فرضية تتكرر في رسائل الماجستير والدكتوراه أكثر من أي فرضية أخرى: “توجد علاقة ذات دلالة إحصائية بين المتغير (أ) والمتغير (ب)”. قد يكون المتغيران الرضا الوظيفي والأداء، أو قلق الاختبار والتحصيل الدراسي، أو جودة الخدمة وولاء العملاء. والأداة التي تختبر هذه الفرضية هي معامل الارتباط.
المشكلة أن SPSS يعطيك ثلاثة خيارات في نافذة واحدة: Pearson وKendall’s tau-b وSpearman، ولا يخبرك أيها يناسب بياناتك. وكثير من ملاحظات المشرفين ولجان المناقشة تبدأ من هنا: “لماذا استخدمت بيرسون والبيانات لا تتبع التوزيع الطبيعي؟”. في هذا الدليل نشرح الفرق بين بيرسون وسبيرمان، وخطوات حسابهما في SPSS، وطريقة قراءة الجدول، وكيف تكتب النتيجة في فصل النتائج.
ما هو معامل الارتباط؟
معامل الارتباط رقم يلخص العلاقة بين متغيرين في قيمة واحدة تتراوح بين -1 و+1. ويخبرك بشيئين:
- الاتجاه: القيمة الموجبة تعني أن المتغيرين يزيدان معًا. والقيمة السالبة تعني أنه كلما زاد أحدهما قل الآخر، مثل العلاقة بين قلق الاختبار والدرجة.
- القوة: كلما اقتربت القيمة من 1 أو -1 كانت العلاقة أقوى، وكلما اقتربت من الصفر كانت أضعف.
وهناك قاعدة لا بد أن تحفظها قبل أي تفسير: الارتباط لا يعني السببية. إذا وجدت علاقة قوية بين ساعات المذاكرة والدرجة، فهذا لا يثبت أن المذاكرة هي سبب الدرجة. قد يكون هناك متغير ثالث يؤثر في الاثنين. لذلك اكتب في رسالتك “توجد علاقة” وليس “يؤثر”.
الفرق بين معامل ارتباط بيرسون وسبيرمان
معامل بيرسون (r) يقيس العلاقة الخطية بين متغيرين كميين، أي العلاقة التي يمكن تمثيلها بخط مستقيم. أما معامل سبيرمان (rho أو rs) فيحوّل القيم إلى رتب أولًا، ثم يقيس العلاقة الرتيبة، أي هل يزيد أحد المتغيرين كلما زاد الآخر، حتى لو لم تكن الزيادة على خط مستقيم.
| وجه المقارنة | بيرسون | سبيرمان |
|---|---|---|
| نوع الاختبار | معلمي | لا معلمي |
| نوع البيانات | كمية (فترية أو نسبية) | رتبية، أو كمية لا تحقق شروط بيرسون |
| التوزيع الطبيعي | مطلوب تقريبًا | غير مطلوب |
| شكل العلاقة | خطية | رتيبة (صاعدة أو هابطة باستمرار) |
| التأثر بالقيم المتطرفة | يتأثر بشدة | أقل تأثرًا |
| مثال من الرسائل | الدرجة الكلية لمقياس الرضا والدرجة الكلية لمقياس الأداء | ترتيب الطالب في الفصل والمستوى التعليمي للأب |
القاعدة العملية: إذا كانت بياناتك كمية وتحقق شروط بيرسون فاستخدمه، لأنه أقوى في اكتشاف العلاقة. وإذا لم تتحقق الشروط، أو كانت البيانات رتبية من الأصل، فاستخدم سبيرمان. وإذا لم يكن الفرق بين الاختبارات المعلمية واللامعلمية واضحًا لك، فراجع الفرق بين الاختبارات المعلمية واللامعلمية وكيف تختار الاختبار المناسب.
شروط استخدام معامل ارتباط بيرسون وكيف تتحقق منها في SPSS
قبل أن تضغط على Pearson، تحقق من أربعة شروط:
- المتغيران كميان: درجات، أعمار، دخل، أو درجة كلية لمقياس من عدة عبارات.
- التوزيع الطبيعي: من Analyze ثم Descriptive Statistics ثم Explore، ضع المتغيرين في Dependent List، ومن Plots فعّل Normality plots with tests. إذا كانت قيمة Sig. في اختبار Shapiro-Wilk أو Kolmogorov-Smirnov أكبر من 0.05، فالتوزيع لا يختلف جوهريًا عن الطبيعي.
- العلاقة خطية: ارسم شكل الانتشار من Graphs ثم Legacy Dialogs ثم Scatter/Dot ثم Simple Scatter. إذا كانت النقاط تتجمع حول خط مستقيم فالشرط متحقق، وإذا كانت على شكل منحنى فبيرسون سيقلل من قوة العلاقة الحقيقية.
- لا توجد قيم متطرفة مؤثرة: نقطة واحدة بعيدة في شكل الانتشار قد ترفع قيمة r أو تخفضها بشكل كبير. يظهر ذلك أيضًا في رسم Boxplot من نافذة Explore نفسها.
إذا فشل شرط التوزيع الطبيعي أو الخطية، فلا تحاول “إصلاح” البيانات بحذف الحالات دون مبرر منهجي. الانتقال إلى سبيرمان هو الحل الأسلم، واذكر السبب في فصل المنهجية.
خطوات حساب معامل الارتباط في SPSS
- افتح ملف البيانات، واختر من القائمة: Analyze ثم Correlate ثم Bivariate.
- انقل المتغيرين (أو أكثر) إلى خانة Variables.
- في جزء Correlation Coefficients اختر Pearson أو Spearman حسب بياناتك. يمكنك اختيار الاثنين معًا للمقارنة، لكن ستكتب في الرسالة نتيجة واحدة فقط.
- في Test of Significance اختر Two-tailed إذا كانت فرضيتك “توجد علاقة” دون تحديد اتجاه، وOne-tailed إذا حددت الاتجاه مسبقًا (“توجد علاقة موجبة”).
- اترك خيار Flag significant correlations مفعّلًا، ليضع SPSS نجمة بجوار المعاملات الدالة.
- اضغط OK.
إذا وضعت أكثر من متغيرين، سيعطيك SPSS مصفوفة ارتباط تجمع كل الأزواج في جدول واحد، وهذا مفيد عندما تختبر علاقة متغير مستقل بعدة أبعاد في نفس الوقت.
قراءة جدول مخرجات الارتباط في SPSS
مع بيرسون يظهر جدول بعنوان Correlations، ومع سبيرمان يظهر جدول بعنوان Nonparametric Correlations. وفي الحالتين، كل خانة في الجدول فيها ثلاثة أرقام:
- Pearson Correlation (أو Correlation Coefficient في سبيرمان): قيمة معامل الارتباط نفسه.
- Sig. (2-tailed): قيمة الدلالة. إذا كانت أقل من 0.05 فالعلاقة دالة إحصائيًا.
- N: عدد الحالات التي دخلت الحساب. راجعه دائمًا، لأن الحالات الناقصة تُستبعد، وقد يكون العدد أقل من حجم عينتك الفعلي.
مثال توضيحي: في دراسة على 120 معلمًا، ظهرت قيمة الارتباط بين الرضا الوظيفي والأداء 0.42، وقيمة Sig. تساوي 0.000. معنى ذلك أن هناك علاقة موجبة ودالة إحصائيًا، وحجمها متوسط حسب المعايير في القسم التالي. (الأرقام هنا للتوضيح فقط.)
ملاحظة مهمة: SPSS يكتب الدلالة 0.000 عندما تكون صغيرة جدًا، لكنها ليست صفرًا. في الرسالة اكتبها p < .001.
كيف تعرض مصفوفة الارتباط في الرسالة
إذا اختبرت علاقة عدة متغيرات ببعضها، فلا تنسخ جدول SPSS كما هو. الجدول الأصلي يكرر كل قيمة مرتين (فوق القطر وتحته)، ويضع قيمة الدلالة وعدد الحالات تحت كل معامل، فيصبح طويلًا ومزدحمًا. الأفضل أن تعيد بناءه في Word بهذا الشكل:
- ضع أسماء المتغيرات في الصف الأول والعمود الأول بنفس الترتيب، مع ترقيمها (1، 2، 3).
- اكتب قيم معامل الارتباط في نصف الجدول فقط (أسفل القطر)، واترك القطر فارغًا أو ضع فيه شرطة.
- استخدم النجوم للدلالة: نجمة واحدة لـ p < .05 ونجمتان لـ p < .01، واشرح ذلك في ملاحظة أسفل الجدول.
- أضف عمودين للمتوسط والانحراف المعياري لكل متغير إذا طلبت جامعتك ذلك، فهذا شائع في أسلوب APA.
بعد الجدول، لا تكرر كل الأرقام في النص. اكتب فقرة تبرز أهم العلاقات التي تجيب عن فرضياتك فقط، ثم اترك الباقي للجدول.
تفسير قوة معامل الارتباط
أشهر معيار في الأبحاث هو معيار كوهين (Cohen, 1988):
| قيمة معامل الارتباط (بالقيمة المطلقة) | قوة العلاقة |
|---|---|
| حوالي 0.10 | ضعيفة |
| حوالي 0.30 | متوسطة |
| 0.50 فأكثر | قوية |
بعض الجامعات والمشرفين يعتمدون تقسيمات أخرى، فالتزم بالمعيار المستخدم في قسمك واذكر مرجعه.
وهناك نقطتان يخلط بينهما كثير من الباحثين:
- الدلالة ليست هي القوة. مع عينة كبيرة جدًا، قد يكون ارتباط ضعيف مثل 0.15 دالًا إحصائيًا. الدلالة تخبرك أن العلاقة غالبًا ليست صدفة، أما القوة فتخبرك هل هي علاقة مهمة عمليًا.
- مربع معامل الارتباط (r²) يعطيك نسبة التباين المشترك بين المتغيرين. ارتباط 0.42 يعني أن حوالي 18% من التباين في أحد المتغيرين مرتبط بالآخر. هذا الرقم يضيف عمقًا لفصل المناقشة.
كيف تكتب نتيجة الارتباط في فصل النتائج
الصياغة التالية تتبع أسلوب APA ويمكنك تعديلها حسب دراستك:
بيرسون:
للتحقق من الفرضية الأولى، تم حساب معامل ارتباط بيرسون بين درجات الرضا الوظيفي ودرجات الأداء. وأظهرت النتائج وجود علاقة ارتباطية موجبة متوسطة ودالة إحصائيًا بين المتغيرين (r = .42, n = 120, p < .001)، أي أنه كلما ارتفع الرضا الوظيفي لدى المعلمين ارتفع مستوى أدائهم.
سبيرمان:
نظرًا لعدم تحقق شرط التوزيع الطبيعي (اختبار Shapiro-Wilk، p < .05)، تم استخدام معامل ارتباط سبيرمان. وأظهرت النتائج وجود علاقة ارتباطية موجبة ودالة إحصائيًا بين المتغيرين (rs = .35, n = 85, p = .001).
لاحظ أن الصياغة الثانية تبرر سبب اختيار سبيرمان. هذا السطر وحده يمنع سؤالًا متوقعًا من لجنة المناقشة. ولمزيد من التفاصيل حول ترتيب الجداول والصياغة، راجع كيفية كتابة فصل النتائج الإحصائية في رسالة الماجستير والدكتوراه.
أخطاء شائعة في استخدام معامل الارتباط
- استخدام بيرسون مع عبارة ليكرت واحدة. العبارة الواحدة على مقياس من خمس درجات بيانات رتبية، والأنسب لها سبيرمان. أما الدرجة الكلية لمقياس من عدة عبارات فتُعامل غالبًا كبيانات كمية، ويمكن استخدام بيرسون معها إذا تحققت الشروط.
- كتابة “يؤثر” بدل “يرتبط”. الارتباط لا يثبت السببية، واللجان تنتبه لهذه الكلمة.
- تجاهل شكل الانتشار. معامل قريب من الصفر لا يعني دائمًا عدم وجود علاقة. قد تكون العلاقة منحنية، وبيرسون لا يلتقطها.
- مصفوفة ارتباط كبيرة دون انتباه لعدد الاختبارات. كلما زاد عدد الأزواج التي تختبرها، زادت فرصة ظهور علاقة دالة بالصدفة. إذا كانت المصفوفة كبيرة، ناقش مع مشرفك استخدام تصحيح مثل Bonferroni.
- الخلط بين الارتباط والانحدار. الارتباط يخبرك بوجود العلاقة وقوتها. أما إذا كان هدفك التنبؤ بمتغير من خلال متغير آخر أو عدة متغيرات، فأنت تحتاج إلى تحليل الانحدار الخطي في SPSS وتفسير النتائج.
أسئلة شائعة
هل يمكن استخدام معامل بيرسون مع بيانات ليكرت؟
مع الدرجة الكلية لمقياس من عدة عبارات، نعم إذا تحققت الشروط. أما مع عبارة واحدة فالأنسب سبيرمان.
ما الفرق بين سبيرمان وكندال (Kendall’s tau)؟
الاثنان لا معلميان ويعتمدان على الرتب. يُفضل كندال غالبًا عندما تكون العينة صغيرة أو فيها رتب متساوية كثيرة.
ماذا تعني قيمة الارتباط السالبة؟
تعني أن العلاقة عكسية: كلما زاد أحد المتغيرين قل الآخر. والإشارة السالبة لا تعني أن العلاقة ضعيفة؛ فارتباط -0.60 أقوى من ارتباط 0.30.
ما هو الارتباط الجزئي ومتى أحتاجه؟
الارتباط الجزئي (Partial Correlation) يقيس العلاقة بين متغيرين بعد عزل أثر متغير ثالث. مثلًا: العلاقة بين ساعات المذاكرة والتحصيل بعد التحكم في العمر. تجده في SPSS من Analyze ثم Correlate ثم Partial، وتحتاجه عندما يشك المشرف في أن علاقتك ترجع لمتغير آخر.
ما حجم العينة المناسب لحساب الارتباط؟
لا يوجد رقم ثابت يناسب كل دراسة. العينات الصغيرة تعطي معاملات غير مستقرة، والأفضل حساب حجم العينة مسبقًا بتحليل القوة الإحصائية (Power Analysis) باستخدام برنامج مثل G*Power.
كيف أكتب قيمة معامل الارتباط في الرسالة حسب APA؟
في أسلوب APA تُكتب القيمة بدون صفر قبل العلامة العشرية (r = .42)، لأن معامل الارتباط لا يتجاوز الواحد. التزم بدليل الكتابة المعتمد في جامعتك.
محتار تختار أنهي اختبار؟ جرّب المعالج المجاني
جاوب على أسئلة قصيرة عن هدف دراستك ونوع بياناتك، والمعالج يقترح الاختبار المناسب ومكانه في SPSS وشروطه، مع فقرة جاهزة لفصل المنهجية.
قبل أن تكتب نتيجة الارتباط في رسالتك
اختيار الاختبار المناسب أهم من الحساب نفسه. إذا لم تكن متأكدًا هل تحقق بياناتك شروط بيرسون، أو كيف تكتب النتيجة بطريقة تقنع اللجنة، يمكن لفريق أكاديمية النادي العلمي مراجعة بياناتك وفرضياتك في استشارة مجانية، ثم تنفيذ التحليل وكتابة التفسير بلغة رسالتك.
هل تحتاج مساعدة في تحليل بيانات بحثك؟
يساعدك فريق أكاديمية النادي العلمي في تجهيز البيانات وتحليلها وتفسير النتائج لرسائل الماجستير والدكتوراه والأبحاث العلمية. تعرّف على خدمة التحليل الإحصائي المتكاملة، والاستشارة مجانية.


لا يوجد تعليق