الجزء الثانى من بحث الاحصاء spss

الاختبارات الإحصائية Statistics (Analyze)

الأصل في spss هو إجراء العمليات الإحصائية تيسيرا للباحث وتسهيلا للقارئ في فهم النتائج . وبالرغم من أن spss لا يحدد الاختبار المناسب ويترك هذا للباحث نفسه ، إلا أن فيه من الخدمات الكثير ما يعين الباحث على الاختبار المناسب للبحث كعدم الموافقة على الإجراء حتى يتم تحديد متطلبات الاختبار وعرض شاشات المساعدة ووضع الصناديق الحوارية لكل اختبار وغيره . وسوف نستعرض في هذا الجزء ضربا من الاختبارات ومجالات استخدامها .

تقرير Report
ويعطي الباحث فرصة لكتابة تقرير ملخص عن نتائجه سواء من خلال المتغيرات أو من خلال الحالات.
تلخيص البيانات Summarizing Data
وهو ابسط العمليات الإحصائية ويعطي الباحث فكرة مبسطة عامة عن بياناته ، ومن خلال هذا الخيار وما يتضمنه يستطيع الباحث التأكد من صحة الإدخال والاطمئنان عليها . ويحوي العديد من الاختبارات ، ومنها :

1- التكرارات Frequencies :
ويعطي تكرارات الإجابات لكل متغير على حده ، ويعتبر هذا العمل عادة أول عمل يقوم به الباحث ، ويحوي العديد من الاختبارات الأولية كالوسيط والمتوسط والمدى والانحراف المعياري والخطأ المعياري .
تستعمل التكرارات لتوليد الملخصات الإحصائية Summary statistics والـhistogram وهو رسم بياني يظهر عدد الحالات في كل مجموعة من عدة مجموعات .
ولنأخذ مثال على ذلك بيانات الموظفين الموجود في التدريب الملحق مع ال spss نفتح ملف employee data.sav من قائمة Anlyze نختار frequencies يظهر مربع حوار التكرار ومنه نختار المتغير salary ومن هذا المربع يمكن إعداد الرسم البياني من أمر chart يظهر مربع الحوار charts frequencies نختار histogram مع المنحنى العادي .
ومن أمر statistics يمكن إعداد الملخصات الإحصائية ونختار منها المتوسط والانحراف المعياري والقيم العضمى يراعى في حالة المتغير salary أن نطلب عدم إظهار جدول التكرار في المخرجات اختصارا لشكل النتيجة وحفظها من التطويل ، لأن كل قيمة مختلفة من الراتب سوف تظهر معها خانة خاصة بهذه القيمة .
بعد تشغيل الإجراء ستظهر الإحصاءات المطلوبة والرسم البياني chart حيث أن كل مستطيل bar فيه يمثل عدد الموظفين الذين تقع مرتباتهم ضمن معدل ما وقيم الراتب هي نقطة وسط المدى rang midpoints

2-وصف المتغيراتDescriptive :
ويمكن الباحث من إعطاء وصف المتغيرات : تكراراتها , متوسطاتها , أقل قيمة وأكبر قيمة .

3- استكشاف البيانات Explorer :
ويستفاد منه في معرفة التوزيع الباني للمتغيرات تبعا للقيم .
لنفرض أننا نريد أن نذهب أبعد من توزيعات المرتبات لكل jobcat في بيانات الموظفين لشركة ما , باستخدام أجراء المستكشف باستطاعتك فحص توزيعات المرتبات من خلال categories لمتغير آخر , ولتشغيل المستكشف من قائمة statistics نختار Explorer ونضع salary ضمن قائمة المتغيرات المرتبطة dependent list ونضع jobcat ضمن قائمة المتغيرات العاملية factor list ونشغل المستكشف نلاحظ ظهور النتائج على شكل الإحصاءات الوصفية descriptive statistics والرسم stem _and _leaf plot للمرتبات الحالية في كل job category مع إمكانية إجراء مقارنة للمرتبات في أل job categories مع إظهار للمتوسط median والمعدل الربعي (th 75 th 25 ) interquartile rang بالعلامات 0 و * للقيم المختلفة .

4- تقاطع الجداول Cross tabs :
ويستخدم لعرض أكثر من جدول في جدول واحد بناء على المتغيرات ، ولنأخذ مثال على ذلك بيانات الموظفين الموجود في التدريب الملحق مع أل spss نفتح ملف employee data.sav نجد المتغيرات التالية :
id : رقم الموظف الوحيد .
, gender ذكر أو أنثى m=male,f=female
Minority , نعم =1، ولا=0
Educ دراسة عليا =12 ، دبلوم =16، 00 وغيرها .
Jobcat 3=manager , 2=custodial ,1=clerical .
Salary الراتب ويبدأ من 1992$ .
Salbeqin تاريخ البداية للراتب مع 1992$.
Job time عدد الشهور التي قضاها الموظف بالشركة .
Prevexp الخبرات السابقة بالشهور للموظف قبل الالتحاق
لدراسة العلاقة بين jobcatogory,gender,minority لموظفي الشركة ننشئ تقاطع corsstabulation حيث نضع في خانة قائمة الصفوف المتغير jobcatogory وفي خانة قائمة الأعمدة gender وفي خانة الطبقة minority بعد ذلك نقوم بتشغيل الإجراء فتظهر نتائج التقاطع في شاشة المخرجات وهي غنية بالدلالات والنقاط للدراسة وابحث ; ويمكن إضافة تعداد إلى كل خلية count وكذلك تعداد يدعى expected count وهو رقم يعطى لكل خلية لا ترتبط بعلاقة مع متغير ما .


5-عرض الحالات:List of Cases

حيث يقوم spss بعرض (في صفحة الإخراج)استجابات أفراد العينة بالتفصيل على متغير معين .


مقارنة المتوسطات Comparing
يزخر ألSPSS بالعديد من الاختبارات لمقارنة المتوسطات وهي :
1- المتوسطات :Means
وهو المتوسط الحسابي لأفراد العينة في متغير معين .
في مثال موظفي الشركة هناك عدة متغيرات يمكن أن تقسم الموظفين إلى عدة مجموعات وبالتالي يمكن إن ننشئ إحصاءات تساعد على إجراء المقارنات للمجموعات .

2- اختبارات للعينات الزوجية : Paired-Sample T Test
يستخدم في مقارنة المتوسطات للعينات المتزاوجة . أي أنه يستخدم عندما يكون المتغير يدرس تشخيصين لنفس العينة مثل التوائم وأثر زيادة ونقص المرتب على المعلمين .
عندما تكون البيانات مبنية بحيث يكون هناك طريقتان لملاحظة (مراقبة) أحد هذه المتغيرات أو طريقتان متشابهتان لملاحظة متغيران اثنين كما في التوأم ، عندها يقال أن العينات متزاوجة ، في مثال موظفي الشركة نجد المتغيران الراتب الابتدائي والراتب الحالي beginning salary,current salary متوفرة لكل موظف ، وعند ازدهار الشركة سيكون هناك زيادات من فترة لأخرى وعند تطبيق اختبار (T) على معدل الراتبين نجد الفارق بينهما ، نخلص بالقول أن الاختبار ساعد على ملاحظة ومراقبة الموظف قبل وبعد مضي فترة زمنية ما .

3- اختبارات للعينات المستقبلة : Independent-Samples T Test
يستخدم في مقارنة متوسطات متغير عبر مجموعات مستقلة. أي انه يستخدم عندما يكون المتغير يدرس عينات مستقلة ذكر وأنثى ، نعم و لا ، أعزب ومتزوج ... وهكذا .
العينات المستقلة في ملف الموظفين يمكن تقسيمها إلى مجموعات مستقلة يحددها المتغير Gender ومن ثم يطبق اختبار (T) لتحديد مثلا ما إذا كانت المرتبات الحالية للموظفين متشابهة .

4- اختبارات لعينة واحدة : One-Sample
ويستخدم في حالة اختبار المتوسط لعينة واحدة .
مثل دراسة مدى اختلاف معدل الراتب في شركة من جنسية إلى أخرى ، أو من منصب إلى أخر وهكذا .

5- تحليل التباين الأحادي : One-Way Anova
عندا يريد الباحث دراسة أثر عدد من المجموعات في متغير واحد ، مثل دراسة اختلاف الطلاب في الذكاء بناء على المستوى الدراسي .
في مثال موظفي الشركة المتغير Jobcat يقسم مجموعة الموظفين إلى ثلاث مجموعات مستقلة ، يمكن تطبيق تحليل التباين الأحادي لمعرفة مدى اختلاف المرتب الابتدائي للمجموعات الثلاث .
ولتحليل التباين تطبيقات كثيرة في البحوث العليمة عند مقارنة متوسطات لاكثر من متغيرين وهو بديل مفضل للاختبارات عند تشابه المتغيرات .

تمارين :
تمرين 1: قم بعمل اختبارات ت بأنواعها لمجموعة من المتغيرات . واكتب تحليل ملخص للنتائج .

تحليل التباين العاملي البسيط Simple Factorial ANOVA
وهو توسع لتحليل التباين الأحادي , وفي هذه الحالة فإن spss يقوم بعمليتي في آن واحد , فمثلا يمكن دراسة العلاقة بين الذكاء والاتجاه . ويحتاج الباحث في هذه الحالة إلى تحديد نطاق
(Range) المتغير العاملي .
لنأخذ مثال موظفي الشركة نحتاج إلى إعادة ترميز المتغير Gender إلى متغير رقمي قبل المضي في هذا التحليل من القائمة نختار Transfrom ومنها Automatic Recode ...
يظهر لنا مربع الحوار , نضع المتغير Genderفي قائمة .Varable->New Name List
في خانة New Name text box نكتب 2 gender ثم نضغط ok.
إلى هنا حصلنا على متغير رقمي جديد يدعى2 gender ذو القيمة 1للذكور , 2 للإناث .
لإجراء Simple Factorial ANOVA من قائمة statistics نفتح مربع الحوار الخاص بهذا الإجراء .
في خانة dependent variable نضع الراتب الابتدائي salbegin .
نختار كمعامل (factors) 2 genderوأيضا minority .
نعرف قيم النص الصغرى =1, وقيم النص العظمى =2لـ2 gender.
بعد تشغيل الإجراء نلاحظ في المخرجات التأثير القوي والمتداخل لكل من 2 gender وأيضا minority ولطلب المزيد في هذا الموضوع ينظر إلى مراجع في تحليل البيانات الإحصائية .

الارتباط Correlate
وهو لدراسة العلاقة الارتباطية بين متغيرين أو اكثر .
1-الارتباط المتعدد Bivariate Correlations :
لدراسة العلاقة الخطية بين متغيرين .
باستطاعتك دراسة معامل الارتباط لشخص ما لتحديد إذا كان هناك ارتباط خطي بين الراتب الحالي والراتب الابتدائي أو بين الاختبار القبلي أو البعدي أو بين نتائج الاختبار لمجموعتين معينتين .

2- الارتباط الجزئي Correlations Partial :
لدراسة العلاقة الخطية بين متغيرين مع تثبيت متغير واحد على الاقل .
إجراء الارتباط الجزئي , يحسب معال الارتباط الجزئي الذي يصف العلاقة بين متغيرين عند تغيرهما (زيادة أو نقصان ) مؤثرا على متغير واحد أو أكثر إضافية .
يمكن تقدير الارتباط الراتب الابتدائي والراتب الحالي تحت تحكم التأثير الخطي للمتغيرات jobtime & prevexp , إن عدد المتغيرات المتحكمة (contolling ) يحدد ترتيب معامل الارتباط الجزئي .
من قائمة statistics نفتح مربع الحوار الخاص بالارتباط الجزئي .
نختار الراتب الابتدائي Sal begin والراتب الحالي salary كمتغيرات .
نختار job time و prevexp كمتغيرات ضابطة (control variable ) .
ونشغل الإجراء نلاحظ النتائج تظهر جدول معاملات الارتباط الجزئية , عدد الحالات والمستوى لكل من الراتب الابتدائي والراتب الحالي .

الانحدار Regression
لدراسة العلاقة بين متغير تابع ومجموعة من المتغيرات المستقلة .
الانحدار الخطي Liner Regression
إن إجراء الانحدار الخطي يختبر العلاقة بين المتغيرات المرتبطة ومجموعة المتغيرات الغير مرتبطة (المستقلة)، يمكن إن نستخدمه لتوقع مرتبات الموظفين الحالية (المتغير المرتبط ) من المتغيرات المستقلة كعدد سنوات الخبرة education , و minority .
من قائمة statistics نختار الانحدار الخطي liner Regression ونفتح مربع الحوار ونضع الراتب salary في خانة المغيرات المرتبطة , ونضع الراتب الابتدائي salbegin,jobtime,prevexp كمتغيرات مستقلة ونشغل الإجراء ، نلاحظ المخرجات تحوي ملائمة الإحصاءات والمعاملات للمتغيرات وبفحص عمود الدالة significance column نجد أل job time يجب أن لا يكون من ضمن المعادلة.

تقسيم البيانات Data Reduction

1- التحليل العاملي Factor Analysis :
لتصغير البيانات إلى عوامل Factors بناء على الارتباط الإحصائي لهذه البيانات .
التحليل العاملي يستخدم لتعريف عوامل لمجموعة من المتغيرات إلى مجموعة صغيرة من العوامل .
وفكرة التحليل العاملي هي محاولة جمع المتغيرات المتقاربة والاستجابات المتشابه ووضعها في عوامل ، ومن الممكن أن يجمع 40 عيارا مثلاً في 5 عوامل او اقل تجمعها .


الاختبارات الامعلمية Nonparametric Tests
الاختبارات الامعلمية في قائمة statistics تساعد على إجراء اختبارات على عينة أو أثنين أو أكثر متزاوجة أو مستقلة ، ولا يحتاج هذا الاختبار إلى فرضيات حول شكل نموذج التوزيع التي تولدها البيانات.

1-مربع كاي Chi-Square
لدراسة الفرق بين البيانات المتوقعة والمرصودة.
إجراء اختبار كاي يستخدم لاختبار فرضيات حول نسب متعلقة لحالات تقع ضمن عدة مجموعات منفردة (خاصة)، يمكن إجراء هذا الاختبار مثلا لدراسة فرضيات حول موظفي الشركة تقع ضمن نسبة الـ gender كنسبة عامة للعنصر البشري (50% ذكور، 50% إناث) نحتاج هنا إلى إعادة ترميز المتغير النصي gender إلى متغير رقمي gender 2 كما مر معنا في Simple Factorial ANOVA.
من قائمة statistics نختار مربع كاي Chi-Square ونفتح مربع الحوار ونضع gender 2 في خانة test variable، وفي خانة Expected values نختار All categories equal ثم نشغل الإجراء نلاحظ المخرجات تظهر جدول القيم لمتوقعة والقيم الفعلية لـcategories.

2-ثنائي الطرف Binomial:
لدراسة العلاقة بين البيانات المتوقعة والمرصودة لمتغيرات اسمية ذات اتجاهين فقط.
3-كالمكقروف-سمايرنزف K-S لعينة واحدة.
4-مان وتني U و كالمكقروف-سمايرنزف K-S لعينتين مستقلتين واحدة.
5-كروسكال-وايلز Kruskal-Wallis لعدة عينات مستقلة.
6-وايلكوكسن Wilcoxon singed-rank لعينتين مرتبطتين.
7- فريدمان وكندلز وكوشيرنز Friedman, Kindall`s W, and Cochern`s Q للعينات المتعددة المترابطة.
8-تحليلات المتسلسلات الزمنية Time Series Analysis
9-التهذيب الأسيExponential smoothing

تمارين:
تمرين 1: قم بإجراء جميع الاختبارات اللامعملية على متغيرات متعددة لديك. بين ماذا تعني هذه النتائج.









إعداد الرسوم البيانية Creating and Modifying Charts

يعطي spss الباحث نماذج رائعة من الأشكال والرسوم البيانية الجميلة بحيث يستطيع تمثيل بياناته بطريقة جذابة ومفهومة ، كما أن البرنامج يتيح للباحث فرصة كبيرة للاختيار بين الأشكال المتنوعة من طرق عرض البيانات .

إعداد رسم بياني يلخص أفراد العينة :

1- من خيار Graphs اختار Bar
2- لاحظ أن البرنامج قد وضع خيارا افتراضيا وهو تلخيص مجموعة من الحالات Summaries for )
(groups of cases
3- اضغط على مفتاح Define
4- اضغط على خيار Other summary function
5- ضع المتغير التابع في الصندوق الأول Variable
6- ضع المتغير المستقل في الصندوق الثاني Category Axis
7- اضغط على OK

إعداد رسم بياني يلخص متغيرات محددة :

1- من خيار Graphs اختارBar
2- اختار هذه المرة Summaries of a separate variable
3- اضغط على مفتاح Define
4- من قائمة المتغيرات اختار المتغيرات المراد تلخيصها .

إعداد رسم بياني عنقودي Creating a clustered Bar Chart :
وتستخدم عندما يكون هناك اكثر من متغير يراد عمل رسم بياني لها . ولعمل رسم عنقودي :

1- من خيار Graphs اختار Bar
2- اختار Clustered
3- اختار Summaries for groups of cases
4- اضغط على مفتاح Define
5- اختار متغير في صندوق : Category Axis
6- اختار متغير في صندوق : Deine Clusters by
7- اضغط على مفتاح OK


لصق الرسم البياني في برنامج آخر :
لنقل الرسم البياني إلى برنامج آخر :
1- من Edit اختار Copy
2- انتقل إلى البرنامج الهدف
3- من البرنامج Edit ومنها Past special
4- اختار Picture أو Bitmap .


تمارين :
تمرين1: اعمل رسما بيانيا يمثل العلاقة بين متغيرا اسميا ومتغيرا رتبيا ، واطبع الرسم .
تمرين2: ضم العبارات المتشابهة في متغير واحد حيث تكون الاستبانة من ثلاث أو أربع محاور ، ثم قم بعمل ملخص لهذه المتغيرات الجديدة ، واعمل رسما بيانيا من هذه المتغيرات ومتغيرا اسميا . اطبع الناتج .






الاختبارات المعلمية (البارامترية)
Parametric Tests

مقارنة المتوسطات Compare Means
تعتبر مقارنة المتوسطات الحسابية للمتغيرات إحدى الطرق البارامترية المتوفرة في SPSS، وتستخدم اختبارات مقارنة المتوسطات عندما يريد الباحث أن يطبق بحثه على أكثر من حالة (Case) ، ولكي نقول أن هناك فرق في متغير ما فلا يكفي أن نأخذ نتيجة حالة واحدة بل لابد من أخذ نتائج جميع الحالات (حسب العدد الذي طبقه الباحث)، ومن ثم نأخذ متوسطاتها الحسابية ونقارن بينها. والحالة هي عبارة عن تجربة أو مستجيب لاستبانة ما، أو نوع من الزيوت، أو غيرها، فتكرار التجربة، وتوزيع الاستبانة على أكثر من شخص، وأنواع الزيوت ثمثل الحالات في spss وهي التي يؤخذ متوسطاتها.
وسوف نستعرض أهم اختبارات مقارنة المتوسطات الحسابية وهي: المتوسطات، واختبارات ت (ثلاثة أنواع) ، وتحليل التباين، والتحليل العام للانموذج الخطي العام.

1- المتوسطات Means
ويقوم هذا الاختبار بحساب متوسطات المجموعات (المتغيرات)، بالاضافة إلى بعض العمليات الاحصائية ذات العلاقة للمتغيرات التابعة داخل المجموعات لمتغير مستقل أو أكثر، ويمكن أيضا من خلاله حساب تحليل التباين الاحادي واختبار الخطية (درجة خطية المتغيرات).
مثال: حساب المتوسطات الحسابية لكمية الدسم في ثلاث أنواع من الزيوت، ويمكن بعد ذلك اجراء تحليل التباين الاحادي لمعرفة إن كان هناك فرق "ذو دلالة احصاءية" في كمية الدسم بين هذه الزيوت.

للحصول على الاختبار من SPSS
من خيار: Analyze
اختر: Cmpare Means
ثم اختر: Means
ملحوظة: ضع المتغيرات التابعة في مربع Dependent List، والمتغيرات المستقلة في مربع Independent List.

2- اختبارات ت T Tests
يتوفر لدى spss ثلاث انواع من اختبار ت، وهي:

أولا: اختبار ت لعينة واحدة One-Sample T Test
والغرض من هذا الاختبار معرفة مااذا كان متوسط متغير ما يختلف عن متوسط ثابت معين (متوقع أو مفترض)؟
مثال1 : معلم يريد أن يعرف هل متوسط درجات تلاميذه يختلف عن الدرجة 100.
مثال2: مصنع ما يريد أن يتأكد هل متوسط وزن منتجه يختلف عن 1.3 كغم، فيأخذ عدة منتجات ويحري اختبار ت على متوسطها.
للحصول على الاختبار من SPSS
من خيار: Analyze
اختر: Cmpare Means
ثم اختر One-Sample T Test

ثانيا: اختبار ت للعينات المستقلة Independent-Samples T Test
ويقارن هذا الاختبار متوسطي مجموعتين، ومن أجل هذا تقسم المجموعتان إلى مجموعتين عشوائيتين، وأي فرق بينهما يرجع للمتغير التجريبي، وهذا لاينطبق مجموعتين مثل: عند دراسة دخل كل من رجال ونساء، و طالب وموظف .... ذلك أي منهما لم يوزع بطريقة عشوائية، لأن الدخل قد يتأثر بالتعليم وليس بالجنس أو متغير الحالة الوظيفية فقط.
مثال1 : مجموعة من مرضى ضغط الدم قسموا إلى مجموعتين (ضابطة وتجريبية)، وأعطي الدواء الجديد للمجموعة التجريبية لمعرفة مدى فائدة هذا الدواء في خفض ضغط الدم، وبعد شهرين من إعطاء الدواء للمجموعة التجريبية يحاول الطبيب أن يقارن بين المجموعتين باستخدام اختبار ت للعينات المستقلة .
مثال2: باحث يريد تجريب طريقة تدريس جديدة ويقسم التلاميذ على مجموعتين: تجريبية (يطبق عليها الطريقة الجديدة) وضابطة (ويطبق عليها الطريقة المعتادة)، وبعد اتهاء المدة يقارن بن نتائجهما باستخدام اختبار ت للعينات المستقلة.
للحصول على الاختبار من SPSS
من خيار: Analyze
اختر: Cmpare Means
ثم اختر Independent-Samples T Test

ثالثا: اختبار ت للعينات الزوجية Paired-Samples T Test
وهو يقارن بين متوسطي "متغيرين" في مجموعة واحدة (أي نفس الحالات في الاختبارين) ، فهو يقارن الفرق بين قيمتين لمتغر واحد وهل يختلف عن الصفر.
مثال1 : في اختبار الدم الآنف الذكر، كل المرضى يقاس ضغطهم قبل إعطاء الدواء، ومن ثم يعطون جميعا الدواء لفترة محددة، ويقارن ضغطهم قبل وبعد إعطاء الدواء باستخدام اختبار ت للعينات الزوجية.
مثال2: لكل من طرقتي التدريس في المثال الماضي، يحاول الباحث أن يقارن بين الاختبار القبلي (قبل بدء التجربة) وبين الاختبار البعدي (بعد الانتهاء من التجربة).

للحصول على الاختبار من SPSS
من خيار: Analyze
اختر: Cmpare Means
ثم اختر Paired-Samples T Test

3- تحليل التباين الاحادي One-Way Analysis Of Variance
ويحلل التباين بين متغيرات تابعة بالنسبة لمتغير مستقل واحد، وهو امتداد لاختبار ت للعينات المستقلة، والفرق بينها احتواء الاخير على اكثر منمتغير تابع. وبعد معرفة وجود الفرق فإنه يمكن تتبع الفرق ومعرفة مصدره (من أي المتغيرات)، وذلك باستخدام خيار Post Hoc . ويتوفر العديد من اختبارات بعد التحيل.
مثال1 : الكعكة تتشرب الزيت بكميات مختلفة عندما تطبخ؛ وهناك تجربة عملت لمقارنة ثلاثة أنواع من الزيوت (نوعين كاملي الدسم وآخر خفيف الدسم) وطبق تحليل التباين بين كمية الدهن في كل منها.
مثال2: عند تثبيت جميع المتغيرات، باحث يريد مقارنة الطلبة مع الطالبات في التحصيل الدراسي، والميل نحو اللغة العربية، والقدرة على الخطابة.

للحصول على الاختبار من SPSS
من خيار: Analyze
اختر: Cmpare Means
ثم اختر One-Way Analysis Of Variance

4- التحليل العام للانموذج الخطي العام GLM Univariate Analysis
ويعنى بتحليل الانحدار وتحليل التباين لمتغير تابع واحد مع متغير مستقل أو أكثر، كما يعنى باختبار التفاعل بين المتغيرات المستقلة وأثر كل منها، وبعد وجود الفروق يمكن تبين مصدرها من خلال الاختبار التتابعي Post Hoc.
مثال1 : في سباق الجري داحل المدينة لعدة سنوات: الوقت لكل متسابق هو المتغير التابع، بينما حالة الطقس (حار، بارد، معتدل)، عدد أشهر التدريب للمتسابق، عدد المرات التي سابق فيها المتسابق، والعمر؛ كلها متغيرات مستقلة. ومن الممكن في هذه الحالة أن نجد أن التفاعل بين العمر وحالة الطقس لها دلالة احصائية بمعنى أن صغير السن يتأثر بحرارة –أو برودة- الجو أكثر من الكبير.
مثال2: عند تثبيت جميع المتغيرات، باحث يريد مقارنة الطلبة مع الطالبات في التحصيل الدراسي، والميل نحو اللغة العربية، والقدرة على الخطابة.

للحصول على الاختبار من SPSS
من خيار: Analyze
اختر: Cmpare Means
ثم اختر One-Way Analysis Of Variance
مصطلحات مهمة:
من خيار Build Terms
Interaction يوجد أعلى مستوى من التفاعل لكل المتغيرات المختارة، وهذا هو الأصل لدى البرنامج إن لم تغيره.
Main Effect يوجد الأثر الرئيس لكل متغير مختار.
All 2-Way يوجد التفاعل الثنائي للمتغيرات المختارة.
All 3-way يوجد التفاعل الثلاثي للمتغيرات المختارة.
..... وهكذا الرباعي والخماسي.
تحليل الاستجابات المتعددة
Multiple Respons Analysis

المقصود بالاستجابات المتعددة هو أنه أحيانا يكون لدى الباحث عدة استجابات أو نتائج متوقعة، وفي هذه الحالة فإن إفراد كل استجابة أو نتيجة بمتغير واحد قد يكون شاقا على الباحث ولا يؤدي الغرض من بحثه، وخصوصا عندما تكون نتائج مثل هذا النوع كثيرة لدى الباحث أو عندما تكون نتائج الاستجابات المتوقعة كثيرة.
وهناك طريقتين لتحليل مثل هذا النوع من البيانات:
1- طريقة الانقسام الثنائي المتعدد Mulitple dichotomy method
وفي هذه الحالة توضع متغيرات بعدد الاستجابات ويحدد لها ترميزا (0 و 1) مثلا، وفي هذه الحالة فإن عدد المتغيرات يكون مساو لعدد الاستجابات.
ملحوظة: سبق شرح هذه الطريقة في المحاضرة.
2- طريقة الفئات المتعددة Mulitple category method
وفي هذه الحالة يحدد العدد الاكبر المتوقع للاستجابات ويوضع متغيرات مثل هذا العدد (أقل من عدد المتغيرات)، وإن أجاب أي من المستجيبين على عدد أقل فإن المتغيرات الباقية تعطى صفرا.
مثال1 : عندما سئل مجموعة من الناس عن أفضل مكان يقضون به الاجازة، حددت الخيارات التالية، وطلب منهم وضع دائرة على مايفضلون:
1- عمرة، 2- زيارة المسجد النبوي، 3- البقاء في المنزل، 4-مصائف المملكة، 5- سواحل المملكة، 6-زيارة الاقارب، 7- خارج المملكة.
باستخدام الطريقة الاولى: فإن الباحث يحدد 7 متغيرات ويكون الترميز لكل منها إما (1) لكل متغير وضع امامه دائرة، أو (0) لمن لم يوضع أمامه دائرة.
أما باستخدام الطريقة الثانية: فإن الباحث يجري اختبارا بسيطا على عينة بسيطة ثم ينظر العدد الأكبر من هذه الخيارات الذي يمكن أن يعطيه مستجيب، ويضع متغيرات بهذا العدد وليكن ثلاثة (بمعنى أن أكثر المستجيبين يؤشرون على واحد أو اثنين أو ثلاثة ولا أكثر من ذلك).
فإذا اختار مستجيب: "عمرة" و "البقاء في المنزل"و "سواحل المملكة" فإنه يرمز للمتغيرات الثلاثة كما يلي:1، 3، 5، أما إذا اختار آخر "مصائف المملكة" و "خارج المملكة" فإن المتغيرات ترمز كما يلي: 4، 7، متروك.
للحصول على الاختبار من SPSS
من خيار: Analyze
اختر: Multiple Respons
ثم اختر Define Sets
ثم انقل المتغيرات التي تريد أن تجمعها في استجابة واحدة في مربع Variable in Set:
ومن اسفل حدد الطريقة (إحدى الطريقتين)، وإذا اخترت الطريقة الثانية حدد المدى Rang أي حدود العدد المتوقع للاستجابات (في المثال السابق من 1 إلى 3) ثم اضغط على Add.






الدوال الإحصائية Statistical Functions

دالة معامل الاختلاف CFVAR(numexpr,numexpr[,...])
دالة رقمية تمثل معامل الاختلاف (ناتج عن قسمة الانحراف المعياري على المتوسط) للمعطيات التي تحوي على قيم صحيحة ، هذه الدالة تتطلب واحد او اكثر من المعطيات الرقمية.
الدالةLAG(variable) رقمية او نصية
عبارة عن قيمة المتغير في الحالة السابقة في ملف البيانات .
الدالة القيمة العظمى MAX(value,value[,...])
رقمية عبارة عن القيمة العظمى للمعطى ذي القيم الصحية وتتطلب واحد او اكثر من المعطيات.
دالة القيمة الصغرى MIN(value,value[,...])
دالة رقمية تعطي القيم الصغرى للمعطى ذي القيم الصحيحة وتتطلب واحد او اكثر من المعطيات.
دالة MEAN(numexpr,numexpr[,...]) ]
دالة رقمية تعطي المتوسط الحسابي للمعطى الذي يحوي قيم صحيحة وهذه الدالة تحتاج الى واحد او اكثر من المعطيات الرقمية.
دالة الانحراف المعياريSD(numexpr,numexpr[,...]) ]
دالة رقمية تعطي الانحراف المعياري للمعطى الذي يحوي قيم صحيحة وهذه الدالة تحتاج الى واحد او اكثر من المعطيات الرقمية.
دالة المجموع SUM(numexpr,numexpr[,...])
دالة رقمية تعطي المجموع الحسابي لجميع قيم للمعطى الذي يحوي قيم صحيحة وهذه الدالة تحتاج الى واحد او اكثر من المعطيات الرقمية.
دالة مدى الاختلافVARIANCE(numexpr,numexpr[,...]) ]
دالة رقمية تعطي مدى الاختلاف للمعطى الذي يحوي قيم صحيحة وهذه الدالة تحتاج الى واحد او اكثر من المعطيات الرقمية.

دوال القيم المفقودة Missing Value Functions

دالة NMISS(variable[,...])
دالة رقمية ، عبارة عن عدد المعطيات التي لها قيم مفقودة ، هذه الدالة تتطلب واحد أو اكثر من المعطيات التي يجب أن تكون أسماء لمتغيرات في ملف بيانات العمل.
دالة MISSING(variable) ]
دالة منطقية ،عبارة عن قيم منطقية صح أو خطأ:
صح إذا كان المتغير يحوي على قيم مفقودة ، المعطى يجب أن يكون اسم لمتغير في ملف بيانات العمل.
دالة SYSMIS(numvar)
دالة منطقية ،عبارة عن قيم منطقية صح أو خطأ:
صح إذا كان اسم المتغير يحوي على قيم نظام مفقودة ، المعطى يجب أن يكون اسم لمتغير في ملف بيانات العمل.
دالة VALUE(variable)
دالة رقمية أو نصية
عبارة عن قيم المتغير بعد استبعاد تعريف قيم المستخدم المفقودة، المعطى يجب أن يكون اسم المتغير

دوال العمليات الرياضية Arithmetic Functions


دالة ABS(numexpr)
رقمية ، عبارة عن رقم يمثل القيمة المطلقة لرقم ما.

دالة ARSIN(numexpr)
رقمية ، عبارة عن رقم يمثل معكوس جا الزاوية بالراديان حيث ان تكون القيمة المعطاة بين )–1و+1).
دالة ARTAN(numexpr)
رقمية ، عبارة عن رقم يمثل معكوس ظا الزاوية بالراديان .

دالة COS(radians)
رقمية ، عبارة عن رقم يمثل بالراديان جتا الزاوية ،والزاوية يجب ان تكون بالراديان.

دالة EXP(numexpr)
رقمية، عبارة عن رقم هو eمرفوع الى القوة للرقم المعطى (اذا كان الرقم المعطى × فإن الناتج هو e اس ×).
دالة LN(numexpr)
رقمية ، عبارة عن اللوغاريتم الطبيعي للعدد المعطى للقاعدة e، الرقم المعطى يجب ان يكون رقم واكبر من الصفر.
دالةLG10(numexpr) ]
رقمية ، عبارة عن اللوغاريتم العشري للعدد المعطى للقاعدة 10، الرقم المعطى يجب ان يكون رقم واكبر من الصفر.

دالة MOD(numexpr,modulus)
رقمية ، عبارة عن الباقي من قسمة الرقم المعطى الأول على الرقم المعطى الثاني المقسوم ، مثل 5 تقسم 2 الجواب 2.5 الناتج في هذه الدالة يكون 0.5 ،المقسوم عليه يجب ان لا يساوي صفر.

دالة RND(numexpr)
رقمية ، عبارة عن رقم صحيح ناتج عن تقريب الرقم الكسري ، الرقم المنتهي بـ 5 يقرب الى صفر.

دالة SIN(radians)
رقمية، بالراديان عبارة عن جا الزاوية بالراديان.
دالة SQRT(numexpr)
رقمية ، عبارة عن العدد مضروب بنفسه سالب كان او موجب
دالة TRUNC(numexpr)
رقمية ، عبارة عن رقم صحيح بعد اقتلاع ما بعد الفاصلة العشرية للعدد المعطى

مجهود جبار