| المستخلص: |
على الرغم من كثرة انتشار البيانات متعددة المستويات في عديد من مجالات البحث ومنها التربية وعلم النفس، إلا أن الأساليب الإحصائية المناسبة لطبيعة هذه البيانات لم تحظ بالقدر الوافر من البحوث والدراسات، وخاصة في البيئة العربية. ولذلك فقد هدفت الدراسة الحالية إلى تقييم طريقتي نماذج المستويات المفردة (١. تكرار استجابات المستوى الثاني أمام استجابات الوحدات الخاصة بها في المستوى الأول Disaggregation، ٢. أخذ متوسطات استجابات المستوى الأول ووضعها أمام استجابات الوحدات الخاصة بها في المستوى الثاني Aggregation) وأسلوب النمذجة الخطية الهرمية Hierarchical Linear Modeling (HLM) في تحليل هذا النوع من البيانات. تم استخدام البيانات الخاصة بالدراسة الدولية الثالثة للعلوم والرياضيات TIMSS والتي أجريت في الولايات المتحددة الأمريكية وهي متاحة مجانا لغرض البحث العلمي. تم تحليل البيانات باستخدام برنامج SPSS وبرنامج النمذجة الخطية الهرمية HLM. وقد أشارت نتائج الدراسة إلى أن طريقتي نماذج المستويات المفردة تؤديا إلى تقديرات متحيزة للبارامترات وخاصة قيمتي الخطأ المعياري ونسبة التباين المفسر، في حين أن أسلوب النمذجة الخطية الهرمية تميز بالتقدير الدقيق للبارامترات المختلفة في المستويات المتعددة للبيانات لأنه يراعى التدرج الهرمي لهذه البيانات. وتوصى الدراسة بضرورة استخدام أسلوب النمذجة الخطية الهرمية في تحليل البيانات متعددة المستويات، نظرا لأنه يعطى نتائج تتميز بالمنعة الإحصائية.
Despite the wide spread of multilevel data in many research fields such as education and psychology, the statistical techniques suitable for the nature of this data do not receive much attention especially in the Arab world. Thus, the present study aimed at assessing the two methods of single level models (Disaggregation and Aggregation) and Hierarchical Linear Modeling (HLM). TIMSS data was used in the present study which is available for free for scientific research. SPSS and HLM software were used in data analysis. The results indicated that the two methods of single-level models resulted in biased estimates especially the standard error and the explained variance, whereas hierarchical linear modeling resulted in accurate estimates as it considers the hierarchy of data. The present study recommends using hierarchical linear modeling in analyzing multilevel data as it achieves the statistical robustness of results.
|
