دعوة للإنضمام لأسرتنا
عزيزي الزائر الكريم .. زيارتك لنا أسعدتنا كثيراً .. و لكن لن تكتمل سعادتنا إلا بانضمامك لأسرتنا .. لذا نرجوا منك ملئ النموذج التالي من فضلك

اسم العضو
كلمة السر تأكيد كلمة السر
البريد الإلكتروني تأكيد البريد الإلكتروني



هل انت موافق على قوانين المنتدى؟


كاتب الموضوع مؤسس المنتدى مشاركات 1 المشاهدات 16782  مشاهدة صفحة طباعة الموضوع | أرسل هذا الموضوع إلى صديق | الاشتراك
إضافة رد
 
LinkBack أدوات الموضوع إبحث في الموضوع انواع عرض الموضوع
قديم 05-04-2008, 07:14 AM   المشاركة رقم: 1
المعلومات
الكاتب:
اللقب:
 
الصورة الرمزية مؤسس المنتدى

البيانات
التسجيل: Dec 2006
العضوية: 7
المشاركات: 8,122 [+]
بمعدل : 1.75 يوميا
اخر زياره : [+]
معدل التقييم: 4393
نقاط التقييم: 12599
مؤسس المنتدى has a reputation beyond reputeمؤسس المنتدى has a reputation beyond reputeمؤسس المنتدى has a reputation beyond reputeمؤسس المنتدى has a reputation beyond reputeمؤسس المنتدى has a reputation beyond reputeمؤسس المنتدى has a reputation beyond reputeمؤسس المنتدى has a reputation beyond reputeمؤسس المنتدى has a reputation beyond reputeمؤسس المنتدى has a reputation beyond reputeمؤسس المنتدى has a reputation beyond reputeمؤسس المنتدى has a reputation beyond repute


الإتصالات
الحالة:
مؤسس المنتدى غير متواجد حالياً

المنتدى : الإحصاء
افتراضي المتغيرات Variables

الفصل الأول المتغيرات Variables

المتغيرات Variables

تُعرف المتغيرات بأنها لا تبقى على وتيرة واحدة.فالأصل فيها الاختلاف والتنوع. وهذا الاختلاف نقصد به تنوع مستويات ذلك المتغير سواء كان ذلك بقيمها الرقمية (السن والدخل والسرعة ومعدل الإنتاج...الخ) ، أم بتنوع مستوياتها الاسمية مثل نوع البيئة:حضر، ريف، بادية ، أو نوع الوظيفة: إدارية، كتابية، فنية أم الجنسية :سعودي، مصري، يمني...الخ) كما يشترط فيها قابليتها للقياس Bouma,1993: p 40)). والحد الأدنى من المستويات هو اثنان بالنسبة للمتغيرات الاسمية، وثلاثة مستويات أو أكثر للمتغيرات الأخرى (المتغيرات الرتبية والفئوية والرقمية والنسبية ). فالمتغير شيء ومستوى المتغير شيء آخر :
قاعدة: المتغير هو مدلول وصفي لخاصية معينة لكائن أو خلافه.
فعندما نقول مثلاً الجنس (النوع) فالحديث هنا عن متغير وصفي لحالة الكائن الذي نصفه، فيحين عندما نقول ذكر أو أنثى فنعني مستويات ذلك المتغير (الجنس) والذي فيه مستويات تختلف فيما بينها ، فكل مستوى يمثل خاصية واحدة فقط.
قاعدة: أي مستوى يمثل خاصية وصفية واحدة لا تقبل احتمالية أي تكرار لوصف آخر.
ولمزيد من الإيضاح، نقول إن التعليم متغير وعندما نحدد مستويات ذلك المتغير (التعليم) المتمثلة في المرحلة الابتدائية، والمرحلة المتوسطة، والمرحلة الثانوية. ... الخ... فالتعليم هو المتغير في حين نقصد بالمستويات مجال الاختلاف لذلك المتغير تبعاً لمفردات الدراسة ، فعندما نسأل وحدة الدراسة عن مستوى التعليم ستكون الإجابة إحدى تلك المستويات ولا يمكن أن تشغل أي مفردة مستويين في الوقت نفسه.
قاعدة لا يمكن أن نصف مفردة بأكثر من وصف في متغير واحد، وبعبارة أخرى لا يمكن اختيار أكثر من مستوى للدلالة على وصف مفردة ما، سواء من الباحث أو المبحوث.
ويُعرف المتغير بأنه : "مصطلح فني يستخدم للدلالة على تقديم صفة اجتماعية مميزة أو عامل اجتماعي متميز (مثل السن، الجنس، الدخل، التعليم، المهنة) في البحث الميداني". فيتم تحديد المفهوم ثم وضعه بصورة مؤشر) Indicator بصورة واضحة لهذا المفهوم (المتغير).
ويجب التنويه إلى أن مستوى المتغير الذي نتعامل معه يمكن أن يكون متغيراً آخر (جديداً) إذا كانت هناك فرصة للتجزئة ذلك المستوى.
مثال:
سبق أن أشرنا إلى أن المتغير التعليم ينقسم إلى مستويات كثيرة ( الابتدائي والمتوسط والثانوي والعالي مثلاً، لكن لو فرضنا أننا سوف نجري دراسة على طلاب المرحلة الابتدائية ففي هذه الحالة تكون المرحلة الابتدائية هي المتغير ومستوياته هي الصف الأول والصف الثاني وهكذا. بل يمكن أن يتم التعامل مع الصف الأول مثلاً على انه المتغير ومستوياته هي الفصل الأول أ والفصل الأول ب والفصل الأول ج.
لذا فإن تحديد المتغير من قبل الباحث تحديداً سليماً ودقيقاً يساعد وبشكل جيد تحديد مستويات ذلك المتغير وذلك تبعً لطبيعة الدراسة.
نخلص مما سبق أن هناك متغيرات مركبة ومتغيرات غير مركبة (بسيطة).
قاعدة ، المتغير المركب يمكن تجزئته إلى متغيرات أكثر وصفاً أ تجزئة مستوى أو أكثر من مستوياته.
فعندما نقول متغير التعليم فنحن نشمل جميع من التحق بأي مرحلة من مراحل التعليم. في حين عندما نقول أن المتغير يشمل المرحلة الابتدائية فنحن حددنا طلاب مرحلة دون غيرها، وبالتالي فإن أي مفردة من مفردات الدراسة ملتحقة بالتعليم الابتدائي تصبح ضمن نطاق الدراسة. وعلى نفس السياق عندما نجري دراسة على مجموعة من الفصول لطلب الصف الأول فإن طلاب ذلك الصف فقط هم نطاق الدراسة.
أما المتغيرات البسيطة فلا يمكن تجزئتها، كأن نقول متغير النوع له مستويان فقط هم الذكر والأنثى، أو متغير الجنسية له عدة مستويات كان نقول الجنسية السعودية والعربية والأجنبية أو نقول متغير الديانة مسلم ومسيحي ويهودي.
قاعدة، المتغير البسيط لا يمكن تجزئته.

وتعتبر المتغيرات "العناصر الأساسية في التحليل النسبي Causality وذلك لأنه قائم على تفسير علاقة بين متغيرين أو أكثر، بالنسبة للعلاقات الخاصة بنظرية ما، كما هو أساسي أيضاً في عملية تصميم البحوث Research Design ، وفي القياس Measurement، وفي عمليات الاستدلال الإحصائي Statistical Inference.

وتعد عملية القياس الإحصائي للمتغيرات تحليلاً وصفياً لحالة (مفردة). وتتنوع المتغيرات في خصائصها فقد تتكون من "قياس الصفات الموضوعية، أو من التقارير الخاصة بالسلوك، أو من البيانات الذاتية عن القيمة، أو من المعتقدات المتعلقة بالموقف، أو بالاستدلال بأكثر من عنصر واحد في أداة البحث (الهواري ومصلوح ، مترجم- 1414 أ ص 748).

أنواع المتغيرات :
مما سبق تتضح مسألة هامة تتمثل في أن هناك عدة أنواع من المتغيرات تختلف تبعاً لنتيجة الطريقة التي تتشكل فيها مستوياتها أو الخاصية التي تتناولها تلك المتغيرات. أي أن تلك المستويات تعمل على تقسيمها إلى أنواع متعددة. وتعد المتغيرات هي المحور الأساسي الذي تقوم عليه جميع الدراسات بغض النظر عن طبيعتها سواء كانت اجتماعية أو إنسانية أو تطبيقية ، فبالتالي أي دراسة تقوم في الأساس على قياس علاقة أو تتبع موقف سواء كان ذلك القياس يهدف إلى نفى العلاقة أو إثباتها أو مجرد التعرف عليها ووصفها. فالمتغيرات إذن مجرد معلومات وصفية لشيء ما يتصف بالتنوع تبعاً لطبيعة مستويات ذلك المتغير سواء كان مصدر تلك المعلومات (المستويات) استجابات أفراد أو معلومات مدونة أو حتى ملاحظات لمواقف مرصودة. وتبقى المتغيرات دون جدوى حقيقة في الاستفادة منها إن لم تكن هناك وسيلة لفهم ذلك الكم من المعلومات بغض النظر عن نوعيته. إن المعضلة الحقيقية تحدد في فهم صحيح لتلك المتغيرات ويتم ذلك على عدة مراحل هي:
المرحلة الأولى : تتمثل هذه المرحلة في التعرف على المتغير ومستوياته حيث تشكل هذه المرحلة تحديد الإطار الحقيقي للمتغير من جهة وتحديد مستويات المتغير من جهة أخرى.

مثال :
باحث لديه متغيرات كثيرة هي متغير الجنس والتعليم والدخل والذكاء والحالة الاجتماعية والجنسية ومعدل التحصيل الدراسي .....الخ.
الخطوة الأولى تتمثل في التعرف على كل متغير، فمتغيرات الجنس والحالة الاجتماعية والجنسية متغيرات تتشابه في خصائصها حيث يلاحظ أنها وسيلة لوصف حالة، فمتغير الجنس لوصف المفردة بأنها ذكر أو أنثى ، في حين الحالة الاجتماعية لوصف المفردة (وعلى افتراض مثلاً أنها أنثى) على أنها متزوجة أو مطلقة أو لم يسبق لها الزواج أو غير ذلك ، وهكذا الحال بالنسبة لمتغير الجنسية أو أي متغير يشابه المتغيرات السابقة .

العمل الذي قمنا به هو التعرف على المتغير والمستويات التي يتضمنها مع الأخذ في الاعتبار أن تلك المستويات للمتغير يمكن دمجها في أكثر من مستوى كأن نقسم مستويات الحالة الاجتماعية إلى مستويين هما متزوج وغير متزوج وهذا المستوى يتضمن الذي لم يسبق له الزواج والمطلق والأرمل. كما يجب ملاحظة أن ضم أكثر من مستوى في مستوى واحد لا يمكن العمل به إلا إذا كان للمتغير أكثر من مستويين.


أما متغير التعليم فهو يوضح المستوى التعليمي للمفردة وقد تتنوع المستويات تبعاً لطبيعة مفردات الدراسة. فقد يحدد الباحث تلك المستويات بأنها: أمي ومتعلم أو أن المستويات تمثل المرحلة الابتدائية و المرحلة المتوسطة والمرحلة والثانوية والمرحلة الجامعية والمرحلة العليا. لذا يجب الأخذ في الاعتبار أن ذلك التقسيم يتفاوت من عينة إلى أخرى وذلك تبعاً لطبيعة مشكلة الدراسة وخصائص العينة. فلو قام باحث بدراسة على المديرين فإن الشيء الطبيعي هو ألا يكون هنا أميون أو تعليم بسيط أو حتى متوسط (في بعض الحالات يحدث أن تجد مديرين أميين خاصة في القطاع الأهلي) لذا يوضع مستوى لتفادي مثل تلك الحالات غير المتوقعة وتعرف بغير ذلك.
قاعدة، مستويات المتغير يجب أن تتضمن جميع احتمالات خصائص المفردات التي تشملهم الدراسة.

يلاحظ في متغير التعليم أن هناك ترتيباً منطقياً حيث إن كل مستوى يأتي بعد الآخر تبعاً لطبيعة الترتيب سواء كان تصاعدياً أو تنازلياً وفي العادة نبدأ بالمستوى الأدنى ونتصاعد تدريجياً ولكن لا يمنع أن نبدأ بالمستوى الأعلى ونتناقص تدريجياً.

كلا المتغيرين السابقين يتميزان بأن مستوياتهما محدودة في حين أننا لو تعاملنا مع متغير الذكاء لوجدنا أن الاحتمالات لعدد المستويات كثيرة تبدأ من خمسين درجة حتى مائة وخمسين درجة مع ملاحظة أن تلك المستويات تقل بصورة كبيرة لو أن مفردات الدراسة طلاب كليات نظرية وتقل أكثر لو المفردات من طلاب كليات علمية لأن هؤلاء الطلاب يتمتعون بمستويات ذكاء عالية ومتقاربة لأن ذلك في الأصل هو الذي أهلهم لدخول الجامعة. إذاً فعدد مستويات المتغير مرتبط بخصائص مفردات الدراسة.
وتنقسم المتغيرات إلى مجموعتين رئيستين هما :
1- متغيرات نوعية Qualitative Variables وتتضمن المتغيرات الاسمية والمتغيرات الرتبية، وتتصف بيانات تلك المتغيرات بأن لا قيمة لمدلولاتها الرقمية ولكن تستخدم تلك المدلولات للتفريق بين المفردات مثل متغير الجنسية والجنس (متغيرات اسمية) ومتغير تقدير النجاح (متغير رتبي)
2- متغيرات كمية Qualitative وتتضمن المتغيرات الأخر كالمتغير الفئوي والنسبي والمتصل والرقمي (غير المتصل) .

وتتمثل المرحلة الأساسية في تحديد نوعية المتغير ، ويقصد بالنوعية طبيعة المتغير وموقعه من حيث القياس. فكل متغير يقع ضمن إحدى هذه المجموعات المتغيرات

وهذه المجموعات من المتغيرات هي:
- المتغيرات الاسمية (التصنيفية) Nominal Variables (Categorical) .
- المتغيرات الرتبية Ordinal Variables .
- المتغيرات الفئوية Interval Variables .
- المتغيرات الرقمية (غير متصلة) Numeric (discrete) Variables .
- المتغيرات المتصلة Continues Variables .
- المتغيرات النسبية Ratio Variables .
وسوف نتناول بالتفصيل تلك المجموعات على النحو التالي:

أولاً : المتغيرات الاسمية (التصنيفية)Nominal Variables (Categorical)
هي تلك المتغيرات التي تصف مفردات العينة من حيث وضعها الوصفي كمتغيرات الجنس والحالة الاجتماعية والجنسية. ولا تشترط المتغيرات الاسمية أي ترتيب معين بل أن كل باحث يمكن أن يرتب تلك المستويات كيفما اتفق.
فمتغير النوع يتضمن مستويين هما مستوى الذكر ومستوى الأنثى، ويمكن أن نعيد التصنيف فيصبح المستوى الأول يمثل الأنثى والمستوى الآخر يمثل الذكر. ويكننا القول أن المتغير الذي له مستويان فقط يمكن اعتباره متغيراً اسمياً.
قاعدة، أي متغير له مستويان فقط يمكن اعتباره متغيراً اسمياً.
ومثال آخر على متغير الحالة الاجتماعية فيمكن وصف تلك المستويات على أن المستوى الأول يمثل من سبق لهن الزواج والمستوى الثاني يمثل المتزوجات، والمستوى الثالث يمثل المطلقات والمستوى الأخير يمثل الأرامل، ويمكن لباحث أن يعيد توزيع تلك المستويات على النحو التالي: المستوى الأول للمتزوجات والمستوى الثاني للمطلقات والمستوى الثالث للأرامل والأخير لمن لم يسبق لهت الزواج. غير أن هناك ملاحظة يجب الإشارة إليها وهي أن طبيعة مجتمع الدراسة تسهم في عملية توزيع المستويات، فعند إجراء دراسة على طالبات المرحة الجامعية مثلاً فإن الاحتمال الأكثر تكراراً لمفردات الدراسة هو من لم يسبق لهن الزواج في حين أن احتمال كونهن مطلقات أو أرامل نادر الحدوث لكنه متوقع، وفي حالة أن باحث يجري دراسة على بيت للعجزة فإن مستوى الأرامل ومستوى المطلقات أكثر احتمالاً عن باقي المستويات. أي أن المسألة في آلية توزيع المستويات هي عملية لا تخضع لمنطق عام صالح لجميع الحالات، بل إن الباحث يحدد المستويات بناءً على محدداته هو وطبيعة مجتمع الدراسة الذي يتناوله.
قاعدة، توزيع مستويات المتغير الاسمي يعتمد على فهم الباحث للمستويات الأكثر تكراراً، وبناء على ذلك يتم ترتيب تلك المستويات على ذلك الأساس.
والمتغير الاسمي من المتغيرات التي يمكن التعامل مع مستوياتها اللفظية فقط فعند قياس الفرق بين الذكور والإناث حول معدل التحصيل يكون القياس لفظياً دون الحاجة إلى تحويل اللفظ إلى دلالة رقمية. أي أن الدلالة الرقمية لمستويات المتغير الاسمي لا تعني شيئاً، فعندما نحدد المستوى وليكن ذكر ونعطيه القيمة الرقمية 1 ونعطي للمستوى الثاني القيمة الرقمية 2 ليصبح الترتيب على النحو التالي:
متغير النوع
ذكر (1) أنثى (2)
هنا القيمة الرقمية ليست قيمة حقيقة ولكنها وصفية فلا يعني ذلك أن الرقم
(2) ضعف الرقم (1) أو أن الرقم (1) أقل من الرقم (2).
مثال آخر:
متغير الجنسية
سعودي (1) مصري(2) يمني (3) أخرى (4)
هنا القيم الرقمية غير حقيقية ولكنها لوصف المستويات المتغير فقط. وهذا لا يعني أن القيمة الرقمية للجنسية اليمنية تعني ثلاث أضعاف القيمة الرقمية للجنسية السعودية، وان القيمة الرقمية للجنسية المصرية لا تعني أنها نصف القيمة الرقمية للجنسية الأخرى.
ويجب ملاحظ أن تلك القيم الرقمية لا تدخل في القياس الإحصائي الكمي.
قاعدة، القيم الرقمية لمستويات المتغير الاسمي هي أرقام وصفية فقط ولا تدخل في التحليل الإحصائي كقيم وصفية ولكنها تدخل على تمثل في الأساس مجموعات.
لذا فإن القياسات الأكثر استخداماً لهذا النوع من المتغيرات هو قياس (ت) (T test) وقياس (ف) (F test) وقياس مربع كاي (Chi Square) والذي يعرف أيضاً بقياس الجداول المتقاطعة (Cross tabs). ويرتبط المتغير الاسمي بالعينة الطبقية في حالة رغبة الباحث التعرف على الاختلافات بين مستويات ذلك المتغير، أي أن المتغير الاسمي دائماً يقترن مع العينة الطبقية إذا كان ذلك المتغير هو الأساس في الدراسة، أما في حالة وجوده مع مجموعة من المتغيرات الرقمية أو الفئوية فإن العينة العشوائية البسيطة هي العينة المناسبة
ويجب ملاحظ أن القياس السمي يقوم على قياس الاختلافات بين متوسطات المتغير التابع للفئات لا بين قيم المتغير المستقل التصنيفية. ..
ويمثل الشكل أدناه المتغير ومستوياته وقيمة الرقمية









http://www.socialresearchmethods.net/kb/measlevl.htm

نلاحظ في الشكل أعلاه المتغير والذي يمثل الانتماء السياسي Party Affiliation
أما مستويات المتغير Attribute والتي تتمثل في الحزب الديمقراطي والحزب الجمهوري و الحزب المستقل
أما القيم Values فيه تتمثل في 1 و2 و3
ويمثل المستوى الأخير العلاقات Relationship بين تلك القيم والمتغير التابع


ثانياً : المتغيرات الرتبية Ordinal Variable
يعد المتغير الرتبي نوعاً أخر من المتغير ويختلف عن المتغير الاسمي وإن كان يشترك في بعض خواصه.
هذا النوع من المتغيرات استمد اسمه من طبيعة الترتيب الذي يتم فيه مستوياته بغض النظر عن إن يكون ذلك الترتيب تصاعدياً أو تنازلياًً. فلو فكان المتغير المستهدف بالدراسة هو تقدير النجاح لطلاب الجامعة فإن مستويات ذلك المتغير تتمثل في :
راسب ومقبول، وجيد، وجيد جداً، وأخيراً ممتاز، ذلك التقسيم يمكن أن يكون بصورة عكسية كأن نبدأ بممتاز ثم جيد جدا ثم جيد ثم مقبول.
أي أن المتغير الرتبي ترتب مستوياته ترتيباً منطقياُ، فمتغير تقدير النجاح بدأنا بتقدير ممتاز مثلاً، نستطيع وبكل سهوله أن نحدد المستوى الذي أقل منه، وهو تقدير جيد جداً، وهذا يعني أننا لا نستطيع القول أن المستوى الذي يلي تقدير ممتاز هو التقدير جيد ثم نقول المستوى الثالث هو التقدير جيد جداً, فالترتيب هنا بديهي ومتعارف عليه سواء كان ذلك تنظيمياً أو إدارياً، فمثلاً ترتيب الرتب العسكرية تبدأ بملازم ثان ثم ملازم أول ثم نقيب وهكذا ومثال آخر توزيع الوظائف المدنية المرتبة الممتازة ثم المرتبة الخامسة عشر ثم المرتبة الرابعة عشر.
قاعدة، أي متغير تخضع مستوياته لترتيب منطقي هو متغير رتبي شريطة أن يكون له أكثر من مستويين.
سبق أن أشرنا إلى أن أي متغير له مستويان هو متغير اسمي، لذ فإن الحد الأدنى لمستويات المتغير الرتبي هو ثلاث مستويات على الأقل.
قاعدة، مستويات المتغير الرتبي لا تقل بحال من الأحول عن ثلاث مستويات.
ويشترك المتغير الرتبي مع المتغير الاسمي في كون القيم الرقمية لمستوياته لا تعني قيماً حقيقية وتتميز قيم المتغير الرتبي أنها تأتي بشكل تسلسلي سواء كان ذلك تصاعدياً أو تنازلياً .
فمثلاً ، متغير التعليم يمكن تصنيف مستوياته على النحو التالي،
متغير التعليم:
تعليم ابتدائي (1) تعليم متوسط(2) تعليم ثانوي (3) تعليم عال (4)
هنا القيم الرقمية لا تمثل قيما حقيقية فالمرحلة الابتدائية والتي تحمل الرقم (1) لا تعني أنها ربع المرحلة لمستوى التعليم العالي.
قاعدة، القيم الرقمية لوصف مستويات المتغير الرتبي تعني قيماً حقيقة.
غير أنها لا مدلول ترتيبي فالقيمة (1) للمستوى الأول أقل من القيمة الرقمية للمستوى الثاني لكن لا تعني أنها نصف القيمة. غير أنه يجب الانتباه إلى آلية ترتيب مستويات المتغير سواء كانت تصاعدية أو تنازلية. ولتوضيح ذلك نعود إلى مثالنا السابق (التعليم)
فلو أن مستوياته رتبت على النحو التالي:
تعليم عال (1) تعليم ثانوي (2) تعليم متوسط(3) تعليم ابتدائي (4)
فالقيم الرقمية للمرحلة الابتدائية (4) لا تعني أنها أكير من القيمة (1) للتعليم العالي.
كما أن المسافة بين 1 و2 لا تعني نفس المسافة بين 3 و4
http://www.socialresearchmethods.net/kb/measlevl.htm
قاعدة، إذا كان تريب المستويات يبدأ بالأقل ثم بتصاعد فالقيم الرقمية تتصاعد بنفس المدلول، ويسمى المتغير رتبي تصاعدي، أما إذا كان تريب المستويات يبدأ بالأعلى ثم الذي يليه فتكون القيم الرقمية عكس ذلك فتبدأ بالأقل ثم تتصاعد ويسمى المتغير رتبي تنازلي.

ويقاس ذلك المتغير بطريقتين الأولي عند استخدام قياس F وهنا يصبح القياس لطبيعة الاختلاف بين المستويات وأيّ المستويات أكثر دلالة. يلاحظ هنا أنه لا يمكن استخدام قياس T نظراً لأن ذلك القياس لا يتعامل إلا مع متغير ذي مستويين فقط. ويستخدم لقياس ذلك النوع من المتغيرات القياسات التي تعتمد على الحالة الرقمية للمتغير مثل
Cross Tabs Regression.- Correlation Coefficient (spearman). Path analysis.

في حالة كون الرغبة في معرفة شدة الترابط بين متغيرين رتبيين فإن القياس المناسب هو قياس جاما Gamma .

ويستطيع الباحث دمج المستويات إذا كان يرى أن هناك ضرورة مثل صغر حجم العينة مثلا حيث أن تعدد المستويات مع صغر حجم العينة يؤدي إلى أن المستويات سوف تمثل بأعداد قليلة وهذا يؤثر بطبيعة الحال علي القياسات المستخدمة. فيمكن أن يحول المستويات الثمانية إلى ثلاثة مستويات ضعيف ومتوسط وجيد وهكذا، غير أن التقسيم يجب أن يكون منطقياً فعلى سبيل المثال إذا كان الرسوب ملحوظاً في الجامعة وأريد أن أعرف خصائص الراسبين مقارنة بالناجحين فإن التقديرات ليست غاية في حد ذاتها، وهكذا فإن الهدف من البحث هو المؤشر الحقيقي لتحديد مستويات المتغير لا أي شيء آخر.


ثالثاً: المتغيرات الفئوية Interval Variables
إن مصطلح فئة يعني أن هناك مجال وليس قيمة مطلقة واحدة، وهذه الفئة لها حد أعلى وحد أقل ، حيث يمثل الحد الأعلى أكبر قيمة في هذه الفئة ، ويمثل الحد الأقل أقل قيمة في هذه الفئة. ويتم ترتيب الفئات على شاكلة المتغير الرتبي، فالمتغير الفئوي لا يختلف كثيرا عن المتغير الرتبي، لأن المتغير الرتبي هو حالة تالية للمتغير الفئوي إلا أن القيم في المتغير الفئوي قيماً حقيقية.
لتوضيح ذلك نسوق المثال التالي:
تم جمع البيانات لمفردات الدراسة لمتغير العمر لمجموعة من الموظفين على النحو التالي:
1918 18 20 22 23 25 37 34 39 47 23 46 58 34 24 23 34 54 32 19 45 32 18 19 60 33 22
لو أن باحثاً يريد تصنيف مستويات متغير العمر وجعل مستويات المتغير محدودة بأربعة مستويات فمن المتوقع أن يعمل الآتي :

- يحدد قيمة أقل قيمة في المفردات السابقة وهي 18 سنة وأكبره قيمة هي 60 سنة (الباحث يجري دراسة على موظفي الدولة وتلك القيم تمثل الحد الأدنى والأعلى).
- يحدد المدى ويتحصل المدى من الفرق بين أعلى قيمة وأقل قيمة، وفي هذه الحالة يساوي المدى :
المدى = الفرق بين أعلى قيمة وأقل قيم
المدى = 60 – 18= 42
- يحدد الباحث عدد الفئات التي يرغب تقسيم مفرداته إليها مع الأخذ في الاعتبار أن ذلك التقسيم يجب أن يكون منطقياً ، ولنفترض أنه سوف يقسمها إلى ثلاث فئات (مستويات).
قاعدة، لا توجد قاعدة محددة لعدد الفئات التي يمكن توزيع قيم المتغير الفئوي عليها، غير أنه يفضل أن تكون عدد الفئات بين ثلاث وأربع فئات.
على انه يجب ملاحظة أنه يمكن أن يكون لدينا عدد أكبر من الفئات خاصة إذا هناك داع مرتبط بموضوع الدراسة وحجم العينة كبير يضمن توزيع قدر معقول من المفردات إلى تلك الفئات.
- يعمد الباحث لتحديد طول الفئة من خلال قسمة المدى على عدد المستويات (الفئات) وذلك على النحو التالي
طول الفئة = المدى / عدد الفئات
طول الفئة = 42 / 3 = 14
ولتوزيع قيم الفئات، تتم العملية على النحو التالي:
الفئة الأولى (الحد الأدنى للفئة ---- الحد الأعلى للفئة)
الحد الأدنى للفئة الأولى = أقل القيم تكراراً وهي القيمة 18
الحد الأعلى للفئة الأولى = الحد الأدنى للفئة + طول الفئة
= 18 + 14 = 32
إذن الفئة الأولى = (18 ---- 32)
- إذن بداية الفئة الأولى تكون 18 ، وحدّها الأعلى هو 32
الفئة الثانية (الحد الأدنى للفئة الثانية ---- الحد الأعلى للفئة الثانية)
الحد الأدنى للفئة الثانية = الحد الأعلى للفئة السابقة (وهي في هذه الحالة الحد الأعلى للفئة الأولى).
= 32
أما الحد الأعلى للفئة الثانية = الحد الأدنى للفئة الثانية + طول الفئة
= 32 + 14 = 46
وبلك تصبح قيم الفئة الثانية على النحو التالي: ( 32 46 )
الفئة الثالثة ( الحد الأدنى للفئة الثالثة الحد الأعلى للفئة الثالثة)
الحد الأدنى للفئة الثالثة = الحد الأعلى للفئة السابقة (الفئة الثانية)
= 46
الحد الأعلى للفئة الثالثة = الحد الأدنى للفئة الثالثة + طول الفئة
= 46 + 14 = 60
وبذلك تصبح الفئة الثالثة =( 46 60 )
وبذلك تصبح الفئات على النحو التالي:
(18 ---- 32)
( 32 ---- 46)
( 46 ---- 60)
نلاحظ أن الفئات اشتملت على جميع الاحتمالات المتوقعة لمفردات الدراسة.
قاعدة، يجب أن تضمن مستويات المتغير (بغض النظر عن طبيعته) جميع الاحتمالات المتوقعة لقيم مفردات الدراسة.
غير أننا نلاحظ على الفئات أن هناك تكراراً لبعض القيم فمثلا القيمة 32 هي الحد الأعلى للفئة الأولى كما أنها الحد الأدنى للفئة الثانية، ونفس الكلام يقال على القيمة 46. وهذا الأمر لا يتم قبوله فالمفترض أن المبحوث يختار قيمة واحدة على مستوى واحد.
قاعدة : لا يمكن لمستويات المتغير أن تقبل بازدواجية الاختيار، فكل قيمة تقع على مستوى واحد.
لذا على الباحث أن يعالج ذلك الموقف من خلال ما يلي:
(من 18 إلى أقل من 32)
(من 32 إلى أقل من 46)
(من 46 إلى أقل من 60)
هنا كل فئة تم تحديدها تحديداً دقيقاً بحيث لا يدع مجالاً لتكرار لأي قيمة لأن تقع على مستويين.
نلاحظ هنا أن المسافة داخل الفئة متساوية في كل الفئات كذلك المسافة بين الفئات واحدة فالمسافة بين 18 و32 والتي تبلغ 14 هي نفس المسافة بين 23 و46 والتي تبلغ أيضاً 14

كما أن هناك طريقة أخرى مشابه لهذه العملية على النحو التالي:
( من 18 إلى 32)
(أكبر من 32 إلى 46)
(أكبر من 46 إلى 60)
نلاحظ أن الفئة الأولى بدأت من 18 وذلك راجع لأنها أقل قيمة ولو قلنا أكبر من 18 لما وجد من أعمارهم 18 سنة فئة تضمهم.
كما يمكننا توزيع الفئات بشكل أخر
- الفئة الأولى أقل من 32
- الفئة الثانية من 32 إلى أقل من 46
- 46 فأكثر
ونلاحظ أن الفئة الأولى مفتوحة الحد الأدنى والفئة الثالثة مفتوحة الحد الأعلى.
أي أن ذلك التقسيم يجعل الفئات الأولى والأخيرة لها حد واحد، فالفئة الأولى لها حد واحد وهو الأعلى أما الحد الأدنى نجده في الفئة الأخيرة.
ذلك التقسيم يضمن علاج مشكلة لقيم المفردات التي تتضمن قيمها أجزاءً من العدد الصحيح فالمفردة التي عمرها 46.5 سنة فهي أكبر من الحد الأعلى للفئة الثانية وأقل من الحد الأدنى للفئة الثالثة.
إلا أن هذا التقسيم لا يصلح في حالة استحالة أن تكون المفردة لها قيمة عشرية مثل عدد أفراد الأسرة أو عدد المركبات أو عدد سنوات الدراسة التي تم النجاح فيها ...الخ. فمثلاً توزع فئات أعداد أفراد الأسرة على النحو التالي
الفئة الأولى من 1 إلى 4
الفئة الثانية من 5 إلى 8
الفئة الثالثة 9 فأكثر
في حالة كون الرغبة في معرفة علاقة بين فئويين أو نسبيين فإن القياس المناسب هو – Pearson’s product moment correlation (r)
أما القياسات الأخرى فيتفق فيها مع القياسات المستخدمة في قياس المتغيرات الفئوية. . وتعد العينة العشوائية البسيطة أو العشوائية المنتظمة مناسبة تماماً مع ذلك النوع من المتغيرات.

رابعاً: المتغيرات الرقمية (غير المتصلة) Numeric (Discreet)
Variables
تعد المتغيرات الرقمية (غير المتصلة) من أقوى المتغيرات نظراً للاختلافات بين القيم داخل المتغير ، وهذا الاختلاف ناتج لأن كل مفردة لها قيمتها الخاصة بها مما يزيد من قيمة المدى الذي يعد مؤشراً لقيمة الاختلاف. وتتمثل قوة هذا المتغير في أن قيمه الرقمية تدخل في التحليل وهو في هذا يختلف عن المتغيرات الاسمية التي لا تدخل قيمها في القياس.

ويعد المتغير الرقمي المعطي العام حيث يقبل أن يتحول إلي أي متغير آخر لكنه لا يقبل أن تتحول إليه أي متغيرات.

ويوجد المتغير الرقمي بصورة أولية، وذلك عندما نحدد مستوى المتغير بصورته الأولية. فمثلاً متغير عدد الأبناء تكون مستوياته 1 – 2 – 3- ….الخ. أي أن لكل مستوى قيمة ولا يمكن أن نجد قيمة 2.5 مثلاً ومن أمثلة ذلك المتغير عدد الزوجات عدد السيارات ..الخ. لذا يتصف المتغير الرقمي بتعدد مستوياته.
أما القياسات المستخدمة في قياس المتغير الرقمي فهو يتفق فيها مع القياسات المستخدمة في قياس المتغيرات الفئوية. وتعد العينة العشوائية البسيطة أو المنتظمة مناسبة تماماً مع ذلك النوع من المتغيرات.
خامساً : المتغيرات المتصلة Continues Variables .
تمثل المتغيرات المتصلة صورة لصور المتغير الرقيم إلا أنه يختلف في قيمه، فقيم المتغير المتصل تتضمن الأجزاء العشرية، كأن نقول طول أحمد 160.5 أو وزن على 70.5 ويشترك المتغير المتصل مع غير من المتغيرات الكمية في خصائص القياس.

سادساً : المتغيرات النسبية Ratio Variables
وهي متغيرات لا تختلف كثيراً عن المتغيرات الفئوية إلا أنها تتميز عنها في أنها تبدأ أولى فئاتها بالصفر المطلق. ويمكننا في المتغير النسب أن ننسب قيماً لأخرى، كان نقول أن دخل مفردة ما ضعف دخل مفردة أخرى، كما أن الصفر المطلق أحد سمات المتغير النسبي، فعندما توجد قيمة الصفر فيعني عدم حدوث المراد قياسه، فلو فرضنا أن المتغير هو عدد سفرات المفردة، في هذه الحالة أي رقم يعني عدد السفرات، فعلى سبيل المثال أن المردة أجابت ب (4) إذن المفردة أو المبحوث سافر أرع مرات، في حين إن كانت الإجابة (0) فهذا يعدم عدم سفر المبحوث إطلاقاً. ويتميز المتغير النسبي بأننا نستطيع أن ننسب قيمة مفردة إلى قيمة مفردة أخرى،.
مثال : لو أن على دخله 4000 وإبراهيم دخلة 12000 لقلنا أن دخل على ثلث دخل إبراهيم، أ, أن دخل إبراهيم ثلاث أضعاف دخل على. هذا لا يتأتى مع المتغيرات الرقمية والمتصلة فلا نستطيع القول أن عمر على (40 سنة) يساوي أربعة أضعاف زيد (10 سنوات)ن أو أن نقول درجة الحرارة (30) تساوي خمسة عشرة مرة درجة الحرارة (2).

مما سبق يلاحظ أن المتغيرات تختلف فيما بينها في خواصها وهذا الأمر له أثره الواضح في القياس ويوضح الشكل ترتيب المتغيرات من القياس:























http://www.socialresearchmethods.net/kb/measlevl.htm


والمستويات تمثل الأسلوب الأوحد الذي يعتمد على تقسيم المتغيرات، أما آلية قياس المتغيرات فيعتمد فمعرفة موقع المتغير في أي علاقة يحدد خاصيته، ما إذا كان متغيراً مستقلاً أو تابعاً أو متغيراً ثالثاً (دخيلاً).






ويجب التنبيه هنا على الرغم من تنوع المتغيرات بناءً على تقسيماتها السابقة إلا أنها من حيث القياس تنقسم إلى ثلاث أنواع على النحو التالي:
نوع المتغير نوع القياس
المتغير الاسمي قياس اسمي
المتغير الرتبي قياس رتبي
المتغير الرقمي قياس كمي
المتغير الفئوي قياس كمي
المتغير المتصل قياس كمي
المتغير النسبي قياس كمي


وعلى الرغم التصنيفات السابقة للمتغيرات إلا إنها تتميز بخاصية التحول من شكل إلى آخر، أي أنه مكن تحويل متغير إلى متغير آخر، ويمكننا تشبيه تلك العملية بعملية نقل الدم بين الفصائل. حيث إن المتغير الاسمي يقبل أن تحول له جميع المتغيرات (المستقبل العام) والمتغير الرقمي يمكن أن يتحول إلى أي نوع من المتغيرات (المعطي العام) لكن لا يمكن أن التحويل إليه.
ويعتبر المتغير الاسمي المستقبل العام ، أي أنه المتغير الذي يمكن أن تتحول له جميع المتغيرات والعكس غير صحيح. ولتوضيح ذلك نسوق المثال التالي:
1- تحويل متغير كمي (رقمي، متصل، فئوي، نسبي) إلى متغير اسمي:
لو أراد باحث التعامل مع متغير رقمي يمثل العمر مثلاً على اعتبار أنه متغير رقمي فإن عليه أن يحول مستويات ذلك المتغير إلى مستويين فقط (كبير وصغير) فهنا يقيس الاختلافات بين تلك الفئتين فقط. في هذه الحالة نحتاج إلى عينتين الأولى لفئة كبار السن والأخرى لفئة صغار السن.
2- تحويل متغير رتبي إلى متغير اسمي:
لو أن باحث يريد تحول فئات متغير التعليم الرتبية (ابتدائي، متوسط، ثانوي، جامعي، عالي) إلى متغير اسم، فستتم العملية على النحو التالي: تعليم منخفض للمستويات (ثانوية فأقل)، وتعليم عال لمن تعليمهم فوق الثانوية.

ويقبل المتغير الرتبي تحويل المتغيرات كلّها عدا المتغير الاسمي، على النحو التالي:
- تحويل متغير كمي (رقمي، متصل، فئوي، نسبي) إلى متغير رتبي: لو رجعنا إلى المتغير الفئوي والخاص بالعمر والذي كان له الفئات التالية :
(من 18 إلى أقل من 32)
(من 32 إلى أقل من 46)
(من 46 إلى أقل من 60)
يمكننا أن نحول ذلك المتغير إلى الفئوي إلى متغير رتبي على النحو التالي
(من 18 إلى أقل من 32) = صغير
(من 32 إلى أقل من 46) = متوسط
(من 46 إلى أقل من 60) = كبير
وبذلك أصبح متغير العمر الفئوي متغير رتباً
فلسفة تحويل المتغيرات فينا بينها:
تساهم عملية تحويل المتغيرات فيما بينها إلى القدرة على تطبيق قياسات متنوعة تمكن الباحث التعرف وبشكل أعمق على طبيعة العلاقات بين المتغيرات، كما تسهم هذه العملية في التغلب على بعض العقبات التي قد تنشأ نتيجة لبعض خصائص العينة كأن لا تمثل فئات معينة في مفردات الدراسة.

أما من حيث موقع المتغير بالنسبة إلى الدور الذي يلعبه في ارتباطه في علاقته مع المتغيرات الأخرى فيمكن أن نقسمه إلى ثلاثة أنواع رئيسية هي:
- المتغير المستقل Independent Variable
- المتغير التابع Dependent Variable
- المتغير الثالث (الدخيل) Third Variable

المتغير المستقل Independent Variable
يُعرَّف المتغير المستقل بأنه المتغير الذي يحدث قبل حدوث المتغير التابع وذلك من الناحية الزمنية. كما أنه لا يتأثر بأية متغيرات أخرى ، فالاستقلالية تعني أنه غير مرتبط بمتغير آخر. وقد تشترك مجموعة من المتغيرات المستقلة في التأثير على المتغير التابع. ويعد ذلك من الأمور الكثيرة التكرار في الدراسات المسحية ، أو أن يكون المتغير المستقل سبباً في حدوث المتغير التابع وذلك في الدراسات التجريبية لمعرفة تأثير ذلك المتغير المستقل على المتغير التابع، ويتم ذلك بعد التحكم في جميع المتغيرات المستقلة الأخرى التي يمكن أن يكون لها تأثير على المتغير التابع.
ويُعرف المتغير المستقل في هذه الحالة بالمؤثر.

المتغير التابع Dependent Variable
المتغير التابع هو ذلك المتغير الذي ظهر أو تشكل نتيجةً لتدخل متغير أو متغيرات أخرى كالمتغير أو المتغيرات المستقلة والتي ساهمت في ظهوره بهذه الحالة. وتعد معرفة ذلك التأثير الحادث على المتغير التابع من الأساسيات لفهم العلاقة التي يريد الباحث الوصول إليها وتفسيرها واستنتاجها من خلال دراسته.كما أن المتغير التابع في دراسة ما لا يبقى على وتيرة واحدة فقد يدرسه الباحث نفسه أو باحث آخر على أنه متغير مستقل (Royes, 1991 : P. 20).

فعلى سبيل المثال لو أراد باحث دراسة ارتباط الطلاق بانحراف الأبناء. فهنا يعد المتغير التابع هو انحراف الأبناء. ولو فرضنا أن باحثاً يريد دراسة تأثير انحراف الأبناء بمعدل الطلاق ، في هذه الحالة انحراف الأبناء هو المتغير المستقل.

لعل ما سبق الإشارة إليه يشكل واحدة من أهم الإشكاليات التي قد تواجه الباحثين. وتتحدد طبيعة تلك المشكلة في أي من المتغيرين حدث أولاً. هل هو الطلاق أم الانحراف ؟ إن التحديد الزمني لحدوث المتغير أمر ضروري، فالذي يحدث أولاً هو المتغير المستقل ، والذي يحدث أخيراً هو المتغير التابع. وتكمن المشكلة في كيفية التعرف على أيّ من المتغيرات حدث أولاً ؟. لذا يجب أن تتضمن أداة جمع البيانات سؤالاً عن ذلك لتفادي الخطأ في عملية القياس. وتسمى تلك المشكلة بمشكلة الترتيب الزمني Time Ordered Problem.

المتغير الثالث Third Variable
يعد المتغير الثالث مفهوماً حديثاً في استخداماته البحثية. بل إنه من النادر أن تجد بحوثاً أو دراسات تناولت هذا المتغير في الوطن العربي. ويعزف كثير من الباحثين عن تناول هذا الموضوع إما لعدم إلمامهم به أو لأنه لا يقع ضمن دائرة اهتمامهم. ويلاحظ ذلك جلياً في المراجع والكتب العربية التي تتناول المسائل البحثية.
إن المتغير الثالث يلعب دوراً مهماً ورئيسياً في معرفة العلاقات الارتباطية ومن ثم القدرة على تفسيرها. كما أن ذاك المتغير يتطلب معرفة طبيعة العلاقة بين المتغيرات المراد قياس تأثير دخول المتغير الثالث عليها من حيث بقاء العلاقة أو تغير اتجاهها أو حتى انتفائها.

ولتوضيح ذلك نسوق المثال التالي الذي يبين العلاقة بين متغيرين الأول مستقل والآخر تابع ، والتغيرات التي تحدث نتيجة لإدراك المتغير الثالث والتعامل معه بموجب التأثيرات التي أحدثها.

قام باحث في المرحلة الأولى :
بدراسة لمعرفة تأثير مشاهدة التلفاز على زيادة معدل العنف، وقد تحصل على علاقة موجبة ( كلما طالت فترة مشاهدة التلفاز زاد معدل العنف).

ثم قام الباحث في المرحلة الثانية:
بالتعرف على ما إذا كان لمستوى التعليم تأثير على المتغيرين السابقين.فوجد أن مستوى التعليم يرتبط ارتباطاً مباشراً سلبياً بالعنف. فكلما زاد مستوى التعليم انخفض معدل العنف.هذا من جهة ، ومن جهة أخرى فإن مستوى التعليم يرتبط أيضاً ارتباطاً سلبياً ومباشراً مع معدل مشاهدة التلفاز،أي كلما زاد مستوى التعليم نقص معدل مشاهدة التلفاز.كما أن العلاقة الأصلية بين مشاهدة التلفاز والعنف انتفت.

ثم قام الباحث في المرحلة الثالثة :
بقياس للعلاقة بين مستوي التعليم ومعدل العنف من خلال قياس تأثير مستوى التعليم على مشاهدة التلفاز ، وكيف يؤثر ذلك على معدل العنف.أي أن قياس تأثير مستوى التعليم على معدل العنف تم بطريقة غير مباشرة. ويلاحظ هنا أنه كلما زاد مستوى التعليم قل معدل مشاهدة التلفاز الذي انعكس على معدل العنف. أي أن العلاقة أصبحت بين مستوى التعليم ومشاهدة التلفاز مرتبطة سوية مع معدل العنف.

ثم قام الباحث في المرحلة الرابعة :
بقياس مدى تأثير كل من مستوى التعليم ومشاهدة التلفاز على معدل العنف. أي أن كِلا من المتغيرين (التعليم ومشاهدة التلفاز) يؤثر بصورة متتابعة على معدل العنف.

يلاحظ أن الطريقة التي تؤثر بها المتغيرات بعضها على بعض تساهم بصورة كبيرة على اختيار نوع العينة وحجمها. فلو أن الباحث اكتفى بالعلاقة في مرحلتها الأولى لكانت عينة صغيرة كافية. ولكن عند ظهور تأثير متغير آخر وهو مستوى التعليم ظهرت الحاجة إلى عينة كبيرة تبعاً لمستويات التعليم التي يراد قياس تأثيرها. فهو بحاجة إلى عدد من العينات الفرعية تتناسب مع عدد مستويات التعليم. فإذا كان الباحث قد قسم مستوى التعليم إلى خمسة مستويات هي : غير متعلم، وتعليم متوسط، وتعليم ثانوي، وتعليم جامعي، وتعليم عالٍ فهو بحاجة إلى عشر عينات فرعية ليقيس مدى الاختلافات بين تلك المستويات الخمس الأولى تمثل مراحل التعليم المختلفة ويشاهد أفرادها التلفاز والخمس الأخرى لمراحل التعليم المختلفة ولا يشاهد أفرادها التلفاز. في حين أنه لو اقتصرت الدراسة على معرفة العلاقة بين مشاهدة التلفاز ومعدل العنف (المرحلة الأولى) لكان في حاجة إلي عينتين فرعيتين الأولى من الذين يشاهدون التلفاز والأخرى من الذين لا يشاهدون التلفاز. غير أن هذا الأمر قد يصل بنتائج لا تعود للعلاقة بين مشاهدة التلفاز ومعدل العنف، ومن ثم فقد يعمم نتائجه بينما هي في الواقع لا تتصل بأي من المتغيرين لوجود متغير آخر (المستوى التعليمي) هو الذي سبب ذلك التأثير ولكنه لم يؤخذ في الاعتبار من قبل الباحث .
أواع المتغير الثالث :
ينقسم المتغير الق=ثالث إلى ثلاثة أنواع رئيسة هي:
- المتغير المتوسطي
- المتغير الوسيط
- المتغير الخارجي
علماً أن تلك التسمية مبنية على موقع المتغير الثالث من التغيريين الأساسين وهما المتغير المستقل والمتغير التابع

أولاً المتغير المتوسطي Moderator Variables
يمثل المتغير الثالث المتوسطي نمطاً من العلاقة غير المرئية من قبل الباحث، فلو أن لدينا علاقة بين مستوى العليم والعنف أي أنه كلما زاد التعليم قل مستوى العنف، وهذه العلاقة معنوية غير أن هناك ما يؤكد أن النساء تختلف عن الرجال فيما يتعلق بمستوى العنف، لذا يتم قياس العلاقة مرتين ، مرة لقياس ارتباط مستوى التعليم ومستوى العنف للنساء فقط ومرة أخرى للرجال فقط، فإذا استمرت العلاقة معنوية في كلا الحالتين فمتغير الجنس ليس متغيراً متوسطياًن أما في حالة ثبات العالقة بالنسبة للرجال وانتفائها بالنسبة للنساء فمتغير الجنس متغيراً متوسطياً .


الرجال



مستوى التعليم مستوى العنف

النساء

مستوى التعليم (انتفت العلاقة) مستوى العنف

ثانياً المتغير الوسيط Intervening Variable
لو افترضا أنه لدينا علاقة معنوية بين الاتجاهات والسلوك، فمن الطبيعي أننا نقرر بوجود تلك العلاقة نظراً لدرجة المعنوية المتحصل عليها، غير أنه في حالة وجود ما يظهر أن هناك دوراً لمتغير ثالث ولنفترض أنه متغير حدة الفرد فسوف تصبح العلاقة ممثلة في الشكل التالي:



ج ب أج

أ أب
تأثير مباشر بين الاتجاهات والسلوك
هذا الشكل يوضح مجموعة من العلاقات على النحو التالي:
أن هناك علاقة معنوية بين متغير الاتجاهات (أ) ومتغير السلوك (ب)
أن هناك علاقة معنوية بين متغير الاتجاهات (أ) ومتغير حدة الفرد (ج)
أن هناك علاقة معنوية بين متغير حدة الفرد (ج) ومتغير السلوك (ب)
في حالة السيطرة على متغير حدة الفرد لانتفت العلاقة بين الاتجاهات والسلوك
وأن العلاقة الأصلية بين الاتجاهات والسلوك نتجت لوجود متغير ثالث وهو حدة الفرد أي أن سلوك الفرد يتأثر وبشكل معنوي بخاصية الحدة لديه وليس باتجاهاته.
core.ecu.edu/psyc/wuenschk/MV/multReg/MediationModels.doc
2006, Karl L. Wuensch

المتغير الخارجي Extraneous Variable
يمثل المتغير الخارجي نمطاً آخر من المتغيرات التي تلعب دوراً أساسياً في وجود علاقة بين متغير مستقل وآخر تابع، ويقوم المتغير الخارجي بتكوين علاقة مستقلة مع كلاً من المتغير المستقل والمتغير التابع، وفي هذه الحالة يصبح المتغير المستقل تابعاً للمتغير الخارجي أما المتغير التابع الأصلي فيصبح تابعاً أيضاً ولكن للمتغير الخارجي، وتنتفي العلاقة الأصلية.
لتوضيح ذلك نسوق المثال التالي:
فلو نفرض أنه لدينا العلاقة التالية
الطبقة الاجتماعية (social class) ترتبط بمرض الفصام schizophrenia

تبدو أن العلاقة طبيعية بحيث أن الأفراد من الطبقات الدنيا يشعرون بالزلة الاجتماعية، غير أن في حالة لو حاولنا التعرف على دور متغير خارجي كمتغير العزلة الاجتماعية socially isolated لتغير الوضع، ونتج عن إدخال هذا المتغير علاقتين جديدتين هما
- علاقة بين العزلة الاجتماعية والطبقة الاجتماعية
- علاقة بين العزلة الاجتماعية ومرض الفصام
وانتفت العلاقة بين الطبقة الاجتماعية ومرض الفصام.
نخلص من ذلك أن السيطرة (التحكم) على المتغيرات ليست أكثر من تحديد دور المتغير الثالث الذي يكون له دوراً غير مرئي بالنسبة للباحث وتكون العلاقة التي تم التوصل إليها في الواقع نتاج متغير لم يتم السيطرة عليه.



hgljydvhj Variables












توقيع :

حسابي على موقع التواصل الاجتماعى فيس بوك

https://www.facebook.com/profile.php?id=100022255245260

على تويتر

https://twitter.com/Dr_Mokhtar1981

عرض البوم صور مؤسس المنتدى   رد مع اقتباس
قديم 06-04-2008, 04:11 PM   المشاركة رقم: 2
المعلومات
الكاتب:
اللقب:
 
الصورة الرمزية the best geo

البيانات
التسجيل: Oct 2007
العضوية: 1785
المشاركات: 332 [+]
بمعدل : 0.08 يوميا
اخر زياره : [+]
معدل التقييم: 2199
نقاط التقييم: 10
the best geo is on a distinguished road


الإتصالات
الحالة:
the best geo غير متواجد حالياً

كاتب الموضوع : مؤسس المنتدى المنتدى : الإحصاء
افتراضي رد: المتغيرات Variables

جزاك الله كل خير












توقيع : the best geo



Islam . M
قسم الجغرافيا كلية الاداب جامعة حلوان

عرض البوم صور the best geo   رد مع اقتباس
إضافة رد

مواقع النشر (المفضلة)

أدوات الموضوع إبحث في الموضوع
إبحث في الموضوع:

البحث المتقدم
انواع عرض الموضوع

تعليمات المشاركة
لا تستطيع إضافة مواضيع جديدة
لا تستطيع الرد على المواضيع
لا تستطيع إرفاق ملفات
لا تستطيع تعديل مشاركاتك

BB code is متاحة
كود [IMG] متاحة
كود HTML معطلة
Trackbacks are متاحة
Pingbacks are متاحة
Refbacks are متاحة


المواضيع المتشابهه
الموضوع كاتب الموضوع المنتدى مشاركات آخر مشاركة
نشأة وتطور علم الإحصاء مؤسس المنتدى الإحصاء 2 17-02-2011 12:39 AM
المتغيرات الدولية ومدى انعكاسها على الأسواق المالية الناشئة.doc mohamedsobhy بحوث ودراسات عربية 3 14-09-2010 03:14 PM
التربية في ظل المتغيرات الجديدة simosisto < الجغرافيا التربوية > 0 04-09-2009 04:37 PM
المتغيرات البصرية kamo2007 المساحة و الخرائط 0 16-11-2008 08:27 PM
مصطلحات احصائية منقولة مؤسس المنتدى الإحصاء 0 05-04-2008 07:24 AM

ضع بريدك هنا ليصلك كل ماهو جديد:


الساعة الآن 11:08 AM بتوقيت مصر

::::::: الجغرافيون العرب :::::::

↑ Grab this Headline Animator


Powered by vBulletin® Version 3.8.9 Beta 1
Copyright ©2000 - 2019, vBulletin Solutions, Inc.
Search Engine Optimization by vBSEO
الحقوق محفوظة لمنتدى للجغرافيين العرب

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105