مفهوم التحليل الإحصائي الوصفي
يُعد التحليل الإحصائي الوصفي من الأساليب الأساسية التي يعتمد عليها الباحث في تنظيم البيانات وتلخيصها وعرض خصائصها بصورة واضحة ومباشرة. ويشمل استخدام الجداول والتكرارات والنسب المئوية ومقاييس النزعة المركزية والتشتت للكشف عن الأنماط العامة داخل البيانات.
في هذا المقال، نوضح مفهوم التحليل الإحصائي الوصفي، وأبرز أدواته، وأهميته في تقديم قراءة أولية دقيقة لنتائج الدراسة.
ما مفهوم التحليل الإحصائي الوصفي؟
التحليل الإحصائي الوصفي هو مجموعة من الأساليب الإحصائية التي تُستخدم لتنظيم البيانات وتلخيصها وعرضها بصورة واضحة، بهدف وصف خصائصها الأساسية دون إجراء تعميمات أو اختبار فرضيات. ويشمل هذا النوع من التحليل مقاييس النزعة المركزية، مثل المتوسط الحسابي والوسيط والمنوال، ومقاييس التشتت، مثل الانحراف المعياري والتباين، إضافة إلى الجداول التكرارية والرسوم البيانية.
ما أهمية التحليل الإحصائي الوصفي في البحث العلمي؟
يُعد التحليل الإحصائي الوصفي المرحلة الأولى والأساسية في تحليل البيانات؛ إذ يساعد الباحث على تنظيم البيانات وتلخيصها وفهم خصائصها قبل الانتقال إلى التحليلات الاستدلالية واختبار الفرضيات، وتتضح أهميته في النقاط الآتية:
- يساعد التحليل الإحصائي الوصفي على تنظيم البيانات الخام وعرضها في صورة جداول ورسوم بيانية تسهّل فهمها وتفسيرها.
- يوضح خصائص العينة من خلال المؤشرات الوصفية، مثل التكرارات والنسب المئوية والمتوسطات والانحرافات المعيارية.
- يكشف توزيع البيانات واتجاهاتها العامة، بما يساعد الباحث على تكوين تصور أولي عن طبيعة المتغيرات المدروسة.
- يسهم في اكتشاف القيم المتطرفة والأخطاء المحتملة والبيانات غير المنطقية قبل البدء في التحليلات الإحصائية المتقدمة.
- يساعد على تقييم مدى ملاءمة البيانات للاختبارات الاستدلالية من خلال فحص خصائصها الإحصائية الأساسية.
- يسهّل مقارنة خصائص المجموعات المختلفة باستخدام المقاييس الوصفية المناسبة، بما يدعم فهم الفروق الأولية بينها.
- يعزز جودة عرض نتائج الدراسة من خلال تقديم ملخصات كمية واضحة تسهّل على القارئ استيعاب البيانات الأساسية.
- يمثل أساسًا لاتخاذ القرارات الإحصائية اللاحقة، إذ يعتمد الباحث على نتائجه في اختيار الاختبارات المناسبة وتفسير مخرجاتها.
وبذلك، لا يقتصر دور التحليل الوصفي على وصف البيانات فقط، بل يمتد إلى دعم جودة التحليل الإحصائي بأكمله. ويساعد استخدامه بصورة صحيحة على فهم البيانات، واكتشاف مشكلاتها، وتمهيد الطريق لإجراء تحليلات أكثر دقة وموثوقية.
ما أشهر مقاييس التحليل الإحصائي الوصفي؟
يضم التحليل الإحصائي الوصفي مجموعة من المقاييس التي تساعد الباحث على تنظيم البيانات وتلخيصها وفهم خصائص توزيعها قبل الانتقال إلى الاختبارات الاستدلالية، ومن أشهرها ما يلي:
1-التكرارات والنسب المئوية
التكرار هو عدد مرات ظهور قيمة أو فئة معينة داخل البيانات، بينما توضح النسبة المئوية مقدار تمثيل هذه الفئة من إجمالي المشاهدات.
متى تُستخدم؟
تُستخدم مع البيانات الاسمية والترتيبية، وعند وصف الخصائص الديموغرافية للعينة، مثل الجنس والتخصص والمؤهل العلمي ومستويات الاستجابة.
كيفية تفسيرها
تشير الفئة ذات التكرار أو النسبة الأعلى إلى الفئة الأكثر انتشارًا داخل العينة، مع ضرورة مقارنة النسب بحجم العينة الكلي وعدم تفسيرها بمعزل عن السياق.
2-المتوسط الحسابي
المتوسط الحسابي هو ناتج مجموع القيم مقسومًا على عددها، ويمثل المركز العام الذي تتجمع حوله البيانات الكمية.
متى يُستخدم؟
يُستخدم مع البيانات الفترية والنسبية، خاصة عندما يكون التوزيع قريبًا من الاعتدال ولا توجد قيم متطرفة تؤثر بصورة كبيرة في النتائج.
كيفية تفسيره
يشير المتوسط المرتفع أو المنخفض إلى المستوى العام للمتغير وفق نطاق المقياس المستخدم، ويجب تفسيره مع الانحراف المعياري لفهم درجة تشتت الاستجابات.
3-الوسيط
الوسيط هو القيمة التي تقع في منتصف البيانات بعد ترتيبها تصاعديًا أو تنازليًا، بحيث يقع نصف القيم فوقها والنصف الآخر تحتها.
متى يُستخدم؟
يُفضل استخدامه مع البيانات الرتبية، أو عند وجود توزيع ملتوي أو قيم متطرفة قد تجعل المتوسط الحسابي غير ممثل للبيانات.
كيفية تفسيره
يمثل الوسيط القيمة المركزية الأقل تأثرًا بالقيم الشديدة؛ فإذا اختلف كثيرًا عن المتوسط فقد يشير ذلك إلى التواء التوزيع أو وجود قيم متطرفة.
4-المنوال
المنوال هو القيمة أو الفئة الأكثر تكرارًا داخل مجموعة البيانات، وقد يكون للبيانات منوال واحد أو أكثر، وقد لا يكون لها منوال واضح.
متى يُستخدم؟
يُستخدم خصوصًا مع البيانات الاسمية والترتيبية، كما يفيد في تحديد أكثر الاستجابات أو الفئات شيوعًا داخل العينة.
كيفية تفسيره
تعبر القيمة المنوالية عن الخيار الأكثر انتشارًا، لكنها لا توضح وحدها مركز البيانات أو مقدار تشتتها، لذلك يُفضل دعمها بمقاييس أخرى.
5-المدى
المدى هو الفرق بين أكبر قيمة وأصغر قيمة في مجموعة البيانات، ويُعد أبسط مقاييس التشتت.
متى يُستخدم؟
يُستخدم للحصول على تصور سريع عن اتساع القيم وانتشارها، خاصة في التحليل الأولي للبيانات أو مقارنة نطاقات المتغيرات.
كيفية تفسيره
يدل المدى الكبير على تباعد القيم، بينما يشير المدى الصغير إلى تقاربها، لكنه يتأثر بشدة بالقيم المتطرفة ولا يعكس توزيع القيم الداخلية.
6-التباين
التباين هو متوسط مربعات انحراف القيم عن المتوسط الحسابي، ويقيس مقدار الاختلاف بين المشاهدات داخل مجموعة البيانات.
متى يُستخدم؟
يُستخدم في دراسة تشتت البيانات، كما يمثل أساسًا للعديد من الأساليب الإحصائية، مثل تحليل التباين والانحدار وبعض نماذج القياس.
كيفية تفسيره
تعني القيمة المرتفعة وجود تشتت كبير بين المشاهدات، بينما تدل القيمة المنخفضة على تقاربها، إلا أن وحدته تكون مربعة مقارنة بوحدة القياس الأصلية.
7-الانحراف المعياري
الانحراف المعياري هو الجذر التربيعي للتباين، ويقيس مقدار ابتعاد القيم عن المتوسط الحسابي باستخدام وحدة القياس الأصلية للمتغير.
متى يُستخدم؟
يُستخدم مع المتوسط الحسابي لوصف البيانات الكمية، وقياس مدى تجانس استجابات العينة أو اختلافها.
كيفية تفسيره
يشير الانحراف المعياري الصغير إلى تقارب القيم حول المتوسط، بينما يعكس الانحراف الكبير تباينًا أكبر بين المشاهدات وعدم تجانسها.
8-الالتواء والتفلطح
يقيس الالتواء درجة تماثل توزيع البيانات واتجاه انحرافه يمينًا أو يسارًا، بينما يقيس التفلطح مدى حدة قمة التوزيع أو تسطحها مقارنة بالتوزيع الطبيعي.
متى يُستخدم؟
يُستخدمان لفحص شكل توزيع البيانات وتقييم مدى اقترابه من التوزيع الطبيعي قبل تطبيق الاختبارات الإحصائية المعلمية.
كيفية تفسيرهما
تشير القيمة الموجبة للالتواء إلى امتداد الذيل نحو اليمين، والسالبة إلى امتداده نحو اليسار، بينما تدل قيم التفلطح الموجبة على توزيع أكثر حدة والسالبة على توزيع أكثر تسطحًا. ويجب تفسير القيم وفق المعايير المعتمدة وحجم العينة، إلى جانب الرسوم والاختبارات الأخرى.
وتتكامل هذه المقاييس في التحليل الوصفي لتقديم صورة شاملة عن البيانات؛ فمقاييس النزعة المركزية تحدد موقع القيم، ومقاييس التشتت تكشف مدى انتشارها، بينما تساعد مؤشرات الالتواء والتفلطح على فهم شكل التوزيع واختيار الاختبارات الإحصائية اللاحقة بصورة سليمة.
كيف تُجرى عملية التحليل الإحصائي الوصفي باستخدام SPSS؟
تُجرى التحليل الإحصائي الوصفي باستخدام برنامج SPSS وفق خطوات منهجية تبدأ بإعداد البيانات وتنتهي باستخراج الجداول والرسوم البيانية وتفسيرها، وتشمل الخطوات التالية:
1- إدخال البيانات إلى SPSS
تبدأ عملية التحليل الإحصائي الوصفي بإدخال البيانات إلى برنامج SPSS بصورة صحيحة، مع تعريف أسماء المتغيرات، وأنواعها، ومستويات القياس (Nominal، Ordinal، Scale)، وترميز القيم بما يتوافق مع طبيعة الدراسة وأداة جمع البيانات.
2- مراجعة جودة البيانات
قبل إجراء أي تحليل، يجب مراجعة البيانات للتأكد من خلوها من أخطاء الإدخال، أو القيم المفقودة، أو القيم المتطرفة، أو التكرارات غير المنطقية. وتُعد هذه الخطوة ضرورية لضمان صحة النتائج ودقة التحليلات اللاحقة.
3- اختيار التحليل الوصفي المناسب
يحدد الباحث نوع الإحصاءات الوصفية وفق طبيعة المتغيرات وأهداف الدراسة؛ فقد يحتاج إلى استخراج التكرارات والنسب المئوية للمتغيرات النوعية، أو المتوسطات والانحرافات المعيارية ومقاييس التشتت للمتغيرات الكمية.
4- استخراج التكرارات والإحصاءات الوصفية
يستخدم الباحث أوامر Frequencies وDescriptive Statistics وExplore في برنامج SPSS لاستخراج التكرارات، والنسب المئوية، والمتوسط الحسابي، والوسيط، والمنوال، والانحراف المعياري، والمدى، وغيرها من المقاييس التي تصف خصائص البيانات.
5-إنشاء الجداول والرسوم البيانية
يتيح SPSS إنشاء جداول ورسوم بيانية متنوعة، مثل الأعمدة البيانية، والقطاعات الدائرية، والمدرجات التكرارية، والصندوق البياني (Boxplot)، مما يساعد على عرض البيانات بصورة واضحة، واكتشاف الأنماط، والقيم المتطرفة، وشكل توزيع البيانات.
6- مراجعة المخرجات
بعد تنفيذ التحليل، يراجع الباحث جميع الجداول والرسوم البيانية للتأكد من دقة النتائج واتساقها مع طبيعة البيانات، مع تفسير المقاييس الوصفية وربطها بأهداف الدراسة قبل الانتقال إلى التحليلات الاستدلالية عند الحاجة.
7-تصدير النتائج للتقرير العلمي
في الخطوة الأخيرة، تُصدر الجداول والرسوم البيانية من نافذة المخرجات في SPSS إلى برامج مثل Word أو Excel، ثم تُنسق وتُعرض وفق الأسلوب الأكاديمي المعتمد، مع كتابة تفسير علمي لكل نتيجة وربطها بأسئلة الدراسة وأهدافها.
ويضمن اتباع هذه الخطوات تنفيذ التحليل الوصفي في SPSS بصورة منهجية ودقيقة، مما يساعد الباحث على فهم خصائص البيانات، واكتشاف أي مشكلات أولية، وتقديم نتائج واضحة تُشكل أساسًا سليمًا للتحليلات الإحصائية اللاحقة.
ما الفرق بين التحليل الإحصائي الوصفي والتحليل الإحصائي الاستدلالي؟
تُعد التحليل الإحصائي الوصفي والتحليل الإحصائي الاستدلالي مرحلتين متكاملتين في تحليل البيانات، إذ يركز الأول على وصف البيانات وتنظيمها، بينما يهدف الثاني إلى اختبار الفرضيات وتعميم النتائج على مجتمع الدراسة، وتشمل أبرز الفروق بينهما ما يلي:
| المعيار | التحليل الإحصائي الوصفي | التحليل الإحصائي الاستدلالي |
| الهدف | وسف البيانات وتنظيمها وتلخيص خصائصها باستخدام الجداول والرسوم البيانية والمقاييس الإحصائية. | اختبار الفرضيات، واستنتاج خصائص مجتمع الدراسة، وتعميم النتائج اعتمادًا على بيانات العينة. |
| نوع النتائج | يقدم نتائج وصفية توضح خصائص العينة فقط، دون اصدار أحكام أو تعميمات على المجتمع. | يقدم نتائج استدلالية تعتمد على الاحتمالات والدلالة الإحصائية لاتخاذ قرارات علمية بشأن المجتمع. |
| أشهر الأساليب | التكرارات، والنسب المئوية، والمتوسط الحسابي، والوسيط، والمنوال، والمدي، والتباين، والانحراف المعياري، والالتواء، والتفلطح. | اختبار(T-Test)، وتحليل التباين (ANOVA)، واختبار كاي تربيع (Chi-Square)، والانحدار، ومعاملات الارتباط، وتحليل المسار، والنمذجة بالمعادلات الهيكلية. |
| متى يستخدم؟ | يستخدم في بداية تحليل البيانات لفهم خصائص العينة، واكتشاف القيم المفقودة أو المتطرفة، ووصف المتغيرات. | يستخدم بعد الانتهاء من التحليل الوصفي، عندما يرغب الباحث في اختبار الفرضيات أو دراسة العلاقات والفروق وتعميم النتائج على مجتمع الدراسة. |
يُستخدم التحليل الوصفي عندما يكون الهدف تنظيم البيانات وعرض خصائصها بصورة واضحة، بينما يُستخدم التحليل الإحصائي الاستدلالي عندما يسعى الباحث إلى اختبار الفرضيات، أو دراسة العلاقات والفروق، أو تعميم نتائج العينة على مجتمع الدراسة. وغالبًا ما يبدأ الباحث بالتحليل الوصفي قبل الانتقال إلى التحليل الاستدلالي، لأن فهم خصائص البيانات يمثل خطوة أساسية لضمان اختيار الاختبارات الإحصائية المناسبة وتفسير نتائجها بصورة صحيحة.
كيف تفسر نتائج التحليل الإحصائي الوصفي في البحث العلمي؟
يساعد تفسير نتائج التحليل الإحصائي الوصفي في البحث العلمي على فهم خصائص البيانات والعينة قبل اختبار الفرضيات، ويُعد الأساس الذي تُبنى عليه التحليلات الإحصائية اللاحقة، وذلك كما يلي:
1-تفسير التكرارات والنسب المئوية
تُستخدم التكرارات والنسب المئوية لوصف توزيع أفراد العينة وفق المتغيرات الديموغرافية أو الفئوية، مثل الجنس والعمر والمؤهل العلمي. ويجب تفسير هذه النتائج من خلال إبراز الفئة الأكثر تمثيلًا والأقل تمثيلًا، وربطها بطبيعة مجتمع الدراسة دون الاكتفاء بعرض الأرقام فقط.
2-تفسير مقاييس النزعة المركزية
تعكس مقاييس النزعة المركزية، مثل المتوسط الحسابي والوسيط والمنوال، القيمة التي تتمركز حولها البيانات. ويُستخدم المتوسط غالبًا مع البيانات الكمية، بينما يُفضل الوسيط عند وجود قيم متطرفة أو توزيع غير متماثل. ويجب تفسير هذه المقاييس في ضوء طبيعة المتغير ومقياسه، وليس بمعزل عن بقية المؤشرات الوصفية.
3-تفسير مقاييس التشتت
توضح مقاييس التشتت، مثل الانحراف المعياري والتباين والمدى، مقدار تباعد البيانات حول المتوسط. ويشير الانحراف المعياري المنخفض إلى تقارب استجابات المشاركين، بينما يدل ارتفاعه على وجود تباين أكبر بينهم. ويساعد تفسير التشتت في تقييم درجة التجانس داخل العينة وفهم مدى انتشار القيم.
4-تفسير توزيع البيانات
يتضمن التحليل الإحصائي الوصفي فحص شكل توزيع البيانات باستخدام معاملات الالتواء والتفرطح، إضافة إلى الرسوم البيانية المناسبة. ويُسهم ذلك في تحديد مدى اقتراب البيانات من التوزيع الطبيعي، وهو أمر مهم قبل تطبيق العديد من الاختبارات الإحصائية المعلمية، كما يساعد على اكتشاف الأنماط غير المعتادة في البيانات.
5-تفسير خصائص العينة
ينبغي ربط النتائج الوصفية بخصائص المشاركين وبيان مدى تمثيل العينة لمجتمع الدراسة. فإذا كانت إحدى الفئات تستحوذ على نسبة كبيرة من العينة، فقد يؤثر ذلك في تفسير النتائج وإمكانية تعميمها، ولذلك يجب مناقشة هذه الخصائص بوصفها جزءًا من الإطار المنهجي للدراسة.
6-اكتشاف المشكلات الأولية في البيانات
يساعد التحليل الوصفي على اكتشاف القيم المفقودة، والقيم المتطرفة، وأخطاء الإدخال، والتوزيعات غير المنطقية قبل الانتقال إلى التحليل الاستدلالي. ويُعد التعامل مع هذه المشكلات خطوة ضرورية لتحسين جودة البيانات وضمان صحة النتائج اللاحقة.
7-ربط النتائج الوصفية بأهداف الدراسة
لا يقتصر تفسير النتائج على وصف الأرقام، بل ينبغي توضيح دلالتها في سياق أسئلة البحث وأهدافه. فالنتائج الوصفية تمهد لاختيار الاختبارات المناسبة وتفسير النتائج الاستدلالية لاحقًا، كما تساعد القارئ على فهم طبيعة البيانات التي بُنيت عليها الاستنتاجات النهائية.
وبذلك، فإن تفسير نتائج التحليل الوصفي في البحث العلمي يتطلب قراءة تحليلية تربط المؤشرات الرقمية بخصائص العينة وأهداف الدراسة، مما يعزز جودة العرض العلمي ويمهد لإجراء التحليلات الاستدلالية بصورة أكثر دقة.
أبرز الأخطاء الشائعة عند استخدام التحليل الإحصائي الوصفي
يتطلب التحليل الإحصائي الوصفي فهمًا صحيحًا لطبيعة البيانات واختيار المقاييس المناسبة لعرضها وتلخيصها؛ لأن الأخطاء في هذه المرحلة قد تؤثر في جودة التحليلات اللاحقة وتفسير النتائج، ومن أبرزها ما يلي:
- استخدام مقاييس نزعة مركزية أو تشتت لا تتناسب مع نوع البيانات أو مستوى قياسها، مما يؤدي إلى وصف غير دقيق للبيانات.
- تجاهل فحص القيم المتطرفة والبيانات المفقودة قبل إجراء التحليل، وهو ما قد يشوه المؤشرات الوصفية المستخرجة.
- الاعتماد على المتوسط الحسابي في البيانات ذات التوزيع غير الطبيعي، رغم أن الوسيط قد يكون أكثر ملاءمة في هذه الحالة.
- عرض الجداول والرسوم البيانية دون تنظيم أو تسمية واضحة، مما يصعّب على القارئ فهم النتائج وتفسيرها.
- تفسير المؤشرات الوصفية بصورة مبالغ فيها، رغم أن التحليل الإحصائي الوصفي يقتصر على وصف البيانات ولا يختبر الفرضيات.
- إهمال مقارنة المؤشرات الوصفية بين المجموعات المختلفة عند الحاجة، مما يؤدي إلى فقدان معلومات مهمة عن خصائص البيانات.
- استخدام رسوم بيانية غير مناسبة لطبيعة المتغيرات، بما يضعف دقة عرض البيانات ويؤثر في وضوح النتائج.
- الاكتفاء بالمخرجات الآلية للبرنامج الإحصائي دون مراجعتها أو ربطها بأهداف الدراسة ومتغيراتها، مما يقلل من القيمة العلمية للتحليل.
ويتضح أن نجاح التحليل الوصفي لا يعتمد على استخراج الجداول والمؤشرات فقط، بل على اختيار المقاييس المناسبة وتفسيرها في ضوء طبيعة البيانات وأهداف الدراسة. ويساعد تجنب هذه الأخطاء على تقديم وصف دقيق للبيانات، وتهيئة قاعدة سليمة لإجراء التحليلات الإحصائية اللاحقة.
الخاتمة
وخلاصة القول، يمثل التحليل الإحصائي الوصفي مرحلة أساسية في فهم البيانات والكشف عن خصائصها وأنماطها العامة قبل الانتقال إلى التحليلات الاستدلالية الأكثر تعقيدًا. وتتحقق قيمته من خلال اختيار المؤشرات المناسبة لطبيعة المتغيرات، مثل التكرارات والنسب المئوية ومقاييس النزعة المركزية والتشتت، مع عرض النتائج بصورة واضحة ودقيقة. كما يتطلب تفسير المخرجات مراعاة شكل التوزيع والقيم المتطرفة وسياق الدراسة، وتجنب الاكتفاء بالأرقام دون بيان دلالتها العلمية. ويسهم الاستخدام المنهجي للتحليل الوصفي في تحسين جودة عرض البيانات وتوجيه اختيار الاختبارات اللاحقة. ومن ثم، فإنه يوفر أساسًا موثوقًا لبناء استنتاجات بحثية سليمة واتخاذ قرارات قائمة على فهم دقيق للبيانات.
كيف تساعدك منصة إحصائي في إجراء التحليل الإحصائي الوصفي؟
تقدم منصة إحصائي خدمات متخصصة في التحليل الإحصائي الوصفي لمساعدة الباحثين على وصف بياناتهم وتحليلها وفق المعايير الأكاديمية، بدايةً من تجهيز البيانات وحتى إعداد النتائج بصياغة علمية دقيقة، وتشمل أبرز خدماتها ما يلي:
- إجراء التحليل الإحصائي الوصفي باستخدام SPSS.
- اختيار المؤشرات الإحصائية المناسبة لطبيعة البيانات.
- تفسير النتائج وإعداد الجداول والرسوم البيانية.
- إعداد التقارير الإحصائية وفق المعايير الأكاديمية.
المراجع
Mishra, P., Pandey, C. M., Singh, U., Gupta, A., Sahu, C., & Keshri, A. (2019). Descriptive statistics and normality tests for statistical data. Annals of cardiac anaesthesia, 22(1), 67.
أسئلة شائعة حول التحليل الإحصائي الوصفي
1-ما المقصود بالتحليل الإحصائي الوصفي؟
التحليل الإحصائي الوصفي هو مجموعة من الأساليب الإحصائية المستخدمة لتنظيم البيانات وتلخيصها وعرض خصائصها باستخدام الجداول والرسوم البيانية والمقاييس الوصفية، دون تعميم النتائج على مجتمع الدراسة.
2-ما الفرق بين التحليل الإحصائي الوصفي والتحليل الإحصائي الاستدلالي؟
يركز التحليل الإحصائي الوصفي على وصف بيانات العينة، بينما يهدف التحليل الإحصائي الاستدلالي إلى اختبار الفرضيات واستنتاج نتائج يمكن تعميمها على مجتمع الدراسة.
3-متى يستخدم التحليل الإحصائي الوصفي في البحث العلمي؟
يُستخدم في المراحل الأولى من تحليل البيانات لوصف خصائص العينة، واكتشاف الأنماط والقيم المفقودة والمتطرفة، وتمهيد البيانات للتحليلات الإحصائية اللاحقة.
4-ما أهم المقاييس المستخدمة في التحليل الإحصائي الوصفي؟
تشمل أهم المقاييس التكرارات، والنسب المئوية، والمتوسط الحسابي، والوسيط، والمنوال، والانحراف المعياري، والتباين، والمدى، والالتواء، والتفلطح، ويُختار كل منها وفق طبيعة البيانات.
5-هل يكفي التحليل الإحصائي الوصفي للإجابة عن أسئلة البحث؟
لا، يقتصر دوره على وصف البيانات وتلخيصها، أما اختبار الفرضيات ودراسة العلاقات والفروق وتعميم النتائج فيتطلب استخدام التحليل الإحصائي الاستدلالي.
