1

التحليل اإلحصائي باستخدام SPSSبرنامج

نافذ محمد بركات: دكتور

الجامعة اإلسالمية

قسم االقتصاد واإلحصاء التطبيقي

2006-2007

2

الفصل األول

spssمقدمة إلى النظام اإلحصائي مقدمة .1

يبحث علم اإلحصاء في طرائق جمع البيانات وتحليلها وتفسيرها من خالل مجموعة

وتهدف هذه العملية إلى وصف متغير أو مجموعة . الطرائق الرياضية أو البيانيةمن والتوصل بالتالي إلى قرارات ) العينة( من المتغيرات من خالل مجموعة من البيانات

ومن المعروف أن جمع . مناسبة تعمم على المجتمع الذي أخذت منه هذه العينة يصعب تحقيقه في كثير من األحيان، المعلومات من جميع أفراد المجتمع أمر شاق

فذلك يحتاج إلى وقت وجهد ومال كثير، أما أخذ عينة عشوائية وممثلة من هذا .المجتمع فعملية اسهل وتحتاج إلى جهد ووقت ومال اقل

والبحث الذي يستخدم األساليب اإلحصائية للخروج بالنتائج والقرارات ال بد أن يمر .في عدة خطوات

، ألنه إذا كان هدف الدراسة د المشكلة أو هدف الدراسة بوضوح ودقةتحدي: أوال .غير واضح كانت النتائج غامضة وغير دقيقة

. وهي هنا اإلستبانةتحديد األداة التي ستستخدم لجمع البيانات: ثانيا .تحديد العينة التي ستجمع منها البيانات وطرائق جمعها: ثالثا وتحويلها إلى أرقام أو حروف حتى يسهل إدخالها (Coding)ترميز البيانات : رابعا

إلى الحاسوب ويسهل التعامل معها، ومن ثم إجراء التحليالت اإلحصائية حسب . التحليالت اإلحصائية حسب أهداف البحث المنشود

وقبل تناول عمليات اإلدخال والتحليل البد من مراجعة الركائز األساسية لعلم ، الن هذه الركائز تحدد إلى ) تصميم ااإلستبانة- ختيار العينة ا–المتغيرات ( اإلحصاء

.حد كبير نوع التحليل اإلحصائي المنشود

طرق اختيار العينة من مجتمع : أوال

قبل أن نبدأ بكيفية اختيار عينة من مجتمع سنتعرف على األسباب التي تجعلنا نختار ستدعي استخدام أسلوب قد تهناك عدة اعتبارات عينة من مجتمع، بمعنى آخر

:المعاينة، ومن بينهاتجانس المجتمع مثل المواد السائلة حيث ال يوجد ما يبرر أجراء فحص - 1

.لكل أفراد المجتمع

3

عوامل الوقت والجهد والتكلفة والمالئمة بدون التضحية بدقة النتائج إلى - 2 .حد كبير

تعرض الوحدات المستخدمة في االختبار للتلف عند فحص المجتمع - 3 ).بيض، مصابيح اإلضاءة، قوة مقاومة سيارة للمقاومة(كامال

تعذر حصر أفراد المجتمع ألسباب عملية مثل فحص اتجاهات جميع - 4المستهلكين حول سلع معينة أو توجهات الرأي العام حول قضايا عامة

.اقتصادية أو سياسية

صب عليهم المجتمع هو مجموعة العناصر أو األفراد التي ين: تعريف المجتمعاالهتمام في دراسة معينة وبمعنى آخر هو جميع العناصر التي تتعلق بها مشكلة البحث وقد يكون مجتمع الدراسة طالب جامعة معينة أو سكان إقليم معين ، فمثال إذا

اكثر من ثالث ( كانت مشكلة الدراسة هو ضعف توصيل المياه إلى المباني العالية مجتمع الدراسة أو البحث هو جميع المباني المرتفعة األكثر في مدينة غزة فان ) أدوار

من ثالث أدوار في مدينة غزة، ويعتبر كل مبنى مؤلف من اكثر من ثالثة أدوار .مفردة البحث

العينة هي مجموعة جزئية من المجتمع، ويكون حجم العينة هو عدد :تعريف العينة

.مفرداتها وعادة تجرى الدراسة على العينة

Type of Data: واع البيانات اإلحصائيةأن كلما كان جمع البيانات دقيقا زادت ثقة الدارس في االعتماد عليها، وال يكون تحليل البيانات صحيحا أو مفيدا إذا كان هناك أخطاء في جمع البيانات، وهناك نوعين من

:البيانات وهما Qualitative or Categorical Data: البيانات النوعية -1

تحت ) الخاصية( نحصل على هذا النوع من البيانات عندما تكون السمة الدراسة هي سمة نوعية والتي يمكن تصنيفها حسب أصناف أو أنواع وليس بقيم عددية مثل تصنيف الجنس إلى ذكر وأنثى، وتصنيف كليات الجامعة إلى س طب وهندسة وعلوم وتجارة وآداب وتجارة وغيرها ، وتستخدم عدة مقايي

:لقياس البيانات النوعية منها Nominal Scaleالتدرج االسمي ) أ(

هذا المقياس يصنف عناصر الظاهرة التي تختلف في النوعية ال في الكمية، وكثيرا ما نستخدم األعداد لتحديد هوية المفردات، وفي هذه الحالة ال يكون

، 0ال العددين فمثال يمكن استعم. للعد ذلك المدلول الكمي الذي يفهم منه عادة 1 ليدال على التصنيف حصب الجنس فيجعل الصفر يدل على الذكر و الـ 1

ال يدالن على قيم عددية أي ال يخضعان 1، 0يدل على األنثى، الحظ أن . للعمليات الحسابية ألنه يمكن تعيين أي عددين بدلهما ليدال على نوع الجنس

4

، ) متزوج- أعزب( جتماعية الحالة اال: وأمثلة أخرى على المقياس االسمي ويجدر بالذكر أن هذا ) . عمل آخر– أكاديمي –إداري ( ونوع العمل

.المقياس ال يعطي األفضلية إلحدى طبقات المجتمع على األخرى Ordinal Scaleالتدرج الترتيبي )ب(

يقع هذا التدرج في مستوى أعلى من التدرج االسمي، فباإلضافة إلى خواص ي فان التدرج الترتيبي يسمح بالمفاضلة، أي بترتيب العناصر التدرج االسم

، أستاذ )2(، استلذ مشارك)1(أستاذ ( مثل الرتب األكاديمية : حسب سلم معين( وتقديرات الطالب )) 6(، معيد)5(، مدرس)4(، محاضر)3(مساعد

، وكذلك درجة )) 1(، راسب)2(، مقبول)3(، جيد)4(، جيد جدا)5(ممتاز، ال أوافق )3(، متردد)4(، موافق )5(موافق بشدة ( إلجابة السؤال التأييد

ويجدر بالذكر أن هذا المقياس ال يحدد الفرق بدقة ))1( بشدة ق، ال أواف)2( .بين قيم األفراد المختلفة

Quantitative or Numerical Dataالبيانات الكمية أو العددية -2

اس على مقياس عددي فان البيانات عندما تكون السمة تحت الدراسة قابلة للقيالتي نحصل عليها تتألف من مجموعة من األعداد وتسمى بيانات كمية أو عددية، مثل عالمات الطالب في امتحان ما أو كميات السلع المستوردة، أجور

.....العاملين في مصنع معين، وغيرها كثير

:طرق جمع البيانات اإلحصائية :نات اإلحصائية بإحدى الطرق التاليةيتم جمع البيا

فيها تجمع البيانات من جميع مفردات المجتمع دون : طريقة المسح الشامل - 1استبعاد أي مفردة، فمثال إذا أردنا التعرف على مستوى طالب الجامعة اإلسالمية في

... مادة اإلحصاء نقوم برصد درجات جميع طالب القسم في مادة اإلحصاء وهكذاذه الطريقة عادة تكون طويلة ومكلفة وتحتاج إلى الكثير من الوقت ناهيك وه

عن عدم إمكانية تطبيقاتها في الحاالت التي تؤدي فيها جمع البيانات عن مفردات .البحث إلى فناء هذه المفردات

وفيها يتم اختيار عينة تمثل المجتمع وتجرى عليها الدراسة : طريقة العينة - 2 المجتمع وكلما كانت العينة مختارة بطريقة صحيحة وممثلة تمثيال وتعمم النتائج على

.صادقا المجتمع كلما كانت النتائج صادقة ودقيقة

5

طرق اختيار العينة

.تصنف طرق المعاينة إلى الطرق غير العشوائية والطرق العشوائية أو االحتمالية

Non-random samplingطرق اختيار العينة غير العشوائية تكون العينات في هذه الطريقة انتقائية وال تمثل المجتمع تمثيال صحيحا، وإنما تتم وفق اختيار الباحث، ولذلك ال تكون هناك فرصة متساوية ألفراد المجتمع في الظهور في العينة، وهذه العينات تستخدم بهدف الحصول على نتائج استطالعية نظرا الن

وفي هذه العينات ال يمكن .وقتا أو تكلفة أو جهود كبيرةاختيار عينات عشوائية يتطلب استخدام أساليب اإلحصاء التحليلي والذي يقتصر استخدامه على العينات العشوائية،

:ومن العينات الغير عشوائية ما يلي وتحدث عندما يتم جمع بيانات من Accidental samplesالعينات العرضية .1

ير الذين يصادفونهم حول اتجاهاتهم نحو سلع معينة المواطنين أو العمال في مصنع كبأو نحو إدارة مصنع أو نظم الرقابية فيه للحصول على بعض المعلومات والمؤشرات

.بأقل تكلفة أو جهد ممكنوتحدث على سبيل : Quota sampling المعاينة الطبقية غير العشوائية .2

اإلداريين وطبقة العمال، أو المثال عندما يقسم مجتمع الدراسة في مصنع إلى طبقة ولكن العينة . إلى إناث وذكور، وبذلك تراعى نسبة المجموعات الفرعية في الدراسة

.من كل طبقة ال تأخذ بطريقة عشوائية وإنما يقوم الباحث باختيار الذين يصادفهموالتي تستخدم عند دراسة : Purposive sampling العينة الغرضية .3

ل المثال، األمر الذي يتطلب تعاونا من المستجوب لتوفير تكاليف صناعة على سبي .المعلومات

Random sampling طرق اختيار العينات العشوائية تسمح طرق اختيار العينات العشوائية بالحصول على عينات ممثلة للمجتمع، ويكون احتمال سحب أي مفردة معروفا ومتساويا ويمكن حسابه ولذلك تسمى

مفردة من مجتمع حجمه 25 فمثال إذا كان حجم العينة المختارة عينة احتمالية

فان احتمال سحب كل مفردة هو 500500255% =

هي العينة التي يكون فيها احتمال اختيار جميع : تعريف العينة العشوائية .المفردات متساوي ومعروف ويمكن حسابه

6

:ن أهمهاوهناك طرق مختلفة لالختيار العينة م Sample random sampling العينة العشوائية البسيطة -1

تتصف العينة العشوائية البسيطة بأنها مجموعة جزئية من المجتمع األصلي لتختار كعينة من ذلك المجتمع، ) االحتمال( وبحجم معين لها نفس الفرصة

ويمكن الحصول على عينات عشوائية بسيطة باستعمال جداول األعداد ائية وسنوضح مثال اختيار عينة عشوائية باستخدام الجداول في العشو

.المحاضرة Systematic sampling: العينة المنتظمة -2

يرى الكثيرون أن طريقة المعاينة المنتظمة هي في جوهرها شكل من أشكال وتعرف العينة المنتظمة بأنها العينة التي تأخذ . المعاينة العشوائية البسيطة

ة رقم معين بشكل منتظم من قائمة كاملة مرتبة عشوائيا ألفراد بحيث يتم إضافوتعتبر العينة المنتظمة بديال عن العينة العشوائية البسيطة لألسباب . المجتمع :التالية

.العينة المنتظمة اكثر سهولة في التنفيذ من العينة العشوائية البسيطة)أ( .نهاالعينة العشوائية يستطيع شخص غير مدرب لتعي)ب(

من مجموعة من بطاقات التسجيل n=200إذا أردنا اختيار عينة حجمها : مثال طالبا لندرس البطاقات التي بها N = 3000في إحدى الجامعات التي يسجل فيها

.أخطاءإن طريقة العينة المنتظمة تقتضي بان يكون طول الفترة الذي سيسحب منها : الحل

أول مفردة بطريقة عشوائية وهي 200

1ولذلك نختار رقما عشوائيا من . =300015

.8 وليكن 15إلى ، ثم نضيف 23 وبذلك نسحب الرقم 8 للرقم 15 ومن ثم نضيف 8نختار الرقم

وتكون آخر بطاقة مسحوبة هي .... ، وهكذا 38 لنسحب الرقم 23 للرقم 15الرقم .2993رقم

عددا صحيحا فإننا نقرب الجواب إلي عدد ونالحظ هنا انه إذا لم يكن طول الفترة

.صحيح Stratified random sampling العينة الطبقية العشوائية -3

تستخدم هذه الطريقة عندما يكون المجتمع منقسما إلى طبقات طبيعية وتكون ونعرف العينة المنتظمة . لدينا الرغبة في تمثيل جميع هذه الطبقات في العينة

:كالتالي

7

هي العينة التي تؤخذ من خالل تقسيم : ة المنتظمة العشوائيةتعريف العينوحدات المجتمع إلى طبقات متجانسة واختيار عينة عشوائية بسيطة أو منتظمة

.من كل منهاوتتلخص الطريقة بتحديد حجم العينات الجزئية المتناسبة من كل طبقة على

أساس المعادلة

حجم العينة× ) م المجتمعحج÷ حجم الطبقة = (حجم العينة الطبقية

إذا كانت طبقات أحد المجتمعات تحتوي العناصر كما في الجدول : مثال :التالي

الطبقة الخامسةالطبقة الرابعة الطبقة الثالثةالطبقة الثانية الطبقة األولى

500 400 280 200 220

ة في كل من هذا المجتمع، فما حجم العين150وأراد باحث اختيار عينة حجمها .طبقة

1600 = 220+ 200+ 280+ 400 + 500= حجم المجتمع الكلي : الحل

= حجم العينة من الطبقة األولى 160016050050 ×=

= حجم العينة من الطبقة الثانية 160016040040 ×=

= حجم العينة من الطبقة الثالثة 160016028028 ×=

= جم العينة من الطبقة الرابعة ح160016020020 ×=

= حجم العينة من الطبقة الخامسة 160016022022 ×=

8

Collecting Data: جمع البيانات: ثانيا

:هناك عدة طرق لجمع البيانات نذكر منها Personal Interview المقابلة الشخصية-1

أفراد العينة والتحدث إليهم عن الموضوع الذي يتم إجراء البحث وهي أن تقوم بمقابلةفيه وبذلك فان كمية المعلومات التي سنقوم بجمعها ستكون دقيقة إلى حد ما، إال أن تحليلها سيكون صعبا، وعليك أن تنتبه إلى تدوين البيانات أثناء المقابلة الن أي خطا

.لنتائجفي تدوين هذه البيانات يؤدي إلى خطا في ا

Direct Observation المالحظة المباشرة -2عندما ال يكون هناك أفراد للعينة، فانك تستخدم هذه الطريقة أي المالحظة المباشرة، ومن األمثلة عليها أن تقف على تقاطع طرق، وتعد السيارات التي تمر من هذا

في وقت ذهاب التقاطع من الساعة الثامنة وحتى التاسعة بهدف حصر كثافة السير الموظفين إلى أعمالهم، أو أن تقوم بمراقبة تصرف مجموعة من األطفال أثناء اللعب

.وتدوين المالحظات بهدف التعرف على سلوكيات األطفال في بعض المواقف Questionnaire اإلستبانة-3

سة، للتحقق من فرضيات المشكلة قيد الدراةاإلستبانة هو وسيلة لجمع البيانات الالزمأو لإلجابة على أسئلة البحث، وعند تصميم اإلستبانة يجب مراعاة بعض الشروط

:حتى تضمن دقة النتائج وصحتها، ومن أهم هذه الشروط I . يجب أن تكون أسئلة اإلستبانة بسيطة ومفهومة للجميع بنفس الطريقة وال

.تكون غامضة كم عدد األطفال لديك ؟: مثال

... ل هل الطفل من هو دون سن الخامسة أم السابعة أم العاشرةهنا يتحير المجيب ليسا :ولذلك على الباحث أن يعيد السؤال ليصبح مثال

؟.. سنة لديك12كم عدد األطفال الذين تقل أعمارهم عن II .وغالبا ما تكون . يجب على الباحث أن يبتعد عن تلك األسئلة التي توحي باإلجابة

جابةاألسئلة المنفية موحية باإل أال تعتقد أن أسلوب هذا الكتاب مبسط للدارس ؟ :مثال

فالمجيب سيقوم باختيار اإلجابة األولى، وكان الباحث .يريد أن يقوم المستجيب باإلجابة كما يريد الباحث

ال نعم

9

III . يجب تحديد الكميات أو الوحدات عندما تكون اإلجابات أرقاما. ....ة الماء للشرب يوميا؟ كم تحتاج من كمي: مثال

... كئوس ، أو 5سيجيب أحد األشخاص لتر ماء ويجيب آخر ...لذلك يعاد صياغة السؤال إلى كم لترا من الماء تشرب في اليوم؟

IV . يجب أن تكون األسئلة مباشرة وواضحة وان ال يفكر المستجيب بعمق ليجيب

.على األسئلةV . ة قدر اإلمكان، حيث قد ال يكون عند المجيب يجب أن تكون اإلستبانة قصير

.وقتا طويال إلجابة أسئلة اإلستبانة

VI . يفضل أن توزع اإلستبانة على مجموعة صغيرة للتجريب وتعديل األخطاء قبل .التطبيق النهائي

VIII .فان لم تكن صادقة فلن تكون يجب أن تكون اإلستبانة صادقة وثابتة ،

ذا لم تكن اإلستبانة ثابتة فلن نستطيع تعميم اإلستبانة، ولن يكون أما إ. المعلومات دقيقةقرارنا صالحا لفترة من الزمن وسنوضح كيفية التأكد من صدق أسئلة اإلستبانة

.SPSSودرجة ثباتها من خالل برنامج

)SPSSعملية االنتقال من االستبيان إلى برنامج ( الترميز : ثالثا

. بق إدخالها إلى الحاسوب بهدف التحليل هي ترميز البياناتالخطوة التالية والتي تسوترميز البيانات هي عملية تحويل إجابات كل سؤال إلى أرقام أو حروف يسهل

.إدخالها إلى الحاسوبالذين يقومون باإلجابة على أسئلة ) المشاهدات( فان األشخاص SPSSحسب مفهوم

في االستبيان هو ) فقرة( ، وكل سؤال )Cases( االستبيان يطلق عليهم اسم حاالت ) الفقرات( ، وتسمى إجابات األشخاص على األسئلة ) Variable (عبارة عن متغير

).Values of Variables(بقيم المتغيرات :يحتوي االستبيان على عدة أنواع من األسئلة، وهذه األنواع هي

:سؤال يسمح باختيار إجابة واحدة فقط) أ هل أنت مواطن أم الجئ ؟ : ثالم

ال نعم

10

1بالرمز " نعم " متغير واحد يكفي لتمثيل هذا السؤال، في هذه الحالة نرمز لإلجابة Yبالرمز " ال " ولإلجابةNبالرمز " نعم " أو نرمز لإلجابة2بالرمز " ال " ولإلجابة

تتم SPSSلرقمية في ولكن يفضل استخدام الترميز األرقام الن عملية إدخال البيانات ابسهولة اكثر والن الحاسوب يفرق بين الحروف الصغيرة والكبيرة وكذلك فالمر فان

تنفذ فقط مع المتغيرات الرقمية وال تنفذ مع المتغيرات SPSSكثير من األوامر في .الحرفية هل توافق أن يكون تسجيل الطالب في الجامعة عبر الحاسوب؟: مثال

معارض بشدة معارض محايد موافق موافق بشدة

ليدل 4والرقم " موافق بشدة" ليدل على اإلجابة 5في هذا المثال ربما يستخدم الرقم ليدل على 2والرقم " محايد" ليدل على اإلجابة 3والرقم " موافق" على اإلجابة

".معارض بشدة" ليدل على اإلجابة 1والرقم " معارض" اإلجابة : ح بأكثر من إجابةسؤال يسم) ب

ما هي أهم الهوايات التي تمارسها ؟: مثال غير ذلك الصيد السباحة الرياضة القراءة

في هذا السؤال نالحظ أن الشخص يمكن أن يعطي اكثر من إجابة، لذلك فان متغيرا

في هذه الحالة يفضل إنشاء خمسة متغيرات، كل متغير . واحدا ال يكفي لتمثيل السؤال "ال" لإلجابة 0و " نعم " لإلجابة 1ال ويستخدم لهما / له احتمال إجابتين نعم

.رتب القنوات الفضائية التالية حسب أهميتها لك: مثال السورية الكويتية العربية الفلسطينية المنار الجزيرة

ة والرقم للقناة األكثر أهمي6في هذا السؤال يجب إنشاء ستة متغيرات وإعطاء الرقم .1 لألقل أهمية إلى أن نصل إلى اقل القنوات أهمية وإعطائها الرقم 5 :سؤال مفتوح جزئياً) ج

ويقصد بذلك السؤال الذي يسمح للشخص باختيار إجابة موجودة ضمن الخيارات أو .كتابة إجابة أخرى غير موجودة ضمن الخيارات

عند سفرك للخارج أي خطوط الطيران تستخدم؟: مثال..... غير ذلك اذكرها األردنية القطرية المصرية الفلسطينية

11

في هذا النوع من األسئلة فان متغيرا واحدا يكفي لتمثيل هذا السؤال الن المسموح به إال أن عملية ) شريطة أن يستخدم المسافر شركة طيران واحدة( هو إجابة واحدة فقط

هي صعبة نوعا ما وتتم باستخدام عدة ) اإلجابات( تعيين رموز تصف قيم المتغير :طرق يمكن تلخيصها كالتالي

حيث N إلى 1أن ترمز لكل شركة طيران وردت باإلجابة برقم من : الطريقة األولى عدد شركات الطيران الواردة باإلجابة وهذه طريقة سيئة ألنها تحتاج لوقت Nيمثل

. جمع البيانات كلهاكبير، ألنه سيتعامل مع كل استبيان بشكل منفرد ليتم

بحيث يتم معاملة هذه " غير ذلك " ليصف اإلجابة 5تعيين الرمز : الطريقة الثانيةاإلجابات كمجموعة واحدة عند تحليل اإلجابات بغض النظر عما ذكر من أنواع

وهذه الطريقة سيئة ألنها تمكننا من فقدان معلومات كثيرة، . شركات الطيران الممكنةلفقدان من المعلومات قد ال يكون مشكلة إذا كان االستبيان يركز على إال أن هذا ا

.شركات الطيران الواردة في السؤال :والختيار أي الطرق أفضل فإنه يجب األخذ بعين االعتبار العوامل التالية

الهدف من اإلستبانة - .شكل االستبيان الذي تم تقديمه لألشخاص وكيفية اإلجابة علية - . للباحثالوقت المتاح - .الدعم المادي المتوفر للباحث - .الدقة المطلوبة --

SPSSعملية إدخال البيانات في

موجود على جهازك ولتشغيله انقر فوق زر SPSSنحن نفترض هنا أن برنامج انقر " Programsبرامج " من شاشة تشغيل النوافذ اختر " Start"أو " ابدأ " البدء

" SPSS 11.0" ثم تنتج قائمة فرعية اختر " SPSS for windows" فوق أيقونة ) :Data Editor(فيتم فتح الشاشة التالية والتي تسمى نافذة محرر البيانات

الحظ أن محرر البيانات هو عبارة عن شبكة من الصفوف واألعمدة تستخدم إلنشاء

أي أن ) Case(وفي محرر البيانات فان كل صف يمثل حالة . وتحرير ملفات البياناتالصف األول يفرغ فيه إجابات االستبيان األول والصف الثاني يفرغ فيه إجابات

....اإلستبانة الثانية وهكذا

12

Variable( أما األعمدة فتمثل المتغيرات أي أن كل سؤال في اإلستبانة يمثل بمتغير ).Cell(وتسمى نقاط التقاطع بين الصف والعمود بالخلية . أي بعمود)

كما يوجد في أعلى شاشة محرر البيانات شريط العنوان وشريط القوائم وشريط محرر ) Data View( البيانات وفي اسفل شاشة محرر البيانات يوجد عرض البيانات

لعرض ) Variable View( لعرض البيانات وكذلك يوجد عرض المتغيرات ذلك نشاهد أشرطة التمرير وك... ) اسم المتغير ونوعه و( خصائص المتغيرات

.الراسية واألفقية على الجانب األيمن والجهة السفلي لشاشة محرر البياناتوقبل البدء في كيفية إدخال البيانات سنشير إلى وظائف األيقونات التي يحتويها شريط

:و الموضح بالشكل التالي ) Data Editorشريط محرر البيانات ( األدوات

13

الوظيفة العنوان األيقونة

open فتح ملف مخزن

Save تخزين ملف

Print طباعة ملف

Dialog Recall إظهار آخر مجموعة من اإلجراءات التي تم

استخدامها

Undo قمت بهاتراجع عن آخر عملية

Redo الرجوع عن آخر عملية تراجعت عنها

Goto Chart االنتقال إلى تخطيط

Goto Case صف( االنتقال إلى حالة(

Variable إعطاء معلومات عن المتغير

Find عنبحث

Insert Case إدراج حالة جديدة إلى الملف

Insert Variable إدراج متغير جديد إلى الملف

Split File شطر الملف إلى جزأين

Weight Cases إعطاء أوزان للحاالت

Select Cases اختيار مجموعة حاالت

Value Labels القيم) دالالت ( عناوين ) أو إخفاء( إظهار

Use Sets استخدام مجموعات من المتغيرات

14

spssأيقونات

إليجاد الشريط الموجود تحت شريط القوائم Viewنضغط من شريط القوائم على

فيظهر مربع الحوار التاليToolbarsتم نختار فتظهر Data Editor نضغط في المربع المقابل ل

أما . Large Buttonsأمام أردنا تكبير زرائر الشريط نضغطوإذاعالمة الصح، إذا أردنا إيجاد شرائط جديدة نحن في حاجة لها

:التالي فيظهر مربع الحوار New Toolbarفإننا نضغط على زر

15

customize ثم نضغط على barakat نكتب اسم الشريط الجديد على سبيل المثال

:فيظهر الشكل التالي مناسبا ومن المستطيل المقابل نختار الـ ما نراهCategoriesنختار من القائمة

Itemsإلى المناسب بالضغط على الزر األيسر للفارة مرتين متتاليتين فينتقل الزر تم نضغط أخيرا barakatالمسمى Customizing Toolbar مستطيل األفقيلا

: كما هو موضح بالشكل التاليbarakatعلى موافق فيظهر شريط جديد باسم

واآلن نوضح كيفية إدخال البيانات التالية والتي تهدف إلى معرفة اتجاهات المعلمين :نحو الوسائل التعليمية

استبانه

بكالوريوس فما فوق دبلوم :يالمؤهل العلم

سنوات5 اكثر من سنوات10-5من سنوات5 اقل من :الخبرة

موافق الفقرة الرقم بشدة

معارض معارض محايد موافق بشدة

اشعر بارتياح الستخدام الوسيلة التعليمية 1 افضل عرض الوسيلة التعليمية في وقتها المناسب 2 أرى أن استخدام الوسيلة التعليمية تحسن نوعية التعليم 3

16

: نقوم بعملية الترميز للمتغيرات- :متغير المؤهل العلمي: أوال

بكالوريوس فما فوق دبلوم المؤهل العلمي 2 1 التصنيف

: الخبرة: ثانيا

سنوات10اكثر من سنوات10-5من سنوات5اقل من الخبرة 3 2 1التصنيف

:يتم تفريغ البيانات وفقا للتصنيف التالي: ثالثا

معارض بشدةمعارضمحايدموافقموافق بشدةالتصنيف 1 2 3 4 5 الدرجة

q3, q2, q1المؤهل، الخبرة، : نعطي أسماء لمتغيرات أسئلة الدراسة كالتالي

تعريف تظهر الشاشة التالية والتي تستخدم فيVariable Viewنضغط على * SPSS وهو يختلف قليال عن SPSS 11.0تذكر انك تستخدم " متغيرات الدراسة

8.0:"

Type والنوع Nameنالحظ من الشاشة أن للمتغير عدة خواص هي االسم

وغيرها كما تشاهد في الشكل أعاله وسوف نأتي بالتفصيل Lableووصف المتغير :ف يكون إدخال بقية المتغيرات مشابه تمامالكيفية إدخال متغير المؤهل العلمي، وسو

كتابة اسم المتغير: المرحلة األولى

" المؤهل " في السطر األول لنكتب اسم المتغير Name نضغط في الخلية اسفل

17

تعين نوع المتغير: المرحلة الثانية

فتظهر أيقونة عليها ثالث نقاط نضغط عليها فيظهر Type نضغط في الخلية اسفل :نا الشكل التاليل

Numeric من الشكل نالحظ أنSPSS يعتبر أن جميع المتغيرات رقمية

Decimal Places 2 أرقام وكذلك عدد األرقام العشرية 8 أي Width 8وعرضها ويمكن تغيير عدد أرقام العدد وكذلك عدد األرقام العشرية بالضغط داخل المربع

في شاشة Decimal أو اسفل العمود Widthود المعني أو في الخلية اسفل العممحرر البيانات ونقوم بتغيير عدد أرقام العدد وكذاك عدد األرقام العشرية كما هو

-:مبين بالشكل Comma لتعريف متغير رقمي يراد عرض قيمه بحيث تشتمل على فاصلة

وكمثال .العشريةمع نقطة لفصل الخانات ) 1000لألرقام األكبر من ( كل ثالثة أرقام

.545,445,555.000على ذلك

18

Dot - لتعريف متغير رقمي يراد عرض قيمه بحيث تشتمل على نقطة كل

مع فاصلة لفصل الخانات العشرية وكمثال ) 1000لألرقام األكبر من ( ثالثة أرقام .545.445.555,000على ذلك العدد

Scientific Notationرض قيمة بشكل تعبير لتعريف متغير رقمي يراد عفالرقم )10(ليسد مسد األساس ) E(أسى وفي هذا النوع يستخدم الحرف

21051.4 4.51E2 يعبر عنه حسب هذا النوع كما يلي ×

Date لتعريف متغير رقمي يراد عرض قيمة بشكل تاريخ أو تاريخ مع الوقت كال خاصة من هذا النوع وصندوق الحوار التالي يبين أش

وهو التاريخ على الطريقة األمريكية mm/ dd/ yy وكمثال يمكن اختيار الشكل

.05/06/99وكمثال . تعني السنةyy تعني اليوم و dd يعني الشهر و mmوارمز

Dollar لتعريف متغير رقمي يراد عرض قيمة بحيث تشمل على إشارة مع نقطة لفصل ) 1000العدد اكبر من ( رقام مع فاصلة كل ثالثة أ$الدوالر

.الخانات العشرية :والشكل التالي يبين هذا النوع

19

505,487.14,$وكمثال على قيم متغير منم هذا النوع

Custom Currencey : لتعريف متغير رقمي يراد عرض قيمة بحيث

بل اختيار تشمل على عملة دولة معينة تم تعريف مواصفاتها حسب الطلب، لذلك ق :هذا النوع فانه يجب أوال إنشاء العملة المطلوبة كما يلي

فيظهر مربع الحوار التالي، Options ثم اختيار األمر Edit اختار القائمة -

اكتب في المربع المقابل لـ All Values ثم في مربع Currencyاختار النافذة Suffix " وفي مربع " جنيهNegative Valuesفي " -"تب إشارة السالب اك

. ثم موافقSuffixالمربع المقابل لـ

.جنيه 454.000 - : وكمثال على هذا النوع

20

String : لتعريف متغير حرفي قيمه تحتوي على أحرف أو أرقام أو أي :رموز أخرى، والشكل التالي يبين هذا النوع

معرفة انه يوجد فرق ادخل أقصى عدد ممكن للرموز، ويجبCharactersفي مربع .A يختلف عن الحرف aبين الحروف الصغيرة والكبيرة أي أن الحرف

تعيين األوصاف للمتغير: المرحلة الثالثة

تستخدم كأوصاف ) Values(وتعيين رموزا ) variable Label(لتعيين وصفا للمتغير

اشة في شLabelاضغط داخل الخلية اسفل ) Value Labels(لقيم المتغير Variable View المؤهل العلمي" لكتابة نص السؤال وهو."

: اضغط على المربع المنقط يظهر مربع الحوار التاليValuesفي الخلية اسفل ، ثم Add ثم اضغط على زر Value Label و دبلوم أمام Value أمام 1اكتب في " وقبكالوريوس فما ف" ثم اكتب Value في المستطيل المقابل لـ 2اكتب

.Add ثم اضغط على Value Labelالمستطيل المقابل لـ

21

ظلل الوصف المطلوب بنقره بالفارة ثم ادخل القيمة : لتغيير وصف قيمة المتغير -ثم انقر الزر ) Value Label أو الوصف في مستطيل Valueالجديدة في مستطيل

Changeفيظهر الوصف الجديد ، .

ظلل الوصف المطلوب من القائمة بنقره بالفارة ثم : في المتغيرلحذف وصف قيمة . ، فيتم حذف الوصف من القائمةRemoveانقر زر

المفقودةمتحديد القي: المرحلة الرابعة

أحيانا قد يقوم بعض األشخاص بعدم اإلجابة على سؤال ما تبقى إجابة ذلك السؤال

بذلك، وهناك عدة طرق SPSSغ الجنرال مفقود وتسمى بالقيمة المفقودة، ويجب إبال :لتعيين القيم المفقودة، نذكر منها

عندما يكون هناك سؤال ليس له إجابة فما عليك إال أن تقفز عنه، ليقوم محرر قيم نظام " البيانات بعرض تلك الخلية المفقودة بنقطة، وتسمى تلك القيم المفقودة

بالذكر انه بالنسبة للمتغيرات وجدير " (System Missing Values)مفقودة الرقمية فان الخاليا تحول إلى قيم نظام مفقودة ، أما بالنسبة للمتغيرات النصية فان الخاليا الفارغة تعامل كقيمة صحيحة، بمعنى آخر ال يوجد قيم مفقودة في

.المتغيرات النصيةستخدم قيم الم" يمكنك أن تضع رمزا بدل القيم المفقودة لتصبح تلك القيم

ولتحديد قيم مستخدم مفقودة نضغط في " User Missing Values المفقودة ثم الضغط على " محرر البيانات" في شاشة Missing الخلية الموجودة اسفل

:المربع المنقط بثالث نقط ليظهر الشكل التالي

22

:ة كالتاليو يظهر من مربع الحوار عدة خيارات لتعيين القيم المفقودNo missing values

.يتم اختياره عند عدم وجود قيم مستخدم مفقودة وعادة يكون هذا الخيار محدداDiscrete missing values

يمكنك إدخال حتى ثالث قيم مختلفة لمتغير واحد تعامل كقيم مستخدم مفقودة وهذا .الخيار يصلح للمتغيرات الرقمية والنصية

valuesRange of missing يمكنك هذا الخيار من تحديد مدى معين من قيم المستخدم المفقودة بحيث تعامل اقل

ويصلح هذا الخيار فقط للقيم الرقمية . قيمة واكبر قيمة وما بينهما من القيم كقيم مفقودة .وال يصلح للمتغيرات النصية

Range plus one discrete missing value مدى معين من قيم مستخدم مفقودة إضافة إلى قيمة خارج يمكنك هذا الخيار من تحديد

وجدير . المدى، ويصلح هذا الخيار للمتغيرات الرقمية وال يصلح للمتغيرات النصية .بالذكر أن قيم المستخدم المفقودة ال تدخل في الحسابات

تحيد شكل العمود: المرحلة الخامسة وموقع البيانات داخل العمود (Column width )يقصد بشكل العمود عرض العمود

(Text Format) بحيث يمكن توجيهها بحيث تكون في يسار العمود أو في وسطه ونختار Align واسفل Columnولتغيير ذلك نضغط في الخلية اسفل . أو في يمينه

.المناسب

تحدي مقياس المتغير: المرحلة السادسة ثم نضغط على السهم Measure ل الخلية اسفل لتحديد مقياس المتغير نضغط داخ

الموجود داخل الخلية فتظهر الخيارات التالية كما بالشكل أعاله ، نختار منها Nominal. إليك اإلستبانة التي عرضت في بداية هذا الفصل والمطلوب توزيعها على :تمرين

.SPSS وتفريغها في 10عينة عدد مفرداتها

23

استبانه

:المؤهل العلمي دبلوم كالوريوس فما فوق ب

:الخبرة سنوات5 اقل من سنوات10-5من سنوات5 اكثر من

معارض موافق موافق محايد معارض بشدة

الرقم الفقرة بشدة

1 الستخدام الوسيلة التعليميةحاشعر باالرتيا 2 بافضل عرض الوسيلة التعليمية في وقتها المناس 3 أرى أن استخدام الوسيلة التعليمية تحسن نوعية التعليم

:الحل

: نقوم بعملية الترميز للمتغيرات-

:متغير المؤهل العلمي: أوال

المؤهل العلمي دبلوم بكالوريوس فما فوق التصنيف 1 2

: الخبرة: ثانيا

رةالخب سنوات5اقل من سنوات10-5من سنوات10اكثر من

التصنيف 1 2 3

:يتم تفريغ البيانات وفقا للتصنيف التالي: ثالثا

معارض بشدةمعارضمحايدموافقموافق بشدةالتصنيف 1 2 3 4 5 الدرجة

q3, q2, q1المؤهل، الخبرة، : نعطي أسماء لمتغيرات أسئلة الدراسة كالتالي

24

:لتاليبعد تفريغ البيانات تظهر شاشة محرر المتغيرات كا

:والبيانات بع التفريغ تظهر على شاشة محرر البيانات كالتالي

25

الفصل الثاني .2 العمليات الحسابية واختيار الحاالت .3

عند تحليل اإلستبانة يلزم في بعض األحيان إيجاد بعض العمليات الحسابية على

باشر بعض المتغيرات وهنا سنركز على بعض الدوال الهامة التي لها اتصال م .بتحليل اإلستبانة

حساب مجموع عدة متغيرات

عملية الجمع الواردة في اإلستبانة السابقةq1, q2, q3 احسب مجموع المتغيرات : مثال

لحساب مجموع المتغيرات الثالثة: الحل

: فيظهر مربع الحوار التاليTransform من شريط القوائم Compute نختار -

26

ادخل اسم المتغير الجديد المطلوب وليكن Target Variableفي المستطيل -

sum1ويجب أن يكون االسم مخالف ألسماء المتغيرات في اإلستبانة .

ويمكنك كتابة ذلك q1+q2+q3 اكتب Numeric Expressionفي المستطيل -

باستخدام لوحة المفاتيح أو باستخدام أزرار اآللة الحاسبة الموجودة في مربع

نقر على اسم المتغير مرتين من قائمة المتغيرات أو بنقر المتغير الحوار أو بال

Numericمرة واحدة ثم الضغط على السهم ليدخل داخل صندوق Expression

فيظهر Type&Lableإذا أردت أن تكتب وصف للمتغير اضغط على الزر -

:مربع الحوار التالي

فينتقل إلى Continue ثم اضغط على Labelأكتب في المستطيل المقابل لـ -

: فتظهر النتائج التاليةOkمربع الحوار السابق ، اضغط على

27

عند استخدام طريقة الجمع السابقة إذا كانت إحدى قيم المتغيرات : 1مالحظة هامة

مفقودة فان نتيجة الجمع للمتغيرات ستكون مفقودة، ولذلك يفضل استخدام دالة

SUMمن فئة الدوال Functions وكتابة الصيغة التالية داخل مستطيل

Numeric Expression ، sum(q1,q2,q3) أو sum(q1 to q3) فانه يتم

جمع قيم المتغيرات الغير مفقودة حاول أن تجرب هذه المالحظة مع اختيار اسم

.جديد للمتغير الناتج

ير المفقودة في األدنى للمتغيرات غد من الممكن أن نحدد الح:2مالحظة هامة

المتغيرات المراد جمعها، وهذا يمكن أن يتم بإلحاقه نقطة مرفقة بالحد األدنى لعدد

:المتغيرات التي ال تحتوي على قيم مفقودة في اسم الدالة كالتاليsum.2(q1 to q3)

هذا يعني أن عملية الجمع تتم إذا وجد على األقل متغيرين يحمالن قيم أو بيانات وإال

.يجة ستكون مفقودةفالنت

على آلة حاسبة Compute Variableيحتوي مربع الحوار : 3مالحظة هامة

ويمكن استخدام . تحتوي على أرقام ورموز حسابية ورموز عالئقية ورموز منطقية

28

ويبين الجدول . هذه الحاسبة مثل أية حاسبة يدوية وذلك بنقر الزر باستخدام الفأرة

:ي اآللة الحاسبةالتالي الرموز المستخدمة ف

الرموز المنطقية الرموز العالئقيةالرموز الحسابية العملية الرمز العملية الرمز العملية الرمز

اقل من > الجمع +

اكبر من < الطرح - أو &

and يجب أن تكون جميع

العالقات صحيحة

اقل أو يساوي >=الضرب *

اكبر أو يساوي <= القسمة / or أو |

واحدة من العالقات يجب

حةأن تكون صحي

يساوي = األس **

( ) ترتيب

العمليات يال يساو =~

تفيد النفيnot أو ~

عملية إيجاد المعدل :ليكن أننا نريد إيجاد معدل المتغيرات الثالثة في كل حالة

أوجد معدل المتغيرات الثالثة لكل حالة من الحاالت: مثال

فيظهر مربع الحوار المسمى Compute اختر Transformمن القائمة

)Compute Variable .. (اختر الدالة .. انظر المثال السابقmean من قائمة

وتكتب Numeric Expression لتنقلها في داخل المستطيل Functionsاإلقترانات

، ثم اختر اسما جديد للمتغير الجديد واكتبه داخلmean(q1 to q3)الصيغة التالية

، فيظهر عمود جديد Ok وليكن المعدل ثم اضغط على Target Variableمستطيل

"المعدل " في شاشة البيانات باسم

إذا أردت إيجاد معدل المتغيرات الخاصة للمعلمين الذي خبرتهم اقل : مالحظة هامة

: فيظهر مربع الحوار التالي” If“ سنوات فقط اضغط على الزر 5من

:Include if case satisfied conditionاضغط على

29

سنوات رمزنا لها 5 الن الخبرة اقل من 1= قم بإدخال الشرط المطلوب وهو الخبرة

.... أتذكر ذلك ؟ 1بالرمز

وتظهر عبارة Compute Variable فيظهر مربع الحوار Continueانقر الزر

في " المعدل"ديد باسم تالحظ ظهور متغير جOk انقر الزر If... الشرط بجانب الزر

نهاية ملف البيانات يحمل قيم جديدة لمعدل المتغيرات الثالثة لكل حالة في حالة أن

. سنوات بناء على الشرط 5تكون الخبرة اقل من

30

من الممكن أن يكون الشرط مركب ، فإذا أردنا إيجاد معدل المتغيرات الثالثة -

حملة البكالوريوس فإننا نكتب في مستطيل من 10 إلى 5للمعلمين الذي خبرتهم من

: الصيغة التاليةCompute Variable: if Casesالشرط الموضح في مربع الحوار

2= المؤهلand 1= أو الخبرة2= المؤهل&1=الخبرة

andالحظ وجود فراغ من اليمين ومن اليسار حول كلمة

إلى 5للمعلمين الذي خبرتهم من إذا أردنا إيجاد معدل المتغيرات الثالثة بشرط أن *

أو حاصلون على درجة البكالوريوس فننا نكتب في مستطيل الشرط العبارة 10

:التالية

2= المؤهلor 1= أو الخبرة2= ا المؤهل1=الخبرة

5أوجد المعدل للمتغيرات الثالثة للمعلمين ذوى الخبرة اكبر من : تمرين

من حملة 5الثة للمعلمين ذوى الخبرة اكبر من أوجد المعدل للمتغيرات الث: تمرين

.الدبلوم

طرق اختيار عدة حاالت بإمكاننا اختيار عدة حاالت يمكن للباحث إجراء التحليل عليها والختيار عدة حاالت أو

فيظهر Select Cases األمر Dataمجموعة جزئية من الحاالت نختار من القائمة

:مربع الحوار التالي

31

افترض أننا نريد تحديد الحاالت للمعلمين الذين مؤهلهم العلمي دبلوم فقط، من : مثال

If ، ثم ننقر على الزر If condition is satisfied نختار الخيار Selectمستطيل

:فيظهر مربع الحوار التالي

32

Continue ثم اضغط 1=المؤهلادخل الشرط

Unselected Cases يوجد مستطيل يسمى Select Casesفي اسفل مربع الحوار

Areيوجد خياران يحددان الطريقة التي سوف نستثني الحاالت المستثناه وهما

Filtered : هذا الخيار يؤدي إلى إضافة متغير في نهاية ملف البيانات يسمى

filter_$ او 1( يأخذ قيمتين، القيمةSelected (للحاالت المختارة والرقم ) او 0

Not Selected ( للحاالت غير المختارة، كما أن هذا الخيار يؤدي إلى وضع إشارة "

وإذا أردت إيقاف هذا الخيار والرجوع لجميع البيانات . للحاالت غير المختارة/ "

.Select من المستطيل All Casesاختر

Deleted :مكن الرجوع إلى هذا الخيار يؤدي إلى حذف الحاالت غير المختارة وال ي

.البيانات األصلية إال إذا قمن بإغالق البرنامج مع عدم التخزين وفتح الملف من جديد

: فتظهر النتائج التاليةOk ثم نضغط على Filteredعلى كل حال سنختار

: فان النتائج تكون كالتاليUnselected Cases من المستطيل Deletedإذا اخترنا

33

:الختيار عينة عشوائية من البيانات نتبع الخطوات التالية كما Select Cases فيظهر مربع الحوار Select Cases اختر Data من القائمة -

Select من مستطيل Random sample of casesفي المثال السابق، نضغط على

: فيظهر مربع الحوار التاليSample، ثم نضغط على

وهو يحدد نسبة الحاالت Approximately يشتمل هذا الحوار على خيارين هما

وعلية سيتم اختيار 60المئوية وذالك بادخال رقم في مستطيل هذا الخيار وليكن

فيحدد عدد الخيارات من عينة Exactlyاما الخيار . من الحاالت عشوائيا% 60

امام في المستطيل االيسر المقابل لـ 6 من الحاالت، فاذا ادخلنا الرقم nحجمها

34

Exactly 10 حاالت من اول 6 في المستطيل االيسر، فهذا يعني اختيار 10 والرقم

. حاالت

Ok ثم على Continueونضغط على الزر . Exactlyفي مثالنا سنختار حالة

:فتظهر النتائج التالية

اختيار مدى معين من الحاالت الخيار Select Casesعين من الحاالت نختار من مربع الحوار لتحديد مدى م

Based on time or case rangeفيظهر مربع الحوار التالي :

35

وبذلك يتم إختيار Last Cases أسفل 7 والرقم First Cases أسفل 3أكتب الرقم

.الحاالت من الحالة الثالثة إلى الحالة السابعة

تصفية حاالت معينة ستطيع من خالل هذا األمر اختيار الحاالت التي ال تساوي قيمتها في هذا المتغير ن

Use Filterصفرا وتحذف الحاالت التي تساوي قيمتها الصفر وذلك بالنقر على

Variable ثم إدخال المتغير الذي يحتوي على بيانات تساوي الصفر وبيانات ال

.ت التي ال تساوي الصفر فنحصل على الحاالOkتساوي الصفر ، ثم نضغط

Templatesتنسيق عدة أعمدة باستخدام األمر يستخدم هذا األمر لتعريف معلومات متشابهة لعدة متغيرات، فعلى سبيل المثال إذا

، )4(، موافق ) 5( موافق بشدة [كانت عدة أسئلة تتفق في إجاباتها المحتملة مثل

لوب تعريفها لجميع المتغيرات مرة والمط])1(، معارض بشدة)2(، معارض)3(محايد

:واحدة نتبع الخطوات التالية

نعرف أول متغير بكتابة إسمة ونوعه والقيم المفقودة وجميع التنسيقات الممكنة .1

.Variable Viewوذلك من شاشة تعريف المتغيرات

في االستبانة q3اضغط بالزر األيمن للماوس على المتغير المعرف وليكن .2

ا هو موضح بالشكلالسابقة كم

.Copyثم اختر

q3المتغير ظلل المتغير الذي يلي .3

Past Variable األمر Edit واختر من

: ليظهر مربع الحوار التالي

36

في المستطيل أمام 4 اختر عدد المتغيرات المراد لصق المعلومات بها وليكن - 4

Number of new variablesبع المقابل لـ ثم اضغط في المرNew variable

names واكتب الحرف q الن هذا الحرف هو مشترك بين جميع أسماء المتغيرات

في الشكل ن في الجهة اليسرى كما هو مبي4المتشابهة في المعلومات، ثم اكتب الرقم

.Ok ثم اضغط q4 الن المتغيرات الجديدة ستبدأ من 4كتبنا الرقم .( أعاله

Saving Dataبياناتحفظ أو تخزين ال فيظهر مربع File من القائمة Save Asلحفظ البيانات ألول مرة اختر األمر . 1

:الحوار التالي

37

، ثم ادخل "المستندات" نحن اخترنا Save Inحدد الدليل الذي تريد من مربع . 2

بيانات ، الحظ أن امتداد ملفات الFile Name في مربع "وكالة " اسم الملف

SPSS*.sav المقابل لمربع Save as typeثم اضغط . كما هو موضح بالشكل

.Saveعلى الزر

.File من قائمة Exit SPSS بالنقر على SPSSللخروج من نظام .4

فتح ملف بيانات مخزن .ل كما هو بالشكData ومن القائمة الفرعية اختر Open اختر Fileمن القائمة .1

.Openاختر الملف المطلوب ثم اضغط الزر :حوار التالييظهر مربع ال .2

38

، ولنسخ متغير أو عدة Deleteلحذف متغير ، نحدد المتغير ثم نضغط

، وللصق المتغيرات بعد Copy األمر Editمتغيرات حددها ثم اختر من القائمة

.Past األمر Editنسخها نختار من القائمة

Insert Variable) عمود(إدراج متغير .ضع مؤشر الفارة على العمود الذي تريد إضافة عمود جديد إلى يساره .1

أو بالنقر على الزر في شريط ( Insert Variableمن قائمة بيانات اختر األمر .2

Var00001فيظهر عمود جديد باسم افتراضي ) األزرار الخاص بإدراج متغير

Insert Cases) صفوف( إدراج حاالت .ع مؤشر الفارة على الصف الذي تريد إضافة صف جديد فوقهض .1

أو بالنقر على الزر في شريط األزرار ( Insert Caseمن قائمة بيانات اختر األمر

.فيظهر صف جديد باسم افتراضي) الخاص بإدراج صف

Go To Caseاإلنتقال إلى Go Toوار فيظهر مربع الحData من قائمة Go To Caseانقر فوق األمر .1

Caseكما هو بالشكل ثم اكتب رقم الحالة التي تريد االنتقال إليها

39

Finding Values البحث عن القيم انقر فوق أي ) q3مثال المتغير ( إذا رغبت في البحث عن قيم لمتغيرات معينه .1

.1qخلية في المتغير

: فيظهر مربع الحوار التاليFind اختر Editمن القائمة .2

Find what في المستطيل أمام 4اكتب الرقم المراد البحث عنه وليكن .3

Exporting and Importing إستيراد وتصدير البيانات

تعتبر عملية الحصول على البيانات من األولويات التي تشغل بال الباحثين، ولكن ليس

إذ قد تكون ضمن برنامج SPSSبالضرورة أن تكون هذه البيانات مخزنة في ملفات

Excel أو Accessكذلك فانك قد ). تسمى هذه العملية استيراد البيانات( وغيرها

تحتاج في بعض األحيان تخزين بياناتك التي قمت بمعالجتها في تطبيقات أخرى مثل

Excel أو Access) تسمى هذه العملية تصدير البيانات. (

Exporting Dataتصدير البيانات

من Save As نختار من Excel في برنامج SPSSإذا أردت تخزين ملف .1

:ي ليظهر مربع الحوار التالFileالقائمة

40

الذي يستطيع تطبيق Excel *.xls نحدد نوع الملف Save as typeمن المربع .2

Excel في المستطيل أمام " المخزون" التعرف عليه، ثم اكتب اسم الملفFile

name .على زر ثم اضغط Save.

من شريط القوائم وافتح الملف Open ثم اضغط على Excelافتح تطبيق .3

".المخزون"

Importing Dataإستيراد البيانات

SPSS وتحويله إلى تطبيق Excelنستطيع استيراد البيانات من تطبيق آخر مثل

:باتباع الخطوات التالية

، ثم اضغط على File من القائمة Open ثم اختر SPSSافتح برنامج جديد في .1

ستظهر قائمة بأنواع الملفات التي يمكن لبرنامج File of Typeالسهم يمين القائمة

SPSS التعامل معها، حدد على سبيل المثال Excel*.xls

.Okحدد الملف الذي تريد فتحه بالنقر عليه، ثم اضغط .2

41

الفصل الثالث

Creating chartsالرسم البياني التمثيل البياني هو تخطيط يعرض المعلومات بشكل مرئي مما يساعد في فهم األرقام

ويمكن تمثيل البيانات بعدة طرق منها األعمدة البيانية والقطاعات . والمقارنة بينهما

ويتم اختيار طريقة التمثيل . الدائرية والمنحنيات والمدرج التكراري ولوحة االنتشار

نوعية البيانات ، فإذا كانت البيانات تقاس بمقياس اسمي أو ترتيبي يتم بناء على

تمثيلها باألعمدة أو بالقطاع الدائري، وإذا كانت البيانات تقاس بمقياس كمي فان

.المدرج التكراري والمنحنيات يكون التمثيل البياني األمثل لها

ة عن الراتب في بداية أضف لإلستبانة السابقة متغيرين األول عبار : مالحظة عمل

" والمتغير الثاني عبارة عن الراتب في نهاية العمل " بدائي _ر" العمل باسم

: وعملة الدوالر لتكون النتائج كالتاليNumericوتنسيقهما " نهائي _ر

:واآلن إلى الرسم البياني

طريقة األعمدة البيانية ء على متغير مصنفأعمدة بيانية تصنف الحاالت في مجموعة بنا .1

(Summaries for groups of cases)

42

.أوجد بطريقة األعمدة عالقة الدخل في بداية العمل مع المؤهل العلمي للمعلمين: مثال

: فيظهر مربع الحوار التاليBar نختار Graphsمن القائمة . 1:الحل

Simpleاضغط على .2

Summaries for groups of اختر Data in Chart Are من مستطيل .3cases

: يظهر مربع الحوار التاليDefineاضغط على .4

43

Other summary function اختر الخيار Bars Representفي مستطيل .5

ثم اضغط على " بدائي _ر"من قائمة المتغيرات في الجهة اليسرى اختر المتغير .6

Meanكما هو مبين بالشكل، والحظ أن كلمة Variableالسهم الموجود بجانب

ظهرت كذلك وتعني المتوسط الحسابي وبإمكانك أن تختار إحصاء آخر بالضغط

. ليظهر مربع الحوار التالي وتختار ما تريدChange Summaryعلى

44

ثم اضغط على " المؤهل" من قائمة المتغيرات في الجهة اليسرى اختر المتغير .7

. كما هو مبين بالشكلCategory Axis بجانب المستطيل السهم الموجود

: يظهر مربع الحوار التالي Titlesاضغط على الزر .8

45

تظهر النتائج Ok ثم اضغط Continueاضغط .بإمكانك أن تكتب عنوان للمخطط

:التالية في شاشة المخرجات

الحظ الخط على الرسم غير مفهوم والتوضيحة .4

الحظ أن الكالم غير واضح ويجب إجراء تنسيقات على الرسم وذلك بالنقر .9

Chart نافذة الرسم البياني ىبالماوس مرتين متتاليتين لتظهر شاشة أخرى تسم

Window مع شريط القوائم وشريط األدوات الخاص بهذه النافذة كما يوضح

:الشكل التالي

46

ليظهر الشكل الموجود بالنتائج في المخطط T (Text) اضغط على الزر. 10

اختر خط Text Stylesالسابق، اضغط على الكالم المراد توضيحه ثم من مربع

على سبيل 12 علي سبيل المثال ثم اختر حجم الخط Arabic Transparentعربي

.كرر ذلك على كل خط ليس واضحاً . Applyالمثال، ثم اضغطي على

ان محور الصادات وتغيير التدريج اضغط مرتين متتاليتين على لتوسيط عنو .11

: وأي تنسيق آخرCenterمحور الصادات يظهر مربع الحوار التالي لتختار

47

الختيار أي تنسيق ألي جزء في الرسم اضغط عليه مرتين ونسق حسب مربع . 12

.الحوار الناتج

:ظهر نافذة النتائج كالتالي تFile من القائمة Closeاضغط على . 13

48

.ارسم مخطط بياني يبين عالقة المؤهل العلمي بالراتب الحالي والراتب البدائي: مثال

بدل )األعمدة المزدوجة ( Clusteredاتبع نفس الخطوات السابقة مع اختيار . 1:الحل

. يظهر مربع الحوارSummaries of separate variables و Simpleاالختيار

49

: يظهر مربع الحوار التاليDefineاضغط .3

Barsفي المستطيل اسفل ل" حالي _ر" و " بدائي _ر" ادخل المتغيرات .4

Represent في المستطيل اسفل " المؤهل " ومتغيرCategory Axis ثم Ok.

.يظهر المخطط التالي بعد تنسيق الرسم كما بالمثال السابق. 5

50

المؤهل العلمي

دبلومبكالوريوس فما فوق

Mea

n600

500

400

300

الراتب في بداية العم

ل

الراتب في نهاية العم

ل

الحسابي لكل من الراتب في بداية العمل والراتب الحاليمثل المتوسط: مثال

Dada ومن مستطيل Simple االختيار Bar Chartنختار من مربع الحوار : الحل

in chart are الخيار Summaries of separate variable ثم اضغط Define

:يظهر مربع الحوار التالي

51

بدائي إلى مستطيل _ر" في بداية العمل والراتب " حالي _ر" ادخل الراتب الحالي

Bars Represent ثم اضغط على Ok يظهر الشكل التالي بعد عمل التنسيقات على

:الرسم

الراتب في بداية العمالراتب في نهاية العم

Mea

n

540

520

500

480

460

440

529

452

52

(Clustered Bar Charts)أعمدة بيانية ذات مجموعات متعددة األعمدة

أنشئ أعمدة بيانية تمثل متوسط الراتب في بداية العمل لكل فئات الخبرة طبقا :مثال

.للمؤهل العلمي

" المؤهل العلمي " بمعنى تصنيف نتوسط الراتب في بداية العمل بناء على المتغير

ثم بعد ذلك تصنيف كل (category Variable)والذي يسمى بمتغير التصنيف

" الخبرة " مجموعة بناء على المتغير

:الخطوات المتبعة إلنشاء مثل هذا الرسم هي كما يلي

: فيظهر مربع الحوار التالي Bar اختر Graphs من القائمة .1

53

اختر Data in Chart Are ثم من مستطيل Clusteredاختر . 2

يظهر مربع الحوار Define ثم اضغط Summaries for groups of casesالخيار

:التالي

في " المؤهل " والمتغير Variableفي المستطيل اسفل " حالي _ر" ادخل المتغير . 3

Defineفي المستطيل اسفل " الخبرة " والمتغير Category Axisمستطيل اسفل ال

Clustered by ثم اضغط Ok فتحصل على الرسم البياني في نافذة (Chart

Carousel) اضغط على الرسم ضغطتين متتاليتين نافذة Chart Window اعمل

وزخرفتها وغيرها من التنسيقات الالزمة من تغير نوع الخط وحجمه وشكل األعمدة

:التنسيقات ثم اغلق هذه النافذة لتحصل على الشكل النهائي التالي

54

المؤهل العلمي

دبلومبكالوريوس فما فوق

Mea

n ملالع

ة دايي بب ف

راتال

600

500

400

300

الخبرة

سنوات5اقل من

سنوات10-5من

سنوات10اكثر من

507

400

493

350

385

مقارنة أفراد العينة مع بعضهم البعض حسب قيمة متغير ما الجدول التالي يبن عدد الموظفين حسب نوع العمل والمطلوب إنشاء مخطط : مثال

:بياني يوضح ذلك

كاتب حارس مدير نوع العمل

10 7 5 عددال

" بحيث تعرف المتغيرين (Data Editor)قم بإدخال البيانات في محرر البيانات .1

والشكل " العدد "ووصفه " العدد " والمتغير " نوع العمل " ووصفه " العمل _ن

.التالي يبين البيانات بعد إدخالها في محرر البيانات

55

: التالي فيظهر مربع الحوارBar اختر Graphsمن القائمة .2

Values of اختر Data in Chart Are ثم من المستطيل Simpleاختر .3

individual cases ثم اضغط على Defineيظهر مربع الحوار التالي :

56

وفي Bar Representداخل المستطيل المقابل لـ " العدد : ادخل المتغير .4

" ثم ادخل المتغير Variable اضغط على Gategory Lablesالمستطيل

Ok ثم اضغط Variableفي المستطيل الموجود اسفل " العمل _ن

اضغط على الرسمة مرتين Chart Carouselتالحظ ظهور الرسمة في نافذة .5

ثم . ثم اجري جميع التنسيقات الالزمة Chart Windowsمتتاليتين لتفتح نافذة

.Chart Carousel لتعود نافذة Chart Windowsاغلق نافذة

:اعد الرسم السابق في المثال السابق باستخدام القطاع الدائري: مثال

: يظهر مربع الحوار التالي Pie اختر Graphمن القائمة . 1

العمل_ن

مديرحارسكاتب

Valu

e ددالع

11

10

9

8

7

6

5

4

10

7

5

57

يظهر Define ثم اضغط على Values of individual casesاضغط على .3

:مربع الحوار التالي

، ثم اضغط على Slices Representفي المستطيل اسفل " العدد " ادخل المتغير .4

Variable الموجودة في إطار Slice Labels ثم ادخل في المستطيل المتغير "

ياني ، نسق يظهر الرسم البOk ثم اضغط Variableالموجود اسفل " العمل _ن

58

الخط والنقش وذلك بالضغط على الرسم ضغطتين متتاليتين كما سبق ، قم بإغالق

.النافذة لتظهر الرسمة التالية

كاتب

حارس

مدير

إذا أردت إبراز عدد الموظفين والنسبة المئوية فما عليك إال أن تضغط على الرسم .5

ن ثم اضغط على كلمة مدير مرتيChart Windowمرتين متتاليتين فتظهر نافذة :يظهر مربع الحوار التالي

59

إليجاد عدد الموظفين في كل طبقة وداخل ( Value)اضغط داخل المربع بجانب .6

. إليجاد النسبة المئوية لعدد الموظفين لكل طبقةPercentsالمربع بجانب

: يظهر مربع الحوار التاليFormatاضغط على الزر .7

اذا كنت ان تكون Outside واختر Positionاضغط على السهم المقابل لـ .8

ثم اغلق النافذة فتظهر الرسمة Ok ثم Continueالكتابة خارج الرسم، ثم اضغط

:التالية

00 / 45.5%

7.00 / 31.8%

5.00 / 22.7%

كاتب

حارس

مدير

60

إنشاء مخطط للوحة االنتشار لوحة االنتشار يوضح العالقة بين متغيرين هل هي طردية أم عكسية أم انه ال يوجد

مى خط االنحدار الذي يتوسط النقاط عالقة بين المتغيرين وكذلك يمكنه رسم ما يس

:وسوف ندرس موضوع االرتباط واالنحدار الحقا بالتفصيل

انشأ لوحة االنتشار التي توضح العالقة بين الراتب في بداية العمل والراتب في : مثال

.نهاية العمل مع رسم خط االنحدار

: الحل

:تالي فيظهر مربع الحوار الScatter اختر Graphمن القائمة .1

: ينتج مربع الحوار التاليDefine ثم Simpleاضغط على .2

61

والدخل المتغير Y Axisفي المستطيل اسفل " حالي _ر"ادخل متغير .3

: فتظهر الرسمة التاليةOk ثم الضغط على X Axisفي المستطيل اسفل " بدائي_ر“

ÇáÑÇÊÈ Ýí äåÇíÉ ÇáÚãá

700600500400

ÇáÑ

ÇÊ

È Ý

í ÈÏÇ

íÉ Ç

áÚãá

700

600

500

400

300

62

:يةاضغط على الرسمة مرتين لعمل التنسيقات التال .4

ليظهر مربع الحوار Chart Options نسق الخط ثم اضغط على زر -

: التالي

ليظهر File Options ثم اضغط على Totalاضغط على المربع بجانب .5

:مربع الحوار التالي

63

ليظهر الرسم OK ثم Continue ثم Linear regressionاضغط على .6

:التاليةالتالي واغلق نافذة التنسيقات لتظهر الرسمة

الراتب في نهاية العمل

700600500400

ملالع

ة دايي بب ف

راتال

700

600

500

400

300

64

الفصل الرابع المقاييس االحصائية والجداول المتقاطعة

الجداول المتقاطعة قد نحتاج في كثير من األحيان لتلخيص البيانات في جداول متقاطعة مكونة من

صفوف وأعمدة

إذا أردنا بعض المقاييس اإلحصائية لبعض الطبقات من المعلمين حملة الدبلوم : مثال

سنوات أو أن يكون 5ال أو حملة البكالوريوس أو للذي سنوات خبرة اقل من مث

سنوات10 سنوات إلى 5الموظف مؤهله العلمي بكالوريوس وخدمته في التعليم من

أو إنشاء المقاييس اإلحصائية لكل تقاطع بين فئات الخبرة وفئات المؤهل العلمي، لكل

:هذا نتبع الخطوات التالية

OLAP Cubes لتظهر قائمة فرعية اختر Report نختار Analyze ئمةمن القا. 1

:كما بالشكل الموضح ليظهر مربع الحوار التالي

65

والمتغير " بدائي_ر" المتغير Summary Variable(s)ادخل في المستطيل اسفل. 2

Grouping Variable (s) وادخل في المستطيل اسفل" نهائي _ر"

.كما تالحظ بالشكل" الخبرة " و " المؤهل " يران المتغ

: ليظهر مربع الحوار التالي...Statisticsاضغط على .4

Meanاختر المقاييس اإلحصائية التي تراها مناسبة لك مثل الوسط الحسابي

66

واكبر قيمة Minimum و اقل قيمة Standard Deviationواالنحراف المعياري

Maximumوالمجموع Sum وعدد الحاالت Number of Cases وغيرها ثم

لنعود إلى مربع Continue ثم اضغط Cell Statistics ادخلها في المستطيل اسفل

.OLAPS Cubesالحوار السابق

: فيظهر مربع الحوار التاليTitleإذا أردت كتابة عنوان للجدول اضغط على .5

Ok ثم Continueل على اكتب عنوان مناسب إذا أردت وإال اضغط على كل حا

:لتظهر النتائج التاليةOLAP Cubes

Case Processing Summary

10 100.0% 0 .0% 10 100.0%

10 100.0% 0 .0% 10 100.0%

الراتب في بداية العملالمؤهل العلمي* لخبرة

الراتب في نهاية العملالمؤهل العلمي* لخبرة

N Percent N Percent N PercentIncluded Excluded Total

Cases

67

وفي نهاية $ 450في الجدول السابق يكون المعدل للرواتب في بداية العمل .6ولكن . لكل الطبقات مجتمعة وهذا ينطبق على باقي المقاييس اإلحصائية$ 529العمل

لة الدبلوم فقط فإننا نضغط مرتين إذا أردت إيجاد المتوسط الحسابي للمعلمين من حم :متتاليتين على النتائج ليظهر الشكل التالي

: ثم اختر دبلوم كالتالي" المؤهل العلمي " اضغط على السهم المقابل للمتغير .7تالحظ أن معدل رواتب المعلمين في بداية العمل من حملة الدبلوم على سبيل

$ 380.00المثال يساوي

OLAP Cubes

Total :الخبرةTotal :المؤهل العلمي

$452.00 $75.836 $350 $600 $4,520 10$529.00 $66.072 $440 $650 $5,290 10

راتب في بداية العملاتب في نهاية العمل

Mean Std. DeviationMinimum Maximum Sum N

68

لمقاييس اإلحصائية للمعلمين من حملة الدبلوم وخبرتهم اقل من إذا أردنا إيجاد ا .8خمس سنوات نضغط على النتائج ضغطتين متتاليتين ثم نضغط على زر السهم

:لتظهر النتائج التالية" سنوات 5اقل من " المقابل للمتغير الخبرة ونختار

يساوي " سنوات 5اقل من "وخبرتهم " الدبلوم " وواضح أن معدل المعلمين من حملة

385 $.

Crosstabulationsالجدول التقاطعي

الجدول التقاطعي هو جدول يستخدم لتوزيع أفراد عينة الدراسة حسب متغيرين أو

التي لها مجاميع مختلفة ) التكرارات( اكثر أو هو جدول يستخدم لعرض عدد الحاالت

، ويمكن أن يرافق (Categorical Variables )من قيم متغيرين مصنفين أو اكثر

. الجدول التقاطعي حساب ملخصات إحصائية واختبارات

ويسمى . (two-way crostabulation)ويسمى الجدول التقاطعي لمتغيرين باسم

(multi-way crostabulation )الجدول التقاطعي ألكثر من متغيرين باسم

:إلنشاء الجدول التقاطعي اتبع الخطوات التالية

ومن القائمة الفرعية Descriptive Statistics اختر Analyzeقائمة من ال .1

Crosstabs كما بالشكل التالي، يظهر مربع الحوار Crosstabsاختر

69

70

في " الخبرة " ومتغير Row(s)في المستطيل اسفل " المؤهل العلمي"ادخل متغير . 2

Display clusteredانب اضغط داخل المربع بجColumn(s)المستطيل اسفل

bar charts ثم اضغط على الزر ، Cellsيظهر مربع الحوار التالي :

71

في المستطيل Column و Rowاضغط داخل المربعات الموجودة بجانب . 3

Percentage . ثم اضغط علىContinue ثم اضغط Okتظهر النتائج التالية :

Crosstabs

Case Processing Summary

10 100.0% 0 .0% 10 الخبرة* مؤهل العلمي 100.0%N Percent N Percent N Percent

Valid Missing TotalCases

الخبرة* المؤهل العلمي Crosstabulation

2 1 1 450.0% 25.0% 25.0% 100.0%

100.0% 25.0% 25.0% 40.0%3 3 6

50.0% 50.0% 100.0%75.0% 75.0% 60.0%

2 4 4 1020.0% 40.0% 40.0% 100.0%

100.0% 100.0% 100.0% 100.0%

Count% within ؤهل العلمي% within الخبرةCount% within ؤهل العلمي% within الخبرةCount% within ؤهل العلمي% within الخبرة

دبلوم

الوريوس فما فوق

المؤهلالعلمي

Total

سنوات10اآثر من سنوات10-5من سنوات5اقل من الخبرة

Total

72

نالحظ في كل خلية ثالثة قيم على سبيل المثال القيم في من النتائج السابقة . 4 يدل على أن هناك 2، الرقم " سنوات5اقل من "مع " الدبلوم " الخلية األولى تقاطع

سنوات والنسبة 5معلمين اثنين من حملة الدبلوم وخبرتهم في التدريب اقل من 5تدريس اقل من تعني أن نسبة المعلمين من حملة الدبلوم وخبرتهم في ال% 50

تعني أن نسبة المعلمين من حملة الدبلوم % 100والنسبة % 50سنوات تساوي أي أن هناك نسبة % 100 سنوات تساوي 5وخبرة التدريس لديهم وخبرتهم اقل من

.مئوية ضمن الصف ونسبة مئوية للمشاهدات ضمن العمود .لبيانيكذلك ينتج لنا مخطط بياني تم توضيحه أثناء شرح الرسم ا. 5

:مقسم إلى ذكر وأنثي كما يلي" الجنس " ادخل للبيانات متغير جديد باسم

المؤهل العلمي

دبلومبكالوريوس فما فوق

د عدال

3.5

3.0

2.5

2.0

1.5

1.0

.5

الخبرة

سنوات5اقل من

سنوات10-5من

سنوات10اكثر من

73

)Multi-way crosstabulation( عمل جدول تقاطعي ألكثر من متغيرين

ومن القائمة Analyze من القائمة Descriptive statisticsلعمل ذلك نختار . 1

:لتالي يظهر مربع الحوار اCrosstabsالفرعية نختار

:ادخل المتغيرات كما بالشكل أعاله تظهر النتائج التالية. 2

Crosstabs Case Processing Summary

10 100.0% 0 .0% 10 الجنس* الخبرة * هل العلمي 100.0%N Percent N Percent N Percent

Valid Missing TotalCases

74

الجنس* الخبرة * المؤهل العلمي Crosstabulation

1 1100.0% 100.0%100.0% 16.7%

3 2 560.0% 40.0% 100.0%

100.0% 100.0% 83.3%1 3 2 6

16.7% 50.0% 33.3% 100.0%100.0% 100.0% 100.0% 100.0%

1 1 1 333.3% 33.3% 33.3% 100.0%

100.0% 100.0% 50.0% 75.0%1 1

100.0% 100.0%50.0% 25.0%

1 1 2 425.0% 25.0% 50.0% 100.0%

100.0% 100.0% 100.0% 100.0%

Count% within لمؤهل العلمي% within الخبرةCount% within لمؤهل العلمي% within الخبرةCount% within لمؤهل العلمي% within الخبرةCount% within لمؤهل العلمي% within الخبرةCount% within لمؤهل العلمي% within الخبرةCount% within لمؤهل العلمي% within الخبرة

دبلوم

بكالوريوس فما فوق

المؤهلالعلمي

Total

دبلوم

بكالوريوس فما فوق

المؤهلالعلمي

Total

الجنسذآر

انثى

سنوات10اآثر من سنوات10-5من سنوات5اقل من الخبرة

Total

ذكر=الجنس

المؤهل العلمي

دبلومبكالوريوس فما فوق

ددالع

3.5

3.0

2.5

2.0

1.5

1.0

.5

الخبرة

سنوات5اقل من

سنوات10-5من

سنوات10اكثر من

75

إيجاد المقاييس اإلحصائية الرقمية للمتغيرات

المقاييس اإلحصائية المراد إيجادها هي .5 (Central Tendency)مقاييس النزعة المركزية . 1

. عددها مجموع القيم علىmeanالوسط الحسابي .من مفردات العينة% 50 القيمة التي يقل عنها Medianالوسيط . القيمة األكثر تكراراModeالمنوال

Dispersionمقاييس التشتت . 2مقدار تشتت القيم عن Slandered Deviationاالنحراف المعياري

.وسطها الحسابي مقاسا بوحدات المتغير نفسها ف المعياري مربع االنحراVarianceالتباين . الفرق بين اكبر قيمة واصغر قيمةRangeالمدى Minimumاقل قيمة Maximumاكبر قيمة مقدار الخطأ الموجود في الوسط الحسابي وهو S.E.meanالخطأ المعياري

.داللة على دقة الوسط الحسابي كتقدير لوسط المجتمع

انثى=الجنس

المؤهل العلمي

دبلومبكالوريوس فما فوق

ددالع

1.1

1.0

.9

.8

.7

.6

.5

الخبرة

سنوات5اقل من

سنوات10-5من

سنوات10اكثر من

76

Distributionشكل التوزيع .3طى مقياس االلتواء فكرة عن تمركز قيم يع : Skew nessااللتواء

المتغير ، فإذا ما كانت قيم هذا المتغير تتمركز باتجاه القيم الصغيرة اكثر من تمركزها باتجاه القيم الكبيرة فان توزيع هذا المتغير ملتو نحو اليمين

أما إذا كان العكس فان . ويسمى موجب االلتواء وتكون قيمة االلتواء موجبةأما . واء يمون سالبا أو ملتو نحو اليسار وتمون قيمة االلتواء سالبةهذا االلت

.إذا كانت قيمة معامل االلتواء صفرا فان التوزيع يكون طبيعيايمثل تكرارات القيم على طرفي هذا : Kurtosisالتفلطح او التفرطح •

. المتغير و هو يمثل أيضا درجة علو قمة التوزيع بالنسبة للتوزيع الطبيعيإذا كانت قيمة التفرطح كبيرة كانت للتوزيع قمة منخفضة، ويسمى التوزيع ف

كبير التفلطح، إما إذا كانت قيمة التفلطح صغيرة فان للتوزيع قمة عالية .ويسمى التوزيع مدببا أو قليل التفلطح

تقسيم البيانات إلى أربعة أرباعQuartilesالربيعيات ةيانات أجزاء من مائ تقسيم الب Percentile(s)المئينات

إليجاد المقاييس اإلحصائية السابقة باإلضافة إلى بعض الرسوم البيانية التي

:تساعد على التوضيح نتبع الخطوات التالية

Frequenciesاستخدام الخيار • ومن القائمة Descriptive Statistics اختر Analyzeمن شريط القوائم .1

:ما هو موضح بالشكل ينتج مربع الحوار التالي كFrequenciesالفرعية اختر

77

: يظهر مربع الحوار التاليStatisticsاضغطي على الزر .2

فنرجع Continueاضغط على جميع اإلحصاءات المطلوبة ، ثم اضغط على .3

: يظهر مربع الحوار التاليChartsاضغط على الزر : إلى مربع الحوار السابق

78

ثم With normal carve و وداخل المربع Histogramsاضغط على .4

Continue نرجع لمربع الحوار Frequency اضغط على Ok تظهر النتائج :التالية

Frequencies

79

Statistics

10 100 0

$452.00 $529.00$23.981 $20.894$455.00 $520.00

$400 $500$75.836 $66.072

$5,751.111 $4,365.556.567 .435.687 .687.113 -.351

1.334 1.334$250 $210$350 $440$600 $650

$4,520 $5,290$352.00 $441.00$376.00 $458.00$392.50 $480.00$400.00 $493.00$420.00 $500.00$455.00 $520.00$466.00 $546.00$491.00 $564.00$505.00 $577.50$516.00 $594.00$592.00 $645.00

ValidMissing

N

MeanStd. Error of MeanMedianModeStd. DeviationVarianceSkewnessStd. Error of SkewnessKurtosisStd. Error of KurtosisRangeMinimumMaximumSum

1020253040506070758090

Percentiles

الراتب في بداية العمل الراتب في نهاية العمل

Frequency Table

الراتب في بداية العمل

1 10.0 10.0 10.01 10.0 10.0 20.02 20.0 20.0 40.01 10.0 10.0 50.01 10.0 10.0 60.01 10.0 10.0 70.01 10.0 10.0 80.01 10.0 10.0 90.01 10.0 10.0 100.0

10 100.0 100.0

$350$370$400$450$460$470$500$520$600Total

ValidFrequency Percent Valid Percent

CumulativePercent

80

الراتب في نهاية العمل

1 10.0 10.0 10.01 10.0 10.0 20.01 10.0 10.0 30.02 20.0 20.0 50.01 10.0 10.0 60.01 10.0 10.0 70.01 10.0 10.0 80.01 10.0 10.0 90.01 10.0 10.0 100.0

10 100.0 100.0

$440$450$490$500$540$550$570$600$650Total

ValidFrequency Percent Valid Percent

CumulativePercent

Histogram

الراتب في بداية العمل

600.0550.0500.0450.0400.0350.0

الراتب في بداية العمل

Freq

uenc

y

3.5

3.0

2.5

2.0

1.5

1.0

.5

0.0

Std. Dev = 75.84 Mean = 452.0

N = 10.00

81

الراتب في نهاية العمل

650.0625.0

600.0575.0

550.0525.0

500.0475.0

450.0

الراتب في نهاية العمل

Freq

uenc

y

3.5

3.0

2.5

2.0

1.5

1.0

.5

0.0

Std. Dev = 66.07 Mean = 529.0

N = 10.00

Descriptive استخدام األمر •

حصائية أيضا ولعمل ذلك يستخدم هذا الخيار إليجاد بعض المقاييس اإل ومن القائمة Descriptive Statistics الخيار Analyzeنختار من القائمة . 1

: يظهر مربع الحوار التاليDescriptivesالفرعية الخيار

82

.Variable(s)داخل المستطيل أسفل " بدائي_ر" و " حالي_ر" ندخل المتغيرات . 2 :ربع الحوار التالي ليظهر مOptionاضغط على الزر . 3

لنعود لمربع الحوار Continueاختر المقاييس المطلوبة ، ثم اضغط على .5

Descriptives. Save standardized values asاضغط داخل المربع بجانب .6

variables ) ثم اضغط )ليحول البيانات إلى قيم معياريةOk تظهر النتائج :التالية

Descriptives

Descriptive Statistics

10 $452.00 $75.836 .567 .68710 $529.00 $66.072 .435 .68710

الراتب في بداية العملالراتب في نهاية العملValid N (listwise)

Statistic Statistic Statistic Statistic Std. ErrorN Mean Std. Skewness

83

σب القيم المعيارية وفق العالقة يتم حسا .7µ−

=xz حيث x هي القيمة المدخلة

،µ هي المتوسط الحسابي للمتغير x ، σ هو االنحراف المعياري للمتغير x البيانات والقيم المعيارية تظهر عادة في نهاية ملف البيانات وهذا جزء من ملف

:كما يلي

)مستكشف البيانات (Exploreاستخدام األمر •يستخدم هذا الخيار إليجاد بعض المقاييس اإلحصائية لمتغير أو أكثر وفقا لتصنيف متغير آخر أو أكثر ، وكذلك نحصل منه على بعض الرسوم البيانية وعملية تلخيص

:البيانات وغيرها وللتعرف عليه نتبع ما يلي ومن القائمة Descriptive Statistics نختار Analyzeلقائمة من ا .1

: يظهر مربع الحوار التاليExploreالفرعية نختار

84

والمتغير Dependent Listفي المستطيل اسفل " حالي _ر" ندخل المتغير .2الحظ وجود عدة خيارات ( Factor Listفي المستطيل اسفل " الجنس "

وهي تعني Plots و Statistics وBothي وهDisplayداخل المستطيل ثم )Bothاختيار اإلحصاءات أو الرسم البياني أو كليهما ، سوف نختار كليهما

: ليظهر مربع الحوار التاليStatisticsاضغط على

تقدير (M-Estimatorsو ) اإلحصاءات الوصفية (Descriptiveاختر .3و ) م المتطرفة أو الشاذةلمقاييس النزعة المركزية التي ال تتأثر بالقي

Outliers) تحديد ما إذا كانت هناك قيم شاذة واستخراج اكبر خمس قيم واقلخمس قيم شاذة، وذلك تمهيدا لحذفها من البيانات حتى ال تؤثر على االختبارات

ثم اضغط ) وتعني المئينات (Percentilesاألخرى و اختر كذلك الخيار .Exploreوار لتعود لمربع الحContinueعلى

: ليظهر مربع الحوار التاليPlotsاضغط على الزر .4

85

Descriptive و من المستطيل Factor level togetherاضغط على .5 Continueثم اضغط على Histogram و Stem-and-leafاختر

: لتظهر النتائج التاليةOk ، اضغط Exploreلنعود مرة ثانية لمربع الحوار

Explore

:ر النتائجتفسييظهر عدد ونسبة القيم المدخلة والمفقودة لكال الجنسين وذلك لمتغير : الجدول التالي

.الجنس الجنس

Case Processing Summary

6 100.0% 0 .0% 6 100.0%4 100.0% 0 .0% 4 100.0%

الجنسذآرانثى

راتب في بداية العملN Percent N Percent N Percent

Valid Missing TotalCases

.يظهر بعض المقاييس اإلحصائية الجديدة مثل: الجدول التالي

95% Confidence interval for mean ولها حد أدنى وحد أعلى وذلك % 95لوسط الحسابي بنسبة دقة وهي تعني فترة الثقة ل

.لكل من الذكور واإلناث كل على حدة 5% Trimmed Mean

حتى يتم % 5واصغر % 5وهو الوسط الحسابي الذي يتم حسابه بعد استبعاد اكبر .استبعاد القيم الشاذة

Interquartile Range

.متي الربيع الثالث والربيع األولتمثل المدى الربيعي وهو الفرق بين قي

.الحظ أن باقي اإلحصاءات قد تم شرحها سابقا

86

Descriptives

$488.33 $28.097$416.11

$560.56

$487.04$480.00

4736.667$68.823

$400$600$200

$102.50.605 .845.620 1.741

$397.50 $26.260$313.93

$481.07

$396.11$385.00

2758.333$52.520

$350$470$120

$97.501.165 1.0141.085 2.619

MeanLower BoundUpper Bound

95% ConfidenceInterval for Mean

5% Trimmed MeanMedianVarianceStd. DeviationMinimumMaximumRangeInterquartile RangeSkewnessKurtosisMean

Lower BoundUpper Bound

95% ConfidenceInterval for Mean

5% Trimmed MeanMedianVarianceStd. DeviationMinimumMaximumRangeInterquartile RangeSkewnessKurtosis

الجنسذآر

انثى

الراتب في بداية العملStatistic Std. Error

عبارة عن التوقعات لقيم الوسط الحسابي وتعتمد على عدة طرق تعتمد : الجدول التالي .على مراكز الثقل للنزعة المركزية وبعد القيم عن القيم الصفرية للقيم القياسية

M-Estimators

$482.01 $475.72 $481.85 $475.63$385.00 $380.06 $387.45 $380.00

الجنسذآرانثى

الراتب في بداية العمل

Huber'sM-Estimatora

Tukey'sBiweightb

Hampel'sM-Estimatorc

Andrews'Waved

The weighting constant is 1.339.a.

The weighting constant is 4.685.b.

The weighting constants are 1.700, 3.400, and 8.500c.

The weighting constant is 1.340*pi.d.

87

النسب المئينيةيمثل: الجدول التاليPercentiles

$400.00 $400.00 $437.50 $480.00 $540.00 . .$350.00 $350.00 $355.00 $385.00 $452.50 . .

$450.00 $480.00 $520.00$360.00 $385.00 $435.00

الجنسذآرانثىذآرانثى

ب في بداية العمل

ب في بداية العمل

WeightedAverage(Definition

Tukey's Hinges

5 10 25 50 75 90 95Percentiles

يظهر القيم الشاذة: الجدول التاليExtreme Values a

10 $6009 $5205 $5001 $4006 $4507 $4608 $4704 $4002 $3503 $370

1231231212

Highest

Lowest

Highest

Lowest

الجنسذآر

انثى

الراتب في بداية العملCase Number Value

The requested number of extreme values exceeds the number ofdata points. A smaller number of extremes is displayed.

a.

والمخططات التالية عبارة عن المدرج التكراري لكل من اإلناث والذكور وذلك لمتغير :الراتب الحالي

الراتب في بداية العمل

الراتب في بداية العمل

600.0550.0500.0450.0400.0

Histogram

For ذكر= الجنس

رارالتك

2.5

2.0

1.5

1.0

.5

0.0

Std. Dev = 68.82 Mean = 488.3

N = 6.00

88

الراتب في بداية العمل

475.0450.0425.0400.0375.0350.0

Histogram

For انثى= الجنساركرالت

1.2

1.0

.8

.6

.4

.2

0.0

Std. Dev = 52.52 Mean = 397.5

N = 4.00

تمثيل البيانات عن طريق شكل الساق والورقة

الساق يشبه إلى حد كبير تمثيلها إن تمثيل البيانات باستخدام شكل الورقة وباستخدام المدرج التكراري، إال أن شكل الساق والورقة يمتاز عن المدرج

.التكراري في انه يبين معلومات اكثر عن القيم الحقيقية والشكل التالي يبن آيفية تمثيل الرواتب الحالية للمعلمين من جنس الذآور واإلناث

Stem-and-Leaf Plots يف بداية العملالراتب Stem-and-Leaf Plot for

ذآر= اجلنس Frequency Stem & Leaf 3.00 4 . 056 2.00 5 . 02 1.00 6 . 0 Stem width: 100 Each leaf: 1 case(s)

89

Stem-and-Leaf Plot for الراتب يف بداية العملأنثى= اجلنس

Frequency Stem & Leaf .00 3 . 2.00 3 . 57 1.00 4 . 0 1.00 4 . 7 Stem width: 100 Each leaf: 1 case(s)

ى ج :ونالحظ من الشكل السابق ما يلي سم إل اني مق سم الث ساق القسم األول يعطي التكرار والق ارة عن ال زأين األول عب

stem والجزء الثاني عبارة عن الورقة Leaf والسطر قبل األخير هو عرض الساق Stem width.

يم من : آما تالحظ أن الساق يقسم إلى صفين ا ق ى 0الصف األول من آل زوج يحتوي على حاالت تأخذ أوراقه 4 إل

ا ال ى حاالت تأخذ أوراقه يم من والصف الثاني يحتوي عل ى 5ق ات في شكل . 9 إل ة للبيان يم الحقيقي ويمكن حساب الق

.الساق والورقة بالنظر عرض الساق وقيمة الساق وقيمة الورقة ومن ثم استخدام المعادلة اآلتية

عرض الساق× ) قيمة الورقة × 0.1+ قيمة الساق = (القيمة الحقيقة للمشاهدة

: تحسب آالتالي5 والورقة 3ابل الساق قيمة الراتب التي تق: فعلى سبيل المثال

:فتحسب القيمة الحقيقية للمشاهدة آالتالي 100بالنظر إلى عرض الساق فانه يساوي

350 = 100× ) 5 × 0.1 + 3= (القيمة الحقيقية

90

Box Plotشكل الصندوق : تصر آالتاليشكل الصندوق هو عبارة عن مستطيل يعطى معلومات عن شكل التوزيع بشكل مخ

46N =

الجنس

ذكرانثى

ملالع

ة دايي بب ف

راتال

700680660640620600580560540520500480460440420400380360340320300

91

يمثل بالخط األفقي الذي يقع داخل المستطيل) الربيع الثاني(الوسيط .1قاعدة ( يمثل بالخط السفلي من المستطيل ) الربيع األول (25المئين .2

).المستطيل قمة ( يمثل بالحد العلوي من المستطيل ) الربيع الثالث (75المئين .3

).المستطيلع داخل الصندوق وكذلك يمكن حساب المدى من البيانات يق% 50نالحظ أن

.الربيعي وهو الفرق بين الربيع الثالث والربيع األول تمثل اصغر القيم والتي ال تمثل قيما الخط السفلي الذي يقع اسفل المستطيل .4

قصوى تمثل اكبر القيم والتي ال تمثل قيما الخط العلوي الذي يقع أعلى المستطيل .5

قصوىاردة في شكل الصندوق والتي عادة تمثل بدائرة غير والقيم القصوى .6

صغيرة أو نجمة حسب نوع القيمة القصوى فهناك نوعان من القيم القصوى

هي القيمة التي تبعد عن قاعدة : (extremes) قيم قصوى مطلقة

ويستدل عليها ) ارتفاع المستطيل × 3( المستطيل مسافة تزيد عن ( * )بنجمة

وهي القيمة التي تبعد عن قاعدة :(outliers)قيم قصوى محلية ويستدل عليها ) ارتفاع المستطيل × 1.5(المستطيل مسافة تساوي

).o( بدائرة صغيرة

يفيد شكل الصندوق في دراسة شكل التوزيع وذلك بمعرفة إشارة االلتواء : مالحظة :كالتالي

.إذا كان الوسيط يقع في وسط المستطيل يكون التوزيع معتدل .1كان الوسيط اقرب لقاعدة المستطيل فان التوزيع يكون ملتويا إلى اليمين إذا .2

.أي موجب االلتواء أي أن قيما كثيرة من البيانات تكون منخفضةإذا كان الوسيط اقرب إلى قمة المستطيل كان التوزيع ملتويا إلى اليسار أي .3

.سالب االلتواء أي أن قيما كثيرة من البيانات تكون عالية

أخذنا على سبيل المثال المستطيل المتعلق باإلناث نالحظ أن وإذا $470اكبر راتب يساوي .1 $350اصغر راتب يساوي .2 %355الربيع األول يساوي .3 $385يساوي ) الوسيط( الربيع الثاني .4

92

$452الربيع الثالث يساوي .5 .الوسيط اقرب إلى الربيع األول لذلك يكون شكل التوزيع ملتويا إلى اليمين .6 . توجد قيم قصوىال .7

93

الفصل الخامس

اإلرتباط واإلنحدار Correlationاالرتباط

يطلق االرتباط على العالقة بين متغيرين مثل العالقة بين درجة الطالب في مادة الفيزياء ودرجته في مادة الرياضيات أو العالقة بين معدله في الدراسة وعدد

...الدراسة أو العالقة بين دخل الفرد واستهالكه وهناك كثير من العالقاتساعات ويأخذ القيم rوتقاس تلك العالقات بمقياس يسمى معامل االرتباط ويرمز له بالرمز

.1 إلى 1–من 1يكون االرتباط طردي تام إذا كانت قيمة معامل االرتباط تساوي 1- معامل االرتباط تساوييكون االرتباط عكسي تام إذا كانت قيمة .ال يوجد ارتباط إذا كانت قيمة معامل االرتباط تساوي صفر .كلما كانت القيمة المطلقة لمعامل االرتباط قريبة من الواحد كان االرتباط قويا كلما كانت القيمة المطلقة لمعامل االرتباط قريبة من الـصفر كـان االرتبـاط

.ضعيفا

:تباط بين متغيرين بعدة طرق نذكر منهاويمكن استخدام معامل االريستخدم إذا كان كال المتغيرين مقاسا بمقياس : (Pearson)معامل بيرسون .1

كمي مثل إيجاد معامل االرتباط بين الدخل واالستهالكيستخدم إذا كان كال من المتغيرين مقاسا : (Spearman)معامل سبيرمان .2

– متوسط –مرتفع ( الدخل بمقياس ترتيبي مثل إيجاد العالقة مستوى ساعات 5 من – ساعات 8اكثر من ( وعدد ساعات العمل اليومية) منخفض

كما يمكن استخدام مقياس سبيرمان في حالة ) ساعات5 اقل من – 8إلى .المتغيرات الكمية أيضا

يستخدم مثل معامل سبيرمان وبنفس : (Kandell,s tau)معامل كاندل تاو .3 .الشروط

يستخدم إذا كان المتغيرين مقاسا بمقياس إسمي مثل :(Phi)معامل فاي .4 ). غير متعلم–متعلم ( والتعلم ) أنثى –ذكر ( إيجاد العالقة بين الجنس

يستخدم عندما يكون كال من المتغيرين مقاسا :(Cramers)معامل كريمر .5 (بمقياس إسمي أحدهما أو كالهما غير ثنائي مثل إيجاد العالقة بين الجنس

) تربية – هندسة – تجارة –علوم (ومتغير التخصص ) أنثى –ذكر

94

ولدراسة معامل االرتباط بين متغيرين أو اكثر قم بإدخال البيانات التالية لعشرة

:تجارة ، كما بالشكل_طالب في كلية التجارة واحفظه باسم ع

لمعرفة وصف المتغيرات وقيمها ونوعها

File Info الخيار Utilitiesاختر من القائمة :كما بالشكل التالي

:لتظهر النتائج بشاشة المخرجات كالتالي

File Information List of variables on the working file Position Name

95

1 اجلنس اجلنس

Measurement Level: Nominal Column Width: 8 Alignment: Center Print Format: F8 Write Format: F8 Value Label ذآر 1 أنثى 2 اجتماعية احلالة االجتماعية 2 Measurement Level: Nominal Column Width: 8 Alignment: Center Print Format: F8 Write Format: F8 Value Label أعزب 1 متزوج 2 الساعات عدد الساعات الدراسية 3 Measurement Level: Scale Column Width: 8 Alignment: Center Print Format: F8 Write Format: F8

رياضيات 4 Measurement Level: Scale Column Width: 8 Alignment: Center Print Format: F8 Write Format: F8 إحصاء5 Measurement Level: Scale Column Width: 8 Alignment: Center Print Format: F8 Write Format: F8 اقتصاد 6 Measurement Level: Scale Column Width: 8 Alignment: Center Print Format: F8

96

Write Format: F8 حماسبة

7 Measurement Level: Scale Column Width: 8 Alignment: Center Print Format: F8 Write Format: F8

إليجاد معامل االرتباط بين كل درجة الطالب في الرياضيات واإلحصاء أو بمعنى

آخر اختبر الفرضية التي تقول

ه ال يوجد ارتباط بين عالمة بأن

"الرياضيات وعالمة اإلحصاء

الفرضية الصفريةتسمى هذه

:اتبع الخطوات التالية اخترAnalyzeمن القائمة . 1

Correlateومن القائمة الفرعية كما تالحظBivariateاختر

:بالشكل المقابل :يظهر مربع الحوار التالي

97

Variablesداخل المستطيل " إحصاء " و " رياضيات" ادخل المتغيرين . 2الحظ أن اختيار معامل ارتباط بيرسوم هو المختار في األصل وإذا أردت اختيار .3

مقياس آخر لمعامل االرتباط عليك أن تضغط في المربع الذي بجانبه، كذلك الحظ أن مفعل أي Flag significant correlationsالمربع بجانب وفائدته وضع نجمة أو نجمتين على المتغيرات الذي لها " صح"رة موجود بداخله إشا

.معامل ارتباط مقبول أي عرض مستوى الداللة : نحصل على النتائج التاليةOkاضغط .4

Correlations

نالحظ من النتائج الواردة في مصفوفة المعامالت أن .5 2.tailed Significance = 0.000 05 وهو اقل من.=α وهذا يـدل علـى أن

أي r=959.0هناك ارتباط قوي بين عالمات الرياضيات والفيزياء ويـساوي .علينا رفض الفرضية الصفرية

إيجاد مصفوفة معامالت االرتباط

Correlations

1 .959**. .000

10 10.959** 1.000 .

10 10

Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N

رياضيات

احصاء

رياضيات احصاء

Correlation is significant at the 0.01 level(2 il d)

**.

98

كـل مصفوفة معامالت االرتباط هي مصفوفة يتم فيها عرض معامالت االرتباط بين

زوجين من المتغيرات وإليجاد ذلـك، ادخـل جميـع المتغيـرات داخـل مـستطيل Variables فى مربع الحوار Bivariate Correlationsكما في الشكل التالي :

: تظهر النتائج التاليةOkاضغط على

Correlations

99

قوي بين كل متغيرين من مصفوفة معامالت االرتباط نجد انه توجد عالقة ارتباط

α=05.0 وبعضها اآلخر عند مستوى معنوية α=01.0بعضها عند مستوى داللة لتمثيل شكل وقوة العالقة Scatter Plotولتمثيل النتائج باستخدام لوحة االنتشار

:بين متغيرين كميين بيانيا نتبع الخطوات التالية سيظهر لنا مربع الحوار Scatter نختار Graphsمن قائمة .1

Scatterplot المبين بالشكل التالي :

: كما يليMtrix سيظهر مربع الحوار Define ثم على Mtrixاضغط على .2

Correlations

1 .959** .780** .833**. .000 .008 .003

10 10 10 10.959** 1 .746* .811**.000 . .013 .004

10 10 10 10.780** .746* 1 .890**.008 .013 . .001

10 10 10 10.833** .811** .890** 1.003 .004 .001 .

10 10 10 10

Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N

رياضيات

احصاء

اقتصاد

محاسبة

رياضيات احصاء اقتصاد محاسبة

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

Correlation is significant at the 0.05 level (2-tailed).*.

100

ستظهر Ok ثم اضغط Matrix Variablesادخل المتغيرات في المستطيل .3

:النتائج التالية

رياضيات

احصاء

اقتصاد

محاسبة

101

:إيجاد معامل االرتباط الجزئي

:اختبر الفرضية الصفرية التالية: ثالمال يوجد ارتباط ذات داللة إحصائية بين عالمة الرياضيات واإلحصاء بعـد عـزل "

"تأثير الجنس

ومـن Correlate الخيـار Analyzeلإلجابة على ذلك نختار من شريط القوائم : يظهر مربع الحوار التاليPartialالقائمة الفرعية اختر

" ومتغيـر Variablesداخل المستطيل " إحصاء " و " رياضيات " ين ادخل المتغير Okثم اضغط على زر .:Controlling forفي المستطيل اسفل " الجنس

:تظهر النتائج التالية

102

Partial Correlation _

- - - P A R T I A L C O R R E L A T I O N C O E F F I C

I E N T S - - -

Controlling for.. اجلنس

إحصاءرياضيات

رياضيات 1.0000 0.9588

P= .000 P= . إحصاء 0.9588 1.0000

p=0.000 p=.

(Coefficient / (D.F.) / 2-tailed Significance)

" . " is printed if a coefficient cannot be computed

من النتائج السابقة نستنتج أن العالقة بين عالمة الرياضيات واإلحصاء قوية الن

2- tailed significance = 0.000 أي نرفض الفرضية 0.05 وهي اقل من .الصفريةيح معامل االرتباط الجزئي باستخدام يمكن استخدام الرسم البياني لتوض: مالحظة

:لوحة االنتشار كما يلي كما Scatterplot سيظهر مربع الحوار Scatter اختر Graph من القائمة - :يلي

: يظهر مربع الحوار التاليDefine ثم اضغط على Simpleاضغط على -

103

ي المربع ف" إحصاء " والمتغير Y Axisفي مستطيل " رياضيات " ادخل المتغير -X Axis في المستطيل " الجنس " والمتغيرSet Markers by ثم اضغط Ok

:ليظهر الرسم البياني التالي

104

تحليل االنحدار الخطي

يستخدم تحليل االنحدار الخطي للتنبؤ بقيمة متغير، يسمى المتغير التابع، من خالل ثيل العالقة بين المتغير التابع مجموعة من المتغيرات المستقلة، وذلك من خالل تم

:والمتغيرات المستقلة + Y = a x + bz + cw+.. . +dخطأ

متغيرات مستقلة، . .. ,x, z, w هو المتغير التابع، والمتغيرات Yحيث المتغير . ثوابت a,b,c,..,dو

اآلخر وتحليل االنحدار يسمى ثنائيا إذا كان هناك متغيرين فقط األول متغير مستقل ومتغير تابع، أما إذا كان هناك عدة متغيرات مستقلة ومتغير تابع واحد سمي تحليل

.االنحدار بتحليل االنحدار المتعدد

:تحليل االنحدار الثنائي: أوال

اثر ساعات الدراسة على التحصيل الدراسي للطالب في مادة وما ه: مثال الرياضيات؟

:االنحدار الثنائي التاليللجواب على هذا السؤال نجري تحليل

احصاء

10090807060

تضيا

ريا

100

90

80

70

60

الجنس

انثى

ذكر

105

ثم من القائمة الفرعية نختار Regression نختار Analyzeمن القائمة .1Linearسيظهر مربع الحوار التالي :

" والمتغير Independent (s) المستطيل إلى" رياضيات " انقل المتغير . 2

ظهر يStatisticsثم اضغط على . Dependentداخل المستطيل " الساعات :مربع الحوار التالي

106

، ثم اضغط على Estimates, Model fit, Descriptivesاضغط على .4Continue ينعود الى مربع الحوار األصلي Linear Regression.

الخطاء التقدير Scatterplot لعمل لوحة انتشارPlotsاضغط على .5Residuals والقيم المتنبأ بها Predicted valuesبع الحوار سيظهر مر

Linear Regression: Plotsالتالي :

X إلى المستطيل ZPRED والمتغير Y إلى مستطيل ZRESIDانقل المتغير .6 تظهر Ok سنعود إلى مربع الحوار األصلي، اضغط Continueثم اضغط

:النتائج التالية

نحراف الجدول التالي يبين المتوسطات للمتغيرات المدخلة وكذلك اال: تحليل النتائج .المعياري وعدد المفردات في كل متغير

Regression

Descriptive Statistics

4.50 2.014 1078.50 9.443 10

عدد الساعات الدراسيةرياضيات

Mean Std. Deviation N

107

الجدول التالي هو مصفوفة معامل االرتباط بين المتغير المستقل والمتغير التابع وهو ارتباط قوي جدا أي كلما زاد عدد ساعات الدراسة زادت 0.949وتساوي

.تحصيل الطالب

Enterموذج المستخدم وهو نموذج الجدول التالي يبين المتغيرات المدخلة والن وسيأتي شرحه الحقا

وهـي 0.902 وتساوي R2 ومعامل التحديد Rالجدول التالي يبين معامل االرتباط .مرتفعة وهذا يدل على أن معادلة االنحدار أو التنبؤ جيدة

الجدول التالي هو جدول تحليل التباين ويوضح المتغير المـستقل هـو الرياضـيات وهـي اقـل مـن Sig. = 0.000لمتغير التابع هو عدد الساعات وقد كانت قيمة وا

وهذا يعني قبول معادلة االنحدار 0.05

Variables Entered/Removedb

aرياضيات . EnterModel1

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

Dependent Variable: عدد الساعات الدراسيةb.

Model Summaryb

.949a .902 .889 .670Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Predictors: (Constant), رياضياتa.

Dependent Variable: عدد الساعات الدراسيةb.

Correlations

1.000 .949.949 1.000

. .000.000 .

10 1010 10

عدد الساعات الدراسيةرياضياتعدد الساعات الدراسيةرياضياتعدد الساعات الدراسيةرياضيات

Pearson Correlation

Sig. (1-tailed)

N

عدد الساعات الدراسية رياضيات

108

:الجدول التالي يسمى جدول المعامالت ويحتوي على

.Bمعامالت المتغيرات التي دخلت المعادلة الموجودة في العمود - .Std.Errorالخطأ المعياري لكل عمود في عمود -معامالت المتغيرات المستقلة التي دخلت المعادلة بعد تحويلها إلى عالمات معياريـة -

Standardization والموجودة في عمود Beta المقابلة لكل متغير، وفي العمودين ومستوى الداللة الخاصتين باختبار tاألخيرين من هذا الجدول تظهر قيمة اإلحصائي

0.05 اقل مـن Beta المقابلة ألي من قيم .Sigيمة فإذا كانت ق Betaداللة قيمة ومن خالل هذا .فهذا يعني أن المتغير المقابل لهذه القيم له اثر كبير ذو داللة إحصائية

:الجدول يمكن كتابة معادلة االنحدار أو التنبؤ التالية

11.396 –عالمة الرياضيات × 0.202= عدد ساعات الدراسة

Predicted valuesبين القيم المتنبـأ بهـا )لوحة االنتشار ( في المخطط التالي- ، نالحظ شكل االنتشار عشوائيا وهـذا يـدل Residual valuesوأخطاء التقدير

على أن العالقة بين المتغيرين خطية وان شروط تحليل االنحدار متوفرة، ولكـن إذا تربيعية أو التكعيبية ظهرت في امثل أخرى أن نمط شكل االنتشار يشبه شكل الدالة ال .أو غيرها فهذا دليل أن على أن العالقة بين المتغيرين غير خطية

Charts

ANOVAb

32.905 1 32.905 73.224 .000a

3.595 8 .44936.500 9

RegressionResidualTotal

Model1

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), رياضياتa.

Dependent Variable: عدد الساعات الدراسيةb.

Coefficients a

-11.396 1.870 -6.095 .000.202 .024 .949 8.557 .000

(Constant)رياضيات

Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.

Dependent Variable: عدد الساعات الدراسيةa.

109

Scatterplot

Dependent Variable: عدد الساعات الدراسية

لوحة انتشار القيم المعيارية للقيم المتنبأ بها مع القيم المعيارية للخطأ

Regression Standardized Predicted Value

2.01.51.0.50.0-.5-1.0-1.5

Reg

ress

ion

Sta

ndar

dize

d R

esid

ual

2.0

1.5

1.0

.5

0.0

-.5

-1.0

-1.5

multiple Linear Regressionتحليل االنحدار الخطي المتعدد

:يسمى تحليل االنحدار بتحليل االنحدار المتعدد إذا وجد اآثر من متغير مستقل ولتوضيح ذلك نأخذ المثال التالي

عـدد سـاعات " أوجد معادلة االنحدار الخطي التي تربط بين المتغير التـابع : مثال" و " و اقتـصاد " إحـصاء " و " رياضـيات " والمتغيرات المستقلة وهي " الدراسة " :محاسبة

اتبع الخطوات التالية: الحل ثم من القائمة الفرعيـة اختـر Regression اختر Analyzeمن القائمة .1

Linearيظهر مربع الحوار التالي :

110

" رياضيات " والمتغيرات Dependentإلى المستطيل اسفل " الساعات: انقل المتغير ، ثم Independent(s)إلى المستطيل اسفل " محاسبة " و " اقتصاد " و " إحصاء " و

: ليظهر مربع الحوار التاليStatisticsاضغط على

111

R squared change و Model fit و Estimatesاضغط داخل المربعات .2 Linear Regression سنعود لمربع الحوار Continue ثم اضغط Descriptiveو نختار الطريقة المناسبة لمعادلة االنحدار من خالل اختيار إحدى الطرق الموجودة .4

: التي تحتوي على الطرق التاليةMethodفي قائمة

Enter : ريقة عندما تكون بحاجة إلى إدخال جميع المتغيرات تستخدم هذه الطالمستقلة إلى المعادلة في خطوة واحدة، دون فحص أي المتغيرات لها اثر ذو داللة

.إحصائية على المتغير التابع

Stepwise : هذه الطريقة هي األفضل واألكثر استخداما، وفي هذه الطريقة يتم إدخال االنحدار على خطوات بحيث يتم إدخال المتغير المتغيرات المستقلة إلى معادلة

المستقل ذي االرتباط األقوى مع المتغير التابع بشرط أن يكون هذا االرتباط ذا داللة ، وفي الخطوات التالية يتم ) يحقق شرط الدخول إلى معادلة االنحدار( إحصائية

ا مع المتغير التابع إدخال المتغير المستقل ذي االرتباط الجزئي األعلى الدال إحصائي المعادلة، ثم فحص المتغيرات الموجودة في ىبعد استبعاد اثر المتغيرات التي دخلت إل

ذات داللة ( معادلة االنحدار فيما إذا الزالت تحقق شروط البقاء في معادلة االنحدار دلة، أم ال، فإذا لم يحقق أحدهما شرط البقاء في المعادلة فانه يخرج من المعا) إحصائيا

تنتهي عملية إدخال أو إخراج المتغيرات المستقلة عندما ال يبقى أي متغير يحقق شرط .الدخول إلى المعادلة أو شرط البقاء فيها

Remove : يتم التعامل في هذه الطريقة مع مجموعات المتغيرات الموجودة في

م تحقق كوحدة واحدة بحيث يخرج من المعادلة مجموعة كاملة إذا لBlockمربع .شرط البقاء في المعادلة

Backward : يتم إدخال جميع المتغيرات مرة واحدة إلى معادلة االنحدار ثم يحذف

في الخطوة األولى المتغير المستقل ذو االرتباط الجزئي األدنى مع المتغير التابع الذي ي متغير ، تنتهي الخطوات عندما ال يبقى أ)غير دال إحصائيا( ال يحقق شرط البقاء

بمعنى أن جميع المتغيرات المتبقية في / ال يحقق شرط البقاء في معادلة االنحدار، .معادلة االنحدار لهل اثر ذو داللة إحصائية للتنبؤ بقيم المتغير التابع

Forward : المتغيرات على خطوات بحيث يدخل في الخطوة األولى ليتم إدخا

مع المتغير التابع الذي يحقق شرط الدخول إلى المتغير المستقل ذو االرتباط األعلى ، وفي الخطوات التالية يتم إدخال المتغيرات تباعا حسب ) دال إحصائيا ( المعادلة

مع المتغير التابع تنازليا بشرط أن تحقق شروط الدخول إلى يترتيب ارتباطها الجزئ

112

ط الجزئي األعلى مع المعادلة، أي يتم في الخطوة التالية إدخال المتغير ذي االرتباالمتغير التابع بعد استبعاد اثر المتغير الذي دخل إلى المعادلة في الخطوات األولى بشرط أن يحقق هذا المتغير شرط الدخول، ثم يدخل في الخطوة الثالثة المتغير ذو االرتباط الجزئي األعلى مع المتغير التابع بعد استبعاد اثر المتغيرين اللذين دخال في

خطوتين األولى والثانية بشرط أن يحقق هذا المتغير شرط الدخول إلى معادلة ال .االنحدار، تتوقف الخطوات عندما ال يبقى أي متغير يحقق شرط الدخول إلى المعادلة

: تظهر النتائج التالية مع تفسيرهاOk واضغط على Enterعند اختيار الطريقة .3

Regression وسطات الحسابية واالنحراف المعياري للمتغير التابع الجدول التالي يبين المت :والمتغيرات المستقلة

الجدول التالي يبين مصفوفة معامالت االرتباط بين جميع المتغيرات المستقلة .والمتغير التابع وكلها ارتباطات قوية كما نالحظ

Descriptive Statistics

4.50 2.014 1078.50 9.443 1082.60 7.412 1079.00 14.491 1079.90 13.683 10

عدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبة

Mean Std. Deviation N

Correlations

1.000 .949 .923 .819 .845.949 1.000 .959 .780 .833.923 .959 1.000 .746 .811.819 .780 .746 1.000 .890.845 .833 .811 .890 1.000

. .000 .000 .002 .001.000 . .000 .004 .001.000 .000 . .007 .002.002 .004 .007 . .000.001 .001 .002 .000 .

10 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 10

عدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبةعدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبةعدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبة

Pearson Correlation

Sig. (1-tailed)

N

عدد الساعات الدراسية رياضيات احصاء اقتصاد محاسبة

113

مـع عتـاب بين المتغيـر ال Rالجدول التالي ملخص تحليل االنحدار الذي يظهر قيمة وهي مرتفعة ثم 0.919 ويساوي R2المتغيرات المستقلة ويظهر قيمة معامل التحديد

. 14.25 والتي تساوي Fقيمة

ونالحظ R2الجدول التالي يبين تحليل تباين االنحدار الذي من خالله يتم اختبار داللة نحدار وهذا يدل على أن معادلة اال 0.05 وهي اقل من Sig. = 0.006أن قيمة

جيدة فهذا يعني أن المتغيرات المستقلة التي دخلت 0.05 اقل من .Sigوإذا كانت قيمة

المعادلة تفسر نسبة قليلة من تباين المتغير التابع ، أي ال يمكن االعتماد على هذه .المتغيرات للتنبؤ بقيم المتغير التابع

دخلت المعادل وهي موجودة في عمـود الجدول التالي يبين معامالت المتغيرات التي

Bويمكن من خاللها كتابة معادلة التنبؤ أو االنحدار كالتالي إحصاء× 2-10×4.26+الرياضيات× 0.135= عدد الساعات

محاسبة × 3-10 × 46-3.35+ اقتصاد × 10-2 × 2.594 +

Model Summaryb

.959a .919 .855 .767 .919 14.250 4 5 .006Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

R SquareChange F Change df1 df2 Sig. F Change

Change Statistics

Predictors: (Constant), رياضيات, اقتصاد, احصاء, محاسبةa.

Dependent Variable: عدد الساعات الدراسيةb.

ANOVAb

33.556 4 8.389 14.250 .006a

2.944 5 .58936.500 9

RegressionResidualTotal

Model1

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), رياضيات, اقتصاد, احصاء, محاسبةa.

Dependent Variable: عدد الساعات الدراسيةb.

114

: تظهر النتائج التاليةStepwiseعند اختيار طريقة .4 .م الجداول قد تم تفسيرها وسنفسر الجداول الجديدة فقطمعظ

Regression

Descriptive Statistics

4.50 2.014 1078.50 9.443 1082.60 7.412 1079.00 14.491 1079.90 13.683 10

عدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبة

Mean Std. Deviation N

Correlations

1.000 .949 .923 .819 .845.949 1.000 .959 .780 .833.923 .959 1.000 .746 .811.819 .780 .746 1.000 .890.845 .833 .811 .890 1.000

. .000 .000 .002 .001.000 . .000 .004 .001.000 .000 . .007 .002.002 .004 .007 . .000.001 .001 .002 .000 .

10 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 10

دد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبةدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبةدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبة

Pearson Correlation

Sig. (1-tailed)

N

عدد الساعات الدراسية رياضيات احصاء اقتصاد محاسبة

Model Summaryb

.949a .902 .889 .670 .902 73.224 1 8 .000Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

R SquareChange F Change df1 df2 Sig. F Change

Change Statistics

Predictors: (Constant), رياضياتa.

Dependent Variable: عدد الساعات الدراسيةb.

115

ANOVAb

32.905 1 32.905 73.224 .000a

3.595 8 .44936.500 9

RegressionResidualTotal

Model1

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), رياضياتa.

Dependent Variable: عدد الساعات الدراسيةb.

من الجدول التالي يمكن كتابة معادلة التنبؤ أو معادلة االنحدار وهي

الرياضيات × 0.202 + 11.396-= عدد الساعات الدراسية

هم في تفسير تبـاين المتغيـر الجدول التالي يظهر المتغيرات التي لم يكن لها دور م

التابع، أي تلك المتغيرات المستقلة التي لم تدخل معادلة االنحدار، ويظهر الجـدول أن . Sig غير دالة إحصائيا من خالل عمود Bجميع معامالت

Coefficientsa

-11.396 1.870 -6.095 .000.202 .024 .949 8.557 .000

(Constant)رياضيات

Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.

Dependent Variable: عدد الساعات الدراسيةa.

Excluded Variablesb

.157a .379 .716 .142 8.050E-02

.200a 1.152 .287 .399 .392

.176a .865 .416 .311 .306

احصاءاقتصادمحاسبة

Model1

Beta In t Sig.Partial

Correlation Tolerance

CollinearityStatistics

Predictors in the Model: (Constant), رياضياتa.

Dependent Variable: عدد الساعات الدراسيةb.

116

: تظهر النتائج التاليةRemoveعند اختيار طريقة .5Regression

Descriptive Statistics

4.50 2.014 1078.50 9.443 1082.60 7.412 1079.00 14.491 1079.90 13.683 10

عدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبة

Mean Std. Deviation N

Correlations

1.000 .949 .923 .819 .845.949 1.000 .959 .780 .833.923 .959 1.000 .746 .811.819 .780 .746 1.000 .890.845 .833 .811 .890 1.000

. .000 .000 .002 .001.000 . .000 .004 .001.000 .000 . .007 .002.002 .004 .007 . .000.001 .001 .002 .000 .

10 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 10

عدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبةعدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبةعدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبة

Pearson Correlation

Sig. (1-tailed)

N

عدد الساعات الدراسية رياضيات احصاء اقتصاد محاسبة

117

Variables Entered/Removedc

,محاسبةاقتصاد, احصاء ,

رياضياتa . Enter

.a ,رياضيات

اقتصاد, محاسبة ,احصاء

b Remove

Model1

2

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

All requested variables removed.b.

Dependent Variable: عدد الساعات الدراسيةc.

Model Summary

.959a .919 .855 .767 .919 14.250 4 5 .006

.000b .000 .000 2.014 -.919 14.250 4 13 .006

Model12

R R SquareAdjustedR Square

Std. Error ofthe Estimate

R SquareChange F Change df1 df2 Sig. F Change

Change Statistics

Predictors: (Constant), رياضيات, اقتصاد, احصاء, محاسبةa.

Predictor: (constant)b.

ANOVAc

33.556 4 8.389 14.250 .006a

2.944 5 .58936.500 9

.000 0 .000 . .b

36.500 9 4.05636.500 9

RegressionResidualTotalRegressionResidualTotal

Model1

2

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), رياضيات, اقتصاد, احصاء, محاسبةa.

Predictor: (constant)b.

Dependent Variable: عدد الساعات الدراسيةc.

118

Coefficientsa

-11.961 3.651 -3.276 .022.135 .102 .635 1.323 .243

4.260E-02 .123 .157 .348 .7422.594E-02 .039 .187 .658 .5393.346E-03 .047 .023 .071 .946

4.500 .637 7.066 .000

(Constant)رياضياتاحصاءاقتصادمحاسبة(Constant)

Model1

2

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.

Dependent Variable: عدد الساعات الدراسيةa.

Excluded Variablesb

.949a 8.557 .000 .949 1.000

.923a 6.788 .000 .923 1.000

.819a 4.031 .004 .819 1.000

.845a 4.465 .002 .845 1.000

رياضياتاحصاءاقتصادمحاسبة

Model2

Beta In t Sig.Partial

Correlation Tolerance

CollinearityStatistics

Predictor: (constant)a.

Dependent Variable: عدد الساعات الدراسيةb.

: تظهر النتائج التاليةBackward طريقة عند اختيار .6

Regression

Descriptive Statistics

4.50 2.014 1078.50 9.443 1082.60 7.412 1079.00 14.491 1079.90 13.683 10

عدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبة

Mean Std. Deviation N

119

Correlations

1.000 .949 .923 .819 .845.949 1.000 .959 .780 .833.923 .959 1.000 .746 .811.819 .780 .746 1.000 .890.845 .833 .811 .890 1.000

. .000 .000 .002 .001.000 . .000 .004 .001.000 .000 . .007 .002.002 .004 .007 . .000.001 .001 .002 .000 .

10 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 10

دد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبةدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبةدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبة

Pearson Correlation

Sig. (1-tailed)

N

عدد الساعات الدراسية رياضيات احصاء اقتصاد محاسبة

Variables Entered/Removed b

,محاسبةاقتصاد, احصاء ,

رياضياتa . Enter

. محاسبة

Backward(criterion:Probability ofF-to-remove >=.100).

. احصاء

Backward(criterion:Probability ofF-to-remove >=.100).

. اقتصاد

Backward(criterion:Probability ofF-to-remove >=.100).

Model1

2

3

4

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

Dependent Variable: عدد الساعات الدراسيةb.

120

Model Summary

.959a .919 .855 .767 .919 14.250 4 5 .006

.959b .919 .879 .701 .000 .005 1 7 .946

.958c .917 .894 .657 -.002 .154 1 8 .708

.949d .902 .889 .670 -.016 1.326 1 9 .287

Mode1234

R R SquareAdjustedR Square

Std. Error ofhe Estimate

R SquareChangeF Change df1 df2 ig. F Chang

Change Statistics

Predictors: (Constant), رياضيات, اقتصاد, احصاء, محاسبةa.

Predictors: (Constant), رياضيات, اقتصاد, احصاءb.

Predictors: (Constant), رياضيات, اقتصادc.

Predictors: (Constant), رياضياتd.

ANOVAe

33.556 4 8.389 14.250 .006a

2.944 5 .58936.500 933.553 3 11.184 22.775 .001b

2.947 6 .49136.500 933.478 2 16.739 38.768 .000c

3.022 7 .43236.500 932.905 1 32.905 73.224 .000d

3.595 8 .44936.500 9

RegressionResidualTotalRegressionResidualTotalRegressionResidualTotalRegressionResidualTotal

Model1

2

3

4

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), رياضيات, اقتصاد, احصاء, محاسبةa.

Predictors: (Constant), رياضيات, اقتصاد, احصاءb.

Predictors: (Constant), رياضيات, اقتصادc.

Predictors: (Constant), رياضياتd.

Dependent Variable: عدد الساعات الدراسيةe.

121

Coefficientsa

-11.961 3.651 -3.276 .022.135 .102 .635 1.323 .243

4.260E-02 .123 .157 .348 .7422.594E-02 .039 .187 .658 .5393.346E-03 .047 .023 .071 .946

-12.007 3.282 -3.658 .011.136 .093 .639 1.470 .192

4.366E-02 .111 .161 .393 .7082.788E-02 .026 .201 1.083 .320

-10.981 1.868 -5.880 .001.169 .037 .794 4.571 .003

2.779E-02 .024 .200 1.152 .287-11.396 1.870 -6.095 .000

.202 .024 .949 8.557 .000

(Constant)رياضياتاحصاءاقتصادمحاسبة(Constant)رياضياتاحصاءاقتصاد(Constant)رياضياتاقتصاد(Constant)رياضيات

Model1

2

3

4

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.

Dependent Variable: عدد الساعات الدراسيةa.

Excluded Variablesd

.023a .071 .946 .032 .156

.036b .123 .906 .050 .158

.161b .393 .708 .158 8.050E-02

.176c .865 .416 .311 .306

.157c .379 .716 .142 8.050E-02

.200c 1.152 .287 .399 .392

محاسبةمحاسبةاحصاءمحاسبةاحصاءاقتصاد

Model23

4

Beta In t Sig.Partial

Correlation Tolerance

CollinearityStatistics

Predictors in the Model: (Constant), رياضيات, اقتصاد, احصاءa.

Predictors in the Model: (Constant), رياضيات, اقتصادb.

Predictors in the Model: (Constant), رياضياتc.

Dependent Variable: عدد الساعات الدراسيةd.

: تظهر النتائج التاليةForwardعند اختيار طريقة .7

Regression

122

Descriptive Statistics

4.50 2.014 1078.50 9.443 1082.60 7.412 1079.00 14.491 1079.90 13.683 10

عدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبة

Mean Std. Deviation N

Correlations

1.000 .949 .923 .819 .845.949 1.000 .959 .780 .833.923 .959 1.000 .746 .811.819 .780 .746 1.000 .890.845 .833 .811 .890 1.000

. .000 .000 .002 .001.000 . .000 .004 .001.000 .000 . .007 .002.002 .004 .007 . .000.001 .001 .002 .000 .

10 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 1010 10 10 10 10

عدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبةعدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبةعدد الساعات الدراسيةرياضياتاحصاءاقتصادمحاسبة

Pearson Correlation

Sig. (1-tailed)

N

عدد الساعات الدراسية رياضيات احصاء اقتصاد محاسبة

Variables Entered/Removeda

رياضيات .

Forward(Criterion:Probability-of-F-to-enter <=.050)

Model1

VariablesEntered

VariablesRemoved Method

Dependent Variable: عدد الساعات الدراسيةa.

123

Model Summary

.949a .902 .889 .670 .902 73.224 1 8 .000Mode1

R R SquareAdjustedR Square

Std. Error ohe Estimat

R SquareChangeF Change df1 df2 g. F Chang

Change Statistics

Predictors: (Constant), رياضياتa.

ANOVAb

32.905 1 32.905 73.224 .000a

3.595 8 .44936.500 9

RegressionResidualTotal

Model1

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), رياضياتa.

Dependent Variable: عدد الساعات الدراسيةb.

Coefficientsa

-11.396 1.870 -6.095 .000.202 .024 .949 8.557 .000

(Constant)رياضيات

Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.

Dependent Variable: عدد الساعات الدراسيةa.

Excluded Variablesb

.157a .379 .716 .142 8.050E-02

.200a 1.152 .287 .399 .392

.176a .865 .416 .311 .306

احصاءاقتصادمحاسبة

Model1

Beta In t Sig.Partial

Correlation Tolerance

CollinearityStatistics

Predictors in the Model: (Constant), رياضياتa.

Dependent Variable: عدد الساعات الدراسيةb.

االنحدار غير الخطي

124

عندما تكون العالقة بين متغيرين غير خطية فان االرتباط يكون غير خطي ويكون

ير خطي ولكي نحصل على احسن معادلة انحدار نوضح بالتالي يكون خط االنحدار غ :ذلك بمثال

.أوجد معادلة انحدار عدد الساعات الدراسية على تحصيل الطالب في مادة االقتصاد

:لإلجابة على ذلك نتبع الخطوات التالية ومن القائمة الفرعية اختر Regression اختر Analyzeمن القائمة .1

Curve Estimation مربع الحوار التالي نحصل على:

" ومتغير Dependent(s)داخل المستطيل " الساعات " ادخل المتغير .2 واضغط على جميع النماذج بوضع Variableفي المستطيل اسفل " اقتصاد

:فتنتج النتائج التالية .Ok، ثم اضغط على " صح " عليها إشارة Curve Fit MODEL: MOD_2. Independent: اقتصاد Upper Dependent Mth Rsq d.f. F Sigf bound b0 b1 b2 b3 LIN .670 8 16.25 .004 -4.4868 .1138 الساعات LOG .629 8 13.57 .006 -29.430 7.7965 الساعات INV .581 8 11.11 .010 11.2259 -511.64 الساعات QUA .735 7 9.69 .010 9.5323 -.2880 .0028 الساعات

125

CUB .737 7 9.81 .009 2.9925 -.0013 1.9E-05 الساعات 9 COM .783 8 28.85 .001 .4092 1.0295 الساعات POW .758 8 25.11 .001 .0006 2.0273 الساعات S .723 8 20.83 .002 3.1829 -135.09 الساعات GRO .783 8 28.85 .001 -.8935 .0291 الساعات EXP .783 8 28.85 .001 .4092 .0291 الساعات LGS .783 8 28.85 .001 . 2.4437 .9713 الساعات Notes: 9 Tolerance limits reached; some dependent variables were not entered.

عدد الساعات الدراسية

اقتصاد

100908070605040

9

8

7

6

5

4

3

2

1

0

Observed

Linear

Logarithmic

Inverse

Quadratic

Cubic

Compound

Power

S

Growth

Exponential

Logistic

اختر النموذج الذي يكون فيه مربع معامل التحديد اكبر ما يمكن وهو هنا .3 Y = LN(b0) + b1 t ونموذجه هو Exponentialالنموذج

أي معادلة خط االنحدار هي

االقتصاد× ln(0.4092) + 0.0291= عدد الساعات الدراسية

وإليجاد الرسم البياني لهذا النموذج اضغط فقط داخل المربع الذي بجانب Exponential فقط في مربع الحوار Curve Estimation ثم اضغط Ok

: الرسم التاليليظهر

126

الخط المتقطع يصل بين المشاهدات والخط الموصول يمثل خط االنحدار وهو بالطبع .غير خطي

عدد الساعات الدراسية

اقتصاد

100908070605040

9

8

7

6

5

4

3

2

1

127

الفصل السادس

:اختبار الفرضيات

Hypothesis: الفرضية: تعريف ) HOفرضية العدم ( وتنقسم إلى فرضية مبدئية . هي ادعاء حول صحة شيء ما

.Haوالفرضية البديلة

: HO (Null Hypothesis)الفرضية المبدئية باستخدام بيانات من عينة اهي الفرضية حول معلمة المجتمع التي نجري اختبار عليه

والتي تشير أن الفرق بين معلمة المجتمع واإلحصائي من العينة ناتج عن الصدفة وال طلق منها ونرفضها عندما تتوفر دالئل على وهي الفرضية التي نن. فرق حقيقي بينهما

انه ال يوجد فرق بين معلمة Nulعدم صحتها، وخالف ذلك نقبلها وتعني كلمة ).إحصائية العينة( المجتمع والقيمة المدعاة

:Alternative Hypothesis (Ha)الفرضية البديلة

ا عندما نرفض هي الفرضية التي يضعها الباحث كبديل عن فرضية العدم و نقبله .فرضية العدم باعتبارها ليست صحيحة بناء على المعلومات المستقاة من العينة

:أنواع اختبارات الفروض

أو غير % 99أو % 95أو % 90عندما نقبل الفرضية المبدئية فإننا نقبلها بنسبة دقة أي يوجد نسبة خطأ معين في Significance Levelsذلك وتسمى مستويات الثقة

بولنا للفرضية المبدئية بمعنى أننا نقبل صحة الفرضية المبدئية وهي خاطئة وهذا ق -α1 (% 95 ويسمى مستوى المعنوية، أي إذا كان مستوى الثقة αالخطأ هو الخطأ

عن مساحة منطقة تحت منحنى وهي عبارة % 5 تساوي αفان مستوى المعنوية ) التوزيع تمثل منطقة الرفض وتكون أما على صورة ذيل واحد جهة اليمين أو اليسار

.أو ذيلين متساويين في المساحة واحد جهة اليمين والثاني جهة اليسار

:تعريف اختبار الفروض في جانب واحد مع اكبر أو اصغر من هو االختبار الذي تبين فيه الفروض البديلة أن المعلمة للمجت

.إحصائية العينة، فهناك تحديد لالتجاه

128

):ذيلين( تعريف اختبار الفروض في جانبينهو االختبار الذي ال تبين فيه الفرضية البديلة أن معلمة المجتمع أكبر أو أصغر من

.إحصائية العينة، بل مجرد أنها تختلف

Employeeانه جاهزة تسمى سوف نطبق اختبارات الفرضيات على استب : مالحظةdata وهي موجودة ضمن برنامج SPSS بغرض استخدامها نموذجا للتعليم وهذا جزء

:من الملف

129

ليظهر مربع Utilities من القائمة Variablesوللتعرف على محتويات الملف اختر :الحوار التالي

ني يحتوي على معلومات الحظ أن هناك مستطيلين األول يحتوي على المتغيرات والثا

.(variable information)عن المتغيرات

Utilities من القائمة File Infoويمكن التعرف على محتويات المتغيرات باختيار :فتظهر المعلومات عن المتغيرات في شاشة المخرجات آالتالي

File Information List of variables on the working file

Name Position

ID Employee Code 1 Measurement Level: Scale Column Width: 5 Alignment: Right Print Format: F4 Write Format: F4 GENDER Gender 2 Measurement Level: Nominal Column Width: 1 Alignment: Left

130

Print Format: A1 Write Format: A1 Value Label f Female m Male BDATE Date of Birth 3 Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: ADATE8 Write Format: ADATE8 EDUC Educational Level (years) 4 Measurement Level: Ordinal Column Width: 6 Alignment: Right Print Format: F2 Write Format: F2 Missing Values: 0 JOBCAT Employment Category 5 Measurement Level: Ordinal Column Width: 8 Alignment: Right Print Format: F1 Write Format: F1 Missing Values: 0 Value Label 1 Clerical 2 Custodial 3 Manager SALARY Current Salary 6 Measurement Level: Scale Column Width: 8 Alignment: Right Print Format: DOLLAR8 Write Format: DOLLAR8 Missing Values: 0 SALBEGIN Beginning Salary 7 Measurement Level: Scale

131

Column Width: 8 Alignment: Right Print Format: DOLLAR8 Write Format: DOLLAR8 Missing Values: 0 JOBTIME Months since Hire 8 Measurement Level: Scale Column Width: 6 Alignment: Right Print Format: F2 Write Format: F2 Missing Values: 0 PREVEXP Previous Experience (months) 9 Measurement Level: Scale Column Width: 6 Alignment: Right Print Format: F6 Write Format: F6 MINORITY Minority Classification 10 Measurement Level: Ordinal Column Width: 8 Alignment: Right Print Format: F1 Write Format: F1 Missing Values: 9 Value Label 0 No 1 Yes

( Gender، )كود الموظف (Idيحتوي هذا الملف على عدة متغيرات منها =f=female, m)وينقسم إلى طبقتين ذكر وأنثى وعناوين القيم له هي ) الجنس

male) والمتغير ، Bdateوالمتغير تعني تاريخ الميالد ، Educ يعني يعني نوع الموظف وينقسم إلى ثالث طبقات Jobcatليم ، والمتغير سنوات التع

كاتب وحارس ومدير وعناوين القيم له هي (1 Clerical, 2 Custodial, 3 Manager)

الراتب السنوي في Salbegin يعني الراتب الحالي ، والمتغير Salaryوالمتغير شهور منذ بداية العمل، والمتغير يعني عدد الJobtimeبداية االلتحاق بالعمل ،

Prevexp يعني الخبرة السابقة بالشهور والمتغير Minority يعني تصنيف األقلية .(No, 1 Yes 0 )إلى طبقتين

132

واآلن إلى اختبار الفرضيات المختلفة

(Comparing Mean )اختبار مقارنة المتوسطات

.دخل النساء والرجالالمطلوب حساب المتوسطات الحسابية ل : مثال ومن القائمة الفرعية اختر Compare Means الخيار Analyzeنختار من . 1

Meansكما تالحظ بالشكل التالي :

:سيظهر مربع الحوار التالي

إلى Gender والمتغير Dependent List إلى المستطيل Salaryانقل المتغير . 2

.:Independent Listالمستطيل

133

: يظهر مربع الحوار التاليOptionsاضغط . 3

Cell وانقلها إلى المستطيل Statisticsاختر اإلحصاءات الالزمة من المستطيل . 4

Statistics واضغط على المربع بجانب ، Anova table and eta ثم اضغط ، Continueسنعود إلى مربع الحوار األصلي

:يةاضغط موافق تظهر النتائج التال. 5Means

الجدول التالي يعطي تقريرا ألعداد المشاهدات والنسب المئوية

Case Processing Summary

474 100.0% 0 .0% 474 100.0%Current Salary * GenN Percent N Percent N Percent

Included Excluded TotalCases

134

المطلوبة حسب كل طبقة في الجدول التالي يعطي المقاييس اإلحصائية المجتمع والسطر األخير يعطي المقاييس اإلحصائية ألفراد المجتمع بكامله والحظ

ك يبدو أن التوزيع موجب الخالف بين متوسط دخل كل من الذكور واإلناث وكذل االلتواء

الجدول التالي هو تحليل التباين للمقارنة بين متوسطات دخل الذكور واإلناث في Sig. = 0 الن قيمة α=05.0وله داللة إحصائية عند مستوى معنوية

.العمود األخير من الجدول

قة بين الراتب والجنس وهي متوسطةالجدول التالي يبين مقياس إيتا لقياس العال

بعد ) نوع الوظيفة (Jobcatالنتائج التالية تم حساب المتوسطات بعد إضافة متغير : كما بالشكل التاليIndependent List إلى المستطيل Nextالضغط على زر

Report

Current Salary

$26,031.92 216 $7,558.021 1.863$41,441.78 258 $19,499.214 1.639$34,419.57 474 $17,075.661 2.125

GenderFemaleMaleTotal

Mean N Std. Deviation Skewness

ANOVA Table

79E+10 1 792E+10 19.798 .00010E+11 472 304653138E+11 473

(CombinedBetween GroWithin GroupsTotal

Current Salary * G

Sum ofSquares df

MeanSquare F Sig.

Measures of Association

.450 .202Current Salary * GenderEta Eta Squared

135

: لتظهر النتائج التاليةOkاضغط على

اختبار شكل التوزيع

يق االختبارات المختلفة يجب الشروع في طبيعة البيانات هل تتبع قبل الشروع في تطبالتوزيع الطبيعي أم ال فإذا كانت تتبع التوزيع الطبيعي فان االختبارات المعلمية سوف تستخدم وتطبق ، أما إذا كانت البيانات ال تتبع التوزيع الطبيعي فان االختبارات غير

.المعلمية سوف تستخدم Kolmogrove-Smirovسمنروف - توزيع نستخدم اختبار كولمجروفولمعرفة نوع ال

Report

Current Salary

$25,003.69 206 $5,812.838 1.421$47,213.50 10 $8,501.253 -.019$26,031.92 216 $7,558.021 1.863$31,558.15 157 $7,997.978 2.346$30,938.89 27 $2,114.616 -.368$66,243.24 74 $18,051.570 1.193$41,441.78 258 $19,499.214 1.639$27,838.54 363 $7,567.995 1.905$30,938.89 27 $2,114.616 -.368$63,977.80 84 $18,244.776 1.181$34,419.57 474 $17,075.661 2.125

Employment CategoryClericalManagerTotalClericalCustodialManagerTotalClericalCustodialManagerTotal

GenderFemale

Male

Total

Mean N Std. Deviation Skewness

136

بيانات الرواتب في بداية العمل والرواتب الحالية " : اختبر الفرضية التالية : مثال ."0.05تتبع التوزيع الطبيعي بمستوى معنوية

:الختبار هذه الفرضية نقوم بالخطوات التالية ومن القائمة الفرعية اختر Nonparametric Tests اختر Analyzeمن . 1

1-Sample K-Sيظهر مربع الحوار التالي :

، Test Variable List إلى المربع salbegin والمتغير salaryانقل المتغير . 2

". " موجود به إشارة Normalوتأكد أن المربع بجانب : تظهر النتائج التاليةOkاضغط . 3

NPar Tests

One-Sample Kolmogorov-Smirnov Test

474 474$34,419.57 $17,016.09

$17,075.662 $7,870.638.208 .252.208 .252

-.143 -.1704.525 5.484

.000 .000

NMeanStd. Deviation

Normal Parametersa,b

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov ZAsymp. Sig. (2-tailed)

Current SalaryBeginning

Salary

Test distribution is Normal.a.

Calculated from data.b.

137

، 0.05 لكل من المتغيرين وهي اقل من Sig. = 0.0السابق ينتج أن من الجدول لذلك نرفض الفرضية المبدئية التي تقول أن البيانات تتبع التوزيع الطبيعي ، ونقبل

.الفرضية البديلة التي تقول أن البيانات ال تخضع للتوزيع الطبيعي

) T )Test-Tاختبارات

(One Sample T-Test) للعينة الواحدة Tاختبار

يستخدم هذا االختبار لفحص فرضية تتعلق بالوسط الحسابي، ويجب تحقق الشرطين :التاليينيجب أن يتبع توزيع المتغير التوزيع الطبيعي، ويستعاض عن هذا الشرط .1

. مفردة30بزيادة حجم العينة إلى اكثر من يجب أن تكون العينة عشوائية أي ال تعتمد مفرداتها على بعضها .2

" سنة14مستوي تعليم الموظفين يساوي " اختبر الفرضية القائلة بان : مثال

:الختبار هذه الفرضية نتبع الخطوات التالية

ومن القائمة الفرعية نختار Compare Meanنختار Analyzesنختار من القائمة One Sample T Testيظهر مربع الحوار التالي :

138

Test Value وفي المربع Test Variable(s) في المربع Educانقل المتغير . 2 : تظهر النتائج التاليةOk ثم اضغط 14اكتب العدد

T-Test

وكذلك الفرق بين متوسط 13.49الجدول التالي يبين المتوسط الحسابي للعينة ة واالنحراف المعياري وعدد أفراد العين0.51- العينة والقيمة المفروضة وتساوي

، 0.05 وهي اقل من Sig. = 0.00 يتبين أن One-Sample Testفي جدول

، سنة14لذلك نرفض الفرضية المبدئية أي أن متوسط تعليم الموظفين ال يساوي والسؤال هنا هل متوسط تعليم الموظفين في مجتمع الموظفين اكبر أم اصغر من

أي سالبة دليل على t = -3.837 سنة ولإلجابة على هذا السؤال نجد أن قيمة 14 . سنة14أن متوسط المجتمع يقل عن

)اختبار غير معلمي ( SIGN TESTاختبار اإلشارة

إذا كانت البيانات ال تخضع للتوزيع الطبيعي فيمكن اختبار الفرضية السابقة باستخدام الخطوات نقوم باتباع Sign Testاالختبارات الغير معلميه مثل اختبار اإلشارة

:التالية ومن القائمة الفرعية Parametric Tests نختار االختيار Analyzeمن القائمة .1

: فيظهر المربع التاليBinomialنختار

One-Sample Test

-3.837 473 .000 -.51 -.77 -.25Educational Level (yeart df Sig. (2-tailed)

MeanDifference Lower Upper

95% ConfidenceInterval of the

Difference

Test Value = 14

One-Sample Statistics

474 13.49 2.885 .133Educational Level (years)N Mean Std. Deviation

Std. ErrorMean

139

في المستطيل 14 واكتب Test Variable List إلى المربع educادخل المتغير . 2

تظهر النتائج Ok ثم اضغط Define Dichotomy اسفل Cut pointالمقابل لـ :التالية

NPar Tests

Binomial Test

<= 14 249 .53 .50 .291a

> 14 225 .47474 1.00

Group 1Group 2Total

Educational Level (yeCategory N

ObservedProp. Test Prop.

Asymp. Sig.(2-tailed)

Based on Z Approximation.a.

وهي اكبر Asymp. Sig. (2-tailed) = 0.291من الجدول السابق نجد أن

لذلك نقبل الفرضية المبدئية التي تقول أن متوسط سنوات التعليم تساوي 0.05من . سنة14

علمية الحظ اختالف النتيجة في االختبارين مع مالحظة أيضا أن نتائج االختبارات المتكون أدق من نتائج االختبارات غير المعلمية وذلك الن االختبارات الغير معلمية

.تعتمد على رتب مفردات العينة وليس القيمة الحقيقية لها

140

Paired Sample T-Test للعينات المرتبطة Tاختبار

نتين يستخدم هذا االختبار في فحص الفرضيات المتعلقة بمساواة متوسط متغيرين لعي .غير مستقلتين

:وتكتب الفرضية المبدئية والبديلة بالطريقة التالية

210: الفرضية المبدئية : µµ =H

:21 :الفرضية البديلة µµ ≠aH

متوسط العينة الثانية2µ متوسط العينة األولى و 1µحيث أن

:شروط استخدام االختباريجب أن يتبع توزيع الفرق بين المتغيرين طبيعيا، ويستعاض عن هذا الشرط .1

. مفردة30بزيادة حجم العينة إلى اكثر من يجب أن تكون العينة عشوائية ، ويجب أن تكون قيم الفرق بين المتغيرين .2

.مستقلة عن بعضهما البعض

ال يوجد فرق بين متوسط رواتب الموظفين في بداية : " الفرضية التاليةاختبر: مثال "العمل ومتوسط رواتب الموظفين الحالية

: ولفحص هذه الفرضية نتبع الخطوات التالية ومن القائمة الفرعية نختار Compare Meanنختار Analyzesمن القائمة . 1

Paired Sample T Testلتالي يظهر مربع الحوار ا:

141

Paired معا إلى المستطيل salbegin و,salaryننقل المتغيرين .3

Variables ثم اضغط Okتظهر النتائج التالية :

T-Test الجدول التالي يبين بعض المقاييس اإلحصائية

0.88الجدول التالي يبن معامل االرتباط بين المتغيرين وهو ارتباط قوي وقيمته

0.05 وهي أقل من Sig. (2- tailed) = 0.00لي يبين قيمة الجدول التا وهذا دليل كاف لرفض الفرضية المبدئية ، أي أن هناك فرقا بين متوسط رواتب

.الموظفين في بداية العمل وفي الوقت الحالي

Paired Samples Test

7,403.48 10814.62 496.732 6,427.41 18,379.56 35.036 473 .000Current SalaryBeginning Sala

Pair1

MeanStd.

DeviationStd. Error

Mean Lower Upper

5% Confidence Intervaof the Difference

Paired Differences

t dfSig.

(2-tailed)

Paired Samples Statistics

$34,419.57 474 $17,075.661 $784.311$17,016.09 474 $7,870.638 $361.510

Current SalaryBeginning Salary

Pair1

Mean N Std. DeviationStd. Error

Mean

Paired Samples Correlations

474 .880 .000Current Salary &Beginning Salary

Pair1

N Correlation Sig.

142

اختبار غير معلمي لمقارنة وسطي مجتمعين في حالة العينات Related Samples 2المرتبطة

من الممكن أن تكون البيانات ال تخضع للتوزيع الطبيعي، لذلك نلجأ إلى االختبارات الغير معلمية ، ولفحص الفرضية في المثال السابق باستخدام االختبارات الغير معلمية نتبع :الخطوات التالية

: يظهر مربع الحوار التاليrelated samples 2 ومن القائمة الفرعية اختر Nonparametric tests اختر الخيار Analyzeمن .1

تظهر النتائج التالية . Ok، ثم اضغط Sign و Wilcoxon ، اختر مربع Test Pair(s) List إلى المستطيل أسفل salbegin و salaryادخل المتغيرين .2

NPar Tests

143

Wilcoxon Signed Ranks Test

الفرضية المبدئية ونقبل البديلة أي لذلك نرفضSig. = 0.0من الجدول السابق .أنه يوجد اختالف بين متوسط الراتب الحالي والراتب في بداية العمل

Sign Test

Ranks

474a 237.50 112575.000b .00 .000c

474

Negative RanksPositive RanksTiesTotal

Beginning Salary- Current Salary

N Mean Rank Sum of Ranks

Beginning Salary < Current Salarya.

Beginning Salary > Current Salaryb.

Current Salary = Beginning Salaryc.

Test Statisticsb

-18.865a

.000ZAsymp. Sig. (2-tailed)

BeginningSalary -

Current Salary

Based on positive ranks.a.

Wilcoxon Signed Ranks Testb.

Frequencies

47400

474

Negative Differencesa

Positive Differencesb

Tiesc

Total

Beginning Salary- Current Salary

N

Beginning Salary < Current Salarya.

Beginning Salary > Current Salaryb.

Current Salary = Beginning Salaryc.

144

أي نرفض الفرضية المبدئية Sig.= 0.0 نجد أن Sign Testكذلك من اختبار ونقبل البديلة

Independent sample T test للعينات المستقلة Tاختبار

ص فرضية متعلقة بمساواة متوسط متغير ما لعينتين مستقلتين، وله شكالن هو فحاألول في حالة افتراض أن تباين العينتين متساو، واآلخر في حالة افتراض أن تباين

.العينتين غير متساووالستخدام هذا المتغير يجب أن يكون لكل مفردة من مفردات العينة قيمة على

وهو (Grouping Variable or Factor)ر التجميع متغيرين األول يسمى متغيالمتغير الذي يقسم العينة الكلية إلى عينتين جزئيتين غير متداخلتين مثل متغير الجنس

Test)والثاني يسمى متغير االختبار . الذي يقسم العينة إلى عينة ذكور وعينة إناثVariable)والهدف من هذا أو المتغير التابع، وهو متغير كمي مثل الراتب

) الذكور ( االختبار هو فحص ما إذا كان متوسط االختبار لفئة متغير التجميع األولى .من متغير التجميع) اإلناث( مساوية لمتوسط متغير االختبار لدى الفئة الثانية

للعينات المستقلةTشروط اختبار •

:التالية يجب أن تتوافر الشروط الثالثة Tلضمان دقة نتائج اختبار يجب أن يكون متغير االختبار طبيعيا في كل فئة من فئات متغير التجميع .1يجب أن يكون تباين متغير االختبار متساويا في كال فئتي متغير التجميع، وإذا .2

غير دقيقة، وفي هذه الحالة يمكن Tلم يتحقق هذا الشرط فان نتيجة اختبار .لها مساواة التباين للعينتين ال يشترط Tحساب قيمة تقديرية لإلحصائي

يجب أن تكون العينة عشوائية، ويجب أن تكون قيم متغير االختبار مستقلة عن .3 .بعضها

ال يوجد فرق بين متوسط رواتب الذكور ومتوسط " اختبر الفرضية القائلة : مثال

" رواتب اإلناث :والختبار هذه الفرضية نتبع الخطوات التالية

Test Statisticsa

-21.726.000

ZAsymp. Sig. (2-tailed)

BeginningSalary -

Current Salary

Sign Testa.

145

ثم من القائمة الفرعية Compare Means اختر Analyzeمن القائمة .1 : فيظهر مربع الحوار التاليIndependent Sample T Testاختر

والمتغير Test Variable(s) إلى المستطيل Salaryادخل المتغير .2gender إلى المستطيل Grouping Variable ثم اضغط على ،

Define Groupsفيظهر مربع الحوار التالي :

ثم .Group 2 داخل مستطيل m وادخل Group 1 داخل مستطيل fادخل .3 . سنعود لمربع الحوار الرئيسي Continueاضغط

: ستظهر نتائج االختبار كالتاليOkاضغط .4

146

T-Test

ومستوى داللتهاF= 9.669 فقد تم حساب (Leven,s test)من اختبار .5 Sig = 0.0تين غير متساو ونستخدم اختبار وهذا يبين أن تباين العينT في

ومستوى داللتهاt= 1.688حالة عدم تساو يتباين العينتين ونحسب قيمة Sig=0.0 وبذلك نرفض الفرضية المبدئية ونقبل البديلة أي أن متوسطي رواتب

. العينتين غير متساويين

ةاستخدام االختبارات الغير معلمية في حالة العينات الغير مرتبط

Mann-Whitney test (U- Test )وتني- اختبار مان

من المناسب استخدام اختبار مان وتني عند اختبار فرضية تنص على عدم وجود فرق بين متوسطي مجتمعين ما موضع الدراسة وذلك في حالة عدم التأكد من أن توزيع

نات المأخوذة من العينتين طبيعيا وكذلك تباين المجتمعين متساويين، أو أن تكون البيا .العينتين غير دقيقة أو تعتمد على ترتيب عناصر العينتين من حيث القيمة

Independent Samples Test

19.669 .000 10.945 472 .000 5,409.86407.9068176.40 2643.32

11.688344.262 .000 5,409.86318.4008003.00 2816.73

Equal variaassumedEqual varianot assume

Current SF Sig.

evene's Test fouality of Varianc

t df g. (2-tailedMean

DifferenceStd. ErrorDifferenceLower Upper

Confidence Intervthe Difference

t-test for Equality of Means

Group Statistics

216 $26,031.92 $7,558.021 $514.258258 $41,441.78 $19,499.214 $1,213.968

GenderFemaleMale

Current SalaryN Mean Std. Deviation

Std. ErrorMean

147

" ال يوجد خالف بين رواتب كل من الكتاب والحراس " اختبر الفرضية القائلة : مثال

:الختبار هذه الفرضية نتبع الخطوات التالية

ائمة الفرعية ومن القNonparametric tests الخيار Analyzeنختار من .1 : يظهر مربع الحوار التاليindependent samples 2 نختار

والمتغير Test Variable List داخل المستطيل Salaryادخل المتغير .2Jobcat إلى المستطيل Grouping Variable

داخل المستطيل المقابل 1 وادخل الرقم Define Groupsاضغط على .3Group 1 المستطيل المقابل داخل " 2" والرقمGroup 2 كما بالشكل

:التالي

148

تظهر Ok لنعود لمربع الحوار األصلي ، اضغطContinueثم اضغط .4

:النتائج التالية

NPar Tests Mann-Whitney Test

ولذلك نرفض الفرضية القائلة بأنه ال يوجد Sig. = 0.0من النتائج السابقة ينتج أن

α=05.0اتبي الحراس والكتاب عند مستوى داللة فرق بين متوسطي ر

One Way ANOVAتحليل التباين األحادي

يسمى تحليل التباين بتحليل التباين األحادي إذا كان لكل مفردة من مفردات العينة أو المتغير Factorعالمة على متغيرين، األول يسمى المتغير العاملي

أو Nominal وهو متغير من النوع االسمي Independent Variableالمستقل له عدد من الفئات المحددة، وهو المتغير الذي من خالله سيتم Ordinalالترتيبي

أم المتغير اآلخر . تقسيم العينة الكلية إلى عدد من العينات التي يراد مقارنة متوسطاتهامتغير من النوع الكمي فهو Dependent Variableالذي يسمى بالمتغير التابع

Ranks

363 189.30 68715.5027 278.87 7529.50

390

Employment CategoryClericalCustodialTotal

Current SalaryN Mean Rank Sum of Ranks

Test Statisticsa

2649.50068715.500

-3.984.000

Mann-Whitney UWilcoxon WZAsymp. Sig. (2-tailed)

Current Salary

Grouping Variable: Employment Categorya.

149

المتصل، وهو المتغير الذي سيتم فحص مساواة متوسطه لكل فئة من فئات المتغير .العاملي

والهدف األساسي من تحليل التباين هو مقارنة متوسطات متغير كمي يسمى المتغير ، وفحص ما إذا كانت هذه Factorالتابع في كل فئة من فئات المتغير العاملي

متساوية مقابل متوسطين غير متساويين على األقل، فإذا رفضت الفرضية المتوسطات التي تقول أن متوسطات هذه الفئات متساوية فان السؤال هنا أي من هذه المتوسطات

لمقارنة Post Hocمتساوية وأيها غير متساوية؟ تستخدم المقارنات البعدية ده فإذا كان عدد الفئات ثالثة متوسطات المتغير التابع لكل زوجين من الفئات على ح

فان عدد المقارنات البعدية ثالث مقارنات، المقارنة بين المجموعة األولى والثانية .والمقارنة بين المجموعة الثانية والثالثة ، والمقارنة بين المجموعة األولى والثالثة

التابع إلى والختبار مساواة متوسطات المجموعات يتم تقسيم التباين الكلي للمتغير

(Between Group)مركبتين األولى معروفة المصدر وتسمى بين المجموعات بين متوسطات المجموعات، فإذا كان هذا الجزء كبيرا فان تومصدرها الفرو قا

Within)متوسطات المجموعات غير متساوية ، والثانية داخل المجموعات Group) في بعض األحيان الباقي وهي الجزء غير معروف المصدر والذي يسمى

Residuals أو الخطأ Error.

أن متوسطات المجموعات متساوية ؟ نرفض هذه : متى نرفض الفرضية التي تقولإلى التباين داخل ) معروف المصدر( الفرضية إذا كانت نسبة التباين بين المجموعات

، فإذا كانت Fكبيرا، وهذه النسبة تسمى قيمة ) غير معروف المصدر( المجموعات كبيرة نسبيا فان متوسطات المتغير التابع للمجموعات غير متساوية، ولكن إلى Fقيمة

كبيرة حتى نرفض الفرضية التي تقول أن متوسطات Fأي حد تعتبر قيمة المجموعات متساوية ؟

أقل من ) Sigمستوى داللتها ( كبيرة نسبيا إذا كانت المساحة فوقها Fنقول أن قيمة

أقل من Sig فإذا كانت قيمة 0.05 والتي غالبا تساوي α)(توى المقبول لدينا المس05.0=α فان متوسطات المجموعات غير متساوية، وإذا كانت قيمة Sig. أكبر . فان متوسطات المجموعات متساويةα=05.0من

ال يوجد فرق بين متوسطات الرواتب يعزى لنوع " ائلة ابحث الفرضية الق: مثال "0.05العمل على مستوى داللة

:والختبار الفرضية نتبع الخطوات التالية ثم من القائمة الفرعية Compare Means اختر Analyzeمن القائمة .1

: يظهر مربع الحوار التاليOne-Way ANOVAاختر

150

Dependent Listطيل داخل المستsalaryادخل المتغير .2

.Factor في المستطيل Jobcatوالمتغير : يظهر مربع الحوار التاليPost Hocاضغط على .3

Dunnetts c في حالة تجانس التباين واضغط على Bonferroniاختر .4

.Continueثم اضغط . في حالة عدم تساوي التباين

ى اضغط عل: يظهر مربع الحوار التاليOptionsاضغط على .5Homogeneity of variance test ثم Continue سنعود لمربع

:الحوار األصلي

151

: تظهر النتائج التاليةOkاضغط .6

Oneway

وهذا Sig. = 0.0 وقيمة , 59.733= في هذا الجدول تظهر قيمة إحصاء ليفين يدل على عدم تجانس رواتب الموظفين

وهذا يكفي Sig.= 0.0 وقيمة F=434.481في هذا الجدول يتبين أن قيمة لرفض الفرضية المبدئية أي عدم تساوي متوسطات الرواتب وذلك باستخدام مستوى

α=05.0معنوية

Test of Homogeneity of Variances

Current Salary

59.733 2 471 .000

LeveneStatistic df1 df2 Sig.

152

الجدول التالي يبين أي المتوسطات مختلفة وهذا يبين أن متوسطات كل من المدراء

ين عند مستوى معنوية والحراس هما المختلفءوالكتاب وكذلك متوسطات المدرا05.0=α

6. Post Hoc Tests

اختبار التباين الغير معلمي

Kruskal (H-Test) – Wallis والس -اختبار كروسكال

يستخدم هذا االختبار عندما يكون حجم العينات صغيرا أو ال يتبع للتوزيع الطبيعيف بين متوسطات الرواتب يعزى ال يوجد خال" افحص الفرضية التي تقول : مثال

"α=05.0لنوع الوظيفة بمستوى داللة :الختبار هذه الفرضية نتبع الخطوات التالية

ANOVA

Current Salary

8.94E+10 2 4.472E+10 434.481 .0004.85E+10 471 102925714.51.38E+11 473

Between GroupsWithin GroupsTotal

Sum ofSquares df Mean Square F Sig.

Multiple Comparisons

Dependent Variable: Current Salary

-$3,100.35 2,023.760 .379 -$7,962.56 $1,761.86$36,139.26* 1,228.352 .000 -$39,090.45 -$33,188.07

$3,100.35 2,023.760 .379 -$1,761.86 $7,962.56$33,038.91* 2,244.409 .000 -$38,431.24 -$27,646.58$36,139.26* 1,228.352 .000 $33,188.07 $39,090.45$33,038.91* 2,244.409 .000 $27,646.58 $38,431.24-$3,100.35* $568.679 -$4,476.97 -$1,723.73$36,139.26* 2,029.912 -$40,981.02 -$31,297.50

$3,100.35* $568.679 $1,723.73 $4,476.97$33,038.91* 2,031.840 -$37,895.87 -$28,181.95$36,139.26* 2,029.912 $31,297.50 $40,981.02$33,038.91* 2,031.840 $28,181.95 $37,895.87

(J) Employment CategCustodialManagerClericalManagerClericalCustodialCustodialManagerClericalManagerClericalCustodial

(I) Employment CategClerical

Custodial

Manager

Clerical

Custodial

Manager

Bonferron

Dunnett C

MeanDifference

(I-J) Std. Error Sig. Lower BoundUpper Bound95% Confidence Interval

The mean difference is significant at the .05 level.*.

153

K ومن القائمة الفرعية اختر Nonparametric Tests اختر Analyzeمن .1Independent Samplesفيظهر مربع الحوار التالي :

والمتغير Test Variable Listي المستطيل فSalaryادخل المتغير .2

Jobcat في المستطيل Grouping Variable. : يظهر مربع الحوار التاليDefine Variableاضغط على .3

واضغط Maximum في المستطيل 3 و Minimum في المستطيل 1اكتب .4

. فنعود لمربع الحوار األصليContinueعلى : فنحصل على النتائج التاليةOkضغط ثم اKrouskal-Wallis H اختر .5

154

NPar Tests

Kruskal-Wallis Test

68.2072في هذا الجدول السابق نالحظ أن قيمة كاي تربيع =χ و قيمة Sig. = 0.0 لذلك نرفض الفرضية المبدئية أي يوجد 0.05 وهذا اصغر من

0.05د مستوى معنوية فروق بين المتوسطات في رواتب الموظفين عن

Friedman testاختبار فريدمان

يعتبر هذا االختبار مشابها الختبار تحليل التباين ويعتمد هذا االختبار على ترتيب .القياسات وليس على القيم

"التجارة "في الملف المسمى : مثالاضيات ال يوجد فرق بين متوسطات عالمات كل من الري" اختبر الفرضية التي تقول

"0.05واإلحصاء واالقتصاد و المحاسبة بمستوى معنوية

:ولفحص هذه الفرضية نستخدم اختبار فريدمان كالتالي ومن القائمة الفرعية Nonparametric Tests اختر Analyzeمن .1

: فيظهر مربع الحوار التاليK Related Samplesاختر

Ranks

363 190.3727 278.9884 427.85

474

Employment CategoryClericalCustodialManagerTotal

Current SalaryN Mean Rank

155

" المحاسبة " و " االقتصاد " و "اإلحصاء " و " الرياضيات" ادخل المتغيرات .2

، ثم اضغط على Friedman ، واختار Test Variablesإلى المستطيل Okتظهر النتائج التالية :

Friedman Test

لذلك نرفض الفرضية الصفرية ونستنتج انه يوجد Asymp. Sig =0.0 من الجداول السابقة نجد أن

α=05.0 داللة فروق بين متوسطات الدرجات على مستوى

Test Statisticsa,b

207.6802

.000

Chi-SquaredfAsymp. Sig.

Current Salary

Kruskal Wallis Testa.

Grouping Variable: Employment Categoryb.

Ranks

1.952.952.602.50

رياضياتاحصاءاقتصادمحاسبة

Mean Rank

156

Crosstabs Testاختبار المتغيرات الوصفية

الختبار إستقالل صفتين وإيجاد العالقة بينهما Crosstabsيستخدم اختبار :وللتوضيح نورد المثال التالي

ال يؤثر الجنس في " اختبر الفرضية القائلة Employee dataفي ملف :مثال

.أي أن الوظيفة والجنس متغيران مستقالن" فة اختيار نوع الوظي :الختبار تلك الفرضية نتبع الخطوات التالية

ومن القائمة الفرعية Descriptive Statistics اختر Analyzeمن القائمة .1

: يظهر مربع الحوار التالي Crosstabsاختر

مستطيل إلى الJobcat والمتغير Row في المستطيل Genderانقل المتغير .2

Column(s). : يظهر مربع الحوار التاليStatisticsاضغط على .3

157

Contingency coefficient والمربع بجانب Chi-squareاضغط على المربع .4

وفي مربع الحوار هذا نالحظ وجود اكثر من . Gammaوالمربع بجانب وع البيانات اختبار لقياس استقالل صفتين ، منهما عندما يكون المتغيران من ن

، ويوجد نوع اخر من االختبارات عندما يكون Nominal Dataالنوعية Continue ، اضغط على Ordinal Dataالمتغيرات من البيانات الترتيبية

. سنعود لمربع الحوار االصلي :تظهر النتائج التالية . Okاختر .5

Crosstabs

Case Processing Summary

474 100.0% 0 .0% 474 100.0%Gender * EmploymentCategory

N Percent N Percent N PercentValid Missing Total

Cases

158

وهذا دليل ان الصفتان غير Sig. = 0.0من الجداول السابقة نالحظ ان قيمة

.مستقلتان ، أي يوجد تاثير للجنس في اختيار الوظيفة

Symmetric Measures

.379 .000

.837 .051 9.999 .000474

Contingency CoefficiNominal by NominGammaOrdinal by Ordinal

N of Valid Cases

ValueAsymp.

Std. Errora Approx. Tb Approx. Sig.

Not assuming the null hypothesis.a.

Using the asymptotic standard error assuming the null hypothesis.b.

Chi-Square Tests

79.277a 2 .00095.463 2 .000

474

Pearson Chi-SquareLikelihood RatioN of Valid Cases

Value dfAsymp. Sig.

(2-sided)

0 cells (.0%) have expected count less than 5. Theminimum expected count is 12.30.

a.

Gender * Employment Category Crosstabulation

Count

206 10 216157 27 74 258363 27 84 474

FemaleMale

Gender

Total

Clerical Custodial ManagerEmployment Category

Total

159

Two Way Analysis of Varianceتحليل التباين الثنائي

على ) المتغير العاملي( إن تحليل التباين األحادي يستخدم لدراسة أثر عامل واحد ر عاملين أو اكثر على متغير ما ؟ في هذه ولكن ماذا لو اردنا دراسة أث. متغير ما

الحالة يمكننا استخدام تحليل التبلين الثنائي والثالثي، اذ يمكن استخدامه مثال لدراسة تاثير التربة ونوعية السماد المستخدم في انتاج القمح، أودراسة تاثير جودة مواد البناء

ير مناطق بيع البضائع ونوعية المهندسين لعمل البيوت السكنية ، أو دراسة تأث .ومصاريف الدعاية على كمية المبيعات

يمكن استخدامه لدراسة اثر متغيرين Two Way ANOVAفتحليل التباين الثنائي او اكثر على ) مجموعتين ( عاملين يقسم كل منهما مفردات العينة الى مستويين

).المتغير التابع ( متغير كمي ما

:لثنائي يمكن اختبار ثالث فرضيات كما يليومن خالل تحليل التباين ا للمتغير العاملي األول على المتغير التابع الذي (main effect )األثر الرئيسي -

يقابل الفرضية القائلة بتساوي متوسطات المتغير التابع لكل فئة من فئات المتغير .العاملي االول

ني على المتغير التابع الذي يقابل للمتغير العاملي الثا(main effect)األثر الرئيس -الفرضية القائلة بتساوي متوسطات المتغير التابع لكل فئة من فئات المتغير العاملي

.الثاني بين المتغيرين العاملين على المتغير التابع، الذي يقابل (Interaction)أثر التفاعل -

.الفرضية القائلة بعدم وجود تفاعل بين المتغيرين العاملين

:شروط تحقيق التباين الثنائي

يجب أن يكوم توزيع المتغير التابع طبيعيا لكل مجتمع من المجتمعات في .1تصميم التجربة، أي ان كل مجتمع ممثل بكل خلية من خاليا تصميم التجربة،

9فاذا كان على سبيل المثال ثالث مستويات لكل متغير عاملى فيكون هناك الشرط فانه يمكن االستغناء عنه بزيادة حجم العينة وان لم يتحقق هذا . خاليا

، وفي هذه الحالة قد تكون ) خلية( مفردة لكل مجموعة 15بحيث تزيد على نتيجة تحليل التباين دقيقة الى حد ما حتى لو كان توزيع المتغير التابع ليس

.طبيعياالمعرفة يجب ان يكون تباين المتغير التابع متساويا لكل مجتمع من مجتمعات .2

في كل خلية من خاليا تصميم التجربة، واذا لم يتحقق هذا الشرط فإن نتيجة

160

أما المقارنات البعدية الخاصة باالثر الرئيسي . تحليل التباين لن تكون دقيقة .فمن الممكن استخدام بعض الطرائق التي ال تشترط تساوي التباين

كل مجتمع من يجب أن تكون العينات مختارة بطريقة عشوائية من .3ويجب أن تكون قيم المتغير التابع مستقلة عن بعضها بعضا لكل . المجتمعات

.مفردة من مفردات العينات

ال يؤثر الجنس ونوع الوظيفة في تحديد " Employee dataباستخدام ملف : مثال " 0.05الراتب للموظفين بمستوى معنوية

تب هما الجنس ونوع العمل ، ولذلك يمكن أي هناك عامالن يؤثران على تحديد الرا

تقسيم هذه الفرضية الى ثالث فرضيات جزئية وهي "ال تاثير للجنس في تحديد الراتب" الفرضية االولى " ال تاثير لنوع العمل على تحديد الراتب" الفرضية الثانية "ال يوجد تفاعل بين متغير الجنس ومتغير نوع العمل" الفرضية الثالثة

:ولفحص الفرضيات نستخدم تحليل التباين الثنائي كما يلي

ومن القائمة الفرعية General Linear Model اختر Analyzeمن القائمة .1 : يظهر مربع الحوار التالي Univariateاختر

161

والمتغيران Dependent Variable الى المستطيل أسفل Salaryانقل المتغير . 2Gender و Jobcatى المستطيل أسفل إلFixed Factor(s).

: يظهر مربع الحوار التاليModelاضغط على .3

وانقل Build Term (s) من القائمة أسفل Main effects ثم Customاختر .4

، ثم اختر Model الى المستطيل أسفل Jobcat و Genderالمتغيرين Interaction من القائمة Build Term وانقل المتغيرين Gender , و

Jobcat معا إلى المستطيل أسفل Model اضغط ، Continue سنعود الى .المربع االصلي

Descriptive سيظهر مربع الحوار التالي اختر منه Optionsاضغط .5atatistics و الخيار Homogeneity tests ثم اضغط Continue لنعود

.لمربع الحوار األصلي

162

: ليظهر مربع الحوار التاليPost Hocاضغط على .6

163

للمقارنات البعدية من قائمة االختبارات البعدية Scheffeاختر اختبار شفيه .7 .Equal Variance Assumedالتي تشترط تماثل تباينات الفئات

من قائمة االختبارات البعدية التي ال Dunnett,s Cاختر اختبار دونت س .8 Equal Variance Not Assumed تشترط تماثل تباينات الفئات

ألنه Post Hoc Tests For فقط الى المستطيل اسفل Jobcatانقل المتغير .9 فال ننقله ألنه يتكون من مستويين Genderيتكون من ثالث مستويات أما متغير

.فقط . سنعود لمربع الحوار األصلي Continueاضغط .10

Univariate Analysis of Variance

.دول التالي يبين توزيع العينة حسب مستويات كل من المتغيرات العامليةالج

Nالجدول التالي يبين اإلحصاءات الوصفية واالنحرافات المعيارية والعدد

Between-Subjects Factors

Female 216Male 258Clerical 363Custodial 27

Manager 84

fm

Gender

123

EmploymentCategory

Value Label N

Descriptive Statistics

Dependent Variable: Current Salary

$25,003.69 $5,812.838 206$47,213.50 $8,501.253 10$26,031.92 $7,558.021 216$31,558.15 $7,997.978 157$30,938.89 $2,114.616 27$66,243.24 $18,051.570 74$41,441.78 $19,499.214 258$27,838.54 $7,567.995 363$30,938.89 $2,114.616 27$63,977.80 $18,244.776 84$34,419.57 $17,075.661 474

Employment CategoryClericalManagerTotalClericalCustodialManagerTotalClericalCustodialManagerTotal

GenderFemale

Male

Total

Mean Std. Deviation N

164

Test of Homogeneity ofالجدول التالي يبين اختبار تجانس التباين

Variances ويبين أن قيمة ، Sig. =0.0تباين المجموعات غير وهذا يعني أن .0.05متساو ألنها اكبر من

، ويظهر Genderالجدول التالي يبين تحليل التباين الثنائي حسب فئات المتغير كذلك . أي أن الجنس يؤثر في تحديد الراتب 0.05 وهي اقل من Sig. = 0.0أن

، ويظهر أن Jobcatالجدول التالي يبين تحليل التباين الثنائي حسب فئات المتغير Sig. = 0.0 كما . أي أن نوع العمل يؤثر في تحديد الراتب 0.05 وهي اقل من

وهي اقل Sig. = 0.0يظهر أن هناك تفاعل بين الجنس ونوع الوظيفة الن قيمة 0.05من

مختلفة ويبين أن متوسطات الكتاب Jobcatالجدول التالي يبين أن متوسطات طات الحراس والمدراء مختلفة بينما ال يوجد خالف بين والمدراء وكذلك متوس

متوسطات رواتب الحراس والكتاب له داللة إحصائية تذكر

Levene's Test of Equality of Error Variancesa

Dependent Variable: Current Salary

33.383 4 469 .000F df1 df2 Sig.

Tests the null hypothesis that the error variance of thedependent variable is equal across groups.

Design: Intercept+GENDER+JOBCAT+GENDER* JOBCAT

a.

Tests of Between-Subjects Effects

Dependent Variable: Current Salary

9.646E+10a 4 2.411E+10 272.780 .0001.773E+11 1 1.773E+11 2005.313 .000

5247440732 1 5247440732 59.359 .0003.232E+10 2 1.616E+10 182.782 .000

1247682867 1 1247682867 14.114 .0004.146E+10 469 88401147.446.995E+11 4741.379E+11 473

SourceCorrected ModelInterceptGENDERJOBCATGENDER * JOBCATErrorTotalCorrected Total

Type III Sumof Squares df Mean Square F Sig.

R Squared = .699 (Adjusted R Squared = .697)a.

165

Post Hoc Tests Employment Category

Three Way ANOVAتحليل التباين الثالثي

واحد، استخدمنا تحليل التباين الثنائي لفحص اثر متغيرين عاملين على متغير تابع

وسنستخدم تحليل التباين ذا المستوى االعلى ايضا لفحص اكثر من متغير عاملي على مثال اذا كان لدينا ثالث متغيرات عاملية واردنا فحص اثر هذه العوامل . المتغير التابع

على متغير تابع نستخدم تحليل التباين الثالثي ونتبع نفس خطوات تحليل التباين الثنائي :ثال التاليولناخذ الم

: افحص الفرضية التالية Employee dataاستخدم ملف : مثال

ال يوجد فرق في متوسطات رواتب الموظفين تحت تاثير الجنس و نوع الوظيفة " "0.05واالقلية بمستوى داللة

:ولفحص هذه الفرضية نتبع الخطوات التالية

Multiple Comparisons

Dependent Variable: Current Salary

-$3,100.35 $1,875.539 .256-$36,139.26* $1,138.387 .000

$3,100.35 $1,875.539 .256-$33,038.91* $2,080.027 .000$36,139.26* $1,138.387 .000$33,038.91* $2,080.027 .000-$3,100.35* $568.679

-$36,139.26* $2,029.912$3,100.35* $568.679

-$33,038.91* $2,031.840$36,139.26* $2,029.912$33,038.91* $2,031.840

(J) Employment CategoryCustodialManagerClericalManagerClericalCustodialCustodialManagerClericalManagerClericalCustodial

(I) Employment CategoryClerical

Custodial

Manager

Clerical

Custodial

Manager

Scheffe

Dunnett C

MeanDifference

(I-J) Std. Error Sig.

Based on observed means.The mean difference is significant at the .05 level.*.

166

من القائمة الفرعية وGeneral Linear Model اختر Analyzeمن القائمة .1

: يظهر مربع الحوار التالي Univariateاختر

والمتغيرات Dependent Variable الى المستطيل اسفل Salaryانقل المتغير . 2

Gender و id و Jobcat الى المستطيل اسفل Fixed Factor(s).

: يظهر مربع الحوار التاليModelاضغط على .3

167

وانقل Build Term (s) من القائمة أسفل Main effects ثم Customاختر .4

، ثم اختر Model الى المستطيل أسفل id و Jobcat و Genderالمتغيرين Interaction من القائمة Build Term وانقل المتغيرات معا مثنى مثني ثم

Continue كما بالشكل أعاله، اضغط Modelجميعهم إلى المستطيل اسفل .سنعود إلى المربع االصلي

Descriptive سيظهر مربع الحوار التالي اختر من Optionsاضغط .5atatistics و الخيار Homogeneity tests وانقل المتغيرات الثالثة الى

لنعود لمربع Continue ثم اضغط Display Means forالمستطيل أسفل .الحوار األصلي

168

- : ليظهر مربع الحوار التاليPost Hocاضغط على .6

169

للمقارنات البعدية من قائمة االختبارات البعدية التي Scheffeاختر اختبار شفيه .7 .Equal Variance Assumedتشترط تماثل تباينات الفئات

من قائمة االختبارات البعدية التي ال Dunnett,s Cاختر اختبار دونت س . 8 Equal Variance Not Assumed ئاتتشترط تماثل تباينات الف

ألنه Post Hoc Tests For فقط إلى المستطيل اسفل Jobcatانقل المتغير . 9المتغيران االخران فال ننقلهما ألنهما يتكونان من يتكون من ثالث مستويات أما

.مستويين فقط :لية تائج التاOkاضغط . سنعود للمربع الحوار األصلي Continueاضغط . 10

على الدارس تفسير النتائج

Univariate Analysis of Variance Between-Subjects Factors

No 370Yes 104Female 216Male 258Clerical 363Custodial 27Manager 84

01

Minority Classification

fm

Gender

123

EmploymentCategory

Value Label N

170

Descriptive Statistics

Dependent Variable: Current Salary

$25,471.45 $6,092.372 166$47,213.50 $8,501.253 10$26,706.79 $8,011.894 176$32,671.64 $8,578.999 110$31,178.57 $1,658.743 14$65,683.57 $18,029.451 70$44,475.41 $20,330.662 194$28,341.09 $7,994.659 276$31,178.57 $1,658.743 14$63,374.81 $18,164.043 80$36,023.31 $18,044.096 370$23,062.50 $3,972.369 40$23,062.50 $3,972.369 40$28,952.13 $5,712.419 47$30,680.77 $2,562.920 13$76,037.50 $17,821.961 4$32,246.09 $13,059.881 64$26,244.25 $5,772.874 87$30,680.77 $2,562.920 13$76,037.50 $17,821.961 4$28,713.94 $11,421.638 104$25,003.69 $5,812.838 206$47,213.50 $8,501.253 10$26,031.92 $7,558.021 216$31,558.15 $7,997.978 157$30,938.89 $2,114.616 27$66,243.24 $18,051.570 74$41,441.78 $19,499.214 258$27,838.54 $7,567.995 363$30,938.89 $2,114.616 27$63,977.80 $18,244.776 84$34,419.57 $17,075.661 474

Employment CategoryClericalManagerTotalClericalCustodialManagerTotalClericalCustodialManagerTotalClericalTotalClericalCustodialManagerTotalClericalCustodialManagerTotalClericalManagerTotalClericalCustodialManagerTotalClericalCustodialManagerTotal

GenderFemale

Male

Total

Female

Male

Total

Female

Male

Total

Minority ClassificationNo

Yes

Total

Mean Std. Deviation N

Levene's Test of Equality of Error Variancesa

Dependent Variable: Current Salary

17.696 8 465 .000F df1 df2 Sig.

Tests the null hypothesis that the error variance of thedependent variable is equal across groups.

Design:Intercept+MINORITY+GENDER+JOBCAT+MINORITY *GENDER+GENDER * JOBCAT+MINORITY *JOBCAT+MINORITY * GENDER * JOBCAT

a.

171

Tests of Between-Subjects Effects

Dependent Variable: Current Salary

9.751E+10a 8 1.219E+10 140.251 .0001.444E+11 1 1.444E+11 1661.526 .000

61989119.7 1 61989119.66 .713 .3994756876310 1 4756876310 54.737 .000

2.006E+10 2 1.003E+10 115.420 .00027977363.9 1 27977363.93 .322 .571981526336 1 981526335.9 11.294 .001690053398 2 345026699.0 3.970 .020

.000 0 . . .

4.041E+10 465 86903667.846.995E+11 4741.379E+11 473

SourceCorrected ModelInterceptMINORITYGENDERJOBCATMINORITY * GENDERGENDER * JOBCATMINORITY * JOBCATMINORITY * GENDER* JOBCATErrorTotalCorrected Total

Type III Sumof Squares df Mean Square F Sig.

R Squared = .707 (Adjusted R Squared = .702)a.

Estimated Marginal Means 1. Minority Classification

Dependent Variable: Current Salary

40443.745a 835.531 38801.861 42085.62939683.224a 1423.737 36885.469 42480.979

Minority ClassificationNoYes

Mean Std. Error Lower Bound Upper Bound95% Confidence Interval

Based on modified population marginal mean.a.

2. Employment Category

Dependent Variable: Current Salary

27539.427 577.449 26404.695 28674.16030929.670a 1795.293 27401.779 34457.56262978.190a 1875.508 59292.670 66663.711

Employment CategoryClericalCustodialManager

Mean Std. Error Lower Bound Upper Bound95% Confidence Interval

Based on modified population marginal mean.a.

172

Post Hoc Tests Employment Category

Multiple Comparisons

Dependent Variable: Current Salary

-$3,100.35 $1,859.586 .250-$36,139.26* $1,128.703 .000

$3,100.35 $1,859.586 .250-$33,038.91* $2,062.334 .000$36,139.26* $1,128.703 .000$33,038.91* $2,062.334 .000-$3,100.35* $568.679

-$36,139.26* $2,029.912$3,100.35* $568.679

-$33,038.91* $2,031.840$36,139.26* $2,029.912$33,038.91* $2,031.840

(J) Employment CategoryCustodialManagerClericalManagerClericalCustodialCustodialManagerClericalManagerClericalCustodial

(I) Employment CategoryClerical

Custodial

Manager

Clerical

Custodial

Manager

Scheffe

Dunnett C

MeanDifference

(I-J) Std. Error Sig.

Based on observed means.The mean difference is significant at the .05 level.*.

173

التأكد من صالحية أدوات الدراسة

Reliability Coefficientمعامل الثبات

الداخلي لفقرات االستبانةصدق االتساق

يقصد بثبات أداة القياس أن يعطي النتائج نفسها إذا أعيد تطبيق االستبانة

:على نفس العينة في نفس الظروف ويتم قياسه بثالث طرق إعادة االختبار االختبار و: الطريقة األولى

ا فارق زمني يتم في هذه الطريقة تطبيق االستبانة على عينة استطالعية مرتين بينهممدته أسبوعان ثم حساب معامل االرتباط بين إجابات المفحوصين في المرتين، فإذا كانت معامل االرتباط مرتفعا فان هذا يكون مؤشرا على ثبات االستبانة وبالتالي على

.صالحية ومالئمة هذه االستبانة ألغراض الدراسة :الثبات عن طريق التجزئة النصفية

قرات االستبانة إلى جزأين، الجزء األول يمثل األسئلة الفردية حيث يتم تجزئة فبين درجات ) r( والجزء الثاني يمثل األسئلة الزوجية ثم يحسب معامل االرتباط

األسئلة الفردية ودرجات األسئلة الزوجية ثم تصحيح معامل االرتباط بمعادلة بيرسون : براون كالتالي

Reliability Coefficient = rr+1

2

معامل ثبات آرونباخ الفا .7 والذي من خالله نحسب SPSSيتم حساب معامل ثبات ألفا كرونباخ باستخدام برنامج

معامل التمييز لكل سؤال حيث يتم حذف السؤال الذي معامل تمييزه ضعيف أو سالب

ين درجات كل يقصد باالتساق الداخلي ألسئلة االستبانة هي قوة االرتباط ب مجال ودرجات أسئلة االستبانة الكلية، والصدق ببساطة هو أن تقيس أسئلة االستبانة

.أو االختبار ما وضعت لقياسه أي يقيس فعال الوظيفة التي يفترض انه يقيسها :ولتوضيح ما تقدم سابقا نورد المثال التالي

عض الباحثين على في هذا المثال نعرض استبانه طبقها المؤلف باالشتراك مع بمعلمي وطالب الصف الثامن األساسي بهدف تقويم كتاب الرياضيات المقرر عليهم

وللتبسيط انتقى الباحث .حسب المنهاج الجديد الذي أقرته وزارة التعليم الفلسطينية .بعض األسئلة من كل مجال من مجاالت االستبانة

وسائل –لمحتوى والرسومات عرض ا–تناول االستبيان جوانب أربعة هما المحتوى وقد اشتمل كل مجال على عدد من الفقرات ولكن كما أسلفنا . اإلخراج–التقويم

. سننتقي بعض الفقرات لالختصار والتسهيل

174

بسم اهللا الرحمن الرحيم غزة/وآالة الغوث الدولية دائرة التربية والتعليم

مرآز التطوير التربوي

يات للصف الثاني اإلعداديمعلم الرياض/ الزميل الفاضل

استبانه تقويم الكتاب المدرسي: الموضوع

:عزيزي الطالب/ أخي المعلم ...تحية طيبة وبعد

بين يديك استبانه لتقويم آتاب الرياضيات للفصل الثاني للصف الثامن من مرحلة التعليم آل فقرة األساسية، تتكون من عدد من الفقرات الخاصة بتقويم الكتاب، يرجى قراءة

× ( بعناية وتحديد الخاصة التي تعبر عنها في الكتاب الذي تدرسه وذلك بوضع إشارة عالية جدا، ( في المكان المناسب أمام آل منها باستخدام الدرجات الخمس التالية )

).عالية، متوسطة، منخفضة، منخفضة جدا عزيزي الطالب/ أخي المعلم

التعليمية مهما تطورت وسائل التعليم الحديث وصدق ستبقى عنصرا رئيسيا في العمليةنتائج البحث مرهونة بصدق إجاباتك عن فقرات هذه االستبانة لذلك يرجى الصدق

.والموضوعية والدقة في أجابتك عنها وشكرا لكم على تعاونكم

الباحثون

175

: معلمين والمطلوب 3 طالب و7وزعت االستبانة على عينة مكونة من وحفظها بملف SPSS برنامج تفريغ إجابات اسئلة االستبانات باستخدام )1

" .تقويم" باسم إيجاد معامل الثبات )2 إيجاد معامل الصدق الداخلي )3

تفريغ االستبانة يتم كما تعلمناه سابقا بحيث نعطي الدرجات التالية لالختيارات: الحل

منخفضة جدا منخفضة متوسطة عالية عالية جدا5 4 3 2 1

قم التقدير الفقراتلرا

المعايير التي سيتم في ضوئها التقويمعالية اجد

)5(

عالية)4(

متوسطة)3(

منخفضة)2(

منخفضة جدا

)1( المحتوى: أوال يرتبط محتوي الكتاب بأهدافه.1

يكفي عدد الحصص المقررة لدراسة الكتاب .2 .مفاهيم الكتاب متسلسلة.3

عرض المحتوى والرسومات والتوضيحات واألمثلة: ثانيا

1.يعرض المحتوي بطريقة

مشوقة

.يعرض المحتوي بطريقة متكاملة .2 .الدروس في الوحدة متدرجة.3

)المسائل والتدريبات ( وسائل التقويم : ثالثا .ترتبط التدريبات والمسائل بأهداف الكتاب.1 .ترتبط التدريبات والمسائل بمحتوي الكتاب.2 .توجد اختبارات شاملة في نهاية كل وحدة.3

)الداخلي والخارجي( اإلخراج : رابعا .الغالف الخارجي للكتاب جذاب.1 . بنط صفحات الكتاب مناسب للقراءة.2 .يخلو الكتاب من األخطاء المطبعية.3

176

للمجال b1, b2, b3) المحتوى( مجال األول للa1, a2, a3وأسماء المتغيرات هي d1, d2,d3 ) وسائل التقويم( للمجال الثالث c1, c2, c3) عرض المحتوى( الثاني

:، وشاشة المدخالت كالتالي) اإلخراج( للمجال الرابع

,av_ a, av_b نوجد معدل كل مجال من المجاالت األربعة ونعطيها األسماء -

av_c, av_dنوجد معدل المجاالت مجتمعة باسم وكذلك av_total والثاني " av_odd" ننشئ متغيرين األول عبارة عن معدل األسئلة الفردية باسم -

بحيث نحصل على النتائج . ”av_even" عبارة عن معدل األسئلة الزوجية باسم :كالتالي

“رتباط بين المتغيرين إليجاد معامل الثبات بطريقة التجزئة النصفية نوجد معامل اال

Correlations

1 .835**. .003

10 10.835** 1.003 .

10 10

Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N

AV_TOTAL

AV_ODD

AV_TOTAL AV_ODD

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

177

av_odd” , “ av_even” وتكون النتائج كالتالي :

وبحساب تصحيح معامل 0.835من الجدول السابق يتبين أن معامل االرتباط يساوي االرتباط باستخدام معادلة سبيرمان براون نجد أن معامل الثبات يساوي

=معامل الثبات +×

=835.01835.0291.0

.ثبات مقبول ودال إحصائياوهو معامل

:نتبع الخطوات التالية: إيجاد معامل ثبات ألفا كرونباخ

Reliability فتظهر قائمة فرعية اختر منها Scale اختر Analyzeمن القائمة Analysisفيظهر مربع الحوار التالي :

ة وهي أسئلة المجاالت األربعItemsانقل المتغيرات المطلوبة إلى المستطيل

) .a1,a2,… d3( متغير 12والمكونة من وسوف Modelهناك عدة أنواع من معامالت الثبات ويمكن اختيارها من مستطيل

.Alphaنختار نحن معامل الثبات : يظهر مربع الحوار التاليStatisticsانقر الزر

178

ة والهدف من هذا الخيار معرفة الفقرScale if item deletedاضغط على الخيار

.التي يمكن حذفها من االستبانة بهدف رفع قيمة معامل الثبات . لنعود إلى مربع الحوار األصلي Continueاضغط على

: تظهر النتائج التالية Okانقر

179

Reliability ****** Method 1 (space saver) will be used for this analysis ****** R E L I A B I L I T Y A N A L Y S I S - S C A L E Item-total Statistics Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted A1 40.6000 53.1556 .4322 .7036 A2 39.9000 62.1000 -.0936 .7428 A3 40.6000 53.1556 .3496 .7128 B1 40.4000 45.1556 .7099 .6561 B2 40.3000 67.1222 -.3996 .7812 B3 40.7000 59.3444 .0226 .7542 C1 40.6000 54.2667 .3614 .7117 C2 41.5000 50.7222 .3424 .7166 C3 40.9000 50.7667 .4296 .7016 D1 41.1000 47.8778 .5555 .6816 D2 41.1000 43.6556 .7480 .6467 D3 40.7000 49.1222 .6850 .6723 Reliability Coefficients N of Cases = 10.0 N of Items = 12 Alpha = .7288

امل وهو مع0.7288 يساوي Alphaنالحظ من هذه النتائج أن قيمة معامل الثبات

.ثبات مقبول

يظهر معامل التمييز لكل فقرة (Corrected item- total Correlation )العمود أو الفقرات 0.19ويستحسن حذف الفقرات ذات معامل تمييز موجب منخفض اقل من

التي معامل تمييزها سالب لكي نحصل على معامل ثبات قوي ، ومن النتائج السابقة a2, b2, b3يمكن حذف الفقرات

وإليجاد معامل الثبات مرة أخرى بعد حذف الفقرات السابق ذكرها والذي معامل 0.8198تمييزها منخفض أو سالب سنجده يساوي

180

Reliability ****** Method 1 (space saver) will be used for this analysis ****** R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A) Item-total Statistics Scale Scale Corrected Mean Variance Item- Alpha if Item if Item Total if Item Deleted Deleted Correlation Deleted A1 28.3000 56.4556 .3725 .8169 A3 28.3000 55.5667 .3464 .8209 B1 28.1000 49.2111 .6056 .7906 C1 28.3000 55.1222 .4561 .8091 C2 29.2000 53.9556 .3019 .8331 C3 28.6000 50.4889 .5672 .7958 D1 28.8000 48.8444 .6234 .7882 D2 28.8000 45.2889 .7755 .7660 D3 28.4000 51.1556 .6994 .7844 Reliability Coefficients N of Cases = 10.0 N of Items = 9 Alpha = .8198

للفقرات نوجد معامالت االرتباط بين معدل كل ليإليجاد صدق االتساق الداخ :مجال والمعدل الكلي للفقرات وفي النهاية تكون النتائج كالتالي

181

Correlations

.وتعتبر معامالت االرتباط السابقة معامالت ثبات داخلي مقبولة ودالة إحصائيا

ستبانة وبذلك أصبحت وبذلك يكون الباحث قد تأكد من صدق وثبات فقرات اال .االستبانة صالحة للتطبيق على عينة الدراسة األساسية

Correlations

1 .442 .137 .350 .603. .201 .706 .322 .065

10 10 10 10 10.442 1 .023 .259 .526.201 . .949 .470 .118

10 10 10 10 10.137 .023 1 .658* .735*.706 .949 . .039 .015

10 10 10 10 10.350 .259 .658* 1 .882**.322 .470 .039 . .001

10 10 10 10 10.603 .526 .735* .882** 1.065 .118 .015 .001 .

10 10 10 10 10

Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N

AV_A

AV_B

AV_C

AV_D

AV_TOTAL

AV_A AV_B AV_C AV_D AV_TOTAL

Correlation is significant at the 0.05 level (2-tailed).*.

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