‫السنة الأولى ماستر علوم التربية‬ ‫جامعة محمد بوضياف بالمسيلة‬

‫تخصص إرشاد وتوجيه‬ ‫كلية العلوم الإنسانية والاجتماعية‬

‫السداسي الثاني‬ ‫قسم علم النفس‬

‫مقياس المعالجة الإحصائية للبيانات التربوية (‪)2‬‬

‫تحليل الانحدار‬
‫المحاضرة الرابعة‪:‬‬ ‫المحاضرة الثالثة‪:‬‬
‫‪ -‬أن يوجد معادلة الانحدار الخطي البسيط‬ ‫‪-‬أن يدرك مفاهيم‪ :‬الانحدار‪ ،‬تحليل الانحدار‪.‬‬
‫باستخدام ‪.Excel‬‬ ‫‪-‬أن يميز بين أنواع الانحدار‪.‬‬ ‫بيانيا‬

‫‪ -‬أن يتوصل إلى كتابة معادلة الانحدار الخطي‬ ‫‪-‬أن يحدد العلاقة بين الارتباط الخطي‬
‫البسيط باستخدام ‪.Excel‬‬ ‫والانحدار الخطي البسيط‪.‬‬

‫‪ -‬أن يوجد معادلة الانحدار الخطي بيانيا‬ ‫‪-‬أن يوجد معادلة الانحدار الخطي البسيط‬
‫باستخدام ‪.Spss‬‬ ‫يدويا‪ ،‬ويختبر معنويته‪.‬‬

‫‪ -‬أن يتوصل إلى كتابة معادلة الانحدار الخطي‬ ‫‪-‬أن يتنبأ بقيم المتغير التابع بواسطة‬
‫البسيط باستخدام ‪.Spss‬‬ ‫معادلة الانحدار‪.‬‬

‫‪ -‬أن يفسر مخرجات تحليل الانحدار باستخدام‬

‫برمجتي ‪ Excel‬و ‪Spss‬‬

‫الدك تور أحمد سعودي‬

 ‫تحليل االنحدار‬
‫المحاضرة الثالثة‬

‫األهداف‪:‬‬

‫‪ -‬أن يدرك مفاهيم‪ :‬االنحدار‪ ،‬تحليل االنحدار‪.‬‬

‫‪ -‬أن يميز بين أنواع االنحدار‪.‬‬
‫‪ -‬أن يحدد العالقة بين االرتباط الخطي واالنحدار الخطي البسيط‪.‬‬
‫‪ -‬أن يوجد معادلة االنحدار الخطي البسيط يدويا‪ ،‬ويختبر معنويته‪.‬‬
‫‪ -‬أن يتنبأ بقيم المتغير التابع بواسطة معادلة االنحدار‪.‬‬

‫مفهوم االنحدار‪:‬‬

‫في دراسة العالقة بين ظاهرتين أو أكثر؛ إذا كان الهدف تحديد نوع وقوة العالقة فإننا‬
‫ندرس االرتباط‪ ،‬أما إذا كان الهدف دراسة العالقة من حيث التمثيل البياني بأفضل عالقة اقتران‬
‫ممكنة بالشكل ‪ ،F(x)=y‬فإننا ندرس االنحدار‪ ،‬وهو من األساليب االحصائية المستخدمة لتحديد‬
‫التأثيرات بين المتغيرات المستقلة والمتغير التابع عن طريق معادلة االنحدار للتنبؤ بقيمة المتغير‬
‫التابع بداللة المتغيرات المستقلة‪ ،‬فإذا كان عدد المتغيرات المستقلة واحدا فيسمى انحدارا خطيا‬
‫بسيطا (‪ ، )simple linear regression‬أما إذا كان عدد المتغيرات المستقلة أكبر من واحد‬
‫فيسمى انحدار خطيا متعددا (‪( )multiple linear regression‬النجار‪.)43 ، 5102،‬‬

‫االنحدار هو توصيف العالقة بين متغيرين رياضيا بواسطة ميل أفضل خط مطابقة لنقط‬
‫الشكل االنتشاري‪ ،‬وكذلك النقطة التي يقطع فيها خط االنحدار المحور الرأسي للشكل‪ ،‬ولذلك فإن‬
‫العالقة بين متغيرين تتطلب قيمة الميل؛ ويرمز له بالرمز (‪ B‬أو ‪ ،)b‬والجزء المقطوع أو نقطة‬
‫القطع في المحور الرأسي؛ ويرمز له عادة بالرمز (‪ )a‬أو يوصف بأنه مقدار ثابت (عالم‪5102 ،‬‬
‫‪.)080،‬‬

‫يمكن استخدام االنحدار على نفس البيانات كما معامل االرتباط‪ ،‬غير أن استخدام االنحدار‬
‫أقل شيوعا‪ ،‬ويرجع ذلك جزئيا إلى مشكلة إمكانية المقارنة بين القيم التي يتم الحصول عليها من‬
 ‫مجموعات مختلفة من المتغيرات (غير أن الوزن "بيتا" المستمد من تحليل االنحدار‪ ،‬يمكن استخدامه‬
‫إذا كانت المقارنة مطلوبة) (عالم‪.)080 ،5102 ،‬‬

‫لالنحدار عدة تعريفات‪:‬‬

‫الميل أو االنحدار نحو الوسط‪.‬‬ ‫•‬

‫إيجاد النموذج الذي يمثل العالقة السببية بين متغيرين أو أكثر‪.‬‬ ‫•‬

‫التنبؤ بقيمة متغير عن طريق معرفة متغير آخر مرتبط به (التنبؤ باألرباح من خالل‬ ‫•‬
‫المبيعات)‪.‬‬

‫العالقة بين المتغيرات من خالل بناء معادلة يستخدم للتقدير والتنبؤ بقيمة المتغير التابع ‪y‬‬ ‫•‬
‫بداللة متغير أو متغيرات مستقلة ‪( xi‬الدخل والطلب) (النجار‪.)43 ، 5102،‬‬

‫حيثما وجدت عالقة بين متغيرين من الممكن تقدير أو التنبؤ بدرجة شخص في أحد المتغيرات‬
‫من درجته في المتغير اآلخر‪ ،‬ويعرف ذلك باالنحدار البسيط وذلك لوجود متغيرين فقط‪ ،‬وكلما زاد‬
‫االرتباط كان التنبؤ أفضل (عالم‪.)080، 5102 ،‬‬

‫المتغير التابع في االنحدار هو المتغير الذي ينبغي التنبؤ بقيمته‪ ،‬ويعرف أيضا بالمتغير المحك‬
‫أو المتنبأ به أو المتغير (ص) (عالم‪.)080، 5102 ،‬‬

‫يصبح االنحدار أسلوبا أكثر أهمية عند استخدام عدة متغيرات للتنبؤ بقيم متغير آخر‪ ،‬وتعرف‬
‫هذه األساليب باالنحدار ا لمتعدد‪ ،‬وعندما يكون المتغير التابع اسميا فإن التحليل االحصائي المناسب‬
‫عندئذ سوف يكون نوعا من االنحدار اللوغاريتمي (عالم‪.)080، 5102 ،‬‬

‫ويمكن التمييز بين أنواع االنحدار وفق المخطط التالي(النجار‪:)43 ، 5102،‬‬

‫االنحدار اللوغاريتمي‪:‬‬
‫االنحدار المتعدد‪:‬‬ ‫االنحدار البسيط‪:‬‬
‫توجد متغيرات منبئة متعددة‪.‬‬
‫‪ -‬متغير واحد تابع متنبأ به‪.‬‬ ‫‪ -‬يشتمل على متغيرين فقط‪.‬‬
‫يوجد متغير تابع واحد‪.‬‬
‫‪ -‬عدة متغيرات مستقلة‬ ‫‪ -‬كل من المتغيرين يعبر‬
‫المتغير التابع اسمي تصنيفي له قيمتين أو‬ ‫(منبئة)‪.‬‬ ‫عنه بدرجات (كميين)‪.‬‬
‫أكثر‪.‬‬
 ‫ويوضح (عالم‪ )5108 ،‬بأنه أسلوب يمكن بواسطته تقدير قيمة أحد المتغيرين بمعلومية‬
‫قيمة المتغير اآلخر عن طريق معادلة االنحدار‪ ،‬وله أنواع‪:‬‬

‫االنحدار الخطي البسيط‪ :‬كلمة "بسيط" تعني أن المتغير التابع ‪ y‬يعتمد على متغير مستقل‬ ‫‪(1‬‬
‫واحد وهو‪ ، x‬وكلمة "خطي" تعني أن العالقة بين المتغيرين‪y) ، (x‬عالقة خطية‪.‬‬

‫االنحدار المتعدد‪ :‬إذا كان المتغير ال يعتمد على أكثر من متغير مستقل‪.‬‬ ‫‪(2‬‬

‫االنحدار غير الخطي‪ :‬إذا كانت العالقة بين المتغير ‪ y‬والمتغيرات المستقلة غير الخطية‬ ‫‪)4‬‬
‫كأن تكون من الدرجة الثانية أو أسية‪.‬‬

‫أهداف تحليل االنحدار‪:‬‬

‫تحديد العالقة بين المتغير التابع‪ ، y‬والمتغيرات المستقلة‪x.‬‬ ‫•‬

‫التنبؤ بقيمة المتغير التابع ‪ y‬عن طريق المتغيرات المستقلة‪x.‬‬ ‫•‬

‫االستنتاج حول المجتمع من خالل المعادلة التقديرية‪.‬‬ ‫•‬

‫اختيارالفروق بين خط االنحدارالتقديري وخط االنحدارالحقيقي(النجار‪.)42 ،5102 ،‬‬ ‫•‬

‫شروط تحليل االنحدار‪:‬‬

‫‪ ‬يجب أن تكون المتغيرات المستقلة تتبع التوزيع الطبيعي‪.‬‬

‫‪ ‬يجب أن تكون العينة مختارة بشكل عشوائي‪.‬‬

‫االنحدار الخطي البسيط‬

‫هو أسلوب يستخدم لتقدير قيمة المتغير التابع بمعلومية قيمة المتغير المستقل عن طريق‬
‫معادلة االنحدار‪.‬‬

‫‪ )1‬المتغير المستقل‪ :‬هو المتغيرالذي يتغيرأوال بدون التأثيرمن أحد‪ ،‬ويرمز له غالبا بـ ‪.x‬‬
‫‪ )2‬المتغير التابع‪ :‬هو الذي يتغير بناء على المتغير المستقل‪ ،‬وغالبا يرمز له بالرمز ‪.y‬‬
‫‪ )3‬ثابت االنحدار‪ :‬هو قيمة المتغير التابع عندما يكون المتغير المستقل مساويا للصفر (الجزء‬
‫المقطوع من المحور الرأسي)‪.‬‬
‫‪ )4‬معامل االنحدار‪ :‬هو مقدار الزيادة أو النقص في المتغير التابع نتيجة زيادة المتغير المستقل‬
‫بوحدة واحدة (ميل خط االنحدار)‪.‬‬
‫‪ :α -‬ثابت االنحدار في المجتمع‪.‬‬
‫‪ :β -‬معامل االنحدار في المجتمع‪.‬‬
‫‪ :a -‬ثابت االنحدار في العينة‪.‬‬
‫‪ :b -‬معامل االنحدار في العينة‪.‬‬
‫‪ :x -‬المتغير المستقل‪.‬‬
‫‪ :y -‬المتغير التابع‪.‬‬
‫‪ )5‬معادلة االنحدار‪:‬‬
‫‪Y = α + βX‬‬ ‫في المجتمع‪:‬‬
‫‪y = a + bx‬‬ ‫في العينة‪:‬‬

‫)𝑦∑()𝑥∑(‪𝑛∑𝑥𝑦−‬‬ ‫𝑦∑‬ ‫‪∑x‬‬

‫=‪b‬‬ ‫‪a= −‬‬ ‫𝑏‪−‬‬
‫‪𝑛∑𝑥²−(∑𝑥)²‬‬ ‫𝑛‬ ‫𝑛‬

‫‪ )6‬الخطوات األساسية الختيار معنوية االنحدار‪:‬‬

‫‪ -1 )6‬الفروض ‪:‬‬

‫الفرض العدم‪h0=β=0 :‬‬ ‫•‬

‫الفرض البديل‪h1=β≠0 :‬‬ ‫•‬

‫𝜷‪𝒃−‬‬
‫=‪T‬‬ ‫‪ -2 )6‬قيمة اإلحصاء لالختيار‪:T‬‬
‫𝒃𝒔‬

‫𝒙‪𝑺𝒚/‬‬ ‫𝒚∑‬ ‫𝒚𝒙∑𝒃‪𝟐 −𝒂∑𝒚−‬‬

‫=‪Sb‬‬ ‫√=‪Sy/x‬‬
‫𝒉‪√(∑𝒙𝟐 −(∑𝒙)𝟐 )/‬‬ ‫𝟐‪𝒏−‬‬

‫‪ -‬حيث إن ‪ b‬ميل االنحدار‪ ،‬و ‪ Sb‬الخطأ المعياري لميل االنحدار‪.‬‬

 ‫العالقة بين معامل االنحدار الخطي البسيط ومعامل االرتباط‪:‬‬

‫إن معامل االنحدار الخطي البسيط ومعامل االرتباط الخطي يسيران في نفس االتجاه‪ ،‬وإشارة‬
‫ميل خط االنحدار هي نفس إشارة معامل االرتباط الخطي‪ ،‬فإذا كانت العالقة بين المتغير ين طردية‬
‫فإشارتهما موجبة‪ ،‬وإذا كانت العالقة عكسية فإشارتهما سالبة (الميرعني)‪.‬‬

‫يعد االنحدار امتدادا لالرتباط‪ ،‬فهو يهتم أيضا بالعالقة بين المتغيرات‪ ،‬ولكنه بدال عن البحث‬
‫في قوة العالقة واتجاهها‪ ،‬فإنه يهتم بتحديد مقدار التغير في أحد المتغيرات المصاحب لتغير في‬
‫متغير آخر مما يعني القدرة على التنبؤ بقيم أحد المتغيرين من خالل قيم المتغير اآلخر‪.‬‬

‫ويهدف االنحدار الخطي البسيط إلى التنبؤ بمتغير تابع من بيانات متغير مستقل‪ ،‬في حين‬
‫يهدف االنحدار المتعدد إلى التنبؤ بالمتغير التابع من مجموعة متغيرات مستقلة مجتمعة معا‪.‬‬

‫مالحظات‪ :‬في االنحدار الخطي البسيط‪:‬‬

‫ميل الخط يمثل كمية المتغير في ‪ y‬المناظرة للتغير في ‪ x‬بمقدار وحدة واحدة‪.‬‬ ‫•‬

‫إشارة معامل االنحدار يدل على نوع االرتباط (طردي أو عكسي)‪.‬‬ ‫•‬

‫توجد عالقة بين معامل االنحدار ومعامل االرتباط‪.‬‬ ‫•‬

‫مثال‪ :‬تمثل البيانات التالية الكميات المعروضة من سلعة معينة ‪ y‬والسعر ‪:x‬‬

‫‪X 3 2‬‬ ‫‪4 12 11 8 9 7 6 5 4 8 3 12 9 8 11 7 8 10‬‬

‫‪Y 5 4‬‬ ‫‪4‬‬ ‫‪9‬‬ ‫‪8 9 7 8 5 6 8 4 7‬‬ ‫‪6 8 5 10 7 6‬‬ ‫‪5‬‬

‫المطلوب‪ - :‬أوجد معادلة االنحدار (السلعة بداللة السعر) يدويا‪.‬‬

‫‪ -‬اختبر معنوية االنحدار يدويا‪.‬‬

‫خطوات الحل‪:‬‬

‫‪X‬‬ ‫‪Y‬‬ ‫‪X2‬‬ ‫‪Xy‬‬

‫‪4‬‬ ‫‪2‬‬ ‫‪9‬‬ ‫‪02‬‬
 ‫‪5‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪8‬‬
‫‪3‬‬ ‫‪3‬‬ ‫‪02‬‬ ‫‪02‬‬
‫‪05‬‬ ‫‪9‬‬ ‫‪033‬‬ ‫‪018‬‬
‫‪00‬‬ ‫‪8‬‬ ‫‪050‬‬ ‫‪88‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪147‬‬ ‫‪131‬‬ ‫‪1261‬‬ ‫‪1012‬‬

‫بالتطبيق‪:‬‬

‫)‪(20×1012)−(147)(131‬‬ ‫‪131‬‬ ‫‪147‬‬

‫=‪b‬‬ ‫‪a= −‬‬ ‫‪− 0.27‬‬
‫‪20(1261)−(147)²‬‬ ‫‪20‬‬ ‫‪20‬‬

‫‪b=0.27‬‬ ‫‪a=4.5‬‬

‫‪ŷ = 4.5 + 0.27x‬‬ ‫معادلة االنحدار‪:‬‬

‫اختيار معنوية االنحدار‪:‬‬

‫الفروض‪:‬‬

‫‪ ‬الفرض العدم‪h0: β = 0 :‬‬

‫‪ ‬الفرض البديل‪h1: β ≠ 0 :‬‬
‫𝛽‪𝑏−‬‬ ‫‪0.27−0‬‬
‫=‪T‬‬ ‫=‬ ‫‪= 2.14‬‬ ‫قيمة اإلحصاء لالختيار‪: T‬‬
‫𝑏𝑠‬ ‫‪0.126‬‬

‫𝑥‪𝑆𝑦/‬‬ ‫𝑦𝑥∑𝑏‪∑𝑦 2 −𝑎∑𝑦−‬‬

‫=‪S b‬‬ ‫√= ‪Sy/x‬‬
‫‪√(∑𝑥 2 −(∑𝑥 )2 )/ℎ‬‬ ‫‪𝑛−2‬‬
 ‫تطبيقات لحصة األعمال الموجهة‬
‫تطبيق‪ :1‬تمثل البيانات التالية قيمة الدخل الشهري واالستهالك طيلة ‪ 01‬سنوات لـ ‪ 01‬أفراد‪:‬‬

‫‪750 1050‬‬ ‫الدخل ‪1200 900 1000 900 600 211 421 411‬‬
‫الشهري‬
‫‪640 1000‬‬ ‫‪1050 850 750‬‬ ‫االستهالك ‪800 550 450 340 260‬‬

‫المطلوب‪ - :‬حساب عالقة الدخل باالستهالك‪ ،‬من تأثير المتغير المستقل على المتغير التابع‪.‬‬

‫االستهالك ‪ ‬التابع ‪ //// y‬الدخل ‪‬المستقل‪.x‬‬

‫‪ -‬تأكد من معنوية االنحدار‪.‬‬

‫‪ -‬أحسب قيمة االستهالك في حال كان الدخل‪.0211 ،3111 ،5211 :‬‬
‫تطبيق‪ :2‬لدراسة عالقة االستهالك المحلي (‪ )y‬باإلنتاج (‪ )x‬لمادة اإلسفلت (مليون برميل) خالل‬
‫عدة سنوات‪ ،‬أخذنا ‪ 01‬قراءات كما يلي‪:‬‬

‫‪y‬‬ ‫‪2‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪8‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪x‬‬ ‫‪01‬‬ ‫‪04‬‬ ‫‪02‬‬ ‫‪03‬‬ ‫‪9‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬

‫المطلوب‪ :‬أوجد االنحدار الخطي البسيط‪ ،‬وتوقع قيمة االستهالك عندما يصل اإلنتاج إلى‬
‫‪ 02111111‬برميل‪.‬‬
 ‫المحاضرة الرابعة‪:‬‬
‫تحليل االنحدار باستخدام برمجتي ‪ Excel‬و ‪Spss‬‬
‫األهداف‪:‬‬
‫أن يوجد معادلة االنحدار الخطي البسيط بيانيا باستخدام ‪.Excel‬‬ ‫‪-‬‬
‫أن يتوصل إلى كتابة معادلة االنحدار الخطي البسيط باستخدام ‪.Excel‬‬ ‫‪-‬‬
‫أن يوجد معادلة االنحدار الخطي البسيط بيانيا باستخدام ‪.Spss‬‬ ‫‪-‬‬
‫أن يتوصل إلى كتابة معادلة االنحدار الخطي البسيط باستخدام ‪.Spss‬‬ ‫‪-‬‬
‫أن يفسر مخرجات تحليل االنحدار باستخدام برمجتي ‪ Excel‬و ‪Spss‬‬ ‫‪-‬‬
‫‪ )1‬تحليل االنحدار باستخدام اإلكسيل ‪:Excel‬‬
‫‪ -1 )1‬بيانيا‪:‬‬

‫مثال‪ :‬تمثل البيانات التالية حجم المبيعات (‪ )x‬لشركة معينة‪ ،‬وحجم مخزوناتها‬
‫(‪ )y‬لتسع سنوات متتالية كما يلي‪:‬‬

‫المخزون ‪y‬‬ ‫المبيعات ‪x‬‬ ‫السنة‬

‫‪0200‬‬ ‫‪2000‬‬ ‫‪3002‬‬
‫‪0000‬‬ ‫‪2000‬‬ ‫‪3002‬‬
‫‪0000‬‬ ‫‪0000‬‬ ‫‪3000‬‬
‫‪3000‬‬ ‫‪0000‬‬ ‫‪3000‬‬
‫‪3000‬‬ ‫‪0000‬‬ ‫‪3000‬‬
‫‪3000‬‬ ‫‪03200‬‬ ‫‪3000‬‬
‫‪2300‬‬ ‫‪00000‬‬ ‫‪3000‬‬
‫‪2000‬‬ ‫‪30000‬‬ ‫‪3000‬‬
‫‪2000‬‬ ‫‪30000‬‬ ‫‪3000‬‬

‫المطلوب‪ :‬أوجد معادلة االنحدار الخطي البسيط للتنبؤ بالمخزون من خالل المبيعات‪،‬‬
‫بيانيا ثم حسابيا باستخدام ‪ ،Excel‬وفسر المخرجات في الحالتين‪.‬‬
‫خطوات الحل‪ :‬للتنبؤ بالمخزون من خالل المبيعات نتبع الخطوات الموضحة في‬
‫الصورالتالية‪:‬‬

‫ابتداء نقوم بصب بيانات‬

‫المثال على صفحة ‪Excel‬‬

‫نختار من شريط المهام‬

‫ثم نختار من المخططات‬ ‫أيقونة إدراج‬
‫المخطط المشار إليه‬
‫يظهر لنا مربع الحوار الموضح في‬
‫الصورة‪ ،‬فنختار منه المخطط‬
‫المشار إليه‬

‫نحصل على المعلم‬

‫التالي‬
‫نؤشر على أيقونة تحديد البيانات‬
‫انطالقا من أيقونة تصميم المؤشر‬
‫عليها‬
 ‫يظهر مربع الحوار هذا‪ ،‬فنختار‬
‫منه إضافة ونضغط على موافق‬

‫أسم‬
‫السلسلة‬

‫قيم المتغير‬
‫المستقل ‪x‬‬

‫قيم المتغير‬
‫التابع ‪y‬‬
‫موافق ‪OK‬‬
 ‫نضغط على موافق‬
‫فنحصل على الشكل‬

‫نحصل على‬
‫المخطط الموضح‬

‫اضفط‬
‫على‬
‫أيقونة‬
‫إضافة‬
‫عنصر‬

‫ثم‬
‫نختار‬
‫خط‬
‫االتجاه‬

‫ثم نختار خيارات خط‬

‫االتجاه فيظهر الجدول‬
 ‫أشر على الخيار‬
‫خطي في األعلى‬

‫أشر على الخيار‬

‫تلقائي في األعلى‬

‫أشر على عرض المعادلة في المخطط‬

‫في اسفل مربع الحوار نفسه‬

‫أشر على عرض قيم الجذر التربيعي‬

‫في اسفل مربع الحوار نفسه‬
 ‫معادلة االنحدار وقيمة مربع‬
‫معامل االرتباط الشكل النهائي‬

‫‪ -2 )1‬االنحدار باستخدام اإلكسيل ‪ Excel‬حسابيا‪:‬‬

‫نضع البيانات على‬

‫صفحة اإلكسيل‬
‫نختار خيار بيانات من شريط المهام ونضغط‬
‫على أيقونة ‪ Data Analysis‬إذا كانت‬
‫تظهر ضمن خيارات بيانات وإذا لم تكن‬
‫تظهر فنضيفها بالكيفية التي تعرفنا عليها‬

‫يظهر مربع الحوار التالي‪ ،‬أختار منه‬

‫تحليل االنحدار ‪ Regression‬ثم أضغط‬
‫على موافق ‪OK‬‬
 ‫أدخل قيم المتغيرين ‪ Y‬و‪X‬‬

‫أشر على الخيارات المؤشر‬

‫عليها في الجدول‪ ،‬ثم‬
‫اضغط على موافق ‪OK‬‬
 ‫قيمة معامل االرتباط‬

‫قيمة مربع معامل االرتباط‬

‫القيمة المعدلة لمربع معامل االرتباط‬

‫الخطأ المعياري‬

‫المالحظات (عدد القيم)‬

‫قيمة تحليل التباين‬

‫الداللة المعنوية أقل من ‪.0.0‬‬

‫وهو ما يدل على معنوية االنحدار‬

‫قيمتا ‪ a‬و ‪b‬‬

‫ومنهما نستطيع كتابة معادلة االنحدار‬

 ‫‪ -3 )1‬تفسير المخرجات‪:‬‬
‫الجدول األول‪ :‬إحصاءات االنحدار ‪:regression statistics‬‬
‫‪ :Multiple R‬وهو معامل االرتباط المتعدد بين المتحول التابع من جهة وبين المتحوالت‬
‫المستقلة من جهة أخرى‪ ،‬وعندما يكون لدينا متحول مستقل وحيد‪ ،‬ينطبق هذا المعامل على معامل‬
‫االرتباط البسيط "بيرسون" وهو هنا يساوي ‪ %03‬والذي يدل على وجود عالقة قوية طردية بين‬
‫المبيعات والمخزون‪.‬‬
‫‪ :R square‬وهو معامل التحديد‪ ،‬ويساوي مربع معامل االرتباط السابق‪ ،‬وتفيد هذه القيمة‬
‫في تقيم جودة موافق ة النموذج للبيانات‪ ،‬أي أنه يجيبنا عن السؤال‪ :‬ما مدى دقة التنبؤ باستخدام‬
‫النموذج المقدر؟ وفي مثالنا يساوي ‪ %00‬ويقال هنا بأن النموذج يفسر سلوك ‪ %00‬من البيانات‪،‬‬
‫بمعنى أننا إذا أردنا التنبؤ اعتمادا على النموذج فإن النتائج ستكون دقيقة باحتمال ‪ .%00‬لذا من‬
‫الواضح أنه كلما ارتفعت قيمة معامل التحديد‪ ،‬دل ذلك على دقة أكبر وخطأ أقل في التنبؤ‪.‬‬
‫‪ :Adjusted R square‬وهو معامل التحديد المعدل ويكافئ معامل التحديد السابق في‬
‫استخدامه‪ ،‬لكن تم تعديله ليناسب حالة االنحدار الخطي المتعدد وهو في هذه الحالة (إي في حالة‬
‫وجود متحول مستقل وحيد) فإنه عادة ال يستخدم‪.‬‬
‫‪ :Stanard errors‬وهو الخطأ المعياري للتنبؤ‪ ،‬أي عند التنبؤ باستخدام هذا النموذج فإننا‬
‫معرضون لخطأ تنبؤ مقداره ‪ 203220‬درجة‪.‬‬
‫‪ :Observations‬وهو بالطبع عدد المشاهدات‪.‬‬
‫الجدول الثاني‪ :‬تحليل التباين لالنحدار ‪ :anova‬وهذا الجدول يختبر الفرضية‪:‬‬
‫الفرضية االبتدائية‪ :‬النموذج ال يصلح للتنبؤ (النموذج غير معنوي)‪.‬‬
‫الفرضية البديلة‪ :‬النموذج يصلح للتنبؤ (النموذج معنوي)‪.‬‬
‫من الواضح أن معنوية هذا االختبار (‪ )significant F‬هي ‪ 0200022‬وهي أصغر من‬
‫مستوى الداللة ‪ ،0200‬وبالتالي فإننا نرفض الفرضية االبتدائية ونقبل بالبديلة القائلة بأن النموذج‬
‫يصلح للتنبؤ (النموذج معنوي) عند مستوى داللة ‪.0200‬‬
‫الجدول الثالث‪ :‬جدول المعامالت‪:‬‬
‫‪ :Coefficients‬وهي معامالت النموذج‪ ،‬التقاطع هو ‪ ،02002200‬والميل هو ‪،020000‬‬
‫أي أن المعادلة الناتجة شكلها‪:‬‬
‫‪) average= 1468.417+0.0809(hrs)).‬‬
‫‪ :Standard error‬وهو الخطأ المعياري للمعامل المقدر‪ ،‬بمعنى أن التقاطع المقدر قيمته‬
‫تساوي ‪ 02002200‬بخطأ معياري ‪ 3002000‬والميل المقدر قيمته ‪ 020000‬بخطأ معياري‬
‫‪.02002‬‬
‫‪ :T stat‬وهو إحصاء اختبار الفرضية‪:‬‬
‫الفرضية االبتدائية‪ :‬قيمة المعامل يساوي الصفر‪.‬‬
‫الفرضية البديلة‪ :‬المعامل ال يساوي الصفر‪.‬‬

‫‪ :P value‬وهي قيم معنوية كل اختبار فرضية‪ ،‬وهو بالنسبة للفرضية األولى (للتقاطع)‬
‫يساوي ‪ 0000000‬وبالتالي فإننا نرفض الفرضية االبتدائية القائلة بأن التقاطع يساوي الصفر‪ ،‬ونقبل‬
‫البديلة القائلة بأن التقاطع ال يساوي الصفر عند مستوى داللة ‪( 0000‬أي أن التقاطع معنوي)‪،‬‬
‫وبالنسبة للفرضية التالية (المتعلقة بالميل) فمعنويته تساوي ‪ 0000022‬وبالتالي فإننا نرفض‬
‫الفرضية االبتدائية القائلة بأن الميل يساوي الصفر‪ ،‬ونقبل البديلة القائلة بأن الميل ال يساوي الصفر‬
‫عند مستوى داللة ‪( 0000‬أي أن الميل معنوي أيضا)‪.‬‬
‫‪ :Lower 95% & upper 95%‬وهي حدود مجال ‪ %00‬ثقة لكل معامل‪ .‬على سبيل‬
‫المثال يقع التقاطع الحقيقي في المجال [‪ ]002202 ،0023200‬باحتمال ‪ %00‬ونالحظ أن مجال‬
‫الثقة تتكرر طباعته مرتين في المخرجات‪.‬‬
‫ويمكن أن نضيف جدوال آخر يتعلق بالفروقات في المشاهدات أو الرواسب ويقصد بالفروقات‬
‫الفرق بين قيمة المتغيرالتابع المشاهد والقيمة المتنبئة له‪ .‬ونالحظ أنه كلما صغر هذا الفرق دل ذلك‬
‫على نموذج أفضل (أي اقتراب القيمة المتنبئة من المشاهدة)‪ .‬وكذا التمثيل البياني للفروق‪.‬‬
 ‫‪)2‬تحليل االنحدار باستخدام الرزمة اإلحصائية ‪:Spss‬‬
‫مثال‪ :‬فيما يلي بيانات عدد ساعات المذاكرة في األسبوع لعينة من ‪ 01‬طالب‪ ،‬ومقدار الزيادة في‬
‫التحصيل ألحد المقررات في مادة الرياضيات‪:‬‬
‫ساعات المذاكرة‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪14‬‬ ‫‪15‬‬ ‫‪20‬‬ ‫‪25‬‬ ‫‪46‬‬ ‫‪50‬‬ ‫‪59 70‬‬
‫الزيادة في التحصيل‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪12‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪13‬‬ ‫‪19‬‬ ‫‪15‬‬ ‫‪16 20‬‬
‫المطلوب‪:‬‬
‫‪ -‬أوجد بيانيا‪ ،‬ثم حسابيا معادلة االنحدار الخطي البسيط للتنبؤ بالتحصيل انطالقا من ساعات‬
‫المذاكرة باستخدام ‪.Spss‬‬
‫‪ -‬فسر المخرجات المتحصل عليها‪.‬‬
‫خطوات الحل‬
‫‪ -1 )2‬بيانيا‬

‫‪Graphs‬‬ ‫‪Legacy Dialogs‬‬ ‫‪Scatter/Dot..‬‬

‫ننقل المتغيرالتابع‬
‫للخانة ‪y Axis‬‬

‫ننقل المتغيرالمستقل‬
‫للخانة ‪x Axis‬‬
Elements Fit Line at Total
‫ويكون المتغير التابع هو المحور الرأسي‬
‫وهو هنا الزيادة في التحصيل‪ ،‬وفي حال‬
‫وقع خلط بينهما يجب إعادة التحليل‬

‫مربع معامل‬
‫االرتباط‬

‫خط االنحدار ميله موجب في هذه الحالة‪ ،‬أي أن‬

‫الميل بتجه من أعلى اليمين إلى أسفل اليسار ‪،‬‬
‫ولذلك فإن الوزن ‪ B‬تكون قيمته ‪ .010‬كما هو‬
‫موضح في معادلة االنحدار‬

‫معادلة خط‬
‫االنحدار‬
‫في االنحدار يكون المتغيرالمستقل‬
‫هو المحور األفقي وهو هنا ساعات‬
‫المذاكرة‬
 ‫‪ -2 )2‬حسابيا باستخدام ‪:Spss‬‬

‫‪Analyze‬‬ ‫‪Regression‬‬ ‫‪Linear‬‬

‫بعد تسمية المتغيرات‬

‫ووصفها عللى صفحة ‪Spss‬‬
‫وصب البيانات نضغط على‬
‫األيقونات التالية بالترتيب‬

‫ننقل المتغير التابع‬

‫(التحصيل) للخانة‬
‫‪Dependent‬‬
‫ثم نختار ‪Statistics‬‬

‫ننقل المتغير المستقل‬

‫(المذاكرة) للخانة‬
‫‪Independent‬‬
 ‫نؤشر على ‪estimates :‬‬
‫‪Confidance intervals -‬‬
‫‪model fit - descriptives‬‬
‫ثم اضغط على ‪Continue‬‬
‫وعلى موافق في النافذة األولى‬

‫بعد الضغط على موافق نحصل على المخرجات التالية‪:‬‬

‫تفسير المخرجات‪:‬‬
‫‪Descriptive Statistics‬‬
‫‪Mean‬‬ ‫‪Std. Deviation‬‬ ‫‪N‬‬
‫التحصيل درجات‬ ‫‪14.00‬‬ ‫‪3.464‬‬ ‫‪10‬‬
‫المذاكرة ساعات‬ ‫‪32.00‬‬ ‫‪22.171‬‬ ‫‪10‬‬

‫الجدول األول جدول وصفي يصف لنا المتغيرين من حيث المتوسط واالنحراف المعياري وعدد‬
‫المشاهدات‪.‬‬
‫‪Correlations‬‬
‫التحصيل درجات‬ ‫المذاكرة ساعات‬
‫‪Pearson Correlation‬‬ ‫التحصيل درجات‬ ‫‪1.000‬‬ ‫‪.913‬‬
‫المذاكرة ساعات‬ ‫‪.913‬‬ ‫‪1.000‬‬

‫)‪Sig. (1-tailed‬‬ ‫التحصيل درجات‬ ‫‪.‬‬ ‫‪.000‬‬

‫المذاكرة ساعات‬ ‫‪.000‬‬ ‫‪.‬‬
‫‪N‬‬ ‫التحصيل درجات‬ ‫‪10‬‬ ‫‪10‬‬
‫المذاكرة ساعات‬ ‫‪10‬‬ ‫‪10‬‬
‫الجدول الثاني يحدد معامل االرتباط بين المتغيرين والمقدر ب ‪ 3.9.0‬وهو يدل على وجود ارتباط‬
‫طردي قوي بين المتغيرين‪ ،‬وبدرجة معنوية تقترب من الصفر‬
‫‪Variables Entered/Removeda‬‬
‫‪Variables‬‬ ‫‪Variables‬‬
‫‪Model‬‬ ‫‪Entered‬‬ ‫‪Removed‬‬ ‫‪Method‬‬
‫‪1‬‬ ‫ساعات‬ ‫‪b‬المذاكرة‬ ‫‪. Enter‬‬
‫التحصيل درجات ‪a. Dependent Variable:‬‬
‫‪b. All requested variables entered.‬‬

‫الجدول الثالث الذي يحدد إذا ماكانت هناك متغيرات استبعدت‪ ، ،‬وهنا ال توجد متغيرات مستبعدة‬
‫(‪ ،(Removed‬حيث تم إدخال كل المتغيرات المطلوبة ( ‪All requested variables‬‬
‫‪.)entered‬‬
‫‪Model Summaryb‬‬
‫‪Adjusted R‬‬ ‫‪Std. Error of the‬‬
‫‪Model‬‬ ‫‪R‬‬ ‫‪R Square‬‬ ‫‪Square‬‬ ‫‪Estimate‬‬
‫‪1‬‬ ‫‪.913a‬‬ ‫‪.833‬‬ ‫‪.813‬‬ ‫‪1.500‬‬
‫المذاكرة ساعات ‪a. Predictors: (Constant),‬‬
‫التحصيل درجات ‪b. Dependent Variable:‬‬

‫الجدول الرابع يوضح‪:‬‬

‫‪ :R‬وهو معامل االرتباط المتعدد بين المتغير التابع من جهة وبين المتغير المستقل من جهة‬
‫أخرى‪ ،‬وعندما يكون لدينا متغير مستقل وحيد‪ ،‬ينطبق هذا المعامل على معامل االرتباط البسيط‬
‫"بيرسون" وهو هنا يساوي ‪ %9.‬والذي يدل على وجود عالقة قوية طردية بين ساعات المذاكرة‬
‫وزيادة درجة التحصيل‪.‬‬
‫‪ :R square‬وهو معامل التحديد‪ ،‬ويساوي مربع معامل االرتباط السابق‪ ،‬وتفيد هذه القيمة‬
‫في تقيم جودة موافقة النموذج للبيانات‪ ،‬أي أنه يجيبنا عن السؤال‪ :‬ما مدى دقة التنبؤ باستخدام النموذج‬
‫المقدر؟ وفي مثالنا يساوي ‪ %80‬ويقال هنا بأن النموذج يفسر سلوك ‪ %80‬من البيانات‪ ،‬بمعنى أننا‬
‫إذا أردنا التنبؤ اعتمادا على النموذج فإن النتائج ستكون دقيقة باحتمال ‪ .%80‬لذا من الواضح أنه‬
‫كلما ارتفعت قيمة معامل التحديد‪ ،‬دل ذلك على دقة أكبر وخطأ أقل في التنبؤ‪.‬‬
‫‪ : Adjusted R square‬وهو معامل التحديد المعدل ويكافئ معامل التحديد السابق في‬
‫استخدامه‪ ،‬لكن تم تعديله ليناسب حالة االنحدار الخطي المتعدد وهو في هذه الحالة (أي في حالة‬
‫وجود متحول مستقل وحيد) فإنه عادة ال يستخدم‪.‬‬
‫‪ : Stanard errors‬وهو الخطأ المعياري للتنبؤ‪ ،‬أي عند التنبؤ باستخدام هذا النموذج فإننا‬
‫معرضون لخطأ تنبؤ مقداره ‪ ..533‬درجة‪.‬‬
‫‪ANOVAa‬‬
‫‪Model‬‬ ‫‪Sum of Squares‬‬ ‫‪df‬‬ ‫‪Mean Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬
‫‪1‬‬ ‫‪Regression‬‬ ‫‪90.000‬‬ ‫‪1‬‬ ‫‪90.000‬‬ ‫‪40.001‬‬ ‫‪.000b‬‬
‫‪Residual‬‬ ‫‪18.000‬‬ ‫‪8‬‬ ‫‪2.250‬‬
‫‪Total‬‬ ‫‪108.000‬‬ ‫‪9‬‬
 ‫التحصيل درجات ‪a. Dependent Variable:‬‬
‫المذاكرة ساعات ‪b. Predictors: (Constant),‬‬

‫الجدول الخامس يتعلق بتحليل التباين لالنحدار ‪ :anova‬وهذا الجدول يختبر الفرضية‪:‬‬
‫الفرضية االبتدائية‪ :‬النموذج ال يصلح للتنبؤ (النموذج غير معنوي)‪.‬‬
‫الفرضية البديلة‪ :‬النموذج يصلح للتنبؤ (النموذج معنوي)‪.‬‬
‫من الواضح أن معنوية هذا االختبار (‪ )significant F‬هي ‪ 3.333‬وهي أصغر من مستوى‬
‫الداللة ‪ ،3.35‬وبالتالي فإننا نرفض الفرضية االبتدائية ونقبل بالبديلة القائلة بأن النموذج يصلح‬
‫للتنبؤ (النموذج معنوي) عند مستوى داللة ‪.3.35‬‬

‫الجزء المقطوع أو المقدار‬

‫الثابت ‪ 50039‬وهذا هو النقطة‬
‫التي يقطع فيها خط االنحدار‬
‫المحور الرأسي‬ ‫‪Coefficientsa‬‬
‫‪Standardized‬‬ ‫‪95.0% Confidence Interval for‬‬
‫‪Unstandardized Coefficients‬‬ ‫‪Coefficients‬‬ ‫‪B‬‬
‫‪Model‬‬ ‫‪B‬‬ ‫‪Std. Error‬‬ ‫‪Beta‬‬ ‫‪t‬‬ ‫‪Sig.‬‬ ‫‪Lower Bound‬‬ ‫‪Upper Bound‬‬
‫‪1‬‬ ‫)‪(Constant‬‬ ‫‪9.436‬‬ ‫‪.864‬‬ ‫‪10.926‬‬ ‫‪.000‬‬ ‫‪7.444‬‬ ‫‪11.427‬‬

‫المذاكرة ساعات‬ ‫‪.143‬‬ ‫‪.023‬‬ ‫‪.913‬‬ ‫‪6.325‬‬ ‫‪.000‬‬ ‫‪.091‬‬ ‫‪.195‬‬

‫التحصيل درجات ‪a. Dependent Variable:‬‬

‫تتراوح فترة الثقة ‪ %50‬بين‬

‫معامل االنحدار‬
‫‪ .0.51‬و‪ ، .0150‬وهذا‬
‫معامل االنحدار غير المعياري هو‬ ‫المعياري هو ‪.0513‬‬
‫يعني أن المعامالت غير‬
‫‪ .0103‬وهو يعني أن لكل زيادة‬ ‫وهذا هو معامل ارتباط‬
‫المعيارية يحتمل بدرجة أكبر‬
‫مقدارها الوحدة في ساعات المذاكرة‪،‬‬ ‫بيرسون بين ساعات‬
‫تزيد الدرجة في متغير التحصيل بقدر‬ ‫أن يكون لها قيمة في المجتمع‬
‫المذاكرة والزيادة في‬
‫‪.0103‬‬ ‫تتراوح بين القيمتين‬
‫التحصيل‬
‫السابقتين‬

‫وإجماال يمكن أن نقول أن هذا الجدول (الجدول السادس) هو أهم جدول في تحليل االنحدار ويمكن‬
‫أن منه اشتقاق معادلة خط االنحدار على النحو التالي‬

‫‪Y= 9.436 + 0.143 x‬‬

‫حيث إن‪:‬‬
‫‪ B‬هو الميل‪ ،‬ويسمى ميل االنحدار "معامل االنحدار غير المعياري" وذلك في الحزمة‬ ‫•‬
‫‪ .spss‬فمعامل االنحدار غير المعياري بين ساعات المذاكرة‪ ،‬وزيادة التحصيل موضح تحت الرمز‬
 ‫‪ ،B‬وهو ‪ .3...0‬ويعني ذلك أنه لكل زيادة مقدارها الوحدة على المحور األفقي‪ ،‬تتغير الدرجة‬
‫على المحور الرأسي بقدر ‪.3...0‬‬
‫الجزء المقطوع (‪ )a‬يعرف في الحزمة ‪ spss‬بإنه المقدار الثابت‪ ،‬ويعرض على أنه‬ ‫•‬
‫"الثابت ‪ ،"constant‬وهو ‪ ،82.,5‬ويقرب إلى رقمين عشريين ليصبح ‪ .82.0‬وهو النقطة التي‬
‫يقطع فيها خط االنحدار المحور الرأسي (‪.)Y‬‬

‫‪Residuals Statisticsa‬‬
‫‪Minimum‬‬ ‫‪Maximum‬‬ ‫‪Mean‬‬ ‫‪Std. Deviation‬‬ ‫‪N‬‬
‫‪Predicted Value‬‬ ‫‪10.86‬‬ ‫‪19.42‬‬ ‫‪14.00‬‬ ‫‪3.162‬‬ ‫‪10‬‬
‫‪Residual‬‬ ‫‪-1.851-‬‬ ‫‪3.003‬‬ ‫‪.000‬‬ ‫‪1.414‬‬ ‫‪10‬‬
‫‪Std. Predicted Value‬‬ ‫‪-.992-‬‬ ‫‪1.714‬‬ ‫‪.000‬‬ ‫‪1.000‬‬ ‫‪10‬‬
‫‪Std. Residual‬‬ ‫‪-1.234-‬‬ ‫‪2.002‬‬ ‫‪.000‬‬ ‫‪.943‬‬ ‫‪10‬‬
‫التحصيل درجات ‪a. Dependent Variable:‬‬

‫الجدول السابع وهو جدول البواقي‪:‬‬

‫البواقي ‪ Residuals‬هي الفرق بين القيمة التي نحسبها من نموذج االنحدار والقيمة الحقيقية‪.‬‬
‫فمثال إذا قمنا بتحليل االنحدار لحجم المخزون بناء على المبيعات فالباقي هو الخطأ في النموذج‪.‬‬
‫فعند مقارنة حجم المخزون إلحدى الحاالت المعلومة لدينا بنتيجة النموذج فإننا نجد فارقا بينهما‬
‫وهذا الفارق هو الخطأ في النموذج أو الباقي‪ .‬يمكن أن نقول أن وجود هذا الفارق أو الخطأ هو من‬
‫طبيعة تحليل االنحدار فمن النادر أن يكون تحليل االنحدار صحيحا بنسبة مائة بالمائة‪.‬‬

‫تمارين لحصة األعمال الموجهة‬

‫تمرين‪:1‬‬
‫أجرى باحث دراسة بهدف التنبؤ بدرجات التحصيل الدراسي من درجات التذكر لدى طلبة الجامعة‪،‬‬
‫وقد كانت درجات المتغيرين كما يلي‪:‬‬
‫التذكير ‪x‬‬ ‫‪25 15 10 20 8 10 35 20 10 8 9‬‬ ‫‪29 15 34 20 10 8‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬

‫‪ 18 17 12 15 7 8‬التحصيل‪y‬‬ ‫‪19 20 8‬‬ ‫‪7 10 11 19 10 9‬‬ ‫‪9‬‬ ‫‪12 10 14 9‬‬

 ‫اختبر مدى وجود تأثير دال للتذكير على التحصيل‪ ،‬بيانيا وحسابيا باستخدام برمجية ‪ ،Excel‬ثم‬
‫فسر المخرجات‪.‬‬

‫تمرين ‪:2‬‬
‫يمثل الجدول التالي عدد ساعات الدراسة بالنسبة ل‪ 8‬طلبة‪ ،‬ونتائجهم في امتحان مادة معينة‪.‬‬
‫‪8‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫رقم الطالب‬
‫‪22‬‬ ‫‪18‬‬ ‫‪32‬‬ ‫‪27‬‬ ‫‪23‬‬ ‫‪34‬‬ ‫‪16‬‬ ‫‪20‬‬ ‫عدد ساعات الدراسة (‪)x‬‬
‫‪77‬‬ ‫‪72‬‬ ‫‪92‬‬ ‫‪88‬‬ ‫‪70‬‬ ‫‪84‬‬ ‫‪61‬‬ ‫‪64‬‬ ‫معدل المادة )‪(y‬‬

‫ادرس تأثير متغير (عدد ساعات الدراسة في مادة ما) على نتيجة هذا االمتحان‪ ،‬كما يوضح‬
‫الجدول اآلتي ‪ ،‬وذلك من خالل‪:‬‬
‫ايجاد معادلة تحليل االنحدار بيانيا وحسابيا باستخدام الرزمة اإلحصائي ‪Spss.‬‬ ‫‪-‬‬
‫تفسير مخرجات التحليل‪.‬‬ ‫‪-‬‬
‫تمرين ‪:3‬‬
‫في دراسة لبيان أثر القدرة الرياضية على القدرة الموسيقية لدى عينة من التالميذ‪ ،‬ومن خالل‬
‫استخدام الرزمة اإلحصائية أفرزت الدراسة المخرجات التالية‪:‬‬
 ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 24.692 1 24.692 34.008 .000b
Residual 5.808 8 .726
Total 30.500 9
a. Dependent Variable: ‫الموسيقية القدرة‬
b. Predictors: (Constant), ‫الرياضية القدرة‬

Coefficientsa
Unstandardized Standardized 95.0% Confidence Interval for
Coefficients Coefficients B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) 8.425 .725 11.620 .000 6.753 10.097
‫الرياضية القدرة‬ -.633- .109 -.900- -5.832- .000 -.883- -.383-

a. Dependent Variable: ‫الموسيقية القدرة‬

:‫المراجع‬
‫ التحليل اإلحصائي للمتغيرات المتعددة باستخدام برنامج‬.)5118( ‫ ربيع أمين‬،‫ أسامة‬
.spss
 ‫التنجي معن (‪ .)5102‬اإلحصاء المهني باستخدام إكسل‪ .‬اإلصدار الثالث‪ :‬مركز سبر‬ ‫‪‬‬
‫للدراسات اإلحصائية والسياسات العامة‪.www.sabr-sp.com .‬‬
‫دجلة‪ ،‬إبراهيم مهدي (‪ .)5101‬حول أسلوب تحليل التغاير المتعدد باستخدام تصميم قطع‬ ‫‪‬‬
‫منشقة‪ .‬مجلة كلية اإلدارة واالقتصاد‪ .‬المجلد ‪ .02‬العدد ‪ :21‬جامعة بغداد‪ .‬العراق‪.‬‬
‫الطريري‪ ،‬عبد الرحمان بن سليمان (‪ .)5104‬القياس النفسي والتربوي‪ :‬الرياض‪.‬‬ ‫‪‬‬
‫السعودية‪.‬‬
‫النجار‪ ،‬نبيل جمعة صالح (‪ .)5102‬اإلحصاء التحليلي مع تطبيقات برمجية ‪ .spss‬ط‪:0‬‬ ‫‪‬‬
‫دار الحام للنشر والتوزيع‪ .‬عمان‪ .‬األردن‪.‬‬
‫عالم‪ ،‬صالح الدين محمود (‪ .)5102‬مقدمة لحزمة البرامج اإلحصائية ‪ spss‬في علم‬ ‫‪‬‬
‫النفس‪ .‬ط‪ :0‬دار الفكر‪ .‬عمان‪ .‬المملكة الهاشمية األردنية‪.‬‬
‫الميرعني‪ ،‬أسماء‪ .‬االنحدار الخطي البسيط‪52h. 25m . 5151/15/55 .‬‬ ‫‪‬‬
‫‪https://www.youtube.com‬‬