]†Â<àÚ^nÖ]<Ø’ËÖ ]ê×Ú^ÃÖ]<Øé×vjÖ Factor Analysis
.1 .18ﻣﻘﺪﻣﺔ .2 .18ﺧﻄﻮات اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻲ .3 .18اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻲ ﺑﺎﺳﺘﺨﺪام ﻧﻈﺎم SPSS
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
632
]3†Â<àÚ^nÖ]<Ø’ËÖ ]ê×Ú^ÃÖ]<Øé×vjÖ Factor Analysis .1 .18ﻣﻘﺪﻣﺔ : ﻟﻨﻔﺭﺽ ﺃﻥ ﻟﺩﻴﻨﺎ ﻋﻴﻨﺔ ﻤﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﺃﺨﺫﻨﺎ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻘﻴﺎﺴﺎﺕ ﻟﻌﺩﺩ ﻤﻥ
ﻼ ﻴﻤﻜﻥ ﺃﻥ ﺘﻜﻭﻥ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻟﻜل ﻤﻔﺭﺩﺓ ﻤﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﻫﺫﻩ ﺍﻟﻌﻴﻨﺔ ،ﻓﻤﺜ ﹰ ﺍﻟﻘﻴﺎﺴﺎﺕ ﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﺘﺼﻨﻴﻑ ﻟﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻘﺩﺭﺍﺕ ﺍﻟﻌﻘﻠﻴﺔ ﻤﺜل
ﺍﻟﻨﻁﻕ ﻭﺍﻟﺫﺍﻜﺭﺓ ﻭﺴﺭﻋﺔ ﺍﻟﺒﺩﻴﻬﺔ ﻭﻤﺎ ﺇﻟﻰ ﺫﻟﻙ )ﻴﻁﻠﻕ ﻋﻠﻴﻬﺎ ﺒﻁﺎﺭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ(
ﻟﻌﻴﻨﺔ ﻤﻥ ﺍﻷﺸﺨﺎﺹ ،ﻓﻤﺜل ﻫﺫﻩ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﺘﻤﻜﻨﻨﺎ ﻤﻥ ﺤﺴﺎﺏ ﻗﻴﻡ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻜل ﺯﻭﺝ ﻤﻥ ﺍﻷﺯﻭﺍﺝ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻬﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ،ﻭﻋﻨﺩ ﺘﺭﺘﻴﺏ ﻫﺫﻩ ﺍﻟﻘﻴﻡ ﻓﻲ ﺸﻜل ﻤﺭﺒﻊ ﻜل ﺼﻑ )ﺃﻭ ﻋﻤﻭﺩ( ﻓﻴﻪ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻤﺘﻐﻴﺭﻴﻥ ﺃﺤﺩﻫﻤﺎ
ﻴﻤﺜل ﺃﺤﺩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﻤﻊ ﺒﺎﻗﻲ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻷﺨﺭﻯ ﻓﺈﻥ ﻫﺫﺍ ﺍﻟﺸﻜل ﻴﻁﻠﻕ ﻋﻠﻴﻪ
ﻤﺼﻔﻭﻓﺔ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ) ،Correlation Matrix (R-matrixﻭﺘﻅل ﺍﻟﺨﻼﻴﺎ ﻓﻲ
ﺍﻟﻘﻁﺭ ﺍﻟﺭﺌﻴﺴﻲ ﻟﻬﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ )ﻭﺍﻟﺘﻲ ﺘﻘﻊ ﻋﻠﻰ ﺍﻟﻤﺤﻭﺭ ﻤﻥ ﺃﻋﻠﻰ ﺍﻟﻴﺴﺎﺭ ﺇﻟﻰ ﺃﺴﻔل ﺍﻟﻴﻤﻴﻥ( ﻓﺎﺭﻏﺔ )ﺃﻭ ﻤﺴﺎﻭﻴﺔ ﻟﻠﻭﺍﺤﺩ ﺍﻟﺼﺤﻴﺢ( ﻨﻅﺭﹰﺍ ﻷﻥ ﻜل ﻤﻨﻬﺎ ﻴﻤﺜل ﻗﻴﻤﺔ ﻤﻌﺎﻤل
ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻤﺘﻐﻴﺭ ﻤﻊ ﻨﻔﺴﻪ ،ﻭﻟﻜﻥ ﺒﺎﻗﻲ ﺍﻟﺨﻼﻴﺎ ﺍﻷﺨﺭﻯ ﺴﻭﻑ ﺘﺤﺘﻭﻱ ﻋﻠﻰ ﻗﻴﻡ
ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻟﻼﺨﺘﺒﺎﺭ ﺍﻟﻤﻤﺜل ﺒﺎﻟﺼﻑ ﺍﻟﺫﻱ ﺘﻘﻊ ﺒﻪ ﺘﻠﻙ ﺍﻟﺨﻠﻴﻠﺔ ﻤﻊ ﺍﻻﺨﺘﺒﺎﺭ
ﺍﻟﻤﻤﺜل ﺒﺎﻟﻌﻤﻭﺩ ﺍﻟﺫﻱ ﺘﻘﻊ ﺒﻪ ﺍﻟﺨﻠﻴﺔ ،ﻭﺘﻌﺘﺒﺭ ﻤﺼﻔﻭﻓﺔ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ R-matrix
ﻨﻘﻁﺔ ﺒﺩﺍﻴﺔ ﻟﻌﺩﺩ ﻜﺒﻴﺭ ﻤﻥ ﺍﻷﺴﺎﻟﻴﺏ ﺍﻹﺤﺼﺎﺌﻴﺔ ﻭﻟﻜﻨﻨﺎ ﻓﻲ ﻫﺫﺍ ﺍﻟﻔﺼل ﺴﻭﻑ ﻨﺘﻌﺎﻤل ﻤﻊ ﺃﺤﺩ ﻫﺫﻩ ﺍﻷﺴﺎﻟﻴﺏ ﻭﻫﻭ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ .Factor Analysis
ﺇﻥ ﻭﺠﻭﺩ ﺘﺠﻤﻌﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺘﺭﺍﺒﻁﺔ ﻓﻴﻤﺎ ﺒﻴﻨﻬﺎ ﻤﻥ ﺒﻴﻥ ﻋﺩﺩ ﻜﺒﻴﺭ ﻤﻥ
ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﻟﺫﻱ ﻴﺘﻀﺢ ﻤﻥ ﻤﺼﻔﻭﻓﺔ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ R-matrixﺒﻅﻬﻭﺭ
ﺘﺠﻤﻌﺎﺕ ﻤﺘﻐﻴﺭﺍﺕ ﺒﻘﻴﻡ ﻤﺭﺘﻔﻌﺔ ﻟﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻴﻤﻜﻥ ﺃﻥ ﻴﻔﺴﺭ ﻋﻠﻰ ﺃﻥ ﻜل
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
633
ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺘﻤﺜل ﺒﻌﺩ ﻨﻔﺴﻲ ﻤﻌﻴﻥ ﺃﻭ ﻗﺩﺭﺍﺕ ﻤﻥ ﻨﻭﻉ ﻤﺘﺠﺎﻨﺱ ،ﻭﺇﺫﺍ ﺘﻌﺎﻤﻠﻨﺎ ﻋﻠﻰ ﺃﺴﺎﺱ ﻨﻅﺭﻴﺔ ﻋﻠﻡ ﺍﻟﻨﻔﺱ ﺍﻟﺒﺭﻴﻁﺎﻨﻴﺔ ﺍﻟﺘﻘﻠﻴﺩﻴﺔ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﺎﻟﻘﺩﺭﺍﺕ ﺍﻟﻌﻘﻠﻴﺔ
ﻓﺴﻭﻑ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﺃﺒﻌﺎﺩ ﻨﻔﺴﻴﺔ ﺃﻗل ﺒﻜﺜﻴﺭ ﻤﻥ ﻋﺩﺩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺘﻲ ﻴﻤﻜﻥ ﺇﺠﺭﺍﺀﻫﺎ،
ﻭﺍﻟﻬﺩﻑ ﻤﻥ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺴﻴﻜﻭﻥ ﺍﺴﺘﺩﺭﺍﻙ ﻭﺘﻤﻴﻴﺯ ﺍﻷﺒﻌﺎﺩ ﺍﻟﻤﺤﺩﻭﺩﺓ ﻭﺍﻟﺘﻲ
ﻴﻔﺘﺭﺽ ﺃﻥ ﺘﺸﻜل ﺍﻟﻌﺩﻴﺩ ﻤﻥ ﺍﻟﺘﺼﺭﻓﺎﺕ ﺃﻭ ﺍﻟﻤﻬﺎﻡ ﻭﺫﻟﻙ ﺒﻁﺭﻕ ﻜﻤﻴﺔ ،ﻭﺘﻌﺘﺒﺭ
ﺍﻟﻌﻭﺍﻤل factorsﺍﻟﺘﻲ ﻴﻨﺘﺠﻬﺎ ﺃﺴﻠﻭﺏ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻤﺘﻐﻴﺭﺍﺕ ﺭﻴﺎﻀﻴﺔ ﻴﻤﻜﻥ ﺍﻟﻨﻅﺭ ﺇﻟﻴﻬﺎ ﻋﻠﻰ ﺃﻨﻬﺎ ﻤﺤﺎﻭﺭ ﺘﺼﻨﻴﻑ ﻴﻤﻜﻥ ﻤﻥ ﺨﻼﻟﻬﺎ ﺃﻥ ﺘﺘﺠﻤﻊ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻜﺘﺴﺒﺔ ﻤﻥ
ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻭﺍﻟﺘﻲ ﻴﻁﻠﻕ ﻋﻠﻴﻬﺎ "ﺒﻁﺎﺭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ" ،ﻭﻜﻠﻤﺎ ﻜﺎﻨﺕ ﻗﻴﻤﺔ
ﺍﻟﻤﺤﻭﺭ ﻟﻠﻤﺘﻐﻴﺭ )ﺍﻻﺨﺘﺒﺎﺭ ﻫﻨﺎ( ﻭﺍﻟﺘﻲ ﺴﻴﺸﺎﺭ ﺇﻟﻴﻬﺎ ﺒﺘﺸﺒﻊ loadingﺍﻟﻤﺘﻐﻴﺭ ﻋﻠﻰ
ﺍﻟﻌﺎﻤل ﻜﺒﻴﺭﺓ ﻜﻠﻤﺎ ﺍﺯﺩﺍﺩﺕ ﺃﻫﻤﻴﺔ ﺍﻟﻌﺎﻤل ﻓﻲ ﺍﻟﺘﺄﺜﻴﺭ ﻋﻠﻰ ﺍﻟﻌﻼﻗﺎﺕ ﺒﻴﻥ ﺫﻟﻙ ﺍﻟﻤﺘﻐﻴﺭ
)ﺍﻻﺨﺘﺒﺎﺭ( ﻭﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﺍﻻﺨﺘﺒﺎﺭﺍﺕ( ﺍﻷﺨﺭﻯ ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺔ .
ﻭﻋﻠﻰ ﺫﻟﻙ ﻴﻤﻜﻥ ﺘﻔﺴﻴﺭ ﺍﻟﻌﺎﻤل factorﻫﻨﺩﺴﻴﹰﺎ ﻋﻠﻰ ﺃﻨﻪ ﻤﺤﻭﺭ ﺘﺼﻨﻴﻑ
classificatory axisﻓﻲ ﻨﻅﺎﻡ ﻤﺤﻭﺭﻱ )ﺇﺤﺩﺍﺜﻴﺎﺕ( ﻴﺘﻡ ﺒﺎﻟﻨﺴﺒﺔ ﺇﻟﻴﻪ ﺘﻤﺜﻴل ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺒﻨﻘﺎﻁ ﻓﻲ ﺍﻟﻔﺭﺍﻍ . ﻭﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺫﻟﻙ ﻓﺈﻥ ﺘﻌﺒﻴﺭ ﺍﻟﻌﺎﻤل factorﻟﻪ ﺃﻴﻀﹰﺎ ﺘﻔﺴﻴﺭ ﺠﺒﺭﻱ ﺃﻭ
ﺭﻴﺎﻀﻲ ﻜﺩﺍﻟﺔ ﺨﻁﻴﺔ ﻓﻲ ﺍﻟﻘﻴﻡ ﺍﻟﻤﺸﺎﻫﺩﺓ ﻭﺍﻟﺘﻲ ﻴﺤﺼل ﻋﻠﻴﻬﺎ ﺍﻷﺸﺨﺎﺹ ﻓﻲ ﻤﺠﻤﻭﻋﺔ
ﺍﻻﺨﺘﺒﺎﺭﺍﺕ )ﺒﻁﺎﺭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ( ،ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻟﻭ ﻜﺎﻥ ﻫﻨﺎﻙ 8ﺍﺨﺘﺒﺎﺭﺍﺕ
ﻭﻜل ﺸﺨﺹ ﻴﺘﻡ ﺘﻁﺒﻴﻕ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻠﻴﻪ ﻴﻌﻁﻰ ﻗﻴﻤﺔ ﺘﺎﺴﻌﺔ ﺘﺴﺎﻭﻱ ﻤﺠﻤﻭﻉ ﻗﻴﻡ
ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺜﻤﺎﻨﻴﺔ ﺍﻟﺴﺎﺒﻘﺔ ﻓﺈﻥ ﻗﻴﻡ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻻﺼﻁﻨﺎﻋﻲ ﺍﻟﺘﺎﺴﻊ ﺴﺘﺸﻜل ﻗﻴﻡ ﻋﺎﻤل
، factorﻭﺒﺫﻟﻙ ﻴﻤﻜﻥ ﺍﻟﺤﺩﻴﺙ ﻋﻥ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻫﺫﺍ ﺍﻟﻌﺎﻤل factor
ﺍﻻﺼﻁﻨﺎﻋﻲ ﻭﻜل ﻤﻥ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺤﻘﻴﻘﻴﺔ ،ﻭﻗﺩ ﺭﺃﻴﻨﺎ ﺃﻥ ﺘﺸﺒﻊ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻠﻰ ﺍﻟﻌﺎﻤل
ﻤﻥ ﻭﺠﻬﺔ ﻨﻅﺭ ﻫﻨﺩﺴﻴﺔ ﻫﻭ ﻋﺒﺎﺭﺓ ﻋﻥ ﺇﺤﺩﺍﺜﻲ ﺍﻻﺨﺘﺒﺎﺭ ﻜﻨﻘﻁﺔ ﻋﻠﻰ ﻤﺤﻭﺭ ﻫﺫﺍ
ﺍﻟﻌﺎﻤل ،ﻭﻟﻜﻥ ﻤﻥ ﻭﺠﻬﺔ ﺍﻟﻨﻅﺭ ﺍﻟﺭﻴﺎﻀﻴﺔ ﺍﻟﺜﺎﻨﻴﺔ ﻓﺈﻥ ﻫﺫﺍ ﺍﻟﻤﺤﻭﺭ ﻴﻤﺜل ﻋﺎﻤل ﻟﻪ
ﺘﺸﺒﻊ ﻋﺒﺎﺭﺓ ﻋﻥ ﻗﻴﻤﺔ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻗﻴﻡ ﺍﻻﺨﺘﺒﺎﺭ ﻭﻗﻴﻡ ﺍﻟﻌﺎﻤل.
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
634
ﻋﻨﺩ ﺍﺴﺘﺨﺩﺍﻡ ﺃﺴﻠﻭﺏ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ factor analysisﻻ ﺒﺩ ﺃﻥ ﺘﻜﻭﻥ ﻫﻨﺎﻙ ﻓﺭﻀﻴﺔ ﺭﺌﻴﺴﻴﺔ ﻭﻫﻲ ﺃﻥ ﺍﻟﻌﻭﺍﻤل ﺍﻟﺭﻴﺎﻀﻴﺔ ﺘﻤﺜل ﻤﺘﻐﻴﺭﺍﺕ ﻜﺎﻤﻨﺔ )ﻀﻤﻨﻴﺔ( latent
) variablesﻭﻫﻲ ﺍﻷﺒﻌﺎﺩ ﺍﻟﺴﻴﻜﻭﻟﻭﺠﻴﺔ( ﻴﻤﻜﻥ ﺘﺤﺩﻴﺩ ﻁﺒﻴﻌﺘﻬﺎ ﻓﻘﻁ ﻋﻥ ﻁﺭﻴﻕ ﻓﺤﺹ
ﻁﺒﻴﻌﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﻟﻬﺎ ﺇﺤﺩﺍﺜﻴﺎﺕ ﻤﺭﺘﻔﻌﺔ ﻋﻠﻰ ﺃﻱ ﻤﻥ ﺍﻟﻤﺤﺎﻭﺭ ،ﻭﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ
ﻤﻨﺫ ﺍﻟﺒﺩﺍﻴﺔ ﺃﻥ ﻫﺫﻩ ﺍﻟﻔﺭﻀﻴﺔ ﻤﺜﻴﺭﺓ ﻟﻠﺠﺩل ﻭﻫﻨﺎﻙ ﺍﻟﻜﺜﻴﺭ ﻤﻥ ﻋﻠﻤﺎﺀ ﺍﻟﻨﻔﺱ ﺍﻟﻤﺭﻤﻭﻗﻴﻥ
ﺍﻟﺫﻴﻥ ﺘﺒﻨﻭﺍ ﻓﻜﺭﺓ ﺃﻥ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻫﻲ ﺤﻘﻴﻘﺔ ﺇﺤﺼﺎﺌﻴﺔ ﻭﻟﻜﻨﻬﺎ ﻀﺭﺏ ﻤﻥ ﺍﻟﺨﻴﺎل ﺍﻟﺴﻴﻜﻭﻟﻭﺠﻲ.
ﻭﻏﻨﻲ ﻋﻥ ﺍﻟﺒﻴﺎﻥ ﺃﻥ ﻤﻭﻀﻭﻉ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻻ ﻴﻌﺘﺒﺭ ﺃﺤﺩ ﺍﻟﻤﻭﻀﻭﻋﺎﺕ
ﺍﻟﺒﺩﺍﺌﻴﺔ ﻓﻲ ﻋﻠﻡ ﺍﻹﺤﺼﺎﺀ ﺒل ﻫﻭ ﺃﺤﺩ ﺍﻟﻤﻭﻀﻭﻋﺎﺕ ﺍﻟﻤﺘﻘﺩﻤﺔ ،ﻭﻟﺫﻟﻙ ﻓﺈﻥ ﻤﺨﺭﺠﺎﺕ
SPSSﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻏﻨﻴﺔ ﺒﺎﻟﺘﻌﺒﻴﺭﺍﺕ ﺍﻹﺤﺼﺎﺌﻴﺔ ﺍﻟﻔﻨﻴﺔ ﺍﻟﻤﺘﻘﺩﻤﺔ ،ﻭﻴﻤﻜﻥ ﺍﻟﻌﻭﺩﺓ ﻟﺘﻔﺴﻴﺭ ﺃﻱ ﻤﻥ ﻫﺫﻩ ﺍﻟﻤﺼﻁﻠﺤﺎﺕ ﻓﻲ ﺃﺤﺩ ﺍﻟﻤﺭﺍﺠﻊ ﺍﻟﻬﺎﻤﺔ ﺍﻟﺘﻲ ﺘﻘﺩﻡ ﺍﻟﺘﻔﺎﺼﻴل
ﺍﻟﻜﺎﻤﻠﺔ ﻟﻬﺫﺍ ﺍﻟﻤﻭﻀﻭﻉ ﻭﺍﻟﺘﻔﺴﻴﺭﺍﺕ ﺍﻟﺴﻬﻠﺔ ﻟﺠﻤﻴﻊ ﻫﺫﻩ ﺍﻟﺘﻌﺒﻴﺭﺍﺕ ﻤﺜل Kim and
) Mueller (1978ﻭﻜﺫﻟﻙ ). Tabachnick and Fiedell (1996
.2 .18ﻣﺮاﺣﻞ إﺟﺮاء اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻲ : Stages in Factor Analysis : ﻹﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻋﺎﺩﺓ ﻻﺒﺩ ﻤﻥ ﺍﻟﻤﺭﻭﺭ ﺒﺜﻼﺙ ﻤﺭﺍﺤل ﺃﺴﺎﺴﻴﺔ ﻫﻲ : ) (1ﻴﺘﻡ ﺘﻜﻭﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ R-matrixﻟﺘﺤﺘﻭﻱ ﻋﻠﻰ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻟﺠﻤﻴﻊ ﺃﺯﻭﺍﺝ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺴﺘﺩﺨل ﻓﻲ ﺍﻟﺘﺤﻠﻴل.
) (2ﻤﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﻴﺘﻡ ﺤﺴﺎﺏ ﺍﻟﻌﻭﺍﻤل ، factorsﻭﻫﻨﺎﻙ ﺃﻜﺜﺭ ﻤﻥ ﻁﺭﻴﻘﺔ ﻻﺴﺘﺨﻼﺹ ﻫﺫﻩ ﺍﻟﻌﻭﺍﻤل ﺃﻫﻤﻬﺎ ﻭﺃﻜﺜﺭﻫﺎ ﺍﺴﺘﺨﺩﺍﻤﹰﺎ ﺍﻷﺴﻠﻭﺏ ﺍﻟﻤﻌﺭﻭﻑ ﺒﺎﺴﻡ
"ﺍﻟﻤﺭﻜﺒﺎﺕ ﺍﻟﺭﺌﻴﺴﻴﺔ" ). Principal Components (PC
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
635
) (3ﻫﺫﻩ ﺍﻟﻌﻭﺍﻤل ﻭﺍﻟﺘﻲ ﻴﻤﻜﻥ ﺍﻟﻨﻅﺭ ﺇﻟﻴﻬﺎ ﻋﻠﻰ ﺃﻨﻬﺎ ﻤﺤﺎﻭﺭ ﻴﺘﻡ ﺘﺩﻭﻴﺭﻫﺎ rotated
ﺒﻬﺩﻑ ﺠﻌل ﺍﻟﻌﻼﻗﺎﺕ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺒﻌﺽ ﻫﺫﻩ ﺍﻟﻌﻭﺍﻤل ﺃﻗﻭﻯ ﻤﺎ ﻴﻤﻜﻥ، ﻭﻫﻨﺎﻙ ﻋﺩﺓ ﻁﺭﻕ ﻟﺘﺩﻭﻴﺭ ﺍﻟﻤﺤﺎﻭﺭ ،ﺃﻜﺜﺭ ﻫﺫﻩ ﺍﻟﻁﺭﻕ ﺸﻴﻭﻋﹰﺎ ﻫﻲ ﻁﺭﻴﻘﺔ
ﺘﻌﻅﻴﻡ ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﻌﺭﻭﻓﺔ ﺒﺎﺴﻡ ،varimaxﻭﻫﻲ ﻁﺭﻴﻘﺔ ﺘﺩﻭﻴﺭ ﺘﺘﻤﻴﺯ ﺒﺄﻨﻬﺎ
ﺘﺤﺎﻓﻅ ﻋﻠﻰ ﺨﺎﺼﻴﺔ ﺍﻻﺴﺘﻘﻼل ﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل ،ﻭﻫﺫﺍ ﻴﻌﻨﻲ ﻫﻨﺩﺴﻴﹰﺎ ﺒﻘﺎﺀ ﺍﻟﻤﺤﺎﻭﺭ ﻤﺘﻌﺎﻤﺩﺓ orthogonalﺃﺜﻨﺎﺀ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺩﻭﻴﺭ.
ﻭﻴﻤﻜﻥ ﺇﻀﺎﻓﺔ ﻤﺭﺤﻠﺔ ﺭﺍﺒﻌﺔ ﻟﻠﺘﺤﻠﻴل ﻴﺘﻡ ﺒﻬﺎ ﺘﻘﺩﻴﺭ ﻗﻴﻡ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﻜل ﻋﺎﻤل ﻤﻥ ﺍﻟﻌﻭﺍﻤل ﺍﻟﻨﺎﺘﺠﺔ ،factor scoresﻭﻴﺠﺏ ﺃﻥ ﻴﻔﻬﻡ ﺃﻥ ﻫﺫﻩ ﺍﻟﺘﻘﺩﻴﺭﺍﺕ ﻟﻴﺴﺕ ﺴﻭﻯ
ﺘﻘﺩﻴﺭﺍﺕ ﻟﻤﻭﻗﻊ ﺍﻟﻤﻔﺭﺩﺓ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻀﻤﻨﻴﺔ ﺍﻟﺠﺩﻴﺩﺓ ﻭﺍﻟﺘﻲ ﻨﺘﺠﺕ ﻜﻤﺤﺎﻭﺭ
ﺭﻴﺎﻀﻴﺔ ﻤﻥ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻟﻠﺒﻴﺎﻨﺎﺕ ،ﻭﻫﺫﻩ ﺍﻟﺘﻘﺩﻴﺭﺍﺕ ﻏﺎﻟﺒﹰﺎ ﻤﺎ ﺘﻜﻭﻥ ﻤﻔﻴﺩﺓ ﺠﺩﹰﺍ ﻷﻨﻪ
ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﻤﻬﺎ ﻜﺨﻁﻭﺓ ﺃﻭﻟﻰ ﻟﺘﺤﻠﻴل ﺃﻜﺜﺭ ﺘﻘﺩﻤﹰﺎ ﻭﺃﻜﺜﺭ ﺘﻌﻤﻘﹰﺎ.
ﻭﻴﻨﺼﺢ ﻋﺎﺩﺓ ﺒﺄﻥ ﻴﺒﺩﺃ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺒﺘﻨﻔﻴﺫ ﺍﻟﻤﺭﺤﻠﺔ ﺍﻷﻭﻟﻰ ﻤﻨﻪ ﻓﻘﻁ ،ﻭﻫﺫﺍ
ﻤﻥ ﺸﺄﻨﻪ ﺃﻥ ﻴﻤﻜﻨﻨﺎ ﻤﻥ ﺍﻟﺘﺭﻜﻴﺯ ﻋﻠﻰ ﻓﺤﺹ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻓﻲ ﻤﺼﻔﻭﻓﺔ
ﺍﻻﺭﺘﺒﺎﻁ ،ﻓﺤﻴﺙ ﺃﻥ ﺍﻟﻬﺩﻑ ﻫﻭ ﺭﺒﻁ ﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻤﻌﹰﺎ ﺒﻭﺍﺴﻁﺔ ﻋﻭﺍﻤل ﻓﺈﻥ
ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻻ ﺒﺩ ﻭﺍﻥ ﺘﻅﻬﺭ ﻫﺫﺍ ﺍﻟﺘﺭﺍﺒﻁ ﻓﻴﻤﺎ ﺒﻴﻨﻬﺎ ﻭﺒﺎﻟﺘﺎﻟﻲ ﻻﺒﺩ ﻭﺃﻥ ﻻ ﻴﻘل ﻱ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻏﻴﺭ ﻤﺘﺭﺍﺒﻁﺔ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻨﻬﺎ ﻋﻥ 0.3ﻤﺜﻼﹰ ،ﻭﺇﺫﺍ ﺘﺒﻴﻥ ﺃﻥ ﺃ ٍ
ﻤﻌﹰﺎ ﺒﺸﻜل ﻤﻘﺒﻭل ﻤﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻷﺨﺭﻯ ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺔ ﻓﺈﻨﻪ ﻴﺤﺴﻥ ﺍﺴﺘﺒﻌﺎﺩﻩ ﻤﻥ
ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﻓﻲ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ ﻤﻥ ﺍﻟﺘﺤﻠﻴل ،ﻜﻤﺎ ﻴﻨﺼﺢ ﺃﻴﻀﹰﺎ ﺒﺎﻟﺘﺄﻜﺩ ﻤﻥ
ﺘﺤﻘﻕ ﺸﺭﻭﻁ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﻤﻼﺌﻤﺔ ﻟﻠﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﺔ ﻭﻫﻲ ﺸﺭﻁ ﺃﻻ ﺘﻜﻭﻥ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺸﺎﺫﺓ singularity assumptionﺒﻤﻌﻨﻰ ﻋﺩﻡ ﻭﺠﻭﺩ ﺍﺭﺘﺒﺎﻁ ﺘﺎﻡ ﺒﻴﻥ ﺒﻌﺽ
ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺸﺭﻁ "ﺍﻟﺘﺭﺍﺒﻁ ﺍﻟﺩﺍﺨﻠﻲ ﺍﻟﻘﻭﻱ" ﺒﻴﻥ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ multicollinearity
، assumptionﻓﺈﺫﺍ ﺘﺒﻴﻥ ﻭﺠﻭﺩ ﺃﻱ ﻤﻥ ﺍﻟﺸﺭﻁﻴﻥ ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﻓﺈﻨﻪ ﻻ ﺒﺩ ﻤﻥ ﺤﺫﻑ ﺒﻌﺽ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻤﻥ ﺍﻟﺘﺤﻠﻴل ﻗﺒل ﺃﺠﺭﺍﺀ ﺃﻱ ﺨﻁﻭﺓ ﺘﺎﻟﻴﺔ.
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
636
ﻓﻲ ﺍﻟﻤﺭﺤﻠﺔ ﺍﻟﺜﺎﻨﻴﺔ ﻴﺘﻡ ﺍﺴﺘﺨﻼﺹ )ﺘﻜﻭﻴﻥ( ﺍﻟﻌﻭﺍﻤل factorsﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻭﺍﺤﺩﹰﺍ ﺘﻠﻭ ﺍﻵﺨﺭ ،ﻭﺘﺘﻜﺭﺭ ﺍﻟﻌﻤﻠﻴﺔ ﻟﺤﻴﻥ ﺍﻟﺘﻤﻜﻥ ﻤﻥ ﺇﻴﺠﺎﺩ ﺘﻘﺭﻴﺏ ﺠﻴﺩ ﻟﻘﻴﻡ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ R-matrixﻭﺫﻟﻙ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺘﺸﺒﻊ
loadingsﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﺍﻻﺨﺘﺒﺎﺭﺍﺕ( ﻋﻠﻰ ﺍﻟﻌﻭﺍﻤل ﺍﻟﺘﻲ ﻴﺘﻡ ﺍﺴﺘﺨﻼﺼﻬﺎ ،ﻭﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻴﻘﻭﻡ ﺒﺘﺤﺩﻴﺩ ﻋﺩﺩ ﺍﻟﻌﻭﺍﻤل )ﺃﻭ ﺍﻟﻤﺤﺎﻭﺭ( ﺍﻟﻀﺭﻭﺭﻴﺔ ﻹﻋﺎﺩﺓ ﺘﻜﻭﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺒﺸﻜل ﺩﻗﻴﻕ ﺒﻤﺎ ﻓﻴﻪ ﺍﻟﻜﻔﺎﻴﺔ.
ﻭﺇﺫﺍ ﻨﻅﺭﻨﺎ ﺇﻟﻰ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﺒﻁﺎﺭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ( ﻓﻲ ﺍﻟﻤﺠﻤﻭﻋﺔ ﻭ ﻨﻘﻁﺔ ﺍﻷﺼل )ﺍﻟﻤﺭﻜﺯ( ﻟﻠﻌﺎﻤل )ﻟﻠﻤﺤﻭﺭ( ﻜﻨﻘﺎﻁ ﺴﺎﻜﻨﺔ ﻭﻗﻤﻨﺎ ﺒﺘﺩﻭﻴﺭ ﺍﻟﻤﺤﺎﻭﺭ ﺤﻭل ﻨﻘﻁﺔ
ﺍﻷﺼل ﻓﺈﻥ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﺴﻭﻑ ﺘﺘﻐﻴﺭ ،ﻭﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺫﻟﻙ ﻓﺈﻨﻪ ﺴﻭﻑ ﻴﻅل ﺒﺎﻹﻤﻜﺎﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﻘﻴﻡ ﺍﻟﺠﺩﻴﺩﺓ ﻟﻠﺘﺸﺒﻊ ﻋﻠﻰ ﺍﻟﻌﻭﺍﻤل )ﺍﻟﻤﺤﺎﻭﺭ( ﻓﻲ ﺇﻨﺘﺎﺝ ﺘﻘﺩﻴﺭﺍﺕ ﻤﺴﺎﻭﻴﺔ
ﺘﻤﺎﻤﺎ ﻟﻘﻴﻡ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺃﻴﻨﻤﺎ ﻜﺎﻥ ﻤﻭﻀﻊ ﺍﻟﻤﺤﺎﻭﺭ
ﺍﻟﺠﺩﻴﺩ ،ﻭﺒﻬﺫﺍ ﺍﻟﻤﻔﻬﻭﻡ ﺴﻭﻑ ﻴﻜﻭﻥ ﻤﻭﻀﻊ ﺍﻟﻤﺤﺎﻭﺭ ﺍﺨﺘﻴﺎﺭﻱ ﺇﻟﻰ ﺤﺩ ﻜﺒﻴﺭ ،ﻭﺴﻭﻑ
ﺘﺒﻠﻐﻨﺎ "ﻤﺼﻔﻭﻓﺔ ﺍﻟﻌﻭﺍﻤل" ) factor matrix (F-matrixﻋﻥ ﻋﺩﺩ ﺍﻟﻤﺤﺎﻭﺭ ﺍﻟﺘﻲ ﻨﺤﺘﺎﺝ ﺇﻟﻴﻬﺎ ﻟﻠﺘﻤﻜﻥ ﻤﻥ ﺘﺼﻨﻴﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺸﻜل ﻤﻨﺎﺴﺏ ،ﻭﻟﻜﻨﻬﺎ ﻟﻥ ﺘﺘﻤﻜﻥ ﻤﻥ ﺘﺤﺩﻴﺩ ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﺍﻟﻤﻭﻀﻊ ﺍﻟﻤﺒﺩﺌﻲ ﻟﻬﺫﻩ ﺍﻟﻤﺤﺎﻭﺭ ﻫﻭ ﻤﻭﻀﻊ ﻤﻨﺎﺴﺏ ﺃﻡ ﻻ.
ﻭﺃﺜﻨﺎﺀ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺩﻭﻴﺭ ،ﻴﺘﻡ ﺘﺩﻭﻴﺭ ﻤﺤﺎﻭﺭ ﺍﻟﻌﻭﺍﻤل ﺤﻭل ﻨﻘﻁﺔ ﺍﻷﺼل ﺍﻟﺜﺎﺒﺘﺔ
ﻟﺤﻴﻥ ﺃﻥ ﺘﺤﻘﻕ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﺸﺭﻭﻁ ﻤﻌﻴﻨﺔ ،ﻭﻴﻁﻠﻕ ﻋﻠﻰ ﻤﺠﻤﻭﻋﺔ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﺍﻟﺘﻲ ﺘﺤﻘﻕ ﻫﺫﻩ ﺍﻟﺸﺭﻭﻁ ﺘﻌﺒﻴﺭ "ﻤﺼﻔﻭﻓﺔ ﺍﻟﻌﻭﺍﻤل ﺍﻟﻤﺩﺍﺭﺓ" ، rotated factor matrix
ﻭﻴﻜﻭﻥ ﺍﻟﻐﺭﺽ ﻤﻥ ﺃﻱ ﻋﻤﻠﻴﺔ ﺘﺩﻭﻴﺭ ﻫﻭ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺼﻭﺭﺓ ﻟﻘﻴﻡ ﺍﻟﺘﺸﺒﻊ ﻟﻬﺎ
ﺼﻔﺎﺕ ﺘﻌﺭﻑ ﺒﻤﺠﻤﻠﻬﺎ ﺒﺎﺴﻡ "ﺍﻟﺸﻜل ﺍﻟﺒﺴﻴﻁ" simple structureﺍﻟﺫﻱ ﻴﻤﻜﻥ ﺍﻟﻨﻅﺭ
ﺇﻟﻴﻪ ﻜﻨﻅﺎﻡ ﻤﻥ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﺍﻟﺫﻱ ﻴﺒﺭﺯ ﺍﻟﻌﺩﺩ ﺍﻷﻗﺼﻰ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﺍﻻﺨﺘﺒﺎﺭﺍﺕ( ﺘﺘﺸﺒﻊ ﻋﻠﻰ ﺃﻗل ﻋﺩﺩ ﻤﻤﻜﻥ ﻤﻥ ﺍﻟﻌﻭﺍﻤل ،ﻓﺎﻟﻔﻜﺭﺓ ﺍﻷﺴﺎﺴﻴﺔ ﻫﻨﺎ ﻫﻲ ﺃﻨﻪ ﻜﻠﻤﺎ ﻗل ﻋﺩﺩ
ﺍﻟﻌﻭﺍﻤل ﺍﻟﺘﻲ ﺘﻌﺯﻯ ﺇﻟﻰ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﺍﻻﺨﺘﺒﺎﺭﺍﺕ( ﻜﻠﻤﺎ ﻜﺎﻥ ﺍﺴﺘﺨﺩﺍﻡ ﻫﺫﻩ ﺍﻟﻌﻭﺍﻤل ﺃﻜﺜﺭ ﺴﻬﻭﻟﺔ ﻭﺒﺘﻔﺴﻴﺭ ﺴﻴﻜﻭﻟﻭﺠﻲ ،ﻓﻲ ﺍﻟﺤﻘﻴﻘﺔ ﺃﻥ
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
637
ﻤﺒﺩﺃ "ﺍﻟﺸﻜل ﺍﻟﺒﺴﻴﻁ" ﻫﻭ ﻤﺠﺭﺩ ﻓﻜﺭﺓ ﻴﺼﻌﺏ ﺘﺤﻘﻴﻘﻬﺎ ﻋﻤﻠﻴﺎﹰ ،ﻭﺃﺤﺩ ﺍﻷﺴﺒﺎﺏ ﻟﺫﻟﻙ ﺃﻥ ﻫﺫﺍ ﺍﻟﻤﺒﺩﺃ ﻓﻲ ﺤﺩ ﺫﺍﺘﻪ ﻴﻅل ﻓﻜﺭﺓ ﻏﻴﺭ ﻭﺍﻀﺤﺔ ﺘﻤﺎﻤﺎﹰ ﻭﺘﺘﻀﻤﻥ ﺒﻌﺽ ﺍﻟﺨﻭﺍﺹ ﺍﻟﺘﻲ
ﻗﺩ ﺘﺘﻌﺎﺭﺽ ﻓﻴﻤﺎ ﺒﻴﻨﻬﺎ ،ﻭﺘﻘﺩﻡ ﻨﻅﻡ ﺍﻟﺤﺎﺴﻭﺏ ﺍﻹﺤﺼﺎﺌﻴﺔ ﺍﻟﺤﺩﻴﺜﺔ ﻤﺜل SPSSﻋﺩﺩ ﻤﻥ ﻁﺭﻕ ﺍﻟﺘﺩﻭﻴﺭ ﺘﻌﺘﻤﺩ ﺠﻤﻴﻌﻬﺎ ﻋﻠﻰ ﺘﻔﺴﻴﺭﺍﺕ ﻤﺨﺘﻠﻔﺔ )ﻭﻟﻜﻨﻬﺎ ﻤﻨﻁﻘﻴﺔ( ﻟﻤﺒﺩﺃ "ﺍﻟﺸﻜل
ﺍﻟﺒﺴﻴﻁ" ،ﻭﺃﻜﺜﺭ ﻫﺫﻩ ﺍﻟﻁﺭﻕ ﺸﻴﻭﻋﹰﺎ ﻭﺍﺴﺘﺨﺩﺍﻤﹰﺎ ﻫﻲ ﻁﺭﻴﻘﺔ ﺘﻌﻅﻴﻡ ﺍﻟﺘﺒﺎﻴﻥ . varimax
ﻟﻘﺩ ﺘﺤﺩﺜﻨﺎ ﻓﻴﻤﺎ ﺴﺒﻕ ﻋﻥ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻓﻲ ﺍﺸﺘﻘﺎﻕ ﺃﺼﻐﺭ ﻋﺩﺩ
ﻤﻤﻜﻥ ﻤﻥ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺼﻨﻴﻑ )ﺍﻟﻤﺤﺎﻭﺭ( ﺍﻟﺘﻲ ﻨﺤﺘﺎﺠﻬﺎ ﻟﻠﺘﻌﺒﻴﺭ ﻋﻥ ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻤﺸﺘﺭﻙ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﺒﻁﺎﺭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ( ،ﻭﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻨﻪ ﺒﻴﻨﻤﺎ ﻴﻜﻭﻥ
ﻟﺩﻯ ﺍﻟﺒﺎﺤﺙ ﻏﺎﻟﺒﹰﺎ ﺘﻭﻗﻌﺎﺕ ﺘﺘﻌﻠﻕ ﺒﻌﺩﺩ ﺍﻟﻌﻭﺍﻤل ﺍﻟﺘﻲ ﻴﻤﻜﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻴﻬﺎ ﻤﺴﺒﻘﹰﺎ ﻓﺈﻥ
ﻋﻤﻠﻴﺔ ﺍﺸﺘﻘﺎﻕ ﺍﻟﻌﻭﺍﻤل ﺘﺘﻡ ﺃﻭﺘﻭﻤﺎﺘﻴﻜﻴﹰﺎ ﻟﺤﻴﻥ ﺘﺤﻘﻴﻕ ﻗﺎﻋﺩﺓ ﻤﻌﻴﻨﺔ ﺘﺘﻌﻠﻕ ﺒﻘﻴﻡ ﺍﻟﺘﺸﺒﻊ
ﻭﺘﺘﻭﻗﻑ ﻋﻨﺩﻫﺎ ﻫﺫﻩ ﺍﻟﻌﻤﻠﻴﺔ ،ﻭﻓﻲ ﺤﺎﻟﺔ ﻟﻭ ﺘﻡ ﺍﺴﺘﺨﺩﺍﻡ ﻨﻔﺱ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﺍﻻﺨﺘﺒﺎﺭﺍﺕ(
ﻓﺈﻨﻪ ﻴﺘﻭﻗﻊ ﺃﻥ ﻴﺨﺘﻠﻑ ﻋﺩﺩ ﺍﻟﻌﻭﺍﻤل ﺍﻟﺘﻲ ﻴﺘﻡ ﺍﺸﺘﻘﺎﻗﻬﺎ ﻤﻥ ﺩﺭﺍﺴﺔ ﺇﻟﻰ ﺃﺨﺭﻯ ﻭﺫﻟﻙ ﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺃﻥ ﺨﺎﺼﻴﺔ "ﺜﺒﺎﺕ ﺍﻟﻌﻭﺍﻤل" ﻤﻭﺠﻭﺩﺓ ﻓﻲ ﺒﻌﺽ ﺍﻟﻌﻭﺍﻤل ﺍﻟﺘﻲ ﻴﻌﺯﻯ
ﺇﻟﻴﻬﺎ ﺃﻜﺒﺭ ﺠﺯﺀ ﻤﻤﻜﻥ ﻤﻥ ﺍﻟﺘﺒﺎﻴﻥ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﻤﺜل ﻋﺎﻤل ﺍﻟﻘﺩﺭﺍﺕ ﺍﻟﻌﻘﻠﻴﺔ ﺍﻟﻌﺎﻤﺔ ﻭﺃﻏﻠﺏ ﺍﻟﻌﻭﺍﻤل ﺍﻟﺘﻲ ﺘﺘﻌﻠﻕ ﺒﺎﻟﻘﺩﺭﺍﺕ ﺍﻟﻌﺎﻤﺔ( ،ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﺫﻟﻙ ﻓﺈﻥ ﺍﻟﻨﻤﻁ ﺍﻟﺫﻱ
ﺘﺒﻴﻨﻪ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻌﻭﺍﻤل F-matrixﺍﻟﻤﺩﻭﺭﺓ ﺍﻟﻨﻬﺎﺌﻴﺔ ﻴﻌﺘﻤﺩ ﻋﻠﻰ ﻁﺭﻴﻘﺔ ﺍﻟﺘﺩﻭﻴﺭ ﺍﻟﻤﺴﺘﺨﺩﻤﺔ ،ﻓﺒﻌﺽ ﺍﻟﻁﺭﻕ )ﻤﺜل ﻁﺭﻴﻘﺔ ﺘﻌﻅﻴﻡ ﺍﻟﺘﺒﺎﻴﻥ (varimaxﺘﺤﺎﻓﻅ
ﻋﻠﻰ ﻤﺤﺎﻭﺭ ﺍﻟﻌﻭﺍﻤل ﺒﺯﻭﺍﻴﺎ ﻗﺎﺌﻤﺔ ﺇﻻ ﺃﻥ ﻁﺭﻕ ﺃﺨﺭﻯ )ﻤﺜل ﻁﺭﻴﻘﺔ (quartimax ﺘﺴﻤﺢ ﺒﻭﺠﻭﺩ ﻋﻭﺍﻤل ﻤﺎﺌﻠﺔ )ﻤﺘﺭﺍﺒﻁﺔ( ،ﻭﻟﻘﺩ ﻜﺎﻥ ﻫﻨﺎﻙ ﺍﻟﻜﺜﻴﺭ ﻤﻥ ﺍﻷﻓﻜﺎﺭ ﺤﻭل ﺃﻱ
ﻁﺭﻕ ﺍﻟﺘﺩﻭﻴﺭ ﻴﻤﻜﻥ ﺍﻋﺘﺒﺎﺭﻫﺎ ﺍﻷﻓﻀل ،ﻭﻟﻜﻥ ﻜل ﻫﺫﻩ ﺍﻷﻓﻜﺎﺭ ﺘﻌﻜﺱ ﻓﻘﻁ ﻭﺠﻬﺎﺕ
ﺍﻟﻨﻅﺭ ﺍﻟﻨﻅﺭﻴﺔ ﻷﺼﺤﺎﺒﻬﺎ ،ﻜﻤﺎ ﺃﻨﻪ ﻓﻲ ﺍﻟﺤﺎﻻﺕ ﺍﻟﺘﻲ ﺘﺴﺘﺨﺩﻡ ﺒﻬﺎ ﺃﺴﺎﻟﻴﺏ ﺍﻟﺘﺤﻠﻴل
ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﺘﻘﻠﻴﺩﻴﺔ ﻴﺼﻌﺏ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻕ ﺍﻹﺤﺼﺎﺌﻴﺔ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﺎﺨﺘﺒﺎﺭ ﻓﺭﻀﻴﺎﺕ ﻤﺤﺩﺩﺓ ،ﻭﺒﺫﻟﻙ ﻓﺈﻥ ﻫﺫﺍ ﻴﻌﻜﺱ ﻭﺠﻬﺔ ﺍﻟﻨﻅﺭ ﺍﻟﻘﺎﺌﻠﺔ ﺒﺄﻥ ﺃﺴﺎﻟﻴﺏ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
ﺍﻟﺘﻘﻠﻴﺩﻴﺔ ﻤﻨﺎﺴﺒﺔ ﻓﻘﻁ ﻓﻲ ﺍﻟﻤﺭﺍﺤل ﺍﻷﻭﻟﻰ ﻤﻥ ﺍﻟﺘﺤﺭﻴﺎﺕ ﻓﻲ ﻤﻭﻀﻭﻉ ﺍﻟﺒﺤﺙ.
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
638
ﺘﻠﻙ ﺍﻟﺸﻜﻭﻙ ﺍﻟﺘﻲ ﺘﺩﻭﺭ ﺤﻭل ﺃﺴﻠﻭﺏ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ -ﻜﻤﺎ ﺴﺒﻕ ﺘﻭﻀﻴﺤﻪ- ﺠﻌﻠﺕ ﺍﻟﻜﺜﻴﺭ ﻴﻁﻠﻘﻭﻥ ﻋﻠﻰ ﻫﺫﺍ ﺍﻷﺴﻠﻭﺏ "ﺃﺴﻠﻭﺏ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺍﻻﺴﺘﻜﺸﺎﻓﻲ"
، Exploratory factor analysisﻭﺨﻼل ﺍﻟﻌﻘﻭﺩ ﺍﻟﺜﻼﺙ ﺍﻟﻤﺎﻀﻴﺔ ﻓﻘﻁ ﺍﺯﺩﺍﺩ ﺍﻻﻫﺘﻤﺎﻡ ﺒﺘﻁﻭﻴﺭ ﺒﻌﺽ ﺍﻷﺴﺎﻟﻴﺏ ﻻﺨﺘﺒﺎﺭ ﻓﺭﻀﻴﺎﺕ ﻤﻌﻴﻨﺔ ﺘﺘﻌﻠﻕ ﺒﺎﻟﺘﺭﻜﻴﺏ ﺍﻟﻌﺎﻤﻠﻲ
ﻟﻨﻅﺎﻡ ﻤﺤﺩﺩ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ )ﺒﻁﺎﺭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ( ،ﻓﻅﻬﺭ ﺃﺴﻠﻭﺏ "ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
ﺍﻟﻤﺅﻜِﺩ“ Confirmatory factor analysisﻭﺍﻟﺫﻱ ﻴﻤﻜﻥ ﺍﻟﺒﺎﺤﺙ ﻤﻥ ﺘﺤﺩﻴﺩ ﻋﺩﺩ
ﺍﻟﻌﻭﺍﻤل ﻤﺴﺒﻘﹰﺎ ﻭﻭﻀﻊ ﻓﺭﻀﻴﺎﺕ ﺘﺘﻌﻠﻕ ﺒﻨﻤﻁ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ )ﺍﻻﺨﺘﺒﺎﺭﺍﺕ( ﻭﻤﺎ ﺇﺫﺍ ﻜﺎﻨﺕ ﺼﻔﺭﻴﺔ ﺃﻭ ﻏﻴﺭ ﺼﻔﺭﻴﺔ . ﻭﺨﻼل ﺍﻟﺴﻨﻭﺍﺕ ﺍﻟﻘﻠﻴﻠﺔ ﺍﻟﻤﺎﻀﻴﺔ ﻅﻬﺭ ﺘﻁﻭﺭ ﻜﺒﻴﺭ ﻓﻲ ﺍﻷﺴﺎﻟﻴﺏ ﺍﻟﻤﻌﺭﻭﻓﺔ
ﺒﺎﺴﻡ "ﻨﻤﺎﺫﺝ ﺍﻟﻤﻌﺎﺩﻻﺕ ﺍﻟﺘﺭﻜﻴﺒﻴﺔ" Structural Equation Modelingﻭﺍﻟﺘﻲ ﺃﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻤﻬﺎ ﻓﻲ ﺃﺴﻠﻭﺏ "ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻤﺅﻜِﺩ“، Confirmatory factor analysis
ﻭﻫﻨﺎﻙ ﺃﻴﻀﹰﺎ ﺃﺴﻠﻭﺏ "ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺴﺒﺒﻴﺔ" causal modelingﻭﻜﺫﻟﻙ ﺃﺴﻠﻭﺏ "ﺍﻟﺘﺤﻠﻴل
ﺍﻟﺸﻌﺎﻋﻲ" path analysisﻭﺃﺴﻠﻭﺏ ﻨﻤﺎﺫﺝ ﺍﻻﻨﺤﺩﺍﺭ ﺒﺄﻭﺯﺍﻥ ﻤﺸﺭﻭﻁﺔ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ
ﺍﻟﻤﺴﺘﻘﻠﺔ ﻭ"ﻨﻤﺎﺫﺝ ﺘﺭﻜﻴﺏ ﺍﻟﺘﻐﺎﻴﺭ" covariance structure modelsﻭﺍﻟﺘﻲ ﺘﺴﺘﺨﺩﻡ ﻻﺨﺘﺒﺎﺭ ﻓﺭﻀﻴﺎﺕ ﺘﺘﻌﻠﻕ ﺒﻤﺼﻔﻭﻓﺔ ﺍﻟﺘﺒﺎﻴﻥ ﻭﺍﻟﺘﻐﺎﻴﺭ ﻤﺜل ﺘﺴﺎﻭﻱ ﺍﻟﺘﺒﺎﻴﻥ ﻟﺠﻤﻴﻊ
ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺍﻟﻨﻅﺎﻡ )ﺒﻁﺎﺭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ( ،ﻭﻟﻜﻥ ﻫﺫﻩ ﺍﻷﺴﺎﻟﻴﺏ ﻭﺒﺼﻭﺭﺓ ﻋﺎﻤﺔ
ﻁﺭﻕ "ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻤﺅﻜِﺩ“ Confirmatory factor analysisﻟﻡ ﻴﺘﻡ ﺒﻌﺩ ﺇﺩﺨﺎﻟﻬﺎ
ﻓﻲ ﻨﻅﺎﻡ SPSSﻤﻥ ﺠﻤﻴﻊ ﺇﺼﺩﺍﺭﺍﺘﻪ ﺤﺘﻰ ﺍﻹﺼﺩﺍﺭ ﺍﻟﺤﺎﺩﻱ ﻋﺸﺭ ،ﻭﺭﺒﻤﺎ ﺘﻅﻬﺭ ﻓﻲ
ﺇﺼﺩﺍﺭﺍﺕ ﻻﺤﻘﺔ ،ﻭﻟﻜﻥ ﻫﻨﺎﻙ ﺃﻨﻅﻤﺔ ﺇﺤﺼﺎﺌﻴﺔ ﺃﺨﺭﻯ ﺘﺨﺘﺹ ﺒﻬﺫﺍ ﺍﻟﻤﺠﺎل ﺼﻤﻤﺕ
ﺨﺼﻴﺼ ﹰﺎ ﻤﻥ ﺃﺠل ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﻬﺫﻩ ﺍﻟﻨﻤﺎﺫﺝ ﻤﺜل ) EQSﺃﻨﻅﺭ Bentler,
(1993ﻭﻜﺫﻟﻙ ) LISRELﺃﻨﻅﺭ . (Joreskog & Sorbom, 1989
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
639
.3 .18اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻲ ﺑﺎﺳﺘﺨﺪام ﻧﻈﺎم : SPSS Factor Analysis with SPSS : ﻻ ﻟﺘﻭﻀﻴﺢ ﻜﻴﻔﻴﺔ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﻅﺎﻡ SPSSﺴﻨﺄﺨﺫ ﻤﺜﺎ ﹰ
ﻤﺒﺴﻁﹰﺎ ﻴﺘﻨﺎﻭل ﺒﻴﺎﻨﺎﺕ ﻗﺎﻡ ﺒﺎﺤﺙ ﺒﺠﻤﻌﻬﺎ ﻤﻥ 10ﻤﻥ ﻁﻠﺒﺔ ﺃﺤﺩ ﻤﺩﺍﺭﺱ ﺍﻟﻠﻐﺎﺕ
ﺍﻷﺠﻨﺒﻴﺔ ﻋﻥ ﺩﺭﺠﺎﺕ ﻫﺅﻻﺀ ﺍﻟﻁﻠﺒﺔ ﻓﻲ ﺴﺕ ﻤﻥ ﺍﻟﻤﻭﻀﻭﻋﺎﺕ ﻭﻫﻲ :ﺍﻷﺩﺏ ﺍﻹﻨﺠﻠﻴﺯﻱ English Literatureﻭﺍﻷﺩﺏ ﺍﻟﻔﺭﻨﺴﻴﺔ French Literatureﻭﺍﻟﻠﻐﺔ
ﺍﻷﻟﻤﺎﻨﻴﺔ German Languageﻭﺍﻟﻔﻨﻭﻥ ﺍﻟﺠﻤﻴﻠﺔ Fine Artsﻭﺍﻟﺭﻴﺎﻀﻴﺎﺕ
Mathematicsﻭﺍﻟﻌﻠﻭﻡ ﺍﻟﺘﻁﺒﻴﻘﻴﺔ ، Applied Sciencesﻭﺍﻟﺠﺩﻭل ﻓﻲ ﺸﻜل 1-18 ﻴﻭﻀﺢ ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ. ﻭﻟﻠﺘﻌﺭﻑ ﻋﻠﻰ ﺍﻷﺒﻌﺎﺩ ﺍﻟﺴﻴﻜﻭﻟﻭﺠﻴﺔ ﺍﻟﺘﻲ ﺘﺘﺤﻜﻡ ﻓﻲ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺴﺕ
ﺘﻘﺭﺭ ﺃﻥ ﻴﺠﺭﻯ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻟﻬﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ،ﻭﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻨﻪ ﻴﻤﻜﻥ ﺇﺠﺭﺍﺀ
ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺸﺎﺸﺎﺕ ﻭﻨﻭﺍﻓﺫ SPSSﻜﻤﺎ ﻜﺎﻥ ﻤﺘﺒﻌﹰﺎ ﻓﻲ ﺠﻤﻴﻊ ﺍﻟﻔﺼﻭل
ﺍﻟﺴﺎﺒﻘﺔ ،ﻜﻤﺎ ﻴﻤﻜﻥ ﺃﻴﻀ ﹰﺎ ﺍﺴﺘﺨﺩﺍﻡ ﻟﻐﺔ ﺍﻷﻭﺍﻤﺭ Command languageﻓﻲ SPSS
ﻤﺜﻠﻤﺎ ﻜﺎﻥ ﻤﺘﺒﻌﹰﺎ ﻓﻲ ﺍﻹﺼﺩﺍﺭﺍﺕ ﺍﻟﻘﺩﻴﻤﺔ ﻤﺜل ، SPSS PC+ ver. 6.0ﻭﺍﻟﻁﺭﻴﻘﺔ
ﺍﻷﺨﻴﺭﺓ ﺭﻏﻡ ﺼﻌﻭﺒﺔ ﺍﺴﺘﺨﺩﺍﻤﻬﺎ ﺇﻻ ﺃﻨﻬﺎ ﺘﻘﺩﻡ ﺒﻌﺽ ﺍﻟﻭﻅﺎﺌﻑ ﺍﻹﻀﺎﻓﻴﺔ ﺍﻟﺘﻲ ﻟﻡ ﻴﺘﻡ
ﺘﻁﻭﻴﺭﻫﺎ ﺒﻌﺩ ﻓﻲ ﺍﻹﺼﺩﺍﺭﺍﺕ ﺍﻟﻼﺤﻘﺔ ﻟﻨﻅﺎﻡ ، SPSSﺇﻻ ﺃﻨﻨﺎ ﻟﻥ ﻨﺘﺤﺩﺙ ﻋﻨﻬﺎ ﻓﻲ
ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ ،ﻭﻟﻜﻥ ﻟﻠﻤﺯﻴﺩ ﻤﻥ ﺍﻟﺘﻔﺎﺼﻴل ﻴﻤﻜﻥ ﺍﻟﻌﻭﺩﺓ ﺇﻟﻰ ﺃﻱ ﻤﻥ ﺍﻟﻜﺘﺏ ﺍﻟﺘﻲ ﺘﺘﺤﺩﺙ
ﻋﻥ ﺍﻹﺼﺩﺍﺭﺍﺕ ﺍﻟﻘﺩﻴﻤﺔ ﻟﻨﻅﺎﻡ . SPSS PC+
ﻭﺍﻟﺨﻁﻭﺓ ﺍﻷﻭﻟﻰ ﻹﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻫﻲ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Editorﻓﻲ SPSSﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻤﻌﺘﺎﺩﺓ ،ﻻﺤﻅ ﺃﻨﻪ ﻻ ﻴﻭﺠﺩ ﺃﻱ
ﻤﺘﻐﻴﺭﺍﺕ ﺘﺼﻨﻴﻑ ﻓﻲ ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻻ ﻴﺒﺩﻭ ﻫﻨﺎﻙ ﺃﻱ ﻤﺘﻐﻴﺭ ﺘﺎﺒﻊ ﻓﺠﻤﻴﻌﻬﺎ ﻤﺘﻐﻴﺭﺍﺕ ﻤﺴﺘﻘﻠﺔ ،ﻭﺸﻜل ﺭﻗﻡ 2-18ﻴﺒﻴﻥ ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Editorﺒﻌﺩ ﺇﺩﺨﺎل
ﺍﻟﺒﻴﺎﻨﺎﺕ ﺇﻟﻴﻪ.
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
640
ﺸﻜل : 1-18ﺩﺭﺠﺎﺕ ﺴﺕ ﻤﻭﻀﻭﻋﺎﺕ ﻟﻌﺸﺭﺓ ﻤﻥ ﻁﻠﺒﺔ ﺃﺤﺩ ﺍﻟﻤﺩﺍﺭﺱ ﺍﻷﺠﻨﺒﻴﺔ. ﺭﻗﻡ
ﺍﻷﺩﺏ
ﺍﻷﺩﺏ
ﺍﻟﻠﻐﺔ
ﺍﻟﻔﻨﻭﻥ ﺍﻟﺠﻤﻴﻠﺔ
45 78 50 56 46 92 56 32 44 72
ﺍﻟﻁﺎﻟﺏ
ﺍﻹﻨﺠﻠﻴﺯﻱ
ﺍﻟﻔﺭﻨﺴﻲ
ﺍﻷﻟﻤﺎﻨﻴﺔ
1 2 3 4 5 6 7 8 9 10
81 40 46 40 91 48 68 35 92 45
72 41 47 33 75 41 67 32 84 45
69 32 54 34 76 46 72 41 76 36
ﺍﻟﺭﻴﺎﻀﻴﺎﺕ
53 91 47 65 54 88 45 36 51 67
ﺍﻟﻌﻠﻭﻡ ﺍﻟﺘﻁﺒﻴﻘﻴﺔ
51 81 49 63 47 90 47 37 43 79
ﻭﺘﺒﺩﺃ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻓﻭﺭ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻟﻠﻨﻅﺎﻡ ﺒﺎﺨﺘﻴﺎﺭ ﺃﻤﺭ ﺍﻟﺘﺤﻠﻴل
ﺍﻟﻌﺎﻤﻠﻲ Factorﺩﺍﺨل ﻗﺎﺌﻤﺔ ﺘﻘﻠﻴﺹ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Reductionﻓﻲ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ﺍﻟﺭﺌﻴﺴﻴﺔ ) Analyzeﺃﻭ Statisticsﻓﻲ ﺇﺼﺩﺍﺭ (8.0ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ
ﻟﻠﻨﻅﺎﻡ ﻭﺫﻟﻙ ﻋﻠﻰ ﺍﻟﻨﺤﻭ ﺍﻟﺫﻱ ﻴﻅﻬﺭ ﻓﻲ ﺸﻜل 3-18ﺃﺩﻨﺎﻩ .
ﺸﻜل : 2-18ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Editorﻴﺒﻴﻥ ﺩﺭﺠﺎﺕ ﺴﺕ ﻤﻭﻀﻭﻋﺎﺕ ﻟﻤﺠﻤﻭﻋﺔ ﻤﻥ ﻁﻠﺒﺔ ﺃﺤﺩ ﺍﻟﻤﺩﺍﺭﺱ ﺍﻷﺠﻨﺒﻴﺔ.
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
641
ﺸﻜل : 3-18ﻜﻴﻔﻴﺔ ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﺃﻤﺭ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ . Factor Analysis
ﻭﺒﺎﺨﺘﻴﺎﺭ ﻫﺫﺍ ﺍﻷﻤﺭ ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺴﻭﻑ ﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﺭﺌﻴﺴﻴﺔ Factor Analysisﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل 4-18ﺃﺩﻨﺎﻩ ،ﻭﻫﻨﺎ ﻻ ﺒﺩ ﻤﻥ ﺍﻟﺒﺩﺀ ﺒﺎﺨﺘﻴﺎﺭ
ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺴﺘﺩﺨل ﻓﻲ ﺍﻟﺘﺤﻠﻴل ﻭﻨﻘﻠﻬﺎ ﺇﻟﻰ ﺍﻟﻴﻤﻴﻥ ﻟﺘﺩﺨل ﻓﻲ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ
Variablesﻜﻤﺎ ﻴﻅﻬﺭ ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﺃﺩﻨﺎﻩ ،ﺇﻀﺎﻓﺔ ﺇﻟﻰ ﺫﻟﻙ ﻴﻅﻬﺭ ﻓﻲ ﺃﺴﻔل ﺘﻠﻙ ﺍﻟﻨﺎﻓﺫﺓ
ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻤﻔﺎﺘﻴﺢ ﻟﺨﻴﺎﺭﺍﺕ ﺃﺴﺎﺴﻴﺔ ﻻﺒﺩ ﻤﻥ ﺍﻟﻀﻐﻁ ﻋﻠﻴﻬﺎ ﻟﻠﺘﺤﻜﻡ ﻓﻲ ﺍﻟﻁﺭﻴﻘﺔ
ﺍﻟﺘﻲ ﻴﺘﻡ ﺒﻬﺎ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ.
ﺸﻜل : 4-18ﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﺭﺌﻴﺴﺔ . Factor Analysis
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
642
ﻓﻲ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻨﺒﺩﺃ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺨﻴﺎﺭ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ Descriptivesﻟﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺨﻴﺎﺭﺍﺕ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ Descriptivesﻜﻤﺎ ﻓﻲ
ﺸﻜل ، 5-18ﻭﻤﻨﻬﺎ ﻨﺨﺘﺎﺭ ﻤﺠﻤﻭﻋﺔ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻷﺤﺎﺩﻴﺔ ﺍﻟﻤﺘﻐﻴﺭ Univariate
Descriptivesﻭﺍﻟﺤل ﺍﻟﻤﺒﺩﺌﻲ Initial solutionﻭﺍﻟﻤﻌﺎﻤﻼﺕ Coefficients
ﻟﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ R-matrixﻭﻜﺫﻟﻙ ﺘﻘﺩﻴﺭ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻌﺩ ﺇﻋﺎﺩﺓ ﺇﻨﺘﺎﺠﻬﺎ
Reproducedﻤﻥ ﺘﺸﺒﻊ ﺍﻟﻌﻭﺍﻤل ﺍﻟﺘﻲ ﺘﻡ ﺍﺸﺘﻘﺎﻗﻬﺎ ﺃﺜﻨﺎﺀ ﺍﻟﺘﺤﻠﻴل ﺠﻨﺒﺎﹰ ﺇﻟﻰ ﺠﻨﺏ ﻤﻊ ﻤﻌﺎﻤﻼﺕ ﺍﻟﺸﻴﻭﻉ Communalitiesﻟﻠﻤﺘﻐﻴﺭﺍﺕ R2ﻭﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ
ﺍﻟﻤﺸﺎﻫﺩﺓ ﻭﺍﻟﻤﻌﺎﺩ ﺇﻨﺘﺎﺠﻬﺎ Reproducedﻟﻸﺨﻁﺎﺀ ،ﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﺍﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻻﺴﺘﻤﺭﺍﺭ Continueﻟﻠﻌﻭﺩﺓ ﺇﻟﻰ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺭﺌﻴﺴﺔ.
ﻭﺍﻵﻥ ﺍﻀﻐﻁ ﻋﻠﻰ ﺨﻴﺎﺭ ﺍﻻﺴﺘﺨﻼﺹ Extractionﻟﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺍﻻﺴﺘﺨﻼﺹ
) Extractionﺸﻜل (6-18ﻭﺍﺨﺘﺭ ﺭﺴﻡ Scree plotﺍﻟﺫﻱ ﻴﻭﻀﺢ ﺃﻫﻤﻴﺔ ﺍﻟﻌﻭﺍﻤل
ﺍﻟﺘﻲ ﺘﻡ ﺍﺸﺘﻘﺎﻗﻬﺎ ،ﻭﺘﺄﻜﺩ ﻤﻥ ﺘﺤﺩﻴﺩ ﺍﺴﺘﺨﺩﺍﻡ ﻁﺭﻴﻘﺔ ﺍﻟﻤﺭﻜﺒﺎﺕ ﺍﻷﺴﺎﺴﻴﺔ Principal
Componentsﻭﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻷﺨﺭﻯ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ﻗﺒل ﺍﻟﻌﻭﺩﺓ ﺇﻟﻰ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺴﺎﺒﻘﺔ.
ﺸﻜل : 5-18ﻨﺎﻓﺫﺓ ﺨﻴﺎﺭﺍﺕ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ ﺍﻷﺤﺎﺩﻴﺔ Descriptivesﻓﻲ ﻨﺎﻓﺫﺓ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﺭﺌﻴﺴﺔ .Factor Analysis
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
643
ﺸﻜل : 6-18ﻨﺎﻓﺫﺓ ﺨﻴﺎﺭﺍﺕ ﺍﻻﺴﺘﺨﻼﺹ Extractionﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ.
ﻭﻟﻠﺤﺼﻭل ﻋﻠﻰ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻤﻌﺎﻤﻼﺕ F-matrixﺒﻌﺩ ﺍﻟﺘﺩﻭﻴﺭ ﺍﻀﻐﻁ ﻋﻠﻰ
ﺨﻴﺎﺭ ﺍﻟﺘﺩﻭﻴﺭ Rotationﻟﻔﺘﺢ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺨﺎﺼﺔ ﺒﻬﺫﻩ ﺍﻟﺨﻴﺎﺭﺍﺕ )ﺸﻜل ،(7-18ﻭﺘﺄﻜﺩ
ﻤﻥ ﺍﺨﺘﻴﺎﺭ ﻁﺭﻴﻘﺔ ﺍﻟﺘﺩﻭﻴﺭ Varimaxﻭﺍﺨﺘﺭ ﻋﺭﺽ ﺍﻟﺤل ﺒﻌﺩ ﺍﻟﺘﺩﻭﻴﺭ Display:
، Rotated solutionﺜﻡ ﻋﺩ ﺇﻟﻰ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺴﺎﺒﻘﺔ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻻﺴﺘﻤﺭﺍﺭ ،Continueﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﻨﻔﺫ ﺃﻤﺭ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﺒﺎﻟﻀﻐﻁ ﻋﻠﻰ ﻤﻔﺘﺎﺡ ﺍﻟﺘﻨﻔﻴﺫ . OK ﺸﻜل : 7-18ﻨﺎﻓﺫﺓ ﺨﻴﺎﺭﺍﺕ ﺍﻟﺘﺩﻭﻴﺭ Rotationﻓﻲ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ.
( ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ18)
644
ﻭﺃﻭل ﻫﺫﻩ،ﻭﺘﻅﻬﺭ ﻋﺎﺩﺓ ﻗﺎﺌﻤﺔ ﻁﻭﻴﻠﺔ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻋﻨﺩ ﺇﺠﺭﺍﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ 8-18 ﻭﺸﻜل،ﺍﻟﻨﺘﺎﺌﺞ ﻫﻭ ﺘﻠﻙ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ ﺍﻟﺘﻲ ﺘﻡ ﻁﻠﺒﻬﺎ ﺒﺼﻔﺔ ﺨﺎﺼﺔ
.ﻴﺒﻴﻥ ﻫﺫﺍ ﺍﻟﺠﺯﺀ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ
. ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻭﻴﺒﻴﻥ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ: 8-18 ﺸﻜل Descriptive Statistics Mean
Std. Deviation Analysis N
English Literature
58.60
22.26
10
French Literature
53.70
18.93
10
German Language
53.60
18.12
10
Fine Arts
57.10
18.26
10
Mathematics
59.70
18.12
10
Applied Sciences
58.70
18.42
10
Correlation ﺃﻤﺎ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻫﺫﻩ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻴﻌﻁﻲ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ
. ﺃﺩﻨﺎﻩ9-18 ﻜﻤﺎ ﻴﻭﻀﺤﻪ ﺸﻜلmatrix
. ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻭﻴﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ: 9-18 ﺸﻜل Correlation Matrix
English French German Fine Mathe- Applied Literature Literature Language Arts matics Sciences English Literature
1.000
.977
.928
-.366
-.310
-.448
French Literature
.977
1.000
.933
-.351
-.335
-.456
German Language .928
.933
1.000
-.468
-.516
-.612
Fine Arts
-.366
-.351
-.468
1.000
.908
.962
Mathematics
-.310
-.335
-.516
.908
1.000
.939
Applied Sciences
-.448
-.456
-.612
.962
.939
1.000
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
645
ﻭﺒﺼﻔﺔ ﻋﺎﻤﺔ ،ﺘﻌﺭﻑ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ R-matrixﺒﺄﻨﻬﺎ ﻤﺼﻔﻭﻓﺔ ﻤﺭﺒﻌﺔ )ﻋﺩﺩ ﺼﻔﻭﻓﻬﺎ ﻴﺴﺎﻭﻱ ﻋﺩﺩ ﺃﻋﻤﺩﺘﻬﺎ( ﻭﺠﻤﻴﻊ ﻋﻨﺎﺼﺭ ﻗﻁﺭﻫﺎ ﺍﻟﺭﺌﻴﺴﻲ )ﻤﻥ ﺃﻋﻠﻰ ﺍﻟﺸﻤﺎل ﺇﻟﻰ ﺃﺴﻔل ﺍﻟﻴﻤﻴﻥ( ﻤﺴﺎﻭﻴﺔ ﺍﻟﻭﺍﺤﺩ ،ﻭﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ ﻤﺘﻤﺎﺜﻠﺔ ﺒﻤﻌﻨﻰ ﺃﻥ ﺍﻟﺠﺯﺀ ﺃﻋﻠﻰ ﺍﻟﻘﻁﺭ ﺍﻟﺭﺌﻴﺴﻲ ﻴﺸﺎﺒﻪ ﺘﻤﺎﻤﺎﹰ ﺍﻟﺠﺯﺀ ﺃﺴﻔﻠﻪ .
ﻭﺒﻔﺤﺹ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻓﻲ ﺍﻟﺸﻜل 9-18ﺃﻋﻼﻩ ﻴﺘﻀﺢ ﺃﻥ
ﻫﻨﺎﻙ ﻤﺠﻤﻭﻋﺘﻴﻥ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻜل ﻤﻨﻬﻤﺎ ﻴﺘﻤﺘﻊ ﺒﻘﻴﻡ ﻜﺒﻴﺭﺓ ﻟﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ
ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل ﻤﺠﻤﻭﻋﺘﻪ ،ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﻭﻟﻰ ﺘﺘﻜﻭﻥ ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺎﺕ ﺍﻟﺜﻼﺜﺔ: ﺍﻹﻨﺠﻠﻴﺯﻴﺔ ﻭﺍﻟﻔﺭﻨﺴﻴﺔ ﻭﺍﻷﻟﻤﺎﻨﻴﺔ ،ﺒﻴﻨﻤﺎ ﺘﺘﻜﻭﻥ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻟﺜﺎﻨﻴﺔ ﻤﻥ ﺩﺭﺠﺎﺕ ﺍﻟﻔﻨﻭﻥ
ﺍﻟﺠﻤﻴﻠﺔ ﻭﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺍﻟﻌﻠﻭﻡ ﺍﻟﺘﻁﺒﻴﻘﻴﺔ ،ﻭﻫﻨﺎﻙ ﻤﻼﺤﻅﺔ ﺃﺨﺭﻯ ﺠﺩﻴﺭﺓ ﺒﺎﻻﻫﺘﻤﺎﻡ ﻓﻲ ﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ ﻭﻫﻲ ﺃﻨﻪ ﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺍﻟﻘﻴﻡ ﺍﻟﻤﺭﺘﻔﻌﺔ ﻟﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻟﻜل ﻤﺘﻐﻴﺭ ﻤﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻷﺨﺭﻯ ﻓﻲ ﻤﺠﻤﻭﻋﺘﻪ ﺇﻻ ﺃﻨﻪ ﻻ ﻴﺭﺘﺒﻁ ﺠﻭﻫﺭﻴﹰﺎ ﺒﺎﻟﻤﺘﻐﻴﺭﺍﺕ
ﻤﻥ ﺍﻟﻤﺠﻤﻭﻋﺔ ﺍﻷﺨﺭﻯ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺍﻟﻘﺩﺭﺍﺕ ﺍﻟﺘﻲ ﺘﺤﻜﻤﻬﻤﺎ ﻜل ﻤﻥ ﺍﻟﻤﺠﻤﻭﻋﺘﻴﻥ
ﻤﻥ ﺍﻟﺩﺭﺠﺎﺕ ﻤﺴﺘﻘﻠﺘﺎﻥ ﻋﻥ ﺒﻌﻀﻬﻤﺎ ،ﻭﻴﺤﺴﻥ ﻋﺎﺩﺓ ﺃﻥ ﻨﻔﺴﺭ ﻨﻤﻁ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﻓﻲ ﺍﻟﻤﺼﻔﻭﻓﺔ ﻷﻥ ﻜل ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺒﻴﻨﻤﺎ ﺘﺅﺜﺭ ﻋﻠﻰ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ﻷﺤﺩ ﺍﻷﺒﻌﺎﺩ ﺍﻟﺴﻴﻜﻭﻟﻭﺠﻴﺔ ﻓﺈﻨﻬﺎ ﻻ ﺘﺅﺜﺭ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﺎﺒﻌﺔ ﻟﻸﺒﻌﺎﺩ ﺍﻷﺨﺭﻯ.
ﻭﻤﻥ ﻓﺤﺹ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ R-matrixﺃﻋﻼﻩ ﻴﻤﻜﻨﻨﺎ ﻤﻥ ﻨﻤﻁ ﻤﻌﺎﻤﻼﺕ
ﺍﻻﺭﺘﺒﺎﻁ ﺃﻥ ﻨﺴﺘﺨﻠﺹ ﺒﻌﺩﻴﻥ ﺴﻴﻜﻭﻟﻭﺠﻴﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ ﻋﻥ ﺒﻌﻀﻬﻤﺎ ﺍﻟﺒﻌﺽ ،ﻭﻓﻲ
ﺍﻷﺠﺯﺍﺀ ﺍﻟﺘﺎﻟﻴﺔ ﺴﻨﺭﻯ ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﻫﺫﺍ ﺍﻟﺘﻔﺴﻴﺭ ﻴﻤﻜﻥ ﺘﺄﻜﻴﺩﻩ ﻤﻥ ﺨﻼل ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل
ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﺭﺴﻤﻴﺔ ،ﻭﻫل ﻋﺎﻤﻠﻴﻥ )ﻤﺤﻭﺭﻴﻥ( ﻓﻘﻁ ﺴﻴﻜﻭﻨﺎ ﻜﺎﻓﻴﻴﻥ ﻟﻠﺘﻌﺒﻴﺭ ﻋﻥ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ. ﻭﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل (10-18ﻴﺒﻴﻥ ﻤﻌﺎﻤﻼﺕ ﺍﻟﺸﻴﻭﻉ
communalitiesﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻅل ﺍﻟﺤل ﺍﻟﻤﻘﺘﺭﺡ ﻟﻠﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻗﺒل ﺘﺩﻭﻴﺭ ﺍﻟﻤﺤﺎﻭﺭ ،ﻭﻴﻌﺭﻑ ﻤﻌﺎﻤل ﺍﻟﺸﻴﻭﻉ communalityﻟﻠﻤﺘﻐﻴﺭ ﺒﺄﻨﻪ ﻤﺭﺒﻊ ﻤﻌﺎﻤل
ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﻤﺘﻌﺩﺩ ) ( R2ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭ ﻭﺍﻟﻌﻭﺍﻤل factorsﻜﻤﺘﻐﻴﺭﺍﺕ ﻤﺴﺘﻘﻠﺔ ،ﻭﺒﺎﻟﺘﺎﻟﻲ
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
646
ﻓﺈﻨﻪ ﻴﻌﺒﺭ ﻋﻥ ﻨﺴﺒﺔ ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﻲ ﺘﺸﺭﺤﻬﺎ ﺍﻟﻌﻭﺍﻤل ﺍﻟﻤﺸﺘﺭﻜﺔ ﺍﻟﻤﺸﺘﻘﺔ ﻤﻥ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ )ﺃﻱ ﺃﻨﻬﺎ ﻨﺴﺒﺔ ﺘﺒﺎﻴﻥ ﺍﻟﻤﺘﻐﻴﺭ ﻭﺍﻟﺘﻲ ﺘﻌﺘﺒﺭ ﺠﺯﺀ ﻤﺸﺘﺭﻙ ﻤﻊ ﺘﺒﺎﻴﻥ
ﺍﻟﻌﻭﺍﻤل( ،ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻨﺭﻯ ﺃﻥ 98%ﻤﻥ ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺩﺭﺠﺎﺕ ﺍﻷﺩﺏ ﺍﻟﻔﺭﻨﺴﻲ ﻴﻌﺘﺒﺭ ﺘﺒﺎﻴﻥ ﻤﺸﺘﺭﻙ ﻤﻊ ﺍﻟﻌﻭﺍﻤل.
ﺸﻜل : 10-18ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻭﻴﺒﻴﻥ ﻗﻴﻡ ﻤﻌﺎﻤﻼﺕ ﺍﻟﺸﻴﻭﻉ communalitiesﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻅل ﺍﻟﺤل ﺍﻟﻤﻘﺘﺭﺡ ﻗﺒل ﺘﺩﻭﻴﺭ ﺍﻟﻤﺤﺎﻭﺭ . Communalities Extraction
Initial
.979
1.000
English Literature
.981
1.000
French Literature
.957
1.000
German Language
.952
1.000
Fine Arts
.947
1.000
Mathematics
.984
1.000
Applied Sciences
Extraction Method: Principal Component Analys
ﻭﺍﻟﺠﺩﻭل ﻓﻲ ﺍﻟﺸﻜل 11-18ﺍﻟﺘﺎﻟﻲ ﻫﻭ ﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل
ﺍﻟﻌﺎﻤﻠﻲ ﻭﻴﻌﻁﻲ ﺘﻘﺩﻴﺭﺍﺕ ﻟﻠﻤﻘﺎﻴﻴﺱ ﺍﻹﺤﺼﺎﺌﻴﺔ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﺎﻟﻌﻨﺎﺼﺭ components
ﺍﻟﺘﻲ ﺘﻡ ﺍﺴﺘﺨﻼﺼﻬﺎ )ﻭﻗﺩ ﺤﺫﻓﺕ ﺍﻟﺼﻔﻭﻑ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﺎﻟﻌﻨﺎﺼﺭ 6-3ﻨﻅﺭﹰﺍ ﻟﻌﺩﻡ ﺃﻫﻤﻴﺘﻬﺎ( ،ﻓﺎﻟﻘﺴﻡ ﺍﻷﻭل ﻤﻥ ﻫﺫﺍ ﺍﻟﺠﺩﻭل ﺒﻌﻨﻭﺍﻥ ﺍﻟﺠﺫﻭﺭ ﺍﻟﺘﺨﻴﻠﻴﺔ ﺍﻟﻤﺒﺩﺌﻴﺔ Initial
Eigenvaluesﻴﺘﻌﻠﻕ ﺒﺎﻟﺠﺫﻭﺭ ﺍﻟﺘﺨﻴﻠﻴﺔ ﻟﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﻭﻴﺤﺩﺩ ﺃﻱ ﺍﻟﻌﻭﺍﻤل
)ﺍﻟﻌﻨﺎﺼﺭ ﻓﻲ ﺍﻟﺠﺩﻭل( ﺴﻭﻑ ﻴﺘﺒﻘﻰ ﻓﻲ ﺍﻟﺘﺤﻠﻴل ،ﻓﻜل ﺍﻟﻌﻭﺍﻤل ﺍﻟﺘﻲ ﺘﻘﺎﺒﻠﻬﺎ ﺠﺫﻭﺭ ﺘﺨﻴﻠﻴﺔ ﺃﻗل ﻤﻥ ﺍﻟﻭﺍﺤﺩ ﺴﻴﺘﻡ ﺍﺴﺘﺒﻌﺎﺩﻫﺎ ،ﻭﻫﻨﺎ ﻴﻤﻜﻨﻨﺎ ﺃﻥ ﻨﺴﺘﺩل ﻤﻥ ﺍﻟﺠﺫﺭ ﺍﻟﺘﺨﻴﻠﻲ
eigenvalueﻋﻠﻰ ﻜﻤﻴﺔ ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﻲ ﻴﻌﺯﻯ ﺇﻟﻴﻬﺎ ﺍﻟﺘﻐﻴﺭ ﻓﻲ ﻋﺎﻤل ﻤﻌﻴﻥ
ﻋﻠﻰ ﺍﻋﺘﺒﺎﺭ ﺃﻥ ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻜﻠﻲ ﻷﻱ ﻤﺘﻐﻴﺭ ﻤﺴﺎﻭﻴﹰﺎ ﺍﻟﻭﺍﺤﺩ ﺍﻟﺼﺤﻴﺢ ) ،(100%ﻓﻌﻠﻰ
ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻴﺒﻴﻥ ﺍﻟﺠﺩﻭل ﺃﻥ ﺍﻟﺠﺫﺭ ﺍﻟﺘﺨﻴﻠﻲ ﻟﻠﻌﺎﻤل ﺍﻷﻭل ﻴﺴﺎﻭﻱ ، 4.18ﻭﺤﻴﺙ ﺃﻥ
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
647
ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻜﻠﻲ ﻟﻠﻤﺘﻐﻴﺭ ﻭﺍﻟﺫﻱ ﻴﻤﻜﻥ ﺃﻥ ﻴﻌﺯﻯ ﺇﻟﻴﻪ ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﻌﺎﻤل ﻫﻭ ×100%) 6 ﻋﺩﺩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ( ﻓﺈﻥ ﻜﻤﻴﺔ ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻜﻠﻴﺔ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﻲ ﻴﻌﺯﻯ ﺇﻟﻴﻬﺎ ﺍﻟﺘﻐﻴﺭ ﻓﻲ
ﺍﻟﻌﺎﻤل ﺍﻷﻭل ﻤﺴﺎﻭﻴﺔ ) ،(4.18÷6=69.7%ﻭﺘﻌﻁﻰ ﻫﺫﻩ ﺍﻟﻘﻴﻤﺔ ﻓﻲ ﺍﻟﻌﻤﻭﺩ ﺒﻌﻨﻭﺍﻥ
ﻨﺴﺒﺔ ﺍﻟﺘﺒﺎﻴﻥ ) ،(% of Varianceﻭﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺤﺎﻟﻲ ﻫﻨﺎﻙ ﻓﻘﻁ ﻋﻨﺼﺭﻴﻥ ﻟﻜل ﻤﻨﻬﻤﺎ
ﺠﺫﺭ ﺘﺨﻴﻠﻲ ﺃﻜﺒﺭ ﻤﻥ ﺍﻟﻭﺍﺤﺩ ﺍﻟﺼﺤﻴﺢ ﻤﺘﺒﻘﻴﻴﻥ ﻭﻫﻤﺎ ﻤﻌﹰﺎ ﻴﻌﺯﻯ ﺇﻟﻴﻬﻤﺎ ﺤﻭﺍﻟﻲ 97% ﻤﻥ ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻜﻠﻲ )ﺍﻨﻅﺭ ﺍﻟﻌﻤﻭﺩ ﺒﻌﻨﻭﺍﻥ ﺍﻟﻨﺴﺒﺔ ﺍﻟﻤﺌﻭﻴﺔ ﺍﻟﺘﺭﺍﻜﻤﻴﺔ .(Cumulative %
ﻭﺍﻟﻘﺴﻡ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﺒﻴﻥ ﺍﻷﻗﺴﺎﻡ ﺍﻟﺜﻼﺜﺔ ﻓﻲ ﺍﻟﺠﺩﻭل ﻴﺘﻌﻠﻕ ﺒﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺍﻟﻤﺴﺘﺨﻠﺼﺔ ﻟﻘﻴﻡ ﺍﻟﺘﺸﺒﻊ Extraction Sums of Squared Loadingsﻗﺒل ﺘﺩﻭﻴﺭ
ﺍﻟﻌﻭﺍﻤل ،ﺒﻴﻨﻤﺎ ﺍﻟﻘﺴﻡ ﺍﻟﺜﺎﻟﺙ ﻴﺘﻌﻠﻕ ﺒﻤﺠﻤﻭﻉ ﺍﻟﻤﺭﺒﻌﺎﺕ ﺒﻌﺩ ﺘﺩﻭﻴﺭ ﺍﻟﻤﺤﺎﻭﺭ Rotation
،Sums of Squared Loadingsﻻﺤﻅ ﺃﻥ ﻨﺴﺏ ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺘﻲ ﻴﺸﺭﺤﻬﺎ ﺍﻟﻌﻨﺼﺭﻴﻥ ﺒﻌﺩ ﺘﺩﻭﻴﺭ ﺍﻟﻤﺤﺎﻭﺭ ﻤﺘﺴﺎﻭﻴﺔ ﺘﻘﺭﻴﺒﺎﹰ ،ﻋﻠﻰ ﺍﻟﻌﻜﺱ ﻓﻲ ﺤﺎﻟﺔ ﻗﺒل ﺍﻟﺘﺩﻭﻴﺭ ﺤﻴﺙ ﺍﻟﻌﻨﺼﺭ ﺍﻷﻭل ﻟﻪ ﻨﺴﺒﺔ ﻤﻥ ﺍﻟﺘﺒﺎﻴﻥ ﺃﻋﻠﻰ ﺒﻜﺜﻴﺭ ﻤﻥ ﻨﺴﺒﺔ ﺍﻟﻌﻨﺼﺭ ﺍﻟﺜﺎﻨﻲ ،ﻓﺈﻋﺎﺩﺓ ﺘﻭﺯﻴﻊ ﺍﻟﺘﺒﺎﻴﻥ
ﺒﻁﺭﻴﻘﺔ ﻤﺘﻜﺎﻓﺌﺔ ﺘﻌﺩ ﻤﻥ ﺨﻭﺍﺹ ﻁﺭﻴﻘﺔ ﺘﻌﻅﻴﻡ ﺍﻟﺘﺒﺎﻴﻥ varimaxﻓﻲ ﺘﺩﻭﻴﺭ ﺍﻟﻤﺤﺎﻭﺭ. ﺸﻜل :11-18ﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻭﻴﺒﻴﻥ ﺍﻟﺠﺫﻭﺭ ﺍﻟﺘﺨﻴﻠﻴﺔ ﺍﻟﻤﺒﺩﺌﻴﺔ
Eigenvaluesﻟﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﻭﻤﺠﻤﻭﻉ ﻤﺭﺒﻌﺎﺕ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﻗﺒل ﻭﺒﻌﺩ ﺍﻟﺘﺩﻭﻴﺭ . Total Variance Explained Rotation Sums of Squared Loadings
Extraction Sums of Squared Loadings
Initial Eigenvalues
Comp% of Cumul% of Cumul% of Cumulonent Total Variance ative % Total Variance ative % Total Variance ative % 1 4.179 69.649 69.649 4.179 69.649 69.649 2.904 48.405 48.405 96.656
96.656 2.895 48.252
96.656 1.620 27.007
1.620 27.007
2
Extraction Method: Principal Component Analysis.
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
648
ﻭﺸﻜل 11-18ﺃﺩﻨﺎﻩ ﻴﺒﻴﻥ ﻤﺎ ﻴﺴﻤﻰ ﺒﺸﻜل ﺍﻟﺭﻜﺎﻡ Scree plotﻭﺍﻟﺫﻱ ﺘﻡ ﻁﻠﺒﻪ ﺒﺼﻔﺔ ﺨﺎﺼﺔ ﻀﻤﻥ ﺨﻴﺎﺭﺍﺕ ﺍﻻﺴﺘﺨﻼﺹ . Extraction ﺸﻜل : 12-18ﺍﻟﺠﺯﺀ ﺍﻟﺨﺎﻤﺱ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻭﻴﺒﻴﻥ ﺭﺴﻡ ﺒﻴﺎﻨﻲ Scree Plotﻟﺭﻜﺎﻡ ﺍﻟﺠﺫﻭﺭ ﺍﻟﺘﺨﻴﻠﻴﺔ Eigenvaluesﺍﻟﻤﻘﺎﺒﻠﺔ ﻟﻠﻌﻭﺍﻤل ﺍﻟﻤﺨﺘﻠﻔﺔ.
The Factor Scree Plot
4
Eigenvalue
5
3
2
1
0 6
5
4
3
2
1
Component Number
ﻭﻴﺒﻴﻥ ﻫﺫﺍ ﺍﻟﺸﻜل ﻤﺨﻁﻁ ﻟﻠﺠﺫﻭﺭ ﺍﻟﺘﺨﻴﻠﻴﺔ ﻟﻜل ﻋﺎﻤل ﺘﻡ ﺍﺴﺘﺨﻼﺼﻪ ،ﻭﻴﻭﻀﺢ
ﺤﻘﻴﻘﺔ ﺃﻥ ﻜﻤﻴﺔ ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﺘﻲ ﻴﻌﺯﻯ ﺇﻟﻴﻬﺎ ﺍﻟﺘﻐﻴﺭ )ﺍﻟﺠﺫﻭﺭ ﺍﻟﺘﺨﻴﻠﻴﺔ( ﻓﻲ ﻜل ﻤﻥ ﻫﺫﻩ
ﺍﻟﻌﻭﺍﻤل ﺘﺘﻼﺸﻰ ﺒﺤﺩﺓ ﻤﻊ ﺍﺴﺘﺨﻼﺹ ﺍﻟﻌﻭﺍﻤل ﺍﻟﻤﺘﻌﺎﻗﺒﺔ ،ﻭﺍﻟﺠﺎﻨﺏ ﺍﻟﻤﺜﻴﺭ ﻟﻼﻫﺘﻤﺎﻡ ﻓﻲ ﻫﺫﺍ ﺍﻟﺸﻜل ﻫﻭ ﺍﻟﻤﻨﻁﻘﺔ ﺍﻟﺘﻲ ﻴﺄﺨﺫ ﻓﻴﻬﺎ ﺍﻟﻤﻨﺤﻨﻰ ﺍﻟﺫﻱ ﻴﺼل ﺒﻴﻥ ﺍﻟﻨﻘﺎﻁ ﻭﻀﻊ ﺃﻓﻘﻲ
ﺘﻘﺭﻴﺒﺎﹰ ،ﻭﻫﻲ ﻤﻨﻁﻘﺔ ﻴﺘﻡ ﺘﺸﺒﻴﻬﻬﺎ ﻋﺎﺩﺓ ﻭﺒﺸﻜل ﻭﻫﻤﻲ ﺒﺎﻟﺭﻜﺎﻡ ﻋﻠﻰ ﺠﺎﻨﺏ ﺍﻟﻬﻀﺒﺔ،
ﻭﻤﻥ ﺍﻟﺸﻜل ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻴﺘﻀﺢ ﺃﻥ ﺍﻟﺭﻜﺎﻡ ﻴﺒﺩﺃ ﻓﻲ ﺍﻟﻅﻬﻭﺭ ﺒﻴﻥ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻨﻲ
ﻭﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻟﺙ ،ﻻﺤﻅ ﺃﻴﻀﹰﺎ ﺃﻥ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻟﺙ ﻴﻘﺎﺒل ﺠﺫﺭ ﺘﺨﻴﻠﻲ ﺃﻗل ﻤﻥ 1ﻭﺒﺎﻟﺘﺎﻟﻲ
ﻓﺈﻨﻪ ﺘﻡ ﺍﻻﺤﺘﻔﺎﻅ ﺒﺎﻟﻌﺎﻤﻠﻴﻥ ﺍﻷﻭل ﻭﺍﻟﺜﺎﻨﻲ ﻓﻘﻁ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻟﺭﺍﺒﻊ ﺍﻟﺴﺎﺒﻕ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل .(11-18
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
649
ﻭﺍﻟﺠﺩﻭل ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻟﺴﺎﺩﺱ ﻤﻥ ﻫﺫﺍ ﺍﻟﺘﺤﻠﻴل )ﺸﻜل (13-18ﻴﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ل ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻌﻨﺎﺼﺭ component matrixﻭﺍﻟﺘﻲ ﺘﺤﺘﻭﻱ ﻋﻠﻰ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﻟﻜ ٍ
ل ﻤﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺍﻟﺫﻴﻥ ﺘﻡ ﺍﺴﺘﺨﻼﺼﻬﻤﺎ. ﺍﻟﺴﺕ ﻋﻠﻰ ﻜ ٍ
ﺸﻜل : 13-18ﺍﻟﺠﺯﺀ ﺍﻟﺴﺎﺩﺱ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻭﻴﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻌﻨﺎﺼﺭ Component matrixﻭﺘﺒﻴﻥ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﻗﺒل ﺍﻟﺘﺩﻭﻴﺭ . Component Matrixa Component 2
1
.574
.805
English Literature
.570
.810
French Literature
.401
.892
German Language
.545
-.810
Fine Arts
.552
-.801
Mathematics
.451
-.883
Applied Sciences
Extraction Method: Principal Component Analysis a. 2 components extracted.
ﻋﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺍﻟﻌﻭﺍﻤل ﻤﺘﻌﺎﻤﺩﺓ ) orthogonalﺃﻱ ﻏﻴﺭ ﻤﺘﺭﺍﺒﻁﺔ ﻤﻌﹰﺎ( ﻓﺈﻥ
ﺍﻟﺘﺸﺒﻊ ﻋﻠﻰ ﺍﻟﻌﻭﺍﻤل ﻴﻤﻜﻥ ﺘﻘﺩﻴﺭﻩ ﺒﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﻟﻌﻭﺍﻤل،
ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻜﻠﻤﺎ ﺯﺍﺩﺕ ﺍﻟﻘﻴﻡ ﺍﻟﻤﻁﻠﻘﺔ ﻟﻠﺘﺸﺒﻊ )ﻭﺍﻟﺘﻲ ﻻ ﻴﻤﻜﻨﻬﺎ ﺃﻥ ﺘﺯﻴﺩ ﻋﻥ (1ﻜﻠﻤﺎ ﻜﺒﺭﺕ ﻜﻤﻴﺔ ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻜﻠﻲ ﻓﻲ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﻌﻨﻲ ﺍﻟﺘﻲ ﺘﻌﺯﻯ ﺇﻟﻰ ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﻌﺎﻤل .
ﻭﻴﻤﻜﻨﻨﺎ ﺃﻥ ﻨﺭﻯ ﺃﻥ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻗﺩ ﻗﺎﻡ ﺒﺎﺴﺘﺨﻼﺹ ﻋﺎﻤﻠﻴﻥ ﺍﻷﻤﺭ ﺍﻟﺫﻱ
ﻴﺘﻔﻕ ﻤﻊ ﺍﻻﻨﻁﺒﺎﻉ ﺍﻟﺫﻱ ﺴﺎﺩ ﻤﻥ ﻤﺠﺭﺩ ﺍﻟﻨﻅﺭ ﺇﻟﻰ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ،ﻤﻥ ﺠﻬﺔ ﺃﺨﺭﻯ ﺃﺤﻴﺎﻨﹰﺎ ﻻ ﻴﻜﻭﻥ ﻤﻥ ﺍﻟﺴﻬل ﺘﻔﺴﻴﺭ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻌﻭﺍﻤل F-matrixﻗﺒل ﺘﺩﻭﻴﺭ ﺍﻟﻤﺤﺎﻭﺭ ،ﻓﻜﻠﺘﺎ ﺍﻟﻤﺠﻤﻭﻋﺘﻴﻥ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺘﻅﻬﺭ ﻗﻴﻡ ﻋﺎﻟﻴﺔ ﻟﻠﺘﺸﺒﻊ ﻋﻠﻰ ﻜﻼ
ﺍﻟﻌﺎﻤﻠﻴﻥ ،ﻭﻫﺫﺍ ﻻ ﻴﺘﻔﻕ ﺘﻤﺎﻤﺎﹰ ﻤﻊ ﺍﻟﺘﻔﺴﻴﺭ ﺍﻟﺴﻴﻜﻭﻟﻭﺠﻲ ﺍﻟﻭﺍﻀﺢ ﻟﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ
R-matrixﺍﻷﺴﺎﺴﻴﺔ.
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
650
ﻭﻴﺒﻴﻥ ﺍﻟﺠﺯﺀ ﺍﻟﺴﺎﺒﻊ )ﺸﻜل (14-18ﻤﺼﻔﻭﻓﺔ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺘﻲ ﺃﻋﻴﺩ ﺇﻨﺘﺎﺠﻬﺎ reproduced correlation matrixﺤﺴﺒﺕ ﻤﻥ ﺨﻼل ﺍﻟﻌﻭﺍﻤل ﺍﻟﻤﺴﺘﺨﻠﺼﺔ. ﻓﻜل ﻤﻌﺎﻤل ﺍﺭﺘﺒﺎﻁ ﺒﻴﻥ ﻤﺘﻐﻴﺭﻴﻥ ﺃﻋﻴﺩ ﺇﻨﺘﺎﺠﻪ ﻋﺒﺎﺭﺓ ﻋﻥ ﻤﺠﻤﻭﻉ ﺤﺎﺼل
ﻀﺭﺏ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﻟﻜل ﻤﻥ ﻫﺫﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻋﻠﻰ ﻜل ﻤﻥ ﺍﻟﻌﻭﺍﻤل ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﺍﻟﺘﻲ ﺘﻡ
ﺍﺴﺘﺨﻼﺼﻬﺎ ،ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻤﺠﻤﻭﻉ ﺤﺎﺼل ﻀﺭﺏ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﻟﻸﺩﺏ ﺍﻟﻔﺭﻨﺴﻲ
ﻭﺍﻟﻠﻐﺔ ﺍﻷﻟﻤﺎﻨﻴﺔ ﻋﻠﻰ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺍﻟﻤﺴﺘﺨﻠﺼﻴﻥ ﻫﻭ )ﻤﻥ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻌﻭﺍﻤل
F-matrixﻓﻲ ﺸﻜل [(0.81 * 0.89) + (0.57 * 0.40) = 0.95] (13-18ﻭﻫﻲ ﺫﺍﺕ ﺍﻟﻘﻴﻤﺔ ﺍﻟﻤﺒﻴﻨﺔ ﻟﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺫﻱ ﺘﻡ ﺇﻨﺘﺎﺠﻪ ﺒﻴﻥ ﺍﻷﺩﺏ ﺍﻟﻔﺭﻨﺴﻲ ﻭﺍﻟﻠﻐﺔ ﺍﻷﻟﻤﺎﻨﻴﺔ ﻓﻲ ﺸﻜل ،14-18ﻓﻘﻴﻤﺔ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺍﻷﺩﺏ ﺍﻟﻔﺭﻨﺴﻲ ﻭﺍﻟﻠﻐﺔ
ﺍﻷﻟﻤﺎﻨﻴﺔ ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻷﺼﻠﻴﺔ ﻫﻲ ، 0.93ﺃﻱ ﺃﻥ ﻫﻨﺎﻙ ﻓﺭﻕ ﻤﻘﺩﺍﺭﻩ 2%
ﻓﻘﻁ ﺒﻴﻥ ﺍﻟﻘﻴﻤﺘﻴﻥ ،ﻭﺒﺎﻟﻤﺜل ﺘﻘﺘﺭﺏ ﻗﻴﻡ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻷﺨﺭﻯ ﻓﻲ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺘﻲ ﺃﻋﻴﺩ ﺇﻨﺘﺎﺠﻬﺎ ﻜﺜﻴﺭﺍﹰ ﻤﻥ ﻗﻴﻡ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻷﺼﻠﻴﺔ .
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
651
ﺸﻜل : 14-18ﺍﻟﺠﺯﺀ ﺍﻟﺴﺎﺒﻊ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻭﻴﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺘﻲ ﺃﻋﻴﺩ ﺇﻨﺘﺎﺠﻬﺎ Reproduced Correlation Matrixﻭﺍﻷﺨﻁﺎﺀ .Residuals Reproduced Correlations
Applied Sciences
Mathematics
Fine Arts
German Language
French Literature
-.452
-.328
-.339
.949
.980
-.459
-.334
-.346
.951
-.608
-.493
b
.981
English Literature b
.979 .980
English Literature French Literature
-.504
.957
.951
.949
German Language
.961
.949
.952
-.504
-.346
-.339
Fine Arts
.957
.947b
.949
-.493
-.334
-.328
Mathematics
.984b
.957
.961
-.608
-.459
-.452
Applied Sciences
.004
.018
-.027
-.021
-.002
.003
.000
-.006
-.018
-.005
-.023
.037
.001
-.041
-.018 -.018
b
b
English Literature -.002
French Literature
-.018
-.021
German Language
.037
-.006
-.027
Fine Arts
-.041
-.023
.000
.018
Mathematics
.001
-.005
.003
.004
Applied Sciences
Reproduced Correlation
a
Residual
Extraction Method: Principal Component Analysis. )a. Residuals are computed between observed and reproduced correlations. There are 0 (.0% nonredundant residuals with absolute values > 0.05. b. Reproduced communalities
ﻭﺍﻷﺨﻁﺎﺀ Residualsﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻗﻴﻡ ﻤﻌﺎﻤﻼﺕ ﺍﻻﺭﺘﺒﺎﻁ
ﺍﻟﺤﻘﻴﻘﻴﺔ ﻭﻗﻴﻤﻬﺎ ﺍﻟﻤﻌﺎﺩ ﺇﻨﺘﺎﺠﻬﺎ ،ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻗﻴﻤﺔ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﺤﻘﻴﻘﻴﺔ ﺒﻴﻥ ﺩﺭﺠﺎﺕ ﺍﻷﺩﺏ ﺍﻟﻔﺭﻨﺴﻲ ﻭﺩﺭﺠﺎﺕ ﺍﻟﻠﻐﺔ ﺍﻷﻟﻤﺎﻨﻴﺔ ﻜﺎﻨﺕ ﻤﺴﺎﻭﻴﺔ ) 0.933ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ
ﻓﻲ ﺸﻜل (9-18ﻭﻗﻴﻤﺔ ﻤﻌﺎﻤل ﺍﻻﺭﺘﺒﺎﻁ ﺍﻟﻤﻌﺎﺩ ﺇﻨﺘﺎﺠﻬﺎ ﺒﻴﻥ ﻫﺫﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﻴﻥ ﻫﻲ 0.951ﻭﺒﺎﻟﺘﺎﻟﻲ ﻴﻜﻭﻥ ﺍﻟﻔﺭﻕ ﻤﺴﺎﻭﻴﹰﺎ -0.018ﻭﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﻗﻴﻤﺔ ﺍﻟﺨﻁﺄ
residualﺍﻟﻤﺒﻴﻥ ﻓﻲ ﺍﻟﻨﺼﻑ ﺍﻟﺴﻔﻠﻲ ﻤﻥ ﺍﻟﺠﺩﻭل ﻓﻲ ﺸﻜل 14-18ﺍﻟﺴﺎﺒﻕ،
ﻭﺍﻟﺤﺎﺸﻴﺔ ﺍﻟﺴﻔﻠﻴﺔ aﻓﻲ ﺍﻟﺸﻜل ﺘﺒﻴﻥ ﻋﺩﺩ ﻭﻨﺴﺒﺔ ﺍﻷﺨﻁﺎﺀ ﺍﻟﺘﻲ ﺘﺯﻴﺩ ﻋﻥ ،0.05ﻭﻓﻲ
ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻻ ﻴﻭﺠﺩ ﺃﻱ ﻤﻨﻬﺎ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻴﺘﻀﺢ ﺃﻥ ﺠﻤﻴﻊ ﺍﻷﺨﻁﺎﺀ ﺼﻐﻴﺭﺓ ﺠﺩﹰﺍ ﺍﻷﻤﺭ ﺍﻟﺫﻱ ﻴﺩل ﻋﻠﻰ ﺃﻥ ﻨﻤﻭﺫﺝ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺍﻟﺫﻱ ﻴﺄﺨﺫ ﺒﻌﻴﻥ ﺍﻻﻋﺘﺒﺎﺭ
) (18ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ
652
ﺍﻟﺘﻐﺎﻴﺭ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺴﺕ ﻫﻭ ﺤﻘﻴﻘﺔ ﻨﻤﻭﺫﺝ ﺠﻴﺩ ،ﻭﺇﺫﺍ ﻤﺎ ﻜﺎﻨﺕ ﺍﻷﺨﻁﺎﺀ ﻜﺒﻴﺭﺓ ﻓﺴﻭﻑ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻤﺒﺭﺭ ﻟﻠﺸﻙ ﻓﻲ ﺼﺤﺔ ﺘﻔﺴﻴﺭ ﻨﻤﻭﺫﺝ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺍﻟﺴﺎﺒﻕ ﺍﻟﻤﻌﺘﻤﺩ
ﻋﻠﻰ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ .
ﻻﺤﻅ ﺃﻥ ﺍﻟﻘﻴﻡ ﺍﻟﻤﺸﺎﺭ ﺇﻟﻴﻬﺎ ﺒﺎﻟﺩﻟﻴل bﻓﻲ ﺍﻟﺤﺎﺸﻴﺔ ﺍﻟﺴﻔﻠﻴﺔ ﺍﻟﺜﺎﻨﻴﺔ bﻫﻲ ﻗﻴﻡ
ﻤﻌﺎﻤﻼﺕ ﺍﻟﺸﻴﻭﻉ communalitiesﺍﻟﺘﻲ ﺴﺒﻕ ﻭﺃﻥ ﻋﺭﻀﺕ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ ﻤﻥ
ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻲ ﺸﻜل 10-18ﺃﻋﻼﻩ ،ﻻﺤﻅ ﺃﻥ ﺠﻤﻴﻊ ﻫﺫﻩ ﺍﻟﻘﻴﻡ ﻜﺒﻴﺭﺓ ﻭﻻ ﻴﻘل ﺃﻱ ﻤﻨﻬﺎ ﻋﻥ . 90%
ﻭﻴﺒﻴﻥ ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻤﻥ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل (15-18ﻴﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻌﻨﺎﺼﺭ
ﺒﻌﺩ ﺘﺩﻭﻴﺭﻫﺎ ، Rotated Component Matrixﻭﺍﻟﻐﺭﺽ ﻤﻥ ﺍﻟﺘﺩﻭﻴﺭ ﻻ ﻴﻜﻭﻥ ﻟﻤﺠﺭﺩ ﺘﻐﻴﻴﺭ ﻋﺩﺩ ﺍﻟﻌﻭﺍﻤل ﺍﻟﻤﺴﺘﺨﻠﺼﺔ ﻭﻟﻜﻥ ﻟﻤﺤﺎﻭﻟﺔ ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﻭﻀﻊ ﺠﺩﻴﺩ
ﻟﻠﻤﺤﺎﻭﺭ )ﺍﻟﻌﻭﺍﻤل( ﻴﺴﻬل ﺘﻔﺴﻴﺭﻫﺎ ﺒﻤﻔﺎﻫﻴﻡ ﺴﻴﻜﻭﻟﻭﺠﻴﺔ ﻤﻘﺒﻭﻟﺔ ،ﻓﻲ ﺍﻟﻭﺍﻗﻊ ﻴﻤﻜﻥ
ﺒﺴﻬﻭﻟﺔ ﺸﺩﻴﺩﺓ ﺘﻔﺴﻴﺭ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻌﻨﺎﺼﺭ ﺍﻟﻤﺩﻭﺭﺓ ﻤﻘﺎﺭﻨﺔ ﺒﺘﻔﺴﻴﺭ ﺍﻟﻤﺼﻔﻭﻓﺔ ﺍﻟﻐﻴﺭ ﻤﺩﻭﺭﺓ ﺍﻟﺘﻲ ﻅﻬﺭﺕ ﻓﻲ ﺍﻟﺠﺯﺀ ﺍﻟﺴﺎﺩﺱ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل ،(13-18ﻓﺩﺭﺠﺎﺕ
ﺍﻟﻠﻐﺎﺕ ﺍﻟﺜﻼﺙ ﺍﻵﻥ ﻟﻬﺎ ﻗﻴﻡ ﺘﺸﺒﻊ ﻋﺎﻟﻴﺔ ﻋﻠﻰ ﻋﺎﻤل ﻭﺍﺤﺩ ﻓﻘﻁ )ﺍﻟﻌﻨﺼﺭ ﺍﻟﺜﺎﻨﻲ
،(Component 2ﺒﻴﻨﻤﺎ ﺩﺭﺠﺎﺕ ﻜل ﻤﻥ ﺍﻟﻔﻨﻭﻥ ﺍﻟﺠﻤﻴﻠﺔ ﻭﺍﻟﺭﻴﺎﻀﻴﺎﺕ ﻭﺍﻟﻌﻠﻭﻡ ﺍﻟﺘﻁﺒﻴﻘﻴﺔ ﻟﻬﺎ ﻗﻴﻡ ﺘﺸﺒﻊ ﻋﺎﻟﻴﺔ ﻋﻠﻰ ﺍﻟﻌﺎﻤل ﺍﻵﺨﺭ )ﺍﻟﻌﻨﺼﺭ ﺍﻷﻭل ،(Component 1
ﻭﻫﺫﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻏﻴﺭ ﻤﺘﺭﺍﺒﻁﻴﻥ ،ﻭﻫﺫﺍ ﻴﺘﺴﻕ ﺘﻤﺎﻤﺎﹰ ﻤﻊ ﻤﺎ ﺘﻡ ﺍﺴﺘﺩﺭﺍﻜﻪ ﻤﻥ ﺍﻻﺴﺘﻜﺸﺎﻑ ﺍﻷﻭﻟﻲ ﻟﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ R-matrixﺍﻷﺴﺎﺴﻴﺔ ،ﻭﺒﺎﻟﺘﺤﺩﻴﺩ ﺃﻥ ﻤﻌﺎﻤﻼﺕ
ﺍﻻﺭﺘﺒﺎﻁ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺴﺕ ﻓﻲ ﺒﻁﺎﺭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﻓﻲ ﻤﺜﺎﻟﻨﺎ ﻴﻤﻜﻥ ﺃﻥ ﺘﻔﺴﺭ ﻋﻥ ﻁﺭﻴﻕ ﺒﻌﺩﻴﻥ ﺴﻴﻜﻭﻟﻭﺠﻴﻴﻥ ﻤﺴﺘﻘﻠﻴﻥ ﻤﻥ ﺍﻟﻘﺩﺭﺍﺕ .
( ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ18)
653
ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻤﻥ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻭﻴﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻟﻌﻨﺎﺼﺭ: 15-18 ﺸﻜل . ﻭﺘﺒﻴﻥ ﻗﻴﻡ ﺍﻟﺘﺸﺒﻊ ﺒﻌﺩ ﺍﻟﺘﺩﻭﻴﺭRotated Component Matrix ﺍﻟﻤﺩﻭﺭﺓ Rotated Component Matrix a Component 1
2
English Literature
-.165
.975
French Literature
-.172
.975
German Language
-.349
.914
Fine Arts
.958
-.185
Mathematics
.957
-.174
Applied Sciences
.944
-.304
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. a. Rotation converged in 3 iterations.
ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﺒﺈﻋﻁﺎﺀ ﻤﺼﻔﻭﻓﺔ ﺍﻟﺘﺤﻭﻴﻠﺔ ﺍﻟﺨﻁﻴﺔ ﺍﻟﺘﻲSPSS ﻭﺨﺘﺎﻤﹰﺎ ﻴﻨﻬﻲ ،(16-18 ﺍﺸﺘﻘﺕ ﻤﻥ ﺃﺠل ﺘﺩﻭﻴﺭ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻁﺭﻕ ﺍﻟﺴﺎﺒﻘﺔ )ﺸﻜل
ﻭﻫﺫﻩ ﺍﻟﻤﺼﻔﻭﻓﺔ ﻟﻴﺱ ﻟﻬﺎ ﺴﻭﻯ ﻤﻔﻬﻭﻡ ﺭﻴﺎﻀﻲ ﻭﻻ ﺘﻘﺩﻡ ﺃﻱ ﺇﻀﺎﻓﺔ ﺇﻟﻰ ﻟﻠﻨﺘﺎﺌﺞ ﺍﻟﺘﻲ .ﺤﺼﻠﻨﺎ ﻋﻠﻴﻬﺎ ﻓﻲ ﺍﻷﺠﺯﺍﺀ ﺍﻟﺴﺎﺒﻘﺔ
ﺍﻟﺠﺯﺀ ﺍﻷﺨﻴﺭ ﻤﻥ ﻨﺘﺎﺌﺞ ﺍﻟﺘﺤﻠﻴل ﺍﻟﻌﺎﻤﻠﻲ ﻭﻴﺒﻴﻥ ﻤﺼﻔﻭﻓﺔ ﺍﻟﺘﺤﻭﻴﻠﺔ: 16-18 ﺸﻜل . ﻟﺘﺩﻭﻴﺭ ﻤﺼﻔﻭﻓﺔ ﺍﻻﺭﺘﺒﺎﻁComponent Transformation Matrix ﺍﻟﺨﻁﻴﺔ Component Transformation Matrix Component 1
1
2
-.708
.706
2
.706
.708
Extraction Method: Principal Component Analysis Rotation Method: Varimax with Kaiser Normalizat
D E