‫מספר קורס‪129-1-2881 :‬‬

‫מרצה‪ :‬מוטי בניטה‬

‫מתרגל‪ :‬זיו דגן‬
‫יוצר המסמך‪ :‬אושרת ישראל‬

‫סוג החומר‪ :‬סיכום הרצאות‬

‫שם הקורס‪ :‬מבוא למחקר חינוכי‬

‫בשיטות כמותיות‬

‫‪2021‬‬
‫באדיבות מדור אקדמיה‪ ,‬אגודת הסטודנטים‪ ,‬אוניברסיטת בן גוריון‪.‬‬
‫‪www.bgu4u.co.il‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫תוכן עניינים‬

‫מהו מחקר? שלבי ביצוע המחקר הכמותי‪2-3....................................................‬‬

‫מתאם‪4-7...................................................................................................‬‬
‫רגרסיה ליניארית‪8-14 ..................................................................................‬‬
‫דיאגרמת הנתיבים של רייט‪15-16....................................................................‬‬
‫מתאמים‪16-24................................................................................ .............‬‬
‫רגרסיה היררכית‪24-27............................................................................... ..‬‬
‫ניסוי‪27-32..................................................................................................‬‬
‫ניתוח שונות חד כיווני (מבחן‪32-44...............................................................)F‬‬
‫תיקון בונפרוני ‪44-46 ....................................................................................‬‬

‫‪1‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫מחקר חינוכי בשיטות כמותיות‬

‫מהו מחקר? שלבי ביצוע המחקר הכמותי‬
‫מחקר מתחיל בשאלה‬ ‫‪.1‬‬
‫תאוריה‬ ‫‪.2‬‬
‫אופרציונליזציה‬ ‫‪.3‬‬
‫השערה‬ ‫‪.4‬‬
‫ניתוח התוצאות‬ ‫‪.5‬‬
‫פרסום ממצאים‬ ‫‪.6‬‬
‫‪.1‬שאלת מחקר‪:‬‬
‫▪ מחקר כמותי או איכותני?‬
‫מחקר איכותני‪ -‬תיאורי במהותו‪ ,‬לא מתחיל מתאוריה‪( .‬במחקר איכותני לא משתמשים‬
‫בנתונים מספריים ובניתוחים סטטיסטים)‪.‬‬
‫מחקר כמותי‪ -‬עוסק במשתנים ובקשר ביניהם‪:‬‬
‫‪ -‬משתנה מנובא ומנבא (טרמינולוגיה של מחקר מתאמי)‬
‫‪ -‬משתנה בלתי תלוי ותלוי (טרמינולוגיה של מחקר ניסויי)‬
‫‪ -‬משתנה מתווך וממתן (משתנים מתערבים)‬

‫מערך מחקר מתאמי או ניסויי?‬ ‫▪‬

‫מערך מחקר מתאמי‪ -‬מדידת משתנה מנבא ומנובא (בלתי תלוי ותלוי) וחיפוש הקשר‬
‫בניהם‪.‬‬
‫מערך מחקר ניסויי‪ -‬תפעול המשתנה הבלתי תלוי ומדידת המשתנה התלוי‪ .‬חיפוש‬
‫הבדלים בין קבוצות ניסוי במשתנה התלוי‪.‬‬
‫לדוגמה‪ -‬משתנה א‪ :‬שימוש בפרסים במערכת החינוך‬
‫משתנה ב‪ :‬מוטיבציה של תלמידים ללמידה‬
‫הבחירה בין מערך מחקר מתאמי לניסויי מתבצעת עפ"י אופי שאלת המחקר ועפ"י‬
‫הצורך של המחקר\ החוקר בהתאם לשלב המחקר‪.‬‬
‫ניסוח שאלת מחקר‬
‫המשתנים‪ :‬שימוש בפרסים ומוטיבציה ללמידה‪.‬‬
‫מחקר ניסויי‬ ‫מחקר מתאמי‬

‫האם קיים קשר בין שימוש בפרסים לבין האם שימוש בפרסים משפיע על מוטיבציה‬
‫ללמידה לעומת היעדר שימוש בפרסים?‬ ‫מוטיבציה ללמידה?‬

‫שתי שאלות המחקר מניחות קשר סיבתי‪ .‬במחקר אנו תמיד מחפשים סיבתיות (קיום קשר בין‬
‫‪ X‬ל ‪ ) Y‬ורק מחקר ניסויי יכול לתמוך בוודאות בקשר סיבתי‪.‬‬
‫האם מחקר ניסויי עדיך על מחקר מתאמי?‬
‫זהו נושא שעלה לדיון לאורך שנים ‪ ,‬אך התשובה הגורפת היא שלא!‬
‫ישנם משתנים שלא ניתן לבחון במחקר ניסויי כמו הישגים אקדמיים‪ ,‬הנאה ועניין‬ ‫▪‬
‫בשיעור‪ ,‬קשר מורה‪-‬תלמיד‪ ,‬שחיקת מורים ועוד'‪.‬‬
‫ישנם משתנים שלא אתי לתפעול באמצעות ניסוי לדוג'‪ ,‬שימוש בכפייה על תלמידים‪.‬‬ ‫▪‬

‫‪2‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫ניסוי מבוסס הרבה פעמים על משתנים מלאכותיים והתוקף של המסקנות מוגבל לתנאי‬ ‫▪‬
‫מעבדה ולא מאפשר לראות איך הדברים נראים בעולם האמתי‪.‬‬
‫ולכן‪ ,‬מחקר טוב במדעי הרוח והחברה משלב פעמים רבות את שני השיטות ולא מתמקד‬
‫באחת‪.‬‬
‫‪.2‬תאוריה‪:‬‬
‫מסגרת חשיבה אינטלקטואלית שניתן להשתמש בה על מנת להסביר מערכות יחסים‬ ‫▪‬
‫שקיימות בין תופעות טבעיות ונצפות‪.‬‬
‫מערכת של מונחים‪ ,‬הגדרות וטענות‪ ,‬המייצגים השקפה על תופעה מסוימת ע"י הצגת‬ ‫▪‬
‫היחסים בין המונחים במטרה להסביר ולנבא את התופעה‪.‬‬

‫מבחינת החוקר‪ ,‬זה אומר שברגע שיש שאלת מחקר הוא צריך להשתמש בידע שלו‪ .‬ואם אני‬ ‫‪-‬‬
‫לא יודע משהו?‬
‫▪ קיימות ארבע דרכים לרכישת ידע‪ :‬שיטת הדבקות‪ ,‬שיטת הסמכות‪ ,‬אינטואיציה‬
‫והשיטה המדעית‪( .‬בשיטה המדעית תיאוריות ניתנות לבדיקה‪ ,‬אישוש והפרכה)‪.‬‬
‫‪.3‬אופרציונליזציה‪:‬‬
‫▪ מתאוריה למדידה‪.‬‬
‫▪ בחירת השיטה( ניסוי מתאם)‬
‫▪ הגדרת משתנים‪:‬‬
‫‪ -‬הגדרה נומינלית והגדרה אופרציונלית‬
‫• הגדרה נומינלית‪ -‬תמריץ לעיסוק בפעילות ספציפית שנובע מההנאה‬
‫הנלווית לפעילות עצמה‪ ,‬ולא בגלל התועלת החיצונית שנובעת‬
‫ממנה‪(.‬הגדרה מופשטת‪ ,‬בה המושג מקבל פירוש והסבר תיאורטיים‪.‬‬
‫הגדרה מילונית)‬
‫• הגדרה אופרציונלית‪ -‬פרטים בשאלון מוטיבציה‪ ,‬זמן משחק חופשי‬
‫במטלה‪( .‬הגדרה המפרטת את הפעולות הנדרשות כדי למדוד או להפעיל‬
‫את המשתנה התיאורטי)‪.‬‬
‫▪ בחירת כלי המחקר (שאלונים‪ ,‬תצפיות‪ ,‬מניפולציה ניסויית)‪.‬‬
‫▪ תוקף ומהימנות‪.‬‬
‫‪.4‬השערות מחקר‪:‬‬
‫▪ מדברות על קשר בין משתנים ומנוסחות בצורה כיוונית‪.‬‬
‫דיווחי תלמידים על פרסים מהמורה בתחילת השנה ינבאו באופן חיובי\ שלילי את‬ ‫•‬
‫המוטיבציה הפנימית שלהם בסוף השנה‪.‬‬
‫מתן פרס על פעולה שנבדק נהנה ממנה יובל למוטיבציה פנימית נמוכה יותר ביחס להיעדר‬ ‫•‬
‫פרס‪.‬‬
‫‪.5‬ניתוח ממצאים‪:‬‬
‫חישוב סטטיסטיקה תיאורית‬ ‫▪‬
‫מתאם‬ ‫▪‬
‫רגרסיה‬ ‫▪‬
‫ניתוח שונות‬ ‫▪‬

‫‪3‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫‪.6‬פרסום ממצאים‪:‬‬
‫כתיבת דו"ח מדעי‬ ‫▪‬
‫תרומה לבניין הידע‬ ‫▪‬
‫צרכנות לעומת יצרנות‬ ‫▪‬
‫בשביל שיקראו את מה שכתבנו‪ ,‬יש צורך בהקפדה על הפרטים בכל שלבי ביצוע‬ ‫▪‬
‫המחקר‪.‬‬

‫מתאם‬
‫מדדי קשר‬
‫מתאם‪ -‬הוא תכונה של קשר סטטיסטי בין שני משתנים‪ .‬בדרך כלל עוצמת הקשר נמדדת ע"י‬
‫מדד סטטיסטי "מקדם קשר" או "מקדם מתאם"‪.‬‬
‫הבחירה בסוג המתאם תלויה בסולם המדידה‪:‬‬
‫מדד‬ ‫סולם‬
‫קרמר‬ ‫שמי ‪ +‬שמי\ סדר\ רווח\ מנה‬
‫למשל‪ -‬מין הנחקר ורמת השכלה‬
‫ספירמן‬ ‫סדר‪ +‬סדר\רווח\מנה‬
‫למשל‪ -‬מקום בתחרות ריצה וגיל המשתתף‬
‫פירסון‬ ‫רווח\מנה ‪ +‬רווח\מנה‬
‫למשל‪ -‬מהירות הריצה וגיל המשתתף‬
‫בהקשר של רגרסיה עוסקים רק במתאם פירסון‪.‬‬

‫מתאם פירסון (‪ (r‬קשר לינארי בין שני משתנים‬

‫כאשר מחשבים מתאם מנסים לבדוק האם יש קשר בין המשתנים‪ ,‬מהי עוצמת הקשר ומהו‬
‫כיוונו של קשר‪ .‬מקדם המתאם של פירסון הוא מדד קשר ליניארי בין משתנים מסולם רווח‬
‫ומנה בלבד‪.‬‬
‫לדוגמה‪ -‬האם יש קשר ליניארי בין מהירות ריצה לבין גיל הנבדק‪.‬‬
‫בעזרתו ייבדק קשר כאשר עבור כל נבדק יש שתי מדידות‪ ,‬האחת על משתנה ‪ X‬השנייה על‬
‫משתנה ‪. Y‬‬
‫חישוב המתאם משמש ל‪ 2-‬מטרות‪:‬‬
‫תיאורית‪ -‬תיאור קשר כמותי בין משתנים‪.‬‬ ‫▪‬
‫היסקית‪ -‬ניבוי ערכו של משתנה אחד ממשתנה אחר‪.‬‬ ‫▪‬
‫קשר לינארי‬
‫בקשר ליניארי (קווי) השתנות של משתנה אחד מופיעה תמיד יחד עם השתנות כלשהי‬
‫במשתנה השני‪ .‬קשר כזה ניתן לתיאור כקו ישר (בקירוב) על מערכת צירים‪.‬‬
‫עוצמת הקשר הליניארי יכולה להשתנות בהתאם לפיזור ערכי התצפיות‪ :‬ככל שהתצפיות‬
‫מקבלות ערכים המפוזרים רחוק יותר מהקו הליניארי‪ ,‬כך עוצמת הקשר פחותה יותר‪ (.‬עוצמת‬

‫‪4‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫הקשר אינו קשור לשיפוע הקו אלא רק למידת פיזור הנקודות)‪ .‬כשתצפיות נופלות כולן על אותו‬
‫קו ישר‪ ,‬ישנו קשר מושלם‪.‬‬
‫כיוון הקשר הליניארי יכול להיות חיובי או שלילי‪ .‬כש‪ X-‬עולה ‪ Y‬עולה‪ -‬קשר חיובי‪ ,‬כש‪ X-‬עולה‬
‫‪ Y‬יורד‪ -‬קשר שלילי‪.‬‬
‫מקדם מתאם ( ‪) R‬‬
‫מעיד על כיוון הקשר (הקווי) ועל עוצמתו‪.‬‬ ‫▪‬
‫‪1 ≥ 𝑟 ≥ −1‬‬
‫הסימן הצמוד למקדם המתאם (‪ )+/-‬מעיד על כיוון הקשר‪.‬‬ ‫▪‬
‫הערך המוחלט של ‪ r‬מעיד על עוצמת הקשר‪.‬‬ ‫▪‬
‫‪ R=1‬מציין מתאם חיובי מושלם בין השניים‪.‬‬ ‫▪‬
‫‪ R=-1‬מציין מתאם שלילי מושלם בין המשתנים‪.‬‬ ‫▪‬
‫‪ R=0‬מציין העדר קשר בן המשתנים‪.‬‬ ‫▪‬
‫עוצמת הקשר‪:‬‬
‫‪ – 0-0.3‬קשר חלש‪.‬‬
‫‪ – 0.3-0.5‬קשר בינוני‪.‬‬
‫‪ – 0.5-1‬קשר חזק‪.‬‬
‫* נכון גם למספרים שלילים‪.‬‬
‫מתאם פירסון מתייחס למשתנים על סולם רווח ומעלה אך ציוני המתאם עצמם הם על‬ ‫▪‬
‫סולם סדר בלבד‪ .‬אין משמעות להפרשים בין ציוני מתאמים‪ ,‬ולכן לא ניתן‬
‫לחבר\לחסר\להכפיל\ לחלק ‪ R‬שונים‪ .‬כלומר‪ ,‬ניתן רק לדבר על איזה מתאם חזק יותר‬
‫ולא בכמה הוא חזק יותר‪ .‬לדוגמה‪ -‬אפשר לומר ש‪ r=0.8 -‬חזק יותר מ‪ r=0.4 -‬אך לא‬
‫נכון לומר שהוא חזק פי ‪.2‬‬
‫המתאם מצביע רק על קשר ולא על סיבתיות‪ .‬כלומר‪ ,‬מקיומו של מתאם בין שני‬ ‫▪‬
‫משתנים לא ניתן להסיק על קיומם של יחסים סיבתיים ביניהם‪ .‬לדוגמה‪ :‬אם נמצא‬
‫קשר סטטיסטי בין עישון לבין מחלות לב‪ ,‬אין להסיק מכך מידית כי עישון גורם למחלות‬
‫לב‪ .‬יתכן כי קיים משתנה נוסף שיכול להשפיע כמו "מתח נפשי" הגורם לנטייה לעישון‬
‫והוא הגורם למחלות לב‪.‬‬
‫כדי ללמוד על סיבתיות הקשר יש או לבצע מחקר ניסויי ולתפעל את המשתנה הבלתי‬ ‫▪‬
‫תלוי‪ -‬עישון (לא כ"כ ישים)‪ ,‬או לערוך ניתוח רב משתני‪ ,‬בו ניתן לפקח על משתנים‬
‫במתערבים בקשר‪.‬‬
‫ה‪ r-‬הוא מדד סימטרי‪( 𝑟𝑦𝑥 = 𝑟𝑥𝑦 :‬המתאם בין ‪ X‬ל‪ Y‬שווה למתאם בין ‪ Y‬ל‪) X‬‬ ‫▪‬

‫‪5‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫דיאגרמות פיזור‬
‫קשר ליניארי חיובי מלא‪:‬‬
‫הנקודות מסתדרות כל קו אלכסוני עולה‪.‬‬
‫מכאן שככל ש‪ X‬גדל ‪ Y‬גדל לפי יחס ישר‪.‬‬

‫קשר ליניארי שלילי מלא‪:‬‬

‫הנקודות מסתדרות על קו אלכסוני יורד‪.‬‬
‫מכאן ששכל ש‪ X‬גדל ‪ Y‬יורד לפי יחס ישר‪.‬‬

‫קשר לינארי חיובי לא מלא‪:‬‬

‫הנקודות מפוזרות כענן סביב קו ישר דמיוני‪.‬‬
‫הקו מייצג את מגמת הקשר בין המשתנים‪,‬‬
‫אך זה לא קשר מלא כי הנקודות סוטות מהקו‪.‬‬

‫קשר ליניארי שלילי לא מלא‪:‬‬

‫קיימת מגמה של התפתחות בקו ישר יורד‬
‫אך זה לא קשר מלא בגלל שהנקודות סוטות מהקו‪.‬‬

‫קשר פרבולי‪:‬‬
‫הנקודות מסודרת על קשת‪ .‬הקשר לא לינארי‪.‬‬
‫עלייה במשתנה אחד לא כרוכה בעליה או‬
‫ירידה של משתנה שני‪.‬‬

‫אין קשר‪:‬‬
‫אין קשר‪ .‬הנקודות מפוזרות ללא חוקיות‬
‫מסוימת שתאפשר ניבוי ממשתנה אחד לשני‪.‬‬

‫‪6‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫חישוב המתאם‬
‫האם קיימת השתנות משותפת‪ -‬האם כאשר ‪ X‬משתנה ביחידה שינו שינוי שיטתי כלשהו גם‬
‫ב‪ . y-‬ניתן לחשב שונות משותפת של שני משתנים‪ ,‬שמגלמת את הפיזור סביב נקודת הממוצע‬
‫של שני המשתנים‪:‬‬
‫)̅𝑦 ‪∑(𝑋𝑖 − 𝑋̅)(𝑌𝑖 −‬‬
‫= )𝑦 ‪𝑐𝑜𝑣(𝑋,‬‬
‫𝑛‬
‫שונות משותפת‬
‫המונח "שונות" נובע מהעבודה שאם ‪y=x‬‬
‫)̄𝑌 ‪∑(𝑋𝑖 − 𝑋̄)(𝑌𝑖 −‬‬
‫= )𝑦 ‪𝑐𝑜𝑣( 𝑥,‬‬ ‫=‬
‫𝑛‬

‫‪∑(𝑋𝑖 − 𝑋̄)(𝑋𝑖 − 𝑋̄) ∑(𝑋𝑖 − 𝑋̄)2‬‬

‫=‬ ‫‪= 𝑆2‬‬
‫𝑛‬ ‫𝑛‬
‫חישוב המתאם מבוסס על חלוקת השונות משותפת במכפלת סטיות התקן‪.‬‬
‫)𝑦 ‪𝑐𝑜𝑣( 𝑥, 𝑦) ∑(𝑥𝑖 − 𝑥) (𝑦𝑖 −‬‬
‫=𝑟‬ ‫=‬
‫𝑦𝑠 𝑥𝑠‬ ‫𝑦𝑠 𝑥𝑠𝑛‬

‫כדי להגיע אל סטיית התקן 𝑥𝑆 או 𝑦𝑆 צריך לחשב‪( :‬דוגמה)‬

‫‪∑(𝑥𝑖 − 𝑥)2‬‬ ‫‪218‬‬

‫√ = 𝑥𝑠‬ ‫√=‬ ‫‪= 6.027‬‬
‫𝑛‬ ‫‪6‬‬

‫‪∑(𝑦𝑖 − 𝑦)2‬‬ ‫‪160‬‬

‫√ = 𝑦𝑠‬ ‫√=‬ ‫‪= 5.164‬‬
‫𝑛‬ ‫‪6‬‬

‫נוסחה למתאם בציוני תקן‪:‬‬

‫ניתן גם לחשב את המתאם בציוני תקן (ממוצע ציוני התקן)‪:‬‬
‫𝑖𝑦𝑍 ∗ 𝑖𝑥𝑍 ‪∑𝑛𝑖=1‬‬
‫𝑦𝑥𝑟‬ ‫=‬
‫𝑛‬
‫̄𝑋 ‪𝑋𝑖 −‬‬
‫= 𝑖𝑋𝑍‬
‫𝑋𝑆‬

‫̄𝑌 ‪𝑌𝑖 −‬‬

‫= 𝑖𝑌𝑍‬
‫𝑦𝑆‬

‫‪7‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫למעשה זו אותה נוסחה‪-‬‬

‫̄𝑌 ‪𝑋𝑖 − 𝑋̄ 𝑌𝑖 −‬‬
‫(∑‬
‫) 𝑦𝑆 () 𝑋𝑆‬
‫= 𝑦𝑥𝑟‬
‫𝑛‬

‫)̄𝑌 ‪∑(𝑋𝑖 − 𝑋̄)(𝑌𝑖 −‬‬

‫= 𝑦𝑥𝑟‬
‫𝑛 𝑌𝑆 𝑋𝑆‬

‫רגרסיה לינארית פשוטה‬

‫מושגים בסיסיים‪:‬‬
‫משתנה בלתי תלוי= משתנה מנבא‬ ‫▪‬
‫משתנה תלוי= משתנה מנובא\קריטריון‬ ‫▪‬
‫נוסחת קו הרגרסיה‪:‬‬

‫רגרסיה פשוטה‬
‫המטרה‪ :‬מציאת נוסחה כללית (פונקציה) שעל פיה יהיה ניתן לערוך את הניבוי‪.‬‬ ‫▪‬
‫הפונקציה מסייעת לתת אומדן לערך צפוי של ‪ Y‬עבור ערך נתון של ‪. X‬‬ ‫▪‬
‫כאשר קיים קשר ליניארי מלא בין ‪ x‬לבין ‪ y‬ניתן לנבא בלי שום טעות את ‪ y‬מתוך ‪ x‬ולהיפך על‬
‫סמך נוסחה ליניארית‪.‬‬
‫במצב זה כל התצפיות על קו ישר אחד בדיאגרמת הפיזור והמתאם יהיו שוות ל‪ .1-‬מכיוון‬
‫שהנתונים (תצפיות) במדגם (וגם באוכלוסייה) אינם נופלים‪ ,‬ע"פ רוב‪ ,‬על קו ישר (אין קשר‬
‫ליניארי מלא)‪ ,‬אנו מחפשים את הקו הליניארי שיתאר בצורה הטובה ביותר את הקשר בין‬
‫התצפיות‪ .‬קו זה נקרא קו הרגרסיה ומטרתו לסייע לנו בניבוי האופטימלי של ערכי משתנה ‪x‬‬
‫מתוך ערכי משתנה ‪ y‬או להיפך‪ .‬קו הרגרסיה לניבוי ערכי משתנה ‪ X‬מתוך ערכי משתנה ‪,Y‬‬
‫שונה מקו הרגרסיה לניבוי ערכי משתנה ‪ Y‬מתוך ערכי משתנה ‪.X‬‬
‫דרישות קו הרגרסיה‬
‫סכום הסטיות תקן של כל התצפיות (ציונים אמתיים) מקו הישר (ציונים מנובאים) יהיה‬ ‫▪‬
‫‪∑(𝑦𝑖 − 𝑦̅) = 0 :0‬‬
‫סכום התצפיות מצדו האחד של הקו שווה לסכום הסטיות מצדו השני‪ ,‬בצורה שכל‬
‫הסטיות של התצפיות מהקו מתקזזות ל‪ .0-‬בגלל שהממוצע מוגדר כערך שסכום‬
‫הסטיות ממנו שווה ל‪ 0-‬קו הרגרסיה עובר דרך נקודת הממוצעים(‪.)X.Y‬‬
‫עקרון הריבועים הפחותים‪ -‬סכום ריבועי של סטיות התקן‪ ,‬של כל התצפיות מהקו‬ ‫▪‬
‫הישר יהיה מינימלי (זאת אומרת שהתוצאה צריכה לשאוף ל‪)0‬‬
‫𝑛𝑖𝑚 = ‪∑(𝑌𝑖 − 𝑌̅)2‬‬

‫‪8‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫‪∑(𝑦𝑖 −𝑦̅)2‬‬
‫‪ .‬המונה הוא פונקציית ההפסד של סכום‬ ‫שונות הטעות של ניבוי ‪ Y‬מ ‪: X‬‬
‫𝑛‬
‫ריבועי של סטיות התקן‪ .‬קו הרגרסיה צריך להיות כזה שימזער את פונקציית ההפסד‬
‫של ריבועי הסטיות וגם את שונות הטעות‪.‬‬

‫מודלים סטטיסטים‬
‫𝑖𝑟𝑜𝑟𝑟𝐸 ‪𝑂𝑢𝑡𝑐𝑜𝑚𝑒𝑖 = 𝑀𝑜𝑑𝑒𝑙 +‬‬

‫‪ = Outcome‬העולם האמתי‬
‫אנחנו מחפשים מודל‪( model -‬סטטיסטי) שיתאר את העולם האמתי במינימום טעות‪.‬‬
‫אנחנו מחפשים זה את הפרמטרים של המודל האופטימלי‪.‬‬
‫משתנה‪ :‬נמדד ומשתנה מנבדק לנבדק‬
‫פרמטר‪ :‬קבוע – מייצג "אמת" כלשהיא על הקשר בין המשתנים‬
‫הבעיה היא שאומדן הפרמטרים נעשה תמיד ‪ :‬על מדגם ספציפי – ולכן תמיד הוא‬
‫מכיל טעות‪.‬‬
‫דוגמה‪ :‬ניבוי תוצאות תואר ראשון‬
‫𝑖𝑟𝑜𝑟𝑟𝐸 ‪𝑂𝑢𝑡𝑐𝑜𝑚𝑒𝑖 = 𝑀𝑜𝑑𝑒𝑙 +‬‬
‫מודל ללא מנבאים (סיכום של התוצאה)‪:‬‬
‫𝑖𝑟𝑜𝑟𝑟𝐸 ‪𝐺𝑟𝑎𝑑𝑒𝑖 = (𝑏0 ) +‬‬
‫מודל עם מנבא אחד‪:‬‬
‫𝑖𝑟𝑜𝑟𝑟𝐸 ‪𝐺𝑟𝑎𝑑𝑒𝑖 = (𝑏0 ) + 𝑏1 𝑃𝑠𝑦𝑐1𝑖 +‬‬
‫מודל עם שני מנבאים‪:‬‬
‫𝑖𝑟𝑜𝑟𝑟𝐸 ‪𝐺𝑟𝑎𝑑𝑒𝑖 = (𝑏0 ) + 𝑏1 𝑃𝑠𝑦𝑐1𝑖 + 𝑏2 𝐵𝑎𝑔𝑟𝑢𝑡2𝑖 +‬‬

‫דוגמה שלי‪ = 𝑂𝑢𝑡𝑐𝑜𝑚𝑒𝑖 :‬כמה אנשים מעל גיל ‪ 85‬יש בארץ‪.‬‬

‫‪ = Model‬באר שבע‪ ,‬חיפה ותל אביב‬
‫לפי הדוגמה למעלה ניתן לראות שה‪ outcome‬הוא הציונים של תואר ראשון(העולם‬
‫האמתי) ‪ +‬ה‪ model‬שהוא ציוני פסיכומטרי‪ +‬ציוני בגרות‪ +‬טעות‪ .‬חישוב כל אלו יכול‬
‫לנבא לנו את תוצאות תואר ראשון‪.‬‬

‫הממוצע כמודל‪:‬‬
‫𝑖𝑟𝑜𝑟𝑟𝐸 ‪𝑂𝑢𝑡𝑐𝑜𝑚𝑒𝑖 = 𝑦̅ +‬‬
‫ה ‪ Y‬גג מייצג לי את הממוצע של ציוני הפסיכומטרי וציוני הבגרות‬

‫משוואת קו הרגרסיה – מקדם ‪b‬‬

‫‪yi = bxi + a‬‬

‫שיפוע הקו ‪ :b -‬בכמה משתנה הערך של המשתנה המנובא כשהמשתנה המנבא גדל‬
‫ביחידה‪ .‬לדוגמא‪ ,‬בכמה משתנה לחץ הדם כשאתה גדל בשנה?‬
‫הערך של ‪ b‬יכול להיות חיובי או שלילי‪ ,‬בהתאמה לסימן של ה‪ : r -‬אם יש קשר חיובי בין‬
‫המשתנים‪ ,‬המתאם יהיה חיובי‪ ,‬וכך גם השיפוע עולה (קו הרגרסיה)‪ .‬כאשר קיים קשר‬
‫שלילי בין ‪ 2‬משתנים סימנו של ‪ r‬שלילי וקו הרגרסיה יורד‪.‬‬
‫)𝑦‪cov(𝑥,‬‬ ‫𝑦𝑠∗𝑟‬
‫=𝑏‬ ‫=‬ ‫חישוב ‪( b‬בניבוי ‪ y‬מתוך ‪: )x‬‬
‫𝑥 ‪𝑠2‬‬ ‫𝑥𝑠‬

‫‪9‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫‪ b‬נקרא גם מקדם הרגרסיה‪ ,‬והוא יכול להופיע בציונים גולמיים (לפי החישוב הנ"ל) או‬
‫לאחר הפיכה לציוני תקן ואז הוא נקרא ‪ .β‬ברגרסיה פשוטה ה‪ β -‬שווה לערך המתאם‬
‫הפשוט בין המנבא למנובא‪.‬‬
‫משוואת קו הרגרסיה – מקדם ‪a‬‬
‫ה‪ Y‬המנובא לא תמיד ייתן לנו נקודה‬ ‫‪ A‬היא נקודת החיתוך עם ציר ה‪ .Y‬כאשר ‪x=0‬‬
‫משמעותית‪ .‬זאת אומרת‪ ,‬שכדי שיהיה לי ‪ a‬כמה שיותר מדוייק צריך לבדוק גם את‬
‫‪.bx‬‬
‫𝑥𝑏 ‪𝑎 = 𝑦 −‬‬

‫לדוגמה‪:‬‬

‫‪x = 52.33‬‬
‫‪Sx = 11.873‬‬
‫‪y = 140.333‬‬
‫‪Sy = 15.0775‬‬
‫‪rxy = 0.896‬‬

‫̅𝑥=ממוצע גילאים‬
‫𝑥𝑆= סטיית התקן של ‪X‬‬
‫̅𝑦= ממוצע לחץ הדם‬
‫𝑦𝑆= סטיית התקן של ‪Y‬‬

‫‪ =R‬שונות משותפת\מתאם‪.‬‬
‫קודם כל נמצא את ה‪ B‬ואח"כ נציב במשוואת רגרסיה‪.‬‬
‫‪r ∗ sy 0.896 ∗ 15.077‬‬
‫=‪b‬‬ ‫=‬ ‫‪= 1.14‬‬
‫‪sx‬‬ ‫‪11.873‬‬

‫‪a = y − bx = 140.33 − 1.14 ∗ 52.33 = 80.67‬‬

‫‪ – ỹi = 1.14xi + 80.67‬משוואת קו הרגרסיה‬
‫ניתן לראות לפי ה‪ B‬כי כל פעם שאדם גדל בשנה לחץ הדם שלו עולה ב‪.1.14‬‬

‫‪10‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫קו הרגרסיה‪ :‬הצגה גראפית‬

‫על מנת לשרטט את קו הרגרסיה מספיק למצוא שתי נקודות‪:‬‬
‫‪Y=149.07‬‬ ‫‪ )2‬אם ‪X=60‬‬ ‫‪Y=114.87‬‬ ‫‪ )1‬אם ‪X=30‬‬

‫קו הרגרסיה לניבוי ‪ x‬מ ‪y‬‬

‫עד עכשיו חישבנו את ‪ Y‬מ‪ X‬ועכשיו נוכל לחשב גם הפוך‪.‬‬
‫נקודת המפגש של שני קווי הרגרסיה תהיה הממוצעים של ‪ X‬ו‪. Y‬‬
‫מקדמי קו הרגרסיה הפוך‪:‬‬
‫)𝑦‪cov(𝑥,‬‬ ‫𝑥𝑠∗𝑟‬
‫=𝑏‬ ‫𝑦 ‪𝑠2‬‬
‫=‬ ‫𝑦𝑠‬

‫𝑦𝑏 ‪𝑎 = 𝑥 −‬‬

‫תצוגה גרפית של ניבוי ‪ X‬מ‪Y‬‬

‫כאשר המתאם בין המשתנים שווה לאפס‬

‫על מנת ש‪ r -‬יהיה שווה לאפס )‪ cov(x,y‬צריך להיות שווה לאפס‪ ,‬ואם כך אז ‪ b=0‬על פי‬
‫הנוסחה‪ .‬במצב בו ‪ b=0‬עבור ‪ 2‬קווי הניבוי‪ ,‬השיפוע של שני הקווים יהיה אפס‪ .‬כלומר‪:‬‬
‫קו הניבוי של ‪ y‬מתוך ‪ x‬יהיה מקביל לציר ה ‪x -‬‬
‫קו הניבוי של ‪ x‬מתוך ‪ y‬יהיה מקביל לציר ה ‪y -‬‬
‫בהעדר קשר‪ ,‬הניבוי הטוב ביותר למשתנה הוא הממוצע‪ .‬כאשר ‪ r‬לא שווה ל‪ 0 -‬קו הרגרסיה‬
‫האופטימלי משפר את הניבוי (נעביר קו במקביל לממוצע)‪ .‬רגרסיה משפרת את הניבוי לעומת‬
‫הממוצע בכך שהיא נעזרת במשתנה נוסף ‪ xi -‬כדי לנבא את ערכו של אדם במשנתה ‪. y‬‬

‫‪11‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫שונות ומדד טיב הניבוי‬

‫השונות היא מדד לפיזור הציונים‪ .‬כזכור‪ ,‬היא מהווה את ממוצע סכום ריבועי סטיות התקן של‬
‫הציונים מן הממוצע (כלומר‪ ,‬השונות מייצגת את הסטייה הממוצעת של הציונים מממוצע‬
‫ההתפלגות)‪.‬‬
‫‪∑(𝑥𝑖 −𝑥̅ )2‬‬
‫= 𝑥‪𝑆 2‬‬ ‫שונות של ציוני ‪:X‬‬
‫𝑛‬

‫‪∑(𝑦𝑖 −𝑦̅)2‬‬
‫= 𝑥‪𝑆 2‬‬ ‫שונות של ציוני ‪:Y‬‬
‫𝑛‬

‫שונות מוסברת ולא מוסברת‬

‫סטייה של כל ציון ספציפי מהממוצע נובעת משני גורמים‪:‬‬
‫‪ .1‬שונות מוסברת‪ :‬הסטייה של הציון המנובא (‪ )ỹ‬מהציון הממוצע ( ‪ ,(ỹ- y‬הנובעת מהקשר‬
‫בין המשתנה ‪ x‬לבין המשתנה ‪ y‬ולכן מוסברת ע"י ‪.x‬‬
‫‪ .2‬שונות טעות (לא מוסברת)‪ :‬הסטייה של הציון הספציפי מהציון המנובא )‪ (yi- ỹ‬שאינה‬
‫מוסברת ע"י ‪ x‬אלא נובעת מהבדלים אינדיבידואליים בין הנבדקים ומטעויות מדידה‪.‬‬

‫לדוגמא‪ -‬לחץ הדם של יוני הוא ‪ .140‬ידוע כי הממוצע באוכלוסייה הוא ‪ .130‬אנו רוצים‬ ‫•‬
‫לדעת מהיכן נובעת הסטייה הקיימת‪ .‬נניח כי לפי משוואת הרגרסיה לחץ הדם המנובא של‬
‫יוני לפי גילו הוא ‪ .135‬ההפרש של ‪ 10‬נובע אם כך משני גורמים‪ :‬הפרש של ‪ 5‬המוסבר‬
‫על ידי גילו של יוני ‪ .‬שאר ההפרש‪ ,5 ,‬אינו מוסבר על ידי גיל אלא על ידי נטייה‬
‫אינדיבידואלית של יוני ללחץ דם גבוה וטעויות מדידה‪.‬‬

‫יישום העיקרון לחישוב השונות‬

‫השונות הכללית מורכבת משונות המוסברת ע"י הקשר בין ‪ x‬לבין ‪ ,y‬בתוספת שונות לא‬
‫מוסברת‪ ,‬הקשורה לטעויות מדידה ולהבדלים בין אישיים‪.‬‬

‫‪12‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫מדד טיב הניבוי‬

‫טיב הניבוי נמדד על ידי ‪( r²‬מקדם המתאם בריבוע)‪.‬‬
‫משמעות המדד‪ :‬אחוז השונות המוסברת על ידי ‪ x‬מתוך השונות הכללית‪ .‬כלומר האחוז מתוך‬
‫שונות משתנה לחץ הדם אשר מוסבר על ידי משתנה הגיל‪.‬‬
‫אחוז השונות המוסברת מחושב על ידי היחס שבין השונות המוסברת על ידי הרגרסיה לסך כל‬
‫השונות‪:‬‬
‫‪2‬‬
‫‪2‬‬
‫𝑔𝑒𝑟𝑆𝑆‬ ‫)̅𝑦 ‪𝛴(𝑦𝑟𝑒𝑔 −‬‬
‫= 𝑟‬ ‫=‬
‫𝑙𝑎𝑡𝑜𝑡𝑆𝑆‬ ‫‪𝛴(𝑦𝑖 − 𝑦̅)2‬‬
‫‪ ,r=0.87‬אחוז השונות המוסברת היא‪: :‬‬ ‫אם המתאם בין לחץ דם וגובה הינו‬ ‫•‬
‫‪0.872=0.75‬‬
‫כלומר‪ 75% :‬מהשונות בלחץ הדם מוסברים על ידי הגיל‪.‬‬
‫ככל ש‪ r² -‬גבוה יותר‪ ,‬כך הניבוי בעזרת הרגרסיה טוב יותר‪ ,‬שכן היא מצליחה להסביר טוב‬
‫יותר את השונות במשתנה התלוי‪.‬‬
‫רגרסיה מרובה‬
‫ברגרסיה מרובה אנו מעוניינים לנבא משתנה תלוי אחד מתוך מערכת של משתנים‬ ‫•‬
‫בלתי תלויים‪.‬‬
‫המטרה היא להקטין את אחוז השונות הלא מוסברת על ידי הוספת משתנים מנבאים‪.‬‬ ‫•‬
‫במודל הרגרסיה המרובה יש ויתור מסוים על הדיוק בניבוי לטובת שיפור יכולת‬ ‫•‬
‫ההכללה‪.‬‬
‫דוגמה‪:‬‬
‫משתנה תלוי‪:‬‬
‫‪ - Y‬ממוצע ציונים בתואר ראשון‬
‫משתנים בלתי תלויים‪:‬‬
‫‪ - 1X‬ממוצע בגרות‪.‬‬
‫‪ - 2X‬ציון פסיכומטרי‪.‬‬
‫נוסחאות הרגרסיה המרובה‬
‫בציוני גלם‪:‬‬
‫𝑘𝑥 𝑘𝑏 ‪𝑦′ = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2 + 𝑏3 𝑥3 +. . . .‬‬

‫בציוני תקן‪:‬‬
‫𝑘𝑥𝑍 𝑘𝛽‪𝑍𝑦′ = 𝛽1 𝑍𝑥1 + 𝛽2 𝑍𝑥2 +. . . +‬‬
‫הקבוע ‪ a‬מתנהג ברגרסיה מרובה כמו ברגרסיה פשוטה‪ :‬בציוני גלם‪ ,‬משמעותו נקודת החיתוך‬
‫עם ציר ה‪ .y -‬בציוני תקן הקבוע ‪ a‬לא קיים‪ ,‬כי נקודת החיתוך עם ציר ה‪ y -‬היא ראשית הצירים‬

‫‪13‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫חישוב פרמטרים‪:‬‬

‫מקדם הרגרסיה המרובה ‪b‬‬

‫ברגרסיה פשוטה מקדם הרגרסיה משקף את שיפוע הקו‪ ,‬כלומר את מידת השינוי במשתנה‬
‫התלוי כשהמשתנה הבלתי תלוי משתנה ביחידה‪.‬‬
‫ברגרסיה מרובה משמעות ה‪ b -‬היא התרומה הייחודית של משתנה ב"ת אחד‪ .‬כל מקדם‬
‫רגרסיה משקף את שיפוע הקו הנוצר בקו הרגרסיה‪ ,‬בניכוי השפעתם של המשתנים האחרים‪.‬‬
‫למשל ‪ b1‬מבטא את השינוי הצפוי בקריטריון (‪ )y‬עם שינוי יחידה אחת במשתנה ‪ ,x1‬כאשר כל‬
‫יתר המשתנים נשארים קבועים (לא משתנים)‪ .‬חשוב לזכור שאנחנו הגדרנו את המודל‪ ,‬ורק‬
‫המנבאים שהוכנסו יוחזקו קבוע‪ .‬ייתכן וקיימים עוד משתנים מנבאים שלא לקחנו בחשבון‪ ,‬והם‬
‫יגדילו את גורם הטעות‪.‬‬
‫אודות ‪‬‬
‫‪-11‬‬
‫ביטא עלולה להיות גדולה מ‪ 1-‬במקרה של משתנה מדכא!‬
‫ביטא‪ :‬מקדם רגרסיה ברגרסיה מרובה בציוני תקן‪.‬‬
‫ערך מתוקנן – נטול יחידות מדידה (בדומה לציוני תקן)‬

‫‪ /b‬היא התרומה של ‪ X‬לניבוי ‪ y‬כאשר כל שאר המשתנים המוכנסים בו זמנית למשוואת‬

‫הרגרסיה מוחזקים קבוע‪.‬‬

‫‪14‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫דיאגרמת נתיבים‪ -‬הסכימה של רייט‬

‫דוגמה ‪:‬‬
‫משתנה תלוי‪:‬‬
‫‪ - Y‬ממוצע ציונים בתואר ראשון‬
‫משתנים בלתי תלויים‪:‬‬
‫‪𝑦 ′ = 30 + 0.44𝑥1 + 0.07𝑥2‬‬ ‫‪ - 1X‬ממוצע בגרות‬
‫‪ - 2X‬ציון פסיכומטרי‬
‫ציוני הגלם אומרים לנו‪ ,‬ששינוי של יחידת מדידה אחת בממוצע הבגרות ינבא שינוי של ‪0.44‬‬
‫נקודות בממוצע התואר השני‪ ,‬ושינוי של יחידת מדידה אחת בציון הפסיכומטרי ינבא שינוי של‬
‫‪ 0.07‬נקודות בממוצע התואר הראשון‪.‬‬
‫סטודנט א'‪:‬‬ ‫•‬
‫פסיכומטרי = ‪600‬‬ ‫בגרות = ‪90‬‬ ‫•‬
‫ציון מנובא = ‪81.6‬‬ ‫•‬

‫‪𝑦 ′ = 30 + 0.44𝑥1 + 0.07𝑥2‬‬ ‫סטודנט ב'‪:‬‬ ‫•‬

‫פסיכומטרי = ‪600‬‬ ‫בגרות = ‪95‬‬ ‫•‬
‫ציון מנובא = ‪83.8‬‬ ‫•‬
‫סטודנט ג'‪:‬‬ ‫•‬
‫ציון מנובא = ‪85.1‬‬ ‫פסיכומטרי = ‪650‬‬ ‫בגרות = ‪90‬‬ ‫•‬

‫‪15‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫מעבר לציוני תקן‬

‫כיוון שמדובר ביחידות מדידה שונות (ממוצע בגרות נע בין ‪ 0‬ל‪ ,100-‬ציון פסיכומטרי נע בין‬
‫‪ 200‬ל‪ ,)800-‬אי אפשר להשוות בין הערכים של מקדמי הרגרסיה כשהם בציוני גלם‪.‬‬
‫מעבר לציוני תקן יאפשר לנו להשוות בין הערכים המוחלטים של הביטות‪.‬‬
‫כלומר‪ ,‬כדי שנוכל להשוות מי מהמשתנים המנבאים תורם בצורה הטובה ביותר לניבוי‪ ,‬צריך‬
‫להשוות בין המקדמים‪ .‬כדי שניתן יהיה לעשות כן‪ ,‬יש צורך לתקנן אותם ולפיכך הופכים את‬
‫ה‪ b -‬ל‪ . β -‬במצב זה ניתן להשוות בין הגדלים השונים של הביטות ולראות מי מהמשתנים‬
‫תורם בצורה הטובה ביותר לרגרסיה‪.‬‬
‫משמעות של ה‪ : β -‬כמה יחידות של סטיות תקן של ‪ y‬מתווספות על כל יחידה של סטיית תקן‬
‫באותו ‪ x‬מסוים‪.‬‬

‫‪𝑦 ′ = 30 + 0.44𝑥1 + 0.07𝑥2‬‬

‫‪𝑍 ′ 𝑦 = 0.44𝑍𝑥1 + 0.56𝑍𝑥2‬‬

‫מתאמים‬
‫ברגרסיה פשוטה ל‪ r -‬שני תפקידים‪:‬‬
‫חישוב טיב הניבוי (‪)r²‬‬
‫שימוש כמקדם רגרסיה בציונים סטנדרטים (‪)β‬‬
‫ברגרסיה מרובה ישנה חשיבות למקדם המתאם החלקי והמרובה‪.‬‬
‫מתאם חלקי – ‪Partial correlation‬‬
‫מתאם חלקי הוא מתאם בין שני משתנים כאשר מנכים ממנו את התערבותו של משתנה שלישי‪,‬‬
‫או מנכים את התערבותם של משתנים אחדים מתוך מערכת המשתנים שנחקרו‪.‬‬
‫הדגמה באמצעות מעגלי ון‪.‬‬

‫כל מעגל מייצג את מלוא השונות של כל משתנה‪.‬‬

‫אנו נרצה להוסיף עוד משתנים על מנת להסביר חלק גדול יותר משונותו של ‪ .y‬מעכשיו יהיה‬
‫לנו משתנה תלוי אחד‪ ,‬ומספר משתנים מסבירים ("בלתי תלויים")‪.‬‬

‫‪16‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫אנו מעוניינים שלכל אחד מהנביאים יהיה קשר כמה שיותר גבוה עם ‪ ,y‬וקשר כמה שיותר נמוך‬
‫ביניהם‪.‬‬
‫במילים אחרות אנו רוצים שלכל אחד מהנביאים תהיה תרומה בלעדית כמה שיותר גבוהה‪.‬‬

‫‪x‬‬
‫‪y‬‬

‫ל‪ x2-‬יש קשר נמוך יחסית עם ‪ y‬אך‬ ‫‪x‬‬

‫תרומתו הבלעדית גבוהה‬ ‫ל‪ x2-‬יש קשר גבוה עם ‪ y‬אך תרומתו הבלעדית קטנה‪.‬‬
‫הבלעדית גבוהה‪.‬‬

‫מתאם חלק (מתאם חצי חלקי)‬

‫מנקים רק את החלק בו ‪ 1X‬ו‪ 1Y‬קשורים זה לזה‪ .‬זאת אומרת מה התרומה הייחודית של ‪1X‬‬
‫ל‪.y‬‬
‫המתאם החלקי‪ -‬סימולים‬

‫מתאם בין משתנה ‪ 1‬למשתנה ‪ 2‬כאשר משתנה ‪ 3‬מוחזק קבוע‪𝑟12.3 :‬‬

‫מתאם בין משתנה ‪ 1‬למשתנה ‪ 2‬כאשר משתנים ‪ 3‬ו‪ 4 -‬מוחזקים קבוע‪𝑟12.34 :‬‬
‫חישוב המתאם החלקי‪:‬‬
‫מטריצת המתאמים למערכת של שלושה משתנים )‪(K=3‬‬ ‫•‬

‫‪17‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫נוסחת המתאם החלקי (לשלושה משתנים)‪:‬‬ ‫•‬

‫‪r12.3 = r12 − r13 r23‬‬

‫) ‪(1 − r )(1 − r‬‬

‫‪2‬‬
‫‪13‬‬
‫‪2‬‬
‫‪23‬‬

‫הסבר נוסף למתאם החלקי‬

‫במערכת של שלושה משתנים‪ ,‬המתאם החלקי הוא למעשה המתאם בין פרופורציות השונות‬
‫הלא מוסברות של כל אחד מהמשתנים עם המשתנה השלישי‪ ,‬כלומר‪:‬‬

‫‪𝑟𝑒13𝑒23= 𝑟12.3‬‬
‫הסבר‪ :‬ניצור נוסחאות רגרסיה לניבוי משתנים ‪ X1‬ו‪ X2 -‬מתוך ‪.X3‬‬
‫‪X’1 = b13X3 + a13‬‬

‫) ‪e1i=(X1i – X’1i‬‬ ‫השאריות מקו רגרסיה זה הן‪:‬‬

‫‪X’2 = b23X3 + a23‬‬
‫השאריות מקו רגרסיה זה הן‪e2i=(X2i – X’2i ) :‬‬
‫בשאריות אלה נשאר המרכיב במשתנה ‪ x1/x2‬מנוכה מהתערבותו של המשתנה ‪ X3‬כלומר‪,‬‬
‫מתאם חלקי בין שני משתנים כאשר מפקחים על משתנה שלישי‪ ,‬הוא למעשה מתאם זוגי רגיל‬
‫בין השאריות מקו הרגרסיה של שני המשתנים עם המשתנה‬
‫מתאם חלק (מתאם חצי חלקי) – ‪Semi partial correlation/Part correlation‬‬
‫במתאם חלקי ניכוי השונות המיוחסת למנבאים האחרים נעשה גם מהקשר עם המנבא וגם‬
‫מהקשר עם המנובא‪.‬‬
‫מייצג את הקשר בין המשתנה המנובא (‪ )Y‬לבין המשתנה המנבא (לדוג' ‪ ,)X1‬לאחר ניכוי‬
‫השונות המיוחסת למנבאים האחרים (לדוג' ‪ ,)X2‬כאשר הניכוי נעשה רק מהמשתנה המנבא‪.‬‬

‫‪18‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫מקדמי ‪ β‬ברגרסיה המרובה הם מתאמי חלק!‬

‫מתאם חלקי ‪ :‬שונות מוסברת‬
‫כמו ב‪ R2-‬העלאה של המתאם החלקי‪ ,‬וחצי‪-‬חלקי בריבוע נותן ייצוג של השונות המוסברת‬
‫במשתנה המנובא‪ ,‬אך באופנים שונים‪.‬‬
‫מתאם חלקי ‪:pr2‬‬
‫‪4‬‬
‫‪y‬‬ ‫הניכוי הוא מהמשתנה המנובא והמנבא‬ ‫•‬
‫השונות המוסברת באופן ייחודי ע"י המנבא‪ ,‬מתוך‬ ‫•‬
‫‪1‬‬
‫‪x2‬‬ ‫‪3 2‬‬
‫‪x1‬‬ ‫השונות שלא מוסברת במשתנה המנובא ע"י שאר‬

‫‪5‬‬ ‫המנבאים‪:‬‬
‫‪pr12=2/2+4‬‬ ‫•‬
‫‪pr22 =1/1+4‬‬ ‫•‬
‫מתאם חלק‪ :‬שונות מוסברת‬
‫הניכוי הוא רק מהמשתנה המנבא מייצג את השונות המוסברת באופן ייחודי ע"י המנבא‪,‬‬
‫מתוך כלל השונות (מוסברת‪ +‬לא מוסברת) במשתנה ‪y‬‬
‫‪)1+2+4(/sr12=2‬‬
‫‪)1+2+4(/sr22=1‬‬
‫בדוג' שלנו‪ ,‬מכיוון שהמכנה במתאם חלק גדול יותר (‪ )1+2+3+4‬מאשר המכנה במתאם‬
‫חלקי (‪ ,)2+4‬מתאם החלק קטן יותר‪sr2<pr2 :‬‬

‫‪19‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫המתאם המרובה‬
‫מתאם מרובה מתאר את עוצמת הקשר לניבוי המשתנה התלוי על ידי מערכת של שניים‬
‫או יותר משתנים בלתי תלויים‪.‬‬
‫המתאם המרובה הוא הרחבה של המתאם הזוגי‪𝑅1.2 = 𝑟12 :‬‬ ‫•‬
‫בניגוד למתאם הזוגי‪ ,‬למתאם המרובה אין משמעות של כיוון הקשר‪ :‬המשתנים הבלתי‬
‫תלויים יכולים להיות קשורים למשתנה התלוי בכיוונים שונים‪ .‬ההתייחסות היא לתרומה‬
‫ההדדית של כלל המשתנים הבלתי תלויים לתיאור עוצמת הקשר עם המשתנה התלוי‪.‬‬
‫ולכן‪0 ≤ 𝑅1.23....𝑘 ≤ 1 :‬‬
‫המתאם המרובה הוא המתאם בין ‪ y‬אמיתי ל ‪ y‬מנובא (’‪)y‬‬
‫ריבוע המתאם המרובה זהה במשמעות לריבוע המתאם הפשוט‪𝑅 21.23....𝑘 :‬‬
‫מתאר את הפרופורציה של השונות המוסברת של המשתנה התלוי בעזרת מערכת של ‪k-1‬‬
‫משתנים בלתי תלויים‪.‬‬
‫המשלים ) 𝑘‪ (1 − 𝑅 21.23....‬מתאר את הפרופורציה של השונות במשתנה התלוי שאינה‬
‫מוסברת על ידי המערכת הנתונה של המשתנים הבלתי תלויים‪.‬‬
‫הנוסחה לחישוב המתאם המרובה למערכת של שלושה משתנים‪:‬‬
‫𝑅‬ ‫‪2 +𝑟 2‬‬ ‫‪2‬‬
‫𝑋𝑌𝑟√ = ‪𝑌.𝑋1 𝑋2‬‬‫‪1‬‬ ‫) ‪𝑦𝑋2 .𝑋1 (1−𝑟𝑌𝑋1‬‬

‫מה המשמעות של זה?‬

‫‪2‬‬
‫𝑋𝑌𝑟 = פרופורציית השונות המוסברת ב‪ Y‬על ידי ‪.X1‬‬‫‪1‬‬

‫‪2‬‬ ‫‪2‬‬
‫𝑋𝑦𝑟 = פרופורציית השונות המוסברת ב ‪ Y‬על ידי ‪ X2‬בניכוי ‪( X1‬מתאם‬ ‫‪2 .𝑋1‬‬
‫𝑋𝑌𝑟 ‪(1 −‬‬‫‪1‬‬
‫)‬
‫חלקי בריבוע)‪ ,‬מתוך החלק שלא מוסבר ב ‪ Y‬על ידי ‪.X1‬‬
‫מבחן מהבוהקות‪ :‬אחוז שונות מוסברת‬
‫בדיקה לכל המודל‪ .‬האם כל המודל יחד מצליח לנבא את הנתונים בצורה מובהקת‪.‬‬
‫השאלה היא על המודל ‪ ,‬כל ה‪x-‬ים בפועל‪ ,‬לכן נבדוק את ‪ : R2‬האם ה ‪ R2‬שונה במובהק‬
‫מאפס‪ .‬בודק את איכות ההתאמה של המודל כולו‪ .‬נבדק ע"י התפלגות ‪ ,F‬כלומר מבחן‬
‫המובהקות נעשה לפי טבלת ‪ .F‬השאלה שאנו שואלים במבחן זה היא‪ :‬האם כל המודל‬
‫שלי על כל ה ‪ ‬שלו מנבא טוב‪ .‬אם המודל כולו מובהק אזי ניתן להכליל מהמדגם‬
‫לאוכלוסייה‪.‬‬
‫המדד שמייצג את טיב הרגרסיה כולה הוא המתאם המרובה‪ ,‬שהינו מדד שמבטא את‬
‫השונות המוסברת במשתנה התלוי על ידי כלל המנבאים‪ .‬ולכן נבדוק האם המתאם‬
‫המרובה גדול באופן מובהק מ ‪.0‬‬

‫‪20‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫מפסידים ד"ח על הממוצע הכללי‪ ,‬ועל כל אחד מהמבנאים‪.‬‬

‫המשמעות של דחית ‪ :H0‬המודל מנבא שונות ב‪.Y‬‬
‫אם התוצאה מובהקת – המתאם המרובה באוכלוסייה גדול מ‪( 0 -‬לא ידוע בכמה)‪.‬‬
‫‪𝑅2 ≻ 0‬‬
‫זה לא אומר שכל ה ‪ ‬מובהקות‪ ,‬עלינו לבדוק כל ‪ ‬בנפרד‪.‬‬
‫מבחן מובהקות ה‪b -‬‬

‫מבוצע על ‪ b‬אם היא מובהקת גם ה ‪ ‬מובהקת‪ .‬בודק האם למשתנה בלתי תלוי מסוים‬
‫יש תרומה מובהקת בניבוי של ‪ ,y‬מעבר לשאר המנבאים‪ .‬עונה על השאלה האם‬
‫התרומה הייחודית של כל ‪ ‬היא מובהקת‪.‬‬
‫בדיקה זו נעשית לפי התפלגות ‪. t‬‬

‫בדיקת המובהקות תעשה על כל ‪ ‬בנפרד‪.‬‬

‫שואלים‪ :‬האם מקדם הרגרסיה באוכלוסייה (‪) b‬שונה במובהק מ ‪?0‬‬

‫מולטיקולינאריות‬
‫זוהי תופעה שמתקיימת כאשר המתאם הזוגי בין שני משתנים בלתי תלויים גבוה מאוד‪ ,‬כך‬
‫שהתוספת של כל אחד מהם למערכת היא זניחה‪ ,‬ולמעשה אחד מהם מיותר למערכת‪ .‬ככל‬
‫שהמתאם בין שני המב"תים גבוה המולטיקולניאריות גוברת‪ .‬תופעת המולטיקולינאריות‬
‫משבשת את הניתוח הסטטיסטי ולכן יש לזהות מראש משתנים הגורמים לה‪ ,‬ולהוציא אותם‬
‫מן המערכת‪.‬‬

‫‪21‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫תוצרים בעייתיים‪:‬‬
‫‪ .1‬מתאם גדול בין המנבאים מקטין את ערך ה‪ β -‬עצמן ומכאן ש‪...‬‬
‫‪ .2‬מתאם גדול בין המנבאים יש פחות סיכוי לקבלת ‪β‬מובהקות‪.‬‬
‫‪ .3‬הקטנת ה‪.R² -‬‬
‫במצב כזה אנו עלולים להגיע למסקנות מוטעות לגבי היכולת של משתנה אחד לנבא משתנה‬
‫אחר‪ ,‬כמו כן אין משמעות רבה להשוואה בין ה‪.β -‬‬
‫מבחן מובהקות ה‪b -‬‬
‫מבוצע על ‪ b‬אם היא מובהקת גם ה ‪ b‬מובהקת‪ .‬בודק האם למשתנה בלתי תלוי מסוים יש‬
‫תרומה מובהקת בניבוי של ‪ ,y‬מעבר לשאר המנבאים‪ .‬עונה על השאלה האם התרומה‬
‫הייחודית של כל ‪ b‬היא מובהקת‪.‬‬
‫בדיקה זו נעשית לפי התפלגות ‪. t‬‬
‫בדיקת המובהקות תעשה על כל ‪ b‬בנפרד‪.‬‬
‫שואלים‪ :‬האם מקדם הרגרסיה באוכלוסייה (‪) b‬שונה במובהק מ ‪? 0‬‬

‫כיווץ המתאם המרובה‬

‫כשמחשבים נוסחת רגרסיה זהו המודל האופטימלי למדגם בו השתמשנו‪ .‬אולם אם נפעיל‬
‫את המודל על מדגם אחר‪ ,‬או על האוכלוסייה כולה‪ ,‬ברוב המקרים ‪ R2‬יקטן‪.‬‬
‫דבר זה קורה מכיוון שהמקדמים שלפיהם מחושב ‪ R‬ממקסמים אותו למדגם מסוים; חישוב‬
‫רגרסיה על נתונים אחרים יוליד ‪ R‬קטן יותר‪ .‬לתופעה זו קוראים כיווץ המתאם המרובה‪.‬‬
‫כיווץ המתאם המרובה – התמודדות באמצעות תיקוף צולב‬
‫קיימת דרך סטטיסטית לאמוד את הכיווץ במתאם – כלומר לבדוק את מידת היעילות של‬
‫המודל שלנו בניבוי המציאות (לשם כך יש צורך בלפחות ‪ 2‬מדגמים)‪:‬‬
‫‪ .1‬איסוף נתוני שני מדגמים וחישוב נוסחת הרגרסיה בכל מדגם (עם אותם‬
‫מנבאים ואותו מנובא)‪ .‬מתקבל עבור כל מדגם מקדמים אופטימליים ומתאם‬
‫מרובה‪.‬‬
‫‪ .2‬בודקים את המודל שחושב עפ"י מדגם אחד על המדגם השני‪ ,‬ומחשבים את‬
‫‪ R‬בין הציון האמתי במדגם אחד לזה שנובא ע"י המודל במדגם השני‪.‬‬

‫‪22‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫‪ .3‬משווים את ההתכווצויות של כל מתאם מרובה‪ .‬נבחר את המודל‬

‫שההתכווצות של ה‪ R -‬המרובה בו הכי קטנה אך שיכולת הניבוי שלו סבירה‪.‬‬
‫ככל שהכיווץ קטן יותר פירושו שהמשקולות (‪ )β‬יותר עמידות ויציבות‪.‬‬
‫אמדן הירידה ב‪R -‬‬
‫מטעמי חיסכון בד"כ לא נעשה את התיקוף הצולב אלא נשתמש במדגם אחד לבניית המודל‬
‫וגם לתיקופו‪.‬‬
‫את אמדן הירידה ב‪ R -‬נבצע באמצעות חישוב מתמטי‪.‬‬
‫הכיווץ המתמטי הזה של ‪ R‬לוקח בחשבון שני גורמים‪:‬‬
‫‪ N‬גודל המדגם‪ :‬ככל שהמדגם גדול יותר הוא יהיה יותר מייצג ולכן טיב הניבוי של המודל טוב‬
‫יותר ו‪ Adjusted R squared -‬יהיה קרוב יותר ל‪.R -‬‬
‫‪ K‬מס' המנבאים‪ ,‬ככל שיש יותר מנבאים טיב הניבוי של המודל קטן (תיאוריה טובה מסבירה‬
‫יותר שונות בפחות מנבאים) ו‪ Adjusted R squared -‬יהיה קטן בהרבה מ‪.R -‬‬
‫כלומר‪ R ,‬יתכווץ ביחס הפוך לגודל המדגם וביחס ישר למס' המנבאים‪.‬‬
‫‪𝑁−1‬‬
‫⋅ ) ‪𝐴𝑑𝑗𝑢𝑠𝑡𝑒𝑑𝑅 2 → 𝑅̂ 2 = 1 − (1 − 𝑅 2‬‬
‫‪𝑁−𝐾−1‬‬
‫הנחות הרגרסיה‬
‫טעות מדידה‬ ‫▪‬
‫ליניאריות‬ ‫▪‬
‫קיצוץ תחום‬ ‫▪‬
‫הומוסקדסטיות )‪(Homoscedasity‬‬ ‫▪‬

‫טעות מדידה‬
‫מהימנות = ‪1‬‬
‫מהימנות פחות מ ‪ 1 -‬מקטינה את האומדן של ‪( r/b‬מגדילה את הטעויות)‬
‫באופן אידיאלי – אין טעויות מדידה‬
‫באופן מעשי – יש טעויות מדידה‬
‫מקריות‪ :‬בסופו של דבר‪ ,‬מתקזזות‪.‬‬
‫סיסטמי‪ :‬אינן מפוזרות סביב קו הרגרסיה באופן שווה ויוצרות הטיה של הקו‬
‫לינאריות‬

‫‪23‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫קיצוץ תחום‬

‫הומוסקדסטיות‬

‫רגרסיה היררכית‬
‫רגרסיה היררכית ומבחן מובהקות התוספת‬
‫אם אנו מעוניינים לבדוק השפעה של סט משתנים אחד מעבר לסט משתנים אחר ננקוט‬
‫במתודה שנקראת רגרסיה היררכית‪.‬‬
‫למשל‪ - X1 :‬מעמד סוציו‪-‬אקונומי‪ - X2 ,‬מין‪ – X3 ,‬ציון פסיכומטרי‪.‬‬
‫האם ציון פסיכומטרי מנבא הצלחה בתואר ראשון מעבר להשפעתם של המשתנים מעמד‬
‫סוציו אקונומי ומין?‬
‫על מנת לענות על שאלות כגון אלה יש צורך ברגרסיה היררכית‪ :‬הכנסת המנבאים למודל‬
‫בשלבים‪.‬‬
‫העיקרון הסטטיסטי העומד בבסיס כל רגרסיה היררכית‪ :‬תרומתם של משתנים שנכנסים‬
‫למודל בצעדים מאוחרים יותר הינה בניכוי‪/‬מעבר למשתנים שנמצאים ברגרסיה (כלומר‪,‬‬
‫שנכנסו בצעדים מוקדמים יותר) ולא להיפך‪.‬‬
‫הכנסת המשתנים למודל היא מודולרית ובכל צעד נערכות רגרסיות בו זמניות‪ ,‬כשבכל אחת‬
‫מספר שונה של משתנים‪.‬‬

‫‪24‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫החוקר הוא זה שמחליט אלו משתנים יכנסו בכל צעד‪.‬‬

‫בכל צעד אפשר להכניס יותר ממשתנה אחד‪.‬‬
‫יכנסו כל המשתנים שהחוקר קבע‪ ,‬גם אם הם לא מובהקים‪.‬‬
‫מתי משתמשים ברגרסיה היררכית?‬
‫בקרה סטטיסטית על משתנים מתערבים אפשריים – לצמצום הסברים אלטרנטיביים ו‪/‬או‬
‫לצמצום שונות שגיאה‪ .‬משתנים מתערבים הם משתנים הקשורים למשתנה התלוי ולמשתנים‬
‫"מזוייפים" בין המנבאים לתלוי‪.‬‬ ‫המנבאים ובהיותם כאלה גורמים למתאמים‬
‫דוגמא‪ :‬הקשר בין ציון פסיכומטרי להצלחה בתואר הראשון (צעד ‪ )II‬מעבר למעד‬
‫סוציואקונומי ומין (צעד ‪.)I‬‬
‫סדר זמני בין המשתנים ‪ -‬כאשר קיים סדר זמני בין המשתנים‪ .‬משתנים קודמים זמנית‬
‫נכנסים בצעדים מוקדמים‪.‬‬
‫דוגמא‪ :‬ניבוי שחיקת מורים בסוף השנה על ידי הפרעות תלמידים במהלך השנה (צעד ‪)II‬‬
‫מעבר לשחיקה אותה חוו המורים בתחילת השנה (צעד ‪.)I‬‬
‫משתנים מנבאים אישיותיים ומצביים ‪ -‬בשאלות המתייחסות למקבצים של משתנים‬
‫מנבאים‪ ,‬חלקם אישיותיים או דמוגרפיים וחלקם מצביים‪ .‬המשתנים המנבאים האישיותיים‬
‫יכנסו בצעדים קודמים למשתנים המנבאים המצביים (אם כי יכולים להיות גם יוצאים מן‬
‫הכלל)‪.‬‬
‫דוגמא‪ :‬ניבוי התנהגות עזרה על פי שימוש באסטרטגיית ויסות רגשות מצבית‪ ,‬מעבר‬
‫לסגנון התמודדות קבוע ואמפתיה תכונתית‪ .‬מכניסים קודם את המשתנים התכונתיים – סגנון‬
‫התמודדות קבוע והאמפתיה (צעד ‪ ,)I‬ואחר כך סגנון ויסות רגשות מצבי (צעד ‪.)II‬‬
‫בדיקת אינטראקציות בין משתנים רציפים‬ ‫•‬
‫בדיקת קשרים לא לינאריים בין משתנים‬ ‫•‬
‫דוגמה‪:‬‬
‫‪ 456‬נבדקים נשאלו לגבי המטרות האישיות שלהם בזמן הקרוב‪.‬‬
‫שתי מדידות בהפרש של שבועיים זו מזו‪.‬‬
‫המשתנה המנובא‪ :‬שביעות רצון מהחיים בשבועיים האחרונים‪.‬‬
‫המשתנים המנבאים‪:‬‬
‫מין (‪)T1‬‬ ‫•‬
‫סגנון התמודדות קבוע (‪)T1‬‬ ‫•‬
‫מאמצים שהוקדשו להשגת המטרה (‪)T2‬‬ ‫•‬
‫הערכה מחדש בשבועיים האחרונים (‪)T2‬‬ ‫•‬

‫‪25‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫‪26‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫הניסוי‬

‫מטרות מומחיות‬ ‫מטרות הפגנת יכולת‬ ‫‪Standard‬‬

‫סטנדרט להצלחה – אישי או‬
‫סטנדרט נורמטיבי להצלחה –‬ ‫‪Valence‬‬
‫אבסולוטי‬
‫השוואה לאחרים‬

‫‪Mastery avoidance‬‬ ‫‪Performance avoidance‬‬ ‫‪-‬‬ ‫הימנעות‬

‫‪Avoidance‬‬

‫‪Mastery approach‬‬ ‫‪Performance approach‬‬ ‫גישה ‪Approach -‬‬

‫מטרות מומחיות = שיכלול‪/‬שיפור יכולת‬

‫מטרות הפגנת יכולת = הפגנת יכולת‬

‫‪27‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫יתרונות הניסוי‬
‫► הניסוי‪ :‬שיטה לשליטה‬
‫► יתרונו העיקרי‪ :‬הסקת קשר סיבתי‬
‫► יתרונות הניסוי מושגים באמצעות שליטה על משתני המחקר‪:‬‬
‫‪ .1‬בלבדיות‬
‫‪ .2‬רגישות ועוצמה‬
‫‪ .3‬חזרה מהימנה ווריאציה שיטתית‬
‫‪ .4‬כיוון הסיבתיות‬
‫שליטה בהבדל שבין קבוצת הניסוי לקבוצת הביקורת‬

‫► ‪ – MSW‬שונות טעות‪/‬מקרית‬ ‫► ‪ – MSB‬שונות שיטתית‬

‫▪ נובעת הנובעת ממשתנים‬
‫חיצוניים שהשפעתן זהה‬
‫בכל תנאי המחקר –‬
‫"רעש"‪.‬‬
‫▪ שליטה מושגת באמצעות‬
‫החזקת משתנים קבועים‬
‫(רק גברים)‪ ,‬והפיכת‬
‫משתנים מקריים לשיטתיים‬
‫(השוואה בין גברים‬
‫▪ נובעת ממקורות ידועים‬
‫או לא ידועים המטים את‬
‫הכיוונים בכיוון מסוים‪.‬‬
‫▪ שליטה מושגת‬
‫באמצעות עקרון‬
‫הרנדומינזציה‪.‬‬

‫תוקף ממצאי הניסוי‪ :‬תוקף המסקנה הסטטיסטית‬

‫קריטריון אמיתות הקשר בין המשתנה הבלתי תלוי למשתנה תלוי (הנחה שקיימת שונות‬
‫משותפת בין המשתנים)‪.‬‬
‫תנאי הכרחי אך לא מספיק להסבר סיבתי‪.‬‬
‫טעויות‪ :‬טעות מסוג ‪ )α( I‬טעות מסוג ‪.)β( II‬‬
‫איומים‪:‬‬
‫עצמה סטטיסטית‪ :‬קטנה ככל שגדלה ‪.β‬‬ ‫•‬
‫בעית מקדם הטעות‪ :‬ריבוי השוואות‪.‬‬ ‫•‬
‫מהימנות המדדים‪ :‬מהימנות נמוכה מגדילה שונות טעות‪.‬‬ ‫•‬
‫מהימנות הפעלת המב"ת‪ :‬התייחסות הנסיין לנבדקים‪.‬‬ ‫•‬
‫גורמים שאינם רלוונטיים למצב הניסויי‪ :‬תנאי הניסוי הפיזיים‪.‬‬ ‫•‬
‫הטרוגניות מקרית של נבדקים‪.‬‬ ‫•‬
‫תוקף ממצאי הניסוי‪ :‬תוקף פנימי‬
‫בודק האם הטיפול הניסויי הוא זה שגרם להבדלים בין קבוצות הניסוי לביקורת‪ .‬בהינתן הקפדה‬
‫על סדר זמנים‪ :‬תוקף פנימי הוא תנאי הכרחי ומספיק להסבר סיבתי ולכן הוא התוקף החשוב‬
‫ביותר‪ .‬טעות שיטתית נקראת גם ארטיפקט והיא האיום העיקרי על תוקף פנימי‪.‬‬

‫‪28‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫איומים על התוקף הפנימי שגורמים לארטיפקט‪:‬‬

‫‪ .1‬הסטוריה‪ :‬המאורעות הקורים בין שתי מדידות‪.‬‬
‫‪ .2‬בשילה‪ :‬תהליכים שהנבדקים עוברים במהלך הניסוי‪.‬‬
‫‪ .3‬מכשור‪ :‬שינויים במכשור בין מדידה אחת לשנייה‪.‬‬
‫‪ .4‬מדידה‪ :‬כאשר יש שתי מדידות‪ :‬מדידה ‪ 1‬משפיעה על מדידה ‪.2‬‬
‫‪ .5‬רגרסיה סטטיסטית‪ :‬כאשר בוחרים קבוצות לפי ערכיהן הקיצוניים‪.‬‬
‫‪ .6‬ברירה (סלקציה)‪ :‬כאשר ניתן לייחס את ההבדלים שהיו קיימים מראש בין‬
‫הקבוצות‪.‬‬
‫‪ .7‬נשירה‪ :‬בעייתית בעיקר כשהנשירה היא סלקטיבית (לא זהה בין קבוצות‬
‫הניסוי)‬
‫‪ .8‬אינטראקציות עם ברירה‪.‬‬
‫הפתרון לכל האיומים הנ"ל‪ :‬הקצאה מקרית (רנדומיזציה) ושימוש בקבוצת ניסוי וקבוצת‬
‫ביקורת‪.‬‬

‫תוקף ממצאי הניסוי‪ :‬תוקף מבנה‬

‫תוקף מבנה מדבר על מידת ההלימה שבין ההגדרה האופרציונלית (כלי המדידה) למונח‬
‫התיאורטי שרצינו למדוד‪.‬‬
‫קונפאודינג )‪ :(Confounding‬ערעור על תוצאות מחקר כתוצאה מהסברים חלופיים שמקורם‬
‫בתוקף מבנה לקוי‪.‬‬
‫ניתן לחלק את האיומים על תוקף המבנה ל‪:2 -‬‬
‫חוסר מיצוי‪ :‬ההגדרה האופרציונלית אינה כוללת את כל מרכיבי המושג התיאורטי הנחקר‬
‫(תוקף מתכנס)‪.‬‬
‫חוסר בלבדיות‪ :‬ההגדרה האופרציונלית כוללת מרכיבים שאינם שייכים למושג התיאורטי‬
‫הנחקר (תוקף מבחין)‪.‬‬

‫‪29‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫תוקף ממצאי הניסוי‪ :‬תוקף חיצוני‬

‫מדובר‪ ,‬כזכור‪ ,‬ביכולת להכליל את ממצאי הניסוי על אוכלוסיות מצבים וזמנים שונים‪.‬‬
‫האיומים על התוקף החיצוני זוכים לשם הכולל‪ :‬אינטראקציות‪.‬‬
‫‪ .1‬אינטראקציה בין המדידה למשתנה הבלתי תלוי‪ :‬במערך תוך נבדקי (לפני‬
‫אחרי)‪.‬‬
‫התמודדות‪ :‬קבוצת ביקורת שתבצע רק את ה"אחרי"‪.‬‬ ‫▪‬
‫‪ .2‬אינטראקציה בין ברירה לטיפול הניסויי‪ :‬יכולת ההכללה נוגעת רק למסגרת‬
‫הדגימה הספציפית‪.‬‬
‫התמודדות‪ :‬מדגם מייצג‪ ,‬צמצום תחום ההכללה‪ ,‬חזרה על המדגם‬ ‫▪‬
‫בתת אוכלוסיות אחרות‪.‬‬
‫‪ .3‬אינטראקציה בין סביבת הטיפול או מועדו לבין הטיפול הניסויי‪.‬‬
‫מערך הניסוי‬
‫מערך ניסוי הוא המבנה של תכנית המחקר (הניסויית)‪.‬‬
‫מדובר ב‪:‬‬
‫מספר המשתנים (תלויים ובלתי תלויים)‪.‬‬ ‫•‬
‫מספר המדידות שיעשו במשתנים התלויים וסדר המדידות‪.‬‬ ‫•‬
‫מספר קבוצות הניסוי והביקורת‪.‬‬ ‫•‬
‫אופן הקצאת הנבדקים לקבוצות‬ ‫•‬

‫תפקידי המערך הניסויי‬

‫‪ .1‬להשיב לשאלות המחקר – על ידי קביעת התנאים שיכללו בניסוי‪.‬‬
‫‪ .2‬וידוא שתוצאות המחקר מספקות מענה הולם לשאלות המחקר‪ :‬הבטחת סוגי התוקף‬
‫השונים‪ ,‬ובראש ובראשונה התוקף הפנימי‪.‬‬
‫הבטחת התוקף הפנימי מתבצעת על ידי תכנון המחקר בשלבים‪ ,‬הגדרת מטרת‬
‫המחקר‪ ,‬שאלת המחקר והשערת המחקר‪.‬‬
‫טכניקה להתמודדות עם בעיות תוקף אפשריות‪ :‬ניסיון לחזות מראש את תוצאות הניסוי‬
‫האפשריות (רצויות ולא רצויות)‪.‬‬
‫סימנים מוסכמים‬

‫‪ = X‬חשיפת הנבדקים לטיפול הניסויי‪.‬‬

‫‪ = O‬תצפית‪/‬מדידה של המשתנה התלוי‪.‬‬
‫‪ = R‬רנדומיזציה לקבוצות מחקר‪.‬‬
‫‪ : ----------‬היעדר רנדומיזציה‪.‬‬

‫‪30‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫מערכי ניסוי שגויים‬

‫‪O‬‬ ‫‪X‬‬ ‫‪ .1‬ניתוח מקרה‪:‬‬
‫חסר ערך לחלוטין‪ ,‬כיוון שאין שום השוואה‪ ,‬נוגע רק למקרה אחד‪.‬‬
‫‪O‬‬ ‫‪X‬‬ ‫‪" .2‬לפני‪-‬אחרי" ללא קבוצת ביקורת‪O :‬‬
‫איומים‪ :‬הסטוריה‪ ,‬בשילה‪ ,‬מכשור‪ ,‬מדידה‪ ,‬רגרסיה לממוצע‪.‬‬
‫‪" .3‬אחרי" עם קבוצת ביקורת ללא הקצאה מקרית‪:‬‬
‫‪O1‬‬ ‫‪X‬‬
‫‪-----------------‬‬
‫‪O2‬‬
‫היפוך של המערך הקודם מבחינת איומים‬
‫איומים‪ :‬ברירה‪ ,‬נשירה‪ ,‬אינטראקציות עם ברירה‪.‬‬
‫מערכי ניסוי אמיתיים‬
‫‪" .1‬לפני‪-‬אחרי" עם קבוצת ביקורת‬
‫‪O2 X O1 R‬‬
‫‪O4‬‬ ‫‪O3 R‬‬
‫המערך האידאלי מבחינת תוקף פנימי‪.‬‬
‫הרנדומיזציה פותרת את בעיות ה‪ :‬הסטוריה‪ ,‬בשילה‪ ,‬מדידה‪ ,‬רגרסיה‪ ,‬ברירה‪.‬‬
‫המדידה החוזרת פותרת את בעיות ה‪ :‬היסטוריה‪ ,‬מכשור‪.‬‬
‫בעייתו העיקרית של המערך‪ :‬תוקף חיצוני (אינטראקציה בין מדידה למב"ת)‬
‫פיתרון‪ :‬קבוצת ביקורת שלא תקבל טיפול "לפני"‪.‬‬
‫‪ .2‬מערך ארבע הקבוצות של סולומון‬
‫קבוצה א‪O2 X O1 R :‬‬
‫‪O4‬‬ ‫קבוצה ב‪O3 R :‬‬
‫‪O5 X‬‬ ‫קבוצה ג‪R :‬‬
‫‪O6‬‬ ‫קבוצה ד‪R :‬‬
‫מתמודד עם בעיית התוקף החיצוני של המערך הקודם‪.‬‬
‫חסרון‪ :‬מורכב ויקר לביצוע‪.‬‬

‫‪ .3‬מערך "אחרי" בלבד עם קבוצת ביקורת‪.‬‬

‫‪O1 X R‬‬
‫‪O2‬‬ ‫‪R‬‬
‫מטפל בבעיית המדידה ובאינטראקציה בינה לבין הטיפול הניסויי‪.‬‬
‫מערך חסכוני‪.‬‬

‫‪31‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫מערכים דמויי ניסוי (קואזי ניסויים)‬

‫מחקרים בשטח ולא במעבדה‪.‬‬
‫לדוגמה‪:‬‬
‫כאשר רוצים להעריך תוכנית חינוכית כלשהי‬ ‫▪‬
‫שינוי הרגלים כתוצאה של רפורמה כלשהי‬ ‫▪‬
‫מגבלות רבות מבחינה מתודולוגית‪:‬‬
‫שליטה מוגבלת בתנאי הניסוי‬ ‫▪‬
‫בעיה בהסקת מסקנות על סיבתיות‬ ‫▪‬
‫בעיה בהקצאה אקראית לקבוצות‬ ‫▪‬
‫בעיה בתפעול המשתנה הבלתי‪-‬תלוי‬ ‫▪‬
‫‪ .1‬סדרת בדיקות "לפני" ו"אחרי" ללא קבוצת ביקורת‬
‫‪O7 O8‬‬ ‫‪O6‬‬ ‫‪O5 X‬‬ ‫‪O4‬‬ ‫‪O3‬‬ ‫‪O2‬‬ ‫‪O1‬‬
‫נוח לשימוש כאשר אין קבוצת ביקורת זמינה‪.‬‬
‫איומים‪ :‬היסטוריה‪ ,‬מכשור‪ ,‬תוקף חיצוני‪.‬‬
‫‪ .2‬מערך "לפני‪-‬אחרי" עם קבוצת ביקורת שאינה זהה‬
‫‪O1 X O2‬‬
‫‪--------------‬‬
‫‪O3‬‬ ‫‪O4‬‬
‫אין הקצאה מקרית‪ ,‬ולכן אינו מערך ניסויי אמיתי‪.‬‬
‫איומים‪ :‬רגרסיה לממוצע‪.‬‬

‫ניתוח שונות חד כיווני (מבחן‪)F‬‬

‫חזרה על מבחני ‪t‬‬
‫במבחני ‪( Z‬הן על ממוצע יחיד‪ ,‬והן על שני ממוצעים)‪ ,‬שונות האוכלוסייה ידועה‪.‬‬
‫במבחני ‪ t‬נעשה שימוש כאשר השונות באוכלוסייה לא ידועה‪ ,‬ולכן צריך לאמוד אותה מתוך‬
‫𝑛‬ ‫‪∑(𝑋𝑖 −𝑋)2‬‬ ‫∧‬
‫∗⥂ ‪𝐸(𝑆 2‬‬ ‫(𝐸 = )‬ ‫המדגם‪) = 𝐸(𝑆) = 𝜎 2 :‬‬
‫‪𝑛−1‬‬ ‫‪𝑛−1‬‬

‫השונות‪:‬‬ ‫אומדן‬ ‫את‬ ‫לייצג‬ ‫כדי‬ ‫בביטוי הבא‬ ‫שנשתמש‬ ‫בפועל‬ ‫המשמעות‬
‫∧‬ ‫‪∑(𝑋𝑖 − 𝑋)2‬‬
‫=𝑆‬
‫‪𝑛−1‬‬

‫‪32‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫התפלגות ‪t‬‬
‫תיאורטית‪ ,‬סימטרית‪ ,‬רציפה‪ ,‬חד שכיחית‪ ,‬ואסימפטוטית לציר ה‪X-‬‬
‫"משפחה" של התפלגויות‪‬משתנה ע"פ דרגות החופש‪.‬‬
‫יותר דרגות חופש‪:‬‬
‫התפלגות "צרה" יותר‪‬ערכים קריטיים קטנים יותר‬ ‫•‬
‫באינסוף דרגות חופש מתלכדת עם התפלגות ‪Z‬‬ ‫•‬
‫(בפעול ב‪ ,N>120‬די זהות)‪.‬‬ ‫•‬

‫סוגי מבחנים‪:‬‬
‫‪ .1‬מבחן ‪ t‬לבדיקת השערות על ממוצע יחיד‬
‫משמש לבדיקת השערות על ממוצע יחיד‪ ,‬כאשר השונות באוכלוסייה לא ידועה‬
‫‪H0: μx=A; H1: μx≠A‬‬
‫𝜇 ‪𝑥−‬‬
‫=𝑡‬ ‫^‬ ‫‪:‬‬ ‫נוסחה‪:‬‬ ‫•‬
‫‪𝑆⁄‬‬
‫𝑛√‬

‫‪𝑑𝑓 = 𝑛 − 1‬‬
‫‪ .2‬מבחן ‪ t‬לבדיקת השערות על מדגמים בלתי‪-‬תלויים‬
‫משמש לבדיקת השערות על השוואת ממוצעים של אוכלוסיות בלתי‪-‬תלויות‬
‫‪( H0: μ1 – μ2 =A; H1: μ1 – μ2 ≠A‬הערה‪ :‬ברוב המקרים נצפה ש‪.)0=A‬‬

‫נוסחה‪:‬‬ ‫•‬
‫) ‪(𝑥1 − 𝑥2 ) − (𝜇1 − 𝜇2‬‬
‫=𝑡‬ ‫^‬
‫‪𝑆 ∗ √(1/𝑛1 + 1/𝑛2‬‬

‫^‬ ‫^‬
‫^‬ ‫‪(𝑛1 − 1) ∗ 𝑆1 + (𝑛2 − 1) ∗ 𝑆2‬‬
‫√=𝑆‬
‫‪𝑛1 + 𝑛2 − 2‬‬

‫‪𝑑𝑓 = 𝑁 − 2 = 𝑛1 + 𝑛2 − 2‬‬

‫‪33‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫‪ .3‬מבחן ‪ t‬לבדיקת השערות על מדגמים תלויים‬

‫משמש לבדיקת השערות על השוואת הפרשים של אוכלוסיות תלויות‬
‫‪( H0: μd =A ; H1: μd ≠A‬הערה‪ :‬ברוב המקרים נצפה ש‪.)0=A‬‬

‫נוסחה‪:‬‬ ‫•‬

‫𝐴 ‪𝑑−‬‬
‫=𝑡‬ ‫^‬
‫𝑑𝑆‬
‫𝑛√‬

‫^‬ ‫𝑑 ‪∑ 𝑑𝑖 −‬‬
‫√ = 𝑑𝑆‬
‫‪𝑛−1‬‬

‫‪𝑑𝑓 = 𝑛 − 1‬‬

‫מתי נשתמש בניתוח שונות?‬

‫עד כה‪ ,‬בדקנו השערות על ממוצע יחיד או על שני ממוצעים (‪.)t-test, z-test‬‬ ‫•‬
‫כאשר יש יותר משני ממצעים‪ -‬השיטה שמאפשרת השוואה בין יותר משני ממוצעים‬ ‫•‬
‫היא ניתוח שונות (‪.)analysis of variance – ANOVA‬‬
‫ניפוח אלפא‬
‫נסביר אותו דרך דוגמה‪ -‬פסיכולוגית חינוכית רצתה לבדוק את השפעתם של סוגי מוזיקת‬
‫רקע שונים על יעילות הלמידה למבחן‪ .‬היא חילקה סטודנטים לתואר ראשון בתקופת מבחנים‬
‫ל‪ 3-‬קבוצות ולכל קבוצה הושמעה מוזיקת רקע מסוג אחר ‪:‬‬
‫קלאסית‬ ‫•‬
‫רוק‬ ‫•‬
‫טראנס‬ ‫•‬
‫מה המשתנה התלוי? מה ממוצע הציונים בתקופת המבחנים‪.‬‬
‫על מנת לבחון את מקור המובהקות של ניתוח שונות‪ ,‬היינו יכולים לערוך ‪ 3‬השוואות‬
‫(באמצעות ‪ 3‬מבחני ‪:)t‬‬
‫‪ .1‬בין מוזיקה קלאסית ורוק‬
‫‪ .2‬בין רוק וטראנס‬
‫‪ .3‬בין מוזיקה קלאסית וטראנס‬
‫הרבה טרחה‪ ....‬למה לא לבדוק את שלוש הקבוצות יחד?‬ ‫•‬
‫ניפוח אלפא‪ -‬ככל שמספר מבחני ה‪ t-‬גדול יותר‪ ,‬כך עולה הסיכוי שבאופן מקרי יצא מבחן‬
‫אחד מובהק‪ .‬אי ניצול מירב האינפורמציה לחישוב שונות הטעות‪ :‬במבחן ‪ t‬שונות הטעות‬
‫מחושבת על שתי קבוצות בכל פעם אבל בדוגמה שלנו יש ‪ 3‬קבוצות אז למה לא לחשב את‬
‫שונות הטעות כממוצע של כל ‪ 3‬הקבוצות?‬

‫‪34‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫בעיית ניפוח אלפא‪:‬‬

‫הגדלת הסיכוי לטעות מסוג ראשון ‪ -‬דחיית ‪ Ho‬כאשר בפועל היא נכונה ‪.‬המקור המרכזי‬
‫לבעיה הוא בריבוי ההשוואות הסטטיסטיות שעורכים ‪.‬‬
‫נבחן את הבעיה דרך הדוגמה הבאה‪:‬‬
‫יש לכם שק עם ‪ 10‬כדורים‪ ,‬אחד מהם אדום וכל השאר‪ -‬כחולים‪.‬‬ ‫•‬
‫מה הסיכוי להוציא כדור אדום אם אתם שולפים רק כדור אחד? שני כדורים? שלושה?‬ ‫•‬
‫ארבעה? ככל שנשלוף יותר כדורים הסיכוי לשלוף את הכדור האדום הולך וגדל‪.‬‬
‫כאשר אנו עורכים מספר השוואות בין ממוצעים ‪,‬השערת האפס היא שכל הממוצעים מייצגים‬
‫אותה אוכלוסייה‪ .‬הכדורים הכחולים הם ‪,‬לפיכך ‪,‬כל אותם ממוצעים אשר כלולים בטווח ה‪-‬‬
‫‪ 95%‬מהממוצעים המתפלגים סביב ממוצע האוכלוסייה‪ .‬הכדור האדום הוא אחד הממוצעים‬
‫הקיצוניים הנופלים בטווח של ‪ 5%‬הלא סבירים תחת השערת האפס‪ .‬כאמור ‪,‬ככל שנשלוף‬
‫יותר כדורים ‪,‬כך הסיכוי שנשלוף את הכדור האדום הולך וגדל‪.‬בדומה לכך ‪,‬ככל שנדגום יותר‬
‫ממוצעים המייצגים אותה אוכלוסייה ‪,‬כך גדל הסיכוי שנשלוף ממוצע‪/‬ממוצעים קיצוניים ‪.‬‬
‫הגדלת הסיכוי ל"שליפת "ממוצעים חריגים מובילה לעלייה בערך האלפא‪.‬‬
‫‪Analysis of Variance - ANOVA‬‬
‫שיטת ניתוח שונות מאפשרת להשוות בין יותר משני ממוצעים ולשמור על גודל אלפא הרצוי‪.‬‬
‫השיטה נקראת ניתוח שונות משום שהיא מבוססת על פירוק השונות של כל התצפיות‬
‫במדגמים‪ .‬השיטה נועדה לבחון האם יש הבדלים בין הממוצעים ‪,‬אך היא מתבססת על פירוק‬
‫השונות וניתוח מרכיביה‪.‬‬
‫מתי נשתמש בניתוח שונות חד כיווני?‬
‫המשתנה התלוי בסולם אינטרוולי (רווח ומעלה)‬ ‫•‬
‫יש משתנה בלתי תלוי אחד בלבד‬ ‫•‬
‫למשתנה הבלתי תלוי יש יותר משתי רמות‬ ‫•‬
‫ההנחות בניתוח שונות‬
‫המשתנה התלוי מתפלג נורמאלית‪ .‬במידה והמדגמים מספיק גדולים אז סטייה מההנחה‬ ‫•‬
‫הזו היא לא קריטית‪.‬‬
‫אי תלות של התצפיות‪.‬‬ ‫•‬

‫שוויון שוניות בין הקבוצות השונות‪.‬‬ ‫•‬

‫אם יש מספר זהה של מקרים בכל קבוצה אז אפשר לסטות מההנחה הזו‪.‬‬ ‫‪-‬‬
‫אם אין שוויון שונות (נבדק על ידי מבחן )‪ ) Levene‬אין מספר זהה של נבדקים אז נהוג‬ ‫‪-‬‬
‫לבצע במקום ‪ ANOVA‬את מבחן‪Welch‬‬

‫פירוק השונות בניתוח שונות חד כיווני‬

‫‪35‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫שלוש קבוצות – שלוש התפלגויות‬ ‫•‬

‫בניתוח שונות‪ ,‬נפרק את השונות הכללית לשונות שמוסברת ע"י הטיפול ולשונות‬ ‫•‬
‫שלא ניתן להסביר ע"י הטיפול (שהינה תוצר של השונות הטבעית)‪.‬‬
‫השונות הכללית מעבר לכל הקבוצות היא‬ ‫•‬
‫כדי לבחון מהו החלק המוסבר ומהו החלק הלא מוסבר ע"י הטיפול בשונות הכללית‪,‬‬ ‫•‬
‫נבחן את החלקים ברמת הנבדק הבודד‪.‬‬
‫פירוק השונות בניתוח שונות חד כיווני (אדם אחד מתוך המדגם)‬

‫̄𝑋 ‪ 𝑥𝑖 −‬הוא התרומה של נבדק ספציפי לשונות הכללית‪.‬‬

‫הסטייה של הנבדק מהממוצע הכללי מורכבת משני חלקים‪:‬‬
‫‪ .1‬השונות הלא מוסברת ע"י הטיפול –‬
‫נמדדת כסטייה של הנבדק מממוצע הקבוצה שלו‪𝑥𝑖 − 𝑋̄𝑗 :‬‬

‫‪ .2‬השונות המוסברת ע"י הטיפול –‬

‫נמדדת כסטייה של ממוצע הקבוצה של הנבדק מהממוצע הכללי‪𝑋̄𝑗 − 𝑋̄:‬‬

‫פירוק השונות בניתוח שונות חד כיווני (כל המדגם‪ :‬שונות בתוך אותה קבוצה‪)within -‬‬

‫השונות בתוך הקבוצות מבטאת את המרחקים של התצפיות מהממוצע של הקבוצה‬ ‫•‬

‫אליה הן שייכות‪.‬‬
‫השונות בתוך הקבוצות משקפת את ההבדלים בין הנבדקים השונים שנחשפו לאותו‬ ‫•‬
‫טיפול‪.‬‬

‫‪36‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫השונות בתוך אותה קבוצה טבעית וצפויה כתוצאה מדגימה מקרית‪.‬‬ ‫‪-‬‬
‫ההבדלים בין כל הנבדקים בתוך אותה קבוצה נקראים שונות בתוך קבוצות‪within- :‬‬ ‫•‬
‫‪.groups variation‬‬
‫פירוק השונות בניתוח שונות חד כיווני (כל המדגם‪ :‬שונות בין הקבוצות‪.)between -‬‬

‫השונות בין הקבוצות מבטאת את המרחקים של ממוצעי הקבוצות מהממוצע הכללי‪.‬‬ ‫•‬
‫השונות בין הקבוצות משקפת‪:‬‬ ‫•‬
‫הבדלים בין ממוצעי הקבוצות הנובעים מהשפעת הטיפול‪.‬‬ ‫‪-‬‬
‫הבדלים בין ממוצעי המדגמים השונים הנובעים מדגימה מקרית‪.‬‬ ‫‪-‬‬
‫ההבדלים בין הממוצעים של כל הקבוצות נקראת שונות בין קבוצות‪between- :‬‬ ‫•‬
‫‪.groups variation‬‬
‫מה בודקים בניתוח שונות?‬
‫בניתוח שונות חד‪-‬כיווני‪ ,‬מפרקים את השונות הכללית לשני מרכיבים‪:‬‬ ‫•‬
‫שונות בתוך קבוצות‪ ,‬הנובעת מדגימה מקרית‪.‬‬ ‫•‬
‫שונות בין קבוצות הנובעת מדגימה מקרית ומהשפעת הטיפול‪.‬‬ ‫•‬
‫כדי לענות על שאלת המחקר ‪" -‬האם יש הבדלים בין הממוצעים?" – נסתכל על‬ ‫•‬
‫היחס בין שני רכיבי השונות‪:‬‬

‫כאשר יש השפעה לטיפולים הניסויים‪:‬‬

‫שונות בין קבוצות = שונות כתוצאה מדגימה מקרית ‪ +‬שונות כתוצאה מהטיפול הניסויי‬ ‫‪-‬‬
‫שונות בתוך קבוצות = שונות כתוצאה מדגימה מקרית‬ ‫‪-‬‬

‫כאשר אין השפעה לטיפולים הניסויים‪:‬‬

‫שונות בין קבוצות = שונות כתוצאה מדגימה מקרית‬ ‫‪-‬‬
‫שונות בתוך קבוצות = שונות כתוצאה מדגימה מקרית‬ ‫‪-‬‬

‫‪37‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫חישוב אומדני השונות לפי נתוני המדגם‬

‫כמו אומדני השונות שחישבנו בעבר‪ ,‬האומדן של כל אחד משלושת סוגי השונות (כללית‪ ,‬בין‬
‫קבוצות‪ ,‬בתוך קבוצות) מורכב מ‪:‬‬

‫חישוב אומדן שונות בין הקבוצות‬

‫קח כל ממוצע מדגם‪ ,‬החסר אותו מהממוצע הכללי והעלה בריבוע‪ .‬כל ריבוע מוכפל במספר‬
‫המקרים שבאותו מדגם‪.‬‬

‫‪38‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫חישוב אומדן שונות בתוך הקבוצות‬

‫מספר דרגות החופש בתוך הקבוצות שווה למספר המקרים הכללי פחות מספר המדגמים‪.‬‬
‫בכל מדגם יש ממוצע שבגללו יש דרגת חופש אחת פחות (על ידי ידיעת הממוצע נוכל‬
‫להסתפק בידיעת מקרה אחד פחות ממספר המקרים שבמדגם)‪.‬‬

‫חישוב אומדן השונות הכללית‬

‫‪39‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫יחסים בין אומדני השונות ומרכיביהם‬

‫חישוב הסטטיסטי‬
‫ראינו שבניתוח שונות מחשבים את היחס בין שונות בין קבוצות ושונות בתוך קבוצות‪.‬‬
‫𝐵𝑆𝑀‬
‫=𝐹‬
‫𝑊𝑆𝑀‬
‫הסטטיסטי שמבטא את היחס הזה הוא ‪:F‬‬

‫‪28‬‬
‫=𝐹‬ ‫‪= 8.5‬‬
‫‪3.3‬‬
‫טבלה מסכמת של ‪ANOVA‬‬

‫‪40‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫לוח ‪F‬‬
‫כמו שראיתם בלוח ‪ t‬ובלוח חי בריבוע ‪,‬גם לוח ‪ F‬אינו מכיל את ההסתברויות המדויקות עבור‬
‫כל ערך ‪ F‬אפשרי‪ .‬הלוח מציג רק ערכים קריטיים בהינתן דרגות חופש במונה ובמכנה‪ .‬קיים‬
‫לוח נפרד עבור ‪ α=.05‬ועבור‪α=.01‬‬

‫‪41‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫לוח ‪F‬‬
‫בהתאם לשינויים שחלים בהתפלגות של ‪ F,‬משתנים גם הערכים הקריטיים של‪F.‬‬
‫ככל שעולים בדרגות החופש ‪-‬ההסתברות לערכי ‪ F‬נמוכים עולה ולערכים קיצוניים ‪-‬יורדת‪.‬‬
‫בהתאם לכך ‪,‬ככל שעולים במספר דרגות החופש ‪,‬כך הערך הקריטי יורד‬
‫התיאור נכון תמיד להוציא המקרה ‪:‬כאשר‪dfW 2‬‬
‫כאשר ‪ dfW 2,‬עלייה ב ‪- dfB‬תגרום לעלייה בערך הקריטי ‪.‬‬
‫תהליך בדיקת ההשערות‬
‫כאשר – ‪ F<1‬תמיד לא נדחה את השערת האפס‬ ‫•‬
‫כאשר – ‪ F>1‬יש לבצע את תהליך בדיקת ההשערות (השוואה ל ‪-F‬קריטי)כדי לבחון‬ ‫•‬
‫עד כמה ה ‪-F‬המחושב גדול ביחס ל ‪-F‬הקריטי‪.‬‬
‫כלומר ‪,‬בתהליך בדיקת השערות נשאף שה ‪-F‬יהיה גדול ככל האפשר‪.‬‬
‫בדיקת השערות‪ :‬מתי דוחים את ‪?H0‬‬
‫כדי שנוכל לדחות ‪ H0‬נשאף ש‪:‬‬
‫ההבדל בתוך הקבוצות יהיה מינימלי (שונות בתוך‪ MSW ,‬קטן)‬ ‫‪-‬‬
‫ההבדל בין הקבוצות יהיה מקסימלי (שונות בין‪ MSB ,‬גדול)‬ ‫‪-‬‬

‫‪42‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫כדאי לשים לב שההשערה היא תמיד דו‪-‬זנבית בניתוח שונות ‪:‬יש שוויון בין הקבוצות או אין‬
‫שוויון בין הקבוצות ‪.‬עם זאת ‪,‬להבדיל ממבחן ‪ t,‬במבחן ‪ F‬כל האלפא נמצאת בצד אחד כך‬
‫שהבדיקה בפועל היא חד‪-‬זנבית‪ .‬הסיבה לכך היא שהתפלגות ‪ F‬היא כולה חיובית כי מדובר‬
‫ביחס שונות כך שגם במונה וגם במכנה יש ערכים חיוביים‪.‬‬

‫ככל שהיחס ‪ F > 1‬כך יש יותר הבדל בין השוניות שנובע מהבדלים בין הקבוצות ‪.‬‬

‫טווח הערכים יכול לנוע בין ‪ 0‬לאינסוף ‪.‬‬

‫דובר במשפחה של התפלגויות שתלויה בדרגות החופש‪.‬‬

‫ההתפלגויות הן אסימטריות חיוביות (עם זנב חיובי) וככל שדרגות החופש עולות הן נוטות‬
‫להיות יותר ויותר סימטריות‬

‫ניתוחי המשך (‪)post-hoc‬‬

‫כאשר ה‪ F -‬יוצא מובהק‪ ,‬כל שנוכל לומר הוא שיש לפחות ממוצע אחד ששונה מאחרים‬
‫בצורה מובהקת‪ .‬על מנת לברר אילו מהממוצעים שונים בצורה מובהקת מאחרים‪ ,‬יש צורך‬
‫בניתוחי המשך‪ .‬בניסוח אחר‪ :‬מהו המקור של תוצאה מובהקת של ניתוח שונות?‬
‫כאמור‪ ,‬לא נוכל לבצע ניתוחי ‪ test-t‬לשם כך‪ .‬למה?‬
‫כיוון שככל שעולה מספר ההשוואות כך גובר הסיכוי לטעות מסוג ראשון (ניפוח אלפא)‪.‬‬
‫יש כל מיני דרכים לתקן את הבעיה הזו‪:‬‬
‫תיקון בונפרוני‬ ‫•‬
‫תיקון ‪FDR‬‬ ‫•‬
‫‪test Scheffe‬‬ ‫•‬
‫‪LSD‬‬ ‫•‬
‫מבחן פרמוטציות אפרמטרי ועוד‪.‬‬ ‫•‬
‫המשותף לכל השיטות האלה הוא שאנו למעשה עושים את כל ההשוואות האפשריות‬
‫ומתקנים את האלפא כדי להימנע מהבעיה של ניפוח אלפא עליה דיברנו מקודם‪.‬‬
‫הדוגמה הפשוטה ביותר והכי מקובלת כיום היא בונפרוני‪ .‬בתיקון בופנרוני פשוט מחלקים את‬
‫האלפא במספר ההשוואות‪ .‬דוגמה‪ :‬פסיכולוגית חינוכית רצתה לבדוק את השפעתו של טיפול‬
‫בכלבים על סימפטומים דכאוניים‪.‬‬
‫המשתתפים חולקו ל‪ 3-‬קבוצות‪:‬‬
‫‪ 15‬דקות טיפול‬ ‫•‬
‫‪ 30‬דקות טיפול‬ ‫•‬
‫קבוצת ביקורת‬ ‫•‬
‫נמדדה רמת דכאון‪.‬‬

‫‪43‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫בניתוח שונות יצא ‪ F‬מובהק‪.‬‬

‫כדי להבין את מקור האפקט החוקרת ערכה את ההשוואות ‪ test-t‬הבאות‪:‬‬
‫‪ 15‬דקות‪-‬ביקורת‬ ‫•‬
‫‪ 30‬דקות‪-‬ביקורת‬ ‫•‬
‫‪ 15‬דקות‪ 30-‬דקות‬ ‫•‬
‫היות והיא ערכה ‪ 3‬השוואות אז האלפא הסטנדרטית של ‪ 0.05‬חולקה ב‪ 3-‬והיא קיבלה ערך‬
‫קריטי של ‪ – 0.017‬זהו תיקון בונפרוני כלומר‪ ,‬כל ערך ‪ t‬שהסיכוי (‪ )p‬לקבלו קטן מ‪0.017-‬‬
‫יחשב למובהק‪.‬‬

‫יכולה להתעורר שאלה‪ :‬אם במילא עושים השוואה בין שלוש השיטות של הוראה‪ ,‬למה בכלל צריך להריץ את‬
‫ניתוח שונות?‬

‫תשובה‪ :‬יש מבחנים אפריוריים שאיתם באמת לא צריך לעשות ניתוח שונות‪ ,‬אפשר לעשות ישר את ההשוואות‪.‬‬
‫במבחנים פוסטריוריים‪ ,‬אנחנו לא יודעים מראש למה לצפות לכן עושים את המבחנים בדיעבד‪ ,‬לאחר שראינו‬
‫שהתוצאה הכללית יצאה מובהקת‪.‬‬

‫שלי‪:‬‬
‫עושים רק אחרי ניתוח שונות שיצא מובהק‪.‬‬

‫כל ההשערות במבחן פוסט‪-‬הוק הן חד‪ -‬זנביות מאחר והן נעשות לאחר שאנו כבר רואים את כיוון הנתונים‪ ,‬ולכן‬
‫אין משמעות להשערה דו‪-‬זנבית‪.‬‬

‫מאחר ומבחן פוסט‪-‬הוק נעשה לאחר איסוף הנתונים וכולל השוואות מרובות ותלויות‪ ,‬עלינו לבצע החמרה‬
‫(הקטנת עוצמה) על מנת למנוע את ניפוח ‪ α‬הגלובלית‪.‬‬

‫תיקון בונפרוני‬
‫תיקון מסוג זה נחשב למחמיר מאוד‪ .‬שיטות אחרות שלא נתעכב עליהן (כמו למשל‪ )FDR ,‬הן‬
‫פחות מחמירות‪ .‬עם זאת‪ ,‬קיימת בעיה עם תיקון בונפרוני וזה שאם עורכים את כל ההשוואות‬
‫הזוגיות האפשריות אז נוצר מצב שקיימת תלות בין ההשוואות וזה סותר את ההנחה של אי‬
‫תלות‪ .‬כמו כן‪ ,‬בונפרוני לא מאפשר לעשות השוואות מורכבות כמו למשל‪ ,‬להשוות בין שתי‬
‫קבוצות לעומת קבוצה שלישית‪ .‬הפתרון‪ :‬השוואות מתוכננות‬
‫השוואות המתוכננות‬
‫השוואות מתוכננות‪ :‬קונטרסטים אורתוגונליים (לא תלויים)‬
‫כאשר ההשוואות אורתוגונאליות כל השוואה מתוכננת תורמת פיסת מידע ייחודית לה שהינה‬
‫בלתי תלויה בהשוואות האחרות‪.‬‬
‫פותרים את בעיית התלות בין ההשוואות ומאפשר לעשות השוואות מורכבות‪.‬‬ ‫•‬
‫ההשוואות המתוכננות מבוססות על השערות ספציפיות שיש לחוקר‪.‬‬ ‫•‬
‫ההשוואות האלו נקראות קונטרסטיים – השוואה בין ממוצעים‪.‬‬ ‫•‬
‫ניתן לבצע ‪ k -1‬השוואות אורתוגונאליות במערכת השוואות‪.‬‬ ‫•‬

‫‪44‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫קונטרסטים אורתוגונליים‬
‫• כיצד לקבוע בין אילו קבוצות להשוות?‬
‫‪ .1‬אם יש לנו קבוצת ביקורת – בדרך כלל משווים את שתי הקבוצות אליה‪.‬‬
‫‪ .2‬כל קונטרטס משווה רק בין שתי "יחידות" של שונות‬
‫‪ .3‬ברגע שקבוצה "בודדה" בקונטרסט מסוים‪ ,‬לא ניתן להשתמש בה בקונטרסט נוסף‪.‬‬
‫הערה‪ :‬הרעיון דומה לחלוקת עוגה לחתיכות‪ ,‬ואז חלוקת העוגה לחתיכות נוספות‪.‬‬
‫איך עושים את זה? מתן משקלות‬
‫כל "נתח" מקבל משקל (ערך שבו מכפילים את התרומה שלה לשונות)‪.‬‬

‫חוקים לגבי מתן משקלות אורתוגונליות‬

‫חוקים לגבי מתן משקלות‪:‬‬
‫‪ .1‬יש לבחור משקלות הגיוניים‪ .‬אנחנו רוצים להשוות רק בין שתי "נתחי" שונות בל פעם‪,‬‬
‫ואם קבוצה אחת "בודדה" בקונטרסט לא משתמשים בה שוב‪.‬‬
‫‪ .2‬משווים קבוצות עם משקל חיובי לקבוצות עם משקל שלילי‪ .‬כלומר‪ ,‬יש לתת ל"נתח"‬
‫אחד של השונות משקל חיובי‪ ,‬ולאחר משקל שלילי‪.‬‬
‫‪ .3‬אם סוכמים את המשקלות של קונטרסט מסוים התוצאה תהיה ‪.0‬‬
‫‪ .4‬אם קבוצה לא לוקחת חלק בקונטרסט המשקל שניתן לה יהיה ‪.0‬‬
‫‪ .5‬עבור כל קונטרסט‪ ,‬המשקלות שניתן לקבוצה בחלק אחד של השונות יהיה שווה‬
‫למספר הקבוצות בכיוון האחר של השונות‪.‬‬
‫‪ .6‬מספר הקונטרסטים יהיה ‪.K-1‬‬
‫מתן משקלות בהשוואות בלתי תלויות (אורתוגונליות)‬

‫‪45‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫השוואות מתוכננות‬
‫אילוצים שחלים על מתן משקולות‪:‬‬
‫רצוי להשתמש במשקולות הקטנות ביותר (מבחינת ערכים מספריים)‪.‬‬ ‫•‬
‫שני אלמנטים מושווים יקבלו סימנים הפוכים (‪.)-+‬‬ ‫•‬
‫מומלץ שכיווני המשקולות יתאימו להשערות‪.‬‬ ‫•‬
‫בכל השוואה סכום המשקולות צריך להיות שווה לאפס‪.‬‬ ‫•‬
‫ההשוואות צריכות להיות בלתי תלויות‪ :‬סכום מכפלות המקדמים בין כל זוג‬ ‫•‬
‫קונטרסטים צריך להיות ‪.0‬‬
‫איך יודעים אם קונטרסטים הם אורתוגונליים?‬
‫שני קונטרסטים נקראים בלתי‪-‬תלויים אם סכום מכפלת משקולותיהם הינה אפס‪.‬‬

‫השוואות לא אורתוגונליות (תלויות)‬

‫מפרות את הכלל לפיו לא משתמשים באותו "נתח" שונות פעמיים‪.‬‬

‫מותר להשתמש בהן‪ ,‬אבל יש לזכור שהן מעמידות אותנו בסיכון מוגבר לטעות מסוג ‪ ,1‬ולכן‬
‫יש לפרש אותן בזהירות (ואולי גם לעשות תיקון בונפרוני)‪.‬‬
‫השוואה מתוכננות‬
‫כדי לפתור בעיה זו אפשר לחלק את האלפא הקריטית במספר ההשוואות המתוכננות‬
‫שביצענו (תיקון בונפארוני ‪ .)Bonferroni‬זה יהיה הפתרון הכי טוב אבל בפועל חוקרים עושים‬
‫אחד מהשניים‪ :‬או שהם עושים השוואות מתוכננות אם ה‪ ANOVA-‬יצאה מובהקת מבלי‬
‫לערוך תיקון להשוואות מרובות‪ .‬או שהם עושים את כל ההשוואות האפשריות אם ה‪ANOVA-‬‬
‫יצאה מובהקת עם תיקון בונפארוני‪.‬‬

‫‪46‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫פלטים‪:‬‬
‫מתאם פירסון‪:‬‬

‫שורה ראשונה‪ :‬המתאם (עם עצמו תמיד שווה ‪ )1‬עם המשתנה השני‪.‬‬
‫שורה שנייה‪ :‬מובהקות המבחן‪ sig -‬קטן מ‪ 0.05-‬המבחן מובהק סטטיסטית‪.‬‬
‫שורה שלישית‪ :‬מספר הנבדקים שנכללו בחישוב המתאם‪.‬‬

‫רגרסיה‪:‬‬

‫‪ -R‬זהו המתאם המרובה בין כל המשתנים הבלתי תלויים במודל‪ ,‬לבין התלוי‪.‬‬
‫‪ -R square‬אחוז השונות המוסברת‪.‬‬
‫‪ -Adjusted R Square‬שונות מוסברת מתוקננת‪ -‬לצורך השוואה בן מודלים אשר בהם מספר‬
‫משתנים מסבירים שונה‪.‬‬

‫‪47‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫בטבלה זאת ניתן לדעת מה המשתנה המנבא ומה המשתנה המנובא‬

‫‪ -sum of squares‬סכום הריבועים‪.‬‬

‫‪ -regression‬סכום הריבועים של שונות הרגרסיה‪.‬‬
‫‪ -Residual‬סכום הריבועים של הטעיות‪.‬‬
‫‪-Total‬סה"כ סכום הריבועים‪.‬‬
‫אנו מתייחסים לסטטיסטי של מודל הרגרסיה‪- F -‬הבוחן את מובהקות המודל‪ .‬רואים שכאן‬
‫שהוא מובהק (‪). sig = 000.0‬פירוש ‪- Sig‬מובהקות המודל‪.‬‬
‫כאשר ‪ sig < 0.05‬מודל הרגרסיה מובהק ב‪. 95%‬כלומר יש ‪ 5%‬סיכוי לטעות‪.‬‬
‫אם ‪ sig < 0.01‬מודל הרגרסיה מובהק ב‪. 99%-‬כלומר יש ‪ 1%‬סיכוי לטעות‪.‬‬
‫אם ‪ sig > 0.05‬מודל הרגרסיה לא מובהק‪ .‬הסיכוי לטעות גדול יותר ממה שהחוקר מוכן‬
‫לקחת‪.‬‬

‫‪ -B‬מקדם הרגרסיה הגולמי‪ -‬לדוגמה‪ :‬מלמד אותנו בכמה יחידות משתנה ציון הפסיכומטרי‬
‫כציון הבגרות משתנה ביחידה אחת (נמצא בשורה השנייה מול המשתנה המנבא‪.‬‬
‫‪ -Constant‬הקבוע (‪ – )a‬שורה ראשונה‪ ,‬תחת ‪.B‬‬
‫‪ -Standardized coefficients beta‬מקדם הרגרסיה המתוקנן‪ ,‬כלומר ‪ .r‬כל עליה ביחידה‬
‫נוספת בגיל תעלה את הסיפוק מהחיים ב ‪ 0.202‬יחידות תקן‪.‬‬

‫‪48‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫ע"י טבלה זו ניתן לבנות את משוואת הרגרסיה לניבוי סיפוק החיים על ידי גיל‬ ‫‪-‬‬
‫ו ‪ 𝑦̅𝑖 = 2.086 + 0.013𝑥1 + 0.258𝑥2 . sympathy‬כלומר אם יש אדם שהגיל שלו הוא‬
‫‪ 20‬והציון שלו במבחן ה ‪ sympathy‬הוא ‪ 5‬נקבל כי הציון המנובא של הסיפוק מהחיים‬
‫של אותו הנבדק יהיה‪.3.636 :‬‬
‫מתאם חלקי\ חלק‬

‫‪ -Zero-order‬מתאם פשוט‬
‫‪ -Partial‬מתאם חלקי‬
‫‪ -Part‬מתאם חלק‬

‫רגרסיה היררכית‬

‫כיווץ המתאם המרובה‬

‫‪49‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫חישוב אומדני שונות‬

‫ישנם שני אומדני שונות רלוונטיים לשם עריכת מבחן ‪:F‬‬
‫א‪ –SSB .‬מבוסס על ההבדלים בין הקבוצות (‪ ,)Between‬או באופן מדויק יותר‪ :‬על סכימת‬
‫הפער בין ממוצעי הקבוצות לממוצע הכללי‪.‬‬
‫ב‪ –SSW .‬מבוסס על ההבדלים בתוך הקבוצות (‪ ,)Within‬או באופן מדויק יותר‪ :‬על סכימת‬
‫הפער בין כל ציון לממוצע קבוצתו‪.‬‬
‫ביצוע אומדי שונות‬
‫בכדי למצוא את השונות היחסית לכמות הנבדקים‪ /‬הקבוצות יש למצע‪ -‬להפוך אותם‬
‫לממוצע‪ .‬לשם כך‪ ,‬מחלקים את כל אחד מאומדני השונות בדרגות החופש‪, )DF) -‬‬
‫המתאימות לכל אחד מן האומדנים‪.‬‬
‫‪ –N‬מס' הנבדקים הכללי במערך המחקר‪.‬‬ ‫•‬

‫‪ –J‬מס' הקבוצות במערך המחקר‪.‬‬ ‫•‬

‫דרגות החופש של ‪dfb=J-1 -SSB‬‬ ‫•‬

‫דרגות החופש של ‪dfw=N-J -SSW‬‬ ‫•‬

‫חישוב מנת ה‪F‬‬

‫‪ -MSB‬מושפע גם מן ההבדלים האינדיבידואליים וגם מן האפקט‪ .‬בדוגמא שלנו‪ :‬בכל קבוצה‬

‫יש ילדים שונים‪ ,‬ולכן צפויים הבדלים אינדיבידואליים ביניהם‪ .‬אך צפוי שיהיה גם הבדל בין‬
‫הקבוצות בשל סוגי המשוב השונים שכל קבוצה מקבלת‪.‬‬
‫‪ -MSW‬מושפע רק מן ההבדלים האינדיבידואליים בין הנבדקים (ולכן הוא מכונה‪ :‬גורם‬
‫הטעות)‪.‬‬
‫ככל שהפער בין ‪ MSB‬ל ‪ MSW‬גדול יותר‪ ‬ערך ה‪ F‬גדול יותר ‪ ‬והסיכוי לקיומו של אפקט‬
‫גדול יותר‪.‬‬

‫‪50‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫𝐵𝑆𝑀‬ ‫המניפולציה השפעת ‪ +‬אינדיבידואליים הבדלים‬

‫=𝐹‬ ‫=‬
‫𝑊𝑆𝑀‬ ‫אינדיבידואליים הבדלים‬

‫מבחן ‪F‬‬

‫בטבלה הראשונה ניתן לראות מהו המשתנה התלוי במחקר ולכן לראות את הממוצעים‬
‫וסטיות התקן וכן מספר הנבדקים של כל קבוצה‪.‬‬
‫בטבלה השנייה ניתן לראות האם יש הבדלים מובהקים בין הקבוצות‪ :‬מראה לנו את ה‪SS‬‬
‫בין הקבוצות ובתוך הקבוצות‪ ,‬את דרגות החופש ‪ DF‬בין הקבוצות ותוך הקבוצות‪ .‬את ה‪MS‬‬
‫בין ובתוך הקבוצות‪ ,‬את ערך ‪ F‬המחושב ואת רמת המובהקות‪.‬‬

‫כאשר ה‪ sig‬הוא נמוך מ‪ 0.05‬יש הבדל מובהק בין הקבוצות ובכדי לדעת בין אלו‬ ‫‪-‬‬
‫קבוצות טמון ההבדל‪ ,‬נסתכל בטבלה השלישית של ניתוחי ההמשך‪:‬‬

‫‪51‬‬
 ‫אושרת ישראל‬
‫מחקר חינוכי בשיטות כמותיות‬

‫למה צריך להמשיך לנתח?‬

‫למרות שמתקבלת תוצאה מובהקת במבחן ‪ ,F‬בדרך כלל לא ניתן להבין את משמעות‬
‫התוצאה ללא ניתוחי המשך‪.‬‬
‫בדוגמא שלנו‪ :‬ידוע אמנם שיש הבדל מובהק בין הקבוצות‪ -‬אך בין אלו קבוצות ?‬
‫בכדי לבדוק באופן ספציפי אילו הבדלים בין קבוצות הם מובהקים אנו עורכים ניתוחי‬
‫המשך שכוללים השוואות (=קונטרסטים)‬
‫כיצד בוחרים השוואת לניתוח?‬
‫‪ .1‬לפי הצדקה תיאורטית‪ -‬השוואות מתוכננות מראש‪.‬‬
‫‪ .2‬אם אין הצדקה תיאורטית‪ -‬נקפיד על סדרת השוואות בלתי תלויות‪.‬‬
‫השוואות בלתי תלויות= השוואות הבוחנות חלקי שונות שונים במערך‪ ,‬חלקי שונות שאינם‬
‫חופפים‪.‬‬
‫מספר ההשוואות הבלתי תלויות המקסימאלי האפשרי‬
‫הוא – ‪ , J-1‬כלומר מס' הרמות של המשתנה הבלתי תלוי פחות אחד‪.‬‬
‫על מנת לבצע את ניתוחי הקונטרסטים יש לתת משקולות לפי השערת החוקר והשאלה‬
‫שהוא רוצה לבחון‪.‬‬
‫משקולות ‪ -‬ערכים מספריים שאנו קובעים לכל אחת מהקבוצות של המשתנה הבלתי תלוי‬
‫המייצגות את ההשוואה שהחוקר בוחר לערוך‪ .‬בכל השוואה (קונטרסט) אנו קובעים סדרה‬
‫של משקולות‪.‬‬
‫כיצד קובעים את המשקולת של קבוצה?‬
‫‪ .1‬לקבוצה שאינה שמשתתפת בהשוואה נעניק ערך ‪.0‬‬
‫‪ .2‬את ההשוואה נערוך בין הקבוצות שערך המשקולות שלהן חיובי מול הקבוצות שערך‬
‫המשקולות שלהן שלילי‪.‬‬
‫‪ .3‬הערך המוחלט של סכום המשקולות השליליות זהה לסכום של המשקולות החיוביות‪.‬‬

‫‪52‬‬