دليل اختيار الاختبارات الإحصائية في البحوث باستخدام SPSS

كيفية اختيار الاختبارات الإحصائية في البحوث باستخدام SPSS

يتناول هذا المقال آلية اختيار الاختبارات الإحصائية الملائمة للبحوث باستخدام SPSS، حيث يتم تقسيم هذه الاختبارات إلى مجموعات وفقًا لطبيعة البيانات وأهداف التحليل. كما سنستعرض كل اختبار على حدة، موضحين مفهومه، وشروط تطبيقه، والخطوات العملية لاستخدامه داخل SPSS. إضافةً إلى ذلك، سنقدم بعض الإرشادات العملية لمساعدة الباحثين في تحديد الاختبار الأنسب وفقًا لنوع بياناتهم وأسئلتهم البحثية.

 

الاختبارات البارامترية واستخدامها في التحليل الإحصائي

تُستخدم الاختبارات البارامترية كأحد الاختبارات الإحصائية في تحليل البيانات داخل برنامج SPSS، حيث تنقسم هذه الاختبارات إلى عدة أنواع مختلفة، يعتمد اختيارها على طبيعة البيانات والفرضيات البحثية. وفيما يلي أبرز هذه الأنواع:

أولًا: اختبار T للعينة الواحدة (One-Sample T Test)

يُعد اختبار T للعينة الواحدة أحد الاختبارات الإحصائية البارامترية، ويستخدم لتحديد ما إذا كان متوسط عينة معينة يختلف بشكل دال إحصائيًا عن قيمة مفترضة تمثل متوسط المجتمع. ومن أبرز تطبيقاته ما يلي:

1.  قياس مدى الفروق الإحصائية بين متوسط عينة معينة وقيمة ثابتة مفترضة تمثل متوسط المجتمع.
2. تحديد مستوى انتشار سمة محددة داخل العينة، ومقارنتها بالمجتمع الأصلي، مثل قياس مستوى القلق.

الشروط اللازمة لاستخدام اختبار T للعينة الواحدة

1. يجب أن يكون المتغير التابع متغيرًا كميًا مستمرًا، بحيث تتتابع القيم بشكل متسلسل وتفصل بينها فواصل صغيرة.
2. يُفضل ألا يقل عدد أفراد العينة عن 30 لضمان دقة النتائج.
3. ينبغي أن تتبع البيانات توزيعًا اعتداليًا، بحيث يكون التوزيع التكراري خاليًا من الالتواء والتفلطح المفرط.
4. لا يشترط تجانس التباين في هذا الاختبار، نظرًا لأنه يُطبق على مجموعة واحدة فقط.

خطوات إجراء اختبار T للعينة الواحدة في SPSS

(Analyze → Compare Means → One-Sample T Test)

ثانيًا: اختبار T للمقارنة بين عينتين مستقلتين (Independent-Sample T Test)

يُعد اختبار T للعينات المستقلة أحد الاختبارات الإحصائية البارامترية المستخدمة في اختيار الاختبارات الإحصائية المناسبة لتحليل البيانات. يُستخدم هذا الاختبار لتحديد دلالة الفروق بين متوسط مجموعتين مستقلتين تمامًا، مثل مقارنة متوسط الذكور بمتوسط الإناث في متغير معين. ومن أبرز استخداماته ما يلي:

1. تحديد مدى دلالة الفروق الإحصائية بين متوسطي عينتين أو مجموعتين مستقلتين تمامًا، مثل مقارنة متوسط درجات الذكور والإناث في متغير معين.
2. تقييم قدرة الفقرة في الاختبار على التمييز، من خلال حساب القيمة التائية بين متوسط درجات المجموعة العليا ومتوسط درجات المجموعة الدنيا. فإذا كانت القيمة التائية دالة إحصائيًا، فهذا يشير إلى أن الفقرة تمتلك قدرة تمييزية جيدة.

الشروط اللازمة لاستخدام اختبار T للمقارنة بين عينتين مستقلتين

1. يجب أن يكون المتغير التابع كميًا مستمرًا، بينما يكون المتغير المستقل تصنيفا.
2. يُفضل ألا يقل عدد أفراد كل مجموعة عن 30 لضمان دقة النتائج.
3. ينبغي ألا يكون الفرق بين المجموعتين كبيرًا جدًا (مثل 5 – 200)، حيث قد يؤثر ذلك على دلالة اختبار T.
4. يجب أن تتبع كل مجموعة توزيعًا اعتداليًا، بحيث يكون التوزيع التكراري خاليًا من الالتواء والتفلطح المفرط.
5. يجب أن تكون المجموعتان متجانستين، أي مشتقتين من نفس المجتمع الأصلي، بحيث تكون الفروق بينهما متقاربة وليست ناتجة عن اختلاف في طبيعة العينة نفسها.

خطوات إجراء اختبار T للعينتين المستقلتين في SPSS

(Analyze → Compare Means → Independent-Sample T Test)

ثالثًا: اختبار T للمقارنة بين عينتين مرتبطتين (Paired-Samples T Test)

يُعد اختبار T للعينات المرتبطة أحد الاختبارات الإحصائية البارامترية المستخدمة في اختيار الاختبارات الإحصائية المناسبة لتحليل البيانات. يُستخدم هذا الاختبار لتحديد دلالة الفروق بين متوسطين مرتبطين ضمن نفس العينة، حيث تخضع العينة لقياسين مختلفين لنفس المتغير، مثل قياس الأداء قبل وبعد تطبيق تجربة معينة. ومن أبرز استخداماته ما يلي:

1. مقارنة نتائج المجموعة التجريبية أو الضابطة قبل وبعد التطبيق لقياس تأثير المتغير المدروس.
2. تقييم ثبات الاختبار من خلال تطبيقه مرتين على نفس العينة باستخدام طريقة إعادة الاختبار.

الشروط اللازمة لاستخدام اختبار T للعينات المرتبطة

1. يجب أن يكون توزيع الفرق بين المتغيرين أو العينتين طبيعيًا.
2. يتم استخراج متغير الفرق بين القياسين القبلي والبعدي من خلال Transform، ثم يتم التحقق من اعتدالية التوزيع لهذا المتغير الجديد.
3. يجب أن يكون المتغير التابع كميًا مستمرًا، بحيث تتتابع القيم بشكل متسلسل مع فواصل صغيرة بين كل درجة وأخرى.
4. يُفضل ألا يقل عدد أفراد العينة عن 30 لضمان دقة النتائج.
5. ينبغي ألا يكون الفرق بين المجموعتين كبيرًا جدًا (مثل 5 – 200)، حيث قد يؤثر ذلك على مستوى الدلالة الإحصائية لاختبار T.
6. لا يشترط تجانس التباين في هذا الاختبار، لأنه يُطبق على مجموعة واحدة فقط.
7. يجب أن تكون العينات مرتبطة وغير مستقلة، أي يتم قياس نفس العينة في ظرفين مختلفين.

خطوات إجراء اختبار T للعينات المرتبطة في SPSS

(Analyze → Compare Means → Paired-Samples T Test)

رابعًا: اختبار تحليل التباين الأحادي (One-Way ANOVA)

يُعد تحليل التباين الأحادي (One-Way ANOVA) أحد الاختبارات الإحصائية البارامترية المستخدمة في اختيار الاختبارات الإحصائية المناسبة لتحليل البيانات. يُستخدم هذا الاختبار عندما تتوفر مجموعة من العوامل التالية:

1. وجود متغير مستقل واحد، يُعرف بالمتغير العاملي (Factor)، ويمكن أن يكون اسميًا أو ترتيبيًا، ويستخدم لتقسيم العينات التي سيتم مقارنة متوسطاتها.
2. وجود متغير تابع (Dependent Variable)، وهو متغير كمي يخضع للتحليل الإحصائي

الشروط اللازمة لاستخدام اختبار تحليل التباين الأحادي (One-Way ANOVA)

1. يجب أن يتبع المتغير التابع توزيعًا طبيعيًا داخل كل مجموعة من مجموعات المتغير العاملي، ولكن في حال عدم تحقق الاعتدالية، فلن يؤثر ذلك بشكل كبير على نتائج تحليل التباين، بشرط ألا يقل حجم كل مجموعة عن 15 فردًا.
2. يجب أن يكون تباين المتغير التابع متساويًا عبر جميع عينات المتغير العاملي لضمان دقة النتائج.
3. ينبغي أن يتم اختيار عينات المتغير العاملي عشوائيًا لضمان تمثيلها الصحيح للمجتمع الأصلي.
4. يجب أن يكون المتغير التابع من النوع الكمي المستمر لضمان إمكانية إجراء التحليل الإحصائي عليه.

خطوات إجراء اختبار تحليل التباين الأحادي (One-Way ANOVA) في SPSS

(Analyze → Compare Means → One-Way ANOVA)

خامسًا: اختبار تحليل التباين ثنائي الاتجاه (Two-Way ANOVA)

يُعد تحليل التباين ثنائي الاتجاه (Two-Way ANOVA) أحد الاختبارات الإحصائية البارامترية المستخدمة في اختيار الاختبارات الإحصائية المناسبة لتحليل البيانات. يهدف هذا الاختبار إلى قياس تأثير متغيرين مستقلين، كل منهما مقسم إلى مجموعتين أو أكثر، على متغير تابع كمي، مما يساعد في فهم التأثيرات الفردية والتفاعلية بين المتغيرات المستقلة.

الشروط اللازمة لاستخدام اختبار تحليل التباين ثنائي الاتجاه (Two-Way ANOVA)

1. يجب أن يتبع المتغير التابع توزيعًا طبيعيًا داخل كل مجموعة من مجموعات المتغيرات المستقلة.
2. ينبغي أن يكون تباين المتغير التابع متساويًا بين جميع عينات المتغيرات المستقلة لضمان دقة التحليل.
3. يجب أن يتم اختيار عينات المتغيرات المستقلة بطريقة عشوائية لضمان تمثيلها الصحيح للمجتمع الأصلي.

خطوات إجراء اختبار تحليل التباين ثنائي الاتجاه (Two-Way ANOVA) في SPSS

(Analyze → General Linear Model → Univariate)

سادسًا: اختبار تحليل التغاير الأحادي (ANCOVA)

يُعد تحليل التغاير الأحادي (ANCOVA) امتدادًا لتحليل التباين الأحادي (ANOVA)، سواء كان في اتجاه واحد أو أكثر. فهو يهدف إلى دراسة العلاقة بين متغير تابع واحد وواحد أو أكثر من المتغيرات المستقلة، مع وجود فرق رئيسي وهو أن تحليل ANCOVA يعمل على استبعاد تأثير متغير أو أكثر من المتغيرات المرتبطة بالمتغير التابع، مما يساعد في الحصول على نتائج أكثر دقة.

أبرز استخدامات تحليل التغاير الأحادي (ANCOVA)

يُستخدم تحليل التغاير الأحادي (ANCOVA) لتحديد التباين الناجم عن المتغير المستقل، بالإضافة إلى التباين الناتج عن المتغير المصاحب، وكذلك التباين الناتج عن التفاعل بين المتغيرين المستقل والمصاحب، مما يساعد في فهم تأثير كل منهما بشكل أكثر دقة

سابعًا: اختبار تحليل التباين المتعدد (MANOVA)

يُعد تحليل التباين المتعدد (MANOVA) أحد الاختبارات الإحصائية المستخدمة في اختيار الاختبارات الإحصائية المناسبة عند مقارنة الفروق بين المجموعات في أكثر من متغير تابع في آنٍ واحد. يعتمد هذا التحليل على وجود عدة متغيرات تابعة، ويتحدد اتجاهه بناءً على عدد المتغيرات المستقلة، حيث يمكن أن يكون في اتجاه واحد أو أكثر وفقًا لعدد المتغيرات المستقلة المشمولة في الدراسة.

ثامنًا: اختبار تحليل التغاير المتعدد (MANCOVA)

يُعد تحليل التغاير المتعدد (MANCOVA) امتدادًا لتحليل التباين المتعدد (MANOVA)، سواء كان في اتجاه واحد أو أكثر. يكمن الفرق الرئيسي في أن MANCOVA يعمل على استبعاد تأثير متغير أو أكثر من المتغيرات المرتبطة بالمتغيرات التابعة، مما يساعد في تحسين دقة النتائج وتقليل تأثير العوامل الخارجية على التحليل.

 

الاختبارات اللابارامترية واستخدامها في التحليل الإحصائي

تُعتبر الاختبارات اللابارامترية أحد أنواع الاختبارات الإحصائية المستخدمة في البحوث من خلال برنامج SPSS، حيث تُستخدم عند عدم تحقق افتراضات الاختبارات البارامترية. تندرج هذه الاختبارات ضمن الأساليب المتبعة في اختيار الاختبارات الإحصائية المناسبة وفقًا لطبيعة البيانات، وتنقسم إلى عدة أنواع، منها ما يلي:

أولًا: اختبار مان ويتني (Mann-Whitney Test)

يُعد اختبار مان ويتني (Mann-Whitney Test) البديل اللابارامتري لاختبار (ت) للعينتين المستقلتين البارامتري، حيث يُستخدم عند اختيار الاختبارات الإحصائية المناسبة لمقارنة متوسطي عينتين مستقلتين تمامًا، مثل الفرق بين متوسطي الذكور والإناث في متغير معين. ومن أبرز استخداماته ما يلي:

1. المقارنة بين متوسطي عينتين مستقلتين، كما في حالة المجموعتين التجريبية والضابطة.
2. استخدامه عند تصنيف الدرجات في شكل رتب.
3. عند عدم تحقق افتراض التوزيع الاعتدالي للبيانات.
4. عندما تكون البيانات غير متجانسة من حيث التباين بين المجموعات

خطوات إجراء اختبار Mann-Whitney في SPSS

(Analyze → Nonparametric Tests → Legacy Dialogs → 2 Independent Samples)

ثانيًا: اختبار كروسكال واليس (Kruskal-Wallis H Test)

يُعتبر اختبار كروسكال واليس (Kruskal-Wallis H Test) البديل اللابارامتري لتحليل التباين الأحادي (One-Way ANOVA)، ويُستخدم عند مقارنة أكثر من عينتين مستقلتين دون الحاجة إلى افتراض التوزيع الطبيعي للبيانات.

خطوات إجراء اختبار Kruskal-Wallis H في SPSS

(Analyze – nonparametric Tests – Legacy Dialogs – K independent samples)

ثالثًا: اختبار ويلكوكسون (Wilcoxon Test)

1. يُعد اختبار ويلكوكسون (Wilcoxon Test) البديل اللابارامتري لاختبار (ت) للعينتين المرتبطتين البارامتري، ويُستخدم لتحديد دلالة الفروق بين متوسطين مرتبطين ضمن عينة واحدة. بمعنى أن نفس العينة تخضع لقياسين مختلفين لمتغير معين، مثل القياس القبلي والبعدي لمجموعة واحدة. ومن أبرز استخداماته:
2. تحديد الفروق بين قياسين مرتبطين لعينة صغيرة، كما هو الحال في المقارنة بين القياس القبلي والبعدي.

خطوات إجراء اختبار Wilcoxon في SPSS

(Analyze → Nonparametric Tests → Legacy Dialogs → 2 Related Samples)

رابعًا: اختبار فريدمان (Friedman Test)

يُعد اختبار فريدمان (Friedman Test) أحد الاختبارات اللابارامترية المستخدمة في تحليل البيانات الإحصائية، حيث يُستخدم للكشف عن دلالة الفروق بين متوسطات أكثر من قياسين مرتبطين لعينة واحدة. أي أن نفس العينة البحثية تخضع لعدة قياسات مختلفة لمتغير معين، مثل القياس القبلي والبعدي والتتبعي داخل المجموعة نفسها. ويُعتمد هذا الاختبار ضمن عملية اختيار الاختبارات الإحصائية المناسبة عندما لا تتحقق افتراضات الاختبارات البارامترية.

خطوات إجراء اختبار فريدمان في برنامج SPSS

(Analyze – nonparametric Tests – Legacy Dialogs –K Related samples).

 

مقارنة بين الاختبارات البارامترية واللابارامترية

هناك العديد من الفروقات الأساسية بين الاختبارات البارامترية واللابارامترية، والتي يمكن توضيحها من خلال النقاط التالية:

أولاً: الاختبارات البارامترية

1. تعتمد على معايير إحصائية مثل المتوسط والانحراف المعياري.
2. تُعد من الاختبارات القوية (Power Test) وتتميز بالدقة والكفاءة العالية.
3. تتطلب توافر شروط محددة لاستخدامها.
4. مناسبة لمستوى القياس الفتري.
5. تناسب العينات الكبيرة.
6. يشترط فيها أن تكون البيانات موزعة توزيعًا اعتداليًا.
7. تتطلب تجانس البيانات بين العينات.
8. أكثر تعقيدًا في حسابها وتحتاج إلى وقت وجهد أكبر عند تطبيقها.
9. يمكن تعميم نتائجها بدرجة عالية من الثقة

ثانياً: الاختبارات اللابارامترية

1. لا تعتمد على معايير إحصائية محددة مثل المتوسط والانحراف المعياري.
2. تُعتبر أقل قوة ودقة مقارنة بالاختبارات البارامترية، وتزداد كفاءتها مع زيادة حجم العينة.
3. لا تتطلب شروطًا صارمة لاستخدامها.
4. مناسبة لمستوى القياس التصنيفي والترتيبي.
5. ملائمة للعينات الصغيرة وحتى العينات الصغيرة جدًا.
6. لا تشترط أن تكون البيانات موزعة توزيعًا اعتداليًا.
7. لا تتطلب تجانس البيانات بين العينات.
8. أسهل في الحساب وأسرع في التطبيق، إذ لا تستغرق وقتًا أو جهدًا كبيرًا.
9. تحتاج نتائجها إلى الحذر عند تعميمها

 

الخاتمة

يُعد اختيار الاختبارات الإحصائية خطوة حاسمة في تحليل البيانات البحثية، حيث يعتمد نجاح التحليل على دقة اختيار الاختبار المناسب وفقًا لطبيعة البيانات وأهداف الدراسة. ومن خلال فهم الفروق بين الاختبارات البارامترية واللابارامترية، يمكن للباحثين اتخاذ قرارات مدروسة تضمن استخلاص نتائج دقيقة وقابلة للتعميم. لذا، يُوصى بالتأكد من تحقيق شروط كل اختبار قبل تطبيقه لضمان موثوقية المخرجات البحثية.