]ĉ^jÖ]<Ø’ËÖ ]<h…^rjÖ]<Øé× خl^ÂçÛ]<Ù Within Subjects Experiments .1 .9ﻣﻘﺪﻣﺔ .2 .9ﻣﺰاﻳﺎ وﻋﻴﻮب اﻟﺘﺠﺎرب داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت: .3 .9ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت ﺑﺎﺳﺘﺨﺪام SPSS .4 .9ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت ﺑﻌﺎﻣﻞ واﺣﺪ .5 .9اﻟﻤﻘﺎرﻧﺎت اﻟﻤﺘﺘﺎﻟﻴﺔ ﻏﻴﺮ اﻟﻤﺨﻄﻂ ﻟﻬﺎ :ﻃﺮﻳﻘﺔ ﺑﻮﻧﻔﺮوﻧﻲ .6 .9اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﻴﺔ ﻓﻲ اﻟﺘﺠﺎرب ذات اﻟﻌﺎﻣﻞ اﻟﻮاﺣﺪ داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت .1 .6 .9اﺧﺘﺒﺎر ﻓﺮﻳﺪﻣﺎن ﻟﺘﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺒﻴﺎﻧﺎت اﻟﺘﺮﺗﻴﺒﻴﺔ .2 .6 .9اﺧﺘﺒﺎر آﻮآﺮان -آﻴﻮ ﻟﻠﺒﻴﺎﻧﺎت اﻟﻮﺻﻔﻴﺔ .7 .9ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت ذات ﻋﺎﻣﻠﻴﻦ .8 .9اﻟﻤﻘﺎرﻧﺎت ﻏﻴﺮ اﻟﻤﺨﻄﻂ ﻟﻬﺎ ﺑﻌﺪ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت اﻟﻌﺎﻣﻠﻲ:
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
306
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
307
]ĉ^jÖ]<Ø’ËÖ ]<h…^rjÖ]<Øé× خl^ÂçÛ]<Ù Within Subjects Experiments .1 .9ﻣﻘﺪﻣﺔ: ﻨﺎﻗﺸﻨﺎ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻊ ﻤﻥ ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ ﺃﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ
ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺫﺍﺕ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺤﻴﺩ ،ﻭﺒﻴﻨﺎ ﺃﻨﻪ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺘﻜﻭﻥ ﺍﻟﺘﺠﺭﺒﺔ ﻗﺩ ﺃﺠﺭﻴﺕ ﻋﻠﻰ ﻋﺩﺓ ﻤﺠﻤﻭﻋﺎﺕ ﻤﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﻜل ﻤﺠﻤﻭﻋﺔ ﻁﺒﻕ ﻋﻠﻴﻬﺎ ﺃﺤﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻌﺎﻤل ﺍﻟﺘﺠﺭﺒﺔ ،ﻭﻟﻜﻥ ﻫﻨﺎﻙ ﺤﺎﻻﺕ ﺃﺨﺭﻯ ﻤﻥ ﺍﻟﺘﺠﺎﺭﺏ ﻴﻜﻭﻥ
ﻟﺩﻴﻨﺎ ﻤﺠﻤﻭﻋﺔ ﻭﺍﺤﺩﺓ ﻤﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﺃﺨﺫﺕ ﻤﻨﻬﺎ ﻗﻴﺎﺴﺎﺕ ﻋﻥ ﻤﺘﻐﻴﺭﺍﺕ ﻤﺨﺘﻠﻔﺔ ﻭﺭﺒﻤﺎ ﻨﺘﺠﺕ ﻓﻲ ﻅﺭﻭﻑ ﻤﺨﺘﻠﻔﺔ ﻟﺘﻜﻭﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﺘﺠﺭﺒﺔ ،ﻓﻲ ﻤﺜل ﻫﺫﻩ ﺍﻟﺤﺎﻻﺕ ﻴﻁﻠﻕ ﻋﻠﻰ ﻫﺫﻩ ﺍﻟﺘﺠﺎﺭﺏ ﺒﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ one-
factor within subjects experimentﺃﻭ ﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﺫﺍﺕ ﺍﻟﻤﻔﺭﺩﺍﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ . one-factor experiment with repeated measures
ﻼ ﺃﻥ ﻫﻨﺎﻙ ﺘﺠﺭﺒﺔ ﺘﺘﻌﻠﻕ ﺒﻤﺴﺘﻭﻯ ﺃﺩﺍﺀ ﻤﻬﻤﺔ ﻤﻌﻴﻨﺔ ﺤﻴﺙ ﺍﻟﻤﺘﻐﻴﺭ ﻟﻨﻔﺭﺽ ﻤﺜ ﹰ
ﺍﻟﻤﺴﺘﻘل ﻫﻭ ﺩﺭﺠﺔ ﺍﻟﺼﻌﻭﺒﺔ ﻓﻲ ﺍﻟﻤﻬﻤﺔ ﻭﻟﻪ ﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ :ﺴﻬﻠﺔ ﻭﻤﺘﻭﺴﻁﺔ
ﻭﺼﻌﺒﺔ ،ﻭﺼﻤﻤﺕ ﺍﻟﺘﺠﺭﺒﺔ ﺒﺎﻟﺸﻜل ﺍﻟﻤﻭﻀﺢ ﻓﻲ ﺸﻜل ، 1-9ﻻﺤﻅ ﺃﻥ ﻫﻨﺎﻙ 30
ﻤﻔﺭﺩﺓ ﻜﻤﺎ ﻫﻭ ﻤﺒﻴﻥ ﺒﺎﻟﺸﻜل ﻭﺘﻡ ﺃﺨﺫ ﺍﻟﻘﻴﺎﺴﺎﺕ ﻋﻠﻰ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻠﻌﺎﻤل ﻟﻜل
ﻤﻔﺭﺩﺓ ﻤﻥ ﻫﺫﻩ ﺍﻟﻤﻔﺭﺩﺍﺕ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺃﻋﻁﻴﺕ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﻋﻨﺩ ﻜل
ﻤﺴﺘﻭﻯ ﻟﻜل ﻤﻔﺭﺩﺓ ﻋﻠﻰ ﺤﺩﻩ ﻭﻓﻲ ﺴﻁﺭ ﻤﺴﺘﻘل ﻤﻥ ﺴﻁﻭﺭ ﺍﻟﺠﺩﻭل.
ﻤﻥ ﻫﺫﺍ ﺍﻟﺸﻜل ﻴﺘﻀﺢ ﺃﻨﻪ ﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﻭﺠﻭﺩ ﻋﺎﻤل ﻭﺍﺤﺩ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ
)ﺩﺭﺠﺔ ﺍﻟﺼﻌﻭﺒﺔ( ﺇﻻ ﺃﻨﻪ ﻴﻤﻜﻥ ﺍﻟﻨﻅﺭ ﺇﻟﻰ ﻫﺫﺍ ﺍﻟﺘﺼﻤﻴﻡ ﻋﻠﻰ ﺃﻨﻪ ﻴﺤﺘﻭﻱ ﻋﻠﻰ ﻋﺎﻤﻠﻴﻥ:
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
308
ﺸﻜل : 1-9ﺘﺼﻤﻴﻡ ﻟﺘﺠﺭﺒﺔ ﺫﺍﺕ ﻋﺎﻤل ﻭﺍﺤﺩ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل :ﺩﺭﺠﺔ ﺍﻟﺼﻌﻭﺒﺔ ﺍﻟﻤﻔﺭﺩﺍﺕ
Levels of factor: Task Complexity
ﺴﻬﻠﺔ
ﻤﺘﻭﺴﻁﺔ
ﺼﻌﺒﺔ
Simple
Medium
High
ﺍﻟﻤﻔﺭﺩﺓ 1 ﺍﻟﻤﻔﺭﺩﺓ 2 .......
.........
..........
.........
ﺍﻟﻤﻔﺭﺩﺓ 30 .1ﻋﺎﻤل ﺍﻟﺘﺠﺭﺒﺔ )ﺍﻟﻤﻌﺎﻟﺠﺔ( ﻭﻫﻭ ﺩﺭﺠﺔ ﺍﻟﺼﻌﻭﺒﺔ ﻭﺒﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ. .2ﺍﻟﻤﺸﺎﻫﺩﺍﺕ )ﺍﻟﻘﻴﻡ( ﻭﻟﻪ 30ﻤﺴﺘﻭﻯ )ﻁﺎﻟﻤﺎ ﻭﺠﺩﺕ 30ﻤﻔﺭﺩﺓ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ(. ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﺫﻟﻙ ﻓﺈﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻴﺘﻘﺎﻁﻌﺎﻥ ،ﺒﻤﻌﻨﻰ ﺃﻥ ﻜل ﻤﺴﺘﻭﻯ ﻓﻲ ﺃﻱ ﻤﻥ
ﺍﻟﻌﺎﻤﻠﻴﻥ ﻴﻤﻜﻥ ﺇﻴﺠﺎﺩﻩ ﻤﻊ ﺘﺸﻜﻴﻠﺔ ﻤﻥ ﺠﻤﻴﻊ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل ﺍﻵﺨﺭ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺍﻟﺘﺠﺭﺒﺔ ﺒﺎﻟﺘﺼﻤﻴﻡ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺫﻭ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﻴﻤﻜﻥ ﺍﻟﻨﻅﺭ ﺇﻟﻴﻬﺎ ﻋﻠﻰ ﺃﻨﻬﺎ
ﺒﺎﻟﺘﺼﻤﻴﻡ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺫﻭ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻭﻟﻜﻥ ﺒﻘﻴﻤﺔ ﻭﺤﻴﺩﺓ ﻓﻲ ﻜل ﺨﻠﻴﺔ ،ﻭﻟﻬﺫﺍ
ﺍﻟﺴﺒﺏ ﻴﻁﻠﻕ ﺃﺤﻴﺎﻨﹰﺎ ﻋﻠﻰ ﺍﻟﺘﺠﺎﺭﺏ ﺒﺎﻟﺘﺼﻤﻴﻡ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺫﻭ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ
ﺘﻌﺒﻴﺭ ﺘﺠﺎﺭﺏ "ﺍﻟﻤﻌﺎﻟﺠﺎﺕ ﻓﻲ ﻤﺠﻤﻭﻋﺎﺕ" ،subjects by treatments experiment ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﻔﺼل ﺴﻴﺘﻡ ﻓﻘﻁ ﻤﻨﺎﻗﺸﺔ ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﺘﻲ ﺘﺤﺘﻭﻱ ﻋﻠﻰ ﻗﻴﺎﺴﺎﺕ ﻤﺘﻜﺭﺭﺓ
ﻓﻲ ﺠﻤﻴﻊ ﺍﻟﻌﻭﺍﻤل ،ﻭﻫﻨﺎ ﺃﻴﻀﹰﺎ ﻭﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻴﻤﻜﻥ ﺃﻥ ﺘﺸﻤل ﺘﻠﻙ ﺍﻟﺘﺠﺎﺭﺏ ﻋﻠﻰ ﺃﻱ ﻋﺩﺩ ﻤﻥ ﺍﻟﻌﻭﺍﻤل.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
309
.2 .9ﻣﺰاﻳﺎ وﻋﻴﻮب اﻟﺘﺠﺎرب داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت: ﻫﻨﺎﻙ ﻤﺸﻜﻠﺔ ﺠﻭﻫﺭﻴﺔ ﺘﺘﻌﻠﻕ ﺒﺎﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺘﻲ ﺘﻤﺕ ﻤﻨﺎﻗﺸﺘﻬﺎ
ﻓﻲ ﺍﻟﻔﺼﻠﻴﻥ ﺍﻟﺴﺎﺒﻊ ﻭﺍﻟﺜﺎﻤﻥ ﺍﻟﺴﺎﺒﻘﻴﻥ ،ﻭﺘﻅﻬﺭ ﻫﺫﻩ ﺍﻟﻤﺸﻜﻠﺔ ﺒﺸﻜل ﻭﺍﻀﺢ ﻋﻨﺩﻤﺎ
ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻋﺩﻡ ﺘﺠﺎﻨﺱ ﻭﺍﻀﺢ ﺒﻴﻥ ﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﺠﺭﺒﺔ ،ﻓﻌﻨﺩﻤﺎ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻓﺭﻭﻕ ﻜﺒﻴﺭﺓ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﺈﻥ ﻋﻤﻠﻴﺔ ﺍﻟﺒﺤﺙ ﻋﻥ ﺍﺘﺠﺎﻩ ﻭﺍﻀﺢ ﻭﻗﺎﺒل ﻟﻠﺘﻔﺴﻴﺭ ﺘﺼﺒﺢ
ﻏﺎﻤﻀﺔ ﻭﻤﻌﻘﺩﺓ ﻭﺃﺤﻴﺎﻨﹰﺎ ﻏﻴﺭ ﻤﻘﻨﻌﺔ ،ﻓﻌﻨﺩ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻌﻘﺎﻗﻴﺭ
ﻼ ﻓﻲ ﺍﻟﻤﺜﺎل drugﺃﻭ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻴﻘﻅﺔ alertﻓﻲ ﺍﻟﺘﺄﺜﻴﺭ ﻋﻠﻰ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻤﺜ ﹰ
ﺍﻟﺴﺎﺒﻕ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺜﺎﻤﻥ ﺘﺼﺒﺢ ﻋﻤﻠﻴﺔ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺼﻌﺒﺔ ﺇﺫﺍ ﻋﻠﻤﻨﺎ ﺃﻥ ﻫﻨﺎﻙ ﻓﺭﻭﻕ ﻜﺒﻴﺭﺓ ﻓﻲ ﺃﺩﺍﺀ ﺍﻟﺴﺎﺌﻘﻴﻥ ﻴﻌﻭﺩ ﺇﻟﻰ ﻗﺩﺭﺍﺕ ﺍﻟﺴﺎﺌﻘﻴﻥ ﺃﻨﻔﺴﻬﻡ ،ﻓﻬﻨﺎﻙ ﺴﺎﺌﻘﻴﻥ ﻴﺤﺴﻨﻭﻥ
ﺍﻟﻘﻴﺎﺩﺓ ﻓﻲ ﻅﺭﻭﻑ ﻤﻌﻘﺩﺓ ﻭﻫﻨﺎﻙ ﺴﺎﺌﻘﻴﻥ ﻻ ﻴﺤﺴﻨﻭﻫﺎ ﻓﻲ ﺃﻓﻀل ﺍﻟﻅﺭﻭﻑ ،ﻭﻟﻬﺫﺍ ﻓﺈﻥ ﺍﻟﻔﺭﻭﻕ ﻭﻋﺩﻡ ﺍﻟﺘﺠﺎﻨﺱ ﺒﻴﻥ ﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﺠﺭﺒﺔ ﻋﺎﺩﺓ ﻴﺅﺩﻱ ﺇﻟﻰ ﻏﻤﻭﺽ ﻓﻲ ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ.
ﻭﻟﻬﺫﺍ ﻓﺈﻥ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﺎﻟﻀﺭﻭﺭﺓ ﺘﺴﺘﺨﺩﻡ ﻜل ﻤﻔﺭﺩﺓ ﻜﻭﺤﺩﺓ
ﺘﺤﻜﻡ ﺒﺫﺍﺘﻬﺎ ،ﻭﻁﺒﻴﻌﺔ ﺘﺼﻤﻴﻡ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﻤﺘﻘﺎﻁﻌﺔ ﺘﺠﻌل ﺒﺎﻹﻤﻜﺎﻥ ﻋﺯل ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻨﺎﺘﺞ ﻤﻥ ﺘﻁﺒﻴﻕ ﻋﺎﻤل ﺍﻟﻤﻌﺎﻟﺠﺔ ﻋﻥ ﺫﻟﻙ ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻨﺎﺘﺞ ﻤﻥ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﺠﺭﺒﺔ.
ﻭﺃﺤﺩ ﺍﻟﻌﻴﻭﺏ ﺍﻷﺨﺭﻯ ﻟﺘﺼﻤﻴﻡ ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺃﻨﻬﺎ ﻤﻀﻴﻌﺔ ﻟﻠﻤﻔﺭﺩﺍﺕ ،ﻓﻌﻨﺩﻤﺎ ﺘﻜﻭﻥ ﺍﻟﺘﺠﺭﺒﺔ ﺼﻐﻴﺭﺓ ﻗﺩ ﻴﻜﻭﻥ ﺍﻟﻭﻗﺕ ﺍﻟﻤﺴﺘﻐﺭﻕ ﻤﻥ ﻤﻔﺭﺩﺍﺕ
ﺍﻟﺘﺠﺭﺒﺔ ﻓﻲ ﺍﻟﻘﻴﺎﺱ ﻭﺍﻻﺨﺘﺒﺎﺭ ﺃﻜﺒﺭ ﺒﻜﺜﻴﺭ ﻤﻥ ﺍﻟﻭﻗﺕ ﺍﻟﻤﺴﺘﻐﺭﻕ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺫﺍﺘﻬﺎ،
ﺒﻴﻨﻤﺎ ﻓﻲ ﺤﺎﻻﺕ ﺘﺼﻤﻴﻡ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻴﺘﻡ ﺍﺴﺘﻐﻼل ﺍﻟﻭﻗﺕ ﻭﺍﻟﺠﻬﺩ
ﺍﻟﻤﺒﺫﻭل ﻤﻥ ﺍﻟﻤﻔﺭﺩﺍﺕ ﺍﻟﻤﺴﺘﺨﺩﻤﺔ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺒﻁﺭﻴﻘﺔ ﺃﻜﺜﺭ ﻜﻔﺎﺀﺓ.
ﻟﺫﻟﻙ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺘﻠﺨﻴﺹ ﺍﻟﺨﺼﺎﺌﺹ ﺍﻟﻤﻤﻴﺯﺓ ﻟﻠﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻋﻥ
ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﺎﺨﺘﺼﺎﺭ ﻜﻤﺎ ﻴﻠﻲ :
.1ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺘﻘﻠل ﺍﻟﻐﻤﻭﺽ ﻭﺒﺎﻟﺘﺎﻟﻲ ﺍﻷﺨﻁﺎﺀ ﻓﻲ ﺍﻟﺘﺤﻠﻴل.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
310
.2ﺃﻨﻬﺎ ﺃﻜﺜﺭ ﻜﻔﺎﺀﺓ ﻓﻲ ﺍﺴﺘﻐﻼل ﺍﻟﻭﻗﺕ ﻭﺍﻟﻤﻭﺍﺭﺩ ﺍﻟﻤﺘﺎﺤﺔ ﺍﻟﻤﺴﺘﺨﺩﻤﺔ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ. ﻭﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺫﻟﻙ ﻓﺈﻥ ﻟﻠﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺃﻴﻀﹰﺎ ﻋﻴﻭﺏ ﺘﺠﻌل ﻓﻲ
ﺒﻌﺽ ﺍﻷﺤﻴﺎﻥ ﻫﺫﺍ ﺍﻟﻨﻭﻉ ﻤﻥ ﺍﻟﺘﺼﻤﻴﻡ ﻏﻴﺭ ﻤﻼﺌﻡ ﺃﻭ ﻏﻴﺭ ﻤﻔﻴﺩ ،ﻓﻌﻨﺩ ﺘﺼﻤﻴﻡ ﺃﻱ ﺘﺠﺭﺒﺔ ﻻﺒﺩ ﻤﻥ ﻤﺤﺎﻭﻟﺔ ﺍﻟﺘﺄﻜﺩ ﻤﻥ ﺃﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﻻ ﻴﺭﺘﺒﻁ ﻤﻊ ﻤﺘﻐﻴﺭﺍﺕ ﻏﻴﺭ
ﻤﺭﻏﻭﺏ ﺒﻬﺎ ﺃﻭ ﻴﺼﻌﺏ ﻗﻴﺎﺴﻬﺎ ﺒﺩﻗﺔ ﺒﺤﻴﺙ ﻴﻜﻭﻥ ﺃﺜﺭ ﺘﻠﻙ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻏﻴﺭ ﻤﺘﺸﺎﺒﻙ
ﻤﻊ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ.
ﻭﻫﻨﺎﻙ ﺃﺤﺩ ﺍﻟﻌﻴﻭﺏ ﺍﻷﺨﺭﻯ ﺍﻟﻤﺭﺘﺒﻁﺔ ﺒﺎﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﻫﻲ
ﻤﺸﻜﻠﺔ ﻋﺩﻡ ﺜﺒﺎﺕ ﺍﻟﺘﻐﺎﻴﺭ ،ﻭﻫﺫﻩ ﺍﻟﻤﺸﻜﻠﺔ ﺇﻥ ﻭﺠﺩﺕ ﻓﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺴﻭﻑ ﺘﺅﺩﻱ ﺇﻟﻰ
ﺘﻀﺨﻴﻡ ﺍﻟﺨﻁﺄ ﺍﻹﺤﺼﺎﺌﻲ ،ﻫﺫﻩ ﺍﻟﻤﺸﻜﻠﺔ ﺴﻴﺘﻡ ﻤﻨﺎﻗﺸﺘﻬﺎ ﺒﺸﻲﺀ ﻤﻥ ﺍﻟﺘﻔﺼﻴل ﻓﻲ ﺍﻟﻘﺴﻡ
ﺍﻟﺘﺎﻟﻲ.
.3 .9ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت ﺑﺎﺳﺘﺨﺪام :SPSS Within Subjects ANOVA with SPSS: ﻜﻤﺎ ﺘﻡ ﺫﻜﺭﻩ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ ﻓﺈﻨﻪ ﻓﻲ ﺘﺼﻤﻴﻡ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻹﺤﺼﺎﺌﻲ ﻟﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺃﻜﺜﺭ ﻤﻥ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ ﻴﺴﺘﺨﺩﻡ ﻨﻅﺎﻡ SPSSﺍﻷﺴﺎﻟﻴﺏ ﺍﻹﺤﺼﺎﺌﻴﺔ ﺍﻟﻤﻌﺭﻭﻓﺔ
ﺒﺎﺴﻡ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ ) General Linear Models (GLMﻭﺫﻟﻙ ﺘﺤﻠﻴل ﺍﻟﻌﻼﻗﺎﺕ ﺒﻴﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ،ﻭﺘﻌﺘﺒﺭ ﺃﺴﺎﻟﻴﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﺃﺴﺎﻟﻴﺏ ﺍﻻﻨﺤﺩﺍﺭ )ﺍﻟﻔﺼل 12ﻤﻥ ﻫﺫﺍ ﺍﻟﻜﺘﺎﺏ( ﻜﺤﺎﻻﺕ ﺨﺎﺼﺔ ﻤﻥ ﺘﻁﺒﻴﻘﺎﺕ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ
ﺍﻟﻌﺎﻤﺔ ،ﻭﻟﻜﻥ ﻟﺘﺴﻬﻴل ﺍﻟﺘﻌﺎﻤل ﻤﻊ ﺘﻁﺒﻴﻘﺎﺕ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ ﻴﻘﺩﻡ ﻨﻅﺎﻡ SPSS
ﺜﻼﺙ ﺨﻴﺎﺭﺍﺕ ﺒﺩﺍﺨل ﻗﺎﺌﻤﺔ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ General Linear Models
) (GLMﻭﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﺜﻼﺙ ﺃﻭﺍﻤﺭ ﺨﺎﺼﺔ ﺒﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻭﻫﻲ ﻋﻠﻰ ﺍﻟﺘﺭﺘﻴﺏ:
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
311
.1ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺍﻟﺒﺴﻴﻁ ﻟﻤﺘﻐﻴﺭ ﻭﺤﻴﺩ ) Univariateﻓﻲ ﺇﺼﺩﺍﺭ 11.0ﻤﻥ SPSSﻭﻴﻨﺎﻅﺭ ﺘﻤﺎﻤﺎﹰ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻤﻠﻲ ﺍﻟﻌﺎﻡ
GLM-General
Factorialﻓﻲ ﺇﺼﺩﺍﺭ (8.0ﻭﻜﺎﻥ ﻫﺫﺍ ﻤﻭﻀﻭﻉ ﺍﻟﻨﻘﺎﺵ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ.
.2ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺍﻟﻤﺘﻌﺩﺩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ GLM-Multivariateﻭﻫﻭ ﺃﺴﻠﻭﺏ
ﻤﺘﻘﺩﻡ ﻓﻲ ﺘﺼﻤﻴﻡ ﻭﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﻭﻨﻘﺎﺵ ﺘﻔﺎﺼﻴﻠﻪ ﻴﺄﺘﻲ ﺨﺎﺭﺝ ﻨﻁﺎﻕ ﻫﺫﺍ
ﺍﻟﻜﺘﺎﺏ.
.3ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺫﻭ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ، GLM-Repeated Measures ﻭﻫﻭ ﻤﺎ ﺴﻴﻜﻭﻥ ﻤﻭﻀﻭﻉ ﻨﻘﺎﺸﻨﺎ ﻓﻲ ﻫﺫﺍ ﺍﻟﻔﺼل . ﻭﺍﻟﻐﺭﺽ ﻤﻥ ﻨﺎﻓﺫﺓ ﺃﻤﺭ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻟﺨﻁﻲ ﺍﻟﻌﺎﻡ ﺫﻭ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ GLM-
Repeated Measuresﻫﻭ ﺃﻥ ﺘﻜﻭﻥ ﺘﻠﻙ ﺍﻟﻨﺎﻓﺫﺓ ﻭﺴﻴﻠﺔ ﻟﺘﺴﻤﻴﺔ ﺍﻟﻌﺎﻤل )ﺍﻟﻌﻭﺍﻤل( ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺜﻡ ﺘﺤﺩﻴﺩ ﺃﻱ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﻌﺭﻑ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤل )ﺍﻟﻌﻭﺍﻤل( ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ.
ﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﺃﻱ ﺍﺨﺘﺒﺎﺭ ﺇﺤﺼﺎﺌﻲ ﻻﺒﺩ ﺃﻥ ﻴﺘﻀﻤﻥ ﺍﻓﺘﺭﺍﺽ ﺃﻥ ﺘﻜﻭﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻗﺩ ﻨﺘﺠﺕ ﺒﺸﻜل ﻤﺎ ﻤﻌﺭﻑ ﻓﻲ ﺍﻟﻨﻤﻭﺫﺝ ﺍﻹﺤﺼﺎﺌﻲ ﺍﻟﺫﻱ ﻨﺸﺄ ﻋﻨﻪ ﻫﺫﺍ
ﺍﻻﺨﺘﺒﺎﺭ ،ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﻴﺘﻁﻠﺏ ﺃﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ
ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ )ﺍﻟﻔﺼﻠﻴﻥ ﺍﻟﺴﺎﺒﻊ ﻭﺍﻟﺜﺎﻤﻥ( ﺃﻥ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﺘﺠﺎﻨﺱ ﻓﻲ ﺘﺒﺎﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ،ﻭﻟﻜﻥ ﻨﻤﻭﺫﺝ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل
ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻴﻀﻊ ﺸﺭﻭﻁﹰﺎ ﺇﻀﺎﻓﻴﺔ ﻋﻠﻰ ﺸﺭﻭﻁ ﻨﻤﻭﺫﺝ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻓﻲ
ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ،ﺃﻫﻡ ﻫﺫﻩ ﺍﻟﺸﺭﻭﻁ ﻫﻭ ﺃﻥ ﻫﻨﺎﻙ ﺘﺠﺎﻨﺱ ﻓﻲ ﺍﻟﺘﻐﺎﻴﺭ )ﺃﻭ ﺍﻻﺭﺘﺒﺎﻁ( ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ )ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ( ﺃﻴﻀﺎﹰ،
)ﺃﻱ ﺃﻥ ﻋﻨﺎﺼﺭ ﻤﺼﻔﻭﻓﺔ ﺍﻟﺘﺒﺎﻴﻥ-ﺍﻟﺘﻐﺎﻴﺭ Variance-Covariance matrixﺒﺎﺴﺘﺜﻨﺎﺀ ﻋﻨﺎﺼﺭ ﺍﻟﻘﻁﺭ ﺍﻟﺭﺌﻴﺴﻲ ﻤﺘﺴﺎﻭﻴﺔ ﺘﻘﺭﻴﺒﺎﹰ( ،ﻫﺫﺍ ﺍﻟﺸﺭﻁ ﻴﻌﺭﻑ ﺒﺄﻨﻪ ﺍﻓﺘﺭﺍﺽ ﺍﻟﺘﺠﺎﻨﺱ
ﻓﻲ ﺍﻟﺘﻐﺎﻴﺭ ، The homogeneity of covariance assumptionﻭﺃﺤﻴﺎﻨﹰﺎ ﻴﻁﻠﻕ
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
312
ﻋﻠﻴﻪ ﺍﻻﻓﺘﺭﺍﺽ ﺍﻟﻜﺭﻭﻱ ،Sphericityﻭﻓﻲ ﺤﺎﻟﺔ ﺍﻨﺘﻬﺎﻙ ﻫﺫﺍ ﺍﻟﺸﺭﻁ ﻓﺈﻨﻪ ﻤﻥ ﺍﻟﻤﺘﻭﻗﻊ ﺃﻥ ﻴﺘﻀﺨﻡ ﺍﻟﺨﻁﺄ ﻤﻥ ﺍﻟﻨﻭﻉ ﺍﻷﻭل ) Type I errorﺃﻱ ﺍﺤﺘﻤﺎل ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﻌﺩﻤﻴﺔ H0ﺒﻴﻨﻤﺎ ﻫﻲ ﻓﻲ ﺍﻟﻭﺍﻗﻊ ﺼﺤﻴﺤﺔ(.
ﻭﻴﻘﺩﻡ ﻨﻅﺎﻡ SPSSﺍﺨﺘﺒﺎﺭﺍﹰ ﻟﻠﺘﺤﻘﻕ ﻤﻥ ﺼﺤﺔ ﺍﻻﻓﺘﺭﺍﺽ ﺍﻟﻜﺭﻭﻱ )ﺍﻟﺘﺠﺎﻨﺱ
ﻓﻲ ﺍﻟﺘﻐﺎﻴﺭ(ﻭﻫﻭ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻟﻠﻜﺭﻭﻴﺔ ، Mauchly Sphericity testﻭﻓﻲ ﺤﺎﻟﺔ
ﻓﺸل ﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ )ﺃﻱ ﻜﺎﻥ ﻤﻌﻨﻭﻴﹰﺎ( ) (p-value < 0.05ﻓﺈﻥ ﻫﺫﺍ ﻴﺩل ﻋﻠﻰ ﺍﻨﺘﻬﺎﻙ ﺍﻟﺸﺭﻁ ،ﻭﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻓﺈﻥ ﺩﺍﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ Fﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻻﺒﺩ ﻭﺃﻥ ﻴﺘﻡ
ﺘﻌﺩﻴﻠﻬﺎ ﻟﺘﺄﺨﺫ ﺒﻌﻴﻥ ﺍﻻﻋﺘﺒﺎﺭ ﻫﺫﻩ ﺍﻟﻤﺸﻜﻠﺔ ،ﻭﻫﻨﺎﻙ ﺜﻼﺙ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻴﻘﺩﻤﻬﺎ ﻨﻅﺎﻡ
SPSSﻜﺘﻌﺩﻴل ﻻﺨﺘﺒﺎﺭ Fﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻭﺘﺨﺘﻠﻑ ﻓﻲ ﻗﻭﺓ ﻤﻘﺎﻭﻤﺘﻬﺎ
ﻻﻨﺘﻬﺎﻙ ﺍﻓﺘﺭﺍﺽ ﺍﻟﻜﺭﻭﻴﺔ )ﺍﻟﺘﺠﺎﻨﺱ ﻓﻲ ﺍﻟﺘﻐﺎﻴﺭ( ،ﻭﻴﺘﻡ ﺘﻤﻴﻴﺯﻫﺎ ﺒﺎﻷﺴﻤﺎﺀ ﺍﻟﺘﺎﻟﻴﺔ: Greenhouse-Geisserﻭ Huynh-Feldtﻭ ، Lower boundﻭﺠﻤﻴﻊ ﻫﺫﻩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺘﻌﺘﻤﺩ ﻋﻠﻰ ﺘﺨﻔﻴﺽ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ ﻟﻠﺒﺴﻁ ﻭﻟﻠﻤﻘﺎﻡ ﻓﻲ ﺩﺍﻟﺔ ﺍﺨﺘﺒﺎﺭ Fﻓﻲ
ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ )ﺭﻏﻡ ﺃﻥ ﺩﺍﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ﻨﻔﺴﻬﺎ ﻻ ﺘﺘﻐﻴﺭ( ﻭﺫﻟﻙ ﺒﻀﺭﺏ ﺩﺭﺠﺎﺕ
ﺍﻟﺤﺭﻴﺔ ﻓﻲ ﺜﺎﺒﺕ )ﻴﺴﻤﻰ ﺍﺒﺴﻠﻭﻥ( εﺘﻡ ﺘﻘﺩﻴﺭﻩ ﺒﻭﺍﺴﻁﺔ ﻤﺠﺎﻤﻴﻊ ﻭﻤﺘﻭﺴﻁﺎﺕ ﻗﻴﻡ ﺍﻟﺘﺒﺎﻴﻥ ﻭﺍﻟﺘﻐﺎﻴﺭ ﻟﻠﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ،ﻭﻜﻠﻤﺎ ﻜﺎﻨﺕ ﻗﻴﻤﺔ )ﺍﺒﺴﻠﻭﻥ( εﻗﺭﻴﺒﺔ ﻤﻥ
ﺍﻟﻭﺍﺤﺩ ﺍﻟﺼﺤﻴﺢ ﻜﻠﻤﺎ ﻜﺎﻨﺕ ﻗﻴﻡ ﺘﺒﺎﻴﻥ ﺍﻟﻔﺭﻭﻕ ﻤﺘﺠﺎﻨﺴﺔ ،ﻟﻤﺯﻴﺩ ﻤﻥ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺠﺎل ﻴﻤﻜﻥ ﺍﻟﺭﺠﻭﻉ ﺇﻟﻰ . Howell, 1997
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
313
.4 .9ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت ﺑﻌﺎﻣﻞ واﺣﺪ: One-Factor Within Subjects ANOVA: ﻟﺘﻭﻀﻴﺢ ﻓﻜﺭﺓ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻻ ﻋﻠﻰ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤل ﻭﺍﺤﺩ ﻜﺎﻟﺘﺎﻟﻲ: ﺩﻋﻨﺎ ﻓﻲ ﺍﻟﺒﺩﺍﻴﺔ ﺃﻥ ﻨﺄﺨﺫ ﻤﺜﺎ ﹰ ﻓﻲ ﺃﺤﺩ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﺘﻲ ﺘﻬﺩﻑ ﻟﺘﻨﻤﻴﺔ ﺍﻟﻤﻭﺍﻫﺏ ﺍﻟﻔﻨﻴﺔ ﻟﺩﻯ ﻤﺠﻤﻭﻋﺔ ﻤﻥ
ﺍﻟﻤﺘﺩﺭﺒﻴﻥ ﻓﻲ ﻓﻥ ﺍﻟﺭﺴﻡ ،ﻁﻠﺏ ﻤﻥ ﻜل ﻤﺘﺩﺭﺏ ﺃﻥ ﻴﻘﻭﻡ ﺒﺭﺴﻡ ﺜﻼﺙ ﻟﻭﺤﺎﺕ ﻓﻨﻴﺔ
ﻋﻠﻰ ﺃﻥ ﻴﺴﺘﺨﺩﻡ ﻓﻲ ﻜل ﻟﻭﺤﺔ ﻭﺍﺤﺩﹰﺍ ﻓﻘﻁ ﻤﻥ ﻤﻭﺍﺩ ﺍﻟﺭﺴﻡ ﺍﻟﻤﺘﺎﺤﺔ ،ﺤﻴﺙ ﻜﺎﻨﺕ ﻤﻭﺍﺩ ﺍﻟﺭﺴﻡ ﺍﻟﺜﻼﺙ ﺍﻟﻤﺘﺎﺤﺔ ﻫﻲ :ﺍﻟﻜﺭﺒﻭﻥ ﻭﺍﻷﻟﻭﺍﻥ ﺍﻟﺯﻴﺘﻴﺔ ﻭﺃﻗﻼﻡ ﺍﻟﻠﺒﺎﺩ ،ﻭﺃﻋﻁﻴﺕ
ﺍﻟﻠﻭﺤﺎﺕ ﺩﺭﺠﺎﺕ ﺒﻭﺍﺴﻁﺔ ﻟﺠﻨﺔ ﺘﺤﻜﻴﻡ ،ﻭﻜﺎﻨﺕ ﺍﻟﺩﺭﺠﺎﺕ ﻟﻜل ﻤﺘﺩﺭﺏ ﻋﻠﻰ ﻜل ﻟﻭﺤﺔ ﻜﻤﺎ ﻓﻲ ﺍﻟﺠﺩﻭل ﻓﻲ ﺸﻜل 2-9ﺃﺩﻨﺎﻩ. ﺸﻜل : 2-9ﻨﺘﺎﺌﺞ ﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤل ﻭﺍﺤﺩ ﻟﺩﺭﺠﺎﺕ ﺍﻟﻤﺘﺩﺭﺒﻴﻥ
ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤل ﺍﻟﻤﺎﺩﺓ
ﺭﻗﻡ ﺍﻟﻤﺘﺩﺭﺏ
ﺍﻟﻜﺭﺒﻭﻥ
ﺃﻟﻭﺍﻥ ﺍﻟﺯﻴﺕ
ﺃﻗﻼﻡ ﺍﻟﻠﺒﺎﺩ
1
10
12
14
2
18
10
16
3
20
15
16
4
12
10
12
5
19
20
21
6
25
22
20
7
18
16
17
8
22
18
18
9
17
14
12
10
23
20
18
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
314
ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻴﺘﻀﺢ ﺃﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﻫﻭ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ ﺤﺼل ﻋﻠﻴﻬﺎ ﺍﻟﻤﺘﺩﺭﺒﻴﻥ ﻤﻥ ﻟﺠﻨﺔ ﺍﻟﺘﺤﻜﻴﻡ ﻋﻠﻰ ﻜل ﻟﻭﺤﺔ ،ﺃﻤﺎ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل ﻓﻬﻭ ﻨﻭﻉ ﺍﻟﻤﺎﺩﺓ
ﺍﻟﻤﺴﺘﺨﺩﻤﺔ ﻓﻲ ﺍﻟﺭﺴﻡ ،ﻭﺤﻴﺙ ﺃﻥ ﺍﻟﻤﺘﺩﺭﺒﻴﻥ ﻴﺨﺘﻠﻔﻭﻥ ﻤﻥ ﺤﻴﺙ ﻤﻭﺍﻫﺒﻬﻡ ﺍﻟﻔﻨﻴﺔ
ﺒﺎﻟﺘﺄﻜﻴﺩ ﻓﻘﺩ ﺘﻡ ﺍﻟﻁﻠﺏ ﻤﻥ ﻜل ﻤﻨﻬﻡ ﺃﻥ ﻴﺭﺴﻡ ﺜﻼﺙ ﻟﻭﺤﺎﺕ ﻭﻟﻴﺱ ﻟﻭﺤﺔ ﻭﺍﺤﺩﺓ ،ﻭﻜل ﻭﺍﺤﺩﺓ ﻤﻨﻬﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻤﺎﺩﺓ ﻤﻌﻴﻨﺔ ،ﻭﻗﺩ ﺭﻭﻋﻲ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺃﻥ ﻴﻜﻭﻥ ﺘﺭﺘﻴﺏ ﺍﺴﺘﺨﺩﺍﻡ
ﺍﻟﻤﻭﺍﺩ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﺩﻯ ﺍﻟﻤﺘﺩﺭﺒﻴﻥ ﺍﻟﻌﺸﺭﺓ ﺒﻁﺭﻴﻘﺔ ﺘﺅﺩﻱ ﺇﻟﻰ ﺍﻟﺘﻭﺍﺯﻥ ﻭﺫﻟﻙ ﻤﻥ ﺃﺠل ﺍﻟﺴﻴﻁﺭﺓ ﻋﻠﻰ ﺍﻻﺨﺘﻼﻓﺎﺕ ﺒﻴﻥ ﺍﻟﻤﺘﺩﺭﺒﻴﻥ ،ﻭﺒﺫﻟﻙ ﻓﺈﻨﻪ ﻴﺘﻀﺢ ﺃﻥ ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﻫﻲ
ﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤل ﻭﺍﺤﺩ ،ﺃﻭ ﻴﻤﻜﻥ ﺃﻴﻀﹰﺎ ﺘﺴﻤﻴﺘﻬﺎ ﺘﺠﺭﺒﺔ ﺫﺍﺕ ﻋﺎﻤل ﻭﺍﺤﺩ ﻭﻗﻴﺎﺴﺎﺕ ﻤﺘﻜﺭﺭﺓ ،ﺃﻭ ﺘﺠﺭﺒﺔ ﻤﻌﺎﻟﺠﺎﺕ ﻓﻲ ﻤﺠﻤﻭﻋﺎﺕ .
ﻭﺍﻵﻥ ﻹﺩﺨﺎل ﺒﻴﺎﻨﺎﺕ ﺍﻟﺠﺩﻭل ﻓﻲ ﺸﻜل 2-9ﻟﻠﺤﺎﺴﻭﺏ ﻭﺒﺨﻼﻑ ﻁﺭﻴﻘﺔ
ﺇﺩﺨﺎل ﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﺍﻟﻔﺼﻠﻴﻥ ﺍﻟﺴﺎﺒﻘﻴﻥ ﻭﺤﻴﺙ ﺃﻨﻪ ﻟﻡ ﻴﺘﻡ
ﺘﻘﺴﻴﻡ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﺇﻟﻰ ﻤﺠﻤﻭﻋﺎﺕ ﺠﺯﺌﻴﺔ ﻓﺈﻨﻪ ﻻ ﻴﻁﻠﺏ ﺘﻌﺭﻴﻑ ﻤﺘﻐﻴﺭ ﺘﺼﻨﻴﻑ ﻓﻲ
ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ،ﻭﻜل ﻤﺎ ﻫﻭ ﻤﻁﻠﻭﺏ ﻫﻨﺎ ﺘﻌﺭﻴﻑ ﺍﻟﺜﻼﺙ ﻤﺘﻐﻴﺭﺍﺕ ﻭﻫﻡ :ﺍﻟﻜﺭﺒﻭﻥ
crayonﻭﺃﻟﻭﺍﻥ ﺍﻟﺯﻴﺕ paintﻭﺃﻗﻼﻡ ﺍﻟﻠﺒﺎﺩ felttipﺒﺎﻹﻀﺎﻓﺔ ﺇﻟﻰ ﻤﺘﻐﻴﺭ ﻴﻤﺜل ﺭﻗﻡ
ﺍﻟﻤﻔﺭﺩﺓ ﻓﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ caseﻟﻴﺘﻡ ﺘﻌﺭﻴﻑ ﺃﺭﺒﻊ ﻤﺘﻐﻴﺭﺍﺕ ﻭﺘﺩﺨل ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﻬﺎ ﺘﻤﺎﻤﺎﹰ
ﺒﻨﻔﺱ ﺸﻜل ﻅﻬﻭﺭﻫﺎ ﻓﻲ ﺍﻟﺠﺩﻭل ﻓﻲ ﺸﻜل . 2-9
ﺒﻌﺩ ﺍﻻﻨﺘﻬﺎﺀ ﻤﻥ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﻓﻲ ﻁﺭﻕ ﺍﻟﺘﺤﻠﻴل ﺍﻷﺨﺭﻯ
ﻓﺄﻨﻪ ﻴﻔﻀل ﺩﺍﺌﻤﹰﺎ ﺍﺴﺘﻜﺸﺎﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻗﺒل ﺍﻟﺒﺩﺀ ﻓﻲ ﻋﻤﻠﻴﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻷﺴﺎﺴﻴﺔ ﻭﻫﻲ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ ،ﻭﺤﻴﺙ ﺃﻥ ﺍﻏﻠﺏ ﻓﺭﻀﻴﺎﺕ ﻭﺸﺭﻭﻁ ﺃﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺘﺘﻌﻠﻕ ﺒﺘﺴﺎﻭﻱ ﺘﺒﺎﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻠﻴﺱ
ﻫﻨﺎﻙ ﺃﻓﻀل ﻤﻥ ﻁﺭﻴﻘﺔ ﺭﺴﻡ ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ Boxplotsﻻﺴﺘﻜﺸﺎﻑ ﻤﺜل ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ،ﻭﻟﺭﺴﻡ ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﻟﻤﺜل ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻴﻤﻜﻥ ﺍﺘﺒﺎﻉ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ:
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
315
• ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﺭﺴﻭﻤﺎﺕ ﺍﻟﺒﻴﺎﻨﻴﺔ Graphsﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻨﻅﺎﻡ SPSSﻭﻤﻨﻬﺎ ﺍﺨﺘﺭ ﺃﻤﺭ ﺃﺸﻜﺎل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ Boxplotsﻟﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺃﺸﻜﺎل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﻜﻤﺎ ﻓﻲ ﺸﻜل .3-9
ﺸﻜل : 3-9ﻨﺎﻓﺫﺓ ﺃﺸﻜﺎل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ Boxplotsﻓﻲ ﻗﺎﺌﻤﺔ ﺍﻟﺭﺴﻭﻤﺎﺕ ﺍﻟﺒﻴﺎﻨﻴﺔ
• ﻓﻲ ﺃﻋﻠﻰ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺴﺎﺒﻘﺔ ﺍﺨﺘﺭ ﺍﻟﺭﺴﻡ ﺍﻟﺒﺴﻴﻁ Simpleﻭﻓﻲ ﺃﺴﻔﻠﻬﺎ ﻓﻲ ﺨﻴﺎﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﺸﻜل Data in Chart Areﺍﺨﺘﺭ ﺍﻟﺘﻠﺨﻴﺹ ﻟﻤﺘﻐﻴﺭﺍﺕ ﻤﻨﻔﺼﻠﺔ
Summaries of Separate variablesﺜﻡ ﺍﻀﻐﻁ ﺃﻤﺭ ﺘﻌﺭﻴﻑ ﺍﻟﺸﻜل Defineﻟﻜﻲ
ﺘﻔﺘﺢ ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺸﻜل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ :ﺘﻠﺨﻴﺹ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﻨﻔﺼﻠﺔ
Define Simple Boxplot: Summaries of Separate Variablesﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل 4-9ﺃﺩﻨﺎﻩ.
• ﺴﺘﻅﻬﺭ ﻓﻲ ﺘﻠﻙ ﺍﻟﻨﺎﻓﺫﺓ ﻗﺎﺌﻤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻤﺭﺒﻊ ﻋﻠﻰ ﺍﻟﻴﺴﺎﺭ ﻤﺭﺘﺒﺔ ﺃﺒﺠﺩﻴﹰﺎ ﻓﻘﻡ
ﺒﺈﺯﺍﺤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺜﻼﺜﺔ ﺍﻟﺘﻲ ﺘﺭﻏﺏ ﻓﻲ ﺘﻤﺜﻴﻠﻬﺎ ﺒﻴﺎﻨﻴﹰﺎ ﺇﻟﻰ ﻤﺭﺒﻊ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺘﻲ ﺘﻤﺜﻠﻬﺎ ﺍﻟﺼﻨﺎﺩﻴﻕ Boxes Representﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ ،ﻭﻴﻤﻜﻥ ﺘﻌﻠﻴﻡ ﻫﺫﻩ
ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺇﺯﺍﺤﺘﻬﺎ ﻤﺭﺓ ﻭﺍﺤﺩﺓ ﺃﻭ ﺇﺫﺍ ﻜﺎﻥ ﻤﺭﻏﻭﺒﹰﺎ ﺃﻥ ﺘﻅﻬﺭ ﺍﻟﺼﻨﺎﺩﻴﻕ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﺒﺘﺭﺘﻴﺏ ﻤﻌﻴﻥ ﻗﻴﻤﻜﻥ ﺇﺯﺍﺤﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻭﺍﺤﺩﹰﺍ ﺘﻠﻭ ﺍﻵﺨﺭ ﺒﺎﻟﺘﺭﺘﻴﺏ ﺍﻟﻤﻁﻠﻭﺏ.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
316
ﺸﻜل : 4-9ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺸﻜل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ :ﺘﻠﺨﻴﺹ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﻨﻔﺼﻠﺔ Define Simple Boxplot: Summaries of Separate Variables
• ﺍﻵﻥ ﺍﻀﻐﻁ ﺃﺘﻤﺭ ﺍﻟﺘﻨﻔﻴﺫ OKﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ ﻭﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺸﻜل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ Boxplotﺍﻟﻤﻁﻠﻭﺏ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل .5-9
ﺸﻜل : 5-9ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ Simple Boxplotﻟﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
Boxplots of within subjects data
20
10
0 10
FELTTIP
Implement
10
10
PAINT
CRAYONS
=N
Rating
30
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
317
ﻭﺤﻴﺙ ﺃﻨﻪ ﻻ ﻴﻭﺠﺩ ﻓﻲ ﺸﻜل ﺍﻟﺼﻨﺎﺩﻴﻕ ﺍﻟﺒﻴﺎﻨﻴﺔ ﺃﻋﻼﻩ ﺃﻱ ﻤﻅﺎﻫﺭ ﻏﺭﻴﺒﺔ ﺘﺅﺩﻱ ﺇﻟﻰ ﺍﻻﺴﺘﻨﺘﺎﺝ ﺒﺄﻥ ﺃﺴﻠﻭﺏ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻻ ﻴﺼﻠﺢ ﻟﺘﻁﺒﻴﻘﻪ ﻫﻨﺎ ﻤﺜل ﻭﺠﻭﺩ ﻗﻴﻡ ﻤﺘﻁﺭﻓﺔ ﺃﻭ ﺸﺎﺫﺓ ﻓﺈﻨﻨﺎ ﻨﺴﺘﻁﻴﻊ ﺍﻟﺴﻴﺭ ﻗﺩﻤﹰﺎ ﻭﺍﻟﺒﺩﺀ ﺒﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻟﻬﺫﻩ
ﺍﻟﺒﻴﺎﻨﺎﺕ )ﻻﺤﻅ ﺃﻨﻪ ﻴﻤﻜﻨﻨﺎ ﺍﺴﺘﺒﻌﺎﺩ ﺃﻱ ﻗﻴﻡ ﻤﺘﻁﺭﻓﺔ ﺃﻭ ﺸﺎﺫﺓ ﻤﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻟﻭ ﻭﺠﺩﺕ
ﺒﻬﺎ ﻗﺒل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻤﺭ ﺍﺨﺘﻴﺎﺭ ﻤﻔﺭﺩﺍﺕ .Select Cases
ﻭﺍﻵﻥ ﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
ﺒﻌﺎﻤل ﻭﺍﺤﺩ One-factor within subjects experimentﻭﺍﻟﺘﻲ ﻴﺸﺎﺭ ﺇﻟﻴﻬﺎ ﺒﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﺒﻘﻴﺎﺴﺎﺕ ﻤﺘﻜﺭﺭﺓ
One-factor experiment with
repeated measuresﻻﺒﺩ ﻤﻥ ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﺃﻤﺭ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ :ﺍﻟﻘﻴﺎﺴﺎﺕ
ﺍﻟﻤﺘﻜﺭﺭﺓ GLM: Repeated Measuresﻤﻥ ﺨﻼل ﻗﺎﺌﻤﺔ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ
) General Linear Models (GLMﻭﺫﻟﻙ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻨﻅﺎﻡ SPSSﻜﻤﺎ ﻴﺘﻀﺢ ﻤﻥ ﺸﻜل 6-9ﺃﺩﻨﺎﻩ ،ﺜﻡ ﺍﺘﺒﺎﻉ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ:
ﺸﻜل : 6-9ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤل ﻭﺍﺤﺩ ) One-factor within subjects experimentﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﺒﺎﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ (One-factor experiment with repeated measures
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
•
318
ﺒﺎﺨﺘﻴﺎﺭ ﺃﻤﺭ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ :ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ GLM: Repeated
Measuresﺒﺎﺴﺘﺨﺩﺍﻡ ﺃﻱ ﻤﻥ ﺍﻹﺼﺩﺍﺭﻴﻥ 11.0ﺃﻭ 8.0ﻤﻥ SPSSﺴﻭﻑ ﺘﻔﺘﺢ
ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ Repeated Measures
) Define Factor(sﻜﻤﺎ ﻓﻲ ﺸﻜل . 7-9
ﺸﻜل : 7-9ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ )ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ( ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ )Repeated Measures Define Factor(s
•
ﻭﻓﻲ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻭﻓﻲ ﻤﺭﺒﻊ ﺤﻭﺍﺭ ﺍﺴﻡ ﺍﻟﻌﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Within-
Subject Factor Nameﻗﻡ ﺒﺈﻟﻐﺎﺀ ﻜﻠﻤﺔ factor1ﻭﺍﻜﺘﺏ ﻓﻭﻗﻬﺎ ﺍﻻﺴﻡ ﺍﻟﺫﻱ ﺘﺨﺘﺎﺭﻩ ﻜﺎﺴﻡ ﻤﻌﺒﺭ ﻋﻥ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ) ،ﻭﻴﺠﺏ ﺃﻥ ﻴﺭﺍﻋﻰ ﺃﻻ ﻴﺯﻴﺩ ﻋﺩﺩ
ﺍﻟﺤﺭﻭﻑ ﻓﻲ ﺍﻻﺴﻡ ﻋﻥ ﺜﻤﺎﻨﻲ ﺤﺭﻭﻑ ﻭﺃﻻ ﻴﻜﻭﻥ ﺃﺤﺩ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ
ﺍﻟﻤﻌﺭﻓﺔ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ( ﻭﻫﺫﺍ ﺍﻻﺴﻡ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻫﻭ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ ﺤﺼل
ﻋﻠﻴﻬﺎ ﺍﻟﻤﺘﺩﺭﺒﻴﻥ ﻤﻥ ﻟﺠﻨﺔ ﺍﻟﺘﺤﻜﻴﻡ ﻋﻠﻰ ﻜل ﻟﻭﺤﺔ ، implementﻭﺤﻴﺙ ﺃﻥ ﻟﻪ ﺜﻼﺙ
ﻤﺴﺘﻭﻴﺎﺕ ﻓﻴﺘﻡ ﺘﺤﺩﻴﺩ 3ﻓﻲ ﻤﺭﺒﻊ ﻋﺩﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ Number of Levelsﺜﻡ ﺍﻟﻀﻐﻁ
ﻋﻠﻰ ﻤﺭﺒﻊ ﺍﻹﻀﺎﻓﺔ Addﻟﻴﻨﺘﻘل ﺍﺴﻡ ﺍﻟﻌﺎﻤل ﻭﻋﺩﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺇﻟﻰ ﺍﻟﻤﺭﺒﻊ ﺍﻟﺴﻔﻠﻲ ﻜﻤﺎ ﻴﻅﻬﺭ ﻓﻲ ﺸﻜل .8-9
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
319
• ﺍﻀﻐﻁ ﺒﻌﺩ ﺫﻟﻙ ﻤﺭﺒﻊ ﺍﻟﺘﻌﺭﻴﻑ Defineﻟﻴﺘﻡ ﻓﺘﺢ ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ) Repeated Measures Define Factor(sﻜﻤﺎ
ﺘﺒﺩﻭ ﻓﻲ ﺸﻜل 9-9ﺃﺩﻨﺎﻩ.
ﺸﻜل : 8-9ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ Repeated ) Measures Define Factor(sﺒﻌﺩ ﺇﺩﺨﺎل ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﺒﻬﺎ
ﺸﻜل : 9-9ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ )Repeated Measures Define Factor(s
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
320
• ﻓﻲ ﺘﻠﻙ ﺍﻟﻨﺎﻓﺫﺓ ﺴﻭﻑ ﺘﻅﻬﺭ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﻤﺭﺒﻊ ﺍﻟﺤﻭﺍﺭ ﻓﻲ ﺍﻟﺠﺎﻨﺏ ﺍﻷﻴﺴﺭ ﻤﻨﻬﺎ ،ﻗﻡ ﺒﺘﺤﺩﻴﺩ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺴﺘﻘﻠﺔ )ﺍﻟﻤﺴﺘﻭﻴﺎﺕ( ﻭﺇﺯﺍﺤﺘﻬﺎ ﺇﻟﻰ ﻤﺭﺒﻊ
ﺤﻭﺍﺭ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Within-Subjects Variablesﻓﻲ ﺍﻟﺠﺎﻨﺏ
ﺍﻟﻌﻠﻭﻱ ﺍﻷﻴﻤﻥ ﻤﻥ ﺍﻟﻨﺎﻓﺫﺓ ،ﻭﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻓﺈﻥ ﻋﻼﻤﺎﺕ ﺍﻻﺴﺘﻔﻬﺎﻡ ﻓﻲ ﺍﻟﻤﺭﺒﻊ ﺴﻭﻑ ﺘﺴﺘﺒﺩل ﺒﺄﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻜﻤﺎ ﻴﺒﺩﻭ ﻓﻲ ﻨﺎﻓﺫﺓ 10-9ﺃﺩﻨﺎﻩ.
ﺸﻜل : 10-9ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ Repeated ) Measures Define Factor(sﺒﻌﺩ ﺇﺩﺨﺎل ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﺒﻬﺎ
•
ﻭﺃﺨﻴﺭﹰﺍ ﻴﻔﻀل ﺃﻥ ﻴﻁﻠﺏ ﺍﻟﻤﺴﺘﺨﺩﻡ ﻗﺎﺌﻤﺔ ﺒﺎﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ Descriptive
، Statisticsﻭﻫﺫﺍ ﻴﻤﻜﻥ ﺃﻥ ﻴﺘﻡ ﻤﻥ ﺨﻼل ﻤﺭﺒﻊ ﺍﻟﺨﻴﺎﺭﺍﺕ Optionsﻓﻲ ﺘﻠﻙ ﺍﻟﻨﺎﻓﺫﺓ ﻭﻤﻥ ﺜﻡ ﺍﺨﺘﻴﺎﺭ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ Descriptive Statisticsﻤﻥ ﻨﺎﻓﺫﺓ ﺍﻟﺨﻴﺎﺭﺍﺕ
Optionsﺍﻟﻔﺭﻋﻴﺔ ﺍﻟﺘﻲ ﺴﻭﻑ ﺘﻔﺘﺢ ،ﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﻴﺠﺏ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﺃﻤﺭ ﺍﻟﺘﻨﻔﻴﺫ OK
ﻓﻲ ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ
Repeated
) Measures Define Factor(sﻭﺫﻟﻙ ﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ . ANOVA
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
321
ﻭﺍﻵﻥ ﺴﺘﻅﻬﺭ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤل ﻭﺍﺤﺩ One-factor within subjects experimentﻭﺍﻟﺘﻲ
ﻴﺸﺎﺭ ﺇﻟﻴﻬﺎ ﺒﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﺒﻘﻴﺎﺴﺎﺕ ﻤﺘﻜﺭﺭﺓ One-factor experiment
، with repeated measuresﻭﺴﻭﻑ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻋﺩﺩ ﻜﺒﻴﺭ ﻤﻥ ﺍﻟﺠﺩﺍﻭل ﺍﻟﻨﺎﺘﺠﺔ
ﻭﻤﻨﻬﺎ ﻤﺎ ﻫﻭ ﻋﺩﻴﻡ ﺍﻷﻫﻤﻴﺔ ﻓﻲ ﻤﺜل ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺃﻱ ﺤﺎﻻﺕ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVA
ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﺘﻲ ﺘﺤﺘﻭﻱ ﻋﻠﻰ ﻋﺎﻤل ﻭﺍﺤﺩ ﺩﺍﺨل ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ،ﻭﺴﻭﻑ ﻨﻘﻭﻡ ﺍﻵﻥ ﺒﺘﻭﻀﻴﺢ ﺍﻟﺠﺩﺍﻭل ﺍﻟﻬﺎﻤﺔ ﻤﻨﻬﺎ ،ﻓﻔﻲ ﺍﻟﺒﺩﺍﻴﺔ ﻭﻋﻠﻰ ﺍﻟﺠﺎﻨﺏ ﺍﻷﻴﺴﺭ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﻨﺘﺎﺌﺞ
SPSS Viewerﺴﻭﻑ ﺘﻅﻬﺭ ﺠﻤﻴﻊ ﺒﻨﻭﺩ ﻨﺘﺎﺌﺞ ﻫﺫﺍ ﺍﻷﻤﺭ ﻜﻤﺎ ﻓﻲ ﺸﻜل ،11-9 ﻭﻫﻨﺎﻙ ﺜﻼﺙ ﺒﻨﻭﺩ ﻜﺒﻴﺭﺓ ﻋﺩﻴﻤﺔ ﺍﻷﻫﻤﻴﺔ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻭﻴﻤﻜﻥ ﻤﺴﺤﻬﺎ ﻤﺒﺎﺸﺭﺓ ﻭﺩﻭﻥ
ﺍﻟﻨﻅﺭ ﺇﻟﻴﻬﺎ ﻭﺫﻟﻙ ﻋﻥ ﻁﺭﻴﻕ ﺘﻌﻠﻴﻡ ﺘﻠﻙ ﺍﻟﺒﻨﻭﺩ ﻓﻲ ﻫﺫﺍ ﺍﻟﺠﺎﻨﺏ ﻤﻥ ﺍﻟﻤﺤﺭﺭ ﺒﺎﻟﻨﻘﺭ
ﻋﻠﻰ ﺘﻠﻙ ﺍﻟﻌﻨﺎﻭﻴﻥ ﺒﺎﻟﻔﺄﺭﺓ ﻭﺇﺯﺍﻟﺘﻬﺎ ﺒﻤﻔﺘﺎﺡ ﺍﻟﺤﺫﻑ deleteﺍﻟﻭﺍﺤﺩﺓ ﺘﻠﻭ ﺍﻷﺨﺭﻯ ،ﻫﺫﻩ ﺍﻟﺒﻨﻭﺩ ﻫﻲ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﻌﺩﺩﺓ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ Multivariate Testsﻭﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺘﺒﺎﻴﻥ
ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ، Within-Subjects Contrastsﻭﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻵﺜﺎﺭ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Tests of Between-Subjects Effectsﺤﻴﺙ ﻻ ﻴﻭﺠﺩ ﻤﺘﻐﻴﺭﺍﺕ ﺒﻴﻥ
ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ،ﻭﻨﻅﺭﹰﺍ ﻟﻠﻁﻭل ﺍﻟﻤﻠﺤﻭﻅ ﻟﻘﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻘﺩ ﺘﻡ ﺘﻘﺴﻴﻡ
ﺍﻟﻨﺘﺎﺌﺞ ﺍﻟﻤﺘﺒﻘﻴﺔ )ﺒﻌﺩ ﺤﺫﻑ ﺍﻟﺒﻨﻭﺩ ﺍﻟﺜﻼﺙ ﺍﻟﺴﺎﺒﻘﺔ( ﺇﻟﻰ ﺜﻼﺙ ﺃﺠﺯﺍﺀ ﻓﻲ ﺍﻷﺸﻜﺎل -9 12ﻭ 13-9ﻭ 14-9ﻋﻠﻰ ﺍﻟﺘﻭﺍﻟﻲ ﻭﺴﻨﻘﻭﻡ ﺒﺘﻭﻀﻴﺢ ﻜل ﺠﺯﺀ ﻋﻠﻰ ﺤﺩﻩ .
ﻻ ﻓﺎﻟﺠﺯﺀ ﺍﻷﻭل )ﺸﻜل (12-9ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻴﻭﻀﺢ ﺍﻟﻌﻨﻭﺍﻥ ﻭﺠﺩﻭ ﹰ
ﺼﻐﻴﺭﹰﺍ ﻴﺒﻴﻥ ﺍﻟﻌﻭﺍﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Within-Subject Factorsﺍﻟﺘﻲ ﺩﺨﻠﺕ ﻓﻲ
ﻻ ﺒﺎﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ ﺍﻟﺘﻲ ﺘﻡ ﻁﻠﺏ ﺍﻟﺤﺼﻭل ﻋﻠﻴﻬﺎ ﻓﻲ ﺍﻟﺨﻴﺎﺭﺍﺕ ﺍﻟﺘﺤﻠﻴل ﺜﻡ ﺠﺩﻭ ﹰ
Optionsﻋﻨﺩ ﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ ،ﻭﻴﺒﻴﻥ ﻋﺩﺩ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻓﻲ ﻜل ﻤﺠﻤﻭﻋﺔ Nﻭﺍﻟﻭﺴﻁ ﺍﻟﺤﺴﺎﺒﻲ Meanﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱ Standard Deviationﻟﻜل ﻤﺠﻤﻭﻋﺔ.
( ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ9)
322
ﻤﺒﻴﻨ ﹰﺎ ﺒﻪ ﺠﻤﻴﻊ ﺒﻨﻭﺩ ﺍﻟﻨﺘﺎﺌﺞ ﻤﻥSPSS Viewer ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﻨﺘﺎﺌﺞ: 11-9 ﺸﻜل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤل ﻭﺍﺤﺩANOVA ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ
)ﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﺒﺎﻟﻘﻴﺎﺴﺎﺕOne-factor within subjects experiment (One-factor experiment with repeated measures ﺍﻟﻤﺘﻜﺭﺭﺓ
ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏANOVA ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ: 12-9 ﺸﻜل . One-factor within subjects experiment ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤل ﻭﺍﺤﺩ General Linear Model Within-Subjects Factors Measure: MEASURE_1 IMPLEMEN
Dependent Variable
1
CRAYONS
2
PAINT
3
FELTTIP
Descriptive Statistics Mean
Std. Deviation
N
CRAYONS
18.40
4.65
10
PAINT
15.70
4.27
10
FELTTIP
16.40
3.06
10
( ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ9)
323
( ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻴﻌﻁﻲ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ13-9 ﻭﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ )ﺸﻜل ﻭﺫﻟﻙMauchly's Test of Sphericity for homogeneity of variance ﻟﻠﻜﺭﻭﻴﺔ
ﻭﻫﻭ ﺍﺨﺘﺒﺎﺭ ﻫﺎﻡ ﻟﺤﺎﻻﺕ ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﻤﺴﺘﻘل، ﻻﺨﺘﺒﺎﺭ ﺍﻟﺘﺠﺎﻨﺱ ﻓﻲ ﺘﺒﺎﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
.3-9 ﺍﻟﻭﺍﺤﺩ ﻜﻤﺎ ﺴﺒﻕ ﺘﻭﻀﻴﺤﻪ ﻓﻲ ﺍﻟﻘﺴﻡ
( ﻓﺈﻥ ﺍﻟﺴﻁﺭ ﻓﻲ ﺠﺩﻭلSig. : p-value > 0.05) • ﻓﺈﺫﺍ ﻟﻡ ﻴﻜﻥ ﺍﻻﺨﺘﺒﺎﺭ ﻤﻌﻨﻭﻱ
( ﺍﻟﺫﻱ ﻴﻌﻁﻲ ﺍﻟﻨﺘﺎﺌﺞ ﻋﻠﻰ14-9 )ﺸﻜلANOVA Summary ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ . ﻫﻭ ﺍﻟﺫﻱ ﺴﻴﻌﺘﻤﺩ ﻟﻠﻨﺘﺎﺌﺞSphericity Assumed ﺍﻓﺘﺭﺍﺽ ﺼﺤﺔ ﻓﺭﻀﻴﺔ ﺍﻟﻜﺭﻭﻴﺔ
( ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺍﻟﻨﻅﺭ ﻓﻲ ﺃﺤﺩSig. : p-value < 0.05) • ﻓﺈﺫﺍ ﻜﺎﻥ ﺍﻻﺨﺘﺒﺎﺭ ﻤﻌﻨﻭﻱ
ﺒﺎﻋﺘﻤﺎﺩ ﺴﻁﺭ ﺍﺨﺘﺒﺎﺭGreenhouse-Geisser test ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻷﻜﺜﺭ ﻗﻭﺓ ﻤﺜل
.(14-9 )ﺸﻜلANOVA ﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥGreenhouse-Geisser test
ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏANOVA ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ: 13-9 ﺸﻜل . One-factor within subjects experiment ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤل ﻭﺍﺤﺩ b Mauchly's Test of Sphericity
Measure: MEASURE_1
Within Mauchly' Approx. Subjects sW Chi-Square Effect IMPLEMEN .909 .760
Epsilona df
Sig. 2
.684
Greenhouse Huynh- Lower-Geisser Feldt bound .917
1.000
.500
Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identity matrix. a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the Tests of Within-Subjects Effects table. b. Design: Intercept Within Subjects Design: IMPLEMEN
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
324
ﺘﻠﻙ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻷﻗﻭﻯ ﻴﻤﻜﻨﻬﺎ ﺃﻥ ﺘﻌﻁﻲ ﻨﺘﺎﺌﺞ ﻤﺨﺘﻠﻔﺔ ﻓﻘﻁ ﻋﻨﺩﻤﺎ: .1ﻻ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﺘﺠﺎﻨﺱ ﻓﻲ ﺍﻟﺘﻐﺎﻴﺭ ،ﺃﻱ ﻋﻨﺩﻤﺎ ﻴﻜﻭﻥ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻤﻌﻨﻭﻱ. .2ﻗﻴﻤﺔ ﺩﺍﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ Fﺒﺩﻭﻥ ﺍﻟﺘﻌﺩﻴل ﻓﻲ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ )ﺃﻱ ﺍﻟﻘﻴﻡ ﺍﻟﻭﺍﺭﺩﺓ ﻓﻲ ﺴﻁﻭﺭ ﺍﻓﺘﺭﺍﺽ ﺼﺤﺔ ﻓﺭﻀﻴﺔ ﺍﻟﻜﺭﻭﻴﺔ (Sphericity Assumedﻤﻌﻨﻭﻴﺔ ﻭﻟﻜﻥ
ﺒﺎﻟﻜﺎﺩ )ﺃﻱ ﻗﻴﻤﺔ p-valueﺃﻗل ﻤﻥ 0.05ﻭﻟﻜﻥ ﺒﻤﻘﺩﺍﺭ ﻀﺌﻴل ﺠﺩﹰﺍ(.
ﻭﺇﺫﺍ ﻜﺎﻨﺕ ﺩﺍﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ Fﻤﻌﻨﻭﻴﺔ ﻭﻗﻴﻤﺔ p-valueﺼﻐﻴﺭﺓ ﺠﺩﹰﺍ ﻓﺈﻨﻪ ﻴﻤﻜﻥ
ﺒﺩﻭﻥ ﺘﺭﺩﺩ ﺭﻓﺽ ﺍﻟﻔﺭﻀﻴﺔ ﺍﻟﻌﺩﻤﻴﺔ ﺩﻭﻥ ﺘﻐﻴﻴﺭ ﺃﻱ ﺸﻲﺀ ﻭﺩﻭﻥ ﺍﻟﺤﺎﺠﺔ ﺇﻟﻰ ﺃﻱ ﻤﻥ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻷﻜﺜﺭ ﻗﻭﺓ. ﻭﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺤﺎﻟﻲ ﺤﻴﺙ ﺃﻥ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻴﻌﻁﻲ ﻗﻴﻤﺔ p-value = 0.648
ﻓﺈﻨﻪ ﻻ ﻴﻭﺠﺩ ﺃﻱ ﺩﻟﻴل ﻋﻠﻰ ﺃﻥ ﺍﻟﺘﻐﺎﻴﺭ ﻏﻴﺭ ﻤﺘﺠﺎﻨﺱ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻟﻴﺱ ﻫﻨﺎﻙ ﺃﻱ ﺴﺒﺏ ﻴﻤﻨﻊ ﺍﺴﺘﺨﺩﺍﻡ ﺩﺍﻟﺔ ﺍﺨﺘﺒﺎﺭ Fﺍﻟﻤﻌﺭﻭﻓﺔ ﻓﻲ . ANOVA
ﻭﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ )ﺸﻜل (14-9ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻴﻌﻁﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ
ﻟﻌﺎﻤل ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ ﺤﺼل ﻋﻠﻴﻬﺎ ﺍﻟﻤﺘﺩﺭﺒﻴﻥ ﻤﻥ ﻟﺠﻨﺔ ﺍﻟﺘﺤﻜﻴﻡ ﻋﻠﻰ ﻜل ﻟﻭﺤﺔ ، implementﻭﻓﻲ ﻫﺫﺍ ﺍﻟﺸﻜل ﻨﺠﺩ ﺃﻥ ﻗﻴﻤﺔ p-valueﻟﺩﺍﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ (Sig.) F ﺍﻟﻤﻘﺎﺒﻠﺔ )ﻓﻲ ﻨﻔﺱ ﺍﻟﺴﻁﺭ( ﻟﺼﺤﺔ ﺍﻓﺘﺭﺍﺽ ﺍﻟﻜﺭﻭﻴﺔ Sphericity Assumedﻤﺴﺎﻭﻴﺔ
، 0.021ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﺍﺨﺘﺒﺎﺭ Fﻤﻌﻨﻭﻱ ﺒﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ ﺃﻗل ﻤﻥ 0.05ﻭﻟﻜﻨﻪ ﻏﻴﺭ ﻤﻌﻨﻭﻱ ﺒﻤﺴﺘﻭﻯ ﺃﻗل ﻤﻥ ، 0.01ﻭﺒﻬﺫﺍ ﻨﺴﺘﻁﻴﻊ ﺃﻥ ﻨﺴﺘﻨﺘﺞ ﺃﻥ ﺍﻟﻤﺎﺩﺓ ﺍﻟﻤﺴﺘﺨﺩﻤﺔ ﻓﻲ
ﺍﻟﺭﺴﻡ ﻟﻴﺱ ﻟﻬﺎ ﺃﻱ ﺘﺄﺜﻴﺭ ﻋﻠﻰ ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ ﻴﺤﺼل ﻋﻠﻴﻬﺎ ﺍﻟﻤﺘﺩﺭﺒﻴﻥ ،ﻭﻨﺴﺘﻁﻴﻊ
ﺒﺎﻟﺘﺎﻟﻲ ﻜﺘﺎﺒﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻋﻠﻰ ﺍﻟﺸﻜل:
F(2,18) = 4.86; p-value < 0.05 , Significant at less than 0.05 level. ﻭﺘﺒﺩﻭ ﺩﺭﺠﺎﺕ ﺍﻟﺤﺭﻴﺔ 18ﻟﻸﺨﻁﺎﺀ ﻓﻲ ﺍﻟﺴﻁﺭ ﺒﻌﻨﻭﺍﻥ )Error (IMPLEMEN
Sphericity Assumedﻓﻲ ﺍﻟﺠﺩﻭل.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
325
ﺸﻜل : 14-9ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤل ﻭﺍﺤﺩ . One-factor within subjects experiment Tests of Within-Subjects Effects Measure: MEASURE_1
Sig.
F
Mean Square
df
Type III Sum of Squares
Source IMPLEMEN Sphericity Assumed
.021
4.859
19.633
2
39.267
.024
4.859
21.412
1.834
39.267
Greenhouse-Geisser
.021
4.859
19.633
2.000
39.267
Huynh-Feldt
.055
4.859
39.267
1.000
39.267
Lower-bound
4.041
18
72.733
4.407
72.733 16.505
4.041
72.733 18.000
Huynh-Feldt
8.081
72.733
Lower-bound
9.000
Error(IMPLE Sphericity Assumed )MEN Greenhouse-Geisser
ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻟﻡ ﻨﻜﻥ ﺒﺤﺎﺠﺔ ﻹﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭ Fﺃﻜﺜﺭ ﻗﻭﺓ ﻭﺫﻟﻙ ﻷﻥ ﺍﺨﺘﺒﺎﺭ
ﻤﻭﺸﻠﻲ ﻟﻡ ﻴﻜﻥ ﻤﻌﻨﻭﻴﺎﹰ ،ﻭﻫﺫﺍ ﻴﺘﻀﺢ ﺃﻜﺜﺭ ﻤﻥ ﻋﻤﻭﺩ ﺍﻟﻤﻌﻨﻭﻴﺔ Sig.ﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل
ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺸﻜل ﺃﻋﻼﻩ ﺤﻴﺙ ﺃﺩﺕ ﻤﻌﻅﻡ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻷﻜﺜﺭ ﻗﻭﺓ ﺇﻟﻰ ﻨﻔﺱ ﺍﻟﻨﺘﻴﺠﺔ ﺘﻘﺭﻴﺒﺎﹰ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺒﺎﻟﺘﺤﺩﻴﺩ.
.5 .9اﻟﻤﻘﺎرﻧﺎت اﻟﻤﺘﺘﺎﻟﻴﺔ ﻏﻴﺮ اﻟﻤﺨﻄﻂ ﻟﻬﺎ :ﻃﺮﻳﻘﺔ ﺑﻮﻧﻔﺮوﻧﻲ : Unplanned Multiple Comparisons: Bonferroni Method: ﻫﻨﺎﻙ ﺒﻌﺽ ﺍﻟﺸﻜﻭﻙ ﺍﻟﺘﻲ ﺘﻨﺘﺎﺏ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ Tukey testﻟﻠﻤﻘﺎﺭﻨﺎﺕ
ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺒﻌﺩ ﺍﻻﺴﺘﻨﺘﺎﺝ ﺒﻭﺠﻭﺩ ﺁﺜﺎﺭ ﺭﺌﻴﺴﻴﺔ ﻤﻌﻨﻭﻴﺔ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ
ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﺫﻟﻙ ﻤﻥ ﺤﻴﺙ ﻗﺩﺭﺓ ﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﻋﻠﻰ ﻋﺩﻡ ﺘﻀﺨﻴﻡ ﻗﻴﻤﺔ ﺍﻟﺨﻁﺄ
ﻤﻥ ﺍﻟﻨﻭﻉ ﺍﻷﻭل ﻟﻼﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ،ﻭﻟﺫﻟﻙ ﻓﺈﻨﻪ ﻓﻲ ﻤﺜل ﻫﺫﻩ ﺍﻟﺤﺎﻻﺕ ﻫﻨﺎﻙ ﻁﺭﻕ
ﺃﺜﺒﺘﺕ ﺃﻨﻬﺎ ﺃﻜﺜﺭ ﻗﻭﺓ ﻤﻥ ﺍﺨﺘﺒﺎﺭ ﺘﻴﻭﻜﻲ.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
326
ﻟﻘﺩ ﺴﺒﻕ ﺃﻥ ﻤﻴﺯﻨﺎ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻊ ﺒﻴﻥ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ﻭﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﻏﻴﺭ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ،ﻓﻌﻠﻰ ﺴﺒﻴل ﺍﻟﻤﺜﺎل ﺇﺫﺍ ﻜﻨﺎ ﻗﺩ ﺨﻁﻁﻨﺎ ﻹﺠﺭﺍﺀ
ﺍﺨﺘﺒﺎﺭﺍﺕ ﻷﺯﻭﺍﺝ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻋﺩﺩﻫﺎ cﻤﻥ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﻌﺎﻟﺠﺎﺕ
ﺍﻟﻨﺎﺘﺠﺔ ﻤﻥ ﺘﺠﺭﺒﺔ ﺫﺍﺕ ﻋﺎﻤل ﻭﺍﺤﺩ ،ﻭﻜﺎﻥ ﻤﺭﻏﻭﺒﹰﺎ ﺘﺤﺩﻴﺩ ﺤﺠﻡ ﺍﻟﺨﻁﺄ ﺍﻟﻜﻠﻲ ﺒﻤﺎ ﻻ
ﻴﺯﻴﺩ ﻋﻥ ، 0.05ﻓﺈﻨﻪ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻁﺭﻴﻘﺔ ﺒﻭﻨﻔﺭﻭﻨﻲ Bonferroni methodﺘﺴﺘﺨﺩﻡ ﺍﺨﺘﺒﺎﺭﺍﺕ tﺍﻟﻤﻌﺭﻭﻓﺔ ﻷﺯﻭﺍﺝ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ،ﻭﻟﻜﻥ ﻤﻌﺩل ﺍﻟﺨﻁﺄ ﺍﻟﻜﻠﻲ ﻴﺠﺏ ﺃﻥ ﻴﻘﺴﻡ
ﻋﻠﻰ ﻋﺩﺩ ﺍﻟﻤﻘﺎﺭﻨﺎﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻟﻜﻲ ﻴﻜﻭﻥ ﺃﻱ ﺍﺨﺘﺒﺎﺭ ﻤﻥ ﺍﺨﺘﺒﺎﺭﺍﺕ t
ﺍﺨﺘﺒﺎﺭﺍﹰ ﻤﻌﻨﻭﻴﹰﺎ ﻴﺠﺏ ﺃﻥ ﻴﻜﻭﻥ ﻤﻌﻨﻭﻴﹰﺎ ﺒﻤﺴﺘﻭﻯ ﺃﻗل ﺒﻜﺜﻴﺭ ﻤﻥ ﺍﻟﻤﺴﺘﻭﻯ . 0.05 ﻭﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺃﻥ ﻁﺭﻴﻘﺔ ﺒﻭﻨﻔﺭﻭﻨﻲ ﺍﻗﺘﺭﺤﺕ ﺨﺼﻴﺼﹰﺎ ﻟﻼﺨﺘﺒﺎﺭﺍﺕ
ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ﺇﻻ ﺃﻨﻪ ﻴﻤﻜﻥ ﺃﻴﻀﹰﺎ ﺍﺴﺘﺨﺩﺍﻤﻬﺎ ﻹﺠﺭﺍﺀ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﺒﻴﻥ ﺃﺯﻭﺍﺝ
ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻏﻴﺭ ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻵﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻋﺩﺩﻫﺎ k
ﻭﺫﻟﻙ ﺒﻌﺩ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻟﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺫﺍﺕ ﻋﺎﻤل ﻭﺍﺤﺩ .
ﻭﻋﻠﻰ ﺍﻟﺭﻏﻡ ﻤﻥ ﺫﻟﻙ ﻓﺈﻨﻪ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻴﺠﺏ ﻗﺴﻤﺔ ﺍﻟﺨﻁﺄ ﺍﻟﻜﻠﻲ ﻤﻥ ﺍﻟﻨﻭﻉ ﺍﻷﻭل ﻋﻠﻰ ﻋﺩﺩ ﺃﺯﻭﺍﺝ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺘﻲ ﻴﻤﻜﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻴﻬﺎ cﻤﻥ ﺒﻴﻥ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻋﺩﺩﻫﺎ ، kﻭﺍﻟﺘﻲ ﻴﻤﻜﻥ ﺤﺴﺎﺒﻬﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﻘﺎﻋﺩﺓ :
⎞ ⎛k !k = ⎟⎟ ⎜⎜ = c !)2! (k - 2 ⎠⎝ 2
ﺤﻴﺙ ﺘﻌﻨﻲ ﺍﻹﺸﺎﺭﺓ ! ﺇﻟﻰ ﺍﻟﻤﻀﺭﻭﺏ factorialﻭﻫﻭ ﻋﺒﺎﺭﺓ ﻋﻥ ﺤﺎﺼل
ﺼﺭﺏ ﺍﻷﻋﺩﺍﺩ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ .....×3×2×1ﺤﺘﻰ ﺍﻟﻌﺩﺩ ﺨﻠﻑ ﺍﻹﺸﺎﺭﺓ) ،ﻓﻌﻠﻰ ﺴﺒﻴل
ﻼ 5ﻤﺘﻭﺴﻁﺎﺕ ﻟﻠﻤﻌﺎﻟﺠﺎﺕ ﻓﺈﻥ : ﺍﻟﻤﺜﺎل (4!=4×3×2×1=24ﻓﺈﺫﺍ ﻜﺎﻥ ﻫﻨﺎﻙ ﻤﺜ ﹰ
c=5!/(2!x3!) = (5x4x3x2)/(2x3x2) = 10ﻭﺒﺎﻟﺘﺎﻟﻲ ﻴﺠﺏ ﺃﻥ ﻴﻜﻭﻥ ﺍﻻﺨﺘﺒﺎﺭ ﻤﻌﻨﻭﻱ ﺒﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ ﺃﻗل ﻤﻥ 0.05/10=0.005ﺤﺘﻰ ﻴﻤﻜﻥ ﺍﻋﺘﺒﺎﺭﻩ ﻤﻌﻨﻭﻴﹰﺎ.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
327
ﻭﻓﻲ ﻤﺜﺎﻟﻨﺎ ﺍﻟﺤﺎﻟﻲ ﺒﻴﻥ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﺃﻥ ﺍﻷﺜﺭ ﺍﻟﺭﺌﻴﺴﻲ ﻟﻌﺎﻤل ﺍﻟﺩﺭﺠﺎﺕ ﺍﻟﺘﻲ ﺤﺼل ﻋﻠﻴﻬﺎ ﺍﻟﻤﺘﺩﺭﺒﻴﻥ ﻤﻥ ﻟﺠﻨﺔ ﺍﻟﺘﺤﻜﻴﻡ ﻋﻠﻰ ﻜل ﻟﻭﺤﺔ implement
ﻫﻭ ﺃﺜﺭ ﻤﻌﻨﻭﻱ ،ﻭﻫﻨﺎ ﻴﻭﺠﺩ k=3ﻤﺘﻭﺴﻁﺎﺕ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ، c=3ﺃﻱ ﺃﻥ ﻁﺭﻴﻘﺔ
ﺒﻭﻨﻔﺭﻭﻨﻲ ﻻﺨﺘﺒﺎﺭ tﺘﺩل ﻋﻠﻰ ﺃﻥ ﻗﻴﻤﺔ p-valueﻴﺠﺏ ﺃﻥ ﺘﻜﻭﻥ ﺃﻗل ﻤﻥ = 0.05/3
0.02ﺘﻘﺭﻴﺒﺎﹰ ﺤﺘﻰ ﻴﻤﻜﻥ ﺍﻟﻘﻭل ﺒﺄﻥ ﺍﻟﻔﺭﻕ ﻤﻌﻨﻭﻱ .
ﻭﻹﺠﺭﺍﺀ ﺍﺨﺘﺒﺎﺭﺍﺕ tﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﻅﺎﻡ SPSSﻻﺒﺩ ﻤﻥ ﺍﻟﺨﺭﻭﺝ ﻤﻥ ﺘﺤﻠﻴل
ﺍﻟﺘﺒﺎﻴﻥ ﻭﻁﻠﺏ ﺍﺨﺘﺒﺎﺭ tﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﻴﻥ ﻓﻲ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ Paired-
Sample T-Testﻭﺫﻟﻙ ﻟﻠﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﻤﺘﻌﻠﻘﺔ ﺒﺎﻟﻤﻭﺍﺩ ﺍﻟﺜﻼﺙ ﺍﻟﻤﺴﺘﺨﺩﻤﺔ ﻓﻲ ﺍﻟﺭﺴﻡ ﻭﻫﻲ ﺍﻟﻜﺭﺒﻭﻥ crayonﻭﺃﻗﻼﻡ ﺍﻟﻠﺒﺎﺩ felttipﻭﺃﻟﻭﺍﻥ ﺍﻟﺯﻴﺕ
، paintﻭﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺘﺘﻤﺜل ﺒﺜﻼﺙ ﺃﻋﻤﺩﺓ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ،ﻭﻋﻨﺩﻤﺎ ﻴﺘﻡ ﺘﻨﻔﻴﺫ
ﺫﻟﻙ ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺴﻨﺠﺩ ﺃﻥ ﻗﻴﻤﺔ p-valueﺍﻟﻤﻘﺎﺒﻠﺔ ﺍﻟﻔﺭﻕ ﺒﻴﻥ
ﻤﺘﻭﺴﻁﻲ ﺃﻟﻭﺍﻥ ﺍﻟﺯﻴﺕ paintﻭﺍﻟﻜﺭﺒﻭﻥ crayonﻫﻲ ﺍﻟﻭﺤﻴﺩﺓ ﺍﻟﺘﻲ ﺘﻘل ﻋﻥ ،0.02
ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻥ ﻫﺫﺍ ﺍﻟﻔﺭﻕ ﻫﻭ ﺍﻟﻔﺭﻕ ﺍﻟﻭﺤﻴﺩ ﺍﻟﻤﻌﻨﻭﻱ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ). (p=0.0146
.6 .9اﻻﺧﺘﺒﺎرات اﻟﻼﻣﻌﻠﻤﻴﺔ ﻓﻲ اﻟﺘﺠﺎرب ذات اﻟﻌﺎﻣﻞ اﻟﻮاﺣﺪ داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت : Nonparametric Tests For a One-Factor Within Subjects Experiment: ﻭﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺘﺠﺎﺭﺏ ﻜﺎﻤﻠﺔ ﺍﻟﻌﺸﻭﺍﺌﻴﺔ ﺫﺍﺕ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﻓﺈﻥ
ﻫﻨﺎﻙ ﺍﺨﺘﺒﺎﺭﺍﺕ ﻻﻤﻌﻠﻤﻴﺔ ﻤﺘﺎﺤﺔ ﺃﻴﻀﹰﺎ ﻟﻠﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﺩﺍﺨل ﺍﻟﻤﻌﺎﻟﺠﺎﺕ
ﻭﺫﻟﻙ ﻟﻠﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺭﺘﻴﺒﻴﺔ ordinal dataﻭﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻭﺼﻔﻴﺔ ، nominal dataﻭﺴﻭﻑ
ﻨﺘﺤﺩﺙ ﻋﻥ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﻨﺎﺴﺒﺔ ﻟﻜل ﻨﻭﻉ ﻤﻨﻬﺎ ﻋﻠﻰ ﺤﺩﻩ.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
328
.1 .6 .9اﺧﺘﺒﺎر ﻓﺮﻳﺪﻣﺎن ﻟﺘﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺒﻴﺎﻧﺎت اﻟﺘﺮﺗﻴﺒﻴﺔ : Friedman Test For a Ordinal Data : ﻟﺘﻭﻀﻴﺢ ﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﻨﻔﺘﺭﺽ ﺃﻥ ﻫﻨﺎﻙ ﺘﺠﺭﺒﺔ ﺘﻡ ﺇﺠﺭﺍﺀﻫﺎ ﻋﻠﻰ 6ﻤﻥ
ﺍﻷﺸﺨﺎﺹ ﻟﻤﻌﺭﻓﺔ ﺩﺭﺠﺎﺕ ﺘﻔﻀﻴﻠﻬﻡ ﻟﻤﺫﺍﻕ ﻜل ﻤﻥ 5ﻤﻥ ﺃﻨﻭﺍﻉ ﻤﺨﺘﻠﻔﺔ ﻤﻥ
ﺍﻟﻤﺸﺭﻭﺒﺎﺕ ،ﻭﺃﻋﻁﻲ ﻜل ﻤﻨﻬﻡ 5ﺯﺠﺎﺠﺎﺕ ﻤﺨﺘﻠﻔﺔ ﻤﻥ ﻫﺫﺍ ﺍﻟﻤﺸﺭﻭﺏ ﺤﻴﺙ ﻜﺎﻥ ﻟﻜل ﻤﻨﻬﺎ ﻤﺫﺍﻕ ﻤﺨﺘﻠﻑ ﻭﺩﻭﻥ ﺃﻥ ﻴﻅﻬﺭ ﺍﺴﻡ ﺃﻭ ﻨﻭﻉ ﺍﻟﻤﺸﺭﻭﺏ ﻋﻠﻴﻬﺎ ﻭﻁﻠﺏ ﻤﻥ ﻜل
ﻤﻨﻬﻡ ﺘﺭﺘﻴﺏ ﺘﻠﻙ ﺍﻟﺯﺠﺎﺠﺎﺕ ﺤﺴﺏ ﺩﺭﺠﺔ ﺘﻔﻀﻴﻠﻪ ﻟﺫﻟﻙ ﺍﻟﻤﺸﺭﻭﺏ ﻭﺫﻟﻙ ﺒﺈﻋﻁﺎﺀ ﺭﻗﻡ
ﻤﻥ 1ﺇﻟﻰ 5ﻟﻜل ﻤﺸﺭﻭﺏ ﺒﺤﻴﺙ ﻴﻌﻁﻰ ﺍﻟﺭﻗﻡ 1ﻟﻠﻤﺸﺭﻭﺏ ﺍﻷﻗل ﺃﻓﻀﻠﻴﺔ ﻭﺍﻟﺭﻗﻡ 5
ﻷﻜﺜﺭ ﺍﻟﻤﺸﺭﻭﺒﺎﺕ ﺃﻓﻀﻠﻴﺔ ،ﻭﻜﺎﻨﺕ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻨﺎﺘﺠﺔ ﻜﻤﺎ ﻓﻲ ﺸﻜل 15-9ﺍﻟﺘﺎﻟﻲ:
ﺸﻜل :15-9ﺒﻴﺎﻨﺎﺕ 6ﻤﻥ ﺍﻷﺸﺨﺎﺹ ﺤﻭل ﺩﺭﺠﺔ ﺘﻔﻀﻴﻠﻬﻡ ﻟﺨﻤﺱ ﺃﻨﻭﺍﻉ ﻤﻥ ﺍﻟﻤﺸﺭﻭﺒﺎﺕ Six people's ranks of five types of soft drinks in order of pleasingness TYPE5
TYPE4
TYPE3
TYPE2
TYPE1
3
4
5
1
2
Person 1
3
4
5
2
1
Person 2
5
2
4
3
1
Person 3
4
5
3
1
2
Person 4
3
4
5
1
2
Person 5
4
3
5
2
1
Person 6
ﻓﻁﺎﻟﻤﺎ ﺍﻋﺘﺒﺭﻨﺎ ﺃﻥ ﺃﻜﺜﺭ ﺃﻨﻭﺍﻉ ﺍﻟﻤﺸﺭﻭﺒﺎﺕ ﺃﻓﻀﻠﻴﺔ ﺘﺄﺨﺫ ﺩﺭﺠﺔ ﺃﻋﻠﻰ ﻓﺈﻨﻪ
ﻼ ﻟﺩﻯ ﺴﻴﺒﺩﻭ ﺒﺎﻟﻨﻅﺭ ﺇﻟﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﺸﻜل ﺍﻟﺴﺎﺒﻕ ﺃﻥ ﺍﻟﻨﻭﻉ ﺍﻟﺜﺎﻟﺙ ﻫﻭ ﺃﻜﺜﺭ ﺘﻔﻀﻴ ﹰ
ﻤﻌﻅﻡ ﻫﺅﻻﺀ ﺍﻷﺸﺨﺎﺹ ﻤﻥ ﺍﻟﻨﻭﻉ ﺍﻷﻭل ،ﻭﺤﻴﺙ ﺃﻥ ﺒﻴﺎﻨﺎﺕ ﺍﻷﻨﻭﺍﻉ ﺍﻟﺨﻤﺱ ﻓﻲ
ﺍﻟﺸﻜل ﻻ ﺘﻤﺜل ﺒﻴﺎﻨﺎﺕ ﻤﺘﻐﻴﺭﺍﺕ ﻤﺴﺘﻘﻠﺔ ﻭﺇﻨﻤﺎ ﺭﺘﺏ ﻟﻨﻔﺱ ﺍﻷﺸﺨﺎﺹ ﻓﺈﻥ ﺃﺴﻠﻭﺏ
ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻟﻌﺎﻤل ﻭﺍﺤﺩ ﺩﺍﺨل ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﻻ ﻴﻤﻜﻥ ﺍﺴﺘﺨﺩﺍﻤﻪ ﻫﻨﺎ ،ﻭﻟﻘﺩ ﺼﻤﻡ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ Friedman testﻟﻴﻜﻭﻥ ﻤﻨﺎﺴﺒﹰﺎ ﻟﻤﺜل ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺭﺘﻴﺒﻴﺔ .
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
329
ﻭﻹﺠﺭﺍﺀ ﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻨﻅﺎﻡ SPSSﻴﺠﺏ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Editorﺒﺎﻟﻁﺭﻴﻘﺔ ﺍﻟﻤﻌﺭﻭﻓﺔ ﻭﻓﻲ ﺨﻤﺱ ﻤﺘﻐﻴﺭﺍﺕ ﺘﻤﺎﻤﺎﹰ ﻜﻤﺎ ﺘﺒﺩﻭ ﻓﻲ
ﺍﻟﺸﻜل ،ﻭﻟﺘﻨﻔﻴﺫ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ ﺒﻌﺩ ﺫﻟﻙ ﻨﺘﺒﻊ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﺎﻟﻴﺔ :
• ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ) Analyzeﺃﻭ (Statisticsﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ
ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻼﻤﻌﻠﻤﻴﺔ Nonparametric Testsﻭﻤﻨﻬﺎ ﺍﺨﺘﺭ ﺃﻤﺭ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ
ﺍﻟﻤﺘﻌﺩﺩﺓ K Related Samplesﻟﺘﺤﺼل ﻋﻠﻰ ﻨﺎﻓﺫﺓ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ
ﺍﻟﻤﺘﻌﺩﺩﺓ ، Tests for Several Related Samplesﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﺒﻌﺩ ﺇﺩﺨﺎل ﺠﻤﻴﻊ ﺒﻴﺎﻨﺎﺘﻬﺎ ﻭﻫﻲ ﻓﻘﻁ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺘﻅﻬﺭ ﻓﻲ ﺍﻟﺸﻜل 16-9ﺃﺩﻨﺎﻩ. ﺸﻜل : 16-9ﻨﺎﻓﺫﺓ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ ﺍﻟﻤﺘﻌﺩﺩﺓ Tests for Several Related Samplesﻓﻲ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻼﻤﻌﻠﻤﻴﺔ Nonparametric Tests
• ﻋﺎﺩﺓ ﺘﺒﺩﻭ ﻗﺎﺌﻤﺔ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺍﻟﻤﺭﺒﻊ ﻋﻠﻰ ﺍﻟﺠﻬﺔ ﺍﻟﻴﺴﺭﻯ ﻤﻥ ﺘﻠﻙ ﺍﻟﻨﺎﻓﺫﺓ
ﻓﻴﺘﻡ ﺇﺯﺍﺤﺘﻬﺎ ﺇﻟﻰ ﻤﺭﺒﻊ ﺤﻭﺍﺭ ﻤﺘﻐﻴﺭﺍﺕ ﺍﻻﺨﺘﺒﺎﺭ Test Variablesﺒﺎﺴﺘﺨﺩﺍﻡ ﺍﻟﺴﻬﻡ،
ﻭﺘﺄﻜﺩ ﻤﻥ ﺃﻨﻪ ﺘﻡ ﺍﺨﺘﻴﺎﺭ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ Friedmanﻤﻥ ﺒﻴﻥ ﻗﺎﺌﻤﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ Test
Typeﻓﻲ ﺃﺴﻔل ﺘﻠﻙ ﺍﻟﻨﺎﻓﺫﺓ .
• ﺃﺨﻴﺭﹰﺍ ﺍﻀﻐﻁ ﻋﻠﻰ ﻤﺭﺒﻊ ﺍﻟﺘﻨﻔﻴﺫ OKﻓﻲ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ ﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ .
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
330
ﻭﺘﺒﺩﻭ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ Friedman testﻓﻲ ﻤﺤﺭﺭ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻲ ﻨﻅﺎﻡ SPSSﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل 17-9ﺃﺩﻨﺎﻩ ،ﻭﻫﻲ ﺘﻭﻀﺢ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺭﺘﺏ ﻓﻲ ﺠﺩﻭل
ﻤﺴﺘﻘل ﻭﺫﻭ ﻓﺎﺌﺩﺓ ﻀﺌﻴﻠﺔ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺭﺘﻴﺒﻴﺔ )ﺇﻟﻰ ﺍﻟﻴﺴﺎﺭ ﻤﻥ ﺍﻟﺸﻜل( ﻴﻠﻴﻪ
ﺠﺩﻭل ﺁﺨﺭ ﻴﻤﺜل ﻨﺘﺎﺌﺞ ﺍﻻﺨﺘﺒﺎﺭ ﺍﻟﻤﻁﻠﻭﺒﺔ ﺤﻴﺙ ﻴﻭﻀﺢ ﺠﻤﻴﻊ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻬﺎﻤﺔ
ﻭﻫﻲ ﻋﺩﺩ ﺍﻟﻤﻔﺭﺩﺍﺕ Nﻭﻗﻴﻤﺔ ﺩﺍﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ) Chi-Squareﻜﺎﻱ ﺘﺭﺒﻴﻊ( ﻭﺩﺭﺠﺎﺕ ﺤﺭﻴﺘﻬﺎ dfﻭﻤﻌﻨﻭﻴﺔ ﺍﻻﺨﺘﺒﺎﺭ ﺍﻟﺘﻘﺭﻴﺒﻴﺔ Asymp. Sig.ﻤﻤﺜﻠﺔ ﺒﻘﻴﻤﺔ ، p-valueﻭﻓﻲ
ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﺤﻴﺙ ﺃﻥ ﻗﻴﻤﺔ p-valueﺃﻗل ﻤﻥ 0.01ﻓﺈﻨﻪ ﻴﻤﻜﻨﻨﺎ ﺃﻥ ﻨﺴﺘﻨﺘﺞ ﺃﻥ ﻫﻨﺎﻙ
ﺍﺨﺘﻼﻑ ﻤﻌﻨﻭﻱ ﺒﻴﻥ ﺭﺘﺏ ﺍﻷﻨﻭﺍﻉ ﺍﻟﻤﺨﺘﻠﻔﺔ ﺃﻱ ﺩﺭﺠﺎﺕ ﺘﻔﻀﻴل ﺍﻷﺸﺨﺎﺹ ﻟﻬﺫﻩ ﺍﻟﻤﺸﺭﻭﺒﺎﺕ ﻤﺨﺘﻠﻔﺔ ﺒﺎﺨﺘﻼﻑ ﺍﻟﻨﻭﻉ ،ﻭﻴﻤﻜﻨﻨﺎ ﺼﻴﺎﻏﺔ ﺍﻟﻨﺘﻴﺠﺔ ﺒﺎﻟﺸﻜل ﺍﻟﺘﺎﻟﻲ:
Chi-square = 17.2 ; df = 4 ; p<0.01 ; Significant. ﺸﻜل : 17-9ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ Friedman Testﻟﻠﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺭﺘﻴﺒﻴﺔ ﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺭﺘﺏ
ﻨﺘﺎﺌﺞ ﺍﻻﺨﺘﺒﺎﺭ Test Statisticsa N
6 17.200
Chi-Square df
4 .002
Ranks
Asymp. Sig. a. Friedman Test
Mean Rank 1.50
TYPE1
1.67
TYPE2
4.50
TYPE3
3.67
TYPE4
3.67
TYPE5
.2 .6 .9اﺧﺘﺒﺎر آﻮآﺮان -آﻴﻮ ﻟﻠﺒﻴﺎﻧﺎت اﻟﻮﺻﻔﻴﺔ : Cochran’s Q Test For a Nominal Data : ﻭﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﻴﻨﺎﺴﺏ ﺍﻟﻤﻘﺎﺭﻨﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻓﻲ ﺒﻴﺎﻨﺎﺕ ﺘﺠﺎﺭﺏ ﻤﺜل
ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﺴﺎﺒﻘﺔ ﻭﻟﻜﻥ ﺍﻟﻘﻴﻡ ﺍﻟﺘﻲ ﺘﺄﺨﺫﻫﺎ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻏﻴﺭ ﻗﺎﺒﻠﺔ ﻟﻠﺘﺭﺘﻴﺏ ،ﺃﻱ ﻟﻥ
ﻴﺨﺘﻠﻑ ﺍﻟﻤﻌﻨﻰ ﺇﺫﺍ ﺘﻐﻴﺭ ﺘﺭﺘﻴﺏ ﻗﻴﻡ ﻫﺫﻩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ،ﻭﻟﺘﻭﻀﻴﺢ ﺫﻟﻙ ﻨﻔﺘﺭﺽ ﺃﻥ ﻫﻨﺎﻙ
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
331
ﺘﺠﺭﺒﺔ ﺃﺠﺭﻴﺕ ﻋﻠﻰ 6ﻤﻥ ﺍﻷﻁﻔﺎل ،ﻓﻁﻠﺏ ﻤﻥ ﻜل ﻤﻨﻬﻡ ﺃﻥ ﻴﺘﺨﻴل ﺃﻨﻪ ﻓﻲ ﺨﻤﺱ ﻤﻭﺍﻗﻑ ﻤﺨﺘﻠﻔﺔ ﻭﻋﻠﻰ ﻜل ﻤﻨﻬﻡ ﺃﻥ ﻴﺨﺘﺎﺭ ﻤﺎ ﺒﻴﻥ ﻁﺭﻴﻘﺘﻴﻥ :ﺍﻟﻁﺭﻴﻘﺔ ) Aﻭﺃﻋﻁﻴﺕ
ﺍﻟﻘﻴﻤﺔ (0ﻭﺍﻟﻁﺭﻴﻘﺔ ) Bﻭﺃﻋﻁﻴﺕ ﺍﻟﻘﻴﻤﺔ (1ﻭﻴﻤﻜﻨﻪ ﺍﻟﺘﺼﺭﻑ ﺒﺄﻱ ﻤﻨﻬﻤﺎ ﻓﻲ ﻜل ﻤﻥ
ﺘﻠﻙ ﺍﻟﻤﻭﺍﻗﻑ ،ﻭﺃﻋﻁﺕ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ )ﻓﻲ ﺸﻜل (18-9ﺍﻟﺘﺎﻟﻴﺔ ،ﻭﺒﺎﻟﻨﻅﺭ ﺇﻟﻰ ﻫﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻴﺘﻀﺢ ﺒﺴﻬﻭﻟﺔ ﺃﻥ ﺍﻟﻁﺭﻴﻘﺔ ) Bﺍﻟﺘﻲ ﺘﺄﺨﺫ ﺍﻟﻘﻴﻡ (1ﻗﺩ ﺘﻡ ﺍﺨﺘﻴﺎﺭﻫﺎ ﻓﻲ ﺒﻌﺽ
ﺍﻟﻤﻭﺍﻗﻑ ﺃﻜﺜﺭ ﻤﻥ ﻏﻴﺭﻫﺎ ﻤﻥ ﺍﻟﻤﻭﺍﻗﻑ ،ﻭﻴﻤﻜﻥ ﺍﺨﺘﺒﺎﺭ ﻤﺩﻯ ﺩﻗﺔ ﻫﺫﻩ ﺍﻟﻤﻼﺤﻅﺔ، ﻭﺍﻻﺨﺘﺒﺎﺭ ﺍﻟﻤﻨﺎﺴﺏ ﻟﻤﺜل ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻫﻭ ﺍﺨﺘﺒﺎﺭ ﻜﻭﻜﺭﺍﻥ – ﻜﻴﻭ Cochran's Q test
ﺍﻟﺫﻱ ﺼﻤﻡ ﺨﺼﻴﺼﹰﺎ ﻟﻼﺴﺘﺨﺩﺍﻡ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ ﻟﻠﺒﻴﺎﻨﺎﺕ ﺍﻟﻭﺼﻔﻴﺔ ﺫﺍﺕ ﺍﻟﻘﻴﻤﺘﻴﻥ ﻓﻘﻁ . dichotomous nominal data
ﺸﻜل : 18-9ﺒﻴﺎﻨﺎﺕ 6ﻤﻥ ﺍﻷﻁﻔﺎل ﺤﻭل ﻁﺭﻴﻘﺔ ﺍﻟﺘﺼﺭﻑ ﻓﻲ ﻜل ﻤﻥ ﺨﻤﺱ ﻤﻭﺍﻗﻑ Courses of action chosen by six children in five scenarios
Scene 2
Scene 1
Scene 3 Scene 4 Scene 5 1
1
1
0
0
Child 1
1
1
0
1
0
Child 2
1
1
1
1
1
Child 3
0
1
0
0
0
Child 4
0
0
0
0
0
Child 5
1
1
0
0
0
Child 6
ﻭﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺍﺨﺘﺒﺎﺭ ﻜﻭﻜﺭﺍﻥ -ﻜﻴﻭ ﻴﺘﻡ ﺍﺘﺒﺎﻉ ﻨﻔﺱ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﻲ ﺘﻡ
ﺘﻭﻀﻴﺤﻬﺎ ﻻﺴﺘﺨﺩﺍﻤﻬﺎ ﻓﻲ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺍﺨﺘﺒﺎﺭ ﻓﺭﻴﺩﻤﺎﻥ Friedman testﺍﻟﺴﺎﺒﻕ ﻭﻟﻜﻥ
ﺘﺄﻜﺩ ﻤﻥ ﺃﻨﻪ ﺘﻡ ﺍﺨﺘﻴﺎﺭ ﺍﺨﺘﺒﺎﺭ ﻜﻭﻜﺭﺍﻥ – ﻜﻴﻭ Cochran's Q testﻤﻥ ﺒﻴﻥ ﻗﺎﺌﻤﺔ
ﺍﻻﺨﺘﺒﺎﺭﺍﺕ Test Typeﻓﻲ ﺃﺴﻔل ﻨﺎﻓﺫﺓ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ ﺍﻟﻤﺘﻌﺩﺩﺓ Tests
for Several Related Samplesﻓﻲ ﺸﻜل ، 16-9ﺜﻡ ﺍﻀﻐﻁ ﻋﻠﻰ ﺃﻤﺭ ﺍﻟﺘﻨﻔﻴﺫ OKﻟﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺍﺨﺘﺒﺎﺭ ﻜﻭﻜﺭﺍﻥ– ﻜﻴﻭ Cochran's Q testﻭﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
332
ﺸﻜل : 19-9ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺍﺨﺘﺒﺎﺭ ﻜﻭﻜﺭﺍﻥ -ﻜﻴﻭ Cochran Q Testﻟﻠﺒﻴﺎﻨﺎﺕ ﺍﻟﻭﺼﻔﻴﺔ ﺫﺍﺕ ﺍﻟﻘﻴﻤﺘﻴﻥ ﻓﻘﻁ ﻓﻲ ﺍﻟﻌﻴﻨﺎﺕ ﺍﻟﻤﺭﺘﺒﻁﺔ dichotomous nominal data Cochran Test Test Statistics N
6 a
9.818
Value
Cochran's Q df
4 .044
Frequencies
Asymp. Sig.
a. 0 is treated as a success.
0
1 1
5
Scene 1
2
4
Scene 2
2
4
Scene 3
5
1
Scene 4
4
2
Scene 5
ﻭﺸﻜل 19-9ﺃﻋﻼﻩ ﻴﻭﻀﺢ ﻗﺎﺌﻤﺔ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺍﺨﺘﺒﺎﺭ ﻜﻭﻜﺭﺍﻥ – ﻜﻴﻭ Cochran's Q testﻋﻠﻰ ﺒﻴﺎﻨﺎﺕ ﺘﺠﺭﺒﺔ ﺍﻟﻤﻭﺍﻗﻑ ﻋﻠﻰ ﺍﻷﻁﻔﺎل ﺍﻟﺘﻲ ﺘﻡ ﻭﺼﻔﻬﺎ،
ﻭﺘﺒﻴﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﺃﻥ ﺍﻟﻔﺭﻭﻕ ﺒﻴﻥ ﻁﺭﻕ ﺍﻟﺘﺼﺭﻑ ﺍﻟﺘﻲ ﺘﺘﺒﻊ ﺒﻭﺍﺴﻁﺔ ﺍﻷﻁﻔﺎل ﻓﻲ
ﺍﻟﻤﻭﺍﻗﻑ ﺍﻟﺨﻤﺱ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻫﻲ ﻓﺭﻭﻕ ﻤﻌﻨﻭﻴﺔ ﻋﻨﺩ ﻤﺴﺘﻭﻯ ﺃﻗل ﻤﻥ 0.05ﻭﻟﻜﻥ ﻟﻴﺱ
ﺒﻤﺴﺘﻭﻯ ﻤﻌﻨﻭﻴﺔ ﺃﻗل ﻤﻥ ، 0.01ﻭﺫﻟﻙ ﻷﻥ ﻗﻴﻤﺔ p-valueﺍﻟﺘﻲ ﻴﺸﺎﺭ ﺇﻟﻴﻬﺎ ﺒﺎﻟﻤﻌﻨﻭﻴﺔ ﺍﻟﺘﻘﺭﻴﺒﻴﺔ Asymp. Sig.ﻓﻲ ﺍﻟﺸﻜل ﺒﺎﻟﻜﺎﺩ ﺃﻗل ﻤﻥ ، 0.05ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻴﻤﻜﻥ
ﺍﻟﺘﻌﺒﻴﺭ ﻋﻥ ﻨﺘﺎﺌﺞ ﻫﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﺇﺤﺼﺎﺌﻴﺎ ﻜﻤﺎ ﻴﻠﻲ :
Cochran Q = 9.82 ; df = 4 ; p < 0.05 ; significant.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
333
.7 .9ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﻓﻲ اﻟﺘﺠﺎرب داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت ذات ﻋﺎﻣﻠﻴﻦ : The Two-Factor Within Subjects ANOVA: ﻟﺘﻭﻀﻴﺢ ﺨﻁﻭﺍﺕ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻲ ﺍﺘﺠﺎﻫﻴﻥ ﻨﻔﺘﺭﺽ ﺃﻨﻪ ﺃﺠﺭﻴﺕ ﺘﺠﺭﺒﺔ ﻟﻠﺘﺤﻘﻕ ﻤﻥ ﺼﺤﺔ ﻨﻅﺭﻴﺔ ﺘﻨﺹ ﻋﻠﻰ ﺃﻥ ﻫﻨﺎﻙ ﺃﻨﻤﺎﻁ ﻤﻌﻴﻨﺔ ﻓﻲ ﺍﻟﺸﺎﺸﺔ ،ﻫﺫﻩ ﺍﻷﻨﻤﺎﻁ ﺘﺨﺘﻠﻑ ﻓﻲ ﺍﻟﺸﻜل Shapeﻭﻓﻲ ﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل ،Solidityﻭﻜﺎﻥ
ﺍﻟﻤﺘﻐﻴﺭ ﺍﻟﺘﺎﺒﻊ ﻫﻭ ﻋﺩﺩ ﺍﻷﺨﻁﺎﺀ ﺍﻟﺘﻲ ﻭﻗﻊ ﺒﻬﺎ ﺍﻟﻤﺸﺎﺭﻜﻭﻥ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ،ﻭﻜﺎﻥ
ﺍﻟﻌﺎﻤﻠﻴﻥ ﻫﻤﺎ ﺍﻟﺸﻜل ) Shapeﻭﻟﻪ ﺜﻼﺙ ﻤﺴﺘﻭﻴﺎﺕ :ﺩﺍﺌﺭﻱ Circleﻭﻤﺭﺒﻊ Square
ﻭﻤﺜﻠﺙ (Triangleﻭﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل ) Solidityﻭﻟﻪ ﻤﺴﺘﻭﻴﻴﻥ ﻫﻤﺎ :ﻤﺨﻁﻁ ﻤﻔﺭﻍ
Outlineﻭﻤﻅﻠل ،(Solidﻭﻴﻌﺘﻘﺩ ﺍﻟﺒﺎﺤﺙ ﺃﻥ ﻋﺎﻤل ﻨﻤﻁ ﺘﻅﻠﻴل ﺍﻟﺸﻜل ﻟﻪ ﺘﺄﺜﻴﺭ ﺒﺎﻟﻎ
ﻋﻠﻰ ﻗﺩﺭﺓ ﺍﻟﺸﺨﺹ ﻤﻥ ﺘﻤﻴﻴﺯﻩ ﺒﺴﺭﻋﺔ ﺃﻱ ﻟﻪ ﺘﺄﺜﻴﺭ ﻜﺒﻴﺭ ﻋﻠﻰ ﺍﻟﺨﻁﺄ ﺍﻟﺫﻱ ﻴﻤﻜﻥ ﺃﻥ
ﻴﻘﻊ ﺒﻪ ﻫﺫﺍ ﺍﻟﺸﺨﺹ ،ﻭﻟﻬﺫﻩ ﺍﻟﺘﺠﺭﺒﺔ ﺘﻡ ﺍﺴﺘﺨﺩﺍﻡ ﻨﻔﺱ ﺍﻟﻤﺸﺎﺭﻜﻴﻥ ﻟﺠﻤﻴﻊ ﺍﻟﺘﺸﻜﻴﻼﺕ
ﺍﻟﻤﻤﻜﻨﺔ ﺍﻟﻤﻜﻭﻨﺔ ﻤﻥ ﺃﺯﻭﺍﺝ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ ،ﺃﻱ ﺃﻥ ﺍﻟﺘﺠﺭﺒﺔ ﺼﻤﻤﺕ ﻟﺘﻜﻭﻥ ﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ )ﺃﻱ ﻗﻴﺎﺴﺎﺕ ﻤﺘﻜﺭﺭﺓ repeated measures
ﻋﻠﻰ ﻜل ﻤﻥ ﻋﺎﻤﻠﻴﻥ( ،ﻭﺃﻋﻁﺕ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺍﻟﻤﺒﻴﻨﺔ ﻓﻲ ﺍﻟﺸﻜل 20-9ﺃﺩﻨﺎﻩ.
ﻭﻴﺠﺩﺭ ﺒﺎﻟﺫﻜﺭ ﺃﻥ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺫﺍﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺃﻭ ﺃﻜﺜﺭ ﺘﺘﻁﻠﺏ
ﻋﺎﺩﺓ ﺘﻭﺨﻲ ﺍﻟﺩﻗﺔ ﻭﺍﻟﺤﺫﺭ ﺍﻟﻜﺒﻴﺭﻴﻥ ﻓﻲ ﺍﻟﺘﺤﻠﻴل ،ﻭﺫﻟﻙ ﻷﻨﻪ ﺴﻴﻜﻭﻥ ﻓﻲ ﻤﺜل ﻫﺫﻩ
ﺍﻟﺤﺎﻻﺕ ﻋﺎﺩﺓ ﺘﺸﺎﺒﻙ ﻜﺒﻴﺭ ﻓﻲ ﺒﻴﺎﻨﺎﺕ ﻤﺜل ﻫﺫﻩ ﺍﻟﺘﺠﺎﺭﺏ ،ﻭﻟﺫﻟﻙ ﻴﺠﺏ ﺍﻟﺘﺄﻜﺩ ﻤﻥ ﺃﻥ
ﻨﻅﺎﻡ SPSSﻗﺩ ﺘﻌﺭﻑ ﺒﺩﻗﺔ ﻋﻠﻰ ﺃﻱ ﻤﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺘﻡ ﺍﻟﺤﺼﻭل ﻋﻠﻴﻬﺎ ﻓﻲ ﻅل ﻜل
ﺘﺸﻜﻴﻠﺔ ﻟﺯﻭﺝ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ ،ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻫﻨﺎﻙ 6ﻤﺸﺎﻫﺩﺍﺕ ﻟﻜل ﻤﻔﺭﺩﺓ ﻤﻥ ﻤﻔﺭﺩﺍﺕ ﺍﻟﺘﺠﺭﺒﺔ ،ﻭﻜل ﻤﺸﺎﻫﺩﺓ ﻫﻲ ﻋﺒﺎﺭﺓ ﻋﻥ ﻗﻴﺎﺱ ﻤﺤﺩﺩ ﺘﻡ ﺍﻟﺤﺼﻭل ﻋﻠﻴﻪ ﻓﻲ
ﻅل ﺘﺸﻜﻴﻠﺔ ﻤﺨﺘﻠﻔﺔ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ ،ﻭﻴﻤﻜﻨﻨﺎ ﺘﺴﻤﻴﺔ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻓﻲ ﺍﻟﺒﻴﺎﻨﺎﺕ ﺒﺄﺴﻤﺎﺀ ﻤﺜل crisolﻭ circlinﻭ squarsolﻭ squarlinﻭ triansolﻭ trianlin
ﻟﺘﻤﺜل ﺠﻤﻴﻊ ﺍﻟﺘﺸﻜﻴﻼﺕ ﺍﻟﺴﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﺍﻟﻤﻤﻜﻨﺔ ﻤﻥ ﺃﺯﻭﺍﺝ ﻤﺴﺘﻭﻴﺎﺕ ﻋﺎﻤﻠﻲ ﺍﻟﺸﻜل
Shapeﻭﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل ، Solidityﻭﻓﻲ ﺤﺎﻟﺔ ﻤﺎ ﺇﺫﺍ ﻜﺎﻥ ﻫﻨﺎﻙ ﻋﺩﺩ ﻜﺒﻴﺭ ﻤﻥ ﻤﺜل
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
334
ﻼ ﻫﺫﻩ ﺍﻟﺘﺸﻜﻴﻼﺕ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﻓﺭﺒﻤﺎ ﺴﻭﻑ ﻴﻜﻭﻥ ﺘﺴﻤﻴﺔ ﻜل ﻤﺘﻐﻴﺭ ﻤﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻋﻤ ﹰ ﻼ ﻭﺸﺎﻗﹰﺎ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺍﺴﺘﺨﺩﺍﻡ ﺍﻷﺴﻤﺎﺀ ﺍﻟﺘﻠﻘﺎﺌﻴﺔ ﻟﻠﻤﺘﻐﻴﺭﺍﺕ ﻤﺜل ﻁﻭﻴ ﹰ
ﺍﻷﺴﻤﺎﺀ var00001ﻭ var00002ﻭ ، ...ﻭﻟﻜﻥ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻴﺠﺏ ﺘﻭﺨﻲ ﺍﻟﻤﺯﻴﺩ
ﻤﻥ ﺍﻟﺤﺫﺭ ﺤﺘﻰ ﻻ ﻴﻨﺴﻰ ﺍﻟﻤﺴﺘﺨﺩﻡ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺃﻱ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺘﻤﺜل ﻜل ﺘﺸﻜﻴﻠﺔ
ﻤﻥ ﺘﺸﻜﻴﻼﺕ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﻭﺍﻤل ﺍﻟﻤﺨﺘﻠﻔﺔ ،ﻫﺫﻩ ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﻴﺠﺏ ﺃﻥ ﺘﻅل ﻗﻴﺩ
ﺍﻻﻫﺘﻤﺎﻡ ﺨﺎﺼﺔ ﻋﻨﺩ ﺍﻟﻭﺼﻭل ﺇﻟﻰ ﺘﺤﺩﻴﺩ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻋﻨﺩ ﺘﻨﻔﻴﺫ ﺃﻤﺭ
ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ.
ﺸﻜل : 20-9ﺒﻴﺎﻨﺎﺕ 10ﻤﻥ ﺍﻷﺸﺨﺎﺹ ﺘﻤﺜل ﺍﻷﺨﻁﺎﺀ ﻓﻲ ﺍﻟﺘﻌﺭﻑ ﻋﻠﻰ ﺃﺸﻜﺎل ﻤﺨﺘﻠﻔﺔ
ﻓﻲ ﺘﺸﻜﻴﻼﺕ ﻤﺨﺘﻠﻔﺔ ﻤﻥ ﻋﺎﻤﻠﻲ ﺍﻟﺸﻜل Shapeﻭﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل Solidityﻓﻲ ﺍﻟﺸﺎﺸﺔ ﻓﻲ ﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ. Results of Two-Factor Within Subjects Experiment Triangle
Circle
Square
Outline
Solid
Outline
Solid
Outline
Solid
Case
5
7
8
2
2
4
1
9
8
6
2
6
3
2
3
5
5
2
10
2
3
9
2
5
5
8
1
4
10
5
5
4
6
4
5
12
9
6
4
6
3
6
8
4
6
2
12
7
7
10
0
5
9
10
6
8
12
8
6
7
5
4
9
12
10
8
12
12
2
10
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
335
ﻭﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻻﺒﺩ ﻤﻥ ﺍﻟﺘﺫﻜﻴﺭ ﺒﺤﻘﻴﻘﺔ ﺃﻥ ﻨﻅﺎﻡ SPSSﻴﻌﺎﻤل ﻜل ﺘﺸﻜﻴﻠﺔ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺩﺍﺨل ﺍﻟﻤﻌﺎﻟﺠﺎﺕ ﻤﻥ ﺍﻟﺘﺸﻜﻴﻼﺕ ﺍﻟﺴﺕ ﻜﻤﺘﻐﻴﺭ ﺘﺎﺒﻊ ﻗﺎﺌﻡ ﺒﺫﺍﺘﻪ،
ﻭﻟﻬﺫﺍ ﻓﺈﻨﻪ ﻴﻤﻜﻨﻨﺎ ﺃﻥ ﻨﺭﻯ ﺃﻥ ﻤﺠﻤﻭﻋﺔ ﺍﻷﺴﻤﺎﺀ ﺍﻟﺴﺕ crisolﻭ circlinﻭ
squarsolﻭ squarlinﻭ triansolﻭ trianlinﺍﻟﺘﻲ ﺘﻤﺜل 6ﻤﺘﻐﻴﺭﺍﺕ ﺘﻅﻬﺭ ﻓﻲ
ﺸﻜل 6ﺃﻋﻤﺩﺓ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻨﻅﺎﻡ SPSSﻜﻤﺎ ﻴﻅﻬﺭ ﻓﻲ ﺸﻜل .21-9
ﻭﻟﺘﺠﻬﻴﺯ ﺒﻴﺎﻨﺎﺕ ﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻟﻠﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ﻻﺒﺩ ﺃﻥ ﻴﻅﻬﺭ
ﺸﻜل ﻤﻠﻑ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Editorﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل ،21-9ﻭﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﺘﻡ ﺇﺩﺨﺎل ﺍﻟﺒﻴﺎﻨﺎﺕ ﻜﻤﺎ ﺴﺒﻕ ﻭﺼﻔﻪ ﺇﻻ ﺃﻥ ﻫﻨﺎﻙ ﻋﻤﻭﺩﹰﺍ ﺇﻀﺎﻓﻴﹰﺎ ﻓﻲ ﺍﻟﻤﺤﺭﺭ ﺨﺎﺹ ﺒﺭﻗﻡ ﺍﻟﻤﻔﺭﺩﺓ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ.
ﺸﻜل : 21-9ﺠﺎﻨﺏ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ Data Editorﻓﻲ ﻨﻅﺎﻡ SPSSﻴﺒﻴﻥ ﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺸﻜﻴﻼﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻤﻥ ﻋﺎﻤﻠﻴﻥ ﻓﻲ ﺘﺠﺭﺒﺔ ﺩﺍﺨل ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﺫﺍﺕ ﻋﺎﻤﻠﻴﻥ.
ﻭﺍﻵﻥ ﻟﺒﺩﺀ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ﻟﻬﺫﻩ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻭﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﻓﻲ ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﻌﺎﻟﺠﺎﺕ ﺫﺍﺕ ﻋﺎﻤل ﻭﺍﺤﺩ ﻴﺴﺘﺨﺩﻡ ﺃﻤﺭ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ GLM-
Repeated Measuresﻓﻲ ﻗﺎﺌﻤﺔ ﺃﻭﺍﻤﺭ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ General Linear
Modelsﻜﻤﺎ ﻴﻠﻲ:
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
336
• ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺍﻟﺘﺤﻠﻴل ﺍﻹﺤﺼﺎﺌﻲ ﻤﻥ ﺍﻟﻘﺎﺌﻤﺔ ﺍﻟﺭﺌﻴﺴﻴﺔ ﻟﻨﻅﺎﻡ SPSSﻭﻤﻨﻬﺎ ﺍﺨﺘﺭ ﻗﺎﺌﻤﺔ ﺃﻭﺍﻤﺭ ﺍﻟﻨﻤﺎﺫﺝ ﺍﻟﺨﻁﻴﺔ ﺍﻟﻌﺎﻤﺔ General Linear Modelsﺜﻡ ﺃﻤﺭ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ، GLM-Repeated Measuresﻭﺒﻬﺫﺍ ﺘﻔﺘﺢ ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻨﻭﺍﻓﺫ ﻴﺘﻡ
ﺘﻌﺒﺌﺘﻬﺎ ﻜﻤﺎ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﺒﺎﺴﺘﺜﻨﺎﺀ ﺃﻥ ﻫﻨﺎﻙ ﻋﺎﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
)ﻗﻴﺎﺴﺎﺕ ﻤﺘﻜﺭﺭﺓ (Repeated Measuresﺇﻀﺎﻓﻲ ﻻﺒﺩ ﻤﻥ ﺘﻌﺭﻴﻔﻪ ﻟﻠﻨﻅﺎﻡ ،ﻭﻓﻲ ﺸﻜل 22-9ﺘﻅﻬﺭ ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ
Repeated
) Measures Define Factor(sﻭﻗﺩ ﺘﻡ ﺒﻬﺎ ﺘﻌﺭﻴﻑ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺍﻟﺸﻜل shapeﻭﻨﻤﻁ
ﺍﻟﺘﻅﻠﻴل solidityﻭﻜﺫﻟﻙ ﻋﺩﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﻜل ﻋﺎﻤل ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﺍﻟﺘﻲ ﺘﻡ ﺘﻭﻀﻴﺤﻬﺎ ﻓﻲ ﺍﻟﻤﺜﺎل .
ﺸﻜل : 22-9ﻨﺎﻓﺫﺓ ﺘﻌﺭﻴﻑ ﺍﻟﻌﻭﺍﻤل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ Repeated ) Measures Define Factor(sﺒﻌﺩ ﺇﺩﺨﺎل ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﺒﻬﺎ
• ﻭﺒﻌﺩ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﻤﺭﺒﻊ ﺍﻟﺘﻌﺭﻴﻑ Defineﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﺴﻭﻑ ﺘﻅﻬﺭ ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ Repeated Measures Define
) Factor(sﻜﻤﺎ ﻓﻲ ﺸﻜل 23-9ﺃﺩﻨﺎﻩ ﻭﺘﻅﻬﺭ ﺒﻪ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺍﻟﺴﺕ ﻓﻲ ﻗﺎﺌﻤﺔ ﻤﺭﺘﺒﺔ ﺘﺭﺘﻴﺒﺎﹰ ﺃﺒﺠﺩﻴﹰﺎ ﻋﻠﻰ ﻴﺴﺎﺭ ﻭﻓﻲ ﺃﻋﻠﻰ ﻫﺫﻩ ﺍﻟﻨﺎﻓﺫﺓ.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
337
ﺸﻜل : 23-9ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ Repeated ) Measures Define Factor(sﻗﺒل ﺇﺩﺨﺎل ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﺒﻬﺎ
ﻭﻋﻠﻰ ﻴﻤﻴﻥ ﺍﻟﻨﺎﻓﺫﺓ ﻭﻓﻲ ﺍﻟﻤﺭﺒﻊ ﺒﻌﻨﻭﺍﻥ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
] Within Subjects Variables [shape, solidityﺘﻅﻬﺭ ﻗﺎﺌﻤﺔ ﺒﺠﻤﻴﻊ ﺍﻟﺘﺸﻜﻴﻼﺕ ﺍﻟﻤﻤﻜﻨﺔ ﻟﻠﺭﻤﻭﺯ ﺍﻟﻤﻤﺜﻠﺔ ﻟﻤﺴﺘﻭﻴﺎﺕ ﻜل ﻤﻥ ﻋﺎﻤﻠﻲ ﺍﻟﻤﻌﺎﻟﺠﺎﺕ ،ﻭﻋﻠﻰ ﻴﺴﺎﺭ ﺍﻟﻨﺎﻓﺫﺓ ﺘﻅﻬﺭ ﺃﺴﻤﺎﺀ ﺠﻤﻴﻊ ﺘﺸﻜﻴﻼﺕ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﺴﺕ ،ﻭﻫﻨﺎ ﻴﺠﺏ ﺘﻭﺨﻲ ﺍﻟﺤﺫﺭ ﻭﻋﺩﻡ ﺍﻟﺘﺴﺭﻉ ﻋﻨﺩ ﺇﺯﺍﺤﺔ ﺘﻠﻙ ﺍﻷﺴﻤﺎﺀ ﻤﻥ ﺍﻟﻤﺭﺒﻊ ﺍﻷﻴﺴﺭ ﺇﻟﻰ ﺍﻟﻤﺭﺒﻊ ﺍﻷﻴﻤﻥ ﻭﺫﻟﻙ ﻟﻠﺤﻔﺎﻅ
ﻋﻠﻰ ﺘﺭﺘﻴﺏ ﺍﻟﺭﻤﻭﺯ ﻭﺍﻷﺭﻗﺎﻡ ﺍﻟﻤﻌﺒﺭﺓ ﻋﻥ ﺭﻗﻡ ﺍﻟﻤﺴﺘﻭﻯ ﻓﻲ ﺍﻟﻌﺎﻤل ﺍﻷﻭل ﻴﻠﻴﻪ ﺭﻗﻡ
ﺍﻟﻤﺴﺘﻭﻯ ﻓﻲ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻨﻲ ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﻭﺫﻟﻙ ﻓﻲ ﺍﻟﻤﺭﺒﻊ ﺍﻷﻴﻤﻥ ،ﻓﺎﻷﺭﻗﺎﻡ )(1,1
ﺘﻌﺒﺭ ﻋﻥ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل ﻤﻥ ﺍﻟﻌﺎﻤل ﺍﻷﻭل ﻭﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل ﻤﻥ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻨﻲ، ﻼ ﺘﻌﺒﺭ ﻋﻥ ﺍﻟﻤﺴﺘﻭﻯ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﺍﻟﻌﺎﻤل ﺍﻷﻭل ﻭﻫﻜﺫﺍ ﻓﺈﻥ ﺍﻷﺭﻗﺎﻡ ) (3,1ﻤﺜ ﹰ
ﻭﺍﻟﻤﺴﺘﻭﻯ ﺍﻷﻭل ﻤﻥ ﺍﻟﻌﺎﻤل ﺍﻟﺜﺎﻨﻲ ﻭﻫﻜﺫﺍ ..ﻭﺒﻴﻨﻤﺎ ﺘﻅﻬﺭ ﺃﺭﻗﺎﻡ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﻫﺫﺍ
ﺍﻟﻤﺭﺒﻊ ﺤﺴﺏ ﻗﻴﻤﻬﺎ ﺇﻻ ﺃﻥ ﺃﺴﻤﺎﺀ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ ﻗﺩ ﺘﻅﻬﺭ ﻤﺭﺘﺒﺔ ﺃﺒﺠﺩﻴﺎﹰ ،ﻟﺫﻟﻙ ﻴﺠﺏ ﺍﻟﺤﺫﺭ ﻋﻨﺩ ﺘﺤﻭﻴل ﺍﺴﻡ ﻜل ﺍﻟﻤﺘﻐﻴﺭ ﻓﻲ ﺍﻟﻘﺎﺌﻤﺔ ﺇﻟﻰ ﻤﻜﺎﻨﻪ ﺍﻟﻤﻨﺎﺴﺏ ﻓﻲ ﺍﻟﻤﺭﺒﻊ ﺍﻷﻴﻤﻥ.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
338
• ﻭﻋﻨﺩ ﺘﺤﻭﻴل ﺃﺴﻤﺎﺀ ﺠﻤﻴﻊ ﺘﺸﻜﻴﻼﺕ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺇﻟﻰ ﻤﻜﺎﻨﻬﺎ ﺍﻟﻤﻨﺎﺴﺏ ﺴﻭﻑ ﻴﻅﻬﺭ ﺍﻟﻤﺭﺒﻊ ﺍﻟﻌﻠﻭﻱ ﺍﻷﻴﻤﻥ ﻓﻲ ﺍﻟﻨﺎﻓﺫﺓ ﺍﻟﺴﺎﺒﻘﺔ ﺘﻤﺎﻤﺎﹰ ﻜﻤﺎ ﻓﻲ ﺍﻟﺸﻜل 24-9ﺃﺩﻨﺎﻩ. • ﻴﻔﻀل ﻤﻊ ﻫﺫﺍ ﺍﻷﻤﺭ ﻋﺎﺩﺓ ﻁﻠﺏ ﺤﺴﺎﺏ ﺍﻟﻤﻘﺎﻴﻴﺱ ﺍﻟﻭﺼﻔﻴﺔ
Descriptive
،Statisticsﻭﻫﺫﻩ ﻴﻤﻜﻥ ﺍﻟﺤﺼﻭل ﻋﻠﻴﻬﺎ ﻋﻥ ﻁﺭﻴﻕ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﻤﺭﺒﻊ ﺍﻟﺨﻴﺎﺭﺍﺕ Optionsﻓﻲ ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ
) Repeated Measures Define Factor(sﻓﻲ ﺸﻜل ،23-9ﻭﻓﻲ ﻨﺎﻓﺫﺓ ﺍﻟﺨﻴﺎﺭﺍﺕ Optionsﺍﻟﻨﺎﺘﺠﺔ ﻴﻤﻜﻥ ﺍﻟﻀﻐﻁ ﻋﻠﻰ ﻤﺭﺒﻊ ﺤﺴﺎﺏ ﺍﻟﻤﻘﺎﻴﻴﺱ ﺍﻟﻭﺼﻔﻴﺔ .
• ﻭﻓﻲ ﺍﻟﻨﻬﺎﻴﺔ ﺍﻀﻐﻁ ﺃﻤﺭ ﺍﻻﺴﺘﻤﺭﺍﺭ Continueﺜﻡ ﺃﻤﺭ ﺍﻟﺘﻨﻔﻴﺫ OKﻟﺘﻨﻔﻴﺫ ﺍﻷﻤﺭ
ﺍﻟﻤﻁﻠﻭﺏ ﻭﺍﻟﺤﺼﻭل ﻋﻠﻰ ﺍﻟﻨﺘﺎﺌﺞ.
ﺸﻜل : 24-9ﺠﺎﻨﺏ ﻤﻥ ﻨﺎﻓﺫﺓ ﺘﺤﺩﻴﺩ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺫﺍﺕ ﺍﻟﻘﻴﺎﺴﺎﺕ ﺍﻟﻤﺘﻜﺭﺭﺓ ) Repeated Measures Define Factor(sﺒﻌﺩ ﺇﺩﺨﺎل ﺍﻟﻤﻌﻠﻭﻤﺎﺕ ﺍﻟﻤﻁﻠﻭﺒﺔ ﺒﻬﺎ
ﻭﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﻓﻲ ﺤﺎﻟﺔ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻟﻌﺎﻤل ﻭﺍﺤﺩ ﺩﺍﺨل
ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﺈﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻤﻜﺜﻔﺔ ﻭﻁﻭﻴﻠﺔ ﻭﻟﻴﺱ ﻜل ﻤﺎ ﺒﻬﺎ ﻀﺭﻭﺭﻱ ﻭﻤﻬﻡ ﻟﺤﺎﻻﺕ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻋﻨﺩﻤﺎ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﻤﺘﻐﻴﺭ ﺘﺎﺒﻊ
ﻭﺍﺤﺩ )ﺃﻱ ﺒﺎﺴﺘﺨﺩﺍﻡ ﺩﺍﻟﺔ ﺍﻻﺨﺘﺒﺎﺭ ،(Fﻓﻬﻨﺎﻙ 3ﺒﻨﻭﺩ ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻴﻤﻜﻥ ﺤﺫﻓﻬﺎ ﻤﺒﺎﺸﺭﺓ ﻭﺩﻭﻥ ﺍﻟﻨﻅﺭ ﺇﻟﻴﻬﺎ ﻭﺫﻟﻙ ﻋﻥ ﻁﺭﻴﻕ ﺘﺤﺩﻴﺩ ﻋﻨﺎﻭﻴﻨﻬﺎ ﻓﻲ ﻗﺎﺌﻤﺔ ﻋﻨﺎﻭﻴﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻲ
ﺍﻟﺠﺯﺀ ﺍﻷﻴﺴﺭ ﻤﻥ ﻤﺤﺭﺭ ﺍﻟﻨﺘﺎﺌﺞ SPSS Viewerﺜﻡ ﺤﺫﻓﻬﺎ ﺒﺎﺴﺘﺨﺩﺍﻡ ﻤﻔﺘﺎﺡ ﺍﻟﺤﺫﻑ
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
339
ﺸﻜل : 25-9ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤﻠﻴﻥ . Two-factor within subjects experiment General Linear Model Within-Subjects Factors Measure: MEASURE_1 Dependent Variable
SHAPE SOLIDITY
CIRCSOL
1
CIRCLIN
2
SQUARSOL
1
SQUARLIN
2
TRIANSOL
1
TRIANLIN
2
1 2 3
Descriptive Statistics N
Std. Deviation
Mean
10
1.84
3.60
Solid
10
3.27
7.70
Outline
10
3.45
4.90
Solid
10
1.15
6.00
Outline
10
3.19
5.80
Solid
10
3.02
9.00
Outline
deleteﻓﻲ ﻟﻭﺤﺔ ﺍﻟﻤﻔﺎﺘﻴﺢ ،ﻫﺫﻩ ﺍﻟﺒﻨﻭﺩ ﻫﻲ :ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﻌﺩﺩﺓ ﺍﻟﻤﺘﻐﻴﺭﺍﺕ
Multivariate Testsﻭﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺘﺒﺎﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Tests of Within- ، Subjects Contrastsﻭﺍﺨﺘﺒﺎﺭﺍﺕ ﺍﻵﺜﺎﺭ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Tests of Between-
) Subjects Effectsﻓﻲ ﻫﺫﺍ ﺍﻟﻤﺜﺎل ﻻ ﻴﻭﺠﺩ ﻤﺘﻐﻴﺭﺍﺕ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ( ،ﻭﻜﻤﺎ ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﺨﺎﺹ ﺒﺤﺎﻟﺔ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻟﻌﺎﻤل ﻭﺍﺤﺩ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﻘﺩ ﺘﻡ
ﺘﻘﺴﻴﻡ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻫﻨﺎ ﺇﻟﻰ 3ﺃﻗﺴﺎﻡ ﺴﻨﻌﺭﻀﻬﺎ ﻓﻲ 3ﺃﺸﻜﺎل ﻤﺨﺘﻠﻔﺔ ﻟﺘﻭﻀﻴﺢ ﺠﻤﻴﻊ
ﺒﻨﻭﺩ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻫﻲ ﺍﻷﺸﻜﺎل 25-9ﻭ 26-9ﻭ 27-9ﻋﻠﻰ ﺍﻟﺘﺭﺘﻴﺏ.
( ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ9)
340
ﻋﻨﻭﺍﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻭﻗﺎﺌﻤﺔ ﺍﻟﻌﻭﺍﻤل25-9 ﻭﻴﺒﻴﻥ ﺍﻟﺠﺯﺀ ﺍﻷﻭل ﻤﻥ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻲ ﺸﻜل ﻭﻤﺴﺘﻭﻴﺎﺘﻬﺎ ﻭﺃﺴﻤﺎﺀ ﺍﻟﺘﺸﻜﻴﻼﺕWithin-Subjects Factors ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ Descriptive
ﺍﻟﻤﺨﺘﻠﻔﺔ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻭﻜﺫﻟﻙ ﺍﻹﺤﺼﺎﺀﺍﺕ ﺍﻟﻭﺼﻔﻴﺔ
ﺍﻟﺘﻲ ﺘﻡ ﺍﺨﺘﻴﺎﺭﻫﺎ ﻭﺘﺸﻤل ﻋﺩﺩ ﺍﻟﻤﻔﺭﺩﺍﺕ ﻭﺍﻟﻤﺘﻭﺴﻁ ﻭﺍﻻﻨﺤﺭﺍﻑ ﺍﻟﻤﻌﻴﺎﺭﻱStatistics .ﻟﻜل ﻤﺠﻤﻭﻋﺔ ﻤﻥ ﺍﻟﻤﺸﺎﻫﺩﺍﺕ ﻤﻤﺜﻠﺔ ﻟﻜل ﺘﺸﻜﻴﻠﺔ ﻤﻥ ﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻌﺎﻤﻠﻴﻥ
( ﻴﻌﻁﻲ ﻨﺘﺎﺌﺞ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ26-9 ﻭﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ )ﺸﻜل
ﻻﺨﺘﺒﺎﺭ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ ﺍﻟﺫﻱ ﻴﻌﺘﺒﺭMauchly's Test of Sphericity ﻟﻠﺩﺍﺌﺭﻴﺔ .ﻀﺭﻭﺭﻴﹰﺎ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻟﺔ ﻓﻲ
ANOVA
ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻨﻲ ﻤﻥ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ: 26-9 ﺸﻜل
Two-factor within subjects experiment ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤﻠﻴﻥ Mauchly's Test of Sphericityb Measure: MEASURE_1
Epsilona Within Subjects Effect SHAPE
Approx. Mauchly's ChiW Square
df
Sig.
Greenhouse Huynh Lower-Geisser -Feldt bound
.666
3.248
2
.195
.750
.866
.500
SOLIDITY
1.000
.000
0
.
1.000
1.000
1.000
SHAPE * SOLIDITY
.903
.821
2
.663
.911
1.000
.500
Tests the null hypothesis that the error covariance matrix of the orthonormalized transformed dependent variables is proportional to an identity matrix. a. May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in the Tests of Within-Subjects Effects table. b. Design: Intercept Within Subjects Design: SHAPE+SOLIDITY+SHAPE*SOLIDITY
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
341
ﻻﺤﻅ ﻫﻨﺎ ﻭﺠﻭﺩ ﻋﺎﻤﻠﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﺨﻼﻑ ﺍﻟﺸﻜل 13-9ﺤﻴﺙ ﻟﻡ ﻴﻜﻥ ﻫﻨﺎﻙ ﺴﻭﻯ ﻋﺎﻤل ﻭﺍﺤﺩ ،ﻻﺤﻅ ﺃﻴﻀﺎ ﻤﻥ ﻫﺫﺍ ﺍﻟﺸﻜل ﺃﻥ ﻫﺫﺍ ﺍﻻﺨﺘﺒﺎﺭ ﻏﻴﺭ ﻗﺎﺒل ﻟﻠﺘﻁﺒﻴﻕ ﻋﻨﺩﻤﺎ ﻻ ﻴﻜﻭﻥ ﻫﻨﺎﻙ ﺴﻭﻯ ﻤﺴﺘﻭﻴﻴﻥ ﻓﻘﻁ ﻟﻠﻌﺎﻤل ﻜﻤﺎ ﻫﻭ ﺍﻟﺤﺎل ﻓﻲ ﻋﺎﻤل
ﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل ، Solidityﻭﻤﻥ ﺍﻟﺸﻜل ﻨﺴﺘﻨﺘﺞ ﺃﻥ ﺍﻻﺨﺘﺒﺎﺭ ﻏﻴﺭ ﻤﻌﻨﻭﻱ ﻓﻲ ﻜل ﻤﻥ ﻋﺎﻤل ﺍﻟﺸﻜل Shapeﻭﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﺸﻜل ﻭﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل ،ﺃﻱ ﺃﻨﻪ ﻻ ﻴﻭﺠﺩ ﺩﻟﻴل ﻀﺩ
ﻓﺭﻀﻴﺔ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﺴﻭﻑ ﻨﻨﻅﺭ ﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVA
Tableﻓﻘﻁ ﺇﻟﻰ ﺍﻟﺴﻁﺭ ﺍﻟﺨﺎﺹ ﺒﺼﺤﺔ ﻓﺭﻀﻴﺔ ﺍﻟﺘﺠﺎﻨﺱ .Sphericity Assumed ﺸﻜل : 27-9ﺍﻟﺠﺯﺀ ﺍﻟﺜﺎﻟﺙ ﻤﻥ ﻨﺘﺎﺌﺞ ﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVAﻓﻲ
ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺒﻌﺎﻤﻠﻴﻥ Two-factor within subjects experiment Tests of Within-Subjects Effects Measure: MEASURE_1
F
Mean Square
df
Type III Sum of Squares
.076
2.981
23.017
2
46.033
7.720
.000
54.56
.270
1.410
Sig.
Source Sphericity Assumed
SHAPE
138.967 18
Sphericity Assumed
)Error(SHAPE
117.60
1
117.600
Sphericity Assumed
SOLIDITY
2.156
9
19.400
Error(SOLIDITY) Sphericity Assumed
11.850
2
23.700
Sphericity Assumed
* SHAPE SOLIDITY
8.406
151.300 18
Sphericity Assumed
*Error(SHAPE )SOLIDITY
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
342
ﻭﺸﻜل 27-9ﻴﻭﻀﺢ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ ANOVA Tableﻓﻲ ﻗﺎﺌﻤﺔ ﺍﺨﺘﺒﺎﺭﺍﺕ ﺃﺜﺭ ﺍﻟﻌﻭﺍﻤل ﺩﺍﺨل ﺍﻟﻤﻌﺎﻟﺠﺎﺕ Tests of Within-Subjects Effects
ﻟﻠﻌﺎﻤﻠﻴﻥ ﺍﻟﺸﻜل Shapeﻭﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل Solidityﻭﺍﻟﺘﻔﺎﻋل Their interaction
ﺒﻴﻨﻬﻤﺎ ﻭﻟﻜﻥ ﺒﻌﺩ ﺤﺫﻑ ﺠﻤﻴﻊ ﺍﻟﺴﻁﻭﺭ ﺍﻟﻐﻴﺭ ﻤﻼﺌﻤﺔ ﻤﻨﻪ ،ﻓﺤﻴﺙ ﺃﻨﻪ ﺘﺒﻴﻥ ﻤﻥ ﺍﺨﺘﺒﺎﺭ ﻤﻭﺸﻠﻲ ﻟﻠﺩﺍﺌﺭﻴﺔ Mauchly's Test of Sphericityﻻﺨﺘﺒﺎﺭ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ ﺃﻨﻪ ﻻ
ﻴﻭﺠﺩ ﺩﻟﻴل ﻀﺩ ﻓﺭﻀﻴﺔ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ ﻓﺈﻨﻨﺎ ﻟﻥ ﻨﻨﻅﺭ ﻓﻲ ﺠﺩﻭل ﺘﺤﻠﻴل ﺍﻟﺘﺒﺎﻴﻥ
ANOVA Tableﺴﻭﻯ ﺇﻟﻰ ﺍﻟﺴﻁﺭ ﺍﻟﺨﺎﺹ ﺒﺼﺤﺔ ﻓﺭﻀﻴﺔ ﺘﺠﺎﻨﺱ ﺍﻟﺘﻐﺎﻴﺭ
. Sphericity Assumed ﻭﻴﺒﻴﻥ ﺍﻟﺸﻜل 27-9ﺃﻥ ﻋﺎﻤل ﺍﻟﺸﻜل Shapeﻏﻴﺭ ﻤﻌﻨﻭﻱ Not Significant
ﻷﻥ ﻗﻴﻤﺔ ﺍﻟﻤﻌﻨﻭﻴﺔ p-valueﻟﺩﺍﻟﺔ ﺍﺨﺘﺒﺎﺭ Fﻓﻲ ﺍﻟﻌﻤﻭﺩ ﺒﻌﻨﻭﺍﻥ ﺍﻟﻤﻌﻨﻭﻴﺔ Sig.ﺃﻜﺒﺭ ﻤﻥ ، 0.05ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺼﻴﺎﻏﺔ ﻫﺫﻩ ﺍﻟﻨﺘﻴﺠﺔ ﻋﻠﻰ ﺍﻟﺼﻭﺭﺓ: Not Sig.
; F(2,18) = 2.98
ﺃﻤﺎ ﺒﺎﻟﻨﺴﺒﺔ ﻟﻌﺎﻤل ﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل Solidityﻓﻴﺘﻀﺢ ﺃﻨﻪ ﻤﻌﻨﻭﻱ Significant
ﻷﻥ ﻗﻴﻤﺔ ﺍﻟﻤﻌﻨﻭﻴﺔ p-valueﻟﺩﺍﻟﺔ ﺍﺨﺘﺒﺎﺭ Fﺃﺼﻐﺭ ﻤﻥ ) 0.01ﺍﻟﻘﻴﻤﺔ 0.000ﻓﻲ ﺍﻟﻨﺘﺎﺌﺞ ﺘﻌﻨﻲ ﺃﻥ p-valueﺃﻗل ﻤﻥ ،(0.0005ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺼﻴﺎﻏﺔ ﻫﺫﻩ
ﺍﻟﻨﺘﻴﺠﺔ ﻋﻠﻰ ﺍﻟﺼﻭﺭﺓ:
Significant .
; p < 0.01
; F(1,9) = 54.56
ﻭﺃﺨﻴﺭﹰﺍ ﻓﺈﻥ ﺍﻟﺘﻔﺎﻋل interactionﺒﻴﻥ ﻋﺎﻤﻠﻲ ﺍﻟﺸﻜل ﻭﻨﻤﻁ ﺍﻟﺘﻅﻠﻴل
SHAPE*SOLIDITYﻴﺘﻀﺢ ﺃﻨﻪ ﻏﻴﺭ ﻤﻌﻨﻭﻱ Not Significantﻷﻥ ﻗﻴﻤﺔ ﺍﻟﻤﻌﻨﻭﻴﺔ p-valueﻟﺩﺍﻟﺔ ﺍﺨﺘﺒﺎﺭ Fﺃﻜﺒﺭ ﻤﻥ ، 0.05ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻴﻤﻜﻥ ﺼﻴﺎﻏﺔ ﻫﺫﻩ ﺍﻟﻨﺘﻴﺠﺔ ﻋﻠﻰ ﺍﻟﺼﻭﺭﺓ: Not Sig.
; F(2,18) = 1.41
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
343
ﻻﺤﻅ ﺃﻥ ﺒﻨﻭﺩ ﺍﻟﺨﻁﺄ error termsﻤﺨﺘﻠﻔﺔ ﻟﻜل ﻋﺎﻤل ﻤﻥ ﻋﻭﺍﻤل ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻭﻜﺫﻟﻙ ﻟﻠﺘﻔﺎﻋل ﻓﻲ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻤﻘﺎﺭﻨﺔ ﺒﺘﺠﺎﺭﺏ ﺘﺤﻠﻴل
ﺍﻟﺘﺒﺎﻴﻥ ﺍﻟﻌﺎﻤﻠﻲ Factorial ANOVAﺤﻴﺙ ﺘﻜﻭﻥ ﻫﻨﺎﻙ ﻨﻔﺱ ﺒﻨﻭﺩ ﺍﻟﺨﻁﺄ ﻟﻜل ﻗﻴﻡ
ﺩﻭﺍل ﺍﻻﺨﺘﺒﺎﺭ . F
ﻭﺨﻼﺼﺔ ﺫﻟﻙ ﺃﻥ ﻗﺎﺌﻤﺔ ﺍﻟﻨﺘﺎﺌﺞ ﻓﻲ ﺍﻟﺸﻜل 27-9ﺘﻭﻀﺢ ﺃﻥ ﻋﺎﻤل ﻨﻤﻁ
ﺍﻟﺘﻅﻠﻴل ﻓﻘﻁ ﻫﻭ ﺍﻟﻌﺎﻤل ﺍﻟﻤﻌﻨﻭﻱ ،ﺒﻴﻨﻤﺎ ﺍﻟﻌﺎﻤل ﺍﻵﺨﺭ ﻭﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻫﻤﺎ
ﻏﻴﺭ ﻤﻌﻨﻭﻴﻴﻥ .
ﻭﻓﻲ ﺤﺎﻟﺔ ﻟﻭ ﺜﺒﺕ ﺃﻥ ﺍﻟﺘﻔﺎﻋل ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﻤﻌﻨﻭﻱ ﻓﺴﻭﻑ ﺘﻜﻭﻥ ﺍﻟﺨﻁﻭﺓ
ﺍﻟﺘﺎﻟﻴﺔ ﺒﻌﺩ ﺫﻟﻙ ﻫﻲ ﺭﺴﻡ ﺸﻜل ﺍﻟﺨﻁﻭﻁ ﺍﻟﻤﻨﻜﺴﺭﺓ ﻟﻤﺘﻭﺴﻁﺎﺕ ﺍﻟﺨﻼﻴﺎ ﻻﻜﺘﺸﺎﻑ ﻤﺼﺩﺭ ﻋﺩﻡ ﺍﻟﺘﺠﺎﻨﺱ ﺒﻴﻥ ﺘﻠﻙ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻭﺫﻟﻙ ﻜﻤﺎ ﺘﻡ ﺘﻭﻀﻴﺤﻪ ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺜﺎﻤﻥ،
ﻭﻟﻜﻥ ﻨﺘﻴﺠﺔ ﻟﻜﻴﻔﻴﺔ ﺩﺨﻭل ﺒﻴﺎﻨﺎﺕ ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺇﻟﻰ ﻤﺤﺭﺭ ﺍﻟﺒﻴﺎﻨﺎﺕ
ﻼ Data Editorﻓﻲ ﻨﻅﺎﻡ SPSSﺴﻭﻑ ﺘﻜﻭﻥ ﻁﺭﻴﻘﺔ ﺭﺴﻡ ﻫﺫﺍ ﺍﻟﺸﻜل ﻤﺨﺘﻠﻔﺔ ﻗﻠﻴ ﹰ ﻋﻥ ﺍﻟﺨﻁﻭﺍﺕ ﺍﻟﺘﻲ ﺘﻡ ﺘﻭﻀﻴﺤﻬﺎ ﻟﺤﺎﻟﺔ ﺍﻟﺘﺠﺎﺭﺏ ﺒﻴﻥ ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺍﻟﺘﻲ ﺘﻡ ﻋﺭﻀﻬﺎ
ﻓﻲ ﺍﻟﻔﺼل ﺍﻟﺴﺎﺒﻕ .
.8 .9اﻟﻤﻘﺎرﻧﺎت ﻏﻴﺮ اﻟﻤﺨﻄﻂ ﻟﻬﺎ ﺑﻌﺪ ﺗﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ داﺧﻞ اﻟﻤﺠﻤﻮﻋﺎت اﻟﻌﺎﻣﻠﻲ: factorial
a
Unplanned comparisons following within subjects experiments:
ﻓﻲ ﺍﻟﻤﺜﺎل ﺍﻟﻤﺘﻌﻠﻕ ﺒﺎﻷﻗﺴﺎﻡ ﺍﻟﺴﺎﺒﻘﺔ ﻟﻡ ﺘﺒﺭﺯ ﻤﺴﺄﻟﺔ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﻏﻴﺭ
ﺍﻟﻤﺨﻁﻁ ﻟﻬﺎ ،ﻭﺫﻟﻙ ﻟﺴﺒﺒﻴﻥ ﻫﻤﺎ :
.1ﻟﻡ ﻴﻜﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋل ﻤﻌﻨﻭﻱ ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ،
.2ﺍﻷﺜﺭ ﺍﻟﺭﺌﻴﺴﻲ ﺍﻟﻭﺤﻴﺩ ﺍﻟﻤﻌﻨﻭﻱ ﻫﻭ ﻟﻌﺎﻤل ﻻ ﻴﺤﺘﻭﻱ ﺴﻭﻯ ﻋﻠﻰ ﻤﺴﺘﻭﻴﻴﻥ ﻓﻘﻁ ﻤﻤﺎ ﻴﺩل ﻋﻠﻰ ﺃﻥ ﻤﺘﻭﺴﻁﻴﻬﻤﺎ ﻻﺒﺩ ﺃﻥ ﻴﻜﻭﻨﺎ ﻤﺨﺘﻠﻔﻴﻥ.
) (9ﺘﺤﻠﻴل ﺍﻟﺘﺠﺎﺭﺏ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ
344
ﻭﻓﻲ ﺍﻟﺤﺎﻟﺔ ﻟﻭ ﻜﺎﻥ ﻫﻨﺎﻙ ﺘﻔﺎﻋل ﻤﻌﻨﻭﻱ ﺒﻴﻥ ﺍﻟﻌﺎﻤﻠﻴﻥ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻓﺈﻥ ﺍﻷﺴﻠﻭﺏ ﺍﻟﺫﻱ ﺘﻡ ﺍﺘﺒﺎﻋﻪ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﻌﺎﻤل ﺍﻟﻭﺍﺤﺩ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻴﻤﻜﻥ ﺃﻴﻀﹰﺎ
ﺍﺘﺒﺎﻋﻪ ﻫﻨﺎ .
ﺍﻟﻤﺸﻜﻠﺔ ﻓﻲ ﺍﺨﺘﺒﺎﺭ ﺒﻭﻨﻔﺭﻭﻨﻲ Bonferroni testﺃﻨﻪ ﺤﺘﻰ ﻓﻲ ﺍﻟﺤﺎﻻﺕ ﻋﻨﺩﻤﺎ
ﻴﻜﻭﻥ ﻫﻨﺎﻙ 6ﺨﻼﻴﺎ ﻓﻘﻁ ﺴﻭﻑ ﻴﻜﻭﻥ ﻤﻥ ﺍﻟﺼﻌﺏ ﺍﻟﺤﺼﻭل ﻋﻠﻰ ﻓﺭﻭﻕ ﻜﺒﻴﺭﺓ ﺒﻤﺎ
ﻓﻴﻪ ﺍﻟﻜﻔﺎﻴﺔ ﺒﻴﻥ ﺍﻟﻤﺘﻭﺴﻁﺎﺕ ﻟﻴﺘﻡ ﺍﻟﺤﻜﻡ ﻋﻠﻴﻬﺎ ﺒﺄﻨﻬﺎ ﻤﻌﻨﻭﻴﺔ ،ﻓﻌﻨﺩﻤﺎ ﻴﻜﻭﻥ ﻫﻨﺎﻙ 6
ﺨﻼﻴﺎ ﺴﻭﻑ ﺘﻜﻭﻥ ﻗﻴﻤﺔ c = 15ﻭﺒﺎﻟﺘﺎﻟﻲ ﻜل ﺩﺍﻟﺔ ﺍﺨﺘﺒﺎﺭ t-testﻻﺒﺩ ﻭﺃﻥ ﺘﺼﺎﺤﺒﻬﺎ
ﻗﻴﻤﺔ p-valueﺃﻗل ﻤﻥ 0.003ﺤﺘﻰ ﻴﻤﻜﻥ ﺍﻋﺘﺒﺎﺭﻫﺎ ﻤﻌﻨﻭﻴﺔ ،ﻭﺒﺫﻟﻙ ﻓﺈﻨﻪ ﻴﻭﺠﺩ ﻫﻨﺎﻙ ﺃﻤﺭ ﻫﺎﻡ ﻴﺘﻌﻠﻕ ﺒﺎﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺒﺩﺌﻴﺔ ﻟﻶﺜﺎﺭ ﺍﻟﺭﺌﻴﺴﻴﺔ ﺍﻟﺒﺴﻴﻁﺔ ﻟﻠﻌﺎﻤل ﺍﻟﺭﺌﻴﺴﻲ
ﻓﻲ ﺍﻟﺘﺠﺭﺒﺔ ﻭﻓﻲ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻟﻠﻌﺎﻤل ﺍﻵﺨﺭ ،ﻓﺎﻷﺜﺭ ﺍﻟﺭﺌﻴﺴﻲ ﺍﻟﺒﺴﻴﻁ
ﺍﻟﻤﻌﻨﻭﻱ ﻗﺩ ﻴﺒﺭﺭ ﺍﻟﻘﻴﺎﻡ ﺒﺘﺤﺩﻴﺩ ﻤﺠﻤﻭﻋﺔ ﺼﻐﻴﺭﺓ ﻤﻥ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﻤﺘﺘﺎﻟﻴﺔ ﺍﻟﻤﻁﻠﻭﺒﺔ ﻤﻤﺎ ﻴﺤﺴﻥ ﻤﻥ ﻓﺭﺹ ﺇﻴﺠﺎﺩ ﻓﺭﻭﻕ ﻤﻌﻨﻭﻴﺔ ،ﻭﻜﻤﺎ ﻓﻲ ﺤﺎﻟﺔ ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺒﻴﻥ
ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﻴﻤﻜﻥ ﻟﻸﺜﺭ ﺍﻟﺭﺌﻴﺴﻲ ﺍﻟﺒﺴﻴﻁ ﻟﻌﺎﻤل ﻤﺎ ﺃﻥ ﻴﺤﺴﺏ ﺒﺘﻨﻔﻴﺫ ﺃﻤﺭ ﺘﺤﻠﻴل
ﺍﻟﺘﺒﺎﻴﻥ ﻓﻲ ﺍﺘﺠﺎﻩ ﻭﺍﺤﺩ ﻋﻠﻰ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﻤﺴﺘﻭﻯ ﻭﺍﺤﺩ ﻟﻠﻌﺎﻤل ﺍﻵﺨﺭ ،ﻭﻟﻜﻥ ﻓﻲ ﺤﺎﻟﺔ
ﺍﻟﺘﺠﺎﺭﺏ ﺍﻟﻌﺎﻤﻠﻴﺔ ﺩﺍﺨل ﺍﻟﻤﺠﻤﻭﻋﺎﺕ ﺘﻜﻭﻥ ﺍﻟﺒﻴﺎﻨﺎﺕ ﻓﻲ ﺍﻟﻤﺴﺘﻭﻴﺎﺕ ﺍﻟﻤﺨﺘﻠﻔﺔ ﻷﻱ ﻤﻥ
ﺍﻟﻌﻭﺍﻤل ﻏﻴﺭ ﻤﺴﺘﻘﻠﺔ ،ﻭﺒﺎﻟﺘﺎﻟﻲ ﻓﺈﻨﻪ ﻤﻥ ﺍﻟﺤﻜﻤﺔ ﺍﺴﺘﺨﺩﺍﻡ ﺍﺨﺘﺒﺎﺭ ﺩﻗﻴﻕ ﻟﻤﻌﻨﻭﻴﺔ ﺍﻷﺜﺭ ﺍﻟﺭﺌﻴﺴﻲ ﺍﻟﺒﺴﻴﻁ ﻓﻲ ﻫﺫﻩ ﺍﻟﺤﺎﻻﺕ ﻋﻥ ﻁﺭﻴﻕ ﺘﻁﺒﻴﻕ ﻁﺭﻴﻘﺔ ﺒﻭﻨﻔﺭﻭﻨﻲ ﻭﺘﺤﺩﻴﺩ ﻤﺴﺘﻭﻯ ﺍﻟﻤﻌﻨﻭﻴﺔ ﻟﻼﺨﺘﺒﺎﺭ ﻓﻲ ﻜل ﺃﺜﺭ ﺭﺌﻴﺴﻲ ﺒﺴﻴﻁ ﺒﺄﻨﻪ 0.05ﻤﻘﺴﻭﻤﺔ ﻋﻠﻰ ﻋﺩﺩ ﺍﻻﺨﺘﺒﺎﺭﺍﺕ ﺍﻟﺘﻲ ﺴﻴﺘﻡ ﺇﺠﺭﺍﺀﻫﺎ ﺒﺸﻜل ﻤﺘﺘﺎﻟﻲ.