ‪:‬‬

‫)أ( اﺧﺘﺒﺎر ﺷﻴﻔﻴﻪ ﻟﻠﻤﻘﺎرﻧﺎت اﳌﺘﻌﺪدة )‪:(Scheffe Multi-Comparison Test‬‬

‫ﻳﺘﻢ ﺗﻄﺒﻴﻖ ﻫﺬا اﻻﺧﺘﺒﺎر وﻓﻖ اﻟﺨﻄﻮات اﳌﺒﺴﻄﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬

‫)‪ (1‬ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ‪ :‬وذﻟﻚ ﻷن اﳌﺠﻤﻮﻋﺎت اﻟﺘﻲ ﻧﻘﺎرن ﺑﻴﻨﻬـﺎ ﺗﺨﺘﻠـﻒ ﻣـﻦ ﺣﻴـﺚ ﻋـﺪد‬
‫ﻣﺘﺴـﺎوﻳﺎ ﰲ اﳌﺠﻤﻮﻋـﺎت اﻟـﺜﻼث‪ ،‬ﻓـﻼ ﻳـﺘﻢ اﺳـﺘﺨﺪام اﻟﻮﺳـﻂ اﻟﺘـﻮاﻓﻘﻲ‪.‬‬
‫ً‬ ‫اﻷﻓﺮاد‪ ،‬أﻣﺎ إذا ﻛﺎن ﻋﺪد اﻷﻓﺮاد‬
‫وﻳﺮﺗﻜﺰ ﻫﺬا اﻟﻮﺳﻂ ﻋﲆ ﻋﺪد اﳌﺠﻤﻮﻋﺎت اﻟﺘﻲ ﻧﻘﺎرن ﺑﻴﻨﻬﺎ وﻋﺪد أﻓـﺮاد ﻛـﻞ ﻣﺠﻤﻮﻋـﺔ‪ ،‬وﻳـﺘﻢ اﻟﺤﺼـﻮل‬
‫ﻋﲆ اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬
‫ﻋﺪد اﳌﺠﻤﻮﻋﺎت‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬

‫‪1 + 1 + 1 + 1‬‬
‫‪x..ϥ‬‬ ‫‪3‬‬
‫‪ϥ‬‬ ‫‪2‬‬
‫‪ϥ‬‬ ‫‪1‬‬
‫‪ϥ‬‬

‫‪-253-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﺣﻴﺚ‪ :‬ن‪ 1‬ﻫﻲ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‪ ،‬ن‪ 2‬ﻫﻲ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ن‪ 3‬ﻫﻲ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ‪ ،‬ن‪ x‬ﻫـﻲ آﺧـﺮ‬
‫ﻣﺤـﺪدا ﻣـﻦ‬
‫ً‬ ‫ﻋـﺪدا‬
‫ﻣﺠﻤﻮﻋﺔ‪ ،‬مبﻮﺟﺐ ذﻟﻚ‪ ،‬ﻓﺈﻧﻪ ﰲ ﻣﺜﺎﻟﻨﺎ ﻟﺪﻳﻨﺎ ﺛـﻼث ﻣﺠﻤﻮﻋـﺎت‪ ،‬ﻛـﻞ ﻣﺠﻤﻮﻋـﺔ ﺗﻀـﻢ ً‬
‫اﻷﻓﺮاد‪ ،‬وﻳﻜﻮن اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ﻳﺴﺎوي‪:‬‬

‫= ‪9.7‬‬ ‫‪3‬‬
‫‪1 1 1‬‬
‫‪12 8 10‬‬

‫)ﺗﻢ ﺣﺴﺎب اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ﺑﻬﺬه اﻟﻄﺮﻳﻘـﺔ؛ ﻷن أﻋـﺪاد أﻓـﺮاد اﳌﺠﻤﻮﻋـﺎت ﻏـري ﻣﺘﺴـﺎوﻳﺔ‪ ،‬أﻣـﺎ إذا‬
‫ﺷﺨﺼـﺎ ﺗﺘـﻮزع ﺑﺎﻟﺘﺴـﺎوي‬
‫ﻛﺎﻧﺖ أﻋﺪاد أﻓﺮاد اﳌﺠﻤﻮﻋﺎت ﻣﺘﺴﺎوﻳﺔ‪ ،‬ﻛﺄن ﻳﻜﻮن ﻋﺪد أﻓـﺮاد اﻟﻌﻴﻨـﺔ ﺛﻼﺛـني ً‬
‫ﺑﻮاﻗﻊ ﻋﴩة أﻓﺮاد ﻟﻜـﻞ ﻣﺠﻤﻮﻋـﺔ‪ -‬ﻓﺈﻧـﻪ ﻳـﺘﻢ اﺳـﺘﺨﺪام ﻋـﺪد أﻓـﺮاد أي ﻣﺠﻤﻮﻋـﺔ ﻛﺒـﺪﻳﻞ ﻋـﻦ اﻟﻮﺳـﻂ‬
‫اﻟﺘﻮاﻓﻘﻲ(‪.‬‬

‫)‪ (2‬ﺗﻄﺒﻴﻖ ﻣﻌﺎدﻟﺔ اﺧﺘﺒﺎر )‪ (Scheffe‬ﻣﻊ اﻻﺳﺘﻌﺎﻧﺔ ﺑﻘﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴﺔ ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ اﻟﺘﺒﺎﻳﻦ ﺑني‬
‫اﳌﺠﻤﻮﻋﺎت‪ ،‬ودرﺟﺔ ﺣﺮﻳﺔ اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت؛ أي ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ ‪ 2‬ودرﺟـﺔ ﺣﺮﻳـﺔ ‪27‬‬
‫وﻛام ﺳﺒﻘﺖ اﻹﺷﺎرة‪ ،‬ﻓﺈن ﻗﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴﺔ = ‪ 3.35‬ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.05‬أﻣﺎ ﻋﻨﺪ ﻣﺴـﺘﻮى ‪0.01‬‬
‫ﻓﺈن ﻗﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴﺔ = ‪5.49‬‬

‫ﻓﺈذا اﺳﺘﺨﺪﻣﻨﺎ ﻣﺴﺘﻮى اﻟﺜﻘﺔ )‪ ،(0.95‬ﻓﺈن ﻣﻌﺎدﻟﺔ اﺧﺘﺒﺎر )‪ (Scheffe‬ﻟﻠﻤﻘﺎرﻧﺎت اﳌﺘﻌﺪدة ﺗﻜﻮن‪:‬‬

‫‪) 2‬اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت( )ﻋﺪد اﳌﺠﻤﻮﻋﺎت – ‪) (1‬ﻗﻴﻤﺔ ‪ F‬اﻟﺠﺪوﻟﻴﺔ(‬ ‫‪= SCH‬‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬

‫اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ‬

‫‪1.44 = (3.35)(2)(1.5)2‬‬
‫‪9.7‬‬ ‫=‪b‬‬
‫وﻣﻦ اﻟﻮاﺿﺢ أﻧﻪ ﺗﻢ اﻟﺘﻌﻮﻳﺾ ﻋـﻦ )‪ (F‬اﻟﺠﺪوﻟﻴـﺔ ﺑﺎﻟﻘﻴﻤـﺔ )‪ (3.35‬وﻫـﻲ ﻗﻴﻤـﺔ )‪ (F‬اﻟﺠﺪوﻟﻴـﺔ ﻋﻨـﺪ‬
‫ﻣﺴﺘﻮى اﻟﺜﻘﺔ )‪ ،(0.95‬ﰲ ﺣني ﺗﻢ اﻟﺘﻌﻮﻳﺾ ﻋﻦ اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت ﺑﺎﻟﻘﻴﻤﺔ ‪1.5‬‬

‫‪-254-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫أﻣﺎ إذا اﺳﺘﺨﺪﻣﻨﺎ ﻣﺴﺘﻮى اﳌﻌﻨﻮﻳﺔ ‪ 0.01‬ﻓﺈن ﻗﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴـﺔ = ‪ 5.49‬وﻋـﲆ ذﻟـﻚ ﺗﻜـﻮن ﻗﻴﻤـﺔ‬

‫‪1.84 = (5.49)(2)(1.5)2‬‬
‫‪9.7‬‬ ‫اﺧﺘﺒﺎر )‪b = (Scheffe‬‬
‫وﻗﺪ ﺗﻢ اﻟﺘﻌﻮﻳﺾ ﻋﻦ )‪ (F‬ﺑﺎﻟﻘﻴﻤﺔ )‪ (5.49‬وﻫﻲ ﻗﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴﺔ ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘﺔ )‪ ،(0.99‬ﻛـام‬
‫ﺗﻢ اﻟﺘﻌﻮﻳﺾ ﻋﻦ اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت ﺑﺎﻟﻘﻴﻤﺔ ‪1.5‬‬

‫)‪ (3‬ﻣﻘﺎرﻧﺔ اﻟﻔﺮوق ﺑني اﳌﺘﻮﺳﻄﺎت ﺑﻘﻴﻤﺔ اﺧﺘﺒﺎر )‪ (Scheffe‬وﻳﻜـﻮن اﻟﻔـﺮق ﺑـني أي ﻣﺘﻮﺳـﻄﺘني ﻏـري‬
‫ﺟﻮﻫﺮي إذا ﻛﺎﻧﺖ ﻗﻴﻤﺘﻪ ﺗﻘﻞ ﻋﻦ )‪ ،(1.44‬ﺑﻴﻨام ﻳﻜﻮن ﻫﺬا اﻟﻔﺮق ﺟﻮﻫﺮﻳّﺎ ﻋﻨـﺪ ﻣﺴـﺘﻮى ‪0.05‬‬
‫ﺟﻮﻫﺮﻳـﺎ‬
‫ّ‬ ‫إذا ﺗﺮاوﺣﺖ ﻗﻴﻤﺘﻪ ﻣﺎ ﺑني ‪ 1.44‬ﻷﻗﻞ ﻣﻦ ‪ 1.84‬ﰲ ﺣني ﻳﻜﻮن اﻟﻔﺮق ﺑني أي ﻣﺘﻮﺳﻄﺘني‬
‫ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.01‬إذا ﺑﻠﻐﺖ ﻗﻴﻤﺔ ﻫﺬا اﻟﻔـﺮق ‪ 1.84‬أو أﻛـرث‪ ،‬وﺑﻨـﺎء ﻋـﲆ ذﻟـﻚ ﻳﺘﻌـني ﺣﺴـﺎب‬
‫اﻟﻔﺮوق ﺑني ﻣﺘﻮﺳﻄﻲ درﺟﺎت ﻛﻞ ﻣﺠﻤﻮﻋﺘني ﻧﻘﺎرن ﺑﻴﻨﻬام ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬

‫اﻟﻔﺮق ﺑني م ن ‪ ،1‬م ن ‪(2.3 = 6.6 – 8.9) 2‬‬

‫اﻟﻔﺮق ﺑني م ن ‪ ،1‬م ن ‪(1.7 = 7.2 – 8.9) 3‬‬

‫اﻟﻔﺮق ﺑني م ن ‪ ،2‬م ن ‪(0.6 = 6.6 – 7.2) 3‬‬

‫)‪ (4‬وأﺧ ًريا‪ ،‬ﻳﺘﻢ ﺗﻨﻈﻴﻢ ﻫﺬه اﻟﻔﺮوق ﰲ ﺟﺪول ﺛﻨﺎيئ‪/‬ﺗﺒﺎدﱄ ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬
‫اﻟﺜﺎﻟﺜﺔ م = ‪7.2‬‬ ‫اﻟﺜﺎﻧﻴﺔ م = ‪6.6‬‬ ‫اﻷوﱃ م = ‪8.9‬‬ ‫اﳌﺠﻤﻮﻋﺔ م =‬
‫‪-‬‬ ‫اﻷوﱃ م = ‪8.9‬‬
‫‪-‬‬ ‫‪**2.3‬‬ ‫اﻟﺜﺎﻧﻴﺔ م = ‪6.6‬‬
‫‪-‬‬ ‫‪0.6‬‬ ‫‪*1.7‬‬ ‫اﻟﺜﺎﻟﺜﺔ م = ‪7.2‬‬

‫‪**p < 0.01‬‬

‫‪*p < 0.01‬‬

‫‪-255-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫وﻧﺘﺒني ﻣﻦ ﻫﺬا اﻟﺠﺪول ﺑﺴﻬﻮﻟﺔ أﻧﻪ‪:‬‬

‫ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺔ اﻷوﱃ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ﺑﺪرﺟﺔ ﺛﻘﺔ ‪ 0.99‬واﻟﻔﺮق ﻟﺼـﺎﻟﺢ‬
‫اﳌﺠﻤﻮﻋﺔ اﻷوﱃ )م = ‪ (8.9‬ﻣﻘﺎرﻧﺔ ﺑﺎﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ )م = ‪(6.6‬‬

‫ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺔ اﻷوﱃ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ ﺑﺪرﺟﺔ ﺛﻘﺔ ‪ 0.95‬واﻟﻔـﺮق ﻟﺼـﺎﻟﺢ‬
‫اﳌﺠﻤﻮﻋﺔ اﻷوﱃ )م =‪ (8.9‬ﻣﻘﺎرﻧﺔ ﺑﺎﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ )م = ‪(7.2‬‬

‫ ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ؛ إذ إن اﻟﻔـﺮوق ﺑـني ﻣﺘﻮﺳـﻄﻲ‬
‫اﳌﺠﻤﻮﻋﺘني أﻗﻞ ﻣﻦ ﻗﻴﻤﺔ اﺧﺘﺒﺎر )‪.(Scheffe‬‬

‫)ب( ﻃﺮﻳﻘﺔ أﻗﻞ اﻟﻔﺮوق دﻻﻟﺔ )‪ :(Least Significant Differences‬وﺗﻌﺮف اﺧﺘﺼﺎ ًرا )‪ ،(LSD‬وﺗﻌﺘﻤـﺪ‬
‫ﻫﺬه اﻟﻄﺮﻳﻘﺔ ﻋﲆ‪:‬‬

‫ اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ )وﻗﺪ ﺳﺒﻖ ﺣﺴﺎﺑﻪ‪ ،‬وﻗﻴﻤﺘﻪ ‪(9.7‬‬

‫ ﻣﺘﻮﺳﻂ اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت )وﻗﺪ ﺳﺒﻖ ﺣﺴﺎﺑﻪ‪ ،‬وﻗﻴﻤﺘﻪ ‪(1.5‬‬

‫ درﺟﺔ اﻟﺤﺮﻳﺔ داﺧﻞ اﳌﺠﻤﻮﻋﺎت‪ ،‬وﻫﻲ ‪ 27‬ﻛام ﺳﺒﻘﺖ اﻹﺷﺎرة‬

‫ اﻟﻘﻴﻤﺔ اﻟﺠﺪوﻟﻴﺔ ﻟﻘﻴﻤﺔ )‪ (t‬ﻟﺪﻻﻟﺔ اﻟﻄﺮﻓني ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ )‪ ،(27‬وﺑﺎﻟﺮﺟﻮع إﱃ ﺟـﺪول اﻟﻘـﻴﻢ‬
‫اﻟﺤﺮﺟﺔ ﻻﺧﺘﺒﺎر )‪ (t‬ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ )‪ ،(27‬ﻓﺈن ﻗﻴﻤﺔ )‪ (t‬ﻋﻨﺪ ﻣﺴـﺘﻮى ‪ 2.05 = 0.05‬أﻣـﺎ ﻋﻨـﺪ‬
‫ﻣﺴﺘﻮى ‪ 0.01‬ﻓﺈﻧﻬﺎ ﺗﺴﺎوي ‪2.77‬‬

‫وﻋﲆ ذﻟﻚ ﻳﺘﻢ ﺣﺴﺎب أﻗﻞ اﻟﻔﺮوق اﻟﺪاﻟﺔ )‪ (LSD‬ﻋﻨﺪ ﻣﺴﺘﻮى )‪ (0.05‬مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫‪ª‬‬ ‫‪º‬‬
‫«‬ ‫‪2‬‬ ‫ﻣﺘﻮﺳﻂ اﻟﺘﺒﺎدﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت »‬ ‫‪2.05‬‬
‫¬‬ ‫¼‬
‫ــــــــــــــــــــــــــــــــــ‬

‫اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ‬

‫‪-256-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫@ ‪> 9.7‬‬
‫‪1.14 = 2 1.5‬‬
‫‪b‬‬ ‫‪2.05‬‬

‫أﻣﺎ ﻗﻴﻤﺔ أﻗﻞ اﻟﻔﺮوق اﻟﺪاﻟﺔ )‪ (LSD‬ﻋﻨﺪ ﻣﺴﺘﻮى )‪ (0.01‬ﻓﻬﻮ ﻳﻜﻮن مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫@ ‪> 9.7‬‬
‫‪1.54 = 2 1.5‬‬
‫‪b‬‬ ‫‪2.77‬‬

‫)‪ (3‬ﻣﻘﺎرﻧﺔ اﻟﻔﺮوق ﺑني اﳌﺘﻮﺳـﻄﺎت ﺑﻘﻴﻤـﺔ اﺧﺘﺒـﺎر )‪ (LSD‬وﻳﻜـﻮن اﻟﻔـﺮق ﺑـني أي ﻣﺘﻮﺳـﻄﺘني ﻏـري‬
‫ﺟﻮﻫﺮي إذا ﻛﺎﻧﺖ ﻗﻴﻤﺘﻪ ﺗﻘﻞ ﻋﻦ )‪ ،(1.14‬ﺑﻴﻨام ﻳﻜﻮن ﻫﺬا اﻟﻔﺮق ﺟﻮﻫﺮﻳّﺎ ﻋﻨـﺪ ﻣﺴـﺘﻮى ‪0.05‬‬
‫إذا ﺗﺮاوﺣﺖ ﻗﻴﻤﺘﻪ ﻣﺎ ﺑني ‪ 1.14‬ﻷﻗﻞ ﻣﻦ ‪ ،1.54‬ﰲ ﺣني ﻳﻜﻮن اﻟﻔﺮق ﺑني أي ﻣﺘﻮﺳﻄﺘني ﺟﻮﻫﺮﻳّﺎ‬
‫ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.01‬إذا ﺑﻠﻐﺖ ﻗﻴﻤﺔ ﻫﺬا اﻟﻔﺮق ‪ 1.54‬أو أﻛرث‬

‫وﺑﺎﻟﻨﻈﺮ إﱃ اﻟﻔﺮوق ﺑني ﻣﺘﻮﺳـﻄﺎت درﺟـﺎت اﳌﺠﻤﻮﻋـﺎت ﻋـﲆ اﻟﻨﺤـﻮ اﻟﺴـﺎﺑﻖ ذﻛـﺮه‪ ،‬ﻓﺈﻧـﻪ ﺗﺘﺄﻛـﺪ‬
‫اﻟﻨﺘﻴﺠﺔ ﻧﻔﺴﻬﺎ واﻟﺘﻲ ﺗﻢ اﻟﺘﻮﺻﻞ إﻟﻴﻬﺎ ﺑﺎﺧﺘﺒﺎر )‪(Scheffe‬؛ ﺣﻴـﺚ ﺗﻮﺟـﺪ ﻓـﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑـني اﳌﺠﻤﻮﻋـﺔ‬
‫اﻷوﱃ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ﺑﺪرﺟﺔ ﺛﻘﺔ ‪ 0.99‬وذﻟﻚ ﻟﺼﺎﻟﺢ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‪ ،‬ﻛام ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني‬
‫اﳌﺠﻤﻮﻋﺔ اﻷوﱃ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ ﺑﺪرﺟﺔ ﺛﻘﺔ ‪ 0.95‬وذﻟﻚ ﻟﺼﺎﻟﺢ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‪ ،‬وأﺧ ًريا ﻓﺈﻧﻪ ﻻ ﺗﻮﺟـﺪ‬
‫ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ؛ إذ إن اﻟﻔﺮوق ﺑني ﻣﺘﻮﺳﻄﻲ اﳌﺠﻤﻮﻋﺘني ﻳﺴـﺎوي‬
‫)‪ ،(0.6‬وﻫﻮ أﻗﻞ ﻣﻦ ﻗﻴﻤﺔ اﺧﺘﺒﺎر أﻗﻞ اﻟﻔﺮوق دﻻﻟﺔ‪.‬‬

‫)ج( ﻃﺮﻳﻘﺔ ﺗﻮيك )‪:(Tukey‬‬

‫ﺗﻌﺘﻤﺪ ﻫﺬه اﻟﻄﺮﻳﻘﺔ ﻋﲆ اﳌﻌﻄﻴﺎت اﻟﻼزﻣﺔ ﻟﻼﺧﺘﺒﺎرﻳﻦ اﻟﺴﺎﺑﻘني‪ ،‬ﺑﺎﻹﺿﺎﻓﺔ إﱃ ﻗﻴﻤـﺔ )‪ (Q‬اﻟﺠﺪوﻟﻴـﺔ‬
‫)واﻟﺘﻲ ﻳﺘﻢ اﻟﺤﺼﻮل ﻋﻠﻴﻬﺎ ﻣﻦ ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﻻﺧﺘﺒﺎر ﺗﻮيك(‪ ،‬وﺑﺎﻟﺮﺟﻮع إﱃ ﻫﺬا اﻟﺠـﺪول‪ ،‬ﻧﺠـﺪ أن‬
‫ﻗﻴﻤﺔ )‪ (Q‬ﻋﻨﺪ درﺟﺔ ﺣﺮﻳﺔ )‪ (2‬ودرﺟﺔ ﺣﺮﻳﺔ )‪ (27‬ﻋﻨﺪ ﻣﺴـﺘﻮى ‪ 2.77 = 0.05‬أﻣـﺎ ﻋﻨـﺪ ﻣﺴـﺘﻮى ‪0.01‬‬
‫ﻓﺈﻧﻬﺎ ﺗﺴﺎوي ‪3.64‬‬

‫‪-257-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫وﻋﲆ ذﻟﻚ ﻳﺘﻢ ﺣﺴﺎب ﻗﻴﻤﺔ اﺧﺘﺒﺎر )‪ (Tukey‬مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ اﻵﺗﻴﺔ‪:‬‬

‫اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت‬

‫ــــــــــــــــــــــــــــــــــــــــــــــــ‬ ‫‪ Q‬اﻟﺠﺪوﻟﻴﺔ‬
‫اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ‬
‫ﻓﺈذا اﺳﺘﺨﺪﻣﻨﺎ ﻣﺴﺘﻮى اﳌﻌﻨﻮﻳﺔ )‪ (0.05‬ﻓﺈن ﻗﻴﻤﺔ ‪ Tukey‬ﺗﻜﻮن‪:‬‬

‫‪1.09 = 1.5‬‬
‫‪9.7‬‬ ‫‪b 2.77‬‬
‫أﻣﺎ إذا اﺳﺘﺨﺪﻣﻨﺎ ﻣﺴﺘﻮى اﳌﻌﻨﻮﻳﺔ )‪ (0.01‬ﻓﺈن ﻗﻴﻤﺔ )‪ (Tukey‬ﺗﻜﻮن‪:‬‬

‫‪1.43 = 1.5‬‬
‫‪9.7‬‬ ‫‪b 3.64‬‬
‫)‪ (3‬ﻣﻘﺎرﻧﺔ اﻟﻔﺮوق ﺑني اﳌﺘﻮﺳـﻄﺎت ﺑﻘﻴﻤـﺔ اﺧﺘﺒـﺎر )‪ (Tukey‬ﻳﻜـﻮن اﻟﻔـﺮق ﺑـني أي ﻣﺘﻮﺳـﻄﺘني ﻏـري‬
‫ﺟﻮﻫﺮي إذا ﻛﺎﻧﺖ ﻗﻴﻤﺘﻪ ﺗﻘﻞ ﻋﻦ )‪ ،(1.08‬ﺑﻴﻨام ﻳﻜﻮن ﻫﺬا اﻟﻔﺮق ﺟﻮﻫﺮﻳّﺎ ﻋﻨـﺪ ﻣﺴـﺘﻮى ‪0.05‬‬
‫ﺟﻮﻫﺮﻳـﺎ‬
‫ّ‬ ‫إذا ﺗﺮاوﺣﺖ ﻗﻴﻤﺘﻪ ﻣﺎ ﺑني ‪ 1.08‬ﻷﻗﻞ ﻣﻦ ‪ 1.43‬ﰲ ﺣني ﻳﻜﻮن اﻟﻔﺮق ﺑني أي ﻣﺘﻮﺳﻄﺘني‬
‫ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.01‬إذا ﺑﻠﻐﺖ ﻗﻴﻤﺔ ﻫﺬا اﻟﻔﺮق ‪ 1.43‬أو أﻛرث‬

‫وﺑﺎﻟﻨﻈﺮ إﱃ اﻟﻔﺮوق ﺑني ﻣﺘﻮﺳـﻄﺎت درﺟـﺎت اﳌﺠﻤﻮﻋـﺎت ﻋـﲆ اﻟﻨﺤـﻮ اﻟﺴـﺎﺑﻖ ذﻛـﺮه‪ ،‬ﻓﺈﻧـﻪ ﺗﺘﺄﻛـﺪ‬
‫اﻟﻨﺘﻴﺠﺔ اﻟﺴﺎﺑﻘﺔ؛ ﺣﻴﺚ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺔ اﻷوﱃ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ﺑﺪرﺟـﺔ ﺛﻘـﺔ ‪0.99‬‬
‫ﻟﺼﺎﻟﺢ اﳌﺠـﻤﻮﻋﺔ اﻷوﱃ‪ ،‬ﻛام ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺔ اﻷوﱃ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜـﺔ ﺑﺪرﺟـﺔ ﺛﻘـﺔ‬
‫‪ 0.95‬ﻟﺼﺎﻟﺢ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‪ ،‬وﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ واﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ‪.‬‬

‫اﻋﺘﺒﺎرات أﺳﺎﺳﻴﺔ ﰲ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‪:‬‬

‫ﻫﻨﺎك ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻻﻋﺘﺒﺎرات اﻷﺳﺎﺳﻴﺔ ﻋﻨﺪ اﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻟﺘﺒـﺎﻳﻦ‪ ،‬وﻣـﻊ اﻟﺘﺴـﻠﻴﻢ‬
‫ﺑﺘﻌﺪد ﻫﺬه اﻻﻋﺘﺒﺎرات‪ ،‬إﻻ أن أﻫﻤﻬﺎ ﻳﺘﻌﻠﻖ ﺑــ‪:‬ﻣﺘـﻰ ﻳﺘﻮﻗـﻒ ﺗﺤﻠﻴـﻞ اﻟﺘﺒـﺎﻳﻦ؟ واﺳـﺘﺨﺪام‬

‫‪-258-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫اﳌﺘﻮﺳﻂ اﻟﻮزين‪ ،‬واﺳﺘﺨﺪام اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ )‪ ،(Harmonic Mean‬وﻓﻴام ﻳﲇ ﺗﻮﺿﻴﺢ ﻫﺬه اﻟﻨﻘﺎط ﺑﺈﻳﺠﺎز‪.‬‬

‫)أ( ﻣﺘﻰ ﻳﺘﻮﻗﻒ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ؟‪:‬‬

‫أي ﻣـﻦ أﺳـﺎﻟﻴﺐ‬

‫ﻳﻘﺼﺪ ﺑﺘﻮﻗﻒ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻋﺪم إﺟﺮاء اﳌﻘﺎرﻧﺎت اﳌﺘﻌﺪدة‪ ،‬مبﻌﻨﻰ ﻋﺪم اﺳﺘﺨﺪام ﱟ‬
‫اﻻﺧﺘﺒﺎرات اﻟﺒﻌﺪﻳﺔ‪ .‬إن ﻋﺪم اﺳﺘﺨﺪام ﺗﻠﻚ اﻷﺳﺎﻟﻴﺐ ﻳﻜﻮن إذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ )‪ (F‬اﳌﺤﺴﻮﺑﺔ أﻗﻞ ﻣﻦ ﻗﻴﻤـﺔ‬
‫)‪ (F‬اﻟﺠﺪوﻟﻴﺔ‪ ،‬ﻓﻔﻲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻻ ﺗﻜﻮن ﻫﻨﺎك ﻓﺮوق ﺑني اﳌﺠﻤﻮﻋﺎت‪ ،‬وﻳﺘﻮﻗﻒ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻋﻨﺪ ﻫـﺬا‬
‫اﻟﺤﺪ‪.‬‬

‫ً‬
‫ﻣﺒﺤﻮﺛـﺎ‬ ‫ﻣﺜﺎل‪ :‬ﰲ دراﺳﺔ ﺗﺠﺮﻳﺒﻴﺔ ﻋـﻦ ﻋﻼﻗـﺔ اﻟﺸـﺒﺎب ﺑﺎﻹﻧﱰﻧـﺖ‪ ،‬ﻛﺎﻧـﺖ اﻟﻌﻴﻨـﺔ ﺗﺘﻜـﻮن ﻣـﻦ )‪(30‬‬
‫ﻳﺘﻮزﻋﻮن ﻋﲆ ﺛﻼث ﻣﺠﻤﻮﻋﺎت‪ ،‬وﻗﺪ ﺧﻠﺺ اﻟﺒﺎﺣﺚ إﱃ ﻋﺪة ﻧﺘﺎﺋﺞ‪ ،‬ﻣﻨﻬﺎ ﻣﺎ ﻳﺘﻌﻠﻖ ﺑﺎﻹﺷـﺒﺎﻋﺎت اﳌﺘﺤﻘﻘـﺔ‬
‫ﺟﺮاء اﺳﺘﺨﺪام ﻣﻮﻗﻊ اﻟﺘﻮاﺻﻞ اﻻﺟﺘامﻋـﻲ ﺗـﻮﻳﱰ )‪ ،(Tweeter‬واﻟﺠـﺪول اﻵيت ﻳﻮﺿـﺢ درﺟـﺎت أﻓـﺮاد ﻛـﻞ‬
‫ﻣﺠﻤﻮﻋﺔ ﻣﻦ ﺣﻴﺚ اﻹﺷﺒﺎع اﳌﺘﺤﻘﻖ‪:‬‬
‫اﳌﺠﻤﻮﻋﺔ‬ ‫اﳌﺠﻤﻮﻋﺔ‬ ‫اﳌﺠﻤﻮﻋﺔ‬
‫اﻟﺜﺎﻟﺜﺔ‬ ‫اﻟﺜﺎﻧﻴﺔ‬ ‫اﻷوﱃ‬
‫‪10‬‬ ‫‪9‬‬ ‫‪8‬‬
‫‪8‬‬ ‫‪7‬‬ ‫‪7‬‬
‫‪7‬‬ ‫‪6‬‬ ‫‪7‬‬
‫‪6‬‬ ‫‪5‬‬ ‫‪6‬‬
‫‪6‬‬ ‫‪7‬‬ ‫‪5‬‬
‫‪8‬‬ ‫‪7‬‬ ‫‪8‬‬
‫‪7‬‬ ‫‪6‬‬ ‫‪9‬‬
‫‪6‬‬ ‫‪6‬‬ ‫‪9‬‬
‫‪5‬‬ ‫‪7‬‬ ‫‪8‬‬
‫‪8‬‬ ‫‪8‬‬ ‫‪7‬‬

‫‪-259-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻓﻔﻲ ﻫﺬا اﳌﺜﺎل‪ ..‬وﺑﺎﺗﺒﺎع اﻟﺨﻄﻮات اﻟﺴﺎﺑﻖ ذﻛﺮﻫﺎ‪ ،‬ﻓﺈن‪:‬‬

‫ ﻣﺠﻤﻮع اﻟﺪرﺟﺎت )ﻣﺞ س(‪ ،‬وﺑﺤﺴﺎب ذﻟﻚ ﻣﻦ اﻟﺠﺪول‪ ،‬ﻓﺈن ﻣﺠﻤﻮع درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‬
‫ﻫﻮ )‪ ،(74‬أﻣﺎ ﻣﺠﻤﻮع درﺟﺎت اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ﻓﻬﻮ )‪ ،(68‬ﰲ ﺣني ﻣﺠﻤﻮع درﺟﺎت اﳌﺠﻤﻮﻋـﺔ‬
‫اﻟﺜﺎﻟﺜﺔ )‪(71‬؛ أي أن )ﻣﺞ س= ‪.(213‬‬

‫ ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺪرﺟﺎت‪ :‬ﺑﱰﺑﻴﻊ درﺟﺎت ﻛﻞ ﻣﺒﺤﻮث‪ ،‬وﺟﻤﻊ ﻧـﺎﺗﺞ ذﻟـﻚ ﻋـﲆ ﻣﺴـﺘﻮى ﻛـﻞ‬
‫ﻣﺠﻤﻮﻋﺔ‪ ،‬وﺑﺘﻨﻔﻴﺬ ﻫﺬه اﻟﺨﻄﻮة‪ ،‬ﻓﺈن ﻣﺠﻤﻮع ﻣﺮﺑﻌـﺎت درﺟـﺎت اﳌﺠﻤﻮﻋـﺔ اﻷوﱃ ﻫـﻮ )‪،(562‬‬
‫وﻣﺠﻤــﻮع ﻣﺮﺑﻌــﺎت درﺟــﺎت اﳌﺠﻤﻮﻋــﺔ اﻟﺜﺎﻧﻴــﺔ ﻫــﻮ )‪ ،(474‬أﻣــﺎ ﻣﺠﻤــﻮع ﻣﺮﺑﻌــﺎت درﺟــﺎت‬
‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ ﻓﻬﻮ )‪ ،(523‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن )ﻣﺞ س ‪ 1559 = 523 +474 +562 = (2‬أي أن )ﻣﺞ‬
‫س‪ (2‬ﻳﺴﺎوي )‪(1559‬‬
‫ ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ = ‪ 7.4‬أﻣﺎ ﻣﺘﻮﺳـﻂ درﺟـﺔ اﳌﺠﻤﻮﻋـﺔ اﻟﺜﺎﻧﻴـﺔ ﻓﻬـﻮ )‪ (6.8‬ﺑﻴـﻨام‬
‫ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ )‪ ،(7.1‬ﻣﻊ ﻣﻼﺣﻈﺔ أن ﻛﻞ ﻣﺠﻤﻮﻋﺔ ﺗﻀﻢ ﻋﴩة ﻣﺒﺤﻮﺛني‪.‬‬
‫ درﺟﺔ اﻟﺤﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت = ‪2 = 1 -3‬‬
‫ درﺟﺔ اﻟﺤﺮﻳﺔ داﺧﻞ اﳌﺠﻤﻮﻋﺎت = ‪27 = 3 -30‬‬
‫مبﻮﺟﺐ ذﻟﻚ ﻳﺘﻢ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ وﻓﻖ اﻟﺨﻄﻮات اﻟﺴﺎﺑﻖ ذﻛﺮﻫﺎ ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬

‫)‪ (1‬ﺣﺴﺎب اﻟﺘﺒﺎﻳﻦ اﻟﻜﲇ )ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت اﻟﻜﲇ(‪ :‬وﻳﻜﻮن ذﻟﻚ ﺑﺘﻄﺒﻴﻖ اﳌﻌﺎدﻟﺔ اﻵﺗﻴﺔ‪:‬‬
‫‪2‬‬
‫‪46.7 = (213) - 1559‬‬
‫‪30‬‬
‫)‪ (2‬ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت ﺑني اﳌﺠﻤﻮﻋﺎت =‬

‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫)‪(213‬‬
‫)‪- (71) + (68) + (74‬‬
‫‪30‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪10‬‬

‫= ‪1.8 = 1512.3 - 1514.1 = 504.1 + 462.4 + 547.6‬‬

‫‪-260-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن اﻟﺘﺒﺎﻳﻦ ﺑني اﳌﺠﻤﻮﻋﺎت = ‪0.9 = (1-3) ÷ 1.8‬‬

‫)‪ (3‬ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت داﺧﻞ اﳌﺠﻤﻮﻋﺎت‪ ،‬وﻫﻮ ﻳﺴﺎوي‪:‬‬

‫= ‪44.9 = 1.8 – 46.7‬‬

‫وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت = ‪1.7 = (3 -30) ÷ 44.9‬‬

‫)‪ (4‬ﻗﻴﻤﺔ )‪0.529 = 1.7 ÷ 0.9 = (F‬‬

‫أي أن ﻗﻴﻤﺔ )‪ (F‬اﳌﺤﺴﻮﺑﺔ = ‪ 0.529‬وﻋﻠﻴﻨـﺎ أن ﻧﻘـﺎرن ﻗﻴﻤـﺔ )‪ (F‬اﳌﺤﺴـﻮﺑﺔ ﺑﻘﻴﻤـﺔ )‪ (F‬اﻟﺠﺪوﻟﻴـﺔ‪،‬‬

‫وﺑﺎﻟﺮﺟﻮع إﱃ اﻟﺠﺪاول اﻹﺣﺼﺎﺋﻴﺔ )ﺟﺪول اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻘﻴﻤﺔ )‪ ((F‬ﻧﺘﺒني أن ﻗﻴﻤـﺔ )‪ (F‬ﻋﻨـﺪ درﺟـﺔ‬
‫ﺣﺮﻳﺔ ‪ 27‬ﻟﻠﺘﺒﺎﻳﻦ اﻟﻜﺒري‪ ،‬ودرﺟﺔ ﺣﺮﻳﺔ ‪ 2‬ﻟﻠﺘﺒﺎﻳﻦ اﻟﺼﻐري = ‪ 3.35‬وذﻟﻚ ﻋﻨـﺪ ﻣﺴـﺘﻮى اﻟﺜﻘـﺔ ‪0.95‬أي أن‬
‫ﻗﻴﻤﺔ )‪ (F‬اﳌﺤﺴﻮﺑﺔ أﺻﻐﺮ ﻣﻦ ﻗﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت ﻣـﻦ‬
‫ﺣﻴﺚ ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ اﳌﻘﻴﺎس اﳌﺴﺘﺨﺪم‪ ،‬وﻳﺘﻮﻗﻒ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻋﻨﺪ ﻫﺬا اﻟﺤﺪ‪.‬‬

‫)ب( اﳌﺘﻮﺳﻂ اﻟﻮزين‪:‬‬

‫اﻟﺠﺰﺋﻴﺔ اﻷﺧﺮى اﻟﺠﺪﻳﺮة ﺑﺎﻟﺘﻮﺿﻴﺢ ﻫـﻲ اﺳـﺘﺨﺪام اﳌﺘﻮﺳـﻂ اﻟـﻮزين )‪ (Weighted Mean‬ﰲ ﺣﺴـﺎب‬
‫ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت ﺑني اﳌﺠﻤﻮﻋﺎت )وﺑﺎﻟﺘﺎﱄ اﻟﺘﺒﺎﻳﻦ ﺑني اﳌﺠﻤﻮﻋﺎت(‪ ،‬ﻟﻘﺪ ﺳﺒﻖ ﴍح ﻛﻴﻔﻴﺔ ﺣﺴﺎب ﻫـﺬا‬
‫اﳌﺠﻤﻮع‪ ،‬ﻏري أن ﻫﻨﺎك ﻃﺮﻳﻘﺔ أﺧﺮى ﺗﺘﻤﺜﻞ ﰲ اﺳﺘﺨﺪام اﳌﺘﻮﺳﻂ اﻟﻮزين ﻟﺤﺴﺎب ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت ﺑـني‬
‫اﳌﺠﻤﻮﻋﺎت‪ ،‬أﻻ وﻫﻲ ﻃﺮﻳﻘﺔ اﳌﺘﻮﺳﻂ اﻟﻮزين )م و(‪ ،‬وﻣﻌﺎدﻟﺘﻪ‪:‬‬

‫‪3 3‬‬
‫‪ϡ ϥ  2ϡ 2ϥ  1ϡ 1ϥ‬‬
‫مو=‬
‫‪3ϥ  2ϥ  1ϥ‬‬

‫ﻣﴬوﺑﺎ ﰲ ﻣﺘﻮﺳﻂ درﺟﺎﺗﻬﺎ‬

‫ً‬ ‫ﺣﻴﺚ ن ‪ 1‬م‪ 1‬ﻋﺪد أﻓﺮاد اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‬

‫‪-261-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣﴬوﺑﺎ ﰲ ﻣﺘﻮﺳﻂ درﺟﺎﺗﻬﺎ‬

‫ً‬ ‫ن ‪ 2‬م‪ 2‬ﻋﺪد أﻓﺮاد اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‬

‫ﻣﴬوﺑﺎ ﰲ ﻣﺘﻮﺳﻂ درﺟﺎﺗﻬﺎ‬

‫ً‬ ‫ن ‪ 3‬م‪ 3‬ﻋﺪد أﻓﺮاد اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ‬

‫ﻓﺈذا اﻓﱰﺿﻨﺎ أن اﳌﺠﻤﻮﻋﺎت اﻟﺘﻲ ﻧﻘﺎرن ﺑﻴﻨﻬﺎ ﻫﻲ ﺛﻼث ﻣﺠﻤﻮﻋﺎت‪ ،‬ﻛﻞ ﻣﺠﻤﻮﻋﺔ ﻋﴩة أﻓﺮاد‪ ،‬وﻛﺎن‬
‫ﻣﺘﻮﺳــﻂ درﺟــﺔ اﳌﺠﻤﻮﻋــﺔ اﻷوﱃ )‪ ،(7.4‬وﻣﺘﻮﺳــﻂ درﺟــﺔ اﳌﺠﻤﻮﻋــﺔ اﻟﺜﺎﻧﻴــﺔ )‪ ،(6.8‬وﻣﺘﻮﺳــﻂ درﺟــﺔ‬
‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ )‪ ،(7.1‬ﻓﺈن اﳌﺘﻮﺳﻂ اﻟﻮزين‪:‬‬

‫م و = )‪7.1 = (7.1u 10)  (6.8 u 10)  (7.4 u 10‬‬

‫‪10  10  10‬‬

‫وﻧﻈ ًﺮا ﻷن أﻋﺪاد اﻷﻓـﺮاد ﰲ اﳌﺠﻤﻮﻋـﺎت ﻣﺘﺴـﺎوﻳﺔ )ﺣﻴـﺚ‪ :‬ن‪ = 1‬ن‪ = 2‬ن‪ ،(3‬ميﻜـﻦ اﺧﺘﺼـﺎر ﻫـﺬه‬
‫اﳌﻌﺎدﻟﺔ ﻛﺎﻵيت‪:‬‬

‫م و= ‪7.1 = 30 ÷ (7.1 +6.8 + 7.4) 10‬‬

‫أي أن اﳌﺘﻮﺳﻂ اﻟﻮزين ﻫﻮ )‪(7.1‬‬

‫وﺑﺎﺳﺘﺨﺪام اﳌﺘﻮﺳﻂ اﻟﻮزين )م و( ﻳﻜﻮن ﻣﺠﻤﻮع اﳌﺮﺑﻌﺎت ﺑني اﳌﺠﻤﻮﻋﺎت =‬

‫‪2‬‬
‫ن‪) 1‬م‪ -1‬م و(‪ + 2‬ن‪) 2‬م‪ -2‬م و(‪ + 2‬ن‪) 3‬م‪ -3‬م و(‬
‫‪2‬‬
‫= ‪(7.1 -7.1)10 + 2(7.1 -6.8)10 + 2(7.1 -7.4)10‬‬

‫= ‪)10 + (0.09)10 + (0.09) ×10‬ﺻﻔﺮ(‬

‫= ‪ + 0.9 + 0.9‬ﺻﻔﺮ = ‪1.8‬‬

‫وﻳﻜﻮن اﻟﺘﺒﺎﻳﻦ ﺑني اﳌﺠﻤﻮﻋﺎت = ‪0.9 = 2 ÷ 1.8‬‬

‫وﻫﻲ اﻟﻨﺘﻴﺠﺔ ﻧﻔﺴﻬﺎ اﻟﺘﻲ ﺗﻢ اﻟﺘﻮﺻﻞ إﻟﻴﻬﺎ ﻋﻨﺪﻣﺎ ﺗﻢ ﺣﺴـﺎب اﻟﺘﺒـﺎﻳﻦ ﺑﺎﻟﻄﺮﻳﻘـﺔ اﻟﻌﺎدﻳـﺔ )اﻟﺴـﺎﺑﻖ‬
‫ﺗﻮﺿﻴﺤﻬﺎ(‪ ،‬دون اﺳﺘﺨﺪام اﳌﺘﻮﺳﻂ اﻟﻮزين‪.‬‬

‫‪-262-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫)ج( اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ‪:‬‬

‫ﺳــﺒﻘﺖ اﻹﺷــﺎرة إﱃ أﻧﻨــﺎ ﻧﺴــﺘﺨﺪم اﻟﻮﺳــﻂ اﻟﺘــﻮاﻓﻘﻲ ﰲ اﺧﺘﺒــﺎرات اﳌﻘﺎرﻧــﺎت اﳌﺘﻌــﺪدة ) ‪Multi‬‬
‫‪ (Comparison Tests‬وﻳﻘﻮم اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ﻋﲆ ﻋﺪد اﳌﺠﻤﻮﻋﺎت اﻟﺘﻲ ﻧﻘـﺎرن ﺑﻴﻨﻬـﺎ وﻋـﺪد أﻓـﺮاد ﻛـﻞ‬
‫ﻣﺠﻤﻮﻋﺔ‪ ،‬وإذا ﻛﺎﻧﺖ اﳌﺠﻤﻮﻋﺎت اﻟﺘﻲ ﻧﻘﺎرن ﺑﻴﻨﻬﺎ ﻏري ﻣﺘﺴﺎوﻳﺔ ﻣﻦ ﺣﻴﺚ ﻋﺪد أﻓﺮاد ﻛﻞ ﻣﺠﻤﻮﻋﺔ‪ ،‬ﻓﺈن‬
‫اﻟﺤﺼﻮل ﻋﲆ اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ ﻳﻜﻮن مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ اﻟﺴﺎﺑﻖ ذﻛﺮﻫﺎ وﻫﻲ‪:‬‬
‫ﻋﺪد اﳌﺠﻤﻮﻋﺎت‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬

‫‪1 + 1 + 1 + 1‬‬
‫‪x..ϥ‬‬ ‫‪3‬‬
‫‪ϥ 2 ϥ 1ϥ‬‬

‫ﺣﻴﺚ‪ :‬ن‪ 1‬ﻫﻲ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ‪ ،‬ن‪ 2‬ﻫﻲ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ن‪ 3‬ﻫﻲ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ‪ ،‬ن‪ x‬ﻫﻲ آﺧـﺮ‬
‫ﻣﺠﻤﻮﻋﺔ‪ ،‬وأن ﻛﻞ ﻣﺠﻤﻮﻋﺔ ﺗﺨﺘﻠﻒ ﻣﻦ ﺣﻴﺚ ﻋﺪد اﻷﻓﺮاد ) ن‪ z 1‬ن‪ z 2‬ن‪ ،( 3‬ﻓﻘﺪ ﺗﻜﻮن اﳌﻘﺎرﻧﺔ ﺑـني‬
‫ﺛﻼث ﻣﺠﻤﻮﻋﺎت‪ ،‬اﻷوﱃ ﺗﻀـﻢ )‪ ( 50‬ﻣﻔـﺮدة‪ ،‬واﻟﺜﺎﻧﻴـﺔ ﺗﻀـﻢ ) ‪ (55‬ﻣﻔـﺮدة‪ ،‬ﰲ ﺣـني ﺗﻀـﻢ اﻟﺜﺎﻟﺜـﺔ )‪(47‬‬
‫ﻣﻔﺮدة‪ ...‬ﻓﻜﻞ ﻣﺠﻤﻮﻋﺔ ﺗﺨﺘﻠﻒ ﻋﻦ اﻷﺧﺮى ﻣﻦ ﺣﻴﺚ ﻋﺪد اﳌﻔـﺮدات‪ ،‬ﰲ ﻫـﺬه اﻟﺤﺎﻟـﺔ ﻳﺘﻌـني اﻟﺤﺼـﻮل‬
‫ﻋﲆ اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة‪.‬‬

‫ﻏري أن اﳌﻘﺎرﻧﺔ ﻗﺪ ﺗﻜﻮن ﺑني ﻣﺠﻤﻮﻋﺎت ﻣﺘﺴﺎوﻳﺔ؛ ﺣﻴﺚ ) ن‪ = 1‬ن‪ = 2‬ن‪ ،( 3‬ﻛﺄن ﺗﻀﻢ اﳌﺠﻤﻮﻋـﺔ‬
‫اﻷوﱃ )‪ ( 50‬ﻣﻔﺮدة‪ ،‬واﻟﺜﺎﻧﻴﺔ ﺗﻀﻢ ) ‪ (50‬ﻣﻔﺮدة‪ ،‬واﻟﺜﺎﻟﺜﺔ ﺗﻀﻢ )‪ (50‬ﻣﻔﺮدة‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟـﺔ ﻻ ﻧﺴـﺘﺨﺪم‬
‫اﻟﻮﺳﻂ اﻟﺘﻮاﻓﻘﻲ‪ ،‬وﻳﺘﻢ اﻟﺘﻌﻮﻳﺾ ﻋﻨﻪ ﺑﻘﻴﻤﺔ )ن(‪ ،‬مبﻌﻨﻰ ﻋﺪد أﻓﺮاد أي ﻣﺠﻤﻮﻋﺔ ﻃﺎﳌـﺎ أن )ن‪ = 1‬ن ‪= 2‬‬
‫ن‪ ،(3‬وﺑﺎﻟﺘﺎﱄ ﻳﺘﻢ ﺣﺴﺎب اﺧﺘﺒﺎر ﺷﻴﻔﻴﻪ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫ﺗﻜﻮن‪:‬‬

‫‪-263-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫‪) 2‬اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت( )ﻋﺪد اﳌﺠﻤﻮﻋﺎت – ‪) (1‬ﻗﻴﻤﺔ ‪ F‬اﻟﺠﺪوﻟﻴﺔ(‬ ‫‪= SCH‬‬
‫ـــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ‬

‫ن‬

‫اﻟﺘﻔﺎﻋﻞ ﺑني اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ‪:‬‬

‫ﰲ اﻟﺠﺰﺋﻴﺔ اﻟﺴﺎﺑﻘﺔ ﻛﺎﻧﺖ اﳌﻘﺎرﻧﺔ ﺑني ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨـﺔ ﻣﺼـﻨﻔﺔ ﺣﺴـﺐ ﻣﺘﻐـري ﻣﺴـﺘﻘﻞ واﺣـﺪ‪ ،‬أﻻ‬
‫وﻫﻮ ﻣﺘﻐري اﻟﺤﺎﻟﺔ اﻻﺟﺘامﻋﻴﺔ‪ ،‬ﻟﻜﻦ ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ اﳌﻘﻴﺎس اﳌﺴﺘﺨﺪم ﻗﺪ ﻳﺨﺘﻠﻒ ﺣﺴﺐ ﻣﺘﻐـريﻳﻦ‬
‫ﻣﻌﺎ )وﻟﻴﺲ ﺣﺴﺐ ﻛﻞ ﻣﺘﻐري ﻋـﲆ ﺣـﺪة(‪ ،‬ﻛـام أن ﻫـﺬا اﳌﺘﻮﺳـﻂ ﻗـﺪ ﻳﺨﺘﻠـﻒ ﺣﺴـﺐ ﺛﻼﺛـﺔ ﻣﺘﻐـريات‬
‫ً‬
‫ﻣﺴﺘﻘﻠﺔ أو أﻛرث‪ .‬ﻓﻴام ﻳﺨﺺ اﻟﺘﻔﺎﻋﻞ ﺑني ﻣﺘﻐريﻳﻦ ﻣﺴﺘﻘﻠني‪ ،‬ﻣﺜﺎل ذﻟﻚ‪ :‬أن ﻳﺨﺘﻠﻒ ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋـﲆ‬
‫ﻣﻌـﺎ(‪ ،‬وﻫﻨـﺎ ﻧﺴـﺘﺨﺪم‬
‫ﻣﻘﻴﺎس اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﺣﺴﺐ ﻣﺘﻐـري اﻟﺠـﻨﺲ وﻣﺘﻐـري اﻟﺤﺎﻟـﺔ اﻻﺟﺘامﻋﻴـﺔ ) ً‬
‫اﻟﺘﻔﺎﻋﻞ اﻟﺜﻨﺎيئ )‪ ،(Bilateral Interaction‬وإذا ﺻﻨﻔﻨﺎ ﻋﻴﻨﺔ اﻟﺪراﺳـﺔ ﺣﺴـﺐ ﻫـﺬﻳﻦ اﳌﺘﻐـريﻳﻦ‪ ،‬ﻓـﺈن ﻋـﺪد‬
‫ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﻳﺘﻀـﺎﻋﻒ‪ ،‬ﻓﺤﺴـﺐ ﻣﺘﻐـري اﻟﺤﺎﻟـﺔ اﻻﺟﺘامﻋﻴـﺔ مبﻔـﺮده ﻛـﺎن ﻟـﺪﻳﻨﺎ ﺛـﻼث ﻣﺠﻤﻮﻋـﺎت‬
‫)أﻋﺰب‪ ،‬ﻣﺘﺰوج‪ ،‬ﻣﻄﻠﻖ(‪ ،‬أﻣﺎ إذا أﺧﺬﻧﺎ ﰲ اﻻﻋﺘﺒﺎر ﻣﺘﻐري اﻟﺠﻨﺲ )ذﻛﻮر وإﻧﺎث(‪ ،‬ﻓﺴﻮف ﻳﻜﻮن ﻟﺪﻳﻨﺎ ﺳـﺖ‬
‫ﻣﺠﻤﻮﻋﺎت ﻫﻲ‪:‬‬

‫‪ -‬ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر ُ‬
‫اﻟﻌﺰاب‬

‫‪ -‬ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث اﻟﻌﺰﺑﺎوات‬

‫‪ -‬ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر اﳌﺘﺰوﺟني‬

‫‪ -‬ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث اﳌﺘﺰوﺟﺎت‬

‫‪ -‬ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر اﳌﻄﻠﻘني‬

‫‪ -‬ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث اﳌﻄﻠﻘﺎت‬

‫‪-264-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫أي أن ﻛﻞ ﻣﺠﻤﻮﻋﺔ ﺣﺴﺐ اﻟﺤﺎﻟﺔ اﻻﺟﺘامﻋﻴﺔ ﺗﻢ ﺗﻘﺴﻴﻤﻬﺎ إﱃ ﻣﺠﻤﻮﻋﺘني ﺣﺴﺐ اﻟﺠﻨﺲ‪ ،‬أو أن ﻛـﻞ‬
‫ﻣﺠﻤﻮﻋﺔ ﺣﺴﺐ اﻟﺠﻨﺲ ﺗﻢ ﺗﻘﺴﻴﻤﻬﺎ إﱃ ﺛﻼث ﻣﺠﻤﻮﻋﺎت ﺣﺴﺐ اﻟﺤﺎﻟﺔ اﻻﺟﺘامﻋﻴﺔ‪:‬‬
‫اﻟﺠﻨﺲ‬
‫اﻟﺤﺎﻟﺔ اﻻﺟﺘامﻋﻴﺔ‬
‫إﻧﺎث‬ ‫ذﻛﻮر‬
‫أﻋﺰب‬
‫ﻣﺘﺰوج‬
‫ﻣﻄﻠﻖ‬

‫ﻟﻨﻔﺮض أن اﻟﺘﺴﺎؤل ﻫﻮ‪ :‬ﻫﻞ ﻳﺨﺘﻠﻒ ﻣﺘﻮﺳﻂ درﺟﺔ ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر اﳌﺘﺰوﺟني ﻋﻦ ﻣﺘﻮﺳـﻂ درﺟـﺔ‬
‫ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث اﳌﺘﺰوﺟﺎت ﻋﲆ ﻣﻘﻴﺎس ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن؟ ﻳﻼﺣـﻆ ﻣﻦ ﻫﺬا اﻟﺘﺴــﺎؤل أﻧﻨـﺎ أﺧـﺬﻧﺎ ﰲ‬
‫اﻻﻋﺘﺒﺎر ﻣﺘﻐريﻳﻦ ﻣﺴﺘﻘﻠني ﻣﻌﺎ‪ ،‬ﻫام ﻣﺘﻐري اﻟﺠﻨﺲ وﻣﺘﻐري اﻟﺤﺎﻟﺔ اﻻﺟﺘامﻋﻴﺔ‪ ،‬وﻳﻌـﱪ ﻋـﻦ ذﻟـﻚ إﺣﺼـﺎﺋﻴّﺎ‬
‫ﺑﺎﻟﺘﻔﺎﻋﻞ اﻟﺜﻨﺎيئ ﺑني اﳌﺘﻐـريات اﳌﺴﺘﻘﻠﺔ ﻣﻦ ﺣﻴﺚ ﺗﺄﺛري ﻫﺬا اﻟﺘﻔﺎﻋﻞ ﻋﲆ ﻣﺘﻐري ﺗﺎﺑﻊ؛ أي أن اﻟﺘﻌﺪد ﻫﻨـﺎ‬
‫إمنﺎ ﻫـﻮ ﻋـﲆ ﻣﺴـﺘﻮى اﳌﺘﻐــريات اﳌﺴـﺘﻘﻠﺔ‪ ،‬أﻣـﺎ اﳌﺘﻐــري اﻟﺘـﺎﺑﻊ ﻓﻬـﻮ ﻣﺘﻐـري واﺣـﺪ ﻓﻘـﻂ ‪(Only One‬‬
‫)‪ ،Dependent Variable‬وﻫﺬا ﻳﺨﺘﻠﻒ ﻋﻦ ﺗﺤﻠﻴـﻞ اﻟﺘﺒـﺎﻳﻦ ﻣﺘﻌـﺪد اﻻﺗﺠﺎﻫـﺎت‪ MANOVA‬ﺣﻴـﺚ ﻳﻜـﻮن‬
‫ﻫﻨﺎك أﻛرث ﻣﻦ ﻣﺘﻐري ﺗﺎﺑﻊ )‪.(More Than One Dependent Variable‬‬

‫واﻟﻮاﻗﻊ أن اﺳﺘﺨﺪام أﻛرث ﻣﻦ ﻣﺘﻐـري ﰲ ﺗﺼـﻨﻴﻒ ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨـﺔ ﻳﻜـﻮن ﻋـﺎدة ﺑﻌـﺪ اﳌﻘﺎرﻧـﺔ ﺑـني‬
‫اﳌﺠﻤﻮﻋﺎت ﻣﺼﻨﻔﺔ ﺣﺴـﺐ ﻣﺘﻐري واﺣﺪ؛ ﻣﻦ ﺣﻴﺚ ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس ﻣﻌــني )ّأﻳـﺎ ﻛـﺎن ﻋـﺪد‬
‫ﻫﺬه اﳌﺠـﻤﻮﻋﺎت(‪ ،‬ﺛﻢ ﻳﺮﻳﺪ اﻟﺒﺎﺣـﺚ أن ﻳﺘﻌﻤـﻖ ﺑﻌـﺾ اﻟﺸــﻲء ﳌﻌــﺮﻓﺔ أﺛـﺮ اﻟﺘﻔــﺎﻋﻞ ﺑـني اﳌﺘﻐـريات‬
‫اﳌﺴﺘﻘـﻠﺔ ﻋﲆ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪.‬‬

‫ﻛﻤﺜﺎل ﺗﻮﺿﻴﺤﻲ ﻟﻬﺬه اﻟﻔﻜﺮة ﻧﻔـﺮض أن إﺣﺪى اﻟﺪراﺳﺎت ﺗﻘﺼـﺖ اﻟﺘﻮﺟﻪ ﻧﺤـﻮ اﳌﻬﻨـﺔ‬
‫ﻟﺪى ﻋﻴﻨـﺔ ﻣـﻦ اﻟﻘﺎمئــني ﺑﺎﻻﺗﺼـﺎل )ن= ‪ ،(928‬وﻋﻨـﺪ اﳌﻘﺎرﻧـﺔ ﺑـني اﳌﺠﻤﻮﻋـﺎت اﻟﻔﺮﻋﻴـﺔ‬

‫‪-265-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﺑﺎﺳﺘﺨـﺪام اﺧﺘﺒـﺎر )‪ (t‬وﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ )‪ (ANOVA‬اﺗﻀﺢ أن اﺳﺘﺠﺎﺑﺎت اﳌﻔﺤﻮﺻني ﻋﲆ ﻣﻘﻴـﺎس اﻟﺘﻮﺟـﻪ‬

‫ﻧﺤﻮ اﳌﻬﻨﺔ ﺟﺎءت مبﺘﻮﺳﻂ ﻗﺪره ‪ 10.1‬واﻧﺤﺮاف ﻣﻌﻴﺎري ‪ ،3.7‬وﺗﺨﺘﻠﻒ ﻗﻴﻤﺔ ﻣﺘﻮﺳﻂ اﻟﺘﻮﺟﻪ ﻧﺤـﻮ اﳌﻬﻨﺔ‬
‫ﺣﺴﺐ اﳌﺘﻐريات اﻟﺪميﻮﺟﺮاﻓﻴﺔ واﳌﻬﻨﻴﺔ ﻋﲆ اﻟﻨﺤﻮ اﳌﺒني ﺑﺎﻟﺠﺪول اﻵيت‪:‬‬
‫ﻣﺆﴍات إﺣﺼﺎﺋﻴﺔ‬ ‫ع‬ ‫م‬ ‫ن‬ ‫اﳌﺘﻐريات‬
‫‪3.6‬‬ ‫‪9‬‬ ‫‪282‬‬ ‫اﻟﺠﻨﺲ‪ :‬ذﻛﻮر‬
‫*‪T=6.1‬‬
‫‪3.7‬‬ ‫‪10.6‬‬ ‫‪646‬‬ ‫إﻧﺎث‬
‫‪3.8‬‬ ‫‪10.2‬‬ ‫‪833‬‬ ‫اﻟﺘﻌﻠﻴﻢ‪ :‬ﺟﺎﻣﻌﻲ‬
‫‪T=1.4‬‬
‫‪3.6‬‬ ‫‪9.6‬‬ ‫‪95‬‬ ‫ﻓﻮق اﻟﺠﺎﻣﻌﻲ‬
‫‪3.6‬‬ ‫‪10.1‬‬ ‫‪524‬‬ ‫ﻣﺪة اﻟﺨﱪة‪ :‬أﻗﻞ ﻣﻦ ‪ 10‬ﺳﻨﻮات‬
‫‪T=0.06‬‬
‫‪3.8‬‬ ‫‪10.2‬‬ ‫‪404‬‬ ‫‪ 10‬ﺳﻨﻮات ﻓﺄﻛرث‬
‫‪3.8‬‬ ‫‪10.1‬‬ ‫‪387‬‬ ‫اﻟﺪﺧﻞ‪ :‬ﻣﻨﺨﻔﺾ‬
‫‪3.6‬‬ ‫‪10.4‬‬ ‫‪280‬‬ ‫ﻣﺘﻮﺳﻂ‬
‫‪F =1.1‬‬
‫‪3.8‬‬ ‫‪9.9‬‬ ‫‪261‬‬ ‫ﻣﺮﺗﻔﻊ‬
‫‪3.7‬‬ ‫‪10.1‬‬ ‫‪928‬‬ ‫اﻟﻌﻴﻨﺔ‬

‫‪*P  0.05‬‬

‫واﺿﺢ ﻣﻦ ﻫﺬا اﻟﺠﺪول ﻋﺪم وﺟﻮد ﻓﺮوق ﺑني ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﻣﻦ ﺣﻴﺚ اﻟﺘﻮﺟﻪ ﻧﺤﻮ اﳌﻬﻨﺔ وذﻟﻚ‬
‫ﺣﺴﺐ ﻣﺘﻐريات‪ :‬ﻣﺪة اﻟﺨﱪة وﻣﺘﻐري اﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ واﻟﺪﺧﻞ )‪ ،(P!0.05‬ﻟﻜﻦ ﻫﻨﺎك ً‬
‫ﻓﺮوﻗـﺎ ﺟﻮﻫﺮﻳـﺔ‬
‫ﰲ اﻟﺘﻮﺟﻪ ﻧﺤﻮ اﳌﻬﻨﺔ ﻟﺪى ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﺣﺴﺐ ﻣﺘﻐري اﻟﺠﻨﺲ )‪(P0.05‬؛ ﺣﻴﺚ ﻳﺘﻀﺢ ﻣﻦ اﻟﺠـﺪول‬
‫ﺗﻮﺟﻬﺎ ﻧﺤﻮ اﳌﻬﻨﺔ ﻣﻘﺎرﻧﺔ ﺑﺎﻟﺬﻛﻮر )م=‪ 10.6‬ﻟﻺﻧﺎث ﻣﻘﺎﺑﻞ ‪ 9‬ﻟﻠﺬﻛﻮر(‪ ،‬وإذا ﻛﺎن ذﻟﻚ ﻓـﻴام‬
‫أن اﻹﻧﺎث أﻛرث ً‬
‫ﻳﺨﺺ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﰲ اﻟﺘﻮﺟﻪ ﻧﺤﻮ اﳌﻬﻨﺔ ﺣﺴﺐ اﳌﺘﻐريات اﳌﻮﺿـﺤﺔ ﺑﺎﻟﺠـﺪول‬
‫ﻛﻞ ﻣﺘﻐري ﻋﲆ ﺣﺪة‪ ،‬ﻓﺈﻧﻪ ﺑﺎﺳﺘﺨﺪام اﻟﺘﻔﺎﻋﻞ اﻟﺜﻨﺎيئ)‪ (Bilateral Interaction‬ﺑني ﻫـﺬه اﳌﺘﻐـريات ﺧﻠﺼـﺖ‬
‫اﻟﺪراﺳﺔ إﱃ اﻟﻨﺘﻴﺠﺔ اﳌﻮﺿﺤﺔ ﺑﺎﻟﺠﺪول اﻵيت‪:‬‬

‫‪-266-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬
‫ﺣﺠﻢ‬ ‫ﻣﺘﻮﺳﻂ‬ ‫ﻣﺠﻤﻮع‬ ‫درﺟﺔ‬
‫ﻗﻴﻤﺔ ‪F‬‬ ‫ﻣﺼﺪر اﻟﺘﺒﺎﻳﻦ‬
‫اﻟﺘﺄﺛري‬ ‫اﳌﺮﺑﻌﺎت‬ ‫اﳌﺮﺑﻌﺎت‬ ‫اﻟﺤﺮﻳﺔ‬
‫‪0.85‬‬ ‫‪0.001‬‬ ‫‪11.4‬‬ ‫‪11.4‬‬ ‫‪1‬‬ ‫اﻟﺠﻨﺲ× اﻟﺘﻌﻠﻴﻢ‬
‫‪0.3‬‬ ‫ﺻﻔﺮ‬ ‫‪3.6‬‬ ‫‪3.6‬‬ ‫‪1‬‬ ‫اﻟﺠﻨﺲ×ﻣﺪة اﻟﺨﱪة‬
‫‪2.3‬‬ ‫‪0.005‬‬ ‫‪30.7‬‬ ‫‪61.5‬‬ ‫‪2‬‬ ‫اﻟﺠﻨﺲ× اﻟﺪﺧﻞ‬
‫‪*6.4‬‬ ‫‪0.007‬‬ ‫‪88.7‬‬ ‫‪88.7‬‬ ‫‪1‬‬ ‫اﻟﺘﻌﻠﻴﻢ ×ﻣﺪة اﻟﺨﱪة‬
‫‪0.6‬‬ ‫‪0.001‬‬ ‫‪8‬‬ ‫‪16‬‬ ‫‪2‬‬ ‫اﻟﺘﻌﻠﻴﻢ × اﻟﺪﺧﻞ‬
‫‪2.4‬‬ ‫‪0.005‬‬ ‫‪31.3‬‬ ‫‪62.6‬‬ ‫‪2‬‬ ‫ﻣﺪة اﻟﺨﱪة×ا ﻟﺪﺧﻞ‬

‫‪*P  0.05‬‬

‫ﻳﺘﻀﻤﻦ ﻫﺬا اﻟﺠﺪول ﺳﺘﺔ ﺗﻔﺎﻋﻼت ﺛﻨﺎﺋﻴﺔ‪ ،‬ﻫﻲ ﻛﺎﻓﺔ اﻟﺘﻔﺎﻋﻼت اﻟﺜﻨﺎﺋﻴﺔ اﳌﻤﻜﻨـﺔ ﺑـني اﳌﺘﻐـريات )وذﻟـﻚ‬
‫ﻋﲆ أﺳﺎس أن ﻟﺪﻳﻨﺎ أرﺑﻌﺔ ﻣﺘﻐريات ﻣﺴﺘﻘﻠﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن ﻋﺪد اﻟﺘﻔﺎﻋﻼت اﻟﺜﻨﺎﺋﻴﺔ اﳌﻤﻜﻨـﺔ ﻫـﻮ ‪=2÷ 3×4‬‬
‫‪ 6‬وﻣﻦ ﺑني ﻫﺬه اﻟﺘﻔﺎﻋﻼت اﻟﺴﺘﺔ ﻳﻮﺟﺪ ﺗﻔﺎﻋﻞ واﺣﺪ ﻓﻘﻂ ذو دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ ﻟﻠﺪرﺟﺔ ﻋﲆ ﻣﻘﻴـﺎس اﻟﺘﻮﺟـﻪ‬
‫ﻧﺤﻮ اﳌﻬﻨﺔ‪ ،‬أﻻ وﻫﻮ اﻟﺘﻔﺎﻋﻞ ﺑني ﻣﺘﻐري اﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ وﻣﺘﻐري ﻣﺪة اﻟﺨﱪة )وﻫﺬه ﻧﺘﻴﺠﺔ ﺟﺪﻳـﺪة ﻫﺎﻣـﺔ‬
‫ﺗﻢ اﻟﺤﺼﻮل ﻋﻠﻴﻬﺎ( ﺑﺎﺳـﺘﺨﺪام اﻟﺘﻔﺎﻋـﻞ اﻟﺜﻨـﺎيئ؛ وﻧﻈـ ًﺮا ﻟﻮﺟـﻮد دﻻﻟـﺔ ﻟﻬـﺬا اﻟﺘﻔﺎﻋـﻞ‪ ،‬ﻓﺈﻧـﻪ ﻳﺘﻌـني ﺗﻘﺼــﻲ‬
‫ﻣﻌـﺎ )ﻣﺘﻐري اﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ وﻣﺘﻐري ﻣـﺪة‬
‫ﻣﺘﻮﺳﻄﺎت درﺟﺎت ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﺣﺴﺐ ﻫﺬﻳﻦ اﳌﺘﻐـريﻳﻦ ً‬
‫اﻟﺨﱪة(‪ ،‬وﺑﺎﺳﺘﺨﺪام اﻟﺘﻔﺎﻋﻞ ﺛﻨﺎيئ اﻻﺗﺠـﺎه ﺟﺎءت اﻟﻨﺘﻴﺠـﺔ ﻋﲆ اﻟﻨﺤﻮ اﳌﺒني ﺑﺎﻟﺠﺪول اﻵيت‪:‬‬
‫ﻣﺪة اﻟﺨﱪة‬
‫‪ 10‬ﺳﻨﻮات ﻓﺄﻛرث‬ ‫أﻗﻞ ﻣﻦ ‪ 10‬ﺳﻨﻮات‬ ‫اﻟﺘﻌﻠﻴﻢ‬
‫ع‬ ‫م‬ ‫ع‬ ‫م‬
‫‪3.8‬‬ ‫‪10.1‬‬ ‫‪3.7‬‬ ‫‪10.2‬‬ ‫ﺟﺎﻣﻌﻲ‬
‫ﻓﻮق‬
‫‪3.6‬‬ ‫‪10.5‬‬ ‫‪3.4‬‬ ‫‪8.6‬‬
‫اﻟﺠﺎﻣﻌﻲ‬

‫ﻣﻌﺎ‪:‬‬
‫ﻳﺘﻀﻤﻦ اﻟﺠﺪول أرﺑﻊ ﻣﺠﻤﻮﻋﺎت ﻓﺮﻋﻴﺔ ﺗﻀﻤﻬﺎ اﻟﻌﻴﻨﺔ ﺣﺴﺐ ﻣﺘﻐري ﻣﺪة اﻟﺨﱪة وﻣﺘﻐري اﻟﺘﻌﻠﻴﻢ ً‬

‫‪-267-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ ﻣﺠﻤﻮﻋﺔ اﳌﻔﺤﻮﺻني ذوي اﻟﺘﻌﻠﻴﻢ اﻟﺠﺎﻣﻌﻲ واﻟﺨﱪة اﻷﻗﻞ ﻣﻦ ‪ 10‬ﺳﻨﻮات‬

‫ ﻣﺠﻤﻮﻋﺔ اﳌﻔﺤﻮﺻني ذوي اﻟﺘﻌﻠﻴﻢ ﻓﻮق اﻟﺠﺎﻣﻌﻲ واﻟﺨﱪة اﻷﻗﻞ ﻣﻦ ‪ 10‬ﺳﻨﻮات‬

‫ ﻣﺠﻤﻮﻋﺔ اﳌﻔﺤﻮﺻني ذوي اﻟﺘﻌﻠﻴﻢ اﻟﺠﺎﻣﻌﻲ واﻟﺨﱪة ‪ 10‬ﺳﻨﻮات ﻓﺄﻛرث‬

‫ ﻣﺠﻤﻮﻋﺔ اﳌﻔﺤﻮﺻني ذوي اﻟﺘﻌﻠﻴﻢ ﻓﻮق اﻟﺠﺎﻣﻌﻲ واﻟﺨﱪة ‪ 10‬ﺳﻨﻮات ﻓﺄﻛرث‬

‫وﻗﺮﻳﻦ ﻛﻞ ﻣﺠﻤﻮﻋﺔ ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ )م( واﻻﻧﺤﺮاف اﳌﻌﻴﺎري )ع(‪ ،‬وﻣﻦ اﻟﺠـﺪول ﻧﺘﺒـني ﺑﻮﺿـﻮح أن‬
‫اﻟﻘﺎمئني ﺑﺎﻻﺗﺼـﺎل ذوي اﻟﺨـﱪة اﻷﻃـﻮل ﰲ اﻟﻌﻤـﻞ‪ ،‬اﻟﺤﺎﺻـﻠني ﻋـﲆ ﻣـﺆﻫﻼت ﻓـﻮق اﻟﺠﺎﻣﻌﻴـﺔ ﻫـﻢ أﻛـرث‬
‫ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﺗﻌﺒ ًريا ﻋﻦ اﻟﺘﻮﺟﻪ اﻹﻳﺠﺎيب ﻧﺤﻮ اﳌﻬﻨﺔ )م=‪ ،(10.5‬ﻳﻠـﻴﻬﻢ ﻣﺠﻤﻮﻋـﺔ اﻟﻘـﺎمئني ﺑﺎﻻﺗﺼـﺎل‬
‫ﺗﻘﺮﻳﺒـﺎ‬
‫ذوي اﻟﺨﱪة اﻷﻗﻞ ﻣﻦ ﻋﺸـﺮ ﺳﻨﻮات اﻟﺤﺎﺻﻠني ﻋﲆ ﻣﺆﻫﻞ ﺟﺎﻣﻌﻲ )م= ‪ (10.2‬وﰲ اﳌﺮﺗﺒﺔ ﻧﻔﺴـﻬﺎ ً‬
‫ﺗﺄيت ﻣﺠﻤﻮﻋﺔ اﻟﻘﺎمئني ﺑﺎﻻﺗﺼﺎل ذوي اﻟﺨﱪة اﻷﻛرث ﻣﻦ ﻋﺸـﺮ ﺳﻨﻮات اﻟﺤﺎﺻﻠني ﻋﲆ ﻣﺆﻫـﻞ ﺟـﺎﻣﻌﻲ )م=‬
‫‪ ،(10.1‬أﻣﺎ أﻗﻞ اﳌﺠﻤﻮﻋﺎت ﺗﻌﺒ ًريا ﻋﻦ ﻫﺬا اﻟﺘﻮﺟﻪ – ﺣﺴـﺐ ﻣـﺪة اﻟﺨـﱪة واﳌﺴـﺘﻮى اﻟﺘﻌﻠﻴﻤـﻲ – ﻓﻬـﻲ‬
‫ﻣﺠﻤﻮﻋﺔ اﻟﻘﺎمئني ﺑﺎﻻﺗﺼﺎل ذوي اﻟﺨﱪ اﻷﻗﻞ ﻣﻦ ﻋﴩ ﺳﻨﻮات اﻟﺤﺎﺻـﻠني ﻋـﲆ ﻣـﺆﻫﻼت ﻓـﻮق اﻟﺠﺎﻣﻌﻴـﺔ‬
‫)م=‪ ..(8.6‬ﻫﻜﺬا ﻳﺘﻀﺢ ﻟﻨﺎ أن اﺳﺘﺨﺪام اﻟﺘﻔﺎﻋﻞ ﺛﻨﺎيئ اﻻﺗﺠﺎه ﻗـﺪ ﻣﻜﻨﻨـﺎ ﻣـﻦ رﺻـﺪ ﻣﺘﻮﺳـﻄﺎت درﺟـﺎت‬
‫ﻣﻌﺎ‪.‬‬
‫ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﻋﲆ ﻣﻘﻴﺎس اﻟﺘﻮﺟﻪ ﻧﺤﻮ اﳌﻬﻨﺔ ﺣﺴﺐ ﻣﺪة اﻟﺨﱪة واﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ ً‬
‫وﻗﺪ ﻳﻜﻮن اﻟﺘﻔﺎﻋﻞ ﺑني ﺛﻼﺛـﺔ ﻣﺘﻐـريات ﻣﺴـﺘﻘﻠﺔ أو أﻛـرث‪ ،‬وﻫـﻮ ﻳﻌـﺮف ﺑﺎﻟﺘﻔﺎﻋـﻞ اﳌﺘﻌـﺪد ‪(Multi‬‬
‫)‪ ،Interaction‬ﻛﻤﺜﺎل ﻋﲆ ذﻟﻚ ﻋﻨﺪﻣﺎ ﺗﺴﺘﻬﺪف اﻟﺪراﺳﺔ رﺻـﺪ ﻣﺘﻮﺳـﻄﺎت درﺟـﺎت ﻣﺠﻤﻮﻋـﺎت اﻟﻘـﺎمئني‬
‫ﺑﺎﻻﺗﺼﺎل ﻋﲆ ﻣﻘﻴﺎس اﻟﺘﻮﺟﻪ ﻧﺤﻮ اﳌﻬﻨـﺔ ﺣﺴـﺐ ﻣﺘﻐـريات اﻟﺠـﻨﺲ واﳌﺴـﺘﻮى اﻟﺘﻌﻠﻴﻤـﻲ وﻣـﺪة اﻟﺨـﱪة‬
‫ﻣﻌﺎ(‪ ،‬وﺣﺴﺐ ﻫﺬه اﳌﺘﻐريات اﻟﺜﻼﺛﺔ ﻳﻜﻮن ﻟﺪﻳﻨﺎ اﳌﺠﻤﻮﻋﺎت اﻵﺗﻴﺔ‪:‬‬
‫) ً‬

‫‪-268-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬
‫إﻧﺎث‬ ‫ذﻛﻮر‬ ‫اﻟﺠﻨﺲ‬
‫ﻓﻮق اﻟﺠﺎﻣﻌﻲ‬ ‫ﺟﺎﻣﻌﻲ‬ ‫ﻓﻮق اﻟﺠﺎﻣﻌﻲ‬ ‫ﺟﺎﻣﻌﻲ‬ ‫اﻟﺘﻌﻠﻴﻢ‬
‫أﻗﻞ ﻣﻦ ‪10‬‬
‫اﻟﺨﱪة‬
‫‪ 10‬ﺳﻨﻮات ﻓﺄﻛرث‬

‫ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر ذوي اﻟﺘﻌﻠﻴﻢ اﻟﺠﺎﻣﻌﻲ‪ ،‬ذوي اﻟﺨﱪة اﻷﻗﻞ ﻣﻦ ‪ 10‬ﺳﻨﻮات‬

‫ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر ذوي اﻟﺘﻌﻠﻴﻢ اﻟﺠﺎﻣﻌﻲ‪ ،‬ذوي اﻟﺨﱪة ‪ 10‬ﺳﻨﻮات ﻓﺄﻛرث‬

‫ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر ذوي اﻟﺘﻌﻠﻴﻢ ﻓﻮق اﻟﺠﺎﻣﻌﻲ‪ ،‬ذوي اﻟﺨﱪة اﻷﻗﻞ ﻣﻦ ‪ 10‬ﺳﻨﻮات‬

‫ﻣﺠﻤﻮﻋﺔ اﻟﺬﻛﻮر ذوي اﻟﺘﻌﻠﻴﻢ ﻓﻮق اﻟﺠﺎﻣﻌﻲ‪ ،‬ذوي اﻟﺨﱪة ‪10‬ﺳﻨﻮات ﻓﺄﻛرث‬

‫ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث ذوات اﻟﺘﻌﻠﻴﻢ اﻟﺠﺎﻣﻌﻲ‪ ،‬ذوات اﻟﺨﱪة اﻷﻗﻞ ﻣﻦ ‪ 10‬ﺳﻨﻮات‬

‫ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث ذوات اﻟﺘﻌﻠﻴﻢ اﻟﺠﺎﻣﻌﻲ‪ ،‬ذوات اﻟﺨﱪة ‪ 10‬ﺳﻨﻮات ﻓﺄﻛرث‬

‫ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث ذوات اﻟﺘﻌﻠﻴﻢ ﻓﻮق اﻟﺠﺎﻣﻌﻲ‪ ،‬ذوات اﻟﺨﱪة اﻷﻗﻞ ﻣﻦ ‪ 10‬ﺳﻨﻮات‬

‫ﻣﺠﻤﻮﻋﺔ اﻹﻧﺎث ذوات اﻟﺘﻌﻠﻴﻢ ﻓﻮق اﻟﺠﺎﻣﻌﻲ‪ ،‬ذوات اﻟﺨﱪة ‪ 10‬ﺳﻨﻮات ﻓﺄﻛرث‬
‫أي أﻧﻪ ﺣﺴﺐ ﻣﺘﻐريات اﻟﺠﻨﺲ واﻟﺘﻌﻠﻴﻢ وﻣﺪة اﻟﺨﱪة‪ ،‬ﻓﺈن اﻟﻌﻴﻨﺔ ﺗﻀﻢ مثﺎن ﻣﺠﻤﻮﻋﺎت ﻓﺮﻋﻴﺔ‪ ،‬وﻣﻦ‬
‫اﻟﻄﺒﻴﻌﻲ أن ﻳﺰداد ﻋﺪد ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﻛﻠام زاد ﻋﺪد اﳌﺘﻐريات اﻟﺘـﻲ ﺳـﺘﺆﺧﺬ ﰲ اﻻﻋﺘﺒـﺎر ﰲ اﻟﺘﻔﺎﻋـﻞ‬
‫وﻧﺤﻦ ﺑﺼﺪد ﺗﻄﺒﻴﻖ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠﺎه‪ ،‬ﻛام أن زﻳﺎدة ﻋﺪد اﳌﺘﻐريات اﻟﺘﻲ ﻳﺘﻀـﻤﻨﻬﺎ اﻟﺘﻔﺎﻋـﻞ‪،‬‬
‫ﻳﺘﻄﻠﺐ أن ﺗﻜﻮن اﻟﻌﻴﻨﺔ ﻛﺒرية مبﺎ ﻳﻀﻤﻦ وﺟﻮد اﻟﻌﺪد اﻟﻜﺎﰲ ﻣﻦ اﳌﻔﺮدات ﰲ ﻛـﻞ ﻣﺠﻤﻮﻋـﺔ ﻓﺮﻋﻴـﺔ‪ ،‬وﰲ‬
‫اﻟﻮﻗﺖ ﻧﻔﺴﻪ ﻳﻀﻤﻦ ﻋﺪم اﻹﺧﻼل ﺑﺸــﺮط أﺳـﺎﳼ ﰲ اﺳـﺘﺨﺪام اﳌﻘﺎرﻧـﺎت‪ ،‬أﻻ وﻫـﻮ اﻟﺘﻘـﺎرب ﺑـني ﻋـﺪد‬
‫ﻣـﺜﻼ أن ﺗﻜـﻮن إﺣـﺪى اﳌﺠﻤﻮﻋـﺎت ‪ 100‬ﻣﻔـﺮدة‬
‫ﻣﻔﺮدات اﳌﺠﻤﻮﻋﺎت اﻟﺘﻲ ﺗﺘﻢ اﳌﻘﺎرﻧﺔ ﺑﻴﻨﻬﺎ‪ ،‬ﻓﻼ ﻳﻌﻘـﻞ ً‬
‫وﻣﺠﻤﻮﻋﺔ أﺧﺮى ﺧﻤﺲ ﻣﻔﺮدات‪.‬‬

‫‪-269-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫اﳌﺒﺤﺚ اﻟﺮاﺑﻊ‬

‫أﺳﺎﻟﻴﺐ ﻻﺑﺎراﻣﱰﻳﺔ ﻟﻘﻴﺎس اﻟﻔﺮوق‬

‫ﺳﺒﻘـﺖ اﻹﺷﺎرة إﱃ ﻣﻌﻨﻰ اﻹﺣﺼﺎء اﻟﻼﺑﺎراﻣﱰي‪ ،‬واﻟﺬي ﻳﺘﻀـﻤﻦ ﺑﺪاﺋﻞ ﻣﺘﻌﺪدة ﻟﻘـﻴﺎس اﻟﻔـﺮوق ﺑـني‬
‫اﳌﺠﻤﻮﻋـﺎت‪ ،‬ﻓﺎﺧﺘـﺒﺎر ﻣﺎن وﻳﺘﻨﻲ )‪ً (Mann-Whitney) (U Test‬‬
‫ﻣﺜﻼ ﻫﻮ ﺑﺪﻳﻞ ﻻﺑﺎراﻣﱰي ﻻﺧﺘﺒﺎر )‪ ،(t‬ﻛـام‬
‫أن اﺧﺘﺒﺎر ﻛﺮوﺳﻜﺎل‪ -‬واﻟﻴﺲ )‪ (Kruskal- Wallis Test‬ﻫﻮ ﺑـﺪﻳﻞ ﻻﺑـﺎراﻣﱰي ﻟﺘﺤﻠﻴـﻞ اﻟﺘﺒـﺎﻳﻦ ذي اﻻﺗﺠـﺎه‬
‫اﻟﻮاﺣﺪ )‪ ..(One-Way ANOVA‬وﻫﻜﺬا‪ .‬ﻏـري أﻧـﻪ ﻗﺒـﻞ ﺗﻮﺿـﻴﺢ أﻫـﻢ اﻷﺳـﺎﻟﻴﺐ اﻹﺣﺼـﺎﺋﻴﺔ اﻟﻼﺑﺎراﻣﱰﻳـﺔ‬
‫اﻟﺨﺎﺻﺔ ﺑﻘﻴـﺎس اﻟﻔـﺮوق‪ ،‬ﻳﺘﻌـني ﺗﻮﺿـﻴﺢ اﳌﻘﺼـﻮد مبﺼـﻄﻠﺢ »اﳌﺠﻤﻮﻋـﺎت اﳌﺴـﺘﻘﻠﺔ« ﻣﻘﺎﺑـﻞ ﻣﺼـﻄﻠﺢ‬
‫»اﳌﺠﻤﻮﻋﺎت ﻏري اﳌﺴـﺘﻘﻠﺔ«‪ ،‬ﻣـﻦ اﻟﻀــﺮوري اﻟﺘﻨﻮﻳـﻪ إﱃ اﳌﻌﻨـﻰ اﻟـﺪﻗﻴﻖ ﻟﻜـﻼ اﳌﺼـﻄﻠﺤني؛ ﻷن ﻫﻨـﺎك‬
‫ﺛﻢ ﻓﺈن اﻟﺨﻠـﻂ ﺑـني اﳌﺼـﻄﻠﺤني ﻳﱰﺗـﺐ‬
‫ﻣﻌﺎﻣﻼت إﺣﺼﺎﺋﻴﺔ ﺗﺴﺘﺨﺪم ﻣﻊ ﻣﺼﻄﻠﺢ ﻣﻌني دون اﻵﺧﺮ؛ وﻣﻦ ّ‬
‫ﻋﻠﻴﻪ اﺳﺘﺨﺪاﻣﺎت ﺧﺎﻃﺌﺔ ﻟﻸﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ‪.‬‬

‫إن اﳌﻘﺼﻮد ﺑـ»اﳌﺠﻤﻮﻋﺎت اﳌﺴـﺘﻘﻠﺔ« ﻫـﻲ اﳌﺠﻤﻮﻋـﺎت اﳌﺘامﻳـﺰة ﰲ اﻟﺼـﻔﺔ أو اﻟﺨﺎﺻـﻴﺔ اﳌﻘﺎﺳـﺔ‪،‬‬
‫ﻓﺎﻟﺬﻛﻮر ﻣﺠﻤﻮﻋﺔ ﻣﺘامﻳﺰة‪ ،‬واﻹﻧﺎث ﻣﺠﻤﻮﻋـﺔ ﻣﺘامﻳـﺰة؛ أي أﻧﻨـﺎ ﺑﺼـﺪد ﻣﺠﻤـﻮﻋﺘني ﻣﺴـﺘﻘﻠﺘني‪ ،‬وﻋﻨـﺪﻣﺎ‬
‫ﻧﺼﻨﻒ ﻋﻴﻨﺔ ﻣﻦ اﳌﺒﺤﻮﺛني ﺣﺴﺐ ﻣﺤﻞ اﻹﻗﺎﻣﺔ إﱃ )رﻳـﻒ‪ ،‬ﺣﴬ‪ ،‬ﺑـﺪو(‪ ،‬ﻓﺈﻧﻨـﺎ ﻧﻜـﻮن أﻣـﺎم ﻣﺠﻤﻮﻋـﺎت‬
‫ﻣﺴﺘﻘﻠﺔ أو ﻣﺘامﻳﺰة‪.‬‬

‫أﻣﺎ »اﳌﺠﻤﻮﻋﺎت ﻏري اﳌﺴﺘﻘﻠﺔ«‪ ،‬ﻓﻴﻘﺼﺪ ﺑﻬﺎ اﳌﺠﻤﻮﻋﺎت اﳌﺮﺗﺒﻄـﺔ‪ ،‬مبﻌﻨـﻰ أن اﳌﺠﻤﻮﻋـﺔ اﻷوﱃ ﻫـﻲ‬
‫ﻧﻔﺴﻬﺎ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬أو ﻣﺘﻄﺎﺑﻘـﺔ ﻣﻌﻬـﺎ‪ ،‬وﻳﺘﻀـﺢ ذﻟـﻚ ﻋـﲆ ﺳـﺒﻴﻞ اﳌﺜـﺎل ﰲ ﺗﻄﺒﻴـﻖ اﳌﻘﻴـﺎس ﻋـﲆ‬
‫ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﳌﺒﺤﻮﺛني ﺛﻢ إﻋﺎدة ﺗﻄﺒﻴﻘﻪ ﻣﺮة أﺧﺮى ﻋـﲆ اﳌﺠﻤﻮﻋـﺔ ﻧﻔﺴـﻬﺎ‪ ،‬ﻓﻔـﻲ ﻫـﺬه اﻟﺤﺎﻟـﺔ ﻧﻜـﻮن‬
‫أﻳﻀـﺎ ﰲ‬
‫ﺑﺼﺪد ﻣﺠﻤﻮﻋﺘني ﻣﺮﺗﺒﻄﺘني )ﻏري ﻣﺴﺘﻘﻠﺘني(‪ ،‬ﻛام أن اﳌﺠﻤﻮﻋﺎت اﳌﺮﺗﺒﻄﺔ )ﻏري اﳌﺴﺘﻘﻠﺔ( ﺗﻜـﻮن ً‬
‫ﺣﺎﻟﺔ أن ﺗﻜﻮن ﻣﻔﺮدات اﻟﻌﻴﻨـﺔ ﻋﺒـﺎرة ﻋـﻦ أزواج ﻣﺘﻨـﺎﻇﺮة أو ﻣﺘﻄﺎﺑﻘـﺔ )‪ .(Matched Pairs‬وﻫﻨـﺎ ﻳﺘﻌـني‬
‫اﻟﻜﺸﻒ ﻋﻦ اﺗﺠﺎه وﺣﺠﻢ اﻟﻔﺮوق ﺑﻴﻨﻬﺎ‪.‬‬

‫‪-270-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫وﺗﺴﺘﺨﺪم اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﻟﻼﺑﺎراﻣﱰﻳﺔ ﰲ اﻟﺘﺤﻘـﻖ ﻣـﻦ اﻟﻔـﺮوض اﻟﻔﺎرﻗـﺔ ذات اﳌﺘﻐـريات اﻻﺳـﻤﻴﺔ‬
‫واﳌﺘﻐريات اﻟﺮﺗﺒﻴﺔ‪ ،‬وﺗﺨﺘﻠﻒ ﻫﺬه اﻷﺳﺎﻟﻴﺐ ﺣﺴﺐ ﻋﺪد اﳌﺠﻤﻮﻋﺎت )اﻟﻌﻴﻨﺎت( وﻃﺒﻴﻌﺘﻬﺎ )ﻣﺴـﺘﻘﻠﺔ أو ﻏـري‬
‫ﻣﺴﺘﻘﻠﺔ(‪ ،‬وﻛﺬﻟﻚ ﺣﺴﺐ ﻃﺒﻴﻌﺔ اﳌﺘﻐريات )اﺳﻤﻴﺔ أو رﺗﺒﻴﺔ( ﻋﲆ اﻟﻨﺤﻮ اﳌﺒني اﻟﺬي ﻳﻠﺨﺼﻪ ﻫﺬا اﻟﺠﺪول‪:‬‬
‫اﻟﺒﻴﺎﻧﺎت‬
‫اﳌﺠﻤﻮﻋﺎت )اﻟﻌﻴﻨﺎت(‬
‫رﺗﺒﻴﺔ‬ ‫اﺳﻤﻴﺔ‬
‫‪ -‬اﺧﺘﺒﺎر اﻟﻌﺸﻮاﺋﻴﺔ‬
‫‪ -‬اﺧﺘﺒﺎر ذو اﻟﺤﺪﻳﻦ‬
‫‪2‬‬ ‫ﻋﻴﻨـــﺔ واﺣﺪة‬
‫‪ -‬ﻛﺎ‬

‫‪ -‬اﺧﺘﺒﺎر ﻛﻮﳌﻮﺟﺮوف ﺳﻤري ﻧﻮف‬

‫‪ -‬اﺧﺘﺒﺎر ﻓﻴﴩ‬
‫‪ -‬اﺧﺘﺒﺎر ﻛﻮﳌﻮﺟﺮوف ﺳﻤري ﻧﻮف‬ ‫‪2‬‬ ‫ﻣﺠﻤﻮﻋـﺘﺎن‬
‫‪ -‬ﻛﺎ ﳌﻘﺎرﻧﺔ ﻣﺠﻤﻮﻋﺘني‬
‫‪ -‬اﺧﺘﺒﺎر ﻣﺎن وﺗﻨﻲ‬ ‫ﻣﺴﺘﻘﻠﺘﺎن‬
‫‪ -‬اﺧﺘﺒﺎر اﻟﻮﺳﻴﻂ‬
‫‪ -‬اﺧﺘﺒﺎر وﻟﻜﻮﻛﺴﻮن‬ ‫ﻣﺠﻤﻮﻋـﺘﺎن‬
‫‪ -‬اﺧﺘﺒﺎر ﻣﺎﻛﻨامرا‬
‫‪ -‬اﺧﺘﺒﺎر اﻹﺷﺎرة‬ ‫ﻏري ﻣﺴﺘﻘﻠﺘني‬
‫‪2‬‬
‫‪ -‬ﻛﺎ ﻟﻼﺳﺘﻘﻼﻟﻴﺔ‬
‫‪ -‬ﻛﺮوﺳﻜﺎل واﻟﻴﺲ‬ ‫ﺛﻼث ﻣﺠﻤﻮﻋﺎت )أو أﻛرث( ﻣﺴﺘﻘﻠﺔ‬
‫‪ -‬اﺧﺘﺒﺎر اﻟﻮﺳﻴﻂ‬
‫ﺛﻼث ﻣﺠﻤﻮﻋﺎت )أو أﻛرث( ﻏري‬
‫‪ -‬اﺧﺘﺒﺎر ﻓﺮﻳﺪﻣﺎن‬ ‫‪ -‬اﺧﺘﺒﺎر ﻛﻮﻛﺮان‬
‫ﻣﺴﺘﻘﻠﺔ‬

‫وﻓــﻴام ﻳــﲇ ﺗﻮﺿــﻴﺢ ﻟﻸﺳــﺎﻟﻴﺐ اﻹﺣﺼــﺎﺋﻴﺔ اﻟﻼﺑﺎراﻣﱰﻳــﺔ اﳌﻮﺿــﺤﺔ ﺑﺎﻟﺠــﺪول ﻣــﻦ‬

‫ﺧﻼل ﺗﺼﻨﻴﻔﻬﺎ ﺗﺤﺖ ﺗﻘﺴﻴﻤني أﺳﺎﺳﻴني‪ :‬اﻷول أﺳﺎﻟﻴﺐ إﺣﺼﺎﺋﻴﺔ ﻟﻘﻴـﺎس اﻟﻔـﺮوق ﰲ ﺣﺎﻟـﺔ‬
‫اﻟﺒﻴﺎﻧﺎت اﻻﺳﻤﻴﺔ‪ ،‬أﻣﺎ اﻟﺜﺎين ﻓﻬﻮ أﺳﺎﻟﻴﺐ إﺣﺼﺎﺋﻴﺔ ﻟﻘﻴﺎس اﻟﻔﺮوق ﰲ ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﻟﺮﺗﺒﻴـﺔ‪،‬‬

‫‪-271-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣـﻊ اﻷﺧـﺬ ﰲ اﻻﻋﺘﺒـﺎر ﻋـﺪد اﳌﺠﻤﻮﻋـﺎت وﻃﺒﻴﻌﺘﻬــﺎ؛ ﻣـﻦ ﺣﻴـﺚ ﻣـﺎ إذا ﻛﺎﻧـﺖ ﻣﺠﻤﻮﻋـﺎت ﻣﺴــﺘﻘﻠﺔ أو‬
‫ﻣﺠﻤﻮﻋﺎت ﻏري ﻣﺴﺘﻘﻠﺔ‪:‬‬

‫ً‬
‫أوﻻ‪ :‬ﻗﻴﺎس اﻟﻔﺮوق ﰲ ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﻻﺳﻤﻴﺔ‬

‫)أ( ﺑﻴﺎﻧﺎت اﺳﻤﻴﺔ ﻟﻌﻴﻨﺔ واﺣﺪة‪:‬‬

‫)‪ (1‬اﺧﺘﺒﺎر ﻋﺸﻮاﺋﻴﺔ اﻟﺪورة )‪ :(Run Test‬ﻳﻘﻮم ﻫﺬا اﻻﺧﺘﺒﺎر ﻋﲆ ﻣﻔﻬﻮم اﻟـﺪورة )‪ (Run‬مبﻌﻨـﻰ دورة‬
‫اﻟﺤﺪوث‪ ،‬ﻓﺎﻟﺪورة ﻫﻲ ﻣﺠﻤﻮﻋﺔ اﻷﺣﺪاث اﳌﺘﺸﺎﺑﻬﺔ‪ ،‬وﻗﺪ ﻳﺴـﺒﻘﻬﺎ أو ﻳﻌﻘﺒﻬـﺎ أﺣـﺪاث ﻣﺨﺎﻟﻔـﺔ‬
‫ﻟﻬﺎ‪ ،‬ﻛام ﻗﺪ ﻻ ﻳﺴﺒﻘﻬﺎ وﻻ ﻳﻌﻘﺒﻬﺎ أﺣﺪاث )‪ (Events‬ﻣﺨﺎﻟﻔﺔ‪ .‬إن ﻋﺪد اﻷﺣﺪاث ﰲ دورة اﻟﺤﺪوث‬
‫ﻳﻄﻠﻖ ﻋﻠﻴﻪ ﻃﻮل اﻟﺪورة‪ .‬وﻳﺨﺘﺺ )‪ (Run Test‬مبﻌﺮﻓﺔ ﻣﺎ إذا ﻛﺎن ﺣﺪوث أو ﻇﻬﻮر ﻗﻴﻤﺔ ﻣﻌﻴﻨـﺔ‬
‫ﻋﺸﻮاﺋﻴﺎ أم ﻻ؛ أي أن اﳌﺘﻐري ﺛﻨﺎيئ اﻟﺘﺼﻨﻴﻒ )ذﻛﻮر & إﻧﺎث(‪ ...‬ﻓﺈذا رﻣﺰﻧـﺎ ﻟﻬـﺬه‬
‫ّ‬ ‫ﳌﺘﻐري ﺛﻨﺎيئ ﻳﺘﻢ‬
‫اﻟﺜﻨﺎﺋﻴﺔ ﺑﺎﻟﺮﻗﻢ )‪ (1‬واﻟﺮﻗﻢ )‪ ،(2‬ﻓﺈن اﳌﺘﻐري ﻗﺪ ﻳﺄﺧﺬ اﻟﺮﻗﻢ )‪ (1‬أو اﻟﺮﻗﻢ )‪ ،(2‬اﻟﺘﺴﺎؤل ﻫﻮ ﻣﺎ إذا‬
‫ﻤﻌﺎ ﻳﺘﺴﺎوى ﻓﻴﻪ‬
‫ﻋﺸﻮاﺋﻴﺎ أم ﻻ؟ ﻟﻨﻔﱰض أن ﻟﺪﻳﻨﺎ ﻣﺠﺘ ً‬
‫ّ‬ ‫ﻛﺎﻧﺖ اﻟﻘﻴﻤﺔ اﻟﺘﻲ ﻳﺄﺧﺬﻫﺎ اﳌﺘﻐري ﺗﺤﺪث‬
‫ﻋﺪد اﻹﻧﺎث ﻣﻊ ﻋﺪد اﻟﺬﻛﻮر‪ ،‬وأﻧﻨﺎ ﺳﺤﺒﻨﺎ ﻋﻴﻨﺔ ﻣﻦ ﻫﺬا اﳌﺠﺘﻤﻊ ﻹﺟﺮاء دراﺳﺔ ﺗﺴﺘﻬﺪف ﻣﻌﺮﻓﺔ‬
‫ﻣﻌﺪل اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ‪ ،‬ﻫﻨﺎ ميﻜﻦ اﺳﺘﺨﺪام اﺧﺘﺒﺎر ﻋﺸﻮاﺋﻴﺔ اﻟﺪورة )‪ (Run Test‬ﳌﻌﺮﻓﺔ ﻣﺎ إذا‬
‫ﻛﺎﻧﺖ ﻫﺬه اﻟﻌﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ أم ﻏري ﻋﺸﻮاﺋﻴﺔ‪ ،‬ﻓﺈذا ﻛﺎن ﻣﻌﻈﻢ ﻣﻔﺮدات اﻟﻌﻴﻨﺔ ﻣﻦ ﺟـﻨﺲ واﺣـﺪ‬
‫)ذﻛﻮر ﻓﻘﻂ أو إﻧﺎث ﻓﻘﻂ(‪ ،‬ﻓﺈن ﻋﺸﻮاﺋﻴﺔ اﻟﻌﻴﻨﺔ ﺗﻜﻮن ﻣﺤﻞ ﺗﺴﺎؤل أو ﺷﻜﻮك‪.‬‬

‫)‪ (2‬اﺧﺘﺒﺎر ذو اﻟﺤﺪﻳﻦ )‪ :(Binomial Test‬ﻳﺴﺘﺨﺪم ﻫﺬا اﻻﺧﺘﺒﺎر ﳌﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق‬
‫ﺑني ﻧﺴﺒﺘني ﳌﺘﻐريات اﺳﻤﻴﺔ ﺛﻨﺎﺋﻴﺔ اﻟﺘﻘﺴﻴﻢ )ﻧﻌﻢ‪ -‬ﻻ(‪) ،‬ﻳﺸﺎﻫﺪ‪ -‬ﻻ ﻳﺸﺎﻫﺪ(‪) ،‬ﻳﻘﺮأ‬
‫اﻟﺼﺤﻒ‪ -‬ﻻ ﻳﻘﺮأ اﻟﺼﺤﻒ(‪ ،‬ﻓﺎﻟﺒﺎﺣﺚ ﻗﺪ ﻳﺮﻳﺪ ﻣﻌﺮﻓﺔ ﻣـﺎ إذا ﻛﺎﻧـﺖ ﻫﻨـﺎك ﻓـﺮوق‬
‫ﺟﻮﻫﺮﻳـــﺔ ﺑـــني ﻋـــﺪد اﳌﺸـــﺎﻫﺪﻳﻦ وﻋـــﺪد ﻏـــري اﳌﺸـــﺎﻫﺪﻳﻦ‪ ،‬أو ﺑـــني ﻋـــﺪد‬

‫‪-272-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫اﻟﻘﺮاء وﻋﺪد ﻏري اﻟﻘﺮاء ﰲ إﻃﺎر اﻟﻌﻴﻨﺔ اﻟﻮاﺣﺪة اﻟﺘﻲ ﺗﺘـﻮزع ﻣﻔﺮداﺗﻬـﺎ ﺣﺴـﺐ اﳌﺸـﺎﻫﺪة وﻋـﺪم‬
‫اﳌﺸﺎﻫﺪة‪ ،‬أو ﺑني اﻟﻘﺮاءة وﻋﺪم اﻟﻘﺮاءة‪ ...‬إﻟﺦ‪.‬‬
‫‪2‬‬
‫)‪ (3‬اﺧﺘﺒﺎر ﻛﺎ )‪ :( Chi Square Test) (x2‬ﻳﺴﺘﺨﺪم ﻫﺬا اﻻﺧﺘﺒﺎر ﻟﻠﻤﻘﺎرﻧـﺔ ﺑـني اﻟﺘﻜـﺮارات اﳌﺸـﺎﻫﺪة‬

‫)‪ (Observed‬واﻟﺘﻜﺮارات اﳌﺘﻮﻗﻌﺔ )‪ ،(Expected‬وﻳﺴﺘﺨﺪم ﻣﻊ اﻟﺒﻴﺎﻧﺎت اﻻﺳﻤﻴﺔ ﺛﻼﺛﻴـﺔ اﻟﺘﻘﺴـﻴﻢ‬

‫ﺿﻤﻦ اﻟﻌﻴﻨﺔ اﻟﻮاﺣﺪة)ﻛﺄن ﺗﻜﻮن اﻟﻮﺳﻴﻠﺔ اﳌﻔﻀـﻠﺔ‪ :‬اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ‪ ،‬اﻟﺘﻠﻴﻔﺰﻳـﻮن‪ ،‬اﻹﻧﱰﻧـﺖ(‪،‬‬
‫وﻳﺮﻳﺪ اﻟﺒﺎﺣﺚ اﻟﺘﺤﻘﻖ ﻣﻦ اﻟﻔﺮض اﻟﻘﺎﺋﻞ )ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﻟﻮﺳﺎﺋﻞ اﻹﻋﻼﻣﻴـﺔ ﻣـﻦ‬
‫ﺣﻴﺚ اﻟﺘﻔﻀﻴﻞ(‪.‬‬
‫‪2‬‬
‫)‪ (4‬اﺧﺘﺒﺎر ﻛﻮﳌﻮﺟﺮوف ‪ -‬ﺳﻤري ﻧﻮف )‪ ،(Kolmogrov-Smirnov Test‬وﻳﺴﺘﺨﺪم ﻧﻔـﺲ اﺳـﺘﺨﺪام ﻛـﺎ‬

‫اﳌﺸﺎر إﻟﻴﻪ ﺧﺎﺻﺔ إذا ﻛﺎن ﺣﺠﻢ اﻟﻌﻴﻨﺔ أﻛﱪ ﻣﻦ ‪) 30‬ن < ‪ ،(30‬ﻓﻔﻲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﻜـﻮن اﺧﺘﺒـﺎر‬
‫‪2‬‬
‫ﻛﻮﳌﻮﺟﺮوف – ﺳﻤري ﻧﻮف أﻛرث دﻗﺔ ﻣﻦ اﺧﺘﺒﺎر ﻛﺎ ‪.‬‬

‫)ب( ﺑﻴﺎﻧﺎت اﺳﻤﻴﺔ ﳌﺠﻤﻮﻋﺘني ﻣﺴﺘﻘﻠﺘني‪:‬‬

‫)‪ (1‬اﺧﺘﺒﺎر ﻓﻴﺸـﺮ )‪ :(Fisher Test‬ﻳﺴﺘﺨﺪم ﻫﺬا اﻻﺧﺘﺒﺎر ﻟﻠﻤﻘﺎرﻧﺔ ﺑني ﻣﺠﻤﻮﻋﺘني ﻣﺴﺘﻘﻠﺘني )ذﻛﻮر &‬
‫إﻧﺎث أو ﻏري ذﻟﻚ(؛ ﻣﻦ ﺣﻴﺚ ﻣﺘﻐري اﺳﻤﻲ ﺛﻨﺎيئ )ﻣﺜﺎل ذﻟﻚ‪ :‬ﻣﺸﺎﻫﺪة ﻧﺸـﻄﺔ & ﻣﺸـﺎﻫﺪة ﻏـري‬
‫ﻧﺸــﻄﺔ(‪ ،‬وذﻟــﻚ ﻻﺧﺘﺒــﺎر اﻟﻔــﺮض اﻟﺼــﻔﺮي اﻟﻘﺎﺋــﻞ ﺑﻌــﺪم وﺟــﻮد ﻓــﺮوق ﺑــني اﻟﺠﻨﺴــني ﰲ منــﻂ‬
‫اﳌﺸﺎﻫﺪة )ﻛﻤﺜﺎل(‪.‬‬
‫‪2‬‬
‫)‪ (2‬اﺧﺘﺒﺎر ﻛﺎ )‪ (Chi Square Test) (x2‬ﳌﻘﺎرﻧﺔ ﻣﺠﻤﻮﻋﺘني‪:‬‬

‫أﻳﻀﺎ ﻟﻠﻤﻘﺎرﻧﺔ ﺑني ﻣﺠﻤﻮﻋﺘني ﻣﺴﺘﻘﻠﺘني؛ ﻣﻦ ﺣﻴـﺚ ﻣﺘﻐـري‬

‫ﻳﺴﺘﺨﺪم ﻫﺬا اﻻﺧﺘﺒﺎر ً‬
‫اﺳﻤﻲ )‪ (Nominal‬ﻛﺎﳌﻘﺎرﻧﺔ ﺑني ﻣﺠﻤﻮﻋﺔ اﻟـﺬﻛﻮر وﻣﺠــﻤﻮﻋﺔ اﻹﻧـﺎث؛ ﻣـﻦ ﺣﻴـﺚ‬

‫‪-273-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫منﻂ ﻗﻀـﺎء اﻟﻮﻗﺖ )ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‪ -‬ﻗـﺮاءة اﻟﺼـﺤﻒ‪ -‬ﻗـﺮاءة اﻟﻜﺘـﺐ(‪ ،‬أو ﻟﻠﻤﻘﺎرﻧـﺔ ﺑـني‬
‫ﻣﺠﻤﻮﻋﺔ اﳌﴫﻳني وﻣﺠﻤﻮﻋﺔ اﻟﻜﻮﻳﺘﻴني؛ ﻣﻦ ﺣﻴﺚ اﻟﻮﺳﻴﻠﺔ اﻹﻋﻼﻣﻴﺔ اﳌﻔﻀﻠﺔ )ﺗﻠﻴﻔﺰﻳﻮن اﻟﺪوﻟﺔ‪-‬‬
‫اﻟﻘﻨﻮات اﻷﺟﻨﺒﻴﺔ(‪.‬‬

‫)‪ (3‬اﺧﺘﺒﺎر اﻟﻮﺳﻴﻂ )‪ :(The Median Test‬ﻳﺴﺘﺨﺪم ﻫﺬا اﻻﺧﺘﺒـﺎر ﻟﻠﻤﻘﺎرﻧـﺔ ﺑـني ﻣﺠﻤـﻮﻋﺘني ﻣـﻦ ﺣﻴـﺚ‬
‫اﻟﻮﺳﻴﻂ )‪ (Median‬ﰲ ﻣﺘﻐري اﺳﻤﻲ ﻣﻌني )ﻛﺎﳌﻘﺎرﻧﺔ ﺑني اﻟـﺬﻛﻮر واﻹﻧـﺎث ﻣـﻦ ﺣﻴـﺚ وﺟـﻮد ﺻـﻔﺔ‬
‫ﻣﻌﻴﻨﺔ ﻟﻬﺎ ﺻﻔﺔ اﳌﺘﻐري اﻻﺳﻤﻲ )اﻻﻫﺘامم ﺑﺎﻟﺴﻴﺎﺳﺔ & ﻋﺪم اﻻﻫﺘامم ﺑﺎﻟﺴﻴﺎﺳﺔ(‪ ،‬ﻓﻔﻲ ﻫﺬه اﻟﺤﺎﻟـﺔ‬
‫ﻳﻜﻮن ﻫﻨﺎك ﺗﻜﺮارات ﻟﻠﺬﻛﻮر وأﺧﺮى ﻟﻺﻧﺎث‪ ،‬وﻳﺘﻢ إﻳﺠﺎد اﻟﻮﺳـﻴﻂ ﻟﻠﻤﺠﻤـﻮﻋﺘني‪ ،‬ﺛـﻢ ﻧﺤـﺪد ﻋـﺪد‬
‫اﻷﻓﺮاد اﻟﺬﻳﻦ ﺗﻘﻊ ﺗﻜﺮاراﺗﻬﻢ ﻓﻮق اﻟﻮﺳﻴﻂ‪ ،‬وﻋﺪد اﻷﻓﺮاد اﻟﺬﻳﻦ ﺗﻘﻊ ﺗﻜـﺮاراﺗﻬﻢ ﺗﺤـﺖ اﻟﻮﺳـﻴﻂ أو‬
‫ﺛﻢ ﻧﻌﺮف ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني اﻟﺠﻨﺴني‪.‬‬
‫ﻟﻜﻞ ﻣﻦ اﻟﺬﻛﻮر واﻹﻧﺎث؛ وﻣﻦ ّ‬
‫ﻣﺴﺎوﻳﺔ ﻟﻪ ﱟ‬

‫)ج( ﺑﻴﺎﻧﺎت اﺳﻤﻴﺔ ﳌﺠﻤﻮﻋﺘني ﻏري ﻣﺴﺘﻘﻠﺘني‪:‬‬

‫وﻫﻨﺎ ﻳﺴﺘﺨﺪم اﺧﺘﺒﺎر ﻣﺎﻛﻨامرا )‪ (McNamara Test‬اﻟﺬي ﻳﻘﻴﺲ ﻣﻌﻨﻮﻳـﺔ اﻟﻔـﺮوق ﺑـني ﺗﻄﺒﻴﻘـني ﻣـﻦ‬
‫ﺣﻴﺚ ﻣﺘﻐري اﺳﻤﻲ ﺛﻨﺎيئ اﻟﺘﻘﺴﻴﻢ‪ ،‬ﻣﺜﺎل ذﻟﻚ اﳌﻘﺎرﻧﺔ ﺑني ﻋﺪد اﳌﺠﻤﻮﻋﺔ اﻟﺘﻲ ﺗﺸﺎﻫﺪ ﺑﺮﻧـﺎﻣﺞ ﺗﻠﻴﻔﺰﻳـﻮين‬
‫ﻣﻌني ﰲ اﻟﻔﱰة اﻟﺼﺒﺎﺣﻴﺔ وﻋﺪد اﳌﺠﻤﻮﻋﺔ ﻧﻔﺴﻬﺎ اﻟﺘﻲ ﺗﺸﺎﻫﺪ ﻫﺬا اﻟﱪﻧﺎﻣﺞ ﰲ اﻟﻔﱰة اﳌﺴﺎﺋﻴﺔ‪ ،‬أو اﳌﻘﺎرﻧﺔ‬
‫ﺑني ﻗﺮاءة اﻟﺼﺤﻴﻔﺔ اﻟﻴﻮﻣﻴﺔ ﻣﻦ ﺟﺎﻧﺐ ﻋﻴﻨﺔ اﻟﺒﺤﺚ ﰲ ﻳﻮم ﻣﻌني ﺑﻘﺮاءﺗﻬﺎ ﰲ ﻳﻮم آﺧﺮ ﻣﻦ ﺟﺎﻧﺐ اﻟﻌﻴﻨـﺔ‬
‫ﻧﻔﺴﻬﺎ‪.‬‬

‫)د( ﺑﻴﺎﻧﺎت اﺳﻤﻴﺔ ﻟﺜﻼث ﻣﺠﻤﻮﻋﺎت ﻣﺴﺘﻘﻠﺔ أو أﻛرث‪:‬‬

‫‪2‬‬
‫)‪ (1‬اﺧﺘﺒﺎر ﻛﺎ ﻟﻼﺳﺘﻘﻼﻟﻴﺔ )‪ :(Chi-Square Test for Independence‬وﻫﻮ ﻳﺴﺘﺨﺪم ﻟﻠﺘﺤﻘﻖ ﻣﻦ ﻋـﺪم‬

‫وﺟــﻮد ﻓــﺮوق ﺟﻮﻫﺮﻳــﺔ ﺑــني ﺛــﻼث ﻣﺠﻤﻮﻋــﺎت ﻣﺴــﺘﻘﻠﺔ )أو أﻛــرث(‪ ،‬ﻣــﻦ ﺣﻴــﺚ ﻣﺘﻐــري اﺳــﻤﻲ‬
‫)ﻛﺎﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺎت‪ :‬اﻟﺮﻳﻒ‪ ،‬اﻟﺤﻀـﺮ‪ ،‬اﻟﺒﺪو(؛ ﻣﻦ ﺣﻴﺚ ﻧﻮﻋﻴﺔ اﻟﱪاﻣﺞ اﳌﻔﻀـﻠﺔ )اﻷﺧﺒـﺎر‪،‬‬
‫اﻟﺪراﻣﺎ‪ ،‬ﺑﺮاﻣﺞ اﳌﻨﺎﻗﺸﺎت‪ ،‬اﻟﱪاﻣﺞ اﻟﺪﻳﻨﻴﺔ(‪ ،‬ﻓﺎﻟﺘﻌﺎﻣﻞ ﻫﻨﺎ ﻳﻜـﻮن ﻣـﻊ اﻟﺘﻜـﺮارات اﻟﺨﺎﺻـﺔ ﺑﻜـﻞ‬
‫ﻣﺠﻤﻮﻋﺔ‪.‬‬
‫‪-274-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫)‪ (2‬اﺧﺘﺒﺎر اﻟﻮﺳﻴﻂ )‪ :(The Median Test‬إذا ﻛـﺎن اﺧﺘﺒـﺎر اﻟﻮﺳـﻴﻂ ﻳﺴـﺘﺨﺪم ﻟﻠﻤﻘﺎرﻧـﺔ ﺑـني ﻋﻴﻨﺘـني‬
‫أﻳﻀﺎ ﻟﻠﻤﻘﺎرﻧﺔ ﺑني ﺛﻼث ﻋﻴﻨـﺎت ﻣﺴـﺘﻘﻠﺔ )أو أﻛـرث‬
‫ﻣﺴﺘﻘﻠﺘني ﻛام ﺳﺒﻘﺖ اﻹﺷﺎرة‪ ،‬ﻓﺈﻧﻪ ﻳﺴﺘﺨﺪم ً‬
‫ﻣﻦ ﺛﻼث ﻋﻴﻨﺎت(‪ ،‬ﻓﻤﻦ ﺧﻼل اﺧﺘﺒﺎر اﻟﻮﺳﻴﻂ ميﻜﻦ اﳌﻘﺎرﻧﺔ ﺑني ﺛـﻼث ﻣﺠﻤﻮﻋـﺎت ﻣﺴـﺘﻘﻠﺔ )أو‬
‫أﻛرث(؛ ﻣﻦ ﺣﻴﺚ اﻟﻮﺳﻴﻂ )‪ (Median‬ﰲ ﻣﺘﻐري اﺳﻤﻲ ﻣﻌني‪ ،‬ﻛﺎﳌﻘﺎرﻧﺔ ﺑني ﻣﺠﻤﻮﻋـﺎت‪) :‬اﻟﻘـﺎﻫﺮة‪،‬‬
‫اﻟﻮﺟﻪ اﻟﻘﺒﲇ‪ ،‬اﻟﻮﺟﻪ اﻟﺒﺤـﺮي(؛ ﻣـﻦ ﺣﻴـﺚ اﻟﺼـﺤﻒ اﳌﻘـﺮوءة )اﻷﻫـﺮام‪ ،‬اﻷﺧﺒـﺎر‪ ،‬اﻟﺠﻤﻬﻮرﻳـﺔ‪،‬‬
‫اﻋﺘامدا ﻋﲆ اﻟﺘﻜﺮارات ﻣﻮزﻋﺔ ﻋﲆ ﻫﺬﻳﻦ اﳌﺘﻐريﻳﻦ‪.‬‬
‫ً‬ ‫اﻟﻮﻓﺪ‪ ،‬اﳌﴫي اﻟﻴﻮم(‪ ،‬وذﻟﻚ‬

‫)ﻫـ( ﺑﻴﺎﻧﺎت اﺳﻤﻴﺔ ﻟﺜﻼث ﻣﺠﻤﻮﻋﺎت )أو أﻛرث( ﻏري ﻣﺴﺘﻘﻠﺔ‪:‬‬

‫ﻳﺴﺘﺨﺪم ﰲ ذﻟﻚ اﺧﺘﺒﺎر ﻛﻮﻛﺮان )‪ (The Cochran Q Test‬وﻳﺘﻄﻠﺐ ﺗﻄﺒﻴـﻖ ﻫـﺬا اﻻﺧﺘﺒـﺎر أن ﺗﻜـﻮن‬
‫اﻻﺳﺘﺠﺎﺑﺎت ﺛﻨﺎﺋﻴﺔ وﻳﺘﻢ ﺗﻜﻮﻳﺪﻫﺎ ﺑﺎﻟﺼﻔﺮ أو اﻟﻮاﺣـﺪ اﻟﺼـﺤﻴﺢ‪ ،‬ﻓـﺈذا ﻛﺎﻧـﺖ اﻻﺳـﺘﺠﺎﺑﺎت ﻫـﻲ ﻣﺸـﺎﻫﺪة‬
‫إﻋﻼن ﻣﻌني‪ ،‬ﻓﺈن اﳌﺸﺎﻫﺪة ﺗﺄﺧﺬ اﻟﺮﻗﻢ اﻟﻜﻮدي )‪ (1‬أﻣﺎ ﻋﺪم اﳌﺸـﺎﻫﺪة ﻓﺘﺄﺧـﺬ اﻟـﺮﻗﻢ اﻟﻜـﻮدي )ﺻـﻔﺮ(‪.‬‬
‫ﻣﺜﺎل‪ :‬ﻟﺪﻳﻨﺎ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﳌﺒﺤﻮﺛني وﻗﺪ أﺟﺮﻳﺖ ﻋﻠﻴﻬﻢ دراﺳﺔ ﺗﺴﺘﻬﺪف ﻣﻌﺮﻓـﺔ ﻣـﺪى ﻣﺸـﺎﻫﺪة إﻋـﻼن‬
‫ﺗﻠﻴﻔﺰﻳﻮين ﻣﻌني ﺛﻼث ﻣﺮات‪ ،‬وﰲ ﻛﻞ ﻣﺮة ﻛﺎن اﻹﻋﻼن ﻳﺬاع ﺑﺸﻜﻞ ﻣﺨﺘﻠﻒ‪ ،‬وﻧﺮﻳـﺪ اﻟﺘﺤﻘـﻖ ﻣـﻦ اﻟﻔـﺮض‬
‫اﻟﺘﺎﱄ‪» :‬ﻻ ﺗﻮﺟﺪ ﻓﺮوق داﻟﺔ إﺣﺼﺎﺋﻴّﺎ ﰲ ﻣﺸﺎﻫﺪة اﻹﻋﻼن اﻟﺘﻠﻴﻔﺰﻳﻮين ﺑﺎﺧﺘﻼف اﻟﺸﻜﻞ اﻟﺬي ﻳﻌـﺮض ﺑـﻪ«‪.‬‬
‫إن اﺧﺘﺒﺎر ﻛﻮﻛﺮان ﻳﻮﺿﺢ ﻟﻨﺎ ﻣﺎ إذا ﻛﺎﻧﺖ ﻫﻨﺎك ﻓﺮوق ﺟﻮﻫﺮﻳـﺔ ﰲ ﻣﺸـﺎﻫﺪة اﻹﻋـﻼن ﺑﺎﺧﺘــﻼف اﻟﺸـﻜﻞ‬
‫اﻟﺬي ﻳﻌﺮض ﺑﻪ ﰲ اﻟﺘﻠﻴﻔﺰﻳﻮن‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬ﻗﻴﺎس اﻟﻔﺮوق ﰲ ﺣﺎﻟﺔ اﻟﺒﻴﺎﻧﺎت اﻟﺮﺗﺒﻴﺔ‬

‫ً‬
‫)أ( اﻟﻔﺮوق اﻟﺮﺗﺒﻴﺔ ﳌﺠﻤﻮﻋﺘني ﻣﺴﺘﻘﻠﺘني‪:‬‬

‫)‪ (1‬اﺧﺘﺒﺎر ﻛﻮﳌﻮﺟﺮوف ‪ -‬ﺳﻤري ﻧـﻮف )‪ (Kolmogrov-Smirnov Test‬وﻫـﻮ ﻳﺴـﺘﺨﺪم‬

‫ﻻﺧﺘﺒــﺎر دﻻﻟــﺔ اﻟﻔــﺮوق ﺑــني ﻣﺠﻤــﻮﻋﺘني ﻣﺴــﺘﻘﻠﺘني؛ ﻣــﻦ ﺣﻴــﺚ ﻣﺘﻐــري رﺗﺒــﻲ‬

‫‪-275-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫)ﻛﺎﳌﻘﺎرﻧﺔ ﺑني اﻟﺬﻛﻮر واﻹﻧﺎث ﻣﻦ ﺣﻴﺚ ﺗﻔﻀـﻴﻞ اﻹﻧﱰﻧـﺖ‪ :‬ﻻ أﻓﻀـﻞ‪ -‬أﻓﻀـﻞ ﺑﺪرﺟـﺔ ﺿـﻌﻴﻔﺔ‪-‬‬
‫أﻓﻀﻞ ﺑﺪرﺟﺔ ﻣﺘﻮﺳﻄﺔ‪ -‬أﻓﻀﻞ ﺑﺪرﺟﺔ ﻣﺮﺗﻔﻌﺔ(‪.‬‬

‫)‪ (2‬اﺧﺘﺒﺎر ﻣﺎن‪ -‬وﺗﻨـﻲ )‪ :(Mann-Whitney) (U Test‬ﻳﺴـﺘﺨﺪم ﻫـﺬا اﻻﺧﺘﺒـﺎر ﻟﻠﻤﻘﺎرﻧـﺔ ﺑـني ﻋﻴﻨﺘـني‬
‫ﻣﺴﺘﻘﻠﺘني )ذﻛﻮر & إﻧﺎث( أو )رﻳﻒ & ﺣﻀـﺮ(‪ ....‬وذﻟﻚ ﰲ ﻣﺘﻐري رﺗﺒﻲ‪ ،‬أو ﰲ ﻣﺘﻐـري آﺧـﺮ ﺑﻌـﺪ‬
‫ﺗﺤﻮﻳﻠﻪ إﱃ ﻣﺘﻐري رﺗﺒﻲ‪ ،‬وﻫﺬا اﻻﺧﺘﺒﺎر ﻳﺴﺘﺨﺪم ﻛﺒﺪﻳﻞ ﻋﻦ اﺧﺘﺒﺎر )‪ (T‬ﻋﻨـﺪﻣﺎ ﻻ ﺗﺘـﻮاﻓﺮ ﴍوط‬
‫اﺧﺘﺒﺎر )‪ (T‬أو ﻋﻨﺪﻣﺎ ﻳﺼﻌﺐ ﺗﻄﺒﻴﻖ اﺧﺘﺒﺎر )‪ (T‬ﻟﺴﺒﺐ أو ﻵﺧﺮ‪.‬‬

‫)ب( اﻟﻔﺮوق اﻟﺮﺗﺒﻴﺔ ﳌﺠﻤﻮﻋﺘني ﻏري ﻣﺴﺘﻘﻠﺘني‪:‬‬

‫ﻳﺘﻴﺢ اﻹﺣﺼﺎء اﻟﻼﺑﺎراﻣﱰي أﺳﺎﻟﻴﺐ إﺣﺼﺎﺋﻴﺔ ﻣﺘﻨﻮﻋﺔ ﳌﻌﺮﻓﺔ ﻣﺎ إذا ﻛﺎﻧﺖ ﻫﻨﺎك ﻓـﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑـني‬
‫ﻣﺘﻮﺳﻄني ﳌﺘﻐري رﺗﺒﻲ ﻣﻌني‪ ،‬وذﻟﻚ ﳌﺠﻤﻮﻋﺘني ﻏري ﻣﺴﺘﻘﻠﺘني‪،‬وﻣﻦ ﻫﺬه اﻷﺳﺎﻟﻴﺐ‪:‬‬

‫)‪ (1‬اﺧﺘﺒــﺎر وﻟﻜﻮﻛﺴــﻮن )‪ :(Wilcoxon Test‬وﻳﺴــﺘﺨﺪم ﻫــﺬا اﻻﺧﺘﺒــﺎر ﳌﻌﺮﻓــﺔ ﻣﻘــﺪار اﻟﻔــﺮوق ﺑــني‬
‫ﻣﺠﻤﻮﻋﺘني ﻣﺮﺗﺒﻄﺘني )ﻏري ﻣﺴﺘﻘﻠﺘني(؛ وذﻟﻚ ﻣـﻦ ﺣﻴـﺚ ﻣﺘﻐـري رﺗﺒـﻲ )ﻛﺎﳌﻘﺎرﻧـﺔ ﺑـني ﻣﺴـﺘﻮى‬
‫درﺟﺎت ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﳌﺒﺤﻮﺛني ﻋﲆ ﻣﻘﻴﺎس ﻛﺜﺎﻓﺔ ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن )ﻣـﻨﺨﻔﺾ‪ -‬ﻣﺘﻮﺳـﻂ‪-‬‬
‫ﻣﺮﺗﻔﻊ( ﻗﺒﻞ أﺣﺪاث ﻣﻌﻴﻨﺔ ﺑﺪرﺟﺎﺗﻬﻢ ﻋﲆ اﳌﻘﻴﺎس ﻧﻔﺴﻪ ﺑﻌﺪ وﻗﻮع ﻫﺬه اﻷﺣﺪاث‪ ،‬أو ﻣﻘﺎرﻧـﺔ‬
‫ﻣﺴﺘﻮى ﺗﻔﻀﻴﻞ ﻋﻴﻨﺔ ﻣﻦ اﻟﻨﺎﺧﺒني ﳌﺮﺷﺢ ﻣﻌني ﻗﺒﻞ ﺗﻨﻔﻴﺬ اﻟﺤﻤﻠﺔ اﻟﺪﻋﺎﺋﻴﺔ وﺑﻌـﺪ ﺗﻨﻔﻴـﺬ ﻫـﺬه‬
‫اﻟﺤﻤﻠﺔ‪ ،‬أو ﳌﻘﺎرﻧـﺔ ﻣﺘﻮﺳـﻂ رﺗـﺐ درﺟـﺔ ﻋﻴﻨـﺔ اﻟﺜﺒـﺎت ﻋـﲆ ﻣﻘﻴـﺎس ﻣﻌـني ﰲ اﻟﺘﻄﺒﻴـﻖ اﻷول‬
‫مبﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻧﻔﺴﻬﺎ ﻋﲆ اﳌﻘﻴﺎس ﻧﻔﺴـﻪ ﰲ اﻟﺘﻄﺒﻴـﻖ اﻟﺜـﺎين‪ ،‬أو ﳌﻘﺎرﻧـﺔ ﻣﺘﻮﺳـﻂ رﺗـﺐ‬
‫درﺟﺔ اﻟﻌﻴﻨﺔ ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن مبﺘﻮﺳـﻂ رﺗـﺐ درﺟﺘﻬـﺎ ﻋـﲆ ﻣﻘﻴـﺎس اﺳـﺘﺨﺪام‬
‫اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ‪ ...‬إﻟﺦ‪.‬‬

‫‪-276-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫)‪ (2‬اﺧﺘﺒـــﺎر اﻹﺷـــﺎرة )‪ :Sign Test‬إن اﻹﺷـــﺎرة ﻫﻨـــﺎ ﻳﻘﺼـــﺪ ﺑﻬـــﺎ اﻟﺰﻳـــﺎدة )‪ (+‬أو اﻟﻨﻘﺼـــﺎن‬
‫)‪(-‬؛ أي أن ﻫﺬا اﻻﺧﺘﺒﺎر ﻳﺴﺘﺨﺪم ﳌﻌﺮﻓـﺔ اﻹﺷـﺎرة )اﺗﺠـﺎه اﻟﻔـﺮوق ﺑـني ﻋﻴﻨﺘـني ﻏـري ﻣﺴـﺘﻘﻠﺘني‬
‫ﺑﺎﻟﺰﻳﺎدة أو ﺑﺎﻟﻨﻘﺼﺎن( ﰲ ﻣﺘﻐري رﺗﺒﻲ ﻣﻌني‪ ،‬ﻛﺎﳌﻘﺎرﻧﺔ ﺑني ﻣﺴﺘﻮى ﺗﺄﻳﻴﺪ ﻣﺮﺷﺢ ﻣﻌني ﻣﻦ ﺟﺎﻧـﺐ‬
‫ﻣـﺜﻼ وﻣﺴـﺘﻮى ﺗﺄﻳﻴـﺪﻫﻢ ﻟـﻪ اﻵن )ﻫـﻞ ارﺗﻔـﻊ ﻣﺴـﺘﻮى اﻟﺘﺄﻳﻴـﺪ أم‬
‫ﻋﻴﻨﺔ ﻣﻦ اﻟﻨﺎﺧﺒني ﻣﻨﺬ ﺷﻬﺮ ً‬
‫ﻧﻘﺼـﺎ‪ ،‬وﻟﻜﻨـﻪ ﻳﺒـني اﺗﺠـﺎه اﻟﺘﻐـري‬
‫اﻧﺨﻔﺾ؟(‪ ،‬وﻻ ﻳﺒني ﻟﻨﺎ اﺧﺘﺒﺎر اﻹﺷﺎرة ﻣﻘﺪار اﻟﺘﻐري زﻳـﺎدة أو ً‬
‫ﻓﻘﻂ )وميﻜﻦ إﺟﺮاء اﺧﺘﺒﺎر اﻹﺷﺎرة ﻣﻊ اﻟﺒﻴﺎﻧﺎت اﻟﻔﱰﻳﺔ ﺑﺎﻹﺿﺎﻓﺔ إﱃ اﻟﺒﻴﺎﻧﺎت اﻟﺮﺗﺒﻴﺔ(‪.‬‬

‫)ج( اﻟﻔﺮوق اﻟﺮﺗﺒﻴﺔ ﻟﺜﻼث ﻣﺠﻤﻮﻋﺎت )أو أﻛرث( ﻣﺴﺘﻘﻠﺔ‪:‬‬

‫ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺴﺘﺨﺪم اﺧﺘﺒﺎر ﻛﺮوﺳـﻜﺎل‪ -‬واﻟـﻴﺲ )‪ (Kruskal- Wallis Test‬وﻫـﻮ ﺑـﺪﻳﻞ ﻻﺑـﺎراﻣﱰي‬
‫ﻟﺘﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ذي اﻻﺗﺠﺎه اﻟﻮاﺣـﺪ )‪(One-Way ANOVA‬؛ ﺣﻴـﺚ ﻳﺴـﺘﺨﺪم اﺧﺘﺒـﺎر ﻛﺮوﺳـﻜﺎل‪ -‬واﻟـﻴﺲ‬
‫ﳌﻌﺮﻓﺔ اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋﺎت اﳌﺴﺘﻘﻠﺔ )ﺛﻼث ﻣﺠﻤﻮﻋﺎت أو أﻛـرث( ﻣـﻦ ﺣﻴـﺚ ﻣﺘﻐـري رﺗﺒـﻲ ﻣﻌـني‪ ،‬وﻻ‬
‫ﻳﺸﱰط ﺗﺴﺎوي ﻋﺪد ﻣﻔﺮدات اﳌﺠﻤﻮﻋﺎت‪ .‬وﻳﻘﻮم ﻫﺬا اﻻﺧﺘﺒﺎر ﻋﲆ إﻋﻄﺎء رﺗﺐ ﻟﺪرﺟﺔ ﻛﻞ ﻓﺮد ﻣﻦ أﻓﺮاد‬
‫اﳌﺠﻤﻮﻋﺎت اﻟﺘﻲ ﺗﺘﻢ اﳌﻘﺎرﻧﺔ ﺑﻴﻨﻬﺎ‪ ،‬وﻣﻦ ﻫﺬه اﻟﺮﺗﺐ ﻳﺘﻢ ﻣﻌﺮﻓﺔ اﻟﻔﺮوق ﺑني ﻫﺬه اﳌﺠﻤﻮﻋﺎت‪ ،‬وإذا ﻛﺎن‬
‫ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ )‪ (ANOVA‬ﻳﺴﺘﺨﺪم ﳌﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﺛـﻼث ﻣﺠﻤﻮﻋـﺎت )أو أﻛـرث( ﻣـﻦ ﺣﻴـﺚ‬
‫ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس ﻓﱰي )‪ ،(Interval‬ﻓﺈن اﺧﺘﺒﺎر ﻛﺮوﺳﻜﺎل‪ -‬واﻟـﻴﺲ ﻳﺴـﺘﺨﺪم ﳌﻌﺮﻓـﺔ ﻣﻌﻨﻮﻳـﺔ‬
‫اﻟﻔﺮوق ﺑني ﺛﻼث ﻣﺠﻤﻮﻋﺎت )أو أﻛرث( ﻣﻦ ﺣﻴﺚ ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس رﺗﺒﻲ‪.‬‬

‫)د( اﻟﻔﺮوق اﻟﺮﺗﺒﻴﺔ ﻟﺜﻼث ﻣﺠﻤﻮﻋﺎت )أو أﻛرث( ﻏري ﻣﺴﺘﻘﻠﺔ‪:‬‬

‫ﻋﻨﺪﻣﺎ ﻧﺮﻳﺪ اﻟﻜﺸﻒ ﻋﻦ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﺑﻴﺎﻧﺎت رﺗﺒﻴﺔ ﻟـﺜﻼث ﻣﺠﻤــﻮﻋﺎت ﻏـري‬
‫ﻣﺴــﺘﻘﻠﺔ )أو أﻛــرث( ﻳﺴـﺘﺨﺪم اﺧﺘﺒـﺎر ﻓﺮﻳـﺪﻣﺎن )‪(The Friedman Test‬؛ ﺣﻴـﺚ ميﻜـﻦ‬

‫‪-277-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣﻌﺮﻓﺔ ﻣﺪى وﺟﻮد ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني ﺗﺮﺗﻴﺐ ﺛﻼﺛﺔ ﺑﺪاﺋﻞ )أو أﻛرث ﻣﻦ ﺛﻼﺛﺔ ﺑـﺪاﺋﻞ( وذﻟـﻚ ﺣﺴـﺐ آراء‬
‫اﻟﻌﻴﻨﺔ‪ .‬ﺗﺼﻮر أن اﻟﻔﺮض ﻳﻘﻮل‪ :‬ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني درﺟﺔ ﺗﻔﻀﻴﻞ وﺳﺎﺋﻞ اﻹﻋﻼم )ﺻﺤﺎﻓﺔ‪ ،‬رادﻳﻮ‪،‬‬
‫إﺣﺼـﺎﺋﻴﺎ ﺑـني ﺗﺮﺗﻴـﺐ ﻫـﺬه‬
‫ّ‬ ‫ﺗﻠﻴﻔﺰﻳﻮن(‪ .‬إن اﺧﺘﺒﺎر ﻓﺮﻳﺪﻣﺎن ﻳﻜﺸﻒ ﻟﻨﺎ ﻋام إذا ﻛﺎﻧﺖ ﻫﻨﺎك ﻓـﺮوق داﻟـﺔ‬
‫اﻟﻮﺳﺎﺋﻞ اﻟﺜﻼث؛ ﻣﻦ ﺣﻴﺚ اﻷﻓﻀﻠﻴﺔ ﺣﺴﺐ آراء اﻟﻌﻴﻨﺔ‪ .‬وﰲ اﻟﺪراﺳﺎت اﻟﺘﺠﺮﻳﺒﻴﺔ‪ ،‬ﻓﺈن اﻟﻌﻴﻨﺔ ﻗﺪ ﺗﺘﻌـﺮض‬
‫ﻟﺜﻼﺛﺔ ﻣﻮاﻗﻒ ﻣﺨﺘﻠﻔﺔ‪ ،‬وﺗﺤﺼﻞ ﻋﲆ ﺗﻘﻴﻴﻢ ﻋﻘﺐ ﻛﻞ ﻣﻮﻗﻒ‪ ،‬ﻓﻴﻜﻮن ﻟﻠﻤﺒﺤﻮث اﻟﻮاﺣـﺪ ﺛﻼﺛـﺔ ﺗﻘﻴـﻴامت‬
‫ﻣﻮﺿﺤﺔ ﺑﺎﻟﺮﺗﺐ )‪ ،(Ranks‬وﻫﻨﺎ ميﻜﻦ اﺳﺘﺨﺪام اﺧﺘﺒﺎر ﻓﺮﻳﺪﻣﺎن ﳌﻌﺮﻓﺔ ﻣﺪى وﺟﻮد ﻓﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑـني‬
‫اﻟﺪرﺟﺎت اﻟﺮﺗﺒﻴﺔ اﻟﺘﻲ ﺣﺼﻞ ﻋﻠﻴﻬﺎ اﳌﺒﺤﻮﺛﻮن ﰲ اﳌﻮاﻗﻒ اﻟﺜﻼﺛﺔ‪.‬‬

‫ﻫﺬه ﺑﺈﻳﺠﺎز ﺷﺪﻳﺪ أﻫﻢ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﻟﻼﺑﺎراﻣﱰﻳﺔ ﻟﻘﻴﺎس اﻟﻔﺮوق‪ ،‬وميﻜﻦ اﻟﺤﺼﻮل ﻋﲆ اﳌﺰﻳﺪ‬
‫ﻣﻦ اﳌﻌﻠﻮﻣﺎت ﻋﻦ ﻫﺬه اﻷﺳﺎﻟﻴﺐ وﺑﺮاﻣﺠﻬﺎ اﻹﺣﺼﺎﺋﻴﺔ ﻣـﻦ اﻟﻜﺘﻴﺒـﺎت اﻹﻟﻜﱰوﻧﻴـﺔ )‪(Electronic Manuals‬‬
‫اﻟﺘﻲ ﺗﺘﻀﻤﻨﻬﺎ اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺤﺎﺳﻮﺑﻴﺔ‪ ،‬ﻛام ميﻜﻦ اﻟﺮﺟﻮع إﱃ ﻣﺠﻠﺔ اﻹﺣﺼـﺎء اﻟﻼﺑـﺎراﻣﱰي ) ‪Journal of‬‬
‫‪ (Nonparametric Statistics‬اﻟﺘﻲ ﺗﺼﺪرﻫﺎ اﻟﺮاﺑﻄﺔ اﻹﺣﺼﺎﺋﻴﺔ اﻷﻣﺮﻳﻜﻴﺔ وﻣﻮﻗﻌﻬﺎ اﻹﻟﻜﱰوين ﻫﻮ‪:‬‬
‫‪www.amstat.org/section/bus_econ/zellner.htmL‬‬

‫‪-278-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﴫا ﺑﺒﻌﺾ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﻲ ﺗﻘـﻴﺲ اﻟﻔـﺮوق ﺑـني ﻣﺠﻤﻮﻋـﺎت‬

‫ﺗﻨﺎول ﻫﺬا اﻟﻔﺼﻞ ﺗﻌﺮﻳﻔًﺎ ﻣﺨﺘ ً‬
‫اﻟﻌﻴﻨﺔ وﻳﺘﻠﺨﺺ ﰲ‪:‬‬

‫ اﻟﻨﺴﺐ اﳌﺴﺘﻘﻠﺔ ﺗﻌﻨﻲ وﺟﻮد ﻣﺠﻤﻮﻋﺘني ﻣﺴﺘﻘﻠﺘني‪ ،‬مبﻌﻨﻰ أن ﻫﻨﺎك ﻣﺠﻤﻮﻋﺘني‪ ،‬ﻟﻜﻞ ﻣﻨﻬام ﻧﺴـﺒﺔ‬
‫ﻣﻌﻴﻨﺔ‪،‬أﻣﺎ اﻟﻨﺴﺐ اﳌﺮﺗﺒﻄﺔ )ﻏري اﳌﺴﺘﻘﻠﺔ( ﻓﺘﺘﻌﻠﻖ مبﺠﻤﻮﻋﺔ واﺣﺪة‪ ،‬مبﻌﻨﻰ أن اﻷﻓﺮاد اﻟﺬﻳﻦ ﺗﻌـﱪ‬
‫ﻋﻨﻬﻢ اﻟﻨﺴﺒﺔ اﻷوﱃ ﻫﻢ أﻧﻔﺴﻬﻢ اﻟﺬﻳﻦ ﺗﻌﱪ ﻋﻨﻬﻢ اﻟﻨﺴﺒﺔ اﻟﺜﺎﻧﻴـﺔ )ﻛـﺄن ﻳﻜـﻮن ‪ %80‬ﻣـﻦ اﻟﻌﻴﻨـﺔ‬
‫ﻳﺸﺎﻫﺪون اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﻣﻘﺎﺑﻞ ‪ %93‬ﻣﻦ اﻟﻌﻴﻨﺔ ﻧﻔﺴﻬﺎ ﻳﺴﺘﺨﺪﻣﻮن اﻟﻔﻴﺴـﺒﻮك(‪ ،‬وﻟﻘﻴـﺎس ﻣﻌﻨﻮﻳـﺔ‬
‫اﻟﻔﺮوق ﺑني اﻟﻨﺴﺐ ) ﺳﻮاء اﳌﺴﺘﻘﻠﺔ أو اﳌﺮﺗﺒﻄﺔ( ﻧﺴﺘﺨﺪم ﻣﻌﺎدﻟﺔ اﻟﻨﺴﺒﺔ اﻟﺤﺮﺟﺔ‪ ،‬أو اﺧﺘﺒﺎر )‪Z‬‬
‫‪2‬‬
‫(‪ ،‬ﻛام ميﻜﻦ اﺳﺘﺨﺪام ﻛﺎ )ﻛﺎ ﺗﺮﺑﻴـﻊ( وذﻟـﻚ ﺑﺼـﻔﺔ ﺧﺎﺻـﺔ ﳌﻌﺮﻓـﺔ ﻣﻌﻨﻮﻳـﺔ اﻟﻔـﺮوق ﺑـني أمنـﺎط‬

‫اﺳﺘﺠﺎﺑﺎت ﻋﻴﻨﺔ واﺣﺪة ﻋﲆ ﺑﻨﺪ أو ﺳﺆال ﻣﻌني‪.‬‬

‫اﺻﻄﻼﺣﺎ )‪ ،(t. test‬وﻫﻮ‬

‫ً‬ ‫ ﺗﺘﻢ اﳌﻘﺎرﻧﺔ ﺑني ﻣﺘﻮﺳﻄني )‪ (Two Means‬ﻣﻦ ﺧﻼل اﺧﺘﺒﺎر »ت« واﳌﻌﺮوف‬
‫ﻣﻦ أﻫﻢ اﳌﻌﺎﻣﻼت اﻹﺣﺼﺎﺋﻴﺔ ﻹﺟﺮاء اﳌﻘﺎرﻧﺎت اﻟﺜﻨﺎﺋﻴﺔ اﻟﺘﻲ ﺗﻌﺘﻤﺪ ﻋﲆ اﻟﻮﺳﻂ اﻟﺤﺴﺎيب‪ .‬واﻟﻔﺮض‬
‫اﻟﺼﻔﺮي ‪ H0‬ﻳﻌﻨﻲ أﻧﻪ ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑـني ﻫـﺬﻳﻦ اﳌﺘﻮﺳـﻄني‪ ،‬أﻣـﺎ اﻟﻔـﺮض اﻟﺒـﺪﻳﻞ ‪،H1‬‬
‫ﻓﻴﻌﻨﻲ أﻧﻪ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑﻴﻨﻬام‪ ،‬وﻳﺴﺘﺨﺪم اﺧﺘﺒﺎر )‪ (t‬ﻟﻠﻤﻘﺎرﻧﺔ ﺑني ﻣﺠﻤﻮﻋﺘني أو ﻋﻴﻨﺘـني‬
‫ﻣﺴﺘﻘﻠﺘني‪ ،‬وﻛﺬﻟﻚ اﺳﺘﺨﺪاﻣﻪ ﻋﲆ ﻣﺴﺘﻮى اﻟﻌﻴﻨﺔ اﻟﻮاﺣﺪة‪.‬‬

‫ ‪-‬ﻫﻨﺎك ﻋـﺪة ﺻـﻴﻎ إﺣﺼـﺎﺋﻴﺔ )ﻣﻌـﺎدﻻت( ﻻﺧﺘﺒـﺎر )‪ (t‬وﻳﺘﻮﻗـﻒ اﺳـﺘﺨﺪام ﺻـﻴﻐﺔ‬

‫إﺣﺼﺎﺋﻴﺔ ﻣﻌﻴﻨﺔ ﻋﲆ ﻋﺪة ﺧﺼﺎﺋﺺ أﻫﻤﻬﺎ‪ :‬ﺗﺴـﺎوي أو ﻋـﺪم ﺗﺴـﺎوي ﻋـﺪد أﻓـﺮاد‬
‫اﳌﺠﻤﻮﻋﺘني‪ ،‬ﺗﺠﺎﻧﺲ أو ﻋﺪم ﺗﺠﺎﻧﺲ اﻟﺘﺒـﺎﻳﻦ )‪ (Variance‬ﻟـﺪرﺟﺎت اﳌﺠﻤـﻮﻋﺘني‪،‬‬

‫‪-279-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫مبﻌﻨﻰ اﺧﺘﻼف أو ﻋﺪم اﺧﺘﻼف ﻗﻴﻤﺔ ﺗﺒﺎﻳﻦ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﻋﻦ ﻗﻴﻤﺔ ﺗﺒﺎﻳﻦ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪.‬‬

‫ ﻳﻘﺘﴤ اﺳﺘﺨﺪام )‪ (t. test‬اﻟﺘﺄﻛﺪ ﻣﻦ ﺟﻮاﻧﺐ أﺳﺎﺳﻴﺔ أﻫﻤﻬﺎ أﻻ ﻳﻘﻞ ﻋﺪد ﻣﻔـﺮدات أي ﻣﺠﻤﻮﻋـﺔ أو‬
‫ﻣﺘﻘﺎرﺑـﺎ )ﻓـﻼ ﻳﻜـﻮن ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ‬
‫ً‬ ‫ﻋﻴﻨﺔ ﻋﻦ ‪ 30‬ﻣﻔﺮدة‪ ،‬وأن ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺘني أو اﳌﺠﻤﻮﻋﺘني‬
‫ﻣﺜﻼ(؛ إذ إن اﻟﺘﻔﺎوت اﻟﻜﺒري ﰲ ﺣﺠـﻢ‬
‫اﻷوﱃ ‪ 500‬ﻣﻔﺮدة‪ ،‬ﺑﻴﻨام ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﻟﺜﺎﻧﻴﺔ ﻋﺸـﺮ ﻣﻔﺮدات ً‬
‫اﻟﻌﻴﻨﺘني أو اﳌﺠﻤﻮﻋﺘني ﻣﻦ ﺷﺄﻧﻪ أن ﻳﻔﻀـﻲ إﱃ ﻧﺘﺎﺋﺞ ﻣﻀﻠﻠﺔ ﻋﻨﺪ اﺳﺘﺨﺪام )‪ ،(t.test‬وﻳﺮﺟﻊ ذﻟـﻚ‬
‫إﱃ أن دﻻﻟﺔ ﻗﻴﻤﺔ )‪ (T‬ﺗﺘﺄﺛﺮ ﺑﺤﺠﻢ اﻟﻌﻴﻨﺔ )ﻷن درﺟﺔ اﻟﺤﺮﻳﺔ ﺗﻌﺘﻤﺪ ﻋﲆ ﻋﺪد ﻣﻔﺮدات اﻟﻌﻴﻨﺔ(‪.‬‬

‫ إن اﺳﺘﺨﺪام )‪ (t. test‬ﳌﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﻣﺘﻮﺳﻄني ﻳﺘﻄﻠﺐ إﺟـﺮاء اﺧﺘﺒـﺎر ﺗﺠـﺎﻧﺲ اﻟﺘﺒـﺎﻳﻦ‬
‫)‪ (Homogeneity of Variance‬واﻟﺘﺄﻛﺪ ﻣﻦ اﻋﺘﺪاﻟﻴﺔ اﻟﺘﻮزﻳﻊ ﰲ ﻛﻠﺘﺎ اﳌﺠﻤـﻮﻋﺘني‪ ،‬مبﻌﻨـﻰ أن ﻳﻜـﻮن‬
‫ﻗﺮﻳﺒﺎ ﻣﻦ اﻻﻋﺘﺪال‪.‬‬
‫ﻣﻌﺘﺪﻻ أو ً‬
‫ً‬ ‫اﻟﺘﻮزﻳﻊ‬

‫ ﻳﺴـﺘﺨﺪم ﺗﺤﻠﻴـﻞ اﻟﺘﺒـﺎﻳﻦ أﺣـﺎدي اﻻﺗﺠـﺎه )‪ (One Way Analysis of Variance‬واﳌﻌـﺮوف اﺧﺘﺼـﺎ ًرا‬
‫)‪ (ANOVA‬ﻟﻠﻤﻘﺎرﻧﺔ ﻗﺪ ﺗﻜﻮن ﺑني ﺛﻼث ﻣﺠﻤﻮﻋـﺎت أو أﻛـرث؛ ﻣـﻦ ﺣﻴـﺚ ﻣﺘﻮﺳـﻂ اﻟﺪرﺟـﺔ ﻋـﲆ‬
‫ﻋﻠام ﺑﺄن اﳌﻘﺎرﻧﺔ ﺑني اﳌﺠﻤﻮﻋﺎت ﺗﻜﻮن ﻣﻦ ﺣﻴﺚ ﻣﺘﻐري ﺗـﺎﺑﻊ واﺣـﺪ‬
‫ﻣﻘﻴﺎس ﻣﻌني أو ﻣﺘﻐري ﺗﺎﺑﻊ‪ً ،‬‬
‫ﻓﻘﻂ )وﻟﻴﺲ أﻛرث ﻣﻦ ﻣﺘﻐري ﺗﺎﺑﻊ(‪.‬‬

‫ ﺗﺘﻌﺪد ﺻﻴﻎ ﻣﻌﺎدﻻت ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠﺎه‪ ،‬وﺗﺘﻔﺎوت ﻫـﺬه اﻟﺼـﻴﻎ ﻣـﻦ ﺣﻴـﺚ‬
‫اﻟﺒﺴــﺎﻃﺔ واﻟﺘﻌﻘﻴــﺪ ﰲ ﺿــﻮء ﻣــﺪى ﺗﺠــﺎﻧﺲ اﻟﺘﺒــﺎﻳﻦ ﺑــني اﳌﺠﻤﻮﻋــﺎت‪ ،‬وﻋــﺪد ﻫــﺬه‬
‫وأﻳـﺎ ﻛﺎﻧـﺖ ﺻـﻴﻐﺔ اﳌﻌﺎدﻟـﺔ اﳌﺴـﺘﺨﺪﻣﺔ ﰲ‬
‫اﳌﺠﻤﻮﻋﺎت‪ ،‬وﻋﺪد أﻓـﺮاد ﻛـﻞ ﻣﺠﻤﻮﻋـﺔ‪ّ .‬‬
‫ﺟﻤﻴﻌﺎ ﺗﺮﺗﻜـﺰ ﻋـﲆ ﺣﺴـﺎب ﻣﺘﻮﺳـﻂ درﺟـﺔ ﻛـﻞ ﻣﺠﻤﻮﻋـﺔ )م(‬
‫ً‬ ‫ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﻓﺈﻧﻬﺎ‬
‫وﻣﺠﻤﻮع اﻟﺪرﺟﺎت )ﻣﺞ س( وﻣﺮﺑﻌﺎت ﻫﺬا اﳌﺠﻤﻮع )ﻣﺞ س‪ ،(2‬وﻋﺪد اﻷﻓﺮاد ﰲ ﻛـﻞ‬

‫‪-280-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣﺠﻤﻮﻋﺔ )ن(‪ ،‬وﻛﺬﻟﻚ ﻣﺠﻤﻞ أﻓﺮاد ﻫﺬه اﳌﺠﻤﻮﻋﺎت‪ ،‬ودرﺟﺎت اﻟﺤﺮﻳﺔ‪ ،‬وﻣﺘﻮﺳﻄﺎت اﻟﺘﺒﺎﻳﻦ‪.‬‬

‫ ﻳﺘﻢ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ وﻓﻖ ﺧﻄـﻮات أﺳﺎﺳـﻴﺔ ﻫـﻲ‪ :‬ﺣﺴــﺎب )ﻣﺠﻤــﻮع اﳌﺮﺑﻌــﺎت اﻟﻜـﲆ(‪ ،‬ﺣﺴـﺎب‬
‫ﻣﺠﻤﻮع اﳌﺮﺑﻌـﺎت ﺑـني اﳌﺠﻤﻮﻋـﺎت‪ ،‬ﺣﺴـﺎب ﻣﺠﻤـﻮع اﳌﺮﺑﻌـﺎت داﺧـﻞ اﳌﺠﻤﻮﻋـﺎت‪ ،‬وﻣـﻦ ّ‬
‫ﺛـﻢ‬
‫ﺣﺴﺎب ﻗﻴﻤﺔ = )‪) (F‬وﻫﻲ ﺗﺴﺎوي اﻟﺘﺒﺎﻳﻦ ﺑني اﳌﺠﻤﻮﻋﺎت ÷ اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت(‪ ،‬وﻣﻘﺎرﻧﺔ‬
‫ﻗﻴﻤﺔ )‪ (F‬اﳌﺤﺴﻮﺑﺔ ﺑﻘﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴﺔ‪ ،‬وﺗﻜﻮن ﻫﻨﺎك ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت إذا ﻛﺎﻧﺖ‬
‫ﻗﻴﻤﺔ )‪ (F‬اﳌﺤﺴﻮﺑﺔ أﻛـﱪ ﻣـﻦ ﻗﻴﻤـﺔ )‪ (F‬اﻟﺠﺪوﻟﻴـﺔ‪ ،‬ﺑﻴـﻨام ﻻ ﺗﻜـﻮن ﻫﻨـﺎك ﻓـﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑـني‬
‫اﳌﺠﻤﻮﻋﺎت إذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ )‪ (F‬اﳌﺤﺴﻮﺑﺔ أﻗﻞ ﻣﻦ أو ﺗﺴﺎوي ﻗﻴﻤﺔ )‪ (F‬اﻟﺠﺪوﻟﻴﺔ‪.‬‬

‫ إذا ﺗﺒني ﻋﺪم ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت‪ ،‬ﻓﺈن ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻳﺘﻮﻗﻒ ﻋﻨـﺪ ﻫـﺬا اﻟﺤـﺪ‪ ،‬أﻣـﺎ إذا‬
‫ﺗﺒني وﺟﻮد ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت‪ ،‬ﻓﺈﻧﻪ ﻳﺘﻢ اﺳﺘﺨﺪام إﺣـﺪى ﻃـﺮق اﳌﻘﺎرﻧـﺎت اﻟﺒﻌﺪﻳـﺔ‪،‬‬
‫ﻣﺜﻞ اﺧﺘﺒﺎر ﺷﻴﻔﻴﻪ )‪ ،(Scheffe‬وﻃﺮﻳﻘـﺔ أﻗـﻞ اﻟﻔـﺮوق )‪ ،(LSD‬وﻃﺮﻳﻘـﺔ ﺗـﻮيك )‪ (Tukey‬ﳌﻌﺮﻓـﺔ أي‬
‫اﳌﺠﻤﻮﻋﺎت ﺗﻮﺟﺪ ﺑﻴﻨﻬﺎ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ‪.‬‬

‫ اﻟﺘﻔﺎﻋﻞ ﺑني اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ ﻳﻌﻨﻲ ﺗﺄﺛري أﻛرث ﻣﻦ ﻣﺘﻐري ﻣﺴﺘﻘﻞ ﰲ اﳌﺘﻐري اﻟﺘـﺎﺑﻊ‪ ،‬ﻣﺜـﺎل ذﻟـﻚ أن‬
‫ﻳﺨﺘﻠﻒ ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳـﻮن ﺣﺴـﺐ ﻣﺘﻐـري اﻟﻨـﻮع وﻣﺘﻐـري اﻟﺤﺎﻟـﺔ‬
‫ﻣﻌﺎ(‪ ،‬ﻛام ﻗﺪ ﻳﺨﺘﻠﻒ ﻫﺬا اﳌﺘﻮﺳﻂ ﺣﺴﺐ ﻣﺘﻐري اﻟﻨـﻮع وﻣﺘﻐـري اﻟﺤﺎﻟـﺔ اﻻﺟﺘامﻋﻴـﺔ‬
‫اﻻﺟﺘامﻋﻴﺔ ) ً‬
‫ﻣﻌﺎ(‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﺰداد ﻋﺪد اﳌﺠﻤﻮﻋـﺎت ﻛﻠـام زاد ﻋـﺪد اﳌﺘﻐـريات اﳌﺴـﺘﻘﻠﺔ‪ ،‬وﻫـﺬا‬
‫وﻣﺘﻐري اﻟﺴﻦ ) ً‬
‫ﻳﻘﺘﴤ أن ﺗﻜﻮن اﻟﻌﻴﻨﺔ ﻛﺒرية مبﺎ ﻳﻀﻤﻦ وﺟﻮد اﻟﻌﺪد اﻟﻜﺎﰲ ﻣﻦ اﳌﻔﺮدات ﰲ ﻛﻞ ﻣﺠﻤﻮﻋﺔ ﻓﺮﻋﻴـﺔ‬
‫وﰲ اﻟﻮﻗﺖ ﻧﻔﺴﻪ ﻳﻀﻤﻦ ﻋﺪم اﻹﺧﻼل ﺑﴩط أﺳﺎﳼ ﰲ اﺳﺘﺨﺪام اﳌﻘﺎرﻧﺎت‪ ،‬أﻻ وﻫﻮ اﻟﺘﻘـﺎرب ﺑـني‬
‫ﻋﺪد اﳌﻔﺮدات ﰲ اﳌﺠﻤﻮﻋﺎت اﻟﺘﻲ ﺗﺘﻢ اﳌﻘﺎرﻧﺔ ﺑﻴﻨﻬﺎ‪.‬‬

‫‪-281-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ »اﳌﺠﻤﻮﻋﺎت اﳌﺴﺘﻘﻠﺔ« ﻫﻲ اﳌﺠﻤﻮﻋﺎت اﳌﺘامﻳﺰة ﰲ اﻟﺼﻔﺔ أو اﻟﺨﺎﺻﻴﺔ اﳌﻘﺎﺳﺔ‪ ،‬ﻓﺎﻟﺬﻛﻮر ﻣﺠﻤﻮﻋﺔ‬

‫ﻣﺘامﻳﺰة واﻹﻧﺎث ﻣﺠﻤﻮﻋﺔ ﻣﺘامﻳﺰة؛ أي أﻧﻨﺎ ﺑﺼﺪد ﻣﺠﻤﻮﻋﺘني ﻣﺴﺘﻘﻠﺘني‪ ،‬وﻋﻨﺪﻣﺎ ﻧﺼﻨﻒ ﻋﻴﻨﺔ ﻣـﻦ‬
‫اﳌﺒﺤﻮﺛني ﺣﺴﺐ ﻣﺤﻞ اﻹﻗﺎﻣﺔ إﱃ )رﻳﻒ‪ ،‬ﺣﴬ‪ ،‬ﺑﺪو(‪ ،‬ﻓﺈﻧﻨﺎ ﻧﻜـﻮن أﻣـﺎم ﻣﺠﻤﻮﻋـﺎت ﻣﺴـﺘﻘﻠﺔ أو‬
‫ﻣﺘامﻳﺰة‪.‬‬

‫ »اﳌﺠﻤﻮﻋﺎت ﻏري اﳌﺴﺘﻘﻠﺔ« ﻳﻘﺼﺪ ﺑﻬﺎ اﳌﺠﻤﻮﻋﺎت اﳌﺮﺗﺒﻄﺔ‪ ،‬مبﻌﻨﻰ أن اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﻫﻲ ﻧﻔﺴﻬﺎ‬
‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬أو ﻣﺘﻄﺎﺑﻘـﺔ ﻣﻌﻬـﺎ‪ ،‬وﻳﺘﻀـﺢ ذﻟـﻚ ﻋـﲆ ﺳـﺒﻴﻞ اﳌﺜـﺎل ﰲ ﺗﻄﺒﻴـﻖ اﳌﻘﻴـﺎس ﻋـﲆ‬
‫ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﳌﺒﺤﻮﺛني ﺛﻢ إﻋﺎدة ﺗﻄﺒﻴﻘﻪ ﻣﺮة أﺧﺮى ﻋـﲆ اﳌﺠﻤﻮﻋـﺔ ﻧﻔﺴـﻬﺎ‪ ،‬ﻓﻔـﻲ ﻫـﺬه اﻟﺤﺎﻟـﺔ‬
‫ﻧﻜﻮن ﺑﺼﺪد ﻣﺠﻤﻮﻋﺘني ﻣﺮﺗﺒﻄﺘني )ﻏري ﻣﺴﺘﻘﻠﺘني(‪ ،‬ﻛام أن اﳌﺠﻤﻮﻋﺎت اﳌﺮﺗﺒﻄـﺔ )ﻏـري اﳌﺴـﺘﻘﻠﺔ(‬
‫أﻳﻀﺎ ﰲ ﺣﺎﻟﺔ أن ﺗﻜﻮن ﻣﻔﺮدات اﻟﻌﻴﻨﺔ ﻋﺒـﺎرة ﻋـﻦ أزواج ﻣﺘﻨـﺎﻇﺮة أو ﻣﺘﻄﺎﺑﻘـﺔ ) ‪Matched‬‬
‫ﺗﻜﻮن ً‬
‫‪ .(Pairs‬وﻫﻨﺎ ﻳﺘﻌني اﻟﻜﺸﻒ ﻋﻦ اﺗﺠﺎه وﺣﺠﻢ اﻟﻔﺮوق ﺑﻴﻨﻬﺎ‪.‬‬

‫ ﺗﺴﺘﺨﺪم اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﻟﻼﺑﺎراﻣﱰﻳﺔ ﰲ اﻟﺘﺤﻘﻖ ﻣﻦ اﻟﻔﺮوض اﻟﻔﺎرﻗﺔ ذات اﳌﺘﻐـريات اﻻﺳـﻤﻴﺔ‬
‫واﳌﺘﻐــريات اﻟﺮﺗﺒﻴــﺔ‪ ،‬وﺗﺨﺘﻠــﻒ ﻫــﺬه اﻷﺳــﺎﻟﻴﺐ ﺣﺴــﺐ ﻋــﺪد اﳌﺠﻤﻮﻋــﺎت )اﻟﻌﻴﻨــﺎت( وﻃﺒﻴﻌﺘﻬــﺎ‬
‫)ﻣﺴﺘﻘﻠﺔ أو ﻏري ﻣﺴﺘﻘﻠﺔ(‪ ،‬وﻛﺬﻟﻚ ﺣﺴﺐ ﻃﺒﻴﻌﺔ اﳌﺘﻐريات )اﺳﻤﻴﺔ أو رﺗﺒﻴﺔ( ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬

‫)أ( ﻗﻴﺎس اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋﺎت ﻣﻦ ﺣﻴﺚ اﳌﺘﻐريات اﻻﺳﻤﻴﺔ‪:‬‬

‫‪2‬‬
‫ƒ اﻟﻔﺮوق ﻟﻌﻴﻨﺔ واﺣﺪة‪ :‬اﺧﺘﺒﺎر اﻟﻌﺸﻮاﺋﻴﺔ‪ ،‬اﺧﺘﺒﺎر ذو اﻟﺤﺪﻳﻦ‪ ،‬ﻛـﺎ ‪ ،‬اﺧﺘﺒـﺎر ﻛﻮﳌـﻮﺟﺮوف ﺳـﻤري‬

‫ﻧﻮف‪.‬‬
‫‪2‬‬
‫)‪(Chi Square Test‬‬ ‫ƒ اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺘني ﻣﺴﺘﻘﻠﺘني‪ :‬اﺧﺘﺒﺎر ﻓﻴﺸـﺮ )‪ ،(Fisher Test‬اﺧﺘﺒﺎر ﻛﺎ‬

‫)‪ (x2‬اﺧﺘﺒﺎر اﻟﻮﺳﻴﻂ )‪.(The Median Test‬‬

‫‪-282-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ƒ اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺘني ﻏري ﻣﺴﺘﻘﻠﺘني‪ :‬اﺧﺘﺒﺎر ﻣﺎﻛﻨامرا )‪.(McNamara Test‬‬

‫‪2‬‬
‫ƒ اﻟﻔــــﺮوق ﺑــــني ﺛــــﻼث ﻣﺠﻤﻮﻋــــﺎت ﻣﺴــــﺘﻘﻠﺔ )أو أﻛــــرث(‪ :‬اﺧﺘﺒــــﺎر ﻛــــﺎ ﻟﻼﺳــــﺘﻘﻼﻟﻴﺔ‬

‫)‪ ،(Chi-Square Test for Independence‬اﺧﺘﺒﺎر اﻟﻮﺳﻴﻂ )‪.(The Median Test‬‬

‫ƒ اﻟﻔﺮوق ﺑني ﺛﻼث ﻣﺠﻤﻮﻋﺎت )أو أﻛرث( ﻏري ﻣﺴﺘﻘﻠﺔ‪ :‬اﺧﺘﺒﺎر ﻛﻮﻛﺮان )‪.(The Cochran Q Test‬‬

‫)ب( ﻗﻴﺎس اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋﺎت ﻣﻦ ﺣﻴﺚ اﳌﺘﻐريات اﻟﺮﺗﺒﻴﺔ‪:‬‬

‫ƒ اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺘني ﻣﺴﺘﻘﻠﺘني‪ :‬اﺧﺘﺒﺎر ﻛﻮﳌﻮﺟﺮوف ‪ -‬ﺳـﻤري ﻧـﻮف )‪،(Kolmogrov-Smirnov Test‬‬
‫اﺧﺘﺒﺎر ﻣﺎن‪ -‬وﺗﻨﻲ )‪ ، (Mann-Whitney) (U Test‬وﻫـﺬا اﻻﺧﺘﺒـﺎر ﻳﺴـﺘﺨﺪم ﻛﺒـﺪﻳﻞ ﻋـﻦ اﺧﺘﺒـﺎر )‪(T‬‬
‫ﻋﻨﺪﻣﺎ ﻻ ﺗﻮاﻓﺮ ﴍوط اﺧﺘﺒﺎر )‪ (T‬أو ﻋﻨﺪﻣﺎ ﻳﺼﻌﺐ ﺗﻄﺒﻴﻖ اﺧﺘﺒﺎر )‪ (T‬ﻟﺴﺒﺐ أو ﻵﺧﺮ‪.‬‬

‫ƒ اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺘني ﻏري ﻣﺴـﺘﻘﻠﺘني‪ :‬اﺧﺘﺒـﺎر وﻟﻜﻮﻛﺴـﻮن )‪ ،(Wilcoxon Test‬اﺧﺘﺒـﺎر اﻹﺷـﺎرة‬
‫)‪.(Sign Test‬‬

‫ƒ اﻟﻔﺮوق ﺑني ﺛﻼث ﻣﺠﻤﻮﻋﺎت )أو أﻛرث( ﻣﺴﺘﻘﻠﺔ‪ :‬اﺧﺘﺒـﺎر ﻛﺮوﺳـﻜﺎل‪ -‬واﻟـﻴﺲ ‪(Kruskal- Wallis‬‬
‫)‪ ،Test‬وﻫﻮ ﺑﺪﻳﻞ ﻻﺑﺎراﻣﱰي ﻟﺘﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ذي اﻻﺗﺠﺎه اﻟﻮاﺣﺪ )‪.(One-Way ANOVA‬‬

‫ƒ اﻟﻔﺮوق ﺑني ﺛﻼث ﻣﺠﻤﻮﻋﺎت )أو أﻛرث( ﻏري ﻣﺴﺘﻘﻠﺔ‪ :‬اﺧﺘﺒﺎر ﻓﺮﻳﺪﻣﺎن )‪.(The Friedman Test‬‬

‫ﻫﺬا وﻣﻦ اﳌﻔﻴﺪ ﻟﻠﺒﺎﺣﺜني ﻣﺘﺎﺑﻌﺔ اﻟﺘﻄﻮر ﰲ ﻃﺮق اﻹﺣﺼـﺎء اﻟﻼﺑـﺎراﻣﱰي ﺧﺎﺻـﺔ اﻟـﱪاﻣﺞ اﻹﺣﺼـﺎﺋﻴﺔ‬
‫واﻟﻜﺘﻴﺒﺎت اﻹﻟﻜﱰوﻧﻴﺔ )‪ (Electronic Manuals‬واﻟﺪورﻳﺎت اﳌﺘﺨﺼﺼﺔ‪.‬‬

‫‪-283-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻟﺮاﺑﻊ وﻣﺮاﺟﻌﻪ‬

‫)أ( ﻣﺼﺎدر وﻣﺮاﺟﻊ ﻋﺮﺑﻴﺔ‪:‬‬

‫‪ -‬رﺟﺎء ﻣﺤﻤﻮد أﺑﻮ ﻋـﻼم )‪ ،(1999‬ﻣﻨـﺎﻫﺞ اﻟﺒﺤـﺚ ﰲ اﻟﻌﻠـﻮم اﻟﻨﻔﺴـﻴﺔ واﻟﱰﺑﻮﻳـﺔ‪) ،‬اﻟﻘـﺎﻫﺮة‪ :‬دار‬
‫اﻟﻨﴩ ﻟﻠﺠﺎﻣﻌﺎت(‪.‬‬

‫‪ -‬زﻛﺮﻳــﺎ اﻟﴩﺑﻴﻨــﻲ )‪ ،(1990‬اﻹﺣﺼــﺎء اﻟﻼﺑــﺎراﻣﱰي ﰲ اﻟﻌﻠــﻮم اﻟﻨﻔﺴــﻴﺔ واﻻﺟﺘامﻋﻴــﺔ واﻟﱰﺑﻮﻳــﺔ‪،‬‬

‫)اﻟﻘﺎﻫﺮة‪ :‬ﻣﻜﺘﺒﺔ اﻷﻧﺠﻠﻮ اﳌﴫﻳﺔ(‪.‬‬

‫‪ -‬ﺳــﻌﺪي ﺷــﺎﻛﺮ ﺣﻤــﻮدي )‪ ،(2000‬ﻋﻠــﻢ اﻹﺣﺼــﺎء وﺗﻄﺒﻴﻘﺎﺗــﻪ ﰲ اﳌﺠــﺎﻟني اﻟﱰﺑــﻮي واﻻﺟﺘامﻋــﻲ‪،‬‬

‫)ﻋامن‪ :‬ﻣﻜﺘﺒﺔ دار اﻟﺜﻘﺎﻓﺔ ﻟﻠﻨﴩ واﻟﺘﻮزﻳﻊ(‪.‬‬

‫‪ -‬ﺳﻤري ﻛﺎﻣﻞ ﻋﺎﺷﻮر& ﺳﺎﻣﻴﺔ أﺑﻮ اﻟﻔﺘـﻮح ﺳـﺎمل )‪ ،(2003‬اﻟﻌـﺮض واﻟﺘﺤﻠﻴـﻞ اﻹﺣﺼـﺎيئ ﺑﺎﺳـﺘﺨﺪام‬
‫)‪ ،(SPSSWIN‬اﻟﺠﺰء اﻷول‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﺟﺎﻣﻌﺔ اﻟﻘﺎﻫﺮة‪ :‬ﻣﻌﻬﺪ اﻟﺒﺤﻮث واﻟﺪراﺳﺎت اﻹﺣﺼﺎﺋﻴﺔ(‪.‬‬

‫‪ -‬ﺳﻤري ﻛﺎﻣﻞ ﻋﺎﺷﻮر& ﺳﺎﻣﻴﺔ أﺑﻮ اﻟﻔﺘـﻮح ﺳـﺎمل )‪ ،(2005‬اﻟﻌـﺮض واﻟﺘﺤﻠﻴـﻞ اﻹﺣﺼـﺎيئ ﺑﺎﺳـﺘﺨﺪام‬
‫)‪ ،(SPSSWIN‬اﻟﺠﺰء اﻟﺜﺎين‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﺟﺎﻣﻌﺔ اﻟﻘﺎﻫﺮة‪ :‬ﻣﻌﻬﺪ اﻟﺒﺤﻮث واﻟﺪراﺳﺎت اﻹﺣﺼﺎﺋﻴﺔ(‪.‬‬

‫‪ -‬ﺻﻼح اﻟﺪﻳﻦ ﻣﺤﻤﻮد ﻋﻼم )‪ ،(2000‬ﺗﺤﻠﻴـﻞ ﺑﻴﺎﻧـﺎت اﻟﺒﺤـﻮث اﻟﻨﻔﺴـﻴﺔ واﻻﺟﺘامﻋﻴـﺔ واﻟﱰﺑﻮﻳـﺔ‪،‬‬
‫)اﻟﻘﺎﻫﺮة‪ :‬دار اﻟﻔﻜﺮ اﻟﻌﺮيب(‬

‫‪ -‬ﻋﺎﻃﻒ أﺣﻤﺪ ﻣﻨﺼﻮر)‪ ،(1992‬اﻟﺮﻳﺎﺿﻴﺎت اﳌﺴﻠﻴﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﻣﻜﺘﺒﺔ اﺑﻦ ﺳﻴﻨﺎ(‪.‬‬

‫‪-284-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

‫ اﻹﺣﺼـﺎء اﻟﻮﺻـﻔﻲ واﻟﺘﺤﻠـﻴﲇ‬،(1990) ‫ ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤﺪ ﻧﺠﻢ & ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻬﺎدي اﳌﺤﻤﻴﺪ‬-
.(‫ ﻣﻜﺘﺒﺔ ﺟﺎﻣﻌﺔ اﻟﻜﻮﻳﺖ‬:‫ )اﻟﻜﻮﻳﺖ‬،‫ﻣﻊ اﺳﺘﺨﺪام اﻟﱪاﻣﺞ اﻟﺠﺎﻫﺰة‬

‫ دار اﻟﻔﻜـﺮ‬:‫ )اﻟﻘـﺎﻫﺮة‬،‫ اﻹﺣﺼـﺎء اﻟﻨﻔﺴــﻲ واﻟﱰﺑـﻮي‬،(2011) ‫ ﻋﺰت ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤـﺪ ﺣﺴـﻦ‬-
.(‫اﻟﻌﺮيب‬

‫ ﻣﻜﺘﺒﺔ ﺟﺎﻣﻌـﺔ‬:‫ )اﻟﻘﺎﻫﺮة‬،‫ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﻟﻠﺒﻴﺎﻧﺎت اﻟﺠﻐﺮاﻓﻴﺔ‬،(1991) ‫ ﻓﺘﺤﻲ ﻋﺒﺪ ﷲ ﻓﻴﺎض‬-
.(‫ﻋني ﺷﻤﺲ‬

‫ ﻣﻨـﺎﻫﺞ اﻟﺒﺤـﺚ وﻃـﺮق اﻟﺘﺤﻠﻴـﻞ اﻹﺣﺼـﺎيئ ﰲ اﻟﻌﻠـﻮم‬،(2010) ‫ ﻓﺆاد أﺑﻮ ﺣﻄﺐ & آﻣﺎل ﺻﺎدق‬-
.(‫ ﻣﻜﺘﺒﺔ اﻷﻧﺠﻠﻮ اﳌﴫﻳﺔ‬:‫ )اﻟﻘﺎﻫﺮة‬،‫اﻟﻨﻔﺴﻴﺔ واﻻﺟﺘامﻋﻴﺔ واﻟﱰﺑﻮﻳﺔ‬

.(‫ دار اﻟﻔﻜﺮ اﻟﻌـﺮيب‬:‫ )اﻟﻘﺎﻫﺮة‬،‫ ﻋﻠﻢ اﻟﻨﻔﺲ اﻹﺣﺼﺎيئ‬،(1978) ‫ ﻓﺆاد اﻟﺒﻬﻲ اﻟﺴﻴﺪ‬-

:‫)ب( ﻣﺼﺎدر وﻣﺮاﺟﻊ أﺟﻨﺒﻴﺔ‬

- Creswe, J. W. (1998) Qualitative Inquiry and Research Design: Choosing Among Five Traditions.
Thousand Oaks CA: Sage.

- Gerhardt, Kristopher (2004) The Tritone Paradox: An Experimental and Statistical Analysis.;
Dissertation Abstracts International: Section B: The Sciences and Engineering, Vol. 64 (7-B), pp.
35-63.

- Gillespie Marie & Tonybee, Janson (2006) Analyzing Media Text. Oxford. Open University Press.

- Hacker, Kenneth L.; Zakahi, Walter R.; Giles, Maury J. (2000) Components of Candidate Images:
Statistical Analysis of the Issue-Persona Dichotomy in the Presidential Campaign of 1996
Communication Monographs, Vol. 67 (3), pp. 227-238.

-285-
 ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‬

- Huber, John C. (2000) A Statistical Analysis of Special Cases of Creativity.; Journal of Creative
Behavior, Vol. 34 (3), pp. 22-203.

- Lee, Sik-Yum; Zhu, Hong-Tu (2000) Statistical Analysis of Nonlinear Structural Equation Models
with Continuous and Polychromous Data. British Journal Of Mathematical
and Statistical Psychology, Vol. 53 (2), pp. 209-232.

- Morgan, Kai Andito Damali (2002) Boulder and Vail Models: A Statistical Analysis of the Results
for the Examination of Professional Practice in Psychology (1988-1996). Dissertation Abstracts
International: Section B: The Sciences and Engineering, Vol. 63 (1-B), pp. 541-568.

- Searle, Shayle R. (2002) Statistical Analysis of Data from Designed Experiment. Contemporary
Psychology: APA Review of Books, 2002, Vol. 47 (6), 720-722.

-286-
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺗﻌﺮﻳﻒ ﺑﺒﻌﺾ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﳌﺘﻌﻤﻘﺔ‬

‫متﻬــــﻴﺪ‬

‫ﺗﺘﻌﺪد اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ وﺗﺘﻄﻮر ﺑﺎﺳـﺘﻤﺮار‪ ،‬ﻣﺴـﺘﻔﻴﺪة ﻣـﻦ اﻟﺘﻄـﻮر اﳌﺘﻼﺣـﻖ ﻟﻠـﱪاﻣﺞ اﻹﺣﺼـﺎﺋﻴﺔ‬
‫اﻟﺠﺎﻫﺰة وﺗﻄﺒﻴﻘﺎﺗﻬﺎ ﰲ ﻛﺎﻓـﺔ ﻣﺠـﺎﻻت اﳌﻌﺮﻓـﺔ‪ ،‬وﻋـﲆ اﻟـﺮﻏﻢ ﻣـﻦ أن اﻟﻜﺜـري ﻣـﻦ اﻷﺳـﺎﻟﻴﺐ اﻹﺣﺼـﺎﺋﻴﺔ‬
‫اﳌﺘﻌﻤﻘﺔ ﺣﻴﺰ اﻻﺳﺘﺨﺪام ﻣﻨﺬ ﺑﺪاﻳﺎت اﻟﻘﺮن اﻟﻌﺸـﺮﻳﻦ‪ ،‬إﻻ أن اﻟﺘﻄـﻮرات اﻟﺘـﻲ ﻳـﺘﻢ إدﺧﺎﻟﻬـﺎ ﻋـﲆ ﺗﻠـﻚ‬
‫اﻷﺳﺎﻟﻴﺐ ﺗﺠﻌﻠﻬﺎ ذات أﺑﻌﺎد ﻧﻈﺮﻳﺔ وﺗﻄﺒﻴﻘﻴﺔ أوﺳﻊ ً‬
‫ﻧﻄﺎﻗﺎ وأﻛرث ﺟﺪوى ﻟﻠﺒﺤﻮث اﻟﻌﻠﻤﻴـﺔ‪ .‬ﰲ اﻟﺼـﻔﺤﺎت‬
‫اﻟﻘﺎدﻣﺔ ﺳﻮف ﻧﻮﺿﺢ أﻣﺜﻠﺔ ﻟﺘﻠﻚ اﻷﺳﺎﻟﻴﺐ ﻣﻤﺜﻠﺔ ﰲ‪ :‬ﺗﺤﻠﻴـﻞ اﻟﺘﺒـﺎﻳﻦ اﳌﺘﻌـﺪد‪ ،‬ﺗﺤﻠﻴـﻞ اﻟﺘﻐـﺎﻳﺮ‪ ،‬ﺗﺤﻠﻴـﻞ‬
‫اﺳـﺘﺨﺪاﻣﺎ ﰲ‬
‫ً‬ ‫اﻻﻧﺤﺪار‪ ،‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪،‬ﺗﺤﻠﻴﻞ اﳌﺴﺎر‪ ،‬اﻟﺘﺤﻠﻴﻞ اﻟﺘﻤﻴﻴﺰي‪ ،‬ﺑﺎﻋﺘﺒﺎرﻫـﺎ ﻣـﻦ أﻛـرث اﻷﺳـﺎﻟﻴﺐ‬
‫اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ‪.‬‬

‫اﳌﺒﺤﺚ اﻷول‬

‫ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد‬

‫اﺧﺘﺼـﺎرا‬
‫ً‬ ‫ﻳﻌﺘﱪ ﺗﺤﻠﻴﻞ اﻟﺘﺒـﺎﻳﻦ اﳌﺘﻌـﺪد )‪ ،(Multivariate Analysis of Variance‬واﳌﻌـﺮوف‬
‫)‪ (MANOVA‬ﺻﻮرة ﻣﺘﻘﺪﻣﺔ ﻣﻦ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﻷﺣﺎدي )‪ ،(ANOVA‬ذﻟﻚ أن ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‬
‫اﻷﺣﺎدي ﻳﺴﺘﺨﺪم ﻟﻠﻤﻘﺎرﻧـﺔ ﺑـني ﺛـﻼث ﻣﺠﻤﻮﻋـﺎت أو أﻛـرث؛ ﻣـﻦ ﺣﻴـﺚ ﻣﺘﻐـري ﺗـﺎﺑﻊ واﺣـﺪ‬
‫ﻓﻘﻂ )ﻛﺎﳌﻘﺎرﻧﺔ ﺑني ﻣﺠﻤﻮﻋـﺎت اﻟﺮﻳـﻒ واﻟﺒـﺪو واﻟـﺤﴬ ﰲ اﻟﺪرﺟـﺔ ﻋـﲆ ﻣﻘﻴـﺎس اﳌﻌﺮﻓـﺔ‬
‫ــﺪا ﻓﻘــﻂ )اﳌﻌﺮﻓــﺔ اﻟﺴﻴﺎﺳــﻴﺔ(‪ ،‬وﻧﺮﻳــﺪ ﺗﻘﺼـــﻲ‬
‫ــريا ﺗﺎﺑ ًﻌــﺎ واﺣ ً‬
‫اﻟﺴﻴﺎﺳــﻴﺔ(؛ أي أن ﻫﻨــﺎك ﻣﺘﻐ ً‬

‫‪-287-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻣﻌﻨﻮﻳﺔ اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ؛ ﻣـﻦ ﺣﻴـﺚ ﻣﺘﻮﺳـﻂ اﻟﺪرﺟـﺔ ﻋـﲆ اﻻﺧﺘﺒـﺎر اﻟـﺬي ﻳﻘـﻴﺲ ﻫـﺬه‬
‫اﳌﻌﺮﻓﺔ‪.‬‬

‫أﻣﺎ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد )‪ (MANOVA‬ﻓﻴﺴﺘﺨﺪم ﻟﺘﻘﺼــﻲ اﻻﺧﺘﻼﻓـﺎت أو اﻟﻔـﺮوق ﺑـني اﳌﺠﻤﻮﻋـﺎت ﰲ‬

‫أﻛرث ﻣﻦ ﻣﺘﻐري ﺗﺎﺑﻊ‪ ،‬وﻳﺸﻴﻊ اﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد ﰲ اﻟﺪراﺳﺎت اﻟﻌﻠﻤﻴﺔ مبﺠﺎﻻﺗﻬﺎ اﳌﺨﺘﻠﻔﺔ مبﺎ‬
‫ﻓﻴﻬﺎ ﻣﺠﺎل اﻻﺗﺼﺎل‪ ،‬ﻓﻘﺪ ﻳﺮﻳﺪ اﻟﺒﺎﺣﺚ ﻣﻌﺮﻓﺔ اﻟﻔﺮوق ﺑني ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﺣﺴﺐ اﳌﺴﺘﻮى اﻻﻗﺘﺼﺎدي‬
‫اﻻﺟﺘامﻋﻲ؛ ﻣﻦ ﺣﻴﺚ ‪ :‬اﺳﺘﺨﺪاﻣﺎت اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ‪ ،‬اﺳـﺘﺨﺪاﻣﺎت اﳌﺠـﻼت اﻷﺳـﺒﻮﻋﻴﺔ‪ ،‬اﺳـﺘﺨﺪاﻣﺎت‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬اﺳﺘﺨﺪاﻣﺎت اﻹﻧﱰﻧﺖ‪ .‬أي أن ﻟﺪﻳﻨﺎ أرﺑﻌﺔ ﻣﺘﻐريات ﺗﺎﺑﻌﺔ‪ .‬وﻫﻨﺎك ﻋﺪة ﴍوط ﻳﺘﻌني ﺗﻮاﻓﺮﻫـﺎ‬
‫ﺣﺘﻰ ﻳﺘﺴﻨﻰ اﺳﺘﺨﺪام )‪ ،(MANOVA‬وأﻫﻢ ﻫﺬه اﻟﴩوط ‪:‬‬

‫‪ -‬أن ﻳﻜﻮن ﻋﺪد اﳌﺒﺤﻮﺛني ﰲ اﳌﺠﻤﻮﻋﺔ اﻟﻮاﺣﺪة أﻛرث ﻣﻦ ﻋﺪد اﳌﺘﻐريات اﻟﺘﺎﺑﻌﺔ‪.‬‬

‫‪ -‬ﻳﺘــﺄﺛﺮ ﺗﺤﻠﻴــﻞ اﻟﺘﺒــﺎﻳﻦ ﻣﺘﻌــﺪد اﳌﺘﻐــريات ﺑــﺎﻟﻘﻴﻢ اﳌﺘﻄﺮﻓــﺔ‪ ،‬وﻟــﺬﻟﻚ ﻳﺘﻌــني اﻟﺘﺄﻛــﺪ ﻣــﻦ أﻧــﻪ‬
‫أي ﻣـﻦ اﳌﺘﻐـريات اﻟﺘﺎﺑﻌـﺔ ﻛـﻞ ﻋـﲆ ﺣـﺪة‪ ،‬أو ﰲ‬
‫ﻻ ﺗﻮﺟﺪ ﻗﻴﻢ ﻣﺘﻄﺮﻓﺔ ﻷﺣﺪ اﳌﺒﺤﻮﺛني‪ ،‬ﺳﻮاء ﰲ ﱟ‬
‫ﻫﺬه اﳌﺘﻐريات ﻣﺠﺘﻤﻌﺔ )إذا وﺟﺪت ﺣﺎﻻت ذات ﻗﻴﻢ ﻣﺘﻄﺮﻓﺔ ﻳﺘﻢ اﺳﺘﺒﻌﺎدﻫﺎ(‪ ،‬وﻫﻨﺎك إﺟـﺮاءات‬
‫ﻣﻌﻴﻨــﺔ ﰲ ﻫــﺬا اﻟﺸــﺄن؛ ﺣﻴــﺚ ﻳــﺘﻢ اﺳــﺘﺨﺪام اﻻﻧﺤــﺪار اﻟﺨﻄــﻲ ﻟﻠﻤﺘﻐــريات‪ ،‬وﻣﻘﺎرﻧــﺔ ﻗﻴﻤــﺔ‬
‫‪2‬‬
‫)‪ (Mahalanobis‬ﺑﻘﻴﻤﺔ ﺣﺮﺟﺔ ﻳﺘﻢ اﻟﺤﺼﻮل ﻋﻠﻴﻬﺎ ﻣـﻦ ﺟـﺪاول ﻛـﺎ ﻟﻠﻘﻴﻤـﺔ اﻟﺤﺮﺟـﺔ‪ ،‬وإذا زادت‬

‫ﻗﻴﻤﺔ درﺟﺔ اﳌﺒﺤﻮث ﻋﻦ ﻫﺬه اﻟﻘﻴﻤﺔ اﻟﺤﺮﺟﺔ‪ ،‬ﻓﺈن ﻫﺬا اﳌﺒﺤﻮث ﻳﻌﺘﱪ ﺣﺎﻟﺔ ﻣﺘﻄﺮﻓﺔ‪.‬‬

‫‪ -‬درﺟﺎت اﳌﺒﺤﻮﺛني ﰲ ﻣﺠﻤﻞ اﳌﺘﻐريات اﻟﺘﺎﺑﻌﺔ ﻳﻔﻀـﻞ أن ﺗﺘﺨـﺬ ﺷـﻜﻞ اﻟﺘﻮزﻳـﻊ اﻟﻄﺒﻴﻌـﻲ )ميﻜـﻦ‬
‫اﻟﺘﻐﺎﴈ ﻋﻦ ﻫﺬا اﻟﴩط إذا ﻛﺎن ﻋﺪد اﳌﻔﺮدات ﰲ ﻛﻞ ﺧﻠﻴﺔ ﻣﻦ ﺧﻼﻳﺎ اﻟﺠﺪول ﻻ ﻳﻘﻞ ﻋﻦ ‪.(30‬‬

‫‪-288-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫‪ -‬وﺟﻮد ﻋﻼﻗﺔ ارﺗﺒﺎط ﺧﻄﻴﺔ ﺑني ﻛـﻞ زوج ﻣـﻦ اﳌﺘﻐـريات اﻟﺘﺎﺑﻌـﺔ )ميﻜـﻦ اﻟﺘﺄﻛـﺪ ﻣـﻦ ذﻟـﻚ ﺑﻌﻤـﻞ‬
‫ﺗﺨﻄﻴﻂ اﻧﺘﺸﺎر ﺑني ﻛﻞ زوج ﻣﻦ أزواج اﳌﺘﻐريات اﻟﺘﺎﺑﻌﺔ(‪.‬‬

‫‪ -‬وﺟﻮد ارﺗﺒﺎط ﻣﺘﻮﺳﻂ أو ﻣﻌﻘﻮل ﺑني اﳌﺘﻐريات اﻟﺘﺎﺑﻌﺔ ﺑﻌﻀﻬﺎ وﺑﻌﺾ‪ ،‬ﻓﺈذا ﺗﺒني وﺟـﻮد ارﺗﺒﺎﻃـﺎت‬
‫ﺿﻌﻴﻔﺔ ميﻜﻦ اﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﻷﺣﺎدي‪ ،‬أﻣﺎ ﻋﻨﺪﻣﺎ ﺗﻜـﻮن اﻻرﺗﺒﺎﻃـﺎت ﻗﻮﻳـﺔ )‪ 0.8‬ﻓـﺄﻛرث(‪،‬‬
‫ﻓﺈن ذﻟﻚ ﻳﻨﺘﺞ ﻋﻨﻪ ﻣﺎ ﻳﻌﺮف ﺑﺎﳌﺼـﺎﺣﺒﺔ اﻟﺨﻄﻴـﺔ اﳌﺘﻌـﺪدة )‪ ،(Multicollinearity‬وميﻜـﻦ اﻟﺘﻐﻠـﺐ‬
‫ﻋﲆ ذﻟﻚ إﻣﺎ ﺑﺤﺬف أﺣـﺪ أزواج اﳌﺘﻐـريات اﻟﺘﺎﺑﻌـﺔ ذات اﻻرﺗﺒـﺎط اﻟﻘـﻮي‪ ،‬أو دﻣـﺞ ﻫـﺬا اﻟـﺰوج‬
‫واﺣﺪا‪.‬‬
‫ﻟﻴﺼﺒﺢ ﻣﺘﻐ ًريا ً‬

‫ومبﻮﺟﺐ ﺗﻄﺒﻴﻖ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد )‪ (MANOVA‬ﺗﺘﻨﻮع اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ذات اﻟﻘﻴﻤﺔ اﻟﻌﺎﻟﻴـﺔ‪ ،‬ﻓﻤـﻦ‬
‫ﺧﻼل اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﳌﻌﻨﻮﻧﺔ )‪ (Estimated Marginal Means‬ميﻜـﻦ ﻣﻌﺮﻓـﺔ أي ﻣﺠﻤﻮﻋـﺎت اﻟﻌﻴﻨـﺔ‬
‫ﺣﺼﻠﺖ ﻋﲆ ﻣﺘﻮﺳﻂ أﻋﲆ أو أﻗﻞ ﻣﻦ اﳌﺠﻤﻮﻋﺎت اﻷﺧﺮى‪ .‬ﻛام ميﻜﻦ ﻣﻌﺮﻓﺔ ﻣﺎ إذا ﻛﺎﻧـﺖ ﻫﻨـﺎك ﻓـﺮوق‬
‫ﺟﻮﻫﺮﻳﺔ ﺑني ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ﻣﻦ ﺣﻴﺚ اﻟﺘﺠﻤﻴﻊ اﻟﺨﻄﻲ ﻟﻠﻤﺘﻐريات اﻟﺘﺎﺑﻌﺔ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ دﻻﻟﺔ ) '‪Wilks‬‬
‫‪ (Lambda‬أﻗﻞ ﻣﻦ ‪ 0.05‬ﺗﻜﻮن ﻫﻨﺎك ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت‪ ،‬أﻣﺎ إذا ﻛﺎﻧﺖ ﻫﺬه اﻟﺪﻻﻟﺔ ﺗﺴـﺎوي‬
‫أو أﻛﱪ ﻣﻦ ‪ ،0.05‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ ﻋﺪم وﺟﻮد ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت‪.‬‬

‫أﻳﻀﺎ اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﳌﻌﺎﻣﻞ )‪ (Hoteling' Trace‬وﻛﺬﻟﻚ ﻣﻌﺎﻣﻞ )‪ ((Pillai's Trace‬ﻛام ﺗﺘﻴﺢ‬
‫وﻫﻨﺎك ً‬
‫اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﻟﻨﺎﺗﺠﺔ ﻋﻦ ﺗﻄﺒﻴﻖ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد اﻟﺘﻌﺮف ﻋﲆ ﻣـﺎ إذا ﻛﺎﻧـﺖ ﻫﻨـﺎك ﻓـﺮوق‬
‫ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت؛ ﻣﻦ ﺣﻴﺚ أي ﻣﺘﻐري ﻣﻦ اﳌﺘﻐريات اﻟﺘﺎﺑﻌﺔ‪ ،‬ﻛﻞ ﻣﺘﻐري ﻋﲆ ﺣـﺪة‪ ،‬وذﻟـﻚ ﻣـﻦ‬
‫اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﳌﻌﻨﻮﻧـﺔ)‪ ، (Tests of Between Subjects Effect‬ﻛـام ميﻜـﻦ ﻣﻌﺮﻓـﺔ ﻧﺴـﺒﺔ اﻟﺘﺒـﺎﻳﻦ ﰲ‬
‫اﳌﺘﻐري اﻟﺘﺎﺑﻊ اﻟﺘﻲ ميﻜﻦ ﺗﻔﺴريﻫﺎ ﺑﺎﳌﺘﻐري اﳌﺴﺘﻘﻞ )وﻫﻮ اﻟﺬي ﺻﻨﻔﺖ ﻋﲆ أﺳﺎﺳـﻪ ﻣﺠﻤﻮﻋـﺎت اﻟﻌﻴﻨـﺔ(‪،‬‬
‫وﻳﻌﱪ ﻋﻦ ذﻟﻚ ﰲ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﺑﻘﻴﻤﺔ ﺗﺮﺑﻴﻊ إﻳﺘﺎ اﻟﺠﺰيئ )‪ (Partial Eta Square‬ﻓـﺈذا ﻛﺎﻧـﺖ ﻫـﺬه‬
‫ﻣﺜﻼ ‪ ،0.22‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أن اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ )اﳌﺘﻐـري اﻟـﺬي ﺻـﻨﻔﺖ ﻋـﲆ أﺳﺎﺳـﻪ ﻣﺠﻤﻮﻋـﺎت‬
‫اﻟﻘﻴﻤﺔ ً‬
‫اﻟﻌﻴﻨﺔ( ﻳﻔﺴـﺮ ‪ %22‬ﻣﻦ اﻟﺘﺒﺎﻳﻦ ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪.‬‬

‫‪-289-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﳌﺒﺤﺚ اﻟﺜﺎين‬

‫ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ‬

‫ميﻜﻦ ﺗﻌﺮﻳﻒ ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ )‪ (Covariance Analysis) (ANCOVA‬ﺑﺄﻧﻪ أﺳﻠﻮب إﺣﺼـﺎيئ ﻟﻠـﺘﺤﻜﻢ‬
‫ﰲ اﳌﺘﻐريات اﻟﺘﻲ ﺗﺘﺪاﺧﻞ ﻣﻊ اﳌﺘﻐري اﳌﺴﺘﻘﻞ ﰲ اﻟﺘﺄﺛري ﻋـﲆ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ‪ .‬ﻫـﺬه اﳌﺘﻐـريات اﻟﺘـﻲ ﻳـﺘﻢ‬
‫ﺿﺒﻄﻬﺎ أو اﻟﺘﺤﻜﻢ ﻓﻴﻬﺎ ﺗﺴﻤﻰ ﺑﺎﳌﺘﻐريات اﳌﺼﺎﺣﺒﺔ أو اﳌﻼزﻣﺔ )‪ ،(Covariates‬وﻳﻌﺘﱪ ﺗﺤﻠﻴﻞ اﻟﺘﻐـﺎﻳﺮ ﻣـﻦ‬
‫أﺑﺮز اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﻲ ﻳﺸﻴﻊ اﺳﺘﺨﺪاﻣﻬﺎ ﰲ اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ‪،‬ﻓﻬﻮ ﻣﻦ أﺳﺎﻟﻴﺐ اﻟﻀﺒﻂ اﻹﺣﺼﺎيئ‬
‫اﻟﻬﺎﻣﺔ‪ ،‬ﻛام أﻧﻪ ﰲ ﺑﻌﺾ ﺟﻮاﻧﺒﻪ اﻣﺘـﺪاد ﻟﻠﻤﻌـﺎﻣﻼت اﻹﺣﺼـﺎﺋﻴﺔ اﻟﺘـﻲ ﺗـﺘﻘﴡ اﻟﻔـﺮوق ﺑـني ﻋـﺪد ﻣـﻦ‬
‫اﳌﺠﻤﻮﻋﺎت؛ ﻣﻦ ﺣﻴﺚ ﻣﺘﻮﺳﻂ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴـﺎس ﻣﻌـني ﻣﺜـﻞ اﺧﺘﺒـﺎر )‪ (T‬وﺗﺤﻠﻴـﻞ اﻟﺘﺒـﺎﻳﻦ اﻷﺣـﺎدي‬
‫)‪ ،(ANOVA‬ﻓﻬﻮ ﻳﺠﻤﻊ ﺑني ﻫﺬه اﳌﻌﺎﻣﻼت وﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار‪.‬‬

‫وﰲ اﻟﺪراﺳﺎت اﻟﺘﻲ ﺗﺴﺘﺨﺪم ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﻗﺪ ﻳﺮى اﻟﺒﺎﺣﺚ ﴐورة اﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ ﺑﻬﺪف‬
‫زﻳﺎدة ﻗﻮة اﺧﺘﺒﺎر ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﻷﺣﺎدي )‪ ،(ANOVA‬ﺑﻞ إن اﻟﻜﺜري ﻣـﻦ اﻟﺪراﺳـﺎت اﻟﻌﻠﻤﻴـﺔ اﻟﺠـﺎدة ﻻ‬
‫ﺗﺘﻮﻗﻒ ﻋﻨﺪ ﻧﺘﺎﺋﺞ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‪ ،‬وﺗﺬﻫﺐ إﱃ ﴐورة ﻓﻬﻢ اﻟﺘﺒﺎﻳﻦ اﻟﺬي ﻻميﻜـﻦ اﻟﺘﻨﺒـﺆ ﺑـﻪ أو ﺗﻮﻗﻌـﻪ ﰲ‬
‫منﻮذج ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‪ ،‬وﻫﻮ ﺗﺒﺎﻳﻦ اﻟﺨﻄﺄ )اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت(‪ ،‬وﻗﺪ ﻳﺆدي ذﻟﻚ إﱃ ﻧﺘﺎﺋﺞ أﻛرث دﻗﺔ‪.‬‬
‫وﻳﺪل اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت ﻋﲆ اﻻﻧﺤﺮاف ﻏري اﳌﻀﺒﻮط )واﻟﺬي ﻳﻌﺰى إﱃ اﻟﻌﺸﻮاﺋﻴﺔ ﰲ اﻟﺘﺼﻤﻴامت‬
‫اﻟﺘﺠﺮﻳﺒﻴﺔ اﻟﻜﺎﻣﻠﺔ(‪ ،‬ﻓﻔﻲ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ )‪ (ANOVA‬ﻣﻦ اﳌﻌﺮوف أن ﺗﺒﺎﻳﻦ اﻟﺨﻄﺄ )أو ﻣﺘﻮﺳﻂ ﻣﺮﺑﻌـﺎت‬
‫داﺧﻞ اﳌﺠﻤﻮﻋﺎت( ﻫﻮ ﺑﺎﻗﻲ أو ﺧﻄﺄ اﻟﺘﻘﺪﻳﺮ؛ ﻷن اﳌﺘﻐري اﳌﺴﺘﻘﻞ ﻳﻜﻮن ﻫﻮ اﳌﻨﺒﺊ اﻟﻮﺣﻴﺪ‪.‬‬

‫وﰲ ﺿﻮء اﻹﻃﺎر اﻟﻨﻈﺮي واﻟﺮؤﻳﺔ اﳌﻮﺿﻮﻋﻴﺔ اﳌﺪﻗﻘﺔ ﻗﺪ ﻳﺘﻮﻗﻊ اﻟﺒﺎﺣﺚ أن اﳌﺘﻐري اﻟﺘﺎﺑﻊ‬
‫ميﻜﻦ أن ﻳﺘﺄﺛﺮ مبﺘﻐري آﺧﺮ أو مبﺘﻐريات أﺧﺮى ﻏري اﳌﺘﻐري اﳌﺴـﺘﻘﻞ أو اﳌﺘﻐـريات اﳌﺴـﺘﻘﻠﺔ‬
‫واﻟﺘﻲ ﺗﻢ ﺗﺤﺪﻳﺪﻫﺎ‪) ،‬ﻓﺎﻟﺒﺎﺣﺚ اﻟﺬي ﻳﻬﺘﻢ مبﻌﺮﻓﺔ ﻣـﺎ إذا ﻛـﺎن ﻣﺴـﺘﻮى اﳌﻌﺮﻓـﺔ اﻟﺴﻴﺎﺳـﻴﺔ‬

‫‪-290-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻳﺨﺘﻠﻒ ﺣﺴﺐ ﻣﺴﺘﻮى اﻟﺘﻌﺮض ﻟﻠﻤﻀﻤﻮن اﻟﺴﻴﺎﳼ ﰲ وﺳﺎﺋﻞ اﻹﻋـﻼم‪ ،‬ﻗـﺪ ﻳﺘﻮﻗـﻊ أن ﻣﺴـﺘﻮى اﳌﻌﺮﻓـﺔ‬
‫اﻟﺴﻴﺎﺳﻴﺔ ميﻜﻦ أن ﻳﺘﺄﺛﺮ مبﺘﻐريات أﺧﺮى ﻣﺜﻞ اﳌﺸﺎرﻛﺔ ﰲ اﻷﻧﺸـﻄﺔ اﻟﺴﻴﺎﺳـﻴﺔ‪ ،‬اﻟﺘﺤـﺪث ﰲ اﳌﻮﺿـﻮﻋﺎت‬
‫اﻟﺴﻴﺎﺳﻴﺔ ﻣﻊ اﻵﺧﺮﻳﻦ‪(...‬؛ أي أن ﻣﺘﻐري اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ )ﻛﻤﺘﻐري ﺗﺎﺑﻊ( ميﻜﻦ أن ﺗﺨﺘﻠﻒ ﻗﻴﻤﺘـﻪ ﺣﺴـﺐ‬
‫ﻣﺘﻐريات أﺧﺮى )وﻟﻴﺲ ﻓﻘﻂ ﺣﺴﺐ ﻣﺴﺘﻮى اﻟﺘﻌـﺮض ﻟﻠﻤﻀـﻤﻮن اﻟﺴـﻴﺎﳼ ﰲ وﺳـﺎﺋﻞ اﻹﻋـﻼم(‪ ،‬وﺗﻜـﻮن‬
‫دراﺳﺔ ﻫﺬه اﳌﺘﻐريات اﻷﺧﺮى ﻣﻦ ﻣﺘﻄﻠﺒﺎت زﻳﺎدة ﻛﻔﺎءة اﻟﺘﻨﺒﺆ ﺑﺎﳌﺘﻐري اﻟﺘﺎﺑﻊ وﺗﺨﻔﻴﺾ ﺗﺒﺎﻳﻦ اﻟﺨﻄﺄ‪.‬‬

‫وﻳﺘﻢ ﺗﻄﺒﻴﻖ ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ ﰲ اﻟﺒﺤﻮث اﻟﺘﺠﺮﻳﺒﻴﺔ وﺷﺒﻪ اﻟﺘﺠﺮﻳﺒﻴﺔ ﻋﲆ ﻧﻄﺎق واﺳﻊ؛ إذ إن اﻟﺘﺼـﻤﻴﻢ‬
‫ﻧﺎﺗﺠـﺎ ﻋـﻦ اﳌﺘﻐـري‬
‫اﻟﺘﺠﺮﻳﺒﻲ اﻟﺠﻴﺪ ﻫﻮ ذﻟﻚ اﻟﺬي ﻳﻀﻤﻦ أن ﻳﻜـﻮن اﻟﺘـﺄﺛري اﻟﻮاﻗـﻊ ﻋـﲆ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ ً‬
‫اﳌﺴﺘﻘﻞ‪ ،‬ﻣﻊ اﻟﺘﺤﻜﻢ ﰲ اﳌﺘﻐريات واﻟﴩوط واﻟﻈﺮوف اﻟﺘﻲ ﺗﻨﻌﻜﺲ ﻋﲆ ﻫﺬا اﻟﺘـﺄﺛري‪ .‬وميﻜـﻦ اﺳـﺘﺨﺪام‬
‫ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ أﺣﺎدي اﻻﺗﺠﺎه‪ ،‬وﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ ﺛﻨـﺎيئ اﻻﺗﺠـﺎه‪ .‬إن ﺗﺤﻠﻴـﻞ اﻟﺘﻐـﺎﻳﺮ أﺣـﺎدي اﻻﺗﺠـﺎه ﻳﻌﻨـﻲ‬
‫وﺟﻮد ﻣﺘﻐري واﺣﺪ ﻣﺴﺘﻘﻞ وﻣﺘﻐري واﺣﺪ ﺗﺎﺑﻊ‪ ،‬أﻣﺎ ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ ﺛﻨﺎيئ اﻻﺗﺠﺎه ﻓﻴﻌﻨﻲ وﺟـﻮد ﻣﺘﻐـريﻳﻦ‬
‫ﻣﺴﺘﻘﻠني‪ ،‬وﻣﺘﻐري واﺣﺪ ﺗﺎﺑﻊ‪ ،‬وﰲ ﻛﻞ اﻷﺣﻮال ﻳﺘﻢ اﻟﺘﺤﻜﻢ ﰲ اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ اﻷﺧﺮى‪.‬‬

‫وﻳﻔﱰض ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ أن ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺑني اﳌﺘﻐري اﳌﺼﺎﺣﺐ ‪ /‬اﳌﺘﻐريات اﳌﺼﺎﺣﺒﺔ واﳌﺘﻐري اﻟﺘﺎﺑﻊ ‪/‬‬
‫اﳌﺘﻐريات اﻟﺘﺎﺑﻌﺔ ﻫﻲ ﻋﻼﻗﺔ ﺧﻄﻴﺔ )‪ ،(Linear‬وﰲ ﺣﺎﻟﺔ اﺳﺘﺨﺪام أﻛرث ﻣﻦ ﻣﺘﻐـري ﻣﺼـﺎﺣﺐ‪ ،‬ﻓـﺈن ﺗﺤﻠﻴـﻞ‬
‫أﻳﻀـﺎ ﺑـني ﻛـﻞ زوج ﻣـﻦ ﻫـﺬه اﳌﺘﻐـريات‪ ،‬وﻋـﲆ ﻣﺴـﺘﻮى ﻛـﻞ‬
‫اﻟﺘﻐﺎﻳﺮ ﻳﻔﱰض أن ﺗﻜﻮن اﻟﻌﻼﻗـﺔ ﺧﻄﻴـﺔ ً‬
‫ﻣﺠﻤﻮﻋﺔ ﻋﲆ ﺣﺪة ‪ -‬ﻣﻦ ﻣﺠﻤﻮﻋﺎت اﳌﺘﻐري اﳌﺴﺘﻘﻞ‪ -‬ﻓﺈن ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ ﻳﻔﱰض ﺗﺠﺎﻧﺲ ﻣﻴﻞ اﻻﻧﺤﺪار‪،‬‬
‫مبﻌﻨﻰ أن ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺑني اﳌﺘﻐري اﳌﺼﺎﺣﺐ واﳌﺘﻐري اﻟﺘﺎﺑﻊ ﻋﲆ ﻣﺴﺘﻮى اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﻣﺘﺸﺎﺑﻬﺔ ﻣـﻊ‬
‫اﻟﻌﻼﻗﺔ ﺑني اﳌﺘﻐري اﳌﺼـﺎﺣﺐ واﳌﺘﻐـري اﻟﺘـﺎﺑﻊ ﻋـﲆ ﻣﺴـﺘﻮى اﳌﺠﻤﻮﻋـﺔ اﻟﺜﺎﻧﻴـﺔ‪ ،‬وﻛـﺬﻟﻚ ﻋـﲆ ﻣﺴـﺘﻮى‬
‫اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜﺔ‪ ،.....‬وﻣﻌﻨﻰ ﻣﺘﺸﺎﺑﻬﺔ أن ﺗﻜﻮن ﻣﺘﻘﺎرﺑﺔ ﰲ اﻟﻘﻴﻤﺔ‪ ،‬وﰲ ﺣﺎﻟﺔ اﺳـﺘﺨﺪام أﻛـرث ﻣـﻦ ﻣﺘﻐـري‬
‫ﻣﺼﺎﺣﺐ‪ ،‬ﻳﺘﻌني ﻓﺤﺺ اﻻرﺗﺒﺎط ﺑني ﻫﺬه اﳌﺘﻐـريات ﺑﻌﻀـﻬﺎ ﺑـﺒﻌﺾ‪ ،‬وأن ﻳﻜـﻮن اﻻرﺗﺒـﺎط ﺑﻴﻨﻬـﺎ ﺿـﻌﻴﻔًﺎ‪،‬‬

‫‪-291-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ً‬
‫ﻣﺘﻮﺳﻄﺎ‪ ،‬ﻳﻔﻀﻞ ﺣـﺬف أﺣـﺪ ﻫـﺬه اﳌﺘﻐـريات‪ ،‬ﺧﺎﺻـﺔ اﳌﺘﻐـري اﻟـﺬي‬ ‫وإذا ﺗﺒني أن اﻻرﺗﺒﺎط ﺑﻴﻨﻬﺎ ﻗﻮﻳّﺎ أو‬
‫ً‬
‫ارﺗﺒﺎﻃﺎ ﻗﻮﻳّﺎ ﺑﺒﻘﻴﺔ اﳌﺘﻐريات اﳌﺼﺎﺣﺒﺔ‪.‬‬ ‫ﻳﺮﺗﺒﻂ‬

‫ﻟﺘﻮﺿﻴﺢ أﻫﻤﻴﺔ ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ‪ ،‬ﻧﻔﺮض أن ﻟﺪﻳﻨﺎ ﺛﻼث ﻣﺠﻤﻮﻋﺎت ﺣﺴﺐ ﻣﺴـﺘﻮى اﻟـﺪﺧﻞ )ﻣـﻨﺨﻔﺾ‪،‬‬
‫ﻣﺘﻮﺳﻂ‪ ،‬ﻣﺮﺗﻔﻊ(‪ ،‬وﻗﺪ ﻛﺸﻒ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠﺎه )‪ (NOVA‬ﻋﻦ أﻧﻪ ﻻ ﺗﻮﺟﺪ ﻓـﺮوق ﺟﻮﻫﺮﻳـﺔ‬
‫ﺑني ﻫﺬه اﳌﺠﻤﻮﻋﺎت اﻟﺜﻼث ﰲ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ اﻹﻋـﻼم‪ ،‬ﻓﺎﳌﺠﻤﻮﻋـﺔ اﻷوﱃ ذات‬
‫اﻟﺪﺧﻞ اﳌﻨﺨﻔﺾ‪ ،‬ﻻ ﺗﺨﺘﻠﻒ ﻋﻦ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴـﺔ )ذات اﻟـﺪﺧﻞ اﳌﺘﻮﺳـﻂ(‪ ،‬وﻻ ﻋـﻦ اﳌﺠﻤﻮﻋـﺔ اﻟﺜﺎﻟﺜـﺔ‬
‫)ذات اﻟﺪﺧﻞ اﳌﺮﺗﻔﻊ(‪ ،‬ﻛام أن اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ ﻻ ﺗﺨﺘﻠﻒ ﻋﻦ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻟﺜـﺔ )‪ ،(p > 0.05‬ﻫﻨـﺎ ﻧﺠـﺪ‬
‫أن اﳌﺘﻐري اﳌﺴﺘﻘﻞ ﻫﻮ )ﻣﺴﺘﻮى اﻟـﺪﺧﻞ(‪ ،‬أﻣـﺎ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ‪ ،‬ﻓﻬـﻮ )اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ اﻹﻋـﻼم(‪ .‬ﻏـري أن‬
‫اﻟﺒﺎﺣﺚ مل ﻳﻜﺘﻒ ﺑﻬﺬه اﻟﻨﺘﻴﺠﺔ‪ ،‬ﻷﻧﻪ ﻳﺮﻳﺪ ﻣﻌﺎﻟﺠﺔ إﺣﺼﺎﺋﻴﺔ أﻋﲆ ﻟﻠﺒﻴﺎﻧﺎت اﻟﺨﺎﺻﺔ ﺑﺎﻟﻨﺘﻴﺠـﺔ اﻟﺴـﺎﺑﻘﺔ‪،‬‬
‫وﺑﺎﻟﺘﺎﱄ ﻗﺎم ﺑﺘﻘﴢ اﻟﻌﻼﻗﺔ ﺑني اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم وﻣﺘﻐريات أﺧﺮى‪ ،‬ﻣﻦ ﺑﻴﻨﻬـﺎ اﳌﺴـﺘﻮى اﻟﺘﻌﻠﻴﻤـﻲ‬
‫ً‬
‫ارﺗﺒﺎﻃﺎ ﺟﻮﻫﺮﻳّﺎ ﺑني ﻛﻞ ﻣﻦ اﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ وﻣﺴﺘﻮى اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋـﻼم‪ ،‬ﰲ‬ ‫ﻓﺘﺒني ﻟﻪ أن ﻫﻨﺎك‬
‫ﻫــﺬه اﻟﺤﺎﻟــﺔ ﻳــﺘﻢ إﺟــﺮاء ﺗﺤﻠﻴــﻞ اﻟﺘﻐــﺎﻳﺮ؛ ﺑﺤﻴــﺚ ﻳﻜــﻮن »ﻣﺴــﺘﻮى اﻟﺘﻌﻠــﻴﻢ« ﻫــﻮ اﳌﺘﻐــري اﳌﺼــﺎﺣﺐ‬
‫)‪.(Covariate‬‬

‫ﻣﺜﺎل ﺗﻮﺿﻴﺤﻲ‪:‬‬

‫ﰲ دراﺳﺔ ﺗﻄﺒﻴﻘﻴﺔ ﻛﺎن اﻟﻬﺪف ﻣﻌﺮﻓﺔ ﻣﺎ إذا ﻛﺎﻧﺖ ﻣﻌﻠﻮﻣﺎت اﻟﺠﻤﻬﻮر ﻋﻦ اﻟﻮﺿـﻊ ﰲ ﺟﻨـﻮب اﻟﺴـﻮدان‪،‬‬
‫ﺗﺨﺘﻠﻒ ﺑـﺎﺧﺘﻼف ﻣﺴـﺘﻮى اﻟﺘﻌـﺮض ﻟﻠﻤـﻮاد اﻟﺴﻴﺎﺳـﻴﺔ اﻟﺘـﻲ ﺗﻨﴩﻫـﺎ وﺳـﺎﺋﻞ اﻹﻋـﻼم‪ .‬اﺧﺘـﺎر اﻟﺒﺎﺣـﺚ ﻋﻴﻨـﺔ‬
‫ﻣﻘﻴﺎﺳـﺎ ﳌﺴـﺘﻮى‬
‫ﻋﺸﻮاﺋﻴﺔ ﻗﻮاﻣﻬﺎ ‪ 400‬ﻣﻔﺮدة روﻋﻲ ﻓﻴﻬﺎ اﻟﻀﻮاﺑﻂ اﳌﻄﻠﻮﺑﺔ‪ ،‬وﺗﻢ ﺗﻄﺒﻴـﻖ اﺳـﺘﺒﻴﺎن ﻳﺘﻀـﻤﻦ ً‬
‫وﻣﻘﻴﺎﺳﺎ ﻟﻠﻤﻌﺮﻓـﺔ ﺑﺎﻟﻮﺿـﻊ ﰲ ﺟﻨـﻮب اﻟﺴـﻮدان وﻗـﺖ‬
‫ً‬ ‫اﻟﺘﻌﺮض ﻟﻠﻤﻮاد اﻟﺴﻴﺎﺳﻴﺔ اﻟﺘﻲ ﺗﻨﴩﻫﺎ وﺳﺎﺋﻞ اﻹﻋﻼم‪،‬‬
‫إﺟﺮاء اﻟﺪراﺳﺔ‪ ،‬ﺑﺎﻹﺿﺎﻓﺔ إﱃ ﻣﻘﻴﺎس ﺛﺎﻟﺚ ﻟﻘﻴﺎس ﻣﺴﺘﻮى اﻻﻫﺘامم ﺑﺎﻟﻮﺿﻊ ﰲ ﺟﻨﻮب اﻟﺴﻮدان )ﺣﻴﺚ ﻛﺎن ﻣﻦ‬
‫إﺣﺼـﺎﺋﻴﺎ‪ ،‬وﺗـﻢ ﺗﺼـﻨﻴﻒ اﳌﺒﺤـﻮﺛني إﱃ ﺛـﻼث‬
‫ّ‬ ‫اﳌﺘﻮﻗﻊ أن ﺗﺰداد اﳌﻌﺮﻓﺔ ﺑﺰﻳـﺎدة اﻻﻫـﺘامم(‪ .‬ﻋﻮﻟﺠـﺖ اﻟﺒﻴﺎﻧـﺎت‬
‫ﻣﺠﻤﻮﻋﺎت ﺣﺴﺐ ﻣﺴـﺘﻮى اﻟﺘﻌـﺮض ﻟﻠﻤـﻮاد اﻟﺴﻴﺎﺳـﻴﺔ اﻟﺘـﻲ ﺗﻨﴩﻫـﺎ وﺳـﺎﺋﻞ اﻹﻋـﻼم )ﻣـﻨﺨﻔﺾ‪ ،‬ﻣﺘﻮﺳـﻂ‪،‬‬

‫‪-292-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻣﺮﺗﻔﻊ(‪ .‬ﻛﺎن اﻟﺘﺴﺎؤل ﻫﻮ ‪ :‬ﻫﻞ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني اﳌﺠﻤﻮﻋﺎت اﻟﺜﻼث ﻣﻦ ﺣﻴﺚ اﳌﻌﺮﻓـﺔ ﺑﺎﻟﻮﺿـﻊ ﰲ‬
‫ﺟﻨﻮب اﻟﺴﻮدان؟ ﺑﺎﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ أﺣﺎدي اﻻﺗﺠﺎه )‪ ،(ANOVA‬ﺧﻠﺼﺖ اﻟﺪراﺳﺔ إﱃ اﻟﻨﺘﻴﺠﺔ اﳌﻮﺿـﺤﺔ‬
‫ﺑﺎﻟﺠﺪول اﻵيت‪:‬‬
‫‪ANOVA‬‬

‫‪Knwlede‬‬

‫‪Sum of‬‬ ‫‪df‬‬ ‫‪Mean Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬

‫‪Squares‬‬
‫‪Between Grpups‬‬ ‫‪18.025‬‬ ‫‪2‬‬ ‫‪9.013‬‬ ‫‪.128‬‬ ‫‪.880‬‬
‫‪Within Groups‬‬ ‫‪28020.452‬‬ ‫‪397‬‬ ‫‪70.580‬‬
‫‪Total‬‬ ‫‪28038.478‬‬ ‫‪399‬‬

‫واﺿﺢ ﻣﻦ ﻫﺬا اﻟﺠﺪول أﻧﻪ ﻻ ﺗﻮﺟﺪ ﻓـﺮوق ﺟﻮﻫﺮﻳـﺔ ﺑـني اﳌﺠﻤﻮﻋـﺎت اﻟـﺜﻼث؛ ﻣـﻦ ﺣﻴـﺚ اﳌﻌﺮﻓـﺔ‬
‫ﺑﺎﻟﻮﺿﻊ ﰲ ﺟﻨـﻮب اﻟﺴـﻮدان)‪ ،(F= 0.128; p > 0.05‬وﻣﻌﻨـﻰ ذﻟـﻚ أن ﻫـﺬه اﳌﻌﺮﻓـﺔ ﻻ ﺗﺨﺘﻠـﻒ ﺑـﺎﺧﺘﻼف‬
‫ﻣﺴﺘﻮى اﻟﺘﻌﺮض ﻟﻠﻤﻮاد اﻟﺴﻴﺎﺳﻴﺔ اﻟﺘﻲ ﺗﻨﴩﻫﺎ وﺳﺎﺋﻞ اﻹﻋﻼم ﺣﺴـﺒام ﻛﺸـﻒ ﻋـﻦ ذﻟـﻚ ﺗﺤﻠﻴـﻞ اﻟﺘﺒـﺎﻳﻦ‬
‫اﻷﺣﺎدي‪ .‬أراد اﻟﺒﺎﺣﺚ أن ﻳﺘﻘﺼـﻰ ﺗﺄﺛري ﻣﺘﻐري »اﻻﻫﺘامم ﺑﺎﻟﻮﺿﻊ ﰲ ﺟﻨﻮب اﻟﺴﻮدان« ﻛﻤﺘﻐـري ﻣﺼـﺎﺣﺐ‬
‫)‪ ،(Covariate Variable‬وﺗﻢ ﺗﻨﻔﻴﺬ ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ‪ ،‬ﻓﺄﺳﻔﺮ ﻋﻦ اﻟﻨﺘﻴﺠﺔ اﳌﺒﻴﻨﺔ ﺑﺎﻟﺠﺪول اﻵيت‪:‬‬

‫‪Tests of Between-Subjects Effects‬‬

‫‪Dependent Variable: Knowlede‬‬

‫‪Type III Sum‬‬
‫‪Source‬‬ ‫‪of Squares‬‬ ‫‪df‬‬ ‫‪Mean Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬
‫‪Corrected Model 10986.924a‬‬ ‫‪3‬‬ ‫‪3662.308‬‬ ‫‪85.052‬‬ ‫‪.000‬‬
‫‪Intercept‬‬ ‫‪32613.387‬‬ ‫‪1‬‬ ‫‪32613.387‬‬ ‫‪757.403‬‬ ‫‪.000‬‬
‫‪Interest‬‬ ‫‪10968.899‬‬ ‫‪1‬‬ ‫‪10968.899‬‬ ‫‪254.738‬‬ ‫‪.000‬‬
‫‪MediaExposure‬‬ ‫‪346.071‬‬ ‫‪2‬‬ ‫‪173.036‬‬ ‫‪4.019‬‬ ‫‪.019‬‬
‫‪Error‬‬ ‫‪17051.553‬‬ ‫‪396‬‬ ‫‪43.059‬‬
‫‪Total‬‬ ‫‪453599.000‬‬ ‫‪400‬‬
‫‪Corrected Total‬‬ ‫‪28038.478‬‬ ‫‪399‬‬
‫)‪a. R Squared = .392 (Adjusted R Squared = .387‬‬

‫‪-293-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻳﻜﺸﻒ ﻫﺬا اﻟﺠﺪول ﻋﻦ أن ﻗﻴﻤﺔ )‪ (F‬واﳌﺒﻴﻨﺔ ﻗﺮﻳﻦ اﳌﺘﻐري )‪ (Media Exposure‬ﺑﻠﻐﺖ ‪ 4.019‬وﻫﺬه‬
‫اﻟﻘﻴﻤــﺔ ذات دﻻﻟــﺔ إﺣﺼــﺎﺋﻴﺔ مبﺴــﺘﻮى ﻣﻌﻨﻮﻳــﺔ ‪ ،(p < 0.05) 0.019‬وﻣﻌﻨــﻰ ذﻟــﻚ أﻧــﻪ ﺑﻌــﺪ ﺿــﺒﻂ‬
‫ﻣﺘﻐري»ﻣﺴﺘﻮى اﻻﻫـﺘامم ﺑﺎﳌﻮﺿـﻮع« ‪ -‬ﺗﺒـني أن درﺟـﺔ ﻣﻌﺮﻓـﺔ اﳌﺒﺤـﻮﺛني ﺑﺎﻟﻮﺿـﻊ ﰲ ﺟﻨـﻮب اﻟﺴـﻮدان‬
‫ً‬
‫اﺧﺘﻼﻓﺎ ﺟﻮﻫﺮﻳّﺎ ﺑﺎﺧﺘﻼف ﻣﺴﺘﻮى اﻟﺘﻌﺮض ﻟﻠﱪاﻣﺞ اﻟﺴﻴﺎﺳﻴﺔ اﻟﺘﻲ ﺗﻌﺮﺿﻬﺎ وﺳـﺎﺋﻞ اﻹﻋـﻼم‪ ،‬ﻫـﺬه‬ ‫ﺗﺨﺘﻠﻒ‬
‫اﻟﻨﺘﻴﺠﺔ اﻟﺠﺪﻳﺪة مل ﻳﻜﻦ ﻣﻦ اﳌﻤﻜﻦ اﻟﺘﻮﺻﻞ إﻟﻴﻬﺎ ﺑﺪون اﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ‪.‬‬

‫وﻧﻨــﻮه ﻫﻨــﺎ إﱃ أن ﺗﺤﻠﻴــﻞ اﻟﺘﺒــﺎﻳﻦ )‪ (ANOVA‬ﻗــﺪ ﻳﻜﺸــﻒ ﻋــﻦ وﺟــﻮد اﺧﺘﻼﻓــﺎت ﺟﻮﻫﺮﻳــﺔ ﺑــني‬
‫ﻣﺠﻤﻮﻋﺎت ﻋﻴﻨﺔ اﻟﺒﺤﺚ )‪ ،(p < 0.05‬ﻣﻦ ﺣﻴﺚ ﻣﺘﻮﺳـﻂ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴـﺎس ﻣﻌني‪ ،‬ﻟﻜﻦ ﺗﺤﻠﻴـﻞ اﻟﺘﻐـﺎﻳﺮ‬
‫ﻳﻜﺸﻒ ﻋﻦ أﻧﻪ ﻻ ﺗﻮﺟﺪ اﺧﺘﻼﻓﺎت ﺟﻮﻫﺮﻳﺔ )‪ ،(p > 0.05‬ﻛام أن ﺗﺤﻠﻴـﻞ اﻟﺘﻐـﺎﻳﺮ ﻗـﺪ ﻳﺆﻛـﺪ ﻧﺘـﺎﺋﺞ ﺗﺤﻠﻴـﻞ‬
‫اﻟﺘﺒﺎﻳﻦ‪ ،‬ﺳﻮاء ﻓﻴام ﻳﺘﻌﻠﻖ ﺑﻮﺟﻮد أو ﻋﺪم وﺟﻮد ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑني ﻣﺠﻤﻮﻋﺎت ﻋﻴﻨﺔ اﻟﺒﺤـﺚ ﰲ اﻟﺪرﺟـﺔ‬
‫أﻳﻀﺎ ﺗﻜﻮن ﻟﻠﻨﺘﻴﺠﺔ ﻗﻴﻤﺔ ﻋﻠﻤﻴﺔ ﻋﺎﻟﻴﺔ‪ ،‬ﻓﻬﻨﺎك ﺑﺤﻮث ﺗﻔﱰض وﺟﻮد ﺗﺄﺛري ﳌﺘﻐـري‬
‫ﻋﲆ ﻣﻘﻴﺎس ﻣﻌني‪ ،‬وﻫﻨﺎ ً‬
‫ﻣﺼﺎﺣﺐ وأﺧﺮى ﺗﻔﱰض ﻋﺪم وﺟﻮد ﻣﺜﻞ ﻫﺬا اﻟﺘﺄﺛري‪.‬‬

‫اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‬

‫ﺗﺤﻠﻴﻞ اﻻﻧﺤـــﺪار‬

‫ً‬
‫أوﻻ‪ :‬اﻟﻔﻜﺮة اﻷﺳﺎﺳﻴﺔ ﻟﻼﻧﺤﺪار‬

‫اﻻﻧﺤﺪار )‪ (Regression‬ﰲ ﻣﻌﻨﺎه اﻟﻌﺎم ﻫﻮ أﺳﻠﻮب إﺣﺼﺎيئ ميﻜﻦ ﺑﻮاﺳﻄﺘﻪ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤﺔ‬
‫ﺑﻨﺎء ﻋﲆ وﺟﻮد ارﺗﺒﺎط ﺟﻮﻫﺮي ﺑني اﳌﺘﻐريﻳﻦ‪ .‬وﻗـﺪ‬
‫ﻣﺘﻐري ﻣﻌني مبﻌﻠﻮﻣﻴﺔ ﻗﻴﻤﺔ ﻣﺘﻐري آﺧﺮ ً‬
‫ﺳﻤﻲ ﻣﻌﺎﻣﻞ اﻻﻧﺤـﺪار ﺑﻬـﺬا اﻻﺳـﻢ؛ ﻷن اﳌﻌﺎدﻟـﺔ اﻟﺨﺎﺻـﺔ ﺑـﻪ ﺗﻨﺤـﻮ ﰲ ﺗﻘـﺪﻳﺮاﺗﻬﺎ ﻟﻠﻘـﻴﻢ‬
‫ً‬
‫ارﺗﺒﺎﻃﺎ ﺟﻮﻫﺮﻳّﺎ ﺑني‬ ‫اﳌﺨﺘﻠﻔﺔ ﻧﺤﻮ اﳌﺘﻮﺳﻂ؛ أي ﺗﻨﺤﺪر ﻧﺤﻮ اﳌﺘﻮﺳﻂ‪ ،‬ﻓﺈذا اﻓﱰﺿﻨﺎ أن ﻫﻨﺎك‬
‫ﻣﺘﻐريﻳﻦ‪ :‬اﳌﺘﻐري اﻷول )س( وﻫﻮ ﻋﺪد اﻟﺴﺎﻋﺎت اﻟﺘﻲ ﻳﻘﻀﻴﻬﺎ اﳌﻔﺤﻮﺻﻮن ﻳﻮﻣﻴّﺎ ﰲ ﻗـﺮاءة‬
‫ﻳﻮﻣﻴـﺎ ﰲ ﻣﺸـﺎﻫﺪة‬
‫اﻟﺼﺤﻒ‪ ،‬واﳌﺘﻐـري اﻟﺜـﺎين )ص( وﻫـﻮ ﻋـﺪد اﻟﺴـﺎﻋﺎت اﻟﺘـﻲ ﻳﻘﻀـﻮﻧﻬﺎ ّ‬

‫‪-294-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﻓﺈﻧﻨﺎ ميﻜﻨﻨﺎ اﻟﺘﻨﺒﺆ ﺑﺎﻟﻮﻗـﺖ اﻟـﺬي ﻳﻘﻀـﻴﻪ أي ﻣﻔﺤـﻮص ﰲ ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‪ ،‬إذا ﻋﻠﻤﻨـﺎ‬
‫اﻟﻮﻗﺖ اﻟﺬي ﻳﻘﻀـﻴﻪ ﰲ ﻗـﺮاءة اﻟﺼـﺤﻒ‪ ،‬ﻛـام ميﻜﻨﻨـﺎ ﻣﻌﺮﻓـﺔ اﻟﻮﻗـﺖ اﻟـﺬي ﻳﻘﻀـﻴﻪ ﰲ ﻗـﺮاءة اﻟﺼـﺤﻒ‬
‫مبﻌﻠﻮﻣﻴﺔ اﻟﻮﻗﺖ اﻟﺬي ﻳﻘﻀﻴﻪ ﰲ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‪.‬‬

‫وﻟﺘﺒﺴﻴﻂ اﻟﻔﻜﺮة اﻷﺳﺎﺳﻴﺔ ﰲ ﻣﻌﺎﻣﻞ اﻻﻧﺤـﺪار‪ ،‬اﻓـﱰض أن اﻟﺼـﺤﻔﻴني اﻟﻌـﺎﻣﻠني ﰲ إﺣـﺪى اﻟﺼـﺤﻒ‬
‫ﺛﺎﺑﺘﺎ ﻗﺪره )أﻟﻒ دوﻻر أﻣﺮﻳيك(‪ ،‬ﺑﺎﻹﺿـﺎﻓﺔ إﱃ )ﻣﺎﺋـﺔ دوﻻر( ﻋـﻦ‬
‫اﻟﻴﻮﻣﻴﺔ ﻳﺘﻘﺎﴇ ﻛﻞ ﻣﻨﻬﻢ ﻣﺮﺗﺒًﺎ ﺷﻬﺮﻳّﺎ ً‬
‫ﻛﻞ إﻋﻼن ﻳﺠﻠﺒﻪ أي ﺻﺤﻔﻲ ﻟﻠﺼﺤﻴﻔﺔ‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ‪ ،‬ﻓﺈن ﻣﺠﻤﻞ اﻟﺪﺧﻞ اﻟﺸﻬﺮي ﺳﻴﺘﻐري ﺣﺴـﺐ ﻋـﺪد‬
‫أﻳﻀﺎ مبﻘﺪار ﻣﻌني‪:‬‬
‫اﻹﻋﻼﻧﺎت‪ ،‬مبﻌﻨﻰ أن ﻋﺪد اﻹﻋﻼﻧﺎت اﻟﺘﻲ ﻳﺠﻠﺒﻬﺎ اﻟﺼﺤﻔﻲ‪ ،‬ﻳﺘﻐري ﻣﻌﻪ ﻣﺠﻤﻞ اﻟﺪﺧﻞ ً‬

‫ﻓﺈذا ﻛﺎن أﺣﺪ اﻟﺼﺤﻔﻴني ﻗﺪ ﺣﺼﻞ ﻋﲆ ﺧﻤﺴﺔ إﻋﻼﻧﺎت‪ ،‬ﻓﺈن ﻣﺠﻤﻞ دﺧﻠﻪ ﻳﻜﻮن‪(100×5) +1000 :‬‬
‫= ‪1500‬‬

‫وإذا ﻛﺎن ﺻﺤﻔﻲ آﺧﺮ ﻗﺪ ﺣﺼﻞ ﻋﲆ ﺳﺒﻌﺔ إﻋﻼﻧﺎت‪ ،‬ﻓﺈن ﻣﺠﻤﻞ دﺧﻠﻪ ﻳﻜﻮن‪= (100×7) +1000 :‬‬
‫‪1700‬‬

‫وإذا ﻛــﺎن ﺻــﺤﻔﻲ ﺛﺎﻟــﺚ ﻗــﺪ ﺣﺼــﻞ ﻋــﲆ ﻋﺸـــﺮﻳﻦ إﻋﻼﻧًــﺎ‪ ،‬ﻓــﺈن ﻣﺠﻤــﻞ دﺧﻠــﻪ ﻳﻜــﻮن‪+1000 :‬‬
‫)‪3000 = (100×20‬‬

‫أﻣﺎ إذا ﻛﺎن أﺣﺪ اﻟﺼﺤﻔﻴني مل ﻳﺤﺼﻞ ﻋﲆ أي إﻋﻼن‪ ،‬ﻓﺈن ﻣﺠﻤـﻞ دﺧﻠـﻪ اﻟﺸـﻬﺮي ﻳﻜـﻮن‪+1000 :‬‬
‫)ﺻﻔﺮ×‪1000 = (100‬‬

‫ﻣﻦ اﻟﻮاﺿﺢ أن ذﻟﻚ ﻳﻌﻜﺲ وﺟﻮد ارﺗﺒﺎط ﻣﻮﺟﺐ )‪ (Positive Correlation‬ﺑني ﻣﺠﻤﻞ اﻟﺪﺧﻞ وﻋﺪد‬
‫اﻹﻋﻼﻧﺎت؛ أي أﻧﻪ ﻛﻠام زاد ﻋﺪد اﻹﻋﻼﻧﺎت‪ ،‬زاد ﻣﺠﻤﻞ اﻟﺪﺧﻞ ﻓﻴام ميﺜﻠﻪ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬

‫‪-295-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫‪3000‬‬

‫‪2000‬‬

‫‪b = 100‬‬
‫‪1000‬‬

‫أ‬

‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫ﺻﻔﺮ‬

‫وﻣﻊ أﺧﺬ ﻗﻴﻤﺔ اﻟﺜﺎﺑﺖ ﰲ اﻻﻋﺘﺒﺎر‪ ،‬واﻟﺘﻌﺒري ﻋﻦ ﻗﻴﻤﺔ اﻟﺘﻐري ﰲ اﳌﺘﻐريﻳﻦ‪ ،‬ﻓﺈن اﻟﺼـﻴﻐﺔ اﳌﻌـﱪة ﻋـﻦ‬
‫ذﻟﻚ ﻫﻲ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار‪ ،‬إﻧﻬﺎ ﺑﺒﺴﺎﻃﺔ ﺗﻌﱪ ﻋﻦ ﺣﺠـﻢ اﻟﺘﻐـري ﰲ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ ﻟﻜـﻞ وﺣـﺪة ﺗﻐـري ﰲ‬
‫اﳌﺘﻐري اﳌﺴﺘﻘﻞ‪ ،‬وﺑﺬﻟﻚ ميﻜﻨﻨﺎ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤـﺔ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ إذا ﻋﻠﻤﻨـﺎ ﻗﻴﻤـﺔ ﻣﻌﻴﻨـﺔ ﻟﻠﻤﺘﻐـري اﳌﺴـﺘﻘﻞ‪،‬‬
‫وميﻜﻦ إﻳﺠﺎد ﻣﻌﺎدﻟﺔ ﺧـﻂ اﻻﻧﺤـﺪار ﺑﺎﺳـﺘﺨﺪام اﻟـﺪرﺟﺎت اﻟﺨـﺎم أو ﺑﺎﺳـﺘﺨﺪام اﻟـﺪرﺟﺎت اﳌﻌﻴﺎرﻳـﺔ أو‬
‫ﺑﺎﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﻻﻧﺤﺮاﻓﺎت أو ﺑﺎﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪ ،‬وﻣﻦ ﻣﻌﺎدﻟﺔ اﻻﻧﺤـﺪار ميﻜﻨﻨـﺎ ﻣﻌﺮﻓـﺔ ﻗـﻴﻢ‬
‫اﳌﺘﻐري )ص( ﻣﻦ واﻗﻊ ﻗﻴﻢ اﳌﺘﻐري )س( واﻟﻌﻜﺲ‪.‬‬

‫وﻳﻘﻮم اﻻﻧﺤﺪار ﻋﲆ ﻧﻔﺲ اﻷﺳﺲ اﻟﺘﻲ ﻳﻘـﻮم ﻋﻠﻴﻬـﺎ ﻣﻌﺎﻣـﻞ ارﺗﺒـﺎط ﺑريﺳـﻮن‪ ،‬ﺧﺎﺻـﺔ ﻓـﻴام ﻳﺘﻌﻠـﻖ‬
‫ﻛﻤﻴـﺎ‪ ،‬ﻓـﺈذا ﻛﺎﻧـﺖ اﻟﻌﻼﻗـﺔ‬
‫ﺗﻜﻮﻳـﺪا ّ‬
‫ً‬ ‫ﺑﻮﺟﻮد ﻋﻼﻗﺔ ﺧﻄﻴﺔ ﺑني ﻣﺘﻐريﻳﻦ ﻣﻦ اﻟﻨﻮع اﻟﻜﻤﻲ أو ﺗﻜﻮﻳـﺪﻫام‬
‫ﻣﻮﺟﺒﺔ ﺧﻄﻴﺔ )‪ (Linear‬ﺑني اﳌﺘﻐريﻳﻦ‪ ،‬ﻓﺈﻧﻬﺎ ﺗﺄﺧﺬ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬

‫‪-296-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ص‬

‫أ‬

‫س‬ ‫ﺻﻔﺮ‬
‫إن اﻟﺨـﻂ اﳌﻨﻘـﻮط ﻳﺴـﻤﻰ ﺧـﻂ ﺣﺴـﻦ اﳌﻄﺎﺑﻘـﺔ )‪ (line of best fit‬وﻫـﻮ ﻳﺸـري إﱃ ﻋﻼﻗـﺔ ﺧﻄﻴـﺔ‬
‫ﻣﺴﺘﻘﻴﻤﺔ ﺑني اﳌﺘﻐريﻳﻦ‪ ،‬ﻓﺠﻤﻴﻊ اﻟﻨﻘﺎط ﻋﲆ ﺧﻂ واﺣﺪ ﻣﺴﺘﻘﻴﻢ‪ ،‬وﻳﻌـﺮف ﺑﺨـﻂ اﻻﻧﺤـﺪار‪ ،‬وﻫـﻮ ذﻟـﻚ‬
‫اﻟﺨﻂ اﻟﺬي ﻳﺠﻌﻞ ﻣﺠﻤﻮع اﻻﻧﺤﺮاﻓﺎت ﻋﻨﻪ أﻗﻞ ﻣﺎ ميﻜﻦ‪ ،‬ﺳﻮاء ﻓﻴام ﻳﺨﺺ اﳌﺘﻐـري )س( أو ﻓـﻴام ﻳﺨـﺺ‬
‫اﳌﺘﻐري )ص(‪ ،‬وميﻜﻦ ﻣﻦ ﺧﻼﻟﻪ ﺗﺤﺪﻳﺪ أي ﻧﻘﻄﺔ ﻋﲆ اﳌﺤﻮر اﻟﺼﺎدي‪ ،‬إذا ﻋﻠﻤﻨﺎ اﻟﻨﻘﻄﺔ اﳌﻘﺎﺑﻠﺔ ﻟﻬﺎ ﻋـﲆ‬
‫اﳌﺤﻮر اﻟﺴﻴﻨﻲ‪ ،‬واﻟﻌﻜﺲ ﺻﺤﻴﺢ )مبﻌﻨﻰ أﻧﻪ ميﻜـﻦ ﺗﺤﺪﻳـﺪ أي ﻧﻘﻄـﺔ ﻋـﲆ اﳌﺤـﻮر اﻟﺴـﻴﻨﻲ‪ ،‬إذا ﻋﻠﻤﻨـﺎ‬
‫اﻟﻨﻘﻄﺔ اﳌﻘﺎﺑﻠﺔ ﻟﻬﺎ ﻋﲆ اﳌﺤﻮر اﻟﺼﺎدي(‪ ،‬ﻓـﺈذا رﻣﺰﻧـﺎ ﻟﻠﻤﺘﻐـري اﳌﺴـﺘﻘﻞ ﺑـﺎﻟﺮﻣﺰ ‪ X‬وإﱃ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ‬
‫ﺑﺎﻟﺮﻣﺰ ‪ ،Y‬ﻓﺈن ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار ﻫﻲ‪:‬‬
‫‪Y= a + bx + e‬‬

‫ﻓﺎﻟﺮﻣﺰ ‪ Y‬ﻫﻮ اﳌﺘﻐري اﻟﺘﺎﺑﻊ واﻟﺮﻣﺰ ‪ X‬ﻫـﻮ اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ‪ ،‬أﻣـﺎ اﻟﺮﻣـﺰ ‪ a‬ﻓﻬـﻮ ﻗﻴﻤـﺔ‬
‫ﺛﺎﺑﺘﺔ‪ ،‬وﺗﺴﻤﻰ اﻟﺜﺎﺑﺖ )‪ (Intercept‬وﻫﻲ اﻟﻨﻘﻄـﺔ اﻟﺘﻲ ﻳﻜﻮن ﻋﻨﺪﻫﺎ اﻟﺨﻂ اﳌﺴـﺘﻘﻴﻢ ‪(line‬‬
‫ﻗﺎﻃﻌﺎ ﻟﻠﻤﺤﻮر اﻟﺮأﳼ‪ ،‬أﻣﺎ اﻟﺮﻣﺰ ‪ ،b‬ﻓﻴﻌﻨﻲ ﻣﻴﻞ ﻫﺬا اﻟﺨﻂ‪ ،‬ﻫﺬا اﳌﻴـﻞ )‪(Slope‬‬
‫ً‬ ‫)‪of Best fit‬‬
‫ﻫﻮ ﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار‪ ،‬وﻳﻌﻨﻲ اﳌﻌﺪل اﻟﺬي ﻳﺘﻐـري مبﻮﺟﺒﻪ اﳌﺘﻐري اﳌﺴﺘﻘﻞ مبﺎ ﻳﺴﺘﺘﺒﻌﻪ ﺗﻐـري‬
‫ﰲ اﳌﻐري اﻟﺘﺎﺑﻊ‪ ،‬ﻓﺈذا ﺗﻐري اﳌﺘﻐري اﳌﺴﺘﻘﻞ مبﻘﺪار ﻣﻌني‪ ،‬ﻓﺈن اﳌﺘﻐري اﻟﺘﺎﺑﻊ ﻫﻮ اﻵﺧﺮ ﻳﺘﻐري‬
‫مبﻘﺪار ﻣﻌني‪ ،‬ﺑﻴﻨام ﻳﺸري اﻟﺮﻣﺰ ‪ e‬إﱃ اﻟﺨﻄﺄ )‪ (Error‬وﻳﻌﻨﻲ اﻟﺘﺒﺎﻳﻦ ﰲ ﻗﻴﻤﺔ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ‪،‬‬

‫‪-297-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫وﻫﺬا اﻟﺘﺒﺎﻳﻦ ﻳﻔﴪ ﺑﻌﻮاﻣﻞ أﺧﺮى وﻟﻴﺲ ﺑﺎﳌﺘﻐري اﳌﺴﺘﻘﻞ‪ ،‬وﺳﻮف ﻧﺘﺠﺎﻫﻞ ﻫﺬا اﻟﺮﻣﺰ ﺑﻬﺪف اﻟﺘﺒﺴـﻴﻂ‪.‬‬
‫ﻓﺈذا اﻋﺘﱪﻧﺎ أن )س( ﻫﻮ اﳌﺘﻐري اﳌﺴﺘﻘﻞ‪ ،‬وأن )ص( ﻫﻮ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬ﻓـﺈن ﻣﻌﺎدﻟـﺔ اﻻﻧﺤـﺪار ﻋﺒـﺎرة ﻋـﻦ‬
‫اﺳﺘﻨﺎدا إﱃ ﻗﻴﻤﺔ اﻟﺜﺎﺑﺖ ‪) +‬ﻗﻴﻤﺔ اﳌﺘﻐري اﳌﺴﺘﻘﻞ× ﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار(؛ أي أن‪:‬‬
‫ً‬ ‫ﺗﻘﺪﻳﺮ ﻗﻴﻤﺔ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‬

‫ص= اﻟﺜﺎﺑﺖ ‪) +‬س× ﻗﻴﻤﺔ اﻻﻧﺤﺪار(‬

‫ﺳﺎﻟﺒﺎ )‪ ،(Negative Correlation‬وﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻧﻀﻊ‬

‫ﻟﻜﻦ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐريﻳﻦ ﻗﺪ ﻳﻜﻮن ً‬
‫ﺳﺎﻟﺒﺎ‪ ،‬ﻓﺈن ﻫﺬا اﻻرﺗﺒـﺎط‬
‫ﺑﺪﻻ ﻣﻦ إﺷﺎرة زاﺋﺪ )‪ ،(+‬وﻋﻨﺪﻣﺎ ﻳﻜﻮن اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐريﻳﻦ ً‬
‫إﺷﺎرة ﻧﺎﻗﺺ )‪ً (-‬‬
‫ميﺜﻠﻪ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬

‫ص‬

‫أ‬

‫س‬ ‫ﺻﻔﺮ‬
‫وﻫﻨﺎ ﺗﻜﻮن ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار ﻫﻲ‪:‬‬

‫ص= اﻟﺜﺎﺑﺖ ‪) -‬س× ﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار(‬

‫ﻟﻨﻔﺮض أن ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﻟﺘﻲ اﺳﺘﺨﺮﺟﻬﺎ اﻟﻨﻤﻮذج ﻫﻲ‪:‬‬

‫ص= ‪ 2 – 50‬س‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ س ﺗﺴﺎوي ‪ ،12‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﺗﻜﻮن‪:‬‬

‫ص= ‪26 = (12 × 2) – 50‬‬

‫‪-298-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺎﻃﻌـﺎ ﻣـﻊ اﳌﺤـﻮر اﻷﻓﻘـﻲ‪ ،‬ﰲ‬

‫رأﺳﻴﺎ ﻣﺘﻘ ً‬
‫وﰲ ﺑﻌﺾ اﻟﺤﺎﻻت ﻳﻜﻮن اﻟﺨﻂ اﳌﺴﺘﻘﻴﻢ ميﻴﻞ إﱃ أن ﻳﻜﻮن ّ‬
‫ﻫﺬه اﻟﺤﺎﻟﺔ ﻓﺈن اﻟﺜﺎﺑﺖ ﻳﻜﻮن ﺑﺎﻟﻨﺎﻗﺺ )‪ (Minus‬ﻛام ﻫﻮ ﰲ اﻟﺸﻜﻞ اﻵيت‪:‬‬

‫ص‬

‫س‬ ‫ﺻﻔﺮ‬

‫‪-‬أ‬

‫وﻫﻨﺎ ﺗﻜﻮن ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار ﻛﺎﻵيت‪:‬‬

‫ص= ‪ -‬اﻟﺜﺎﺑﺖ ‪ +‬س × ﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار‬

‫ﻓﺈذا ﻛﺎن اﻟﺜﺎﺑﺖ ﻳﺴﺎوي )‪ ،(7 -‬وﻛﺎﻧﺖ ﻗﻴﻤﺔ )س( ﻫﻲ ‪ 23‬وﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار ‪ ،3‬ﻓﺈن‬

‫ص= ‪62 = (3×23) + 7 -‬‬

‫واﺳﻌﺎ ﻣﻦ اﻟﺘﻄﺒﻴﻘﺎت واﻻﺳﺘﺨﺪاﻣﺎت مبﺎ ﻳﺨـﺮج ﻋـﻦ ﻧﻄـﺎق أﻫـﺪاف‬

‫وﻳﻐﻄﻲ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻣﺪى ً‬
‫ﻫﺬا اﻟﻔﺼﻞ‪ ،‬ﻣﻦ ﻫﻨﺎ ﺳﻴﺘﻢ اﻟﺘﻌﺮﻳﻒ ﺑﺎﻟﺠﻮاﻧﺐ اﻷﺳﺎﺳﻴﺔ ﻟﻼﻧﺤﺪار ﻣﻦ ﺧﻼل منـﺎذج ﻣﺒﺴـﻄﺔ ﺗﺘﻤﺜـﻞ ﰲ‬
‫اﻻﻧﺤــﺪار اﻟﺨﻄــﻲ اﻟﺒﺴــﻴﻂ‪ ،‬اﻻﻧﺤــﺪار اﳌﺘﻌــﺪد )ﻣــﻊ اﻹﺷــﺎرة إﱃ اﻻﻧﺤــﺪار ﻏــري اﻟﺨﻄــﻲ(‪ ،‬ﺛــﻢ اﻻﻧﺤــﺪار‬
‫اﻟﻠﻮﺟﺴﺘﻲ‪.‬‬

‫‪-299-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺛﺎﻧﻴﺎ‪ :‬اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﻴﻂ‬

‫ً‬
‫اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﻴﻂ ﻫﻮ اﻟﺘﻄﺒﻴﻖ اﻟﺒﺴﻴﻂ أو اﳌﺒﺎﴍ ﻟﻠﻔﻜﺮة اﻷﺳﺎﺳﻴﺔ اﻟﺘﻲ ﻳﻘﻮم ﻋﻠﻴﻬﺎ اﻻﻧﺤﺪار‪.‬‬
‫ﻓﻬﻮ ﻳﻬﺪف إﱃ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤﺔ ﻣﺘﻐري ﻣﻌني مبﻌﻠﻮﻣﻴﺔ ﻣﺘﻐري آﺧﺮ؛ أي أﻧﻪ ﻳﺘﻀﻤﻦ ﻣﺘﻐـريﻳﻦ ﻓﻘـﻂ‪ ،‬أﺣـﺪﻫام‬
‫ﻫﻮ اﳌﺘﻐري اﳌﺴﺘﻘﻞ واﻟﺜﺎين ﻫﻮ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ .‬ﻣﺜﺎل ذﻟﻚ ﺗﻄﺒﻴﻖ اﻻﻧﺤﺪار اﻟﺨﻄـﻲ اﻟﺒﺴـﻴﻂ ﻋـﲆ اﻟـﺪﺧﻞ‬
‫اﻟﺸﻬﺮي ﻣﻦ ﺟﻬﺔ‪ ،‬واﳌﺒﻠﻎ اﳌﺎﱄ اﻟﺬي ﻳﺘﻢ إﻧﻔﺎﻗﻪ ﻋﲆ ﴍاء اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﻣﻦ ﺟﻬـﺔ ﺛﺎﻧﻴـﺔ‪ .‬إن اﻟـﺪﺧﻞ‬
‫اﻟﺸﻬﺮي ﻳﻌﺎﻣﻞ ﻛﻤﺘﻐري ﻣﺴﺘﻘﻞ )‪ ،(Independent‬أﻣﺎ اﳌﺒﻠﻎ اﻟﻨﻘﺪي اﻟﺬي ﻳﺘﻢ إﻧﻔﺎﻗﻪ ﻋـﲆ ﴍاء اﻟﺼـﺤﻒ‬
‫اﻟﻴﻮﻣﻴﺔ ﻓﻴﻌﺎﻣﻞ ﻛﻤﺘﻐري ﺗﺎﺑﻊ )‪ ،(Dependent‬ﻏري أﻧﻪ ميﻜـﻦ اﺳـﺘﺨﺪام ﺗﺤﻠﻴـﻞ اﻻﻧﺤـﺪار اﻟﺒﺴـﻴﻂ ﻟﻠﺘﻨﺒـﺆ‬
‫ﺑﻘﻴﻤﺔ اﳌﺘﻐري )س(‪ ،‬مبﻌﻠﻮﻣﻴﺔ ﻗﻴﻤﺔ اﳌﺘﻐري )ص(‪ ،‬وﻛﺬﻟﻚ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤﺔ اﳌﺘﻐري )ص( مبﻌﻠﻮﻣﻴﺔ ﻗﻴﻤﺔ اﳌﺘﻐري‬
‫)س(‪.‬‬

‫ﻟﻨﻔﺮض أن دراﺳﺔ ﻋﻠﻤﻴﺔ أﺟﺮﻳﺖ ﻋﲆ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ اﳌﻔﺤﻮﺻني ﳌﻌﺮﻓـﺔ اﻟﻌﻼﻗـﺔ ﺑـني اﺳﺘﺨــﺪام‬
‫وﺳﺎﺋﻞ اﻹﻋﻼم واﳌﻌـﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ‪ ،‬وﻟرنﻣﺰ إﱃ اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم ﺑﺎﻟﺮﻣﺰ )س(‪ ،‬وإﱃ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ‬
‫ﺑﺎﻟﺮﻣﺰ )ص(‪ ،‬ﻓﺈذا أردﻧﺎ اﻟﺘﻨﺒﺆ ﺑﺪرﺟﺔ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ )ص( مبﻌﻠﻮﻣﻴﺔ درﺟﺔ اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ اﻹﻋـﻼم‬
‫)س(‪ ،‬ﺳﻤﻲ ﻫﺬا اﻟﻨﻮع ﻣﻦ اﻟﺘﻨﺒﺆ ﺑﺎﻧﺤﺪار )ص( ﻋﲆ )س(‪ ،‬أﻣﺎ إذا أردﻧﺎ اﻟﺘﻨﺒﺆ ﺑﺪرﺟﺔ اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ‬
‫اﻹﻋﻼم )س( ﻣﻦ درﺟﺔ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ )ص(‪ ،‬ﺳﻤﻲ ﻫـﺬا اﻟﻨـﻮع اﻧﺤـﺪار )س( ﻋـﲆ )ص(‪ ،‬وذﻟـﻚ ﻋـﲆ‬
‫اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬

‫)أ( اﻧﺤﺪار )ص( ﻋﲆ )س(‪:‬‬

‫ﺗﺄﺧﺬ ﻣﻌﺎدﻟﺔ اﻧﺤﺪار )ص( ﻋﲆ )س( اﻟﺼﻮرة اﻟﺠﱪﻳﺔ اﻵﺗﻴﺔ ‪:‬‬

‫‪ιω‬‬
‫)س‪ -‬م س( ‪ +‬م ص‬ ‫ص= ر×‬
‫‪αω‬‬

‫‪-300-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺣﻴﺚ إن ‪:‬‬

‫ص = اﻟﺪرﺟﺔ اﳌﺠﻬﻮﻟﺔ وﻫﻲ درﺟﺔ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ اﻟﺘﻲ ﻧﺮﻳـﺪ ﻣﻌﺮﻓﺘﻬـﺎ ﻣـﻦ ﺧـﻼل اﻟﺪرﺟـﺔ )س(‬
‫اﳌﻌﺮوﻓﺔ ﻟﺪﻳﻨﺎ‪ ،‬وﻫﻲ درﺟﺔ اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم‪.‬‬

‫س = اﻟﺪرﺟﺔ اﳌﻌﻠﻮﻣﺔ )درﺟﺔ اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم(‬

‫ر = ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني اﻟﺪرﺟﺔ)س( واﻟﺪرﺟﺔ )ص(‬

‫ع س = اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﳌﺘﻮﺳﻂ اﻟﺪرﺟﺔ )س (‬

‫ع ص = اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﳌﺘﻮﺳﻂ اﻟﺪرﺟﺔ )ص(‬

‫م س = ﻣﺘﻮﺳﻂ درﺟﺔ اﻻﺧﺘﺒﺎر )س(‬

‫م ص = ﻣﺘﻮﺳﻂ درﺟﺎت اﻻﺧﺘﺒﺎر )ص(‬

‫ﻟﻨﻔﺮض أن ﻗﻴﻢ ﻫﺬه اﳌﻌﻄﻴﺎت ﻓﻴام ﻳﺨﺺ ﻣﻌﺪل اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم )س( واﳌﻌﺮﻓـﺔ اﻟﺴﻴﺎﺳـﻴﺔ‬
‫)ص(‪ ،‬ﻛﺎﻧﺖ ﻋﲆ اﻟﻨﺤﻮ اﻵيت‪:‬‬

‫ر = ‪0.90‬‬

‫ع ص = ‪2.6‬‬

‫ع س = ‪7.56‬‬

‫م س = ‪10‬‬

‫مص=‪8‬‬

‫مبﻮﺟﺐ ﻫﺬه اﳌﻌﻄﻴﺎت ميﻜﻦ ﺣﺴـﺎب اﻧﺤـﺪار )ص( ﻋـﲆ )س(؛ أي ﻣﻌﺮﻓـﺔ ﻗﻴﻤـﺔ )ص( مبﻌﻠﻮﻣﻴـﺔ‬
‫ﻗﻴﻤﺔ )س( ﻛﺎﻵيت‪:‬‬

‫‪-301-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ص = ‪) 2.6 × 0.90‬س‪8 + (10 -‬‬

‫‪7.56‬‬

‫= ‪) 0.31‬س‪8 + (10-‬‬

‫= ‪ 0.31‬س – ‪8 + 3.1‬‬

‫= ‪ 0.31‬س ‪4.9 +‬‬

‫ص = ‪ 0.31‬س ‪4.9+‬‬ ‫إذن‪،‬‬

‫وﻫﺬه ﻫﻲ ﻣﻌﺎدﻟﺔ اﻧﺤﺪار )ص( ﻋﲆ )س( أو ﻣﻌﺎدﻟﺔ اﻟﺘﻨﺒﺆ اﳌﻄﻠﻮﺑﺔ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ )س( ﺗﺴﺎوي‬
‫ﺗﻘﺮﻳﺒﺎ‬
‫‪ ،3‬ﻓﺈن ﻗﻴﻤﺔ ص = ‪ً 5.83 = 4.9 + 3 ×0.31‬‬
‫وميﻜﻦ اﻻﺳﺘﻔﺎدة ﻣﻦ ذﻟﻚ ﰲ رﺻﺪ أي درﺟـﺔ ﻟﻠﻤﺘﻐـري )ص( ﻣـﻦ واﻗـﻊ ﻣﻌﺮﻓـﺔ أي درﺟـﺔ ﻟﻠﻤﺘﻐـري‬
‫ﻣﺜﻼ‪ ،‬ﻓﺈن ﻗﻴﻤﺔ )ص( ﺗﺴﺎوي‪:‬‬
‫)س(‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ )س( ﺗﺴﺎوي ‪ً 6‬‬

‫‪6.76= 4.9 +6 × 0.31‬‬

‫وﰲ اﻟﺘﻄﺒﻴﻖ اﻟﻌﻤﲇ‪ ،‬ﻓﺈن اﺳـﺘﺨﺪام اﻟﺤﺰﻣـﺔ اﻹﺣﺼـﺎﺋﻴﺔ ﻟﻠﻌﻠـﻮم اﻻﺟﺘامﻋﻴـﺔ )‪ (SPSS‬أو ﻏريﻫـﺎ ﻣـﻦ‬
‫اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة‪ ،‬ﻳﺘﻴﺢ ﻛﺎﻓﺔ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ مبﺎ ﻓﻴﻬﺎ اﳌﻌﻄﻴﺎت اﻟﻼزﻣـﺔ ﻟﺘﻜـﻮﻳﻦ ﻣﻌﺎدﻟـﺔ‬
‫اﻻﻧﺤﺪار‪ ،‬ﻓﻔﻲ دراﺳﺔ ﻋـﻦ اﻟﻌﻼﻗـﺔ ﺑـني اﳌﻌﺮﻓـﺔ اﻟﺴﻴﺎﺳـﻴﺔ وﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‪ ،‬وﺑﺎﺳـﺘﺨﺪام ﺗﺤﻠﻴـﻞ‬
‫اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﻴﻂ‪ ،‬ﺗﻀﻤﻨﺖ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﻟﻨﻤﻮذج اﻟﺘﺎﱄ‪:‬‬

‫‪Coefficientsa‬‬

‫‪Unstandardized‬‬ ‫‪Standardized‬‬
‫‪Coefficients‬‬ ‫‪Coefficients‬‬
‫‪Model‬‬ ‫‪B‬‬ ‫‪Std. Error‬‬ ‫‪Beta‬‬ ‫‪t‬‬ ‫‪Sig.‬‬
‫‪1‬‬ ‫)‪(Constant‬‬ ‫‪.920‬‬ ‫‪.026‬‬ ‫‪35.462‬‬ ‫‪.000‬‬
‫‪TV. Viewing‬‬ ‫‪.321‬‬ ‫‪.016‬‬ ‫‪.428‬‬ ‫‪20.454‬‬ ‫‪.000‬‬
‫‪a. Dependent Variable: political Knowledge‬‬

‫‪-302-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻓﻬﺬه اﳌﻌﻄﻴﺎت ﺗﺘﻀﻤﻦ ﻗﻴﻤﺔ اﻟﺜﺎﺑﺖ )‪ ،(constant‬وﻫﺬه اﻟﻘﻴﻤﺔ ﻫﻲ ‪ 0.920‬ﻛام ﺗﺘﻀﻤﻦ‬

‫ﻗﻴﻤﺔ اﻻﻧﺤﺪار‪ ،‬وﻫﺬه اﻟﻘﻴﻤﺔ ﺗﺴﺎوي ‪ 0.428‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار ﺗﻜﻮن‪:‬‬

‫اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ = ‪ 0.428 + 0.920‬ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‬

‫ﻓﺈن اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ‬ ‫ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن = ‪3‬‬

‫= ‪2.204 = (3 × 0.428) + 0.920‬‬

‫)ب( اﻧﺤﺪار )س( ﻋﲆ )ص(‪:‬‬

‫ﻛام ﺳﺒﻘﺖ اﻹﺷﺎرة‪ ،‬ﻓﺈن اﻧﺤﺪار )س( ﻋﲆ )ص(‪ ،‬ﻳﻌﻨﻲ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤﺔ اﳌﺘﻐـري )س( ﺑﻨـﺎء ﻋـﲆ ﻣﻌﺮﻓـﺔ‬
‫ﻗﻴﻤﺔ )ص(‪ ،‬وميﻜﻦ اﻟﺤﺼﻮل ﻋﲆ ﻣﻌﺎدﻟﺔ اﻧﺤﺪار )س( ﻋـﲆ )ص(‪ ،‬ﺑﺎﻟﻄﺮﻳﻘـﺔ ﻧﻔﺴـﻬﺎ‪ ،‬ﻣـﻊ إﺣـﻼل )س(‬
‫ﻣﺤﻞ )ص( ﺣﻴﺚ ﺗﺘﻤﺜﻞ ﻫﺬه اﳌﻌﺎدﻟﺔ ﰲ‪:‬‬

‫‪αω‬‬
‫)ص‪ -‬م ص( ‪ +‬م س‬ ‫س= ر×‬
‫‪ιω‬‬

‫ﺑﺎﻻﺳﺘﻔﺎدة ﻣﻦ اﳌﻌﻄﻴﺎت اﻟﺴﺎﺑﻘﺔ‪ ،‬ﻋﻦ اﳌﺘﻐريﻳﻦ )س(‪) ،‬ص( وﺑﺎﻟﺘﻌﻮﻳﺾ ﰲ ﺗﻠﻚ اﳌﻌﺎدﻟﺔ‪ ،‬ﻧﺠﺪ أن‪:‬‬

‫س = ‪) 7.56 × 0.90‬ص‪10 + (8 -‬‬

‫‪2.6‬‬

‫= ‪) 2.62‬ص‪10 + (8-‬‬

‫=‪ 2.62‬ص ‪10 + 20.96 -‬‬

‫= ‪ 2.62‬ص ‪10.96 -‬‬

‫أي أن ﻗﻴﻤﺔ )س( ﺗﺴﺎوي ‪2.62‬ص – ‪10.96‬‬

‫ﻓﻌﻨﺪﻣﺎ ﺗﻜﻮن ﻗﻴﻤﺔ ص = ‪ ،6‬ﻓﺈﻧﻪ ميﻜﻦ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤﺔ )س( ﻛﺎﻵيت‪:‬‬

‫‪-303-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫س = ‪4.76 = 10.96 -6 × 2.62‬‬

‫وﳌﺎ ﻛﺎن اﳌﺘﻐري )س( ﻫﻮ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم‪ ،‬واﳌﺘﻐري )ص( ﻫﻮ اﻟﺪرﺟـﺔ‬
‫ﰲ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ‪ ،‬ﻓﺈن اﻟﺸﺨﺺ اﻟﺬي ﺣﺼﻞ ﻋﲆ ‪ 6‬درﺟﺎت ﰲ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ‪ ،‬ﺳﻮف ﻳﺤﺼـﻞ ﻋـﲆ‬
‫‪ 4.76‬ﰲ اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم‪.‬‬

‫ﺛﺎﻟﺜًﺎ‪ :‬اﻻﻧﺤﺪار اﳌﺘﻌﺪد‬

‫إذا ﻛﺎن اﻻﻧﺤـﺪار اﻟﺨﻄـﻲ اﻟﺒﺴـﻴﻂ ﻳﺘﻌﺎﻣـﻞ ﻣـﻊ ﻣﺘﻐـريﻳﻦ ﻓﻘـﻂ‪ ،‬ﻓـﺈن اﻻﻧﺤـﺪار اﳌﺘﻌـﺪد ) ‪Multi‬‬
‫‪ (Regression‬ﻳﺘﻌﺎﻣﻞ ﻣﻊ أﻛرث ﻣﻦ ﻣﺘﻐريﻳﻦ‪ ،‬ﻓﻘﺪ ﻳﻜﻮن ﻟﺪﻳﻨﺎ أﻛرث ﻣﻦ ﻣﺘﻐري ﻣﺴﺘﻘﻞ‪ ،‬ﻣﺘﻐريان ﻣﺴـﺘﻘﻼن‬
‫أو ﺛﻼﺛﺔ ﻣﺘﻐريات ﻣﺴﺘﻘﻠﺔ أو أﻛرث‪ ،‬وﻧﺮﻳﺪ ﻣﻌﺮﻓﺔ ﺗﺄﺛريﻫـﺎ ﰲ ﻣﺘﻐـري ﺗـﺎﺑﻊ‪ ،‬ﻫﻨـﺎ ﻳﻜـﻮن اﻻﻧﺤـﺪار اﳌﺘﻌـﺪد‬
‫اﻣﺘﺪادا ﻟﻼﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﻴﻂ‪ ،‬ﻛﻞ ﻣﺎ ﰲ اﻷﻣﺮ أن اﻟﺒﺎﺣﺚ ﰲ ﺣﺎﻟﺔ اﺳﺘﺨﺪام اﻻﻧﺤﺪار اﳌﺘﻌﺪد ﻳﺘﻌﺎﻣـﻞ‬
‫ً‬
‫ﺗﺎﺑﻌـﺎ‬
‫ﻣﻊ أﻛرث ﻣﻦ ﻣﺘﻐـري ﻣﺴـﺘﻘﻞ)‪ .(More Than Independent Variable‬ﻓـﺈذا اﻓﱰﺿـﻨﺎ أن ﻟـﺪﻳﻨﺎ ﻣﺘﻐـ ًريا ً‬
‫)ص(‪ ،‬وﻣﺘﻐري ﻣﺴﺘﻘﻞ أول )س‪ ،(1‬وﻣﺘﻐري ﻣﺴﺘﻘﻞ آﺧﺮ )س‪ ،(2‬وأن اﻟﻌﻼﻗﺔ ﺑني اﳌﺘﻐري اﻟﺘـﺎﺑﻊ واﳌﺘﻐـريﻳﻦ‬
‫اﳌﺴﺘﻘﻠني ﻫﻲ ﻋﻼﻗﺔ ﺧﻄﻴﺔ ﻣﺴﺘﻘﻴﻤﺔ‪ ،‬ﻓﻤﻌﻨﻰ ذﻟﻚ أن‪:‬‬

‫ص= اﻟﺜﺎﺑﺖ ‪ +‬س‪) 1‬ح‪ +(1‬س‪) 2‬ح‪(2‬‬

‫ﻓﺈذا ﻛﺎن اﻟﺮﻣﺰ )س‪ (1‬ﻳﻌﻨﻲ اﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻷول‪ ،‬واﻟﺮﻣﺰ )س‪ (2‬ﻳﻌﻨﻲ اﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻟﺜﺎين‪ ،‬ﻓـﺈن‬
‫ح‪ 1‬ﺗﻌﻨﻲ ﻗﻴﻤﺔ اﻧﺤﺪار اﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻷول‪ ،‬ﻛام أن ح‪ 2‬ﺗﻌﻨـﻲ ﻗﻴﻤـﺔ اﻧﺤـﺪار اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ اﻟﺜـﺎين‪،‬‬
‫واﻟﺼﻴﻐﺔ اﻹﻧﺠﻠﻴﺰﻳﺔ‪ ،‬ﻟﻠﻤﻌﺎدﻟﺔ اﳌﺬﻛﻮرة ﻫﻲ‪:‬‬
‫‪Y= a + b1x1 + b2x2‬‬

‫ﺣﻴﺚ ‪ a‬ﺗﻌﻨﻲ ﻗﻴﻤﺔ اﻟﺜﺎﺑﺖ‪ b1 ،‬ﺗﻌﻨﻲ اﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻷول‪ b2 ،‬ﺗﻌﻨﻲ اﳌﺘﻐري اﳌﺴﺘﻘﻞ‬
‫اﻟﺜﺎين‪ ،‬أﻣـﺎ ‪ x1‬ﻓﺘﻌﻨـﻲ اﻧﺤـﺪار اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ اﻷول‪ x2 ،‬ﺗﻌﻨـﻲ اﻧﺤـﺪار اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ‬

‫‪-304-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻟﺜﺎين‪ .‬ﻛﻤﺜﺎل ﻟﺘﻮﺿﻴﺢ ﻫﺬه اﻟﻔﻜﺮة ﻧﻔﺮض أن دراﺳﺔ ﻋﻠﻤﻴﺔ ﺗﻨﺎوﻟﺖ اﻟﻌﻼﻗﺔ ﺑني اﳌﻌﺮﻓﺔ ﺑﺎﻟﻘﻀﺎﻳﺎ اﻟﻌﺮﺑﻴﺔ‬
‫وﻛﻞ ﻣﻦ‪:‬ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ )س‪ (1‬وﻣﺘﺎﺑﻌﺔ اﻷﺧﺒﺎر ﰲ اﻟﺘﻠﻴﻔﺰﻳـﻮن )س‪(2‬؛ أي أن ﻟـﺪﻳﻨﺎ ﻣﺘﻐـ ًريا‬ ‫)ص ( ﱟ‬
‫ﺗﺎﺑ ًﻌــﺎ )ص( و ﻣﺘﻐــريﻳﻦ ﻣﺴــﺘﻘﻠني )س‪ ،1‬س‪ ،(2‬وأن ﻫﻨــﺎك ارﺗﺒﺎﻃًــﺎ ﺧﻄ ّﻴــﺎ ﻣﻮﺟ ًﺒــﺎ ﺑــني اﳌﺘﻐــري اﻟﺘــﺎﺑﻊ‬
‫واﳌﺘﻐريﻳﻦ اﳌﺴﺘﻘﻠني‪ ،‬ﻛام ﺗﺒني ﻣﻦ اﳌﻌﺎﻟﺠﺔ اﻹﺣﺼـﺎﺋﻴﺔ ﻟﻠﺒﻴﺎﻧـﺎت أن اﻟﺜﺎﺑـﺖ = ‪ ،5.8‬وأن اﻧﺤـﺪار اﳌﺘﻐـري‬
‫اﳌﺴﺘﻘﻞ اﻷول ﻫﻮ ‪ 0.311‬ﺑﻴﻨام ﺑﻠﻎ اﻧﺤﺪار اﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻟﺜﺎين ‪ 0.089‬ﰲ ﻫﺬه اﻟﺤﺎﻟـﺔ ﻓـﺈن ﻣﻌﺎدﻟـﺔ‬
‫اﻻﻧﺤﺪار ﺗﻜﻮن‪:‬‬

‫اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ = ‪ 0.311 + 5.8‬ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ‪ 0.089 +‬ﻣﺘﺎﺑﻌﺔ اﻷﺧﺒﺎر ﰲ اﻟﺘﻠﻴﻔﺰﻳﻮن‪.‬‬

‫ﻓﻤﻌﺎﻣﻞ اﻧﺤﺪار اﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻷول )ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴـﺔ( ﻫـﻮ ﺗﻘـﺪﻳﺮ )‪ (Estimation‬ﻟﺤﺠـﻢ‬
‫اﻟﺘﻐري ﰲ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳﻴﺔ إذا ﺗﻐريت ﻗﺮاءة اﻟﺼﺤﻒ مبﻘﺪار وﺣﺪة واﺣﺪة‪ ،‬ﻓﺈذا ﺗﻐـريت ﻗـﺮاءة اﻟﺼـﺤﻒ‬
‫مبﻘﺪار وﺣﺪة واﺣﺪة‪ ،‬ﻓﺈن اﳌﻌﺮﻓﺔ ﺑﺎﻟﻘﻀﺎﻳﺎ اﻟﻌﺮﺑﻴﺔ ﺗﺘﻐري مبﻘﺪار ‪ 0.31‬وﻫﻜﺬا ﻓﻴام ﻳﺨﺺ ﻣﺘﺎﺑﻌﺔ اﻷﺧﺒﺎر‬
‫ﰲ اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﻓﺈذا ﺗﻐريت ﻫﺬه اﳌﺘﺎﺑﻌﺔ مبﻘﺪار وﺣﺪة واﺣـﺪة‪ ،‬ﻓـﺈن اﳌﻌﺮﻓـﺔ ﺑﺎﻟﻘﻀـﺎﻳﺎ اﻟﻌﺮﺑﻴـﺔ ﺗﺘﻐـري‬
‫مبﻘﺪار‪0.09‬‬

‫ﺑﺎﻹﺿﺎﻓﺔ إﱃ ذﻟﻚ‪ ،‬ﻓﺈن اﻻﻧﺤﺪار اﳌﺘﻌﺪد إذا ﻛﺎن ﻳﻮﺿﺢ ﻟﻨﺎ ﻣﻘﺪار اﻟﺘﻐري اﻟﺬي ﻳﺴﺎﻫﻢ ﺑﻪ ﻛﻞ ﻣﺘﻐـري‬
‫ﻣﺴﺘﻘﻞ ﻋﲆ ﺣﺪة ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬ﻓﺈن ﻫﺬا اﳌﻘﺪار ﻫﻮ ﻣﺘﻔﺮد )‪ (Unique‬مبﻌﻨﻰ أﻧﻪ ﻳﺨـﺺ ﻫـﺬا اﳌﺘﻐـري‬
‫اﳌﺴﺘﻘﻞ ﻓﻘﻂ؛ أي ﻣﺴﺎﻫﻤﺔ ﻫﺬا اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ دون ﺳـﻮاه ﰲ إﺣـﺪاث اﻟﺘﻐـري ﰲ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ‪ ،‬ﻛـام‬
‫ﻳﻜﺸﻒ ﻟﻨﺎ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار اﳌﺘﻌﺪد ﻋﻦ ﻣﺠﻤﻞ اﻟﺘﻐري اﻟﺬي ﺗﺤﺪﺛﻪ ﺟﻤﻴﻊ اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ )ﻣﺠﺘﻤﻌـﺔ(‬
‫ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪.‬‬

‫أوﻻ ﻣﻦ أن اﻻرﺗﺒﺎط ﺑني ﻛﻞ ﻣﺘﻐريﻳﻦ ﻣـﻦ‬

‫وﻋﻨﺪ إﺟﺮاء اﻻﻧﺤﺪار اﳌﺘﻌﺪد ﻳﺠﺐ اﻟﺘﺄﻛﺪ ً‬
‫ﻫﺬه اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ ﻟﻴﺲ ﻗﻮﻳّﺎ )ﻓﻼ ﻳﺘﺠﺎوز ‪ ،(0.8‬ﻷن اﻻرﺗﺒﺎط اﻟﻘﻮي ﺑني اﳌﺘﻐـريات‬
‫اﳌﺴﺘﻘﻠﺔ ﻳﻨﺘﺞ ﻋﻨﻪ ﻣﺎ ﻳﻌﺮف ﺑﺎﳌﺼﺎﺣﺒﺔ اﻟﺨﻄﻴﺔ اﳌﺘﻌﺪدة )‪ ،(Multicollinearity‬مبﺎ ﻳﺆدي إﱃ‬

‫‪-305-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺗﺪاﺧﻞ ﺗﺄﺛري اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ ﰲ اﳌﺘﻐري اﻟﺘـﺎﺑﻊ‪ ،‬ﻓﻴﻜـﻮن ﺣﺠـﻢ اﻟﺘﻐـري ﰲ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ ﺑﻔﻌـﻞ اﳌﺘﻐـري‬
‫ﻣﺘﺪاﺧﻼ ﻣﻊ ﺣﺠﻢ اﻟﺘﻐري ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ ﺑﻔﻌﻞ اﳌﺘﻐري اﳌﺴﺘﻘﻞ اﻟﺜﺎين أو اﻟﺜﺎﻟﺚ‪ ،‬وﻳﺼﻌﺐ‬
‫ً‬ ‫اﳌﺴﺘﻘﻞ اﻷول‬
‫ﺿﺒﻂ اﳌﺼﺎﺣﺒﺔ اﻟﺨﻄﻴﺔ اﳌﺘﻌﺪدة إذا ﻛﺎن ﻟﺪﻳﻨﺎ أﻛرث ﻣﻦ ﻣﺘﻐريﻳﻦ‪.‬‬

‫ﻣﻦ ﺟﻬﺔ أﺧﺮى‪ ،‬ﻓﺈن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار اﻟﺨﺎص مبﺘﻐري ﻣﺴﺘﻘﻞ ﻣﻌني ﻻ ﻳـﺪل ﰲ ﺣـﺪ ذاﺗـﻪ ﻋـﲆ‬
‫أﻫﻤﻴﺔ ﻫﺬا اﳌﺘﻐري ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬ﻓﺈذا ﻛﺎن اﻧﺤـﺪار اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ )س‪ (1‬أﻛـﱪ ﻣـﻦ اﻧﺤـﺪار اﳌﺘﻐـري‬
‫اﳌﺴﺘﻘﻞ اﻵﺧﺮ )س‪ ،(2‬ﻓﻬـﺬا ﻻ ﻳﻌﻨـﻲ أن اﳌﺘﻐـري )س‪ (1‬أﺷـﺪ ﺗـﺄﺛ ًريا ﰲ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ‪ -‬ﻣﻘﺎرﻧـﺔ ﺑـﺎﳌﺘﻐري‬
‫)س‪ ،(2‬ﻓﻘﺪ ﺗﻜﻮن وﺣﺪات ﻛﻞ ﻣﺘﻐري ﻣﺨﺘﻠﻔﺔ ﻋﻦ وﺣﺪات اﳌﺘﻐري اﻵﺧﺮ‪ ،‬ﻓﺎﻟﺪﺧﻞ واﻟﺘﻌﻠﻴﻢ ً‬
‫ﻣﺜﻼ ﻣﺘﻐريان‬
‫متﺎﻣـﺎ ﻋـﻦ وﺣـﺪة ﻗﻴـﺎس‬
‫ﻣﺴﺘﻘﻼن ﻗﺪ ﻳﺆﺛﺮان ﰲ ﻣﺘﻐري ﺗﺎﺑﻊ ﻣﻌني‪ ،‬ﻏري أن وﺣﺪة ﻗﻴﺎس اﻟـﺪﺧﻞ ﻣﺨﺘﻠﻔـﺔ ً‬
‫اﻟﺘﻌﻠﻴﻢ‪ ،‬وﻣﻦ ﻫﻨﺎ ‪ -‬وﻣﻦ ﺧﻼل ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار‪ -‬ﻳﺘﻢ اﻟﺤﺼﻮل ﻋﲆ وزن ﺑﻴﺘـﺎ )‪ (Beta Weight‬أو ﻣﻌﺎﻣـﻞ‬
‫اﻻﻧﺤـﺪار اﳌﻘـﻨﻦ )‪ (Standardized Beta Coefficient‬اﻟـﺬي ﻳﻌﺘﻤـﺪ ﻋـﲆ اﻟـﺪرﺟﺎت اﳌﻌﻴﺎرﻳـﺔ‪ ،‬وﻫـﺬا ﻫـﻮ‬
‫اﻷﺳﺎس اﻟﺴﻠﻴﻢ اﻟﺬي ﻧﻌﺘﻤﺪ ﻋﻠﻴﻪ ﰲ اﳌﻘﺎرﻧﺔ ﺑني اﳌﺘﻐريات اﳌﺴـﺘﻘﻠﺔ ﻣـﻦ ﺣﻴـﺚ ﻣﺴـﺎﻫﻤﺔ ﻛـﻞ ﻣﻨﻬـﺎ ﰲ‬
‫اﻟﺘﻐﻴري اﻟﺬي ﻳﺤﺪث ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ؛ إذ إن ﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار اﳌﻘﻨﻦ ﻳﺪل ﻋـﲆ ﻋـﺪد اﻟﻮﺣـﺪات اﳌﻌﻴﺎرﻳـﺔ‬
‫اﻟﺘﻲ ﻳﺘﻐري ﺑﻬﺎ اﳌﺘﻐري اﻟﺘﺎﺑﻊ إذا ﺗﻐري اﳌﺘﻐري اﳌﺴﺘﻘﻞ؛ ﺑﻮﺣﺪة ﻣﻌﻴﺎرﻳﺔ واﺣﺪة‪.‬‬

‫وﻫﻨﺎك اﻋﺘﺒﺎرات أﺧﺮى ﻫﺎﻣﺔ ﺗﺘﺼﻞ ﺑﻬﺬه اﻟﻨﻘﻄﺔ‪ ،‬وﻫﻲ اﻟﻌﻼﻗﺔ ﺑني اﻻﻧﺤﺪار اﳌﻘﻨﻦ واﻻﻧﺤـﺪار ﻏـري‬
‫اﳌﻘﻨﻦ‪ ،‬ﻟﻨﻔﺮض أن ﻫﻨﺎك دراﺳﺔ أﺟﺮﻳﺖ ﻋـﲆ ﻋﻴﻨـﺔ ﻋﺸـﻮاﺋﻴﺔ ﻣـﻦ اﻟﻌـﺎﻣﻠني واﻫﺘﻤـﺖ اﻟﺪراﺳـﺔ ﺑﺘﺤﻠﻴـﻞ‬
‫ﻛـﻞ ﻣـﻦ‪ :‬روﺗـني اﻟﻌﻤـﻞ‪ ،‬اﻻﺳـﺘﻘﻼﻟﻴﺔ‪ ،‬اﻟﺴـﻦ‪ ،‬اﻟـﺪﺧﻞ‪..‬‬
‫اﻟﻌﻼﻗﺔ ﺑني اﻟﺮﺿﺎ اﻟﻮﻇﻴﻔﻲ )ﻛﻤﺘﻐري ﺗـﺎﺑﻊ( وﺑـني ﱟ‬
‫ﺧﻄﻴﺎ ﺑﺎﻟﺮﺿـﺎ اﻟـﻮﻇﻴﻔﻲ‪ .‬ﰲ ﻫـﺬه اﻟﺤﺎﻟـﺔ‪ .‬ومبﻮﺟـﺐ اﳌﻌﺎﻟﺠـﺔ‬ ‫ً‬
‫ارﺗﺒﺎﻃﺎ ّ‬ ‫ﺑﺎﻋﺘﺒﺎرﻫﺎ ﻣﺘﻐريات ﻣﺴﺘﻘﻠﺔ ﺗﺮﺗﺒﻂ‬
‫اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﺒﻴﺎﻧﺎت اﳌﺴﺘﻤﺪة ﻣﻦ اﻟﺪراﺳﺔ اﳌﺬﻛﻮرة )دراﺳﺔ اﻟﺮﺿـﺎ اﻟـﻮﻇﻴﻔﻲ(‪ ،‬ﻧﻔـﺮض أﻧﻨـﺎ ﺣﺼـﻠﻨﺎ ﻋـﲆ‬
‫اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪-306-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻣﻌﺎﻣﻞ‬ ‫ﻣﻌﺎﻣﻞ‬
‫اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ‬
‫اﻻﻧﺤﺪار اﳌﻘﻨﻦ‬ ‫اﻻﻧﺤﺪار‬
‫‪0.483‬‬ ‫‪0.573‬‬ ‫اﻻﺳﺘﻘﻼﻟﻴﺔ‬
‫‪0.383‬‬ ‫‪0.00124‬‬ ‫اﻟﺪﺧﻞ‬
‫‪0.217-‬‬ ‫‪0.168-‬‬ ‫روﺗني اﻟﻌﻤﻞ‬
‫‪-‬‬ ‫‪1.936-‬‬ ‫اﻟﺜﺎﺑﺖ‬

‫ﻣﻦ ﻫﺬه اﳌﻌﻄﻴﺎت ﻧﺘﺒني أن ﻣﺘﻐري اﻟﺴﻦ )‪ (Age‬ﻏري ﻣﺘﻀﻤﻦ ﰲ اﻟﺠﺪول‪ ،‬وﻫـﺬا راﺟـﻊ إﱃ أن ﻣﺘﻐـري‬
‫اﻟﺴﻦ ﺗﻢ اﺳﺘﺒﻌﺎده ﺗﻠﻘﺎﺋﻴّﺎ ﻣﻦ منـﻮذج اﻻﻧﺤـﺪار‪ ،‬ﻷﻧـﻪ مل ﻳﻘﺎﺑـﻞ اﳌﻌـﺎﻳري اﳌﻄﻠﻮﺑـﺔ إﺣﺼـﺎﺋﻴّﺎ‪ ،‬ﻟﻘـﺪ أﺑﻘـﻰ‬
‫اﻟﻨﻤﻮذج ﻋﲆ اﳌﺘﻐريات ذات اﻟﺘﻔﺴري اﻟﺠﻮﻫﺮي ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ )اﻟﺮﺿﺎ اﻟﻮﻇﻴﻔﻲ(‪ ،‬وﺑﻨﺎء ﻋـﲆ اﳌﻌﻄﻴـﺎت‬
‫اﻹﺣﺼﺎﺋﻴﺔ اﳌﻮﺿﺤﺔ ﰲ اﻟﺠﺪول‪ ،‬ﻓﺈن ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار ﺗﻜﻮن‪:‬‬

‫اﻟﺮﺿﺎ اﻟﻮﻇﻴﻔﻲ= ‪ 0.573+ 1.936-‬اﻻﺳﺘﻘﻼﻟﻴﺔ ‪ 0.00124 +‬اﻟﺪﺧﻞ ‪ 0.168-‬روﺗني اﻟﻌﻤﻞ‪.‬‬

‫ﻓﺈذا ﻛﺎن أﺣﺪ اﳌﻔﺤﻮﺻني ﻗﺪ ﺣﺼﻞ ﻋﲆ ‪ 16‬درﺟﺔ ﰲ ﻣﻘﻴـﺎس اﻻﺳـﺘﻘﻼﻟﻴﺔ‪ ،‬وأن دﺧﻠـﻪ ‪ 8000‬دوﻻر‪،‬‬
‫ﻛام أﻧﻪ ﺣﺼﻞ ﻋﲆ ‪ 8‬درﺟﺎت ﻋﲆ ﻣﻘﻴﺎس روﺗني اﻟﻌﻤﻞ‪ ..‬ﻫﻨﺎ ﺗﻜﻮن درﺟﺘﻪ ﰲ اﻟﺮﺿﺎ اﻟﻮﻇﻴﻔﻲ ‪:‬‬

‫اﻟﺮﺿﺎ اﻟﻮﻇﻴﻔﻲ= ‪15.81 = (8×0.168)-(8000×0.00124) + (16×0.573) + 1.936 -‬‬

‫وﻣﻦ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﰲ اﻟﺠﺪول اﻟﺴﺎﺑﻖ ﻧﺘﺒني أن ﻣﺘﻐري )روﺗني اﻟﻌﻤﻞ( ﻗﺪ ﺣﻘﻖ‬
‫ﻗﻴﻤﺔ ﺳﺎﻟﺒﺔ )‪ ،(0.168-‬وﻫﺬا ﻳﻌﻨﻲ أن زﻳﺎدة اﻟﺮوﺗني ﺗﻘﱰن ﺑﺎﻧﺨﻔﺎض اﻟﺮﺿﺎ اﻟﻮﻇﻴﻔﻲ‪ ،‬ﻛام‬
‫ﻧﺘﺒني أن ﻣﺘﻐري اﻻﺳﺘﻘﻼﻟﻴﺔ ﻗﺪ ﺣﻘﻖ أﻛﱪ ﻗﻴﻤﺔ اﻧﺤﺪار ﻣﻘﻨﻦ وأﻛﱪ ﻗﻴﻤﺔ اﻧﺤﺪار ﻏري ﻣﻘﻨﻦ‪،‬‬
‫وإذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ اﻻﻧﺤﺪار اﳌﻘـﻨﻦ ﳌﺘﻐـري)اﻻﺳـﺘﻘﻼﻟﻴﺔ( ﺗﺒﻠـﻎ ‪ 0.483‬ﻓـﺈن ذﻟـﻚ ﻳﻌﻨـﻲ أﻧـﻪ‬

‫‪-307-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫إذا زاد ﻣﺘﻐري اﻻﺳﺘﻘﻼﻟﻴﺔ مبﻘﺪار وﺣﺪة واﺣﺪة‪ ،‬ﻓﺈن اﻟﺮﺿﺎ اﻟﻮﻇﻴﻔﻲ ﻳﺰﻳﺪ مبﻘﺪار ‪ 0.483‬اﻧﺤﺮاف ﻣﻌﻴﺎري‬
‫ﻣﻊ اﺳﺘﺒﻌﺎد ﺗﺄﺛري ﻛﻞ ﻣﻦ اﻟﺪﺧﻞ وروﺗني اﻟﻌﻤﻞ‪ .‬أﻣﺎ ﻓﻴام ﻳﺨﺺ ﻣﺘﻐري اﻟﺪﺧﻞ ﻓﻨﺠﺪ أﻧﻪ ﻳﻘﺪم أﻗـﻞ ﻗﻴﻤـﺔ‬
‫اﻧﺤﺪار ﻏري ﻣﻘﻨﻦ‪ ،‬ﺑﻴﻨام ﻳﻘﺪم ﺛﺎين أﻛﱪ ﻗﻴﻤﺔ اﻧﺤﺪار ﻣﻘﻨﻦ‪ ،‬وﻫـﺬا ﻳﻌﻨـﻲ أن ﻣـﻦ اﻟﺨﻄـﺄ اﻻﻋـﺘامد ﻋـﲆ‬
‫اﻻﻧﺤﺪار ﻏري اﳌﻘﻨﻦ ﰲ ﺗﺤﺪﻳﺪ أﻫﻤﻴﺔ اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ ﻣﻦ ﺣﻴﺚ ﺗﺄﺛريﻫﺎ ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬ﻷن اﻻﻧﺤﺪار‬
‫ﻏري اﳌﻘﻨﻦ ﺗﺘﺄﺛﺮ ﻗﻴﻤﺘﻪ مبﺪى اﻟﺪرﺟﺔ اﻟﺨﺎم ﻋﲆ اﳌﻘﻴﺎس اﳌﺴـﺘﺨﺪم )ﻓﻘـﺪ ﺗﻜـﻮن اﻟﺪرﺟـﺔ ﻋـﲆ ﻣﻘﻴـﺎس‬
‫ﻣـﺜﻼ(‪ ،‬وﻣـﻦ ﻫﻨـﺎ‬
‫ﻣﻌني ﺗﱰاوح ﻣﺎﺑني ﺻﻔﺮ إﱃ ‪ ،50‬ﺑﻴﻨام ﺗﱰاوح اﻟﺪرﺟﺔ ﻋﲆ ﻣﻘﻴﺎس آﺧﺮ ﻣﺎ ﺑني ‪ 4‬إﱃ ‪ً 10‬‬
‫ﻓﺈن اﻻﻧﺤـﺪار اﳌﻘـﻨﻦ )‪ (Standardized Regression‬ﻫـﻮ اﻟـﺬي ﻧﻌﺘﻤـﺪ ﻋﻠﻴـﻪ ﰲ ﺗﻘﺮﻳـﺮ أﻫﻤﻴـﺔ اﳌﺘﻐـريات‬
‫اﳌﺴﺘﻘﻠﺔ ﰲ اﻟﺘﺄﺛري ﻋﲆ ﻣﻌﺪل اﻟﺘﻐري ﰲ اﳌﺘﻐري اﻟﺘـﺎﺑﻊ‪ ،‬ﻓﻜﻠـام ارﺗﻔﻌـﺖ ﻗﻴﻤـﺔ اﻻﻧﺤـﺪار اﳌﻘـﻨﻦ اﻟﺨـﺎص‬
‫مبﺘﻐري ﻣﺴﺘﻘﻞ‪ ،‬دل ذﻟﻚ ﻋﲆ أن ﻫﺬا اﳌﺘﻐري )اﳌﺴﺘﻘﻞ( ﻳﺤﺪث ﺗﻐﻴ ًريا أﻛﱪ ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪.‬‬

‫أﺳﺎﺳـﻴﺎ ﰲ اﻻﻧﺤـﺪار‪ ،‬وﻳﺮﻣـﺰ ﻟﻬـﺬا‬

‫ّ‬ ‫وﻳﻌﺘﱪ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳـﺪ )‪ً (Coefficient Of Determination‬‬
‫ﻋـﺎﻣﻼ‬
‫اﳌﻌﺎﻣﻞ ﺑﺎﻟﺮﻣﺰ )ر‪ (2‬وﺑﺎﻹﻧﺠﻠﻴﺰﻳﺔ )‪ ،(R2‬وﺗﻨﺤﺼـﺮ ﻗﻴﻤﺔ ﻣﻌﺎﻣـﻞ اﻟﺘﺤﺪﻳـﺪ ﺑـني اﻟﺼـﻔﺮ واﻟﻮاﺣـﺪ اﻟﺼـﺤﻴﺢ‪،‬‬
‫وﻫﻮ ﻳﻌﱪ ﻋﻦ ﻣﺠﻤﻞ ﺗﺄﺛري اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬ﻓﺈذا ﻛﺎﻧـﺖ ﻗﻴﻤـﺔ ﻣﻌﺎﻣـﻞ اﻟﺘﺤﺪﻳـﺪ ﻫـﻲ‬
‫‪ ،0.76‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أن اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ اﻟﺘﻲ ﻳﺘﻀﻤﻨﻬﺎ منﻮذج اﻻﻧﺤـﺪار ﺗـﻔﴪ ‪ %76‬ﻣـﻦ اﻟﺘﺒـﺎﻳﻦ ﰲ‬
‫اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬أﻣﺎ اﻟﻨﺴﺒﺔ اﻟﺒﺎﻗﻴﺔ )‪ ،(%24‬ﻓﺈﻧﻬﺎ ﺗﻔﴪ ﺑﻌﻮاﻣﻞ أﺧﺮى‪ ،‬أﻣﺎ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳـﺪ اﳌﺼـﺤﺢ ‪(The‬‬
‫)‪ Adjusted Coefficient of Determination‬ﻓﻬﻮ ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ﺑﻌﺪ اﻷﺧﺬ ﺑﺎﻻﻋﺘﺒﺎر ﻋﺪد اﳌﺘﻐـريات‬
‫اﳌﺴﺘﻘﻠﺔ وﻋﺪد ﻣﻔﺮدات اﻟﻌﻴﻨﺔ‪ ،‬وﻳﻜﻮن ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳌﺼﺤﺢ أﻗﻞ ﰲ ﻗﻴﻤﺘﻪ ﻋﻦ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳـﺪ‪) .‬ﰲ‬
‫ﺣﺎﻟﺔ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﻴﻂ‪ ،‬ﻓﺈن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ﺗﺴﺎوي ﻣﺮﺑﻊ ﻗﻴﻤﺔ ارﺗﺒﺎط ﺑريﺳﻮن‪ ،‬ﻓـﺈذا ﻛـﺎن‬
‫ارﺗﺒﺎط ﺑريﺳﻮن ﻫﻮ ‪ 0.8‬ﻓﺈن ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ﻳﻜﻮن ‪.(0.64‬‬

‫‪-308-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻟﺠﺰﺋﻴﺔ اﻷﺧﺮي ذات اﻷﻫﻤﻴﺔ ﰲ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﳌﺘﻌﺪد ﺗﺘﻌﻠـﻖ ﺑﺎﻟﺨﻄـﺄ اﳌﻌﻴـﺎري ﻟﻠﺘﻘـﺪﻳﺮ ‪(The‬‬
‫)‪ Standard Error of The Estimation‬واﻟﺬي ﻳﻈﻬﺮ دامئًﺎ ﺿﻤﻦ اﳌﻌﻄﻴﺎت اﻹﺣﺼـﺎﺋﻴﺔ‪ .‬ﻣـﻦ ﺧـﻼل اﻟﺨﻄـﺄ‬
‫اﳌﻌﻴﺎري ﻟﻠﺘﻘﺪﻳﺮ ميﻜﻨﻨﺎ اﻟﺤﺼﻮل ﻋﲆ ﺣﺪود اﻟﺜﻘﺔ ﰲ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﳌﺘﻌﺪد‪ .‬ﻓﺈذا ﻛﺎن ﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار‬
‫ﳌﺘﻐري اﻻﺳﺘﻘﻼﻟﻴﺔ ﻫﻮ ‪ 0.573‬واﻟﺨﻄﺄ اﳌﻌﻴﺎري ﻫـﻮ ‪ 0.09‬وﻛﺎﻧـﺖ ﻋﻴﻨـﺔ اﻟﺪراﺳـﺔ ﻋﺸـﻮاﺋﻴﺔ‪ ،‬ﻓﺈﻧﻨـﺎ ميﻜﻨﻨـﺎ‬
‫ﺗﻘﺪﻳﺮ اﻻﻧﺤﺪار ﰲ اﳌﺠﺘﻤﻊ ﺑﺪرﺟﺔ ﺛﻘـﺔ ﻣﻌﻴﻨـﺔ‪ ،‬ﻓـﺈذا اﺗﺨـﺬﻧﺎ درﺟـﺔ اﻟﺜﻘـﺔ ‪ ،%95‬ﻓـﺈن ﺣـﺪود اﻟﺜﻘـﺔ ﰲ‬
‫اﻟﺘﻘﺪﻳﺮ ﺗﻜﻮن ﻣﺎ ﺑني‪:‬‬

‫‪ (0.09 ×1.96) -0.573‬إﱃ ‪(0.09 ×1.96) +0.573‬‬

‫)أي ﻣﺎ ﺑني ‪ %40‬إﱃ ‪(%75‬‬

‫أﻣﺎ إذا اﺗﺨﺬﻧﺎ درﺟﺔ اﻟﺜﻘﺔ ‪ ،%99‬ﻓﺈن ﺣﺪود اﻟﺜﻘﺔ ﰲ اﻟﺘﻘﺪﻳﺮ ﺗﻜﻮن ﻣﺎ ﺑني‪:‬‬

‫‪ (0.09 ×2.58) -0.573‬إﱃ ‪(0.09 ×2.58) +0.573‬‬

‫)أي ﻣﺎ ﺑني ‪ %34‬إﱃ ‪(%81‬‬

‫وﻫﻨﺎك اﻓﱰاﺿﺎت ﻳﻘﻮم ﻋﻠﻴﻬﺎ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار اﻟﺨﻄﻲ ﺳﻮاء اﻟﺒﺴﻴﻂ أو اﳌﺘﻌﺪد‪ ،‬ﻓﻬﻮ ﻳﺘﻄﻠـﺐ أن‬
‫ﺗﻜﻮن اﻟﻌﻴﻨﺔ ﻛﺒرية وأن ﺗﻜﻮن ﻋﺸﻮاﺋﻴﺔ )‪ ،(Random‬وأن ﺗﻜﻮن اﳌﺘﻐريات ﻣﻦ اﻟﻨﻮع اﻟﻔﱰي‪ .‬ﻏري أﻧـﻪ‬
‫ﻣﺜﻼ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤﺔ ﻣﺘﻐري ﺗﺎﺑﻊ‬
‫ميﻜﻦ اﺳﺘﺨﺪام اﳌﺘﻐريات اﻻﺳﻤﻴﺔ ﰲ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﳌﺘﻌﺪد‪ ،‬ﻓﻴﻤﻜﻦ ً‬
‫ﻛﻤﻲ ﻣﻦ اﻟﻨﻮع اﻟﻔﱰي )‪ (Interval‬ﳌﺘﻐري ﻣﺴﺘﻘﻞ اﺳﻤﻲ )‪ (Nominal‬ﻣﺜﺎل ذﻟﻚ اﻟﺘﻨﺒﺆ ﺑﺎﻟﺪرﺟﺔ ﻋـﲆ‬
‫ﻣﻘﻴﺎس اﺳﺘﺨﺪام اﻟﺘﻠﻴﻔﺰﻳﻮن ﺣﺴﺐ ﻣﺘﻐري اﻟﻨﻮع )ذﻛﻮر & إﻧﺎث(‪ ،‬أو اﻟﺘﻨﺒﺆ ﺑﺪرﺟﺔ اﻟﺮﺿـﺎ اﻟـﻮﻇﻴﻔﻲ‬
‫ﺣﺴﺐ ﻣﺘﻐري ﺟﻬﺔ اﻟﻌﻤﻞ )ﺻﺤﻴﻔﺔ ﻳﻮﻣﻴـﺔ‪ ،‬ﻗﻨـﺎة ﺗﻠﻴﻔﺰﻳـﻮن‪ ،‬ﻣﺤﻄـﺔ إذاﻋـﺔ(‪ .‬ﰲ ﻫـﺬه اﻟﺤﺎﻟـﺔ ﻳـﺘﻢ‬
‫ﺗﻜﻮﻳﺪ اﳌﺘﻐري اﳌﻄﻠﻮب اﻟﺘﻨﺒﺆ ﺑﻪ‪ ،‬وﻳﺴﻤﻰ اﳌﺘﻐري اﻟﺮﻣﺰي )‪ (Dummy Variables‬مبﻌﻨﻰ ﺗﺮﻣﻴﺰ أﻗﺴـﺎم‬
‫اﳌﺘﻐري اﻻﺳﻤﻲ ﺑﻘﻴﻢ ﻛﻤﻴﺔ‪ ،‬ﻛﺄن ﻧﺮﻣﺰ إﱃ اﻟﺬﻛﻮر ﺑـﺎﻟﺮﻣﺰ )‪ (1‬وإﱃ اﻹﻧـﺎث ﺑـﺎﻟﺮﻣﺰ )ﺻـﻔﺮ(‪ ،‬وﰲ ﺣﺎﻟـﺔ‬
‫ــﺜﻼ‪ ،‬ﺻــﺤﻴﻔﺔ ﻳﻮﻣﻴــﺔ‪،‬‬
‫وﺟــﻮد أﻛــرث ﻣــﻦ ﻣﺠﻤــﻮﻋﺘني ﰲ اﳌﺘﻐــري اﻻﺳــﻤﻲ‪ -‬ﻛﻤﺘﻐــري ﺟﻬــﺔ اﻟﻌﻤــﻞ ﻣ ً‬

‫‪-309-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻗﻨﺎة ﺗﻠﻴﻔﺰﻳﻮن‪ ،‬ﻣﺤﻄﺔ إذاﻋﺔ‪ -‬ﻧﻘﻮم ﺑﱰﻣﻴﺰ ﺛﻨـﺎيئ ﻟﻜـﻞ ﻣﺠﻤﻮﻋـﺔ‪ ،‬مبﻌﻨـﻰ ﺗﻜﻮﻳـﺪ اﻟﻌـﺎﻣﻠني ﰲ اﻟﺼـﺤﻴﻔﺔ‬
‫اﻟﻴﻮﻣﻴﺔ ﺑﺎﻟﺮﻗﻢ )‪ ،(1‬وﻏري اﻟﻌﺎﻣﻠني ﰲ ﺗﻠﻚ اﻟﺼﺤﻴﻔﺔ ﺑﺎﻟﺮﻗﻢ )ﺻﻔﺮ(‪ ،‬وﻫﻨﺎ ﺗﻜﻮن اﻟﺼﺤﻴﻔﺔ )ﻛﺠﻬـﺔ ﻋﻤـﻞ(‬
‫مبﺜﺎﺑﺔ ﻣﺠﻤﻮﻋﺔ أوﱃ‪ ،‬ﻓﺎﻟﻜﻮد )‪ (1‬ﻳﺪل ﻋﲆ اﻟﻌـﺎﻣﻠني ﰲ اﻟﺼـﺤﻴﻔﺔ‪ ،‬أﻣـﺎ اﻟﻜـﻮد )ﺻـﻔﺮ( ﻓﻴـﺪل ﻋـﲆ ﻏـري‬
‫اﻟﻌــﺎﻣﻠني ﰲ اﻟﺼــﺤﻴﻔﺔ‪ .‬اﳌﻨﻄــﻖ ﻧﻔﺴــﻪ ﻓــﻴام ﻳﺨــﺺ اﻟﻌــﺎﻣﻠني ﰲ ﻗﻨــﺎة اﻟﺘﻠﻴﻔﺰﻳــﻮن )ﻛﻤﺠﻤﻮﻋــﺔ ﺛﺎﻧﻴــﺔ(‪،‬‬
‫واﻟﻌــﺎﻣﻠني ﰲ اﳌﺤﻄــﺔ اﻹذاﻋﻴــﺔ )ﻛﻤﺠﻤﻮﻋــﺔ ﺛﺎﻟﺜــﺔ(؛ أي أن أﻗﺴــﺎم اﳌﺘﻐــري اﻻﺳــﻤﻲ ﺗﺼــﺒﺢ ﻣﺠﻤﻮﻋــﺎت‬
‫)ﻣﺘﻐريات( ﺛﻨﺎﺋﻴﺔ اﻟﺘﺼﻨﻴﻒ؛ ﺑﺤﻴﺚ ﻳﺪل اﻟﺮﻗﻢ )‪ (1‬ﻋﲆ اﻻﻧﺘامء ﻟﻠﻤﺠﻤﻮﻋﺔ‪،‬ﺑﻴﻨام ﻳﺪل اﻟﺮﻗﻢ )ﺻﻔﺮ( ﻋـﲆ‬
‫ﻋﺪم اﻻﻧﺘامء ﻟﻬﺬه اﳌﺠﻤﻮﻋﺔ‪ ،‬وﻳﺘﻢ إﺟﺮاء اﻻﻧﺤﺪار اﻟﺨﻄﻲ ﻋﲆ ﻫﺬا اﻷﺳﺎس‪.‬‬

‫ﺑني اﻻﻧﺤﺪار اﻟﺨﻄﻲ واﻻﻧﺤﺪار ﻏري اﻟﺨﻄﻲ‪:‬‬

‫أوﻻ رﺳﻢ اﻟﺸﻜﻞ اﻻﻧﺘﺸﺎري )‪ (Scatter Diagram‬ﻟﻠﻤﺘﻐـريﻳﻦ ﳌﻌﺮﻓـﺔ ﻣـﺎ‬

‫ﻋﻨﺪ اﺳﺘﺨﺪام اﻻﻧﺤﺪار ﻳﺘﻌني ً‬
‫إذا ﻛﺎﻧﺖ اﻟﻌﻼﻗﺔ ﺑﻴﻨﻬام ﺧﻄﻴﺔ أو ﻣﻨﺤﻨﻴﺔ‪ ،‬وإذا ﻛﺎن اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﻴﻂ ﻳﺴـﺘﺨﺪم ﰲ ﺣﺎﻟـﺔ وﺟـﻮد‬
‫ﻋﻼﻗﺔ ﺧﻄﻴﺔ‪ /‬ﻣﺴﺘﻘﻴﻤﺔ ﺑني اﳌﺘﻐريﻳﻦ‪ ،‬إﻻ أﻧﻪ ﰲ اﻟﻜﺜري ﻣﻦ اﻟﺒﺤﻮث ﻻ ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺑني اﳌﺘﻐريﻳﻦ ﻋﻼﻗـﺔ‬
‫ﺧﻄﻴﺔ )‪ ،(Linear‬وإمنﺎ ﺗﻜﻮن ﻋﻼﻗﺔ ﻣﻨﺤﻨﻴﺔ أو ﻏري ﺧﻄﻴﺔ )‪ ،(Nonlinear‬وﰲ ﻫـﺬه اﻟﺤﺎﻟـﺔ ﻳﺘﻌـني إﻳﺠـﺎد‬
‫أﻓﻀﻞ ﻣﻨﺤﻨﻰ ﻣﻄﺎﺑﻘﺔ‪ ،‬أو أﻓﻀﻞ داﻟﺔ رﻳﺎﺿﻴﺔ ﺗﻄﺎﺑﻖ اﻟﺒﻴﺎﻧﺎت‪ ،‬ﺳﻮاء ﻛﺎﻧﺖ اﻟﺪاﻟـﺔ اﻷﺳـﻴﺔ ) ‪Exponential‬‬
‫‪ (Function‬أو داﻟﺔ اﻟﻘـﻮة )‪ (Power Function‬أو اﻟﺪاﻟـﺔ اﻟﻠﻮﻏﺎرﻳﺘﻤﻴـﺔ )‪ (Logarithmic Function‬أو داﻟـﺔ‬
‫اﻟﻘﻄﻊ اﳌﺘﻜﺎﻓﺊ )‪ (Parabola Function‬وﻋﻨﺪ ﺣﺴﺎب اﻟﻌﻼﻗﺔ ﺑني اﳌﺘﻐري اﻻﺳﻤﻲ واﳌﺘﻐري اﻟﻔﱰي ﻧﺴـﺘﺨﺪم‬
‫ﻧﺴﺒﺔ اﻻرﺗﺒﺎط )‪ – (K‬وﺗﻨﻄﻖ إﻳﺘﺎ‪ .‬وﺗﺴﺘﻨﺪ ﻧﺴﺒﺔ اﻻرﺗﺒﺎط إﱃ اﻟﺨﻔﺾ اﻟﻨﺴﺒﻲ ﻟﺨﻄﺄ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤﺔ ﻣﺘﻐـري‬
‫ﻓﱰي مبﻌﻠﻮﻣﻴﺔ أﻗﺴﺎم ﻣﺘﻐـري ﻧـﻮﻋﻲ )اﺳـﻤﻲ(‪ ،‬وﻳﻘـﺘﴤ ذﻟـﻚ وﺟـﻮد ﻣﺴـﺘﻮﻳني أو أﻛـرث ﻟﻠﻤﺘﻐـري اﳌﻨﺒـﺊ‬
‫)‪ (Predictor Variable‬وﻫﻮ ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ اﳌﺘﻐري اﻻﺳﻤﻲ‪ ،‬وذﻟﻚ ﻟﻜﻞ ﻗﻴﻤﺔ ﻣﻦ ﻗﻴﻢ اﳌﺘﻐـري اﻟـﺬي ﻧﺮﻳـﺪ‬
‫أن ﻧﺘﻨﺒﺄ ﺑﻘﻴﻤﺘﻪ‪ ،‬واﻟﺬي ﻳﻜﻮن ﻣﻦ اﻟﻨﻮع اﻟﻔﱰي‪.‬‬

‫‪-310-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﺑﻌﺎ‪ :‬اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ‬

‫ر ً‬
‫ﰲ ﻫﺬا اﻟﻨﻤﻂ ﻣﻦ اﻟﺘﺤﻠﻴﻞ ﺗﺴﺘﺨﺪم ﻛﻠﻤﺔ ﻟﻮﺟﺴﺘﻲ )‪ (Logistic‬ﻛﺼﻔﺔ ﻣﺸﺘﻘﺔ ﻣﻦ ﻛﻠﻤﺔ )‪ (Log‬وﻫﻮ‬
‫ﻣﺨﺘﴫ اﻟﻠﻮﻏﺎرﻳﺘامت )‪ (Logarithms‬واﻟﻠﻮﻏﺎرﻳﺘﻢ ﺑﺒﺴﺎﻃﺔ ﻫﻮ »اﻷس« اﻟﺬي ﻳﺠﺐ أن ﻳﺮﻓﻊ إﻟﻴﻪ اﻷﺳـﺎس‬
‫ﻣﻌﻴﻨﺎ‪ ،‬وﻛﻤﺜﺎل ﻋﲆ ذﻟﻚ‪ ،‬ﻓﺈن‪:‬‬
‫ﻋﺪدا ً‬
‫ﻟﻴﻌﻄﻲ ً‬
‫‪3‬‬ ‫‪3‬‬
‫‪ 7‬ﺗﻨﻄﻖ ﻫﻜـﺬا )‪ 7‬أس ‪ (3‬وﻫـﻲ ﺗﺴـﺎوي ‪343‬؛ أي أن ‪ 7) 7‬أس ‪ 343= (3‬مبﻌﻨـﻰ أن اﻟـﺮﻗﻢ ‪7‬‬

‫ﻣﴬوﺑﺎ ﰲ ﻧﻔﺴﻪ ﺛﻼث ﻣﺮات )‪ (7×7×7‬ﻳﺴﺎوي ‪ ،343‬وﻳﺴﻤﻰ اﻟﻌﺪد ‪ 7‬ﺑﺎﻷﺳـﺎس‪ ،‬أﻣـﺎ اﻟـﺮﻗﻢ ‪ 3‬ﻓﻴﺴـﻤﻰ‬
‫ً‬
‫»ﺑﺎﻷس« أي أن اﻟﻌﺪد ‪ 7‬ﻳﺠﺐ أن ﻳﺮﻓـﻊ إﱃ اﻷس ‪ 3‬ﻟﻴﻌﻄـﻲ اﻟﻌـﺪد ‪ ،343‬ﻫـﺬا »اﻷس« اﻟـﺬي ﻳﺠـﺐ أن‬
‫‪3‬‬
‫ﻳﺮﻓﻊ إﻟﻴﻪ اﻟﻌﺪد ‪ 7‬ﻟﻴﻌﻄﻲ اﻟﻌﺪد ‪ 343‬ﻫﻮ اﳌﻌﺮوف ﺑﺎﻟﻠﻮﻏـﺎرﻳﺘﻢ‪ .‬وﻋﻨـﺪ ﺗﺤﻮﻳـﻞ ‪) 7‬أو ‪ 7‬أس ‪ (3‬ﻣـﻦ‬
‫اﻟﺼﻮرة اﻷﺳﻴﺔ إﱃ اﻟﺼﻮرة اﻟﻠﻮﻏﺎرﻳﺘﻤﻴﺔ ﻳﺼﺒﺢ‪:‬‬

‫‪ 7‬ﻟﻮ ‪3=343‬‬

‫وﺗﻘﺮأ ﻛﺎﻵيت‪ :‬ﻟﻮﻏﺎرﻳﺘﻢ ‪ 343‬ﻟﻸﺳﺎس ‪ 7‬ﻳﺴﺎوي ‪3‬‬

‫وﻫﻨﺎك اﻟﻠﻮﻏﺎرﻳﺘامت اﻟﻄﺒﻴﻌﻴﺔ اﻟﺘﻲ أﺳﺎﺳﻬﺎ اﻟﺮﻣﺰ )‪ ،(E‬وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ أﻧﻪ ﻻ ﺗﻮﺟـﺪ ﻗﻴﻤـﺔ ﻣﺤـﺪدة‬
‫ﻋﻠـام ﺑـﺄن ﻫﻨـﺎك اﻟﻠﻮﻏـﺎرﻳﺘامت اﻟﻌﴩﻳـﺔ‬
‫متﺎﻣﺎ إﻻ أن ﻗﻴﻤﺘﻪ اﻟﺘﻘﺮﻳﺒﻴﺔ ‪ 2.7182818000‬؛ أي ‪ً 2.718‬‬
‫ﻟﻪ ً‬
‫اﻟﺘﻲ ﻳﺘﺨﺬ ﻓﻴﻬﺎ اﻟﺮﻗﻢ ‪ 10‬ﻛﺄﺳﺎس ﻟﻬﺎ ﻛام ﻫﻮ ﻣﻌﺮوف‪.‬‬

‫ً‬
‫ارﺗﺒﺎﻃـﺎ وﺛﻴﻘًـﺎ ﺑـﺎﻻﺣﺘامﻻت‪ ،‬ﻓـﺈذا اﻓﱰﺿـﻨﺎ أن اﺣـﺘامل ﻗـﺮاءة ﺻـﺤﻴﻔﺔ‬ ‫وﻳﺮﺗﺒﻂ اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ‬
‫ﻳﺴﺎوي ‪ ،%70‬ﻓﺈن ﻫﺬا ﻳﻌﻨﻲ أن اﺣﺘامل ﻋﺪم ﻗﺮاءة ﺗﻠﻚ اﻟﺼﺤﻴﻔﺔ ﻫﻮ ‪ %30‬وﻫﻨﺎ ﺗﻜﻮن أرﺟﺤﻴﺔ ﻗـﺮاءة‬
‫اﻟﺼﺤﻴﻔﺔ‪:‬‬

‫= ‪2.33 =0.3 y 0.7‬‬

‫‪-311-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫أﻣﺎ أرﺟﺤﻴﺔ ﻋﺪم ﻗﺮاءة اﻟﺼﺤﻴﻔﺔ ﻓﻬﻲ‪:‬‬

‫= ‪,43 =0.7 y 0.3‬‬

‫وإذا ﻛﺎن اﻻﻧﺤﺪار اﻟﺨﻄﻲ )‪ (Linear Regression‬ﻳﺒﺤﺚ ﻣﻌﺪل اﻟﺘﻐري ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ ‪ Y‬ﻋﻨﺪﻣﺎ ﻳﺘﻐري‬
‫اﳌﺘﻐري اﳌﺴﺘﻘﻞ ‪ X‬مبﻘﺪار ﻣﻌني‪ ،‬ﻓﺈن اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ )‪ (Logistic Regression‬ﻳﺒﺤﺚ ﰲ ﻣﻌـﺪل اﻟﺘﻐـري‬
‫ﰲ ﻟﻮﻏﺎرﻳﺘﻢ اﻷرﺟﺤﻴﺔ )‪ (Log Odds‬ﻟﺤﺪوث اﳌﺘﻐري اﻟﺘﺎﺑﻊ ‪ Y‬ﻋﻨﺪﻣﺎ ﻳﺘﻐري اﳌﺘﻐري اﳌﺴﺘﻘﻞ ‪.X‬‬

‫ﻣﻘﺴﻮﻣﺎ ﻋﲆ اﺣﺘامل ﻋﺪم وﻗﻮﻋﻪ‪ ،‬ﻓﺈذا ﻛـﺎن اﺣـﺘامل‬

‫ً‬ ‫إن ﻧﺴﺒﺔ اﻷرﺟﺤﻴﺔ ﻫﻲ اﺣﺘامل وﻗﻮع اﻟﺤﺪث‬
‫ﻣﺸﺎﻫﺪة اﻟﺘﻠﻔﺎز ‪ ،0.68‬ﻓﺈن اﺣﺘامل ﻋﺪم اﳌﺸﺎﻫﺪة ﻫﻮ ‪ 0.32‬وﺗﻜﻮن ﻧﺴﺒﺔ اﻷرﺟﺤﻴﺔ ﻫـﻲ ‪0.32 ÷ 0.68‬‬
‫= ‪ ،2.125‬وﻳﺘﻢ اﻟﺘﻌﺮف ﻋﲆ دﻻﻟﺔ ﻗﻴﻤﺔ ﺗﻠـﻚ اﻟﻨﺴـﺒﺔ ﻣـﻦ ﺧـﻼل »اﺧﺘﺒـﺎر واﻟـﺪ« )‪ (Wald Test‬ﻓـﺈذا‬
‫ﻛﺎﻧﺖ ﻗﻴﻤﺔ ﻫﺬا اﻻﺧﺘﺒﺎر ﻣﻌﻨﻮﻳﺔ أو داﻟﺔ )‪ ،(Significant‬ﻓـﺈن ﻫـﺬا ﻳﻌﻨـﻲ أن اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ ﻟـﻪ ﺗـﺄﺛري‬
‫ﺟﻮﻫﺮي ﰲ ﺗﺮﺟﻴﺢ اﺣﺘامل وﻗﻮع أو ﻋﺪم وﻗﻮع اﻟﺤﺪث‪ ،‬ﻗﺪ ﺗﻜﻮن ﻫﺬه اﻟﺪﻻﻟـﺔ ﻋﻨـﺪ ﻣﺴـﺘﻮى اﳌﻌﻨﻮﻳـﺔ‬
‫‪ (p 0.05) 0.05‬أو ﻋﻨﺪ ﻣﺴﺘﻮى اﳌﻌﻨﻮﻳﺔ ‪.(p 0.01) 0.01‬‬

‫وﻳﺘﻢ اﺳﺘﺨﺪام اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ )‪ (Logistic Regression‬ﻋﺎدة ﻋﻨﺪﻣﺎ ﻳﻜـﻮن اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ ّ‬
‫ﺛﻨﺎﺋﻴـﺎ‬
‫ﻣﺘﻘﻄﻌﺎ )‪ (Binary Dichotomous‬مبﻌﻨﻰ أن ﻫﺬا اﳌﺘﻐري ﻟﻪ ﺣﺎﻟﺘﺎن ﻓﻘﻂ ﻣﺜﻞ‪:‬‬
‫ً‬
‫‪ -‬ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﻣﻘﺎﺑﻞ ﻋﺪم ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‪.‬‬

‫‪ -‬ﻗﺮاءة اﻟﺼﺤﻒ ﻣﻘﺎﺑﻞ ﻋﺪم ﻗﺮاء اﻟﺼﺤﻒ‪.‬‬

‫‪ -‬ﺳامع اﻹذاﻋﺔ ﻣﻘﺎﺑﻞ ﻋﺪم ﺳامع اﻹذاﻋﺔ‪.‬‬

‫‪ -‬اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ ﻣﻘﺎﺑﻞ ﻋﺪم اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ‪.‬‬

‫‪-312-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻣﺘﻘﻄﻌـﺎ‪ ،‬ﻟﻨﻔـﱰض أن‬

‫ً‬ ‫ﺛﻨﺎﺋﻴـﺎ‬
‫وميﻜﻦ إﻋﺎدة ﺗﻜﻮﻳﺪ اﳌﺘﻐري اﳌﺴﺘﻤﺮ )ﻏري اﳌﺘﻘﻄﻊ( ﺑﺤﻴﺚ ﻳﺼﺒﺢ ﻣﺘﻐ ًريا ّ‬
‫ﻧﺘﺎﺋﺞ أﺣﺪ اﻟﺒﺤﻮث أﻓﺎدت أن ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﻣﻦ واﻗﻊ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ 300‬ﻣﻔﺮدة )ن= ‪ (300‬ﺟﺎءت‬
‫ﻛﺎﻵيت‪:‬‬
‫‪%‬‬ ‫ك‬ ‫ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‬
‫‪25‬‬ ‫‪75‬‬ ‫ﻻ ﻳﺸﺎﻫﺪ‬
‫‪33.3‬‬ ‫‪100‬‬ ‫أﻗﻞ ﻣﻦ ﺳﺎﻋﺔ‬
‫‪26.7‬‬ ‫‪80‬‬ ‫ﻣﻦ ﺳﺎﻋﺔ إﱃ ﺳﺎﻋﺘني‬
‫‪15‬‬ ‫‪45‬‬ ‫أﻛرث ﻣﻦ ﺳﺎﻋﺘني‬
‫‪100‬‬ ‫‪300‬‬ ‫اﳌﺠﻤﻮع‬

‫ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ميﻜﻦ إﻋﺎدة ﺗﻜﻮﻳﺪ اﺳﺘﺠﺎﺑﺎت اﳌﻔﺤﻮﺻني؛ ﺑﺤﻴﺚ ﺗﻀﻢ ﻓﺌﺘني ﻓﻘﻂ ‪:‬‬

‫‪ -‬ﻳﺸﺎﻫﺪ‪ :‬اﻟﻌﺪد ‪225‬‬

‫‪ -‬ﻻ ﻳﺸﺎﻫﺪ‪ :‬اﻟﻌﺪد ‪75‬‬

‫ﻳﻮﻣﻴـﺎ‪ -‬ﺗـﻢ ﺗﺤﻮﻳﻠـﻪ إﱃ ﻣﺘﻐـري‬

‫ﻓﺎﳌﺘﻐري اﳌﺘﺼﻞ )اﳌﺴﺘﻤﺮ( ‪ -‬وﻫﻮ ﻋﺪد ﺳﺎﻋﺎت ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ّ‬
‫ﻣﺘﻘﻄﻊ ﺛﻨﺎيئ )ﻟﻪ ﺣﺎﻟﺘﺎن ﻓﻘﻂ(‪ ،‬ومبﻮﺟﺐ ﻫﺬا اﻟﺘﺤﻮﻳﻞ ميﻜﻦ ﺗﻄﺒﻴﻖ منﻮذج اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ‪ ،‬وﻋـﺎدة‬
‫ﻣﺎ ﻳﺘﻢ ﺗﻜﻮﻳﺪ اﺣﺘامل اﻟﺤﺪوث ﺑﺎﻟﺮﻗﻢ )‪ (1‬أﻣﺎ اﺣﺘامل ﻋﺪم اﻟﺤﺪوث‪ ،‬ﻓﻴﺘﻢ ﺗﻜﻮﻳﺪه ﺑﺎﻟﺮﻗﻢ )ﺻـﻔﺮ( ﻓـﺈذا‬
‫اﻓﱰﺿﻨﺎ أن ﺣﺪوث اﻟﺘﺼﻮﻳﺖ ﰲ اﻻﻧﺘﺨﺎﺑﺎت ﻳﺄﺧﺬ اﻟﺮﻗﻢ )‪ ،(1‬ﻓﺈن ﻋﺪم ﺣﺪوﺛﻪ ﻳﺄﺧﺬ اﻟﺮﻗﻢ )ﺻﻔﺮ(‪ ،‬وﻫﺬا‬
‫اﻟﺘﻜﻮﻳﺪ )‪ (Coding‬ﻳﺘﻢ أﺛﻨﺎء إدﺧﺎل اﻟﺒﻴﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام أﺣﺪ اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺤﺎﺳﻮﺑﻴﺔ اﳌﻌﺮوﻓﺔ‪.‬‬

‫ﻛﻤﺜﺎل ﺗﻮﺿﻴﺤﻲ‪،‬ﻧﻔﺮض أن اﳌﺘﻐري اﻟﺘﺎﺑﻊ اﳌﻄﻠﻮب اﻟﺘﻨﺒﺆ ﺑﺤﺪوﺛـﻪ ﻫـﻮ »اﻟﺘﺼـﻮﻳﺖ‬

‫ﰲ اﻻﻧﺘﺨﺎﺑﺎت اﻟﱪﳌﺎﻧﻴـﺔ«‪ ،‬وﻋﻨـﺪ ﻣﻌﺎﻟﺠـﺔ اﻟﺒﻴﺎﻧـﺎت ﻓـﺈن ﻫـﺬا اﳌﺘﻐـري ﻳﻌﺎﻣـﻞ ﻛﻤﺘﻐـري‬
‫ﺗــﺎﺑﻊ )‪ ،(Dependent variable‬وﻣــﻦ اﻟﻮاﺿــﺢ أﻧــﻪ ﻣــﻦ اﻟﻨــﻮع اﻟﺜﻨــﺎيئ )‪،(Dichotomous‬‬

‫‪-313-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻓﺎﳌﻔﺤﻮص إﻣﺎ أﻧﻪ ﺳﻮف ﻳﺪﱄ ﺑﺼﻮﺗﻪ أو أﻧﻪ ﻟـﻦ ﻳـﺪﱄ ﺑﺼـﻮﺗﻪ ﰲ اﻻﻧﺘﺨﺎﺑـﺎت‪ .‬أﻣـﺎ ﻣﺠﻤﻮﻋـﺔ اﳌﺘﻐـريات‬
‫اﳌﺴﺘﻘﻠﺔ )‪ (Independent‬أو اﳌﻨﺒﺌﺔ ﻟﻨﻔﺮض أﻧﻬﺎ ﺗﺘﻤﺜﻞ ﰲ‪:‬‬

‫‪ -‬ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن )ﻓﻴام ﻳﺨﺺ اﻻﻧﺘﺨﺎﺑﺎت(‪.‬‬

‫‪ -‬ﺳامع اﻹذاﻋﺔ )ﻓﻴام ﻳﺨﺺ اﻻﻧﺘﺨﺎﺑﺎت(‪.‬‬

‫‪ -‬ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ اﻟﺤﻜﻮﻣﻴﺔ )ﻓﻴام ﻳﺨﺺ اﻻﻧﺘﺨﺎﺑﺎت(‪.‬‬

‫‪ -‬ﻗﺮاءة اﻟﺼﺤﻒ اﻟﺤﺰﺑﻴﺔ )ﻓﻴام ﻳﺨﺺ اﻻﻧﺘﺨﺎﺑﺎت(‪.‬‬

‫‪ -‬اﻻﻧﺘامء اﻟﻄﺒﻘﻲ‪.‬‬

‫وإذا ﻛﺎن اﳌﺘﻐري اﻟﺘﺎﺑﻊ )اﻹدﻻء ﺑﺎﻟﺼﻮت ﰲ اﻻﻧﺘﺨﺎﺑﺎت( ﻳﺘﺨﺬ اﻟﺮﻗﻢ اﻟﻜﻮدي )‪ (1‬مبﻌﻨﻰ اﻟﺘﺼﻮﻳﺖ ﰲ‬
‫اﻻﻧﺘﺨﺎﺑﺎت‪ ،‬أو اﻟﺮﻗﻢ اﻟﻜﻮدي )ﺻـﻔﺮ( مبﻌﻨـﻰ ﻋـﺪم اﻟﺘﺼـﻮﻳﺖ ﰲ اﻻﻧﺘﺨﺎﺑـﺎت‪ ،‬ﻓـﺈن ﻣﺠﻤﻮﻋـﺔ اﳌﺘﻐـريات‬
‫ﻛﻤﻴﺔ ﻣﻌﻴﻨﺔ ﺗﻌﻜﺲ اﺳﺘﺠﺎﺑﺎت اﳌﻔﺤﻮﺻني ﺣﺴﺒام أﻓﺎدوا ﺑﻬﺎ‪ ،‬ﻫﻜﺬا ﻳﺘﻢ إدﺧﺎل ﺑﻴﺎﻧـﺎت‬
‫اﳌﺴﺘﻘﻠﺔ ﻟﻬﺎ ﻗﻴﻢ ّ‬
‫اﻟﻜﻤﻴـﺔ ﻟﻠﻤﺘﻐـريات اﳌﺴـﺘﻘﻠﺔ‪ ،‬وﻳﺘﻌﺎﻣـﻞ منـﻮذج‬
‫ّ‬ ‫اﳌﺘﻐري اﻟﺘﺎﺑﻊ )اﻟﺮﻗﻢ ﺻﻔﺮ أو اﻟﺮﻗﻢ ‪ ،(1‬و إدﺧﺎل اﻟﻘـﻴﻢ‬
‫اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ ﻣﻊ ﺗﻠﻚ اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ ﻛﻤﺘﻐريات ﻣﻨﺒﺌﺔ )‪.(Predicting Variables‬‬

‫واﻟﺠﺪول اﻵيت ﻳﻮﺿﺢ ﺑﻌﺾ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﻟﻨﻤﻮذج اﻻﻧﺤـﺪار اﻟﻠﻮﺟﺴـﺘﻲ اﳌﻘـﺪر ﺑﺎﻋﺘﺒـﺎر أن‬
‫اﳌﻮﻗﻒ ﻣﻦ اﻻﻧﺘﺨﺎﺑﺎت )اﻟﺘﺼﻮﻳﺖ أو ﻋﺪم اﻟﺘﺼﻮﻳﺖ( ﻣﺘﻐري ﺗـﺎﺑﻊ )‪ ،(Y‬أﻣـﺎ اﳌﺘﻐـريات اﳌﺴـﺘﻘﻠﺔ‪ ،‬ﻓﻬـﻲ ‪:‬‬
‫ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﺳامع اﻹذاﻋﺔ‪ ،‬ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ اﻟﺤﻜﻮﻣﻴﺔ‪ ،‬ﻗﺮاءة اﻟﺼﺤﻒ اﻟﺤﺰﺑﻴﺔ‪ ،‬اﻻﻧـﺘامء‬
‫اﻟﻄﺒﻘﻲ‪:‬‬

‫‪-314-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻟﻨﻤﻮذج اﳌﻘﺪر‬
‫‪Exp‬‬
‫‪Sig.‬‬ ‫‪Df.‬‬ ‫‪Wald‬‬ ‫‪S.E‬‬ ‫‪B‬‬
‫)‪(B‬‬
‫‪0.624‬‬ ‫‪0.000‬‬ ‫‪1‬‬ ‫‪13,84‬‬ ‫‪0.127‬‬ ‫‪0.471‬‬ ‫ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‬
‫‪1,604‬‬ ‫‪0.02‬‬ ‫‪1‬‬ ‫‪5.44‬‬ ‫‪0.203‬‬ ‫‪0.472‬‬ ‫ﺳامع اﻟﺮادﻳﻮ‬
‫‪1,636‬‬ ‫‪0.002‬‬ ‫‪1‬‬ ‫‪9,4‬‬ ‫‪0.161‬‬ ‫‪0.492‬‬ ‫ﻗﺮاءة اﻟﺼﺤﻒ اﻟﺤﻜﻮﻣﻴﺔ‬
‫‪,589‬‬ ‫‪0.000‬‬ ‫‪1‬‬ ‫‪18,8‬‬ ‫‪0.122‬‬ ‫‪0.592‬‬ ‫ﻗﺮاءة اﻟﺼﺤﻒ اﻟﺤﺰﺑﻴﺔ‬
‫‪0.009‬‬ ‫‪0.447‬‬ ‫‪1‬‬ ‫‪0.578‬‬ ‫‪0.139‬‬ ‫‪0.105‬‬ ‫اﻻﻧﺘامء اﻟﻄﺒﻘﻲ‬
‫‪2,62‬‬ ‫‪0.011‬‬ ‫‪1‬‬ ‫‪6.5‬‬ ‫‪0.377‬‬ ‫‪0.963‬‬ ‫اﻟﺜﺎﺑﺖ‬

‫ﻳﻼﺣﻆ ﻣﻦ ﻫﺬا اﻟﺠـﺪول أن ﺟﻤﻴـﻊ ﻗـﻴﻢ ‪ B‬ﻣﻮﺟﺒـﺔ )اﻟﻌﻤـﻮد اﻷول(‪ ،‬وﻫـﺬه اﻟﻘـﻴﻢ ﻫـﻲ ﻣﻌـﺎﻣﻼت‬
‫اﻟﻨﻤﻮذج اﳌﻘﺪر ﺑﻮﺣﺪات اﻟﻠﻮﻏﺎرﻳﺘﻢ )‪ ،(Log Odds‬أﻣﺎ اﻟﻌﻤﻮد اﻟﺜـﺎين )‪ (S.E‬ﻓﻴﺒـني اﻟﺨﻄـﺄ اﳌﻌﻴـﺎري ﻟﻜـﻞ‬
‫ﻣﻌﺎﻣﻞ ﻣﻦ اﳌﻌﺎﻣﻼت )‪ ،(B‬وﻳﺘﻀﻤﻦ اﻟﻌﻤﻮد اﻟﺜﺎﻟـﺚ ﻣﻌﻄﻴـﺎت اﺧﺘﺒـﺎر ‪ ،Wald‬وﻫـﻮ ﰲ اﻟﺤﻘﻴﻘـﺔ اﺧﺘﺒـﺎر‬
‫‪2‬‬
‫أﻳﻀـﺎ وﰲ ﺿـﻮء ﻗﻴﻤـﺔ‬
‫)ﻛﺎ ( اﳌﺒﻨﻲ ﻋﲆ ﻣﻌﺎﻣﻞ )‪ (Wald‬ﳌﻌﺮﻓﺔ ﻣﻌﻨﻮﻳﺔ ﻗﻴﻤﺔ ﻛﻞ ﻣﻌﺎﻣﻞ‪ ،‬وﻣﻦ اﻟﺠﺪول ً‬

‫إﺣﺼﺎﺋﻴﺎ )‪ (Sig.! 0.05‬أﻣﺎ ﺑﻘﻴـﺔ اﳌﺘﻐـريات ﻓﻬـﻲ داﻟـﺔ‬

‫ّ‬ ‫اﳌﻌﻨﻮﻳﺔ )‪ (Sig.‬ﻧﺘﺒني أن اﻻﻧﺘامء اﻟﻄﺒﻘﻲ ﻏري دال‬
‫إﺣﺼﺎﺋﻴﺎ )‪.(Sig. 0.05‬‬
‫ّ‬
‫أﺧ ًريا‪ ،‬ﻓﺈن اﻟﻘﻴﻢ اﳌﻮﺟﻮدة ﰲ اﻟﻌﻤﻮد )‪ Exp (B‬ﺗﻌﱪ ﻋﻦ ﻧﺴﺒﺔ اﻷﻓﻀﻠﻴﺔ ﻟﻜﻞ ﻣﻌﺎﻣﻞ‪ ،‬وﻫﺬه اﻟﻨﺴﺒﺔ‬
‫ﻣﺮﻓﻮﻋﺎ ﰲ اﻷس )‪ ،(E‬وﻗﺪ ﺳﺒﻘﺖ اﻹﺷﺎرة إﱃ أن ﻗﻴﻤﺔ ﻫﺬا اﻷس ‪ 2.718‬ﺗﻘﺮﻳﺒﺎ )اﻟﻠﻮﻏـﺎرﻳﺘﻢ‬
‫ً‬ ‫ﻫﻲ اﳌﻌﺎﻣﻞ‬
‫اﻟﻄﺒﻴﻌﻲ(‪ ،‬وﻳﺘﻢ اﻟﺤﺼﻮل ﻋﲆ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ ﺑﺈﺿﺎﻓﺔ اﻟﺜﺎﺑﺖ )‪ (Constant‬إﱃ اﻟﻘﻴﻢ اﻟﻮاردة‬
‫ﰲ اﻟﻌﻤﻮد اﻷول )‪ ،(B‬أﻣﺎ ﻧﺎﺗﺞ ﻫﺬه اﳌﻌﺎدﻟﺔ ﻓريﻣﺰ ﻟﻪ ﺑﺎﻟﺤﺮف )‪ ،(Z‬أو اﻟﺤـﺮف )ز( وﺣﺴـﺐ اﳌﻌﻄﻴـﺎت‬
‫اﻹﺣﺼﺎﺋﻴﺔ ﺑﻬﺬا اﻟﺠﺪول ﺗﻜﻮن ﻗﻴﻤﺔ )‪ (Z‬أو )ز( ﻛﺎﻵيت‪:‬‬

‫ز= ‪ 0.105+0.963‬اﻻﻧــﺘامء اﻟﻄﺒﻘــﻲ ‪ 0.592 +‬ﻗــﺮاءة اﻟﺼــﺤﻒ اﻟﺤﺰﺑﻴــﺔ ‪ 0.492 +‬ﻗــﺮاءة اﻟﺼــﺤﻒ‬
‫اﻟﺤﻜﻮﻣﻴﺔ ‪ 0.472 +‬ﺳامع اﻟﺮادﻳﻮ ‪ 0.471 +‬ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‪.‬‬

‫‪-315-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫أﻣﺎ اﻟﺼﻴﺎﻏﺔ اﻹﻧﺠﻠﻴﺰﻳﺔ ﻟﺘﻠﻚ اﳌﻌﺎدﻟﺔ ﻓﻬﻲ‪:‬‬

‫‪Z=0.963+0.105 Class Affiliation+0.592 Reading the Political Parties Newspapers+0.492 Reading the‬‬
‫‪Governmental Newspapers +0.472 Radio Listening +0.472 Television Viewing.‬‬

‫وﻳﺴﺘﻔﺎد ﺑﻘﻴﻤﺔ ﻧﺎﺗﺞ ﻫﺬه اﳌﻌﺎدﻟﺔ أي ﻗﻴﻤﺔ )‪ (Z‬وﻛﺬﻟﻚ ﺑﻘﻴﻤﺔ اﻷس اﻟﻄﺒﻴﻌﻲ )‪ (E‬وﻗﻴﻤﺘﻪ ‪2.718‬‬
‫ﰲ ﺗﻘﺪﻳﺮ اﺣﺘامل ﺣﺪوث اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬وذﻟﻚ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫= ‪Pro‬‬ ‫‪1‬‬
‫)‪1  e( Z‬‬

‫إن ﻧﺎﺗﺞ ﺗﻄﺒﻴﻖ ﻫـﺬه اﳌﻌﺎدﻟـﺔ ﻳﺴـﻤﻰ اﻻﺣـﺘامل اﳌﻘـﺪر )‪ (The Estimated Probability‬أي اﺣـﺘامل‬
‫ﻣـﺜﻼ‪ ،‬ﻓـﺈن ذﻟـﻚ ﻳﻌﻨـﻲ أن أرﺟﺤﻴـﺔ‬
‫وﻗﻮع اﻟﺤﺪث‪ ،‬ﻓﺈذا ﺑﻠﻐﺖ ﻗﻴﻤﺔ ﻫﺬا اﻻﺣﺘامل )اﳌﻘﺪر( ﺣﻮاﱄ ‪ً 0.70‬‬
‫وﻗﻮع اﻟﺤﺪث ﺗﺒﻠﻎ ‪ 0.70‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن أرﺟﺤﻴﺔ ﻋﺪم وﻗﻮﻋﻪ ‪ 0.30‬وﳌﺎ ﻛﺎﻧـﺖ ﻗﻴﻤـﺔ اﻻﺣـﺘامل اﳌﻘـﺪر ﰲ‬
‫ﻣﺜﺎﻟﻨﺎ ﻫﺬا ﻫﻲ ‪ 0.70‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أن اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ ﺗﺰﻳﺪ أرﺟﺤﻴﺔ اﻟﺘﺼﻮﻳﺖ ﰲ اﻻﻧﺘﺨﺎﺑﺎت ﺑﻨﺴﺒﺔ‬
‫‪ ،0.70‬وﻫﺬه اﳌﺘﻐريات ﻫﻲ‪ :‬ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‪ ،‬ﺳـامع اﻹذاﻋـﺔ‪ ،‬ﻗـﺮاءة اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ اﻟﺤﻜﻮﻣﻴـﺔ‪،‬‬
‫ﻗﺮاءة اﻟﺼﺤﻒ اﻟﺤﺰﺑﻴﺔ‪ .‬وﻏﻨﻲ ﻋﻦ اﻟﺒﻴﺎن أن ﻛﻞ اﻟﻌﻤﻠﻴﺎت اﻟﺤﺴﺎﺑﻴﺔ ﻳﻘﻮم ﺑﻬﺎ اﻟﺤﺎﺳﺐ اﻵﱄ‪.‬‬

‫ﻛام ﻳﺴﻔﺮ ﺗﻄﺒﻴﻖ اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ ﻋﻦ ﻣﻌﻄﻴﺎت إﺣﺼﺎﺋﻴﺔ أﺧﺮى ﻫﺎﻣﺔ ﻣﺜﻞ‪ :‬ﺳﺎﻟﺐ ﺿﻌﻒ داﻟـﺔ‬
‫اﻹﻣﻜﺎن )‪ (- 2loglikelhood‬ﺣﻴﺚ ﺗﻮﺟﺪ ﻗﻴﻤﺔ ﻟﻬﺬه اﻟﺪاﻟﺔ ﰲ ﻛﻞ ﺧﻄﻮة وذﻟـﻚ ﻻﺧﺘﺒـﺎر ﻛﻔـﺎءة اﻟﻨﻤـﻮذج‪،‬‬
‫ﻛام ﺗﺘﻀﻤﻦ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﻗﻴﻤﺔ )‪) (R2‬ﻣﺮﺑـﻊ ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط( ﺑﻄﺮﻳﻘـﺔ )‪ (Cox & Snell‬وﻛـﺬﻟﻚ‬
‫ﺑﻄﺮﻳﻘﺔ )‪ ،(Nagelkerke‬ﺑﺎﻹﺿـﺎﻓﺔ إﱃ ﻣﺮﺑـﻊ ﻛـﺎي )‪ (Chi Square‬ودﻻﻟﺘـﻪ‪ ....‬وﻳﺴـﺘﻌﺎن ﺑﻬـﺬه اﳌﻌﻄﻴـﺎت‬
‫اﻹﺣﺼﺎﺋﻴﺔ ﰲ رﺻﺪ وﺗﻔﺴري اﻟﻨﺘﺎﺋﺞ‪ ،‬ﻛام ميﻜﻦ ﻟﻠﺒﺎﺣﺜني اﻻﺳﺘﻔﺎدة ﺑﻬـﺎ ﰲ إﺟـﺮاء ﺗﺤﻠـﻴﻼت إﺣﺼـﺎﺋﻴﺔ أﻛـرث‬
‫ﺗﻄﻮ ًرا‪.‬‬

‫ريا‪ ،‬ﺗﺠــﺪر اﻹﺷــﺎرة إﱃ أن ﺗﺤﻠﻴــﻞ اﻻﻧﺤــﺪار ذو أﻫﻤﻴــﺔ ﰲ اﻟﺪراﺳــﺎت اﻹﻋﻼﻣﻴــﺔ‬

‫أﺧــ ً‬
‫ﻋﻤﻮﻣﺎ؛ إذ إن ﻫﻨﺎك اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﻘﻀﺎﻳﺎ اﻟﺤﻴﻮﻳﺔ اﻟﺘﻲ ﻳﺘﻌني اﻟﺘﺨﻄﻴﻂ ﻟﻬﺎ ﻋـﲆ‬
‫ً‬ ‫واﻻﺟﺘامﻋﻴﺔ‬

‫‪-316-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻟﺘﻨﺒــﺆ اﻟــﺪﻗﻴﻖ‪ ،‬ﻓــﻨﺤﻦ ﻧﺮﻳــﺪ أن ﻧﺘﻨﺒــﺄ ﺑﻌﻤــﻖ اﻟﺘﻔﺎﻋــﻞ أو اﻟﺘﻮاﺻــﻞ اﻷﴎي ﰲ ﺿــﻮء ﻣﻌــﺪل اﺳــﺘﺨﺪام‬
‫اﻹﻧﱰﻧﺖ أو اﻟﺘﻠﻴﻔﺰﻳﻮن أو ﻏري ذﻟﻚ ﻣـﻦ وﺳـﺎﺋﻞ اﻹﻋـﻼم‪ ،‬ﻛـام أﻧـﻪ ﻣـﻦ اﻷﻣـﻮر اﻟﺠﻮﻫﺮﻳـﺔ ﻟﻠﻘـﺎمئني ﻋـﲆ‬
‫ﻣﺜﻼ اﻟﺘﻨﺒـﺆ مبﻌـﺪل اﻟﺘﻌـﺮض ﻟﻠﺤﻤﻠـﺔ اﻹﻋﻼﻣﻴـﺔ )‪ (Media Campaign‬ﰲ ﺿـﻮء‬
‫ﺣﻤﻼت ﺗﺮﺷﻴﺪ اﻻﺳﺘﻬﻼك‪ً ،‬‬
‫ﻣﻌﺪل اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم‪ ،‬وﻗـﺪ ﻧﺸـﻂ اﻟﺒـﺎﺣﺜﻮن ﰲ ﻋﻠـﻢ اﻻﺟـﺘامع ﺑـﺎﻟﺘﻨﺒﺆ ﺑﺎﺗﺠـﺎه اﻟﺸـﺒﺎب ﻧﺤـﻮ‬
‫اﻟﺠﺮميﺔ ﰲ ﺿﻮء ﻣﻌﺪل اﻟﺘﻌﺮض ﻷﻓﻼم وﻣـﻮاد اﻟﻌﻨـﻒ ﰲ اﻟﺘﻠﻴﻔﺰﻳـﻮن أو اﻟﺴـﻴﻨام أو اﻹﻧﱰﻧـﺖ‪ ،‬وﻳﺴـﺘﻔﻴﺪ‬
‫اﻟﺘﺨﻄﻴﻂ اﻻﺟﺘامﻋﻲ ﻣﻦ ﺗﻠﻚ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﰲ ﺗﻮﻋﻴـﺔ اﻷﴎة ﺑﺸـﺄن ﺿـﻮاﺑﻂ ﺳـﻠﻴﻤﺔ ﻓـﻴام ﻳﺨـﺺ‬
‫ﻋﻼﻗﺔ اﻷﺑﻨﺎء ﺑﻮﺳﺎﺋﻞ اﻹﻋﻼم‪ .‬ﻣﻦ ﺟﻬﺔ أﺧﺮى‪ ،‬ﻓﺈن اﻟﺪراﺳﺎت اﻻﺟﺘامﻋﻴﺔ ﺗﻬﺘﻢ ﺑﺎﻟﻌﻮاﻣﻞ اﳌﺆﺛﺮة ﰲ اﻷﴎة‬
‫ﻛﻮﺣﺪة اﺟﺘامﻋﻴـﺔ‪ ،‬وﻛﺜـ ًريا ﻣـﺎ ﺗﻨﺤـﻮ ﻫـﺬه اﻟﺪراﺳـﺎت إﱃ اﺳـﺘﺨﺪام أﺳـﻠﻮب ﺗﺤﻠﻴـﻞ اﻻﻧﺤـﺪار ﰲ اﻟﺘﻨﺒـﺆ‬
‫ﺑﺎﻟﻌﻮاﻣﻞ ذات اﻟﺘﺄﺛري ﰲ ﻣﻌﺪﻻت اﻟﺰواج اﻟﻄﻼق واﻻﺳﺘﻔﺎدة ﻣﻦ ذﻟﻚ ﰲ اﻟﺘﺨﻄﻴﻂ اﻻﺟﺘامﻋﻲ‪.‬‬

‫اﳌﺒﺤﺚ اﻟﺮاﺑﻊ‬

‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‬

‫وﺗﻄﺒﻴﻘﻴﺎ ﰲ واﻗﻌﻪ وﺗﻄﻮراﺗﻪ اﳌﺴﺘﻤﺮة‪ ،‬ﻏري أﻧﻨﺎ ﰲ ﻫﺬه اﻟﺠﺰﺋﻴـﺔ‬

‫ّ‬ ‫ﻧﻈﺮﻳﺎ‬
‫ﻳﺘﺴﻊ ﻧﻄﺎق اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ّ‬
‫ﺳﻮف ﻧﺸري ﻓﻘﻂ إﱃ اﻷﻓﻜﺎر اﻷﺳﺎﺳﻴﺔ اﻟﺘﻲ ﻣﻦ ﺷﺄﻧﻬﺎ ﺗﻮﺿﻴﺢ أﻫﻢ ﺟﻮاﻧﺐ ﻫﺬا اﻷﺳﻠﻮب اﻟﻬﺎم ﻣﻦ ﺧـﻼل‬
‫ﺗﻮﺿﻴﺢ أﻫﻤﻴﺔ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ واﳌﻔﺎﻫﻴﻢ اﻷﺳﺎﺳﻴﺔ ﻟﻪ‪ ،‬أمنﺎط وﻃﺮق اﻟﺘﺤﻠﻴـﻞ اﻟﻌـﺎﻣﲇ‪ ،‬ﺗـﺪوﻳﺮ اﻟﻌﻮاﻣـﻞ‬
‫وﺗﺴﻤﻴﺘﻬﺎ وﺗﻔﺴريﻫﺎ‪ ،‬ﻣﻊ اﻹﺷﺎرة إﱃ أﺑﺮز اﻷﺧﻄﺎء ﰲ ﺗﻄﺒﻴﻖ اﻟﺘﺤﻠﻴﻞ اﻟﻌـﺎﻣﲇ‪ ،‬وﻧﺸـﺪد ﻫﻨـﺎ ﻋـﲆ ﴐورة‬
‫اﻟﺮﺟﻮع إﱃ اﻟﻜﺘﺎﺑﺎت اﳌﺘﺨﺼﺼﺔ واﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة‪.‬‬

‫‪-317-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ً‬
‫أوﻻ‪ :‬أﻫﻤﻴﺔ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪:‬‬

‫ﻳﻌﺘﱪ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ )‪ (Factor Analysis‬ﻣﻦ اﻷﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﳌﻬﻤﺔ اﻟﺘﻲ ميﻜـﻦ أن ﻳﺴـﺘﺨﺪﻣﻬﺎ‬
‫اﻟﺒﺎﺣﺚ ﰲ ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧﺎت ﻣﺘﻌﺪدة اﳌﺘﻐريات‪ ،‬ودراﺳﺔ اﻟﻌﻼﻗﺎت اﻟﻘﺎمئﺔ ﺑني ﺗﻠﻚ اﳌﺘﻐريات واﺧﺘﺰاﻟﻬـﺎ ﰲ‬
‫ﻋﺪد أﻗﻞ ﻣﻦ اﻟﻌﻮاﻣﻞ)‪ (Factors‬اﻟﺘﻲ ﺗﻔﺴـﺮ اﻟﻈﺎﻫﺮة ﻣﺠـﺎل اﻟﺪراﺳـﺔ‪ ،‬ﻓﺎﻟﻬـﺪف ﻣـﻦ اﺳـﺘﺨﺪام اﻟﺘﺤﻠﻴـﻞ‬
‫اﻟﻌﺎﻣﲇ ﻳﺘﻌﻠﻖ ﻋﺎدة ﺑﺘﻠﺨﻴﺺ اﻟﻌﻼﻗﺎت ﺑني اﳌﺘﻐريات ﺑﻄﺮﻳﻘﺔ دﻗﻴﻘﺔ وﻣﻨﻈﻤﺔ وﻣﻘﺘﺼﺪة ﻣـﻦ أﺟـﻞ ﻓﻬـﻢ‬
‫أﻓﻀﻞ وﺧﻠﻖ ﺗﺼﻮر ﻓﻜﺮي أوﺿﺢ ﻟﻠﻈﻮاﻫﺮ‪ ،‬ﻓﻌﻦ ﻃﺮﻳﻖ اﻟﺘﺤﻠﻴﻞ اﻟﻌـﺎﻣﲇ ميﻜـﻦ اﺧﺘـﺰال ﻋـﺪد ﻛﺒـري ﻣـﻦ‬
‫اﳌﺘﻐريات واﺳﺘﺨﻼص أﻛﱪ ﻗﺪر ﻣﻦ اﳌﻌﻠﻮﻣﺎت ﻣﻨﻬﺎ؛ ﻷن ﻣﺠﻤﻮﻋـﺔ ﻛﺒـرية ﻣـﻦ اﳌﺘﻐـريات اﳌﺘﻌـﺪدة ﻳـﺘﻢ‬
‫ﺗﺠﻤﻴﻌﻬﺎ ﰲ ﻋﺪد ﻗﻠﻴﻞ ﻣﻦ اﻟﻌﻮاﻣﻞ اﻟﺘﻲ ﺗﻔﺴـﺮ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﻣﺜﻠام ﺗﻔﺴـﺮ اﻟﻌﻼﻗﺎت ﰲ ﻫﺬه اﳌﺠﻤﻮﻋﺔ اﻟﻜﺒرية‬
‫ﻣﻦ اﳌﺘﻐريات‪.‬‬

‫وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ أن اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﻟﻪ ﺑﻌﺾ اﻟﺨﺼـﺎﺋﺺ اﻟﺘـﻲ ﻳﺸـﱰك ﻓﻴﻬـﺎ ﻣـﻊ أﺳـﺎﻟﻴﺐ إﺣﺼـﺎﺋﻴﺔ‬
‫أﺧﺮى‪ ،‬إﻻ أﻧﻪ ﻳﺘﻤﻴﺰ ﻋﻦ ﻫﺬه اﻷﺳﺎﻟﻴﺐ ﰲ ﻛﻮﻧﻪ ﻳﺘﻨﺎول ﻣﺠﻤﻮﻋـﺎت ﻛﺒـرية ﻣـﻦ اﻟﺒﻴﺎﻧـﺎت اﳌﺴـﺘﻤﺪة ﻣـﻦ‬
‫اﻻﺧﺘﺒﺎرات واﳌﻘﺎﻳﻴﺲ مبﺨﺘﻠﻒ أﻧﻮاﻋﻬﺎ‪ ،‬وميﻜﻦ إﺟﺮاؤه ﻋﲆ ﻋﴩات اﳌﺘﻐريات ﺧﺎﺻﺔ ﻣـﻦ ﺧـﻼل اﻟـﱪاﻣﺞ‬
‫اﻹﺣﺼﺎﺋﻴﺔ اﻟﺤﺎﺳﻮﺑﻴﺔ اﳌﺘﻄﻮرة‪،‬ﻛام أن اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﻣـﻦ اﻷﺳـﺎﻟﻴﺐ اﻹﺣﺼـﺎﺋﻴﺔ اﻟﺘـﻲ ﺗﺘﻤﻴـﺰ ﺑﺎﳌﺮوﻧـﺔ؛‬
‫ﺣﻴﺚ ميﻜﻦ اﺳﺘﺨﺪاﻣﻪ ﰲ ﺗﺼﻤﻴامت ﺑﺤﺜﻴﺔ ﻣﺘﻌﺪدة؛ وذﻟﻚ ﻟﻠﺘﺤﻘﻖ ﻣﻦ ﺻـﺤﺔ اﻟﻔـﺮوض‪ ،‬ورﺳـﻢ ﺧـﺮاﺋﻂ‬
‫اﳌﻔﺎﻫﻴﻢ‪ ،‬ودراﺳﺎت اﻟﺤﺎﻻت‪ ،‬واﻟﺪراﺳﺎت اﻟﻄﻮﻟﻴﺔ‪ ،‬ﻛام ميﻜﻦ اﻹﻓﺎدة ﻣﻨﻪ ﰲ ﺗﺤﻠﻴﻞ ﺑﻴﺎﻧﺎت ﻣﺘﻨﻮﻋﺔ‪ ،‬ﻣﺜـﻞ‪:‬‬
‫اﳌﺴﻮح اﻻﺟﺘامﻋﻴﺔ‪ ،‬واﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪ ،‬ودرﺟﺎت اﻻﺧﺘﺒﺎرات واﳌﻘﺎﻳﻴﺲ ﰲ ﻛﺎﻓﺔ اﳌﺠﺎﻻت‪.‬‬

‫ﻛام أن اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﻳﺴـﻤﺢ ﺑﺎﻟﺘﺼـﻮر اﻟﺒﺼــﺮي ﻟﻠﻌﻼﻗـﺎت ﺑـني اﳌﺘﻐـريات اﳌﺘﻌﻠﻘـﺔ‬
‫ﺑﺎﻟﻈﻮاﻫﺮ اﳌﺨﺘﻠﻔﺔ ﻋﻦ ﻃﺮﻳﻖ اﻟﺘﻤﺜﻴﻞ اﻟﻬﻨـﺪﳼ‪ ،‬وﺑﻨـﺎء منـﺎذج ﻣﺠـﺮدة ﻟﻠﻮاﻗـﻊ اﻻﺟﺘامﻋـﻲ‬

‫‪-318-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻏﺮﻳﺒـﺎ أن ﻳﻄﻠـﻖ ﻋﻠﻴـﻪ اﻟـﺒﻌﺾ‬

‫واﻟﻈﻮاﻫﺮ اﳌﺨﺘﻠﻔﺔ ﻣﻦ ﺧﻼل اﳌﻌـﺎدﻻت واﻟﺘﻤﺜـﻴﻼت اﻟﻬﻨﺪﺳـﻴﺔ‪ ،‬ﻓﻠـﻴﺲ ً‬
‫»ﺣﺴﺎب اﻟﻌﻠﻮم اﻻﺟﺘامﻋﻴﺔ ‪.«Calculus of Social Sciences‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬اﳌﻔﺎﻫﻴﻢ اﻷﺳﺎﺳﻴﺔ ﰲ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‬

‫ً‬
‫ﻓﻬـام أﻓﻀـﻞ‬
‫ﻫﻨﺎك ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﳌﻔﺎﻫﻴﻢ اﻷﺳﺎﺳـﻴﺔ اﻟﺘـﻲ ﻻ ﺑـﺪ أن ﻳﻌﺮﻓﻬـﺎ اﻟﺒﺎﺣـﺚ؛ ﺣﺘـﻰ ﻳﺤﻘـﻖ ً‬
‫ﻋﻠام ﺑﺄن اﻻﺳﺘﻴﻌﺎب اﻹﺣﺼﺎيئ ﻟﺘﻠﻚ اﳌﻔـﺎﻫﻴﻢ ﻳﺘﻄﻠـﺐ اﳌﻌﺮﻓـﺔ ﺑﺄﺳﺎﺳـﻴﺎت اﻟﺮﻳﺎﺿـﻴﺎت‬
‫ﻟﻠﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪ً ،‬‬
‫اﻟﻌﺎﻟﻴﺔ )ﺧﺎﺻﺔ اﻟﺠﱪ اﻟﺨﻄﻲ وﻫﻨﺪﺳـﺔ اﳌﺘﺠﻬـﺎت واﻟﺘﻔﺎﺿـﻞ(‪ ،‬وﻓـﻴام ﻳـﲇ ﻧﻘـﺪم ﺗﻌﺮﻳﻔًـﺎ ﻣـﻮﺟ ًﺰا ﺑـﺄﻫﻢ‬
‫ﻣﻔﺎﻫﻴﻢ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ مبﺎ ﻳﺴﺎﻋﺪ اﻟﺒﺎﺣﺜني ﻋﲆ ﻓﻬﻢ إﺟﺮاءاﺗﻪ وﻣﻌﻄﻴﺎﺗﻪ‪:‬‬

‫)‪ (1‬اﻟﻌﺎﻣﻞ‪:‬‬

‫إن ﻣﻔﻬﻮم اﻟﻌﺎﻣﻞ )‪ (Factor‬ﻣﻔﻬﻮم ﺟﻮﻫﺮي ﰲ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ؛ وﻟيك ﻧﻮﺿﺢ اﳌﻘﺼﻮد ﺑﻬـﺬا اﳌﻔﻬـﻮم‬
‫ﻧﻘﺪم اﳌﺜﺎل اﻟﺘﺎﱄ‪:‬‬

‫إذا ﺣﻠﻠﻨﺎ اﻟﻌﺪد ‪ 6‬إﱃ ﻋﻮاﻣﻠﻪ اﻷوﻟﻴﺔ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺤﺼﻞ ﻋﲆ اﳌﻌﺎدﻟﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬

‫‪1×2×3 =6‬‬

‫ﻣـﺜﻼ‬
‫ﻓﺎﻷﻋﺪاد ‪ 1 ،2 ،3‬ﻫﻲ ﻋﻮاﻣﻞ اﻟﻌﺪد ‪ 6‬أو اﳌﻜﻮﻧﺎت اﻟﺮﺋﻴﺴﻴﺔ ﻟﻠﻌﺪد ‪ 6‬ﻓﺈذا ﻛﺎن اﻟﺮﻗﻢ ‪ 6‬ﻳﺪل ً‬
‫ﻋﲆ اﳌﺴﺎﺣﺔ‪ ،‬ﻓﺈن اﻟﻌﺪد ‪ 3‬ﻳﺪل ﻋﲆ اﻟﻄﻮل‪ ،‬أﻣﺎ اﻟﻌﺪد ‪ 2‬ﻓﻴـﺪل ﻋـﲆ اﻟﻌـﺮض‪ ،‬وﻻ ﻳـﺪل اﻟﻌـﺪد ‪ 1‬ﻋـﲆ‬
‫ﳾء‪ .‬ﻟﻜﻦ ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﻟﺮﻗﻢ ‪ 6‬ﻳﺪل ﻋﲆ اﻟﺤﺠﻢ ﻓﺈن اﻟﻌﺪد ‪ 3‬ﻳﺪل ﻋﲆ اﻟﻄﻮل‪ ،‬أﻣﺎ اﻟﻌﺪد ‪ 2‬ﻓﻴﺪل ﻋـﲆ‬
‫ﻣﺤﺪدا‪ ،‬وأن اﻷﻋـﺪاد‬
‫ً‬ ‫ﺷﻴﺌﺎ‬
‫اﻟﻌﺮض‪ ،‬وﻗﺪ ﻳﺪل اﻟﻌﺪد ‪ 1‬ﻋﲆ اﻻرﺗﻔﺎع‪ .‬ﰲ ﻫﺬا اﳌﺜﺎل ﻧﺘﺒني أن اﻟﺮﻗﻢ ‪ 6‬ﻳﻌﻨﻲ ً‬
‫‪ 1 ،2 ،3‬ﻫﻲ ﻣﻜﻮﻧﺎت ﻫﺬا اﻟﺸـﻲء‪ ،‬وﻻﺑﺪ ﻣﻦ ﺗﺴﻤﻴﺔ ﻫﺬه اﳌﻜﻮﻧﺎت‪.‬‬

‫‪-319-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫وﻣﻦ اﳌﻨﻈﻮر اﻟﺒﺤﺜﻲ‪ ،‬ﻓﺈن اﻟﻌﺎﻣﻞ )‪ (Factor‬ﻫﻮ اﳌﻌﻨﻰ اﻟﻌﺎم اﻟـﺬي ﻳﺠﻤـﻊ أﻛـرث ﻣـﻦ ﺑﻨـﺪ أو ﻣﺘﻐـري‪،‬‬
‫وﻟﻨﺘﺄﻣﻞ اﻟﺒﻨﻮد اﻟﺘﺎﻟﻴﺔ‪:‬‬

‫‪ -‬أﻧﺎ ﻣﻬﺘﻢ ﺑﺎﻟﺤﺼﻮل ﻋﲆ ﻣﻌﻠﻮﻣﺎت ﻋﻦ اﻟﻘﻀﺎﻳﺎ اﻟﺴﻴﺎﺳﻴﺔ‪.‬‬

‫‪ -‬أﻧﺎ ﻣﻬﺘﻢ مبﺘﺎﺑﻌﺔ ﺟﻠﺴﺎت اﻟﱪﳌﺎن‪.‬‬

‫‪ -‬أﻣﻴﻞ إﱃ ﺗﺄﻳﻴﺪ اﳌﺮﺷﺤني اﳌﻌﺘﺪﻟني‪.‬‬

‫‪ -‬أﺷﺎرك ﰲ اﻟﻨﺪوات اﳌﻌﻨﻴﺔ ﺑﺎﳌﻮﺿﻮﻋﺎت اﻟﺴﻴﺎﺳﻴﺔ‪.‬‬

‫‪ -‬أﺗﻮاﺻﻞ ﻣﻊ اﳌﻨﺘﺪﻳﺎت اﻟﺴﻴﺎﺳﻴﺔ ﻋﲆ اﻹﻧﱰﻧﺖ‪.‬‬

‫ﻫﺬه اﻟﺒﻨﻮد اﻟﺨﻤﺴﺔ‪ ،‬ﻣﺎ ﻫﻮ اﳌﻌﻨﻰ اﻟﻌﺎم اﻟﺬي ﻳﺠﻤﻌﻬـﺎ؟ ﻗـﺪ ﻳﻜـﻮن اﳌﻌﻨـﻰ اﻟﻌـﺎم اﻟـﺬي ﻳﺠﻤـﻊ‬
‫اﻟﺒﻨﻮد اﳌﺬﻛﻮرة ﻫﻮ )اﳌﺸﺎرﻛﺔ اﻟﺴﻴﺎﺳﻴﺔ(‪ ،‬وﻫﺬا اﳌﻌﻨﻰ اﻟﻌﺎم ﻫـﻮ ﻣـﺎ ﻧﺴـﻤﻴﻪ اﻟﻌﺎﻣـﻞ‪ ،‬وﻫـﺬه اﻟﺘﺴـﻤﻴﺔ‬
‫ﻳﻀﻌﻬﺎ اﻟﺒﺎﺣﺚ ﻟﻠﻌﺎﻣﻞ )‪ (Factor‬اﻟﺬي ﺗﺮﺗﺒﻂ ﺑﻪ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺒﻨﻮد‪ ،‬مبﻌﻨﻰ أﻧﻪ ﰲ ﺿﻮء ﻣﺤﺘـﻮى اﻟﺒﻨـﻮد‬
‫ﺗﺘﻢ ﺗﺴﻤﻴﺔ اﻟﻌﺎﻣﻞ‪.‬‬

‫وﻣﻦ اﳌﻨﻈﻮر اﻹﺣﺼﺎيئ‪ ،‬ﻓﺈن اﻟﻌﺎﻣﻞ ﻳﻠﺨﺺ اﻻرﺗﺒﺎﻃﺎت )‪ (Correlations‬ﺑني اﻟﺒﻨـﻮد أو اﳌﺘﻐـريات‪،‬‬
‫أي أن اﻟﻌﺎﻣﻞ )‪ (Factor‬ﺻﻴﻐﺔ رﻳﺎﺿﻴﺔ ﻛﺒﺪﻳﻞ ﻋـﻦ ﻫـﺬه اﻟﺒﻨـﻮد أو ﺗﻠـﻚ اﳌﺘﻐـريات‪ ،‬وﻗـﺪ ﻛﺸـﻔﺖ‬
‫دراﺳﺎت ﺳﺒريﻣﺎن ﻫﺬه اﻟﺤﻘﻴﻘـﺔ ﻋﻨـﺪﻣﺎ أوﺿـﺤﺖ أن »اﻟﻌﺎﻣـﻞ« ﻫـﻮ اﻟﺴـﺒﺐ اﳌﺒـﺎﴍ وراء وﺟـﻮد‬
‫ﻣﻮﺟﺒـﺎ ﺑﺎﻟﻈـﺎﻫﺮة )ب(‪،‬‬
‫ً‬ ‫ً‬
‫ارﺗﺒﺎﻃـﺎ‬ ‫اﻻرﺗﺒﺎط اﻟﻘﺎﺋﻢ ﺑني أي ﻇﺎﻫﺮﺗني‪ ،‬ﻓﺈذا ﻓﺮﺿﻨﺎ أن اﻟﻈﺎﻫﺮة )أ( ﺗـﺮﺗﺒﻂ‬
‫ﻣﻮﺟﺒﺎ ﰲ اﻟﻈﺎﻫﺮﺗني )أ( و )ب(‪ ،‬وﻋﻨﺪﻣﺎ‬
‫ً‬ ‫ﻓﺈن ﻫﺬا اﻻرﺗﺒﺎط ﺳﺒﺒﻪ وﺟﻮد ﻋﺎﻣﻞ ﻣﺸﱰك )ش( ﻳﺆﺛﺮ ﺗﺄﺛ ًريا‬
‫ﻳﺨﺘﻔﻲ ﺗﺄﺛري اﻟﻌﺎﻣﻞ )ش( ﻳﺘﻼﳽ اﻻرﺗﺒﺎط ﺑني ﻫـﺎﺗني اﻟﻈـﺎﻫﺮﺗني‪ .‬إن اﻟﻌﻮاﻣـﻞ )‪ (Factors‬اﻟﺘـﻲ ﻳﻬـﺪف‬
‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ اﻟﻜﺸﻔﻲ ﻻﺳﺘﺨﻼﺻﻬﺎ ﻣﻦ ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎﻃـﺎت ﺑـني اﳌﺘﻐـريات ﺗﻌـﺪ مبﺜﺎﺑـﺔ ﺗﻜﻮﻳﻨـﺎت‬
‫ﻓﺮﺿــﻴﺔ )‪ (Hypothetical Constructs‬ﺗﻨﻄــﻮي ﻋــﲆ اﳌﺘﻐــريات‪ ،‬وﻫﻨــﺎك أﻧــﻮاع ﻣﺨﺘﻠﻔــﺔ ﻣــﻦ اﻟﻌﻮاﻣــﻞ‬

‫‪-320-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻟﻜﻞ ﻣﻨﻬﺎ ﺗﺒﺎﻳﻦ ﺧﺎص ﺑﻪ‪ ،‬وﺗﺘﻤﺜﻞ ﺗﻠﻚ اﻟﻌﻮاﻣﻞ ﰲ‪ :‬اﻟﻌﺎﻣﻞ اﻟﻌﺎم‪ ،‬واﻟﻌﻮاﻣﻞ اﳌﺸﱰﻛﺔ‪ ،‬واﻟﻌﻮاﻣﻞ اﻟﻨﻮﻋﻴﺔ‪.‬‬

‫ﻓﺎﻟﻌﺎﻣﻞ اﻟﻌﺎم )‪ (General Factor‬ﻫﻮ اﻟﻌﺎﻣﻞ اﻟﺬي ﺗﺘﺸﺒﻊ ﺑﻪ ﺟﻤﻴﻊ اﳌﺘﻐريات‪ ،‬ﻓﺈذا ﻛﺎن ﻟﺪﻳﻨﺎ اﺳﺘﺒﺎﻧﺔ‬
‫ﺑﻨﺪا ﻟﻘﻴﺎس اﻟﺤﺎﺟﺎت اﻟﺘﻲ ﻳﺸﺒﻌﻬﺎ اﻟﱰﻓﻴﻪ ﻟﺪى اﻟﺠﻤﻬﻮر‪،‬ﻓﺈن اﻟﻌﺎﻣﻞ اﻟﻌﺎم ﻫﻮ ذﻟـﻚ‬
‫ﺗﺘﻜﻮن ﻣﻦ ﻋﺸـﺮﻳﻦ ً‬
‫اﻟﻌﺎﻣﻞ اﻟﺬي ﺗﺘﺸﺒﻊ ﺑﻪ ﺟﻤﻴﻊ ﺑﻨﻮد اﻻﺳﺘﺒﺎﻧﺔ‪.‬‬

‫أﻣﺎ اﻟﻌﻮاﻣﻞ اﳌﺸﱰﻛﺔ )‪ ،(Common Factors‬ﻓﻜﻞ ﻋﺎﻣﻞ ﻣﻨﻬﺎ ﺗﺘﺸﺒﻊ ﺑﻪ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺒﻨﻮد‪،‬ﻛﺄن ﻧﺘﺒني‬
‫أن اﻟﺒﻨﻮد أرﻗﺎم‪ 18 ،12 ،6،7 ،5 ،4 ،3 ،2 ،1:‬ﺗﺘﺸﺒﻊ ﺑﺎﻟﻌﺎﻣﻞ اﳌﺸﱰك اﻷول‪ ،‬ﰲ ﺣـني ﺗﺘﺸـﺒﻊ اﻟﺒﻨـﻮد أرﻗـﺎم‬
‫‪ 20،13،19 ،11 ،10 ،9 ،8‬ﺑﺎﻟﻌﺎﻣـــﻞ اﳌﺸـــﱰك اﻟﺜـــﺎين‪ ،‬أﻣـــﺎ اﻟﻌﺎﻣـــﻞ اﳌﺸـــﱰك اﻟﺜﺎﻟـــﺚ‪ ،‬ﻓﺘﺘﺸـــﺒﻊ ﺑـــﻪ‬
‫اﻟﺒﻨﻮد‪.14،16،15،17‬‬

‫أﻣـﺎ ﻓـﻴام ﻳﺨـﺺ اﻟﻌﻮاﻣـﻞ اﻟﻨﻮﻋﻴـﺔ )‪ (Specific Factors‬ﻓﻬـﻲ اﻟﻌﻮاﻣـﻞ اﻟﺘـﻲ ﻳﺘﺸـﺒﻊ ﺑﻬـﺎ ﺑﻨـﺪ واﺣـﺪ‬
‫ﻓﻘﻂ‪،‬ﻓﺈذا ﻛﺎن ﻫﻨﺎك أﺣﺪ اﻟﻌﻮاﻣﻞ اﻟﺬي ﻳﺘﺸﺒﻊ ﺑﻪ ﺑﻨﺪ واﺣﺪ‪ ،‬ﻓﺈن ﻫﺬا اﻟﻌﺎﻣﻞ ﻳﻄﻠﻖ ﻋﻠﻴﻪ ﻋﺎﻣﻞ ﻧﻮﻋﻲ‪.‬‬

‫وﺗﺄيت اﻹﺷﻜﺎﻟﻴﺔ ﻣﻦ أن ﺑﻌﺾ اﻟﺒﻨﻮد ‪ /‬اﳌﺘﻐـريات ميﻜـﻦ أن ﺗﺘﺸـﺒﻊ ﺑـﺄﻛرث ﻣـﻦ ﻋﺎﻣـﻞ )وﻟﻜـﻞ ﻋﺎﻣـﻞ‬
‫ﻣﺘﺸﺒﻌﺎ ﺑﺄﻛرث ﻣـﻦ ﻋﺎﻣـﻞ‪ ،‬ﻓـﺈﱃ أي ﻋﺎﻣـﻞ ﻳﻨﺘﻤـﻲ ﻫـﺬا‬
‫ً‬ ‫ﻣﺴﻤﻰ ﻣﻌني(‪ ،‬وﻫﻨﺎ ﻳﺜﺎر اﻟﺘﺴﺎؤل ‪ :‬إذا ﻛﺎن اﻟﺒﻨﺪ‬
‫اﳌﺘﻐري‪ /‬اﻟﺒﻨﺪ؟ واﻹﺟﺎﺑﺔ ﻫﻲ أﻧﻪ ﰲ ﺣﺎﻟﺔ ﺗﺸﺒﻊ اﳌﺘﻐري‪ /‬اﻟﺒﻨﺪ ﺑﺄﻛرث ﻣﻦ ﻋﺎﻣﻞ‪ ،‬ﻓﺈﻧﻪ ﻳﻨﺘﻤـﻲ ﻟﻠﻌﺎﻣـﻞ اﻟـﺬي‬
‫ﺗﺮﺗﻔﻊ ﻗﻴﻤﺔ ﺗﺸﺒﻌﻪ‪ ،‬ﻓﺈذا ﻛﺎن ﺗﺸﺒﻊ اﻟﺒﻨﺪ )س( ﺑﺎﻟﻌﺎﻣﻞ اﻷول ﻫﻮ ‪ 0.311‬وﻛـﺎن ﺗﺸـﺒﻌﻪ ﺑﺎﻟﻌﺎﻣـﻞ اﻟﺜـﺎين‬
‫ﻣﻨﺘﻤﻴﺎ ﻟﻠﻌﺎﻣﻞ اﻟﺜـﺎين‪ ،‬وﺣﺴـﺐ دراﺳـﺎت ﺟﻴﻠﻔـﻮرد ﻓـﺈن ﺗﺸـﺒﻊ اﳌﺘﻐـري‬
‫ً‬ ‫ﻫﻮ ‪ ،0.651‬ﻓﺈن ﻫﺬا اﻟﺒﻨﺪ ﻳﻜﻮن‬
‫داﻻ إذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ ﻫﺬا اﻟﺘﺸﺒﻊ ‪ 0.3‬ﻓﺄﻛرث‪.‬‬
‫ﺑﺎﻟﻌﺎﻣﻞ ﻳﻜﻮن ّ‬

‫وﰲ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﻧﺠﺪ أن اﻟﻌﻮاﻣﻞ اﳌﺴﺘﺨﻠﺼﺔ ﺗﻔﴪ ﻧﺴﺒﺔ ﻣﻌﻴﻨﺔ ﻣﻦ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﻣﺜـﺎل‬
‫ذﻟﻚ أن ﻳﺴﻔﺮ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﻟﺒﻴﺎﻧﺎت ﻣﺴﺘﻤﺪة ﻣﻦ ﺗﻄﺒﻴﻖ ﻣﻘﻴـﺎس اﺳـﺘﺨﺪاﻣﺎت وﺳـﺎﺋﻞ‬

‫‪-321-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻹﻋﻼم ﻋﻦ ﺧﻤﺴﺔ ﻋﻮاﻣﻞ‪ ،‬وﺗﺒﻠﻎ ﻗﻴﻤﺔ اﻟﺘﺒﺎﻳﻦ اﻟﺬي ﺗﻔﺴـﺮه ﺗﻠﻚ اﻟﻌﻮاﻣﻞ ‪ 0.58‬وﻫﺬا ﻳﻌﻨﻲ أن اﻟﻌﻮاﻣﻞ‬
‫اﳌﺴﺘﺨﺮﺟﺔ ﺗﻔﴪ ‪ %58‬ﻣﻦ اﻟﺘﺒﺎﻳﻦ‪ ،‬وأن ‪ %42‬ﺗﻔﴪﻫﺎ ﻣﺘﻐـريات أﺧـﺮى؛ أي أن اﻟﻌﻮاﻣـﻞ اﳌﺴﺘﺨﻠﺼـﺔ ﻻ‬
‫ﺗﻔﴪ اﻟﺘﺒﺎﻳﻦ ﺑﻜﺎﻣﻠﻪ )‪ ،(Total Variance‬وإمنﺎ ﺗﻔﴪ ﻧﺴـﺒﺔ ﻣـﻦ ﻫـﺬا اﻟﺘﺒـﺎﻳﻦ‪ ،‬وﺗـﺰداد اﻟﻘﻴﻤـﺔ اﻟﻌﻠﻤﻴـﺔ‬
‫ﻟﻠﻌﻮاﻣﻞ اﳌﺴﺘﺨﻠﺼﺔ ﻛﻠـام زادت ﻧﺴـﺒﺔ اﻟﺘﺒـﺎﻳﻦ اﻟـﺬي ﺗـﻔﴪه ﺑﴩط ﺳـﻼﻣﺔ إﺟـﺮاءات ﺗﻄﺒﻴـﻖ اﻟﺘﺤﻠﻴـﻞ‬
‫اﻟﻌﺎﻣﲇ‪.‬‬

‫)‪ (2‬ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎط‪:‬‬

‫ﰲ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎط )‪ (Correlation Matrix‬ﻣﻌﱪة ﻋﻦ ﻗﻴﻢ ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط‬
‫ﺑﻌﻀﺎ‪ ،‬أو ﺑني اﻟﻌﻮاﻣﻞ واﳌﺘﻐريات‪.‬‬
‫ﺑﻌﻀﺎ‪ ،‬أو اﻟﻌﻮاﻣﻞ ﺑﻌﻀﻬﺎ ً‬
‫ﺑني اﳌﺘﻐريات ﺑﻌﻀﻬﺎ ً‬

‫وﻧﻘﻄﺔ اﻟﺒﺪء ﰲ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﻫﻲ ﺗﻜﻮﻳﻦ ﻣﺼـﻔﻮﻓﺔ اﻻرﺗﺒﺎﻃـﺎت ﺑـني ﻣﺠﻤﻮﻋـﺔ اﳌﺘﻐـريات اﻟﺘـﻲ‬
‫ﻋﺪدﻫﺎ )ن(‪ ،‬ﻓﺈذا ﻛﺎن اﻻﺳﺘﺒﻴﺎن ﻳﻘﻴﺲ أرﺑﻌﺔ أﺑﻌﺎد ﻫـﻲ‪ :‬ﻣﺸـﺎﻫﺪة ﺑـﺎﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬ﺳـامع اﻟﺮادﻳـﻮ‪ ،‬ﻗـﺮاءة‬
‫اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ‪ ،‬ﻗﺮاءة اﻟﺼﺤﻒ اﻷﺳﺒﻮﻋﻴﺔ‪ ،‬ﻓﺈن ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎط ﺗﻜـﻮن ﻋـﲆ اﻟﻨﺤـﻮ اﳌﺒـني ﺑﺎﻟﺠـﺪول‬
‫اﻵيت‪:‬‬
‫ﻗﺮاءة اﻟﺼﺤﻒ‬ ‫ﻗﺮاءة اﻟﺼﺤﻒ‬ ‫ﺳامع‬ ‫ﻣﺸﺎﻫﺪة‬
‫اﻷﺑﻌﺎد‬
‫اﻷﺳﺒﻮﻋﻴﺔ‬ ‫اﻟﻴﻮﻣﻴﺔ‬ ‫اﻟﺮادﻳﻮ‬ ‫اﻟﺘﻠﻴﻔﺰﻳﻮن‬
‫‪0.38‬‬ ‫‪0.58‬‬ ‫‪0.39‬‬ ‫‪1‬‬ ‫ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‬
‫‪0.36‬‬ ‫‪0.35‬‬ ‫‪1‬‬ ‫‪0.39‬‬ ‫ﺳامع اﻟﺮادﻳﻮ‬
‫‪0.53‬‬ ‫‪1‬‬ ‫‪0.35‬‬ ‫‪0.58‬‬ ‫ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ‬
‫‪1‬‬ ‫‪0.53‬‬ ‫‪0.36‬‬ ‫‪0.38‬‬ ‫ﻗﺮاءة اﻟﺼﺤﻒ اﻷﺳﺒﻮﻋﻴﺔ‬

‫ﻛـﻞ ﻣـﻦ اﻟﺒﻌـﺪﻳﻦ اﻷﻓﻘـﻲ واﻟـﺮأﳼ‪ ،‬وﺗﻮﺿـﻊ ﻗـﻴﻢ ﻣﻌﺎﻣـﻞ‬

‫أي أن اﳌﺘﻐريات ﺗﻮﺿﻊ ﻋـﲆ ﱟ‬
‫اﻻرﺗﺒﺎط ﺑني ﻛﻞ ﻣﺘﻐريﻳﻦ ﻣﻨﻬﺎ ﰲ ﺧﻼﻳﺎ اﳌﺼﻔﻮﻓﺔ‪ .‬ﻛام ﻳﻼﺣﻆ أن اﻟﺠﺪول ﻣﻨﻘﺴﻢ إﱃ ﻣﺜﻠﺜـني‬

‫‪-322-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻣﺸﱰﻛني ﰲ اﻟﻮﺗﺮ‪ ،‬ﻓﻜﻞ ﻣﺜﻠﺚ ﻳﺘﻀﻤﻦ اﻟﺨﻼﻳﺎ ﻧﻔﺴﻬﺎ‪،‬وﻳﻔﺼـﻞ ﺑـني اﳌﺜﻠﺜـني اﻟﺨﻼﻳـﺎ اﻟﺘـﻲ ﺑﻬـﺎ اﻟـﺮﻗﻢ )‪،(1‬‬
‫وﻫﺬه اﻟﺨﻼﻳﺎ ﺗﺘﻀﻤﻦ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﻛﻞ ﺑﻌﺪ ﺑﻨﻔﺴﻪ‪ ،‬وﺑﺬﻟﻚ ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎط ﰲ اﳌﺜﻠـﺚ اﻟﻌﻠـﻮي‬
‫ﺗﺸﺘﻤﻞ ﻋﲆ ﺟﻤﻴﻊ اﻻرﺗﺒﺎﻃﺎت ﺑني اﳌﺘﻐريات‪ ،‬ﻛام أن ﻫﺬه اﻻرﺗﺒﺎﻃﺎت ﻧﻔﺴﻬﺎ ﺗﺘﻀﻤﻨﻬﺎ ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒـﺎط‬
‫ﰲ اﳌﺜﻠﺚ اﻟﺴﻔﲇ؛ ﻟﺘﻴﺴري ﺟﻤﻊ اﻟﻘﻴﻢ ﰲ أي ﺻﻒ وأي ﻋﻤﻮد ﰲ ﻋﻤﻠﻴﺎت اﺳﺘﺨﻼص اﻟﻌﻮاﻣﻞ‪.‬‬

‫)‪ (3‬اﻻﺷﱰاﻛﻴﺎت أو ﻗﻴﻢ اﻟﺸﻴﻮع‪:‬‬

‫ﺗﺪل اﻻﺷﱰاﻛﻴﺎت )‪ (Communalities‬ﻋﲆ اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك )‪ ،(Common Variance‬وﻳﻜﻮن ﻟﻜﻞ ﻣﺘﻐـري‬

‫اﺷﱰاﻛﻴﺔ ﻗﻴﻤﺘﻬﺎ ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت ﺗﺸﺒﻌﺎت اﳌﺘﻐري ﺑﻜـﻞ ﻋﺎﻣـﻞ ﻣـﻦ اﻟﻌﻮاﻣـﻞ اﳌﺴـﺘﺨﺮﺟﺔ ﻣـﻦ اﻟﺘﺤﻠﻴـﻞ‪،‬‬
‫ﻛﻤﺜﺎل ﻋﲆ ذﻟﻚ‪ ،‬إذا ﻛﺎن ﺗﺸﺒﻊ اﳌﺘﻐري )س( ﺑﺎﻟﻌﺎﻣﻞ اﻷول ‪ 0.56‬وﺗﺸﺒﻌﻪ ﺑﺎﻟﻌﺎﻣﻞ اﻟﺜـﺎين ‪ ،0.126‬ﻓـﺈن‬
‫‪2‬‬ ‫‪2‬‬
‫ﻗﻴﻤــﺔ ﺷــﻴﻮﻋﻪ = )‪ (0.126) + (0.56‬؛ أي ‪ 0.329476 = 0.015876 + 0.3136‬أي أن ﻗﻴﻤــﺔ اﻟﺸــﻴﻮع‬

‫ﺗﻘﺮﻳﺒﺎ‪ ،‬وﻫـﺬه اﻟﻘﻴﻤـﺔ ﺗﺸـري إﱃ ﻧﺴـﺒﺔ إﺳـﻬﺎم اﻟﻌﻮاﻣـﻞ اﳌﺸـﱰﻛﺔ ﰲ‬

‫ً‬ ‫ﻓﻴام ﻳﺨﺺ اﳌﺘﻐري اﻷول ﻫﻲ ‪0.33‬‬
‫اﳌﺘﻐري‪ ،‬وﻳﺮﻣﺰ ﻟﻬﺎ ﰲ اﻹﻧﺠﻠﻴﺰﻳﺔ ﺑﺎﻟﺮﻣﺰ ‪ ،h2‬ﻛام ﺗﺪل ﻣﻜﻮﻧﺎت ﻫﺬه اﻟﻘﻴﻤـﺔ ﻋـﲆ إﺳـﻬﺎم ﻛـﻞ ﻋﺎﻣـﻞ ﻋـﲆ‬
‫ﺣﺪة ﰲ اﳌﺘﻐري‪ ،‬ﻓﻨﺴﺒﺔ إﺳﻬﺎم اﻟﻌﺎﻣﻞ اﻷول ﰲ اﳌﺘﻐري اﳌـﺬﻛﻮر ﻫـﻲ ‪ ،0.3136‬أﻣـﺎ ﻧﺴـﺒﺔ إﺳـﻬﺎم اﻟﻌﺎﻣـﻞ‬
‫اﻟﺜﺎين ﰲ ﻫﺬا اﳌﺘﻐري ﻓﻬﻲ ‪0.015876‬‬

‫وﰲ ﻣﻘﺎﺑـﻞ اﻟﺘﺒـﺎﻳﻦ اﳌﺸـﱰك‪ ،‬ﻫﻨـﺎك اﻟﺘﺒـﺎﻳﻦ اﻟﻨـﻮﻋﻲ اﻟﺨـﺎص ﺑـﺎﳌﺘﻐري )‪ (Unique Variance‬وﻗﻴﻤﺘـﻪ‬
‫ﻣﻄﺮوﺣﺎ ﻣﻨﻪ اﻻﺷﱰاﻛﻴﺎت‪ ،‬ﻓﻔﻲ اﳌﺜـﺎل اﳌـﺬﻛﻮر ﻳﻜـﻮن اﻟﺘﺒـﺎﻳﻦ اﻟﻨـﻮﻋﻲ ﻟﻠﻤﺘﻐـري‬
‫ً‬ ‫ﺗﺴﺎوي اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ‬
‫ﺗﻘﺮﻳﺒﺎ‬
‫اﻷول = ‪ً 0.67 = 0.33 - 1‬‬
‫)‪ (4‬اﻟﺘﺸﺒﻌﺎت‪:‬‬

‫ُﻳﻘﺼﺪ ﺑﺎﻟﺘﺸﺒﻊ )‪ (Saturation‬ﻟﻠﻤﺘﻐري‪ ،‬ارﺗﺒـﺎط ذﻟـﻚ اﳌﺘﻐـري ﺑﻌﺎﻣـﻞ )‪ (Factor‬ﻣﻌـني ﺗـﻢ‬

‫ﻣﺜﻼ ﻳﺘﺸﺒﻊ ﺑﺎﻟﻌﺎﻣـﻞ اﻟﺨـﺎﻣﺲ مبﻘـﺪار ‪ ،0.64‬ﻓـﺈن‬
‫اﺳﺘﺨﻼﺻﻪ‪ ،‬ﻓﺈذا ﻛﺎن اﳌﺘﻐري‪ /‬اﻟﺒﻨﺪ اﻷول ً‬

‫‪-323-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫وﺗـﻔﴪ ﻗﻴﻤـﺔ اﻟﺘﺸـﺒﻊ ﺑـﻨﻔﺲ‬

‫ذﻟﻚ ﻳﻌﻨﻲ أن اﳌﺘﻐري‪ /‬اﻟﺒﻨﺪ اﻷول ﻳـﺮﺗﺒﻂ ﺑﺎﻟﻌﺎﻣـﻞ اﻟﺨـﺎﻣﺲ ﺑﻘﻴﻤـﺔ ‪ُ 0.64‬‬
‫ﻟﻜـﻞ ﻣـﻦ اﳌﺘﻐـريات ﰲ‬
‫ﻃﺮﻳﻘﺔ ﺗﻔﺴري ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن؛ ﺣﻴﺚ ﻳـﺘﻢ ﺗﺮﺑﻴـﻊ ﻗﻴﻤـﺔ اﻟﺘﺸـﺒﻊ اﻟﻌـﺎﻣﲇ ﱟ‬
‫ﻣﺼــﻔﻮﻓﺔ اﻟﺘﺸــﺒﻌﺎت ﻟﻠﺤﺼــﻮل ﻋــﲆ ﻧﺴــﺒﺔ اﻟﺘﺒــﺎﻳﻦ ﰲ اﳌﺘﻐــري اﻟﺘــﻲ ميﻜــﻦ ﺗﻔﺴــريﻫﺎ ﺑﻮاﺳــﻄﺔ اﻟﻌﺎﻣــﻞ‬
‫اﳌﺴﺘﺨﻠﺺ‪ .‬وﻣﺘﻮﺳﻂ ﻣﺮﺑﻌﺎت اﻟﺘﺸﺒﻌﺎت اﻟﻌﺎﻣﻠﻴﺔ ﰲ ﻫﺬه اﳌﺼﻔﻮﻓﺔ ﻳﺪل ﻋﲆ ﻣﻘـﺪار اﻟﺘﺒـﺎﻳﻦ اﻟﻜـﲇ ﰲ‬
‫اﳌﺘﻐريات ﻛﻤﺠﻤﻮﻋﺔ اﻟﺘﻲ ﻳﺘﻢ ﺗﻔﺴريﻫﺎ ﺑﻮاﺳﻄﺔ ﻫـﺬا اﻟﻌﺎﻣـﻞ أو ذاك‪ ،‬أﻣـﺎ ﻣﺘﻮﺳـﻂ ﻣﺠﻤـﻮع ﻣﺮﺑﻌـﺎت‬
‫اﻟﺘﺸﺒﻌﺎت اﻟﻌﺎﻣﻠﻴﺔ ﰲ ﺟﻤﻴﻊ اﻷﻋﻤﺪة‪ ،‬ﻓﻴﺪل ﻋﲆ ﻧﺴﺒﺔ اﻟﺘﺒـﺎﻳﻦ اﻟـﺬي ميﻜـﻦ ﺗﻔﺴـريه ﺑﻮاﺳـﻄﺔ اﻟﻌﻮاﻣـﻞ‬
‫ﴍا ﳌﺪى ﺻﻼﺣﻴﺔ ﻫﺬه اﻟﻌﻮاﻣﻞ ﰲ ﺗﻔﺴري ﺗﺒﺎﻳﻦ ﻣﺠﻤﻮﻋﺔ اﳌﺘﻐريات اﻷﺻﻠﻴﺔ‪.‬‬
‫اﳌﺴﺘﺨﻠﺼﺔ‪ ،‬وﻫﺬا ﻳﻜﻮن ﻣﺆ ً‬
‫وﻳﻼﺣﻆ أن ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺘﺸﺒﻌﺎت ﰲ أﻋﻤﺪة ﻣﺼﻔﻮﻓﺔ اﻟﺘﺸـﺒﻌﺎت اﻟﻌﺎﻣﻠﻴـﺔ ﻳﺴـﺎوي ﻣﺠﻤـﻮع‬
‫اﺷﱰاﻛﻴﺎت اﳌﺘﻐريات‪ ،‬ﻛام أن ﻣﺠﻤﻮع ﻧﺴﺐ اﻟﺘﺒﺎﻳﻦ ﰲ اﳌﺘﻐريات اﻟﺘﻲ ميﻜـﻦ ﺗﻔﺴـريﻫﺎ ﺑﻮاﺳـﻄﺔ اﻟﻌﻮاﻣـﻞ‬
‫اﳌﺴﺘﺨﻠﺼﺔ ﻳﺴـﺎوي ﻣﺘﻮﺳـﻂ ﻗـﻴﻢ اﻻﺷـﱰاﻛﻴﺎت‪،‬وﻛﻠام ﻛـﺎن اﳌﺘﻐـري ﻣﺸـﱰﻛًﺎ ﺑﺪرﺟـﺔ أﻛـﱪ ﻣـﻊ ﻏـريه ﻣـﻦ‬
‫اﳌﺘﻐريات ﰲ اﻟﻌﻮاﻣﻞ اﳌﺸﱰﻛﺔ‪ ،‬زاد ﻣﺮﺑﻊ ﻗﻴﻤﺔ اﻻﺷﱰاﻛﻴﺎت‪ .‬وﻧﻈﺮا ﻷن ﻋﺪد اﻟﻌﻮاﻣﻞ اﳌﺴﺘﺨﻠﺼــﺔ ﻳﻜـﻮن‬
‫أﻗﻞ ﻣﻦ ﻋﺪد اﳌﺘﻐريات اﻷﺻﻠﻴﺔ‪ ،‬ﻓﺈﻧﻨﺎ ﻻ ﻧﺴﺘﻄﻴﻊ اﻟﺤﺼـﻮل ﻋﲆ ﻗﻴﻢ اﳌﺘﻐـريات ﺑﺎﺳﺘﺨﺪام اﻟﻌﻮاﻣﻞ‪ ،‬وإمنـﺎ‬
‫ميﻜﻦ ﺗﻘﺪﻳﺮ ﻗﻴﻤﻬﺎ ﺑﺎﺳﺘﺨﺪام ﻣﻌـﺎدﻟﺔ اﻻﻧﺤﺪار اﳌﺘﻌﺪد ﻟﻜﻞ ﻣﺘﻐري ﻋﲆ ﻫﺬه اﻟﻌﻮاﻣﻞ‪.‬‬

‫ﻓﺈذا اﻓﱰﺿﻨﺎ أن اﻟﻌﻮاﻣﻞ ﻏري ﻣﺘﻌﺎﻣـﺪة؛ أي ﻏـري ﻣﺮﺗﺒﻄـﺔ‪ ،‬ﻓـﺈن ﻣﺠﻤـﻮع ﻣﺮﺑﻌـﺎت اﻟﺘﺸــﺒﻌﺎت ﰲ أي‬
‫ﺻـﻒ ﻣﻦ ﺻﻔﻮف ﻣﺼﻔﻮﻓﺔ اﻟﺘﺸﺒﻌﺎت اﻟﻌﺎﻣﻠﻴﺔ ﻳﻜﻮن ﻣﺴﺎوﻳًﺎ ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﺑني اﻟﻌﻮاﻣﻞ‬
‫اﳌﺴﺘﺨﻠﺼﺔ وﻣﺘﻐري ﻣﻌني ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﳌﺘﻐريات‪ .‬وﻟﺘﻮﺿﻴﺢ ذﻟﻚ ﻧﻔـﱰض أن ﻟـﺪﻳﻨﺎ ﻣﺼـﻔﻮﻓﺔ اﻟﺘﺸـﺒﻌﺎت‬
‫اﻟﻌﺎﻣﻠﻴﺔ اﻟﺘﺎﻟﻴﺔ واﺷﱰاﻛﻴﺎﺗﻬﺎ اﻟﺘﻲ ﺗﻢ اﺳﺘﺨﻼﺻﻬﺎ ﺑﺎﺳﺘﺨﺪام أﺣﺪ أﺳﺎﻟﻴﺐ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪ ،‬ﳌﻘﻴﺎس ﻳﺘﻜﻮن‬
‫ﻣﻦ ﻋﺸـﺮة ﺑﻨﻮد‪،‬ﻛام ﰲ اﻟﺠﺪول اﻟﺘﺎﱄ‪:‬‬

‫‪-324-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻟﻌﻮاﻣﻞ ﻗﺒﻞ اﻟﺘﺪوﻳﺮ‬

‫اﻟﺒﻨﻮد‬
‫اﻻﺷﱰاﻛﻴﺎت‬ ‫اﻟﻌﺎﻣﻞ اﻟﺜﺎين‬ ‫اﻟﻌﺎﻣﻞ اﻷول‬
‫‪0.5573‬‬ ‫‪0.47‬‬ ‫‪0.58‬‬ ‫‪-1‬‬
‫‪0.4765‬‬ ‫‪0.43‬‬ ‫‪0.54‬‬ ‫‪-2‬‬
‫‪0.5141‬‬ ‫‪0.55‬‬ ‫‪0.46‬‬ ‫‪-3‬‬
‫‪0.8885‬‬ ‫‪0.71‬‬ ‫‪0.62‬‬ ‫‪-4‬‬
‫‪0.697‬‬ ‫‪0.61‬‬ ‫‪0.57‬‬ ‫‪-5‬‬
‫‪0.6185‬‬ ‫‪0.59‬‬ ‫‪0.52‬‬ ‫‪-6‬‬
‫‪0.772‬‬ ‫‪0.58‬‬ ‫‪0.66‬‬ ‫‪-7‬‬
‫‪0.9137‬‬ ‫‪0.64‬‬ ‫‪0.71‬‬ ‫‪-8‬‬
‫‪0.4658‬‬ ‫‪0.53‬‬ ‫‪0.43‬‬ ‫‪-9‬‬
‫‪0.544‬‬ ‫‪0.48‬‬ ‫‪0.56‬‬ ‫‪10‬‬
‫‪6.36‬‬ ‫‪3.1‬‬ ‫‪3.26‬‬ ‫اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك‬
‫‪0.64‬‬ ‫‪0.31‬‬ ‫‪0.326‬‬ ‫ﻧﺴﺒﺔ اﻟﺘﺒﺎﻳﻦ اﻟﻜﲇ‬
‫‪100‬‬ ‫‪48.7‬‬ ‫‪51.3‬‬ ‫ﻧﺴﺒﺔ اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك‬

‫ﻣﺜﻼ ﻳﺮﺗﺒﻂ ﺑﺎﻟﻌﺎﻣﻞ اﻷول مبﻘﺪار ‪ ،0.58‬ﻛام ﻳﺮﺗﺒﻂ ﺑﺎﻟﻌﺎﻣﻞ اﻟﺜﺎين مبﻘﺪار ‪ 0.47‬أي‬
‫ﻓﺎﻟﺒﻨﺪ اﻷول ً‬
‫أن ﺗﺸﺒﻊ اﻟﺒﻨﺪ اﻷول ﺑﺎﻟﻌﺎﻣﻞ اﻷول ﻳﺴﺎوي ‪ ،0.58‬أﻣﺎ ﺗﺸﺒﻊ اﻟﺒﻨـﺪ اﻷول ﺑﺎﻟﻌﺎﻣـﻞ اﻟﺜـﺎين ﻓﻬـﻮ ‪0.47‬‬
‫وﺗﺪل اﻷرﻗﺎم اﳌﺪوﻧﺔ ﰲ ﺧﺎﻧﺔ اﻻﺷﱰاﻛﻴﺎت ﻋـﲆ ﻧﺴـﺒﺔ اﻟﺘﺒـﺎﻳﻦ اﻟﻜـﲇ ﰲ اﻟﺒﻨـﺪ‪ ،‬ﻫـﺬا اﻟﺘﺒـﺎﻳﻦ اﻟـﺬي‬
‫ﻣﺜﻼ ﻳﻔﴪان ﺣﻮاﱄ ‪ %56‬ﻣﻦ ﺗﺒﺎﻳﻦ اﺳﺘﺠﺎﺑﺎت‬
‫ميﻜﻦ ﺗﻔﺴريه ﺑﺎﻟﻌﺎﻣﻠني اﻷول واﻟﺜﺎين‪ ،‬ﻓﻬﺬان اﻟﻌﺎﻣﻼن ً‬
‫اﳌﺒﺤــﻮﺛني ﻋــﲆ اﻟﺒﻨــﺪ اﻷول‪ ،‬أﻣــﺎ اﻟﻨﺴــﺒﺔ اﳌﺘﺒﻘﻴــﺔ وﻗــﺪرﻫﺎ ‪ ،%44‬ﻓﺈﻧﻬــﺎ ﺗــﻔﴪ ﺑﻌﻮاﻣــﻞ أﺧــﺮى‬
‫وﻛﺬﻟﻚ ﺑﺄﺧﻄﺎء اﻟﻘﻴﺎس‪ .‬وﻳﻼﺣﻆ أن اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك ﻟﻠﻌﺎﻣﻞ اﻷول ﻳﺴﺎوي ‪) 3.26‬وﻫﺬه اﻟﻘﻴﻤﺔ ﻫﻲ‬
‫ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت ﺗﺸﺒﻌﺎت اﻟﺒﻨﻮد ﺑﺎﻟﻌﺎﻣﻞ اﻷول(‪ ،‬أﻣﺎ ﻋﻦ ﻣﺘﻮﺳـﻂ ﻫـﺬه اﻟﻘﻴﻤـﺔ ﻓﻴﻜـﻮن ﺑﻘﺴـﻤﺘﻬﺎ‬
‫ﻋﲆ ﻋﺪد اﻟﺒﻨﻮد؛ أي ‪ 0.326 =10 ÷ 3.26‬وﻫﻲ ﻧﻔﺴﻬﺎ ﻗﻴﻤﺔ ﻧﺴﺒﺔ اﻟﺘﺒﺎﻳﻦ اﻟﻜﲇ اﻟﺘـﻲ متﺜـﻞ ﻧﺴـﺒﺔ‬

‫‪-325-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻟﺘﺒﺎﻳﻦ اﻟﺘﻲ ﻳﻔﺴـﺮﻫﺎ اﻟﻌﺎﻣﻞ اﻷول ﰲ اﻟﺒﻨﻮد اﻟﻌﴩة‪ ،‬أﻣﺎ اﻟﻌﺎﻣﻞ اﻟﺜﺎين ﻓﻴﻔﴪ ﻧﺴﺒﺔ ‪ 0.31‬ﻣﻦ اﻟﺘﺒـﺎﻳﻦ ﰲ‬
‫اﻟﺒﻨﻮد اﻟﻌﴩة‪ ،‬وﺑﺎﻟﺘﺎﱄ‪ ،‬ﻓﺈن اﻟﻌﺎﻣﻠني اﻷول واﻟﺜﺎين ﻳﻔﴪان ﺣﻮاﱄ ‪ %0.64‬ﻣﻦ اﻟﺘﺒﺎﻳﻦ اﻟﻜﲇ‪ .‬ﻳﻼﺣﻆ ﻣﻦ‬
‫أﻳﻀﺎ أن ﻛﻞ ﻗﻴﻤﺔ ﻣﻦ ﻗﻴﻢ اﻻﺷﱰاﻛﻴﺎت اﻟﺨﺎﺻﺔ ﺑﻜﻞ ﺑﻨﺪ ﺗﺴـﺎوي ﻣﺠﻤـﻮع ﻣﺮﺑـﻊ ﺗﺸـﺒﻊ اﳌﺘﻐـري‬
‫اﻟﺠﺪول ً‬
‫ﻣـﺜﻼ اﻟﺒﻨـﺪ اﻷﺧـري ﺗﺠـﺪ أن ﻗﻴﻤـﺔ‬
‫ﺑﺎﻟﻌﺎﻣﻞ اﻷول ‪ +‬ﻣﺠﻤﻮع ﻣﺮﺑﻊ ﺗﺸﺒﻊ اﳌﺘﻐـري ﺑﺎﻟﻌﺎﻣـﻞ اﻟﺜـﺎين‪ ،‬ﺧـﺬ ً‬
‫‪2‬‬ ‫‪2‬‬
‫اﻻﺷﱰاﻛﻴﺎت =‪ 0.544‬وﻫﺬه اﻟﻘﻴﻤﺔ ﺗﺴﺎوي )‪(0.48) + (0.56‬‬

‫)‪ (5‬اﻟﺠﺬر اﻟﻜﺎﻣﻦ‪:‬‬

‫اﻟﺠﺬر اﻟﻜﺎﻣﻦ )‪ Eigenvalue‬أو ‪ (Latent Root‬ﻣﺼﻄﻠﺢ ﻣﺄﺧﻮذ ﻣـﻦ ﺟـﱪ اﳌﺼـﻔﻮﻓﺎت‪ ،‬وﰲ اﻟﺘﺤﻠﻴـﻞ‬
‫اﻟﻌﺎﻣﲇ‪ ،‬ﻓﺈن اﻟﺠﺬر اﻟﻜﺎﻣﻦ ﻫﻮ ﺣﺠﻢ اﻟﺘﺒﺎﻳﻦ اﻟﺬي ﻳﻔﺴـﺮه اﻟﻌﺎﻣﻞ‪ ،‬وﻫﻮ ﻳـﺪل ﻋـﲆ ﻣﺠﻤـﻮع ﻣﺮﺑﻌـﺎت‬
‫ﺗﺸﺒﻌﺎت ﻫﺬا اﻟﻌﺎﻣﻞ ﺑﺎﻟﺒﻨﻮد اﻟﺘﻲ ﻳﺘﺸﺒﻊ ﺑﻬﺎ‪ ،‬وﰲ ﻫﺬا اﻟﺘﺤﻠﻴـﻞ‪ ،‬ﻓـﺈن ﻗـﻴﻢ اﻟﺠـﺬور اﻟﻜﺎﻣﻨـﺔ واﻟﺨﺎﺻـﺔ‬
‫ﺗﺪرﻳﺠﻴﺎ‪ ،‬مبﻌﻨﻰ أن اﻟﻌﺎﻣﻞ اﻷول ﻳﻜﻮن ﻟﻪ أﻛﱪ ﺟﺬر ﻛﺎﻣﻦ‪ ،‬أﻣـﺎ‬
‫ّ‬ ‫ﺑﺎﻟﻌﻮاﻣﻞ اﻟﺘﻲ ﻳﺘﻢ اﺳﺘﺨﺮاﺟﻬﺎ ‪ -‬ﺗﺘﻨﺎﻗﺺ‬
‫اﻟﻌﺎﻣﻞ اﻷﺧري ﻓﺈﻧﻪ ﻳﻜﻮن ﻟﻪ أﺻﻐﺮ ﺟـﺬر ﻛـﺎﻣﻦ‪ ،‬وﻫـﺬا ﻳﺮﺟـﻊ إﱃ أن اﻟﺘﺤﻠﻴـﻞ اﻟﻌـﺎﻣﲇ ﻳﺴـﺘﺨﺮج اﻟﺤـﺪ‬
‫ﻨﺎزﻟﻴﺎ‪ ،‬وﻳﺠﺐ أن ﻳﻜﻮن ﻣﺠﻤﻮع اﻟﺠـﺬور اﻟﻜﺎﻣﻨـﺔ ﻳﺴـﺎوي‬
‫اﻷﻗﺼـﻰ اﳌﻤﻜﻦ ﻟﺘﺒﺎﻳﻦ ﻛﻞ ﻋﺎﻣﻞ ﻣﻊ ﺗﺮﺗﻴﺒﻬﺎ ﺗ ّ‬
‫ﻣﺠﻤﻮع اﻻﺷﱰاﻛﻴﺎت‪.‬‬

‫وﻣﻦ واﻗﻊ ﻗﻴﻤﺔ اﻟﺠﺬر اﻟﻜﺎﻣﻦ ﻟﻜﻞ ﻋﺎﻣﻞ ميﻜﻦ ﻣﻌﺮﻓﺔ ﻧﺴﺒﺔ اﻟﺘﺒﺎﻳﻦ اﻟﺬي ﻳﻔﺴـﺮه ﻫﺬا اﻟﻌﺎﻣـﻞ ﻣـﻦ‬
‫اﻟﺘﺒﺎﻳﻦ اﻟﻜﲇ ﻟﻠﻌﻮاﻣﻞ اﳌﺴﺘﺨﺮﺟﺔ‪ ،‬ﻛام ميﻜﻦ اﻻﺳﺘﻨﺎد إﱃ ﻗﻴﻤـﺔ اﻟﺠـﺬر اﻟﻜـﺎﻣﻦ ﻟﺘﺤﺪﻳـﺪ ﻣﺘـﻰ ﻳﺘﻮﻗـﻒ‬
‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ )ﻣﻦ اﻟﺸﺎﺋﻊ ‪ -‬ﺧﺎﺻﺔ ﰲ ﻃﺮﻳﻘﺔ اﳌﻜﻮﻧﺎت اﻷﺳﺎﺳﻴﺔ‪ -‬اﻹﺑﻘﺎء ﻋﲆ اﻟﻌﻮاﻣـﻞ اﻟﺘـﻲ ﻳﻜـﻮن‬
‫ﺟﺬرﻫﺎ اﻟﻜﺎﻣﻦ واﺣﺪ ﺻﺤﻴﺢ ﻓﺄﻛرث‪ ،‬مبﻌﻨﻰ أن اﻟﻌﻮاﻣﻞ اﻟﺘﻲ ﻳﻘﻞ ﺟﺬرﻫﺎ اﻟﻜﺎﻣﻦ ﻋﻦ اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ ﻳﺘﻢ‬
‫اﻻﺳﺘﻐﻨﺎء ﻋﻨﻬﺎ ﰲ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ(‪.‬‬

‫‪-326-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺛﺎﻟﺜًﺎ‪ :‬أمنﺎط اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‬

‫ﻫﻨﺎك منﻄﺎن رﺋﻴﺴﻴﺎن ﻟﻠﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪ ،‬اﻟﻨﻤﻂ اﻷول ﻫﻮ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ اﻻﺳﺘﻜﺸﺎﰲ ‪(Exploratory‬‬
‫)‪ ،Factor Analysis‬واﻟﻨﻤﻂ اﻟﺜﺎين ﻫﻮ اﻟﺘﺤﻠﻴﻞ اﻟﻌـﺎﻣﲇ اﻟﺘﺄﻛﻴـﺪي )‪ (Confirmatory Factor Analysis‬وﻗـﺪ‬
‫ﺗﻮﺻﻞ اﻟﺪﻛﺘﻮر ‪ /‬ﻓﺆاد أﺑﻮ ﺣﻄﺐ إﱃ ﻫﺬا اﻟﺘﻘﺴﻴﻢ وﺗﻢ اﻋﺘامده ﰲ اﻷدﺑﻴـﺎت اﻷﺟﻨﺒﻴـﺔ واﻟﻌﺮﺑﻴـﺔ اﳌﻌﻨﻴـﺔ‬
‫ﺑﺎﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪ .‬إن اﻟﺘﺤﻠﻴـﻞ اﻟﻌـﺎﻣﲇ اﻻﺳﺘﻜﺸـﺎﰲ )‪ (Exploratory Factor Analysis‬ﻳﺨـﺘﺺ ﺑﺎﻛﺘﺸـﺎف‬
‫اﻟﻌﻮاﻣﻞ اﳌﺜﲆ اﻟﺘﻲ ﺗﺘﺸﺒﻊ ﺑﻬﺎ ﺑﻨﻮد اﳌﻘﻴﺎس أو اﻻﺧﺘﺒﺎر‪ ،‬ﻣﺜﺎل ذﻟـﻚ أن ﻳﻘـﻮم اﻟﺒﺎﺣـﺚ ﺑﺈﻋـﺪاد ﻣﻘﻴـﺎس‬
‫ﺑﻨﺪا ﻟﻘﻴﺎس اﺳﺘﺨﺪاﻣﺎت وﺳﺎﺋﻞ اﻹﻋﻼم‪ ،‬وﻳﺮﻳﺪ أن ﻳﺘﻮﺻﻞ إﱃ ﺗﺼﻨﻴﻒ دﻗﻴـﻖ ﻟﻬـﺬه اﻟﺒﻨـﻮد‪.‬‬
‫ﻣﻦ ﺧﻤﺴني ً‬
‫ﻣـﺜﻼ( ﺗﺘﺸـﺒﻊ ﺑﻬـﺎ‬
‫إن اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ اﻻﺳﺘﻜﺸﺎﰲ ﻗﺪ ﻳﺴﻔﺮ ﻋﻦ ﻣﺠﻤﻮﻋﺔ ﻋﻮاﻣﻞ )وﻟﺘﻜﻦ ﺧﻤﺴﺔ ﻋﻮاﻣﻞ ً‬
‫ﺑﻨﻮد اﳌﻘﻴﺎس‪ ،‬ﻓﻘﺪ ﻳﺘﻀﺢ ﻟﻠﺒﺎﺣﺚ أن اﻟﺒﻨﻮد أرﻗﺎم ‪ 23 ،19 ،18 ،11 ،8 :‬ﺗﺘﺸﺒﻊ ﺑﻌﺎﻣﻞ ﻣﻌني‪ ،‬وﻛـﺬﻟﻚ ﻛـﻞ‬
‫ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺒﻨﻮد ﺗﺘﺸﺒﻊ ﺑﻌﺎﻣﻞ ﻣﺨﺘﻠﻒ‪ ..‬وﻫﻜﺬا ﻳﺘﻤﻜﻦ اﻟﺒﺎﺣﺚ ﻣﻦ ﺗﺤﺪﻳﺪ اﻷﺑﻌﺎد )اﻟﻌﻮاﻣـﻞ( اﻟﺘـﻲ‬
‫ﻳﺘﺨﺬﻫﺎ ﻛﺄﺑﻌﺎد ﳌﻘﻴﺎس اﺳﺘﺨﺪام وﺳﺎﺋﻞ اﻹﻋﻼم‪.‬‬

‫أﻣﺎ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ اﻟﺘﺄﻛﻴﺪي )‪ (Confirmatory Factor Analysis‬ﻓﻴﻘﺼﺪ ﺑﻪ اﻟﺘﺄﻛﺪ ﻣـﻦ ﺗﺼـﻨﻴﻒ‬
‫ﻣﺴﺒﻖ ﻟﺒﻨﻮد اﻻﺧﺘﺒﺎر أو اﳌﻘﻴﺎس‪ ،‬ﻟﻨﻔﱰض أن اﻟﺒﺎﺣـﺚ اﺳـﺘﻌﺎن ﺑﺎﻟﻨﻈﺮﻳـﺎت واﻟﺪراﺳـﺎت اﻟﺴـﺎﺑﻘﺔ ﰲ‬
‫ﺗﺼﻤﻴﻢ ﻣﻘﻴﺎس اﻟﻮﻋﻲ اﻟﺴﻴﺎﳼ ﻟﺪى اﻟﺸﺒﺎب‪ ،‬وأن ﺑﻨﻮد ﻫﺬا اﻻﺳﺘﺒﻴﺎن ﺗﻢ ﺗﻮزﻳﻌﻬﺎ ﻋﲆ ﻋﺪة أﺑﻌﺎد‪،‬‬
‫ﻓﻤﺜﻼ اﻟﺒﻨﻮد ﻣﻦ اﻷول ﺣﺘﻰ اﻟﻌﺎﴍ ﺗﻘﻴﺲ اﻟﻮﻋﻲ ﺑﺎﻟﻘﻀﺎﻳﺎ اﻟﺴﻴﺎﺳﻴﺔ‪ ،‬أﻣﺎ اﻟﺒﻨﻮد ﻣﻦ اﻟﺤـﺎدي ﻋﺸــﺮ‬
‫ً‬
‫ﺣﺘﻰ اﻟﻌﺸـﺮﻳﻦ ﻓﺘﻘـﻴﺲ اﻟـﻮﻋﻲ ﺑـﺄداء اﻟﱪﳌـﺎن‪ ..‬وﻫﻜـﺬا ﺗـﻢ ﺗﺼـﻤﻴﻢ اﳌﻘﻴـﺎس ﺑﺤﻴـﺚ ﺗﺨـﺘﺺ ﻛـﻞ‬
‫ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﺒﻨﻮد ﺑﻘﻴﺎس أﺣﺪ أﺑﻌﺎد اﻟﻮﻋﻲ اﻟﺴﻴﺎﳼ‪ .‬ﻫﻨﺎ ﻳﻜﻮن دور اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ اﻟﺘﺄﻛﻴﺪي ﻫـﻮ‬
‫ﻣﺜﻼ ﻗﺪ ﺻﺎﻏﻬﺎ اﻟﺒﺎﺣـﺚ ﻟﻘﻴـﺎس‬
‫»اﻟﺘﺄﻛﺪ« ﻣﻦ ﺻﺤﺔ ﻫﺬا اﻟﺘﺼﻨﻴﻒ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ اﻟﺒﻨﻮد ﻣﻦ ‪ 11‬ﺣﺘﻰ ‪ً 20‬‬
‫اﻟﻮﻋﻲ ﺑﺄداء اﻟﱪﳌﺎن‪ ،‬ﻓﻬﻞ ﻫﺬه اﻟﺒﻨﻮد ﺗﺘﺸﺒﻊ ﺑﻌﺎﻣﻞ واﺣﺪ؟ ﻗﺪ ﻳﺘﺒني ﻟﻠﺒﺎﺣﺚ أن ﻫﺬه اﻟﺒﻨـﻮد ﺑﺎﻟﻔﻌـﻞ‬

‫‪-327-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺗﺘﺸﺒﻊ ﺑﻌﺎﻣﻞ ﻣﻌني‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻫﺬا ﺗﺄﻛﻴﺪ ﳌﺎ ﻗﺎم ﺑـﻪ اﻟﺒﺎﺣـﺚ‪ ،‬وﻳﻜـﻮن ﻫـﺬه اﻟﻌﺎﻣـﻞ ﻫـﻮ »اﻟـﻮﻋﻲ ﺑـﺄداء‬
‫اﻟﱪﳌﺎن«‪ ،‬وﻗﺪ ﻳﺘﺒني ﻟﻠﺒﺎﺣﺚ ﻏري ذﻟﻚ )ﻣﻦ واﻗﻊ اﻟﻌﻮاﻣﻞ اﻟﺘﻲ ﺗﺘﺸﺒﻊ ﺑﻬـﺎ ﺑﻨـﻮد اﳌﻘﻴـﺎس(‪ ،‬اﻷﻣـﺮ اﻟـﺬي‬
‫ﻳﻘﺘﴤ اﺳﺘﺤﺪاث ﺗﺼﻨﻴﻒ ﺟﺪﻳﺪ ﻟﻠﺒﻨﻮد‪ ،‬أو إﻋـﺎدة ﺻـﻴﺎﻏﺔ اﻷﺳـﺲ اﻟﻨﻈﺮﻳـﺔ‪ .‬ﻫﻜـﺬا ﻳﺘﻀـﺢ أن اﻟﺘﺤﻠﻴـﻞ‬
‫اﻟﻌﺎﻣﲇ اﻟﺘﺄﻛﻴﺪي ﻳﺴﺘﻬﺪف اﺧﺘﺒﺎر ﺗﺼﻨﻴﻒ ﻋﲆ أﺳﺎﺳﻪ ﺗﺘﻮزع ﺑﻨﻮد اﻻﺧﺘﺒﺎر أو اﳌﻘﻴﺎس‪.‬‬

‫ﻗﺎﻃﻌـﺎ؛ ﻷن اﻟﻜﺜـري ﻣـﻦ‬

‫ﻏري أن اﻟﺘﻤﻴﻴﺰ ﺑني اﻻﺳـﺘﺨﺪاﻣني اﻟﻜﺸـﻔﻲ واﻟﺘﺄﻛﻴـﺪي ﻻ ﻳﻜـﻮن دامئـﺎ متﻴﻴـ ًﺰا ً‬
‫اﻟﺒﺤﻮث ﺗﺠﻤﻊ ﺑني اﻻﺳﺘﺨﺪاﻣني‪ .‬وﻣﻦ اﻟﻨﺎدر أن ﻳﻘﻮم اﻟﺒﺎﺣﺚ ﺑـﺈﺟﺮاء اﻟﺘﺤﻠﻴـﻞ اﻟﻌـﺎﻣﲇ ﻋـﲆ ﻣﺠﻤﻮﻋـﺔ‬
‫ﻋﺸﻮاﺋﻴﺔ ﻣﻦ اﳌﺘﻐريات‪ ،‬ﺑﻞ ﻳﻜﻮن ﻣﺪرﻛًﺎ ﺑﺪرﺟﺎت ﻣﺘﻔﺎوﺗﺔ ﻃﺒﻴﻌﺔ اﳌﺘﻐـريات واﻷﺑﻌـﺎد اﻟﺘـﻲ ﺗﻀـﻢ ﻫـﺬه‬
‫اﳌﺘﻐريات‪.‬‬

‫اﺑﻌﺎ‪ :‬ﻃﺮق اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‬

‫ر ً‬
‫ﺗﺘﻌﺪد ﻃﺮق اﻟﺘﺤﻠﻴﻞ اﻟﻌـﺎﻣﲇ‪ ،‬ﻛـام أﻧﻬـﺎ ﺗﺘﻄـﻮر ﺑﺎﺳـﺘﻤﺮار‪ ،‬ﻓﻔـﻲ اﻟﺒﺪاﻳـﺔ ﻛﺎﻧـﺖ اﻟﻄـﺮق ﺷـﺎﺋﻌﺔ‬
‫اﻻﺳﺘﺨﺪام ﻫﻲ اﻟﻄﺮﻳﻘﺔ اﻟﻘُﻄﺮﻳﺔ )‪ ،(Diagonal Method‬واﻟﻄﺮﻳﻘﺔ اﳌﺮﻛﺰﻳﺔ )‪ ،(Centroid Method‬وﻃﺮﻳﻘﺔ‬
‫اﻟﻌﻮاﻣﻞ اﳌﺘﻌﺪدة )‪ ،(Multiple Factors‬ﻟﻜﻦ ﻫﺬه اﻟﻄـﺮق ﺗﻄـﻮرت ﰲ أﺳﺴـﻬﺎ وﺗﻄﺒﻴﻘﺎﺗﻬـﺎ‪ ،‬وﻛـﺎن ﻧﺘﻴﺠـﺔ‬
‫ﻣﻠﻤﻮﺳـﺎ ﺧﺎﺻـﺔ ﺑﻌـﺪ‬
‫ً‬ ‫ذﻟﻚ أن ﻇﻬﺮت ﻃﺮق ﺣﺪﻳﺜﺔ ﻟﻠﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪ ،‬وﻣﺎزال ﻫـﺬا اﳌﺠـﺎل ﻳﺸـﻬﺪ ﺗﻄـﻮ ًرا‬
‫ﻇﻬﻮر وﺗﻄﻮر اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة‪ ،‬وﻣـﻦ ﻫـﺬه اﻟﻄـﺮق ‪ :‬ﻃﺮﻳﻘـﺔ اﳌﻜﻮﻧـﺎت اﻷﺳﺎﺳـﻴﺔ ‪(Principal‬‬
‫)‪ Components‬وﻃﺮﻳﻘـﺔ اﳌﺤـﺎور اﻟﺮﺋﻴﺴـﻴﺔ )‪ (Principal Axis‬وﻃﺮﻳﻘـﺔ اﻷرﺟﺤﻴـﺔ اﻟﻘﺼـﻮى ‪(Maximum‬‬
‫)‪ Likelihood‬وﻃﺮﻳﻘﺔ أﻟﻔﺎ )‪ (Alpha factor Analysis‬وﻃﺮﻳﻘﺔ اﻟﺼﻮرة )‪ ،(Image Factor Analysis‬ﻛام ﻇﻬـﺮت‬
‫ﻃﺮق أﺧﺮى أﻛرث ﺣﺪاﺛﺔ ﻣﺜﻞ‪ :‬ﻃﺮﻳﻘﺔ أﻗﻞ اﳌﺮﺑﻌـﺎت اﳌﺮﺟﺤـﺔ )‪ (Un-weighted Least Squares‬وﻃﺮﻳﻘـﺔ أﻗـﻞ‬
‫اﳌﺮﺑﻌـﺎت اﳌﻌﻤﻤـﺔ )‪ ،(Generalized Least Squares‬ﱟ‬
‫وﻟﻜـﻞ ﻣـﻦ ﻫـﺬه اﻟﻄـﺮق أﺳﺴـﻬﺎ اﻟﺮﻳﺎﺿـﻴﺔ )ﻟﻼﺳـﺘﺰادة‬

‫‪-328-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺣﻮل ﻫﺬا اﳌﻮﺿﻊ ﻧﻨﺼﺢ ﺑﺎﻟﺮﺟﻮع إﱃ اﻟﻜﺘﺎب اﳌﻮﺳﻮﻋﻲ ﻟﻠـﺪﻛﺘﻮر ﺻـﻼح اﻟـﺪﻳﻦ ﻋـﻼم )‪ ،(2000‬ﻛـام أن‬
‫أي ﻣﻨﻬﺎ‪ ،‬وإن ﻛﺎﻧﺖ ﻫﺬه اﻷﺳﺒﺎب ﻏري ﻗﺎﻃﻌﺔ‪ ،‬وﻣﻦ واﻗﻊ ﻣﻄﺎﻟﻌﺔ‬
‫أﺳﺒﺎﺑﺎ »ﺗﺮﺟﺢ« اﺳﺘﺨﺪام ﱟ‬
‫ﻟﻬﺬه اﻟﻄﺮق ً‬
‫اﺳـﺘﺨﺪاﻣﺎ‪ :‬وﻫـام ﻃﺮﻳﻘـﺔ‬
‫ً‬ ‫اﻟﺪورﻳﺎت اﳌﺘﺨﺼﺼﺔ ﰲ ﻣﺠﺎل اﻻﺗﺼﺎل ﻧﺘﺒني أن ﻫﻨـﺎك ﻃـﺮﻳﻘﺘني ﻫـام اﻷﻛـرث‬
‫اﳌﻜﻮﻧﺎت اﻷﺳﺎﺳﻴﺔ‪ ،‬وﻃﺮﻳﻘﺔ اﳌﺤـﺎور اﻷﺳﺎﺳـﻴﺔ‪ .‬وﺗﻘـﻮم ﻃﺮﻳﻘـﺔ اﳌﻜﻮﻧـﺎت اﻷﺳﺎﺳـﻴﺔ )‪ (PC‬ﻋـﲆ ﺗﻜـﻮﻳﻦ‬
‫ﻣﺘﻐريات ﺟﺪﻳﺪة ﻏري ﻣﺮﺗﺒﻄﺔ‪ ،‬وﻛﻞ ﻣﻜﻮﻧﺔ أو داﻟﺔ )‪ (Function‬رﺋﻴﺴﻴﺔ ﻫﻲ ﺗﺮﻛﻴﺐ ﺧﻄﻲ ﻣﻦ اﳌﺘﻐـريات‪،‬‬
‫ﻛام أن ﻫﺬه اﻟﺪوال )‪ (Functions‬ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﺑﺤﻴﺚ ﺗﻜـﻮن ﻣﺘﻌﺎﻣـﺪة‪ .‬أﻣـﺎ ﻃﺮﻳﻘـﺔ اﳌﺤـﺎور اﻟﺮﺋﻴﺴـﻴﺔ‬
‫)‪ (PA‬ﻓﻬﻲ ﻗﺮﻳﺒﺔ ﻣﻦ ﻃﺮﻳﻘﺔ اﳌﻜﻮﻧﺎت اﻷﺳﺎﺳﻴﺔ‪ ،‬ﻏري أﻧﻪ ﰲ ﻃﺮﻳﻘﺔ اﳌﺤﺎور اﻟﺮﺋﻴﺴﻴﺔ ﻳﺘﻢ وﺿـﻊ اﻟﻘـﻴﻢ‬
‫اﻟﺘﻘﺪﻳﺮﻳﺔ ﻟﻼﺷﱰاﻛﻴﺎت ﰲ اﻟﺨﻼﻳﺎ اﻟﻘﻄﺮﻳﺔ‪ ،‬وﻫﺬه اﻟﻘﻴﻢ ﻋﺒﺎرة ﻋـﻦ ﻣﺠﻤـﻮع ﻣﺮﺑﻌـﺎت ﺗﺸـﺒﻌﺎت اﳌﺘﻐـري‬
‫)اﻟﺒﻨﺪ( ﺑﺠﻤﻴﻊ اﻟﻌﻮاﻣﻞ‪ ،‬أﻣﺎ ﰲ ﻃﺮﻳﻘﺔ اﳌﻜﻮﻧﺎت اﻷﺳﺎﺳﻴﺔ‪ ،‬ﻓﺈن ﻫﺬه اﻟﺨﻼﻳﺎ ﻳﻮﺿﻊ ﻓﻴﻬﺎ اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ‪.‬‬
‫ومتﺘﺎز ﻃﺮﻳﻘﺔ اﳌﺤﺎور اﻟﺮﺋﻴﺴﻴﺔ ﺑﺄن ﻛﻞ ﻋﺎﻣﻞ ﻣﻦ اﻟﻌﻮاﻣﻞ اﳌﺴﺘﺨﺮﺟﺔ ﻳﻔﴪ أﻛﱪ ﻗﺪر ﻣﻤﻜﻦ ﻣﻦ ﺗﺒـﺎﻳﻦ‬
‫ﺑﻨﻮد اﻻﺧﺘﺒﺎر أو اﳌﻘﻴﺎس‪.‬‬

‫ﺧﺎﻣﺴﺎ‪ :‬ﺗﺪوﻳﺮ اﻟﻌﻮاﻣﻞ‬

‫ً‬
‫ﻳﻘﺼﺪ ﺑﺘﺪوﻳﺮ اﻟﻌﻮاﻣﻞ أن ﻳﺤﻞ اﻟﻌﺎﻣﻞ ﻣﺤﻞ اﳌﺘﻐـريات )اﻟﺒﻨـﻮد( ﺑﺤﻴـﺚ ﺗﺼـﺒﺢ اﻟﺘﺸـﺒﻌﺎت ﺑـﺪاﺋﻞ‬
‫ﻟﻠﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ‪ ،‬أﻣﺎ ﻋﻦ ﻋﻤﻠﻴﺔ اﻟﺘﺪوﻳﺮ ذاﺗﻬﺎ ﻓﺘﻌﻨﻲ ﺗﺪوﻳﺮ اﻟﻌﻮاﻣﻞ ﺣﻮل ﻧﻘﻄﺔ اﻷﺻﻞ ﺣﺘﻰ ﺗﺼﻞ إﱃ‬
‫وﺿﻊ ﺑﺪﻳﻞ‪ ،‬ﻛﻤﺜﺎل ﺗﻮﺿﻴﺤﻲ ﻟﻬﺬه اﻟﻔﻜﺮة ﻧﻔﺮض أن أﺣﺪ اﳌﻘﺎﻳﻴﺲ ﺗـﻢ ﺗﻄــﺒﻴﻘﻪ ﻋـﲆ ﻋﻴﻨـﺔ )ن( ومتـﺖ‬
‫ﻣﻌﺎﻟﺠﺔ اﻟﺒﻴﺎﻧﺎت ﻋﺎﻣﻠﻴّﺎ‪ ،‬وأﺳﻔﺮ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﻋﻦ أن اﳌﻘﻴﺎس ﻳﺘﺸﺒﻊ ﺑﻌﺎﻣﻠني‪ ،‬اﻟﻌﺎﻣﻞ اﻷول ﻫـﻮ )س(‬
‫وﻛﺎن ﺗﺸﺒﻊ اﳌﻘﻴﺎس ﻋﲆ ﻫﺬا اﻟﻌﺎﻣﻞ ﻳﺴﺎوي ‪ 0.4‬أﻣﺎ اﻟﻌﺎﻣﻞ اﻟﺜﺎين‪ ،‬ﻓﻬﻮ )ص( وﻛﺎن ﺗﺸﺒﻊ اﳌﻘﻴﺎس ﻋـﲆ‬
‫ﻫﺬا اﻟﻌﺎﻣﻞ ﻳﺴﺎوي ‪) 0.8‬وذﻟﻚ ﻗﺒـﻞ اﻟﺘـﺪوﻳﺮ(‪ .‬إن اﻟﺘﻌﺒـري ﻋـﻦ ذﻟـﻚ ﺑﺎﻟﺮﺳـﻢ ﻳﻌﻜـﺲ أن اﻟﻌﺎﻣـﻞ )س(‬
‫واﻟﻌﺎﻣﻞ )ص( ﻣﺘﻌـﺎﻣﺪان‪:‬‬

‫‪-329-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫س‬

‫‪1‬‬

‫‪0.8‬‬

‫‪0.6‬‬

‫د‬ ‫‪0.4‬‬

‫‪0.2‬‬

‫ص‬
‫ل‬
‫‪1‬‬ ‫‪0.8‬‬ ‫‪0.6‬‬ ‫‪0.4‬‬ ‫‪0.2‬‬

‫ﺑﻜـﻞ ﻣـﻦ‬
‫ﻳﺪل اﻟﺨﻂ )ل د( ﻋﲆ ﻣﺘﺠﻪ اﳌﻘﻴﺎس‪ ،‬وﺗﺘﺤﺪد اﻟﻨﻘﻄﺔ )د( ﰲ ﺿﻮء ﻗﻴﻤﺔ ﺗﺸـﺒﻊ اﳌﻘﻴـﺎس ﱟ‬
‫ﻛﻞ ﻣﻦ اﳌﺤﻮرﻳﻦ ﻛﺒﻌﺪﻳﻦ ﻟﻠﻤﻘﻴﺎس‪.‬‬
‫اﻟﻌﺎﻣﻞ )س( واﻟﻌﺎﻣﻞ )ص(‪ ،‬إﻧﻬﺎ ﻣﺴﺎﻓﺔ اﳌﺘﻐري ﻋﲆ ﱟ‬

‫ﻓﻠﻨﺘﺨﻴﻞ أن ﻫﺬا اﻟﺸﻜﻞ ﺗﻢ ﺗﺤﺮﻳﻚ ﻣﺤﻮرﻳﻪ )ل س(‪) ،‬ل ص( ﻣﻊ ﺗﺜﺒﻴﺖ ﻧﻘﻄﺔ اﻷﺻـﻞ ﰲ ﻣﻮﺿـﻌﻬﺎ؛‬
‫وﺑﺤﻴﺚ ﺗﻜﻮن ﺣﺮﻛﺔ اﳌﺤﻮرﻳﻦ ﺣﺮة ﺗﺴﻤﺢ ﺑﺘﻜﻮﻳﻦ زاوﻳﺔ ﺟﺪﻳﺪة ﻗﺪرﻫﺎ ‪ 30‬درﺟﺔ وﺗﺼـﻞ إﱃ ﻣﻮﺿـﻌني‬
‫ﻟﻜﻞ ﻣﻨﻬام‪ :‬اﳌﻮﺿﻊ اﻷول )ل س ‪ ،(-‬أﻣﺎ اﳌﻮﺿﻊ اﻟﺜﺎين ﻓﻬﻮ )ل ص ‪ ،(-‬ﻣﻊ ﺛﺒﺎت ﻧﻘﻄـﺔ اﻷﺻـﻞ‬
‫ﺟﺪﻳﺪﻳﻦ ﱟ‬
‫ﻋﲆ اﻟﻨﺤﻮ اﳌﺒني ﺑﺎﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬

‫‪-330-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬
‫س‬
‫س‬

‫‪1‬‬
‫‪0.8‬‬ ‫ﺟـ‬

‫‪0.6‬‬
‫د‬
‫‪0.4‬‬
‫‪0.2‬‬

‫ص‬ ‫ل‬
‫‪30º‬‬
‫‪0.2‬‬
‫‪»ƍ 0.4‬‬
‫‪0.6‬‬
‫‪0.8‬‬
‫ص‬ ‫‪1‬‬

‫ﰲ ﻫﺬا اﻟﺸﻜﻞ ﻧﻼﺣﻆ أن اﻟﻨﻘﻄﺔ )د( اﺗﺨﺬت ﻗﻴام ﺟﺪﻳﺪة ﻋﲆ ﺗﺸﺒﻊ اﳌﻘﻴﺎس ﺑﺎﻟﻌـﺎﻣﻠني )س‪ ،‬ص(‪،‬‬
‫واﻟﺴﺆال ﻫﻮ‪ :‬ﻣﺎ ﻫﻲ ﻫﺬه اﻟﻘـﻴﻢ اﻟﺠﺪﻳﺪة رﻏﻢ أن ﻣﻮﺿﻊ اﻟﻌﺎﻣﻠني مل ﻳﺘﻐري؟‪ ،‬أي ﻣﺎ ﻫﻲ ﻣﺴﺎﻓﺔ اﻟﻨﻘﻄﺔ‬
‫)د( ﻋﲆ اﳌﺤﻮر ؟ أﻟﻴﺴﺖ ﻫﺬه اﻟﻘﻴﻢ اﻟﺠﺪﻳﺪة ﻫﻲ ﻣﺴـﺎﻓﺔ اﻟﻨﻘﻄﺔ )د( ﻋﲆ اﳌﺤـﻮر )ل س­( واﳌﺤـﻮر‬
‫)ل ص­( ﻋﻨﺪ اﻹﺳﻘﺎط اﳌﺘﻌـﺎﻣﺪ ﻟﻌﻤﻮد ﻋﲆ ﻛ ﱟﻞ ﻣﻦ اﻟﻌﻤﻮدﻳﻦ )د ج(‪) ،‬د ﻫـ(؟‬

‫إن اﻟﻘﻴﻢ اﻟﺠﺪﻳﺪة ميﺜﻠﻬﺎ اﻟﻨﻘﻄﺘﺎن )ﺟـ(‪) ،‬ﻫـ( ﻋﲆ اﳌﺤﻮر )ل س­( واﳌﺤﻮر )ل ص­(‪ ،‬وﺗﺒﻠﻎ ﻗﻴﻤـﺔ‬
‫اﻷوﱃ ‪ ،0.75‬ﺑﻴﻨام ﺗﺒﻠﻎ ﻗﻴﻤﺔ اﻟﺜﺎﻧﻴﺔ‪ ،0.5.‬ومبﻮﺟﺐ ﺗﺪوﻳﺮ اﻟﻌﻮاﻣﻞ ﺗﺘﻢ إﻋﺎدة ﺗﻮزﻳﻊ ﻧﺴﺒﺔ اﻟﺘﺒﺎﻳﻦ اﻟﺬي‬
‫ﻳﻔﴪه ﻛﻞ ﻋﺎﻣﻞ ﻋﲆ ﺣﺪة‪ ،‬وإﺣﺪاث ﺗﻜﺎﻓﺆ ﰲ أﻫﻤﻴﺔ اﳌﺘﻐريات اﻟﺘﻲ ﻳﺘﺸﺒﻊ ﺑﻬﺎ ﻛﻞ ﺑﻨﺪ‪.‬‬

‫‪-331-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫وﺗﺤﺘﻮي اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة ﻋﲆ ﻋـﺪة أﺳـﺎﻟﻴﺐ ﻟﺘـﺪوﻳﺮ اﻟﻌﻮاﻣـﻞ‪ ،‬وﺗﻨـﺪرج ﻫـﺬه اﻷﺳـﺎﻟﻴﺐ‬
‫ﺗﺤﺖ أﺳﻠﻮﺑني‪ :‬اﻷﺳـﻠﻮب اﻷول ﻫـﻮ اﻟﺘـﺪوﻳﺮ اﳌﺘﻌﺎﻣـﺪ )‪ (Orthogonal Rotation‬واﻷﺳـﻠﻮب اﻟﺜـﺎين ﻫـﻮ‬
‫اﻟﺘﺪوﻳﺮ اﳌﺎﺋﻞ )‪ ،(Oblique Rotation‬وﻳﻼﺣﻆ ﺗﻄﻮر ﻫﺬه اﻷﺳﺎﻟﻴﺐ ﺑﺎﺳﺘﻤﺮار ﰲ اﻟﻨﺴـﺦ اﻟﺤﺪﻳﺜـﺔ ﻟﻠـﱪاﻣﺞ‬
‫اﻹﺣﺼﺎﺋﻴﺔ‪.‬‬

‫وﻣﻦ اﻟﻄـﺮق ﺷـﺎﺋﻌﺔ اﻻﺳـﺘﺨﺪام ﰲ اﻟﺘـﺪوﻳﺮ اﳌﺘﻌﺎﻣـﺪ ﻃﺮﻳﻘـﺔ )‪ ،(Quartimax‬ﻃﺮﻳﻘـﺔ )‪،(Maxplane‬‬

‫اﺳـﺘﺨﺪاﻣﺎ ﻹﺟـﺮاء اﻟﺘـﺪوﻳﺮ اﻟﻌـﺎﻣﲇ اﳌﺘﻌﺎﻣـﺪ‪،‬‬
‫ً‬ ‫ﻃﺮﻳﻘﺔ )‪ (Varimax‬وﻫﺬه اﻟﻄﺮﻳﻘﺔ اﻷﺧـرية ﻫـﻲ اﻷﻛـرث‬
‫وﺗﺆدي إﱃ ﻧﺘﺎﺋﺞ ﺟﻴﺪة‪ ،‬وﺗﻌﺘﻤﺪ ﻫﺬه اﻟﻄﺮﻳﻘﺔ ﻋـﲆ ﺗـﺪوﻳﺮ ﺟﻤﻴـﻊ اﻟﻌﻮاﻣـﻞ )‪ (Factors‬اﳌﻤﻜﻨـﺔ ﻣﺜﻨـﻰ‪/‬‬
‫ﻣﺜﻨﻰ ﻋﲆ ﺣﺪة إﱃ أن ﻳﺘﻢ ﺗﻌﻈﻴﻢ )‪ (Maximizing‬داﻟﺔ ﻣﻌﻴﻨﺔ ﺗﺘﻌﻠﻖ ﺑﺎﻟﺘﺸﺒﻌﺎت اﻟﻌﺎﻣﻠﻴﺔ‪.‬‬

‫أﻣﺎ اﻟﺘﺪوﻳﺮ اﳌﺎﺋﻞ ﻓﻴﺴﺘﺨﺪﻣﻪ اﻟﺒﺎﺣﺜﻮن ﺑﻬﺪف اﺳﺘﺨﻼص ﻋﻮاﻣﻞ ﻣﱰاﺑﻄﺔ؛ أي ﻟﻴﺴﺖ ﻣﺘﻌﺎﻣﺪة ﻛام‬
‫ﰲ اﻟﺘﺪوﻳﺮ اﳌﺘﻌﺎﻣﺪ؛ ﺣﻴﺚ إن اﳌﺤﺎور اﳌﺮﺟﻌﻴـﺔ ﻟﻠﻌﻮاﻣـﻞ ﺗﺤﺼــﺮ ﺑﻴﻨﻬـﺎ زواﻳـﺎ ﻟﻴﺴـﺖ ﻗﺎمئـﺔ‪ ،‬وﻗـﺪ ﻳـﺘﻢ‬
‫اﺳﺘﺨﺪام اﻟﺘﺪوﻳﺮ اﳌﺎﺋﻞ ﺑﻬﺪف ﻣﻘﺎرﻧﺔ ﻧﺘﺎﺋﺠﻪ ﺑﻨﺘﺎﺋﺞ اﻟﺘﺪوﻳﺮ اﳌﺘﻌﺎﻣﺪ واﳌﻔﺎﺿﻠﺔ ﺑﻴﻨﻬام‪ ،‬أو ﻟﻠﺘﻮﺻـﻞ إﱃ‬
‫اﺳﺘﻨﺘﺎﺟﺎت ﻣﻌﻴﻨﺔ‪ ،‬أو رمبﺎ ﻳﺮﻳﺪ اﻟﺒﺎﺣﺚ ﺗﺤﺪﻳﺪ وﺗﻔﺴري أﺑﺴﻂ ﺗﻜﻮﻳﻦ ﻣﻤﻜﻦ ﻟﻠﺒﻨﻴﺔ اﻟﻌﺎﻣﻠﻴـﺔ واﻟﺘﻮﺻـﻞ‬
‫إﱃ ﻋﻼﻗﺎت ﺳﺒﺒﻴﺔ‪.‬‬

‫وﻣﻦ أﺑـﺮز ﻃـﺮق اﻟﺘـﺪوﻳﺮ اﳌﺎﺋـﻞ ﻧـﺬﻛﺮ‪ :‬ﻃﺮﻳﻘـﺔ )‪ ،(Promax‬وﻛـﺬﻟﻚ ﻃﺮﻳﻘـﺔ )‪ ،(Oblimax‬وﻃﺮﻳﻘـﺔ‬
‫اﺳـﺘﺨﺪاﻣﺎ‪ .‬وﰲ ﻫـﺬه‬
‫ً‬ ‫)‪ (Binormamin‬وﻏري ذﻟﻚ ﻣﻦ اﻟﻄﺮق‪ ،‬وإن ﻛﺎﻧﺖ ﻃﺮﻳﻘـﺔ )‪ (Promax‬ﻫـﻲ اﻷﻛـرث‬
‫ﺑﺪﻻ ﻣﻦ اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ‪ ،‬وإﺟﺮاء‬
‫اﻟﻄﺮﻳﻘﺔ ﺗﻮﺿﻊ ﻗﻴﻢ اﻻﺷﱰاﻛﺎت ﰲ اﻟﺨﻼﻳﺎ اﻟﻘُﻄﺮﻳﺔ ﳌﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎﻃﺎت ً‬
‫اﻟﺘﺪوﻳﺮ اﳌﺎﺋﻞ ﻋﲆ اﳌﺼﻔﻮﻓﺔ اﻟﻌﺎﻣﻠﻴﺔ اﻟﻨﺎﺗﺠﺔ‪.‬‬

‫ﺳﺎدﺳﺎ‪ :‬ﺗﺴﻤﻴﺔ اﻟﻌﻮاﻣﻞ وﺗﻔﺴريﻫﺎ‬

‫ً‬
‫ــﺎﺋﻼ‪ ،‬واﻟﺘﻮﺻــﻞ إﱃ ﻣﺼــﻔﻮﻓﺔ‬
‫ــﺪا أو ﻣ ً‬
‫ﺑﻌــﺪ اﺳــﺘﺨﻼص اﻟﻌﻮاﻣــﻞ وﺗــﺪوﻳﺮﻫﺎ ﺗــﺪوﻳ ًﺮا ﻣﺘﻌﺎﻣ ً‬
‫اﻟﺘﺸﺒﻌﺎت اﻟﻌﺎﻣﻠﻴﺔ ﺑﻌﺪ اﻟﺘﺪوﻳﺮ‪ ،‬ﻳﻨﺒﻐﻲ ﺗﻔﺴري اﻟﺒﻨﻴﺔ اﻟﻌﺎﻣﻠﻴﺔ اﻟﻨﺎﺗﺠﺔ ﻋﻦ اﻟﺘﺤﻠﻴـﻞ‪ ،‬وإﺿـﻔﺎء‬

‫‪-332-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻣﻌﻨﻰ ﻋﲆ اﻟﻌﻮاﻣﻞ ﺑﺤﺴﺐ ﻣﺠﺎل اﻟﺪراﺳﺔ‪ ،‬وذﻟﻚ ﺑﺘﺴﻤﻴﺔ اﻟﻌﻮاﻣﻞ ﺗﺴﻤﻴﺔ ﻣﻨﺎﺳﺒﺔ‪ ،‬واﻻﺳﺘﻌﺎﻧﺔ ﺑﺎﻟﺘﻤﺜﻴـﻞ‬
‫اﻟﺒﻴﺎين ﻟﺘﻮﺿﻴﺤﻬﺎ واﺳـﺘﻴﻌﺎﺑﻬﺎ‪ .‬وﺗﻌﺘﻤـﺪ ﺗﺴـﻤﻴﺔ اﻟﻌﻮاﻣـﻞ )‪ (Naming Factors‬ﻋـﲆ اﻟﻬـﺪف ﻣـﻦ اﻟﺘﺤﻠﻴـﻞ‬
‫وﻣﻨﻈﻮر اﻟﺒﺎﺣﺚ ﻓﻴام ﻳﺘﻌﻠﻖ ﺑﻬﺬه اﻟﻌﻮاﻣـﻞ‪ ،‬ﻓﻘـﺪ ﻳﻬـﺪف اﻟﺒﺎﺣـﺚ‪ -‬ﻣـﻦ اﺳـﺘﺨﺪام اﻟﺘﺤﻠﻴـﻞ اﻟﻌـﺎﻣﲇ ‪-‬‬
‫ﺗﻮﺿﻴﺢ ﻣﻔﺎﻫﻴﻢ ﻣﻔﻴﺪة ﰲ ﻣﺠﺎل ﻳﻔﺘﻘﺮ إﱃ اﳌﻔﺎﻫﻴﻢ اﻟﻮاﺿﺤﺔ‪ ،‬وﺑﻌـﺾ اﻟﺒـﺎﺣﺜني ﻳﻬـﺪف إﱃ اﻟﺘﻮﺻـﻞ إﱃ‬
‫ﻋﻼﻗﺎت ﻋﻠّﻴـﺔ )ﺳـﺒﺒﻴﺔ( ﺗﻔﺴــﺮ أﺳـﺒﺎب ﻇـﺎﻫﺮة ﻣﻌﻴﻨـﺔ‪ ،‬ﻓﻔـﻲ اﻟﺤﺎﻟـﺔ اﻷوﱃ ﺗﺼـﻒ اﻟﻌﻮاﻣـﻞ )‪(Factors‬‬
‫اﻟﻌﻼﻗﺎت اﻟﻘﺎمئﺔ ﺑني اﳌﺘﻐريات‪ ،‬وﺗﺼﻨﻔﻬﺎ ﰲ ﺿﻮء اﻟﺘﺴﻤﻴﺔ اﻟﺘﻲ ﻳﻘﱰﺣﻬﺎ اﻟﺒﺎﺣﺚ‪ ،‬أﻣﺎ ﰲ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻧﻴﺔ ﻓﺈن‬
‫اﻟﺒﺎﺣﺚ ﻳﻨﻈﺮ إﱃ اﻟﻌﻮاﻣﻞ ﻛﺄﺳﺒﺎب ﺗﻨﻄﻮي ﻋﻠﻴﻬﺎ ﻫﺬه اﻟﻌﻼﻗﺎت‪ ،‬وﺗﻜﻮن اﻟﺘﺴﻤﻴﺔ ﻣﺘﻌﻠﻘﺔ ﺑﻬﺬه اﻷﺳﺒﺎب‪،‬‬
‫وﰲ ﺑﻌﺾ اﻟﺤﺎﻻت اﻷﺧﺮى رمبﺎ ﻻ ﻳﺤﺎول اﻟﺒﺎﺣﺚ ﺗﺴﻤﻴﺔ اﻟﻌﻮاﻣﻞ أو إﺿﻔﺎء ﻣﻌﻨﻰ ﻣﻌني ﻋﻠﻴﻬﺎ‪ ،‬وإمنﺎ ﻳﺮﻣﺰ‬
‫ﻟﻬﺬه اﻟﻌﻮاﻣﻞ ﺑﺮﻣﻮز ﻣﻌﻴﻨﺔ‪ ،‬وﻳﻮﺿﺢ ﻓﻘﻂ ﺗﺸﺒﻌﺎﺗﻬﺎ ﺑﺒﻌﺾ اﻟﻌﻮاﻣﻞ‪.‬‬

‫ﺳﺎﺑﻌﺎ‪ :‬أﺑﺮز اﻷﺧﻄﺎء ﰲ ﺗﻄﺒﻴﻖ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‬

‫ً‬
‫إن اﻟﺪراﺳﺔ اﻟﻌﺎﻣﻠﻴﺔ ﻻ ﺑﺪ أن ﺗﺮﺗﻜﺰ ﻋـﲆ أﻫـﺪاف وﻓـﺮوض ‪ /‬ﺗﺴـﺎؤﻻت واﺿـﺤﺔ وﻣﺤـﺪدة وﻗﺎﺑﻠـﺔ‬
‫ﻟﻠﻘﻴﺎس وذات دﻻﻟﺔ ﳌﻮﺿﻮع اﻟﺪراﺳﺔ وأﻫﺪاﻓﻬﺎ وإﻃﺎرﻫـﺎ اﻟﻨﻈـﺮي‪ ،‬ﻛـام أن اﻟﺪراﺳـﺔ اﻟﻌﺎﻣﻠﻴـﺔ ﺗﺘﻄﻠـﺐ‬
‫اﻟﺘﺤﺪﻳﺪ اﻟﺪﻗﻴﻖ ﻟﻠﻤﺘﻐريات وﻛﻔﺎءة اﺧﺘﻴﺎر ﻣﻔﺮدات اﻟﻌﻴﻨﺔ واﻟﺤﺠﻢ اﳌﻨﺎﺳﺐ‪ ،‬وﻛﺬﻟﻚ دﻗﺔ ﺗﺼـﻤﻴﻢ أداة‬
‫‪ /‬أدوات اﻟﻘﻴﺎس‪.‬‬

‫وﺑﻌﺪ ﻣﺮﺣﻠﺔ إدﺧﺎل اﻟﺒﻴﺎﻧﺎت ﻳﺘﻌني ﻓﺤﺺ ﻫﺬه اﻟﺒﻴﺎﻧﺎت وﻣﺮاﺟﻌﺘﻬﺎ واﺳﺘﺨﺮاج اﻟﻨﺴﺐ واﻟﺘﻜـﺮارات‪،‬‬
‫ﺛـﻢ ﺗﻜـﻮﻳﻦ ﻣﺼـﻔﻮﻓﺔ‬
‫واﻟﺘﺄﻛﺪ ﻣﻦ أﻧﻬﺎ ﺳﻠﻴﻤﺔ وﻣﺘﻜﺎﻣﻠـﺔ‪ ،‬وﺗﻔﺤـﺺ ﺧﺼﺎﺋﺼـﻬﺎ وﻧﺰﻋﺘﻬـﺎ اﳌﺮﻛﺰﻳـﺔ؛ وﻣـﻦ ّ‬
‫إﺣﺼـﺎﺋﻴﺎ أو ﻣﻨﺨﻔﻀـﺔ اﻟﻘﻴﻤـﺔ‪،‬‬
‫ّ‬ ‫اﻻرﺗﺒﺎﻃﺎت اﻟﻌﺎﻣﻠﻴﺔ‪ ،‬وإذا ﺗﺒني أن ﻫﻨﺎك ﻣﻌﺎﻣﻼت ارﺗﺒﺎط ﻛﺜرية ﻏري داﻟـﺔ‬
‫ﻓﺈن ذﻟـﻚ ﻳﻌﻨـﻲ إﻋـﺎدة اﻟﺘﻔﻜـري ﰲ اﺳـﺘﺨﺪام اﻟﺘﺤﻠﻴـﻞ اﻟﻌـﺎﻣﲇ )ﺑﺎﻟﻌـﺪول ﻋﻨـﻪ ﻛﻠﻴـﺔ أو إﻋـﺎدة ﺗﺸـﻔري‬
‫اﻟﺒﻴﺎﻧﺎت(‪.‬‬

‫‪-333-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻛام ﻳﺘﻌني أن ﻳﻜﻮن اﻟﺒﺎﺣﺚ ﻋﲆ وﻋﻲ ﺗﺎم ﺑﺸﺄن ﻣﺎ إذا ﻛﺎن ﻳﺴﺘﺨﺪم اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ اﻻﺳﺘﻜﺸﺎﰲ أو‬
‫اﻟﺘﺄﻛﻴﺪي‪ ،‬وأن ﻳﺤﺪد ﻃﺮﻳﻘﺔ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ اﳌﻨﺎﺳﺒﺔ‪ ،‬وﻳﻘﺮر أن ﻳﺤﺪد ﻋـﺪد اﻟﻌﻮاﻣـﻞ أو ﻻ ﻳﺤـﺪد ﻫـﺬا‬
‫اﻟﻌﺪد‪ ،‬وﻳﺨﺘﺎر ﻃﺮﻳﻘﺔ اﻟﺘﺪوﻳﺮ اﳌﻨﺎﺳﺒﺔ وﻓﻖ ﻣﻌﺎﻳري ﻋﻠﻤﻴﺔ‪ ،‬ومبﻮﺟﺐ ﺗﻨﻔﻴﺬ ﻫـﺬه اﻹﺟـﺮاءات واﻟﺤﺼـﻮل‬
‫ﻋﲆ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬ﻳﻜﻮن ﻋﲆ اﻟﺒﺎﺣﺚ ﺗﻨﻈﻴﻤﻬﺎ وﺟـﺪوﻟﺘﻬﺎ وﺗﻔﺴـريﻫﺎ ﰲ ﺿـﻮء ﻣﻮﺿـﻮع اﻟﺪراﺳـﺔ‬
‫وأﻫﺪاﻓﻬﺎ وﺗﺴﺎؤﻻﺗﻬﺎ وﻓﺮوﺿﻬﺎ وﺧﻠﻔﻴﺘﻬﺎ اﻟﻨﻈﺮﻳﺔ‪.‬‬

‫ﻫﺬه ﻣﺘﻄﻠﺒﺎت أﺳﺎﺳﻴﺔ ﻋﻨﺪ ﺗﻄﺒﻴﻖ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪ ،‬وإذا ﻛﺎن اﻹﺧﻼل ﺑﻬﺬه اﳌﺘﻄﻠﺒﺎت ﻳﻨﻄﻮي ﻋﲆ‬
‫أﺧﻄﺎء ﺟﺴﻴﻤﺔ‪ ،‬ﻓﺈﻧﻪ ﻳﻌﻜﺲ ﺳﻮء ﻓﻬـﻢ ﻫـﺬا اﻟﺘﺤﻠﻴـﻞ وﻣﺘﻄﻠﺒﺎﺗـﻪ‪ ،‬ﻓﻤـﻦ ﻣﻈـﺎﻫﺮ ﺳـﻮء اﻟﻔﻬـﻢ أن ﻳﻘـﻮم‬
‫اﻟﺒﺎﺣﺚ ﺑﺈﺟﺮاء اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ دون اﻻﺳﺘﻨﺎد إﱃ ﺗﺼﻤﻴﻢ ﻋﻠﻤـﻲ دﻗﻴـﻖ ﻳﺄﺧـﺬ ﺑﻌـني اﻻﻋﺘﺒـﺎر اﻟﺨﻄـﻮات‬
‫اﳌﺮﺣﻠﻴﺔ اﳌﻄﻠﻮﺑﺔ‪ ،‬وﻛﻴﻔﻴﺔ ﺗﻨﻔﻴﺬﻫﺎ ﻋﲆ اﻟﻨﺤﻮ اﻟﺴﻠﻴﻢ‪ ،‬ﻛﺄن ﻳﻘﻮم اﻟﺒﺎﺣﺚ مبﺠﺮد ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت وإدﺧﺎﻟﻬـﺎ‬
‫إﺣﺼﺎﺋﻴﺎ دون دراﻳﺔ ﻛﺎﻓﻴﺔ مبﺘﻄﻠﺒﺎت إﺟﺮاء اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ودون وﻋﻲ ﺑﺎﻟﱪاﻣﺞ‬
‫ّ‬ ‫ﰲ اﻟﺤﺎﺳﻮب وﻣﻌﺎﻟﺠﺘﻬﺎ‬
‫اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة وﻛﻴﻔﻴﺔ اﻻﺳﺘﺨﺪام اﻷﻣﺜﻞ ﻟﻬﺎ‪،‬وﻣﺎ ﺗﻌﻨﻴﻪ ﻣﺨﺮﺟﺎﺗﻬـﺎ وﻛﻴﻔﻴـﺔ ﺗﻨﻈـﻴﻢ ﻫـﺬه اﳌﺨﺮﺟـﺎت‬
‫واﻻﺳﺘﻔﺎدة ﺑﻬﺎ‪..‬ﻛﻞ ذﻟﻚ ﻳﺠﻌﻞ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﻟﻠﺒﻴﺎﻧﺎت ﻋﻤﻠﻴﺔ آﻟﻴﺔ ﺧﺎﻃﺌﺔ ﺗﺴﻔﺮ ﻋﻦ ﻧﺘـﺎﺋﺞ ﻣﻀـﻠﻠﺔ أو‬
‫ﻏري ذات ﻣﻌﻨﻰ‪ .‬ﺑﺎﻹﺿﺎﻓﺔ إﱃ ذﻟـﻚ ﻫﻨـﺎك ﻣﺠﻤﻮﻋـﺔ ﻣـﻦ اﻷﺧﻄـﺎء اﻟﺸـﺎﺋﻌﺔ ﰲ اﻟﺘﺤﻠﻴـﻞ اﻟﻌـﺎﻣﲇ ﻧﺨـﺺ‬
‫ﺑﺎﻟﺬﻛﺮ‪:‬‬

‫)‪ (1‬ﻋﺪم اﻟﺘﺤﻘﻖ ﻣﻦ اﻻﻓﱰاﺿﺎت اﻟﺘﻲ ﻳﺘﻄﻠﺒﻬﺎ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﰲ اﻟﺒﻴﺎﻧﺎت‪ ،‬واﳌﺘﻌﻠﻘـﺔ مبﺴـﺘﻮى ﻗﻴـﺎس‬
‫ﺷـﺪﻳﺪا أو‬
‫ً‬ ‫اﳌﺘﻐريات وﺷﻜﻞ ﺗﻮزﻳﻌﺎﺗﻬﺎ‪ ،‬ﻓﺒﻌﺾ اﻟﺒﺎﺣﺜني ﻳﺴﺘﺨﺪم ﻣﺘﻐريات ﺗﻮزﻳﻌﺎﺗﻬﺎ ﻣﻠﺘﻮﻳﺔ اﻟﺘـﻮاء‬
‫ً‬
‫ﻣﺘﻄﺮﻓﺎ‪ ..‬ﻟﺬﻟﻚ ﻣﻦ اﻟﻀــﺮوري ﻓﺤـﺺ ﺗﻮزﻳـﻊ‬ ‫ﺗﻘﺴﻴام ﺛﻨﺎﺋﻴّﺎ‬
‫ً‬ ‫ﻣﺒﺘﻮرة‪ ،‬أو ﻣﺘﻌﺪدة اﳌﻨﻮال‪ ،‬أو ﻣﻘﺴﻤﺔ‬
‫اﻟﺒﻴﺎﻧﺎت وﺧﺼﺎﺋﺼﻬﺎ وﻧﺰﻋﺘﻬﺎ اﳌﺮﻛﺰﻳﺔ‪ ،‬وإﻋﺎدة ﺗﺸﻔريﻫﺎ إذا ﺗﻄﻠﺐ اﻷﻣﺮ ذﻟﻚ‪ ،‬ﻛـام ﻳﺘﻌـني اﻟﺘﺤﻘـﻖ‬
‫اﻹﺣﺼــﺎيئ ﻣــﻦ ﻋﺎﻣﻠﻴــﺔ اﻟﺒﻴﺎﻧــﺎت )‪ ،(Factorability of Data‬وﻫﻨــﺎك اﺧﺘﺒــﺎر ﰲ ﻫــﺬا اﻟﺸــﺄن ﻫــﻮ‬

‫‪-334-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﺧﺘﺒﺎر ‪ ،Barlett‬وﻳﺘﻌني إﺟﺮاء ﻫﺬا اﻻﺧﺘﺒﺎر ﻟﻠﺘﺄﻛـﺪ ﻣـﻦ أن اﻟﺒﻴﺎﻧـﺎت ﺻـﺎﻟﺤﺔ ﻟﻠﺘﺤﻠﻴـﻞ اﻟﻌـﺎﻣﲇ‪،‬‬
‫إﺣﺼﺎﺋﻴﺎ ﻋﻨﺪ ﻣﺴﺘﻮى ‪ 0.05‬ﻋﲆ اﻷﻗﻞ )‪.(p < 0.05‬‬
‫ّ‬ ‫وﻳﻜﻮن ذﻟﻚ إذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ ﻫﺬا اﻻﺧﺘﺒﺎر داﻟﺔ‬

‫اﺳﺔ‪،‬ﻓﺄﺣﻴﺎﻧﺎ ﺗﻜﻮن اﻟﻌﻴﻨﺔ ﻣﺘﺤﻴﺰة ‪ /‬ﻏري ﻣﻤﺜﻠﺔ ﻟﻠﻤﺠﺘﻤﻊ اﳌﺴﺘﻬﺪف أو ﻏري‬

‫ً‬ ‫)‪ (2‬ﺳﻮء اﺧﺘﻴﺎر ﻋﻴﻨﺔ اﻟﺪر‬
‫ذﻟﻚ ﻣﻦ اﻷﺧﻄﺎء واﳌﺜﺎﻟﺐ ﰲ ﻃﺮﻳﻘﺔ اﺧﺘﻴﺎر اﻟﻌﻴﻨﺔ‪ .‬وﻳﺘﺼﻞ ﺑﻬﺬه اﻟﻨﻘﻄﺔ ﻣﺴﺄﻟﺔ ﺣﺠﻢ اﻟﻌﻴﻨـﺔ‪،‬‬
‫ﺟﺪﻻ ﺑﺸﺄن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﰲ اﻟﺒﺤﻮث اﻟﻌﺎﻣﻠﻴﺔ ﻟﻜﻦ أﻗﻞ اﻟـﺮؤى ً‬
‫ﺗﻄﺮﻓـﺎ ﰲ ﻫـﺬا‬ ‫ﺻﺤﻴﺢ أن ﻫﻨﺎك ً‬
‫اﻟﺸﺄن ﺗﺮى أن اﻟﺤﺪ اﻷدىن ﻟﻌﺪد ﻣﻔﺮدات اﻟﻌﻴﻨﺔ ﻳﱰاوح ﻣـﺎ ﺑـني ‪ 100‬إﱃ ‪ 150‬ﻣﻔـﺮدة‪ ،‬وﺑﺎﻟﺘـﺎﱄ‬
‫ﻓﺈن اﻟﻌﻴﻨﺔ اﻷﻗﻞ ﻣﻦ ذﻟﻚ ﻻ ﺗﺼﻠﺢ ﺑﻴﺎﻧﺎﺗﻬﺎ ﻟﻠﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪ ،‬وﻫﻨﺎك َﻣﻦ ﻳـﺮى أن ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ‬
‫إﱃ ﻋﺪد ﺑﻨﻮد اﻻﺳﺘﺒﻴﺎن ﻳﻜﻮن ﻣﻦ ‪ 10‬إﱃ ‪ 1‬مبﻌﻨﻰ ﻋﴩ ﻣﻔﺮدات ﻣﻘﺎﺑﻞ اﻟﺒﻨﺪ اﻟﻮاﺣﺪ )ﻓﺈذا ﻛﺎن‬
‫ﺑﻨﺪا‪ ،‬ﻓﻴﺠـﺐ أﻻ ﻳﻘـﻞ ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ‬
‫اﻻﺳﺘﺒﻴﺎن – أو اﻟﺒﻨﻮد اﻟﺘﻲ ﺳﺘﺨﻀﻊ ﻟﻠﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ – ‪ً 30‬‬
‫ﻋﻦ ‪ 300‬ﻣﻔﺮدة‪ ،‬وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ أن ﺑﻌﺾ اﻹﺣﺼﺎﺋﻴني ﻳﺮى أن اﻟﺘﺤﻠﻴﻞ اﻟﻌـﺎﻣﲇ ميﻜـﻦ إﺟـﺮاؤه‬
‫ﻋﲆ ﻋﻴﻨﺎت أﻗﻞ ﻣﻦ ‪ 100‬ﻣﻔﺮدة‪ ،‬إﻻ أﻧﻬﻢ ﻳﺆﻛﺪون ﻋﲆ ﺿﻌﻒ اﻟﺜﻘﺔ ﰲ اﻟﻨﺘـﺎﺋﺞ اﳌﺴـﺘﻤﺪة ﻣـﻦ‬
‫ﺗﻠﻚ اﻟﻌﻴﻨﺎت )‪ ،(Prayman &Cramer,1999, p.273‬وﻫﻨﺎك اﺧﺘﺒﺎرات إﺣﺼﺎﺋﻴﺔ ﻟﻠﺘﺄﻛﺪ ﻣـﻦ ﻛﻔـﺎءة‬
‫اﻟﻌﻴﻨﺔ ﰲ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ‪ ،‬أﻫﻤﻬـﺎ اﺧﺘﺒـﺎر)‪ (Kaiser-Myer-Olkin‬واﳌﻌـﺮوف اﺧﺘﺼـﺎ ًرا )‪،(KMO‬‬
‫وﺗﱰاوح ﻗﻴﻤﺔ ﻫﺬا اﳌﺆﴍ ﻣﺎﺑني اﻟﺼﻔﺮ واﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ؛ وﻟيك ﺗﻜﻮن اﻟﻌﻴﻨـﺔ ﻣﻨﺎﺳـﺒﺔ ﻳﺠـﺐ أﻻ‬
‫ﻳﻘﻞ اﳌﺆﴍ ﻋﻦ ‪ 0.6‬ﻛﺤﺪ أدىن‪.‬‬

‫ﻳﺘﺼﻞ ﺑﺎﻟﻌﻴﻨﺔ أﻳﻀﺎ ﻫﺪف اﻟﺪراﺳﺔ ﻓﻴام ﻳﺘﻌﻠﻖ ﺑﺘﻔﺴري اﻟﻌﻮاﻣﻞ‪ ،‬ﻓـﺈذا ﻛـﺎن ﺗﻔﺴـري اﻟﻌﻮاﻣـﻞ‬
‫ﻳﺘﻌﻠﻖ ﺑﺎﻟﻔﺮوق اﻟﻔﺮدﻳﺔ ﻣﻦ ﺣﻴﺚ ﺳﻠﻮك ﻣﻌني ﻟﺪى ﻓﺌﺔ ﻋﻤﺮﻳـﺔ ﻣﻌﻴﻨﺔ‪،‬ﻓﺈﻧـﻪ ﻳﻨﺒﻐـﻲ أن ﺗﻜـﻮن‬
‫ﻧﺴﺒﻴﺎ ﰲ اﻟﻌﻤﺮ‪ ،‬أﻣﺎ إذا ﻛـﺎن ﺗﻔﺴـري اﻟﻌﻮاﻣـﻞ ﻳﺘﻌﻠـﻖ ﺑـﺎﻟﻔﺮوق اﻟﻌﻤﺮﻳـﺔ ﻣـﻦ‬
‫اﻟﻌﻴﻨﺔ ﻣﺘﺠﺎﻧﺴﺔ ّ‬
‫ﺣﻴﺚ ﺳﻠﻮك ﻣﻌني‪ ،‬ﻓﺈن اﻟﻌﻴﻨﺔ ﻳﻨﺒﻐﻲ أن ﺗﻜﻮن ﻣﻤﺜﻠﺔ ﻟﻔﺌﺎت ﻋﻤﺮﻳﺔ ﻣﺘﺒﺎﻳﻨـﺔ‪ ،‬وإذا اﺳـﺘﺨﺪﻣﺖ‬

‫‪-335-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻛـﻞ ﻣـﻨﻬام إﱃ درﺟـﺎت ﻣﻌﻴﺎرﻳـﺔ ﻗﺒـﻞ‬

‫اﻟﺪراﺳﺔ ﻋﻴﻨﺔ ﻣﺸﱰﻛﺔ ﻣﻦ اﻟﺒﻨني واﻟﺒﻨﺎت‪ُ ،‬ﻳﻔﻀﻞ ﺗﺤﻮﻳﻞ درﺟـﺎت ﱟ‬
‫إﻳﺠﺎد ﻗﻴﻢ ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط‪ ،‬وﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﻨﺒﻐﻲ إدﺧﺎل )اﻟﻨﻮع( ﻛﻤﺘﻐري ﰲ ﻋﻤﻠﻴﺎت اﻟﺘﺤﻠﻴﻞ‪ ،‬وﻋـﺰل‬
‫أﺛﺮه‪ ،‬ﺛﻢ إﺟﺮاء اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ ﻋﲆ ﻣﺼﻔﻮﻓﺔ اﻟﺒﻮاﻗﻲ‪.‬‬

‫)‪ (3‬اﺳﺘﺨﺪام ﺑﻴﺎﻧﺎت ﺗﺘﻌﻠﻖ مبﺘﻐريات ﻣﺘﺪاﺧﻠﺔ )ﻏري ﻣﺴﺘﻘﻠﺔ(‪ ،‬ﻛﺄن ﻳﻜﻮن أﺣﺪ اﳌﺘﻐريات ﻣﺮ ً‬
‫ﻛﺒﺎ أو‬
‫ﺗﺠﻤﻴﻌﻴﺎ ﳌﺘﻐريات أﺧﺮى‪ ،‬أو أن ﺗﻜﻮن اﻻﺳﺘﺠﺎﺑﺔ ﻋﲆ ﺑﻨﺪ ﻣﻌني ﺗﻌﺘﻤﺪ ﻋﲆ اﻻﺳﺘﺠﺎﺑﺔ ﻋﲆ ﺑﻨﺪ‬
‫ّ‬
‫آﺧﺮ‪ ،‬وﻛﺬﻟﻚ اﺳﺘﺨﺪام ﻣﺘﻐـريات ﻣﺘﺪاﺧﻠـﺔ ‪/‬ﻏـري ﻣﺘامﻳـﺰة ﻣـﻦ ﺣﻴـﺚ اﻟﺴـﻠﻮك أو اﻟﺼـﻔﺔ أو‬
‫اﻟﺨﺎﺻﻴﺔ ﻣﺤﻞ اﻟﻘﻴﺎس‪ ،‬وﻳﺪﺧﻞ ﺿﻤﻦ ﻫﺬا اﻟﺨﻄﺄ اﺳﺘﺨﺪام ﺻﻮرﺗني ﻣﺘﻜﺎﻓﺌﺘني ﻣﻦ اﺧﺘﺒـﺎر أو‬
‫واﺣـﺪا‪ ..‬ﻛـﻞ ذﻟـﻚ ﻳﻨـﺘﺞ‬
‫ً‬ ‫ﻣﻘﻴﺎﺳـﺎ‬
‫ً‬ ‫ﻣﻘﻴﺎس ﻣﻌني‪ ،‬ﺛﻢ ﻣﻌﺎﻟﺠﺔ اﻟﺒﻴﺎﻧﺎت ﻋﺎﻣﻠﻴّﺎ ﺑﺎﻋﺘﺒﺎر اﻟﺼﻮرﺗني‬
‫ﻋﻨﻪ ﻣﻌﻄﻴﺎت إﺣﺼﺎﺋﻴﺔ ﻏري دﻗﻴﻘﺔ أو ﻏري ذات ﻣﻌﻨﻰ‪ ،‬واﻟﺤﺼﻮل ﻋـﲆ ﻋﻮاﻣـﻞ ﻣـﻦ اﳌﺴـﺘﻮى‬
‫اﻷدىن ﰲ اﻟﺘﻨﻈﻴﻢ اﻟﻬﺮﻣﻲ ﻟﻠﻌﻮاﻣﻞ )ﻋﻮاﻣﻞ ﻏري ذات ﻗﻴﻤﺔ أو ﻻ ﻣﻌﻨﻰ ﻟﻬﺎ(‪.‬‬

‫ﺿﻌﻒ أو ﻋﺪم ﻛﻔﺎءة اﳌﺘﻐريات ‪/‬اﻟﺒﻨﻮد اﻟﺘـﻲ ﺗﺸـﻜﻞ اﻻﺳـﺘﺒﻴﺎن أو اﻻﺧﺘﺒـﺎر ﻣـﻦ ﺣﻴـﺚ‬ ‫)‪(4‬‬
‫ﺷﻤﻮﻟﻬﺎ ومتﺎﻳﺰﻫﺎ وﺗﺮﻛﻴﺰﻫﺎ ﰲ اﳌﻮﺿـﻮع اﳌـﺮاد ﻗﻴﺎﺳـﻪ؛ ﺣﻴـﺚ ﻳﻨـﺘﺞ ﻋـﻦ ذﻟـﻚ ﻗﻠـﺔ ﻋـﺪد‬
‫اﻟﻌﻮاﻣﻞ اﳌﺴﺘﺨﻠﺼﺔ؛ ﻣام ﻳـﺆدي إﱃ ﺻـﻌﻮﺑﺎت ﰲ ﺗـﺪوﻳﺮ اﻟﻌﻮاﻣـﻞ ﻟـيك ﺗﺤﻘـﻖ ﻣﺤﻜـﺎت‬
‫اﻟﺘﻜﻮﻳﻦ اﻟﺒﺴﻴﻂ؛ ﻟﺬﻟﻚ ﻳﻨﺒﻐﻲ أن ﻳﺼﻤﻢ اﻟﺒﺎﺣﺚ دراﺳﺘﻪ؛ ﺑﺤﻴﺚ ﻳﻜـﻮن ﻋـﺪد اﳌﺘﻐـريات‬
‫ﻧﺴﺒﻴﺎ ﻋﲆ اﻷﻗﻞ‪ .‬ﻛام أن ﻋﺪم اﻻﻫﺘامم‬ ‫ﻛﺎﻓﻴﺎ ﻻﺳﺘﺨﻼص ﻋﺪد ٍ‬
‫ﻛﺎف ﻣﻦ اﻟﻌﻮاﻣﻞ اﳌﺘﻌﺎﻣﺪة ّ‬ ‫ً‬
‫اﻟﻜﺎﰲ ﺑﺘﺼﻤﻴﻢ اﻻﺳﺘﺒﻴﺎن ﻳﻨـﺘﺞ ﻋﻨـﻪ ﻣﺸـﻜﻠﺔ أﺧـﺮى ﺗﺘﻌﻠـﻖ ﺑﻌـﺪد اﳌﺘﻐـريات اﳌﺘﺸـﺒﻌﺔ‬
‫ﺑﺎﻟﻌﻮاﻣﻞ‪ ،‬ﻓﺎﻟﻌﺎﻣﻞ اﻟﻮاﺣﺪ ‪ -‬ﻟيك ﻳﻌﺘﺪ ﺑﻪ‪ -‬ﻳﺠﺐ أن ﺗﺘﺸﺒﻊ ﺑﻪ ﺛﻼﺛﺔ ﻣﺘﻐريات ﻋﲆ اﻷﻗﻞ‪،‬‬
‫ﻏري أن اﻟﺒﺎﺣﺚ ﻗﺪ ﻳﻔﺎﺟﺄ ﺑﺄن ﺑﻌﺾ اﻟﻌﻮاﻣﻞ ﺗﺘﺸـﺒﻊ ﺑﻬـﺎ أﻗـﻞ ﻣـﻦ ﺛﻼﺛـﺔ ﻣﺘﻐـريات‪ ،‬وﻫـﺬا‬
‫ﻳﺘﻄﻠﺐ إﻋﺎدة اﻟﻨﻈﺮ ﰲ ﺗﺼﻤﻴﻢ اﻟﺒﺤﺚ ﻛﻠﻴﺔ‪ ،‬ﻣﻊ اﻟﺘـﺪﻗﻴﻖ ﰲ ﺗﺼـﻤﻴﻢ أداة ﺟﻤـﻊ اﻟﺒﻴﺎﻧـﺎت‬
‫واﺳﺘﻴﻌﺎب اﻹﻃﺎر اﻟﻨﻈﺮي )أو إﻋﺎدة اﻟﻨﻈﺮ ﻓﻴﻪ( ﺣﺘﻰ ﻳﺘﺴﻨﻰ ﻟﻠﺒﺎﺣﺚ ﺗﻮﻗﻊ ﻋﺪد اﻟﻌﻮاﻣـﻞ‬

‫‪-336-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻣﺘﻌﺎدﻻ ﻋﲆ اﻟﻌﻮاﻣﻞ‪.‬‬
‫ً‬ ‫ﺗﻮزﻳﻌﺎ ﻣﻨﻄﻘﻴّﺎ ‪/‬‬
‫ً‬ ‫اﳌﺴﺘﺨﻠﺼﺔ وﻣﺎ إذا ﻛﺎﻧﺖ اﳌﺘﻐريات‪ ،‬ﺳﺘﺘﻮزع‬

‫)‪ (5‬اﺳﺘﺨﺪام أﺳﺎﻟﻴﺐ إﺣﺼﺎﺋﻴﺔ ﻏري ﻣﻨﺎﺳﺒﺔ‪ ،‬ﻛﺄن ﻳﺴﺘﺨﺪم اﻟﺒﺎﺣﺚ ﻣﻌﺎﻣﻼت ارﺗﺒـﺎط ﻣﻌﻴﻨـﺔ دون‬
‫اﻟﺘﺤﻘﻖ ﻣﻦ أﻧﻬﺎ ﺗﻨﺎﺳﺐ اﻟﺒﻴﺎﻧﺎت‪ ،‬أو اﺳﺘﺨﺪام ﻗﻴﻢ اﺷﱰاﻛﻴﺎت ﻏري ﻣﻨﺎﺳﺒﺔ ﰲ اﻟﺨﻼﻳﺎ اﻟﻘُﻄﺮﻳـﺔ‬
‫ﳌﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎﻃﺎت )ﻛـﺄن ﻳﻀـﻊ اﻟﻮاﺣـﺪ اﻟﺼـﺤﻴﺢ ﰲ ﻫـﺬه اﻟﺨﻼﻳـﺎ ﻋﻨـﺪ اﺳـﺘﺨﺪام اﻟﺘﺤﻠﻴـﻞ‬
‫اﻟﻌﺎﻣﲇ ﳌﺠﻤﻮﻋﺎت أو اﻟﺘﺤﻠﻴﻞ اﻟﻄﺎﺋﻔﻲ )‪ (Group Factor Analysis‬ﻓﺎﻟﻮاﺣﺪ اﻟﺼـﺤﻴﺢ ﻳﺼـﻠﺢ‬
‫إذا اﺳــﺘﺨﺪم اﻟﺒﺎﺣــﺚ أﺳــﻠﻮب اﳌﻜﻮﻧــﺎت اﻟﺮﺋﻴﺴــﺔ )‪ ،(Principal Components‬وﻣــﻦ ﻣﻈــﺎﻫﺮ‬
‫اﻻﺳﺘﺨﺪام ﻏري اﻟﺼﺤﻴﺢ ﻟﻸﺳﺎﻟﻴﺐ اﻹﺣﺼﺎﺋﻴﺔ اﺳﺘﺨﺪام ﻃﺮق ﻏري ﻣﻨﺎﺳـﺒﺔ ﰲ ﺗـﺪوﻳﺮ اﳌﺼـﻔﻮﻓﺔ‬
‫اﻟﻌﺎﻣﻠﻴﺔ‪ ،‬أو اﺳﺘﺨﺪام اﻟﺘﺪوﻳﺮ اﳌﺘﻌﺎﻣﺪ ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﻟﺘﺪوﻳﺮ اﳌﺎﺋﻞ أﻛرث ﻣﻼءﻣﺔ ﻹﻋﻄﺎء ﻧﺘـﺎﺋﺞ‬
‫أﻓﻀﻞ‪ ،‬أو ﻋﺪم اﻻﺳﺘﻨﺎد إﱃ ﻣﺤﻜﺎت ﰲ ﻋﻤﻠﻴﺔ اﻟﺘﺪوﻳﺮ‪.‬‬

‫)‪ (6‬اﺳﺘﺨﺪام ﻣﺘﻐريات‪ /‬ﺑﻨﻮد ﻟﻴﺲ ﺑﺴﺒﺐ أﻫﻤﻴﺘﻬﺎ‪ ،‬وإمنﺎ ﻟﺘﻮاﻓﺮﻫـﺎ ﻟـﺪى اﻟﺒﺎﺣـﺚ؛ ﻣـام ﻳـﺆدي إﱃ‬
‫ﺗﻌﻘﻴﺪ إﺟﺮاءات ﺗﺪوﻳﺮ اﻟﻌﻮاﻣـﻞ وﺗﻔﺴـريﻫﺎ‪ ،‬وﻣﻌﻨـﻰ ذﻟـﻚ أن اﻟﺒﻨـﻮد اﻟﺘـﻲ ﻳﺸـﻤﻠﻬﺎ اﻟﺘﺤﻠﻴـﻞ‬
‫اﻟﻌﺎﻣﲇ ﻳﺠﺐ اﺧﺘﻴﺎرﻫﺎ ﺑﻌﻨﺎﻳﺔ‪ ،‬وأن ﺗﻜﻮن ﴐورﻳﺔ ﻟﻠﺒﺤـﺚ‪ ،‬ﻣـﻊ اﻷﺧـﺬ ﰲ اﻻﻋﺘﺒـﺎر أن ﻋـﺪد‬
‫ﻓﻤﺜﻼ ﻳﻨﺒﻐﻲ أن ﻳﻜـﻦ ﻫﻨـﺎك ﺧﻤﺴـﺔ‬
‫اﳌﺘﻐريات ﻳﺠﺐ أن ﻳﺰﻳﺪ ﻋﺪة ﻣﺮات ﻋﲆ ﻋﺪد اﻟﻌﻮاﻣﻞ ) ً‬
‫ﻣﺒﺪﺋﻴﺎ ﻟﻜﻞ ﻋﺎﻣـﻞ ﻣﺘﻮﻗـﻊ اﺳﺘﺨﻼﺻـﻪ(‪ ،‬ﻓـﺈذا ﻛـﺎن ﻫﻨـﺎك‬
‫ّ‬ ‫ﻣﺘﻐريات ﺟﻴﺪة وﻣﻨﺎﺳﺒﺔ ﻋﲆ اﻷﻗﻞ‬
‫ﻣﻘﻴﺎس ﻳﻘـﻴﺲ دواﻓـﻊ ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‪ ،‬وﻛـﺎن اﻟﺒﺎﺣـﺚ ﻳﺘﻮﻗـﻊ أو ﻳﻔـﱰض‪ -‬ﺑﻨـﺎء ﻋـﲆ‬
‫اﻋﺘﺒﺎرات ﻋﻠﻤﻴﺔ‪ -‬أن ﻫﺬه اﻟﺪواﻓﻊ ﻗﺪ ﺗﻜـﻮن ﻃﻘﻮﺳـﻴﺔ‪ ،‬وإﻣـﺎ أن ﺗﻜـﻮن ﻧﻔﻌﻴـﺔ‪ ،‬ﻓﻴﺠـﺐ أن‬
‫ﻳﻜﻮن ﻫﻨﺎك ﺧﻤﺴﺔ ﺑﻨﻮد ﻋﲆ اﻷﻗﻞ ﺗﻘﻴﺲ اﻟﺪواﻓﻊ اﻟﻄﻘﻮﺳﻴﺔ‪ ،‬وﺧﻤﺴﺔ ﺑﻨﻮد أﺧﺮى ﻋﲆ اﻷﻗﻞ‬
‫ﺗﻘﻴﺲ اﻟﺪواﻓﻊ اﻟﻨﻔﻌﻴﺔ‪.‬‬

‫‪-337-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻣﺜﻼ ﺗﻔﺴري اﻟﻌﺎﻣﻞ اﻷول اﻟﺬي ﻳﺘﻢ اﺳﺘﺨﻼﺻﻪ ﻋـﲆ أﻧـﻪ ﻋﺎﻣـﻞ‬
‫)‪ (7‬ﺳﻮء ﺗﻔﺴري اﻟﻌﻮاﻣﻞ‪ :‬ﻣﻦ ذﻟﻚ ً‬
‫ﻋﺎم‪ ،‬وإﻋﻄﺎء ﺗﺴﻤﻴﺔ ﻟﻠﻌﻮاﻣﻞ دون ﻓﺤﺺ ﻃﺒﻴﻌﺔ ﻫـﺬه اﻟﻌﻮاﻣـﻞ وﻣـﺎ ﻗـﺪ ﻳﺘﻄﻠﺒـﻪ ذﻟـﻚ ﻣـﻦ‬
‫أﻳﻀـﺎ ﺧﻄـﺄ ﻋـﺪم ﻓﺤـﺺ ﻣﺤﺘـﻮى‬
‫إﻋﺎدة اﻟﺘﺤﻘﻖ ﻣﻦ ﺻﺪق اﻟﺘﻜـﻮﻳﻦ اﻟﻔـﺮﴈ ﻟﻬـﺎ‪ ،‬وﻫﻨـﺎك ً‬
‫اﳌﺘﻐريات اﳌﺘﺸﺒﻌﺔ ﺑﻬﺎ اﻟﻌﻮاﻣﻞ؛ اﻷﻣﺮ اﻟﺬي ﻳﱰﺗﺐ ﻋﻠﻴـﻪ إﻋﻄﺎؤﻫـﺎ ﻣﺴـﻤﻴﺎت ﻏـري ﺻـﺤﻴﺤﺔ‪،‬‬
‫وﻫﺬا ﻳﻘﻮد إﱃ اﺳﺘﻨﺘﺎﺟﺎت ﻣﻀﻠﻠﺔ‬

‫اﳌﺒﺤﺚ اﻟﺨﺎﻣﺲ‬

‫ﺗﺤﻠﻴﻞ اﳌﺴﺎر‬

‫ﺗﺤﻠﻴﻞ اﳌﺴﺎر )‪ (Path Analysis‬ﻫﻮ أﺳﻠﻮب ﰲ ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧﺎت ﻻﺧﺘﺒﺎر ﺻﺤﺔ منﻮذج ﻳﻔﱰﺿـﻪ اﻟﺒﺎﺣـﺚ‬
‫ﻟﺘﻔﺴري اﻟﻌﻼﻗﺎت ﺑني اﳌﺘﻐريات ﻣﻮﺿﻊ اﻟﺒﺤﺚ ﺑﻄﺮﻳﻘـﺔ ﻣﺘﺴـﻘﺔ‪ ،‬ﻓـﺈذا اﻓـﱰض اﻟﺒﺎﺣـﺚ )ﺑﻨـﺎء ﻋـﲆ أدﻟـﺔ‬
‫ﻋﻠﻤﻴﺔ( أن اﳌﺘﻐري )س( ﻳﺆﺛﺮ ﰲ اﳌﺘﻐـري )ص( اﻟـﺬي ﻳـﺆﺛﺮ ﺑـﺪوره ﰲ اﳌﺘﻐـري )ع( ﻫـﻮ منـﻮذج ﺗﻔﺴـريي‬
‫ﻟﻈﺎﻫﺮة ﻣﻌﻴﻨﺔ‪ ،‬ﻓﺈن اﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﳌﺴﺎر ميﻜﻦ أن ﻳﺜﺒﺖ ﺻﺤﺔ ﻫﺬا اﻟﻨﻤﻮذج أو ﺧﻄـﺄه‪ .‬أي أن ﺗﺤﻠﻴـﻞ‬
‫اﳌﺴﺎر ﻟﻴﺲ ﻃﺮﻳﻘـﺔ ﻟﻠﻜﺸـﻒ ﻋـﻦ اﻟﻌﻠﻴـﺔ أو اﻟﺴـﺒﺒﻴﺔ )‪ ،(Causality‬وإمنـﺎ ﻫـﻮ ﻃﺮﻳﻘـﺔ ﻻﺧﺘﺒـﺎر منـﻮذج‬
‫ﺳﺒﺒﻲ )‪ (Casual Model‬ﻳﻔﱰﺿﻪ اﻟﺒﺎﺣﺚ‪ ،‬إﻧﻪ ﻳﻘﻮل ﻟﻨﺎ‪» :‬ﺗﺄﺛري ﻋﺪة ﻣﺘﻐريات ﻋﲆ ﺑﻌﻀﻬﺎ اﻟﺒﻌﺾ«‪ ،‬وﻣـﻦ‬
‫ﺧﻼل ﺗﺤﻠﻴﻞ اﳌﺴﺎر ميﻜﻦ ﺗﻘﺪﻳﺮ اﻟﺘﺄﺛري اﻟﻨﺴﺒﻲ ﻟﻠﻤﺘﻐريات ﺿﻤﻦ ﻫﺬا اﻟﻨﻤﻮذج اﳌﻔﱰض‪.‬‬

‫ﻣﻦ ﻫﻨﺎ‪ ،‬ﻓﺈن ﺗﺤﻠﻴﻞ اﳌﺴـﺎر ﺷـﺎﺋﻊ اﻻﺳـﺘﺨﺪام ﰲ اﻟﺒﺤـﻮث اﻟﻌﻠﻤﻴـﺔ‪ ،‬ﺧﺎﺻـﺔ ﰲ ﻇـﻞ ﺗـﺮاﻛﻢ‬
‫اﳌﻌـﺮﻓﺔ ﺣﻮل اﻟﻈﻮاﻫﺮ اﳌﺨﺘﻠﻔﺔ وإﻣﻜﺎﻧﻴﺔ اﻻﺳﺘﻔﺎدة ﻣﻨﻬﺎ ﰲ ﺑﻨﺎء اﻟﻨامذج اﻟﻨﻈﺮﻳﺔ اﻟﺘـﻲ ﺗﻔﺴــﺮ‬
‫ﻫﺬه اﻟﻈﻮاﻫﺮ‪ .‬وﻳﺒﺪأ ﺗﺤﻠﻴﻞ اﳌﺴﺎر ﺑﺒﻨﺎء اﻟﻨﻤـﻮذج اﻟﻨﻈﺮي اﻟﺬي ﻳﻔﴪ اﻟﻌﻼﻗـﺔ ﺑـني اﳌﺘﻐـريات‬
‫اﻟﺘﻲ ﺗﺘﻢ دراﺳﺘﻬـﺎ‪ .‬وﰲ ﺑﻨﺎء ﻣﺜﻞ ﻫﺬا اﻟﻨﻤﻮذج ﻻﺑﺪ ﻣﻦ ﻣﺮاﻋﺎة ﺣﻘﻴﻘـﺔ أن اﻟﺴــﺒﺐ ﻻ ﺑـﺪ أن‬

‫‪-338-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻳﺴﺒﻖ اﻷﺛﺮ )‪ ،(The Cause Must Precede the Effect‬وﺑﺎﻟﺘﺎﱄ ﻻ ﺑﺪ ﻣﻦ ﻣﺮاﻋﺎة اﻟﱰﺗﻴﺐ اﻟﺰﻣﻨﻲ ﻟﻠﻤﺘﻐـريات‬
‫اﻟﺘﻲ ﺗﺤﺖ اﻟﺪراﺳﺔ؛ ﺑﺤﻴﺚ ﻳﻈﻬﺮ ذﻟﻚ ﺑﻮﺿﻮح ﰲ منﻮذج اﳌﺴـﺎر اﻟـﺬي ﺻـﻤﻤﻪ اﻟﺒﺎﺣـﺚ‪ ،‬ﻓـﺎﳌﺘﻐري اﻟـﺬي‬
‫ﻳﺴﺎﻫﻢ ﰲ اﻟﺘﺄﺛري ﻻ ﺑﺪ أن ﻳﺴﺒﻖ اﳌﺘﻐري اﻟﺬي ﻳﻘﻊ ﻋﻠﻴﻪ اﻟﺘﺄﺛري‪ ،‬وﰲ ذﻟﻚ ﻳﺴﺘﻨﺪ اﻟﺒﺎﺣﺜﻮن ﻋﲆ اﻟﻨﻈﺮﻳـﺎت‬
‫واﻟﺒﺤﻮث اﻟﺴﺎﺑﻘﺔ‪ ،‬وﻛﺬﻟﻚ ﻋﲆ اﻟﺮؤﻳﺔ اﻟﻨﺎﻓﺬة واﻟﺤﺠﺔ واﳌﻨﻄﻖ واﻟﻔﻜﺮ وﻏري ذﻟﻚ ﻣـﻦ اﳌﺼـﺎدر؛ ﺑﺤﻴـﺚ‬
‫ﻣﻘﻨﻌﺎ ﻟﻠﻤﺘﻐريات اﳌﺨﺘﻠﻔﺔ‪ ،‬اﻟﺪاﺧﻠﻴﺔ واﻟﺨﺎرﺟﻴـﺔ‪:‬‬
‫زﻣﻨﻴﺎ ً‬
‫ﺗﺘﺎﺑﻌﺎ ّ‬
‫ﻳﻌﻜﺲ منﻮذج اﻻﻧﺤﺪار ً‬

‫م‪1‬‬

‫م‪4‬‬ ‫م‪3‬‬

‫م‪2‬‬

‫ب‪2‬‬ ‫ب‪1‬‬

‫ﻓﻔﻲ ﻫﺬا اﻟﺸﻜﻞ ﻫﻨﺎك أرﺑﻌﺔ ﻣﺘﻐـريات )م‪ ،1‬م‪ ،2‬م‪ ،3‬م‪ ،(4‬وﻗـﺪ ﺗـﻢ ﺗﺮﺗﻴﺒﻬـﺎ ﰲ ﺗﺴﻠﺴـﻞ زﻣﻨـﻲ ﻣـﻦ‬
‫أﻳﻀﺎ اﳌﺘﻐريﻳﻦ )ب‪) ،(1‬ب‪ ،(2‬وﻫـام ﻣﺘﻐـريات اﻟﺒـﻮاﻗﻲ‪ ،‬وﻻ ﻳﺮﺗﺒﻄـﺎن‬
‫اﻟﻴﻤني إﱃ اﻟﻴﺴﺎر‪ ،‬وﻳﺘﻀﻤﻦ اﻟﺸﻜﻞ ً‬
‫ﺑﺒﻌﻀـﻬام‪ ،‬وﻟﻦ ﻳﺴﺘﺨﺪﻣﺎ ﰲ اﻟﺘﺤﻠﻴﻞ )وذﻟﻚ ﺑﻬﺪف اﻟﺘﺒﺴﻴﻂ(‪.‬أﻣـﺎ اﻟﺨﻄـﻮط اﳌﺴـﺘﻘﻴﻤﺔ ﻓﻬـﻲ اﳌﺴـﺎرات‬
‫)‪ (Paths‬اﻟﺘﻲ متﺜﻞ اﻟﺘﺄﺛريات اﻟﺴﺒﺒﻴﺔ )‪ (Casual Effects‬ﻟﻜﻞ ﻣﺘﻐري ﻋﲆ اﻵﺧﺮ‪ ،‬ﻓﺎﳌﺘﻐري اﳌـﺆﺛﺮ ﻫـﻮ اﳌﺘﻐـري‬
‫اﳌﺴﺘﻘﻞ‪ ،‬أﻣﺎ اﳌﺘﻐري اﻟﻮاﻗﻊ ﻋﻠﻴﻪ اﻟﺘﺄﺛري‪ ،‬ﻓﻬﻮ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪ ،‬وﻣـﻦ اﻟﺮﺳـﻢ ﻧﺘﺒـني أن اﳌﺘﻐـريﻳﻦ )م‪) ،(1‬م‪(2‬‬
‫ﴍا ﰲ اﳌﺘﻐـري اﻟﺜﺎﻟـﺚ )م‪(3‬؛ أي أن اﳌﺘﻐـري اﻟﺜﺎﻟـﺚ )م‪ (3‬ﻫـﻮ‬
‫ﻫام ﻣﺘﻐريان ﻣﺴﺘﻘﻼن ﻳـﺆﺛﺮان ﺗـﺄﺛريًا ﻣﺒـﺎ ً‬
‫اﳌﺘﻐري اﻟﺘﺎﺑﻊ ﰲ ﻋﻼﻗﺘﻪ ﺑﺎﳌﺘﻐريﻳﻦ اﻷول واﻟﺜﺎين‪ .‬ﻟﻜﻦ اﳌﺘﻐري اﻟﺜﺎﻟﺚ )م‪ (3‬ﻫﻮ ﰲ اﻟﻮﻗﺖ ﻧﻔﺴـﻪ ﻣﺘﻐـري‬
‫ﻣﺴﺘﻘﻞ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻤﺘﻐري اﻟﺮاﺑﻊ )م‪(4‬؛ إذ إن اﳌﺘﻐري اﻟﺜﺎﻟﺚ ﻳﺆﺛﺮ ﻋﲆ اﳌﺘﻐري اﻟﺮاﺑﻊ ﺗﺄﺛ ًريا ﻣﺒﺎ ً‬
‫ﴍا‪.‬‬

‫‪-339-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺧﻄﻮات ﺗﺤﻠﻴﻞ اﳌﺴﺎر‬

‫ﻳﺒﺪأ ﺗﺤﻠﻴﻞ اﳌﺴﺎر ﺑﺘﻜﻮﻳﻦ اﻟﻨﻤﻮذج اﻟﺴﺒﺒﻲ اﳌﻔﱰض )‪ ،(Casual Model‬مبﻌﻨﻰ ﺗﺤﺪﻳﺪ اﳌﺘﻐريات اﻟﺘﻲ‬
‫ﺗﺆﺛﺮ ﰲ ﺑﻌﻀﻬﺎ اﻟﺒﻌﺾ‪ ،‬وذﻟﻚ ﺑﻨﺎء ﻋﲆ اﻟﺪراﺳـﺎت اﻟﻌﻠﻤﻴـﺔ واﻟﻨﻈﺮﻳـﺎت واﻟﺤﻘـﺎﺋﻖ‪ ،‬ﻓﻘـﺪ ﻳﺮﻳـﺪ اﻟﺒﺎﺣـﺚ‬
‫أﻳﻀـﺎ‬
‫اﺧﺘﺒﺎر ﻣﺎ إذا ﻛﺎن اﻟﺘﻌـﺮض ﻟﻮﺳـﺎﺋﻞ اﻹﻋـﻼم ﻳـﺆﺛﺮ ﰲ اﳌﻌﺮﻓـﺔ اﻟﺴﻴﺎﺳـﻴﺔ‪ ،‬وأن ﻫـﺬه اﳌﻌﺮﻓـﺔ ﺗﺘـﺄﺛﺮ ً‬
‫مبﺘﻐريات أﺧﺮى )ﻛﺎﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ واﳌﺸﺎرﻛﺔ اﻟﺴﻴﺎﺳﻴﺔ(‪ ،‬وأن ﻣﺘﻐري اﻟﺪﺧﻞ ﻳـﺆﺛﺮ ﰲ اﻟﺘﻌـﺮض ﻟﻮﺳـﺎﺋﻞ‬
‫اﻹﻋﻼم‪ ..‬إن ﺑﻨﺎء أو ﺗﻜﻮﻳﻦ اﻟﻨﻤﻮذج اﻟﺴﺒﺒﻲ ﻳﻌﻨﻲ وﺿﻊ ﻫﺬه اﳌﺘﻐريات ﰲ ﻋﻼﻗﺔ ﺗﺄﺛري وﺗﺄﺛﺮ‪ ،‬ﺑﻨـﺎء ﻋـﲆ‬
‫اﻋﺘﺒﺎرات ﻣﻨﻄﻘﻴﺔ‪ ،‬إﻧﻪ منﻮذج ﺗﺨﻄﻴﻄﻲ ذو اﺗﺠﺎه واﺣـﺪ )‪ (Recursive Model‬ميﺜـﻞ اﻟﻌﻼﻗـﺔ اﻟﺴـﺒﺒﻴﺔ ﺑـني‬
‫ﴍا أو ﻏـري‬
‫اﳌﺘﻐريات‪ ،‬وﻋﲆ اﻟﺒﺎﺣﺚ أن ﻳﺤﺪد ﻃﺒﻴﻌﺔ ﺗﺄﺛري ﻛﻞ ﻣﻨﻬﺎ ﻋﲆ اﻵﺧﺮ ﺳﻮاء ﻛﺎن ﻫﺬا اﻟﺘـﺄﺛري ﻣﺒـﺎ ً‬
‫ﻣﺒﺎﴍ‪.‬‬

‫ﻳﻘﺼﺪ ﺑﺎﻟﺘﺄﺛري اﳌﺒﺎﴍ أن أﺣﺪ اﳌﺘﻐريات ﻳﺆﺛﺮ ﰲ ﻣﺘﻐـري آﺧـﺮ دون أن ﻳﺘـﺪﺧﻞ ﻣﺘﻐـري ﺛﺎﻟـﺚ ﰲ ﻫـﺬا‬
‫اﻟﺘﺄﺛري)ﻛﺄن ﻧﻔﱰض أن اﻟﺘﻌﺮض اﻟﻜﺜﻴﻒ ﻟﻨﺸـﺮات أﺧﺒﺎر اﻟﺘﻠﻴﻔﺰﻳﻮن ﻳﺆﺛﺮ ﰲ اﳌﻌﺮﻓﺔ ﺑﺎﻟﻘﻀﺎﻳﺎ اﻟﺴﻴﺎﺳـﻴﺔ(‪،‬‬
‫أﻣﺎ اﻟﺘﺄﺛري ﻏري اﳌﺒﺎﴍ ﻓﻴﻌﻨﻲ أن أﺣﺪ اﳌﺘﻐريات ﻳﺆﺛﺮ ﰲ ﻣﺘﻐري آﺧﺮ ﻣﻦ ﺧﻼل ﻣﺘﻐري ﺛﺎﻟـﺚ )ﻛـﺄن ﻧﻔـﱰض‬
‫أن اﻟﺘﻌﺮض اﻟﻜﺜﻴﻒ ﻟﻨﴩات أﺧﺒﺎر اﻟﺘﻠﻴﻔﺰﻳﻮن ﻳﺆﺛﺮ ﰲ اﻟﺘـﺬﻛﺮ‪ ،‬وأن اﻟﺘـﺬﻛﺮ ﻳـﺆﺛﺮ ﰲ اﳌﻌﺮﻓـﺔ ﺑﺎﻟﻘﻀـﺎﻳﺎ‬
‫اﻟﺴﻴﺎﺳﻴﺔ(‪ ،‬وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ ﺗﻌﺪد اﻟﻜﺘﺎﺑﺎت اﳌﻌﻨﻴﺔ ﺑﻨامذج وﺧﻄﻮات ﺗﺤﻠﻴﻞ اﳌﺴﺎر ﻋﲆ ﻧﺤـﻮ ﺗﻔﺼـﻴﲇ‪،‬‬
‫إﻻ أن أﻫﻢ ﻫﺬه اﻟﻜﺘﺎﺑﺎت ﺗﺘﻤﺜﻞ ﻓـﻴام ﻗﺪﻣـﻪ ﻛـﻞ ﺑﺮميـﺎن وﻛﺮاﻣـﺮ )‪ (Bryman & Cramer,1999‬ﻋـﻦ ﻫـﺬا‬
‫ﺗﻮﺿﻴﺤﻴﺎ ﻟﻠﻨﻤﻮذج اﻟﺴﺒﺒﻲ اﳌﻔﱰض‪ ،‬ﻋﲆ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬
‫ّ‬ ‫ﴍﺣﺎ‬
‫اﳌﻮﺿﻮع‪ ،‬ﺣﻴﺚ ﻗﺪﻣﺎ ً‬

‫‪-340-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫‪e2‬‬ ‫‪e1‬‬

‫‪8‬‬ ‫‪7‬‬

‫اﻟﺮﺿﺎ اﳌﻬﻨﻲ‬ ‫‪1‬‬ ‫اﻟﺴﻦ‬

‫‪3‬‬ ‫‪2‬‬

‫اﻻﺳﺘﻘﻼﻟﻴﺔ‬

‫‪6‬‬ ‫‪5‬‬
‫‪4‬‬

‫اﻟﺪﺧﻞ‬

‫‪9‬‬
‫‪e3‬‬

‫ﰲ ﻫﺬا اﻟﻨﻤﻮذج ﻟﺪﻳﻨﺎ أرﺑﻌﺔ ﻣﺘﻐـريات‪ :‬اﻟﺴـﻦ‪ ،‬اﻟـﺪﺧﻞ‪ ،‬اﻻﺳـﺘﻘﻼﻟﻴﺔ‪ ،‬اﻟﺮﺿـﺎ اﳌﻬﻨـﻲ‪ .‬وﺗـﺪل اﻷﺳـﻬﻢ‬
‫)‪ (Arrows‬ﻋﲆ اﻟﻌﻼﻗﺔ اﻟﺴﺒﺒﻴﺔ اﳌﺘﻮﻗﻌﺔ ﺑني اﳌﺘﻐريات‪ ،‬وﻳﺘﺤـﺮك اﺗﺠﺎﻫﻬـﺎ ﻣـﻦ اﻟﻴﻤـني إﱃ اﻟﻴﺴـﺎر ﻟﻴـﺪل‬
‫ﻋﲆ اﻟﻌﻼﻗﺔ اﻟﺴﺒﺒﻴﺔ اﻟﺘﻲ ﺗﺘﺨﺬ ﺗﺴﻌﺔ ﻣﺴﺎرات ﻳﺘﻌني ﻋﲆ اﻟﺒﺎﺣـﺚ أن ﻳﺠـﺪ ﻗﻴﻤـﺔ ﻛـﻞ ﻣﻨﻬـﺎ‪ .‬وﺣﺴـﺐ‬
‫ﻫﺬا اﻟﻨﻤﻮذج ﻓﺈن اﻟﺴﻦ ﻟﻪ ﺗﺄﺛري ﻣﺒﺎﴍ ﰲ اﻟﺮﺿﺎ اﳌﻬﻨﻲ )اﳌﺴـﺎر اﻷول(‪ ،‬ﻛـام أن اﻟﺴـﻦ ﻟـﻪ ﺗـﺄﺛري ﻣﺒـﺎﴍ‬
‫ﰲ اﻟﺪﺧﻞ )اﳌﺴﺎر اﻟﺨﺎﻣﺲ(‪ ،‬واﻟـﺪﺧﻞ ﻳـﺆﺛﺮ ﺑـﺪوره ﰲ اﻟﺮﺿـﺎ اﳌﻬﻨـﻲ )اﳌﺴـﺎر اﻟﺴـﺎدس(‪ ،‬وﻳـﺆﺛﺮ اﻟﺴـﻦ‬
‫أﻳﻀﺎ ﰲ اﻻﺳﺘﻘﻼﻟﻴﺔ )اﳌﺴﺎر اﻟﺜﺎين(‪ ،‬ﻛام أن اﻻﺳﺘﻘﻼﻟﻴﺔ ﺗﺆﺛﺮ ﺑـﺪورﻫﺎ ﰲ اﻟﺮﺿـﺎ اﳌﻬﻨـﻲ )اﳌﺴـﺎر اﻟﺜﺎﻟـﺚ(‪.‬‬
‫ً‬
‫وإذا ﻛــﺎن اﻟﺴــﻦ ﻳــﺆﺛﺮ ﰲ اﻻﺳــﺘﻘﻼﻟﻴﺔ )اﳌﺴــﺎر اﻟﺜــﺎين(‪ ،‬ﻓــﺈن اﻻﺳــﺘﻘﻼﻟﻴﺔ ﺗــﺆﺛﺮ ﰲ اﻟــﺪﺧﻞ )اﳌﺴــﺎر‬
‫اﻟﺮاﺑﻊ(‪ ،‬واﻟﺪﺧﻞ ﺑﺪوره ﻳﺆﺛﺮ ﰲ اﻟﺮﺿﺎ اﳌﻬﻨﻲ )اﳌﺴﺎر اﻟﺮاﺑﻊ(‪ ،‬ﻛام أن اﻻﺳﺘﻘﻼﻟﻴﺔ ﻟﻬﺎ ﺗﺄﺛري ﻣﺒﺎﴍ ﰲ اﻟﺮﺿﺎ‬

‫‪-341-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫أﻳﻀﺎ ﺗﺄﺛري ﻏري ﻣﺒﺎﴍ ﰲ اﻟﺮﺿﺎ اﳌﻬﻨﻲ ﻣﻦ ﺧـﻼل ﺗﺄﺛريﻫـﺎ اﳌﺒـﺎﴍ ﰲ‬

‫اﳌﻬﻨﻲ )اﳌﺴﺎر اﻟﺜﺎﻟﺚ(‪ ،‬وﻟﻼﺳﺘﻘﻼﻟﻴﺔ ً‬
‫اﻟﺪﺧﻞ )اﳌﺴﺎر اﻟﺮاﺑﻊ(‪ ،‬واﻟﺪﺧﻞ ﺑﺪوره ذو ﺗﺄﺛري ﻣﺒﺎﴍ ﰲ اﻟﺮﺿﺎ اﳌﻬﻨﻲ )اﳌﺴﺎر اﻟﺴﺎدس(‪.‬‬

‫أﻳﻀﺎ أن ﻫﻨﺎك ﻋﻮاﻣـﻞ ﺧﺎرﺟﻴـﺔ ﺗـﺆﺛﺮ ﰲ ﻛـﻞ ﻣـﻦ اﻟـﺪﺧﻞ واﻻﺳـﺘﻘﻼﻟﻴﺔ واﻟﺮﺿـﺎ‬
‫ﻳﺘﻀﺢ ﻣﻦ اﻟﻨﻤﻮذج ً‬
‫اﳌﻬﻨﻲ‪ ،‬وﻫﺬه اﻟﻌﻮاﻣﻞ اﻟﺨﺎرﺟﻴﺔ ﺗﻌﻨﻲ اﻟﺘﺒﺎﻳﻦ ﻏـري اﳌﻔﺴــﺮ )‪ ،(Unexplained Variance‬ﻓﺎﻟﺴـﻬﻢ اﳌﺘﺠـﻪ‬
‫ﻣﻦ )‪ (e1‬إﱃ اﻻﺳﺘﻘﻼﻟﻴﺔ )رﻗﻢ ‪ (7‬ﻳﺪل ﻋﲆ ﻣﻘﺪار اﻟﺘﺒﺎﻳﻦ )‪ (Variance‬ﰲ ﻣﺘﻐري اﻻﺳﺘﻘﻼﻟﻴﺔ وﻫـﻮ اﻟﺘﺒـﺎﻳﻦ‬
‫اﻟﺬي ﻻ ميﻜﻦ ﺗﻔﺴريه مبﺘﻐري اﻟﺪﺧﻞ‪ .‬أﻣﺎ اﻟﺴﻬﻢ اﳌﺘﺠﻪ ﻣﻦ )‪ (e2‬إﱃ اﻟﺮﺿـﺎ اﳌﻬﻨـﻲ )رﻗـﻢ ‪ (8‬ﻓﻴـﺪل ﻋـﲆ‬
‫ﻣﻘﺪار اﻟﺨﻄﺄ )‪ (Error‬ﰲ اﻟﺘﺒﺎﻳﻦ اﻟﺨﺎص ﺑﺎﻟﺮﺿﺎ اﳌﻬﻨـﻲ‪ ،‬ﻫـﺬا اﻟﺨﻄـﺄ اﻟـﺬي ﻻ ميﻜـﻦ ﺗﻔﺴـريه مبﺘﻐـريات‬
‫اﻟﺪﺧﻞ واﻻﺳﺘﻘﻼﻟﻴﺔ واﻟﺴﻦ‪ .‬أﺧ ًريا‪ ،‬ﻓﺈن اﻟﺴﻬﻢ اﳌﺘﺠﻪ ﻣﻦ اﻟﺨـﺎرﺟﻲ )‪ (e3‬إﱃ اﻟـﺪﺧﻞ ﻳﺮﻣـﺰ إﱃ اﻟﺘﺒـﺎﻳﻦ‬
‫اﻟﺨﺎص ﺑﺎﻟﺪﺧﻞ‪ ،‬ﻫﺬا اﻟﺘﺒﺎﻳﻦ اﻟﺬي ﻻ ميﻜﻦ ﺗﻔﺴريه مبﺘﻐريات اﻟﺴﻦ واﻻﺳﺘﻘﻼﻟﻴﺔ‪.‬‬

‫ﻫﺬه اﳌﺘﺠﻬﺎت )‪ (Vectors‬اﻟﺜﻼﺛﺔ )‪ (e1; e2 ;e3‬إمنﺎ ﺗﺸري إﱃ اﻟﻌﻮاﻣﻞ اﻟﺨﺎرﺟﻴﺔ )اﻷﺧـﺮى( ذات اﻟﺘـﺄﺛري‬
‫ﰲ اﻟﺮﺿﺎ اﳌﻬﻨﻲ واﻻﺳﺘﻘﻼﻟﻴﺔ‪ ،‬واﻟﺘﻲ مل ﻳﺘﻀـﻤﻨﻬﺎ منـﻮذج ﺗﺤﻠﻴـﻞ اﳌﺴـﺎر‪ ،‬وﻫـﺬا ﰲ اﻟﻮاﻗـﻊ ﻣﻨﻄـﻖ ﺳـﻠﻴﻢ‬
‫ﻳﻌﻜﺲ ﺣﻘﻴﻘﺔ أﻧﻪ ﻣﻦ اﻟﺼﻌﺐ ﺣﺼـﺮ ﺟﻤﻴﻊ اﻟﻌﻮاﻣﻞ اﳌﺆﺛﺮة ﰲ اﻟﻈـﻮاﻫﺮ أو اﳌﻮﺿـﻮﻋﺎت اﻟﺘـﻲ ﺗﺒﺤﺜﻬـﺎ‬
‫اﻟﻌﻠﻮم اﻹﻧﺴﺎﻧﻴﺔ واﻻﺟﺘامﻋﻴﺔ‪ ،‬ﻓﺎﻟﺒﺎﺣﺚ ﻗﺪ ﻳﺘﻨﺎول ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﳌﺘﻐريات ذات اﻟﺘﺄﺛري اﳌﻔﱰض ﰲ ﻇﺎﻫﺮة‬
‫ﻣﻌﻴﻨﺔ‪ ،‬ﻏري أن ﻫﺬه اﻟﻈﺎﻫﺮة ﻗﺪ ﺗﺘﺄﺛﺮ ﺑﻌﻮاﻣﻞ وﻣﺘﻐريات أﺧﺮى )ﻏري ﺗﻠﻚ اﻟﺘﻲ ﺗﻨﺎوﻟﻬﺎ اﻟﺒﺤﺚ(‪ .‬ومبﻮﺟﺐ‬
‫ﺑﻨﺎء اﻟﻨﻤﻮذج اﻟﺴﺒﺒﻲ اﳌﻔﱰض و ﺗﺤﺪﻳﺪ اﳌﺴﺎرات‪ ،‬ﻳﺘﻢ ﺣﺴﺎب ﻣﻌﺎﻣﻼت اﳌﺴﺎرات )‪.(Paths Coefficients‬‬

‫‪-342-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫إن ﻣﻌﺎﻣﻞ اﳌﺴﺎر ﻫﻮ ﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار اﳌﻘﻨﻦ أو اﳌﻌﻴﺎري)‪(Standardized Regression Coefficient‬؛ أي‬
‫أن اﻟﺒﺎﺣﺚ ﻋﻠﻴﻪ إﻳﺠﺎد ﻣﻌﺎﻣﻼت اﳌﺴﺎرات ﺑﺎﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار ﻣﻊ إدﺧـﺎل ﻛـﻞ اﳌﺘﻐـريات اﳌـﺆﺛﺮة‬
‫)وﺑﺎﻟﺘﺎﱄ ﻻ ﻳﺠﻮز اﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ ‪ ،(Stepwise‬وﺑﺎﻟﻌﻮدة إﱃ اﻟﻨﻤﻮذج اﻟﺴـﺎﺑﻖ ﻓـﺈن اﳌﻌﺎﻟﺠـﺔ اﻹﺣﺼـﺎﺋﻴﺔ‬
‫ﻟﻠﺒﻴﺎﻧﺎت ﻛﺸﻔﺖ ﻋﻦ أن ﻗﻴﻢ ﻣﻌﺎﻣﻼت اﳌﺴﺎرات ﻛﺎﻵيت‪:‬‬
‫‪e2‬‬ ‫‪e1‬‬

‫‪0.6‬‬ ‫‪0.97‬‬

‫اﻟﺮﺿﺎ‬
‫‪0.08‬‬
‫اﻟﺴﻦ‬
‫اﳌﻬﻨﻲ‬

‫‪0.6‬‬ ‫‪0.3‬‬

‫اﻻﺳﺘﻘﻼﻟﻴﺔ‬
‫‪0.6‬‬
‫‪0.5‬‬
‫‪0.2‬‬

‫اﻟﺪﺧﻞ‬

‫‪0.76‬‬
‫‪e3‬‬

‫وﻣﻦ ﻫﺬا اﻟﺮﺳﻢ ﻧﺘﺒني أن ﻣﺘﻐري اﻟﺴﻦ ﻟﻪ ﺗﺄﺛري ﻣﺒﺎﴍ ﺿﻌﻴﻒ ﻋﲆ اﻟﺮﺿﺎ اﳌﻬﻨﻲ )ﻣﻌﺎﻣﻞ‬
‫اﳌﺴﺎر ‪ ،(0.08‬ﻟﻜﻦ اﻟﺴﻦ ﰲ اﻟﻮﻗﺖ ﻧﻔﺴﻪ ﻟﻪ ﺗﺄﺛري ﻗـﻮي ﻏـري ﻣﺒـﺎﴍ ﻋـﲆ اﻟﺮﺿـﺎ اﳌﻬﻨـﻲ‪،‬‬
‫ﻓﻤﻌﺎﻣﻞ اﳌﺴﺎر اﳌﺘﺠﻪ ﻣﻦ اﻟﺴﻦ إﱃ اﻻﺳـﺘﻘﻼﻟﻴﺔ ﻗﻴﻤﺘـﻪ ‪ 0.3‬وﻣﻌﺎﻣـﻞ اﳌﺴـﺎر اﳌﺘﺠـﻪ ﻣـﻦ‬

‫‪-343-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻻﺳﺘﻘﻼﻟﻴﺔ إﱃ اﻟﺮﺿﺎ اﳌﻬﻨﻲ ﻗﻴﻤﺘﻪ ‪ ،0.6‬أﻣﺎ ﻣﻌﺎﻣﻞ ﻣﺴﺎر اﻟـﺪﺧﻞ إﱃ اﻟﺮﺿـﺎ اﳌﻬﻨـﻲ ﻓﻘﻴﻤﺘـﻪ ‪0.5‬وﻫﻜـﺬا‬
‫ميﻜﻦ ﺗﻮﺿﻴﺢ ﻛﺎﻓﺔ اﳌﺴﺎرات اﳌﺒﻴﻨﺔ ﰲ اﻟﻨﻤﻮذج‪ ،‬ﻓﺈذا أﺧﺬﻧﺎ ﻣﺴﺎر اﻟﺴﻦ ﻋﲆ اﻟﺮﺿﺎ اﳌﻬﻨﻲ ﻛﻤﺜـﺎل‪ ،‬ﻧﺠـﺪ‬
‫أن اﻟﺘﺄﺛري اﳌﺒﺎﴍ )ﻣﺴﺎر اﻟﺴﻦ إﱃ اﻟﺮﺿﺎ اﳌﻬﻨﻲ( ﻗﻴﻤﺘﻪ ‪ 0.08‬أﻣﺎ اﻟﺘﺄﺛري ﻏري اﳌﺒـﺎﴍ‪ ،‬ﻓﻴـﺘﻢ ﺣﺴـﺎﺑﻪ ﻣـﻦ‬
‫ﺧــﻼل ﺗﺘﺒــﻊ ﻛــﻞ اﳌﺴــﺎرات اﻟﺘــﻲ ﺗﻌﻜــﺲ ﺗــﺄﺛري اﻟﺴــﻦ ﻋــﲆ ﻣﺘﻐــريات أﺧــﺮى ﺗــﺆﺛﺮ ﺑــﺪورﻫﺎ ﰲ اﻟﺮﺿــﺎ‬
‫اﳌﻬﻨﻲ‪،‬ﻓﻬﻨﺎك‪:‬‬

‫‪ -‬ﻣﺴﺎر اﻟﺴﻦ‪ ،‬اﻟﺪﺧﻞ‪،‬اﻟﺮﺿﺎ اﳌﻬﻨﻲ= )‪%30 =(0.6) (0.5‬‬

‫‪ -‬ﻣﺴﺎر اﻟﺴﻦ‪ ،‬اﻻﺳﺘﻘﻼﻟﻴﺔ‪ ،‬اﻟﺮﺿﺎ اﳌﻬﻨﻲ = )‪%18 =(0.6) (0.3‬‬

‫‪ -‬ﻣﺴﺎر اﻟﺴﻦ‪ ،‬اﻻﺳﺘﻘﻼﻟﻴﺔ‪ ،‬اﻟﺪﺧﻞ‪،‬اﻟﺮﺿﺎ اﳌﻬﻨﻲ = )‪%3 = (0.5) (0.2) (0.3‬‬

‫وﻳﻜﻮن إﺟامﱄ ﺗﺄﺛري ﻫﺬه اﳌﺴﺎرات اﻟﺜﻼﺛﺔ = ‪0.51 = 0.03 +0.18 + 0.30‬‬

‫ﻫﻜﺬا ﻧﺘﺒني أﻧﻪ إذا ﻛﺎن اﻟﺘﺄﺛري اﳌﺒﺎﴍ ﳌﺘﻐري اﻟﺴﻦ ﻋﲆ اﻟﺮﺿـﺎ اﳌﻬﻨـﻲ ﻗﻴﻤﺘـﻪ ‪ 0.08‬ﻓـﺈن اﻟﺘـﺄﺛري ﻏـري‬
‫اﳌﺒﺎﴍ ﻗﻴﻤﺘﻪ ‪ 0.51‬وﺑﺎﳌﻨﻄﻖ ﻧﻔﺴﻪ ميﻜﻦ ﺣﺴﺎب اﻟﺘﺄﺛري اﳌﺒﺎﴍ واﻟﺘﺄﺛري ﻏري اﳌﺒﺎﴍ ﱟ‬
‫ﻟﻜﻞ ﻣﻦ اﻻﺳـﺘﻘﻼﻟﻴﺔ‬
‫واﻟﺪﺧﻞ ﻋﲆ اﻟﺮﺿﺎ اﳌﻬﻨﻲ‪ ،‬ﺛﻢ اﳌﻘﺎرﻧﺔ ﺑني اﳌﺘﻐريات اﻟﺜﻼﺛﺔ )اﻟﺴﻦ‪ ،‬اﻻﺳﺘﻘﻼﻟﻴﺔ‪ ،‬اﻟﺪﺧﻞ( ﻣﻦ ﺣﻴﺚ ﻗﻴﻤﺔ‬
‫ﺗﺄﺛري ﻛﻞ ﻣﺘﻐري‪.‬‬

‫وﻳﻔﱰض ﺗﺤﻠﻴﻞ اﳌﺴﺎر ﺑﻌﺾ اﻷﺳﺲ اﻹﺣﺼﺎﺋﻴﺔ أﻫﻤﻬـﺎ ﺛﻼﺛـﺔ أﺳـﺲ‪ :‬اﻷﺳـﺎس اﻷول ﻳﺘﻤﺜـﻞ ﰲ أن‬
‫ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺑني اﳌﺘﻐريات ﺧﻄﻴـﺔ )‪) (Linear‬وﺑﺎﻟﺘـﺎﱄ ﻻ ﺑـﺪ ﻣـﻦ اﻟﺘﺤﻘـﻖ ﻣـﻦ ﺷـﻜﻞ اﻟﻌﻼﻗـﺔ ﺑـني ﻛـﻞ‬
‫ﻣﺘﻐريﻳﻦ ﰲ اﻟﻨﻤﻮذج(‪ ،‬أﻣﺎ اﻷﺳﺎس اﻟﺜﺎين‪ ،‬ﻓﻬﻮ أﻻ ﺗﺨﺘﻠـﻒ اﻟﻌﻼﻗـﺔ ﺑـني أي ﻣﺘﻐـريﻳﻦ ً‬
‫ﺗﺒﻌـﺎ ﻟﻮﺟـﻮد ﻣﺘﻐـري‬
‫ﺛﺎﻟﺚ )مبﻌﻨﻰ أﻻ ﻳﻮﺟﺪ ﺗﻔﺎﻋﻞ ﺑني اﳌﺘﻐريات(‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ اﳌﺘﻐـريات اﻟﺘـﻲ ﻧﻘـﻮم ﺑﺪراﺳـﺘﻬﺎ ﻫـﻲ‪) :‬ﻗـﺮاءة‬
‫ﻳﻮﻣﻴﺎ(‪ ،‬ﻓـﺈن اﻟﻌﻼﻗـﺔ ﺑـني‬
‫ﻳﻮﻣﻴﺎ‪ ،‬ﻣﺸﺎﻫﺪة اﻷﺧﺒﺎر ﰲ اﻟﺘﻠﻴﻔﺰﻳﻮن ّ‬
‫اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﺑﺎﻧﺘﻈﺎم‪ ،‬ﺳامع اﻟﺮادﻳﻮ ّ‬
‫أي ﻣﺘﻐريﻳﻦ ﻳﺠﺐ أ ّﻻ ﺗﺰﻳﺪ أو ﺗﻘﻞ ﺑﺘﺄﺛري اﳌﺘﻐري اﻟﺜﺎﻟﺚ‪ .‬وميﻜﻦ اﻟﺘﺄﻛﺪ ﻣﻦ ذﻟﻚ إﻣﺎ ﻣـﻦ ﺧـﻼل اﻟﻜﺸـﻒ‬
‫اﻵﱄ ﻋـﻦ اﻟﺘﻔﺎﻋـﻞ ﺑـني اﳌﺘﻐـريات ﺑﺎﺳـﺘﺨﺪام )‪ (Automatic Interaction Detection) (AID‬اﻟـﺬي ﺗﺘﻴﺤـﻪ‬

‫‪-344-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻟﱪاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻟﺠﺎﻫﺰة )ﻛام ميﻜﻦ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺠﺰيئ(‪ .‬أﺧ ًريا‪ ،‬ﻓﺈن اﻷﺳﺎس اﻟﺜﺎﻟﺚ اﻟﺬي‬
‫ﻳﻘﻮم ﻋﻠﻴﻪ ﺗﺤﻠﻴﻞ اﳌﺴﺎر ﻫﻮ أﻻ ﺗـﺮﺗﺒﻂ ﻣﺘﻐـريات اﻟﺒـﻮاﻗﻲ )‪ (Residuals‬ﺑﺒﻌﻀـﻬﺎ اﻟـﺒﻌﺾ أو ﺑﻐريﻫـﺎ ﻣـﻦ‬
‫اﳌﺘﻐريات ﰲ منﻮذج ﺗﺤﻠﻴﻞ اﳌﺴﺎر اﻟﺬي ﺻﻤﻤﻪ اﻟﺒﺎﺣﺚ‪.‬‬

‫إن أي منﻮذج ﺳﺒـﺒﻲ )‪ (Casual‬ﻳﺸﺘﻤﻞ ﻋـﲆ ﺑﻌـﺾ اﻷﺧﻄـﺎء أو اﻟﺒـﻮاﻗﻲ؛ وﻧﻈـ ًﺮا ﻷن ﺗﺤﻠﻴـﻞ اﳌﺴـﺎر‬
‫ﻳﻌﺘﻤﺪ ﻋﲆ ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار اﳌﺘﻌﺪد‪ ،‬ﻓﺈﻧﻪ ﻳﻔﱰض ﻓﻴﻪ أن ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط ﺑني اﻟﺒﻮاﻗﻲ وﺟﻤﻴﻊ اﳌﺘﻐريات‬
‫اﻟﺨﺎرﺟﻴﺔ ﺗﺴﺎوي اﻟﺼﻔﺮ‪ .‬وﺗﺄيت اﳌﺸﻜﻠﺔ ﻣﻦ أن اﻟﱰﺗﻴﺐ اﻟﺰﻣﻨﻲ ﻟﻠﻤﺘﻐـريات ﻛـام ﻳﻌـﱪ ﻋﻨـﻪ اﻟﻨﻤـﻮذج ﻗـﺪ‬
‫وﻣﻀﻠﻼ )ﻷﻧـﻪ‬
‫ً‬ ‫ﻣﻌﻴﺒﺎ‪ ،‬ﺑﻞ‬
‫ﻣﻌﻴﺒﺎ أو ﻏري دﻗﻴﻖ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن منﻮذج ﺗﺤﻠﻴﻞ اﳌﺴﺎر اﻟﺬي ﺗﻢ ﺗﺼﻤﻴﻤﻪ ً‬
‫ﻳﻜﻮن ً‬
‫ﺗﺮﺗﻴﺒﺎ ﻏري ﺻﺤﻴﺢ ﻣﻦ اﻟﻮﺟﻬﺔ اﻟﺴﺒﺒﻴﺔ ﺳﻴﻌﻨﻲ ذﻟﻚ أن ﺗﺤﺪﻳﺪ‬
‫ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل إذا ﺗﻢ ﺗﺮﺗﻴﺐ اﳌﺘﻐريات ً‬
‫اﳌﺘﻐريات اﻟﺪاﺧﻠﻴﺔ واﻟﺨﺎرﺟﻴﺔ ﻏري ﺻﺤﻴﺢ‪ ،‬وﻳﱰﺗﺐ ﻋﲆ ذﻟﻚ ﺧﻄﺄ ﺗﻘـﺪﻳﺮ ﻣﻌـﺎﻣﻼت اﳌﺴـﺎرات وﺧﻄـﺄ ﰲ‬
‫ﺗﻘﺪﻳﺮ ﺑﻮاﻗﻲ اﳌﺘﻐريات اﻟﺘﻲ مل ﺗﻮﺿﻊ ﰲ ﺗﺮﺗﻴﺒﻬـﺎ اﻟﺼـﺤﻴﺢ(‪ .‬وإذا ﻛـﺎن ﺗﺤﻠﻴـﻞ اﳌﺴـﺎر ﻳﺘـﻴﺢ اﻟﻜﺜـري ﻣـﻦ‬
‫اﻟﻨﺘﺎﺋﺞ‪ ،‬إﻻ أن ذﻟﻚ ﻣﻘﻴﺪ ﺑﺪﻗﺔ اﻟﻨﻤﻮذج اﻟﻨﻈﺮي ﻟﻠﻤﺴﺎرات‪ ،‬وﻫﺬا اﻟﻨﻤﻮذج رﻏﻢ اﻋﺘامده ﻋـﲆ اﻟﺒﺤـﻮث‬
‫واﻟﻨﻈﺮﻳﺎت اﻟﻌﻠﻤﻴﺔ‪ ،‬إﻻ أﻧﻪ ﻗﺪ ﻻ ﻳﻜﻮن دﻗﻴﻘًﺎ‪ ،‬وﻻ ﺑﺪ ﻣﻦ أﺧﺬ ﻫﺬه اﻟﺤﻘﻴﻘﺔ ﰲ اﻻﻋﺘﺒـﺎر ﻋﻨـﺪ اﺳـﺘﺨﺪام‬
‫ﺗﺤﻠﻴﻞ اﳌﺴﺎر‪.‬‬

‫اﳌﺒﺤﺚ اﻟﺴﺎدس‬

‫اﻟﺘﺤﻠﻴﻞ اﻟﺘﻤﻴﻴﺰي‬

‫ﻋﲆ اﻟﺮﻏﻢ ﻣﻦ أن ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد )‪ (MANOVA‬ميﻜﻦ ﻣﻦ ﻓﺤﺺ اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋﺎت ﰲ‬
‫ﻋــﺪة ﻣﺘﻐــريات‪ ،‬إﻻ أﻧــﻪ ﻻ ﻳﺒــني ﻣــﺎ إذا ﻛﺎﻧــﺖ ﻫــﺬه اﻟﻔــﺮوق ذات أﻫﻤﻴــﺔ ﰲ اﻟﺘﻤﻴﻴــﺰ اﻟﺤﻘﻴﻘــﻲ ﺑــني‬
‫اﳌﺠﻤﻮﻋﺎت اﳌﺨﺘﻠﻔﺔ‪ ،‬وﻣﻦ ﻫﻨﺎ ﻳﺴﺘﺨﺪم اﻟﺒـﺎﺣﺜﻮن اﻟﺘﺤﻠﻴـﻞ اﻟﺘﻤﻴﻴـﺰي )‪ (Discriminant Analysis‬اﻟـﺬي‬
‫ﻳﺘﻴﺢ ﺗﻜﻮﻳﻦ ﻣﺘﻐريات ﺟﺪﻳﺪة ﻣﻦ اﳌﺘﻐريات اﻷﺻﻠﻴﺔ )اﻟﺘﻲ ﺗﺘﻤﺜﻞ ﻓﻴﻬﺎ اﻟﻔـﺮوق ﺑـني اﳌﺠﻤﻮﻋـﺎت(‪ ،‬ﻫـﺬه‬
‫اﳌﺘﻐريات اﻟﺠﺪﻳﺪة ﺗﺴﻤﻰ اﻟﺪوال اﻟﺘﻤﻴﻴﺰﻳﺔ )‪.(Discriminant Functions‬‬

‫‪-345-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫إﺣﺼﺎﺋﻴﺎ أن اﻟﺪاﻟﺔ )‪ (Function‬ﻫﻲ ﺻﻴﻐﺔ رﻳﺎﺿـﻴﺔ ﺗﺤـﺪد اﺣـﺘامل أن ﻳﺘﺨـﺬ اﳌﺘﻐـري‬

‫ّ‬ ‫ﻓﻤﻦ اﳌﻌﺮوف‬
‫اﻟﻌﺸﻮايئ ﻗﻴﻤﺔ ﻣﻌﻴﻨﺔ‪ ،‬واﳌﺘﻐري اﻟﻌﺸﻮايئ ﻫﻮ أي ﻛﻤﻴﺔ )‪ (Quantity‬ﺗﺘﺤﺪد ﻗﻴﻤﺘﻬﺎ ﺑﺎﻟﺼﺪﻓﺔ‪ .‬وﰲ اﻟﺘﺤﻠﻴـﻞ‬
‫اﻟﺘﻤﻴﻴﺰي ﺗﺘﻜﻮن اﻟﺪاﻟـﺔ ﻣـﻦ ﺗﺠﻤﻴﻌـﺎت ﺧﻄﻴـﺔ)‪ (Linear Combinations‬ﻟﻠﻤﺘﻐـريات اﳌﻨﺒﺌـﺔ ‪(Predictor‬‬
‫)‪ Variables‬اﻟﺘﻲ ﺗﻮﺿﺢ اﻟﺘﻤﻴﻴﺰ اﻟﺪﻗﻴﻖ ﺑني اﳌﺠﻤﻮﻋـﺎت‪ .‬ﻓﺎﻟﺘﺤﻠﻴـﻞ اﻟﺘﻤﻴﻴـﺰي ﻳـﺘﻢ ﻣـﻦ ﺧﻼﻟـﻪ ﺑﻨـﺎء أو‬
‫ﺗﻜﻮﻳﻦ منﻮذج ﺗﻨﺒﺆي ﺑـﺎﻧﺘامء اﳌﺒﺤـﻮث إﱃ ﻣﺠﻤﻮﻋـﺔ ﻣﻌﻴﻨـﺔ ﺣﺴـﺐ اﺳـﺘﺠﺎﺑﺎﺗﻪ وﺧﺼﺎﺋﺼـﻪ ﻣـﻦ ﺣﻴـﺚ‬
‫اﳌﺘﻐريات اﳌﻨﺒﺌﺔ‪.‬وﻗﺪ ﻳﻜﻮن اﻟﺘﺼﻨﻴﻒ ﻋﲆ أﺳﺎس ﻣﺠﻤﻮﻋﺘني ﻓﻘﻂ‪ ،‬ﻛام ﻗﺪ ﻳﻜـﻮن ﻋـﲆ أﺳـﺎس أﻛـرث ﻣـﻦ‬
‫ﻣﺠﻤﻮﻋﺘني )ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﻟﺘﺼﻨﻴﻒ إﱃ ﻣﺠﻤﻮﻋﺘني ﻓﻘﻂ‪ ،‬ﻓﺈن اﻟﺘﺤﻠﻴﻞ اﻟﺘﻤﻴﻴﺰي ﻳﺴﻔﺮ ﻋﻦ داﻟﺔ واﺣـﺪة‪،‬‬
‫أﻣﺎ ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﻟﺘﺼﻨﻴﻒ إﱃ أﻛرث ﻣﻦ ﻣﺠﻤﻮﻋﺘني ﻓﺈن اﻟﺘﺤﻠﻴﻞ اﻟﺘﻤﻴﻴﺰي ﻳﺴﻔﺮ ﻋﻦ أﻛرث ﻣﻦ داﻟﺔ(‪.‬‬

‫وﻛﻤﺜﺎل ﺗﻮﺿﻴﺤﻲ‪ ،‬ﻧﻔﺮض أن أﺣﺪ اﻟﺒﺎﺣﺜني ﻛﺸﻔﺖ دراﺳﺘﻪ ﻋﻦ أن »اﻟﻌﺎﻃﻠني ﻋﻦ اﻟﻌﻤﻞ« ﻳﺸـﺎﻫﺪون‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن ﺑﺪرﺟﺔ أﻛﱪ ﻣﻘﺎرﻧـﺔ »ﺑﺎﻟﻌـﺎﻣﻠني«‪ ،‬وأن اﻟﻌـﺎﻣﻠني ﻳﺴـﺘﺨﺪﻣﻮن اﻹﻧﱰﻧـﺖ ﺑﺪرﺟـﺔ أﻛـﱪ ﻣﻘﺎرﻧـﺔ‬
‫ﺑﺎﻟﻌﺎﻃﻠني‪ .‬ﻏري أن ﻫﺬا ﻻ ﻳﻜﻔﻲ »ﻟﻠﺘﻤﻴﻴﺰ« ﺑني ﻣﺠﻤﻮﻋﺔ »اﻟﻌـﺎﻃﻠني« وﻣﺠﻤﻮﻋـﺔ »اﻟﻌـﺎﻣﻠني«؛ ﻷن ﻫﻨـﺎك‬
‫ﻣﺘﻐريات أﺧﺮى ﻻ ﺑﺪ ﻣﻦ أﺧﺬﻫﺎ ﰲ اﻻﻋﺘﺒﺎر إذا أردﻧﺎ متﻴﻴ ًﺰا دﻗﻴﻘًﺎ ﺑـني اﳌﺠﻤـﻮﻋﺘني‪ ،‬ﻣـﻦ ﻫـﺬه اﳌﺘﻐـريات‬
‫ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل اﻟﺴﻦ وﻣﺴﺘﻮى اﻟﺘﻌﻠﻴﻢ‪.‬‬

‫ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ‪ ،‬ﻓﺈن اﻟﺪاﻟﺔ اﻟﺘﻤﻴﻴﺰﻳﺔ ﺗﺸـﻤﻞ ﻣﺘﻐـريات‪ :‬ﻣﺸـﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳـﻮن‪ ،‬اﺳـﺘﺨﺪام اﻹﻧﱰﻧـﺖ‪،‬‬
‫اﻟﺴﻦ‪ ،‬ﻣﺴﺘﻮى اﻟﺘﻌﻠﻴﻢ‪ .‬ﻓﺈذا ﻛﺎﻧﺖ ﻫﺬه اﳌﺘﻐريات ذات ﺗﺄﺛري ﺟﻮﻫﺮي ﰲ اﻟﺘﻤﻴﻴـﺰ ﺑـني اﳌﺠﻤـﻮﻋﺘني‪ ،‬ﻓـﺈن‬
‫ﺟﻮﻫﺮﻳـﺎ ﺑـني اﳌﺠﻤـﻮﻋﺘني واﻟﻌﻜـﺲ ﺻـﺤﻴﺢ )مبﻌﻨـﻰ أن ﻫـﺬه‬
‫ّ‬ ‫ً‬
‫اﺧﺘﻼﻓـﺎ‬ ‫ﻗﻴﻤﺔ ﻫﺬه اﻟﺪاﻟﺔ ﺳﻮف ﺗﺨﺘﻠﻒ‬
‫ً‬
‫اﺧﺘﻼﻓﺎ‬ ‫اﳌﺘﻐريات إذا مل ﺗﻜﻦ ذات ﺗﺄﺛري ﺟﻮﻫﺮي ﰲ اﻟﺘﻤﻴﻴﺰ ﺑني اﳌﺠﻤﻮﻋﺘني‪ ،‬ﻓﺈن ﻗﻴﻤﺔ اﻟﺪاﻟﺔ ﻟﻦ ﺗﺨﺘﻠﻒ‬
‫ﺟﻮﻫﺮﻳّﺎ ﺑني اﳌﺠﻤﻮﻋﺘني(‪.‬‬

‫‪-346-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫وﻳﺘﻢ ﺗﻘـﺪﻳﺮ ﻣﻌﺎﻣﻼت اﻟﺪاﻟﺔ اﻟﺘﻤـﻴﻴﺰﻳﺔ اﻟﺨﻄﻴﺔ ﻛﻤﻌﺎدﻟﺔ اﻻﻧﺤـﺪار اﻟﺨﻄـﻲ اﳌﺘﻌـﺪد ‪(A) (Multiple‬‬
‫)‪ Linear Regression Equation‬ﻓﺈذا رﻣﺰﻧﺎ إﱃ ﻗﻴﻢ ﻫﺬه اﳌﻌﺎﻣﻼت ﺑﺎﻟﺮﻣﻮز‪ :‬س‪ ،‬ص‪ ،‬ع‪ ،‬ل ﻓﺈن ﻗﻴﻤﺔ اﻟﺪاﻟﺔ‬
‫اﻟﺘﻤﻴﻴﺰﻳﺔ ﺗﺴﺎوي‪:‬‬

‫)س × ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن( ‪) +‬ص× اﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ(‬

‫‪) +‬ع × اﻟﺴﻦ( ‪) +‬ل× اﻟﺘﻌﻠﻴﻢ(‬

‫ﻣﺮة أﺧـﺮى‪ ،‬إذا اﺧﺘﻠﻔـﺖ ﻗﻴﻤـﺔ ﻫـﺬه اﻟﺪاﻟـﺔ ﰲ ﺣﺎﻟـﺔ ﻣﺠﻤﻮﻋـﺔ »اﻟﻌـﺎﻃﻠني« ﻋـﻦ ﻗﻴﻤﺘﻬـﺎ ﰲ ﺣﺎﻟـﺔ‬
‫ﻣﺠﻤﻮﻋﺔ »اﻟﻌﺎﻣﻠني«‪ ،‬ميﻜﻦ اﻟﻘﻮل ﺑﺄن اﳌﺘﻐريات اﳌﺬﻛﻮرة »متﻴﺰ« ﺑني اﳌﺠﻤﻮﻋﺘني‪.‬‬

‫وﺗﺘﻀـﺢ أﻫﻤﻴـﺔ ﻛـﻞ داﻟـﺔ متﻴﻴﺰﻳـﺔ ﻋـﲆ ﺣـﺪة ﻣـﻦ واﻗـﻊ ﻗﻴﻤـﺔ اﻻرﺗﺒـﺎط اﻟﺤﻘﻴﻘـﻲ ‪(Canonical‬‬
‫أﺣﻴﺎﻧﺎ ﺑﺎﻻرﺗﺒﺎط اﻟﻘﺎﻧﻮين أو اﻻرﺗﺒﺎط اﳌﻌﱰف ﺑﻪ( وﻣﻦ اﻟﻨﺴﺒﺔ اﳌﺌﻮﻳﺔ ﻟﻠﻘﻮة‬
‫)‪) Correlation‬واﻟﺬي ﻳﺴﻤﻰ ً‬
‫اﻟﺘﻤﻴﻴﺰﻳﺔ اﻟﺘﻲ ﺗﺤﻘﻘﻬﺎ اﻟﺪاﻟﺔ‪ .‬ﻓﻔﻴام ﻳﺨﺺ »اﻻرﺗﺒﺎط اﻟﺤﻘﻴﻘﻲ«‪ ،‬ﻓﺈﻧﻪ ﻳﻌﱪ ﻋﻦ ﻗﻮة اﻟﻌﻼﻗـﺔ ﺑـني اﻟﺪاﻟـﺔ‬
‫ﻣـﺜﻼ ‪ 0.68‬وﻛـﺎن ﻟﻠﺪاﻟـﺔ‬
‫اﻟﺘﻤﻴﻴﺰﻳﺔ وﺑني اﻻﻧﺘامء ﻟﻠﻤﺠﻤﻮﻋﺎت‪ ،‬ﻓﺈذا ﻛﺎن اﻻرﺗﺒﺎط اﻟﺤﻘﻴﻘـﻲ ﻟﻠﺪاﻟـﺔ اﻷوﱃ ً‬
‫اﻟﺜﺎﻧﻴﺔ ‪ ،0.53‬ﻓﺈن ﻫﺬا ﻳﻌﻨﻲ أن اﻟﺪاﻟﺔ اﻷوﱃ متﻴﺰ ﺑني اﳌﺠﻤﻮﻋﺎت أﻛﱪ ﻣﻦ اﻟﺪاﻟﺔ اﻷوﱃ‪ ،‬أﻣﺎ ﻓـﻴام ﻳﺨـﺺ‬
‫اﻟﻨﺴﺒﺔ اﳌﺌﻮﻳﺔ ﻟﻠﻘﻮة اﻟﺘﻤﻴﻴﺰﻳﺔ ﻓﺈﻧﻬﺎ ﺗﻌﱪ ﻋﻦ ﻧﺴﺒﺔ اﻟﺘﺒﺎﻳﻦ ﺑني ﻣﺘﻮﺳﻄﺎت اﳌﺠﻤﻮﻋـﺎت اﻟﺮاﺟﻌـﺔ ﻟﻠﺪاﻟـﺔ‬
‫إﱃ ﻧﺴﺒﺔ اﻟﺘﺒﺎﻳﻦ اﻟﺬي ﺗﻮﻓﺮه ﻛﻞ اﻟﺪوال‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻧﺴﺒﺔ اﻟﻘﻮة اﻟﺘﻤﻴﻴﺰﻳـﺔ ﻟﻠﺪاﻟـﺔ اﻷوﱃ ﺗﺴـﺎوي ‪%75‬‬
‫ﻣﺜﻼ‪ ،‬ﻓﺈن ﻫﺬا ﻳﻌﻨﻲ أن ﻫﺬه اﻟﺪاﻟﺔ ﺗﻔﴪ ‪ %75‬ﻣﻦ اﻟﺘﺒﺎﻳﻦ اﻹﺟامﱄ اﻟﺬي ﺗﻔﺴـﺮه ﻛﻞ اﻟﺪوال اﻟﺘﻤﻴﻴﺰﻳﺔ‬
‫ً‬
‫اﻟﺘﻲ اﺳﺘﺨﺮﺟﻬﺎ اﻟﻨﻤﻮذج‪ ،‬وﻋﲆ ﻫﺬا اﻷﺳﺎس ميﻜﻦ ﻣﻌﺮﻓﺔ اﻟﻘﻮة اﻟﺘﻤﻴﻴﺰﻳﺔ ﻟﻜﻞ داﻟﺔ‪.‬‬

‫ﻛام أن ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط اﻟﺤﻘﻴﻘﻲ )‪ (Canonical Correlation‬ﻫﻲ ﰲ ﺟﻮﻫﺮﻫﺎ ﺗﻮﺿـﻴﺢ‬

‫ﻣـﺜﻼ أن اﳌﻌﻄﻴـﺎت اﻹﺣﺼـﺎﺋﻴﺔ‬
‫ﻟﻼرﺗﺒﺎط ﺑني ﻣﺘﻐريات اﻟﺪراﺳﺔ واﻟﺪوال اﻟﺘﻤﻴﻴﺰﻳـﺔ‪ .‬ﻧﻔـﱰض ً‬
‫ﺗﻔﻴﺪ ﺑﺄن ﻣﻌﺎﻣﻞ اﻻرﺗﺒـﺎط اﻟﺤﻘﻴﻘـﻲ ﺑـني اﻟﺪاﻟـﺔ اﻷوﱃ وﻣﺘﻐـري »اﳌﻌﺮﻓـﺔ اﻟﺴﻴﺎﺳـﻴﺔ« ﻫـﻮ‬
‫‪ ،0.78‬وأن اﻻرﺗﺒﺎط ﺑني اﻟﺪاﻟـﺔ اﻷوﱃ وﻣﺘﻐـري »اﻻﻫـﺘامم ﺑﺎﳌﻮﺿـﻮﻋﺎت اﻟﺴﻴﺎﺳـﻴﺔ« ﻫـﻮ‬

‫‪-347-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫‪ 0.65‬ﻛام أن اﻻرﺗﺒﺎط ﺑني اﻟﺪاﻟﺔ اﻷوﱃ وﻣﺘﻐري »ﺣﻀﻮر اﻟﻠﻘﺎءات اﻟﺴﻴﺎﺳـﻴﺔ« ﻫـﻮ ‪ ،0.35‬ﻫـﺬا ﻳﻌﻨـﻲ أن‬
‫اﻟﺪرﺟﺔ اﻷﻛﱪ ﻋﲆ اﻟﺪاﻟﺔ اﻷوﱃ ﺗﻌﻜﺲ اﳌﻌﺮﻓﺔ اﻟﺴﻴﺎﺳـﻴﺔ‪ ،‬ﻛـام ميﻜـﻦ ﺗﺴـﻤﻴﺔ ﻫـﺬه اﻟﺪاﻟـﺔ )اﳌﺸـﺎرﻛﺔ‬
‫اﻟﺴﻴﺎﺳﻴﺔ(‪ .‬وﺗﺘﺼﻒ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﺘﺤﻠﻴـﻞ اﻟﺘﻤﻴﻴـﺰي ﺑـﺎﻟرثاء اﻟﺸـﺪﻳﺪ؛ اﻷﻣـﺮ اﻟـﺬي ﻳﺘﻄﻠـﺐ ﻣـﻦ‬
‫اﻟﺒﺎﺣﺚ اﻟﺘﻌﺎﻣﻞ ﻣﻌﻬﺎ ﺑﻮﻋﻲ واﺳﺘﺨﺪاﻣﻬﺎ ﰲ اﻟﺪراﺳﺔ اﻻﺳﺘﺨﺪام اﻟﺼﺤﻴﺢ‪،‬وﻣﻦ أﺑﺮز ﻫﺬه اﳌﻌﻄﻴﺎت‪:‬‬

‫‪ -‬إﺣﺼﺎءات ﻋﻦ ﻛﻞ ﻣﺘﻐري‪ ،‬وﻣﻨﻬﺎ‪:‬‬

‫‪Means, Standard Deviations, Univariate ANOVA.‬‬

‫‪ -‬ﻣﺨﺮﺟﺎت إﺣﺼﺎﺋﻴﺔ ﻋﻦ ﻛﻞ ﺧﻄﻮة )إﺟﺮاء(‪ ،‬ﻣﺜﻞ‪:‬‬

‫‪Box's M, Within-Groups Correlation Matrix, Within-Groups Covariance Matrix, Separate-Groups‬‬
‫‪Covariance Matrix, Total Covariance Matrix.‬‬

‫‪ -‬إﺣﺼﺎءات ﻋﻦ ﻛﻞ داﻟﺔ متﻴﻴﺰﻳﺔ‪ ،‬وﻣﻨﻬﺎ ‪:‬‬

‫‪Eigenvalue Percentage of Variance, Canonical Correlation, Wilks' Lambda, Chi-Square. For Each‬‬
‫‪Step: Prior Probabilities, Fisher's Function Coefficients, Un-Standardized Function Coefficients,‬‬
‫‪Wilks' Lambda for Each Canonical Functio.‬‬

‫ﻛام ﺗﺘـﻴﺢ اﳌﻌﻄﻴـﺎت اﻹﺣﺼـﺎﺋﻴﺔ اﻟﺘـﻲ ﻳﺴـﻔﺮ ﻋﻨﻬـﺎ اﻟﺘﺤﻠﻴـﻞ اﻟﺘﻤﻴﻴـﺰي ﻣﻔﻬـﻮم )‪،(Group Centraids‬‬
‫وﻳﻌﻨﻲ ﻣﺮاﻛﺰ اﳌﺠﻤﻮﻋﺎت ﻋﲆ اﻟـﺪوال اﻟﺘﻤﻴﻴﺰﻳـﺔ‪ ،‬وﻫـﺬه اﳌﺮاﻛـﺰ ﻫـﻲ اﳌﺘﻮﺳـﻄﺎت اﻟﺤﺴـﺎﺑﻴﺔ ﻟـﺪرﺟﺎت‬
‫اﳌﺠﻤﻮﻋﺎت ﻋﲆ اﻟﺪوال اﻟﺘﻤﻴﻴﺰﻳﺔ ﺑﻌﺪ ﺗﺤﻮﻳﻠﻬﺎ إﱃ درﺟﺎت ﻣﻌﻴﺎرﻳﺔ )‪ ،(Z Scores‬ﻓﺈذا ﻗﻠﻨـﺎ ﺑـﺄن درﺟـﺎت‬
‫اﳌﺠﻤﻮﻋﺔ اﻷوﱃ ﻋﲆ اﻟﺪاﻟﺔ اﻟﺘﻤﻴﻴﺰﻳﺔ اﻷوﱃ ﻫﻮ ‪ 0.712‬ﺑﻴﻨام درﺟﺔ اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ ﻋﲆ اﻟﺪاﻟﺔ ﻧﻔﺴـﻬﺎ‬
‫ﻫﻮ ‪ ،1.56‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أن اﳌﺠﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ ﺗﺘﻔﻮق ﻋﲆ اﳌﺠﻤﻮﻋﺔ اﻷوﱃ مبﻘﺪار ‪0.848‬؛ أي أﻗﻞ ﻣـﻦ‬
‫واﺣﺪ اﻧﺤﺮاف ﻣﻌﻴﺎري‪.‬‬

‫‪-348-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫وﻣــﻦ اﻟﴬوري ﻋﻨــﺪ اﺳــﺘﺨﺪام اﻟﺘﺤﻠﻴــﻞ اﻟﺘﻤﻴﻴــﺰي أن ﻳــﺘﻢ ﺗﻜﻮﻳــﺪ اﳌﺠﻤﻮﻋــﺎت ﺑﺄرﻗــﺎم ﺻــﺤﻴﺤﺔ‬
‫)‪ ،(Integers‬وﻋﻨﺪ إﺟﺮاء اﻟﺘﺤﻠﻴﻞ ﻳﺘﻢ ﺗﺤﺪﻳﺪ اﻟﺤـﺪ اﻷدىن واﻟﺤـﺪ اﻷﻗﺼــﻰ ﻟﻬـﺬه اﻷرﻗـﺎم؛ إذ إن اﻟﺘﺤﻠﻴـﻞ‬
‫ﻣـﺜﻼ‪ ،‬ﺗﻜـﻮن‬
‫ﻳﺴﺘﺒﻌﺪ ﺗﻠﻘﺎﺋﻴّﺎ؛ أي ﺣﺎﻟﺔ )ﻣﺒﺤﻮث( ﺧﺎرج ﻫﺬه اﻟﺤﺪود‪ ،‬ﻓﺈذا ﻛﺎن ﻟﺪﻳﻨﺎ ﺛﻼث ﻣﺠﻤﻮﻋـﺎت ً‬
‫ﻣـﺜﻼ‪،-‬‬
‫أرﻗﺎﻣﻬﺎ اﻟﻜﻮدﻳﺔ )‪ ،(3 ،2 ،1‬ﻓﺈذا ﻛﺎن ﻫﻨﺎك أي ﺣﺎﻟﺔ ﺗﻢ ﺗﻜﻮﻳﺪﻫﺎ ﺑﺮﻗﻢ آﺧـﺮ‪ -‬ﻋـﲆ ﺳـﺒﻴﻞ اﻟﺨﻄـﺄ ً‬
‫ﻓﺈﻧﻬﺎ ﻟﻦ ﺗﻜﻮن ﺿﻤﻦ اﻟﺘﺤﻠﻴﻞ؛ اﻷﻣﺮ اﻟﺬي ﻳﺆﻛﺪ ﴐورة ﻓﺤﺺ اﻻﺳﺘﺠﺎﺑﺎت اﻟﺒﺴﻴﻄﺔ ﺑﺪﻗﺔ ﻗﺒﻞ اﳌﻌﺎﻟﺠـﺔ‬
‫اﻹﺣﺼﺎﺋﻴﺔ‪.‬‬

‫اﳌﺒﺤﺚ اﻟﺴﺎﺑﻊ‬

‫اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي واﻟﺘﺤﻠﻴﻞ اﻟﺜﺎﻧﻮي‬

‫ﻫﻨﺎك اﻟﻜﺜري ﻣﻦ اﻟﺒﺤﻮث ﺑﺎﻟﻐﺔ اﻷﻫﻤﻴﺔ واﻟﻌﻤﻖ واﻟرثاء اﻟﻔﻜﺮي واﳌﻨﻬﺠﻲ اﻟﺘـﻲ ﻗﺎﻣـﺖ ﻋـﲆ إﻋـﺎدة‬
‫اﻟﺘﺤـﻠﻴﻞ ﻟﻨﺘـﺎﺋﺞ وﺑﻴﺎﻧﺎت إﺣﺼﺎﺋﻴﺔ ﺳﺎﺑﻘﺔ‪ ،‬وﺗﺴﺘﺨﺪم ﺗﻠﻚ اﻟﺒﺤﻮث أﺳـﺎﻟﻴﺐ إﺣﺼـﺎﺋﻴﺔ ﻣﺘﻄﻮرة‪ ،‬وﺗﻘـﻮم‬
‫ﻣﻌـﺎين ﻛﺜـرية ﻟﻬـﺬﻳﻦ‬
‫َ‬ ‫ﻋﲆ اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي واﻟﺘﺤﻠﻴﻞ اﻟﺜﺎﻧﻮي‪ ،‬وﻣﻦ اﻟﺠﺪﻳﺮ ﺑﺎﻟﺘﺄﻛﻴﺪ ﻋﻠﻴﻪ ﻫـﻮ أن ﻫﻨـﺎك‬
‫ﺷﻴﻮﻋﺎ‪:‬‬
‫ً‬ ‫ﻟﻜﻞ ﻣﻨﻬام ﺣﺴﺐ اﻟﺮؤﻳﺔ اﻷﻛرث‬
‫اﻟﻨﻤﻄني ﻣﻦ اﻟﺘﺤﻠﻴﻞ‪ ،‬وﻓﻴام ﻳﲇ ﺗﻮﺿﻴﺢ ﱟ‬

‫ً‬
‫أوﻻ‪ :‬اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي‬

‫إن اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي )‪ (Meta Analysis‬ﰲ ﻣﻌﻨﺎه اﻟﻌـﺎم ﻫـﻮ اﺳـﺘﺨﺪام ﻧﺘـﺎﺋﺞ ﺗﻮﺻـﻠﺖ إﻟﻴﻬـﺎ ﺑﺤـﻮث‬
‫ودراﺳﺎت ﺳﺎﺑﻘﺔ ﰲ ﺻﻴﺎﻏﺔ رؤﻳﺔ ﻋﻠﻤﻴﺔ ﻣﺘﻜﺎﻣﻠﺔ ﻋﻦ ﻣﻮﺿﻮع ﻣﻌـني؛ أي أن اﻟﻔﻜـﺮة اﻷﺳﺎﺳـﻴﺔ ﰲ ﻣـﻨﻬﺞ‬
‫اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي ﻫﻲ ﻓﻜﺮة ﺗﻜﺎﻣـﻞ اﻟﺒﺤـﻮث)‪ (Research Integration‬واﻻﺳـﺘﻔﺎدة ﻣﻨﻬـﺎ ﰲ إﻧﺘـﺎج دراﺳـﺔ‬
‫ﺟﺪﻳﺪة ذات ﻃﺒﻴﻌﺔ ﻛﻤﻴﺔ )‪ (Quantitative‬ﺗﺮﺗﻜﺰ ﻋﲆ ﺧﻠﻔﻴﺔ ﻧﻈﺮﻳﺔ وﺗﻔﺴري ﻣﺘﻌﻤﻖ‪.‬‬

‫‪-349-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻳﻌﻮد اﻟﻔﻀﻞ ﰲ اﺑﺘﻜـﺎر اﻟﺘﺤﻠﻴـﻞ اﻟﺒﻌـﺪي )‪ (Meta Analysis‬إﱃ اﻟﻌـﺎمل اﻷﻣـﺮﻳيك ﺟـﻼس )‪(Glass,1976‬‬
‫واﻟﺬي ﻗﺎل‪» :‬إن اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي ﻫﻮ )ﺗﺤﻠﻴﻞ اﻟﺘﺤﻠﻴﻞ(«‪ ،‬مبﻌﻨﻰ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﳌﺠﻤﻮﻋﺔ ﻛﺒـرية ﻣـﻦ‬
‫اﻟﻨﺘﺎﺋﺞ اﻟﺘﻲ ﺗﻮﺻﻠﺖ إﻟﻴﻬﺎ دراﺳﺎت ﺳﺎﺑﻘﺔ‪ ،‬ومبﻮﺟﺐ ﻫﺬا اﻟﺘﺤﻠﻴﻞ ﻧﺤﺼﻞ ﻋﲆ ﻣﻌﻄﻴـﺎت ﺟﺪﻳـﺪة؛ وﻣـﻦ‬
‫ﺛﻢ ﺻﻴﺎﻏﺔ ﻫﺬه اﳌﻌﻄﻴﺎت )اﻟﺠﺪﻳﺪة( ﰲ ﺗﻘﺮﻳـﺮ ﻋﻠﻤـﻲ ﻣﺘﻜﺎﻣـﻞ‪ .‬وﻳﺘﻄﻠـﺐ اﻟﺘﺤﻠﻴـﻞ اﻟﺒﻌـﺪي اﻟﺘﺴـﺠﻴﻞ‬
‫ّ‬
‫اﻟﻜﻤﻲ ﻟﺨﺼﺎﺋﺺ اﻟﺪراﺳﺎت اﻟﺴﺎﺑﻘﺔ وﻧﺘﺎﺋﺠﻬﺎ واﻟﺘﻌﺎﻣﻞ ﻣـﻊ اﳌـﺎدة اﳌﺴـﺠﻠﺔ ﻋـﲆ أﻧﻬـﺎ ﺑﻴﺎﻧـﺎت )‪(Data‬‬
‫ﺗﺨﻀﻊ ﳌﻌﺎﻟﺠﺔ إﺣﺼﺎﺋﻴﺔ ﺟﺪﻳﺪة ميﻜﻦ اﻟﺤﺼﻮل ﻣﻨﻬﺎ ﻋـﲆ ﻧﺘـﺎﺋﺞ ﺟﺪﻳـﺪة‪/‬ﻣﺘﻜﺎﻣﻠـﺔ مبـﺎ ﻳﻘﺎﺑـﻞ أﻫـﺪاف‬
‫اﻟﺒﺤﺚ اﳌﻄﻠﻮب إﻧﺘﺎﺟﻪ ﻣﻦ اﻟﺪراﺳﺎت اﻟﺴﺎﺑﻘﺔ‪ .‬ﻣﺜﺎل ذﻟﻚ أن ﻳﻘﻮم اﻟﺒﺎﺣﺚ ﺑﺮﺻﺪ ﻧﺘﺎﺋﺞ ﺑﺤـﻮث ﺗﺤﻠﻴـﻞ‬
‫ﺛـﻢ ﻳﻘـﻮم ﺑﺮﺻـﺪ‬
‫اﳌﺤﺘﻮى اﻟﺘﻲ أﺟﺮﻳﺖ ﻋﲆ اﻷﺧﺒﺎر ﰲ اﻟﺘﻠﻴﻔﺰﻳﻮن اﳌﴫي ﺧﻼل ﻣﺪة زﻣﻨﻴﺔ ﻣﻌﻴﻨﺔ؛ وﻣﻦ ّ‬
‫إﺣﺼﺎﺋﻴﺎ ﺑﻄﺮﻳﻘﺔ ﺗﺘـﻴﺢ اﻟﺘﻮﺻـﻞ إﱃ ﻧﺘـﺎﺋﺞ ﺟﺪﻳـﺪة‬
‫ّ‬ ‫ﻧﺘﺎﺋﺞ ﺗﻠﻚ اﻟﺒﺤﻮث وإدﺧﺎﻟﻬﺎ ﰲ اﻟﺤﺎﺳﻮب وﻣﻌﺎﻟﺠﺘﻬﺎ‬
‫ﺗﺘﻔﻖ وﻫﺪف اﻟﺪراﺳﺔ اﻟﺘﻲ ﻳﻘﻮم ﺑﻬﺎ‪ ،‬وﻗﺪ ﻳﻘﻮم اﻟﺒﺎﺣـﺚ ﺑﺮﺻـﺪ ﻧﺘـﺎﺋﺞ اﻟﺒﺤـﻮث اﻟﺘـﻲ ﺗﻀـﻤﻨﺖ ﺗـﻘﴢ‬
‫ﻣﺜﻼ‪ ،‬وﻣﻌﺎﻟﺠـﺔ ﺗﻠـﻚ اﻟﻨﺘـﺎﺋﺞ واﻟﺨـﺮوج ﻣـﻦ‬
‫اﻟﻌﻼﻗﺔ ﺑني اﻟﻨﻮع وﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﺧﻼل ﻋﴩ ﺳﻨﻮات ً‬
‫ذﻟﻚ ﺑﺘﻘﺮﻳﺮ ﻣﺘﻜﺎﻣﻞ ﻋﻦ اﻟﻔﺮوق ﺑني اﻟﺠﻨﺴني ﰲ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن‪.‬‬

‫وميﻜﻦ ﺗﻨﻔﻴﺬ اﻟﺘﺤﻠﻴـﻞ اﻟﺒﻌـﺪي ﺑﻜﻔـﺎءة ﻋﺎﻟﻴـﺔ إذا ﺗـﻮﻓﺮت ﻟـﺪى اﻟﺒﺎﺣـﺚ أﻫـﺪاف واﺿـﺤﺔ وﻗﺎﺑﻠـﺔ‬
‫ﻟﻠﺘﻨﻔﻴﺬ‪ ،‬ﺛﻢ اﻟﻘﺪرة ﻋﲆ ﺗﻄﻮﻳﻊ ﻧﺘﺎﺋﺞ اﻟﺪراﺳﺎت اﻟﺴﺎﺑﻘﺔ مبـﺎ ﻳﺘﻔـﻖ ﻣـﻊ ﺗﻠـﻚ اﻷﻫـﺪاف‪ ،‬وﻳﺘﻄﻠـﺐ ذﻟـﻚ‬
‫اﻟﺘﻜﻮﻳﺪ اﻟﻜﻤﻲ )‪ (Quantitative Coding‬اﻟﺼﺤﻴﺢ ﻟﻨﺘﺎﺋﺞ اﻟﺪراﺳﺎت اﻟﺴﺎﺑﻘﺔ واﻟﻌﻴﻨﺎت اﻟﺘﻲ أﺟﺮﻳﺖ ﻋﻠﻴﻬﺎ‪،‬‬
‫ﻫﺬا ﺑﺎﻹﺿﺎﻓﺔ إﱃ ﺧﺼﺎﺋﺺ ﺗﻠـﻚ اﻟﺪراﺳـﺎت؛ ﻣـﻦ ﺣﻴـﺚ ﺗـﺎرﻳﺦ اﻟـﻨﴩ وﻣﺼـﺪره وﺧﺼـﺎﺋﺺ اﳌﻔﺤﻮﺻـني‬
‫وﻃﺒﻴﻌﺔ اﳌﻌﺎﻟﺠﺔ وﺗﺼﻤﻴﻢ اﻟﺪراﺳﺎت وﻃـﺮق اﻟﻘﻴـﺎس‪ ،‬وﻏـري ذﻟـﻚ ﻣـﻦ اﻟﺨﺼـﺎﺋﺺ اﻟﺘـﻲ ﻳﺮاﻫـﺎ اﻟﺒﺎﺣـﺚ‬
‫ﴐورﻳﺔ ﻟﻠﺒﺤﺚ اﳌﺰﻣﻊ اﻟﻘﻴﺎم ﺑﻪ‪ ،‬وﰲ ﺑﻌﺾ ﺑﺤﻮث اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي ﻳﻜﻮن ﻣـﻦ اﻟﴬوري ﺗﺤﻮﻳـﻞ ﻧﺘـﺎﺋﺞ‬
‫اﻟﺪراﺳﺎت اﻟﺴﺎﺑﻘﺔ إﱃ ﻧﻈﺎم ﻗﻴﺎﳼ ﻣﺸﱰك ﺣﺘﻰ ميﻜﻦ اﻟﺘﻌﺎﻣﻞ ﻣﻌﻬﺎ إﺣﺼﺎﺋﻴّﺎ واﻟﺘﻮﺻﻞ إﱃ ﻧﺘﺎﺋﺞ دﻗﻴﻘـﺔ‬
‫ﻏري ﻣﻀﻠﻠﺔ‪.‬‬

‫‪-350-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﺘﺤﻠﻴﻞ اﻟﺜﺎﻧﻮي‬

‫ً‬
‫اﻟﺘﺤﻠﻴــﻞ اﻟﺜــﺎﻧﻮي )‪ (Secondary Analysis‬ﻫــﻮ اﻻﺳــﺘﻌﺎﻧﺔ ﺑﺎﻟﺒﻴﺎﻧــﺎت اﻟﺨــﺎم )‪ (Raw Data‬اﻟﺨﺎﺻــﺔ‬
‫إﺣﺼﺎﺋﻴﺎ ﻣﻦ ﻣﻨﻈﻮر ﻣﻌني‪ ،‬إﻣﺎ ﻟﻺﺟﺎﺑﺔ ﻋﲆ ﺗﺴـﺎؤﻻت‪ ،‬أو‬
‫ّ‬ ‫ﺑﺪراﺳﺎت ﺳﺎﺑﻘﺔ‪ ،‬وإﻋﺎدة ﺗﺤﻠﻴﻞ ﻫﺬه اﻟﺒﻴﺎﻧﺎت‬
‫ﻟﻠﺘﺤﻘﻖ ﻣﻦ ﻓﺮوض ﻣﻌﻴﻨﺔ )ﻋﲆ أﺳﺎس أن ﺗﻠﻚ اﻟﺒﻴﺎﻧﺎت ﺗﺘﻀﻤﻦ ﻛﺎﻓـﺔ اﳌﺘﻐـريات اﻟﻼزﻣـﺔ(‪ ،‬أو ﻟﻠﺤﺼـﻮل‬
‫ﻋﲆ ﻧﺘﺎﺋﺞ ميﻜﻦ ﻣﻘﺎرﻧﺘﻬﺎ؛ أي أﻧﻪ ﰲ اﻟﺘﺤﻠﻴﻞ اﻟﺜﺎﻧﻮي ﻻ ﻳﺘﻢ ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﻣﻦ ﻣﺼﺎدرﻫﺎ اﻷوﻟﻴﺔ اﳌﺒـﺎﴍة‪،‬‬
‫وﻟﻜﻦ ﻳﺘﻢ اﻟﺤﺼـﻮل ﻋـﲆ اﻟﺒﻴﺎﻧـﺎت اﻟﺨﺎﺻـﺔ ﺑﺪراﺳـﺎت ﺳـﺎﺑﻘﺔ‪ ،‬وﻗـﺪ ﺗﻜـﻮن ﻫـﺬه اﻟﺒﻴﺎﻧـﺎت ﻣﺨﺰوﻧـﺔ ﰲ‬
‫اﻟﺤﺎﺳﻮب؛ وﰲ ﺣﺎﻟﺔ ﻓﻘﺪان ﻫﺬه اﻟﺒﻴﺎﻧﺎت اﳌﺨﺰوﻧﺔ ﻟﺴﺒﺐ أو ﻵﺧﺮ ميﻜﻦ اﻟﺮﺟﻮع إﱃ اﻻﺳﺘﺒﻴﺎﻧﺎت اﻷﺻﻠﻴﺔ‬
‫ﰲ ﺣﺎﻟﺔ وﺟﻮدﻫﺎ‪ .‬وﻗﺪ اﻧﺘﴩ اﺳﺘﺨﺪام اﻟﺘﺤﻠﻴﻞ اﻟﺜﺎﻧﻮي ﻣﻊ ﺗﻄﻮر اﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ واﺣﺘﻴﺎﺟﺎت اﻟﺒﺤﻮث‪،‬‬
‫وﺗﺮاﻛﻢ اﻟﺒﻴﺎﻧﺎت اﻟﺨﺎم ﻣﻦ اﻟﺪراﺳﺎت اﻟﺴﺎﺑﻘﺔ‪.‬‬

‫وﻣﻦ ﺧﻼل إﻋﺎدة اﳌﻌﺎﻟﺠﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﺒﻴﺎﻧﺎت اﻟﺨﺎم )‪ (Raw Data‬اﻟﺨﺎﺻﺔ ﺑﺪراﺳـﺎت ﺳـﺎﺑﻘﺔ‪ ،‬ميﻜـﻦ‬
‫اﻟﺘﻮﺻﻞ إﱃ ﻧﺘﺎﺋﺞ ﺟﺪﻳﺪة‪ ،‬وﻛﺜ ًريا ﻣﺎ ﻳﻔﻴﺪ ﻫﺬا اﳌﺪﺧﻞ ﰲ ﺑﻠﻮرة رؤﻳﺔ ﺟﺪﻳﺪة‪ ،‬ﻛـام ﻳﻔﻴـﺪ ﰲ اﻟﺘﺄﻛـﺪ ﻣـﻦ‬
‫ﻧﻔﻴـﺎ‪ ،‬وﻛـﺬﻟﻚ ﻳﻔﻴـﺪ ﰲ ﺗﻮﺿـﻴﺢ اﻟﻔـﺮوق أو اﻟﻌﻼﻗـﺎت ﺑـني‬
‫إﺛﺒﺎﺗـﺎ أو ً‬
‫ﻧﻈﺮﻳﺔ‪ ،‬أو اﻟﺘﺤﻘﻖ ﻣﻦ ﻋﺪة ﻓـﺮوض ً‬
‫ﻣﺘﻐريات ﻣﻌﻴﻨﺔ‪ ،‬أو رﺻﺪ ﻣﻼﻣﺢ اﻟﺘﻐري ﻋﲆ ﻣﻮﺿﻮع ﻣﺎ ﻋﱪ اﻟﻔﱰات اﻟﺰﻣﻨﻴﺔ اﳌﺨﺘﻠﻔﺔ‪ ،‬ﻓﺎﻟﺒﺎﺣﺚ ﻗﺪ ﻳﺤﺼﻞ‬
‫ﻋﲆ اﻟﺒﻴﺎﻧﺎت اﻟﺨﺎم اﻟﺨﺎﺻﺔ مبﺸﺎﻫﺪة اﻹﻋﻼﻧﺎت اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴـﺔ ﻣـﻦ واﻗـﻊ دراﺳـﺎت أﺟﺮﻳـﺖ ﻋـﲆ اﻣﺘـﺪاد‬
‫إﺣﺼـﺎﺋﻴﺎ؛ ﺑﻬـﺪف اﻟﺘﻮﺻـﻞ إﱃ ﻧﺘـﺎﺋﺞ ﺗﻮﺿـﺢ ﺗﻄـﻮر اﻟﻌﻼﻗـﺔ ﺑـني‬
‫ّ‬ ‫ﻋﺎﻣﺎ‪ ،‬ﺛﻢ ﻳﻌﺎﻟﺞ ﻫﺬه اﻟﺒﻴﺎﻧﺎت‬
‫ﻋﴩﻳﻦ ً‬
‫ﻣﺸﺎﻫﺪة إﻋﻼﻧﺎت اﻟﺘﻠﻴﻔﺰﻳﻮن واﻟﺴﻠﻮك اﻟﴩايئ ﻟﻠﺠﻤﻬﻮر‪.‬‬

‫‪-351-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﺗﻀﻤﻦ ﻫﺬا اﻟﻔﺼﻞ ﺗﻌﺮﻳﻔًﺎ ﺑﺎﻟﺠﻮاﻧﺐ اﻷﺳﺎﺳﻴﺔ ﻟﺒﻌﺾ أﺳﺎﻟﻴﺐ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ اﳌﺘﻌﻤﻘﺔ‪ ،‬وﺗﺘﻠﺨﺺ‬
‫ﻣﻮﺿﻮﻋﺎﺗﻪ اﻷﺳﺎﺳﻴﺔ ﰲ‪:‬‬

‫‪ -‬ﻳﺴﺘﺨﺪم ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد )‪ (MANOVA‬ﻟﺘﻘﴢ اﻻﺧﺘﻼﻓﺎت أو اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋـﺎت ﰲ‬

‫أﻛرث ﻣﻦ ﻣﺘﻐري ﺗﺎﺑﻊ‪ ،‬وﻫﻨﺎك ﻋﺪة ﴍوط ﻳﺘﻌني ﺗﻮاﻓﺮﻫﺎ ﺣﺘـﻰ ﻳﺘﺴـﻨﻰ اﺳـﺘﺨﺪام )‪ (MANOVA‬ﻻ‬
‫ﺑﺪ أن ﻳﻌﻴﻬﺎ اﻟﺒﺎﺣﺚ ﺟﻴﺪا‪.‬‬

‫‪ -‬ﻣﻦ ﺧﻼل اﻟﺘﺒﺎﻳﻦ اﳌﺘﻌﺪد ميﻜﻦ ﻣﻌﺮﻓﺔ ﻧﺴـﺒﺔ اﻟﺘﺒـﺎﻳﻦ ﰲ اﳌﺘﻐـريات اﻟﺘﺎﺑﻌـﺔ اﻟﺘـﻲ ميﻜـﻦ ﺗﻔﺴـريﻫﺎ‬
‫ﺑﺎﳌﺘﻐري اﳌﺴﺘﻘﻞ‪ ،‬وﻳﻌﱪ ﻋﻦ ذﻟﻚ ﰲ اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﺑﻘﻴﻤﺔ ﺗﺮﺑﻴﻊ إﻳﺘﺎ اﻟﺠـﺰيئ ) ‪Partial ETA.‬‬
‫ﻣﺜﻼ ‪ ،0.22‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أن اﳌﺘﻐري اﳌﺴﺘﻘﻞ ﻳـﻔﴪ ‪ %22‬ﻣـﻦ‬
‫‪ ،(Square‬ﻓﺈذا ﻛﺎﻧﺖ ﻫﺬه اﻟﻘﻴﻤﺔ ً‬
‫اﻟﺘﺒﺎﻳﻦ ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪.‬‬

‫‪ -‬ﺗﺤﻠﻴﻞ اﻟﺘﻐﺎﻳﺮ )‪ (Covariance Analysis) (ANCOVA‬ﻫﻮ أﺳﻠﻮب إﺣﺼﺎيئ ﻟﻠﺘﺤﻜﻢ ﰲ اﳌﺘﻐريات اﻟﺘﻲ‬
‫ﺗﺘﺪاﺧﻞ ﻣﻊ اﳌﺘﻐري اﳌﺴﺘﻘﻞ ﰲ اﻟﺘﺄﺛري ﻋـﲆ اﳌﺘﻐـري اﻟﺘـﺎﺑﻊ‪.‬ﻫـﺬه اﳌﺘﻐـريات اﻟﺘـﻲ ﻳـﺘﻢ ﺿـﺒﻄﻬﺎ أو‬
‫اﻟﺘﺤﻜﻢ ﻓﻴﻬﺎ ﺗﺴﻤﻰ ﺑﺎﳌﺘﻐريات اﳌﺼـﺎﺣﺒﺔ أو اﳌﻼزﻣـﺔ )‪ ،(Covariates‬وﻳﻌﺘـﱪ ﺗﺤﻠﻴـﻞ اﻟﺘﻐـﺎﻳﺮ ﻣـﻦ‬
‫أﻳﻀﺎ ﺑﻬﺪف زﻳﺎدة ﻗﻮة اﺧﺘﺒﺎر ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‬
‫أﺳﺎﻟﻴﺐ اﻟﻀﺒﻂ اﻹﺣﺼﺎيئ اﻟﻬﺎﻣﺔ‪ ،‬ﻛام أﻧﻪ ﻳﺴﺘﺨﺪم ً‬
‫اﻷﺣﺎدي )‪ ،(ANOVA‬وﻓﻬﻢ اﻟﺘﺒﺎﻳﻦ ﻏري اﳌﺘﻨﺒﺄ ﺑﻪ أو ﻏري اﳌﺘﻮﻗﻊ ﰲ منﻮذج ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‪ ،‬وﻫـﻮ‬
‫ﺗﺒﺎﻳﻦ اﻟﺨﻄﺄ )اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﳌﺠﻤﻮﻋﺎت(؛ اﻷﻣﺮ اﻟﺬي ﻳﺆدي إﱃ ﻧﺘﺎﺋﺞ أﻛرث دﻗﺔ‪.‬‬

‫‪ -‬ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار )‪ (Regression Analysis‬ﻫﻮ أﺳﻠﻮب إﺣﺼـﺎيئ ميﻜـﻦ ﺑﻮاﺳـﻄﺘﻪ اﻟﺘﻨﺒـﺆ‬

‫ﺑﻨـﺎء ﻋـﲆ وﺟـﻮد ارﺗﺒـﺎط ﺟـﻮﻫﺮي‬
‫ﺑﻘﻴﻤﺔ ﻣﺘﻐري ﻣﻌني مبﻌﻠﻮﻣﻴـﺔ ﻗﻴﻤـﺔ ﻣﺘﻐـري آﺧـﺮ ً‬
‫ﺑني اﳌﺘﻐريﻳﻦ‪ .‬وﺧﻂ اﻻﻧﺤﺪار ﻫﻮ ذﻟﻚ اﻟﺨﻂ اﻟﺬي ﻳﺠﻌﻞ ﻣﺠﻤﻮع اﻻﻧﺤﺮاﻓﺎت ﻋﻨـﻪ‬

‫‪-352-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫أﻗﻞ ﻣﺎ ميﻜﻦ‪ ،‬ﺳﻮاء ﻓﻴام ﻳﺨـﺺ اﳌﺘﻐـري )س( أو ﻓـﻴام ﻳﺨـﺺ اﳌﺘﻐـري )ص(‪ ،‬وميﻜـﻦ ﻣـﻦ ﺧﻼﻟـﻪ‬
‫ﺗﺤﺪﻳﺪ أي ﻧﻘﻄﺔ ﻋﲆ اﳌﺤﻮر اﻟﺼﺎدي إذا ﻋﻠﻤﻨﺎ اﻟﻨﻘﻄﺔ اﳌﻘﺎﺑﻠﺔ ﻟﻬﺎ ﻋﲆ اﳌﺤﻮر اﻟﺴـﻴﻨﻲ‪ ،‬واﻟﻌﻜـﺲ‬
‫ﺻﺤﻴﺢ‪.‬‬

‫‪ -‬اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﻴﻂ ﻫﻮ اﻟﺘﻄﺒﻴـﻖ اﻟﺒﺴـﻴﻂ أو اﳌﺒـﺎﴍ ﻟﻠﻔﻜـﺮة اﻷﺳﺎﺳـﻴﺔ اﻟﺘـﻲ ﻳﻘـﻮم ﻋﻠﻴﻬـﺎ‬
‫اﻻﻧﺤﺪار؛ ﻓﻬﻮ ﻳﻬﺪف إﱃ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤﺔ ﻣﺘﻐري ﻣﻌني مبﻌﻠﻮﻣﻴﺔ ﻣﺘﻐري آﺧﺮ؛ أي أﻧﻪ ﻳﺘﻀﻤﻦ ﻣﺘﻐـريﻳﻦ‬
‫ﻓﻘﻂ أﺣﺪﻫام ﻫﻮ اﳌﺘﻐري اﳌﺴﺘﻘﻞ واﻟﺜﺎين ﻫﻮ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪.‬‬

‫‪ -‬اﻧﺤﺪار )ص( ﻋﲆ )س( ﻳﻌﻨﻲ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤﺔ اﳌﺘﻐري )ص( ﺑﻨﺎء ﻋﲆ ﻣﻌﺮﻓﺔ ﻗﻴﻤﺔ )س(‪ ،‬أﻣﺎ اﻧﺤـﺪار‬
‫)س( ﻋﲆ )ص( ﻓﻴﻌﻨﻲ اﻟﺘﻨﺒﺆ ﺑﻘﻴﻤﺔ اﳌﺘﻐري )س( ﺑﻨﺎء ﻋﲆ ﻣﻌﺮﻓﺔ ﻗﻴﻤﺔ )ص(‪.‬‬

‫‪ -‬إن اﻻﻧﺤﺪار اﳌﺘﻌﺪد )‪ (Multi regression‬ﻳﺘﻌﺎﻣﻞ ﻣﻊ أﻛرث ﻣﻦ ﻣﺘﻐريﻳﻦ‪ ،‬ﻓﻘﺪ ﻳﻜﻮن ﻟﺪﻳﻨﺎ أﻛرث ﻣﻦ‬
‫ﻣﺘﻐري ﻣﺴﺘﻘﻞ‪ ،‬ﻣﺘﻐريان ﻣﺴﺘﻘﻼن أو ﺛﻼﺛﺔ ﻣﺘﻐـريات ﻣﺴـﺘﻘﻠﺔ أو أﻛـرث‪ ،‬وﻧﺮﻳـﺪ ﻣﻌﺮﻓـﺔ ﺗﺄﺛريﻫـﺎ ﰲ‬
‫ﻣﺘﻐري ﺗﺎﺑﻊ‪ ،‬ﻫﻨﺎ ﻧﺴﺘﺨﺪم اﻻﻧﺤﺪار اﳌﺘﻌﺪد؛ ﺣﻴﺚ ﻳﻜﻮن اﻟﺘﻌﺎﻣـﻞ ﻣـﻊ أﻛـرث ﻣـﻦ ﻣﺘﻐـري ﻣﺴـﺘﻘﻞ‬
‫)‪.(More Than Independent Variable‬‬

‫‪ -‬ﻣﻌﺎﻣﻞ اﻻﻧﺤﺪار اﳌﺘﻌﺪد ﻳﻮﺿﺢ ﻟﻨﺎ ﻣﻘﺪار اﻟﺘﻐري اﻟﺬي ﻳﺴﺎﻫﻢ ﺑﻪ ﻛﻞ ﻣﺘﻐري ﻣﺴﺘﻘﻞ ﻋـﲆ ﺣـﺪة ﰲ‬
‫اﳌﺘﻐري اﻟﺘـﺎﺑﻊ‪ ،‬ﻛـام ﻳﻜﺸـﻒ ﻟﻨـﺎ ﻋـﻦ ﻣﺠﻤـﻞ اﻟﺘﻐـري اﻟـﺬي ﺗﺤﺪﺛـﻪ ﺟﻤﻴـﻊ اﳌﺘﻐـريات اﳌﺴـﺘﻘﻠﺔ‬
‫)ﻣﺠﺘﻤﻌﺔ( ﰲ اﳌﺘﻐري اﻟﺘﺎﺑﻊ‪.‬‬

‫‪ -‬ﻗﺒﻞ ﺗﻄﺒﻴﻖ اﻻﻧﺤﺪار اﳌﺘﻌﺪد ﻳﺠﺐ اﻟﺘﺄﻛﺪ ً‬

‫أوﻻ ﻣﻦ أن اﻻرﺗﺒﺎط ﺑـني ﻛـﻞ ﻣﺘﻐـريﻳﻦ ﻣـﻦ‬
‫ﻋﻠـام ﺑـﺄن ﻗﻴﻤـﺔ ﻣﻌﺎﻣـﻞ اﻻﻧﺤـﺪار‬
‫ﻗﻮﻳـﺎ )ﻓـﻼ ﻳﺘﺠـﺎوز ‪ً ،(0.8‬‬
‫اﳌﺘﻐريات اﳌﺴﺘﻘﻠﺔ ﻟـﻴﺲ ّ‬
‫اﻟﺨﺎص مبﺘﻐري ﻣﺴﺘﻘﻞ ﻣﻌني ﻻ ﻳﺪل ﰲ ﺣﺪ ذاﺗﻪ ﻋﲆ أﻫﻤﻴﺔ ﻫﺬا اﳌﺘﻐري ﰲ اﳌﺘﻐري اﻟﺘـﺎﺑﻊ‪،‬‬
‫وذﻟﻚ إذا ﻛﺎﻧﺖ وﺣﺪات ﻛﻞ ﻣﺘﻐري ﻣﺨﺘﻠﻔﺔ ﻋﻦ وﺣـﺪات اﳌﺘﻐـري اﻵﺧـﺮ‪ ،‬وﻣـﻦ ﻫﻨـﺎ‪ ،‬ﻳـﺘﻢ‬

‫‪-353-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫اﻟﺤﺼــﻮل ﻋــﲆ وزن ﺑﻴﺘــﺎ )‪ (Beta weight‬أو ﻣﻌﺎﻣــﻞ اﻻﻧﺤــﺪار اﳌﻘــﻨﻦ ‪(Standardized Beta‬‬
‫)‪.Coefficient‬‬

‫‪ -‬إن اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴـﺘﻲ )‪ (Logistic Regression‬ﻳﺒﺤـﺚ ﰲ ﻣﻌـﺪل اﻟﺘﻐـري ﰲ ﻟﻮﻏـﺎرﻳﺘﻢ اﻷرﺟﺤﻴـﺔ‬

‫)‪ (Log Odds‬ﻟﺤﺪوث اﳌﺘﻐري اﻟﺘﺎﺑﻊ ‪ Y‬ﻋﻨﺪﻣﺎ ﻳﺘﻐري اﳌﺘﻐـري اﳌﺴـﺘﻘﻞ ‪ .X‬إن ﻧﺴـﺒﺔ اﻷرﺟﺤﻴـﺔ ﻫـﻲ‬
‫ﻣﻘﺴﻮﻣﺎ ﻋﲆ اﺣﺘامل ﻋﺪم وﻗﻮﻋﻪ‪.‬‬
‫ً‬ ‫اﺣﺘامل وﻗﻮع اﻟﺤﺪث‬

‫ﻣﺘﻘﻄﻌـﺎ‬
‫ً‬ ‫‪ -‬ﻳﺴﺘﺨﺪم اﻻﻧﺤﺪار اﻟﻠﻮﺟﺴﺘﻲ )‪ (Logistic Regression‬ﻋﺎدة ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﳌﺘﻐري اﻟﺘﺎﺑﻊ ّ‬
‫ﺛﻨﺎﺋﻴـﺎ‬
‫)‪ ،(Binary Dichotomous‬مبﻌﻨﻰ أن ﻫﺬا اﳌﺘﻐري ﻟﻪ ﺣﺎﻟﺘﺎن ﻓﻘﻂ‪ ،‬وميﻜﻦ إﻋﺎدة ﺗﻜﻮﻳﺪ اﳌﺘﻐري اﳌﺴـﺘﻤﺮ‬
‫ﻣﺘﻘﻄﻌﺎ‪.‬‬
‫ً‬ ‫)ﻏري اﳌﺘﻘﻄﻊ( ﺑﺤﻴﺚ ﻳﺼﺒﺢ ﻣﺘﻐ ًريا ﺛﻨﺎﺋﻴّﺎ‬

‫‪ -‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﲇ )‪ (Factor Analysis‬ﻣـﻦ اﻷﺳـﺎﻟﻴﺐ اﻹﺣﺼـﺎﺋﻴﺔ اﳌﻬﻤـﺔ اﻟﺘـﻲ ميﻜـﻦ أن ﻳﺴـﺘﺨﺪﻣﻬﺎ‬
‫اﻟﺒﺎﺣﺚ ﰲ ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧﺎت ﻣﺘﻌـﺪدة اﳌﺘﻐـريات‪ ،‬ودراﺳـﺔ اﻟﻌﻼﻗـﺎت اﻟﻘﺎمئـﺔ ﺑـني ﺗﻠـﻚ اﳌﺘﻐـريات‬
‫واﺧﺘﺰاﻟﻬﺎ ﰲ ﻋﺪد أﻗﻞ ﻣﻦ اﻟﻌﻮاﻣﻞ)‪ (Factors‬اﻟﺘﻲ ﺗﻔﺴـﺮ اﻟﻈﺎﻫﺮة ﻣﺠﺎل اﻟﺪراﺳﺔ‪.‬‬

‫‪ -‬إن اﻟﺪراﺳﺔ اﻟﻌﺎﻣﻠﻴﺔ ﻻ ﺑﺪ أن ﺗﺮﺗﻜﺰ ﻋﲆ أﻫﺪاف وﻓـﺮوض ‪ /‬ﺗﺴـﺎؤﻻت واﺿـﺤﺔ وﻣﺤـﺪدة وﻗﺎﺑﻠـﺔ‬
‫ﻟﻠﻘﻴﺎس وذات دﻻﻟﺔ ﳌﻮﺿﻮع اﻟﺪراﺳـﺔ وأﻫـﺪاﻓﻬﺎ وإﻃﺎرﻫـﺎ اﻟﻨﻈـﺮي‪ ،‬ﻛـام أن اﻟﺪراﺳـﺔ اﻟﻌﺎﻣﻠﻴـﺔ‬
‫ﺗﺘﻄﻠﺐ اﻟﺘﺤﺪﻳﺪ اﻟﺪﻗﻴﻖ ﻟﻠﻤﺘﻐريات وﻛﻔﺎءة اﺧﺘﻴﺎر ﻣﻔﺮدات اﻟﻌﻴﻨﺔ واﻟﺤﺠﻢ اﳌﻨﺎﺳﺐ‪ ،‬وﻛﺬﻟﻚ دﻗﺔ‬
‫ﺗﺼﻤﻴﻢ أداة ‪ /‬أدوات اﻟﻘﻴﺎس‪.‬‬

‫‪ -‬ﻫﻨﺎك ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﳌﻔﺎﻫﻴﻢ اﻷﺳﺎﺳﻴﺔ اﻟﺨﺎﺻﺔ ﺑﺎﻟﺘﺤﻠﻴـﻞ اﻟﻌـﺎﻣﲇ‪ ،‬وﻻ ﺑـﺪ أن ﻳﺴـﺘﻮﻋﺒﻬﺎ اﻟﺒﺎﺣـﺚ‪،‬‬
‫وﻫﺬه اﳌﻔﺎﻫﻴﻢ ﻫﻲ ‪:‬‬

‫‪ x‬اﻟﻌﺎﻣــــﻞ )‪ ،(Factor‬وﻫــــﻮ اﳌﻌﻨــــﻰ اﻟﻌــــﺎم اﻟــــﺬي ﻳﻌــــﱪ ﻋــــﻦ اﻟﺒﻨــــﻮد ذات اﻻرﺗﺒــــﺎط‬
‫ﺑﻌﻀﻬﺎ ﺑﺒﻌﺾ‪.‬‬

‫‪-354-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫‪ x‬ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎط )‪ (Correlation Matrix‬وﻫﻲ ﻗﻴﻢ ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط ﺑني اﳌﺘﻐـريات ﺑﻌﻀـﻬﺎ‬
‫ﺑﻌﻀﺎ‪ ،‬أو ﺑني اﻟﻌﻮاﻣﻞ واﳌﺘﻐريات‪.‬‬
‫ﺑﻌﻀﺎ‪ ،‬أو اﻟﻌﻮاﻣﻞ ﺑﻌﻀﻬﺎ ً‬
‫ً‬

‫‪ x‬اﻻﺷﱰاﻛﻴﺎت أو ﻗﻴﻢ اﻟﺸﻴﻮع وﻫﻲ اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك )‪.(Common Variance‬‬

‫‪ x‬اﻟﺘﺸـــﺒﻌﺎت )‪ ،(Saturations‬وﻫـــﻲ ارﺗﺒـــﺎط اﳌﺘﻐـــري ﺑﺎﻟﻌﺎﻣـــﻞ )‪ ،(Factor‬اﻟﺠـــﺬر اﻟﻜـــﺎﻣﻦ‬

‫)‪ Eigenvalue‬أو ‪ ،(Latent Root‬وﻫﻮ ﺣﺠﻢ اﻟﺘﺒﺎﻳﻦ اﻟـﺬي ﻳﻔﺴــﺮه اﻟﻌﺎﻣـﻞ‪ ،‬وﻫـﻮ ﻳـﺪل ﻋـﲆ‬
‫ﻣﺠﻤﻮع ﻣﺮﺑﻌﺎت ﺗﺸﺒﻌﺎت ﻫﺬا اﻟﻌﺎﻣﻞ ﺑﺎﻟﺒﻨﻮد اﻟﺘﻲ ﻳﺘﺸﺒﻊ ﺑﻬﺎ‪.‬‬

‫‪ -‬ﻫﻨــﺎك منﻄــﺎن رﺋﻴﺴــﻴﺎن ﻟﻠﺘﺤﻠﻴــﻞ اﻟﻌــﺎﻣﲇ‪ ،‬اﻟــﻨﻤﻂ اﻷول ﻫــﻮ اﻟﺘﺤﻠﻴــﻞ اﻟﻌــﺎﻣﲇ اﻻﺳﺘﻜﺸــﺎﰲ‬
‫)‪ ،(Exploratory Factor Analysis‬واﻟﻨﻤﻂ اﻟﺜﺎين ﻫـﻮ اﻟﺘﺤﻠﻴـﻞ اﻟﻌـﺎﻣﲇ اﻟﺘﺄﻛﻴـﺪي ) ‪Confirmatory‬‬
‫ﻜـﻞ ﻣـﻦ ﻫـﺬه‬
‫‪ ،(Factor Analysis‬وﺗﺘﻌﺪد ﻃﺮق اﻟﺘﺤﻠﻴﻞ اﻟﻌـﺎﻣﲇ‪ ،‬ﻛـام أﻧﻬـﺎ ﺗﺘﻄـﻮر ﺑﺎﺳـﺘﻤﺮار‪ ،‬وﻟ ﱟ‬
‫اﻟﻄﺮق أﺳﺴﻬﺎ اﻟﺮﻳﺎﺿﻴﺔ‪.‬‬

‫‪ -‬ﻳﻘﺼﺪ ﺑﺘﺪوﻳﺮ اﻟﻌﻮاﻣﻞ أن ﻳﺤﻞ اﻟﻌﺎﻣﻞ ﻣﺤﻞ اﳌﺘﻐريات )اﻟﺒﻨﻮد(؛ ﺑﺤﻴﺚ ﺗﺼـﺒﺢ اﻟﺘﺸـﺒﻌﺎت ﺑـﺪاﺋﻞ‬
‫ﻟﻠﺪرﺟﺎت اﳌﻌﻴﺎرﻳﺔ‪ ،‬أﻣﺎ ﻋﻦ ﻋﻤﻠﻴﺔ اﻟﺘﺪوﻳﺮ ذاﺗﻬﺎ‪ ،‬ﻓﺘﻌﻨﻲ ﺗﺪوﻳﺮ اﻟﻌﻮاﻣﻞ ﺣﻮل ﻧﻘﻄﺔ اﻷﺻـﻞ ﺣﺘـﻰ‬
‫ﺗﺼﻞ إﱃ وﺿﻊ ﺑﺪﻳﻞ‪.‬‬

‫‪ -‬ﺑﻌﺪ اﺳﺘﺨﻼص اﻟﻌﻮاﻣﻞ ﻳﻨﺒﻐﻲ ﺗﻔﺴري اﻟﺒﻨﻴﺔ اﻟﻌﺎﻣﻠﻴﺔ اﻟﻨﺎﺗﺠـﺔ ﻋـﻦ اﻟﺘﺤﻠﻴـﻞ‪ ،‬وإﺿـﻔﺎء ﻣﻌﻨـﻰ ﻋـﲆ‬
‫اﻟﻌﻮاﻣﻞ ﺑﺤﺴﺐ ﻣﺠﺎل اﻟﺪراﺳﺔ‪ ،‬وذﻟﻚ ﺑﺘﺴـﻤﻴﺔ اﻟﻌﻮاﻣـﻞ ﺗﺴـﻤﻴﺔ ﻣﻨﺎﺳـﺒﺔ‪ ،‬واﻻﺳـﺘﻌﺎﻧﺔ ﺑﺎﻟﺘﻤﺜﻴـﻞ‬
‫اﻟﺒﻴــﺎين ﻟﺘﻮﺿــﻴﺤﻬﺎ واﺳــﺘﻴﻌﺎﺑﻬﺎ‪ ،‬وﺗﻌﺘﻤــﺪ ﺗﺴــﻤﻴﺔ اﻟﻌﻮاﻣــﻞ )‪ (Naming Factors‬ﻋــﲆ اﻟﻬــﺪف ﻣــﻦ‬
‫اﻟﺘﺤﻠﻴﻞ وﻣﻨﻈﻮر اﻟﺒﺎﺣﺚ‪.‬‬

‫‪ -‬ﺗﺤﻠﻴﻞ اﳌﺴﺎر )‪ (Path Analysis‬ﻫﻮ أﺳﻠﻮب ﰲ ﺗﺤﻠﻴﻞ اﻟﺒﻴﺎﻧـﺎت ﻻﺧﺘﺒـﺎر ﺻـﺤﺔ منـﻮذج‬
‫ﻳﻔﱰﺿﻪ اﻟﺒﺎﺣﺚ ﻟﺘﻔﺴري اﻟﻌﻼﻗﺎت ﺑني اﳌﺘﻐريات ﻣﻮﺿﻊ اﻟﺒﺤﺚ ﺑﻄﺮﻳﻘﺔ ﻣﺘﺴﻘﺔ‪ ،‬ﻓـﺈذا‬
‫اﻓﱰض اﻟﺒﺎﺣﺚ )ﺑﻨﺎء ﻋﲆ أدﻟﺔ ﻋﻠﻤﻴﺔ( أن اﳌﺘﻐـري )س( ﻳـﺆﺛﺮ ﰲ اﳌﺘﻐـري )ص( اﻟـﺬي‬

‫‪-355-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻳﺆﺛﺮ ﺑﺪوره ﰲ اﳌﺘﻐري )ع(‪ ،‬ﻓﺈن اﺳﺘﺨﺪام ﺗﺤﻠﻴﻞ اﳌﺴـﺎر ميﻜـﻦ أن ﻳﺜﺒـﺖ ﺻـﺤﺔ ﻫـﺬا اﻟﻨﻤـﻮذج أو‬
‫ﺧﻄﺄه‪ .‬أي أن ﺗﺤﻠﻴﻞ اﳌﺴﺎر ﻟﻴﺲ ﻃﺮﻳﻘﺔ ﻟﻠﻜﺸﻒ ﻋﻦ اﻟﻌﻠﻴـﺔ أو اﻟﺴـﺒﺒﻴﺔ )‪ ،(Causality‬وإمنـﺎ ﻫـﻮ‬
‫ﻃﺮﻳﻘﺔ ﻻﺧﺘﺒﺎر منـﻮذج ﺳـﺒﺒﻲ )‪ (Casual Model‬ﻳﻔﱰﺿـﻪ اﻟﺒﺎﺣـﺚ‪ ،‬إﻧـﻪ ﻳﻘـﻮل ﻟﻨـﺎ‪» :‬ﺗـﺄﺛري ﻋـﺪة‬
‫ﺑﻌﻀﺎ«‪ ،‬وﻣﻦ ﺧﻼل ﺗﺤﻠﻴﻞ اﳌﺴـﺎر ميﻜـﻦ ﺗﻘـﺪﻳﺮ اﻟﺘـﺄﺛري اﻟﻨﺴـﺒﻲ ﻟﻠﻤﺘﻐـريات‬
‫ﻣﺘﻐريات ﻋﲆ ﺑﻌﻀﻬﺎ ً‬
‫ﺿﻤﻦ ﻫﺬا اﻟﻨﻤﻮذج اﳌﻔﱰض‪.‬‬

‫‪ -‬ﻳﺒﺪأ ﺗﺤﻠﻴﻞ اﳌﺴﺎر ﺑﺘﻜﻮﻳﻦ اﻟﻨﻤﻮذج اﻟﺴﺒﺒﻲ اﳌﻔﱰض )‪ ،(Casual Model‬مبﻌﻨﻰ ﺗﺤﺪﻳﺪ اﳌﺘﻐـريات اﻟﺘـﻲ‬
‫ﺑﻌﻀـﺎ‪ ،‬وذﻟـﻚ ﰲ ﺿـﻮء اﻟﺪراﺳـﺎت اﻟﻌﻠﻤﻴـﺔ واﻟﻨﻈﺮﻳـﺎت واﻟﺤﻘـﺎﺋﻖ‪ .‬وﰲ ﺑﻨـﺎء منـﻮذج‬
‫ﺗﺆﺛﺮ ﰲ ﺑﻌﻀﻬﺎ ً‬
‫ﺗﺤﻠﻴﻞ اﳌﺴﺎر ﻻ ﺑﺪ ﻣﻦ ﻣﺮاﻋﺎة ﺣﻘﻴﻘﺔ أن اﻟﺴــﺒﺐ ﻻ ﺑـﺪ أن ﻳﺴـﺒﻖ اﻟﻨﺘﻴﺠـﺔ أو اﻷﺛـﺮ ) ‪The Cause‬‬
‫‪ ،(Must Precede the Effect‬وﺑﺎﻟﺘﺎﱄ ﻻ ﺑﺪ ﻣﻦ ﻣﺮاﻋﺎة اﻟﱰﺗﻴﺐ اﻟﺰﻣﻨﻲ ﻟﻠﻤﺘﻐريات اﻟﺘﻲ ﺗﺤﺖ اﻟﺪراﺳـﺔ؛‬
‫ﺑﺤﻴﺚ ﻳﻈﻬﺮ ذﻟﻚ ﺑﻮﺿﻮح ﰲ منﻮذج اﳌﺴﺎر اﻟﺬي ﺻﻤﻤﻪ اﻟﺒﺎﺣﺚ‪.‬‬

‫‪ -‬ﻳﺴـﺘﺨﺪم اﻟﺘﺤﻠﻴـﻞ اﻟﺘﻤﻴﻴـﺰي )‪(Discriminant Analysis‬؛ ﺑﻬـﺪف ﺗﻜـﻮﻳﻦ ﻣﺘﻐـريات ﺟﺪﻳـﺪة ﻣـﻦ‬
‫اﳌﺘﻐريات اﻷﺻﻠﻴﺔ )اﻟﺘﻲ ﺗﺘﻤﺜﻞ ﻓﻴﻬﺎ اﻟﻔﺮوق ﺑني اﳌﺠﻤﻮﻋﺎت(‪ ،‬ﻫـﺬه اﳌﺘﻐـريات اﻟﺠﺪﻳـﺪة ﺗﺴـﻤﻰ‬
‫اﻟــﺪوال اﻟﺘﻤﻴﻴﺰﻳــﺔ )‪ .(Discriminant Functions‬واﻟﺪاﻟــﺔ )‪ (Function‬ﻫــﻲ ﺻــﻴﻐﺔ رﻳﺎﺿــﻴﺔ ﺗﺤــﺪد‬
‫اﺣﺘامل أن ﻳﺘﺨﺬ اﳌﺘﻐري اﻟﻌﺸﻮايئ ﻗﻴﻤﺔ ﻣﻌﻴﻨﺔ‪ ،‬واﳌﺘﻐري اﻟﻌﺸﻮايئ ﻫﻮ أي ﻛﻤﻴﺔ )‪ (Quantity‬ﺗﺘﺤﺪد‬
‫ﻗﻴﻤﺘﻬــﺎ ﺑﺎﻟﺼــﺪﻓﺔ‪ .‬وﰲ اﻟﺘﺤﻠﻴــﻞ اﻟﺘﻤﻴﻴــﺰي ﺗﺘﻜــﻮن اﻟﺪاﻟــﺔ ﻣــﻦ ﺗﺠﻤﻴﻌــﺎت ﺧﻄﻴــﺔ ) ‪Linear‬‬
‫‪ (Combinations‬ﻟﻠﻤﺘﻐــريات اﳌﻨﺒﺌــﺔ )‪ ،(Predictor Variables‬واﻟﺘــﻲ ﺗﻮﺿــﺢ اﻟﺘﻤﻴﻴــﺰ اﻟــﺪﻗﻴﻖ ﺑــني‬
‫اﳌﺠﻤﻮﻋﺎت‪ .‬ﻓﺎﻟﺘﺤﻠﻴﻞ اﻟﺘﻤﻴﻴﺰي ﻳﺘﻢ ﻣﻦ ﺧﻼﻟﻪ ﺑﻨﺎء أو ﺗﻜﻮﻳﻦ منﻮذج ﺗﻨﺒﺆي ﺑﺎﻧﺘامء اﳌﺒﺤـﻮث إﱃ‬
‫ﻣﺠﻤﻮﻋﺔ ﻣﻌﻴﻨﺔ ﺣﺴﺐ اﺳﺘﺠﺎﺑﺎﺗﻪ وﺧﺼﺎﺋﺼﻪ ﻣﻦ ﺣﻴﺚ اﳌﺘﻐريات اﳌﻨﺒﺌﺔ‪.‬‬

‫‪-356-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫‪ -‬إن اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي )‪ (Meta Analysis‬ﰲ ﻣﻌﻨﺎه اﻟﻌﺎم ﻫﻮ اﺳﺘﺨﺪام ﻧﺘـﺎﺋﺞ ﺗﻮﺻـﻠﺖ إﻟﻴﻬـﺎ ﺑﺤـﻮث‬
‫ودراﺳﺎت ﺳﺎﺑﻘﺔ ﰲ ﺻﻴﺎﻏﺔ رؤﻳﺔ ﻋﻠﻤﻴﺔ ﻣﺘﻜﺎﻣﻠﺔ ﻋﻦ ﻣﻮﺿﻮع ﻣﻌـني؛ أي أن اﻟﻔﻜـﺮة اﻷﺳﺎﺳـﻴﺔ ﰲ‬
‫ﻣﻨﻬﺞ اﻟﺘﺤﻠﻴﻞ اﻟﺒﻌﺪي ﻫﻲ ﻓﻜـﺮة ﺗﻜﺎﻣـﻞ اﻟﺒﺤـﻮث )‪ ،(Research Integration‬واﻻﺳـﺘﻔﺎدة ﻣﻨﻬـﺎ ﰲ‬
‫إﻧﺘﺎج دراﺳﺔ ﺟﺪﻳﺪة ذات ﻃﺒﻴﻌﺔ ﻛﻤﻴﺔ )‪ (Quantitative‬ﺗﺮﺗﻜﺰ ﻋﲆ ﺧﻠﻔﻴﺔ ﻧﻈﺮﻳﺔ وﺗﻔﺴري ﻣﺘﻌﻤﻖ‪.‬‬

‫‪ -‬اﻟﺘﺤﻠﻴـﻞ اﻟﺜـﺎﻧﻮي )‪ (Secondary Analysis‬ﻫــﻮ اﻻﺳـﺘﻌﺎﻧﺔ ﺑﺎﻟﺒﻴﺎﻧــﺎت اﻟﺨـﺎم )‪ (Raw Data‬اﻟﺨﺎﺻــﺔ‬

‫إﺣﺼـﺎﺋﻴﺎ ﻣـﻦ ﻣﻨﻈـﻮر ﻣﻌـني‪ ،‬إﻣـﺎ ﻟﻺﺟﺎﺑـﺔ ﻋـﲆ‬
‫ّ‬ ‫ﺑﺪراﺳﺎت ﺳﺎﺑﻘﺔ‪ ،‬وإﻋﺎدة ﺗﺤﻠﻴﻞ ﻫـﺬه اﻟﺒﻴﺎﻧـﺎت‬
‫ﺗﺴﺎؤﻻت‪ ،‬أو ﻟﻠﺘﺤﻘﻖ ﻣﻦ ﻓﺮوض ﻣﻌﻴﻨﺔ )ﻋﲆ أﺳﺎس أن ﺗﻠـﻚ اﻟﺒﻴﺎﻧـﺎت ﺗﺘﻀـﻤﻦ ﻛﺎﻓـﺔ اﳌﺘﻐـريات‬
‫اﻟﻼزﻣﺔ(؛ أو ﻟﻠﺤﺼﻮل ﻋﲆ ﻧﺘﺎﺋﺞ ميﻜﻦ ﻣﻘﺎرﻧﺘﻬﺎ‪.‬‬

‫‪-357-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ وﻣﺮاﺟﻌﻪ‬

‫)أ( ﻣﺼﺎدر وﻣﺮاﺟﻊ ﻋﺮﺑﻴﺔ‪:‬‬

‫‪ -‬رﺟﺎء ﻣﺤﻤﻮد أﺑﻮ ﻋﻼم )‪ ،(1999‬ﻣﻨﺎﻫﺞ اﻟﺒﺤﺚ ﰲ اﻟﻌﻠﻮم اﻟﻨﻔﺴﻴﺔ واﻟﱰﺑﻮﻳﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬دار اﻟـﻨﴩ‬
‫ﻟﻠﺠﺎﻣﻌﺎت(‪.‬‬

‫‪ -‬زﻛﺮﻳﺎ اﻟﴩﺑﻴﻨﻲ )‪ ،(1990‬اﻹﺣﺼﺎء اﻟﻼﺑﺎراﻣﱰي ﰲ اﻟﻌﻠﻮم اﻟﻨﻔﺴﻴﺔ واﻻﺟﺘامﻋﻴﺔ واﻟﱰﺑﻮﻳﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪:‬‬

‫ﻣﻜﺘﺒﺔ اﻷﻧﺠﻠﻮ اﳌﴫﻳﺔ(‪.‬‬

‫‪ -‬ﺳﻌﺪي ﺷﺎﻛﺮ ﺣﻤﻮدي )‪ ،(2000‬ﻋﻠﻢ اﻹﺣﺼﺎء وﺗﻄﺒﻴﻘﺎﺗﻪ ﰲ اﳌﺠﺎﻟني اﻟﱰﺑﻮي واﻻﺟﺘامﻋـﻲ‪) ،‬ﻋـامن‪:‬‬
‫ﻣﻜﺘﺒﺔ دار اﻟﺜﻘﺎﻓﺔ ﻟﻠﻨﴩ واﻟﺘﻮزﻳﻊ(‪.‬‬

‫‪ -‬ﺳﻤري ﻛﺎﻣﻞ ﻋﺎﺷﻮر& ﺳـﺎﻣﻴﺔ أﺑـﻮ اﻟﻔﺘـﻮح ﺳـﺎمل )‪ ،(2003‬اﻟﻌـﺮض واﻟﺘﺤﻠﻴـﻞ اﻹﺣﺼـﺎيئ ﺑﺎﺳـﺘﺨﺪام‬
‫)‪ ،(SPSSWIN‬اﻟﺠﺰء اﻷول‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﺟﺎﻣﻌﺔ اﻟﻘﺎﻫﺮة‪ :‬ﻣﻌﻬﺪ اﻟﺒﺤﻮث واﻟﺪراﺳﺎت اﻹﺣﺼﺎﺋﻴﺔ(‪.‬‬

‫‪ -‬ﺳﻤري ﻛﺎﻣﻞ ﻋﺎﺷﻮر& ﺳـﺎﻣﻴﺔ أﺑـﻮ اﻟﻔﺘـﻮح ﺳـﺎمل )‪ ،(2005‬اﻟﻌـﺮض واﻟﺘﺤﻠﻴـﻞ اﻹﺣﺼـﺎيئ ﺑﺎﺳـﺘﺨﺪام‬
‫)‪ ،(SPSSWIN‬اﻟﺠﺰء اﻟﺜﺎين‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﺟﺎﻣﻌﺔ اﻟﻘﺎﻫﺮة‪ :‬ﻣﻌﻬﺪ اﻟﺒﺤﻮث واﻟﺪراﺳﺎت اﻹﺣﺼﺎﺋﻴﺔ(‪.‬‬

‫‪ -‬ﺻﻼح اﻟـﺪﻳﻦ ﻣﺤﻤـﻮد ﻋـﻼم )‪ ،(2000‬ﺗﺤﻠﻴـﻞ ﺑﻴﺎﻧـﺎت اﻟﺒﺤـﻮث اﻟﻨﻔﺴـﻴﺔ واﻻﺟﺘامﻋﻴـﺔ واﻟﱰﺑﻮﻳـﺔ‪،‬‬
‫)اﻟﻘﺎﻫﺮة‪ :‬دار اﻟﻔﻜﺮ اﻟﻌﺮيب(‪.‬‬

‫‪ -‬ﻋﺎﻃﻒ أﺣﻤﺪ ﻣﻨﺼﻮر)‪ ،(1992‬اﻟﺮﻳﺎﺿﻴﺎت اﳌﺴﻠﻴﺔ‪) ،‬اﻟﻘﺎﻫﺮة‪ :‬ﻣﻜﺘﺒﺔ اﺑﻦ ﺳﻴﻨﺎ(‪.‬‬

‫‪ -‬ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤﺪ ﻧﺠﻢ & ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻬﺎدي اﳌﺤﻤﻴﺪ )‪ ،(1990‬اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ واﻟﺘﺤﻠﻴﲇ ﻣـﻊ‬
‫اﺳﺘﺨﺪام اﻟﱪاﻣﺞ اﻟﺠﺎﻫﺰة‪) ،‬اﻟﻜﻮﻳﺖ‪ :‬ﻣﻜﺘﺒﺔ ﺟﺎﻣﻌﺔ اﻟﻜﻮﻳﺖ(‪.‬‬

‫‪-358-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

.(‫ دار اﻟﻔﻜﺮ اﻟﻌﺮيب‬:‫ )اﻟﻘﺎﻫﺮة‬،‫ اﻹﺣﺼﺎء اﻟﻨﻔﴘ واﻟﱰﺑﻮي‬،(2011) ‫ ﻋﺰت ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤﺪ ﺣﺴﻦ‬-

‫ ﻣﻜﺘﺒـﺔ ﺟﺎﻣﻌـﺔ‬:‫ )اﻟﻘـﺎﻫﺮة‬،‫ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ ﻟﻠﺒﻴﺎﻧﺎت اﻟﺠﻐﺮاﻓﻴـﺔ‬،(1991) ‫ ﻓﺘﺤﻲ ﻋﺒﺪ ﷲ ﻓﻴﺎض‬-
.(‫ﻋني ﺷﻤﺲ‬

‫ ﻣﻨـﺎﻫﺞ اﻟﺒﺤـﺚ وﻃـﺮق اﻟﺘﺤﻠﻴـﻞ اﻹﺣﺼـﺎيئ ﰲ اﻟﻌﻠـﻮم‬،(2010) ‫ ﻓﺆاد أﺑﻮ ﺣﻄﺐ & آﻣـﺎل ﺻـﺎدق‬-
.(‫ ﻣﻜﺘﺒﺔ اﻷﻧﺠﻠﻮ اﳌﴫﻳﺔ‬:‫ )اﻟﻘﺎﻫﺮة‬،‫اﻟﻨﻔﺴﻴﺔ واﻻﺟﺘامﻋﻴﺔ واﻟﱰﺑﻮﻳﺔ‬

.(‫ دار اﻟﻔﻜﺮ اﻟﻌـﺮيب‬:‫ )اﻟﻘﺎﻫﺮة‬،‫ ﻋﻠﻢ اﻟﻨﻔﺲ اﻹﺣﺼﺎيئ‬،(1978) ‫ ﻓﺆاد اﻟﺒﻬﻲ اﻟﺴﻴﺪ‬-

:‫)ب( ﻣﺼﺎدر وﻣﺮاﺟﻊ أﺟﻨﺒﻴﺔ‬

- Ahuvia, Aaron (2001), Traditional, Interpretive, and Reception Based Content Analyses:
Improving the Ability of Content Analysis to Address Issues of Pragmatic and Theoretical
Concern. Social Indicators Research, VOL. 54 (2), pp. 139 -172.

- Barrow Michael (2001), Statistics for Economics, Accounting and Business Studies. London.
Longman.

- Bars, Donald (2004), The Mixed General Linear Model of Statistical Analysis and EEG. Journal
of Nero Therapy, Vol. 8 (2), 2004. pp.132-133.

- Bekoff,-Marc; Allen, - Colin; Grant,- Michael - C. (1999), Feeding Decisions by Steller's Jays
(Cyanocitta Stelleri): The Utility of a Logistic Regression Model for Analyses of Where, What
and With Whom to Eat. ETHOLOGY. Vol.. 105 (5): 393-406.

- Cameron, Debora (2001), Working With Spoken Discourse. London. Sage Publication.

- Chen,-Wen-Hung; Thissen,-David (1999), Estimation of Item Parameters for the Three-Parameter

Logistic Model Using the Marginal Likelihood of Summed Scores. British-Journal-of-Mathematical-
and-Statistical-Psychology. Vol. 52 (1): 19-37.

-359-
 ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‬

- Cooper, Harris M.; Lindsay, James J. (1998), Research Synthesis and Meta-Analysis.; In: Handbook of
Applied Social Research Methods. Bickman, Leonard; Rog, Debra J.; Thousand Oaks, CA, US: Sage
Publications, Inc, pp. 315-337.

- Fan,-Xitao; Wang,-Lin (1999), Comparing Linear Discriminant Function with Logistic Regression for
the Two-Group Classification Problem. Journal – of - Experimental-Education. Vol. 67(3): 265-286.

- Fife-Schaw, Chris (2000), Introduction to Structural Equation Modeling. In: Research Methods in
Psychology (2nd ed.). Breakwell, Glynis M.; Hammond, Sean; Fife-Schaw, Chris; Thousand Oaks,
CA: Sage Publications Ltd, pp. 397-413.

- Glass, G. V. (1976), Primary, Secondary and Meta Analysis in Education and Psychology. EDU.
Researcher. VOL. 5, pp3-8.

- Robins,-Garry; Pattison, -Philippa; Wasserman, -Stanley (1999), Logit Models and Logistic
Regressions for Social Networks: III. Valued Relations. Psychometrika. Vol. 64 (3): 371-394.

- Schmidt, Frank L.; Hunter, John E. (2003), Meta-Analysis. In: Handbook of Psychology: Research
Methods in Psychology, Vol.. 2. Schinka, John A.; Velicer, Wayne F.; Hoboken, NJ, US: John Wiley &
Sons, Inc, pp. 533-554.

- Schumm, Walter R. (2004), Did the Defeat of Saddam Hussein Reduce Suicide Bombing
Casualties and Attacks in Israel? A Statistical Analysis. Psychological Reports, Vol. 95 (3, Part1),
pp. 831-834.

- Wampler, Karen S.; Reifman, Alan; Serovich, Julianne M. (2005), Meta-Analysis in Family
Therapy Research. In: Research Methods in Family Therapy (2nd ed.). Sprenkle, Douglas H.;
Piercy, Fred P.; New York, NY, US: Guilford Press, pp. 318-338.

- Zhu, Hong-Tu; Lee, Sik-Yum (1999). Statistical Analysis of Nonlinear Factor Analysis
Models British Journal of Mathematical and Statistical Psychology, Vol. 52 (2), pp. 225-242.

-360-
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫اﻟﻌﻴﻨﺎت ﰲ اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‬

‫متﻬــــﻴﺪ‬

‫ﻣﻦ اﳌﻌﺮوف أن اﻟﻌﻴﻨﺔ )‪ (Sample‬ﺟﺎﻧﺐ ﺟﻮﻫﺮي ﰲ اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ ﺑﻜﺎﻓﺔ ﻓﺮوﻋـﻪ وﺗﻄﺒﻴﻘﺎﺗـﻪ‪ ،‬وﻗـﺪ‬
‫اﻫﺘﻤﺖ أدﺑﻴﺎت ﻣﻨﺎﻫﺞ اﻟﺒﺤﺚ وﻋﻠﻢ اﻹﺣﺼﺎء ﺑﺎﻟﻌﻴﻨـﺎت ﻣـﻦ زواﻳـﺎ ﻣﺘﻌـﺪدة‪ ،‬ﺑـﻞ إن اﻟﻌﻴﻨـﺎت ﺗﺨﺼـﺺ‬
‫ﻋﻤﻴﻖ ﺿﻤﻦ ﻫﺬا اﻟﻌﻠﻢ ‪ .‬وﻧﻈ ًﺮا ﳌﺎ ﺗﺸﻜﻠﻪ اﻟﻌﻴﻨﺔ ﰲ اﻟﺒﺤﻮث اﻻﺟﺘامﻋﻴﺔ ﻣﻦ أﻫﻤﻴﺔ ﺧﺎﺻﺔ‪ ،‬ﻓـﺈن اﻟﻔﺼـﻞ‬
‫اﻟﺤﺎﱄ ﻳﺘﻀﻤﻦ ﺗﻌﺮﻳﻔًﺎ ﻣﻮﺟ ًﺰا ﺑﺎﻟﻌﻴﻨﺎت؛ ﻣﻦ ﺣﻴﺚ ﻣﻔﻬﻮﻣﻬﺎ وﺧﺼﺎﺋﺼﻬﺎ‪ ،‬مبﺎ ﰲ ذﻟﻚ ﺣﺠﻢ اﻟﻌﻴﻨـﺔ وﻃـﺮق‬
‫ﺗﻘﺪﻳﺮه‪ ،‬واﻟﻌﻮاﻣﻞ اﳌﺆﺛﺮة ﻓﻴﻪ وﻛﻴﻔﻴﺔ ﺗﺤﺪﻳﺪه ﻣـﻊ ﺗﻮﺿـﻴﺢ ﻛﻴﻔﻴـﺔ اﺳـﺘﺨﺪام اﻟﺠـﺪاول اﻹﺣﺼـﺎﺋﻴﺔ اﻟﺘـﻲ‬
‫ﺗﺴﺎﻋﺪ اﻟﺒﺎﺣﺜني ﰲ ﻫﺬا اﻟﺸﺄن‪ ،‬ﻛام ﻳﺘﻀﻤﻦ اﻟﻔﺼﻞ ﺗﻌﺮﻳﻔًﺎ ﺑﻄﺮق اﳌﻌﺎﻳﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ )اﻟﻌﻴﻨـﺔ اﻟﻌﺸـﻮاﺋﻴﺔ‬
‫اﻟﺒﺴﻴﻄﺔ‪ ،‬اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﳌﻨﺘﻈﻤﺔ‪ ،‬اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﻄﺒﻘﻴﺔ‪ ،‬ﺛﻢ اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ ﻣﺘﻌﺪدة اﳌﺮاﺣﻞ(‪،‬‬
‫وﻛﺬﻟﻚ ﻃﺮق اﳌﻌﺎﻳﻨﺔ ﻏري اﻟﻌﺸﻮاﺋﻴﺔ )اﻟﻌﻴﻨـﺔ اﻟﻌﺎرﺿـﺔ‪ ،‬واﻟﻌﻴﻨـﺔ اﳌﻘﺼـﻮدة‪ ،‬وﻋﻴﻨـﺔ اﻟﺤﺼـﺺ(‪ .‬وﻳﺨﺘـﺘﻢ‬
‫اﻟﻔﺼﻞ ﺑﺘﻮﺿﻴﺢ أﺧﻄﺎء اﳌﻌﺎﻳﻨﺔ ﳌﺎ ﻟﻬﺎ ﻣﻦ أﻫﻤﻴﺔ ﰲ اﻟﻀﺒﻂ اﻹﺣﺼﺎيئ وإﺟﺮاءات اﻟﺘﻘﺪﻳﺮ واﻻﺳﺘﺪﻻل ﻋـﲆ‬
‫ﺑﻨﺎء ﻋﲆ دراﺳﺔ اﻟﻌﻴﻨﺔ‪.‬‬
‫ﺧﺼﺎﺋﺺ اﳌﺠﺘﻤﻊ ً‬

‫‪-361-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫اﳌﺒﺤﺚ اﻷول‬

‫ﻣﻔﻬﻮم وﺣﺠﻢ اﻟﻌﻴﻨﺔ‬

‫ً‬
‫أوﻻ‪ :‬ﻣﻔﻬﻮم اﻟﻌﻴﻨﺔ‬

‫اﻟﻌﻴﻨﺔ )‪ (Sample‬ﻫﻲ ﺟﺰء ﻣﻦ اﳌﺠﺘﻤﻊ ﺗﺘﻮاﻓﺮ ﻓﻴﻪ ﺧﺼﺎﺋﺺ ﻫﺬا اﳌﺠﺘﻤﻊ‪ ،‬ﻓﺈذا أردﻧﺎ دراﺳﺔ ﻋﻴﻨﺔ ﻣﻦ‬
‫ً‬
‫ﺗﻠﻤﻴﺬا‪ ،‬ﻓﺈن ﻫﺆﻻء اﻟﺘﻼﻣﻴﺬ اﻟﺨﻤﺴﺔ ﻳﺸﻜﻠﻮن اﻟﻌﻴﻨـﺔ وﻳﺮﻣـﺰ‬ ‫ﺧﻤﺴﺔ ﺗﻼﻣﻴﺬ ﰲ ﻓﺼﻞ دراﳼ ﻳﻀﻢ أرﺑﻌني‬
‫ً‬
‫ﺗﻠﻤﻴﺬا ﻓﻬـﻢ ﻳﺸـﻜﻠﻮن اﳌﺠﺘﻤـﻊ )‪(Population‬؛ أي اﻷﺻـﻞ اﻟـﺬي‬ ‫ﻟﻬﺎ ﺑﺎﻟﺤﺮف )‪) (n‬اﻟﺼﻐري(‪ .‬أﻣﺎ اﻷرﺑﻌﻮن‬
‫ﺳﺤﺒﺖ ﻣﻨﻪ اﻟﻌﻴﻨﺔ‪ ،‬وﻳﺮﻣﺰ ﻟﻪ ﺑﺎﻟﺤﺮف )‪) (N‬اﻟﻜﺒري(‪ ،‬وإذا ﻛﺎﻧﺖ اﻟﻌﻴﻨﺔ ﻳﻨﺒﻐـﻲ أن ﺗﺘـﻮاﻓﺮ ﻓﻴﻬـﺎ ﺧﺼـﺎﺋﺺ‬
‫اﳌﺠﺘﻤﻊ اﻟﺬي ﺳﺤﺒﺖ ﻣﻨﻪ‪ ،‬ﻓﺈن اﻟﺤﻜﻤﺔ ﻣﻦ إﺟﺮاء اﻟﺪراﺳﺔ ﻋﲆ اﻟﻌﻴﻨﺔ ﺗﺘﻤﺜﻞ ﰲ أﻧﻪ ﰲ ﻛﺜري ﻣﻦ اﻷﺣﻴﺎن‬
‫ﻳﺴﺘﺤﻴﻞ إﺟﺮاء اﻟﺪراﺳﺔ ﻋﲆ اﳌﺠﺘﻤﻊ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﺘﻢ اﺧﺘﻴﺎر ﻋﻴﻨﺔ ﻣﺤـﺪودة ودراﺳـﺘﻬﺎ ﺑﻬـﺪف اﻟﺘﻮﺻـﻞ إﱃ‬
‫ﻣﻤﻜﻨـﺎ‪ ،‬إذا ﻛﺎﻧـﺖ ﺧﺼـﺎﺋﺺ اﻟﻌﻴﻨـﺔ متﺜـﻞ ﺧﺼـﺎﺋﺺ‬
‫ﻧﺘﺎﺋﺞ ميﻜﻦ ﺗﻌﻤﻴﻤﻬﺎ ﻋـﲆ اﳌﺠﺘﻤـﻊ‪ .‬وﻳﺼـﺒﺢ ذﻟـﻚ ً‬
‫اﳌﺠﺘﻤﻊ ﻣﻦ ﺣﻴﺚ أﻛﱪ ﻋﺪد ﻣﻤﻜﻦ ﻣﻦ اﳌﺘﻐريات‪ ،‬ﺧﺎﺻﺔ اﳌﺘﻐـريات اﻟﺘـﻲ ﻳﺤﺘﻤـﻞ أن ﺗـﺆﺛﺮ ﰲ اﻟﻈـﺎﻫﺮة‬
‫ﻣﺤﻞ اﻟﺒﺤﺚ‪.‬‬

‫اﻓﱰض أن ﻣﺠﺘﻤﻊ اﻟﺒﺤﺚ ﻳﺘﻜﻮن ﻣﻦ آﻻف ﻣﻦ اﻟﺘﻼﻣﻴﺬ وﻟﻴﻜﻦ ﻋﺸـﺮﻳﻦ أﻟﻔًﺎ‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻗـﺪ ﻳﻜـﻮن‬
‫ﻣﻦ ﻏري اﳌﻤﻜﻦ إﺟﺮاء اﻟﺪراﺳﺔ ﻋﲆ ﻫﺬا اﻟﻌﺪد‪ ،‬وﻫﻨﺎ ﻳـﺘﻢ اﺧﺘﻴـﺎر ﻋﻴﻨـﺔ ﻣـﻦ اﻟﺘﻼﻣﻴـﺬ ﺑﺤﻴـﺚ ﺗﺘـﻮاﻓﺮ ﻓﻴﻬـﺎ‬
‫ﺧﺼﺎﺋﺺ اﳌﺠﺘﻤﻊ‪ ،‬ﻓﺈذا ﻛﺎن ﻣﺠﺘﻤﻊ اﻟﺒﺤﺚ ﻳﺘﻮزع ﺣﺴﺐ ﻣﺘﻐري اﻟﺠﻨﺲ ﺑـني اﻟـﺬﻛﻮر ﺑﻨﺴـﺒﺔ ‪ %60‬واﻹﻧـﺎث‬
‫ﻣﺘﻨﺎﺳـﺒﺎ ﻣـﻊ ﺗﺮﻛﻴـﺐ اﳌﺠﺘﻤـﻊ ﻣـﻦ ﺣﻴـﺚ ﺗﻮزﻳـﻊ‬
‫ً‬ ‫ﺑﻨﺴﺒﺔ ‪ ،%40‬وﻳﺮﻳﺪ اﻟﺒﺎﺣـﺚ أن ﻳﻜـﻮن ﺗﺮﻛﻴـﺐ اﻟﻌﻴﻨـﺔ‬
‫ﻣـﺜﻼ‪ ،‬ﻓﻬـﺬا ﻳﻌﻨـﻲ أن‬
‫اﻟﺠﻨﺴني‪ ،‬ﻓﺈن اﻟﻌﻴﻨﺔ ﺗﻌﻜﺲ ذﻟﻚ ﺑﺴﻬﻮﻟﺔ‪ ،‬ﻓﺈذا ﻛﺎن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻫـﻮ )‪ (100‬ﻣﻔـﺮدة ً‬
‫اﻟﻌﻴﻨﺔ ﺳﻮف ﺗﺘﻀﻤﻦ )‪ (60‬ﻣﻦ اﻟﺬﻛﻮر‪ ،‬ﻣﻘﺎﺑـﻞ )‪ (40‬ﻣـﻦ اﻹﻧـﺎث‪ ،‬ﻣـﻊ اﻻﺧﺘﻴـﺎر اﻟﻌﺸـﻮايئ ﻟﻠﻤﻔـﺮدات ﻣـﻦ‬

‫‪-362-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫اﻟﺠﻨﺴني ‪ ..‬وﻫﻜﺬا ﰲ ﺑﻘﻴﺔ اﳌﺘﻐريات اﻟﺘﻲ ﻗﺪ ﺗﺘﻤﺜﻞ ﰲ اﻟﺼﻒ اﻟﺪراﺳـﻲ‪ ،‬وﻣﺤﻞ اﻹﻗﺎﻣﺔ‪ ،‬وﻣﺴﺘﻮى دﺧـﻞ‬
‫اﻷﴎة ‪ ...‬إﻟﺦ‪.‬‬

‫واﻟﻌﻴﻨﺎت ﰲ اﻟﺒﺤﺚ اﻹﻋﻼﻣﻲ ‪ -‬ﻛﻐريه ﻣﻦ اﻟﺒﺤـﻮث اﻟﻌﻠﻤﻴـﺔ ‪ -‬ﻳﻔـﱰض أن ﺗﻜـﻮن ﻣﻤﺜﻠـﺔ ﻟﻠﻤﺠﺘﻤـﻊ‬
‫ً‬
‫ﻇﺮوﻓﺎ ﻣﻌﻴﻨﺔ‪ ،‬ﺑﻞ وﻣﻨـﺎﻫـﺞ ﺑﺤـﺜﻴﺔ )ﻛﻤﻨﻬﺞ دراﺳﺔ اﻟﺤﺎﻟﺔ(‪،‬‬ ‫ﺣﺘﻰ ميﻜﻦ ﺗﻌﻤﻴﻢ ﻧﺘﺎﺋﺞ اﻟﺒﺤﺚ‪ ،‬ﻟﻜﻦ ﻫﻨﺎك‬
‫وﻛﺬﻟﻚ اﻟﺪراﺳﺎت اﻻﺳﺘﻜﺸﺎﻓﻴﺔ ميﻜﻦ ﻓﻴﻬﺎ إﺟﺮاء اﻟﺪراﺳﺔ ﻋﲆ ﻋﻴﻨـﺎت ﻏـري اﺣﺘامﻟﻴـﺔ؛ أي ﻏـري ﻋﺸـﻮاﺋﻴﺔ‪،‬‬
‫وﺑﺎﻟﺘﺎﱄ ﻻ ميﻜﻦ ﺗﻌﻤﻴﻢ اﻟﻨﺘﺎﺋﺞ ﻋﲆ اﳌﺠﺘﻤﻊ‪ ،‬وﻳﻜﻮن اﻟﺘﻌﺎﻣﻞ ﻣﻊ ﻫـﺬه اﻟﻨﺘـﺎﺋﺞ ﰲ ﺣـﺪود اﳌﻔـﺮدات أو‬
‫اﻟﺤﺎﻻت اﻟﺘﻲ أﺟﺮﻳﺖ ﻋﻠﻴﻬﺎ اﻟﺪراﺳﺔ‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬ﺣﺠﻢ اﻟﻌﻴﻨﺔ‬

‫ً‬
‫ﻳﻘﺼﺪ ﺑﺤﺠﻢ اﻟﻌﻴﻨﺔ ﻋﺪد اﳌﻔﺮدات اﻟﺘﻲ ﺳﺘﺠﺮى ﻋﻠﻴﻬﺎ اﻟﺪراﺳـﺔ‪ ،‬وﻟـﻴﺲ ﻫﻨـﺎك ﺣﺠـﻢ ﺛﺎﺑـﺖ ﻳﺼـﻠﺢ‬
‫ﻟﺠﻤﻴﻊ اﻟﺪراﺳﺎت‪ ،‬ﻓﺒﻌﺾ اﻟﺒﺤﻮث ﺗُﺠﺮى ﻋﲆ ﺑﻀﻌﺔ أﻓﺮاد‪ ،‬أو ﻋﺸـﺮات أو ﻣﺌﺎت أو أﻟـﻮف اﻷﻓـﺮاد‪ ،‬وﻗـﺪ‬
‫ﻟﻮﺣﻆ ﰲ ﻛﺜري ﻣﻦ اﳌﺆﻟﻔﺎت اﻟﺘﻲ ﺗﻨﺎوﻟﺖ ﻣﺴﺄﻟﺔ ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﻟﻌﺪﻳﺪ ﻣﻦ اﳌﻐﺎﻟﻄﺎت ﻓـﻴام ﻳﺘﻌﻠـﻖ ﺑﺎﻟﺤـﺪ‬
‫ﻣﺜﻼ ﺑﺄن اﻟﺤﺪ اﻷدىن ﻟﻠﻌﻴﻨﺔ ﰲ اﻟﺪراﺳـﺎت اﻟﻮﺻـﻔﻴﺔ ﻳﺠـﺐ أن‬
‫اﻷدىن واﻟﺤﺪ اﻷﻗﴡ ﻟﺤﺠﻢ اﻟﻌﻴﻨﺔ؛ ﻛﺎﻟﻘﻮل ً‬
‫ﻣﺜﻼ إذا ﻛﺎن ﺣﺠﻢ اﳌﺠﺘﻤﻊ اﻷﺻﲇ‬
‫ﻳﻜﻮن )‪ (%10‬ﻣﻦ اﳌﺠﺘﻤﻊ اﻷﺻﲇ‪ ،‬ﻓﻬﺬا ﻏري ﺻﺤﻴﺢ ﺑﺎﳌﺮة‪ ،‬ﻣﺎذا ﻧﻘﻮل ً‬
‫ﻣﺜﻼ‪ ،‬ﻓﻬﻞ ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻣﻠﻴﻮن ﺷﺨﺺ؟ ﻻ ﺷﻚ ﰲ أﻧﻪ ﻣﻦ اﻟﺼﻌﺐ‪ ،‬إن مل ﻳﻜـﻦ‬
‫ﻋﴩة ﻣﻼﻳني ﻧﺴﻤﺔ ً‬
‫ﻣﻦ اﳌﺴﺘﺤﻴﻞ إﺟﺮاء دراﺳﺔ ﻋﲆ ﻋﻴﻨﺔ ﺑﻬﺬا اﻟﺤﺠﻢ اﻟﻀﺨﻢ‪ ،‬وﺑﻮﺟﻪ ﻋـﺎم‪ ،‬إن ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ ﻳـﺘﻢ ﺗﺤﺪﻳـﺪه‬
‫ﻋﲆ ﺿﻮء أﻛرث ﻣﻦ اﻋﺘﺒﺎر أﻫﻤﻬﺎ‪:‬‬

‫‪ -1‬ﻃﺒﻴﻌﺔ اﳌﺠﺘﻤﻊ‪:‬‬

‫ﻓﺎﳌﺠﺘﻤﻊ اﻟﺬي ﺳﺘﺴﺤﺐ ﻣﻨﻪ اﻟﻌﻴﻨﺔ ﻟﻪ ﻣﻮاﺻﻔﺎت ﻣﻦ ﺣﻴﺚ اﻟﻌﺪد واﻟﺘﺠﺎﻧﺲ‪ ،‬وﻫﺬا‬
‫أﻳﻀﺎ‪ .‬ﻓـﺈذا ﻛـﺎن اﳌﺠﺘﻤـﻊ ‪ -‬ﻋـﲆ‬
‫ﻳﺴﺎﻫﻢ إﱃ ﺣﺪ ﻛﺒري ﰲ ﺗﺤﺪﻳﺪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ وﺧﺼﺎﺋﺼﻬﺎ ً‬

‫‪-363-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﺳﺒﻴﻞ اﳌﺜﺎل ‪ -‬ﻫﻮ اﻟﺘﻼﻣﻴﺬ ﻣﻜﻔﻮﻓﻮ اﻟﺒﺼــﺮ‪ ،‬واﻟﺒـﺎﻟﻎ ﻋـﺪدﻫﻢ ﻣﺎﺋـﺔ ﺗﻠﻤﻴـﺬ وﺗﻠﻤﻴـﺬة‪ ،‬ﻓـﺈن اﻟﺪراﺳـﺔ ﻗـﺪ‬
‫ﺟﻤﻴﻌﺎ وﻗﺪ ﺗﺸﻤﻞ ﺧﻤﺴني أو ﺛﻼﺛني ﻣﻨﻬﻢ‪ ،‬أﻣﺎ إذا ﻛﺎن ﺣﺠﻢ اﳌﺠﺘﻤﻊ ﻛﺒ ًريا‪ -‬ﻣﻠﻴﻮن أو أﻛرث ﻋﲆ‬
‫ً‬ ‫ﺗﺸﻤﻠﻬﻢ‬
‫ﺳﺒﻴﻞ اﳌﺜﺎل‪ -‬ﻓﺈن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻗﺪ ﻳﻜﻮن ﺑﻀﻊ ﻣﺌﺎت ﻣﻦ اﳌﻔﺮدات‪ ،‬أو أﻟﻒ ﻣﻔﺮدة‪ .‬وﻣﻦ اﻟﻌﻮاﻣﻞ اﳌﺆﺛﺮة‬
‫ﰲ ﺗﺤﺪﻳﺪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻣﺪى ﺗﺠﺎﻧﺲ أﻓﺮاد اﳌﺠﺘﻤـﻊ ﻓـﻴام ﻳﺘﺼـﻞ مبﻮﺿـﻮع اﻟﺒﺤـﺚ واﳌﺘﻐـريات ﻣﺤﺘﻤﻠـﺔ‬
‫ﺗﺒﺎﻳﻨـﺎ(‪ ،‬ﻳﺼـﺒﺢ ﻣـﻦ اﻟﴬوري اﺧﺘﻴـﺎر ﻋﻴﻨـﺔ ﻛﺒـرية‬
‫ﺗﺠﺎﻧﺴﺎ )أي أﻛـرث ً‬
‫ً‬ ‫اﻟﺘﺄﺛري ﻓﻴﻪ‪ ،‬ﻓﻜﻠام ﻛﺎن اﳌﺠﺘﻤﻊ أﻗﻞ‬
‫ﻧﺴﺒﻴﺎ؛ ﺣﺘﻰ ﻧﻀﻤﻦ أن ﺗﺸﺘﻤﻞ اﻟﻌﻴﻨﺔ ﻋﲆ ﻋﺪد ٍ‬
‫ﻛﺎف ﻣﻦ اﳌﻔﺮدات مبﺎ ﻳﻀﻤﻦ متﺜﻴﻞ اﳌﺠﺘﻤﻊ‪ ،‬أﻣﺎ إذا ﻛـﺎن‬ ‫ّ‬
‫ﺗﺠﺎﻧﺴﺎ(‪ ،‬ﻓﺈﻧﻪ ﻣﻦ اﳌﻤﻜﻦ ﺗﺼﻐري ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪) .‬ﻣـﻦ أﻣﺜﻠـﺔ‬
‫ً‬ ‫اﻟﺘﺒﺎﻳﻦ ﺻﻐ ًريا )مبﻌﻨﻰ أن ﻳﻜﻮن اﳌﺠﺘﻤﻊ أﻛرث‬
‫ﺗﺒﺎﻳﻨﺎ( ﺗﻼﻣﻴـﺬ ﺻـﻒ دراﳼ ﻣﻌـني ﰲ منـﻂ ﻣﻌـني ﻣـﻦ اﳌـﺪارس وﻟـﺘﻜﻦ‬
‫ﺗﺠﺎﻧﺴﺎ )اﻷﻗﻞ ً‬
‫ً‬ ‫اﳌﺠﺘﻤﻌﺎت اﻷﻛرث‬
‫ﺗﺒﺎﻳﻨﺎ( ﻣﺠﺘﻤﻊ اﳌﺪن ﺑﻔﺌﺎﺗﻪ اﳌﺨﺘﻠﻔﺔ(‪.‬‬
‫ﺗﺠﺎﻧﺴﺎ )اﻷﻛرث ً‬
‫ً‬ ‫ﻣﺪارس اﻟﻠﻐﺎت‪ ،‬وﻣﻦ أﻣﺜﻠﺔ اﳌﺠﺘﻤﻌﺎت اﻷﻗﻞ‬

‫‪ -2‬أدوات ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت‪:‬‬

‫إن أدوات ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﺗﺘﻤﺜﻞ ﰲ اﻻﺳﺘﺒﺎﻧﺎت واﻻﺧﺘﺒﺎرات واﳌﻘﺎﻳﻴﺲ وﻏريﻫﺎ‪ ،‬وﰲ ﺑﻌﺾ اﻟﺪراﺳﺎت‬
‫ﻳﺘﻢ ﺗﻄﺒﻴﻖ أﻛرث ﻣﻦ أداة ﻋﲆ اﳌﻔﺮدة اﻟﻮاﺣﺪة‪ ،‬وﰲ دراﺳﺎت أﺧﺮى ﻳﺘﻢ ﺗﻄﺒﻴﻖ أداة واﺣﺪة ﻋﲆ اﳌﻔﺮدة‪.‬‬
‫وﻛﻠام ﺗﻌﺪدت اﻷدوات )واﻟﺘﻲ ﺳﺘﻄﺒﻖ ﻋﲆ ﻛﻞ ﻓﺮد(‪ ،‬ﻓﺈن ذﻟﻚ ﻳﺴـﺘﺪﻋﻲ ﺗﺼـﻐري ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ؛ ﺑﺤﻴـﺚ‬
‫ﺗﻜﻮن ﰲ ﺣﺪود اﻟﻮﻗﺖ اﳌﻄﻠﻮب واﻹﻣﻜﺎﻧﺎت اﳌﺘﺎﺣﺔ ‪ ،‬وﻫﻨﺎ ﻳﺘﺪﺧﻞ ﺗﻘﺪﻳﺮ اﻟﺒﺎﺣـﺚ ﻣـﻊ اﻻﺳـﺘﻔﺎدة ﺑـﺂراء‬
‫أﻫﻞ اﻻﺧﺘﺼﺎص‪ .‬أﻣﺎ إذا ﻛﺎﻧﺖ اﻟﺪراﺳﺔ ﺗﺴﺘﺨﺪم أداة واﺣﺪة‪ ،‬أو أدوات ﻣﺤـﺪودة ﻓـﻴﻤﻜﻦ زﻳـﺎدة ﺣﺠـﻢ‬
‫اﻟﻌﻴﻨﺔ‪ ،‬وﰲ ﻛﻞ اﻷﺣﻮال ﻓﺈن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻳﺠﺐ أن ﻳﺘﻔﻖ وﻣﺘﻄﻠﺒﺎت اﻟﺤﺼﻮل ﻋﲆ ﺑﻴﺎﻧـﺎت ﻛﺎﻓﻴـﺔ وﻧﺘـﺎﺋﺞ‬
‫ﻣﻮﺛﻮق ﻓﻴﻬﺎ‪.‬‬

‫‪ -3‬اﻟﺘﻜﻠﻔﺔ‪:‬‬

‫ﺗﺘﻄﻠــﺐ اﻟﺒﺤــﻮث ﺗﻜﻠﻔــﺔ ﻣﺎﻟﻴــﺔ ﺑــﺪرﺟﺎت ﻣﺘﻔﺎوﺗــﺔ ﻟــﺰوم ﺟﻤــﻊ اﻟﺒﻴﺎﻧــﺎت‪ ،‬واﻟﺴــﻔﺮ‬
‫واﻻﻧﺘﻘﺎﻻت‪ ،‬وﴍاء ﻣﺴﺘﻠﺰﻣﺎت أو أﺟﻬـﺰة ‪ ...‬إﻟـﺦ‪ ،‬وﻛﻠـام زادت اﻟﺘﻜﻠﻔـﺔ‪ ،‬ﻛـﺎن ذﻟـﻚ أدﻋـﻰ‬

‫‪-364-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫إﱃ ﺗﻘﻠﻴﻞ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬واﻟﻌﻜﺲ ﺻﺤﻴﺢ؛ أي أن ﺣﺠﻢ اﻟﻌﻴﻨـﺔ ﻳﺘـﺄﺛﺮ‪ -‬ﺿـﻤﻦ ﻋﻮاﻣـﻞ أﺧـﺮى‪ -‬ﻣـﻦ ﺑﻴﻨﻬـﺎ‬
‫اﳌﻮارد اﳌﺘﺎﺣﺔ‪ ،‬ﻓﻜﻠام ﻛﺎﻧﺖ اﻟﺘﻜﻠﻔﺔ ﻣﺮﺗﻔﻌـﺔ ﺑﺤﻴﺚ ﻳﺘﻌـﺬر إﺟـﺮاء اﻟﺪراﺳﺔ ﻋﲆ ﻋﻴﻨﺔ ﻣـﻦ أﻟـﻒ ﻣﻔـﺮدة‬
‫ﻣﺜﻼ‪ ،‬ﻳﺼﺒﺢ ﺗﺨﻔﻴـﺾ ﺣﺠﻢ اﻟﻌﻴﻨﺔ أﻣ ًﺮا ﴐورﻳّﺎ ﻟيك ﻳﻜﻮن ﰲ ﺣﺪود اﳌﻮارد اﳌﺘﺎﺣﺔ‪.‬‬
‫ً‬

‫‪ -4‬اﻟﺰﻣﻦ أو اﻟﻮﻗﺖ‪:‬‬

‫ﻫﻨﺎك ﺑﺤﻮث ﻳﺘﻌني إﻧﺠﺎزﻫﺎ ﺧﻼل ﻓﱰة زﻣﻨﻴﺔ ﻣﻌﻴﻨﺔ‪ ،‬ﻓﺈذا ﻛﺎن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﺒـ ًريا‪ ،‬ﻓـﺈن اﻟﺪراﺳـﺔ ﻟـﻦ‬
‫ٍ‬
‫وﺣﻴﻨﺌـﺬ ميﻜـﻦ أن ﺗﻜـﻮن اﻟﻈـﺎﻫﺮة‬ ‫ﻃﻮﻳﻼ ﻹﻧﺠﺎزﻫـﺎ‪،‬‬
‫زﻣﻨﺎ ً‬
‫ﺗﻨﺠﺰ ﰲ اﻟﻮﻗﺖ اﳌﺤﺪد‪ ،‬وﻗﺪ ﺗﺴﺘﻐﺮق اﻟﺪراﺳﺔ ً‬
‫اﳌﺪروﺳﺔ ﻗﺪ ﺗﻐريت ﺑﺼﻔﺔ ﻛﻠﻴﺔ أو ﺟﺰﺋﻴﺔ ﻓﺘﻘﻞ اﻟﻘﻴﻤﺔ اﻟﻌﻠﻤﻴﺔ ﻟﻠﺪراﺳﺔ‪ ،‬وﻗﺪ ﻳـﺘﻢ إﻟﻐـﺎء اﻟﺪراﺳـﺔ إذا مل‬
‫ﻳﺘﻢ إﻧﺠﺎزﻫﺎ ﺧﻼل ﻓﱰة زﻣﻨﻴﺔ‪ ،‬ﻓﻌﲆ ﺳﺒﻴﻞ اﳌﺜﺎل ﻓﺈن اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﺠﺎﻣﻌﺎت ﺗﻠﻐـﻲ اﻟﺒﺤـﺚ إذا مل ﻳﻨﺠـﺰه‬
‫اﻟﺒﺎﺣﺚ ﰲ ﻏﻀﻮن ﺳﻨﻮات ﻣﺤﺪدة‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻳﺘﺤﺪد ‪ -‬ﺿـﻤﻦ ﻋﻮاﻣـﻞ أﺧـﺮى ‪ -‬ﰲ ﺿـﻮء‬
‫اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ اﻟﺘﻲ ﻳﺘﻌني ﺧﻼﻟﻬﺎ إﻧﺠﺎز اﻟﺒﺤﺚ‪.‬‬

‫‪ -5‬ﻃﺒﻴﻌﺔ اﻟﺪراﺳﺔ وأﻫﺪاﻓﻬﺎ‪:‬‬

‫إن اﻟﻌﻮاﻣﻞ اﳌﺘﻌﻠﻘﺔ ﺑﻄﺒﻴﻌﺔ اﻟﺒﺤﺚ واﻟﻬﺪف ﻣﻨﻪ ﺗﺆﺛﺮ ﺑﺎﻟﺘﺄﻛﻴﺪ ﰲ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬ﻓﻘﺪ ﻳﻜـﻮن اﻟﺒﺤـﺚ‬
‫ذا ﺻــﻔﺔ اﺳــﺘﻄﻼﻋﻴﺔ‪ ،‬ﻛــﺄن ﻳﺴــﺘﻬﺪف اﺳــﺘﻄﻼع آراء ﻣﺸــﺎﻫﺪي اﻟﺘﻠﻴﻔﺰﻳــﻮن ﺣــﻮل ﻣﺴــﺘﻮى اﻟــﱪاﻣﺞ‬
‫واﳌﺴﻠﺴﻼت‪ ،‬وﻫﻨﺎ ميﻜﻦ أن ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﺑﻀﻊ ﻣﺌﺎت أو ﺣﺘﻰ ﺑﻀﻊ أﻟﻮف‪ ،‬أﻣﺎ ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﻟﺒﺤﺚ‬
‫ﺗﺠﺮﻳﺒﻴﺎ ﺑﻬﺪف ﻣﻌﺮﻓﺔ أﺛﺮ ﻃﺮﻳﻘﺔ ﺟﺪﻳـﺪة ﰲ ﺗﻘـﺪﻳﻢ ﺑـﺮاﻣﺞ اﻟﺘﻠﻴﻔﺰﻳﻮن‪،‬ﻓـﺈن ﺣﺠـﻢ اﳌﺠﻤﻮﻋـﺔ اﻟﻮاﺣـﺪة‬
‫ّ‬
‫ﻓﺮدا ﻛﻤﺠﻤﻮﻋﺔ ﺗﺠﺮﻳﺒﻴـﺔ‪،‬‬
‫ﻳﺘﺤﺪد ﺣﺴﺐ رؤﻳﺔ اﻟﺒﺎﺣﺚ وﺗﻘﻴﻴﻤﻪ‪ ،‬ﻓﻘﺪ ﻳﺨﺘﺎر اﻟﺒﺎﺣﺚ ﻣﺠﻤﻮﻋﺔ ﻣﻦ ﺛﻼﺛني ً‬
‫وﻣﺠﻤﻮﻋﺔ أﺧﺮى ﻣامﺛﻠﺔ ﻟﻬﺎ ﰲ اﻟﻌﺪد ﻛﻤﺠﻤﻮﻋﺔ ﺿـﺎﺑﻄﺔ‪ .‬وﻳﻼﺣـﻆ ﻫﻨـﺎ أن ﻃﺒﻴﻌـﺔ اﻟﺪراﺳـﺔ اﻟﺘﺠﺮﻳﺒﻴـﺔ‬
‫ﺗﻔﺮض أن ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﺻﻐ ًريا مبﺎ ﻳﺘﻨﺎﺳﺐ ﻣﻊ اﳌﻜﺎن وﻣﺴﺘﻠﺰﻣﺎت اﻟﺘﺠﺮﺑﺔ‪.‬‬

‫‪-365-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫‪ -6‬اﺣﺘامﻻت ﻋﺪم اﻻﺳﺘﺠﺎﺑﺔ‪:‬‬

‫ﻳﺘﺄﺛﺮ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﺑﺘﻮﻗﻌﺎت ﻋـﺪم اﻻﺳـﺘﺠﺎﺑﺔ‪ ،‬ﻓﻜﻠـام زادت اﻟﺘﻮﻗﻌـﺎت ﺑـﺄن ﻳـﺮﻓﺾ ﺑﻌـﺾ اﳌﺒﺤـﻮﺛني‬
‫اﳌﺸﺎرﻛﺔ ﰲ اﻟﺒﺤﺚ‪ ،‬أو اﻹﺟﺎﺑﺔ ﻋﲆ أﺳﺌﻠﺔ ﻣﻌﻴﻨﺔ‪ ،‬ﻳﺼﺒﺢ ﻣﻦ اﻟﻀــﺮوري أﺧـﺬ ذﻟـﻚ ﰲ اﻻﻋﺘﺒـﺎر وزﻳـﺎدة‬
‫ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬ﻓﻘﺪ ﻳﻘﺮر اﻟﺒﺎﺣﺚ أن ﻳﺠﺮي دراﺳﺘﻪ ﻋﲆ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ )‪ (1000‬ﻣﻔـﺮدة‪ ،‬ﻟﻜﻨـﻪ ﻳـﺮى أن ﻣـﻦ‬
‫اﳌﺤﺘﻤﻞ أن ﻳﺮﻓﺾ ﺑﻌﺾ اﻷﻓﺮاد اﳌﺸﺎرﻛﺔ ﰲ اﻟﺒﺤﺚ‪ ،‬أو ﻳﺮﻓﻀﻮن اﻹﺟﺎﺑـﺔ ﻋـﲆ أﺳـﺌﻠﺔ ﻣﻌﻴﻨـﺔ‪ ،‬وﻣـﻦ ﻫﻨـﺎ‬
‫ﻳﺠﺮي دراﺳﺘﻪ ﻋﲆ ‪ 1050‬ﻣﻔﺮدة؛ أي ﺑﺰﻳﺎدة ﻗﺪرﻫﺎ ﺧﻤﺴﻮن ﻣﻔﺮدة ﻋﻦ اﻟﻌﺪد اﳌﻘـﺮر‪ ،‬وإذا أردﻧـﺎ إﺟـﺮاء‬
‫ﻣﺜﻼ وﻛﺎن ﺗﻘﺪﻳﺮﻧﺎ أن ‪ %20‬ﻣﻦ اﻟﺤﺎﻻت ﺳﻮف ﻻ ﺗﺴﺘﺠﻴﺐ‪ ،‬ﻓﺈﻧﻪ ﻣﻦ اﳌﻨﺎﺳـﺐ أن‬
‫ﺑﺤﺚ ﻋﲆ ‪ 2000‬ﺣﺎﻟﺔ ً‬
‫ﻧﺒﺪأ ﺑﻌﻴﻨﺔ ﺣﺠﻤﻬﺎ ‪ 2400‬ﺣﺎﻟﺔ )ﻋﻠام ﺑﺄن ذﻟﻚ ﻻ ﻳﻘﻠﻞ ﻣﻦ أﺧﻄﺎء اﻟﺘﺤﻴﺰ(‪.‬‬

‫‪ -7‬ﻣﺘﻐريات اﻟﺪراﺳﺔ‪:‬‬

‫اﳌﺘﻐــري )‪ (Variable‬ﻫــﻮ اﻟﺨﺎﺻــﻴﺔ أو اﻟﺴــﻠﻮك اﻟــﺬي ﻧﻘﻴﺴــﻪ‪ ،‬ﻓــﺎﻟﻨﻮع )ذﻛــﻮر & إﻧــﺎث( ﻣﺘﻐــري‪،‬‬
‫وﻛﺬﻟﻚ اﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ وﻣﺤﻞ اﻹﻗﺎﻣﺔ وﻏري ذﻟﻚ ﻣﻦ اﳌﺘﻐريات اﻟﺘﻲ ﺗﺸﻜﻞ اﻟﺨﺼـﺎﺋﺺ اﻟﺪميﻮﺟﺮاﻓﻴـﺔ‬
‫ﻟﻠﻤﺒﺤــﻮﺛني‪ ،‬وﻫﻨــﺎك ﻣﺘﻐــريات ﺗﻌــﱪ ﻋــﻦ ﻣﻈــﺎﻫﺮ ﺳــﻠﻮﻛﻴﺔ ﻣﻌﻴﻨــﺔ ﻋــﲆ ﻣﺴــﺘﻮى اﻷﻓﻌــﺎل )‪(Actions‬‬
‫أو اﻟﺘﻔﻜري واﻻﺗﺠﺎﻫﺎت واﻟﻘـﻴﻢ واﳌﻌﺘﻘـﺪات واﻵراء ‪ ....‬إﻟـﺦ‪ .‬وﻛﻠـام ﺗﻌـﺪدت ﻣﺘﻐـريات اﻟﺪراﺳـﺔ ﻳﺘﻌـني‬
‫إﻟﺤﺎﺣـﺎ ﻛﻠـام ﺗﻌـﺪدت اﻟﺘﻘﺴـﻴامت اﻟﻔﺮﻋﻴـﺔ داﺧـﻞ ﻛـﻞ‬
‫ً‬ ‫زﻳﺎدة ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬وﺗﺼﺒﺢ ﻫﺬه اﻟﺰﻳﺎدة أﻛـرث‬
‫ــﺜﻼ ﻳﺘﻀــﻤﻦ ﺗﻘﺴــﻴﻤني ﻓــﺮﻋﻴني ﻓﻘــﻂ )ذﻛــﻮر & إﻧــﺎث(‪ ،‬ﻓــﺈن ﻫﻨــﺎك‬
‫ﻣﺘﻐــري‪ ،‬ﻓــﺈذا ﻛــﺎن ﻣﺘﻐــري اﻟﻨــﻮع ﻣ ً‬
‫ﻣﺘﻐريات ﺗﺘﻀﻤﻦ ﺗﻘﺴﻴامت ﻓﺮﻋﻴﺔ ﻣﺘﻌﺪدة‪ ،‬ﻛﻤﺘﻐري اﻟﺘﻌﻠﻴﻢ )أﻣﻲ‪ ،‬ﻗﺮاءة وﻛﺘﺎﺑـﺔ‪ ،‬اﻻﺑﺘﺪاﺋﻴـﺔ‪ ،‬اﻹﻋﺪادﻳـﺔ‪،‬‬
‫اﻟﺜﺎﻧﻮﻳﺔ‪ ،‬ﻓـﻮق اﳌﺘﻮﺳـﻂ‪ ،‬ﺟـﺎﻣﻌﻲ‪ ،‬ﻣﺎﺟﺴـﺘري‪ ،‬دﻛﺘـﻮراه(‪ .‬وﻫـﺬه اﳌﺘﻐـريات ﺗـﺄيت ﻣـﻊ ﺑﻌﻀـﻬﺎ ﰲ ﺟـﺪاول‬
‫ﻣﺰدوﺟﺔ ‪،‬ﻛـﺄن ﺗﻘﺘﻀــﻲ اﻟﺪراﺳـﺔ رﺻـﺪ اﻟﻌﻼﻗـﺔ ﺑـني ﻣﺘﻐـري اﻟﻨـﻮع وﻣﺘﻐـري اﳌﺴـﺘﻮى اﻟﺘﻌﻠﻴﻤـﻲ‪ ،‬ﻓﻔـﻲ‬
‫ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺘﻀﻤﻦ اﻟﺠﺪول ‪ 18‬ﺧﻠﻴﺔ )‪ ،(Cells‬ﻓﺈذا مل ﺗﻜﻦ اﻟﻌﻴﻨـﺔ ﻛﺒـرية‪ ،‬ﻓـﺈن ﺑﻌـﺾ اﻟﺨﻼﻳـﺎ ﺗﺼـﺒﺢ‬

‫‪-366-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﻓﺎرﻏﺔ )‪(Empty Cells‬؛ أي ﻻ ﻳﻮﺟﺪ ﺑﻬﺎ أرﻗﺎم )ﻓﻘﺪ ﻻ ﻳﻮﺟﺪ ذﻛﻮر أو إﻧﺎث ﰲ ﻣﺴﺘﻮى ﺗﻌﻠﻴﻤﻲ ﻣﻌني(‪ ،‬ﻣﻊ‬
‫ﻣﻼﺣﻈﺔ أن ﻫﺬا اﳌﺜﺎل ﻳﺘﻌﻠﻖ مبﺘﻐريﻳﻦ ﻓﻘـﻂ‪ ،‬ﻓـﺎﻟﻮاﻗﻊ أن اﻟﺪراﺳـﺎت اﻟﻌﻠﻤﻴـﺔ ﺗُﻌﻨـﻰ ﺑﺘﻮزﻳـﻊ اﳌﻔـﺮدات‬
‫ﻣﺜﻼ( ﻓﺤﺴـﺐ اﻟﻨـﻮع‬
‫ﺣﺴﺐ أﻛرث ﻣﻦ ﻣﺘﻐريﻳﻦ)ﻛﺘﻮزﻳﻊ اﻟﻌﻴﻨﺔ ﺣﺴﺐ اﻟﻨﻮع واﻟﺴﻦ‪ ،‬واﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ ً‬
‫ﺗﺘﻀﻤﻦ اﻟﻌﻴﻨﺔ ﻣﺠﻤﻮﻋﺘني )ذﻛﻮر & إﻧﺎث( وﺣﺴﺐ اﻟﺴﻦ‪ ،‬ﻓﺈن اﻟﻌﻴﻨﺔ ﻗﺪ ﺗﺘﻀﻤﻦ أرﺑـﻊ ﻣﺠﻤﻮﻋـﺎت‪ ،‬أﻣـﺎ‬
‫ﺣﺴﺐ اﳌﺴﺘﻮى اﻟﺘﻌﻠﻴﻤﻲ‪ ،‬ﻓﺈن اﻟﻌﻴﻨﺔ ﻗﺪ ﺗﺘﻀﻤﻦ ﺗﺴﻊ ﻣﺠﻤﻮﻋﺎت؛ أي أن اﻟﺠﺪول اﻟﺬي ﻳﺘﻀﻤﻦ ﺗﻮزﻳﻊ‬
‫اﻟﻌﻴﻨﺔ ﺣﺴﺐ ﻫﺬه اﳌﺘﻐريات اﻟﺜﻼﺛﺔ ﻳﺘﻜﻮن ﻣﻦ ‪ 72‬ﺧﻠﻴﺔ‪ ،‬وﻫﺬا ﻳﺘﻄﻠﺐ أن ﺗﻜﻮن اﻟﻌﻴﻨـﺔ ﻛﺒـرية ﺑﺪرﺟـﺔ‬
‫ﺗﻜﻔﻲ ﻟﻮﺟﻮد ﻋﺪد ﻣﻔﺮدات ﰲ ﻛﻞ ﺧﻠﻴﺔ ﺑﺎﻟﺠﺪول‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ اﻟﻌﻴﻨﺔ ﺻـﻐرية‪ ،‬ﻓـﺈن ﺑﻌـﺾ اﻟﺨﻼﻳـﺎ ﺗﻜـﻮن‬
‫ﻓﺎرﻏﺔ متًﺎﻣﺎ ﻣﻦ اﻷرﻗﺎم أو أن اﻷرﻗﺎم اﳌﻮﺟﻮدة ﰲ ﺧﻼﻳـﺎ اﻟﺠـﺪول ﺗﻜـﻮن ﺻـﻐرية؛ اﻷﻣـﺮ اﻟـﺬي ﻻ ﻳﺴـﻤﺢ‬
‫ﺑﺈﺟﺮاء اﻟﺘﺤﻠﻴﻼت اﻹﺣﺼﺎﺋﻴﺔ اﳌﻨﺎﺳﺒﺔ‪.‬‬

‫‪ -8‬درﺟﺔ اﻟﺪﻗﺔ اﳌﻄﻠﻮﺑﺔ‪:‬‬

‫ﻣــﻦ اﳌﻌــﺮوف أﻧــﻪ ﻛﻠــام ﺻــﻐﺮ ﺣﺠــﻢ اﻟﻌﻴﻨــﺔ‪ ،‬زاد ﺗــﺄﺛﺮ اﻟﻨﺘــﺎﺋﺞ ﺑﻌﺎﻣــﻞ اﻟﺼــﺪﻓﺔ‪ ،‬وﻛﻠــام زاد ﺗــﺄﺛري‬
‫ﻋﺎﻣﻞ اﻟﺼﺪﻓﺔ‪ ،‬اﻧﺨﻔﻀﺖ اﻟﺜﻘﺔ ﰲ دﻗﺔ اﻟﻨﺘﺎﺋﺞ‪ ،‬ووﻓﻘًﺎ ﻟـﺬﻟﻚ‪ ،‬ﻓـﺈن ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ ﻳﺘﻌـني أن ﻳﻜـﻮن ﻛﺒـ ًريا‬
‫ﺑﺪرﺟﺔ ﻛﺎﻓﻴﺔ ﻟﻠﺘﻘﻠﻴـﻞ ﻣـﻦ ﺗـﺄﺛري ﻋﺎﻣـﻞ اﻟﺼـﺪﻓﺔ‪ ،‬وﺑﺎﻟﺘـﺎﱄ زﻳـﺎدة اﻟﺜﻘـﺔ ﰲ دﻗـﺔ اﻟﻨﺘـﺎﺋﺞ‪ .‬وﰲ اﳌﺠـﺎﻻت‬
‫ﻣـﺜﻼ( ﻳﺸـﱰط درﺟـﺔ دﻗـﺔ‬
‫اﻟﻌﻠﻤﻴﺔ اﻟﺘﻄﺒﻴﻘﻴـﺔ )ﻛـﺎﻟﺒﺤﻮث اﻟﻄﺒﻴـﺔ واﻟﻬﻨﺪﺳـﻴﺔ واﻟﻔﻴﺰﻳﺎﺋﻴـﺔ واﻟﻜﻴﻤﻴﺎﺋﻴـﺔ ً‬
‫ﻣـﺜﻼ‪ ،‬أﻣـﺎ ﰲ‬
‫ﺟﺪا‪ ،‬مبﻌﻨﻰ ﺧﻔﺾ اﺣﺘامل اﻟﺸﻚ أو ﻋـﺪم اﻟﺜﻘـﺔ إﱃ أدىن ﺣـﺪ‪ ،‬ﻛـﺄن ﻳﻜـﻮن ‪ً 0.0001‬‬
‫ﻋﺎﻟﻴﺔ ّ‬
‫اﻟﻌﻠﻮم اﻹﻧﺴـﺎﻧﻴﺔ‪ ،‬ﻓﺈﻧـﻪ ﻣـﻦ اﻟﺸـﺎﺋﻊ اﺳـﺘﺨﺪام ﻣﺴـﺘﻮى اﳌﻌﻨﻮﻳـﺔ ‪ 0.05‬أو ‪ 0.01‬إن اﺳـﺘﺨﺪام اﳌﻌﻨﻮﻳـﺔ‬
‫‪ 0.05‬ﻳﻘﺎﺑﻠﻪ ﻣﺴﺘﻮى ﺛﻘـﺔ ‪ ،% 95‬مبﻌﻨـﻰ أﻧﻨـﺎ إذا ﺳـﺤﺒﻨﺎ ‪ 100‬ﻋﻴﻨـﺔ ﻋﺸـﻮاﺋﻴﺔ ﻣـﻦ اﳌﺠﺘﻤـﻊ اﻷﺻـﲇ‪،‬‬
‫ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ اﺣـﺘامل أن ‪ 95‬ﻋﻴﻨـﺔ ﺗﻜـﻮن دﻗﻴﻘـﺔ أو ﺻـﺤﻴﺤﺔ ﻣﻘﺎﺑـﻞ ﺧﻤـﺲ ﻋﻴﻨـﺎت ﺗﻜـﻮن ﺧﺎﻃﺌـﺔ‪،‬‬
‫أﻣﺎ اﺳﺘﺨﺪام اﳌﻌﻨﻮﻳﺔ ‪ 0.01‬ﻓﻴﻘﺎﺑﻠﻪ ﻣﺴﺘﻮى ﺛﻘﺔ ‪ % 99‬مبﻌﻨـﻰ أﻧﻨـﺎ إذا ﺳـﺤﺒﻨﺎ ‪ 100‬ﻋﻴﻨـﺔ ﻣـﻦ اﳌﺠﺘﻤـﻊ‬
‫اﻷﺻﲇ‪ ،‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ اﺣﺘامل أن ‪ 99‬ﻋﻴﻨﺔ ﺗﻜﻮن دﻗﻴﻘﺔ أو ﺻﺤﻴﺤﺔ ﻣﻘﺎﺑﻞ ﻋﻴﻨﺔ واﺣﺪة ﺗﻜـﻮن ﺧﺎﻃﺌـﺔ‬

‫‪-367-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫وﻟﺘﻘﻠﻴﻞ اﺣﺘامل ﻇﻬﻮر اﻟﻌﻴﻨﺎت اﻟﺨﺎﻃﺌﺔ ﻳﺘﻌني زﻳﺎدة ﻣﺴـﺘﻮى اﻟﺜﻘـﺔ‪ ،‬وﻫـﺬا ﻳﻌﻨـﻲ ﺣﺠـﻢ ﻋﻴﻨـﺔ أﻛـﱪ‪،‬‬
‫ﻓﻌﻨﺪﻣﺎ ﻧﺤﺪد ﺣﺠﻢ اﻟﻌﻴﻨﺔ مبﺴﺘﻮى اﻟﺜﻘﺔ ‪ ،0.01‬ﻓﺈن اﻟﻌﻴﻨﺔ ﺗﻜﻮن أﻛﱪ ﺑﻜﺜري ﻣﻘﺎرﻧﺔ ﺑﺎﺳﺘﺨﺪام ﻣﺴـﺘﻮى‬
‫اﻟﺜﻘﺔ ‪0.05‬‬

‫ﻧﻘﺼﺎ‪ ،‬ﻓﺈذا ﺗﻘﺮر أن ﻳﻜﻮن ﻫﺬا اﻟﺨﻄـﺄ‬

‫ﻳﺘﺼﻞ ﺑﺎﻟﺜﻘﺔ ﰲ اﻟﻨﺘﺎﺋﺞ ﺣﺪود اﻟﺨﻄـﺄ اﳌﺴـﻤﻮح ﺑﻪ زﻳﺎدة أو ً‬
‫ﰲ أﺿﻴﻖ اﻟﺤﺪود‪ ،‬ﻳﺘﻌني زﻳﺎدة ﺣﺠﻢ اﻟﻌﻴﻨﺔ واﻟﻌﻜﺲ ﺻﺤﻴﺢ‪ ،‬ﻓﺎﻟﺒﺎﺣـﺚ ﻗـﺪ ﻳﻘـﺮر أﻧـﻪ ﻋﻨـﺪﻣﺎ ﺗﻜﺸــﻒ‬
‫ﻧﺘﺎﺋﺞ ﺗﺤﻠﻴﻞ ﺑﻴﺎﻧﺎت اﻟﻌﻴﻨﺔ ﻋﻦ أن ‪ %13‬ﻳﻘﺮؤون اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴـﺔ ﺑﺎﻧﺘﻈــﺎم‪ ،‬ﻓﺈﻧـﻪ ﺳـﻴﺘﻌﺎﻣﻞ ﻣـﻊ ﻫـﺬه‬
‫اﻟﻨﺴـﺒﺔ ﻋﲆ أﻧﻬﺎ ﺗﻘﻞ ‪ %2‬أو ﺗﺰﻳـﺪ ‪%2‬؛ أي أﻧﻬـﺎ ﺗـﱰاوح ﻣـﺎ ﺑـني ‪ %11‬إﱃ ‪%15‬؛ أي أن ﻫـﺎﻣﺶ اﻟﺨﻄـﺄ‬
‫اﳌﺴﻤﻮح ﺑﻪ ‪ .%2‬ﻟﻜﻦ اﻟﺒﺎﺣﺚ ﻗﺪ ﻳﻘﺮر أﻧﻪ ﻋﻨﺪﻣﺎ ﺗﻜﺸﻒ ﻧﺘﺎﺋﺞ ﺗﺤﻠﻴـﻞ اﻟﻌﻴﻨـﺔ ﻋـﻦ أن ‪ %13‬ﻳﻘــﺮؤون‬
‫اﻟﺼﺤـﻒ اﻟﻴﻮﻣﻴﺔ ﺑﺎﻧﺘﻈـﺎم‪ ،‬ﻓﺈﻧﻪ ﺳـﻴﺘﻌﺎﻣﻞ ﻣـﻊ ﻫـﺬه اﻟﻨﺴــﺒﺔ ﻋـﲆ أﻧﻬـﺎ ﺗﻘـﻞ ‪ %4‬أو ﺗﺰﻳـﺪ ‪%4‬؛ أي أن‬
‫ﻫﺎﻣﺶ اﻟﺨﻄﺄ اﳌﺴﻤﻮح ﺑﻪ ‪ ،%4‬مبﻌﻨﻰ أن اﻟﻨﺴﺒﺔ ﺗﱰاوح ﺑني ‪ %9‬إﱃ ‪ ،%17‬ﰲ اﻟﺤﺎﻟﺔ اﻷوﱃ ‪ -‬ﻋﻨﺪﻣﺎ ﻛﺎن‬
‫ﻣﺤﺪودا‪ -‬ﻳﺘﻌني زﻳﺎدة ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬أﻣﺎ ﰲ اﻟﺤﺎﻟﺔ اﻟﺜﺎﻧﻴـﺔ ‪ -‬ﻋﻨـﺪﻣﺎ‬
‫ً‬ ‫ﻫﺎﻣﺶ اﻟﺨﻄﺄ اﳌﺴﻤﻮح ﺑﻪ ﺻﻐ ًريا أو‬
‫ﻳﻜﻮن ﻫﺎﻣﺶ اﻟﺨﻄﺄ اﳌﺴﻤﻮح ﺑﻪ ﻛﺒ ًريا‪ -‬ﻓﺈﻧﻪ ميﻜﻦ ﺗﻘﻠﻴﻞ ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ‪ .‬وﺑﻮﺟـﻪ ﻋـﺎم‪،‬ﻛﻠام أراد اﻟﺒﺎﺣـﺚ‬
‫ﻣﺴﺘﻮى دﻗﺔ ﻋﺎﻟﻴﺔ‪ ،‬ﻳﺘﻌني اﺧﺘﻴﺎر ﻋﻴﻨﺔ أﻛﱪ‪ ،‬وذﻟﻚ ﻣﻘﺎرﻧﺔ مبﺎ إذا اﻛﺘﻔﻰ اﻟﺒﺎﺣﺚ مبﺴﺘﻮى دﻗﺔ أﻗﻞ‪.‬‬

‫ﰲ ﺿﻮء ﻫﺬه اﻻﻋﺘﺒﺎرات ﻳﺘﻢ ﺗﺤﺪﻳﺪ اﻟﺤﺠـﻢ اﳌﻨﺎﺳـﺐ ﻟﻠﻌﻴﻨـﺔ‪ ،‬وميﻜـﻦ أن ﻳﻘﺘـﺪي اﻟﺒﺎﺣـﺚ ﺑﺄﺣﺠـﺎم‬
‫اﻟﻌﻴﻨﺎت اﻟﺘﻲ اﺳﺘﺨﺪﻣﺖ ﰲ دراﺳﺎت ﻋﻠﻤﻴﺔ ﻣﺸﺎﺑﻬﺔ ﻟﺪراﺳﺘﻪ‪ ،‬ﻛـام ميﻜﻨـﻪ اﻻﺳـﺘﻌﺎﻧﺔ ﺑـﺂراء اﳌﺘﺨﺼﺼـني‪.‬‬
‫وﻫﻨﺎك ﻧﻘﻄﺔ ﺟﻮﻫﺮﻳﺔ ﻳﺠﺐ أن ﻳﻌﻴﻬﺎ اﻟﺒﺎﺣﺜﻮن وﻫﻢ ﺑﺼﺪد ﺗﺤﺪﻳﺪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬ﻓﺎﻟﻌﻴﻨـﺔ ذات اﻟﺤﺠـﻢ‬
‫اﻷﻛﱪ ﻻ ﺗﻌﻨﻲ ﺑﺎﻟﴬورة أن ﺗﻜﻮن ﻧﺘﺎﺋﺠﻬﺎ ﻣﻮﺛﻮﻗًﺎ ﻓﻴﻬﺎ ﺑﺪرﺟﺔ أﻛـﱪ ﻣﻘﺎرﻧـﺔ ﺑﻨﺘـﺎﺋﺞ ﻣﺴـﺘﻤﺪة ﻣـﻦ ﻋﻴﻨـﺔ‬
‫ﺻﻐرية اﻟﺤﺠﻢ‪ ،‬ذﻟﻚ أن اﻟﺜﻘﺔ ﰲ ﻧﺘﺎﺋﺞ اﻟﻌﻴﻨﺔ ﺗﺘﻮﻗﻒ ﻋـﲆ ﻃﺮﻳﻘـﺔ ﺳـﺤﺐ اﻟﻌﻴﻨـﺔ؛ أي أن ﻳـﺘﻢ اﺧﺘﻴـﺎر‬
‫اﻟﻌﻴﻨﺔ ﺑﻄﺮﻳﻘﺔ ﻋﺸﻮاﺋﻴﺔ ﺻﺤﻴﺤﺔ؛ ﺑﺤﻴﺚ ﺗﻜﻮن ﻣﻤﺜﻠﺔ ﻟﻠﻤﺠﺘﻤﻊ وﺗﻌﻜﺲ ﻣﺎ ﻓﻴﻪ ﻣﻦ ﺗﺒﺎﻳﻦ‪.‬‬

‫‪-368-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﺛﺎﻟﺜًﺎ‪ :‬ﺑﻌﺾ اﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ ﻟﺘﻘﺪﻳﺮ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‬

‫ﻫﻨﺎك اﻟﻜﺜري ﻣﻦ اﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ ﻟﺘﻘﺪﻳﺮ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﺳﻮاء ﻣﻦ اﳌﺠﺘﻤﻌﺎت اﻟﺼـﻐرية اﳌﺤـﺪودة‪ ،‬أو‬
‫ﻣﻦ اﳌﺠﺘﻤﻌﺎت اﻟﻜﺒرية اﻟﺘﻲ ﻳﺼﻞ ﺗﻌﺪادﻫﺎ إﱃ اﻷﻟﻮف أو اﳌﻼﻳني‪ ،‬ﻛام أن اﻟﻄﺮق اﻹﺣﺼـﺎﺋﻴﺔ اﳌﺴـﺘﺨﺪﻣﺔ‬
‫ﰲ ﺗﻘﺪﻳﺮ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬ﺗﺮﺗﻜﺰ ﻋﲆ ﻣﻌﺎدﻻت ذات ﺻﻴﻎ ﻣﺘﻌﺪدة )مبﻌﻨﻰ أن اﳌﻌﺎدﻟﺔ اﻟﻮاﺣﺪة ﻟﻬﺎ أﻛرث ﻣﻦ‬
‫ﺻﻴﻐﺔ( رﻏﻢ أن أﺳﺎﺳﻬﺎ اﻟﺠﱪي واﺣﺪ‪.‬‬

‫ﻃﺮﻳﻘﺔ اﻻﺣﺘامل اﳌﻘﺪر‪:‬‬

‫وﺗﻌﺮف ﺑﺎﻟﻄﺮﻳﻘﺔ اﻟﻌﺎﻣﺔ‪ ،‬وﺗﻘﻮم ﻋﲆ اﳌﻌﺎدﻟﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪b‬‬
‫‪(Ρ  1)Ρ‬‬
‫دق=دع‬
‫‪ϥ‬‬
‫ﺣﻴﺚ إن‪:‬‬
‫ن ‪ :‬ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ‬
‫دع‪ :‬اﻟﺪرﺟــﺔ اﳌﻌﻴﺎرﻳــﺔ اﳌﻘﺎﺑﻠــﺔ ﳌﺴــﺘﻮى اﻟﺜﻘــﺔ‪ .‬إذا اﺳــﺘﺨﺪﻣﻨﺎ ﻣﺴــﺘﻮى اﻟﺜﻘــﺔ ‪ ،%95‬ﻓــﺈن اﻟﺪرﺟــﺔ‬
‫اﳌﻌﻴﺎرﻳﺔ اﳌﻘﺎﺑﻠﺔ ﻟﻪ ﻫﻲ ‪ 1.96‬وﻋﻨﺪﻣﺎ ﻳﻜﻮن ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ ،0.95‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أن درﺟـﺔ اﻟﺸـﻚ ‪0.05‬‬
‫ﺧﻤﺴﺎ وﺗﺴﻌني ﻋﻴﻨـﺔ‬
‫اﺣﺘامﻻ ﺑﺄن ً‬
‫ً‬ ‫و ﺗﻔﱰض ﻧﺴﺒﺔ ‪ 0.05‬أﻧﻪ إذا ﺳﺤﺒﻨﺎ ﻣﺎﺋﺔ ﻋﻴﻨﺔ ﻣﻦ اﳌﺠﺘﻤﻊ‪ ،‬ﻓﺈن ﻫﻨﺎك‬
‫ﺗﻜﻮن دﻗﻴﻘﺔ ﻣﻘﺎﺑﻞ ﺧﻤﺲ ﻋﻴﻨﺎت ﺗﻜـﻮن ﻏري دﻗﻴﻘﺔ؛ أي أن اﻟﻌﻴﻨﺔ ﻏري اﻟﺪﻗﻴﻘﺔ ﺗﻈﻬﺮ ﻣـﺮة ﻛـﻞ ﻋﴩﻳـﻦ‬
‫ﻣﺮة‪ .‬أﻣﺎ إذا اﺳﺘﺨﺪﻣﻨﺎ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ ،% 99‬ﻓﺈن اﻟﺪرﺟﺔ اﳌﻌﻴﺎرﻳﺔ اﳌﻘﺎﺑﻠﺔ ﻟﻪ ﻫـﻲ ‪ ،2.58‬وﻋﻨـﺪﻣﺎ ﻳﻜـﻮن‬
‫ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ ،0.99‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ أن درﺟﺔ اﻟﺸﻚ ‪ 0.01‬وﺗﻔﱰض ﻧﺴﺒﺔ ‪ 0.01‬أﻧﻪ إذا ﺳﺤﺒﻨﺎ ﻣﺎﺋـﺔ ﻋﻴﻨـﺔ‬
‫ﺗﺴﻌﺎ وﺗﺴﻌني ﻋﻴﻨﺔ ﺗﻜﻮن دﻗﻴﻘﺔ ﻣﻘﺎﺑـﻞ ﻋﻴﻨـﺔ واﺣـﺪة ﺗﻜــﻮن ﻏـري‬
‫اﺣﺘامﻻ ﺑﺄن ً‬
‫ً‬ ‫ﻣﻦ اﳌﺠﺘﻤﻊ‪ ،‬ﻓﺈن ﻫﻨﺎك‬
‫دﻗﻴﻘﺔ؛ أي أن اﻟﻌﻴﻨﺔ ﻏري اﻟﺪﻗﻴﻘﺔ ﺗﻈﻬﺮ ﻣﺮة ﻛﻞ ﻣﺎﺋﺔ ﻣﺮة‪.‬‬

‫د ق‪ :‬درﺟﺔ اﻟﺪﻗﺔ‪ ،‬وﻳﺤﺪدﻫﺎ اﻟﺒﺎﺣﺚ ﺑﻨﺎء ﻋﲆ أﺳﺲ ﻣﻮﺿﻮﻋﻴﺔ وﻗﻨﺎﻋﺎﺗﻪ اﻟﺸﺨﺼﻴﺔ‪ ،‬ﻛـﺄن‬
‫ﻣﺜﻼ ﺑﺄﻧﻪ ﻳﺮﺗﴤ أن ﺗﻜﻮن درﺟـﺔ اﻟﺪﻗـﺔ ‪ %5 r‬مبﻌﻨـﻰ أﻧـﻪ إذا ﻛﺸـﻔﺖ اﻟﺪراﺳـﺔ ﻋـﻦ‬
‫ﻳﻘﺮر ً‬

‫‪-369-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫أن ﻧﺴﺒﺔ ﻣﺸﺎﻫﺪة اﻟﺘﻠﻴﻔﺰﻳﻮن ﻫﻲ ‪ ،%75‬ﻓﺈن ﻫﺬه اﻟﻨﺴﺒﺔ ﺳﻨﺘﻌﺎﻣﻞ ﻣﻌﻬـﺎ ﻋـﲆ أﻧﻬـﺎ ﺗﻘـﻞ ‪ %5‬أو ﺗﺰﻳـﺪ‬
‫مبﻘﺪار ‪%5‬؛ أي أن اﻟﻨﺴﺒﺔ ﺳﺘﻜﻮن ﰲ ﺣﺪود ﻣﻦ ‪ %70‬إﱃ ‪.%80‬‬

‫ح ‪ :‬اﺣـــﺘامل ﻗﻴﻤـــﺔ اﻟﺨﻄـــﺄ اﳌﻌﻴـــﺎري ﻟﻠﻨﺴـــﺒﺔ‪ ،‬وﻫـــﺬه اﻟﻘﻴﻤـــﺔ ﺗﺴـــﺎوي ‪ 0.5‬وﺑﺎﻟﺘـــﺎﱄ ﻓـــﺈن‬
‫)‪ -1‬ح( ﺗﺴﺎوي ‪0.5‬؛ أي أن اﻟﻘﻴﻤﺔ‪ :‬ح )‪ -1‬ح( ﰲ اﳌﻌﺎدﻟﺔ اﻟﺴـﺎﺑﻘﺔ ﻳـﺘﻢ اﻟﺘﻌـﻮﻳﺾ ﻋﻨﻬـﺎ ﺑﺎﻟﻘﻴﻤـﺔ )‪×0.5‬‬
‫ﻗﻴﺎﺳـﺎ ﻋـﲆ أي ﻧﺴـﺒﺘني أﺧــﺮﻳني‬
‫‪ ،(0.5‬وذﻟﻚ ﺑﺎﻋﺘﺒﺎر أن اﻟﻨﺴﺒﺔ )‪ (0.5 × 0.5‬ﺗﻌﻄﻲ أﻛـﱪ اﻟﻨﺘـﺎﺋﺞ دﻗـﺔ ً‬
‫)ﻣﺜﺎل ذﻟﻚ‪ (0.9 × 0.1) :‬أو )‪ (0.8 × 0.2‬أو )‪ ،(0.7 ×0.3‬أو )‪ ... (0.6×0.4‬إﻟﺦ‪ .‬ﻓﺈذا ﺣﺪدﻧﺎ درﺟﺔ اﻟﺪﻗﺔ‬
‫ﺑﺄﻧﻬﺎ ‪ %5 r‬وﺣﺪدﻧﺎ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ﺑﺄﻧﻪ ‪ 0.95‬وﺑـﺎﻟﺘﻌﻮﻳﺾ ﰲ اﳌﻌﺎدﻟـﺔ اﳌـﺬﻛﻮرة‪ ،‬ميﻜﻨﻨـﺎ ﺗﺤﺪﻳـﺪ ﺣﺠـﻢ‬
‫اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ ﻛﺎﻵيت‪:‬‬

‫‪(Ρ  1)Ρ‬‬
‫‪ϥ‬‬ ‫‪b 1.96 = %5‬‬
‫‪0.5 u0.5‬‬
‫‪ϥ‬‬ ‫‪b 1.96 = %5‬‬
‫ﺑﺎﻟﺘﺨﻠﺺ ﻣﻦ اﻟﺠﺬر اﻟﱰﺑﻴﻌﻲ‪ ،‬وﺑﺎﻟﺘﻌﻮﻳﺾ ﻓﺈن‪:‬‬
‫‪0.5 u 0.5 u 3.8416 = 0.0025‬‬
‫‪ϥ‬‬

‫‪ 0.0025‬ن = ‪0.5 × 0.5 × 3.8416‬‬

‫‪ 0.0025‬ن = ‪0.9604‬‬
‫ن = ‪384.16 = 0.0025 y 0.9604‬‬
‫أي أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ ﻫﻮ ‪ 384‬ﻣﻔﺮدة‪ ،‬وذﻟﻚ مبﺴﺘﻮى ﺛﻘﺔ ‪ 0.95‬ودرﺟﺔ دﻗﺔ ‪0.05‬‬

‫وﻧﻠﻔﺖ اﻻﻧﺘﺒﺎه ﻫﻨـﺎ إﱃ أن اﻟﺒﺎﺣـﺚ ميﻜﻨـﻪ اﺳـﺘﺨﺪام درﺟـﺎت دﻗـﺔ أﺧـﺮى ﺑﺸــﺮط وﺟـﻮد‬
‫ﻣﱪرات ﻣﻨﻄﻘﻴﺔ ﻟﺬﻟﻚ‪ ،‬ﻛﺄن ﻳﻘـﺮر ‪ -‬ﻷﺳـﺒﺎب ﻋﻠﻤﻴـﺔ‪ -‬أﻧـﻪ ﺳـﻴﺤﺪد ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ ﺑﺪرﺟـﺔ دﻗـﺔ‬

‫‪-370-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﻣﺜﻼ أن درﺟﺔ اﻟﺪﻗﺔ ﻫﻲ ‪%4‬‬

‫‪ %2.5‬أو ‪ %3‬أو ‪ %4‬أو ﻏري ذﻟﻚ ﻣﻦ درﺟﺎت اﻟﺪﻗﺔ‪ ،‬ﻓﻘﺪ ﻳﻘﺮر اﻟﺒﺎﺣﺚ ً‬
‫وﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ %99‬وﻫﻨﺎ ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﺎﻵيت‪:‬‬

‫‪0.5 u0.5‬‬
‫‪ϥ‬‬ ‫‪b 2.58 = %4‬‬
‫ﺑﺎﻟﺘﺨﻠﺺ ﻣﻦ اﻟﺠﺬر اﻟﱰﺑﻴﻌﻲ وإﻳﺠﺎد ﻗﻴﻤﺔ )ن( ﻓﺈن‪:‬‬
‫‪0.5 u 0.5 u 6.6564 = 0.0016‬‬
‫‪ϥ‬‬

‫‪ 0.0016‬ن = ‪0.5 × 0.5 × 6.6564‬‬

‫‪ 0.0016‬ن = ‪1.6641‬‬
‫ن = ‪1040 = 0.0016 y 1.6641‬‬
‫أي أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ ﻫﻮ ‪ 1040‬ﻣﻔﺮدة وذﻟﻚ ﺑﺪرﺟﺔ دﻗﺔ ‪ %4‬مبﺴﺘﻮى ﺛﻘﺔ ‪%99‬‬

‫ﻣﻌﺎدﻟﺔ اﻟﺮاﺑﻄﺔ اﻷﻣﺮﻳﻜﻴﺔ ﻟﻠﱰﺑﻴﺔ‪:‬‬

‫ﻣﺘﺠﺎﻧﺴﺎ‪ ،‬ﻓﺈن ﻫﻨﺎك ﻣﻌﺎدﻟﺔ اﻋﺘﻤﺪﺗﻬﺎ اﻟﺮاﺑﻄﺔ اﻷﻣﺮﻳﻜﻴﺔ ﻟﻠﱰﺑﻴﺔ ﻟﺘﺤﺪﻳﺪ ﺣﺠـﻢ‬
‫ً‬ ‫ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﳌﺠﺘﻤﻊ‬
‫اﻟﻌﻴﻨﺔ اﳌﻨﺎﺳﺐ )‪ (n‬وذﻟﻚ ﺑﺪرﺟﺔ ﺛﻘﺔ ‪ 0.95‬إذا ﻋﺮﻓﻨﺎ ﻋﺪد اﳌﺠﺘﻤﻊ )‪ ،(N‬وﻫﺬه اﳌﻌﺎدﻟﺔ ﻫﻲ‪:‬‬

‫)‪ϡ u (0.25) u 2(ω Ω‬‬ ‫ن=‬

‫) ‪(0.25) 2(ω Ω)  (1 - ϡ) 2( v‬‬

‫ﺣﻴﺚ إن‪:‬‬

‫ن = ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ‬

‫د ع ‪ :‬اﻟﺪرﺟﺔ اﳌﻌﻴﺎرﻳﺔ اﳌﻘﺎﺑﻠﺔ ﳌﺴﺘﻮى اﻟﺜﻘﺔ ‪ %95‬وﻫﺬه اﻟﺪرﺟﺔ ﺗﺴﺎوي ‪1.96‬‬

‫م‪ :‬ﻋﺪد اﳌﺠﺘﻤﻊ‬

‫‪-371-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫‪ :v‬ﻗﻴﻤﺔ أﻟﻔﺎ ‪ Alpha‬وﻫﻲ ﺗﺴﺎوي ‪) 0.05‬ﻷن ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ ،(0.95‬أﻣﺎ ﻓـﻴام ﻳﺨـﺺ اﻟﻘﻴﻤـﺔ ‪،0.25‬‬
‫ﻣﻘﺴﻮﻣﺎ ﻋﲆ ‪)2‬ﻗﻴﻤﺔ ﻫـﺬا اﻻﺣـﺘامل ﺗﺴـﺎوي ‪ 0.5‬ﻛـام‬
‫ً‬ ‫ﻓﻬﻲ ﺗﻌﻨﻲ اﺣﺘامل ﻗﻴﻤﺔ اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﻟﻠﻨﺴﺒﺔ‬
‫ﺳﺒﻘﺖ اﻹﺷﺎرة(‪.‬‬

‫ﻛﻤﺜﺎل ﻟﻠﺘﻮﺿﻴﺢ ﻧﻔﺮض أﻧﻨﺎ ﻧﺮﻳﺪ ﺳﺤﺐ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻦ ﺗﻼﻣﻴﺬ اﻟﺼﻒ اﻷول ﺑﺎﳌﺮﺣﻠﺔ اﻻﺑﺘﺪاﺋﻴﺔ ﰲ‬
‫اﳌﺪارس اﻟﺤﻜﻮﻣﻴﺔ‪ ،‬وﺗﻔﻴﺪ اﻹﺣﺼﺎءات اﻟﺮﺳﻤﻴﺔ أن ﻋـﺪد ﻫـﺆﻻء اﻟﺘﻼﻣﻴـﺬ ﻫـﻮ ‪ ، 38128‬ﻫﻨـﺎ ﻧﻼﺣـﻆ أن‬
‫ﻣﺠﺘﻤﻊ اﻟﺒﺤﺚ ﻣﺘﺠﺎﻧﺲ ﻣﻦ ﺣﻴﺚ اﳌﺮﺣﻠﺔ اﻟﻌﻤﺮﻳﺔ واﻟﺪراﺳﻴﺔ‪ ،‬وﻟﺘﺤﺪﻳـﺪ ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ اﳌﻄﻠﻮﺑـﺔ‪ ،‬ﻓـﺈن‬
‫‪2‬‬ ‫‪2‬‬
‫ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ 0.95‬ﻳﻌﻨﻲ أن )د ع( ﺗﺴﺎوي ‪ 1.96‬وﺑﺎﻟﺘﺎﱄ‪ ،‬ﻓﺈن )د ع( ﺗﺴﺎوي ‪ 3.8416‬أﻣـﺎ ﻗﻴﻤـﺔ )‪(v‬‬
‫ﻓﺘﺴﺎوي ‪) 0.0025‬وﻫﺬه اﻟﻘﻴﻤﺔ ﻧﺎﺗﺠﺔ ﻋﻦ ‪ ،(0.05 ×0.05‬ومبﻮﺟﺐ ذﻟﻚ ﻓﺈن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻳﺴﺎوي ‪:‬‬

‫)‪38128 u (0.25) u (3.8416‬‬

‫= ‪380.3‬‬
‫)‪(0.25)(3.8416)  (38127)(0.0025‬‬

‫ﻣﺘﺴـﺎوﻳﺎ أو‬
‫ً‬ ‫ﺗﻮزﻳﻌـﺎ‬
‫ً‬ ‫أي أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ ﻫﻮ ‪ 380‬ﻣﻔﺮدة‪ ،‬وﻗﺪ ﻳﺘﻢ ﺗﻮزﻳﻊ ﻣﻔﺮدات اﻟﻌﻴﻨﺔ‬
‫ﻣﺘﻨﺎﺳﺒﺎ ﺣﺴﺐ ﺧﺼﺎﺋﺺ اﳌﺠﺘﻤـﻊ ذات اﻟﺪﻻﻟـﺔ )ﻛـﺎﻟﻨﻮع واﳌﻨﻄﻘـﺔ اﻟﺠﻐﺮاﻓﻴـﺔ‪ ...‬إﻟـﺦ(‪ ،‬ومتﺘـﺎز اﳌﻌﺎدﻟـﺔ‬
‫ً‬
‫اﳌﺬﻛﻮرة ﺑﺄﻧﻬﺎ ﺗﺄﺧﺬ ﰲ اﻻﻋﺘﺒﺎر ﻋﺪد اﳌﺠﺘﻤﻊ‪ ،‬وﻣﻦ اﻟﻄﺒﻴﻌـﻲ أن ﻳﺨﺘﻠـﻒ ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ ﺑـﺎﺧﺘﻼف ﻋـﺪد‬
‫اﳌﺠﺘﻤﻊ‪.‬‬

‫ﻃﺮﻳﻘﺔ ﺗﻘﺪﻳﺮ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪:‬‬

‫وﻫﻲ ﻻ ﺗﻌﺘﻤﺪ ﻋﲆ اﻟﻨﺴﺒﺔ )‪ (Percentage‬ﰲ اﻟﺘﻌﺒري ﻋﻦ درﺟﺔ اﻟﺪﻗـﺔ اﳌﻄﻠﻮﺑـﺔ‪ ،‬وإمنـﺎ ﺗﻌﺘﻤـﺪ ﻋـﲆ‬
‫ﻗﻴﻤﺔ اﻟﻔﺮق اﳌﺴﻤﻮح ﺑﻪ ﺑني اﻟﻨﺘﺎﺋﺞ اﻟﺘﻲ ﺳﻨﺤﺼﻞ ﻋﻠﻴﻬﺎ ﻣﻦ اﻟﻌﻴﻨﺔ ﺑﺸﺄن ﻣﻮﺿﻮع اﻟﺪراﺳـﺔ وﺑـني واﻗـﻊ‬
‫ﻫﺬا اﳌﻮﺿﻮع ﰲ اﳌﺠﺘﻤﻊ‪ ،‬وﻳﺮﻣﺰ ﻟﻬﺬا اﻟﻔﺮق ﺑﺎﻟﺮﻣﺰ ‪ E‬ﻛﺎﺧﺘﺼﺎر ﻟﻜﻠﻤـﺔ )‪ ،(Error‬وﺗﺘﻄﻠـﺐ اﺳـﺘﺨﺪام أو‬
‫ﺗﻘﺪﻳﺮ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻠﻈﺎﻫﺮة ﰲ اﳌﺠﺘﻤـﻊ )‪ ،(Vs‬وﻳﺸـﻴﻊ اﺳـﺘﺨﺪام ﻫـﺬه اﻟﻄﺮﻳﻘـﺔ إذا ﻛـﺎن ﻫـﺪف‬
‫اﻟﺒﺤﺚ ﺗﻘﺪﻳﺮ ﻣﺘﻮﺳﻂ اﻟﻈﺎﻫﺮة ﰲ اﳌﺠﺘﻤﻊ‪ ،‬ﻛام أﻧﻬﺎ ﰲ ﺟﻮﻫﺮﻫﺎ ﺻﻮرة أﺧﺮى ﻟﻠﻄﺮﻳﻘـﺔ اﻟﻌﺎﻣـﺔ‪ ،‬وﺗﻘـﻮم‬
‫ﻋﲆ اﳌﻌﺎدﻟﺔ اﻵﺗﻴﺔ‪:‬‬
‫‪-372-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫‪2‬‬
‫½)‪­ Z(ı s‬‬
‫® =‪n‬‬ ‫¾‬
‫¿ ‪¯ E‬‬

‫ﺣﻴﺚ‪:‬‬

‫‪ = n‬ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ‬

‫‪ = Vs‬اﻟﻘﻴﻤﺔ اﻟﺘﻘﺪﻳﺮﻳﺔ ﻟﻼﻧﺤﺮاف اﳌﻌﻴﺎري ﰲ اﳌﺠﺘﻤﻊ‬

‫‪ = E‬ﻗﻴﻤﺔ اﻟﺨﻄﺄ اﳌﺴﻤﻮح ﺑﻪ )مبﻌﻨﻰ اﻟﻔﺮق اﳌﺴﻤﻮح ﺑﻪ ﺑني ﻗﻴﻤﺔ اﻟﻈـﺎﻫﺮة ﻛـام ﺗﻜﺸـﻔﻬﺎ اﻟﻌﻴﻨـﺔ‬
‫وﺑني ﻗﻴﻤﺔ ﻫﺬه اﻟﻈﺎﻫﺮة ﰲ اﳌﺠﺘﻤﻊ(‬

‫‪ = Z‬اﻟﺪرﺟﺔ اﳌﻌﻴﺎرﻳﺔ ﳌﺴﺘﻮى اﻟﺜﻘﺔ‪ ،‬وﻫﺬه اﻟﺪرﺟﺔ ﺗﻜﻮن ‪ 1.96‬إذا اﺳﺘﺨﺪﻣﻨﺎ ﻣﺴﺘﻮى اﻟﺜﻘـﺔ ‪0.95‬‬
‫ﺑﻴﻨام ﺗﻜﻮن ‪ 2.58‬إذا اﺳﺘﺨﺪﻣﻨﺎ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪0.99‬‬

‫ﻓﺈذا ﻛﺎن اﻟﻬﺪف ﻣﻦ اﻟﺒﺤﺚ ﺗﻘﺪﻳﺮ ﻣﺘﻮﺳـﻂ اﻟﻈـﺎﻫﺮة ﰲ اﳌﺠﺘﻤـﻊ‪ ،‬ﻓﺈﻧـﻪ ﻣـﻦ اﻟﻀــﺮوري ﺗﺤﺪﻳـﺪ‬
‫اﻟﻔﺮق اﳌﺴﻤﻮح ﺑﻪ ﺑني اﳌﺘﻮﺳﻂ اﻟﺬي ﺳﻨﺤﺼﻞ ﻋﻠﻴﻪ ﻣﻦ اﻟﻌﻴﻨﺔ وﻣﺘﻮﺳﻂ اﻟﻈﺎﻫﺮة ﰲ اﳌﺠﺘﻤـﻊ؛ أي أن‬
‫ﻳﻜﻮن ﻫﺬا اﻟﻔﺮق ﰲ ﺣﺪود ﻣﻌﻴﻨﺔ‪ ،‬وﻣﻦ اﻟﻀــﺮوري ﻛـﺬﻟﻚ ﺗﻘــﺪﻳﺮ اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري ﻟﻠﻤﺠﺘﻤـﻊ‪ .‬إن‬
‫اﻟﻔﺮق اﳌﺴﻤﻮح ﺑﻪ ﺑني ﻣﺘﻮﺳﻂ اﻟﻌﻴﻨﺔ وﻣﺘﻮﺳﻂ اﳌﺠﺘﻤﻊ ﻳﻘﺮره اﻟﺒﺎﺣﺚ أو اﳌﺴﺘﻔﻴﺪ ﻣﻦ اﻟﺪراﺳـﺔ ﻛـﺄن‬
‫ﻳﻘﺮر أن ﻫﺬا اﻟﻔﺮق ﻳﻜﻮن ﻗﻴﻤﺔ ﻣﻌﻴﻨﺔ ﺑﺎﻟﺰﻳﺎدة أو ﺑﺎﻟﻨﻘﺼـﺎن )ﻓـﱰة اﻟﺜﻘـﺔ(‪ ،‬أﻣـﺎ ﻓـﻴام ﻳﺨـﺺ اﻻﻧﺤـﺮاف‬
‫اﳌﻌﻴﺎري ﻟﻠﻤﺠﺘﻤﻊ‪ ،‬ﻓﺈﻧﻪ ميﻜﻦ ﻣﻌﺮﻓﺘﻪ ﻣﻦ ﺧﻼل ﺑﺤﻮث ﺳﺎﺑﻘﺔ أﺟﺮﻳﺖ ﻋـﲆ ﻋﻴﻨـﺎت ﻣـﻦ ﻫـﺬا اﳌﺠﺘﻤـﻊ‬
‫وﺗﺘﻀﻤﻦ ﻗﻴﻤﺔ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪ ،‬أو ﻣﻦ ﺧﻼل إﺟﺮاء دراﺳﺔ اﺳﺘﻄﻼﻋﻴﺔ ﻣﺤـﺪودة‪ ،‬أو اﻻﺳـﺘﻨﺎد ﻋـﲆ أي‬
‫أﺳﺎس ﻣﻨﻄﻘﻲ آﺧﺮ ميﻜﻦ اﻷﺧﺬ ﺑﻪ )‪.(Barrow, 2001, pp124-125‬‬

‫ﻛﻤﺜﺎل ﺗﻮﺿﻴﺤﻲ‪ ،‬ﻧﻔﺮض أن اﳌﺴﺌﻮﻟني ﺑﺠﺮﻳﺪة اﻷﻫﺮام ﻳﺮﻳﺪون ﺣﺠﻢ اﻟﻌﻴﻨـﺔ اﳌﻨﺎﺳـﺐ‬
‫ﻟﺘﻘﺪﻳﺮ ﻣﺘﻮﺳﻂ اﻟﻮﻗﺖ اﻟﻴﻮﻣﻲ اﻟﺬي ﻳﻘﻀـﻴﻪ ﻣﺤـﺮرو اﻟﺠﺮﻳـﺪة ﰲ اﺳـﺘﺨﺪام اﻟﺤﺎﺳـﻮب ﰲ‬
‫اﻟﺘﺤﺮﻳﺮ اﻟﺼﺤﻔﻲ؛ وﺑﺤﻴﺚ ﻳﻜﻮن اﻟﻔـﺮق ﺑـني اﳌﺘﻮﺳـﻂ اﻟـﺬي ﺳﻨﺤﺼـﻞ ﻋﻠﻴـﻪ ﻣـﻦ اﻟﻌﻴﻨـﺔ‬

‫‪-373-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫واﳌﺘﻮﺳﻂ اﳌﻮﺟﻮد ﰲ اﳌﺠﺘﻤﻊ )ﺟﻤﻴﻊ ﻣﺤﺮري اﻟﺠﺮﻳﺪة( ﰲ ﺣـﺪود رﺑـﻊ ﺳـﺎﻋﺔ )‪ 15‬دﻗﻴﻘـﺔ( زﻳـﺎدة أو‬
‫ﻧﻘﺼﺎ‪ ،‬وﺑﻔﺮض أن ﻫﻨﺎك دراﺳﺔ ﻋﻠﻤﻴﺔ ﺗﻮﺿﺢ أن ﻣﺘﻮﺳﻂ اﻟﻮﻗﺖ اﻟﻴﻮﻣﻲ اﻟـﺬي ﻳﻘﻀـﻴﻪ اﻟﺼـﺤﻔﻴﻮن ﰲ‬
‫ً‬
‫اﺳﺘﺨﺪام اﻟﺤﺎﺳﻮب ﻫﻮ ‪ 3.5‬ﺳﺎﻋﺔ ﺑﺎﻧﺤﺮاف ﻣﻌﻴﺎري ﺳﺎﻋﺔ واﺣﺪة )‪ 60‬دﻗﻴﻘﺔ(‪ ،‬ﻫﻨﺎ ميﻜﻦ اﻋﺘﺒـﺎر ﻫـﺬه‬
‫اﻟﻘﻴﻤﺔ )‪ 60‬دﻗﻴﻘﺔ( ﻫﻲ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻠﻤﺠﺘﻤﻊ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻳﻜﻮن ﻟﺪﻳﻨﺎ ﻗﻴﻤﺔ اﻟﺨﻄﺄ اﳌﻌﻴـﺎري )وﻫـﻲ‬
‫ﺗﻘﺪﻳﺮا ﻟﻼﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻠﻤﺠﺘﻤﻊ وﻫﻮ ‪ 60‬دﻗﻴﻘﺔ‪ ،‬ﻓـﺈذا‬
‫ً‬ ‫‪ 15‬دﻗﻴﻘﺔ ﺑﺎﻟﺰﻳﺎدة واﻟﻨﻘﺼﺎن(‪ ،‬ﻛام أن ﻟﺪﻳﻨﺎ‬
‫ﺣﺪدﻧﺎ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ﺑﺄﻧﻪ ‪ ،%95‬ﻓﺈن اﻟﺪرﺟﺔ اﳌﻌﻴﺎرﻳﺔ اﳌﻘﺎﺑﻠـﺔ ﻟـﻪ ﺗﺴـﺎوي ‪ ،1.96‬وﺑﺎﺳـﺘﺨﺪام اﳌﻌﺎدﻟـﺔ‬
‫اﳌﺬﻛﻮرة ﻓﺈﻧﻨﺎ ﻧﺼﻞ إﱃ ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ ﻛﺎﻵيت‪:‬‬

‫‪2‬‬
‫ﺣﺠﻢ اﻟﻌﻴﻨﺔ = »‪61.46 = (7.84) = ª«(60)1.96 º‬‬
‫‪2‬‬
‫¼ ‪¬ 15‬‬

‫أي أن ﺣﺠـﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠـﻮﺑﺔ ﻫﻮ ‪ 61‬ﻣﻔـﺮدة‪ ،‬وذﻟـﻚ مبﺴـﺘﻮى ﺛﻘـﺔ ‪ 0.95‬ﻫـﺬا اﻟﺤﺠـﻢ ﻫـﻮ اﻟـﺬي‬
‫ﻳﺤﻘـﻖ اﻟﺜﻘـﺔ )‪) (Confidence Interval‬ﻣﻦ ‪ 15 +‬إﱃ – ‪ (15‬دﻗﻴﻘﺔ‪.‬‬

‫واﺳـﻌﺎ ﻣـﻦ اﻟﺘﻄﺒﻴﻘـﺎت ﰲ اﻟﺘﻮﺻـﻞ إﱃ ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ‪ ،‬ﻓـﺈذا أردﻧـﺎ ‪-‬‬

‫ً‬ ‫وﺗﻐﻄﻲ اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة ﻣﺪى‬
‫ﻋــﲆ ﺳــﺒﻴﻞ اﳌﺜــﺎل‪ -‬ﺗﺤﺪﻳــﺪ ﺣﺠــﻢ اﻟﻌﻴﻨــﺔ اﳌﻄﻠﻮﺑــﺔ ﻟﺘﻘــﺪﻳﺮ ﻣﺘﻮﺳــﻂ ﻗﻴﻤــﺔ ﻣــﺎ ﺗﻨﻔﻘــﻪ اﻷﴎة ﰲ ﴍاء‬
‫اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﰲ اﻟﺴﻨﺔ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺤﺪد ﻣﺴﺘﻮى اﻟﺜﻘﺔ اﳌﻄﻠﻮب‪ ،‬وﻟﻴﻜﻦ ‪ 0.95‬ﻛام ﻧﺤﺪد اﻟﻔﺮق اﳌﺴـﻤﻮح‬
‫ﻧﻘﺼـﺎ‪ ،‬مبﻌﻨـﻰ أن اﻟﻔـﺮق‬
‫ﺑﻪ ﺑني ﻣﺘﻮﺳﻂ اﻟﻌﻴﻨﺔ وﻣﺘﻮﺳـﻂ اﳌﺠﺘﻤـﻊ‪ ،‬وﻟـﻴﻜﻦ ﻋﺸــﺮة ﺟﻨﻴﻬـﺎت زﻳـﺎدة أو ً‬
‫ﺑني اﳌﺘﻮﺳﻂ اﳌﻮﺟﻮد ﰲ اﳌﺠﺘﻤﻊ واﳌﺘﻮﺳﻂ اﻟﺬي ﺳﻨﺤﺼـﻞ ﻋﻠﻴـﻪ ﻣـﻦ اﻟﻌﻴﻨـﺔ ﻳﻜـﻮن ﰲ ﺣـﺪود ﻋﴩة‬
‫ﻧﻘﺼﺎ‪ .‬أﻣﺎ اﻟﻌﺎﻣﻞ اﻷﺧري واﻷﺳﺎﳼ اﻟـﺬي ﻻ ﺑـﺪ ﻣـﻦ ﺗﻘـﺪﻳﺮه ﻓﻬـﻮ اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري‬
‫ﺟﻨﻴﻬﺎت زﻳﺎدة أو ً‬
‫ﳌﺘﻮﺳﻂ اﻹﻧﻔﺎق اﻟﺴﻨﻮي ﻋﲆ ﴍاء اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ ﰲ اﳌﺠﺘﻤـﻊ )وﻳـﺘﻢ ﺗﻘـﺪﻳﺮ اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري ﰲ‬
‫اﳌﺠﺘﻤﻊ ﺑﻨﺎء ﻋﲆ دراﺳﺎت ﺳﺎﺑﻘﺔ أو ﺑﻨﺎء ﻋﲆ ﻋﻴﻨﺔ ﻣﺤﺪودة ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﺑﻌﻨﺎﻳﺔ(‪ ،‬ﻟﻨﻔﺮض أﻧﻪ ﺗﻢ ﺗﻘﺪﻳﺮ‬
‫ﻗﻴﻤــﺔ اﻻﻧﺤــﺮاف اﳌﻌﻴــﺎري ﺑﺄﻧﻬــﺎ )‪ (150‬ﺟﻨﻴ ًﻬــﺎ‪ ،‬مبﻮﺟــﺐ ذﻟــﻚ ﻳﻜــﻮن ﻟــﺪﻳﻨﺎ ‪ :‬درﺟــﺔ اﻟﺜﻘــﺔ اﳌﻄﻠﻮﺑــﺔ‪،‬‬

‫‪-374-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﺣﺪود اﻟﻔﺮق اﳌﺴﻤﻮح ﺑﻪ‪ ،‬ﺗﻘﺪﻳﺮ ﻟﻼﻧﺤﺮاف اﳌﻌﻴﺎري ﰲ اﳌﺠﺘﻤﻊ ‪ ،‬وﻫﻨﺎ ميﻜﻨﻨﺎ ﺗﻄﺒﻴﻖ اﳌﻌﺎدﻟـﺔ اﻟﺴـﺎﺑﻘﺔ‬
‫ﻛﺎﻵيت‪:‬‬

‫‪2‬‬
‫ﺣﺠﻢ اﻟﻌﻴﻨﺔ = »‪864.36 = ª«(150)1.96 º‬‬
‫¬‬ ‫‪10‬‬ ‫¼‬

‫أي أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ ﻳﻜﻮن ‪ 864‬ﻣﻔﺮدة وذﻟﻚ ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘـﺔ ‪ 0.95‬ﺑﻔـﺎرق ‪ ، 150 ±‬أﻣـﺎ‬
‫إذا اﺳﺘﺨﺪﻣﻨﺎ ﻣﺴﺘﻮى ﺛﻘﺔ أﻋﲆ )‪ (%99‬ﻣﻊ ﺑﻘﺎء ﻗﻴﻤﺔ اﻟﻔﺮق اﳌﺴﻤﻮح ﺑﻪ ﻋﲆ ﻣﺎ ﻫﻲ ﻋﻠﻴﻪ‪ ،‬ﻓﺈن ﺣﺠـﻢ‬
‫اﻟﻌﻴﻨﺔ ﺳﻮف ﻳﺰداد ﺑﺪرﺟﺔ ﻣﻠﺤﻮﻇﺔ‪ ،‬وﻗﺪ ﻳﻜﻮن ﻟﺰﻳﺎدة ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻣﱪرات ﻣﻮﺿﻮﻋﻴﺔ أو ﻋﻠﻤﻴﺔ‪ ،‬ﻓﻔـﻲ‬
‫ﻫﺬه اﻟﺤﺎﻟﺔ ﻓﺈن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻳﻜﻮن‪:‬‬

‫‪2‬‬
‫ﺣﺠﻢ اﻟﻌﻴﻨﺔ = »‪1497.69 = ª«(150)2.58 º‬‬
‫¬‬ ‫‪10‬‬ ‫¼‬

‫ﻟﻘﺪ ارﺗﻔﻊ ﺣﺠﻢ اﻟﻌﻴﻨﺔ إﱃ ‪ 1498‬ﻣﻔﺮدة‪ ،‬وذﻟﻚ ﻋﻨﺪ اﺳﺘﺨﺪام ﻣﺴـﺘﻮى اﻟﺜﻘـﺔ ‪ 0.99‬وﻫﻨـﺎ ﻗـﺪ ﻳﺠـﺪ‬
‫اﻟﺒﺎﺣﺚ أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﺒري‪ ،‬وميﻜﻨﻪ ﺗﻘﻠﻴﻞ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﺑﺤﻴﺚ ﻳﻜﻮن ﰲ ﺣﺪود اﻟﺘﻜﻠﻔﺔ واﻟﻮﻗﺖ اﳌﺘـﺎح‪.‬‬
‫إن ﺗﻘﻠﻴﻞ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﻜﻮن إﻣﺎ ﻣﻦ ﺧﻼل ﺗﺨﻔﻴﺾ درﺟﺔ اﻟﺜﻘﺔ‪ ،‬أو ﻣﻦ ﺧﻼل زﻳﺎدة ﻗﻴﻤﺔ‬
‫ﺑﺪﻻ ﻣﻦ ‪ 10‬ﺟﻨﻴﻬﺎت‪ ،‬مبﻌﻨـﻰ أن اﻟﻔـﺮق اﳌﺴـﻤﻮح‬
‫ﺟﻨﻴﻬﺎ ً‬
‫اﻟﻔﺮق اﳌﺴﻤﻮح ﺑﻪ‪ ،‬ﻛﺄن ﻳﻜﻮن ﻫﺬا اﻟﻔﺮق ‪ً 15‬‬
‫ﺑﻪ ﺑني اﳌﺘﻮﺳﻂ اﻟﺬي ﺳﻨﺤﺼﻞ ﻋﻠﻴﻪ ﻣﻦ اﻟﻌﻴﻨﺔ واﳌﺘﻮﺳﻂ اﳌﻮﺟﻮد ﰲ اﳌﺠﺘﻤﻊ ﻳﻜﻮن ﻣـﺪاه ﺧﻤﺴـﺔ ﻋﴩ‬
‫ﻧﻘﺼﺎ‪ ،‬وﻫﻨﺎ ﻳﺘﻢ ﺗﻘﺪﻳﺮ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﺎﻵيت‪:‬‬
‫ﺟﻨﻴﻬﺎ زﻳﺎدة أو ً‬
‫ً‬
‫‪2‬‬
‫ﺣﺠﻢ اﻟﻌﻴﻨﺔ = »‪665.64 = ª«(150)2.58 º‬‬
‫¬‬ ‫‪15‬‬ ‫¼‬

‫أي أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ ﻳﻜﻮن ‪ 666‬ﻣﻔﺮدة ‪ ،‬وذﻟﻚ ﺑﻔﺎرق ﻣﺴﻤﻮح ﺑﻪ ‪ 15±‬وﻣﺴﺘﻮى ﺛﻘﺔ ‪%99‬‬
‫)‪ 2.58‬وﺣﺪات اﻻﻧﺤﺮاف اﳌﻌﻴﺎري(‬

‫‪-375-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﺗﺼﺤﻴﺢ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪:‬‬

‫ً‬
‫ﻣﻌﺮوﻓﺎ‪ ،‬ﻛﺄن ﻳﻜﻮن ﻋﺪد ﻃﻼب اﻟﺠﺎﻣﻌﺔ‪ ،‬أو‬ ‫ﻛﺜريا ﻣﺎ ﻳﻜﻮن ﺣﺠﻢ اﳌﺠﺘﻤﻊ اﻟﺬي ﺳﺘﺴﺤﺐ ﻣﻨﻪ اﻟﻌﻴﻨﺔ‬
‫ﻣﻮﻇﻔﻲ اﻟﺤﻜﻮﻣﺔ أو ﻣﻮﻇﻔﻲ ﴍﻛﺎت اﻻﺳﺘﺜامر‪ ،‬أو ﺳﻜﺎن ﻣﻨﻄﻘﺔ ﻣﻌﻴﻨﺔ‪....‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳـﺘﻢ اﺳـﺘﺨﺪام‬
‫ﻣﻌﺎﻣﻞ ﺗﺼﺤﻴﺢ إﺿﺎﰲ ﻟﺘﻘﻠﻴﻞ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﺑﻌﺾ اﻟﴚء‪ ،‬وذﻟﻚ ﺑﺎﺳﺘﺨﺪام اﳌﻌﺎدﻟﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪1ω‬‬
‫عم =‬
‫)‪(1 1ω‬‬
‫‪1‬‬
‫‪ϥ‬‬

‫ﺣﻴﺚ إن ‪:‬‬

‫ع م‪ :‬ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻌﺪﻟﺔ )ﺑﻌﺪ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﻟﺘﺼﺤﻴﺢ اﻹﺿﺎﰲ(‬

‫ع ‪ :1‬ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﻟﺬي ﺣﺼﻠﻨﺎ ﻋﻠﻴﻪ مبﻮﺟﺐ إﺣﺪى اﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ‬

‫)وﻟﻨﻔﺮض أﻧﻪ ‪ 666‬ﻣﻔﺮدة(‬

‫ن‪ :‬ﻋﺪد اﳌﺠﺘﻤﻊ‬

‫ﻣﻄﺮوﺣﺎ ﻣﻨﻪ واﺣﺪ‬

‫ً‬ ‫ﻓﺎﻟﺠـﺰء اﻷﺳﻔﻞ )اﳌﻘﺎم( ﰲ اﳌﻌﺎدﻟﺔ اﳌﺬﻛﻮرة ﻫﻮ‪ :‬ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﻟﺬي ﺣﺼﻠﻨﺎ ﻋﻠﻴﻪ‬
‫ﺻﺤﻴﺢ ﻣﻊ اﻟﻘﺴﻤﺔ ﻋﲆ ﻋﺪد اﳌﺠﺘﻤﻊ؛ أي‪ ÷(1-666) :‬ن‪ ،‬وﻳﻀﺎف ﻧﺎﺗﺞ ﻫﺬه اﻟﻘﺴﻤﺔ إﱃ واﺣﺪ ﺻﺤﻴﺢ؛‬
‫أي ‪ ÷ (1-666) +1 :‬ن ﻓﻴﻜﻮن ﻟﺪﻳﻨﺎ ﻗﻴﻤﺔ ﻣﻌﻴﻨـﺔ‪ ،‬وﺑﻘﺴـﻤﺔ ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ اﻷﺻـﲇ ﻋـﲆ ﻫـﺬه اﻟﻘﻴﻤـﺔ‬
‫ﻧﺤﺼﻞ ﻋﲆ ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻌﺪل )ع م(‪ ،‬ﻓﺈذا اﻓﱰﺿﻨﺎ أن ﺣﺠﻢ اﻟﻌـﻴﻨﺔ اﻟﺬي ﺣﺼﻠﻨﺎ ﻋﻠﻴﻪ ﻫـﻮ ‪ 666‬وﻛـﺎن‬
‫ﻋﺪد اﳌﺠﺘﻤﻊ اﻷﺻﲇ ﻫﻮ )‪ (37000‬ﻣﻔﺮدة‪ ،‬ﻓﺈن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻌﺪل ﻳﻜﻮن‪:‬‬

‫= ‪653‬‬ ‫‪666‬‬ ‫عم =‬

‫)‪(1  666‬‬
‫‪1‬‬
‫‪37000‬‬
‫‪-376-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫أي أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻌﺪل أو اﳌﺼـﺤﺢ ﻳﺴـﺎوي ‪ 653‬ﻣﻔـﺮدة‪ ،‬وﻋـﲆ اﻟـﺮﻏﻢ ﻣـﻦ ذﻟـﻚ‪ ،‬ﻓﻘـﺪ ﻳﺘﻀـﺢ‬
‫ﻟﻠﺒﺎﺣﺚ أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻌﺪل ﻻ ﻳﻘﻞ ﻛﺜ ًريا ﻋﻦ ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﻷﺻﲇ‪ ،‬ﺧﺎﺻـﺔ إذا ﻛـﺎن ﺗﻌـﺪاد اﳌﺠﺘﻤـﻊ‬
‫ﻣﺜﻼ(‪ ،‬وﻛﺎن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﻷﺻﲇ ‪ 400‬ﻣﻔﺮدة أو أﻗﻞ‪.‬‬ ‫ﻛﺒ ًريا )ﺑﺎﳌﻼﻳني ً‬

‫اﺳﺘﺨﺪام اﻟﺠﺪاول اﻹﺣﺼﺎﺋﻴﺔ‪:‬‬

‫وﺿﻊ اﻹﺣﺼﺎﺋﻴﻮن ﺟﺪاول ﻟﺘﺤﺪﻳﺪ اﻟﺤﺪ اﻷدىن ﻟﺤﺠـﻢ اﻟﻌﻴﻨـﺔ اﳌﻨﺎﺳـﺐ إذا ﻋﻠﻤﻨـﺎ ﺣﺠـﻢ اﳌﺠﺘﻤـﻊ‪،‬‬
‫وﻣﻦ ﺗﻠﻚ اﻟﺠﺪاول ﻫﺬا اﻟﺠﺪول اﻟﺬي ﻳﻮﺿﺢ اﻟﺤﺪ اﻷدىن ﻟﺤﺠﻢ اﻟﻌﻴﻨﺔ ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪0.95‬‬
‫اﻟﻌﻴﻨﺔ‬ ‫اﳌﺠﺘﻤﻊ‬ ‫اﻟﻌﻴﻨﺔ‬ ‫اﳌﺠﺘﻤﻊ‬ ‫اﻟﻌﻴﻨﺔ‬ ‫اﳌﺠﺘﻤﻊ‬
‫‪291‬‬ ‫‪1200‬‬ ‫‪140‬‬ ‫‪220‬‬ ‫‪10‬‬ ‫‪10‬‬
‫‪297‬‬ ‫‪1300‬‬ ‫‪144‬‬ ‫‪230‬‬ ‫‪14‬‬ ‫‪15‬‬
‫‪302‬‬ ‫‪1400‬‬ ‫‪148‬‬ ‫‪240‬‬ ‫‪19‬‬ ‫‪20‬‬
‫‪306‬‬ ‫‪1500‬‬ ‫‪152‬‬ ‫‪250‬‬ ‫‪24‬‬ ‫‪25‬‬
‫‪310‬‬ ‫‪1600‬‬ ‫‪155‬‬ ‫‪260‬‬ ‫‪28‬‬ ‫‪30‬‬
‫‪313‬‬ ‫‪1700‬‬ ‫‪159‬‬ ‫‪270‬‬ ‫‪32‬‬ ‫‪35‬‬
‫‪317‬‬ ‫‪1800‬‬ ‫‪162‬‬ ‫‪280‬‬ ‫‪36‬‬ ‫‪40‬‬
‫‪320‬‬ ‫‪1900‬‬ ‫‪165‬‬ ‫‪290‬‬ ‫‪40‬‬ ‫‪45‬‬
‫‪322‬‬ ‫‪2000‬‬ ‫‪169‬‬ ‫‪300‬‬ ‫‪44‬‬ ‫‪50‬‬
‫‪327‬‬ ‫‪2200‬‬ ‫‪175‬‬ ‫‪320‬‬ ‫‪48‬‬ ‫‪55‬‬
‫‪331‬‬ ‫‪2400‬‬ ‫‪181‬‬ ‫‪340‬‬ ‫‪52‬‬ ‫‪60‬‬
‫‪335‬‬ ‫‪2600‬‬ ‫‪186‬‬ ‫‪360‬‬ ‫‪56‬‬ ‫‪65‬‬
‫‪338‬‬ ‫‪2800‬‬ ‫‪191‬‬ ‫‪380‬‬ ‫‪59‬‬ ‫‪70‬‬
‫‪341‬‬ ‫‪3000‬‬ ‫‪196‬‬ ‫‪400‬‬ ‫‪63‬‬ ‫‪75‬‬
‫‪346‬‬ ‫‪3500‬‬ ‫‪201‬‬ ‫‪420‬‬ ‫‪66‬‬ ‫‪80‬‬
‫‪351‬‬ ‫‪4000‬‬ ‫‪205‬‬ ‫‪440‬‬ ‫‪70‬‬ ‫‪85‬‬
‫‪354‬‬ ‫‪4500‬‬ ‫‪210‬‬ ‫‪460‬‬ ‫‪73‬‬ ‫‪90‬‬
‫‪357‬‬ ‫‪5000‬‬ ‫‪214‬‬ ‫‪480‬‬ ‫‪76‬‬ ‫‪95‬‬
‫‪361‬‬ ‫‪6000‬‬ ‫‪217‬‬ ‫‪500‬‬ ‫‪80‬‬ ‫‪100‬‬
‫‪364‬‬ ‫‪7000‬‬ ‫‪228‬‬ ‫‪550‬‬ ‫‪86‬‬ ‫‪110‬‬
‫‪367‬‬ ‫‪8000‬‬ ‫‪234‬‬ ‫‪600‬‬ ‫‪92‬‬ ‫‪120‬‬
‫‪368‬‬ ‫‪9000‬‬ ‫‪242‬‬ ‫‪650‬‬ ‫‪97‬‬ ‫‪130‬‬
‫‪370‬‬ ‫‪10000‬‬ ‫‪248‬‬ ‫‪700‬‬ ‫‪103‬‬ ‫‪140‬‬
‫‪375‬‬ ‫‪15000‬‬ ‫‪254‬‬ ‫‪750‬‬ ‫‪108‬‬ ‫‪150‬‬
‫‪377‬‬ ‫‪20000‬‬ ‫‪260‬‬ ‫‪800‬‬ ‫‪113‬‬ ‫‪160‬‬
‫‪379‬‬ ‫‪30000‬‬ ‫‪265‬‬ ‫‪850‬‬ ‫‪118‬‬ ‫‪170‬‬
‫‪380‬‬ ‫‪40000‬‬ ‫‪269‬‬ ‫‪900‬‬ ‫‪123‬‬ ‫‪180‬‬
‫‪381‬‬ ‫‪50000‬‬ ‫‪274‬‬ ‫‪950‬‬ ‫‪127‬‬ ‫‪190‬‬
‫‪382‬‬ ‫‪75000‬‬ ‫‪278‬‬ ‫‪1000‬‬ ‫‪132‬‬ ‫‪200‬‬
‫‪384‬‬ ‫‪1000000 v‬‬ ‫‪285‬‬ ‫‪1100‬‬ ‫‪136‬‬ ‫‪210‬‬

‫‪-377-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﻣﺄﺧﻮذ ﻋﻦ ‪:‬‬
‫‪Krejcie, Robert V. and Daryle W. Morgan. “Determining Sample Size for Research Activities”.‬‬
‫‪Educational and Psychological Measurements, 30 (Autumn 1970), p. 608.‬‬

‫وﻧﻨﻮه ﻫﻨﺎ إﱃ أن أﺣﺠﺎم اﻟﻌﻴﻨـﺎت ﺣﺴـﺐ ﻫﺬا اﻟﺠﺪول ﻣﺤـﺪدة مبﺴـﺘﻮى اﻟﺜﻘـﺔ ‪ 0.95‬وﻳﺘﻀـﺢ ﻣـﻦ‬
‫اﻟﺠﺪول ‪ -‬ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل‪ -‬أﻧﻪ إذا ﻛﺎن ﻣﺠﻤﻞ اﳌﺠﺘﻤﻊ ﻋﺸـﺮ ﻣﻔﺮدات‪ ،‬ﻓﺈن ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ ﻳﻜـﻮن ﻋﴩ‬
‫أﻳﻀﺎ أﻧﻪ إذا ﻛﺎن ﻣﺠﻤﻞ اﳌﺠﺘﻤـﻊ ‪،210‬‬
‫ﻣﻔـﺮدات )أي أﻧﻪ ﻳﺘﻌـني دراﺳﺔ ﻛﻞ اﳌﺠﺘﻤـﻊ(‪ ،‬وﻳﻮﺿـﺢ اﻟﺠﺪول ً‬
‫ﻓﺈن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻨﺎﺳـﺐ ﻳﻜﻮن ‪ ،136‬أﻣﺎ إذا ﻛﺎن ﻣﺠﻤﻞ اﳌﺠﺘﻤﻊ ‪ ،1200‬ﻓﺈن اﻟﻌﻴﻨﺔ ﺗﻜﻮن ‪ 291‬ﻣﻔﺮدة‪،‬‬
‫وإذا ﻛﺎن ﻣﺠﻤﻞ اﳌﺠﺘﻤﻊ ‪ ،75000‬ﻓﺈن اﻟﻌﻴﻨﺔ ﺗﻜﻮن ‪ 382‬ﻣﻔﺮدة‪.‬‬

‫أﻣﺎ إذا ﻛﺎن ﻣﺠﻤﻞ اﳌﺠﺘﻤﻊ ﻣﻠﻴﻮن أو أﻛرث‪ ،‬ﻓﺈن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻳﻜﻮن ‪ 384‬ﻣﻔﺮدة‪ ...‬وﻫﻜﺬا‪ ،‬وﻛـام ﻫـﻮ‬
‫واﺿﺢ ﻣﻦ اﻟﺠﺪول‪ ،‬ﻓﺈﻧﻪ ﻻ ﻳﺘﻀﻤﻦ ﺟﻤﻴﻊ اﻷرﻗﺎم اﻟﺘﻲ ﺗﻌـﱪ ﻋـﻦ ﻣﺠﻤـﻞ اﳌﺠﺘﻤـﻊ‪ ،‬ﻓﻘـﺪ ﻳﻜـﻮن ﻣﺠﻤـﻞ‬
‫ﻣﺜﻼ ‪ 2458‬وﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺘﻢ ﺗﺤـﺪﻳﺪ ﺣﺠـﻢ اﻟﻌﻴﻨﺔ ﺑـﺄﻗﺮب ﻗﻴﻤـﺔ ﳌﺠﻤـﻞ اﳌﺠﺘﻤـﻊ ﻣﻮﺿـﺤﺔ‬
‫اﳌﺠﺘﻤﻊ ً‬
‫ﺑﺎﻟﺠﺪول؛ ﺣﻴﺚ ﻳﺘﻀـﺢ أن اﻟﻘﻴﻤﺔ )‪ (2458‬ﺗﻘﻊ ﺑني ‪ 2400‬و‪ ،2600‬ﻟﻜﻨﻬﺎ أﻗﺮب إﱃ ‪ 2400‬وﻋﻨـﺪﻣﺎ ﻳﻜـﻮن‬
‫ﻣﺠﻤﻞ اﳌﺠﺘﻤﻊ ‪ ،2400‬ﻓﺈن اﻟﺠﺪول ﻳﻮﺿﺢ أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻳﻜـﻮن ‪ ،331‬وﻋـﲆ ذﻟـﻚ ﻓـﺈن ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ‬
‫ﻣﺠﺘﻤﻌﺎ ﻣﺠﻤﻠﻪ ‪ ،2581‬ﻓﺈن أﻗـﺮب‬
‫ً‬ ‫اﳌﻄﻠﻮﺑﺔ ﻳﻜﻮن ‪ 331‬إذا ﻛﺎن اﳌﺠﺘﻤﻊ ‪ ،2458‬ﻟﻜﻦ إذا اﻓﱰﺿﻨﺎ أن ﻟﺪﻳﻨﺎ‬
‫ﻗﻴﻤﺔ ﻣﻨﺎﻇﺮة ﻟﻪ ﺑﺎﻟﺠﺪول ﻫﻮ ‪ ،2600‬وﺑﺎﻟﺘﺎﱄ‪ -‬ﺣﺴﺐ اﻟﺠﺪول‪ -‬ﻳﻜـﻮن ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ ‪) 335‬وﻫـﻮ ﺣﺠـﻢ‬
‫اﻟﻌﻴﻨﺔ إذا ﻛﺎن ﻣﺠﻤﻞ اﳌﺠﺘﻤﻊ ‪.(2600‬‬

‫وإذا ﻛﺎن اﻟﺠﺪول اﻟﺴﺎﺑﻖ ﻳﻮﺿﺢ اﻟﺤﺪ اﻷدىن ﻟﺤﺠﻢ اﻟﻌﻴﻨﺔ ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ ،0.95‬ﻓﺈن اﻟﺒﺎﺣﺚ ﻗـﺪ‬
‫ﻳﺮﻏﺐ ﰲ زﻳﺎدة ﻣﺴﺘﻮى اﻟﺜﻘﺔ‪ ،‬وﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ميﻜﻦ اﻻﺳﺘﻌﺎﻧﺔ ﺑﺎﻟﺠﺪول اﻵيت واﻟﺬي ﻳﻮﺿﺢ اﻟﺤـﺪ اﻷدىن‬
‫ﻟﺤﺠﻢ اﻟﻌﻴﻨﺔ ﻋﻨﺪ ﻣﺴﺘﻮﻳﺎت ﻣﻌﻨﻮﻳﺔ ﻣﺨﺘﻠﻔﺔ إذا ﻋﻠﻤﻨﺎ ﻋﺪد اﳌﺠﺘﻤﻊ‪:‬‬

‫‪-378-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫درﺟﺔ اﻟﺜﻘﺔ‬
‫اﳌﺠﺘﻤﻊ‬
‫‪0.99‬‬ ‫‪0.98‬‬ ‫‪0.97‬‬ ‫‪0.96‬‬ ‫‪0.95‬‬
‫‪196‬‬ ‫‪185‬‬ ‫‪168‬‬ ‫‪150‬‬ ‫‪132‬‬ ‫‪200‬‬
‫‪289‬‬ ‫‪276‬‬ ‫‪234‬‬ ‫‪200‬‬ ‫‪166‬‬ ‫‪300‬‬
‫‪384‬‬ ‫‪343‬‬ ‫‪291‬‬ ‫‪240‬‬ ‫‪196‬‬ ‫‪400‬‬
‫‪475‬‬ ‫‪414‬‬ ‫‪340‬‬ ‫‪273‬‬ ‫‪217‬‬ ‫‪500‬‬
‫‪565‬‬ ‫‪480‬‬ ‫‪384‬‬ ‫‪300‬‬ ‫‪234‬‬ ‫‪600‬‬
‫‪652‬‬ ‫‪542‬‬ ‫‪423‬‬ ‫‪323‬‬ ‫‪248‬‬ ‫‪700‬‬
‫‪738‬‬ ‫‪600‬‬ ‫‪457‬‬ ‫‪343‬‬ ‫‪260‬‬ ‫‪800‬‬
‫‪823‬‬ ‫‪655‬‬ ‫‪488‬‬ ‫‪360‬‬ ‫‪269‬‬ ‫‪900‬‬
‫‪906‬‬ ‫‪706‬‬ ‫‪516‬‬ ‫‪375‬‬ ‫‪278‬‬ ‫‪1000‬‬
‫‪1655‬‬ ‫‪1091‬‬ ‫‪696‬‬ ‫‪462‬‬ ‫‪322‬‬ ‫‪2000‬‬
‫‪2286‬‬ ‫‪1334‬‬ ‫‪787‬‬ ‫‪500‬‬ ‫‪341‬‬ ‫‪3000‬‬
‫‪2824‬‬ ‫‪1500‬‬ ‫‪842‬‬ ‫‪522‬‬ ‫‪350‬‬ ‫‪4000‬‬
‫‪3288‬‬ ‫‪1622‬‬ ‫‪869‬‬ ‫‪536‬‬ ‫‪357‬‬ ‫‪5000‬‬
‫‪3693‬‬ ‫‪1715‬‬ ‫‪906‬‬ ‫‪546‬‬ ‫‪361‬‬ ‫‪6000‬‬
‫‪4049‬‬ ‫‪1788‬‬ ‫‪926‬‬ ‫‪553‬‬ ‫‪364‬‬ ‫‪7000‬‬
‫‪4364‬‬ ‫‪1847‬‬ ‫‪942‬‬ ‫‪558‬‬ ‫‪367‬‬ ‫‪8000‬‬
‫‪4646‬‬ ‫‪1895‬‬ ‫‪954‬‬ ‫‪563‬‬ ‫‪368‬‬ ‫‪9000‬‬
‫‪4899‬‬ ‫‪1936‬‬ ‫‪964‬‬ ‫‪566‬‬ ‫‪370‬‬ ‫‪10000‬‬
‫‪5855‬‬ ‫‪2070‬‬ ‫‪996‬‬ ‫‪577‬‬ ‫‪375‬‬ ‫‪15000‬‬
‫‪4688‬‬ ‫‪2144‬‬ ‫‪1013‬‬ ‫‪583‬‬ ‫‪377‬‬ ‫‪20000‬‬
‫‪6938‬‬ ‫‪2191‬‬ ‫‪1023‬‬ ‫‪586‬‬ ‫‪378‬‬ ‫‪25000‬‬
‫‪7275‬‬ ‫‪2223‬‬ ‫‪1030‬‬ ‫‪588‬‬ ‫‪379‬‬ ‫‪30000‬‬
‫‪7745‬‬ ‫‪2265‬‬ ‫‪1039‬‬ ‫‪591‬‬ ‫‪381‬‬ ‫‪40000‬‬
‫‪8056‬‬ ‫‪2291‬‬ ‫‪1045‬‬ ‫‪593‬‬ ‫‪381‬‬ ‫‪50000‬‬
‫‪8514‬‬ ‫‪2327‬‬ ‫‪1052‬‬ ‫‪595‬‬ ‫‪382‬‬ ‫‪75000‬‬
‫‪8762‬‬ ‫‪2354‬‬ ‫‪1056‬‬ ‫‪597‬‬ ‫‪383‬‬ ‫‪100000‬‬
‫‪9423‬‬ ‫‪2390‬‬ ‫‪1065‬‬ ‫‪600‬‬ ‫‪384‬‬ ‫‪500000‬‬
‫‪9513‬‬ ‫‪2395‬‬ ‫‪1066‬‬ ‫‪600‬‬ ‫‪384‬‬ ‫‪v 1000000‬‬

‫‪-379-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﻣﻠﻴﻮﻧﺎ أو أﻛـرث‪،‬‬ ‫ﺟﺪا ﻟﻠﺒﺎﺣﺜني‪ ،‬ﻓﻬﻮ ﻳﻮﺿﺢ ً‬

‫ﻣﺜﻼ أن اﳌﺠﺘﻤﻊ إذا ﻛﺎن ﺗﻌﺪاده ً‬ ‫ﻣﻬام ّ‬
‫وﻳﻌﺘﱪ ﻫﺬا اﻟﺠﺪول ّ‬
‫ﻓﺈن اﻟﺤﺪ اﻷدىن ﻟﺤﺠﻢ اﻟﻌﻴﻨﺔ ﻳﻜﻮن ‪ 384‬ﻣﻔﺮدة ﻋﻨﺪ ﻣﺴـﺘﻮى اﻟﺜﻘـﺔ ‪ ،0.95‬ﻳـﺰداد إﱃ ‪ 600‬ﻣﻔـﺮدة ﻋﻨـﺪ‬
‫ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ ،0.96‬ﺛﻢ إﱃ ‪ 1066‬ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ ، 0.97‬أﻣـﺎ ﻋﻨـﺪ ﻣﺴـﺘﻮى اﻟﺜﻘـﺔ ‪ ،0.98‬ﻓـﺈن ﺣﺠـﻢ‬
‫اﻟﻌﻴﻨﺔ ﻳﻜﻮن ‪ 2395‬ﻳﺮﺗﻔﻊ إﱃ ‪ 9513‬ﻣﻔﺮدة‪ ،‬إذا أردﻧﺎ أن ﻳﻜﻮن ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ 0.99‬وﻛام ﺳﺒﻘﺖ اﻹﺷـﺎرة‪،‬‬
‫ﻓﺈن اﻟﺠﺪول ﻻ ﻳﺘﻀﻤﻦ ﺟﻤﻴﻊ اﻷرﻗﺎم اﻟﺘﻲ ﺗﻌﱪ ﻋﻦ ﻣﺠﻤﻞ اﳌﺠﺘﻤﻊ‪ ،‬ﻓﺎﻟﺒﺎﺣﺚ اﻟﺬي ﻳﺠﺮي دراﺳـﺘﻪ ﻋـﲆ‬
‫ﻃﺎﻟﺒـﺎ وﻃﺎﻟﺒـﺔ‪،‬‬
‫ﻃﻼب اﻟﺼﻒ اﻷول اﻟﺜﺎﻧﻮي ﰲ اﳌﺪارس اﻟﺤﻜﻮﻣﻴﺔ ﻗﺪ ﻳﺠﺪ أن ﻋﺪد ﻫﺆﻻء اﻟﻄﻼب ‪ً 67132‬‬
‫ﻓﺈذا أراد اﻟﺒﺎﺣﺚ ﺗﺤﺪﻳﺪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻨﺎﺳﺐ مبﺴﺘﻮى ﺛﻘـﺔ ‪ ،0.98‬ﻓـﺈن اﻟﺠـﺪول ﻳﻮﺿـﺢ ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ‬
‫ﻳﻜﻮن ‪ 2327‬ﻣﻔﺮدة‪ .‬ﻟﻘﺪ ﺗﻢ ﺗﺤـﺪﻳﺪ ﺣﺠـﻢ اﻟﻌﻴﻨﺔ ﺑﺄﻗﺮب ﻗﻴﻤﺔ ﳌﺠﻤﻞ اﳌﺠﺘﻤﻊ ﻣﻮﺿﺤﺔ ﺑﺎﻟﺠﺪول؛ ﺣﻴﺚ‬
‫ﻳﺘﻀـﺢ أن اﻟﻘﻴﻤﺔ )‪ (67132‬ﺗﻘﻊ ﺑـني ‪ 50000‬و‪ ،75000‬ﻟﻜﻨﻬـﺎ أﻗـﺮب إﱃ ‪ 75000‬وﻋﻨـﺪﻣﺎ ﻳﻜـﻮن ﻣﺠﻤـﻞ‬
‫اﳌﺠﺘﻤﻊ ‪ ،75000‬ﻓﺈن اﻟﺠﺪول ﻳﻮﺿﺢ أن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻳﻜﻮن ‪ 2327‬ﻣﻔﺮدة وذﻟﻚ ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪0.98‬‬
‫وﻫﻜﺬا ﻧﺘﻌﺎﻣﻞ ﻣﻊ ﻋﺪد اﳌﺠﺘﻤﻊ ﺑﺄﻗﺮب ﻗﻴﻤﺔ ﻣﻨﺎﻇﺮة ﻟﻪ ﰲ اﻟﺠﺪول ﻋﻨﺪ ﻣﺴﺘﻮى اﻟﺜﻘﺔ اﳌﻄﻠﻮب ﻓﻨﺤﺼﻞ‬
‫ﻋﲆ اﻟﺤﺪ اﻷدىن ﻟﺤﺠﻢ اﻟﻌﻴﻨﺔ‪.‬‬

‫اﳌﺒﺤﺚ اﻟﺜﺎين‬

‫أﻧﻮاع اﻟﻌﻴﻨﺎت‬

‫ﻫﻨﺎك اﻟﻜﺜري ﻣﻦ أمنﺎط اﻟﻌﻴﻨﺎت‪ ،‬وﻳﻼﺣﻆ أن اﻟﻨﻤﻂ اﻟﻮاﺣﺪ ﻟﻪ أﻛرث ﻣﻦ ﻣﺴﻤﻰ‪ ،‬ﻏري أن ﻣـﺎ ﻳﻌﻨﻴﻨـﺎ ﰲ‬
‫ﻫﺬه اﻟﺠﺰﺋﻴﺔ ﺗﻮﺿـﻴﺢ أﻫـﻢ اﻟﻌﻴﻨـﺎت اﻟﻌﺸـﻮاﺋﻴﺔ واﻟﻌﻴﻨـﺎت ﻏـري اﻟﻌﺸـﻮاﺋﻴﺔ ﺑﺼــﺮف اﻟﻨﻈـﺮ ﻋـﻦ ﺗﻌـﺪد‬
‫اﳌﺴﻤﻴﺎت‪:‬‬

‫ً‬
‫أوﻻ‪ :‬اﻟﻌﻴﻨﺎت اﻟﻌﺸﻮاﺋﻴﺔ‬

‫اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ )‪ :(Random Sample‬ﻫﻲ اﺧﺘﻴﺎر اﳌﻔـﺮدات دون ﺗـﺪﺧﻞ ﻣـﻦ اﻟﺒﺎﺣـﺚ‬
‫ﺑﻘﺼﺪ أو ﺗﻌﻤﺪ أن ﺗﺘﻀﻤﻦ اﻟﻌﻴﻨﺔ ﻣﻔﺮدات ﻣﻌﻴﻨﺔ وﻋﺪم ﺗﻀـﻤﻨﻬﺎ ﻣﻔـﺮدات أﺧـﺮى؛ وﻟـﺬﻟﻚ‬

‫‪-380-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﺗﺴﻤﻰ ﺑﺎﻟﻌﻴﻨﺔ ﻏري اﳌﺘﺤﻴﺰة‪ ،‬أو اﻟﻌﻴﻨﺔ اﻻﺣﺘامﻟﻴﺔ)‪ ،(Probability Samples‬وﻋﻨﺪﻣﺎ ﺗﺘﻮاﻓﺮ ﰲ اﻟﻌﻴﻨـﺔ ﺻـﻔﺔ‬
‫اﻟﻌﺸــﻮاﺋﻴﺔ‪ ،‬ﻓﺈﻧــﻪ ميﻜــﻦ ﺗﻌﻤــﻴﻢ ﻧﺘﺎﺋﺠﻬــﺎ ﻋــﲆ اﳌﺠﺘﻤــﻊ‪ .‬وﺗﺠــﺪر اﻹﺷــﺎرة إﱃ أن ﻣﺼــﻄﻠﺢ اﻟﻌﺸــﻮاﺋﻴﺔ‬
‫)‪ (Randomness‬ﰲ اﺧﺘﻴﺎر اﻟﻌﻴﻨﺔ ﻻ ﻳﻌﻨﻲ اﻟﻔﻮﴇ أو ﻋﺪم اﻟﻨﻈﺎم ﻛام ﻗﺪ ﻳﻔﻬـﻢ ﻣـﻦ ﻟﻔـﻆ )اﻟﻌﺸـﻮاﺋﻴﺔ(‪،‬‬
‫وإمنﺎ ﻳﻌﻨﻲ أن ﺟﻤﻴﻊ أﻓﺮاد ﻣﺠﺘﻤﻊ اﻟﺒﺤﺚ ﺗﺘﺎح ﻟﻬﻢ ﻓﺮص ﻣﺘﺴﺎوﻳﺔ ﻷن ﻳﺘﻢ اﺧﺘﻴﺎرﻫﻢ ﺿﻤﻦ اﻟﻌﻴﻨﺔ‪.‬‬

‫ﻓﺈﺗﺎﺣﺔ اﻟﻔﺮﺻﺔ اﳌﺘﺴﺎوﻳﺔ ﻟﺠﻤﻴﻊ اﳌﻔﺮدات ﻷن ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﺿـﻤﻦ اﻟﻌﻴﻨـﺔ ﻫـﻮ اﻷﺳـﻠﻮب اﻷﻣﺜـﻞ ﰲ‬
‫اﺧﺘﻴﺎر ﻋﻴﻨﺔ اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‪ ،‬وﻋـﲆ اﻟـﺮﻏﻢ ﻣـﻦ أن ﻫـﺬا اﻷﺳـﻠﻮب ﻳﻨﻄـﻮي ﻋـﲆ أﺧﻄـﺎء ﺗﺴـﻤﻰ أﺧﻄـﺎء‬
‫اﳌﻌﺎﻳﻨﺔ‪ ،‬إﻻ أﻧﻬﺎ ﺗﻜﻮن ﰲ اﻟﺤﺪود اﳌﻘﺒﻮﻟﺔ‪ ،‬مبﻌﻨﻰ أﻧﻬﺎ ﻻ ﺗﺆﺛﺮ ﰲ ﺻﺪق متﺜﻴﻞ اﻟﻌﻴﻨـﺔ ﻟﻠﻤﺠﺘﻤـﻊ‪ ،‬وﺑﺎﻟﺘـﺎﱄ‬
‫ﺗﻜﻮن اﻟﻨﺘﺎﺋﺞ ذات ﻗﻴﻤﺔ ﻋﻠﻤﻴﺔ وﻗﺎﺑﻠﺔ ﻟﻠﺘﻌﻤﻴﻢ ﻋﲆ اﳌﺠﺘﻤﻊ اﻟﺬي ﺳﺤﺒﺖ ﻣﻨﻪ اﻟﻌﻴﻨﺔ‪.‬‬

‫وﺗﺘﻄﻠﺐ اﻟﻌﻴﻨﺔ اﻟﻌﺸـﻮاﺋﻴﺔ )‪ (Random Sample‬ﺗﺤﺪﻳـﺪ ﻣﺠﺘﻤـﻊ اﻟﺪراﺳـﺔ‪ ،‬مبﻌﻨـﻰ ﺗﺤﺪﻳـﺪ اﳌﺠﺘﻤـﻊ‬
‫اﻷﺻﲇ اﻟﺬي ﺳﺘﺴﺤﺐ ﻣﻨﻪ اﻟﻌﻴﻨﺔ‪ ،‬وﻣﻌﺮﻓﺔ ﺧﺼﺎﺋﺺ ﻫﺬا اﳌﺠﺘﻤﻊ ﻣﻦ ﺣﻴﺚ اﻟﺘﻮزﻳـﻊ اﻟﺠﻐـﺮاﰲ‪ ،‬وﻣـﺪى‬
‫اﻟﺘﺠﺎﻧﺲ ﰲ اﻟﺨﺼﺎﺋﺺ اﻟﺪميﻮﺟﺮاﻓﻴﺔ‪ ،‬ﺗﻠﻚ اﻟﺨﺼﺎﺋﺺ اﻟﺘﻲ متﺜـﻞ ﻣﺘﻐـريات ميﻜـﻦ أن ﺗـﺆﺛﺮ ﰲ اﻟﻈـﺎﻫﺮة أو‬
‫اﳌﻮﺿﻮع ﻣﺤﻞ اﻟﺒﺤﺚ‪ ،‬وﻗﺪ ﻳﻜﻮن ﻣﺠﺘﻤﻊ اﻟﺪراﺳـﺔ ﻋﺒـﺎرة ﻋـﻦ‪ :‬اﻟﺘﻼﻣﻴـﺬ ﰲ ﻣﺮﺣﻠـﺔ دراﺳـﻴﺔ ﻣﻌﻴﻨـﺔ‪ ،‬أو‬
‫أوﻟﻴﺎء اﻷﻣﻮر‪ ،‬أو اﻷﻃﻔﺎل ﰲ ﺳﻦ ﻣﺎ ﻗﺒﻞ اﳌﺪرﺳﺔ‪ ،‬أو رﺑﺎت اﻟﺒﻴﻮت‪ ،‬أو ﺷﺒﺎب اﻟﺠﺎﻣﻌـﺎت‪ ،‬أو اﳌـﻮﻇﻔني أو‬
‫اﳌﻄﻠﻘني‪ ،‬أو اﻷراﻣﻞ‪ ،‬أو اﻟﺘﻼﻣﻴﺬ اﳌﻮﻫﻮﺑني‪ ،‬أو ذوي اﻹﻋﺎﻗﺔ‪ ...‬إﻟﺦ‪.‬‬

‫أﻣﺎ ﻋﻦ أﻧﻮاع اﻟﻌﻴﻨﺔ اﻻﺣﺘامﻟﻴﺔ )اﻟﻌﺸﻮاﺋﻴﺔ( ﻓﺈن أﻫﻤﻬﺎ ﻳﺘﻤﺜﻞ ﰲ‪ :‬اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﺒﺴﻴﻄﺔ‪ ،‬اﻟﻌﻴﻨـﺔ‬
‫اﻟﻌﺸﻮاﺋﻴﺔ اﳌﻨﺘﻈﻤﺔ‪ ،‬اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﻄﺒﻘﻴﺔ‪ ،‬اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ ﻣﺘﻌﺪدة اﳌﺮاﺣـﻞ‪ .‬وﻓـﻴام ﻳـﲇ ﺗﻮﺿـﻴﺢ‬
‫ﻟﻜﻴﻔﻴﺔ اﺧﺘﻴﺎر ﻫﺬه اﻟﻌﻴﻨﺎت‪:‬‬

‫‪-381-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫)أ( اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﺒﺴﻴﻄﺔ‪:‬‬

‫وﻫﻲ اﻟﻌـﻴﻨﺔ اﻟﺘﻲ ﻳﺘﻢ اﺧﺘﻴﺎر ﻣﻔﺮداﺗﻬﺎ ﻣﻦ ﻗﺎمئﺔ ﺷﺎﻣﻠﺔ ﻟﻜﻞ اﳌﻔﺮدات؛ وﺑﺤﻴﺚ ﺗﺘﺎح ﻓﺮص ﻣﺘﺴـﺎوﻳﺔ‬
‫ﻟﻜﻞ ﻣﻔﺮدة أن ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﺿﻤﻦ اﻟﻌﻴﻨﺔ ﺑﴫف اﻟﻨﻈﺮ ﻋﻦ اﻻﺧﺘـﻼﻓﺎت ﺑني اﳌﻔـﺮدات؛ أي دون ﺗﺼـﻨﻴﻒ‬
‫ﻫﺬه اﳌﻔﺮدات إﱃ ﻃﺒﻘﺎت أو ﻣﺠﻤـﻮﻋﺎت‪ .‬ﻣﻦ أﻣﺜـﻠﺔ اﻟﻘﻮاﺋﻢ اﻟﺸﺎﻣﻠﺔ‪ :‬ﻗﺎمئﺔ أﺳامء اﻟﻄﻼب‪ ،‬ﻗﺎمئﺔ أﺳـامء‬
‫اﳌﻮﻇﻔني ﰲ ﺟﻬﺔ ﺣﻜـﻮﻣﻴﺔ‪ ،‬ﻗﺎمئﺔ أﺳامء أﻋﻀﺎء اﳌﺠﻠﺲ اﳌﺤﲇ‪ ،‬ﻗﺎمئﺔ أﺳـامء أﺻـﺤﺎب اﳌﻌــﺎﺷﺎت‪ ،‬ﻗﺎمئـﺔ‬
‫أﺳامء ﺳﻴﺪات اﻷﻋامل‪ ،‬ﻗﺎمئﺔ أﺳامء اﳌﺆﺳﺴﺎت اﻟﺨﺪﻣﻴﺔ‪ ،‬ﻗﺎمئﺔ أﺳامء اﻟﺠﻤﻌﻴـﺎت اﻷﻫﻠﻴـﺔ‪ ،‬ﻗﺎمئـﺔ أﺳـامء‬
‫أﻓﻼم اﳌﻮﺳﻢ‪ ،‬ﻗﺎمئﺔ أﺳامء اﻟﻘﺮى‪ ...‬إﻟﺦ‪ ،‬ﻓﻜﻞ ﻗﺎمئﺔ ﻣـﻦ ﻫـﺬه اﻟﻘـﻮاﺋﻢ ﺗﺘﻀـﻤﻦ أﺳـامء اﳌﻔـﺮدات ﺑﺄرﻗـﺎم‬
‫ﻣﺘﺴﻠﺴﻠﺔ‪ ،‬وإذا مل ﺗﻜﻦ ﻛﺬﻟﻚ‪ ،‬ﻓﺈن اﻟﺒﺎﺣﺚ ﻳﻘﻮم ﺑﺈﻋﺪادﻫﺎ )ﻛﺄن ﻳﻘﻮم ﺑﺤﴫ أﺳامء اﻟﺠﻤﻌﻴـﺎت اﻷﻫﻠﻴـﺔ‬
‫وﺗﺪوﻳﻦ ﻫﺬه اﻷﺳامء ﺑﺄرﻗﺎم ﻣﺘﺴﻠﺴﻠﺔ ﰲ ﻗﺎمئﺔ ﺷﺎﻣﻠﺔ‪ ،‬أو ﺣﴫ أﺳامء اﻟﻘﺮى‪ ،‬أو اﻟﺸﻮارع‪ ،‬أو اﳌﻨﺎزل‪.(...‬‬
‫ﻣﺜﻼ أن‬
‫وﻳﺘﻢ اﺧﺘﻴﺎر اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﺒﺴﻴﻄﺔ ﻣﻦ اﻟﻘﺎمئﺔ اﻟﺘﻲ ﺗﺸﻤﻞ ﺟﻤﻴﻊ اﳌﻔﺮدات‪،‬ﻓﺈذا اﻓﱰﺿﻨﺎ ً‬
‫ً‬
‫ﺗﻠﻤﻴﺬا‪ ،‬وﻧﺮﻳﺪ اﺧﺘﻴﺎر ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﺑﺴﻴﻄﺔ ﺗﺘﻜﻮن ﻣﻦ ‪ 8‬ﺗﻼﻣﻴﺬ‪ ،‬ﻓـﺈن‬ ‫ﻣﺪرﺳﻴﺎ ﻳﻀﻢ أرﺑﻌني‬
‫ّ‬ ‫ﻓﺼﻼ‬
‫ﻟﺪﻳﻨﺎ ً‬
‫ﻫﺬا اﻻﺧﺘﻴﺎر ﻳﺘﻢ ﻛﺎﻵيت‪:‬‬
‫ إﻋﻄﺎء رﻗﻢ ﻣﺴﻠﺴﻞ ﻟﻜﻞ ﺗﻠﻤﻴﺬ‪ ،‬وذﻟﻚ ﰲ ﻗﺎمئﺔ ﻣﺴﺘﻘﻠﺔ ﺗﺘﻀﻤﻦ أرﻗﺎم وأﺳامء اﻟﺘﻼﻣﻴﺬ‪.‬‬
‫ ﻛﺘﺎﺑﺔ ﻛﻞ رﻗﻢ ﻋﲆ ورﻗﺔ أو ﺑﻄﺎﻗﺔ ﻣﺴﺘﻘﻠﺔ‪ ،‬ﻓﻴﻜﻮن ﻟﺪﻳﻨﺎ أرﺑﻌﻮن ﺑﻄﺎﻗـﺔ ﺗﺤﻤـﻞ ً‬
‫أرﻗﺎﻣـﺎ ﻣﺴﻠﺴـﻠﺔ‬
‫ﻣﻦ )‪ (1‬إﱃ )‪.(40‬‬
‫ ﺧﻠﻂ اﻟﺒﻄﺎﻗﺎت ً‬
‫ﺟﻴﺪا‪ ،‬واﺧﺘﻴﺎر مثﺎن ﺑﻄﺎﻗﺎت‪ ،‬ﻓﺘﻜـﻮن اﻷرﻗـﺎم اﳌﺪوﻧـﺔ ﻋـﲆ ﻫـﺬه اﻟﺒﻄﺎﻗـﺎت ﻫـﻲ‬
‫اﻷﺳامء اﻟﺘﻲ ﺗﺘﻀﻤﻨﻬﺎ اﻟﻌﻴﻨﺔ‪.‬‬
‫ﻓﺈذا ﻛﺎﻧﺖ ﻫﺬه اﻟﺒﻄﺎﻗﺎت ﺗﺤﻤﻞ أرﻗﺎم ‪ ،32 ،26 ،18 ،20 ،13 ،21 ،5 ،3‬ﻓـﺈن ذﻟـﻚ ﻳﻌﻨـﻲ أن اﻟﻌﻴﻨـﺔ‬
‫ﺳﺘﺠﺮى ﻋﲆ اﻟﺘﻼﻣﻴﺬ اﻟﺬﻳﻦ ﻳﺤﻤﻠﻮن ﻫﺬه اﻷرﻗﺎم ﰲ ﻗﺎمئﺔ اﻷﺳامء‪.‬‬

‫وﺗﺴﻤﻰ ﻫـﺬه اﻟﻄﺮﻳﻘـﺔ ﺑﺎﻟﻌﻴﻨـﺔ اﻟﻌﺸـﻮاﺋﻴﺔ اﻟﺒﺴـﻴﻄﺔ )‪ ،(Simple Random Sample‬وﻗـﺪ ﻳـﺘﻢ‬
‫اﻟﺴﺤﺐ ﻣﻊ اﻹﻋﺎدة مبﻌﻨﻰ أﻧﻨﺎ ﻧﺨﺘـﺎر إﺣـﺪى اﻟﺒﻄﺎﻗـﺎت ﺛـﻢ ﻧـﺪون ﻣـﺎ ﺗﺤﻤﻠـﻪ ﻣـﻦ رﻗـﻢ ﰲ ورﻗـﺔ‬
‫ﻣﺴﺘﻘﻠﺔ‪ ،‬ﺛﻢ ﺗﻌﺎد اﻟﺒﻄﺎﻗﺔ ﻣﺮة أﺧﺮى ﺿـﻤﻦ ﺑـﺎﻗﻲ اﻟﺒﻄﺎﻗـﺎت‪ ،‬وﻫﻜـﺬا ﻛﻠـام ﺳـﺤﺒﻨﺎ ﺑﻄﺎﻗـﺔ ﻧـﺪون‬
‫‪-382-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫اﻟﺮﻗﻢ اﳌﻮﺟﻮد ﺑﻬﺎ ﺛﻢ ﻧﻌﻴﺪﻫﺎ ﺛﺎﻧﻴﺔ وﻧﻮاﺻﻞ اﻻﺧﺘﻴﺎر ﺣﺘﻰ ﻧﺴﺘﻜﻤﻞ اﻟﻌﻴﻨﺔ‪ ،‬وﻗﺪ ﻳﺤﺪث أن ﻧﺨﺘﺎر ﺑﻄﺎﻗﺔ ﺳﺒﻖ‬
‫اﺧﺘﻴﺎرﻫﺎ‪ ،‬وﻫﻨﺎ ﺗﻌﺎد ﺛﺎﻧﻴﺔ ﺿﻤﻦ اﻟﺒﻄﺎﻗﺎت اﻟﺘﻲ ﻳﺘﻢ اﻟﺴﺤﺐ ﻣﻨﻬﺎ‪ ،‬وﺗﺴﺘﻤﺮ ﻋﻤﻠﻴﺔ اﻻﺧﺘﻴـﺎر ﻋـﲆ أﻻ ﺗﺘﻀـﻤﻦ‬
‫ﺑﻄﺎﻗﺎت ﺳﺒﻖ اﺧﺘﻴﺎرﻫﺎ‪،‬أﻣﺎ اﻟﺴﺤﺐ ﻣﻊ ﻋﺪم اﻹﻋﺎدة‪ ،‬ﻓﻴﻌﻨﻲ ﻋﺪم إﻋﺎدة اﻟﺒﻄﺎﻗﺔ اﻟﺘﻲ ﺗـﻢ اﺧﺘﻴﺎرﻫـﺎ إﱃ ﺑـﺎﻗﻲ‬
‫اﻟﺒﻄﺎﻗﺎت اﻟﺘﻲ ﻳﺘﻢ اﻟﺴﺤﺐ ﻣﻨﻬﺎ‪.‬‬

‫وﻛﺜ ًريا ﻣﺎ ﻳﺴﺘﻌني اﻟﺒﺎﺣﺜﻮن ﺑﺠﺪاول اﻷﻋﺪاد اﻟﻌﺸﻮاﺋﻴﺔ ﰲ اﺧﺘﻴﺎر ﻣﻔﺮدات اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﺒﺴﻴﻄﺔ‪،‬‬
‫أرﻗﺎﻣﺎ ﺗﻢ ﺗﻨﻈﻴﻤﻬﺎ ﺑﻄﺮﻳﻘﺔ ﺧﺎﺻﺔ؛ ﺑﺤﻴﺚ ميﻜـﻦ‬
‫وﻫﺬه اﻟﺠﺪاول ﺗﻢ إﻋﺪادﻫﺎ وﻓﻖ ﻣﻨﻬﺞ ﻋﻠﻤﻲ وﺗﺘﻀﻤﻦ ً‬
‫ﻓﺮﺻﺎ ﻣﺘﺴﺎوﻳﺔ ﻟﺠﻤﻴﻊ اﳌﻔﺮدات ﺑﺄن ﻳـﺘﻢ‬
‫اﺳﺘﺨﺪاﻣﻬﺎ ﰲ اﺧﺘﻴﺎر ﻣﻔﺮدات اﻟﻌﻴﻨﺎت دون ﺗﺤﻴﺰ؛ إذ إﻧﻬﺎ ﺗﺘﻴﺢ ً‬
‫اﺧﺘﻴﺎرﻫﺎ ﺿﻤﻦ اﻟﻌﻴﻨﺔ‪ ،‬ﻓﺈذا أردﻧﺎ أن ﻧﺴﺤﺐ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ 200‬ﻃﺎﻟـﺐ ﻣـﻦ ﺑـني ﻃـﻼب إﺣـﺪى اﻟﻜﻠﻴـﺎت‬
‫واﻟﺒـﺎﻟﻎ إﺟامﻟﻬـﻢ ‪ 500‬ﻃﺎﻟــﺐ‪ ،‬ﻓـﺈن اﳌﻄﻠـﻮب أن ﻳﻜــﻮن ﻟـﺪﻳﻨﺎ ﻗﺎمئـﺔ ﻣﺴﻠﺴــﻠﺔ ﺑﺄﺳـامء ﻫـﺆﻻء اﻟﻄــﻼب‬
‫اﻟﺨﻤﺴامﺋﺔ‪ ،‬ﺛﻢ ﻧﺴﺘﺨﺪم ﺟﺪول اﻷرﻗﺎم اﻟﻌﺸﻮاﺋﻴﺔ ﺑﺄن ﻧﻀﻊ أﺻﺒﻌﻨﺎ ﺑﺸﻜﻞ ﻋﺸﻮايئ ﻋﲆ أي رﻗـﻢ ﰲ ﻫـﺬا‬
‫اﻟﺠﺪول‪ ،‬وﻧﻨﻈﺮ إﱃ اﻷﻋﺪاد اﻟﺜﻼﺛـﺔ اﻷوﱃ )ﻧﻈـ ًﺮا ﻷن ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ اﳌﻄﻠﻮﺑـﺔ ‪ 200‬وﻫـﺬا اﻟـﺮﻗﻢ ‪-200 -‬‬
‫ﻳﺘﻜﻮن ﻣﻦ ﺛﻼﺛﺔ أﻋﺪاد( ﻓﺈذا ﻛﺎن ﻫﺬا اﻟﺮﻗﻢ اﻟﺬي وﺿﻌﻨﺎ إﺻﺒﻌـﻨﺎ ﻋﻠﻴﻪ ﻳﻘﻞ ﻋﻦ ‪ ،500‬ﻓﺈﻧﻪ ﻳﺘﻢ رﺻﺪه ﰲ‬
‫ورﻗﺔ ﻣﺴﺘﻘﻠﺔ‪ ،‬أﻣﺎ إذا ﻛﺎن ﻳﺰﻳﺪ ﻋﲆ ﺧﻤﺴامﺋﺔ‪ ،‬ﻓﻴـﺘﻢ ﺗﺠـﺎوزه واﻻﻧﺘﻘـﺎل إﱃ اﻟـﺮﻗﻢ اﻟـﺬي ﻳﻠﻴـﻪ‪ ،‬وﻫﻜـﺬا‬
‫ﺗﺴﺘﻤﺮ اﻟﻌﻤﻠﻴﺔ ﺣﺘﻰ ﻧﺤﺼﻞ ﻋﲆ ‪ 200‬رﻗﻢ ﻣﻦ ﺟﺪول اﻷرﻗﺎم اﻟﻌﺸﻮاﺋﻴﺔ‪ ،‬وﺑﺮﺻـﺪ ﺗﻠـﻚ اﻷرﻗـﺎم ﰲ ورﻗـﺔ‬
‫ﻣﺴﺘﻘﻠﺔ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺨﺘﺎر أﺳامء اﻟﻄﻼب اﻟﺬﻳﻦ ﻳﺤﻤﻠﻮن ﻧﻔﺲ اﻷرﻗﺎم ﰲ ﻗﺎمئﺔ أﺳامء اﻟﻄﻼب‪.‬‬

‫ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل إذا ﻛﺎﻧـﺖ اﻷرﻗـﺎم اﻟﺘـﻲ ﺗـﻢ رﺻـﺪﻫﺎ ﻣـﻦ ﺟـﺪول اﻷرﻗـﺎم اﻟﻌﺸـﻮاﺋﻴﺔ ﻫـﻲ )‪،(10097‬‬
‫)‪ (12807) ،(37542‬ﻓﺈن ذﻟﻚ ﻳﻌﻨﻲ اﺧﺘﻴﺎر اﻟﻄﻼب أرﻗﺎم )‪ (128) ،(375) ، (100‬ﰲ ﻗﺎمئﺔ اﻷﺳامء‪ ،‬وﻧﻼﺣـﻆ‬
‫ﻫﻨﺎ أﻧﻨﺎ أﺧﺬﻧﺎ اﻟﻌﺪد ذا اﻷرﻗﺎم اﻟﺜﻼﺛﺔ ﻋﲆ اﻟﻴﺴﺎر‪ ،‬ﻏري أﻧﻪ ميﻜﻦ أن ﻧﺄﺧﺬ اﻟﻌﺪد ذا اﻷرﻗﺎم اﻟﺜﻼﺛـﺔ ﻣـﻦ ﻋـﲆ‬
‫اﻟﻴﻤني‪ ،‬ﺑﺸـﺮط اﻻﻟﺘﺰام ﺑﻄﺮﻳﻘﺔ واﺣﺪة ﰲ اﺧﺘﻴﺎر اﻟﻌﻴﻨﺔ‪ ،‬واﻟﺠﺪول اﻟﺘﺎﱄ منـﻮذج ﻷﺣـﺪ اﻟﺠـﺪاول اﻟﻌﺸـﻮاﺋﻴﺔ‬
‫اﻟﺘﻲ ميﻜﻦ اﻻﺳﺘﻌﺎﻧﺔ ﺑﻬﺎ ﰲ اﻻﺧﺘﻴﺎر اﻟﻌﺸﻮايئ ﳌﻔﺮدات اﻟﻌﻴﻨﺎت اﻟﺘﻲ ﺗﻘﻞ ﻋﻦ ﻋﺸـﺮة آﻻف ﻣﻔﺮدة‪:‬‬

‫‪-383-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﺟﺪول اﻷﻋﺪاد اﻟﻌﺸﻮاﺋﻴﺔ‬

‫‪10097‬‬ ‫‪85017‬‬ ‫‪84532‬‬ ‫‪13618‬‬ ‫‪23157‬‬ ‫‪86952‬‬ ‫‪02438‬‬ ‫‪76520‬‬
‫‪37542‬‬ ‫‪16719‬‬ ‫‪82789‬‬ ‫‪96041‬‬ ‫‪05545‬‬ ‫‪44109‬‬ ‫‪05403‬‬ ‫‪64894‬‬
‫‪08422‬‬ ‫‪65842‬‬ ‫‪27672‬‬ ‫‪82186‬‬ ‫‪14871‬‬ ‫‪22115‬‬ ‫‪86529‬‬ ‫‪19645‬‬
‫‪99019‬‬ ‫‪76875‬‬ ‫‪20684‬‬ ‫‪39187‬‬ ‫‪38976‬‬ ‫‪94324‬‬ ‫‪43204‬‬ ‫‪09376‬‬
‫‪12807‬‬ ‫‪93640‬‬ ‫‪39160‬‬ ‫‪41453‬‬ ‫‪97312‬‬ ‫‪41548‬‬ ‫‪93137‬‬ ‫‪80157‬‬

‫‪66065‬‬ ‫‪99478‬‬ ‫‪70086‬‬ ‫‪71265‬‬ ‫‪11742‬‬ ‫‪18226‬‬ ‫‪29004‬‬ ‫‪34072‬‬

‫‪31060‬‬ ‫‪65119‬‬ ‫‪26486‬‬ ‫‪47353‬‬ ‫‪43361‬‬ ‫‪99436‬‬ ‫‪42753‬‬ ‫‪45571‬‬
‫‪85269‬‬ ‫‪70322‬‬ ‫‪21592‬‬ ‫‪48233‬‬ ‫‪93806‬‬ ‫‪32584‬‬ ‫‪21828‬‬ ‫‪02051‬‬
‫‪63573‬‬ ‫‪58133‬‬ ‫‪41278‬‬ ‫‪11697‬‬ ‫‪49540‬‬ ‫‪61777‬‬ ‫‪67954‬‬ ‫‪05325‬‬
‫‪73796‬‬ ‫‪44655‬‬ ‫‪81255‬‬ ‫‪31133‬‬ ‫‪36768‬‬ ‫‪60452‬‬ ‫‪38537‬‬ ‫‪03529‬‬

‫‪98520‬‬ ‫‪02295‬‬ ‫‪13487‬‬ ‫‪98662‬‬ ‫‪07092‬‬ ‫‪44673‬‬ ‫‪61303‬‬ ‫‪14905‬‬

‫‪11805‬‬ ‫‪85035‬‬ ‫‪54881‬‬ ‫‪35587‬‬ ‫‪43310‬‬ ‫‪48897‬‬ ‫‪48493‬‬ ‫‪39808‬‬
‫‪83452‬‬ ‫‪01197‬‬ ‫‪86935‬‬ ‫‪28021‬‬ ‫‪61570‬‬ ‫‪23350‬‬ ‫‪65710‬‬ ‫‪06288‬‬
‫‪88685‬‬ ‫‪97907‬‬ ‫‪19078‬‬ ‫‪40646‬‬ ‫‪31352‬‬ ‫‪48625‬‬ ‫‪44369‬‬ ‫‪86507‬‬
‫‪99594‬‬ ‫‪63268‬‬ ‫‪96905‬‬ ‫‪28797‬‬ ‫‪57048‬‬ ‫‪46359‬‬ ‫‪74294‬‬ ‫‪87517‬‬

‫‪65481‬‬ ‫‪52841‬‬ ‫‪59684‬‬ ‫‪67411‬‬ ‫‪09243‬‬ ‫‪56092‬‬ ‫‪84369‬‬ ‫‪17468‬‬

‫‪80124‬‬ ‫‪53722‬‬ ‫‪71399‬‬ ‫‪10916‬‬ ‫‪07959‬‬ ‫‪21225‬‬ ‫‪13018‬‬ ‫‪17727‬‬
‫‪74350‬‬ ‫‪11434‬‬ ‫‪51908‬‬ ‫‪62171‬‬ ‫‪93732‬‬ ‫‪26958‬‬ ‫‪02400‬‬ ‫‪77402‬‬
‫‪69916‬‬ ‫‪62375‬‬ ‫‪99292‬‬ ‫‪21177‬‬ ‫‪72721‬‬ ‫‪66995‬‬ ‫‪07289‬‬ ‫‪66252‬‬
‫‪09893‬‬ ‫‪28337‬‬ ‫‪20923‬‬ ‫‪87929‬‬ ‫‪61020‬‬ ‫‪62841‬‬ ‫‪31374‬‬ ‫‪14225‬‬

‫‪91499‬‬ ‫‪38631‬‬ ‫‪79430‬‬ ‫‪62421‬‬ ‫‪97959‬‬ ‫‪67422‬‬ ‫‪69992‬‬ ‫‪68479‬‬

‫‪80336‬‬ ‫‪49172‬‬ ‫‪16332‬‬ ‫‪44670‬‬ ‫‪35089‬‬ ‫‪17691‬‬ ‫‪89240‬‬ ‫‪26940‬‬
‫‪44104‬‬ ‫‪89232‬‬ ‫‪57327‬‬ ‫‪34679‬‬ ‫‪62235‬‬ ‫‪79655‬‬ ‫‪81336‬‬ ‫‪85157‬‬
‫‪12550‬‬ ‫‪02844‬‬ ‫‪15026‬‬ ‫‪32439‬‬ ‫‪58537‬‬ ‫‪48274‬‬ ‫‪81330‬‬ ‫‪11100‬‬
‫‪63606‬‬ ‫‪40387‬‬ ‫‪65406‬‬ ‫‪37920‬‬ ‫‪08709‬‬ ‫‪60623‬‬ ‫‪02237‬‬ ‫‪16505‬‬

‫‪61196‬‬ ‫‪80240‬‬ ‫‪44177‬‬ ‫‪51171‬‬ ‫‪08723‬‬ ‫‪39323‬‬ ‫‪05798‬‬ ‫‪26457‬‬

‫‪15474‬‬ ‫‪44910‬‬ ‫‪99321‬‬ ‫‪72173‬‬ ‫‪56239‬‬ ‫‪04595‬‬ ‫‪10836‬‬ ‫‪95270‬‬
‫‪94557‬‬ ‫‪33663‬‬ ‫‪86347‬‬ ‫‪00926‬‬ ‫‪44915‬‬ ‫‪34823‬‬ ‫‪51770‬‬ ‫‪67897‬‬
‫‪42481‬‬ ‫‪86430‬‬ ‫‪19102‬‬ ‫‪37420‬‬ ‫‪41976‬‬ ‫‪76559‬‬ ‫‪24358‬‬ ‫‪97344‬‬
‫‪23523‬‬ ‫‪31379‬‬ ‫‪68588‬‬ ‫‪81675‬‬ ‫‪15694‬‬ ‫‪43438‬‬ ‫‪36879‬‬ ‫‪73208‬‬

‫‪04493‬‬ ‫‪98086‬‬ ‫‪32533‬‬ ‫‪17767‬‬ ‫‪14523‬‬ ‫‪52494‬‬ ‫‪24826‬‬ ‫‪75246‬‬

‫‪00549‬‬ ‫‪33185‬‬ ‫‪04805‬‬ ‫‪05431‬‬ ‫‪94598‬‬ ‫‪97654‬‬ ‫‪16232‬‬ ‫‪64051‬‬
‫‪35963‬‬ ‫‪80951‬‬ ‫‪68953‬‬ ‫‪99634‬‬ ‫‪81949‬‬ ‫‪15307‬‬ ‫‪00406‬‬ ‫‪26898‬‬
‫‪59808‬‬ ‫‪79752‬‬ ‫‪02529‬‬ ‫‪40200‬‬ ‫‪73742‬‬ ‫‪08391‬‬ ‫‪49140‬‬ ‫‪45427‬‬
‫‪46058‬‬ ‫‪18633‬‬ ‫‪99970‬‬ ‫‪67348‬‬ ‫‪49329‬‬ ‫‪95236‬‬ ‫‪32537‬‬ ‫‪01390‬‬

‫‪32179‬‬ ‫‪74029‬‬ ‫‪74717‬‬ ‫‪17674‬‬ ‫‪90446‬‬ ‫‪00597‬‬ ‫‪45240‬‬ ‫‪87379‬‬

‫‪69234‬‬ ‫‪54178‬‬ ‫‪10805‬‬ ‫‪35635‬‬ ‫‪45266‬‬ ‫‪61406‬‬ ‫‪41941‬‬ ‫‪20117‬‬
‫‪19565‬‬ ‫‪11664‬‬ ‫‪77602‬‬ ‫‪99817‬‬ ‫‪28573‬‬ ‫‪41430‬‬ ‫‪96582‬‬ ‫‪01758‬‬
‫‪45155‬‬ ‫‪48324‬‬ ‫‪32135‬‬ ‫‪26803‬‬ ‫‪16213‬‬ ‫‪14938‬‬ ‫‪71961‬‬ ‫‪19476‬‬
‫‪94864‬‬ ‫‪69074‬‬ ‫‪45753‬‬ ‫‪20505‬‬ ‫‪78317‬‬ ‫‪31994‬‬ ‫‪98145‬‬ ‫‪36168‬‬

‫‪-384-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﻓﺮﺻـﺎ ﻣﺘﺴـﺎوﻳﺔ ﻟﺠﻤﻴـﻊ ﻣﻔـﺮدات‬

‫وﺑﻮﺟﻪ ﻋﺎم‪ ،‬ﻓﺈن اﻟﻌﻴﻨـﺔ اﻟﻌﺸـﻮاﺋﻴﺔ اﻟﺒﺴـﻴﻄﺔ‪ -‬وإن ﻛﺎﻧـﺖ ﺗﺘـﻴﺢ ً‬
‫ﺟﺪا )ﺑـﺎﻷﻟﻮف‬
‫ﺻﻌﺒﺎ إذا ﻛﺎن ﺣﺠﻢ اﳌﺠﺘﻤﻊ ﻛﺒ ًريا ّ‬
‫اﳌﺠﺘﻤﻊ ﻻﺧﺘﻴﺎرﻫﺎ ﺿﻤﻦ اﻟﻌﻴﻨﺔ‪ -‬إﻻ أن ﺗﻨﻔﻴﺬﻫﺎ ﻳﺼﺒﺢ ً‬
‫ﻣـﺜﻼ(‪ .‬ﻣـﻦ ﺟﻬـﺔ أﺧـﺮى‪ ،‬ﻓـﺈن اﻟﻌﻴﻨـﺔ اﻟﻌﺸـﻮاﺋﻴﺔ اﻟﺒﺴـﻴﻄﺔ ﻻ ﺗﻀـﻤﻦ متﺜﻴـﻞ اﻻﺧﺘﻼﻓـﺎت ﰲ‬
‫أو ﺑﺎﳌﻼﻳني ً‬
‫ﻣﺪرﺳﻴﺎ ﻳﻀﻢ ‪ 20‬ﻣﻦ اﻟﺬﻛﻮر‪ ،‬ﻣﻘﺎﺑﻞ ‪ 20‬ﻣﻦ اﻹﻧﺎث‪ ،‬ﻓﺈذا ﻛﻨﺎ ﻧﺮﻳﺪ ﺳﺤﺐ‬
‫ّ‬ ‫ﻓﺼﻼ‬
‫اﳌﺠﺘﻤﻊ‪ ،‬ﻟﻨﻔﺮض أن ﻟﺪﻳﻨﺎ ً‬
‫ﻋﻴﻨﺔ ﻣﻜﻮﻧﺔ ﻣﻦ ‪ 8‬ﻣﻔﺮدات‪ ،‬ﻓﺈﻧﻪ ﻳﻔﱰض أن ﺗﻀﻢ ‪ 4‬ذﻛﻮر ﻣﻘﺎﺑﻞ ‪ 4‬إﻧﺎث‪ ،‬ﻏري أن ذﻟﻚ ﻗﺪ ﻳﺘﺤﻘﻖ وﻗـﺪ ﻻ‬
‫ﻳﺘﺤﻘﻖ إذا اﺳﺘﺨﺪﻣﻨﺎ اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﺒﺴﻴﻄﺔ‪ ،‬ﻓﻘﺪ ﺗﺄيت اﻟﻌﻴﻨﺔ ﻣﻮزﻋﺔ ﺑﺎﻟﺘﺴـﺎوي ﺑـني اﻟﺠﻨﺴـني‪ ،‬ﻛـام‬
‫ﻗﺪ ﺗﺄيت ﻣﺘﻀﻤﻨﺔ ‪ 5‬ذﻛﻮر ﻣﻘﺎﺑﻞ ‪ 3‬إﻧﺎث‪ ،‬أو ‪ 6‬إﻧﺎث ﻣﻘﺎﺑـﻞ ‪ 2‬ذﻛـﻮر أو ﻏـري ذﻟـﻚ ﻣـﻦ اﻟﺘﻮزﻳﻌـﺎت اﻟﺘـﻲ‬
‫ﺗﺠﻌﻞ ﺗﺮﻛﻴﺐ اﻟﻌﻴﻨﺔ ﻳﺨﺘﻠﻒ ﻋﻦ ﺗﺮﻛﻴﺐ اﻷﺻﻞ اﻟﺬي ﺳﺤﺒﺖ ﻣﻨﻪ‪ .‬ﻛـام أن اﻟﻌﻴﻨـﺔ اﻟﻌﺸـﻮاﺋﻴﺔ اﻟﺒﺴـﻴﻄﺔ‬
‫ﻣﻮزﻋﺎ ﻋﲆ ﻣﺴﺎﺣﺔ ﺟﻐﺮاﻓﻴﺔ ﺷﺎﺳﻌﺔ‪ ،‬وﻟـﺬﻟﻚ ﻳﻠﺠـﺄ‬
‫ﺗﺼﺒﺢ ﻏري ﻣﻤﻜﻨﺔ ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﻣﺠﺘﻤﻊ اﻟﺒﺤﺚ ﻛﺒ ًريا و ً‬
‫اﻟﺒﺎﺣﺜﻮن إﱃ ﺟﺪاول اﻷرﻗﺎم اﻟﻌﺸﻮاﺋﻴﺔ‪ ،‬ﻛام ﻳﻠﺠﺄون إﱃ اﻟﻌﻴﻨـﺔ اﻟﻄﺒﻘﻴـﺔ ﻋﻨـﺪﻣﺎ ﻳﺘﻄﻠـﺐ اﻟﺒﺤـﺚ متﺜﻴـﻞ‬
‫اﻟﻌﻴﻨﺔ ﻟﻠﻤﺠﺘﻤﻊ ﺣﺴﺐ اﻟﻄﺒﻘﺎت أو اﻟﻔﺌﺎت مبﺎ ﻳﻌﻜﺲ اﳌﺘﻐـريات اﳌﻄﻠـﻮب دراﺳـﺔ ﺗﺄﺛريﻫـﺎ ﰲ اﻟﻈـﺎﻫﺮة‬
‫ﻣﺤﻞ اﻟﺪراﺳﺔ‪.‬‬

‫)ب( اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﳌﻨﺘﻈﻤﺔ‪:‬‬

‫اﻟﻌﻴﻨــﺔ اﻟﻌﺸــﻮاﺋﻴﺔ اﳌﻨﺘﻈﻤــﺔ )‪ :(Systematic Random Sample‬ﻫــﻲ ﺗﻠــﻚ اﻟﻌﻴﻨــﺔ اﻟﺘــﻲ ﺗﻘــﻮم ﻋــﲆ‬
‫اﻟﻌﺸـﻮاﺋﻴﺔ واﻻﻧﺘﻈـﺎم ﰲ اﺧﺘﻴـﺎر اﳌﺒﺤــﻮﺛني‪ ،‬واﻟﻌﺸـﻮاﺋﻴﺔ ﺗﻜـﻮن ﰲ اﺧﺘﻴــﺎر اﳌﻔـﺮدة اﻷوﱃ‪ ،‬ﺑﻴﻨﻤــﺎ ﻳﻜــﻮن‬
‫اﻻﻧﺘﻈـﺎم ﰲ ﺗﺴﺎوي اﳌﺪى )‪ (Range‬ﺑني اﳌﻔﺮدات اﻟﺘﻲ ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﰲ اﻟﻌـﻴﻨﺔ‪ .‬ﻟﺘﻮﺿﻴﺢ ذﻟﻚ‪ ،‬اﻓﱰض أﻧﻨﺎ‬
‫ً‬
‫ﺗﻠﻤﻴﺬا‪ .‬ﰲ ﻫﺬه‬ ‫ﻧﺮﻳﺪ ﺳﺤﺐ ﻋﻴﻨﺔ ﻋﺸـﻮاﺋﻴﺔ ﻣﻨﺘﻈﻤﺔ ﻗﻮاﻣﻬﺎ مثﺎن ﻣﻔﺮدات ﻣﻦ ﻓﺼﻞ ﻣﺪرﳼ ﻳﻀﻢ أرﺑﻌني‬
‫رﻗام‪ ،‬ﻣـﻦ ‪1‬‬
‫أرﻗﺎﻣﺎ ﻣﺘﺴﻠﺴﻠﺔ ﰲ اﻟﻘﺎمئﺔ اﳌﺘﻀﻤﻨﺔ أﺳامءﻫﻢ‪ ،‬ﻓﻴﻜـﻮن ﻟﺪﻳﻨﺎ أرﺑﻌﻮن ً‬
‫اﻟﺤﺎﻟﺔ ﻧﻌﻄﻲ ﻟﻠﺘﻼﻣﻴﺬ ً‬
‫إﱃ ‪ ،40‬ﺛﻢ ﻧﺤﺪد اﳌﺪى )‪ (Range‬ﺑﻘﺴﻤﺔ إﺟامﱄ ﻋﺪد ﺗﻼﻣﻴﺬ اﻟﻔﺼﻞ ﻋﲆ ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﳌﻄﻠﻮﺑﺔ؛ أي‪:‬‬

‫‪-385-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫‪5 = 40‬‬
‫‪8‬‬

‫أرﻗﺎﻣﺎ ﻣﺴﻠﺴـﻠﺔ ﻣـﻦ ‪ 1‬إﱃ ‪5‬؛ ﺑﺤﻴـﺚ ﻳﻜﺘـﺐ ﻛـﻞ‬

‫أي أن ﻗﻴﻤﺔ اﳌﺪى ﺗﺴﺎوي ﺧﻤﺴﺔ‪ ،‬ﺑﻌﺪ ذﻟﻚ ﻧﻀﻊ ً‬
‫رﻗﻢ ﰲ ورﻗﺔ ﻣﺴﺘﻘﻠﺔ‪ ،‬وﺗﺨﻠﻂ ﻫﺬه اﻷوراق اﻟﺨﻤﺲ‪ ،‬وﻳﺘﻢ اﺧﺘﻴﺎر إﺣﺪى اﻷوراق ﻣﻨﻬﺎ‪ .‬اﻓﱰض أﻧﻨﺎ اﺧﱰﻧـﺎ‬
‫اﻟﻮرﻗﺔ اﻟﺘﻲ ﺗﺤﻤﻞ اﻟﺮﻗﻢ ‪ ،3‬ﻓﻴﻜﻮن اﻟﺘﻠﻤﻴﺬ اﻷول ﰲ اﻟﻌﻴﻨﺔ ﻫﻮ اﻟﺘﻠﻤﻴﺬ رﻗﻢ ‪ 3‬ﺑﺎﻟﻘﺎمئﺔ اﻷﺻﻠﻴﺔ )اﳌﺘﻀﻤﻨﺔ‬
‫أﺳامء ﺟﻤﻴﻊ اﻟﺘﻼﻣﻴﺬ ﺑﺄرﻗﺎم ﻣﺘﺴﻠﺴﻠﺔ( ﺛﻢ ﻳﻀﺎف اﻟﺮﻗﻢ ‪ ،5‬ﻓﻴﻜﻮن اﻟﺘﻠﻤﻴـﺬ اﻟﺜـﺎين ﻫـﻮ ‪ ،8‬وﻫﻜـﺬا إﱃ أن‬
‫ﻧﺼﻞ إﱃ اﻟﻌﺪد اﳌﻄﻠﻮب اﺧﺘﻴﺎره ﰲ اﻟﻌﻴﻨﺔ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﺗﻀﻢ اﻟﻌﻴﻨـﺔ اﻟﺘﻼﻣﻴـﺬ أرﻗـﺎم‪،28 ،23 ،18 ،13 ،8 ،3 :‬‬
‫ٍ‬
‫ﻣﺘﺴﺎو ﻣـﻦ اﳌﻔـﺮدات‪ ،‬ﻫـﺬا اﻟﻌـﺪد اﳌﺘﺴـﺎوي ﻫـﻮ اﳌـﺪى‪،‬‬ ‫‪) 38 ،33‬ﻻﺣﻆ أن ﺑني ﻛﻞ ﻣﻔﺮدة أﺧﺮى ﻋﺪد‬
‫وﻳﺒﻠﻎ ﰲ ﻣﺜﺎﻟﻨﺎ ﻫﺬا ﺧﻤﺲ ﻣﻔﺮدات(‪.‬‬

‫وﻛام ﻫﻮ واﺿﺢ‪ ،‬ﻓﺈن ﻣﻔﺮدات اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﳌﻨﺘﻈﻤﺔ ﺗﺘﺤﺪد مبﺠـﺮد اﺧﺘﻴـﺎر اﳌﻔـﺮدة اﻷوﱃ‪ ،‬ﻛـام‬
‫ﻳﺘﻀﺢ أن اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﳌﻨﺘﻈﻤﺔ ﺗﺘﻄﻠﺐ وﺟـﻮد ﻗﺎمئـﺔ ﺷـﺎﻣﻠﺔ وﺑﺄرﻗـﺎم ﻣﺘﺴﻠﺴـﻠﺔ ﻟﺠﻤﻴـﻊ ﻣﻔـﺮدات‬
‫اﳌﺠﺘﻤﻊ )وﻫﺬا ﻻ ﻳﺘﺤﻘﻖ ﰲ أﺣﻴﺎن ﻛﺜرية(‪ ،‬ﻛام أن ﻛﻔﺎءة اﻟﻌﻴﻨﺔ اﻟﻌﺸـﻮاﺋﻴﺔ اﳌﻨﺘﻈﻤـﺔ ﰲ متﺜﻴـﻞ اﳌﺠﺘﻤـﻊ‬
‫ﺗﺘﻄﻠﺐ أن ﺗﻜﻮن ﻗﺎمئﺔ ﻣﻔﺮدات اﳌﺠﺘﻤﻊ ﻣﺮﺗﺒﺔ ﻋﺸﻮاﺋﻴّﺎ ﻛﺄن ﺗﻜﻮن اﻷﺳامء ﻣﺪوﻧﺔ ﰲ ﺗﻠﻚ اﻟﻘﺎمئـﺔ ﺑﴫف‬
‫اﻟﻨﻈﺮ ﻋﻦ اﻟﺠﻨﺲ )ذﻛﻮر & إﻧﺎث‪ ،‬أو أن ﺗﻜﻮن ﻣﺮﺗﺒـﺔ أﺑﺠـﺪﻳّﺎ‪ ...‬إﻟـﺦ(‪ ،‬ﻓـﺈذا ﻛﺎﻧـﺖ اﳌﻔـﺮدات ﰲ اﻟﻘﺎمئـﺔ‬
‫ﻣﻘﺼﻮدا‪ ،‬ﻓﺈن ذﻟﻚ ﻳﺠﻌﻞ اﳌﻔﺮدات اﻟﺘﻲ ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﻻ ﺗﻌﱪ ﻋﻦ اﻷﺳامء اﳌﻮﺟـﻮدة‬
‫ً‬ ‫ﺗﺮﺗﻴﺒﺎ‬
‫اﻷﺻﻠﻴﺔ ﻣﺮﺗﺒﺔ ً‬
‫ﰲ اﻟﻘﺎمئﺔ؛ أي اﺳﺘﺒﻌﺎد ﺑﻌﻀﻬﺎ ﻓﻼ ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﺿﻤﻦ اﻟﻌﻴﻨﺔ رﻏﻢ أﻧﻬﺎ ﻣﻮﺟﻮدة ﰲ اﳌﺠﺘﻤﻊ‪.‬‬

‫)ج( اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﻄﺒﻘﻴﺔ‪:‬‬

‫اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﻄﺒﻘﻴﺔ )‪ :(Stratified Random Sample‬ﻫﻲ ﺗﻠﻚ اﻟﻌﻴﻨﺔ اﻟﺘﻲ ﻳﺘﻢ اﺧﺘﻴﺎر‬
‫ﻋﺸﻮاﺋﻴﺎ ﻣﻦ اﻟﻄﺒﻘﺎت أو اﻟﻔﺌﺎت اﻟﺘﻲ ﻳﺘﻜﻮن ﻣﻨﻬﺎ ﻣﺠﺘﻤﻊ اﻟﺒﺤﺚ‪ ،‬وﻳﺘﻢ اﺧﺘﻴﺎر ﺗﻠﻚ‬
‫ّ‬ ‫ﻣﻔﺮداﺗﻬﺎ‬
‫اﻟﻌﻴﻨــﺔ ﻣــﻦ ﺧــﻼل ﺗﻘﺴــﻴﻢ اﳌﺠﺘﻤــﻊ إﱃ ﻓﺌــﺎت‪ ،‬ﻛــﻞ ﻓﺌــﺔ ﺗﻀــﻢ اﳌﻔــﺮدات اﻟﺘــﻲ ﺗﺸــﱰك ﰲ‬
‫ﺻﻔﺔ ﻣﻌﻴﻨﺔ‪ .‬وﻣﻦ ﺑني ﻛﻞ ﻓﺌﺔ ﻳﺘﻢ اﻟﺴﺤﺐ اﻟﻌﺸـﻮايئ ﻟﻠﻤﻔـﺮدات اﳌﻄﻠﻮﺑـﺔ‪ .‬وﻟﺘﻮﺿـﻴﺢ ﻫـﺬه‬
‫اﻟﻄﺮﻳﻘﺔ ﺑﺒﺴﺎﻃﺔ‪ ،‬اﻓﱰض أﻧﻪ ﰲ ﻣﺜﺎﻟﻨﺎ اﻟﺴﺎﺑﻖ ﻛﺎن ﻋﺪد ﺗﻼﻣﻴﺬ اﻟﻔﺼﻞ ﻣﺎﺋﺔ ﺗﻠﻤﻴـﺬ وﺗﻠﻤﻴـﺬة‪،‬‬
‫‪-386-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﻣﺜﻼ ﻳﻌﻨﻲ أن ﺗﺘﻢ ﻋﻤﻠﻴـﺔ‬

‫ﻣﻨﻬﻢ )‪ (70‬ذﻛﻮر‪ ،‬ﻣﻘﺎﺑﻞ )‪ (30‬إﻧﺎث‪ .‬إن اﺧﺘﻴﺎر ﻋﻴﻨﺔ ﻃﺒﻘﻴﺔ ﻣﻦ ﻋﴩ ﻣﻔﺮدات ً‬
‫ﻋﺸﻮاﺋﻴﺎ ﻋﲆ ﻣﺴﺘﻮى اﻟﺬﻛﻮر ﻋﲆ ﺣﺪة‪ ،‬ﺛﻢ ﻋﲆ ﻣﺴﺘﻮى اﻹﻧﺎث؛ ﺑﺤﻴﺚ ﺗﺘﻀﻤﻦ اﻟﻌﻴﻨﺔ ﻣﻔـﺮدات‬
‫ّ‬ ‫اﻻﺧﺘﻴﺎر‬
‫ﻣﻦ اﻟﺠﻨﺴني‪ ،‬واﻻﺧﺘﻴﺎر ﻫﻨﺎ ميﻜﻦ أن ﻳﺘﻢ ﺑﺎﻷﺳﻠﻮب اﻟﻌﺸـﻮايئ اﻟﺒﺴـﻴﻂ‪ ،‬أو ﺑﺎﻷﺳـﻠﻮب اﻟﻌﺸـﻮايئ اﳌﻨـﺘﻈﻢ‬
‫)ﺳﺒﻘﺖ اﻹﺷﺎرة إﱃ ذﻟﻚ(‪ ،‬واﻟﻌﻴﻨﺔ اﻟﺘﻲ ﻳـﺘﻢ اﺧﺘﻴﺎرﻫـﺎ ميﻜـﻦ ﺗﻮزﻳﻌﻬـﺎ ﺑﺎﻟﺘﺴـﺎوي ﺑـني اﻟﺠﻨﺴـني‪ ،‬مبﻌﻨـﻰ‬
‫ﺧﻤﺴﺔ ذﻛﻮر ﻣﻘﺎﺑـﻞ ﺧﻤـﺲ إﻧـﺎث‪ ،‬ﻛـام ميﻜـﻦ ﺗﻮزﻳﻌﻬـﺎ ﺑﺎﻟﺘﻨﺎﺳـﺐ ﺑـني اﻟﺠﻨﺴــني؛ أي أن ﻳﻜــﻮن ﻋـﺪد‬
‫اﳌﻔﺮدات اﻟﺘﻲ ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﻣﻦ ﻛﻞ ﺟﻨﺲ ﻳﺘﻨﺎﺳﺐ ﻣﻊ إﺟامﱄ ﻋﺪده اﻷﺻـﲇ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻓـﺈن اﻟﻌﻴﻨـﺔ اﻟﺘـﻲ‬
‫ﺗﻀﻢ ﻋﴩ ﻣﻔﺮدات ﺗﻌﻨﻲ أن ﻳﺘﻢ ﺳﺤﺐ ﺳﺒﻊ ﻣﻔﺮدات ﻣﻦ اﻟﺬﻛﻮر‪ ،‬وﺛﻼث ﻣﻔﺮدات ﻣﻦ اﻹﻧﺎث‪.‬‬

‫إن ﻫﺬا اﳌﺜﺎل ﳌﺠﺮد اﻟﺘﺒﺴﻴﻂ؛ ﻷن ﺗﻘﺴـﻴﻢ اﻟﺘﻼﻣﻴـﺬ إﱃ ﻓﺌـﺎت‪ ،‬ميﻜـﻦ أن ﻳـﺘﻢ ﻋـﲆ أﺳـﺎس ﻣﺴـﺘﻮى‬
‫اﻟﺘﺤﺼﻴﻞ‪ ،‬اﻟﺬﻛﺎء‪ ،‬اﻟﺴﻦ‪ ،‬ﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ ‪ ...‬إﻟﺦ‪ ،‬ﻛـام أن اﳌﺠﺘﻤـﻊ ﻗـﺪ ﻳﻜـﻮن ﺑـﺎﻵﻻف أو ﺣﺘـﻰ ﺑـﺎﳌﻼﻳني‪،‬‬
‫اﻓﱰض ﻋﲆ ﺳﺒﻴﻞ اﳌﺜـﺎل‪ ،‬أن إﺟـامﱄ ﻋـﺪد اﻟﺴـﻜﺎن ﰲ ﻣﺪﻳﻨـﺔ ﻣﻌﻴﻨـﺔ ﻫـﻮ ‪ ،139681‬ﻣـﻨﻬﻢ ‪ 96241‬ﻣـﻦ‬
‫اﻟﺬﻛﻮر‪ ،‬ﻣﻘﺎﺑﻞ ‪ 43440‬ﻣﻦ اﻹﻧﺎث؛ أي أن اﻟﺴـﻜﺎن ﻳﺘﻮزﻋـﻮن ﺑـني اﻟـﺬﻛﻮر ﺑﻨﺴـﺒﺔ ‪ ،%69‬واﻹﻧـﺎث ﺑﻨﺴـﺒﺔ‬
‫‪ ،%31‬وأﻧﻨﺎ ﻧﺮﻳﺪ ﺳﺤﺐ ﻋﻴﻨـﺔ ﻋﺸﻮاﺋﻴﺔ ﻃﺒﻘﻴﺔ ﺣﺠﻤﻬﺎ )‪ (500‬ﻣﻔﺮدة ﻣـﻦ اﻟﺠﻨﺴـني ﻹﺟـﺮاء دراﺳـﺔ ﻋـﻦ‬
‫ﻗﺮاءة اﻟﺼﺤﻒ‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ‪ ،‬ﻓﺈن ﻋﺪد اﳌﻔﺮدات اﻟﺘﻲ ﻳﺘﻌني ﺳﺤﺒﻬﺎ ﻣﻦ ﻓﺌﺔ اﻟﺬﻛﻮر ﻳﻜﻮن ﻛﺎﻵيت‪:‬‬
‫ﻋﺪد اﻟﺬﻛﻮر‬
‫× ﺣﺠﻢ اﻟﻌﻴﻨﺔ‬
‫إﺟامﱄ اﻟﺴﻜﺎن‬

‫= ‪344.5 = 500 × 96241‬‬

‫‪139681‬‬

‫أي أن إﺟامﱄ ﻋﺪد اﻟﺬﻛﻮر ﰲ اﻟﻌﻴﻨﺔ ﻳﻜﻮن )‪ (345‬ﻣﻔﺮدة؛ وﻧﻈ ًﺮا ﻷن ﻣﺠﻤﻞ اﻟﻌﻴﻨﺔ ‪ 500‬ﻣﻔﺮدة‪ ،‬ﻓﺈن‬
‫ﻋﺪد اﻹﻧﺎث ﰲ اﻟﻌﻴﻨﺔ ﻳﻜﻮن‪:‬‬

‫‪ 155 = 345 – 500‬ﻣﻔﺮدة‬

‫‪-387-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫وميﻜﻦ اﻟﺤﺼﻮل ﻋﲆ ﻋﺪد اﻹﻧﺎث ﰲ اﻟﻌﻴﻨﺔ ﻛﺎﻵيت‪:‬‬

‫ﻋﺪد اﻹﻧﺎث‬
‫× ﺣﺠﻢ اﻟﻌﻴﻨﺔ‬
‫إﺟامﱄ اﻟﺴﻜﺎن‬

‫ﺗﻘﺮﻳﺒﺎ‬ ‫= ‪43440‬‬
‫‪ 155 = 500 × 139681‬ﻣﻔﺮدة ً‬

‫أي أن اﻟﻌﻴﻨﺔ ﺗﺘﻮزع ﺑني اﻟﺬﻛﻮر ﺑﻨﺴﺒﺔ ‪ ،%69‬واﻹﻧﺎث ﺑﻨﺴـﺒﺔ ‪ ،%31‬وﻫﻲ ﻧﺴﺒﺔ ﻛﻞ ﺟﻨﺲ ﰲ ﻣﺠﺘﻤﻊ‬
‫اﻟﺒﺤﺚ‪ ،‬ﻓﻜﺄن ﺗﺮﻛﻴﺐ اﻟﻌﻴﻨﺔ ﻋﺪدﻳّﺎ ﻳﻌﻜﺲ ﺗﺮﻛﻴﺐ اﳌﺠﺘﻤﻊ‪.‬‬

‫ﻧﻮﻋﺎ آﺧﺮ ﻣﻦ اﻟﺘﻮزﻳـﻊ اﻟﻄﺒﻘـﻲ ﻟﻠﻌﻴﻨـﺔ ﻳﺴـﻤﻰ‬

‫وإذا ﻛﺎن ﻫﺬا ﻳﺴﻤﻰ ﺑﺎﻟﺘﻮزﻳﻊ اﳌﺘﻨﺎﺳﺐ‪ ،‬ﻓﺈن ﻫﻨﺎك ً‬
‫اﻟﺘﻮزﻳﻊ اﻷﻣﺜﻞ‪ ،‬وﻫﻮ ميﻜﻦ اﻟﺤﺼﻮل ﻋﻠﻴـﻪ ﻓﻘـﻂ ﻋﻨـﺪﻣﺎ ﻳﻜـﻮن اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري ﻟﻜـﻞ ﻓﺌـﺔ أو ﻃﺒﻘـﺔ‬
‫ً‬
‫ﻣﻌﺮوﻓﺎ‪ .‬اﻓﱰض أﻧﻨﺎ ﻧﺮﻳﺪ ﺳﺤﺐ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ 400‬ﻣﻔﺮدة ﻣﻦ ﻣﺠﺘﻤﻊ ﻳﻀﻢ ﺛﻼث ﻣﻨﺎﻃﻖ )ﻣﻨﻄﻘﺔ رﻳﻔﻴﺔ‪،‬‬
‫ﻣﻨﻄﻘﺔ ﺣﴬﻳﺔ‪ ،‬ﻣﻨﻄﻘﺔ ﺑﺪوﻳﺔ(؛ وذﻟﻚ ﻟﺪراﺳﺔ اﺳﺘﺨﺪام اﻟﻘﻨـﻮات اﻟﻔﻀـﺎﺋﻴﺔ اﻷﺟﻨﺒﻴـﺔ ﰲ ﺗﻠـﻚ اﳌﻨـﺎﻃﻖ‪،‬‬
‫وﻛﺎن ﺳﻜﺎن ﻛﻞ ﻣﻨﻄﻘﺔ ﻛﺎﻵيت‪:‬‬

‫‪1851321‬‬ ‫‪ -‬اﳌﻨﻄﻘﺔ اﻟﺮﻳﻔﻴﺔ‬

‫‪ -‬اﳌﻨﻄﻘﺔ اﻟﺤﴬﻳﺔ ‪1623410‬‬

‫‪1411273‬‬ ‫‪ -‬اﳌﻨﻄﻘﺔ اﻟﺒﺪوﻳﺔ‬

‫أي أن إﺟامﱄ ﺳﻜﺎن ﻫﺬه اﳌﻨﺎﻃﻖ اﻟﺜﻼث ﻫﻮ )‪ (4886004‬وﻗﺪ ﺗﻢ اﺧﺘﻴﺎر ‪ 100‬ﻣﻔﺮدة‪ ،‬وأﺟﺮﻳـﺖ‬
‫أﺳـﺒﻮﻋﻴﺎ ﰲ‬
‫ّ‬ ‫ﻋﻠﻴﻬﻢ دراﺳﺔ اﺳﺘﻄﻼﻋﻴﺔ ﻣـﻦ ﺳـﺆال واﺣـﺪ ﺑﺸـﺄن ﻋـﺪد اﻟﺴـﺎﻋﺎت اﻟﺘـﻲ ﻳﻘﻀـﻴﻬﺎ اﻟﺸـﺨﺺ‬
‫ﻣﺸﺎﻫﺪة اﻟﻘﻨﻮات اﻟﻔﻀـﺎﺋﻴﺔ اﻷﺟﻨﺒﻴـﺔ‪ ،‬وﻗـﺪ ﻛﺸـﻒ ﺗﺤﻠﻴـﻞ اﺳـﺘﺠﺎﺑﺎت اﳌﻔﺤﻮﺻـني ﻋـﻦ أن اﻻﻧﺤﺮاﻓـﺎت‬
‫اﳌﻌﻴﺎرﻳﺔ ﳌﺘﻮﺳﻂ ﺳﺎﻋﺎت اﳌﺸﺎﻫﺪة اﻷﺳﺒﻮﻋﻴﺔ ﻟﻜﻞ ﻣﺠﻤﻮﻋﺔ ﻛﺎﻵيت‪:‬‬

‫‪ -‬اﳌﻨﻄﻘﺔ اﻟﺮﻳﻔﻴـﺔ‪ :‬اﻻﻧﺤﺮاف اﳌﻌﻴﺎري = ‪2.6‬‬

‫‪-388-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫‪ -‬اﳌﻨﻄﻘﺔ اﻟﺤﴬﻳﺔ‪ :‬اﻻﻧﺤﺮاف اﳌﻌﻴﺎري = ‪1.7‬‬

‫‪ -‬اﳌﻨﻄﻘﺔ اﻟﺒﺪوﻳـﺔ‪ :‬اﻻﻧﺤﺮاف اﳌﻌﻴﺎري = ‪3.4‬‬

‫ﻓﺈذا ﻛﺎن اﳌﻄﻠﻮب ﻫﻮ ﺳﺤﺐ ﻋﻴﻨﺔ ﻗﻮاﻣﻬﺎ ‪ 400‬ﻣﻔﺮدة‪ ،‬ﻓﺈن اﻟﻌﺪد اﻷﻣﺜﻞ اﻟـﺬي ﻳﺘﻌــني ﺳـﺤﺒﻪ ﻣـﻦ‬
‫ﻛﻞ ﻣﺠـﻤﻮﻋﺔ ميﻜﻦ اﻟﺤﺼـﻮل ﻋﻠﻴﻪ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬
‫ﻋﺪد اﳌﺠﻤﻮﻋﺔ اﳌﻌﻨﻴﺔ × اﻧﺤﺮاﻓﻬﺎ اﳌﻌﻴﺎري‬
‫× ﺣﺠﻢ اﻟﻌﻴﻨﺔ‬
‫ﻋﺪد ﻣﻔﺮدات ﻛﻞ ﻣﺠﻤﻮﻋﺔ × اﻧﺤﺮاﻓﻬﺎ اﳌﻌﻴﺎري‬
‫ﺛﺎﺑﺘﺎ )ﻓﺎﳌﻘﺎم ﻋﺒﺎرة ﻋـﻦ ﻋـﺪد ﻣﻔـﺮدات ﻛـﻞ ﻣﺠﻤﻮﻋـﺔ ﻣـﻦ اﳌﺠﻤﻮﻋـﺎت اﻟـﺜﻼث‬
‫أي أن اﳌﻘﺎم ﻳﻈﻞ ً‬
‫ﻣﴬوﺑﺎ ﰲ اﻧﺤﺮاﻓﻬﺎ اﳌﻌﻴﺎري(‪ ،‬أﻣﺎ اﻟﺒﺴﻂ ﻓﻬﻮ ﻋﺒﺎرة ﻋﻦ ﻋﺪد ﻣﻔﺮدات اﳌﺠﻤﻮﻋﺔ اﳌﻄﻠﻮب ﺗﺤﺪﻳـﺪ ﻋـﺪد‬
‫ً‬
‫ﺮوﺑﺎ ﰲ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﺘﻠﻚ اﳌﺠﻤﻮﻋﺔ‪ ،‬وﺑﺎﺳﺘﺨﺮاج ﻗﻴﻤﺔ اﳌﻘـﺎم )اﻟﺜﺎﺑـﺖ(‪ ،‬ﻓـﺈن ﻫـﺬه‬
‫ﻣﻔﺮداﺗﻬﺎ ﻣﻀـ ً‬
‫اﻟﻘﻴﻤﺔ ﺗﺴﺎوي‪:‬‬
‫)‪(1.7 × 1623410) + (2.6 × 1851321‬‬
‫‪12371559.8 = (3.4 × 1411273) +‬‬
‫أي أن ﻗﻴﻤﺔ اﳌﻘﺎم أو اﻟﺜﺎﺑﺖ ﻫﻲ ‪12371559.8‬‬
‫ﺑﻨﺎء ﻋﲆ ذﻟﻚ‪ ،‬ﻓﺈن ﻋﺪد اﳌﻔﺮدات اﻟﺘﻲ ﻳﺘﻢ ﺳﺤﺒﻬﺎ ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ‬

‫= ‪156 = 400 × 2.6u 1851321‬‬

‫‪12371559.8‬‬
‫ﺑﻴﻨام ﻳﻜﻮن ﻋﺪد اﳌﻔﺮدات اﻟﺘﻲ ﻳﺘﻌني ﺳﺤﺒﻬﺎ ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ‬

‫= ‪89 = 400 × 1.7 u 1623410‬‬

‫‪12371559.8‬‬
‫أﻣﺎ ﻋﺪد اﳌﻔﺮدات اﻟﺘﻲ ﻳﺘﻌني ﺳﺤﺒﻬﺎ ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﻟﺒﺪو ﻓﻬﻮ‪:‬‬

‫‪155 = 400 × 3.4u 1411273‬‬

‫‪12371559.8‬‬

‫‪-389-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫أي أﻧﻪ ﺣﺴــﺐ اﻟﺘﻮزﻳـﻊ اﻷﻣﺜــﻞ‪ ،‬ﻓـﺈن اﻟﻌﻴﻨــﺔ ﺗﺘـﻮزع ﺑـني ﻣﺠﻤﻮﻋـﺔ اﻟﺮﻳـﻒ ﺑﻮاﻗـﻊ ‪ 156‬ﻣﻔــﺮدة‪،‬‬
‫وﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ ﺑﻮاﻗﻊ ‪ 89‬ﻣﻔﺮدة‪ ،‬وﻣﺠﻤﻮﻋﺔ اﻟﺒﺪو ﺑﻮاﻗﻊ ‪ 155‬ﻣﻔﺮدة‪ ،‬وﻫﺬا ﻳﺨﺘﻠـﻒ ﻋـام إذا ﻛﻨـﺎ ﻗـﺪ‬
‫اﺗﺒﻌﻨﺎ ﻃﺮﻳﻘﺔ اﻟﺘﻮزﻳﻊ اﳌﺘﻨﺎﺳﺐ‪.‬‬

‫ﺗﻘﺮﻳﺒـﺎ‬
‫ﻓﺤﺴﺐ اﻟﺘﻮزﻳﻊ اﳌﺘﻨﺎﺳﺐ‪ ،‬ﻧﺠﺪ أن ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ ﺗﻀـﻢ ‪1851321‬؛ أي أﻧﻬـﺎ ﺗﺸـﻜﻞ ‪ً %38‬‬
‫ﻣﻦ ﻣﺠﻤﻞ اﳌﻨﺎﻃﻖ‪ .‬ﻓﺈذا ﻛﺎن ﺣﺠﻢ اﻟﻌﻴﻨﺔ اﻟﻜﻠﻴﺔ ‪ 400‬ﻣﻔﺮدة‪ ،‬ﻓﺈن اﻟﺘﻮزﻳـﻊ اﳌﺘﻨﺎﺳـﺐ ﻳﻌﻨـﻲ أن ﻳﻜـﻮن‬
‫ﻋﺪد اﳌﻔﺮدات اﳌﺴﺤﻮﺑﺔ ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳـﻒ ﻫـﻮ ‪) 152‬مبﻌﻨـﻰ ‪ ، (152 = 100 y 38 × 400‬أﻣـﺎ ﻓـﻴام‬
‫ﻳﺨﺺ ﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ‪ ،‬ﻓﺈﻧﻬﺎ ﺗﺸﻜﻞ ‪ %33.2‬ﻣﻦ ﻣﺠﻤﻞ ﻣﻨﺎﻃﻖ اﻟﺒﺤﺚ‪ ،‬وﺑﺎﻟﺘﺎﱄ ﻓﺈن اﻟﺘﻮزﻳﻊ اﳌﺘﻨﺎﺳــﺐ‬
‫ﻳﻘﴤ ﺑﺄن ﻳﻜﻮن ﻋﺪد ﻣﻔﺮداﺗﻬﺎ ﰲ اﻟﻌﻴﻨﺔ ﻫﻮ ‪) 133‬مبﻌﻨﻰ ‪ (100 y 33.2 × 400‬وﻋﲆ ﻣﺴﺘﻮى ﻣﺠﻤﻮﻋﺔ‬
‫اﻟﺒﺪو‪ ،‬ﻓﺈﻧﻬﺎ ﺗﺸﻜﻞ ‪ %28.9‬ﻣﻦ ﻣﺠﻤﻞ ﻣﺠﺘﻤﻊ اﻟﺒﺤﺚ‪ ،‬وﺑﺎﻟﺘﺎﱄ‪ ،‬ﻓﺈن اﻟﺘﻮزﻳﻊ اﳌﺘﻨﺎﺳﺐ ﻳﻘﻀـﻲ ﺑﺄن ﻳﻜﻮن‬
‫ﻋﺪد ﻣﻔﺮداﺗﻬﺎ ﰲ اﻟﻌﻴﻨﺔ ﻳﺴﺎوي ‪) 115‬مبﻌﻨﻰ ‪ (100 y 28.8 × 400‬ﻫﻜﺬا ﻳﺘﻀﺢ أﻧﻪ ﻋﻨﺪ ﻣﻘﺎرﻧـﺔ ﺗﻮزﻳـﻊ‬
‫ً‬
‫اﺧﺘﻼﻓـﺎ ﻳﻮﺿـﺤﻪ‬ ‫ﻣﻔﺮدات اﻟﻌﻴﻨﺔ ﺣﺴﺐ أﺳﻠﻮب اﻟﺘﻮزﻳﻊ اﻷﻣﺜﻞ وأﺳﻠﻮب اﻟﺘﻮزﻳﻊ اﳌﺘﻨﺎﺳـﺐ‪ ،‬ﻓـﺈن ﻫﻨـﺎك‬
‫اﻟﺠﺪول اﻵيت‪:‬‬
‫اﻟﺘﻮزﻳﻊ‬ ‫اﻟﺘﻮزﻳﻊ‬
‫ﻣﺠﻤﻞ اﳌﺠﺘﻤﻊ‬ ‫اﳌﺠﻤﻮﻋﺔ‬
‫اﻷﻣﺜﻞ‬ ‫اﳌﺘﻨﺎﺳﺐ‬
‫‪156‬‬ ‫‪152‬‬ ‫‪1851321‬‬ ‫ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ‬
‫‪89‬‬ ‫‪133‬‬ ‫‪1623410‬‬ ‫ﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ‬
‫‪155‬‬ ‫‪115‬‬ ‫‪1411273‬‬ ‫ﻣﺠﻤﻮﻋﺔ اﻟﺒﺪو‬
‫‪400‬‬ ‫‪400‬‬ ‫‪4886004‬‬ ‫اﻹﺟامﱄ‬

‫ﻣﻦ اﻟﻮاﺿﺢ أﻧﻪ ﺣﺴﺐ اﻟﺘﻮزﻳﻊ اﳌﺘﻨﺎﺳﺐ‪ ،‬ﻓﺈن ﻧﺴﺒﺔ ﻣﻔﺮدات ﻛـﻞ ﻣﺠﻤﻮﻋـﺔ ﰲ اﻟﻌﻴﻨـﺔ‬
‫ﺗﺘﺴﺎوى ﻣﻊ ﻧﺴﺒﺔ ﻋﺪد ﻫﺬه اﳌﺠﻤﻮﻋﺔ ﰲ اﳌﺠﺘﻤﻊ‪ ،‬ﻋﲆ ﺳﺒﻴﻞ اﳌﺜﺎل‪ ،‬ﻓﺈن ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ‬
‫ﺗﻀﻢ ‪1851321‬؛ أي أﻧﻬﺎ ﺗﺸـﻜﻞ ﻗﺮاﺑـﺔ ‪ %38‬ﻣـﻦ اﻹﺟـامﱄ اﻟﺒـﺎﻟﻎ ‪ ،4886004‬وﰲ اﻟﻮﻗـﺖ‬

‫‪-390-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﻧﻔﺴﻪ ﻧﺠﺪ أن ﻋﺪد ﻣﻔﺮدات ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ ﰲ اﻟﻌﻴﻨﺔ ﻫﻮ ‪ 152‬ﻣﻔﺮدة؛ أي ﻣﺎ ﻳﻌﺎدل ‪ %38‬ﻣـﻦ اﻟﻌﻴﻨـﺔ‪،‬‬
‫اﳌﻨﻄﻖ ﻧﻔﺴﻪ ﻣﻊ اﺧﺘﻼف اﻷرﻗﺎم ﻓﻴام ﻳﺨﺺ ﻣﺠﻤﻮﻋﺘﻲ اﻟﺤﻀـﺮ واﻟﺒﺪو‪.‬‬

‫ﻟﻜﻦ ﻋﻨﺪ اﺳﺘﺨﺪام أﺳﻠﻮب اﻟﺘﻮزﻳﻊ اﻷﻣﺜﻞ اﺧﺘﻠﻒ اﻷﻣﺮ ﺑﻌﺾ اﻟﴚء‪ ،‬ﻓﻘـﺪ اﻧﺨﻔـﺾ ﻋـﺪد ﻣﻔـﺮدات‬
‫ﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ ﰲ اﻟﻌﻴﻨﺔ ﻟﻴﺼﺒﺢ ‪ 89‬ﻣﻔﺮدة ﻓﻘﻂ )ﺑﻌﺪ أن ﻛﺎن ‪ 133‬ﻣﻔﺮدة ﺣﺴﺐ اﻟﺘﻮزﻳﻊ اﳌﺘﻨﺎﺳـﺐ(‪،‬‬
‫ﺗﺠﺎﻧﺴﺎ؛ ﺣﻴﺚ ﺗﻨﺨﻔﺾ ﻗﻴﻤﺔ اﻻﻧﺤـﺮاف‬
‫ً‬ ‫ﻫﺬا اﻻﻧﺨﻔﺎض ﻳﻔﴪ ﺑﺄن ﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ ﻫﻲ أﻛرث اﳌﺠﻤﻮﻋﺎت‬
‫ﺗﺠﺎﻧﺴـﺎ(‪ ،‬أﻣـﺎ‬
‫ً‬ ‫اﳌﻌﻴﺎري إﱃ ‪) 1.7‬وﻣﻦ اﳌﻌﺮوف أﻧﻪ ميﻜﻦ ﺗﻘﻠﻴﻞ ﺣﺠﻢ اﻟﻌﻴﻨـﺔ ﻛﻠـام ﻛـﺎن اﳌﺠﺘﻤـﻊ أﻛـرث‬
‫ﺗﺒﺎﻳﻨﺎ؛ ﺣﻴﺚ ﺗﺮﺗﻔﻊ ﻗﻴﻤﺔ اﻻﻧﺤﺮاف اﳌﻌﻴـﺎري إﱃ ‪ .3.4‬وﻣـﻦ‬
‫ﻣﺠﻤﻮﻋﺔ اﻟﺒﺪو‪ ،‬ﻓﺈﻧﻬﺎ أﻛرث ﻣﺠﻤﻮﻋﺎت اﻟﻌﻴﻨﺔ ً‬
‫ﻫﻨﺎ ارﺗﻔﻊ ﻋﺪد ﻣﻔﺮداﺗﻬﺎ ﻣﻦ ‪ 115‬ﻣﻔﺮدة ﺣﺴـﺐ أﺳـﻠﻮب اﻟﺘﻮزﻳـﻊ اﳌﺘﻨﺎﺳـﺐ إﱃ ‪ 155‬ﻣﻔـﺮدة ﺣﺴـﺐ‬
‫ﺗﺒﺎﻳﻨﺎ(‪.‬‬
‫اﻟﺘﻮزﻳﻊ اﻷﻣﺜﻞ )وﻣﻦ اﳌﻌﺮوف أﻧﻪ ﻳﺘﻌني زﻳﺎدة ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﻠام اﳌﺠﺘﻤﻊ أﻛرث ً‬
‫أﻣﺎ ﻣﺠﻤﻮﻋﺔ اﻟﺮﻳﻒ‪ ،‬ﻓﻘﺪ ﻛﺎن ﻋﺪد ﻣﻔﺮداﺗﻬﺎ ﰲ اﻟﻌﻴﻨـﺔ ‪ ،152‬ﺣﺴـﺐ اﻟﺘﻮزﻳـﻊ اﳌﺘﻨﺎﺳـﺐ‪ ،‬ارﺗﻔـﻊ إﱃ‬
‫ﺗﺒﺎﻳﻨـﺎ ﻋـﻦ‬
‫أﻳﻀﺎ إﱃ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻣﺠﻤﻮﻋـﺔ اﻟﺮﻳـﻒ أﻗـﻞ ً‬
‫‪ 156‬ﺣﺴﺐ اﻟﺘﻮزﻳﻊ اﻷﻣﺜﻞ‪ ،‬وذﻟﻚ ﻳﻌﺰى ً‬
‫ﺗﺒﺎﻳﻨﺎ ﻣﻦ ﻣﺠﻤﻮﻋﺔ اﻟﺤﴬ‪.‬‬
‫ﻣﺠﻤﻮﻋﺔ اﻟﺒﺪو‪ ،‬إﻻ أﻧﻬﺎ أﻛرث ً‬
‫ﺑﻮﺟﻪ ﻋﺎم‪ ،‬ﻓﺈن اﻟﺘﻮزﻳﻊ اﻷﻣﺜﻞ ﻫﻮ اﻷﺷﺪ دﻗﺔ ﻋﻨﺪ اﺧﺘﻴﺎر اﻟﻌﻴﻨﺎت؛ ﻷﻧﻪ ﻳﺄﺧﺬ ﺗﺒﺎﻳﻦ اﳌﺠﺘﻤﻊ ﰲ اﻻﻋﺘﺒﺎر‪،‬‬
‫ﻟﻜﻦ اﳌﺸﻜﻠﺔ ﰲ ﺗﻄﺒﻴﻖ ﻫﺬا اﻷﺳﻠﻮب ﺗﺘﻤﺜـﻞ ﰲ ﴐورة اﳌﻌﺮﻓـﺔ اﳌﺴـﺒﻘﺔ ﺑﻘﻴﻤـﺔ اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري ﻟﻜـﻞ‬
‫ﻣﺠﻤﻮﻋﺔ أو ﻓﺌﺔ أو ﻃﺒﻘﺔ‪ ،‬وﻫﺬه اﳌﻌﺮﻓﺔ ﻧﺎد ًرا ﻣﺎ ﺗﺘﺤﻘﻖ ﺧﺎﺻﺔ ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﻋﺪد اﳌﺠﻤﻮﻋﺎت ﻛﺒ ًريا‪ ،‬وﻋـﲆ‬
‫اﻟﺮﻏﻢ ﻣﻦ إﻣﻜﺎﻧﻴﺔ ﺗﻘﺪﻳﺮ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻟﻠﻤﺠﻤﻮﻋﺎت ﺑﺸﺄن اﳌﺘﻐـريات اﻟﺘـﻲ ﻳـﺘﻢ ﻋـﲆ أﺳﺎﺳـﻬﺎ اﺧﺘﻴـﺎر‬
‫اﻟﻌﻴﻨﺔ‪ ،‬إﻻ أن ﻫﺬا اﻟﺘﻘﺪﻳﺮ ﻋﺮﺿﺔ ﻟﻠﺨﻄﺄ ﰲ ﻛﺜري ﻣﻦ اﻷﺣﻴﺎن‪ ،‬وﻋﺎدة ﻳﺴﺘﺨﺪم اﻟﺒـﺎﺣﺜﻮن اﻟﺘﻮزﻳـﻊ اﳌﺘﻨﺎﺳـﺐ‪،‬‬
‫أو اﳌﺘﺴﺎوي إﻻ ﰲ اﻟﺤﺎﻻت اﻟﺘﻲ ﻳﻜﻮن اﻻﻧﺤﺮاف اﳌﻌﻴﺎري ﻣﻘﺪ ًرا وﻓﻖ ﻣﻌﻄﻴﺎت ﻗﻮﻳﺔ‪.‬‬

‫)د( اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ ﻣﺘﻌﺪدة اﳌﺮاﺣﻞ‪:‬‬

‫أﺣﻴﺎﻧﺎ ﺑﺎﻟﻌﻴﻨﺔ اﻟﻌﻨﻘﻮدﻳﺔ )‪ :(Cluster Random Sample‬وﻫﻲ اﻟﻌﻴﻨـﺔ اﻟﺘـﻲ ﻳـﺘﻢ‬

‫ً‬ ‫وﺗﺴﻤﻰ‬
‫ﻋﺸﻮاﺋﻴﺎ ﻋﲆ ﻋﺪة ﻣﺮاﺣﻞ‪ ،‬وﻳﻠﺠﺄ اﻟﺒﺎﺣـﺜﻮن إﱃ ﻫﺬه اﻟﻌﻴﻨﺔ ﻋﻨـﺪﻣﺎ ﻳﻜـﻮن‬
‫ّ‬ ‫اﺧﺘﻴﺎر ﻣﻔﺮداﺗﻬﺎ‬
‫‪-391-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﺣﺠﻢ اﳌﺠﺘﻤﻊ ﻛﺒـ ًريا‪ ،‬وﺗﻨـﺘﴩ اﳌﻔـﺮدات ﻋـﲆ ﻣﺴﺎﺣــﺔ ﺟﻐﺮاﻓﻴـﺔ واﺳـﻌﺔ‪ ،‬وﻟـﻴﺲ ﻫﻨـﺎك ﻗـﻮاﺋﻢ ﺷـﺎﻣﻠﺔ‬
‫ﻟﻠﻤﻔﺮدات‪ .‬اﻓﱰض أﻧﻚ ﺑﺼﺪد إﺟـﺮاء دراﺳﺔ ﻋﻦ اﺗﺠﺎﻫﺎت اﻟﺠﻤﻬـﻮر ﰲ ﻣﺪﻳﻨﺔ ﻣﻌﻴﻨﺔ ﻧﺤﻮ ﺑﺮاﻣﺞ اﻟﺘﻠﻔـﺎز‪،‬‬
‫وأن ﺗﻠﻚ اﳌﺪﻳﻨﺔ ﺗﻀﻢ ﻋﴩ ﻣﻨﺎﻃﻖ‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ميﻜﻦ اﺧﺘﻴﺎر ﺛﻼث ﻣﻨﺎﻃﻖ )أو أﻛـرث أو أﻗـﻞ( ﺑﺈﺣـﺪى‬
‫اﻟﻄﺮق اﻟﻌﺸﻮاﺋﻴـﺔ‪ ،‬وﻣﻦ ﺑني ﻛﻞ ﻣﻨﻄﻘﺔ ﺗﻢ اﺧﺘﻴﺎرﻫﺎ ﻳﺘﻢ اﺧﺘﻴﺎر ﺷﺎرع ﺑﺸﻜﻞ ﻋﺸﻮايئ‪ ،‬وﻳﺘﻢ رﺻـﺪ أرﻗـﺎم‬
‫اﻟﺒﻴﻮت اﳌﻮﺟﻮدة ﰲ ﻛﻞ ﺷﺎرع‪ ،‬وﻣﻦ ﻫﺬه اﻟﺒﻴﻮت ﻳﺘﻢ اﺧﺘﻴـﺎر اﻟﻌﺸـﻮايئ ﻟﻠﻌـﺪد اﳌﻄﻠـﻮب‪ ،‬وﻳـﺘﻢ إﺟـﺮاء‬
‫اﳌﻘـﺎﺑﻼت ﻣﻊ ﺳﺎﻛﻨﻲ اﻟﺒﻴﻮت اﻟﺘﻲ ﺗﻢ اﺧﺘﻴﺎرﻫﺎ‪ ،‬ﻛﺄن ﻳـﺘﻢ اﻟﺒﺤـﺚ ﻣـﻊ ﻣﻔـﺮدة ﻣـﻦ ﻛـﻞ ﺑﻴـﺖ أو وﺣـﺪة‬
‫ﻣﺴﺘﻘـﻼ أو ﺷﻘــﺔ‪ ،‬وﻗـﺪ ﺗﺘــﻢ ﻫـﺬه اﻟﻌﻤﻠﻴـﺔ ﻋـﲆ ﻣﺴـﺘﻮى ﺟﻤﻴـﻊ اﳌـﺪن ﰲ‬
‫ّ‬ ‫ﻣـﻨﺰﻻ‬
‫ﺳﻜﻨﻴﺔ ﺳـﻮاء ﻛﺎﻧﺖ ً‬
‫اﻟﺪوﻟﺔ؛ ﺑﺤﻴﺚ ﺗﺘﻌـﺪد ﻣﺮاﺣﻞ اﻻﺧﺘﻴﺎر ﻟﺘﺼﻞ ﰲ اﻟﻨﻬﺎﻳﺔ إﱃ ﺷﺎرع واﺣﺪ ﻣﻦ ﻛﻞ ﻣﺪﻳﻨﺔ‪.‬‬

‫ﺟﻴﺪا ﺑﺎﳌﻨﺎﻃﻖ واﻟﺸﻮارع اﳌﻮﺟﻮدة ﺑﻜﻞ ﻣﺪﻳﻨﺔ‪ ،‬وأن ﻳﺘﻢ‬

‫ﻣﻦ اﻟﻮاﺿﺢ أن ذﻟﻚ ﻳﺘﻄﻠﺐ ﻣﻌﺮﻓﺔ اﻟﺒﺎﺣﺚ ً‬
‫ﻋﺸﻮاﺋﻴﺎ( ﻋﲆ ﻛﻞ ﻣﺴﺘﻮى ﻣﻦ ﻫﺬه اﳌﺴﺘﻮﻳﺎت‪ ،‬ﻓﺈذا اﻓﱰﺿﻨﺎ أن اﳌﺪﻳﻨﺔ ﺗﺘﻀـﻤﻦ ﻋﴩ ﻣﻨـﺎﻃﻖ‪،‬‬
‫ّ‬ ‫اﻻﺧﺘﻴﺎر )‬
‫وأﻧﻨﺎ ﻧﺮﻳﺪ اﺧﺘﻴﺎر ﻣﻨﻄﻘﺔ واﺣﺪة‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﻳﺪون اﺳﻢ ﻛﻞ ﻣﻨﻄﻘﺔ ﰲ ورﻗﺔ ﻣﺴﺘﻘﻠﺔ‪ ،‬وﺗﺨﻠﻂ اﻷوراق‬
‫ﺟﻴﺪا‪ ،‬وﺗﺴﺤﺐ واﺣﺪة ﻣﻨﻬﺎ ﻓﺘﻜﻮن اﳌﻨﻄﻘـﺔ اﳌﺪوﻧـﺔ ﰲ ﺗﻠـﻚ اﻟﻮرﻗـﺔ ﻫـﻲ اﳌﻨﻄﻘـﺔ اﻟﺘـﻲ ﺳـﺘﺠﺮى ﻓﻴﻬـﺎ‬
‫ً‬
‫اﻟﺪراﺳﺔ‪ ،‬اﳌﻨﻄﻖ ﻧﻔﺴﻪ ﻋﻨﺪ اﺧﺘﻴﺎر اﻟﺸﻮارع اﳌﻮﺟﻮدة ﰲ اﳌﺪﻳﻨﺔ‪ ،‬وﻳﺘﻮزع ﻋﺪد اﳌﻔـﺮدات اﳌﺴـﺤﻮﺑﺔ ﻣـﻦ‬
‫ﻣﺘﻨﺎﺳﺒﺎ ﻣﻊ اﻟﻌﺪد اﻟﻜـﲇ ﻟﻠﻤﻨـﺎزل اﳌﻮﺟـﻮدة ﺑﻬـﺎ‪ .‬أي أﻧـﻪ ﰲ اﻟﻌﻴﻨـﺔ اﻟﻌﻨﻘﻮدﻳـﺔ ﻳـﺘﻢ‬
‫ً‬ ‫ﺗﻮزﻳﻌﺎ‬
‫ً‬ ‫ﻛﻞ ﻣﻨﻄﻘﺔ‬
‫ﻋﻨﻘﻮدا‪ ،‬وﺑﻌﺪ ذﻟﻚ ﻧﺨﺘـﺎر‬
‫ً‬ ‫اﺧﺘﻴﺎر ﻣﻨﺎﻃﻖ أو ﻣﺠﻤﻮﻋﺎت )وﻟﻴﺲ أﻓﺮ ًادا(‪ ،‬وﺗﺴﻤﻰ ﻛﻞ ﻣﻨﻄﻘﺔ أو ﻣﺠﻤﻮﻋﺔ‬
‫اﻷﻓﺮاد ﻣﻦ ﻛﻞ ﻋﻨﻘﻮد‪ .‬وﻳﺸﱰط أن ﻳﻜﻮن ﻟﻜﻞ ﺗﺠﻤﻊ أو ﻋﻨﻘﻮد ﻧﻔـﺲ اﻟﺨﺼـﺎﺋﺺ‪ ،‬وﻣـﻦ أﻣﺜﻠـﺔ اﻟﻌﻨﺎﻗﻴـﺪ‬
‫اﻟﺘﻲ ميﻜﻦ اﺳﺘﺨﺪاﻣﻬﺎ ﰲ اﻟﻌﻴﻨﺎت‪ :‬اﻟﻔﺼﻮل اﻟﺪراﺳﻴﺔ‪ ،‬اﳌﺪارس‪ ،‬اﻟﺴﺠﻮن‪ ،‬اﳌﺴﺘﺸﻔﻴﺎت‪ ...‬إﻟﺦ‪.‬‬

‫ومتﺘﺎز اﻟﻌﻴﻨﺔ اﻟﻌﻨﻘﻮدﻳﺔ ﺑﺄﻧﻬﺎ ﻗﻠﻴﻠﺔ اﻟﺘﻜﻠﻔﺔ‪ ،‬وﺳﻬﻮﻟﺔ اﻟﺤﺼﻮل ﻋﻠﻴﻬﺎ‪ ،‬وميﻜﻦ إﻧﺠﺎزﻫﺎ ﰲ‬
‫ﻧﺴﺒﻴﺎ‪ ،‬وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ ذﻟﻚ‪ ،‬ﻻ ﺑﺪ ﻣـﻦ وﺟـﻮد ﻣـﱪرات ﻻﺳـﺘﺨﺪاﻣﻬﺎ‪ .‬وﻟﻀـامن‬
‫ّ‬ ‫وﻗﺖ ﻗﺼري‬
‫ﻛﻔﺎءة اﻟﻌﻴﻨﺔ اﻟﻌﻨﻘﻮدﻳﺔ‪ ،‬ميﻜﻦ اﻻﺧﺘﻴﺎر اﻟﻌﺸﻮايئ ‪ -‬اﻟﺒﺴﻴﻂ أو اﳌﻨـﺘﻈﻢ ‪ -‬ﻟﻠﻤﻔـﺮدات‪ ،‬ﻓـﺈذا‬

‫‪-392-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﻛﻨﺎ ﺑﺼﺪد إﺟﺮاء دراﺳﺔ ﻋﻦ اﺳﺘﺨﺪام ﺗﻼﻣﻴﺬ اﻟﺼﻒ اﻷول اﻻﺑﺘﺪايئ ﻷﻓـﻼم اﻟﻜـﺎرﺗﻮن اﻟﺘﻠﻴﻔﺰﻳﻮﻧﻴـﺔ‪ ،‬ﻓﺈﻧﻨـﺎ‬
‫ﻧﺨﺘﺎر ﻋﻴﻨﺔ ﻣﻦ ﻓﺼﻮل اﻟﺼﻒ اﻷول اﻻﺑﺘﺪايئ‪ ،‬وﻳﺘﻢ اﻻﺧﺘﻴﺎر اﻟﻌﺸﻮايئ ﻟﻌﻴﻨﺔ ﻣﻦ اﻟﺘﻼﻣﻴﺬ ﰲ اﻟﻔﺼﻮل اﻟﺘﻲ‬
‫ﺗﻢ اﺧﺘﻴﺎرﻫﺎ )أي أن اﻟﺪراﺳﺔ ﻻ ﺗﺘﻢ ﻋﲆ ﺟﻤﻴﻊ اﻟﺘﻼﻣﻴﺬ ﰲ اﻟﻔﺼﻮل اﳌﺨﺘـﺎرة‪ ،‬وإمنـﺎ ﻋـﲆ ﻋﻴﻨـﺔ ﻋﺸـﻮاﺋﻴﺔ‬
‫ﺑﺴﻴﻄﺔ أو ﻣﻨﺘﻈﻤﺔ أو ﻃﺒﻘﻴﺔ ﻣﻦ ﻫﺆﻻء اﻟﺘﻼﻣﻴﺬ(‪.‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﻌﻴﻨﺎت ﻏري اﻟﻌﺸﻮاﺋﻴﺔ‬

‫ً‬
‫إﻧﻬــــﺎ اﻟﻌﻴﻨــــﺎت ﻏــــري اﻻﺣﺘامﻟﻴــــﺔ )‪ :(Non-Probability Samples‬وﻫــــﻲ اﻟﻌﻴﻨــــﺎت اﻟﺘــــﻲ‬
‫ﻻ ﺗﺘﺎح ﰲ اﺧﺘﻴﺎرﻫﺎ ﻓﺮص ﻣﺘﺴﺎوﻳﺔ ﻟﺠﻤﻴﻊ ﻣﻔﺮدات اﳌﺠﺘﻤﻊ أن ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﺿﻤﻦ اﻟﻌﻴﻨﺔ‪ ،‬وﻛﻤﺒﺪأ ﻋﺎم‪،‬‬
‫ﻓﺈن اﻟﻌﻴﻨﺎت ﻏري اﻻﺣﺘامﻟﻴﺔ ﻻ ﺗﻌﻤﻢ ﻧﺘﺎﺋﺠﻬﺎ اﳌﺠﺘﻤﻊ‪ ،‬وﻻ ميﻜﻦ ﺗﻘﺪﻳﺮ ﻣﻌﺎمل اﳌﺠﺘﻤﻊ ﻣﻦ إﺣﺼﺎءات ﺗﻠﻚ‬
‫اﻟﻌﻴﻨﺎت‪ ،‬وﻣﻦ أﻣﺜﻠﺔ اﻟﻌﻴﻨﺎت ﻏري اﻟﻌﺸﻮاﺋﻴﺔ‪ :‬اﻟﻌﻴﻨﺔ اﻟﻌﺎرﺿﺔ‪ ،‬واﻟﻌﻴﻨﺔ اﳌﻘﺼﻮدة‪ ،‬وﻋﻴﻨﺔ اﻟﺤﺼﺺ‪:‬‬

‫)أ( اﻟﻌﻴﻨﺔ اﻟﻌﺎرﺿﺔ‪:‬‬

‫اﻟﻌﻴﻨـﺔ اﻟﻌﺎرﺿﺔ )‪ :(Accidental Sample‬ﻫﻲ اﻟﻌﻴﻨﺔ اﳌﺘﺎﺣﺔ‪ ،‬مبﻌﻨﻰ أن ﻳﺠﺮي اﻟﺒﺎﺣـﺚ دراﺳـﺘﻪ ﻋـﲆ‬
‫اﻷﺷﺨﺎص اﻟﺬﻳﻦ ﻳﺼﺎدﻓﻬﻢ‪ ،‬أو اﻟﺬﻳﻦ ﺗﺘﺎح ﻣﻘﺎﺑﻠﺘﻬﻢ‪ ،‬ﻛﺄن ﻳﺬﻫﺐ إﱃ اﻟﺘﺠﻤﻌﺎت أو اﳌﺆﺳﺴﺎت أو اﻷﻣﺎﻛﻦ‬
‫اﻟﺘﻲ ﻳﻮﺟﺪ ﻓﻴﻬﺎ اﻷﺷﺨـﺎص اﻟﺬﻳﻦ ميﻜﻦ أن ﻳﺤﺼـﻞ ﻣﻨﻬـﻢ ﻋﲆ اﳌﻌﻠﻮﻣﺎت اﳌﻄﻠﻮﺑﺔ‪ ،‬وﻳﺠﺮي اﳌﻘﺎﺑﻠﺔ ﻣـﻊ‬
‫أي ﺷﺨـﺺ ﻳﻘـﺎﺑﻠـﻪ‪ ،‬وﻗﺪ ﺗﻔـﻴﺪ ﻧﺘـﺎﺋﺞ اﻟﻌﻴﻨﺔ اﻟﻌﺎرﺿﺔ ﰲ ﺣﺪود ﻣﻌﻴﻨـﺔ‪ ،‬وإن ﻛـﺎن ﻣـﻦ اﻟﺼـﻌﺐ ﺗﻌﻤـﻴﻢ‬
‫ﻧﺘﺎﺋﺠﻬﺎ ﻋﲆ اﳌﺠﺘﻤﻊ‪ .‬اﻓﱰض أن اﻟﺒﺎﺣﺚ ﻳﺠﺮي دراﺳﺔ ﻣﻴــﺪاﻧﻴﺔ ﻋـﲆ اﻟﺠﻤﻬـﻮر ﳌﻌﺮﻓــﺔ ﻋﻼﻗﺘـﻪ ﺑـﱪاﻣﺞ‬
‫اﻟﺘﻠﻴﻔﺰﻳﻮن‪ ،‬وأن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻫـﻮ ‪ 1000‬ﻣﻔﺮدة‪ ،‬ﻓﺈذا أﺟﺮى اﻟﺒﺎﺣـﺚ ﻣﻘﺎﺑﻼت ﻣﻊ ﻛﻞ َﻣﻦ ميﻜﻨﻪ ﻣﻘﺎﺑﻠﺘﻪ‬
‫إﱃ أن ﻳﺴﺘﻜﻤﻞ اﻟﻌﺪد اﳌﻄﻠﻮب دون ﻣﺮاﻋـﺎة ﻋﺸـﻮاﺋﻴﺔ اﻻﺧﺘﻴﺎر‪ ،‬ﻓﺈﻧﻪ ﰲ ﻫﺬه اﻟﺤﺎﻟـﺔ ﻳﻜـﻮن ﻗـﺪ اﻋﺘﻤـﺪ‬
‫ﻋﲆ اﻟﻌﻴﻨﺔ اﻟﻌﺎرﺿﺔ أو اﳌﺘﺎﺣﺔ‪ ،‬وﻻ ميﻜﻦ ﺗﻌﻤﻴﻢ ﻧﺘﺎﺋﺞ ﺗﻠﻚ اﻟﻌﻴﻨﺔ ﻋﲆ اﳌﺠﺘﻤﻊ‪.‬‬

‫‪-393-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫)ب( اﻟﻌﻴﻨﺔ اﳌﻘﺼﻮدة‪:‬‬

‫اﻟﻌﻴﻨﺔ اﳌﻘﺼﻮدة )‪ :(Purposive Sample‬ﺗﻌﻨﻲ أن ﻳﺘﻌﻤﺪ اﻟﺒﺎﺣﺚ أو ﻳﻘﺼﺪ إﺟـﺮاء اﻟﺪراﺳـﺔ ﻋـﲆ ﻓﺌـﺔ‬
‫ﻣﻌﻴﻨﺔ‪ ،‬وﻗﺪ ﻳﻜﻮن ﻫﺬا اﻟﺘﻌﻤﺪ ﻻﻋﺘﺒﺎرات ﻋﻠﻤﻴﺔ‪ ،‬ﻛﻮﺟﻮد أدﻟـﺔ أو ﺑـﺮاﻫني ﻣﻘﺒﻮﻟـﺔ أو ﻣﻨﻄﻘﻴـﺔ ﺗﺆﻛـﺪ أن‬
‫ﻫﺬه اﻟﻌﻴﻨﺔ متﺜﻞ اﳌﺠﺘﻤﻊ‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ ﺗﻜﻮن ﻧﺘﺎﺋﺞ اﻟﺪراﺳـﺔ ﻣﻘﺒﻮﻟـﺔ‪ ،‬وﻗـﺪ ﺗﻜـﻮن اﻟﻌﻴﻨـﺔ اﳌﻘﺼـﻮدة‬
‫ﻣﱪرة ﻻﻋﺘﺒﺎرات واﻗﻌﻴﺔ أو ﻣﻨﻄﻘﻴﺔ‪ ،‬ﻛﺄن ﻳﺘﻢ إﺟﺮاء دراﺳﺔ ﻋﲆ ﻋﻴﻨﺔ ﻣـﻦ اﻟـﺬﻳﻦ ﺣﴬوا أﺣـﺪ اﳌـﺆمتﺮات‬
‫اﻟﻌﻠﻤﻴﺔ ﳌﻌﺮﻓﺔ رأﻳﻬﻢ ﰲ ﺗﻨﻈﻴﻢ اﳌﺆمتﺮ‪ ،‬أو أن ﻳﺘﻢ إﺟﺮاء دراﺳﺔ ﻋﲆ اﻟﺬﻳﻦ أﺻﻴﺒﻮا ﰲ ﺣﺎدث ﻣﻌني ﳌﻌﺮﻓﺔ‬
‫اﻵﺛﺎر اﻟﻨﻔﺴﻴﺔ ﻟﻬﺬا اﻟﺤﺎدث ﻋﲆ ﻫﺆﻻء اﳌﺼﺎﺑني‪ ..‬ﻓﺎﻟﻌﻴﻨﺔ ﻫﻨﺎ ﻣﻘﺼﻮدة ﻛـام أﻧﻬـﺎ ﻣﻨﻄﻘﻴـﺔ‪ .‬ﻟﻜـﻦ ﻫﻨـﺎك‬
‫ﻋﻴﻨﺔ ﻣﻘﺼﻮدة ﻻﻋﺘﺒﺎرات ﻏري ﻋﻠﻤﻴﺔ‪ ،‬ﻛﺄن ﻳﺘﻌﻤﺪ اﻟﺒﺎﺣﺚ إﺟﺮاء اﻟﺪراﺳﺔ ﻋﲆ ﻋﻴﻨﺔ ﻣﻌﻴﻨﺔ ﺑﺴﺒﺐ ﺳـﻬﻮﻟﺔ‬
‫اﻟﻮﺻﻮل إﱃ اﻷﻓﺮاد‪ ،‬أو أﻧﻬﻢ ﻣﻮﺟﻮدون ﺑﺎﻟﻘﺮب ﻣﻦ اﻟﺒﺎﺣﺚ أو ﰲ اﳌﻜﺎن اﻟﺬي ﻳﻌﻤﻞ ﻓﻴﻪ‪ ،‬ﰲ ﻫﺬه اﻟﺤﺎﻟﺔ‬
‫ﻋﻠﻤﻴـﺎ‪ ،‬وﻻ ميﻜـﻦ ﺗﻌﻤﻴﻤﻬـﺎ ﻋـﲆ‬
‫ﺗﻜﻮن اﻟﻌﻴﻨﺔ ﻣﻘﺼﻮدة‪ ،‬ﻟﻜﻦ اﻟﻨﺘﺎﺋﺞ اﳌﺴـﺘﻤﺪة ﻣﻨﻬـﺎ ﻻ ﺗﻜـﻮن ﻣﻘﺒﻮﻟـﺔ ّ‬
‫اﳌﺠﺘﻤﻊ‪.‬‬

‫)ج( ﻋﻴﻨﺔ اﻟﺤﺼﺺ‪:‬‬

‫ﻳﻘﺼﺪ ﺑﻌﻴﻨﺔ اﻟﺤﺼﺺ )‪ (Quota Sample‬أن ﺗﺘﻀﻤﻦ اﻟﻌﻴﻨﺔ ً‬

‫ﻋـﺪدا ﻣـﻦ اﳌﻔـﺮدات ﺗﻨﺘﻤـﻲ إﱃ اﻟﻔﺌـﺎت‬
‫اﻟﺘﻲ ﺗﺸﻜﻞ ﻣﺠﺘﻤﻊ اﻟﺒﺤﺚ دون أي اﻋﺘﺒﺎر آﺧﺮ‪ ،‬ﻓﺈذا ﻛﺎن اﳌﺠﺘﻤـﻊ ﻳﻀـﻢ اﻟـﺬﻛﻮر واﻹﻧـﺎث‪ ،‬ﻓـﺈن اﻟﻌﻴﻨـﺔ‬
‫ﺗﺘﻀﻤﻦ ﻣﻔـﺮدات ﻣـﻦ اﻟـﺬﻛﻮر وﻣﻔـﺮدات أﺧـﺮى ﻣـﻦ اﻹﻧـﺎث دون أن ﻳـﺘﻢ اﺧﺘﻴـﺎر اﳌﻔـﺮدات ﺑﺎﻟﻄﺮﻳﻘـﺔ‬
‫اﻟﻌﺸﻮاﺋﻴﺔ‪ .‬اﻓﱰض أﻧﻚ ﺗﻘﻮم ﺑﺪراﺳﺔ ﻋﲆ ﻣﺠﺘﻤـﻊ ﺟـﺎﻣﻌﻲ ﻳﻀـﻢ ﻣﻠﻴـﻮن ﻣﻔـﺮدة‪ ،‬ﻳﺘﻮزﻋـﻮن ﺑـني ﻃـﻼب‬
‫اﻟﺘﺨﺼﺼﺎت اﻟﻌﻠﻤﻴﺔ ﺑﻮاﻗﻊ ﺳﺘامﺋﺔ أﻟﻒ‪ ،‬واﻟﺘﺨﺼﺼﺎت اﻷدﺑﻴﺔ ﺑﻮاﻗﻊ أرﺑﻌامﺋﺔ أﻟـﻒ‪ ،‬ﻛـام ﻳﺘـﻮزع ﻫـﺆﻻء‬
‫أﻳﻀــﺎ ﻟﻺﻧـﺎث‪ ،‬وﻳﺘﺴـﺎوى‬
‫اﻟﻄﻼب ﺣﺴﺐ اﻟﺠﻨﺲ ﺑﻮاﻗﻊ ﺧﻤﺴامﺋﺔ أﻟﻒ ﻟﻠﺬﻛﻮر‪ ،‬ﻣﻘﺎﺑﻞ ﺧﻤﺴـامﺋﺔ أﻟـﻒ ً‬
‫ﺗﻘﺮﻳﺒﺎ ﰲ اﻟﺘﺨﺼﺼـﺎت اﻟﻌﻠﻤﻴﺔ‪ ،‬وﻛﺬﻟﻚ ﰲ اﻟﺘﺨﺼﺼﺎت اﻷدﺑﻴﺔ‪ ،‬ﻓﺈذا ﻛﺎن ﺣﺠـﻢ اﻟﻌﻴﻨﺔ ﻗﺪ‬
‫ﻋﺪد اﻟﺠﻨﺴـني ً‬
‫ﺗﺤﺪد ﺑﺄﻟﻒ ﻣﻔﺮدة‪ ،‬ﻓﺈن ﻋﻴﻨﺔ اﻟﺤﺼﺺ )‪ (Quota Sample‬ﺗﺘﻮزع ﻛﺎﻵيت‪:‬‬

‫‪-394-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ ﺳﺘامﺋﺔ ﻣﻔﺮدة ﻣﻦ اﻟﺘﺨﺼﺼﺎت اﻟﻌﻠﻤﻴﺔ ﺑﻮاﻗﻊ ﺛﻼمثﺎﺋﺔ ﻣﻦ اﻟﺬﻛﻮر‪ ،‬وﺛﻼمثﺎﺋﺔ ﻣﻦ اﻹﻧﺎث‪.‬‬

‫ أرﺑﻌامﺋﺔ ﻣﻔﺮدة ﻣﻦ اﻟﺘﺨﺼﺼﺎت اﻷدﺑﻴﺔ ﺑﻮاﻗﻊ ﻣﺎﺋﺘني ﻣﻦ اﻟﺬﻛﻮر‪ ،‬وﻣﺎﺋﺘني ﻣﻦ اﻹﻧﺎث‪.‬‬

‫وﻳﺘﻢ إﺟﺮاء اﳌﻘﺎﺑﻼت ﻣﻊ اﻟﻌﺪد اﳌﻄﻠﻮب ﻣﻦ ﻛﻞ ﻓﺌﺔ دون اﻻﻟﺘﺰام ﺑﻌﺸﻮاﺋﻴﺔ اﻻﺧﺘﻴﺎر‪ ،‬ﻓﻜﻞ اﳌﻄﻠﻮب‬
‫ﻫﻮ أن ﺗﻀﻢ اﻟﻌﻴﻨﺔ »ﺣﺼﺔ« ﻣﻦ ﻛﻞ ﻓﺌﺔ ﺣﺴﺐ وﺟﻮدﻫﺎ ﰲ اﳌﺠﺘﻤـﻊ‪ .‬ﻻ ﺷـﻚ أن ﻫـﺬه اﻟﻄﺮﻳﻘـﺔ ﺗﺘﻤﻴـﺰ‬
‫ﺑﺎﻟﺴﻬﻮﻟﺔ‪ ،‬ﻛام ميﻜﻦ أن ﻳﺘﻮاﻓﺮ ﻓﻴﻬﺎ ﺑﻌﺾ اﻟﺪﻗﺔ إذا ﻛﺎﻧﺖ اﻟﻌﻴﻨﺔ ﺗﻀﻢ ﻣﺠﻤﻮﻋﺎت ﻣﻦ اﳌﻔـﺮدات ﺗﻌﻜـﺲ‬
‫وزن ﺗﻠﻚ اﳌﺠﻤﻮﻋﺎت ﰲ اﳌﺠﺘﻤﻊ ﻋﲆ أﺳﺎس أﻛﱪ ﻋﺪد ﻣﻤﻜـﻦ ﻣـﻦ اﳌﺘﻐـريات اﻟﺘـﻲ ﻳﺤﺘﻤـﻞ أن ﺗـﺆﺛﺮ ﰲ‬
‫اﻟﻈﺎﻫﺮة أو اﳌﻮﺿﻮع ﻣﺤﻞ اﻟﺒﺤﺚ‪ ،‬وﻋﲆ اﻟﺮﻏﻢ ﻣـﻦ ذﻟـﻚ ﻻ ميﻜـﻦ ﺗﻌﻤـﻴﻢ ﻧﺘـﺎﺋﺞ ﻋﻴﻨـﺔ اﻟﺤﺼـﺺ ﻋـﲆ‬
‫اﳌﺠﺘﻤﻊ ﻷﻧﻬﺎ ﺗﻔﺘﻘﺪ ﴍط ﻋﺸﻮاﺋﻴﺔ اﻻﺧﺘﻴﺎر‪ ،‬مبﻌﻨﻰ أﻧﻪ مل ﺗﺘﺢ اﻟﻔﺮص اﳌﺘﺴﺎوﻳﺔ ﻟﻜـﻞ ﻣﻔـﺮدات اﳌﺠﺘﻤـﻊ‬
‫ﻟﺘﻜﻮن ﺿﻤﻦ اﻟﻌﻴﻨﺔ‪.‬‬

‫أﺧـ ًريا‪ ،‬ﺗﺠﺪر اﻹﺷﺎرة إﱃ أن اﻟﻌﻴﻨﺎت ‪ -‬ﺳﻮاء ﻛﺎﻧﺖ ﻋﺸﻮاﺋﻴﺔ أو ﻏري ﻋﺸـﻮاﺋﻴﺔ‪ -‬ميﻜـﻦ ﺗﻄﺒﻴﻘﻬــﺎ ﻋـﲆ‬
‫أﺷﺨـﺎﺻﺎ‪ ،‬ﻛﻤـﺎ ﻗﺪ ﺗﻜﻮن‬
‫ً‬ ‫اﳌﻔـﺮدات ﺑﻮﺟﻪ ﻋﺎم )وﻟﻴﺲ ﻓﻘﻂ ﻋﲆ اﻷﻓﺮاد(‪ ،‬ﻓﺎﳌﻔﺮدات )‪ (Subjects‬ﻗﺪ ﺗﻜﻮن‬
‫ﻣﻨﺎﻃﻖ أو ﺷﻮارع‪ ،‬أو ﻗﺮي أو ﻏري ذﻟﻚ ﻣﻦ اﻷﻣﺎﻛـﻦ‪ ،‬ﻛام أن اﳌﻔﺮدات ﻗـﺪ ﺗﻜﻮن ﻣﺆﺳﺴﺎت أو ﻣـﺪارس أو‬
‫ﻓﺼـﻮﻻ ﻣﺪرﺳﻴﺔ‪ ...‬إﻟﺦ‪ .‬وﰲ ﻣﺠﺎل اﻻﺗﺼﺎل‪ ،‬ﻓﺈن اﳌﻔﺮدات ﻗـﺪ ﺗﻜﻮن أﺧﺒﺎ ًرا أو ﻧﴩات إﺧﺒﺎرﻳـﺔ‪ ،‬أو ﺑـﺮاﻣﺞ‬
‫ً‬
‫أو ﻣﺴﻠﺴﻼت أو ﻗﻨﻮات إذاﻋﻴﺔ وﺗﻠﻴﻔﺰﻳـﻮﻧﻴﺔ أو ﺻﺤﻔًﺎ‪ ،‬أو ﻣﻘﺎﻻت ﺻﺤﻔﻴﺔ أو إﻋﻼﻧﺎت‪ ...‬إﻟﺦ‪ ،‬وﺑﻮﺟﻪ ﻋﺎم‬
‫ميﻜﻦ ﺗﻄﺒﻴﻖ إﺟﺮاءات اﳌﻌﺎﻳﻨﺔ أﻳّﺎ ﻛﺎﻧﺖ ﻃﺒﻴﻌﺔ اﳌﻔﺮدات‪.‬‬

‫‪-395-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫اﳌﺒﺤﺚ اﻟﺜﺎﻟﺚ‬

‫ﺧﻄﺄ اﳌﻌﺎﻳﻨﺔ‬

‫إن ﻋﻼﻗﺔ اﻟﻌﻴﻨﺔ ﺑﺎﳌﺠﺘﻤﻊ اﻟﺬي ﺳﺤﺒﺖ ﻣﻨﻪ ﺗﻌﺘﻤـﺪ ﻋـﲆ ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ وﻃﺮﻳﻘـﺔ اﺧﺘﻴﺎرﻫـﺎ‪ .‬اﻟﻌﻴﻨـﺔ‬
‫ً‬
‫ﺻـﺎدﻗﺎ‪ ،‬وﺗﻘـﱰب اﻟﻌﻴﻨـﺔ ﻣـﻦ اﻷﺻـﻞ اﻟـﺬي‬ ‫متﺜـﻴﻼ‬
‫اﻟﺼﺤﻴﺤﺔ ﻫﻲ اﻟﺘﻲ متﺜﻞ اﳌﺠﺘﻤﻊ اﻟﺬي ﺳـﺤﺒﺖ ﻣﻨـﻪ ً‬
‫ﺳﺤﺒﺖ ﻣﻨﻪ‪ ،‬ﻛﻠام اﻗﱰﺑﺖ ﻣﻘﺎﻳﻴﺴﻬﺎ اﻹﺣﺼﺎﺋﻴﺔ ﻣﻦ ﻣﻘﺎﻳﻴﺲ ذﻟـﻚ اﻷﺻـﻞ‪ ،‬ﻋـﲆ ﺳـﺒﻴﻞ اﳌﺜـﺎل‪ ،‬ﻧﻔـﺮض أن‬
‫ﻣﺠﺘﻤﻌﺎ ﻳﻀﻢ ‪ 30‬ﻣﻠﻴﻮن ﺷﺨﺺ ﺗﱰاوح أﻋامرﻫﻢ ﻣﺎ ﺑني ‪ 20‬ﺳﻨﺔ إﱃ ‪ 90‬ﺳﻨﺔ‪ ،‬وﻛﺎن ﻣﺘﻮﺳﻂ اﻟﻌﻤـﺮ‬
‫ً‬ ‫ﻟﺪﻳﻨﺎ‬
‫ﻟﻬﺬا اﳌﺠﺘﻤﻊ ﻫﻮ ‪ 65‬ﺳﻨﺔ‪ ،‬وﻣﻦ ﻫﺬا اﳌﺠﺘﻤﻊ ﺳﺤﺒﻨﺎ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻗﻮاﻣﻬﺎ ‪ 400‬ﺷﺨﺺ‪ ،‬وﺣﺴﺒﻨﺎ ﻣﺘﻮﺳﻂ‬
‫اﻟﺴﻦ ﻟﻬﺬه اﻟﻌﻴﻨﺔ‪ ،‬وﺑﺎﺳﺘﺨﺪام اﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ ميﻜﻦ اﳌﻘﺎرﻧﺔ ﺑني ﻣﺘﻮﺳﻂ اﻷﻋامر ﰲ اﻟﻌﻴﻨـﺔ وﻣﺘﻮﺳـﻂ‬
‫اﻷﻋامر ﰲ اﳌﺠﺘﻤﻊ‪ ،‬ﻓﺈذا ﺗﺒني أﻧﻪ ﻻ ﺗﻮﺟﺪ ﻓﺮوق ﺟﻮﻫﺮﻳﺔ ﺑـني اﳌﺘﻮﺳـﻄني‪ ،‬ﻓـﺈن ﻫـﺬا ﻳﻌﻨـﻲ أن ﻣﺘﻮﺳـﻂ‬
‫ً‬
‫اﺧﺘﻼﻓﺎ ﺟﻮﻫﺮﻳّﺎ ﻋﻦ ﻣﺘﻮﺳﻂ اﻷﻋامر ﰲ اﳌﺠﺘﻤـﻊ اﻟـﺬي ﺳـﺤﺒﺖ ﻣﻨـﻪ‪ ،‬وﰲ ﻫـﺬه‬ ‫أﻋامر اﻟﻌﻴﻨﺔ ﻻ ﻳﺨﺘﻠﻒ‬
‫ً‬
‫ﺻﺎدﻗﺎ ﻣﻦ ﺣﻴﺚ اﻟﺴﻦ )وﻣﻦ اﻟﻀــﺮوري ﻫﻨـﺎ أﺧـﺬ ﻣﺘﻐـريات‬ ‫متﺜﻴﻼ‬
‫اﻟﺤﺎﻟﺔ ﺗﻜﻮن اﻟﻌﻴﻨﺔ ﻣﻤﺜﻠﺔ ﻟﻠﻤﺠﺘﻤﻊ ً‬
‫أﺧﺮى ﰲ اﻻﻋﺘﺒﺎر ﻣﺜﻞ اﻟﺠﻨﺲ وﻣﻨﻄﻘﺔ اﻹﻗﺎﻣﺔ‪ ...‬إﻟﺦ(‪.‬‬

‫ﻋﺸﻮاﺋﻴﺎ ﻻ ﺗﻜﻮن ﻣﻤﺜﻠﺔ ﻟﻠﻤﺠﺘﻤـﻊ ﻣﺎﺋـﺔ‬

‫ّ‬ ‫وﻋﲆ اﻟﺮﻏﻢ ﻣﻦ ذﻟﻚ‪ ،‬ﻓﺈن اﻟﻌﻴﻨﺔ ﻣﻬام ﻛﺎﻧﺖ دﻗﺔ اﺧﺘﻴﺎرﻫﺎ‬
‫ﺑﺎﳌـــﺎﺋﺔ‪ ،‬وﻟــﺬﻟﻚ ﻫﻨــﺎك ﻣــﺎ ﻳﻌــﺮف ﺑﺨﻄــﺄ اﳌﻌﺎﻳﻨــﺔ )‪ (Sampling Error‬واﻟــﺬي ﻳــﻨﻌﻜﺲ ﻋــﲆ اﳌﻘــﺎﻳﻴﺲ‬
‫اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﻲ ﺗﺠﺮي ﻋﲆ اﻟﺒﻴﺎﻧﺎت اﳌﺄﺧﻮذة ﻣﻦ اﻟﻌﻴﻨﺔ‪ ،‬ﺑﺤﻴﺚ ﺗﺄيت ﻣﺨﺘﻠﻔﺔ ﺑﻌﺾ اﻟﴚء ﻋـﻦ اﳌﺠﺘﻤـﻊ‪.‬‬
‫إن ذﻟﻚ ﻳﻨﻄﺒﻖ ﻋﲆ ﻛﺎﻓﺔ اﳌﻘﺎﻳﻴﺲ اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬وﺳﻮف ﻧﻮﺿﺢ ﻫﻨﺎ ﺛﻼﺛﺔ أﻣﺜﻠﺔ ﻓﻘﻂ ﻫﻲ‪ :‬اﻟﺨﻄﺄ اﳌﻌﻴـﺎري‬
‫ﻟﻠﻤﺘﻮﺳﻂ‪ ،‬واﻟﺨﻄﺄ اﳌﻌﻴﺎري ﻟﻠﻨﺴﺒﺔ‪ ،‬واﻟﺨﻄﺄ اﳌﻌﻴﺎري ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪:‬‬

‫ً‬
‫أوﻻ‪ :‬اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﻟﻠﻤﺘﻮﺳﻂ‬

‫ﻳﺘﻢ ﺣﺴﺎب اﻟﺨﻄﺄ اﳌﻌﻴـﺎري ﻟﻠﻤﺘﻮﺳـﻂ اﻟﺤﺴـﺎيب ﻟﻠﻌﻴﻨـﺔ ‪ X‬مبﻌﻠﻮﻣﻴـﺔ اﻻﻧﺤـﺮاف اﳌﻌﻴـﺎري وﺣﺠـﻢ‬
‫اﻟﻌﻴﻨﺔ وذﻟﻚ مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫‪-396-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫‪ω‬‬
‫‪ϥb‬‬

‫ﻓﺈذا ﻛﺎن ﻟﺪﻳﻨﺎ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻗﻮاﻣﻬﺎ ‪ 400‬ﺷﺨﺺ‪ ،‬وﻃﺒﻘﻨـﺎ ﻋﻠﻴﻬـﺎ ﻣﻘﻴـﺎس اﺳـﺘﺨﺪام وﺳـﺎﺋﻞ اﻹﻋـﻼم‪،‬‬
‫وﺗﺒني أن ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻋـﲆ ﻫـﺬا اﳌﻘﻴـﺎس ‪ 8.7‬درﺟـﺔ ﺑـﺎﻧﺤﺮاف ﻣﻌﻴـﺎري ﻫـﻮ ‪ 3.6‬ﻓـﺈن اﻟﺨﻄـﺄ‬
‫اﳌﻌﻴﺎري ﻟﻠﻤﺘﻮﺳﻂ )ع م( ﻳﻜﻮن‪:‬‬

‫ع م = ‪0.18 = 3.6‬‬
‫‪400 b‬‬

‫ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﳌﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻫﻲ ‪ ،0.18‬ﻓﺈن ﺣﺪود ﻫﺬا اﳌﺘﻮﺳﻂ ﻫﻲ‪:‬‬

‫اﻟﺤﺪ اﻷدىن = اﳌﺘﻮﺳﻂ ‪ -‬اﻟﺨﻄﺄ اﳌﻌﻴﺎري = ‪8.52 = 0.18 - 8.7‬‬

‫اﻟﺤﺪ اﻷﻋﲆ = اﳌﺘﻮﺳﻂ ‪ +‬اﻟﺨﻄﺄ اﳌﻌﻴﺎري = ‪8.88 = 0.18 + 8.7‬‬

‫أي أن اﻟﻘﻴﻤﺔ اﻟﻌﺪدﻳﺔ ﳌﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ متﺘﺪ ﻣﻦ ‪ 8.52‬إﱃ ‪8.88‬‬

‫ﺗﻘﺪﻳﺮ ﻣﺘﻮﺳﻂ اﻟﻈﺎﻫﺮة ﰲ اﳌﺠﺘﻤﻊ‪:‬‬

‫ميﻜﻦ ﺗﻘﺪﻳﺮ ﻗﻴﻤﺔ ‪ µ‬مبﻌﻨﻰ ﻣﺘﻮﺳﻂ اﻟﻈﺎﻫﺮة ﰲ اﳌﺠﺘﻤﻊ وذﻟﻚ ﺑﺎﻻﺳﺘﻔﺎدة ﻣﻦ اﳌﻌﻄﻴـﺎت اﻟﺴـﺎﺑﻘﺔ‪،‬‬
‫ﻓﻤﻊ اﻓﱰاض ﻋﺸـﻮاﺋﻴﺔ اﻟﻌﻴﻨـﺔ واﻋﺘﺪاﻟﻴـﺔ اﻟﺘﻮزﻳـﻊ اﻟﺘﻜـﺮاري‪ ،‬ﻓـﺈن اﳌﺴـﺎﺣﺔ اﳌﺤﺼـﻮرة ﺑـني ‪ -‬ع و ‪+‬ع‬
‫ﺗﺴﺎوي ‪ %68‬أي أن اﳌﺴﺎﺣﺔ اﳌﺘﺒﻘﻴﺔ ﺗﺴﺎوي ‪ %32‬أي أن ﻧﺴﺒﺔ اﳌﺴـﺎﺣﺔ اﳌﺤﺼـﻮرة إﱃ ﻧﺴـﺒﺔ اﳌﺴـﺎﺣﺔ‬
‫اﳌﺘﺒﻘﻴﺔ ﻫﻲ ‪ 2‬إﱃ ‪ 1‬وﻫﻨﺎ ميﻜﻦ ﺗﻘﺮﻳﺮ أن ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺠﺘﻤﻊ ﻳﻘﻊ ﰲ اﳌـﺪى )ﻣـﻦ ‪ 8.25‬إﱃ ‪(8.88‬‬
‫ﺑﺪرﺟﺔ ﺛﻘﺔ ‪ 2‬ودرﺟﺔ ﺷﻚ ‪ ،1‬ﻏري أﻧﻨﺎ ميﻜﻨﻨﺎ زﻳﺎدة درﺟﺔ اﻟﺜﻘﺔ إﱃ ‪ %95‬وإﻧﻘـﺎص درﺟـﺔ اﻟﺸـﻚ إﱃ ‪%5‬‬
‫إذا ﴐﺑﻨﺎ اﻟﺨﻄـﺄ اﳌﻌﻴـﺎري ﰲ ‪) 1.96‬ﻷن اﳌﺴـﺎﺣﺔ اﳌﻌﻴﺎرﻳـﺔ اﳌﺤﺼـﻮرة ﺑـني ‪ 1.96-‬إﱃ ‪ 1.96 +‬اﻧﺤـﺮاف‬
‫ﻣﻌﻴﺎري ﺗﺴﺎوي ‪ 0.95‬ﻣﻦ اﳌﺴﺎﺣﺔ اﻟﻜﻠﻴﺔ ﻟﻠﻤﻨﺤﻨﻰ اﻻﻋﺘﺪاﱄ اﳌﻌﻴﺎري(‪.‬‬

‫‪-397-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫وﰲ اﳌﺜﺎل اﻟﺴﺎﺑﻖ‪ ،‬ﻓﺈن ﻣﺘﻮﺳﻂ درﺟﺔ اﻟﻌﻴﻨﺔ ﻫـﻮ ‪ 8.7‬ومبـﺎ أن اﻟﺨﻄـﺄ اﳌﻌﻴـﺎري ﻳﺴـﺎوي ‪ 0.18‬ﻓـﺈن‬
‫اﳌﺪى اﻟﺬي ﻳﻘﻊ ﻓﻴﻪ ﻣﺘﻮﺳﻂ درﺟﺔ اﳌﺠﺘﻤﻊ اﻟﺬي ﺳﺤﺒﺖ ﻣﻨﻪ اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﳌﺬﻛﻮرة ﻳﺴﺎوي ‪8.7‬‬
‫‪ (1.96× 0.18) r‬أي‬

‫‪0.3528 r 8.7‬‬

‫أي أن اﳌﺪى اﻟﺬي ﻳﻘﻊ ﻓﻴﻪ ﻣﺘﻮﺳﻂ اﳌﺠﺘﻤﻊ اﻟﺬي ﺳﺤﺒﺖ ﻣﻦ اﻟﻌﻴﻨـﺔ اﳌـﺬﻛﻮرة ميﺘـﺪ ﻣـﻦ ‪8.3472‬‬
‫إﱃ ‪ 9.0528‬وذﻟﻚ ﺑﺪرﺟﺔ ﺛﻘﺔ ‪ 0.95‬أﻣﺎ إذا اﺳﺘﺨﺪﻣﻨﺎ درﺟﺔ اﻟﺜﻘﺔ ‪ 0.99‬ﻓﺈن ﻫﺬا اﳌﺪى ﻳﻜﻮن‪:‬‬

‫‪ (2.58 × 0.18) r 8.7‬أي‪:‬‬

‫‪0.4644 r 8.7‬‬

‫أي أن اﳌﺪى اﻟﺬي ﻳﻘﻊ ﻓﻴﻪ ﻣﺘﻮﺳﻂ اﳌﺠﺘﻤﻊ اﻟﺬي ﺳﺤﺒﺖ ﻣﻦ اﻟﻌﻴﻨﺔ اﳌﺬﻛﻮرة ميﺘﺪ ﻣـﻦ ‪ 8.2356‬إﱃ‬
‫‪ 9.1644‬ﺑﺪرﺟﺔ ﺛﻘﺔ ‪0.99‬‬

‫ﺛﺎﻧﻴﺎ‪ :‬اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﻟﻠﻨﺴﺒﺔ‬

‫ً‬
‫ﺛـﻢ ﺗﻘـﺪﻳﺮ اﳌـﺪى‬
‫ميﻜﻦ ﺣﺴﺎب اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﻟﻠﻨﺴﺒﺔ اﻟﺘﻲ ﺣﺼﻠﻨﺎ ﻋﻠﻴﻬﺎ ﻣﻦ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ؛ وﻣﻦ ّ‬
‫اﻟﺼﺤﻴﺢ اﻟﺬي ﺗﻘﻊ ﻓﻴﻪ ﺗﻠﻚ اﻟﻨﺴﺒﺔ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﻟﺪﻳﻨﺎ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻗﻮاﻣﻬﺎ ‪ 500‬ﻣﻔـﺮدة‪ ،‬وﺗﺒـني أن ‪%37‬‬
‫ﻣﻌﻴﻨﺎ‪ ،‬وميﻜﻦ ﺣﺴـﺎب ﻫـﺬا اﻟﺨﻄـﺄ )اﻟﺨﻄـﺄ‬
‫ﻣﻦ اﻟﻌﻴﻨﺔ ﻳﻘﺮؤون اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ‪ ،‬ﻓﺈن ﻟﻬﺬه اﻟﻨﺴﺒﺔ ﺧﻄﺄ ً‬
‫اﳌﻌﻴﺎري ﻟﻠﻨﺴﺒﺔ( مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ‪:‬‬

‫اﻟﻨﺴﺒﺔ )‪ -1‬اﻟﻨﺴﺒﺔ(‬
‫‪åååååååååååååååååååå‬‬
‫ﻋﺪد اﻷﻓﺮاد‬

‫‪-398-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫وﺑﺘﻄﺒﻴﻖ ﻫﺬه اﳌﻌﺎدﻟﺔ ﻋﲆ اﳌﺜﺎل اﳌﺬﻛﻮر ﻳﻜﻮن‪:‬‬

‫‪(0.37 - 1)0.37‬‬
‫‪500‬‬ ‫‪b‬‬
‫أي‬

‫‪0.02 = 0.63 u0.37‬‬

‫‪500‬‬ ‫‪b‬‬
‫أي أﻧﻪ إذا ﻛﺎﻧﺖ ﻧﺴﺒﺔ ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﻣﻦ واﻗﻊ ﺑﺤﺚ اﻟﻌﻴﻨﺔ ﻫﻲ ‪ %37‬ﻓﺈن اﻟﺨﻄﺄ اﳌﻌﻴـﺎري‬
‫ﻟﻬﺬه اﻟﻨﺴﺒﺔ ﻫﻮ ‪ %2‬وﻋﲆ ذﻟﻚ ﻓﺈن اﻟﻨﺴﺒﺔ اﳌﺼﺤﺤﺔ ﺗﱰاوح ﻣﺎﺑني ‪ %35‬إﱃ ‪%39‬‬

‫ﺗﻘﺪﻳﺮ ﻧﺴﺒﺔ اﻟﻈﺎﻫﺮة ﰲ اﳌﺠﺘﻤﻊ‪:‬‬

‫ﰲ اﳌﺜﺎل اﻟﺴﺎﺑﻖ‪ ،‬إذا ﻛﺎن اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﻟﻠﻨﺴﺒﺔ ﻫﻮ ‪ %2‬وﻣـﻊ اﻓـﱰاض ﻋﺸـﻮاﺋﻴﺔ اﻟﻌﻴﻨـﺔ واﻋﺘﺪاﻟﻴـﺔ‬
‫اﻟﺘﻮزﻳﻊ اﻟﺘﻜﺮاري‪ ،‬ﻓﺈﻧﻪ ﻣﻦ واﻗـﻊ اﻟﻨﺴـﺒﺔ ﰲ اﻟﻌﻴﻨـﺔ )‪ (P‬ميﻜﻨﻨـﺎ ﺗﻘـﺪﻳﺮ ‪) S‬ﺑـﺎي( مبﻌﻨـﻰ ﻧﺴـﺒﺔ ﻗـﺮاءة‬
‫اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﰲ اﳌﺠﺘﻤﻊ ﺳﻮاء مبﺴﺘﻮى ﺛﻘﺔ ‪ 0.95‬أو ‪ 0.99‬ﻓﺈذا اﺗﺨﺬﻧﺎ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ 0.95‬ﻓﺈن ﺗﻘﺪﻳﺮ‬
‫اﻟﻨﺴﺒﺔ ﰲ اﳌﺠﺘﻤﻊ ﻳﻜﻮن‪:‬‬

‫ﺗﻘﺮﻳﺒﺎ‬
‫‪ً 0.04 = 1.96 × 0.02‬‬
‫وﺣﻴﺚ إن اﻟﻨﺴﺒﺔ اﳌﺴﺘﻤﺪة ﻣﻦ اﻟﻌﻴﻨﺔ ﻫﻲ ‪ %37‬ﻓﺈن اﻟﺤﺪ اﻷدىن ﻟﻠﻨﺴﺒﺔ اﳌﺠﺘﻤﻊ ﻫﻮ ‪0.04 - 0.37‬‬
‫= ‪ %33‬ﺑﻴﻨام ﻳﻜﻮن اﻟﺤﺪ اﻷﻋﲆ ﻟﻠﻨﺴﺒﺔ ﰲ اﳌﺠﺘﻤﻊ ﻫﻮ ‪%41 = 0.04 + 0.37‬‬

‫أي أن ﻧﺴﺒﺔ ﻗﺮاءة اﻟﺼﺤﻒ ﰲ اﳌﺠﺘﻤﻊ ﺗﻘﺪر ﻣﺎ ﺑني ‪ %33‬إﱃ ‪ %41‬مبﺴﺘﻮى ﺛﻘﺔ ‪0.95‬‬

‫أﻣﺎ إذا اﺗﺨﺬﻧﺎ ﻣﺴﺘﻮى اﻟﺜﻘﺔ ‪ 0.99‬ﻓﺈن ﺗﻘﺪﻳﺮ اﻟﻨﺴﺒﺔ ﰲ اﳌﺠﺘﻤﻊ ﻳﻜﻮن‪:‬‬

‫ﺗﻘﺮﻳﺒﺎ‬
‫ً‬ ‫‪0.05 = 2.58 × 0.02‬‬

‫‪-399-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﻓﺈذا ﻛﺎﻧﺖ ﻧﺴﺒﺔ ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ ﻣﻦ واﻗﻊ ﺑﺤﺚ اﻟﻌﻴﻨﺔ ﻫﻲ ‪ %37‬ﻓﺈن اﻟﺤﺪ اﻷدىن ﻟﻠﻨﺴﺒﺔ ﰲ‬
‫اﳌﺠﺘﻤﻊ ﻫﻮ ‪ ، %32 = 0.05 – 0.37‬أﻣﺎ اﻟﺤﺪ اﻷﻋﲆ ﻟﻠﻨﺴﺒﺔ ﰲ اﳌﺠﺘﻤﻊ ﻓﻬﻮ ‪%42 = 0.05 + 0.37‬؛ أي‬
‫أن ﻧﺴﺒﺔ ﻗﺮاءة اﻟﺼﺤﻒ ﰲ اﳌﺠﺘﻤﻊ ﺗﱰاوح ﻣﺎ ﺑني ‪ %32‬إﱃ ‪ %42‬وذﻟﻚ مبﺴﺘﻮى ﺛﻘﺔ ‪0.99‬‬

‫ﺛﺎﻟ ًﺜﺎ‪ :‬اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط‬

‫ﺗﺘﻌﺪد ﺻﻴﻎ ﺣﺴﺎب اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪ ،‬ﻏري أن ﻣﺎ ﻳﻌﻨﻴﻨﺎ ﰲ ﻫﺬه اﻟﺠﺰﺋﻴـﺔ ﻫـﻮ ﺣﺴـﺎب‬
‫اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺬﻳﻦ ﻳﻘﻊ ﺑـني اﻟﺤـﺪﻳﻦ اﳌﺘﻄـﺮﻓني ﻟﻠﺼـﻔﺮ واﻟﻮاﺣـﺪ اﻟﺼـﺤﻴﺢ‪ ،‬ﰲ ﻫـﺬه‬
‫اﻟﺤﺎﻟﺔ ﻳﺘﻢ ﺣﺴﺎب اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط مبﻮﺟﺐ اﳌﻌﺎدﻟﺔ اﻵﺗﻴﺔ‪:‬‬

‫‪2‬‬
‫= ‪έ-1‬‬
‫‪ϥb‬‬

‫ﻓﺈذا ﻛﺎن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني ﻗﺮاءة اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ واﺳـﺘﺨﺪام اﻹﻧﱰﻧـﺖ = ‪ 0.6‬وذﻟـﻚ ﻣـﻦ واﻗـﻊ‬
‫دراﺳﺔ ﻋﲆ ﻋﻴﻨﺔ ﻋﺸﻮاﺋﻴﺔ ﻗﻮاﻣﻬﺎ )‪ (400‬ﻣﻔﺮدة‪ ،‬ﻓﺈن اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻳﻜﻮن‪:‬‬

‫‪2‬‬
‫ر = ‪0.032 = (0.6) - 1‬‬
‫‪ϥb‬‬

‫أي أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻳﱰاوح ﺑني ‪0.032 ± 0.6‬‬

‫وﻳﻜﻮن اﻟﺤﺪ اﻷدىن ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط = ‪0.568 = 0.032 – 0.6‬‬

‫ﰲ ﺣني أن اﻟﺤﺪ اﻷﻋﲆ ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط = ‪0.632 = 0.032 + 0.6‬‬

‫أي أن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴﺔ واﺳﺘﺨﺪام اﻹﻧﱰﻧﺖ )ﰲ اﻟﻌﻴﻨـﺔ( ﺗـﱰاوح ﻣـﺎ‬
‫ﺑني )‪ (0.568‬إﱃ )‪(0.632‬‬

‫‪-400-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﺗﻘﺪﻳﺮ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني اﻟﻈﺎﻫﺮﺗني ﰲ اﳌﺠﺘﻤﻊ‪:‬‬

‫مبﻮﺟﺐ ﻣﻌﺮﻓﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني اﻟﻈﺎﻫﺮﺗني ﻣﻦ واﻗﻊ ﻋﻴﻨﺔ اﻟﺪراﺳﺔ‪ ،‬ميﻜﻦ ﺗﻘﺪﻳﺮ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط‬
‫ﺑني اﻟﻈﺎﻫﺮﺗني ﰲ اﳌﺠﺘﻤﻊ اﻷﺻﻞ‪ ،‬ﻓﻔﻲ اﳌﺜﺎل اﻟﺴﺎﺑﻖ ﺗﺒـني ﻣـﻦ دراﺳـﺔ اﻟﻌﻴﻨـﺔ أن ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط ﺑـني‬
‫ﻗﺮاءة اﻟﺼﺤﻒ اﻟﻴﻮﻣﻴـﺔ واﺳـﺘﺨﺪام اﻹﻧﱰﻧـﺖ ﻫـﻮ )‪ ،(0.6‬وﻛـﺎن اﻟﺨﻄـﺄ اﳌﻌﻴـﺎري ﳌﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط ﻫـﻮ‬
‫)‪ (0.032‬ﻓﺈذا أراد اﻟﺒﺎﺣﺚ ﺗﻘﺪﻳﺮ ﻫﺬا اﻻرﺗﺒﺎط ﰲ اﳌﺠﺘﻤﻊ اﻷﺻﻞ‪ ،‬ﻓﺈﻧﻪ ﻳﺘﺒﻊ اﻹﺟﺮاءات ﻧﻔﺴﻬﺎ ﰲ ﺗﻘـﺪﻳﺮ‬
‫اﻟﻨﺴﺒﺔ أو اﳌﺘﻮﺳﻂ ﺳﻮاء ﺑﺪرﺟﺔ ﺛﻘﺔ )‪ (0.95‬أو ﺑﺪرﺟﺔ ﺛﻘﺔ )‪(0.99‬‬

‫ﻓﺈذا ﺗﻢ اﺳﺘﺨﺪام درﺟﺔ اﻟﺜﻘﺔ )‪ ،(0.95‬ﻳﺘﻢ ﴐب اﻟﺨﻄﺄ اﳌﻌﻴﺎري ﰲ ‪ 1.96‬أي‪:‬‬

‫‪0.063 = 1.96 × 0.032‬‬
‫وﺑﺎﻟﺘﺎﱄ ﺗﱰاوح ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻣﺎ ﺑني ‪0.063 ±0.6‬‬
‫أي أن اﻟﺤﺪ اﻷدىن ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط = ‪0.537 = 0.063 – 0.6‬‬
‫ﰲ ﺣني أن اﻟﺤﺪ اﻷﻋﲆ ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط = ‪0.663 = 0.063 + 0.6‬‬
‫أي أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني ﻗﺮاءة اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ واﺳـﺘﺨﺪام اﻹﻧﱰﻧـﺖ ﰲ اﳌﺠﺘﻤـﻊ اﻷﺻـﻞ ﺗـﱰاوح‬
‫ﻗﻴﻤﺘﻪ ﻣﺎ ﺑني ‪ 0.537‬إﱃ ‪ 0.663‬ﺑﺪرﺟﺔ ﺛﻘﺔ ‪0.95‬‬
‫أﻣﺎ إذا اﺳﺘﺨﺪﻣﻨﺎ درﺟﺔ اﻟﺜﻘﺔ ‪ ،0.99‬ﻓﺈن‬
‫‪0.083 = 2.58 × 0.032‬‬
‫وﺑﺎﻟﺘﺎﱄ ﺗﱰاوح ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني ‪0.083 ± 0.6‬‬
‫أي أن اﻟﺤﺪ اﻷدىن ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط = ‪0.517 = 0.083 – 0.6‬‬
‫أﻣﺎ اﻟﺤﺪ اﻷﻋﲆ ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط = ‪0.683 = 0.083 + 0.6‬‬
‫أي أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﺑني ﻗﺮاءة اﻟﺼـﺤﻒ اﻟﻴﻮﻣﻴـﺔ واﺳـﺘﺨﺪام اﻹﻧﱰﻧـﺖ ﰲ اﳌﺠﺘﻤـﻊ اﻷﺻـﻞ ﺗـﱰاوح‬
‫ﻗﻴﻤﺘﻪ ﻣﺎ ﺑني ‪ 0.517‬إﱃ ‪ 0.683‬ﺑﺪرﺟﺔ ﺛﻘﺔ ‪0.99‬‬

‫‪-401-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﺧﻼﺻﺔ اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫‪ -‬ﺗﻨﺎول ﻫﺬا اﻟﻔﺼﻞ ً‬

‫ﴍﺣﺎ ﻟﻠﻌﻴﻨﺎت ﰲ اﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‪ ،‬ﻣﻊ اﻟﱰﻛﻴﺰ ﻋﲆ اﳌﻨﻈﻮر اﻹﺣﺼﺎيئ‪ ،‬وﺗـﺘﻠﺨﺺ‬
‫اﻷﻓﻜﺎر اﻷﺳﺎﺳﻴﺔ ﻓﻴام ﻳﲇ‪:‬‬

‫‪ -‬اﻟﻌﻴﻨﺔ )‪ (Sample‬ﻫﻲ ﺟﺰء ﻣﻦ اﳌﺠﺘﻤﻊ ﺗﺘﻮاﻓﺮ ﻓﻴﻪ ﺧﺼﺎﺋﺺ ﻫﺬا اﳌﺠﺘﻤـﻊ‪ ،‬واﻟﺤﻜﻤـﺔ ﻣـﻦ إﺟـﺮاء‬
‫اﻟﺪراﺳﺔ ﻋﲆ اﻟﻌﻴﻨﺔ ﺗﺘﻤﺜﻞ ﰲ أﻧﻪ ﰲ ﻛﺜـري ﻣـﻦ اﻷﺣﻴـﺎن ﻳﺴـﺘﺤﻴﻞ إﺟـﺮاء اﻟﺪراﺳـﺔ ﻋـﲆ اﳌﺠﺘﻤـﻊ‪،‬‬
‫وﺑﺎﻟﺘﺎﱄ ﻳـﺘﻢ اﺧﺘﻴـﺎر ﻋﻴﻨـﺔ ﻣﺤـﺪودة ودراﺳـﺘﻬﺎ ﺑﻬـﺪف اﻟﺘﻮﺻـﻞ إﱃ ﻧﺘـﺎﺋﺞ ميﻜـﻦ ﺗﻌﻤﻴﻤﻬـﺎ ﻋـﲆ‬
‫ﻣﻤﻜﻨﺎ‪ ،‬إذا ﻛﺎﻧﺖ ﺧﺼﺎﺋﺺ اﻟﻌﻴﻨﺔ متﺜﻞ ﺧﺼﺎﺋﺺ اﳌﺠﺘﻤـﻊ ﻣـﻦ ﺣﻴـﺚ أﻛـﱪ‬
‫اﳌﺠﺘﻤﻊ‪ .‬وﻳﺼﺒﺢ ذﻟﻚ ً‬
‫ﻋﺪد ﻣﻤﻜﻦ ﻣﻦ اﳌﺘﻐريات‪ ،‬ﺧﺎﺻـﺔ اﳌﺘﻐـريات اﻟﺘـﻲ ﻳﺤﺘﻤـﻞ أن ﺗـﺆﺛﺮ ﰲ اﻟﻈـﺎﻫﺮة ﻣﺤـﻞ اﻟﺒﺤـﺚ‪.‬‬
‫واﻟﻌﻴﻨﺎت ﰲ اﻟﺒﺤﻮث اﻟﻌﻠﻤﻴﺔ ﻳﻔﱰض أن ﺗﻜﻮن ﻣﻤﺜﻠﺔ ﻟﻠﻤﺠﺘﻤﻊ؛ ﺣﺘﻰ ميﻜﻦ ﺗﻌﻤﻴﻢ ﻧﺘﺎﺋﺞ اﻟﺒﺤﺚ‪.‬‬

‫‪ -‬ﻳﻘﺼﺪ ﺑﺤﺠﻢ اﻟﻌﻴﻨﺔ ﻋﺪد اﳌﻔﺮدات اﻟﺘﻲ ﺳﺘﺠﺮى ﻋﻠﻴﻬﺎ اﻟﺪراﺳﺔ‪ ،‬وﻟﻴﺲ ﻫﻨﺎك ﺣﺠﻢ ﺛﺎﺑﺖ ﻳﺼـﻠﺢ‬
‫ﻟﺠﻤﻴﻊ اﻟﺪراﺳﺎت‪ ،‬وﻳﺘﻢ ﺗﺤﺪﻳﺪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻋﲆ ﺿﻮء أﻛرث ﻣـﻦ اﻋﺘﺒـﺎر أﻫﻤﻬـﺎ‪ :‬ﻃﺒﻴﻌـﺔ اﳌﺠﺘﻤـﻊ‬
‫)ﻣﺘﺠﺎﻧﺲ أو ﻏري ﻣﺘﺠﺎﻧﺲ(‪ ،‬أدوات ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت‪ ،‬اﻟﺘﻜﻠﻔـﺔ‪ ،‬اﻟـﺰﻣﻦ أو اﻟﻮﻗـﺖ‪ ،‬ﻃﺒﻴﻌـﺔ اﻟﺪراﺳـﺔ‬
‫وأﻫﺪاﻓﻬﺎ‪ ،‬اﺣﺘامﻻت ﻋﺪم اﻻﺳﺘﺠﺎﺑﺔ‪ ،‬ﻣﺘﻐريات اﻟﺪراﺳﺔ‪ ،‬درﺟﺔ اﻟﺪﻗﺔ اﳌﻄﻠﻮﺑﺔ‪.‬‬

‫‪ -‬ﻫﻨﺎك اﻟﻜﺜري ﻣﻦ اﻟﻄﺮق اﻹﺣﺼﺎﺋﻴﺔ ﻟﺘﻘﺪﻳﺮ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﺳﻮاء ﻣﻦ اﳌﺠﺘﻤﻌﺎت اﻟﺼﻐرية اﳌﺤﺪودة‪،‬‬
‫أو ﻣﻦ اﳌﺠﺘﻤﻌﺎت اﻟﻜﺒرية اﻟﺘﻲ ﻳﺼﻞ ﺗﻌﺪادﻫﺎ إﱃ اﻷﻟـﻮف أو اﳌﻼﻳـني‪ ،‬ﻛـام أن اﻟﻄـﺮق اﻹﺣﺼـﺎﺋﻴﺔ‬
‫اﳌﺴﺘﺨﺪﻣﺔ ﰲ ﺗﻘﺪﻳﺮ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﺗﺮﺗﻜﺰ ﻋﲆ ﻣﻌﺎدﻻت ذات ﺻﻴﻎ ﻣﺘﻌـﺪدة )مبﻌﻨـﻰ أن اﳌﻌﺎدﻟـﺔ‬
‫اﻟﻮاﺣﺪة ﻟﻬﺎ أﻛرث ﻣﻦ ﺻﻴﻐﺔ( رﻏـﻢ أن أﺳﺎﺳـﻬﺎ اﻟﺠـﱪي واﺣـﺪ‪ ،‬وﻣـﻦ أﻫـﻢ ﻫـﺬه اﻟﻄـﺮق‪ :‬ﻃﺮﻳﻘـﺔ‬
‫اﻻﺣﺘامل اﳌﻘﺪر‪ ،‬ﻣﻌﺎدﻟﺔ اﻟﺮاﺑﻄﺔ اﻷﻣﺮﻳﻜﻴﺔ ﻟﻠﱰﺑﻴﺔ‪ ،‬ﻃﺮﻳﻘﺔ ﺗﻘﺪﻳﺮ اﻻﻧﺤﺮاف اﳌﻌﻴﺎري‪.‬‬

‫‪-402-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ً‬
‫ﻣﻌﺮوﻓـﺎ‪ ،‬ﻛـﺄن ﻳﻜـﻮن ﻋـﺪد ﻃـﻼب‬ ‫‪ -‬ﻛﺜريا ﻣﺎ ﻳﻜﻮن ﺣﺠـﻢ اﳌﺠﺘﻤـﻊ اﻟـﺬي ﺳﺘﺴـﺤﺐ ﻣﻨـﻪ اﻟﻌﻴﻨـﺔ‬
‫اﻟﺠﺎﻣﻌﺔ‪ ،‬أو ﻣﻮﻇﻔﻲ اﻟﺤﻜﻮﻣﺔ أو ﻣﻮﻇﻔﻲ ﴍﻛﺎت اﻻﺳﺘﺜامر‪ ،‬أو ﺳـﻜﺎن ﻣﻨﻄﻘـﺔ ﻣﻌﻴﻨـﺔ‪ ..‬ﰲ ﻫـﺬه‬
‫اﻟﺤﺎﻟﺔ ﻳﺘﻢ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ﺗﺼﺤﻴﺢ إﺿﺎﰲ ﻟﺘﻘﻠﻴﻞ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﺑﻌﺾ اﻟﴚء‪.‬‬
‫ﺗﺴﻬﻴﻼ ﻋﲆ اﻟﺒﺎﺣﺜني وﺿﻊ اﻹﺣﺼـﺎﺋﻴﻮن ﺟـﺪاول ﻟﺘﺤﺪﻳـﺪ اﻟﺤـﺪ اﻷدىن ﻟﺤﺠـﻢ اﻟﻌﻴﻨـﺔ اﳌﻨﺎﺳـﺐ‬
‫ً‬ ‫‪-‬‬
‫ﺑﺪرﺟﺔ ﺛﻘﺔ ﻣﻌﻴﻨﺔ إذا ﻋﻠﻤﻨﺎ ﻋﺪد اﳌﺠﺘﻤﻊ‪.‬‬

‫‪ -‬ﻣﻦ ﻣﻨﻈﻮر اﻟﻌﺸﻮاﺋﻴﺔ )‪ ،(Randomness‬ﻫﻨﺎك اﻟﻌﻴﻨﺎت اﻟﻌﺸﻮاﺋﻴﺔ واﻟﻌﻴﻨﺎت ﻏري اﻟﻌﺸﻮاﺋﻴﺔ‪.‬‬

‫‪ -‬اﻟﻌﻴﻨﺔ اﻟﻌﺸـﻮاﺋﻴﺔ )‪ ،(Random Sample‬ﻫـﻲ اﻟﻌﻴﻨـﺔ اﻟﺘـﻲ ﺗـﻢ اﺧﺘﻴـﺎر ﻣﻔﺮداﺗﻬـﺎ دون ﺗـﺪﺧﻞ ﻣـﻦ‬
‫اﻟﺒﺎﺣﺚ‪ ،‬مبﻌﻨﻰ أن اﺧﺘﻴﺎرﻣﻔﺮداﺗﻬﺎ ﻻ ﻳـﺘﻢ ﺑﻘﺼـﺪ أو ﺗﻌﻤـﺪ أن ﺗﺘﻀـﻤﻦ اﻟﻌﻴﻨـﺔ ﻣﻔـﺮدات ﻣﻌﻴﻨـﺔ‬
‫وﻋﺪم ﺗﻀﻤﻨﻬﺎ ﻣﻔﺮدات أﺧﺮى‪.‬وﰲ اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ ﺗﺘﺎح ﻓﺮﺻـﺔ ﻣﺘﺴـﺎوﻳﺔ ﻟﺠﻤﻴـﻊ اﳌﻔـﺮدات ﻷن‬
‫ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﺿﻤﻦ اﻟﻌﻴﻨﺔ‪ ،‬وﻟﺬﻟﻚ ﺗﺴﻤﻰ ﺑﺎﻟﻌﻴﻨﺔ ﻏري اﳌﺘﺤﻴﺰة‪ ،‬أو اﻟﻌﻴﻨﺔ اﻻﺣﺘامﻟﻴﺔ ‪(Probability‬‬
‫)‪.Samples‬‬
‫‪ -‬ﻣﻦ أﻫﻢ أمنﺎط اﻟﻌﻴﻨﺔ اﻻﺣﺘامﻟﻴﺔ )اﻟﻌﺸﻮاﺋﻴﺔ( ﻧﺬﻛﺮ‪:‬اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﺒﺴﻴﻄﺔ‪ ،‬اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ‬
‫اﳌﻨﺘﻈﻤﺔ‪ ،‬اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ اﻟﻄﺒﻘﻴﺔ‪ ،‬اﻟﻌﻴﻨﺔ اﻟﻌﺸﻮاﺋﻴﺔ ﻣﺘﻌﺪدة اﳌﺮاﺣﻞ‪.‬‬
‫‪ -‬اﻟﻌﻴﻨﺎت ﻏري اﻟﻌﺸﻮاﺋﻴﺔ أو ﻏـري اﻻﺣﺘامﻟﻴـﺔ )‪ ،(Non-Probability Samples‬ﻫـﻲ اﻟﻌﻴﻨـﺎت اﻟﺘـﻲ ﻻ‬
‫ﺗﺘﺎح ﰲ اﺧﺘﻴﺎرﻫﺎ ﻓﺮص ﻣﺘﺴﺎوﻳﺔ ﻟﺠﻤﻴﻊ ﻣﻔﺮدات اﳌﺠﺘﻤﻊ أن ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﺿﻤﻦ اﻟﻌﻴﻨﺔ‪ ،‬وﻛﻤﺒـﺪأ‬
‫ﻋﺎم‪ ،‬ﻓﺈن اﻟﻌﻴﻨﺎت ﻏري اﻻﺣﺘامﻟﻴﺔ ﻻ ﺗﻌﻤﻢ ﻧﺘﺎﺋﺠﻬﺎ اﳌﺠﺘﻤﻊ‪ ،‬وﻻ ميﻜﻦ ﺗﻘـﺪﻳﺮ ﻣﻌـﺎمل اﳌﺠﺘﻤـﻊ ﻣـﻦ‬
‫إﺣﺼﺎءات ﺗﻠﻚ اﻟﻌﻴﻨﺎت‪ ،‬وﻣﻦ أﻣﺜﻠﺔ اﻟﻌﻴﻨﺎت ﻏري اﻟﻌﺸﻮاﺋﻴﺔ‪ :‬اﻟﻌﻴﻨﺔ اﻟﻌﺎرﺿﺔ‪ ،‬واﻟﻌﻴﻨـﺔ اﳌﻘﺼـﻮدة‪،‬‬
‫وﻋﻴﻨﺔ اﻟﺤﺼﺺ‪.‬‬
‫ﻋﺸﻮاﺋﻴﺎ ﻓﺈﻧﻬﺎ ﻻ ﺗﻜﻮن ﻣﻤﺜﻠﺔ ﻟﻠﻤﺠﺘﻤـﻊ ﻣﺎﺋﺔ ﺑﺎﳌـﺎﺋﺔ‪ ،‬وﻟﺬﻟﻚ‬
‫ّ‬ ‫‪ -‬إن اﻟﻌﻴﻨﺔ ﻣﻬام ﻛﺎﻧﺖ دﻗﺔ اﺧﺘﻴﺎرﻫﺎ‬
‫ﻫﻨﺎك ﻣﺎ ﻳﻌﺮف ﺑﺨﻄﺄ اﳌﻌﺎﻳﻨﺔ )‪ (Sampling Error‬واﻟﺬي ﻳﻨﻌﻜﺲ ﻋﲆ اﳌﻘـﺎﻳﻴﺲ اﻹﺣﺼـﺎﺋﻴﺔ اﻟﺘـﻲ‬
‫ﺗﺠﺮى ﻋﲆ اﻟﺒﻴﺎﻧﺎت اﳌﺄﺧﻮذة ﻣﻦ اﻟﻌﻴﻨﺔ؛ ﺑﺤﻴﺚ ﺗﺄيت ﻣﺨﺘﻠﻔﺔ ﺑﻌﺾ اﻟﴚء ﻋﻦ اﳌﺠﺘﻤﻊ‪.‬‬

‫‪-403-‬‬
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

‫ﻣﺼﺎدر اﻟﻔﺼﻞ اﻟﺴﺎدس وﻣﺮاﺟﻌﻪ‬

:‫)أ( ﻣﺼﺎدر وﻣﺮاﺟﻊ ﻋﺮﺑﻴﺔ‬

‫ اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ واﻟﺘﺤﻠﻴﲇ ﻣـﻊ‬،(1990) ‫ ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤﺪ ﻧﺠﻢ & ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻬﺎدي اﳌﺤﻤﻴﺪ‬-
.(‫ ﻣﻜﺘﺒﺔ ﺟﺎﻣﻌﺔ اﻟﻜﻮﻳﺖ‬:‫ )اﻟﻜﻮﻳﺖ‬،‫اﺳﺘﺨﺪام اﻟﱪاﻣﺞ اﻟﺠﺎﻫﺰة‬

.(‫ دار اﻟﻔﻜﺮ اﻟﻌﺮيب‬:‫ )اﻟﻘﺎﻫﺮة‬،‫ اﻹﺣﺼﺎء اﻟﻨﻔﴘ واﻟﱰﺑﻮي‬،(2011) ‫ ﻋﺰت ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤﺪ ﺣﺴﻦ‬-

:‫)ب( ﻣﺼﺎدر وﻣﺮاﺟﻊ أﺟﻨﺒﻴﺔ‬

- Alexander, Hershel Julius (1993) Multiple Matrix Sampling Rank-Order Estimation as a Function
of Context Reliability, Standard Error, Sampling Design, and Sampling Percentage Dissertation
Abstracts International, Vol. 54 (2-A), pp. 493.

- Alliger, George M.; Williams, Kevin J.(1993) Using Signal-Contingent Experience Sampling
Methodology to Study Work in the Field: A Discussion and Illustration Examining Task
Perceptions and Mood Personnel Psychology, Vol.. 46 (3), Special Issue: Innovations
in Research Methods for Field Settings. pp. 525-549.

- Ary, Donald (1984) Mathematical Explanation of Error in Duration Recording Using Partial
Interval, Whole Interval, and Momentary Time Sampling Behavioral Assessment, Vol. 6 (3),
pp.221-228.

- Borror, Connie M. Ye, Nong; Mahwah (2003) Statistical Analysis of Normal and Abnormal Data.
In: The Handbook of Data Mining. , NJ, US: Lawrence Erlbaum Associates, Publishers, pp. 67-
102.

- Delespaul, Phillipe A. E. G. (1992) Technical Note: Devices and Time-Sampling Procedures

In: The Experience of Psychopathology: Investigating Mental Disorders in Their Natural
Settings. deVries, Marten W.; New York, : Cambridge University Press, pp. 363-373.

-404-
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

- Diaz, Joseph D. (2000) Religion and Gambling in Sin-City: A Statistical Analysis of the
Relationship between Religion and Gambling Patterns in Las Vegas Residents; Social Science
Journal, Vol. 37 (3), pp. 453-458.
- Ding, Mingzhou; Chen, Yanqing; Kelso, J. A. Scott (2002) Statistical Analysis of Timing Errors
Brain and Cognition, Vol. 48 (1), Feb 2002. Special Issue: Human Movement Timing and
Coordination. pp. 98-106.
- Edwards, Ron; Kearns, Kathleen; Tingstrom, Daniel H.(1991) Accuracy of Long Momentary
Time-Sampling Intervals: Effects of Errors in the Timing of Observations.; Journal of Psycho-
Educational Assessment, Vol. 9 (2),. pp.160-165.
- Gorard, Stephen (2006) Towards a Judgment-Based Statistical Analysis.; British Journal of Sociology
of Education, Vol. 27(1), pp.67-80.
- Graham Kalton (1993); Sampling Considerations in Research on HIV Risk and
Illness. in: Methodological Issues in AIDS Behavioral Research. Ostrow, David G.; Kessler, Ronald C.;
New York, NY, US: Plenum Press, pp.53-74.
- Harrop, Alex; Daniels, Michael (1986) Methods of Time Sampling: A Reappraisal of Momentary
Time Sampling and Partial Interval Recording. Journal of Applied Behavior Analysis, Vol. 19 (1),
pp.73-77.
- Hormuth, Stefan E.; Brückner, Erika; Kölner (1985) Telephone Interviews in Sociology and Social
Psychology: Problems of Sampling, Contacting, and Survey Design. Zeitschrift Für Soziologie and
Sozialpsychologie, Vol. 37(3), Sep 1985. pp. 526-545.
- Jensun, Klaus Bruhn (2002) A Handbook of Media and Communication Research: Qualitative
and Quantitative Methodologies. London. Rout Ledge.
- Kalton, Graham; Anderson, Dallas W.(1989) Sampling Rare Populations.
In: Special Research Methods for Gerontology. Lawton, M. Powell; Herzog, A. Regula; Amityville,
NY, US: Baywood Publishing Co, Inc, pp. 7-30

-405-
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

- Kenny, David A.; Mannetti, Lucia; Pierro, Antonio (2002). The Statistical Analysis of Data from
Small Groups. Journal of Personality and Social Psychology, Vol. 83(1), pp. 126-137.

- Klesges, Robert C.; Woolfrey, Joan; Vollmer James (1985). An Evaluation of the Reliability of Time
Sampling Versus Continuous Observation Data Collection Journal of Behavior Therapy and
Experimental Psychiatry, Vol. 16(4), pp. 303-307.

- Krejcie, Robert V. and Daryle W. Morgan. (1970) “Determining Sample Size for Research
Activities”. Educational and Psychological Measurements, VOL. 30 , p. 608.

- Kuzel, Anton J. (1992) Sampling in Qualitative Inquiry. In: Doing Qualitative Research. Crabtree,
Benjamin F.; Miller, William L.; Thousand Oaks, CA, US: Sage Publications, Inc, pp. 31-44.

- Lavrakas, Paul J. (1993) Telephone Survey Methods: Sampling, Selection, and Supervision (2nd
ed.). Thousand Oaks, CA, US: Sage Publications, Inc, 1993. ix, pp181.

- Lombard, Matthew; Snyder-Duch, Jennifer; Bracken, Cheryl Campanella (2003) Content Analysis In
Mass Communication: Assessment and Reporting of Inter-Coder: Reliability Correction. Human
Communication Research, VOL. 29 (3), pp. 469-472.

- Maher, Brendan A. (1992) Stimulus Sampling In Clinical Research: Representative Design

Reviewed.; In: Kazdin, Alan E. Methodological Issues & Strategies In Clinical Research.
Washington, DC, US: American Psychological Association, pp. 107-115.

- Marsh, Catherine; Scarbrough, Elinor; (1990) Testing Nine Hypotheses About Quota sampling.
Journal of the Market Research Society, Vol. 32(4), pp. 485-506.

- Matthews, Timothy C. (1986) The Accuracy of Time Sampling Procedures for Estimating Behavioral
Frequency Dissertation Abstracts International, Vol. 46(7-B),pp. 24 - 48.

-406-
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

- Mintz, Alexander (2005) The Feasibility of the Use of Samples in Content Analysis. In: George W.
Stewart; Lasswell, Harold D.; Leites, Nathan. (eds), Language of Politics; Studies in Quantitative
Semantics Oxford, England: pp. 127-152. (Psyc. INFO Database Record (c) 2005 APA.

- Morse, Janice M.(1991) Strategies for Sampling. In: Qualitative Nursing Research: A
Contemporary Dialogue (Rev. ed.). Morse, Janice M.; Thousand Oaks, CA, US: Sage
Publications, Inc, pp. 127-145.

- Palmore, Erdman B. (1989) Medical Records as Sampling Frames and Data Sources.
In: Special Research Methods for Gerontology. Lawton, M. Powell; Herzog, A. Regula;
Amityville, NY, US: Bay wood Publishing Co, Inc, pp. 127-161.

- Peregrine, Peter N.; Drews, David R.; North, Melissa (1993) Sampling Techniques and Sampling Error
in Naturalistic Observation: An Empirical Evaluation with Implications for Cross-Cultural Research.
Cross-Cultural Research: The Journal of Comparative Social Science, Vol. 27(3-4), pp. 232-246.

- Ray, J. J. (1985) Random Sampling Might Not Be Impossible After All. Political Psychology,
Vol. 6(1), Mar 1985. pp. 141-146.

- Ray, John J. (1983) A Comparison Between Cluster And 'Random' Sampling. Journal of Social
Psychology, Vol. 121(1), pp. 155-156

- Rojahn, Johannes; Kanoy, Robert C.(1985); Toward an Empirically Based Parameter Selection for
Time-Sampling Observation Systems. Journal of Psychopathology and Behavioral Assessment,
Vol. 7(2), pp. 99-120.

- Saudargas, Richard A.; Zanolli, Kathleen (1990) Momentary Time Sampling as an Estimate of
Percentage Time: A Field Validation. Journal of Applied Behavior Analysis, Vol. 23(4), pp. 533-537.

- Seco, Guillermo Vallejo; Hermida, José Ramón Fernández; Villa, Roberto

Secades (2004) Statistical Analysis and Considerations of Power in

-407-
 ‫اﻟﻔﺼﻞ اﻟﺴﺎدس‬

Program Evaluation Using Two-Stage Sampling Designs Psychology in Spain, Vol. 8, pp. 77-88.

- Shepherd, Martin (1985) EMDISP: A Visual Display System with Digital and Analogue Sampling;
Behavior Research Methods, Instruments & Computers, Vol. 16(3), pp. 297-302.

- Vallejo, G.; Livacic-Rojas, P.; Conejo, N. (2003) Statistical Analysis of AB Designs by Means of
Pooled Time Series. International Journal of Psychology & Psychological Therapy, Vol. 3(1), pp.
7-22.

- Van Egeren, Lawrence F. (1973) Multivariate Statistical Analysis; Psychophysiology, Vol. 10(5),
pp. 517-532.

- Van Meter, Karl M. (1990) Sampling and Cross-Classification Analysis in International Social
Research; In: Comparative Methodology: Theory and Practice in International
Social Research. Oyen, Else; Thousand Oaks, CA, US: Sage Publications, Inc, pp.172-186.

- Walker, Elaine F.; Lewine, Richard R. (1993) Sampling Biases in Studies of Gender and
Schizophrenia. Schizophrenia Bulletin, Vol. 19(1), 1993. pp. 1-7.

- Watters, John K (.1993) The Significance of Sampling and Understanding Hidden Populations.
Drugs & Society, Vol. 7(3-4), pp. 2-13.

- Weiss, Robin S.; Remington, Roger; Ellis, Stephen R. (1989) Sampling

Distributions of the Entropy in Visual Scanning. Behavior Research Methods,
Instruments & Computers, Vol. 21(3), pp. 348-352.

- Young, Raymond J.(1986) Methodology for Community Educational Study: How Appropriate is
Cluster Sampling? Journal of Experimental Education, Vol. 54(2), pp. 114-117.

-408-
 ‫اﻟـﻤـﻼﺣـﻖ‬

‫اﻟـﻤـﻼﺣـــﻖ‬

‫‪٢‬‬
‫)‪ (١‬ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﻻﺧﺘﺒﺎر ﻣﺮﺑﻊ ﻛﺎي )ﻛﺎ (‬

‫)‪ (٢‬ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﳌﻌﺎﻣﻞ ارﺗﺒﺎط اﻟﺮﺗﺐ ﻟﺴﺒريﻣﺎن‬

‫)‪ (٣‬ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﳌﻌﺎﻣﻞ ارﺗﺒﺎط ﺑريﺳﻮن‬

‫)‪ (٤‬ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﻻﺧﺘﺒﺎر )ت( ‪t.test‬‬

‫)‪ (٥‬ﺟﺪول اﻟﻘﻴﻢ اﻟﺤﺮﺟﺔ ﻻﺧﺘﺒﺎر ﺗﻮيك ‪Q‬‬

‫)‪ (٦‬ﺟﺪول اﻟﺪﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻨﺴﺒﺔ اﻟﻔﺎﺋﻴﺔ )ف( ‪F‬‬

‫اﳌﺼﺎدر‪:‬‬

‫‪ x‬ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤﺪ ﻧﺠﻢ & ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻬﺎدي اﳌﺤﻤﻴﺪ )‪ ،(١٩٩٠‬اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ واﻟﺘﺤﻠـﻴﲇ‬

‫ﻣﻊ اﺳﺘﺨﺪام اﻟﱪاﻣﺞ اﻟﺠﺎﻫﺰة‪) ،‬اﻟﻜﻮﻳﺖ‪ :‬ﻣﻜﺘﺒﺔ ﺟﺎﻣﻌﺔ اﻟﻜﻮﻳﺖ(‪.‬‬

‫‪ x‬ﻋﺰت ﻋﺒﺪ اﻟﺤﻤﻴﺪ ﻣﺤﻤﺪ ﺣـﺴﻦ )‪ ،(٢٠١١‬اﻹﺣـﺼﺎء اﻟﻨﻔـﴘ واﻟﱰﺑـﻮي‪) ،‬اﻟﻘـﺎﻫﺮة‪ :‬دار اﻟﻔﻜـﺮ‬

‫اﻟﻌﺮيب(‪.‬‬

‫‪-˽˹̂-‬‬
 ‫اﻟـﻤـﻼﺣـﻖ‬

‫ﺟﺪول رﻗﻢ )‪(٢‬‬

‫‪-˽˺˺-‬‬
 ‫اﻟـﻤـﻼﺣـﻖ‬

‫ﺟﺪول رﻗﻢ )‪(٣‬‬

‫‪-˽˺˻-‬‬
 ‫اﻟـﻤـﻼﺣـﻖ‬

‫ﺟﺪول رﻗﻢ )‪(٤‬‬

‫‪-˽˺˼-‬‬
 ‫اﻟـﻤـﻼﺣـﻖ‬

‫ﺟﺪول رﻗﻢ )‪(٥‬‬

‫‪-˽˺˽-‬‬
 ‫اﻟـﻤـﻼﺣـﻖ‬

‫ﺟﺪول رﻗﻢ )‪(٦‬‬

‫‪-˽˺˾-‬‬
 ‫اﻟـﻤـﻼﺣـﻖ‬

‫ﺗﺎﺑﻊ ﺟﺪول رﻗﻢ )‪(٦‬‬

‫‪-˽˺˿-‬‬
 ‫اﻟـﻤـﻼﺣـﻖ‬

‫ﺗﺎﺑﻊ ﺟﺪول رﻗﻢ )‪(٦‬‬

‫ﺗﺎﺑﻊ ﺟﺪول رﻗﻢ )‪(٦‬‬

‫‪-˽˺̀-‬‬
 ‫اﻟـﻤـﻼﺣـﻖ‬

‫ﺗﺎﺑﻊ ﺟﺪول رﻗﻢ )‪(٦‬‬

‫‪-˽˺́-‬‬
 ‫اﻟـﻤـﻼﺣـﻖ‬

‫ﺗﺎﺑﻊ ﺟﺪول رﻗﻢ )‪(٦‬‬

‫‪-˽˺̂-‬‬
 ‫‪ΔϠδϠδϟ΍ ϩάϫ ϲϓ έΪλ‬‬
‫ﺻﺪر ﻣﻦ ﻫﺬه اﻟﺴﻠﺴﻠﺔ‬
‫د‪ .‬ﻫﻮﻳﺪا ﻣﺼﻄﻔﻰ‬
‫د‪ .‬ﻧﺎﻫﺪ رﻣﺰي‬
‫د‪ .‬ﴍﻳﻒ دروﻳﺶ اﻟﻠﺒﺎن‬ ‫ﺗﻜﻨﻮﻟﻮﺟﻴﺎ اﻻﺗﺼﺎل ) اﳌﺨﺎﻃﺮ واﻟﺘﺤﺪﻳﺎت واﻟﺘﺄﺛريات اﻻﺟﺘامﻋﻴﺔ(‬
‫د‪ .‬ﴍﻳﻒ دروﻳﺶ اﻟﻠﺒﺎن‬
‫د‪ .‬ﺳﻌﻴﺪ ﻏﺮﻳﺐ اﻟﻨﺠﺎر‬
‫د‪ .‬ﺳﻌﻴﺪ ﻏﺮﻳﺐ اﻟﻨﺠﺎر‬
‫د‪ .‬ﻣﺤﻤﺪ ﺣﺴﺎم اﻟﺪﻳﻦ‬
‫أ‪.‬د‪ .‬ﻣﻨﻰ ﺳﻌﻴﺪ اﻟﺤﺪﻳﺪي ‪،‬‬
‫أ‪.‬د‪ .‬ﺳﻠﻮى إﻣﺎم ﻋﲇ‬
‫د ‪.‬ﺷﻴامء ذو اﻟﻔﻘﺎر‬
‫أ‪.‬د‪ .‬راﺳﻢ ﻣﺤﻤﺪ اﻟﺠامل‪،‬‬
‫د‪ .‬ﺧريت ﻣﻌﻮض ﻋﻴﺎد‬
‫أ‪.‬د‪ .‬راﺳﻢ ﻣﺤﻤﺪ اﻟﺠامل‬
‫د ‪.‬ﺣﺴﻦ ﻋامد ﻣﻜﺎوي‬
‫أ‪.‬د‪ .‬ﻣﻨﻰ ﺳﻌﻴﺪ اﻟﺤﺪﻳﺪي‪،‬‬
‫أ‪.‬د‪ .‬ﺳﻠﻮى إﻣﺎم ﻋﲇ‬
‫أ‪.‬د ‪.‬ﺣﺴﻦ ﻋامد ﻣﻜﺎوي‪،‬‬
‫د ‪.‬ﻋﺎدل ﻋﺒﺪ اﻟﻐﻔﺎر‬
‫‪-˽˻˺-‬‬
‫اﻹﻋﻼن ﰲ اﻷﻧﻈﻤﺔ اﻹذاﻋﻴﺔ اﳌﻌﺎﴏة‬
‫اﳌﺮأة واﻹﻋﻼم ﰲ ﻋﺎمل ﻣﺘﻐري‬
‫ﺗﻜﻨﻮﻟﻮﺟﻴﺎ اﻟﻨﴩ اﻟﺼﺤﻔﻲ )اﻻﺗﺠﺎﻫﺎت اﻟﺤﺪﻳﺜﺔ(‬
‫ﻣﺪﺧﻞ إﱃ اﻹﺧﺮاج اﻟﺼﺤﻔﻲ‬
‫ﺗﻜﻨﻮﻟﻮﺟﻴﺎ اﻟﺼﺤﺎﻓﺔ ﰲ ﻋﴫ اﻟﺘﻘﻨﻴﺔ اﻟﺮﻗﻤﻴﺔ‬
‫اﳌﺴﺌﻮﻟﻴﺔ اﻻﺟﺘامﻋﻴﺔ ﻟﻠﺼﺤﺎﻓﺔ‬
‫اﻹﻋﻼم واﳌﺠﺘﻤﻊ‬
‫ﻧﻈﺮﻳﺎت ﰲ ﺗﺸﻜﻴﻞ اﺗﺠﺎﻫﺎت اﻟﺮأي اﻟﻌﺎم‬
‫إدارة اﻟﻌﻼﻗﺎت اﻟﻌﺎﻣﺔ ‪ :‬اﳌﺪﺧﻞ اﻹﺳﱰاﺗﻴﺠﻲ‬
‫ﻧﻈﺎم اﻻﺗﺼﺎل واﻹﻋﻼم اﻟﺪوﱄ‪ :‬اﻟﻀﺒﻂ واﻟﺴﻴﻄﺮة‬
‫اﻹﻋﻼم وﻣﻌﺎﻟﺠﺔ اﻷزﻣﺎت‬
‫اﻹﻋﻼن ‪ :‬أﺳﺴﻪ ‪ ..‬وﺳﺎﺋﻠﻪ ‪ ..‬ﻓﻨﻮﻧﻪ‬
‫اﻹذاﻋﺔ ﰲ اﻟﻘﺮن اﻟﺤﺎدي واﻟﻌﴩﻳﻦ‬
 ‫ﺻﺪر ﰲ ﻫﺬه اﻟﺴﻠﺴﻠﺔ‬

‫أ‪.‬د ‪.‬راﺳﻢ ﻣﺤﻤﺪ اﻟﺠامل‬ ‫اﻟﺘﺴﻮﻳﻖ اﻟﺴﻴﺎﳼ واﻹﻋﻼم ‪ :‬اﻹﺻﻼح اﻟﺴﻴﺎﳼ ﰲ ﻣﴫ‬
‫د‪ .‬ﺧريت ﻣﻌﻮض ﻋﻴﺎد‬

‫أ‪.‬د ‪.‬راﺳﻢ ﻣﺤﻤﺪ اﻟﺠامل‬ ‫اﻻﺗﺼﺎل واﻹﻋﻼم ﰲ اﻟﻌﺎمل اﻟﻌﺮيب ﰲ ﻋﴫ اﻟﻌﻮﳌﺔ‬

‫أ‪.‬د‪ .‬ﴍﻳﻒ دروﻳﺶ اﻟﻠﺒﺎن‬ ‫اﻟﺼﺤﺎﻓﺔ اﻹﻟﻜﱰوﻧﻴﺔ‪ ..‬دراﺳﺎت ﰲ اﻟﺘﻔﺎﻋﻠﻴﺔ وﺗﺼﻤﻴﻢ اﳌﻮاﻗﻊ‬

‫أ‪.‬د‪ .‬ﻣﻨﻰ ﺳﻌﻴﺪ اﻟﺤﺪﻳﺪي‬ ‫اﻟﻔﻀﺎﺋﻴﺎت اﻟﻌﺮﺑﻴﺔ وﻣﺘﻐريات اﻟﻌﴫ ‪ :‬أﻋامل اﳌﺆمتﺮ اﻟﻌﻠﻤﻲ اﻷول ﻟﻸﻛﺎدميﻴﺔ‬
‫اﻟﺪوﻟﻴﺔ ﻟﻌﻠﻮم اﻹﻋﻼم‬
‫د ‪.‬ﻣﺤﻤﺪ ﺷﻮﻣﺎن‬ ‫ﺗﺤﻠﻴﻞ اﻟﺨﻄﺎب اﻹﻋﻼﻣﻲ ‪ :‬أﻃﺮ ﻧﻈﺮﻳﺔ ومنﺎذج ﺗﻄﺒﻴﻘﻴﺔ‬

‫د ‪.‬ﻣﺮوة ﻣﺤﻤﺪ ﻛامل‬ ‫رﻗﻤﻴﺎ‬

‫ﻣﺴﺘﻘﺒﻞ ﻃﺒﺎﻋﺔ اﻟﺼﺤﻒ اﻟﻌﺮﺑﻴﺔ ٍّ‬

‫أ‪.‬د ‪.‬ﺣﺴﻦ ﻋامد ﻣﻜﺎوي‪،‬‬ ‫اﻹﻋﻼم واﳌﺠﺘﻤﻊ ﰲ ﻋﺎمل ﻣﺘﻐري‬

‫د ‪.‬ﻋﺎدل ﻋﺒﺪ اﻟﻐﻔﺎر‬
‫د ‪.‬ﻫﺒﺔ ﺷﺎﻫني‬ ‫اﻟﺘﻠﻴﻔﺰﻳﻮن اﻟﻔﻀﺎيئ اﻟﻌﺮيب‬

‫د ‪.‬ﺳﻌﻴﺪ ﻏﺮﻳﺐ اﻟﻨﺠﺎر‬ ‫اﻟﺘﺼﻮﻳﺮ اﻟﺼﺤﻔﻲ ‪ :‬اﻟﻔﻴﻠﻤﻲ واﻟﺮﻗﻤﻲ‬

‫د ‪.‬ﻣﺎﺟﺪ ﺳﺎمل ﺗﺮﺑﺎن‬ ‫اﻹﻧﱰﻧﺖ واﻟﺼﺤﺎﻓﺔ اﻹﻟﻜﱰوﻧﻴﺔ ‪ :‬رؤﻳﺔ ﻣﺴﺘﻘﺒﻠﻴﺔ‬

‫د ‪.‬ﻋﺎدل ﻋﺒﺪ اﻟﻐﻔﺎر‬ ‫اﻹﻋﻼم واﳌﺸﺎرﻛﺔ اﻟﺴﻴﺎﺳﻴﺔ ﻟﻠﻤﺮأة ‪ :‬رؤﻳﺔ ﺗﺤﻠﻴﻠﻴﺔ واﺳﺘﴩاﻓﻴﺔ‬

‫د ‪.‬ﻣﺤﺮز ﺣﺴني ﻏﺎﱄ‬ ‫ﺻﻨﺎﻋﺔ اﻟﺼﺤﺎﻓﺔ ﰲ اﻟﻌﺎمل ‪ :‬ﺗﺤﺪﻳﺎت اﻟﻮﺿﻊ اﻟﺮاﻫﻦ وﺳﻴﻨﺎرﻳﻮﻫﺎت اﳌﺴﺘﻘﺒﻞ‬

‫أ‪.‬د ‪.‬ﺳﺎﻣﻴﺔ أﺣﻤﺪ ﻋﲇ‬ ‫أﺳﺲ اﻟﺪراﻣﺎ اﻹذاﻋﻴﺔ‬

‫أ‪.‬د‪ .‬ﺑﺮﻛﺎت ﻋﺒﺪ اﻟﻌﺰﻳﺰ‬ ‫اﳌﺎدة اﻹﺧﺒﺎرﻳﺔ ﰲ اﻟﺮادﻳﻮ واﻟﺘﻠﻴﻔﺰﻳﻮن‬
‫د‪ .‬ﻧﺠﻼء اﻟﺠامل‬ ‫ﻓﻦ اﳌﻮﻧﺘﺎج اﻟﺘﻠﻴﻔﺰﻳﻮين‬
‫ﻣﺤﻤﺪ اﻟﺴﻴﺪ ﻋﻴﺪ‬ ‫ﻛﺘﺎﺑﺔ اﻟﺴﻴﻨﺎرﻳﻮ ﺑني اﻟﻨﻈﺮﻳﺔ واﻟﺘﻄﺒﻴﻖ‬
‫د‪ .‬ﻣﺤﻤﺪ ﻳﻮﻧﺲ‬ ‫اﻟﺼﺤﺎﻓﺔ اﻟﻮرﻗﻴﺔ واﻹﻟﻜﱰوﻧﻴﺔ ﰲ دول اﻟﺨﻠﻴﺞ اﻟﻌﺮﺑﻴﺔ اﻟﻨﺸﺄة واﻟﺘﻄﻮر‬

‫أ‪.‬د‪ .‬ﺑﺮﻛﺎت ﻋﺒﺪ اﻟﻌﺰﻳﺰ‬ ‫ﻣﻘﺪﻣﺔ ﰲ اﻟﺘﺤﻠﻴﻞ اﻹﺣﺼﺎيئ )ﻟﺒﺤﻮث اﻹﻋﻼم(‬

‫‪-˽˻˻-‬‬