المقال الثالث: الارتباط والعلاقات
تجيب معاملات الارتباط عن سؤالين: ما اتجاه العلاقة بين متغيرين، وما قوتها؟ يتيح QSRS حساب بيرسون وسبيرمان لمتغيرين، أو إنشاء مصفوفة ارتباط كاملة، أو ربط مجموعة متغيرات بمتغير مرجعي واحد.
كيف أختار معامل الارتباط؟
| الاختبار | الاختيار المناسب | مثال |
|---|---|---|
| بيرسون Pearson | متغيران كميان وعلاقة خطية، مع بيانات مناسبة للتحليل المعلمي | العلاقة بين التحصيل والدافعية |
| سبيرمان Spearman | بيانات رتبية، أو علاقة رتيبة لا يلزم أن تكون خطية، أو حساسية لمشكلات الطبيعية والقيم المتطرفة | العلاقة بين رتبة الأداء ورتبة الرضا |
| مصفوفة الارتباط | أكثر من متغير وتريد جميع العلاقات الثنائية في جدول واحد | العلاقات بين أبعاد أداة متعددة |
| متغير مرجعي | تريد ارتباط كل المتغيرات بدرجة أو معيار واحد دون عرض مصفوفة كبيرة | ارتباط الأبعاد بالتحصيل الكلي |
بيرسون أو سبيرمان بين متغيرين
يعرض الجدول اسم المتغيرين، وعدد الأزواج الصالحة N، ومعامل الارتباط، وقيمة t، ودرجات الحرية، وقيمة p، ووصفًا لقوة العلاقة واتجاهها. يستخدم الحساب الحالات التي تتوافر لها قيمة صالحة في المتغيرين معًا.
إنشاء مصفوفة ارتباط كاملة
اختر «مصفوفة ارتباطات»، ثم اجعل «نوع المخرجات» مصفوفة كاملة. حدد المتغيرات، واختر Pearson أو Spearman، ثم حدد طريقة التعامل مع القيم المفقودة:
- Pairwise: يستخدم كل زوج من المتغيرات جميع الحالات المتاحة له. قد يختلف N من خلية إلى أخرى.
- Listwise: يستخدم فقط الحالات المكتملة في جميع المتغيرات المختارة. يكون N موحدًا غالبًا، لكنه قد ينخفض إذا كثرت القيم المفقودة.
تعرض المصفوفة ثلاثة صفوف لكل متغير بأسلوب قريب من مخرجات SPSS: معامل الارتباط، والدلالة ثنائية الطرف، وعدد الحالات. تشير النجمة الواحدة إلى p أقل من 0.05 والنجمتان إلى p أقل من 0.01.
الارتباط بمتغير مرجعي
هذا الوضع مفيد عندما يكون السؤال مركزًا على معيار واحد. اختر «متغير مرجعي» من نوع المخرجات، وحدد المرجع، ثم حدد المتغيرات التي تريد ربطها به. تظهر النتيجة في صف واحد لكل متغير: المرجع، والمتغير، والرمز، والمعامل، وSig. (2-tailed)، وN، وقرار الدلالة.
كيف أفسر معامل الارتباط؟
- الإشارة الموجبة تعني أن ارتفاع أحد المتغيرين يصاحب ارتفاع الآخر، والسالبة تعني اتجاهًا عكسيًا.
- القيمة المطلقة الأقرب إلى 1 تعني علاقة أقوى، والقيمة الأقرب إلى صفر تعني علاقة أضعف.
- قيمة p تجيب عن الدلالة الإحصائية، لكنها لا تقيس أهمية العلاقة عمليًا.
- N مهم؛ فقد تصبح علاقة صغيرة دالة في عينة كبيرة، أو لا تصل علاقة متوسطة إلى الدلالة في عينة صغيرة.
- الارتباط لا يثبت أن أحد المتغيرين يسبب الآخر.
الحدود الشائعة لوصف القوة مجرد إرشادات وليست قوانين ثابتة. ينبغي تفسير المعامل في سياق التخصص، ودقة القياس، وحجم العينة، ونطاق القيم.
أخطاء شائعة
- استخدام بيرسون لعلاقة منحنية ثم الاستنتاج بعدم وجود علاقة لأن r قريب من الصفر.
- إدخال رموز المفقود مثل 99 بوصفها درجات حقيقية، مما يشوه الاتجاه والقوة.
- اختيار عدة فقرات رتبية منفردة ثم معاملتها تلقائيًا كدرجة كمية مركبة دون أساس منهجي.
- مقارنة عدد كبير جدًا من العلاقات دون الانتباه إلى تعدد الاختبارات واحتمال النتائج العرضية.
- الخلط بين ارتباط الفقرة بالمقياس وبين مصفوفة الارتباط العادية؛ فارتباطات الفقرات لها تحليل مستقل في مجموعة «الصدق والقياس».
الخلاصة
ابدأ من طبيعة المتغير والعلاقة، ثم اختر بيرسون أو سبيرمان. استخدم المصفوفة عندما تحتاج جميع العلاقات، والمتغير المرجعي عندما يكون لديك معيار مركزي. وبعد ظهور النتيجة اقرأ المعامل وN وp معًا، ولا تحول العلاقة الإحصائية إلى تفسير سببي غير مدعوم بتصميم الدراسة.
