]†Â<Äe^ŠÖ]<Ø’ËÖ
]ëçÏßÃÖ]<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 ]ëçÏßÃÖ]<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