يُمثّل فهم طبيعة العلاقات المتبادلة بين المتغيرات السلوكية والمعرفية حجر الزاوية في بناء النظريات وتطوير أدوات القياس النفسي الحديثة. يُعد معامل ارتباط بيرسون (Pearson’s r) أحد أكثر المقاييس الإحصائية استخداماً وشهرة في العلوم الإنسانية والاجتماعية والطبية، حيث يُوفّر وسيلة كمية دقيقة لتحديد قوة واتجاه العلاقة الخطية بين متغيرين كميين مستمرين. وبدونه، لظلت العديد من الفرضيات السيكولوجية مجرد افتراضات نظرية تفتقر إلى البرهان الرياضي الرصين.
معامل ارتباط بيرسون
1. التعريف الموجز
يُعرَّف معامل ارتباط بيرسون بأنه إحصاء بارامتري يُقيس درجة الاقتران أو التلازم الخطي واتجاهه بين متغيرين كميين مقاسين على مستوى مقياس فتري أو نسبي، وتتراوح قيمته الرياضية بين (+1.00) و(-1.00).
يعكس هذا المعامل مدى التغير المتزامن والمتناسب بين قيم المتغير الأول وقيم المتغير الثاني؛ حيث تدل القيمة (+1.00) على ارتباط خطي موجب تام، بينما تُشير القيمة (-1.00) إلى ارتباط خطي سالب تام، في حين تُعبّر القيمة (0.00) عن انعدام أي علاقة خطية منتظمة بين المتغيرين في العينة المدروسة.
وفي سياق القياس النفسي، لا يقتصر دور المعامل على وصف البيانات الرقمية فحسب، بل يُعد الركيزة الإحصائية الأساسية لحساب مؤشرات ثبات الاختبارات، وتقدير صدق المحكات، وتحليل بنية العوامل الكامنة خلف المظاهر السلوكية المقاسة.
2. التأثيل والأصل اللغوي
يستمد المصطلح اسمه من عالم الرياضيات والإحصاء البريطاني الشهير كارل بيرسون (Karl Pearson)، الذي قام بصياغة هذا المعامل وتطويره رياضياً في أواخر القرن التاسع عشر. أما لفظ “ارتباط” في اللغة العربية، فهو مصدر مشتق من الجذر اللغوي (ر-ب-ط)، والذي يفيد الجمع والشدّ والتعليق بين شيئين، بحيث لا ينفصل أحدهما عن حركة الآخر أو وضعه.
أما في المصطلح الإنجليزي المقابل (Pearson’s Correlation Coefficient)، فإن كلمة (Correlation) تعود إلى أصول لاتينية مكوّنة من السابقة (con-) بمعنى “معاً” أو “سوياً”، والكلمة (relatio) التي تعني “علاقة” أو “نسبة”. كما يُعرف رياضياً باسم “معامل ارتباط عزم الجداء” (Product-Moment Correlation Coefficient)، وهي تسمية استعارها بيرسون من علم الميكانيكا والفيزياء، وتحديداً من مفهوم “عزم القصور الذاتي”، حيث يُحسب العزم الرياضي كحاصل ضرب انحرافات الدرجات عن متوسطاتها الحسابية.
3. النطق والصيغة الصرفية والنحوية
يُنطق المصطلح باللغة العربية: “مُعَامِلُ ارْتِبَاطِ بِيرْسُون”، ويُكتب بالرمز الإحصائي اللاتيني المصغر (r) اختصاراً لكلمة (Regression) أو (Reversion) التي استخدمها فرانسيس غالتون تاريخياً للدلالة على الانحدار والارتباط. ومن الناحية النحوية والصرفية، يُعرب المصطلح تركيباً إضافياً؛ فكلمة “معامل” اسم فاعل يعمل مضافاً، و”ارتباط” مضاف إليه، و”بيرسون” مضاف إليه مجرور وعلامة جره الفتحة نيابة عن الكسرة لأنه اسم علم أعجمي ممنوع من الصرف.
يُستخدم الرمز (r) في الأدبيات المنهجية للإشارة إلى معامل الارتباط المحسوب من عينة بحثية (مؤشر إحصائي – Statistic)، بينما يُستخدم الحرف الإغريقي رو (ρ / Rho) للدلالة على معامل الارتباط المقابل في المجتمع الإحصائي الكلي (معلمة – Parameter).
4. الشرح المفاهيمي المفصل
يقوم المفهوم الجوهري لمعامل ارتباط بيرسون على تفكيك التباين المشترك (Covariance) بين متغيرين وتقييسه نسبةً إلى حاصل ضرب تشتتهما الفردي (الانحراف المعياري لكل منهما). ومن الناحية الرياضية المجردة، يُمثّل المعامل متوسط حاصل ضرب الدرجات المعيارية (z-scores) للمشاركين في المتغيرين المقاسين؛ أي أنه يُحدد ما إذا كان الأفراد الذين يحصلون على درجات تفوق المتوسط في المتغير (X) يميلون بالضرورة إلى الحصول على درجات تفوق المتوسط في المتغير (Y)، أم العكس.
تتحدد قوة العلاقة بقيمة المعامل المطلقة بغض النظر عن إشارته؛ فكلما اقتربت القيمة المطلقة من (1.00)، دلّ ذلك على متانة الترابط الخطي وتناقص التشتت حول خط الانحدار، في حين يشير اقتراب القيمة من الصفر إلى تفكك العلاقة وتناثر النقاط عشوائياً في شكل الانتشار (Scatterplot). وتُصنف قوة الارتباط عادةً وفق معايير إحصائية استرشادية، مع التنبيه إلى أن تفسير القوة يخضع للسياق العلمي وطبيعة الظاهرة المدروسة.
يختص معامل بيرسون بقياس العلاقات “الخطية” حصراً (Linear Relationships). ويعني ذلك أنه يعجز عن التقاط العلاقات غير الخطية أو المنحنية بدقة؛ فعلى سبيل المثال، العلاقة بين القلق والأداء التي تتخذ شكل منحنى مقلوب (وفق قانون يركيز-دودسون) قد تُسفر عن معامل بيرسون يقترب من الصفر، على الرغم من وجود علاقة وظيفية وثيقة بين المتغيرين، ولكنها علاقة غير خطية لا يرصدها هذا المؤشر.
بالإضافة إلى ذلك، يُعد مربع معامل الارتباط (r²)، والمعروف إحصائياً باسم معامل التحديد (Coefficient of Determination)، أحد أهم المفاهيم المرافقة لمعامل بيرسون؛ حيث يُمثّل النسبة المئوية من التباين في أحد المتغيرين التي يمكن تفسيرها أو التنبؤ بها من خلال التباين في المتغير الآخر، وهو ما يمنح الباحثين فهماً عملياً للأهمية التأثيرية للارتباط المتوصل إليه.
5. التطور التاريخي
تعود الجذور الأولى لفكرة الارتباط إلى أعمال العالم البريطاني فرانسيس غالتون في ثمانينيات القرن التاسع عشر. كان غالتون مهتماً بدراسة الوراثة والصفات البشرية، ولاحظ أثناء دراسته لبيانات أطوال الآباء والأبناء ظاهرة أطلق عليها في البداية “الانحدار نحو المتوسط” (Regression toward Mediocrity)، ثم طور المفهوم عام 1888 ليعبر عن الارتباط المشترك (Co-relation) باستخدام خطوط بيانية ورسوم هندسية.
ورغم عبقرية غالتون، إلا أن تصوره افتقر إلى الصياغة الرياضية الصارمة التي تمكّن من تعميمه كأداة إحصائية عامة. وهنا تدخّل كارل بيرسون، متأثراً بأعمال غالتون والفيزيائي والرياضي الفرنسي أوغست برافيه (Auguste Bravais) الذي كان قد درس هندسة الخطأ المشترك وتوزيع الاحتمالات ثنائي التغير في منتصف القرن التاسع عشر. قام بيرسون بنشر أوراقه العلمية التأسيسية بين عامي 1895 و1896 في الجمعية الملكية البريطانية، مُقدماً الصيغة الرياضية الحديثة لما بات يُعرف بـ “معامل ارتباط عزم الجداء لبيرسون”.
مع مطلع القرن العشرين، تبنّى رواد علم النفس التجريبي والقياس السيكولوجي، وفي مقدمتهم تشارلز سبيرمان وإدوارد ثورندايك، هذا المعامل كأداة لا غنى عنها في دراسة الفروق الفردية وقياس الذكاء والقدرات العقلية، مما أرسى القواعد المنهجية لمدرسة القياس النفسي الكمي المعاصرة.
6. الأسس والمنطلقات النظرية
يستند معامل ارتباط بيرسون إلى حزمة من الفرضيات والنظريات الإحصائية والرياضية الصارمة، والتي يُطلق عليها اسم “الافتراضات البارامترية”، وتشمل ما يلي:
أولاً، فرضية التوزيع الطبيعي ثنائي التغير (Bivariate Normality): تفترض هذه النظرية أن كلاً من المتغيرين يتبع التوزيع الطبيعي في المجتمع، وأن توزيعهما المشترك يُشكل سطحاً جرسياً ثلاثي الأبعاد. إذا انتهكت هذه الفرضية بصورة حادة، فإن الدلالة الإحصائية المقدرة لمعامل الارتباط قد تصبح مضللة وغير دقيقة.
ثانياً، فرضية الخطية (Linearity): يرتكز النموذج الرياضي لعزم الجداء على افتراض أن العلاقة بين المتغيرين يمكن تمثيلها بخط مستقيم (Straight Line). ويتطلب التحقق من هذه الفرضية فحص مخطط التشتت البياني قبل الشروع في العمليات الحسابية للتأكد من عدم وجود مسارات منحنية أو لوغاريتمية تؤثر سلباً على تقدير المعامل.
ثالثاً، فرضية تجانس التشتت (Homoscedasticity): تتطلب هذه الفرضية أن يكون تباين نقاط المتغير (Y) متساوياً تقريباً عبر جميع مستويات وقيم المتغير (X)، دون أن تتسع سحابة البيانات أو تضيق عند أطراف محددة، لأن عدم التجانس يؤدي إلى تضخيم الخطأ المعياري للتقدير.
7. المكونات الأساسية والأنواع والأبعاد
يتميز معامل ارتباط بيرسون بأبعاد محددة تُحدد ملامحه وتطبيقاته، ويُمكن تلخيص هذه المكونات في العناصر التالية:
- اتجاه العلاقة (Direction): ويُحدد بإشارة المعامل الرياضية؛ فالإشارة الموجبة (+) تدل على علاقة طردية تتزايد فيها قيم المتغيرين معاً، في حين تُشير الإشارة السالبة (-) إلى علاقة عكسية تنخفض فيها قيم أحد المتغيرين بازدياد قيم المتغير الآخر.
- قوة العلاقة (Magnitude): وتتحدد بالقيمة المطلقة للرقم |r|؛ حيث تُصنف العلاقات عادة إلى: ضعيفة (0.10 إلى 0.29)، ومتوسطة (0.30 إلى 0.49)، وقوية (0.50 فأكثر)، وذلك وفق التقديرات المنهجية الكلاسيكية لعالم الإحصاء النفسي جيكوب كوهين.
- مستوى القياس المتري (Measurement Level): يشترط أن تكون البيانات المقاسة للمتغيرين من النوع الكمي (بيانات مسافة / فترية مثل درجات الاختبارات، أو نسبية مثل زمن الرجع والوزن).
- معامل التحديد المفسر (r²): يُمثل بُعداً مشتقاً أساسياً يعكس نسبة التباين المشترك، ويُعد المؤشر الأكثر موضوعية لتقييم حجم الأثر (Effect Size) العملي بدلاً من الاكتفاء بمستوى الدلالة الإحصائية المجرد.
- الحساسية للقيم الشاذة (Sensitivity to Outliers): يتأثر المعامل بشكل فائق بوجود درجات متطرفة وغير اعتيادية، حيث يُمكن لنقطة واحدة شاذة أن تسحب خط الارتباط نحوها مما يُحدث تضخيماً كاذباً أو انخفاضاً حاداً في قيمة المعامل الحقيقية.
8. أمثلة وحالات توضيحية
لتوضيح معامل ارتباط بيرسون في السياق النفسي، نورد فيما يلي أمثلة واقعية تُبرز كيفية عمل هذا المؤشر وتطبيقه العملي:
الحالة الأولى: الارتباط الطردي (الموجب)
قام باحث نفسي بدراسة العلاقة بين عدد ساعات النوم وجودة الأداء المعرفي لدى عينة من طلاب الجامعة. بعد جمع الدرجات وتحليلها، أسفرت النتائج عن معامل ارتباط (r = +0.68) بدلالة إحصائية (p < 0.001). تدل هذه النتيجة على وجود علاقة طردية قوية؛ فالطلاب الذين نالوا ساعات نوم أطول حققوا درجات أداء أعلى، ويُشير معامل التحديد (r² = 0.46) إلى أن ما يقرب من 46% من التباين في الأداء المعرفي يمكن تفسيره بالتباين في عدد ساعات النوم.
الحالة الثانية: الارتباط العكسي (السالب)
في دراسة سيكولوجية هدفت إلى استقصاء الرابط بين أعراض قلق الاختبار والتحصيل الأكاديمي، وجد الباحث أن قيمة معامل بيرسون بلغت (r = -0.52). تُشير هذه النتيجة إلى وجود علاقة عكسية معتدلة إلى قوية؛ فكلما ارتفعت مستويات قلق الاختبار لدى الطلاب، مالت درجات تحصيلهم الأكاديمي نحو الانخفاض، مفسرةً ما نسبته 27% من التباين القائم في درجات الاختبار.
الحالة الثالثة: انعدام الارتباط الخطي أو تشوهه
قام فريق بحثي بدراسة العلاقة بين مستوى الإثارة الفسيولوجية والدقة الحركية المعقدة، وظهرت قيمة معامل بيرسون مساوية لـ (r = +0.04). وعند فحص الرسم البياني، تبين أن العلاقة تأخذ نمطاً منحنياً كلاسيكياً (حيث يرتفع الأداء مع الإثارة المعتدلة، ويهبط مع الإثارة المنخفضة جداً أو المرتفعة جداً). أدى تطبيق معامل بيرسون الخطي على هذه البيانات المنحنية إلى حجب العلاقة الفعلية وإظهارها كعلاقة منعدمة، وهو ما يُبرز أهمية فحص شكل الانتشار قبل التحليل.
9. القياس والتقييم الإحصائي
يُحسب معامل ارتباط بيرسون رياضياً باستخدام الصيغة القياسية القائمة على انحرافات الدرجات الخام عن متوسطاتها الحسابية:
r = Σ((X – X̄)(Y – Ȳ)) / √[Σ(X – X̄)² * Σ(Y – Ȳ)²]
حيث يُمثّل البسط التغاير الخام بين المتغيرين، في حين يُمثّل المقام حاصل ضرب الانحرافات المعيارية المرجحة لكلا المتغيرين. كما يُمكن حسابه بصيغة الدرجات المعيارية بقسمة مجموع حاصل ضرب (z_X * z_Y) على حجم العينة ناقصاً واحداً (n – 1).
لاختبار فرضية العدم القائلة بعدم وجود ارتباط في المجتمع الإحصائي (H0: ρ = 0)، يُحول المعامل المحسوب إلى قيمة تائية (t-value) بالمعادلة التالية:
t = r * √[(n – 2) / (1 – r²)]
تُقارن هذه القيمة بالتوزيع التائي عند درجات حرية (df = n – 2). وإذا تجاوزت القيمة المحسوبة القيمة الجدولية عند مستوى دلالة محدد (مثل α = 0.05 أو 0.01)، تُرفض فرضية العدم ويُستنتج وجود علاقة ارتباطية ذات دلالة إحصائية في المجتمع.
أما عند مقارنة معاملي ارتباط مستقلين أو حساب فترات الثقة لمعامل الارتباط في المجتمع، يُلجأ إلى تحويل فيشر الزائي (Fisher’s z-transformation)، نظراً لأن توزيع قيم (r) العينية لا يتبع التوزيع الطبيعي عندما تبتعد قيمة الارتباط في المجتمع عن الصفر، بل يميل إلى الالتواء، مما يتطلب تحويلها لتصبح متماثلة التوزيع.
10. التطبيقات والأهمية العملية
يمتد توظيف معامل بيرسون عبر نطاقات متعددة في علم النفس والقياس السلوكي والتربوي، وتبرز أهميته في المجالات الآتية:
القياس السيكومتري (Psychometrics): يُستخدم المعامل لحساب مؤشرات ثبات الأدوات النفسية، وخاصة ثبات إعادة التطبيق (Test-Retest Reliability) والتكافؤ بين الصور المتوازنة للاختبار. كما يُعد الأداة الأساسية لفحص الصدق التقاربي (Convergent Validity) والصدق التمايزي (Discriminant Validity) للمقاييس المستحدثة بمقارنتها مع محكات معيارية راسخة.
علم النفس العيادي والتشخيصي: يُسهم في فهم التواكب المرضي (Comorbidity) بين الاضطرابات؛ مثل قياس درجة التلازم بين أعراض الاكتئاب واضطرابات القلق المعمم، مما يدعم الأطباء والمعالجين في تصميم خطط علاجية تكاملية تراعي الارتباطات البينية للأعراض.
علم النفس الصناعي والتنظيمي: يُعتمد عليه في بناء بطاريات الاختيار والتعيين المهني، عبر حساب الارتباط بين درجات المتقدمين في اختبارات السمات الشخصية والذكاء من جهة، ومؤشرات أدائهم الوظيفي الفعلي بعد التعيين من جهة أخرى (Predictive Validity).
11. الأبحاث والأدلة التجريبية
أكدت عقود من الأبحاث النفسية والتجريبية فاعلية معامل بيرسون ودوره في الكشف عن القوانين السلوكية. ومن أبرز الشواهد البحثية تلك الدراسات التلوية (Meta-analyses) الشاملة؛ كالدراسة التاريخية التي قادها ماير وزملاؤه (Meyer et al., 2001) والمنشورة في مجلة (American Psychologist)، والتي فحصت مئات معاملات الارتباط لتقييم مصداقية الاختبارات النفسية مقارنة بالاختبارات الطبية.
أظهرت نتائج دراسات ماير أن معاملات ارتباط صدق الاختبارات السيكولوجية ومحكاتها (مثل مقاييس الذكاء ومقاييس الشخصية مثل اختبار مينيسوتا متعدد الأوجه) تراوحت في غالبها بين (r = 0.30) و(r = 0.50)، وهي قيم تُماثل أو تفوق معاملات الارتباط المسجلة في الفحوصات الطبية المعتمدة (مثل الارتباط بين تعاطي الأسبرين وتراجع النوبات القلبية، أو بين تصوير الثدي الشعاعي وكشف السرطان). وقد أثبتت هذه الأبحاث أن تقديرات بيرسون تُقدّم أدلة قوية وموضوعية تؤكد متانة القياس في العلوم السلوكية.
12. الاعتبارات الثقافية وسياقات التطبيق
عند استخدام معامل ارتباط بيرسون عبر ثقافات ولغات متعددة، تبرز تحديات منهجية وسياقية هامة يجب على الباحث مراعاتها. تختلف استجابات الأفراد للمقاييس السيكومترية باختلاف الخلفيات الثقافية؛ فالمجتمعات التي تسودها النزعة الفردية قد تُظهر أنماط استجابة متطرفة على مقاييس تقدير الذات والتوكيد، مما يرفع من التباين الداخلي ويؤدي بالتالي إلى تضخيم معاملات الارتباط المحسوبة.
على العكس من ذلك، تميل المجتمعات الجمعية في بعض الأحيان إلى الاستجابة المعتدلة أو التحيز للمسايرة الاجتماعية، مما يترتب عليه ما يُعرف بـ “حصر المدى” (Restriction of Range)، وهو ما يؤدي آلياً إلى تقليص قيمة معامل بيرسون واختزال حجم العلاقة الظاهرة بين المتغيرات. علاوة على ذلك، لا تعني مطابقة قيمة معامل الارتباط بين ثقافتين بالضرورة تكافؤ البناء النفسي (Construct Equivalence)، ما لم يتم التحقق مسبقاً من صدق القياس البنيوي وتكافؤ الترجمة عبر الثقافات.
13. الانتقادات والجدل والحدود المنهجية
على الرغم من المكانة المركزية لمعامل ارتباط بيرسون، إلا أنه تعرض لانتقادات منهجية وتطبيقات خاطئة متكررة، تتمثل أبرزها في الآتي:
أولاً، الخلط المزمن بين الارتباط والسببية: يُعد هذا الخلط من أكثر المزالق العلمية شيوعاً؛ فالارتباط الإحصائي المرتفع بين متغيرين لا يعني بحال من الأحوال أن المتغير (X) هو المسبب للمتغير (Y). قد يعود هذا الارتباط إلى تأثير متغير ثالث خفي (Confounding Variable) يتحكم في كليهما معاً، وهو ما يُعرف إحصائياً بـ “الارتباط الزائف” (Spurious Correlation).
ثانياً، الحساسية المفرطة لحجم العينة: يتأثر اختبار الدلالة الإحصائية (p-value) لـ (r) بحجم العينة بشكل حاد؛ فعند التعامل مع عينات ضخمة للغاية تتجاوز آلاف المشاركين، قد يُصبح المعامل البسيط جداً (مثل r = 0.05) دالاً إحصائياً، رغم أنه عديم القيمة والأهمية من المنظور النفسي أو التطبيقي (حيث لا يفسر المتغير سوى 0.25% من التباين).
ثالثاً، أثر حصر المدى (Restriction of Range): إذا تم قياس الارتباط في عينة متجانسة جداً تنخفض فيها الفروق الفردية (كما في دراسة العلاقة بين الذكاء والتحصيل لدى نخبة من طلبة الدراسات العليا فقط)، فإن قيمة معامل بيرسون تنخفض اصطناعياً لتقترب من الصفر بسبب انعدام التشتت في العينة، مما يقود إلى استنتاجات خاطئة حول غياب العلاقة.
14. المصطلحات ذات الصلة والفروق الدقيقة
تتقاطع في الفضاء الإحصائي عدة مؤشرات قياس مع معامل بيرسون، ومن المهم التمييز الدقيق بينها وفق ما يلي:
- معامل ارتباط سبيرمان للرتب (Spearman’s Rho): مقياس لا بارامتري بديل لبيرسون، يُستخدم عندما تكون البيانات من المستوى الترتيبي، أو عند انتهاك فرضية التوزيع الطبيعي، أو في حال وجود علاقة رتيبة (Monotonic) غير خطية بين المتغيرين.
- معامل ارتباط كيندال للرتب (Kendall’s Tau): أسلوب لا بارامتري يُفضل استخدامه بدلاً من بيرسون وسبيرمان عند التعامل مع عينات صغيرة جداً تحوي العديد من الرتب المتطابقة (Tied Ranks).
- معامل الارتباط ثنائي النقطة (Point-Biserial Correlation): حالة خاصة ومشتقة مباشرة من صيغة بيرسون، تُطبق عندما يكون أحد المتغيرين كمياً مستمراً والآخر ثنائياً حقيقياً (Dichotomous) مثل (ناجح / راسب).
- التغاير (Covariance): المقياس الخام للتبدل المشترك لمتغيرين؛ ويمتاز معامل بيرسون عنه بأنه قيمة معيارية مجردة لا تتأثر بوحدات القياس المستخدمة، بعكس التغاير الذي يرتبط مباشرة بوحدات القياس الأصلية.
- معامل الانحدار البسيط (Regression Coefficient – b): بينما يُقيس بيرسون قوة واتجاه العلاقة المتناظرة بين متغيرين بصورة تبادلية، يُحدد معامل الانحدار مقدار التغير المتوقع في المتغير التابع استجابة لوحدة تغير واحدة في المتغير المستقل، معبراً عن مسار تنبؤي موجه.
15. الخلاصة والنقاط الجوهرية
يظل معامل ارتباط بيرسون (Pearson’s r) أحد الأعمدة المنهجية التي لا غنى عنها في البحث النفسي والإحصائي المعاصر. يُلخص المعامل في قيمة رقمية واحدة محصورة بين (-1.00) و(+1.00) كلاً من قوة واتجاه الاقتران الخطي بين المتغيرات الكمية. وتتوقف دقته وصحته التفسيرية على مدى استيفاء الافتراضات البارامترية، وتحديداً الخطية، والتوزيع الطبيعي ثنائي التغير، وغياب القيم الشاذة، وتجانس التشتت.
ويتعين على الباحثين تجنب القراءة التبسيطية للارتباط على أنه علاقة علية سببية، والاهتمام بفحص الأهمية العملية عبر معامل التحديد (r²) وحجم الأثر بدلاً من الاقتصار على الدلالة الإحصائية المجردة. إن الاستخدام الرصين والواعي لحدود هذا المعامل ومزاياه يُعد شرطاً أساسياً لضمان مصداقية القياسات واستقرار النتائج في شتى فروع العلوم النفسية والاجتماعية.
المراجع
- Bravais, A. (1846). Analyse mathématique sur les probabilités des erreurs de situation d’un point. Mémoires présentés par divers savants à l’Académie royale des sciences de l’Institut de France, 9, 255–332.
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.
- Galton, F. (1888). Co-relations and their measurement, chiefly from anthropometric data. Proceedings of the Royal Society of London, 45, 135–145. https://doi.org/10.1098/rspl.1888.0082
- Meyer, G. J., Finn, S. E., Eyde, L. D., Kay, G. G., Moreland, K. L., Dies, R. R., Eisman, E. J., Kubiszyn, T. W., & Reed, G. M. (2001). Psychological testing and psychological assessment: A review of evidence and issues. American Psychologist, 56(2), 128–165. https://doi.org/10.1037/0003-066X.56.2.128
- Pearson, K. (1896). Mathematical contributions to the theory of evolution.—III. Regression, heredity, and panmixia. Philosophical Transactions of the Royal Society of London. Series A, 187, 253–318. https://doi.org/10.1098/rsta.1896.0007