دورة SPSS

‫عمادة خدمة المجتمع والتعليم المستمر‬
‫الجامعة اإلسالمية ‪ -‬غزة‬
‫دورة في البرنامج اإلحصائي‬
‫‪SPSS‬‬
‫‪ (36‬ساعة تدريبية)‬
‫‪ 14‬يونيو – ‪ 6‬أغسطس ‪2008‬‬
‫إشراف‬
‫الدكتور‪ /‬سمير خالد صافي‬

‫د‪ .‬سمير خالد صافي‬ ‫دورة في البرنامج اإلحصائي ‪SPSS‬‬
‫المحتويات‬
‫علم اإلحصاء ‪4..................................................................................................................Statistics Science‬‬
‫اإلحصاء الوصفي ‪4.................................................................................................Descriptive Statistics:‬‬
‫اإلحصاء االستداللي ‪4..............................................................................................Statistics Inferential :‬‬
‫المجتمع ‪4..............................................................................................................................Population:‬‬
‫الحصر الشامل ‪4...........................................................................................................................Census:‬‬
‫المقاييس اإلحصائية‪5......................................................................................................................................‬‬
‫أوًال‪ :‬مقاييس النزعة المركزية ‪5....................................................................Measures of Central Tendency‬‬
‫ثانيًا‪ :‬مقاييس التشتت المطلق ‪5.................................................................................Measures of Dispersion‬‬
‫ثالثًا‪ :‬االلتواء ‪6..........................................................................................................................Skewness‬‬
‫تشغيل والتعرف على البرنامج ‪6...............................................................................................................SPSS‬‬
‫نوافذ البرنامج‪6..........................................................................................................................................‬‬
‫استرجاع البيانات والملفات‪8.........................................................................................................................:‬‬
‫حفظ الملف‪9............................................................................................................................................:‬‬
‫إضافة‪ ،‬تعديل والتحكم بالمتغيرات‪10...............................................................................................................‬‬
‫إضافة متغير أو مشاهدة‪12.......................................................................................................................... :‬‬
‫إلغاء متغير أو مشاهدة أو حالة‪12....................................................................................................................‬‬
‫ترتيب المشاهدات حسب متغير معين ‪12........................................................................................Rank Cases‬‬
‫تكوين متغير جديد باستخدام معادلة‪12.................................................................................................................‬‬
‫األمر ‪12...................................................................................................................................Compute‬‬
‫استخدام الدالة ‪ IF‬مع ‪13........................................................................................................... Compute‬‬
‫اختيار خاليا ‪14.................................................................................................................SELECT CASES‬‬
‫إعادة الترميز ‪17...........................................................................................................................Recode‬‬
‫اإلحصاء الوصفي والمدرج التكراري للبيانات ‪19....................................................................................................‬‬
‫(‪ )1‬التكرارات والمدرج التكراري ‪19..................................................................Histogram and Frequencies‬‬
‫(‪ )2‬اإلحصاء الوصفي ‪20..........................................................................................Descriptive Statistics‬‬
‫(‪ )3‬المستكشف ‪21........................................................................................................................Explore‬‬
‫(‪ )4‬جداول االقتران ‪22........................................................................................CROSS TABULATION‬‬
‫الرسم البياني‪23............................................................................................................................................‬‬
‫اختبار الفرضيات ‪28......................................................................................................Test of Hypotheses‬‬
‫‪ -1‬الفرضية اإلحصائية‪28........................................................................................................................‬‬
‫‪ -2‬مستوى المعنوية أو مستوى االحتمال ‪28...................................................................................................‬‬
‫‪ -3‬دالة االختبار اإلحصائية‪28...................................................................................................................‬‬
‫‪ -4‬القيمة االحتمالية (‪28............................................................................................... : )Sig. or P-value‬‬
‫خطوات اختبار الفرضيات‪29....................................................................................................................... :‬‬
‫أوًال‪ :‬اختبار ‪ T‬في حالة اختبار فرضيات متعلقة بمتوسط واحد‪29.............................................................................‬‬
‫البيانات التالية تمثل درجات عشرين طالبًا في مساق ما‪30.......................................................................................:‬‬
‫المطلوب‪ :‬اختبار الفرضية المبدئية القائلة بأن متوسط درجات الطالب = ‪ 65‬درجة‪30......................................................‬‬
‫ثانيًا‪ :‬اختبارات الفروق بين متوسطين مجتمعين مستقلين ‪31....................................................................................‬‬
‫ثالثًا‪ :‬اختبارات الفروق بين متوسطي مجتمعين من عينات مرتبطة‪32........................................................................‬‬
‫تحليل التباين)‪34.......................................................................................Analysis of Variance (ANOVA‬‬
‫أوًال‪ :‬تحليل التباين األحادي ‪34....................................................................................... One-Way ANOVA‬‬
‫ثانيًا‪ :‬تحليل التباين الثنائي ‪38.........................................................................................Two-Way ANOVA‬‬
‫ثالثًا‪ :‬تحليل التباين الثالثي ‪41.......................................................................................Three-Way ANOVA‬‬
‫االختبارات غير المعلمية ‪47.........................................................................................Nonparametric Tests‬‬
‫مزايا استخدام االختبارات غيرالمعلمية‪47.........................................................................................................:‬‬
‫عيوب استخدام االختبارات غيرالمعلمية‪47.......................................................................................................:‬‬
‫اختبار التوزيع الطبيعي‪ :‬كولمجروف‪ -‬سمرنوف ‪48.............................................................................................‬‬
‫‪Page 2 of 57‬‬
‫اختبار ويلكوكسن ""‪49....................................................................................................... Wilcoxon Test‬‬
‫اختبار مان – وتني ""‪49.............................................................................................Mann Whitney Test‬‬
‫اختبار كروسكال – واالس ""‪51....................................................................................Kruskal-Wallis Test‬‬
‫اختبار فريدمان ""‪52...........................................................................................................Friedman Test‬‬
‫االرتباط الخطي البسيط ‪53...................................................................................Simple Linear Regression‬‬
‫معامل االرتباط ‪53...............................................................................................Correlation Coefficient:‬‬
‫حساب قيمة معامل االرتباط‪55..........................................................................................................................:‬‬
‫االنحدار الخطي البسيط ‪57..................................................................................Simple Linear Regression‬‬
‫‪Page 3 of 57‬‬
‫‪Statistics Science‬‬ ‫علم اإلحصاء‬

‫قديما كان يعرف اإلحصاء بأنه هو العلم الذي يهتم بأساليب جمع البيانات وتنظيمها في جداول إحصائية ثم عرضها بيانيًا‪.‬‬
‫ومع تطور هذا العلم في العصر الحديث يمكن تعريفه تعريفًا شامًال بأنه العلم الذي يبحث في‪:‬‬
‫‪ -‬جمع البيانات والحقائق المتعلقة بمختلف الظواهر وتسجيلها في صورة رقمية وتصنيفها وعرضها في جداول منظمة‬
‫وتمثيلها بيانيًا‪ ،‬وإ يجاد المقاييس اإلحصائية المناسبة‪.‬‬
‫‪ -‬مقارنة الظواهر المختلفة ودراسة العالقات واالتجاهات بينها واستخدامها في فهم حقيقة تلك الظواهر ومعرفة القوانين‬
‫التي تسير تبعًا لها‪.‬‬
‫‪ -‬تحليل البيانات واستخراج النتائج منها ثم اتخاذ القرارات المناسبة‪.‬‬
‫وينقسم علم اإلحصاء إلى قسمين أساسيين هما‪:‬‬
‫اإلحصاء الوصفي ‪:Descriptive Statistics‬‬
‫عبارة من مجموعة األساليب اإلحصائية التي تعنى بجمع البيانات وتنظيمها وتصنيفها وتلخيصها وعرضها بطريقة‬
‫واضحة في صورة جداول أو أشكال بيانية وحساب المقاييس اإلحصائية المختلفة لوصف متغير ما (أو أكثر من متغير)‬
‫في مجتمع ما أو عينه منه‪.‬‬
‫اإلحصاء االستداللي ‪: Statistics Inferential‬‬
‫عبارة عن مجموعة من األساليب اإلحصائية التي تستخدم بغرض تحليل بيانات ظاهرة (أو أكثر) في مجتمع ما على‬
‫أساس بيانات عينة احتمالية تسحب منه وتفسيرها للتوصل إلى التنبؤ واتخاذ القرارات المناسبة‪.‬‬
‫ويتلخص األسلوب اإلحصائي في الخطوات التالية‪:‬‬
‫‪ -1‬جمع البيانات عن طريق التجربة والمشاهدة بوفرة كافية الستخالص النتائج منها‪.‬‬
‫‪ -2‬عرض هذه البيانات بطريقة تساعد على تفهمها واالستفادة منها حيث أن البيانات اإلحصائية في صورتها األولية ال‬
‫يمكن االستفادة أو استخالص النتائج منها وذلك في حالة وجود عدد كبير من األرقام أو الصفات‪.‬‬
‫المجتمع ‪:Population‬‬
‫هو مجموع كل المفردات الممكنة سواء كانت أفرادًا أو أشياء أو وحدات تجريبية أو قياسات موضوع االهتمام في‬
‫الدراسة‪ ،‬وقد يتكون المجتمع من عدد محدود من المفردات أو أن يكون عدد مفرداته ال نهائي‪ ،‬كما أن المجتمع قد يكون‬
‫حقيقيا أو افتراضيا‪.‬‬
‫الحصر الشامل ‪:Census‬‬
‫هو جمع البيانات من جميع مفردات المجتمع المراد دراسته‪.‬‬
‫وفي بعض الحاالت ال نتمكن من حصر كل مفردات المجتمع مثل مجتمعات األسماك أو النباتات أو تؤدى عملية الحصول‬
‫على البيانات من مفردات المجتمع إلى إهالكها أو إتالفها وبالتالي ال يمكن جمع البيانات من كل المفردات أو قد تحتاج‬
‫عملية جمع البيانات من جميع المفردات إلى وقت طويل أو جهد أو تكاليف باهظة‪ ،‬وفي مثل هذه الحاالت يتم جمع‬
‫البيانات بأخذ جزء فقط من مفردات المجتمع وهو ما يسمى بالعينة‪.‬‬
‫‪Page 4 of 57‬‬
‫المقاييس اإلحصائية‬
‫أوًال‪ :‬مقاييس النزعة المركزية ‪Measures of Central Tendency‬‬
‫معظم قيم مفردات أي ظاهرة لها الرغبة في التجمع أو التمركز حول قيمة معينة تسمى القيمة المتوسطة‪ ،‬هذا التجمع عند‬
‫هذه القيمة يسمى بالنزعة المركزية للبيانات‪.‬‬
‫أهم مقاييس النزعة المركزية‪:‬‬
‫الوسط الحسابي‪ ،‬الوسيط ‪ ،‬المنوال ‪،‬الُر بيعات‪ ،‬الوسط الهندسي‪،‬الوسط التوافقي‪.‬‬
‫(‪ )1‬الوسط الحسابي ‪ Arithmetic Mean‬أو ‪Average‬‬

‫الوسط الحسابي لمجموعة من القيم هو القيمة التي لو أعطيت لكل مفردة من مفردات المجموعة لكان مجموع القيم الجديدة‬
‫مساويا لمجموع القيم األصلية ويرمز له بالرمز ‪ .‬وستخدم الوسط الحسابي في حالة البيانات الرقمية فقط‪.‬‬
‫(‪ )2‬الوسيط ‪:Median‬‬

‫يعرف الوسيط لمجموعة من البيانات بأنه القيمة التي تقع في وسط المجموعة تمامًا بعد ترتبيها تصاعديًا أو تنازليًا‪ ،‬أي هو‬
‫القيمة التي تقسم مجموعة البيانات إلى قسمين بحيث يكون عدد القيم األكبر منها مساويًا عدد القيم األصغر منها ويرمز له‬
‫‪ .‬ويستخدم الوسيط في حالة البيانات الترتيبية‪.‬‬ ‫بالرمز‬
‫(‪ )3‬المنوال ‪:Mode‬‬

‫‪.‬‬ ‫يعرف المنوال لمجموعة من البيانات بأنه القيمة األكثر شيوعًا (تكرارًا) في المجموعة ويرمز له بالرمز‬
‫يفضل استخدام المنوال في حالة البيانات الوصفية والترتيبية‪.‬‬
‫‪ -4‬الُر بيعات ‪Quartiles‬‬

‫يمكن تقسم المساحة تحت المضلع التكراري إلى أربعة أقسام متساوية تسمى الُر بيعات وعددها ثالثة هي من اليسار إلى‬
‫اليمين‪:‬‬
‫الُر بيع األول (األدنى) ‪ :Q1‬وهو القيمة التي تقسم مجموعة القراءات (بعد ترتيبها تصاعديًا) إلى قسمين بحيث يسبقها ربع‬
‫البيانات ويليها ثالثة أرباع البيانات‪.‬‬
‫الُر بيع الثاني (الوسيط) ‪ :Q2‬وهو القيمة التي تقسم مجموعة القراءات (بعد ترتيبها تصاعديًا) إلى قسمين بحيث يسبقها‬
‫نصف البيانات ويليها نصف البيانات أيضًا‪.‬‬
‫الُر بيع الثالث (األعلى) ‪ :Q3‬وهو القيمة التي تقسم مجموعة القراءات (بعد ترتيبها تصاعديًا) إلى قسمين بحيث يسبقها‬
‫ثالثة أرباع البيانات ويليها ربع البيانات‪.‬‬
‫ثانيًا‪ :‬مقاييس التشتت المطلق ‪Measures of Dispersion‬‬
‫من أهم مقاييس التشتت المطلق‪ :‬المدى‪ ،‬نصف المدى الُر بيعي (االنحراف الُر بيعي)‪ ،‬االنحراف المتوسط ‪ ،‬التباين‬
‫واالنحراف المعياري‪.‬‬
‫‪Page 5 of 57‬‬
‫(‪ )1‬المدى ‪:Range‬‬
‫المدى هو أبسط مقاييس التشتت المطلق وُيعرف بأنه الفرق بين أكبر وأصغر قيمة في مجموعة البيانات ويرمز له‬
‫بالرمز ‪.R‬‬
‫(‪ )2‬نصف المدى الُر بيعي (االنحراف الربيعي) ‪:Quartile Deviation‬‬

‫يمكن التخلص من العيب الذي يسببه المدى وهو تأثره بالقيم المتطرفة وذلك بأن نستبعد الُر بع األول من القراءات والُر بع‬
‫األخير منها وُيحسب المدى للقراءات الباقية‪ .‬وتستخدم نصف المسافة بين الُر بيعيين األدنى واألعلى كمقياس للتشتت في‬
‫حالة وجود قيم متطرفة ويسمى هذا المقياس بنصف المدى الُر بيعي أو االنحراف الُر بيعي‬
‫(‪ )3‬التباين واالنحراف المعياري‪:‬‬

‫يعتبر التباين من أهم مقاييس التشتت المطلق ويعرف تباين مجموعة من القيم بأنه متوسط مجموع مربعات انحرافات هذه‬
‫القيم عن وسطها الحسابي وبذلك فإن وحدات التباين هي مربع وحدات البيانات األصلية‪ .‬فإذا كانت وحدات القراءات‬
‫‪.‬‬ ‫األصلية بالدينار فتكون وحدات التباين (الدينار)‪ 2‬وهكذا‪ ،‬ويرمز له بالرمز‬
‫واالنحراف المعياري لمجموعة من البيانات هو الجذر التربيعي الموجب للتباين‪ ،‬وبذلك فإن وحدات االنحراف المعياري‬
‫هي نفس وحدات البيانات األصلية ويرمز له الرمز ‪ ،S‬وغالبًا يفضل استخدام االنحراف المعياري ألن مقياس التشتت‬
‫المطلق يجب أن يكون له نفس وحدات القراءات األصلية وهو متحقق في حالة االنحراف المعياري‪.‬‬
‫ثالثًا‪ :‬االلتواء ‪Skewness‬‬
‫االلتواء هو بعد التوزيع عن التماثل‪ ،‬وقد يكون هذا التوزيع متماثًال أو ملتويًا جهة اليمين أو ملتويًا جهة اليسار‪.‬‬
‫ففي حالة التوزيعات المتماثلة فإن الوسط الحسابي = الوسيط = المنوال‬ ‫‪-‬‬
‫إذا كان التوزيع ملتويًا جهة اليمين فإن‪:‬‬ ‫‪-‬‬
‫الوسط الحسابي > الوسيط > المنوال‬
‫ويسمى توزيع موجب االلتواء وفيه يكون الطرف األيمن للمنحنى أطول من األيسر‪.‬‬
‫إذا كان التوزيع ملتويًا جهة اليسار فإن‪:‬‬ ‫‪-‬‬
‫الوسط الحسابي < الوسيط < المنوال‬
‫ويسمى توزيع سالب االلتواء وفيه يكون الطرف األيسر للمنحنى أطول من األيمن‪.‬‬
‫‪SPSS‬‬ ‫تشغيل والتعرف على البرنامج‬

‫يعم ‪VV V‬ل البرن ‪VV V‬امج اإلحص ‪VV V‬ائي ‪ SPSS‬في بيئ ‪VV V‬ة النواف ‪VV V‬ذ‪ ،‬ويتم تش ‪VV V‬غيله باختي ‪VV V‬ار األم ‪VV V‬ر ‪ START‬من الالئح ‪VV V‬ة الرئيس ‪VV V‬ة‬
‫‪ PROGRAMS‬وبعد ذلك حدد برنامج ‪.SPSS‬‬
‫نوافذ البرنامج‬
‫هناك عدة نوافذ للبرنامج نذكر منها ما يلي‪:‬‬
‫‪Page 6 of 57‬‬
‫‪ -1‬الئحة األوامر ‪.COMMAND FUNCTIONS‬‬

‫‪ -2‬شاشة البيانات ‪.DATA VIEW‬‬
‫‪ -3‬شاشة تعريف المتغيرات ‪.VARIABLE VIEW‬‬
‫‪ -4‬الئحة التقارير والمخرجات ‪.OUTPUT NAVIGATOR‬‬
‫‪ -1‬الئحة األوامر‬
‫وهو الجزء الخاص باألوامر‪ ،‬حيث يمكن اختيار األمر من خالل ‪ ICON‬لكل عملية إحصائية وتعرض النتائج في الئحة‬
‫التقارير‪ ،‬وتشمل الالئحة على ‪ 9‬أوامر رئيسة ( بدون ‪ )Help‬يتفرع منها عدد من األوامر الفرعية‪.‬‬
‫‪ -2‬الئحة البيانات‬
‫إلضافة وإ لغاء البيانات التابعة لكل متغير‪ ،‬حيث يتم تمثيل المتغير بعمود ‪ Column‬ويعطي االسم ‪ VAR‬مع رقم يبدأ من‬
‫‪ 1‬حتى ‪ ،100,000‬أما األسطر فتمثل عدد المشاهدات لكل متغير‪ .‬ويتم التحويل ما بين المشاهدات والمتغيرات بالضغط‬
‫على ‪ Data View‬و ‪.Variable View‬‬
‫‪ -3‬شاشة تعريف المتغيرات‬
‫لتعري‪VV‬ف المتغ‪VV‬يرات يتم الض‪VV‬غط على العم‪VV‬ود م‪VV‬رتين ‪ DOUBLE CLICK‬او بالض‪VV‬غط على ‪VARIABLE VIEW‬‬
‫الموج‪V‬ود في أس‪VV‬فل الشاش‪VV‬ة لتظه‪VV‬ر شاش‪VV‬ة أخ‪V‬رى لتعري‪V‬ف المتغ‪VV‬يرات بتحدي‪V‬د اس‪VV‬م المتغ‪VV‬ير الن‪V‬وع‪ ،‬الحجم‪ ،‬العن‪V‬وان‪ ،‬الترم‪VV‬يز‪.‬‬
‫ويتم الترميز بالضغط على عامود ‪ VALUES‬ومن ثم تحديد قيمة الرمز ووصفه مع الضغط على مفتاح ‪ ADD‬إلض‪VV‬افة‬
‫الرمز‪.‬‬
‫‪Page 7 of 57‬‬
‫‪ -4‬الئحة التقارير والنتائج‪:‬‬

‫شاشة إلظهار النتائج والتقارير‪ ،‬ويتم التحويل ما بين شاشة النتائج وشاشة البيانات بالضغط على األمر ‪WINDOW‬‬
‫ومن ثم اختيار ملف البيانات‪.‬‬
‫استرجاع البيانات والملفات‪:‬‬

‫باختيار األمر ‪ FILE‬ثم الفرعي ‪ ،OPEN‬ال بد بعد ذلك من تحديد نوعية الملف المراد استرجاعه‪.‬‬
‫‪Page 8 of 57‬‬
‫ويتم استرجاع التالي‪:‬‬

‫‪ -1‬بيانات ( المتغيرات ) (*‪.)SAV .‬‬
‫‪ -2‬تقارير‪ ،‬والمقصود بتقارير نتائج العمليات اإلحصائية التي تم عملها سابقًا (*‪.)SPO.‬‬
‫وذل‪VV‬ك بع‪VV‬د اختي‪VV‬ار اس‪VV‬م المل‪VV‬ف المطل‪VV‬وب م‪VV‬ع التأكي‪VV‬د على مفت‪VV‬اح ‪ .OPEN‬وك‪VV‬ذلك يمكن اس‪VV‬ترجاع ملف‪VV‬ات االكس‪VV‬يل (*‪)xls.‬‬
‫وأنواع ملفات أخرى‪.‬‬
‫حفظ الملف‪:‬‬
‫األمر الفرعي ‪ SAVE‬و ‪ SAVE AS‬خاصان لحفظ البيانات‪ ،‬حيث‬
‫‪ SAVE AS )1‬يستخدم إلعطاء اسم جديد للملف مع حفظه ويمكن كما ذكر سابقًا حفظ ما يلي‪:‬‬
‫‪ -‬بيان المتغيرات “‪”DATA‬‬
‫‪ -‬تقارير “‪”OUTPUT NAVIGATOR‬‬
‫‪ SAVE )2‬لحفظ التعديالت الجديدة التي طرأت على الملف‪.‬‬
‫إضافة‪ ،‬تعديل والتحكم بالمتغيرات‬

‫انتق‪VV V‬ل إلى ناف‪VV V‬ذة ‪ DATA EDITOR‬واخ‪VV V‬تر متغ‪VV V‬ير غ‪VV V‬ير محج‪VV V‬وز (عم‪VV V‬ود) وأض‪VV V‬ف البيان‪VV V‬ات م‪VV V‬ع التأكي‪VV V‬د على مفت‪VV V‬اح‬
‫‪ ENTER‬أو تحرير السهم إلى أسفل (مالحظة‪ . :‬تعني ‪ MISSING‬أي ال توجد قيمة في هذه الخلية)‪.‬‬
‫‪Page 9 of 57‬‬
‫‪ )1‬تعديل البيانات‪:‬‬
‫ويمكن بسهولة تعديل أي قيمة وذلك بتحريك السهم إلى الصف ( الخلية) والكتابة عليها بالقيمة الجديدة‪.‬‬
‫‪ )2‬تعريف المتغيرات‪:‬‬
‫يمكن تحدي ‪VV‬د نوعي ‪VV‬ة البيان ‪VV‬ات المض ‪VV‬افة ف ‪VV‬المتغيرات والمؤش ‪VV‬رات االقتص ‪VV‬ادية يمكن إض ‪VV‬افتها كم ‪VV‬ا هي‪ ،‬أم ‪VV‬ا المتغ ‪VV‬يرات‬
‫والبيانات تحدد من قبل الباحث بطريقة البدائل ( ذكر أو أنثى‪ ،‬متعلم أو غ‪V‬ير متعلم) ويتم تعري‪V‬ف المتغ‪V‬ير باالنتق‪V‬ال إلى‬
‫شاشة تعريف المتغيرات ‪ VARIABLE VIEW‬وتحديد اآلتي‪:‬‬
‫‪ ‬اسم المتغير‪ ،‬النوع‪ ،‬حجم المتغير‪ ،‬عدد النقاط العشرية‪.‬‬
‫‪ ‬تحديد قيم المتغير ( الترميز ) في خانة ‪.VALUES‬‬
‫‪ ‬إدخ‪VV‬ال قيم‪VV‬ة الرم‪VV‬ز في خان‪VV‬ة ‪ VALUE‬واس‪VV‬م الرم‪VV‬ز في خان‪VV‬ة ‪ VALUE LABEL‬والض‪VV‬غط على مفت‪VV‬اح‬
‫‪ ADD‬في كل مرة‪.‬‬
‫‪ ‬بع‪VV‬د إج‪VV‬راء الخط‪VV‬وات الس‪VV‬ابقة يتم إض‪VV‬افة المتغ‪VV‬يرات في شاش‪VV‬ة البيان‪VV‬ات وإلظه‪VV‬ار القيم الكتابي‪VV‬ة المرادف‪VV‬ة ب‪VV‬دل‬
‫القيم الرقمية وذلك بإجراء ما يلي‪:‬‬
‫‪ .I‬اختر األمر ‪ VIEW‬من الالئحة الرئيسة‪.‬‬
‫‪.‬‬ ‫اختر األمر الفرعي ‪ VALUE LABELS‬أو الضغط على المفتاح‬ ‫‪.II‬‬
‫أنظر المربع الحواري التالي مثًال‪:‬‬
‫مثال‪:‬‬
‫في حالة وجود أكثر من متغير بنفس عناوين قيم البيانات ‪ ،‬وتكون االختيارات‪ :‬موافق بشدة‪ ،‬مواف‪VV‬ق‪ ،‬م‪VV‬تردد‪ ،‬غ‪VV‬ير مواف‪VV‬ق‪،‬‬
‫غير موافق على اإلطالق وبفرض أنه يوجد ‪ 10‬متغيرات في مثل هذه الحالة‪ ،‬ولتنفيذ ذلك يمكن إتباع الخطوات التالية‪:‬‬
‫‪ -1‬يتم تعريف االختيارات السابقة كما تم شرحه في تعريف قيم المتغيرات‪.‬‬
‫‪ -2‬نسخ المتغير السابق تعريفه‪ )EDIT, COPY( ،‬أو ‪CTRL + C‬‬
‫‪ -3‬اخ ‪VV‬تر الص ‪VV‬ف الت ‪VV‬الي للمتغ ‪VV‬ير الس ‪VV‬ابق بالف ‪VV‬أرة ثم اض ‪VV‬غط على المفت ‪VV‬اح األيمن للف ‪VV‬أرة‪ ،‬من القائم ‪VV‬ة المنس ‪VV‬دلة يتم اختي ‪VV‬ار‬
‫‪ …PASTE VARIABLES‬كما في الشكل التالي‪.‬‬
‫‪Page 10 of 57‬‬
‫‪ -4‬يظهر المربع الحواري التالي‪:‬‬
‫‪ -5‬أكمل المربع الحواري السابق كما يلي‪:‬‬
‫‪ -6‬اختر ‪ OK‬فنحصل على المطلوب كما في الشكل التالي‪:‬‬
‫إضافة متغير أو مشاهدة‪:‬‬

‫يمكن إضافة مشاهدة أو متغير جديد وذلك باستعمال األمر الرئيسي ‪ DATA‬ثم‪:‬‬
‫‪.‬‬ ‫‪ -1‬األمر الفرعي ‪ INSERT VARIABLE‬في حالة إضافة متغير جديد أو الضغط على مفتاح‬
‫‪.‬‬ ‫‪ -2‬األمر الفرعي ‪ INSERT CASE‬في حالة إضافة مشاهدة جديدة أو الضغط على مفتاح‬
‫‪ -3‬األمر الفرعي ‪ SORT CASES‬لترتيب البيانات حسب المتغير المراد الترتيب به‪.‬‬
‫‪Page 11 of 57‬‬
‫‪.‬‬ ‫‪ -4‬األمر الفرعي ‪ GOTO CASE‬لتحويل المؤشر إلى مشاهدة معينة أو الضغط على مفتاح‬
‫أو باس‪VV V V‬تخدام األم‪VV V V‬ر الرئيس‪VV V V‬ي‬ ‫‪ -5‬ولع‪VV V V‬رض المتغ‪VV V V‬يرات المس‪VV V V‬تخدمة قي‪VV V V‬د الدراس‪VV V V‬ة يتم الض‪VV V V‬غط على مفت‪VV V V‬اح‬
‫‪ UTILITIES‬ثم األمر الفرعي ‪.VARIABLES‬‬
‫إلغاء متغير أو مشاهدة أو حالة‬
‫ضع المؤشر في مك‪V‬ان المتغ‪V‬ير الم‪V‬راد إلغ‪V‬اؤه ثم اض‪V‬غط على مفت‪V‬اح ‪ ،DEL‬وفي حال‪V‬ة إلغ‪V‬اء مش‪V‬اهدة ض‪V‬ع المؤش‪V‬ر‬
‫على مكان الخلية ( المشاهدة ) ثم اضغط على مفتاح ‪ .DEL‬وإللغاء حالة معينة يجب أن تضغط بالفأرة على تلك‬
‫الحالة ثم اضغط على مفتاح ‪.DEL‬‬
‫ترتيب المشاهدات حسب متغير معين ‪Rank Cases‬‬

‫يقوم برنامج ‪ SPSS‬بانشاء متغير جدي‪V‬د يحت‪V‬وي على ال‪V‬رقم التسلس‪V‬لي ل‪V‬ترتيب المش‪V‬اهدات إم‪V‬ا تص‪V‬اعديًا أو تنازلي‪ًV‬ا‪،‬‬
‫وذلك باختيار األمر الفرعي ‪ RANK CASES‬من األمر الرئيسي ‪.TRANSFORM‬‬
‫تكوين متغير جديد باستخدام معادلة‬

‫األمر ‪Compute‬‬
‫أختر من الالئحة الرئيسة األمر ‪ ،TRANSFORM‬ثم األمر الفرعي ‪ COMPUTE‬بعد ذلك حدد اس‪VV‬م المتغ‪VV‬ير‬
‫الجديد في ‪ TARGET VARIABLE‬ثم كتابة المعادلة التي سوف تقوم بتكوينها باس‪VV‬تخدام المتغ‪VV‬يرات المعرف‪VV‬ة‬
‫لتحديد شرط تحقيق المعادلة‪ .‬أنظر المربع الحواري التالي‪:‬‬ ‫مسبقًا‪ .‬وبالضغط على مفتاح‬
‫استخدام الدالة ‪ IF‬مع ‪Compute‬‬
‫تستخدم الدالة ‪ IF‬في حالة إضافة شرط معين لحساب قيم متغير جديد بالنسبة لمتغير موجود مسبقًا‬
‫‪Page 12 of 57‬‬
‫‪ -‬فمثَال‪ :‬افتح الملف ‪.Employee Data‬‬
‫‪ -‬المطلوب‪ :‬إعطاء مكافأة مقدارها مرتب شهر واحد للموظفين الذين تعلموا ‪ 16‬سنة فأكثر‪.‬‬
‫‪SPSS STEP BY STEP‬‬

‫‪Transform Compute‬‬
‫‪:‬أكمل المربع الحواري كما يلي ‪-‬‬
‫‪ -‬اضغط على االختيار ‪ …If‬ثم أكمل المربع الحواري كما يلي‪:‬‬
‫نالحظ أنه تم إضافة متغير باسم ‪ new1‬يشتمل على مكافأة ش•هر للم•وظفين ال•ذين ع•دد س•نوات تعليمهم ‪ 16‬س•نة‬
‫فأكثر وخاليا مفقودة (بدون قيم) لباقي الموظفين‪.‬‬
‫‪Page 13 of 57‬‬
‫فمثًال الموظف رقم ‪ :2‬عدد س••نوات التعليم الخاص••ة ب••ه ‪ 16‬س••نة وراتب••ه الس••نوي الح••الي ‪ ،$40200‬نالح••ظ أن••ه‬
‫استحق مكافأة مقدارها ‪.)3350=40200/12( $3350‬‬
‫اختيار خاليا ‪SELECT CASES‬‬

‫يستخدم هذه األمر الختيار الحاالت التي تحقق شرط معين الستخدامها في تحليل إحصائي خاص لبعض الحاالت‬
‫المطلوبة‪ ،‬فمثًال إذا كان المطلوب اختيار الذكور الذين يعملون في وظيفة مدير أو اختيار عينة عشوائية ذات حجم‬
‫معين‪.‬‬
‫‪Data Select Cases‬‬
‫توجد عدة اختيارات في المربع الحواري السابق هي‪:‬‬

‫‪All cases .1‬‬
‫يستخدم هذا االختيار في حالة استخدام جميع الخاليا دون تحقيق شرط معين وهذا هو االختيار المبدئي في‬
‫‪.SPSS‬‬
‫‪If condition is satisfied .2‬‬
‫يستخدم هذا االختيار في حالة اختيار بعض الخاليا التي تحقق شرط معين‪ ،‬ويمكن استخدام الرموز التالية مع هذا االختيار‪:‬‬
‫أصغر من أو يساوي‬ ‫<=‬ ‫أصغر من‬ ‫<‬
‫أكبر من أو يساوي‬ ‫>=‬ ‫أكبر من‬ ‫>‬
‫ال يساوي‬ ‫~=‬ ‫يساوي‬ ‫=‬
‫يمكن استخدام الرموز المنطقية التالية مع الدالة ‪" | " If: and " & "، or‬‬
‫ولتنفيذ ذلك نشط هذا االختيار ثم اضغط ‪ If‬فيظهر المربع الحواري التالي‪:‬‬
‫‪Page 14 of 57‬‬
‫فمثًال‪:‬‬
‫‪ -‬الختيار الحاالت التي أقل من ‪ 18‬سنة مثًال لقيم المتغير ‪educ‬نستخدم عالمة أقل من " < " يمكن استخدام‬
‫الشرط التالي‪:‬‬
‫‪ educ < 18‬أو ‪educ <= 17‬‬
‫‪ -‬الختيار الم•وظفين ب•دون الم•دراء فق•ط يمكن اس•تخدام العالم•ة ال يس•اوي " ~= " حيث تم تص••نيف الم•دراء‬
‫بالرقم ‪ 3‬لتنفيذ ذلك استخدام الشرط التالي‪:‬‬
‫‪Jobcat ~= 3‬‬
‫‪ -‬الختيار الموظفين الذكور الذين تعلموا أكثر من ‪ 18‬سنة ومدراء يمكن استخدام الشرط التالي‪:‬‬
‫‪Gender = “m” & educ >18 & jobcat = 3‬‬
‫علمًا بأن المتغير ‪ Gender‬متغير وص••في تم تص••نيفه إلى ن•وعين هم•ا‪ :m :‬ذك•ور‪ :f ،‬إن•اث‪ ،‬وفي حال•ة المتغ•ير‬
‫الوصفي يجب وضع الرمز المناسب (‪ )m, f‬بين عالمتي تنصيص " "‪.‬‬
‫‪ -‬الختيار الموظف الذي يعمل في وظيفة كاتب أو مدير يمكن استخدام الشرط التالي‪:‬‬
‫‪Jobcat = 1 | Jobcat = 3‬‬
‫مع مالحظة أنه من الضروري تكرار اسم المتغير‪ ،‬أي أنه من الخطأ استخدام الشرط السابق على النحو التالي‪:‬‬
‫‪Jobcat = 1 | 3‬‬
‫يمكن استخدام دالة ‪ any‬الختيار الموظف الذي يعمل في وظيفة كاتب أو مدير كما يلي‪:‬‬
‫) ‪any( Jobcat, 1 , 3‬‬
‫‪ -‬الختيار الموظفين الذين تعلموا بين ‪ 18‬سنة و ‪ 20‬سنة مثًال يمكن استخدام الشرط التالي‪:‬‬
‫‪educ >=18 & educ <= 20‬‬
‫أو يمكن استخدام الشرط في الصورة التالية‪:‬‬

‫)‪range (educ,18,20‬‬
‫‪Random sample of cases .3‬‬
‫يستخدم هذا االختيار في حالة اختيار عينة عشوائية بحجم معين‪ ،‬ولتنفيذ ذلك نشط هذا االختيار ثم اضغط‬
‫‪ Sample‬فيظهر المربع الحواري التالي‪:‬‬
‫‪Page 15 of 57‬‬
‫يوجد اختياران في المربع الحواري السابق هما‪:‬‬

‫‪ :Approximately‬يستخدم الختيار نسبة مئوية تقريبية من الحاالت‪ ،‬فمثًال يمكن اختيار ‪ %20‬تقريبًا من كل‬
‫الخاليا‪.‬‬
‫‪ :Exactly‬يستخدم الختيار عينة عشوائية ذات حجم معين من أول عدد مناسب من الخاليا مع مالحظة أن عدد‬
‫الخاليا المطلوب اختيارها يجب أن يكون أقل من عدد الخاليا المطلوب االختيار منها‪ ،‬فمثًال يمكن اختيار ‪100‬‬
‫خلية فقط من أول ‪ 150‬خلية‪.‬‬
‫‪Based on time or case range .4‬‬
‫يس ‪VV‬تخدم ه ‪VV‬ذا االختي ‪VV‬ار في حال ‪VV‬ة اختي ‪VV‬ار عين ‪VV‬ة عش ‪VV‬وائية بحجم معين‪ ،‬ولتنفي ‪VV‬ذ ذل ‪VV‬ك نش ‪VV‬ط ه ‪VV‬ذا االختي ‪VV‬ار ثم اض ‪VV‬غط‬
‫‪ Range‬فيظهر المربع الحواري التالي‪:‬‬

‫الختيار الحاالت بين ‪ 50 ،20‬مثًال اكتب في المربع الحواري السابق اكتب ‪ 20‬في المستطيل أسفل ‪First Case،‬‬
‫‪ 50‬في المستطيل أسفل ‪.Last Case‬‬
‫‪Use filter variable .5‬‬

‫يستخدم هذا االختيار في حالة استخدام متغير رقمي كمتغير لتصفية الخاليا المطلوبة‪ ،‬وفي هذه الحالة فإن الخالي••ا‬
‫التي قيمها ال تساوي صفرًا أو ليست قيم مفقودة لمتغير التصفية سوف يتم اختيارها‪.‬‬
‫االختيار ‪ Filtered‬أسفل ‪ :Unselected Cases Are‬يستخدم لتصفية الخاليا الغير مطلوب••ة م••ع إبقائه••ا في‬
‫ملف البيانات‪ ،‬أما االختيار ‪ Deleted‬فيستخدم لمسح الخاليا الغير مطلوبة من ملف البيانات‪.‬‬
‫‪Page 16 of 57‬‬
‫إعادة الترميز ‪Recode‬‬

‫يستخدم األمر ‪ Recode‬في عمليات الفرز لمجموعات مختلفة‪ ،‬وذلك بهدف إنشاء جداول تكرارية مختصرة‬
‫ويمكن تنفيذ ذلك على نفس المتغير أو إنشاء متغير جديد وينصح بإنشاء متغير جديد ألن تنفيذ األمر ‪Recode‬‬
‫على نفس المتغير يعمل على مسح قيم المتغير األصلية التي قد تستخدم فيما بعد ألغراض تحليلية أخرى‪.‬‬
‫المطلوب‪ :‬فرز عدد سنوات التعليم (‪ )educ‬في ملف ‪ Employee data‬وذلك في متغير جديد باسم‬
‫‪ educ_new‬حسب التصنيف التالي‪:‬‬
‫‪19-21‬‬ ‫‪17-18‬‬ ‫‪13-16‬‬ ‫‪8-12‬‬
‫مدى الدرجات‬
‫‪4‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫التصنيف‬

‫‪Transform Recode‬‬ ‫‪Into Different Variables‬‬
‫‪ -‬أكمل المربع الحواري كما يلي‪:‬‬
‫‪ -‬اضغط على ‪ Old and New Values‬ثم أكمل المربع الحواري كما يلي‪:‬‬
‫‪Page 17 of 57‬‬
‫‪ -‬المطلوب تصنيف البيانات السابقة كما يلي‪:‬‬

‫‪19-21‬‬ ‫‪17-18‬‬ ‫‪13-16‬‬ ‫‪8-12‬‬
‫مدى الدرجات‬
‫دكتوراة‬ ‫ماجستير‬ ‫جامعي‬ ‫ثانوي فأقل‬ ‫التصنيف‬
‫اتبع نفس الخطوات في المثال السابق مع اختيار ‪ Output variables are strings‬في المربع الحواري السابق‬
‫مع استبدال التصنيف السابق (‪ )1،2،3،4‬بالتصنيف الجديد (ثانوي فأقل‪ ،‬جامعي‪ ،‬ماجستير‪ ،‬دكتوراة) حيث أن‬
‫التصنيف في هذه الحالة متغير وصفي‪.‬‬
‫الشكل التالي يمثل جزء من نافذة ملف البيانات بعد االنتهاء من تنفيذ األمر‪.‬‬
‫مالحظات‪:‬‬
‫‪ -‬يمكن فرز كًال من المتغيرات الرقمية والوصفية بطريقة منفصلة‪ ،‬وال يجوز فرزها معًا‪.‬‬
‫‪ -‬في حالة اختيار عدة متغيرات يجب أن تكون كلها من نفس النوع (رقمية أو اسمية)‪.‬‬
‫‪ -‬يستخدم االختيار ‪ IF‬إذا كانت هناك شروط خاصة يجب تحقيقها لعملية الفرز‪.‬‬
‫‪ -‬في حالة اختيار ‪ Into Same Variable‬سيتم استبدال قيم المتغير األصلية بنتائج عملية الفرزمما يعني‬
‫فقدان القيم األصلية‪.‬‬
‫‪Page 18 of 57‬‬
‫اإلحصاء الوصفي والمدرج التكراري للبيانات‬

‫(‪ )1‬التكرارات والمدرج التكراري ‪Histogram and Frequencies‬‬
‫اختر من الالئحة الرئيسة ما يلي‪:‬‬
‫‪ANALYZE ‬‬
‫‪ ‬اختر األمر ‪.DESCRIPTIVE STATISTICS‬‬
‫‪ FREQUENCIES ‬وتستخدم لعرض الجداول التكرارية للمتغيرات موضع الدراسة‪.‬‬
‫‪Gender‬‬
‫‪Cumulative‬‬
‫‪Frequency‬‬ ‫‪Percent‬‬ ‫‪Valid Percent‬‬ ‫‪Percent‬‬
‫‪Valid‬‬ ‫‪Female‬‬ ‫‪216‬‬ ‫‪45.6‬‬ ‫‪45.6‬‬ ‫‪45.6‬‬
‫‪Male‬‬ ‫‪258‬‬ ‫‪54.4‬‬ ‫‪54.4‬‬ ‫‪100.0‬‬
‫‪Total‬‬ ‫‪474‬‬ ‫‪100.0‬‬ ‫‪100.0‬‬
‫والض ‪VV‬غط على مفت ‪VV‬اح‬ ‫يمكن تحدي ‪VV‬د المطل ‪VV‬وب إظه ‪VV‬اره بتحدي ‪VV‬د االختي ‪VV‬ارات بالض ‪VV‬غط على مفت ‪VV‬اح‬
‫الرسم البياني‬
‫‪yrogetaC tnemyolpmE‬‬
‫‪004‬‬
‫‪363‬‬
‫‪%85.67‬‬
‫‪003‬‬
‫‪002‬‬
‫‪ycneuqerF‬‬
‫‪001‬‬
‫‪48‬‬
‫‪%27.71‬‬
‫‪72‬‬
‫‪%7.5‬‬
‫‪0‬‬
‫‪lacirelC‬‬ ‫‪laidotsuC‬‬ ‫‪reganaM‬‬
‫‪yrogetaC tnemyolpmE‬‬
‫‪Page 19 of 57‬‬
‫(‪ )2‬اإلحصاء الوصفي ‪Descriptive Statistics‬‬

‫‪ANALYZE -1‬‬
‫‪ -2‬اختر من األمر ‪DESCRIPTIVE STATISTICS‬‬
‫‪ DESCRIPTIVES -3‬وتعني اإلحصاء الوصفي‬
‫ولتحديد مخرجات اإلحصاء الوصفي اختر ‪ OPTION‬من الالئحة الفرعية‪ ،‬ثم حدد ما هو المطلوب‪.‬‬
‫(‪ )3‬المستكشف ‪Explore‬‬

‫‪ANALYZE -1‬‬
‫‪ -2‬اختر األمر ‪DESCRIPTIVE STATISTICS‬‬
‫‪ EXPLORE -3‬وتعني إظهار الخصائص اإلحصائية للمتغير‪ -‬جميع المتغيرات كل على حدة أو حسب‬
‫مجموعات ذات خصائص معينة‪ .‬وذلك بكتابة المتغير "المراد إظهار صفاته اإلحصائية" في خانة‬
‫‪ DEPENDENT LIST‬ولتحديد المجموعة يتم كتابة المتغير في خانة ‪.FACTOR LIST‬‬
‫‪Page 20 of 57‬‬
‫ سمير خالد صافي‬.‫د‬ SPSS ‫دورة في البرنامج اإلحصائي‬
Descriptives
Gender Statistic Std. Error

Educational Level (years) Female Mean 12.37 .158
95% Confidence Lower Bound 12.06
Interval for Mean Upper Bound
12.68
5% Trimmed Mean 12.41

Median 12.00
Variance 5.378
Std. Deviation 2.319
Minimum 8
Maximum 17
Range 9
Interquartile Range 3
Skewness -.250 .166
Kurtosis -.207 .330
Male Mean 14.43 .185
95% Confidence Lower Bound 14.06
Interval for Mean Upper Bound
14.80
5% Trimmed Mean 14.52

Median 15.00
Variance 8.876
Std. Deviation 2.979
Minimum 8
Maximum 21
Range 13
Interquartile Range 4
Skewness -.455 .152
Kurtosis -.044 .302
CROSS TABULATION ‫) جداول االقتران‬4(

:‫اختر من الالئحة الرئيسة ما يلي‬
.DESCRIPTIVE STATISTICS ‫ ثم اختر األمر‬ANALYZE -1
‫ في جداول االقتران لمعرفة مدى استقاللية‬CHI-SQAURE ‫ تستخدم إحصائية‬،CROSSTABS -2
.‫المتغيرات عن بعضها البعض‬
Page 21 of 57
Gender * Employment Category Crosstabulation
Employment Category
Clerical Custodial Manager Total
Gender Female Count 206 0 10 216
% within Gender 95.4% .0% 4.6% 100.0%
% within Employment
56.7% .0% 11.9% 45.6%
Category
% of Total 43.5% .0% 2.1% 45.6%
Male Count 157 27 74 258
% within Gender 60.9% 10.5% 28.7% 100.0%
% within Employment
43.3% 100.0% 88.1% 54.4%
Category
% of Total 33.1% 5.7% 15.6% 54.4%
Total Count 363 27 84 474
% within Gender 76.6% 5.7% 17.7% 100.0%
% within Employment
100.0% 100.0% 100.0% 100.0%
Category
% of Total 76.6% 5.7% 17.7% 100.0%
Chi-Square Tests
Asymp. Sig.
Value df (2-sided)
Pearson Chi-Square 79.277a 2 .000
Likelihood Ratio 95.463 2 .000
N of Valid Cases 474
a. 0 cells (.0%) have expected count less than 5. The
minimum expected count is 12.30.
‫الرسم البياني‬
‫ العديد‬GRAPHS ‫ ويتفرع من األمر الرئيسي‬،‫يمكن تمثيل المتغيرات بالرسم البياني وذلك لتحليلها وتفسيرها‬
‫ على سبيل‬،‫من األوامر المتعددة بأشكال الرسم البياني ولكل أمر فرعي اختيارات معينة حسب رغبة الباحث‬
.‫ وتعني تمثيل البيانات باألعمدة البيانية البسيطة والمزدوجة‬BAR ‫المثال االختيار‬
Page 22 of 57
‫بعد تحديد الرسم البياني واختيار المتغيرات تظهر النتائج في نافذة خاصة للرسم البياني‪ ،‬حيث يمكن إضافة‬
‫وتعديل العناوين بالضغط على الرسم البياني مرتين بالماوس‪.‬‬
‫افتح ملف البيانات ‪Employee data‬‬
‫‪Graphs‬‬ ‫‪Legacy Dialogs‬‬ ‫‪Bar‬‬
‫اختر ‪ Simple ، Summaries for groups of cases‬كما هو موضح في المربع الحواري التالي‪:‬‬
‫أكمل المربع الحواري كما يلي‪:‬‬
‫‪Page 23 of 57‬‬
‫فنحصل على الرسم البياني التالي بعد تنسيقه‬

‫‪400‬‬
‫‪363‬‬
‫‪76.58%‬‬
‫‪300‬‬
‫‪Count‬‬
‫‪200‬‬
‫‪100‬‬
‫‪84‬‬
‫‪17.72%‬‬
‫‪27‬‬
‫‪5.70%‬‬
‫‪0‬‬
‫‪Clerical‬‬ ‫‪Custodial‬‬ ‫‪Manager‬‬
‫‪Employment Category‬‬
‫اختر ‪ Clustered، Summaries for groups of cases‬كما هو موضح في المربع الحواري التالي‪:‬‬
‫‪Page 24 of 57‬‬
Gender
250
Female
Male
206
200 43.46%
157
150 33.12%
Count
100
74
15.61%
50
27
5.70%
10…
0 …
Clerical Custodial Manager
Employment Category
:‫ كما هو موضح في المربع الحواري التالي‬Clustered، Summaries for separate variables ‫اختر‬
:‫أكمل المربع الحواري كما يلي‬
Page 25 of 57

‫‪yralaS tnerruC‬‬
‫‪000,05$‬‬ ‫‪yralaS gninnigeB‬‬
‫‪244,14$‬‬
‫‪000,04$‬‬
‫‪000,03$‬‬
‫‪230,62$‬‬
‫‪naeM‬‬
‫‪000,02$‬‬ ‫‪103,02$‬‬
‫‪290,31$‬‬
‫‪000,01$‬‬
‫‪0$‬‬
‫‪elameF‬‬ ‫‪elaM‬‬
‫‪redneG‬‬
‫المدرج التكراري ‪Histogram‬‬

‫‪Graphs‬‬ ‫‪Legacy Dialogs‬‬ ‫‪Histogram‬‬

‫فنحصل على الرسم البياني التالي‬
‫‪Page 26 of 57‬‬
120
100
80
Frequency
60
40
20
Mean =$34,419.57
Std. Dev. =$17,075.661
N =474
0
$0 $25,000 $50,000 $75,000 $100,000 $125,000
Current Salary
Page 27 of 57
‫‪Test of Hypotheses‬‬ ‫اختبار الفرضيات‬

‫يعتبر موضوع اختبار الفرضيات اإلحصائية من أهم الموضوعات في مجال اتخاذ القرارات وسنبدأ بذكر بعض‬
‫المصطلحات الهامة في هذا المجال‪.‬‬
‫‪ -1‬الفرضية اإلحصائية‬
‫هي عبارة عن ادعاء قد يكون صحيحًا أو خطأ حول معلمة أو أكثر لمجتمع أو لمجموعة من المجتمعات‪.‬‬
‫تقبل الفرضية في حالة أن بيانات العينة تساند النظرية‪ ،‬وترفض عندما تكون بيانات العينة على النقيض منها‪،‬‬
‫وفي حالة عدم رفضنا للفرضية اإلحصائية فإن هذا ناتج عن عدم وجود أدلة كافية لرفضها من بيانات العينة‬
‫ولذلك فإن عدم رفضنا لهذه الفرضية ال يعنى بالضرورة أنها صحيحة‪ ،‬أما إذا رفضنا الفرضية بناء على‬
‫المعلومات الموجودة في بيانات العينة فهذا يعنى أن الفرضية خاطئة‪ ،‬ولذلك فإن الباحث يحاول أن يضع الفرضية‬
‫بشكل يأمل أن يرفضها‪ ،‬فمثًال إذا أراد الباحث أن يثبت بأن طريقة جديدة من طرق التدريس أحسن من غيرها‬
‫فإنه يضع فرضية تقول بعدم وجود فرق بين طرق التدريس‪.‬‬
‫‪،‬‬ ‫إن الفرضية التي يأمل الباحث أن يرفضها تسمى بفرضية العدم (الفرضية المبدئية) ويرمز لها بالرمز‬
‫‪.‬‬ ‫ورفضنا لهذه الفرضية يؤدى إلى قبول فرضية بديلة عنها تسمى الفرضية البديلة ويرمز لها بالرمز‬
‫‪ -2‬مستوى المعنوية أو مستوى االحتمال‬

‫عندما تكون صحيحة أو هو احتمال الوقوع في الخطأ من‬ ‫وهي درجة االحتمال الذي نرفض به فرضية العدم‬
‫النوع األول ويرمز له بالرمز ‪ ،‬وهي يحددها الباحث لنفسه منذ البداية وفي معظم العلوم التطبيقية نختار‬
‫مساوية ‪ %1‬أو ‪ % 5‬على األكثر‪.‬‬
‫‪ -3‬دالة االختبار اإلحصائية‬

‫عبارة عن متغير عشوائي له توزيع احتمالي معلوم وتصف الدالة اإلحصائية العالقة بين القيم النظرية للمجتمع‬
‫والقيم المحسوبة من العينة‪.‬‬
‫‪ -4‬القيمة االحتمالية (‪: )Sig. or P-value‬‬
‫احتمال الحصول على قيمة أكبر من أو تساوي (أقل من أو تساوي) إحصائية االختبار المحسوبة من بيانات‬
‫‪.‬‬ ‫وطبيعة الفرض البديل‬ ‫العينة أخذًا في االعتبار توزيع إحصائية االختبار بافتراض صحة فرض العدم‬
‫ويتم استخدام القيمة االحتمالية التخاذ قرار حيال فرض العدم‪.‬‬
‫‪Page 28 of 57‬‬
‫خطوات اختبار الفرضيات‪:‬‬
‫(‪ )1‬تحديد نوع توزيع المجتمع‬

‫يجب تحديد ما إذا كان المتغير العشوائي الذي يتم دراسته يتبع التوزيع الطبيعي أم توزيع بواسون أم‬
‫توزيع ذو الحدين أم غيره من التوزيعات االحتمالية المتصلة أو المنفصلة‪ ،‬معظم التوزيعات االحتمالية يكون‬
‫توزيعها مشابهًا للتوزيع الطبيعي خاصة إذا كان حجم العينة كبيرًا‪.‬‬
‫هناك نوعان من الطرق اإلحصائية التي تستخدم في اختبار الفرضيات‪:‬‬
‫( أ ) االختبارات المعلمية‪ :‬وتستخدم في حالة البيانات الرقمية التي توزيعها يتبع التوزيع الطبيعي‪.‬‬
‫(ب) االختبارات غير المعلمية‪ :‬وتستخدم في حالة البيانات الرقمية التي توزيعها ال يتبع التوزيع الطبيعي طبيعي‪،‬‬
‫وكذلك في حالتي البيانات الترتيبية والوصفية‪.‬‬
‫‪ -2‬صياغة فرضيتا العدم والبديلة‬

‫‪ ،‬فإن‬ ‫مقابل الفرضية القائلة بأن ال يساوى‬ ‫مثًال‪ :‬عند اختبار أن متوسط المجتمع يساوى قيمة معينة‬
‫تكون على النحو التالي‪:‬‬ ‫والفرضية البديلة‬ ‫فرضية العدم‬
‫‪ -3‬اختيار مستوى المعنوية‬

‫‪ -4‬اختيار دالة االختبار اإلحصائية المناسبة‬
‫‪ -5‬جمع البيانات من العينة وحساب قيمة دالة االختبار اإلحصائية‬
‫‪ -6‬اتخاذ القرارات‬
‫ونقب ‪QQ‬ل إذا ك ‪QQ‬انت قيم ‪QQ‬ة االحتم ‪QQ‬ال (‪ )Sig. or P-value‬أق ‪QQ‬ل من أو تس ‪QQ‬اوي مس ‪QQ‬توى‬ ‫ن ‪QQ‬رفض‬
‫‪.‬‬ ‫المعنوية ( )‪ ،‬أما إذا كانت قيمة االحتمال أكبر من فال يمكن رفض‬
‫‪.‬‬ ‫عندما تكون‬ ‫وبرنامج ‪ SPSS‬يعطي ‪ Sig. 2-tailed‬فبالتالي نرفض فرضية العدم‬
‫أوًال‪ :‬اختبار ‪ T‬في حالة اختبار فرضيات متعلقة بمتوسط واحد‬
‫على مستوى داللة مقابل‬ ‫إذا كان المطلوب اختبار فرضية العدم‬
‫‪-1‬‬
‫‪-2‬‬
‫‪-3‬‬
‫‪Page 29 of 57‬‬
‫مثال (‪)1‬‬
‫البيانات التالية تمثل درجات عشرين طالبًا في مساق ما‪:‬‬

‫‪84 ,78 ,69 ,73 ,68 ,79 ,72 ,68 ,60 ,48 ,60 ,90 ,85 ,87 ,92 ,45 ,82 ,68 ,72 ,65‬‬
‫المطلوب‪ :‬اختبار الفرضية المبدئية القائلة بأن متوسط درجات الطالب = ‪ 65‬درجة‪.‬‬
‫‪Analyze‬‬ ‫‪Compare Means‬‬ ‫‪One-Sample T Test‬‬
‫نتائج االختبار‬
‫‪scitsitatS elpmaS-enO‬‬
‫‪rorrE .dtS‬‬
‫‪N‬‬ ‫‪naeM‬‬
‫‪noitaiveD .dtS‬‬ ‫‪naeM‬‬
‫‪serocs‬‬ ‫‪02‬‬ ‫‪52.27‬‬ ‫‪768.21‬‬ ‫‪778.2‬‬
‫‪tseT elpmaS-enO‬‬
‫‪56 = eulaV tseT‬‬

‫‪ecnedifnoC %59‬‬
‫‪eht fo lavretnI‬‬
‫‪naeM‬‬ ‫‪ecnereffiD‬‬
‫‪t‬‬ ‫(‪)deliat-2‬‬
‫‪fd‬‬ ‫‪.giS‬‬ ‫‪ecnereffiD‬‬ ‫‪rewoL‬‬ ‫‪reppU‬‬
‫‪serocs‬‬ ‫‪025.2‬‬ ‫‪91‬‬ ‫‪120.‬‬ ‫‪052.7‬‬ ‫‪32.1‬‬ ‫‪72.31‬‬
‫من النتائج السابقة يمكن استنتاج ما يلي‪:‬‬

‫‪ ،t = 2.52، Sig.(2-tailed)=0.021‬وهي أقل من ‪( 0.05‬مستوى المعنوية) فبالتالي نرفض الفرضية المبدئية‬
‫القائلة بأن متوسط درجات الطالب في الرياض••يات نس•اوي ‪ 65‬درج•ة‪ ،‬ونس•تنتج أن درج•ات الطالب ال تس•اوي‬
‫(تختلف عن) ‪.65‬‬
‫يمكن اختبار الفرضية البديلة القائلة بأن متوسط درجات الطالب أكبر من ‪.65‬‬
‫حيث أن نتيجة الوسط الحسابي للعينة تتوافق مع الفرضية البديلة (متوس••ط درج••ات الطالب أك••بر من ‪ 65‬درج••ة)‬
‫فبالتالي نستنتج أن متوسط درجات الطالب أكبر من ‪ 65‬درجة‪.‬‬
‫‪Page 30 of 57‬‬
‫ثانيًا‪ :‬اختبارات الفروق بين متوسطين مجتمعين مستقلين‬

‫‪ ،‬وعين•ة عش•وائية أيض•ًا من توزي•ع ط•بيعي‬ ‫في هذه الحال•ة نأخ•ذ عين•ة عش•وائية من توزي•ع ط•بيعي‬
‫ولكنهما مجهولتان‪.‬‬ ‫ومستقل عن التوزيع األول‪ ،‬وتكون‬
‫على مستوى داللة مقابل‬ ‫إذا كان المطلوب اختبار فرضية العدم‬
‫(‪)1‬‬
‫(‪)2‬‬
‫(‪)3‬‬
‫مثال (‪)2‬‬
‫مستخدمًا الملف ‪ .employee‬المطلوب اختبار ما إذا كان هناك فرق معنوي بين متوسط الراتب الح••الي الس••نوي‬
‫‪.‬‬ ‫للموظفين (‪ )salary‬يعزى إلى متغير الجنس (‪ )gender‬مستخدمًا مستوى معنوية‬
‫‪Analyze‬‬ ‫‪Compare Means‬‬ ‫‪Independent- Samples T Test‬‬
‫نتيجة االختبار‬
‫‪Page 31 of 57‬‬
‫‪scitsitatS puorG‬‬
‫‪redneG‬‬ ‫‪N‬‬ ‫‪naeM‬‬
‫‪noitaiveD .dtS‬‬ ‫‪naeM‬‬
‫‪yralaS tnerruC‬‬ ‫‪elaM‬‬ ‫‪852‬‬
‫‪87.144,14$ 412.994,91$‬‬ ‫‪869.312,1$‬‬
‫‪elameF‬‬ ‫‪612‬‬
‫‪29.130,62$‬‬ ‫‪120.855,7$‬‬ ‫‪852.415$‬‬
‫‪tseT selpmaS tnednepednI‬‬
‫‪rof tseT s'eneveL‬‬

‫‪secnairaV fo ytilauqE‬‬ ‫‪snaeM fo ytilauqE rof tset-t‬‬
‫‪eht fo lavretnI ecnedifnoC %59‬‬
‫‪naeM rorrE .dtS‬‬ ‫‪ecnereffiD‬‬
‫‪F‬‬ ‫‪.giS‬‬ ‫‪t‬‬ ‫(‪)deliat-2‬‬
‫‪fd‬‬ ‫‪.giS‬‬ ‫‪ecnereffiD‬‬ ‫‪ecnereffiD‬‬ ‫‪rewoL‬‬ ‫‪reppU‬‬
‫‪yralaS tnerruC secnairav lauqE‬‬
‫‪966.911‬‬ ‫‪000.‬‬ ‫‪549.01‬‬ ‫‪274‬‬ ‫‪000.‬‬
‫‪68.90451$‬‬ ‫‪609.704,1$‬‬ ‫‪223.346,21$‬‬ ‫‪104.671,81$‬‬
‫‪demussa‬‬
‫‪secnairav lauqE‬‬
‫‪886.11‬‬ ‫‪262.443‬‬ ‫‪000.‬‬
‫‪68.90451$‬‬ ‫‪004.813,1$‬‬ ‫‪827.618,21$‬‬ ‫‪699.200,81$‬‬
‫‪demussa ton‬‬

‫تباينيا المجتمعين غير متساويين حسب اختيار ليفين (‪ ،)Levene’s Test‬حيث ‪ .Sig. = 0.000‬حيث أن قيمة‬
‫‪ t=11.688، Sig. = 0.000‬فبالتالي نرفض فرضية العدم القائلة بأنه ال يوجد فرق معنوي بين متوسطي الراتب‬
‫الحالي السنوي للذكور واإلناث على أساس مستوى معنوية ‪.%5‬‬
‫‪ 95%‬فترة الثقة للف•رق بين متوس•طي المجتمعين هي‪ .)12816.73 , 18003.00( :‬ونج•د أن الص•فر ال ينتمي‬
‫إلى الفترة السابقة مما يؤكد أنه يوجد فرق معنوي بين متوس••طي ال••راتب الح••الي الس••نوي لل••ذكور واإلن••اث‪ ،‬وهي‬
‫نفس النتيجة التي حصلنا عليها في حالة استخدام اختبار ‪.t‬‬
‫يمكن اختبار الفرضية البديلة القائلة بأن متوسط الراتب الحالي السنوي للذكور أكبر منه لإلناث‪.‬‬
‫حيث أن نتيجة الوسط الحسابي للفرق بين متوسطي الذكور واإلن•اث موجب•ًا (‪ )15409.88‬يتواف••ق م••ع الفرض••ية‬
‫البديلة بالتالي نستنتج أن متوسط الراتب الحالي السنوي للذكور أكبر منه لإلناث‪.‬‬
‫ثالثًا‪ :‬اختبارات الفروق بين متوسطي مجتمعين من عينات مرتبطة‬

‫في ه••ذه الحال••ة تك••ون البيان••ات مزدوج••ة‪ ،‬أي أن العين••تين مرتبطت••ان حيث أن البيان••ات تك••ون على ش••كل أزواج‬
‫وبالتالي فإن حجم العينتين البد أن يكون متساويًا‪.‬‬
‫مثال (‪)3‬‬
‫البيانات التالية تمثل نتائج تجربة أجريت على عشرين شخصًا الختبار مدى فعالية نظام خاص من الغذاء لتخفي••ف‬
‫الوزن‪ ،‬حيث تم قياس أوزانهم قبل البدء في تطبيق هذا النظام‪ ،‬وبعد اتباع هذا النظام الخاص لمدة ثالثة شهور‪.‬‬
‫‪92‬‬ ‫‪103‬‬ ‫‪120‬‬ ‫‪89‬‬ ‫‪93‬‬ ‫‪107‬‬ ‫‪94‬‬ ‫‪90‬‬ ‫‪110‬‬ ‫‪96‬‬ ‫‪Before‬‬
‫‪84‬‬ ‫‪95‬‬ ‫‪103‬‬ ‫‪76‬‬ ‫‪85‬‬ ‫‪104‬‬ ‫‪87‬‬ ‫‪85‬‬ ‫‪96‬‬ ‫‪90‬‬ ‫‪After‬‬
‫‪123‬‬ ‫‪111‬‬ ‫‪90‬‬ ‫‪95‬‬ ‫‪123‬‬ ‫‪105‬‬ ‫‪110‬‬ ‫‪86‬‬ ‫‪94‬‬ ‫‪86‬‬ ‫‪Before‬‬
‫‪107‬‬ ‫‪102‬‬ ‫‪83‬‬ ‫‪89‬‬ ‫‪109‬‬ ‫‪95‬‬ ‫‪102‬‬ ‫‪80‬‬ ‫‪84‬‬ ‫‪78‬‬ ‫‪After‬‬
‫؟‬ ‫المطلوب‪ :‬هل تستطيع أن تستنتج أن نظام الغذاء كان فعاًال في تخفيف الوزن مستخدمًا مستوى داللة‬
‫‪Page 32 of 57‬‬
‫‪Analyze‬‬ ‫‪Compare Means‬‬ ‫‪Paired- Samples T Test‬‬
‫‪scitsitatS selpmaS deriaP‬‬
‫‪naeM‬‬ ‫‪noitaiveD‬‬
‫‪N‬‬ ‫‪.dtS‬‬ ‫‪naeM‬‬
‫‪riaPerofeb_x‬‬ ‫‪0058.001‬‬ ‫‪02 53011.21‬‬ ‫‪69707.2‬‬
‫‪1 retfa_y‬‬ ‫‪0007.19‬‬ ‫‪02 44631.01‬‬ ‫‪85662.2‬‬
‫‪snoitalerroC selpmaS deriaP‬‬
‫‪n‬‬
‫‪NoitalerroC‬‬ ‫‪.giS‬‬
‫‪retfa_y‬‬
‫‪1 riaP‬‬
‫‪& erofeb_x‬‬ ‫‪02‬‬ ‫‪759.‬‬ ‫‪000.‬‬
‫‪tseT selpmaS deriaP‬‬
‫‪secnereffiD deriaP‬‬
‫‪ecnedifnoC %59‬‬
‫‪eht fo lavretnI‬‬
‫‪rorrE .dtS‬‬ ‫‪ecnereffiD‬‬
‫‪naeM‬‬
‫‪noitaiveD .dtS‬‬ ‫‪naeM‬‬ ‫‪rewoL‬‬ ‫‪reppU‬‬ ‫‪t‬‬ ‫(‪)deliat-2‬‬
‫‪fd‬‬ ‫‪.giS‬‬
‫‪tfa_y‬‬
‫‪1 riaP- erofeb_x‬‬ ‫‪00051.9‬‬ ‫‪44787.3‬‬ ‫‪09648.‬‬ ‫‪24773.7 85229.01‬‬ ‫‪408.01‬‬ ‫‪91‬‬ ‫‪000.‬‬

‫يوجد ارتباط طردي قوي بين الوزن قبل وبعد النظام الخاص حيث أن ‪.R = 0.957‬‬
‫‪ t = 10.804، Sig. (2 tailed) = 0.000‬وبالتالي نرفض فرضية الع•دم القائل•ة بأن•ه ال يوج•د ف•رق بين‬
‫متوسطي الوزن قبل وبعد اتباع النظام الغذائي الخاص‪ ،‬ونستنتج أنه يوجد فرق معنوي بين متوسطي الوزن‪.‬‬
‫يمكن اختبار الفرضية البديلة القائلة بأن متوسط الوزن قبل اتباع النظام الغذائي أكبر منه بعد اتباع النظام الغذائي‬
‫حيث أن نتيجة الوسط الحسابي للفرق بين متوسطي الوزن موجب•ًا (‪ )9.15‬يتواف••ق م••ع الفرض••ية البديل••ة فبالت••الي‬
‫نستنتج أن متوسط الوزن قبل اتباع النظام الغذائي أكبر منه بع••د اتب••اع النظ••ام الغ••ذائي‪ ،‬أي أن اتب••اع نظ••ام الغ••ذاء‬
‫‪.‬‬ ‫الخاص كان فعاًال في تخفيف الوزن على مستوى داللة‬
‫‪Page 33 of 57‬‬
‫التباين)‪Analysis of Variance (ANOVA‬‬ ‫تحليل‬

‫في هذه الحالة يكون االهتمام مركزًا على دراسة ت••أثير عام••ل واح••د ل••ه ع••دد من المس••تويات المختلف••ة وعن••د ك••ل‬
‫مستوى تكرر التجربة عدد من المرات‪ ،‬فمثًال إذا أردنا اختبار ما إذا كانت هناك فروق بين ثالثة أساليب لت••دريس‬
‫مساق اإلحصاء مثًال‪ ،‬ويكون المطلوب بحث ما إذا كانت هذه األساليب لها ت••أثيرات متس••اوية في درج••ة تحص••يل‬
‫الطالب مع مالحظة أن وجود اختالف بين درجات الطالب قد يرجع إلى عدة عوامل أخرى منها الف••روق الفردي••ة‬
‫وعدد ساعات الدراسة وعدد أفراد األسرة مثًال أو غيرها من العوامل األخرى‪.‬‬
‫أوًال‪ :‬تحليل التباين األحادي ‪One-Way ANOVA‬‬

‫أسلوب تحليل التباين يعطي نتائج جيدة إذا تحققت الشروط التالية‪:‬‬ ‫في‬
‫‪ -1‬المتغيرات (قيمة مفردات الظاهرة) مستقلة ولها توزيع طبيعي بنفس قيمة التباين‪.‬‬
‫‪ -2‬مجموعة البيانات في المستويات المختلفة تشكل عينات عشوائية مستقلة ولها تباين مشترك‬
‫فإذا لم تتحقق هذه الشروط يمكن استخدام االختبارات غير المعلمية‬
‫تحت الفروض السابقة‪ ،‬فإن االختالف الكلي المشاهد في مجموعة البيانات ينقسم إلى مركبتين األولى نتيجة‬
‫العامل والثانية للخطأ التجريبي‪.‬‬
‫أنه ال يوجد فروق بين متوسطات‬ ‫ويكون المطلوب في تحليل التباين األحادي اختبار الفرضية المبدئية‬
‫المجتمعات على مستوى داللة ‪.‬‬
‫بفرض أن العامل المراد دراسته له ‪ r‬من المستويات المستقلة فيكون المطلوب اختبار الفرضية المبدئية (فرضية‬
‫أي أنه ال يوجد فروق بين متوسطات المجتمعات‪.‬‬ ‫العدم)‪:‬‬
‫مقابل الفرضية البديلة‪:‬‬
‫أي أنه يوجد فروق بين متوسطات‬ ‫يوجد متوسطين على األقل من أوساط المجتمعات غير متساويين‬
‫المجتمعات‪.‬‬
‫عند رفض فرضية العدم والتي تنص على تساوي المتوسطات وقبول الفرضية البديلة أنه يوجد اثنين أو أكثر من‬
‫المتوسطات غير المتساوية‪ ،‬ونريد اختبار أي من هذه المتوسطات متساٍو أو غير متساٍو ‪ ،‬ولإلجابة على هذا‬
‫التساؤل سنعرض عدة اختبارات‪.‬‬
‫لتنفيذ ذلك عمليًا اضغط ‪ Post - Hoc‬في نافذة ‪.One-Way ANOVA‬‬
‫مثال (‪)4‬‬
‫يمثل الجدول التالي درجات مجموعة من الطلبة تم تدريسهم مساق مبادئ الرياضيات العامة بثالثة أساليب‬
‫مختلفة‪:‬‬
‫‪48‬‬ ‫‪64‬‬ ‫‪70‬‬
‫‪Page 34 of 57‬‬
‫‪94‬‬ ‫‪45‬‬ ‫‪83‬‬

‫‪83‬‬ ‫‪56‬‬ ‫‪87‬‬
‫‪84‬‬ ‫‪50‬‬ ‫‪78‬‬
‫‪80‬‬ ‫‪71‬‬
‫‪87‬‬
‫‪90‬‬
‫المطلوب‪:‬‬
‫‪ -1‬إدخال البيانات السابقة في متغير اسمه (‪.)marks‬‬
‫‪ -2‬إنشاء متغير جديد اسمه (‪ )factor‬له ثالثة قيم‪ )1( ،‬تمثل األسلوب األول‪ )2( ،‬تمثل األسلوب الثاني و (‪)3‬‬
‫تمثل األسلوب الثالث‪.‬‬
‫؟‬ ‫‪ -3‬هل هناك فرقًا بين أساليب التدريس الثالثة مستخدمًا مستوى داللة‬
‫الحل العملي‪:‬‬
‫‪Analyze‬‬ ‫‪Compare Means‬‬ ‫‪One-Way ANOVA‬‬
‫انقر بالفأرة على ‪ Options‬ثم أكمل المربع الحواري كما يلي‪:‬‬
‫‪Page 35 of 57‬‬
‫‪AVONA‬‬
‫‪nereffid rof skram‬‬

‫‪fo muS‬‬
‫‪serauqS‬‬ ‫‪erauqS‬‬
‫‪fd‬‬ ‫‪naeM‬‬ ‫‪F‬‬ ‫‪.giS‬‬
‫‪spuorG neewteB‬‬ ‫‪390.9481‬‬ ‫‪2 645.429‬‬ ‫‪440.6‬‬ ‫‪410.‬‬
‫‪spuorG nihtiW‬‬ ‫‪756.8891‬‬ ‫‪31 479.251‬‬
‫‪latoT‬‬ ‫‪057.7383‬‬ ‫‪51‬‬
‫‪o ytienegomoH fo tseT‬‬
‫‪nereffid rof skram‬‬

‫‪eneveL‬‬
‫‪citsitatS‬‬ ‫‪1fd‬‬ ‫‪2fd‬‬ ‫‪.giS‬‬
‫‪223.‬‬ ‫‪2‬‬ ‫‪31‬‬ ‫‪037.‬‬
‫من النتائج السابقة نستنتج ما يلي‪:‬‬

‫قيمة إحصاء ليفين = ‪ Sig. = 0.73 ،0.322‬وهذا يدل على تجانس تباين طرق التدريس‪.‬‬
‫‪ F = 6.044، Sig. = 0.014‬وبالتالي ن••رفض الفرض••ية المبدئي••ة وال••تي تنص على أن••ه ال يوج••د ف••روق بين‬
‫متوسطات طرق التدريس الثالثة ونستنتج أن هناك فرقًا بين أساليب التدريس المختلف•ة‪ ،‬أي أن•ه يوج•د دلي•ل ك•اٍف‬
‫على أن متوسطات أساليب التدريس المختلفة ليست كلها متساوية‪ ،‬وذلك باستخدام مستوى داللة‬
‫عند رفض فرضية العدم والتي تنص على تساوي المتوسطات وقبول الفرضية البديلة أنه يوجد اث•نين أو أك•ثر من‬
‫المتوسطات غير المتساوية‪ ،‬ونري••د اختب••ار أي من ه••ذه المتوس••طات متس••اٍو أو غ••ير متس••اٍو ‪ ،‬ولإلجاب••ة على ه••ذا‬
‫التساؤل سنعرض عدة اختبارات‪.‬‬
‫لتنفيذ ذلك عمليًا اضغط ‪ Post - Hoc‬في نافذة ‪ One-Way ANOVA‬ثم أكمل المربع الحواري كما يلي‪:‬‬
‫‪Page 36 of 57‬‬
‫توجد عدة اختبارات في حالة تحقق شرط تجانس التباين من عدمه‪.‬‬

‫حيث أن شرط تجانس تباين مستويات أساليب التدريس متحقق فيمكن اختيار اختبار بونفيروني (‪)Bonferroni‬‬
‫أو شفييه (‪ )Scheffe‬وذلك في حالة تساوي أو عدم تساوي حجوم العينات‪.‬‬
‫‪snosirapmoC elpitluM‬‬
‫‪bairaV tnednepeD‬‬
‫‪inorrefnoB‬‬
‫‪naeM‬‬
‫(‪rof rotcaF )I‬‬ ‫(‪rof rotcaF )J‬‬ ‫‪ecnereffiD‬‬ ‫‪lavretnI ecnedifnoC %59‬‬
‫‪sdohtem eerht‬‬ ‫‪sdohtem eerht‬‬ ‫‪)J-I( rorrE .dtS‬‬ ‫‪.giS‬‬
‫‪dnuoB rewoL‬‬ ‫‪dnuoB reppU‬‬
‫‪1_dohteM‬‬ ‫‪2_dohteM‬‬ ‫‪00003.22‬‬ ‫‪78692.8‬‬ ‫‪650.‬‬ ‫‪7284.-‬‬ ‫‪7280.54‬‬
‫‪3_dohteM‬‬ ‫‪41753.1-‬‬ ‫‪12257.7‬‬ ‫‪000.1‬‬ ‫‪2446.22-‬‬ ‫‪0039.91‬‬
‫‪2_dohteM‬‬ ‫‪1_dohteM‬‬ ‫‪00003.22-‬‬ ‫‪78692.8‬‬ ‫‪650.‬‬ ‫‪7280.54-‬‬ ‫‪7284.‬‬
‫‪3_dohteM‬‬ ‫‪41756.32-‬‬ ‫‪11242.7‬‬
‫*‬ ‫‪810.‬‬ ‫‪5345.34-‬‬ ‫‪8077.3-‬‬
‫‪3_dohteM‬‬ ‫‪1_dohteM‬‬ ‫‪41753.1‬‬ ‫‪12257.7‬‬ ‫‪000.1‬‬ ‫‪0039.91-‬‬ ‫‪2446.22‬‬
‫‪2_dohteM‬‬ ‫‪41756.32‬‬ ‫‪11242.7‬‬
‫*‬ ‫‪810.‬‬ ‫‪8077.3‬‬ ‫‪5345.34‬‬
‫*‪.‬‬
‫‪i ecnereffid naem ehT‬‬

‫يوجد فرق معنوي بين متوسطي أسلوبي التدريس الثاني والثالث وذلك ألن ‪ Sig. =0.018‬وهي أقل من مس••توى‬
‫‪.‬‬ ‫الداللة‬
‫درجات الطالب باستخدام األسلوب الثالث أفضل من درجات الطالب باستخدام األسلوب الثاني‪ ،‬وذلك ألن الف••رق‬
‫بين وسطيهما موجبًا (‪.)23.66‬‬
‫ثانيًا‪ :‬تحليل التباين الثنائي ‪Two-Way ANOVA‬‬

‫مثال (‪:)1‬‬
‫‪Page 37 of 57‬‬
‫يمثل الجدول التالي عدد الوحدات المنتجة في األسبوع وذلك لعشرة عمال باستخدام ثالثة أنواع مختلفة من الماكينات‬
‫العامل‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬
‫نوع الماكينة‬
‫‪1‬‬ ‫‪90‬‬ ‫‪80‬‬ ‫‪70‬‬ ‫‪90‬‬ ‫‪60‬‬ ‫‪76‬‬ ‫‪68‬‬ ‫‪94‬‬ ‫‪83‬‬ ‫‪74‬‬
‫‪2‬‬ ‫‪82‬‬ ‫‪92‬‬ ‫‪60‬‬ ‫‪70‬‬ ‫‪50‬‬ ‫‪65‬‬ ‫‪79‬‬ ‫‪82‬‬ ‫‪68‬‬ ‫‪80‬‬
‫‪3‬‬ ‫‪76‬‬ ‫‪65‬‬ ‫‪82‬‬ ‫‪80‬‬ ‫‪90‬‬ ‫‪92‬‬ ‫‪86‬‬ ‫‪71‬‬ ‫‪93‬‬ ‫‪68‬‬
‫المطلوب اختبار‪:‬‬
‫أ ) ما إذا كان العمال متساويين في اإلنتاج‪.‬‬
‫ب) ما إذا كانت الماكينات متساوية في اإلنتاج مستخدمًا مستوى داللة‬
‫‪stceffE stcejbuS-neewteB fo stseT‬‬
‫‪STINU :elbairaV tnednepeD‬‬

‫‪III epyT‬‬
‫‪fo muS‬‬ ‫‪naeM‬‬
‫‪ecruoS‬‬ ‫‪serauqS‬‬ ‫‪fd‬‬ ‫‪erauqS‬‬ ‫‪F‬‬ ‫‪.giS‬‬
‫‪ledoM detcerroC‬‬ ‫‪337.2501‬‬ ‫‪a‬‬ ‫‪11 307.59‬‬ ‫‪946.‬‬ ‫‪667.‬‬
‫‪tpecretnI‬‬ ‫‪002.597871‬‬ ‫‪002.597871‬‬
‫‪1‬‬ ‫‪795.2121‬‬ ‫‪000.‬‬
‫‪C_ROTCAF‬‬ ‫‪331.647‬‬ ‫‪9 409.28‬‬ ‫‪265.‬‬ ‫‪018.‬‬
‫‪R_ROTCAF‬‬ ‫‪006.603‬‬ ‫‪2003.351‬‬ ‫‪040.1‬‬ ‫‪473.‬‬
‫‪rorrE‬‬ ‫‪760.4562‬‬ ‫‪81 844.741‬‬
‫‪latoT‬‬ ‫‪000.205281‬‬ ‫‪03‬‬
‫‪latoT detcerroC‬‬ ‫‪008.6073‬‬ ‫‪92‬‬
‫‪.a R‬‬
‫‪)451.- = derauqS R detsujdA( 482. = derauqS‬‬

‫أوًال‪ :‬اختبار ما إذا كان العمال متساويين في اإلنتاج‬
‫فرضية العدم‪:‬‬
‫(مستوى الداللة) فبالتالي ال يمكن رفض‬ ‫حيث أن‪( F = 0.562 :‬صغيرة)‪ Sig. = 0.81 ،‬أكبر من‬
‫ونستنتج أن إنتاج العمال متساٍو ‪.‬‬
‫ثانيًا‪ :‬اختبار ما إذا كانت الماكينات متساوية في اإلنتاج‬
‫ونستنتج أن الماكينات متساوية في اإلنتاج‪.‬‬
‫مثال (‪)2‬‬
‫يمثل الجدول التالي زيادة وزن األطفال (مقدرًا بالكيلوجرام) باستخدام ثالثة أنواع مختلفة من الفيتامينات‪ ،‬وأربعة‬
‫أنواع من الغذاء الخاص خالل ستة أشهر‪.‬‬
‫‪Page 38 of 57‬‬
‫الفيتامينات‬
‫الغذاء الخاص‬
‫‪2, 1.5‬‬ ‫‪1.8, 2.2‬‬ ‫‪2.3, 1.6‬‬
‫‪2.3, 2.6‬‬ ‫‪2.3, 1.5‬‬ ‫‪1.7, 2.1‬‬
‫‪1.5, 2‬‬ ‫‪2.1, 1.8‬‬ ‫‪2.3, 1.7‬‬
‫‪2.1, 1.8‬‬ ‫‪1.5, 2.1‬‬ ‫‪1.9, 1.5‬‬
‫المطلوب‪:‬‬ ‫مستخدمًا مستخدمًا مستوى الداللة‬
‫أ ) هل توجد فروق ذات داللة إحصائية بين متوسطات الفيتامينات ؟‬
‫ب) هل توجد فروق ذات داللة إحصائية بين متوسطات أنواع الغذاء ؟‬
‫ج) هل يوجد تفاعل بين نوع الفيتامين‪ ،‬ونوع الغذاء الخاص‬
‫‪stceffE stcejbuS-neewteB fo stseT‬‬
‫‪THGIEW :elbairaV tnednepeD‬‬

‫‪III epyT‬‬
‫‪fo muS‬‬ ‫‪naeM‬‬
‫‪ecruoS‬‬ ‫‪serauqS‬‬ ‫‪fd‬‬ ‫‪erauqS‬‬ ‫‪F‬‬ ‫‪.giS‬‬
‫‪ledoM detcerroC‬‬ ‫‪538.‬‬ ‫‪a‬‬ ‫‪20-E195.7‬‬
‫‪11‬‬ ‫‪885.‬‬ ‫‪608.‬‬
‫‪tpecretnI‬‬ ‫‪539.88‬‬ ‫‪1 539.88‬‬ ‫‪925.886‬‬ ‫‪000.‬‬
‫‪NIMATIV‬‬ ‫‪20-E052.3‬‬ ‫‪20-E526.1‬‬
‫‪2‬‬ ‫‪621.‬‬ ‫‪388.‬‬
‫‪DOOF‬‬ ‫‪822.‬‬ ‫‪20-E116.7‬‬
‫‪3‬‬ ‫‪985.‬‬ ‫‪436.‬‬
‫‪DOOF * NIMATIV‬‬ ‫‪475.‬‬ ‫‪20-E965.9‬‬
‫‪6‬‬ ‫‪147.‬‬ ‫‪726.‬‬
‫‪rorrE‬‬ ‫‪055.1‬‬ ‫‪21‬‬ ‫‪921.‬‬
‫‪latoT‬‬ ‫‪023.19‬‬ ‫‪42‬‬
‫‪latoT detcerroC‬‬ ‫‪583.2‬‬ ‫‪32‬‬
‫‪.a R‬‬
‫‪auqS R detsujdA( 053. = derauqS‬‬

‫أوًال‪ :‬اختبار ما إذا كانت هناك فروق بين متوسطات الفيتامينات الثالثة‬
‫(مستوى الداللة) فبالتالي ال يمكن رفض‬ ‫حيث أن‪ F = 0.126 ، Sig. = 0.883 :‬أكبر من‬
‫ونستنتج أن متوسطات الفيتامينات الثالثة متساوية التأثير على زيادة وزن األطفال‪.‬‬
‫‪Page 39 of 57‬‬
‫ثانيًا‪ :‬اختبار ما إذا كان هناك فروق بين متوسطات أنواع الغذاء الخاص األربعة‬
‫(مستوى الداللة) فبالتالي ال يمكن رفض‬ ‫حيث أن‪ F = 0.589 ، Sig. = 0.634 :‬أكبر من‬
‫ونستنتج أن متوسطات أنواع الغذاء األربعة متساوية التأثير على زيادة وزن األطفال‪.‬‬
‫ثالثًا‪ :‬اختبار ما إذا كان هناك تفاعل بين نوع الفيتامين ونوع الغذاء الخاص‬
‫فرضية العدم‪ :‬ال يوجد تفاعل بينهما‬
‫ونستنتج أنه ال يوجد تفاعل بين نوع الفيتامين ونوع الغذاء الخاص‪ ،‬أي أنهما مستقالن‪.‬‬
‫في حالة رفض فرضية العدم ولمقارنة متوسطات كل عامل على حده لمعرفة أي منهم أكثر تأثيرًا اضغط ‪Post‬‬
‫‪ …Hoc‬ثم اختر ‪ Bonferroni‬كما في حالة تحليل التباين األحادي‪.‬‬
‫ثالثًا‪ :‬تحليل التباين الثالثي ‪Three-Way ANOVA‬‬
‫يستخدم تحليل التباين الثالثي في حالة تجارب يؤثر عليها ثالثة عوامل ‪ A,B,C‬مثًال‪.‬‬
‫هناك سبعة اختبارات في حالة تحليل التباين الثالثي مع وجود تفاعل بين العوامل الثالثة وهي‪:‬‬
‫‪ :‬ال يوجد فروق بين متوسطات مستويات العامل األول ‪.A‬‬ ‫‪ .1‬اختبار الفرضية‬
‫‪ :‬ال يوجد فروق بين متوسطات مستويات العامل الثاني ‪.B‬‬ ‫‪ .2‬اختبار الفرضية‬
‫‪ :‬ال يوجد فروق بين متوسطات مستويات العامل الثالث ‪.C‬‬ ‫‪ .3‬اختبار الفرضية‬
‫‪ :‬ال يوجد تفاعل بين العاملين األول والثاني ‪.A,B‬‬ ‫‪ .4‬اختبار الفرضية‬
‫‪ :‬ال يوجد تفاعل بين العاملين األول والثالث ‪. A,C‬‬ ‫‪ .5‬اختبار الفرضية‬
‫‪ :‬ال يوجد تفاعل بين العاملين الثاني والثالث ‪.B,C‬‬ ‫‪ .6‬اختبار الفرضية‬
‫‪ :‬ال يوجد تفاعل بين العوامل الثالثة ‪.A,B,C‬‬ ‫‪ .7‬اختبار الفرضية‬
‫مثال (‪:)5‬‬
‫عند إنتاج مادة معينة‪ .‬كان هناك ثالثة عوامل مهمة وهى‪ :A :‬تأثير المهندس (هناك ثالثة مهندسين) ‪ :B‬المادة‬
‫المساعدة على إنتاج المادة المطلوبة (هناك ثالثة أنواع من المواد المساعدة) ‪ :C‬زمن التعبئة بعد اإلنتاج (هناك‬
‫فترتان ‪ 15‬دقيقة و ‪ 20‬دقيقة)‪ .‬يمثل الجدول التالي نتائج تجربة أجريت لهذا الغرض‪.‬‬
‫‪,10.8 ,10.7‬‬ ‫‪,10.2 ,10.3‬‬ ‫‪,11.6 ,11.2‬‬

‫‪11.3‬‬ ‫‪10.5‬‬ ‫‪12.0‬‬
‫‪Page 40 of 57‬‬
‫‪,11.8 ,11.4‬‬ ‫‪,10.9 ,10.2‬‬ ‫‪,10.5 ,10.7‬‬

‫‪11.5‬‬ ‫‪10.5‬‬ ‫‪10.2‬‬
‫‪,14.1 ,13.6‬‬ ‫‪,11.5 ,12.0‬‬ ‫‪,11.0 ,11.1‬‬
‫‪14.5‬‬ ‫‪11.6‬‬ ‫‪11.5‬‬
‫‪,12.1 ,10.9‬‬ ‫‪,11.1 ,10.5‬‬ ‫‪,11.0 ,12.2‬‬
‫‪11.5‬‬ ‫‪10.3‬‬ ‫‪11.7‬‬
‫‪,11.3 ,9.8‬‬ ‫‪,7.5 ,12.6‬‬ ‫‪,10.2 ,10.8‬‬
‫‪10.9‬‬ ‫‪9.9‬‬ ‫‪11.5‬‬
‫‪,11.7 ,10.7‬‬ ‫‪,11.5 ,10.2‬‬ ‫‪,11.6 ,11.9‬‬
‫‪12.7‬‬ ‫‪10.9‬‬ ‫‪12.2‬‬
‫كِّو ن جدول تحليل التباين الثالثي ثم فَُسر النتائج الكاملة التي يمكن الحصول عليها منه‬
‫‪Univariate Analysis of Variance‬‬
‫‪Warnings‬‬
‫‪Post hoc tests are not performed‬‬

‫‪ because there are‬ةئبعتلا نمز ‪for‬‬
‫‪fewer than three groups.‬‬
‫التعليق‪:‬‬
‫ال يمكن استخدام اختبارات ‪ Post Hoc‬لمتغير "زمن التعبئة" ألنه يتكون من مجموعتين فقط ويستخدم في هذه‬
‫الحالة اختبار ‪ T‬في حالة العينات المستقلة كما تم شرحه سابقًا (لمزيد من التفاصيل أنظر الباب الخامس)‪.‬‬
‫‪a‬‬
‫‪Levene's Test of Equality of Error Variances‬‬
‫ةنيعم ةدام جاتنا ‪Dependent Variable:‬‬

‫‪F‬‬ ‫‪df1‬‬ ‫‪df2‬‬ ‫‪Sig.‬‬
‫‪2.281‬‬ ‫‪17‬‬ ‫‪36‬‬ ‫‪.019‬‬
‫‪Tests the null hypothesis that the error variance of the‬‬
‫‪dependent variable is equal across groups.‬‬
‫* سدنهملا‪ +‬نمزلا‪+‬ةداملا‪ +‬سدنهملا‪a. Design: Intercept+‬‬
‫نمزلا * ةداملا * سدنهملا‪ +‬نمزلا * ةداملا‪ +‬نمزلا * سدنهملا‪+‬ةداملا‬
‫قيمة إحصاء ليفين = ‪ Sig. = 0.019 ،2.281‬وهذا يدل على عدم تجانس العوامل الثالثة‪.‬‬
‫‪Page 41 of 57‬‬
‫‪Tests of Between-Subjects Effects‬‬
‫انتاج مادة معينة ‪Dependent Variable:‬‬

‫‪Type III‬‬
‫‪Sum of‬‬ ‫‪Mean‬‬
‫‪Source‬‬ ‫‪Squares‬‬ ‫‪df‬‬ ‫‪Square‬‬ ‫‪F‬‬ ‫‪Sig.‬‬
‫‪Corrected Model‬‬ ‫‪41.579a‬‬ ‫‪17‬‬ ‫‪2.446‬‬ ‫‪4.074‬‬ ‫‪.000‬‬
‫‪Intercept‬‬ ‫‪6809.647‬‬ ‫‪1‬‬ ‫‪6809.647‬‬ ‫‪11342.411‬‬ ‫‪.000‬‬
‫المهندس‬ ‫‪13.983‬‬ ‫‪2‬‬ ‫‪6.991‬‬ ‫‪11.645‬‬ ‫‪.000‬‬
‫المادة‬ ‫‪10.183‬‬ ‫‪2‬‬ ‫‪5.091‬‬ ‫‪8.480‬‬ ‫‪.001‬‬
‫الزمن‬ ‫‪1.185‬‬ ‫‪1‬‬ ‫‪1.185‬‬ ‫‪1.974‬‬ ‫‪.169‬‬
‫المهندس * المادة‬ ‫‪4.774‬‬ ‫‪4‬‬ ‫‪1.194‬‬ ‫‪1.988‬‬ ‫‪.117‬‬
‫المهندس * الزمن‬ ‫‪2.914‬‬ ‫‪2‬‬ ‫‪1.457‬‬ ‫‪2.427‬‬ ‫‪.103‬‬
‫المادة * الزمن‬ ‫‪3.634‬‬ ‫‪2‬‬ ‫‪1.817‬‬ ‫‪3.026‬‬ ‫‪.061‬‬
‫المهندس * المادة * الزمن‬ ‫‪4.907‬‬ ‫‪4‬‬ ‫‪1.227‬‬ ‫‪2.043‬‬ ‫‪.109‬‬
‫‪Error‬‬ ‫‪21.613‬‬ ‫‪36‬‬ ‫‪.600‬‬
‫‪Total‬‬ ‫‪6872.840‬‬ ‫‪54‬‬
‫‪Corrected Total‬‬ ‫‪63.193‬‬ ‫‪53‬‬
‫)‪a. R Squared = .658 (Adjusted R Squared = .496‬‬
‫أثر المهندس على كمية إنتاج المادة‪:‬‬ ‫‪.1‬‬
‫‪ F=11.645، Sig.=.000‬أصغر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه يوجد تأثير للمهندس على كمية‬
‫إنتاج المادة‪.‬‬
‫أثر نوع المادة المساعدة على كمية إنتاج المادة‪:‬‬ ‫‪.2‬‬

‫‪ F=8.48، Sig.=.001‬أصغر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه يوجد تأثير لنوع المادة المساعدة‬
‫على كمية إنتاج المادة‪.‬‬
‫أثر زمن التعبئة على كمية إنتاج المادة‪:‬‬ ‫‪.3‬‬

‫‪ F=1.974، Sig.=.169‬أكبر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه ال يوجد تأثير لزمن التعبئة على كمية‬
‫إنتاج المادة‪.‬‬
‫التفاعل بين المهندس والمادة المساعدة‪:‬‬ ‫‪.4‬‬

‫‪ F=1.988، Sig.=.117‬أكبر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه ال يوجد تفاعل بين المهندس والمادة‬
‫المساعدة‪.‬‬
‫التفاعل بين المهندس وزمن التعبئة‬ ‫‪.5‬‬

‫‪ F=2.427، Sig.=.103‬أكبر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه ال يوجد تفاعل بين المهندس وزمن‬
‫التعبئة‪.‬‬
‫‪Page 42 of 57‬‬
‫التفاعل بين المادة المساعدة وزمن التعبئة‪:‬‬ ‫‪.6‬‬

‫‪ F=3.026، Sig.=.061‬أكبر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه ال يوجد تفاعل بين المادة المساعدة‬
‫وزمن التعبئة‪.‬‬
‫التفاعل بين المهندس والمادة المساعدة وزمن التعبئة‪:‬‬ ‫‪.7‬‬

‫‪ F=2.043، Sig.=.103‬أكبر من ‪( 0.05‬مستوى الداللة) بالتالي فإنه ال يوجد تفاعل بين المهندس والمادة‬
‫المساعدة وزمن التعبئة‪.‬‬
‫‪Multiple Comparisons‬‬
‫ةنيعم ةدام جاتنا ‪Dependent Variable:‬‬

‫‪Tamhane‬‬
‫‪Mean‬‬ ‫‪95% Confidence Interval‬‬

‫‪Difference‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬
‫نيسدنهملا ريثأت )‪(I‬‬ ‫نيسدنهملا ريثأت )‪(J‬‬ ‫)‪(I-J‬‬ ‫‪Std. Error‬‬ ‫‪Sig.‬‬ ‫‪Bound‬‬ ‫‪Bound‬‬
‫‪a1‬‬ ‫‪a2‬‬ ‫‪.4278‬‬ ‫‪.258‬‬ ‫‪.402‬‬ ‫‪-.3199‬‬ ‫‪1.1755‬‬
‫‪a3‬‬ ‫*‪-.8000‬‬ ‫‪.258‬‬ ‫‪.048‬‬ ‫‪-1.5933‬‬ ‫‪-6.6986E-03‬‬
‫‪a2‬‬ ‫‪a1‬‬ ‫‪-.4278‬‬ ‫‪.258‬‬ ‫‪.402‬‬ ‫‪-1.1755‬‬ ‫‪.3199‬‬
‫‪a3‬‬ ‫*‪-1.2278‬‬ ‫‪.258‬‬ ‫‪.007‬‬ ‫‪-2.1612‬‬ ‫‪-.2943‬‬
‫‪a3‬‬ ‫‪a1‬‬ ‫*‪.8000‬‬ ‫‪.258‬‬ ‫‪.048‬‬ ‫‪6.699E-03‬‬ ‫‪1.5933‬‬
‫‪a2‬‬ ‫*‪1.2278‬‬ ‫‪.258‬‬ ‫‪.007‬‬ ‫‪.2943‬‬ ‫‪2.1612‬‬
‫‪Based on observed means.‬‬
‫‪*. The mean difference is significant at the .05 level.‬‬
‫تم استخدام اختبار ‪ Tamhane‬لمقارنة متوسطات كل عامل على حده‪.‬‬
‫‪ -‬ال يوجد فرق معنوي بين متوسطي تأثير المهندسين األول والثاني على كمية إنتاج المادة ألن ‪Sig.=.402‬‬
‫أكبر من ‪( 0.05‬مستوى الداللة)‪.‬‬
‫‪ -‬يوجد فرق معنوي بين متوسطي تأثير المهندسين األول والثالث على كمية إنتاج المادة ألن ‪Sig.=.048‬‬
‫بالتالي فإن تأثير المهندس الثالث أكبر من تأثير‬ ‫أصغر من ‪( 0.05‬مستوى الداللة) وحيث أن‬
‫المهندس األول على كمية إنتاج المادة‪.‬‬
‫‪ -‬يوجد فرق معنوي بين متوسطي تأثير المهندسين الثاني والثالث على كمية إنتاج المادة ألن ‪Sig.=.007‬‬
‫بالتالي فإن تأثير المهندس الثالث أكبر من‬ ‫أصغر من ‪( 0.05‬مستوى الداللة) وحيث أن‬
‫تأثير المهندس الثاني على كمية إنتاج المادة‪.‬‬
‫‪Page 43 of 57‬‬
‫من هذه النتائج يمكن القول بأن المهندس الثالث له تأثير أكبر من المهندسين األول والثاني على كمية إنتاج‬
‫المادة‪.‬‬
‫تأثير المادة المساعدة‬
‫‪Multiple Comparisons‬‬
‫انتاج مادة معينة ‪Dependent Variable:‬‬

‫‪Tamhane‬‬
‫‪Mean‬‬ ‫‪95% Confidence Interval‬‬

‫‪Difference‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬
‫تأثير المادة المساعدة )‪(I‬‬ ‫تأثير المادة المساعدة )‪(J‬‬ ‫)‪(I-J‬‬ ‫‪Std. Error‬‬ ‫‪Sig.‬‬ ‫‪Bound‬‬ ‫‪Bound‬‬
‫‪b1‬‬ ‫‪b2‬‬ ‫*‪1.0611‬‬ ‫‪.258‬‬ ‫‪.030‬‬ ‫‪8.392E-02‬‬ ‫‪2.0383‬‬
‫‪b3‬‬ ‫‪.4667‬‬ ‫‪.258‬‬ ‫‪.427‬‬ ‫‪-.3772‬‬ ‫‪1.3106‬‬
‫‪b2‬‬ ‫‪b1‬‬ ‫*‪-1.0611‬‬ ‫‪.258‬‬ ‫‪.030‬‬ ‫‪-2.0383‬‬ ‫‪-8.3923E-02‬‬
‫‪b3‬‬ ‫‪-.5944‬‬ ‫‪.258‬‬ ‫‪.151‬‬ ‫‪-1.3421‬‬ ‫‪.1532‬‬
‫‪b3‬‬ ‫‪b1‬‬ ‫‪-.4667‬‬ ‫‪.258‬‬ ‫‪.427‬‬ ‫‪-1.3106‬‬ ‫‪.3772‬‬
‫‪b2‬‬ ‫‪.5944‬‬ ‫‪.258‬‬ ‫‪.151‬‬ ‫‪-.1532‬‬ ‫‪1.3421‬‬
‫‪Based on observed means.‬‬
‫‪*. The mean difference is significant at the .05 level.‬‬
‫‪:‬التعليق‬
‫‪ -‬يوجد فرق معنوي بين متوسطي تأثير المادة المساعدة األولى والثانية على كمية إنتاج المادة ألن‬
‫بالتالي فإن تأثير المادة‬ ‫‪Sig.=.030‬أصغر من ‪( 0.05‬مستوى الداللة) وحيث أن‬
‫المساعدة األولى أكبر من تأثير المادة المساعدة الثانية على كمية إنتاج المادة‪.‬‬
‫‪ -‬ال يوجد فرق معنوي بين متوسطي تأثير المادة المساعدة األولى والثالثة على كمية إنتاج المادة ألن‬
‫‪Sig.=.427‬أكبر من ‪( 05.‬مستوى الداللة)‬
‫‪ -‬ال يوجد فرق معنوي بين متوسطي تأثير المادة المساعدة الثانية والثالثة على كمية إنتاج المادة ألن‬
‫‪Sig.=.151‬أكبر من ‪( 05.‬مستوى الداللة)‬
‫من هذه النتائج يمكن القول بأن المادة المساعدة األولى لها تأثير أكبر من المادة المساعدة الثاني والثالثة على‬
‫كمية إنتاج المادة‪.‬‬
‫‪Page 44 of 57‬‬
‫االختبارات غير المعلمية ‪Nonparametric Tests‬‬

‫في بعض الحاالت قد ال تتوافر في المجتمع موضع الدراسة أن يكون توزيع هذا المجتمع له توزيع طبيعي أو‬
‫يقترب منه‪ ،‬لذلك فإن استخدام االختبارات المعلمية في مثل هذه الحاالت قد يؤدي إلى نتائج غير دقيقة‪ ،‬كذلك‬
‫يفترض أن تكون بيانات الظاهرة موضع الدراسة دقيقة‪ ،‬ولكن في بعض األحيان يتعذر أخذ قياسات عددية دقيقة‬
‫على بعض الظواهر‪ ،‬لذلك فإننا نستخدم طرق غير معلمية ال تعتمد على شروط معينة تتعلق بتوزيع المجتمع وال‬
‫تحتاج إلى قياسات دقيقة‪.‬‬
‫مزايا استخدام االختبارات غيرالمعلمية‪:‬‬
‫سهولة العمليات الحسابية المستخدمة‪.‬‬ ‫‪.1‬‬
‫ال تحتاج إلى شروط كثيرة لذلك فإن إمكانية إساءة استعمالها قليلة جدًا‪.‬‬ ‫‪.2‬‬
‫تستخدم عندما ال تتحقق الشروط الالزمة لتطبيق االختبارات المعلمية مثل أن يكون توزيع المجتمع طبيعيًا‪.‬‬ ‫‪.3‬‬
‫تستخدم في حالة صعوبة الحصول على بيانات دقيقة‪.‬‬ ‫‪.4‬‬
‫ال يتطلب استخدامها معرفة دقيقة في مجال الرياضيات أو اإلحصاء‪.‬‬ ‫‪.5‬‬
‫ال تشترط استخدامها أن يكون حجم العينات كبيرًا‪ ،‬لذلك فإن عملية جمع البيانات في هذه الحالة توفر الوقت‬ ‫‪.6‬‬
‫والمجهود والتكلفة‪.‬‬
‫عيوب استخدام االختبارات غيرالمعلمية‪:‬‬
‫تستخدم أحيانًا في الحاالت التي يجب استخدام االختبارات المعلمية وذلك لسهولة استخدامها‪.‬‬ ‫‪.1‬‬
‫صعوبة الحصول على توزيع دوال االختبار المستخدمة في هذه االختبارات‪.‬‬ ‫‪.2‬‬
‫يمكن استخدام االختبارات غيرالمعلمية في الحاالت التالية‪:‬‬
‫للحصول على قرار سريع‪.‬‬ ‫‪.1‬‬
‫إذا كانت البيانات المتوفرة عن ظاهرة ما ال تتفق مع االختبارات المعلمية‪.‬‬ ‫‪.2‬‬
‫إذا كانت الشروط المطلوب توافرها في االختبار المعلمي غير متحققة‪.‬‬ ‫‪.3‬‬
‫سنعرض فيما يلي استخدام برنامج ‪SPSS‬في االختبارات غيرالمعلمية التالية‪:‬‬
‫‪ .1‬استخدام اختبار كولمجروف – سمرنوف "‪ "One-Sample Kolmogorov-Smirnov Test‬لمعرفة‬
‫ما إذا كانت البيانات تتبع التوزيع الطبيعي‪.‬‬
‫‪ .2‬اختبار اإلشارة "‪"Sign Test‬الختبار فرضيات حول متوسط مجتمع واحد‪.‬‬
‫‪ .3‬اختبار ويلكوكسن "‪ "Wilcoxon Test‬الختبار فرضيات حول مقارنة متوسطي مجتمعين في حالة‬
‫العينات المرتبطة‪.‬‬
‫‪Page 45 of 57‬‬
‫‪ .4‬اختبار مان – وتني "‪ "Mann Whitney Test‬الختبار الفرضيات حول الفرق بين متوسطي مجتمعين‬
‫في حالة العينات المستقلة‪.‬‬
‫‪ .5‬اختبار كروسكال – واالس "‪"Kruskal-Wallis Test‬الختبار فرضيات لمقارنة متوسطات عدة‬
‫مجتمعات مستقلة (تحليل التباين في حالة العينات المستقلة)‪.‬‬
‫‪ .6‬اختبار فريدمان "‪"Friedman Test‬الذي يعالج موضوع تحليل التباين في حالة المشاهدات المتكررة (‬
‫‪)Repeated Measures‬أو العينات المرتبطة ‪.‬‬
‫اختبار التوزيع الطبيعي‪ :‬كولمجروف‪ -‬سمرنوف‬

‫مثال(‪:)1‬‬
‫تمثل البيانات التالية كمية اإلنتاج بالطن لسلعة ما في األسبوع في أحد المصانع‪:‬‬
‫‪74 83 94 68 76 60 90 70 80 90‬‬ ‫‪80 68 82 79 65 50 70‬‬
‫‪60 92 82 68 93 71 86 92 90 80 82 65 76‬‬
‫المطلوب‪ :‬استخدم اختبار كولمجروف – سمرنوف لمعرفة أن البيانات السابقة لها توزيع طبيعي أم ال مستخدمًا‬
‫‪.‬‬ ‫مستوى داللة‬
‫‪tseT vonrimS-vorogomloK elpmaS-enO‬‬
‫‪YTITNAUQ‬‬
‫‪N‬‬ ‫‪03‬‬
‫‪sretemaraP lamroN‬‬ ‫‪b,a naeM‬‬ ‫‪0002.77‬‬
‫‪noitaiveD .dtS‬‬ ‫‪8503.11‬‬
‫‪emertxE tsoM‬‬ ‫‪etulosbA‬‬ ‫‪501.‬‬
‫‪secnereffiD‬‬ ‫‪evitisoP‬‬ ‫‪570.‬‬
‫‪evitageN‬‬ ‫‪501.-‬‬
‫‪Z vonrimS-vorogomloK‬‬
‫‪375.‬‬
‫‪)deliat-2( .giS .pmysA‬‬ ‫‪898.‬‬

‫‪.lamroN si noitubirtsid .a‬‬
‫‪tseT‬‬
‫‪.b‬‬
‫‪.atad morf detaluclaC‬‬
‫من الجدول السابق‪ Sig.=.898 :‬لذلك ال يمكن رفض فرضية العدم القائلة بأن كمية اإلنتاج لها توزيع طبيعي‬
‫‪.‬‬ ‫وذلك على مستوى داللة‬
‫‪Page 46 of 57‬‬
‫اختبار ويلكوكسن "‪"Wilcoxon Test‬‬

‫مثال(‪:)2‬‬
‫لمعرفة تأثير إشارة ضوئية جديدة‪ ،‬تم الحصول على البيانات التالية التي تمثل عدد الحوادث في ‪ 12‬مفترق خطر‬
‫خالل أربعة أسابيع قبل وبعد تركيب اإلشارة الضوئية‪:‬‬
‫(‪.)4,2( ,)2,3( ,)3,2( ,)5,2( ,)4,1( ,)5,3( ,)6,3( ,)2,1( ,)1,3( ,)2,0( ,)3,2( ,)2,1‬‬
‫‪.‬‬ ‫اختبر الفرضية المبدئية القائلة أنه ال يوجد تأثير لإلشارة الضوئية الجديدة مستخدمًا مستوى داللة‬
‫‪Frequencies‬‬
‫‪N‬‬
‫‪BEFORE - AFTER Negative Differencesa‬‬ ‫‪2‬‬
‫‪Positive Differencesb‬‬ ‫‪10‬‬
‫‪Ties c‬‬ ‫‪0‬‬
‫‪Total‬‬ ‫‪12‬‬
‫‪a. BEFORE < AFTER‬‬
‫‪b. BEFORE > AFTER‬‬
‫‪c. AFTER = BEFORE‬‬
‫‪Test Statisticsb‬‬
‫‪BEFORE -‬‬
‫‪AFTER‬‬
‫)‪Exact Sig. (2-tailed‬‬ ‫‪.039a‬‬
‫‪a. Binomial distribution used.‬‬
‫‪b. Sign Test‬‬
‫من الجدول السابق ‪ Sig.=.039‬لذلك نرفض فرضية العدم القائلة بأنه ال يوجد تأثير لإلشارة الضوئية الجديدة‬
‫‪ ،‬ونستنتج أنه يوجد تأثير لإلشارة الضوئية الجديدة‪ ،‬بمعنى أن معدل عدد‬ ‫مستخدمًا مستوى داللة‬
‫الحوادث قد تناقص بعد تركيب اإلشارة الضوئية الجديدة‪.‬‬
‫اختبار مان – وتني "‪"Mann Whitney Test‬‬

‫مثال(‪:)3‬‬
‫قامت إحدى الشركات بتدريب بعض عمالها على العمل على آالت جديدة وردت إلى مصانع الشركة‪ ،‬واستخدمت‬
‫برنامجين للتدريب‪ ،‬البرنامج األول محاضرات نظرية لمدة أسبوعين ومن ثم القيام بالتدريب العملي‪ ،‬والبرنامج‬
‫الثاني محاضرات نظرية تتبعها تطبيقات عملية في نفس اليوم ولمدة أسبوعين‪ .‬وكان الزمن الالزم للمتدربين‬
‫الكتساب المهارات المطلوبة مقدرة باأليام كما يلي‪:‬‬
‫البرنامج الثاني‬ ‫البرنامج األول‬
‫‪Page 47 of 57‬‬
‫‪29‬‬ ‫‪40‬‬
‫‪27‬‬ ‫‪44‬‬
‫‪32‬‬ ‫‪33‬‬
‫‪25‬‬ ‫‪26‬‬
‫‪27‬‬ ‫‪31‬‬
‫‪28‬‬ ‫‪29‬‬
‫‪31‬‬ ‫‪34‬‬
‫‪23‬‬ ‫‪31‬‬
‫‪37‬‬ ‫‪38‬‬
‫‪28‬‬ ‫‪33‬‬
‫‪22‬‬ ‫‪42‬‬
‫‪31‬‬ ‫‪35‬‬
‫‪24‬‬
‫؟‬ ‫هل تستطيع أن تستنتج أن البرنامج الثاني أكثر فاعلية من البرنامج األول على مستوى داللة‬
‫‪Ranks‬‬
‫‪Mean‬‬ ‫‪Sum of‬‬

‫‪FACTOR‬‬ ‫‪N‬‬ ‫‪Rank‬‬ ‫‪Ranks‬‬
‫‪TIME‬‬ ‫‪first‬‬ ‫‪12‬‬ ‫‪17.54‬‬ ‫‪210.50‬‬
‫‪second‬‬ ‫‪13‬‬ ‫‪8.81‬‬ ‫‪114.50‬‬
‫‪Total‬‬ ‫‪25‬‬
‫‪Test Statisticsb‬‬
‫‪TIME‬‬
‫‪Mann-Whitney U‬‬ ‫‪23.500‬‬
‫‪Wilcoxon W‬‬ ‫‪114.500‬‬
‫‪Z‬‬ ‫‪-2.972‬‬
‫)‪Asymp. Sig. (2-tailed‬‬ ‫‪.003‬‬
‫‪Exact Sig. [2*(1-tailed‬‬ ‫‪a‬‬
‫])‪Sig.‬‬ ‫‪.002‬‬
‫‪a. Not corrected for ties.‬‬

‫‪b. Grouping Variable: FACTOR‬‬
‫من النتائج السابقة‪ Sig.=.002 :‬لذلك نرفض فرضية العدم القائلة بأنه ال يوجد فرق بين فاعلية البرنامجين‪،‬‬
‫ونستنتج بأنه يوجد فرق بين فاعلية البرنامجين‪ ،‬أو يمكن القول بأن البرنامج الثاني أكثر فاعلية من البرنامج‬
‫‪.‬‬ ‫األول على مستوى داللة‬
‫‪Page 48 of 57‬‬
‫اختبار كروسكال – واالس " ‪"Kruskal-Wallis Test‬‬

‫مثال(‪:)4‬‬
‫البيانات التالية تمثل درجات طالب مساق اإلحصاء التحليلي بكلية التجارة في الجامعة اإلسالمية باستخدام‬
‫ثالثة أساليب مختلفة‪:‬‬
‫األسلوب الثالث‬ ‫األسلوب الثاني‬ ‫األسلوب األول‬
‫‪75‬‬ ‫‪82‬‬ ‫‪86‬‬
‫‪78‬‬ ‫‪66‬‬ ‫‪81‬‬
‫‪61‬‬ ‫‪69‬‬ ‫‪84‬‬
‫‪69‬‬ ‫‪72‬‬ ‫‪71‬‬
‫‪75‬‬ ‫‪67‬‬ ‫‪81‬‬
‫‪68‬‬ ‫‪88‬‬
‫‪77‬‬ ‫‪79‬‬
‫‪77‬‬
‫هل تعطي هذه البيانات دليًال كافيًا على وجود فروق معنوية بين متوسطات درجات الطالب باستخدام األساليب‬
‫؟‬ ‫الثالثة السابقة على مستوى داللة‬
‫‪Ranks‬‬
‫‪Mean‬‬
‫‪FACTOR‬‬ ‫‪N‬‬ ‫‪Rank‬‬
‫‪MARK‬‬ ‫‪Method_1‬‬ ‫‪8‬‬ ‫‪15.06‬‬
‫‪Method_2‬‬ ‫‪7‬‬ ‫‪7.29‬‬
‫‪Method_3‬‬ ‫‪5‬‬ ‫‪7.70‬‬
‫‪Total‬‬ ‫‪20‬‬
‫‪scitsitatS tseT‬‬ ‫‪b,a‬‬
‫‪KRAM‬‬
‫‪erauqS-ihC‬‬ ‫‪869.7‬‬
‫‪fd‬‬ ‫‪2‬‬
‫‪.giS .pmysA‬‬ ‫‪910.‬‬
‫‪.a‬‬
‫‪tseT sillaW laksurK‬‬
‫‪.b‬‬
‫‪CAF :elbairaV gnipuorG‬‬
‫‪Page 49 of 57‬‬
‫‪ Sig.=.019 ،‬لذلك نرفض فرضية العدم القائلة بأنه ال يوجد فرق بين درجات‬ ‫من النتائج السابقة‬
‫الطالب باستخدام األساليب الثالثة ‪ ،‬ونستنتج بأنه يوجد فرق بين درجات الطالب في مساق اإلحصاء التحليلي‬
‫‪.‬‬ ‫باستخدام األساليب الثالثة على مستوى داللة‬
‫اختبار فريدمان "‪"Friedman Test‬‬
‫مثال(‪:)5‬‬
‫البيانات التالية تمثل زمن الشفاء (مقدرًا باأليام) من مرض معين عند تناول المرضى أربعة أنواع مختلفة‬
‫من األدوية‪.‬‬
‫النوع الرابع‬ ‫النوع الثالث‬ ‫النوع الثاني‬ ‫النوع األول‬
‫‪13‬‬ ‫‪11‬‬ ‫‪7‬‬ ‫‪10‬‬
‫‪10‬‬ ‫‪6‬‬ ‫‪13‬‬ ‫‪8‬‬
‫‪9‬‬ ‫‪11‬‬ ‫‪15‬‬ ‫‪7‬‬
‫‪14‬‬ ‫‪9‬‬ ‫‪11‬‬ ‫‪11‬‬
‫‪11‬‬ ‫‪8‬‬ ‫‪12‬‬ ‫‪9‬‬
‫‪12‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪7‬‬
‫‪10‬‬ ‫‪5‬‬ ‫‪14‬‬ ‫‪8‬‬
‫‪13‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪11‬‬
‫هل تعطي هذه البيانات دليًال كافيًا على وجود فروق معنوية بين متوسطات الزمن باستخدام أنواع األدوية األربعة‬
‫؟‬ ‫على مستوى داللة‬
‫‪Ranks‬‬
‫‪Mean‬‬
‫‪Rank‬‬
‫‪TYPE_1‬‬ ‫‪2.00‬‬
‫‪TYPE_2‬‬ ‫‪3.00‬‬
‫‪TYPE_3‬‬ ‫‪1.63‬‬
‫‪TYPE_4‬‬ ‫‪3.38‬‬
‫‪Page 50 of 57‬‬
‫‪scitsitatS tseT‬‬ ‫‪a‬‬
‫‪N‬‬ ‫‪8‬‬
‫‪erauqS-ihC‬‬ ‫‪031.01‬‬
‫‪fd‬‬ ‫‪3‬‬
‫‪.giS .pmysA‬‬ ‫‪710.‬‬
‫‪.a‬‬
‫‪tseT namdeirF‬‬
‫‪ Sig.=.017 ،‬لذلك نرفض فرضية العدم القائلة بأنه ال يوجد فرقًا بين أنواع‬ ‫من النتائج السابقة‪:‬‬
‫‪.‬‬ ‫األدوية األربعة‪ ،‬ونستنتج بأنه يوجد فرق بين تلك األنواع السابقة على مستوى داللة‬
‫‪Simple Linear Regression‬‬ ‫االرتباط الخطي البسيط‬

‫في معظم التطبيقات العملية نجد أن هناك عالقة بين متغيرين (أو أكثر)‪ ،‬فمثًال نجد أن هناك عالقة وارتباط بين‬
‫درجة الطالب وعدد ساعات الدراسة‪ .‬يوجد نوعان من المتغيرات هما‪:‬‬
‫المتغير التابع ‪ :Dependent (Response) Variable‬هو المتغير الذي يقيس نتيجة دراسة ما‪ ،‬وعادة يرمز‬
‫له بالرمز ‪.Y‬‬
‫المتغير المستقل ‪:Independent (Explanatory) Variable‬‬
‫هو المتغير الذي ُيفِّسر أو يسبب التغيرات في المتغير التابع‪ ،‬أي هو الذي يؤثر في تقدير قيمة المتغير التابع‪،‬‬
‫وعادة يرمز له بالرمز ‪ .X‬فمثًال عدد أيام الغياب ‪ X‬و درجة الطالب في اإلحصاء ‪ ،Y‬الُعمر ‪X‬واإلصابة‬
‫بضغط الدم ‪.Y‬‬
‫في بعض التطبيقات العملية يكون لدينا أكثر من متغيرين تحت الدراسة‪ ،‬فمثًال قد توجد عالقة خطية بين ضغط‬
‫الدم وكل من الُعمر والوزن‪ ،‬ويسمى االرتباط في هذه الحالة االرتباط الخطي المتعدد‪.‬‬
‫عند دراسة العالقة بين متغيرين ‪ X, Y‬فإن شكل االنتشار ‪ Scatter plot‬يمكن أن يوضح طبيعة هذه العالقة‪،‬‬
‫وتكون العالقة بين ‪ X, Y‬قوية جدًا إذا وقعت معظم نقاط شكل االنتشار على منحنى أو خط مستقيم‪ ،‬وتكون‬
‫ضعيفة كلما تناثرت نقاط شكل االنتشار حول منحنى أو خط مستقيم يمر بتلك النقاط‪.‬‬
‫معامل االرتباط ‪:Correlation Coefficient‬‬
‫هو مقياس لدرجة العالقة بين المتغيرين ‪ Y, X‬ويرمز له بالرمز ‪ ،r‬ويحقق معامل االرتباط الخطي المتباينة‪:‬‬
‫وت‪VV‬دل قيمت‪VV‬ه على درج‪VV‬ة العالق‪VV‬ة بين المتغ‪VV‬يرين أو المتغ‪VV‬يرات‬ ‫‪،‬‬ ‫أي أن قيم‪VV‬ة معام‪VV‬ل االرتب‪VV‬اط محص‪VV‬ورة بين‬
‫موضع الدراسة من حيث أنها قوية‪ ،‬متوسطة‪ ،‬أو ضعيفة‪ ،‬وأما اإلشارة فإنها تصف نوعية العالقة هل هي عكسية‬
‫‪Page 51 of 57‬‬
‫أم طردي ‪VV‬ة‪ ،‬فاإلش ‪VV‬ارة الس ‪VV‬البة ت ‪VV‬دل على وج ‪VV‬ود عالق ‪VV‬ة عكس ‪VV‬ية أم ‪VV‬ا الموجب ‪VV‬ة فت ‪VV‬دل على وج ‪VV‬ود عالق ‪VV‬ة طردي ‪VV‬ة بين‬
‫المتغيرين موضع الدراسة‪.‬‬
‫‪ -‬إذا كانت قيمة معامل االرتباط مساوية للواحد الصحيح فهذا يدل على أن االرتباط بين المتغيرين ارتباطًا‬
‫فهذا يدل على أن االرتباط بين المتغيرين ارتباطًا عكسيًا تامًا‪.‬‬ ‫طرديًا تامًا‪ ،‬أما إذا كانت قيمته مساوية لـ‬
‫‪ -‬إذا كانت قيمة معامل االرتباط مساوية للصفر(‪ ( r = 0‬فهذا يدل على عدم وجود ارتباط خطي بين المتغيرين‬
‫موضع الدراسة‪ ،‬بمعنى أنه إذا عرفنا اتجاه تغير أحد المتغيرين استحال علينا تحديد أو معرفة اتجاه المتغير‬
‫اآلخر‪.‬‬
‫‪ -‬أما إذا ابتعدت بعض نقاط شكل االنتشار عن الخط المستقيم فإن االرتباط يكون غير تامًا‪ ،‬وتزداد قوة‬
‫‪ .‬فمثًال الطول والوزن لمجموعة من األشخاص قد‬ ‫أو القيمة‬ ‫االرتباط كلما اقتربت قيمة ‪ r‬من القيمة‬
‫يوجد بينها ارتباطًا طرديًا ولكن ليس ارتباطًا تامًا‪ .‬العالقة بين ‪ X, Y‬تكون‪:‬‬
‫‪.‬‬ ‫‪ ‬طردية ضعيفة عندما‬
‫‪.‬‬ ‫‪ ‬طردية متوسطة عندما‬
‫‪ ‬طردية قوية عندما‬
‫‪ ‬عكسية ضعيفة عندما‬
‫‪ ‬عكسية متوسطة عندما‬
‫‪ ‬عكسية قوية عندما‬
‫برسم لوحة االنتشار لقيم مختارة من معامالت االرتباط الخطي يمكن الحصول على أحد األشكال التالية‪:‬‬
‫‪Page 52 of 57‬‬
‫حساب قيمة معامل االرتباط‪:‬‬

‫يمكن حساب قيمة معامل االرتباط بعدة طرق مختلفة تبعًا لنوع البيانات‪.‬‬
‫االرتباط بين المتغيرات الرقمية‪ :‬معامل بيرسون لالرتباط‪.‬‬
‫االرتباط بين المتغيرات الترتيبية‪ :‬معامل سبيرمان للرتب‬
‫االرتباط بين المتغيرات الوصفية‪ :‬مربع كاي ‪.Chi-Square‬‬
‫مثال (‪)5‬‬
‫افتح الملف ‪ .Employee Data‬المطلوب إيجاد قيمة معامل االرتباط الخطي بين كًال من المتغيرات ‪salary,‬‬
‫‪salbegin, educ‬‬
‫‪Analyze‬‬ ‫‪Correlate‬‬ ‫‪Bivariate‬‬
‫‪Page 53 of 57‬‬
‫‪snoitalerroC‬‬
‫‪lanoitacudE‬‬
‫‪leveL‬‬ ‫‪tnerruC‬‬ ‫‪gninnigeB‬‬
‫(‪)sraey‬‬ ‫‪yralaS‬‬ ‫‪yralaS‬‬
‫‪)sraey( leveL lanoitacudE‬‬ ‫‪noitalerroC nosraeP‬‬ ‫‪000.1‬‬ ‫** ‪166.‬‬ ‫** ‪336.‬‬
‫‪)deliat-2( .giS‬‬ ‫‪.‬‬ ‫‪000.‬‬ ‫‪000.‬‬
‫‪N‬‬ ‫‪474‬‬ ‫‪474‬‬ ‫‪474‬‬
‫‪yralaS tnerruC‬‬ ‫‪noitalerroC nosraeP‬‬ ‫** ‪166.‬‬ ‫‪000.1‬‬ ‫** ‪088.‬‬
‫‪)deliat-2( .giS‬‬ ‫‪000.‬‬ ‫‪.‬‬ ‫‪000.‬‬
‫‪N‬‬ ‫‪474‬‬ ‫‪474‬‬ ‫‪474‬‬
‫‪yralaS gninnigeB‬‬ ‫‪noitalerroC nosraeP‬‬ ‫** ‪336.‬‬ ‫‪088. ** 000.1‬‬
‫‪)deliat-2( .giS‬‬ ‫‪000.‬‬ ‫‪000.‬‬ ‫‪.‬‬
‫‪N‬‬ ‫‪474‬‬ ‫‪474‬‬ ‫‪474‬‬
‫**‪.‬‬
‫‪0 eht ta tnacifingis si noitalerroC‬‬
‫من النتائج السابقة يمكن استنتاج ما يلي‪::‬‬

‫قيمة معامل االرتباط بين )‪ educ (Educational Level), salary (Current Salary‬تساوي‪ 661.‬وهذا‬
‫يدل على أن االرتباط بينهما طردي‪ Sig.=.000 ،‬مما يدل على وجود ارتباط معنوي بين المتغيرين‪.‬‬
‫قيمة معامل االرتباط بين )‪ educ (Educational Level), salbegin (Beginning Salary‬تساوي‪633.‬‬
‫وهذا يدل على أن االرتباط بينهما طردي‪ Sig.=.000 ،‬مما يدل على وجود ارتباط معنوي بين المتغيرين‪.‬‬
‫قيمة معامل االرتب••اط بين )‪ salbegin (Beginning Salary), salary (Current Salary‬تس••اوي ‪880.‬‬
‫وهذا يدل على أن االرتباط بينهما طردي‪ Sig.=.000 ،‬مما يدل على وجود ارتباط معنوي بين المتغيرين‪.‬‬
‫مثال (‪)6‬‬
‫فيما يلي تقديرات عشرة من طالب في امتحان مادتي الرياضيات واإلحصاء‪:‬‬
‫‪Page 54 of 57‬‬
‫جيد‬ ‫جيد جدًا‬ ‫جيد‬ ‫مقبول جي‪VV V V V V V V V V‬د مقبول مقبول جيد‬ ‫راسب جيد‬ ‫الرياضيات‬
‫جدًا‬
‫راسب‬ ‫ممتاز‬ ‫جيد جدًا جيد‬ ‫راسب جيد‬ ‫ممتاز‬ ‫جيد‬ ‫مقبول جيد جدًا‬ ‫اإلحصاء‬
‫المطلوب‪ :‬احسب معامل االرتباط بين تقديرات المادتين‪.‬‬
‫بعد ادخال البيانات واتباع خطوات المثال السابق اختر ‪ Spearman‬فنحصل على النتائج التالية‪.‬‬
‫‪snoitalerroC‬‬
‫الرياضيات‬ ‫اإلحصاء‬
‫‪s'namraepS‬‬ ‫الرياضيات‬ ‫‪noitalerroC‬‬
‫‪000.1‬‬ ‫‪817.‬‬ ‫*‬
‫‪ohr‬‬ ‫‪tneiciffeoC‬‬
‫‪)deliat-2( .giS‬‬ ‫‪.‬‬ ‫‪910.‬‬
‫‪N‬‬ ‫‪01‬‬ ‫‪01‬‬
‫اإلحصاء‬ ‫‪noitalerroC‬‬
‫‪817.‬‬ ‫‪* 000.1‬‬
‫‪tneiciffeoC‬‬
‫‪)deliat-2( .giS‬‬ ‫‪910.‬‬ ‫‪.‬‬
‫‪N‬‬ ‫‪01‬‬ ‫‪01‬‬
‫*‪.‬‬
‫‪0 eht ta tnacifingis si noitalerroC‬‬

‫معامل سبيرمان للرتب = ‪ 0.718‬فبالتالي يوجد ارتباط طردي بين تقديرات الطالب في المادتين‪ ،‬وذلك على‬
‫أساس معامل سبيرمان للرتب‪ Sig.=.019 .‬مما يدل على وجود ارتباط معن••وي بين تق••ديرات الطلب••ة في م••ادتي‬
‫الرياضيات واإلحصاء‪.‬‬
‫االنحدار الخطي البسيط ‪Simple Linear Regression‬‬
‫االنحدار هو دراسة للتوزيع المشترك لمتغيرين أحدهما متغير يقاس دون خطأ ويسمى متغير مستقل‬
‫واآلخر يأخذ قيمًا تعتمد على قيمة المتغير المستقل ويسمى التابع‬ ‫‪ Independent variable‬ويرمز له بالرمز‬
‫‪ Dependent variable‬ويرمز له بالرمز ‪.‬‬
‫الهدف من دراسة االنحدار هو إيجاد دالة العالقة بين المتغيرين المستقل والتابع والتي تساعد في تفسير التغير‬
‫الذي قد يطرأ على المتغير التابع ( ) تبعًا لتغير في قيم المتغير المستقل ( )‪.‬‬
‫مثال (‪)7‬‬
‫لدراسة العالقة بين الدخل واالستهالك بالدنانير في مدينة غزة‪ ،‬أخذت عينة مكونة من عشرة أسر فأعطت النتائج التالية‪:‬‬
‫‪Page 55 of 57‬‬
250 1050 1200 900 1000 900 600 500 350 300 ‫الدخل‬
250 1000 1050 850 750 800 550 500 340 280 ‫االستهالك‬
.‫ إيجاد نموذج انحدار االستهالك على الدخل‬:‫المطلوب‬
SPSS STEP BY STEP
Analyze Regression Linear

:‫أكمل المربع الحواري كما يلي‬
yrammuS ledoM
detsujdA fo rorrE .dtS

ledoM RerauqS R erauqS R etamitsE eht
1 289. a 569. 069. 99806.85
.a
,)tnatsnoC( :srotciderP
AVONA b
fo muS
ledoM serauqS erauqS
fd naeM F .giS
noissergeR
1 9.923157 988.923157
1 727.812 000. a
laudiseR 111.08472 8410.5343

latoT 0.018877 9
.a
,)tnatsnoC( :srotciderP
.b
oc :elbairaV tnednepeD
Page 56 of 57
‫‪stneiciffeoC‬‬ ‫‪a‬‬
‫‪dezidradnatsnU‬‬ ‫‪dezidradnatS‬‬
‫‪stneiciffeoC‬‬ ‫‪stneiciffeoC‬‬
‫‪ledoM‬‬ ‫‪BrorrE .dtS‬‬ ‫‪ateB‬‬ ‫‪t‬‬ ‫‪.giS‬‬
‫(‪)tnatsnoC‬‬
‫‪1‬‬ ‫‪922.84‬‬ ‫‪319.34‬‬ ‫‪890.1‬‬ ‫‪403.‬‬
‫‪emocni‬‬ ‫‪538.‬‬ ‫‪650.‬‬ ‫‪289.‬‬ ‫‪987.41‬‬ ‫‪000.‬‬
‫‪.a‬‬
‫‪oc :elbairaV tnednepeD‬‬

‫‪ -1‬نموذج انحدار االستهالك على الدخل هو‪:‬‬
‫‪Consump. = 48.229 + 0.835 * Income‬‬
‫‪ -2‬معامل االرتباط بين الدخل واالستهالك = ‪ 0.982‬وهو يدل على وجود ارتباط طردي قوي بينهما‪(،‬‬
‫)‬
‫‪ ،‬ومعامل التحديد الُم عَّد ل= ‪ ،0.96‬الخطأ المعياري للتقدير = ‪.58.6190‬‬ ‫‪ -3‬معامل التحديد‬
‫تفسير قيمة معامل التحديد‪:‬‬
‫‪ 96.5%‬من تغير قيمة االستهالك (المتغير التابع) يمكن أن يفسر باستخدام العالقة الخطية بين الدخل‬
‫واالستهالك والنسبة المتبقية ‪ %3.5‬ترجع إلى عوامل أخرى تؤثر على قيمة االستهالك‪.‬‬
‫وهذا يدل على وجود عالقة معنوية بين الدخل واالستهالك وأن نموذج‬ ‫‪،F= 218.727 -4‬‬
‫االنحدار السابق جيد‪.‬‬
‫‪ Sig.=0.304 ،‬وهذا يدل على أن نموذج انحدار االستهالك على الدخل يمر بنقطة األصل‪.‬‬ ‫‪-5‬‬
‫‪Sig.=0.000 ،‬وهذا يدل على أن الدخل متغير مؤثر في تقدير قيمة االستهالك ويجب أن‬ ‫‪-6‬‬
‫يكون ضمن نموذج خط االنحدار‪.‬‬
‫‪Page 57 of 57‬‬

دورة SPSS

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

دورة SPSS

Uploaded by

Copyright:

Available Formats

‫عمادة خدمة المجتمع والتعليم المستمر‬

‫الجامعة اإلسالمية ‪ -‬غزة‬

‫دورة في البرنامج اإلحصائي‬

‫‪ 14‬يونيو – ‪ 6‬أغسطس ‪2008‬‬

‫الدكتور‪ /‬سمير خالد صافي‬

‫‪Statistics Science‬‬ ‫علم اإلحصاء‬

‫(‪ )1‬الوسط الحسابي ‪ Arithmetic Mean‬أو ‪Average‬‬

‫(‪ )2‬الوسيط ‪:Median‬‬

‫(‪ )3‬المنوال ‪:Mode‬‬

‫‪ -4‬الُر بيعات ‪Quartiles‬‬

‫(‪ )1‬المدى ‪:Range‬‬

‫(‪ )2‬نصف المدى الُر بيعي (االنحراف الربيعي) ‪:Quartile Deviation‬‬

‫(‪ )3‬التباين واالنحراف المعياري‪:‬‬

‫‪SPSS‬‬ ‫تشغيل والتعرف على البرنامج‬

‫‪ -1‬الئحة األوامر ‪.COMMAND FUNCTIONS‬‬

‫‪ -4‬الئحة التقارير والنتائج‪:‬‬

‫استرجاع البيانات والملفات‪:‬‬

‫ويتم استرجاع التالي‪:‬‬

‫إضافة‪ ،‬تعديل والتحكم بالمتغيرات‬

‫‪ -4‬يظهر المربع الحواري التالي‪:‬‬

‫‪ -5‬أكمل المربع الحواري السابق كما يلي‪:‬‬

‫‪ -6‬اختر ‪ OK‬فنحصل على المطلوب كما في الشكل التالي‪:‬‬

‫إضافة متغير أو مشاهدة‪:‬‬

‫ترتيب المشاهدات حسب متغير معين ‪Rank Cases‬‬

‫تكوين متغير جديد باستخدام معادلة‬

‫استخدام الدالة ‪ IF‬مع ‪Compute‬‬

‫‪ -‬فمثَال‪ :‬افتح الملف ‪.Employee Data‬‬

‫‪SPSS STEP BY STEP‬‬

‫‪ -‬اضغط على االختيار ‪ …If‬ثم أكمل المربع الحواري كما يلي‪:‬‬

‫اختيار خاليا ‪SELECT CASES‬‬

‫توجد عدة اختيارات في المربع الحواري السابق هي‪:‬‬

‫أو يمكن استخدام الشرط في الصورة التالية‪:‬‬

‫يوجد اختياران في المربع الحواري السابق هما‪:‬‬

‫‪ Range‬فيظهر المربع الحواري التالي‪:‬‬

‫‪Use filter variable .5‬‬

‫إعادة الترميز ‪Recode‬‬

‫‪SPSS STEP BY STEP‬‬

‫‪ -‬المطلوب تصنيف البيانات السابقة كما يلي‪:‬‬

‫اإلحصاء الوصفي والمدرج التكراري للبيانات‬

‫(‪ )2‬اإلحصاء الوصفي ‪Descriptive Statistics‬‬

‫(‪ )3‬المستكشف ‪Explore‬‬

Gender Statistic Std. Error

5% Trimmed Mean 12.41

5% Trimmed Mean 14.52

CROSS TABULATION ‫) جداول االقتران‬4(

Gender * Employment Category Crosstabulation

‫‪Graphs‬‬ ‫‪Legacy Dialogs‬‬ ‫‪Bar‬‬

‫أكمل المربع الحواري كما يلي‪:‬‬

‫فنحصل على الرسم البياني التالي بعد تنسيقه‬

‫أكمل المربع الحواري كما يلي‪:‬‬

‫فنحصل على الرسم البياني التالي بعد تنسيقه‬

:‫أكمل المربع الحواري كما يلي‬

‫فنحصل على الرسم البياني التالي بعد تنسيقه‬

‫المدرج التكراري ‪Histogram‬‬

‫‪Graphs‬‬ ‫‪Legacy Dialogs‬‬ ‫‪Histogram‬‬

‫فنحصل على الرسم البياني التالي‬

‫‪Test of Hypotheses‬‬ ‫اختبار الفرضيات‬

‫‪ -2‬مستوى المعنوية أو مستوى االحتمال‬

‫‪ -3‬دالة االختبار اإلحصائية‬

‫خطوات اختبار الفرضيات‪:‬‬

‫(‪ )1‬تحديد نوع توزيع المجتمع‬

‫‪ -2‬صياغة فرضيتا العدم والبديلة‬

‫‪ -3‬اختيار مستوى المعنوية‬