Marwa'n Smadi, profile picture
Uploaded byMarwa'n Smadi
6,137 views

احصاء Spss

Embed presentation

Downloaded 55 times
1 / 150
2 / 150
3 / 150
4 / 150
5 / 150
6 / 150
7 / 150
8 / 150
9 / 150
10 / 150
11 / 150
12 / 150
13 / 150
14 / 150
15 / 150
16 / 150
17 / 150
Most read
18 / 150
Most read
19 / 150
20 / 150
21 / 150
22 / 150
23 / 150
24 / 150
25 / 150
Most read
26 / 150
27 / 150
28 / 150
29 / 150
30 / 150
31 / 150
32 / 150
33 / 150
34 / 150
35 / 150
36 / 150
37 / 150
38 / 150
39 / 150
40 / 150
41 / 150
42 / 150
43 / 150
44 / 150
45 / 150
46 / 150
47 / 150
48 / 150
49 / 150
50 / 150
51 / 150
52 / 150
53 / 150
54 / 150
55 / 150
56 / 150
57 / 150
58 / 150
59 / 150
60 / 150
61 / 150
62 / 150
63 / 150
64 / 150
65 / 150
66 / 150
67 / 150
68 / 150
69 / 150
70 / 150
71 / 150
72 / 150
73 / 150
74 / 150
75 / 150
76 / 150
77 / 150
78 / 150
79 / 150
80 / 150
81 / 150
82 / 150
83 / 150
84 / 150
85 / 150
86 / 150
87 / 150
88 / 150
89 / 150
90 / 150
91 / 150
92 / 150
93 / 150
94 / 150
95 / 150
96 / 150
97 / 150
98 / 150
99 / 150
100 / 150
101 / 150
102 / 150
103 / 150
104 / 150
105 / 150
106 / 150
107 / 150
108 / 150
109 / 150
110 / 150
111 / 150
112 / 150
113 / 150
114 / 150
115 / 150
116 / 150
117 / 150
118 / 150
119 / 150
120 / 150
121 / 150
122 / 150
123 / 150
124 / 150
125 / 150
126 / 150
127 / 150
128 / 150
129 / 150
130 / 150
131 / 150
132 / 150
133 / 150
134 / 150
135 / 150
136 / 150
137 / 150
138 / 150
139 / 150
140 / 150
141 / 150
142 / 150
143 / 150
144 / 150
145 / 150
146 / 150
147 / 150
148 / 150
149 / 150
150 / 150
‫ﺠﺎﻤﻌﺔ ﺍﻟﻘﺩﺱ ﺍﻟﻤﻔﺘﻭﺤﺔ‬ ‫ﺍﻟﺩﻟﻴل ﺍﻟﻌﻤﻠﻲ ﻟﻤﻘﺭﺭ‬ ‫ﺍﻹﺤﺼﺎﺀ ﺍﻟﺘﻁﺒﻴﻘﻲ‬ ‫3625‬ ‫ﺤﻘﻭﻕ ﺍﻟﻁﺒﻊ ﻤﺤﻔﻭﻅﺔ‬ ‫5002‬ ‫1‬
‫ﺇﻋﺩﺍﺩ ﺍﻟﻤﺎﺩﺓ ﺍﻟﻌﻠﻤﻴﺔ: ﺃ. ﻋﻤﺎﺩ ﻨﺸﻭﺍﻥ‬ ‫2‬
‫ﺍﻟﺼﻔﺤﺔ‬ ‫ﺍﻟﻤﻭﻀﻭﻉ‬ ‫ﺍﻟﺭﻗﻡ‬ ‫6‬ ‫ﻤﻘﺩﻤﺔ ﻋﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺨﺎﺼﺔ ﺒﺎﻟﻤﻘﺭﺭ.‬ ‫6‬ ‫ﺍﻟﻤﻭﺍﺼﻔﺎﺕ ﺍﻟﺘﻲ ﻴﺠﺏ ﺃﻥ ﺘﺘﻭﺍﻓﺭ ﻓﻲ ﺠﻬﺎﺯ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ ﻟﻠﺘﻌﺎﻤل ﻤﻊ ﺒﺭﻨﺎﻤﺞ‬ ‫1.‬ ‫0.21 ‪SPSS‬‬ ‫8‬ ‫ﺘﻌﺭﻴﻑ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫2.‬ ‫8‬ ‫ﺸﺎﺸﺎﺕ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﻭ ﻗﻭﺍﺌﻤﻪ‬ ‫21‬ ‫ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫3.‬ ‫61‬ ‫ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫4.‬ ‫02‬ ‫ﻜﻴﻔﻴﺔ ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ‬ ‫5.‬ ‫52‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﻭﺁﻟﻴﺎﺕ ﺍﻟﺘﻌﺎﻤل ﻤﻌﻬﺎ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪.SPSS‬‬ ‫6.‬ ‫72‬ ‫ﺍﻟﻭﺤﺩﺓ ﺍﻷﻭﻟﻰ: ﺍﻻﺴﺘﺩﻻل ﺍﻻﺤﺼﺎﺌﻲ ﺤﻭل ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ‬ ‫92‬ ‫ﺘﻘﺩﻴﺭ ﻭﺴﻁ ﻤﺠﺘﻤﻊ ﺒﻨﻘﻁﺔ ﻭ ﺒﻔﺘﺭﺓ ﺜﻘﺔ‬ ‫1.‬ ‫43‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻭﺴﻁ ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ‬ ‫2.‬ ‫93‬ ‫ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺒﻨﻘﻁﺔ ﻭﺒﻔﺘﺭﺓ ﺜﻘﺔ‬ ‫3.‬ ‫54‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﻟﻨﺴﺒﺔ ﻓﻲ ﺍﻟﻤﺠﺘﻤﻊ ﺍﻟﻭﺍﺤﺩ‬ ‫4.‬ ‫94‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ ﻭﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﺤﻭل ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ‬ ‫5.‬ ‫55‬ ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻨﻴﺔ: ﺍﻻﺴﺘﺩﻻل ﺍﻻﺤﺼﺎﺌﻲ ﺤﻭل ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ‬ ‫65‬ ‫ﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﻭﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ‬ ‫1.‬ ‫36‬ ‫ﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﻭﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﻲ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ.‬ ‫2.‬ ‫96‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﻭﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﺤﻭل ﺍﻟﻨﺴﺒﺔ ﺒﻴﻥ ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ‬ ‫3.‬ ‫57‬ ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻟﺜﺔ: ﺍﻻﻨﺤﺩﺍﺭ ﻭﺍﻻﺭﺘﺒﺎﻁ‬ ‫77‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻭﻤﻘﻁﻌﻪ‬ ‫1.‬ ‫78‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ )ﺒﻴﺭﺴﻭﻥ(.‬ ‫2.‬ ‫3‬
‫ﺍﻟﺼﻔﺤﺔ‬ ‫ﺍﻟﻤﻭﻀﻭﻉ‬ ‫ﺍﻟﺭﻗﻡ‬ ‫09‬ ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺭﺍﺒﻌﺔ: ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ ﻭﺍﻟﺜﻨﺎﺌﻲ‬ ‫19‬ ‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ‬ ‫1.‬ ‫79‬ ‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ‬ ‫2.‬ ‫401‬ ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺨﺎﻤﺴﺔ: ﺍﻟﻁﺭﻕ ﻏﻴﺭ ﺍﻟﻤﻌﻠﻤﻴﺔ‬ ‫501‬ ‫ﻤﻘﺎﺭﻨﺔ ﻭﺴﻴﻁ ﻤﺠﺘﻤﻊ ﺒﻭﺴﻴﻁ ﺍﻟﻌﻴﻨﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫1.‬ ‫ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﺼﻐﻴﺭﺓ‬ ‫ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ‬ ‫901‬ ‫ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﻤﺠﺘﻤﻌﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ‬ ‫2.‬ ‫901‬ ‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫311‬ ‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ‬ ‫811‬ ‫ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ-ﻭﻴﺘﻨﻲ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻭﺴﻴﻁ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ. ‪Mann‬‬ ‫3.‬ ‫‪Whitney Test‬‬ ‫421‬ ‫ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل-ﻭﺍﻻﺱ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺘﻭﺯﻴﻊ ﻋﺩﺓ ﻤﺠﺘﻤﻌﺎﺕ ﻤﺴﺘﻘﻠﺔ‬ ‫4.‬ ‫031‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻻﺴﺘﻘﻼﻟﻴﺔ‬ ‫5.‬ ‫831‬ ‫ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ‬ ‫6.‬ ‫341‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ.‬ ‫7.‬ ‫641‬ ‫ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺘﻭﺯﻴﻊ ﻋﺩﺓ ﻤﺠﺘﻤﻌﺎﺕ ﻤﺭﺘﺒﻁﺔ‬ ‫8.‬ ‫4‬
‫ﻤﻘﺩﻤﺔ ﻤﺨﺘﺼﺭﺓ ﻋﻥ ﺒﺭﻨﺎﻤﺞ‬ ‫0.21 ‪SPSS‬‬ ‫5‬
‫ﻤﻘﺩﻤﺔ ﻋﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺨﺎﺼﺔ ﺒﺎﻟﻤﻘﺭﺭ‬ ‫ﻓﻲ ﻫﺫﺍ ﺍﻟﺠﺯﺀ ﻤﻥ ﻫﺫﺍ ﺍﻟﺩﻟﻴل ﺴﻨﺘﻌﺭﺽ ﺇﻟﻰ ﺍﻟﻤﺒﺎﺩﺉ ﺍﻻﺴﺎﺴﻴﺔ ﺍﻟﺘﻲ ﺴﺘﺤﺘﺎﺠﻬﺎ ﻻﺴﺘﺨﺩﺍﻡ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﺍﻟﺘﻲ‬ ‫ﺴﺘﺴﺎﻋﺩﻙ ﻓﻲ ﺘﻨﻔﻴﺫ ﺍﻟﺠﺯﺀ ﺍﻟﻌﻤﻠﻲ ﻤﻥ ﻤﻘﺭﺭ ﺍﻻﺤﺼﺎﺀ ﺍﻟﺘﻁﺒﻴﻘﻲ ، ﺤﻴﺙ ﺴﻨﺘﻌﺭﻑ ﻋﻠﻰ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﻭﻋﻠﻰ‬ ‫ﺍﻟﺸﺎﺸﺎﺕ ﺍﻟﺘﻲ ﻴﺠﺏ ﺃﻥ ﺘﺘﻌﺎﻤل ﻤﻌﻬﺎ ﻭﺍﻟﺘﻌﺭﻑ ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﻜﻴﻔﻴﺔ ﺘﻌﺭﻴﻑ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﺩﺨﺎل‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﻤﻥ ﺜﻡ ﻜﻴﻔﻴﺔ ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻓﻲ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ‬ ‫ﺴﻨﺘﻌﺭﻑ ﻋﻠﻰ ﺘﻌﺭﻴﻔﺎﺕ ﺨﺎﺼﺔ ﺒﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻟﺘﻤﻜﻨﻙ ﻤﻥ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﻭﻜﻴﻔﻴﺔ ﺍﻟﺘﻌﺎﻤل ﻤﻊ‬ ‫ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺍﻟﺒﺭﻨﺎﻤﺞ.‬ ‫1: ﺍﻟﻤﻭﺍﺼﻔﺎﺕ ﺍﻟﺘﻲ ﻴﺠﺏ ﺃﻥ ﺘﺘﻭﺍﻓﺭ ﻓﻲ ﺠﻬﺎﺯ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ ﻟﻠﺘﻌﺎﻤل ﻤﻊ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫0.21 ﻭﻜﻴﻔﻴﺔ ﺘﺸﻐﻴﻠﻪ‬ ‫ﻟﻜﻲ ﺘﺴﺘﻁﻴﻊ ﺍﻟﻌﻤل ﻤﻊ ﺒﺭﻨﺎﻤﺞ 0.21‪ SPSS‬ﻴﺠﺏ ﺃﻥ ﺘﺘﻭﻓﺭ ﻓﻲ ﺠﻬﺎﺯ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ ﺒﻌﺽ ﺍﻟﻤﻭﺍﺼﻔﺎﺕ ﺃﻭ ﺍﻟﻤﺘﻁﻠﺒﺎﺕ‬ ‫ﻭﺍﻟﺤﺩ ﺍﻷﺩﻨﻰ ﻤﻨﻬﺎ ﻫﻲ ﻜﺎﻟﺘﺎﻟﻲ:‬ ‫1. ‪Processor (CPU): Pentium or Pentium-class processor running at 90MHz or‬‬ ‫.‪faster‬‬ ‫2. ‪Memory (RAM): 128MB minimum‬‬ ‫3. ‪Display type : SVGA (800 x 600 resolution) or higher‬‬ ‫4. ‪Hard Disk Space: Minimum of 220MB available disk space‬‬ ‫5. .)‪Media: CD-ROM (for installation‬‬ ‫6. ‪Mouse: Required‬‬ ‫7. .‪Platform: Windows 98/Me/NT4 with SP6/2000/XP‬‬ ‫ﺘﺸﻐﻴل ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫ﺒﻌﺩ ﺃﻥ ﺘﻘﻭﻡ ﺒﺘﺜﺒﻴﺕ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﻋﻠﻰ ﺍﻟﺠﻬﺎﺯ ﻨﻘﻭﻡ ﺒﺘﺸﻐﻴﻠﻪ ﻋﻥ ﻁﺭﻴﻕ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺒﺭﺍﻤﺞ ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ ﺍﺒﺩﺃ‬ ‫6‬
‫ﻓﺘﻅﻬﺭ ﻟﻨﺎ ﺍﻟﺸﺎﺸﺔ ﺍﻟﺘﺎﻟﻴﺔ ﻟﺤﻅﻴﺎ‬ ‫ﹰ‬ ‫ﺘﺤﺘﻭﻱ ﺍﻟﺸﺎﺸﺔ ﺍﻟﺴﺎﺒﻘﺔ ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺨﺎﺼﺔ ﺒﺎﻟﻤﺴﺘﺨﺩﻡ ﺍﻟﺘﻲ ﺘﻡ ﺍﺩﺨﺎﻟﻬﺎ ﺨﻼل ﻋﻤﻠﻴﺔ ﺘﺜﺒﻴﺕ ﺒﺭﻨﺎﻤﺞ‬ ‫•‬ ‫0.21 ‪.SPSS‬‬ ‫7‬
‫2: ﺘﻌﺭﻴﻑ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫ﺒﻌﺩ ﺘﺸﻐﻴل ﺍﻟﺒﺭﻨﺎﻤﺞ، ﺴﻨﺘﻌﺭﻑ ﻋﻠﻰ ﻜﺎﻤل ﺒﻴﺌﺔ ﺍﻟﺒﺭﻨﺎﻤﺞ ﻤﻥ ﺸﺎﺸﺎﺕ، ﻭﻜﻴﻔﻴﺔ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ، ﻭﻤﺎ ﻫﻲ ﺍﻟﺒﺭﺍﻤﺞ‬ ‫ﺍﻟﺘﻲ ﻴﺴﺘﻁﻴﻊ ﺃﻥ ﻴﺘﻌﺎﻤل ﻤﻌﻬﺎ ﺍﻟﺒﺭﻨﺎﻤﺞ ﻭﻁﺒﻴﻌﺔ ﺍﻟﻨﺘﺎﺌﺢ ﻭﺍﻟﺩﻭﺍل ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﺘﻲ ﻴﻁﺒﻘﻬﺎ ﺍﻟﺒﺭﻨﺎﻤﺞ، ﺒﺎﺨﺘﺼﺎﺭ ﺴﻨﺘﻌﺭﻑ‬ ‫ﻋﻠﻰ ﺍﻤﻜﺎﻨﺎﺕ ﻫﺫﺍ ﺍﻟﺒﺭﻨﺎﻤﺞ.‬ ‫ﺸﺎﺸﺎﺕ ﺒﺭﻨﺎﻤﺞ 0.21 ‪SPSS‬‬ ‫1.‬ ‫ﻴﺘﻜﻭﻥ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﻤﻥ 8 ﺸﺎﺸﺎﺕ، ﻟﻜل ﺸﺎﺸﺔ ﻤﻥ ﻫﺫﻩ ﺍﻟﺸﺎﺸﺎﺕ ﺍﺴﺘﺨﺩﺍﻤﺎﺕ ﻭﻤﻬﺎﻡ ﺨﺎﺼﺔ ﺒﻬﺎ، ﻭﻤﻥ‬ ‫ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﺍﺴﺘﺨﺩﺍﻡ ﻫﺫﺍ ﺍﻟﺒﺭﻨﺎﻤﺞ ﺨﻼل ﻫﺫﺍ ﺍﻟﻤﻘﺭﺭ ﻻ ﻴﺘﻁﻠﺏ ﻤﻨﻙ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺠﻤﻴﻊ ﺍﻟﺸﺎﺸﺎﺕ ﺍﻟﺜﻤﺎﻨﻴﺔ، ﻭﻟﻜﻥ‬ ‫ﻴﺠﺏ ﺃﻥ ﺘﺘﻤﻜﻥ ﻤﻥ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺸﺎﺸﺘﻴﻥ ﺃﺴﺎﺴﻴﺘﻴﻥ ﻓﻘﻁ ﻭﻫﻤﺎ ﺸﺎﺸﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data Editor‬ﻭﺸﺎﺸﺔ ﻋﺎﺭﺽ ﺍﻟﻨﺘﺎﺌﺞ‬ ‫‪. Viewer‬‬ ‫‪ :(Data‬ﻫﻲ ﺃﻭل ﺸﺎﺸﺔ ﺘﺭﺍﻫﺎ ﻋﻨﺩﻤﺎ ﺘﺸﻐل ﺒﺭﻨﺎﻤﺞ‬ ‫ﺸﺎﺸﺔ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ )‪Editor‬‬ ‫ﺃ.‬ ‫‪ SPSS‬ﻭﻤﻥ ﺨﻼﻟﻬﺎ ﺘﻌﺭﺽ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻠﻔﺎﺕ ﻭﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺘﻌﺭﻴﻑ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺘﺘﻜﻭﻥ ﻤﻨﻬﺎ ﺘﻠﻙ‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻗﻴﻤﻬﺎ ﻭﺘﻨﻘﺴﻡ ﻫﺫﻩ ﺍﻟﺸﺎﺸﺔ ﺇﻟﻰ ﻭﺭﻗﺘﻲ ﻋﻤل ‪ Spread Sheet‬ﻭﻟﻜﻥ ﻤﺠﺎﺯﺍ ﺴﻨﺴﻤﻴﻬﻤﺎ ﺸﺎﺸﺘﻴﻥ‬ ‫ﹰ‬ ‫ﻓﺭﻋﻴﺘﻴﻥ ﻭﻫﻤﺎ:‬ ‫ﻭﻫﻲ ﺍﻟﺠﺯﺀ ﺍﻟﺫﻱ ﺘﻌﺭﺽ ﻓﻴﻪ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺸﺎﺸﺔ ﺍﻅﻬﺎﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪:Data View‬‬ ‫•‬ ‫ﻭﺘﻜﻭﻥ ﻋﻠﻰ ﺸﻜل ‪ Spread Sheet‬ﻭﻴﻜﻭﻥ ﻓﻲ ﺃﻋﻠﻰ ﻜل ﻋﻤﻭﺩ ﺍﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﻴﺘﻜﻭﻥ ﻤﻨﻬﺎ ﺍﻟﻤﻠﻑ‬ ‫ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫8‬
‫ﻭﻴﻌﺒﺭ ﻜل ﺴﻁﺭ ﻤﻥ ﻫﺫﻩ ﺍﻟﺸﺎﺸﺔ ﻋﻥ ﺒﻴﺎﻨﺎﺕ ﺤﺎﻟﺔ ﻤﻌﻴﻨﺔ ﺃﻭ ﺴﺠل ﻤﻌﻴﻥ ﻷﺤﺩ ﺃﻓﺎﺭﺩ ﺍﻟﻌﻴﻨﺔ، ﻭﻜل ﻋﻤﻭﺩ ﻴﻌﺒﺭ ﻋﻥ‬ ‫ﺒﻴﺎﻨﺎﺕ ﺃﺤﺩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺃﻱ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻌﻴﻨﺔ ﻜﺎﻤﻠﺔ ﻓﻲ ﺫﻟﻙ ﺍﻟﻤﺘﻐﻴﺭ.‬ ‫ﻭﻫﻭ ﺍﻟﺠﺯﺀ ﺍﻟﺨﺎﺹ ﺒﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺸﺎﺸﺔ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪: Variable View‬‬ ‫•‬ ‫ﻭﻨﻭﻉ ﺍﻟﻤﺘﻐﻴﺭ ﻭﻋﺭﻀﻪ ﻭﻋﻨﻭﺍﻨﻪ ﻭﻗﻴﻤﻪ ﻭﻗﻴﺎﺱ ﺘﺩﺭﻴﺠﻪ ﺇﻟﺦ...، ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﻜل ﺴﻁﺭ ﻤﻥ ﻫﺫﻩ ﺍﻟﺸﺎﺸﺔ‬ ‫ﻴﻌﺒﺭ ﻋﻥ ﺘﻌﺭﻴﻑ ﻤﺘﻐﻴﺭ ﻤﻌﻴﻥ ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫9‬
‫‪ Variable View‬ﻋﻥ ﻁﺭﻴﻕ‬ ‫ﻭﻴﻤﻜﻨﻙ ﺍﻻﻨﺘﻘﺎل ﺒﻴﻥ ﺸﺎﺸﺘﻲ ﺍﻅﻬﺎﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data View‬ﻭﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺍﻟﻨﻘﺭ ﺍﻟﻤﺯﺩﻭﺝ ﻋﻠﻰ ﺃﻋﻠﻰ ﺃﻱ ﻋﻤﻭﺩ )ﻤﺘﻐﻴﺭ( ﻓﻲ ‪ Data View‬ﺃﻭ ﺒﺎﺨﺘﻴﺎﺭ ﺸﺎﺸﺔ ‪ Variable View‬ﺃﺴﻔل ﺸﺎﺸﺔ‬ ‫‪ ،Data Editor‬ﺃﻭ ﺍﻟﻨﻘﺭ ﺍﻟﻤﺯﺩﻭﺝ ﻋﻠﻰ ﺴﻁﺭ ﺘﻌﺭﻴﻑ ﺃﻱ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺸﺎﺸﺔ ‪.Variable View‬‬ ‫ﻭﻫﻲ ﺍﻟﺸﺎﺸﺔ ﺍﻟﺘﻲ ﺘﻅﻬﺭ ﻋﻠﻴﻬﺎ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻻﺤﺼﺎﺌﻲ ﻭﺘﻅﻬﺭ‬ ‫ﺏ: ﺸﺎﺸﺔ ﺍﻟﻌﺎﺭﺽ ‪:Viewer‬‬ ‫ﻫﺫﺍ ﺍﻟﺸﺎﺸﺔ ﻋﻨﺩ ﺍﺠﺭﺍﺀ ﺃﻭل ﺇﺠﺭﺍﺀ ﺍﺤﺼﺎﺌﻲ ﻓﺘﻅﻬﺭ ﻨﺘﻴﺠﺘﻪ ﻓﻲ ﺸﺎﺸﺔ ﺠﺩﻴﺩﺓ ﻫﻲ ﺸﺎﺸﺔ ‪ .Viewer‬ﺒﺎﻤﻜﺎﻨﻙ ﻤﻥ‬ ‫ﺨﻼﻟﻬﺎ ﺍﻟﺘﻌﺩﻴل ﻭﺍﺴﺘﻌﺭﺍﺽ ﺍﻟﻨﺘﺎﺌﺞ، ﺍﻅﻬﺎﺭ ﺃﻭ ﺍﺨﻔﺎﺀ ﺒﻌﺽ ﺃﻭ ﻜل ﺍﻟﻨﺘﺎﺌﺞ، ﻭﺘﺒﺎﺩل ﺍﻟﻨﺘﺎﺌﺞ ﻤﻊ ﺸﺎﺸﺎﺕ ﺃﺨﺭﻯ.‬ ‫ﺘﺘﻜﻭﻥ ﺸﺎﺸﺔ ‪ Viewer‬ﻤﻥ ﺠﺯﺌﻴﻥ، ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻫﻭ ﺍﻟﺠﺯﺀ ﺍﻷﻴﺴﺭ ﺍﻟﺨﺎﺹ ﺒﻌﻨﻭﺍﻥ ﻭﺍﻟﻌﻨﻭﺍﻴﻥ ﺍﻟﻔﺭﻋﻴﺔ‬ ‫ﻟﻺﺠﺭﺍﺀﺍﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﺘﻲ ﻴﻨﻔﺫﻫﺎ ﺍﻟﻤﺴﺘﺨﺩﻡ، ﻭﺍﻟﺠﺯﺀ ﺍﻷﻴﻤﻥ ﺍﻟﺨﺎﺹ ﻫﻭ ﺍﻟﺠﺯﺀ ﺍﻟﺫﻱ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﺍﻻﺤﺼﺎﺌﻴﺔ ﻟﻼﺠﺭﺍﺀ ﺍﻻﺤﺼﺎﺌﻲ، ﻭﻤﺎ ﺘﺤﺘﻭﻴﻪ ﻤﻥ ﺠﺩﺍﻭل ﻭﺭﺴﻭﻤﺎﺕ ﺃﻭ ﺤﺘﻰ ﺘﻁﺒﻴﻘﺎﺕ ﺃﺨﺭﻯ ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ‬ ‫ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫01‬
‫ﺍﻟﻘﻭﺍﺌﻡ )‪(Menus‬‬ ‫2.‬ ‫ﻟﻜل ﺸﺎﺸﺔ ﻤﻥ ﺸﺎﺸﺎﺕ 0.21 ‪ SPSS‬ﺘﺘﻨﺎﺴﺏ ﻤﻊ ﻤﻬﻤﺎﺘﻬﺎ ، ﻭﻜل ﻗﺎﺌﻤﺔ ﻓﻴﻬﺎ ﺍﻟﻌﺩﻴﺩ ﻤﻥ ﺍﻟﻤﻬﺎﻡ ﻭﻟﻜﻥ ﺍﻟﻤﺸﺘﺭﻙ ﻓﻴﻬﺎ‬ ‫ﺠﻤﻴﻌﺎ ﻗﺎﺌﻤﺘﻴﻥ )‪ (Analyze, Graphs‬ﺍﻟﺘﻲ ﺴﻨﺴﺘﺨﺩﻤﻬﺎ ﻻﺤﻘﺎ.‬ ‫ﹰ‬ ‫ﹰ‬ ‫11‬
‫3: ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﻲ ﺴﺘﺩﺨﻠﻬﺎ، ﻓﺘﻜﻭﻥ ﻋﻠﻰ ﺸﻜل ﺍﺴﻤﺎﺀ ﺃﻭ ﺃﺭﻗﺎﻡ ﻋﻠﻰ ﺸﻜل ﺭﻤﻭﺯ ﻤﻌﻴﻨﺔ ﺃﻭ‬ ‫ﻜﻤﻴﺎﺕ، ﻭﻴﺘﻌﺎﻤل ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻤﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻋﻠﻰ ﺃﻨﻬﺎ ﻤﺘﻐﻴﺭﺍﺕ ﻤﺜل ﺃﻥ ﻨﺨﺘﺎﺭ ﺍﻟﻤﺘﻐﻴﺭ ‪ Age‬ﻹﺩﺨﺎل ﺒﻴﺎﻨﺎﺕ ﺍﻟﻌﻤﺭ‬ ‫ﻭﻫﻜﺫﺍ. ﻭﻴﻘﺒل ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺍﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺎﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ.‬ ‫ﺍﻟﻤﺘﻐﻴﺭ ‪Variable‬‬ ‫ﺴﺠل ‪Case‬‬ ‫ﻭﻴﺘﻡ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻋﻥ ﻁﺭﻴﻕ ﺸﺎﺸﺔ ‪ Variable View‬ﻓﻜل ﻤﺘﻐﻴﺭ ﻨﺭﻴﺩ ﺘﻌﺭﻴﻔﻪ ﻴﻜﻭﻥ ﻟﻪ ﺴﺠل )ﺴﻁﺭ(‬ ‫ﺘﻌﺭﻴﻑ ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺴﺎﺒﻕ ﻭﻴﺸﻤل ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﻭﻨﻭﻋﻪ، ﻭﻋﺭﻀﻪ ﻭﺘﺩﺭﻴﺞ ﻗﻴﺎﺴﻪ... ﻭﺍﻻﻥ ﻋﺯﻴﺯﻱ‬ ‫ﺍﻟﺩﺍﺭﺱ ﺴﻨﻭﻀﺢ ﻜل ﻋﻨﺼﺭ ﻤﻥ ﻋﻨﺎﺼﺭ ﺍﻟﺴﺠل:‬ ‫ﺍﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪Variable Name‬‬ ‫1.‬ ‫ﻟﻜﻲ ﺘﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ ﻴﺠﺏ ﺃﻥ ﺘﻜﺘﺏ ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺴﻁﺭ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺸﺎﺸﺔ ‪ Variables View‬ﻓﻴﻤﻜﻥ ﺃﻥ‬ ‫ﻴﻜﻭﻥ ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﻫﻭ ﺍﻟﺠﻨﺱ ﻭﺍﻟﺫﻱ ﺴﻨﺴﻤﻴﻪ ‪.gender‬‬ ‫21‬
‫ﻨﻭﻉ ﺍﻟﻤﺘﻐﻴﺭ ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﻨﺎﺯل ﺍﻟﻌﺸﺭﻴﺔ‬ ‫ﻭﺼﻑ ﺍﻟﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻜﻭﺩ‬ ‫ﻋﺭﺽ ﺍﻟﻌﻤﻭﺩ‬ ‫ﺘﺩﺭﻴﺞ ﻤﻘﻴﺎﺴﻪ‬ ‫ﻭﻴﺠﺏ ﺃﻥ ﺘﺤﻘﻕ ﺍﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺸﺭﻭﻁ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﻴﺠﺏ ﺍﻥ ﻴﺒﺩﺃ ﺒﺤﺭﻑ ﻭﻻ ﻴﻤﻜﻥ ﺃﻥ ﻴﻨﺘﻬﻲ ﺒﻔﺘﺭﺓ ﻭﺃﻥ ﻻ ﻴﺘﺠﺎﻭﺯ ﻋﺩﺩ ﺍﻻﺤﺭﻑ 46 ﻭﺃﻥ ﻻ ﻴﺘﻜﺭﺭ ﺍﺴﻡ‬ ‫•‬ ‫ﺍﻟﻤﺘﻐﻴﺭ‬ ‫ﻻ ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﻔﺭﺍﻍ ﺒﻴﻥ ﺍﻻﺤﺭﻑ‬ ‫•‬ ‫ﻻ ﻴﻤﻜﻨﻙ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﺭﻤﻭﺯ ﺃﻭ ﺍﻻﺸﺎﺭﺍﺕ ﻤﺜل %، ^، |، #، $، &، ﺃﻭ ﺍﻷﻗﻭﺍﺱ.‬ ‫•‬ ‫ﻻ ﻴﻤﻜﻨﻙ ﺍﺴﺘﺨﺩﺍﻡ ﻋﻼﻤﺎﺕ ﺍﻟﺘﺭﻗﻴﻡ ﻤﺜل ؟ ! : * ، “ ; ‘‬ ‫•‬ ‫ﻤﻤﻨﻭﻉ ﺃﻥ ﻴﻜﻭﻥ ﺃﺴﻡ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺃﺤﺩ ﺍﻟﻜﻠﻤﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ ﻷﻨﻬﺎ ﺍﺴﻤﺎﺀ ﻤﺤﺠﻭﺯﺓ ﻷﻭﺍﻤﺭ ﻤﻌﻴﻨﺔ ﻓﻲ ﺒﺭﻨﺎﻤﺞ‬ ‫•‬ ‫‪ SPSS‬ﻤﺜل‬ ‫.)…‪(ALL, NE, EQ, TO, LE, LT, BY, OR, GT, AND, NOT, GE, WITH, etc‬‬ ‫ﺃﻨﻭﺍﻉ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪Variable Types‬‬ ‫2.‬ ‫ﻭﻫﻨﺎ ﻟﻜﻲ ﺘﺘﻌﺎﻤل ﻤﻊ ﺍﻟﻤﻭﺍﻀﻴﻊ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺍﻟﻤﻘﺭﺭ ﻋﻠﻴﻙ ﻓﻘﻁ ﺃﻥ ﺘﺘﻌﺎﻤل ﻓﻘﻁ ﻤﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺭﻗﻤﻴﺔ ﻭﺍﻟﺘﻲ‬ ‫ﺴﻨﺸﺭﺤﻬﺎ ﺘﻔﺼﻴﻠﻴﺎ.‬ ‫ﹰ‬ ‫ﻟﺘﻌﺭﻴﻑ ﻨﻭﻉ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺸﺎﺸﺔ ‪ Variable View‬ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫ﻴﺠﺏ ﺃﻥ ﺘﻀﻐﻁ ﻫﻨﺎ ﺤﺘﻰ ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫ﻭﻤﻥ ﺜﻡ ﺘﺨﺘﺎﺭ ﻨﻭﻉ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺫﻱ ﺘﺭﻴﺩ ﺘﻌﺭﻴﻔﻪ ﻭﺃﻨﻭﺍﻉ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﻤﻜﻨﺔ ﻫﻲ:‬ ‫31‬
‫1:ﺍﻟﺭﻗﻤﻲ )‪ :(Numeric‬ﻭﻫﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ )ﺍﻟﻤﺘﻐﻴﺭﺍﺕ( ﺍﻟﺘﻲ ﺘﻜﻭﻥ ﻗﻴﻤﻬﺎ ﺍﺭﻗﺎﻡ، ﻭﺍﻟﻤﺘﻐﻴﺭ ﻫﻨﺎ ﻴﻘﺒل ﺍﻻﺭﻗﺎﻡ ﺒﺼﻴﻎ‬ ‫ﻤﻌﻴﻨﺔ ﻤﺜل ‪ Scientific Notation‬ﻭﻏﻴﺭﻫﺎ. ﻭﻫﻲ ﻨﻭﻋﻴﻥ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺘﺼﻠﺔ ‪ :Continuouse‬ﻭﻫﻲ ﻤﺜل ﺍﻟﻌﻤﺭ ﻭﺍﻟﻭﺯﻥ ﻭﺍﻟﻁﻭل ﻭﺍﻟﺭﺍﺘﺏ ﻭﺩﺭﺠﺔ‬ ‫أ.‬ ‫ﺍﻟﻁﺎﻟﺏ .... ﺃﻱ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﻗﻴﻤﻬﺎ ﻏﻴﺭ ﻤﺤﺩﻭﺩﺓ ﺍﻟﻌﺩﺩ.‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻨﻭﻋﻴﺔ ‪ :Catogorial‬ﻭﻫﻲ ﻤﺜل ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﻭﺍﻟﺤﺎﻟﺔ ﺍﻻﺠﺘﻤﺎﻋﻴﺔ ﻭﺍﻟﻤﺅﻫل ﺍﻟﻌﻠﻤﻲ‬ ‫ب.‬ ‫ﺃﻱ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﻗﻴﻤﻬﺎ ﻤﺤﺩﻭﺩﺓ ﺍﻟﻌﺩﺩ ، ﻓﻤﺜﻼ ﻤﻤﻜﻥ ﺍﻥ ﺘﻌﺭﻑ ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﻋﻠﻰ ﺃﺴﺎﺱ ﺃﻨﻪ‬ ‫ﺭﻗﻤﻲ ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﺫﻜﺭ=1 ﻭﺃﻨﺜﻰ =2. ﻭﻫﻜﺫﺍ ﺃﻱ ﺃﻥ ﺘﻜﻭﻥ ﺍﻟﻘﻴﻡ ﺍﻟﻤﺩﺨﻠﺔ ﻓﻌﻠﻴﺎ ﻫﻲ ﺃﺭﻗﺎﻡ ﻭﻟﻜﻥ‬ ‫ﹰ‬ ‫ﺍﻟﺭﻗﻡ ﻴﺭﻤﺯ ﺇﻟﻰ ﻨﻭﻉ ﺃﻭ ﺘﺼﻨﻴﻑ ﻟﻠﻤﺘﻐﻴﺭ.‬ ‫2.ﻤﺘﻐﻴﺭ ﺍﻟﻔﺎﺼﻠﺔ ‪:Comma‬‬ ‫3.ﻤﺘﻐﻴﺭ ﺍﻟﻨﻘﻁﺔ ‪:Dot‬‬ ‫4.ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻌﻠﻤﻲ ‪:Scientific Notation‬‬ ‫5.ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺭﻴﺦ ‪Date‬‬ ‫6.ﻤﺘﻐﻴﺭ ﺍﻟﻌﻤﻼﺕ ‪:Custom Currency‬‬ ‫7.ﻤﺘﻐﻴﺭ ﻋﻼﻤﺔ ﺍﻟﺩﻭﻻﺭ ‪:Dollar‬‬ ‫8.ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺤﺭﻓﻲ ‪:String‬‬ ‫ﻭﻫﻲ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺘﻜﻭﻥ ﺒﻴﺎﻨﺎﺘﻬﺎ ﻋﻠﻰ ﺸﻜل ﺃﺤﺭﻑ ﺃﻭ ﻜﻠﻤﺎﺕ ﺃﻭ ﺤﺘﻰ ﺃﺭﻗﺎﻡ ﺃﻱ ﺃﻨﻙ ﺘﺴﺘﻁﻴﻊ ﺃﻥ ﺘﻜﺘﺏ ﻓﻴﻬﺎ ﺃﻱ‬ ‫ﺸﻲﺀ. ﻭﺘﻨﻘﺴﻡ ﺇﻟﻰ ﻨﻭﻋﻴﻥ‬ ‫ﺃ.ﻤﺘﻐﻴﺭﺍﺕ ﺤﺭﻓﻴﺔ: ﻭﺘﺴﺘﺨﺩﻡ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺃﻥ ﺘﻜﻭﻥ ﺤﺭﻓﻴﺔ ﻏﻴﺭ ﻤﺼﻨﻔﺔ ﻤﺜل ﻤﺘﻐﻴﺭ ﺍﺴﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫ﺏ.ﻤﺘﻐﻴﺭﺍﺕ ﻨﻭﻋﻴﺔ: ﻭﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺤﺭﻓﻲ ﺒﻴﺎﻨﺎﺕ ﻤﺼﻨﻔﺔ ﻤﺜل ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ‬ ‫ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻨﻭﻋﻴﺔ ﺍﻟﺭﻗﻤﻴﺔ ﻟﻜﻥ ﻴﻜﻭﻥ ﺭﻤﺯ ﺍﻟﺫﻜﺭ ﻤﺜﻼ "ﺫ" ﻭﺍﻻﻨﺜﻰ "ﺙ".‬ ‫‪ :Width‬ﻭﻫﻭ ﻋﺩﺩ ﺨﺎﻨﺎﺕ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﻲ ﻨﺭﻴﺩ ﺍﺩﺨﺎﻟﻬﺎ.‬ ‫3. ﻋﺭﺽ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫‪ :Decimal‬ﻭﻫﻭ ﻋﺩﺩ ﺍﻟﺨﺎﻨﺎﺕ ﺍﻟﻌﺸﺭﻴﺔ ﺍﻟﺘﻲ ﺴﻴﺴﺘﻌﻤﻠﻬﺎ ﺍﻟﻤﺴﺘﺨﺩﻡ ﻓﻲ ﻋﻤﻠﻴﺔ‬ ‫ﻋﺩﺩ ﺍﻟﻤﻨﺎﺯل ﺍﻟﻌﺸﺭﻴﺔ‬ ‫4.‬ ‫ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ.‬ ‫41‬
‫ﺃﺤﻴﺎﻨﺎ ﺘﺘﺸﺎﺒﻪ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻤﻤﺎ ﻴﻀﻁﺭﻙ ﻟﻜﺘﺎﺒﺔ ﺭﻤﻭﺯ ﻷﺴﻤﺎﺀ‬ ‫ﹰ‬ ‫5.ﻋﻨﻭﺍﻥ ﺍﻟﻤﺘﻐﻴﺭ )ﻭﺼﻔﻪ( ‪:Label‬‬ ‫ﺍﻟﻤﺘﻐﻴﺭ، ﻤﻤﺎ ﻴﺠﻌل ﺍﻟﻤﺴﺘﺨﺩﻡ ﻻ ﻴﺴﺘﻁﻴﻊ ﺍﻟﺘﻤﻴﻴﺯ ﺒﻴﻥ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ، ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﻫﺫﺍ ﺍﻻﺨﺘﻴﺎﺭ ﻴﻤﻜﻥ ﺍﻟﻤﺴﺘﺨﺩﻡ ﻤﻥ‬ ‫ﻜﺘﺎﺒﺔ ﻭﺼﻑ ﻟﻠﻤﺘﻐﻴﺭ ﺃﻭ ﺍﺴﻤﻪ ﻜﺎﻤﻼ ﻤﻬﻤﺎ ﻜﺎﻥ ﺤﺠﻡ ﺨﺎﻨﺎﺘﻪ ﻟﻤﻌﺭﻓﺔ ﻫﺫﺍ ﺍﻟﻤﺘﻐﻴﺭ ﺒﺸﻜل ﺃﻭﻀﺢ. ﻭﻤﻥ ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ‬ ‫ﹰ‬ ‫ﻋﻨﺩ ﺍﺠﺭﺍﺀ ﺍﻱ ﺘﺤﻠﻴل ﺍﺤﺼﺎﺌﻲ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭ ﺴﻴﻅﻬﺭ ﻋﻨﻭﺍﻥ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺍﻟﺠﺩﺍﻭل ﺍﻟﺘﻲ ﺴﺘﻅﻬﺭ ﻓﻲ ﺍﻟﻨﺘﺎﺌﺞ، ﻭﺇﺫﺍ ﻟﻡ‬ ‫ﻴﻭﺠﺩ ﻋﻨﻭﺍﻥ ﻟﻠﻤﺘﻐﻴﺭ ﺴﻴﻅﻬﺭ ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﻨﻔﺴﻪ.‬ ‫‪:Values‬‬ ‫6. ﺍﻟﺘﺼﻨﻴﻑ )ﺍﻟﻜﻭﺩ(‬ ‫ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻐﻴﺭ ﻤﺤﺩﻭﺩﺓ ﺍﻟﻌﺩﺩ ﻴﻜﻭﻥ ﻤﻥ ﺍﻷﺴﻬل ﺘﺭﻤﻴﺯ ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺤﻴﺙ ﻴﻤﻜﻨﻨﺎ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻤﻥ‬ ‫ﺫﻟﻙ. ﻭﻨﺴﺘﺨﺩﻡ ﻋﻤﻠﻴﺔ ﺍﻟﻜﻭﺩ ﻋﺎﺩﺓ ﻋﻨﺩﻤﺎ ﻨﺭﻴﺩ ﺘﻌﺭﻴﻑ ﻤﺘﻐﻴﺭﺍﺕ ﻨﻭﻋﻴﺔ ﺭﻗﻤﻴﺔ ﺃﻭ ﺤﺭﻓﻴﺔ ﺍﻟﺘﻲ ﺘﻌﺭﻀﻨﺎ ﻟﻬﺎ ﺴﺎﺒﻘﹰ، ﻤﺜل‬ ‫ﺎ‬ ‫ﻤﺘﻐﻴﺭﺍﻟﺠﻨﺱ ﺃﻭ ﺍﻟﺤﺎﻟﺔ ﺍﻻﺠﺘﻤﺎﻋﻴﺔ ﺃﻭ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ.‬ ‫ﺒﺎﻤﻜﺎﻨﻙ ﻭﻀﻊ ﻭﺼﻑ ﻟﻜل ﻗﻴﻤﺔ ﺘﺩﺨﻠﻬﺎ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺘﻐﻴﺭ ﻜﺄﻥ ﺘﻘﻭﻡ ﺒﺘﺭﻤﻴﺯ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻐﻴﺭ ﺭﻗﻤﻴﺔ ﻤﺜل ﺃﻥ ﺘﻀﻊ ﺭﻤﺯ‬ ‫ﻟﻠﺫﻜﺭ 1 ﻭﻟﻸﻨﺜﻰ 2، ﻭﻫﺫﺍ ﻤﺎ ﻴﺴﻤﻰ ﺒﻌﻤﻠﻴﺔ ﺘﺭﻤﻴﺯ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻫﺫﺍ ﺒﺩﻭﺭﻩ ﻴﺴﻬل ﻋﻤﻠﻴﺔ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ، ﻓﺒﺩل ﺃﻥ ﻨﺩﺨل‬ ‫ﻓﻲ ﻜل ﻤﺭﺓ ﺫﻜﺭ ﻨﺩﺨل ﺍﻟﺭﻤﺯ 1 ﻤﻤﺎ ﻴﻘﻠل ﻤﻥ ﻭﻗﺕ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻴﺴﻬﻠﻪ. ﻭﻟﺘﻌﺭﻴﻑ ﺍﻟﻜﻭﺩ ﻷﻱ ﻤﺘﻐﻴﺭ ﻓﻲ ﺸﺎﺸﺔ‬ ‫‪.Variable View‬‬ ‫ﺒﺎﻟﻀﻐﻁ ﺒﺎﻟﻤﺎﻭﺱ ﻤﻜﺎﻥ ﺍﻟﺴﻬﻡ ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫ﻨﻜﺘﺏ 1 ﻓﻲ ﺨﺎﻨﺔ ‪ Value‬ﻭﻤﻥ ﺜﻡ ﻋﻨﻭﺍﻥ )ﻗﻴﻤﺔ( ﺍﻟﺭﻤﺯ ﻭﻫﻭ ﺫﻜﺭ ﻓﻲ ﺨﺎﻨﺔ ‪ Value Lable‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ‬ ‫‪ Add‬ﻟﻴﺼﺒﺢ ﺍﻟﺸﻜل ﻜﺎﻟﺘﺎﻟﻲ:‬ ‫51‬
‫ﻨﻜﺭﺭ ﺍﻟﻌﻤﻠﻴﺔ ﻟﺭﻤﺯ ﺍﻷﻨﺜﻰ 2 ﻭﻋﻨﺩ ﺍﻻﻨﺘﻬﺎﺀ ﻤﻥ ﺘﻌﺭﻴﻑ ﺍﻟﻜﻭﺩ ﻨﻀﻐﻁ ‪.Ok‬‬ ‫7.ﻋﺭﺽ ﺍﻟﻌﻤﻭﺩ ‪ :Column‬ﻭﻓﻲ ﻫﺫﻩ ﺍﻟﺨﺎﻨﺔ ﺘﺤﺩﺩ ﻋﺭﺽ ﺍﻟﻌﻤﻭﺩ ﺍﻟﺫﻱ ﻴﻭﺠﺩ ﻓﻴﻪ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺸﺎﺸﺔ ‪Data‬‬ ‫‪.View‬‬ ‫8.ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻔﻘﻭﺩﺓ ‪ :Missing Values‬ﻋﻨﺩ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﻌﺽ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﻜﻭﻥ ﻏﻴﺭ ﻤﻭﺠﻭﺩﺓ ﻓﻨﺼﻨﻔﻬﺎ ﻋﻠﻰ‬ ‫ﺃﺴﺎﺱ ﺃﻨﻬﺎ ﺒﻴﺎﻨﺎﺕ ﻤﻔﻘﻭﺩﺓ ‪.Missing Values‬‬ ‫9.ﻤﻭﻗﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ :Align‬ﻭﻫﻭ ﺘﺤﺩﻴﺩ ﻤﻭﻗﻊ ﺍﻅﻬﺎﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﺨﻼﻴﺎ ﻓﻲ ﺸﺎﺸﺔ ﺍﻅﻬﺎﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫل ﺴﺘﻜﻭﻥ ﻋﻠﻰ‬ ‫ﻴﺴﺎﺭ ﺃﻭ ﻭﺴﻁ ﺃﻭ ﻴﻤﻴﻥ ﺍﻟﺨﻠﻴﺔ.‬ ‫01.ﺘﺩﺭﻴﺠﺎﺕ ﺍﻟﻘﻴﺎﺱ ‪ :Measurement Scale‬ﻭﻫﻭ ﺘﺤﺩﻴﺩ ﻨﻭﻉ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫل ﺘﻘﻊ ﺘﺤﺕ ﺘﺩﺭﻴﺞ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻻﺴﻤﻴﺔ‬ ‫‪ Nominal‬ﺃﻭ ﺘﺭﺘﻴﺒﻴﺔ ‪ Ordinal‬ﺃﻭ )ﻨﺴﺒﻴﺔ ﺃﻭ ﻓﺘﺭﺓ( ‪ Scal‬ﻜﻤﺎ ﻤﺭ ﻤﻌﻙ ﻋﺯﻴﺯﻱ ﺍﻟﺩﺍﺭﺱ ﻓﻲ ﻤﻘﺭﺭ ﻤﺒﺎﺩﺉ‬ ‫ﺍﻻﺤﺼﺎﺀ ﻭﺒﺸﻜل ﺘﻔﺼﻴﻠﻲ.‬ ‫ﻗﺒل ﺍﻟﺒﺩﺀ ﻓﻲ ﺘﻌﺭﻴﻑ ﻜﻴﻔﻴﺔ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺭﻗﻤﻴﺔ ﻭﺍﻟﻐﻴﺭ ﺭﻗﻤﻴﺔ ﻭﻏﻴﺭﻫﺎ ﺴﻨﺘﻌﺭﻑ ﻋﻠﻰ‬ ‫4: ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ :‬ ‫ﺃﻫﻡ ﺍﻟﻤﻔﺎﺘﻴﺢ ﻭﺍﺴﺘﺨﺩﺍﻤﻬﺎ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻭﺍﻟﻤﺒﻴﻨﺔ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﺍﻟﻭﻅﻴﻔﺔ‬ ‫ﺍﻟﻤﻔﺘﺎﺡ‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺃﻭل ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺤﺎﻟﺔ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻷﻭل‬ ‫‪Home‬‬ ‫ﺇﺫﻫﺏ ﻵﺨﺭ ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺤﺎﻟﺔ ﻋﻨﺩ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻻﺨﻴﺭ‬ ‫‪End‬‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺃﻭل ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﻋﻨﺩ ﺍﻟﺸﻁﺭ ﺍﻷﻭل‬ ‫+‪Ctrl‬‬ ‫ﺇﺫﻫﺏ ﻵﺨﺭ ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺤﺎﻟﺔ ﻋﻨﺩ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻻﺨﻴﺭ‬ ‫+‪Ctrl‬‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺁﺨﺭ ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﻋﻨﺩ ﺍﻟﺤﺎﻟﺔ ﺍﻷﺨﻴﺭﺓ‬ ‫+‪Ctrl‬‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺃﻭل ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺤﺎﻟﺔ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻷﻭل‬ ‫+‪Ctrl‬‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺃﻭل ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺴﻁﺭ ﺍﻷﻭل ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻷﻭل‬ ‫‪Ctrl+Home‬‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺁﺨﺭ ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺴﻁﺭ ﺍﻷﺨﻴﺭ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻷﺨﻴﺭ‬ ‫‪Ctrl + End‬‬ ‫61‬
‫ﺍﻥ ﻋﻤﻠﻴﺔ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺴﻬﻠﺔ ﺠﺩﺍ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪ ،SPSS‬ﻓﻬﻲ ﺘﻘﺭﻴﻴﺎ ﻜﻁﺭﻴﻘﺔ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪،Excel‬‬ ‫ﹰ‬ ‫ﹰ‬ ‫ﻭﻟﺩﻴﻙ ﺍﻟﺤﺭﻴﺔ ﻓﻲ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺸﻜل ﻋﻤﻭﺩﻱ ﺃﻭ ﺒﺸﻜل ﺃﻓﻘﻲ، ﻓﻔﻲ ﺍﻟﺤﺎﻟﺔ ﺍﻷﻭﻟﻰ ﺘﺩﺨل ﻤﺘﻐﻴﺭ ﻓﺂﺨﺭ ﻭﺃﻤﺎ ﺍﻟﺤﺎﻟﺔ‬ ‫ﺍﻟﺜﺎﻨﻴﺔ ﻓﺈﻨﻙ ﺘﺩﺨل ﺤﺎﻟﺔ ﻓﺄﺨﺭﻯ. ﻭﺘﻜﻭﻥ ﻫﺫﻩ ﺍﻟﻌﻤﻠﻴﺔ ﺒﺎﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﻤﻥ ﻏﻴﺭ ﺍﻟﻀﺭﻭﺭﻱ ﺃﻥ ﺘﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻗﺒل ﻋﻤﻠﻴﺔ ﺍﻻﺩﺨﺎل ﻟﻜﻥ ﻤﻥ ﺍﻟﻤﻔﻀل ﺃﻥ ﺘﻘﻭﻡ ﺒﺫﻟﻙ‬ ‫•‬ ‫ﻷﻥ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺘﻘﻠل ﻤﻥ ﺨﻁﺄ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ.‬ ‫ﺘﻔﺘﺢ ﺸﺎﺸﺔ ‪.Data View‬‬ ‫•‬ ‫ﺘﺫﻫﺏ ﺇﻟﻰ ﺍﻟﻤﻜﺎﻥ ﺍﻟﺫﻱ ﺘﺭﻴﺩ ﺍﻥ ﺘﺩﺨل ﻓﻴﻪ ﺍﻟﺒﻴﺎﻨﺎﺕ، ﻭﺘﻀﻐﻁ ﺒﺎﻟﻤﺎﻭﺱ ﻋﻠﻰ ﺍﻟﺨﻠﻴﺔ ﺍﻟﻤﻁﻠﻭﺒﺔ.‬ ‫•‬ ‫ﺘﻜﺘﺏ ﻗﻴﻤﺔ ﺍﻟﺨﻠﻴﺔ ﻓﺘﻅﻬﺭ ﻗﻴﻤﺔ ﺍﻻﺩﺨﺎل ﻓﻲ ﺍﻋﻠﻰ ﺸﺎﺸﺔ ‪ ، Data View‬ﻭﻤﻥ ﺜﻡ ﺘﻀﻐﻁ ‪Enter‬‬ ‫•‬ ‫ﻓﺘﻅﻬﺭ ﺍﻟﻘﻴﻤﺔ ﺍﻟﻤﺩﺨﻠﺔ ﻓﻲ ﻤﻜﺎﻥ ﺍﺩﺨﺎﻟﻬﺎ.‬ ‫ﻤﺜﺎل 1: ﻟﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﺩﺭﺠﺔ ﺍﻟﻁﺎﻟﺏ )‪ (Degree‬ﻭﺠﻨﺱ ﺍﻟﻁﺎﻟﺏ )‪ (Gender‬ﻤﻥ ﺜﻡ ﻟﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ.‬ ‫ﺍﻻﻨﺎﺙ‬ ‫ﺩﺭﺠﺎﺕ‬ ‫ﺃﻭﻻ:‬ ‫ﹰ‬ ‫08‬ ‫58‬ ‫57‬ ‫56‬ ‫55‬ ‫25‬ ‫44‬ ‫33‬ ‫03‬ ‫52‬ ‫54‬ ‫08‬ ‫59‬ ‫05‬ ‫03‬ ‫59‬ ‫88‬ ‫09‬ ‫77‬ ‫27‬ ‫57‬ ‫06‬ ‫04‬ ‫75‬ ‫55‬ ‫25‬ ‫84‬ ‫48‬ ‫78‬ ‫87‬ ‫77‬ ‫37‬ ‫57‬ ‫ﺍﻟﺫﻜﻭﺭ‬ ‫ﺩﺭﺠﺎﺕ‬ ‫ﺜﺎﻨﻴﺎ:‬ ‫ﹰ‬ ‫77‬ ‫03‬ ‫52‬ ‫03‬ ‫44‬ ‫04‬ ‫56‬ ‫44‬ ‫77‬ ‫57‬ ‫97‬ ‫48 83‬ ‫54‬ ‫58‬ ‫67‬ ‫26‬ ‫44‬ ‫24‬ ‫77‬ ‫66‬ ‫56‬ ‫89‬ ‫59‬ ‫63‬ ‫84‬ ‫16 06‬ ‫59‬ ‫58‬ ‫07‬ ‫89 08‬ ‫39‬ ‫57‬ ‫71‬
‫ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ ﻴﺒﻴﻥ ﻟﻨﺎ ﺸﻜل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ :‬ ‫81‬
‫ﻻﻅﻬﺎﺭ ﻗﻴﻤﺔ ﺭﻤﻭﺯ ﺍﻟﻤﺘﻐﻴﺭ ‪ Gender‬ﺃﻱ ﺍﻅﻬﺎﺭ ﺫﻜﺭ ﺒﺩل ﺍﻟﺭﻤﺯ 1 ﻓﻲ ﺸﺎﺸﺔ ﻋﺭﺽ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺃﻨﺜﻰ ﺒﺩل ﺍﻟﺭﻤﺯ 2،‬ ‫ﻤﻥ ﺨﻼل ﺍﻟﻘﺎﺌﻤﺔ ‪ View‬ﻨﺨﺘﺎﺭ ‪ ، Value Lable‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫ﻓﺘﻅﻬﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺎﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫91‬
‫5: ﻜﻴﻔﻴﺔ ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ.‬ ‫ﻜل ﺍﻟﻤﻭﺍﻀﻴﻊ ﺍﻟﻘﺎﺩﻤﺔ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﻘﺭﺭ ﺘﻌﺘﻤﺩ ﻋﻠﻰ ﻤﻘﺎﺭﻨﺔ ﻤﻌﺎﻟﻡ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﺒﺎﻟﻌﻴﻨﺎﺕ ﺍﻟﺘﻲ ﺘﺴﺤﺏ ﻤﻨﻬﺎ ، ﻭﺍﻟﻤﻌﺎﻟﻡ ﻫﻲ‬ ‫ﺍﻟﺨﺼﺎﺌﺹ ﺍﻟﺘﻲ ﻨﺼﻑ ﺒﻬﺎ ﺍﻟﻤﺠﺘﻤﻊ ﻭﻤﻨﻬﺎ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﻟﺫﻟﻙ ﺴﻨﺘﻌﻠﻡ ﺍﻵﻥ ﻜﻴﻔﻴﺔ ﺤﺴﺎﺏ ﻫﺫﻩ‬ ‫ﺍﻟﻤﻘﺎﻴﻴﺱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺒﺭﻨﺎﻤﺞ ‪.SPSS‬‬ ‫ﻤﺜﺎل 2: ﺒﻌﺩ ﺃﻥ ﺘﻌﺭﻓﺕ ﻋﻠﻰ ﻜﻴﻔﻴﺔ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺃﺩﺨﻠﺕ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺍﻟﻤﺜﺎل 1 ﻓﺎﻥ‬ ‫ﺍﻟﻤﻁﻠﻭﺏ ﻫﻭ:‬ ‫ﺃﻭﻻ: ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﻟﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ.‬ ‫ﹰ‬ ‫ﺜﺎﻨﻴﺎ: ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﻟﺩﺭﺠﺎﺕ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﻜل ﻋﻠﻰ ﺤﺩﺓ.‬ ‫ﹰ‬ ‫ﺍﻟﺤل:‬ ‫ﺃﻭﻻ: ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﻟﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ )ﺫﻜﻭﺭ ﻭﺍﻨﺎﺙ(.‬ ‫ﹰ‬ ‫ﻋﺭﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ.‬ ‫1.‬ ‫ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﺍﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ‪ Descriptive Statistics‬ﻭﻤﻥ‬ ‫2.‬ ‫ﺜﻡ ﻋﻠﻴﻙ ﺍﻥ ﺘﺨﺘﺎﺭ ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪ Frequency‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫3.‬ ‫02‬
‫ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Degree‬ﻟﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ Variable‬ﻭﺫﻟﻙ ﻤﻥ ﺨﻼل ﺍﻟﻀﻐﻁ ﺒﺎﻟﻤﺎﻭﺱ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭ ﻭﻤﻥ ﺜﻡ‬ ‫4.‬ ‫ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﺍﻟﺴﻬﻡ )ﺃﻭ ﻤﻥ ﺨﻼل ﺍﻟﻀﻐﻁ ﻤﺭﺘﻴﻥ ﺒﺎﻟﻤﺎﻭﺱ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭ ‪.(Degree‬‬ ‫ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﺯﺭ ‪ Statistics‬ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﻭﻨﺨﺘﺎﺭ ﻤﻨﻪ ﺤﺴﺎﺏ ﺍﻟﻤﻘﺎﻴﻴﺱ ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﺘﻲ‬ ‫5.‬ ‫ﺘﻘﻊ ﺘﺤﺕ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ‪ Central Tendency‬ﻭﻤﻘﺎﻴﻴﺱ ﺍﻟﺘﺸﺘﺕ ‪ Dispersion‬ﻭﺍﻟﺭﺒﻴﻌﺎﺕ‬ ‫‪......Quartile‬‬ ‫ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻨﻌﻭﺩ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺨﺎﺹ ﺒﺎﻷﻤﺭ ‪ Frequency‬ﺍﻟﺴﺎﺒﻕ ﻭﻨﻀﻐﻁ ‪Ok‬‬ ‫6.‬ ‫ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ‬ ‫12‬
‫ﻨﺘﻴﺠﺔ ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪Frequency‬‬ ‫‪Statistics‬‬ ‫‪Degree‬‬ ‫‪N‬‬ ‫‪Valid‬‬ ‫86‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫‪Missing‬‬ ‫0‬ ‫ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻔﻘﻭﺩﺓ‬ ‫‪Mean‬‬ ‫47.16‬ ‫ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ‬ ‫‪Std. Error of Mean‬‬ ‫317.2‬ ‫ﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺤﺴﺎﺏ ﺍﻟﻭﺴﻁ‬ ‫‪Median‬‬ ‫00.56‬ ‫ﺍﻟﻭﺴﻴﻁ‬ ‫‪Mode‬‬ ‫)‪30(a‬‬ ‫ﺃﺼﻐﺭ ﻤﻨﻭﺍل ﺍﻟﻤﻨﻭﺍل‬ ‫‪Std. Deviation‬‬ ‫273.22‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫‪Variance‬‬ ‫625.005‬ ‫ﺍﻟﺘﺒﺎﻴﻥ‬ ‫‪Skew ness‬‬ ‫203.-‬ ‫ﻤﻌﺎﻤل ﺍﻻﻟﺘﻭﺍﺀ‬ ‫‪Std. Error of Skew ness‬‬ ‫192.‬ ‫ﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺤﺴﺎﺏ ﻤﻌﺎﻤل ﺍﻻﻟﺘﻭﺍﺀ‬ ‫‪Kurtosis‬‬ ‫787.-‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﻔﺭﻁﺢ‬ ‫‪Std. Error of Kurtosis‬‬ ‫ﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺤﺴﺎﺏ ﻓﻲ ﺤﺴﺎﺏ ﻤﻌﺎﻤل‬ ‫475.‬ ‫ﺍﻟﺘﻔﺭﻁﺢ‬ ‫‪Range‬‬ ‫39‬ ‫ﺍﻟﻤﺩﻯ‬ ‫‪Minimum‬‬ ‫5‬ ‫ﺃﺼﻐﺭ ﻗﻴﻤﺔ‬ ‫‪Maximum‬‬ ‫89‬ ‫ﺃﻜﺒﺭ ﻗﻴﻤﺔ‬ ‫‪Sum‬‬ ‫8914‬ ‫ﻤﺠﻤﻭﻉ ﺍﻟﻘﻴﻡ‬ ‫‪Percentiles‬‬ ‫52‬ ‫00.44‬ ‫ﺍﻟﻤﺌﻴﻥ 52‬ ‫05‬ ‫00.56‬ ‫ﺍﻟﻤﺌﻴﻥ 05 )ﺍﻟﻭﺴﻴﻁ(‬ ‫57‬ ‫57.77‬ ‫ﺍﻟﻤﺌﻴﻥ 57‬ ‫‪a Multiple modes exist. The smallest value is shown‬‬ ‫ﺜﺎﻨﻴﺎ: ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﻟﺩﺭﺠﺎﺕ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﻜل ﻋﻠﻰ ﺤﺩﺓ.‬ ‫ﹰ‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﺫﻜﺭ ﺍﻨﻔﺎ.‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﺍﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ‪ Descriptive Statistics‬ﻭﻤﻥ‬ ‫ﺜﻡ ﻋﻠﻴﻙ ﺍﻥ ﺘﺨﺘﺎﺭ ﺃﻤﺭ ﺍﺴﺘﻜﺸﻑ ‪ Explore‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫22‬
‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4. ﻨﻨﻘل ﻤﺘﻐﻴﺭ ﺍﻟﺩﺭﺠﺎﺕ ‪ Degree‬ﺇﻟﻰ ﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ﻭﻨﻨﻘل ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ‪ Gender‬ﺇﻟﻰ ﺇﻟﻰ ﺨﺎﻨﺔ‬ ‫‪ .Factor List‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ ‪ Statistics‬ﻹﻅﻬﺎﺭ ﺍﻻﺤﺼﺎﺀﺍﺕ ﻓﻘﻁ ﺩﻭﻥ ﺍﻅﻬﺎﺭ‬ ‫ﺭﺴﻭﻤﺎﺕ.‬ ‫32‬
‫5. ﻨﻀﻐﻁ ‪ Ok‬ﻟﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ.‬ ‫‪Descriptives‬‬ ‫‪Gender‬‬ ‫‪Statistic‬‬ ‫ﻨﻭﺍﺘﺞ ﻋﻴﻨﺔ ﺍﻟﺫﻜﻭﺭ‬ ‫‪Mean‬‬ ‫96.46‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ‬ ‫‪95% Confidence Lower Bound‬‬ ‫42.75‬ ‫ﺍﻟﺤﺩ ﺍﻻﺩﻨﻰ ﻟﻔﺘﺭﺓ ﺜﻘﺔ ﺍﻟﻭﺴﻁ 59%‬ ‫‪Interval for Mean‬‬ ‫‪Upper Bound‬‬ ‫31.27‬ ‫ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﻟﻔﺘﺭﺓ ﺜﻘﺔ ﺍﻟﻭﺴﻁ 59%‬ ‫ﺫﻜﺭ‬ ‫‪5% Trimmed Mean‬‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺤﺼﻭﺭﺓ ﺒﻴﻥ‬ ‫29.46‬ ‫ﺍﻟﻤﺌﻴﻥ 59 ﻭ5‬ ‫‪Median‬‬ ‫00.66‬ ‫ﺍﻟﻭﺴﻴﻁ‬ ‫182.964 ‪Variance‬‬ ‫ﺍﻟﺘﺒﺎﻴﻥ‬ ‫366.12 ‪Std. Deviation‬‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫‪Minimum‬‬ ‫52‬ ‫ﺃﺼﻐﺭ ﻗﻴﻤﺔ‬ ‫‪Maximum‬‬ ‫89‬ ‫ﺃﻜﺒﺭ ﻗﻴﻤﺔ‬ ‫‪Range‬‬ ‫37‬ ‫ﺍﻟﻤﺩﻯ‬ ‫‪Interquartile Range‬‬ ‫63‬ ‫ﺍﻟﻤﺩﻯ ﺍﻟﺭﺒﻌﻲ‬ ‫‪Skewness‬‬ ‫091.-‬ ‫ﻤﻌﺎﻤل ﺍﻻﻟﺘﻭﺍﺀ‬ ‫‪Kurtosis‬‬ ‫041.1-‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﻔﺭﻁﺢ‬ ‫42‬
‫ﻨﻭﺍﺘﺞ ﻋﻴﻨﺔ ﺍﻻﻨﺎﺙ‬ ‫16.85 ‪Mean‬‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ‬ ‫‪95% Confidence Lower Bound‬‬ ‫44.05‬ ‫ﺍﻟﺤﺩ ﺍﻻﺩﻨﻰ ﻟﻔﺘﺭﺓ ﺜﻘﺔ ﺍﻟﻭﺴﻁ 59%‬ ‫‪Interval for Mean‬‬ ‫‪Upper Bound‬‬ ‫77.66‬ ‫ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﻟﻔﺘﺭﺓ ﺜﻘﺔ ﺍﻟﻭﺴﻁ 59%‬ ‫ﺍﻨﺜﻰ‬ ‫‪5% Trimmed Mean‬‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺤﺼﻭﺭﺓ ﺒﻴﻥ‬ ‫43.95‬ ‫ﺍﻟﻤﺌﻴﻥ 59 ﻭ5‬ ‫‪Median‬‬ ‫00.75‬ ‫ﺍﻟﻭﺴﻴﻁ‬ ‫647.925 ‪Variance‬‬ ‫ﺍﻟﺘﺒﺎﻴﻥ‬ ‫610.32 ‪Std. Deviation‬‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫‪Minimum‬‬ ‫5‬ ‫ﺃﺼﻐﺭ ﻗﻴﻤﺔ‬ ‫‪Maximum‬‬ ‫59‬ ‫ﺃﻜﺒﺭ ﻗﻴﻤﺔ‬ ‫‪Range‬‬ ‫09‬ ‫ﺍﻟﻤﺩﻯ‬ ‫‪Interquartile Range‬‬ ‫53‬ ‫ﺍﻟﻤﺩﻯ ﺍﻟﺭﺒﻌﻲ‬ ‫‪Skewness‬‬ ‫283.-‬ ‫ﻤﻌﺎﻤل ﺍﻻﻟﺘﻭﺍﺀ‬ ‫‪Kurtosis‬‬ ‫446.-‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﻔﺭﻁﺢ‬ ‫6: ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﻭﺁﻟﻴﺎﺕ ﺍﻟﺘﻌﺎﻤل ﻤﻌﻬﺎ ﻓﻲ ﺒﺭﻨﺎﻤﺞ 0.21 ‪.SPSS‬‬ ‫ﺴﻨﺘﻌﺭﻑ ﻓﻲ ﻫﺫﺍ ﺍﻟﺩﻟﻴل ﻋﻠﻰ ﺃﻫﻡ ﺍﻟﻤﻔﺎﻫﻴﻡ ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﺘﻲ ﺴﻨﺤﺘﺎﺠﻬﺎ ﺨﻼل ﺘﻁﺒﻴﻘﻨﺎ ﻟﻼﺨﺘﺒﺎﺭﺍﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﻓﻲ‬ ‫ﺒﺭﻨﺎﻤﺞ 0.21 ‪.SPSS‬‬ ‫1. ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻭﻫﻲ ﺍﺤﺘﻤﺎل ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺒﺸﺭﻁ ﺃﻨﻬﺎ ﺼﺤﻴﺤﺔ ﺃﻱ ﻫﻲ‬ ‫ﻨﺴﺒﺔ ﺍﻟﺨﻁﺄ ﺍﻟﻤﺴﻤﻭﺡ ﺒﻬﺎ ﻓﻲ ﺍﺘﺨﺎﺫ ﺍﻟﻘﺭﺍﺭ ﻓﻲ ﻨﺘﺎﺌﺞ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ، ﻭﻋﺎﺩﺓ ﻨﺭﻤﺯ ﻟﻪ‬ ‫، ﻭﺒﺫﻟﻙ ﻴﻜﻭﻥ ﻤﻘﺩﺍﺭ ﺍﻟﺜﻘﺔ ﻓﻲ ﺍﻟﻨﺘﺎﺌﺞ ﻫﻭ ‪ 1 − α‬ﺒﻤﻌﻨﻰ ﺁﺨﺭ ﺇﺫﺍ ﻜﺎﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ‬ ‫‪α‬‬ ‫ﺒﺎﻟﺭﻤﺯ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ 50.0 ﻓﺈﻥ ﻤﺴﺘﻭﻯ ﺍﻟﺜﻘﺔ ﻫﻭ 59.0، ﻭﺘﺴﺘﺨﺩﻡ ﻋﺎﺩﺓ ﺍﻟﻘﻴﻡ 1.0 ﺃﻭ 50.0 ﺃﻭ 10.0 ﺃﻭ 520.0‬ ‫ﻜﻤﺴﺘﻭﻯ ﻟﻠﺩﻻﻟﺔ.‬ ‫2. ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﺍﻻﺤﺼﺎﺌﻲ: ﻫﻲ ﻗﻴﻤﺔ ﻴﺤﺴﺒﻬﺎ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻭﻴﺭﻤﺯ ﻟﻬﺎ ﻋﺎﺩﺓ ﺒﺎﺤﺩ ﺍﻟﺭﻤﻭﺯ ,.‪(Sig‬‬ ‫).‪ .Asymp. Sig. 2 tailed Sig‬ﻭﻨﺴﺘﻁﻴﻊ ﻓﻬﻤﻬﺎ ﻋﻠﻰ ﺃﻨﻬﺎ ﺃﺼﻐﺭ ﻗﻴﻤﺔ ﻟﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ، ﻓﺈﺫﺍ‬ ‫ﻜﺎﻨﺕ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﺃﺼﻐﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ،‬ ‫ﻓﻤﺜﻼ ﺇﺫﺍ ﻜﺎﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ 530.0=.‪ Sig‬ﻭﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻫﻭ‬ ‫ﹰ‬ ‫50.0 = ‪ α‬ﻓﺈﻨﻨﺎ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻷﻥ 50.0 ‪. 0.035 p‬‬ ‫52‬
‫ﻭﻴﻤﻜﻥ ﻓﻬﻡ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻠﻰ ﺃﻨﻬﺎ ﺃﻜﺒﺭ ﻗﻴﻤﺔ ﻟﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﻓﻼﺤﻅ ﺃﻥ‬ ‫530.0 ‪ 0.05 f‬ﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﺃﻱ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﻭﻤﻥ ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺍﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﻌﺘﻤﺩ ﻋﺎﺩﺓ ﻓﻲ ﻋﻤﻠﻴﺎﺘﻪ ﺍﻟﺤﺴﺎﺒﻴﺔ ﻟﺤﺴﺎﺏ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺒﺄﻥ‬ ‫ﹰ‬ ‫ﺘﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻫﻲ ﺤﺎﻟﺔ ﺍﻟﻤﺴﺎﻭﺍﺓ ﻭﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﻫﻲ ﺤﺎﻟﺔ ﻋﺩﻡ ﺍﻟﻤﺴﺎﻭﺍﺓ. ﻭﻟﺫﻟﻙ ﻋﻨﺩﻤﺎ ﻨﻘﻭل ﺃﻥ ﻤﺴﺘﻭﻯ‬ ‫ﺍﻟﺩﻻﻟﺔ ﻤﺜﻼ ﻫﻭ 50.0 ﻓﺈﻨﻨﺎ ﻨﺘﻌﺎﻤل ﻤﻌﻬﺎ ﺒﺎﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻋﻠﻰ ﺃﻨﻬﺎ ﻤﻘﺴﻤﺔ ﻟﺠﺯﺌﻴﻥ 520.0 ﻋﻠﻰ ﻤﻨﻁﻘﺔ ﺍﻟﺭﻓﺽ ﻓﻲ‬ ‫ﹰ‬ ‫ﺍﻟﻴﻤﻴﻥ ﻭ 520.0 ﻋﻠﻰ ﻤﻨﻁﻘﺔ ﺍﻟﻘﺒﻭل ﻭﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﺘﻌﺎﻤل ﻤﻌﻬﺎ ﺒﻨﻔﺱ ﺍﻷﺴﻠﻭﺏ.‬ ‫ﺃﻤﺎ ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻫﻲ ﺤﺎﻟﺔ )ﺃﻜﺒﺭ ﺃﻭ ﺃﺼﻐﺭ( ﻓﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻻ ﻴﺘﻌﺎﻤل ﻤﻊ ﻫﻜﺫﺍ‬ ‫ﺤﺎﻻﺕ ﻓﻲ ﺒﻌﺽ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺨﺎﺼﺔ ﺍﻟﺘﻲ ﺴﻨﺒﻴﻨﻬﺎ ﻓﻲ ﻭﻗﺘﻬﺎ، ﻭﺒﺎﻟﺘﺎﻟﻲ ﻟﻨﺴﺘﻁﻴﻊ ﺤل ﺍﻟﻤﺴﺎﺌل ﺍﻟﻤﻭﺠﻭﺩﺓ ﺒﺎﻟﺠﺎﻨﺏ‬ ‫ﺍﻟﻨﻅﺭﻱ ﻤﻥ ﺍﻟﻤﻘﺭﺭ ﻓﻲ ﺤﺎﻟﺔ ﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﻫﻲ ﺤﺎﻟﺔ )ﺃﻜﺒﺭ ﺃﻭ ﺃﺼﻐﺭ( ﻤﻥ ﺨﻼل ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﺠﺏ ﺍﻥ‬ ‫ﻨﻀﺎﻋﻑ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻋﻨﺩ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺃﻭ ﻨﻘﺴﻡ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻠﻰ 2‬ ‫ﻭﻤﻥ ﺜﻡ ﻨﻘﺎﺭﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻤﻊ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﻓﻤﺜﻼ ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻫﻭ ﺤﺎﻟﺔ )ﺃﻜﺒﺭ( ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬ﻓﻨﺭﻓﺽ‬ ‫ﹰ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺇﺫﺍ ﻜﺎﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ .‪ Sig‬ﺃﻗل ﻤﻥ 01.0، ﺃﻭ ﺇﺫﺍ ﻜﺎﻥ ﻨﺼﻑ‬ ‫.‪ Sig‬ﺃﻗل ﻤﻥ 50.0.‬ ‫62‬
‫ﺍﻟﻭﺤﺩﺓ ﺍﻷﻭﻟﻰ‬ ‫ﺍﻻﺴﺘﺩﻻل ﺍﻻﺤﺼﺎﺌﻲ‬ ‫ﺤـﻭل ﻤﺠـﺘﻤﻊ ﻭﺍﺤـﺩ‬ ‫72‬
‫ﺍﻟﻭﺤﺩﺓ ﺍﻷﻭﻟﻰ:ﺍﻻﺴﺘﺩﻻل ﺍﻻﺤﺼﺎﺌﻲ ﺤـﻭل ﻤﺠـﺘﻤﻊ ﻭﺍﺤـﺩ‬ ‫ﻓﻲ ﻤﻌﻅﻡ ﺃﻨﻭﺍﻉ ﺍﻟﺩﺭﺍﺴﺎﺕ ﻻ ﻨﺴﺘﻁﻴﻊ ﺩﺭﺍﺴﺔ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﻜﺎﻤﻠﺔ، ﻭﺫﻟﻙ ﻟﻜﺜﺭﺓ ﻜﺘﻁﻠﺒﺎﺕ‬ ‫ﻭﻜﻠﻔﺔ ﻫﻜﺫﺍ ﺩﺭﺍﺴﺎﺕ، ﻭﺒﺎﻟﺘﺎﻟﻲ ﺘﻡ ﺍﺘﺒﺎﻉ ﺍﺴﻠﻭﺏ ﺒﺩﻴل ﻭﻫﻭ ﺍﺴﻠﻭﺏ ﺴﺤﺏ ﺍﻟﻌﻴﻨﺎﺕ، ﻭﻟﻜﻥ ﻫﺫﺍ‬ ‫ﺍﻻﺴﻠﻭﺏ ﻟﻪ ﻋﺩﺓ ﻤﺨﺎﻁﺭ ﻓﻤﻥ ﺍﻟﻤﻤﻜﻥ ﺍﻥ ﺘﻜﻭﻥ ﺍﻟﻌﻴﻨﺔ ﻏﻴﺭ ﻤﻤﺜﻠﺔ ﺒﺸﻜل ﺠﻴﺩ ﻟﻠﻤﺠﺘﻤﻊ، ﻭﺫﻟﻙ ﻤﻥ‬ ‫ﺤﻴﺙ ﺼﻔﺎﺕ ﺍﻟﻤﺠﺘﻤﻊ، ﺃﻭ ﺒﻤﻌﻨﻰ ﺁﺨﺭ ﻻ ﻴﻭﺠﺩ ﺘﻭﺍﻓﻕ ﺒﻴﻥ ﺍﻟﻤﺠﺘﻤﻊ ﻭﺍﻟﻌﻴﻨﺔ ﻭﺫﻟﻙ ﻷﻨﻨﺎ ﻨﺨﺘﺎﺭ ﻋﻴﻨﺎﺕ‬ ‫ﻋﺸﻭﺍﺌﻴﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻤﻥ ﺍﻟﻁﺒﻴﻌﻲ ﺃﻥ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﺍﺨﺘﻼﻑ ﺒﺴﻴﻁ ﺒﻴﻥ ﺍﻟﻌﻴﻨﺔ ﻭﺍﻟﻤﺠﺘﻤﻊ ﻓﻲ ﺍﻟﺼﻔﺎﺕ ﺃﻭ‬ ‫ﺍﻟﻤﻌﺎﻟﻡ ﺍﻻﺴﺎﺴﻴﺔ ﻤﺜل ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﺃﻭ ﺍﻟﺘﺒﺎﻴﻥ ....، ﻟﺫﺍ ﻋﻨﺩ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺴﻠﻭﺏ ﺍﻟﻌﻴﻨﺎﺕ ﻨﻠﺠﺄ ﻟﺘﻘﺩﻴﺭ‬ ‫ﺼﻔﺎﺕ ﺍﻟﻤﺠﺘﻤﻊ ﺒﻁﺭﻴﻘﺘﻴﻥ ﻫﻤﺎ ﻁﺭﻴﻘﺔ ﺍﻟﻨﻘﻁﺔ ﺃﻭ ﻭﻁﺭﻴﻘﺔ ﺍﻟﻔﺘﺭﺓ ﻤﻤﺎ ﻴﺅﺩﻱ ﺇﻟﻰ ﻭﺠﻭﺩ ﻤﺴﺘﻭﻯ ﻟﻠﺜﻘﺔ‬ ‫ﻓﻲ ﻨﺘﺎﺌﺞ ﺍﻟﻌﻴﻨﺎﺕ.‬ ‫ﻭﻤﻥ ﻫﻨﺎ ﺒﺭﺯ ﺍﻻﺤﺼﺎﺀ ﺍﻻﺴﺘﻨﺘﺎﺠﻲ، ﻭﺍﻟﺫﻱ ﻤﻥ ﺨﻼﻟﻪ ﻨﺴﺘﻁﻴﻊ ﺍﺴﺘﻨﺘﺎﺝ ﺍﻟﻨﺘﺎﺌﺞ ﻋﻠﻰ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ‬ ‫ﻭﻟﻜﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻌﻴﻨﺎﺕ، ﻭﺫﻟﻙ ﺒﺎﻟﻁﺒﻊ ﺇﺫﺍ ﺘﻭﺍﻓﻕ ﺍﻟﻌﻴﻨﺎﺕ ﻤﻊ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ، ﻭﻭﺫﻟﻙ ﻋﻥ ﻁﺭﻴﻕ‬ ‫ﺍﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﺤﺼﺎﺌﻴﺔ ﻤﻬﻤﺘﻬﺎ ﺍﻻﺴﺎﺴﻴﺔ ﺍﻟﺘﺄﻜﺩ ﻤﻥ ﺃﻥ ﻫﺫﻩ ﺍﻟﻔﺭﻭﻕ ﻨﺘﺠﺕ ﻋﻥ ﻋﺸﻭﺍﺌﻴﺔ‬ ‫ﺍﻟﻌﻴﻨﺎﺕ، ﺍﻱ ﺃﻥ ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﺍﻟﻌﻴﻨﺔ ﻭﺍﻟﻤﺠﺘﻤﻊ ﻨﺎﺘﺞ ﻋﻥ ﻋﺸﻭﺍﺌﻴﺔ ﺍﻟﻌﻴﻨﺔ )ﺭﺍﺠﻌﺎ ﺇﻟﻰ ﺼﺩﻓﺔ ﺍﺨﺘﻴﺎﺭ ﻫﺫﻩ‬ ‫ﹰ‬ ‫ﺍﻟﻌﻴﻨﺔ ﺒﺎﻟﺫﺍﺕ( ﺃﻡ ﺃﻨﻪ ﺩﺍل ﺍﺤﺼﺎﺌﻴﺎ ﺒﻤﻌﻨﻰ ﻟﻭ ﺴﺤﺒﻨﺎ ﺃﻱ ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﺃﺨﺭﻯ ﺴﻨﺤﺼل ﻋﻠﻰ ﻫﺫﻩ‬ ‫ﹰ‬ ‫ﺍﻟﻔﺭﻭﻕ.‬ ‫ﻓﻲ ﻫﺫﻩ ﺍﻟﻭﺤﺩﺓ ﺴﻨﻌﺘﻤﺩ ﻋﻠﻰ ﺍﻟﻤﺜﺎل ﺍﻟﺘﺎﻟﻲ ﻓﻲ ﺠﻤﻴﻊ ﺍﻻﺴﺎﻟﻴﺏ ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﺘﻲ ﺴﻨﻘﻭﻡ ﺒﻬﺎ.‬ ‫ﻤﺜﺎل 1: ﻓﻲ ﺩﺭﺍﺴﺔ ﻟﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻓﻲ ﺠﺎﻤﻌﺔ ﺍﻟﻘﺩﺱ ﺍﻟﻤﻔﺘﻭﺤﺔ ﺴﺤﺒﺕ‬ ‫ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺍﻟﺫﻴﻥ ﺘﻘﺩﻤﻭﺍ ﻻﻤﺘﺤﺎﻥ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﻜﺎﻨﺕ ﺩﺭﺠﺎﺘﻬﻡ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫03 05 59 08 54 52 03 33 44 25 55 56 57 58 08‬ ‫87 78 48 84 25 55 75 04 06 57 27 77 09 88 59‬ ‫82‬
‫1. ﺘﻘﺩﻴﺭ ﻭﺴﻁ ﻤﺠﺘﻤﻊ ﺒﻨﻘﻁﺔ ﻭﺒﻔﺘﺭﺓ ﺜﻘﺔ.‬ ‫ﻤﺜﺎل 2 : ﺇﺫﺍ ﺃﺭﺩﻨﺎ ﺘﻘﺩﻴﺭ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻟﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻓﺴﺤﺒﺕ ﻋﻴﻨﺔ‬ ‫ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺍﻟﻤﺒﻴﻨﺔ ﻓﻲ ﺍﻟﻤﺜﺎل ﺭﻗﻡ )1( ﻓﻘﺩﺭ ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ‬ ‫ﺍﻟﻌﺭﺒﻴﺔ ﺒﻁﺭﻴﻘﺔ ﺍﻟﻨﻘﻁﺔ ﻭﺒﻔﺘﺭﺓ ﺜﻘﺔ ﻤﻘﺩﺍﺭﻫﺎ 09%.‬ ‫ﺍﻟﺤل:‬ ‫1. ﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Arabic‬ﻭﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻴﻪ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ(‬ ‫‪ Descriptive Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ ﺍﺴﺘﻜﺸﻑ ‪ Explore‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫92‬
‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﺍﻟﺨﺎﺹ ﺒﺎﻷﻤﺭ ‪. Explore‬‬ ‫03‬
‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ )‪ (Arabic‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﺇﻟﻰ ﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ‪Dependent List‬‬ ‫ﻭﻤﻥ ﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ ‪. Statistics‬‬ ‫2‬ ‫1‬ ‫5. ﻨﻀﻐﻁ ﻋﻠﻰ ﺯﺭ ‪ Statistics‬ﻟﺘﺤﺩﻴﺩ ﺍﻻﺤﺼﺎﺌﻴﺎﺕ ﻭﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ‬ ‫ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫3‬ ‫6. ﻨﻜﺘﺏ ﻤﻘﺩﺍﺭ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ 09 ﻓﻲ ﺍﻟﺨﺎﻨﺔ ﺍﻟﺨﺎﺼﺔ ﺒﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ‪Confidence‬‬ ‫‪ Interval for Mean‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻟﻼﺴﺘﻤﺭﺍﺭ ﻭﺍﻟﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ‬ ‫ﺍﻟﺴﺎﺒﻕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ.‬ ‫ﻨﺎﺘﺞ ﺍﻻﻤﺭ ﺍﺴﺘﻜﺸﻑ ‪:Explore‬‬ ‫13‬
‫ﺘﻘﺩﻴﺭ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﺒﻨﻘﻁﺔ‬ ‫‪Descriptives‬‬ ‫‪Statistic‬‬ ‫‪Std. Error‬‬ ‫‪Arabic‬‬ ‫04.36 ‪Mean‬‬ ‫838.3‬ ‫%09‬ ‫‪Lower‬‬ ‫ﺍﻟﺤﺩ ﺍﻻﺩﻨﻰ ﻟﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ‬ ‫‪Confidence‬‬ ‫88.65 ‪Bound‬‬ ‫‪Interval for‬‬ ‫‪Upper‬‬ ‫‪Mean‬‬ ‫29.96 ‪Bound‬‬ ‫ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﻟﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ‬ ‫‪5% Trimmed Mean‬‬ ‫96.36‬ ‫ﺍﻟﻭﺴﻴﻁ‬ ‫‪Median‬‬ ‫05.26‬ ‫ﺍﻟﺘﺒﺎﻴﻥ‬ ‫309.144 ‪Variance‬‬ ‫ﺍﻻﻨﺤﺭﺍﻑ‬ ‫‪Std. Deviation‬‬ ‫120.12‬ ‫ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫ﺍﻟﻘﻴﻤﺔ ﺍﻟﺼﻐﺭﻯ‬ ‫‪Minimum‬‬ ‫52‬ ‫ﺍﻟﻘﻴﻤﺔ ﺍﻟﻌﻅﻤﻰ‬ ‫‪Maximum‬‬ ‫59‬ ‫ﺍﻟﻤﺩﻯ‬ ‫‪Range‬‬ ‫07‬ ‫ﺍﻟﻤﺩﻯ ﺍﻟﺭﺒﻌﻲ‬ ‫‪Interquartile Range‬‬ ‫43‬ ‫ﻤﻌﺎﻤل ﺍﻻﻟﺘﻭﺍﺀ‬ ‫‪Skewness‬‬ ‫491.-‬ ‫724.‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﻔﺭﻁﺢ‬ ‫‪Kurtosis‬‬ ‫451.1-‬ ‫338.‬ ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺍﻻﻤﺭ ‪ Explore‬ﻤﻥ ﺠﺩﻭﻟﻴﻥ ﺍﻷﻭل ﻴﺼﻑ ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ ﻭﺍﻟﻐﻴﺭ ﻤﺩﺨل ﻤﻨﻬﺎ ﺃﻭ‬ ‫ﻤﺎ ﻴﺴﻤﻰ )ﺒﺎﻟﻘﻴﻡ ﺍﻟﻤﻔﻘﻭﺩﺓ ‪ (Missing Value‬ﺃﻤﺎ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻓﻬﻭ ﺍﻟﺠﺩﻭل ﺍﻟﻤﻬﻡ ﺍﻟﺫﻱ ﺘﺤﺴﺏ ﻓﻴﻪ‬ ‫ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﺍﻟﻤﺒﻴﻨﺔ ﻋﻠﻰ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ.‬ ‫ﻭﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻤﻘﺩﺍﺭ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻫﻭ 04.36 ﻭﺃﻥ ﺍﻟﺤﺩ ﺃﻷﺩﻨﻰ ﻟﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻫﻭ 88.65‬ ‫ﻭﺍﻟﺤﺩ ﺍﻻﻋﻠﻰ ﻟﻬﺎ ﻫﻭ 29.96 ﻭﺒﺫﻟﻙ ﺘﻜﻭﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﺍﻟﻤﻁﻠﻭﺒﺔ ﺒﻨﺴﺒﺔ 09% ﻭﻫﻲ )29.96 ,88.65( .‬ ‫23‬
33
‫2. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻭﺴﻁ ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ‬ ‫ﻤﺜﺎل 3: ﺇﺫﺍ ﺇﺩﻋﻰ ﺍﺴﺘﺎﺫ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺃﻥ ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﻁﻼﺒﻪ ﻫﻭ 86 ﻓﺴﺤﺒﺕ ﻋﻴﻨﺔ ﻤﻥ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺍﻟﻤﺒﻴﻨﻴﺔ ﻓﻲ ﺍﻟﻤﺜﺎل ﺭﻗﻡ )1( ﺍﻟﺴﺎﺒﻕ ﻓﻬل ﺍﺩﻋﺎﺀ ﺍﻻﺴﺘﺎﺫ‬ ‫ﺼﺤﻴﺢ ﺃﻡ ﺨﺎﻁﺊ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 01.0 = ‪ α‬؟‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫08‬ ‫58‬ ‫57‬ ‫56‬ ‫54 52 03 33 44 25 55‬ ‫08‬ ‫59‬ ‫05‬ ‫03‬ ‫59‬ ‫88‬ ‫09‬ ‫77‬ ‫25 55 75 04 06 57 27‬ ‫84‬ ‫48‬ ‫78‬ ‫87‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ :‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﺩﺍل ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻋﻥ 86‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻴﻭﺠﺩ ﻓﺭﻕ ﺩﺍل ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻋﻥ 86‬ ‫ﻭﻟﻘﺒﻭل ﺃﻭ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺘﻭﺠﺩ ﻁﺭﻴﻘﺘﻴﻥ‬ ‫ﺍﻟﻁﺭﻴﻘﺔ ﺍﻻﻭﻟﻰ: ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻻﻤﺭ ‪ Explore‬ﺍﻟﺴﺎﺒﻕ‬ ‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻷﻤﺭ ‪ Explore‬ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﺤﻴﺙ ﻜﺎﻨﺕ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻫﻲ )29.96 ,88.65( ، ﻴﻤﻜﻥ‬ ‫ﺍﻟﻭﺜﻭﻕ ﺒﺎﺩﻋﺎﺀ ﺍﻻﺴﺘﺎﺫ )ﻴﻜﻭﻥ ﺇﺩﻋﺎﺀ ﺍﻻﺴﺘﺎﺫ ﺼﺤﻴﺤﺎ( ﺒﻨﺴﺒﺔ 09% ﻷﻥ ﺍﻟﺭﻗﻡ 86 ﻭﻗﻊ ﻀﻤﻥ ﻫﺫﻩ‬ ‫ﹰ‬ ‫ﺍﻟﻔﺘﺭﺓ ﺍﻟﺘﻲ ﻤﻘﺩﺍﺭ ﺍﻟﺜﻘﺔ ﻓﻴﻬﺎ ﻫﻭ 09%، ﻭﻤﻥ ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﺍﻻﺴﺘﺎﺫ ﻟﻭ ﺍﺩﻋﻰ ﺃﻱ ﻤﺘﻭﺴﻁ ﺨﺎﺭﺝ‬ ‫ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻓﻠﻥ ﻨﺴﺘﻁﻴﻊ ﻗﺒﻭل ﺍﺩﻋﺎﺌﻪ ﻭﻴﻜﻭﻥ ﺍﺩﻋﺎﺌﻪ ﺨﺎﻁﺊ ﻭﻴﻜﻭﻥ ﻭﺜﻭﻗﻨﺎ ﻓﻲ ﻗﺭﺍﺭﻨﺎ ﺒﻨﺴﺒﺔ 09%‬ ‫ﺃﻴﻀﺎ.‬ ‫ﹰ‬ ‫ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﺜﺎﻨﻴﺔ: ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ‪ T‬ﻟﺩﺭﺍﺴﺔ ﻤﺘﻭﺴﻁ ﻋﻴﻨﺔ ﻭﺍﺤﺩﺓ.‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻋﻤﻭﺩ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ )‪.(Arabic‬‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﻤﻘﺎﺭﻨﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ( ‪Compare‬‬ ‫‪ Means‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ)ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻌﻴﻨﺔ ﻭﺍﺤﺩﺓ( ‪ One Sample T Test‬ﻜﻤﺎ ﻴﻠﻲ:‬ ‫43‬
‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﻻﺨﺘﺒﺎﺭ ‪ T‬ﻟﻌﻴﻨﺔ ﻭﺍﺤﺩﺓ‬ ‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ )‪ (Arabic‬ﺇﻟﻰ ﺨﺎﻨﺔ ‪ Test Variables‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻭﻤﻥ ﺜﻡ ﻨﻜﺘﺏ ﻗﻴﻤﺔ‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺫﻱ ﺴﻴﺘﻡ ﺍﻻﺨﺘﺒﺎﺭ ﺒﻨﺎﺀ ﻋﻠﻴﻪ ﻭﻫﻭ 86 ﻓﻲ ﺨﺎﻨﺔ ‪ Test Value‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل‬ ‫ً‬ ‫ﺍﻟﺘﺎﻟﻲ :‬ ‫53‬
‫2‬ ‫1‬ ‫5. ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Option‬ﻟﻨﺨﺘﺎﺭ ﻤﺴﺘﻭﻯ ﺍﻟﺜﻘﺔ 09.0 = 01.0 − 1 = ‪1 − α‬‬ ‫3‬ ‫6. ﻨﻜﺘﺏ ﻤﺴﺘﻭﻯ ﺍﻟﺜﻘﺔ 09 ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻓﻨﻌﻭﺩ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ‬ ‫ﻭﻨﻀﻐﻁ ‪ Ok‬ﻟﺘﻅﻬﺭ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻌﻴﻨﺔ ﻭﺍﺤﺩﺓ‬ ‫63‬
‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺍﻻﺨﺘﺒﺎﺭ ﻤﻥ ﺠﺩﻭﻟﻴﻥ، ﺍﻟﺠﺩﻭل ﺍﻷﻭل ﻴﻌﻁﻲ ﺒﻌﺽ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻭﺼﻔﻴﺔ ﻋﻥ ﻤﺘﻐﻴﺭ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻜﻌﺩﺩ ﺍﻟﺩﺭﺠﺎﺕ ﻭﻭﺴﻁﻬﺎ ﺍﻟﺤﺴﺎﺒﻲ ﻭﺍﻨﺤﺭﺍﻓﻬﺎ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻭﺍﻟﺜﺎﻨﻲ‬ ‫ﻴﻌﻁﻲ ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻭﺴﻁ ﻋﻴﻨﺔ ﻭﺍﺤﺩﺓ.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻷﻭل‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫‪One-Sample Statistics‬‬ ‫.‪Std‬‬ ‫‪Std. Error‬‬ ‫‪N‬‬ ‫‪Mean‬‬ ‫‪Deviation‬‬ ‫‪Mean‬‬ ‫‪Arabic‬‬ ‫03‬ ‫04.36‬ ‫120.12‬ ‫838.3‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ 03 ﺩﺭﺠﺔ، ﺒﻤﺘﻭﺴﻁ ﺤﺴﺎﺒﻲ ﻗﺩﺭﻩ 4.36 ﺩﺭﺠﺔ، ﻭﺒﺎﻨﺤﺭﺍﻑ‬ ‫ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 120.12 .‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ:‬ ‫‪One-Sample Test‬‬ ‫86 = ‪Test Value‬‬ ‫‪90% Confidence‬‬ ‫‪Interval of the‬‬ ‫‪Difference‬‬ ‫-2( .‪Sig‬‬ ‫‪Mean‬‬ ‫‪t‬‬ ‫‪df‬‬ ‫)‪tailed‬‬ ‫‪Difference‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬ ‫991.1- ‪Arabic‬‬ ‫92‬ ‫042.‬ ‫006.4-‬ ‫21.11-‬ ‫29.1‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﺍﻟﻔﺭﻕ ﻓﻲ ﺍﻟﻭﺴﻁﻴﻥ‬ ‫ﻓﺘﺭﺓ ﺜﻘﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻭﻫﻭ ﺠﺩﻭل ﺍﺨﺘﺒﺎﺭ ‪ T‬ﺤﻴﺙ ﻴﺒﻴﻥ ﺃﻥ ﺍﻟﻘﻴﻤﺔ ﺍﻟﺘﻲ ﺘﻡ ﺍﻻﺨﺘﺒﺎﺭ ﺒﻨﺎﺀﺍ ﻋﻠﻴﻬﺎ ﻫﻲ 86 ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪T‬‬ ‫ﹰ‬ ‫ﻟﻭﺴﻁ ﻤﺠﺘﻤﻊ ﻫﻲ -991.1 ﺒﺩﺭﺠﺔ ﺤﺭﻴﺔ ﻤﻘﺩﺍﺭﻫﺎ 92 = 1 − 03 = 1 − ‪) n‬ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﻨﺎﻗﺼﺎ ﻭﺍﺤﺩ(‬ ‫ﹰ‬ ‫ﻭﺍﻥ ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁ ﺍﻟﻌﻴﻨﺔ ﻭﺍﻟﻘﻴﻤﺔ ﺍﻟﻤﻔﺤﻭﺼﺔ ﻫﻭ -6.4 .‬ ‫ﻗﺒﻭل ﺃﻭ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ‬ ‫ﻴﻤﻜﻥ ﻗﺒﻭل ﺃﻭ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺒﻁﺭﻴﻘﺘﻴﻥ ﻫﻤﺎ:‬ ‫73‬
‫ﺍﻷﻭﻟﻰ: ﻋﻥ ﻁﺭﻴﻕ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ 42.0= )‪ Sig.(2-tailes‬ﻓﻬﻰ ﺘﺒﻴﻥ ﺃﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ‬ ‫ﺍﻻﺨﺘﺒﺎﺭ ﺃﻱ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ ﻟﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻫﻭ 42.0 ﻭﻫﻲ ﺃﻜﺒﺭ ﻤﻥ ﻗﻴﻤﺔ 01.0 = ‪α‬‬ ‫ﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺃﻱ ﺃﻥ ﺍﺩﻋﺎﺀ ﺍﻻﺴﺘﺎﺫ ﻤﻘﺒﻭل.‬ ‫ﺍﻟﺜﺎﻨﻴﺔ: ﻋﻥ ﻁﺭﻴﻕ ﻓﺘﺭﺓ ﺜﻘﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﻓﺘﺭﺓ ﺜﻘﺔ ﺍﻹﺨﺘﺒﺎﺭ )29.1,21.11−( ، ﻭﻫﻲ ﻨﻔﺴﻬﺎ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁ ﺍﻟﻌﻴﻨﺔ‬ ‫ﻭ86، ﻭﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﺼﻔﺭ ﻤﻭﺠﻭﺩ ﺩﺍﺨل ﻓﺘﺭﺓ ﺜﻘﺔ ﺍﻻﺨﺘﺒﺎﺭ ﺃﻱ ﺃﻥ ﺍﺩﻋﺎﺀ‬ ‫)1(‬ ‫.‬ ‫ﺍﻻﺴﺘﺎﺫ ﻤﻘﺒﻭل. ﺃﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﺼﻔﺭ ﻏﻴﺭ ﻤﻭﺠﻭﺩ ﻓﻲ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻓﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ‬ ‫ﺇﺫﺍ ﻭﻀﻌﻨﺎ ﺍﻟﻘﻴﻤﺔ ﺼﻔﺭ ﻓﻲ ﺨﺎﻨﺔ ‪ Test Value‬ﺍﺜﻨﺎﺀ ﺍﺠﺭﺍﺀ ﺇﺨﺘﺒﺎﺭ ‪ T‬ﻟﻌﻴﻨﺔ ﻭﺍﺤﺩﺓ ﺒﺩل ﺍﻟﻘﻴﻤﺔ 86 ﺘﻜﻭﻥ ﻓﺘﺭﺓ ﺍﻻﺨﺘﺒﺎﺭ ﺍﻟﻨﺎﺘﺠﺔ ﻫﻲ ﻨﻔﺴﻬﺎ‬ ‫1‬ ‫ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻟﻠﻌﻴﻨﺔ ﺍﻟﺘﻲ ﺤﺼﻠﻨﺎ ﻋﻴﻬﺎ ﻤﻥ ﺨﻼل ﺍﻻﻤﺭ ‪.Explore‬‬ ‫83‬
‫3. ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﺒﻨﻘﻁﺔ ﻭﻓﺘﺭﺓ ﺜﻘﺔ‬ ‫ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﺒﻨﻘﻁﺔ‬ ‫أ.‬ ‫ﻤﺜﺎل 4: ﺇﺫﺍ ﺃﺭﺩﻨﺎ ﺘﻘﺩﻴﺭ ﻨﺴﺒﺔ ﺍﻟﻨﺎﺠﺤﻴﻥ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻓﺴﺤﺒﺕ ﻋﻴﻨﺔ ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ‬ ‫ﻤﻥ ﺍﻟﺫﻴﻥ ﺘﻘﺩﻤﻭﺍ ﻟﻼﻤﺘﺤﺎﻥ ﻭﻜﺎﻨﺕ ﺩﺭﺠﺎﺘﻬﻡ ﻫﻲ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ ﻓﻲ ﺍﻟﻤﺜﺎل ﺭﻗﻡ )1( ﻓﻘﺩﺭ ﺍﻟﻨﺴﺒﺔ‬ ‫ﺍﻟﻤﺌﻭﻴﺔ ﻟﻠﻨﺎﺠﺤﻴﻥ.‬ ‫1. ﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Arabic‬ﻭﻤﻥ ﺜﻡ ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﻌﻤﻭﺩ ﺍﻟﺨﺎﺹ ﻓﻴﻪ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل 1.‬ ‫2. ﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Code‬ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﺭﻤﺯ ﺍﻟﻁﺎﻟﺏ ﺍﻟﻨﺎﺠﺢ ﻫﻭ 1 ﻭﺭﻤﺯ ﺍﻟﻁﺎﻟﺏ ﺍﻟﺭﺍﺴﺏ 0‬ ‫ﻭﻤﻥ ﺜﻡ ﻨﺩﺨل ﺒﻴﺎﻨﺎﺘﻪ ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫08‬ ‫56 57 58‬ ‫03 05 59 08 54 52 03 33 44 25 55‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫0‬ ‫0‬ ‫0‬ ‫0‬ ‫0‬ ‫1‬ ‫1‬ ‫1‬ ‫0‬ ‫59‬ ‫77 09 88‬ ‫87 78 48 84 25 55 75 04 06 57 27‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫0‬ ‫1‬ ‫1‬ ‫1‬ ‫0‬ ‫1‬ ‫1‬ ‫1‬ ‫)‪ (Code‬ﻜﻤﺎ ﻴﻠﻲ:‬ ‫3. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻋﻤﻭﺩﻴﻥ ﻤﺨﺘﻠﻔﻴﻥ ﺍﻷﻭل )‪ (Arabic‬ﻭﺍﻟﺜﺎﻨﻲ‬ ‫93‬
‫4. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺤﺼﺎﺀ ﺍﻟﻭﺼﻔﻲ( ‪Descriptive‬‬ ‫‪ Statistics‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ ﺍﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪Frequencies‬‬ ‫5. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺨﺎﺹ ﺒﺄﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪Frequency‬‬ ‫6. ﻨﺨﺘﺎﺭ ﺍﻟﻤﺘﻐﻴﺭ ‪ Code‬ﻭﻨﻨﻘﻠﻪ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﺇﻟﻰ ﻗﺎﺌﻤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪. Variables‬‬ ‫04‬
‫7. ﻨﻀﻐﻁ ‪ Ok‬ﻓﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬ ‫ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺍﻟﺠﺩﻭل ﺍﻟﺘﻜﺭﺍﺭﻱ ﻟﻠﻤﺘﻐﻴﺭ ‪ Code‬ﻭﺃﻥ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﺍﻟﻤﺩﺨﻠﺔ 03 ﺩﺭﺠﺔ، ﻭﻴﺒﻴﻥ‬ ‫ﺃﻥ ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﻲ ﻗﻴﻤﺘﻬﺎ 1 )ﺍﻟﻨﺎﺠﺤﻴﻥ( ﻫﻭ 22 ﺒﻨﺴﺒﺔ 3.37% ﻤﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻫﻭ ﺘﻘﺩﻴﺭ ﺍﻟﻨﺎﺠﺤﻴﻥ‬ ‫ﺒﻨﻘﻁﺔ، ﺃﻤﺎ ﺘﻘﺩﻴﺭ ﻨﺴﺒﺔ ﺍﻟﺭﺍﺴﺒﻴﻥ ﻓﻬﻭ 7.62%.‬ ‫ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺒﻔﺘﺭﺓ‬ ‫ب.‬ ‫ﺇﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻻ ﻴﻁﺒﻕ ﺤﺴﺎﺏ ﺘﻘﺩﻴﺭ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ، ﻭﻟﺤل ﻫﺫﻩ ﺍﻟﻤﺸﻜﻠﺔ ﺴﻨﻌﻤل‬ ‫ﻋﻠﻰ ﺘﺤﻭﻴل ﺃﻱ ﻤﺘﻐﻴﺭ ﺇﻟﻰ ﻤﺘﻐﻴﺭ ﺒﺭﻨﻭﻟﻲ ﻓﻤﺜﻼ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺤﻭﻴل ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻟﻤﺘﻐﻴﺭ ﺩﺭﺠﺎﺕ‬ ‫ﺍﻟﻁﻼﺏ ﺒﺎﻋﺎﺩﺓ ﺍﻟﺘﺭﻤﻴﺯ، ﺘﺤﻭل ﻤﺘﻐﻴﺭ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﺇﻟﻰ ﻤﺘﻐﻴﺭ ﺒﺭﻨﻭﻟﻲ، ﻭﻫﺫﺍ‬ ‫14‬
‫ﺒﺩﻭﺭﻩ ﻴﺅﺩﻱ ﺇﻟﻰ ﺘﺤﻭﻴل ﻤﻔﻬﻭﻡ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﻜﺄﻨﻬﺎ ﻤﺘﻭﺴﻁ ﻤﺘﻐﻴﺭ ﺒﺭﻨﻭﻟﻲ ﻭﺘﻜﻭﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻨﺴﺒﺔ‬ ‫)2(‬ ‫.‬ ‫ﻫﻲ ﻨﻔﺴﻬﺎ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻤﺘﻭﺴﻁ ﺒﺭﻨﻭﻟﻲ‬ ‫ﻤﺜﺎل5: ﺇﺫﺍ ﺼﻤﻡ ﺒﺭﻨﺎﻤﺞ ﻻﻨﺘﺎﺝ ﺍﻻﺭﻗﺎﻡ ﻋﺸﻭﺍﺌﻴﺎ ﻓﺄﻨﺘﺞ ﺍﻷﺭﻗﺎﻡ ﺍﻟﺘﺎﻟﻲ‬ ‫ﹰ‬ ‫87317518‬ ‫69239276‬ ‫11656665‬ ‫48474323‬ ‫78954653‬ ‫ﻗﺩﺭ ﻨﺴﺒﺔ ﺍﻻﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﺒﻔﺘﺭﺓ ﻤﻘﺩﺍﺭﻫﺎ 59% ؟‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ﻨﺴﻤﻴﻪ )‪ (Numbers‬ﻨﺩﺨل ﻓﻴﻪ ﺍﻷﺭﻗﺎﻡ ﺍﻟﺘﻲ ﻴﻨﺘﺠﻬﺎ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ‬ ‫ﻭﻤﺘﻐﻴﺭ ﺁﺨﺭ ﻫﻭ )‪ (Code‬ﻨﺩﺨل ﻓﻴﻪ ﺭﻤﺯ ﺍﻟﺭﻗﻡ ﻓﺭﺩﻴﺎ ﺃﻭ ﺯﻭﺠﻴﺎ ﺒﺤﻴﺙ )0= ﺯﻭﺠﻲ، 1=‬ ‫ﹰ‬ ‫ﹰ‬ ‫)3(‬ ‫ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﻓﺭﺩﻱ(‬ ‫ﻫﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﻤﻥ ﺍﻟﻨﺎﺤﻴﺔ ﺍﻟﻨﻅﺭﻴﺔ ﺼﺤﻴﺤﺔ، ﻭﻟﻜﻥ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻤﻥ ﺍﻟﻨﺎﺤﻴﺔ ﺼﺤﻴﺤﺔ ﻟﺤﺩ ﻤﺎ ﻭﺘﻜﻭﻥ ﺃﺩﻕ ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻜﺒﻴﺭﺓ‬ ‫2‬ ‫ﻭﻨﺴﺘﻁﻴﻊ ﺘﻘﺭﻴﺏ ﺘﻭﺯﻴﻊ ‪ T‬ﻟﺘﻭﺯﻴﻊ ‪ Z‬ﺍﻟﻁﺒﻴﻌﻲ ﻓﺘﻜﻭﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻤﺘﻘﺎﺭﺒﺔ ﺠﺩﺍ.‬ ‫ﹰ‬ ‫ﺒﻌﻤﻠﻴﺔ ﺍﻋﺎﺩﺓ ﺘﺭﻤﻴﺯ ﺍﻟﻤﺘﻐﻴﺭ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺭﻤﻭﺯ 0 ﻭ1 ﺘﻡ ﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻌﺸﻭﺍﺌﻲ ﺍﻟﻰ ﻤﺘﻐﻴﺭ ﺒﺭﻨﻭﻟﻲ ﺍﻟﺫﻱ ﻤﺘﻭﺴﻁﻪ ﺍﻟﺤﺴﺎﺒﻲ ﻫﻭ‬ ‫3‬ ‫ﻭﻫﻲ ﻨﻔﺴﻬﺎ ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﻟﻠﺭﺍﺴﺒﻴﻥ.‬ ‫‪E (X ) = p‬‬ ‫24‬
‫‪Descriptive Statistics‬‬ ‫ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ‬ ‫2.‬ ‫)ﺍﻻﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ( ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ ﺍﺴﺘﻜﺸﻑ ‪ Explore‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﺍﻟﺨﺎﺹ ﺒﺎﻷﻤﺭ ‪. Explore‬‬ ‫3.‬ ‫2‬ ‫1‬ ‫34‬
Dependent ‫ ﻟﺨﺎﻨﺔ‬Code ‫ ﻭﻤﻥ ﺜﻡ ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ‬Statistics ‫4. ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ‬ ‫ ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬Statistics ‫ ﻭﻤﻥ ﺜﻡ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﺯﺭ‬List 3 ‫ ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ‬Continue ‫5. ﻨﻜﺘﺏ ﻤﻘﺩﺍﺭ ﺍﻟﺜﻘﺔ ﻭﻫﻭ 59% ﻭﻨﻀﻐﻁ‬ ‫ ﻟﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬Ok ‫6. ﺍﻀﻐﻁ ﻋﻠﻰ‬ Std. Statistic Error Code Mean .55 .080 95% Confidence Lower ‫ﺍﻟﺤﺩ ﺍﻻﺩﻨﻰ ﻟﻠﻔﺘﺭﺓ‬ Interval for Bound .39 Mean Upper .71 ‫ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﻟﻠﻔﺘﺭﺓ‬ Bound 5% Trimmed Mean .56 Median 1.00 Variance .254 Std. Deviation .504 Minimum 0 Maximum 1 Range 1 Interquartile Range 1 Skewness -.209 .374 Kurtosis -2.062 .733 44
‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺴﺎﺒﻕ ﺃﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﺒﻤﻘﺩﺍﺭ 59% ﻟﻨﺴﺒﺔ ﺍﻷﻋﺩﺍﺩ ﺍﻟﻔﺭﺩﻴﺔ ﻫﻲ )17.0 ,93.0 ( )4(.‬ ‫4.ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﻓﻲ ﻨﺴﺒﺔ ﻟﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ:‬ ‫ﺃ. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﻓﻲ ﻨﺴﺒﺔ ﻓﻲ ﺤﺎﻟﺔ ﺘﻘﺴﻴﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺤﺴﺏ ﻗﻴﻤﺔ ﻤﻌﻴﻨﺔ:‬ ‫ﻤﺜﺎل6: ﺇﺫﺍ ﺇﺩﻋﻰ ﺍﺴﺘﺎﺫ ﻤﺎﺩﺓ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺃﻥ ﻨﺴﺒﺔ ﺍﻟﺭﺍﺴﺒﻴﻥ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺃﻗل ﻤﻥ 04%‬ ‫ﻓﺴﺤﺒﺕ ﻋﻴﻨﺔ ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺍﻟﻤﺒﻴﻨﺔ ﻓﻲ ﺍﻟﻤﺜﺎل 1 ﻓﻬل ﺍﺩﻋﺎﺀ ﺍﻻﺴﺘﺎﺫ‬ ‫ﺼﺤﻴﺢ ﺃﻡ ﺨﺎﻁﺊ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫08‬ ‫58‬ ‫57‬ ‫56‬ ‫54 52 03 33 44 25 55‬ ‫08‬ ‫59‬ ‫05‬ ‫03‬ ‫59‬ ‫88‬ ‫09‬ ‫77‬ ‫25 55 75 04 06 57 27‬ ‫84‬ ‫48‬ ‫78‬ ‫87‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻨﺴﺒﺔ ﺍﻟﻨﺎﺠﺤﻴﻥ ﻤﺴﺎﻭﻴﺔ 04%.‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻨﺴﺒﺔ ﺍﻟﻨﺎﺠﺤﻴﻥ ﺃﻗل ﻤﻥ 04%.‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻋﻤﻭﺩ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Arabic‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﺒﻌﻤﻠﻴﺔ ﺍﻋﺎﺩﺓ ﺘﺭﻤﻴﺯ ﺍﻟﻤﺘﻐﻴﺭ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺭﻤﻭﺯ 0 ﻭ1 ﺘﻡ ﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻌﺸﻭﺍﺌﻲ ﺍﻟﻰ ﻤﺘﻐﻴﺭ ﺒﺭﻨﻭﻟﻲ ﺍﻟﺫﻱ ﻤﺘﻭﺴﻁﻪ ﺍﻟﺤﺴﺎﺒﻲ ﻫﻭ‬ ‫4‬ ‫ﻭﻫﻲ ﻨﻔﺴﻬﺎ ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﻟﻸﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﻭﺘﻜﻭﻥ ﺒﺫﻟﻙ ﺘﻘﺩﻴﺭ ﻨﺴﺒﺔ ﻟﻸﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﺒﻨﻘﻁﺔ ﻫﻲ 55.0 .‬ ‫‪E (X ) = p‬‬ ‫54‬
‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ(‬ ‫‪ Nonparametric Tests‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ )ﺍﺨﺘﺒﺎﺭ ﺫﺍﺕ ﺍﻟﺤﺩﻴﻥ( ‪Binomial Test‬‬ ‫ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫64‬
‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Arabic‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﺇﻟﻰ ﺨﺎﻨﺔ ‪ Test Variables List‬ﻭﻤﻥ ﺜﻡ ﻨﻌﻠﻡ‬ ‫ﻋﻠﻰ ﺍﻻﺨﺘﻴﺎﺭ ‪ Cut point‬ﻟﻨﻜﺘﺏ ﺍﻟﻘﻴﻤﺔ 94 ﻟﺘﺩل ﻋﻠﻰ ﺃﻥ 94 ﻫﻲ ﺍﻟﻨﻘﻁﺔ ﺍﻟﻔﺎﺼﻠﺔ ﺒﻴﻥ‬ ‫ﺍﻟﻨﺎﺠﺤﻴﻥ ﻭﺍﻟﺭﺍﺴﺒﻴﻥ ﺤﻴﺙ ﺃﻜﺒﺭ ﻗﻴﻤﺔ ﻟﻠﺭﺍﺴﺒﻴﻥ ﻫﻲ 94، ﻭﺃﺼﻐﺭ ﻗﻴﻤﺔ ﻟﻠﻨﺎﺠﺤﻴﻥ 05، ﻭﻤﻥ‬ ‫ﺜﻡ ﻨﻜﺘﺏ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﺍﻟﺘﻲ ﻨﺭﻴﺩ ﺍﺨﺘﺒﺎﺭﻫﺎ ﻭﻫﻲ 04.0 ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫2‬ ‫1‬ ‫5. ﻨﻀﻐﻁ ‪ Ok‬ﻟﺘﻅﻬﺭ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ‬ ‫ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻋﺩﺩ ﺍﻟﺭﺍﺴﺒﻴﻥ ﻫﻭ 8 ﺃﺸﺨﺎﺹ ) ﺍﻟﺤﺎﺼﻠﻴﻥ ﻋﻠﻰ ﺩﺭﺠﺔ ﺃﻗل ﻤﻥ ﺃﻭ ﻴﺴﺎﻭﻱ‬ ‫94( ﺒﻨﺴﺒﺔ ﻤﺌﻭﻴﺔ 72.0 ﻭﺃﻥ ﻋﺩﺩ ﺍﻟﻨﺎﺠﺤﻴﻥ ﻫﻭ 22 ﺒﻭﺍﻗﻊ ﻨﺴﺒﺔ ﻤﺌﻭﻴﺔ 37.0 ﺍﻟﻘﻴﻤﺔ ﺍﻟﺘﻲ ﻨﺭﻴﺩ‬ ‫ﻤﻘﺎﺭﻨﺔ ﺍﻟﻨﺴﺒﺔ ﻤﻌﻬﺎ ﻫﻲ 4.0 .‬ ‫74‬
‫• ﻗﺒﻭل ﺃﻭ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ:‬ ‫ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼ ﻴﺘﺒﻴﻥ ﺃﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 490.0= )‪ Asymp. Sig. (1-tailed‬ﻭﻫﻲ‬ ‫ﺃﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﻻﺤﻅ ﺍﻥ ﻓﻭﻕ ﺍﻟﺭﻗﻡ 490.0 ﻴﻭﺠﺩ ﺍﻟﺭﻤﺯﻴﻥ ‪ a‬ﻭ‪ b‬ﻓﻴﺩل ﺍﻟﺭﻤﺯ ‪ a‬ﻋﻠﻰ ﺃﻥ ﻨﺴﺒﺔ ﺍﻟﺭﺍﺴﺒﻴﻥ ﺃﻗل ﻤﻥ‬ ‫4.0 ﻭﻴﺩل ﺍﻟﺭﻤﺯ ‪ b‬ﻋﻠﻰ ﺃﻨﻪ ﺘﻡ ﺍﺴﺘﺨﺩﺍﻡ ﺘﻘﺭﻴﺏ ‪ Z‬ﻟﺤﺴﺎﺏ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﻭﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ.‬ ‫ﺏ. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻨﺴﺒﺔ ﺤﺴﺏ ﺸﺭﻁ ﻤﻌﻴﻥ‬ ‫ﻤﺜﺎل 7: ﻓﻲ ﺍﻟﻤﺜﺎل ﺭﻗﻡ 5 ﺍﺨﺘﺒﺭ ﻫل ﻤﻤﻜﻥ ﺍﻋﺘﺒﺎﺭ ﻨﺴﺒﺔ ﺍﻻﻋﺩﺍﺩ ﺍﻟﻔﺭﺩﻴﺔ ﺍﻟﺘﻲ ﻴﻨﺘﺠﻬﺎ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ‬ ‫05%.‬ ‫1. ﻨﻘﻭﻡ ﺒﺎﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺭﻗﻡ 5 ﻭﻨﺩﺨل ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ‪ Number‬ﻭ‪=0) Code‬‬ ‫ﺯﻭﺠﻲ، 1= ﻓﺭﺩﻱ(‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ(‬ ‫‪ Nonparametric Tests‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ )ﺍﺨﺘﺒﺎﺭ ﺫﺍﺕ ﺍﻟﺤﺩﻴﻥ( ‪Binomial Test‬‬ ‫3. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Code‬ﺍﻟﻰ ﺨﺎﻨﺔ ‪ Test Variables‬ﻭﻨﺘﺄﻜﺩ ﺃﻥ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺨﺎﻨﺔ‬ ‫‪ Test Proportion‬ﻫﻲ 05.0 ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪Ok‬‬ ‫1‬ ‫2‬ ‫4. ﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬ ‫84‬
‫ﻤﻥ ﺍﻟﻨﺎﺘﺞ ﻴﺘﺒﻥ ﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻭﻫﻲ 636.0=)‪Asymp. Sig. (2-tailed‬‬ ‫ﻭﻫﻲ ﺍﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫5. ﺍﻟﻔﺭﻀﻴﺎﺕ ﻭﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﺤﻭل ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ‬ ‫ﻤﺜﺎل 8: ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ 051 041 021051 041 521 041 031 521 041 ﺘﻤﺜل‬ ‫ﺃﻁﻭﺍل ﻗﻁﻊ ﻤﻌﻴﻨﺔ ﻤﻥ ﺍﻟﻘﻤﺎﺵ ﺍﻟﺫﻱ ﻴﻨﺘﺠﻪ ﻤﺼﻨﻊ ﻓﺎﻭﺠﺩ ﻓﺘﺭﺓ 09% ﺜﻘﺔ ﻟﺘﺒﺎﻴﻥ ﺍﻷﻁﻭﺍل ﻭﻤﻥ ﺜﻡ‬ ‫ﺍﺨﺘﺒﺭ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺘﻲ ﺘﻘﻭل ﺃﻥ ﺘﺒﺎﻴﻥ ﺃﻁﻭﺍل ﺍﻷﻗﻤﺸﺔ 003.‬ ‫ﺃﻭﻻ: ﻨﻘﺩﺭ ﺍﻟﺘﺒﺎﻴﻥ ﺒﻨﻘﻁﺔ‬ ‫ﹰ‬ ‫1. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺍﻷﻁﻭﺍل ﻓﻲ ﻤﺘﻐﻴﺭ ﻨﺴﻤﻴﻪ ‪.Length‬‬ ‫94‬
‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ(‬ ‫‪ Descriptive Statistics‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪ Frequency‬ﻟﻨﻘﺩﺭ ﺘﺒﺎﻴﻥ‬ ‫ﺍﻷﻁﻭﺍل ﺒﻨﻘﻁﺔ‬ ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Length‬ﻟﺨﺎﻨﺔ ‪ Variables‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ‬ ‫‪ Statistics‬ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫05‬
‫ﻨﺨﺘﺎﺭ ﺤﺴﺎﺏ ﺍﻟﺘﺒﺎﻴﻥ ﻤﻥ ﺨﻼل ‪ Variance‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ‬ ‫5.‬ ‫ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Ok‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬ ‫ﻴﺒﻴﻥ ﺍﻟﻨﺎﺘﺞ ﺃﻥ ﺘﻘﺩﻴﺭ ﺍﻟﺘﺒﺎﻴﻥ ﺒﻨﻘﻁﺔ ﻫﻭ 011.‬ ‫ﺜﺎﻨﻴﺎ: ﺍﻴﺠﺎﺩ ﺘﻘﺩﻴﺭ ﺍﻟﺘﺒﺎﻴﻥ ﺒﻔﺘﺭﺓ 09%‬ ‫ﹰ‬ ‫6. ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ‪ Transform‬ﻨﺨﺘﺎﺭ ﺃﻤﺭ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ‬ ‫15‬
‫ﻴﻌﻁﻴﻙ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻟﻸﻤﺭ ‪ Compute‬ﺨﻴﺎﺭﺍﺕ ﻋﺩﻴﺩﺓ‬ ‫7. ﻓﻲ ﺨﺎﻨﺔ ‪ Target Variable‬ﻨﻜﺘﺏ ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺫﻱ ﻨﺭﻴﺩ ﺤﺴﺎﺒﻪ ﻭﻫﻭ ﻴﻤﺜل ﺍﻟﺤﺩ ﺍﻷﺩﻨﻰ‬ ‫ﻟﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻭﻟﻨﺴﻤﻴﻪ ‪ Lower‬ﻭﻓﻲ ﺨﺎﻨﺔ ‪ Numeric Expression‬ﻨﻜﺘﺏ ﺼﻴﻐﺔ ﺤﺴﺎﺏ‬ ‫ﺍﻟﺤﺩ ﺍﻷﺩﻨﻰ ﻟﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻭﻫﻲ‬ ‫) ‪( (n − 1) × S‬‬ ‫2‬ ‫(‬ ‫)‬ ‫) 9,59.0 ( ‪IDF.CHISQ 1- α ,n-1 = ( 9 × 110 ) IDF.CHISQ‬‬ ‫2‬ ‫ﺃﻨﻅﺭ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫2‬ ‫1‬ ‫8. ﻨﻌﻴﺩ ﺍﻟﻜﺭﺓ ﻤﺭﺓ ﺃﺨﺭﻯ ﻟﺤﺴﺎﺏ ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﻟﻠﻔﺘﺭﺓ ﺒﻨﻔﺱ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺴﺎﺒﻘﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ‬ ‫‪ Compute‬ﻭﻟﻜﻥ ﻨﺴﻤﻲ ﺍﻟﻤﺘﻐﻴﺭ ‪ Upper‬ﻭﻨﻜﺘﺏ ﺍﻟﺼﻴﻐﺔ ﺍﻟﺘﺎﻟﻴﺔ‬ ‫) ‪( (n − 1) × S‬‬ ‫2‬ ‫(‬ ‫)‬ ‫) 9,50.0 ( ‪IDF.CHISQ α ,n-1 = ( 9 × 110 ) IDF.CHISQ‬‬ ‫2‬ ‫25‬
‫9. ﻓﻲ ﺸﺎﺸﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻨﻼﺤﻅ ﻅﻬﻭﺭ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﺃﻭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ:‬ ‫5‬ ‫ﺘﻜﻭﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﺒﻤﻘﺩﺍﺭ 09% ﻫﻲ )37.792 ,15.85 (‬ ‫ﺜﺎﻟﺜﺎ: ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ‬ ‫ﹰ‬ ‫003 = 2 ‪H 0 : σ‬‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ : ﺘﺒﺎﻴﻥ ﺃﻁﻭﺍل ﺍﻷﻗﻤﺸﺔ 003.‬ ‫003 ≠ 2 ‪H a : σ‬‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﺘﺒﺎﻴﻥ ﺃﻁﻭﺍل ﺍﻷﻗﻤﺸﺔ ﻴﺨﺘﻠﻑ ﻋﻥ 003‬ ‫ﻤﻥ ﺍﻟﻭﺍﻀﺢ ﺃﻥ )37.792 ,15.85 ( ∉ 003 ﻭﺒﺎﻟﺘﺎﻟﻲ ﺘﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﻭﻫﻨﺎﻙ ﻁﺭﻴﻘﺔ ﺃﺨﺭﻯ ﻟﻺﺠﺎﺒﺔ ﻋﻠﻰ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻤﻥ ﺨﻼل ﻜﺘﺎﺒﺔ ﺍﻟﺼﻴﻐﺔ ﺍﻟﺘﺎﻟﻴﺔ ﻓﻲ ﺍﻟﻤﺭﺒﻊ‬ ‫ﺍﻟﺤﻭﺍﺭﻱ ‪Compute‬‬ ‫(‬ ‫)‬ ‫159.0 = ) 9, ) 003 011 × )1 − 01( ( ( ‪SIG.CHISQ ( (n − 1) × S 2 σ 0 ) ,n-1 = SIG.CHISQ‬‬ ‫2‬ ‫ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﺘﺒﺎﻴﻥ ﻤﻌﻁﻰ ﻓﻲ ﺍﻟﻤﺜﺎل ﻤﺒﺎﺸﺭﺓ ﻻ ﻨﺤﺘﺎﺝ ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪ Frequency‬ﻟﺤﺴﺎﺏ ﺍﻟﺘﺒﺎﻴﻥ.‬ ‫5‬ ‫35‬
‫ﻓﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ ﻓﻲ ﺼﻔﺤﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﻭﺒﺎﻟﺘﺎﻟﻲ 159.0 ﻫﻲ ﺃﻜﺒﺭ ﻤﻥ ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﺍﻟﺫﻱ ﻴﻘﻊ ﻋﻨﺩ 59.0. ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫45‬
‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻨﻴﺔ‬ ‫ﺍﻻﺴﺘﺩﻻل ﺍﻻﺤﺼﺎﺌﻲ‬ ‫ﺤﻭل ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ‬ ‫55‬
‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻨﻴﺔ: ﺍﻻﺴﺘﺩﻻل ﺍﻻﺤﺼﺎﺌﻲ ﺤﻭل ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ‬ ‫ﻟﻘﺩ ﺘﻌﺭﻀﺕ ﻋﺯﻴﺯﻱ ﺍﻟﺩﺍﺭﺱ ﻓﻲ ﺍﻟﻭﺤﺩﺓ ﺍﻷﻭﻟﻰ ﺇﻟﻰ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﺘﻭﺴﻁ ﻭﻨﺴﺒﺔ‬ ‫ﻭﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ، ﻭﻗﺩ ﺘﻌﺭﻓﺕ ﻋﻠﻰ ﻜﻴﻔﻴﺔ ﺍﺠﺭﺍﺀ ﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ، ﻭﺍﻟﺘﻘﺩﻴﺭ ﻤﻥ ﺨﻼل ﺒﺭﻨﺎﻤﺞ‬ ‫‪ .SPSS‬ﻭﻻ ﺒﺩ ﺃﻨﻙ ﻻﺤﻅﺕ ﺃﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﺘﻌﺎﻤل ﻤﻊ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﻭﻴﻌﻤل ﺠﻤﻴﻊ‬ ‫ﺍﺨﺘﺒﺎﺭﺍﺘﻪ ﻋﻠﻰ ﺍﺴﺎﺱ ﺘﻘﺩﻴﺭ ﻤﻌﺎﻟﻡ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ.‬ ‫1. ﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﻭﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ.‬ ‫ﻴﻨﻘﺴﻡ ﺍﻟﻤﻘﺭﺭ ﺍﻟﻨﻅﺭﻱ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﻭﻀﻭﻉ، ﻭﻫﻭ ﺘﻘﺩﻴﺭ ﻓﺘﺭﺍﺕ ﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﻤﺠﺘﻤﻌﻴﻥ‬ ‫ﻭﺍﺠﺭﺍﺀ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﻟﻬﺫﻩ ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﺜﻼﺜﺔ ﺤﺎﻻﺕ ﻫﻲ‬ ‫ﻤﻌﻠﻭﻤﺘﺎﻥ.‬‫2 ‪σ1,σ‬‬ ‫1. ﻋﻨﺩﻤﺎ‬ ‫2 ‪ σ1,σ‬ﻤﺠﻬﻭﻟﺘﺎﻥ ﻭﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ ﻜﺒﻴﺭﺓ.‬ ‫2. ﻋﻨﺩﻤﺎ‬ ‫2 ‪ σ1,σ‬ﻤﺠﻬﻭﻟﺘﺎﻥ ﻭﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ ﺼﻐﻴﺭﺓ.‬ ‫3. ﻋﻨﺩﻤﺎ‬ ‫ﻭﻫﻨﺎ ﻻ ﺒﺩ ﻤﻥ ﺍﻻﺸﺎﺭﺓ ﺇﻟﻰ ﺃﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻜﻤﺎ ﺃﺴﻠﻔﻨﺎ ﺍﻟﺫﻜﺭ ﻴﺘﻌﺎﻤل ﻤﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ، ﻭﺍﻟﺘﻲ ﻤﻥ‬ ‫ﺨﻼﻟﻬﺎ ﻴﻘﺩﺭ ﻤﻌﺎﻟﻡ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ، ﻭﻤﻨﻬﺎ ﺍﻟﺘﺒﺎﻴﻥ، ﻓﻬﻭ ﻻ ﻴﻘﻭﻡ ﺒﺎﻻﺨﺘﺒﺎﺭﺍﺕ ﺃﻭ ﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﻓﻲ ﺍﻟﺤﺎﻟﺔ‬ ‫ﺍﻷﻭﻟﻰ ﺃﻋﻼﻩ، ﻭﺇﺫﺍ ﺍﻀﻁﺭﺭﻨﺎ ﻟﻌﻤل ﺍﻟﺨﻁﻭﺓ ﺍﻷﻭﻟﻰ ﺴﺘﻜﻭﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻷﻤﺭ ‪ Compute‬ﺍﻟﺫﻱ‬ ‫ﺘﻌﺭﻀﻨﺎ ﻟﻪ ﻓﻲ ﺍﻟﺴﺎﺒﻕ ﻭﻟﻜﻨﻨﺎ ﻟﻥ ﻨﺘﻌﺭﺽ ﻟﺫﻟﻙ ﻷﻥ ﺍﻟﻘﻴﺎﻡ ﺒﺫﻟﻙ ﻤﺜل ﺍﻟﻘﻴﺎﻡ ﺒﻪ ﻴﺩﻭﻴﹰ، ﻟﺫﻟﻙ ﻻ ﺠﺩﻭﻯ‬ ‫ﺎ‬ ‫ﻤﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﺤﺎﺴﻭﺏ، ﻭﻫﺫﺍ ﺍﻻﻤﺭ ﻻ ﻴﻨﻁﺒﻕ ﻓﻘﻁ ﻋﻠﻰ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻭﻟﻜﻥ ﻋﻠﻰ ﺠﻤﻴﻊ ﺍﻟﺒﺭﺍﻤﺞ‬ ‫ﺍﻻﺤﺼﺎﺌﻴﺔ.‬ ‫ﻤﺜﺎل 1: ﺇﺫﺍ ﻜﺎﻨﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﻁﺭﻕ ﺍﻻﺤﺼﺎﺀ ﺒﺎﻟﺤﺎﺴﻭﺏ ﺤﺴﺏ ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ‬ ‫ﻤﻭﺯﻋﺔ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫ﺩﺭﺠﺎﺕ ﺍﻻﻨﺎﺙ‬ ‫ﺃﻭﻻ:‬ ‫ﹰ‬ ‫08‬ ‫58‬ ‫57‬ ‫56‬ ‫55‬ ‫25‬ ‫44‬ ‫33‬ ‫03‬ ‫52‬ ‫54‬ ‫05 59 08‬ ‫03‬ ‫59‬ ‫88‬ ‫09‬ ‫77‬ ‫27‬ ‫57‬ ‫06‬ ‫04‬ ‫75‬ ‫55‬ ‫25‬ ‫78 48 84‬ ‫87‬ ‫37 77‬ ‫57‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﺫﻜﻭﺭ‬ ‫ﺜﺎﻨﻴﺎ:‬ ‫ﹰ‬ ‫77‬ ‫03‬ ‫52‬ ‫03‬ ‫44‬ ‫04‬ ‫56‬ ‫44‬ ‫77‬ ‫57‬ ‫97‬ ‫54 48 83‬ ‫58‬ ‫67‬ ‫26‬ ‫44‬ ‫24‬ ‫77‬ ‫66‬ ‫56‬ ‫89‬ ‫59‬ ‫63‬ ‫84‬ ‫59 16 06‬ ‫58‬ ‫07‬ ‫39 89 08‬ ‫57‬ ‫65‬
‫ﻓﺎﻭﺠﺩ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﺒﻤﻘﺩﺍﺭ 59% ﻭﻤﻥ ﺜﻡ ﺒﻴﻥ ﻫل ﺘﻭﺠﺩ‬ ‫ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ )ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ( ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫50.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺍﻟﺫﻜﻭﺭ‬ ‫ﻭﺍﻻﻨﺎﺙ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ : ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺍﻟﺫﻜﻭﺭ‬ ‫ﻭﺍﻻﻨﺎﺙ.‬ ‫1. ﻨﻌﺭﻑ ﻤﺘﻐﻴﺭ )ﺍﻟﺩﺭﺠﺔ( ﻭﻤﺘﻐﻴﺭ )ﺍﻟﺠﻨﺱ( ﻓﻲ ﺸﺎﺸﺔ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﻟﻴﻜﻥ ﺍﻟﻜﻭﺩ ﺍﻟﻤﺘﺒﻊ‬ ‫ﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ )ﺫﻜﺭ=1، ﻭﺃﻨﺜﻰ=2(.‬ ‫2. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻟﺩﺭﺠﺔ( ﻭﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺠﻨﺱ ﺍﻟﻁﺎﻟﺏ ﻓﻲ ﻤﺘﻐﻴﺭ‬ ‫)ﺍﻟﺠﻨﺱ( ﺍﻟﺫﻱ ﻴﺒﻴﻥ ﺼﺎﺤﺏ ﺍﻟﺩﺭﺠﺔ ﺇﻥ ﻜﺎﻥ ﺫﻜﺭﺍ ﺃﻡ ﺃﻨﺜﻰ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﹰ‬ ‫75‬
‫3. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﻤﻘﺎﺭﻨﺔ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ )‪ (Compare mean‬ﻭﻤﻨﻬﺎ‬ ‫ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ )‪ (Independent –Samples T-test‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل‬ ‫ﺍﻟﺘﺎﻟﻲ:‬ ‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫85‬
‫5. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ Options‬ﻨﺴﺘﻁﻴﻊ ﺘﺤﺩﻴﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺜﻘﺔ ﻭﻫﻭ 59.0 = 50.0 − 1 = ‪ 1 − α‬ﻭﻤﻥ‬ ‫ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻓﻨﻌﻭﺩ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ.‬ ‫2‬ ‫1‬ ‫6. ﻨﻨﻘل ﻤﺘﻐﻴﺭ )ﺍﻟﺩﺭﺠﺔ( ﺇﻟﻰ ﺍﻟﺨﺎﻨﺔ ‪ Test Variable‬ﻋﻥ ﻁﺭﻴﻕ ﺍﻟﺴﻬﻡ ﻭﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﺇﻟﻰ‬ ‫ﺨﺎﻨﺔ ‪.Grouping Variable‬‬ ‫3‬ ‫7. ﻟﺘﻌﺭﻴﻑ ﺭﻤﺯ ﺍﻟﻔﺌﺘﻴﻥ )ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ( ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Define Group‬ﻓﻴﻅﻬﺭ ﻟﻨﺎ ﺍﻟﻤﺭﺒﻊ‬ ‫ﺍﻟﺤﻭﺍﺭﻱ‬ ‫8. ﻨﻜﺘﺏ ﺭﻤﻭﺯ ﺍﻟﻜﻭﺩ ﺍﻟﺨﺎﺼﺔ ﺒﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﺩﺍﺨل 1‪ Group‬ﻭ2 ‪ Group‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل‬ ‫ﺃﻋﻼﻩ، ﻭﺫﻟﻙ ﻟﻜﻲ ﻴﻤﻴﺯ ﺍﻟﺒﺭﻨﺎﻤﺞ ﺃﻱ ﺍﻟﻔﺌﺎﺕ ﺍﻟﺘﻲ ﻨﺭﻴﺩ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺘﻬﺎ)6(، ﻭﻤﻥ ﺜﻡ‬ ‫ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻓﻴﻌﻴﺩﻨﺎ ﺇﻟﻰ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻓﻴﻜﻭﻥ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﻓﻲ ﺒﻌﺽ ﺍﻻﺤﻴﺎﻥ ﻨﺭﻴﺩ ﻤﻘﺎﺭﻨﺔ ﻓﺌﺘﻴﻥ ﻟﻤﺘﻐﻴﺭ ﻴﺤﺘﻭﻱ ﻋﻠﻰ 3 ﻓﺌﺎﺕ ﻓﺄﻜﺜﺭ ﻓﻨﻜﺘﺏ ﻓﻘﻁ ﺭﻤﺯ ﺍﻟﻌﻴﻨﺘﻴﻥ ﺍﻟﺘﻲ ﻨﺭﻴﺩ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺘﻬﻡ‬ ‫6‬ ‫95‬
‫9. ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ .Ok‬ﻟﺘﻅﻬﺭ ﻨﺘﺎﺌﺞ ﺍﻻﺨﺘﺒﺎﺭ.‬ ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺸﻜل ﺃﻋﻼﻩ ﻨﺎﺘﺞ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ، ﻭﻴﺘﻜﻭﻥ ﺍﻟﻨﺎﺘﺞ ﻤﻥ ﺠﺩﻭﻟﻴﻥ، ﺍﻷﻭل‬ ‫‪ Group Statistics‬ﻭﻫﻭ ﺠﺩﻭل ﻴﺼﻑ ﺍﻟﻌﻴﻨﺎﺕ ﻤﻥ ﺤﻴﺙ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﻭﻭﺴﻁﻬﺎ ﺍﻟﺤﺴﺎﺒﻲ ﻭﺍﻨﺤﺭﺍﻓﻬﺎ‬ ‫ﺍﻟﻤﻌﻴﺎﺭﻱ، ﺃﻤﺎ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ‪ Independent Samples Test‬ﻓﻴﺒﻴﻥ ﻨﺘﻴﺠﺔ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪.(7) T‬‬ ‫ﻤﻥ ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺍﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﺤﺴﺏ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﻤﺠﺘﻤﻌﻴﻥ ﻤﻥ ﻋﻴﻨﺎﺕ ﻤﺴﺘﻘﻠﺔ ﺘﻠﻘﺎﺌﻴﺎ ﺒﻐﺽ ﺍﻟﻨﻅﺭ ﻋﻥ‬ ‫ﹰ‬ ‫7‬ ‫ﻜﻭﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻜﺒﻴﺭﺓ ﺃﻭ ﺼﻐﻴﺭﺓ ﻭﻴﻜﻭﻥ ﺍﻟﺘﺒﺎﻴﻥ ﻏﻴﺭ ﻤﻌﺭﻭﻓﺎ ﻷﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﻘﺩﺭﻩ ﺒﺄﺴﻠﻭﺏ ﺍﻟﻨﻘﻁﺔ، ﻓﻔﻲ ﺤﺎﻟﺔ ﺘﺴﺎﻭﻱ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻨﺄﺨﺫ‬ ‫ﻨﺘﺎﺌﺞ ﺍﻟﺴﻁﺭ ﺍﻷﻭل ﻭﻓﻲ ﺤﺎﻟﺔ ﻋﺩﻡ ﺘﺴﺎﻭﻱ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ ﻨﺄﺨﺫ ﺍﻟﺴﻁﺭ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﺠﺩﻭل ﺍﻟﻨﺘﺎﺌﺞ.‬ ‫06‬
‫ﺃﻭﻻ: ﺍﻟﺠﺩﻭل ﺍﻷﻭل‬ ‫ﹰ‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﺤﺠﻡ ﻋﻴﻨﺔ ﺍﻟﺫﻜﻭﺭ ﻫﻭ 53 ﻁﺎﻟﺏ ﺒﻤﺘﻭﺴﻁ ﺤﺴﺎﺒﻲ ﻗﺩﺭﻩ 66.07‬ ‫ﻭﺍﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 643.81 ﻭﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻠﻭﺴﻁ ﻗﺩﺭﻩ 101.3. ﻭﺃﻤﺎ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻺﻨﺎﺙ‬ ‫ﻓﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﺍﻟﻤﺩﺨﻠﺔ 33 ﺩﺭﺠﺔ ﺒﻤﺘﻭﺴﻁ ﺤﺴﺎﺒﻲ ﻗﺩﺭﻩ 42.36 ﻭﺍﻨﺤﺭﺍﻑ‬ ‫ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 406.91 ﻭﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻠﻭﺴﻁ ﻗﺩﺭﻩ 314.3.‬ ‫ﺜﺎﻨﻴﺎ: ﺸﺭﺡ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫ﹰ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫‪ T‬ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﺍﻟﻔﺭﻕ ﻓﻲ ﺍﻟﻭﺴﻁ‬ ‫ﺍﻟﺨﻁﺄ ﻓﻲ ﺍﻟﻔﺭﻕ‬ ‫ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ‬ ‫ﺍﺨﺘﺒﺎﺭ ﻟﻴﻔﻨﻲ‬ ‫ﺃ- ﻨﺘﺎﺌﺞ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫)8(‬ ‫ﻫﻲ 595.0 ﻭﺒﻭﺍﻗﻊ ﺩﻻﻟﺔ 334.0‬ ‫1. ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻟﻴﻔﻴﻨﻲ ‪Levene‬‬ ‫ﻭﻫﺫﻩ ﺍﻟﻘﻴﻤﺔ ﺃﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ ، α‬ﻭﻫﺫﺍ ﺒﺩﻭﺭﻩ ﻴﺒﻴﻥ ﺃﻨﻨﺎ ﻨﺴﺘﻁﻴﻊ ﺍﻻﻓﺘﺭﺍﺽ‬ ‫ﺒﺄﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﻤﺘﺴﺎﻭﻱ )‪ (Equal Variance Assumed‬ﻭﺒﺎﻟﺘﺎﻟﻲ‬ ‫ﺍﺨﻨﺒﺎﺭ ‪ Levene‬ﻫﻭ ﺍﺨﺘﺒﺎﺭ ﺨﺎﺹ ﺒﻔﺤﺹ ﺘﺠﺎﻨﺱ ﺍﻟﻌﻴﻨﺎﺕ )ﻫل ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺴﺎﻭﻱ ﺃﻡ ﻻ(؟ ﺇﺫﺍ ﻜﺎﻥ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ ‪ Sig‬ﺃﻜﺒﺭ ﻤﻥ‬ ‫8‬ ‫ﻴﻜﻭﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺴﺎﻭﻱ ﻭﺇﺫﺍ ﻜﺎﻥ ﺃﻗل ﻴﻜﻭﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻏﻴﺭ ﻤﺘﺴﺎﻭﻱ. ﻤﻊ ﺍﻟﻌﻠﻡ ﺃﻥ ﺍﺨﺘﺒﺎﺭ ‪ Levene‬ﻟﻡ ﻨﺩﺭﺴﻪ‬ ‫‪α‬‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻤﻥ ﺍﻟﻤﻘﺭﺭ.‬ ‫16‬
‫ﺴﻨﻌﺘﻤﺩ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺍﻟﺴﻁﺭ ﺍﻷﻭل ﺍﻟﺫﻱ ﻓﻲ ﺒﺩﺍﻴﺘﻪ ‪Equality of Variance‬‬ ‫)9(‬ ‫.‬ ‫‪ Assumed‬ﻤﻥ ﺍﻟﺠﺩﻭل‬ ‫2. ﻴﺒﻴﻥ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﺍﻟﺠﺩﻭل ﻨﺎﺘﺞ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪(T-Test for Equality of T‬‬ ‫)‪ Mean‬ﻭﺒﺎﻟﺘﺤﺩﻴﺩ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺍﻟﺴﻁﺭ ﺍﻷﻭل ﻤﻥ ﺍﻟﺠﺩﻭل ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻫﻲ‬ ‫ﻭﺃﻥ‬ ‫ﻭﺒﺩﺭﺠﺔ ﺤﺭﻴﺔ ﻤﻘﺩﺍﺭﻫﺎ 66 ﺃﻱ 66 = 2 − 33 + 53 = 2 − 2 ‪d .f . = n1 + n‬‬ ‫116.1‬ ‫ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﻲ ﺍﻟﻌﻴﻨﺘﻴﻥ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ‪ Mean Difference‬ﻫﻭ 514.7 ﻭﺃﻥ‬ ‫ﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻓﻲ ﻫﺫﺍ ﺍﻟﻔﺭﻕ ﻫﻭ 206.4 .‬ ‫ﺏ- ﻗﺒﻭل ﺃﻭ ﺭﻓﺽ ﻟﻠﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﻫﻨﺎﻙ ﻁﺭﻴﻘﺘﻴﻥ ﻟﺭﻓﺽ ﺃﻭ ﻋﺩﻡ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻫﻤﺎ:‬ ‫-2( ‪Sig‬‬ ‫1. ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ )‪ : Sig (2- tailed‬ﻨﻼﺤﻅ ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﺃﻥ ﻗﻴﻤﺔ‬ ‫211.0=)‪ tailed‬ﻭﻫﻲ ﺃﻜﺒﺭ ﻤﻥ ﻗﻴﻤﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫2. ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁ ﺍﻟﻌﻴﻨﺘﻴﻥ )‪(Confidence Interval of the Difference‬‬ ‫ﻭﺘﺘﻜﻭﻥ ﺃﻱ ﻓﺘﺭﺓ ﺜﻘﺔ ﻤﻥ ﺭﻗﻤﻴﻥ ﻫﻤﺎ ﺍﻟﺤﺩ ﺍﻻﺩﻨﻰ ‪ Lower‬ﻭﺍﻟﺤﺩ ﺍﻻﻋﻠﻰ ‪ Upper‬ﻭﻤﻥ ﺍﻟﺠﺩﻭل‬ ‫ﺃﻋﻼﻩ ﻓﺈﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ ﻫﻲ )306.61,477.1− ( ، ﻭﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﺼﻔﺭ ﻤﻭﺠﻭﺩ ﺩﺍﺨل ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ، ﻭﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻓﺎﻟﺼﻔﺭ ﻤﻭﺠﻭﺩ‬ ‫ﺒﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ. ﻭﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻓﻲ ﺤﺎﻟﺔ‬ ‫ﻋﺩﻡ ﻭﺠﻭﺩ ﺍﻟﺼﻔﺭ ﺩﺍﺨل ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ.‬ ‫ﻭﻨﺴﺘﻁﻴﻊ ﺍﻻﺴﺘﻨﺘﺎﺝ ﻤﻥ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﺃﻥ ﺠﻨﺱ ﺍﻟﻁﺎﻟﺏ ﻻ ﻴﺅﺜﺭ ﻋﻠﻰ ﺩﺭﺠﺎﺘﻪ.‬ ‫ﻤﻥ ﺍﻟﻤﻌﺭﻭﻑ ﺃﻥ ﻤﻥ ﺃﻫﻡ ﺸﺭﻭﻁ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻫﻭ ﺃﻥ ﻴﻜﻭﻥ ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﺍﻟﻤﺴﺘﻘﻠﻴﻥ ﻁﺒﻴﻌﻲ ﻭﺃﻥ ﻴﻜﻭﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ ﻤﺘﺴﺎﻭﻱ‬ ‫9‬ ‫ﺍﺤﺼﺎﺌﻴﹰ، ﻭﺴﻨﺘﻌﺭﺽ ﻻﺤﻘﺎ ﻻﺨﺘﺒﺎﺭ ﻤﻘﺎﺭﻨﺔ ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ ﺘﻔﺼﻴﻠﻴﺎ.‬ ‫ﹰ‬ ‫ﹰ‬ ‫ﺎ‬ ‫26‬
‫2.ﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﻭﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﻲ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ:‬ ‫ﻤﺜﺎل 2: ﺇﺫﺍ ﻜﺎﻨﺕ ﺩﺭﺠﺎﺕ 02 ﻁﺎﻟﺏ ﻓﻲ ﻤﻘﺭﺭﻱ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ:‬ ‫1 ﺭﻗﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫2‬ ‫3‬ ‫4‬ ‫5‬ ‫6‬ ‫7‬ ‫8‬ ‫9‬ ‫01‬ ‫ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫58‬ ‫08‬ ‫05‬ ‫58‬ ‫04‬ ‫08‬ ‫09‬ ‫08‬ ‫06‬ ‫06‬ ‫ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ‬ ‫08‬ ‫05‬ ‫05‬ ‫56‬ ‫05‬ ‫09‬ ‫59‬ ‫48‬ ‫04‬ ‫03‬ ‫ﺭﻗﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫11‬ ‫21‬ ‫31‬ ‫41‬ ‫51‬ ‫61‬ ‫71‬ ‫81‬ ‫91‬ ‫02‬ ‫ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫78‬ ‫08‬ ‫58‬ ‫09‬ ‫57‬ ‫07‬ ‫06‬ ‫55‬ ‫08‬ ‫58‬ ‫ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ‬ ‫08‬ ‫57‬ ‫56‬ ‫07‬ ‫57‬ ‫06‬ ‫04‬ ‫07‬ ‫09‬ ‫57‬ ‫ﻭﺍﻟﻤﻁﻠﻭﺏ ﺍﻴﺠﺎﺩ ﻓﺘﺭﺓ ﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁﻴﻥ ﺍﻟﻤﻘﺭﺭﻴﻥ ﻭﻤﻥ ﺜﻡ ﺍﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﻫﻨﺎﻙ‬ ‫ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﻘﺭﺭﻴﻥ ﻋﻨﺩ ﻤﺴﺘﻭﻯ‬ ‫ﺍﻟﺩﻻﻟﺔ 01.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ‬ ‫ﺍﻟﻤﻘﺭﺭﻴﻥ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ : ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﻘﺭﺭﻴﻥ.‬ ‫1. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﻜل ﻤﻘﺭﺭ ﻓﻲ ﻤﺘﻐﻴﺭ )ﻋﻤﻭﺩ( ﻜل ﻋﻠﻰ ﺤﺩﺓ، ﻨﺴﻤﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻻﻭل‬ ‫)ﺍﻟﻌﺭﺒﻲ( ﻭﺍﻟﺜﺎﻨﻲ )ﺍﻻﻨﺠﻠﻴﺯﻱ( ﻟﻴﺩﻻﻥ ﻋﻠﻰ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ‬ ‫36‬
‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﻤﻘﺎﺭﻨﺔ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ )‪ (Compare mean‬ﻭﻤﻨﻬﺎ‬ ‫ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ )‪.(Paired-Sample T-test‬‬ ‫46‬
‫3. ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫4. ﻨﺨﺘﺎﺭ ﻤﺘﻐﻴﺭﻴﻥ )ﺍﻟﻌﺭﺒﻲ( ﻭ)ﺍﻻﻨﺠﻠﻴﺯﻱ( ﻤﻌﺎ ﺒﺎﻟﻤﺎﻭﺱ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ﺍﻟﺴﻬﻡ ﻟﻼﻨﺘﻘﺎل‬ ‫ﹰ‬ ‫ﺇﻟﻰ ﺨﺎﻨﺔ ‪. Paired Variables‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫1‬ ‫56‬
‫5. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ Option‬ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﺍﻟﺫﻱ ﻨﻜﺘﺏ ﻓﻴﻪ ﻤﻘﺩﺍﺭ ﻤﺴﺘﻭﻯ ﺍﻟﺜﻘﺔ‬ ‫)ﺘﺤﺩﻴﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ( ﻭﻫﻭ 9.0 = 1.0 − 1‬ ‫2‬ ‫6. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ .Continue‬ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻤﺭﺓ‬ ‫ﺃﺨﺭﻯ ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ.‬ ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ‬ ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻤﻘﺎﺭﻨﺔ ﻤﺘﻭﺴﻁﺎﺕ ﻋﻴﻨﺘﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ ﻤﻥ 3 ﺠﺩﺍﻭل، ﺍﻻﻭل ﻴﺼﻑ ﺍﺤﺼﺎﺀﺍﺕ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (Paired Samples Statistics‬ﻭﺍﻟﺜﺎﻨﻲ ﻴﺤﺴﺏ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻭﻴﺼﻑ ﺍﻟﻌﻼﻗﺔ‬ ‫ﺍﻟﺨﻁﻴﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (Paired Sample Correlation‬ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻟﺙ ﻫﻭ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ‪T‬‬ ‫ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ )‪.(Paired Samples Test‬‬ ‫66‬
‫ﺸﺭﺡ ﺍﻟﺠﺩﻭل ﺍﻷﻭل‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﺍﻟﻤﺩﺨﻠﺔ ﻓﻲ ﻜل ﻤﺘﻐﻴﺭ )ﺍﻟﻌﺭﺒﻲ ﻭﺍﻻﻨﺠﻠﻴﺯﻱ( ﻫﻭ 02، ﻭﺃﻥ ﻤﺘﻭﺴﻁ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ 58.37 ﺒﺎﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 685.41 ﻭﺨﻁﺄ ﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺍﻟﻭﺴﻁ‬ ‫ﺒﺎﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ‬ ‫ﻤﻘﺩﺍﺭﻩ 262.3، ﺃﻤﺎ ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻓﻤﺘﻭﺴﻁ ﺍﻟﺩﺭﺠﺎﺕ 07.66‬ ‫493.81 ﻭﺨﻁﺄ ﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻫﻭ 311.4.‬ ‫ﺸﺭﺡ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫ﻴﺤﺴﺏ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺨﻁﻲ ﺒﻴﺭﺴﻭﻥ ﻭﺍﻟﺫﻱ ﻗﻴﻤﺘﻪ 76.0 ﻭﻫﺫﻩ ﺍﻟﻌﻼﻗﺔ ﺍﻟﺨﻁﻴﺔ‬ ‫ﺩﺍﻟﺔ ﺍﺤﺼﺎﺌﻴﺎ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 100.0 ﻭﺴﻨﻘﻭﻡ ﺒﺸﺭﺡ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺘﻔﺼﻴﻠﻴﺎ ﻓﻲ ﺍﻟﻭﺤﺩﺓ‬ ‫ﹰ‬ ‫ﹰ‬ ‫ﺍﻟﺜﺎﻟﺜﺔ.‬ ‫76‬
‫ﺸﺭﺡ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻟﺙ‬ ‫ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﻔﺭﻕ‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻠﻔﺭﻕ‬ ‫‪T‬ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫‪Paired Samples Test‬‬ ‫‪Paired Differences‬‬ ‫)‪(2-tailed‬‬ ‫‪90%Confidenc‬‬ ‫‪Deviation‬‬ ‫.‪Sig‬‬ ‫‪Mean‬‬ ‫‪e Interval of‬‬ ‫‪Error‬‬ ‫.‪Std‬‬ ‫.‪Std‬‬ ‫‪t‬‬ ‫‪df‬‬ ‫‪the Difference‬‬ ‫‪Mean‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬ ‫ﺍﻻﻨﺠﻠﻴﺯﻱ‬ ‫ﺍﻟﻌﺭﺒﻲ -‬ ‫1 ‪Pair‬‬ ‫051.7‬ ‫684.31‬ ‫690.3‬ ‫076.0‬ ‫36.31‬ ‫91‬ ‫230.‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ‬ ‫ﺃ- ﻨﺘﺎﺌﺞ ﺍﻟﺠﺩﻭل:‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻤﺘﻭﺴﻁ ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ )ﺍﻟﻌﺭﺒﻲ –ﺍﻻﻨﺠﻠﻴﺯﻱ( ﻓﻲ ﺍﻟﻤﻘﺭﺭﻴﻥ ﻫﻭ‬ ‫051.7 ﺒﺎﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 684.31 ﻭﺒﺨﻁﺄ ﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺍﻟﻭﺴﻁ 690.3 ﻭﺃﻥ ﺩﺭﺠﺔ‬ ‫ﺍﻟﺤﺭﻴﺔ ﻫﻲ 91 = 1 − 02 = 1 − ‪ d . f . = n‬ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ ﻫﻲ‬ ‫903.2.‬ ‫ﺏ- ﻗﺒﻭل ﻭﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ:‬ ‫ﻫﻨﺎﻙ ﻁﺭﻴﻘﺘﻴﻥ ﻟﻠﻘﺒﻭل ﺃﻭ ﻟﻠﺭﻓﺽ ﻫﻤﺎ:‬ ‫1. ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ )‪ : Sig. (2- tailed‬ﻤﻥ ﺍﻟﺠﺩﻭل ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫230.0 =)‪ Sig. (2- tailed‬ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ )01(.‬ ‫‪(Confidence Interval of the‬‬ ‫2. ﺒﺎﺴﺘﺨﺩﺍﻡ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﺍﻟﻭﺴﻁﻴﻥ‬ ‫)‪ Difference‬ﺃﻭ ﻤﺎ ﺘﺴﻤﻰ ﺒﻔﺘﺭﺓ ﺜﻘﺔ ﺍﻻﺨﺘﺒﺎﺭ.‬ ‫ﻜﻤﺎ ﻓﻲ ﺍﻻﺨﺘﺒﺎﺭ ﺍﻟﺴﺎﺒﻕ ﻻﺤﻅ ﺃﻥ ﺍﻟﺼﻔﺭ ﻏﻴﺭ ﻤﻭﺠﻭﺩ ﻓﻲ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ )36.31,76.0 ( ﻭﻋﻠﻴﻪ‬ ‫ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ، ﺃﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﺼﻔﺭ ﻤﻭﺠﻭﺩ ﻓﻲ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻓﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ 2 ‪ H 0 : µ1 > µ‬ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪. α‬‬ ‫01‬ ‫86‬
‫ﻭﻨﺴﺘﻁﻴﻊ ﺍﻻﺴﺘﻨﺘﺎﺝ ﻤﻥ ﺃﻥ ﻫﻨﺎﻙ ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭﻱ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ.‬ ‫3.ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﻭﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﺤﻭل ﺍﻟﻨﺴﺒﺔ ﺒﻴﻥ ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ.‬ ‫ﻤﺜﺎل 3: ﻓﻲ ﺩﺭﺍﺴﺔ ﻷﻋﻤﺎﺭ ﺍﻟﻤﺭﻀﻰ ﺍﻟﺫﻴﻥ ﻴﻌﺎﻨﻭﻥ ﻤﻥ ﺍﻟﺠﻠﻁﺔ ﺍﻟﺩﻤﻭﻴﺔ ﺴﺤﺒﺕ ﻋﻴﻨﺔ ﻤﻥ ﺍﻟﻤﺭﻀﻰ‬ ‫ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﻭﻜﺎﻨﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫ﺍﻹﻨﺎﺙ‬ ‫05‬ ‫55‬ ‫25‬ ‫56‬ ‫53‬ ‫04‬ ‫55‬ ‫06‬ ‫07‬ ‫86‬ ‫27‬ ‫57‬ ‫84‬ ‫25‬ ‫06‬ ‫07‬ ‫ﺍﻟﺫﻜﻭﺭ‬ ‫04‬ ‫54‬ ‫04‬ ‫55‬ ‫24‬ ‫65‬ ‫85‬ ‫06‬ ‫06‬ ‫26‬ ‫53‬ ‫04‬ ‫05‬ ‫55‬ ‫ﺃﻭﺠﺩ ﻓﺘﺭﺓ ﺜﻘﺔ ﺒﻤﻘﺩﺍﺭ 09% ﻟﻠﻨﺴﺒﺔ ﺒﻴﻥ ﺘﺒﺎﻴﻥ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﻭﺒﻴﻥ ﻫل ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺘﺘﻴﻥ ﻤﺨﺘﻠﻔﻴﻥ ﺃﻡ‬ ‫ﻻ.‬ ‫ﺍﻟﺤل:‬ ‫ﺃﻭﻻ: ﻨﺠﺩ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪.Frequency‬‬ ‫ﹰ‬ ‫1. ﻨﺩﺨل ﺃﻋﻤﺎﺭ ﻋﻴﻨﺔ ﺍﻟﺫﻜﻭﺭ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻟﺫﻜﻭﺭ( ﻭﺃﻋﻤﺎﺭ ﻋﻴﻨﺔ ﺍﻻﻨﺎﺙ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻻﻨﺎﺙ( ﻜﻤﺎ‬ ‫ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫96‬
‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ(‬ ‫‪ Descriptive Statistics‬ﻭﻤﻥ ﺨﻼل ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪ Frequencies‬ﻨﺤﺴﺏ ﺘﺒﺎﻴﻥ‬ ‫ﺍﻟﻌﻴﻨﺘﻴﻥ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫1‬ ‫3. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ Statistics‬ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﻭﻨﺨﺘﺎﺭ ﻤﻨﻪ ﺤﺴﺏ ﺍﻟﺘﺒﺎﻴﻥ‬ ‫‪Variance‬‬ ‫3‬ ‫4. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻭﻤﻥ ﺜﻡ ‪ Ok‬ﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬ ‫2‬ ‫07‬
‫5. ﻤﻥ ﺍﻟﻨﺎﺘﺞ ﺃﻋﻼﻩ ﻴﺘﺒﻴﻥ ﺃﻥ ﺤﺠﻡ ﻋﻴﻨﺔ ﺍﻹﻨﺎﺙ ﻫﻭ 61 ﺒﺘﻴﺎﻴﻥ 697.531 ﺃﻤﺎ ﺍﻟﺫﻜﻭﺭ ﻓﺤﺠﻡ‬ ‫ﺍﻟﻌﻴﻨﺔ 41 ﻭﻗﻴﻤﺔ ﺍﻟﺘﺒﺎﻴﻥ 902.58.‬ ‫6. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻭﻴل ‪ Transform‬ﻨﺨﺘﺎﺭ ﺍﻤﺭ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﻟﺤﺴﺎﺏ ﺍﻟﺤﺩ ﺍﻷﺩﻨﻰ‬ ‫‪ Lower‬ﻭﺍﻟﺤﺩ ﺍﻷﺩﻨﻰ ‪ Upper‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺴﺎﺒﻕ‬ ‫ﺍﻟﺼﻴﻐﺔ ﺍﻟﻌﺎﻤﺔ ﻟﻠﺤﺩ ﺍﻷﺩﻨﻰ :‬ ‫(‬ ‫)‬ ‫)31,51,50.0 ( ‪(11) (S12 /S2 )*IDF.F α 2 ,15,13 = (135.796/85.209 ) *IDF.F‬‬ ‫2‬ ‫7. ﺍﻟﺼﻴﻐﺔ ﺍﻟﻌﺎﻤﺔ ﻟﺤﺴﺎﺏ ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ‬ ‫ﻤﺭﺓ ﺍﺨﺭﻯ ﻨﺤﺴﺏ ﺍﻟﻤﺘﻐﻴﺭ ‪: Upper‬‬ ‫2‬ ‫2‬ ‫(‬ ‫2‬ ‫)‬ ‫)31,51,59.0 ( ‪(S1 /S2 )*IDF.F 1 − α ,15,13 = (135.796/85.209 ) *IDF.F‬‬ ‫)2‪ IDF.F(P,df1,df‬ﻫﻲ ﺩﺍﻟﺔ ﻤﻭﺠﻭﺩﺓ ﺩﺍﺨل ‪.Function‬‬ ‫11‬ ‫17‬
‫8. ﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ ﻓﻲ ﺼﻔﺤﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﻤﻥ ﺍﻟﻨﺎﺘﺞ ﻓﺈﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ 09% ﻫﻲ ) 730.4 ,156.0 (‬ ‫27‬
‫ﺃﻤﺎ ﻟﻺﺠﺎﺒﺔ ﻋﻠﻰ ﺍﻟﻔﺭﻀﻴﺎﺕ:‬ ‫21 ‪σ‬‬ ‫: 0‪H‬‬ ‫1=‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻨﺴﺒﺔ ﺘﺒﺎﻴﻥ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﻭﺍﺤﺩ‬ ‫2‪σ‬‬ ‫2‬ ‫2‪σ‬‬ ‫1 ≠ 21 : ‪H a‬‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻨﺴﺒﺔ ﺘﺒﺎﻴﻥ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﻻ ﺘﺴﺎﻭﻱ ﻭﺍﺤﺩ‬ ‫2‪σ‬‬ ‫ﺍﻟﻁﺭﻴﻘﺔ ﺍﻷﻭﻟﻰ: ﺒﺎﺴﺘﺨﺩﺍﻡ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﺍﻟﺴﺎﺒﻘﺔ‬ ‫ﻻﺤﻅ ﺃﻥ ﻨﺴﺒﺔ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ ﻫﻲ ) 730.4 ,536.0 ( ∈ 1 ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ ﺃﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﻭﺍﺤﺩ ﻏﻴﺭ ﻤﻭﺠﻭﺩ ﻓﻲ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻓﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﺜﺎﻨﻴﺔ:‬ ‫ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻭﻴل ‪ Transform‬ﻨﺨﺘﺎﺭ ﺍﻤﺭ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﻟﺤﺴﺎﺏ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺭﻓﺽ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ‪Sig‬‬ ‫ﺍﻟﺼﻴﻐﺔ ﺍﻟﻌﺎﻤﺔ ﻟﺤﺴﺎﺏ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ ‪ Sig‬ﺃﻨﻅﺭ ﺍﻟﺘﺎﻟﻲ‬ ‫)31,51,902.58 / 697.531(‪SIG.F(S1 / S2 ,n-1,m-1)=SIG.F‬‬ ‫2‬ ‫2‬ ‫ﺤﻴﺙ ‪ m‬ﻫﻲ ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻟﺒﺴﻁ ﻭ‪ n‬ﻫﻲ ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻟﻤﻘﺎﻡ‬ ‫ﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ ﻓﻲ ﺼﻔﺤﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ‪Sig‬‬ ‫37‬
‫ﻴﺘﺒﻴﻥ ﺃﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 202.0 ﻭﻫﻲ ﺃﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ‬ ‫01.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﺘﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫47‬
‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻟﺜﺔ‬ ‫ﺍﻻﻨﺤﺩﺍﺭ ﻭﺍﻻﺭﺘﺒﺎﻁ‬ ‫57‬
‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻟﺜﺔ:ﺍﻻﻨﺤﺩﺍﺭ ﻭﺍﻻﺭﺘﺒﺎﻁ‬ ‫1. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻭﻤﻘﻁﻌﻪ‬ ‫ﻭﻫﻨﺎ ﻨﺭﻴﺩ ﺍﻻﺠﺎﺒﺔ ﻋﻠﻰ ﺍﻟﺴﺅﺍل ﺍﻻﺴﺎﺴﻲ "ﻫل ﺘﻭﺠﺩ ﻋﻼﻗﺔ ﺨﻁﻴﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ‪ Y‬ﻭﺍﻟﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﺴﺘﻘل ‪ ." X‬ﻓﻤﻥ ﺍﻟﻤﻌﺭﻭﻑ ﺃﻥ ﺍﻟﻌﻼﻗﺔ ﺍﻟﺨﻁﻴﺔ ﺇﺫﺍ ﻭﺠﺩﺕ ﺴﺘﻜﻭﻥ ﻋﻠﻰ ﺍﻟﺸﻜل ‪Y = B 0 + B 1X‬‬ ‫ﺤﻴﺙ 0 ‪ B‬ﻫﻭ ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭﻤﻥ ﻤﺤﻭﺭ‪ y‬ﻭ 1 ‪ B‬ﻫﻭ ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ. ﻭﻟﻭ ﻜﺎﻨﺕ ﺍﻟﻌﻼﻗﺔ‬ ‫ﺨﻁﻴﺔ ﻭﺘﻡ ﺭﺴﻡ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ‪ X‬ﻭ‪ Y‬ﻓﻲ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﻴﻜﺎﺭﺘﻲ ﻓﺴﻴﻜﻭﻥ ﺭﺴﻡ ﻫﺫﻩ ﺍﻟﻌﻼﻗﺔ ﻋﻠﻰ‬ ‫ﺸﻜل ﺨﻁ ﻤﺴﺘﻘﻴﻡ ﻴﺼل ﺒﻴﻥ ﻤﻌﻅﻡ ﺍﻟﻨﻘﺎﻁ )ﺃﻭ ﻴﻜﻭﻥ ﻤﺠﻤﻭﻉ ﻤﺭﺒﻊ ﺍﻟﻤﺴﺎﻓﺎﺕ ﺒﻴﻨﻪ ﻭﺒﻴﻥ ﺍﻟﻨﻘﺎﻁ ﻫﻲ‬ ‫ﺃﻗل ﻤﺎ ﻴﻤﻜﻥ( ﻜﻤﺎ ﺩﺭﺴﺕ ﺫﻟﻙ ﺴﺎﺒﻘﺎ ﻓﻲ ﻁﺭﻴﻘﺔ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﺼﻐﺭﻯ ﻓﻲ ﻤﻘﺭﺭ ﻤﺒﺎﺩﺉ ﺍﻻﺤﺼﺎﺀ.‬ ‫ﹰ‬ ‫ﺍﻟﻘﻴﻡ ﺍﻟﺤﻘﻴﻘﺔ )ﺍﻟﻤﺸﺎﻫﺩﺍﺕ(‬ ‫ﺍﻟﺨﻁﺄ ﻓﻲ ﺍﻟﺘﻘﺩﻴﺭ‬ ‫ﺍﻟﻘﻴﻤﺔ ﺍﻟﺘﻘﺩﻴﺭﻴﺔ‬ ‫ﺨﻁ ﻤﻌﺎﺩﻟﺔ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫ﻭﻴﻨﺠﻡ ﻋﻥ ﺘﻘﺭﻴﺏ ﺍﻟﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ‪ X‬ﻭ‪ Y‬ﺒﻌﻼﻗﺔ ﺨﻁ ﻤﺴﺘﻘﻴﻡ )ﺨﻁ ﺍﻨﺤﺩﺍﺭ( ﻨﻭﻋﻴﻥ ﻤﻥ‬ ‫ﺍﻟﻘﻴﻡ ﺍﻟﺤﻘﻴﻘﻴﺔ )ﺍﻟﻤﺸﺎﻫﺩﺍﺕ( ﻭﺍﻟﻘﻴﻡ ﺍﻟﺘﻘﺩﻴﺭﻴﺔ ﺍﻟﺘﻲ ﻨﻘﺩﺭﻫﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻤﻌﺎﺩﻟﺔ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻭﺍﻟﻔﺭﻕ‬ ‫ﺒﻴﻥ ﺍﻟﻘﻴﻤﺔ ﺍﻟﺤﻘﻴﻘﻴﺔ ﻭﺍﻟﻘﻴﻤﺔ ﺍﻟﺘﻘﺩﻴﺭﻴﺔ ﻫﻭ ﻤﺎ ﻴﺴﻤﻰ ﺒﺎﻟﺨﻁﺄ ﻓﻲ ﺍﻟﺘﻘﺩﻴﺭ ﻭﺍﻟﻤﻭﻀﺢ ﻓﻲ ﺍﻟﺸﻜل‬ ‫ﺃﻋﻼﻩ.‬ ‫67‬
‫• ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻴل ﻭﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ.‬ ‫ﻤﺜﺎل 1: ﺇﺫﺍ ﻜﺎﻥ ﺩﺭﺠﺎﺕ 21 ﻁﺎﻟﺏ ﻓﻲ ﻤﻘﺭﺭﻱ ﺍﻟﺤﺎﺴﻭﺏ ﻭﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻜﺎﻨﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل‬ ‫ﺍﻟﺘﺎﻟﻲ :‬ ‫ﺍﻟﺭﻴﺎﻀﻴﺎﺕ‬ ‫ﺍﻟﺤﺎﺴﻭﺏ‬ ‫ﺭﻗﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫15‬ ‫47‬ ‫1.‬ ‫86‬ ‫07‬ ‫2.‬ ‫27‬ ‫88‬ ‫3.‬ ‫79‬ ‫39‬ ‫4.‬ ‫55‬ ‫76‬ ‫5.‬ ‫37‬ ‫37‬ ‫6.‬ ‫59‬ ‫99‬ ‫7.‬ ‫47‬ ‫37‬ ‫8.‬ ‫02‬ ‫33‬ ‫9.‬ ‫19‬ ‫19‬ ‫01.‬ ‫47‬ ‫08‬ ‫11.‬ ‫08‬ ‫68‬ ‫21.‬ ‫ﺒﺎﻋﺘﺒﺎﺭ ﺃﻥ ﺩﺭﺠﺔ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻫﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل ﻭﺩﺭﺠﺔ ﺍﻟﺤﺎﺴﻭﺏ ﻫﻲ‬ ‫ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ، ﻓﺎﻭﺠﺩ ﺍﻟﻌﻼﻗﺔ ﺍﻟﺨﻁﻴﺔ ﺒﻴﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﻘﺭﺭﻴﻥ )ﻤﻌﺎﺩﻟﺔ ﺍﻻﻨﺤﺩﺍﺭ(‬ ‫ﻭﻤﻥ ﺜﻡ ﺒﻴﻥ ﻫل ﻫﺫﻩ ﺍﻟﻌﻼﻗﺔ ﺩﺍﻟﺔ ﺍﺤﺼﺎﺌﻴﺎ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬ﻭﻤﺩﻯ ﺍﻟﺩﻗﺔ ﻓﻲ‬ ‫ﹰ‬ ‫ﺍﻟﺘﻘﺩﻴﺭ ﺒﻨﺎﺀ ﻋﻠﻰ ﻫﺫﻩ ﺍﻟﻌﻼﻗﺔ.‬ ‫ﺍﻟﺤل:‬ ‫ﺃﻭﻻ: ﺘﻨﻔﻴﺫ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﹰ‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺤﻴﺙ ﻨﺩﺨل ﺩﺭﺠﺔ ﻤﻘﺭﺭ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻟﺭﻴﺎﻀﻴﺎﺕ( ﻭﺒﻴﺎﻨﺎﺕ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﺤﺎﺴﻭﺏ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻟﺤﺎﺴﻭﺏ( ﻜﻤﺎ ﻓﻲ ﻴﻠﻲ:‬ ‫77‬
‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﻨﺤﺩﺍﺭ ‪ Regression‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ‬ ‫‪ Linear‬ﻟﺩﺭﺍﺴﺔ ﺍﻻﻨﺤﺩﺍﺭ ﺍﻟﺨﻁﻲ. ﻜﻤﺎ ﻴﻠﻲ:‬ ‫87‬
‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫97‬
‫4. ﺒﻤﺎ ﺃﻥ ﻤﺘﻐﻴﺭ )ﺍﻟﺭﻴﺎﻀﻴﺎﺕ( ﻫﻭ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل ﻨﻨﻘﻠﻪ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻟﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺍﻟﻤﺴﺘﻘﻠﺔ ‪ Independents‬ﻭﻨﻨﻘل ﻤﺘﻐﻴﺭ )ﺍﻟﺤﺎﺴﻭﺏ( ﻟﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ‪Dependent‬‬ ‫.‬ ‫08‬
‫5. ﻨﻀﻐﻁ ‪ Ok‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ.‬ ‫ﻨﺘﺎﺌﺞ ﺘﺤﻠﻴل ﺍﻻﻨﺤﺩﺍﺭ ﺍﻟﺨﻁﻲ‬ ‫18‬
‫ﺸﺭﺡ ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻻﻭل )ﺠﺩﻭل ﻨﻭﻉ ﺍﻟﻁﺭﻴﻘﺔ(‬ ‫ﻭﻫﻭ ﻴﺒﻴﻥ ﺃﻥ ﻁﺭﻴﻘﺔ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﺼﻐﺭﻯ ﻫﻲ ﺍﻟﻤﺘﺒﻌﺔ ﻓﻲ ﺘﺤﻠﻴل ﺍﻻﻨﺤﺩﺍﺭ ﺍﻟﺨﻁﻲ ﻭﺃﻥ ﺍﻟﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﺴﺘﻘل ﻫﻭ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺃﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﻫﻭ ﺍﻟﺤﺎﺴﻭﺏ .‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ )ﺠﺩﻭل ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺨﻁﻲ(‬ ‫ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﺤﺩﻴﺩ‬ ‫28‬
‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺴﺎﺒﻕ ﻨﺘﻴﺠﺔ ﺤﺴﺎﺏ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ‪ R‬ﻭﻤﻌﺎﻤل ﺍﻟﺘﺤﺩﻴﺩ 2 ‪ ،(12) R‬ﻭﻜﺫﻟﻙ ﻴﺒﻴﻥ ﺃﻥ‬ ‫ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺨﻁﻲ ﺒﻴﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺍﻟﺤﺎﺴﻭﺏ ﻫﻭ 539.0 ﻭﺃﻥ ﻤﺩﻯ‬ ‫ﺍﻟﺩﻗﺔ ﻓﻲ ﺘﻘﺩﻴﺭ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ )ﺩﺭﺠﺔ ﺍﻟﺤﺎﺴﻭﺏ( ﻫﻭ 4.78%.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻟﺙ: )ﺠﺩﻭل ﺘﺤﻠﻴل ﺘﺒﺎﻴﻥ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ(‬ ‫ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻫﻭ ﺠﺩﻭل ﺘﺤﻠﻴل ﺘﺒﺎﻴﻥ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﺤﻴﺙ ﻴﺩﺭﺱ ﻤﺩﻯ ﻤﻼﺌﻤﺔ ﺨﻁﺔ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫ﻟﻠﺒﻴﺎﻨﺎﺕ ﻭﻓﺭﻀﻴﺘﻪ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺘﻲ ﺘﻨﺹ ﻋﻠﻰ "ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻻ ﻴﻼﺌﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻌﻁﺎﺓ" ، ﻭﻴﺒﻴﻥ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ ﺃﻥ:‬ ‫1. ﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻭ 081.1682 ﻭﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﺍﻟﺒﻭﺍﻗﻲ ﻫﻭ 070.114‬ ‫ﻭﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﻜﻠﻲ ﻫﻭ 52.2723.‬ ‫2. ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻲ 1 ﻭﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻟﺒﻭﺍﻗﻲ ﻫﻲ 01.‬ ‫3. ﻤﻌﺩل ﻤﺭﻋﺎﺕ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻭ 81.1682 ﻭﻤﻌﺩل ﻤﺭﺒﻌﺎﺕ ﺍﻟﺒﻭﺍﻗﻲ ﻫﻭ 701.14.‬ ‫4. ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻟﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻲ 306.96 .‬ ‫5. ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ 000.0 ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 ﻓﻨﺭﻓﻀﻬﺎ،‬ ‫)31(‬ ‫.‬ ‫ﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻴﻼﺌﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺭﺍﺒﻊ )ﺠﺩﻭل ﺍﻟﻤﻌﺎﻤﻼﺕ(‬ ‫ﻭﻫﺫﺍ ﺍﻟﺠﺩﻭل ﻴﺒﻴﻥ ﻋﺩﺓ ﻨﺘﺎﺌﺞ ﺃﻭﻟﻬﺎ ﻗﻴﻡ ﻤﻴل ﻭﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﺒﺎﻻﻀﺎﻓﺔ ﺃﻨﻪ ﻴﺠﻴﺏ ﻋﻠﻰ‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻴل ﻭﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﺤﺩﻴﺩ ﻫﻭ ﻤﺭﺒﻊ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻭﻫﻭ ﻴﺒﻴﻥ ﻤﺩﻯ ﺩﻗﺔ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻓﻲ ﺘﻘﺩﻴﺭ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل ﺃﻭ ﺒﺼﻴﻐﺔ‬ ‫21‬ ‫ﺃﺨﺭﻯ ﻤﺩﻯ ﻓﻌﺎﻟﻴﺔ ﺍﺴﺘﺨﺩﺍﻡ ﻤﻌﺎﺩﻟﺔ ﺍﻻﻨﺤﺩﺍﺭ ﻟﻠﺘﻨﺒﺅ ﻓﻲ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻻ ﻴﻼﺌﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ.‬ ‫31‬ ‫38‬
‫ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫ﻗﻴﻤﺔ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ‬ ‫ﻟﻠﻤﻌﺎﻤﻼﺕ ‪T‬ﻗﻴﻡ ﺍﺨﺘﺒﺎﺭ‬ ‫‪T‬ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫1. ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﻨﺘﻴﺠﺔ ﺍﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻋﻠﻰ ﻓﺭﻀﻴﺎﺕ ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻭﻤﻘﻁﻊ ﺨﻁ‬ ‫ﺍﻻﻨﺤﺩﺍﺭ، ﻓﺎﻟﺴﻁﺭ ﺍﻷﻭل ﻤﻥ ﺍﻟﺠﺩﻭل ﻴﺒﻴﻥ ﻨﺘﻴﺠﺔ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻋﻠﻰ ﻓﺭﻀﻴﺎﺕ ﻤﻘﻁﻊ‬ ‫ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ، ﻭﺍﻟﺴﻁﺭ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﺍﻟﺠﺩﻭل ﺒﻴﺒﻴﻥ ﻨﺘﻴﺠﺔ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻋﻠﻰ ﻓﺭﻀﻴﺎﺕ ﻤﻴل ﺨﻁ‬ ‫ﺍﻻﻨﺤﺩﺍﺭ. ﺤﻴﺙ ﺃﻥ ﻁﻭل ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻭ 387.32 ﻭﺃﻥ ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻭ‬ ‫557.0 ﻭﺒﺎﻟﺘﺎﻟﻲ ﺘﻜﻭﻥ ﻤﻌﺎﺩﻟﺔ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻲ ‪ Y = 23.783 + 0.755 X‬ﺤﻴﺙ ‪ Y‬ﻫﻭ‬ ‫ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ )ﺍﻟﺤﺎﺴﻭﺏ( ﻭﺍﻟﻤﺴﺘﻘل ‪ X‬ﻭﻫﻭ )ﺍﻟﺭﻴﺎﻀﻴﺎﺕ(.‬ ‫2. ﻓﺭﻀﻴﺎﺕ ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫: ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻤﺴﺎﻭﻱ ﻟﻠﺼﻔﺭ 0 ‪H‬‬ ‫0 = 0‪H 0 : B‬‬ ‫: ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻤﺨﺘﻠﻑ ﻋﻥ ﺍﻟﺼﻔﺭ ‪H a‬‬ ‫0 ≠ 0‪H a : B‬‬ ‫ﻭﻫﻲ ﻫﻲ 565.3 ﻭﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 500.0‪T‬ﻴﺘﺒﻴﻥ ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ 50.0 = ‪ α‬ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺃﻱ ﺃﻗل ﻤﻥ ﻗﻴﻤﺔ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ ﻭﺘﻜﻭﻥ ﻗﻴﻤﺔ ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ 387.32 ﻫﻲ ﺩﺍﻟﺔ ﺍﺤﺼﺎﺌﻴﺎ.‬ ‫ﹰ‬ ‫3. ﺒﺎﻟﻨﺴﺒﺔ ﻟﻔﺭﻀﻴﺎﺕ ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫0 = 1 ‪ : H 0 : B‬ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻤﺴﺎﻭﻱ ﻟﻠﺼﻔﺭ 0 ‪H‬‬ ‫0 ≠ 1 ‪ : H a : B‬ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻤﺨﺘﻠﻑ ﻋﻥ ﻟﻠﺼﻔﺭ ‪H a‬‬ ‫ﻴﺘﺒﻴﻥ ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻫﻲ 343.8 ﻭﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ 000.0 ﻭﻫﻲ ﺃﻗل ﻤﻥ ﻗﻴﻤﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻭﺘﻜﻭﻥ ﻗﻴﻤﺔ ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫557.0 ﻫﻲ ﺩﺍﻟﺔ ﺍﺤﺼﺎﺌﻴﺎ.‬ ‫ﹰ‬ ‫48‬
‫ﺤﺴﺎﺏ ﺍﻟﺘﻘﺩﻴﺭ ﻭﺍﻟﺨﻁﺄ ﻓﻲ ﺘﻘﺩﻴﺭ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ‬ ‫1. ﻟﺤﺴﺎﺏ ﺍﻟﻘﻴﻤﺔ ﺍﻟﺘﻘﺩﻴﺭﻴﺔ ﻟﻠﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل ﻭﻜﺫﻟﻙ ﺍﻟﺨﻁﺄ ﻓﻲ ﺍﻟﺘﻘﺩﻴﺭ، ﻨﻘﻭﻡ‬ ‫ﺒﺎﻟﺨﻁﻭﺍﺕ ﺍﻟﺴﺎﺒﻘﺔ ﻤﻥ ﺤﻴﺙ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻨﻘﻭﻡ ﺒﻨﻔﺱ ﺍﻟﺨﻁﻭﺓ ﺍﻻﻭﻟﻰ‬ ‫1‬ ‫2. ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Save‬ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫2‬ ‫3‬ ‫58‬
‫ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺎﺕ ‪ Un Standardized‬ﺘﺤﺕ ﺍﻟﺒﻭﺍﻗﻲ ‪ Residuals‬ﻭﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل‬ ‫3.‬ ‫‪ Predicted Values‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺴﺎﺒﻕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻟﻺﺴﺘﻤﺭﺍﺭ ﻭﺍﻟﻌﻭﺩﺓ‬ ‫ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻻﺼﻠﻲ.‬ ‫ﺍﻟﻨﺘﺎﺌﺞ:‬ ‫ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ ﻴﺘﺒﻴﻥ ﺃﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻗﺩ ﺍﻀﺎﻑ ﻋﻤﻭﺩﻴﻥ )ﻤﺘﻐﻴﺭﻴﻥ( ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ‬ ‫ﺍﻟﻠﻭﻥ ﺍﻟﻐﺎﻤﻕ ﻟﺼﻔﺤﺔ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻫﻤﺎ ﺍﻟﺘﻘﺩﻴﺭ 1_‪ Pre‬ﻭﺍﻟﺨﻁﺄ ﻓﻲ ﺍﻟﺘﻘﺩﻴﺭ 1_‪.Res‬‬ ‫ﻭﻨﺴﺘﻁﻴﻊ ﻗﺭﺍﺀﺓ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﺎﻟﺘﺎﻟﻲ:‬ ‫ﺍﻟﻁﺎﻟﺏ ﺍﻷﻭل ﺍﻟﺫﻱ ﺤﺼل ﻋﻠﻰ ﺩﺭﺠﺔ 15 ﻓﻲ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭ47 ﻓﻲ ﺍﻟﺤﺎﺴﻭﺏ، ﻓﺒﺎﺴﺘﺨﺩﺍﻡ ﻤﻌﺎﺩﻟﺔ‬ ‫)41(‬ ‫ﻓﺈﻥ ﺍﻟﻌﻼﻤﺔ ﺍﻟﺘﻘﺩﻴﺭﻴﺔ ﻟﻪ ﻓﻲ ﺍﻟﺤﺎﺴﻭﺏ ﻫﻲ 22972.26 ﻭﻴﻜﻭﻥ ﺒﺫﻟﻙ‬ ‫ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ )ﺍﻟﺘﻘﺩﻴﺭﻴﺔ(‬ ‫ﺍﻟﺨﻁﺄ ﻓﻲ ﺍﻟﺘﻘﺩﻴﺭ 87027.11. ﻭﻫﻜﺫﺍ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻠﻁﺎﻟﺏ ﺍﻟﺜﺎﻨﻲ ﻭﺍﻟﺜﺎﻟﺙ ... .‬ ‫‪Y = 23.785 + 0.755X‬‬ ‫41‬ ‫68‬
‫2.ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ )ﺒﻴﺭﺴﻭﻥ(.‬ ‫ﻴﻌﻤل ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺒﻴﺭﺴﻭﻥ ﻋﻠﻰ ﻗﻴﺎﺱ ﻁﺒﻴﻌﺔ ﻭﻗﻭﺓ ﺍﻟﻌﻼﻗﺔ ﺍﻟﺨﻁﻴﺔ ﺒﻴﻥ ﻗﻴﻡ ﻤﺘﻐﻴﺭﻴﻥ‬ ‫ﻤﺜﺎل 2: ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻨﺭﻴﺩ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻟﺘﺤﺩﻴﺩ ﻁﺒﻴﻌﺔ ﺍﻟﻌﻼﻗﺔ ﺒﻴﻥ ﻤﺘﻐﻴﺭ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﺎﻟﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺍﻟﺤﺎﺴﻭﺏ.‬ ‫ﺍﻟﺤل: ﺘﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺎﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫0 ‪ : H‬ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻤﺴﺎﻭﻱ ﻟﻠﺼﻔﺭ ) 0 = 0‪( H 0 : ρ‬‬ ‫‪ : H a‬ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻏﻴﺭ ﺼﻔﺭﻱ ) 0 ≠ 0‪( H 0 : ρ‬‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﺭﺘﺒﺎﻁ ‪ Correlation‬ﻭﻤﻥ ﺜﻡ‬ ‫ﻨﺨﺘﺎﺭ ‪ Bivariate‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫78‬
‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫1‬ ‫2‬ ‫3‬ ‫4. ﻨﺨﺘﺎﺭ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺍﻟﺤﺎﺴﻭﺏ( ﻭﻨﻨﻘﻠﻬﻡ ﻟﺨﺎﻨﺔ ‪ Variables‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ،‬ ‫ﻭﻨﺨﺘﺎﺭ ﻁﺭﻴﻘﺔ ﺤﺴﺎﺏ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ )ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺒﻴﺭﺴﻭﻥ( ﻭﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ‬ ‫ﺍﻻﺨﺘﻴﺎﺭ ‪ Flag Significant Correlations‬ﻟﻴﻌﻁﻴﻨﺎ ﺍﻟﻘﻴﻡ ﺍﻟﺘﻲ ﺘﻜﻭﻥ ﻋﻨﺩﻫﺎ ﺍﻟﻌﻼﻗﺔ ﺩﺍﻟﺔ‬ ‫88‬
‫ﻭﻫﻲ ﺍﺤﺩﻯ ﺍﻟﻘﻴﻡ ﺍﻟﺘﺎﻟﻴﺔ )000.0 ,500.0 ,10.0 ,5.0 ,1.0( ﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﺘﻅﻬﺭ ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﺍﻟﺘﺎﻟﻴﺔ.‬ ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺭﺘﺒﺎﻁ )ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺒﻴﺭﺴﻭﻥ(‬ ‫ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ‬ ‫ﻓﻲ ﺤﺎﻟﺔ ﻋﺩﻡ ﺍﻟﺘﺴﺎﻭﻱ ﻓﻲ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ‬ ‫5. ﻴﺴﻤﻰ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺤﻴﺙ ﺘﺘﻜﻭﻥ ﻜل ﺨﻠﻴﺔ ﻤﻥ 3 ﺃﺭﻗﺎﻡ، ﺍﻷﻭل ﻫﻭ ﻗﻴﻤﺔ‬ ‫ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻭﺍﻟﺜﺎﻨﻲ 000.0 ﻫﻲ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻭﺍﻟﺜﺎﻟﺙ ﻫﻭ‬ ‫ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ )ﺍﻻﺯﻭﺍﺝ ﺍﻟﻤﺭﺘﻴﺔ ﻟﻘﻴﻡ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ( ﺍﻟﻤﺩﺨﻠﺔ ﻭﺍﻟﻤﺴﺘﺨﺩﻤﺔ ﻓﻲ ﻋﻤﻠﻴﺔ ﺍﻟﺤﺴﺎﺏ.‬ ‫ﻭﺘﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺃﻥ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺩﺭﺠﺎﺕ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺍﻟﺤﺎﺴﻭﺏ ﻫﻭ 539.0‬ ‫ﻭﺃﻥ ﻫﺫﻩ ﺍﻟﻌﻼﻗﺔ ﺩﺍﻟﺔ ﺍﺤﺼﺎﺌﻴﹰ، ﻭﺃﻥ ﻋﺩﺩ ﺍﻷﺯﻭﺍﺝ ﺍﻟﻤﺭﺘﺒﺔ ﻫﻭ 21.‬ ‫ﺎ‬ ‫ﻤﻼﺤﻅﺔ: ﻓﻲ ﺤﺎﻟﺔ ﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ 0 > 0‪ H 0 : ρ‬ﺃﻭ 0 < 0‪ H 0 : ρ‬ﻓﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﻴﺎﺭ ‪One‬‬ ‫‪.Tailed‬‬ ‫98‬
‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺭﺍﺒﻌﺔ‬ ‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ ﻭﺍﻟﺜﻨﺎﺌﻲ‬ ‫09‬
‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺭﺍﺒﻌﺔ: ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ ﻭﺍﻟﺜﻨﺎﺌﻲ‬ ‫1. ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ‬ ‫ﻟﻘﺩ ﺘﻌﺭﻀﻨﺎ ﻟﻤﻭﻀﻭﻉ ﻤﻘﺎﺭﻨﺔ ﻤﺘﻭﺴﻁﺎﺕ ﻤﺠﺘﻤﻌﻴﻥ ﻓﻲ ﺍﻟﺒﻨﻭﺩ ﺍﻟﺴﺎﺒﻘﺔ، ﻭﺴﺘﺩﺭﺱ ﻓـﻲ ﻫـﺫﺍ ﺍﻟﺒﻨـﺩ‬ ‫ﺍﺨﺘﺒﺎﺭ ﻓﺭﻀﻴﺎﺕ ﺤﻭل ﻤﻘﺎﺭﻨﺔ ﻋﺩﺓ ﻤﺘﻭﺴﻁﺎﺕ ﻷﻜﺜﺭ ﻤﻥ ﻤﺠﺘﻤﻌﻴﻥ، ﻭﺍﻻﺴﻠﻭﺏ ﺍﻟﻤﺘﺒﻊ ﻓﻲ ﺫﻟﻙ ﻴﻘﻴﺱ‬ ‫ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ ﺘﺄﺜﻴﺭ ﻋﺎﻤل ﻭﺍﺤﺩ ﻤﻜﻭﻥ ﻤﻥ ﻋﺩﺓ ﻤﺴﺘﻭﻴﺎﺕ )ﻤﺘﻐﻴﺭ ﻫﻭ ﺍﺴﻠﻭﺏ ﺘﺤﻠﻴل‬ ‫ﺍﻟﺘﺒﺎﻴﻥ.‬ ‫)51(‬ ‫ﻓﻠـﻭ ﺃﺭﺩﻨـﺎ‬ ‫ﻤﺴﺘﻘل ﻨﻭﻋﻲ ﻓﻴﻪ ﻤﻜﻭﻥ ﻤﻥ 3 ﻓﺌﺎﺕ ﻓﺄﻜﺜﺭ( ﻋﻠﻰ ﻋﺎﻤل ﺃﺨﺭ )ﻤﺘﻐﻴﺭ ﺘﺎﺒﻊ ﻤﺘﺼل(‬ ‫ﻤﻘﺎﺭﻨﺔ ﻤﺘﻭﺴﻁﺎﺕ 3 ﻤﺠﺘﻤﻌﺎﺕ ﻓﺄﻜﺜﺭ ﻨﻔﺱ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻡ ﻻ ﻓﻬﺫﺍ ﻴﻌﻨﻲ ﺃﻨﻨﺎ ﻨﺭﻴﺩ ﺇﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀـﻴﺎﺕ‬ ‫ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﻤﻌﻨﻭﻱ )ﺤﻘﻴﻘﻲ( ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ.‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻴﻭﺠﺩ ﻓﺭﻕ ﻤﻌﻨﻭﻱ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ )ﺃﻱ ﺃﻨﻪ ﻴﻭﺠـﺩ ﺍﺨـﺘﻼﻑ ﺒـﻴﻥ‬ ‫ﻤﺘﻭﺴﻁ ﻤﺠﺘﻤﻌﻴﻥ ﻋﻠﻰ ﺍﻷﻗل(.‬ ‫ﺃﻱ ﻨﺭﻴﺩ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺘﺎﻟﻴﺔ ‪H 0 : µ 1 = µ 2 = µ 3 = ......µ n‬‬ ‫ﻭﻟﻠﻘﻴﺎﻡ ﺒﺎﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ ﻴﺠﺏ ﺘﺤﻘﻴﻕ ﺍﻟﺸﺭﻭﻁ ﺍﻟﺘﺎﻟﻴﺔ ﻗﺒل ﺇﺠﺭﺍﺅﻩ:‬ ‫• ﻜل ﻓﺌﺔ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻨﻭﻋﻲ ﺤﺴﺏ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺘﺼل ﻟﻬﺎ ﺘﻭﺯﻴﻊ ﻁﺒﻴﻌﻲ.‬ ‫• ﻓﺌﺎﺕ ﺍﻟﻤﺠﺘﻤﻊ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻤﺘﺠﺎﻨﺴﺔ ﺃﻱ ﺃﻥ ﺘﺒﺎﻴﻨﻬﺎ ﻤﺘﺴﺎﻭﻱ.‬ ‫• ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﺃﻭ ﺍﻟﻘﻴﻡ ﻤﺴﺘﻘﻠﺔ.‬ ‫ﻭﻨﺤﻥ ﻟﺴﻨﺎ ﺒﺼﺩﺩ ﺍﻵﻥ ﺩﺭﺍﺴﺔ ﻫﺫﻩ ﺍﻟﺸﺭﻭﻁ ﻟﺫﺍ ﺴﻨﻌﺘﺒﺭ ﺃﻥ ﺍﻟﺸﺭﻭﻁ ﺍﻟﺴﺎﺒﻘﺔ ﻤﺘﺤﻘﻘﺔ.‬ ‫ﻤﺜﺎل 1: ﺇﺫﺍ ﻜﺎﻥ ﻟﺩﻴﻙ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ ﺍﻟﺫﻱ ﻴﻤﺜل ﺘﻭﺯﻴﻊ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫ﺤﺴﺏ ﺍﻟﺴﻨﺔ )ﺍﻟﻤﺴﺘﻭﻯ( ﺍﻟﺩﺭﺍﺴﻲ.‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺭﺍﺒﻊ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل‬ ‫07 55 04 03 66 57 07 08 06 55 04 05‬ ‫04 09 58 08‬ ‫04 05 03 04 09 28 58 57 24 07 56 07‬ ‫56 67 57 58‬ ‫03 05 55 06 06 05 03 04 59 08 54 34‬ ‫88 76 36 26‬ ‫24 77 09 08 03 58 04 06‬ ‫44 53 03‬ ‫06 05‬ ‫ﻭﻨﺭﻴﺩ ﻤﻘﺎﺭﻨﺔ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻠﺒﺔ ﻓﻲ ﻤﺎﺩﺓ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ‪ Arabic‬ﺤﺴﺏ ﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ‬ ‫ﺍﻟﺩﺭﺍﺴﻲ ‪ Level‬ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫51ﻨﺴﺘﻁﻴﻊ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻤﺘﻐﻴﺭ ﺫﻭ ﻓﺌﺘﻴﻥ ﻟﻜﻥ ﺘﻜﻭﻥ ﻨﺘﻴﺠﺔ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺃﻓﻀل.‬ ‫19‬
‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺤﺴﺏ‬ ‫ﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟ ﻭﻟﻺﺠﺎﺒﺔ ﻋﻠﻰ ﺍﻟﻔﺭﻀﻴﺔ ﻨﻘﻭﻡ ﺒﺎﻟﺨﻁﻭﺍﺕ‬ ‫ﺍﻟﺘﺎﻟﻴﺔ.‬ ‫1. ﻨﻌﺭﻑ ﻤﺘﻐﻴﺭﻴﻥ )‪ (Arabic‬ﻭ )‪ (Level‬ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﻜﻭﺩ ﻤﺘﻐﻴﺭ ‪ Level‬ﻫﻭ ) 1=‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻻﻭل، 2=ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ، 3= ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ، 4= ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺭﺍﺒﻊ( .‬ ‫2. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺤﻴﺙ ﺘﻜﻭﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﺘﻐﻴﺭ )‪ (Arabic‬ﻓﻲ ﻋﻤﻭﺩ ﻤﺴﺘﻘل ﻭﻤﻥ‬ ‫ﺜﻡ ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻤﻴﺯ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Level‬ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﻜل ﺩﺭﺠﺔ ﻭﻤﺼﺩﺭﻫﺎ ﻓﻲ ﻨﻔﺱ‬ ‫ﺍﻟﺴﻁﺭ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫3. ﻤﻥ ﺨﻼل ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﺍﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﻤﻘﺎﺭﻨﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ(‬ ‫‪ Compare Mean‬ﻭﻤﻥ ﺜﻡ ﺍﺨﺘﺎﺭ )ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ( ‪،One Way ANOVA‬‬ ‫ﻓﺴﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫29‬
‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫ﻨﻨﻘل ﻤﺘﻐﻴﺭ ﺍﻟﺩﺭﺠﺎﺕ )‪ (Arabic‬ﺇﻟﻰ ﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ‪ Dependent List‬ﻭ ﺍﻟﻤﺘﻐﻴﺭ‬ ‫5.‬ ‫)‪ (Level‬ﺇﻟﻰ ﺨﺎﻨﺔ ‪. Factor‬‬ ‫39‬
‫6. ﺍﻵﻥ ﺍﺼﺒﺤﻨﺎ ﺠﺎﻫﺯﻴﻥ ﻟﺘﻨﻔﻴﺫ ﺍﻻﺨﺘﺒﺎﺭ ﻓﻨﻀﻐﻁ ﻋﻠﻰ ‪ ،Ok‬ﻟﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ:‬ ‫ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ‬ ‫ﻤﻌﺩل ﺍﻟﻤﺭﺒﻌﺎﺕ‬ ‫ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﺍﻟﻨﺘﺎﺌﺞ:‬ ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﻤﻥ ﺠﺩﻭل ﻭﺍﺤﺩ ﻓﻘﻁ ﻭﻫﻭ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‬ ‫ﺍﻻﺤﺎﺩﻱ ﻭﻫﻭ ﻤﺸﺎﺒﻪ ﺘﻤﺎﻤﺎ ﻟﻠﺠﺩﻭل ﺍﻟﺫﻱ ﺩﺭﺴﻨﺎﻩ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻤﻥ ﺍﻟﻤﻘﺭﺭ.‬ ‫ﹰ‬ ‫ﻓﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻤﺎ ﻴﻠﻲ:‬ ‫- ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ: ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ ﻫﻲ‬ ‫633.2773 ﻭﺃﻥ ﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﺍﻟﺨﻁﺄ 168.50181 ﻭﺃﻥ ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ‬ ‫ﺍﻟﻜﻠﻲ ﻫﻭ 791.87812.‬ ‫- ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ: ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ ﻫﻲ 3 )ﻋﺩﺩ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻨﺎﻗﺼﺎ 1( ﻭ ﺍﻥ ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻟﺨﻁﺄ ﻫﻲ 75 ﻭ ﻤﺠﻤﻭﻉ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ ﻫﻲ 06.‬ ‫ﹰ‬ ‫49‬
‫- ﻤﻌﺩل ﺍﻟﻤﺭﺒﻌﺎﺕ: ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻤﻌﺩل ﻤﺭﺒﻌﺎﺕ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ ﻭ ﺍﻟﺨﻁﺄ‬ ‫ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ ﻫﻭ 544.7521 ﻭ 746.713.‬ ‫- ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﻫﻲ 959.3 .‬ ‫- ﻭﺃﺨﻴﺭ ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 210.0=.‪ Sig‬ﻫﻲ ﺃﻗل‬ ‫ً‬ ‫ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻭ ﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ، ﻭﻨﺴﺘﻨﺘﺞ ﺃﻥ ﻫﻨﺎﻙ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ‬ ‫ﺍﻟﻁﻼﺏ ﺤﺴﺏ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ ﺃﻱ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫7. ﻤﻼﺤﻅﺔ: ﻤﻥ ﺃﻫﻡ ﺸﺭﻭﻁ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﻫﻭ ﺘﺠﺎﻨﺱ ﺍﻟﻌﻴﻨﺎﺕ )ﺃﻥ‬ ‫ﻴﻜﻭﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺴﺎﻭﻱ ﺍﺤﺼﺎﺌﻴﺎ( ﻭ ﻟﻠﻘﻴﺎﻡ ﺒﺫﻟﻙ ﻤﻥ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﻟﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‬ ‫ﹰ‬ ‫ﺍﻻﺤﺎﺩﻱ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Options‬ﻟﻔﺤﺹ ﺘﺠﺎﻨﺱ ﺍﻟﻌﻴﻨﺎﺕ.‬ ‫ﻓﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ ‪ Homogeneity of Variance test‬ﻓﻲ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﻻﺨﺘﺒﺎﺭ‬ ‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﺍﻟﺴﺎﺒﻕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ‬ ‫ﺍﻟﺨﺎﺹ ﺒﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻨﻀﻐﻁ ‪ Ok‬ﻟﻴﻅﻬﺭ ﺠﺩﻭل ﺠﺩﻴﺩ ﺒﺎﻻﻀﺎﻓﺔ ﻟﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ‬ ‫ﻭﻫﻭ ﻨﺎﺘﺞ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪ Levene‬ﻟﺘﺠﺎﻨﺱ ﺍﻟﻌﻴﻨﺎﺕ ﻭﻫﻭ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫59‬
‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻟﻴﻔﻴﻨﻲ ﻟﻠﺘﺠﺎﻨﺱ ﻭﻫﻲ 587.0 ﺒﻭﺍﻗﻊ ﺩﻻﻟﺔ 705.0 ﻭﻫﻲ ﺃﻜﺒﺭ‬ ‫ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ‬ ‫)61(‬ ‫.‬ ‫ﺃﻱ ﺃﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺴﺎﻭﻱ‬ ‫61ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺴﺎﻭﻱ )ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺠﺎﻨﺴﺔ(‬ ‫69‬
‫2. ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ‬ ‫ﻓﻲ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﺩﺭﺴﻨﺎ ﺘﺄﺜﻴﺭ )ﻋﺎﻤل ﻭﺍﺤﺩ( ﻤﻜﻭﻥ ﻤﻥ ﻋﺩﺓ ﻤﺴﺘﻭﻴﺎﺕ )ﻤﺘﻐﻴﺭ ﻨﻭﻋﻲ ﻓﻴﻪ‬ ‫ﻤﻜﻭﻥ ﻤﻥ 3 ﻓﺌﺎﺕ ﻓﺄﻜﺜﺭ( ﻋﻠﻰ ﻤﺘﻐﻴﺭ ﺁﺨﺭ )ﻤﺘﻐﻴﺭ ﻤﺘﺼل(، ﺃﻤﺎ ﻓﻲ ﺍﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ‬ ‫ﺴﻨﺩﺭﺱ ﺘﺄﺜﻴﺭ ﻤﺘﻐﻴﺭﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ ﻤﻜﻭﻨﻴﻥ ﻤﻥ ﻋﺩﺓ ﻤﺴﺘﻭﻴﺎﺕ )ﻤﺘﻐﻴﺭﻴﻥ ﻨﻭﻋﻴﻴﻥ( ﻋﻠﻰ ﻋﺎﻤل ﺁﺨﺭ‬ ‫)ﻤﺘﻐﻴﺭ ﻤﺘﺼل(. ﻓﻤﺜﻼ ﻟﻭ ﺃﺭﺩﻨﺎ ﺩﺭﺍﺴﺔ ﻫل ﻴﻭﺠﺩ ﺘﺄﺜﻴﺭ ﻟﻌﺎﻤل ﺍﻟﺠﻨﺱ ﻭﺍﻟﺤﺎﻟﺔ ﺍﻻﺠﺘﻤﺎﻋﻴﺔ ﻋﻠﻰ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﻤﺎ، ﻓﻬﻨﺎ ﻻ ﺒﺩ ﻟﻨﺎ ﻤﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ.‬ ‫ﻭﻴﻘﻴﺱ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ ﻤﺩﻯ ﺘﺄﺜﻴﺭ ﺍﻟﻌﺎﻤل ﺍﻷﻭل ﻋﻠﻰ ﺤﺩﺓ، ﻭﻤﻥ ﺜﻡ ﻤﺩﻯ ﺘﺄﺜﻴﺭ ﺍﻟﻌﺎﻤل‬ ‫ﺍﻟﺜﺎﻨﻲ ﻋﻠﻰ ﺤﺩﺓ، ﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﻴﻘﻴﺱ ﻤﺩﻯ ﺘﺄﺜﻴﺭ ﺘﻔﺎﻋل ﺍﻟﻌﺎﻤﻠﻴﻥ ﻤﻌﺎ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ، ﻓﻬﻭ ﻴﺠﻴﺏ‬ ‫ﹰ‬ ‫ﻋﻠﻰ 3 ﺃﺴﺌﻠﺔ ﻓﻲ ﻨﻔﺱ ﺍﻟﻭﻗﺕ‬ ‫1. ﻫل ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻷﻭل .‬ ‫2. ﻫل ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻨﻲ.‬ ‫3. ﻫل ﻴﻭﺠﺩ ﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺃﻡ ﺃﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ ﻓﻲ ﺍﻟﺘﺄﺜﻴﺭ.‬ ‫ﻤﺜﺎل 2: ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻟﻭ ﻭﺯﻋﻨﺎ ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ )‪ (Arabic‬ﺤﺴﺏ ﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ )‪ (Level‬ﻭ ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ )‪ (Gender‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﺍﻟﺠﻨﺱ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺭﺍﺒﻊ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل‬ ‫ﺫﻜﺭ‬ ‫06 55 04 05‬ ‫66 57 07 08‬ ‫07 55 04 03‬ ‫04 09 58 08‬ ‫07 56 07‬ ‫09 28 58 57‬ ‫05 03 04‬ ‫56 67 57 58‬ ‫ﺃﻨﺜﻰ‬ ‫08 54 34 24‬ ‫06 05 03 04‬ ‫05 55 06 04‬ ‫88 76 36 26‬ ‫58 04 06 59‬ ‫24 77 09 08‬ ‫03‬ ‫44 53 03‬ ‫03‬ ‫06 05‬ ‫ﺍﻟﻤﻁﻠﻭﺏ:‬ ‫ﺃ- ﻜﻭﻥ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ.‬ ‫ﺏ- ﻜﻭﻥ ﻓﺭﻀﻴﺎﺕ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ ﻭﺒﻴﻥ ﻫل ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺎﺕ.‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ:‬ ‫1. ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺤﺴﺏ ﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪α‬‬ ‫79‬
‫2. ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺤﺴﺏ ﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﺠﻨﺱ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪α‬‬ ‫3. ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺤﺴﺏ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ‬ ‫ﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ ﻭ ﺍﻟﺠﻨﺱ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪. α‬‬ ‫ﺘﻨﻔﻴﺫ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ‬ ‫1. ﻨﻌﺭﻑ 3 ﻤﺘﻐﻴﺭﺍﺕ )‪ (Arabic‬ﻭ )‪ (Level‬ﻭ )‪ (Gender‬ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﻜﻭﺩ ﻤﺘﻐﻴﺭ ‪Level‬‬ ‫ﻫﻭ ) 1= ﺍﻟﻤﺴﺘﻭﻯ ﺍﻻﻭل، 2=ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ، 3 = ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ، 4 = ﺍﻟﻤﺴﺘﻭﻯ‬ ‫ﺍﻟﺭﺍﺒﻊ(، ﻭﺒﺎﻟﻨﺴﺒﺔ ﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ )‪ (Gender‬ﻨﻌﺭﻑ ﺍﻟﻜﻭﺩ )1=ﺫﻜﺭ، 2=ﺃﻨﺜﻰ(.‬ ‫2. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫89‬
‫3. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﺍﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )‪General Linear Model(GLM‬‬ ‫ﻭﻤﻥ ﺜﻡ ﺍﺨﺘﺎﺭ ‪ ،Univariate‬ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺨﺎﺹ ﺒﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ ﺍﻟﺘﺎﻟﻲ:‬ ‫99‬
‫5. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ )‪ (Arabic‬ﻟﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ‪ Dependent Variable‬ﻭﻨﻨﻘل‬ ‫ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (Level‬ﻭ )‪ (Gender‬ﻟﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ ‪ Fixed Factors‬ﻜﻤﺎ ﻓﻲ‬ ‫ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫6. ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ.‬ ‫001‬
‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ‬ ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻤﻥ ﺠﺩﻭﻟﻴﻥ ﺍﻻﻭل ﻴﺼﻑ ﺍﻟﻌﻴﻨﺎﺕ ﻭﺘﻭﺯﻴﻌﻬﺎ ﻭﺍﻟﺜﺎﻨﻲ ﻫﻭ ﺠﺩﻭل‬ ‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ.‬ ‫101‬
‫ﺍﻟﺠﺩﻭل ﺍﻷﻭل‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺘﻭﺯﻴﻊ ﺍﻟﻌﻴﻨﺎﺕ )51 ﻤﻥ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل، 21 ﻤﻥ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ، 81 ﻤﻥ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ، 61 ﻤﻥ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺭﺍﺒﻊ، 03 ﺫﻜﻭﺭ ﻭ 13 ﺍﻨﺎﺙ(.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫ﻤﺼﺩﺭ ﺍﻟﺘﺒﺎﻴﻥ‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ‬ ‫ﻤﻌﺩل ﺍﻟﻤﺭﺒﻌﺎﺕ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻟﻔﻬﻡ ﺍﻟﺠﺩﻭل ﺍﻟﻤﺒﻴﻥ ﺃﻋﻼﻩ ﻭﺍﻟﻨﺎﺘﺞ ﻋﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﺠﺏ ﺃﻥ ﻨﻜﻭﻥ ﻋﻠﻰ ﺩﺭﺍﻴﺔ ﺒﺎﻻﺴﺎﺱ‬ ‫ﺍﻟﻨﻅﺭﻱ ﻟﻠﻤﻘﺭﺭ، ﻓﻴﻭﺠﺩ ﺍﺨﺘﻼﻑ ﻁﻔﻴﻑ ﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺫﻱ ﺩﺭﺴﻨﺎﻩ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻭﺍﻟﻨﺎﺘﺞ‬ ‫ﻋﻥ ‪ SPSS‬ﻭﺫﻟﻙ ﻷﻨﻨﺎ ﻟﻡ ﻨﺩﺭﺱ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻟﺠﻤﻴﻊ ﺘﻁﺒﻴﻘﺎﺕ ﻭﺃﺸﻜﺎل ﻭﻁﺭﻕ ﺤﺴﺎﺏ‬ ‫ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ ،ﻟﺫﻟﻙ ﺴﻨﺩﺭﺱ ﻓﻘﻁ ﻜﻴﻔﻴﺔ ﺍﻴﺠﺎﺩ ﺍﻟﻤﺘﻁﻠﺒﺎﺕ ﺍﻟﺘﻲ ﻴﺘﻁﻠﺒﻬﺎ ﺍﻟﺠﺎﻨﺏ‬ ‫ﺍﻟﻨﻅﺭﻱ ﻤﻥ ﺍﻟﻤﻘﺭﺭ ﻓﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻨﺴﺘﻁﻴﻊ ﺍﻻﺴﺘﻨﺘﺎﺝ ﺃﻥ.‬ ‫201‬
‫- ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ: ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ 677.4183‬ ‫ﻭﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ 321.4031 ﻭﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ 538.0941 ﻭﻤﺠﻤﻭﻉ‬ ‫ﻤﺭﺒﻌﺎﺕ ﺍﻟﺨﻁﺄ 957.08941 ﻭﺃﻥ ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﻜﻠﻲ 791.87812.‬ ‫- ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ ) 3 ﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ، 1 ﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ، 3 ﻟﻠﺘﻔﺎﻟﻌل‬ ‫ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ، 35 ﻟﻠﺨﻁﺄ، ﻭ ﻤﺠﻤﻭﻉ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ ﻫﻭ 06(.‬ ‫- ﻤﻌﺩل ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ ) 295.1721 ﻟﻠﻤﺴﺘﻭﻯ، 321.4031‬ ‫ﻟﻠﺠﻨﺱ، ﻭ 549.694 ﻟﻠﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ، ﻭ 656.282 ﻟﻠﺨﻁﺄ(.‬ ‫- ﻗﻴﻤﺔ ‪ F‬ﺍﻟﻤﺤﺴﻭﺒﺔ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ )994.4 ﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ، 416.4‬ ‫ﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ، 857.1 ﻟﻠﺘﻔﺎﻋل ﺒﻴﻨﻬﻤﺎ(.‬ ‫ﻭﺒﻨﺎﺀ ﻋﻠﻰ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ‬ ‫ً‬ ‫• ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺨﺎﺼﺔ ﺒﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ ﻷﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻟﻠﻤﺘﻐﻴﺭ 700.0= .‪ Sig‬ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻓﺒﺎﻟﺘﺎﻟﻲ ﻴﻭﺠﺩ‬ ‫ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺤﺴﺏ ﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ.‬ ‫ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺨﺎﺼﺔ ﺒﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﻷﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻟﻤﺘﻐﻴﺭ‬ ‫•‬ ‫ﺍﻟﺠﻨﺱ 630.0= .‪ Sig‬ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻓﺒﺎﻟﺘﺎﻟﻲ ﻴﻭﺠﺩ‬ ‫ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺤﺴﺏ ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ.‬ ‫• ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺨﺎﺼﺔ ﺒﺘﻔﺎﻋل ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻷﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻟﻠﺘﻔﺎﻋل ﺒﻴﻥ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﻴﻥ 661.0= .‪ Sig‬ﺃﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻓﺒﺎﻟﺘﺎﻟﻲ ﻻ‬ ‫ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ.‬ ‫301‬
‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺨﺎﻤﺴﺔ‬ ‫ﻁﺭﻕ ﻏﻴﺭ ﻤﻌﻠﻤﻴﺔ‬ ‫401‬
‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺨﺎﻤﺴﺔ:ﻁﺭﻕ ﻏﻴﺭ ﻤﻌﻠﻤﻴﺔ‬ ‫ﺍﻥ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺘﻲ ﺩﺭﺴﺘﻬﺎ ﻓﻲ ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻟﺜﺔ ﻭﺍﻟﺭﺍﺒﻌﺔ ﻫﻲ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻤﻌﻠﻤﻴﺔ ﻷﻨﻬﺎ ﺘﺘﻌﺎﻤل ﻤﻊ‬ ‫ﺨﺼﺎﺌﺹ ﺍﻟﻤﺠﺘﻤﻊ ﺃﻭ ﻤﺎ ﻴﺴﻤﻰ ﻤﻌﺎﻟﻤﻪ، ﻭﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻌﻠﻤﻴﺔ ﻻ ﻴﻤﻜﻥ ﺘﻁﺒﻴﻘﻬﺎ ﺇﻻ ﻓﻲ ﺤﺎﻟﺔ‬ ‫ﺘﻭﺍﻓﺭ ﺸﺭﻭﻁ ﻤﻌﻴﻨﺔ ﻤﺜل ﺃﻥ ﻴﻜﻭﻥ ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻊ ﻁﺒﻴﻌﻴﺎ ﺃﻭ ﺃﻥ ﻴﻜﻭﻥ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﻜﺒﻴﺭ ﺃﻭ ﺼﻐﻴﺭ‬ ‫ﹰ‬ ‫ﺃﻭ ﺃﻥ ﺘﻜﻭﻥ ﻫﻨﺎﻙ ﺸﺭﻭﻁﺎ ﺨﺎﺼﺔ ﻓﻴﻪ ﻟﻠﺘﺒﺎﻴﻥ ﻭﻏﻴﺭﻫﺎ ﻤﻥ ﺍﻟﺸﺭﻭﻁ.‬ ‫ﻭﻋﻨﺩ ﻋﺩﻡ ﺘﻭﻓﺭ ﺸﺭﻭﻁ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻌﻠﻤﻴﺔ ﻓﺈﻨﻨﺎ ﻻ ﻨﺴﺘﻁﻴﻊ ﺘﻁﺒﻴﻘﻬﺎ، ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻨﺎ ﺴﻨﺤﺘﺎﺝ ﻟﺒﺩﻴل‬ ‫ﻭﻫﺫﺍ ﺍﻟﺒﺩﻴل ﻫﻭ ﺍﻹﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ)71(، ﻭﺘﺘﻤﻴﺯ ﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ﺒﺄﻨﻬﺎ ﺴﻬﻠﺔ‬ ‫ﺍﻟﺤﺴﺎﺏ ﻭﻻ ﻴﻭﺠﺩ ﺸﺭﻭﻁ ﻤﻌﻴﻨﺔ ﻟﺘﻨﻔﻴﺫﻫﺎ ﻭﻤﻥ ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﻫﻨﺎﻙ ﺍﻟﻜﺜﻴﺭ ﻤﻥ ﺍﻟﺘﺴﺎﺅﻻﺕ ﺍﻟﺘﻲ ﻻ‬ ‫ﺘﺠﻴﺏ ﻋﻠﻴﻬﺎ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻌﻠﻤﻴﺔ ﻤﺜل ﺍﻻﺴﺌﻠﺔ ﺍﻟﺘﻲ ﺘﺘﻌﻠﻕ ﺒﺘﺭﺘﻴﺏ ﻗﻴﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻟﻴﺱ ﺍﻟﻘﻴﻡ ﻨﻔﺴﻬﺎ.‬ ‫1. ﻤﻘﺎﺭﻨﺔ ﻭﺴﻴﻁ ﻤﺠﺘﻤﻊ ﺒﻭﺴﻴﻁ ﺍﻟﻌﻴﻨﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﺼﻐﻴﺭﺓ‬ ‫1.1.‬ ‫ﻤﺜﺎل 1: ﺘﻤﺜل ﺍﻷﺭﻗﺎﻡ ﺍﻟﺘﺎﻟﻴﺔ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﺍﺭﺓ ﻓﻲ ﻤﻜﺔ ﺍﻟﻤﻜﺭﻤﺔ ﻓﻲ 81 ﻴﻭﻤﺎ ﻓﻲ ﺸﻬﺭ ﺃﻴﺎﺭ‬ ‫24‬ ‫43‬ ‫73‬ ‫83‬ ‫14‬ ‫83‬ ‫53‬ ‫73‬ ‫93‬ ‫44‬ ‫52‬ ‫93‬ ‫63‬ ‫93‬ ‫03‬ ‫63‬ ‫73‬ ‫03‬ ‫ﺍﺨﺘﺒﺭ ﺍﻟﻔﺭﻀﻴﺔ ﺃﻥ ﻭﺴﻴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﺍﺭﺓ ﻫﻭ 93 ﻋﻠﻰ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 1.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﺍﻟﻭﺴﻴﻁ ﻴﺴﺎﻭﻱ 93‬ ‫1‬ ‫93 = ‪H 0 : M‬‬ ‫=‪P‬‬ ‫2‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﺍﻟﻭﺴﻴﻁ ﻻ ﻴﺴﺎﻭﻱ 93‬ ‫1‬ ‫93 ≠ ‪H a : M‬‬ ‫≠‪P‬‬ ‫2‬ ‫1. ﻨﺤﺫﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺴﺎﻭﻴﺔ ﻟﻠﺭﻗﻡ 93 ﻭﻤﻥ ﺜﻡ ﻨﺩﺨل ﺒﺎﻗﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻟﺤﺭﺍﺭﺓ( ﺃﻨﻅﺭ‬ ‫ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﺇﺫﺍ ﺘﻭﺍﻓﺭﺕ ﺸﺭﻭﻁ ﺘﻁﺒﻴﻕ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻌﻠﻤﻴﺔ ﺘﻜﻭﻥ ﻨﺘﺎﺌﺠﻬﺎ ﺃﺩﻕ ﻭﺃﻓﻀل ﻭﺃﻜﺜﺭ ﻗﻭﺓ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ.‬ ‫71‬ ‫501‬
‫‪Non‬‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﺤﺼﺎﺀﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ‬ ‫‪ Parametric Test‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﺫﺍﺕ ﺍﻟﺤﺩﻴﻥ ‪ Binomial‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫601‬
‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺨﺎﺹ ﺒﺎﺨﺘﺒﺎﺭ ﺫﺍﺕ ﺍﻟﺤﺩﻴﻥ ﻓﻨﻨﻘل ﻤﺘﻐﻴﺭ )ﺍﻟﺤﺭﺍﺭﺓ( ﺇﻟﻰ ﻗﺎﺌﻤﺔ ‪Test‬‬ ‫‪ Variable List‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Cut Point‬ﻟﻨﻜﺘﺏ ﺍﻟﻘﻴﻤﺔ 93 ﻭﺘﺄﻜﺩ ﻤﻥ ﺃﻥ 05.0 ﻫﻲ‬ ‫ﺍﻟﻨﺴﺒﺔ ﺍﻟﺘﻲ ﻓﻲ ﺨﺎﻨﺔ ‪.Test Proportion‬‬ ‫2‬ ‫1‬ ‫701‬
‫ﻨﻀﻐﻁ ‪ Ok‬ﻟﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫ﺍﻟﻨﺘﺎﺌﺞ:‬ ‫ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻫﻭ ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ﺫﺍﺕ ﺍﻟﺤﺩﻴﻥ ﺤﻴﺙ ﻴﺒﻴﻥ ﺃﻥ ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 3 ﻭﺃﻥ ﻗﻴﻤﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 530.0=)‪ Exact Sig. (2-tailed‬ﻭﻫﻲ ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ‬ ‫ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ ، α‬ﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺃﻱ ﺃﻥ ﺍﻟﻭﺴﻴﻁ ﻻ‬ ‫ﻴﺴﺎﻭﻱ 93.‬ ‫ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ‬ ‫2.1.‬ ‫ﻤﺜﺎل 2: ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ ﺘﻤﺜل ﺍﻟﺩﺨل ﺍﻟﻴﻭﻤﻲ ﻟﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻤﻭﺍﻁﻨﻴﻥ ﺒﺎﻟﺸﻴﻜل‬ ‫52‬ ‫52‬ ‫94‬ ‫03‬ ‫03‬ ‫03‬ ‫03‬ ‫33‬ ‫63‬ ‫83‬ ‫04‬ ‫04‬ ‫24‬ ‫44‬ ‫44‬ ‫94‬ ‫44‬ ‫44‬ ‫54‬ ‫54‬ ‫84‬ ‫84‬ ‫05‬ ‫25‬ ‫94‬ ‫25‬ ‫55‬ ‫55‬ ‫75‬ ‫06‬ ‫06‬ ‫16‬ ‫26‬ ‫56‬ ‫56‬ ‫56‬ ‫66‬ ‫94‬ ‫07‬ ‫27‬ ‫37‬ ‫57‬ ‫57‬ ‫57‬ ‫ﺸﻴﻜل ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪. α‬‬ ‫ﻫﻭ 04‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﻓﻬل ﻨﺴﺘﻁﻴﻊ ﺍﻟﻘﻭل ﺃﻥ ﻭﺴﻴﻁ ﻫﺫﻩ‬ ‫ﺍﻟﺤل:‬ ‫04 = ‪H 0 : M‬‬ ‫04 ≠ ‪H a : M‬‬ ‫ﻨﻘﻭﻡ ﺒﺈﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ )‪ (income‬ﺒﻌﺩ ﺤﺫﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺴﺎﻭﻴﺔ ﻟﻠﺭﻗﻡ 04 ﻭﻨﻘﻭﻡ ﺒﻨﻔﺱ‬ ‫ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺴﺎﺒﻘﺔ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻟﻨﺤﺼل ﻋﻠﻰ ﺍﻟﻨﺘﻴﺠﺔ ﺍﻟﺘﺎﻟﻴﺔ :‬ ‫801‬
‫ﻨﻼﺤﻅ ﺃﻥ ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ ﻫﻭ 24 ﻭ ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﻫﻲ 33 ﻭﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ‬ ‫ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 000.0=)‪ Exact Sig. (2-tailed‬ﻭﻫﻲ ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ 50.0‬ ‫ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ، ﻟﻜﻥ ﻻﺤﻅ ﺍﻥ ﺍﻻﺨﺘﺒﺎﺭ ﺘﻡ ﺤﺴﺎﺒﻪ ﺒﺘﻘﺭﻴﺒﻪ ﻻﺨﺘﺒﺎﺭ ‪ Z‬ﻜﻤﺎ ﻫﻭ‬ ‫ﻤﺒﻴﻥ ﻓﻲ ﺠﺩﻭل ﺍﻟﻨﺘﺎﺌﺞ ﺃﻋﻼﻩ.‬ ‫2. ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﻤﺠﺘﻤﻌﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ.‬ ‫ﻤﻘﺎﺭﻨﺔ ﻭﺴﻴﻁ ﻋﻴﻨﺘﻴﻥ ﻤﺭﺘﺒﻁﺘﻴﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫أ.‬ ‫ﻴﻌﻤل ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﻭﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﺴﻜﻥ ﻋﻠﻰ ﻤﻘﺎﺭﻨﺔ ﻭﺴﻴﻁ ﺃﻭ ﺘﻭﺯﻴﻊ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ ﺃﻱ ﺒﻤﻌﻨﻰ‬ ‫ﺁﺨﺭ ﻫل ﻴﻭﺠﺩ ﺍﺨﺘﻼﻑ ﻓﻲ ﺘﻭﺯﻴﻊ )ﻭﺴﻴﻁ( ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﺃﻡ ﻻ.‬ ‫ﻤﺜﺎل 3: ﺇﺫﺍ ﻜﺎﻨﺕ ﺩﺭﺠﺎﺕ 02 ﻁﺎﻟﺏ ﻓﻲ ﻤﻘﺭﺭﻱ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ:‬ ‫1 ﺭﻗﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫2‬ ‫3‬ ‫4‬ ‫5‬ ‫6‬ ‫7‬ ‫8‬ ‫9‬ ‫01‬ ‫ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫58‬ ‫08‬ ‫05‬ ‫58‬ ‫04‬ ‫08‬ ‫09‬ ‫08‬ ‫06‬ ‫05‬ ‫ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ‬ ‫08‬ ‫05‬ ‫05‬ ‫56‬ ‫05‬ ‫09‬ ‫59‬ ‫48‬ ‫04‬ ‫03‬ ‫ﺭﻗﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫11‬ ‫21‬ ‫31‬ ‫41‬ ‫51‬ ‫61‬ ‫71‬ ‫81‬ ‫91‬ ‫02‬ ‫ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫78‬ ‫08‬ ‫58‬ ‫09‬ ‫57‬ ‫04‬ ‫03‬ ‫55‬ ‫08‬ ‫54‬ ‫ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ‬ ‫08‬ ‫57‬ ‫56‬ ‫07‬ ‫57‬ ‫06‬ ‫04‬ ‫07‬ ‫09‬ ‫57‬ ‫ﻭﺍﻟﻤﻁﻠﻭﺏ ﻤﻌﺭﻓﺔ ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﻫﻨﺎﻙ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﺒﻴﻥ ﻭﺴﻴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ‬ ‫ﺍﻟﻤﻘﺭﺭﻴﻥ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫901‬
‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ‬ ‫ﺍﻻﺨﺘﺒﺎﺭﻴﻥ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ : ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ‬ ‫ﺍﻻﺨﺘﺒﺎﺭﻴﻥ.‬ ‫1. ﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (Arabic‬ﻭ ﺍﻟﻤﺘﻐﻴﺭ )‪ (English‬ﻓﻲ ﺸﺎﺸﺔ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫2. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻓﻲ ﻋﻤﻭﺩ )‪ (Arabic‬ﻭﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ‬ ‫ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻓﻲ ﻋﻤﻭﺩ )‪ (English‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ :‬ ‫) ‪Non-Parametric‬‬ ‫ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ‬ ‫3. ﻤﻥ‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﻋﻴﻨﺘﻴﻥ ﻤﺭﺘﺒﻁﺘﻴﻥ )‪(2 Related Samples‬‬ ‫011‬
‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫5. ﻨﺨﺘﺎﺭ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (Arabic‬ﻭ)‪ (English‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ﺍﻟﺴﻬﻡ ﻟﻴﻨﺘﻘﻼ ﺇﻟﻰ ﺨﺎﻨﺔ ‪Test‬‬ ‫ﺃﻤﺎﻡ ﺨﺎﻨﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ‪ Sign‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪Ok‬‬ ‫‪ Pairs List‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ‬ ‫111‬
‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫ﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻋﻼﻩ ﻨﻭﺍﺘﺞ ﺘﻁﺒﻴﻕ ﺍﻻﺨﺘﺒﺎﺭ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻲ )‪ (NPar=Non-Parametric‬ﻭﻴﺘﻜﻭﻥ‬ ‫ﻤﻥ ﺠﺩﻭﻟﻴﻥ ﻭﻫﻤﺎ ﺠﺩﻭل ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ﺍﻟﻤﻌﻨﻭﻥ ﺒﻜﻠﻤﺔ ‪ Frequencies‬ﻭﺠﺩﻭل ﻨﺘﻴﺠﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﺍﻟﻤﻌﻨﻭﻥ ﺒـ ‪ Statistics Test‬ﻭﻫﻤﺎ ﻜﺎﻟﺘﺎﻟﻲ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻻﻭل‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫ﻭﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺴﺎﺒﻕ ﺃﻥ 01 ﺤﺎﻻﺕ ﻜﺎﻥ ﻓﻴﻬﺎ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺃﻜﺒﺭ ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ‬ ‫ﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻭﻴﺭﻤﺯ ﻟﺫﻟﻙ ﺒﺎﻟﺭﻤﺯ )‪ (a. English<Arabic‬ﺃﻭ ‪ Negative Differences‬ﻭﺃﻥ 8‬ ‫211‬
‫.‪(b‬‬ ‫ﺤﺎﻻﺕ ﻜﺎﻨﺕ ﻓﻴﻬﺎ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﺃﻜﺒﺭ ﻤﻥ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺭﻤﺯ ﺫﻟﻙ‬ ‫)‪ English>Arabic‬ﺃﻭ ‪ Positive Differences‬ﻭﻫﻲ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﻭﺃﻥ ﺤﺎﻟﺘﻴﻥ ﻓﻘﻁ‬ ‫ﻜﺎﻨﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻤﺎﺩﺘﻴﻥ ﻤﺘﺴﺎﻭﻴﺘﻴﻥ ﻭﺭﻤﺯ ﺫﻟﻙ )‪ (c. English=Arabic‬ﺃﻭ ‪.Ties‬‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫)‪Test Statistics (b‬‬ ‫‪English - Arabic‬‬ ‫)‪Exact Sig. (2-tailed‬‬ ‫)‪.815(a‬‬ ‫.‪a Binomial distribution used‬‬ ‫‪b Sign Test‬‬ ‫ﻭﻴﺒﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 518.0=)‪ Exact Sig. (2-tailed‬ﻭﻫﻲ‬ ‫ﺃﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﻟﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ. ﺃﻱ ﺒﻤﻌﻨﻰ ﺃﻨﻪ ﻻ‬ ‫ﻴﻭﺠﺩ ﻓﺭﻕ ﺒﻴﻥ ﻭﺴﻴﻁ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﺃﻭ ﺃﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭﻱ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻟﻬﻤﺎ‬ ‫ﻨﻔﺱ ﺍﻟﺘﻭﺯﻴﻊ.‬ ‫ﻤﻘﺎﺭﻨﺔ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻟﻌﻴﻨﺘﻴﻥ ﻤﺭﺘﺒﻁﺘﻴﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ‬ ‫ب.‬ ‫ﻭﻟﻜﻜﺴﻥ‬ ‫ﻴﻌﺘﺒﺭ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ ﺍﻗﻭﻯ ﻤﻥ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﻓﻲ ﺘﻭﻀﻴﺢ ﻭﺘﺒﻴﺎﻥ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﺘﻭﺯﻴﻊ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻭﺫﻟﻙ ﻷﻨﻪ ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﺘﺭﺘﻴﺏ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ .‬ ‫ﻤﺜﺎل 4: ﻴﻌﻁﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ ﻋﺩﺩ ﺍﻷﻤﻴﺎل ﺍﻟﺘﻲ ﺘﻘﻁﻌﻬﺎ ﻜل ﻤﻥ 21 ﺴﻴﺎﺭﺓ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﻭﻋﻴﻥ ﻤﻥ‬ ‫ﺍﻟﻭﻗﻭﺩ ‪ A‬ﻭ‪.B‬‬ ‫‪9.4 27.3 12.6 12.9 30.1 22.1 8.3 32.5 16.5 15.8 10.3 26.4 A‬‬ ‫‪8.6 25.5 11.6 13.1 28.6 22.4 7.9 30.5 17.2 16.9 9.8 24.3 B‬‬ ‫ﻓﻬل ﻤﺘﻭﺴﻁ ﺍﻷﻤﻴﺎل ﺍﻟﺘﻲ ﺘﻘﻁﻌﻬﺎ ﺍﻟﺴﻴﺎﺭﺓ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻭﻗﻭﺩ ‪ A‬ﺘﺴﺎﻭﻱ ﺍﻟﻤﺘﻭﺴﻁ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻭﻗﻭﺩ ‪B‬‬ ‫ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ‪ A‬ﻭ‪.B‬‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻴﻭﺠﺩ ﻓﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ‪ A‬ﻭ‪.B‬‬ ‫311‬
‫1. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﻘﺭﺭﻴﻥ ﻓﻲ ﻋﻤﻭﺩﻴﻥ )ﻤﺘﻐﻴﺭﻴﻥ( ﻤﺨﺘﻠﻔﻴﻥ ﻨﺴﻤﻲ ﺍﻻﻭل‬ ‫)‪ (A‬ﻭﺍﻟﺜﺎﻨﻲ )‪ (B‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ) ‪Non-Parametric‬‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﻋﻴﻨﺘﻴﻥ ﻤﺭﺘﺒﻁﺘﻴﻥ )‪(2 Related Samples‬‬ ‫411‬
‫3. ﻨﺨﺘﺎﺭ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (A‬ﻭ)‪ (B‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ﺍﻟﺴﻬﻡ ﻟﻴﻨﺘﻘﻼ ﺇﻟﻰ ﺨﺎﻨﺔ ‪Test Pairs‬‬ ‫ﺃﻤﺎﻡ ﺨﺎﻨﺔ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ‬ ‫‪ List‬ﺃﻱ ﻗﺎﺌﻤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺨﺘﺒﺭﺓ ﻭﻤﻥ ﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ‬ ‫‪Wilcoxon‬‬ ‫4. ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﺘﻅﻬﺭ ﻨﺎﺘﺞ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫511‬
‫ﺍﻟﻨﺘﺎﺌﺞ:‬ ‫ﺘﺘﻜﻭﻥ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ ﻤﻥ ﺠﺩﻭﻟﻴﻥ، ﺍﻷﻭل ﻴﺒﻴﻥ ﻤﻭﺍﺼﻔﺎﺕ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ ﻭﺍﻟﺜﺎﻨﻲ ﻴﺼﻑ‬ ‫ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ ﻭﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻷﻭل:‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺭﺘﺏ ﻋﺩﺩ ﺍﻟﺤﺎﻻﺕ‬ ‫ﻤﺠﻤﻭﻉ ﺍﻟﺭﺘﺏ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ‬ ‫611‬
‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻋﺩﺩ ﺍﻟﺤﺎﻻﺕ ﺍﻟﻜﻠﻲ ﻫﻭ 21 ﻤﻨﻬﻡ 8 ﺤﺎﻻﺕ ﻜﺎﻥ ﻓﻴﻬﺎ ﺭﺘﺏ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭ ‪B‬‬ ‫ﺃﻗل ﻤﻥ ﺭﺘﺏ ﻗﻴﻡ ‪ A‬ﻭﻜﺎﻥ ﻤﺘﻭﺴﻁ ﺭﺘﺏ ﻫﺫﻩ ﺍﻟﺤﺎﻻﺕ ﻫﻭ 57.7 ﺒﻤﺠﻤﻭﻉ ﺭﺘﺏ 26 ﻭﻴﺭﻤﺯ ﻟﺫﻟﻙ‬ ‫ﺒﺎﻟﺭﻤﺯ )‪ (a. B<A‬ﺃﻭ ‪ ،Negative Ranks‬ﻭﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻴﻀﺎ ﺃﻥ ﻫﻨﺎﻙ 4 ﺤﺎﻻﺕ ﻜﺎﻨﺕ ﻓﻴﻬﺎ‬ ‫ﺭﺘﺏ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭ ‪ B‬ﺃﻜﺒﺭ ﻤﻥ ‪ ، A‬ﻭﻤﺘﻭﺴﻁ ﺘﻠﻙ ﺍﻟﺭﺘﺏ 4 ﻭﺒﻤﺠﻤﻭﻉ ﺍﻟﺭﺘﺏ ﻫﻭ 61 ﻭﺭﻤﺯ ﺫﻟﻙ ﻓﻲ‬ ‫ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ )‪ (b. B>A‬ﺃﻭ ‪ Positive Ranks‬ﻭﺃﻨﻪ ﻻ ﺘﻭﺠﺩ ﺤﺎﻻﺕ ﻜﺎﻨﺕ ﺭﺘﺏ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ‬ ‫ﻤﺘﺴﺎﻭﻴﺔ ﻭﺭﻤﺯ ﺫﻟﻙ )‪ (c. A=B‬ﺃﻭ ‪.Ties‬‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ:‬ ‫ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ ﻤﻌﺘﻤﺩﺍ ﻋﻠﻰ ﺘﻘﺭﻴﺏ ﺍﺨﺘﺒﺎﺭ ‪Z‬‬ ‫ﹰ‬ ‫ﺍﻟﻁﺒﻴﻌﻲ ﻭﻫﻲ -408.1 ﻭ ﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﻻﺤﻅ ﺃﻥ ﺃﻗل ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ .‪Asymp‬‬ ‫170.0=)‪ Sig. (2- tailed‬ﻭﻫﻲ ﺃﻜﺒﺭ ﻤﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪α‬‬ ‫ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫711‬
‫3. ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ-ﻭﻴﺘﻨﻲ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻭﺴﻴﻁ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ. ‪Mann Whitney‬‬ ‫‪Test‬‬ ‫ﻴﺴﺘﺨﺩﻡ ﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻨﺩﻤﺎ ﻻ ﺘﺘﻭﺍﻓﺭ ﺸﺭﻭﻁ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ، ﺃﻱ ﺃﻥ ﻴﻜﻭﻥ‬ ‫ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﻭﺯﻴﻌﺎ ﻁﺒﻴﻌﻴﺎ ﺃﻭ ﺃﻥ ﺘﻜﻭﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻭﻓﺭﺓ ﻫﻲ ﺭﺘﺏ ﺍﻟﻘﻴﻡ ﻭﻟﻴﺴﺕ ﻗﻴﻤﻬﺎ، ﻭﻋﻠﻴﻪ‬ ‫ﹰ‬ ‫ﹰ‬ ‫ﻓﺈﻥ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻻ ﻴﻌﻤل ﻓﻲ ﻫﻜﺫﺍ ﺤﺎﻻﺕ ﻤﻤﺎ ﺘﻀﻁﺭ ﻻﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ، ﺤﻴﺙ ﺃﻨﻪ ﻴﻌﺘﻤﺩ‬ ‫ﻓﻲ ﻋﻤﻠﻪ ﻋﻠﻰ ﺭﺘﺏ ﺍﻟﻘﻴﻡ.‬ ‫ﻤﺜﺎل 5: ﻻﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ ﻟﻤﺠﻤﻭﻋﺔ ﻜﺒﻴﺭﺓ ﻤﻥ ﺍﻟﻁﻠﺒﺔ، ﻗﺎﻡ ﺍﻟﻤﺩﺭﺱ ﺒﻭﻀﻊ ﻤﺠﻤﻭﻋﺘﻴﻥ ﻤﻥ ﺍﻻﺴﺌﻠﺔ‬ ‫ﺃﻋﻁﻰ ﺍﻟﻤﺠﻤﻭﻋﺔ ﻟﻠﻁﻠﺒﺔ ﺍﻷﻭﻟﻰ ﺍﻟﺫﻴﻥ ﻴﺠﻠﺴﻭﻥ ﻋﻠﻰ ﺍﻟﻤﻘﺎﻋﺩ ﺫﺍﺕ ﺍﻻﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ، ﻭﺍﻟﻤﺠﻤﻭﻋﺔ‬ ‫ﺍﻟﺜﺎﻨﻴﺔ ﻟﻠﻁﻠﺒﺔ ﺍﻟﺫﻴﻥ ﻴﺠﻠﺴﻭﻥ ﻋﻠﻰ ﺍﻟﻤﻘﺎﻋﺩ ﺫﺍﺕ ﺍﻻﺭﻗﺎﻡ ﺍﻟﺯﻭﺠﻴﺔ. ﻫل ﻤﺠﻤﻭﻋﺘﺎ ﺍﻻﺴﺌﻠﺔ ﻤﺘﻜﺎﻓﺌﺔ ﺃﻡ‬ ‫ﻻ؟ ﻭﻻﺨﺘﺒﺎﺭ ﻫﺫﻩ ﺍﻟﻔﺭﻀﻴﺔ، ﻗﺎﻡ ﺍﻟﻤﺩﺭﺱ ﺒﺭﺼﺩ ﺒﻌﺽ ﺍﻟﻌﻼﻤﺎﺕ ﻤﻥ ﻜل ﻤﻥ ﺍﻟﻤﺠﻤﻭﻋﺘﻴﻥ ﻭﻜﺎﻨﺕ‬ ‫ﺍﻟﻌﻼﻤﺎﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ‬ ‫27‬ ‫25‬ ‫26‬ ‫87‬ ‫19‬ ‫65‬ ‫88‬ ‫09‬ ‫09‬ ‫56‬ ‫47‬ ‫68‬ ‫89‬ ‫46‬ ‫08‬ ‫09‬ ‫18‬ ‫94‬ ‫17‬ ‫87‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺘﻲ ﺍﻻﺴﺌﻠﺔ.‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ : ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺘﻲ ﺍﻻﺴﺌﻠﺔ. ﻋﻠﻰ ﻤﺴﺘﻭﻯ‬ ‫ﺍﻟﺩﻻﻟﺔ 1.0 = ‪α‬‬ ‫1. ﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ)‪ (Degree‬ﻟﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻭﺍﻟﻤﺘﻐﻴﺭ )‪ (Group‬ﻜﻤﺘﻐﻴﺭ ﻨﻭﻋﻲ ﻭﻟﻴﻜﻥ‬ ‫ﺍﻟﻜﻭﺩ ﻫﻭ ) ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻻﻭﻟﻰ=1، ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ=2(.‬ ‫2. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Degree‬ﺼﺎﺤﺏ ﺍﻟﺩﺭﺠﺔ ﻤﻥ ﺃﻱ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ‬ ‫ﺍﻟﻤﺘﻐﻴﺭ )‪ (Group‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ.‬ ‫811‬
‫3. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ) ‪Non-Parametric‬‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﻋﻴﻨﺘﻴﻥ ﻤﺴﺘﻘﻠﺘﻴﻥ )‪(2 Independent Samples‬‬ ‫911‬
‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫5. ﻨﻨﻘل ﻋﺒﺭ ﺍﻟﺴﻬﻡ ﻤﺘﻐﻴﺭ ﺍﻟﺩﺭﺠﺎﺕ )‪ (Degree‬ﺇﻟﻰ ﺨﺎﻨﺔ ‪ Test Variable List‬ﻭﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺔ )‪ (Group‬ﻟﻠﺨﺎﻨﺔ ‪.Grouping Variable‬‬ ‫021‬
‫2‬ ‫1‬ ‫6. ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Define‬ﻟﺘﻌﺭﻴﻑ ﻜﻭﺩ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﻲ ﻴﻨﺘﻤﻲ ﺇﻟﻴﻬﺎ ﺍﻟﻁﺎﻟﺏ ﻜﻤﺎ ﻫﻭ‬ ‫ﻤﻌﺭﻑ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ )‪.(Group‬‬ ‫7. ﻨﻌﺭﻑ ﺍﻟﻜﻭﺩ ) ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ =1 ﻭﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ =2( ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫8. ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻟﻺﺴﺘﻤﺭﺍﺭ ﻭﺍﻟﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻭﺘﺄﻜﺩ ﻤﻥ ﺃﻨﻙ ﻗﺩ‬ ‫ﺍﺨﺘﺭﺕ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ ﻭﻤﻥ ﺜﻡ ﺍﻀﻐﻁ ‪Ok‬‬ ‫121‬
‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ- ﻭﻴﺘﻨﻲ‬ ‫ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ ﻴﺘﻜﻭﻥ ﻤﻥ ﺠﺩﻭﻟﻴﻥ، ﺍﻟﺠﺩﻭل ﺍﻷﻭل ﻴﺼﻑ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ ﻭﺍﻟﺜﺎﻨﻲ ﻴﺼﻑ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻷﻭل‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺭﺘﺏ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻤﺠﻤﻭﻉ ﺍﻟﺭﺘﺏ‬ ‫221‬
‫ﻴﺼﻑ ﺍﻟﺠﺩﻭل ﺍﻷﻭل ﺍﻟﻌﻴﻨﺘﻴﻥ ﺤﻴﺙ ﻴﻅﻬﺭ ﻟﻨﺎ ﺃﻥ ﺤﺠﻡ ﻋﻴﻨﺔ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ 01 ﻭﻤﺘﻭﺴﻁ ﺭﺘﺒﻬﻡ‬ ‫6.8 ﻭﻤﺠﻤﻭﻉ ﻫﺫﻩ ﺍﻟﺭﺘﺏ 68، ﺃﻤﺎ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻠﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ ﻓﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ 01 ﻭﻤﺘﻭﺴﻁ ﺍﻟﺭﺘﺏ‬ ‫4.21 ﺒﻤﺠﻤﻭﻉ ﻗﺩﺭﻩ 421 ﻭﺃﻥ ﺍﻟﻌﻴﻨﺔ ﺍﻟﻜﻠﻴﺔ 02.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ ﻫﻲ 13. ﻭﺃﺨﻴﺭﺍ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻘﺒﻭل ﺃﻭ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ‬ ‫ﹰ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ ﻓﻤﻥ ﺍﻟﻭﺍﻀﺢ ﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 051.0= )‪Asymp. Sig. (2-tailed‬‬ ‫ﻭﻫﻲ ﺍﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫321‬
‫4. ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل-ﻭﺍﻻﺱ ﻟﻤﻘﺎﺭﻨﺔ ﺘﻭﺯﻴﻊ ﻋﺩﺓ ﻤﺠﺘﻤﻌﺎﺕ ﻤﺴﺘﻘﻠﺔ -‪Kruskal‬‬ ‫‪Wallis‬‬ ‫ﻴﻌﺘﺒﺭ ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل ﻭﺍﻻﺱ ﺘﻌﻤﻴﻡ ﻻﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ ﻭﻫﻭ ﻴﺴﺘﺨﺩﻡ ﻟﻤﻘﺎﺭﻨﺔ ﺘﻭﺯﻴﻊ 3 ﻋﻴﻨﺎﺕ‬ ‫ﻓﺄﻜﺜﺭ ﻤﻥ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ، ﻭﻋﺎﺩﺓ ﻤﺎ ﻴﻁﺒﻕ ﻋﻨﺩﻤﺎ ﻻ ﺘﺘﻭﺍﻓﺭ ﺸﺭﻭﻁ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‬ ‫ﺍﻻﺤﺎﺩﻱ ﺃﻭ ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻭﺍﻓﺭﺓ ﻫﻲ ﺒﻴﺎﻨﺎﺕ ﺘﺭﺘﻴﺒﻴﺔ ﻭﻫﻭ ﻴﻌﻤل ﻋﻠﻰ:‬ ‫1. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻭﺴﻴﻁ 3 ﻋﻴﻨﺎﺕ ﻓﺄﻜﺜﺭ.‬ ‫2. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ.‬ ‫3. ﺍﺨﺘﺒﺎﺭ ﻫل ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﻗﻴﺩ ﺍﻟﺩﺭﺍﺴﺔ ﻟﻬﺎ ﻨﻔﺱ ﺍﻟﺘﻭﺯﻴﻊ.‬ ‫4. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ )ﺍﻥ ﺘﻌﺫﺭ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻕ ﺍﻟﻤﻌﻠﻤﻴﺔ(.‬ ‫ﻭﺘﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺎﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫0 ‪ : H‬ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ )ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ، ﻭﺴﻴﻁ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ، ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ(.‬ ‫‪ : H a‬ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ )ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ، ﻭﺴﻴﻁ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ، ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ(.‬ ‫ﻤﺜﺎل 6: ﻓﻲ ﺩﺭﺍﺴﺔ ﻟﻤﻘﺎﺭﻨﺔ ﻫل ﺘﻌﺘﻤﺩ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻋﻠﻰ ﺍﻟﺘﺨﺼﺹ ﻓﻲ ﻤﻘﺭﺭ ﻤﺒﺎﺩﺉ ﺍﻻﺤﺼﺎﺀ‬ ‫ﻗﺎﻡ ﻤﺩﺭﺱ ﺒﺎﻋﻁﺎﺀ ﺍﻤﺘﺤﺎﻥ ﻟﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﻘﺭﺭ ﻭﻤﻥ ﺜﻡ ﺭﺼﺩ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﺩﺭﺠﺎﺕ‬ ‫ﻭﻜﺎﻨﺕ ﺍﻟﺩﺭﺠﺎﺕ ﺤﺴﺏ ﺍﻟﺘﺨﺼﺹ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫ﺍﻟﺘﻨﻤﻴﺔ‬ ‫ﺍﻟﺘﺭﺒﻴﺔ‬ ‫ﺍﻟﺤﺎﺴﻭﺏ‬ ‫08 09 05‬ ‫07 56 07‬ ‫57 55 56‬ ‫13 04 04‬ ‫04 57 08‬ ‫53 03 54‬ ‫59 58 24‬ ‫07 55 53‬ ‫09 08 56‬ ‫56 57 89‬ ‫54 55 56‬ ‫26 06 56‬ ‫57 09 58‬ ‫87 47 03‬ ‫86‬ ‫58 04 77‬ ‫88 28‬ ‫09 59‬ ‫ﻭﺍﻟﻤﻁﻠﻭﺏ ﺩﺭﺍﺴﺔ ﻤﺎ ﺇﺫﺍ ﺘﻭﺠﺩ ﻓﺭﻭﻕ ﺒﻴﻥ ﺘﻭﺯﻴﻊ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﺘﺨﺼﺼﺎﺕ ﺍﻟﺜﻼﺜﺔ ﺃﻋﻼﻩ‬ ‫ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫0 ‪ : H‬ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﻡ. ﺍﻻﺤﺼﺎﺀ‬ ‫‪ : H a‬ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﻡ. ﺍﻻﺤﺼﺎﺀ‬ ‫ﻭﻟﻠﻘﻴﺎﻡ ﺒﺫﻟﻙ ﺴﻨﻘﻭﻡ ﺒﺎﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل-ﻭﻻﺱ ﻭﻴﺘﻤﺜل ﺫﻟﻙ ﺒﺎﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ‬ ‫421‬
‫1. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺒﻤﺘﻐﻴﺭ )ﺍﻟﺩﺭﺠﺔ( ﻭﻭﻤﺘﻐﻴﺭ )ﺍﻟﺘﺨﺼﺹ( ﻟﻴﺩل ﻋﻠﻰ ﻤﺼﺩﺭ‬ ‫ﺍﻟﺩﺭﺠﺔ ﻭﻟﻴﻜﻥ ﺍﻟﻜﻭﺩ ﻫﻭ ) ﺤﺎﺴﻭﺏ=1، ﺘﺭﺒﻴﺔ=2، ﺘﻨﻤﻴﺔ=3( ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ ﻤﻥ ﺃﻱ‬ ‫ﺍﻟﺘﺨﺼﺼﺎﺕ، ﻭﺫﻟﻙ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ) ‪Non-Parametric‬‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ )‪(k Independent Samples‬‬ ‫521‬
‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4. ﻭﻨﻨﻘل ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﺍﻟﻤﺘﻐﻴﺭ )ﺍﻟﺩﺭﺠﺔ( ﺇﻟﻰ ﺨﺎﻨﺔ ‪ Test Variable List‬ﻭﻤﺘﻐﻴﺭ‬ ‫)ﺍﻟﺘﺨﺼﺹ( ﻟﻠﺨﺎﻨﺔ ‪.Grouping Variable‬‬ ‫621‬
‫2‬ ‫1‬ ‫5. ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ ‪ Kruskal-Wallis H‬ﺇﺫﺍ ﻟﻡ ﺘﻜﻥ ﻓﻲ ﺨﺎﻨﺘﻬﺎ ﻋﻼﻤﺔ،ﻭﻨﻀﻐﻁ ﻋﻠﻰ‬ ‫‪ Define‬ﻟﺘﻌﺭﻴﻑ ﻤﺩﻯ ﻜﻭﺩ ﻤﺘﻐﻴﺭ )ﺍﻟﺘﺨﺼﺹ( ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫6. ﻨﻀﻊ ﺃﺼﻐﺭ ﻗﻴﻤﺔ ﻟﻜﻭﺩ ﻤﺘﻐﻴﺭ )ﺍﻟﺘﺨﺼﺹ( ﻭﻫﻲ 1 ﻭﺃﻋﻠﻰ ﻗﻴﻤﺔ ﻭﻫﻲ 3 ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل‬ ‫ﺃﻋﻼﻩ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻓﻴﺘﻐﻴﺭ ﺍﻟﺸﻜل ﻋﻠﻰ‬ ‫ﺍﻟﻨﺤﻭ ﺍﻟﺘﺎﻟﻲ:‬ ‫7. ﻨﻼﺤﻅ ﻅﻬﻭﺭ ﺍﻻﺭﻗﺎﻡ 1 ﻭ3 ﺒﺠﺎﻨﺏ ﺍﻟﻤﺘﻐﻴﺭ )ﺍﻟﺘﺨﺼﺹ( ﻭﺫﻟﻙ ﺒﻨﺎﺀ ﻋﻠﻰ ﺍﻟﺘﻌﺭﻴﻑ ﺍﻟﺴﺎﺒﻕ‬ ‫ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﻴﻅﻬﺭ ﻨﺎﺘﺞ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻠﻰ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫721‬
‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل- ﻭﺍﻻﺱ‬ ‫ﻴﺘﻜﻭﻥ ﺍﻟﻨﺎﺘﺞ ﻤﻥ ﺠﺩﻭﻟﻴﻥ ﺍﻻﻭل ﻭﻫﻭ ﺍﻟﺨﺎﺹ ﺒﻭﺼﻑ ﻨﺘﺎﺌﺞ ﺍﻟﻌﻴﻨﺎﺕ ﻭﺍﻟﺜﺎﻨﻲ ﻴﺤﺴﺏ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫ﻜﺭﻭﺴﻜﺎل– ﻭﺍﻻﺱ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻷﻭل )ﻭﺼﻑ ﺍﻟﻌﻴﻨﺎﺕ(‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺭﺘﺏ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻷﻭل ﻭﻫﻭ ﺍﻟﻤﻌﻨﻭﻥ ‪ Ranks‬ﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ ﻭﻤﺘﻭﺴﻁ ﺭﺘﺏ ﻜل ﻋﻴﻨﺔ ﺤﻴﺙ ﻴﺒﻴﻥ ﺃﻥ‬ ‫ﺤﺠﻡ ﻋﻴﻨﺔ ﺍﻟﺤﺎﺴﻭﺏ ﻫﻭ 02 ﻭﻤﺘﻭﺴﻁ ﺭﺘﺏ ﺩﺭﺠﺎﺘﻬﻡ 57.03 ﺍﻤﺎ ﺤﺠﻡ ﻋﻴﻨﺎﺕ ﺍﻟﺘﺭﺒﻴﺔ ﻭﺍﻟﺘﻨﻤﻴﺔ ﻋﻠﻰ‬ ‫821‬
‫ﺍﻟﺘﻭﺍﻟﻲ ﻫﻡ 71 ﻭ31( ﺒﻤﺘﻭﺴﻁ ﺭﺘﺏ ﻗﺩﺭﻩ )14.22، 64.12( ﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﻤﺠﻤﻭﻉ ﺤﺠﻭﻡ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻫﻭ 05 ﺩﺭﺠﺔ.‬ ‫ﺜﺎﻨﻴﺎ: ﺠﺩﻭل ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﹰ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل‬ ‫ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻴﺒﻴﻥ ﺠﺩﻭل ﺍﻟﻨﺘﺎﺌﺞ ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل-ﻭﺍﻻﺱ ﻫﻲ 473.4 ﺒﺩﺭﺠﺔ ﺤﺭﻴﺔ 2 )ﻋﺩﺩ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻨﺎﻗﺼﺎ 1( ﻭﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 211.0= .‪ Asymp. Sig‬ﺃﻱ ﺃﻜﺒﺭ ﻤﻥ ﻗﻴﻤﺔ‬ ‫ﹰ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﺘﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﺘﻭﺯﻴﻊ ﺩﺭﺠﺎﺕ ﺍﻟﺘﺨﺼﺼﺎﺕ‬ ‫ﺍﻟﺜﻼﺜﺔ.‬ ‫921‬
‫5. ﺍﺨﺘﺒﺎﺭ ﺍﻻﺴﺘﻘﻼﻟﻴﺔ‬ ‫ﻤﺜﺎل 7: ﻓﻲ ﺩﺭﺍﺴﺔ ﻟﻠﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻟﺘﻘﺩﻴﺭ ﺍﻟﺫﻱ ﻴﺤﺼل ﻋﻠﻴﻪ ﺍﻟﻁﺎﻟﺏ ﻓﻲ ﺍﻟﺠﺎﻤﻌﺔ ﻭﺠﻨﺴﻪ ﺃﺨﺫﺕ ﻋﻴﻨﺔ‬ ‫ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﻁﻼﺏ ﺍﻟﺫﻜﻭﺭ ﻭ ﺍﻻﻨﺎﺙ ﻭﻜﺎﻨﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫ﺃﻭﻻ: ﺍﻻﻨﺎﺙ‬ ‫ﹰ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻘﺒﻭل‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ ﺠﺩﺍ ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ ﺠﺩﺍ ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻘﺒﻭل‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻘﺒﻭل‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺜﺎﻨﻴﺎ: ﺍﻟﺫﻜﻭﺭ‬ ‫ﹰ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻘﺒﻭل‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻘﺒﻭل‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﻤﻘﺒﻭل‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻘﺒﻭل‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺠﻴﺩ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﻭﺍﻟﻤﻁﻠﻭﺏ ﻫل ﺘﻭﺤﺩ ﻋﻼﻗﺔ ﺒﻴﻥ ﺘﻘﺩﻴﺭ ﺍﻟﻁﺎﻟﺏ ﻭﺠﻨﺴﻪ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﺘﻘﺩﻴﺭ ﺍﻟﻁﺎﻟﺏ ﻻ ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﺠﻨﺴﻪ )ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﻭﺍﻟﺘﻘﺩﻴﺭ ﻤﺴﺘﻘﻼﻥ(‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﺘﻘﺩﻴﺭ ﺍﻟﻁﺎﻟﺏ ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﺠﻨﺴﻪ )ﺘﻭﺠﺩ ﻋﻼﻗﺔ ﺒﻴﻥ ﺠﻨﺱ ﺍﻟﻁﺎﻟﺏ ﻭﺘﻘﺩﻴﺭﻩ(‬ ‫1. ﻨﻌﺭﻑ ﻤﺘﻐﻴﺭﻴﻥ ﻨﻭﻋﻴﻴﻥ ﻫﻤﺎ )‪ (Result‬ﻭ )‪ (Gender‬ﻓﻲ ﺸﺎﺸﺔ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﺤﻴﺙ‬ ‫ﻴﻜﻭﻥ ﻜﻭﺩ ﻤﺘﻐﻴﺭ )‪ (Result‬ﻫﻭ )0= ﺭﺍﺴﺏ، 1=ﻤﻘﺒﻭل، 2=ﺠﻴﺩ، 3 ﺠﻴﺩ ﺠﺩﹰ، 4=ﻤﻤﺘﺎﺯ(‬ ‫ﺍ‬ ‫ﻭﻜﻭﺩ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Gender‬ﻫﻭ )1=ﺫﻜﺭ، 2=ﺍﻨﺜﻰ(‬ ‫2. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫031‬
‫3. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ ‪Descriptive‬‬ ‫‪ Statistics‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ ‪ Cross tabs‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ :‬ ‫131‬
‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫2‬ ‫1‬ ‫5. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Result‬ﻟﺨﺎﻨﺔ ﺍﻟﺼﻔﻭﻑ ‪ Rows‬ﻭﺍﻟﻤﺘﻐﻴﺭ ‪ Gender‬ﻟﺨﺎﻨﺔ ﺍﻷﻋﻤﺩﺓ‬ ‫‪ Columns‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻷﺴﻬﻡ .‬ ‫231‬
‫6. ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Statistics‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫2‬ ‫7. ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺭﺒﻊ ﻜﺎﻱ ‪ Chi-Square‬ﻟﺤﺴﺎﺏ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺴﺘﻘﻼﻟﻴﺔ ﻭﻤﻥ‬ ‫ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ‬ ‫331‬
‫8. ﻻﻅﻬﺎﺭ ﺠﺩﻭل ﺍﻟﺘﻭﻗﻌﺎﺕ ﻨﻀﻐﻁ ﻋﻠﻰ ﺯﺭ ‪ Cell‬ﻟﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4‬ ‫9. ﻨﺨﺘﺎﺭ ﺍﻟﺨﻴﺎﺭ ‪ Expected‬ﺠﺩﻭل ﺘﻭﻗﻌﺎﺕ ﻅﻬﻭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪Continue‬‬ ‫ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ.‬ ‫431‬
‫ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ.‬ ‫01.‬ ‫531‬
‫ﺍﻟﻨﺘﺎﺌﺞ‬ ‫631‬
‫ﺘﺘﻜﻭﻥ ﻨﺘﺎﺌﺞ ﺍﻷﻤﺭ ‪ Cross tabulation‬ﻤﻥ ﺜﻼﺜﺔ ﺠﺩﺍﻭل، ﺍﻷﻭل ﻴﺼﻑ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ‬ ‫ﻭﻨﺴﺏ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻔﻘﻭﺩﺓ، ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻴﺒﻴﻥ ﺠﺩﻭل ﺘﻭﺯﻴﻊ ﺍﻟﻌﻴﻨﺔ ﺤﺴﺏ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻭﺍﻟﻘﻴﻡ ﺍﻟﻤﺘﻭﻗﻌﺔ‬ ‫ﺤﺴﺏ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺴﺘﻘﻼﻟﻴﺔ ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻟﺙ ﻴﺒﻴﻥ ﻨﺘﻴﺠﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺭﺒﻊ ﻜﺎﻱ.‬ ‫ﻋﺩﺩ ﺍﻟﺫﻜﻭﺭ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ:‬ ‫ﺍﻟﺭﺍﺴﺒﻴﻥ‬ ‫ﺘﻭﻗﻊ ﺍﻟﺫﻜﻭﺭ‬ ‫ﺍﻟﺭﺍﺴﺒﻴﻥ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ 27، ﻋﺩﺩ ﺍﻟﺫﻜﻭﺭ 73 ) ﻤﻨﻬﻡ 21 ﺭﺍﺴﺏ ﻭﻗﻴﻤﺘﻬﺎ‬ ‫ﺍﻟﻤﺘﻭﻗﻌﺔ 67.9، 5 ﻤﻘﺒﻭل ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ 86.6، 9 ﺠﻴﺩ ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ 47.8، 5 ﺠﻴﺩﺠﺩﺍ‬ ‫ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ71.6 ، ﻭ6 ﻤﻤﺘﺎﺯ ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ56.5 ( ﻭﺍﻻﻨﺎﺙ 53 ) ﻤﻨﻬﻡ 7 ﺭﺍﺴﺏ ﻭﻗﻴﻤﺘﻬﺎ‬ ‫ﺍﻟﻤﺘﻭﻗﻌﺔ42.9 ، 8 ﻤﻘﺒﻭل ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ 23.6، 8 ﺠﻴﺩ ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ 62.8، 7 ﺠﻴﺩﺠﺩﺍ‬ ‫ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ 38.5، ﻭ5 ﻤﻤﺘﺎﺯ ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ53.5(.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻟﺙ:‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ‬ ‫ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫731‬
‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺭﺒﻊ ﻜﺎﻱ ﻫﻲ 734.2 ﺒﺩﺭﺠﺔ ﺤﺭﻴﺔ ﻤﻘﺎﺩﺭﻫﺎ 4‬ ‫ﻗﺒﻭل ﻭﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺎﺕ‬ ‫ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼ ﻴﺘﺒﻴﻥ ﺃﻥ ﺃﻗل ﻗﻴﻤﺔ ﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ ﻫﻲ 656.0= )‪Asymp. Sig. (2-sided‬‬ ‫ﻭﻫﻲ ﺍﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 500.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺹ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺃﻱ ﺃﻥ‬ ‫ﺘﻘﺩﻴﺭ ﺍﻟﻁﺎﻟﺏ ﻻ ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﺠﻨﺴﻪ.‬ ‫6. ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ ‪Goodness of Fit‬‬ ‫ﻴﻌﻁﻴﻙ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺍﻤﻜﺎﻨﻴﺔ ﻤﻘﺎﺭﻨﺔ ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻤﻊ ﻋﺩﺓ ﺘﻭﺯﻴﻌﺎﺕ ﺍﻻﺤﺘﻤﺎﻟﻴﺔ ﻭﻫﻲ ﺍﻟﺘﻭﺯﻴﻊ‬ ‫ﺍﻟﻁﺒﻴﻌﻲ ﻭﺘﻭﺯﻴﻊ ﺒﻭﺍﺴﻭﻥ ﻭﺘﻭﺯﻴﻊ ﺍﻻﺴﻲ ﻭﺍﻟﻤﻨﺘﻅﻡ، ﺤﻴﺙ ﻴﻌﻤل ﻋﻠﻰ ﺩﺭﺍﺴﺔ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﺘﻭﺯﻴﻊ‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺩﺍﻟﺔ ﺍﻟﻜﺜﺎﻓﺔ ﺍﻻﺤﺘﻤﺎﻟﻴﺔ ﻟﻠﺘﻭﺯﻴﻌﺎﺕ ﺍﻷﺭﺒﻌﺔ ﺍﻟﻤﺨﺘﻠﻔﺔ.‬ ‫ﻤﺜﺎل 8: ﺘﻤﺜل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ ﻋﺩﺩ ﺍﻻﺸﺨﺎﺹ ﺍﻟﺫﻴﻥ ﺘﻨﺎﻭﻟﻭﺍ ﻁﻌﺎﻡ ﺍﻟﻌﺸﺎﺀ ﻓﻲ ﻤﻁﻌﻡ ﺼﻐﻴﺭ ﻋﻠﻰ‬ ‫ﻤﺩﻯ 05 ﻴﻭﻤﺎ:‬ ‫ﹰ‬ ‫02‬ ‫21‬ ‫61‬ ‫91‬ ‫42‬ ‫6‬ ‫01‬ ‫1‬ ‫51‬ ‫32‬ ‫8‬ ‫03‬ ‫52‬ ‫7‬ ‫01‬ ‫8‬ ‫61‬ ‫42‬ ‫22‬ ‫8‬ ‫21‬ ‫01‬ ‫5‬ ‫41‬ ‫72‬ ‫02‬ ‫12‬ ‫61‬ ‫81‬ ‫21‬ ‫61‬ ‫32‬ ‫02‬ ‫4‬ ‫71‬ ‫72‬ ‫91‬ ‫61‬ ‫8‬ ‫6‬ ‫9‬ ‫7‬ ‫21‬ ‫41‬ ‫91‬ ‫22‬ ‫02‬ ‫61‬ ‫41‬ ‫51‬ ‫ﻴﺘﺒﻊ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﻁﺒﻴﻌﻲ ﻋﻨﺩ ﻤﺴﺘﻭﻯ‬ ‫ﺘﻨﺎﻭﻟﻭﺍ ﺍﻟﻌﺸﺎﺀ ﻓﻲ ﺍﻟﻤﻁﻌﻡ‬ ‫ﻓﻬل ﻤﺘﻐﻴﺭ ﻋﺩﺩ ﺍﻻﺸﺨﺎﺹ ﺍﻟﺫﻴﻥ‬ ‫ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻤﺘﻐﻴﺭ ﻋﺩﺩ ﻋﺩﺩ ﺍﻻﺸﺨﺎﺹ ﺍﻟﺫﻴﻥ ﺘﻨﺎﻭﻟﻭﺍ ﺍﻟﻌﺸﺎﺀ ﻓﻲ ﺍﻟﻤﻁﻌﻡ ﻴﺘﺒﻊ ﺍﻟﺘﻭﺯﻴﻊ‬ ‫ﺍﻟﻁﺒﻴﻌﻲ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻋﺩﺩ ﺍﻻﺸﺨﺎﺹ ﺍﻟﺫﻴﻥ ﺘﻨﺎﻭﻟﻭﺍ ﺍﻟﻌﺸﺎﺀ ﻓﻲ ﺍﻟﻤﻁﻌﻡ ﻻ ﻴﺘﺒﻊ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﻁﺒﻴﻌﻲ.‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ﻨﺴﻤﻴﻪ ‪ Dinner‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫831‬
‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﺍﻻﺤﺼﺎﺀﺍﺕ ﺍﻟﻐﻴﺭ ﺒﺎﺭﺍﻤﺘﺭﻴﺔ -‪Non‬‬ ‫‪ Parametric Test‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ ‪1-Sample K-S‬‬ ‫931‬
‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Dinner‬ﻟﺨﺎﻨﺔ ‪ Test Variable List‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫5. ﻴﻤﻜﻨﻙ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺃﻋﻼﻩ ﻤﻥ ﺍﺨﺘﻴﺎﺭ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﺫﻱ ﺘﺭﻴﺩ ﺍﺨﺘﺒﺎﺭﻩ ﻫل ﻫﻭ ﺘﻭﺯﻴﻊ‬ ‫ﻁﺒﻴﻌﻲ ‪ Normal‬ﺃﻭ ﺒﻭﺍﺴﻭﻥ ‪ Poisson‬ﺃﻭ ﻤﻨﺘﻅﻡ ‪ Uniform‬ﺃﻭ ﺃﺴﻲ ‪Exponential‬‬ ‫ﻓﻨﺨﺘﺎﺭ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﻁﺒﻴﻌﻲ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺃﻋﻼﻩ ﻭﻨﻀﻐﻁ ‪ Ok‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ :‬ ‫041‬
‫ﺍﻟﻨﺘﺎﺌﺞ:‬ ‫‪NPar Tests‬‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻠﺒﻴﺎﻨﺎﺕ‬ ‫ﺃﻜﺒﺭ ﻓﺭﻕ ﺒﻴﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺩﺍﻟﺔ ﺍﻟﺘﻭﺯﻴﻊ‬ ‫ﺍﻻﺤﺘﻤﺎﻟﻴﺔ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﺘﺒﻴﻥ ﺍﻟﻨﺘﺎﺌﺞ ﺃﻋﻼﻩ ﺃﻥ ﻤﺘﻭﺴﻁ ﻋﺩﺩ ﺍﻟﺯﺒﺎﺌﻥ ﻫﻭ 62.51 ﺒﺎﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 287.6 ﻭﺃﻥ ﻗﻴﻤﺔ‬ ‫ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ ﻫﻭ 375.0.‬ ‫ﺍﻟﻘﺒﻭل ﻭﺍﻟﺭﻓﺽ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺴﺎﺒﻕ ﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 898.0= )‪Asymp. Sig. (2-tailed‬‬ ‫ﻭﻫﻲ ﺍﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ ، α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ، ﺃﻱ‬ ‫ﺃﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﺘﺒﻊ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﻁﺒﻴﻌﻲ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺴﺘﻨﺘﺞ ﺍﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﺘﺒﻊ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﻁﺒﻴﻌﻲ ﺒﻤﺘﻭﺴﻁ ﻗﺩﺭﻩ‬ ‫62.51 ﻭﺍﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ 287.6 ﺃﻱ ) 287.6 ,62.51( ‪. X : N‬‬ ‫ﻤﺜﺎل 9: ﺍﺨﺘﺒﺭ ﻫل ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻫﻭ ﺘﻭﺯﻴﻊ )ﺒﻭﺍﺴﻭﻥ، ﺍﺴﻲ(‬ ‫ﻨﻘﻭﻡ ﺒﺎﻟﺨﻁﻭﺍﺕ ﺍﻟﺴﺎﺒﻘﺔ ﻟﻜﻥ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﺒﻭﺍﺴﻭﻥ ‪ Poison‬ﻭﺍﻻﺴﻲ ‪ Exponential‬ﻟﻨﺤﺼل‬ ‫ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ :‬ ‫141‬
‫ﺸﺭﺡ: ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺍﻥ ﻜﺎﻥ ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫﻭ ﺘﻭﺯﻴﻊ ﺒﻭﺍﺴﻭﻥ‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫)ﻤﻌﺩل ﺒﻭﺍﺴﻭﻥ( ﺒﻨﺎﺀﺍ ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﹰ‬ ‫ﺃﻜﺒﺭ ﻓﺭﻕ ﺒﻴﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺩﺍﻟﺔ ﺍﻟﺘﻭﺯﻴﻊ‬ ‫ﺍﻻﺤﺘﻤﺎﻟﻴﺔ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻴﺘﺒﻴﻥ ﺃﻥ ﻤﺘﻭﺴﻁ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫﻭ 62.51 ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ ﻫﻭ‬ ‫963.1 ﻭﺃﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻭ 740.0 ﺃﺼﻐﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ 50.0 = ‪α‬‬ ‫ﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺴﺘﻨﺘﺞ ﺍﻥ ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻟﻴﺱ ﺘﻭﺯﻴﻊ ﺒﻭﺍﺴﻭﻥ.‬ ‫ﺸﺭﺡ: ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺍﻥ ﻜﺎﻥ ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫﻭ ﺘﻭﺯﻴﻊ ﺃﺴﻲ‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫)ﻤﻌﺩل ﺒﻭﺍﺴﻭﻥ(ﺒﻨﺎﺀﺍ ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﹰ‬ ‫ﺃﻜﺒﺭ ﻓﺭﻕ ﺒﻴﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺩﺍﻟﺔ ﺍﻟﺘﻭﺯﻴﻊ‬ ‫ﺍﻻﺤﺘﻤﺎﻟﻴﺔ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫241‬
‫7. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ ‪Run Test‬‬ ‫ﻓﻲ ﻜﺜﻴﺭ ﻤﻥ ﺍﻻﺤﻴﺎﻥ ﻨﺤﺘﺎﺝ ﻟﺩﺭﺍﺴﺔ ﻜﻭﻥ ﺤﺩﻭﺙ ﻅﺎﻫﺭﺓ ﻤﻌﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺎ ﺍﻡ ﻻ؟ ﺃﻭ ﺍﻟﺒﺩﻴل ﻟﺫﻟﻙ ﻫل‬ ‫ﹰ‬ ‫ﺍﻟﻅﺎﻫﺭﺓ ﺘﺴﻴﺭ ﻭﻓﻕ ﻨﻅﺎﻡ ﻤﻌﻴﻥ، ﻭﻤﻥ ﺃﺠل ﺍﻟﻘﻴﺎﻡ ﺒﺫﻟﻙ ﻨﻁﺒﻕ ﻤﺎ ﻴﺴﻤﻰ ﺒﺎﺨﺘﺒﺎﺭ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ.‬ ‫ﻤﺜﺎل 9: ﻟﻨﻔﺭﺽ ﺃﻥ ﻜﻤﺒﻴﻭﺘﺭ ﻴﻨﺘﺞ ﺃﺭﻗﺎﻡ ﻤﺨﺘﻠﻔﺔ، ﻭﻨﺭﻴﺩ ﻤﻌﺭﻓﺔ ﻫل ﺍﻨﺘﺎﺝ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ ﻟﻸﺭﻗﻠﻡ ﺍﻟﺯﻭﺠﻴﺔ‬ ‫ﺃﻭ ﺍﻟﻔﺭﺩﻴﺔ ﻋﺸﻭﺍﺌﻴﺎ ﺃﻡ ﻻ، ﻓﺈﺫﺍ ﺒﺩﺃ ﺒﺭﻨﺎﻤﺞ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ ﺒﺎﻟﻌﻤل ﻓﺎﻨﺘﺞ ﺍﻻﺭﻗﺎﻡ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﹰ‬ ‫66656923927 87317518‬ ‫78954653484743231165‬ ‫ﻓﻬل ﺍﻨﺘﺎﺝ ﺍﻻﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﺃﻡ ﻻ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫‪ : H a‬ﺍﻨﺘﺎﺝ ﺍﻻﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﻤﻨﺘﻅﻡ‬ ‫0 ‪ : H‬ﺍﻨﺘﺎﺝ ﺍﻻﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﻋﺸﻭﺍﺌﻲ‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ﺍﺴﻤﻪ )‪. (Number‬‬ ‫2. ﻨﻀﻊ ﺭﻤﺯ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ‪ Random‬ﺒﺤﻴﺙ ﻨﺭﻤﺯ ﻟﻸﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﺒﺎﻟﺭﻤﺯ 1 ﻭﺍﻻﺭﻗﺎﻡ‬ ‫ﺍﻟﺯﻭﺠﻴﺔ ﺒﺎﻟﺭﻤﺯ 3 ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫341‬
‫3. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ) ‪Non-Parametric‬‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ ‪ Runs‬ﻜﻤﺎ ﻴﻠﻲ:‬ ‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫441‬
‫5. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Random‬ﺇﻟﻰ ﺨﺎﻨﺔ ‪ Test Variable List‬ﻭﻤﻥ ﺜﻡ ﻨﻠﻐﻲ ﺍﻟﻌﻼﻤﺔ ﺍﻟﻤﻭﺠﻭﺩﺓ‬ ‫ﻓﻲ ﺨﺎﻨﺔ ﺍﻟﻭﺴﻴﻁ ‪ Median‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ ﻓﻲ ﺨﺎﻨﺔ ‪ Custom‬ﻭﻓﻲ ﺍﻟﺨﺎﻨﺔ ﺍﻟﺘﻲ‬ ‫ﺒﺠﺎﻨﺒﻬﺎ ﻨﻀﻊ ﺭﻗﻡ 2 ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫2‬ ‫1‬ ‫ﻴﻌﻁﻴﻙ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺃﻋﻼﻩ ﺃﻥ ﺘﺩﺭﺱ ﻋﺸﻭﺍﺌﻴﺔ ﺍﻟﻅﺎﻫﺭﺓ ﺒﻘﻴﻡ ﺃﻜﺒﺭ ﻤﻥ ﺃﻭ ﺃﺼﻐﺭ ﻤﻥ‬ ‫)ﺍﻟﻭﺴﻴﻁ ﺍﻭ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﺃﻭ ﺍﻟﻤﻨﻭﺍل( ﻓﻨﺤﻥ ﺍﺨﺘﺭﻨﺎ ﻫﻨﺎ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻻﺨﺘﻴﺎﺭﻴﺔ ﻭﻫﻲ ﺍﻻﻜﺜﺭ‬ ‫ﺍﺴﺘﺨﺩﺍﻤﺎ.‬ ‫ﹰ‬ ‫6. ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﺘﻅﻬﺭ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﻋﺩﺩ ﺍﻟﻤﺘﺘﺎﺒﻌﺎﺕ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪ Z‬ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻋﺩﺩ ﺍﻟﺤﺎﻻﺕ ﺍﻟﻤﺩﺨﻠﺔ ﻫﻭ 04 ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ ﻓﻲ ﺤﺎﻟﺔ‬ ‫ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﺼﻐﻴﺭﺓ )ﻋﺩﺩ ﺍﻟﻤﺘﺘﺎﺒﻌﺎﺕ( ﻫﻭ 42 ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ ﻫﻭ 478.0‬ ‫ﻭﺃﻥ ﺃﻗل ﻗﻴﻤﺔ ﻟﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻫﻭ 283.0 ﻭﻫﻭ ﺃﻜﺒﺭ ﻤﻥ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻭﻫﻲ ﺃﻥ ﺍﻟﻅﺎﻫﺭﺓ ﻋﺸﻭﺍﺌﻴﺔ.‬ ‫541‬
‫8. ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻭﺴﻴﻁ ﻋﺩﺓ ﻤﺠﺘﻤﻌﺎﺕ ﻤﺭﺘﺒﻁﺔ ‪Friedman Test‬‬ ‫ﻫﻭ ﺘﻌﻤﻴﻡ ﻻﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ ﻭﻫﻭ ﻤﺸﺎﺒﻪ ﻻﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﻌﻠﻤﻲ ﻤﻥ ﺍﻟﻨﻭﻉ‬ ‫‪ Repeated Measure Design‬ﻭﻴﻁﺒﻕ ﻓﻲ ﺤﺎﻟﺔ ﻋﺩﻡ ﺘﻭﻓﺭ ﺸﺭﻭﻁ ﺘﻁﺒﻴﻕ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻌﻠﻤﻴﺔ‬ ‫ﻭﻫﻭ ﻴﻌﻤل ﻋﻠﻰ ﺍﻟﻤﻘﺎﺭﻨﺔ ﻤﻥ ﺤﻴﺙ:‬ ‫1. ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ.‬ ‫2. ﻫل ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﻗﻴﺩ ﺍﻟﺩﺭﺍﺴﺔ ﻟﻬﺎ ﻨﻔﺱ ﺍﻟﺘﻭﺯﻴﻊ.‬ ‫3. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ.‬ ‫ﻭﺘﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺎﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫0 ‪ : H‬ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ.‬ ‫‪ : H a‬ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ )ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ، ﻭﺴﻁ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ، ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ(.‬ ‫ﻤﺜﺎل 01: ﻟﻨﻔﺭﺽ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ‬ ‫ﺍﻟﺭﻗﻡ‬ ‫1‪T‬‬ ‫2‪T‬‬ ‫3‪T‬‬ ‫.1‬ ‫01‬ ‫81‬ ‫7‬ ‫.2‬ ‫21‬ ‫91‬ ‫8‬ ‫.3‬ ‫51‬ ‫71‬ ‫61‬ ‫.4‬ ‫31‬ ‫41‬ ‫21‬ ‫.5‬ ‫51‬ ‫02‬ ‫71‬ ‫.6‬ ‫21‬ ‫51‬ ‫01‬ ‫.7‬ ‫11‬ ‫7‬ ‫6‬ ‫.8‬ ‫31‬ ‫81‬ ‫11‬ ‫.9‬ ‫51‬ ‫91‬ ‫11‬ ‫.01‬ ‫7‬ ‫31‬ ‫21‬ ‫.11‬ ‫21‬ ‫31‬ ‫81‬ ‫.21‬ ‫01‬ ‫8‬ ‫5‬ ‫ﺃﻋﻼﻩ ﻋﻨﺩ 50.0 = ‪ α‬؟‬ ‫ﺍﺨﺘﺒﺭ ﻫل ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ ﺍﻟﻤﺒﻴﻨﺔ ﻓﻲ ﺍﻟﺠﺩﻭل‬ ‫ﺍﻟﺤل:‬ ‫0 ‪ : H‬ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ.‬ ‫‪ : H a‬ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ.‬ ‫1. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﻜل ﻁﺭﻴﻘﺔ ﻤﻌﺎﻟﺠﺔ ﻓﻲ ﻤﺘﻐﻴﺭ ﺃﻭ ﻋﻤﻭﺩ ﻤﺴﺘﻘل، ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫641‬
‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ) ‪Non-Parametric‬‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ )‪(k Related Samples‬‬ ‫741‬
‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ :‬ ‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺜﺔ ﺇﻟﻰ ﺍﻟﺨﺎﻨﺔ ﺨﺎﻨﺔ ‪ Test Variables‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻭﻨﻀﻊ ﻋﻼﻤﺔ‬ ‫ﻋﻠﻰ ﺍﺨﺘﺒﺎﺭ ‪ Friedman‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫5. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﺘﻅﻬﺭ ﺠﺩﺍﻭل ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫841‬
‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ‬ ‫ﺸﺭﺡ ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ ﻤﻥ ﺠﺩﻭﻟﻴﻥ ﺍﻻﻭل ﻴﺒﻴﻥ ﺍﻟﻌﻴﻨﺔ ﻭﻤﺘﻭﺴﻁ ﺭﺘﺒﻬﺎ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻻﻭل‬ ‫‪Friedman Test‬‬ ‫ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ‬ ‫ﻤﺘﻭﺴﻁ ﺭﺘﺏ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫‪Ranks‬‬ ‫‪Mean Rank‬‬ ‫1‪T‬‬ ‫38.1‬ ‫2‪T‬‬ ‫57.2‬ ‫3‪T‬‬ ‫24.1‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻤﺘﻭﺴﻁ ﺭﺘﺒﺔ ﺍﻟﻌﻴﻨﺔ ﺍﻷﻭﻟﻰ ﻫﻭ 38.1 ﻭﺍﻟﺜﺎﻨﻴﺔ 57.2 ﻭﺍﻟﺜﺎﻟﺜﺔ 24.1 .‬ ‫941‬
‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫)‪Test Statistics (a‬‬ ‫‪N‬‬ ‫21‬ ‫ﺤﺠﻡ ﺃﻱ ﻋﻴﻨﺔ‬ ‫‪Chi-Square‬‬ ‫761.11‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ‬ ‫‪df‬‬ ‫2‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ‬ ‫.‪Asymp. Sig‬‬ ‫400.‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫‪a Friedman Test‬‬ ‫ﻴﺒﻴﻥ ﺃﻥ ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ ﻓﻲ ﻜل ﻋﻴﻨﺔ ﻫﻭ 21، ﻭﺃﻥ ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ ﻫﻲ 2 )ﻋﺩﺩ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻨﺎﻗﺼﺎ ﻭﺍﺤﺩ(، ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ ﻫﻲ 761.11، ﻭﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ‬ ‫ﹰ‬ ‫400.0= .‪ Asymp. Sig‬ﻭﻫﻲ ﺃﺼﻐﺭ ﻤﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺒﺎﻟﺘﺎﻟﻲ‬ ‫ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪. α‬‬ ‫051‬

More Related Content

PDF
كورس التحليل الاحصائي بأستخدام SPSS
byاحمد الجسار
 
PDF
تحليل الاستبيان
bycherifmouh
 
PDF
الاختبارات الاحصائية
byأ. مراد هرشه
 
PDF
تحليل البيانات باستخدام برنامج spss . ا
byHisham Hussein
 
PPT
محاضرات تحليل احصائي Spss
bychamkki999
 
PDF
اختيار التحليل الاحصائي المناسب 1435 -الورشة الثانية
byresearchcenterm
 
PPTX
Statistics
byAhmad Albalawi
 
PPS
المحاضرة الاولى تعريف علم الاحصاء والرموز الاحصائية
byCollege of Agriculture , Univeristy of Diyala
 
كورس التحليل الاحصائي بأستخدام SPSS
byاحمد الجسار
 
تحليل الاستبيان
bycherifmouh
 
الاختبارات الاحصائية
byأ. مراد هرشه
 
تحليل البيانات باستخدام برنامج spss . ا
byHisham Hussein
 
محاضرات تحليل احصائي Spss
bychamkki999
 
اختيار التحليل الاحصائي المناسب 1435 -الورشة الثانية
byresearchcenterm
 
Statistics
byAhmad Albalawi
 
المحاضرة الاولى تعريف علم الاحصاء والرموز الاحصائية
byCollege of Agriculture , Univeristy of Diyala
 

What's hot

PDF
كل ما يجب أن تعرفه عن البرمجة اللغوية العصبية (1)
byhossam888555
 
PDF
اختيار التحليل الاحصائي المناسب 1435 -الورشة الأولى
byresearchcenterm
 
PPSX
التحكم في الضغوط والوقت وترتيب الاولويات 1 2
byDr. Mahmoud Afara
 
PDF
جدارات القائد المعد للقادة
byرؤية للحقائب التدريبية
 
PPSX
مهارة إعداد التقارير
byمركز الخبرة العالمية للدراسات والاستشارات والتدريب
 
PDF
مهارات كتابة التقارير و اعداد الخطابات .pdf
byMohammedRashad42
 
DOCX
دورة صيانة مختصر
byYounes Almansoob
 
PPTX
الأساليب الإحصائية المناسبة فى البحوث العلمية
byDrMuhammadTamerKhatt
 
PDF
مهارات الاتصال والتواصل م. احمد فليونة
byEng. Ahmed Falyouna
 
PPS
Strategic planning
byHAZEM ABO ELNIL
 
PDF
الذكاء الاصطناعي
byرؤية للحقائب التدريبية
 
PPT
خطوات البحث العلمي.ppt الجيد والقابل للتطبيق
byessamkhalf2
 
PDF
Artificial Intelligence_الذكاء الإصطناعي
byAbduljabbar Al-dhufri
 
PDF
التفكير الابداعي
byرؤية للحقائب التدريبية
 
PPSX
برنامج أرشفة مستندات
byAhmed Eldib
 
PPTX
المحاضرة الأولى مقدمة عن الحاسوب
byد. عائشة بليهش العمري
 
PDF
Teaching think skills (Ar) تعليم مهارات التفكير
byAbdullah Muhammad
 
PPTX
إدارة الذات
byahmedmagdysaber
 
PPT
الخريطة الذهنية
bymohammed alismail
 
PPS
مقدمة في علم الإحصاء
byHashim ElHadi
 
كل ما يجب أن تعرفه عن البرمجة اللغوية العصبية (1)
byhossam888555
 
اختيار التحليل الاحصائي المناسب 1435 -الورشة الأولى
byresearchcenterm
 
التحكم في الضغوط والوقت وترتيب الاولويات 1 2
byDr. Mahmoud Afara
 
جدارات القائد المعد للقادة
byرؤية للحقائب التدريبية
 
مهارة إعداد التقارير
byمركز الخبرة العالمية للدراسات والاستشارات والتدريب
 
مهارات كتابة التقارير و اعداد الخطابات .pdf
byMohammedRashad42
 
دورة صيانة مختصر
byYounes Almansoob
 
الأساليب الإحصائية المناسبة فى البحوث العلمية
byDrMuhammadTamerKhatt
 
مهارات الاتصال والتواصل م. احمد فليونة
byEng. Ahmed Falyouna
 
Strategic planning
byHAZEM ABO ELNIL
 
الذكاء الاصطناعي
byرؤية للحقائب التدريبية
 
خطوات البحث العلمي.ppt الجيد والقابل للتطبيق
byessamkhalf2
 
Artificial Intelligence_الذكاء الإصطناعي
byAbduljabbar Al-dhufri
 
التفكير الابداعي
byرؤية للحقائب التدريبية
 
برنامج أرشفة مستندات
byAhmed Eldib
 
المحاضرة الأولى مقدمة عن الحاسوب
byد. عائشة بليهش العمري
 
Teaching think skills (Ar) تعليم مهارات التفكير
byAbdullah Muhammad
 
إدارة الذات
byahmedmagdysaber
 
الخريطة الذهنية
bymohammed alismail
 
مقدمة في علم الإحصاء
byHashim ElHadi
 

احصاء Spss

  • 1.
    ‫ﺠﺎﻤﻌﺔ ﺍﻟﻘﺩﺱ ﺍﻟﻤﻔﺘﻭﺤﺔ‬ ‫ﺍﻟﺩﻟﻴلﺍﻟﻌﻤﻠﻲ ﻟﻤﻘﺭﺭ‬ ‫ﺍﻹﺤﺼﺎﺀ ﺍﻟﺘﻁﺒﻴﻘﻲ‬ ‫3625‬ ‫ﺤﻘﻭﻕ ﺍﻟﻁﺒﻊ ﻤﺤﻔﻭﻅﺔ‬ ‫5002‬ ‫1‬
  • 2.
    ‫ﺇﻋﺩﺍﺩ ﺍﻟﻤﺎﺩﺓ ﺍﻟﻌﻠﻤﻴﺔ:ﺃ. ﻋﻤﺎﺩ ﻨﺸﻭﺍﻥ‬ ‫2‬
  • 3.
    ‫ﺍﻟﺼﻔﺤﺔ‬ ‫ﺍﻟﻤﻭﻀﻭﻉ‬ ‫ﺍﻟﺭﻗﻡ‬ ‫6‬ ‫ﻤﻘﺩﻤﺔ ﻋﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺨﺎﺼﺔ ﺒﺎﻟﻤﻘﺭﺭ.‬ ‫6‬ ‫ﺍﻟﻤﻭﺍﺼﻔﺎﺕ ﺍﻟﺘﻲ ﻴﺠﺏ ﺃﻥ ﺘﺘﻭﺍﻓﺭ ﻓﻲ ﺠﻬﺎﺯ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ ﻟﻠﺘﻌﺎﻤل ﻤﻊ ﺒﺭﻨﺎﻤﺞ‬ ‫1.‬ ‫0.21 ‪SPSS‬‬ ‫8‬ ‫ﺘﻌﺭﻴﻑ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫2.‬ ‫8‬ ‫ﺸﺎﺸﺎﺕ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﻭ ﻗﻭﺍﺌﻤﻪ‬ ‫21‬ ‫ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫3.‬ ‫61‬ ‫ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫4.‬ ‫02‬ ‫ﻜﻴﻔﻴﺔ ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ‬ ‫5.‬ ‫52‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﻭﺁﻟﻴﺎﺕ ﺍﻟﺘﻌﺎﻤل ﻤﻌﻬﺎ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪.SPSS‬‬ ‫6.‬ ‫72‬ ‫ﺍﻟﻭﺤﺩﺓ ﺍﻷﻭﻟﻰ: ﺍﻻﺴﺘﺩﻻل ﺍﻻﺤﺼﺎﺌﻲ ﺤﻭل ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ‬ ‫92‬ ‫ﺘﻘﺩﻴﺭ ﻭﺴﻁ ﻤﺠﺘﻤﻊ ﺒﻨﻘﻁﺔ ﻭ ﺒﻔﺘﺭﺓ ﺜﻘﺔ‬ ‫1.‬ ‫43‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻭﺴﻁ ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ‬ ‫2.‬ ‫93‬ ‫ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺒﻨﻘﻁﺔ ﻭﺒﻔﺘﺭﺓ ﺜﻘﺔ‬ ‫3.‬ ‫54‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﻟﻨﺴﺒﺔ ﻓﻲ ﺍﻟﻤﺠﺘﻤﻊ ﺍﻟﻭﺍﺤﺩ‬ ‫4.‬ ‫94‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ ﻭﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﺤﻭل ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ‬ ‫5.‬ ‫55‬ ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻨﻴﺔ: ﺍﻻﺴﺘﺩﻻل ﺍﻻﺤﺼﺎﺌﻲ ﺤﻭل ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ‬ ‫65‬ ‫ﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﻭﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ‬ ‫1.‬ ‫36‬ ‫ﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﻭﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﻲ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ.‬ ‫2.‬ ‫96‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﻭﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﺤﻭل ﺍﻟﻨﺴﺒﺔ ﺒﻴﻥ ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ‬ ‫3.‬ ‫57‬ ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻟﺜﺔ: ﺍﻻﻨﺤﺩﺍﺭ ﻭﺍﻻﺭﺘﺒﺎﻁ‬ ‫77‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻭﻤﻘﻁﻌﻪ‬ ‫1.‬ ‫78‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ )ﺒﻴﺭﺴﻭﻥ(.‬ ‫2.‬ ‫3‬
  • 4.
    ‫ﺍﻟﺼﻔﺤﺔ‬ ‫ﺍﻟﻤﻭﻀﻭﻉ‬ ‫ﺍﻟﺭﻗﻡ‬ ‫09‬ ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺭﺍﺒﻌﺔ: ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ ﻭﺍﻟﺜﻨﺎﺌﻲ‬ ‫19‬ ‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ‬ ‫1.‬ ‫79‬ ‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ‬ ‫2.‬ ‫401‬ ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺨﺎﻤﺴﺔ: ﺍﻟﻁﺭﻕ ﻏﻴﺭ ﺍﻟﻤﻌﻠﻤﻴﺔ‬ ‫501‬ ‫ﻤﻘﺎﺭﻨﺔ ﻭﺴﻴﻁ ﻤﺠﺘﻤﻊ ﺒﻭﺴﻴﻁ ﺍﻟﻌﻴﻨﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫1.‬ ‫ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﺼﻐﻴﺭﺓ‬ ‫ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ‬ ‫901‬ ‫ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﻤﺠﺘﻤﻌﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ‬ ‫2.‬ ‫901‬ ‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫311‬ ‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ‬ ‫811‬ ‫ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ-ﻭﻴﺘﻨﻲ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻭﺴﻴﻁ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ. ‪Mann‬‬ ‫3.‬ ‫‪Whitney Test‬‬ ‫421‬ ‫ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل-ﻭﺍﻻﺱ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺘﻭﺯﻴﻊ ﻋﺩﺓ ﻤﺠﺘﻤﻌﺎﺕ ﻤﺴﺘﻘﻠﺔ‬ ‫4.‬ ‫031‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻻﺴﺘﻘﻼﻟﻴﺔ‬ ‫5.‬ ‫831‬ ‫ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ‬ ‫6.‬ ‫341‬ ‫ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ.‬ ‫7.‬ ‫641‬ ‫ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺘﻭﺯﻴﻊ ﻋﺩﺓ ﻤﺠﺘﻤﻌﺎﺕ ﻤﺭﺘﺒﻁﺔ‬ ‫8.‬ ‫4‬
  • 5.
    ‫ﻤﻘﺩﻤﺔ ﻤﺨﺘﺼﺭﺓ ﻋﻥﺒﺭﻨﺎﻤﺞ‬ ‫0.21 ‪SPSS‬‬ ‫5‬
  • 6.
    ‫ﻤﻘﺩﻤﺔ ﻋﻥ ﺒﺭﻨﺎﻤﺞ‪ SPSS‬ﺨﺎﺼﺔ ﺒﺎﻟﻤﻘﺭﺭ‬ ‫ﻓﻲ ﻫﺫﺍ ﺍﻟﺠﺯﺀ ﻤﻥ ﻫﺫﺍ ﺍﻟﺩﻟﻴل ﺴﻨﺘﻌﺭﺽ ﺇﻟﻰ ﺍﻟﻤﺒﺎﺩﺉ ﺍﻻﺴﺎﺴﻴﺔ ﺍﻟﺘﻲ ﺴﺘﺤﺘﺎﺠﻬﺎ ﻻﺴﺘﺨﺩﺍﻡ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﺍﻟﺘﻲ‬ ‫ﺴﺘﺴﺎﻋﺩﻙ ﻓﻲ ﺘﻨﻔﻴﺫ ﺍﻟﺠﺯﺀ ﺍﻟﻌﻤﻠﻲ ﻤﻥ ﻤﻘﺭﺭ ﺍﻻﺤﺼﺎﺀ ﺍﻟﺘﻁﺒﻴﻘﻲ ، ﺤﻴﺙ ﺴﻨﺘﻌﺭﻑ ﻋﻠﻰ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﻭﻋﻠﻰ‬ ‫ﺍﻟﺸﺎﺸﺎﺕ ﺍﻟﺘﻲ ﻴﺠﺏ ﺃﻥ ﺘﺘﻌﺎﻤل ﻤﻌﻬﺎ ﻭﺍﻟﺘﻌﺭﻑ ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﻜﻴﻔﻴﺔ ﺘﻌﺭﻴﻑ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﺩﺨﺎل‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﻤﻥ ﺜﻡ ﻜﻴﻔﻴﺔ ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻓﻲ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ‬ ‫ﺴﻨﺘﻌﺭﻑ ﻋﻠﻰ ﺘﻌﺭﻴﻔﺎﺕ ﺨﺎﺼﺔ ﺒﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻟﺘﻤﻜﻨﻙ ﻤﻥ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﻭﻜﻴﻔﻴﺔ ﺍﻟﺘﻌﺎﻤل ﻤﻊ‬ ‫ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺍﻟﺒﺭﻨﺎﻤﺞ.‬ ‫1: ﺍﻟﻤﻭﺍﺼﻔﺎﺕ ﺍﻟﺘﻲ ﻴﺠﺏ ﺃﻥ ﺘﺘﻭﺍﻓﺭ ﻓﻲ ﺠﻬﺎﺯ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ ﻟﻠﺘﻌﺎﻤل ﻤﻊ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫0.21 ﻭﻜﻴﻔﻴﺔ ﺘﺸﻐﻴﻠﻪ‬ ‫ﻟﻜﻲ ﺘﺴﺘﻁﻴﻊ ﺍﻟﻌﻤل ﻤﻊ ﺒﺭﻨﺎﻤﺞ 0.21‪ SPSS‬ﻴﺠﺏ ﺃﻥ ﺘﺘﻭﻓﺭ ﻓﻲ ﺠﻬﺎﺯ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ ﺒﻌﺽ ﺍﻟﻤﻭﺍﺼﻔﺎﺕ ﺃﻭ ﺍﻟﻤﺘﻁﻠﺒﺎﺕ‬ ‫ﻭﺍﻟﺤﺩ ﺍﻷﺩﻨﻰ ﻤﻨﻬﺎ ﻫﻲ ﻜﺎﻟﺘﺎﻟﻲ:‬ ‫1. ‪Processor (CPU): Pentium or Pentium-class processor running at 90MHz or‬‬ ‫.‪faster‬‬ ‫2. ‪Memory (RAM): 128MB minimum‬‬ ‫3. ‪Display type : SVGA (800 x 600 resolution) or higher‬‬ ‫4. ‪Hard Disk Space: Minimum of 220MB available disk space‬‬ ‫5. .)‪Media: CD-ROM (for installation‬‬ ‫6. ‪Mouse: Required‬‬ ‫7. .‪Platform: Windows 98/Me/NT4 with SP6/2000/XP‬‬ ‫ﺘﺸﻐﻴل ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫ﺒﻌﺩ ﺃﻥ ﺘﻘﻭﻡ ﺒﺘﺜﺒﻴﺕ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﻋﻠﻰ ﺍﻟﺠﻬﺎﺯ ﻨﻘﻭﻡ ﺒﺘﺸﻐﻴﻠﻪ ﻋﻥ ﻁﺭﻴﻕ ﻤﺠﻤﻭﻋﺔ ﺍﻟﺒﺭﺍﻤﺞ ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ ﺍﺒﺩﺃ‬ ‫6‬
  • 7.
    ‫ﻓﺘﻅﻬﺭ ﻟﻨﺎ ﺍﻟﺸﺎﺸﺔﺍﻟﺘﺎﻟﻴﺔ ﻟﺤﻅﻴﺎ‬ ‫ﹰ‬ ‫ﺘﺤﺘﻭﻱ ﺍﻟﺸﺎﺸﺔ ﺍﻟﺴﺎﺒﻘﺔ ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺨﺎﺼﺔ ﺒﺎﻟﻤﺴﺘﺨﺩﻡ ﺍﻟﺘﻲ ﺘﻡ ﺍﺩﺨﺎﻟﻬﺎ ﺨﻼل ﻋﻤﻠﻴﺔ ﺘﺜﺒﻴﺕ ﺒﺭﻨﺎﻤﺞ‬ ‫•‬ ‫0.21 ‪.SPSS‬‬ ‫7‬
  • 8.
    ‫2: ﺘﻌﺭﻴﻑ ﺒﺭﻨﺎﻤﺞ‪SPSS‬‬ ‫ﺒﻌﺩ ﺘﺸﻐﻴل ﺍﻟﺒﺭﻨﺎﻤﺞ، ﺴﻨﺘﻌﺭﻑ ﻋﻠﻰ ﻜﺎﻤل ﺒﻴﺌﺔ ﺍﻟﺒﺭﻨﺎﻤﺞ ﻤﻥ ﺸﺎﺸﺎﺕ، ﻭﻜﻴﻔﻴﺔ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ، ﻭﻤﺎ ﻫﻲ ﺍﻟﺒﺭﺍﻤﺞ‬ ‫ﺍﻟﺘﻲ ﻴﺴﺘﻁﻴﻊ ﺃﻥ ﻴﺘﻌﺎﻤل ﻤﻌﻬﺎ ﺍﻟﺒﺭﻨﺎﻤﺞ ﻭﻁﺒﻴﻌﺔ ﺍﻟﻨﺘﺎﺌﺢ ﻭﺍﻟﺩﻭﺍل ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﺘﻲ ﻴﻁﺒﻘﻬﺎ ﺍﻟﺒﺭﻨﺎﻤﺞ، ﺒﺎﺨﺘﺼﺎﺭ ﺴﻨﺘﻌﺭﻑ‬ ‫ﻋﻠﻰ ﺍﻤﻜﺎﻨﺎﺕ ﻫﺫﺍ ﺍﻟﺒﺭﻨﺎﻤﺞ.‬ ‫ﺸﺎﺸﺎﺕ ﺒﺭﻨﺎﻤﺞ 0.21 ‪SPSS‬‬ ‫1.‬ ‫ﻴﺘﻜﻭﻥ ﺒﺭﻨﺎﻤﺞ 0.21 ‪ SPSS‬ﻤﻥ 8 ﺸﺎﺸﺎﺕ، ﻟﻜل ﺸﺎﺸﺔ ﻤﻥ ﻫﺫﻩ ﺍﻟﺸﺎﺸﺎﺕ ﺍﺴﺘﺨﺩﺍﻤﺎﺕ ﻭﻤﻬﺎﻡ ﺨﺎﺼﺔ ﺒﻬﺎ، ﻭﻤﻥ‬ ‫ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﺍﺴﺘﺨﺩﺍﻡ ﻫﺫﺍ ﺍﻟﺒﺭﻨﺎﻤﺞ ﺨﻼل ﻫﺫﺍ ﺍﻟﻤﻘﺭﺭ ﻻ ﻴﺘﻁﻠﺏ ﻤﻨﻙ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺠﻤﻴﻊ ﺍﻟﺸﺎﺸﺎﺕ ﺍﻟﺜﻤﺎﻨﻴﺔ، ﻭﻟﻜﻥ‬ ‫ﻴﺠﺏ ﺃﻥ ﺘﺘﻤﻜﻥ ﻤﻥ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺸﺎﺸﺘﻴﻥ ﺃﺴﺎﺴﻴﺘﻴﻥ ﻓﻘﻁ ﻭﻫﻤﺎ ﺸﺎﺸﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data Editor‬ﻭﺸﺎﺸﺔ ﻋﺎﺭﺽ ﺍﻟﻨﺘﺎﺌﺞ‬ ‫‪. Viewer‬‬ ‫‪ :(Data‬ﻫﻲ ﺃﻭل ﺸﺎﺸﺔ ﺘﺭﺍﻫﺎ ﻋﻨﺩﻤﺎ ﺘﺸﻐل ﺒﺭﻨﺎﻤﺞ‬ ‫ﺸﺎﺸﺔ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ )‪Editor‬‬ ‫ﺃ.‬ ‫‪ SPSS‬ﻭﻤﻥ ﺨﻼﻟﻬﺎ ﺘﻌﺭﺽ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻠﻔﺎﺕ ﻭﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺘﻌﺭﻴﻑ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺘﺘﻜﻭﻥ ﻤﻨﻬﺎ ﺘﻠﻙ‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻗﻴﻤﻬﺎ ﻭﺘﻨﻘﺴﻡ ﻫﺫﻩ ﺍﻟﺸﺎﺸﺔ ﺇﻟﻰ ﻭﺭﻗﺘﻲ ﻋﻤل ‪ Spread Sheet‬ﻭﻟﻜﻥ ﻤﺠﺎﺯﺍ ﺴﻨﺴﻤﻴﻬﻤﺎ ﺸﺎﺸﺘﻴﻥ‬ ‫ﹰ‬ ‫ﻓﺭﻋﻴﺘﻴﻥ ﻭﻫﻤﺎ:‬ ‫ﻭﻫﻲ ﺍﻟﺠﺯﺀ ﺍﻟﺫﻱ ﺘﻌﺭﺽ ﻓﻴﻪ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺸﺎﺸﺔ ﺍﻅﻬﺎﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪:Data View‬‬ ‫•‬ ‫ﻭﺘﻜﻭﻥ ﻋﻠﻰ ﺸﻜل ‪ Spread Sheet‬ﻭﻴﻜﻭﻥ ﻓﻲ ﺃﻋﻠﻰ ﻜل ﻋﻤﻭﺩ ﺍﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﻴﺘﻜﻭﻥ ﻤﻨﻬﺎ ﺍﻟﻤﻠﻑ‬ ‫ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫8‬
  • 9.
    ‫ﻭﻴﻌﺒﺭ ﻜل ﺴﻁﺭﻤﻥ ﻫﺫﻩ ﺍﻟﺸﺎﺸﺔ ﻋﻥ ﺒﻴﺎﻨﺎﺕ ﺤﺎﻟﺔ ﻤﻌﻴﻨﺔ ﺃﻭ ﺴﺠل ﻤﻌﻴﻥ ﻷﺤﺩ ﺃﻓﺎﺭﺩ ﺍﻟﻌﻴﻨﺔ، ﻭﻜل ﻋﻤﻭﺩ ﻴﻌﺒﺭ ﻋﻥ‬ ‫ﺒﻴﺎﻨﺎﺕ ﺃﺤﺩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺃﻱ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻌﻴﻨﺔ ﻜﺎﻤﻠﺔ ﻓﻲ ﺫﻟﻙ ﺍﻟﻤﺘﻐﻴﺭ.‬ ‫ﻭﻫﻭ ﺍﻟﺠﺯﺀ ﺍﻟﺨﺎﺹ ﺒﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺸﺎﺸﺔ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪: Variable View‬‬ ‫•‬ ‫ﻭﻨﻭﻉ ﺍﻟﻤﺘﻐﻴﺭ ﻭﻋﺭﻀﻪ ﻭﻋﻨﻭﺍﻨﻪ ﻭﻗﻴﻤﻪ ﻭﻗﻴﺎﺱ ﺘﺩﺭﻴﺠﻪ ﺇﻟﺦ...، ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﻜل ﺴﻁﺭ ﻤﻥ ﻫﺫﻩ ﺍﻟﺸﺎﺸﺔ‬ ‫ﻴﻌﺒﺭ ﻋﻥ ﺘﻌﺭﻴﻑ ﻤﺘﻐﻴﺭ ﻤﻌﻴﻥ ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫9‬
  • 10.
    ‫‪ Variable View‬ﻋﻥﻁﺭﻴﻕ‬ ‫ﻭﻴﻤﻜﻨﻙ ﺍﻻﻨﺘﻘﺎل ﺒﻴﻥ ﺸﺎﺸﺘﻲ ﺍﻅﻬﺎﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data View‬ﻭﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺍﻟﻨﻘﺭ ﺍﻟﻤﺯﺩﻭﺝ ﻋﻠﻰ ﺃﻋﻠﻰ ﺃﻱ ﻋﻤﻭﺩ )ﻤﺘﻐﻴﺭ( ﻓﻲ ‪ Data View‬ﺃﻭ ﺒﺎﺨﺘﻴﺎﺭ ﺸﺎﺸﺔ ‪ Variable View‬ﺃﺴﻔل ﺸﺎﺸﺔ‬ ‫‪ ،Data Editor‬ﺃﻭ ﺍﻟﻨﻘﺭ ﺍﻟﻤﺯﺩﻭﺝ ﻋﻠﻰ ﺴﻁﺭ ﺘﻌﺭﻴﻑ ﺃﻱ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺸﺎﺸﺔ ‪.Variable View‬‬ ‫ﻭﻫﻲ ﺍﻟﺸﺎﺸﺔ ﺍﻟﺘﻲ ﺘﻅﻬﺭ ﻋﻠﻴﻬﺎ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻻﺤﺼﺎﺌﻲ ﻭﺘﻅﻬﺭ‬ ‫ﺏ: ﺸﺎﺸﺔ ﺍﻟﻌﺎﺭﺽ ‪:Viewer‬‬ ‫ﻫﺫﺍ ﺍﻟﺸﺎﺸﺔ ﻋﻨﺩ ﺍﺠﺭﺍﺀ ﺃﻭل ﺇﺠﺭﺍﺀ ﺍﺤﺼﺎﺌﻲ ﻓﺘﻅﻬﺭ ﻨﺘﻴﺠﺘﻪ ﻓﻲ ﺸﺎﺸﺔ ﺠﺩﻴﺩﺓ ﻫﻲ ﺸﺎﺸﺔ ‪ .Viewer‬ﺒﺎﻤﻜﺎﻨﻙ ﻤﻥ‬ ‫ﺨﻼﻟﻬﺎ ﺍﻟﺘﻌﺩﻴل ﻭﺍﺴﺘﻌﺭﺍﺽ ﺍﻟﻨﺘﺎﺌﺞ، ﺍﻅﻬﺎﺭ ﺃﻭ ﺍﺨﻔﺎﺀ ﺒﻌﺽ ﺃﻭ ﻜل ﺍﻟﻨﺘﺎﺌﺞ، ﻭﺘﺒﺎﺩل ﺍﻟﻨﺘﺎﺌﺞ ﻤﻊ ﺸﺎﺸﺎﺕ ﺃﺨﺭﻯ.‬ ‫ﺘﺘﻜﻭﻥ ﺸﺎﺸﺔ ‪ Viewer‬ﻤﻥ ﺠﺯﺌﻴﻥ، ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻫﻭ ﺍﻟﺠﺯﺀ ﺍﻷﻴﺴﺭ ﺍﻟﺨﺎﺹ ﺒﻌﻨﻭﺍﻥ ﻭﺍﻟﻌﻨﻭﺍﻴﻥ ﺍﻟﻔﺭﻋﻴﺔ‬ ‫ﻟﻺﺠﺭﺍﺀﺍﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﺘﻲ ﻴﻨﻔﺫﻫﺎ ﺍﻟﻤﺴﺘﺨﺩﻡ، ﻭﺍﻟﺠﺯﺀ ﺍﻷﻴﻤﻥ ﺍﻟﺨﺎﺹ ﻫﻭ ﺍﻟﺠﺯﺀ ﺍﻟﺫﻱ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﺍﻻﺤﺼﺎﺌﻴﺔ ﻟﻼﺠﺭﺍﺀ ﺍﻻﺤﺼﺎﺌﻲ، ﻭﻤﺎ ﺘﺤﺘﻭﻴﻪ ﻤﻥ ﺠﺩﺍﻭل ﻭﺭﺴﻭﻤﺎﺕ ﺃﻭ ﺤﺘﻰ ﺘﻁﺒﻴﻘﺎﺕ ﺃﺨﺭﻯ ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ‬ ‫ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫01‬
  • 11.
    ‫ﺍﻟﻘﻭﺍﺌﻡ )‪(Menus‬‬ ‫2.‬ ‫ﻟﻜل ﺸﺎﺸﺔ ﻤﻥ ﺸﺎﺸﺎﺕ 0.21 ‪ SPSS‬ﺘﺘﻨﺎﺴﺏ ﻤﻊ ﻤﻬﻤﺎﺘﻬﺎ ، ﻭﻜل ﻗﺎﺌﻤﺔ ﻓﻴﻬﺎ ﺍﻟﻌﺩﻴﺩ ﻤﻥ ﺍﻟﻤﻬﺎﻡ ﻭﻟﻜﻥ ﺍﻟﻤﺸﺘﺭﻙ ﻓﻴﻬﺎ‬ ‫ﺠﻤﻴﻌﺎ ﻗﺎﺌﻤﺘﻴﻥ )‪ (Analyze, Graphs‬ﺍﻟﺘﻲ ﺴﻨﺴﺘﺨﺩﻤﻬﺎ ﻻﺤﻘﺎ.‬ ‫ﹰ‬ ‫ﹰ‬ ‫11‬
  • 12.
    ‫3: ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﻲ ﺴﺘﺩﺨﻠﻬﺎ، ﻓﺘﻜﻭﻥ ﻋﻠﻰ ﺸﻜل ﺍﺴﻤﺎﺀ ﺃﻭ ﺃﺭﻗﺎﻡ ﻋﻠﻰ ﺸﻜل ﺭﻤﻭﺯ ﻤﻌﻴﻨﺔ ﺃﻭ‬ ‫ﻜﻤﻴﺎﺕ، ﻭﻴﺘﻌﺎﻤل ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻤﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻋﻠﻰ ﺃﻨﻬﺎ ﻤﺘﻐﻴﺭﺍﺕ ﻤﺜل ﺃﻥ ﻨﺨﺘﺎﺭ ﺍﻟﻤﺘﻐﻴﺭ ‪ Age‬ﻹﺩﺨﺎل ﺒﻴﺎﻨﺎﺕ ﺍﻟﻌﻤﺭ‬ ‫ﻭﻫﻜﺫﺍ. ﻭﻴﻘﺒل ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺍﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺎﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ.‬ ‫ﺍﻟﻤﺘﻐﻴﺭ ‪Variable‬‬ ‫ﺴﺠل ‪Case‬‬ ‫ﻭﻴﺘﻡ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻋﻥ ﻁﺭﻴﻕ ﺸﺎﺸﺔ ‪ Variable View‬ﻓﻜل ﻤﺘﻐﻴﺭ ﻨﺭﻴﺩ ﺘﻌﺭﻴﻔﻪ ﻴﻜﻭﻥ ﻟﻪ ﺴﺠل )ﺴﻁﺭ(‬ ‫ﺘﻌﺭﻴﻑ ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺴﺎﺒﻕ ﻭﻴﺸﻤل ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﻭﻨﻭﻋﻪ، ﻭﻋﺭﻀﻪ ﻭﺘﺩﺭﻴﺞ ﻗﻴﺎﺴﻪ... ﻭﺍﻻﻥ ﻋﺯﻴﺯﻱ‬ ‫ﺍﻟﺩﺍﺭﺱ ﺴﻨﻭﻀﺢ ﻜل ﻋﻨﺼﺭ ﻤﻥ ﻋﻨﺎﺼﺭ ﺍﻟﺴﺠل:‬ ‫ﺍﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪Variable Name‬‬ ‫1.‬ ‫ﻟﻜﻲ ﺘﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ ﻴﺠﺏ ﺃﻥ ﺘﻜﺘﺏ ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺴﻁﺭ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺸﺎﺸﺔ ‪ Variables View‬ﻓﻴﻤﻜﻥ ﺃﻥ‬ ‫ﻴﻜﻭﻥ ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﻫﻭ ﺍﻟﺠﻨﺱ ﻭﺍﻟﺫﻱ ﺴﻨﺴﻤﻴﻪ ‪.gender‬‬ ‫21‬
  • 13.
    ‫ﻨﻭﻉ ﺍﻟﻤﺘﻐﻴﺭ ﺍﺴﻡﺍﻟﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﻨﺎﺯل ﺍﻟﻌﺸﺭﻴﺔ‬ ‫ﻭﺼﻑ ﺍﻟﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻜﻭﺩ‬ ‫ﻋﺭﺽ ﺍﻟﻌﻤﻭﺩ‬ ‫ﺘﺩﺭﻴﺞ ﻤﻘﻴﺎﺴﻪ‬ ‫ﻭﻴﺠﺏ ﺃﻥ ﺘﺤﻘﻕ ﺍﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺸﺭﻭﻁ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﻴﺠﺏ ﺍﻥ ﻴﺒﺩﺃ ﺒﺤﺭﻑ ﻭﻻ ﻴﻤﻜﻥ ﺃﻥ ﻴﻨﺘﻬﻲ ﺒﻔﺘﺭﺓ ﻭﺃﻥ ﻻ ﻴﺘﺠﺎﻭﺯ ﻋﺩﺩ ﺍﻻﺤﺭﻑ 46 ﻭﺃﻥ ﻻ ﻴﺘﻜﺭﺭ ﺍﺴﻡ‬ ‫•‬ ‫ﺍﻟﻤﺘﻐﻴﺭ‬ ‫ﻻ ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﻔﺭﺍﻍ ﺒﻴﻥ ﺍﻻﺤﺭﻑ‬ ‫•‬ ‫ﻻ ﻴﻤﻜﻨﻙ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﺭﻤﻭﺯ ﺃﻭ ﺍﻻﺸﺎﺭﺍﺕ ﻤﺜل %، ^، |، #، $، &، ﺃﻭ ﺍﻷﻗﻭﺍﺱ.‬ ‫•‬ ‫ﻻ ﻴﻤﻜﻨﻙ ﺍﺴﺘﺨﺩﺍﻡ ﻋﻼﻤﺎﺕ ﺍﻟﺘﺭﻗﻴﻡ ﻤﺜل ؟ ! : * ، “ ; ‘‬ ‫•‬ ‫ﻤﻤﻨﻭﻉ ﺃﻥ ﻴﻜﻭﻥ ﺃﺴﻡ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺃﺤﺩ ﺍﻟﻜﻠﻤﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ ﻷﻨﻬﺎ ﺍﺴﻤﺎﺀ ﻤﺤﺠﻭﺯﺓ ﻷﻭﺍﻤﺭ ﻤﻌﻴﻨﺔ ﻓﻲ ﺒﺭﻨﺎﻤﺞ‬ ‫•‬ ‫‪ SPSS‬ﻤﺜل‬ ‫.)…‪(ALL, NE, EQ, TO, LE, LT, BY, OR, GT, AND, NOT, GE, WITH, etc‬‬ ‫ﺃﻨﻭﺍﻉ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪Variable Types‬‬ ‫2.‬ ‫ﻭﻫﻨﺎ ﻟﻜﻲ ﺘﺘﻌﺎﻤل ﻤﻊ ﺍﻟﻤﻭﺍﻀﻴﻊ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺍﻟﻤﻘﺭﺭ ﻋﻠﻴﻙ ﻓﻘﻁ ﺃﻥ ﺘﺘﻌﺎﻤل ﻓﻘﻁ ﻤﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺭﻗﻤﻴﺔ ﻭﺍﻟﺘﻲ‬ ‫ﺴﻨﺸﺭﺤﻬﺎ ﺘﻔﺼﻴﻠﻴﺎ.‬ ‫ﹰ‬ ‫ﻟﺘﻌﺭﻴﻑ ﻨﻭﻉ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺸﺎﺸﺔ ‪ Variable View‬ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪SPSS‬‬ ‫ﻴﺠﺏ ﺃﻥ ﺘﻀﻐﻁ ﻫﻨﺎ ﺤﺘﻰ ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫ﻭﻤﻥ ﺜﻡ ﺘﺨﺘﺎﺭ ﻨﻭﻉ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺫﻱ ﺘﺭﻴﺩ ﺘﻌﺭﻴﻔﻪ ﻭﺃﻨﻭﺍﻉ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﻤﻜﻨﺔ ﻫﻲ:‬ ‫31‬
  • 14.
    ‫1:ﺍﻟﺭﻗﻤﻲ )‪ :(Numeric‬ﻭﻫﻲﺍﻟﺒﻴﺎﻨﺎﺕ )ﺍﻟﻤﺘﻐﻴﺭﺍﺕ( ﺍﻟﺘﻲ ﺘﻜﻭﻥ ﻗﻴﻤﻬﺎ ﺍﺭﻗﺎﻡ، ﻭﺍﻟﻤﺘﻐﻴﺭ ﻫﻨﺎ ﻴﻘﺒل ﺍﻻﺭﻗﺎﻡ ﺒﺼﻴﻎ‬ ‫ﻤﻌﻴﻨﺔ ﻤﺜل ‪ Scientific Notation‬ﻭﻏﻴﺭﻫﺎ. ﻭﻫﻲ ﻨﻭﻋﻴﻥ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺘﺼﻠﺔ ‪ :Continuouse‬ﻭﻫﻲ ﻤﺜل ﺍﻟﻌﻤﺭ ﻭﺍﻟﻭﺯﻥ ﻭﺍﻟﻁﻭل ﻭﺍﻟﺭﺍﺘﺏ ﻭﺩﺭﺠﺔ‬ ‫أ.‬ ‫ﺍﻟﻁﺎﻟﺏ .... ﺃﻱ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﻗﻴﻤﻬﺎ ﻏﻴﺭ ﻤﺤﺩﻭﺩﺓ ﺍﻟﻌﺩﺩ.‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻨﻭﻋﻴﺔ ‪ :Catogorial‬ﻭﻫﻲ ﻤﺜل ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﻭﺍﻟﺤﺎﻟﺔ ﺍﻻﺠﺘﻤﺎﻋﻴﺔ ﻭﺍﻟﻤﺅﻫل ﺍﻟﻌﻠﻤﻲ‬ ‫ب.‬ ‫ﺃﻱ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﻗﻴﻤﻬﺎ ﻤﺤﺩﻭﺩﺓ ﺍﻟﻌﺩﺩ ، ﻓﻤﺜﻼ ﻤﻤﻜﻥ ﺍﻥ ﺘﻌﺭﻑ ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﻋﻠﻰ ﺃﺴﺎﺱ ﺃﻨﻪ‬ ‫ﺭﻗﻤﻲ ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﺫﻜﺭ=1 ﻭﺃﻨﺜﻰ =2. ﻭﻫﻜﺫﺍ ﺃﻱ ﺃﻥ ﺘﻜﻭﻥ ﺍﻟﻘﻴﻡ ﺍﻟﻤﺩﺨﻠﺔ ﻓﻌﻠﻴﺎ ﻫﻲ ﺃﺭﻗﺎﻡ ﻭﻟﻜﻥ‬ ‫ﹰ‬ ‫ﺍﻟﺭﻗﻡ ﻴﺭﻤﺯ ﺇﻟﻰ ﻨﻭﻉ ﺃﻭ ﺘﺼﻨﻴﻑ ﻟﻠﻤﺘﻐﻴﺭ.‬ ‫2.ﻤﺘﻐﻴﺭ ﺍﻟﻔﺎﺼﻠﺔ ‪:Comma‬‬ ‫3.ﻤﺘﻐﻴﺭ ﺍﻟﻨﻘﻁﺔ ‪:Dot‬‬ ‫4.ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻌﻠﻤﻲ ‪:Scientific Notation‬‬ ‫5.ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺭﻴﺦ ‪Date‬‬ ‫6.ﻤﺘﻐﻴﺭ ﺍﻟﻌﻤﻼﺕ ‪:Custom Currency‬‬ ‫7.ﻤﺘﻐﻴﺭ ﻋﻼﻤﺔ ﺍﻟﺩﻭﻻﺭ ‪:Dollar‬‬ ‫8.ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺤﺭﻓﻲ ‪:String‬‬ ‫ﻭﻫﻲ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺘﻜﻭﻥ ﺒﻴﺎﻨﺎﺘﻬﺎ ﻋﻠﻰ ﺸﻜل ﺃﺤﺭﻑ ﺃﻭ ﻜﻠﻤﺎﺕ ﺃﻭ ﺤﺘﻰ ﺃﺭﻗﺎﻡ ﺃﻱ ﺃﻨﻙ ﺘﺴﺘﻁﻴﻊ ﺃﻥ ﺘﻜﺘﺏ ﻓﻴﻬﺎ ﺃﻱ‬ ‫ﺸﻲﺀ. ﻭﺘﻨﻘﺴﻡ ﺇﻟﻰ ﻨﻭﻋﻴﻥ‬ ‫ﺃ.ﻤﺘﻐﻴﺭﺍﺕ ﺤﺭﻓﻴﺔ: ﻭﺘﺴﺘﺨﺩﻡ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺃﻥ ﺘﻜﻭﻥ ﺤﺭﻓﻴﺔ ﻏﻴﺭ ﻤﺼﻨﻔﺔ ﻤﺜل ﻤﺘﻐﻴﺭ ﺍﺴﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫ﺏ.ﻤﺘﻐﻴﺭﺍﺕ ﻨﻭﻋﻴﺔ: ﻭﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺤﺭﻓﻲ ﺒﻴﺎﻨﺎﺕ ﻤﺼﻨﻔﺔ ﻤﺜل ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ‬ ‫ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻨﻭﻋﻴﺔ ﺍﻟﺭﻗﻤﻴﺔ ﻟﻜﻥ ﻴﻜﻭﻥ ﺭﻤﺯ ﺍﻟﺫﻜﺭ ﻤﺜﻼ "ﺫ" ﻭﺍﻻﻨﺜﻰ "ﺙ".‬ ‫‪ :Width‬ﻭﻫﻭ ﻋﺩﺩ ﺨﺎﻨﺎﺕ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﻲ ﻨﺭﻴﺩ ﺍﺩﺨﺎﻟﻬﺎ.‬ ‫3. ﻋﺭﺽ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫‪ :Decimal‬ﻭﻫﻭ ﻋﺩﺩ ﺍﻟﺨﺎﻨﺎﺕ ﺍﻟﻌﺸﺭﻴﺔ ﺍﻟﺘﻲ ﺴﻴﺴﺘﻌﻤﻠﻬﺎ ﺍﻟﻤﺴﺘﺨﺩﻡ ﻓﻲ ﻋﻤﻠﻴﺔ‬ ‫ﻋﺩﺩ ﺍﻟﻤﻨﺎﺯل ﺍﻟﻌﺸﺭﻴﺔ‬ ‫4.‬ ‫ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ.‬ ‫41‬
  • 15.
    ‫ﺃﺤﻴﺎﻨﺎ ﺘﺘﺸﺎﺒﻪ ﺃﺴﻤﺎﺀﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻤﻤﺎ ﻴﻀﻁﺭﻙ ﻟﻜﺘﺎﺒﺔ ﺭﻤﻭﺯ ﻷﺴﻤﺎﺀ‬ ‫ﹰ‬ ‫5.ﻋﻨﻭﺍﻥ ﺍﻟﻤﺘﻐﻴﺭ )ﻭﺼﻔﻪ( ‪:Label‬‬ ‫ﺍﻟﻤﺘﻐﻴﺭ، ﻤﻤﺎ ﻴﺠﻌل ﺍﻟﻤﺴﺘﺨﺩﻡ ﻻ ﻴﺴﺘﻁﻴﻊ ﺍﻟﺘﻤﻴﻴﺯ ﺒﻴﻥ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ، ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﻫﺫﺍ ﺍﻻﺨﺘﻴﺎﺭ ﻴﻤﻜﻥ ﺍﻟﻤﺴﺘﺨﺩﻡ ﻤﻥ‬ ‫ﻜﺘﺎﺒﺔ ﻭﺼﻑ ﻟﻠﻤﺘﻐﻴﺭ ﺃﻭ ﺍﺴﻤﻪ ﻜﺎﻤﻼ ﻤﻬﻤﺎ ﻜﺎﻥ ﺤﺠﻡ ﺨﺎﻨﺎﺘﻪ ﻟﻤﻌﺭﻓﺔ ﻫﺫﺍ ﺍﻟﻤﺘﻐﻴﺭ ﺒﺸﻜل ﺃﻭﻀﺢ. ﻭﻤﻥ ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ‬ ‫ﹰ‬ ‫ﻋﻨﺩ ﺍﺠﺭﺍﺀ ﺍﻱ ﺘﺤﻠﻴل ﺍﺤﺼﺎﺌﻲ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭ ﺴﻴﻅﻬﺭ ﻋﻨﻭﺍﻥ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺍﻟﺠﺩﺍﻭل ﺍﻟﺘﻲ ﺴﺘﻅﻬﺭ ﻓﻲ ﺍﻟﻨﺘﺎﺌﺞ، ﻭﺇﺫﺍ ﻟﻡ‬ ‫ﻴﻭﺠﺩ ﻋﻨﻭﺍﻥ ﻟﻠﻤﺘﻐﻴﺭ ﺴﻴﻅﻬﺭ ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﻨﻔﺴﻪ.‬ ‫‪:Values‬‬ ‫6. ﺍﻟﺘﺼﻨﻴﻑ )ﺍﻟﻜﻭﺩ(‬ ‫ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻐﻴﺭ ﻤﺤﺩﻭﺩﺓ ﺍﻟﻌﺩﺩ ﻴﻜﻭﻥ ﻤﻥ ﺍﻷﺴﻬل ﺘﺭﻤﻴﺯ ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺤﻴﺙ ﻴﻤﻜﻨﻨﺎ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻤﻥ‬ ‫ﺫﻟﻙ. ﻭﻨﺴﺘﺨﺩﻡ ﻋﻤﻠﻴﺔ ﺍﻟﻜﻭﺩ ﻋﺎﺩﺓ ﻋﻨﺩﻤﺎ ﻨﺭﻴﺩ ﺘﻌﺭﻴﻑ ﻤﺘﻐﻴﺭﺍﺕ ﻨﻭﻋﻴﺔ ﺭﻗﻤﻴﺔ ﺃﻭ ﺤﺭﻓﻴﺔ ﺍﻟﺘﻲ ﺘﻌﺭﻀﻨﺎ ﻟﻬﺎ ﺴﺎﺒﻘﹰ، ﻤﺜل‬ ‫ﺎ‬ ‫ﻤﺘﻐﻴﺭﺍﻟﺠﻨﺱ ﺃﻭ ﺍﻟﺤﺎﻟﺔ ﺍﻻﺠﺘﻤﺎﻋﻴﺔ ﺃﻭ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ.‬ ‫ﺒﺎﻤﻜﺎﻨﻙ ﻭﻀﻊ ﻭﺼﻑ ﻟﻜل ﻗﻴﻤﺔ ﺘﺩﺨﻠﻬﺎ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺘﻐﻴﺭ ﻜﺄﻥ ﺘﻘﻭﻡ ﺒﺘﺭﻤﻴﺯ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻐﻴﺭ ﺭﻗﻤﻴﺔ ﻤﺜل ﺃﻥ ﺘﻀﻊ ﺭﻤﺯ‬ ‫ﻟﻠﺫﻜﺭ 1 ﻭﻟﻸﻨﺜﻰ 2، ﻭﻫﺫﺍ ﻤﺎ ﻴﺴﻤﻰ ﺒﻌﻤﻠﻴﺔ ﺘﺭﻤﻴﺯ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻫﺫﺍ ﺒﺩﻭﺭﻩ ﻴﺴﻬل ﻋﻤﻠﻴﺔ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ، ﻓﺒﺩل ﺃﻥ ﻨﺩﺨل‬ ‫ﻓﻲ ﻜل ﻤﺭﺓ ﺫﻜﺭ ﻨﺩﺨل ﺍﻟﺭﻤﺯ 1 ﻤﻤﺎ ﻴﻘﻠل ﻤﻥ ﻭﻗﺕ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻴﺴﻬﻠﻪ. ﻭﻟﺘﻌﺭﻴﻑ ﺍﻟﻜﻭﺩ ﻷﻱ ﻤﺘﻐﻴﺭ ﻓﻲ ﺸﺎﺸﺔ‬ ‫‪.Variable View‬‬ ‫ﺒﺎﻟﻀﻐﻁ ﺒﺎﻟﻤﺎﻭﺱ ﻤﻜﺎﻥ ﺍﻟﺴﻬﻡ ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫ﻨﻜﺘﺏ 1 ﻓﻲ ﺨﺎﻨﺔ ‪ Value‬ﻭﻤﻥ ﺜﻡ ﻋﻨﻭﺍﻥ )ﻗﻴﻤﺔ( ﺍﻟﺭﻤﺯ ﻭﻫﻭ ﺫﻜﺭ ﻓﻲ ﺨﺎﻨﺔ ‪ Value Lable‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ‬ ‫‪ Add‬ﻟﻴﺼﺒﺢ ﺍﻟﺸﻜل ﻜﺎﻟﺘﺎﻟﻲ:‬ ‫51‬
  • 16.
    ‫ﻨﻜﺭﺭ ﺍﻟﻌﻤﻠﻴﺔ ﻟﺭﻤﺯﺍﻷﻨﺜﻰ 2 ﻭﻋﻨﺩ ﺍﻻﻨﺘﻬﺎﺀ ﻤﻥ ﺘﻌﺭﻴﻑ ﺍﻟﻜﻭﺩ ﻨﻀﻐﻁ ‪.Ok‬‬ ‫7.ﻋﺭﺽ ﺍﻟﻌﻤﻭﺩ ‪ :Column‬ﻭﻓﻲ ﻫﺫﻩ ﺍﻟﺨﺎﻨﺔ ﺘﺤﺩﺩ ﻋﺭﺽ ﺍﻟﻌﻤﻭﺩ ﺍﻟﺫﻱ ﻴﻭﺠﺩ ﻓﻴﻪ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺸﺎﺸﺔ ‪Data‬‬ ‫‪.View‬‬ ‫8.ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻔﻘﻭﺩﺓ ‪ :Missing Values‬ﻋﻨﺩ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﻌﺽ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﻜﻭﻥ ﻏﻴﺭ ﻤﻭﺠﻭﺩﺓ ﻓﻨﺼﻨﻔﻬﺎ ﻋﻠﻰ‬ ‫ﺃﺴﺎﺱ ﺃﻨﻬﺎ ﺒﻴﺎﻨﺎﺕ ﻤﻔﻘﻭﺩﺓ ‪.Missing Values‬‬ ‫9.ﻤﻭﻗﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ :Align‬ﻭﻫﻭ ﺘﺤﺩﻴﺩ ﻤﻭﻗﻊ ﺍﻅﻬﺎﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﺨﻼﻴﺎ ﻓﻲ ﺸﺎﺸﺔ ﺍﻅﻬﺎﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫل ﺴﺘﻜﻭﻥ ﻋﻠﻰ‬ ‫ﻴﺴﺎﺭ ﺃﻭ ﻭﺴﻁ ﺃﻭ ﻴﻤﻴﻥ ﺍﻟﺨﻠﻴﺔ.‬ ‫01.ﺘﺩﺭﻴﺠﺎﺕ ﺍﻟﻘﻴﺎﺱ ‪ :Measurement Scale‬ﻭﻫﻭ ﺘﺤﺩﻴﺩ ﻨﻭﻉ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫل ﺘﻘﻊ ﺘﺤﺕ ﺘﺩﺭﻴﺞ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻻﺴﻤﻴﺔ‬ ‫‪ Nominal‬ﺃﻭ ﺘﺭﺘﻴﺒﻴﺔ ‪ Ordinal‬ﺃﻭ )ﻨﺴﺒﻴﺔ ﺃﻭ ﻓﺘﺭﺓ( ‪ Scal‬ﻜﻤﺎ ﻤﺭ ﻤﻌﻙ ﻋﺯﻴﺯﻱ ﺍﻟﺩﺍﺭﺱ ﻓﻲ ﻤﻘﺭﺭ ﻤﺒﺎﺩﺉ‬ ‫ﺍﻻﺤﺼﺎﺀ ﻭﺒﺸﻜل ﺘﻔﺼﻴﻠﻲ.‬ ‫ﻗﺒل ﺍﻟﺒﺩﺀ ﻓﻲ ﺘﻌﺭﻴﻑ ﻜﻴﻔﻴﺔ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺭﻗﻤﻴﺔ ﻭﺍﻟﻐﻴﺭ ﺭﻗﻤﻴﺔ ﻭﻏﻴﺭﻫﺎ ﺴﻨﺘﻌﺭﻑ ﻋﻠﻰ‬ ‫4: ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ :‬ ‫ﺃﻫﻡ ﺍﻟﻤﻔﺎﺘﻴﺢ ﻭﺍﺴﺘﺨﺩﺍﻤﻬﺎ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻭﺍﻟﻤﺒﻴﻨﺔ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﺍﻟﻭﻅﻴﻔﺔ‬ ‫ﺍﻟﻤﻔﺘﺎﺡ‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺃﻭل ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺤﺎﻟﺔ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻷﻭل‬ ‫‪Home‬‬ ‫ﺇﺫﻫﺏ ﻵﺨﺭ ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺤﺎﻟﺔ ﻋﻨﺩ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻻﺨﻴﺭ‬ ‫‪End‬‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺃﻭل ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﻋﻨﺩ ﺍﻟﺸﻁﺭ ﺍﻷﻭل‬ ‫+‪Ctrl‬‬ ‫ﺇﺫﻫﺏ ﻵﺨﺭ ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺤﺎﻟﺔ ﻋﻨﺩ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻻﺨﻴﺭ‬ ‫+‪Ctrl‬‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺁﺨﺭ ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﻋﻨﺩ ﺍﻟﺤﺎﻟﺔ ﺍﻷﺨﻴﺭﺓ‬ ‫+‪Ctrl‬‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺃﻭل ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺤﺎﻟﺔ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻷﻭل‬ ‫+‪Ctrl‬‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺃﻭل ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺴﻁﺭ ﺍﻷﻭل ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻷﻭل‬ ‫‪Ctrl+Home‬‬ ‫ﺇﺫﻫﺏ ﺇﻟﻰ ﺁﺨﺭ ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺴﻁﺭ ﺍﻷﺨﻴﺭ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻷﺨﻴﺭ‬ ‫‪Ctrl + End‬‬ ‫61‬
  • 17.
    ‫ﺍﻥ ﻋﻤﻠﻴﺔ ﺍﺩﺨﺎلﺍﻟﺒﻴﺎﻨﺎﺕ ﺴﻬﻠﺔ ﺠﺩﺍ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪ ،SPSS‬ﻓﻬﻲ ﺘﻘﺭﻴﻴﺎ ﻜﻁﺭﻴﻘﺔ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪،Excel‬‬ ‫ﹰ‬ ‫ﹰ‬ ‫ﻭﻟﺩﻴﻙ ﺍﻟﺤﺭﻴﺔ ﻓﻲ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺸﻜل ﻋﻤﻭﺩﻱ ﺃﻭ ﺒﺸﻜل ﺃﻓﻘﻲ، ﻓﻔﻲ ﺍﻟﺤﺎﻟﺔ ﺍﻷﻭﻟﻰ ﺘﺩﺨل ﻤﺘﻐﻴﺭ ﻓﺂﺨﺭ ﻭﺃﻤﺎ ﺍﻟﺤﺎﻟﺔ‬ ‫ﺍﻟﺜﺎﻨﻴﺔ ﻓﺈﻨﻙ ﺘﺩﺨل ﺤﺎﻟﺔ ﻓﺄﺨﺭﻯ. ﻭﺘﻜﻭﻥ ﻫﺫﻩ ﺍﻟﻌﻤﻠﻴﺔ ﺒﺎﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﻤﻥ ﻏﻴﺭ ﺍﻟﻀﺭﻭﺭﻱ ﺃﻥ ﺘﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻗﺒل ﻋﻤﻠﻴﺔ ﺍﻻﺩﺨﺎل ﻟﻜﻥ ﻤﻥ ﺍﻟﻤﻔﻀل ﺃﻥ ﺘﻘﻭﻡ ﺒﺫﻟﻙ‬ ‫•‬ ‫ﻷﻥ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺘﻘﻠل ﻤﻥ ﺨﻁﺄ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ.‬ ‫ﺘﻔﺘﺢ ﺸﺎﺸﺔ ‪.Data View‬‬ ‫•‬ ‫ﺘﺫﻫﺏ ﺇﻟﻰ ﺍﻟﻤﻜﺎﻥ ﺍﻟﺫﻱ ﺘﺭﻴﺩ ﺍﻥ ﺘﺩﺨل ﻓﻴﻪ ﺍﻟﺒﻴﺎﻨﺎﺕ، ﻭﺘﻀﻐﻁ ﺒﺎﻟﻤﺎﻭﺱ ﻋﻠﻰ ﺍﻟﺨﻠﻴﺔ ﺍﻟﻤﻁﻠﻭﺒﺔ.‬ ‫•‬ ‫ﺘﻜﺘﺏ ﻗﻴﻤﺔ ﺍﻟﺨﻠﻴﺔ ﻓﺘﻅﻬﺭ ﻗﻴﻤﺔ ﺍﻻﺩﺨﺎل ﻓﻲ ﺍﻋﻠﻰ ﺸﺎﺸﺔ ‪ ، Data View‬ﻭﻤﻥ ﺜﻡ ﺘﻀﻐﻁ ‪Enter‬‬ ‫•‬ ‫ﻓﺘﻅﻬﺭ ﺍﻟﻘﻴﻤﺔ ﺍﻟﻤﺩﺨﻠﺔ ﻓﻲ ﻤﻜﺎﻥ ﺍﺩﺨﺎﻟﻬﺎ.‬ ‫ﻤﺜﺎل 1: ﻟﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﺩﺭﺠﺔ ﺍﻟﻁﺎﻟﺏ )‪ (Degree‬ﻭﺠﻨﺱ ﺍﻟﻁﺎﻟﺏ )‪ (Gender‬ﻤﻥ ﺜﻡ ﻟﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ.‬ ‫ﺍﻻﻨﺎﺙ‬ ‫ﺩﺭﺠﺎﺕ‬ ‫ﺃﻭﻻ:‬ ‫ﹰ‬ ‫08‬ ‫58‬ ‫57‬ ‫56‬ ‫55‬ ‫25‬ ‫44‬ ‫33‬ ‫03‬ ‫52‬ ‫54‬ ‫08‬ ‫59‬ ‫05‬ ‫03‬ ‫59‬ ‫88‬ ‫09‬ ‫77‬ ‫27‬ ‫57‬ ‫06‬ ‫04‬ ‫75‬ ‫55‬ ‫25‬ ‫84‬ ‫48‬ ‫78‬ ‫87‬ ‫77‬ ‫37‬ ‫57‬ ‫ﺍﻟﺫﻜﻭﺭ‬ ‫ﺩﺭﺠﺎﺕ‬ ‫ﺜﺎﻨﻴﺎ:‬ ‫ﹰ‬ ‫77‬ ‫03‬ ‫52‬ ‫03‬ ‫44‬ ‫04‬ ‫56‬ ‫44‬ ‫77‬ ‫57‬ ‫97‬ ‫48 83‬ ‫54‬ ‫58‬ ‫67‬ ‫26‬ ‫44‬ ‫24‬ ‫77‬ ‫66‬ ‫56‬ ‫89‬ ‫59‬ ‫63‬ ‫84‬ ‫16 06‬ ‫59‬ ‫58‬ ‫07‬ ‫89 08‬ ‫39‬ ‫57‬ ‫71‬
  • 18.
    ‫ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ ﻴﺒﻴﻥﻟﻨﺎ ﺸﻜل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ :‬ ‫81‬
  • 19.
    ‫ﻻﻅﻬﺎﺭ ﻗﻴﻤﺔ ﺭﻤﻭﺯﺍﻟﻤﺘﻐﻴﺭ ‪ Gender‬ﺃﻱ ﺍﻅﻬﺎﺭ ﺫﻜﺭ ﺒﺩل ﺍﻟﺭﻤﺯ 1 ﻓﻲ ﺸﺎﺸﺔ ﻋﺭﺽ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺃﻨﺜﻰ ﺒﺩل ﺍﻟﺭﻤﺯ 2،‬ ‫ﻤﻥ ﺨﻼل ﺍﻟﻘﺎﺌﻤﺔ ‪ View‬ﻨﺨﺘﺎﺭ ‪ ، Value Lable‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫ﻓﺘﻅﻬﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺎﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫91‬
  • 20.
    ‫5: ﻜﻴﻔﻴﺔ ﺤﺴﺎﺏﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ.‬ ‫ﻜل ﺍﻟﻤﻭﺍﻀﻴﻊ ﺍﻟﻘﺎﺩﻤﺔ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﻘﺭﺭ ﺘﻌﺘﻤﺩ ﻋﻠﻰ ﻤﻘﺎﺭﻨﺔ ﻤﻌﺎﻟﻡ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﺒﺎﻟﻌﻴﻨﺎﺕ ﺍﻟﺘﻲ ﺘﺴﺤﺏ ﻤﻨﻬﺎ ، ﻭﺍﻟﻤﻌﺎﻟﻡ ﻫﻲ‬ ‫ﺍﻟﺨﺼﺎﺌﺹ ﺍﻟﺘﻲ ﻨﺼﻑ ﺒﻬﺎ ﺍﻟﻤﺠﺘﻤﻊ ﻭﻤﻨﻬﺎ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﻟﺫﻟﻙ ﺴﻨﺘﻌﻠﻡ ﺍﻵﻥ ﻜﻴﻔﻴﺔ ﺤﺴﺎﺏ ﻫﺫﻩ‬ ‫ﺍﻟﻤﻘﺎﻴﻴﺱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺒﺭﻨﺎﻤﺞ ‪.SPSS‬‬ ‫ﻤﺜﺎل 2: ﺒﻌﺩ ﺃﻥ ﺘﻌﺭﻓﺕ ﻋﻠﻰ ﻜﻴﻔﻴﺔ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺃﺩﺨﻠﺕ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺍﻟﻤﺜﺎل 1 ﻓﺎﻥ‬ ‫ﺍﻟﻤﻁﻠﻭﺏ ﻫﻭ:‬ ‫ﺃﻭﻻ: ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﻟﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ.‬ ‫ﹰ‬ ‫ﺜﺎﻨﻴﺎ: ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﻟﺩﺭﺠﺎﺕ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﻜل ﻋﻠﻰ ﺤﺩﺓ.‬ ‫ﹰ‬ ‫ﺍﻟﺤل:‬ ‫ﺃﻭﻻ: ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﻟﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ )ﺫﻜﻭﺭ ﻭﺍﻨﺎﺙ(.‬ ‫ﹰ‬ ‫ﻋﺭﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ.‬ ‫1.‬ ‫ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﺍﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ‪ Descriptive Statistics‬ﻭﻤﻥ‬ ‫2.‬ ‫ﺜﻡ ﻋﻠﻴﻙ ﺍﻥ ﺘﺨﺘﺎﺭ ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪ Frequency‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫3.‬ ‫02‬
  • 21.
    ‫ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪Degree‬ﻟﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ Variable‬ﻭﺫﻟﻙ ﻤﻥ ﺨﻼل ﺍﻟﻀﻐﻁ ﺒﺎﻟﻤﺎﻭﺱ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭ ﻭﻤﻥ ﺜﻡ‬ ‫4.‬ ‫ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﺍﻟﺴﻬﻡ )ﺃﻭ ﻤﻥ ﺨﻼل ﺍﻟﻀﻐﻁ ﻤﺭﺘﻴﻥ ﺒﺎﻟﻤﺎﻭﺱ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭ ‪.(Degree‬‬ ‫ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﺯﺭ ‪ Statistics‬ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﻭﻨﺨﺘﺎﺭ ﻤﻨﻪ ﺤﺴﺎﺏ ﺍﻟﻤﻘﺎﻴﻴﺱ ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﺘﻲ‬ ‫5.‬ ‫ﺘﻘﻊ ﺘﺤﺕ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ‪ Central Tendency‬ﻭﻤﻘﺎﻴﻴﺱ ﺍﻟﺘﺸﺘﺕ ‪ Dispersion‬ﻭﺍﻟﺭﺒﻴﻌﺎﺕ‬ ‫‪......Quartile‬‬ ‫ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻨﻌﻭﺩ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺨﺎﺹ ﺒﺎﻷﻤﺭ ‪ Frequency‬ﺍﻟﺴﺎﺒﻕ ﻭﻨﻀﻐﻁ ‪Ok‬‬ ‫6.‬ ‫ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ‬ ‫12‬
  • 22.
    ‫ﻨﺘﻴﺠﺔ ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ‪Frequency‬‬ ‫‪Statistics‬‬ ‫‪Degree‬‬ ‫‪N‬‬ ‫‪Valid‬‬ ‫86‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫‪Missing‬‬ ‫0‬ ‫ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻔﻘﻭﺩﺓ‬ ‫‪Mean‬‬ ‫47.16‬ ‫ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ‬ ‫‪Std. Error of Mean‬‬ ‫317.2‬ ‫ﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺤﺴﺎﺏ ﺍﻟﻭﺴﻁ‬ ‫‪Median‬‬ ‫00.56‬ ‫ﺍﻟﻭﺴﻴﻁ‬ ‫‪Mode‬‬ ‫)‪30(a‬‬ ‫ﺃﺼﻐﺭ ﻤﻨﻭﺍل ﺍﻟﻤﻨﻭﺍل‬ ‫‪Std. Deviation‬‬ ‫273.22‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫‪Variance‬‬ ‫625.005‬ ‫ﺍﻟﺘﺒﺎﻴﻥ‬ ‫‪Skew ness‬‬ ‫203.-‬ ‫ﻤﻌﺎﻤل ﺍﻻﻟﺘﻭﺍﺀ‬ ‫‪Std. Error of Skew ness‬‬ ‫192.‬ ‫ﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺤﺴﺎﺏ ﻤﻌﺎﻤل ﺍﻻﻟﺘﻭﺍﺀ‬ ‫‪Kurtosis‬‬ ‫787.-‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﻔﺭﻁﺢ‬ ‫‪Std. Error of Kurtosis‬‬ ‫ﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺤﺴﺎﺏ ﻓﻲ ﺤﺴﺎﺏ ﻤﻌﺎﻤل‬ ‫475.‬ ‫ﺍﻟﺘﻔﺭﻁﺢ‬ ‫‪Range‬‬ ‫39‬ ‫ﺍﻟﻤﺩﻯ‬ ‫‪Minimum‬‬ ‫5‬ ‫ﺃﺼﻐﺭ ﻗﻴﻤﺔ‬ ‫‪Maximum‬‬ ‫89‬ ‫ﺃﻜﺒﺭ ﻗﻴﻤﺔ‬ ‫‪Sum‬‬ ‫8914‬ ‫ﻤﺠﻤﻭﻉ ﺍﻟﻘﻴﻡ‬ ‫‪Percentiles‬‬ ‫52‬ ‫00.44‬ ‫ﺍﻟﻤﺌﻴﻥ 52‬ ‫05‬ ‫00.56‬ ‫ﺍﻟﻤﺌﻴﻥ 05 )ﺍﻟﻭﺴﻴﻁ(‬ ‫57‬ ‫57.77‬ ‫ﺍﻟﻤﺌﻴﻥ 57‬ ‫‪a Multiple modes exist. The smallest value is shown‬‬ ‫ﺜﺎﻨﻴﺎ: ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﻟﺩﺭﺠﺎﺕ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﻜل ﻋﻠﻰ ﺤﺩﺓ.‬ ‫ﹰ‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﺫﻜﺭ ﺍﻨﻔﺎ.‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﺍﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ‪ Descriptive Statistics‬ﻭﻤﻥ‬ ‫ﺜﻡ ﻋﻠﻴﻙ ﺍﻥ ﺘﺨﺘﺎﺭ ﺃﻤﺭ ﺍﺴﺘﻜﺸﻑ ‪ Explore‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫22‬
  • 23.
    ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4. ﻨﻨﻘل ﻤﺘﻐﻴﺭ ﺍﻟﺩﺭﺠﺎﺕ ‪ Degree‬ﺇﻟﻰ ﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ﻭﻨﻨﻘل ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ‪ Gender‬ﺇﻟﻰ ﺇﻟﻰ ﺨﺎﻨﺔ‬ ‫‪ .Factor List‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ ‪ Statistics‬ﻹﻅﻬﺎﺭ ﺍﻻﺤﺼﺎﺀﺍﺕ ﻓﻘﻁ ﺩﻭﻥ ﺍﻅﻬﺎﺭ‬ ‫ﺭﺴﻭﻤﺎﺕ.‬ ‫32‬
  • 24.
    ‫5. ﻨﻀﻐﻁ ‪Ok‬ﻟﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ.‬ ‫‪Descriptives‬‬ ‫‪Gender‬‬ ‫‪Statistic‬‬ ‫ﻨﻭﺍﺘﺞ ﻋﻴﻨﺔ ﺍﻟﺫﻜﻭﺭ‬ ‫‪Mean‬‬ ‫96.46‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ‬ ‫‪95% Confidence Lower Bound‬‬ ‫42.75‬ ‫ﺍﻟﺤﺩ ﺍﻻﺩﻨﻰ ﻟﻔﺘﺭﺓ ﺜﻘﺔ ﺍﻟﻭﺴﻁ 59%‬ ‫‪Interval for Mean‬‬ ‫‪Upper Bound‬‬ ‫31.27‬ ‫ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﻟﻔﺘﺭﺓ ﺜﻘﺔ ﺍﻟﻭﺴﻁ 59%‬ ‫ﺫﻜﺭ‬ ‫‪5% Trimmed Mean‬‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺤﺼﻭﺭﺓ ﺒﻴﻥ‬ ‫29.46‬ ‫ﺍﻟﻤﺌﻴﻥ 59 ﻭ5‬ ‫‪Median‬‬ ‫00.66‬ ‫ﺍﻟﻭﺴﻴﻁ‬ ‫182.964 ‪Variance‬‬ ‫ﺍﻟﺘﺒﺎﻴﻥ‬ ‫366.12 ‪Std. Deviation‬‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫‪Minimum‬‬ ‫52‬ ‫ﺃﺼﻐﺭ ﻗﻴﻤﺔ‬ ‫‪Maximum‬‬ ‫89‬ ‫ﺃﻜﺒﺭ ﻗﻴﻤﺔ‬ ‫‪Range‬‬ ‫37‬ ‫ﺍﻟﻤﺩﻯ‬ ‫‪Interquartile Range‬‬ ‫63‬ ‫ﺍﻟﻤﺩﻯ ﺍﻟﺭﺒﻌﻲ‬ ‫‪Skewness‬‬ ‫091.-‬ ‫ﻤﻌﺎﻤل ﺍﻻﻟﺘﻭﺍﺀ‬ ‫‪Kurtosis‬‬ ‫041.1-‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﻔﺭﻁﺢ‬ ‫42‬
  • 25.
    ‫ﻨﻭﺍﺘﺞ ﻋﻴﻨﺔ ﺍﻻﻨﺎﺙ‬ ‫16.85 ‪Mean‬‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ‬ ‫‪95% Confidence Lower Bound‬‬ ‫44.05‬ ‫ﺍﻟﺤﺩ ﺍﻻﺩﻨﻰ ﻟﻔﺘﺭﺓ ﺜﻘﺔ ﺍﻟﻭﺴﻁ 59%‬ ‫‪Interval for Mean‬‬ ‫‪Upper Bound‬‬ ‫77.66‬ ‫ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﻟﻔﺘﺭﺓ ﺜﻘﺔ ﺍﻟﻭﺴﻁ 59%‬ ‫ﺍﻨﺜﻰ‬ ‫‪5% Trimmed Mean‬‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺤﺼﻭﺭﺓ ﺒﻴﻥ‬ ‫43.95‬ ‫ﺍﻟﻤﺌﻴﻥ 59 ﻭ5‬ ‫‪Median‬‬ ‫00.75‬ ‫ﺍﻟﻭﺴﻴﻁ‬ ‫647.925 ‪Variance‬‬ ‫ﺍﻟﺘﺒﺎﻴﻥ‬ ‫610.32 ‪Std. Deviation‬‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫‪Minimum‬‬ ‫5‬ ‫ﺃﺼﻐﺭ ﻗﻴﻤﺔ‬ ‫‪Maximum‬‬ ‫59‬ ‫ﺃﻜﺒﺭ ﻗﻴﻤﺔ‬ ‫‪Range‬‬ ‫09‬ ‫ﺍﻟﻤﺩﻯ‬ ‫‪Interquartile Range‬‬ ‫53‬ ‫ﺍﻟﻤﺩﻯ ﺍﻟﺭﺒﻌﻲ‬ ‫‪Skewness‬‬ ‫283.-‬ ‫ﻤﻌﺎﻤل ﺍﻻﻟﺘﻭﺍﺀ‬ ‫‪Kurtosis‬‬ ‫446.-‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﻔﺭﻁﺢ‬ ‫6: ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﻭﺁﻟﻴﺎﺕ ﺍﻟﺘﻌﺎﻤل ﻤﻌﻬﺎ ﻓﻲ ﺒﺭﻨﺎﻤﺞ 0.21 ‪.SPSS‬‬ ‫ﺴﻨﺘﻌﺭﻑ ﻓﻲ ﻫﺫﺍ ﺍﻟﺩﻟﻴل ﻋﻠﻰ ﺃﻫﻡ ﺍﻟﻤﻔﺎﻫﻴﻡ ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﺘﻲ ﺴﻨﺤﺘﺎﺠﻬﺎ ﺨﻼل ﺘﻁﺒﻴﻘﻨﺎ ﻟﻼﺨﺘﺒﺎﺭﺍﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ ﻓﻲ‬ ‫ﺒﺭﻨﺎﻤﺞ 0.21 ‪.SPSS‬‬ ‫1. ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻭﻫﻲ ﺍﺤﺘﻤﺎل ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺒﺸﺭﻁ ﺃﻨﻬﺎ ﺼﺤﻴﺤﺔ ﺃﻱ ﻫﻲ‬ ‫ﻨﺴﺒﺔ ﺍﻟﺨﻁﺄ ﺍﻟﻤﺴﻤﻭﺡ ﺒﻬﺎ ﻓﻲ ﺍﺘﺨﺎﺫ ﺍﻟﻘﺭﺍﺭ ﻓﻲ ﻨﺘﺎﺌﺞ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻻﺤﺼﺎﺌﻴﺔ، ﻭﻋﺎﺩﺓ ﻨﺭﻤﺯ ﻟﻪ‬ ‫، ﻭﺒﺫﻟﻙ ﻴﻜﻭﻥ ﻤﻘﺩﺍﺭ ﺍﻟﺜﻘﺔ ﻓﻲ ﺍﻟﻨﺘﺎﺌﺞ ﻫﻭ ‪ 1 − α‬ﺒﻤﻌﻨﻰ ﺁﺨﺭ ﺇﺫﺍ ﻜﺎﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ‬ ‫‪α‬‬ ‫ﺒﺎﻟﺭﻤﺯ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ 50.0 ﻓﺈﻥ ﻤﺴﺘﻭﻯ ﺍﻟﺜﻘﺔ ﻫﻭ 59.0، ﻭﺘﺴﺘﺨﺩﻡ ﻋﺎﺩﺓ ﺍﻟﻘﻴﻡ 1.0 ﺃﻭ 50.0 ﺃﻭ 10.0 ﺃﻭ 520.0‬ ‫ﻜﻤﺴﺘﻭﻯ ﻟﻠﺩﻻﻟﺔ.‬ ‫2. ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﺍﻻﺤﺼﺎﺌﻲ: ﻫﻲ ﻗﻴﻤﺔ ﻴﺤﺴﺒﻬﺎ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻭﻴﺭﻤﺯ ﻟﻬﺎ ﻋﺎﺩﺓ ﺒﺎﺤﺩ ﺍﻟﺭﻤﻭﺯ ,.‪(Sig‬‬ ‫).‪ .Asymp. Sig. 2 tailed Sig‬ﻭﻨﺴﺘﻁﻴﻊ ﻓﻬﻤﻬﺎ ﻋﻠﻰ ﺃﻨﻬﺎ ﺃﺼﻐﺭ ﻗﻴﻤﺔ ﻟﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ، ﻓﺈﺫﺍ‬ ‫ﻜﺎﻨﺕ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﺃﺼﻐﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ،‬ ‫ﻓﻤﺜﻼ ﺇﺫﺍ ﻜﺎﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ 530.0=.‪ Sig‬ﻭﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻫﻭ‬ ‫ﹰ‬ ‫50.0 = ‪ α‬ﻓﺈﻨﻨﺎ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻷﻥ 50.0 ‪. 0.035 p‬‬ ‫52‬
  • 26.
    ‫ﻭﻴﻤﻜﻥ ﻓﻬﻡ ﻗﻴﻤﺔﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻠﻰ ﺃﻨﻬﺎ ﺃﻜﺒﺭ ﻗﻴﻤﺔ ﻟﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﻓﻼﺤﻅ ﺃﻥ‬ ‫530.0 ‪ 0.05 f‬ﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﺃﻱ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﻭﻤﻥ ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺍﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﻌﺘﻤﺩ ﻋﺎﺩﺓ ﻓﻲ ﻋﻤﻠﻴﺎﺘﻪ ﺍﻟﺤﺴﺎﺒﻴﺔ ﻟﺤﺴﺎﺏ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺒﺄﻥ‬ ‫ﹰ‬ ‫ﺘﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻫﻲ ﺤﺎﻟﺔ ﺍﻟﻤﺴﺎﻭﺍﺓ ﻭﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﻫﻲ ﺤﺎﻟﺔ ﻋﺩﻡ ﺍﻟﻤﺴﺎﻭﺍﺓ. ﻭﻟﺫﻟﻙ ﻋﻨﺩﻤﺎ ﻨﻘﻭل ﺃﻥ ﻤﺴﺘﻭﻯ‬ ‫ﺍﻟﺩﻻﻟﺔ ﻤﺜﻼ ﻫﻭ 50.0 ﻓﺈﻨﻨﺎ ﻨﺘﻌﺎﻤل ﻤﻌﻬﺎ ﺒﺎﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻋﻠﻰ ﺃﻨﻬﺎ ﻤﻘﺴﻤﺔ ﻟﺠﺯﺌﻴﻥ 520.0 ﻋﻠﻰ ﻤﻨﻁﻘﺔ ﺍﻟﺭﻓﺽ ﻓﻲ‬ ‫ﹰ‬ ‫ﺍﻟﻴﻤﻴﻥ ﻭ 520.0 ﻋﻠﻰ ﻤﻨﻁﻘﺔ ﺍﻟﻘﺒﻭل ﻭﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﺘﻌﺎﻤل ﻤﻌﻬﺎ ﺒﻨﻔﺱ ﺍﻷﺴﻠﻭﺏ.‬ ‫ﺃﻤﺎ ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻫﻲ ﺤﺎﻟﺔ )ﺃﻜﺒﺭ ﺃﻭ ﺃﺼﻐﺭ( ﻓﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻻ ﻴﺘﻌﺎﻤل ﻤﻊ ﻫﻜﺫﺍ‬ ‫ﺤﺎﻻﺕ ﻓﻲ ﺒﻌﺽ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺨﺎﺼﺔ ﺍﻟﺘﻲ ﺴﻨﺒﻴﻨﻬﺎ ﻓﻲ ﻭﻗﺘﻬﺎ، ﻭﺒﺎﻟﺘﺎﻟﻲ ﻟﻨﺴﺘﻁﻴﻊ ﺤل ﺍﻟﻤﺴﺎﺌل ﺍﻟﻤﻭﺠﻭﺩﺓ ﺒﺎﻟﺠﺎﻨﺏ‬ ‫ﺍﻟﻨﻅﺭﻱ ﻤﻥ ﺍﻟﻤﻘﺭﺭ ﻓﻲ ﺤﺎﻟﺔ ﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﻫﻲ ﺤﺎﻟﺔ )ﺃﻜﺒﺭ ﺃﻭ ﺃﺼﻐﺭ( ﻤﻥ ﺨﻼل ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﺠﺏ ﺍﻥ‬ ‫ﻨﻀﺎﻋﻑ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻋﻨﺩ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺃﻭ ﻨﻘﺴﻡ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻠﻰ 2‬ ‫ﻭﻤﻥ ﺜﻡ ﻨﻘﺎﺭﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻤﻊ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﻓﻤﺜﻼ ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻫﻭ ﺤﺎﻟﺔ )ﺃﻜﺒﺭ( ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬ﻓﻨﺭﻓﺽ‬ ‫ﹰ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺇﺫﺍ ﻜﺎﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ .‪ Sig‬ﺃﻗل ﻤﻥ 01.0، ﺃﻭ ﺇﺫﺍ ﻜﺎﻥ ﻨﺼﻑ‬ ‫.‪ Sig‬ﺃﻗل ﻤﻥ 50.0.‬ ‫62‬
  • 27.
    ‫ﺍﻟﻭﺤﺩﺓ ﺍﻷﻭﻟﻰ‬ ‫ﺍﻻﺴﺘﺩﻻلﺍﻻﺤﺼﺎﺌﻲ‬ ‫ﺤـﻭل ﻤﺠـﺘﻤﻊ ﻭﺍﺤـﺩ‬ ‫72‬
  • 28.
    ‫ﺍﻟﻭﺤﺩﺓ ﺍﻷﻭﻟﻰ:ﺍﻻﺴﺘﺩﻻل ﺍﻻﺤﺼﺎﺌﻲﺤـﻭل ﻤﺠـﺘﻤﻊ ﻭﺍﺤـﺩ‬ ‫ﻓﻲ ﻤﻌﻅﻡ ﺃﻨﻭﺍﻉ ﺍﻟﺩﺭﺍﺴﺎﺕ ﻻ ﻨﺴﺘﻁﻴﻊ ﺩﺭﺍﺴﺔ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﻜﺎﻤﻠﺔ، ﻭﺫﻟﻙ ﻟﻜﺜﺭﺓ ﻜﺘﻁﻠﺒﺎﺕ‬ ‫ﻭﻜﻠﻔﺔ ﻫﻜﺫﺍ ﺩﺭﺍﺴﺎﺕ، ﻭﺒﺎﻟﺘﺎﻟﻲ ﺘﻡ ﺍﺘﺒﺎﻉ ﺍﺴﻠﻭﺏ ﺒﺩﻴل ﻭﻫﻭ ﺍﺴﻠﻭﺏ ﺴﺤﺏ ﺍﻟﻌﻴﻨﺎﺕ، ﻭﻟﻜﻥ ﻫﺫﺍ‬ ‫ﺍﻻﺴﻠﻭﺏ ﻟﻪ ﻋﺩﺓ ﻤﺨﺎﻁﺭ ﻓﻤﻥ ﺍﻟﻤﻤﻜﻥ ﺍﻥ ﺘﻜﻭﻥ ﺍﻟﻌﻴﻨﺔ ﻏﻴﺭ ﻤﻤﺜﻠﺔ ﺒﺸﻜل ﺠﻴﺩ ﻟﻠﻤﺠﺘﻤﻊ، ﻭﺫﻟﻙ ﻤﻥ‬ ‫ﺤﻴﺙ ﺼﻔﺎﺕ ﺍﻟﻤﺠﺘﻤﻊ، ﺃﻭ ﺒﻤﻌﻨﻰ ﺁﺨﺭ ﻻ ﻴﻭﺠﺩ ﺘﻭﺍﻓﻕ ﺒﻴﻥ ﺍﻟﻤﺠﺘﻤﻊ ﻭﺍﻟﻌﻴﻨﺔ ﻭﺫﻟﻙ ﻷﻨﻨﺎ ﻨﺨﺘﺎﺭ ﻋﻴﻨﺎﺕ‬ ‫ﻋﺸﻭﺍﺌﻴﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻤﻥ ﺍﻟﻁﺒﻴﻌﻲ ﺃﻥ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﺍﺨﺘﻼﻑ ﺒﺴﻴﻁ ﺒﻴﻥ ﺍﻟﻌﻴﻨﺔ ﻭﺍﻟﻤﺠﺘﻤﻊ ﻓﻲ ﺍﻟﺼﻔﺎﺕ ﺃﻭ‬ ‫ﺍﻟﻤﻌﺎﻟﻡ ﺍﻻﺴﺎﺴﻴﺔ ﻤﺜل ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﺃﻭ ﺍﻟﺘﺒﺎﻴﻥ ....، ﻟﺫﺍ ﻋﻨﺩ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺴﻠﻭﺏ ﺍﻟﻌﻴﻨﺎﺕ ﻨﻠﺠﺄ ﻟﺘﻘﺩﻴﺭ‬ ‫ﺼﻔﺎﺕ ﺍﻟﻤﺠﺘﻤﻊ ﺒﻁﺭﻴﻘﺘﻴﻥ ﻫﻤﺎ ﻁﺭﻴﻘﺔ ﺍﻟﻨﻘﻁﺔ ﺃﻭ ﻭﻁﺭﻴﻘﺔ ﺍﻟﻔﺘﺭﺓ ﻤﻤﺎ ﻴﺅﺩﻱ ﺇﻟﻰ ﻭﺠﻭﺩ ﻤﺴﺘﻭﻯ ﻟﻠﺜﻘﺔ‬ ‫ﻓﻲ ﻨﺘﺎﺌﺞ ﺍﻟﻌﻴﻨﺎﺕ.‬ ‫ﻭﻤﻥ ﻫﻨﺎ ﺒﺭﺯ ﺍﻻﺤﺼﺎﺀ ﺍﻻﺴﺘﻨﺘﺎﺠﻲ، ﻭﺍﻟﺫﻱ ﻤﻥ ﺨﻼﻟﻪ ﻨﺴﺘﻁﻴﻊ ﺍﺴﺘﻨﺘﺎﺝ ﺍﻟﻨﺘﺎﺌﺞ ﻋﻠﻰ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ‬ ‫ﻭﻟﻜﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻌﻴﻨﺎﺕ، ﻭﺫﻟﻙ ﺒﺎﻟﻁﺒﻊ ﺇﺫﺍ ﺘﻭﺍﻓﻕ ﺍﻟﻌﻴﻨﺎﺕ ﻤﻊ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ، ﻭﻭﺫﻟﻙ ﻋﻥ ﻁﺭﻴﻕ‬ ‫ﺍﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﺤﺼﺎﺌﻴﺔ ﻤﻬﻤﺘﻬﺎ ﺍﻻﺴﺎﺴﻴﺔ ﺍﻟﺘﺄﻜﺩ ﻤﻥ ﺃﻥ ﻫﺫﻩ ﺍﻟﻔﺭﻭﻕ ﻨﺘﺠﺕ ﻋﻥ ﻋﺸﻭﺍﺌﻴﺔ‬ ‫ﺍﻟﻌﻴﻨﺎﺕ، ﺍﻱ ﺃﻥ ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﺍﻟﻌﻴﻨﺔ ﻭﺍﻟﻤﺠﺘﻤﻊ ﻨﺎﺘﺞ ﻋﻥ ﻋﺸﻭﺍﺌﻴﺔ ﺍﻟﻌﻴﻨﺔ )ﺭﺍﺠﻌﺎ ﺇﻟﻰ ﺼﺩﻓﺔ ﺍﺨﺘﻴﺎﺭ ﻫﺫﻩ‬ ‫ﹰ‬ ‫ﺍﻟﻌﻴﻨﺔ ﺒﺎﻟﺫﺍﺕ( ﺃﻡ ﺃﻨﻪ ﺩﺍل ﺍﺤﺼﺎﺌﻴﺎ ﺒﻤﻌﻨﻰ ﻟﻭ ﺴﺤﺒﻨﺎ ﺃﻱ ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﺃﺨﺭﻯ ﺴﻨﺤﺼل ﻋﻠﻰ ﻫﺫﻩ‬ ‫ﹰ‬ ‫ﺍﻟﻔﺭﻭﻕ.‬ ‫ﻓﻲ ﻫﺫﻩ ﺍﻟﻭﺤﺩﺓ ﺴﻨﻌﺘﻤﺩ ﻋﻠﻰ ﺍﻟﻤﺜﺎل ﺍﻟﺘﺎﻟﻲ ﻓﻲ ﺠﻤﻴﻊ ﺍﻻﺴﺎﻟﻴﺏ ﺍﻻﺤﺼﺎﺌﻴﺔ ﺍﻟﺘﻲ ﺴﻨﻘﻭﻡ ﺒﻬﺎ.‬ ‫ﻤﺜﺎل 1: ﻓﻲ ﺩﺭﺍﺴﺔ ﻟﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻓﻲ ﺠﺎﻤﻌﺔ ﺍﻟﻘﺩﺱ ﺍﻟﻤﻔﺘﻭﺤﺔ ﺴﺤﺒﺕ‬ ‫ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺍﻟﺫﻴﻥ ﺘﻘﺩﻤﻭﺍ ﻻﻤﺘﺤﺎﻥ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﻜﺎﻨﺕ ﺩﺭﺠﺎﺘﻬﻡ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫03 05 59 08 54 52 03 33 44 25 55 56 57 58 08‬ ‫87 78 48 84 25 55 75 04 06 57 27 77 09 88 59‬ ‫82‬
  • 29.
    ‫1. ﺘﻘﺩﻴﺭ ﻭﺴﻁﻤﺠﺘﻤﻊ ﺒﻨﻘﻁﺔ ﻭﺒﻔﺘﺭﺓ ﺜﻘﺔ.‬ ‫ﻤﺜﺎل 2 : ﺇﺫﺍ ﺃﺭﺩﻨﺎ ﺘﻘﺩﻴﺭ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻟﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻓﺴﺤﺒﺕ ﻋﻴﻨﺔ‬ ‫ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺍﻟﻤﺒﻴﻨﺔ ﻓﻲ ﺍﻟﻤﺜﺎل ﺭﻗﻡ )1( ﻓﻘﺩﺭ ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ‬ ‫ﺍﻟﻌﺭﺒﻴﺔ ﺒﻁﺭﻴﻘﺔ ﺍﻟﻨﻘﻁﺔ ﻭﺒﻔﺘﺭﺓ ﺜﻘﺔ ﻤﻘﺩﺍﺭﻫﺎ 09%.‬ ‫ﺍﻟﺤل:‬ ‫1. ﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Arabic‬ﻭﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻴﻪ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ(‬ ‫‪ Descriptive Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ ﺍﺴﺘﻜﺸﻑ ‪ Explore‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫92‬
  • 30.
    ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﺍﻟﺨﺎﺹ ﺒﺎﻷﻤﺭ ‪. Explore‬‬ ‫03‬
  • 31.
    ‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ)‪ (Arabic‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﺇﻟﻰ ﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ‪Dependent List‬‬ ‫ﻭﻤﻥ ﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ ‪. Statistics‬‬ ‫2‬ ‫1‬ ‫5. ﻨﻀﻐﻁ ﻋﻠﻰ ﺯﺭ ‪ Statistics‬ﻟﺘﺤﺩﻴﺩ ﺍﻻﺤﺼﺎﺌﻴﺎﺕ ﻭﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ‬ ‫ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫3‬ ‫6. ﻨﻜﺘﺏ ﻤﻘﺩﺍﺭ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ 09 ﻓﻲ ﺍﻟﺨﺎﻨﺔ ﺍﻟﺨﺎﺼﺔ ﺒﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ‪Confidence‬‬ ‫‪ Interval for Mean‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻟﻼﺴﺘﻤﺭﺍﺭ ﻭﺍﻟﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ‬ ‫ﺍﻟﺴﺎﺒﻕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ.‬ ‫ﻨﺎﺘﺞ ﺍﻻﻤﺭ ﺍﺴﺘﻜﺸﻑ ‪:Explore‬‬ ‫13‬
  • 32.
    ‫ﺘﻘﺩﻴﺭ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲﺒﻨﻘﻁﺔ‬ ‫‪Descriptives‬‬ ‫‪Statistic‬‬ ‫‪Std. Error‬‬ ‫‪Arabic‬‬ ‫04.36 ‪Mean‬‬ ‫838.3‬ ‫%09‬ ‫‪Lower‬‬ ‫ﺍﻟﺤﺩ ﺍﻻﺩﻨﻰ ﻟﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ‬ ‫‪Confidence‬‬ ‫88.65 ‪Bound‬‬ ‫‪Interval for‬‬ ‫‪Upper‬‬ ‫‪Mean‬‬ ‫29.96 ‪Bound‬‬ ‫ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﻟﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ‬ ‫‪5% Trimmed Mean‬‬ ‫96.36‬ ‫ﺍﻟﻭﺴﻴﻁ‬ ‫‪Median‬‬ ‫05.26‬ ‫ﺍﻟﺘﺒﺎﻴﻥ‬ ‫309.144 ‪Variance‬‬ ‫ﺍﻻﻨﺤﺭﺍﻑ‬ ‫‪Std. Deviation‬‬ ‫120.12‬ ‫ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫ﺍﻟﻘﻴﻤﺔ ﺍﻟﺼﻐﺭﻯ‬ ‫‪Minimum‬‬ ‫52‬ ‫ﺍﻟﻘﻴﻤﺔ ﺍﻟﻌﻅﻤﻰ‬ ‫‪Maximum‬‬ ‫59‬ ‫ﺍﻟﻤﺩﻯ‬ ‫‪Range‬‬ ‫07‬ ‫ﺍﻟﻤﺩﻯ ﺍﻟﺭﺒﻌﻲ‬ ‫‪Interquartile Range‬‬ ‫43‬ ‫ﻤﻌﺎﻤل ﺍﻻﻟﺘﻭﺍﺀ‬ ‫‪Skewness‬‬ ‫491.-‬ ‫724.‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﻔﺭﻁﺢ‬ ‫‪Kurtosis‬‬ ‫451.1-‬ ‫338.‬ ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺍﻻﻤﺭ ‪ Explore‬ﻤﻥ ﺠﺩﻭﻟﻴﻥ ﺍﻷﻭل ﻴﺼﻑ ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ ﻭﺍﻟﻐﻴﺭ ﻤﺩﺨل ﻤﻨﻬﺎ ﺃﻭ‬ ‫ﻤﺎ ﻴﺴﻤﻰ )ﺒﺎﻟﻘﻴﻡ ﺍﻟﻤﻔﻘﻭﺩﺓ ‪ (Missing Value‬ﺃﻤﺎ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻓﻬﻭ ﺍﻟﺠﺩﻭل ﺍﻟﻤﻬﻡ ﺍﻟﺫﻱ ﺘﺤﺴﺏ ﻓﻴﻪ‬ ‫ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻭﺍﻟﺘﺸﺘﺕ ﺍﻟﻤﺒﻴﻨﺔ ﻋﻠﻰ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ.‬ ‫ﻭﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻤﻘﺩﺍﺭ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻫﻭ 04.36 ﻭﺃﻥ ﺍﻟﺤﺩ ﺃﻷﺩﻨﻰ ﻟﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻫﻭ 88.65‬ ‫ﻭﺍﻟﺤﺩ ﺍﻻﻋﻠﻰ ﻟﻬﺎ ﻫﻭ 29.96 ﻭﺒﺫﻟﻙ ﺘﻜﻭﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﺍﻟﻤﻁﻠﻭﺒﺔ ﺒﻨﺴﺒﺔ 09% ﻭﻫﻲ )29.96 ,88.65( .‬ ‫23‬
  • 33.
  • 34.
    ‫2. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻭﺴﻁ ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ‬ ‫ﻤﺜﺎل 3: ﺇﺫﺍ ﺇﺩﻋﻰ ﺍﺴﺘﺎﺫ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺃﻥ ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﻁﻼﺒﻪ ﻫﻭ 86 ﻓﺴﺤﺒﺕ ﻋﻴﻨﺔ ﻤﻥ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺍﻟﻤﺒﻴﻨﻴﺔ ﻓﻲ ﺍﻟﻤﺜﺎل ﺭﻗﻡ )1( ﺍﻟﺴﺎﺒﻕ ﻓﻬل ﺍﺩﻋﺎﺀ ﺍﻻﺴﺘﺎﺫ‬ ‫ﺼﺤﻴﺢ ﺃﻡ ﺨﺎﻁﺊ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 01.0 = ‪ α‬؟‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫08‬ ‫58‬ ‫57‬ ‫56‬ ‫54 52 03 33 44 25 55‬ ‫08‬ ‫59‬ ‫05‬ ‫03‬ ‫59‬ ‫88‬ ‫09‬ ‫77‬ ‫25 55 75 04 06 57 27‬ ‫84‬ ‫48‬ ‫78‬ ‫87‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ :‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﺩﺍل ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻋﻥ 86‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻴﻭﺠﺩ ﻓﺭﻕ ﺩﺍل ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻋﻥ 86‬ ‫ﻭﻟﻘﺒﻭل ﺃﻭ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺘﻭﺠﺩ ﻁﺭﻴﻘﺘﻴﻥ‬ ‫ﺍﻟﻁﺭﻴﻘﺔ ﺍﻻﻭﻟﻰ: ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻻﻤﺭ ‪ Explore‬ﺍﻟﺴﺎﺒﻕ‬ ‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻷﻤﺭ ‪ Explore‬ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﺤﻴﺙ ﻜﺎﻨﺕ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻫﻲ )29.96 ,88.65( ، ﻴﻤﻜﻥ‬ ‫ﺍﻟﻭﺜﻭﻕ ﺒﺎﺩﻋﺎﺀ ﺍﻻﺴﺘﺎﺫ )ﻴﻜﻭﻥ ﺇﺩﻋﺎﺀ ﺍﻻﺴﺘﺎﺫ ﺼﺤﻴﺤﺎ( ﺒﻨﺴﺒﺔ 09% ﻷﻥ ﺍﻟﺭﻗﻡ 86 ﻭﻗﻊ ﻀﻤﻥ ﻫﺫﻩ‬ ‫ﹰ‬ ‫ﺍﻟﻔﺘﺭﺓ ﺍﻟﺘﻲ ﻤﻘﺩﺍﺭ ﺍﻟﺜﻘﺔ ﻓﻴﻬﺎ ﻫﻭ 09%، ﻭﻤﻥ ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﺍﻻﺴﺘﺎﺫ ﻟﻭ ﺍﺩﻋﻰ ﺃﻱ ﻤﺘﻭﺴﻁ ﺨﺎﺭﺝ‬ ‫ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻓﻠﻥ ﻨﺴﺘﻁﻴﻊ ﻗﺒﻭل ﺍﺩﻋﺎﺌﻪ ﻭﻴﻜﻭﻥ ﺍﺩﻋﺎﺌﻪ ﺨﺎﻁﺊ ﻭﻴﻜﻭﻥ ﻭﺜﻭﻗﻨﺎ ﻓﻲ ﻗﺭﺍﺭﻨﺎ ﺒﻨﺴﺒﺔ 09%‬ ‫ﺃﻴﻀﺎ.‬ ‫ﹰ‬ ‫ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﺜﺎﻨﻴﺔ: ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ‪ T‬ﻟﺩﺭﺍﺴﺔ ﻤﺘﻭﺴﻁ ﻋﻴﻨﺔ ﻭﺍﺤﺩﺓ.‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻋﻤﻭﺩ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ )‪.(Arabic‬‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﻤﻘﺎﺭﻨﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ( ‪Compare‬‬ ‫‪ Means‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ)ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻌﻴﻨﺔ ﻭﺍﺤﺩﺓ( ‪ One Sample T Test‬ﻜﻤﺎ ﻴﻠﻲ:‬ ‫43‬
  • 35.
    ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﻻﺨﺘﺒﺎﺭ ‪ T‬ﻟﻌﻴﻨﺔ ﻭﺍﺤﺩﺓ‬ ‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ )‪ (Arabic‬ﺇﻟﻰ ﺨﺎﻨﺔ ‪ Test Variables‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻭﻤﻥ ﺜﻡ ﻨﻜﺘﺏ ﻗﻴﻤﺔ‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺫﻱ ﺴﻴﺘﻡ ﺍﻻﺨﺘﺒﺎﺭ ﺒﻨﺎﺀ ﻋﻠﻴﻪ ﻭﻫﻭ 86 ﻓﻲ ﺨﺎﻨﺔ ‪ Test Value‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل‬ ‫ً‬ ‫ﺍﻟﺘﺎﻟﻲ :‬ ‫53‬
  • 36.
    ‫2‬ ‫1‬ ‫5. ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Option‬ﻟﻨﺨﺘﺎﺭ ﻤﺴﺘﻭﻯ ﺍﻟﺜﻘﺔ 09.0 = 01.0 − 1 = ‪1 − α‬‬ ‫3‬ ‫6. ﻨﻜﺘﺏ ﻤﺴﺘﻭﻯ ﺍﻟﺜﻘﺔ 09 ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻓﻨﻌﻭﺩ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ‬ ‫ﻭﻨﻀﻐﻁ ‪ Ok‬ﻟﺘﻅﻬﺭ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻌﻴﻨﺔ ﻭﺍﺤﺩﺓ‬ ‫63‬
  • 37.
    ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺍﻻﺨﺘﺒﺎﺭﻤﻥ ﺠﺩﻭﻟﻴﻥ، ﺍﻟﺠﺩﻭل ﺍﻷﻭل ﻴﻌﻁﻲ ﺒﻌﺽ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻭﺼﻔﻴﺔ ﻋﻥ ﻤﺘﻐﻴﺭ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻜﻌﺩﺩ ﺍﻟﺩﺭﺠﺎﺕ ﻭﻭﺴﻁﻬﺎ ﺍﻟﺤﺴﺎﺒﻲ ﻭﺍﻨﺤﺭﺍﻓﻬﺎ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻭﺍﻟﺜﺎﻨﻲ‬ ‫ﻴﻌﻁﻲ ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻭﺴﻁ ﻋﻴﻨﺔ ﻭﺍﺤﺩﺓ.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻷﻭل‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫‪One-Sample Statistics‬‬ ‫.‪Std‬‬ ‫‪Std. Error‬‬ ‫‪N‬‬ ‫‪Mean‬‬ ‫‪Deviation‬‬ ‫‪Mean‬‬ ‫‪Arabic‬‬ ‫03‬ ‫04.36‬ ‫120.12‬ ‫838.3‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ 03 ﺩﺭﺠﺔ، ﺒﻤﺘﻭﺴﻁ ﺤﺴﺎﺒﻲ ﻗﺩﺭﻩ 4.36 ﺩﺭﺠﺔ، ﻭﺒﺎﻨﺤﺭﺍﻑ‬ ‫ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 120.12 .‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ:‬ ‫‪One-Sample Test‬‬ ‫86 = ‪Test Value‬‬ ‫‪90% Confidence‬‬ ‫‪Interval of the‬‬ ‫‪Difference‬‬ ‫-2( .‪Sig‬‬ ‫‪Mean‬‬ ‫‪t‬‬ ‫‪df‬‬ ‫)‪tailed‬‬ ‫‪Difference‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬ ‫991.1- ‪Arabic‬‬ ‫92‬ ‫042.‬ ‫006.4-‬ ‫21.11-‬ ‫29.1‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﺍﻟﻔﺭﻕ ﻓﻲ ﺍﻟﻭﺴﻁﻴﻥ‬ ‫ﻓﺘﺭﺓ ﺜﻘﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻭﻫﻭ ﺠﺩﻭل ﺍﺨﺘﺒﺎﺭ ‪ T‬ﺤﻴﺙ ﻴﺒﻴﻥ ﺃﻥ ﺍﻟﻘﻴﻤﺔ ﺍﻟﺘﻲ ﺘﻡ ﺍﻻﺨﺘﺒﺎﺭ ﺒﻨﺎﺀﺍ ﻋﻠﻴﻬﺎ ﻫﻲ 86 ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪T‬‬ ‫ﹰ‬ ‫ﻟﻭﺴﻁ ﻤﺠﺘﻤﻊ ﻫﻲ -991.1 ﺒﺩﺭﺠﺔ ﺤﺭﻴﺔ ﻤﻘﺩﺍﺭﻫﺎ 92 = 1 − 03 = 1 − ‪) n‬ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﻨﺎﻗﺼﺎ ﻭﺍﺤﺩ(‬ ‫ﹰ‬ ‫ﻭﺍﻥ ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁ ﺍﻟﻌﻴﻨﺔ ﻭﺍﻟﻘﻴﻤﺔ ﺍﻟﻤﻔﺤﻭﺼﺔ ﻫﻭ -6.4 .‬ ‫ﻗﺒﻭل ﺃﻭ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ‬ ‫ﻴﻤﻜﻥ ﻗﺒﻭل ﺃﻭ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺒﻁﺭﻴﻘﺘﻴﻥ ﻫﻤﺎ:‬ ‫73‬
  • 38.
    ‫ﺍﻷﻭﻟﻰ: ﻋﻥ ﻁﺭﻴﻕﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ 42.0= )‪ Sig.(2-tailes‬ﻓﻬﻰ ﺘﺒﻴﻥ ﺃﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ‬ ‫ﺍﻻﺨﺘﺒﺎﺭ ﺃﻱ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ ﻟﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻫﻭ 42.0 ﻭﻫﻲ ﺃﻜﺒﺭ ﻤﻥ ﻗﻴﻤﺔ 01.0 = ‪α‬‬ ‫ﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺃﻱ ﺃﻥ ﺍﺩﻋﺎﺀ ﺍﻻﺴﺘﺎﺫ ﻤﻘﺒﻭل.‬ ‫ﺍﻟﺜﺎﻨﻴﺔ: ﻋﻥ ﻁﺭﻴﻕ ﻓﺘﺭﺓ ﺜﻘﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﻓﺘﺭﺓ ﺜﻘﺔ ﺍﻹﺨﺘﺒﺎﺭ )29.1,21.11−( ، ﻭﻫﻲ ﻨﻔﺴﻬﺎ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁ ﺍﻟﻌﻴﻨﺔ‬ ‫ﻭ86، ﻭﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﺼﻔﺭ ﻤﻭﺠﻭﺩ ﺩﺍﺨل ﻓﺘﺭﺓ ﺜﻘﺔ ﺍﻻﺨﺘﺒﺎﺭ ﺃﻱ ﺃﻥ ﺍﺩﻋﺎﺀ‬ ‫)1(‬ ‫.‬ ‫ﺍﻻﺴﺘﺎﺫ ﻤﻘﺒﻭل. ﺃﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﺼﻔﺭ ﻏﻴﺭ ﻤﻭﺠﻭﺩ ﻓﻲ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻓﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ‬ ‫ﺇﺫﺍ ﻭﻀﻌﻨﺎ ﺍﻟﻘﻴﻤﺔ ﺼﻔﺭ ﻓﻲ ﺨﺎﻨﺔ ‪ Test Value‬ﺍﺜﻨﺎﺀ ﺍﺠﺭﺍﺀ ﺇﺨﺘﺒﺎﺭ ‪ T‬ﻟﻌﻴﻨﺔ ﻭﺍﺤﺩﺓ ﺒﺩل ﺍﻟﻘﻴﻤﺔ 86 ﺘﻜﻭﻥ ﻓﺘﺭﺓ ﺍﻻﺨﺘﺒﺎﺭ ﺍﻟﻨﺎﺘﺠﺔ ﻫﻲ ﻨﻔﺴﻬﺎ‬ ‫1‬ ‫ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻟﻠﻌﻴﻨﺔ ﺍﻟﺘﻲ ﺤﺼﻠﻨﺎ ﻋﻴﻬﺎ ﻤﻥ ﺨﻼل ﺍﻻﻤﺭ ‪.Explore‬‬ ‫83‬
  • 39.
    ‫3. ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔﺍﻟﻤﺌﻭﻴﺔ ﺒﻨﻘﻁﺔ ﻭﻓﺘﺭﺓ ﺜﻘﺔ‬ ‫ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﺒﻨﻘﻁﺔ‬ ‫أ.‬ ‫ﻤﺜﺎل 4: ﺇﺫﺍ ﺃﺭﺩﻨﺎ ﺘﻘﺩﻴﺭ ﻨﺴﺒﺔ ﺍﻟﻨﺎﺠﺤﻴﻥ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻓﺴﺤﺒﺕ ﻋﻴﻨﺔ ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ‬ ‫ﻤﻥ ﺍﻟﺫﻴﻥ ﺘﻘﺩﻤﻭﺍ ﻟﻼﻤﺘﺤﺎﻥ ﻭﻜﺎﻨﺕ ﺩﺭﺠﺎﺘﻬﻡ ﻫﻲ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ ﻓﻲ ﺍﻟﻤﺜﺎل ﺭﻗﻡ )1( ﻓﻘﺩﺭ ﺍﻟﻨﺴﺒﺔ‬ ‫ﺍﻟﻤﺌﻭﻴﺔ ﻟﻠﻨﺎﺠﺤﻴﻥ.‬ ‫1. ﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Arabic‬ﻭﻤﻥ ﺜﻡ ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﻌﻤﻭﺩ ﺍﻟﺨﺎﺹ ﻓﻴﻪ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل 1.‬ ‫2. ﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Code‬ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﺭﻤﺯ ﺍﻟﻁﺎﻟﺏ ﺍﻟﻨﺎﺠﺢ ﻫﻭ 1 ﻭﺭﻤﺯ ﺍﻟﻁﺎﻟﺏ ﺍﻟﺭﺍﺴﺏ 0‬ ‫ﻭﻤﻥ ﺜﻡ ﻨﺩﺨل ﺒﻴﺎﻨﺎﺘﻪ ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫08‬ ‫56 57 58‬ ‫03 05 59 08 54 52 03 33 44 25 55‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫0‬ ‫0‬ ‫0‬ ‫0‬ ‫0‬ ‫1‬ ‫1‬ ‫1‬ ‫0‬ ‫59‬ ‫77 09 88‬ ‫87 78 48 84 25 55 75 04 06 57 27‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫1‬ ‫0‬ ‫1‬ ‫1‬ ‫1‬ ‫0‬ ‫1‬ ‫1‬ ‫1‬ ‫)‪ (Code‬ﻜﻤﺎ ﻴﻠﻲ:‬ ‫3. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻋﻤﻭﺩﻴﻥ ﻤﺨﺘﻠﻔﻴﻥ ﺍﻷﻭل )‪ (Arabic‬ﻭﺍﻟﺜﺎﻨﻲ‬ ‫93‬
  • 40.
    ‫4. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺤﺼﺎﺀ ﺍﻟﻭﺼﻔﻲ( ‪Descriptive‬‬ ‫‪ Statistics‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ ﺍﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪Frequencies‬‬ ‫5. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺨﺎﺹ ﺒﺄﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪Frequency‬‬ ‫6. ﻨﺨﺘﺎﺭ ﺍﻟﻤﺘﻐﻴﺭ ‪ Code‬ﻭﻨﻨﻘﻠﻪ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﺇﻟﻰ ﻗﺎﺌﻤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪. Variables‬‬ ‫04‬
  • 41.
    ‫7. ﻨﻀﻐﻁ ‪Ok‬ﻓﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬ ‫ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺍﻟﺠﺩﻭل ﺍﻟﺘﻜﺭﺍﺭﻱ ﻟﻠﻤﺘﻐﻴﺭ ‪ Code‬ﻭﺃﻥ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﺍﻟﻤﺩﺨﻠﺔ 03 ﺩﺭﺠﺔ، ﻭﻴﺒﻴﻥ‬ ‫ﺃﻥ ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﻲ ﻗﻴﻤﺘﻬﺎ 1 )ﺍﻟﻨﺎﺠﺤﻴﻥ( ﻫﻭ 22 ﺒﻨﺴﺒﺔ 3.37% ﻤﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻫﻭ ﺘﻘﺩﻴﺭ ﺍﻟﻨﺎﺠﺤﻴﻥ‬ ‫ﺒﻨﻘﻁﺔ، ﺃﻤﺎ ﺘﻘﺩﻴﺭ ﻨﺴﺒﺔ ﺍﻟﺭﺍﺴﺒﻴﻥ ﻓﻬﻭ 7.62%.‬ ‫ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺒﻔﺘﺭﺓ‬ ‫ب.‬ ‫ﺇﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻻ ﻴﻁﺒﻕ ﺤﺴﺎﺏ ﺘﻘﺩﻴﺭ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ، ﻭﻟﺤل ﻫﺫﻩ ﺍﻟﻤﺸﻜﻠﺔ ﺴﻨﻌﻤل‬ ‫ﻋﻠﻰ ﺘﺤﻭﻴل ﺃﻱ ﻤﺘﻐﻴﺭ ﺇﻟﻰ ﻤﺘﻐﻴﺭ ﺒﺭﻨﻭﻟﻲ ﻓﻤﺜﻼ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺤﻭﻴل ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻟﻤﺘﻐﻴﺭ ﺩﺭﺠﺎﺕ‬ ‫ﺍﻟﻁﻼﺏ ﺒﺎﻋﺎﺩﺓ ﺍﻟﺘﺭﻤﻴﺯ، ﺘﺤﻭل ﻤﺘﻐﻴﺭ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﺇﻟﻰ ﻤﺘﻐﻴﺭ ﺒﺭﻨﻭﻟﻲ، ﻭﻫﺫﺍ‬ ‫14‬
  • 42.
    ‫ﺒﺩﻭﺭﻩ ﻴﺅﺩﻱ ﺇﻟﻰﺘﺤﻭﻴل ﻤﻔﻬﻭﻡ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﻜﺄﻨﻬﺎ ﻤﺘﻭﺴﻁ ﻤﺘﻐﻴﺭ ﺒﺭﻨﻭﻟﻲ ﻭﺘﻜﻭﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻨﺴﺒﺔ‬ ‫)2(‬ ‫.‬ ‫ﻫﻲ ﻨﻔﺴﻬﺎ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻤﺘﻭﺴﻁ ﺒﺭﻨﻭﻟﻲ‬ ‫ﻤﺜﺎل5: ﺇﺫﺍ ﺼﻤﻡ ﺒﺭﻨﺎﻤﺞ ﻻﻨﺘﺎﺝ ﺍﻻﺭﻗﺎﻡ ﻋﺸﻭﺍﺌﻴﺎ ﻓﺄﻨﺘﺞ ﺍﻷﺭﻗﺎﻡ ﺍﻟﺘﺎﻟﻲ‬ ‫ﹰ‬ ‫87317518‬ ‫69239276‬ ‫11656665‬ ‫48474323‬ ‫78954653‬ ‫ﻗﺩﺭ ﻨﺴﺒﺔ ﺍﻻﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﺒﻔﺘﺭﺓ ﻤﻘﺩﺍﺭﻫﺎ 59% ؟‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ﻨﺴﻤﻴﻪ )‪ (Numbers‬ﻨﺩﺨل ﻓﻴﻪ ﺍﻷﺭﻗﺎﻡ ﺍﻟﺘﻲ ﻴﻨﺘﺠﻬﺎ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ‬ ‫ﻭﻤﺘﻐﻴﺭ ﺁﺨﺭ ﻫﻭ )‪ (Code‬ﻨﺩﺨل ﻓﻴﻪ ﺭﻤﺯ ﺍﻟﺭﻗﻡ ﻓﺭﺩﻴﺎ ﺃﻭ ﺯﻭﺠﻴﺎ ﺒﺤﻴﺙ )0= ﺯﻭﺠﻲ، 1=‬ ‫ﹰ‬ ‫ﹰ‬ ‫)3(‬ ‫ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﻓﺭﺩﻱ(‬ ‫ﻫﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﻤﻥ ﺍﻟﻨﺎﺤﻴﺔ ﺍﻟﻨﻅﺭﻴﺔ ﺼﺤﻴﺤﺔ، ﻭﻟﻜﻥ ﻓﻲ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻤﻥ ﺍﻟﻨﺎﺤﻴﺔ ﺼﺤﻴﺤﺔ ﻟﺤﺩ ﻤﺎ ﻭﺘﻜﻭﻥ ﺃﺩﻕ ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻜﺒﻴﺭﺓ‬ ‫2‬ ‫ﻭﻨﺴﺘﻁﻴﻊ ﺘﻘﺭﻴﺏ ﺘﻭﺯﻴﻊ ‪ T‬ﻟﺘﻭﺯﻴﻊ ‪ Z‬ﺍﻟﻁﺒﻴﻌﻲ ﻓﺘﻜﻭﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻤﺘﻘﺎﺭﺒﺔ ﺠﺩﺍ.‬ ‫ﹰ‬ ‫ﺒﻌﻤﻠﻴﺔ ﺍﻋﺎﺩﺓ ﺘﺭﻤﻴﺯ ﺍﻟﻤﺘﻐﻴﺭ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺭﻤﻭﺯ 0 ﻭ1 ﺘﻡ ﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻌﺸﻭﺍﺌﻲ ﺍﻟﻰ ﻤﺘﻐﻴﺭ ﺒﺭﻨﻭﻟﻲ ﺍﻟﺫﻱ ﻤﺘﻭﺴﻁﻪ ﺍﻟﺤﺴﺎﺒﻲ ﻫﻭ‬ ‫3‬ ‫ﻭﻫﻲ ﻨﻔﺴﻬﺎ ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﻟﻠﺭﺍﺴﺒﻴﻥ.‬ ‫‪E (X ) = p‬‬ ‫24‬
  • 43.
    ‫‪Descriptive Statistics‬‬ ‫ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ‬ ‫2.‬ ‫)ﺍﻻﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ( ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ ﺍﺴﺘﻜﺸﻑ ‪ Explore‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﺍﻟﺨﺎﺹ ﺒﺎﻷﻤﺭ ‪. Explore‬‬ ‫3.‬ ‫2‬ ‫1‬ ‫34‬
  • 44.
    Dependent ‫ ﻟﺨﺎﻨﺔ‬Code‫ ﻭﻤﻥ ﺜﻡ ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ‬Statistics ‫4. ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ‬ ‫ ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬Statistics ‫ ﻭﻤﻥ ﺜﻡ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﺯﺭ‬List 3 ‫ ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ‬Continue ‫5. ﻨﻜﺘﺏ ﻤﻘﺩﺍﺭ ﺍﻟﺜﻘﺔ ﻭﻫﻭ 59% ﻭﻨﻀﻐﻁ‬ ‫ ﻟﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬Ok ‫6. ﺍﻀﻐﻁ ﻋﻠﻰ‬ Std. Statistic Error Code Mean .55 .080 95% Confidence Lower ‫ﺍﻟﺤﺩ ﺍﻻﺩﻨﻰ ﻟﻠﻔﺘﺭﺓ‬ Interval for Bound .39 Mean Upper .71 ‫ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﻟﻠﻔﺘﺭﺓ‬ Bound 5% Trimmed Mean .56 Median 1.00 Variance .254 Std. Deviation .504 Minimum 0 Maximum 1 Range 1 Interquartile Range 1 Skewness -.209 .374 Kurtosis -2.062 .733 44
  • 45.
    ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺴﺎﺒﻕﺃﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﺒﻤﻘﺩﺍﺭ 59% ﻟﻨﺴﺒﺔ ﺍﻷﻋﺩﺍﺩ ﺍﻟﻔﺭﺩﻴﺔ ﻫﻲ )17.0 ,93.0 ( )4(.‬ ‫4.ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﻓﻲ ﻨﺴﺒﺔ ﻟﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ:‬ ‫ﺃ. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﻓﻲ ﻨﺴﺒﺔ ﻓﻲ ﺤﺎﻟﺔ ﺘﻘﺴﻴﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺤﺴﺏ ﻗﻴﻤﺔ ﻤﻌﻴﻨﺔ:‬ ‫ﻤﺜﺎل6: ﺇﺫﺍ ﺇﺩﻋﻰ ﺍﺴﺘﺎﺫ ﻤﺎﺩﺓ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺃﻥ ﻨﺴﺒﺔ ﺍﻟﺭﺍﺴﺒﻴﻥ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺃﻗل ﻤﻥ 04%‬ ‫ﻓﺴﺤﺒﺕ ﻋﻴﻨﺔ ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺍﻟﻤﺒﻴﻨﺔ ﻓﻲ ﺍﻟﻤﺜﺎل 1 ﻓﻬل ﺍﺩﻋﺎﺀ ﺍﻻﺴﺘﺎﺫ‬ ‫ﺼﺤﻴﺢ ﺃﻡ ﺨﺎﻁﺊ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫08‬ ‫58‬ ‫57‬ ‫56‬ ‫54 52 03 33 44 25 55‬ ‫08‬ ‫59‬ ‫05‬ ‫03‬ ‫59‬ ‫88‬ ‫09‬ ‫77‬ ‫25 55 75 04 06 57 27‬ ‫84‬ ‫48‬ ‫78‬ ‫87‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻨﺴﺒﺔ ﺍﻟﻨﺎﺠﺤﻴﻥ ﻤﺴﺎﻭﻴﺔ 04%.‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻨﺴﺒﺔ ﺍﻟﻨﺎﺠﺤﻴﻥ ﺃﻗل ﻤﻥ 04%.‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻋﻤﻭﺩ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Arabic‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﺒﻌﻤﻠﻴﺔ ﺍﻋﺎﺩﺓ ﺘﺭﻤﻴﺯ ﺍﻟﻤﺘﻐﻴﺭ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺭﻤﻭﺯ 0 ﻭ1 ﺘﻡ ﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻌﺸﻭﺍﺌﻲ ﺍﻟﻰ ﻤﺘﻐﻴﺭ ﺒﺭﻨﻭﻟﻲ ﺍﻟﺫﻱ ﻤﺘﻭﺴﻁﻪ ﺍﻟﺤﺴﺎﺒﻲ ﻫﻭ‬ ‫4‬ ‫ﻭﻫﻲ ﻨﻔﺴﻬﺎ ﺘﻘﺩﻴﺭ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﻟﻸﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﻭﺘﻜﻭﻥ ﺒﺫﻟﻙ ﺘﻘﺩﻴﺭ ﻨﺴﺒﺔ ﻟﻸﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﺒﻨﻘﻁﺔ ﻫﻲ 55.0 .‬ ‫‪E (X ) = p‬‬ ‫54‬
  • 46.
    ‫2. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ(‬ ‫‪ Nonparametric Tests‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ )ﺍﺨﺘﺒﺎﺭ ﺫﺍﺕ ﺍﻟﺤﺩﻴﻥ( ‪Binomial Test‬‬ ‫ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫64‬
  • 47.
    ‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ‪ Arabic‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﺇﻟﻰ ﺨﺎﻨﺔ ‪ Test Variables List‬ﻭﻤﻥ ﺜﻡ ﻨﻌﻠﻡ‬ ‫ﻋﻠﻰ ﺍﻻﺨﺘﻴﺎﺭ ‪ Cut point‬ﻟﻨﻜﺘﺏ ﺍﻟﻘﻴﻤﺔ 94 ﻟﺘﺩل ﻋﻠﻰ ﺃﻥ 94 ﻫﻲ ﺍﻟﻨﻘﻁﺔ ﺍﻟﻔﺎﺼﻠﺔ ﺒﻴﻥ‬ ‫ﺍﻟﻨﺎﺠﺤﻴﻥ ﻭﺍﻟﺭﺍﺴﺒﻴﻥ ﺤﻴﺙ ﺃﻜﺒﺭ ﻗﻴﻤﺔ ﻟﻠﺭﺍﺴﺒﻴﻥ ﻫﻲ 94، ﻭﺃﺼﻐﺭ ﻗﻴﻤﺔ ﻟﻠﻨﺎﺠﺤﻴﻥ 05، ﻭﻤﻥ‬ ‫ﺜﻡ ﻨﻜﺘﺏ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﺍﻟﺘﻲ ﻨﺭﻴﺩ ﺍﺨﺘﺒﺎﺭﻫﺎ ﻭﻫﻲ 04.0 ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫2‬ ‫1‬ ‫5. ﻨﻀﻐﻁ ‪ Ok‬ﻟﺘﻅﻬﺭ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ‬ ‫ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻋﺩﺩ ﺍﻟﺭﺍﺴﺒﻴﻥ ﻫﻭ 8 ﺃﺸﺨﺎﺹ ) ﺍﻟﺤﺎﺼﻠﻴﻥ ﻋﻠﻰ ﺩﺭﺠﺔ ﺃﻗل ﻤﻥ ﺃﻭ ﻴﺴﺎﻭﻱ‬ ‫94( ﺒﻨﺴﺒﺔ ﻤﺌﻭﻴﺔ 72.0 ﻭﺃﻥ ﻋﺩﺩ ﺍﻟﻨﺎﺠﺤﻴﻥ ﻫﻭ 22 ﺒﻭﺍﻗﻊ ﻨﺴﺒﺔ ﻤﺌﻭﻴﺔ 37.0 ﺍﻟﻘﻴﻤﺔ ﺍﻟﺘﻲ ﻨﺭﻴﺩ‬ ‫ﻤﻘﺎﺭﻨﺔ ﺍﻟﻨﺴﺒﺔ ﻤﻌﻬﺎ ﻫﻲ 4.0 .‬ ‫74‬
  • 48.
    ‫• ﻗﺒﻭل ﺃﻭﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ:‬ ‫ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼ ﻴﺘﺒﻴﻥ ﺃﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 490.0= )‪ Asymp. Sig. (1-tailed‬ﻭﻫﻲ‬ ‫ﺃﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﻻﺤﻅ ﺍﻥ ﻓﻭﻕ ﺍﻟﺭﻗﻡ 490.0 ﻴﻭﺠﺩ ﺍﻟﺭﻤﺯﻴﻥ ‪ a‬ﻭ‪ b‬ﻓﻴﺩل ﺍﻟﺭﻤﺯ ‪ a‬ﻋﻠﻰ ﺃﻥ ﻨﺴﺒﺔ ﺍﻟﺭﺍﺴﺒﻴﻥ ﺃﻗل ﻤﻥ‬ ‫4.0 ﻭﻴﺩل ﺍﻟﺭﻤﺯ ‪ b‬ﻋﻠﻰ ﺃﻨﻪ ﺘﻡ ﺍﺴﺘﺨﺩﺍﻡ ﺘﻘﺭﻴﺏ ‪ Z‬ﻟﺤﺴﺎﺏ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﻭﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ.‬ ‫ﺏ. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻨﺴﺒﺔ ﺤﺴﺏ ﺸﺭﻁ ﻤﻌﻴﻥ‬ ‫ﻤﺜﺎل 7: ﻓﻲ ﺍﻟﻤﺜﺎل ﺭﻗﻡ 5 ﺍﺨﺘﺒﺭ ﻫل ﻤﻤﻜﻥ ﺍﻋﺘﺒﺎﺭ ﻨﺴﺒﺔ ﺍﻻﻋﺩﺍﺩ ﺍﻟﻔﺭﺩﻴﺔ ﺍﻟﺘﻲ ﻴﻨﺘﺠﻬﺎ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ‬ ‫05%.‬ ‫1. ﻨﻘﻭﻡ ﺒﺎﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺭﻗﻡ 5 ﻭﻨﺩﺨل ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ‪ Number‬ﻭ‪=0) Code‬‬ ‫ﺯﻭﺠﻲ، 1= ﻓﺭﺩﻱ(‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ(‬ ‫‪ Nonparametric Tests‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ )ﺍﺨﺘﺒﺎﺭ ﺫﺍﺕ ﺍﻟﺤﺩﻴﻥ( ‪Binomial Test‬‬ ‫3. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Code‬ﺍﻟﻰ ﺨﺎﻨﺔ ‪ Test Variables‬ﻭﻨﺘﺄﻜﺩ ﺃﻥ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺨﺎﻨﺔ‬ ‫‪ Test Proportion‬ﻫﻲ 05.0 ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪Ok‬‬ ‫1‬ ‫2‬ ‫4. ﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬ ‫84‬
  • 49.
    ‫ﻤﻥ ﺍﻟﻨﺎﺘﺞ ﻴﺘﺒﻥﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻭﻫﻲ 636.0=)‪Asymp. Sig. (2-tailed‬‬ ‫ﻭﻫﻲ ﺍﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫5. ﺍﻟﻔﺭﻀﻴﺎﺕ ﻭﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﺤﻭل ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ‬ ‫ﻤﺜﺎل 8: ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ 051 041 021051 041 521 041 031 521 041 ﺘﻤﺜل‬ ‫ﺃﻁﻭﺍل ﻗﻁﻊ ﻤﻌﻴﻨﺔ ﻤﻥ ﺍﻟﻘﻤﺎﺵ ﺍﻟﺫﻱ ﻴﻨﺘﺠﻪ ﻤﺼﻨﻊ ﻓﺎﻭﺠﺩ ﻓﺘﺭﺓ 09% ﺜﻘﺔ ﻟﺘﺒﺎﻴﻥ ﺍﻷﻁﻭﺍل ﻭﻤﻥ ﺜﻡ‬ ‫ﺍﺨﺘﺒﺭ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺘﻲ ﺘﻘﻭل ﺃﻥ ﺘﺒﺎﻴﻥ ﺃﻁﻭﺍل ﺍﻷﻗﻤﺸﺔ 003.‬ ‫ﺃﻭﻻ: ﻨﻘﺩﺭ ﺍﻟﺘﺒﺎﻴﻥ ﺒﻨﻘﻁﺔ‬ ‫ﹰ‬ ‫1. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺍﻷﻁﻭﺍل ﻓﻲ ﻤﺘﻐﻴﺭ ﻨﺴﻤﻴﻪ ‪.Length‬‬ ‫94‬
  • 50.
    ‫2. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ(‬ ‫‪ Descriptive Statistics‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪ Frequency‬ﻟﻨﻘﺩﺭ ﺘﺒﺎﻴﻥ‬ ‫ﺍﻷﻁﻭﺍل ﺒﻨﻘﻁﺔ‬ ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Length‬ﻟﺨﺎﻨﺔ ‪ Variables‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ‬ ‫‪ Statistics‬ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫05‬
  • 51.
    ‫ﻨﺨﺘﺎﺭ ﺤﺴﺎﺏ ﺍﻟﺘﺒﺎﻴﻥﻤﻥ ﺨﻼل ‪ Variance‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ‬ ‫5.‬ ‫ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Ok‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬ ‫ﻴﺒﻴﻥ ﺍﻟﻨﺎﺘﺞ ﺃﻥ ﺘﻘﺩﻴﺭ ﺍﻟﺘﺒﺎﻴﻥ ﺒﻨﻘﻁﺔ ﻫﻭ 011.‬ ‫ﺜﺎﻨﻴﺎ: ﺍﻴﺠﺎﺩ ﺘﻘﺩﻴﺭ ﺍﻟﺘﺒﺎﻴﻥ ﺒﻔﺘﺭﺓ 09%‬ ‫ﹰ‬ ‫6. ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ‪ Transform‬ﻨﺨﺘﺎﺭ ﺃﻤﺭ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ‬ ‫15‬
  • 52.
    ‫ﻴﻌﻁﻴﻙ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱﺍﻟﺴﺎﺒﻕ ﻟﻸﻤﺭ ‪ Compute‬ﺨﻴﺎﺭﺍﺕ ﻋﺩﻴﺩﺓ‬ ‫7. ﻓﻲ ﺨﺎﻨﺔ ‪ Target Variable‬ﻨﻜﺘﺏ ﺍﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺫﻱ ﻨﺭﻴﺩ ﺤﺴﺎﺒﻪ ﻭﻫﻭ ﻴﻤﺜل ﺍﻟﺤﺩ ﺍﻷﺩﻨﻰ‬ ‫ﻟﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻭﻟﻨﺴﻤﻴﻪ ‪ Lower‬ﻭﻓﻲ ﺨﺎﻨﺔ ‪ Numeric Expression‬ﻨﻜﺘﺏ ﺼﻴﻐﺔ ﺤﺴﺎﺏ‬ ‫ﺍﻟﺤﺩ ﺍﻷﺩﻨﻰ ﻟﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻭﻫﻲ‬ ‫) ‪( (n − 1) × S‬‬ ‫2‬ ‫(‬ ‫)‬ ‫) 9,59.0 ( ‪IDF.CHISQ 1- α ,n-1 = ( 9 × 110 ) IDF.CHISQ‬‬ ‫2‬ ‫ﺃﻨﻅﺭ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫2‬ ‫1‬ ‫8. ﻨﻌﻴﺩ ﺍﻟﻜﺭﺓ ﻤﺭﺓ ﺃﺨﺭﻯ ﻟﺤﺴﺎﺏ ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﻟﻠﻔﺘﺭﺓ ﺒﻨﻔﺱ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺴﺎﺒﻘﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ‬ ‫‪ Compute‬ﻭﻟﻜﻥ ﻨﺴﻤﻲ ﺍﻟﻤﺘﻐﻴﺭ ‪ Upper‬ﻭﻨﻜﺘﺏ ﺍﻟﺼﻴﻐﺔ ﺍﻟﺘﺎﻟﻴﺔ‬ ‫) ‪( (n − 1) × S‬‬ ‫2‬ ‫(‬ ‫)‬ ‫) 9,50.0 ( ‪IDF.CHISQ α ,n-1 = ( 9 × 110 ) IDF.CHISQ‬‬ ‫2‬ ‫25‬
  • 53.
    ‫9. ﻓﻲ ﺸﺎﺸﺔﺍﻟﺒﻴﺎﻨﺎﺕ ﻨﻼﺤﻅ ﻅﻬﻭﺭ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﺃﻭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ:‬ ‫5‬ ‫ﺘﻜﻭﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﺒﻤﻘﺩﺍﺭ 09% ﻫﻲ )37.792 ,15.85 (‬ ‫ﺜﺎﻟﺜﺎ: ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ‬ ‫ﹰ‬ ‫003 = 2 ‪H 0 : σ‬‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ : ﺘﺒﺎﻴﻥ ﺃﻁﻭﺍل ﺍﻷﻗﻤﺸﺔ 003.‬ ‫003 ≠ 2 ‪H a : σ‬‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﺘﺒﺎﻴﻥ ﺃﻁﻭﺍل ﺍﻷﻗﻤﺸﺔ ﻴﺨﺘﻠﻑ ﻋﻥ 003‬ ‫ﻤﻥ ﺍﻟﻭﺍﻀﺢ ﺃﻥ )37.792 ,15.85 ( ∉ 003 ﻭﺒﺎﻟﺘﺎﻟﻲ ﺘﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﻭﻫﻨﺎﻙ ﻁﺭﻴﻘﺔ ﺃﺨﺭﻯ ﻟﻺﺠﺎﺒﺔ ﻋﻠﻰ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻤﻥ ﺨﻼل ﻜﺘﺎﺒﺔ ﺍﻟﺼﻴﻐﺔ ﺍﻟﺘﺎﻟﻴﺔ ﻓﻲ ﺍﻟﻤﺭﺒﻊ‬ ‫ﺍﻟﺤﻭﺍﺭﻱ ‪Compute‬‬ ‫(‬ ‫)‬ ‫159.0 = ) 9, ) 003 011 × )1 − 01( ( ( ‪SIG.CHISQ ( (n − 1) × S 2 σ 0 ) ,n-1 = SIG.CHISQ‬‬ ‫2‬ ‫ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﺘﺒﺎﻴﻥ ﻤﻌﻁﻰ ﻓﻲ ﺍﻟﻤﺜﺎل ﻤﺒﺎﺸﺭﺓ ﻻ ﻨﺤﺘﺎﺝ ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪ Frequency‬ﻟﺤﺴﺎﺏ ﺍﻟﺘﺒﺎﻴﻥ.‬ ‫5‬ ‫35‬
  • 54.
    ‫ﻓﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲﻓﻲ ﺼﻔﺤﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﻭﺒﺎﻟﺘﺎﻟﻲ 159.0 ﻫﻲ ﺃﻜﺒﺭ ﻤﻥ ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ ﺍﻟﺫﻱ ﻴﻘﻊ ﻋﻨﺩ 59.0. ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫45‬
  • 55.
  • 56.
    ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻨﻴﺔ: ﺍﻻﺴﺘﺩﻻلﺍﻻﺤﺼﺎﺌﻲ ﺤﻭل ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ‬ ‫ﻟﻘﺩ ﺘﻌﺭﻀﺕ ﻋﺯﻴﺯﻱ ﺍﻟﺩﺍﺭﺱ ﻓﻲ ﺍﻟﻭﺤﺩﺓ ﺍﻷﻭﻟﻰ ﺇﻟﻰ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﺘﻭﺴﻁ ﻭﻨﺴﺒﺔ‬ ‫ﻭﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻊ ﻭﺍﺤﺩ، ﻭﻗﺩ ﺘﻌﺭﻓﺕ ﻋﻠﻰ ﻜﻴﻔﻴﺔ ﺍﺠﺭﺍﺀ ﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ، ﻭﺍﻟﺘﻘﺩﻴﺭ ﻤﻥ ﺨﻼل ﺒﺭﻨﺎﻤﺞ‬ ‫‪ .SPSS‬ﻭﻻ ﺒﺩ ﺃﻨﻙ ﻻﺤﻅﺕ ﺃﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﺘﻌﺎﻤل ﻤﻊ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﻭﻴﻌﻤل ﺠﻤﻴﻊ‬ ‫ﺍﺨﺘﺒﺎﺭﺍﺘﻪ ﻋﻠﻰ ﺍﺴﺎﺱ ﺘﻘﺩﻴﺭ ﻤﻌﺎﻟﻡ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ.‬ ‫1. ﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﻭﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ.‬ ‫ﻴﻨﻘﺴﻡ ﺍﻟﻤﻘﺭﺭ ﺍﻟﻨﻅﺭﻱ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﻭﻀﻭﻉ، ﻭﻫﻭ ﺘﻘﺩﻴﺭ ﻓﺘﺭﺍﺕ ﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﻤﺠﺘﻤﻌﻴﻥ‬ ‫ﻭﺍﺠﺭﺍﺀ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﻟﻬﺫﻩ ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﺜﻼﺜﺔ ﺤﺎﻻﺕ ﻫﻲ‬ ‫ﻤﻌﻠﻭﻤﺘﺎﻥ.‬‫2 ‪σ1,σ‬‬ ‫1. ﻋﻨﺩﻤﺎ‬ ‫2 ‪ σ1,σ‬ﻤﺠﻬﻭﻟﺘﺎﻥ ﻭﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ ﻜﺒﻴﺭﺓ.‬ ‫2. ﻋﻨﺩﻤﺎ‬ ‫2 ‪ σ1,σ‬ﻤﺠﻬﻭﻟﺘﺎﻥ ﻭﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ ﺼﻐﻴﺭﺓ.‬ ‫3. ﻋﻨﺩﻤﺎ‬ ‫ﻭﻫﻨﺎ ﻻ ﺒﺩ ﻤﻥ ﺍﻻﺸﺎﺭﺓ ﺇﻟﻰ ﺃﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻜﻤﺎ ﺃﺴﻠﻔﻨﺎ ﺍﻟﺫﻜﺭ ﻴﺘﻌﺎﻤل ﻤﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ، ﻭﺍﻟﺘﻲ ﻤﻥ‬ ‫ﺨﻼﻟﻬﺎ ﻴﻘﺩﺭ ﻤﻌﺎﻟﻡ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ، ﻭﻤﻨﻬﺎ ﺍﻟﺘﺒﺎﻴﻥ، ﻓﻬﻭ ﻻ ﻴﻘﻭﻡ ﺒﺎﻻﺨﺘﺒﺎﺭﺍﺕ ﺃﻭ ﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﻓﻲ ﺍﻟﺤﺎﻟﺔ‬ ‫ﺍﻷﻭﻟﻰ ﺃﻋﻼﻩ، ﻭﺇﺫﺍ ﺍﻀﻁﺭﺭﻨﺎ ﻟﻌﻤل ﺍﻟﺨﻁﻭﺓ ﺍﻷﻭﻟﻰ ﺴﺘﻜﻭﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻷﻤﺭ ‪ Compute‬ﺍﻟﺫﻱ‬ ‫ﺘﻌﺭﻀﻨﺎ ﻟﻪ ﻓﻲ ﺍﻟﺴﺎﺒﻕ ﻭﻟﻜﻨﻨﺎ ﻟﻥ ﻨﺘﻌﺭﺽ ﻟﺫﻟﻙ ﻷﻥ ﺍﻟﻘﻴﺎﻡ ﺒﺫﻟﻙ ﻤﺜل ﺍﻟﻘﻴﺎﻡ ﺒﻪ ﻴﺩﻭﻴﹰ، ﻟﺫﻟﻙ ﻻ ﺠﺩﻭﻯ‬ ‫ﺎ‬ ‫ﻤﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﺤﺎﺴﻭﺏ، ﻭﻫﺫﺍ ﺍﻻﻤﺭ ﻻ ﻴﻨﻁﺒﻕ ﻓﻘﻁ ﻋﻠﻰ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻭﻟﻜﻥ ﻋﻠﻰ ﺠﻤﻴﻊ ﺍﻟﺒﺭﺍﻤﺞ‬ ‫ﺍﻻﺤﺼﺎﺌﻴﺔ.‬ ‫ﻤﺜﺎل 1: ﺇﺫﺍ ﻜﺎﻨﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﻁﺭﻕ ﺍﻻﺤﺼﺎﺀ ﺒﺎﻟﺤﺎﺴﻭﺏ ﺤﺴﺏ ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ‬ ‫ﻤﻭﺯﻋﺔ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫ﺩﺭﺠﺎﺕ ﺍﻻﻨﺎﺙ‬ ‫ﺃﻭﻻ:‬ ‫ﹰ‬ ‫08‬ ‫58‬ ‫57‬ ‫56‬ ‫55‬ ‫25‬ ‫44‬ ‫33‬ ‫03‬ ‫52‬ ‫54‬ ‫05 59 08‬ ‫03‬ ‫59‬ ‫88‬ ‫09‬ ‫77‬ ‫27‬ ‫57‬ ‫06‬ ‫04‬ ‫75‬ ‫55‬ ‫25‬ ‫78 48 84‬ ‫87‬ ‫37 77‬ ‫57‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﺫﻜﻭﺭ‬ ‫ﺜﺎﻨﻴﺎ:‬ ‫ﹰ‬ ‫77‬ ‫03‬ ‫52‬ ‫03‬ ‫44‬ ‫04‬ ‫56‬ ‫44‬ ‫77‬ ‫57‬ ‫97‬ ‫54 48 83‬ ‫58‬ ‫67‬ ‫26‬ ‫44‬ ‫24‬ ‫77‬ ‫66‬ ‫56‬ ‫89‬ ‫59‬ ‫63‬ ‫84‬ ‫59 16 06‬ ‫58‬ ‫07‬ ‫39 89 08‬ ‫57‬ ‫65‬
  • 57.
    ‫ﻓﺎﻭﺠﺩ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﺒﻤﻘﺩﺍﺭ 59% ﻭﻤﻥ ﺜﻡ ﺒﻴﻥ ﻫل ﺘﻭﺠﺩ‬ ‫ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ )ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ( ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫50.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺍﻟﺫﻜﻭﺭ‬ ‫ﻭﺍﻻﻨﺎﺙ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ : ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺍﻟﺫﻜﻭﺭ‬ ‫ﻭﺍﻻﻨﺎﺙ.‬ ‫1. ﻨﻌﺭﻑ ﻤﺘﻐﻴﺭ )ﺍﻟﺩﺭﺠﺔ( ﻭﻤﺘﻐﻴﺭ )ﺍﻟﺠﻨﺱ( ﻓﻲ ﺸﺎﺸﺔ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﻟﻴﻜﻥ ﺍﻟﻜﻭﺩ ﺍﻟﻤﺘﺒﻊ‬ ‫ﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ )ﺫﻜﺭ=1، ﻭﺃﻨﺜﻰ=2(.‬ ‫2. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻟﺩﺭﺠﺔ( ﻭﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺠﻨﺱ ﺍﻟﻁﺎﻟﺏ ﻓﻲ ﻤﺘﻐﻴﺭ‬ ‫)ﺍﻟﺠﻨﺱ( ﺍﻟﺫﻱ ﻴﺒﻴﻥ ﺼﺎﺤﺏ ﺍﻟﺩﺭﺠﺔ ﺇﻥ ﻜﺎﻥ ﺫﻜﺭﺍ ﺃﻡ ﺃﻨﺜﻰ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﹰ‬ ‫75‬
  • 58.
    ‫3. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﻤﻘﺎﺭﻨﺔ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ )‪ (Compare mean‬ﻭﻤﻨﻬﺎ‬ ‫ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ )‪ (Independent –Samples T-test‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل‬ ‫ﺍﻟﺘﺎﻟﻲ:‬ ‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫85‬
  • 59.
    ‫5. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ‪ Options‬ﻨﺴﺘﻁﻴﻊ ﺘﺤﺩﻴﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺜﻘﺔ ﻭﻫﻭ 59.0 = 50.0 − 1 = ‪ 1 − α‬ﻭﻤﻥ‬ ‫ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻓﻨﻌﻭﺩ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ.‬ ‫2‬ ‫1‬ ‫6. ﻨﻨﻘل ﻤﺘﻐﻴﺭ )ﺍﻟﺩﺭﺠﺔ( ﺇﻟﻰ ﺍﻟﺨﺎﻨﺔ ‪ Test Variable‬ﻋﻥ ﻁﺭﻴﻕ ﺍﻟﺴﻬﻡ ﻭﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﺇﻟﻰ‬ ‫ﺨﺎﻨﺔ ‪.Grouping Variable‬‬ ‫3‬ ‫7. ﻟﺘﻌﺭﻴﻑ ﺭﻤﺯ ﺍﻟﻔﺌﺘﻴﻥ )ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ( ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Define Group‬ﻓﻴﻅﻬﺭ ﻟﻨﺎ ﺍﻟﻤﺭﺒﻊ‬ ‫ﺍﻟﺤﻭﺍﺭﻱ‬ ‫8. ﻨﻜﺘﺏ ﺭﻤﻭﺯ ﺍﻟﻜﻭﺩ ﺍﻟﺨﺎﺼﺔ ﺒﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﺩﺍﺨل 1‪ Group‬ﻭ2 ‪ Group‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل‬ ‫ﺃﻋﻼﻩ، ﻭﺫﻟﻙ ﻟﻜﻲ ﻴﻤﻴﺯ ﺍﻟﺒﺭﻨﺎﻤﺞ ﺃﻱ ﺍﻟﻔﺌﺎﺕ ﺍﻟﺘﻲ ﻨﺭﻴﺩ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺘﻬﺎ)6(، ﻭﻤﻥ ﺜﻡ‬ ‫ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻓﻴﻌﻴﺩﻨﺎ ﺇﻟﻰ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻓﻴﻜﻭﻥ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﻓﻲ ﺒﻌﺽ ﺍﻻﺤﻴﺎﻥ ﻨﺭﻴﺩ ﻤﻘﺎﺭﻨﺔ ﻓﺌﺘﻴﻥ ﻟﻤﺘﻐﻴﺭ ﻴﺤﺘﻭﻱ ﻋﻠﻰ 3 ﻓﺌﺎﺕ ﻓﺄﻜﺜﺭ ﻓﻨﻜﺘﺏ ﻓﻘﻁ ﺭﻤﺯ ﺍﻟﻌﻴﻨﺘﻴﻥ ﺍﻟﺘﻲ ﻨﺭﻴﺩ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺘﻬﻡ‬ ‫6‬ ‫95‬
  • 60.
    ‫9. ﻭﻤﻥ ﺜﻡﻨﻀﻐﻁ ﻋﻠﻰ ‪ .Ok‬ﻟﺘﻅﻬﺭ ﻨﺘﺎﺌﺞ ﺍﻻﺨﺘﺒﺎﺭ.‬ ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺸﻜل ﺃﻋﻼﻩ ﻨﺎﺘﺞ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ، ﻭﻴﺘﻜﻭﻥ ﺍﻟﻨﺎﺘﺞ ﻤﻥ ﺠﺩﻭﻟﻴﻥ، ﺍﻷﻭل‬ ‫‪ Group Statistics‬ﻭﻫﻭ ﺠﺩﻭل ﻴﺼﻑ ﺍﻟﻌﻴﻨﺎﺕ ﻤﻥ ﺤﻴﺙ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﻭﻭﺴﻁﻬﺎ ﺍﻟﺤﺴﺎﺒﻲ ﻭﺍﻨﺤﺭﺍﻓﻬﺎ‬ ‫ﺍﻟﻤﻌﻴﺎﺭﻱ، ﺃﻤﺎ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ‪ Independent Samples Test‬ﻓﻴﺒﻴﻥ ﻨﺘﻴﺠﺔ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪.(7) T‬‬ ‫ﻤﻥ ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺍﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﺤﺴﺏ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﻤﺠﺘﻤﻌﻴﻥ ﻤﻥ ﻋﻴﻨﺎﺕ ﻤﺴﺘﻘﻠﺔ ﺘﻠﻘﺎﺌﻴﺎ ﺒﻐﺽ ﺍﻟﻨﻅﺭ ﻋﻥ‬ ‫ﹰ‬ ‫7‬ ‫ﻜﻭﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻜﺒﻴﺭﺓ ﺃﻭ ﺼﻐﻴﺭﺓ ﻭﻴﻜﻭﻥ ﺍﻟﺘﺒﺎﻴﻥ ﻏﻴﺭ ﻤﻌﺭﻭﻓﺎ ﻷﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﻘﺩﺭﻩ ﺒﺄﺴﻠﻭﺏ ﺍﻟﻨﻘﻁﺔ، ﻓﻔﻲ ﺤﺎﻟﺔ ﺘﺴﺎﻭﻱ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻨﺄﺨﺫ‬ ‫ﻨﺘﺎﺌﺞ ﺍﻟﺴﻁﺭ ﺍﻷﻭل ﻭﻓﻲ ﺤﺎﻟﺔ ﻋﺩﻡ ﺘﺴﺎﻭﻱ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ ﻨﺄﺨﺫ ﺍﻟﺴﻁﺭ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﺠﺩﻭل ﺍﻟﻨﺘﺎﺌﺞ.‬ ‫06‬
  • 61.
    ‫ﺃﻭﻻ: ﺍﻟﺠﺩﻭل ﺍﻷﻭل‬ ‫ﹰ‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﺤﺠﻡ ﻋﻴﻨﺔ ﺍﻟﺫﻜﻭﺭ ﻫﻭ 53 ﻁﺎﻟﺏ ﺒﻤﺘﻭﺴﻁ ﺤﺴﺎﺒﻲ ﻗﺩﺭﻩ 66.07‬ ‫ﻭﺍﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 643.81 ﻭﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻠﻭﺴﻁ ﻗﺩﺭﻩ 101.3. ﻭﺃﻤﺎ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻺﻨﺎﺙ‬ ‫ﻓﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﺍﻟﻤﺩﺨﻠﺔ 33 ﺩﺭﺠﺔ ﺒﻤﺘﻭﺴﻁ ﺤﺴﺎﺒﻲ ﻗﺩﺭﻩ 42.36 ﻭﺍﻨﺤﺭﺍﻑ‬ ‫ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 406.91 ﻭﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻠﻭﺴﻁ ﻗﺩﺭﻩ 314.3.‬ ‫ﺜﺎﻨﻴﺎ: ﺸﺭﺡ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫ﹰ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫‪ T‬ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﺍﻟﻔﺭﻕ ﻓﻲ ﺍﻟﻭﺴﻁ‬ ‫ﺍﻟﺨﻁﺄ ﻓﻲ ﺍﻟﻔﺭﻕ‬ ‫ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ‬ ‫ﺍﺨﺘﺒﺎﺭ ﻟﻴﻔﻨﻲ‬ ‫ﺃ- ﻨﺘﺎﺌﺞ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫)8(‬ ‫ﻫﻲ 595.0 ﻭﺒﻭﺍﻗﻊ ﺩﻻﻟﺔ 334.0‬ ‫1. ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻟﻴﻔﻴﻨﻲ ‪Levene‬‬ ‫ﻭﻫﺫﻩ ﺍﻟﻘﻴﻤﺔ ﺃﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ ، α‬ﻭﻫﺫﺍ ﺒﺩﻭﺭﻩ ﻴﺒﻴﻥ ﺃﻨﻨﺎ ﻨﺴﺘﻁﻴﻊ ﺍﻻﻓﺘﺭﺍﺽ‬ ‫ﺒﺄﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﻤﺘﺴﺎﻭﻱ )‪ (Equal Variance Assumed‬ﻭﺒﺎﻟﺘﺎﻟﻲ‬ ‫ﺍﺨﻨﺒﺎﺭ ‪ Levene‬ﻫﻭ ﺍﺨﺘﺒﺎﺭ ﺨﺎﺹ ﺒﻔﺤﺹ ﺘﺠﺎﻨﺱ ﺍﻟﻌﻴﻨﺎﺕ )ﻫل ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺴﺎﻭﻱ ﺃﻡ ﻻ(؟ ﺇﺫﺍ ﻜﺎﻥ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ ‪ Sig‬ﺃﻜﺒﺭ ﻤﻥ‬ ‫8‬ ‫ﻴﻜﻭﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺴﺎﻭﻱ ﻭﺇﺫﺍ ﻜﺎﻥ ﺃﻗل ﻴﻜﻭﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻏﻴﺭ ﻤﺘﺴﺎﻭﻱ. ﻤﻊ ﺍﻟﻌﻠﻡ ﺃﻥ ﺍﺨﺘﺒﺎﺭ ‪ Levene‬ﻟﻡ ﻨﺩﺭﺴﻪ‬ ‫‪α‬‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻤﻥ ﺍﻟﻤﻘﺭﺭ.‬ ‫16‬
  • 62.
    ‫ﺴﻨﻌﺘﻤﺩ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﻤﻭﺠﻭﺩﺓﻓﻲ ﺍﻟﺴﻁﺭ ﺍﻷﻭل ﺍﻟﺫﻱ ﻓﻲ ﺒﺩﺍﻴﺘﻪ ‪Equality of Variance‬‬ ‫)9(‬ ‫.‬ ‫‪ Assumed‬ﻤﻥ ﺍﻟﺠﺩﻭل‬ ‫2. ﻴﺒﻴﻥ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﺍﻟﺠﺩﻭل ﻨﺎﺘﺞ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪(T-Test for Equality of T‬‬ ‫)‪ Mean‬ﻭﺒﺎﻟﺘﺤﺩﻴﺩ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺍﻟﺴﻁﺭ ﺍﻷﻭل ﻤﻥ ﺍﻟﺠﺩﻭل ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻫﻲ‬ ‫ﻭﺃﻥ‬ ‫ﻭﺒﺩﺭﺠﺔ ﺤﺭﻴﺔ ﻤﻘﺩﺍﺭﻫﺎ 66 ﺃﻱ 66 = 2 − 33 + 53 = 2 − 2 ‪d .f . = n1 + n‬‬ ‫116.1‬ ‫ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﻲ ﺍﻟﻌﻴﻨﺘﻴﻥ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ‪ Mean Difference‬ﻫﻭ 514.7 ﻭﺃﻥ‬ ‫ﺍﻟﺨﻁﺄ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻓﻲ ﻫﺫﺍ ﺍﻟﻔﺭﻕ ﻫﻭ 206.4 .‬ ‫ﺏ- ﻗﺒﻭل ﺃﻭ ﺭﻓﺽ ﻟﻠﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﻫﻨﺎﻙ ﻁﺭﻴﻘﺘﻴﻥ ﻟﺭﻓﺽ ﺃﻭ ﻋﺩﻡ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻫﻤﺎ:‬ ‫-2( ‪Sig‬‬ ‫1. ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ )‪ : Sig (2- tailed‬ﻨﻼﺤﻅ ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﺃﻥ ﻗﻴﻤﺔ‬ ‫211.0=)‪ tailed‬ﻭﻫﻲ ﺃﻜﺒﺭ ﻤﻥ ﻗﻴﻤﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫2. ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁ ﺍﻟﻌﻴﻨﺘﻴﻥ )‪(Confidence Interval of the Difference‬‬ ‫ﻭﺘﺘﻜﻭﻥ ﺃﻱ ﻓﺘﺭﺓ ﺜﻘﺔ ﻤﻥ ﺭﻗﻤﻴﻥ ﻫﻤﺎ ﺍﻟﺤﺩ ﺍﻻﺩﻨﻰ ‪ Lower‬ﻭﺍﻟﺤﺩ ﺍﻻﻋﻠﻰ ‪ Upper‬ﻭﻤﻥ ﺍﻟﺠﺩﻭل‬ ‫ﺃﻋﻼﻩ ﻓﺈﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ ﻫﻲ )306.61,477.1− ( ، ﻭﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﺼﻔﺭ ﻤﻭﺠﻭﺩ ﺩﺍﺨل ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ، ﻭﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻓﺎﻟﺼﻔﺭ ﻤﻭﺠﻭﺩ‬ ‫ﺒﻔﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ. ﻭﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻓﻲ ﺤﺎﻟﺔ‬ ‫ﻋﺩﻡ ﻭﺠﻭﺩ ﺍﻟﺼﻔﺭ ﺩﺍﺨل ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ.‬ ‫ﻭﻨﺴﺘﻁﻴﻊ ﺍﻻﺴﺘﻨﺘﺎﺝ ﻤﻥ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﺃﻥ ﺠﻨﺱ ﺍﻟﻁﺎﻟﺏ ﻻ ﻴﺅﺜﺭ ﻋﻠﻰ ﺩﺭﺠﺎﺘﻪ.‬ ‫ﻤﻥ ﺍﻟﻤﻌﺭﻭﻑ ﺃﻥ ﻤﻥ ﺃﻫﻡ ﺸﺭﻭﻁ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻫﻭ ﺃﻥ ﻴﻜﻭﻥ ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﺍﻟﻤﺴﺘﻘﻠﻴﻥ ﻁﺒﻴﻌﻲ ﻭﺃﻥ ﻴﻜﻭﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ ﻤﺘﺴﺎﻭﻱ‬ ‫9‬ ‫ﺍﺤﺼﺎﺌﻴﹰ، ﻭﺴﻨﺘﻌﺭﺽ ﻻﺤﻘﺎ ﻻﺨﺘﺒﺎﺭ ﻤﻘﺎﺭﻨﺔ ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ ﺘﻔﺼﻴﻠﻴﺎ.‬ ‫ﹰ‬ ‫ﹰ‬ ‫ﺎ‬ ‫26‬
  • 63.
    ‫2.ﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﻭﺍﺨﺘﺒﺎﺭﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﻲ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ:‬ ‫ﻤﺜﺎل 2: ﺇﺫﺍ ﻜﺎﻨﺕ ﺩﺭﺠﺎﺕ 02 ﻁﺎﻟﺏ ﻓﻲ ﻤﻘﺭﺭﻱ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ:‬ ‫1 ﺭﻗﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫2‬ ‫3‬ ‫4‬ ‫5‬ ‫6‬ ‫7‬ ‫8‬ ‫9‬ ‫01‬ ‫ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫58‬ ‫08‬ ‫05‬ ‫58‬ ‫04‬ ‫08‬ ‫09‬ ‫08‬ ‫06‬ ‫06‬ ‫ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ‬ ‫08‬ ‫05‬ ‫05‬ ‫56‬ ‫05‬ ‫09‬ ‫59‬ ‫48‬ ‫04‬ ‫03‬ ‫ﺭﻗﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫11‬ ‫21‬ ‫31‬ ‫41‬ ‫51‬ ‫61‬ ‫71‬ ‫81‬ ‫91‬ ‫02‬ ‫ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫78‬ ‫08‬ ‫58‬ ‫09‬ ‫57‬ ‫07‬ ‫06‬ ‫55‬ ‫08‬ ‫58‬ ‫ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ‬ ‫08‬ ‫57‬ ‫56‬ ‫07‬ ‫57‬ ‫06‬ ‫04‬ ‫07‬ ‫09‬ ‫57‬ ‫ﻭﺍﻟﻤﻁﻠﻭﺏ ﺍﻴﺠﺎﺩ ﻓﺘﺭﺓ ﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﻭﺴﻁﻴﻥ ﺍﻟﻤﻘﺭﺭﻴﻥ ﻭﻤﻥ ﺜﻡ ﺍﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﻫﻨﺎﻙ‬ ‫ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﻘﺭﺭﻴﻥ ﻋﻨﺩ ﻤﺴﺘﻭﻯ‬ ‫ﺍﻟﺩﻻﻟﺔ 01.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ‬ ‫ﺍﻟﻤﻘﺭﺭﻴﻥ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ : ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﻘﺭﺭﻴﻥ.‬ ‫1. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﻜل ﻤﻘﺭﺭ ﻓﻲ ﻤﺘﻐﻴﺭ )ﻋﻤﻭﺩ( ﻜل ﻋﻠﻰ ﺤﺩﺓ، ﻨﺴﻤﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻻﻭل‬ ‫)ﺍﻟﻌﺭﺒﻲ( ﻭﺍﻟﺜﺎﻨﻲ )ﺍﻻﻨﺠﻠﻴﺯﻱ( ﻟﻴﺩﻻﻥ ﻋﻠﻰ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ‬ ‫36‬
  • 64.
    ‫2. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﻤﻘﺎﺭﻨﺔ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ )‪ (Compare mean‬ﻭﻤﻨﻬﺎ‬ ‫ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ )‪.(Paired-Sample T-test‬‬ ‫46‬
  • 65.
    ‫3. ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫4. ﻨﺨﺘﺎﺭ ﻤﺘﻐﻴﺭﻴﻥ )ﺍﻟﻌﺭﺒﻲ( ﻭ)ﺍﻻﻨﺠﻠﻴﺯﻱ( ﻤﻌﺎ ﺒﺎﻟﻤﺎﻭﺱ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ﺍﻟﺴﻬﻡ ﻟﻼﻨﺘﻘﺎل‬ ‫ﹰ‬ ‫ﺇﻟﻰ ﺨﺎﻨﺔ ‪. Paired Variables‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫1‬ ‫56‬
  • 66.
    ‫5. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ‪ Option‬ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﺍﻟﺫﻱ ﻨﻜﺘﺏ ﻓﻴﻪ ﻤﻘﺩﺍﺭ ﻤﺴﺘﻭﻯ ﺍﻟﺜﻘﺔ‬ ‫)ﺘﺤﺩﻴﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ( ﻭﻫﻭ 9.0 = 1.0 − 1‬ ‫2‬ ‫6. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ .Continue‬ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻤﺭﺓ‬ ‫ﺃﺨﺭﻯ ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ.‬ ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ‬ ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻤﻘﺎﺭﻨﺔ ﻤﺘﻭﺴﻁﺎﺕ ﻋﻴﻨﺘﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ ﻤﻥ 3 ﺠﺩﺍﻭل، ﺍﻻﻭل ﻴﺼﻑ ﺍﺤﺼﺎﺀﺍﺕ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (Paired Samples Statistics‬ﻭﺍﻟﺜﺎﻨﻲ ﻴﺤﺴﺏ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻭﻴﺼﻑ ﺍﻟﻌﻼﻗﺔ‬ ‫ﺍﻟﺨﻁﻴﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (Paired Sample Correlation‬ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻟﺙ ﻫﻭ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ‪T‬‬ ‫ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ )‪.(Paired Samples Test‬‬ ‫66‬
  • 67.
    ‫ﺸﺭﺡ ﺍﻟﺠﺩﻭل ﺍﻷﻭل‬ ‫ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﺍﻟﻤﺩﺨﻠﺔ ﻓﻲ ﻜل ﻤﺘﻐﻴﺭ )ﺍﻟﻌﺭﺒﻲ ﻭﺍﻻﻨﺠﻠﻴﺯﻱ( ﻫﻭ 02، ﻭﺃﻥ ﻤﺘﻭﺴﻁ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ 58.37 ﺒﺎﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 685.41 ﻭﺨﻁﺄ ﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺍﻟﻭﺴﻁ‬ ‫ﺒﺎﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ‬ ‫ﻤﻘﺩﺍﺭﻩ 262.3، ﺃﻤﺎ ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻓﻤﺘﻭﺴﻁ ﺍﻟﺩﺭﺠﺎﺕ 07.66‬ ‫493.81 ﻭﺨﻁﺄ ﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻫﻭ 311.4.‬ ‫ﺸﺭﺡ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫ﻴﺤﺴﺏ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺨﻁﻲ ﺒﻴﺭﺴﻭﻥ ﻭﺍﻟﺫﻱ ﻗﻴﻤﺘﻪ 76.0 ﻭﻫﺫﻩ ﺍﻟﻌﻼﻗﺔ ﺍﻟﺨﻁﻴﺔ‬ ‫ﺩﺍﻟﺔ ﺍﺤﺼﺎﺌﻴﺎ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 100.0 ﻭﺴﻨﻘﻭﻡ ﺒﺸﺭﺡ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺘﻔﺼﻴﻠﻴﺎ ﻓﻲ ﺍﻟﻭﺤﺩﺓ‬ ‫ﹰ‬ ‫ﹰ‬ ‫ﺍﻟﺜﺎﻟﺜﺔ.‬ ‫76‬
  • 68.
    ‫ﺸﺭﺡ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻟﺙ‬ ‫ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﻔﺭﻕ‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻠﻔﺭﻕ‬ ‫‪T‬ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫‪Paired Samples Test‬‬ ‫‪Paired Differences‬‬ ‫)‪(2-tailed‬‬ ‫‪90%Confidenc‬‬ ‫‪Deviation‬‬ ‫.‪Sig‬‬ ‫‪Mean‬‬ ‫‪e Interval of‬‬ ‫‪Error‬‬ ‫.‪Std‬‬ ‫.‪Std‬‬ ‫‪t‬‬ ‫‪df‬‬ ‫‪the Difference‬‬ ‫‪Mean‬‬ ‫‪Lower‬‬ ‫‪Upper‬‬ ‫ﺍﻻﻨﺠﻠﻴﺯﻱ‬ ‫ﺍﻟﻌﺭﺒﻲ -‬ ‫1 ‪Pair‬‬ ‫051.7‬ ‫684.31‬ ‫690.3‬ ‫076.0‬ ‫36.31‬ ‫91‬ ‫230.‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ‬ ‫ﺃ- ﻨﺘﺎﺌﺞ ﺍﻟﺠﺩﻭل:‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻤﺘﻭﺴﻁ ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ )ﺍﻟﻌﺭﺒﻲ –ﺍﻻﻨﺠﻠﻴﺯﻱ( ﻓﻲ ﺍﻟﻤﻘﺭﺭﻴﻥ ﻫﻭ‬ ‫051.7 ﺒﺎﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 684.31 ﻭﺒﺨﻁﺄ ﻤﻌﻴﺎﺭﻱ ﻓﻲ ﺍﻟﻭﺴﻁ 690.3 ﻭﺃﻥ ﺩﺭﺠﺔ‬ ‫ﺍﻟﺤﺭﻴﺔ ﻫﻲ 91 = 1 − 02 = 1 − ‪ d . f . = n‬ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ ﻫﻲ‬ ‫903.2.‬ ‫ﺏ- ﻗﺒﻭل ﻭﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ:‬ ‫ﻫﻨﺎﻙ ﻁﺭﻴﻘﺘﻴﻥ ﻟﻠﻘﺒﻭل ﺃﻭ ﻟﻠﺭﻓﺽ ﻫﻤﺎ:‬ ‫1. ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ )‪ : Sig. (2- tailed‬ﻤﻥ ﺍﻟﺠﺩﻭل ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫230.0 =)‪ Sig. (2- tailed‬ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ )01(.‬ ‫‪(Confidence Interval of the‬‬ ‫2. ﺒﺎﺴﺘﺨﺩﺍﻡ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﺍﻟﻭﺴﻁﻴﻥ‬ ‫)‪ Difference‬ﺃﻭ ﻤﺎ ﺘﺴﻤﻰ ﺒﻔﺘﺭﺓ ﺜﻘﺔ ﺍﻻﺨﺘﺒﺎﺭ.‬ ‫ﻜﻤﺎ ﻓﻲ ﺍﻻﺨﺘﺒﺎﺭ ﺍﻟﺴﺎﺒﻕ ﻻﺤﻅ ﺃﻥ ﺍﻟﺼﻔﺭ ﻏﻴﺭ ﻤﻭﺠﻭﺩ ﻓﻲ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ )36.31,76.0 ( ﻭﻋﻠﻴﻪ‬ ‫ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ، ﺃﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﺼﻔﺭ ﻤﻭﺠﻭﺩ ﻓﻲ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻓﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﺇﺫﺍ ﻜﺎﻨﺕ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ 2 ‪ H 0 : µ1 > µ‬ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪. α‬‬ ‫01‬ ‫86‬
  • 69.
    ‫ﻭﻨﺴﺘﻁﻴﻊ ﺍﻻﺴﺘﻨﺘﺎﺝ ﻤﻥﺃﻥ ﻫﻨﺎﻙ ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭﻱ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ.‬ ‫3.ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﻭﻓﺘﺭﺍﺕ ﺍﻟﺜﻘﺔ ﺤﻭل ﺍﻟﻨﺴﺒﺔ ﺒﻴﻥ ﺘﺒﺎﻴﻥ ﻤﺠﺘﻤﻌﻴﻥ.‬ ‫ﻤﺜﺎل 3: ﻓﻲ ﺩﺭﺍﺴﺔ ﻷﻋﻤﺎﺭ ﺍﻟﻤﺭﻀﻰ ﺍﻟﺫﻴﻥ ﻴﻌﺎﻨﻭﻥ ﻤﻥ ﺍﻟﺠﻠﻁﺔ ﺍﻟﺩﻤﻭﻴﺔ ﺴﺤﺒﺕ ﻋﻴﻨﺔ ﻤﻥ ﺍﻟﻤﺭﻀﻰ‬ ‫ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﻭﻜﺎﻨﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫ﺍﻹﻨﺎﺙ‬ ‫05‬ ‫55‬ ‫25‬ ‫56‬ ‫53‬ ‫04‬ ‫55‬ ‫06‬ ‫07‬ ‫86‬ ‫27‬ ‫57‬ ‫84‬ ‫25‬ ‫06‬ ‫07‬ ‫ﺍﻟﺫﻜﻭﺭ‬ ‫04‬ ‫54‬ ‫04‬ ‫55‬ ‫24‬ ‫65‬ ‫85‬ ‫06‬ ‫06‬ ‫26‬ ‫53‬ ‫04‬ ‫05‬ ‫55‬ ‫ﺃﻭﺠﺩ ﻓﺘﺭﺓ ﺜﻘﺔ ﺒﻤﻘﺩﺍﺭ 09% ﻟﻠﻨﺴﺒﺔ ﺒﻴﻥ ﺘﺒﺎﻴﻥ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻻﻨﺎﺙ ﻭﺒﻴﻥ ﻫل ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺘﺘﻴﻥ ﻤﺨﺘﻠﻔﻴﻥ ﺃﻡ‬ ‫ﻻ.‬ ‫ﺍﻟﺤل:‬ ‫ﺃﻭﻻ: ﻨﺠﺩ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪.Frequency‬‬ ‫ﹰ‬ ‫1. ﻨﺩﺨل ﺃﻋﻤﺎﺭ ﻋﻴﻨﺔ ﺍﻟﺫﻜﻭﺭ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻟﺫﻜﻭﺭ( ﻭﺃﻋﻤﺎﺭ ﻋﻴﻨﺔ ﺍﻻﻨﺎﺙ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻻﻨﺎﺙ( ﻜﻤﺎ‬ ‫ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫96‬
  • 70.
    ‫2. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﺍﻻﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ(‬ ‫‪ Descriptive Statistics‬ﻭﻤﻥ ﺨﻼل ﺃﻤﺭ ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ‪ Frequencies‬ﻨﺤﺴﺏ ﺘﺒﺎﻴﻥ‬ ‫ﺍﻟﻌﻴﻨﺘﻴﻥ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫1‬ ‫3. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ Statistics‬ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ ﻭﻨﺨﺘﺎﺭ ﻤﻨﻪ ﺤﺴﺏ ﺍﻟﺘﺒﺎﻴﻥ‬ ‫‪Variance‬‬ ‫3‬ ‫4. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻭﻤﻥ ﺜﻡ ‪ Ok‬ﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬ ‫2‬ ‫07‬
  • 71.
    ‫5. ﻤﻥ ﺍﻟﻨﺎﺘﺞﺃﻋﻼﻩ ﻴﺘﺒﻴﻥ ﺃﻥ ﺤﺠﻡ ﻋﻴﻨﺔ ﺍﻹﻨﺎﺙ ﻫﻭ 61 ﺒﺘﻴﺎﻴﻥ 697.531 ﺃﻤﺎ ﺍﻟﺫﻜﻭﺭ ﻓﺤﺠﻡ‬ ‫ﺍﻟﻌﻴﻨﺔ 41 ﻭﻗﻴﻤﺔ ﺍﻟﺘﺒﺎﻴﻥ 902.58.‬ ‫6. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻭﻴل ‪ Transform‬ﻨﺨﺘﺎﺭ ﺍﻤﺭ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﻟﺤﺴﺎﺏ ﺍﻟﺤﺩ ﺍﻷﺩﻨﻰ‬ ‫‪ Lower‬ﻭﺍﻟﺤﺩ ﺍﻷﺩﻨﻰ ‪ Upper‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺴﺎﺒﻕ‬ ‫ﺍﻟﺼﻴﻐﺔ ﺍﻟﻌﺎﻤﺔ ﻟﻠﺤﺩ ﺍﻷﺩﻨﻰ :‬ ‫(‬ ‫)‬ ‫)31,51,50.0 ( ‪(11) (S12 /S2 )*IDF.F α 2 ,15,13 = (135.796/85.209 ) *IDF.F‬‬ ‫2‬ ‫7. ﺍﻟﺼﻴﻐﺔ ﺍﻟﻌﺎﻤﺔ ﻟﺤﺴﺎﺏ ﺍﻟﺤﺩ ﺍﻷﻋﻠﻰ‬ ‫ﻤﺭﺓ ﺍﺨﺭﻯ ﻨﺤﺴﺏ ﺍﻟﻤﺘﻐﻴﺭ ‪: Upper‬‬ ‫2‬ ‫2‬ ‫(‬ ‫2‬ ‫)‬ ‫)31,51,59.0 ( ‪(S1 /S2 )*IDF.F 1 − α ,15,13 = (135.796/85.209 ) *IDF.F‬‬ ‫)2‪ IDF.F(P,df1,df‬ﻫﻲ ﺩﺍﻟﺔ ﻤﻭﺠﻭﺩﺓ ﺩﺍﺨل ‪.Function‬‬ ‫11‬ ‫17‬
  • 72.
    ‫8. ﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞﺍﻟﺘﺎﻟﻲ ﻓﻲ ﺼﻔﺤﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﻤﻥ ﺍﻟﻨﺎﺘﺞ ﻓﺈﻥ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ 09% ﻫﻲ ) 730.4 ,156.0 (‬ ‫27‬
  • 73.
    ‫ﺃﻤﺎ ﻟﻺﺠﺎﺒﺔ ﻋﻠﻰﺍﻟﻔﺭﻀﻴﺎﺕ:‬ ‫21 ‪σ‬‬ ‫: 0‪H‬‬ ‫1=‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻨﺴﺒﺔ ﺘﺒﺎﻴﻥ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﻭﺍﺤﺩ‬ ‫2‪σ‬‬ ‫2‬ ‫2‪σ‬‬ ‫1 ≠ 21 : ‪H a‬‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻨﺴﺒﺔ ﺘﺒﺎﻴﻥ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﻻ ﺘﺴﺎﻭﻱ ﻭﺍﺤﺩ‬ ‫2‪σ‬‬ ‫ﺍﻟﻁﺭﻴﻘﺔ ﺍﻷﻭﻟﻰ: ﺒﺎﺴﺘﺨﺩﺍﻡ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﺍﻟﺴﺎﺒﻘﺔ‬ ‫ﻻﺤﻅ ﺃﻥ ﻨﺴﺒﺔ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ ﻫﻲ ) 730.4 ,536.0 ( ∈ 1 ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ ﺃﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﻭﺍﺤﺩ ﻏﻴﺭ ﻤﻭﺠﻭﺩ ﻓﻲ ﻓﺘﺭﺓ ﺍﻟﺜﻘﺔ ﻓﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﺜﺎﻨﻴﺔ:‬ ‫ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻭﻴل ‪ Transform‬ﻨﺨﺘﺎﺭ ﺍﻤﺭ ﺍﻟﺤﺴﺎﺏ ‪ Compute‬ﻟﺤﺴﺎﺏ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺭﻓﺽ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ‪Sig‬‬ ‫ﺍﻟﺼﻴﻐﺔ ﺍﻟﻌﺎﻤﺔ ﻟﺤﺴﺎﺏ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ ‪ Sig‬ﺃﻨﻅﺭ ﺍﻟﺘﺎﻟﻲ‬ ‫)31,51,902.58 / 697.531(‪SIG.F(S1 / S2 ,n-1,m-1)=SIG.F‬‬ ‫2‬ ‫2‬ ‫ﺤﻴﺙ ‪ m‬ﻫﻲ ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻟﺒﺴﻁ ﻭ‪ n‬ﻫﻲ ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻟﻤﻘﺎﻡ‬ ‫ﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ ﻓﻲ ﺼﻔﺤﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ‪Sig‬‬ ‫37‬
  • 74.
    ‫ﻴﺘﺒﻴﻥ ﺃﻥ ﻤﺴﺘﻭﻯﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 202.0 ﻭﻫﻲ ﺃﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ‬ ‫01.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﺘﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫47‬
  • 75.
  • 76.
    ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻟﺜﺔ:ﺍﻻﻨﺤﺩﺍﺭ ﻭﺍﻻﺭﺘﺒﺎﻁ‬ ‫1. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻭﻤﻘﻁﻌﻪ‬ ‫ﻭﻫﻨﺎ ﻨﺭﻴﺩ ﺍﻻﺠﺎﺒﺔ ﻋﻠﻰ ﺍﻟﺴﺅﺍل ﺍﻻﺴﺎﺴﻲ "ﻫل ﺘﻭﺠﺩ ﻋﻼﻗﺔ ﺨﻁﻴﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ‪ Y‬ﻭﺍﻟﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﺴﺘﻘل ‪ ." X‬ﻓﻤﻥ ﺍﻟﻤﻌﺭﻭﻑ ﺃﻥ ﺍﻟﻌﻼﻗﺔ ﺍﻟﺨﻁﻴﺔ ﺇﺫﺍ ﻭﺠﺩﺕ ﺴﺘﻜﻭﻥ ﻋﻠﻰ ﺍﻟﺸﻜل ‪Y = B 0 + B 1X‬‬ ‫ﺤﻴﺙ 0 ‪ B‬ﻫﻭ ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭﻤﻥ ﻤﺤﻭﺭ‪ y‬ﻭ 1 ‪ B‬ﻫﻭ ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ. ﻭﻟﻭ ﻜﺎﻨﺕ ﺍﻟﻌﻼﻗﺔ‬ ‫ﺨﻁﻴﺔ ﻭﺘﻡ ﺭﺴﻡ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ‪ X‬ﻭ‪ Y‬ﻓﻲ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﻴﻜﺎﺭﺘﻲ ﻓﺴﻴﻜﻭﻥ ﺭﺴﻡ ﻫﺫﻩ ﺍﻟﻌﻼﻗﺔ ﻋﻠﻰ‬ ‫ﺸﻜل ﺨﻁ ﻤﺴﺘﻘﻴﻡ ﻴﺼل ﺒﻴﻥ ﻤﻌﻅﻡ ﺍﻟﻨﻘﺎﻁ )ﺃﻭ ﻴﻜﻭﻥ ﻤﺠﻤﻭﻉ ﻤﺭﺒﻊ ﺍﻟﻤﺴﺎﻓﺎﺕ ﺒﻴﻨﻪ ﻭﺒﻴﻥ ﺍﻟﻨﻘﺎﻁ ﻫﻲ‬ ‫ﺃﻗل ﻤﺎ ﻴﻤﻜﻥ( ﻜﻤﺎ ﺩﺭﺴﺕ ﺫﻟﻙ ﺴﺎﺒﻘﺎ ﻓﻲ ﻁﺭﻴﻘﺔ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﺼﻐﺭﻯ ﻓﻲ ﻤﻘﺭﺭ ﻤﺒﺎﺩﺉ ﺍﻻﺤﺼﺎﺀ.‬ ‫ﹰ‬ ‫ﺍﻟﻘﻴﻡ ﺍﻟﺤﻘﻴﻘﺔ )ﺍﻟﻤﺸﺎﻫﺩﺍﺕ(‬ ‫ﺍﻟﺨﻁﺄ ﻓﻲ ﺍﻟﺘﻘﺩﻴﺭ‬ ‫ﺍﻟﻘﻴﻤﺔ ﺍﻟﺘﻘﺩﻴﺭﻴﺔ‬ ‫ﺨﻁ ﻤﻌﺎﺩﻟﺔ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫ﻭﻴﻨﺠﻡ ﻋﻥ ﺘﻘﺭﻴﺏ ﺍﻟﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ‪ X‬ﻭ‪ Y‬ﺒﻌﻼﻗﺔ ﺨﻁ ﻤﺴﺘﻘﻴﻡ )ﺨﻁ ﺍﻨﺤﺩﺍﺭ( ﻨﻭﻋﻴﻥ ﻤﻥ‬ ‫ﺍﻟﻘﻴﻡ ﺍﻟﺤﻘﻴﻘﻴﺔ )ﺍﻟﻤﺸﺎﻫﺩﺍﺕ( ﻭﺍﻟﻘﻴﻡ ﺍﻟﺘﻘﺩﻴﺭﻴﺔ ﺍﻟﺘﻲ ﻨﻘﺩﺭﻫﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻤﻌﺎﺩﻟﺔ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻭﺍﻟﻔﺭﻕ‬ ‫ﺒﻴﻥ ﺍﻟﻘﻴﻤﺔ ﺍﻟﺤﻘﻴﻘﻴﺔ ﻭﺍﻟﻘﻴﻤﺔ ﺍﻟﺘﻘﺩﻴﺭﻴﺔ ﻫﻭ ﻤﺎ ﻴﺴﻤﻰ ﺒﺎﻟﺨﻁﺄ ﻓﻲ ﺍﻟﺘﻘﺩﻴﺭ ﻭﺍﻟﻤﻭﻀﺢ ﻓﻲ ﺍﻟﺸﻜل‬ ‫ﺃﻋﻼﻩ.‬ ‫67‬
  • 77.
    ‫• ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻴل ﻭﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ.‬ ‫ﻤﺜﺎل 1: ﺇﺫﺍ ﻜﺎﻥ ﺩﺭﺠﺎﺕ 21 ﻁﺎﻟﺏ ﻓﻲ ﻤﻘﺭﺭﻱ ﺍﻟﺤﺎﺴﻭﺏ ﻭﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻜﺎﻨﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل‬ ‫ﺍﻟﺘﺎﻟﻲ :‬ ‫ﺍﻟﺭﻴﺎﻀﻴﺎﺕ‬ ‫ﺍﻟﺤﺎﺴﻭﺏ‬ ‫ﺭﻗﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫15‬ ‫47‬ ‫1.‬ ‫86‬ ‫07‬ ‫2.‬ ‫27‬ ‫88‬ ‫3.‬ ‫79‬ ‫39‬ ‫4.‬ ‫55‬ ‫76‬ ‫5.‬ ‫37‬ ‫37‬ ‫6.‬ ‫59‬ ‫99‬ ‫7.‬ ‫47‬ ‫37‬ ‫8.‬ ‫02‬ ‫33‬ ‫9.‬ ‫19‬ ‫19‬ ‫01.‬ ‫47‬ ‫08‬ ‫11.‬ ‫08‬ ‫68‬ ‫21.‬ ‫ﺒﺎﻋﺘﺒﺎﺭ ﺃﻥ ﺩﺭﺠﺔ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻫﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل ﻭﺩﺭﺠﺔ ﺍﻟﺤﺎﺴﻭﺏ ﻫﻲ‬ ‫ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ، ﻓﺎﻭﺠﺩ ﺍﻟﻌﻼﻗﺔ ﺍﻟﺨﻁﻴﺔ ﺒﻴﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﻘﺭﺭﻴﻥ )ﻤﻌﺎﺩﻟﺔ ﺍﻻﻨﺤﺩﺍﺭ(‬ ‫ﻭﻤﻥ ﺜﻡ ﺒﻴﻥ ﻫل ﻫﺫﻩ ﺍﻟﻌﻼﻗﺔ ﺩﺍﻟﺔ ﺍﺤﺼﺎﺌﻴﺎ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬ﻭﻤﺩﻯ ﺍﻟﺩﻗﺔ ﻓﻲ‬ ‫ﹰ‬ ‫ﺍﻟﺘﻘﺩﻴﺭ ﺒﻨﺎﺀ ﻋﻠﻰ ﻫﺫﻩ ﺍﻟﻌﻼﻗﺔ.‬ ‫ﺍﻟﺤل:‬ ‫ﺃﻭﻻ: ﺘﻨﻔﻴﺫ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﹰ‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺤﻴﺙ ﻨﺩﺨل ﺩﺭﺠﺔ ﻤﻘﺭﺭ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻟﺭﻴﺎﻀﻴﺎﺕ( ﻭﺒﻴﺎﻨﺎﺕ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﺤﺎﺴﻭﺏ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻟﺤﺎﺴﻭﺏ( ﻜﻤﺎ ﻓﻲ ﻴﻠﻲ:‬ ‫77‬
  • 78.
    ‫2. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﻨﺤﺩﺍﺭ ‪ Regression‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ‬ ‫‪ Linear‬ﻟﺩﺭﺍﺴﺔ ﺍﻻﻨﺤﺩﺍﺭ ﺍﻟﺨﻁﻲ. ﻜﻤﺎ ﻴﻠﻲ:‬ ‫87‬
  • 79.
    ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫97‬
  • 80.
    ‫4. ﺒﻤﺎ ﺃﻥﻤﺘﻐﻴﺭ )ﺍﻟﺭﻴﺎﻀﻴﺎﺕ( ﻫﻭ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل ﻨﻨﻘﻠﻪ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻟﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺍﻟﻤﺴﺘﻘﻠﺔ ‪ Independents‬ﻭﻨﻨﻘل ﻤﺘﻐﻴﺭ )ﺍﻟﺤﺎﺴﻭﺏ( ﻟﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ‪Dependent‬‬ ‫.‬ ‫08‬
  • 81.
    ‫5. ﻨﻀﻐﻁ ‪Ok‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ.‬ ‫ﻨﺘﺎﺌﺞ ﺘﺤﻠﻴل ﺍﻻﻨﺤﺩﺍﺭ ﺍﻟﺨﻁﻲ‬ ‫18‬
  • 82.
    ‫ﺸﺭﺡ ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻻﻭل )ﺠﺩﻭل ﻨﻭﻉ ﺍﻟﻁﺭﻴﻘﺔ(‬ ‫ﻭﻫﻭ ﻴﺒﻴﻥ ﺃﻥ ﻁﺭﻴﻘﺔ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﺼﻐﺭﻯ ﻫﻲ ﺍﻟﻤﺘﺒﻌﺔ ﻓﻲ ﺘﺤﻠﻴل ﺍﻻﻨﺤﺩﺍﺭ ﺍﻟﺨﻁﻲ ﻭﺃﻥ ﺍﻟﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﺴﺘﻘل ﻫﻭ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺃﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﻫﻭ ﺍﻟﺤﺎﺴﻭﺏ .‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ )ﺠﺩﻭل ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺨﻁﻲ(‬ ‫ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﺤﺩﻴﺩ‬ ‫28‬
  • 83.
    ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺴﺎﺒﻕﻨﺘﻴﺠﺔ ﺤﺴﺎﺏ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ‪ R‬ﻭﻤﻌﺎﻤل ﺍﻟﺘﺤﺩﻴﺩ 2 ‪ ،(12) R‬ﻭﻜﺫﻟﻙ ﻴﺒﻴﻥ ﺃﻥ‬ ‫ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺨﻁﻲ ﺒﻴﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺍﻟﺤﺎﺴﻭﺏ ﻫﻭ 539.0 ﻭﺃﻥ ﻤﺩﻯ‬ ‫ﺍﻟﺩﻗﺔ ﻓﻲ ﺘﻘﺩﻴﺭ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ )ﺩﺭﺠﺔ ﺍﻟﺤﺎﺴﻭﺏ( ﻫﻭ 4.78%.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻟﺙ: )ﺠﺩﻭل ﺘﺤﻠﻴل ﺘﺒﺎﻴﻥ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ(‬ ‫ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻫﻭ ﺠﺩﻭل ﺘﺤﻠﻴل ﺘﺒﺎﻴﻥ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﺤﻴﺙ ﻴﺩﺭﺱ ﻤﺩﻯ ﻤﻼﺌﻤﺔ ﺨﻁﺔ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫ﻟﻠﺒﻴﺎﻨﺎﺕ ﻭﻓﺭﻀﻴﺘﻪ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺘﻲ ﺘﻨﺹ ﻋﻠﻰ "ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻻ ﻴﻼﺌﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻌﻁﺎﺓ" ، ﻭﻴﺒﻴﻥ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ ﺃﻥ:‬ ‫1. ﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻭ 081.1682 ﻭﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﺍﻟﺒﻭﺍﻗﻲ ﻫﻭ 070.114‬ ‫ﻭﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﻜﻠﻲ ﻫﻭ 52.2723.‬ ‫2. ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻲ 1 ﻭﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻟﺒﻭﺍﻗﻲ ﻫﻲ 01.‬ ‫3. ﻤﻌﺩل ﻤﺭﻋﺎﺕ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻭ 81.1682 ﻭﻤﻌﺩل ﻤﺭﺒﻌﺎﺕ ﺍﻟﺒﻭﺍﻗﻲ ﻫﻭ 701.14.‬ ‫4. ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻟﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻲ 306.96 .‬ ‫5. ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ 000.0 ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 ﻓﻨﺭﻓﻀﻬﺎ،‬ ‫)31(‬ ‫.‬ ‫ﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻴﻼﺌﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺭﺍﺒﻊ )ﺠﺩﻭل ﺍﻟﻤﻌﺎﻤﻼﺕ(‬ ‫ﻭﻫﺫﺍ ﺍﻟﺠﺩﻭل ﻴﺒﻴﻥ ﻋﺩﺓ ﻨﺘﺎﺌﺞ ﺃﻭﻟﻬﺎ ﻗﻴﻡ ﻤﻴل ﻭﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﺒﺎﻻﻀﺎﻓﺔ ﺃﻨﻪ ﻴﺠﻴﺏ ﻋﻠﻰ‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻤﻴل ﻭﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫ﻤﻌﺎﻤل ﺍﻟﺘﺤﺩﻴﺩ ﻫﻭ ﻤﺭﺒﻊ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻭﻫﻭ ﻴﺒﻴﻥ ﻤﺩﻯ ﺩﻗﺔ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻓﻲ ﺘﻘﺩﻴﺭ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل ﺃﻭ ﺒﺼﻴﻐﺔ‬ ‫21‬ ‫ﺃﺨﺭﻯ ﻤﺩﻯ ﻓﻌﺎﻟﻴﺔ ﺍﺴﺘﺨﺩﺍﻡ ﻤﻌﺎﺩﻟﺔ ﺍﻻﻨﺤﺩﺍﺭ ﻟﻠﺘﻨﺒﺅ ﻓﻲ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻻ ﻴﻼﺌﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ.‬ ‫31‬ ‫38‬
  • 84.
    ‫ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫ﻗﻴﻤﺔ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ‬ ‫ﻟﻠﻤﻌﺎﻤﻼﺕ ‪T‬ﻗﻴﻡ ﺍﺨﺘﺒﺎﺭ‬ ‫‪T‬ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫1. ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﻨﺘﻴﺠﺔ ﺍﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻋﻠﻰ ﻓﺭﻀﻴﺎﺕ ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻭﻤﻘﻁﻊ ﺨﻁ‬ ‫ﺍﻻﻨﺤﺩﺍﺭ، ﻓﺎﻟﺴﻁﺭ ﺍﻷﻭل ﻤﻥ ﺍﻟﺠﺩﻭل ﻴﺒﻴﻥ ﻨﺘﻴﺠﺔ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻋﻠﻰ ﻓﺭﻀﻴﺎﺕ ﻤﻘﻁﻊ‬ ‫ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ، ﻭﺍﻟﺴﻁﺭ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﺍﻟﺠﺩﻭل ﺒﻴﺒﻴﻥ ﻨﺘﻴﺠﺔ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻋﻠﻰ ﻓﺭﻀﻴﺎﺕ ﻤﻴل ﺨﻁ‬ ‫ﺍﻻﻨﺤﺩﺍﺭ. ﺤﻴﺙ ﺃﻥ ﻁﻭل ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻭ 387.32 ﻭﺃﻥ ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻭ‬ ‫557.0 ﻭﺒﺎﻟﺘﺎﻟﻲ ﺘﻜﻭﻥ ﻤﻌﺎﺩﻟﺔ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻫﻲ ‪ Y = 23.783 + 0.755 X‬ﺤﻴﺙ ‪ Y‬ﻫﻭ‬ ‫ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ )ﺍﻟﺤﺎﺴﻭﺏ( ﻭﺍﻟﻤﺴﺘﻘل ‪ X‬ﻭﻫﻭ )ﺍﻟﺭﻴﺎﻀﻴﺎﺕ(.‬ ‫2. ﻓﺭﻀﻴﺎﺕ ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫: ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻤﺴﺎﻭﻱ ﻟﻠﺼﻔﺭ 0 ‪H‬‬ ‫0 = 0‪H 0 : B‬‬ ‫: ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻤﺨﺘﻠﻑ ﻋﻥ ﺍﻟﺼﻔﺭ ‪H a‬‬ ‫0 ≠ 0‪H a : B‬‬ ‫ﻭﻫﻲ ﻫﻲ 565.3 ﻭﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 500.0‪T‬ﻴﺘﺒﻴﻥ ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ 50.0 = ‪ α‬ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺃﻱ ﺃﻗل ﻤﻥ ﻗﻴﻤﺔ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ ﻭﺘﻜﻭﻥ ﻗﻴﻤﺔ ﻤﻘﻁﻊ ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ 387.32 ﻫﻲ ﺩﺍﻟﺔ ﺍﺤﺼﺎﺌﻴﺎ.‬ ‫ﹰ‬ ‫3. ﺒﺎﻟﻨﺴﺒﺔ ﻟﻔﺭﻀﻴﺎﺕ ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫0 = 1 ‪ : H 0 : B‬ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻤﺴﺎﻭﻱ ﻟﻠﺼﻔﺭ 0 ‪H‬‬ ‫0 ≠ 1 ‪ : H a : B‬ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ ﻤﺨﺘﻠﻑ ﻋﻥ ﻟﻠﺼﻔﺭ ‪H a‬‬ ‫ﻴﺘﺒﻴﻥ ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻫﻲ 343.8 ﻭﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ 000.0 ﻭﻫﻲ ﺃﻗل ﻤﻥ ﻗﻴﻤﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻭﺘﻜﻭﻥ ﻗﻴﻤﺔ ﻤﻴل ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ‬ ‫557.0 ﻫﻲ ﺩﺍﻟﺔ ﺍﺤﺼﺎﺌﻴﺎ.‬ ‫ﹰ‬ ‫48‬
  • 85.
    ‫ﺤﺴﺎﺏ ﺍﻟﺘﻘﺩﻴﺭ ﻭﺍﻟﺨﻁﺄﻓﻲ ﺘﻘﺩﻴﺭ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ‬ ‫1. ﻟﺤﺴﺎﺏ ﺍﻟﻘﻴﻤﺔ ﺍﻟﺘﻘﺩﻴﺭﻴﺔ ﻟﻠﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل ﻭﻜﺫﻟﻙ ﺍﻟﺨﻁﺄ ﻓﻲ ﺍﻟﺘﻘﺩﻴﺭ، ﻨﻘﻭﻡ‬ ‫ﺒﺎﻟﺨﻁﻭﺍﺕ ﺍﻟﺴﺎﺒﻘﺔ ﻤﻥ ﺤﻴﺙ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻨﻘﻭﻡ ﺒﻨﻔﺱ ﺍﻟﺨﻁﻭﺓ ﺍﻻﻭﻟﻰ‬ ‫1‬ ‫2. ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Save‬ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫2‬ ‫3‬ ‫58‬
  • 86.
    ‫ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰﺨﺎﻨﺎﺕ ‪ Un Standardized‬ﺘﺤﺕ ﺍﻟﺒﻭﺍﻗﻲ ‪ Residuals‬ﻭﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل‬ ‫3.‬ ‫‪ Predicted Values‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺴﺎﺒﻕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻟﻺﺴﺘﻤﺭﺍﺭ ﻭﺍﻟﻌﻭﺩﺓ‬ ‫ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻻﺼﻠﻲ.‬ ‫ﺍﻟﻨﺘﺎﺌﺞ:‬ ‫ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ ﻴﺘﺒﻴﻥ ﺃﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻗﺩ ﺍﻀﺎﻑ ﻋﻤﻭﺩﻴﻥ )ﻤﺘﻐﻴﺭﻴﻥ( ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﻓﻲ‬ ‫ﺍﻟﻠﻭﻥ ﺍﻟﻐﺎﻤﻕ ﻟﺼﻔﺤﺔ ﺍﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻫﻤﺎ ﺍﻟﺘﻘﺩﻴﺭ 1_‪ Pre‬ﻭﺍﻟﺨﻁﺄ ﻓﻲ ﺍﻟﺘﻘﺩﻴﺭ 1_‪.Res‬‬ ‫ﻭﻨﺴﺘﻁﻴﻊ ﻗﺭﺍﺀﺓ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﺎﻟﺘﺎﻟﻲ:‬ ‫ﺍﻟﻁﺎﻟﺏ ﺍﻷﻭل ﺍﻟﺫﻱ ﺤﺼل ﻋﻠﻰ ﺩﺭﺠﺔ 15 ﻓﻲ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭ47 ﻓﻲ ﺍﻟﺤﺎﺴﻭﺏ، ﻓﺒﺎﺴﺘﺨﺩﺍﻡ ﻤﻌﺎﺩﻟﺔ‬ ‫)41(‬ ‫ﻓﺈﻥ ﺍﻟﻌﻼﻤﺔ ﺍﻟﺘﻘﺩﻴﺭﻴﺔ ﻟﻪ ﻓﻲ ﺍﻟﺤﺎﺴﻭﺏ ﻫﻲ 22972.26 ﻭﻴﻜﻭﻥ ﺒﺫﻟﻙ‬ ‫ﺨﻁ ﺍﻻﻨﺤﺩﺍﺭ )ﺍﻟﺘﻘﺩﻴﺭﻴﺔ(‬ ‫ﺍﻟﺨﻁﺄ ﻓﻲ ﺍﻟﺘﻘﺩﻴﺭ 87027.11. ﻭﻫﻜﺫﺍ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻠﻁﺎﻟﺏ ﺍﻟﺜﺎﻨﻲ ﻭﺍﻟﺜﺎﻟﺙ ... .‬ ‫‪Y = 23.785 + 0.755X‬‬ ‫41‬ ‫68‬
  • 87.
    ‫2.ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺎﺕ ﺍﻟﻤﺘﻌﻠﻘﺔﺒﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ )ﺒﻴﺭﺴﻭﻥ(.‬ ‫ﻴﻌﻤل ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺒﻴﺭﺴﻭﻥ ﻋﻠﻰ ﻗﻴﺎﺱ ﻁﺒﻴﻌﺔ ﻭﻗﻭﺓ ﺍﻟﻌﻼﻗﺔ ﺍﻟﺨﻁﻴﺔ ﺒﻴﻥ ﻗﻴﻡ ﻤﺘﻐﻴﺭﻴﻥ‬ ‫ﻤﺜﺎل 2: ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻨﺭﻴﺩ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻟﺘﺤﺩﻴﺩ ﻁﺒﻴﻌﺔ ﺍﻟﻌﻼﻗﺔ ﺒﻴﻥ ﻤﺘﻐﻴﺭ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﺎﻟﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺍﻟﺤﺎﺴﻭﺏ.‬ ‫ﺍﻟﺤل: ﺘﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺎﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫0 ‪ : H‬ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻤﺴﺎﻭﻱ ﻟﻠﺼﻔﺭ ) 0 = 0‪( H 0 : ρ‬‬ ‫‪ : H a‬ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻏﻴﺭ ﺼﻔﺭﻱ ) 0 ≠ 0‪( H 0 : ρ‬‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﺭﺘﺒﺎﻁ ‪ Correlation‬ﻭﻤﻥ ﺜﻡ‬ ‫ﻨﺨﺘﺎﺭ ‪ Bivariate‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫78‬
  • 88.
    ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫1‬ ‫2‬ ‫3‬ ‫4. ﻨﺨﺘﺎﺭ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺍﻟﺤﺎﺴﻭﺏ( ﻭﻨﻨﻘﻠﻬﻡ ﻟﺨﺎﻨﺔ ‪ Variables‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ،‬ ‫ﻭﻨﺨﺘﺎﺭ ﻁﺭﻴﻘﺔ ﺤﺴﺎﺏ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ )ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺒﻴﺭﺴﻭﻥ( ﻭﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ‬ ‫ﺍﻻﺨﺘﻴﺎﺭ ‪ Flag Significant Correlations‬ﻟﻴﻌﻁﻴﻨﺎ ﺍﻟﻘﻴﻡ ﺍﻟﺘﻲ ﺘﻜﻭﻥ ﻋﻨﺩﻫﺎ ﺍﻟﻌﻼﻗﺔ ﺩﺍﻟﺔ‬ ‫88‬
  • 89.
    ‫ﻭﻫﻲ ﺍﺤﺩﻯ ﺍﻟﻘﻴﻡﺍﻟﺘﺎﻟﻴﺔ )000.0 ,500.0 ,10.0 ,5.0 ,1.0( ﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﺘﻅﻬﺭ ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﺍﻟﺘﺎﻟﻴﺔ.‬ ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺭﺘﺒﺎﻁ )ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺒﻴﺭﺴﻭﻥ(‬ ‫ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ‬ ‫ﻓﻲ ﺤﺎﻟﺔ ﻋﺩﻡ ﺍﻟﺘﺴﺎﻭﻱ ﻓﻲ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ‬ ‫5. ﻴﺴﻤﻰ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺤﻴﺙ ﺘﺘﻜﻭﻥ ﻜل ﺨﻠﻴﺔ ﻤﻥ 3 ﺃﺭﻗﺎﻡ، ﺍﻷﻭل ﻫﻭ ﻗﻴﻤﺔ‬ ‫ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻭﺍﻟﺜﺎﻨﻲ 000.0 ﻫﻲ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻭﺍﻟﺜﺎﻟﺙ ﻫﻭ‬ ‫ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ )ﺍﻻﺯﻭﺍﺝ ﺍﻟﻤﺭﺘﻴﺔ ﻟﻘﻴﻡ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ( ﺍﻟﻤﺩﺨﻠﺔ ﻭﺍﻟﻤﺴﺘﺨﺩﻤﺔ ﻓﻲ ﻋﻤﻠﻴﺔ ﺍﻟﺤﺴﺎﺏ.‬ ‫ﻭﺘﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺃﻥ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺩﺭﺠﺎﺕ ﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺍﻟﺤﺎﺴﻭﺏ ﻫﻭ 539.0‬ ‫ﻭﺃﻥ ﻫﺫﻩ ﺍﻟﻌﻼﻗﺔ ﺩﺍﻟﺔ ﺍﺤﺼﺎﺌﻴﹰ، ﻭﺃﻥ ﻋﺩﺩ ﺍﻷﺯﻭﺍﺝ ﺍﻟﻤﺭﺘﺒﺔ ﻫﻭ 21.‬ ‫ﺎ‬ ‫ﻤﻼﺤﻅﺔ: ﻓﻲ ﺤﺎﻟﺔ ﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ 0 > 0‪ H 0 : ρ‬ﺃﻭ 0 < 0‪ H 0 : ρ‬ﻓﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﻴﺎﺭ ‪One‬‬ ‫‪.Tailed‬‬ ‫98‬
  • 90.
  • 91.
    ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺭﺍﺒﻌﺔ: ﺘﺤﻠﻴلﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ ﻭﺍﻟﺜﻨﺎﺌﻲ‬ ‫1. ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ‬ ‫ﻟﻘﺩ ﺘﻌﺭﻀﻨﺎ ﻟﻤﻭﻀﻭﻉ ﻤﻘﺎﺭﻨﺔ ﻤﺘﻭﺴﻁﺎﺕ ﻤﺠﺘﻤﻌﻴﻥ ﻓﻲ ﺍﻟﺒﻨﻭﺩ ﺍﻟﺴﺎﺒﻘﺔ، ﻭﺴﺘﺩﺭﺱ ﻓـﻲ ﻫـﺫﺍ ﺍﻟﺒﻨـﺩ‬ ‫ﺍﺨﺘﺒﺎﺭ ﻓﺭﻀﻴﺎﺕ ﺤﻭل ﻤﻘﺎﺭﻨﺔ ﻋﺩﺓ ﻤﺘﻭﺴﻁﺎﺕ ﻷﻜﺜﺭ ﻤﻥ ﻤﺠﺘﻤﻌﻴﻥ، ﻭﺍﻻﺴﻠﻭﺏ ﺍﻟﻤﺘﺒﻊ ﻓﻲ ﺫﻟﻙ ﻴﻘﻴﺱ‬ ‫ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ ﺘﺄﺜﻴﺭ ﻋﺎﻤل ﻭﺍﺤﺩ ﻤﻜﻭﻥ ﻤﻥ ﻋﺩﺓ ﻤﺴﺘﻭﻴﺎﺕ )ﻤﺘﻐﻴﺭ ﻫﻭ ﺍﺴﻠﻭﺏ ﺘﺤﻠﻴل‬ ‫ﺍﻟﺘﺒﺎﻴﻥ.‬ ‫)51(‬ ‫ﻓﻠـﻭ ﺃﺭﺩﻨـﺎ‬ ‫ﻤﺴﺘﻘل ﻨﻭﻋﻲ ﻓﻴﻪ ﻤﻜﻭﻥ ﻤﻥ 3 ﻓﺌﺎﺕ ﻓﺄﻜﺜﺭ( ﻋﻠﻰ ﻋﺎﻤل ﺃﺨﺭ )ﻤﺘﻐﻴﺭ ﺘﺎﺒﻊ ﻤﺘﺼل(‬ ‫ﻤﻘﺎﺭﻨﺔ ﻤﺘﻭﺴﻁﺎﺕ 3 ﻤﺠﺘﻤﻌﺎﺕ ﻓﺄﻜﺜﺭ ﻨﻔﺱ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻡ ﻻ ﻓﻬﺫﺍ ﻴﻌﻨﻲ ﺃﻨﻨﺎ ﻨﺭﻴﺩ ﺇﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀـﻴﺎﺕ‬ ‫ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﻤﻌﻨﻭﻱ )ﺤﻘﻴﻘﻲ( ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ.‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻴﻭﺠﺩ ﻓﺭﻕ ﻤﻌﻨﻭﻱ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ )ﺃﻱ ﺃﻨﻪ ﻴﻭﺠـﺩ ﺍﺨـﺘﻼﻑ ﺒـﻴﻥ‬ ‫ﻤﺘﻭﺴﻁ ﻤﺠﺘﻤﻌﻴﻥ ﻋﻠﻰ ﺍﻷﻗل(.‬ ‫ﺃﻱ ﻨﺭﻴﺩ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺘﺎﻟﻴﺔ ‪H 0 : µ 1 = µ 2 = µ 3 = ......µ n‬‬ ‫ﻭﻟﻠﻘﻴﺎﻡ ﺒﺎﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻷﺤﺎﺩﻱ ﻴﺠﺏ ﺘﺤﻘﻴﻕ ﺍﻟﺸﺭﻭﻁ ﺍﻟﺘﺎﻟﻴﺔ ﻗﺒل ﺇﺠﺭﺍﺅﻩ:‬ ‫• ﻜل ﻓﺌﺔ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻨﻭﻋﻲ ﺤﺴﺏ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺘﺼل ﻟﻬﺎ ﺘﻭﺯﻴﻊ ﻁﺒﻴﻌﻲ.‬ ‫• ﻓﺌﺎﺕ ﺍﻟﻤﺠﺘﻤﻊ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻤﺘﺠﺎﻨﺴﺔ ﺃﻱ ﺃﻥ ﺘﺒﺎﻴﻨﻬﺎ ﻤﺘﺴﺎﻭﻱ.‬ ‫• ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﺃﻭ ﺍﻟﻘﻴﻡ ﻤﺴﺘﻘﻠﺔ.‬ ‫ﻭﻨﺤﻥ ﻟﺴﻨﺎ ﺒﺼﺩﺩ ﺍﻵﻥ ﺩﺭﺍﺴﺔ ﻫﺫﻩ ﺍﻟﺸﺭﻭﻁ ﻟﺫﺍ ﺴﻨﻌﺘﺒﺭ ﺃﻥ ﺍﻟﺸﺭﻭﻁ ﺍﻟﺴﺎﺒﻘﺔ ﻤﺘﺤﻘﻘﺔ.‬ ‫ﻤﺜﺎل 1: ﺇﺫﺍ ﻜﺎﻥ ﻟﺩﻴﻙ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ ﺍﻟﺫﻱ ﻴﻤﺜل ﺘﻭﺯﻴﻊ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫ﺤﺴﺏ ﺍﻟﺴﻨﺔ )ﺍﻟﻤﺴﺘﻭﻯ( ﺍﻟﺩﺭﺍﺴﻲ.‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺭﺍﺒﻊ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل‬ ‫07 55 04 03 66 57 07 08 06 55 04 05‬ ‫04 09 58 08‬ ‫04 05 03 04 09 28 58 57 24 07 56 07‬ ‫56 67 57 58‬ ‫03 05 55 06 06 05 03 04 59 08 54 34‬ ‫88 76 36 26‬ ‫24 77 09 08 03 58 04 06‬ ‫44 53 03‬ ‫06 05‬ ‫ﻭﻨﺭﻴﺩ ﻤﻘﺎﺭﻨﺔ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻠﺒﺔ ﻓﻲ ﻤﺎﺩﺓ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ‪ Arabic‬ﺤﺴﺏ ﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ‬ ‫ﺍﻟﺩﺭﺍﺴﻲ ‪ Level‬ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫51ﻨﺴﺘﻁﻴﻊ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻤﺘﻐﻴﺭ ﺫﻭ ﻓﺌﺘﻴﻥ ﻟﻜﻥ ﺘﻜﻭﻥ ﻨﺘﻴﺠﺔ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺃﻓﻀل.‬ ‫19‬
  • 92.
    ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺤﺴﺏ‬ ‫ﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟ ﻭﻟﻺﺠﺎﺒﺔ ﻋﻠﻰ ﺍﻟﻔﺭﻀﻴﺔ ﻨﻘﻭﻡ ﺒﺎﻟﺨﻁﻭﺍﺕ‬ ‫ﺍﻟﺘﺎﻟﻴﺔ.‬ ‫1. ﻨﻌﺭﻑ ﻤﺘﻐﻴﺭﻴﻥ )‪ (Arabic‬ﻭ )‪ (Level‬ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﻜﻭﺩ ﻤﺘﻐﻴﺭ ‪ Level‬ﻫﻭ ) 1=‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻻﻭل، 2=ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ، 3= ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ، 4= ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺭﺍﺒﻊ( .‬ ‫2. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺤﻴﺙ ﺘﻜﻭﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﺘﻐﻴﺭ )‪ (Arabic‬ﻓﻲ ﻋﻤﻭﺩ ﻤﺴﺘﻘل ﻭﻤﻥ‬ ‫ﺜﻡ ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻤﻴﺯ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Level‬ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﻜل ﺩﺭﺠﺔ ﻭﻤﺼﺩﺭﻫﺎ ﻓﻲ ﻨﻔﺱ‬ ‫ﺍﻟﺴﻁﺭ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫3. ﻤﻥ ﺨﻼل ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﺍﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﻤﻘﺎﺭﻨﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ(‬ ‫‪ Compare Mean‬ﻭﻤﻥ ﺜﻡ ﺍﺨﺘﺎﺭ )ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ( ‪،One Way ANOVA‬‬ ‫ﻓﺴﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫29‬
  • 93.
    ‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫ﻨﻨﻘل ﻤﺘﻐﻴﺭ ﺍﻟﺩﺭﺠﺎﺕ )‪ (Arabic‬ﺇﻟﻰ ﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ‪ Dependent List‬ﻭ ﺍﻟﻤﺘﻐﻴﺭ‬ ‫5.‬ ‫)‪ (Level‬ﺇﻟﻰ ﺨﺎﻨﺔ ‪. Factor‬‬ ‫39‬
  • 94.
    ‫6. ﺍﻵﻥ ﺍﺼﺒﺤﻨﺎﺠﺎﻫﺯﻴﻥ ﻟﺘﻨﻔﻴﺫ ﺍﻻﺨﺘﺒﺎﺭ ﻓﻨﻀﻐﻁ ﻋﻠﻰ ‪ ،Ok‬ﻟﻴﻅﻬﺭ ﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ:‬ ‫ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ‬ ‫ﻤﻌﺩل ﺍﻟﻤﺭﺒﻌﺎﺕ‬ ‫ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﺍﻟﻨﺘﺎﺌﺞ:‬ ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﻤﻥ ﺠﺩﻭل ﻭﺍﺤﺩ ﻓﻘﻁ ﻭﻫﻭ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‬ ‫ﺍﻻﺤﺎﺩﻱ ﻭﻫﻭ ﻤﺸﺎﺒﻪ ﺘﻤﺎﻤﺎ ﻟﻠﺠﺩﻭل ﺍﻟﺫﻱ ﺩﺭﺴﻨﺎﻩ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻤﻥ ﺍﻟﻤﻘﺭﺭ.‬ ‫ﹰ‬ ‫ﻓﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻤﺎ ﻴﻠﻲ:‬ ‫- ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ: ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ ﻫﻲ‬ ‫633.2773 ﻭﺃﻥ ﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﺍﻟﺨﻁﺄ 168.50181 ﻭﺃﻥ ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ‬ ‫ﺍﻟﻜﻠﻲ ﻫﻭ 791.87812.‬ ‫- ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ: ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ ﻫﻲ 3 )ﻋﺩﺩ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻨﺎﻗﺼﺎ 1( ﻭ ﺍﻥ ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻟﺨﻁﺄ ﻫﻲ 75 ﻭ ﻤﺠﻤﻭﻉ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ ﻫﻲ 06.‬ ‫ﹰ‬ ‫49‬
  • 95.
    ‫- ﻤﻌﺩل ﺍﻟﻤﺭﺒﻌﺎﺕ:ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻤﻌﺩل ﻤﺭﺒﻌﺎﺕ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ ﻭ ﺍﻟﺨﻁﺄ‬ ‫ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ ﻫﻭ 544.7521 ﻭ 746.713.‬ ‫- ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﻫﻲ 959.3 .‬ ‫- ﻭﺃﺨﻴﺭ ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 210.0=.‪ Sig‬ﻫﻲ ﺃﻗل‬ ‫ً‬ ‫ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻭ ﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ، ﻭﻨﺴﺘﻨﺘﺞ ﺃﻥ ﻫﻨﺎﻙ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ‬ ‫ﺍﻟﻁﻼﺏ ﺤﺴﺏ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ ﺃﻱ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫7. ﻤﻼﺤﻅﺔ: ﻤﻥ ﺃﻫﻡ ﺸﺭﻭﻁ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﻫﻭ ﺘﺠﺎﻨﺱ ﺍﻟﻌﻴﻨﺎﺕ )ﺃﻥ‬ ‫ﻴﻜﻭﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺴﺎﻭﻱ ﺍﺤﺼﺎﺌﻴﺎ( ﻭ ﻟﻠﻘﻴﺎﻡ ﺒﺫﻟﻙ ﻤﻥ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﻟﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‬ ‫ﹰ‬ ‫ﺍﻻﺤﺎﺩﻱ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Options‬ﻟﻔﺤﺹ ﺘﺠﺎﻨﺱ ﺍﻟﻌﻴﻨﺎﺕ.‬ ‫ﻓﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ ‪ Homogeneity of Variance test‬ﻓﻲ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﻻﺨﺘﺒﺎﺭ‬ ‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﺍﻟﺴﺎﺒﻕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ‬ ‫ﺍﻟﺨﺎﺹ ﺒﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻨﻀﻐﻁ ‪ Ok‬ﻟﻴﻅﻬﺭ ﺠﺩﻭل ﺠﺩﻴﺩ ﺒﺎﻻﻀﺎﻓﺔ ﻟﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ‬ ‫ﻭﻫﻭ ﻨﺎﺘﺞ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ‪ Levene‬ﻟﺘﺠﺎﻨﺱ ﺍﻟﻌﻴﻨﺎﺕ ﻭﻫﻭ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫59‬
  • 96.
    ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻟﻴﻔﻴﻨﻲ ﻟﻠﺘﺠﺎﻨﺱ ﻭﻫﻲ 587.0 ﺒﻭﺍﻗﻊ ﺩﻻﻟﺔ 705.0 ﻭﻫﻲ ﺃﻜﺒﺭ‬ ‫ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ‬ ‫)61(‬ ‫.‬ ‫ﺃﻱ ﺃﻥ ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺴﺎﻭﻱ‬ ‫61ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﺘﺒﺎﻴﻥ ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺴﺎﻭﻱ )ﺍﻟﻌﻴﻨﺎﺕ ﻤﺘﺠﺎﻨﺴﺔ(‬ ‫69‬
  • 97.
    ‫2. ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥﺍﻟﺜﻨﺎﺌﻲ‬ ‫ﻓﻲ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻻﺤﺎﺩﻱ ﺩﺭﺴﻨﺎ ﺘﺄﺜﻴﺭ )ﻋﺎﻤل ﻭﺍﺤﺩ( ﻤﻜﻭﻥ ﻤﻥ ﻋﺩﺓ ﻤﺴﺘﻭﻴﺎﺕ )ﻤﺘﻐﻴﺭ ﻨﻭﻋﻲ ﻓﻴﻪ‬ ‫ﻤﻜﻭﻥ ﻤﻥ 3 ﻓﺌﺎﺕ ﻓﺄﻜﺜﺭ( ﻋﻠﻰ ﻤﺘﻐﻴﺭ ﺁﺨﺭ )ﻤﺘﻐﻴﺭ ﻤﺘﺼل(، ﺃﻤﺎ ﻓﻲ ﺍﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ‬ ‫ﺴﻨﺩﺭﺱ ﺘﺄﺜﻴﺭ ﻤﺘﻐﻴﺭﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ ﻤﻜﻭﻨﻴﻥ ﻤﻥ ﻋﺩﺓ ﻤﺴﺘﻭﻴﺎﺕ )ﻤﺘﻐﻴﺭﻴﻥ ﻨﻭﻋﻴﻴﻥ( ﻋﻠﻰ ﻋﺎﻤل ﺁﺨﺭ‬ ‫)ﻤﺘﻐﻴﺭ ﻤﺘﺼل(. ﻓﻤﺜﻼ ﻟﻭ ﺃﺭﺩﻨﺎ ﺩﺭﺍﺴﺔ ﻫل ﻴﻭﺠﺩ ﺘﺄﺜﻴﺭ ﻟﻌﺎﻤل ﺍﻟﺠﻨﺱ ﻭﺍﻟﺤﺎﻟﺔ ﺍﻻﺠﺘﻤﺎﻋﻴﺔ ﻋﻠﻰ‬ ‫ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﻤﺎ، ﻓﻬﻨﺎ ﻻ ﺒﺩ ﻟﻨﺎ ﻤﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ.‬ ‫ﻭﻴﻘﻴﺱ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ ﻤﺩﻯ ﺘﺄﺜﻴﺭ ﺍﻟﻌﺎﻤل ﺍﻷﻭل ﻋﻠﻰ ﺤﺩﺓ، ﻭﻤﻥ ﺜﻡ ﻤﺩﻯ ﺘﺄﺜﻴﺭ ﺍﻟﻌﺎﻤل‬ ‫ﺍﻟﺜﺎﻨﻲ ﻋﻠﻰ ﺤﺩﺓ، ﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﻴﻘﻴﺱ ﻤﺩﻯ ﺘﺄﺜﻴﺭ ﺘﻔﺎﻋل ﺍﻟﻌﺎﻤﻠﻴﻥ ﻤﻌﺎ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ، ﻓﻬﻭ ﻴﺠﻴﺏ‬ ‫ﹰ‬ ‫ﻋﻠﻰ 3 ﺃﺴﺌﻠﺔ ﻓﻲ ﻨﻔﺱ ﺍﻟﻭﻗﺕ‬ ‫1. ﻫل ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻷﻭل .‬ ‫2. ﻫل ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻨﻲ.‬ ‫3. ﻫل ﻴﻭﺠﺩ ﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺃﻡ ﺃﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ ﻓﻲ ﺍﻟﺘﺄﺜﻴﺭ.‬ ‫ﻤﺜﺎل 2: ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻟﻭ ﻭﺯﻋﻨﺎ ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ )‪ (Arabic‬ﺤﺴﺏ ﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ )‪ (Level‬ﻭ ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ )‪ (Gender‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﺍﻟﺠﻨﺱ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺭﺍﺒﻊ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل‬ ‫ﺫﻜﺭ‬ ‫06 55 04 05‬ ‫66 57 07 08‬ ‫07 55 04 03‬ ‫04 09 58 08‬ ‫07 56 07‬ ‫09 28 58 57‬ ‫05 03 04‬ ‫56 67 57 58‬ ‫ﺃﻨﺜﻰ‬ ‫08 54 34 24‬ ‫06 05 03 04‬ ‫05 55 06 04‬ ‫88 76 36 26‬ ‫58 04 06 59‬ ‫24 77 09 08‬ ‫03‬ ‫44 53 03‬ ‫03‬ ‫06 05‬ ‫ﺍﻟﻤﻁﻠﻭﺏ:‬ ‫ﺃ- ﻜﻭﻥ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ.‬ ‫ﺏ- ﻜﻭﻥ ﻓﺭﻀﻴﺎﺕ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ ﻭﺒﻴﻥ ﻫل ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺎﺕ.‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ:‬ ‫1. ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺤﺴﺏ ﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪α‬‬ ‫79‬
  • 98.
    ‫2. ﻻ ﻴﻭﺠﺩﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺤﺴﺏ ﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﺠﻨﺱ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪α‬‬ ‫3. ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺤﺴﺏ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ‬ ‫ﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ ﻭ ﺍﻟﺠﻨﺱ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪. α‬‬ ‫ﺘﻨﻔﻴﺫ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ‬ ‫1. ﻨﻌﺭﻑ 3 ﻤﺘﻐﻴﺭﺍﺕ )‪ (Arabic‬ﻭ )‪ (Level‬ﻭ )‪ (Gender‬ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﻜﻭﺩ ﻤﺘﻐﻴﺭ ‪Level‬‬ ‫ﻫﻭ ) 1= ﺍﻟﻤﺴﺘﻭﻯ ﺍﻻﻭل، 2=ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ، 3 = ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ، 4 = ﺍﻟﻤﺴﺘﻭﻯ‬ ‫ﺍﻟﺭﺍﺒﻊ(، ﻭﺒﺎﻟﻨﺴﺒﺔ ﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ )‪ (Gender‬ﻨﻌﺭﻑ ﺍﻟﻜﻭﺩ )1=ﺫﻜﺭ، 2=ﺃﻨﺜﻰ(.‬ ‫2. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫89‬
  • 99.
    ‫3. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﺍﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )‪General Linear Model(GLM‬‬ ‫ﻭﻤﻥ ﺜﻡ ﺍﺨﺘﺎﺭ ‪ ،Univariate‬ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺨﺎﺹ ﺒﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ ﺍﻟﺘﺎﻟﻲ:‬ ‫99‬
  • 100.
    ‫5. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ)‪ (Arabic‬ﻟﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ‪ Dependent Variable‬ﻭﻨﻨﻘل‬ ‫ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (Level‬ﻭ )‪ (Gender‬ﻟﺨﺎﻨﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ ‪ Fixed Factors‬ﻜﻤﺎ ﻓﻲ‬ ‫ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫6. ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ.‬ ‫001‬
  • 101.
    ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴلﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ‬ ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻤﻥ ﺠﺩﻭﻟﻴﻥ ﺍﻻﻭل ﻴﺼﻑ ﺍﻟﻌﻴﻨﺎﺕ ﻭﺘﻭﺯﻴﻌﻬﺎ ﻭﺍﻟﺜﺎﻨﻲ ﻫﻭ ﺠﺩﻭل‬ ‫ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ.‬ ‫101‬
  • 102.
    ‫ﺍﻟﺠﺩﻭل ﺍﻷﻭل‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺘﻭﺯﻴﻊ ﺍﻟﻌﻴﻨﺎﺕ )51 ﻤﻥ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل، 21 ﻤﻥ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ، 81 ﻤﻥ‬ ‫ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ، 61 ﻤﻥ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺭﺍﺒﻊ، 03 ﺫﻜﻭﺭ ﻭ 13 ﺍﻨﺎﺙ(.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫ﻤﺼﺩﺭ ﺍﻟﺘﺒﺎﻴﻥ‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ‬ ‫ﻤﻌﺩل ﺍﻟﻤﺭﺒﻌﺎﺕ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻟﻔﻬﻡ ﺍﻟﺠﺩﻭل ﺍﻟﻤﺒﻴﻥ ﺃﻋﻼﻩ ﻭﺍﻟﻨﺎﺘﺞ ﻋﻥ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﻴﺠﺏ ﺃﻥ ﻨﻜﻭﻥ ﻋﻠﻰ ﺩﺭﺍﻴﺔ ﺒﺎﻻﺴﺎﺱ‬ ‫ﺍﻟﻨﻅﺭﻱ ﻟﻠﻤﻘﺭﺭ، ﻓﻴﻭﺠﺩ ﺍﺨﺘﻼﻑ ﻁﻔﻴﻑ ﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺫﻱ ﺩﺭﺴﻨﺎﻩ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻭﺍﻟﻨﺎﺘﺞ‬ ‫ﻋﻥ ‪ SPSS‬ﻭﺫﻟﻙ ﻷﻨﻨﺎ ﻟﻡ ﻨﺩﺭﺱ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻟﻨﻅﺭﻱ ﻟﺠﻤﻴﻊ ﺘﻁﺒﻴﻘﺎﺕ ﻭﺃﺸﻜﺎل ﻭﻁﺭﻕ ﺤﺴﺎﺏ‬ ‫ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺜﻨﺎﺌﻲ ،ﻟﺫﻟﻙ ﺴﻨﺩﺭﺱ ﻓﻘﻁ ﻜﻴﻔﻴﺔ ﺍﻴﺠﺎﺩ ﺍﻟﻤﺘﻁﻠﺒﺎﺕ ﺍﻟﺘﻲ ﻴﺘﻁﻠﺒﻬﺎ ﺍﻟﺠﺎﻨﺏ‬ ‫ﺍﻟﻨﻅﺭﻱ ﻤﻥ ﺍﻟﻤﻘﺭﺭ ﻓﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻨﺴﺘﻁﻴﻊ ﺍﻻﺴﺘﻨﺘﺎﺝ ﺃﻥ.‬ ‫201‬
  • 103.
    ‫- ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ:ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ 677.4183‬ ‫ﻭﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ 321.4031 ﻭﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ 538.0941 ﻭﻤﺠﻤﻭﻉ‬ ‫ﻤﺭﺒﻌﺎﺕ ﺍﻟﺨﻁﺄ 957.08941 ﻭﺃﻥ ﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﻜﻠﻲ 791.87812.‬ ‫- ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ ) 3 ﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ، 1 ﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ، 3 ﻟﻠﺘﻔﺎﻟﻌل‬ ‫ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ، 35 ﻟﻠﺨﻁﺄ، ﻭ ﻤﺠﻤﻭﻉ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ ﻫﻭ 06(.‬ ‫- ﻤﻌﺩل ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ ) 295.1721 ﻟﻠﻤﺴﺘﻭﻯ، 321.4031‬ ‫ﻟﻠﺠﻨﺱ، ﻭ 549.694 ﻟﻠﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ، ﻭ 656.282 ﻟﻠﺨﻁﺄ(.‬ ‫- ﻗﻴﻤﺔ ‪ F‬ﺍﻟﻤﺤﺴﻭﺒﺔ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ )994.4 ﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ، 416.4‬ ‫ﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ، 857.1 ﻟﻠﺘﻔﺎﻋل ﺒﻴﻨﻬﻤﺎ(.‬ ‫ﻭﺒﻨﺎﺀ ﻋﻠﻰ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ‬ ‫ً‬ ‫• ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺨﺎﺼﺔ ﺒﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ ﻷﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻟﻠﻤﺘﻐﻴﺭ 700.0= .‪ Sig‬ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻓﺒﺎﻟﺘﺎﻟﻲ ﻴﻭﺠﺩ‬ ‫ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺤﺴﺏ ﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﺭﺍﺴﻲ.‬ ‫ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺨﺎﺼﺔ ﺒﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﻷﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻟﻤﺘﻐﻴﺭ‬ ‫•‬ ‫ﺍﻟﺠﻨﺱ 630.0= .‪ Sig‬ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻓﺒﺎﻟﺘﺎﻟﻲ ﻴﻭﺠﺩ‬ ‫ﻓﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺤﺴﺏ ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ.‬ ‫• ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺍﻟﺨﺎﺼﺔ ﺒﺘﻔﺎﻋل ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻷﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻟﻠﺘﻔﺎﻋل ﺒﻴﻥ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﻴﻥ 661.0= .‪ Sig‬ﺃﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻓﺒﺎﻟﺘﺎﻟﻲ ﻻ‬ ‫ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ.‬ ‫301‬
  • 104.
  • 105.
    ‫ﺍﻟﻭﺤﺩﺓ ﺍﻟﺨﺎﻤﺴﺔ:ﻁﺭﻕ ﻏﻴﺭﻤﻌﻠﻤﻴﺔ‬ ‫ﺍﻥ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺘﻲ ﺩﺭﺴﺘﻬﺎ ﻓﻲ ﺍﻟﻭﺤﺩﺓ ﺍﻟﺜﺎﻟﺜﺔ ﻭﺍﻟﺭﺍﺒﻌﺔ ﻫﻲ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻤﻌﻠﻤﻴﺔ ﻷﻨﻬﺎ ﺘﺘﻌﺎﻤل ﻤﻊ‬ ‫ﺨﺼﺎﺌﺹ ﺍﻟﻤﺠﺘﻤﻊ ﺃﻭ ﻤﺎ ﻴﺴﻤﻰ ﻤﻌﺎﻟﻤﻪ، ﻭﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻌﻠﻤﻴﺔ ﻻ ﻴﻤﻜﻥ ﺘﻁﺒﻴﻘﻬﺎ ﺇﻻ ﻓﻲ ﺤﺎﻟﺔ‬ ‫ﺘﻭﺍﻓﺭ ﺸﺭﻭﻁ ﻤﻌﻴﻨﺔ ﻤﺜل ﺃﻥ ﻴﻜﻭﻥ ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻊ ﻁﺒﻴﻌﻴﺎ ﺃﻭ ﺃﻥ ﻴﻜﻭﻥ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﻜﺒﻴﺭ ﺃﻭ ﺼﻐﻴﺭ‬ ‫ﹰ‬ ‫ﺃﻭ ﺃﻥ ﺘﻜﻭﻥ ﻫﻨﺎﻙ ﺸﺭﻭﻁﺎ ﺨﺎﺼﺔ ﻓﻴﻪ ﻟﻠﺘﺒﺎﻴﻥ ﻭﻏﻴﺭﻫﺎ ﻤﻥ ﺍﻟﺸﺭﻭﻁ.‬ ‫ﻭﻋﻨﺩ ﻋﺩﻡ ﺘﻭﻓﺭ ﺸﺭﻭﻁ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻌﻠﻤﻴﺔ ﻓﺈﻨﻨﺎ ﻻ ﻨﺴﺘﻁﻴﻊ ﺘﻁﺒﻴﻘﻬﺎ، ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻨﺎ ﺴﻨﺤﺘﺎﺝ ﻟﺒﺩﻴل‬ ‫ﻭﻫﺫﺍ ﺍﻟﺒﺩﻴل ﻫﻭ ﺍﻹﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ)71(، ﻭﺘﺘﻤﻴﺯ ﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ﺒﺄﻨﻬﺎ ﺴﻬﻠﺔ‬ ‫ﺍﻟﺤﺴﺎﺏ ﻭﻻ ﻴﻭﺠﺩ ﺸﺭﻭﻁ ﻤﻌﻴﻨﺔ ﻟﺘﻨﻔﻴﺫﻫﺎ ﻭﻤﻥ ﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﻫﻨﺎﻙ ﺍﻟﻜﺜﻴﺭ ﻤﻥ ﺍﻟﺘﺴﺎﺅﻻﺕ ﺍﻟﺘﻲ ﻻ‬ ‫ﺘﺠﻴﺏ ﻋﻠﻴﻬﺎ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻌﻠﻤﻴﺔ ﻤﺜل ﺍﻻﺴﺌﻠﺔ ﺍﻟﺘﻲ ﺘﺘﻌﻠﻕ ﺒﺘﺭﺘﻴﺏ ﻗﻴﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻟﻴﺱ ﺍﻟﻘﻴﻡ ﻨﻔﺴﻬﺎ.‬ ‫1. ﻤﻘﺎﺭﻨﺔ ﻭﺴﻴﻁ ﻤﺠﺘﻤﻊ ﺒﻭﺴﻴﻁ ﺍﻟﻌﻴﻨﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﺼﻐﻴﺭﺓ‬ ‫1.1.‬ ‫ﻤﺜﺎل 1: ﺘﻤﺜل ﺍﻷﺭﻗﺎﻡ ﺍﻟﺘﺎﻟﻴﺔ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﺍﺭﺓ ﻓﻲ ﻤﻜﺔ ﺍﻟﻤﻜﺭﻤﺔ ﻓﻲ 81 ﻴﻭﻤﺎ ﻓﻲ ﺸﻬﺭ ﺃﻴﺎﺭ‬ ‫24‬ ‫43‬ ‫73‬ ‫83‬ ‫14‬ ‫83‬ ‫53‬ ‫73‬ ‫93‬ ‫44‬ ‫52‬ ‫93‬ ‫63‬ ‫93‬ ‫03‬ ‫63‬ ‫73‬ ‫03‬ ‫ﺍﺨﺘﺒﺭ ﺍﻟﻔﺭﻀﻴﺔ ﺃﻥ ﻭﺴﻴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﺍﺭﺓ ﻫﻭ 93 ﻋﻠﻰ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 1.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﺍﻟﻭﺴﻴﻁ ﻴﺴﺎﻭﻱ 93‬ ‫1‬ ‫93 = ‪H 0 : M‬‬ ‫=‪P‬‬ ‫2‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﺍﻟﻭﺴﻴﻁ ﻻ ﻴﺴﺎﻭﻱ 93‬ ‫1‬ ‫93 ≠ ‪H a : M‬‬ ‫≠‪P‬‬ ‫2‬ ‫1. ﻨﺤﺫﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺴﺎﻭﻴﺔ ﻟﻠﺭﻗﻡ 93 ﻭﻤﻥ ﺜﻡ ﻨﺩﺨل ﺒﺎﻗﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ )ﺍﻟﺤﺭﺍﺭﺓ( ﺃﻨﻅﺭ‬ ‫ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫ﺇﺫﺍ ﺘﻭﺍﻓﺭﺕ ﺸﺭﻭﻁ ﺘﻁﺒﻴﻕ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻌﻠﻤﻴﺔ ﺘﻜﻭﻥ ﻨﺘﺎﺌﺠﻬﺎ ﺃﺩﻕ ﻭﺃﻓﻀل ﻭﺃﻜﺜﺭ ﻗﻭﺓ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ.‬ ‫71‬ ‫501‬
  • 106.
    ‫‪Non‬‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﺤﺼﺎﺀﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ‬ ‫‪ Parametric Test‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﺫﺍﺕ ﺍﻟﺤﺩﻴﻥ ‪ Binomial‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫601‬
  • 107.
    ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺨﺎﺹ ﺒﺎﺨﺘﺒﺎﺭ ﺫﺍﺕ ﺍﻟﺤﺩﻴﻥ ﻓﻨﻨﻘل ﻤﺘﻐﻴﺭ )ﺍﻟﺤﺭﺍﺭﺓ( ﺇﻟﻰ ﻗﺎﺌﻤﺔ ‪Test‬‬ ‫‪ Variable List‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Cut Point‬ﻟﻨﻜﺘﺏ ﺍﻟﻘﻴﻤﺔ 93 ﻭﺘﺄﻜﺩ ﻤﻥ ﺃﻥ 05.0 ﻫﻲ‬ ‫ﺍﻟﻨﺴﺒﺔ ﺍﻟﺘﻲ ﻓﻲ ﺨﺎﻨﺔ ‪.Test Proportion‬‬ ‫2‬ ‫1‬ ‫701‬
  • 108.
    ‫ﻨﻀﻐﻁ ‪ Ok‬ﻟﻴﻅﻬﺭﺍﻟﻨﺎﺘﺞ ﺍﻟﺘﺎﻟﻲ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫ﺍﻟﻨﺘﺎﺌﺞ:‬ ‫ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻫﻭ ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ﺫﺍﺕ ﺍﻟﺤﺩﻴﻥ ﺤﻴﺙ ﻴﺒﻴﻥ ﺃﻥ ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 3 ﻭﺃﻥ ﻗﻴﻤﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 530.0=)‪ Exact Sig. (2-tailed‬ﻭﻫﻲ ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ‬ ‫ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ ، α‬ﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺃﻱ ﺃﻥ ﺍﻟﻭﺴﻴﻁ ﻻ‬ ‫ﻴﺴﺎﻭﻱ 93.‬ ‫ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ‬ ‫2.1.‬ ‫ﻤﺜﺎل 2: ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ ﺘﻤﺜل ﺍﻟﺩﺨل ﺍﻟﻴﻭﻤﻲ ﻟﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻤﻭﺍﻁﻨﻴﻥ ﺒﺎﻟﺸﻴﻜل‬ ‫52‬ ‫52‬ ‫94‬ ‫03‬ ‫03‬ ‫03‬ ‫03‬ ‫33‬ ‫63‬ ‫83‬ ‫04‬ ‫04‬ ‫24‬ ‫44‬ ‫44‬ ‫94‬ ‫44‬ ‫44‬ ‫54‬ ‫54‬ ‫84‬ ‫84‬ ‫05‬ ‫25‬ ‫94‬ ‫25‬ ‫55‬ ‫55‬ ‫75‬ ‫06‬ ‫06‬ ‫16‬ ‫26‬ ‫56‬ ‫56‬ ‫56‬ ‫66‬ ‫94‬ ‫07‬ ‫27‬ ‫37‬ ‫57‬ ‫57‬ ‫57‬ ‫ﺸﻴﻜل ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪. α‬‬ ‫ﻫﻭ 04‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﻓﻬل ﻨﺴﺘﻁﻴﻊ ﺍﻟﻘﻭل ﺃﻥ ﻭﺴﻴﻁ ﻫﺫﻩ‬ ‫ﺍﻟﺤل:‬ ‫04 = ‪H 0 : M‬‬ ‫04 ≠ ‪H a : M‬‬ ‫ﻨﻘﻭﻡ ﺒﺈﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ )‪ (income‬ﺒﻌﺩ ﺤﺫﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺴﺎﻭﻴﺔ ﻟﻠﺭﻗﻡ 04 ﻭﻨﻘﻭﻡ ﺒﻨﻔﺱ‬ ‫ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺴﺎﺒﻘﺔ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻟﻨﺤﺼل ﻋﻠﻰ ﺍﻟﻨﺘﻴﺠﺔ ﺍﻟﺘﺎﻟﻴﺔ :‬ ‫801‬
  • 109.
    ‫ﻨﻼﺤﻅ ﺃﻥ ﻋﺩﺩﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ ﻫﻭ 24 ﻭ ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﻫﻲ 33 ﻭﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ‬ ‫ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 000.0=)‪ Exact Sig. (2-tailed‬ﻭﻫﻲ ﺃﻗل ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ 50.0‬ ‫ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ، ﻟﻜﻥ ﻻﺤﻅ ﺍﻥ ﺍﻻﺨﺘﺒﺎﺭ ﺘﻡ ﺤﺴﺎﺒﻪ ﺒﺘﻘﺭﻴﺒﻪ ﻻﺨﺘﺒﺎﺭ ‪ Z‬ﻜﻤﺎ ﻫﻭ‬ ‫ﻤﺒﻴﻥ ﻓﻲ ﺠﺩﻭل ﺍﻟﻨﺘﺎﺌﺞ ﺃﻋﻼﻩ.‬ ‫2. ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﻤﺠﺘﻤﻌﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ.‬ ‫ﻤﻘﺎﺭﻨﺔ ﻭﺴﻴﻁ ﻋﻴﻨﺘﻴﻥ ﻤﺭﺘﺒﻁﺘﻴﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫أ.‬ ‫ﻴﻌﻤل ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﻭﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﺴﻜﻥ ﻋﻠﻰ ﻤﻘﺎﺭﻨﺔ ﻭﺴﻴﻁ ﺃﻭ ﺘﻭﺯﻴﻊ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺭﺘﺒﻁﻴﻥ ﺃﻱ ﺒﻤﻌﻨﻰ‬ ‫ﺁﺨﺭ ﻫل ﻴﻭﺠﺩ ﺍﺨﺘﻼﻑ ﻓﻲ ﺘﻭﺯﻴﻊ )ﻭﺴﻴﻁ( ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﺃﻡ ﻻ.‬ ‫ﻤﺜﺎل 3: ﺇﺫﺍ ﻜﺎﻨﺕ ﺩﺭﺠﺎﺕ 02 ﻁﺎﻟﺏ ﻓﻲ ﻤﻘﺭﺭﻱ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ:‬ ‫1 ﺭﻗﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫2‬ ‫3‬ ‫4‬ ‫5‬ ‫6‬ ‫7‬ ‫8‬ ‫9‬ ‫01‬ ‫ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫58‬ ‫08‬ ‫05‬ ‫58‬ ‫04‬ ‫08‬ ‫09‬ ‫08‬ ‫06‬ ‫05‬ ‫ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ‬ ‫08‬ ‫05‬ ‫05‬ ‫56‬ ‫05‬ ‫09‬ ‫59‬ ‫48‬ ‫04‬ ‫03‬ ‫ﺭﻗﻡ ﺍﻟﻁﺎﻟﺏ‬ ‫11‬ ‫21‬ ‫31‬ ‫41‬ ‫51‬ ‫61‬ ‫71‬ ‫81‬ ‫91‬ ‫02‬ ‫ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ‬ ‫78‬ ‫08‬ ‫58‬ ‫09‬ ‫57‬ ‫04‬ ‫03‬ ‫55‬ ‫08‬ ‫54‬ ‫ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ‬ ‫08‬ ‫57‬ ‫56‬ ‫07‬ ‫57‬ ‫06‬ ‫04‬ ‫07‬ ‫09‬ ‫57‬ ‫ﻭﺍﻟﻤﻁﻠﻭﺏ ﻤﻌﺭﻓﺔ ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﻫﻨﺎﻙ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﺒﻴﻥ ﻭﺴﻴﻁ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ‬ ‫ﺍﻟﻤﻘﺭﺭﻴﻥ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫901‬
  • 110.
    ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ‬ ‫ﺍﻻﺨﺘﺒﺎﺭﻴﻥ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ : ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ‬ ‫ﺍﻻﺨﺘﺒﺎﺭﻴﻥ.‬ ‫1. ﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (Arabic‬ﻭ ﺍﻟﻤﺘﻐﻴﺭ )‪ (English‬ﻓﻲ ﺸﺎﺸﺔ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫2. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻓﻲ ﻋﻤﻭﺩ )‪ (Arabic‬ﻭﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ‬ ‫ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻓﻲ ﻋﻤﻭﺩ )‪ (English‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ :‬ ‫) ‪Non-Parametric‬‬ ‫ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ‬ ‫3. ﻤﻥ‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﻋﻴﻨﺘﻴﻥ ﻤﺭﺘﺒﻁﺘﻴﻥ )‪(2 Related Samples‬‬ ‫011‬
  • 111.
    ‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫5. ﻨﺨﺘﺎﺭ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ )‪ (Arabic‬ﻭ)‪ (English‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ﺍﻟﺴﻬﻡ ﻟﻴﻨﺘﻘﻼ ﺇﻟﻰ ﺨﺎﻨﺔ ‪Test‬‬ ‫ﺃﻤﺎﻡ ﺨﺎﻨﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ‪ Sign‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪Ok‬‬ ‫‪ Pairs List‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ‬ ‫111‬
  • 112.
    ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫ﻴﻅﻬﺭﺍﻟﻨﺎﺘﺞ ﺍﻋﻼﻩ ﻨﻭﺍﺘﺞ ﺘﻁﺒﻴﻕ ﺍﻻﺨﺘﺒﺎﺭ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻲ )‪ (NPar=Non-Parametric‬ﻭﻴﺘﻜﻭﻥ‬ ‫ﻤﻥ ﺠﺩﻭﻟﻴﻥ ﻭﻫﻤﺎ ﺠﺩﻭل ﺍﻟﺘﻜﺭﺍﺭﺍﺕ ﺍﻟﻤﻌﻨﻭﻥ ﺒﻜﻠﻤﺔ ‪ Frequencies‬ﻭﺠﺩﻭل ﻨﺘﻴﺠﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﺍﻟﻤﻌﻨﻭﻥ ﺒـ ‪ Statistics Test‬ﻭﻫﻤﺎ ﻜﺎﻟﺘﺎﻟﻲ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻻﻭل‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ‬ ‫ﻭﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺴﺎﺒﻕ ﺃﻥ 01 ﺤﺎﻻﺕ ﻜﺎﻥ ﻓﻴﻬﺎ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﺃﻜﺒﺭ ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ‬ ‫ﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻭﻴﺭﻤﺯ ﻟﺫﻟﻙ ﺒﺎﻟﺭﻤﺯ )‪ (a. English<Arabic‬ﺃﻭ ‪ Negative Differences‬ﻭﺃﻥ 8‬ ‫211‬
  • 113.
    ‫.‪(b‬‬ ‫ﺤﺎﻻﺕ ﻜﺎﻨﺕ ﻓﻴﻬﺎ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﺃﻜﺒﺭ ﻤﻥ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺭﻤﺯ ﺫﻟﻙ‬ ‫)‪ English>Arabic‬ﺃﻭ ‪ Positive Differences‬ﻭﻫﻲ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﻭﺃﻥ ﺤﺎﻟﺘﻴﻥ ﻓﻘﻁ‬ ‫ﻜﺎﻨﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻤﺎﺩﺘﻴﻥ ﻤﺘﺴﺎﻭﻴﺘﻴﻥ ﻭﺭﻤﺯ ﺫﻟﻙ )‪ (c. English=Arabic‬ﺃﻭ ‪.Ties‬‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫)‪Test Statistics (b‬‬ ‫‪English - Arabic‬‬ ‫)‪Exact Sig. (2-tailed‬‬ ‫)‪.815(a‬‬ ‫.‪a Binomial distribution used‬‬ ‫‪b Sign Test‬‬ ‫ﻭﻴﺒﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 518.0=)‪ Exact Sig. (2-tailed‬ﻭﻫﻲ‬ ‫ﺃﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﻟﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ. ﺃﻱ ﺒﻤﻌﻨﻰ ﺃﻨﻪ ﻻ‬ ‫ﻴﻭﺠﺩ ﻓﺭﻕ ﺒﻴﻥ ﻭﺴﻴﻁ ﺍﻟﻤﺠﺘﻤﻌﻴﻥ ﺃﻭ ﺃﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭﻱ ﺍﻟﻠﻐﺔ ﺍﻟﻌﺭﺒﻴﺔ ﻭﺍﻻﻨﺠﻠﻴﺯﻴﺔ ﻟﻬﻤﺎ‬ ‫ﻨﻔﺱ ﺍﻟﺘﻭﺯﻴﻊ.‬ ‫ﻤﻘﺎﺭﻨﺔ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻨﺯﻋﺔ ﺍﻟﻤﺭﻜﺯﻴﺔ ﻟﻌﻴﻨﺘﻴﻥ ﻤﺭﺘﺒﻁﺘﻴﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ‬ ‫ب.‬ ‫ﻭﻟﻜﻜﺴﻥ‬ ‫ﻴﻌﺘﺒﺭ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ ﺍﻗﻭﻯ ﻤﻥ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﻓﻲ ﺘﻭﻀﻴﺢ ﻭﺘﺒﻴﺎﻥ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﺘﻭﺯﻴﻊ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻭﺫﻟﻙ ﻷﻨﻪ ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﺘﺭﺘﻴﺏ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﺍﻟﻌﻴﻨﺘﻴﻥ .‬ ‫ﻤﺜﺎل 4: ﻴﻌﻁﻲ ﺍﻟﺠﺩﻭل ﺍﻟﺘﺎﻟﻲ ﻋﺩﺩ ﺍﻷﻤﻴﺎل ﺍﻟﺘﻲ ﺘﻘﻁﻌﻬﺎ ﻜل ﻤﻥ 21 ﺴﻴﺎﺭﺓ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﻭﻋﻴﻥ ﻤﻥ‬ ‫ﺍﻟﻭﻗﻭﺩ ‪ A‬ﻭ‪.B‬‬ ‫‪9.4 27.3 12.6 12.9 30.1 22.1 8.3 32.5 16.5 15.8 10.3 26.4 A‬‬ ‫‪8.6 25.5 11.6 13.1 28.6 22.4 7.9 30.5 17.2 16.9 9.8 24.3 B‬‬ ‫ﻓﻬل ﻤﺘﻭﺴﻁ ﺍﻷﻤﻴﺎل ﺍﻟﺘﻲ ﺘﻘﻁﻌﻬﺎ ﺍﻟﺴﻴﺎﺭﺓ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻭﻗﻭﺩ ‪ A‬ﺘﺴﺎﻭﻱ ﺍﻟﻤﺘﻭﺴﻁ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻭﻗﻭﺩ ‪B‬‬ ‫ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁ ‪ A‬ﻭ‪.B‬‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻴﻭﺠﺩ ﻓﺭﻕ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ‪ A‬ﻭ‪.B‬‬ ‫311‬
  • 114.
    ‫1. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﻘﺭﺭﻴﻥ ﻓﻲ ﻋﻤﻭﺩﻴﻥ )ﻤﺘﻐﻴﺭﻴﻥ( ﻤﺨﺘﻠﻔﻴﻥ ﻨﺴﻤﻲ ﺍﻻﻭل‬ ‫)‪ (A‬ﻭﺍﻟﺜﺎﻨﻲ )‪ (B‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ) ‪Non-Parametric‬‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﻋﻴﻨﺘﻴﻥ ﻤﺭﺘﺒﻁﺘﻴﻥ )‪(2 Related Samples‬‬ ‫411‬
  • 115.
    ‫3. ﻨﺨﺘﺎﺭ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ)‪ (A‬ﻭ)‪ (B‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ﺍﻟﺴﻬﻡ ﻟﻴﻨﺘﻘﻼ ﺇﻟﻰ ﺨﺎﻨﺔ ‪Test Pairs‬‬ ‫ﺃﻤﺎﻡ ﺨﺎﻨﺔ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ‬ ‫‪ List‬ﺃﻱ ﻗﺎﺌﻤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺨﺘﺒﺭﺓ ﻭﻤﻥ ﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ‬ ‫‪Wilcoxon‬‬ ‫4. ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﺘﻅﻬﺭ ﻨﺎﺘﺞ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫511‬
  • 116.
    ‫ﺍﻟﻨﺘﺎﺌﺞ:‬ ‫ﺘﺘﻜﻭﻥ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭﻭﻟﻜﻜﺴﻥ ﻤﻥ ﺠﺩﻭﻟﻴﻥ، ﺍﻷﻭل ﻴﺒﻴﻥ ﻤﻭﺍﺼﻔﺎﺕ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ ﻭﺍﻟﺜﺎﻨﻲ ﻴﺼﻑ‬ ‫ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ ﻭﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻷﻭل:‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺭﺘﺏ ﻋﺩﺩ ﺍﻟﺤﺎﻻﺕ‬ ‫ﻤﺠﻤﻭﻉ ﺍﻟﺭﺘﺏ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ‬ ‫611‬
  • 117.
    ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩﺃﻥ ﻋﺩﺩ ﺍﻟﺤﺎﻻﺕ ﺍﻟﻜﻠﻲ ﻫﻭ 21 ﻤﻨﻬﻡ 8 ﺤﺎﻻﺕ ﻜﺎﻥ ﻓﻴﻬﺎ ﺭﺘﺏ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭ ‪B‬‬ ‫ﺃﻗل ﻤﻥ ﺭﺘﺏ ﻗﻴﻡ ‪ A‬ﻭﻜﺎﻥ ﻤﺘﻭﺴﻁ ﺭﺘﺏ ﻫﺫﻩ ﺍﻟﺤﺎﻻﺕ ﻫﻭ 57.7 ﺒﻤﺠﻤﻭﻉ ﺭﺘﺏ 26 ﻭﻴﺭﻤﺯ ﻟﺫﻟﻙ‬ ‫ﺒﺎﻟﺭﻤﺯ )‪ (a. B<A‬ﺃﻭ ‪ ،Negative Ranks‬ﻭﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻴﻀﺎ ﺃﻥ ﻫﻨﺎﻙ 4 ﺤﺎﻻﺕ ﻜﺎﻨﺕ ﻓﻴﻬﺎ‬ ‫ﺭﺘﺏ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭ ‪ B‬ﺃﻜﺒﺭ ﻤﻥ ‪ ، A‬ﻭﻤﺘﻭﺴﻁ ﺘﻠﻙ ﺍﻟﺭﺘﺏ 4 ﻭﺒﻤﺠﻤﻭﻉ ﺍﻟﺭﺘﺏ ﻫﻭ 61 ﻭﺭﻤﺯ ﺫﻟﻙ ﻓﻲ‬ ‫ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ )‪ (b. B>A‬ﺃﻭ ‪ Positive Ranks‬ﻭﺃﻨﻪ ﻻ ﺘﻭﺠﺩ ﺤﺎﻻﺕ ﻜﺎﻨﺕ ﺭﺘﺏ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ‬ ‫ﻤﺘﺴﺎﻭﻴﺔ ﻭﺭﻤﺯ ﺫﻟﻙ )‪ (c. A=B‬ﺃﻭ ‪.Ties‬‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ:‬ ‫ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻭﻟﻜﻜﺴﻥ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ ﻤﻌﺘﻤﺩﺍ ﻋﻠﻰ ﺘﻘﺭﻴﺏ ﺍﺨﺘﺒﺎﺭ ‪Z‬‬ ‫ﹰ‬ ‫ﺍﻟﻁﺒﻴﻌﻲ ﻭﻫﻲ -408.1 ﻭ ﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﻻﺤﻅ ﺃﻥ ﺃﻗل ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ .‪Asymp‬‬ ‫170.0=)‪ Sig. (2- tailed‬ﻭﻫﻲ ﺃﻜﺒﺭ ﻤﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪α‬‬ ‫ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫711‬
  • 118.
    ‫3. ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ-ﻭﻴﺘﻨﻲﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻭﺴﻴﻁ ﻤﺠﺘﻤﻌﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ. ‪Mann Whitney‬‬ ‫‪Test‬‬ ‫ﻴﺴﺘﺨﺩﻡ ﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻨﺩﻤﺎ ﻻ ﺘﺘﻭﺍﻓﺭ ﺸﺭﻭﻁ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ، ﺃﻱ ﺃﻥ ﻴﻜﻭﻥ‬ ‫ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﻭﺯﻴﻌﺎ ﻁﺒﻴﻌﻴﺎ ﺃﻭ ﺃﻥ ﺘﻜﻭﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻭﻓﺭﺓ ﻫﻲ ﺭﺘﺏ ﺍﻟﻘﻴﻡ ﻭﻟﻴﺴﺕ ﻗﻴﻤﻬﺎ، ﻭﻋﻠﻴﻪ‬ ‫ﹰ‬ ‫ﹰ‬ ‫ﻓﺈﻥ ﺍﺨﺘﺒﺎﺭ ‪ T‬ﻻ ﻴﻌﻤل ﻓﻲ ﻫﻜﺫﺍ ﺤﺎﻻﺕ ﻤﻤﺎ ﺘﻀﻁﺭ ﻻﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ، ﺤﻴﺙ ﺃﻨﻪ ﻴﻌﺘﻤﺩ‬ ‫ﻓﻲ ﻋﻤﻠﻪ ﻋﻠﻰ ﺭﺘﺏ ﺍﻟﻘﻴﻡ.‬ ‫ﻤﺜﺎل 5: ﻻﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ ﻟﻤﺠﻤﻭﻋﺔ ﻜﺒﻴﺭﺓ ﻤﻥ ﺍﻟﻁﻠﺒﺔ، ﻗﺎﻡ ﺍﻟﻤﺩﺭﺱ ﺒﻭﻀﻊ ﻤﺠﻤﻭﻋﺘﻴﻥ ﻤﻥ ﺍﻻﺴﺌﻠﺔ‬ ‫ﺃﻋﻁﻰ ﺍﻟﻤﺠﻤﻭﻋﺔ ﻟﻠﻁﻠﺒﺔ ﺍﻷﻭﻟﻰ ﺍﻟﺫﻴﻥ ﻴﺠﻠﺴﻭﻥ ﻋﻠﻰ ﺍﻟﻤﻘﺎﻋﺩ ﺫﺍﺕ ﺍﻻﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ، ﻭﺍﻟﻤﺠﻤﻭﻋﺔ‬ ‫ﺍﻟﺜﺎﻨﻴﺔ ﻟﻠﻁﻠﺒﺔ ﺍﻟﺫﻴﻥ ﻴﺠﻠﺴﻭﻥ ﻋﻠﻰ ﺍﻟﻤﻘﺎﻋﺩ ﺫﺍﺕ ﺍﻻﺭﻗﺎﻡ ﺍﻟﺯﻭﺠﻴﺔ. ﻫل ﻤﺠﻤﻭﻋﺘﺎ ﺍﻻﺴﺌﻠﺔ ﻤﺘﻜﺎﻓﺌﺔ ﺃﻡ‬ ‫ﻻ؟ ﻭﻻﺨﺘﺒﺎﺭ ﻫﺫﻩ ﺍﻟﻔﺭﻀﻴﺔ، ﻗﺎﻡ ﺍﻟﻤﺩﺭﺱ ﺒﺭﺼﺩ ﺒﻌﺽ ﺍﻟﻌﻼﻤﺎﺕ ﻤﻥ ﻜل ﻤﻥ ﺍﻟﻤﺠﻤﻭﻋﺘﻴﻥ ﻭﻜﺎﻨﺕ‬ ‫ﺍﻟﻌﻼﻤﺎﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ‬ ‫27‬ ‫25‬ ‫26‬ ‫87‬ ‫19‬ ‫65‬ ‫88‬ ‫09‬ ‫09‬ ‫56‬ ‫47‬ ‫68‬ ‫89‬ ‫46‬ ‫08‬ ‫09‬ ‫18‬ ‫94‬ ‫17‬ ‫87‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺘﻲ ﺍﻻﺴﺌﻠﺔ.‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ : ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﺫﺍﺕ ﺩﻻﻟﺔ ﺍﺤﺼﺎﺌﻴﺔ ﻓﻲ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺘﻲ ﺍﻻﺴﺌﻠﺔ. ﻋﻠﻰ ﻤﺴﺘﻭﻯ‬ ‫ﺍﻟﺩﻻﻟﺔ 1.0 = ‪α‬‬ ‫1. ﻨﻌﺭﻑ ﺍﻟﻤﺘﻐﻴﺭ)‪ (Degree‬ﻟﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻭﺍﻟﻤﺘﻐﻴﺭ )‪ (Group‬ﻜﻤﺘﻐﻴﺭ ﻨﻭﻋﻲ ﻭﻟﻴﻜﻥ‬ ‫ﺍﻟﻜﻭﺩ ﻫﻭ ) ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻻﻭﻟﻰ=1، ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ=2(.‬ ‫2. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Degree‬ﺼﺎﺤﺏ ﺍﻟﺩﺭﺠﺔ ﻤﻥ ﺃﻱ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ‬ ‫ﺍﻟﻤﺘﻐﻴﺭ )‪ (Group‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ.‬ ‫811‬
  • 119.
    ‫3. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ) ‪Non-Parametric‬‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﻋﻴﻨﺘﻴﻥ ﻤﺴﺘﻘﻠﺘﻴﻥ )‪(2 Independent Samples‬‬ ‫911‬
  • 120.
    ‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫5. ﻨﻨﻘل ﻋﺒﺭ ﺍﻟﺴﻬﻡ ﻤﺘﻐﻴﺭ ﺍﻟﺩﺭﺠﺎﺕ )‪ (Degree‬ﺇﻟﻰ ﺨﺎﻨﺔ ‪ Test Variable List‬ﻭﻤﺘﻐﻴﺭ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺔ )‪ (Group‬ﻟﻠﺨﺎﻨﺔ ‪.Grouping Variable‬‬ ‫021‬
  • 121.
    ‫2‬ ‫1‬ ‫6. ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Define‬ﻟﺘﻌﺭﻴﻑ ﻜﻭﺩ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﻲ ﻴﻨﺘﻤﻲ ﺇﻟﻴﻬﺎ ﺍﻟﻁﺎﻟﺏ ﻜﻤﺎ ﻫﻭ‬ ‫ﻤﻌﺭﻑ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ )‪.(Group‬‬ ‫7. ﻨﻌﺭﻑ ﺍﻟﻜﻭﺩ ) ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ =1 ﻭﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ =2( ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫8. ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻟﻺﺴﺘﻤﺭﺍﺭ ﻭﺍﻟﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻭﺘﺄﻜﺩ ﻤﻥ ﺃﻨﻙ ﻗﺩ‬ ‫ﺍﺨﺘﺭﺕ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ ﻭﻤﻥ ﺜﻡ ﺍﻀﻐﻁ ‪Ok‬‬ ‫121‬
  • 122.
    ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ-ﻭﻴﺘﻨﻲ‬ ‫ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ ﻴﺘﻜﻭﻥ ﻤﻥ ﺠﺩﻭﻟﻴﻥ، ﺍﻟﺠﺩﻭل ﺍﻷﻭل ﻴﺼﻑ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ ﻭﺍﻟﺜﺎﻨﻲ ﻴﺼﻑ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻷﻭل‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺭﺘﺏ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻤﺠﻤﻭﻉ ﺍﻟﺭﺘﺏ‬ ‫221‬
  • 123.
    ‫ﻴﺼﻑ ﺍﻟﺠﺩﻭل ﺍﻷﻭلﺍﻟﻌﻴﻨﺘﻴﻥ ﺤﻴﺙ ﻴﻅﻬﺭ ﻟﻨﺎ ﺃﻥ ﺤﺠﻡ ﻋﻴﻨﺔ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ 01 ﻭﻤﺘﻭﺴﻁ ﺭﺘﺒﻬﻡ‬ ‫6.8 ﻭﻤﺠﻤﻭﻉ ﻫﺫﻩ ﺍﻟﺭﺘﺏ 68، ﺃﻤﺎ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻠﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ ﻓﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ 01 ﻭﻤﺘﻭﺴﻁ ﺍﻟﺭﺘﺏ‬ ‫4.21 ﺒﻤﺠﻤﻭﻉ ﻗﺩﺭﻩ 421 ﻭﺃﻥ ﺍﻟﻌﻴﻨﺔ ﺍﻟﻜﻠﻴﺔ 02.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ ﻫﻲ 13. ﻭﺃﺨﻴﺭﺍ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻘﺒﻭل ﺃﻭ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ‬ ‫ﹰ‬ ‫ﺍﻟﺼﻔﺭﻴﺔ ﻓﻤﻥ ﺍﻟﻭﺍﻀﺢ ﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 051.0= )‪Asymp. Sig. (2-tailed‬‬ ‫ﻭﻫﻲ ﺍﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ.‬ ‫321‬
  • 124.
    ‫4. ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل-ﻭﺍﻻﺱﻟﻤﻘﺎﺭﻨﺔ ﺘﻭﺯﻴﻊ ﻋﺩﺓ ﻤﺠﺘﻤﻌﺎﺕ ﻤﺴﺘﻘﻠﺔ -‪Kruskal‬‬ ‫‪Wallis‬‬ ‫ﻴﻌﺘﺒﺭ ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل ﻭﺍﻻﺱ ﺘﻌﻤﻴﻡ ﻻﺨﺘﺒﺎﺭ ﻤﺎﻥ ﻭﻴﺘﻨﻲ ﻭﻫﻭ ﻴﺴﺘﺨﺩﻡ ﻟﻤﻘﺎﺭﻨﺔ ﺘﻭﺯﻴﻊ 3 ﻋﻴﻨﺎﺕ‬ ‫ﻓﺄﻜﺜﺭ ﻤﻥ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ، ﻭﻋﺎﺩﺓ ﻤﺎ ﻴﻁﺒﻕ ﻋﻨﺩﻤﺎ ﻻ ﺘﺘﻭﺍﻓﺭ ﺸﺭﻭﻁ ﺘﻁﺒﻴﻕ ﺍﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‬ ‫ﺍﻻﺤﺎﺩﻱ ﺃﻭ ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻭﺍﻓﺭﺓ ﻫﻲ ﺒﻴﺎﻨﺎﺕ ﺘﺭﺘﻴﺒﻴﺔ ﻭﻫﻭ ﻴﻌﻤل ﻋﻠﻰ:‬ ‫1. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻭﺴﻴﻁ 3 ﻋﻴﻨﺎﺕ ﻓﺄﻜﺜﺭ.‬ ‫2. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ.‬ ‫3. ﺍﺨﺘﺒﺎﺭ ﻫل ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﻗﻴﺩ ﺍﻟﺩﺭﺍﺴﺔ ﻟﻬﺎ ﻨﻔﺱ ﺍﻟﺘﻭﺯﻴﻊ.‬ ‫4. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ )ﺍﻥ ﺘﻌﺫﺭ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻕ ﺍﻟﻤﻌﻠﻤﻴﺔ(.‬ ‫ﻭﺘﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺎﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫0 ‪ : H‬ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ )ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ، ﻭﺴﻴﻁ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ، ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ(.‬ ‫‪ : H a‬ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ )ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ، ﻭﺴﻴﻁ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ، ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ(.‬ ‫ﻤﺜﺎل 6: ﻓﻲ ﺩﺭﺍﺴﺔ ﻟﻤﻘﺎﺭﻨﺔ ﻫل ﺘﻌﺘﻤﺩ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻋﻠﻰ ﺍﻟﺘﺨﺼﺹ ﻓﻲ ﻤﻘﺭﺭ ﻤﺒﺎﺩﺉ ﺍﻻﺤﺼﺎﺀ‬ ‫ﻗﺎﻡ ﻤﺩﺭﺱ ﺒﺎﻋﻁﺎﺀ ﺍﻤﺘﺤﺎﻥ ﻟﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﻤﻘﺭﺭ ﻭﻤﻥ ﺜﻡ ﺭﺼﺩ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﺩﺭﺠﺎﺕ‬ ‫ﻭﻜﺎﻨﺕ ﺍﻟﺩﺭﺠﺎﺕ ﺤﺴﺏ ﺍﻟﺘﺨﺼﺹ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫ﺍﻟﺘﻨﻤﻴﺔ‬ ‫ﺍﻟﺘﺭﺒﻴﺔ‬ ‫ﺍﻟﺤﺎﺴﻭﺏ‬ ‫08 09 05‬ ‫07 56 07‬ ‫57 55 56‬ ‫13 04 04‬ ‫04 57 08‬ ‫53 03 54‬ ‫59 58 24‬ ‫07 55 53‬ ‫09 08 56‬ ‫56 57 89‬ ‫54 55 56‬ ‫26 06 56‬ ‫57 09 58‬ ‫87 47 03‬ ‫86‬ ‫58 04 77‬ ‫88 28‬ ‫09 59‬ ‫ﻭﺍﻟﻤﻁﻠﻭﺏ ﺩﺭﺍﺴﺔ ﻤﺎ ﺇﺫﺍ ﺘﻭﺠﺩ ﻓﺭﻭﻕ ﺒﻴﻥ ﺘﻭﺯﻴﻊ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﺍﻟﺘﺨﺼﺼﺎﺕ ﺍﻟﺜﻼﺜﺔ ﺃﻋﻼﻩ‬ ‫ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫0 ‪ : H‬ﻻ ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﻡ. ﺍﻻﺤﺼﺎﺀ‬ ‫‪ : H a‬ﻴﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﻭﺴﻴﻁ )ﺘﻭﺯﻴﻊ( ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻤﻘﺭﺭ ﻡ. ﺍﻻﺤﺼﺎﺀ‬ ‫ﻭﻟﻠﻘﻴﺎﻡ ﺒﺫﻟﻙ ﺴﻨﻘﻭﻡ ﺒﺎﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل-ﻭﻻﺱ ﻭﻴﺘﻤﺜل ﺫﻟﻙ ﺒﺎﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ‬ ‫421‬
  • 125.
    ‫1. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺒﻤﺘﻐﻴﺭ )ﺍﻟﺩﺭﺠﺔ( ﻭﻭﻤﺘﻐﻴﺭ )ﺍﻟﺘﺨﺼﺹ( ﻟﻴﺩل ﻋﻠﻰ ﻤﺼﺩﺭ‬ ‫ﺍﻟﺩﺭﺠﺔ ﻭﻟﻴﻜﻥ ﺍﻟﻜﻭﺩ ﻫﻭ ) ﺤﺎﺴﻭﺏ=1، ﺘﺭﺒﻴﺔ=2، ﺘﻨﻤﻴﺔ=3( ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ ﻤﻥ ﺃﻱ‬ ‫ﺍﻟﺘﺨﺼﺼﺎﺕ، ﻭﺫﻟﻙ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫2. ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ) ‪Non-Parametric‬‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ )‪(k Independent Samples‬‬ ‫521‬
  • 126.
    ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4. ﻭﻨﻨﻘل ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﺍﻟﻤﺘﻐﻴﺭ )ﺍﻟﺩﺭﺠﺔ( ﺇﻟﻰ ﺨﺎﻨﺔ ‪ Test Variable List‬ﻭﻤﺘﻐﻴﺭ‬ ‫)ﺍﻟﺘﺨﺼﺹ( ﻟﻠﺨﺎﻨﺔ ‪.Grouping Variable‬‬ ‫621‬
  • 127.
    ‫2‬ ‫1‬ ‫5. ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ ‪ Kruskal-Wallis H‬ﺇﺫﺍ ﻟﻡ ﺘﻜﻥ ﻓﻲ ﺨﺎﻨﺘﻬﺎ ﻋﻼﻤﺔ،ﻭﻨﻀﻐﻁ ﻋﻠﻰ‬ ‫‪ Define‬ﻟﺘﻌﺭﻴﻑ ﻤﺩﻯ ﻜﻭﺩ ﻤﺘﻐﻴﺭ )ﺍﻟﺘﺨﺼﺹ( ﻓﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ:‬ ‫6. ﻨﻀﻊ ﺃﺼﻐﺭ ﻗﻴﻤﺔ ﻟﻜﻭﺩ ﻤﺘﻐﻴﺭ )ﺍﻟﺘﺨﺼﺹ( ﻭﻫﻲ 1 ﻭﺃﻋﻠﻰ ﻗﻴﻤﺔ ﻭﻫﻲ 3 ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل‬ ‫ﺃﻋﻼﻩ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪ Continue‬ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ ﻓﻴﺘﻐﻴﺭ ﺍﻟﺸﻜل ﻋﻠﻰ‬ ‫ﺍﻟﻨﺤﻭ ﺍﻟﺘﺎﻟﻲ:‬ ‫7. ﻨﻼﺤﻅ ﻅﻬﻭﺭ ﺍﻻﺭﻗﺎﻡ 1 ﻭ3 ﺒﺠﺎﻨﺏ ﺍﻟﻤﺘﻐﻴﺭ )ﺍﻟﺘﺨﺼﺹ( ﻭﺫﻟﻙ ﺒﻨﺎﺀ ﻋﻠﻰ ﺍﻟﺘﻌﺭﻴﻑ ﺍﻟﺴﺎﺒﻕ‬ ‫ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﻴﻅﻬﺭ ﻨﺎﺘﺞ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻠﻰ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫721‬
  • 128.
    ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل-ﻭﺍﻻﺱ‬ ‫ﻴﺘﻜﻭﻥ ﺍﻟﻨﺎﺘﺞ ﻤﻥ ﺠﺩﻭﻟﻴﻥ ﺍﻻﻭل ﻭﻫﻭ ﺍﻟﺨﺎﺹ ﺒﻭﺼﻑ ﻨﺘﺎﺌﺞ ﺍﻟﻌﻴﻨﺎﺕ ﻭﺍﻟﺜﺎﻨﻲ ﻴﺤﺴﺏ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ‬ ‫ﻜﺭﻭﺴﻜﺎل– ﻭﺍﻻﺱ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻷﻭل )ﻭﺼﻑ ﺍﻟﻌﻴﻨﺎﺕ(‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺭﺘﺏ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻷﻭل ﻭﻫﻭ ﺍﻟﻤﻌﻨﻭﻥ ‪ Ranks‬ﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ ﻭﻤﺘﻭﺴﻁ ﺭﺘﺏ ﻜل ﻋﻴﻨﺔ ﺤﻴﺙ ﻴﺒﻴﻥ ﺃﻥ‬ ‫ﺤﺠﻡ ﻋﻴﻨﺔ ﺍﻟﺤﺎﺴﻭﺏ ﻫﻭ 02 ﻭﻤﺘﻭﺴﻁ ﺭﺘﺏ ﺩﺭﺠﺎﺘﻬﻡ 57.03 ﺍﻤﺎ ﺤﺠﻡ ﻋﻴﻨﺎﺕ ﺍﻟﺘﺭﺒﻴﺔ ﻭﺍﻟﺘﻨﻤﻴﺔ ﻋﻠﻰ‬ ‫821‬
  • 129.
    ‫ﺍﻟﺘﻭﺍﻟﻲ ﻫﻡ 71ﻭ31( ﺒﻤﺘﻭﺴﻁ ﺭﺘﺏ ﻗﺩﺭﻩ )14.22، 64.12( ﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﻤﺠﻤﻭﻉ ﺤﺠﻭﻡ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻫﻭ 05 ﺩﺭﺠﺔ.‬ ‫ﺜﺎﻨﻴﺎ: ﺠﺩﻭل ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﹰ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل‬ ‫ﺩﺭﺠﺔ ﺤﺭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻴﺒﻴﻥ ﺠﺩﻭل ﺍﻟﻨﺘﺎﺌﺞ ﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻜﺭﻭﺴﻜﺎل-ﻭﺍﻻﺱ ﻫﻲ 473.4 ﺒﺩﺭﺠﺔ ﺤﺭﻴﺔ 2 )ﻋﺩﺩ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻨﺎﻗﺼﺎ 1( ﻭﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 211.0= .‪ Asymp. Sig‬ﺃﻱ ﺃﻜﺒﺭ ﻤﻥ ﻗﻴﻤﺔ‬ ‫ﹰ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﺘﻭﺠﺩ ﻓﺭﻭﻕ ﻓﻲ ﺘﻭﺯﻴﻊ ﺩﺭﺠﺎﺕ ﺍﻟﺘﺨﺼﺼﺎﺕ‬ ‫ﺍﻟﺜﻼﺜﺔ.‬ ‫921‬
  • 130.
    ‫5. ﺍﺨﺘﺒﺎﺭ ﺍﻻﺴﺘﻘﻼﻟﻴﺔ‬ ‫ﻤﺜﺎل7: ﻓﻲ ﺩﺭﺍﺴﺔ ﻟﻠﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻟﺘﻘﺩﻴﺭ ﺍﻟﺫﻱ ﻴﺤﺼل ﻋﻠﻴﻪ ﺍﻟﻁﺎﻟﺏ ﻓﻲ ﺍﻟﺠﺎﻤﻌﺔ ﻭﺠﻨﺴﻪ ﺃﺨﺫﺕ ﻋﻴﻨﺔ‬ ‫ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﻁﻼﺏ ﺍﻟﺫﻜﻭﺭ ﻭ ﺍﻻﻨﺎﺙ ﻭﻜﺎﻨﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫ﺃﻭﻻ: ﺍﻻﻨﺎﺙ‬ ‫ﹰ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻘﺒﻭل‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ ﺠﺩﺍ ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ ﺠﺩﺍ ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻘﺒﻭل‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻘﺒﻭل‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺜﺎﻨﻴﺎ: ﺍﻟﺫﻜﻭﺭ‬ ‫ﹰ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻘﺒﻭل‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﻤﻘﺒﻭل‬ ‫ﻤﻘﺒﻭل‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﻤﻘﺒﻭل‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﺭﺍﺴﺏ‬ ‫ﺭﺍﺴﺏ‬ ‫ﻤﻘﺒﻭل‬ ‫ﺠﻴﺩ‬ ‫ﺠﻴﺩ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﺠﻴﺩ‬ ‫ﻤﻤﺘﺎﺯ‬ ‫ﺠﻴﺩ ﺠﺩﺍ‬ ‫ﻭﺍﻟﻤﻁﻠﻭﺏ ﻫل ﺘﻭﺤﺩ ﻋﻼﻗﺔ ﺒﻴﻥ ﺘﻘﺩﻴﺭ ﺍﻟﻁﺎﻟﺏ ﻭﺠﻨﺴﻪ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﺘﻘﺩﻴﺭ ﺍﻟﻁﺎﻟﺏ ﻻ ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﺠﻨﺴﻪ )ﻤﺘﻐﻴﺭ ﺍﻟﺠﻨﺱ ﻭﺍﻟﺘﻘﺩﻴﺭ ﻤﺴﺘﻘﻼﻥ(‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﺘﻘﺩﻴﺭ ﺍﻟﻁﺎﻟﺏ ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﺠﻨﺴﻪ )ﺘﻭﺠﺩ ﻋﻼﻗﺔ ﺒﻴﻥ ﺠﻨﺱ ﺍﻟﻁﺎﻟﺏ ﻭﺘﻘﺩﻴﺭﻩ(‬ ‫1. ﻨﻌﺭﻑ ﻤﺘﻐﻴﺭﻴﻥ ﻨﻭﻋﻴﻴﻥ ﻫﻤﺎ )‪ (Result‬ﻭ )‪ (Gender‬ﻓﻲ ﺸﺎﺸﺔ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﺤﻴﺙ‬ ‫ﻴﻜﻭﻥ ﻜﻭﺩ ﻤﺘﻐﻴﺭ )‪ (Result‬ﻫﻭ )0= ﺭﺍﺴﺏ، 1=ﻤﻘﺒﻭل، 2=ﺠﻴﺩ، 3 ﺠﻴﺩ ﺠﺩﹰ، 4=ﻤﻤﺘﺎﺯ(‬ ‫ﺍ‬ ‫ﻭﻜﻭﺩ ﺍﻟﻤﺘﻐﻴﺭ )‪ (Gender‬ﻫﻭ )1=ﺫﻜﺭ، 2=ﺍﻨﺜﻰ(‬ ‫2. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫031‬
  • 131.
    ‫3. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻺﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ ‪Descriptive‬‬ ‫‪ Statistics‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ ‪ Cross tabs‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ :‬ ‫131‬
  • 132.
    ‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫2‬ ‫1‬ ‫5. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Result‬ﻟﺨﺎﻨﺔ ﺍﻟﺼﻔﻭﻑ ‪ Rows‬ﻭﺍﻟﻤﺘﻐﻴﺭ ‪ Gender‬ﻟﺨﺎﻨﺔ ﺍﻷﻋﻤﺩﺓ‬ ‫‪ Columns‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻷﺴﻬﻡ .‬ ‫231‬
  • 133.
    ‫6. ﻭﻤﻥ ﺜﻡﻨﻀﻐﻁ ﻋﻠﻰ ‪ Statistics‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫2‬ ‫7. ﻨﻀﻊ ﻋﻼﻤﺔ ﻋﻠﻰ ﺨﺎﻨﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺭﺒﻊ ﻜﺎﻱ ‪ Chi-Square‬ﻟﺤﺴﺎﺏ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺴﺘﻘﻼﻟﻴﺔ ﻭﻤﻥ‬ ‫ﺜﻡ ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Continue‬ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ‬ ‫331‬
  • 134.
    ‫8. ﻻﻅﻬﺎﺭ ﺠﺩﻭلﺍﻟﺘﻭﻗﻌﺎﺕ ﻨﻀﻐﻁ ﻋﻠﻰ ﺯﺭ ‪ Cell‬ﻟﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4‬ ‫9. ﻨﺨﺘﺎﺭ ﺍﻟﺨﻴﺎﺭ ‪ Expected‬ﺠﺩﻭل ﺘﻭﻗﻌﺎﺕ ﻅﻬﻭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻤﻥ ﺜﻡ ﻨﻀﻐﻁ ‪Continue‬‬ ‫ﻟﻠﻌﻭﺩﺓ ﻟﻠﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺴﺎﺒﻕ.‬ ‫431‬
  • 135.
    ‫ﻨﻀﻐﻁ ﻋﻠﻰ ‪Ok‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ.‬ ‫01.‬ ‫531‬
  • 136.
  • 137.
    ‫ﺘﺘﻜﻭﻥ ﻨﺘﺎﺌﺞ ﺍﻷﻤﺭ‪ Cross tabulation‬ﻤﻥ ﺜﻼﺜﺔ ﺠﺩﺍﻭل، ﺍﻷﻭل ﻴﺼﻑ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ‬ ‫ﻭﻨﺴﺏ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻔﻘﻭﺩﺓ، ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻴﺒﻴﻥ ﺠﺩﻭل ﺘﻭﺯﻴﻊ ﺍﻟﻌﻴﻨﺔ ﺤﺴﺏ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻭﺍﻟﻘﻴﻡ ﺍﻟﻤﺘﻭﻗﻌﺔ‬ ‫ﺤﺴﺏ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺴﺘﻘﻼﻟﻴﺔ ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻟﺙ ﻴﺒﻴﻥ ﻨﺘﻴﺠﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺭﺒﻊ ﻜﺎﻱ.‬ ‫ﻋﺩﺩ ﺍﻟﺫﻜﻭﺭ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ:‬ ‫ﺍﻟﺭﺍﺴﺒﻴﻥ‬ ‫ﺘﻭﻗﻊ ﺍﻟﺫﻜﻭﺭ‬ ‫ﺍﻟﺭﺍﺴﺒﻴﻥ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ 27، ﻋﺩﺩ ﺍﻟﺫﻜﻭﺭ 73 ) ﻤﻨﻬﻡ 21 ﺭﺍﺴﺏ ﻭﻗﻴﻤﺘﻬﺎ‬ ‫ﺍﻟﻤﺘﻭﻗﻌﺔ 67.9، 5 ﻤﻘﺒﻭل ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ 86.6، 9 ﺠﻴﺩ ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ 47.8، 5 ﺠﻴﺩﺠﺩﺍ‬ ‫ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ71.6 ، ﻭ6 ﻤﻤﺘﺎﺯ ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ56.5 ( ﻭﺍﻻﻨﺎﺙ 53 ) ﻤﻨﻬﻡ 7 ﺭﺍﺴﺏ ﻭﻗﻴﻤﺘﻬﺎ‬ ‫ﺍﻟﻤﺘﻭﻗﻌﺔ42.9 ، 8 ﻤﻘﺒﻭل ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ 23.6، 8 ﺠﻴﺩ ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ 62.8، 7 ﺠﻴﺩﺠﺩﺍ‬ ‫ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ 38.5، ﻭ5 ﻤﻤﺘﺎﺯ ﻭﻗﻴﻤﺘﻬﺎ ﺍﻟﻤﺘﻭﻗﻌﺔ53.5(.‬ ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻟﺙ:‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ‬ ‫ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫731‬
  • 138.
    ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻤﺭﺒﻊ ﻜﺎﻱ ﻫﻲ 734.2 ﺒﺩﺭﺠﺔ ﺤﺭﻴﺔ ﻤﻘﺎﺩﺭﻫﺎ 4‬ ‫ﻗﺒﻭل ﻭﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺎﺕ‬ ‫ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼ ﻴﺘﺒﻴﻥ ﺃﻥ ﺃﻗل ﻗﻴﻤﺔ ﻟﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ ﻫﻲ 656.0= )‪Asymp. Sig. (2-sided‬‬ ‫ﻭﻫﻲ ﺍﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 500.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻ ﻨﺴﺘﻁﻴﻊ ﺭﻓﺹ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺃﻱ ﺃﻥ‬ ‫ﺘﻘﺩﻴﺭ ﺍﻟﻁﺎﻟﺏ ﻻ ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﺠﻨﺴﻪ.‬ ‫6. ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ ‪Goodness of Fit‬‬ ‫ﻴﻌﻁﻴﻙ ﺒﺭﻨﺎﻤﺞ ‪ SPSS‬ﺍﻤﻜﺎﻨﻴﺔ ﻤﻘﺎﺭﻨﺔ ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻤﻊ ﻋﺩﺓ ﺘﻭﺯﻴﻌﺎﺕ ﺍﻻﺤﺘﻤﺎﻟﻴﺔ ﻭﻫﻲ ﺍﻟﺘﻭﺯﻴﻊ‬ ‫ﺍﻟﻁﺒﻴﻌﻲ ﻭﺘﻭﺯﻴﻊ ﺒﻭﺍﺴﻭﻥ ﻭﺘﻭﺯﻴﻊ ﺍﻻﺴﻲ ﻭﺍﻟﻤﻨﺘﻅﻡ، ﺤﻴﺙ ﻴﻌﻤل ﻋﻠﻰ ﺩﺭﺍﺴﺔ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﺘﻭﺯﻴﻊ‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺩﺍﻟﺔ ﺍﻟﻜﺜﺎﻓﺔ ﺍﻻﺤﺘﻤﺎﻟﻴﺔ ﻟﻠﺘﻭﺯﻴﻌﺎﺕ ﺍﻷﺭﺒﻌﺔ ﺍﻟﻤﺨﺘﻠﻔﺔ.‬ ‫ﻤﺜﺎل 8: ﺘﻤﺜل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ ﻋﺩﺩ ﺍﻻﺸﺨﺎﺹ ﺍﻟﺫﻴﻥ ﺘﻨﺎﻭﻟﻭﺍ ﻁﻌﺎﻡ ﺍﻟﻌﺸﺎﺀ ﻓﻲ ﻤﻁﻌﻡ ﺼﻐﻴﺭ ﻋﻠﻰ‬ ‫ﻤﺩﻯ 05 ﻴﻭﻤﺎ:‬ ‫ﹰ‬ ‫02‬ ‫21‬ ‫61‬ ‫91‬ ‫42‬ ‫6‬ ‫01‬ ‫1‬ ‫51‬ ‫32‬ ‫8‬ ‫03‬ ‫52‬ ‫7‬ ‫01‬ ‫8‬ ‫61‬ ‫42‬ ‫22‬ ‫8‬ ‫21‬ ‫01‬ ‫5‬ ‫41‬ ‫72‬ ‫02‬ ‫12‬ ‫61‬ ‫81‬ ‫21‬ ‫61‬ ‫32‬ ‫02‬ ‫4‬ ‫71‬ ‫72‬ ‫91‬ ‫61‬ ‫8‬ ‫6‬ ‫9‬ ‫7‬ ‫21‬ ‫41‬ ‫91‬ ‫22‬ ‫02‬ ‫61‬ ‫41‬ ‫51‬ ‫ﻴﺘﺒﻊ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﻁﺒﻴﻌﻲ ﻋﻨﺩ ﻤﺴﺘﻭﻯ‬ ‫ﺘﻨﺎﻭﻟﻭﺍ ﺍﻟﻌﺸﺎﺀ ﻓﻲ ﺍﻟﻤﻁﻌﻡ‬ ‫ﻓﻬل ﻤﺘﻐﻴﺭ ﻋﺩﺩ ﺍﻻﺸﺨﺎﺹ ﺍﻟﺫﻴﻥ‬ ‫ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫ﺍﻟﺤل:‬ ‫ﺍﻟﻔﺭﻀﻴﺎﺕ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ: ﻤﺘﻐﻴﺭ ﻋﺩﺩ ﻋﺩﺩ ﺍﻻﺸﺨﺎﺹ ﺍﻟﺫﻴﻥ ﺘﻨﺎﻭﻟﻭﺍ ﺍﻟﻌﺸﺎﺀ ﻓﻲ ﺍﻟﻤﻁﻌﻡ ﻴﺘﺒﻊ ﺍﻟﺘﻭﺯﻴﻊ‬ ‫ﺍﻟﻁﺒﻴﻌﻲ‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺒﺩﻴﻠﺔ: ﻋﺩﺩ ﺍﻻﺸﺨﺎﺹ ﺍﻟﺫﻴﻥ ﺘﻨﺎﻭﻟﻭﺍ ﺍﻟﻌﺸﺎﺀ ﻓﻲ ﺍﻟﻤﻁﻌﻡ ﻻ ﻴﺘﺒﻊ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﻁﺒﻴﻌﻲ.‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ﻨﺴﻤﻴﻪ ‪ Dinner‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫831‬
  • 139.
    ‫2. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ ﺍﻻﺤﺼﺎﺀﺍﺕ ﺍﻟﻐﻴﺭ ﺒﺎﺭﺍﻤﺘﺭﻴﺔ -‪Non‬‬ ‫‪ Parametric Test‬ﻭﻤﻥ ﺜﻡ ﻨﺨﺘﺎﺭ ﺍﻷﻤﺭ ‪1-Sample K-S‬‬ ‫931‬
  • 140.
    ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ‪ Dinner‬ﻟﺨﺎﻨﺔ ‪ Test Variable List‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫5. ﻴﻤﻜﻨﻙ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺃﻋﻼﻩ ﻤﻥ ﺍﺨﺘﻴﺎﺭ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﺫﻱ ﺘﺭﻴﺩ ﺍﺨﺘﺒﺎﺭﻩ ﻫل ﻫﻭ ﺘﻭﺯﻴﻊ‬ ‫ﻁﺒﻴﻌﻲ ‪ Normal‬ﺃﻭ ﺒﻭﺍﺴﻭﻥ ‪ Poisson‬ﺃﻭ ﻤﻨﺘﻅﻡ ‪ Uniform‬ﺃﻭ ﺃﺴﻲ ‪Exponential‬‬ ‫ﻓﻨﺨﺘﺎﺭ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﻁﺒﻴﻌﻲ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺃﻋﻼﻩ ﻭﻨﻀﻐﻁ ‪ Ok‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ :‬ ‫041‬
  • 141.
    ‫ﺍﻟﻨﺘﺎﺌﺞ:‬ ‫‪NPar Tests‬‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫ﻤﺘﻭﺴﻁ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻠﺒﻴﺎﻨﺎﺕ‬ ‫ﺃﻜﺒﺭ ﻓﺭﻕ ﺒﻴﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺩﺍﻟﺔ ﺍﻟﺘﻭﺯﻴﻊ‬ ‫ﺍﻻﺤﺘﻤﺎﻟﻴﺔ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﺘﺒﻴﻥ ﺍﻟﻨﺘﺎﺌﺞ ﺃﻋﻼﻩ ﺃﻥ ﻤﺘﻭﺴﻁ ﻋﺩﺩ ﺍﻟﺯﺒﺎﺌﻥ ﻫﻭ 62.51 ﺒﺎﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ﻗﺩﺭﻩ 287.6 ﻭﺃﻥ ﻗﻴﻤﺔ‬ ‫ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ ﻫﻭ 375.0.‬ ‫ﺍﻟﻘﺒﻭل ﻭﺍﻟﺭﻓﺽ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﺴﺎﺒﻕ ﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ 898.0= )‪Asymp. Sig. (2-tailed‬‬ ‫ﻭﻫﻲ ﺍﻜﺒﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ 50.0 = ‪ ، α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ، ﺃﻱ‬ ‫ﺃﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﺘﺒﻊ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﻁﺒﻴﻌﻲ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺴﺘﻨﺘﺞ ﺍﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﺘﺒﻊ ﺍﻟﺘﻭﺯﻴﻊ ﺍﻟﻁﺒﻴﻌﻲ ﺒﻤﺘﻭﺴﻁ ﻗﺩﺭﻩ‬ ‫62.51 ﻭﺍﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ 287.6 ﺃﻱ ) 287.6 ,62.51( ‪. X : N‬‬ ‫ﻤﺜﺎل 9: ﺍﺨﺘﺒﺭ ﻫل ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻫﻭ ﺘﻭﺯﻴﻊ )ﺒﻭﺍﺴﻭﻥ، ﺍﺴﻲ(‬ ‫ﻨﻘﻭﻡ ﺒﺎﻟﺨﻁﻭﺍﺕ ﺍﻟﺴﺎﺒﻘﺔ ﻟﻜﻥ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﺒﻭﺍﺴﻭﻥ ‪ Poison‬ﻭﺍﻻﺴﻲ ‪ Exponential‬ﻟﻨﺤﺼل‬ ‫ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ :‬ ‫141‬
  • 142.
    ‫ﺸﺭﺡ: ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭﺍﻥ ﻜﺎﻥ ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫﻭ ﺘﻭﺯﻴﻊ ﺒﻭﺍﺴﻭﻥ‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫)ﻤﻌﺩل ﺒﻭﺍﺴﻭﻥ( ﺒﻨﺎﺀﺍ ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﹰ‬ ‫ﺃﻜﺒﺭ ﻓﺭﻕ ﺒﻴﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺩﺍﻟﺔ ﺍﻟﺘﻭﺯﻴﻊ‬ ‫ﺍﻻﺤﺘﻤﺎﻟﻴﺔ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﻴﺘﺒﻴﻥ ﺃﻥ ﻤﺘﻭﺴﻁ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫﻭ 62.51 ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ ﻫﻭ‬ ‫963.1 ﻭﺃﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻭ 740.0 ﺃﺼﻐﺭ ﻤﻥ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ 50.0 = ‪α‬‬ ‫ﺒﺎﻟﺘﺎﻟﻲ ﻨﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﺴﺘﻨﺘﺞ ﺍﻥ ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻟﻴﺱ ﺘﻭﺯﻴﻊ ﺒﻭﺍﺴﻭﻥ.‬ ‫ﺸﺭﺡ: ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺍﻥ ﻜﺎﻥ ﺘﻭﺯﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫﻭ ﺘﻭﺯﻴﻊ ﺃﺴﻲ‬ ‫ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ‬ ‫)ﻤﻌﺩل ﺒﻭﺍﺴﻭﻥ(ﺒﻨﺎﺀﺍ ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ‬ ‫ﹰ‬ ‫ﺃﻜﺒﺭ ﻓﺭﻕ ﺒﻴﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺩﺍﻟﺔ ﺍﻟﺘﻭﺯﻴﻊ‬ ‫ﺍﻻﺤﺘﻤﺎﻟﻴﺔ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺠﻭﺩﺓ ﺍﻟﻤﻁﺎﺒﻘﺔ‬ ‫ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ‬ ‫241‬
  • 143.
    ‫7. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ‪Run Test‬‬ ‫ﻓﻲ ﻜﺜﻴﺭ ﻤﻥ ﺍﻻﺤﻴﺎﻥ ﻨﺤﺘﺎﺝ ﻟﺩﺭﺍﺴﺔ ﻜﻭﻥ ﺤﺩﻭﺙ ﻅﺎﻫﺭﺓ ﻤﻌﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺎ ﺍﻡ ﻻ؟ ﺃﻭ ﺍﻟﺒﺩﻴل ﻟﺫﻟﻙ ﻫل‬ ‫ﹰ‬ ‫ﺍﻟﻅﺎﻫﺭﺓ ﺘﺴﻴﺭ ﻭﻓﻕ ﻨﻅﺎﻡ ﻤﻌﻴﻥ، ﻭﻤﻥ ﺃﺠل ﺍﻟﻘﻴﺎﻡ ﺒﺫﻟﻙ ﻨﻁﺒﻕ ﻤﺎ ﻴﺴﻤﻰ ﺒﺎﺨﺘﺒﺎﺭ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ.‬ ‫ﻤﺜﺎل 9: ﻟﻨﻔﺭﺽ ﺃﻥ ﻜﻤﺒﻴﻭﺘﺭ ﻴﻨﺘﺞ ﺃﺭﻗﺎﻡ ﻤﺨﺘﻠﻔﺔ، ﻭﻨﺭﻴﺩ ﻤﻌﺭﻓﺔ ﻫل ﺍﻨﺘﺎﺝ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ ﻟﻸﺭﻗﻠﻡ ﺍﻟﺯﻭﺠﻴﺔ‬ ‫ﺃﻭ ﺍﻟﻔﺭﺩﻴﺔ ﻋﺸﻭﺍﺌﻴﺎ ﺃﻡ ﻻ، ﻓﺈﺫﺍ ﺒﺩﺃ ﺒﺭﻨﺎﻤﺞ ﺍﻟﻜﻤﺒﻴﻭﺘﺭ ﺒﺎﻟﻌﻤل ﻓﺎﻨﺘﺞ ﺍﻻﺭﻗﺎﻡ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﹰ‬ ‫66656923927 87317518‬ ‫78954653484743231165‬ ‫ﻓﻬل ﺍﻨﺘﺎﺝ ﺍﻻﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﺃﻡ ﻻ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪ α‬؟‬ ‫‪ : H a‬ﺍﻨﺘﺎﺝ ﺍﻻﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﻤﻨﺘﻅﻡ‬ ‫0 ‪ : H‬ﺍﻨﺘﺎﺝ ﺍﻻﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﻋﺸﻭﺍﺌﻲ‬ ‫1. ﻨﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ﺍﺴﻤﻪ )‪. (Number‬‬ ‫2. ﻨﻀﻊ ﺭﻤﺯ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺘﻐﻴﺭ ‪ Random‬ﺒﺤﻴﺙ ﻨﺭﻤﺯ ﻟﻸﺭﻗﺎﻡ ﺍﻟﻔﺭﺩﻴﺔ ﺒﺎﻟﺭﻤﺯ 1 ﻭﺍﻻﺭﻗﺎﻡ‬ ‫ﺍﻟﺯﻭﺠﻴﺔ ﺒﺎﻟﺭﻤﺯ 3 ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‬ ‫341‬
  • 144.
    ‫3. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ) ‪Non-Parametric‬‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ ‪ Runs‬ﻜﻤﺎ ﻴﻠﻲ:‬ ‫4. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ‬ ‫441‬
  • 145.
    ‫5. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ‪ Random‬ﺇﻟﻰ ﺨﺎﻨﺔ ‪ Test Variable List‬ﻭﻤﻥ ﺜﻡ ﻨﻠﻐﻲ ﺍﻟﻌﻼﻤﺔ ﺍﻟﻤﻭﺠﻭﺩﺓ‬ ‫ﻓﻲ ﺨﺎﻨﺔ ﺍﻟﻭﺴﻴﻁ ‪ Median‬ﻭﻤﻥ ﺜﻡ ﻨﻀﻊ ﻋﻼﻤﺔ ﻓﻲ ﺨﺎﻨﺔ ‪ Custom‬ﻭﻓﻲ ﺍﻟﺨﺎﻨﺔ ﺍﻟﺘﻲ‬ ‫ﺒﺠﺎﻨﺒﻬﺎ ﻨﻀﻊ ﺭﻗﻡ 2 ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫2‬ ‫1‬ ‫ﻴﻌﻁﻴﻙ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭﻱ ﺃﻋﻼﻩ ﺃﻥ ﺘﺩﺭﺱ ﻋﺸﻭﺍﺌﻴﺔ ﺍﻟﻅﺎﻫﺭﺓ ﺒﻘﻴﻡ ﺃﻜﺒﺭ ﻤﻥ ﺃﻭ ﺃﺼﻐﺭ ﻤﻥ‬ ‫)ﺍﻟﻭﺴﻴﻁ ﺍﻭ ﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﺃﻭ ﺍﻟﻤﻨﻭﺍل( ﻓﻨﺤﻥ ﺍﺨﺘﺭﻨﺎ ﻫﻨﺎ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻻﺨﺘﻴﺎﺭﻴﺔ ﻭﻫﻲ ﺍﻻﻜﺜﺭ‬ ‫ﺍﺴﺘﺨﺩﺍﻤﺎ.‬ ‫ﹰ‬ ‫6. ﻨﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﻟﺘﻅﻬﺭ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫ﻋﺩﺩ ﺍﻟﻤﺘﺘﺎﺒﻌﺎﺕ‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ‪ Z‬ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻋﺩﺩ ﺍﻟﺤﺎﻻﺕ ﺍﻟﻤﺩﺨﻠﺔ ﻫﻭ 04 ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ ﻓﻲ ﺤﺎﻟﺔ‬ ‫ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﺼﻐﻴﺭﺓ )ﻋﺩﺩ ﺍﻟﻤﺘﺘﺎﺒﻌﺎﺕ( ﻫﻭ 42 ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻜﺒﻴﺭﺓ ﻫﻭ 478.0‬ ‫ﻭﺃﻥ ﺃﻗل ﻗﻴﻤﺔ ﻟﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻫﻭ 283.0 ﻭﻫﻭ ﺃﻜﺒﺭ ﻤﻥ 50.0 = ‪ α‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻨﻘﺒل‬ ‫ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻭﻫﻲ ﺃﻥ ﺍﻟﻅﺎﻫﺭﺓ ﻋﺸﻭﺍﺌﻴﺔ.‬ ‫541‬
  • 146.
    ‫8. ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻭﺴﻴﻁ ﻋﺩﺓ ﻤﺠﺘﻤﻌﺎﺕ ﻤﺭﺘﺒﻁﺔ ‪Friedman Test‬‬ ‫ﻫﻭ ﺘﻌﻤﻴﻡ ﻻﺨﺘﺒﺎﺭ ﺍﻻﺸﺎﺭﺓ ﻟﻠﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ ﻭﻫﻭ ﻤﺸﺎﺒﻪ ﻻﺨﺘﺒﺎﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﻌﻠﻤﻲ ﻤﻥ ﺍﻟﻨﻭﻉ‬ ‫‪ Repeated Measure Design‬ﻭﻴﻁﺒﻕ ﻓﻲ ﺤﺎﻟﺔ ﻋﺩﻡ ﺘﻭﻓﺭ ﺸﺭﻭﻁ ﺘﻁﺒﻴﻕ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻌﻠﻤﻴﺔ‬ ‫ﻭﻫﻭ ﻴﻌﻤل ﻋﻠﻰ ﺍﻟﻤﻘﺎﺭﻨﺔ ﻤﻥ ﺤﻴﺙ:‬ ‫1. ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ.‬ ‫2. ﻫل ﺍﻟﻤﺠﺘﻤﻌﺎﺕ ﻗﻴﺩ ﺍﻟﺩﺭﺍﺴﺔ ﻟﻬﺎ ﻨﻔﺱ ﺍﻟﺘﻭﺯﻴﻊ.‬ ‫3. ﺍﺨﺘﺒﺎﺭ ﺍﻟﻔﺭﻭﻕ ﻓﻲ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ.‬ ‫ﻭﺘﻜﻭﻥ ﺍﻟﻔﺭﻀﻴﺎﺕ ﻜﻤﺎ ﻴﻠﻲ:‬ ‫0 ‪ : H‬ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ.‬ ‫‪ : H a‬ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ )ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ، ﻭﺴﻁ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ، ﺘﻭﺯﻴﻊ ﺍﻟﻤﺠﺘﻤﻌﺎﺕ(.‬ ‫ﻤﺜﺎل 01: ﻟﻨﻔﺭﺽ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ‬ ‫ﺍﻟﺭﻗﻡ‬ ‫1‪T‬‬ ‫2‪T‬‬ ‫3‪T‬‬ ‫.1‬ ‫01‬ ‫81‬ ‫7‬ ‫.2‬ ‫21‬ ‫91‬ ‫8‬ ‫.3‬ ‫51‬ ‫71‬ ‫61‬ ‫.4‬ ‫31‬ ‫41‬ ‫21‬ ‫.5‬ ‫51‬ ‫02‬ ‫71‬ ‫.6‬ ‫21‬ ‫51‬ ‫01‬ ‫.7‬ ‫11‬ ‫7‬ ‫6‬ ‫.8‬ ‫31‬ ‫81‬ ‫11‬ ‫.9‬ ‫51‬ ‫91‬ ‫11‬ ‫.01‬ ‫7‬ ‫31‬ ‫21‬ ‫.11‬ ‫21‬ ‫31‬ ‫81‬ ‫.21‬ ‫01‬ ‫8‬ ‫5‬ ‫ﺃﻋﻼﻩ ﻋﻨﺩ 50.0 = ‪ α‬؟‬ ‫ﺍﺨﺘﺒﺭ ﻫل ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ ﺍﻟﻤﺒﻴﻨﺔ ﻓﻲ ﺍﻟﺠﺩﻭل‬ ‫ﺍﻟﺤل:‬ ‫0 ‪ : H‬ﻻ ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ.‬ ‫‪ : H a‬ﻴﻭﺠﺩ ﻓﺭﻕ ﻓﻲ ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ.‬ ‫1. ﻨﺩﺨل ﺒﻴﺎﻨﺎﺕ ﻜل ﻁﺭﻴﻘﺔ ﻤﻌﺎﻟﺠﺔ ﻓﻲ ﻤﺘﻐﻴﺭ ﺃﻭ ﻋﻤﻭﺩ ﻤﺴﺘﻘل، ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫641‬
  • 147.
    ‫2. ﻤﻥ ﻗﺎﺌﻤﺔﺍﻟﺘﺤﻠﻴل ‪ Analyze‬ﻨﺨﺘﺎﺭ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻐﻴﺭ ﻤﻌﻠﻤﻴﺔ ) ‪Non-Parametric‬‬ ‫‪ (Statistics‬ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ )‪(k Related Samples‬‬ ‫741‬
  • 148.
    ‫3. ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊﺍﻟﺤﻭﺍﺭﻱ ﺍﻟﺘﺎﻟﻲ :‬ ‫4. ﻨﻨﻘل ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺜﺔ ﺇﻟﻰ ﺍﻟﺨﺎﻨﺔ ﺨﺎﻨﺔ ‪ Test Variables‬ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ﻭﻨﻀﻊ ﻋﻼﻤﺔ‬ ‫ﻋﻠﻰ ﺍﺨﺘﺒﺎﺭ ‪ Friedman‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:‬ ‫5. ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ‪ Ok‬ﺘﻅﻬﺭ ﺠﺩﺍﻭل ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ:‬ ‫841‬
  • 149.
    ‫ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ‬ ‫ﺸﺭﺡ ﺍﻟﻨﺘﺎﺌﺞ‬ ‫ﻴﺘﻜﻭﻥ ﻨﺎﺘﺞ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ ﻤﻥ ﺠﺩﻭﻟﻴﻥ ﺍﻻﻭل ﻴﺒﻴﻥ ﺍﻟﻌﻴﻨﺔ ﻭﻤﺘﻭﺴﻁ ﺭﺘﺒﻬﺎ‬ ‫ﺍﻟﺠﺩﻭل ﺍﻻﻭل‬ ‫‪Friedman Test‬‬ ‫ﻁﺭﻕ ﺍﻟﻤﻌﺎﻟﺠﺔ‬ ‫ﻤﺘﻭﺴﻁ ﺭﺘﺏ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫‪Ranks‬‬ ‫‪Mean Rank‬‬ ‫1‪T‬‬ ‫38.1‬ ‫2‪T‬‬ ‫57.2‬ ‫3‪T‬‬ ‫24.1‬ ‫ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻋﻼﻩ ﺃﻥ ﻤﺘﻭﺴﻁ ﺭﺘﺒﺔ ﺍﻟﻌﻴﻨﺔ ﺍﻷﻭﻟﻰ ﻫﻭ 38.1 ﻭﺍﻟﺜﺎﻨﻴﺔ 57.2 ﻭﺍﻟﺜﺎﻟﺜﺔ 24.1 .‬ ‫941‬
  • 150.
    ‫ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ‬ ‫)‪Test Statistics(a‬‬ ‫‪N‬‬ ‫21‬ ‫ﺤﺠﻡ ﺃﻱ ﻋﻴﻨﺔ‬ ‫‪Chi-Square‬‬ ‫761.11‬ ‫ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ‬ ‫‪df‬‬ ‫2‬ ‫ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ‬ ‫.‪Asymp. Sig‬‬ ‫400.‬ ‫ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ‬ ‫‪a Friedman Test‬‬ ‫ﻴﺒﻴﻥ ﺃﻥ ﻋﺩﺩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺩﺨﻠﺔ ﻓﻲ ﻜل ﻋﻴﻨﺔ ﻫﻭ 21، ﻭﺃﻥ ﺩﺭﺠﺔ ﺍﻟﺤﺭﻴﺔ ﻫﻲ 2 )ﻋﺩﺩ ﺍﻟﻌﻴﻨﺎﺕ‬ ‫ﻨﺎﻗﺼﺎ ﻭﺍﺤﺩ(، ﻭﺃﻥ ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ ﻫﻲ 761.11، ﻭﺃﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻫﻲ‬ ‫ﹰ‬ ‫400.0= .‪ Asymp. Sig‬ﻭﻫﻲ ﺃﺼﻐﺭ ﻤﻥ ﻗﻴﻤﺔ ﻤﺴﺘﻭﻯ ﺩﻻﻟﺔ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﺒﺎﻟﺘﺎﻟﻲ‬ ‫ﻨﺴﺘﻁﻴﻊ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﺼﻔﺭﻴﺔ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺍﻟﺩﻻﻟﺔ 50.0 = ‪. α‬‬ ‫051‬