معامل ارتباط سبيرمان للرتب: مثال محلول والفرق بينه وبين بيرسون
شرح معامل ارتباط سبيرمان للرتب: متى تختاره، والقانون بمثال محلول، ومعالجة الرتب المتساوية بالصيغة المصححة التي تطابق SPSS، وجدول مقارنة مع بيرسون وكندال.
في هذه المقالة
- متى تستخدم معامل ارتباط سبيرمان؟
- قانون معامل ارتباط سبيرمان ومثال محلول خطوة بخطوة
- الرتب المتساوية: لماذا يختلف حسابك اليدوي عن SPSS؟
- الطريق الأول: القانون البسيط (تقريبي)
- الطريق الثاني: القانون المعدل للرتب المتساوية (يطابق SPSS)
- خطوات حساب معامل سبيرمان في SPSS وقراءة الجدول
- الفرق بين سبيرمان وبيرسون وكندال
- لا تخلط بين معامل سبيرمان ومعادلة سبيرمان-براون
- أخطاء شائعة في حساب الارتباط الرتبي وتفسيره
- أسئلة شائعة
- هل يشترط معامل سبيرمان أن تكون البيانات موزعة توزيعًا طبيعيًا؟
- متى أستخدم سبيرمان بدل بيرسون في الاستبانة؟
- كيف أفسر قيمة معامل ارتباط سبيرمان؟
- هل يصلح معامل سبيرمان إذا كان أحد المتغيرين اسميًا مثل الجنسية؟
جمعت بيانات الاستبانة، وكل فقرة فيها تأخذ قيمة من 1 إلى 5، ثم طلبت لجنة الخطة أن تختبر العلاقة بين متغيرين. تفتح SPSS فتجد بيرسون مفعلًا تلقائيًا، وتسمع من زميل أن بيانات ليكرت «رتبية» فلا يصلح لها إلا سبيرمان. هذا المقال يحسم السؤال: متى تختار معامل ارتباط سبيرمان، وكيف تحسبه يدويًا بمثال محلول، ولماذا يختلف حسابك اليدوي عن SPSS حين تتكرر القيم، وما الفرق بينه وبين بيرسون وكندال، ولماذا لا علاقة له بمعادلة سبيرمان-براون التي تراها في فصل الثبات.
متى تستخدم معامل ارتباط سبيرمان؟
معامل سبيرمان للرتب (Spearman’s rho) يقيس قوة العلاقة واتجاهها بين ترتيب الأفراد في متغير وترتيبهم في متغير آخر. فهو لا ينظر إلى القيم نفسها بل إلى رتبها، ولذلك يجيب عن سؤال: هل من يتقدم في الترتيب على المتغير الأول يتقدم أيضًا على الثاني؟ وتتراوح قيمته بين −1 و+1 مثل بقية معاملات الارتباط.
اختره في هذه الحالات:
- أحد المتغيرين أو كلاهما رتبي، مثل فقرة ليكرت واحدة، أو تقدير الأداء (ممتاز، جيد جدًا، جيد…)، أو ترتيب المتسابقين.
- المتغيران كميان لكن توزيعهما بعيد عن الاعتدالية، أو فيهما قيم متطرفة تؤثر في بيرسون.
- العلاقة رتيبة (Monotonic)، أي تسير في اتجاه واحد دون أن تكون خطًا مستقيمًا بالضرورة.
ولا يناسب المتغير الاسمي، مثل الجنسية أو نوع المدرسة، فلهذا النوع اختبارات أخرى تجدها في دليل أنواع الاختبارات الإحصائية ومتى تستخدم كل منها. وإذا كنت مترددًا في تصميم سؤالك، جرب مساعد اختيار الاختبار الإحصائي قبل أن تكتب الفصل الثالث.
قانون معامل ارتباط سبيرمان ومثال محلول خطوة بخطوة
إذا لم توجد قيم متكررة في أي من المتغيرين، فالقانون المعروف هو:
rs = 1 − (6 × Σd²) ÷ [n × (n² − 1)]
حيث d الفرق بين رتبتي الفرد الواحد في المتغيرين، وn عدد الأفراد. والخطوات أربع: رتب كل متغير على حدة تصاعديًا، ثم اطرح الرتبتين لكل فرد، ثم ربع الفروق واجمعها، ثم عوض في القانون.
مثال افتراضي: سجلت باحثة في برنامج ماجستير بإحدى الجامعات الخليجية ساعات القراءة الأسبوعية لسبعة طلاب، ودرجاتهم في مقرر مناهج البحث:
| الطالب | ساعات القراءة | الدرجة | رتبة الساعات | رتبة الدرجة | d | d² |
|---|---|---|---|---|---|---|
| 1 | 3 | 62 | 2 | 2 | 0 | 0 |
| 2 | 8 | 80 | 6 | 6 | 0 | 0 |
| 3 | 5 | 75 | 4 | 5 | −1 | 1 |
| 4 | 1 | 55 | 1 | 1 | 0 | 0 |
| 5 | 6 | 66 | 5 | 3 | 2 | 4 |
| 6 | 10 | 90 | 7 | 7 | 0 | 0 |
| 7 | 4 | 70 | 3 | 4 | −1 | 1 |
| المجموع | 6 |
التعويض: n = 7، إذن n × (n² − 1) = 7 × 48 = 336، و6 × Σd² = 36. فتكون rs = 1 − 36 ÷ 336 = 1 − 0.107 = 0.893. علاقة موجبة قوية: من يقرأ أكثر يأتي غالبًا في ترتيب أعلى في الدرجة. وانتبه إلى أن مجموع الفروق d يساوي صفرًا دائمًا، فإن لم يكن كذلك فقد أخطأت في الترتيب.
الرتب المتساوية: لماذا يختلف حسابك اليدوي عن SPSS؟
القاعدة المعروفة هي: «أعط القيم المتساوية متوسط رتبها». هذه الخطوة صحيحة، لكن القانون السابق يصبح بعدها تقريبيًا، وSPSS لا يستخدمه أصلًا. البرنامج يحسب معامل بيرسون على الرتب نفسها، وهذا هو التعريف الدقيق لمعامل سبيرمان كما ينص دليل SPSS الرسمي. لذلك يتطابق حسابك مع البرنامج حين لا توجد قيم متكررة، ويختلف عنه حين تكثر، وهو أمر شائع في فقرات ليكرت.
مثال افتراضي: استبانة في مركز رعاية صحية أولية، أجاب فيها 8 مراجعين عن فقرتين من 1 إلى 5: «سهولة حجز الموعد» (X) و«الرضا العام عن الخدمة» (Y).
| المراجع | X | Y | رتبة X | رتبة Y | d | d² |
|---|---|---|---|---|---|---|
| 1 | 5 | 4 | 8 | 6.5 | 1.5 | 2.25 |
| 2 | 4 | 5 | 6 | 8 | −2 | 4 |
| 3 | 4 | 3 | 6 | 4.5 | 1.5 | 2.25 |
| 4 | 3 | 3 | 3.5 | 4.5 | −1 | 1 |
| 5 | 2 | 2 | 2 | 2.5 | −0.5 | 0.25 |
| 6 | 4 | 4 | 6 | 6.5 | −0.5 | 0.25 |
| 7 | 1 | 2 | 1 | 2.5 | −1.5 | 2.25 |
| 8 | 3 | 1 | 3.5 | 1 | 2.5 | 6.25 |
| المجموع | 18.5 |
كيف حسبت الرتب المتساوية؟ في X تكررت القيمة 3 مرتين في الموقعين 3 و4، فأخذت كل منهما (3 + 4) ÷ 2 = 3.5، وتكررت القيمة 4 ثلاث مرات في المواقع 5 و6 و7، فأخذت كل منها 6. وفي Y تكررت القيم 2 و3 و4 مرتين لكل منها، فكانت رتبها 2.5 و4.5 و6.5.
الطريق الأول: القانون البسيط (تقريبي)
n × (n² − 1) = 8 × 63 = 504، و6 × 18.5 = 111، إذن rs = 1 − 111 ÷ 504 = 1 − 0.220 = 0.780.
الطريق الثاني: القانون المعدل للرتب المتساوية (يطابق SPSS)
- احسب (n³ − n) ÷ 12 = (512 − 8) ÷ 12 = 42.
- لكل مجموعة من القيم المتساوية عددها t احسب (t³ − t) ÷ 12: المجموعة الثنائية تعطي 0.5، والثلاثية تعطي 2.
- في X: مجموعة ثنائية وأخرى ثلاثية، فيكون Σx² = 42 − (0.5 + 2) = 39.5.
- في Y: ثلاث مجموعات ثنائية، فيكون Σy² = 42 − 1.5 = 40.5.
- عوض في: rs = (Σx² + Σy² − Σd²) ÷ [2 × √(Σx² × Σy²)] = (39.5 + 40.5 − 18.5) ÷ (2 × √1599.75) = 61.5 ÷ 79.99 = 0.769.
الفرق بين 0.780 و0.769 ليس خطأ حسابيًا، بل هو أثر الرتب المتساوية. وكلما زادت القيم المتكررة زاد الفرق. القاعدة العملية: اعرض القانون البسيط في الإطار النظري إن شئت، واعتمد في النتائج القيمة التي يخرجها البرنامج، لأنها المحسوبة بالتعريف الدقيق. والعينة هنا صغيرة لغرض الشرح فقط، والدراسة الفعلية تحتاج حجم عينة مبررًا.
خطوات حساب معامل سبيرمان في SPSS وقراءة الجدول
- من القائمة اختر Analyze ثم Correlate ثم Bivariate.
- انقل المتغيرين (أو أكثر) إلى خانة Variables.
- في Correlation Coefficients ألغ تحديد Pearson وحدد Spearman. ويمكنك تحديد Kendall’s tau-b معه إن أردت المقارنة.
- اختر Two-tailed إلا إذا كانت فرضيتك موجهة ومعلنة مسبقًا، فتختار One-tailed.
- أبق Flag significant correlations محددًا، ثم اضغط OK.
يظهر جدول Correlations وفيه صف Spearman’s rho بثلاث قيم لكل زوج:
- Correlation Coefficient: المعامل نفسه.
- Sig. (2-tailed): القيمة الاحتمالية.
- N: عدد الأفراد.
وتعني النجمة الواحدة دلالة عند 0.05 والنجمتان دلالة عند 0.01، كما يوضح دليل SPSS الرسمي. في مثال المراجعين سيظهر المعامل نحو .769، وقيمة Sig نحو .026.
نموذج صياغة النتيجة: «استخدم معامل ارتباط سبيرمان للرتب لأن المتغيرين رتبيان، وأظهرت النتائج علاقة موجبة دالة إحصائيًا بين سهولة حجز الموعد والرضا العام عن الخدمة، rs(6) = .77، p = .026». والرقم بين القوسين هو درجات الحرية n − 2. ولتنسيق الجدول وفق APA ارجع إلى دليل كتابة نتائج التحليل الإحصائي في الرسالة.
قائمة فحص قبل أن تكتب النتيجة:
- رتبت المتغيرين في الاتجاه نفسه (تصاعديًا).
- عكست الفقرات السالبة قبل الحساب.
- رسمت شكل الانتشار وتأكدت أن العلاقة رتيبة.
- اعتمدت قيمة البرنامج إن وجدت قيم متكررة.
- حددت Two-tailed أو One-tailed وفق فرضيتك المعلنة مسبقًا.
- كتبت rs ودرجات الحرية n − 2 وقيمة p، ووصفت العلاقة بأنها رتيبة لا سببية.
الفرق بين سبيرمان وبيرسون وكندال
هذا الجدول ملخص قرار يمكنك وضعه في مسودتك أو مشاركته مع زملائك:
| وجه المقارنة | بيرسون (r) | سبيرمان (rs) | كندال (tau-b) |
|---|---|---|---|
| مستوى القياس | كمي (فتري أو نسبي) | رتبي أو كمي | رتبي أو كمي |
| نوع العلاقة التي يقيسها | خطية | رتيبة | رتيبة، بمنطق الأزواج المتوافقة والمتعاكسة |
| افتراض التوزيع | اعتدالية ثنائية للمتغيرين | لا يشترط الاعتدالية | لا يشترط الاعتدالية |
| القيم المتطرفة | يتأثر بها كثيرًا | أقل تأثرًا | أقل تأثرًا |
| القيم المتكررة | لا تحتاج معالجة خاصة | تعالج بمتوسط الرتب | صيغة tau-b مصممة لها |
| القيمة على بيانات المراجعين الثمانية | 0.681 | 0.769 | 0.612 |
| متى تختاره | درجات كلية كمية بتوزيع قريب من الطبيعي وعلاقة خطية | فقرات ليكرت، تقديرات، بيانات غير معتدلة | عينة صغيرة مع قيم متكررة كثيرة |
لاحظ في الصف قبل الأخير أن القيم الثلاث محسوبة على بيانات المراجعين الثمانية نفسها، وأنها مختلفة. قيمة كندال تكون عادةً أصغر من سبيرمان على البيانات نفسها، فلا تقارن معامل كندال في دراستك بمعامل سبيرمان في دراسة سابقة. ولشرح بيرسون وحسابه وتفسير قوة العلاقة ارجع إلى مقال معامل ارتباط بيرسون. أما الحكم على الاعتدالية قبل الاختيار فتجده في اختبار التوزيع الطبيعي في SPSS.
وماذا عن متوسط المحور في الاستبانة؟ فقرة ليكرت الواحدة رتبية، أما متوسط محور من عشر فقرات فيعامله كثير من الباحثين على أنه كمي إذا كان توزيعه قريبًا من الطبيعي. والنقاش مفصل في قسم «هل بيانات ليكرت ترتيبية أم فترية؟» من مقال مقياس ليكرت الخماسي. المهم أن تعلن قرارك ومبرره في الفصل الثالث، ولا تختار المعامل بعد أن ترى أيهما أعطى دلالة.
لا تخلط بين معامل سبيرمان ومعادلة سبيرمان-براون
الاسم واحد والمهمة مختلفة. معامل سبيرمان للرتب يختبر علاقة بين متغيرين في فرضيات دراستك. أما معادلة سبيرمان-براون (Spearman-Brown) فهي من أدوات الثبات: تحسب ارتباط نصفي الاختبار بطريقة التجزئة النصفية، ثم تصحح الناتج ليمثل ثبات الاختبار كاملًا بالقانون:
الثبات المصحح = 2r ÷ (1 + r)
فإذا كان ارتباط النصفين 0.60، فالثبات المصحح = 1.20 ÷ 1.60 = 0.75. هذه المعادلة مكانها قسم ثبات الأداة، وتجد شرح التجزئة النصفية في مقال الصدق والثبات في أدوات البحث. وإن كتبت «استخدمت معادلة سبيرمان-براون لاختبار العلاقة» فستلاحظ اللجنة الخلط فورًا.
أخطاء شائعة في حساب الارتباط الرتبي وتفسيره
- ترتيب أحد المتغيرين تصاعديًا والآخر تنازليًا، فتنقلب إشارة المعامل.
- نسيان عكس الفقرات السالبة قبل الحساب، فتظهر علاقة سالبة غير حقيقية.
- اعتماد القانون البسيط مع قيم متكررة كثيرة، ثم الاستغراب من اختلاف النتيجة عن SPSS.
- وصف العلاقة بأنها «خطية» وأنت استخدمت سبيرمان، والصحيح أنها علاقة رتيبة بين الرتب.
- تفسير الارتباط الدال على أنه أثر أو سبب، ودليل SPSS نفسه يحذر من استنتاج السببية من الارتباط.
- تشغيل بيرسون وسبيرمان معًا ثم عرض الأنسب للفرضية دون مبرر منهجي.
أسئلة شائعة
هل يشترط معامل سبيرمان أن تكون البيانات موزعة توزيعًا طبيعيًا؟
لا، فهو معامل لامعلمي يعمل على الرتب. لكنه يفترض أن العلاقة رتيبة، فارسم شكل الانتشار أولًا، لأن العلاقة التي تصعد ثم تهبط قد تعطي معاملًا قريبًا من الصفر رغم وجودها.
متى أستخدم سبيرمان بدل بيرسون في الاستبانة؟
استخدم سبيرمان حين تحلل فقرات ليكرت منفردة، أو حين يكون توزيع الدرجات بعيدًا عن الاعتدالية أو فيه قيم متطرفة. وإذا كانت درجات المحاور كمية وتوزيعها قريب من الطبيعي والعلاقة خطية، فبيرسون مناسب.
كيف أفسر قيمة معامل ارتباط سبيرمان؟
الإشارة تحدد الاتجاه: الموجبة تعني أن الرتب ترتفع معًا، والسالبة أن إحداهما ترتفع حين تنخفض الأخرى. وللقوة يستعمل كثير من الباحثين معايير كوهين المعروفة للارتباط: نحو 0.10 ضعيف، و0.30 متوسط، و0.50 فأكثر قوي، فقيمة 0.769 في مثال المراجعين تدل على علاقة قوية. ثم تحكم على الدلالة من قيمة Sig، ولا تغني إحداهما عن الأخرى.
هل يصلح معامل سبيرمان إذا كان أحد المتغيرين اسميًا مثل الجنسية؟
لا، لأن القيم الاسمية لا ترتيب لها. للعلاقة بين متغيرين اسميين يستخدم اختبار كاي تربيع، ولمقارنة مجموعات في متغير رتبي تستخدم اختبارات مثل مان-ويتني.
معامل سبيرمان أداة بسيطة متى عرفت حدودها: رتب صحيحة، وعلاقة رتيبة، وقيمة من البرنامج حين تتكرر القيم، ووصف دقيق في الفصل الرابع. وإن أردت من يراجع معك اختيار المعامل وقراءة مخرجاته وصياغة نتائجه وفق فرضياتك، فتعرف على خدمة التحليل الإحصائي، أو احجز استشارة مجانية.
