مخطط الموضوع
-
المقياس المدرس:برمجيات احصائية
نوع التدريس: اعمال تطبيقية
الفئة المستهدفة:طلبة السنة الثانية ماستر ادارة استراتيجية
المعامل:1
الارصدة:1
الوحدة:منهجية
تقييم مستمر + امتحان نهائي.
يقاس معدل المادة بالوزن الترجيحي للدروس (60%) والأعمال التطبيقية (40%)
أستاذ المقياس : الاستاذ رزين عكاشة
okacha.rezine@univ-saida.dz
المراجع:
- أوما سيكاران، (2006)، طرق البحث في الإدارة، مدخل لبناء المهارات البحثية، تعريب: اسماعيل علي بسيوني، دار المريخ للنشر، المملكة العربية السعودية.
- جوني دانييل، (2015). أساسيات إختيار العينة في البحوث العلمية، مبادئ توجيهية عملية لإجراء اختيارات العينة البحثية، ترجمة وتحقيق: طارق عطية عبد الرحمن، معهد الإدارة العامة، المملكة العربية السعودية.
- عامر قنديلجي، إيمان السامرائي، (2009)، البحث العلمي الكمي والنوعي، دار اليازوري العلمية للنشر والتوزيع، عمان، الأردن.
- مطلق حسين علوان، (2009)، جمع البيانات وطرق المعاينة، مكتبة العبيكان، السعودية.
- Lehtonen, R., & Pahkinen, E. (2004). Practical methods for design and analysis of complex surveys. John Wiley & Sons.
- Mathers, N. J., Fox, N. J., & Hunn, A. (1998). Surveys and questionnaires (Vol. 1998). NHS Executive, Trent.
-
المقياس المدرس:برمجيات احصائية
نوع التدريس: اعمال تطبيقية
الفئة المستهدفة:طلبة السنة الاولى ماستر محاسبة وتدقيق
المعامل:1
الارصدة:1
الوحدة:منهجية
تقييم مستمر + امتحان نهائي.
يقاس معدل المادة بالوزن الترجيحي للدروس (60%) والأعمال التطبيقية (40%)
أستاذ المقياس : الاستاذ رزين عكاشة
okacha.rezine@univ-saida.dz
المراجع:
- أوما سيكاران، (2006)، طرق البحث في الإدارة، مدخل لبناء المهارات البحثية، تعريب: اسماعيل علي بسيوني، دار المريخ للنشر، المملكة العربية السعودية.
- جوني دانييل، (2015). أساسيات إختيار العينة في البحوث العلمية، مبادئ توجيهية عملية لإجراء اختيارات العينة البحثية، ترجمة وتحقيق: طارق عطية عبد الرحمن، معهد الإدارة العامة، المملكة العربية السعودية.
- عامر قنديلجي، إيمان السامرائي، (2009)، البحث العلمي الكمي والنوعي، دار اليازوري العلمية للنشر والتوزيع، عمان، الأردن.
- مطلق حسين علوان، (2009)، جمع البيانات وطرق المعاينة، مكتبة العبيكان، السعودية.
- Lehtonen, R., & Pahkinen, E. (2004). Practical methods for design and analysis of complex surveys. John Wiley & Sons.
- Mathers, N. J., Fox, N. J., & Hunn, A. (1998). Surveys and questionnaires (Vol. 1998). NHS Executive, Trent.
-
-
(1) مقدمــة تحليل البيانات:
يبحث علم الإحصاء في طرائق جمع البيانات وتحليلها وتفسيرها من خلال مجموعة من الطرائق الرياضية أو البيانية. وتهدف هذه العملية إلى وصف متغير أو مجموعة من المتغيرات من خلال مجموعة من البيانات (العينة) والتوصل بالتالي إلى قرارات مناسبة تعمم على المجتمع الذي أخذت منه هذه العينة. ومن المعروف أن جمع المعلومات من جميع أفراد المجتمع أمر شاق يصعب تحقيقه في كثير من الأحيان، فذلك يحتاج إلى وقت وجهد ومال كثير، أما أخذ عينة عشوائية وممثلة من هذا المجتمع فعملية أسهل وتحتاج إلى جهد ووقت ومال اقل.وأهم الخطوات المتبعة في ذلك هي:
· تحديد المشكلة أو هدف الدراسة بوضوح ودقة، لأنه إذا كان هدف الدراسة غير واضح كانت النتائج غامضة وغير دقيقة.
· تحديد الأداة التي ستستخدم لجمع البيانات وهي هنا الاستبيان.
· تحديد العينة التي ستجمع منها البيانات وطرائق جمعها.
· ترميز البيانات (Coding) وتحويلها إلى أرقام أو حروف حتى يسهل إدخالها إلى الحاسوب ويسهل التعامل معها، ومن ثم إجراء التحليلات الإحصائية حسب التحليلات الإحصائية حسب أهداف البحث المنشود.
2-الركائز الأساسية لعلم الإحصاء:
طرق اختيار العينة من مجتمع:هناك عدة اعتبارات قد تستدعي استخدام أسلوب المعاينة، ومن بينها:
· تجانس المجتمع مثل المواد السائلة حيث لا يوجد ما يبرر أجراء فحص لكل أفراد المجتمع.
· عوامل الوقت والجهد والتكلفة والملائمة بدون التضحية بدقة النتائج إلى حد كبير.
· تعرض الوحدات المستخدمة في الاختبار للتلف عند فحص المجتمع كاملا (بيض، مصابيح الإضاءة، قوة مقاومة سيارة للمقاومة).
· تعذر حصر أفراد المجتمع لأسباب عملية مثل فحص اتجاهات جميع المستهلكين حول سلع معينة أو توجهات الرأي العام حول قضايا عامة اقتصادية أو سياسية.
3-أنواع المتغيرات:
"يعرف المتغير على أنه شيء يكون له عدد من القيم المختلفة في الوقت نفسه مثل تحصيل الطلبة، أرباح الشركات.
· أو يكون متغير عبر الزمن مثل إدراك الفرد لظاهرة ما لمراحل نموه.
· ويمكن أن يحتل المتغير أي موضع على مقياس متصل ويسمى متغيرا متصلا
· كما يمكن أن يأخذ قيم محددة مثل الجنس (ذكر، أنثى) ويسمى متغيرا منفصلا"
وتنقسم المتغيرات بشكل أساسي إلى:
· متغير مستقل: وهو المتغير الذي يؤثر المتغير التابع ولا يتأثر به.
· متغير تابع: وهو المتغير الذي يتأثر بتغير المتغير المستقل.
4-أنواع البيانات:
· البيانات الوصفية أو النوعية: وهي تلك الظواهر أو الصفات التي لا يمكن قياسها بالقيم أو الأعداد مثل الجنس (ذكر أو أنثى) الحالة الاجتماعية (غني أو متوسط أو فقير) أو صفة اللون (ازرق أو اسود أو بني)
ويلاحظ أن هذا النوع من البيانات يعرض بأحد الشكلين المصنفة أو المرتبة :
Ø حيث أن بيانات الجنس تمثل وحدات قياس مصنفة؛
Ø وبيانات الحالة الاجتماعية تمثل وحدات قياس مرتبة؛
Ø أما صفة لون العين فتمثل وحدات قياس اسمية.
· البيانات الكمية:
و هي تلك الظواهر أو الصفات التي يمكن قياسها مباشرة بالقيم أو الإعداد مثل عدد ساعات الدراسة أو عدد أفراد الأسرة أو العمر أو الطول أو الوزن. و بيانات كمية منفصلة مثل عدد أشخاص أو عدد لاعبين كرة قدم مثلا...الخ
وبيانات كمية مستمرة مثل العمر أو الطول لأشخاص...الخ
5-وحدات القياس:
· وحدات القياس الاسمية:
وهو ابسط أنواع وحدات القياس حيث أن إعطاء رقم معين أو حرف محدد أو اسم للمفردة المراد قياسها مثل رقم التسلسلي لشهادة الميلاد.
·
· وحدات قياس المرتبة:
ويمثل إعطاء تصنيفات مختلفة ومرتبة ترتيبا تصاعديا أو تنازليا مثل سلم الأجر والمردودية للعمال والذي يساعد على معرفة التعويضات والمستحقات للأجراء.
ويبين المخطط التالي أهم الفروق بين مختلف وحدات القياس.
الجدول (1/1) وحدات القياس
اسمي
Nominal
الترتيبي
Ordinal
الفترة
Interval
النسبي
Ratio
تعبر عن فئة مثل الجنس, المستوى التعليمي, فئات العمر كل ما يمكن التعبير عنه كميا لتسهيل عملية حسابه.
تعبر عن ترتيب محدد لمشاهدات مثل قياس الولاء للعمال في المؤسسة ,قياس المردودية ودرجة التنافسية.
تعبر عن ترتيبات لمشاهدات يمكن مقارنتها يبعضها أو بقيمة قياسية موضوعة من طرف الباحث مثل قياسات الأحوال الجوية وقياس البراكين والاهتزازات الأرضية .
وتعبر عن ترتيبات معينة واضحة وبدقة يكن قياسها بدون تعقيد مثل قياسات المستعملة في حياتنا اليومية الأوزان والأطوال .
-
(2) تذكير بالمفاهيم الإحصائية:
· مفهوم الإحصاء:
مجموعة الطرق العلمية التي تعني بجمع وتصنيف وتبويب وتفسير وتلخيص وتقييم البيانات والخروج منها باستنتاجات حول المجتمع من خلال اعتماد جزء صغير من المجتمع (العينة).
· الإحصاء الوصفي:
جمع المعطيات وتحليلها ووصفها وإظهارها بصيغة مفهومة وذات مدلول والتعامل مع المعطيات الإحصائية من دون تعميم، وعرضها عن طريق الجداول والرسوم والبيانية وغيرها.
· الإحصاء الاستدلالي:
تحليل وتفسير وتقدير واستخلاص الاستنتاجات بالاعتماد على عينة من المجتمع للتوصل إلى قرارات تخص المجتمع ويتعامل مع التعميم والتنبؤ.
· المعطيات الإحصائية: البيانات والمعلومات الإحصائية المتعلقة بالظواهر الإدارية والاجتماعية والتربوية وتختلف المعطيات من حيث نوعها وطبيعتها باختلاف الظاهرة المطلوب قياسها وباختلاف منهجية البحث والأدوات الإحصائية المستخدمة.
· البيانات: مشاهدات، علامات، مقادير، يعبر عنها بأرقام.
· المعطيات الكمية:تصف الظاهرة بشكل رقمي عن ظاهرة معينة، مثل علامة الطالب وسعر السلعة.
· المعطيات النوعية: تصف الظاهرة المعنية بشكل غير رقمي عن ظاهرة معينة، مثل الجنس، اللون.
· التوزيع: مجموعة مشاهدات مهما كان عددها.
· المجتمع: المجتمع الإحصائي هو عبارة عن جميع المفردات موضع الدراسة والتينرغب في معرفة حقائق عنها سواء كانت على شكل إنسان أو حيوان... الخ. وقد يتكون المجتمع من عدد محدود من المفردات مثل عدد أفراد مدينة ما، أو يتكون المجتمع من عدد غير محدود مثل عدد قطرات الأمطار.
· العينة: هي جزء من مفردات المجتمع يتم اختيارها بحيث تكون ممثلة للمجتمع ككل. وأسلوب أخذ العينات شائع الاستعمال عند إجراء الدراسات والبحوث الإحصائية لأن تكاليفه أقل.
· المؤشر: تدل على جميع مقاييس النزعة المركزية والتشتت والعلاقة (الارتباط) سواء محسوبة لعينات أو لمجتمعات.
· مؤشر عينة (إحصائي): يستخدم للعينات، مثل الوسط الحسابي لعينة
· مؤشر مجتمع (معلم): يستخدم للمجتمع ، مثل الوسط الحسابي للمجتمع
أسئلة وتمارين
ü ما هو دور علم الإحصاء في العلوم الاجتماعية؟
ü وما هي ركائز المعتمدة في علم الإحصاء؟
ü بين الفرق بين المتغير التابع والمتغير المستقل مع إعطاء أمثلة.
ü بين الفرق بين المتغيرات الوصفية والمتغيرات الكمية.
ü ماذا يقصد بوحدات القياس؟ وما دورها في التحليل الإحصائي؟
ü أعطي أمثلة على وحدات القياس (اسمي، ترتيبي، ونسبة)
ü ما دور الإحصاء الاستدلالي في عملية التحليل ؟ وعلى ماذا يرتكز؟
ü عرف العينة والمؤشر؟
ü ماذا تمثل العينة بالنسبة للمجتمع؟
ü ما الفرق بين المعطيات والمعلومات؟
-
(3) التعامل مع برنامج SPSS
1. التعريف ببرنامج SPSS
كلمة SPSS مختصر من الكلمات (Statistical Package For Social Sciences)وتعني الرزمة الإحصائية للعلوم الاجتماعية ويعد برنامج SPSS من أفضل البرامج المستخدمة في عمليات التحليل الإحصائي، فهو يستخدم لإدارة البيانات: إدخالها وحفظها واستعادتها وتحليلها. وليس من الضروري إدخال البيانات في SPSS لأن باستطاعة SPSS استخدام وقراءة البيانات من ملفات أنظمة قواعد البيانات (Database) المختلفة وأنظمة جداول البيانات لبرنامج Excel .
فبرنامج Spssيمكن المستخدم من الاستفادة من البيانات في الحصول على إحصائيات وصفية (Descriptive Statistics) ورسومات توضيحية (Chart) وجداول تقاطعية (Cross tabulations) وغير ذلك من التحاليل الإحصائية البسيطة والمعقدة التي تستخدم في استخلاص الاستنتاجات
نافدة محرر المتغيرات:
قبل العمل على تفريغ البيانات على برنامج SPSS نقوم في البداية بتعريف متغيرات الدراسة وخصائصها من خلال نافدة محرر المتغيرات Editeur de données
وتشمل هذه القائمة على العناصر التالية:
3-1- اسم المتغير Nom
· أن يبدأ اسم المتغير بحرف أبجدي والرموز المتبقية من الاسم يمكن أن تكون حرفا أو رقما عشريا أو نقطة أو رمزا، فمثلا إذا نمت كتابة اسم المتغير ( (1etude) فهدا الاسم خطا كونه بدا برقم
· أن ينفرد اسم المتغير برموز تميزه عن باقي المتغيرات. وينصح أن لا يكون هنالك تقارب في أسماء المتغيرات حتى لا يحدث لبس في تحليل البيانات.
· أن لا ينتهي اسم المتغير على رموز خاصة مثل ؟ -
· أن لا يحوي اسم متغير على فراغ مثل Educ prim والصحيح Edu_prim
· اسم المتغير في هدا البرنامج غير حساس فهو لا يفرق بين الكلمات ذات الحروف الكبيرة والكلمات ذات الحروف الصغيرة ويعتبرها كلمة واحدة مثلا كلمة Newvar تعادل NEWVAR تعادل newvar
3-2-تحديد نوع المتغير Type
يفترض برنامج SPSS وبشكل تلقائي إن كافة متغيرات الدراسة هي رقمية Numérique ولتغيير نوع المتغير نختار عامود Type المقابل لاسم المتغير نضغط في الجانب الأيمن للخانة المراد استعمالها
· أولا: رقمي Numérique : طبقا لهذا المتغير فانه يتيح للقيم داخل المتغير أن تشمل على رقم وإشارة "+" "-" وخانة عشرية ويتيح هذا النوع بيان 40 عددا صحيحا كحد أقصى يتم بيانها في مستطيل width وبيان 16خانة قبل الفاصلة العشرية كحد أقصى ويتم تحديدها في مستطيل Décimal
· ثانيا: الفاصلة Virgule : طبقا لهذا النوع فانه يتيح للقيم داخل المتغير أن تشتمل على رقم وإشارة "+" "-" وخانة عشرية. كما في البديل السابق إلا انه يقوم على فصل كل ثلاث خانات صحيحة (ألاف) بفاصلة ويفصل بين الخانات الصحيحة والعشرية بنقطة مثلا رقم 10000 يكتب لهذا النوع 10,000.00
· ثالثا: النقطة Points : طبقا لهذا المتغير فانه يتيح للقيم داخل المتغير أن تشمل على رقم وإشارة "+" "-" وخانة عشرية. إلا انه يقوم بفصل كل ثلاث خانات صحيحة (ألاف) بنقطة. ويفصل بين الخانات الصحيحة والعشرية بفاصلة مثلا رقم 10000 يكتب طبقا لهدا النوع 10.000,00
· رابعا: التعبير الاسي Scientific notation : طبقا لهجا النوع فانه يتم التعبير عن أرقام المتغير بشكل أسي والتي تظهر على شكل E فمثلا رقم 1000 يكتب (1.0E+3). هذا ونستطيع إدخال أرقام المتغير من خلال استخدام هده الميزة بكتابة الحروف E أو D ممثلا رقم 5000 يتم كتابته 5D3 أو 5E3 ويظهر على الشاشة 5E+3
· خامسا: التاريخ Date: ويتم فيها كتابة قيم المتغير على شكل تاريخ مع ضرورة مراعاة الالتزام بالشكل الظاهر ضمن البدائل فعند اختيار الشكل mm/dd/yy فدلك يعني انه يجب احترام هذه الصيغة لكتابة التاريخ.
· سادسا: الدولار Dollar: وتشتمل قيم المتغير على إشارة وخانات عشرية وفاصلة لكل ثلاث خانات (ألاف). ويتيح هدا النوع بيان 40 عددا صحيحا كحد أقصى يتم بيانها في مستطيل width وبيان 16 خانة قبل الفاصلة العشرية كحد أقصى ويتم تحديدها في مستطيل Décimal
· سابعا: العملة المعدلة Symbole monétaire: تستخدم لتمثيل أرقام المتغير بالعملة المرغوبة غير الدولار.مثلا الدينار الجزائري D.A من صندوق الحوار الأتي نلاحظ خمس عملات يمكن تخزينها على الملف هي CCA ; CCB ; CCC ; CCD ; CCE
ولتفعيل هدا النوع من أنواع المتغيرات نتبع الخطوات
· من قائمة Edit نختار Option
· من شاشة Option نختار Devise ليظهر لدينا صندوق الحوار
· نحدد اسم العملة التي نرغب أن تظهر على النافذة محرر البيانات Data View وذلك باختبار موقع رمز العملة قبل الرقم Prefix أو بعد الرقم Suffix ونحدد إذا كنا نرغب بظهور العملة في كافة القيم فنختار All Value أو القيم السلبية فنختار Negative value، ونخزنها على CCA.ثم نخزن العملة الثانية بالانتقال إلى CCB وهكذا، فمثلا عند قيامنا بكتابة الرمز DA للدلالة على الدينار الجزائري في بديل CCA في خانة Suffix ثم نضغط ok وبالتالي أصبح رمز الدينار الجزائري مخزنا على CCA ولتعريف المتغير على انه دينار جزائري نختار من قائمة Type نوعCurrency Custom ونختار منها CCA ثم نضغط ok كما هو مبين في الشكل () ليتم تعريف أرقام ذلك المتغير على أنها دينار جزائري.
· ثامنا: كتابة Chaîne: وتشتمل قيم المتغير على حروف و/أو أرقام و/أو رموز، وهدا البديل يدل على أن قيم المتغير هي رموز وليست أرقام.والتعامل مع هدا النوع في برنامج SPSS يقتصر على عدد محدود من الأوامر.
3-3-وصف المتغير Etiquette
ياخد اسم المتغير في برنامج spss على 64 حروفا أو رموزا للدلالة على ذلك المتغير كحد أقصى، كما يمكن اختصار اسم المتغير حيث يمكن وصف المتغير في خانة label .
3-4-وصف بدائل المتغيرات Valeurs
يمكن استعمالها في عملية ترميز لبدائل الإجابات لكل متغير مثل الجنس فعلى سبيل المثال إعطاء الذكور رمز (1) والإناث رمز (2) ثم يتم إدخال رمز المجموعة الأولى (الذكور) في خانة Value برقم 1 ومن ثم يتم إدخال وصف القيمة للدلالة على المجموعة في خانة Value label أي Homme ثم نضغط على مستطيل Add ليظهر لدينا في المستطيل الثالث تعريف المجموعة الأولى ونعيد نفس الخطوات بالنسبة للمجموعة الثانية (الإناث).
3-5-القيم المفقودة Manquant
أثناء قيامنا بدارسة ميدانية قائمة على طريقة الاستبيان لا يقوم المستجيب بالإجابة على بعض الأسئلة، أو تكون بعض القيم لبعض الحالات غير متوفرة. بالتالي فهذه القيم تمثل قيما مفقودة، ويتعامل برنامج SPSS مع نوعين من القيم المفقودة:
Ø قيم النظام المفقودة: ويتم التعبير عنها بشكل (.) تظهر في شاشة البيانات للدلالة على وجود قيمة مفقودة.
Ø قيم المستخدم المفقودة: وفي هذه الحالة يقوم المستخدم بتعريف قيم على أنها قيما مفقودة بإعطاء رقم للدلالة على ذلك، مثل رقم (44) أي إظهار هذا الرقم في نافذة محرر البيانات فهو يمثل قيمة مفقودة، أو أية أرقام يتم تعريفها من خلال برنامج SPSS على أنها قيم مفقودة ولتحديد هذه القيم نتبع الخطوات التالية:
من قائمة Variable view نختار Missing ليظهر لدينا صندوق الحوار لدى كل متغير:
Aucune valeur manquante: عند اختيار هذا البديل يقوم البرنامج على تعريف القيم المفقودة على أساس قيم النظام المفقودة valeur manquante de système
· Valeur manquante discrètes: يتيح هذا البديل تعريف القيم المفقودة على أساس user system value ، بالاعتماد كحد أقصى على ثلاث قيم للتعبير عن القيم المفقودة، فمثلا إذا قام المستخدم باختيار 44 للتعبير عن كون القيمة تمثل قيمة مفقودة فيكتب هذا الرقم في المستطيل الأول من هذا البديل كما في الشكل ثم نضغط ok لعريف بذلك أنها قيمة مفقودة:
· Plage plus une valeur manquante discrète facultative: وفيه يمكن تحديد مدى ( Faible إلى Elevée) للتعبير على أنها قيم مفقودة.ويصلح هذا البديل للمتغيرات الرقمية ولا يصلح للمتغيرات الحرفية.
3-6-تحديد موقع النص:
هذه الخاصية تحدد موقع البيانات داخل المتغير ويمكن اختيار بديل من ثلاثة بدائل كما هو مبين في الشكل.
3-7-تحديد عرض العمود:
وهو يحدد عرض العامود في لوحة محرر البيانات، كما انه يحدد عرض العامود بشكل تلقائي بالعدد 8 ويمكن زيادة أو نقصان العرض بتحريك الأسهم التي تظهر في عامود Colonnes.
3-8-تحديد نوع المقياس:
وهو يستخدم للتعبير عن نوع مقياس المتغير ويشتمل على ثلاث أنواع هي:
Ø Nominal للدلالة على المقياس الوصفي
Ø Ordinal للدلالة على المقياس تسلسلي
Ø Echelle للدلالة على مقياس المتغير كمي (فئوي أو نسبي)
-
(4) مراجعة البيانات قبل التحليل الإحصائي:
قبل إدخال البيانات برنامج SPSS يجب التأكد من صحتها ودقتها وعدم تناقضها وخلوها من مشاكل البيانات.
-القيم الشاذة:
القيم الشاذة مفردات أو مشاهدات لها قيم اكبر بكثير من بقية المفردات التي يحتويها المتغير، أما عن أسباب وجود هذه القيم الشاذة في البيانات فهي كثيرة نذكر منها:
· وقوع خطا أثناء إدخال قيمة ما، مثلا يمكن أن ندخل 40 خطا بدلا من 4
· قراءة بيانات مفقودة وكأنها بيانات حقيقية.
· البيانات نفسها تحتوي على قيم شاذة.
ومهما كان السبب في وجود هذه القيم الشاذة فان وجودها يؤثر بشكل سلبي كبير على دقة النتائج.
معيار القيم الشاذة في البيانات:
- المتغير ثنائي القيم (Dichotomous): يعتبر التوزيع في المتغير ثنائي القيم شاذا إذا احتوت مجموعة فيه على (90%) فأكثر، ومثال ذلك إذا كان في متغير الجنس 100 فرد منهم مثلا 90 ذكور 10 إناث فان ذلك يعتبر توزيعا شاذا أي متطرفا.
- المتغير المتصل (Continuous): المفردات التي درجاتها المعيارية أكبر من +3 أو اقل من-3 تعتبر عادة قيما شاذة.
أسئلة وتمارين
ü أعطي شروط كتابة اسم المتغير في برنامج SPSS
ü اذكر أنواع المتغير، وماذا يقصد بالتعبير الآسي؟
ü ماهي أشكال التي تأخذها القيم المفقودة في برنامج SPSS
ü كيف يتم معالجة القيم المفقودة؟
ü ماذا يقصد بنوع المقياس Ordinal؟
ü ماذا يقصد بنوع المقياس Echelle؟
ü ماذا يقصد بنوع المقياس Nominal؟
ü أعطي مثال لكل من المقاييس السابقة؟
ü ماهي أسباب ظهور القيم الشاذة؟ وهي دلالتها؟ وكيف يتم التعامل معها في برنامج SPSS؟
-
(5) الارتباط والانحدار
1. مفهوم العلاقة بين المتغيرات:
تنقسم الظواهر إلى قسمين ظواهر مسببة وظواهر ناتجة،وعند دراسة أيه ظاهرة من هذه الظواهر فإن التعبير عن العلاقة بين المتغيرات التي تتحكم فيها يمكن أن يتم من خلال مقاييس إحصائية، من بينها أسلوب معامل الارتباط Corrélation Coefficient وهوا الذي يحدد درجة وطبيعة العلاقة بين المتغيرات وتنحصر قيمته بين (1، 1-).
إلا أن وجود عدد كبير من المتغيرات المؤثرة في الظاهرة المدروس يجعل من الصعب تفسير ها حيث أن معامل الارتباط يقيس درجة ونوع العلاقة بين متغيرين فقط مما يغفل العلاقات المتداخلة مع المتغيرات الأخرى.ولحل هذا الإشكال ظهرت أساليب إحصائية يمكنها قياس الارتباط لأكثر من متغيرين ومن أبرز هذه الأساليب أسلوب التحليل العاملي Factor Analysis ويعرف كذلك بأنه من الأساليب المتعددة المتغيرات Multivariate Analysis.
الارتباط الخطي:
يعرف الارتباط الخطي على أنه مجموعة النقط (xi,yi) في مستوى الديكارتي والتي تمثل المتغيران xوy تقترب من خط مستقيم فهذا الارتباط يسمى ارتباطا خطيا ويكون طرديا موجبا) أو عكسيا (سالبا).
خط الانتشار:
هو عبارة عن خط مستقيم يمر بأكبر عدد ممكن من النقاط (xi,yi )التي تمثل المتغيرات العشوائية x وy ولها صورتان :
2. الارتباط:
إن الهدف من دراسة الارتباط هو الكشف عن قوة أو درجة العلاقة بين متغيرين أو أكثر وتتراوح درجة العلاقة بين إي متغيرين بين (+1) (-1) فكلما كانت درجة الارتباط قريبة من 1 فان ذلك يعني أن الارتباط قويا بين المتغيرين وكلما قلت درجة الارتباط كلما ضعفت العلاقة بين المتغيرين.
جدول (3/1) درجات الارتباط بي المتغيرات
قيمة المعامل
درجة الارتباط
+1
ارتباط طردي تام
0.70 إلى 0.99
ارتباط طردي قوي
0.50 إلى 0.69
ارتباط طردي متوسط
0.01 إلى 0.49
ارتباط طردي ضعيف
0
لا يوجد ارتباط
وقد تتخذ العلاقة الارتباطية بين متغيرين احد شكلين:
Ø علاقة طردية: زيادة قيمة احد المتغيرين تؤدي إلى زيادة قيمة المتغير الأخر وكذلك نقصان قيمة احد المتغيرين تؤدي إلى نقصان قيمة المتغير الأخر كالعلاقة بين التكاليف على الإعلان والمبيعات
Ø علاقة عكسية: زيادة قيمة احد المتغيرين تؤدي إلى نقصان قيمة المتغير الأخر.مثل العلاقة بين معدل دوران العمل والإنتاجية. ويمكن أن تكون العلاقة بالعكس فنقصان قيمة احد المتغيرين قد تؤدي إلى زيادة قيمة المتغير الأخر.
بشكل عام فانه يمكن اعتبار أن العلاقة ضعيفة إذا كانت قيمة معامل الارتباط اقل من 0.30 . ويمكن اعتبارها متوسطة إذا تراوحت قيمة هذا المعامل بين 0.030 إلى 0.70 أما إذا كانت قيمته أكثر من 0.70 فتعتبر العلاقة قوية بين المتغيرين.
-
(6) معامل الارتباط بيرسون Pearson
حيث "يعتبر الارتباط أحد المقاييس الإحصائية المهمة والمستخدمة بشكل واسع والتي تستخدم لإيجاد العلاقة بين متغيرين." ومن ثم يمكن للارتباط أن يأخد قانونين حسب نوعية المتغيرات ،فإذا كانت المتغيرات كمية Quantitative نستخدم معامل الارتباط بيرسون، Pearson Corrélation Coefficient، حيث أنه المقياس الإحصائي المستخدم بشكل واسع لقياس العلاقة بين المتغيرين : يستخدم معامل بيرسون لقياس قوة العلاقة بين قيم متغيرين كالعلاقة بين تكاليف الإعلان وحجم المبيعات أو بين الرضا الوظيفي وإنتاجية العمل.ويمكن كتابة معامل الارتباط
مثال01:
الدخل (ألاف دج)
درجة الرضا الوظيفي
30
40
31
45
32
42
35
60
34
65
36
76
32
56
38
45
35
75
37
52
36
56
39
54
31
58
30
52
38
59
المطلوب : اختبار قوة العلاقة بيت الدخل ودرجة الرضا الوظيفي باستخدام معامل بيرسون. الحل:
1- ادخل البيانات في متغيرين الأول باسم Arg والثاني باسم Tra
2- من القائمة الرئيسية Analyse اختر القائمة الفرعية Correlate ثم Bivariate
3- يفتح لك صندوق الحوار الرئيسي Bivariate Correlation
بالنظر إلى صندوق الحوار أعلاه نجد أن هناك ثلاثة حوارات أساسية:
Ø معاملات الارتباط:
Ø اختبار المعنوية:
Ø وضع علامة نجمة على معاملات الارتباط ذات الدلالة الإحصائية اقل منت 0.05 ونجمتان على معاملات الارتباط ذات الدلالة الإحصائية اقل من 0.01
Ø وفي الأسفل الصندوق هناك زر Option إذا ضغطت عليه تظهر أمامك الخيارات
· عرض المتوسطات الحسابية والانحرافات المعيارية للمتغيرات
· عرض مجموع مربعات انحرافات أزواج المتغيرات وكذلك عرض التباين المشترك.
· التعامل مع القيم المفقودة.
4- الآن انقل المتغيرين تحت المربع الكبيرVarables
5- قم بالتأشير على المربع الصغير أمام Pearson لاستخراج معامل الارتباط Pearson
6- اختر الاختبار ذو الطرفين وقم بالتأشير على المربع Ok
7- فتظهر المخرجات التالية:
Correlations
Arg
Tra
Arg
Pearson Correlation
1
.315
Sig. (2-tailed)
.252
N
15
15
Tra
Pearson Correlation
.315
1
Sig. (2-tailed)
.252
N
15
15
تبين من المخرجات أن هناك علاقة غير معنوية لان مستوى دلالة اكبر من 0.05 وعلاقة ضعيفة بلغت 0.315 .
مثال 02:
لدينا عينة مكونة من 30 عامل نحاول دراسة العلاقة بين الدخل و الاستهلاك لهذه العينة .
الفرضيات:
Ø الفرضية الصفرية : لا يوجد ارتباط ذو دلالة معنوية بين المتغيرات.
Ø الفرضية البديلة: يوجد ارتباط ذو دلالة معنوية بين المتغيرات.
الدخل
الاستهلاك
الموظف
الدخل
الاستهلاك
الموظف
61
40
16
55
35
1
62
41
17
57
38
2
63
42
18
58
36
3
69
48
19
52
39
4
67
42
20
57
38
5
68
46
21
59
36
6
59
39
22
60
40
7
64
40
23
57
36
8
64
41
24
58
38
9
62
42
25
59
34
10
60
40
26
52
33
11
63
45
27
54
32
12
64
41
28
56
39
13
68
46
29
59
35
14
59
39
30
60
39
15
الخطوات:
Ø Analyze - 1
Ø 2- Correlate
Ø 3- Bivariate
Ø 4- إدخال البيانات في مربع الحوار معا ( المتعلقة بالدخل والاستهلاك )
Ø 5- هذه متغيرات كمية تختار لها معامل Person Corrélation ثم OK
Correlations
revenu
Indice
revenu
Pearson Correlation
1
.837**
Sig. (2-tailed)
.000
N
30
30
Indice
Pearson Correlation
.837**
1
Sig. (2-tailed)
.000
N
30
30
**. Correlation is significant at the 0.01 level (2-tailed).
القرار: بما أن قيمة sig أقل من 0.05 إذن نقبل الفرضية البديلة ونرفض الفرضية الصفرية أذن يوجد ارتباط قوي ذو دلالة معنوية بين الدخل والاستهلاك.
أما إذا كانت المتغيرات ليست من توزيع منتظم نستخدم معاملي الارتباط سبيرمان وهو أحد المقاييس الإحصائية المهمة التي تستخدم بشكل واسع لقياس قوة العلاقة .وهو يسمى كذلك قانون الرتب والصفات حيث أنه يعتمد على رتب مستويات المتغيرين كبديل للقيم الأصلية،إذ أن في بعض الحالات يصعب علينا قياس المتغيرات رقميًا فنحدد رتب للصفة المراد دراستها وتصنيفها حسب أهميتها في الدراسة المراد القيام بها,فإذا كانت العلاقة طردية (موجبة) فان التغاير يكون موجبا،أما إذا كانت عكسية (سالبة) فان التغير يكون سالبًا.ويكون التغير مساويًا للصفر في حالة عدم وجود علاقة خطية بين متغيرين.
-
(7) معامل ارتباط الرتب Spearman
والذي يعتمد على إعطاء كل مفردة في كل متغير ترتيبا وليس قيما محددة. ويمكن قياس معامل الارتباط بين مفردات أي متغيرين بترتيب كل من هذه المفردات في المتغير، ثم حساب الفرق بين رتبتي كل مفردة وتربيع هذه الفروق.
يتميز معامل سيبرمان بسهولة طريقة حسابه إلا انه يعطي قيمة تقريبية اقل دقة من معامل الارتباط بيرسون، حيث انه يعتمد على ترتيب القيم وبدون اعتبار لتساوي المسافات بين كل ترتيب وأخر.
مثال:
تقدم ستة أشخاص لامتحان تنافسي لشغر وظيفة مدير العلاقات العامة فقدموا امتحانا وبنفس الوقت أجريت مقابلات شخصية معهم، وقد كانت النتائج كمايلي:
رقم المتقدم
نتيجة الامتحان التنافسي
نتيجة المقابلة
1
الأول
الثاني
2
الثاني
الأول
3
الثالث
الخامس
4
الرابع
الرابع
5
الخامس
السادس
6
السادس
الثالث
المطلوب: هل هناك علاقة ارتباط بين نتيجة الامتحان ونتيجة المقابلة؟
الحل:
1- ادخل البيانات المثال كأرقام ترتيبات في متغيرين Interview , Exam بالشكل التالي:
Exam
Interview
1
2
2
1
3
5
4
4
5
6
6
3
2- اتبع نفس الخطوات لإجراء معامل بيرسون فيما عدا نقل المتغيرين Interview , Exam تحت المربع الكبير Variables وكذلك التأشير على المربع الصغير أمام Spearman لاستخراج معامل ارتباط Spearman
3- بعد الضغط على Ok تظهر المخرجات التالية:
Corrélations
exam
Interview
Rho de Spearman
exam
Coefficient de corrélation
1,000
,543
Sig. (bilatérale)
.
,266
N
6
6
Interview
Coefficient de corrélation
,543
1,000
Sig. (bilatérale)
,266
.
N
6
6
يتبين من المخرجات انه لا يوجد علاقة معنوية بين نتيجة الامتحان ونتيجة المقابلة، حيث بلغ مستوى الدلالة 0.266 وهذا اكبر من مستوى الدلالة المعتمد بينما بلغت قيمة معامل الارتباط 0.543
مثال 02:
لدينا 15 طالب لامتحان أخر السنة ويتم تقييمهم حسب ترتيبهم ومعدلاتهم وكانت كالأتي:
رقم الطالب
الطالب X
الطالب Y
01
12
14
02
14
16
03
11
12
04
18
18
05
16
16
06
15
13
07
17
14
08
15
17
09
13
15
10
14
10
11
10
12
12
17
16
13
15
14
14
14
17
15
12
15
الخطوات:
Ø Analyze - 1
Ø 2- Correlate
Ø Bivariate
Ø ادخال البيانات في مربع الحوار
Ø 5- هذه متغيرات كمية تختار لها معامل Person Spearman ثم OK
Correlations
X
Y
Spearman's rho
X
Correlation Coefficient
1.000
.512
Sig. (2-tailed)
.
.051
N
15
15
Y
Correlation Coefficient
.512
1.000
Sig. (2-tailed)
.051
.
N
15
15
يتبين من المخرجات انه لا يوجد علاقة معنوية بين معدلات الطلاب، حيث بلغ مستوى الدلالة 0.051 وهذا اكبر من مستوى الدلالة المعتمد بينما بلغت قيمة معامل الارتباط 0.512
-
(8) الارتباط الجزئي Partial Correlation
يقيس معامل الارتباط الجزئي قوة العلاقة بين متغيرين بثبوت متغير ثالث.فمثلا قد نحصل على قيمة عالية لمعامل الارتباط البسيط للعلاقة بين الأسعار الحوم البيضاء واللحوم الحمراء فقد لا توجد علاقة فعلية بين المتغيرين. ولكن كلا المتغيرين يتأثر بعامل ثالث هو المستوى العام للأسعار فإذا استبعدنا المستوى العام للأسعار عند قياس العلاقة بين اللحوم البيضاء والحمراء فسيتم الحصول على قيمة اقل لمعامل الارتباط وهذا يعرف بالارتباط الجزئي.
مثال:
يرغب باحث بدراسة العلاقة بين الطول والوزن 16 مريض لإجراء برنامج غذائي والبيانات كان كالأتي:
المريض
الطول
الوزن
العمر
1
161
59
20
2
170
62
19
3
172
58
24
4
165
60
26
5
169
75
70
6
174
65
63
7
172
75
57
8
169
69
54
9
168
86
41
10
180
65
42
11
172
59
22
12
174
95
23
13
163
70
28
14
168
64
30
15
167
69
29
16
169
61
39
Ø إدخال البيانات في برنامج SPSS
لتحليل هذه البيانات وبالاعتماد على معامل ارتباط بيرسون يتضح وجود علاقة ذات دلالة إحصائية بين الوزن والطول تساوي 0.706، كما تبين مخرجات SPSS وجود علاقة دالة إحصائيا بين الطول والوزن.
Correlations
Control Variables
الوزن
الطول
العمر
الوزن
Correlation
1.000
.106
Significance (2-tailed)
.
.706
df
0
13
الطول
Correlation
.106
1.000
Significance (2-tailed)
.706
.
df
13
0
نفترض أن الوزن والطول يتأثران بشكل أساسي بالعمر لذلك سيتم استخدام الارتباط الجزئي الذي يقوم على إجراء العلاقة بين متغيري الوزن والطول بعد تثبيت متغير العمر.
خطوات اختبار الارتباط الجزئي:
· من قائمة Analyse نختار Correlate ومنها نختار Partial
· نقوم بإدخال المتغيرات التي نرغب بدراسة العلاقة في مستطيل Variable
· نقوم بإدخال المتغير أو المتغيرات التي نرغب بتثبيتها في مستطيل Controlling for لتظهر لدينا النتيجة الواردة في هذا الشكل:
Correlations
Control Variables
الوزن
الطول
العمر
الوزن
Correlation
1.000
.106
Significance (2-tailed)
.
.706
df
0
13
الطول
Correlation
.106
1.000
Significance (2-tailed)
.706
.
df
13
0
-
(9) تحليل الانحدار:
إن نموذج الانحدار يعبر عن العلاقة بين متغير معتمد Dependent Variable وبين واحد أو أكثر من المتغيرات المستقلة Independent أو Regressors فإذا احتوى النموذج على متغير مستقل واحد فيعرف بنموذج الانحدار البسيط Simple Regression Model وإذا احتوى أكثر من متغير مستقل فهو نموذج الانحدار المتعدد Multiple Regression Model كما أن النموذج قد يكون خطيا Linear Model أو غير خطي Non Linear Model
5-1-نموذج الانحدار الخطي البسيط:
إن الطريقة المتبعة غالبا في تقدير معالم الانحدار B0 و B1 هي طريقة المربعات الصغرى (OLS) Least Squares Method، علما أن نموذج الانحدار الخطي البسيط يجب أن يحقق الفرضيات التالية:
· وجود علاقة خطية بين Y و X
· إن الأخطاء العشوائية تتوزع بمتوسط مساوي للصفر
· الأخطاء العشوائية لها تباين ثابت يساوي (فرضية تجانس تباين الخطأ العشوائي Homoscedasticity
· الأخطاء تتوزع طبيعيا وهذا الشرط ليس ضروريا لتقدير المعالم بطريقة OLS ولكنه ضروري لاختبار الفرضيات المتعلقة بمعلمات الانحدار B0 و B1
· عدم وجود ارتباط ذاتي Autocorrelation بين الأخطاء العشوائية.
يمكن التحقق من توفر فرضيات النموذج الخطي البسيط من خلال تخطيط Scatter Plot بتمثيل Y على المحور الأفقي (أو x) يقابله الخطأ العشوائي e أو الأخطاء المعيارية Standardized Residuals يرمز لها (es) على محور الراسي
· (a) توفر فرضيات التحليل (عدم وجود مشكلة)
· (b) زيادة تباين الخطأ العشوائي بزيادة Y
· (c) زيادة وتناقص في تباين الخطأ العشوائي (مشكلة عدم تجانس تباين الخطأ العشوائي)
· (d) عدم ملائمة العلاقة الخطية (يتوجب استعمال نماذج أخرى مثلا من الدرجة الثانية)
مثال:
البيانات التالية تمثل العمر x وضغط الدم y (ملم زئبق) لعينة مكونة من 16 شخص وقد تم إدخال البيانات في ورقة Data Editor كمايلي:
y
x
Obs
110
22
1
120
23
2
142
32
3
120
21
4
123
12
5
125
25
6
126
65
7
132
36
8
142
35
9
141
34
10
141
38
11
121
53
12
151
63
13
132
36
14
132
35
15
156
39
16
المطلوب:
· استخراج معادلة الانحدار مفترضا العلاقة الخطية واختبار معنوية معالم النموذج.
· استخرج فترة الثقة 95% لكل من معلمتي الانحدار B0 و B1
· استخراج جدول تحليل التباين ANOVA
· اختبر التوزيع الطبيعي للأخطاء العشوائية بيانيا.
الحل:
نتبع الخطوات التالية:
من شريط القوائم اختر:
· Analyse ثم Regression ثم Linear
حيث أن:
· Dependent: يمثل المتغير المعتمد.
· Independent : المتغير المستقل يمكن إدخال أكثر من مجموعة من المتغيرات المستقلة كل مجموعة تدخل ضمن Block له رقم تسلسلي ويمكن الانتقال من Block إلى أخر بالزرين Next و Previous. فإذا كان لدينا نموذجين لأحدهما متغير مستقل X والنموذج الأخر له متغير مستقل Z مع متغير معتمد واحد هو Y لكلا النموذجين في هذه الحالة يتم إدخال المتغير X في Block 1 والمتغير Z في Block 2
· Methode : نوع الطريقة المستخدمة في الانحدار (الطريقة الاعتيادية هي Enter)
· Selection Variable: يستعمل في تحديد التحليل لمجموعة معينة من الحالات التي لها قيمة معينة لمتغير الاختبار.
· Case Labels : متغير تستخدم قيمه كعناوين لنقاط شكل الانتشار Scatterplots
انقر زر Statistics فيظهر صندوق حوار Statistics الذي نرتبه كمايلي
وقد تم تأشير الخيارات التالية:
· Estimate : لتقدير معالم نموذج الانحدار واختبارات t المرافقة
· Confidence Interval : لتقدير فترة الثقة 95% لكل من معلمتي الانحدار.
· Model Fit : لعرض R2 و ANOVA
-انقر زر Plots فيظهر صندوق حوار Plots أشر الخيار Normal Probability لاختبار التوزيع الطبيعي للأخطاء العشوائية المعيارية (المطلوب الخامس).
-انقر زر Save فيظهر صندوق حوار Save
لاحظ أننا اخترنا Unstandardized Predict Values أي
وكذلك Standardized Residuals أي 
سيتم استعمال هذين المتغيرين لرسم Scatterplots للشطر الثاني من المطلوب الرابع علما انه سيتم إضافة هذين المتغيرين (عند تمشية البرنامج) إلى ورقة Data Editor إلى جانب متغيرات X و Y و Observat Coefficientsa
Model
Unstandardized Coefficients
Standardized Coefficients
t
Sig.
B
Std. Error
Beta
1
(Constant)
-26.745-
37.620
-.711-
.489
X
.472
.284
.406
1.663
.118
a. Dependent Variable: Y
حيث يضاف:
· المتغير Unstandardized Predict Values باسم Pre_1
· المتغير Standardized Residuals باسم Zre_1
يمكن الاختبار بين تضمين الحد الثابت في النموذج أو حذفه من خلال خيارات الزر Options في صندوق حوار Linear Regression
عند نقر زر Ok في صندوق حوار Linear Regression نحصل على نتائج التالية:
كما يستعمل اختبار T لاختبار الفرضية التالية لمعلمة التقاطع (الحد الثابت) B0:
· فرضية العدم H0 :B0 = 0
· الفرضية البديلة H1 :B0 ≠ 0
نستخدم قيمة P-Value المرافقة لإحصائية T للمعلمة في الاختبار كمايلي:
· إذا كانت P-value < 0.05 نرفض فرضية العدم بمستوى دلالة 5%
· إذا كانت P-value < 0.01 نرفض فرضية العدم بمستوى دلالة 1%
· عكس هذا نقبل فرضية العدم.
يمكن تحليل الأخطاء العشوائية بيانيا بطريقة تمثيل القيم الحقيقية للمتغير المعتمد Y على المحور الأفقي والأخطاء المعيارية es على المحور العمودي حيث يمكن التوصل مخطط لشكل الانتشار كما يلي:
· انقر زر Plots في صندوق حوار Linear Regression فيظهر صندوق حوار Plots
لقد قمنا بنقل المتغير Dependent أي المتغير المعتمد من قائمة المتغيرات في جهة اليسار (هذه المتغيرات تحتسب تلقائيا) إلى خانة الاحداثي الأفقي X كما نقلنا متغير الأخطاء (البواقي) المعيارية ZRESID إلى خانة الاحداثي الراسي Y وعند نقر زر Continue في هذا الصندوق وزر OK في صندوق Linear Regression يتم عرض مخطط لشكل الانتشار التالي والذي نلاحظ من خلاله أن النقاط تتوزع بشكل شريط أفقي متساوي حول الصفر مما يدل على توفر فرضيات التحليل بصورة عامة حيث أن النموذج لا يعاني من مشكلة عدم تجانس تباين الخطأ العشوائي.
-
(10) الانحدار الخطي المتعدد Multiple Linear Regression
يعد الانحدار الخطي المتعدد من الأساليب الإحصائية المتقدمة والتي تضمن دقة الاستدلال من أجل تحسين نتائج البحث عن طريق الاستخدام الأمثل للبيانات في إيجاد علاقات سببية بين الظواهر موضوع البحث .
والانحدار الخطي المتعدد هو عبارة عن إيجاد معادلة رياضية تعبر عن العلاقة بين متغيرين وتستعمل لتقدير قيم سابقة ولتنبؤ قيم مستقبلية، وهو عبارة أيضاً عن انحدار للمتغير التابع (Y) على العديد من المتغيرات المستقلة X1, X2...XK لذا فهو يستخدم في التنبؤ بتغيرات المتغير التابع الذي يؤثر فيه عدة متغيرات مستقلة أي تعتمد فكرته على العلاقات الدلالية التي تستخدم ما يعرف بشكل التشتت أو الانتشار ، فبإمكاننا التنبؤ بالمستوى الرقمي في فعالية رمي المطرقة على سبيل المثال اعتمادا ً على دراسة حالات أخرى للرامي كالعمر الزمني والعمر التدريبي والمهارة والمواصفات الجسمية وغيرها .
إن الانحدار الخطي المتعدد ليس مجرد أسلوب واحد وإنما مجموعة من الأساليب التي يمكن استخدامها لمعرفة العلاقة بين متغير تابع مستمر وعدد من المتغيرات المستقلة التي عادة ً ما تكون مستمرة) والمعادلة الخطية في الانحدار الخطي المتعدد هي:
Y = a + b1X1 + b2X2 + ……… + e
حيث أن Y = المتغير التابع:
a = قيمة ثابتة Constant أو Intercept
b1 = ميل ألانحدار y على المتغير المستقل الأول
b2 = ميل ألانحدار y على المتغير المستقل الثاني
1X = المتغير المستقل الأول
2X = المتغير المستقل الثاني
ويمكن استخدام الانحدار الخطي المتعدد في حالة توافر الشروط التالية:
1. أن تكون العلاقة خطية بين المتغيرات المستقلة والمتغير التابع.
2. أن تكون البيانات موزعة توزيعا ً طبيعيا ً للمتغيرات المستقلة والمتغير التابع.
3. يجب أن تكون قيم المتغير التابع من المستوى الترتيبي على الأقل .
بعد الحصول على نتائج معادلة الانحدار يجب علينا أن نبين هل أن هذه المعاملات مقبولة من الناحية الإحصائية أي معنوية إحصائيا مع التنويه بأن المعنوية تكون لكل معامل على حدة.
ولكي نحكم على معنوية معاملات الانحدار نستعين باختبار T ومستوى الاحتمالية المقابل له وبالطبع فإن برنامج SPSS سيقوم تلقائياً باستخراج اختبار T ومستوى الاحتمالية المقابل له.كما سيتم الحصول على إحصائيات تستخدم لمعرفة المعنوية الإجمالية للنموذج ومنها (R)، (R2 )، (R2- ).
فالأول Rهو معامل الارتباط البسيط والذي يقيس قوة العلاقة بين متغيرين أو أكثر ، أما R2 فهو يسمى بمعامل التحديد والذي يستخدم لمعرفة القوة التفسيرية للنموذج المقدر ( المعادلة المقدرة ) في حالة الانحدار الخطي البسيط ( متغير مستقل واحد مع متغير معتمد واحد ) ، أما R2- فهو يستخدم لتفسير القوة التفسيرية لنموذج الانحدار الخطي المتعدد ( لأنه يأخذ بنظر الاعتبار عدد المتغيرات المستقلة ولذلك يسمى بالمصحح لأنه بالأصل مشتق من R2 ) .
كما نستخدم أيضا ً إحصائية F للحكم على معنوية النموذج المقدر ككل عند مستوى معنوية معين.
Ø التطبيق العملي باستخدام البرنامج الإحصائي SPSS
سأتناول المثال الموضح في الجدول التالي لإيجاد معادلة خط الانحدار المتعدد للبيانات المعلقة باختبار (16) طالبا ً إذ تمثل هذه البيانات العلاقة بين ( اختبارات مختلفة ) وباستخدام البرنامج الإحصائي SPSS سيتم الحصول على نتائج تقدير معادلة الانحدار الخطي المتعدد وكما يلي:
z
y
x
Obs
61
110
22
1
62
120
23
2
65
142
32
3
64
120
21
4
68
123
12
5
69
125
25
6
67
126
65
7
63
132
36
8
66
142
35
9
62
141
34
10
65
141
38
11
69
121
53
12
64
151
63
13
68
132
36
14
69
132
35
15
70
156
39
16
1.نذهب إلى قائمة analyze ونختار منها الأمر Regression ومن القائمة الفرعية نختار Linear،
من نافذة تحليل الانحدار نقوم بتحديد المتغير التابع (Y) وننقله إلى خانة المتغير التابع ثم نحدد المتغيرات المستقلة وننقلها إلى خانة المتغيرات المستقلة ثم ننقر OK
Ø تحليل النتائج التي تم الحصول عليها من SPSS
نستنتج من المخرجات أعلاه ما يلي :
Ø من الجدول الأول نلاحظ بأن طريقة الانحدار المستخدمة وهي طريقة Enter حيث يتبين أن البرنامج قام بإدخال جميع المتغيرات المستقلة في معادلة الانحدار الخطي المتعدد.
Ø من الجدول الثاني نلاحظ بأن قيم معامل الارتباط الثلاثة وهي معامل الارتباط البسيط R قد بلغ (0.419) بينما بلغ معامل التحديد R2 (0.175 ) في حين كان معامل التحديد المصحح R2- (0.049) مما يعني بأن المتغيرات المستقلة التفسيرية استطاعت أن تفسر (0.41) من التغيرات الحاصلة .
Ø كما يلاحظ في الجدول الثالث بأنه يتضمن قيم تحليل التباين والذي يمكن المعرفة من خلاله على القوة التفسيرية للنموذج ككل عن طريق إحصائية F وكما يلاحظ من جدول تحليل التباين غير معنوي..
أما في الجدول الرابع والأخير فيلاحظ قيمة الثابت ومعاملات الانحدار ودلالتها الإحصائية للمتغيرات المستقلة على المتغير التابع
Ø إن معادلة خط انحدار على اختبارات الطلاب هي:
Y=-57.83+0.448X+0.521Z
Ø تعد أوزان Beta المعيارية ( الحد الثابت ) هي معاملات المسار Path coefficients .
Ø طرق تطبيق الانحدار الخطي Method :
هنالك خمسة خيارات أمام المستطيل المعنون Method في النافذة المعروضة في الفقرة (رابعا ً) حيث يمكن اختيار أحداها وفقا ً لمتطلبات العمل وكما يلي :
1. Enter : هذه الطريقة تم استخدامها في المثال السابق وهي تستعمل عند اختيار إدخال كافة المتغيرات المستقلة مرة واحدة.
2. Stepwise : وهنا يتم إدخال المتغيرات المستقلة إلى المعادلة الخطية على خطوات ، ويتم اختيار متغيرين في الخطوة الأولى لإدخالهم إلى المعادلة ثم نقوم باختيار المتغيرين وإقرار إمكانية استبعادهما وحذفهما من المعادلة ، وفي كل خطوة ندخل متغيرين أثنين ويتم إتباع نفس الإجراءات.
3. Remove : يتم إدخال المتغيرات إلى المعادلة الخطية مرة واحدة حيث يتم حذف المتغيرات التي لا يمكن ارتباطها ذا دلالة إحصائية مرة واحدة.
4. Backward : يتم السير إلى الخلف بحيث تدخل المتغيرات جميعها مرة واحدة إلى المعادلة الخطية ثم يحذف المتغير المستقل الذي يكون لديه أدنى ارتباط جزئي مع المتغير التابع وهكذا حتى يبقى في المعادلة فقط المتغيرات المستقلة التي لها دلالة إحصائية.
5. Forward : عكس الطريقة السابقة حيث ندخل أولا ً المتغير الثابت وفي كل خطوة يتم إضافة المتغير الذي لديه ارتباط أعلى مع المتغير التابع وهكذا حتى نصل إلى الحد الذي لا تأتي عنه أي زيادة في معامل الارتباط.
وإن أكثر الطرق شيوعا ً في التربية الرياضية هما طريقتي Enter و Stepwise.
-
(11) تعريف برنامج EVIEWS
· برنامج EVIEWS هو أداة قوية للتحليل الاقتصادي والقياسي
· يوفر البرنامج مجموعة متنوعة من الأدوات والوظائف لإدخال وتحليل البيانات
· إنشاء ملف العمل وإدخال البيانات هي الخطوات الأساسية لاستخدام برنامج EVIEWS
· المقال يشرح بالتفصيل كيفية القيام بهذه المهام
· استخدام برنامج EVIEWS يعزز منهج البحث والتحليل الإحصائي
مقدمة عن برنامج EVIEWS
تحليل إحصائي وتحليل البيانات مهمين في البحث والتطبيق. برنامج EVIEWS يساعد في ذلك. هذا البرنامج يقدم أدوات لتحليل البيانات الاقتصادية والمالية.
أهمية برنامج Eviews
برنامج EVIEWS سهل الاستخدام ومقاوم للتحديات الإحصائية. يوفر أدوات للباحثين في البيانات. يساعد في:
· إجراء التحليل الإحصائي بأساليب متقدمة
· تطوير نماذج قياسية اقتصادية
· التنبؤ باستخدام السلاسل الزمنية
· التعامل مع البيانات المقطعية
مصادر البيانات
من المهم معرفة مصادر البيانات قبل استخدام EVIEWS. هناك بيانات أولية وثانوية.
البيانات الأولية: جمعها من المصادر الأصلية.
البيانات الثانوية: بيانات جمعها من جهات أخرى.
هو أحد تطبيقات الحاسب الآلي الذي يستخدمه الباحثون في التحليل الإحصائي للبيانات ولكنها لم تكن المهمة الرئيسية لبرنامج eviews، بل كان في الأساس يستخدمه الباحث للقياس الاقتصادي وبناء وتصميم النماذج الاقتصادية والتحليل الاقتصادي للبيانات، وهو عبارة عن برنامج tsp ( برنامج تحليل إحصائي للسلاسل الزمنية ) بصورة مطورة تمت من خلال Quantitative Micro Software وذلك بتطوير لغة البرمجة الخاصة ببرنامج eviews، وتم إصداره بعد التطوير في شهر مارس من عام 1994م، ويمتلك برنامج التحليل الإحصائي حماية متميزة وخاصة حيث أنه لا يمكن تشغيله على أي جهاز حاسب إلا بعد تسجيل الباحث الهوية الشخصية لجهاز الحاسب الآلي بواسطة الشبكة العنكبوتية، وأيضاً تشعر الباحث في حال وجود تحديث لبرنامج التحليل الإحصائي eviews فيتم تحديثه من قبل الباحث على جهاز الحاسب الآلي بواسطة شبكة الإنترنت للوصول إلى موقع شركة برنامج التحليل الإحصائي eviews ليتم التحديث.
حيث يستطيع برنامج eviews التعامل مع نماذج الانحدار مثل: اختلاف التباين Heteroskedasticity، الارتباط الذاتي Autocorrelation، أخطاء صياغة النماذج Misspecification، الارتباط المتعدد Multicollinearity ويتمكن الباحث من تقدير هذه النماذج وقدرة الباحث على حل المشاكل الإحصائية الناتجة عنها.
مكونات برنامج التحليل الإحصائي eviews:
يتكون برنامج eviews من العديد من اللوائح التي يتمكن من خلالها الباحث القيام بجميع العمليات التحليلية الإحصائية للبيانات وتنحصر مكونات الشاشة الرئيسية لبرنامج التحليل الإحصائي eviews فيما يلي:
· شريط العنوان: وهي أول ما يحتويه البرنامج يوجد في أعلى الشاشة ويكون فيه عنوان الملف في بادئ الأمر eviews ولكن بعد تغيير اسم الملف من قبل الباحث يتم كاتبة عنوان الملف في شريط العنوان لبرنامج التحليل الإحصائي eviews.
· شريط القوائم الرئيسية: ويحتوي البرنامج على العديد من القوائم التي تندرج تحتها العديد من الأمور التي تساعد الباحث على القيام بالمهام الخاصة في البيانات من خلال اختيار الأمر الذي يريده الباحث من هذه القوائم أو يستطيع الباحث من القيام بالأمر من خلال كتابتهم أيضاً.
-
(12) القوائم الرئيسية لبرنامج التحليل الإحصائي eviews:
يحتوى شريط القوائم في برنامج eviews على القوائم التالية file، edit، object، view، proc، quick، options، add-ins، window، help فتمكن هذه القوائم الباحث من التعامل مع الملف بشكل عامة وخاصة مع البيانات وما يتطلبها من احتياجات وعمليات.
· نافذة الأوامر: كما ذكرنا أنه يمكن التعامل مع بيانات برنامج eviews بطريقتين للقيام بالأوامر فيها من خلال شريط القوائم كما ذكر في النقطة السابقة، أو من خلال كتابة الباحث للأمر فيعمل الباحث على كتابة الأمر في نافذة الأوامر أهم ما يقوم بكتابته الباحث في نافذة الأوامر عند إجراء أي أمر هو المتغير وذلك أما من خلال تحديد المتغير أو يقوم الباحث بكتابته يدوياً من خلال لوحة المفاتيح وبالتالي إكمال كتابة الأمر باستخدام لوحة المفاتيح ومن ثم الضغط على مفتاح enter من لوحة المفاتيح ليقوم البرنامج بتنفيذ الأمر الذي تم كتابته من قبل الباحث بشكل مباشر.
· منطقة العمل: وهي أساس البرنامج وتأخذ الحيز الأكبر من شاشة برنامج التحليل الإحصائي eviews وتضم جميع النوافذ التي يقوم المستخدم للبرنامج (الباحث) بإنشائها وتتقدم النوافذ النافذة الأكثر نشطة بالاستخدام ويستطيع الباحث التنقل بين هذه النوافذ والتحكم أيضاً بها ويتم إدخال البيانات وعرضها من خلال منطقة العمل
· شريط الحالة: وهو في أسفل شاشة برنامج التحليل الإحصائي eviews وآخر ما يحتويه البرنامج ويتكون هذا الشريط من أربعة أجزاء: الجزء الأول من اليسار هي الرسالة الموجه من برنامج التحليل الإحصائي eviews إلى المستخدم للبرنامج (الباحث)، الجزء الثاني يوضح مكان وجود الملف والطريق المؤدي إلى الملف، الجزء الثالث من شريط الحالة يبين القاعدة الافتراضية للبياناتDefault Database، والجزء الأخير من يمين شريط الحالة لبرنامج التحليل الإحصائي eviews يوضح عنوان الملف الحالي.
خطوات خطوات استخدام برنامج Eviews
برنامج EVIEWS هو أداة قوية لتحليل البيانات الاقتصادية والإحصائية. قبل البدء في استخدام هذا البرنامج، هناك خطوتان رئيسيتان يجب اتباعهما:
التحليل الإحصائي باستخدام برنامج eviews:
· الخطوة الأولى: من خطوت التحليل الإحصائي في البرنامج هي فتح برنامج eviews لتصميم وإنشاء ملف للبيانات.
· الخطوة الثانية: من خطوت التحليل الإحصائي في البرنامج هي البدء في إدخال البيانات: بعد أن تم تحديد طبيعة البيانات هل هي بيانات متسلسلة مؤرخة أسبوعية أو شهرية أو سنوية أو نصف سنوية أو أن هذه البيانات ليست لديها أي تأريخ فيقوم المستخدم باختيار undated or observation والبدء بتحديد أول قيمة بيانية start observationوآخر قيمة بيانية end observation ومن ثم البدء بإدخال جميع البيانات في البرنامج وذلك من خلال تحديد المتغيرات في نافذ الأوامر فيتم إدراج جدول يحتوى على المتغيرات التي تم كتابتها في نافذة الأوامر وإدخال البيانات في عمود هذه المتغيرات.
· الخطوة الثالثة: من خطوت التحليل الإحصائي في البرنامج هي عرض البيانات في الجداول وتدقيقها: بعد أن تم إدخال البيانات بالشكل الكامل لابد أن يقوم المستخدم بحفظ الملف كي لا يضيع تعب المستخدم على الفاضي وتضيع البيانات التي قام بإدخالها في برنامج eviews ومن بع ذلك يقوم الباحث بالتأكد بأن البيانات التي قام بإدخالها سليمة وصحيحة وتخلو من أي خطأ لأن بطبيعة الحالة البشرية تقع في الخطأ سهواً.
كيف يمكن تعديل البيانات المدخلة في برنامج التحليل eviews؟
ويتم التعديل أولاً بواسطة تحديد هذه الأخطاء في بيانات برنامج التحليل الإحصائي eviews ومن ثم القيام بتعديلها من خلال الضغط على القيمة الخاطئة واختيار أمر edit وتصحيحها مثل كأنك تقوم بإدخال قيمة جديدة، كما ويمكنه حذف القيمة أو المتغير بنفس الطريقة ولكن اختيار delete بدل من edit.
· الخطوة الرابعة: من خطوت التحليل في البرنامج هي البدء بعمليات معالجة البيانات: وذلك من خلال القيام بتفسير وتحليل هذه البيانات المدخلة وبالتالي إجراء المقاييس الإحصائية الملائمة لهذه البيانات للحصول على النتائج النهائية وهي من أهم الخطوات في برنامج eviews وتضم الكثير من العلمية الحسابية والدوال الرياضية مثل دالة abs وهي تعني القيمة المطلقة، دالة exp وتعني الدالة الأسية وتحتوي على الكثير من الدوال الرياضية ويوجد أيضاً دوال السلاسل الزمنية، والدوال الإحصائية، ودوال التوزيعات الإحصائية.
· الخطوة الخامسة: من خطوت التحليل الإحصائي في البرنامج هي حفظ الملف ليستطيع الباحث الرجوع إليه في الوقت الذي يريده بعد فتح البرنامج.
-
(13) إنشاء ملف العمل
الخطوة الأولى في استخدام برنامج EVIEWS هي إنشاء ملف العمل (Work File). يمكن إنشاء هذا الملف من قائمة الملفات في البرنامج. عند إنشاء الملف، سيُطلب منك تحديد نوع البيانات التي ستتم معالجتها، سواء كانت بيانات سلسلة زمنية (سنوية، ربع سنوية، شهرية، أسبوعية، يومية) أو بيانات مقطعية. يجب التأكد من تنسيق البيانات بشكل صحيح حسب نوع السلسلة الزمنية المستخدمة.
إدخال البيانات
بعد إنشاء ملف العمل، الخطوة التالية هي إدخال البيانات. هناك طريقتان رئيسيتان لإدخال البيانات في برنامج EVIEWS:
نقل البيانات من ملف Excel أو ملف نصي (Text) إلى برنامج EVIEWS باستخدام أمر الاستيراد (Import).
إدخال البيانات يدوياً في برنامج EVIEWS باستخدام أداة “إنشاء سلسلة فارغة” (Empty Group).
في كلتا الحالتين، يجب التأكد من تنسيق البيانات بشكل صحيح قبل إدخالها إلى البرنامج.
“إن إتقان إدخال البيانات في برنامج EVIEWS هو الخطوة الأساسية لتحليل البيانات بنجاح.”
بعد إنشاء ملف العمل وإدخال البيانات، يمكنك الانتقال إلى الخطوات التالية لتحليل البيانات باستخدام برنامج EVIEWS.
تحليل البيانات باستخدام برنامج Eviews
بعد إدخال البيانات في برنامج EVIEWS، هناك خطوات مهمة لتحليلها. هذه الخطوات تساعد في الحصول على رؤى قيّمة. من هذه الخطوات، رسم البيانات لتحديد سلوك المتغيرات.
رسم البيانات
برنامج EVIEWS يوفر خيارات لرسم البيانات بطرق مختلفة. يمكن إنشاء رسوم بيانية لمراقبة التطور عبر الزمن. أو رسوم أعمدة لمقارنة القيم في فترات مختلفة.
كما يمكن رسم التوزيع التكراري للبيانات. هذا يساعد في فهم شكل التوزيع الإحصائي.
الإحصاء الوصفي
برنامج EVIEWS يتيح حساب مؤشرات إحصائية وصفية مهمة. مثل المتوسط، الانحراف المعياري، الحد الأدنى والأقصى. هذا يساعد في فهم البيانات.
يمكن أيضًا حساب معاملات الارتباط بين المتغيرات. هذا يساعد في فهم العلاقات بينها. هذه الخصائص تساعد في استكشاف البيانات وتحليلها.
المؤشر الإحصائي القيمة
المتوسط 45.78
الانحراف المعياري 8.23
معامل الارتباط 0.76
استخدام خصائص رسم البيانات والإحصاء الوصفي في EVIEWS يساعد في الحصول على رؤى قيّمة. هذا يساعد في فهم سلوك المتغيرات.
تعرفنا على كيفية استخدام برنامج تحليل البيانات الاقتصادية والإحصائية EVIEWS. بدأنا برحلتنا بإنشاء ملف العمل وتحديد نوع البيانات. ثم انتقلنا إلى إدخال البيانات من مصادر خارجية أو إدخالها يدويًا في البرنامج.
بعد ذلك، شرحنا كيفية رسم البيانات والحصول على المؤشرات الإحصائية الوصفية. هذا باستخدام هذا البرنامج القوي للتحليل الإحصائي والقياسي الاقتصادي. تطبيق هذه الخطوات الأساسية يساعد الباحثين والمحللين في استخدام برنامج EVIEWS بكفاءة عالية.
برنامج EVIEWS هو أداة قوية في مجال التحليل الإحصائي والاقتصادي القياسي. تناولنا خطوات استخدام البرنامج في إدخال البيانات وإجراء التحليلات الإحصائية الأساسية. هذا يجعله مرجعًا قيمًا للباحثين والدارسين في هذا المجال.
اسئلة المحاضرة
ما هو برنامج EVIEWS وما أهميته؟
برنامج EVIEWS هو أداة إحصائية مهمة في التحليل الاقتصادي والقياسي. يوفر أدوات للتحليل بكفاءة عالية. يساعد الباحثين والمحللين على تحليل البيانات.
ما هي أنواع البيانات التي يمكن تحليلها باستخدام برنامج EVIEWS؟
يمكن تحليل بيانات أولية وثانوية باستخدام EVIEWS. البيانات الأولية تم جمعها من قبل الباحث. البيانات الثانوية تم جمعها من جهات أخرى.يمكن تصنيف البيانات إلى سلاسل زمنية أو مقطعية.
كيف يتم إنشاء ملف العمل في برنامج EVIEWS؟
إنشاء ملف العمل في EVIEWS يبدأ من قائمة الملفات. يجب تحديد نوع البيانات، مثل السلاسل الزمنية أو المقاطع.
كيف يمكن إدخال البيانات في برنامج EVIEWS؟
يمكن إدخال البيانات في EVIEWS بطريقتين:1- باستخدام أمر الاستيراد من ملفات مثل Excel أو نصي.2- يدخل البيانات يدويًا باستخدام أداة “إنشاء سلسلة فارغة”.
ما هي أهم الخطوات لتحليل البيانات باستخدام برنامج EVIEWS؟