Spsschap17

‫]‪†Â<Äe^ŠÖ]<Ø’ËÖ‬‬

‫]‪ëçÏßÃÖ]<Øé×vjÖ‬‬ ‫‪Cluster Analysis‬‬

‫‪ .1 .17‬ﻣﻘﺪﻣﺔ‬ ‫‪ .2 .17‬ﺧﻄﻮات اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي‬ ‫‪ .3 .17‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ﺑﺎﺳﺘﺨﺪام ﻧﻈﺎم ‪SPSS‬‬ ‫‪ .1 .3 .17‬ﻃﺮق اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ﻓﻲ ﻧﻈﺎم ‪SPSS‬‬ ‫‪ .2 .3 .17‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ﻟﻠﻤﺸﺎهﺪات ﺑﺎﺳﺘﺨﺪام اﻟﻄﺮﻳﻘﺔ اﻟﻬﺮﻣﻴﺔ‬ ‫‪ .3 .3 .17‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ﺑﺎﺳﺘﺨﺪام اﻟﻄﺮﻳﻘﺔ اﻟﻬﺮﻣﻴﺔ ﻟﻠﻤﺘﻐﻴﺮات‬ ‫‪ .4 .3 .17‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ﺑﺎﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﻟﻤﺘﻮﺳﻄﺎت ‪K-Means‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪582‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪583‬‬

‫]‪†Â<Äe^ŠÖ]<Ø’ËÖ‬‬ ‫]‪ëçÏßÃÖ]<Øé×vjÖ‬‬ ‫‪Cluster Analysis‬‬ ‫‪ .1 .17‬ﻣﻘﺪﻣﺔ ‪:‬‬ ‫ﻴﻬﺩﻑ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺇﻟﻰ ﺘﺼﻨﻴﻑ ﻋﻴﻨﺔ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﺇﻟﻰ ﻓﺌﺘﻴﻥ ﻤﺘﻨﺎﻓﻴﺘﻴﻥ‬

‫ﻭﻟﻜﻥ ﻤﺠﻬﻭﻟﺘﻴﻥ ﺃﻭ ﺃﻜﺜﺭ ﺒﺎﻻﻋﺘﻤﺎﺩ ﻋﻠﻰ ﺘﺸﻜﻴﻼﺕ ﻤﻥ ﻓﺌﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‪ ،‬ﻭﻋﺎﺩﺓ‬

‫ﻴﻜﻭﻥ ﺍﻟﻐﺭﺽ ﻤﻥ ﻫﺫﺍ ﺍﻟﺘﺤﻠﻴل ﻫﻭ ﺍﻜﺘﺸﺎﻑ ﻨﻤﻁ ﻤﻌﻴﻥ ﻴﻨﻅﻡ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﻭﺍﻟﺘﻲ ﻏﺎﻟﺒﹰﺎ‬

‫ﻤﺎ ﺘﻜﻭﻥ ﺃﻓﺭﺍﺩ ﻭﻴﻘﺴﻤﻬﺎ ﺇﻟﻰ ﻤﺠﻤﻭﻋﺎﺕ ﺘﺘﻤﺘﻊ ﻋﻨﺎﺼﺭﻫﺎ ﺒﺨﻭﺍﺹ ﻤﺸﺘﺭﻜﺔ‪ ،‬ﻓﻴﻤﻜﻥ‬

‫ﻟﺸﺨﺹ ﻤﺎ ﻭﺒﺴﻬﻭﻟﺔ ﺍﻟﺘﻨﺒﺅ ﺒﺘﺼﺭﻓﺎﺕ ﺃﻭ ﺨﻭﺍﺹ ﺃﻓﺭﺍﺩ ﺁﺨﺭﻴﻥ ﺃﻭ ﺃﺸﻴﺎﺀ ﺃﺨﺭﻯ‬ ‫ﺒﺎﻻﻋﺘﻤﺎﺩ ﻋﻠﻰ ﻤﻌﺭﻓﺔ ﺍﻟﻔﺌﺎﺕ ﺍﻟﺘﻲ ﺘﻨﺘﻤﻲ ﺇﻟﻴﻬﺎ ﻫﺅﻻﺀ ﺍﻟﻤﻔﺭﺩﺍﺕ ﺴﻭﺍﺀ ﻜﺎﻨﺕ ﺃﺸﺨﺎﺹ‬

‫ﺃﻭ ﺃﺸﻴﺎﺀ ﻭﺫﻟﻙ ﺇﺫﺍ ﻜﺎﻨﺕ ﻋﻨﺎﺼﺭ ﺘﻠﻙ ﺍﻟﻔﺌﺎﺕ ﺘﺸﺘﺭﻙ ﻤﻌﹰﺎ ﻓﻲ ﻨﻔﺱ ﺍﻟﺨﻭﺍﺹ‪ ،‬ﻭﻟﻜﻥ‬

‫ﺒﺼﻔﺔ ﻋﺎﻤﺔ ﻴﻜﻭﻥ ﺃﺼﻌﺏ ﻟﻬﺫﺍ ﺍﻟﺸﺨﺹ ﺍﻟﺘﻨﺒﺅ ﺒﺩﻗﺔ ﺒﺘﺼﺭﻓﺎﺕ ﺃﻭ ﺨﻭﺍﺹ ﺍﻟﻤﻔﺭﺩﺍﺕ‬

‫ﺒﺎﻻﻋﺘﻤﺎﺩ ﻋﻠﻰ ﻤﺸﺎﻫﺩﺍﺕ ﻗﺎﺌﻤﺔ ﻋﻠﻰ ﺘﺼﺭﻓﺎﺕ ﺃﻭ ﺨﻭﺍﺹ ﺃﺨﺭﻯ ﺨﻼﻑ ﺘﻠﻙ‬

‫ﺍﻟﺨﺎﺼﻴﺔ ﺍﻟﻤﺠﻬﻭﻟﺔ‪.‬‬

‫ﻼ ﺃﻥ ﺸﺨﺹ ﻴﺭﻏﺏ ﻓﻲ ﺍﻟﺘﻨﺒﺅ ﺒﻜﻴﻔﻴﺔ ﺍﺴﺘﺠﺎﺒﺔ ﺍﻟﺤﻴﻭﺍﻨﺎﺕ ﻋﻨﺩ‬ ‫ﻟﻨﻔﺭﺽ ﻤﺜ ﹰ‬

‫ﺴﻤﺎﻋﻬﺎ ﻜﻠﻤﺔ ﻤﻌﻴﻨﺔ‪ ،‬ﻭﻴﻤﻜﻥ ﺃﻥ ﻴﻌﻁﻰ ﻫﺫﺍ ﺍﻟﺸﺨﺹ ﻤﻌﻠﻭﻤﺎﺕ ﻋﻥ ﺤﺠﻡ ﻭﻭﺯﻥ ﻫﺫﺍ‬

‫ﺍﻟﺤﻴﻭﺍﻥ ﻭﺴﺭﻋﺘﻪ ﻭﻋﺩﺩ ﺴﺎﻋﺎﺕ ﻨﻭﻤﻪ ﻓﻲ ﺍﻟﻴﻭﻡ ﻭﻤﺎ ﺇﻟﻰ ﺫﻟﻙ ﻤﻥ ﻤﺘﻐﻴﺭﺍﺕ ﺜﻡ ﻴﻘﻭﻡ‬

‫ﺒﺭﺒﻁ ﻜل ﻫﺫﻩ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﻟﻠﺘﻨﺒﺅ ﺒﻁﺭﻴﻘﺔ ﺍﺴﺘﺠﺎﺒﺔ ﺍﻟﺤﻴﻭﺍﻥ‪ ،‬ﺃﻭ ﺭﺒﻤﺎ ﻴﺘﻭﻓﺭ ﻟﻬﺫﺍ‬

‫ﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﺸﺨﺹ ﺘﺘﻌﻠﻕ ﺒﺄﻥ ﺍﻟﺤﻴﻭﺍﻥ ﺍﻟﻤﻘﺼﻭﺩ ﻫﻭ ﻗﻁ ﺃﻭ ﻜﻠﺏ‪ ،‬ﻓﻬﺫﻩ ﺍﻟﻤﻌﻠﻭﻤﺔ‬ ‫ﻭﺤﺩﻫﺎ ﻗﺩ ﺘﺴﺎﻋﺩ ﻓﻲ ﺍﻟﺘﻨﺒﺅ ﺒﻌﺩﺩ ﻜﺒﻴﺭ ﻤﻥ ﺘﺼﺭﻓﺎﺕ ﻫﺫﺍ ﺍﻟﺤﻴﻭﺍﻥ‪ ،‬ﻓﺎﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫ﻴﻬﺘﻡ ﺒﺠﻤﻊ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﻋﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﺭﺒﻁﻬﺎ ﻤﻌﹰﺎ ﺒﻁﺭﻴﻘﺔ ﺘﻤﻜﻥ ﻤﻥ ﺘﺼﻨﻴﻑ ﻫﺫﻩ‬ ‫ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﻤﺠﻤﻭﻋﺎﺕ ﻤﻔﻴﺩﺓ )ﻤﺜل ﺘﺤﺩﻴﺩ ﻨﻭﻉ ﺍﻟﺤﻴﻭﺍﻥ ﻗﻁ ﺃﻡ ﻜﻠﺏ(‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪584‬‬

‫ﻓﺎﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ‪ Cluster analysis‬ﻴﻬﺘﻡ ﺒﺘﺼﻨﻴﻑ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﻓﺌﺎﺕ ﻏﻴﺭ‬ ‫ﻤﻌﺭﻭﻓﺔ ﻤﺴﺒﻘﹰﺎ ﺒﺨﻼﻑ ﺩﺍﻟﺔ ﺍﻟﺘﺼﻨﻴﻑ ‪ Discriminant function‬ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻁﺒﻘﻲ‬

‫‪ Discriminant analysis‬ﺍﻟﺘﻲ ﺘﻬﺘﻡ ﺒﺘﺼﻨﻴﻑ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﻓﻲ ﻓﺌﺎﺕ ﻤﺤﺩﺩﺓ ﻤﺴﺒﻘﺎﹰ‪،‬‬ ‫ﻭﻟﺫﻟﻙ ﻓﺈﻥ ﻤﻬﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺘﻌﺘﺒﺭ ﺃﺼﻌﺏ ﻤﻥ ﻤﻬﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻁﺒﻘﻲ‪ ،‬ﻜﻤﺎ ﺃﻥ‬

‫ﺍﻟﺘﺤﻠﻴل ﺍﻟﻁﺒﻘﻲ ﻟﻪ ﺃﺴﺎﻟﻴﺒﻪ ﺍﻟﻤﺤﺩﺩﺓ ﺍﻟﻭﺍﻀﺤﺔ ﻭﺍﻟﺩﻗﻴﻘﺔ‪ ،‬ﺒﻴﻨﻤﺎ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫ﻼ ﻫﻨﺎﻙ‬ ‫ﻴﺘﻁﻠﺏ ﺘﺤﺩﻴﺩ ﻋﻭﺍﻤل ﻭﺨﻴﺎﺭﺍﺕ ﻜﺜﻴﺭﺓ ﺘﺅﺜﺭ ﻓﻲ ﻤﺠﺭﻯ ﻭﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل‪ ،‬ﻓﻤﺜ ﹸ‬

‫ﻋﺩﺩ ﻜﺒﻴﺭ ﻤﻥ ﺍﻟﻁﺭﻕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﺍﻟﻤﺒﺭﺭﺓ ﺭﻴﺎﻀﻴﹰﺎ ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺃﻱ ﻤﻨﻬﺎ ﻓﻲ ﺍﻟﺘﺤﻠﻴل‬ ‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﻭﻟﻜﻨﻬﺎ ﻓﻲ ﺍﻟﻐﺎﻟﺏ ﺘﻌﻁﻲ ﻨﺘﺎﺌﺞ ﻤﺨﺘﻠﻔﺔ‪ ،‬ﻭﻤﻬﻤﺔ ﺘﺤﺩﻴﺩ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻤﺴﺘﺨﺩﻤﺔ‬

‫ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﻟﻴﺴﺕ ﻋﻤﻠﻴﺔ ﻤﺒﺎﺸﺭﺓ ‪.‬‬

‫ﻭﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺫﻟﻙ ﻓﻘﺩ ﺃﺜﺒﺕ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻨﺠﺎﺤﹰﺎ ﻋﻅﻴﻤﹰﺎ ﻓﻲ‬

‫ﻋﻠﻭﻡ ﻜﺜﻴﺭﺓ ﻤﺜل ﺍﻟﺼﺤﺔ ﺍﻟﻌﺎﻤﺔ ﻭﺍﻟﻁﺏ ﻭﺍﻟﺘﺴﻭﻴﻕ ﻭﻏﻴﺭﻩ‪ ،‬ﺇﺫ ﺃﻤﻜﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻫﺫﺍ‬

‫ﺍﻷﺴﻠﻭﺏ ﻓﻲ ﺤﺎﻻﺕ ﻜﺜﻴﺭﺓ ﺘﻘﺴﻴﻡ ﺍﻟﻤﺠﺘﻤﻊ ﺇﻟﻰ ﺘﺠﻤﻌﺎﺕ ﺒﻬﺩﻑ ﺘﺤﺩﻴﺩ ﺃﻭﻟﻭﻴﺎﺕ‬

‫ﺍﻟﺭﻋﺎﻴﺔ ﺍﻟﺼﺤﻴﺔ ﺃﻭ ﺍﻟﺘﺴﻭﻴﻕ ﺃﻭ ﻏﻴﺭﻩ‪ ،‬ﻭﺃﺜﺒﺘﺕ ﺍﻟﺘﺼﻨﻴﻔﺎﺕ ﺍﻟﻨﺎﺘﺠﺔ ﺃﻨﻬﺎ ﺫﺍﺕ ﻓﺎﺌﺩﺓ‬ ‫ﻋﻅﻴﻤﺔ ﺴﻭﺍﺀ ﻓﻲ ﺘﻭﺯﻴﻊ ﺍﻟﻨﺸﺭﺍﺕ ﺍﻟﺼﺤﻴﺔ ﺃﻭ ﺍﻟﺘﺠﺎﺭﻴﺔ ﻭﻜﺫﻟﻙ ﻓﻲ ﺘﺤﺩﻴﺩ ﻤﺭﺍﻜﺯ‬ ‫ﺍﻟﺭﻋﺎﻴﺔ ﺍﻟﺼﺤﻴﺔ ﺃﻭ ﺍﻟﻤﺤﺎل ﺍﻟﺘﺠﺎﺭﻴﺔ ﺇﻟﻰ ﻓﺌﺎﺕ ﺍﻟﻤﺠﺘﻤﻊ ﺫﺍﺕ ﺍﻷﻜﺜﺭ ﺠﺩﻭﻯ‪.‬‬

‫ﻭﻟﻤﺠﺭﺩ ﺘﻭﻀﺢ ﻓﻜﺭﺓ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺴﻨﺄﺨﺫ ﺤﺎﻟﺔ )ﻏﻴﺭ ﻋﻤﻠﻴﺔ( ﻟﻠﺘﺤﻠﻴل‬

‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻤﺘﻐﻴﺭ ﻭﺍﺤﺩ‪ ،‬ﻭﻓﻲ ﻤﺜل ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻓﻲ ﺍﻟﻭﺍﻗﻊ ﻻ ﻨﺤﺘﺎﺝ ﺇﻟﻰ ﺃﺴﺎﻟﻴﺏ‬ ‫ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻷﻥ ﺘﺼﻨﻴﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﻬﺎ ﻴﺘﻡ ﺒﻁﺭﻴﻘﺔ ﻤﺒﺎﺸﺭﺓ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺭﺴﻡ ﺒﻴﺎﻨﻲ‬ ‫ﺒﺴﻴﻁ ﻜﺸﻜل ﺍﻻﻨﺘﺸﺎﺭ ‪ scatter plot‬ﺃﻭ ﺍﻟﻤﻨﺤﻨﻰ ﺍﻟﺘﻜﺭﺍﺭﻱ ‪ polygon‬ﻤﺜﻼﹰ‪ ،‬ﻓﺴﻭﻑ‬

‫ﻨﻔﺭﺽ ﺃﻥ ﻟﺩﻴﻨﺎ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ ﻟﻌﺸﺭﺓ ﻤﻥ ﺍﻟﻁﻠﺒﺔ )‪ (a-j‬ﻓﻲ ﺃﺤﺩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ‪:‬‬ ‫‪j‬‬ ‫‪32‬‬

‫‪i‬‬ ‫‪25‬‬

‫‪h‬‬ ‫‪23‬‬

‫‪g‬‬ ‫‪23‬‬

‫‪f‬‬ ‫‪21‬‬

‫‪e‬‬ ‫‪18‬‬

‫‪d‬‬ ‫‪18‬‬

‫‪c‬‬ ‫‪13‬‬

‫‪b‬‬ ‫‪11‬‬

‫‪a‬‬ ‫‪11‬‬

‫‪Student‬‬ ‫‪Mark‬‬

‫ﻭﻴﻤﻜﻥ ﺭﺴﻡ ﺍﻟﻤﻨﺤﻨﻰ ﺍﻟﺘﻜﺭﺍﺭﻱ ﺍﻟﻨﺴﺒﻲ ﻟﻬﺫﻩ ﺍﻟﺩﺭﺠﺎﺕ ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ 1-17‬ﺍﻟﺘﺎﻟﻲ‪:‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪585‬‬

‫ﺸﻜل ‪ : 1-17‬ﺍﻟﻤﻨﺤﻨﻰ ﺍﻟﺘﻜﺭﺍﺭﻱ ﺍﻟﻨﺴﺒﻲ ﻟﺩﺭﺠﺎﺕ ﻋﺸﺭﺓ ﻁﻼﺏ ﻓﻲ ﺃﺤﺩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ‬

‫‪.20‬‬

‫‪.15‬‬

‫‪Relative Frequency‬‬

‫‪.25‬‬

‫‪.10‬‬

‫‪.05‬‬

‫‪0.00‬‬ ‫‪35‬‬

‫‪30‬‬

‫‪25‬‬

‫‪20‬‬

‫‪15‬‬

‫‪10‬‬

‫‪Score‬‬

‫ﻭﻴﺘﻀﺢ ﺠﻠﻴﹰﺎ ﻤﻥ ﻫﺫﺍ ﺍﻟﺸﻜل ﺃﻥ ﻫﻨﺎﻙ ﻤﺠﻤﻭﻋﺘﻴﻥ ﻤﻥ ﺍﻟﻁﻼﺏ‪ ،‬ﺍﻷﻭﻟﻰ ﺘﻀﻡ‬

‫ﻜﹰ‬ ‫ﻼ ﻤﻥ ‪ d‬ﻭ ‪ e‬ﻭ ‪ f‬ﻭ ‪ g‬ﻭ‬ ‫ﻼ ﻤﻥ ﺍﻟﻁﻠﺒﺔ ‪ a‬ﻭ ‪ b‬ﻭ ‪ ، c‬ﺃﻤﺎ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ ﻓﺘﻀﻡ ﻜ ﹰ‬

‫‪ h‬ﻭ ‪) i‬ﺃﻱ ﺍﻟﺒﺎﻗﻴﻥ ﺒﺎﺴﺘﺜﻨﺎﺀ ‪ ،(j‬ﻭﻫﺫﺍ ﺍﻟﺘﺼﻨﻴﻑ ﻴﺸﺭﺡ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺸﻜل ﺠﻴﺩ ‪ ،‬ﻭﻟﻜﻥ‬ ‫ﻋﻨﺩﻤﺎ ﻴﺘﻌﻠﻕ ﺍﻷﻤﺭ ﺒﺒﻴﺎﻨﺎﺕ ﻤﺘﻌﺩﺩﺓ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﻤﻌﻘﺩﺓ ﻓﺈﻥ ﻤﺜل ﻫﺫﺍ ﺍﻟﺸﻜل ﺍﻟﺒﺴﻴﻁ ﻟﻥ‬

‫ﻴﻜﻭﻥ ﺭﺴﻤﻪ ﻤﻤﻜﻨﺎﹰ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻﺒﺩ ﻤﻥ ﺘﺤﻠﻴل ﻴﺘﻨﺎﺴﺏ ﻤﻊ ﻁﺒﻴﻌﺔ ﺍﻟﻤﺸﻜﻠﺔ‪ ،‬ﻭﺍﻟﻘﺴﻡ‬ ‫ﺍﻟﺘﺎﻟﻲ ﻤﻥ ﻫﺫﺍ ﺍﻟﻔﺼل ﻴﻭﻀﺢ ﺨﻁﻭﺍﺕ ﻤﺜل ﻫﺫﺍ ﺍﻟﺘﺤﻠﻴل‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪586‬‬

‫‪ .2 .17‬ﻣﺮاﺣﻞ اﺟﺮاء اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ‪:‬‬ ‫‪Stages in Cluster Analysis :‬‬ ‫ﻴﺒﺩﺃ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻋﺎﺩﺓ ﺒﺘﻜﻭﻴﻥ ﻤﺎ ﻴﺴﻤﻰ ﺒﺠﺩﻭل ﺍﻟﺘﺸﺎﺒﻪ ﺍﻟﻨﺴﺒﻲ ‪table of‬‬

‫‪ relative similarities‬ﺃﻭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﺠﻤﻴﻊ ﺍﻟﻭﺤﺩﺍﺕ‪ ،‬ﺜﻡ ﺍﺴﺘﺨﺩﺍﻡ ﻫﺫﻩ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ‬ ‫ﻟﺭﺒﻁ ﻫﺫﻩ ﺍﻟﻭﺤﺩﺍﺕ ﻓﻲ ﺸﻜل ﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﻴﻁﻠﻕ ﻋﻠﻰ ﺠﺩﻭل ﺍﻟﺘﺸﺎﺒﻪ ﺍﻟﻨﺴﺒﻲ ﻫﻨﺎ‬

‫"ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ" ‪ ، proximities matrix‬ﻭﻴﻁﻠﻕ ﻋﻠﻰ ﻁﺭﻴﻘﺔ ﺭﺒﻁ ﺍﻟﻭﺤﺩﺍﺕ ﻤﻊ‬ ‫ﺒﻌﻀﻬﺎ ﻓﻲ ﺸﻜل ﻤﺠﻤﻭﻋﺎﺕ "ﺒﻁﺭﻴﻘﺔ ﺍﻟﺘﺠﻤﻴﻊ" ‪ ، clustering algorithm‬ﻭﺍﻟﻔﻜﺭﺓ‬ ‫ﻫﻲ ﺭﺒﻁ ﺍﻟﻭﺤﺩﺍﺕ ﺍﻟﺘﻲ ﺘﺘﺸﺎﺒﻪ ﻤﻊ ﺒﻌﻀﻬﺎ ﻓﻲ ﻤﺠﻤﻭﻋﺎﺕ ﻤﻨﻔﺼﻠﺔ‪.‬‬

‫ﻓﻌﻤﻠﻴﹰﺎ ﻴﺒﺩﺃ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ‪ Cluster analysis‬ﻋﺎﺩﺓ ﺒﺘﻜﻭﻴﻥ ﻤﺼﻔﻭﻓﺔ ﻤﻥ‬

‫ﺍﻟﺒﻴﺎﻨﺎﺕ ﺤﻴﺙ ﺘﻤﺜل ﺍﻟﻭﺤﺩﺍﺕ ﻓﻲ ﺍﻟﺼﻔﻭﻑ ﺒﻴﻨﻤﺎ ﺘﻤﺜل ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﻓﻲ ﺍﻷﻋﻤﺩﺓ‪ ،‬ﻭﻤﻥ‬ ‫ﻫﺫﻩ ﺍﻟﺒﺩﺍﻴﺔ ﻴﺘﻡ ﺘﻜﻭﻴﻥ ﺠﺩﻭل ﺤﻴﺙ ﺘﻤﺜل ﺍﻟﻭﺤﺩﺍﺕ ﺒﻜل ﻤﻥ ﺼﻔﻭﻓﻪ ﻭﺃﻋﻤﺩﺘﻪ‪ ،‬ﻭﺍﻟﻘﻴﻡ‬

‫ﻓﻲ ﺍﻟﺠﺩﻭل ﺘﻤﺜل "ﻤﻘﺎﻴﻴﺱ ﺍﻟﻘﺭﺍﺒﺔ" ‪ measures of similarity‬ﺃﻭ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﺃﺯﻭﺍﺝ‬ ‫ﺍﻟﻭﺤﺩﺍﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ‪.‬‬

‫ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻤﻥ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬ ‫‪X5‬‬

‫‪X4‬‬

‫‪X3‬‬

‫‪X2‬‬

‫‪X1‬‬ ‫‪O1‬‬ ‫‪O2‬‬ ‫‪O3‬‬ ‫‪O4‬‬

‫ﺍﻟﺘﺎﻟﻲ‪:‬‬

‫ﻴﻤﻜﻥ ﺘﻜﻭﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ ‪ proximities matrix‬ﺍﻟﺘﻲ ﺴﺘﻅﻬﺭ ﺒﺎﻟﺸﻜل‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪O4‬‬

‫‪587‬‬

‫‪O3‬‬

‫‪O2‬‬

‫‪O1‬‬ ‫‪O1‬‬ ‫‪O2‬‬ ‫‪O3‬‬ ‫‪O4‬‬

‫ﻻﺤﻅ ﺃﻥ ﻫﻨﺎﻙ ﻓﺭﻕ ﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ ‪ proximities matrix‬ﺍﻟﻤﺴﺘﺨﺩﻤﺔ‬

‫ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻭﺍﻟﺘﻲ ﻅﻬﺭﺕ ﺃﻋﻼﻩ ﻭﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ‪correlation‬‬

‫‪ matrix‬ﻤﻥ ﺤﻴﺙ ﺃﻥ ﺍﻟﺘﻤﺎﺜل ﻓﻲ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺒﻴﻥ ﺍﻟﻭﺤﺩﺍﺕ )‪ (Oi , Oj‬ﺒﻴﻨﻤﺎ ﻜﺎﻥ‬ ‫ﺍﻟﺘﻤﺎﺜل ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ )‪. (Xi , Xj‬‬

‫ﻭﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻋﺎﺩﺓ ﺘﻭﺍﺠﻪ ﺍﻟﺒﺎﺤﺙ ﻤﺸﻜﻠﺘﻴﻥ‪ ،‬ﺍﻟﻤﺸﻜﻠﺔ ﺍﻷﻭﻟﻰ ﺘﺘﻌﻠﻕ‬

‫ﺒﺄﻱ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻴﺠﺏ ﺠﻤﻌﻬﺎ ﻭﺇﺩﺨﺎﻟﻬﺎ ﻓﻲ ﺍﻟﺘﺤﻠﻴل‪ ،‬ﻓﺎﺨﺘﻴﺎﺭ ﻤﺘﻐﻴﺭﺍﺕ ﻏﻴﺭ ﻤﻨﺎﺴﺒﺔ ﻻ‬ ‫ﻼ ﺇﻀﺎﻓﺔ ﻋﺩﺩ ﺃﺭﺠل ﺍﻟﺤﻴﻭﺍﻥ‬ ‫ﻴﺴﺎﻋﺩ ﻓﻲ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺼﻨﻴﻑ‪ ،‬ﻓﻔﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻤﺜ ﹰ‬

‫ﻜﻤﺘﻐﻴﺭ ﻟﻥ ﻴﻀﻴﻑ ﺃﻱ ﻤﻌﻠﻭﻤﺎﺕ ﻜﺜﻴﺭﺓ ﺇﻟﻰ ﺍﻟﺘﺤﻠﻴل ﺨﺎﺼﺔ ﺇﺫﺍ ﺍﺤﺘﻭﺕ ﺍﻟﺘﺠﺭﺒﺔ‬ ‫ﺍﻟﺴﺎﺒﻘﺔ ﻋﻠﻰ ﺍﻟﻘﻁﻁ ﻭﺍﻟﻜﻼﺏ ﻓﻘﻁ‪ ،‬ﻭﺍﻟﻤﺸﻜﻠﺔ ﺍﻟﺜﺎﻨﻴﺔ ﻫﻲ ﻜﻴﻑ ﻴﻤﻜﻥ ﺭﺒﻁ ﺍﻟﻌﺩﻴﺩ ﻤﻥ‬

‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻤﻌﹰﺎ ﻓﻲ ﻗﻴﻤﺔ ﻭﺤﻴﺩﺓ ﺃﻭ ﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ‪ ،‬ﻭﻫﺫﻩ ﺍﻟﻤﺴﺄﻟﺔ ﺘﻔﺼل ﺒﻴﻥ ﺍﻟﺘﺤﻠﻴل‬ ‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻷﺤﺎﺩﻱ ﻭﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻟﻤﺘﻌﺩﺩ‪ ،‬ﻓﺎﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻷﺤﺎﺩﻱ ﻴﻌﺘﻤﺩ ﻓﻲ‬

‫ﺘﺼﻨﻴﻔﻪ ﻋﻠﻰ ﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ ﺒﻴﻨﻤﺎ ﻴﻌﺘﻤﺩ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻟﻤﺘﻌﺩﺩ ﻓﻲ ﺍﻟﺘﺼﻨﻴﻑ ﻋﻠﻰ‬ ‫ﻋﺩﺓ ﻤﺘﻐﻴﺭﺍﺕ‪.‬‬

‫ﻭﻟﻠﺘﻭﻀﻴﺢ‪ ،‬ﻟﻨﺄﺨﺫ ﺍﻵﻥ ﺍﻟﻤﺸﻜﻠﺔ ﺍﻷﻜﺜﺭ ﺴﻬﻭﻟﺔ ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻷﺤﺎﺩﻱ‬ ‫ﻭﺘﺘﻌﻠﻕ ﺒﻜﻴﻔﻴﺔ ﺭﺒﻁ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻘﻴﺎﺴﺎﺕ ﻓﻲ ﻤﻘﻴﺎﺱ ﻭﺤﻴﺩ ﻴﻤﺜل ﺒﺎﻟﻔﺭﻕ ﺒﻴﻥ‬

‫ﺍﻟﻭﺤﺩﺍﺕ‪ ،‬ﻭﻟﻨﻔﺘﺭﺽ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ ﻟﻌﻴﻨﺔ ﻤﻥ ‪ 4‬ﻤﻥ ﺍﻟﻁﻠﺒﺔ ﻋﻠﻰ ﺃﺤﺩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ‪:‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪588‬‬

‫ﺍﻟﻁﺎﻟﺏ‬

‫ﺍﻟﺩﺭﺠﺔ‬

‫‪a‬‬

‫‪11‬‬

‫‪b‬‬

‫‪11‬‬

‫‪c‬‬

‫‪13‬‬

‫‪d‬‬

‫‪18‬‬

‫ﻭﺴﻭﻑ ﺘﻅﻬﺭ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ ‪ proximities matrix‬ﻟﻬﺫﻩ ﺍﻟﻤﺠﻤﻭﻋﺔ ﻜﻤﺎ ﻴﻠﻲ‪:‬‬ ‫‪d‬‬

‫‪c‬‬

‫‪b‬‬

‫‪a‬‬ ‫‪a‬‬ ‫‪b‬‬ ‫‪c‬‬ ‫‪d‬‬

‫ﻭﺴﻭﻑ ﻨﺸﻴﺭ ﺇﻟﻰ ﻤﺤﺘﻭﻴﺎﺕ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺒﺎﻟﺭﻤﺯ "‪ ، "D‬ﻭﻫﻭ ﻤﻘﻴﺎﺱ ﻴﻌﺒﺭ ﻋﻥ‬

‫ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ ﻭﺤﺩﺘﻴﻥ‪ ،‬ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﺴﻭﻑ ﻴﻌﺒﺭ ﺍﻟﺭﻤﺯ ‪ D34‬ﻋﻥ ﻤﺤﺘﻭﻴﺎﺕ‬

‫ﺍﻟﺨﻠﻴﺔ ﻓﻲ ﺍﻟﺼﻑ ‪ 3‬ﻭﺍﻟﻌﻤﻭﺩ ‪ 4‬ﺃﻭ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺘﻘﺎﻁﻊ ﺍﻟﻁﺎﻟﺏ ‪ c‬ﻤﻊ ﺍﻟﻁﺎﻟﺏ ‪،d‬‬ ‫ﻓﺄﺤﺩ ﺍﻟﻁﺭﻕ ﺍﻟﻤﺴﺘﺨﺩﻤﺔ ﻟﻠﺘﻌﺒﻴﺭ ﻋﻥ ﻤﺤﺘﻭﻴﺎﺕ ﺍﻟﺨﻼﻴﺎ )ﺍﻟﻤﻘﻴﺎﺱ ‪ (D‬ﻫﻲ ﺤﺴﺎﺏ‬ ‫ﺍﻟﻘﻴﻤﺔ ﺍﻟﻤﻁﻠﻘﺔ ﻟﻠﻔﺭﻕ ﺒﻴﻥ ﺩﺭﺠﺘﻲ ﺍﻟﻁﺎﻟﺒﻴﻥ‪ ،‬ﻭﺒﺘﻁﺒﻴﻕ ﻫﺫﺍ ﺍﻟﻤﻘﻴﺎﺱ ﻋﻠﻰ ﺩﺭﺠﺎﺕ‬

‫ﺍﻟﻁﻼﺏ ﺴﻭﻑ ﺘﻅﻬﺭ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ ‪ proximities matrix‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻷﻴﺴﺭ‬

‫ﻤﻥ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ‪ ،‬ﻭﻁﺭﻴﻘﺔ ﺃﺨﺭﻯ ﻤﺴﺘﺨﺩﻤﺔ ﻟﻠﺘﻌﺒﻴﺭ ﻋﻥ ﻫﺫﻩ ﺍﻟﻘﻴﻡ ﻫﻲ ﻤﺭﺒﻊ ﺍﻟﻔﺭﻕ‬

‫ﺒﻴﻥ ﺩﺭﺠﺘﻲ ﺍﻟﻁﺎﻟﺒﻴﻥ‪ ،‬ﻭﺒﺘﻁﺒﻴﻕ ﻫﺫﺍ ﺍﻟﻤﻘﻴﺎﺱ ﻋﻠﻰ ﺩﺭﺠﺎﺕ ﺍﻟﻁﻼﺏ ﺴﻭﻑ ﺘﻅﻬﺭ‬ ‫ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ ‪ proximities matrix‬ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻷﻴﻤﻥ ﻤﻥ ﺍﻟﺸﻜل‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪589‬‬

‫‪d‬‬

‫‪c‬‬

‫‪b‬‬

‫‪a‬‬

‫‪d‬‬

‫‪c‬‬

‫‪b‬‬

‫‪a‬‬

‫‪7‬‬

‫‪2‬‬

‫‪0‬‬

‫‪0‬‬

‫‪A‬‬

‫‪49‬‬

‫‪4‬‬

‫‪0‬‬

‫‪0‬‬

‫‪a‬‬

‫‪2‬‬

‫‪0‬‬

‫‪0‬‬

‫‪B‬‬

‫‪49‬‬

‫‪4‬‬

‫‪0‬‬

‫‪0‬‬

‫‪b‬‬

‫‪7‬‬

‫‪2‬‬

‫‪2‬‬

‫‪C‬‬

‫‪25‬‬

‫‪0‬‬

‫‪4‬‬

‫‪4‬‬

‫‪c‬‬

‫‪5‬‬

‫‪0‬‬

‫‪7‬‬

‫‪7‬‬

‫‪D‬‬

‫‪0‬‬

‫‪25‬‬

‫‪49‬‬

‫‪49‬‬

‫‪d‬‬

‫‪0‬‬

‫‪5‬‬

‫ﻭﻤﻥ ﻤﺯﺍﻴﺎ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﺜﺎﻨﻴﺔ )ﻤﺭﺒﻊ ﺍﻟﻔﺭﻕ ﺒﻴﻥ ﺍﻟﻘﻴﻤﺘﻴﻥ( ﺃﻨﻬﺎ ﻤﺘﺴﻘﺔ ﻤﻊ ﺍﻟﻌﺩﻴﺩ‬

‫ﻤﻥ ﺍﻟﻤﻘﺎﻴﻴﺱ ﺍﻹﺤﺼﺎﺌﻴﺔ ﻤﺜل ﺍﻟﺘﺒﺎﻴﻥ ﻭﺒﻌﺽ ﺍﻟﻤﻘﺎﻴﻴﺱ ﺍﻷﺨﺭﻯ‪ ،‬ﻟﺫﺍ ﻓﺈﻨﻬﺎ ﺘﺴﺘﺨﺩﻡ‬

‫ﺒﺸﻜل ﺃﻭﺴﻊ ﻭﺴﻭﻑ ﺘﺴﺘﺨﺩﻡ ﻓﻲ ﺍﻷﻤﺜﻠﺔ ﺍﻷﺨﺭﻯ ﻤﻥ ﻫﺫﺍ ﺍﻟﻔﺼل‪.‬‬

‫ﻻﺤﻅ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺃﻨﻪ ﻓﻲ ﺍﻟﻁﺭﻴﻘﺘﻴﻥ ﻨﺤﺼل ﻤﺼﻔﻭﻓﺔ ﻗﺭﺍﺒﺔ ‪proximities‬‬

‫‪ matrix‬ﻤﺘﻤﺎﺜﻠﺔ‪ ،‬ﺒﻤﻌﻨﻰ ﺃﻨﻪ ﻓﻲ ﺃﻱ ﻤﻥ ﺍﻟﺤﺎﻟﺘﻴﻥ ﻴﻤﻜﻥ ﺘﺒﺩﻴل ﺼﻔﻭﻑ ﺍﻟﻤﺼﻔﻭﻓﺔ‬ ‫ﺒﺄﻋﻤﺩﺘﻬﺎ ﺩﻭﻥ ﺃﻥ ﺘﺘﻐﻴﺭ ﺍﻟﻘﻴﻡ ﻓﻲ ﺍﻟﻤﺼﻔﻭﻓﺔ‪.‬‬

‫ﻭﻗﺩ ﺍﺴﺘﺨﺩﻤﺕ ﻓﻲ ﺒﺤﻭﺙ ﺴﺎﺒﻘﺔ ﺍﻟﻌﺩﻴﺩ ﻤﻥ ﺍﻟﻤﻘﺎﻴﻴﺱ ﺍﻷﺨﺭﻯ ﻟﻠﻤﺴﺎﻓﺔ )‪، (D‬‬

‫ﻭﻫﻨﺎﻙ ﺍﻟﻌﺩﻴﺩ ﻤﻨﻬﺎ ﻤﺘﺎﺤﹰﺎ ﻓﻲ ﻨﻅﺎﻡ ‪ ، SPSS‬ﻭﻴﻤﻜﻥ ﻋﺭﺽ ﺘﻠﻙ ﺍﻟﻤﻘﺎﻴﻴﺱ ﻤﻥ ﺨﻼل‬

‫ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺨﺎﺼﺔ ﺒﺫﻟﻙ ﻓﻲ ﺸﻜل ‪ 1-17‬ﺍﻟﺘﺎﻟﻲ‪ ،‬ﻭﻓﻲ ﻤﻌﻅﻡ ﻫﺫﻩ ﺍﻟﻁﺭﻕ ﺃﻴﻀﹰﺎ ﻴﻭﺠﺩ‬ ‫ﺍﻟﻌﺩﻴﺩ ﻤﻥ ﺍﻟﺨﻴﺎﺭﺍﺕ ﻤﻤﺎ ﻴﺯﻴﺩ ﻤﻥ ﻋﺩﺩ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻟﻤﺘﺎﺤﺔ ﺃﻤﺎﻡ ﺍﻟﻤﺴﺘﺨﺩﻡ ‪.‬‬ ‫ﺸﻜل ‪ : 1-17‬ﺨﻴﺎﺭﺍﺕ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻘﺭﺍﺒﺔ )‪ Proximities Measures (D‬ﻓﻲ ‪SPSS‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪590‬‬

‫ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻟﻤﺘﻌﺩﺩ ﻴﻜﻭﻥ ﻟﺩﻴﻨﺎ ﻋﺩﺓ ﻗﻴﺎﺴﺎﺕ ﻟﻌﺩﺓ ﻤﺘﻐﻴﺭﺍﺕ ﻟﻜل‬ ‫ﻤﻔﺭﺩﺓ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﺴﻴﻜﻭﻥ ﻟﺩﻴﻨﺎ ﻋﺩﺓ ﻤﺼﻔﻭﻓﺎﺕ ﻗﺭﺍﺒﺔ ‪proximities matrices‬‬

‫ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻭﻻﺒﺩ ﻤﻥ ﻭﺠﻭﺩ ﻁﺭﻴﻘﺔ ﻟﺭﺒﻁ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺎﺕ ﻤﻌﺎﹰ‪ ،‬ﻋﺎﺩﺓ ﻴﺘﻡ‬

‫ﺘﻠﺨﻴﺹ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺎﺕ ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﻭﺤﻴﺩﺓ‪ ،‬ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﺇﺫﺍ ﻜﺎﻥ ﻟﺩﻴﻨﺎ‬ ‫ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﺘﺎﻟﻴﺔ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ‪ X1‬ﻭ ‪: X2‬‬ ‫‪X2‬‬

‫‪X1‬‬

‫‪11‬‬

‫‪25‬‬

‫‪O1‬‬

‫‪11‬‬

‫‪33‬‬

‫‪O2‬‬

‫‪13‬‬

‫‪34‬‬

‫‪O3‬‬

‫‪18‬‬

‫‪35‬‬

‫‪O4‬‬

‫ﻓﺈﻥ ﻤﺼﻔﻭﻓﺘﻲ ﺍﻟﻘﺭﺍﺒﺔ ﺍﻟﻨﺎﺘﺠﺘﻴﻥ ﻤﻥ ﻤﺭﺒﻊ ﺍﻟﻤﺴﺎﻓﺔ ﺍﻹﻗﻠﻴﺩﻴﺔ )ﺃﻭ ﻤﺭﺒﻊ ﻤﺴﺎﻓﺔ‬

‫ﺇﻗﻠﻴﺩﺱ( ‪ squared Euclidean distance‬ﻴﻤﻜﻥ ﺘﻠﺨﻴﺼﻬﻤﺎ ﻹﻴﺠﺎﺩ ﻤﺼﻔﻭﻓﺔ ﻓﺭﻭﻕ‬ ‫ﻤﻭﺤﺩﺓ ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫‪O4‬‬

‫‪O3‬‬

‫‪O2‬‬

‫‪O1‬‬

‫‪100‬‬

‫‪81‬‬

‫‪64‬‬

‫‪0‬‬

‫‪O1‬‬

‫‪4‬‬

‫‪1‬‬

‫‪0‬‬

‫‪64‬‬

‫‪O2‬‬

‫‪1‬‬

‫‪0‬‬

‫‪1‬‬

‫‪81‬‬

‫‪O3‬‬

‫‪0‬‬

‫‪1‬‬

‫‪4‬‬

‫‪100‬‬

‫‪O4‬‬

‫‪+‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪591‬‬

‫‪O4‬‬

‫‪O3‬‬

‫‪O2‬‬

‫‪O1‬‬

‫‪49‬‬

‫‪4‬‬

‫‪0‬‬

‫‪0‬‬

‫‪O1‬‬

‫‪49‬‬

‫‪4‬‬

‫‪0‬‬

‫‪0‬‬

‫‪O2‬‬

‫‪25‬‬

‫‪0‬‬

‫‪4‬‬

‫‪4‬‬

‫‪O3‬‬

‫‪0‬‬

‫‪25‬‬

‫‪49‬‬

‫‪49‬‬

‫‪O4‬‬

‫‪O4‬‬

‫‪O3‬‬

‫‪O2‬‬

‫‪O1‬‬

‫‪149‬‬

‫‪85‬‬

‫‪64‬‬

‫‪0‬‬

‫‪O1‬‬

‫‪53‬‬

‫‪5‬‬

‫‪0‬‬

‫‪64‬‬

‫‪O2‬‬

‫‪26‬‬

‫‪0‬‬

‫‪5‬‬

‫‪85‬‬

‫‪O3‬‬

‫‪0‬‬

‫‪26‬‬

‫‪53‬‬

‫‪149‬‬

‫‪O4‬‬

‫=‬

‫ﻻﺤﻅ ﺃﻥ ﻜﻠﻴﺔ ﺨﻠﻴﺔ ﻓﻲ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺍﻟﻨﺎﺘﺠﺔ ﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﻤﺠﻤﻭﻉ ﺍﻟﺨﻠﻴﺘﻴﻥ‬ ‫ﺍﻟﻤﻨﺎﻅﺭﺘﻴﻥ ﻓﻲ ﺍﻟﻤﺼﻔﻭﻓﺘﻴﻥ ﺍﻟﺴﺎﺒﻘﺘﻴﻥ‪ ،‬ﻭﻋﻨﺩﻤﺎ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻗﻴﺎﺴﺎﺕ ﻷﻜﺜﺭ ﻤﻥ‬

‫ﻤﺘﻐﻴﺭﻴﻥ ﻓﺈﻥ ﻫﺫﺍ ﻴﺘﻁﻠﺏ ﺠﻤﻊ ﻋﺩﺓ ﻤﺼﻔﻭﻓﺎﺕ ﻤﻌﺎﹰ‪ ،‬ﻭﻫﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﻓﻲ ﺘﻠﺨﻴﺹ‬

‫ﺍﻟﻤﺼﻔﻭﻓﺎﺕ ﺘﻜﻭﻥ ﻤﻨﺎﺴﺒﺔ ﻁﺎﻟﻤﺎ ﺃﻥ ﺍﺴﺘﺨﺩﻤﺕ ﻨﻔﺱ ﻭﺤﺩﺍﺕ ﺍﻟﻘﻴﺎﺱ ﻭﻁﺎﻟﻤﺎ ﻜﺎﻥ‬

‫ﻫﻨﺎﻙ ﺘﺸﺎﺒﻪ ﺒﻴﻥ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺎﺕ‪ ،‬ﻭﺇﺫﺍ ﻟﻡ ﻴﻜﻥ ﺍﻟﻭﻀﻊ ﻜﺫﻟﻙ ﻓﺈﻨﻪ ﻴﺘﻭﻗﻊ ﺃﻥ ﺘﻁﻐﻰ‬

‫ﻗﻴﻡ ﺃﺤﺩ ﺍﻟﻤﺼﻔﻭﻓﺎﺕ ﻋﻠﻰ ﻗﻴﻡ ﺍﻟﻤﺼﻔﻭﻓﺎﺕ ﺍﻷﺨﺭﻯ‪ ،‬ﻭﻟﺘﻭﻀﻴﺢ ﺫﻟﻙ ﻨﺄﺨﺫ ﺍﻟﺤﺎﻟﺔ‬ ‫ﻋﻨﺩﻤﺎ ﺘﺄﺨﺫ ﺍﻟﻘﻴﺎﺴﺎﺕ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ ‪:‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪592‬‬

‫‪X2‬‬

‫‪X1‬‬

‫‪11‬‬

‫‪25‬‬

‫‪O1‬‬

‫‪21‬‬

‫‪33‬‬

‫‪O2‬‬

‫‪33‬‬

‫‪34‬‬

‫‪O3‬‬

‫‪48‬‬

‫‪35‬‬

‫‪O4‬‬

‫ﻓﺈﻥ ﻤﺼﻔﻭﻓﺘﻲ ﺍﻟﻘﺭﺍﺒﺔ ﺍﻟﻨﺎﺘﺠﺘﻴﻥ ﻤﻥ ﻤﺭﺒﻊ ﺍﻟﻤﺴﺎﻓﺔ ﺍﻹﻗﻠﻴﺩﻴﺔ ﻴﻤﻜﻥ ﺘﻠﺨﻴﺼﻬﻤﺎ‬

‫ﻹﻴﺠﺎﺩ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻤﺴﺎﻓﺔ ﺍﻟﻤﻭﺤﺩﺓ ﻟﺘﻨﺘﺞ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺍﻟﺘﺎﻟﻴﺔ‪:‬‬ ‫‪O4‬‬

‫‪O3‬‬

‫‪O2‬‬

‫‪O1‬‬

‫‪153‬‬

‫‪485‬‬

‫‪164‬‬

‫‪0‬‬

‫‪O1‬‬

‫‪733‬‬

‫‪145‬‬

‫‪0‬‬

‫‪164‬‬

‫‪O2‬‬

‫‪226‬‬

‫‪0‬‬

‫‪145‬‬

‫‪565‬‬

‫‪O3‬‬

‫‪0‬‬

‫‪226‬‬

‫‪733‬‬

‫‪1469‬‬

‫‪O4‬‬

‫ﻭﻴﻤﻜﻨﻨﺎ ﺒﺴﻬﻭﻟﺔ ﺃﻥ ﻨﺭﻯ ﻤﻥ ﻗﻴﻡ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺃﻥ ﺍﻟﻤﺴﺎﻓﺎﺕ ﺍﻹﻗﻠﻴﺩﻴﺔ‬

‫ﺍﻟﻤﺭﺒﻌﺔ ﻟﻠﻤﺘﻐﻴﺭ ﺍﻟﺜﺎﻨﻲ ﻗﺩ ﻁﻐﺕ ﻋﻠﻰ ﻤﺜﻴﻼﺘﻬﺎ ﻟﻠﻤﺘﻐﻴﺭ ﺍﻷﻭل ﻓﻲ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺍﻟﻤﻭﺤﺩﺓ‪،‬‬ ‫ﻭﻟﻬﺫﺍ ﺍﻟﺴﺒﺏ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺃﺤﺩ ﺍﻟﺘﺤﻭﻴﻼﺕ ﻋﻠﻰ ﻜل ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻭﺍﻟﺘﻲ ﻤﻥ‬

‫ﺸﺄﻨﻬﺎ ﺘﻌﺩﻴل ﻋﺩﻡ ﺍﻟﺘﺠﺎﻨﺱ ﺒﻴﻥ ﺍﻟﻤﺼﻔﻭﻓﺘﻴﻥ ﻗﺒل ﺩﻤﺠﻬﻤﺎ ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﻭﺍﺤﺩﺓ‪ ،‬ﻓﻌﻠﻰ‬

‫ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻴﻤﻜﻥ ﺘﺤﻭﻴل ﻗﻴﻡ ﻜل ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺴﺎﺒﻘﺔ ﺇﻟﻰ‬ ‫ﻗﻴﻡ ﻤﻌﻴﺎﺭﻴﺔ ‪ Standard Scores‬ﻗﺒل ﺤﺴﺎﺏ ﻤﻘﺎﻴﻴﺱ ﺍﻟﻤﺴﺎﻓﺔ ﻓﻲ ﻤﺼﻔﻭﻓﺘﻲ ﺍﻟﻔﺭﻭﻕ‬ ‫ﻭﺩﻤﺠﻬﻤﺎ ﻤﻌﺎﹰ‪ ،‬ﻭﺇﺫﺍ ﻤﺎ ﺘﻡ ﺫﻟﻙ ﻟﻠﺒﻴﺎﻨﺎﺕ ﺍﻟﺴﺎﺒﻘﺔ ﻓﺈﻨﻨﺎ ﻨﺤﺼل ﻋﻠﻰ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﻴﻡ‬

‫ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﺍﻟﺘﺎﻟﻴﺔ ‪:‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪593‬‬

‫‪Z2‬‬

‫‪Z1‬‬

‫‪-1.08‬‬

‫‪-1.48‬‬

‫‪O1‬‬

‫‪-.45‬‬

‫‪.27‬‬

‫‪O2‬‬

‫‪.30‬‬

‫‪.49‬‬

‫‪O3‬‬

‫‪1.24‬‬

‫‪.71‬‬

‫‪O4‬‬

‫ﻭﻴﻤﻜﻥ ﺘﻠﺨﻴﺹ ﻭﺩﻤﺞ ﻤﺼﻔﻭﻓﺘﻲ ﺍﻟﻘﺭﺍﺒﺔ ﺍﻟﻨﺎﺘﺠﺘﻴﻥ ﻤﻥ ﻤﺭﺒﻊ ﺍﻟﻤﺴﺎﻓﺔ ﺍﻹﻗﻠﻴﺩﻴﺔ‬

‫‪ squared Euclidean distance‬ﺍﻟﻤﺤﺴﻭﺒﺔ ﻤﻥ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻹﻴﺠﺎﺩ ﻤﺼﻔﻭﻓﺔ‬ ‫ﻓﺭﻭﻕ ﻤﻭﺤﺩﺓ‪ ،‬ﻭﺴﻭﻑ ﺘﻜﻭﻥ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺍﻟﻨﺎﺘﺠﺔ ﺒﻬﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﻋﻠﻰ ﺍﻟﻨﺤﻭ ﺍﻟﺘﺎﻟﻲ ‪:‬‬ ‫‪O4‬‬

‫‪O3‬‬

‫‪O2‬‬

‫‪O1‬‬

‫‪10.18‬‬

‫‪5.78‬‬

‫‪3.46‬‬

‫‪0‬‬

‫‪O1‬‬

‫‪3.05‬‬

‫‪.61‬‬

‫‪0‬‬

‫‪3.46‬‬

‫‪O2‬‬

‫‪.93‬‬

‫‪0‬‬

‫‪.61‬‬

‫‪5.78‬‬

‫‪O3‬‬

‫‪0‬‬

‫‪.93‬‬

‫‪3.05‬‬

‫‪10.18‬‬

‫‪O4‬‬

‫ﺨﻼﺼﺔ ﺍﻟﻘﻭل ﺃﻥ ﻫﻨﺎﻙ ﺍﻟﻌﺩﻴﺩ ﻤﻥ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻜل ﻤﻥ ﻗﻴﺎﺱ ﺍﻟﻤﺴﺎﻓﺔ‬

‫ﻭﺘﺤﻭﻴل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻴﻨﺘﺞ ﻋﻨﻬﺎ ﺍﻟﻌﺩﻴﺩ ﻤﻥ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺤﻭل ﻤﺼﻔﻭﻓﺎﺕ ﺍﻟﻘﺭﺍﺒﺔ ﻭﺍﻟﺘﻲ‬

‫ﺃﺤﻴﺎﻨﹰﺎ ﺘﺅﺩﻱ ﺇﻟﻰ ﻨﺘﺎﺌﺞ ﻤﺨﺘﻠﻔﺔ‪.‬‬

‫ﻭﺍﻟﻤﺭﺤﻠﺔ ﺍﻟﺘﺎﻟﻴﺔ ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻭﺍﻟﺘﻲ ﺘﻠﻲ ﺤﺴﺎﺏ ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ‬

‫ﺍﻟﻤﻔﺭﺩﺍﺕ ﻫﻲ ﺘﻭﺯﻴﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﻤﺠﻤﻭﻋﺎﺕ ﺒﺎﻻﻋﺘﻤﺎﺩ ﻋﻠﻰ ﻫﺫﻩ ﺍﻟﻤﺴﺎﻓﺎﺕ‪ ،‬ﻭﻫﻨﺎ‬ ‫ﺃﻴﻀﹰﺎ ﻴﻭﺠﺩ ﺍﻟﻌﺩﻴﺩ ﻤﻥ ﺍﻟﺨﻴﺎﺭﺍﺕ‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪594‬‬

‫ﺇﺫﺍ ﻜﺎﻥ ﻋﺩﺩ ﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺘﻭﺯﻴﻊ ﻤﻌﺭﻭﻑ ﻤﺴﺒﻘﹰﺎ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺘﻭﺯﻴﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ‬ ‫ﻋﻠﻴﻬﺎ ﺒﻁﺭﻴﻘﺔ ﻤﺴﺘﻭﻴﺔ ‪ ،flat method‬ﻭﺒﻬﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﻴﺘﻡ ﺘﻭﺯﻴﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻋﻠﻰ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻋﻠﻰ ﺃﺴﺎﺱ ﻗﺎﻋﺩﺓ ﻤﻌﻴﻨﺔ ﻜﺨﻁﻭﺓ ﺃﻭﻟﻰ ﻭﻴﺘﻡ ﺤﺴﺎﺏ ﻤﺘﻭﺴﻁﺎﺕ ﻫﺫﻩ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﺜﻡ ﻴﺘﻡ ﺇﻋﺎﺩﺓ ﺨﻠﻁ ﻫﺫﻩ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﺇﻋﺎﺩﺓ ﺘﻭﺯﻴﻌﻬﺎ ﻤﻥ ﺠﺩﻴﺩ ﻋﻠﻰ ﺃﺴﺎﺱ‬

‫ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻜﺨﻁﻭﺓ ﺜﺎﻨﻴﺔ‪ ،‬ﻭﻓﻲ ﻨﻬﺎﻴﺔ ﻫﺫﻩ ﺍﻟﺨﻁﻭﺓ ﻴﺘﻡ ﺤﺴﺎﺏ ﻤﺘﻭﺴﻁﺎﺕ‬

‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﻴﺘﻡ ﺘﻜﺭﺍﺭ ﻫﺫﻩ ﺍﻟﻌﻤﻠﻴﺔ ﻟﺤﻴﻥ ﺘﺴﺘﻘﺭ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﻤﺠﻭﻋﺎﺕ ﻤﻌﻴﻨﺔ ﻭﻻ‬

‫ﺘﺘﻐﻴﺭ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺨﺎﺼﺔ ﺒﺄﻱ ﻤﻔﺭﺩﺓ‪ ،‬ﻫﺫﻩ ﺍﻟﻔﻜﺭﺓ ﻫﻲ ﺃﺴﺎﺱ ﻟﻁﺭﻴﻘﺔ ﺘﻭﺯﻴﻊ ﻴﻁﻠﻕ‬ ‫ﻋﻠﻴﻬﺎ ﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪ k-means cluster analysis‬ﻭﻫﻲ ﻤﺘﺎﺤﺔ ﻟﻼﺴﺘﺨﺩﺍﻡ‬ ‫ﻀﻤﻥ ﺨﻴﺎﺭﺍﺕ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻓﻲ ﻨﻅﺎﻡ ‪ ،SPSS‬ﻭﻫﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﺘﻌﻤل ﺒﺸﻜل ﺠﻴﺩ‬

‫ﻋﻨﺩﻤﺎ ﻴﻜﻭﻥ ﻋﺩﺩ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻴﺘﻔﻕ ﻤﻊ ﻁﺒﻴﻌﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻴﻌﺘﻤﺩ ﻤﺩﻯ ﺍﻟﺩﻗﺔ ﺒﻬﺎ ﻜﺫﻟﻙ‬

‫ﻋﻠﻰ ﻤﺩﻯ ﺍﻗﺘﺭﺍﺏ ﺍﻟﺤل ﺍﻟﻤﺒﺩﺌﻲ ﻟﻬﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﻤﻥ ﺍﻟﺤل ﺍﻟﻨﻬﺎﺌﻲ‪.‬‬

‫ﻫﻨﺎﻙ ﻁﺭﻕ ﺃﺨﺭﻯ ﻟﺘﻭﺯﻴﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻤﻨﻬﺎ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪Hierarchical‬‬

‫‪ clustering method‬ﻭﺍﻟﺘﻲ ﻻ ﺘﺘﻁﻠﺏ ﻤﻌﺭﻓﺔ ﻤﺴﺒﻘﺔ ﺒﻌﺩﺩ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﻓﻲ ﺇﻁﺎﺭ‬ ‫ﻫﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﻫﻨﺎﻙ ﺃﺴﻠﻭﺒﻴﻥ ﻴﻌﺭﻓﺎﻥ ﺒﺎﺴﻡ "ﺃﺴﻠﻭﺏ ﺍﻟﺘﻜﺘل" ‪agglomerative‬‬

‫ﻭ"ﺃﺴﻠﻭﺏ ﺍﻟﺨﻼﻑ" ‪. divisive‬‬

‫ﻭﺍﻷﺴﻠﻭﺏ ﺍﻷﻭل "ﺃﺴﻠﻭﺏ ﺍﻟﺨﻼﻑ" ‪ the divisive technique‬ﻴﺒﺩﺃ ﺒﺎﻓﺘﺭﺍﺽ‬

‫ﻭﺠﻭﺩ ﻤﺠﻤﻭﻋﺔ ﻭﺍﺤﺩﺓ ﻟﻠﺒﻴﺎﻨﺎﺕ ﺜﻡ ﻴﺘﻡ ﺘﻘﺴﻴﻡ ﻫﺫﻩ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺇﻟﻰ ﻤﺠﻤﻭﻋﺎﺕ ﺠﺯﺌﻴﺔ‬

‫ﻭﻫﺫﻩ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺠﺯﺌﻴﺔ ﻴﺘﻡ ﺃﻴﻀﹰﺎ ﺘﻘﺴﻴﻤﻬﺎ ﺇﻟﻰ ﻤﺠﻤﻭﻋﺎﺕ ﺠﺯﺌﻴﺔ ﺃﺼﻐﺭ ﻭﻫﻜﺫﺍ‬

‫ﻟﺤﻴﻥ ﺃﻥ ﻴﺘﻜﻭﻥ ﻟﻜل ﻤﻔﺭﺩﺓ ﻤﺠﻤﻭﻋﺔ ﺨﺎﺼﺔ ﺒﻬﺎ‪ ،‬ﺒﻴﻨﻤﺎ ﺍﻷﺴﻠﻭﺏ ﺍﻟﺜﺎﻨﻲ "ﺃﺴﻠﻭﺏ‬

‫ﺍﻟﺘﻜﺘل" ‪ agglomerative technique‬ﻴﺒﺩﺃ ﺒﺎﻓﺘﺭﺍﺽ ﺃﻥ ﻜل ﻤﻔﺭﺩﺓ ﺘﺼﻑ ﻤﺠﻤﻭﻋﺔ‬ ‫ﺠﺯﺌﻴﺔ ﺨﺎﺼﺔ ﺒﻬﺎ‪ ،‬ﺜﻡ ﻴﺘﻡ ﺘﺠﻤﻴﻊ ﺍﻟﻤﺠﻭﻋﺎﺕ ﺍﻟﺠﺯﺌﻴﺔ ﺍﻟﻤﺘﺸﺎﺒﻬﺔ ﻓﻲ ﻤﺠﻤﻭﻋﺎﺕ ﺠﺯﺌﻴﺔ‬

‫ﺃﻜﺜﺭ ﺸﻤﻭﻻﹰ‪ ،‬ﻭﻴﺘﻡ ﺒﻌﺩ ﺫﻟﻙ ﺘﻜﺭﺍﺭ ﻫﺫﻩ ﺍﻟﻌﻤﻠﻴﺔ ﻟﺤﻴﻥ ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﻤﺠﻤﻭﻋﺔ ﺠﺯﺌﻴﺔ‬ ‫ﻭﺍﺤﺩﺓ ﺘﺸﻤل ﺠﻤﻴﻊ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪595‬‬

‫ل ﻤﻥ ﺍﻷﺴﻠﻭﺒﻴﻥ ﺍﻟﺴﺎﺒﻘﻴﻥ ﻴﺴﺘﺨﺩﻡ ﺸﻜل ﻜﺭﻭﻜﻲ ﻴﻌﺭﻑ ﺒﺎﺴﻡ ﻤﺨﻁﻁ‬ ‫ﻭﻓﻲ ﻜ ٍ‬ ‫ﺍﻟﺸﺠﺭﺓ ‪ dendrogram‬ﻟﻭﺼﻑ ﻨﺘﺎﺌﺞ ﺘﻁﺒﻴﻕ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‪ ،‬ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﺸﻜل ﻴﺘﻡ‬

‫ﺘﻤﺜﻴل ﻜل ﻤﻔﺭﺩﺓ ﺒﻌﻘﺩﺓ )ﻨﻘﻁﺔ ﻟﻘﺎﺀ( ﻓﻲ ﻫﺫﻩ ﺍﻟﺸﺠﺭﺓ ﻭﺘﻤﺜل ﺍﻟﻔﺭﻭﻉ ﺨﻁﻭﺓ ﻋﻠﻰ ﺴﺒﻴل‬ ‫ﺘﻭﺤﻴﺩ ﻤﺠﻤﻭﻋﺘﻴﻥ ﺠﺯﺌﻴﺘﻴﻥ ﺘﺤﺘﻭﻴﺎﻥ ﻫﺫﻩ ﺍﻟﻤﻔﺭﺩﺓ‪ ،‬ﻭﻴﻤﺜل ﻁﻭل ﺍﻟﻔﺭﻉ ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺘﻴﻥ ﺍﻟﺠﺯﺌﻴﺘﻴﻥ ﻋﻨﺩ ﺘﺠﻤﻌﻬﻤﺎ‪ ،‬ﻭﺒﺫﻟﻙ ﺘﻜﻭﻥ ﻋﻤﻠﻴﺔ ﺘﺭﺠﻤﺔ ﻫﺫﺍ ﺍﻟﻤﺨﻁﻁ‬

‫ﻋﻤﻠﻴﺔ ﺒﺴﻴﻁﺔ ﻭﺫﻟﻙ ﻜﻤﺎ ﻴﺘﻀﺢ ﻤﻥ ﺸﻜل ‪ 3-17‬ﺍﻟﺘﺎﻟﻲ‪.‬‬

‫ﺸﻜل ‪ : 3-17‬ﻤﺜﺎل ﻴﻭﻀﺢ ﺸﻜل ﻭﻜﻴﻔﻴﺔ ﺘﺭﺠﻤﺔ ﻤﺨﻁﻁ ﺍﻟﺸﺠﺭﺓ ‪Dendrogram‬‬

‫‪a‬‬ ‫‪b‬‬ ‫‪c‬‬

‫‪d‬‬ ‫‪e‬‬ ‫‪f‬‬ ‫‪g‬‬ ‫‪h‬‬ ‫‪i‬‬ ‫‪j‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪596‬‬

‫ﻭﺘﻌﺘﺒﺭ ﻋﻤﻠﻴﺔ ﻗﺭﺍﺀﺓ ﺍﻟﺸﻜل ﺍﻟﺴﺎﺒﻕ ﻋﻤﻠﻴﺔ ﻤﺒﺎﺸﺭﺓ ﻜﻤﺎ ﺴﺒﻕ ﺫﻜﺭﻩ‪ ،‬ﻓﻴﺘﻀﺢ ﻤﻥ‬ ‫ﻫﺫﺍ ﺍﻟﺸﻜل ﺃﻥ ﺍﻟﻭﺤﺩﺍﺕ ‪ a‬ﻭ ‪ b‬ﻭ ‪ c‬ﺘﺸﻜل ﻤﺠﻤﻭﻋﺔ ﻭﺍﺤﺩﺓ ﺒﻴﺘﻤﺎ ﺍﻟﻭﺤﺩﺍﺕ ‪ d‬ﻭ ‪ e‬ﻭ‬

‫‪ f‬ﻭ ‪ g‬ﻭ ‪ h‬ﻭ ‪ i‬ﺘﺸﻜل ﻤﺠﻤﻭﻋﺔ ﺜﺎﻨﻴﺔ ﺒﻴﻨﻤﺎ ﺍﻟﻭﺤﺩﺓ ‪ j‬ﺘﻌﺘﺒﺭ ﻤﻨﻌﺯﻟﺔ ﻭﻴﻁﻠﻕ ﻋﻠﻴﻬﺎ‬ ‫"ﺍﻟﻘﺯﻡ" ‪ runt‬ﻷﻨﻬﺎ ﻟﻡ ﺘﺘﻤﻜﻥ ﻤﻥ ﺍﻟﺩﺨﻭل ﻓﻲ ﺃﻱ ﻤﺠﻤﻭﻋﺔ ﺤﺘﻰ ﻨﻬﺎﻴﺔ ﺍﻟﻌﻤﻠﻴﺔ‪.‬‬

‫ﻭﻫﻨﺎﻙ ﻋﺩﺓ ﻁﺭﻕ ﻟﺤﺴﺎﺏ ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺠﺯﺌﻴﺔ ﻓﻲ ﻜل ﺨﻁﻭﺓ‬

‫ﻤﻥ ﺨﻁﻭﺍﺕ ﻁﺭﻴﻘﺔ ﺍﻟﺘﺠﻤﻴﻊ ‪ ، clustering algorithm‬ﻭﻴﻘﺩﻡ ﻨﻅﺎﻡ ‪ SPSS‬ﺍﻟﻌﺩﻴﺩ‬ ‫ﻤﻥ ﻫﺫﻩ ﺍﻟﻁﺭﻕ ﻻ ﺒﺩ ﻟﻠﻤﺴﺘﺨﺩﻡ ﻤﻥ ﺘﺤﺩﻴﺩ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﺘﻲ ﻴﺭﻏﺏ ﻓﻲ ﺘﻁﺒﻴﻘﻬﺎ‪ ،‬ﻭﻫﺫﻩ‬

‫ﺍﻟﻁﺭﻕ ﺍﻟﻤﺘﺎﺤﺔ ﻓﻲ ﻨﻅﺎﻡ ‪ SPSS‬ﻴﻤﻜﻥ ﻋﺭﻀﻬﺎ ﻤﻥ ﺨﻼل ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺨﺎﺼﺔ ﺒﻬﺎ ﻓﻲ‬

‫ﺃﻤﺭ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ‪ Cluster Analysis‬ﻓﻲ ﺍﻟﺸﻜل ‪ 3-17‬ﺍﻟﺘﺎﻟﻲ‪.‬‬

‫ﺸﻜل ‪ : 3-17‬ﺨﻴﺎﺭﺍﺕ ﻁﺭﻕ ﻗﻴﺎﺱ ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺠﺯﺌﻴﺔ ﻓﻲ ‪SPSS‬‬

‫ﻭﻨﻅﺭﹰﺍ ﻟﺘﻌﺩﺩ ﻫﺫﻩ ﺍﻟﻁﺭﻕ ﻓﺈﻥ ﺍﻟﺤﺩﻴﺙ ﻋﻨﻬﺎ ﺠﻤﻴﻌﹰﺎ ﺴﻴﻜﻭﻥ ﺨﺎﺭﺝ ﻨﻁﺎﻕ ﻫﺫﺍ‬ ‫ﺍﻟﻜﺘﺎﺏ‪ ،‬ﻭﻟﻠﻤﺯﻴﺩ ﻤﻥ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺤﻭل ﻜﻴﻔﻴﺔ ﻗﻴﺎﺱ ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺠﺯﺌﻴﺔ‬

‫ﺒﺎﻟﻁﺭﻕ ﺍﻟﻤﺘﻌﺩﺩﺓ ﻴﻤﻜﻥ ﺍﻟﻌﻭﺩﺓ ﺇﻟﻰ ﺃﺤﺩ ﺍﻟﻤﺭﺍﺠﻊ ﺍﻟﻤﺘﺨﺼﺼﺔ ﻤﺜل & ‪Johnson‬‬

‫)‪. Wichern (1988‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪597‬‬

‫‪ .3 .17‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ﺑﺎﺳﺘﺨﺪام ﻧﻈﺎم ‪: SPSS‬‬ ‫‪Cluster Analysis using SPSS :‬‬ ‫ﻨﺴﺘﻁﻴﻊ ﻓﻲ ﻨﻅﺎﻡ ‪ SPSS‬ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ‪Cluster Analysis‬‬

‫ﻟﺘﺠﻤﻴﻊ ﻤﻔﺭﺩﺍﺕ ﺃﻭ ﻟﺘﺠﻤﻴﻊ ﻤﺘﻐﻴﺭﺍﺕ‪ ،‬ﻭﻨﺴﺘﻁﻴﻊ ﺃﻴﻀﹰﺎ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻜل‬ ‫ﻤﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻤﻌﹰﺎ ﻓﻲ ﻨﻔﺱ ﺍﻟﺩﺭﺍﺴﺔ‪ ،‬ﻜﺫﻟﻙ ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﺘﺤﻠﻴل‬

‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﺒﻴﺎﻨﺎﺕ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻔﺌﺎﺕ ﺍﻟﻜﻤﻴﺔ ‪ interval data‬ﺃﻭ ﺘﻜﺭﺍﺭﺍﺕ ﺍﻟﻔﺌﺎﺕ‬

‫‪ frequencies‬ﺃﻭ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻨﺎﺌﻴﺔ ‪ ، binary data‬ﻭﻟﻜﻥ ﻴﺠﺏ ﺃﻥ ﺘﻜﻭﻥ‬ ‫ﺍﻟﺒﻴﺎﻨﺎﺕ ﻗﺎﺒﻠﺔ ﻟﻠﻤﻘﺎﺭﻨﺔ‪ ،‬ﻓﺈﺫﺍ ﻜﺎﻨﺕ ﻤﻘﺎﺴﻪ ﺒﻭﺤﺩﺍﺕ ﻤﺨﺘﻠﻔﺔ ﻓﺈﻨﻪ ﻴﻤﻜﻨﻨﺎ ﺃﺤﻴﺎﻨﹰﺎ ﻋﻼﺝ‬

‫ﺍﻟﻤﺸﻜﻠﺔ ﺒﺘﺤﻭﻴﻠﻬﺎ ﺇﻟﻰ ﻭﺤﺩﺍﺕ ﻤﺘﺸﺎﺒﻬﺔ ﻋﻥ ﻁﺭﻴﻕ ﺃﺨﺫ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻜﻤﺎ ﺭﺃﻴﻨﺎ‬

‫ﺃﻋﻼﻩ‪ ،‬ﻓﺈﺫ ﻤﺎ ﺘﻡ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪ Hierarchical clustering method‬ﻓﻲ‬

‫ﺍﻟﺘﺤﻠﻴل ﻓﺈﻨﻬﺎ ﺴﻭﻑ ﺘﺯﻭﺩﻨﺎ ﻫﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﺒﺨﻴﺎﺭﺍﺕ ﻟﺤﺴﺎﺏ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ‬

‫ﺃﻭﺘﻭﻤﺎﺘﻴﻜﻴﺎﹰ‪ ،‬ﻭﻟﻜﻥ ﻋﻨﺩ ﺍﺴﺘﺨﺩﺍﻡ ﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪k-means cluster analysis‬‬

‫ﻓﺈﻨﻪ ﻴﺠﺏ ﺤﺴﺎﺏ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻷﻱ ﻤﺘﻐﻴﺭ ﻴﺭﺍﺩ ﻟﻪ ﺫﻟﻙ ﻗﺒل ﺍﻟﺒﺩﺀ ﻓﻲ ﺍﻟﺘﺤﻠﻴل ‪.‬‬

‫ﻭﻨﻅﺭﹰﺍ ﻟﻭﺠﻭﺩ ﻁﺭﻴﻘﺘﻴﻥ ﻤﺨﺘﻠﻔﺘﻴﻥ ﺘﻤﺎﻤﹰﺎ ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻭﻫﻤﺎ ﺍﻟﻁﺭﻴﻘﺔ‬

‫ﺍﻟﻬﺭﻤﻴﺔ ‪ Hierarchical clustering method‬ﻭﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‬

‫‪k-means‬‬

‫‪ cluster analysis‬ﻭﻴﻤﻜﻨﻨﺎ ﻓﻲ ﻜل ﻤﻥ ﻫﺎﺘﻴﻥ ﺍﻟﻁﺭﻴﻘﺘﻴﻥ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬ ‫ﻟﻠﻤﻔﺭﺩﺍﺕ ﻓﺈﻨﻨﺎ ﺴﻨﻘﻭﻡ ﻓﻲ ﻫﺫﺍ ﺍﻟﻘﺴﻡ ﺒﺘﻭﻀﻴﺢ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ ﺒﻜل ﻤﻥ‬ ‫ﺍﻟﻁﺭﻴﻘﺘﻴﻥ ﻭﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ﻓﻘﻁ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ‪.‬‬

‫‪ .1 .3 .17‬ﻃﺮق اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ﻓﻲ ﻧﻈﺎم ‪: SPSS‬‬ ‫ﻟﺘﻭﻀﻴﺢ ﻜﻴﻔﻴﺔ ﺘﻁﺒﻴﻕ ﻁﺭﻕ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻟﻤﺨﺘﻠﻔﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﻅﺎﻡ ‪SPSS‬‬

‫ﺴﻨﺴﺘﺨﺩﻡ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻭﺍﺭﺩﺓ ﻓﻲ ﻤﻠﻑ ‪ world95‬ﺍﻟﻤﻭﺠﻭﺩ ﻓﻲ ﺍﻟﻤﺠﻠﺩ ﺍﻟﻔﺭﻋﻲ ﺍﻟﺨﺎﺹ‬

‫ﺒﻤﻠﻔﺎﺕ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ data files‬ﻀﻤﻥ ﺍﻟﻤﺠﻠﺩﺍﺕ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻠﻤﺠﻠﺩ ﺍﻟﺭﺌﻴﺴﻲ ﻟﻨﻅﺎﻡ ‪، SPSS‬‬ ‫ﻭﺒﺫﻟﻙ ﻓﻠﺴﻨﺎ ﺒﺤﺎﺠﺔ ﻹﺩﺨﺎل ﺃﻱ ﺒﻴﺎﻨﺎﺕ ﺠﺩﻴﺩﺓ‪ ،‬ﻭﻫﺫﺍ ﺍﻟﻤﻠﻑ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪598‬‬

‫ﺩﻴﻤﻭﺠﺭﺍﻓﻴﺔ ﻭﺍﻗﺘﺼﺎﺩﻴﺔ ﻋﻥ ‪ 109‬ﻤﻥ ﺒﻠﺩﺍﻥ ﺍﻟﻌﺎﻟﻡ ﺍﻟﻤﺨﺘﻠﻔﺔ‪ ،‬ﻭﻜل ﺴﻁﺭ )ﻤﻔﺭﺩﺓ ﻫﻨﺎ(‬ ‫ﻴﻤﺜل ﺃﺤﺩ ﻫﺫﻩ ﺍﻟﺒﻠﺩﺍﻥ‪ ،‬ﻭﺘﺸﻤل ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻟﻜل ﺒﻠﺩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ‪ :‬ﺃﺴﻡ ﺍﻟﺒﻠﺩ‬

‫‪ country‬ﺘﻭﻗﻊ ﺍﻟﺤﻴﺎﺓ ﻟﻠﺫﻜﻭﺭ ﻭﺍﻹﻨﺎﺙ ‪female and male life expectancy‬‬

‫ﻭﻤﻌﺩل ﺍﻟﻤﻭﺍﻟﻴﺩ ﺍﻟﺨﺎﻡ ‪ birth rate‬ﻭﻤﻌﺩل ﺍﻟﻭﻓﻴﺎﺕ ﺍﻟﺨﺎﻡ ‪ death rate‬ﻭﻤﻌﺩل ﻭﻓﻴﺎﺕ‬ ‫ﺍﻷﻁﻔﺎل ﺍﻟﺭﻀﻊ ‪ infant mortality‬ﻭﻤﻌﺩل ﺍﻟﺨﺼﻭﺒﺔ ‪ fertility‬ﻭﻋﺩﺩ ﺍﻟﺴﻜﺎﻥ‬

‫‪ population‬ﻭﻨﺴﺒﺔ ﺍﻟﺴﻜﺎﻥ ﻓﻲ ﺍﻟﻤﺩﻥ ‪percent of population living in cities‬‬ ‫ﻭﻨﺴﺒﺔ ﺍﻟﺘﻌﻠﻴﻡ ﻟﻜل ﻤﻥ ﺍﻹﻨﺎﺙ ﻭﺍﻟﺫﻜﻭﺭ ‪percentage of literate females and‬‬

‫‪ males‬ﻭﻨﺼﻴﺏ ﺍﻟﻔﺭﺩ ﻤﻥ ﺍﻟﻨﺎﺘﺞ ﺍﻟﻤﺤﻠﻲ ﺍﻹﺠﻤﺎﻟﻲ ‪gross domestic product per‬‬

‫‪ ، capita‬ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﺫﻟﻙ ﺘﺸﻤل ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺃﻴﻀﹰﺎ ﺒﻌﺽ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻷﺨﺭﻯ‬ ‫ﺍﻟﺘﻲ ﺘﻡ ﺍﺸﺘﻘﺎﻗﻬﺎ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺫﻜﻭﺭﺓ ﻜﺒﻌﺽ ﺍﻟﻨﺴﺏ ﻭﺍﻟﻤﻌﺩﻻﺕ ﻭﻟﻭﻏﺎﺭﻴﺘﻤﺎﺕ‬

‫ﺒﻌﺽ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‪ ،‬ﻭﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻨﻪ ﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺃﻥ ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺤﻘﻴﻘﻴﺔ‬ ‫ﻭﻭﺍﻗﻌﻴﺔ ﺤﺴﺏ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﺭﺴﻤﻴﺔ ﻟﻠﺒﻠﺩﺍﻥ ﺍﻟﻤﻌﻨﻴﺔ ﻟﻌﺎﻡ ‪ 1995‬ﺇﻻ ﺃﻥ ﻗﻴﻡ ﺒﻌﺽ‬

‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﻤﺜل ﻤﻌﺩل ﺍﻟﻤﻭﺍﻟﻴﺩ ﺍﻟﺨﺎﻡ( ﺃﺨﺫﺕ ﻤﻥ ﻤﺼﺎﺩﺭ ﻏﻴﺭ ﺭﺴﻤﻴﺔ ﻓﻲ ﻋﺩﺩ ﻤﻥ‬ ‫ﺍﻟﺒﻠﺩﺍﻥ‪ ،‬ﻭﻟﺫﻟﻙ ﻓﻠﺴﻨﺎ ﻓﻲ ﻤﻭﻀﻊ ﺍﻟﻤﺼﺎﺩﻗﺔ ﻋﻠﻰ ﺩﻗﺔ ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒل ﺴﻨﺘﻌﺎﻤل ﻤﻌﻬﺎ‬ ‫ﻜﻤﺎ ﻫﻲ‪.‬‬

‫ﻭﻨﻅﺭﹰﺍ ﻟﻜﺒﺭ ﺍﻟﺠﺩﺍﻭل ﻭﺍﻟﻤﺼﻔﻭﻓﺎﺕ ﺍﻟﻨﺎﺘﺠﺔ ﻭﺼﻌﻭﺒﺔ ﻋﺭﺽ ﻭﺘﻔﺴﻴﺭ ﺍﻟﻨﺘﺎﺌﺞ‬

‫ﻋﻨﺩﻤﺎ ﻴﻜﻭﻥ ﻜل ﻤﻥ ﻋﺩﺩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﻋﺩﺩ ﺍﻟﻘﻴﻡ ﻜﺒﻴﺭ ﺇﺫ ﻟﻥ ﻴﻜﻭﻥ ﻤﻥ ﺍﻟﺴﻬل ﻋﺭﺽ‬

‫ﺍﻟﺠﺩﺍﻭل ﺍﻟﻜﺒﻴﺭﺓ ﻋﻠﻰ ﺼﻔﺤﺎﺕ ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ ﺍﻟﺫﻱ ﻴﻬﺩﻑ ﺇﻟﻰ ﺘﻭﻀﻴﺢ ﺍﻷﺴﺎﻟﻴﺏ ﻓﺈﻨﻪ‬

‫ﻟﻠﺘﺴﻬﻴل ﻋﻠﻰ ﺍﻟﻘﺎﺭﺉ ﺘﻡ ﺃﺨﺫ ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﻤﻥ ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻹﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﻋﻠﻴﻬﺎ‪،‬‬

‫ﻟﺫﺍ‪ ،‬ﻭﺤﺭﺼﹰﺎ ﻋﻠﻰ ﺍﻟﺤﻔﺎﻅ ﻋﻠﻰ ﺍﻟﻤﻀﻤﻭﻥ ﺍﻟﻌﺎﻡ ﻟﻠﺒﻴﺎﻨﺎﺕ ﻭﻟﻜﻲ ﺘﺤﺎﻓﻅ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻋﻠﻰ‬ ‫ﻤﻼﻤﺤﻬﺎ ﺍﻷﺴﺎﺴﻴﺔ ﻭﻟﻀﻤﺎﻥ ﺃﻥ ﺘﻜﻭﻥ ﻨﺘﺎﺌﺞ ﺍﻟﻌﻴﻨﺔ ﻗﺭﻴﺒﺔ ﺇﻟﻰ ﺤﺩ ﻜﺒﻴﺭ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ‬

‫ﺍﻟﻌﺎﻤﺔ ﻓﻲ ﺍﻟﺸﻜل ﻭﺍﻟﻤﻀﻤﻭﻥ ﺒﺎﺴﺘﺜﻨﺎﺀ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺠﺩﺍﻭل ﺃﺼﻐﺭ ﺤﺠﻤﹰﺎ ﻓﻘﺩ‬

‫ﺘﻭﺨﻴﻨﺎ ﺍﻟﻌﻨﺎﻴﺔ ﺍﻟﻜﺎﻤﻠﺔ ﻋﻨﺩ ﺍﺨﺘﻴﺎﺭ ﻫﺫﻩ ﺍﻟﻌﻴﻨﺔ‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪599‬‬

‫ﻓﻔﻲ ﺍﻟﺒﺩﺍﻴﺔ ﻗﻤﻨﺎ ﺒﺎﺴﺘﺒﻌﺎﺩ ﻓﺌﺘﻴﻥ ﻤﻥ ﺍﻟﺒﻠﺩﺍﻥ ﻭﻫﻤﺎ ﻓﺌﺘﻲ ﺒﻠﺩﺍﻥ ﺃﻭﺭﺒﺎ ﺍﻟﺸﺭﻗﻴﺔ‬ ‫‪ Eastern Europe‬ﻭﺍﻟﺒﻠﺩﺍﻥ ﺍﻷﻓﺭﻴﻘﻴﺔ ‪ African countries‬ﻟﻨﺤﺼل ﻋﻠﻰ ﻤﻠﻑ‬

‫ﻴﺤﺘﻭﻱ ﻓﻘﻁ ﻋﻠﻰ ‪ 76‬ﺩﻭﻟﺔ‪ ،‬ﻭﻫﻭ ﻋﺩﺩ ﺠﻴﺩ ﻹﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ‬

‫ﺒﻭﻀﻭﺡ‪ ،‬ﺇﻻ ﺃﻨﻪ ﻟﻥ ﻴﻜﻭﻥ ﻤﻨﺎﺴﺏ ﻟﻌﺭﺽ ﺠﺩﺍﻭل ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ‬

‫ﻻﺤﺘﻭﺍﺀ ﺒﻌﻀﻬﺎ ﻋﻠﻰ ‪ 77‬ﻋﻤﻭﺩ‪ ،‬ﻟﺫﺍ ﻗﻤﻨﺎ ﺒﺎﺨﺘﻴﺎﺭ ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﺒﺴﻴﻁﺔ ﻤﻜﻭﻨﺔ ﻤﻥ‬

‫‪ 15‬ﺩﻭﻟﺔ ﻤﻥ ﺒﻴﻥ ‪ 76‬ﺩﻭﻟﺔ ﻻﺴﺘﺨﺩﺍﻤﻬﺎ ﻓﻲ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ ‪،‬‬ ‫ﻭﺴﻨﻭﻀﺢ ﺍﻵﻥ ﻜﻴﻔﻴﺔ ﺍﺨﺘﻴﺎﺭ ﻫﺫﻩ ﺍﻟﻌﻴﻨﺔ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻭﺍﻤﺭ ﺍﻟﻨﻅﺎﻡ‪.‬‬

‫ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﻨﺘﺎﺌﺞ ﻤﻁﺎﺒﻘﺔ ﺘﻤﺎﻤﹰﺎ ﻟﻠﻨﺘﺎﺌﺞ ﺍﻟﻤﻌﺭﻭﻀﺔ ﻓﻲ ﺍﻷﻤﺜﻠﺔ ﺍﻟﺘﺎﻟﻴﺔ ﻨﻨﺼﺢ‬

‫ﺍﻟﻘﺎﺭﺉ ﺒﺘﻜﻭﻴﻥ ﻤﻠﻔﻴﻥ ﺠﺩﻴﺩﻴﻥ ﻤﺴﺘﺨﻠﺼﻴﻥ ﻤﻥ ﺍﻟﻤﻠﻑ ‪ world95‬ﺍﻟﻤﻭﺠﻭﺩ ﻓﻲ ﺍﻟﻤﺠﻠﺩ‬ ‫ﺍﻟﻔﺭﻋﻲ ‪ data files‬ﻀﻤﻥ ﺍﻟﻤﺠﻠﺩﺍﺕ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻠﻤﺠﻠﺩ ﺍﻟﺭﺌﻴﺴﻲ ﻟﻨﻅﺎﻡ ‪ SPSS‬ﻭﺍﻟﻘﻴﺎﻡ‬

‫ﺒﺘﺴﻤﻴﻬﻤﺎ ‪ world95_2‬ﻟﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ‪ 76‬ﺩﻭﻟﺔ ﻻﺴﺘﺨﺩﺍﻤﻪ ﻓﻲ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل‬

‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻭ ‪ world95_3‬ﻟﻴﺤﺘﻭﻱ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ‪ 15‬ﺩﻭﻟﺔ ﻓﻘﻁ ﻻﺴﺘﺨﺩﺍﻤﻪ‬

‫ﻓﻲ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ‪ ،‬ﻭﺫﻟﻙ ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫ﺒﻌﺩ ﺘﻔﻌﻴل ﻨﻅﺎﻡ ‪ SPSS‬ﻭﺒﺩﺍﺨل ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data Editor‬ﻗﻡ ﺒﻔﺘﺢ ﺍﻟﻤﻠﻑ‬

‫‪ world95‬ﻭﺫﻟﻙ ﺒﺎﺨﺘﻴﺎﺭ ﻗﺎﺌﻤﺔ ﻤﻠﻔﺎﺕ ‪ File‬ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﺘﻅﻬﺭ ﻗﺎﺌﻤﺔ ﺍﻟﻤﻠﻔﺎﺕ‬

‫ﻓﺎﺨﺘﺭ ﻤﻨﻬﺎ ﺃﻤﺭ ﻓﺘﺢ ﻤﻠﻑ ‪ Open‬ﺜﻡ ﺒﻴﺎﻨﺎﺕ ‪ Data‬ﻟﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﻓﺘﺢ ﻤﻠﻑ ‪Open file‬‬

‫ﻭﺍﺒﺤﺙ ﻓﻲ ﻗﺎﺌﻤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﻠﻔﺎﺕ ﻋﻥ ﺍﻟﻤﻠﻑ ﺍﻟﻤﻁﻠﻭﺏ ‪ world95‬ﻟﺘﺠﺩﻩ ﺍﻟﻤﻠﻑ ﺍﻷﺨﻴﺭ‬

‫ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ ﻓﻘﻡ ﺒﻔﺘﺤﻪ ﻟﺘﻅﻬﺭ ﺒﻴﺎﻨﺎﺕ ‪ 109‬ﺒﻠﺩﺍﻥ‪ ،‬ﺜﻡ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data‬ﺍﺨﺘﺭ‬

‫ﺃﻤﺭ ﺍﺨﺘﻴﺎﺭ ﻤﻔﺭﺩﺍﺕ ‪ Select Cases‬ﻟﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺍﺨﺘﻴﺎﺭ ﺍﻟﻤﻔﺭﺩﺍﺕ ‪Select Cases‬‬

‫ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ ،4-17‬ﻓﻲ ﺃﺴﻔل ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻭﻓﻲ ﺨﻴﺎﺭ ﺍﻟﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﻲ ﻻ ﻴﺘﻡ ﺍﺨﺘﻴﺎﺭﻫﺎ‬

‫‪ Unselected cases are:‬ﻗﻡ ﺒﺘﺤﺩﻴﺩ ﺨﻴﺎﺭ ﺤﺫﻓﻬﺎ ‪ Deleted‬ﺜﻡ ﻓﻲ ﺃﻋﻠﻰ ﺍﻟﻨﺎﻓﺫﺓ ﺤﺩﺩ‬ ‫ﺍﻟﺨﻴﺎﺭ ﺍﻟﻤﺸﺭﻭﻁ ‪ If condition is satisfied‬ﻭﺍﻀﻐﻁ ﻋﻠﻰ ﻤﺭﺒﻊ ﺍﻟﺸﺭﻁ ‪ If‬ﻟﺘﻔﺘﺢ‬

‫ﻨﺎﻓﺫﺓ ﻜﺘﺎﺒﺔ ﺍﻟﺸﺭﻁ ‪ Select cases if‬ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪. 5-17‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪600‬‬

‫ﺸﻜل ‪ : 4-17‬ﻨﺎﻓﺫﺓ ﺍﺨﺘﻴﺎﺭ ﻤﻔﺭﺩﺍﺕ ‪ Select Cases‬ﻻﺴﺘﺒﻌﺎﺩ‬ ‫ﻤﺠﻤﻭﻋﺎﺕ ﻤﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻟﺘﻘﻠﻴﺹ ﻤﻠﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪. world95‬‬

‫ﺸﻜل ‪ : 5-17‬ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺍﻟﺸﺭﻁ ﻓﻲ ﺨﻴﺎﺭ ﺍﻻﺨﺘﻴﺎﺭ ﺍﻟﻤﺸﺭﻭﻁ ‪ Select Cases :If‬ﻓﻲ‬ ‫ﺃﻤﺭ ﺍﺨﺘﻴﺎﺭ ﻤﻔﺭﺩﺍﺕ ﻻﺴﺘﺒﻌﺎﺩ ﻤﺠﻤﻭﻋﺎﺕ ﻤﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻟﺘﻘﻠﻴﺹ ﻤﻠﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪world95‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪601‬‬

‫ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺴﺎﺒﻘﺔ ﻓﻲ ﺸﻜل ‪ 5-17‬ﺍﺩﺨل ﻓﻲ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺨﺎﺹ ﺒﺎﻟﺸﺭﻁ ﺍﻟﺘﻌﺒﻴﺭ‬ ‫ﺍﻟﺸﺭﻁﻲ ﻟﻠﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺨﺘﺎﺭﺓ )ﻭﻫﻭ ﺩﻟﻴل ﺍﻟﻤﻨﻁﻘﺔ ‪ region‬ﻻ ﻴﺴﺎﻭﻱ ‪ 2‬ﻭﻻ ﻴﺴﺎﻭﻱ ‪(4‬‬

‫ﻭﺒﻨﻔﺱ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﺘﻲ ﺘﻅﻬﺭ ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ )ﻭﻫﻲ‪ ،(region ~= 2 & region ~= 4 :‬ﺜﻡ‬

‫ﺍﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻻﺴﺘﻤﺭﺍﺭ ‪ Continue‬ﻟﻠﻌﻭﺩﺓ ﺇﻟﻰ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻷﻭﻟﻰ ﻭﺒﻬﺎ ﺍﻀﻐﻁ‬ ‫ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ‪ ،‬ﻭﻴﺤﺴﻥ ﻓﻲ ﻫﺫﻩ ﺍﻟﻠﺤﻅﺔ ﺤﻔﻅ ﺍﻟﻤﻠﻑ ﺒﺎﺴﻡ ﺠﺩﻴﺩ‬

‫ﻭﻫﻭ ‪ world95_2‬ﻭﺫﻟﻙ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺤﻔﻅ ﻓﻲ ﻤﻠﻑ ﺠﺩﻴﺩ ‪ Save As‬ﻤﻥ ﻗﺎﺌﻤﺔ‬ ‫ﺍﻟﻤﻠﻔﺎﺕ ‪ File‬ﻓﻲ ﺍﻟﻨﻅﺎﻡ‪.‬‬

‫ﻫﺫﺍ ﺍﻟﻤﻠﻑ ﺴﻨﺴﺘﺨﺩﻤﻪ ﻓﻲ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ‪ ،‬ﻭﻴﻤﻜﻥ ﻤﻨﻪ‬

‫ﻓﻲ ﻫﺫﻩ ﺍﻟﻠﺤﻅﺔ ﺘﻜﻭﻴﻥ ﻤﻠﻑ ﺠﺩﻴﺩ ﺃﺼﻐﺭ ﻻﺴﺘﺨﺩﺍﻤﻪ ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ‬ ‫ﻭﺫﻟﻙ ﺒﺄﺨﺫ ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﻤﻜﻭﻨﺔ ﻤﻥ ‪ 15‬ﺒﻠﺩ ﻓﻘﻁ ﻤﻥ ﺍﻟﺒﻠﺩﺍﻥ ‪ 76‬ﻓﻲ ﺍﻟﻤﻠﻑ ﺍﻟﺴﺎﺒﻕ‬

‫ﻭﻜﻤﺎ ﺴﺒﻕ ﺘﻤﺎﻤﹰﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﺎﻓﺫﺓ ﺍﺨﺘﻴﺎﺭ ﻤﻔﺭﺩﺍﺕ ‪ Select Cases‬ﻓﻲ ﺸﻜل ‪4-17‬‬ ‫ﺍﻟﺴﺎﺒﻕ ﻭﻟﻜﻥ ﺒﺘﺤﺩﻴﺩ ﺨﻴﺎﺭ ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﻤﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ‪Random sample of‬‬

‫‪ cases‬ﻟﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ‪) Select Cases: Random Sample‬ﺸﻜل ‪17‬‬ ‫‪ (6-‬ﻓﻴﺘﻡ ﺒﻬﺎ ﺘﺤﺩﻴﺩ ‪ 15‬ﻤﻔﺭﺩﺓ ﻤﻥ ﺒﻴﻥ ‪ 76‬ﻤﻔﺭﺩﺓ )ﺠﻤﻴﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ( ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل‪،‬‬

‫ﺜﻡ ﺍﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺤﻲ ﺍﻻﺴﺘﻤﺭﺍﺭ ﻭﺍﻟﺘﻨﻔﻴﺫ ﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ‪.‬‬

‫ﺸﻜل ‪ : 6-17‬ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺤﺠﻡ ﺍﻟﻌﻴﻨﺔ ﻓﻲ ﺨﻴﺎﺭ ﺍﻟﻌﻴﻨﺔ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ ‪Select Cases‬‬ ‫‪ :Random Sample‬ﻓﻲ ﺃﻤﺭ ﺍﺨﺘﻴﺎﺭ ﻤﻔﺭﺩﺍﺕ ﻟﺘﻘﻠﻴﺹ ﻤﻠﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪world95‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪602‬‬

‫ﻭﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻨﻪ ﻤﻥ ﺍﻟﻁﺒﻴﻌﻲ ﺃﻥ ﺘﺨﺘﻠﻑ ﺍﻟﻌﻴﻨﺔ ﺍﻟﺘﻲ ﺴﺘﻘﻭﻡ ﺒﺎﺨﺘﻴﺎﺭﻫﺎ ﻋﻥ‬ ‫ﺍﻟﻌﻴﻨﺔ ﺍﻟﻤﺨﺘﺎﺭﺓ ﻫﻨﺎ ﻨﻅﺭﹰﺍ ﻷﻨﻬﺎ ﻋﺸﻭﺍﺌﻴﺔ‪ ،‬ﻭﺒﺎﻟﺘﺎﻟﻲ ﺴﺘﺨﺘﻠﻑ ﺒﻌﺽ ﺍﻟﻨﺘﺎﺌﺞ‪ ،‬ﻭﺇﺫﺍ‬

‫ﺭﻏﺒﺕ ﻓﻲ ﺇﻨﺘﺎﺝ ﻨﺘﺎﺌﺞ ﻤﻁﺎﺒﻘﺔ ﺘﻤﺎﻤﹰﺎ ﻟﺘﻠﻙ ﺍﻟﻭﺍﺭﺩﺓ ﺃﺩﻨﺎﻩ ﻓﻼﺒﺩ ﻤﻥ ﺍﺨﺘﻴﺎﺭ ﻋﻴﻨﺔ ﻤﻁﺎﺒﻘﺔ‬

‫ﺘﻤﺎﻤﹰﺎ ﻟﻠﻌﻴﻨﺔ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ ﺍﻟﺘﻲ ﻅﻬﺭﺕ ﻤﻌﻨﺎ‪ ،‬ﻭﻫﺫﺍ ﻤﻤﻜﻥ ﺒﺩﻭﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻷﻤﺭ ﺍﺨﺘﻴﺎﺭ‬

‫ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﺍﻟﺴﺎﺒﻕ ﻭﻟﻜﻥ ﺒﺎﻨﺘﻘﺎﺀ ﺘﻠﻙ ﺍﻟﺒﻠﺩﺍﻥ ﺍﻟﺘﻲ ﻅﻬﺭﺕ ﻓﻲ ﺍﻟﻌﻴﻨﺔ ﻓﻲ ﺍﺨﺘﻴﺎﺭﻨﺎ‬

‫)ﻭﺘﻅﻬﺭ ﻓﻲ ﺸﻜل ‪ (7-17‬ﻭﺤﺫﻑ ﺘﻠﻙ ﺍﻟﺴﻁﻭﺭ ﺍﻟﻤﻘﺎﺒﻠﺔ ﻟﻠﺒﻠﺩﺍﻥ ﺍﻟﺘﻲ ﻟﻡ ﺘﻅﻬﺭ ﻓﻲ‬

‫ﻫﺫﻩ ﺍﻟﻌﻴﻨﺔ ﻟﻴﻨﺘﺞ ﻤﻠﻑ ﺘﺘﻁﺎﺒﻕ ﺒﻴﺎﻨﺎﺘﻪ ﻤﻊ ﺍﻟﻤﻠﻑ ﻓﻲ ﺸﻜل ‪ ،7-17‬ﻭﺒﺫﻟﻙ ﻴﻤﻜﻨﻙ ﺤﻔﻅ‬

‫ﻫﺫﺍ ﺍﻟﻤﻠﻑ ﺒﺎﺴﻡ ﺠﺩﻴﺩ ﻤﺜل ‪ world95_3‬ﻜﻤﺎ ﺴﺒﻕ ﻤﻊ ﺍﻟﻤﻠﻑ ﺍﻟﺴﺎﺒﻕ‪.‬‬ ‫ﺸﻜل ‪ : 7-17‬ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Data Editor‬ﻭﺘﻅﻬﺭ ﺒﻪ ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﻤﻥ ‪ 15‬ﺩﻭﻟﺔ‬ ‫ﺴﺤﺒﺕ ﻤﻥ ﻤﻠﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ world95_2‬ﻟﺘﻘﻠﻴﺼﻪ ﻭﺤﻔﻅﻪ ﻓﻲ ﻤﻠﻑ ‪world95_3‬‬

‫ﻭﺍﻵﻥ‪ ،‬ﻭﺒﻌﺩ ﺘﺠﻬﻴﺯ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻟﻠﺘﺤﻠﻴل ﺴﻭﻑ ﻨﺴﺘﺨﺩﻡ ﺍﻟﻤﻠﻑ ‪world95_2‬‬

‫ﻹﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﻟﻤﻠﻑ ‪ world95_3‬ﻹﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫ﻟﻠﻤﻔﺭﺩﺍﺕ‪ ،‬ﻭﺴﻴﺘﻡ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ ﺒﻁﺭﻴﻘﺘﻴﻥ‪ :‬ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ‬

‫‪ Hierarchical clustering method‬ﻭﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‬

‫‪k-means cluster‬‬

‫‪ analysis‬ﺒﻴﻨﻤﺎ ﺴﻴﺘﻡ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ﻓﻘﻁ‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪603‬‬

‫ﻭﻴﻤﻜﻥ ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﺃﻤﺭ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ‪ Cluster Analysis‬ﺴﻭﺍﺀ‬ ‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪ Hierarchical clustering method‬ﺃﻭ ﺒﻁﺭﻴﻘﺔ‬ ‫ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪ k-means cluster analysis‬ﻋﻥ ﻁﺭﻴﻕ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ‬

‫‪) Analyze‬ﺃﻭ ‪ Statistics‬ﻓﻲ ﺍﻹﺼﺩﺍﺭ ‪ (8.0‬ﻭﺍﻟﻭﺼﻭل ﺇﻟﻰ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ‬

‫ﻟﻠﺘﺼﻨﻴﻑ ‪ Classify‬ﻟﻨﺠﺩ ﺃﻤﺭﻱ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪K-Means‬‬

‫‪ Cluster‬ﻭﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪ Hierarchical Cluster‬ﻓﻲ ﻫﺫﻩ‬

‫ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﻔﺭﻋﻴﺔ )ﻜﻤﺎ ﻓﻲ ﺸﻜل ‪ 8-17‬ﺃﺩﻨﺎﻩ(‪ ،‬ﻭﻜل ﻤﻥ ﺍﻷﻤﺭﻴﻥ ﺴﻴﻔﺘﺢ ﺍﻟﻨﺎﻓﺫﺓ‬ ‫ﺍﻟﺨﺎﺼﺔ ﺒﻬﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ‪.‬‬ ‫ﺸﻜل ‪ : 8-17‬ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﺃﻤﺭﻱ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪K-Means‬‬

‫‪ Cluster‬ﻭﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪ Hierarchical Cluster‬ﻓﻲ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺼﻨﻴﻑ ‪Classify‬‬

‫ﻭﺍﻟﺠﺩﻴﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﺇﺠﺭﺍﺀ ﺃﻱ ﻋﻤﻠﻴﺔ ﺘﺤﻭﻴل ﻟﻠﺒﻴﺎﻨﺎﺕ )ﻤﺜل ﺘﺤﻭﻴل ﺍﻟﻘﻴﻡ ﺇﻟﻰ‬

‫ﻗﻴﻡ ﻤﻌﻴﺎﺭﻴﺔ ‪ (Standardized values‬ﻴﻤﻜﻥ ﺃﻥ ﺘﺘﻡ ﺃﻭﺘﻭﻤﺎﺘﻴﻜﻴﹰﺎ ﺨﻼل ﺍﻟﺘﺤﻠﻴل‬

‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ‪ ،‬ﻭﻟﻜﻨﻬﺎ ﻻ ﺒﺩ ﺃﻥ ﺘﺘﻡ ﻗﺒل ﺍﻟﺒﺩﺀ ﻓﻲ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺤﻠﻴل‬ ‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‪ ،‬ﺇﺫ ﺃﻥ ﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ﻓﻘﻁ‬ ‫ﺘﺯﻭﺩﻨﺎ ﺒﺨﻴﺎﺭﺍﺕ ﻟﺘﻘﻭﻡ ﺒﺈﺠﺭﺍﺀ ﺍﻟﺘﺤﻭﻴﻠﺔ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻟﻠﺒﻴﺎﻨﺎﺕ ‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪604‬‬

‫‪ .2 .3 .17‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ﻟﻠﻤﺸﺎهﺪات ﺑﺎﺳﺘﺨﺪام اﻟﻄﺮﻳﻘﺔ اﻟﻬﺮﻣﻴﺔ‪:‬‬ ‫ﻟﺘﻨﻔﻴﺫ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺸﺎﻫﺩﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ‬

‫ﺍﻟﻤﻠﻑ ‪ world95_3‬ﺴﻭﻑ ﻨﺴﺘﺨﺩﻡ ‪ 11‬ﻤﺘﻐﻴﺭﹰﺍ ﻤﻨﻬﺎ ﻓﻘﻁ ﻟﺘﺠﻤﻴﻊ ﺍﻟﺒﻠﺩﺍﻥ ﻓﻲ‬

‫ﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﺴﻨﻘﻭﻡ ﺒﺤﺴﺎﺏ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻟﻘﻴﻡ ﻜل ﻤﻥ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﺤﻴﺙ‬

‫ﺘﺼﺒﺢ ﻗﻴﻡ ﺠﻤﻴﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺘﻘﻊ ﻓﻲ ﺍﻟﻔﺘﺭﺓ )‪ ،(1 ، 0‬ﻭﺴﻨﺴﺘﺨﺩﻡ ﺍﻻﺨﺘﻴﺎﺭﻴﻥ ﺍﻟﺘﻠﻘﺎﺌﻴﻴﻥ‬ ‫ﻟﻜل ﻤﻥ ﻤﻘﻴﺎﺱ ﺍﻟﻤﺴﺎﻓﺔ ‪ distance measure‬ﻭﻁﺭﻴﻘﺔ ﺍﻟﺘﺠﻤﻴﻊ ‪linking method‬‬

‫ﻭﻫﻤﺎ ﻋﻠﻰ ﺍﻟﺘﺭﺘﻴﺏ ﻤﺭﺒﻊ ﺍﻟﻤﺴﺎﻓﺔ ﺍﻹﻗﻠﻴﺩﻴﺔ ‪ squared Euclidean distance‬ﻭﺍﻟﺭﺍﺒﻁ‬

‫ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪. between-groups linkage‬‬

‫ﻭﻟﻠﺒﺩﺀ ﻓﻲ ﺘﻨﻔﻴﺫ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺸﺎﻫﺩﺍﺕ ﻻ ﺒﺩ ﻤﻥ ﺘﺠﻬﻴﺯ ﺍﻟﺒﻴﺎﻨﺎﺕ‬

‫ﻻ ﻟﻴﻜﻭﻥ ﺍﻟﻤﻠﻑ ‪ world95_3‬ﻤﻔﺘﻭﺤﹰﺎ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺜﻡ ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﻨﺎﻓﺫﺓ‬ ‫ﺃﻭ ﹰ‬

‫ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪Hierarchical Cluster Analysis‬‬

‫)ﺸﻜل ‪ (9-17‬ﻋﻥ ﻁﺭﻴﻕ ﺍﻷﻭﺍﻤﺭ ﺍﻟﺨﺎﺼﺔ ﺒﺫﻟﻙ ﻜﻤﺎ ﺘﻡ ﺘﻭﻀﻴﺤﻪ ﻓﻲ ﺸﻜل ‪8-17‬‬ ‫ﺃﻋﻼﻩ‪.‬‬ ‫ﺸﻜل ‪ : 9-17‬ﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺸﺎﻫﺩﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ‬ ‫‪Hierarchical Cluster Analysis‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪605‬‬

‫ﻓﻲ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻴﺤﺴﻥ ﻓﻲ ﺍﻟﺒﺩﺍﻴﺔ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺇﻋﺎﺩﺓ ﺍﻟﺘﻨﻀﻴﺩ ‪Reset‬‬

‫ﻻﺴﺘﻌﺎﺩﺓ ﺠﻤﻴﻊ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻟﺘﻠﻘﺎﺌﻴﺔ ‪ default values‬ﻗﺒل ﺇﺩﺨﺎل ﺍﻟﻘﻴﻡ ﺨﻭﻓﹰﺎ ﻤﻥ ﺘﻐﻴﺭ‬

‫ﺃﻱ ﻤﻨﻬﺎ ﺃﺜﻨﺎﺀ ﻤﺤﺎﻭﻻﺕ ﺴﺎﺒﻘﺔ ﻟﺘﻨﻔﻴﺫ ﻫﺫﺍ ﺍﻷﻤﺭ‪ ،‬ﺜﻡ ﻴﺘﻡ ﺇﺩﺨﺎل ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬

‫ﺍﻟﻤﺭﺍﺩ ﺇﺩﺨﺎﻟﻬﺎ ﻟﻠﺘﺤﻠﻴل ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ ،Variables‬ﻭﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺴﻨﻘﻭﻡ‬

‫ﺒﺈﺩﺨﺎﻟﻬﺎ ﺇﻟﻰ ﺍﻟﺘﺤﻠﻴل ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻫﻲ‪ :‬ﻨﺴﺒﺔ ﺍﻟﺴﻜﺎﻥ ﻓﻲ ﺍﻟﻤﺩﻥ ‪percent of‬‬

‫)‪ population living in cities (urban‬ﻭﺘﻭﻗﻊ ﺍﻟﺤﻴﺎﺓ ﻟﻺﻨﺎﺙ‬

‫‪female life‬‬

‫)‪ expectancy (lifeexpf‬ﻭﻤﻌﺩل ﺍﻟﺘﻌﻠﻴﻡ )‪ literacy rate (literacy‬ﻭﻤﻌﺩل ﺍﻟﻨﻤﻭ‬ ‫ﺍﻟﺴﻜﺎﻨﻲ )‪ population increase (pop_incr‬ﻭﻤﻌﺩل ﻭﻓﻴﺎﺕ ﺍﻷﻁﻔﺎل ﺍﻟﺭﻀﻊ‬

‫)‪ infant mortality (babymort‬ﻭﻤﻌﺩل ﺍﻟﻤﻭﺍﻟﻴﺩ ﺍﻟﺨﺎﻡ )‪birth rate (birth_rt‬‬

‫ﻭﻜﻤﻴﺔ ﺍﻟﺴﻌﺭﺍﺕ ﺍﻟﺤﺭﺍﺭﻴﺔ ﻟﻠﻔﺭﺩ )‪ ،Daily calorie intake (calories‬ﻭﻤﻌﺩل‬ ‫ﺍﻟﻭﻓﻴﺎﺕ ﺍﻟﺨﺎﻡ )‪ death rate (death_rt‬ﻭﻟﻭﻏﺎﺭﻴﺘﻡ ﻨﺼﻴﺏ ﺍﻟﻔﺭﺩ ﻤﻥ ﺍﻟﻨﺎﺘﺞ ﺍﻟﻤﺤﻠﻲ‬ ‫ﺍﻹﺠﻤﺎﻟﻲ )‪ Log (base 10) of GDP_CAP (log_gdp‬ﻭﻨﺴﺒﺔ ﺍﻟﻤﻭﺍﻟﻴﺩ ﺇﻟﻰ ﺍﻟﻭﻓﻴﺎﺕ‬

‫)‪ Birth to death ratio (b_to_d‬ﻭﻤﻌﺩل ﺍﻟﺨﺼﻭﺒﺔ )‪ fertility (fertility‬ﻭﻟﻭﻏﺎﺭﻴﺘﻡ‬ ‫ﻋﺩﺩ ﺍﻟﺴﻜﺎﻥ )‪. Log (base 10) of Population (log_pop‬‬ ‫ﻓﻲ ﻨﻔﺱ ﺍﻟﻨﺎﻓﺫﺓ ﻭﻓﻲ ﻤﺭﺒﻊ ﺩﻟﻴل ﺍﻟﻘﻴﻡ ‪ Label Cases By:‬ﻀﻊ ﻤﺘﻐﻴﺭ ﺍﺴﻡ‬

‫ﺍﻟﺩﻭﻟﺔ ‪ ،country‬ﻜﺫﻟﻙ ﻗﻡ ﺒﺘﺤﺩﻴﺩ ﺨﻴﺎﺭ ﺍﻟﻤﻔﺭﺩﺍﺕ ‪ Cases‬ﻀﻤﻥ ﺨﻴﺎﺭﺍﺕ ﺍﻟﺘﺠﻤﻴﻊ‬

‫‪ ، Cluster:‬ﻭﺒﺘﺤﺩﻴﺩ ﻜل ﻤﻥ ﺍﻹﺤﺼﺎﺀﺍﺕ ‪ Statistics‬ﻭﺍﻟﺭﺴﻭﻤﺎﺕ ‪ Plots‬ﻓﻲ‬ ‫ﺨﻴﺎﺭﺍﺕ ﺍﻟﻌﺭﺽ ‪ Display‬ﺃﺴﻔل ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻤﻨﺘﺼﻑ ﺍﻟﻨﺎﻓﺫﺓ ‪.‬‬

‫ﻭﺍﻵﻥ ﻗﻡ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺨﻴﺎﺭﺍﺕ ﺍﻹﺤﺼﺎﺀ ‪ Statistics‬ﻓﻲ ﺃﺴﻔل ﺍﻟﻨﺎﻓﺫﺓ‬ ‫ﻟﺘﻔﺘﺢ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ ﺍﻟﺨﺎﺼﺔ ﺒﻬﺫﻩ ﺍﻟﺨﻴﺎﺭﺍﺕ )ﺸﻜل ‪ (10-17‬ﻭﺤﺩﺩ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ‬

‫‪ Proximity matrix‬ﻭﻓﻲ ﺨﻴﺎﺭ ﺃﻋﻀﺎﺀ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪ Cluster Membership‬ﻗﻡ‬

‫ﺒﺎﺨﺘﻴﺎﺭ ﻤﺩﻯ ﺍﻟﺤﻠﻭل ‪ Ranges of Solutions‬ﻭﺍﺩﺨل ﺍﻟﻘﻴﻤﺔ ‪ 2‬ﻤﻘﺎﺒل ﻤﻥ ‪from‬‬

‫ﻭﺍﻟﻘﻴﻤﺔ ‪ 4‬ﻤﻘﺎﺒل ﺇﻟﻰ ‪ through‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺤﻠﻭل ﺒﻌﺩﺩ ﺒﻴﻥ ‪ 2‬ﻭ‪ 4‬ﻤﺠﻤﻭﻋﺎﺕ‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪606‬‬

‫ﺸﻜل ‪ : 10-17‬ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ ﻟﺨﻴﺎﺭﺍﺕ ﺍﻹﺤﺼﺎﺀﺍﺕ ‪ Statistics‬ﻟﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل‬ ‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪Hierarchical Cluster Analysis‬‬

‫ﺒﻌﺩ ﺍﻟﻌﻭﺩﺓ ﻟﻠﻨﺎﻓﺫﺓ ﺍﻷﺴﺎﺴﻴﺔ ﻟﻠﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ﻗﻡ ﺒﺎﻟﻀﻐﻁ‬

‫ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺨﻴﺎﺭﺍﺕ ﺍﻟﺭﺴﻭﻤﺎﺕ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪ Plots‬ﻓﻲ ﺃﺴﻔل ﺍﻟﻨﺎﻓﺫﺓ ﻟﺘﻔﺘﺢ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ‬ ‫ﺍﻟﺨﺎﺼﺔ ﺒﻬﺫﻩ ﺍﻟﺨﻴﺎﺭﺍﺕ )ﺸﻜل ‪ (11-17‬ﻭﺤﺩﺩ ﺸﻜل ﺍﻟﺸﺠﺭﺓ ‪Dendrogram‬‬

‫ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻷﺨﺭﻯ ﺍﻟﺘﻠﻘﺎﺌﻴﺔ ﻜﻤﺎ ﺘﻅﻬﺭ ﺒﺎﻟﺸﻜل ﺃﺩﻨﺎﻩ ﺜﻡ ﻋﺩ ﺇﻟﻰ ﻨﺎﻓﺫﺓ‬

‫ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻷﺴﺎﺴﻴﺔ ‪.‬‬

‫ﺸﻜل ‪ : 11-17‬ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ ﻟﺨﻴﺎﺭﺍﺕ ﺍﻟﺭﺴﻭﻤﺎﺕ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪ Plots‬ﻟﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل‬ ‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪Hierarchical Cluster Analysis‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪607‬‬

‫ﻗﻡ ﺍﻵﻥ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺨﻴﺎﺭﺍﺕ ﻁﺭﻴﻘﺔ ﺍﻟﺘﺤﻠﻴل ‪ Method‬ﻓﻲ ﺃﺴﻔل‬ ‫ﺍﻟﻨﺎﻓﺫﺓ ﻟﺘﻔﺘﺢ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ ﺍﻟﺨﺎﺼﺔ ﺒﻬﺫﻩ ﺍﻟﺨﻴﺎﺭﺍﺕ )ﺸﻜل ‪ ،(12-17‬ﻓﻔﻲ ﺨﻴﺎﺭ‬

‫ﺘﺤﻭﻴل ﺍﻟﻘﻴﻡ ‪ Transform Values‬ﺍﺨﺘﺭ ﺨﻴﺎﺭ ﺤﺴﺎﺏ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ‪Standardize‬‬

‫ﺒﻤﺩﻯ ﺒﻴﻥ ‪ 0‬ﻭ ‪ (Range 0 to 1) 1‬ﻤﻥ ﻤﺭﺒﻊ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻟﻤﺘﺎﺤﺔ ﺍﻟﺨﺎﺼﺔ ﺒﺫﻟﻙ‪،‬‬ ‫ﻭﺍﺘﺭﻙ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻷﺨﺭﻯ ﺒﺎﻟﻘﻴﻡ ﺍﻟﺘﻠﻘﺎﺌﻴﺔ ﻜﻤﺎ ﺘﻅﻬﺭ ﺒﺎﻟﺸﻜل ﺃﺩﻨﺎﻩ‪ ،‬ﺜﻡ ﻋﺩ ﺇﻟﻰ ﻨﺎﻓﺫﺓ‬

‫ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻷﺴﺎﺴﻴﺔ ﻭﻨﻔﺫ ﺃﻤﺭ ﺍﻟﺘﺤﻠﻴل ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻟﺘﻨﻔﻴﺫ ‪.OK‬‬

‫ﺸﻜل ‪ : 12-17‬ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ ﻟﺨﻴﺎﺭﺍﺕ ﻁﺭﻴﻘﺔ ﺍﻟﺘﺤﻠﻴل ‪ Method‬ﻟﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل‬ ‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪Hierarchical Cluster Analysis‬‬

‫ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﺎﻟﻴﺔ ﺴﻴﺘﻀﺢ ﺃﻥ ﻫﻨﺎﻙ ﺜﻼﺙ ﺃﻭ ﺃﺭﺒﻊ ﻤﺠﻤﻭﻋﺎﺕ ﻤﺘﺠﺎﻨﺴﺔ ﻓﻲ‬

‫ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ‪ ،‬ﻓﺤﻴﺙ ﺃﻥ ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ ﻜل ﺯﻭﺝ ﻤﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻫﻲ ﺃﺴﺎﺱ ﻋﻤﻠﻴﺔ‬ ‫ﺍﻟﺘﺠﻤﻴﻊ ﻓﺈﻨﻪ ﻴﻤﻜﻨﻨﺎ ﺒﻤﺠﺭﺩ ﺍﻟﻨﻅﺭ ﺇﻟﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺃﻭ ﺍﻟﻤﺴﺎﻓﺎﺕ )ﺍﻟﻔﺭﻭﻕ( ﺒﻴﻥ ﻫﺫﻩ‬ ‫ﺍﻟﻤﻔﺭﺩﺍﺕ ﺃﻥ ﻨﺴﺘﺸﻑ ﺒﻌﺽ ﺍﻟﻨﺘﺎﺌﺞ ﻭﺍﻟﺘﻲ ﺴﺘﺅﻜﺩﻫﺎ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻼﺤﻕ‪ ،‬ﻭﻟﻜﻥ ﻫﻨﺎ‬

‫ﺴﻨﻘﻭﻡ ﺒﺘﺤﻠﻴل ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﻲ ﻴﻌﻁﻴﻬﺎ ﻨﻅﺎﻡ ‪ SPSS‬ﻨﺘﻴﺠﺔ ﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ ﺍﻟﺴﺎﺒﻕ‪.‬‬

‫( ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬17)

608

‫ﻻ ﻴﻌﻁﻲ ﻤﻠﺨﺼﹰﺎ ﻋﺎﻤﹰﺎ ﻋﻥ ﺃﻋﺩﺍﺩ‬ ‫ﻋﻠﻰ ﺭﺃﺱ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﺴﻴﻜﻭﻥ ﺠﺩﻭ ﹰ‬ Missing ‫ﺍﻟﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﻲ ﺘﻀﻤﻨﻬﺎ ﺍﻟﺘﺤﻠﻴل ﻭﺃﻋﺩﺍﺩ ﺍﻟﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﻲ ﺍﻋﺘﺒﺭﺕ ﻤﻔﻘﻭﺩﺓ‬

‫ ﻫﺫﺍ ﺍﻟﺠﺩﻭل ﻟﻥ ﻨﻘﻭﻡ ﺒﻌﺭﻀﻪ ﻫﻨﺎ ﻨﻅﺭﹰﺍ ﻟﻌﺩﻡ ﺍﺤﺘﻭﺍﺌﻪ ﻋﻠﻰ ﻤﻌﻠﻭﻤﺎﺕ ﺫﺍﺕ‬،cases .‫ﻓﺎﺌﺩﺓ ﻜﺒﻴﺭﺓ ﺴﻭﻯ ﺍﻟﺘﺤﻘﻕ ﻤﻥ ﺍﻟﺩﻗﺔ‬

‫ ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺨﺎﺹ ﺒﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ‬: 13-17 ‫ﺸﻜل‬ ‫ ﺍﻟﻨﺎﺘﺞ ﻋﻥ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ‬Proximity Matrix

Hierarchical Cluster Analysis for Cases ‫ﺍﻟﻬﺭﻤﻴﺔ ﻟﻠﻤﻔﺭﺩﺍﺕ‬ Proximity Matrix

2.2

4.8

1.4

5:Brazil

.4

1.9

3.0

1.6

6:Chile

.4

1.9

5.1

1.9

.9

7:Denmark

15:Switzerland

1.6

4:Bolivia

14:Paraguay

3.0

13:Norway

1.9

1.4

7.7

12:Japan

4.8

4.9

.7

2.3

.8

.7

.1

4.7

.1

7.9

7.7

4.1

7.8

4.8

4.3

1.4

4.6

1.6

1.5

1.7

2.6

1.8

1.8

1.2

1.3

1.3

1.4

3.5

.4

1.0

.2

5.2

.3

.9

2.8

2.3

2.2

.9

2.3

.7

5.5

5.3

5.7

3.3

5.8

2.7

2.6

2.9

2.3

2.8

.3

.3

4.9

.2

.6

4.2

.6

11:Italy

7.7

1.0

3:Bangladesh

.8

10:Indonesia

.4

9:India

2.2

8:Domincan R.

5:Brazil

4.9

7:Denmark

4:Bolivia

1.0

2:Austria

6:Chile

3:Bangladesh

1:Argentina

2:Austria

Case

1:Argentina

Squared Euclidean Distance

.4

1.0

.9

3.2

1.4

.9

1.9

.2

2.7

5.7

2.7

.2

5.1

8.5

3.0

.5

1.7

7.9

1.9

5.3

.8

1.4

1.3

5.2

.9

2.1

.8

1.7

.5

2.1

.4

3.5

1.7

3.1

6.4 2.2

1.0

.2

8.5

5.3

2.1

2.1

8:Domincan R. .9

2.7

3.0

.8

.8

.4

3.1

9:India

3.2

5.7

.5

1.4

1.7

3.5

6.4

10:Indonesia

1.4

2.7

1.7

1.3

.5

1.7

3.5

.9

.7

11:Italy

.9

.2

7.9

5.2

1.6

1.8

.4

2.8

5.5

2.7

12:Japan

.8

.7

7.9

4.8

1.5

1.2

1.0

2.3

5.3

2.6

2.2

.3

13:Norway

.7

.1

7.7

4.3

1.7

1.3

.2

2.2

5.7

2.9

.3

.6

14:Paraguay

2.3

4.7

4.1

1.4

2.6

1.3

5.2

.9

3.3

2.3

4.9

4.2

4.0

15:Switzerland .8

.1

7.8

4.6

1.8

1.4

.3

2.3

5.8

2.8

.2

.6

.1

This is a dissimilarity matrix

4.0

.1 4.0

4.0

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪609‬‬

‫ﻭﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ‪ (13-17‬ﺫﺍﺕ ﺍﻷﻫﻤﻴﺔ ﻭﻫﻭ ﺍﻟﺫﻱ‬ ‫ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ ‪ ،Proximity Matrix‬ﻻﺤﻅ ﺃﻥ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ‬ ‫ﻤﺘﻤﺎﺜﻠﺔ ﺒﺤﻴﺙ ﺃﻥ ﺍﻟﻘﻴﻡ ﺃﻋﻠﻰ ﺍﻟﻘﻁﺭ ﺍﻟﺭﺌﻴﺴﻲ ﺘﺘﻁﺎﺒﻕ ﻤﻊ ﺍﻟﻘﻴﻡ ﺃﺴﻔل ﻫﺫﺍ ﺍﻟﻘﻁﺭ‪ ،‬ﻓﻌﻠﻰ‬

‫ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﺘﻅﻬﺭ ﻋﻠﻰ ﺭﺃﺱ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ ﺍﻟﻨﻤﺴﺎ ‪Austria‬‬

‫ﻭﺍﻷﺭﺠﻨﺘﻴﻥ ‪ Argentina‬ﻭﻫﻲ ﺘﺴﺎﻭﻱ ﺘﻤﺎﻤﹰﺎ ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ ﺍﻷﺭﺠﻨﺘﻴﻥ ﻭﺍﻟﻨﻤﺴﺎ ﻭﺘﺴﺎﻭﻱ‬

‫ﺘﻘﺭﻴﺒﺎ ‪ ،1.0‬ﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻨﻪ ﺘﻡ ﺇﺠﺭﺍﺀ ﺒﻌﺽ ﺍﻟﺘﻌﺩﻴﻼﺕ ﺍﻟﺸﻜﻠﻴﺔ ﻤﻥ ﺨﻼل ﻤﺤﺭﺭ‬

‫ﺍﻟﻨﺘﺎﺌﺞ ‪ Output Editor‬ﻋﻠﻰ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ ﻭﺒﺎﻟﺘﺤﺩﻴﺩ ﺘﻌﺩﻴل ﻋﺭﺽ ﺍﻟﻌﻨﺎﻭﻴﻥ‬ ‫ﺍﻟﺠﺎﻨﺒﻴﺔ ﻭﺘﺤﺩﻴﺩ ﺍﻟﻘﻴﻡ ﺍﻟﻌﺸﺭﻴﺔ ﺒﺨﺎﻨﺔ ﻭﺍﺤﺩﺓ ﻓﻘﻁ ﻟﺘﻭﻀﻴﺢ ﺍﻟﺠﺩﻭل‪.‬‬ ‫ﺸﻜل ‪ : 14-17‬ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﺨﻁﻭﺍﺕ ﺍﻟﺘﺠﻤﻴﻊ‬ ‫‪Agglomeration Schedule‬‬ ‫‪Agglomeration Schedule‬‬ ‫‪Stage Cluster‬‬ ‫‪First Appears‬‬

‫‪Cluster Combined‬‬

‫‪Next‬‬ ‫‪Stage‬‬

‫‪Cluster‬‬ ‫‪2‬‬

‫‪Cluster‬‬ ‫‪1‬‬

‫‪Coefficients‬‬

‫‪Cluster‬‬ ‫‪2‬‬

‫‪Cluster‬‬ ‫‪1‬‬

‫‪Stage‬‬ ‫‪1‬‬

‫‪2‬‬

‫‪0‬‬

‫‪0‬‬

‫‪.112‬‬

‫‪15‬‬

‫‪13‬‬

‫‪3‬‬

‫‪1‬‬

‫‪0‬‬

‫‪.132‬‬

‫‪13‬‬

‫‪2‬‬

‫‪2‬‬

‫‪4‬‬

‫‪0‬‬

‫‪2‬‬

‫‪.227‬‬

‫‪7‬‬

‫‪2‬‬

‫‪3‬‬

‫‪8‬‬

‫‪0‬‬

‫‪3‬‬

‫‪.273‬‬

‫‪11‬‬

‫‪2‬‬

‫‪4‬‬

‫‪9‬‬

‫‪0‬‬

‫‪0‬‬

‫‪.423‬‬

‫‪6‬‬

‫‪1‬‬

‫‪5‬‬

‫‪14‬‬

‫‪0‬‬

‫‪0‬‬

‫‪.484‬‬

‫‪9‬‬

‫‪3‬‬

‫‪6‬‬

‫‪10‬‬

‫‪0‬‬

‫‪0‬‬

‫‪.547‬‬

‫‪10‬‬

‫‪5‬‬

‫‪7‬‬

‫‪13‬‬

‫‪0‬‬

‫‪4‬‬

‫‪.649‬‬

‫‪12‬‬

‫‪2‬‬

‫‪8‬‬

‫‪10‬‬

‫‪0‬‬

‫‪5‬‬

‫‪.691‬‬

‫‪8‬‬

‫‪1‬‬

‫‪9‬‬

‫‪12‬‬

‫‪7‬‬

‫‪9‬‬

‫‪1.023‬‬

‫‪5‬‬

‫‪1‬‬

‫‪10‬‬

‫‪12‬‬

‫‪0‬‬

‫‪0‬‬

‫‪1.370‬‬

‫‪14‬‬

‫‪4‬‬

‫‪11‬‬

‫‪13‬‬

‫‪11‬‬

‫‪10‬‬

‫‪1.716‬‬

‫‪4‬‬

‫‪1‬‬

‫‪12‬‬

‫‪14‬‬

‫‪8‬‬

‫‪12‬‬

‫‪2.718‬‬

‫‪2‬‬

‫‪1‬‬

‫‪13‬‬

‫‪0‬‬

‫‪6‬‬

‫‪13‬‬

‫‪4.651‬‬

‫‪3‬‬

‫‪1‬‬

‫‪14‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪610‬‬

‫ﻤﻥ ﺠﺩﻭل ﺨﻁﻭﺍﺕ ﺍﻟﺘﺠﻤﻴﻊ ‪ Agglomeration Schedule‬ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ‬ ‫ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ‪ (14-17‬ﻴﻤﻜﻥ ﺘﺤﺩﻴﺩ ﺍﻟﻤﻔﺭﺩﺍﺕ ﺃﻭ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺘﻲ ﺘﻡ‬

‫ﻼ ﺘﻡ ﺘﺠﻤﻴﻊ‬ ‫ﺭﺒﻁﻬﺎ ﻤﻌﹰﺎ ﻓﻲ ﻜل ﺨﻁﻭﺓ ﻤﻥ ﺨﻁﻭﺍﺕ ﺍﻟﺘﺤﻠﻴل‪ ،‬ﻓﻔﻲ ﺍﻟﺨﻁﻭﺓ ﺍﻷﻭﻟﻰ ﻤﺜ ﹰ‬ ‫ﺍﻟﻨﺭﻭﻴﺞ ‪) Norway‬ﺍﻟﻤﻔﺭﺩﺓ ‪ (13‬ﻤﻊ ﺴﻭﻴﺴﺭﺍ ‪) Switzerland‬ﺍﻟﻤﻔﺭﺩﺓ ‪ ،(15‬ﺘﺫﻜﺭ‬

‫ﺃﻥ ﻫﺫﺍ ﺍﻟﺯﻭﺝ ﺍﺨﺘﻴﺭ ﻓﻲ ﺍﻟﺨﻁﻭﺓ ﺍﻷﻭﻟﻰ ﻷﻥ ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻨﻪ ﺃﺼﻐﺭ ﻤﻥ ﺍﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ‬

‫ﺃﻱ ﺯﻭﺝ ﺁﺨﺭ‪ ،‬ﻭﺘﻅﻬﺭ ﺍﻟﻤﺴﺎﻓﺔ )ﻭﻫﻲ ﺘﻘﺎﺱ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺒﻤﺭﺒﻊ ﺍﻟﻤﺴﺎﻓﺔ ﺍﻹﻗﻠﻴﺩﻴﺔ(‬ ‫ﻓﻲ ﺍﻟﻌﻤﻭﺩ ﺒﻌﻨﻭﺍﻥ ﺍﻟﻤﻌﺎﻤﻼﺕ ‪ Coefficients‬ﻭﺍﻟﻘﻴﻤﺔ ﺍﻟﺤﻘﻴﻘﻴﺔ ﻟﻠﻤﻌﺎﻤﻼﺕ ﺘﻌﺘﻤﺩ ﻋﻠﻰ‬

‫ﻤﻘﻴﺎﺱ ﺍﻟﻤﺴﺎﻓﺔ ﻭﻁﺭﻴﻘﺔ ﺍﻟﺭﺒﻁ ‪ linkage method‬ﺍﻟﻤﺴﺘﺨﺩﻤﺔ‪ ،‬ﻓﻲ ﺍﻟﺨﻁﻭﺓ ﺍﻟﺘﺎﻟﻴﺔ ﺘﻡ‬

‫ﺭﺒﻁ ﺍﻟﻨﻤﺴﺎ ‪) Austria‬ﺍﻟﻤﻔﺭﺩﺓ ‪ (2‬ﺒﺎﻟﻤﻔﺭﺩﺘﻴﻥ ﺍﻟﺴﺎﺒﻘﺘﻴﻥ‪ ،‬ﻭﻗﻴﻤﺔ ﺍﻟﻤﻌﺎﻤل‬

‫‪ Coefficient‬ﻓﻲ ﺍﻟﺨﻁﻭﺓ ﺍﻟﺜﺎﻨﻴﺔ ﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﻤﻘﻴﺎﺱ ﺭﺒﻁ ﺍﻟﻤﻔﺭﺩﺓ ﺒﺎﻟﻤﺠﻤﻭﻋﺔ‬ ‫ﺒﺎﺴﺘﺨﺩﺍﻡ ﻤﻘﻴﺎﺱ "ﺍﻟﺭﺒﻁ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ" ‪ between-group linkage‬ﻭﻫﻭ ﻤﺘﻭﺴﻁ‬

‫ﺍﻟﺭﺒﻁ )‪ (Average Linkage‬ﻭﻗﺩ ﺍﺨﺘﻴﺭ ﻫﺫﺍ ﺍﻟﻤﻘﻴﺎﺱ ﺘﻠﻘﺎﺌﻴﺎﹰ‪ ،‬ﻓﺎﻟﻤﺴﺎﻓﺔ ﺒﻴﻥ ﺍﻟﻨﻤﺴﺎ‬

‫ﻭﻜل ﻤﻥ ﺍﻟﺩﻭﻟﺘﻴﻥ ﺍﻟﺴﺎﺒﻘﺘﻴﻥ ﻫﻲ ‪ 0.128‬ﻭ ‪ 0.135‬ﻭﺒﻤﺘﻭﺴﻁ ‪) 0.132‬ﻜﻤﺎ ﻅﻬﺭ‬ ‫ﺃﻋﻼﻩ(‪ ،‬ﻓﻲ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﻼﺤﻘﺔ ﺃﻀﻴﻔﺕ ﻟﻠﻤﺠﻤﻭﻋﺔ ﺍﻟﻤﻔﺭﺩﺓ ‪ 7‬ﺘﻠﻴﻬﺎ ‪ 11‬ﻭﻫﻜﺫﺍ ‪..‬‬

‫ﻭﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﻨﻅﺎﻡ ‪ SPSS‬ﻴﻌﻁﻲ ﺭﻗﻡ ﻟﻠﻤﺠﻭﻋﺔ ﻭﻫﻭ ﻋﺒﺎﺭﺓ ﻋﻥ ﺭﻗﻡ‬

‫ﺍﻟﻤﻔﺭﺩﺓ ﺍﻷﻭﻟﻰ ﺒﻬﺎ‪ ،‬ﻓﺎﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ ﺘﺴﻤﻰ ﺍﻟﻤﺠﻤﻭﻋﺔ ‪ 13‬ﻨﻅﺭﹰﺍ ﻷﻥ ﺍﻟﻤﻔﺭﺩﺓ‬

‫ﺍﻷﻭﻟﻰ ﺒﻬﺎ ﻫﻲ ﺍﻟﻤﻔﺭﺩﺓ ‪ ،13‬ﻓﻌﻨﺩ ﻗﺭﺍﺀﺓ ﺍﻟﻌﻤﻭﺩ ﺒﻌﻨﻭﺍﻥ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ ‪Cluster 2‬‬

‫ﻀﻤﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺘﻲ ﺘﻡ ﺭﺒﻁﻬﺎ ‪ Clusters combined‬ﻓﻲ ﺴﻁﺭ ﺍﻟﺨﻁﻭﺓ ‪ 2‬ﻨﺠﺩ‬

‫ﺃﻥ ﺍﻟﻤﺠﻤﻭﻋﺔ ‪ 13‬ﻗﺩ ﻅﻬﺭﺕ ﻫﻨﺎ ﻭﻅﻬﺭ ﺍﻟﺭﻗﻡ ‪ 1‬ﻓﻲ ﺨﺎﻨﺔ "ﺍﻟﺨﻁﻭﺓ ﺍﻟﺘﻲ ﻅﻬﺭﺕ ﺒﻬﺎ‬

‫ﺍﻟﻤﺠﻤﻭﻋﺔ ﻷﻭل ﻤﺭﺓ" ‪) Stage Cluster First Appears‬ﺍﻟﻤﺠﻤﻭﻋﺔ ‪ 13‬ﻫﻨﺎ(‪،‬‬

‫ﻭﻋﻤﻭﺩ "ﺍﻟﺨﻁﻭﺓ ﺍﻟﺘﺎﻟﻴﺔ" ‪ Next stage‬ﻴﻭﻀﺢ ﺃﻥ ﺍﻟﺨﻁﻭﺓ ‪ 3‬ﻫﻲ ﺍﻟﺨﻁﻭﺓ ﺍﻟﺘﺎﻟﻴﺔ ﺍﻟﺘﻲ‬

‫ﺴﻴﺘﻡ ﻀﻡ ﻤﻔﺭﺩﺓ ﺃﻭ ﻤﺠﻤﻭﻋﺔ ﻟﻠﻤﺠﻤﻭﻋﺔ ﺍﻟﻤﻌﺭﻭﻓﺔ ﺍﻵﻥ ﺒﺎﻟﻤﺠﻤﻭﻋﺔ ‪ ،2‬ﻓﻴﺒﻴﻥ ﻫﺫﺍ‬ ‫ﺍﻟﻌﻤﻭﺩ ﺃﻨﻪ ﻟﻥ ﻴﻀﺎﻑ ﺃﻱ ﻤﻔﺭﺩﺓ ﺇﻟﻰ ﺍﻟﻤﺠﻤﻭﻋﺔ ‪ 2‬ﻟﺤﻴﻥ ﺍﻟﻭﺼﻭل ﻟﻠﺨﻁﻭﺓ ‪.8‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪611‬‬

‫ﻓﻲ ﺍﻏﻠﺏ ﺍﻷﺤﻴﺎﻥ ﺘﻜﻭﻥ ﻤﺘﺎﺒﻌﺔ ﺨﻁﻭﺍﺕ ﺍﻟﺘﺠﻤﻴﻊ ﻋﻥ ﻁﺭﻴﻕ ﺸﻜل ﺍﻟﺸﺠﺭﺓ‬ ‫‪) Dendrogram‬ﺸﻜل ‪ (17-17‬ﺃﻜﺜﺭ ﺴﻬﻭﻟﺔ‪ ،‬ﺇﻻ ﺃﻥ ﻫﺫﺍ ﺍﻟﺸﻜل ﻟﻥ ﻴﻭﻀﺢ ﻤﻘﺩﺍﺭ‬ ‫ﺍﻟﺘﺠﺎﻨﺱ ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺘﻲ ﺘﻡ ﻀﻤﻬﺎ‪ ،‬ﻓﻘﻴﻤﺔ ﺍﻟﻤﻌﺎﻤل ‪ Coefficient‬ﺍﻟﺼﻐﻴﺭﺓ ﺘﺒﻴﻥ‬

‫ﺃﻥ ﺍﻟﻤﺠﻤﻭﻋﺔ ﻤﺠﺎﻨﺴﺔ ﺒﻴﻨﻤﺎ ﺍﻟﻘﻴﻤﺔ ﻜﺒﻴﺭﺓ ﺘﺒﻴﻥ ﺃﻥ ﺍﻟﺘﺠﺎﻨﺱ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺘﻴﻥ ﺃﻗل‪.‬‬

‫ﻭﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ ﻴﺒﻴﻥ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ‪ (15-17‬ﻭﻴﻭﻀﺢ‬

‫ﺃﻋﻀﺎﺀ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪ Cluster Membership‬ﻤﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻤﺩﻯ‬

‫ﺍﻟﺤﻠﻭل ‪ Range of solutions‬ﺍﻟﺫﻱ ﺘﻡ ﺘﺤﺩﻴﺩﻩ )ﻤﻥ ‪ 2‬ﺇﻟﻰ ‪ (4‬ﻀﻤﻥ ﺨﻴﺎﺭﺍﺕ ﺍﻷﻤﺭ‪،‬‬ ‫ﻓﻨﺘﺎﺌﺞ ﺍﻟﺘﻭﺯﻴﻊ ﻋﻠﻰ ‪ 4‬ﻤﺠﻤﻭﻋﺎﺕ ﺘﻅﻬﺭ ﻓﻲ ﺍﻟﻌﻤﻭﺩ ﺍﻷﻭل ﺍﻟﺫﻱ ﻴﻠﻲ ﺃﺴﻤﺎﺀ ﺍﻟﺒﻠﺩﺍﻥ‪.‬‬ ‫ﺸﻜل ‪ : 15-17‬ﺍﻟﺠﺯﺀ ﺍﻟﺜﻠﺙ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﺍﻟﺫﻱ ﻴﻭﻀﺢ ﺘﻭﺯﻴﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻜﺄﻋﻀﺎﺀ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪Cluster Membership‬‬ ‫‪Cluster Membership‬‬ ‫‪2‬‬ ‫‪Clusters‬‬

‫‪3‬‬ ‫‪Clusters‬‬

‫‪4‬‬ ‫‪Clusters‬‬

‫‪1‬‬

‫‪1‬‬

‫‪1‬‬

‫‪1‬‬

‫‪2‬‬

‫‪2‬‬

‫‪2:Austria‬‬

‫‪2‬‬

‫‪3‬‬

‫‪3‬‬

‫‪3:Bangladesh‬‬

‫‪1‬‬

‫‪1‬‬

‫‪4‬‬

‫‪4:Bolivia‬‬

‫‪1‬‬

‫‪1‬‬

‫‪1‬‬

‫‪5:Brazil‬‬

‫‪1‬‬

‫‪1‬‬

‫‪1‬‬

‫‪6:Chile‬‬

‫‪1‬‬

‫‪2‬‬

‫‪2‬‬

‫‪7:Denmark‬‬

‫‪1‬‬

‫‪1‬‬

‫‪1‬‬

‫‪8:Domincan R.‬‬

‫‪2‬‬

‫‪3‬‬

‫‪3‬‬

‫‪9:India‬‬

‫‪1‬‬

‫‪1‬‬

‫‪1‬‬

‫‪10:Indonesia‬‬

‫‪1‬‬

‫‪2‬‬

‫‪2‬‬

‫‪11:Italy‬‬

‫‪1‬‬

‫‪2‬‬

‫‪2‬‬

‫‪12:Japan‬‬

‫‪1‬‬

‫‪2‬‬

‫‪2‬‬

‫‪13:Norway‬‬

‫‪1‬‬

‫‪1‬‬

‫‪4‬‬

‫‪14:Paraguay‬‬

‫‪1‬‬

‫‪2‬‬

‫‪2‬‬

‫‪15:Switzerland‬‬

‫‪Label‬‬

‫‪Case‬‬ ‫‪1:Argentina‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪612‬‬

‫ﻤﻥ ﺍﻟﺠﺩﻭل ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺴﺎﺒﻕ ﻴﺘﻀﺢ ﺃﻥ ﺍﻟﻔﺭﻕ ﺍﻟﻭﺤﻴﺩ ﺒﻴﻥ ﻨﺘﻴﺠﺔ ﺍﻟﺘﻭﺯﻴﻊ ﺇﻟﻰ‬ ‫‪ 3‬ﻤﺠﻤﻭﻋﺎﺕ ﻭﺍﻟﺘﻭﺯﻴﻊ ﺇﻟﻰ ‪ 4‬ﻤﺠﻤﻭﻋﺎﺕ ﻫﻭ ﺃﻥ ﺩﻭﻟﺘﻲ ﺒﻭﻟﻴﻔﻴﺎ ‪ Bolivia‬ﻭﺒﺎﺭﺠﻭﺍﻱ‬

‫‪ Paraguay‬ﻫﻤﺎ ﺍﻟﺩﻭﻟﺘﻴﻥ ﺍﻟﻭﺤﻴﺩﺘﻴﻥ ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺭﺍﺒﻌﺔ ﻭﺍﻟﺘﻴﻥ ﻴﻨﻀﻤﺎ ﺇﻟﻰ‬

‫ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺘﻭﺯﻴﻊ ﺇﻟﻰ ‪ 3‬ﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺘﻭﺯﻴﻊ ﺇﻟﻰ‬ ‫ﻤﺠﻤﻭﻋﺘﻴﻥ ﻓﺈﻥ ﺍﻟﻬﻨﺩ ‪ India‬ﻭﺒﻨﺠﻼﺩﺵ ‪ Bangladesh‬ﺘﺸﻜﻼﻥ ﻤﺠﻤﻭﻋﺔ ﻟﻭﺤﺩﻫﻤﺎ‬

‫ﺒﻴﻨﻤﺎ ﺒﺎﻗﻲ ﺍﻟﺩﻭل ﺘﺘﺠﻤﻊ ﻓﻲ ﻤﺠﻤﻭﻋﺔ ﻭﺍﺤﺩﺓ‪.‬‬

‫ﺸﻜل ‪ : 16-17‬ﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﺸﻜل ﺍﻷﻟﻭﺍﺡ ﺍﻟﺠﻠﻴﺩﻴﺔ‬ ‫‪Vertical Icicle‬‬ ‫‪Vertical Icicle‬‬ ‫‪Case‬‬

‫‪1:Argentina‬‬

‫‪6:Chile‬‬

‫‪8:Domincan R.‬‬

‫‪5:Brazil‬‬

‫‪10:Indonesia‬‬

‫‪4:Bolivia‬‬

‫‪14:Paraguay‬‬

‫‪2:Austria‬‬

‫‪13:Norway‬‬

‫‪15:Switzerland‬‬

‫‪7:Denmark‬‬

‫‪11:Italy‬‬

‫‪12:Japan‬‬

‫‪3:Bangladesh‬‬

‫‪9:India‬‬

‫‪Numb‬‬ ‫‪of‬‬ ‫‪cluste‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪14‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪613‬‬

‫ﻭﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻫﻭ ﺸﻜل ﺍﻷﻟﻭﺍﺡ ﺍﻟﺠﻠﻴﺩﻴﺔ ‪ ، Icicle plot‬ﻭﺇﺫﺍ‬ ‫ﻅﻬﺭ ﻫﺫﺍ ﺍﻟﺸﻜل ﺒﻁﺭﻴﻘﺔ ﻤﺨﺘﻠﻔﺔ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺘﻐﻴﻴﺭﻩ ﻓﻲ ﺇﻋﺩﺍﺩﺍﺕ ﺍﻟﺒﺭﻨﺎﻤﺞ ﻟﻴﻅﻬﺭ ﺒﻬﺫﺍ‬ ‫ﺍﻟﺸﻜل‪ ،‬ﻭﻫﺫﺍ ﻴﻤﻜﻥ ﺃﻥ ﻴﺘﻡ ﺒﺎﺨﺘﻴﺎﺭ ‪ options‬ﻤﻥ ﻗﺎﺌﻤﺔ ‪ Edit‬ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﻨﺘﺎﺌﺞ‬

‫ﻟﺘﻅﻬﺭ ﻨﺎﻓﺫﺓ ﺍﻟﺨﻴﺎﺭﺍﺕ ‪ Options‬ﻓﺎﺨﺘﺭ ‪ Scripts‬ﻤﻨﻬﺎ‪ ،‬ﻭﻓﻲ ﺍﻟﻤﺭﺒﻊ ﺍﻷﺒﻴﺽ ﻓﻲ‬ ‫ﺃﺴﻔل ﺍﻟﻨﺎﻓﺫﺓ ﻗﻡ ﺒﺘﺤﺩﻴﺩ ‪ Cluster_Table_Icicle_Create‬ﺜﻡ ﺍﻀﻐﻁ ﻤﻔﺘﺎﺡ ﺍﻟﺘﻨﻔﻴﺫ‬

‫‪ ، OK‬ﻭﺒﺫﻟﻙ ﺴﻴﻅﻬﺭ ﻫﺫﺍ ﺍﻟﺸﻜل ﻓﻲ ﺍﻟﻤﺭﺍﺕ ﺍﻟﻘﺎﺩﻤﺔ ﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‪،‬‬ ‫ﻭﻴﻤﻜﻨﻙ ﺇﻋﺎﺩﺓ ﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺜﺎل ﺍﻟﺤﺎﻟﻲ ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﻫﺫﺍ ﺍﻟﺸﻜل‪ ،‬ﻭﻓﻲ‬ ‫ﻫﺫﺍ ﺍﻟﺸﻜل ﻴﺘﻡ ﺘﻤﺜﻴل ﻜل ﺩﻭﻟﺔ ﺒﻤﺴﺘﻁﻴل ﺃﺴﻭﺩ ﻤﻌﻠﻕ ﻤﻥ ﺃﻋﻠﻰ ﻭﺒﺄﻋﻤﺩﺓ ﺒﻴﻥ‬

‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺘﻤﺜل ﺍﻟﺭﻭﺍﺒﻁ ‪ ،linkages‬ﻓﻔﻲ ﺍﻟﺼﻑ ﺍﻷﻭل ﻜل ﺍﻟﻘﻴﻡ ﺘﻨﻀﻡ ﻤﻌﹰﺎ ﻓﻲ‬ ‫ﻤﺠﻤﻭﻋﺔ ﻭﺍﺤﺩﺓ ﻭﻟﺫﻟﻙ ﻓﺠﻤﻴﻊ ﺍﻟﻘﻴﻡ ﻅﻠﻠﺕ ﺒﺎﻟﻠﻭﻥ ﺍﻷﺴﻭﺩ‪ ،‬ﻭﻟﻔﻬﻡ ﻜﻴﻑ ﺘﻡ ﺘﻜﻭﻴﻥ‬

‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻻﺒﺩ ﻤﻥ ﺍﻟﺒﺩﺀ ﻤﻥ ﺃﺴﻔل ﺍﻟﺸﻜل‪.‬‬

‫ﻓﻲ ﺍﻟﺨﻁﻭﺓ ﺍﻷﻭﻟﻰ )ﺍﻟﺴﻁﺭ ‪ (14‬ﺘﻡ ﻀﻡ ﺍﻟﻨﺭﻭﻴﺞ ﻭﺴﻭﻴﺴﺭﺍ ﻓﻲ ﻤﺠﻤﻭﻋﺔ‬

‫ﻭﺍﺤﺩﺓ ﻷﻥ ﺒﻴﻨﻬﻤﺎ ﺃﻗﺼﺭ ﻤﺴﺎﻓﺔ‪ ،‬ﻻﺤﻅ ﺃﻥ ﺍﻟﻤﺴﺘﻁﻴل ﺍﻷﺴﻭﺩ ﺒﻴﻨﻬﻤﺎ ﻴﻤﺘﺩ ﺇﻟﻰ ﺍﻷﺴﻔل‬ ‫ﺇﻟﻰ ﻗﺎﻋﺩﺓ ﺍﻟﺸﻜل‪ ،‬ﻭﻓﻲ ﺍﻟﺨﻁﻭﺓ ‪ 13‬ﺃﻀﻴﻔﺕ ﺍﻟﻨﻤﺴﺎ ﻭﺘﺒﻌﺘﻬﺎ ﺍﻟﺩﺍﻨﻤﺎﺭﻙ ﻓﻲ ﺍﻟﺨﻁﻭﺓ‬

‫‪ 12‬ﺜﻡ ﺇﻴﻁﺎﻟﻴﺎ ﻓﻲ ﺍﻟﺨﻁﻭﺓ ‪ ،11‬ﻭﻓﻲ ﺍﻟﺨﻁﻭﺓ ‪ 10‬ﺘﺸﻴﻠﻲ ﻭﺍﻷﺭﺠﻨﺘﻴﻥ ﻜﻭﻨﺘﺎ ﻤﺠﻤﻭﻋﺔ‬

‫ﺨﺎﺼﺔ ﺒﻬﻤﺎ ‪ ،‬ﻭﻫﻜﺫﺍ‪..‬‬

‫ﺍﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ ﻭﻫﻭ ﺍﻟﺠﺯﺀ ﺍﻟﺨﺎﻤﺱ ﻭﺍﻷﺨﻴﺭ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ‪(17-17‬‬

‫ﻭﻴﻭﻀﺢ ﺸﻜل ﺍﻟﺸﺠﺭﺓ ‪ Dendrogram‬ﻭﺍﻟﺫﻱ ﻴﺼﻭﺭ ﺠﺩﻭل ﺨﻁﻭﺍﺕ ﺍﻟﺘﺠﻤﻴﻊ‬

‫‪ Agglomeration Schedule‬ﻭﺍﻟﺫﻱ ﺘﻡ ﻋﺭﻀﻪ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ‬

‫)ﻓﻲ ﺸﻜل ‪ ،(14-17‬ﻭﻫﺫﺍ ﺍﻟﺸﻜل ﻴﻤﻜِﻥ ﻤﻥ ﺘﺤﺩﻴﺩ ﺍﻟﻤﻔﺭﺩﺍﺕ ﺃﻭ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺘﻲ ﺘﻡ‬ ‫ﺭﺒﻁﻬﺎ ﻤﻌﹰﺎ ﻓﻲ ﻜل ﺨﻁﻭﺓ ﻤﻥ ﺨﻁﻭﺍﺕ ﺍﻟﺘﺤﻠﻴل‪ ،‬ﻭﻟﻜﻥ ﻻﺤﻅ ﺃﻥ ﺍﻟﻤﺴﺎﻓﺎﺕ ﻓﻲ ﺃﻋﻠﻰ‬ ‫ﻫﺫﺍ ﺍﻟﺸﻜل ﺘﻡ ﺘﻘﺴﻴﻤﻬﺎ ﻭﻗﻴﺎﺴﻬﺎ ﺒﻁﺭﻴﻘﺔ ﻤﺨﺘﻠﻔﺔ ﻋﻥ ﻁﺭﻴﻘﺔ ﺘﻘﺴﻴﻡ ﺍﻟﺸﻜل ﺍﻟﺴﺎﺒﻕ‘ ﻓﻬﻲ‬

‫ﻫﻨﺎ ﻤﻘﺎﺴﻪ ﺒﻘﻴﻡ ﺘﺘﺭﺍﻭﺡ ﻓﻲ ﺍﻟﻔﺘﺭﺓ )‪ 0‬ﻭ ‪. (25‬‬

‫( ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬17)

614

‫ ﺍﻟﺠﺯﺀ ﺍﻟﺨﺎﻤﺱ ﻭﺍﻷﺨﻴﺭ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﺸﻜل ﺍﻟﺸﺠﺭﺓ‬: 17-17 ‫ﺸﻜل‬ Dendrogram * * * H I E R A R C H I C A L

C L U S T E R

A N A L Y S I S * * *

Dendrogram using Average Linkage (Between Groups) Rescaled Distance Cluster Combine

C A S E Label

0 5 10 15 20 25 Num +---------+---------+---------+---------+---------+

Norway

13

òø

Switzerland 15

òú

Austria

2

òú

Denmark

7

òôòòòø

Italy

11

ò÷

Japan

12

òòòòò÷

Brazil

5

Indonesia

10

Argentina

1

ùòòòòòòòòòòòòòòòòòòòòòòòø ó

òòòòòûòòòòòø

ùòòòòòòòòòòòòòòòòòòòø

òòòòò÷

ùòòòòòø

ó

ó

òòòûòòòø

ó

ó

ó

Chile

6

òòò÷

Domincan R.

8

òòòòòòò÷

Bolivia Paraguay

4 14

ùòòò÷

ó

ùòòòòòòòòòòò÷

ó

ó

ó

òòòòòòòòòòòòòûòòò÷

ó

òòòòòòòòòòòòò÷

ó

Bangladesh

3

òòòòòûòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò÷

India

9

òòòòò÷

‫ ﻴﻭﻀﺢ ﻜﻴﻔﻴﺔ ﺘﻜﻭﻴﻥ‬Dendrogram ‫ﻭﺒﻬﺫﺍ ﻴﺘﻀﺢ ﺃﻥ ﺸﻜل ﺍﻟﺸﺠﺭﺓ‬ ،Linkage Distance ‫ ﻜﻤﺎ ﻴﻘﺩﻡ ﻤﻘﻴﺎﺴﹰﺎ ﻟﺭﺒﻁ ﺍﻟﻤﺴﺎﻓﺎﺕ ﻟﻠﺘﺠﻤﻴﻊ‬،‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬

،‫ﻭﻴﺘﻀﺢ ﻫﻨﺎ ﺒﺸﻜل ﺠﻠﻲ ﺃﻥ ﺒﻨﺠﻼﺩﺵ ﻭﺍﻟﻬﻨﺩ ﻴﺨﺘﻠﻔﺎﻥ ﻋﻥ ﺠﻤﻴﻊ ﺍﻟﺒﻠﺩﺍﻥ ﺍﻷﺨﺭﻯ‬

‫ﻭﻟﻜﻥ ﻭﺒﺄﻗل ﺩﺭﺠﺔ ﻤﻥ ﺍﻟﻭﻀﻭﺡ ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﻴﺘﻭﺠﺏ ﺃﻥ ﺘﺘﻭﻗﻑ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺠﻤﻴﻊ ﺒﻴﻥ‬

‫ ﻟﻠﺤﺼﻭل‬15 ‫ ﻭ‬10 ‫ ﻤﺠﻤﻭﻋﺎﺕ ﺃﻭ ﺒﻴﻥ ﺍﻟﺒﻠﺩﻴﻥ‬4 ‫ ﻟﻠﺤﺼﻭل ﻋﻠﻰ‬10‫ ﻭ‬5 ‫ﺍﻟﺒﻠﺩﻴﻥ‬

. ‫ﻋﻠﻰ ﺜﻼﺙ ﻤﺠﻤﻭﻋﺎﺕ‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪615‬‬

‫‪ .3 .3 .17‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ﺑﺎﺳﺘﺨﺪام اﻟﻄﺮﻳﻘﺔ اﻟﻬﺮﻣﻴﺔ ﻟﻠﻤﺘﻐﻴﺮات ‪:‬‬ ‫ﻭﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻴﺘﻡ ﺘﺠﻤﻴﻊ ﻤﺘﻐﻴﺭﺍﺕ )ﺃﻋﻤﺩﺓ( ﻭﻟﻴﺴﺕ ﻤﻔﺭﺩﺍﺕ )ﺼﻔﻭﻑ(‬

‫ﻟﻤﻌﺭﻓﺔ ﺃﻱ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺘﺭﺘﺒﻁ ﻤﻌﹰﺎ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺠﺘﻤﻊ‪ ،‬ﻭﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻨﻪ ﻋﻨﺩﻤﺎ ﺍﺴﺘﺨﺩﻡ‬ ‫ﻤﺭﺒﻊ ﺍﻟﻤﺴﺎﻓﺔ ﺍﻹﻗﻠﻴﺩﻴﺔ ‪ Squared Euclidean Distance‬ﻟﺘﺠﻤﻴﻊ ﻤﻔﺭﺩﺍﺕ ﻓﻲ ﺍﻟﻘﺴﻡ‬

‫ﺍﻟﺴﺎﺒﻕ ﺘﻡ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻭﻴل ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻹﺯﺍﻟﺔ ﺃﻱ ﺃﺜﺭ ﻟﻠﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ‪ ،‬ﻭﻨﻔﺱ‬

‫ﺍﻟﻤﻌﺎﻟﺠﺔ ﻟﻠﺒﻴﺎﻨﺎﺕ ﻴﻤﻜﻥ ﺘﻁﺒﻴﻘﻬﺎ ﻫﻨﺎ ﺃﻴﻀﹰﺎ ﻋﻨﺩ ﺘﺠﻤﻴﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﻟﻜﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ‬

‫ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺒﻴﺭﺴﻭﻥ ‪ ، Pearson correlation coefficient‬ﻭﺒﺴﺒﺏ ﺤﺎﺠﺘﻨﺎ ﺇﻟﻰ‬

‫ﻗﻴﺎﺱ ﻗﻭﺓ ﺍﻟﻌﻼﻗﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﺈﻨﻪ ﻻﺒﺩ ﻤﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻁﻠﻘﺔ ﻟﻤﻌﺎﻤﻼﺕ‬ ‫ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﻨﺎﺘﺠﺔ‪ ،‬ﻭﺇﺫﺍ ﻜﺎﻥ ﺍﻻﻫﺘﻤﺎﻡ ﺒﺄﻥ ﻴﻌﻜﺱ ﺍﻟﺘﺠﻤﻴﻊ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﻤﻭﺠﺏ ﻓﻘﻁ ﻓﺈﻨﻪ‬

‫ﻴﺠﺏ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺘﺭﻙ ﺇﺸﺎﺭﺍﺕ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ‪.‬‬

‫ﻭﻟﺘﻁﺒﻴﻕ ﻫﺫﺍ ﺍﻷﺴﻠﻭﺏ ﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻠﻑ ‪ world59‬ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻓﺈﻨﻨﺎ‬

‫ﺴﻨﺄﺨﺫ ﻨﺴﺨﺔ ﺍﻟﻤﻠﻑ ‪ world95_2‬ﺍﻟﺘﻲ ﺴﺒﻕ ﻭﺃﻥ ﺘﻡ ﺘﻭﻀﻴﺢ ﻜﻴﻔﻴﺔ ﺍﻟﺤﺼﻭل ﻋﻠﻴﻬﺎ‬ ‫ﻓﻲ ﺍﻟﻘﺴﻡ ‪ .1 .3 .17‬ﻤﻥ ﻫﺫﺍ ﺍﻟﻔﺼل ﺒﺎﺴﺘﺒﻌﺎﺩ ﻤﺠﻤﻭﻋﺘﻴﻥ ﻤﻥ ﺍﻟﺒﻠﺩﺍﻥ ﻓﻲ ﺍﻟﻤﻠﻑ‬

‫ﺍﻷﺼﻠﻲ ‪ world59‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﻨﺘﺎﺌﺞ ﻴﻤﻜﻥ ﻋﺭﻀﻬﺎ ﺒﺴﻬﻭﻟﺔ ﻭﻭﻀﻭﺡ ﻋﻠﻰ‬ ‫ﺼﻔﺤﺎﺕ ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ ﻓﻘﻁ ‪ ،‬ﻭﻴﺘﻡ ﻫﻨﺎ ﺃﻴﻀﹰﺎ ﺍﺘﺒﺎﻉ ﻨﻔﺱ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﻲ ﺘﻡ ﺍﺘﺒﺎﻋﻬﺎ ﻓﻲ‬

‫ﺘﻁﺒﻴﻕ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ ﻓﻲ ﺍﻟﻘﺴﻡ ﺍﻟﺴﺎﺒﻕ ﺒﺎﺴﺘﺜﻨﺎﺀ ﺒﻌﺽ ﺍﻟﺘﻐﻴﺭﺍﺕ ﺍﻟﻁﻔﻴﻔﺔ‬ ‫ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫ﻭﻟﻠﺒﺩﺀ ﻓﻲ ﺘﻨﻔﻴﺫ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻭﺘﻤﺎﻤﹰﺎ ﻜﻤﺎ ﻓﻲ ﺤﺎﻟﺔ‬ ‫ﻻ ﻟﻴﻜﻭﻥ ﺍﻟﻤﻠﻑ‬ ‫ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻻ ﺒﺩ ﻤﻥ ﺘﺠﻬﻴﺯ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺃﻭ ﹰ‬

‫‪ world95_2‬ﻫﺫﻩ ﺍﻟﻤﺭﺓ ﻤﻔﺘﻭﺤﹰﺎ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺜﻡ ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل‬

‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪) Hierarchical Cluster Analysis‬ﻜﻤﺎ ﻓﻲ‬

‫ﺸﻜل ‪ 18 -17‬ﺃﺩﻨﺎﻩ( ﻋﻥ ﻁﺭﻴﻕ ﺍﻷﻭﺍﻤﺭ ﺍﻟﺨﺎﺼﺔ ﺒﺫﻟﻙ ﻜﻤﺎ ﺘﻡ ﺘﻭﻀﻴﺤﻪ ﻤﺴﺒﻘﹰﺎ ﻓﻲ‬

‫ﺸﻜل ‪ 8-17‬ﺃﻋﻼﻩ‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪616‬‬

‫ﺸﻜل ‪ : 18-17‬ﺍﻟﻨﺎﻓﺫﺓ ﺍﻷﺴﺎﺴﻴﺔ ﻟﻠﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ‬ ‫‪Hierarchical Cluster Analysis‬‬

‫ﺸﻜل ‪ : 19-17‬ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ ﻟﺨﻴﺎﺭﺍﺕ ﻁﺭﻴﻘﺔ ﺍﻟﺘﺤﻠﻴل ‪ Method‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬ ‫ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ‪Hierarchical Cluster Analysis‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪617‬‬

‫ﻓﻲ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻴﺤﺴﻥ ﺩﺍﺌﻤﹰﺎ ﻓﻲ ﺍﻟﺒﺩﺍﻴﺔ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺇﻋﺎﺩﺓ ﺍﻟﺘﻨﻀﻴﺩ‬ ‫‪ Reset‬ﻻﺴﺘﻌﺎﺩﺓ ﺠﻤﻴﻊ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻟﺘﻠﻘﺎﺌﻴﺔ ‪ default values‬ﻗﺒل ﺇﺩﺨﺎل ﺇﻱ ﻤﻥ ﺍﻟﻘﻴﻡ‬

‫ﺨﻭﻓﹰﺎ ﻤﻥ ﺘﻐﻴﺭ ﺃﻱ ﻤﻥ ﻫﺫﻩ ﺍﻟﻘﻴﻡ ﺃﺜﻨﺎﺀ ﻤﺤﺎﻭﻻﺕ ﺴﺎﺒﻘﺔ ﻟﺘﻨﻔﻴﺫ ﻫﺫﺍ ﺍﻷﻤﺭ‪ ،‬ﺜﻡ ﻴﺘﻡ ﺇﺩﺨﺎل‬

‫ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺭﺍﺩ ﺇﺩﺨﺎﻟﻬﺎ ﻟﻠﺘﺤﻠﻴل ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪،Variables‬‬ ‫ﻭﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺴﻨﻘﻭﻡ ﺒﺈﺩﺨﺎﻟﻬﺎ ﺇﻟﻰ ﺍﻟﺘﺤﻠﻴل ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻫﻲ‪ :‬ﻨﺴﺒﺔ ﺍﻟﺴﻜﺎﻥ ﻓﻲ‬

‫ﺍﻟﻤﺩﻥ )‪ percent of population living in cities (urban‬ﻭﺘﻭﻗﻊ ﺍﻟﺤﻴﺎﺓ ﻟﻺﻨﺎﺙ‬

‫)‪ female life expectancy (lifeexpf‬ﻭﻤﻌﺩل ﺍﻟﺘﻌﻠﻴﻡ )‪literacy rate (literacy‬‬

‫ﻭﻤﻌﺩل ﺍﻟﻨﻤﻭ ﺍﻟﺴﻜﺎﻨﻲ )‪ population increase (pop_incr‬ﻭﻤﻌﺩل ﻭﻓﻴﺎﺕ ﺍﻷﻁﻔﺎل‬

‫ﺍﻟﺭﻀﻊ )‪ infant mortality (babymort‬ﻭﻤﻌﺩل ﺍﻟﻤﻭﺍﻟﻴﺩ ﺍﻟﺨﺎﻡ ‪birth rate‬‬

‫)‪ (birth_rt‬ﻭﻤﻌﺩل ﺍﻟﻭﻓﻴﺎﺕ ﺍﻟﺨﺎﻡ )‪ death rate (death_rt‬ﻭﻟﻭﻏﺎﺭﻴﺘﻡ ﻨﺼﻴﺏ ﺍﻟﻔﺭﺩ‬ ‫ﻤﻥ ﺍﻟﻨﺎﺘﺞ ﺍﻟﻤﺤﻠﻲ ﺍﻹﺠﻤﺎﻟﻲ )‪ Log (base 10) of GDP_CAP (log_gdp‬ﻭﻨﺴﺒﺔ‬

‫ﺍﻟﻤﻭﺍﻟﻴﺩ ﺇﻟﻰ ﺍﻟﻭﻓﻴﺎﺕ )‪ Birth to death ratio (b_to_d‬ﻭﻤﻌﺩل ﺍﻟﺨﺼﻭﺒﺔ ‪fertility‬‬

‫)‪ (fertility‬ﻭﻟﻭﻏﺎﺭﻴﺘﻡ ﻋﺩﺩ ﺍﻟﺴﻜﺎﻥ )‪، Log (base 10) of Population (log_pop‬‬ ‫ﻻﺤﻅ ﺃﻥ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻫﻲ ﻨﻔﺱ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺘﻡ ﺇﺩﺨﺎﻟﻬﺎ ﻟﻠﺘﺤﻠﻴل ﻓﻲ ﺍﻟﻤﺜﺎل‬

‫ﺍﻟﺴﺎﺒﻕ ﺒﺎﺴﺘﺜﻨﺎﺀ ﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ ﻭﻫﻭ ﻜﻤﻴﺔ ﺍﻟﺴﻌﺭﺍﺕ ﺍﻟﺤﺭﺍﺭﻴﺔ ﻟﻠﻔﺭﺩ )‪. (calories‬‬

‫ﻓﻲ ﻨﻔﺱ ﺍﻟﻨﺎﻓﺫﺓ ﻗﻡ ﺒﺘﺤﺩﻴﺩ ﺨﻴﺎﺭ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ Variables‬ﻀﻤﻥ ﺨﻴﺎﺭﺍﺕ‬

‫ﺍﻟﺘﺠﻤﻴﻊ ‪ ، Cluster:‬ﻭﺘﺄﻜﺩ ﻤﻥ ﺘﺤﺩﻴﺩ ﻜل ﻤﻥ ﺍﻹﺤﺼﺎﺀﺍﺕ ‪ Statistics‬ﻭﺍﻟﺭﺴﻭﻤﺎﺕ‬

‫‪ Plots‬ﻓﻲ ﺨﻴﺎﺭﺍﺕ ﺍﻟﻌﺭﺽ ‪ Display‬ﺃﺴﻔل ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻤﻨﺘﺼﻑ ﺍﻟﻨﺎﻓﺫﺓ ‪.‬‬

‫ﻭﺍﻵﻥ ﺍﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺨﻴﺎﺭﺍﺕ ﺍﻹﺤﺼﺎﺀ ‪ Statistics‬ﻟﺘﻔﺘﺢ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ‬ ‫ﺍﻟﺨﺎﺼﺔ ﺒﻬﺫﻩ ﺍﻟﺨﻴﺎﺭﺍﺕ )ﺸﻜل ‪ (10-17‬ﻭﺤﺩﺩ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ ‪Proximity matrix‬‬

‫ﻭﻓﻲ ﺨﻴﺎﺭ ﺃﻋﻀﺎﺀ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪ Cluster Membership‬ﻗﻡ ﺒﺎﺨﺘﻴﺎﺭ ﻤﺩﻯ ﺍﻟﺤﻠﻭل‬

‫‪ Ranges of Solutions‬ﻭﺍﺩﺨل ﺍﻟﻘﻴﻤﺔ ‪ 2‬ﻤﻘﺎﺒل ﻤﻥ ‪ from‬ﻭﺍﻟﻘﻴﻤﺔ ‪ 4‬ﻤﻘﺎﺒل ﺇﻟﻰ‬ ‫‪ through‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﺤﻠﻭل ﺒﻌﺩﺩ ﺒﻴﻥ ‪ 2‬ﻭ‪ 4‬ﻤﺠﻤﻭﻋﺎﺕ‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪618‬‬

‫ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻷﺴﺎﺴﻴﺔ ﻟﻠﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ﻗﻡ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ‬ ‫ﻤﻔﺘﺎﺡ ﺨﻴﺎﺭﺍﺕ ﺍﻟﺭﺴﻭﻤﺎﺕ ﺍﻟﺒﻴﺎﻨﻴﺔ ‪ Plots‬ﻓﻲ ﺃﺴﻔل ﺍﻟﻨﺎﻓﺫﺓ ﻟﺘﻔﺘﺢ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ‬

‫ﺍﻟﺨﺎﺼﺔ ﺒﻬﺫﻩ ﺍﻟﺨﻴﺎﺭﺍﺕ )ﺘﻤﺎﻤﹰﺎ ﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ ﻓﻲ ﺍﻟﺸﻜل ‪ (11-17‬ﻭﺤﺩﺩ‬

‫ﺸﻜل ﺍﻟﺸﺠﺭﺓ ‪ Dendrogram‬ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻷﺨﺭﻯ ﺍﻟﺘﻠﻘﺎﺌﻴﺔ‪.‬‬

‫ﻓﻲ ﻫﺫﻩ ﺍﻟﻤﺭﺤﻠﺔ ﺍﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺨﻴﺎﺭﺍﺕ ﻁﺭﻴﻘﺔ ﺍﻟﺘﺤﻠﻴل ‪ Method‬ﻟﺘﻔﺘﺢ‬

‫ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ ﺍﻟﺨﺎﺼﺔ ﺒﻬﺫﻩ ﺍﻟﺨﻴﺎﺭﺍﺕ )ﺸﻜل ‪ ،(19-17‬ﻓﻔﻲ ﺨﻴﺎﺭ ﺍﻟﻔﺘﺭﺓ ‪Interval‬‬

‫ﺘﺤﺕ ﻋﻨﻭﺍﻥ ﺍﻟﻤﻘﻴﺎﺱ ‪ Measure‬ﺍﺨﺘﺭ ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺒﻴﺭﺴﻭﻥ‬

‫‪Pearson‬‬

‫‪ correlation‬ﻤﻥ ﺒﻴﻥ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻟﻤﺘﺎﺤﺔ ﺍﻟﺨﺎﺼﺔ ﺒﺫﻟﻙ‪ ،‬ﻭﺃﻤﺎﻡ ﺨﻴﺎﺭ ﺘﺤﻭﻴل ﺍﻟﻤﻘﺎﻴﻴﺱ‬

‫‪ Transform Measures‬ﻗﻡ ﺒﺘﺤﺩﻴﺩ ﺨﻴﺎﺭ ﺤﺴﺎﺏ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻁﻠﻘﺔ ‪Absolute Values‬‬

‫ﻭﺍﺘﺭﻙ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻷﺨﺭﻯ ﺒﺎﻟﻘﻴﻡ ﺍﻟﺘﻠﻘﺎﺌﻴﺔ ﻜﻤﺎ ﺘﻅﻬﺭ ﺒﺎﻟﺸﻜل ‪ ،19-17‬ﺜﻡ ﻋﺩ ﺇﻟﻰ‬

‫ﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻷﺴﺎﺴﻴﺔ ﻭﻨﻔﺫ ﺃﻤﺭ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ‬

‫ﺍﻟﺘﻨﻔﻴﺫ ‪ OK‬ﻟﻠﺤﺼﻭل ﻋﻠﻰ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺘﻲ ﺘﻡ ﺘﺠﺯﺌﺘﻬﺎ ﻟﺘﻅﻬﺭ ﻓﻲ ﺍﻷﺸﻜﺎل ﺍﻟﺘﺎﻟﻴﺔ‪.‬‬

‫ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ‪ (20-17‬ﺘﻅﻬﺭ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ‬ ‫‪ proximity matrix‬ﻭﺍﻟﺘﻲ ﻟﻬﺎ ﻨﻔﺱ ﺘﻔﺴﻴﺭ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ‬ ‫ﺒﺎﺴﺘﺜﻨﺎﺀ ﺃﻥ ﺍﻟﻤﻘﻴﺎﺱ ﺍﻟﻤﺴﺘﺨﺩﻡ ﻟﻠﻤﺴﺎﻓﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻫﻨﺎ ﻫﻭ ﺍﻟﻘﻴﻤﺔ ﺍﻟﻤﻁﻠﻘﺔ ﻟﻤﻌﺎﻤل‬

‫ﺍﺭﺘﺒﺎﻁ ﺒﻴﺭﺴﻭﻥ ‪ Pearson correlation‬ﻭﺫﻟﻙ ﻜﻤﺎ ﺘﻡ ﺘﺤﺩﻴﺩﻩ ﻤﻥ ﻀﻤﻥ ﺨﻴﺎﺭﺍﺕ‬

‫ﺃﻭﺍﻤﺭ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺍﻟﺴﺎﺒﻘﺔ‪.‬‬

‫ﻭﻴﺒﻴﻥ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ‪ (21-17‬ﺨﻁﻭﺍﺕ ﺍﻟﺘﺠﻤﻴﻊ‬

‫‪ Agglomeration Schedule‬ﺍﻟﺫﻱ ﻴﻭﻀﺢ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﻲ ﺘﻡ ﺍﺘﺒﺎﻋﻬﺎ ﻓﻲ ﺍﻟﺘﺤﻠﻴل‬

‫ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ‪ ،‬ﻓﺎﻋﺘﺒﺭ ﻜل ﻤﺘﻐﻴﺭ ﻜﻤﺠﻤﻭﻋﺔ ﻟﻭﺤﺩﻩ ﻓﻲ ﺍﻟﺨﻁﻭﺓ ﺍﻷﻭﻟﻰ ‪ ،‬ﻭﺒﻌﺩ‬

‫ﺫﻟﻙ ﻭﻓﻲ ﻜل ﺨﻁﻭﺓ ﻜﺎﻥ ﺇﻤﺎ ﺃﻥ ﻴﻨﻀﻡ ﻤﺘﻐﻴﺭﻴﻥ ﻓﻲ ﻤﺠﻤﻭﻋﺔ ﺠﺩﻴﺩﺓ ﺃﻭ ﻴﻨﻀﻡ ﻤﺘﻐﻴﺭ‬ ‫ﺠﺩﻴﺩ ﻋﻠﻰ ﻤﺠﻤﻭﻋﺔ ﻗﺎﺌﻤﺔ ﺃﻭ ﺘﻨﻀﻡ ﻤﺠﻤﻭﻋﺘﻴﻥ ﻤﻌﹰﺎ ﻟﺘﺸﻜل ﻤﺠﻤﻭﻋﺔ ﺠﺩﻴﺩﺓ ﺃﻜﺒﺭ‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪619‬‬

‫ﺸﻜل ‪ : 20-17‬ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﺨﺎﺼﺔ ﺒﻤﺼﻔﻭﻓﺔ ﺍﻟﻘﺭﺍﺒﺔ ‪Proximity‬‬ ‫‪ Matrix‬ﺍﻟﻨﺎﺘﺞ ﻋﻥ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ‬ ‫‪Proximity Matrix‬‬ ‫‪Matrix File Input‬‬ ‫‪LOG_POP‬‬

‫‪FIRTILITY‬‬

‫‪B_TO_D‬‬

‫‪LOG_GDP‬‬

‫‪DEATH_RT‬‬

‫‪BIRTH_RT‬‬

‫‪BABYMORT‬‬

‫‪POP_INCR‬‬

‫‪LITERACY‬‬

‫‪LIFEEXPF‬‬

‫‪.265‬‬

‫‪.752‬‬

‫‪.186‬‬

‫‪.828‬‬

‫‪.466‬‬

‫‪.801‬‬

‫‪.975‬‬

‫‪.507‬‬

‫‪.867‬‬

‫‪.184‬‬

‫‪.823‬‬

‫‪.361‬‬

‫‪.672‬‬

‫‪.296‬‬

‫‪.824‬‬

‫‪.855‬‬

‫‪.640‬‬

‫‪.080‬‬

‫‪.830‬‬

‫‪.881‬‬

‫‪.498‬‬

‫‪.308‬‬

‫‪.837‬‬

‫‪.508‬‬

‫‪.297‬‬

‫‪.755‬‬

‫‪.179‬‬

‫‪.816‬‬

‫‪.460‬‬

‫‪.810‬‬

‫‪.019‬‬

‫‪.967‬‬

‫‪.607‬‬

‫‪.725‬‬

‫‪.071‬‬

‫‪.165‬‬

‫‪.102‬‬

‫‪.602‬‬

‫‪.140‬‬

‫‪.288‬‬

‫‪.601‬‬

‫‪.295‬‬

‫‪.218‬‬

‫‪.594‬‬

‫‪.001‬‬ ‫‪.001‬‬

‫‪URBAN‬‬

‫‪.315‬‬

‫‪.388‬‬

‫‪.022‬‬

‫‪.734‬‬

‫‪.316‬‬

‫‪.473‬‬

‫‪.667‬‬

‫‪.205‬‬

‫‪.526‬‬

‫‪.685‬‬

‫‪Case‬‬ ‫‪URBAN‬‬ ‫‪.685‬‬

‫‪LIFEEXPF‬‬

‫‪.867‬‬

‫‪.526‬‬

‫‪LITERACY‬‬

‫‪.640‬‬

‫‪.507‬‬

‫‪.205‬‬

‫‪POP_INCR‬‬

‫‪.508‬‬

‫‪.855‬‬

‫‪.975‬‬

‫‪BABYMORT .667‬‬

‫‪.810‬‬

‫‪.837‬‬

‫‪.824‬‬

‫‪.801‬‬

‫‪.473‬‬

‫‪BIRTH_RT‬‬

‫‪.071‬‬

‫‪.460‬‬

‫‪.308‬‬

‫‪.296‬‬

‫‪.466‬‬

‫‪.316‬‬

‫‪DEATH_RT‬‬

‫‪.140‬‬

‫‪.725‬‬

‫‪.816‬‬

‫‪.498‬‬

‫‪.672‬‬

‫‪.828‬‬

‫‪.734‬‬

‫‪LOG_GDP‬‬

‫‪.295‬‬

‫‪.602‬‬

‫‪.607‬‬

‫‪.179‬‬

‫‪.881‬‬

‫‪.361‬‬

‫‪.186‬‬

‫‪.022‬‬

‫‪B_TO_D‬‬

‫‪.594‬‬

‫‪.601‬‬

‫‪.102‬‬

‫‪.967‬‬

‫‪.755‬‬

‫‪.830‬‬

‫‪.823‬‬

‫‪.752‬‬

‫‪.388‬‬

‫‪FIRTILITY‬‬

‫‪.218‬‬

‫‪.288‬‬

‫‪.165‬‬

‫‪.019‬‬

‫‪.297‬‬

‫‪.080‬‬

‫‪.184‬‬

‫‪.265‬‬

‫‪.315‬‬

‫‪LOG_POP‬‬

‫ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﺠﺩﻭل ﺃﻴﻀﹰﺎ ﺘﻅﻬﺭ ﺍﻟﻌﻨﺎﻭﻴﻥ ﺒﻨﻔﺱ ﺘﻔﺴﻴﺭ ﺍﻟﻌﻨﺎﻭﻴﻥ ﺍﻟﺘﻲ ﻅﻬﺭﺕ ﻓﻲ‬

‫ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ‪ ،‬ﻭﻟﻜﻥ ﻫﻨﺎ ﻋﻨﺩﻤﺎ ﻴﻨﻀﻡ ﻤﺘﻐﻴﺭﻴﻥ ﺴﻭﻑ ﺘﻤﺜل ﺍﻟﻘﻴﻤﺔ ﻓﻲ ﺍﻟﻌﻤﻭﺩ ﺒﻌﻨﻭﺍﻥ‬

‫ﺍﻟﻤﻌﺎﻤﻼﺕ ‪ Coefficients‬ﻗﻴﻤﺔ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻨﻔﺴﻬﺎ )ﻭﻟﻜﻥ ﺒﺩﻭﻥ‬ ‫ﺍﻹﺸﺎﺭﺓ(‪ ،‬ﺃﻱ ﺃﻨﻪ‪ ،‬ﻓﻲ ﺍﻟﻤﺭﺤﻠﺔ ﺍﻷﻭﻟﻰ ﻴﺘﻡ ﻀﻡ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﺍﻟﺫﻴﻥ ﻟﻬﻤﺎ ﺃﻜﺒﺭ ﻗﻴﻤﺔ‬

‫ﻼ ﺃﻥ ﻗﻴﻤﺔ ﻤﻌﺎﻤل‬ ‫ﻟﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﻤﻌﹰﺎ ﻓﻲ ﻤﺠﻤﻭﻋﺔ ‪ ،‬ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻴﺘﻀﺢ ﻤﺜ ﹰ‬ ‫ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺘﻭﻗﻊ ﺍﻟﻌﻤﺭ ﻟﻺﻨﺎﺙ )‪ lifexpf (2‬ﻭﻤﻌﺩل ﻭﻓﻴﺎﺕ ﺍﻷﻁﻔﺎل ﺍﻟﺭﻀﻊ‬

‫)‪ babymort (5‬ﻜﺎﻨﺕ ﻤﺴﺎﻭﻴﺔ ‪ 0.975‬ﻭﻫﻲ ﺃﻋﻠﻰ ﻗﻴﻤﺔ ﺒﻴﻥ ﻗﻴﻡ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ‬

‫)ﻓﻲ ﺸﻜل ‪ (20-17‬ﻭﺒﺫﻟﻙ ﻓﻘﺩ ﺘﻡ ﻀﻤﻬﻤﺎ ﻓﻲ ﻤﺠﻤﻭﻋﺔ ﻓﻲ ﺍﻟﺨﻁﻭﺓ ﺍﻷﻭﻟﻰ‪.‬‬

‫( ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬17)

620

‫ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﺨﻁﻭﺍﺕ ﺍﻟﺘﺠﻤﻴﻊ‬: 21-17 ‫ﺸﻜل‬ Agglomeration Schedule Agglomeration Schedule Stage Cluster First Appears

Cluster Combined Stage 1

Cluster 1

Cluster Cluster Cluster 2 1 2 Coefficients

Next Stage

2

5

.975

0

0

4

2

6

10

.967

0

0

5

3

4

9

.881

0

0

8

4

2

3

.861

1

0

5

5

2

6

.794

4

2

7

6

1

8

.734

0

0

7

7

1

2

.638

6

5

9

8

4

7

.455

3

0

9

9

1

4

.387

7

8

10

10

1

11

.183

9

0

0

‫ ﺍﻟﺠﺯﺀ ﺍﻟﺜﻠﺙ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﺍﻟﺫﻱ ﻴﻭﻀﺢ ﺘﻭﺯﻴﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻜﺄﻋﻀﺎﺀ‬: 22-17 ‫ﺸﻜل‬ Cluster Membership ‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬ Cluster Membership Case URBAN

4 Clusters

3 Clusters

2 Clusters

1

1

1

LIFEEXPF

1

1

1

LITERACY

1

1

1

POP_INCR

2

2

1

BABYMORT

1

1

1

BIRTH_RT

1

1

1

DEATH_RT

3

2

1

LOG_GDP

1

1

1

B_TO_D

2

2

1

FERTILITY

1

1

1

LOG_POP

4

3

2

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪621‬‬

‫ﻭﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ‪ (22-17‬ﻴﺒﻴﻥ ﺃﻋﻀﺎﺀ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬ ‫‪ Cluster Membership‬ﻓﻲ ﺍﻟﺤﻠﻭل ﺍﻟﺜﻼﺙ ﺍﻟﻤﺨﺘﻠﻔﺔ‪ ،‬ﺤﻴﺙ ﻴﺘﻀﺢ ﺃﻥ ﺍﻟﻤﺘﻐﻴﺭ‬

‫‪ log_pop‬ﻴﻘﻊ ﻓﻲ ﻤﺠﻤﻭﻋﺔ ﻟﻭﺤﺩﻩ ﻓﻲ ﺤل ﺍﻷﺭﺒﻊ ﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﻫﺫﺍ ﺼﺤﻴﺢ ﺃﻴﻀﹰﺎ‬ ‫ﻓﻲ ﺍﻟﺤﻠﻭل ﺍﻷﺨﺭﻯ‪ ،‬ﺒﻤﻌﻨﻰ ﺃﻨﻪ ﺇﺫﺍ ﺍﺴﺘﺒﻌﺩﻨﺎ ﺍﻟﻤﺘﻐﻴﺭ ‪ log_pop‬ﻓﺈﻨﻪ ﺴﻴﻜﻭﻥ ﻫﻨﺎﻙ‬ ‫ﻤﺠﻤﻭﻋﺘﻴﻥ ﺃﻭ ﺜﻼﺜﺔ ‪.‬‬

‫ﺃﻤﺎ ﺍﻟﺠﺯﺃﻴﻥ ﺍﻟﺭﺍﺒﻊ )ﺸﻜل ‪ (23-17‬ﻭﺍﻟﺨﺎﻤﺱ )ﺸﻜل ‪ (24-17‬ﻓﻴﻭﻀﺤﺎﻥ‬

‫ﺸﻜل ﺍﻷﻟﻭﺍﺡ ﺍﻟﺠﻠﻴﺩﻴﺔ ‪ Icicle plot‬ﻭﺸﻜل ﺍﻟﺸﺠﺭﺓ ‪ ،Dendrogram‬ﻭﻫﺫﻴﻥ ﻟﻬﻤﺎ‬ ‫ﺘﻤﺎﻤﹰﺎ ﻨﻔﺱ ﺘﻔﺴﻴﺭ ﻨﻅﻴﺭﻴﻬﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺴﺎﺒﻕ‪ ،‬ﻓﻔﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻤﻥ ﺸﻜل ﺍﻟﺸﺠﺭﺓ‬

‫ﻴﺘﻀﺢ ﺃﻨﻪ ﺒﻌﻴﺩﹰﺍ ﻋﻥ ﺍﻟﻤﺘﻐﻴﺭ ‪) log_pop‬ﺍﻟﺫﻱ ﻴﺒﺩﻭ ﺃﻨﻪ ﻤﺨﺘﻠﻔﹰﺎ ﻋﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺍﻷﺨﺭﻯ( ﻴﻭﺠﺩ ﻤﺠﻤﻭﻋﺘﻴﻥ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‪.‬‬

‫ﺸﻜل ‪ : 23-17‬ﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﺸﻜل ﺍﻷﻟﻭﺍﺡ ﺍﻟﺠﻠﻴﺩﻴﺔ‬ ‫‪Vertical Icicle‬‬ ‫‪Vertical Icicle‬‬ ‫‪Case‬‬

‫‪URBAN‬‬

‫‪LOG_GDP‬‬

‫‪LIFEEXPF‬‬

‫‪BABYMORT‬‬

‫‪LITERACY‬‬

‫‪BIRTH_RT‬‬

‫‪FERTILITY‬‬

‫‪POP_INCR‬‬

‫‪B_TO_D‬‬

‫‪DEATH_RT‬‬

‫‪LOG_POP‬‬

‫‪Number‬‬ ‫‪of‬‬ ‫‪clusters‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪622‬‬

‫ﺸﻜل ‪ : 24-17‬ﺍﻟﺠﺯﺀ ﺍﻟﺨﺎﻤﺱ ﻭﺍﻷﺨﻴﺭ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﺸﻜل ﺍﻟﺸﺠﺭﺓ‬ ‫‪Dendrogram‬‬ ‫* ‪A N A L Y S I S‬‬

‫‪C L U S T E R‬‬

‫‪* * * * * * H I E R A R C H I C A L‬‬ ‫* * * * *‬

‫)‪Dendrogram using Average Linkage (Between Groups‬‬ ‫‪Rescaled Distance Cluster Combine‬‬ ‫‪C A S E‬‬ ‫‪0‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪20‬‬ ‫‪25‬‬ ‫‪Label‬‬ ‫‪Num +---------+---------+---------+---------+---------+‬‬ ‫‪òûòòòòòø‬‬

‫‪LIFEEXPF 2‬‬

‫÷‪ò‬‬

‫‪BABYMORT 5‬‬

‫÷‪òòòòòòò‬‬

‫‪LITERACY 3‬‬

‫‪ùòòòòòòòòòòòòòòòø‬‬

‫÷‪òûòòòòòòòòò‬‬

‫‪BIRTH_RT 6‬‬

‫‪ó‬‬

‫÷‪ò‬‬

‫‪FERTILTY 10‬‬

‫÷‪òòòòòòòòòòòòòòòûòòòòò‬‬

‫‪1‬‬

‫‪URBAN‬‬

‫‪8‬‬

‫‪LOG_GDP‬‬

‫‪ùòòòø‬‬ ‫‪ùòòòòòòòòòø‬‬ ‫‪ó‬‬ ‫‪ùòòòòòòòòòòòø‬‬ ‫‪ó‬‬

‫‪ó‬‬

‫÷‪òòòòòòòòòòòòòòò‬‬

‫‪ó‬‬

‫‪ó‬‬

‫‪òòòòòûòòòòòòòòòòòòòòòòòòòòòòòòòòòø‬‬

‫‪POP_INCR 4‬‬

‫‪ó‬‬

‫÷‪ùòòò‬‬

‫÷‪òòòòò‬‬

‫‪B_TO_D‬‬

‫‪ó‬‬

‫‪9‬‬

‫÷‪òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò‬‬

‫‪DEATH_RT 7‬‬

‫÷‪òòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò‬‬

‫‪LOG_POP‬‬

‫‪11‬‬

‫‪ .4 .3 .17‬اﻟﺘﺤﻠﻴﻞ اﻟﻌﻨﻘﻮدي ﺑﺎﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﻟﻤﺘﻮﺳﻄﺎت ‪: K-Means‬‬ ‫ﺤﻴﺙ ﺃﻥ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺩﺭﺍﺴﺔ ﺘﺴﺘﺨﺩﻡ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻤﻘﺎﻴﻴﺱ ﻏﻴﺭ ﻤﺘﺠﺎﻨﺴﺔ‬

‫ﻼ ﻤﺘﻐﻴﺭ ﻭﻓﻴﺎﺕ ﺍﻷﻁﻔﺎل ﺍﻟﺭﻀﻊ ﻴﻤﻜﻥ ﺃﻥ ﻴﻜﻭﻥ ‪168‬ﺒﻴﻨﻤﺎ ﻫﻨﺎﻙ ﻤﺘﻐﻴﺭ‬ ‫)ﻓﻬﻨﺎﻙ ﻤﺜ ﹰ‬

‫ﻤﻌﺩل ﺍﻟﺯﻴﺎﺩﺓ ﺍﻟﺴﻨﻭﻴﺔ ﻭﺍﻟﺫﻱ ﻴﻤﻜﻥ ﺃﻥ ﻴﻜﻭﻥ ‪ (0.1%‬ﻓﺈﻨﻨﺎ ﺴﻨﺴﺘﺨﺩﻡ ﺃﻤﺭ ﺤﺴﺎﺏ‬ ‫ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ ‪) Descriptives‬ﺃﻨﻅﺭ ﺍﻟﻔﺼل ﺍﻟﺭﺍﺒﻊ( ﻭﺫﻟﻙ ﻹﻴﺠﺎﺩ ﺍﻟﻘﻴﻡ‬

‫ﺍﻟﻤﻌﻴﺎﺭﻴﺔ )‪ (z scores‬ﻟﻜل ﻤﻥ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺩﺭﺍﺴﺔ‪ ،‬ﺒﻬﺫﺍ ﺍﻹﺠﺭﺍﺀ ﺴﻴﺘﻡ ﺘﺤﻭﻴل ﺠﻤﻴﻊ‬

‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺇﻟﻰ ﻤﺘﻐﻴﺭﺍﺕ ﺒﻤﺘﻭﺴﻁ ‪ 0‬ﻭﺍﻨﺤﺭﺍﻑ ﻤﻌﻴﺎﺭﻱ ‪ ،1‬ﻭﻫﺫﻩ ﺍﻟﻌﻤﻠﻴﺔ ﻀﺭﻭﺭﻴﺔ‬

‫ﻋﻨﺩ ﺍﺴﺘﺨﺩﺍﻡ ﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪ K-Means‬ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻨﻅﺭﹰﺍ ﻷﻥ ﺃﻤﺭ‬ ‫ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﻬﺫﻩ ﺍﻟﻁﺭﻴﻘﺔ ﻻ ﻴﺘﻴﺢ ﺇﺠﺭﺍﺀ ﺘﺤﻭﻴل ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺃﺜﻨﺎﺀ ﺍﻟﺘﺤﻠﻴل‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪623‬‬

‫ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺴﻭﻑ ﻨﺴﺘﺨﺩﻡ ﺃﻴﻀﹰﺎ ﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﻠﻑ ‪ world95_3‬ﺍﻟﺫﻱ ﺤﺼﻠﻨﺎ‬ ‫ﻋﻠﻴﻪ ﺴﺎﺒﻘﹰﺎ ﻤﻥ ﻋﻴﻨﺔ ﻋﺸﻭﺍﺌﻴﺔ ﻤﻥ ‪ 15‬ﺩﻭﻟﺔ ﻓﻲ ﺍﻟﻤﻠﻑ ‪ world95‬ﺒﻌﺩ ﺃﻥ ﺘﻡ ﺍﺴﺘﺒﻌﺎﺩ‬

‫ﻤﺠﻤﻭﻋﺘﻴﻥ ﻤﻥ ﺍﻟﺒﻠﺩﺍﻥ‪ ،‬ﻭﻴﻤﻜﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻟﻠﺒﻴﺎﻨﺎﺕ ﻗﺒل ﺍﻟﺘﺤﻠﻴل‬

‫ﻤﻥ ﺨﻼل ﺍﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺤﺴﺎﺏ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ ‪) Descriptives‬ﻜﻤﺎ ﺴﺒﻕ(‬

‫ﺍﻟﻤﺘﺎﺡ ﻀﻤﻥ ﻗﺎﺌﻤﺔ ﺘﻠﺨﻴﺹ ﺍﻟﺒﻴﺎﻨﺎﺕ ‪ Summarize‬ﻓﻲ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ‬

‫ﺍﻟﺭﺌﻴﺴﻴﺔ‪ ،‬ﻫﺫﺍ ﺍﻷﻤﺭ ﺴﻴﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺤﺴﺎﺏ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ ‪) Descriptives‬ﺸﻜل‬ ‫‪ ،(25-17‬ﻟﻴﺘﻡ ﺘﺤﺩﻴﺩ ﺨﻴﺎﺭ ﺤﻔﻅ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ ﻓﻲ ﻤﺘﻐﻴﺭﺍﺕ ﺠﺩﻴﺩﺓ‬

‫‪Save‬‬

‫‪ standardized values as variable‬ﻭﺇﺩﺨﺎل ﺠﻤﻴﻊ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺩﺭﺍﺴﺔ ﺇﻟﻰ ﺍﻟﺘﺤﻠﻴل‪.‬‬ ‫ﺸﻜل ‪ : 25-17‬ﻨﺎﻓﺫﺓ ﺤﺴﺎﺏ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ ‪Descriptives‬‬

‫ﻭﻨﻅﺭﹰﺍ ﻷﻨﻨﺎ ﺴﺘﻘﻭﻡ ﻻﺤﻘﹰﺎ ﺒﺈﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻋﻠﻰ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﺈﻨﻨﺎ ﺴﺘﺄﺨﺫ‬ ‫ﻨﻔﺱ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺴﺒﻕ ﺍﻟﺘﻌﺎﻤل ﻤﻌﻬﺎ ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻬﺭﻤﻴﺔ ﻭﻫﻲ‪ :‬ﻨﺴﺒﺔ‬

‫ﺴﻜﺎﻥ ﺍﻟﻤﺩﻥ )‪ (urban‬ﻭﺘﻭﻗﻊ ﺍﻟﺤﻴﺎﺓ ﻟﻺﻨﺎﺙ )‪ (lifeexpf‬ﻭﻤﻌﺩل ﺍﻟﺘﻌﻠﻴﻡ )‪(literacy‬‬ ‫ﻭﻤﻌﺩل ﺍﻟﻨﻤﻭ ﺍﻟﺴﻜﺎﻨﻲ )‪ (pop_incr‬ﻭﻤﻌﺩل ﻭﻓﻴﺎﺕ ﺍﻷﻁﻔﺎل ﺍﻟﺭﻀﻊ )‪(babymort‬‬

‫ﻭﻤﻌﺩل ﺍﻟﻤﻭﺍﻟﻴﺩ ﺍﻟﺨﺎﻡ )‪ (birth_rt‬ﻭﻤﻌﺩل ﺍﻟﻭﻓﻴﺎﺕ ﺍﻟﺨﺎﻡ )‪ (death_rt‬ﻭﻟﻭﻏﺎﺭﻴﺘﻡ‬

‫ﻨﺼﻴﺏ ﺍﻟﻔﺭﺩ ﻤﻥ ﺍﻟﻨﺎﺘﺞ ﺍﻟﻤﺤﻠﻲ ﺍﻹﺠﻤﺎﻟﻲ )‪ (log_gdp‬ﻭﻨﺴﺒﺔ ﺍﻟﻤﻭﺍﻟﻴﺩ ﺇﻟﻰ ﺍﻟﻭﻓﻴﺎﺕ‬ ‫)‪ (b_to_d‬ﻭﻤﻌﺩل ﺍﻟﺨﺼﻭﺒﺔ )‪ (fertility‬ﻭﻟﻭﻏﺎﺭﻴﺘﻡ ﻋﺩﺩ ﺍﻟﺴﻜﺎﻥ )‪. (log_pop‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪624‬‬

‫ﻫﺫﺍ ﺍﻷﻤﺭ ﺴﻴﻘﻭﻡ ﺒﺨﻠﻕ ﻤﺘﻐﻴﺭﺍﺕ ﺠﺩﻴﺩﺓ ﺒﺄﺴﻤﺎﺀ ﺘﺒﺩﺃ ﺒﺤﺭﻑ ‪ z‬ﺘﻠﻴﻪ ﺃﺴﻤﺎﺀ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻷﺼﻠﻴﺔ ﻭﺤﻔﻅﻬﺎ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻻﺴﺘﺨﺩﺍﻤﻬﺎ ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻼﺤﻕ‪.‬‬ ‫ﻭﻟﻠﺒﺩﺀ ﻓﻲ ﺘﻨﻔﻴﺫ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ ﺒﻌﺩ ﺫﻟﻙ ﻻ ﺒﺩ ﻤﻥ‬

‫ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‬

‫‪K-Means‬‬

‫‪) Cluster Analysis‬ﺸﻜل ‪ (26-17‬ﻋﻥ ﻁﺭﻴﻕ ﺍﻷﻭﺍﻤﺭ ﺍﻟﺨﺎﺼﺔ ﺒﺫﻟﻙ ﻜﻤﺎ ﺘﻡ‬ ‫ﺘﻭﻀﻴﺤﻪ ﻓﻲ ﺸﻜل ‪ 8-17‬ﺃﻋﻼﻩ‪.‬‬

‫ﺸﻜل ‪ : 26-17‬ﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‬ ‫‪K-Means Cluster Analysis‬‬

‫ﻓﻲ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻴﺤﺴﻥ ﻓﻲ ﺍﻟﺒﺩﺍﻴﺔ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺇﻋﺎﺩﺓ ﺍﻟﺘﻨﻀﻴﺩ ‪Reset‬‬

‫ﻻﺴﺘﻌﺎﺩﺓ ﺠﻤﻴﻊ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻟﺘﻠﻘﺎﺌﻴﺔ ‪ default values‬ﻗﺒل ﺇﺩﺨﺎل ﺍﻟﻘﻴﻡ ﺨﻭﻓﹰﺎ ﻤﻥ ﺘﻐﻴﺭ‬ ‫ﺃﻱ ﻤﻨﻬﺎ ﺃﺜﻨﺎﺀ ﻤﺤﺎﻭﻻﺕ ﺴﺎﺒﻘﺔ ﻟﺘﻨﻔﻴﺫ ﻫﺫﺍ ﺍﻷﻤﺭ‪ ،‬ﺜﻡ ﻴﺘﻡ ﺇﺩﺨﺎل ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬

‫ﺍﻟﻤﺭﺍﺩ ﺇﺩﺨﺎﻟﻬﺎ ﻟﻠﺘﺤﻠﻴل ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ‪ ،Variables‬ﻭﻫﻲ ﻫﻨﺎ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ‬ ‫ﺍﻟﺠﺩﻴﺩﺓ ﺍﻟﺘﻲ ﺤﺼﻠﻨﺎ ﻋﻠﻴﻬﺎ ﻋﻥ ﻁﺭﻴﻕ ﺍﻟﺘﺤﻭﻴل ﺇﻟﻰ ﻗﻴﻡ ﻤﻌﻴﺎﺭﻴﺔ‪ ،‬ﻭﻓﻲ ﻨﻔﺱ ﺍﻟﻨﺎﻓﺫﺓ‬

‫ﻭﻓﻲ ﻤﺭﺒﻊ ﺩﻟﻴل ﺍﻟﻘﻴﻡ ‪ Label Cases By:‬ﻀﻊ ﻤﺘﻐﻴﺭ ﺍﺴﻡ ﺍﻟﺩﻭﻟﺔ ‪ ،country‬ﻜﺫﻟﻙ ﻗﻡ‬

‫ﺒﺘﺤﺩﻴﺩ ﺨﻴﺎﺭ ﺍﻟﺘﻜﺭﺍﺭ ﻭﺍﻟﺘﺼﻨﻴﻑ ‪ Iterate and Classify‬ﻀﻤﻥ ﺨﻴﺎﺭﺍﺕ ﺍﻟﻁﺭﻴﻘﺔ‬ ‫‪ ، Method‬ﻭﺒﺘﺤﺩﻴﺩ ﻋﺩﺩ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪ Number of clusters‬ﻋﻠﻰ ﺃﻨﻬﺎ ﻤﺴﺎﻭﻴﺔ ‪. 4‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪625‬‬

‫ﻭﺍﻵﻥ ﻗﻡ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺨﻴﺎﺭﺍﺕ ﺍﻟﺤﻔﻅ ‪ Save‬ﻓﻲ ﺃﺴﻔل ﺍﻟﻨﺎﻓﺫﺓ ﻟﺘﻔﺘﺢ‬ ‫ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ ﺍﻟﺨﺎﺼﺔ ﺒﻬﺫﻩ ﺍﻟﺨﻴﺎﺭﺍﺕ )ﺸﻜل ‪ (27-17‬ﻭﺤﺩﺩ ﻜل ﻤﻥ ﺃﻋﻀﺎﺀ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪ Cluster membership‬ﻭﺍﻟﻤﺴﺎﻓﺔ ﻤﻥ ﻤﺭﻜﺯ ﺍﻟﻤﺠﻤﻭﻋﺔ ‪Distance‬‬

‫‪. from cluster center‬‬

‫ﺸﻜل ‪ : 27-17‬ﻨﺎﻓﺫﺓ ﺨﻴﺎﺭﺍﺕ ﺍﻟﺤﻔﻅ ‪ Save‬ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ‬ ‫ﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪K-Means Cluster Analysis‬‬

‫ﻭﺃﺨﻴﺭﹰﺍ ﻗﻡ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻟﺨﻴﺎﺭﺍﺕ ‪ Options‬ﻓﻲ ﺃﺴﻔل ﺍﻟﻨﺎﻓﺫﺓ ﻟﺘﻔﺘﺢ‬

‫ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﻔﺭﻋﻴﺔ ﻟﻠﺨﻴﺎﺭﺍﺕ )ﺸﻜل ‪ ،(28-17‬ﻭﻓﻲ ﻗﺴﻡ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺤﺩﺩ ﻜل ﻤﻥ‬

‫ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ‪ ANOVA table‬ﻭﻤﻌﻠﻭﻤﺎﺕ ﻋﻥ ﺍﻟﻤﺠﻤﻭﻋﺔ ﻟﻜل ﻤﻔﺭﺩﺓ‬

‫‪. Cluster information for each case‬‬

‫ﺸﻜل ‪ : 28-17‬ﻨﺎﻓﺫﺓ ﺍﻟﺨﻴﺎﺭﺍﺕ ‪ Options‬ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ‬ ‫ﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ‪K-Means Cluster Analysis‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪626‬‬

‫ﻭﺍﻟﻘﺴﻡ ﺍﻷﻭل ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ ﺒﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ‬ ‫)ﺸﻜل ‪ (29-17‬ﻴﻭﻀﺢ ﻗﺎﺌﻤﺔ ﺒﺠﻤﻴﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺘﻲ ﺘﻨﺘﻤﻲ ﺇﻟﻴﻬﺎ ﻜل‬

‫ﻤﻔﺭﺩﺓ ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﺨﺎﺼﺔ ﺍﻟﺘﻲ ﻁﻠﺒﺕ ﻤﺴﺒﻘﹰﺎ ﻭﻫﻲ ﻫﻨﺎ ﺍﻟﻤﺴﺎﻓﺔ ﻋﻥ‬ ‫ﻼ ﺃﻥ ﺃﻓﻐﺎﻨﺴﺘﺎﻥ‬ ‫ﻤﺭﻜﺯ ﺍﻟﻤﺠﻤﻭﻋﺔ ‪ ، Distance from cluster center‬ﻓﻴﺘﻀﺢ ﻤﺜ ﹰ‬

‫ﺘﻨﺘﻤﻲ ﺇﻟﻰ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ ﻭﻫﻲ ﺃﺒﻌﺩ ﻤﻔﺭﺩﺓ ﻤﻥ ﻤﺭﻜﺯ ﻫﺫﻩ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺇﺫ ﺃﻥ‬ ‫ﺍﻟﻤﺴﺎﻓﺔ ﺍﻟﻤﻘﺎﺒﻠﺔ ﻟﻬﺎ ﻤﺴﺎﻭﻴﺔ ‪. 3.514‬‬

‫ﺸﻜل ‪ : 29-17‬ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﺘﻭﺯﻴﻊ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻜﺄﻋﻀﺎﺀ ﻟﻠﻤﺠﻤﻭﻋﺎﺕ‬ ‫‪ Cluster Membership‬ﻭﺒﻌﺩ ‪ Distance‬ﺍﻟﻤﻔﺭﺩﺓ ﻋﻥ ﻤﺭﻜﺯ ﺍﻟﻤﺠﻤﻭﻋﺔ‬ ‫‪Cluster Membership‬‬ ‫‪Distance‬‬

‫‪Cluster‬‬

‫‪3.514‬‬

‫‪1‬‬

‫‪Afghanistan‬‬

‫‪Case‬‬ ‫‪Number‬‬ ‫‪1‬‬

‫‪1.783‬‬

‫‪4‬‬

‫‪Argentina‬‬

‫‪2‬‬

‫‪1.912‬‬

‫‪2‬‬

‫‪Armenia‬‬

‫‪3‬‬

‫‪.922‬‬

‫‪4‬‬

‫‪Australia‬‬

‫‪4‬‬

‫‪1.221‬‬

‫‪4‬‬

‫‪Austria‬‬

‫‪5‬‬

‫‪1.386‬‬

‫‪2‬‬

‫‪Azerbaijan‬‬

‫‪6‬‬

‫‪2.532‬‬

‫‪3‬‬

‫‪Bahrain‬‬

‫‪7‬‬

‫‪1.614‬‬

‫‪1‬‬

‫‪Bangladesh‬‬

‫‪8‬‬

‫‪2.845‬‬

‫‪4‬‬

‫‪Barbados‬‬

‫‪9‬‬

‫‪1.208‬‬

‫‪4‬‬

‫‪Belgium‬‬

‫‪10‬‬

‫‪2.254‬‬

‫‪2‬‬

‫‪Bolivia‬‬

‫‪11‬‬

‫‪2.209‬‬

‫‪2‬‬

‫‪Brazil‬‬

‫‪12‬‬

‫‪1.368‬‬

‫‪1‬‬

‫‪Cambodia‬‬

‫‪13‬‬

‫‪.774‬‬

‫‪4‬‬

‫‪Canada‬‬

‫‪14‬‬

‫‪1.946‬‬

‫‪2‬‬

‫‪Chile‬‬

‫‪15‬‬

‫‪COUNTRY‬‬

‫ﻭﺍﻟﻘﺴﻡ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ‪ (30-17‬ﻴﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻌﻴﺎﺭﻴﺔ‬ ‫ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻜل ﻤﺠﻤﻭﻋﺔ‪ ،‬ﻭﻫﺫﻩ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺘﻌﺭﻑ ﻤﺭﺍﻜﺯ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻜﻠﻬﺎ‪.‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪627‬‬

‫ﻓﻔﻲ ﻫﺫﺍ ﺍﻟﺸﻜل ﻴﻤﻜﻨﻨﺎ ﺃﻥ ﻨﻘﺭﺃ ﺃﻥ ﻤﺘﻭﺴﻁ ﻤﻌﺩل ﺍﻟﻭﻻﺩﺓ ‪ birth_rt‬ﻟﺒﻠﺩﺍﻥ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ ﺃﻋﻠﻰ ﻤﻥ ﻤﺘﻭﺴﻁ ﺠﻤﻴﻊ ﺍﻟﺒﻠﺩﺍﻥ ﺒﻤﺎ ﻴﻌﺎﺩل ‪ 1.55‬ﻤﻥ ﺍﻻﻨﺤﺭﺍﻑ‬

‫ﺍﻟﻤﻌﻴﺎﺭﻱ ﻭﺍﻟﻤﺘﻭﺴﻁ ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺭﺍﺒﻌﺔ ﺃﻗل ﻤﻥ ﻤﺘﻭﺴﻁ ﺠﻤﻴﻊ ﺍﻟﺒﻠﺩﺍﻥ ﺒﻤﺎ ﻴﻌﺎﺩل‬

‫ﺘﻘﺭﻴﺒﺎ ﻗﻴﻤﺔ ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‪ ،‬ﻭﻤﺘﻭﺴﻁ ﻤﺘﻐﻴﺭ ﺍﻟﻌﻤﺭ ﺍﻟﻤﺘﻭﻗﻊ ﻟﻺﻨﺎﺙ ‪lifeexpf‬‬

‫ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ ﻴﻘل ﻋﻥ ﻤﺘﻭﺴﻁ ﺠﻤﻴﻊ ﺍﻟﺒﻠﺩﺍﻥ ﺒﻤﺎ ﻴﻌﺎﺩل ﻀﻌﻔﻴﻥ ﻭﻨﺼﻑ‬

‫)‪ (-2.56‬ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‪ ،‬ﺒﻴﻨﻤﺎ ﻴﺯﻴﺩ ﻤﺘﻭﺴﻁ ﺒﻠﺩﺍﻥ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺭﺍﺒﻌﺔ ﻋﻥ‬

‫ﺍﻟﻤﺘﻭﺴﻁ ﺍﻟﻌﺎﻡ ﺒﻤﻘﺩﺍﺭ )‪ (0.79‬ﻤﻥ ﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ‪ ،‬ﻭﻴﻤﻜﻨﻨﺎ ﺃﻥ ﻨﺭﻯ ﺃﻥ ﻤﻌﻅﻡ‬ ‫ﺩﻭل ﻏﺭﺏ ﺃﻭﺭﺒﺎ ﺘﻨﺘﻤﻲ ﺇﻟﻰ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺭﺍﺒﻌﺔ‪ ،‬ﻭﻤﻘﺎﺭﻨﺔ ﺒﺎﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻷﺨﺭﻯ‬

‫ﺘﺘﻤﻴﺯ ﻫﺫﻩ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺒﺎﻥ ﻟﺩﻴﻬﺎ ﺃﻋﻠﻰ ﻨﺴﺒﺔ ﺴﻜﺎﻥ ﻓﻲ ﺍﻟﻤﺩﻥ )‪ (zurban=0.62‬ﻭﺃﻋﻠﻰ‬ ‫ﻨﺴﺒﺔ ﺘﻌﻠﻴﻡ )‪ (zliterac=0.72‬ﻭﺃﺼﻐﺭ ﻨﺴﺒﺔ ﺯﻴﺎﺩﺓ ﺴﻜﺎﻨﻴﺔ )‪ (zpop_inc=-0.92‬ﻭﺃﻗل‬ ‫ﻤﻌﺩل ﻭﻓﻴﺎﺕ ﻟﻸﻁﻔﺎل ﺍﻟﺭﻀﻊ )‪ ،(zbabymor=-0.79‬ﻭﻫﻜﺫﺍ‪..‬‬

‫ﺸﻜل ‪ : 30-17‬ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬ ‫ﺍﻟﻤﺨﺘﻠﻔﺔ ‪ Means‬ﺍﻟﺘﻲ ﺘﻌﺭﻑ ﻤﺭﺍﻜﺯ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ‪Cluster Centers‬‬ ‫‪Final Cluster Centers‬‬ ‫‪Cluster‬‬ ‫‪4‬‬

‫‪3‬‬

‫‪2‬‬

‫‪1‬‬ ‫)‪Zscore: People living in cities (%‬‬

‫‪.62‬‬

‫‪.15‬‬

‫‪-.33‬‬

‫‪-1.74‬‬

‫‪.79‬‬

‫‪-.31‬‬

‫‪-.18‬‬

‫‪Zscore: Average female life expectanc -2.56‬‬ ‫)‪Zscore: People who read (%‬‬

‫‪.72‬‬

‫‪-.84‬‬

‫‪.12‬‬

‫‪-.92‬‬

‫‪1.48‬‬

‫‪.15‬‬

‫‪Zscore: Population increase (% per ye .62‬‬

‫‪-2.34‬‬

‫‪-.79‬‬

‫‪.28‬‬

‫‪.25‬‬

‫‪Zscore: Infant mortality (deaths per 10 2.46‬‬

‫‪-.97‬‬

‫‪1.16‬‬

‫‪.15‬‬

‫‪1.55‬‬

‫‪Zscore: Birth rate per 1000 people‬‬

‫‪.30‬‬

‫‪-.73‬‬

‫‪-.46‬‬

‫‪2.13‬‬

‫‪Zscore: Death rate per 1000 people‬‬

‫‪.92‬‬

‫‪-.20‬‬

‫‪-.62‬‬

‫‪-1.79‬‬

‫‪Zscore: Log (base 10) of GDP_CAP‬‬ ‫‪Zscore: Birth to death ratio‬‬

‫‪-.83‬‬

‫‪1.48‬‬

‫‪.21‬‬

‫‪-.28‬‬

‫‪-.85‬‬

‫‪1.30‬‬

‫‪-.10‬‬

‫‪Zscore: Fertility: average number of ki 1.54‬‬

‫‪-.16‬‬

‫‪-.52‬‬

‫‪.31‬‬

‫‪Zscore: Log (base 10) of Population‬‬

‫‪.80‬‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪628‬‬

‫ﺍﻟﻘﺴﻡ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ‪ (31-17‬ﻴﺒﻴﻥ ﺍﻟﻤﺴﺎﻓﺎﺕ ﺒﻴﻥ ﻤﺭﺍﻜﺯ‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻨﻬﺎﺌﻴﺔ ﺍﻟﻤﺨﺘﻠﻔﺔ‪ ،‬ﻭﻴﺘﻀﺢ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺃﻥ ﻤﺘﻭﺴﻁ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ‬

‫)ﻭﻫﻲ ﻓﻲ ﺍﻟﻐﺎﻟﺏ ﺩﻭل ﺁﺴﻴﻭﻴﺔ( ﺃﺒﻌﺩ ﻤﺎ ﻴﻜﻭﻥ )‪ (7.946‬ﻋﻥ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺭﺍﺒﻌﺔ‬

‫)ﻭﻫﻲ ﺩﻭل ﺃﻭﺭﺒﻴﺔ(‪ ،‬ﻜﺫﻟﻙ ﻴﺘﻀﺢ ﺃﻥ ﺍﻟﻤﺠﻤﻭﻋﺘﻴﻥ ﺍﻟﺜﺎﻨﻴﺔ )ﻭﻫﻲ ﻓﻲ ﺍﻟﻐﺎﻟﺏ ﺩﻭل‬ ‫ﺃﻤﺭﻴﻜﺎ ﺍﻟﻼﺘﻴﻨﻴﺔ( ﻭﺍﻟﺜﺎﻟﺜﺔ )ﻭﻫﻲ ﺸﺭﻕ ﺃﻭﺴﻁﻴﺔ( ﻫﻤﺎ ﺃﻗﺭﺏ ﻤﺎ ﻴﻜﻭﻥ )‪. (2.907‬‬

‫ﺸﻜل ‪ : 31-17‬ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﺍﻟﻤﺴﺎﻓﺎﺕ ﺒﻴﻥ ﻤﺭﺍﻜﺯ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬ ‫‪Distances between Final Cluster Centers‬‬ ‫‪Distances between Final Cluster Centers‬‬ ‫‪4‬‬

‫‪3‬‬

‫‪2‬‬

‫‪7.946‬‬

‫‪5.668‬‬

‫‪5.658‬‬

‫‪3.244‬‬

‫‪2.907‬‬

‫‪5.269‬‬ ‫‪5.269‬‬

‫‪1‬‬

‫‪Cluster‬‬ ‫‪1‬‬

‫‪5.658‬‬

‫‪2‬‬

‫‪2.907‬‬

‫‪5.668‬‬

‫‪3‬‬

‫‪3.244‬‬

‫‪7.946‬‬

‫‪4‬‬

‫ﻓﻲ ﺍﻟﻘﺴﻡ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻴﺤﺴﺏ ﻨﻅﺎﻡ ‪ SPSS‬ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ‬

‫ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ ‪ One-Way ANOVA‬ﻟﻜل ﻤﺘﻐﻴﺭ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬

‫ﺍﻟﻨﻬﺎﺌﻴﺔ ﻭﻴﻠﺨﺼﻬﺎ ﻓﻲ ﺠﺩﻭل ﻴﺸﻤل ﺍﻟﻨﺘﺎﺌﺞ ﻟﺠﻤﻴﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﺸﻜل ‪،(32-17‬‬ ‫ﻭﻴﻌﻁﻰ ﻤﺘﻭﺴﻁ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﻋﻤﻭﺩ ﺍﻟﻤﺠﻤﻭﻋﺔ ‪ ،Cluster‬ﺒﻴﻨﻤﺎ‬

‫ﻴﻌﻁﻰ ﻤﺘﻭﺴﻁ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﻋﻤﻭﺩ ﺍﻟﺨﻁﺄ ‪ ،Error‬ﻭﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ‬ ‫ﻫﻨﺎ ﺃﻥ ﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ ﺩﺍﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ‪ F‬ﺍﻟﻤﻤﺜﻠﺔ ﺒﻘﻴﻤﺔ ‪) p-value‬ﺘﺤﺕ ﻋﻨﻭﺍﻥ ‪(Sig.‬‬

‫ﻟﻴﺱ ﻟﻪ ﻤﻌﻨﻰ ﺠﻭﻫﺭﻱ ﻫﻨﺎ ﻭﻴﻤﻜﻥ ﺇﻫﻤﺎﻟﻪ‪ ،‬ﻓﻼ ﻴﺠﺏ ﺍﺴﺘﺨﺩﺍﻤﻪ ﻓﻲ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻀﻴﺎﺕ‬

‫ﺘﺘﻌﻠﻕ ﺒﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﺇﺫ ﺃﻥ ﻗﻴﻤﺔ ‪ F‬ﻜﻨﺴﺒﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﻲ ﻤﺭﺒﻌﺎﺕ ﻗﺩ‬ ‫ﺍﺴﺘﺨﺩﻤﺕ ﻓﻲ ﺍﻟﺘﺼﻨﻴﻑ‪ ،‬ﻭﻟﻜﻥ ﻴﻤﻜﻨﻨﺎ ﺃﻥ ﻨﺭﻯ ﺃﻥ ﻤﺘﻭﺴﻁﺎﺕ ﻤﺘﻐﻴﺭ ﻤﻌﺩل ﺍﻟﻭﻻﺩﺓ‬ ‫ﻼ ﻟﻪ ﺃﻜﺒﺭ ﻓﺭﻭﻕ )‪ (F=124.132‬ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﻤﻘﺎﺭﻨﺔ ﺒﺎﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻷﺨﺭﻯ‬ ‫ﻤﺜ ﹰ‬

‫ﻓﺈﻥ ﻤﺘﻭﺴﻁﺎﺕ ﻟﻭﻏﺎﺭﻴﺘﻡ ﺍﻟﺴﻜﺎﻥ ﻟﻬﺎ ﺃﻗل ﺍﺨﺘﻼﻑ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )‪.(F=3.895‬‬

‫( ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬17)

629

ANOVA ‫ ﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ‬: 32-17 ‫ﺸﻜل‬ ANOVA Cluster

Error

Mean Square

df

Mean Square

df

F

Sig.

Zscore: People living in cities (%)

10.810

3

.535

70

20.204

.000

Zscore: Average female life expectancy

20.036

3

.205

70

97.507

.000

Zscore: People who read (%)

19.343

3

.225

70

85.821

.000

Zscore: Population increase (% per year

19.011

3

.217

70

87.773

.000

Zscore: Infant mortality (deaths per 10

19.255

3

.234

70

82.213

.000

Zscore: Birth rate per 1000 people

20.234

3

.163

70

124.132

.000

Zscore: Death rate per 1000 people

13.987

3

.444

70

31.478

.000

Zscore: Log (base 10) of GDP_CAP

18.326

3

.278

70

66.005

.000

Zscore: Birth to death ratio

16.882

3

.282

70

59.802

.000

Zscore: Fertility: average number of ki

19.409

3

.165

70

117.784

.000

Zscore: Log (base 10) of Population

3.495

3

.897

70

3.895

.012

The F tests should be used only for descriptive purposes because the clusters have been chosen to maximize the differences among cases in different clusters. The observed significance levels are not corrected for this and thus cannot be interpreted as tests of the hypothesis that the cluster means are equal.

‫ﻭﺍﻟﻘﺴﻡ ﺍﻟﺨﺎﻤﺱ ﻭﺍﻷﺨﻴﺭ ﻤﻥ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﻟﻠﻤﻔﺭﺩﺍﺕ ﺒﻁﺭﻴﻘﺔ‬

‫ ﻭﻴﺘﻀﺢ ﻤﻥ‬،‫ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻴﻌﻁﻲ ﺃﻋﺩﺍﺩ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻨﻬﺎﺌﻴﺔ ﺍﻟﻤﺨﺘﻠﻔﺔ‬

‫( ﺃﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻏﻴﺭ ﻤﻭﺯﻋﺔ ﺒﺎﻟﺘﺴﺎﻭﻱ ﻋﻠﻰ‬33-17 ‫ﻨﺘﺎﺌﺞ ﻫﺫﺍ ﺍﻟﻤﺜﺎل )ﺸﻜل‬ ‫ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﺃﻥ ﻤﻌﻅﻡ ﺍﻟﻤﻔﺭﺩﺍﺕ ﺼﻨﻔﺕ ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺭﺍﺒﻌﺔ ﺒﻴﻨﻤﺎ ﻋﺩﺩ ﻗﻠﻴل‬

‫ ﻭﻫﺫﺍ ﻴﺩل ﻋﻠﻰ ﺃﻥ ﻫﻨﺎﻙ ﺩﻭل ﻤﻥ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺭﺍﺒﻌﺔ‬،‫ﺼﻨﻑ ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ‬

.‫ﻤﻤﺜﻠﺔ ﺃﻜﺜﺭ ﻤﻥ ﺩﻭل ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ‬

‫ ﻴﻤﻜﻨﻨﺎ ﺘﻘﻴﻴﻡ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ ﺒﻁﺭﻴﻘﺔ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺒﻭﺠﻪ ﻋﺎﻡ‬،‫ﻭﺨﺘﺎﻤﺎﹰ‬

‫ﻭﻓﻬﻡ ﻤﻀﻤﻭﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻋﻥ ﻁﺭﻴﻕ ﺤﻔﻅ ﺃﺭﻗﺎﻡ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺘﻲ ﺘﻨﺘﻤﻲ ﺇﻟﻴﻬﺎ‬ ‫ ﻭﻴﻤﻜﻥ ﺍﻟﺤﺼﻭل‬، ‫ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﻜﺫﻟﻙ ﺍﻟﻤﺴﺎﻓﺎﺕ ﻋﻥ ﻤﺭﺍﻜﺯ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻟﻜل ﻤﻔﺭﺩﺓ‬

‫)‪ (17‬ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬

‫‪630‬‬

‫ﺸﻜل ‪ : 33-17‬ﺍﻟﺠﺯﺀ ﺍﻟﺨﺎﻤﺱ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻭﻀﺢ ﻋﺩﺩ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﻜل ﻤﺠﻤﻭﻋﺔ‬ ‫‪Number of Cases in each Cluster‬‬ ‫‪6.000‬‬

‫‪1‬‬

‫‪25.000‬‬

‫‪2‬‬

‫‪13.000‬‬

‫‪3‬‬

‫‪30.000‬‬

‫‪4‬‬

‫‪Cluster‬‬

‫‪74.000‬‬

‫‪Valid‬‬

‫‪2.000‬‬

‫‪Missing‬‬

‫ﻋﻠﻰ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﺠﺩﺍﻭل ﻭﺍﻟﺭﺴﻭﻤﺎﺕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﻟﻘﻴﻡ ﻫﺫﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ‬ ‫ﻼ ﺘﻜﻭﻴﻥ ﺠﺩﻭل ﺘﻜﺭﺍﺭﻱ ﻤﺯﺩﻭﺝ ﻷﺭﻗﺎﻡ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‬ ‫ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻷﺨﺭﻯ‪ ،‬ﻓﻴﻤﻜﻥ ﻤﺜ ﹰ‬

‫ﻭﺃﻱ ﻤﺘﻐﻴﺭ ﺘﺼﻨﻴﻑ ﺁﺨﺭ ﻓﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ‪ ،‬ﻭﻴﻤﻜﻥ ﺃﻴﻀﹰﺎ ﺭﺴﻡ ﻫﺫﺍ ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺸﻜل‬

‫ﺍﻨﺘﺸﺎﺭ ﻤﻊ ﻤﻘﻴﺎﺱ ﺍﻟﻤﺴﺎﻓﺔ ﺃﻭ ﺃﻱ ﻤﺘﻐﻴﺭ ﻜﻤﻲ ﻤﺘﺼل‪ ،‬ﻫﺫﻩ ﺍﻟﻭﺴﺎﺌل ﻤﻥ ﺸﺄﻨﻬﺎ ﺍﻟﺘﻌﻤﻕ‬

‫ﻓﻲ ﻓﻬﻡ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ‪ ،‬ﻭﺍﻟﺸﻜل )‪ (34-17‬ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺍﻟﻤﺯﺩﻭﺝ ﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﻨﻁﻘﺔ‬

‫‪ region‬ﻭﻤﺘﻐﻴﺭ ﺭﻗﻡ ﺍﻟﻤﺠﻤﻭﻋﺔ )ﺍﻟﺫﻱ ﺤﻔﻅ ﺒﺎﺴﻡ ‪ qcl_1‬ﺃﺜﻨﺎﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﺴﺎﺒﻕ(‪.‬‬

‫ﺸﻜل ‪ : 34-17‬ﺍﻟﺠﺯﺀ ﺍﻟﺴﺎﺩﺱ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻴﻌﻁﻲ ﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﻨﻘﻭﺩﻱ‬ ‫ﻭﺍﻟﺘﻘﺴﻴﻡ ﺍﻟﺠﻐﺭﺍﻓﻲ ﻭﺍﻟﺴﻴﺎﺴﻲ ﻟﻠﺒﻠﺩﺍﻥ‬

‫‪Region or economic group * Cluster Number of Case‬‬ ‫‪Count‬‬ ‫‪Cluster Number of Case‬‬ ‫‪Total‬‬

‫‪4‬‬

‫‪21‬‬

‫‪21‬‬

‫‪3‬‬

‫‪2‬‬

‫‪1‬‬ ‫‪OECD‬‬

‫‪7‬‬

‫‪5‬‬

‫‪16‬‬

‫‪4‬‬

‫‪16‬‬

‫‪1‬‬

‫‪9‬‬

‫‪6‬‬

‫‪21‬‬

‫‪4‬‬

‫‪4‬‬

‫‪12‬‬

‫‪1‬‬

‫‪74‬‬

‫‪30‬‬

‫‪13‬‬

‫‪25‬‬

‫‪6‬‬

‫‪Pacific/Asia‬‬ ‫‪Middle East‬‬

‫‪Region or‬‬ ‫‪economic‬‬ ‫‪group‬‬

‫‪Latn America‬‬

‫‪D E‬‬

‫‪Total‬‬