التجميع المرئي

استخدامات التجميع المرئي

تم تصميم التجميع المرئي Visual Binning لمساعدتك في عملية إنشاء متغيرات جديدة بناءً على تجميع القيم المتجاورة للمتغيرات الموجودة في عدد محدود من الفئات المميزة. يمكنك استخدام التجميع المرئي Visual Binning من أجل:

• إنشاء متغيرات فئوية categorical variables من متغيرات المقياس المتصلة continuous scale variables. على سبيل المثال، يمكنك استخدام متغير دخل من نوع المقياس لإنشاء متغير فئوي جديد يحتوي على نطاقات الدخل income ranges.
• قم بطي عدد كبير من الفئات الترتيبية ordinal categories إلى مجموعة أصغر من الفئات. على سبيل المثال، يمكنك طي مقياس تصنيف من تسعة فئات إلى ثلاث فئات تمثل “منخفض” و”متوسط” و”مرتفع”.

في الخطوة الأولى:

1. حدد المقياس الرقمي numeric scale و/ أو المتغيرات الترتيبية ordinal variables التي تريد إنشاء متغيرات فئوية (مجمعة) جديدة لها.
اختياريًا، يمكنك تحديد عدد الحالات المراد فحصها. بالنسبة لملفات البيانات التي تحتوي على عدد كبير من الحالات، يمكن للحد من عدد الحالات التي تم فحصها أن يوفر الوقت، ولكن يجب تجنب ذلك إذا أمكن لأنه سيؤثر على توزيع القيم المستخدمة في العمليات الحسابية اللاحقة في التجميع المرئي Visual Binning.

ملاحظة: لا يتم عرض متغيرات السلسلة String variables والمتغيرات الرقمية الاسمية nominal numeric variables في قائمة متغيرات المصدر. يتطلب التجميع المرئي متغيرات رقمية numeric variables، يتم قياسها على مستوى المقياس scale أو المستوى الترتيبي ordinal، لأنه يفترض أن قيم البيانات تمثل بعض الترتيب المنطقي الذي يمكن استخدامه لتجميع القيم بطريقة ذات معنى. يمكنك تغيير مستوى القياس المحدد لمتغير في طريقة عرض المتغيرات في محرر البيانات. راجع الموضوع مستوى قياس المتغير لمزيد من المعلومات.

خطوات تجميع المتغيرات

1. من القوائم في نافذة محرر البيانات، اختر: تحويل> التجميع المرئي …

Transform > Visual Binning…

2. حدد المقياس الرقمي numeric scale و/ أو المتغيرات الترتيبية ordinal variables التي تريد إنشاء متغيرات فئوية جديدة (مجمعة) لها categorical (binned) variables.

ملاحظة: لا يتم عرض متغيرات السلسلة String والمتغيرات الرقمية الاسمية nominal numeric variables في قائمة متغيرات المصدر. يتطلب التجميع المرئي متغيرات رقمية numeric variables، يتم قياسها على مستوى المقياس أو المستوى الترتيبي، نظرًا لأنه يفترض أن قيم البيانات تمثل بعض الترتيب المنطقي الذي يمكن استخدامه لتجميع القيم بطريقة ذات معنى.

3. حدد متغيرًا في قائمة المتغيرات المفحوصة Scanned Variable.

4. أدخل اسمًا للمتغير المجمع الجديد. يجب أن تكون أسماء المتغيرات فريدة ويجب أن تتبع قواعد تسمية المتغيرات. راجع موضوع أسماء المتغيرات لمزيد من المعلومات.

5. حدد معايير التجميع المرئي binning criteria للمتغير الجديد. انظر الفقرة التالية لمزيد من المعلومات.

6. انقر فوق موافق OK.

مربع حوار التجميع المرئي للمتغيرات

يوفر مربع حوار التجميع المرئي Visual Binning الرئيسي المعلومات التالية للمتغيرات المفحوصة:

قائمة المتغيرات المفحوصة Scanned Variable List. يعرض المتغيرات التي حددتها في مربع الحوار الأولي. يمكنك فرز القائمة حسب مستوى القياس (مقياس أو ترتيبي) أو حسب تسمية المتغير أو اسمه من خلال النقر على عناوين الأعمدة.

الحالات المفحوصة Cases Scanned. يشير إلى عدد الحالات التي تم فحصها. تُستخدم جميع الحالات التي تم فحصها دون القيم المفقودة من المستخدم أو من النظام للمتغير المحدد لتوليد توزيع القيم المستخدمة في العمليات الحسابية في التجميع المرئي Visual Binning، بما في ذلك الرسم البياني المعروض في مربع الحوار الرئيسي ونقاط القطع استنادًا إلى النسب المئوية أو وحدات الانحراف المعياري.

القيم المفقودة Missing Values. يشير إلى عدد الحالات المفحوصة بقيم مفقودة من المستخدم أو مفقودة من النظام. لا يتم تضمين القيم المفقودة في أي من الفئات المهملة. راجع الفقرة الخاصة بقيم المستخدم المفقودة في التجميع المرئي لمزيد من المعلومات.

المتغير الحالي Current Variable. الاسم وتسمية المتغير (إن وجد) للمتغير المحدد حاليًا والذي سيتم استخدامه كأساس للمتغير الجديد المرتب.

المتغير المجمع Binned Variable. الاسم وتسمية المتغير الاختياري للمتغير الجديد المرتب.

• اسم Name. يجب عليك إدخال اسم للمتغير الجديد. يجب أن تكون أسماء المتغيرات فريدة ويجب أن تتبع قواعد تسمية المتغيرات. راجع الموضوع أسماء المتغيرات لمزيد من المعلومات.
• تسمية Label. يمكنك إدخال عنوان متغير وصفي يصل طوله إلى 255 حرفًا. تسمية المتغير الافتراضية هي تسمية المتغير (إن وجدت) أو اسم المتغير للمتغير المصدر مع تعبير (Binned) الملحق بنهاية التسمية.

الحد الأدنى والحد الأقصى Minimum and Maximum. القيم الدنيا والقصوى للمتغير المحدد حاليًا، بناءً على الحالات المفحوصة وليس بما في ذلك القيم المحددة على أنها مفقودة من المستخدم.

قيم غير مفقودة Nonmissing Values. يعرض الرسم البياني توزيع القيم غير المفقودة للمتغير المحدد حاليًا، بناءً على الحالات المفحوصة.

ملاحظات

• بعد تحديد الحاويات للمتغير الجديد، يتم عرض الخطوط الرأسية على الرسم البياني للإشارة إلى نقاط القطع التي تحدد الحاويات.
• يمكنك النقر فوق خطوط القطع وسحبها إلى مواقع مختلفة على الرسم البياني، وتغيير نطاقات الحاوية.
• يمكنك إزالة الحاويات عن طريق سحب خطوط القطع من الرسم البياني.

ملاحظة على الرسم

يعتمد الرسم البياني ( الذي يعرض القيم غير المفقودة)، والحد الأدنى، والحد الأقصى على القيم المفحوصة. إذا لم تقم بتضمين جميع الحالات في الفحص، فقد لا ينعكس التوزيع الحقيقي بدقة، خاصة إذا تم فرز ملف البيانات حسب المتغير المحدد. إذا قمت بفحص الحالات الصفرية، فلن تتوفر معلومات حول توزيع القيم.

الشبكة Grid. يعرض القيم التي تحدد نقاط النهاية العليا لكل حاوية وتسميات القيم الاختيارية لكل حاوية.

• القيمة Value. القيم التي تحدد نقاط النهاية العليا لكل حاوية. يمكنك إدخال القيم أو استخدام إجراء عمل نقاط قطع Make Cutpoints لإنشاء سلال تلقائيًا بناءً على المعايير المحددة. بشكل افتراضي، يتم تضمين نقطة قطع بقيمة HIGH تلقائيًا. ستحتوي هذه الحاوية على أي قيم غير مفقودة أعلى نقاط القطع الأخرى. ستشمل الحاوية المحددة بأدنى نقطة قطع جميع القيم غير المفقودة التي تقل عن تلك القيمة أو تساويها (أو ببساطة أقل من تلك القيمة، اعتمادًا على كيفية تحديد نقاط النهاية العليا).
• التسمية Label. تسميات وصفية اختيارية لقيم المتغير الجديد المرتب. نظرًا لأن قيم المتغير الجديد ستكون ببساطة أعدادًا صحيحة متسلسلة من 1 إلى n، فإن التسميات التي تصف ما تمثله القيم يمكن أن تكون مفيدة جدًا. يمكنك إدخال تسميات أو استخدام إجراء عمل تسميات Make Labels لإنشاء تسميات القيم تلقائيًا.

لحذف حاوية من الشبكة

1. انقر بزر الماوس الأيمن فوق خلية القيمة أو التسمية للحاوية.

2. من القائمة المنبثقة، حدد حذف الصف Delete Row.

ملاحظة: إذا قمت بحذف HIGH bin، فسيتم تعيين القيمة المفقودة من النظام للمتغير الجديد لأي حالات ذات قيم أعلى من قيمة نقطة القطع المحددة الأخيرة.

لحذف كل التسميات أو حذف كل السلات المعرفة

1 .انقر بزر الماوس الأيمن في أي مكان في الشبكة.

2. من القائمة المنبثقة، حدد إما حذف كل التسميات Delete All Labels أو حذف كل نقاط القطع Delete All Cutpoints.

نقاط النهاية العليا Upper Endpoints. يتحكم في معالجة قيم نقطة النهاية العليا المُدخلة في عمود القيمة في الشبكة.

• مضمن Included (<=). يتم تضمين الحالات ذات القيمة المحددة في خلية القيمة في فئة المهملات. على سبيل المثال، إذا حددت قيمًا 25 و 50 و 75، فستظهر الحالات ذات القيمة 25 بالضبط في الحاوية الأولى، لأن هذا سيتضمن جميع الحالات ذات القيم الأقل من أو تساوي 25.
• مستبعد Excluded (<). لا يتم تضمين الحالات ذات القيمة المحددة في خلية القيمة في فئة المهملات. بدلاً من ذلك، يتم تضمينها في الحاوية التالية. على سبيل المثال، إذا قمت بتحديد قيم 25 و 50 و 75، فإن الحالات ذات القيمة 25 بالضبط ستدخل في الحاوية الثانية بدلاً من الأولى، نظرًا لأن الحاوية الأولى ستحتوي فقط على حالات ذات قيم أقل من 25.

انشئ نقاط قطع Make Cutpoints. يُنشئ فئات مجمعة تلقائيًا لفترات ذات عرض متساوِ، أو فواصل زمنية بنفس عدد الحالات، أو فواصل زمنية بناءً على الانحرافات المعيارية. لا يتوفر هذا إذا قمت بمسح عدد صفر من الحالات. راجع فقرة الإنشاء التلقائي للفئات المجمعة للحصول على مزيد من المعلومات.

اصنع تسميات Make Labels. يولد تسميات وصفية لقيم عدد صحيح متسلسل للمتغير الجديد المرتب، استنادًا إلى القيم الموجودة في الشبكة والمعالجة المحددة لنقاط النهاية العليا (المضمنة أو المستبعدة).

المقياس العكسي Reverse scale. بشكل افتراضي، تكون قيم المتغير الجديد المرتب أعدادًا صحيحة متسلسلة تصاعديًا من 1 إلى n. المقياس العكسي يجعل القيم تنازليًا للأعداد الصحيحة المتسلسلة من n إلى 1.

نسخ الحاويات Copy Bins. يمكنك نسخ مواصفات التجميع المرئي من متغير آخر إلى المتغير المحدد حاليًا أو من المتغير المحدد إلى متغيرات أخرى متعددة. راجع فقرة نسخ الفئات المحددة للحصول على مزيد من المعلومات.

المصدر

• المرجع الأساسي لبرنامج التحليل الإحصائي SPSS، ترجمة وإعداد: د. م. مصطفى عبيد، مركز البحوث والدراسات متعدد التخصصات.
• الموقع الرسمي لشركة آي بي إم أو IBM SPSS software.