كيفية حساب معامل ارتباط بيرسون يدوياً

يُعد التحليل الإحصائي حجر الزاوية في العلوم السلوكية والنفسية والتربوية المعاصرة، حيث يسعى الباحثون باستمرار إلى فهم طبيعة العلاقات التي تربط بين الظواهر الإنسانية المتعددة وقياسها بدقة موضوعية. ومن بين شتى الأدوات والمعاملات الإحصائية المتاحة، يبرز معامل ارتباط بيرسون لعزم حاصل الضرب (Pearson Product-Moment Correlation Coefficient) كأحد أكثر المقاييس الاستدلالية والوصفية شيوعاً واستخداماً لتحديد طبيعة وقوة واتجاه العلاقة الخطية القائمة بين متغيرين كميين مستمرين.

وعلى الرغم من التقدم التكنولوجي الهائل وتوافر الحزم البرمجية الإحصائية المتطورة مثل SPSS و R و SAS، فإن إتقان الحساب اليدوي لمعامل ارتباط بيرسون يظل مهارة منهجية لا غنى عنها لكل باحث وأكاديمي يسعى إلى استيعاب البنية الرياضية العميقة التي تقوم عليها هذه المؤشرات الإحصائية. إن فهم المنطق الكامن وراء التغاير المشترك والانحرافات المعيارية يمنح الباحث بصيرة نقدية تحميه من التفسيرات المضللة وتجعله قادراً على التدقيق في المخرجات الرقمية المعقدة وفهم ما يجري خلف كواليس البرمجيات الصامتة.

يقدم هذا الدليل المرجعي الشامل تفكيكاً إبستمولوجياً وحسابياً دقيقاً لكل خطوة من خطوات حساب معامل ارتباط بيرسون يدوياً، مستعرضاً الأسس النظرية، والافتراضات المنهجية الصارمة، والتطبيقات الحسابية المنظمة عبر جداول مفصلة ونماذج تطبيقية واقعية مستمدة من حقل علم النفس والقياس التربوي، بهدف تمكين الباحث وطالب الدراسات العليا من تنفيذ هذه العملية باحترافية رياضية فائقة.

1. مقدمة تأصيلية لمعامل ارتباط بيرسون في البحوث الإحصائية والنفسية

1.1 المفهوم الرياضي لمعامل الارتباط الخطي (r)

يُعرَّف معامل ارتباط بيرسون، والذي يُرمز له عالمياً بالحرف اللاتيني الصغير (r) عندما يُحسب من عينة إحصائية وبالرمز الإغريقي رو (ρ) عندما يمثل المجتمع الإحصائي الكلي، بأنه مقيار معياري عديم الأبعاد يُحدد درجة التلازم والاقتران الخطي بين متغيرين كميين مقاسين على مستوى فئوي أو نسبي. طور هذا المعامل عالم الإحصاء البريطاني الشهير كارل بيرسون في أواخر القرن التاسع عشر استناداً إلى أفكار سابقة وضعها فرانسيس غالتون، بهدف تقديم صياغة رياضية محكمة تقيس مدى ميل النقاط في فضاء ثنائي الأبعاد إلى الاصطفاف على خط مستقيم واحد.

رياضياً، يتميز معامل بيرسون بخاصية جوهرية تتمثل في انحصاره الصارم والدائم داخل نطاق مغلق يتراوح بين -1.00 و +1.00. تعكس هذه القيمة المعيارية الموحدة تحييداً كاملاً لوحدات القياس الأصلية للمتغيرين؛ فمهما اختلفت الوحدات المستخدمة (مثل قياس الوزن بالكيلوغرام ومقارنته بنسبة الذكاء بالدرجات المعيارية)، فإن المعامل يظل قابلاً للمقارنة المباشرة. في مجالات القياس النفسي والتربوي، يمثل هذا المعامل العمود الفقري لحساب معاملات الثبات التكراري، وثبات الاتساق الداخلي، والصدق التقاربي والتمييزي للاختبارات والمقاييس النفسية، مما يجعله أداة محورية لتقنين المقاييس وضبط جودتها السيكومترية.

1.2 المعنى الإحصائي لقيم الارتباط المختلفة

يحمل كل موضع رقمي تقع فيه قيمة معامل الارتباط دلالة إحصائية وسلوكية محددة، تتدرج من الاقتران الإيجابي الكامل إلى الانفصال التام أو الاقتران السلبي المعاكس. عندما تبلغ قيمة المعامل +1.00، فإننا نكون أمام ارتباط طردي تام (Perfect Positive Correlation)، وهو ما يشير إلى أنه مع كل زيادة بوحدة معيارية واحدة في المتغير الأول (X)، يقابلها حتماً زيادة ثابتة بوحدة معيارية واحدة في المتغير الثاني (Y)، وتصطف جميع نقاط البيانات دون أي انحراف على خط مستقيم ذي ميل موجب.

في المقابل، تدل القيمة -1.00 على وجود ارتباط عكسي تام (Perfect Negative Correlation)، ويعني ذلك أن الزيادة في أحد المتغيرين ترتبط ارتباطاً حتمياً وثابتاً بانخفاض موازٍ في المتغير الآخر. أما عندما تسجل القيمة 0.00، فهذا يعني انعدام الارتباط الخطي (Zero Linear Correlation). ومن الأهمية المنهجية بمكان التمييز بين غياب العلاقة كلياً وغياب العلاقة الخطية؛ فالقيمة صفر تعني فقط عدم وجود خط مستقيم يمثل البيانات بكفاءة، لكنها لا تنفي احتمالية وجود علاقة غير خطية قوية كالعلاقات المنحنية أو الدائرية، مثل قانون يركس-دودسون الذي يربط بين الاستثارة والأداء عبر منحنى جيبي مقلوب.

1.3 مبررات الحساب اليدوي في العصر الرقمي

يثور في كثير من الأحيان تساؤل مشروع حول جدوى تعلم وحساب معامل بيرسون يدوياً بالورقة والقلم والآلة الحاسبة البسيطة في ظل انتشار البرمجيات المتطورة التي تستخرج النتائج في أجزاء من الثانية. تكمن الإجابة المنهجية في أن الحساب اليدوي يمنح الدارس فهماً هيكلياً عميقاً لمفهوم التباين (Variance) والتباين المشترك أو التغاير (Covariance)، مما يحول الإحصاء من مجرد إجراء آلي مبهم إلى عملية منطقية ملموسة تُظهر كيف تتفاعل الفروق الفردية عن المتوسطات في تكوين القيمة النهائية.

إلى جانب ذلك، يبني الحساب اليدوي مهارات التفكير النقدي والتدقيق لدى الباحثين وطلبة الدراسات العليا في علم النفس والتربية، مما يجعلهم مؤهلين لاكتشاف الأخطاء البرمجية الناتجة عن إدخال البيانات الخاطئة أو الرموز المفقودة، وفهم كيفية تأثير كل درجة مفردة على الاتجاه العام للبيانات. إن المعرفة الإجرائية الدقيقة لكيفية اختزال وتوحيد الانحرافات المعيارية تحرر الباحث من التبعية التقنية العمياء وتمنحه سلطة علمية تمكنه من مناقشة النتائج واستيعاب محدداتها الإحصائية بوعي منهجي رصين.

2. الافتراضات والشروط الإحصائية الواجب توفرها قبل الحساب اليدوي

2.1 مستوى قياس المتغيرات

يشترط معامل ارتباط بيرسون كمتطلب أولي صارم أن تكون البيانات المراد فحصها مقاسة على مستوى كمي مستمر، ويشمل ذلك حصراً مقاييس المسافة أو الفترات المتساوية (Interval Scale) ومقاييس النسبة (Ratio Scale). في المقاييس الفئوية، تكون المسافات بين الرتب متساوية رياضياً ولكن الصفر فيها غير مطلق (مثل درجات اختبارات الذكاء واختبارات التحصيل ومقاييس ليكرت المتصلة المجمعة)، في حين تشتمل مقاييس النسبة على صفر حقيقي مطلق يمثل انعدام الخاصية كلياً (مثل زمن الرجع بالثواني، وعدد الأخطاء السلوكية، ومستويات هرمون الكورتيزول في الدم).

إذا كانت البيانات تنتمي إلى المستوى الترتيبي أو الرتبي (Ordinal Scale) كالمستويات الوظيفية أو الترتيب الأكاديمي، فإن تطبيق بيرسون يصبح مضللاً رياضياً لعدم تكافؤ المسافات بين الرتب، وفي هذه الحالة يتعين على الباحث التحول إلى بدائل أخرى مثل معامل ارتباط الرتب لسبيرمان أو معامل كيندال. أما في حال البيانات الاسمية أو الثنائية (Nominal Scale)، فتُستخدم معاملات ارتباط أخرى مثل فاي (Phi) أو معامل الارتباط ثنائي النقطة (Point-Biserial).

2.2 افتراض الخطية والتوزيع الطبيعي

يستند نموذج بيرسون إلى فرضية أساسية مفادها أن العلاقة البينية بين المتغيرين تتخذ شكلاً خطياً مستقيماً (Linearity). قبل الشروع في العمليات الحسابية اليدوية، يلتزم الباحث منهجياً بفحص شكل التوزيع عبر إنشاء مخطط الانتشار البصري (Scatterplot)، حيث يُمثل كل زوج من الدرجات بنقطة تقاطع على المحورين السيني والصادي. فإذا توزعت النقاط في هيئة بيضاوية أو شريط خطي، كان الفرض متحمقاً، أما إذا اتخذت شكلاً منحنياً على هيئة حرف U أو دالة أسية، فإن معامل بيرسون سيفشل في تمثيل العلاقة وسيعطي تقديراً منخفضاً خادعاً لقوة الارتباط الفعلي.

كذلك يشترط المعامل توفر افتراض التوزيع الطبيعي ثنائي المتغيرات (Bivariate Normality)، والذي يفترض أن كلا المتغيرين يتوزعان توزيعاً اعتدالياً متماثلاً على شكل الجرس، وأن كل قيمة من قيم المتغير الأول ترتبط بتوزيع طبيعي لقيم المتغير الثاني. ويؤدي الانحراف الحاد عن التوزيع الطبيعي الناتج عن الالتواء الشديد (Skewness) أو التفرطح الحاد (Kurtosis) إلى تحريف قيمة التغاير المشترك وتضخيم الخطأ المعياري، مما ينعكس سلباً على دقة الاستدلال الإحصائي المشتق من العينة.

2.3 تجانس التباين وغياب القيم المتطرفة

يُمثل تجانس التشتت أو التباين (Homoscedasticity) شرطاً بنيوياً حيوياً، ويعني أن تباين درجات المتغير التابع أو المقترن (Y) يجب أن يظل ثابتاً نسبياً ومستقراً عند جميع مستويات وقيم المتغير المستقل المقترن (X). وإذا حدث العكس، وظهر ما يُعرف بتباين التشتت غير المتجانس (Heteroscedasticity) – كأن يتسع انتشار النقاط تدريجياً ليتخذ شكل البوق أو المروحة – فإن التقديرات الخطية الناتجة عن الحساب اليدوي ستفقد كفاءتها الرياضية وموثوقيتها التفسيرية.

من أخطر التحديات التي تواجه حساب بيرسون يدوياً حساسيته المفرطة تجاه القيم المتطرفة والشاذة (Outliers). فالقيمة المتطرفة الواحدة البعيدة عن مركز توزيع البيانات قد تسحب خط الارتباط نحوها بقوة ميكانيكية، مما يؤدي إما إلى خلق ارتباط وهمي مرتفع بين متغيرين لا يرتبطان فعلياً، أو تدمير ارتباط قوي قائم بالفعل بين بقية أفراد العينة. لذا يتحتم على الباحث قبل إدراج الدرجات في الجداول الحسابية فحص المدى الربيعي ومراجعة الدرجات المتطرفة التي تتجاوز ثلاثة انحرافات معيارية عن المتوسط وتحديد الموقف المنهجي منها إما بالتصحيح أو الاستبعاد المبرر.

3. التفكيك الرياضي لمعادلة بيرسون وصيغها المختلفة

3.1 الصيغة المعيارية المعتمدة على الدرجات المعيارية وانحرافات المتوسط

تُعد الصيغة المفاهيمية الأساسية لمعامل ارتباط بيرسون التجسيد الرياضي المباشر لمفهوم التغاير المشترك بين المتغيرين منسوباً إلى أقصى تغاير ممكن، ويُعبر عنها بالصيغة التراجعية التالية:

r = Σ((X – X̄)(Y – Ȳ)) / √[Σ(X – X̄)² × Σ(Y – Ȳ)²]

عند تفكيك هذه الصيغة رياضياً، نجد أن البسط يتكون من مجموع حاصل ضرب انحرافات كل قيمة للمتغير (X) عن متوسطه الحسابي (X̄) في انحرافات القيمة المقابلة للمتغير (Y) عن متوسطه الحسابي (Ȳ). هذا البسط هو المسؤول الحصري عن قياس التغاير المشترك (Covariance) وتحديد الاتجاه الجبري للعلاقة؛ فإذا كانت الانحرافات تميل للتحرك معاً في نفس الاتجاه (موجب مع موجب أو سالب مع سالب)، كان البسط موجباً، وإذا كانت متعاكسة، كان سالباً.

أما المقام، فيمثل الجذر التربيعي لحاصل ضرب مجموع مربعات انحرافات المتغير الأول في مجموع مربعات انحرافات المتغير الثاني. يؤدي المقام وظيفة ضبط وتوحيد المقياس (Standardization)، حيث يقوم بتحويل وحدات القياس المختلفة إلى مقياس نسبي موحد ومعياري، مما يضمن رياضياً ألا تتجاوز القيمة الناتجة مطلقاً الواحد الصحيح، وبذلك يصبح المعامل نتاج قسمة التغاير الفعلي على الحد الأقصى النظري للتباين المشترك الممكن بين المتغيرين.

3.2 الصيغة الحسابية المباشرة (صيغة الدرجات الخام)

لتجنب المشكلات الحسابية الناتجة عن التعامل مع الكسور العشرية المتكررة وأخطاء التقريب التي تنشأ عند حساب انحرافات المتوسطات الحسابية غير الصحيحة، وضع الإحصائيون صيغة رياضية مكافئة جبرياً تُعرف بصيغة الدرجات الخام (Raw Score Formula) أو الصيغة الحسابية المباشرة:

r = [NΣXY – (ΣX)(ΣY)] / √[[NΣX² – (ΣX)²][NΣY² – (ΣY)²]]

تتميز هذه الصيغة بكفاءتها العالية عند الحساب اليدوي للعينات الكبيرة نسبياً، حيث تعتمد مباشرة على المجاميع التراكمية للدرجات الأصلية دون الحاجة إلى طرح المتوسطات الحسابية في خطوات وسيطة. وعلى الرغم من أن هذه الصيغة قد تبدو أكثر تعقيداً في مظهرها الخارجي لاحتوائها على عمليات ضرب إضافية بحجم العينة (N)، إلا أنها تحافظ على دقة الأرقام التامة وتقلل من تراكم الخطأ العشري، مما يجعلها الخيار المفضل في المسابقات الحسابية والامتحانات الأكاديمية الصارمة.

3.3 الرموز والمصطلحات الرياضية الداخلة في المعادلة

يتطلب التطبيق السليم للمعادلة فهماً دقيقاً للرموز الرياضية التراكمية، وفيما يلي تفصيل لدلالات هذه الرموز وقواعد التعامل الجبري معها:

• N (Sample Size): يمثل الحجم الكلي للعينة المدروسة، وهو عدد أزواج البيانات المرتبطة وليس مجموع الدرجات المفردة.
• Σ (Sigma): رمز المجموع الرياضي اليوناني الكبير، ويشير إلى الأمر بجمع كافة القيم أو النواتج التي تليه جبرياً مع مراعاة الإشارات.
• X̄ و Ȳ: المتوسط الحسابي للدرجات في المتغيرين الأول والثاني على التوالي.
• (X – X̄) و (Y – Ȳ): درجات الانحراف المعيارية الفردية عن المتوسط لكل حالة في العينة.
• Σ(X²) مقابل (ΣX)²: يُعد التمييز بين هذين المفهومين من أهم المرتكزات الرياضية؛ فالأول يشير إلى تربيع كل قيمة مفردة أولاً ثم جمع مربعاتها، بينما الثاني يشير إلى جمع كافة القيم أولاً ثم تربيع الناتج النهائي للجمع، والخلط بينهما يُعد السبب الأكثر شيوعاً لإفساد الحسابات الإحصائية اليدوية.

4. تصميم وتنظيم جدول الحساب اليدوي خطوة بخطوة

4.1 هيكلة الأعمدة السبعة الأساسية لجدول الحساب

إن الركيزة الأساسية لنجاح الحساب اليدوي الدقيق لمعامل ارتباط بيرسون بصيغة الانحرافات تكمن في الإعداد المنهجي المسبق لجدول حسابي يتألف من سبعة أعمدة متتابعة ومنظمة منطقياً. يمنع هذا التخطيط الهيكلي تداخل العمليات الحسابية ويسمح بالمراجعة والتدقيق الفوري في كل مرحلة على حدة.

تتوزع الأعمدة السبعة وفق الترتيب التالي:

1. العمود الأول (المشارك / الحالة): لترقيم أفراد العينة من 1 إلى N لضمان عدم إسقاط أي مفحوص.
2. العمود الثاني (X): لتسجيل الدرجات الخام للمتغير الأول بدقة.
3. العمود الثالث (Y): لتسجيل الدرجات الخام المقابلة للمتغير الثاني لكل فرد.
4. العمود الرابع (X – X̄): لحساب وتسجيل انحراف كل درجة من درجات X عن متوسطها الحسابي.
5. العمود الخامس (Y – Ȳ): لحساب وتسجيل انحراف كل درجة من درجات Y عن متوسطها الحسابي.
6. العمود السادس (X – X̄)²: لتربيع نواتج انحرافات المتغير الأول المسجلة في العمود الرابع.
7. العمود السابع (Y – Ȳ)²: لتربيع نواتج انحرافات المتغير الثاني المسجلة في العمود الخامس.
8. العمود الثامن (المشترك): ((X – X̄)(Y – Ȳ)): لحاصل ضرب قيمة انحراف X في قيمة انحراف Y المقابلة لكل مشارك.

4.2 إعداد وتفريغ بيانات العينة النفسية التجريبية

لتوضيح الإجراءات بدقة متناهية، سنعتمد في هذا الدليل نموذجاً واقعياً من بحوث علم النفس التربوي، حيث تم قياس مستوى “القلق من الاختبار” كمتغير أول (X) ومستوى “التحصيل الأكاديمي في مادة الإحصاء” كمتغير ثانٍ (Y) لدى عينة استطلاعية مكونة من 10 طلاب (N = 10). تم قياس القلق عبر مقياس نفسي متدرج من 10 إلى 50 درجة، بينما قيس التحصيل عبر اختبار تحصيلي معياري من 100 درجة.

يتم تفريغ أزواج البيانات المقترنة بدقة متناهية في الجدول الحسابي، مع الحرص التام على مطابقة درجة كل طالب في المتغير X بدرجته الفعلية المقابلة في المتغير Y، حيث إن أي إزاحة رأسية غير مقصودة في تسجيل البيانات ستؤدي إلى ربط غير صحيح للدرجات، وبالتالي تدمير مصداقية التحليل بالكامل.

4.3 قواعد التدوين والتقريب العشري في الحساب اليدوي

تقتضي المعايير المنهجية في الحساب الإحصائي اليدوي الالتزام الصارم بقواعد تثبيت المنازل العشرية للحد من الخطأ التراكمي. يُنصح دائماً بالاحتفاظ بثلاث إلى أربع منازل عشرية (مثل: 0.1234) خلال جميع المراحل الحسابية الوسيطة في الجدول (حساب المتوسطات والانحرافات والمربعات ونواتج الضرب)، وعدم تقريب النتيجة النهائية إلى منزلتين عشريتين إلا في الخطوة الأخيرة بعد استخراج قيمة r.

يُفضل استخدام أقلام بألوان مختلفة لتمييز إشارات السالب والموجب في أعمدة الانحرافات، حيث تشير الخبرة الميدانية إلى أن أكثر من 70% من الأخطاء الحسابية اليدوية تقع نتيجة إغفال إشارة الطرح أو الخطأ في دمج الإشارات أثناء الضرب والجمع. كما يُنصح بكتابة الأرقام بخط واضح ومتسع داخل الخلايا لتفادي الالتباس بين الأرقام المتشابهة أثناء إجراء عمليات الجمع الرأسي الطويلة.

5. الخطوة الأولى: حساب المتوسط الحسابي لكل من المتغيرين X و Y

5.1 حساب المتوسط الحسابي للمتغير الأول (X̄)

تبدأ الخطوة التنفيذية الأولى بجمع كافة الدرجات الخام المدرجة في العمود الثاني للمتغير الأول (X) للحصول على المجموع التراكمي الذي يُرمز له بالرمز ΣX. بعد استخراج هذا المجموع بدقة، يُطبق قانون المتوسط الحسابي الأساسي:

X̄ = ΣX / N

حيث يتم قسمة المجموع الإجمالي على عدد أفراد العينة (N). من الضروري فحص القيمة الناتجة والتأكد من منطقيتها الإحصائية؛ إذ يجب أن يقع المتوسط الحسابي دائماً داخل المدى الفعلي لأعلى وأدنى درجة في بيانات المتغير X. فإذا كانت الدرجات تتراوح بين 15 و 45، وظهر المتوسط مساوياً 55 نتيجة خطأ في القسمة، فإن ذلك يعد مؤشراً قاطعاً على وجود خلل يجب تداركه على الفور قبل الانتقال للخطوات التالية.

5.2 حساب المتوسط الحسابي للمتغير الثاني (Ȳ)

بالطريقة ذاتها، يتم جمع درجات العمود الثالث للمتغير الثاني (Y) للحصول على المجموع التراكمي ΣY، ثم يُطبق القانون لحساب المتوسط الحسابي للمتغير الثاني:

Ȳ = ΣY / N

تتجلى أهمية الدقة المتناهية في هذه الخطوة في كون قيمة المتوسطين (X̄ و Ȳ) ستدخلان كعنصرين أساسيين ومطروحين في كافة خلايا أعمدة الانحرافات اللاحقة. إن أي خطأ طفيف في حساب المتوسط الحسابي – ولو بمقدار جزء من مئة – سيتسبب في انحراف تسلسلي يفسد حسابات الأعمدة المتبقية بالكامل ويجعل التحقق الذاتي من صحة الانحرافات مستحيلاً.

5.3 أمثلة تطبيقية وحسابات عملية للخطوة الأولى

لنطبق ذلك عملياً على بيانات دراستنا النفسية التجريبية المكونة من 10 طلاب، حيث سُجلت درجات القلق (X) والتحصيل (Y) كما يلي:

• درجات القلق (X): [20, 24, 28, 30, 32, 36, 40, 42, 44, 44]
• درجات التحصيل (Y): [85, 80, 78, 75, 70, 68, 62, 60, 58, 54]

نقوم بجمع قيم المتغير X:

ΣX = 20 + 24 + 28 + 30 + 32 + 36 + 40 + 42 + 44 + 44 = 340

وعليه يكون المتوسط الحسابي للقلق:

X̄ = 340 / 10 = 34.0

نقوم بجمع قيم المتغير Y:

ΣY = 85 + 80 + 78 + 75 + 70 + 68 + 62 + 60 + 58 + 54 = 690

وعليه يكون المتوسط الحسابي للتحصيل:

Ȳ = 690 / 10 = 69.0

نلاحظ أن المتوسطين نتجا كأرقام صحيحة تماماً (34 و 69)، وهو ما يسهل العمليات الحسابية التالية بصورة مثالية ويجنبنا الكسور العشرية المعقدة في مرحلة الانحرافات.

6. الخطوة الثانية: حساب انحرافات القيم الفردية عن متوسطاتها الحسابية

6.1 حساب فروق المتغير الأول (X – X̄)

في هذه المرحلة، ننتقل إلى ملء العمود الرابع من الجدول الحسابي المخصص لانحرافات المتغير الأول، وذلك بطرح المتوسط الحسابي الثابت (X̄ = 34) من كل درجة خام مفردة في عمود X. يُعد الالتزام الحرفي بقواعد الجبر والإشارات في هذه الخطوة أمراً حاسماً:

• إذا كانت الدرجة الخام أكبر من المتوسط، يكون ناتج الانحراف قيمة موجبة (+).
• إذا كانت الدرجة الخام مساوية للمتوسط، يكون ناتج الانحراف صفراً (0).
• إذا كانت الدرجة الخام أصغر من المتوسط، يكون ناتج الانحراف قيمة سالبة (-).

بتطبيق ذلك على أفراد العينة العشرة:

• المشارك 1: 20 – 34 = -14
• المشارك 2: 24 – 34 = -10
• المشارك 3: 28 – 34 = -6
• المشارك 4: 30 – 34 = -4
• المشارك 5: 32 – 34 = -2
• المشارك 6: 36 – 34 = +2
• المشارك 7: 40 – 34 = +6
• المشارك 8: 42 – 34 = +8
• المشارك 9: 44 – 34 = +10
• المشارك 10: 44 – 34 = +10

6.2 حساب فروق المتغير الثاني (Y – Ȳ)

نكرر نفس الإجراء المنهجي لملء العمود الخامس المخصص لانحرافات المتغير الثاني، بطرح المتوسط الحسابي (Ȳ = 69) من كل درجة خام مدرجة في عمود التحصيل (Y):

• المشارك 1: 85 – 69 = +16
• المشارك 2: 80 – 69 = +11
• المشارك 3: 78 – 69 = +9
• المشارك 4: 75 – 69 = +6
• المشارك 5: 70 – 69 = +1
• المشارك 6: 68 – 69 = -1
• المشارك 7: 62 – 69 = -7
• المشارك 8: 60 – 69 = -9
• المشارك 9: 58 – 69 = -11
• المشارك 10: 54 – 69 = -15

يجب تدوين هذه النواتج بعناية فائقة في خلايا العمود الخامس، مع وضع إشارة السالب بوضوح أمام الأرقام السالبة لتفادي اعتبارها موجبة بطريق الخطأ في المراحل اللاحقة.

6.3 الفحص الذاتي والتحقق من صحة حساب الانحرافات

يمتلك الباحث الإحصائي في هذه المرحلة أداة تدقيق رياضي صارمة تُعرف بـ القاعدة الذهبية للمتوسطات، والتي تنص رياضياً على أن: مجموع انحرافات أي مجموعة من القيم عن متوسطها الحسابي يجب أن يساوي دائماً صفراً مطلقاً:

Σ(X – X̄) = 0   و   Σ(Y – Ȳ) = 0

لنتحقق من صحة انحرافات المتغير X:

(-14) + (-10) + (-6) + (-4) + (-2) + (+2) + (+6) + (+8) + (+10) + (+10) = -36 + 36 = 0 (صحيح تماماً).

ولنتحقق من صحة انحرافات المتغير Y:

(+16) + (+11) + (+9) + (+6) + (+1) + (-1) + (-7) + (-9) + (-11) + (-15) = +43 – 43 = 0 (صحيح تماماً).

إذا أجرى الباحث هذا الجمع ووجد أن الناتج لا يساوي صفراً (مع مراعاة فروق التقريب الطفيفة جداً في حال المتوسطات الكسرية)، فهذا دليل قاطع على وجود خطأ حسابي في الطرح أو في حساب المتوسط نفسه، ويتعين تصحيحه فوراً قبل الانتقال إلى مرحلة التربيع.

7. الخطوة الثالثة: حساب مربعات الانحرافات وحاصل ضرب الانحرافات المتبادلة

7.1 حساب مربع انحرافات المتغير الأول (X – X̄)²

تتمثل الخطوة التالية في تعبئة العمود السادس من الجدول بضرب كل قيمة من قيم الانحرافات في العمود الرابع في نفسها (تربيع القيمة). تتميز هذه العملية بخاصية رياضية جوهرية وهي تحويل جميع القيم السالبة إلى قيم موجبة حتماً، حيث إن حاصل ضرب أي عدد سالب في عدد سالب آخر يعطي دائماً ناتجاً موجباً:

• المشارك 1: (-14)² = 196
• المشارك 2: (-10)² = 100
• المشارك 3: (-6)² = 36
• المشارك 4: (-4)² = 16
• المشارك 5: (-2)² = 4
• المشارك 6: (2)² = 4
• المشارك 7: (6)² = 36
• المشارك 8: (8)² = 64
• المشارك 9: (10)² = 100
• المشارك 10: (10)² = 100

تُعد هذه القيم أساسية لحساب ما يُعرف في الإحصاء بـ مجموع المربعات للمتغير الأول (Sum of Squares for X ويرمز له بـ SS_X)، وهو المكون الأساسي لتباين المتغير X وتشتته حول وسطه.

7.2 حساب مربع انحرافات المتغير الثاني (Y – Ȳ)²

بنفس الآلية الصارمة، نقوم بحساب مربعات انحرافات المتغير الثاني (Y) لملء خلايا العمود السابع من الجدول عبر تربيع كل قيمة واردة في العمود الخامس:

• المشارك 1: (+16)² = 256
• المشارك 2: (+11)² = 121
• المشارك 3: (+9)² = 81
• المشارك 4: (+6)² = 36
• المشارك 5: (+1)² = 1
• المشارك 6: (-1)² = 1
• المشارك 7: (-7)² = 49
• المشارك 8: (-9)² = 81
• المشارك 9: (-11)² = 121
• المشارك 10: (-15)² = 225

تُسجل هذه النواتج الموجبة جميعها بدقة في العمود السابع، وهي تمثل مجموع المربعات للمتغير الثاني (SS_Y). إن ظهور أي قيمة سالبة في العمودين السادس أو السابع يُعد خطأ رياضياً جسيماً يكشف عن خطأ في إجراء عملية التربيع الجبري.

7.3 حساب حاصل ضرب الانحرافات المزدوجة (X – X̄)(Y – Ȳ)

تُعد هذه العملية جوهر حساب معامل الارتباط، وتُنفذ لملء العمود الثامن والأخير من الجدول. يتم ضرب قيمة انحراف المتغير الأول (العمود الرابع) في قيمة انحراف المتغير الثاني المقابلة لها تماماً (العمود الخامس) لكل طالب. هنا تبرز الأهمية القصوى لقواعد ضرب الإشارات الجبرية:

• (+) × (+) = (+) : عندما يكون الفرد أعلى من المتوسط في كلا المتغيرين.
• (-) × (-) = (+) : عندما يكون الفرد أقل من المتوسط في كلا المتغيرين.
• (+) × (-) = (-) : عندما يكون الفرد أعلى من المتوسط في متغير وأقل في الآخر.

تطبيق الحسابات على أفراد العينة:

• المشارك 1: (-14) × (+16) = -224
• المشارك 2: (-10) × (+11) = -110
• المشارك 3: (-6) × (+9) = -54
• المشارك 4: (-4) × (+6) = -24
• المشارك 5: (-2) × (+1) = -2
• المشارك 6: (+2) × (-1) = -2
• المشارك 7: (+6) × (-7) = -42
• المشارك 8: (+8) × (-9) = -72
• المشارك 9: (+10) × (-11) = -110
• المشارك 10: (+10) × (-15) = -150

نلاحظ بوضوح أن جميع نواتج الضرب المتبادل جاءت سالبة، وهذا يرجع إلى النمط السلوكي للعينة حيث يقترن انخفاض القلق بارتفاع التحصيل وارتفاع القلق بانخفاض التحصيل، وهو مؤشر أولي لا يقبل اللبس على الاتجاه السلبي (العكسي) للعلاقة بين المتغيرين.

8. الخطوة الرابعة: حساب المجاميع الإحصائية التراكمية للأعمدة

8.1 حساب مجموع مربعات انحرافات X: Σ(X – X̄)²

بعد اكتمال ملء كافة خلايا الجدول الحسابي، ننتقل إلى مرحلة الجمع الرأسي النهائي للأعمدة التحليلية المتقدمة (الأعمدة 6 و 7 و 8). نبدأ بجمع كافة القيم الموجبة الواردة في العمود السادس لحساب مجموع مربعات انحرافات المتغير X، والذي يُرمز له بالرمز الرياضي SS_X:

SS_X = Σ(X – X̄)² = 196 + 100 + 36 + 16 + 4 + 4 + 36 + 64 + 100 + 100 = 656

تُوثق هذه القيمة (656) في أسفل العمود السادس؛ وهي تمثل التشتت الكلي لدرجات قلق الاختبار حول متوسطها الحسابي، وتدخل مباشرة تحت الجذر التربيعي في مقام معادلة بيرسون.

8.2 حساب مجموع مربعات انحرافات Y: Σ(Y – Ȳ)²

نقوم بالجمع الرأسي الدقيق لجميع القيم المدرجة في العمود السابع لاستخراج مجموع مربعات انحرافات المتغير الثاني Y، والذي يُرمز له بالرمز SS_Y:

SS_Y = Σ(Y – Ȳ)² = 256 + 121 + 81 + 36 + 1 + 1 + 49 + 81 + 121 + 225 = 972

تُسجل هذه القيمة (972) في أسفل العمود السابع؛ وهي تمثل التباين الكلي لدرجات التحصيل الأكاديمي للطلاب حول متوسطهم الحسابي، وهي الطرف الثاني المكمل للمقام تحت علامة الجذر التربيعي.

8.3 حساب مجموع نواتج الضرب المتبادل: Σ((X – X̄)(Y – Ȳ))

نصل الآن إلى حساب القيمة الرياضية الأهم في الجدول، وهي الجمع الجبري لجميع القيم الواردة في العمود الثامن لحساب حاصل ضرب الانحرافات المشتركة، ويُعرف هذا المجموع في الأدبيات الإحصائية بـ مجموع نواتج الضرب المشترك (Sum of Products ويرمز له بـ SP_XY):

SP_XY = Σ((X – X̄)(Y – Ȳ)) = (-224) + (-110) + (-54) + (-24) + (-2) + (-2) + (-42) + (-72) + (-110) + (-150) = -790

تُعد هذه القيمة (-790) بسط معادلة بيرسون الكامل. تعكس الإشارة السالبة الصريحة لهذا المجموع أن التغاير المشترك بين القلق والتحصيل يسير في اتجاه عكسي؛ فكلما زادت مستويات القلق لدى الطالب، اتجه تحصيله الأكاديمي نحو الانخفاض والعكس صحيح.

9. الخطوة الخامسة: التعويض في المعادلة وحساب القيمة النهائية لمعامل بيرسون

9.1 التعويض في بسط ومقام المعادلة الرياضية

أصبح لدينا الآن كافة المكونات العددية اللازمة للتعويض المباشر في الصيغة المعيارية لمعامل ارتباط بيرسون:

• البسط: SP_XY = Σ((X – X̄)(Y – Ȳ)) = -790
• مجموع مربعات X: SS_X = Σ(X – X̄)² = 656
• مجموع مربعات Y: SS_Y = Σ(Y – Ȳ)² = 972

نعوض بهذه القيم في المعادلة الأصلية:

r = -790 / √[656 × 972]

9.2 حساب الجذر التربيعي والكسر النهائي يدوياً

نقوم بتنفيذ العمليات الحسابية داخل المقام خطوة بخطوة وبدقة متناهية:

1. حساب حاصل ضرب مجموع المربعات داخل الجذر:
   656 × 972 = 637,632
2. استخراج الجذر التربيعي للمقام:
   √637632 ≈ 798.5186
3. قسمة البسط على المقام المستخرج:
   r = -790 / 798.5186 ≈ -0.989332

بتقريب الناتج النهائي إلى منزلتين عشريتين وفق التقاليد الإحصائية المعتمدة عالمياً، نحصل على قيمة معامل الارتباط:

r = -0.99

9.3 التحقق المبدئي من منطقية الناتج الرياضي

قبل اعتماد النتيجة وصياغة التقرير النهائي، يتحتم إجراء مراجعة تحقق منطقية سريعة تشمل المعايير التالية:

• نطاق القيمة: التأكد المطلق من أن القيمة تقع ضمن المجال [-1.00, +1.00]. بما أن النتيجة هي -0.99، فإنها تقع بدقة داخل النطاق المسموح به. إذا ظهرت القيمة -1.05 أو +2.1، فهذا إنذار بوجود خطأ حسابي في قسمة الكسر أو في استخراج الجذر.
• الاتساق مع البيانات: بمراجعة أزواج البيانات الأصلية، نلاحظ بوضوح أن الطالب ذا القلق الأدنى (20) حصل على أعلى درجة تحصيل (85)، بينما الطالبان ذوا القلق الأعلى (44) حصلا على أدنى درجات تحصيل (58 و 54). هذا التناقص المنتظم والمستمر يؤكد منطقية الحصول على معامل ارتباط عكسي قوي جداً يقترب من -1.00.

10. تفسير النتائج ودلالة معامل الارتباط في القياس النفسي

10.1 تفسير اتجاه وقوة معامل الارتباط

يتضمن التفسير الإحصائي لمعامل ارتباط بيرسون شقين رئيسيين: الاتجاه والقوة. يحدد الاتجاه بناءً على الإشارة الجبرية للمعامل؛ فالإشارة السالبة في دراستنا (r = -0.99) تدل بوضوح على وجود علاقة عكسية (سلبية) قوية بين قلق الاختبار والتحصيل الأكاديمي، وتُفسر سلوكياً بأنه كلما ارتفعت مستويات القلق لدى الطلاب، انخفضت درجات تحصيلهم في مادة الإحصاء بصورة مطردة وشبه منتظمة.

أما من حيث القوة، فتُطبق المعايير الإحصائية الأكاديمية المتعارف عليها في القياس النفسي والتربوي (وفق تصنيف كوهين الإحصائي Cohen’s Conventions for Effect Size):

• ارتباط ضعيف (Small / Weak): تتراوح القيمة المطلقة بين |0.10| و |0.29|.
• ارتباط متوسط (Medium / Moderate): تتراوح القيمة المطلقة بين |0.30| و |0.49|.
• ارتباط قوي (Large / Strong): تبلغ القيمة المطلقة |0.50| فأكثر.

بما أن القيمة المطلقة لمعامل دراستنا هي |-0.99|، فإننا نصنف هذه العلاقة بأنها علاقة عكسية قوية جداً وشبه تامة، مما يعكس تداخلاً سيكولوجياً وثيقاً بين القلق المرتفع وتدهور الأداء المعرفي والتحصيلي للطلاب في مواقف التقييم الإحصائي.

10.2 حساب معامل التحديد (r²) وتفسير التباين المفسر

يُعد معامل التحديد (Coefficient of Determination ويرمز له بـ r² أو R²) المؤشر الإحصائي الأكثر بلاغة في تفسير الأهمية العملية للارتباط. يُحسب معامل التحديد ببساطة عن طريق تربيع قيمة معامل بيرسون المحسوبة:

r² = (-0.9893)² ≈ 0.9787

بتحويل هذه القيمة إلى نسبة مئوية، نحصل على 97.87%. ويُفسر هذا الرقم سيكومترياً بأن 97.87% من التباين الكلي والتغيرات الملاحظة في درجات التحصيل الأكاديمي للطلاب يمكن تفسيرها والتنبؤ بها مباشرة من خلال معرفة مستويات القلق من الاختبار لديهم.

في المقابل، يتبقى ما نسبته 2.13% فقط كتباين غير مفسر (Residual Variance)، ويُعزى هذا التباين المتبقي الضئيل إلى عوامل ومتغيرات أخرى لم تشملها الدراسة، مثل عدد ساعات الاستذكار، والقدرة العقلية العامة، والدافعية للإنجاز، أو أخطاء القياس العشوائية في أدوات التقييم.

10.3 المحاذير المنهجية: التمييز بين الارتباط والسببية

من أهم الركائز الإبستمولوجية التي يجب أن يتقيد بها الباحث النفسي هي القاعدة المنهجية الصارمة: الارتباط لا يقتضي السببية حتماً (Correlation Does Not Imply Causation). إن الحصول على معامل ارتباط مرتفع جداً مثل (-0.99) بين القلق والتحصيل يثبت وجود اقتران خطي قوي وتلازم في التغير، ولكنه لا يمنحنا دليلاً منطقياً قاطعاً على أن القلق هو السبب المباشر الوحيد في تدني التحصيل.

توجد دائماً احتمالات تفسيرية بديلة يجب أخذها بالحسبان، منها:

1. السببية العكسية: قد يكون ضعف التحصيل الأكاديمي الحقيقي للطالب هو الذي يولد لديه مشاعر القلق والتوتر أثناء الامتحانات وليس العكس.
2. المتغير الثالث الدخيل (Confounding Variable): قد يوجد متغير كامن غير مقاس يؤثر في كلا المتغيرين معاً بصورة متزامنة، مثل جودة التدريس أو ساعات النوم؛ فقلة النوم قد تؤدي في الوقت ذاته إلى زيادة حدة القلق وتراجع التركيز التحصيلي.
3. الارتباط الزائف (Spurious Correlation): اقتران رقمي عارض يظهر في العينات الصغيرة ولا يعكس حقيقة بنائية مستقرة في المجتمع الأصلي.

11. الأخطاء الشائعة أثناء الحساب اليدوي وكيفية تجنبها

11.1 الأخطاء الجبرية والحسابية الشائعة

تشير الممارسات التعليمية في تدريس الإحصاء السلوكي إلى أن غالبية إخفاقات الطلاب في الحساب اليدوي تعود إلى أخطاء جبرية متكررة يمكن تصنيفها وتجنبها من خلال الانتباه إلى النقاط التالية:

• الخلط في ضرب الإشارات: نسيان أن ضرب عددين سالبين ينتج عدداً موجباً، مما يؤدي إلى كتابة قيم سالبة في عمود مربعات الانحرافات أو الخطأ في تحديد إشارة البسط (SP_XY).
• الخلط بين Σ(X²) و (ΣX)²: عند استخدام صيغة الدرجات الخام البديلة، يقع البعض في خطأ حساب مجموع المربعات بدلاً من مربع المجموع، وهو ما يؤدي إلى تدمير المقام وخروج أرقام وهمية غير صحيحة.
• الترتيب الخاطئ للعمليات الحسابية: إغفال قواعد الأولويات الرياضية (تنفيذ ما بداخل الأقواس أولاً، ثم التربيع، ثم الضرب، وأخيراً استخراج الجذر التربيعي للناتج النهائي المشترك للمقام).

11.2 أخطاء التقريب وتراكم الكسور

يُعد التقريب المبكر والمتكرر للأرقام أثناء الخطوات الوسيطة من أكثر العوامل التي تتسبب في تشويه الناتج النهائي لمعامل بيرسون. إذا كان المتوسط الحسابي يحتوي على كسور غير منتهية (مثل 33.333)، وقام الباحث بتقريبه فوراً إلى 33.3، فإن هذا التقريب الطفيف سيتضاعف عند طرح الانحرافات، وسيتضخم بشكل هائل عند تربيع هذه الفروق في الأعمدة التالية، مما يؤدي إلى عدم انعدام مجموع الانحرافات وظهور خطأ ملحوظ في قيمة r النهائية.

لتجنب هذا التراكم، يُنصح دائماً بالاحتفاظ بالكسور الاعتيادية التامة (مثل 100/3) داخل العمليات الحسابية أو استخدام الآلة الحاسبة لتخزين القيمة الدقيقة في الذاكرة المؤقتة (Memory Function)، وعدم إجراء أي تقريب إلا على الرقم النهائي المستخرج لمعامل الارتباط.

11.3 طرق المراجعة والمطابقة السريعة للنتائج

لضمان سلامة العمليات الحسابية وخلوها من الأخطاء العرضية، يمكن للباحث اتباع قائمة التحقق الذاتي (Checklist) التالية قبل تحرير التقرير العلمي:

• التحقق الصفري: مراجعة أن مجموع عمودي الانحرافات Σ(X – X̄) و Σ(Y – Ȳ) يساوي تماماً الصفر.
• إيجابية التباينات: التأكد من أن جميع قيم العمودين السادس والسابع موجبة تماماً وأن مجموعيهما SS_X و SS_Y قيمتان موجبتان أكبر من الصفر.
• المطابقة بالصيغة البديلة: حساب المعامل سريعاً باستخدام صيغة الدرجات الخام المباشرة لمقارنة النتيجة مع صيغة الانحرافات؛ فتطابق الناتجين يعطي ثقة يقينية بنسبة 100% في صحة الحساب اليدوي.

12. تطبيق عملي شامل: حساب معامل بيرسون لمثال واقعي في علم النفس

12.1 عرض المسألة السيكولوجية والبيانات الخام الكاملة

في دراسة ميدانية متقدمة في مجال علم النفس الإيجابي والصحة النفسية، سعى فريق بحثي إلى اختبار العلاقة الارتباطية بين “ممارسة تمارين اليقظة الذهنية (Mindfulness) أسبوعياً بالساعات” كمتغير أول (X) و”مستوى الرفاه النفسي الذاتي” كمتغير ثانٍ (Y). تم جمع البيانات من عينة قصدية شملت 10 ممارسين، وجاءت البيانات الخام كما هو موضح في الجدول التالي:

12.2 الحساب اليدوي الكامل خطوة بخطوة مع عرض الجداول التفصيلية

نبدأ أولاً بحساب المتوسطات الحسابية لكلا المتغيرين:

• ΣX = 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 + 11 = 65
• X̄ = 65 / 10 = 6.5 ساعة
• ΣY = 15 + 18 + 20 + 22 + 25 + 28 + 30 + 32 + 35 + 38 = 263
• Ȳ = 263 / 10 = 26.3 درجة

فيما يلي الجدول الحسابي السباعي الكامل متضمناً كافة الحسابات الدقيقة والانحرافات والمربعات ونواتج الضرب المشترك:

المشارك	X (الساعات)	Y (الرفاه)	(X – 6.5)	(Y – 26.3)	(X – X̄)²	(Y – Ȳ)²	(X – X̄)(Y – Ȳ)
1	2	15	-4.5	-11.3	20.25	127.69	+50.85
2	3	18	-3.5	-8.3	12.25	68.89	+29.05
3	4	20	-2.5	-6.3	6.25	39.69	+15.75
4	5	22	-1.5	-4.3	2.25	18.49	+6.45
5	6	25	-0.5	-1.3	0.25	1.69	+0.65
6	7	28	+0.5	+1.7	0.25	2.89	+0.85
7	8	30	+1.5	+3.7	2.25	13.69	+5.55
8	9	32	+2.5	+5.7	6.25	32.49	+14.25
9	10	35	+3.5	+8.7	12.25	75.69	+30.45
10	11	38	+4.5	+11.7	20.25	136.89	+52.65
المجموع (Σ)	65	263	0.00	0.00	82.50	518.10	+206.50

نقوم الآن بالتعويض المباشر في معادلة بيرسون باستخدام المجاميع المستخرجة أسفل الجدول:

• البسط: SP_XY = +206.50
• SS_X = 82.50
• SS_Y = 518.10

r = 206.50 / √[82.50 × 518.10]

r = 206.50 / √[42743.25]

r = 206.50 / 206.7444 ≈ +0.9988

بتقريب النتيجة النهائية إلى منزلتين عشريتين، نحصل على:

r = +1.00 (أو بدقة 0.999)

12.3 كتابة التقرير الإحصائي وتوثيق النتائج وفق أسلوب APA

تقتضي المعايير الأكاديمية الصادرة عن جمعية علم النفس الأمريكية (APA 7th Edition) توثيق النتائج الإحصائية بأسلوب علمي مكثف يربط بين المؤشرات الرقمية وسياقها السلوكي. يُصاغ التقرير الإحصائي لهذه النتيجة على النحو التالي:

“أُجري تحليل ارتباط بيرسون لعزم حاصل الضرب لفحص العلاقة بين عدد ساعات ممارسة اليقظة الذهنية الأسبوعية ومستوى الرفاه النفسي الذاتي لدى عينة من الممارسين (N = 10). كشفت النتائج الإحصائية عن وجود علاقة ارتباطية طردية (إيجابية) قوية للغاية وذات دلالة إحصائية مرتفعة بين المتغيرين، حيث بلغت قيمة المعامل (r = .999، أو تقريباً 1.00 عند التقريب لمنزلتين). وقد بلغ معامل التحديد (r² = .998)، مما يشير إلى أن ما يقارب 99.8% من التباين في مستوى الرفاه النفسي يُعزى مباشرة إلى الزيادة في ساعات ممارسة اليقظة الذهنية، وهو ما يدعم بقوة الفرضية البحثية حول الدور الإيجابي المعزز لليقظة الذهنية في ترقية الصحة النفسية العامة.”

خاتمة

يظل معامل ارتباط بيرسون أحد أهم الأدوات الإحصائية الكلاسيكية التي لا غنى عنها في البحث الكمي والقياس النفسي والتربوي. إن التمكن من حسابه يدوياً وتفكيك خطواته الرياضية من خلال جداول الانحرافات والتباين المشترك يمنح الباحث أساساً معرفياً صلباً واستيعاباً عميقاً لمفاهيم الارتباط والانحدار الخطي، مما يرتقي بقدرته التحليلية على تقييم البحوث وتفسير البيانات الإحصائية المعقدة بدقة وأمانة علمية.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Gravetter, F. J., & Wallnau, L. B. (2017). Statistics for the behavioral sciences (10th ed.). Cengage Learning.
• Pearson, K. (1895). VII. Note on regression and inheritance in the case of two parents. Proceedings of the Royal Society of London, 58(347-352), 240–242. https://doi.org/10.1098/rspl.1895.0041
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.