ما هو معامل ارتباط بيرسون SPSS؟ وما هي آلية عمله؟

معامل ارتباط بيرسون SPSS

مشاركة

معامل ارتباط بيرسون SPSS هو إحصائيات الاختبار التي تقيس العلاقة الإحصائية ، أو الارتباط ، بين متغيرين مستمرين. ويعرف بأنه أفضل طريقة لقياس الارتباط بين المتغيرات ذات الأهمية لأنه يستند إلى طريقة التغاير ويعطي معلومات حول حجم الارتباط، وكذلك عن اتجاه العلاقة.

 

مقدمة: فهم معامل بيرسون (Pearson Correlations)

للعثور على معامل ارتباط بيرسون SPSS ، الذي يشار إليه أيضًا باسم معامل الارتباط اللحظي، يتم وضع المتغيرين على مخطط غير محدد ويُشار إلى المتغيرات على أنها X و Y.

يجب أن يكون هناك بعض الخطية حتى يتم حساب المعامل ؛وإلا سيكون المخطط الذي لا يصور أي تشابه لعلاقة خطية عديم الفائدة. كلما اقترب التشابه بين القيم والمخطط غير المحدد زادت قوة الارتباط.

عدديًا ، يتم تمثيل معامل بيرسون بنفس طريقة معامل الارتباط المستخدم في الانحدار الخطي ، والذي يتراوح من -1 إلى +1. قيمة +1 هي نتيجة العلاقة الإيجابية المثالية بين متغيرين أو أكثر.

تشير الارتباطات الإيجابية إلى أن كلا المتغيرين يتحركان في نفس الاتجاه. على العكس من ذلك ، تمثل القيمة -1 علاقة سلبية كاملة. تشير الارتباطات السلبية إلى أنه كلما زاد أحد المتغيرات ، انخفض الآخر. ويشير الصفر إلى عدم وجود ارتباط.

 

ما هو معامل ارتباط بيرسون SPSS؟

يعتبر التشابك بين مجموعات البيانات مقياساً لمدى ارتباطها. المقياس الأكثر شيوعًا للارتباط في الإحصائيات هو معامل ارتباط بيرسون SPSS. الاسم الكامل هو ارتباط معامل الارتباط اللحظي أي: Pearson Product Moment (PPMC).

يبين هذا المعامل العلاقة الخطية بين مجموعتين من البيانات. بعبارات بسيطة ، يجيب على السؤال ، هل يمكنني إنشاء رسم بياني خطي لتمثيل البيانات؟

يتم استخدام حرفين لتمثيل ارتباط بيرسون: الحرف اليوناني (ρ) والذي يمثل مجتمع الدراسة والحرف “r” يمثل العينة.

 

الافتراضات التي يضعها معامل ارتباط بيرسون

1. بغض النظر عن الحالة: يجب أن تكون القضايا المدروسة مستقلة عن بعضها البعض.
2. العلاقة الخطية: يجب أن يكون هناك متغيرين مرتبطين ببعضهما البعض بشكل خطي.
3. التشتت: يجب أن يكون المخطط مستطيل الشكل تقريبًا.

 

آلية عمل معامل ارتباط بيرسون SPSS

ارتباط معامل بيرسون له دلالة إحصائية عالية. يبحث في العلاقة بين متغيرين. ويسعى إلى رسم علاقة خطية من خلال بيانات متغيرين لإظهار علاقتهما. يتم قياس علاقة المتغيرات بعملية حسابية. يمكن أن تكون هذه العلاقة الخطية موجبة أو سلبية.

على سبيل المثال:

العلاقة الخطية الإيجابية: في معظم الحالات ، بشكل عام ، يزيد دخل الشخص مع زيادة عمره.
العلاقة الخطية السالبة: إذا زادت المركبة من سرعتها ، يقل الوقت المستغرق في الانتقال، والعكس صحيح.

من المثال أعلاه ، من الواضح أن معامل ارتباط بيرسون يحاول اكتشاف شيئين هما: قوة واتجاه العلاقة بين متغيرين.

 

 معامل ارتباط بيرسون SPSS

 

كيف يتم حساب معامل ارتباط بيرسون SPSS؟

باستخدام الصيغة التي اقترحها كارل بيرسون -Karl Pearson- ، يمكننا حساب علاقة خطية بين المتغيرين المحددين. على سبيل المثال ، يزداد طول الطفل مع تقدم العمر (عوامل مختلفة تؤثر على هذا التغيير البيولوجي).

لذلك ، يمكننا حساب العلاقة بين هذين المتغيرين من خلال الحصول على قيمة معامل الارتباط لبيرسون. هناك متطلبات معينة لمعامل ارتباط بيرسون:

• يجب أن يكون القياس عبارة عن فاصل زمني أو نسبة.
• يجب توزيع المتغيرات بشكل طبيعي تقريبًا.
• يجب أن يكون الارتباط خطيًا.
• يجب ألا يكون هناك قيم متطرفة في البيانات.

 

المشاكل المحتملة مع معامل ارتباط بيرسون SPSS

معامل بيرسون غير قادر على معرفة الفرق بين المتغيرات التابعة والمتغيرات المستقلة. على سبيل المثال ، إذا كنت تحاول العثور على الارتباط بين نظام غذائي عالي السعرات الحرارية ومرض السكري ، فقد تجد ارتباطًا كبيرًا بـ 0.8. ومع ذلك ، يمكنك أيضًا الحصول على نفس النتيجة مع تبديل المتغيرات.

بصفتك باحثًا ، يجب أن تكون على دراية بالبيانات التي تقوم بتوصيلها. بالإضافة إلى ذلك ، لن يعطيك معامل بيرسون أي معلومات حول منحدر الخط ؛ هو يخبرك فقط ما إذا كانت هناك علاقة.

 

مثال من الحياة الواقعية

يتم استخدام ارتباط بيرسون في الآلاف من مواقف الحياة الحقيقية. على سبيل المثال ، أراد العلماء في الصين معرفة ما إذا كانت هناك علاقة بين كيفية اختلاف مجموعات الأرز العشبي وراثيًا. كان الهدف هو معرفة الإمكانات التطورية للأرز.

تم تحليل علاقة بيرسون بين المجموعتين. أظهر الاختبار ارتباطًا إيجابيًا لحظية بين 0.783 و 0.895 لمجموعات الأرز العشبية. هذا الرقم مرتفع للغاية ، مما يشير إلى وجود علاقة قوية إلى حد ما.

 

فوائد معامل ارتباط بيرسون SPSS

يمكن أن يكون معامل بيرسون مفيدًا جداً للباحثين بشكل عام، ولأبحاث السوق بشكل خاص. فهو مفيد جداً عند التعامل مع الحسابات، والعائدات والأسهم – السندات – السلع – العقارات ، إلخ ، أو الأصول الأكثر تحديدًا – مثل الأسهم الكبيرة ، الأسهم الصغيرة ، والديون- أسهم الأسواق الناشئة.

ستعمل معاملات بيرسون على مساعدة القائمين على أبحاث السوق في تعزيز الربح بناءً على معايير المخاطر والعائد. لاحظ ، مع ذلك ، أن معامل بيرسون يقيس الارتباط ، وليس السببية ، مما يعني أن أحد المتغيرات أنتجت نتيجة في المتغير الآخر. إذا كان معامل رؤوس الأموال الكبيرة والصغيرة 0.8 ، فلن يكون معروفًا سبب قوة الارتباط العالية نسبيًا.

 

ملاحظات ختامية

  1. معامل ارتباط بيرسون SPSS هو معامل ارتباط رياضي يمثل العلاقة بين متغيرين ، يرمز لهما X و Y.
  2. تتراوح معاملات بيرسون من +1 إلى -1 ، حيث يمثل +1 ارتباطًا إيجابيًا ، ويمثل -1 ارتباطًا سلبيًا. ويمثل 0 عدم وجود علاقة.
  3. يُظهر معامل ارتباط بيرسون SPSS الارتباط وليس السببية.
  4. يُنسب إلى عالم الرياضيات والإحصائي الإنجليزي كارل بيرسون الفضل في تطوير العديد من التقنيات الإحصائية ، بما في ذلك معامل ارتباط بيرسون SPSS واختبار كاي تربيع والقيمة p والانحدار الخطي.

 

طالع أيضاً: معامل ارتباط بيرسون – مقدمة سريعة Pearson Correlations

 

معامل ارتباط بيرسون

معامل ارتباط بيرسونمعامل ارتباط بيرسون

أرسل بحثك الآن للتحكيم والنشر