]†^ÃÖ]<Ø’ËÖ ]<ÜéÛ’jÖ]<l]ƒ<h…^rjÖ]<Øé× خ¼×i Experiments of Mixed Design
.1 .10ﻣﻘﺪﻣﺔ .2 .10ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب اﻟﻌﺎﻣﻠﻴﺔ اﻟﻤﺨﺘﻠﻄﺔ ذات ﻋﺎﻣﻠﻴﻦ .3 .10ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب اﻟﻤﺨﺘﻠﻄﺔ ذات اﻟﺜﻼﺛﺔ ﻋﻮاﻣﻞ .1 .3 .10اﻟﺘﺠﺮﺑﺔ اﻟﻤﺨﺘﻠﻄﺔ )A*(B*C .2 .3 .10اﻟﺘﺠﺮﺑﺔ اﻟﻤﺨﺘﻠﻄﺔ )A*B*(C .4 .10ﺗﺤﻠﻴﻞ اﻵﺛﺎر اﻟﺒﺴﻴﻄﺔ واﻟﻤﻘﺎرﻧﺎت اﻟﻤﺘﺘﺎﻟﻴﺔ
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
346
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
347
]†^ÃÖ]<Ø’ËÖ ]<ÜéÛ’jÖ]<l]ƒ<h…^rjÖ]<Øé× خ¼×i
Experiments of Mixed Design .1 .10ﻣﻘﺪﻣﺔ: ﺍﻨﻪ ﻤﻥ ﺍﻟﺸﺎﺌﻊ ﻓﻲ ﺘﺠﺎﺭﺏ ﻜﺜﻴﺭﺓ ﺃﻥ ﻴﻜﻭﻥ ﺠﺯﺀ ﻤﻥ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ
ﺍﻟﻌﺎﻤﻠﻴﺔ ﻫﻲ ﻋﻭﺍﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )ﻭﻟﻜﻥ ﻟﻴﺱ ﺠﻤﻴﻌﻬﺎ( ،ﻭﺤﻴﺙ ﺃﻥ ﻤﺜل ﻫﺫﻩ ﺍﻟﺘﺠﺎﺭﺏ ﺘﺤﺘﻭﻱ ﻓﻲ ﺍﻟﻌﺎﺩﺓ ﻋﻠﻰ ﻤﺯﻴﺞ ﻤﻥ ﺍﻟﻌﻭﺍﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﺍﻟﻌﻭﺍﻤل ﺩﺍﺨل
ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻴﻁﻠﻕ ﻋﻠﻴﻬﺎ ﺍﺴﻡ ﺘﺠﺎﺭﺏ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ ،Mixed Designﻭﻴﺴﺘﺨﺩﻡ
ﺃﻴﻀ ﹰﺎ ﻓﻲ ﺒﻌﺽ ﺍﻷﺤﻴﺎﻥ ﺘﻌﺒﻴﺭ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﺸﺭﺍﺌﺤﻴﺔ Split-Plot Experiments
ﻟﺘﻌﻜﺱ ﻁﺒﻴﻌﺔ ﺘﻘﺴﻴﻡ ﺍﻟﺨﻼﻴﺎ ﻓﻲ ﻫﺫﻩ ﺍﻟﺘﺠﺎﺭﺏ .
ﻓﻲ ﺤﻘﻭل ﻜﺜﻴﺭﺓ ﻤﻥ ﺤﻘﻭل ﺍﻟﺒﺤﺙ ﻋﻨﺩ ﺘﺼﻤﻴﻡ ﺘﺠﺭﺒﺔ ﻴﺘﻡ ﺍﺨﺘﻴﺎﺭ ﻋﻴﻨﺘﻴﻥ
ﻤﺨﺘﻠﻔﺘﻴﻥ )ﻤﺜل ﺍﺨﺘﻴﺎﺭ ﻋﻴﻨﺔ ﻤﻥ ﺍﻟﺫﻜﻭﺭ ﻭﻋﻴﻨﺔ ﺃﺨﺭﻯ ﻤﻥ ﺍﻹﻨﺎﺙ( ﻟﺘﻁﺒﻕ ﻋﻠﻰ ﻜل
ﻋﻴﻨﺔ ﻨﻔﺱ ﺍﻟﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ،ﻓﺈﺫﺍ ﻁﺒﻘﺕ ﺘﺠﺭﺒﺔ ﻤﻌﻴﻨﺔ ﻋﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل
ﻋﻠﻰ ﻋﻴﻨﺘﻴﻥ ﻤﺨﺘﻠﻔﺘﻴﻥ ﻤﻥ ﻜل ﻤﻥ ﺍﻟﺫﻜﻭﺭ ﻭﺍﻹﻨﺎﺙ ﺒﻬﺩﻑ ﺍﺨﺘﺒﺎﺭ ﺍﻟﻘﺩﺭﺓ ﻋﻠﻰ ﺤﻔﻅ ﻼ ﺜﻼﺙ ﺃﻨﻤﺎﻁ ﻤﺨﺘﻠﻔﺔ ﻤﻥ ﺍﻟﻤﺴﺎﻓﺎﺕ ﺒﻴﻥ ﺍﻟﻔﻘﺭﺍﺕ ﺍﻟﻤﻜﺘﻭﺒﺔ ﺒﺜﻼﺙ ﻁﺭﻕ ﻤﺨﺘﻠﻔﺔ )ﻤﺜ ﹰ
ﺍﻟﺴﻁﻭﺭ ﺴﻨﻁﻠﻕ ﻋﻠﻴﻬﺎ ﻀﻴﻘﺔ ﻭﻤﺘﻭﺴﻁﺔ ﻭﻤﺘﺴﻌﺔ( ،ﺒﺤﻴﺙ ﻴﺘﻡ ﻋﺭﺽ ﺍﻟﻔﻘﺭﺍﺕ
ﺍﻟﻤﺨﺘﻠﻔﺔ ﻋﻠﻰ ﺍﻟﻤﺸﺎﺭﻜﻴﻥ ﺒﻁﺭﻴﻘﺔ ﻋﺸﻭﺍﺌﻴﺔ ﻟﺤﻔﻅﻬﺎ ﻹﻟﻐﺎﺀ ﺃﺜﺭ ﺍﻟﺘﺭﺘﻴﺏ ﻓﻲ ﻋﺎﻤل ﺍﻟﻤﺴﺎﻓﺎﺕ ﺒﻴﻥ ﺍﻟﺴﻁﻭﺭ ،ﻭﺒﺫﻟﻙ ﻴﻜﻭﻥ ﻟﺩﻴﻨﺎ ﻋﺎﻤﻠﻴﻥ ﻓﻘﻁ ﻓﻲ ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ : .1ﺍﻟﻨﻭﻉ )ﺫﻜﻭﺭ ﻭﺇﻨﺎﺙ(. .2ﺍﻟﻤﺴﺎﻓﺎﺕ ﺒﻴﻥ ﺍﻟﺴﻁﻭﺭ )ﻀﻴﻘﺔ ﻭﻤﺘﻭﺴﻁﺔ ﻭﻤﺘﺴﻌﺔ(
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
348
ﻭﺴﻭﻑ ﺘﺨﺘﻠﻑ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻨﻭﻉ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻴﻨﻤﺎ ﺴﺘﺨﺘﻠﻑ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻤﺴﺎﻓﺎﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ،ﻭﻟﺫﻟﻙ ﺴﺘﺤﺘﻭﻱ ﺍﻟﺘﺠﺭﺒﺔ ﻋﻠﻰ ﻋﺎﻤل
ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﻋﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ.
ﻓﻲ ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﺘﻲ ﺘﻤﺕ ﺒﻬﺩﻑ ﻗﻴﺎﺱ ﺃﺜﺭ ﻜل ﻤﻥ ﺍﻟﻨﻭﻉ ﻭﺍﻟﻤﺴﺎﻓﺎﺕ ﻋﻠﻰ
ﺍﻟﻘﺩﺭﺓ ﻋﻠﻰ ﺤﻔﻅ ﺍﻟﻔﻘﺭﺍﺕ ﺍﻟﻤﻜﺘﻭﺒﺔ ،ﻴﻌﺘﺒﺭ ﻋﺎﻤل ﺍﻟﻨﻭﻉ ﻫﻭ ﻋﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
ﺒﻴﻨﻤﺎ ﻴﻌﺘﺒﺭ ﻋﺎﻤل ﺍﻟﻤﺴﺎﻓﺎﺕ ﻜﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ،ﻭﻟﻠﺘﺴﻬﻴل ﺴﻭﻑ ﻨﻀﻊ ﺭﻤﻭﺯ
ﺍﻟﻌﻭﺍﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻫﻨﺎ ﺩﺍﺨل ﺍﻷﻗﻭﺍﺱ ،ﻓﺈﺫﺍ ﺭﻤﺯﻨﺎ ﻟﻠﻌﺎﻤﻠﻴﻥ ﺒﺎﻟﺭﻤﺯ Aﻟﻌﺎﻤل ﺍﻟﻨﻭﻉ ﻭﺍﻟﺭﻤﺯ ) (Bﻟﻌﺎﻤل ﺍﻟﻤﺴﺎﻓﺎﺕ ﻓﺈﻥ ﺍﻟﺘﺠﺭﺒﺔ ﺴﺘﻜﻭﻥ ﻟﻌﺎﻤﻠﻲ ) A*(Bﻤﻭﻀﺤﺔ
ﺃﻨﻬﺎ ﻋﺒﺎﺭﺓ ﻋﻥ ﺘﺠﺭﺒﺔ ﺫﺍﺕ ﺘﺼﻤﻴﻡ ﻤﺨﺘﻠﻁ ﻭﺃﻥ ﺍﻟﻌﺎﻤل ) (Bﻫﻭ ﻋﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )ﻗﻴﺎﺴﺎﺕ ﻤﺘﻜﺭﺭﺓ( ،ﻭﺒﻬﺫﻩ ﺍﻟﺭﻤﻭﺯ ﻓﺈﻨﻪ ﻟﺘﺠﺭﺒﺔ ﺒﺜﻼﺙ ﻋﻭﺍﻤل ﺇﺫﺍ
ﺍﺴﺘﺨﺩﻤﺕ ﺍﻟﺭﻤﻭﺯ ) A*B*(Cﻓﺈﻥ ﻫﺫﺍ ﻴﺩل ﻋﻠﻰ ﺃﻥ ﺍﻟﺘﺠﺭﺒﺔ ﺫﺍﺕ ﺘﺼﻤﻴﻡ ﻤﺨﺘﻠﻁ
ﻭﺃﻥ ﺍﻟﻌﺎﻤل ) (Cﻫﻭ ﻋﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )ﻗﻴﺎﺴﺎﺕ ﻤﺘﻜﺭﺭﺓ( ،ﺒﻴﻨﻤﺎ ﺇﺫﺍ ﺍﺴﺘﺨﺩﻤﺕ
ﺍﻟﺭﻤﻭﺯ ) A*(B*Cﻓﺈﻥ ﻫﺫﺍ ﻴﺩل ﻋﻠﻰ ﺃﻥ ﺍﻟﺘﺠﺭﺒﺔ ﺫﺍﺕ ﺘﺼﻤﻴﻡ ﻤﺨﺘﻠﻁ ﻭﺃﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ
) (Bﻭ ) (Cﻫﻤﺎ ﻋﺎﻤﻠﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ . ﺭﺃﻴﻨﺎ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ ﺃﻥ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻟﺒﻴﺎﻨﺎﺕ ﺘﺠﺎﺭﺏ ﺒﻌﻭﺍﻤل
ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻴﻤﻜﻥ ﺃﻥ ﻴﺘﻡ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ GLM - Repeated Measuresﻤﻥ ﺨﻼل ﻗﺎﺌﻤﺔ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ ، General Linear Modelsﻭﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ ﻴﻤﻜﻥ ﺃﻥ ﻴﺘﻡ ﺃﻴﻀﹰﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﻔﺱ ﺍﻷﻤﺭ ،ﻭﻟﻘﺩ ﺒﻴﻨﺎ
ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺘﺎﺴﻊ ﻜﻴﻑ ﻴﻤﻜﻥ ﺘﻌﺭﻴﻑ ﺍﻟﻌﻭﺍﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﻨﺎﻓﺫﺓ ﻫﺫﺍ ﺍﻷﻤﺭ ،ﻭﻟﻜﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ ﻴﻭﺠﺩ ﺃﻴﻀﹰﺎ ﻋﻭﺍﻤل ﺒﻴﻥ
ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ،ﻭﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻻ ﺒﺩ ﻤﻥ ﺘﻌﺭﻴﻑ ﻤﺴﺘﻭﻴﺎﺕ ﺘﻠﻙ ﺍﻟﻌﻭﺍﻤل ﺒﺎﺴﺘﺨﺩﺍﻡ
ﺭﻤﻭﺯ ﺭﻗﻤﻴﺔ ﻟﻤﺴﺘﻭﻴﺎﺘﻬﺎ ﺘﻤﺎﻤﹰﺎ ﻜﻤﺎ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
349
.2 .10ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب اﻟﻌﺎﻣﻠﻴﺔ اﻟﻤﺨﺘﻠﻄﺔ ذات ﻋﺎﻣﻠﻴﻦ: The Two-Factor Mixed Factorial ANOVA: ﺴﻨﻔﺘﺭﺽ ﺍﻵﻥ ﺃﻨﻪ ﻗﺎﻡ ﺃﺤﺩ ﺍﻟﺒﺎﺤﺜﻴﻥ ﺒﺘﺼﻤﻴﻡ ﺘﺠﺭﺒﺔ ﺒﻬﺩﻑ ﺍﻟﺘﺤﻘﻕ ﻤﻥ ﺼﺤﺔ
ﺍﻟﻔﺭﻀﻴﺔ ﺃﻥ ﻁﻼﺏ ﻜﻠﻴﺔ ﺍﻟﻬﻨﺩﺴﺔ ﻗﺩ ﺘﻁﻭﺭ ﻟﺩﻴﻬﻡ ﺍﻟﻘﺩﺭﺓ ﻋﻠﻰ ﺘﻤﻴﻴﺯ ﺍﻷﺸﻜﺎل ﻭﺍﻟﺘﺸﺎﺒﻪ
ﺒﻴﻨﻬﺎ ﺒﺩﻗﺔ ﻨﻅﺭﹰﺍ ﻟﺩﺭﺍﺴﺘﻬﻡ ﻟﻠﻬﻨﺩﺴﺔ ﺍﻟﻔﺭﺍﻏﻴﺔ ﻭﺍﻟﻤﺠﺴﻤﺎﺕ ﺃﻜﺜﺭ ﻤﻥ ﻁﻠﺒﺔ ﻋﻠﻡ ﺍﻟﻨﻔﺱ. ﺸﻜل : 1-10ﻨﺘﺎﺌﺞ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ ﻤﻥ ﻨﻭﻉ ) A*(Bﺘﺒﻴﻥ ﻋﺩﺩ
ﺍﻷﺸﻜﺎل ﺍﻟﻤﺨﺘﻠﻔﺔ ﺍﻟﺘﻲ ﺘﻡ ﺘﻤﻴﻴﺯﻫﺎ ﺒﺩﻗﺔ ﻤﻥ ﻗﺒل ﻁﻠﺒﺔ ﻜل ﻤﻥ ﻋﻠﻡ ﺍﻟﻨﻔﺱ ﻭﺍﻟﻬﻨﺩﺴﺔ )Results of a two-factor mixed factorial experiment of type A*(B
ﻤﺴﺘﻭﻯ ﻋﺎﻤل ﺘﺨﺼﺹ
ﺭﻗﻡ ﺍﻟﻤﻔﺭﺩﺓ
ﻤﺜﻠﺙ
ﻤﺭﺒﻊ
ﻤﺴﺘﻁﻴل
1
2
12
7
2
8
10
9
3
4
15
3
4
6
9
7
5
9
13
8
6
7
14
8
7
13
3
35
8
21
4
30
9
26
10
35
10
22
8
30
11
20
9
28
12
19
8
27
ﺍﻟﻁﺎﻟﺏ
ﻋﻠﻡ ﺍﻟﻨﻔﺱ
ﺍﻟﻬﻨﺩﺴﺔ
ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺸﻜل
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
350
ﻓﻌﺭﻀﺕ ﺜﻼﺙ ﺃﺸﻜﺎل ﻫﺎﻤﺔ ﻭﻤﺨﺘﻠﻔﺔ ﻋﻠﻰ ﻋﻴﻨﺘﻴﻥ ﻤﻥ ﻜل ﻤﻥ ﻁﻠﺒﺔ ﻋﻠﻡ ﺍﻟﻨﻔﺱ ﻭﻁﻠﺒﺔ ﺍﻟﻬﻨﺩﺴﺔ ﻓﻲ ﻅل ﻅﺭﻭﻑ ﻤﻌﻴﻨﺔ ﻋﻠﻰ ﺸﺎﺸﺔ ﺤﺎﺴﻭﺏ ،ﻭﻋﺭﻀﺕ ﻜل ﻤﻥ ﺍﻷﺸﻜﺎل ﺍﻟﺜﻼﺜﺔ ﻋﻠﻰ ﻜل ﻁﺎﻟﺏ ﻤﻥ ﻫﺅﻻﺀ ﺍﻟﻁﻠﺒﺔ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﺴﻴﻜﻭﻥ ﻋﺎﻤل ﺍﻟﺸﻜل ﻫﻭ
ﻋﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ،ﺒﻴﻨﻤﺎ ﻋﺎﻤل ﺘﺨﺼﺹ ﺍﻟﻁﺎﻟﺏ )ﻋﻠﻡ ﻨﻔﺱ ﻭ ﻫﻨﺩﺴﺔ( ﻫﻭ ﻋﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ،ﻓﻜﺎﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﺍﻟﺫﻱ ﺘﻡ ﻗﻴﺎﺴﻪ ﻫﻭ ﻋﺩﺩ ﺍﻷﺸﻜﺎل ﺍﻟﺘﻲ ﺘﻡ ﺘﻤﻴﻴﺯﻫﺎ ﺒﺩﻗﺔ ﻤﻥ ﻗﺒل ﺍﻟﻁﺎﻟﺏ ،ﻭﻜﺎﻨﺕ ﺍﻟﻨﺘﺎﺌﺞ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل 1-10ﺃﻋﻼﻩ .
ﻓﻔﻲ ﺸﻜل 1-10ﻗﺩ ﺍﺨﺘﺭﻨﺎ ﺘﻤﺜﻴل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﺠﺩﻭل ﺒﺤﻴﺙ ﺘﻤﺜل ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )ﺍﻟﺸﻜل( ﺃﻓﻘﻴﹰﺎ ﺒﻴﻨﻤﺎ ﺘﻤﺜل ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﻌﺎﻟﺠﺎﺕ
)ﺍﻟﺘﺨﺼﺹ( ﻋﻤﻭﺩﻴﹰﺎ ﺒﻭﻀﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﻤﺴﺘﻭﻯ ﻋﻠﻡ ﺍﻟﻨﻔﺱ ﻓﻭﻕ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ
ﻤﺴﺘﻭﻯ ﺍﻟﻬﻨﺩﺴﺔ ،ﻭﻟﻘﺩ ﺘﻡ ﺍﺨﺘﻴﺎﺭ ﻫﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﻓﻲ ﺘﺼﻤﻴﻡ ﺍﻟﺠﺩﻭل ﻨﻅﺭﹰﺍ ﻷﻨﻪ ﺃﻗﺭﺏ
ﺇﻟﻰ ﺘﻠﻙ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﺘﻲ ﻴﺘﻡ ﺒﻬﺎ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺇﻟﻰ ﻨﻅﺎﻡ . SPSS
ﻭﻜﻤﺎ ﻫﻭ ﻤﺘﺒﻊ ﻋﺎﺩﺓ ﻓﺈﻥ ﺍﻟﻌﻤﻭﺩ ﺍﻷﻭل ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Editor
ﺴﻭﻑ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺃﺭﻗﺎﻡ ﺍﻟﻤﻔﺭﺩﺍﺕ ،ﻭﺴﻭﻑ ﻴﺤﺘﻭﻱ ﺍﻟﻌﻤﻭﺩ ﺍﻟﺜﺎﻨﻲ ﻋﻠﻰ ﻤﺘﻐﻴﺭ
ﻼ ﻟﻠﻤﺴﺘﻭﻴﻴﻥ ﻋﻠﻡ ﺍﻟﻨﻔﺱ )Psychology (1 ﺍﻟﺘﺼﻨﻴﻑ ﺍﻟﺘﺨﺼﺹ Categoryﻤﻤﺜ ﹰ
ﻭﺍﻟﻬﻨﺩﺴﺔ ) ، Engineering (2ﻭﺴﻭﻑ ﺘﺤﺘﻭﻱ ﺍﻷﻋﻤﺩﺓ ﺍﻟﺜﺎﻟﺙ ﻭﺍﻟﺭﺍﺒﻊ ﻭﺍﻟﺨﺎﻤﺱ
ﺍﻟﻨﺘﺎﺌﺞ ﻟﻠﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﺜﻼﺜﺔ ﻟﻌﺎﻤل ﺍﻟﺸﻜل Shapeﺃﻱ ﺍﻟﻤﺜﻠﺙ Triangleﻭﺍﻟﻤﺭﺒﻊ
Squareﻭﺍﻟﻤﺴﺘﻁﻴل . Rectangle
ﻭﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻕ ﺍﻟﺘﻲ ﺘﻤﺕ ﻤﻨﺎﻗﺸﺘﻬﺎ ﻭﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻌﻤﻠﻴﺎﺕ ﺘﻌﺭﻴﻑ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ
ﻭﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺜﺎﻨﻲ ﻓﻘﺩ ﺘﻡ ﺘﻌﺭﻴﻑ 5ﻤﺘﻐﻴﺭﺍﺕ ﻭﺘﻌﺭﻴﻑ ﺩﻟﻴل ﻟﻜل ﻤﺘﻐﻴﺭ ﻭﺩﻟﻴل ﻟﻘﻴﻡ ﻤﺘﻐﻴﺭ ﺍﻟﺘﺨﺼﺹ ،ﻭﻋﻨﺩﻤﺎ ﻴﺘﻡ ﺇﺩﺨﺎل ﺠﻤﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﻲ ﺘﻡ
ﻋﺭﻀﻬﺎ ﻓﻲ ﺍﻟﺸﻜل 1-10ﻓﻲ ﺸﺎﺸﺔ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺴﻭ ﻑ ﺘﻅﻬﺭ ﻫﺫﻩ ﺍﻟﺸﺎﺸﺔ ﻜﻤﺎ
ﻓﻲ ﺍﻟﺸﻜل 2-10ﺃﺩﻨﺎﻩ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
351
ﺸﻜل : 2-10ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Editorﻓﻲ ﻨﻅﺎﻡ SPSSﻴﺒﻴﻥ ﻨﺘﺎﺌﺞ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ ﻤﻥ ﻨﻭﻉ ) A*(Bﻤﻥ ﺒﻴﺎﻨﺎﺕ ﺸﻜل 1-10
ﻭﺒﻌﺩ ﺍﻻﻨﺘﻬﺎﺀ ﻤﻥ ﻋﻤﻠﻴﺔ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﻜﻭﻥ ﺍﻟﻤﺭﺤﻠﺔ ﺍﻷﻭﻟﻰ ﻜﻤﺎ ﻓﻲ ﺍﻟﻌﺎﺩﺓ
ﻫﻲ ﺍﺴﺘﻜﺸﺎﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ،ﻭﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻤﺜﻠﻰ ﻟﺘﻭﻀﻴﺢ ﺨﺼﺎﺌﺹ ﻤﺜل ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻫﻲ ﺍﻟﺒﺩﺀ ﺒﺘﻤﺜﻴﻠﻬﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ Boxplotsﺍﻟﺘﻲ ﺘﻡ ﻭﺼﻑ ﺍﻟﺠﺯﺀ ﺍﻟﻤﺘﻌﻠﻕ ﻤﻨﻬﺎ ﺒﺎﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺭﺍﺒﻊ ،ﻭﻟﻜﻥ ﻨﻅﺭﹰﺍ ﻟﻭﺠﻭﺩ ﻤﺘﻐﻴﺭ
ﺘﺼﻨﻴﻑ ﻫﻨﺎ ﻓﺈﻥ ﺃﺸﻜﺎل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﻌﻨﻘﻭﺩﻴﺔ Clustered Boxplotsﺘﻜﻭﻥ
ﺃﻜﺜﺭ ﻤﻼﺌﻤﺔ ،ﻭﻴﻤﻜﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺸﻜل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﻌﻨﻘﻭﺩﻴﺔ ﻜﻤﺎ ﻴﻠﻲ: • ﺍﺨﺘﺭ ﺍﻷﺸﻜﺎل ﺍﻟﺒﻴﺎﻨﻴﺔ Graphsﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻠﻨﻅﺎﻡ.
• ﺍﺨﺘﺭ ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ Boxplotsﻟﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ. • ﺍﺨﺘﺭ ﺍﻟﻌﻨﻘﻭﺩﻴﺔ Clusteredﻤﻥ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻭﻜﺫﻟﻙ ﻤﺭﺒﻊ ﻤﻠﺨﺼﺎﺕ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ Summaries of separate variablesﺜﻡ ﻤﺭﺒﻊ ﺍﻟﺘﻌﺭﻴﻑ
Defineﻟﻠﺩﺨﻭل ﻓﻲ ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﻤﻠﺨﺼﺎﺕ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻓﻲ ﺃﺸﻜﺎل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ
Define Clustered Boxplot: Summaries of
. Separate Variables
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
•
352
ﻗﻡ ﺒﺈﺯﺍﺤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺜﺔ :ﺍﻟﻤﺜﻠﺙ triangleﻭﺍﻟﻤﺭﺒﻊ square
ﻭﺍﻟﻤﺴﺘﻁﻴل rectanglﺇﻟﻰ ﺨﺎﻨﺔ ﺘﻤﺜﻴل ﺍﻟﺼﻨﺎﺩﻴﻕ Boxes Represent:ﻭﺍﺴﻡ ﻤﺘﻐﻴﺭ ﺍﻟﺘﺼﻨﻴﻑ categoryﺇﻟﻰ ﻤﺭﺒﻊ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺼﻨﻴﻑ .Category Axis
• ﺍﻀﻐﻁ ﻋﻠﻰ ﺃﻤﺭ ﺍﻟﺘﻨﻔﻴﺫ . OK
ﻭﻴﺒﻴﻥ ﺸﻜل 10-3ﺃﺩﻨﺎﻩ ﺸﻜل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﻨﺎﺘﺞ ﺒﻌﺩ ﺇﺠﺭﺍﺀ ﺍﻟﺘﻌﺩﻴﻼﺕ
ﺍﻟﺸﻜﻠﻴﺔ ﻋﻠﻴﻪ ،ﻻﺤﻅ ﻓﻲ ﻫﺫﺍ ﺍﻟﺸﻜل ﻭﺠﻭﺩ ﻗﻴﻤﺔ ﻤﺘﻁﺭﻓﺔ ﺒﻴﻥ ﻁﻠﺒﺔ ﻋﻠﻡ ﺍﻟﻨﻔﺱ
)ﺍﻟﻤﻔﺭﺩﺓ ﺭﻗﻡ (3ﻭﻗﻴﻤﺔ ﺸﺎﺫﺓ ﺒﻴﻥ ﻁﻠﺒﺔ ﺍﻟﻬﻨﺩﺴﺔ )ﺍﻟﻤﻔﺭﺩﺓ ﺭﻗﻡ .(7
ﺸﻜل : 3-10ﺸﻜل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ Boxplotﻴﻭﻀﺢ ﻨﺘﺎﺌﺞ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ ﻤﻥ ﻨﻭﻉ ) A*(Bﻤﻥ ﺒﻴﺎﻨﺎﺕ ﺸﻜل 1-10
Shapes
40
30
20
7
10
3
Triangle
0
Square Rectangle
-10 6
6
6
Engineering
6
6
6
=N
Psychology
Category of Student
ﻋﻤﻠﻴﹰﺎ ﻋﻨﺩ ﻭﺠﻭﺩ ﻤﺜل ﻫﺫﻩ ﺍﻟﻘﻴﻡ ﺍﻟﻤﺘﻁﺭﻓﺔ ﻭﺍﻟﺸﺎﺫﺓ ﺒﻴﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻴﻤﻜﻨﻨﺎ ﺃﻥ ﻨﻔﻜﺭ
ﻓﻲ ﺇﻤﻜﺎﻨﻴﺔ ﺤﺫﻓﻬﺎ ﻤﻥ ﺍﻟﺘﺤﻠﻴل ،ﻭﻟﻜﻨﻨﺎ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺴﻨﻘﻭﻡ ﺒﺘﺭﻜﻬﺎ ﻜﻤﺎ ﻫﻲ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
353
ﻻ ﻜﻤﺎ ﺍﻨﻪ ﻴﻤﻜﻨﻨﺎ ﺃﻴﻀﹰﺎ ﺍﺴﺘﻜﻤﺎل ﺍﺴﺘﻜﺸﺎﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻋﻥ ﻁﺭﻴﻕ ﺤﺴﺎﺏ ﺠﺩﻭ ﹰ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻭﺍﻻﻨﺤﺭﺍﻓﺎﺕ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻟﻠﺨﻼﻴﺎ ﺍﻟﻤﺨﺘﻠﻔﺔ ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻬﺎﻤﺸﻴﺔ ﻟﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺸﻜل ﺍﻟﺜﻼﺜﺔ ،ﻓﺘﻔﺤﺹ ﻤﺜل ﻫﺫﺍ ﺍﻟﺠﺩﻭل
ﻴﻤﻜﻥ ﺃﻥ ﻴﻌﻁﻴﻨﺎ ﻓﻜﺭﺓ ﻋﻥ ﻭﺠﻭﺩ ﺃﺜﺭ ﺭﺌﻴﺴﻲ ﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺸﻜل
shapeﺃﻭ ﻭﺠﻭﺩ ﺘﻔﺎﻋل interactionﺒﻴﻥ ﻋﺎﻤﻠﻲ ﺍﻟﺸﻜل shapeﻭﺍﻟﺘﺨﺼﺹ
، categoryﻭﻴﻤﻜﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﻤﺜل ﻫﺫﺍ ﺍﻟﺠﺩﻭل ﺍﻟﺫﻱ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺨﻼﻴﺎ ﻓﻘﻁ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ Meansﻜﻤﺎ ﻴﻠﻲ:
• ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ) Analyzeﺃﻭ (Statisticsﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ. • ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ Compare Meansﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺴﺎﺒﻘﺔ . • ﺍﺨﺘﺭ ﺃﻤﺭ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ Meansﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺴﺎﺒﻘﺔ ﻟﻠﺩﺨﻭل ﻓﻲ ﻨﺎﻓﺫﺓ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ) Meansﺍﻟﺘﻔﺎﺼﻴل ﻓﻲ ﻗﺴﻡ 4-4ﻤﻥ ﺍﻟﻔﺼل ﺍﻟﺭﺍﺒﻊ(.
• ﺍﻨﻘل ﺃﺴﻤﺎﺀ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ ﻟﻌﺎﻤل ﺍﻟﺸﻜل shapeﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ Dependent Listﻭﺍﻨﻘل ﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺼﻨﻴﻑ categoryﺇﻟﻰ ﻤﺭﺒﻊ
ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ . Independent List • ﺍﻀﻐﻁ ﻤﺭﺒﻊ ﺍﻟﺘﻨﻔﻴﺫ OKﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺠﺩﻭل ﻴﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻭﻋﺩﺩ ﺍﻟﻘﻴﻡ ﻭﺍﻻﻨﺤﺭﺍﻓﺎﺕ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻟﻜل ﻤﺴﺘﻭﻯ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺸﻜل ﻓﻲ ﻜل ﺘﺨﺼﺹ
ﻭﻜﺫﻟﻙ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ ﻟﻜل ﻤﺴﺘﻭﻯ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺸﻜل ،ﻭﺍﻟﺠﺩﻭل ﺍﻷﻭل ﻓﻲ
ﺸﻜل 4-10ﻴﻭﻀﺢ ﻨﺘﺎﺌﺞ ﻫﺫﺍ ﺍﻷﻤﺭ.
ﻭﻟﻜﻥ ﻜﻤﺎ ﻴﺒﺩﻭ ﻤﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﻫﺫﺍ ﺍﻷﻤﺭ ﻻ ﻴﺸﻤل ﻋﻠﻰ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ ﻟﻜل ﻤﺴﺘﻭﻯ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ ﺒﺼﺭﻑ ﺍﻟﻨﻅﺭ ﻋﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺸﻜل،
ﻭﻟﺫﻟﻙ ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ ﻟﻜل ﻤﺴﺘﻭﻯ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ ﻫﻨﺎ
)ﺃﻭ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻌﺎﻤﺔ ﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﺼﻔﺔ ﻋﺎﻤﺔ( ﻻﺒﺩ ﻓﻲ ﺍﻟﺒﺩﺍﻴﺔ ﻤﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺍﻟﺤﺴﺎﺏ Computeﻟﺤﺴﺎﺏ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
354
ﺤﺼل ﻋﻠﻴﻬﺎ ﻜل ﻁﺎﻟﺏ ﻋﻠﻰ ﺤﺩﻩ ﻓﻲ ﺍﻟﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻌﺎﻤل ﺍﻟﺸﻜل ﻼ ،shapeﻭﻟﺤﺴﺎﺏ ﻫﺫﻩ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻴﺤﺴﻥ ﺃﻥ ﻨﻌﺭﻑ ﻓﻲ ﺍﻟﺒﺩﺍﻴﺔ ﻤﺘﻐﻴﺭ ﺠﺩﻴﺩ )ﻤﺜ ﹰ
(meancatﺒﺈﻀﺎﻓﺔ ﻋﻤﻭﺩ ﺠﺩﻴﺩ ﻓﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻴﻤﺜل ﻤﺘﻭﺴﻁ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ ﺤﺼل
ﻋﻠﻴﻬﺎ ﻜل ﻁﺎﻟﺏ ﻋﻠﻰ ﺤﺩﻩ ﻓﻲ ﺍﻟﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ ﻟﻌﺎﻤل ﺍﻟﺸﻜل ، shapeﻭﻫﺫﺍ ﻴﻤﻜﻥ ﺃﻥ ﻴﺘﻡ ﺒﺎﺘﺒﺎﻉ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ :
• ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭﺍﺕ Transformﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ. • ﺍﺨﺘﺭ ﺃﻤﺭ ﺍﻟﺤﺴﺎﺏ Computeﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺴﺎﺒﻘﺔ ﻟﻠﺩﺨﻭل ﻓﻲ ﻨﺎﻓﺫﺓ ﺤﺴﺎﺏ ﻤﺘﻐﻴﺭ ) Compute Variableﺍﻟﺘﻔﺎﺼﻴل ﻓﻲ ﻗﺴﻡ 3-3ﻤﻥ ﺍﻟﻔﺼل ﺍﻟﺜﺎﻟﺙ(. •
ﺍﻜﺘﺏ ﺃﺴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﺩﻴﺩ meancatﻓﻲ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻬﺩﻑ Target
، Variableﺜﻡ ﻤﻥ ﻤﺭﺒﻊ ﺍﻟﺩﻭﺍل Functionsﺍﺒﺤﺙ ﻋﻥ ﺍﻟﺩﺍﻟﺔ ﺍﻟﺨﺎﺼﺔ ﺒﺎﻟﻤﺘﻭﺴﻁﺎﺕ
] MEAN[numexpr,numexpr...ﻭﺍﻨﻘﻠﻬﺎ ﺇﻟﻰ ﺃﻋﻠﻰ ﺒﻭﺍﺴﻁﺔ ﺍﻟﺴﻬﻡ ،ﻟﺘﻅﻬﺭ ﻓﻲ
ﻻ ﻤﻥ ﺨﺎﻨﺔ ﺍﻟﺼﻴﻐﺔ ﺍﻟﺤﺴﺎﺒﻴﺔ ﻓﻲ ﺃﻋﻠﻰ ﺍﻟﻨﺎﻓﺫﺓ ﻭﺴﺘﻅﻬﺭ ﻋﻼﻤﺎﺕ ﺍﻻﺴﺘﻔﻬﺎﻡ )؟( ﺒﺩ ﹰ numexprﻓﻲ ﺍﻟﺘﻌﺒﻴﺭ ﺍﻟﺴﺎﺒﻕ ،ﺍﺤﺫﻑ ﻋﻼﻤﺎﺕ ﺍﻻﺴﺘﻔﻬﺎﻡ ﻭﺍﻨﻘل ﻤﻜﺎﻨﻬﺎ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺙ triangle, square, rectanglﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ
ﺍﻟﺴﻬﻡ ﻤﻊ ﻤﺭﺍﻋﺎﺓ ﻭﺠﻭﺏ ﻭﺠﻭﺩ ﺍﻟﻔﻭﺍﺼل ﺒﻴﻨﻬﺎ ،ﻟﺘﻅﻬﺭ ﺍﻟﺼﻴﻐﺔ ﺍﻟﺤﺴﺎﺒﻴﺔ ﺒﺎﻟﺸﻜل
]. MEAN[triangle,square,rectangl
• ﺍﻀﻐﻁ ﻤﺭﺒﻊ ﺍﻟﺘﻨﻔﻴﺫ OKﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ. ﻭﺍﻵﻥ ﻴﺼﺒﺢ ﺒﺎﻹﻤﻜﺎﻥ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁ ﻭﻋﺩﺩ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ
ﻟﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﻓﻲ ﻜل ﺘﺨﺼﺹ ﻭﺫﻟﻙ ﺒﺎﻟﻌﻭﺩﺓ ﺇﻟﻰ ﺃﻤﺭ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ
Meansﻜﻤﺎ ﺴﺒﻕ ﻭﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺠﺩﻴﺩ meancatﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ Dependent Listﻭﻤﺘﻐﻴﺭ ﺍﻟﺘﺼﻨﻴﻑ categoryﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ
Independent Listﻓﻲ ﻨﺎﻓﺫﺓ ﺃﻤﺭ ﺍﻟﺤﺴﺎﺏ Computeﻭﻤﻥ ﺜﻡ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﺃﻤﺭ ﺍﻟﺘﻨﻔﻴﺫ OKﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ ،ﻭﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ ﻓﻲ ﺸﻜل 4-10ﻴﻭﻀﺢ ﻨﺘﺎﺌﺞ ﻫﺫﺍ ﺍﻷﻤﺭ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
355
ﺸﻜل : 4-10ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺃﻤﺭﻱ ﺤﺴﺎﺏ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل 1-10ﻭﺘﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ ﻭﻋﺩﺩ ﺍﻟﻘﻴﻡ ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ ﻟﻌﺎﻤل ﺍﻟﺸﻜل shapeﺤﺴﺏ ﻓﺌﺎﺕ
ﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ )ﺍﻟﺠﺩﻭل ﺍﻷﻭل( ﻭﻜﺫﻟﻙ ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ ﻟﻜل ﺘﺨﺼﺹ )ﺍﻟﺠﺩﻭل ﺍﻟﺜﺎﻨﻲ(. Report RECTANGL
SQUARE
TRIANGLE
7.00
12.17
6.00
6
6
6
2.10
2.32
2.61
30.83
7.00
20.17
CATEGORY Mean
Psychology
N Std. Deviation Mean
Engineering
N
6
6
6
3.43
2.83
4.26
18.92
9.58
13.08
12
12
12
12.74
3.65
8.13
Std. Deviation Total
Mean N Std. Deviation
Report MEANCAT Mean
1.3236
6
8.3889
CATEGORY Psychology
N
Std. Deviation 2.3476
6
19.3333
Engineering
5.9974
12
13.8611
Total
ﻭﻤﻥ ﺍﻻﺴﺘﻜﺸﺎﻑ ﺍﻷﻭﻟﻲ ﻟﻬﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﺠﺩﻭل 4-10ﺴﻭﻑ ﻨﻼﺤﻅ ﺃﻥ
ﻫﻨﺎﻙ ﻓﺭﻭﻕ ﻜﺒﻴﺭﺓ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻬﺎﻤﺸﻴﺔ ﻟﻜل ﻤﻥ ﻋﺎﻤل ﺍﻟﺸﻜل ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ ﺍﻷﻤﺭ ﺍﻟﺫﻱ ﻴﺒﺭﺭ ﺍﻻﻋﺘﻘﺎﺩ ﺒﻭﺠﻭﺩ ﺁﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ main effectsﻟﻜل ﻤﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ،ﻜﻤﺎ ﺃﻥ ﺍﻷﺩﺍﺀ ﺍﻷﻓﻀل ﺒﺸﻜل ﻤﻠﺤﻭﻅ ﻟﻁﻠﺒﺔ ﺍﻟﻬﻨﺩﺴﺔ ﻤﻊ ﺃﺸﻜﺎل ﺍﻟﻤﺜﻠﺙ
ﻭﺍﻟﻤﺴﺘﻁﻴل ﻭﺍﻟﺫﻱ ﻴﺘﺭﺍﺠﻊ ﻤﻊ ﺸﻜل ﺍﻟﻤﺭﺒﻊ ﻴﺒﺭﺭ ﺍﻻﻋﺘﻘﺎﺩ ﺒﻭﺠﻭﺩ ﺘﻔﺎﻋل
interactionﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
356
ﻭﻟﻠﺘﺤﻘﻕ ﻤﻥ ﺼﺤﺔ ﻫﺫﻩ ﺍﻻﻋﺘﻘﺎﺩﺍﺕ ﻻﺒﺩ ﻤﻥ ﺇﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻟﻬﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ،ﻭﻻ ﻴﺠﺏ ﺃﻥ ﻨﻨﺴﻰ ﺒﺄﻥ ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﻤﺨﺘﻠﻁﺔ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺍﻟﻤﻁﻠﻭﺏ ﻫﻭ
ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ ﻟﻌﺎﻤﻠﻲ ﺍﻟﺸﻜل )ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ( ﻭﺍﻟﺘﺨﺼﺹ )ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ( ،ﻭﻫﺫﺍ ﻤﺎ ﻴﻤﻜﻥ ﺃﻥ ﻴﺸﺎﺭ ﺇﻟﻴﻪ . Mixed A*(B) ANOVA
ﻭﻟﺘﻨﻔﻴﺫ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ Mixed A*(B) ANOVAﻨﺘﺒﻊ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ: • ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ) Analyzeﺃﻭ (Statisticsﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ. • ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ General Linear Modelsﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺴﺎﺒﻘﺔ .
• ﺍﺨﺘﺭ ﺃﻤﺭ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ GLM - Repeated Measuresﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺴﺎﺒﻘﺔ ﻟﻠﺩﺨﻭل ﻓﻲ ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ
GLM -
) ، Repeated Measures Define Factor(sﻭﺘﻅﻬﺭ ﻫﺫﻩ ﺍﻟﻘﺎﺌﻤﺔ ﺒﻌﺩ ﻤلﺀ ﺒﻴﺎﻨﺎﺘﻬﺎ ﻜﻤﺎ ﻓﻲ ﺸﻜل 5-10ﺃﺩﻨﺎﻩ .
• ﻓﻲ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Within-Subjects Variablesﻓﻲ ﻻ ﻤﻨﻬﺎ ﺍﺴﻡ ﻋﺎﻡ ﺍﻟﺠﺯﺀ ﺍﻟﻌﻠﻭﻱ ﺍﻷﻴﻤﻥ ﻤﻥ ﺍﻟﻨﺎﻓﺫﺓ ﺍﺤﺫﻑ ﻜﻠﻤﺔ factor1ﻭﺍﻜﺘﺏ ﺒﺩ ﹰ ﻤﺜل shapeﻭﺫﻟﻙ ﻟﻌﺎﻤل ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ،ﻫﺫﺍ ﺍﻻﺴﻡ ﻴﺠﺏ ﺃﻻ ﻴﻜﻭﻥ ﺃﺤﺩ ﺃﺴﻤﺎﺀ
ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺘﻜﻭﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ،ﻭﻓﻲ ﻤﺭﺒﻊ ﻋﺩﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ Number of
Levelsﺍﻜﺘﺏ ﻋﺩﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ) (3ﺍﻟﺘﻲ ﺘﻜﻭﻥ ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
357
ﺸﻜل : 5-10ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﻋﻭﺍﻤل ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ Repeated Measures ) Define Factor(sﻟﻌﺎﻤل ﺍﻟﺸﻜل Shapeﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺍﻟﻤﺨﺘﻠﻁﺔ.
• ﺍﻀﻐﻁ ﺍﻟﻤﻔﺘﺎﺡ ﺇﻀﺎﻓﺔ Addﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺴﺎﺒﻘﺔ ﻟﺘﻅﻬﺭ ﻜﻠﻤﺔ ) shape(3ﻓﻲ
ﺍﻟﻤﺭﺒﻊ ﺍﻟﺴﻔﻠﻲ ﻜﻤﺎ ﻓﻲ ﺸﻜل 5-10ﺍﻟﺴﺎﺒﻕ ،ﺜﻡ ﺍﻀﻐﻁ ﻤﺭﺒﻊ ﺍﻟﺘﻌﺭﻴﻑ Define
ﻟﺘﺒﺭﺯ ﻨﺎﻓﺫﺓ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ
Repeated Measures
ANOVAﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل .6-10
• ﻓﻲ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ )ﺸﻜل (6-10ﺍﻨﻘل ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺘﻤﺜﻴل ﻤﺴﺘﻭﻴﺎﺕ
ﻋﺎﻤل ﺍﻟﺸﻜل ﺍﻟﺜﻼﺜﺔ ﻤﻥ ﻗﺎﺌﻤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺇﻟﻰ ﻗﺎﺌﻤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل
ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ]) ، Within Subjects Variables [shapeﻟﺤﺘﻰ ﺍﻵﻥ ﺍﺘﺒﻌﻨﺎ ﻨﻔﺱ
ﺍﻟﻁﺭﻴﻘﺔ ﻜﻤﺎ ﺘﻡ ﺘﻭﻀﻴﺤﻪ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ(.
• ﺍﻟﻌﻨﺼﺭ ﺍﻟﺠﺩﻴﺩ ﺍﻵﻥ ﻫﻭ ﻭﺠﻭﺩ ﻋﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺇﻀﺎﻓﻲ ﻭﻫﻭ ﺍﻟﺘﺨﺼﺹ
، categoryﻗﻡ ﺒﺎﺨﺘﻴﺎﺭﻩ ﻭﻨﻘﻠﻪ ﺇﻟﻰ ﻤﺭﺒﻊ ﻋﻭﺍﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Between-
) ، Subjects Factor(sﻭﺴﺘﻅﻬﺭ ﺒﻌﺩﺌ ٍﺫ ﺍﻟﻨﺎﻓﺫﺓ ﺘﻤﺎﻤﹰﺎ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل .6-10
• ﻴﻤﻜﻥ ﺃﻴﻀﹰﺎ ﺍﺨﺘﻴﺎﺭ ﺠﺩﻭل ﺒﺎﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ Descriptive Statisticsﻤﻥ ﺨﻼل ﻤﺭﺒﻊ ﺍﻟﺨﻴﺎﺭﺍﺕ Optionsﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ .
• ﺍﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻟﺘﻨﻔﻴﺫ OKﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﺍﻟﻤﻁﻠﻭﺏ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
358
ﺸﻜل : 6-10ﻨﺎﻓﺫﺓ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ -ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ GLM - Repeated Measuresﻟﺘﺤﺩﻴﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﺜﻼﺜﺔ ﻟﻌﺎﻤل ﺍﻟﺸﻜل Shapeﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻌﺎﻤﻠﻴﺔ.
ﻭﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﻓﻲ ﺍﻟﻤﺜﺎﻟﻴﻥ ﺍﻟﺴﺎﺒﻘﻴﻥ ﺍﻟﻤﺘﻌﻠﻘﻴﻥ ﺒﺄﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺤﺎﻟﺔ
ﻋﻭﺍﻤل ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ﻓﺈﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻫﻨﺎ ﺃﻴﻀﹰﺎ ﻁﻭﻴﻠﺔ ﻭﻟﻜﻥ ﻫﻨﺎﻙ ﺒﻨﻭﺩ ﻤﻨﻬﺎ ﻋﺩﻴﻤﺔ ﺍﻟﻔﺎﺌﺩﺓ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻷﺤﺎﺩﻱ ﺍﻟﻤﺘﻐﻴﺭ ، Univariate analysisﻭﻴﺒﻴﻥ
ﺍﻟﺸﻜل 7-10ﺠﻤﻴﻊ ﺒﻨﻭﺩ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻜﻤﺎ ﺘﻅﻬﺭ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻷﻴﺴﺭ ﻤﻥ ﻤﺤﺭﺭ
ﺍﻟﻨﺘﺎﺌﺞ ،ﻭﻫﻨﺎﻙ ﺒﻨﺩﻴﻥ ﻤﻥ ﺒﻴﻥ ﻫﺫﻩ ﺍﻟﻨﺘﺎﺌﺞ ﻴﻤﻜﻥ ﺤﺫﻓﻬﻤﺎ )ﺒﻨﺘﺎﺌﺠﻬﻤﺎ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻷﻴﻤﻥ
ﻤﻥ ﺍﻟﻤﺤﺭﺭ( ﻤﺒﺎﺸﺭﺓ ﻭﺩﻭﻥ ﺍﻟﻨﻅﺭ ﺇﻟﻰ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻫﻤﺎ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻤﺘﻌﺩﺩ
Multivariate Testsﻭﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻻﺨﺘﻼﻑ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Within-Subjects
، Contrastsﻭﻴﻤﻜﻥ ﺤﺫﻑ ﺃﻱ ﺒﻨﺩ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﺒﺘﻔﺎﺼﻴﻠﻪ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻷﻴﻤﻥ ﻤﻥ ﺍﻟﻤﺤﺭﺭ ﻤﺒﺎﺸﺭﺓ ﺒﺘﺤﺩﻴﺩ ﺫﻟﻙ ﺍﻟﺒﻨﺩ ﻭﻤﻥ ﺜﻡ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻟﺤﺫﻑ deleteﻓﻲ
ﻟﻭﺤﺔ ﺍﻟﻤﻔﺎﺘﻴﺢ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
359
ﺸﻜل : 7-10ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻤﻥ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ )Mixed A*(B ANOVAﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل 1-10ﻟﻌﺎﻤل ﺍﻟﺸﻜل shapeﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ.
ﻭﻴﺒﻴﻥ ﺍﻟﺸﻜل 8-10ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﻁﻭﻴﻠﺔ ﻤﻥ ﺘﻨﻔﻴﺫ ﺃﻤﺭ
ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ Mixed A*(B) ANOVAﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻌﺎﻤل
ﺍﻟﺸﻜل ) shapeﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ( ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ )ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ( ﻭﺍﻟﻤﺘﻌﻠﻕ ﺒﺎﻟﻌﻨﻭﺍﻥ ﻭﺃﺴﻤﺎﺀ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻓﻲ ﻜل ﻤﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ. ﺸﻜل : 8-10ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ Mixed A*(B) ANOVAﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل 1-10ﻟﻌﺎﻤل ﺍﻟﺸﻜل shapeﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ. ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻌﻭﺍﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻌﻭﺍﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
Between-Subjects Factors
Within-Subjects Factors
N
Measure: MEASURE_1
Value Label
6
Psychology
6
Engineerin g
CATEGORY1 2
Dependent Variable
SHAPE 1 RECTANGL SQUARE
2
TRIANGLE
3
( ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ10)
360
ﻴﺒﻴﻥ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻫﺫﻩ ﺍﻟﻘﺎﺌﻤﺔ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﻨﺘﺎﺌﺞ9-10 ﻭﺸﻜل ، ﻻﺨﺘﺒﺎﺭ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭMauchly's Test of Sphericity ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻟﻠﺩﺍﺌﺭﻴﺔ
ﻭﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﻴﻌﺘﺒﺭ ﺍﺨﺘﺒﺎﺭ ﻫﺎﻡ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻷﺤﺎﺩﻱ ﻟﻤﺘﻐﻴﺭ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ .ﻜﻤﺎ ﻭﺭﺩ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺘﺎﺴﻊ
Mixed ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ: 9-10 ﺸﻜل . ﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹshape ﻟﻌﺎﻤل ﺍﻟﺸﻜل1-10 ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜلA*(B) ANOVA Mauchly's Test of Sphericityb Measure: MEASURE_1 Epsilona Within Subjects Effect SHAPE
Mauchly's W
Approx. Chi-Square
df
Sig.
.903
.921
2
.630
Greenhouse Huynh Lower-Geisser -Feldt bound .911
1.000
.500
Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identity matrix. a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the Tests of Within-Subjects Effects table. b. Design: Intercept+CATEGORY Within Subjects Design: SHAPE
Sig., the p-value ﻓﻔﻲ ﺤﺎﻟﺔ ﻤﺎ ﺇﺫﺍ ﺍﺘﻀﺢ ﺃﻥ ﺍﻻﺨﺘﺒﺎﺭ ﻏﻴﺭ ﻤﻌﻨﻭﻱ )ﺃﻱ ﺃﻥ
•
ﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ )ﺍﻟﺫﻱ ﻴﻠﻲp-value ( ﻓﺈﻨﻨﺎ ﺴﻨﻨﻅﺭ ﺇﻟﻰ ﻗﻴﻤﺔ0.05 ﺃﻜﺒﺭ ﻤﻥ
Sphericity Assumed (ﻫﺫﺍ ﺍﻟﺠﺩﻭل( ﺍﻟﻤﺼﺎﺤﺒﺔ ﻻﻓﺘﺭﺍﺽ ﺍﻟﺩﺍﺌﺭﻴﺔ )ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ
.ﻭﻓﻲ ﻨﻔﺱ ﺍﻟﺴﻁﺭ ﺒﺫﻟﻙ ﺍﻟﻌﻨﻭﺍﻥ
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
361
• ﺃﻤﺎ ﺇﺫﺍ ﺍﺘﻀﺢ ﺃﻥ ﺍﻻﺨﺘﺒﺎﺭ ﻤﻌﻨﻭﻱ )ﺃﻱ ﺃﻥ Sig., p-valueﺃﺼﻐﺭ ﻤﻥ (0.05 ﻕ ﻻﺨﺘﺭﺍﻕ ﺍﻓﺘﺭﺍﺽ ﺍﻟﺩﺍﺌﺭﻴﺔ )ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ( ﻓﺈﻨﻨﺎ ﺴﻨﻀﻁﺭ ﺇﻟﻰ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﻭﺍ ٍ ﻤﺜل ﺍﺨﺘﺒﺎﺭ ﺠﺭﻴﻨﻬﺎﻭﺱ-ﺠﻴﺴﺭ Greenhouse-Geisser Testﻭﺴﻨﻨﻅﺭ ﺇﻟﻰ ﺍﻟﺴﻁﺭ
ﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ )ﺍﻟﺫﻱ ﻴﻠﻲ ﻫﺫﺍ ﺍﻟﺠﺩﻭل( ﺍﻟﺫﻱ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﺠﺭﻴﻨﻬﺎﻭﺱ-ﺠﻴﺴﺭ . Greenhouse-Geisser Test
ﻭﻤﺜل ﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻭﺍﻗﻴﺔ ﻻﺨﺘﺭﺍﻕ ﺍﻓﺘﺭﺍﺽ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ ﻴﻤﻜﻨﻬﺎ ﺃﻥ
ﺘﺼﻨﻊ ﺍﺨﺘﻼﻓﹰﺎ ﺠﻭﻫﺭﻴﹰﺎ ﻋﻥ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻋﻨﺩﻤﺎ :
.1ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻋﺩﻡ ﺘﺠﺎﻨﺱ ﻓﻲ ﺍﻟﺘﻐﺎﻴﺭ )ﺇﺫﺍ ﺘﺒﻴﻥ ﺃﻥ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻤﻌﻨﻭﻱ(. .2ﻗﻴﻤﺔ ﺍﺨﺘﺒﺎﺭ Fﺒﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ ﻏﻴﺭ ﺍﻟﻤﻌﺩﻟﺔ )ﺃﻱ ﺍﻟﻤﺼﺎﺤﺒﺔ ﻻﻓﺘﺭﺍﺽ
ﺍﻟﺩﺍﺌﺭﻴﺔ Sphericity Assumedﻭﻓﻲ ﻨﻔﺱ ﺍﻟﺴﻁﺭ ﺒﺫﻟﻙ ﺍﻟﻌﻨﻭﺍﻥ( ﺘﻜﺎﺩ
ﺘﻜﻭﻥ ﺒﺎﻟﻜﺎﺩ ﻤﻌﻨﻭﻴﺔ ﻭﺘﻘﺎﺭﺏ . 0.05
ﻓﻲ ﺤﺎﻟﺔ ﻤﺎ ﺇﺫﺍ ﻜﺎﻨﺕ ﺩﺍﻟﺔ Fﻤﻌﻨﻭﻴﺔ ﺒﻘﻴﻤﺔ p-valueﺼﻐﻴﺭﺓ ﺠﺩﹰﺍ ﻓﺈﻨﻪ ﻴﻤﻜﻨﻨﺎ
ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﻌﺩﻤﻴﺔ ﺒﺄﻤﺎﻥ ،ﻭﻟﻥ ﻨﻜﻭﻥ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺒﺤﺎﺠﺔ ﺇﻟﻰ ﺇﺠﺭﺍﺀ ﺃﻱ ﻕ ﻻﺨﺘﺭﺍﻕ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ . ﺍﺨﺘﺒﺎﺭ ﻭﺍ ٍ ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ،ﻴﻌﻁﻲ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻗﻴﻤﺔ p-valueﻤﺴﺎﻭﻴﺔ ،0.631
ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻻ ﻴﻭﺠﺩ ﻫﻨﺎﻙ ﺩﻟﻴل ﻟﺭﻓﺽ ﻓﺭﻀﻴﺔ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ
ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺩﺍﻟﺔ ﺍﺨﺘﺒﺎﺭ Fﺍﻟﻤﻌﺘﺎﺩﺓ ﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ، ANOVAﻭﺘﻜﻭﻥ ﺍﻟﺴﻁﻭﺭ ﺍﻹﻀﺎﻓﻴﺔ ﻓﻲ ﺍﻟﺠﺩﻭل ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﺎﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻭﺍﻗﻴﺔ ﻏﻴﺭ ﻀﺭﻭﺭﻴﺔ ﻭﻴﻤﻜﻥ
ﺤﺫﻓﻬﺎ ﻤﻥ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺒﺄﻤﺎﻥ ﻜﻤﺎ ﺤﺼل ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺤﻴﺙ ﻴﻭﻀﺢ ﺍﻟﺸﻜل 10-10ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻟﻬﺫﺍ ﺍﻟﻤﺜﺎل ﺒﻌﺩ ﺤﺫﻑ ﺘﻠﻙ ﺍﻟﺴﻁﻭﺭ .
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
362
ﺸﻜل : 10-10ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ Mixed A*(B) ANOVAﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل 1-10ﻟﻌﺎﻤل ﺍﻟﺸﻜل shapeﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ. Tests of Within-Subjects Effects Measure: MEASURE_1
Sig.
F
Mean Square
df
Type III Sum of Squares
Source SHAPE
.000
32.622
2 266.778
533.556
Sphericity Assumed
.000
79.986
2 654.111
1308.222
Sphericity Assumed
* SHAPE CATEGORY
163.556
Sphericity Assumed
)Error(SHAPE
8.178
20
ﻭﻴﺒﻴﻥ ﺸﻜل 10-10ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ the ANOVA Summary table
ﻟﻠﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﻫﻭ ﻋﺎﻤل ﺍﻟﺸﻜل shapeﻭﻜﺫﻟﻙ ﻟﻠﺘﻔﺎﻋل ﺒﻴﻥ ﻋﺎﻤل ﺍﻟﺸﻜل shapeﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ . category ﻻﺤﻅ ﺃﻥ ﻋﺎﻤل ﺍﻟﺸﻜل shapeﻤﻌﻨﻭﻱ ﻋﻨﺩ p-valueﺃﻗل ﻤﻥ 0.01ﺤﻴﺙ
ﺘﻌﻁﻰ ﻗﻴﻤﺔ p-valueﻓﻲ ﺍﻟﺠﺩﻭل ﻤﺴﺎﻭﻴﺔ 0.000ﻭﺘﻌﻨﻲ ﺃﻨﻪ ﺃﻗل ﻤﻥ ، 0.0005 ﻫﺫﻩ ﺍﻟﻨﺘﻴﺠﺔ ﻴﻤﻜﻥ ﺼﻴﺎﻏﺘﻬﺎ ﻋﻠﻰ ﺍﻟﺼﻭﺭﺓ : ﻤﻌﻨﻭﻴﺔ Significant
; p < 0.01
; F(2,20) = 32.62
ﻭﻜﺫﻟﻙ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻠﺘﻔﺎﻋل ﺒﻴﻥ ﻋﺎﻤل ﺍﻟﺸﻜل shapeﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ
categoryﻓﺈﻨﻪ ﺃﻴﻀﹰﺎ ﻤﻌﻨﻭﻱ ﻋﻨﺩ p-valueﺃﻗل ﻤﻥ 0.01ﺤﻴﺙ ﻗﻴﻤﺔ p-valueﻓﻲ ﺍﻟﺠﺩﻭل ﺃﻗل ﻤﻥ 0.0005ﺃﻴﻀﺎﹰ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻴﻤﻜﻥ ﺼﻴﺎﻏﺔ ﻫﺫﻩ ﺍﻟﻨﺘﻴﺠﺔ ﻋﻠﻰ ﺍﻟﺼﻭﺭﺓ :
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
ﻤﻌﻨﻭﻴﺔ Significant
363
; p < 0.01
; F(2,20) = 79.99
ﻭﻴﻌﺭﺽ ﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻲ ﺍﻟﺸﻜل 11-10ﺠﺩﻭل ﺘﺤﻠﻴل
ﺍﻟﺘﺒﺎﻴﻥ The ANOVA (Summary) Tableﻟﻠﻌﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ.
ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﺠﺩﻭل ﻴﻬﻤل ﺴﻁﺭ ﺒﻨﺩ ﺍﻟﻤﻘﻁﻊ Interceptﻭﻜﺫﻟﻙ ﺘﻌﺒﻴﺭ ﺍﻟﻨﻭﻉ
ﺍﻟﺜﺎﻟﺙ Type IIIﻓﻬﻤﺎ ﻋﺩﻴﻤﺎ ﺍﻷﻫﻤﻴﺔ ﻫﻨﺎ ﻭﻨﺘﺠﺎ ﻓﻘﻁ ﻨﺘﻴﺠﺔ ﺘﻁﺒﻴﻕ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ
ﺍﻟﻌﺎﻡ )ﻨﻤﻭﺫﺝ ﺍﻻﻨﺤﺩﺍﺭ( ﺍﻟﺫﻱ ﺍﺸﺘﻕ ﻤﻨﻪ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ،ﻭﺤﻴﺙ ﺃﻥ ﻗﻴﻤﺔ p-value
ﺍﻟﻤﻌﻨﻭﻴﺔ Sig.ﺃﻗل ﻤﻥ 0.0005ﻓﺈﻥ ﺫﻟﻙ ﻴﺩل ﻋﻠﻰ ﻭﺠﻭﺩ ﻓﺭﻕ ﺠﻭﻫﺭﻱ ﻓﻲ ﺍﻷﺩﺍﺀ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺘﻲ ﺍﻟﻁﻠﺒﺔ ﻓﻲ ﺍﻟﻬﻨﺩﺴﺔ ﻭﻋﻠﻡ ﺍﻟﻨﻔﺱ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻴﻤﻜﻥ ﺼﻴﺎﻏﺔ ﻫﺫﻩ ﺍﻟﻨﺘﻴﺠﺔ
ﻋﻠﻰ ﺍﻟﺼﻭﺭﺓ :
ﻤﻌﻨﻭﻴﺔ Significant
; p < 0.01
; F(1,10) = 98.95
ﺸﻜل : 11-10ﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺨﺘﻠﻁ Mixed A*(B) ANOVAﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺸﻜل 1-10ﻟﻌﺎﻤل ﺍﻟﺸﻜل shapeﻭﻋﺎﻤل ﺍﻟﺘﺨﺼﺹ. Tests of Between-Subjects Effects Measure: MEASURE_1 Transformed Variable: Average
Sig.
F
Mean Square
df
Type III Sum of Squares
Source Intercept
.000
634.883
6916.694
1
6916.69
.000
98.952
1078.028
1
CATEGORY 1078.03
10.894
10
108.944
Error
ﻤﻥ ﻫﻨﺎ ﻴﺘﻀﺢ ﺃﻥ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻴﺅﻜﺩ ﺼﺤﺔ ﺍﻻﺘﺠﺎﻩ ﺍﻟﺫﻱ ﻴﻤﻜﻥ ﺍﺴﺘﺩﺭﺍﻜﻪ ﻤﻥ ﻼ ﻤﻥ ﻋﺎﻤﻠﻲ ﺍﻟﺸﻜل ﻭﺍﻟﺘﺨﺼﺹ ﻟﻪ ﺃﺜﺭ ﺭﺌﻴﺴﻲ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻲ ﺸﻜل 4-10ﺃﻋﻼﻩ ،ﻓﻜ ﹰ ﻤﻌﻨﻭﻱ ﻭﻜﺫﻟﻙ ﻓﺈﻥ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻨﻬﻤﺎ ﺃﻴﻀﹰﺎ ﻤﻌﻨﻭﻱ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
364
ﻹﺠﺭﺍﺀ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﻏﻴﺭ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ﻟﻠﻤﻘﺎﺭﻨﺎﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﻟﻠﺘﻔﺎﻋل ﺍﻟﻤﻌﻨﻭﻱ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ ﻜﻤﺎ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻴﻤﻜﻥ ﺘﻁﺒﻴﻕ ﻨﻔﺱ ﺍﻟﻁﺭﻕ ﺍﻟﺘﻲ
ﺘﻡ ﺘﻭﻀﻴﺤﻬﺎ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ ﻋﻠﻰ ﺘﺤﻠﻴل ﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ،
ﻭﺫﻟﻙ ﻷﻨﻪ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ ﻴﻜﻭﻥ ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻋﺎﺩﺓ
ﻫﻭ ﺍﻟﻌﺎﻤل ﻗﻴﺩ ﺍﻻﻫﺘﻤﺎﻡ ﺍﻷﺴﺎﺴﻲ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﺒﻌﺩ ﺃﻥ ﻴﺜﺒﺕ ﺃﻥ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻤﻌﻨﻭﻱ ﻴﻤﻜﻥ ﺃﻥ ﻴﺴﺘﻤﺭ ﺍﻟﺘﺤﻠﻴل ﻓﻲ ﺍﺨﺘﺒﺎﺭ ﻤﻌﻨﻭﻴﺔ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ﻟﻠﻌﺎﻤل
ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻠﻌﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ،ﻭﺒﻌﺩ ﺃﻥ ﻴﺜﺒﺕ ﺃﻥ ﻫﻨﺎﻙ ﺁﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ ﺒﺴﻴﻁﺔ ﻤﻌﻨﻭﻴﺔ ﻓﻲ ﺒﻴﺎﻨﺎﺕ ﺃﺤﺩ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺘﻁﺒﻴﻕ
ﻁﺭﻴﻘﺔ ﺒﻭﻨﻔﺭﻭﻨﻲ Bonferroni t-testsﻻﺨﺘﺒﺎﺭﺍﺕ tﻭﺫﻟﻙ ﻟﻌﻤل ﻤﻘﺎﺭﻨﺎﺕ ﻤﺘﺘﺎﻟﻴﺔ
ﺒﻴﻥ ﺃﺯﻭﺍﺝ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻠﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ.
ﺍﻵﺜﺎﺭ ﺍﻟﺒﺴﻴﻁﺔ ﻟﻠﻌﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻴﻤﻜﻥ ﺍﺨﺘﺒﺎﺭﻫﺎ ﺒﺒﺴﺎﻁﺔ ﻋﻥ ﻁﺭﻴﻕ
ﺇﺠﺭﺍﺀ ﺠﺩﺍﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ One-way ANOVAsﻟﻠﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺴﺘﻭﻴﺎﺕ ﻤﺨﺘﺎﺭﺓ ﻟﻠﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ،ﻭﺤﻴﺙ ﺃﻥ ﻜل ﺍﺨﺘﺒﺎﺭ ﻴﺘﻡ ﺇﺠﺭﺍﺅﻩ
ﻴﺴﺘﺨﺩﻡ ﺒﻴﺎﻨﺎﺕ ﺠﺩﻴﺩﺓ ﻓﺈﻨﻪ ﺭﺒﻤﺎ ﻟﻥ ﻨﺤﺘﺎﺝ ﺇﻟﻰ ﺍﺴﺘﺨﺩﺍﻡ ﻁﺭﻴﻘﺔ ﺒﻭﻨﻔﺭﻭﻨﻲ ﻟﺠﻌل ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺃﻜﺜﺭ ﻭﻗﺎﻴﺔ ،ﻭﻓﻲ ﺤﺎﻟﺔ ﻤﺎ ﺜﺒﺕ ﺃﻥ ﻫﻨﺎﻙ ﺁﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ ﺒﺴﻴﻁﺔ ﻤﻌﻨﻭﻴﺔ ﻓﺈﻨﻪ
ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ Tukey testﻹﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻟﻠﻤﻘﺎﺭﻨﺎﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﻏﻴﺭ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ﺒﻴﻥ ﻷﺯﻭﺍﺝ ﻤﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺩﺍﺨل ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺫﺍﺕ
ﺍﻟﻌﻼﻗﺔ ﺒﺎﻷﺜﺭ ﺍﻟﺭﺌﻴﺴﻲ ﺍﻟﻤﻘﺼﻭﺩ ﻓﻘﻁ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
365
.3 .10ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب اﻟﻤﺨﺘﻠﻄﺔ ذات اﻟﺜﻼﺛﺔ ﻋﻮاﻣﻞ: The Three-Factor Mixed ANOVA: ﻴﻤﻜﻥ ﺘﻁﺒﻴﻕ ﺠﻤﻴﻊ ﺍﻹﺠﺭﺍﺀﺍﺕ ﻭﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﻲ ﺘﻡ ﺘﻭﻀﻴﺤﻬﺎ ﻓﻲ ﺍﻟﻘﺴﻡ
ﺍﻟﺴﺎﺒﻕ ﻓﻲ ﻫﺫﺍ ﺍﻟﻔﺼل ﻭﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺍﻟﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ
ﺍﻟﻌﺎﻤﻠﻴﻥ ﺃﻴﻀﹰﺎ ﻓﻲ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺍﻟﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ ﺍﻟﺜﻼﺜﺔ ﻋﻭﺍﻤل، ﻭﻗﺩ ﻗﺩﻤﻨﺎ ﻓﻲ ﺍﻟﻘﺴﻡ ﺍﻟﺴﺎﺒﻕ ﻁﺭﻴﻘﺔ ﻟﺘﺤﺩﻴﺩ ﺘﺼﻤﻴﻡ ﻤﺨﺘﻠﻁ ﻤﺤﺩﺩ ﺤﻴﺙ ﻴﺘﻡ ﻭﻀﻊ
ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻴﻥ ﺃﻗﻭﺍﺱ ﻓﻴﻌﺭﻑ ﺍﻟﺘﺼﻤﻴﻡ ) A*(Bﺒﺄﻨﻪ ﺘﺼﻤﻴﻡ ﻟﺘﺠﺭﺒﺔ ﻤﺨﺘﻠﻁﺔ ﺒﻌﺎﻤﻠﻴﻥ ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﺍﻟﻌﺎﻤل Aﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﺍﻟﻌﺎﻤل Bﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ،ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﻘﺴﻡ ﺴﻭﻑ ﻨﻘﻭﻡ ﺒﺘﻭﻀﻴﺢ ﻜﻴﻔﻴﺔ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺘﺼﻤﻴﻤﻴﻥ
ﻤﻤﻜﻨﻴﻥ ﻤﺨﺘﻠﻔﻴﻥ ﻟﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﺒﺜﻼﺙ ﻋﻭﺍﻤل ﻭﻫﻤﺎ :
.1ﺍﻟﺘﺠﺭﺒﺔ ) A*(B*Cﺒﻌﺎﻤﻠﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ، .2ﺍﻟﺘﺠﺭﺒﺔ ) A*B*(Cﺒﻌﺎﻤل ﻭﺍﺤﺩ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ.
.1 .3 .10اﻟﺘﺠﺮﺑﺔ اﻟﻤﺨﺘﻠﻄﺔ ): A*(B*C ﻟﻨﻔﺘﺭﺽ ﺃﻨﻪ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻌﺎﻤﻠﻴﺔ ﻤﻥ ﻨﻭﻉ ) A*(Bﺍﻟﺘﻲ ﺘﻡ ﻭﺼﻔﻬﺎ ﻓﻲ ﻤﺜﺎل
ﺍﻟﻘﺴﻡ ﺍﻟﺴﺎﺒﻕ ﻨﺭﻏﺏ ﻓﻲ ﺇﻀﺎﻓﺔ ﻋﺎﻤل ﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺁﺨﺭ Cﻭﻫﻭ ﻨﻤﻁ
ﺘﻅﻠﻴل ﺍﻟﺸﻜل ) Solidity (of the shapeﻭﻟﻪ ﻤﺴﺘﻭﻴﻴﻥ ﻓﻘﻁ ﻫﻤﺎ :ﻤﺨﻁﻁ ﻤﻔﺭﻍ
Outlineﻭﻤﻅﻠل ، Solidﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺠﻤﻴﻊ ﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﺠﺭﺒﺔ )ﺴﻭﺍﺀ ﻁﻠﺒﺔ ﻋﻠﻡ
ﺍﻟﻨﻔﺱ ﺃﻭ ﻁﻠﺒﺔ ﺍﻟﻬﻨﺩﺴﺔ( ﻻﺒﺩ ﺃﻥ ﺘﻤﻴﺯ ﺒﻴﻥ ﺠﻤﻴﻊ ﺍﻷﺸﻜﺎل ﺍﻟﻤﻅﻠﻠﺔ ﻭﺍﻟﻤﺨﻁﻁ ﺍﻟﻤﻔﺭﻍ
ﻟﻜل ﻤﻥ ﺍﻟﻤﺜﻠﺜﺎﺕ ﻭﺍﻟﻤﺭﺒﻌﺎﺕ ﻭﺍﻟﻤﺴﺘﻁﻴﻼﺕ ،ﻭﺒﺫﻟﻙ ﻴﻜﻭﻥ ﻟﺩﻴﻨﺎ ﺘﺠﺭﺒﺔ ﻤﻥ ﻨﻭﻉ ) A*(B*Cﺘﺤﺘﻭﻱ ﻋﻠﻰ 6ﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data
Editorﻓﻲ ﻨﻅﺎﻡ ، SPSSﻭﻜل ﻤﺘﻐﻴﺭ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﻟﺘﺸﻜﻴﻠﺔ ﻤﻥ ﻤﺴﺘﻭﻴﻲ ﻜل ﻤﻥ ﻋﺎﻤل ﺍﻟﺸﻜل ﻭﻋﺎﻤل ﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
366
ﻗﺩ ﻴﻜﻭﻥ ﻤﻨﺎﺴﺒﹰﺎ )ﻭﻟﻜﻥ ﻟﻴﺱ ﻀﺭﻭﺭﻴﹰﺎ( ﺘﺭﺘﻴﺏ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻨﻅﺎﻡ SPSSﺒﻁﺭﻴﻘﺔ ﻤﻨﺘﻅﻤﺔ ﺒﺤﻴﺙ ﻴﺅﺨﺫ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل ﻷﺤﺩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻤﻊ ﺠﻤﻴﻊ
ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺜﺎﻨﻲ ،ﻴﻠﻴﻪ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻨﻲ ﻟﻠﻤﺘﻐﻴﺭ ﺍﻷﻭل ﻤﻊ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ
ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺜﺎﻨﻲ ،ﻭﻫﻜﺫﺍ ،..ﻭﺒﺫﻟﻙ ﻴﻅﻬﺭ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﻓﻲ ﺸﻜل 12-10 ﺍﻟﺘﺎﻟﻲ.
ﺸﻜل : 12-10ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Editorﻓﻲ ﻨﻅﺎﻡ SPSSﻴﺒﻴﻥ ﺸﻜل ﻤﺘﻐﻴﺭﺍﺕ ﻟﻨﺘﺎﺌﺞ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ ﻤﺨﺘﻠﻁﺔ ﺫﺍﺕ ﺜﻼﺙ ﻋﻭﺍﻤل ﻤﻥ ﻨﻭﻉ )A*(B*C
ﻭﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻟﻬﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﺘﺘﺒﻊ ﻨﻔﺱ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﻲ
ﺘﻡ ﺘﻭﻀﻴﺤﻬﺎ ﻓﻲ ﺍﻟﻘﺴﻡ ﺍﻟﺴﺎﺒﻕ ﻤﻥ ﻫﺫﺍ ﺍﻟﻔﺼل ،ﻭﻟﻜﻥ ﻴﺠﺏ ﺃﺨﺫ ﺍﻟﺤﻴﻁﺔ ﻭﺍﻟﺤﺫﺭ ﺍﻟﻤﻤﻜﻨﻴﻥ ﻋﻨﺩ ﺇﺯﺍﺤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ
ﺍﻟﻌﺎﻤﺔ :ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ، GLM - Repeated Measuresﻭﺘﺫﻜﺭ ﺃﻥ ﺘﺭﺘﻴﺏ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﻗﺩ ﻴﻜﻭﻥ ﺃﺒﺠﺩﻴﹰﺎ ﻭﻟﻴﺱ ﺒﻨﻔﺱ ﺘﺭﺘﻴﺒﻬﺎ ﻓﻲ ﻤﺤﺭﺭ
ﺍﻟﺒﻴﺎﻨﺎﺕ)ﻴﺘﻭﻗﻑ ﻋﻠﻰ ﻁﺭﻴﻘﺔ ﻋﺭﺽ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻠﻘﺎﺌﻴﺔ ﻜﻤﺎ ﺘﻡ ﺘﻌﺭﻴﻔﻬﺎ ﻓﻲ ﻨﻅﺎﻡ
، (SPSSﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻴﺤﺴﻥ ﺃﻥ ﻨﻘﻭﻡ ﺒﺈﺯﺍﺤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﺤﺩﹰﺍ ﺘﻠﻭ ﺍﻵﺨﺭ ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Within-Subjects Variablesﻟﻠﺘﺄﻜﺩ ﻤﻥ
ﺩﺨﻭل ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﻟﺘﺭﺘﻴﺏ ﺍﻟﺼﺤﻴﺢ ،ﻭﺘﻅﻬﺭ ﻓﻲ ﺸﻜل 13-10ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ :ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ GLM - Repeated Measuresﻭﻗﺩ ﺘﻡ ﺒﻬﺎ ﻤلﺀ
ﺠﻤﻴﻊ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻟﻬﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ.
ﻨﻘﻁﺔ ﺃﺨﺭﻯ ﻓﻲ ﺘﺤﻠﻴل ﻨﺘﺎﺌﺞ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺍﻟﺘﻲ ﺘﺤﺘﻭﻱ ﻋﻠﻰ ﻋﺎﻤﻠﻴﻥ ﺃﻭ ﺃﻜﺜﺭ ﺩﺍﺨل ﺍﻟﻤﻌﺎﻟﺠﺎﺕ ﻫﻲ ﻀﺭﻭﺭﺓ ﺃﺨﺫ ﺍﻟﺤﻴﻁﺔ ﻋﻨﺩ ﺍﻻﺴﺘﻜﺸﺎﻑ ﺍﻷﻭﻟﻲ ﻟﺒﻴﺎﻨﺎﺕ ﻫﺫﻩ ﺍﻟﺘﺠﺎﺭﺏ ﻨﻅﺭﹰﺍ ﻟﻠﻁﺭﻴﻘﺔ ﺍﻟﺘﻲ ﻴﻔﺭﻀﻬﺎ ﺍﻟﺘﺼﻤﻴﻡ ﻋﻠﻰ ﻋﻤﻠﻴﺔ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﺍﻟﺘﻲ
ﺘﺘﻌﺎﺭﺽ ﺃﺤﻴﺎﻨﹰﺎ ﻤﻊ ﺍﻟﻁﺭﻕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻹﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻤﻥ ﺃﺠل ﺘﻨﻔﻴﺫ ﺘﻠﻙ ﺍﻷﻭﺍﻤﺭ.
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
367
ﺸﻜل : 13-10ﻨﺎﻓﺫﺓ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ -ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ GLM - Repeated Measuresﻟﺘﺤﺩﻴﺩ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤﻠﻲ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ )A*(B*C
.2 .3 .10اﻟﺘﺠﺮﺑﺔ اﻟﻤﺨﺘﻠﻄﺔ ): A*B*(C ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻴﺸﺘﻤل ﺘﺼﻤﻴﻡ ﺍﻟﺘﺠﺭﺒﺔ ﻋﻠﻰ ﻋﺎﻤﻠﻴﻥ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻫﻤﺎ A
ﻭ Bﻭﻋﺎﻤل ﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﺍﺤﺩ ﻭﻫﻭ ، Cﻭﻟﻨﻔﺭﺽ ﺃﻨﻨﺎ ﻨﺭﻏﺏ ﻓﻲ ﺇﻀﺎﻓﺔ ﻋﺎﻤل ﺘﺠﺭﺒﺔ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺠﺩﻴﺩ ﺇﻟﻰ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻌﺎﻤﻠﻴﺔ ) A*(Bﺍﻟﺘﻲ ﺘﻡ
ﻭﺼﻔﻬﺎ ﻓﻲ ﺍﻟﻘﺴﻡ ﺍﻟﺴﺎﺒﻕ .2 .10ﻤﻥ ﻫﺫﺍ ﺍﻟﻔﺼل ﻭﻫﻭ ﻋﺎﻤل ﻨﻭﻉ ﺍﻟﻁﺎﻟﺏ Sex
)ﺒﺎﻟﻤﺴﺘﻭﻴﻴﻥ :ﺫﻜﺭ Maleﻭﺃﻨﺜﻰ ،(Femaleﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺠﻤﻴﻊ ﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﺠﺭﺒﺔ
)ﺴﻭﺍﺀ ﻁﻠﺒﺔ ﺍﻟﻬﻨﺩﺴﺔ ﺃﻡ ﻋﻠﻡ ﺍﻟﻨﻔﺱ ﻭﻜﺫﻟﻙ ﺫﻜﻭﺭ ﻜﺎﻨﻭﺍ ﺃﻡ ﺇﻨﺎﺙ( ﻴﺠﺏ ﻋﻠﻴﻬﻡ ﺃﻥ
ﻴﺘﻌﺭﻓﻭﺍ ﻋﻠﻰ ﺍﻷﺸﻜﺎل ﺍﻟﺜﻼﺜﺔ )ﺍﻟﻤﺜﻠﺙ ﻭﺍﻟﻤﺭﺒﻊ ﻭﺍﻟﻤﺴﺘﻁﻴل( ،ﻭﺒﺫﻟﻙ ﻓﺈﻥ ﺍﻟﺘﺠﺭﺒﺔ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻫﻲ ﻤﻥ ﻨﻭﻉ ) A*B*(Cﺍﻵﻥ .
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
368
ﻭﺒﺎﻟﺘﺎﻟﻲ ﺴﻴﻜﻭﻥ ﻟﺩﻴﻨﺎ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻤﺘﻐﻴﺭﻴﻥ ﺘﺼﻨﻴﻑ ﺍﻵﻥ ﻫﻤﺎ ﺍﻟﺘﺨﺼﺹ categoryﻭﺍﻟﺠﻨﺱ sexﻭﻫﻨﺎﻙ ﺃﻴﻀﹰﺎ ﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ ﻟﻠﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻫﻲ :ﺍﻟﻤﺜﻠﺙ triangleﻭﺍﻟﻤﺭﺒﻊ squareﻭﺍﻟﻤﺴﺘﻁﻴل ، rectangleﻭﻜل ﻤﻥ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﺜﻼﺜﺔ ﻟﻬﺫﺍ ﺍﻟﻌﺎﻤل ﺴﺘﻤﺜل ﺒﻤﺘﻐﻴﺭ ﻜﻤﺎ ﺴﺒﻕ ،ﻭﺒﺫﻟﻙ ﻓﺈﻨﻪ ﺴﻴﻅﻬﺭ ﻓﻲ
ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Editorﻟﻨﻅﺎﻡ SPSSﺨﻤﺱ ﻤﺘﻐﻴﺭﺍﺕ ﻓﻘﻁ ﺒﺨﻤﺱ ﺃﻋﻤﺩﺓ
ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﻋﻤﻭﺩ ﺭﻗﻡ ﺍﻟﻤﻔﺭﺩﺓ caseﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ.
ﻭﺴﻴﺘﻡ ﺍﺘﺒﺎﻉ ﺠﻤﻴﻊ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺴﺎﺒﻘﺔ ﻓﻲ ﺘﺤﻠﻴل ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ،ﺍﻻﺨﺘﻼﻑ ﺍﻟﻭﺤﻴﺩ ﻫﻨﺎ ﺴﻴﻜﻭﻥ ﻋﻨﺩ ﺇﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺤﻴﺙ ﺴﻴﻨﻘل ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻴﺩ ﺍﻟﺠﻨﺱ sex
ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻌﻭﺍﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ) ، Between-Subjects Factor(sﻭﺴﺘﺒﺩﻭ ﻨﺎﻓﺫﺓ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ :ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ GLM - Repeated Measures
ﻭﻗﺩ ﺘﻡ ﺒﻬﺎ ﻤلﺀ ﺠﻤﻴﻊ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻟﻬﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ
ﻜﻤﺎ ﻓﻲ ﺸﻜل 4-10ﺃﺩﻨﺎﻩ.
.4 .10ﺗﺤﻠﻴﻞ اﻵﺛﺎر اﻟﺒﺴﻴﻄﺔ واﻟﻤﻘﺎرﻧﺎت اﻟﻤﺘﺘﺎﻟﻴﺔ : Simple Effects and Multiple Comparisons: ﻴﻌﺘﺒﺭ ﻤﻭﻀﻭﻉ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺃﺤﺩ ﺍﻟﻤﻭﺍﻀﻴﻊ ﺍﻟﻜﺒﻴﺭﺓ ﻓﻲ ﺍﻹﺤﺼﺎﺀ ،ﻭﻫﻨﺎﻙ
ﺃﺴﺎﻟﻴﺏ ﺃﺨﺭﻯ ﻜﺜﻴﺭﺓ ﺘﺘﻌﻠﻕ ﺒﻬﺫﺍ ﺍﻷﺴﻠﻭﺏ ﻭﺃﻜﺒﺭ ﻤﻥ ﻗﺩﺭﺘﻨﺎ ﻋﻠﻰ ﻋﺭﻀﻬﺎ ﺠﻤﻴﻌﻬﺎ
ﻓﻲ ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ ،ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻋﻨﺩ ﺍﻻﺴﺘﻨﺘﺎﺝ ﺒﺄﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋل ﻤﻌﻨﻭﻱ ﺒﻴﻥ
ﺍﻟﻌﻭﺍﻤل ﻴﻜﻭﻥ ﻤﻥ ﺍﻟﻤﻔﻴﺩ ﺃﻥ ﻨﻘﻭﻡ ﺒﺈﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺘﺒﺎﻴﻥ ﺃﻭﻟﻰ ﻻﺨﺘﺒﺎﺭﺍﺕ ﺇﻀﺎﻓﻴﺔ ﻵﺜﺎﺭ ﺃﺤﺩ ﺍﻟﻌﻭﺍﻤل ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻤﻌﻴﻥ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺁﺨﺭ ،ﻤﺜل ﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ
ﻟﻶﺜﺎﺭ ﺍﻟﺒﺴﻴﻁﺔ ﻴﻤﻜﻥ ﺃﻥ ﺘﺠﺭﻯ ﺠﻨﺒﹰﺎ ﺇﻟﻰ ﺠﻨﺏ ﻤﻊ ﺍﻟﻤﻘﺎﺭﻨﺎﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ﻭﻏﻴﺭ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ،ﻭﻴﻤﻜﻥ ﻟﻠﻤﺴﺘﺨﺩﻡ ﺍﻟﻐﻴﺭ ﻤﻁﻠﻊ ﻋﻠﻰ ﺘﻔﺎﺼﻴل ﻫﺫﻩ ﺍﻷﺴﺎﻟﻴﺏ ﺃﻥ
ﻴﻌﻭﺩ ﺇﻟﻰ ﻤﺭﺠﻊ ﺒﺴﻴﻁ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﻭﻀﻭﻉ ﻤﺜل ). Howell (1997
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
369
ﺸﻜل : 14-10ﻨﺎﻓﺫﺓ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ -ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ GLM - Repeated Measuresﻟﺘﺤﺩﻴﺩ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤﻠﻲ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﺘﺠﺭﺒﺔ ﻋﺎﻤﻠﻴﺔ )A*B*(C
ﻭﻫﻨﺎ ﻴﻤﻜﻥ ﺃﻥ ﻨﺫﻜﺭ ﺍﻟﻘﺎﺭﺉ ﺒﺄﻥ ﺍﻷﺨﻁﺎﺭ ﺍﻟﻨﺎﺠﻤﺔ ﻋﻥ ﺍﻟﻭﻗﻭﻉ ﻓﻲ ﺍﻟﺨﻁﺄ ﻤﻥ
ﺍﻟﻨﻭﻉ ﺍﻷﻭل ﻓﻲ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﻏﻴﺭ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ﺘﺘﻔﺎﻗﻡ ﻜﻠﻤﺎ ﺯﺍﺩ ﺘﺼﻤﻴﻡ
ﺍﻟﺘﺠﺭﺒﺔ ﺘﻌﻘﻴﺩﹰﺍ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻫﺫﺍ ﻴﺘﻁﻠﺏ ﻤﻥ ﺍﻟﺒﺎﺤﺙ ﺃﺨﺫ ﺍﻟﺤﻴﻁﺔ ﻭﺍﻟﺤﺫﺭ ﺍﻟﻼﺯﻤﻴﻥ
ﻟﻠﺘﺤﻜﻡ ﻓﻲ ﻤﻌﺩل ﺍﻟﺨﻁﺄ ﻤﻥ ﺍﻟﻨﻭﻉ ﺍﻷﻭل ﺍﻟﻜﻠﻲ ،ﻓﺎﺴﺘﺨﺩﺍﻡ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﻟﻶﺜﺎﺭ ﺍﻟﺒﺴﻴﻁﺔ ﻴﻤﻜﻥ ﺃﻥ ﻴﻌﻁﻲ ﺃﺤﺩ ﺍﻟﻤﺒﺭﺭﺍﺕ ﻟﺘﺤﺩﻴﺩ ﻤﺠﻤﻭﻋﺔ ﺃﺼﻐﺭ ﻤﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﻌﺎﻟﺠﺎﺕ ﻭﺒﺫﻟﻙ ﻴﺯﻴﺩ ﻤﻥ ﻗﻭﺓ ﻜل ﺍﺨﺘﺒﺎﺭ.
ﻓﻲ ﺘﺠﺭﺒﺔ ﺫﺍﺕ ﺘﺼﻤﻴﻡ ) A*(B*Cﻋﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﺭﺒﻤﺎ ﻴﻘﻭﺩ ﺍﻟﺤﺼﻭل
ﻋﻠﻰ ﺘﻔﺎﻋل ﺜﻼﺜﻲ ABCﻤﻌﻨﻭﻱ ﺇﻟﻰ ﺍﻟﺸﻙ ﻓﻲ ﺃﻥ ﻴﻜﻭﻥ ﺍﻟﺘﻔﺎﻋل B*Cﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ Aﻭ Bﻏﻴﺭ ﻤﺘﺠﺎﻨﺱ ﻓﻲ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ .A
) (10ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﺘﺼﻤﻴﻡ ﺍﻟﻤﺨﺘﻠﻁ
370
ﻭﻜﻤﺎ ﻫﻭ ﻤﺘﺒﻊ ﻤﻊ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ﻓﺈﻥ ﺍﻟﺘﻔﺎﻋل ﺍﻟﺒﺴﻴﻁ ﻓﻲ ﺍﺘﺠﺎﻫﻴﻥ ﻫﻭ ﻤﺎ ﻴﻤﻜﻥ ﺃﺨﺫﻩ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﻭﺍﺤﺩ ﻓﻘﻁ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻟﺙ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋﻼﺕ BCﺒﺴﻴﻁﺔ ﻋﻨﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ A1 , A2 , ....... , Aaﻟﻠﻌﺎﻤل ، A
ﻭﻜﺫﻟﻙ ﻫﻨﺎﻙ ﺘﻔﺎﻋﻼﺕ ABﺒﺴﻴﻁﺔ ﻋﻨﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ C1 , C2 , ....... , Ccﻟﻠﻌﺎﻤل C
ﻭﻫﻜﺫﺍ ، ...ﻭﻴﻘﺎل ﺃﻥ ﺍﻟﺘﻔﺎﻋل ﺍﻟﺜﻼﺜﻲ ABCﻴﻘﻊ ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺍﻟﺘﻔﺎﻋﻼﺕ ﺍﻟﺜﻨﺎﺌﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ﻏﻴﺭ ﻤﺘﺠﺎﻨﺴﺔ ﻋﻨﺩ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻟﺙ.
ﻭﻴﻤﻜﻥ ﺇﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻟﻠﺒﺤﺙ ﻋﻥ ﺍﻟﺘﻔﺎﻋﻼﺕ ﺍﻟﺜﻨﺎﺌﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ BCﻋﻨﺩ ﻤﺴﺘﻭﻴﺎﺕ ﻤﻌﻴﻨﺔ ﻟﻠﻌﺎﻤل Aﻋﻥ ﻁﺭﻴﻕ ﺇﺠﺭﺍﺀ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
ﺒﺎﻟﻌﺎﻤﻠﻴﻥ Bﻭ Cﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻤﻥ ﻫﺫﻩ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻘﻁ ،ﻭﻋﻨﺩﻤﺎ ﻴﺘﺒﻴﻥ ﺃﻥ ﻫﻨﺎﻙ
ﺘﻔﺎﻋل ﺒﺴﻴﻁ ﻴﻤﻜﻥ ﻋﻨﺩﺌ ٍﺫ ﺍﻟﻤﺘﺎﺒﻌﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻕ ﺍﻟﺘﻲ ﺘﻡ ﺸﺭﺤﻬﺎ ﻓﻲ ﺍﻟﻔﺼل
ﺍﻟﺴﺎﺒﻕ ﻹﺠﺭﺍﺀ ﻤﻘﺎﺭﻨﺎﺕ ﻤﺘﺘﺎﻟﻴﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻷﺯﻭﺍﺝ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ Bﻭ C
ﻋﻨﺩ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﻤﻁﻠﻭﺏ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ، Aﻭﻜﻤﺎ ﺘﻡ ﺘﻭﻀﻴﺤﻪ ﺴﺎﺒﻘﹰﺎ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺇﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻟﻶﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ )ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻓﻲ ﺍﻟﻭﺍﻗﻊ ﺁﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ
ﺒﺴﻴﻁﺔ( ﻭﺫﻟﻙ ﻟﺘﺒﺭﻴﺭ ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﻤﺠﻤﻭﻋﺔ ﻤﺤﺩﺩﺓ ﻓﻘﻁ ﻤﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ. ﻭﻟﻜﻥ ﻴﺠﺏ ﺃﻥ ﻨﺤﺫﺭ ﻫﻨﺎ ﺃﻨﻪ ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﻤﻌﻘﺩﺓ ﻓﺈﻥ ﻫﻨﺎﻙ
ﻤﺨﺎﻁﺭﺓ ﻓﻲ ﺃﻥ ﺘﻅﻬﺭ ﺒﻌﺽ ﺍﻟﺘﻔﺎﻋﻼﺕ ﻤﻌﻨﻭﻴﺔ ﺒﺎﻟﺼﺩﻓﺔ ﻓﻘﻁ ،ﻓﺈﺫﺍ ﻜﺎﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋل
ﻤﻌﻴﻥ ﺠﻭﻫﺭﻱ ﻭﻫﺎﻡ ﻟﻠﺒﺤﺙ ﻓﺈﻨﻪ ﻴﻔﻀل ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺘﺼﻤﻴﻡ ﺘﺠﺭﺒﺔ ﺃﺨﺭﻯ ﺘﺭﻜﺯ
ﻋﻠﻰ ﺃﺩﺍﺀ ﻤﻔﺭﺩﺍﺕ ﺍﻟﺒﺤﺙ ﻓﻲ ﻅل ﺘﻠﻙ ﺍﻟﺸﺭﻭﻁ ﻟﻠﺘﺄﻜﺩ ﻤﻥ ﺃﻥ ﺍﺘﺠﺎﻩ ﺍﻟﺘﻔﺎﻋل ﺍﻟﻤﻼﺤﻅ
ﺤﻘﻴﻘﺔ ﻗﻭﻱ ،ﻭﺇﺫﺍ ﻟﻡ ﻴﻜﻥ ﻜﺫﻟﻙ ﻓﺈﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺒﺤﺙ ﻓﻲ ﺍﻟﻭﺍﻗﻊ ﺒﻨﻴﺕ ﻋﻠﻰ ﺍﻟﺼﺩﻓﺔ ﻭﻟﻜﻨﻬﺎ ﻗﺩ ﺘﻜﻭﻥ ﻏﻴﺭ ﺤﻘﻴﻘﻴﺔ.