الفصل الثانى : المفاهيم الإحصائية

أولا : الإحصاء الوصفى والإحصاء الاستدلالي

ثانيا : البيانات

ثالثا : المتغيرات

رابعا : المقاييس الإحصائية

يزخر كل علم من العلوم بالعديد من المصطلحات والمفردات اللغوية الخاصة به والتى يعد الإلمام بها خطوة هامة على طريق الدراسة والفهم المتعمق لموضوعات ذلك العلم وعلم الإحصاء لا يختلف فى هذا الشأن عن غيره من العلوم فهو يتضمن عدد قليل من المصطلحات الأساسية التى نرى أن على الدارس أن يلم بتعريفاتها لكى يعي المقصود منها ويتسنى له معرفة كيفية التعامل معها عندما تعرض له فى دراساته وبحوثه ومن ثم يتفادى الخلط بين المصطلحات المختلفة عندما يحاول اختيار الأداة الإحصائية المناسبة لمعالجة البيانات التى قام بجمعها  وتختلف الأساليب الإحصائية فيما بينها من حيث الهدف والتدرج  من البساطة إلى التعقيد واختيار الأسلوب الملائم يتحدد وفقا لأهداف الباحث ونوعية البيانات المتاحة .

أولا : الإحصاء الوصفى والإحصاء الاستدلالي :

( أ ) الإحصاء الوصفى Descriptive statistics  

ويهدف إلى إدماج وتلخيص البيانات الرقمية بغية تحويلها من مجرد كم من الأرقام إلى شكل أو صورة أخرى يمكن فهمها واستيعابها بمجرد النظر ومن أغلب الأساليب المستخدمة مقاييس النزعة المركزية ، مقاييس التشتت ومقاييس الارتباط والانحدار ويتوقف استخدام أيا منها على نوعيه البيانات ومستوى القياس سواء أكان اسميا أو وصفيا ، أو ترتيبا ، أو فئويا ، أو نسبة ^.(1)

ويعتقد بعض الدارسين أن وظيفة الإحصاء تقتصر على معالجة مجموعة البيانات الوفيرة التى جمعها الباحث بقصد استخلاص عدد من الجداول الإحصائية وعرضها فى عدد من الأشكال والرسوم البيانية وذلك على نحو ما نشاهده فى إحصاءات السكان والاستهلاك والإنتاج وغيرها وقد يحسب المرء أن العمليات الإحصائية تدور فى جملتها حول إيجاد المتوسطات ودرجات التشتت فى البيانات التى يجمعها الباحثون ولكن فى الحقيقة أن ما ذكرناه لا يمثل سوى جانب واحد من جوانب الإحصاء وهو الجانب الوصفى ولهذا يطلق على العمليات الإحصائية التى تقوم بهذه الوظيفة مصطلح الإحصاء الوصفى وعلى هذا يستخدم الإحصاء الوصفى فى تنظيم وتلخيص ووصف معلومات خاصة بعينة من العينات فمن عينة محددة من العمال يمكن حساب متوسط الإنتاج الذى ينتجونه وحساب نسبة العمل بين أولئك العمال ومعدل الزيادة فى أجورهم وهذه المقاييس كلها وصفية بحتة لا تفيد فى حد ذاتها ، فى الاستنتاج أو التنبؤ وإنما تصف الكيفية التى تتوزع بها البيانات التى تم الحصول عليها من العمال موضوع البحث ⁽²⁾

وتعتبر وظيفة الوصف من الوظائف الأولية لعلم الإحصاء التى تستخدم فى تلمس حقائق الظواهر المختلفة ( اجتماعية ، اقتصادية ، جغرافية .. الخ ) وباستخدام أسلوب التحليل الاحصائى للبيانات أصبح من السهولة إمكان تحديد خصائص الظاهرة المدروسة حتى عن طريق الأشكال البيانية التى تمثل بيانات الظاهرية عملية تسهل وتبسط تحديد خصائص الظاهرة واتجاهاتها العامة .

والى جانب ذلك يعتمد الوصف فى الإحصاء على استخدام المقاييس والمؤشرات الإحصائية فى تقصى الحقائق وتحديد الخصائص العامة لتوزيع بيانات الظاهرة دون الوصول إلى نتائج أو استدلاله خاصة بالمجموعات الأساسية التى تنتمى إليها الظاهرة ⁽³⁾ .

وعملية جمع البيانات تعد أقدم وظائف الإحصاء ، وهى تتضمن عدد من الأنشطة يختلف مداها من مجرد بحث يقوم به فرد إلى فريق بحث من عدة مئات أو آلاف . وجمع البيانات يكون بعدد من الأساليب وحسب طبيعة البحث أو العمل ، فقد يكون ذلك باستخدام المجموعات المكتبية أو عن طريق تصميم تجربة أو الملاحظة المنتظمة أو المعايشة أو عن طريق الاستبيان أو الاستبصار أو الأخبار بين الاختبارات ومهما يكن الأمر فإن جمع البيانات قد يتم إما بفحص كل وحدات المجتمع محل الدراسة أو بفحص جزئي ( عينه ) .

إن عملية جمع البيانات ليست عملية منفصلة عن وظائف الإحصاء الأخرى فهناك صلة وثيقة - فالهدف واحد وهو الحصول على معلومات أو نتائج – وذلك يكون باستخدام مقاييس وأساليب وصف البيانات - وذلك بعد جمعها – وإذا كانت هذه البيانات خاصة بعينة أى بجزء من المجتمع فإن وصف المجتمع يتطلب استخدام أساليب الاستقراء .. وهذه المقاييس والأساليب لها شروط ومتطلبات يجب مراعاتها وتوفيرها عند جمع البيانات وذلك باستخدام التصميم التجريبى المناسب أو تصميم استمارة استبيان مناسبة واختيار طريقة المعاينة المناسبة وحجم العينة المناسب ومراعاة توفير مستوى القياس المناسب للمتغيرات .. الخ كما أن البيانات التى يتم جمعها يجب أن تكون محل ثقة حتى تكون النتائج المستخلصة منها محل ثقة . أى يجب أن يتوافر فيها الصدق والثبات Validity and reliability  أن تحديد ذلك واختياره يكون غالبا باستخدام الأساليب الإحصائية . ⁽⁴⁾

(ب) الإحصاء الاستدلالي Inferential Statistics  

يستند هذا القسم من الأساليب الإحصائية إلى مجموعة من النظريات الإحصائية لعل أهمها نظرية الاحتمالات ونظرية العينات اللتان تمثلان حلقة الوصل بين الإحصاء الوصفى والاستدلالي . ويسعى هذا النوع من الأساليب الإحصائية إلى الوصول إلى تقديرات لمعالم وخصائص مجتمعات الدراسة من خلال ما هو متوفر من معلومات عن العينات المختارة . من تلك المجتمعات ، فضلا عن اختبار الفروض الإحصائية عن مجتمع البحث على أساس البيانات المتاحة عن عينات الدراسة . ويطلق على هذا النوع من الأساليب أكثر من تسمية تؤدى جميعها إلى نفس المعنى فأحيانا يسمى بالإحصاء الاستدلالي ، أو الاستنباطي Inductive أو التعميمي Generalizing حيث يهدف إلى الوصول إلى تعميمات عن مجمع الدراسة من خلال العينة المسحوبة من هذا المجتمع . ويشمل هذا النوع من الأساليب الإحصائية ، الاحتمالات ، العينات ، اختبار الفروض ، الاستدلال من خلال عينة واحدة أو أكثر وما يتضمنه ذلك من اختيارات مختلفة مثل كا2 chi² اختبار جاما gamma  ، فاى phi  … الخ ⁽⁵⁾

ويقصد بوظيفة الاستدلال اشتقاق النتائج من دراسة وفحص المقدمات والبيانات المتوافرة عن ظاهرة معينة. ولهذا يطلق علي عملية الإحصائية التي تستخدم والاستدلالي علي أساس المنطق الاستدلالي المبني علي نظرية الاحتمالات الرياضية فمن عينة محددة من أعمال أحد المصانع وباستخدام الأسلوب الإحصاء الاستدلالي يكون من الممكن التنبؤ بمعدلات الزيادة في الإنتاج ومقدار التغير في نسبة الغياب وفي هذه الحالة نجد أن الدقة في التنبؤ تعتمد علي عوامل كثيرة من أهمها ملائمة الأدوات الإحصائية المستخدمة وحجم العينة محل الدارسة والإجراءات الإحصائية اتخذت عند اختيارها .⁽⁶⁾

وتعتبر وظيفة الاستدلال أو الاستقراء من الأهمية بمكان فى البحث العلمى فمثلا :

إذا كانت الظاهرة موضوع الدراسة والتحليل ممثلة للمجتمع الذى تنتمى إليه فانه يمكن الحصول على نتائج معنوية عن المجتمع بتحليل بيانات هذه الظاهرة وهو ما يعرف بالاستدلال ويعتمد هذا الأسلوب فى البحث على الشروط التى يجب توافرها حتى يكون هذا الاستدلال سليما – وبما أن الاستدلال لا يمكن أن يكون مؤكد فان لغة الاحتمال تستخدم عند عرض النتائج . ^{( 7 )}

وتعتبر وظيفة الاستقراء لها أهمية كبيرة – فهى تمكن الباحث من الوصول إلى تعميمات عن المجتمع على أساس المعلومات المتاحة من عينة منه . وفى هذه الحالة فان أساليب ومقاييس الوصف يقتصر وصفها على ذلك الجزء ( العينة ) فقط من المجتمع – ومن هنا تأتى أهمية وظيفة الاستقراء – فهى تمكننا من وصف المجتمع ( التعميم ) باستخدام بيانات العينة .

إن القوانين فى العلوم الطبيعية والاجتماعية تجد برهانها عند الوقائع والحقائق الإحصائية ولذا يعد الاستقراء الاحصائى (Statistical Inference) أساسا لتطور المعرفة العلمية باعتباره البرهان لهذه القوانين . ووظيفة الاستقراء تحقق مطلبين أساسيين فى البحث : الأول تقدير خواص المجتمع والثانى اختبارات الفروض حول هذه الخواص . ولا تقتصر هذه الوظيفة على مجرد الاستقراء بل تقدم لنا تقييما عن مدى دقة هذا الاستقراء وأكثر من ذلك فهى تمكننا من التحكم فى مستوى الدقة وذلك بعدة طرق منها استخدام الأسلوب المناسب للمعاينة والحجم المناسب للعينة . وباختصار فان هذه الوظيفة للإحصاء تمدنا بالاستقراء المنطقى وتختلف الأساليب المتبعة فى الاستقراء حسب طبيعة محل الاستقراء ^{( 8 )}

ثانيا : البيانات Data :

من الشائع فى مجال البحوث الاجتماعية توافر مجموعة من البيانات الإحصائية التى يحصل عليها الباحث باستخدام أدوات جمع بيانات مناسبة وعادة تتمثل تلك البيانات فى شكل أرقام تعتبر قياسا للمتغيرات تحت الدراسة ولما كانت تلك الأرقام تفتقر إلى الترتيب والتصنيف يطلق عليها البيانات الأولية أو البيانات الخام Raw Data.

وتعرف البيانات الإحصائية أنها كمية من المعلومات على هيئة أرقام وان تلك الأرقام إما أن تكون صحيحة Integers مثل 10 ، 20 ، 30 وهكذا أو تكون أرقاما عشرية أو حقيقية Real Numbers مثل 8.5 ، 10.25 ، 1505 وهكذا : ويتوقف حجم البيانات الخام على حجم المجتمع الأصلى فكلما ازداد حجم هذا المجتمع يتوقع مزيدا من الأرقام غير المرئية والتى يصعب مع كثرتها وعدم تصنيفها تفهم أو قياس متغير أو أكثر تحت الدراسة  ومن ثم كان من الضرورى أن يقوم الباحث بتصنيف وتبويب تلك البيانات بالشكل أو بالأسلوب الذى يخدم جيدا هدف الباحث من دراسة المتغيرات أو استنباط نوعية العلاقات أو المعلومات الهامة التى تتعلق بتلك المتغيرات . ^{( 9 )} 

ويقصد بتعبير البيانات " أى كمية من المعلومات فى صورة رقمية والصورة الرقمية للبيانات تبدو إما على شكل أرقام صحيحة مثل 10 ، 112 ، 464 . أو على شكل أرقام حقيقية مثل 20.4 ، 61.8 ، 182.1 أى أنها الأرقام التى تحتوى على علامة عشرية . وتعتبر المعلومات الرقمية ( البيانات ) المادة الخام لأسلوب العمل الاحصائى كما أنها تلعب دورا كبيرا فى تطبيق الأساليب الإحصائية . ^{(  10 )}

وتسمى البيانات المتاحة – المنشورة أو التى تم جمعها – تسمى بيانات خام أو أولية – ذلك أنها تكون غير مجهزة فهى لا تفصح إلا عن القليل من المعلومات . كما أنه يستحيل استخلاص المعلومات منها . وفى سبيل ذلك نستعين بأساليب ومقاييس وصف البيانات . وهذه الأساليب كثيرة ومتنوعة فهى تختلف حسب عوامل أهمها عدد المتغيرات ومستوى قياسها ^{( 11 )}

ولعل ابسط الطرق الإحصائية لتنظيم وتلخيص البيانات طريقة التوزيع التكرارى   Frequency  Distribution ، أو بمعنى ضمنى من التوزيع التكرارى يمكن استخدام وسيلة أو أكثر من الوسائل الثلاث التالية والتى يمكن أن يتحول التوزيع إليها أو إلى أى منها .

أ) استخدام الجداول الإحصائية Statistical Tables فى عملية تصنيف وتبويب البيانات الخام .

ب) استخدام التمثيل البياني والخرائط فى عرض البيانات الإحصائية ( تحويل التوزيع التكرارى إلى منحنيات تكرارية).

ج) استخدام مقياس أو أكثر من المقاييس الإحصائية مثل المتوسط الخام Mean الانحراف المعياري Standard  Deviation ومعامل الارتباط Correlation Coefficient فى تلخيص البيانات الإحصائية فى صورة رقم أو نسبة مئوية ونرى أهمية الوقوف على نوعية البيانات الإحصائية من منظور مستويات القياس الاحصائى نظرا لأهمية تلك البيانات الإحصائية وفقا لمستويات القياس الاحصائى يرجع إلى أن المتغيرات التى تقاس كميا تنقسم من قيمتها العددية إلى المتغير المتصل والمتغير المتقطع . ^{( 12 )} 

ثالثا : المتغيرات Variables :

تشير كلمة المتغيرات إلى الخصائص التى تشترك فيها أفراد المجتمع الاحصائى ولكنها تختلف من فرد إلى فرد آخر فالعمر ، درجة الذكاء ، وطول القامة ، واللياقة البدنية والقدرة على القراءة ، والدخول التى يحصل عليها الأفراد أمثلة للمتغيرات وتتميز هذه المتغيرات بأنها قابلة للقياس الكمى وبإمكانية تحديد قيمة معينة لها .

ويمكن القول بان المتغيرات مفهوم له معنى امبريقى ويعبر عنه بقيم مختلفة وتعبير النوع ، سنوات التعليم والعمر ، والدخل السنوى من المتغيرات الشائعة التى تستخدم فى البحوث الاجتماعية لارتباطها بالخصائص الأساسية للمبحوثين ، ولأهميتها فى تحديد مكانتهم الاجتماعية والاقتصادية وانتماءاتهم الطبقية ⁽¹³⁾  .

والمتغيرات عبارة عن ظاهرات أو صفات تختلف قيمها باختلاف الحالات . ومن أمثلتها : درجة الحرارة فى مناطق مختلفة أو فى فترات مختلفة لمكان واحد ، كميات الإنتاج الزراعى أو الصناعى . ⁽¹⁴⁾

ويمكن القول بان المتغير هو أى ظاهرة أو حدث أو خاصية تأخذ فيها قيما تتغير من ظرف لآخر . والمتغير هو الوحدة الأساسية للتحليل الاحصائى ويمكن تعريفة بأنه مجموعة من العناصر أو التقسيمات غير المتداخلة . وهذه المجموعة من التقسيمات تكون مقياس Scale . وتنقسم المتغيرات إلى مستمرة وغير مستمرة ( متقطعة ) . المتغير المستمر هو ذلك الذى يأخذ قيما لأى درجة من الدقة – مثل الطول – الوزن – درجة الحرارة  أما المتغير غير المستمر فهو الذى يأخذ قيما معينة فقط – مثل عدد الأولاد فى الأسرة عدد الطلاب فى الفصل . وهناك تقسيم آخر للمتغيرات ، حيث تنقسم إلى متغيرات مستقلة ومتغيرات تابعة . فعندما نبحث فى الأثر الذى يحدثه متغير (س) فى آخر (ص) كأثر التدريب على الإنتاجية نقول أن (س) متغير مستقل و (ص)  متغير تابع ^{( 15 )}

وتنقسم المتغيرات من قيمها العددية إلى قسمين هما المتغيرات المتصلة Continuous Variables وهى المتغيرات التى يمكن أن تأخذ أى قيمة على المقياس المستخدم فمثلا إذا ارتفعت درجة الحرارة من ⁵20 درجة مئوية إلى ⁵30 درجة مئوية خلال الترمومتر الزئبقي فمعنى ذلك أن الزئبق يكون قد مر بكل القيم الواقعة بين هاتين الدرجتين ، كذلك الحال فى مقياس سرعة السيارة . فإذا زادت السرعة من 30 كيلوا متر / ساعة إلى 60 كيلوا متر / ساعة فان المؤشر فى المقياس يكون قد مر على كل القيم المحصورة بين هذين الرقمين وبالمثل أيضا الأطوال . وذلك لان طول الشخص قد يكون 168 سم أو 168.1 أو اى قيمة مهما كانت كسرية ، واصغر من المليمتر إذا كان المقياس يسمح بذلك .

 والنوع الآخر من المتغيرات يطلق علية المتغيرات الغير متصلة أو الوثابة Discrete  Variables  وهى التى تختلف قيمها من مرحلة إلى أخرى بدون أن تكون منتظمة كما أن قيمها لا تأخذ إلا أعداد صحيحة Integers فعدد الرحلات التى يقوم بها الأشخاص وكمية مياه الفيضان فى الأودية الصحراوية وعدد السيارات المارة فى احد الشوارع وعدد الفصول بالمدارس وعدد الحجرات بالمنازل وحجم الأسرة 000 الخ كلها متغيرات وثابة (غير متصلة) يحصل عليها فى الغالب بالعد⁽¹⁶⁾

والمتغيرات التى تقاس كميا تنقسم من حيث قيمتها العددية إلى نوعين هامين لا ثالث لهما :

1 – المتغير المتصل Continuous Variable  .

لما كان التعريف العام للمتغير Variable هو ظاهرة أو صفات تختلف قيمها باختلاف الحالات فان المتغير يكون متصلا عندما يأخذ أى قيمة متدرجة على المقياس المستخدم . مثال ذلك قياس درجات الحرارة باستخدام الترمومتر فالمتغير يأخذ أى قيمة بين رقمين صحيحين , بمعنى أن المتغير يمكن أن يأخذ أى قيمة بين 36 درجة ، 37 درجة ( 36.1 ، 36.2 000 الخ ) .

2 – المتغير المتقطع Discrete Variable

عندما يأخذ المتغير قيما محددة يطلق عليه متغيرا متقطعاً أو بمعنى آخر ، المتغير المتقطع هو الذى يحتوى مداه على عدد محدود من القيم أو يحتوى عدد لانهائي من القيم ولكن لكل منها قيمة محددة يمكن عدها أو ترتيبها فى نهاية الأمر تعدد الأولاد أو الأفراد فى الأسرة لابد أن يكون أعدادا صحيحة غير حقيقة مثل 1 ، 2 ، 3 ، 4 00 وهكذا ومن أمثال المتغيرات المتقطعة ، النوع ، الحالة الزواجية Martial Status , عدد أيام الإنتاج فى احد المصانع ، عدد حوادث السيارات وهكذا . ^{( 17 )}

كما يمكن تصنيف المتغيرات إلى عدد من التصنيفات بحسب الغاية من كل تصنيف

وذلك على النحو التالى : -

1 – المتغيرات الكمية والمتغيرات الكيفية :

يمكن تصنيف المتغيرات من حيث طريقة التعبير عنها إلى فئتين هما : المتغيرات الكمية Quantitative Variables وهى التى يمكن أن نصفها عدديا بأنها اكبر من أو أقل من قيمة معينة ويعتبر العمر وعدد سنوات التعليم أمثلة لهذه المتغيرات . والفئة الثانية من المتغيرات هى المتغيرات الكيفية Qualitative Variables  وهى التى تصف الأشياء بصفاتها مثل متغير النوع الذى ينقسم إلى قسمين : ذكور وإناث . والحالة العملية للفرد حيث تكون إما مزارع أو عامل غير ماهر ، أو عامل ماهر أو موظف أو تاجر وما إلى ذلك من صفات ، وهذه المتغيرات الكيفية يتعذر معالجتها إحصائياً ما لم يميزها عن بعضها بعضاً باستخدام الأرقام فنرمز لمتغير الإناث برقم 1 و لمتغير الذكور برقم 2 أو العكس ، والرقم فى هذه الحالة لا يعنى أكثر من أنه أداه للتميز بين المتغيرات الكيفية لتسهيل تفريغ البيانات التى جمعت عنها من ميدان الدراسة تمهيداً لمعالجتها إحصائياً ولا تكون لها قيمة عددية فى حد ذاته .

2- المتغيرات التابعة والمستقلة والضابطة :

ويمكن تصنيف المتغيرات تصنيفاً أخر بحسب دورها فى حدوث الظاهرة محل الدراسة وذلك إلى :

( أ ) متغيرات تابعة Dependent Variables  

وهى تلك المتغيرات التى نحاول تفسيرها ومعرفة أسباب حدوثها وتحديد مدى إمكان التنبؤ بها .

(ب) متغيرات مستقلة Independent Variables

وهى التى لعبت دوراً مباشر فى حدوث المتغيرات التابعة ونستخدمها فى تأييد تفسيرنا وفهمنا لما طرأ على هذه المتغيرات من تغيير ، وفى التنبؤ بالحالة التى ستؤول إليها بعد ذلك .

(ج) متغيرات وسيطة Intermediate Variables  

وهى تلك المتغيرات التى يمر من خلالها تأثير المتغيرات المستقلة إلى المتغيرات التابعة والمتغيرات الوسيطة بالغة الأهمية فى تفسير حدوث الظواهر الاجتماعية إذ قد يغفل عنها الباحثون أو قد ينظرون إليها على أنها متغيرات مستقلة لارتباطها المباشر بالمتغيرات التابعة فإذا نظرنا إلى تفسير ظاهرة الانتحار اللامعيارى التى درسها دوركايم ، على سبيل المثال سنجد أن بعض الأفراد ينظرون إلى حالة فقدان المعايير التى تؤدى إلى الانتحار على أنها المتغير المستقل والانتحار هو المتغير التابع ولكن فريقاً آخر من الباحثين الذين ينظرون إلى الظاهرة بطريقة أكثر تفصيلاً ، ويرون أن المجتمع يمر بتغيرات اقتصادية و اجتماعية عاصفة وقوية وهى التى تمثل المتغير المستقل وتكون النتيجة المترتبة على تلك التغيرات انهيار الثقة فى القيم الراسخة والمبجلة لدى الأفراد فتنتشر حالة اللامعيارية وهى تمثل هنا المتغير الوسيط ثم ينتهي الأمر بالانتحار الذى يمثل المتغير التابع . وإذا قارنا بين الطريقتين السابقتين فى تفسير ظاهرة الانتحار نجد أن حالة اللامعيارية كانت متغيراً مستقلاً فى التفسير الأول ثم اعتبرت متغيراً وسيطاً ضابطاً فى التفسير الثانى .

3- المتغيرات غير المستمرة ( الوثابة ) ، والمستمرة (المتصلة ) Discrete and continuous variables

ذكرنا أن مهمة الباحث هى جمع البيانات عن متغيرات معينة مثل متغير النوع بأن يعرف كم عدد المبحوثين  من الذكور وكم عددهم من الإناث ، وعن متغير سعة الوحدة السكنية بأن يحدد عدد الغرف التى يسكن بها كل مبحوث  .

وبالنظر إلى المتغيرات السابقة نجد أنها تضم عدداً من المتغيرات غير المستمرة والتى يمكن التعبير عنها بقيم عددية غير قابلة للتجزئة حيث يرمز الباحث للذكور برقم (1) وللإناث برقم (2) ، ولا توجد قيمة وسط بينهما وكذلك الحال بالنسبة لسعة الوحدة السكنية ، فالشقة إما أن تكون غرفة واحدة أو غرفتين أو ثلاث أو أكثر وليس هناك جزء من غرفة . والبيانات التى يتم جمعها عن المتغيرات غير المستمرة تكون بيانات غير مستمرة أيضاً أى أنها غير قابلة للتجزئة ولا نجد لها  كسور . فلا يستطيع الباحث أن يدعى أن العينة تتكون من عشرة ذكور ونصف أو أن الشقة تتكون من ثلاث غرف وربع . ويطلق على البيانات الكمية التى يتم جمعها عن المتغيرات غير المستمرة القيم المفردة حيث لا يمكن تبويبها أو تقسيمها إلى فئات متصلة.

وقد يهتم الباحث أيضاً بجمع بيانات عن دخل كل مبحوث فى فترة معينة . والدخل يعد من المتغيرات المستمرة التى يمكن أن تأخذ أى قيمة ما بين نقطتين ثابتتين على مقياس معين . وإلى جانب الدخل هناك متغيرات أخرى مثل العمر والطول والوزن تعد أيضاً من المتغيرات المستمرة ، إذ يمكن تقسيم متغير كالدخل إلى أى عدد نشأ من الفئات وكذلك متغير العمر فيمكن القول أن هناك شخصاً يحصل على دخل أسبوعى قدره خمسون جنيهاً وآخر يحصل على تسعة وأربعون جنيها ونصف … وهكذا والبيانات التى يتم جمعها عن المتغيرات المستمرة تكون بيانات مستمرة أيضاً أى أنها قابلة للتجزئة وبها كسور أو قيم غير صحيحة .

ولذلك فإن هذا النوع من البيانات الكمية يكون ضخماً للغاية عندما يجمعه الباحث من ميدان البحث . فإذا سأل مائة فرد عن دخلهم الأسبوعى فأنه من المتوقع أن يحصل على مائة إجابة تمثل مائة قيمة مختلفة عن بعضها البعض . ولذلك عادة ما يتم تفريغ هذه البيانات فى صورة فئات لكل منها طول معين بحيث تحتوى كل فئة على عدد من القيم المتقاربة لتسهيل عرض البيانات ومعالجتها إحصائياً ، وهذا النوع من البيانات نطلق عليه البيانات أو القيم المبوبة .

والواقع أن التمييز بين المتغيرات غير المستمرة والمستمرة رغم أهميته إلا أنه فى بعض الأحيان نظراً لعدم وجود أداة قياس مضبوطة نجد أن متغيرات كثيرة مستمرة يكون من الضرورى تحديد قيم عددية إجمالية لها ، ومن ذلك مثلاً مقياس الذكاء فهو من الناحية النظرية يعد متغيراً مستمراً ولكن من الناحية العملية نجد أن الاختبارات التى تستخدم فى  قياسه تعطى نتيجة إجمالية وقيمة غير مستمرة ^{( 18)} .

رابعا : المقاييس الإحصائية

يقصد بالقياس – كمفهوم واسع – انه عملية تعبير عن الخصائص والملاحظات بشكل كمى ووفقا لقاعدة محدودة . وعندما نستخدم المقياس والملاحظات بشكل كمى ووفقا لقاعدة محددة . أو بمفهومه وفق الأبعاد الخاصة الملائمة لكل فرع من فروع المعرفة ، فإننا لا نجد غضاضة فى اختيار نسق من المعادلات الرياضية التى تتفق مع تلك الخاصية أو الخصائص قيد البحث – وعامة يمكن القول أن ما تحظى به فروع العلم المختلفة من رياضيات واقتصاد وغيرها من فروع العلوم الاجتماعية من نماذج متعددة ومتباينة تعتمد فى بنيتها الأساسية على المقاييس .

وإن كان هناك اختلاف كبير فى درجة الصعوبة عند التطبيق إذا قورنت النماذج المستخدمة فى العلوم الاجتماعية بغيرها من فروع العلوم الأخرى ففى علم الاجتماع وعلم النفس الاجتماعي كمثال تتصف المتغيرات بالتباين والتعدد بشكل يصعب معه أن نختار رياضيا مناسبا يخدم أهداف البحث الامبريقى لان النفس البشرية ( والفرد عامة ) – يتصف بالتعقيد واختلاف مستويات العلاقة بينة وبين المحيطين به من أفراد أو بيئات

ولعل ابسط أمثلة القياس نجدها فى الاختبارات التى يتقدم بها الطالب فى مختلف مراحل حياته الدراسية . حيث ترتبط الدرجة التى يحصل عليها فى اختبار على مدى معرفته بالمادة التى يدرسها خلال فترة دراسية معينة وكلما كانت درجة الطالب التى حصل عليها مثلا فى مادة الكيمياء عالية دل ذلك على معرفة أكثر أو تحصيل اكبر لدى الطالب من هذه المادة . ومن هذا المثال البسيط نجد أن خاصية التحصيل تعبر عنها الدرجة Score  التى حصل عليها الطالب من الاختبار .

وتعتبر المقاييس التى تقيس المتغير التابعDependent Variable واحدة من أكثر المقاييس أهمية عند إيجاد الطرق الإحصائية الملائمة التى تستخدم فى تحليل بيانات دراسة أمبريقية معينة . أيضا توجد بعض المقاييس التي يمكن استخدامها في قياس ظاهرة معينة بدقة عالية أو متناهية مثال ذلك المقاييس التي تستخدم في قياس الأطوال والأوزان من جهة أخري توجد بعض المقاييس التي تفتقر إلي الدقة العالية وإن كانت تحقق قدرا من الدالة فيها علي سبيل المثال مقاييس مستويات القلق النفسي عند الأفراد ⁽¹⁹⁾ ويعتمد القياس في التحليل الإحصائي علي القيم العددية التي تستخدم بطرق مختلفة لتحقيق عدة أهداف :-

أ‌-                تستخدم القيم العددية لترقيم المتغيرات ( إجابات الأسئلة ) التي يختار من بينها المبحوث في الاستبيان المكتوب.

ب‌-            وتستخدم القيم العددية في ترتيب مجموعة من المتغيرات فيكون المتغير رقم (1)  أعلي من المتغير رقم (2) عندما يكون الترتيب تنازلي للقيم ويكون المتغير رقم (1) أدني من المتغير رقم (2) عندما يكون الترتيب تصاعدي للقيم بعبارة أخري , تفاوت أهمية القيم بحسب ما إذا كان الترتيب تصاعديا أو تنازليا .

جـ- تستخدم القيم العددية أيضا في تحديد المسافة بين الفئات المختلفة من المتغيرات لذلك يجب علي الباحث أن يفهم الكيفية التي تستخدم بها الإعداد في وضع المقاييس الإحصائية⁽²⁰⁾.

ولغرض استخدام المقاييس والأساليب الإحصائية فإنه يجب تحديد مستوي القياس للبيانات أو المتغيرات ولذلك يتم تقسيم مستويات القياس إلي أربعة أنواع هي مستوي القياس الاسمي والترتيبي والفتري والنسبي وهذه المقاييس تختلف من حيث كمية المعلومات التي تحتويها وبالتالي تختلف العمليات الحسابية والإحصائية التي يمكن إجراءها⁽²¹⁾ .

1- المقاييس الاسمية والوصفيةnominal measures هذا النوع من المقاييس يستخدم المتغيرات التي تستخدم في تصنيف مفردات عينة البحث وذلك بإعطائها قيما عددية والقيمة العددية في هذه الحالة ليس لها دلالة سوي تعريف المتغيرات وتمييزها ويستعين بعض الباحثين بالرموز بدلا من الأرقام في عملية استخدام المتغيرات في تصنيف بعض مفردات عينة البحث ولكن استخدام الرمز لن يفيد كثيرا في حالة تفريغ البيانات بواسطة الحاسب الآلي ومن أمثلة المتغيرات التي تشكل منها المقاييس الوصفية التي تستخدم في تصنيف المبحوثين متغير النوع إذا يعطي الباحث رقم (1) للإناث ورقم (2) للذكور أو يصف المبحوثين حسب متغير الدين إلي (1) مسلم (2) مسيحي (3) يهودي – والأرقام هنا لا تعني أولوية أو أفضلية متغير علي أخر كما أنها لا تحتمل أي قيمة .والواقع أن أرقام السيارات وأرقام المنازل هي أبرز مثال لاستخدام القيم العددية في تصنيف الأشياء فالمنزل رقم (1) ليس يعني أنه أفضل من المنزل(100) أو العكس وإنما الرقم يكون استخدامه بغرض التعرف علي المنزل وتميزه عن المنازل الأخرى ⁽²²⁾ ويعد أقل مستوي للقياس , وهو مجرد تقسيم أو تصنيف الأشياء بالاسم فقط ودون تداخل مثال ذلك تقسيم الأشخاص حسب الجنس ( ذكور – إناث) وحسب الجنسية (مصري – سعودي- عراقي..........) وتقسيم الجرائم إلي
( قتل – خطف- سرقة ) وتقسيم الكتب والمراجع بالمكتبة حسب الموضوع ( المعارف العامة – الفلسفة – الديانات – العلوم الاجتماعية ) وتشمل قياسات خصائص الظاهرة موضوع الدراسة في هذا النوع علي قياسات ⁽²³⁾ ثنائية أو ثلاثية ولنضرب مثالا علي ذلك فعند تسجيل حالة التعليم لدي الأشخاص : تعليم متوسط أن تعليم عالي يعطي الشخص من النوع الثاني الرقم (2) وإذا كانت الحالة التعليمية يعطي الرقم ( صفر) , وإذا كانت الدراسة تتعلق بانتماء الأشخاص إلي مناطق ريفية أو حضرية فإننا في هذه الحالة نعطي للشخص الريفي الرقم (1) وللشخص الحضري الرقم (2) ويطلق علي المتغيرات التي تقاس بها البيانات الاسمية المتغيرات دمي dummy variables كما أنها في أحيان أخري تسمي بالبيانات التصنيفية لأنها تصنف المتغيرات علي أساس خصائصها ⁽²⁴⁾

ويعتبر التصنيف أبسط العمليات الأساسية في أي فرع من فروع العلم فالتصنيف هو تجميع للمفردات أو العناصر أو المعلومات المتشابهة إلي حد كبير المتماثلة في خصائصها مع بعضها في مجموعة أو مصنف category وذلك بهدف المقارنة بين المجوعات المختلفة علي أساس الخواص مثال ذلك إذا قمنا بتصنيف عدد من الأفراد إلي مجموعات وفق خاصية العقيدة religion  ( مسلم – مسيحي- يهودي) وقد تقوم أيضا بعمل تصنيف أخر للنزعات السياسية للفئات الدينية الثلاث وهكذا ولابد من استخدام التصنيف كعملية أساسية تعتمد عليها المقاييس الأعلى كأساس لها أيضا في العلوم الاجتماعية من ذلك لا نبالغ بالقول إن التصنيف يعتبر المستوي الأول في القياس وفي المثال السابق نجد أننا لم نهتم بالتمييز بين الفئات الدينية الثلاث علي أساس الأهمية مثلا فلم نقل أن المسلم أهم من المسيحي أو أن المسيحي أهم من اليهودي فقط ينصب المقياس علي تصنيف وفق الديانة وتمثل الخاصية الأولي للمقياس التصنيفي والتي يمكن أن نحددها في عدم اتصاف المقياس بالترتيب المنطقي من ذلك نلاحظ عدم وجود أي تدخل علي أساس الديانة فالمجموعة كاملة تضم أفراد متماثلين في نوع الديانة ومن ثم لا تتكرر الظاهرة أو المفردة في أكثر من مجموعة وهذه ميزة ثانية وهامة يتصف بها المقياس التصنيفي والخاصية الثالثة التي تتصف بها المقاييس التصنيفية نجدها في مجال العلاقات بين المفردات أو المقادير في العلوم الرياضية علي سبيل المثال يتصف المقياس بخاصية الانتقالية transitivity  ويقصد بها أنه إذا كانت هناك علاقة معينة بين متغيرين من أ,ب بحيث أنها تتحقق من (أ) (ب) فإن من الضروري أن تتحقق أيضا من المتغير (ب) نحو المتغير (أ)⁽²⁵⁾.

2- المقاييس الترتيبية ordinal measures  وهذه المقاييس لا تستخدم فقط لتصنيف المتغيرات وإنما لتعكس أيضا ترتيب تلك المتغيرات بعبارة أخري يستخدم هذا المقياس في ترتيب الأفراد أو الأشياء من الأعلى أو العكس وذلك وفقا لخصائص معينة يتميز بها المراد ترتيبه فالمكانة الاجتماعية – الاقتصادية والتي تقاس بمتغيرات الدخل والمهنة والتعليم يتم ترتبيها حسب فئات معينة تبدأ تنازليا من الطبقة العليا الطبقة عليا الوسطي – الطبقة الوسطي الطبقة وسطي الدنيا – والطبقة الدنيا – ما دون الطبقة under class فإذا أعطينا أرقاما لهذا الترتيب الطبقي فإن رقم (1) يكون له معني يفيد الرقمي إذا ما قورن برقم (4) وهكذا ويستخدم هذا المقياس أيضا في وصف المتصلات continuums مثل المتصل الريفي – الحضري الذي يكون بدايته رقم 1- الريف 2- الأطراف الحضرية  3- الحضر 4- الضواحي فرقم (1) هنا يشير إلي بداية المتصل ورقم (2) يشير إلي مرحلة أخري منه وهكذا الحال بالنسبة لباقي المتصل ⁽²⁶⁾ .

وهذا القياس أعلي مستوي من المقياس الاسمي حيث يتم التقسيم علي أساس الرتبة أو الأهمية النسبية مثال ذلك درجات الطلاب علي أساس ممتاز – جيد جدا- جيد – مقبول – ضعيف  أو توزيع السكان حسب الحالة التعليمية : أمي – ابتدائي- ثانوي- جامعي – ماجستير – دكتوراه وفي هذا القياس يمكن ترتيب القيم وإجراء المقارنات حيث يمكن القول أن الحاصل علي تقدير جيد مستوي تحصيله أفضل من الحاصل علي تقدير مقبول مثل هذا الترتيب والمقارنة لا نستطيع القيام بها في المقياس الاسمي حيث أن هذا المقياس لا يمكنه تحديد مقدار الفروق بين
القيم ⁽²⁷⁾ وتعرف القياسات الترتيبية بالبيانات المرتبة في فئات أو حسب خصائصها عن طرق إعطاء القيم الأصلية للمتغيرات رتبا أو أرقام تدريجية أو تنازلية ⁽²⁸⁾ .

 وفضلا عن تصنيف الأفراد إلي ثلاث مذاهب دينية يمكن أن ترتب تلك المجموعات الثلاثة وفقا لأهميتها أو لما تمتلكه كل منها من خاصية أو سمات معينة مشتركة وغير مشتركة وقد نجد مثالا  أقرب للفهم في الرياضيات عندما نميز بين المقدارين (أ) ، (ب) فنقول أن ( أ ) > (ب) ونأخذ الشكل الرياضي التالي أ > ب وقد يكون أ < ب ولكن مقدار الفرق في القيمة الدالة علي التمييز بين أ , ب ليس من خصائص المقياس الترتيبي ومن ثم فإن المقياس الترتيبي هو مستوي أعلي من المقياس التصنيفي في قياس الظواهر أو الخواص وتعتبر خاصية التمييز باستخدام علامات(<) أو (> ) الخاصية الثانية إذا أخذنا في الاعتبار الخاصية التصنيف وفق الترتيب وفي العلوم الاجتماعية نجد مثالا لخاصية الترتيب دون الالتزام بالفروق عندما نصنف الأسر وفقا للمكانة الاجتماعية الاقتصادية socio economic status طبقة عليا , متوسط عليا upper middle  , متوسط دنيا lower middle وأيضا إلي طبقة دنيا lower class وحقيقة الترتيب هنا هما الرتبة العليا والرتبة الدنيا فقط والخاصية الثالثة لو تخيلنا ترتيبا للأفراد علي متصل continue شريطة ألا يحتل فردان منهما مكانا واحدا أو يتواجدان في نقطة واحدة علي هذا المتصل وذلك مع فرض وجود علاقة أو روابط بين هؤلاء الأفراد علي المتصل ومن ثم يتم جميعهم عشوائيا دون دراية كافية في مجموعة وتكرار ذلك وفق ترتيب لخاصية معينة بحيث يمكن لنا فقط أن نقول أن المجموعة كذا من الأفراد تمثل أعلي التكرارات قياسا بباقي المجموعات أو نقول أن المجموعة كذا تمثل أعلي النقاط نسبيا هذا ويجدد الإشارة أن جميع المفردات دون تكرار ظهور المفردة في أكثر من مجموعة تمثل خاصية يتشابه فيها المقياس الترتيبي مع المقياس التصنيفي والخاصية الرابعة فهي الانتقالية فلو فرضنا قريبا أن أ > ب وأن ب > جـ وهذه خاصية أخري يتشابه فيها هذا المقياس مع المقياس التصنيفي ولكن من المنظور الترتيبي ويجب التنويه إلي ضرورة ملاحظة أن المستوي الترتيبي للقياس لا يهتم بالفروق - كما قلنا - بين العناصر أو الخواص ومن ثم لا نستطيع أن نستخدم مع هذا المقياس التصنيفي ولتوضيح ذلك فالعمليات الحسابية كالطرح والقسمة والضرب والجمع لا يمكن استخدامها أيضا مع المقياس التصنيفي وبافتراضنا أن هناك أربع نقاط متصلة ويرمز لها بالأحرف (أ,ب,ج,د) وبفارق مسافات معينة تقع النقطتان ب,ج بين النقطتين (أ) ,(د) في الشكل التالي متصل

 

أ               ب              جـ                            د

فباستخدام المقياس الترتيبي يمكن كتابة العلاقة التالية (اتجاهيا) .

أد = أب+ ب جـ+ جـ د ولكن لا يمكن إطلاقا معرفة أطوال المسافات الأربعة المبينة في العلاقة السابقة مثال  ذلك الترتيب المستخدم  في مقاييس الاتجاهات الذي يبدأ بالموافقة بشدة وينتهي بعدم الموافقة بالمرة ^{(29 )}

3- مقاييس الفئات Interval  measures                               

يشير مقياس الفئات إلي تبويب البيانات وتقسيمها إلي رتب معينة تبدأ من أدني الفئات إلي أعلي الفئات ، وبالإضافة إلي ذلك فهو يحدد المسافة بين تلك الرتب وتستخدم مقاييس الفئات في تلخيص القيم المتقاربة لتكون فئة واحدة ، ويعتبر الدخل ، والتعليم ودرجات الحرارة والعمر أمثلة علي المتغيرات التي تستخدم في تبويب بياناتها مقاييس الفئات وتتميز الفئات بإمكانية إجراء عمليات الجمع والطرح عليها بمعني أنه يمكن أن تضيف  فئة أخري كنوع ومدي الفئة أو نقسم الفئة إلي جزأين ليكون كل قسم منها فئة صغيرة علي سبيل المثال ، الفئة العمرية من 16-18 سنة يمكن أن تجمع علي فئة العمر 18-20 سنة وتصبح فئة واحدة هي 16-20 فضلا عن ذلك فإنه يمكن معالجة الفئات معالجات إحصائية متعددة ⁽³⁰⁾

4- مقاييس الفترة الزمنية والنسبة

Interval and Ratio scale  

المقياس الفتريscale  Interval وهذا المقياس يعد أقوي من السابق حيث هنا يمكن تحديد الفروق بين القيم مثال ذلك درجات الحرارة المئوية (فهرنهيت) ودرجات الاختبار الرقمية: 65،80،40 ، ..... وكذلك عدد ساعات الوقت الإضافي للعمال باعتبارها مقياسا لمستوي التوظف ويؤخذ علي هذا القياس عدم وجود نقطة الصفر المطلق بمعني أن الصفر هنا لا يقيس حالة الانعدام الخاصية وبالتالي لا نستطيع إجراء النسبة بين القيم وأن الطالب الحاصل علي (10) درجات مستواه في التحصيل يساوي خمسة أضعاف أخر حاصل  علي (2) درجة ⁽³¹⁾ وتعتبر بيانات الفترة أكثر أنواع البيانات الإحصائية شيوعا واستخداما في أبحاث العلوم الاجتماعية وهي تعكس القيم الأصلية للظاهرات كأعمار السكان ، وكميات الإنتاج الزراعي والصناعي ، أعداد  السيارات ، مساحات المزارع  ومساحات البيئات الحضرية درجات الحرارة ، وكميات الأمطار ⁽³²⁾

-                     المقياس النسبى  Ratio  . ويعد أقوى مستويات القياس بما يمسح بإجراء النسب بين قيم المتغيرات مثال ذلك الأوزان والأطوال ودرجات الحرارة والسرعة . ^{( 33 )}

-                     وعلى خلاف ما ذهبت إليه بعض الكتابات فى الفصل بين مقياس النسبة . من أمثال هنكل Hinkle   وآخرين ، فإننا نتفق مع ما ذهب إليه بلالوك Blalock من عدم الفصل بين نوعى المقياس حيث يعلل ذلك تعليلا منطقيا حين يرى أنه من الصعوبة بمكان أن نجد مقياسا للفترة لا يكون فى نفس الوقت مقياس نسبة لان الواقع الامبريقى يشير إلى ضرورة وجود الوحدات القياسية أو المعيارية للقياس فلا يعقل أن نجد مادة بلا طول أو كتلة أو نجد درجة حرارة بلا وحدة قياس للحرارة وهى إما درجة مئوية يطلق عليها Centigrade مْ أو درجة فهرنهيت ⁵F   Fahrenheit وتستخدم تلك المقاييس فى حالات تتطلب قياس الفروق أو المسافات الحقيقية بين قيم معينة وهذه خاصية تجعل مقياس الفترة والنسبة أرقى فى المستوى المقياسى من المقاييس السابقة لكى تؤدى تلك المقاييس وظيفتها . فلو كان المطلوب قياس الفروق والمسافات يستخدم مقياس الفترة  (الفئوي ) ^{(34 )}

ويتميز مقياس النسب أو المعدلات Ratio بكل الخصائص التى يتصف بها مقياس الفئات من قدره على وضع البيانات فى ترتيب معين فضلا على ذلك فهو يشتمل على الصفر المطلق ، وهذه الخاصية تجعل من الممكن استخدامها فى إجراء كل العمليات الحسابية من جمع وطرح وضرب وقسمة بسهولة تامة .  وعلى سبيل المثال ، يمكن القول بسهولة ويسر أن الـ 1000 جرام تزيد على 600 جرام بمقدار400جرام وأنها ضعف الـ 500 جرام فهذه الأرقام الصفرية لا تحتاج منها إلى استخدام آلات قاسية حسابية لتحديد العلاقة فيما بينها . كما انه من الممكن استخدام هذا المقياس فى حساب النسبة المئوية الخاصة بكل قيمة من القيم الواقعة عليه والواقع أن مقاييس المعدلات قليلا ما تستخدم فى مجال العلوم الاجتماعية ولكنها تستخدم فى ميدان العلوم الطبيعية فى قياس الأوزان والأطوال والوقت .

ولكى نوضح هذه النقطة نقول أن متغيرات كثيرة تستخدم فى مجال العلوم الاجتماعية مثل النوع والعمر والحالة التعليمية لا تتضمن بالضرورة صفرا فى قياسها بينما متغيرات قياس الأوزان والأطوال تتضمن ذلك الصفر فالكيلو 1000 جرام والمتر 100 سم وهكذا .  وفى مجال المعالجات الإحصائية للبحوث الاجتماعية غالبا ما نميل إلى استخدام الفئات الصفرية مثل 10 – 20 ، 20 – 30 لكى نيسر العمليات الحسابية بدلا من استخدام الفئات غير الصفرية مثل 3 – 6 ، 6 – 9 ..... وهكذا ^{( 35 )}

ومن خصائص مقاييس الفترة والنسبة بالإضافة للخصائص التى ذكرناها فى المقياسين السابقين ، توحد نوع وحدة القياس فلا يمكن أن نقيس الفرق بين درجتين من الحرارة إحداهما بالفهرنهيت والأخرى بالدرجة المئوية بل يكون الفرق بين درجتين حراريتين مثل 38 درجة مئوية ، 30 درجة مئوية أى من نفس جنس وحدة القياس . ومن جهة أخرى ، إذا قلنا أنه توجد وحدات قياسية لمقياس الفترة ، ففى العلوم الاجتماعية قد يتعذر تحقيق ذلك ،  فمثلا توجد وحدات قياسية أو معيارية لقياس الذكاء ، السلطة ، الهيئة الاجتماعية والتى نجدها متكررة دائما فى الموضوعات الاجتماعية والتنفسية المختلفة الفترة والخاصية الثانية لمقياس الفترات والنسبة إمكانية استخدام العمليات الحسابية المختلفة من جمع وطرح وضرب وقسمة للدرجات فى عمليات تحليل البيانات فمثلا يمكن إضافة دخل الزوجة إلى الزوج أو إلى دخل باقي أفراد الأسرة . والخاصية الثالثة لمقياس الفترة إذ يهتم بخاصية تساوى الفروق بين المستويات المختلفة مثال ذلك تقسيم الدرجة الواحدة على مقياس الحرارة ( الترمومتر) إلى تدريج مقسمة إلى خمسة أقسام يمثل كل جزء منها (2). ومن الدرجة مثلا . ويطلق على هذا النوع من مقاييس الفترة مقياس الفترات المتساوية .Equal intervals Scale

ولكى يتم تدريج فترات متساوية كما قلنا فى مثال مقياس الحرارة يلزم نحدد موضع نقطة مطلقة أو ما نسميه بالاختيار التعسفي لنقطة على المقياس ينسب إليها ترتيب تدرج القيم تصاعديا وبفروق ثابتة على أساس وحدة القياس النوعية المستخدمة . ويطلق علي تلك النقطة نقطة الصفر ومن ثم يطلق علي المقياس  فى هذه الحالة مقياس النسبة Ratio Scale حيث يمكن باستخدام النسب تدرج القيم والقول بان القيمة كذا اكبر مرتين أو ثلاث مرات عن القيمة الأخرى المعلومة . ^{( 36 )}

ويتبين لنا أنه كلما زاد مستوى القياس للمتغيرات ، أى زادت الدقة فى القياس كلما أمكن استخدام مقاييس وأساليب إحصائية على درجة أفضل ,والثانية هى أن المتغيرات بمستوى قياس معين يكون التعامل معها بالأساليب الإحصائية المخصصة لهذا المستوى من القياس ، كما أنه يمكن أيضا استخدام الأساليب الإحصائية المخصصة لمستويات القياس الأقل .^{(37 )}