من المتعارف عليه أن لسلم القياس أربعة مستويات، هي:
- المستوى الإسمي (Nominal ): وقيم المتغيرات في هذا المستوى عبارة عن ألفاظ ورموز وأوصاف تعبر عن الظاهرة، والأرقام المستخدمة في الترميز لا تتضمن أي معنى كمي، ولايمكن ترتيبها تصاعديا أو تنازليا، وهذا المستوى هو أضعف مستويات القياس: مثل بعض الخصائص الديمغرافية للمبحوثين (ذكور / إناث)، مهنة المبحوثين (مهندس/ طبيب/ معلم..)، مشاهدة الفضائيات عند قياسها ببدائل (يشاهد/ لايشاهد) . والمتغيرات التي تنتمي لهذا المستوى يتم اختبار العلاقات والفروق الإحصائية لها بمعاملات إحصائية لا معلمية مثل (كاي سكوير)، ويتم إنشاء متغيرات صورية (تنحصر قيمها بين 0 -1) عند استخدام الانحدار اللوجستي في قياسها، كما أنه لا يمكن استخدام الوسط الحسابي والانحراف المعياري في قياس النزعة المركزية والتشتت على هذه المتغيرات.
- المستوى الترتيبي (Ordinal) : وهذا المستوى أعلى من سابقه حيث يمكن ترتيب قيم التغير تصاعديا أو تنازليا ، من الأفضل للأسواء والعكس ، والأرقام هنا تعبر عن الترتيب والأفضلية، مثل: تقييم الطالب في الجامعة (ضعيف- مقبول- جيد – جيد جدا- ممتاز) والمؤهل العلمي (ثانوية – جامعي – دراسات عليا) ، والفروق بين القيم في هذا المستوى غير متساوية، حيث أن الفرق بين ضعيف ومقبول قد لا يساوي الفرق بين مقبول وجيد.. وبالتالي فالمتغيرات التي تنتمي لهذا المستوى يستخدم معها الوسيط والمنوال وليس الوسط الحسابي في قياس النزعة المركزية وايضا المدى الربيعي في قياس التشتت وليس الانحراف المعياري. كذلك لا يمكن تطبيق المعاملات الإحصائية المعلمية في قياس الفروق والعلاقات بين متغيرات هذا المستوى، بل تستخدم معاملات لامعلمية مثل كاي سكوير ومعامل سيبرمان في قياس الارتباطات، ومان ويتني وكروسكال ويلز في قياس الفروق لأن هذه المقاييس لاتتعامل مع الوسط الحسابي وانما مع رتبة الوسط. ويمكن استخدام الانحدار الترتيبي.
- المستوى الفتري (Interval): ويضم هذا المستوى خصائص المستوييين السابقين إضافة إلى خاصية المسافات المتساوية بين القيم التي تقيس المتغير، مثل: معدلات الذكاء.. درجة الحرارة.. والصفر في هذه المتغيرات نسبيا أي لا يوجد صفر مطلق: حيث لايمكننا أن نقول بأن درجة الحرارة صفر أو معدل الذكاء صفر. وما يميز هذا المستوى عن سابقيه أن يمكننا عند التحليل الإحصائي للمتغيرات التي تنتمي لهذا المستوى استخدام المعاملات الإحصائية المعلمية مثل معامل بيرسون في قياس الارتباطات، وتي تست وأنوفا ومانوفا ..إلخ في قياس الفروق بين المجموعات. والانحدار الخطي البسيط والمتعدد .
-المستوى النسبي(Ratio): وهو أعلى مستوى من مستويات القياس ويحمل جميع خصائص المستوى الفتري إضافة إلى وجود خاصية الصفر المطلق، مثل : الدخل ، العمر ، الوزن.. ويمكن تطبيق جميع المعاملات الاحصائية عليه . وفي برنامج SPSS تم دمج المستويين الفتري والنسبي تحت مسمى (Scale) نظرا لعدم الحاجة للفروق بين المستويين الفتري و النسبي في التحليلات الاحصائية للبحوث الاجتماعية والإنسانية.
....................................
كل ما سبق ذكره وتوضيحه ليس إلا من أجل توضيح فكرة إلى أي مستوى تنتمي المتغيرات المقاسة بتدرج (ليكرت)، لماذا يهمنا إلى إي مستوى تنتمي هذه المتغيرات المقاسة بصيغة أو تدرج ليكرت؛ الإجابة لأن تحديد المستوى سيتحكم في تحديد أي المعاملات الإحصائية نطبقها على هذه المتغيرات. وهنا يمكن الإشارة إى وجود نقاشات بين الباحثين حول هذا الموضوع.
- المستوى الإسمي (Nominal ): وقيم المتغيرات في هذا المستوى عبارة عن ألفاظ ورموز وأوصاف تعبر عن الظاهرة، والأرقام المستخدمة في الترميز لا تتضمن أي معنى كمي، ولايمكن ترتيبها تصاعديا أو تنازليا، وهذا المستوى هو أضعف مستويات القياس: مثل بعض الخصائص الديمغرافية للمبحوثين (ذكور / إناث)، مهنة المبحوثين (مهندس/ طبيب/ معلم..)، مشاهدة الفضائيات عند قياسها ببدائل (يشاهد/ لايشاهد) . والمتغيرات التي تنتمي لهذا المستوى يتم اختبار العلاقات والفروق الإحصائية لها بمعاملات إحصائية لا معلمية مثل (كاي سكوير)، ويتم إنشاء متغيرات صورية (تنحصر قيمها بين 0 -1) عند استخدام الانحدار اللوجستي في قياسها، كما أنه لا يمكن استخدام الوسط الحسابي والانحراف المعياري في قياس النزعة المركزية والتشتت على هذه المتغيرات.
- المستوى الترتيبي (Ordinal) : وهذا المستوى أعلى من سابقه حيث يمكن ترتيب قيم التغير تصاعديا أو تنازليا ، من الأفضل للأسواء والعكس ، والأرقام هنا تعبر عن الترتيب والأفضلية، مثل: تقييم الطالب في الجامعة (ضعيف- مقبول- جيد – جيد جدا- ممتاز) والمؤهل العلمي (ثانوية – جامعي – دراسات عليا) ، والفروق بين القيم في هذا المستوى غير متساوية، حيث أن الفرق بين ضعيف ومقبول قد لا يساوي الفرق بين مقبول وجيد.. وبالتالي فالمتغيرات التي تنتمي لهذا المستوى يستخدم معها الوسيط والمنوال وليس الوسط الحسابي في قياس النزعة المركزية وايضا المدى الربيعي في قياس التشتت وليس الانحراف المعياري. كذلك لا يمكن تطبيق المعاملات الإحصائية المعلمية في قياس الفروق والعلاقات بين متغيرات هذا المستوى، بل تستخدم معاملات لامعلمية مثل كاي سكوير ومعامل سيبرمان في قياس الارتباطات، ومان ويتني وكروسكال ويلز في قياس الفروق لأن هذه المقاييس لاتتعامل مع الوسط الحسابي وانما مع رتبة الوسط. ويمكن استخدام الانحدار الترتيبي.
- المستوى الفتري (Interval): ويضم هذا المستوى خصائص المستوييين السابقين إضافة إلى خاصية المسافات المتساوية بين القيم التي تقيس المتغير، مثل: معدلات الذكاء.. درجة الحرارة.. والصفر في هذه المتغيرات نسبيا أي لا يوجد صفر مطلق: حيث لايمكننا أن نقول بأن درجة الحرارة صفر أو معدل الذكاء صفر. وما يميز هذا المستوى عن سابقيه أن يمكننا عند التحليل الإحصائي للمتغيرات التي تنتمي لهذا المستوى استخدام المعاملات الإحصائية المعلمية مثل معامل بيرسون في قياس الارتباطات، وتي تست وأنوفا ومانوفا ..إلخ في قياس الفروق بين المجموعات. والانحدار الخطي البسيط والمتعدد .
-المستوى النسبي(Ratio): وهو أعلى مستوى من مستويات القياس ويحمل جميع خصائص المستوى الفتري إضافة إلى وجود خاصية الصفر المطلق، مثل : الدخل ، العمر ، الوزن.. ويمكن تطبيق جميع المعاملات الاحصائية عليه . وفي برنامج SPSS تم دمج المستويين الفتري والنسبي تحت مسمى (Scale) نظرا لعدم الحاجة للفروق بين المستويين الفتري و النسبي في التحليلات الاحصائية للبحوث الاجتماعية والإنسانية.
....................................
كل ما سبق ذكره وتوضيحه ليس إلا من أجل توضيح فكرة إلى أي مستوى تنتمي المتغيرات المقاسة بتدرج (ليكرت)، لماذا يهمنا إلى إي مستوى تنتمي هذه المتغيرات المقاسة بصيغة أو تدرج ليكرت؛ الإجابة لأن تحديد المستوى سيتحكم في تحديد أي المعاملات الإحصائية نطبقها على هذه المتغيرات. وهنا يمكن الإشارة إى وجود نقاشات بين الباحثين حول هذا الموضوع.
الاتجاه الأول: يرى بأن طريقة قياس ليكرت تنتمي إلى المستوى الترتيبي، حيث أن الفروق بين القيم غير متساوية، على سبيل المثال: الفرق بين موافق بشدة وموافق ليس مساويا للفرق بين موافق ومحايد أو للفرق بين محايد ومعارض؛ وبالتالي يرون أنه من العبث أن نستخدم في تحليلها إحصائيا الوسط الحسابي والانحراف المعياري، وكذلك لايمكن استخدام المعاملات الإحصائية المعلمية في قياس الارتباطات والفروق بينها مثل معامل ارتباط بيرسون واختبار تي تست وأنوفا والانحدار الخطي (البسيط والمتعدد)، وإن استخدامها مثل هذه الاختبارات في فترة من الزمن كان بسبب عدم توفر بديل للاختبارات المعلمية لأنها وجدت أولا ثم تم تطوير الاختبارات اللامعلمية لاحقا.. وبدلا من ذلك يرون استخدام المعاملات الإحصائية اللامعلمية التي لا تتعامل مع الوسط الحسابي مثل كاي سكوير وسيبرمان ومان ويتني وكروسكال ويلز .. إلخ. ومؤيدي هذا الاتجاه كُثر خصوصا أولئك المتشددين الذين يعارضون تكميم الظواهر الإجتماعية .
الاتجاه الثاني : يرى فريق أخر من الباحثين بأن المتغيرات المقاسة بتدرج ليكرت يمكن معاملتها كمتغيرات فترية، وبالتالي يمكن تطبيق الاختبارات الاحصائية المعلمية عليها، وتستند رؤية البعض في ذلك إلى أنه ليس المهم كون مستوى القياس ترتيبي أو فتري وإنما الأهم توزيع المتغير يكون طبيعي أو قريب من التوزيع الطبيعي، عند توفر الحد الأدنى للعينة، وأن تكون قيم المتغير متماثل، ومعنى متماثل هنا أن يوجود قيمة وسطى وتتوزع باقي القيم حولها (أعلى منها وأقل منها)، وبالتالي فإن المتغيرات المقاسة بتدرج ليكرت تعامل معاملة المتغيرات الفترية ذات المسافات المتساوية عندما توجد قيمة وسطى يتماثل حولها باقي القيم مثل (موافق بشدة – موافق – محايد – معارض – معارض بشدة)، حيث أن محايد قيمة وسطى وأعلى منها قيمتين (موافق بشدة وموافق) وأقل منها قيمتين (معارض بشدة ومعارض)، وبالتالي فإن المسافات بين محايد والقيم الأعلى منها متماثلة أو متساوية مع المسافات بين محايد والقيم الأقل منها، ولهذا عند استخدام تدرج ليكرت غير المتماثل مثل ( أوفق – أوافق إلى حدما- محايد – معارض) حيث لاتوجد قيمة وسطى يتم معاملة المتغيرات على أنها ترتيبية وليس فئوية. ومن مؤيدي هذا الاتجاه Tabachnick & Fidel (2007) وأشار لذلك ايضا Joseph Hair et al. (2013) .
الاتجاه الثالث: ذهب فريق أخر من الباحثين نحو التعامل مع المتغيرات المقاسة بطريقة ليكرت على اعتبارها متغيرات تنتمي للمستوى الفئوي في حالة واحدة وهي (المقياس التجميعي)، حيث يرى هذا الفريق بأن الفقرة أو العبارة المفردة المقاسة بتدرج ليكرت (Likert-Type Items) يتم معاملتها كمتغيرات ترتيبية، وبالتالي في التحليل الاحصائي الوصفي يتم استخراج الوسيط والمدى الربيعي لقياس المركز والتشتت، لكن عندما يتم جمع الفقرات في مقياس تجميعي (Summated Likert Scale) يتم معاملة المتغير التجميعي على أنه متغير فئوي ويمكن استخراج الوسط الحسابي والإنحراف المعياري في التحليل الوصفي للمتغير و تطبيق الاختبارات الاحصائية المعلمية عليه . ومن مؤيدي هذا الاتجاه Clason & Dormody (1994) وكذلك Harry N. Boone & Deborah A. Boone (2012)
ملاحظة : عند اعادة توزيع المتغير المقاس بتدرج ليكرت الى فئات جديدة .. على سبيل المثال .. اعادة توزيع المتغير المقاس بالتدرج الخماسي او السباعي إلى ثلاث فئات ( منخفض - متوسط - مرتفع) .. فإن أفضل طريقة لذلك هي الطريقة المعتمدة على الوسط الحسابي والانحراف المعياري.. حيث نقوم بحساب الوسط الحسابي للمتغير التجميعي .. والفئة المنخفضة تشمل القيم التي تقل عن (الوسط الحسابي - الإنحراف المعياري) .. بينما الفئة المرتفعة تشمل القيم التي تزيد عن ( الوسط الحسابي + الإنحراف المعياري) .. ومابينهما تعتبر الفئة المتوسطة للمتغير الجديد . وميزة هذه الطريقة أنها تحافظ على التوزيع الطبيعي للمتغير الجديد كونها تعتمد على تمركز القيم وتشتتها عن الوسط الحسابي.
حاتم الصالحي
