المتغيرات Variable

[BaRa2eT 2aLb]

المتغيرات Variable
تعريف المتغير : هو مصطلح فني يُستخدم للدلالة على تقديم أي صفة اجتماعية مميزة أو عامل اجتماعي مميز كالسن ، الجنس ، الدخل ، التعليم ، أو المهنة .....إلخ في البحث الميداني .

وتتنوع المتغيرات في خصائصها ، فقد تكون 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 في أداة البحث .

أنواع المتغيرات :
للمتغيرات خمس أنواع مختلفة هي :
1) متغيرات اسمية Normal Variable .
2) متغيرات رتبية Ordinal Variable .
3) متغيرات فئوية Interval Variable .
4) متغيرات رقمية Continues Variable .
5) متغيرات نسبية Ratio Variable .

وفيما يلي سوف نتناول كلاً منها بالتفصيل موضحين فيها الآتي ( خصائص كل نوع ، الاختبارات المناسبة لكل نوع على وجه العموم ، أمثلة إن أمكن ،وكذلك العينة التي تناسب كل نوع منها(

أولاً : متغيرات اسمية Normal Variable :
وهي أدنى أنواع المتغيرات التي تصف مفردات العينة من حيث وضعها الاسمي كمتغير الجنس والحالة الاجتماعية والجنسية ، وهذا النوع من المتغيرات لا يهتم بالترتيب ، ويمكن التعامل مع هذا المتغير من خلال القياس اللفظي دون الحاجة إلى تحويل اللفظ إلى دلالة رقمية ، وعليه فإن المتغيرات الاسمية يُستخدم فيها نوعين من الاختبارات الإحصائية هي : T-Test ، وكذلك F-Test ، وأيضاً Chi Square ، ومن الجدير ذكره أن المتغير الاسمي يرتبط بالعينة الطبقية ( وسوف يتم الحديث عن العينات المختلفة بإذن الله في موضع آخر ) في حال رغبة الباحث التعرف على الاختلافات بين مستويات ذلك المتغير ، وبمعنى آخر فإن المتغير الاسمي دائماً يقترن مع العينة الطبقية إلاَّ في حالة وجوده مع مجموعة متغيرات من أنواع مختلفة إذ أنه في هذه الحالة تكون العينة العشوائية البسيطة هي العينة المناسبة .

ثانياً : متغيرات رتبية Ordinal Variable :
اتخذ هذا المتغير اسمه من طبيعة الترتيب الذي تتم فيه مسوياته بغض النظر عن نوعية هذا الترتيب تصاعدي أم تنازلي ، فمثلاً لو كان المستهدف في الدراسة هو تقدير النجاح لطلاب الجامعة فإن مستويات ذلك المتغير تكون ( ممتاز ، جيد جداً ، جيد، مقبول وراسب ) ، فهذه التقديرات يمكن للباحث ترتيبها بالاتجاه المعاكس ( التنازلي ) ، أما عن الاختبار الأنسب لهذا النوع من المتغيرات هو اختبار F-Test هذه طريقة ، والطريقة الأخرى هي تلك الاختبارات التي تعتمد على الحالة الرقمية للمتغير كتحليل التباين Path analysis ،ومعامل الارتباط Correlation Coefficient ، وأيضاً كاي تربيع Chi Square .
وفي حالة الرغبة في معرفة علاقة بين متغيرين رتبيين فإن القياس الاختبار المناسب في هذه الحالة هو معامل جاما Gamma .

[BaRa2eT 2aLb]

ثالثاً : متغيرات فئوية Interval Variable :
إن مصطلح فئة يعني أن هناك مجالاً وليس قيمة مطلقة وهذه الفئة لها حد أعلى وحد دنى ، إذ يمثل الحد الأعلى أكبر قيمة في هذه الفئة ، ويُمثِّل الحد الأدنى أقل قيمة في الفئة ، وهذا النوع يهتم بالترتيب كسابقه تماماً إذ لا يختلف عنه كثيراً ؛ لأن المتغير الرتبي هو حالة تالية للمتغير الفئوي ( أي أن المتغير الفئوي أكثر رقياً من المتغير الرتبي ) ، ولتوضيح ذلك نورد المثال التالي : لو أن باحثاً يريد تصنيف مستويات متغير العمر وجعل مستويات المتغير محدودة بأربعة مستويات فمن المتوقع أن يقوم بعمل الآتي :
1) يحدد قيمة أقل قيمة في المفردات ولتكن 17سنة وأكبرها 60 سنة ( الباحث هنا يُجري دراسة على موظفي الدولة وتلك القيم تمثل الحد الأدنى والأعلى ) .
2) يحدد المدى الكلي ، والمدى الكلي = أعلى قيمة (60) - أقل قيمة (17) + 1 ، وفي هذه الحالة المدى الكلي = 44 .
3) 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 أربعة مستويات .
4) يتم بعد ذلك تحديد طول الفئة ، وطول الفئة = المدى الكلي (44) ÷ عدد المستويات (4 فرضاً ) فيصبح طول الفئة في هذا المثال = 11 .
بما أن الحد الأدنى محدد ، فإن الفئات تكون كما يلي :
الفئة الأولى : 17 – 27 ، الفئة الثانية : 28 – 38 ، الفئة الثالثة : 39 – 49 ، الفئة الرابعة : 50 – 60 ، كما يُمكن أن يتم التقسيم على النحو التالي :
الفئة الأولى : أقل من 25 ، الفئة الثانية : من 25 إلى أقل من 35 ، الفئة الثالثة من 35 إلى أقل من 45 ، والفئة الرابعة : أكبر من 45 ، ويُلاحظ في هذا التقسيم أن الفئات الأولى والأخيرة لها حد واحد ، وهذا التقسيم يضمن توزيعاً لجميع المفردات فلو نظرنا إلى المفردة التي عمرها 34.5 سنة فإننا سوف نلحقها بالفئة الثانية لأن حدها الأعلى يقبل أي قيمة أقل من 35 في حين أننا لو قسمنا متغير العمر على النحو التالي : الفئة الأولى إلى 25 ، والفئة الثانية من 25 إلى 35 ، والفئة الثالثة من 35 إلى 45 ، والفئة الرابعة أكبر من 45 لوجدنا أن المفردة التي عمرها 35 سنة تقبل أن تكون في الفئة الثانية أو الثالثة وهذا له تأثير كبير على القياس الإحصائي ، أما في حالة تقسيم المستويات على النحو التالي : الفئة الأولى إلى 25 ، والفئة الثانية من 26 إلى 35 ، والفئة الثالثة من 36 إلى 45 ، والفئة الرابعة أكبر من 45 لوجدنا أن هناك مشكلة أخرى تتمثل في عدم وجود فئة للمفردة التي عمرها 35.5 سنة فهي أكبر من الحد الأعلى للفئة الثانية وأقل الحد الأدنى للفئة الثالثة ، وهذا التقسيم 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 .... إلخ ، وفي حالة الرغبة في معرفة علاقة بين فئويين أو نسبيين فإن القياس المناسب هو معامل الارتباط التتابعي لبيرسون .
والاختبارات المستخدمة لقياس هذا النوع من المتغيرات فهي شبيهة بتلك التي تستخدم لقياس المتغير الرتبي ، أما بالنسبة للعينات فإن العينة العشوائية البسيطة أو العشوائية المنتظمة مناسبة تماماً مع هذا النوع من المتغيرات .

رابعاً : متغيرات رقمية Continues Variable :
وهذا النوع من المتغيرات هو أقوى المتغيرات وذلك نظراً للاختلافات بين القيم داخل المتغير ، ويتصف المتغير الرقمي بتعدد مستوياته ، أما عن الاختبارات المستخدمة في قياس المتغير الرقمي فهي تتفق مع تلك المستخدمة في قياس البيانات الفئوية ، أما بالنسبة للعينة فالمناسب لها هي العينة العشوائية البسيطة أو المنتظمة .

[BaRa2eT 2aLb]

خامساً : متغيرات نسبية Ratio Variable :
وهي متغيرات لا تختلف كثيراً عن المتغيرات الفئوية إلاَّ أنها تتميز عنها في أن أولى فئاتها تبدأ بالصفر المطلق ، وينقسم هذا النوع من المتغيرات إلى ثلاثة أقسام رئيسية هي :
أ) المتغير المستقل Independent Variable .
ب) المتغير التابع Dependent Variable .
جـ ) المتغير الثالث ( الدخيل ) Third Variable .

1) المتغير المستقلIndependent Variable :
*تعريفه* هو المتغير الدي يحدث قبل حدوث المتغير التابع ، ودلك من الناحية الزمنية ، وهو لايتأثر بأية متغيرات أخرى فتسميته بالمستقل تعود إلى كونه غير مرتبط بمتغير آخر ، ويدكر العساف أن المتغير المستقل هو العامل أو السبب الدي يطبق بغرض معرفة أثره على النتيجة ، وقد تشترك مجموعة من المتغيرات المستقلة في التأثير على المتغير التابع ، ويعد دلك من الأمور الكثيرة التكرار في الدراسات المسحية ، أو ان يكون المتغير المستقل سببا في حدوث المتغير التابع وذلك في الدراسات التجريبية لمعرفة تأثير هدا المتغير المستقل على المتغير او المتغيرات التابعة في الدراسة ، ويتم دلك بعد التحكم في جميع المتغيرات المستقلة الأخرى التي يمكن أن يكون لها تأثير على المتغير التابع ، ويُعْرَف المتغير المستقل في هده الحالة بالمؤثر

[BaRa2eT 2aLb]

نكمل باقي المتغيرات النسبية
2) المتغير التابع Dependent Variable :وهو المتغير الذي ظهر أو تشكل نتيجة لتدخل متغير أو متغيرات أخرىكالمتغير أو المتغيرات المستقلة والتي ساهمت في ظهوره بهذه الحالة ، وتعد معرفة ذلكالتأثير الحادث على المتغير التابع من الأساسيات لفهم العلاقة التي يريد الباحثالوصول إليها وتفسيرها واستنتاجها من خلال دراسته ، كما أن المتغير التابع في دراسةما لايبقى على وتيرة واحدة ، فقد يدرسه الباحث نفسه أو باحث آخر على أنه متغيرمستقل .

هذا ويعتبر التحديدالزمني لحدوث المتغير أمراً ضروريا ، إذ أن المتغير المستقل يحدث أولاً ، ونتيجةلحدوثه يقع المتغير التابع ، وتكمن المشكلة عادة في كيفية التعرف على أي منالمتغيرات حدث أولاً ؟ لذا يجب أن تتضمن أداة جمع البيانات سؤالاً عن ذلك لتفاديالخطأ في عملية القياس ، وتسمى هذه المشكلة بمشكلة الترتيب الزمني Time Order Proplem

3)المتغير الثالث Third Variable :ويعد هذا المتغير مفهوما حديثا في استخداماته البحثية ؛ بل إنه منالنادر أن تجد بحوثا ودراسات تناولت هذا النوع من المتغيرات في الوطن العربي .

ويلعب المتغير الثالث دورامهما ورئيسيا في معرفة العلاقات الارتباطية ومن ثم القدرة على تفسيرها ، كما أن ذلكالمتغير يتطلب معرفة طبيعة العلاقة بين المتغيرات المراد قياس تأثير المتغير الثالثعليها من حيث بقاء العلاقة أو تغير اتجاهها أو حتى انتفائها .

ومن الجدير ذكره أن عدم وضعهذا المتغير في الاعتبار يؤدي إلى عدم مصداقية النتائج ، لذا يتعين على الباحثالتعرف على طبيعة العلاقة بين المتغيرات المراد قياس أثرها ومدى تأثرها ببعضالمتغيرات الداخلية ، ودورها المحتمل وأخذها في الاعتبار ضمن متغيرات الدراسة .