معامل الارتباط

خطوات الاستخدام

أدخل قيم المتغير الأول (X) في الحقل المخصص، مع فصل كل قيمة بفاصلة أو مسافة. تأكد من أن عدد القيم يساوي عدد قيم المتغير الثاني (Y). يمثل X البيانات المستقلة أو الأولى في دراستك.

أدخل قيم المتغير الثاني (Y) بنفس الترتيب وبنفس العدد. يمثل Y البيانات التابعة أو الثانية. يجب أن تكون القيم رقمية فقط، وأن يتطابق عددها مع عدد قيم X.

اختر نوع معامل الارتباط (بيرسون) إذا كان متاحًا. في هذه الحاسبة، يتم استخدام معامل ارتباط بيرسون (r) الذي يقيس العلاقة الخطية بين مجموعتين من البيانات. الصيغة المستخدمة هي: r = (n∑xy - ∑x∑y) / √([n∑x² - (∑x)²][n∑y² - (∑y)²]).

انقر على زر "احسب" لتشغيل الحسابات. سيقوم البرنامج بحساب المجاميع الوسيطة ثم تطبيق الصيغة لإنتاج قيمة r. ستظهر النتيجة مع تفسير لقوة العلاقة: قريبة من 1 تعني علاقة إيجابية قوية، قريبة من -1 تعني علاقة سلبية قوية، قريبة من 0 تعني عدم وجود علاقة خطية.

الأسئلة الشائعة

معامل ارتباط بيرسون (Pearson correlation coefficient) هو مقياس إحصائي يحدد قوة واتجاه العلاقة الخطية بين متغيرين كميين. يُرمز له بـ r، وتتراوح قيمته بين -1 و 1. القيمة 1 تعني علاقة إيجابية تامة، -1 تعني علاقة سلبية تامة، و0 تعني عدم وجود علاقة خطية. يُستخدم معامل بيرسون في مجالات عديدة مثل: - الاقتصاد: لقياس العلاقة بين الإنفاق والدخل. - العلوم الطبيعية: لربط درجة الحرارة بضغط الغاز. - علم النفس: لدراسة الارتباط بين ساعات النوم والتركيز. - الطب: لاختبار العلاقة بين جرعة الدواء والاستجابة. من المهم أن يكون المتغيران مستمرين، وموزعين توزيعًا طبيعيًا تقريبًا، وأن تكون العلاقة خطية. إذا كانت العلاقة منحنية، فقد لا يكون معامل بيرسون مناسبًا. الصيغة الإحصائية العامة: r = (n∑xy - ∑x∑y) / √([n∑x² - (∑x)²][n∑y² - (∑y)²]) حيث n هو عدد الأزواج، x و y قيم المتغيرين. هذه الصيغة تحسب التغاير المشترك مقسومًا على حاصل ضرب الانحرافات المعيارية.

تفسير قيمة r يعتمد على سياق الدراسة. بشكل عام: - r = 1: علاقة إيجابية تامة (كل نقطة على خط مستقيم صاعد). - r = -1: علاقة سلبية تامة (كل نقطة على خط مستقيم هابط). - r = 0: لا توجد علاقة خطية (لكن قد توجد علاقة غير خطية). - |r| > 0.8: علاقة قوية جدًا. - |r| بين 0.6 و 0.8: علاقة قوية. - |r| بين 0.4 و 0.6: علاقة متوسطة. - |r| بين 0.2 و 0.4: علاقة ضعيفة. - |r| < 0.2: علاقة ضعيفة جدًا. يجب الانتباه: الارتباط لا يعني السببية. قد يكون هناك متغير ثالث يؤثر على كلا المتغيرين. أيضًا، القيم الشاذة (outliers) يمكن أن تؤثر بشدة على r. لذا، من المفيد رسم scatter plot قبل الحساب. على سبيل المثال، إذا كان r = 0.9 بين استهلاك الآيس كريم ومعدلات الغرق، هذا لا يعني أن الآيس كريم يسبب الغرق، بل قد يكون الطقس الحار هو السبب المشترك. أخيرًا، يُفضل استخدام معامل التحديد r² لفهم نسبة التباين المشترك. r² = 0.81 يعني أن 81% من التباين في Y يمكن تفسيره بواسطة X.

معامل الارتباط والانحدار كلاهما أدوات إحصائية لتحليل العلاقات، لكن لهما أهداف مختلفة: معامل الارتباط (r): يقيس قوة واتجاه العلاقة الخطية بين متغيرين. لا يميز بين متغير تابع ومستقل، بل يعامل المتغيرين بشكل متماثل. النطاق محدود بين -1 و 1. الانحدار (Regression): يصف شكل العلاقة باستخدام معادلة خطية (y = a + bx). يحدد كيف يتغير المتغير التابع (y) عند تغير المتغير المستقل (x) بمقدار وحدة واحدة. الميل (b) يعبر عن معدل التغير، بينما التقاطع (a) هو قيمة y عندما x=0. العلاقة بينهما: يمكن حساب معامل الارتباط من معامل الانحدار باستخدام الصيغة r = b × (σx/σy)، حيث σx وσy الانحرافات المعيارية. علاوة على ذلك، r² يساوي معامل التحديد في الانحدار الخطي البسيط. في الانحدار، يمكن عمل تنبؤات (توقع قيم y بناءً على x)، بينما الارتباط يكتفي بوصف العلاقة. مثال: إذا كان r=0.8، فهناك علاقة قوية، لكن الانحدار يعطينا معادلة مثل y=2x+5، مما يمكننا من التنبؤ بـ y عند أي x. ملخص: الارتباط يصف، والانحدار يتنبأ.

لاستخدام معامل ارتباط بيرسون بشكل صحيح، يجب توفر عدة افتراضات: 1. **العلاقة الخطية**: يجب أن تكون العلاقة بين المتغيرين خطية تقريبًا. إذا كانت العلاقة منحنية، قد يكون معامل بيرسون مضللاً. يمكن التحقق باستخدام scatter plot. 2. **المتغيرات مستمرة**: يجب أن يكون كلا المتغيرين كميين (مستمرين أو فئويين مرتبة بفروق متساوية). لا يناسب المتغيرات الاسمية أو الترتيبية. 3. **التوزيع الطبيعي تقريبًا**: يُفترض أن يتبع كلا المتغيرين توزيعًا طبيعيًا، خاصة عند استخدام اختبار الفرضية (p-value). يمكن التحقق باستخدام اختبارات مثل Shapiro-Wilk أو رسم Q-Q plot. إذا لم يتحقق الافتراض، يمكن استخدام تحويلات أو بدائل مثل ارتباط سبيرمان. 4. **الاستقلال**: يجب أن تكون الأزواج مستقلة عن بعضها البعض. أي أن كل زوج (x,y) لا يرتبط بزوج آخر. هذا يتحقق عادة في العينات العشوائية. 5. **عدم وجود قيم شاذة**: القيم الشاذة يمكن أن تؤثر بشدة على قيمة r. يجب فحص البيانات وإزالة الشواذ إذا كانت مبررة. 6. **التجانس**: تباين y يجب أن يكون ثابتًا تقريبًا على طول قيم x (homoscedasticity). في حالة وجود تباين غير متجانس، قد يتأثر معامل الارتباط. إذا انتهكت بعض الافتراضات، قد يكون استخدام معامل ارتباط سبيرمان (الرتب) بديلاً مناسبًا لأنه لا يتطلب التوزيع الطبيعي ولا العلاقة الخطية.

معامل الارتباط

أدخل القيم

خطوات الاستخدام

أمثلة محلولة

أمثلة محسوبة

الأسئلة الشائعة

أدخل القيم

خطوات الاستخدام

حاسبات ذات صلة

1مثال على العلاقة بين عدد ساعات الدراسة ودرجات الامتحان: لدينا 5 طلاب، ساعات الدراسة (X): [2, 4, 6, 8, 10] والدرجات (Y): [55, 65, 75, 85, 95]. احسب معامل الارتباط وفسر النتيجة.

أمثلة محسوبة

الأسئلة الشائعة