إجراء وتفسير الارتباط الكنسي

إجراء وتفسير الارتباط الكنسي

ا هو تحليل الارتباط الكنسي؟

الارتباط الكنسي هو تحليل متعدد المتغيرات للارتباط بالعنوان الأساسي هو المصطلح الإحصائي لتحليل المتغيرات الكامنة (التي لم يتم ملاحظتها بشكل مباشر) التي تمثل متغيرات متعددة (يتم ملاحظتها مباشرة). يمكن العثور على المصطلح أيضًا في تحليل الانحدار المتعارف عليه وفي التحليل التمييزي متعدد المتغيرات.

تحليل الارتباط الكنسي هو تحليل الارتباط المتعدد X و Y. يقيس معامل الارتباط الكنسي قوة الارتباط بين متغيرين أساسيين.

المتغير الكنسي هو المجموع المرجح للمتغيرات في التحليل. يتم الإشارة إلى المتغير الأساسي السيرة الذاتية . على غرار المناقشات حول سبب استخدام تحليل العوامل بدلاً من إنشاء مؤشرات غير مرجحة كمتغيرات مستقلة في تحليل الانحدار ، يفضل تحليل الارتباط الكنسي في تحليل قوة الارتباط بين بنائين. هذا لأنه ينشئ بنية داخلية ، على سبيل المثال ، أهمية مختلفة لدرجات العنصر الفردي التي تشكل النتيجة الإجمالية (كما هو موجود في قياسات الرضا واختبار الكفاءة).

بالنسبة إلى x و y المتعدد ، ينشئ تحليل الارتباط الكنسي متغيرين CV _X1 = a ₁ x ₁ + a ₂ x ₂ + a ₃ x ₃ +… + a _n x _n و CV _Y1 = b ₁ y ₁ + b ₂ y ₂ + ب ₃ ص ₃ + ... + ب _م ص _م . الأوزان الأساسية a ₁ … a _n and b ₁ … b _nيتم اختيارهم بحيث يزيدون من الارتباط بين المتغيرات الأساسية CV _X1 و CV _Y1 . زوج من المتغيرات الكنسي يسمى الجذر الكنسي . تتكرر هذه الخطوة مع القيم المتبقيةلإنشاء نسخ مزدوجة إضافية من المتغيرات الكنسية حتى الوصول إلى قيمة القطع = min (n ، m) ؛ على سبيل المثال ، إذا قمنا بحساب الارتباط الكنسي بين ثلاثة متغيرات لدرجات الاختبار وخمسة متغيرات لاختبار الكفاءة ، فسنستخرج ثلاثة أزواج من المتغيرات الكنسية أو ثلاثة جذور أساسية. لاحظ أن هذا فرق كبير من تحليل العوامل. في تحليل العوامل يتم حساب العوامل لتعظيم التباين بين المجموعة مع تقليل التباين داخل المجموعة. إنها عوامل لأنها تجمع المتغيرات الأساسية.

المتغيرات الكنسية ليست عوامل لأن الزوج الأول فقط من المتغيرات الكنسية يجمع المتغيرات بطريقة تزيد من الارتباط بينهما. تم إنشاء الزوج الثاني من بقايا الزوج الأول من أجل تعظيم الارتباط بينهما. لذلك لا يمكن تفسير المتغيرات الأساسية بنفس طريقة تفسير العوامل في تحليل العوامل. كما أن المتغيرات الأساسية المحسوبة متعامدة تلقائيًا ، أي أنها مستقلة عن بعضها البعض.

على غرار تحليل العوامل ، فإن النتائج المركزية لتحليل الارتباط الكنسي هي الارتباطات الكنسية ، وتحميلات العوامل الأساسية ، والأوزان المتعارف عليها. يمكن استخدامها أيضًا لحساب d ، مقياس التكرار. قياس التكرار مهم في تصميم الاستبيان وتطوير المقياس. يمكنه الإجابة على أسئلة مثل ، "عندما أقيس رضاءًا عن خمسة عناصر مع آخر عملية شراء وثلاثة عناصر رضا عن دعم ما بعد البيع ، هل يمكنني استبعاد أحد المقياسين من أجل تقصير الاستبيان؟" من الناحية الإحصائية ، يمثل نسبة التباين لمجموعة واحدة من المتغيرات التي يشرحها متغير مجموعة المتغيرات الأخرى.

اختبار معاملات الارتباط الكنسي لوجود علاقات عامة بين مجموعتين من المتغيرات ، ويقيس التكرار حجم العلاقات. أخيرًا ، تُستخدم لامدا Wilk (وتسمى أيضًا قيمة U) و Bartlett's V كاختبار لأهمية معامل الارتباط الكنسي. عادةً ما يتم استخدام لامدا Wilk لاختبار أهمية معامل الارتباط الكنسي الأول ويتم استخدام Bartlett's V لاختبار أهمية جميع معاملات الارتباط الكنسي.

ملاحظة أخيرة: يرجى ملاحظة أن التحليل التمييزي هو حالة خاصة لتحليل الارتباط الكنسي. يمكن استبدال كل متغير اسمي مع n خطوات عامل مختلفة بمتغيرات ثنائية التفرع n-1 . لا يعد التحليل المميز إذن سوى تحليل ارتباط قانوني لمجموعة من المتغيرات الثنائية مع مجموعة من متغيرات المستوى المستمر (النسبة أو الفاصل الزمني).

تحليل الارتباط الكنسي في SPSS

نريد أن نظهر قوة الارتباط بين اختبارات القدرات الخمسة والاختبارات الثلاثة في الرياضيات والقراءة والكتابة. لسوء الحظ ، لا يحتوي SPSS على قائمة لتحليل الارتباط الكنسي. لذلك نحن بحاجة إلى تشغيل أمرين في بناء الجملة. لا تقلق - هذا يبدو أكثر تعقيدًا مما هو عليه بالفعل. أولاً ، نحتاج إلى فتح نافذة بناء الجملة. انقر فوق ملف / جديد / بناء الجملة .

في صيغة SPSS نحتاج إلى استخدام الأمر لـ MANOVA والأمر الفرعي / التمييز في تصميم عاملي واحد. نحتاج إلى تضمين جميع المتغيرات المستقلة في عامل واحد يفصل بين المجموعتين بواسطة الأمر WITH. تحتوي قائمة المتغيرات في أمر MANOVA على المتغيرات التابعة أولاً ، متبوعة بالمتغيرات المستقلة (يرجى عدم استخدام الأمر BY بدلاً من WITH لأن ذلك قد يتسبب في فصل العوامل كما في تحليل MANOVA).

ينتج عن الأمر الفرعي / التمييز تحليل ارتباط أساسي لجميع المتغيرات المشتركة. يتم تحديد المتغيرات المشتركة بعد الكلمة الرئيسية WITH . تحدد ALPHA مستوى الأهمية المطلوب قبل استخراج المتغير الكنسي ، الافتراضي هو 0.25 ؛ يتم عادةً تعيينه إلى 1.0 بحيث يتم الإبلاغ عن كافة الوظائف المميزة. يجب أن يبدو بناء الجملة الخاص بك كما يلي:

لتنفيذ بناء الجملة، وتسليط الضوء فقط الرمز الذي كتب فقط وانقر على الأخضر الكبير اللعب زر.

مخرجات تحليل الارتباط الكنسي

بناء الجملة يخلق مخرجات كبيرة للغاية. لا داعي للقلق ، نناقش الأجزاء المهمة منه بعد ذلك. يبدأ الإخراج بوصف نموذج ثم يُظهر الملاءمة العامة لنموذج الإبلاغ عن معايير Pillai و Helling's و Wilk's و Roy متعددة المتغيرات. الاختبار الشائع هو اختبار Wilk's lambda ، لكننا وجدنا أن كل هذه الاختبارات مهمة مع p <.05.

يوضح القسم التالي معاملات الارتباط الكنسي والقيم الذاتية للجذور الكنسية. معاملات الارتباط الكنسي الأولى والقيم الذاتية للجذور الكنسية. أول معامل ارتباط قانوني هو 81108 مع تباين موضّح للارتباط 96.87٪ وقيمة ذاتية 1.92265. وبالتالي ، يشير إلى أن فرضيتنا صحيحة - بشكل عام ، ترتبط درجات الاختبار المعيارية ودرجات اختبار الكفاءة بشكل إيجابي.

حتى الآن ، أظهر الإخراج فقط ملاءمة النموذج الكلي. يختبر الجزء التالي أهمية كل من الجذور. نجد أنه من بين الجذور الثلاثة المحتملة ، يكون الجذر الأول فقط مهمًا مع p <.05. نظرًا لأن نموذجنا يحتوي على درجات الاختبار الثلاثة (الرياضيات والقراءة والكتابة) وخمسة اختبارات كفاءة ، فإن برنامج SPSS يستخلص ثلاثة جذور أو أبعاد أساسية. يختبر الاختبار الأول للأهمية جميع الجذور الكنسية الثلاثة ذات الأهمية (f = 9.26 p <.05) ، ويستبعد الاختبار الثاني الجذر الأول ويختبر الجذور من اثنين إلى ثلاثة ، ويختبر الاختبار الأخير الجذر الثالث بمفرده. في مثالنا فقط الجذر الأول هو مهم p <.05.

في الأجزاء التالية من الناتج يعرض SPSS النتائج بشكل منفصل لكل مجموعة من مجموعتي المتغيرات. ضمن كل مجموعة ، يعطي SPSS المعاملات الأساسية الخام ، والمعاملات المعيارية ، والارتباطات بين المتغيرات المرصودة ، والمتغير الكنسي ، ونسبة التباين التي يفسرها المتغير الكنسي. فيما يلي نتائج اختبار المتغيرات الثلاثة.

المعاملات الأساسية الخام مماثلة للمعاملات في الانحدار الخطي. يمكن استخدامها لحساب الدرجات الأساسية.

من الأسهل تفسير المعاملات المعيارية (المتوسط ​​= 0 ، القديس ديف. = 1). فقط الجذر الأول مناسب لأن جذر اثنين وثلاثة ليسا مهمين. أقوى تأثير على الجذر الأول هو متغير Test_Score (الذي يمثل درجة الرياضيات).

لطلب تحليل احصائي التواصل عبر الواتسب اضغط هنا