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 Regressionلدراسة 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
المرجع: مقدمة في الحزم الإحصائية SPSS
إعداد
أ.د.إبراهيم بن عبدالله المحيسن
كلية التربية- المدينة المنورة
محرم 1425 هـ
لافتات في الاحصاء Spss
رد مع اقتباس
