تحليل المعطيات التسويقية

الجمهورية الج ازئرية الديموق ارطية الشعبية و ازرة التعليم العالي والبحث العلمي كلية االقتصاد والعلوم التجارية وعلوم التسيير قسم العلوم التجارية محاض ارت مقياس: جامعة محمد بوضياف بالمسيلة تحليل المعطيات التسويقية مع أمثلة محلولة باستخدام برنامج SPSS ماستر) 1 ( تسويق د. سعودي نجوى السنة الجامعية:. 2016/2015

فهرس المحتويات المحور األول: مدخل لتحليل المعطيات التسويقية أوال: مفهوم وخطوات تحليل المعطيات التسويقية 1. تعريف تحليل المعطيات التسويقية ثانيا: طرق جمع البيانات 1. مصادر البيانات 2. أسلوب جمع البيانات 3. وسائل جمع البيانات 4. تقسيم العينات وفقا ألسلوب اختيارها ثالثا: خطوات تحليل المعطيات التسويقية 1. إعداد )تحضير( البيانات Data Preparation المحور الثاني: األسس النظرية لعملية تحليل المعطيات أوال: نظرة على عملية القياس 1. القياس 2. التعريف النظري )المفاهيمي( 3. التعريف القياسي )اإلج ارئي( ثانيا: الحكم على دقة أدوات القياس 1. تقييم المقاييس المستخدمة ثالثا: تحليل البيانات في البحوث النوعية.1 البحوث النوعية research( )Qualitative.2 البحوث الكمية research( )Quantitative 3. م ارحل تحليل البيانات النوعية اربعا: دور اإلحصاء في تحليل وتفسير البيانات.1 علم اإلحصاء Science( )Statistics 2. المقاييس اإلحصائية المحور الثالث: استخدام برنامج SPSS خطوة بخطوة أوال: تشغيل والتعرف على البرنامج SPSS ثانيا: نوافذ البرنامج 1

.1 الئحة األوامر.COMMAND FUNCTIONS.2 شاشة البيانات.DATA VIEW 3. شاشة تعريف المتغي ارت.VARIABLE VIEW.4 الئحة المخرجات.OUTPUT NAVIGATOR ثالثا: استرجاع البيانات والملفات 1. حفظ الملف 2. إضافة تعديل والتحكم بالمتغي ارت اربعا: القائمة تحويل TRANSFORM.1 األمر Compute 2. استخدام الدالة IF مع Compute 3. اختيار خاليا SELECT CASES 4. إعادة الترميز Recode خامسا: القائمة تحليل ANALYZE 1. اإلحصاء الوصفي والمدرج التك ارري للبيانات سادسا: الرسم البياني 1. المدرج التك ارري Histogram سابعا: اختبار الفرضيات Test of Hypotheses 1. الفرضية اإلحصائية 2. مستوى المعنوية أو مستوى االحتمال 3. دالة االختبار اإلحصائية.4 القيمة االحتمالية( P-value (Sig. or ثامنا: خطوات اختبار الفرضيات 1. تحديد نوع توزيع المجتمع 2. صياغة فرضيتا العدم والبديلة 3. اختيار مستوى المعنوية 4. اختيار دالة االختبار اإلحصائية المناسبة 5. جمع البيانات من العينة وحساب قيمة دالة االختبار اإلحصائية 6. اتخاذ الق ار ارت 2

تاسعا: أهم االختبا ارت المستخدمة في تحليل البيانات 1. اختبار T في حالة اختبار فرضيات متعلقة بمتوسط واحد 2. اختبا ارت الفروق بين متوسطين مجتمعين مستقلين 3. اختبا ارت الفروق بين متوسطي مجتمعين من عينات مرتبطة.4 تحليل التباين( ANOVA ) Analysis of Variance المحور ال اربع: أمثلة لتحليل معطيات المزيج التسويقي أوال: المنتج ثانيا: السعر ثالثا: الترويج اربعا: التوزيع خامسا: المسؤولية االجتماعية 3

المحور األول: مدخل لتحليل المعطيات التسويقية أوال: مفهوم وخطوات تحليل المعطيات التسويقية 1. تعريف تحليل المعطيات التسويقية أ. التحليل: هو عملية توصيف للبيانات أو الظاهرة أو المفهوم محل الد ارسة. التحليل عبارة عن نشاط متغلغل في حياة مشروع البحث. التحليل ليس مجرد إحدى الم ارحل األخيرة للبحث يتم اتباعها بمرحلة منفصلة لكتابة النتائج. ص 236. ب. المعطيات: هي عبارة عن مواد خام )أي بيانات( يتم جمعها وتحليلها وتفسيرها. ج. البيانات: عبارة عن مجموعة القيم أو القياسات للمتغير الذي ي ارفق المفردات أو عناصر المجتمع. قد تكون في شكل أرقام أو صفات أو رموز ويمكن تصنيف البيانات على النحو اآلتي: شكل رقم )1(: تصنيف البيانات. البيانات نوعية كمية اسمية ترتيبية منفصلة متصلة يمكن التعرف على مختلف البيانات بشيء من التفصيل كما يلي: البيانات النوعية )الوصفية( Data( :)Qualitative هي بيانات غير رقمية أو بيانات رقمية مرتبة في شكل مستويات أو في شكل فئات رقمية ومن ثم تقاس البيانات الوصفية بمعيارين هما: بيانات وصفية مقاسة بمعيار اسمي Scale( :)Nominal وهي بيانات غير رقمية تتكون من مجموعات متنافية كل مجموعة لها خصائص تميزها عن المجموعة األخرى كما أن هذه المجموعات ال يمكن المفاضلة بينها )تسمى أيضا البيانات االسمية وهي عبارة عن اسم أو وصف ألي عنصر أو مفردة في المجتمع( ومن األمثلة على ذلك: -النوع )الجنس(: متغير وصفي تقاس بياناته بمعيار اسمي " ذكر أنثى". -الحالة االجتماعية: متغير وصفي تقاس بياناته بمعيار اسمي "متزوج-أعزب-أرمل مطلق". 4

بيانات وصفية مقاسة بمعيار ترتيبي Scale( :)Ordinal وتتكون من مستويات أو فئات يمكن ترتيبها تصاعديا أو تنازليا )يطلق عليها أيضا اسم البيانات الترتيبية وهي عبارة عن اسم أو وصف يعبر عن التفضيل أو الترتيب ألي عنصر في المجتمع( ومن األمثلة على ذلك: -تقدير الطالب: متغير وصفي تقاس بياناته بمعيار ترتيبي" + -A-A "D-D + -C-C + -B-B + -المستوى التعليمي: متغير وصفي تقاس بياناته بمعيار ترتيبي"أمي-يق أر ويكتب-ابتدائي- متوسط-ثانوي-جامعي-أعلى من جامعي". البيانات الكمية Data( :Quantitative هي بيانات يعبر عنها بأرقام عددية تمثل القيمة الفعلية للظاهرة وتنقسم إلى قسمين هما: بيانات فترة Data( :)Interval وهي بيانات رقمية تقاس بمقدار بعدها عن الصفر أي أن للصفر داللة على وجود الظاهرة )تسمى كذلك البيانات المتصلة وهي عبارة عن قيم تدل على صفة يمكن قياسها وتأخذ القيم الصحيحة والكسرية( ومن أمثلة ذلك: -درجة الح اررة: متغير كمي تقاس بياناته بمعيار ب عدي حيث أن درجة الح اررة "0" ليس معناه انعدام الظاهرة لكنه يدل على وجود الظاهرة. -عالمة الطالب في االمتحان: متغير كمي تقاس بياناته بمعيار ب عدي حيث أن حصول الطالب على "0" ال يعني انعدام مستواه المعرفي. بيانات نسبية Data( :)Ratio هي متغي ارت كمية تدل القيمة "0" على عدم وجود الظاهرة )تدعى أيضا البيانات المنفصلة وهي عبارة عن قيم تدل على صفة يمكن عدها وتأخذ قيم صحيحة فقط( ومن األمثلة على ذلك: -كمية الوحدات التي ينتجها العامل في اليوم. -عدد م ارت استخدام المزرعة لنوع معين من األسمدة. مالحظة: يالحظ أن بيانات الفترة ال يمكن إخضاعها للعمليات الحسابية مثل عمليات الضرب والقسمة بينما يمكن فعل ذلك مع البيانات النسبية. د. تحليل المعطيات التسويقية: هو عملية توصيف للبيانات التي يتم تجميعها والمتعلقة بأحد المفاهيم التسويقية )متغير تسويقي: رضا حصة سوقية مبيعات...إلخ( وذلك بهدف يحدده القائم بعملية التحليل )الباحث( مسبقا. يساعد تحليل المعطيات التسويقية 5

إدارة التسويق في اتخاذ الق ار ارت المتعلقة بالمزيج التسويقي وحل المشكالت التسويقية والتنبؤ سواء بحالة السوق أو الوضع التنافسي للمنظمة. يندرج تحليل المعطيات التسويقية ضمن نظام التحليل التسويقي ويمثل األخير أحد عناصر نظم المعلومات التسويقية الرئيسية. فقد أدى ظهور الحاسبات اآللية وتطورها إلى إحداث ثورة هائلة في عالم تحليل البيانات التسويقية حيث يستخدم نظام التسويق التحليلي عددا من النماذج والنظم اإلحصائية بغرض تحليل العالقة بين بعض المتغي ارت التسويقية أو للتنبؤ ببعض المتغي ارت مثل المبيعات المتوقعة باإلضافة إلى تحليل البيانات التسويقية تحليال وصفيا. تقدم هذه التحليالت معلومات هامة إلدارة التسويق كتلك التي ترتبط بالتكاليف والمبيعات والمخزون وغيرها. هذا ويستخدم نظام التسويق التحليلي بعض النظم المدعمة اإلحصائية. يمكن استنتاج أن نظام الرياضية هذا التحليل تمكن التي يختص من باختيار التحليل استخالص أنسب التسويقي المؤش ارت الوسائل وتحليل البيانات والمعلومات التسويقية المجمعة. يتعلق والنتائج واألدوات باستخدام من والمقاييس األساليب البيانات التي للق ارر إلى جانب النماذج التي يمكن اإلحصائية جمعها تم استخدامها والنماذج فنظام لقياس عادة تحتاج المعلومات التي تم تجميعها من المصادر الداخلية والخارجية إلى المزيد من التحليل. وقد يحتاج مد ارء التسويق إلى المساعدة في تطبيق تلك المعلومات على المشاكل والقا ار ارت التسويقية يمكن أن تشمل هذه المساعدة تحليال احصائيا متقدما لمعرفة المزيد عن كل من العالقات في البيانات المجمعة ومعنويتها اإلحصائية. يسمح هذا التحليل لمدير التسويق بالذهاب إلى أبعد من المتوسطات واالنح ارفات المعيارية للبيانات واإلجابة على األسئلة المتعلقة باألسواق وأنشطة التسويق وما ينتج عنها. كما يمكن أن يشمل تحليل المعلومات مجموعة من النماذج التحليلية التي تساعد المسوقين في اتخاذ ق ار ارت أفضل حيث يمثل كل نموذج نظاما فعليا معينا أو عملية أو نتيجة فعلية معينة. هذا وتساعد هذه النماذج في اإلجابة على األسئلة من نوع )ماذا لو( if( )What و)أيها يكون أفضل( best(.)which is في هذا الصدد قام علماء التسويق بتطوير نماذج متعددة لمساعدة مد ارء التسويق على اتخاذ أفضل الق ار ارت للمزيج التسويقي وتصميم أفضل لمناطق وخطط المبيعات واختيار أفضل لمواقع تجارة التجزئة وتطوير مزيج أمثل لإلعالن والتنبؤ بمبيعات المنتجات الجديدة. 6

ةيقيوستلا تايطعلما ليلتح سايقم تاضرامح ترسام 1 " "قيوست.ىونج يدوعس.د 7 قرط :ايناث عمج تانايبلا ربتعت ةقيرط عمج تانايبلا نم مهأ لحرا ملا يتلا دمتعي اهيلع ثحبلا يئاصحلإا امك نأ عمج تانايبلا بولسأب حيحص يملع بترتي هيلع لوصولا ىلإ جئاتن ةقيقد يف ةسرا دلو ليلحتلا قرط عمج تانايبلا بجي مامللإا طاقنلاب :ةيلاتلا رداصم.1 :تانايبلا كانه نيردصم لوصحلل اهنم ىلع تانايبلا رداصملا امه ةيلولأا رداصملاو.ةيوناثلا رداصملا.أ :ةيلولأا يهو رداصملا يتلا لصحن اهنم ىلع تانايبلا لكشب رشابم ثيح موقي ثحابلا هسفن عمجب تانايبلا نم ةدرفملا لحم ثحبلا ةرشابم امدنعف متهي ثحابلا عمجب تانايب نع ةرسلأا موقي ءرا جإب ةلباقم عم بر ةرسلأا متيو لوصحلا هنم ةرشابم ىلع تانايب ةصاخ هترسأب لثم تانايب ةقطنملا عباتلا اهل يحلاو يذلا نكسي هيف ةيسنجلاو ةنهملاو لخدلاو يرهشلا ددعو درا فأ ةرسلأا ىوتسملاو... يميلعتلا.اهريغو زيمتي اذه عونلا نم رداصملا ةقدلاب ةقثلاو يف تانايبلا نلأ ثحابلا وه يذلا موقي هسفنب عمجب تانايبلا نم ةدرفملا لحم ثحبلا ةرشابم نكلو مهأ ام باعي اهيلع اهنأ جاتحت ىلإ تقو دوهجمو ريبك نمو ةيحان ىرخأ اهنأ ةفلكم نم ةيحانلا.ةيداملا رداصملا.ب :ةيوناثلا : يهو رداصملا يتلا لصحن اهنم ىلع تانايبلا لكشب ريغ رشابم ىنعمب رخآ متي لوصحلا اهيلع ةطساوب صاخشأ نيرخآ وأ ةزهجأ تائيهو ةيمسر ةصصختم لثم ترا شن ةرزا و ةعرا زلا ترا شنو ةحلصم ءاصحلإا ترا شنو ةمظنم ةيذغلأا "... يلودلا كنبلا ترا شن "وافلا.اهريغو نم ايزا م اذه عونلا نم رداصملا ريفوت تقولا دهجلاو لاملاو لاإ نأ ةجرد ةقث ثحابلا اهيف تسيل سفنب ةجردلا يف ةلاح رداصملا.ةيلولأا بولسأ.2 عمج :تانايبلا ددحتي بولسلأا مدختسملا يف عمج تانايبلا بسح فدهلا نم ثحبلا مجحو عمتجملا لحم ثحبلا كانهو نيبولسأ عمجل تانايبلا :امه بولسأ رصحلا لماشلا بولسأو.ةنياعملا.أ بولسأ رصحلا :لماشلا مدختسي اذه بولسلأا اذإ ناك ضرغلا نم ثحبلا وه رصح عيمج تادرفم عمتجملا يفو هذه ةلاحلا متي عمج تانايب نع لك ةدرفم نم تادرفم عمتجملا لاب ءانثتسا رصحك عيمج عرزا ملا يتلا جتنت رومتلا وأ رصح كونبلا ةيراجتلا يف.دلبلا زيمتي بولسأ رصحلا لماشلا لومشلاب مدعو زيحتلا ةقدو جئاتنلا نكلو باعي هيلع هنأ جاتحي ىلإ تقولا دوهجملاو ةفلكتلاو.ةيلاعلا

ب. أسلوب المعاينة: يعتمد هذا األسلوب على معاينة جزء من المجتمع محل الد ارسة يتم اختياره بطريقة علمية سليمة ود ارسته ثم تعميم نتائج العينة على المجتمع ومن ثم يتميز هذا األسلوب باآلتي: -تقليل الوقت والجهد. -تقليل التكلفة. -الحصول على بيانات أكثر تفصيال وخاصة إذا جمعت البيانات من خالل استمارة )استبيان(. -كما أن أسلوب المعاينة يفضل في بعض الحاالت التي يصعب فيها إج ارء حصر شامل مثل معاينة دم المريض أو إج ارء تعداد لعدد األسماك في البحر أو معاينة المصابيح الكهربائية. رغم ذلك يعاب على أسلوب المعاينة: نأ النتائج التي تعتمد على هذا األسلوب أقل دقة من نتائج أسلوب الحصر الشامل وخاصة إذا كانت العينة المختارة ال تمثل المجتمع تمثيال جيدا. أنواع العينات: لكي نستعرض أنواع العينات يتم أوال تحديد الفرق بين مجتمع الد ارسة والعينة المسحوبة من هذا المجتمع. المجتمع: هو مجموعة من المفردات التي تشترك في صفات وخصائص محددة ومجتمع الد ارسة هو الذي يشمل جميع مفردات الد ارسة أي هو الكل الذي نرغب د ارسته مثل مجتمع مصانع إنتاج األجهزة االلكترونية أو مجتمع طلبة الجامعة. العينة: هي جزء من المجتمع يتم اختياره بطرق مختلفة بغرض د ارسة هذا المجتمع. شكل رقم )2(: الفرق بين المجتمع والعينة. مجتمع الد ارسة عينة الد ارسة 3. وسائل البيانات: جمع العينة. - حجم تحديد كيفية هي: عوامل عدة على المعاينة أسلوب استخدام نجاح يتوقف العينة. - مفردات اختيار طريقة نوع العينة المختارة. 8

4. تقسيم العينات وفقا ألسلوب اختيارها: يمكن تقسيم العينات وفقا ألسلوب نوعين هما: العينات االحتمالية العينات غير االحتمالية. شكل رقم )3(: أنواع العينات حسب أسلوب االختيار. أنواع العينات إلى اختيارها عينات احتمالية عينات غير احتمالية عينة عشوائية بسيطة أ. العينات بمعنى تجنب العينة آخر التحيز االحتمالية: هي العشوائية التي الناتج هي يتم عن العينات اختيار اختيار التي مفرداتها المفردات يتم من اختيار ومن مجتمع أهم مفرداتها الد ارسة أنواع وفقا بطريقة العينات البسيطة Sample( )Simple Random العينة Sample( )Stratified Random العينة العشوائية لقواعد المنتظمة ( االحتماالت عشوائية االحتمالية ما العشوائية بهدف يلي: الطبقية Systematic.)Cluster Sample( العينة العنقودية أو المتعددة الم ارحل )Random Sample ب. العينات عشوائية المعاينة العينات عينة عشوائية منتظمة حيث مثل غير غير يقوم اختيار االحتمالية: الباحث عينة االحتمالية: من العينة هي العينات باختيار الم ازرع مفردات التي التي تنتج العينة يتم التمور اختيار بالصورة من مفرداتها التي النوع تحقق السكري العمدية Sample( )Judgmental العينة.)Quota Sample( عينة عشوائية طبقية عينة متعددة الم ارحل )عنقودية( العينة العمدية بطريقة الهدف وأهم العينة الحصصية غير من أنواع الحصصية ثالثا: خطوات تحليل المعطيات التسويقية 1. إعداد )تحضير( البيانات :Data Preparation قبل أن يبدأ الباحث في تحليل المعطيات ينبغي أن يجمعها من مختلف المصادر )أولية وثانوية( من خالل مختلف األدوات المخصصة لذلك )مسح مالحظة مقابلة تجربة...(. وكي تكون المعطيات جاهزة للتحليل ال بد من عملية إعداد )تحضير( للبيانات التي تم الحصول عليها ويكون ذلك باتباع الخطوات التالية: 9

شكل رقم )4(: عملية إعداد )تحضير( البيانات. /Prepare preliminary plan of data analysis تحضير خطة مبدئية لتحليل البيانات /Check questionnaire فحص االستبيان /Edit تحرير /Code ترميز /Transcribe نسخ أو تسجيل البيانات /Clean data بيانات صافية /Statistically adjust the data تعديل البيانات إحصائيا /Select data analysis strategy اختيار استراتيجية تحليل البيانات كما هو موضح في الشكل أعاله تبدأ العلمية بخطة مبدئية لتحليل البيانات حيث تكون الخطوة األولى هي فحص االستبيانات المقبولة. تتبع ذلك عملتي التحرير)م ارجعة االستبيانات بهدف زيادة الدقة والتحديد( والترميز )إعطاء رمز لكل إجابة في سؤال محدد( ونسخ )تسجيل( البيانات. تصبح البيانات صافية ويتم معالجة اإلجابات المفقودة. عادة بعد مرحلة المعاينة ربما يكون من الضروري تعديل البيانات إحصائيا وذلك لجعلها ممثلة لمجتمع الد ارسة. ينبغي على الباحث بعد ذلك اختيار است ارتيجية مناسبة لتحليل البيانات من أجل الحصول على المعلومات والمؤش ارت التي تم تحديدها في الخطة المبدئية. ينبغي البدء في تحضير البيانات في أقرب وقت ممكن منذ استقبال أول استجابة على االستبيان من الميدان وتستمر العلمية اثناء العمل الميداني. بالتالي يمكن تعديل العمل الميداني باتخاذ اج ارءات تصحيحية إذا تم اكتشاف أية مشاكل. )سيتم تناول هذه الخطوات بشيء من التفصيل في األج ازء القادمة(. يتمثل الهدف الرئيسي للتحليل في القيام بعمليات التفسير من أجل الوصول إلى بعض االستنتاجات المتعلقة بالكم الكبير من البيانات المجمعة ألغ ارض البحث حيث يحاول الباحث في مجال التسويق االضطالع بتنظيم وتحليل هذه البيانات باستخدام واحد أو أكثر من األساليب اإلحصائية شائعة االستخدام في هذا المجال مثل التك ار ارت/النسب المئوية الجداول التقاطعية التي تسمح للقائم بالتحليل بالنظر إلى االستجابات الخاصة بسؤال واحد وعالقتها باالستجابات الخاصة بسؤال أو عدة أسئلة أخرى. 10

يمكن للباحث استخدام أساليب إحصائية أخرى أكثر قوة وتعقيدا مثل تحليل االرتباط المتعدد بأنواعه المختلفة اختبار الفروض تحليل االنحدار حيث يعتمد استخدام هذه األساليب اإلحصائية على أهداف البحث وعلى طبيعة البيانات التي تم تجميعها. أ. خطوات إعداد البيانات للتحليل: يمكن التفصيل في خطوات إعداد البيانات للتحليل كما يلي: فحص االستبيان: بهدف التأكد من استكمال وجودة االستبيان وعادة ما يبدأ الباحث هذه العملية وهو ما ازل في مرحلة جمع البيانات مما يسهل عليه مهمة استكمالها. ومن أسباب عدم قبول )رفض( االستبيان ما يلي: عدم اكمال جزء من االستبيان. وضوح عدم فهم المستجيب للتعليمات الخاصة باإلجابة. عدم وجود تباين في اإلجابات )اختيار نفس الرقم لكل اإلجابات(. نقص بعض صفحات االستبيان. وصول االستبيان بعد الوقت المحدد )تأخر االستجابة(. قيام فرد خارج العينة باإلجابة على االستبيان. م ارجعة االستبيان: تتم من أجل زيادة الدقة وتشمل تحديد اإلجابات غير القانونية )هناك خطأ في تسجيلها( وغير الكاملة )هناك أسئلة تركت بدون إجابة( وغير الثابتة )عدم اتفاق اجابات األسئلة المت اربطة( والغامضة)اختصار في اإلجابة أو استخدام كلمات غامضة أو اختيار أكثر من خيار واحد لإلجابة في حين أن المطلوب هو خيار واحد(. معالجة البيانات غير المرضية: في حال كون البيانات المجمعة غير مرضية هناك ثالثة خيا ارت متاحة للباحث: العودة إلى الميدان: من خالل إعادة االتصال بالمستجيب في حالة العينة صغيرة الحجم ويمكن تحديدها بسهولة رغم وجود احتمال لوجود اختالف في اإلجابة عن تلك في المرة األولى. أو يتم الغاء االستبيان وتعويضه من خالل توزيعه على مفردات إضافية للعينة. إعطاء قيم للبيانات المفقودة: في حالة صعوبة العودة إلى الميدان الستكمال البيانات يمكن للباحث إعطاء قيم للبيانات غير المرضية )غالبا ما تكون قيمة متوسط أداة القياس أو ترجيح من قبل الباحث على أساس استنتاجه من بقية اإلجابات(. تكون هذه الطريقة مناسبة في حاالت 11

كون: عدد اإلجابات غير المرضية صغير نسبة تلك اإلجابات صغيرة بالنسبة للمستجيب اإلجابات غير المرضية ليست من بين المتغي ارت األساسية للبحث. االستغناء عن اإلجابات غير المرضية: يتم التخلي أو االستغناء عن اإلجابات غير المرضية في حالة كون: نسبة اإلجابات غير المرضية قليلة )أقل من %10(. كبر حجم العينة. عدم اختالف أصحاب اإلجابات غير المرضية بصورة كبيرة )ديموغ ارفيا أو في خصائص أخرى مهمة في البحث(. نسبة اإلجابات غير المرضية بالنسبة للمستجيب كبيرة. عدم اإلجابة على األسئلة الرئيسية للبحث. يؤدي اختالف أصحاب اإلجابات غير المرضية عن أصحاب اإلجابات المرضية إلى تحيز نتائج البحث. كما يمكن أن تكون الطريقة التي يتم بها تحديد قيم اإلجابات غير المرضية شخصية وغير موضوعية مما يسبب أيضا تحيز النتائج. إذا قرر الباحث االستغناء عن تلك االستجابات غير المرضية فيجب عليه ذكر االج ارء الذي استخدمه في تحديدها إلى جانب توضيح عددها. ترميز البيانات: يقوم الباحث بتحديد رمز لكل إجابة محتملة أي تحويل جميع المعطيات والبيانات إلى رموز يفهمها الباحث والبرنامج المعالج وغالبا ما تكون هذه الرموز عبارة عن أرقام. يتم تخزين األرقام الخاصة باإلجابات )أرقام مفردات عينة الد ارسة وهي أرقام االستما ارت وأرقام اإلجابات التي قدمها المستجوبون( في ذاكرة الحاسب اآللي في ملف معين يتم تسميته من قبل الباحث كي يسهل عليه استدعاؤه عند الحاجة. مالحظة: في حاالت قليلة جدا أين يتطلب التحليل استخدام األسلوب اليدوي )التقليدي( دون الحاجة للترميز وعادة ما تكون بالنسبة لألسئلة المفتوحة التي تحتاج تحليل المحتوى والحكم الشخصي للباحث على مستوى اإلجابة. ترميز األسئلة المفتوحة: يعتبر ترميز األسئلة المفتوحة أكثر صعوبة ويتطلب مهارة وخبرة. عادة ما يبدأ الباحث بق ارءة اإلجابات التي جمعها من المستجابين وغالبا ما تتم هذه المرحلة بعد االنتهاء من جمع االستبيانات وقد يصل عدد اإلجابات المتحصل عليها 12

إلى رقم كبير. ومن األمور التي ينبغي على الباحث م ارعاتها عند ترميز األسئلة المفتوحة ما يلي: عدم تداخل فئات الترميز وشموليتها )لكل إجابة مكان واحد فقط( ولتحقيق الشمول على الباحث تخصيص خانة إضافية لإلجابات األخرى التي قد ال تتضمنها الفئات التي تم تحديدها مع مالحظة أال تزيد تلك اإلجابات عن %10 فقط من إجمالي اإلجابات. يجب إعطاء رموز لإلجابات الهامة التي لم يذكرها أحد. يجب ترميز اإلجابات بحيث تسمح باإلبقاء على أكبر قدر ممكن من التفاصيل في البيانات مما يزيد من قدرة الباحث على التحليل. إدخال البيانات إلى ذاكرة الحاسب اآللي )تسجيل البيانات(: يتم في هذه المرحلة نقل البيانات من على االستبيان إلى ذاكرة حاسب اآللي وقد سهلت التكنولوجيا هذه المهمة على الباحث من خالل توفير مجموعة من الب ارمج اإلحصائية مثل: برنامج اكسل )Excel( إفيوز )Eviews( الحزمة اإلحصائية للعلوم االجتماعية )SPSS( ب ارمج التمثيل البنائي للمعادالت )SEM( مثل )Amos( )LISREL( )EQS( برنامج ميني تاب) tab...)mini حيث تحتوي هذه الب ارمج على تعليمات واضحة وسهلة إلتمام عملية إدخال البيانات. مالحظة: يجدر التنويه في هذه النقطة إلى ضرورة الحرص على إدخال األرقام الصحيحة لإلجابات وتجنب أخطاء اإلدخال قدر االمكان ويكون ذلك عن طريق الم ارجعة التقليدية أو اآللية التي يوفرها البرنامج المستخدم في التحليل. تنقية )غربلة( البيانات: تهدف هذه المرحلة إلى التأكد من الثبات ومعالجة البيانات المفقودة. فحص الثبات: يكون الهدف هنا هو تحديد القيم التي تقع خارج النطاق أو القيم غير المنطقية أو القيم المتطرفة. القيم الخارجة عن النطاق: مثل وجود رقم 6 في سؤال استخدم له سلم )ليكرت( من 5 درجات فقط حيث ال يسمح بالقيم الخارجة عن النطاق ويجب على الباحث الرجوع إلى مصدرها في االستبيان األصلي وأن يقوم بتصحيحها. القيم غير المنطقية: مثل إشارة المستجاب إلى استخدامه لبطاقة االئتمان في بعض المشتريات في حين أنه قد أجاب ب "ال" على سؤال خاص بامتالكه بطاقة ائتمان. 13

القيم المتطرفة: يجب على الباحث فحصها بعناية حيث أن بعضها صحيح لكنه يشير إلى مشاكل في البيانات المجمعة مثل التقييم المنخفض جدا ألحد السلع )مثال: اختيار الرقم 1 على سلم مكون من درجات( وبالنظر إلى 7 االستبيان األصلي قد يالحظ الباحث اختيار المستجاب لهذا الرقم لإلجابة جميع أسئلة االستبيان. معالجة اإلجابات المفقودة: على القيم المفقودة هي تلك البيانات غير المعروفة إما بسبب إعطاء المستجاب إلجابات غامضة أو بسبب عدم مناسبة طريقة إعطاء األرقام الرمزية. تسبب معالجة اإلجابات المفقودة مشاكل خاصة إذا كانت نسبتها أكثر من %10. وأمام الباحث البدائل التالية: إحالل قيمة محايدة: عادة ما تكون الوسط الحسابي للمتغير وبالتالي لن تتغير قيمته كما لن تتأثر بعض القيم اإلحصائية األخرى مثل االرتباط. ورغم جودة هذه الطريقة إال أنها تثير تساؤالت حول ما سيكون عليه الحال في حالة اختيار المستجاب لقيمة أقل بكثير أو أكبر بكثير من المتوسط الحسابي. إحالل قيمة مستنتجة: يقوم الباحث هنا باستخدام نموذج اجابات المستجاب الستنتاج القيمة المفقودة. يمكن القيام بذلك إحصائيا عن طريق تحديد العالقة بين المتغير ذو البيانات المفقودة والمتغي ارت األخرى في البحث مثل حجم األسرة ومعدل استخدام سلعة معينة. تتطلب هذه العملية مجهودا إضافيا من الباحث وقد يشوبها التحيز. استبعاد االستبيان: يكون ذلك في حالة ارتفاع عدد األسئلة التي تركت بدون إجابة. قد يؤدي استخدام هذه الطريقة إلى صغر حجم العينة إضافة إلى كونها مكلفة ومضيعة للوقت. هذا وقد تختلف اجابات هؤالء عن اجابات أصحاب االستبيانات الكاملة مما يعني تحيز نتائج البحث. استعمال البيانات المتاحة لكل متغير: بدل استبعاد االستبيان بالكامل يقوكم الباحث باستعمال البيانات المتاحة لكل متغير. ويترتب على ذلك حسابات مختلفة في التحليل مبنية على عينات مختلفة الحجم حسب كمية البيانات المفقودة. تعتبر هذه الطريقة مناسبة في حالة: )1( كبر حجم العينة )2( قلة البيانات المفقودة )3( عدم ارتباط المتغي ارت. مع ذلك قد يترتب على تطبيق هذا اإلج ارء الحصول على نتائج غير مقبولة ال يمكن تطبيقها. 14

مالحظة: إن اتباع أساليب مختلفة لعالج البيانات المفقودة قيمكن أن يترتب عليه الحصول على نتائج مختلفة خاصة عندما تكون البيانات مفقودة بطريقة غير عشوائية )من فئة معينة فقط(. لذلك يجب على الباحث تقليلها قدر االمكان كما ينبغي على الباحث األخذ في االعتبار النتائج المترتبة عن اتباع أسلوب معين قبل استخدامه. تعديل البيانات إحصائيا: يتكون تعديل البيانات إحصائيا من: إعطاء أو ازن وتحديد المتغي ارت وتحويل أداة القياس. رغم كون هذه التعديالت اختيارية في الغالب إال أنها قد تحسن جودة تحليل البيانات. إعطاء أو ازن: حيث يقوم الباحث بإعطاء كل حالة أو مستجاب وزنا يعكس أهميته بالنسبة للحاالت أو المستجابين اآلخرين. وتعني القيمة )1( أن الحالة لم يعطى لها وزن. الهدف من إعطاء األو ازن هو تقليل أو زيادة عدد الحاالت في العينة التي تتصف بخصائص معينة. وتستخدم األو ازن بكثرة لجعل العينة أكثر تمثيال لمجتمع البحث بالنسبة لخصائص معينة. مثال ذلك إعطاء األو ازن التالية: )3( لألكثر استعماال للمنتج )2( لمتوسطي االستعمال للمنتج )1( لقليلي االستعمال وغير المستعملين للمنتج. مالحظة: يجب على الباحث توخي الحذر عند استخدام األو ازن حيث أن إعطاء األو ازن يغير من طبيعة العينة واذا قرر الباحث استخدامها فيجب أن يشير إلى ذلك في تقريره. تحديد المتغي ارت: تشمل تحويل البيانات بهدف خلق متغي ارت جديدة أو تعديل المتغي ارت الموجودة وذلك بهدف خلق متغي ارت تتناسب مع أهداف البحث. مثال ذلك إذا استخدم الباحث مقياس مكون من عشر فئات تتعلق باستخدام المنتج هنا يمكنه تحديد أربع فئات: مستخدم بكثرة )8 10( 9 مستخدم بشكل متوسط أو معتدل )5 7( 6 مستخدم بشكل قليل )2 4( 3 غير مستخدم.)1( تحويل أداة القياس: الهدف من هذا التحويل هو إمكانية المقارنة بين مقاييس أخرى أو جعل البيانات أكثر مالءمة للتحليل فكثي ار ما يستخدم الباحث أدوات قياس مختلفة لقياس متغي ارت مختلفة وبالتالي ال تصلح المقارنة عبر المقاييس المختلفة لنفس المستجاب مما يتطلب تحويل أدوات القياس. أحيانا يستخدم الباحث نفس أداة القياس لكل المتغي ارت ومع ذلك يستخدم المستجاب األداة 15

بطريقة مختلفة. مثال ذلك قيام البعض باستخدام القيم العليا دائما بينما يستخدم البعض اآلخر القيم الدنيا. ويمكن تحويل البيانات من تصحيح هذه األوضاع. اختيار است ارتيجية التحليل االحصائي: يمثل الشكل أدناه الخطوات التي يشملها اختيار است ارتيجية تحليل البيانات. شكل رقم )5(: خطوات اختيار است ارتيجية تحليل البيانات. الخطوات األولية للبحث )المشكلة طرق القياس منهج البحث( معرفة خصائص البيانات خصائص الطرق اإلحصائية خلفية وفلسفة الباحث استراتيجية تحليل البيانات يظهر من الشكل أن است ارتيجية التحليل تبدأ في الم ارحل األولى من البحث وعلى وجه التحديد مع تحديد المشكلة. تؤثر خصائص البيانات وخصائص األساليب اإلحصائية في اختيار أسلوب التحليل المالئم إضافة إلى خلفية الباحث وفلسفته. التحليل االحصائي ليس هدفا في حد ذاته بل الغرض منه هو الحصول على معلومات تساعد على فهم مشكلة البحث والعوامل المؤثرة فيها مما يساعد على اتخاذ الق ارر المناسب لمواجهتها. تؤثر مشكلة البحث ومنهجيته وتصميمه في اختيار أسلوب التحليل المناسب وعليه يعتبر التحديد المبدئي لألساليب التي ستستخدم في تحليل البيانات جزء هاما من خطة البحث والتي غالبا ما يهملها الباحثون وال يعطونها العناية واالهتمام الالزم. مع ذلك هناك مجال لبعض التغيير في ضوء المعلومات االضافية التي يحصل عليها الباحث خطوات البحث المختلفة. تعتبر معرفة الباحث لخصائص البيانات أم ار غاية في األهمية حيث تؤثر تلك الخصائص بشكل كبير على اختيار األسلوب المناسب للتحليل. كما يؤثر تصميم البحث على تفضيل الباحث ألسلوب معين )يفضل استخدام تحليل التباين في حالة د ارسة العالقة بين السبب 16

والنتيجة(. واذا كانت نوعية أدوات القياس المستخدمة تحدد نوعية البيانات التي سيتم تحليلها فإن فحص البيانات خالل مرحلة إعدادها للتحليل يلقي الضوء على أفضل أساليب التحليل. يجب على الباحث أيضا معرفة خصائص األساليب اإلحصائية خاصة شروط تطبيقها. فهناك بعض الطرق مفضلة عند فحص االختالفات بين المتغي ارت )تحليل كاي تربيع( وتوجد طرق مفضلة عند د ارسة قوة العالقة بين المتغي ارت )تحليل االرتباط( وهناك طرق أخرى مفضلة للتنبؤ )تحليل االنحدار(. لكل أسلوب شروط لتطبيقه ويمكن للباحث تجاوزها في بعض األساليب دون ضرر كبير بينما ال يمكنه ذلك في البعض اآلخر. تؤثر خلفية الباحث وفلسفته على األسلوب الذي يختاره لتحليل بيانات بحثه ويتوقف ذلك على خبرته بطرق التحليل واستعداده لتحديد افت ارضات معينة بشأن المتغي ارت ومجتمع البحث. بصفة عامة هناك أكثر من أسلوب مناسب لتحليل بيانات أي بحث. تصنيف أساليب التحليل االحصائي: يمكن تقسيم أساليب التحليل االحصائي إلى: تحليالت المتغي ارت األحادية Analysis( :)Univariate تالئم الحاالت التي يستخدم فيها الباحث مقياسا واحدا لكل متغير أو عندما يستخدم عدة مقاييس لكل متغير لكن يتم تحليل كل متغير على حدا. من أمثلة األساليب المستخدمة في تحليل المتغي ارت األحادية اختبار )Z( واختبار )t( تحليل التباين األحادي...إلخ. تحليالت المتغي ارت المتعددة Analysis( :)Multivariate تناسب البيانات التي يستخدم فيها مقياسين أو أكثر لكل متغير والمتغي ارت التي يتم تحليلها في نفس الوقت. تهتم هذا التحليالت بالعالقات بين اثنين أو أكثر من الظواهر. وتختلف هذه األساليب عن أساليب التحليل األحادي في كونها تنقل التركيز من مستوى )المتوسطات( والتوزيعات )التباين( للظاهرة إلى التركيز على درجة العالقات )االرتباط والتغاير( بين الظواهر. من أمثلة األساليب المعتمدة في تحليل المتغي ارت المتعددة الجداول التقاطعية تحليل التغاير تحليل االنحدار تحليل التمايز التحليل المتصل التحليل العاملي التحليل المقطعي...إلخ. 17

المحور الثاني: األسس النظرية لعملية تحليل المعطيات التسويقية للم نت ج المعطيات أوال: نظرة على عملية القياس قبل التطرق لعملية تحليل المعطيات ال بد للباحث تمييز بعض المفاهيم واإلج ارءات التي من شأنها زيادة جودة التحليل التسويقي الذي يقوم به ومن بينها مفهوم القياس التعريف النظري والتعريف القياسي )االج ارئي( الحكم على دقة أدوات القياس وفق اآلتي: 1. القياس: هو "القواعد التي يستخدمها الباحث في تحديد أرقام لألشياء لتمثل نوعيتها أو خصائصها". بمعنى أن القياس يتعلق باإلج ارءات التي تستخدم لتحديد األرقام التي تعكس كمية الخاصية المدروسة. 2. التعريف النظري )المفاهيمي(: القيام بتحديد الخصائص الرئيسية للفكرة التي يتم د ارستها. مما يسمح بتمييزها عن األفكار األخرى المشابهة لها. 3. التعريف القياسي )اإلج ارئي(: يتضمن ترجمة التعريف النظري إلى خطوات عملية يجب اتباعها من أجل تحديد أرقام للخصائص التي سيتم قياسها. أي أن التعريف القياسي يربط بين التعريف النظري للفكرة والمشاهدات العملية. مثال: لقياس اتجاهات المستهلك نحو ش ارء سيارة جديدة يمكن تحديد التعريفات التالية: -التعريف النظري: "ميل لالستجابة نحو العالمة بطريقة مفضلة أو غير مفضلة". -التعريف القياسي: يتم توجيه السؤال: حدد مدى نيتك لش ارء سيارة جديدة من العالمة )X(: 5 4 3 2 1 بالتأكيد سوف أشتريها بالتأكيد لن أشتريها ثانيا: الحكم على دقة أدوات القياس قد تحدث أخطاء أثناء عملية القياس تؤدي إلى نتائج غير دقيقة ومضللة لذلك يستخدم الباحثون اختبا ارت الثبات )Reliability( والصدق أو الصالحية )Validity( والتعميم )Generalizability( في تحديد دقة المقاييس المستعملة وذلك من أجل زيادة فرصة الحصول على نتائج فعالة يمكن ترجمتها إلى ق ار ارت إدارية ناجحة. 18

1. تقييم المقاييس المستخدمة: تشمل هذه العملية اختبار الصدق والثبات التعميم. شكل رقم )6(: مكونات تقييم أداة القياس. تقييم أداة القياس التعميم Generalza bility الصدق Validity الثبات Reliability الفكرة/البناء Constract المعياري Criterion المحتوى Content االتساق الداخلي Internal Consistency االختبار/ إعادة االختبار Test/Retest أشكال مختلفة للقياس Alternative Forms التحويل Convergent التمايز Discriminant االسمي Nomological أ. مقاييس الثبات/االعتمادية: - تعريف الثبات: يقصد بالثبات الحصول على نفس القيم عند إعادة استعمال أداة القياس. كلما ازدت درجة الثبات واستق ارر أداة القياس كلما ازدت موثوقيته ويمكن النظر إلى فكرة الثبات من ازويتين: األولى: إلى أين درجة يمكن االعتماد على أداة القياس حيث أن التركيز في هذه ال ازوية يكون على قدرة أداة القياس على إنتاج مقاييس ثابتة. الثانية: إلى أي مدى ال يمكن االعتماد على أداة القياس أي أن التركيز هنا يكون على درجة عدم ثبات أداة القياس حيث تعبر درجة عدم الثبات عن مدى عدم صحة األداة المستخدمة للقياس. بناء على ما سبق فإن درجة االعتماد على أداة القياس هي درجة الدقة في القياس الذي استخدمت فيه أداة القياس وكلما قل الخطأ في األداة كلما ازدت درجة االعتماد عليها. 19

مالحظة: يتم قياس درجة الثبات عن طريق حساب معامالت االرتباط بين القيم التي تم الحصول عليها باستخدام أداة القياس عدة م ارت حيث تتصف أداة القياس باالعتمادية كلما ارتفعت قيم معامالت االرتباط. العوامل المؤثرة على درجة ثبات أداة القياس: هناك أربعة عناصر أساسية تؤثر على درجة ثبات أداة القياس وهي: البيئة الطبيعية التي يتم فيها جمع البيانات. الحالة النفسية والجسدية للمستجابين. التفاعل بين المستقصي والمستجابين. االستخدام المتكرر ألداة القياس. طرق تحديد درجة ثبات القياس: توجد طرق مختلفة لتحديد مدى ثبات القيمة المقاسة وذلك بتعدد م ارت استخدام أداة القياس كما يلي: االختبار/ إعادة االختبار :)Test/Retest( حيث يستخدم الباحث نفس أداة القياس على نفس المستجابين وذلك في فترتين زمنيتين مختلفتين وتحت نفس الظروف )قدر االمكان(. تت اروح الفترة المقترحة بين التطبيقين من أسبوع إلى أربعة أسابيع حيث يكون القياس ثابتا إذا ارتفع معامل االرتباط بين القياسين أي أن قيمة القياس = إعادة القياس. أشكال بديلة/مختلفة Formes( :)Alternative حيث يصمم الباحث أداتين للقياس متشابهتين في المحتوى لكن ليس بالدرجة التي يؤثر فيها القياس األول على قيمة القياس الثاني. تستخدم األداتين على نفس العينة خالل فترتين زمنيتين )أسبوعين في المتوسط( ويتم حساب معامل االرتباط بين القيمتين اللتين تم الحصول عليهما. االتساق الداخلي Consistency( :)Internal تستخدم هذه الطريقة لقياس معدل ثبات المقاييس المجمعة )( مثل مقياس ليكرت التي يتم جمع قيمها للحصول على القيمة االجمالية للقياس. في هذا النوع من المقاييس تقوم كل عبارة بقياس جانب من الخاصية التي صممت لها أداة القياس حيث يجب أن تتفق جميع العبا ارت في قيمة االرتباط واتجاهه. وهناك عدة طرق لقياس االتساق الداخلي هي: 20

التقسيم النصفي ألداة القياس :)Split-Half( تقسم أداة القياس إلى نصفين سواء حسب تسلسل العبا ارت أو إلى عبا ارت زوجية وفردية أو عشوائيا حيث يتم حساب معامل االرتباط بين مجموع النصفين يدل ارتفاع معامل االرتباط على ارتفاع الثبات الداخلي. :)Cronbach s Alpha( معامل االرتباط كرومباخ ألفا/ تستخدم فيه جميع التقسيمات النصفية الممكنة وتت اروح قيمته بين الصفر )0( والواحد )1( حيث أن انخفاض قيمته عن) 0.6 ( دليل على انخفاض االتساق الداخلي. مالحظة: تميل قيمة معامل كرومباخ ألفا للزيادة مع زيادة مفردات المقياس وعليه يمكن أن ترتفع قيمته نتيجة إضافة عبا ارت متكررة ال تضيف أية قيمة إلى المقياس. معامل بيتا ) (: يستخدم باإلضافة إلى المعامل للمساعدة في تحديد ما إذا كان حساب يخفي مفردات غير ثابتة. مالحظة: إذا كان الباحث يقيس مفهوما متعدد األبعاد )الجودة االتجاه الوالء( فيجب عليه أن يصمم أداة قياس تغطي كافة األبعاد. ونظ ار ألن هذه األبعاد مستقلة فإن استخدام االتساق الداخلي عبر تلك األبعاد غير مناسب مع ذلك يمكن استخدام معدل االتساق الداخلي لعبا ارت كل بعد على حده. مالحظة: ترتبط بكل طريقة من الطرق السابقة عدة مشاكل بسبب الظروف المحيطة باستخدامها لذلك يفضل للباحث استخدام أكثر من طريقة للحكم على ثبات القياس. ب. مقاييس الصدق/الصالحية يعرف صدق أداة القياس بأنه قدرة األداة على قياس ما صممت من أجله. أي أن: القيمة المقاسة=القيمة الحقيقية. يعني الصدق التام خلو أداة القياس من أخطاء القياس سواء كانت هذه األخطاء منتظمة أو عشوائية. يثير تعريف الصدق تساؤلين: األول: من الذي يقرر أن أداة القياس تقيس المفهوم الذي صممت من أجله االجابة هنا واضحة: الباحث! 21

الثاني: كيف يمكن تحديد أن أداة القياس تقيس المفهوم الذي صممت من أجله وهنا يعتمد الباحث على المنطق والدليل اإلحصائي. مالحظة: يعتبر اعتماد الباحث على منطقه الشخصي دليال غير كاف لصدق أداة القياس خاصة عندما تتصف المفاهيم المدروسة بالغموض كما هو حال الكثير من المفاهيم التسويقية تحديدا-. وعليه فإن الصدق التام حالة مثالية ال يمكن الوصول إليها. أنواع الصدق/الصالحية: تقسم مقاييس الصدق كاآلتي: صدق المحتوى Validity( :)Content هو حكم شخصي مبني على الربط بين أسئلة أداة القياس وأهداف البحث لذلك يسمى أيضا الصدق الظاهري Validity(.)Face بمساعدة عدد من الخب ارء يحكم الباحث على صدق المحتوى من خالل التأكد من أن أداة القياس تحتوي على مفردات )عبا ارت( تغطي بالكامل المفهوم محل الد ارسة. مثال: أي أداة لقياس االتجاهات ال تتضمن عبا ارت تغطي أبعاده الثالثة: االعتقاد الشعور السلوك ال تتمتع بصدق المحتوى باإلضافة إلى ضروروة وجود توازن في هذه العبا ارت. الصدق المعياري Validity( :)Criterion يكون المقياس صادقا من الناحية المعيارية إذا كانت عالقته بالمتغي ارت األخرى )ديموغ ارفية سيكولوجية...( كما هو متوقع. بناء على الفترة الزمنية التي يتضمنها البحث يأخذ الصدق المعياري أحد الشكلين: صدق التالزم Validity( :)Concurrent يحدد قيمة القياس وقيمة المتغي ارت األخرى في نفس الوقت ويحسب االرتباط بينهم. صدق التنبؤ Validity( :)Predictive يحدد قيمة أداة القياس وقيمة المتغي ارت المعيارية )التي سوف تستخدم أداة القياس للتنبؤ بها( في فترة زمنية الحقة حيث تقاس قدرة األداة على التنبؤ من خالل حساب معامل االرتباط بين قيمة أداة القياس وقيمة المعيار. 22

صدق البناء Validity( :)Construct يجيب صدق البناء على السؤال الخاص بطبيعة الخصائص التي يتم قياسها. يتطلب صدق البناء نظرية جيدة تحدد طبيعة المفهوم المدروس الكيفية التي يرتبط بها مع المكونات األخرى للنظرية. يعتبر صدق البناء من أكثر مقاييس الصدق تقدما ويعتمد على إج ارءات إحصائية معقدة مثل )LISREL( ويتحدد بمدى مساهمة كل بناء/مفهوم في المجموع الكلي لتباين الظاهرة محل الد ارسة. يشمل صدق البناء األبعاد الثالثة التالية: صدق التقارب Validity( :)Convergent يتم الحكم عليه بدرجة االرتباط الموجب للقياس مع مقاييس أخرى لنفس البناء. صدق التمايز Validity( :)Discriminant يتم الحكم عليه عن طريق عدم ارتباط القياس بأفكار أو متغي ارت أخرى من المفروض أال ترتبط بها حيث يدل هذا الصدق على أن أداة القياس فريدة وال تعكس متغي ارت أخرى. :)Nomological Validity( الصدق النظري يقصد به ارتباط القياس نظريا بطريقة متنبئ بها بمقاييس مختلفة ولكنها متصلة بأفكار مرتبطة مع بعضها )نظرية(. يقوم الباحث بتصميم نموذج نظري يتبعه عدد من االختبا ارت واالستنتاجات وبالتدريج يتم ربط مجموعة من األفكار ببعضها البعض. مالحظة: تتضمن طرق قياس الصدق السابقة عدة مشاكل نظ ار الختالف المسائل المتعلقة بها لذلك يفضل للباحث استخدام أكثر من طريقة للحكم على صدق القياس. العالقة بين ثبات وصدق أداة القياس إذا كان المقياس صادقا تماما فهو بالتبعية ثابت أيضا أي أن المشاهدة=القيمة الحقيقية وعليه فإن الصدق التام يعني الثبات التام. لكن إذا كان المقياس غير ثابت فال يمكن أن يكون صادقا حيث أنه في أفضل الحاالت سوف يحتوي على أخطاء عشوائية وفي أسوء الحاالت قد يتضمن الخطأ المنتظم وبالتالي فإن عدم الثبات يعني بالضرورة عدم الصدق. في حالة ما إذا كان المقياس ثابتا تماما )الثبات= 1 ( فإن قد يكون صادقا تماما أو غير صادق نظ ار لوجود الخطا المنتظم وبالتالي يعتبر 23

افتقاد أداة القياس للثبات مؤش ار سالبا عن الصدق وفي نفس الوقت فإن توفر الثبات ال يعني أن األداة صادقة أي أن الثبات رغم أهميته ال يكفي بمفرده لصدق أداة القياس. مالحظة: صدق أداة القياس ثبات أداة القياس. ج. التعميم :)Genaralizability( يقصد به إمكانية تعميم النتائج التي حصل عليها الباحث من عينة الد ارسة إلى المجتمع باستخدام نفس أداة القياس. مالحظة: لتصميم أداة قياس جيدة تتمتع بالصدق والثبات يجب على الباحث اتباع ما يلي: تحديد التعريف النظري الدقيق للمفهوم محل الد ارسة. تحديد التعريف العملي )اإلج ارئي( الذي يشمل أسئلة االستبيان وسلم القياس. تحليل مفردات/عبا ارت أداة القياس من خالل اختبار المقياس على صغيرة ممثلة لعينة الد ارسة حيث يتم االبقاء على المفردات ذات االرتباط المرتفع بالمجموع الكلي للمقياس )اتساق داخلي(. القيام باختبا ارت الثبات من خالل البيانات المجمعة. إج ارء أكبر قدر ممكن من اختبا ارت الصدق. ثالثا: تحليل البيانات في البحوث النوعية ألن أغلب المتغي ارت التسويقية عبارة عن مفاهيم نظرية مجردة يصعب قياسها كميا بطريقة مباشرة فإنه من المهم االشارة إلى خطوات تحليل البيانات النوعية التي يتم تجميعها من خالل البحوث النوعية التي تختلف عن البحوث الكمية. 1. البحوث النوعية research( :)Qualitative عبارة عن تصميم استكشافي مبدئي غير مهيكل باالعتماد على عينات صغيرة يهدف إلى تقديم الرؤية أو البصيرة والفهم. 2. البحوث الكمية research( :)Quantitative هي أساليب أو تقنيات البحث التي تسعى إلى بيانات كمية وتطبق بعض أشكال التحليل االحصائي عمليا. 3. م ارحل تحليل البيانات النوعية تمر عملية تحليل البيانات النوعية بالم ارحل الموضحة في الشكل التالي: 24

شكل رقم )7(: م ارحل تحليل البيانات النوعية. تجميع البيانات/ Assembly Data تقليل )تبسيط( البيانات/ Reduction Data عرض البيانات/ Display Data فحص )التحقق( البيانات/ Verification Data أ. تجميع البيانات Assembly( :)Data جمع البيانات من مختلف المصادر. ب. تقليل )تبسيط( البيانات Reduction( :)Data تنظيم وهيكلة البيانات النوعية )من خالل تنقية وترميز البيانات(. ج. عرض البيانات Display( :)Data تلخيص وتقديم الهيكل الذي تبدو به البيانات النوعية المجمعة. د. فحص )التحقق( البيانات Verification( :)Data البحث عن شروحات بديلة لتفسي ارت البيانات النوعية من خالل مصادر أخرى للبيانات. اربعا: دور اإلحصاء في تحليل وتفسير البيانات من أجل القيام بعملية التحليل يحتاج الباحث مجموعة من األساليب اإلحصائية وعليه أن يختار منها وفق ما يتالءم مع طبيعة البيانات المجمعة وحسب أهداف البحث وغيرها من المعايير التي سبق االشارة إليها في خطوات إعداد البيانات للتحليل. من هذا المنطلق كان ال بد من التطرق لمفهوم علم اإلحصاء وأنواعه وأهم المقاييس اإلحصائية. 1. علم اإلحصاء Science( :)Statistics هو العلم الذي يهتم بأساليب جمع البيانات وتنظيمها في جداول إحصائية ثم عرضها بيانيا. ويمكن تعريفه تعريفا شامال بأنه العلم الذي يبحث في: - جمع البيانات والحقائق المتعلقة بمختلف الظواهر وتسجيلها في صورة رقمية وتصنيفها وعرضها في جداول منظمة وتمثيلها بيانيا وايجاد المقاييس اإلحصائية المناسبة. - مقارنة الظواهر المختلفة ود ارسة العالقات واالتجاهات بينها واستخدامها في فهم حقيقة تلك الظواهر ومعرفة القوانين التي تسير تبعا لها. - تحليل البيانات واستخ ارج النتائج منها ثم اتخاذ الق ار ارت المناسبة. وينقسم علم اإلحصاء إلى قسمين أساسيين هما: 25

أ. اإلحصاء الوصفي Statistics( :)Descriptive هو مجموعة األساليب اإلحصائية التي تعنى بجمع البيانات وتنظيمها وتصنيفها وتلخيصها وعرضها بطريقة واضحة في صورة جداول أو أشكال بيانية وحساب المقاييس اإلحصائية المختلفة لوصف متغير أو أكثر( في مجتمع ما أو عينه منه. ب. اإلحصاء االستداللي ( Statistics :)Inferential عبارة عن مجموعة من األساليب اإلحصائية التي تستخدم بغرض تحليل بيانات ظاهرة )أو أكثر( في مجتمع ما على أساس بيانات عينة احتمالية تسحب منه وتفسيرها للتوصل إلى التنبؤ واتخاذ الق ار ارت المناسبة. ويتلخص األسلوب اإلحصائي في الخطوات التالية: - جمع البيانات عن طريق األدوات المخصصة لذلك بكمية كافية الستخالص النتائج منها. - عرض هذه البيانات بطريقة تساعد على فهمها واالستفادة منها حيث أن البيانات اإلحصائية في صورتها األولية ال يمكن االستفادة أو استخالص النتائج منها خاصة في حالة وجود عدد كبير من األرقام أو الصفات. 2. المقاييس اإلحصائية: يمكن تلخيصها في النقاط التالية: أ. مقاييس النزعة المركزية Tendency( :)Measures of Central معظم قيم مفردات أي ظاهرة تتجمع أو تتمركز حول قيمة معينة تسمى القيمة المتوسطة يسمى هذا التجمع عند هذه القيمة بالنزعة المركزية للبيانات. من أهم مقاييس النزعة المركزية: الوسط الحسابي الوسيط المنوال الر بيعات الوسط الهندسي الوسط التوافقي. ب. مقاييس التشتت Dispersion( :)Measures of من أهم مقاييس التشتت: المدى نصف المدى الر بيعي )االنح ارف الر بيعي( االنح ارف المتوسط التباين واالنح ارف المعياري. ج. االلتواء :)Skewness( االلتواء هو بعد التوزيع عن التماثل وقد يكون هذا التوزيع متماثال أو ملتويا جهة اليمين أو ملتويا جهة اليسار. 26

SPSS خطوة بخطوة المحور الثالث: استخدام برنامج أوال: تشغيل والتعرف على البرنامج SPSS يعمل البرنامج اإلحصائي SPSS في بيئة النوافذ ويتم تشغيله باختيار األمر START من الالئحة الرئيسة PROGRAMS وبعد ذلك تحديد برنامج.SPSS For Windows مالحظة: عندما يفتح البرنامج الصفحة الرئيسية وقبل القيام بأي إج ارء ينبغي على الباحث التأكد من أن البرنامج يعمل وذلك من خالل التأكد من الرسالة التي تظهر أسفل الشاشة في الصفحة الرئيسية. يكون البرنامج جاه از للعمل إذا ظهرت الرسالة التي تفيد بأن المعالج جاهز Ready( )Processor Is بخالف ذلك فإن البرنامج ال يعمل وأن هناك مشكلة ما فيه )المعالج غير متاح(. الهدف هنا هو تعليم كيفية التعامل مع البرنامج لغرض تحليل المعطيات دون التعمق في الجانب التقني واإلحصائي المعقد والمتقدم حيث يحتوي البرنامج على خيا ارت متقدمة للتحليل ال يرتقي إليها حاليا- مستوى الطالب. 27

ثانيا: نوافذ البرنامج هناك عدة نوافذ للبرنامج نذكر منها ما يلي: 1. الئحة األوامر :COMMAND FUNCTIONS وهي القائمة الخاصة باألوامر حيث يمكن اختيار األمر من خالل األيقونة لكل عملية إحصائية وتشمل هذه الالئحة على 9 أوامر رئيسة ( بدون )Help يتفرع منها عدد من األوامر الفرعية. 2. شاشة البيانات :DATA VIEW إلضافة والغاء البيانات التابعة لكل متغير حيث يتم تمثيل المتغير بعمود Column ويعطي االسم VAR مع رقم يبدأ من 1 حتى 100,000 أما األسطر فتمثل عدد المشاهدات لكل متغير. ويتم الت حو ل ما بين المشاهدات والمتغي ارت بالضغط على Data View و.Variable View 3. شاشة تعريف المتغي ارت :VARIABLE VIEW لتعريف المتغي ارت يتم الضغط على العمود مرتين DOUBLE CLICK أو بالضغط على VARIABLE VIEW الموجود في أسفل الشاشة لتظهر شاشة أخرى لتعريف المتغي ارت بتحديد: اسم المتغير النوع الحجم العنوان الترميز. ويتم الترميز بالضغط على عامود VALUES ومن ثم تحديد قيمة الرمز ووصفه مع الضغط على مفتاح ADD إلضافة الرمز. 28

4. الئحة المخرجات :OUTPUT NAVIGATOR شاشة إلظهار النتائج ويتم التحويل ما بين شاشة النتائج وشاشة البيانات بالضغط على األمر WINDOW ومن ثم اختيار ملف البيانات. 29

ثالثا: استرجاع البيانات والملفات: FILE تحديد نوعية الملف المر اد استرجاعه. باختيار األمر ثم الفرعي OPEN ال بد بعد ذلك من ويتم استرجاع التالي: بيانات ( المتغي ارت ) SAV).(*. تقارير والمقصود بتقارير نتائج العمليات اإلحصائية التي تم عملها سابقا.(*.SPO) وذلك بعد اختيار اسم الملف المطلوب مع التأكيد على مفتاح.OPEN وكذلك يمكن استرجاع ملفات االكسل (*.xls) وأنواع ملفات أخرى. 1. حفظ الملف: األمر الفرعي SAVE و SAVE AS خاصان لحفظ البيانات حيث أ( SAVE AS يستخدم إلعطاء اسم جديد للملف مع حفظه ويمكن كما ذكر سابقا حفظ ما يلي: - بيان المتغي ارت. DATA - مخرجات NAVIGATOR. OUTPUT ب( SAVE لحفظ التعديالت الجديدة التي ط أرت على الملف. 2. إضافة تعديل والتحكم بالمتغي ارت: أ. إضافة متغير: انتقل إلى نافذة DATA EDITOR واختر متغير غير محجوز )عمود( وأضف البيانات مع التأكيد على مفتاح ENTER أو تحرير السهم إلى أسفل. مالحظة: "." تعني مفقودة MISSING أي ال توجد قيمة في هذه الخلية. 30

ب. تعديل البيانات: يمكن بسهولة تعديل أي قيمة وذلك بتحريك السهم إلى الصف )الخلية( والكتابة عليها بالقيمة الجديدة. ج. تعريف المتغي ارت: يمكن تحديد نوعية البيانات المضافة فالمتغي ارت والمؤش ارت االقتصادية يمكن إضافتها كما هي أما المتغي ارت والبيانات تحدد من قبل الباحث بطريقة البدائل ( ذكر أو أنثى متعلم أو غير متعلم( ويتم تعريف المتغير باالنتقال إلى شاشة تعريف المتغي ارت VARIABLE VIEW وتحديد اآلتي: اسم المتغير النوع حجم المتغير عدد النقاط العشرية..VALUES تحديد قيم المتغير ( الترميز ) في خانة VALUE واسم الرمز في خانة VALUE إدخال قيمة الرمز في خانة LABEL والضغط على مفتاح ADD في كل مرة. بعد إج ارء الخطوات السابقة يتم إضافة المتغي ارت في شاشة البيانات وإلظهار القيم الكتابية الم اردفة بدل القيم الرقمية وذلك بإج ارء ما يلي: اختر األمر VIEW من الالئحة الرئيسة. اختر األمر الفرعي VALUE LABELS أو الضغط على المفتاح. أنظر المربع الحواري التالي مثال: مثال: في حالة وجود أكثر من متغير بنفس عناوين قيم البيانات وتكون االختيا ارت: موافق بشدة موافق متردد غير موافق غير موافق على اإلطالق وبفرض أنه يوجد 10 متغي ارت في مثل هذه الحالة ولتنفيذ ذلك يمكن إتباع الخطوات التالية: 1- يتم تعريف االختيا ارت السابقة كما تم شرحه في تعريف قيم المتغي ارت. -2 نسخ المتغير السابق تعريفه COPY) (EDIT, أو CTRL + C 31

3- اختر الصف التالي للمتغير السابق بالفأرة ثم اضغط على المفتاح األيمن للفأرة من القائمة المنسدلة يتم اختيار VARIABLES PASTE كما في الشكل التالي. 4- يظهر المربع الحواري التالي: 5- أكمل المربع الحواري السابق كما يلي: اختر OK فنحصل على المطلوب كما في الشكل التالي: -6 د. إضافة متغير أو مشاهدة: إضافة يمكن مشاهدة أو متغير جديد وذلك باستعمال األمر الرئيسي DATA ثم: 32

األمر الفرعي :INSERT VARIABLE في حالة إضافة متغير جديد أو الضغط على مفتاح. األمر الفرعي :INSERT CASE في حالة إضافة مشاهدة جديدة أو الضغط على مفتاح. األمر الفرعي :SORT CASES لترتيب البيانات حسب المتغير الم ارد الترتيب به. األمر الفرعي :GO TO CASE لتحويل المؤشر إلى مشاهدة معينة أو الضغط على مفتاح. ه. لعرض المتغي ارت المستخدمة قيد الد ارسة: يتم الضغط على مفتاح أو باستخدام األمر الرئيسي UTILITIES ثم األمر الفرعيVARIABLES. و. إلغاء متغير أو مشاهدة أو حالة: يوضع المؤشر في مكان المتغير الم ارد إلغاؤه ثم اضغط على مفتاح DEL وفي حالة إلغاء مشاهدة ضع المؤشر على مكان الخلية )المشاهدة( ثم اضغط على مفتاح.DEL وإللغاء حالة معينة يجب أن تضغط بالفأرة على تلك الحالة ثم اضغط على مفتاح.DEL ز. ترتيب المشاهدات حسب متغير معين :Rank Cases يقوم برنامج SPSS بإنشاء متغير جديد يحتوي على الرقم التسلسلي لترتيب المشاهدات إما تصاعديا أو تنازليا وذلك باختيار األمر الفرعي RANK CASES من األمر الرئيسي.TRANSFORM اربعا: تكوين متغير جديد باستخدام معادلة/القائمة تحويل TRANSFORM.1 األمر :Compute COMPUTE اختر من الالئحة الرئيسة األمر بعد ذلك حدد اسم المتغير الجديد في TRANSFORM ثم األمر الفرعي TARGET VARIABLE ثم كتابة المعادلة التي سوف تقوم بتكوينها باستخدام المتغي ارت المعرفة مسبقا. وبالضغط على مفتاح لتحديد شرط تحقيق المعادلة كما يوضحه المربع الحواري التالي: 33

2. استخدام الدالة IF مع :Compute تستخدم الدالة IF في حالة إضافة شرط معين لحساب قيم متغير جديد بالنسبة لمتغير موجود مسبقا. مثال: افتح الملف.Employee Data المطلوب: إعطاء مكافأة مقدارها مرتب شهر واحد للموظفين الذين تعلموا )مستوى التعليم( 16 سنة فأكثر. Transform Compute - أكمل المربع الحواري كما يلي: اضغط على االختيار If ثم أكمل المربع الحواري كما يلي: 34

نالحظ أنه تم إضافة متغير باسم new1 يشتمل على مكافأة شهر للموظفين الذين عدد سنوات تعليمهم 16 سنة فأكثر وخاليا مفقودة )بدون قيم( لباقي الموظفين. فمثال الموظف رقم 2: عدد سنوات التعليم الخاصة به 16 سنة و ارتبه السنوي الحالي $40200 نالحظ أنه استحق مكافأة مقدارها $3350 (3350=40200/12). 3. اختيار خاليا :SELECT CASES يستخدم هذه األمر الختيار الحاالت التي تحقق شرط معين الستخدامها في تحليل إحصائي خاص لبعض الحاالت المطلوبة فمثال إذا كان المطلوب اختيار الذكور الذين يعملون في وظيفة مدير أو اختيار عينة عشوائية ذات حجم معين. Data Select Cases توجد عدة اختيا ارت في المربع الحواري السابق هي: 1- جميع الحاالت :All cases يستخدم هذا االختيار في حالة استخدام جميع الخاليا دون تحقيق شرط معين وهذا هو االختيار المبدئي في.SPSS 2- إذا تحقق الشرط :If condition is satisfied يستخدم هذا االختيار في حالة اختيار بعض الخاليا التي تحقق شرط معين ويمكن استخدام الرموز التالية مع هذا االختيار: 35

أصغر من أو يساوي => أصغر من < أكبر من أو يساوي =< أكبر من > ال يساوي =~ يساوي = يمكن استخدام الرموز المنطقية التالية مع الدالة or " " and " & " :If ولتنفيذ ذلك نشط هذا االختيار ثم اضغط If فيظهر المربع الحواري التالي: مثال: الختيار الحاالت التي أقل من 18 سنة مثال لقيم متغير المستوى التعليمي educ نستخدم عالمة أقل من " < " يمكن استخدام الشرط التالي: educ أو <= 17 educ < 18 -الختيار الموظفين بدون المد ارء فقط يمكن استخدام العالمة ال يساوي " =~ " حيث تم تصنيف المد ارء بالرقم 3 لتنفيذ ذلك استخدام الشرط التالي: Jobcat ~= 3 -الختيار الموظفين الذكور الذين تعلموا أكثر من 18 سنة ومد ارء يمكن استخدام الشرط التالي: Gender = m & educ >18 & jobcat = 3 علما بأن المتغير Gender متغير وصفي تم تصنيفه إلى نوعين هما: m: ذكور f: إناث وفي حالة المتغير الوصفي يجب وضع الرمز المناسب (f,m) بين عالمتي تنصيص " ". -الختيار الموظف الذي يعمل في وظيفة كاتب أو مدير يمكن استخدام الشرط التالي: Jobcat = 1 Jobcat = 3 مالحظة: من الضروري تك ارر اسم المتغير أي أنه من الخطأ استخدام الشرط السابق على النحو التالي: Jobcat = 1 3 يمكن استخدام دالة any الختيار الموظف الذي يعمل في وظيفة كاتب أو مدير كما يلي: any(jobcat, 1, 3) 36

-الختيار الموظفين الذين تعلموا بين 18 سنة و 20 سنة مثال يمكن استخدام الشرط التالي: educ >=18 & educ <= 20 أو يمكن استخدام الشرط في الصورة التالية: range (educ,18,20) 3- عينة عشوائية للحاالت :Random sample of cases يستخدم هذا االختيار في حالة اختيار عينة عشوائية بحجم معين ولتنفيذ ذلك نشط هذا االختيار ثم اضغط Sample فيظهر المربع الحواري التالي: يوجد اختيا ارن في المربع الحواري السابق هما: - بالتقريب :Approximately يستخدم الختيار نسبة مئوية تقريبية من الحاالت فمثال يمكن اختيار 20% تقريبا من كل الخاليا. - بالضبط :Exactly يستخدم الختيار عينة عشوائية ذات حجم معين من أول عدد مناسب من الخاليا. مالحظة: عدد الخاليا المطلوب اختيارها يجب أن يكون أقل من عدد الخاليا المطلوب االختيار منها فمثال يمكن اختيار 100 خلية فقط من أول 150 خلية. 4- بناء على الزمن أو مدى الحالة :Based on time or case range يستخدم هذا 37

االختيار في حالة اختيار عينة عشوائية بحجم معين ولتنفيذ ذلك نشط هذا االختيار ثم اضغط Range فيظهر المربع الحواري التالي: -الختيار الحاالت بين 50 20 مثال اكتب في المربع الحواري السابق اكتب 20 في المستطيل أسفل First Case 50 في المستطيل أسفل.Last Case 5- استخدم المتغير الم ص ف ى :Use filter variable يستخدم هذا االختيار في حالة استخدام متغير رقمي كمتغير لتصفية الخاليا المطلوبة وفي هذه الحالة فإن الخاليا التي قيمها ال تساوي صف ار أو ليست قيم مفقودة لمتغير التصفية سوف يتم اختيارها. مالحظة: االختيار Filtered أسفل :Unselected Cases Are يستخدم لتصفية الخاليا الغير مطلوبة مع إبقائها في ملف البيانات أما االختيار Deleted فيستخدم لمسح الخاليا الغير مطلوبة من ملف البيانات. 4. إعادة الترميز :Recode يستخدم األمر Recode في عمليات الفرز لمجموعات مختلفة وذلك بهدف إنشاء جداول تك اررية مختصرة. يمكن تنفيذ ذلك على نفس المتغير أو إنشاء متغير جديد وينصح بإنشاء متغير جديد ألن تنفيذ األمر Recode على نفس المتغير يعمل على مسح قيم المتغير األصلية التي قد تستخدم فيما بعد ألغ ارض تحليلية أخرى. مثال: المطلوب فرز عدد سنوات التعليم (educ) في ملف Employee data وذلك في متغير جديد باسم educ_new حسب التصنيف التالي: مدى الدرجات 12-8 16-13 18-17 21-19 التصنيف 4 4 2 1 Transform Recode Into Different Variables أكمل المربع الحواري كما يلي: 38

اضغط على Old and New Values ثم أكمل المربع الحواري كما يلي: مثال: المطلوب تصنيف البيانات السابقة كما يلي: 21-19 18-17 16-13 12-8 مدى الدرجات دكتو ارة ماجستير جامعي ثانوي فأقل التصنيف اتبع نفس الخطوات في المثال السابق مع اختيار Output variables are strings في المربع الحواري السابق مع استبدال التصنيف السابق )1 2 3 4( بالتصنيف الجديد )ثانوي فأقل جامعي ماجستير دكتو اره( حيث أن التصنيف في هذه الحالة متغير وصفي. 39

الشكل التالي يمثل جزء من نافذة ملف البيانات بعد االنتهاء من تنفيذ األمر. مالحظات: يمكن فرز كال من المتغي ارت الرقمية والوصفية بطريقة منفصلة وال يجوز فرزها معا. - في حالة اختيار عدة متغي ارت يجب أن تكون كلها من نفس النوع )رقمية أو اسمية(. - يستخدم االختيار IF إذا كانت هناك شروط خاصة يجب تحقيقها لعملية الفرز. - في حالة اختيار في نفس المتغير Into Same Variable سيتم استبدال قيم المتغير - األصلية بنتائج عملية الفرز مما يعني فقدان القيم األصلية. خامسا: القائمة تحليل ANALYZE 1. اإلحصاء الوصفي والمدرج التك ارري للبيانات أ. التك ار ارت والمدرج التك ارري :Histogram and Frequencies اختر من الالئحة الرئيسة ما يلي: ANALYZE-1 2 -اختر األمر.DESCRIPTIVE STATISTICS 3- FREQUENCIES وتستخدم لعرض الجداول التك اررية للمتغي ارت موضع الد ارسة. 40

Frequency حمارضات مقياس حتليل املعطيات التسويقية Valid Female Male Total Gender Cumulativ e Frequency Percent Valid Percent Percent 216 45.6 45.6 45.6 258 54.4 54.4 100.0 474 100.0 100.0 يمكن تحديد المطلوب إظهاره بتحديد االختيا ارت بالضغط على مفتاح والضغط على مفتاح الرسم البياني Employment Category 400 363 76.58% 300 200 100 84 17.72% 0 Clerical 27 5.7% Custodial Employment Category Manager ب. اإلحصاء الوصفي :Descriptive Statistics اختر من الالئحة الرئيسة ما يلي: ANALYZE -1 2- اختر من األمر DESCRIPTIVE STATISTICS 3- DESCRIPTIVES وتعني اإلحصاء الوصفي 41

ولتحديد مخرجات اإلحصاء الوصفي اختر OPTION المطلوب. من الالئحة الفرعية ثم حدد ما هو ج. استكشاف :Explore اختر من الالئحة الرئيسة ما يلي: ANALYZE -1-2 اختر األمر DESCRIPTIVE STATISTICS 3- EXPLORE وتعني إظهار الخصائص اإلحصائية للمتغير- جميع المتغي ارت كل على حدة أو حسب مجموعات ذات خصائص معينة. وذلك بكتابة المتغير "الم ارد إظهار صفاته اإلحصائية" في خانة DEPENDENT LIST ولتحديد المجموعة يتم كتابة المتغير في خانة.FACTOR LIST 42

Descriptives Educational Level (y ears) Gender Female Mean 95% Confidence Interv al for Mean Lower Bound Upper Bound Statistic Std. Error 12.37.158 12.06 12.68 Male 5% Trimmed Mean Median Variance Std. Dev iation Minimum Maximum Range Interquartile Range Skewness Kurtosis Mean 95% Confidence Interv al for Mean Lower Bound Upper Bound 12.41 12.00 5.378 2.319 8 17 9 3 -.250.166 -.207.330 14.43.185 14.06 14.80 5% Trimmed Mean Median Variance Std. Dev iation Minimum Maximum Range Interquartile Range Skewness Kurtosis 14.52 15.00 8.876 2.979 8 21 13 4 -.455.152 -.044.302 د. جداول االقت ارن/التقاطعية :CROSS TABULATION اختر من الالئحة الرئيسة ما يلي:.DESCRIPTIVE STATISTICS ثم اختر األمر ANALYZE -1 2- CROSSTABS تستخدم إحصائية CHI-SQAURE في جداول االقت ارن لمعرفة مدى استقاللية المتغي ارت عن بعضها البعض. 43

Gender * Employment Category Crosstabulation Gender Total Female Male Count % within Gender % within Employment Category % of Total Count % within Gender % within Employment Category % of Total Count % within Gender % within Employment Category % of Total Employ ment Category Clerical Custodial Manager Total 206 0 10 216 95.4%.0% 4.6% 100.0% 56.7%.0% 11.9% 45.6% 43.5%.0% 2.1% 45.6% 157 27 74 258 60.9% 10.5% 28.7% 100.0% 43.3% 100.0% 88.1% 54.4% 33.1% 5.7% 15.6% 54.4% 363 27 84 474 76.6% 5.7% 17.7% 100.0% 100.0% 100.0% 100.0% 100.0% 76.6% 5.7% 17.7% 100.0% Pearson Chi-Square Likelihood Ratio N of Valid Cases Chi-Square Tests Asy mp. Sig. Value df (2-sided) 79.277 a 2.000 95.463 2.000 474 a. 0 cells (.0%) hav e expected count less than 5. The minimum expected count is 12.30. سادسا: الرسم البياني يمكن تمثيل المتغي ارت بالرسم البياني وذلك لتحليلها وتفسيرها ويتفرع من األمر الرئيسي GRAPHS العديد من األوامر المتعددة بأشكال الرسم البياني ولكل أمر فرعي اختيا ارت معينة حسب رغبة الباحث على سبيل المثال االختيار BAR وتعني تمثيل البيانات باألعمدة البيانية البسيطة والمزدوجة. بعد تحديد الرسم البياني واختيار المتغي ارت تظهر النتائج في نافذة خاصة للرسم البياني حيث يمكن إضافة وتعديل العناوين بالضغط على الرسم البياني مرتين بالفأرة. افتح ملف البيانات Employee data Graphs Legacy Dialogs Bar 44

اختر Summaries for groups of cases كما هو موضح في المربع الحواري Simple التالي: أكمل المربع الحواري كما يلي: فنحصل على الرسم البياني التالي بعد تنسيقه Summaries for groups of cases اختر Clustered الحواري التالي: كما هو موضح في المربع 45

أكمل المربع الحواري كما يلي: فنحصل على الرسم البياني التالي بعد تنسيقه Summaries for separate variables اختر Clustered الحواري التالي: كما هو موضح في المربع 46

أكمل المربع الحواري كما يلي: فنحصل على الرسم البياني التالي بعد تنسيقه 1. المدرج التك ارري :Histogram Graphs Legacy Dialogs Histogram أكمل المربع الحواري كما يلي: 47

Frequency حمارضات مقياس حتليل املعطيات التسويقية فنحصل على الرسم البياني التالي 120 100 80 60 40 20 Mean =$34,419.57 Std. Dev. =$17,075.661 N =474 0 $0 $25,000 $50,000 $75,000 $100,000 $125,000 Current Salary 48

سابعا: اختبار الفرضيات Test of Hypotheses يعتبر موضوع اختبار الفرضيات اإلحصائية من أهم الموضوعات في مجال اتخاذ الق ار ارت وسنبدأ بذكر بعض المصطلحات الهامة في هذا المجال. 1. الفرضية اإلحصائية: هي عبارة عن ادعاء قد يكون صحيحا أو خطأ حول معلمة أو أكثر لمجتمع أو لمجموعة من المجتمعات. تقبل الفرضية في حالة أن بيانات العينة تساند النظرية وترفض عندما تكون بيانات العينة على النقيض منها وفي حالة عدم رفضنا للفرضية اإلحصائية فإن هذا ناتج عن عدم وجود أدلة كافية لرفضها من بيانات العينة ولذلك فإن عدم رفضنا لهذه الفرضية ال يعنى بالضرورة أنها صحيحة أما إذا رفضنا الفرضية بناء على المعلومات الموجودة في بيانات العينة فهذا يعنى أن الفرضية خاطئة ولذلك فإن الباحث يحاول أن يضع الفرضية بشكل يأمل أن يرفضها فمثال إذا أ ارد الباحث أن يثبت بأن طريقة جديدة من طرق التدريس أحسن من غيرها فإنه يضع فرضية تقول بعدم وجود فرق بين طرق التدريس. إن الفرضية التي يأمل الباحث أن يرفضها تسمى بفرضية العدم )الفرضية المبدئية( ويرمز لها بالرمز H 0 ورفضنا لهذه الفرضية يؤدى إلى قبول فرضية بديلة عنها تسمى الفرضية البديلة. H 1 ويرمز لها بالرمز 2. مستوى المعنوية أو مستوى االحتمال: وهي درجة االحتمال الذي نرفض به فرضية H 0 العدم عندما تكون صحيحة أو هو احتمال الوقوع في الخطأ من النوع األول ويرمز له بالرمز وهي يحددها الباحث لنفسه منذ البداية وفي معظم العلوم التطبيقية نختار مساوية %1 أو % 5 على األكثر. 3. دالة االختبار اإلحصائية: عبارة عن متغير عشوائي له توزيع احتمالي معلوم وتصف الدالة اإلحصائية العالقة بين القيم النظرية للمجتمع والقيم المحسوبة من العينة. : احتمال الحصول على قيمة أكبر من أو.4 القيمة االحتمالية( P-value (Sig. or تساوي )أقل من أو تساوي( إحصائية االختبار المحسوبة من بيانات العينة أخذا في االعتبار. H 1 ويتم توزيع إحصائية االختبار بافت ارض صحة فرض العدم H 0 الفرض البديل وطبيعة استخدام القيمة االحتمالية التخاذ ق ارر حيال فرض العدم. 49

ثامنا: خطوات اختبار الفرضيات 1. تحديد نوع توزيع المجتمع: يجب تحديد ما إذا كان المتغير العشوائي الذي يتم د ارسته يتبع التوزيع الطبيعي أم توزيع بواسون أم توزيع ذو الحدين أم غيره من التوزيعات االحتمالية المتصلة أو المنفصلة معظم التوزيعات االحتمالية يكون توزيعها مشابها للتوزيع الطبيعي خاصة إذا كان حجم العينة كبي ار. أ. الطرق اإلحصائية التي تستخدم في اختبار الفرضيات: هناك نوعان من الطرق اإلحصائية التي تستخدم في اختبار الفرضيات: االختبا ارت المعلمية: وتستخدم في حالة البيانات الرقمية التي توزيعها يتبع التوزيع الطبيعي. االختبا ارت غير المعلمية: وتستخدم في حالة البيانات الرقمية التي توزيعها ال يتبع التوزيع الطبيعي طبيعي وكذلك في حالتي البيانات الترتيبية والوصفية. 2. صياغة فرضيتا العدم والبديلة: بمعنى وضع الفكرة أو االدعاء في شكل صيغة لغوية ورياضية حتى يتمكن الباحث من اختبارها. 0 مثال: عند اختبار أن متوسط المجتمع يساوى قيمة معينة مقابل الفرضية القائلة H 1 H 0 ال يساوى 0 فإن فرضية العدم والفرضية البديلة تكون على النحو التالي: بأن H 0 : 0 H 1 : 0 3. اختيار مستوى المعنوية : 4. اختيار دالة االختبار اإلحصائية المناسبة 5. جمع البيانات من العينة وحساب قيمة دالة االختبار اإلحصائية اتخاذ الق ار ارت: H 1 إذا كانت قيمة االحتمال ونقبل P-value) (Sig. or أقل من أو تساوي مستوى.6 H 0 نرفض. H 0 المعنوية ( ( أما إذا كانت قيمة االحتمال أكبر من فال يمكن رفض وبرنامج يعطي فبالتالي نرفض فرضية العدم H 0 عندما تكون Sig. 2-tailed SPSS. P Value(Sig.) 50

تاسعا: أهم االختبا ارت المستخدمة في تحليل البيانات في حالة اختبار فرضيات متعلقة بمتوسط واحد: إذا كان المطلوب اختبار فرضية T H : 0 0 1. اختبار العدم على مستوى داللة مقابل H : 1 0 H1 : 0 H1 : 0 مثال )1(: البيانات التالية تمثل درجات عشرين طالبا في مساق ما: 65, 72, 68, 82, 45, 92, 87, 85, 90, 60, 48, 60, 68, 72, 79, 68, 73, 69, 65 درجة. 78, 84 المطلوب: اختبار الفرضية المبدئية القائلة بأن متوسط درجات الطالب = Analyze Compare Means One-Sample T Test أكمل المربع الحواري كما يلي: - نتائج االختبار One-Sample Statistics scores Std. Error N Mean Std. Dev iation Mean 20 72.25 12.867 2.877 One-Sample Test scores Test Value = 65 95% Confidence Interv al of the Mean Diff erence t df Sig. (2-tailed) Diff erence Lower Upper 2.520 19.021 7.250 1.23 13.27 من النتائج السابقة يمكن استنتاج ما يلي: = 2.52 t Sig.(2-tailed)=0.021 وهي أقل من 0.05 )مستوى المعنوية( فبالتالي نرفض الفرضية المبدئية القائلة بأن متوسط درجات الطالب في الرياضيات نساوي 65 درجة ونستنتج أن درجات الطالب ال تساوي )تختلف عن( 65. 51

من -يمكن اختبار الفرضية البديلة القائلة بأن متوسط درجات الطالب أكبر من.65 65 حيث أن نتيجة الوسط الحسابي للعينة تتوافق مع الفرضية البديلة )متوسط درجات الطالب أكبر درجة( بالتالي نستنتج أن متوسط درجات الطالب أكبر من 2. اختبا ارت الفروق بين متوسطين مجتمعين مستقلين: توزيع طبيعي 65 درجة. 1, 1 2 التوزيع األول وتكون N وعينة عشوائية أيضا من توزيع طبيعي في هذه الحالة نأخذ عينة عشوائية من N 2, 2 2 2 2 1 2 إذا كان المطلوب اختبار فرضية العدم ولكنهما مجهولتان. H 1 : 1 2 0 على مستوى داللة H H 1 : 1 2 1 : 1 2 H 0 0 1 : 1 2 )1( )2( 0 )3( مثال )2(: مستخدما الملف متوسط ال ارتب الحالي السنوي للموظفين مقابل ومستقل عن.employee المطلوب اختبار ما إذا كان هناك فرق معنوي بين (salary). مستوى معنوية 0.05 ( gender )مستخدما يعزى إلى متغير الجنس Analyze Compare Means Independent- Samples T Test أكمل المربع الحواري كما يلي: 52

- نتيجة االختبار Current Salary Gender Male Female Group Statistics Std. Error N Mean Std. Deviation Mean 258 $41,441.78 $19,499.214 $1,213.968 216 $26,031.92 $7,558.021 $514.258 Independent Samples Test Current Salary Equal variances assumed Equal variances not assumed Levene's Test f or Equality of Variances F Sig. t df Sig. (2-tailed) t-test for Equality of Means Mean Diff erence 95% Confidence Interv al of the Std. Error Diff erence Diff erence Lower Upper 119.669.000 10.945 472.000 $15409.86 $1,407.906 $12,643.322 $18,176.401 11.688 344.262.000 $15409.86 $1,318.400 $12,816.728 $18,002.996 من النتائج السابقة يمكن استنتاج ما يلي: تبايني المجتمعين غير متساويين حسب اختيار ليفين Test( )Levene s حيث = Sig. 0.000. حيث أن قيمة 11.688=t Sig. = 0.000 فبالتالي نرفض فرضية العدم القائلة بأنه ال يوجد فرق معنوي بين متوسطي ال ارتب الحالي السنوي للذكور واإلناث على أساس مستوى معنوية %5. %95 فترة الثقة للفرق بين متوسطي المجتمعين هي: )18003.00 12816.73(., ونجد أن الصفر ال ينتمي إلى الفترة السابقة مما يؤكد أنه يوجد فرق معنوي بين متوسطي ال ارتب الحالي السنوي للذكور واإلناث وهي نفس النتيجة التي حصلنا عليها في حالة استخدام اختبار t. - يمكن اختبار الفرضية البديلة القائلة بأن متوسط ال ارتب الحالي السنوي للذكور أكبر منه لإلناث. حيث أن نتيجة الوسط الحسابي للفرق بين متوسطي الذكور واإلناث موجبا )15409.88( يتوافق مع الفرضية البديلة بالتالي نستنتج أن متوسط ال ارتب الحالي السنوي للذكور أكبر منه لإلناث. 53

3. اختبا ارت الفروق بين متوسطي مجتمعين من عينات مرتبطة: في هذه الحالة تكون البيانات مزدوجة أي أن العينتين مرتبطتان حيث أن البيانات تكون على شكل أزواج وبالتالي فإن حجم العينتين البد أن يكون متساويا. مثال )3(: البيانات التالية تمثل نتائج تجربة أجريت على عشرين شخصا الختبار مدى فعالية نظام خاص من الغذاء لتخفيف الوزن حيث تم قياس أو ازنهم قبل البدء في تطبيق هذا النظام وبعد اتباع هذا النظام الخاص لمدة ثالثة شهور. 92 103 120 89 93 107 94 90 110 96 Before 84 95 103 76 85 104 87 85 96 90 After 123 111 90 95 123 105 110 86 94 86 Before 107 102 83 89 109 95 102 80 84 78 After المطلوب: هل تستطيع أن تستنتج أن نظام الغذاء كان فعاال في تخفيف الوزن مستخدما مستوى داللة 0.05 Analyze Compare Means Paired- Samples T Test أكمل المربع الحواري كما يلي: Paired Samples Statistics Pair 1 x_before y_af ter Std. Error Mean N Std. Dev iation Mean 100.8500 20 12.11035 2.70796 91.7000 20 10.13644 2.26658 Paired Samples Correlations Pair 1 x_before & y_af ter N Correlation Sig. 20.957.000 54

Paired Samples Test Pair 1 x_before - y_af ter Paired Diff erences 95% Confidence Interv al of the Std. Error Diff erence Mean Std. Dev iation Mean Lower Upper t df Sig. (2-tailed) 9.15000 3.78744.84690 7.37742 10.92258 10.804 19.000 من النتائج السابقة يمكن استنتاج ما يلي: يوجد ارتباط طردي قوي بين الوزن قبل وبعد النظام الخاص حيث أن = 0.957 R. Sig. (2 tailed) = 0.000 t = 10.804 وبالتالي نرفض فرضية العدم القائلة بأنه ال يوجد فرق بين متوسطي الوزن قبل وبعد اتباع النظام الغذائي الخاص ونستنتج أنه يوجد فرق معنوي بين متوسطي الوزن. يمكن اختبار الفرضية البديلة القائلة بأن متوسط الوزن قبل اتباع النظام الغذائي أكبر منه بعد اتباع النظام الغذائي. حيث أن نتيجة الوسط الحسابي للفرق بين متوسطي الوزن موجبا )9.15( يتوافق مع الفرضية البديلة فبالتالي نستنتج أن متوسط الوزن قبل اتباع النظام الغذائي أكبر منه بعد اتباع النظام الغذائي أي أن اتباع نظام الغذاء الخاص كان فعاال في تخفيف الوزن على مستوى داللة. 0.05.4 تحليل التباين( ANOVA ) :Analysis of Variance في هذه الحالة يكون االهتمام مرك از على د ارسة تأثير عامل واحد له عدد من المستويات المختلفة وعند كل مستوى تكرر التجربة عدد من الم ارت فمثال إذا أردنا اختبار ما إذا كانت هناك فروق بين ثالثة أساليب لتدريس مساق اإلحصاء مثال ويكون المطلوب بحث ما إذا كانت هذه األساليب لها تأثي ارت متساوية في درجة تحصيل الطالب مع مالحظة أن وجود اختالف بين درجات الطالب قد يرجع إلى عدة عوامل أخرى منها الفروق الفردية وعدد ساعات الد ارسة وعدد أف ارد األسرة مثال أو غيرها من العوامل األخرى. أ. تحليل التباين األحادي إذا تحققت الشروط التالية: :One-Way ANOVA في أسلوب تحليل التباين يعطي نتائج جيدة - المتغي ارت )قيمة مفردات الظاهرة( مستقلة ولها توزيع طبيعي بنفس قيمة التباين. - مجموعة البيانات في المستويات المختلفة تشكل عينات عشوائية مستقلة ولها تباين مشترك 2 فإذا لم تتحقق هذه الشروط يمكن استخدام االختبار ات ا الل معلمية. 55

تحت الفروض السابقة فإن االختالف الكلي المشاهد في مجموعة البيانات ينقسم إلى مركبتين األولى نتيجة العامل والثانية للخطأ التجريبي. ويكون المطلوب في تحليل التباين األحادي اختبار الفرضية المبدئية متوسطات المجتمعات على مستوى داللة. H 0 أنه ال يوجد فروق بين بفرض أن العامل الم ارد د ارسته له r من المستويات المستقلة فيكون المطلوب اختبار الفرضية... H : أي أنه ال يوجد فروق بين متوسطات r المبدئية )فرضية العدم(: 0 1 2 المجتمعات. مقابل الفرضية البديلة: يوجد متوسطين على األقل من أوساط المجتمعات غير متساويين : متوسطات المجتمعات. H a أي أنه يوجد فروق بين عند رفض فرضية العدم والتي تنص على تساوي المتوسطات وقبول الفرضية البديلة أنه يوجد اثنين أو أكثر من المتوسطات غير المتساوية ونريد اختبار أي من هذه المتوسطات متساو أو غير متساو ولإلجابة على هذا التساؤل سنعرض عدة اختبا ارت. لتنفيذ ذلك عمليا اضغط Post - Hoc في نافذة.One-Way ANOVA مثال )4(: يمثل الجدول التالي درجات مجموعة من الطلبة تم تدريسهم مساق مبادئ الرياضيات العامة بثالثة أساليب مختلفة: M M, 1 2, M 3 M 3 M 2 M 1 48 64 70 94 45 83 83 56 87 84 50 78 80 87 90 71 المطلوب: -إدخال البيانات السابقة في متغير اسمه.)marks( -إنشاء متغير جديد اسمه )factor( له ثالثة قيم )1( تمثل األسلوب األول )2( تمثل األسلوب الثاني و )3( تمثل األسلوب الثالث. -هل هناك فرقا بين أساليب التدريس الثالثة مستخدما مستوى داللة 0.05 56

الحل العملي: Analyze Compare Means One-Way ANOVA انقر بالفأرة على Options ثم أكمل المربع الحواري كما يلي: ANOVA marks f or diff erent methods Sum of Squares df Mean Square F Sig. Between Groups 1849.093 2 924.546 6.044.014 Within Groups 1988.657 13 152.974 Total 3837.750 15 Test of Homogeneity of Variances marks f or dif ferent methods Levene Statistic df 1 df 2 Sig..322 2 13.730 57

من النتائج السابقة نستنتج ما يلي: قيمة إحصاء ليفين = 0.322 = 0.73 Sig. وهذا يدل على تجانس تباين طرق التدريس. = 6.044 F Sig. = 0.014 وبالتالي نرفض الفرضية المبدئية والتي تنص على أنه ال يوجد فروق بين متوسطات طرق التدريس الثالثة ونستنتج أن هناك فرقا بين أساليب التدريس المختلفة أي أنه يوجد دليل كاف على أن متوسطات أساليب التدريس المختلفة ليست كلها متساوية وذلك باستخدام مستوى داللة 0.05 عند رفض فرضية العدم والتي تنص على تساوي المتوسطات وقبول الفرضية البديلة أنه يوجد اثنين أو أكثر من المتوسطات غير المتساوية ونريد اختبار أي من هذه المتوسطات متساو أو غير متساو ولإلجابة على هذا التساؤل سنعرض عدة اختبا ارت. لتنفيذ ذلك عمليا اضغط Post - Hoc في نافذة One-Way ANOVA ثم أكمل المربع الحواري كما يلي: توجد عدة اختبا ارت في حالة تحقق شرط تجانس التباين من عدمه. حيث أن شرط تجانس تباين مستويات أساليب التدريس متحقق فيمكن اختيار اختبار بونفيروني )Bonferroni( أو شفييه (Scheffe) وذلك في حالة تساوي أو عدم تساوي حجوم العينات. 58