القسم الأول: الأساسيات ومسار البحث | الفصل 3
الاختبار الصحيح لا يبدأ من قائمة أسماء، بل من سؤال بحثي يمكن ترجمته إلى متغيرات وتصميم وافتراضات. يشرح هذا الفصل كيف تنتقل من السؤال إلى الاختبار، ثم كيف تقرأ p وحجم الأثر وفاصل الثقة دون اختزال الاستنتاج في كلمة دال.
ابدأ بالسؤال لا باسم الاختبار
الاختبار الإحصائي أداة للإجابة عن بنية محددة من الأسئلة. لذلك يجب أولًا تحديد: ما المتغير التابع؟ ما المتغير أو العامل المفسر؟ هل الحالات مستقلة أم مترابطة؟ هل الهدف وصف، ارتباط، مقارنة، تنبؤ، أم فحص جودة أداة قياس؟
| السؤال البحثي | بنية البيانات | مسار أولي في QSRS |
|---|---|---|
| هل يرتبط متغيران كميان؟ | متغيران كميان | بيرسون أو سبيرمان أو Kendall |
| هل يختلف متوسط مجموعتين مستقلتين؟ | تابع كمي + مجموعتان | Independent t أو Mann–Whitney |
| هل يختلف القياس قبل/بعد؟ | قياسان لنفس الحالات | Paired t أو Wilcoxon |
| هل تختلف ثلاث مجموعات فأكثر؟ | تابع كمي + عامل متعدد المستويات | One-Way ANOVA أو Welch أو Kruskal–Wallis |
| هل تتنبأ عدة متغيرات بنتيجة كمية؟ | تابع كمي + متنبئات | Linear Regression |
| هل النتيجة ثنائية؟ | تابع بفئتين | Logistic Regression |
| هل توجد علاقة بين متغيرين فئويين؟ | جدول فئات | Chi-Square Independence |
الفرضية الصفرية والدلالة
الفرضية الصفرية H0 تصف عادة غياب الفرق أو العلاقة وفق النموذج المحدد. يحسب الاختبار إحصاءً يقيس مدى ابتعاد البيانات عن هذا الوضع مقارنة بما نتوقعه من التباين العشوائي.
قيمة p هي احتمال الحصول على نتيجة مساوية أو أكثر تطرفًا من المرصودة إذا كانت H0 والنموذج الإحصائي صحيحين. ليست p احتمال أن تكون H0 صحيحة، ولا تقيس أهمية النتيجة.
فاصل الثقة وحجم الأثر
فاصل الثقة يربط التقدير بدرجة عدم اليقين. الصورة العامة هي تقدير زائد أو ناقص قيمة حرجة مضروبة في الخطأ المعياري.
أما حجم الأثر فيجيب عن مقدار الفرق أو العلاقة. من أمثلته Cohen’s d للفروق، وEta² في ANOVA، وR² في الانحدار، وCramer’s V للبيانات الفئوية، ومعاملات الارتباط نفسها.
الخطأ من النوع الأول والثاني والقوة الإحصائية
الخطأ من النوع الأول هو رفض H0 عندما تكون صحيحة، واحتماله المضبوط نظريًا هو α. الخطأ من النوع الثاني هو عدم رفض H0 رغم وجود أثر حقيقي، ويرمز لاحتماله β. القوة الإحصائية هي 1-β.
تزداد القوة عادة مع زيادة حجم العينة، وكبر الأثر، وتحسن دقة القياس، وانخفاض الضوضاء. لكن جمع عينة ضخمة لا يعالج تحيز الاختيار أو القياس السيئ.
المعلمي أم اللامعلمي؟
لا توجد قاعدة صحيحة تقول إن أي انحراف عن الطبيعية يفرض تلقائيًا اختبارًا لامعلميًا. الاختيار يعتمد على مستوى القياس، وشكل التوزيع، والقيم المتطرفة، وحجم العينة، وبنية التصميم، وما الذي يختبره البديل فعليًا.
تسلسل العمل الصحيح داخل QSRS
يمكن استخدام فصل الارتباطات، وفصل اختبارات ت وANOVA، وفصل البيانات الفئوية واللامعلمية كنقاط انتقال إلى التحليل المناسب.
مراجع للاستزادة
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum.
- Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). Sage.
- Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133.
