Spsschap18

‫]‪†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