عند تحليل العلاقة بين متغيرين في برنامج SPSS تظهر أمام المستخدم عدة خيارات، لكن أكثر خيارين يسببان الحيرة هما: Pearson CorrelationوSpearman Correlation وهنا يبدأ السؤال: أي اختبار أستخدم؟
في هذا الدليل ستتعرف على الفرق بينهما بطريقة مبسطة تساعدك على اختيار الاختبار المناسب.
معامل الارتباط يستخدم لقياس قوة واتجاه العلاقة بين متغيرين.
النتيجة تكون بين: (-1 إلى +1)
كلما اقتربت القيمة من: +1كانت العلاقة موجبة قوية.
كلما اقتربت من: -1كانت العلاقة سالبة قوية.
إذا اقتربت من: 0كانت العلاقة ضعيفة أو غير موجودة.
Pearson هو معامل ارتباط يستخدم لقياس العلاقة الخطية بين متغيرين كميين.
يستخدم عندما:
✔ البيانات كمية (Scale)
✔ العلاقة خطية
✔ البيانات موزعة طبيعيًاأمثلة:
Spearman هو معامل ارتباط لا معلمي يستخدم عندما لا تتحقق شروط Pearson.
يستخدم عندما:
✔ البيانات ترتيبيةأو
✔ البيانات لا تتبع التوزيع الطبيعي
أمثلة:
اسأل نفسك: هل البيانات كمية؟
نعم → انتقل للسؤال التالي
هل البيانات موزعة طبيعيًا؟
نعم → استخدم Pearson
لا → استخدم Spearman
من القائمة: Analyze→ Correlate→ Bivariate
أضف المتغيرات المطلوبة.
اختر: Pearson أو Spearman
اضغط: OK
ستظهر: Correlation Coefficient وقيمة:Sig
مثال:r = 0.72
Sig = 0.003
التفسير: العلاقة موجبة قوية وذات دلالة إحصائية.
مثال آخر:
r = -0.41
Sig = 0.240
التفسير: العلاقة سالبة لكنها غير معنوية.
❌ استخدام Pearson مع بيانات ترتيبية.
❌ الاعتماد على قيمة Sig فقط.
❌ اعتبار الارتباط سببًا مباشرًا.
❌ تجاهل التوزيع الطبيعي.
يعتمد على طريقة القياس وطبيعة البيانات.
لا. الارتباط لا يثبت السببية.
اختيار معامل الارتباط المناسب في SPSS يعتمد على نوع البيانات وطبيعة توزيعها. فهم الفرق بين Pearson و Spearman يساعد على الحصول على نتائج أكثر دقة وتجنب أخطاء التحليل الشائعة.
إذا كنت ترغب في تعلم تطبيق التحليل الإحصائي عمليًا باستخدام SPSS يمكنك الاطلاع على دورة التحليل الاحصائي باستخدام SPSS
او كتاب التحليل الإحصائي لاستبيانات الدراسات والبحوث باستخدام IBM SPSS