المحتويات:
اختبار براون-فورسايث
Primary Disciplinary Field(s): الإحصاء التطبيقي، تحليل التباين (ANOVA).
1. التعريف الجوهري والغرض
يُعدّ اختبار براون-فورسايث (Brown–Forsythe test) إجراءً إحصائيًا حيويًا يُستخدم لتقييم افتراض تجانس التباين (Homoscedasticity) عبر مجموعتين أو أكثر من العينات. ويُعتبر هذا الافتراض، الذي ينص على أن التباينات في السكان التي اشتُقت منها العينات متساوية، حجر الزاوية في العديد من الاختبارات البارامترية القوية مثل تحليل التباين أحادي الاتجاه (One-way ANOVA). إذا كان هناك انتهاك لافتراض تجانس التباين (ما يُعرف بعدم التجانس أو Heteroscedasticity)، فقد تصبح نتائج اختبارات مثل ANOVA غير موثوقة، مما يؤدي إلى استنتاجات خاطئة حول الفروق بين متوسطات المجموعات. بالتالي، يعمل اختبار براون-فورسايث كأداة تشخيصية أساسية لضمان صحة الإجراءات الإحصائية اللاحقة.
تتمحور الفرضية الصفرية (H0) لاختبار براون-فورسايث حول المساواة بين تباينات السكان، بينما تشير الفرضية البديلة (Ha) إلى أن تباينًا واحدًا على الأقل يختلف عن الآخرين. ويتميز هذا الاختبار بكونه تطويرًا معدّلًا لاختبار ليفين (Levene’s test)، حيث يهدف إلى تحقيق قوة إحصائية أكبر ومناعة أفضل ضد الانحرافات عن الافتراضات التوزيعية، خاصةً عندما تكون توزيعات البيانات غير طبيعية (Non-normal). إنّ قدرته على التعامل مع البيانات الملتوية أو ذات الذيول السميكة جعلته الخيار المفضل لدى العديد من الباحثين في السياقات التي يصعب فيها ضمان التوزيع الطبيعي للبيانات.
على الرغم من أن الأساس الرياضي للاختبار يعتمد على تحليل التباين للمتغير المحول، فإن النتيجة النهائية تحدد ما إذا كانت البيانات الأصلية تظهر تباينات غير متجانسة. ويُشتق اسم الاختبار من الباحثين مورتون براون و آرثر فورسايث، اللذين قدّماه عام 1974. ويكمن الهدف العملي من استخدامه في تحديد ما إذا كان يجب على الباحث الانتقال إلى استخدام اختبارات إحصائية أكثر قوة أو تعديلات معينة في تحليل التباين، مثل تصحيح ويلش (Welch’s correction)، الذي لا يفترض تجانس التباينات.
2. السياق التاريخي والتطور الإحصائي
ظهر اختبار براون-فورسايث في سياق الحاجة المتزايدة في الإحصاء التطبيقي لاختبارات تجانس تباين أكثر مقاومة (Robust) لانتهاكات الافتراضات. فقبل سبعينيات القرن الماضي، كان اختبار بارتليت (Bartlett’s test) شائعًا، ولكنه عُرف بحساسيته المفرطة لانتهاكات التوزيع الطبيعي، حيث يمكن أن يؤدي أدنى انحراف عن الطبيعية إلى رفض خاطئ للفرضية الصفرية (ارتفاع معدل خطأ النوع الأول). وللتغلب على هذه المشكلة، قدّم هوارد ليفين في عام 1960 اختباره الذي يعتمد على تحويل البيانات الأصلية إلى الانحرافات المطلقة عن المتوسط (Mean) لكل مجموعة، ثم إجراء تحليل التباين على هذه الانحرافات.
ومع ذلك، أظهرت الأبحاث اللاحقة أن اختبار ليفين، رغم تحسن مناعته مقارنة ببارتليت، لا يزال يتأثر بشكل ملحوظ عند التعامل مع توزيعات ذات التواء عالٍ (Skewness) أو التي تحتوي على قيم متطرفة (Outliers). وفي عام 1974، اقترح مورتون براون و آرثر فورسايث تعديلاً جوهريًا على منهجية ليفين. بدلاً من استخدام المتوسط (Mean) كمقياس للنزعة المركزية في التحويل، اقترحا استخدام الوسيط (Median) أو المتوسط المقتطع (Trimmed Mean). هذا التغيير البسيط ولكنه العميق هو الذي منح اختبار براون-فورسايث خصائصه المميزة من حيث المناعة.
إنّ استخدام الوسيط بدلاً من المتوسط يجعل الاختبار أقل تأثراً بالقيم المتطرفة، حيث أن الوسيط هو مقياس أكثر متانة للنزعة المركزية في ظل التوزيعات غير الطبيعية. وقد أثبتت الدراسات المحاكاة أن هذا التعديل يعزز بشكل كبير قوة الاختبار عندما تكون التوزيعات الأساسية ملتوية أو تحتوي على ذيول سميكة، مما يجعله الخيار الأمثل في العديد من التطبيقات الإحصائية التي تتناول بيانات العالم الحقيقي غير المثالية. لذلك، يمثل اختبار براون-فورسايث نقطة تحول في تطوير أدوات التشخيص الإحصائي التي توازن بين القوة الإحصائية والواقعية في التعامل مع البيانات غير المثالية.
3. المنهجية الرياضية والتحويل الأساسي
تعتمد المنهجية الرياضية لاختبار براون-فورسايث بشكل أساسي على تحويل البيانات الأصلية (Yij) إلى متغير جديد (Zij) يمثل درجة تباين كل نقطة بيانات حول مقياس مركزي معين. الخطوات المتبعة تتشابه في هيكلها العام مع اختبار ليفين، لكنها تختلف في اختيار مقياس النزعة المركزية الذي يحدد مدى متانة الاختبار.
يتم التحويل باستخدام الانحرافات المطلقة عن الوسيط لكل مجموعة. إذا كانت Yij تمثل الملاحظة j في المجموعة i، وكان M(i) يمثل وسيط المجموعة i، فإن المتغير المحول (Zij) يُحسب بالصيغة التالية: Zij = | Yij – M(i) |. بعد حساب قيمة Zij لكل نقطة بيانات، يتم تحليل التباين (ANOVA) على هذه القيم الجديدة (Zij). الفكرة هنا هي أنه إذا كانت التباينات الأصلية متساوية (H0 صحيحة)، فإن متوسطات المتغيرات المحولة (Zij) يجب أن تكون متساوية أيضًا. هذا يعني أن التباين في قيم Zij سيكون منخفضًا، مما يؤدي إلى قيمة F غير دالة إحصائيًا.
إنّ إجراء تحليل التباين على المتغيرات المحولة (Zij) يولد إحصائية اختبار F. ويُقارَن قيمة F المحسوبة بالقيمة الحرجة لتوزيع F بدرجات حرية معينة (درجات حرية المجموعة ودرجات حرية الخطأ). إذا كانت قيمة F المحسوبة كبيرة بما يكفي (أو إذا كانت قيمة الاحتمال P-value أقل من مستوى الدلالة المعيّن α، مثل 0.05)، فإننا نرفض الفرضية الصفرية ونستنتج وجود أدلة قوية على عدم تجانس التباين بين المجموعات. هذا الاعتماد على الوسيط كمقياس مركزي هو ما يمنح اختبار براون-فورسايث تفوقه في المناعة ضد التوزيعات غير الطبيعية، مما يجعله أكثر موثوقية في سيناريوهات البيانات الملتوية.
4. الخصائص الرئيسية والمزايا
- المناعة ضد القيم المتطرفة: يتميز اختبار براون-فورسايث بمناعة عالية ضد القيم المتطرفة والبيانات الملتوية مقارنة باختبارات التجانس الأخرى (مثل بارتليت وليفين باستخدام المتوسط). وهذا يعود إلى استخدام الوسيط في حساب الانحرافات، حيث أن الوسيط أقل تأثراً بالقيم المتطرفة من المتوسط.
- قوة إحصائية محسّنة: في ظل ظروف عدم التوزيع الطبيعي، يمتلك هذا الاختبار قوة إحصائية أكبر للكشف عن الفروق الحقيقية في التباينات (أي تقليل معدل خطأ النوع الثاني). هذا يعني أنه أقل عرضة للفشل في اكتشاف عدم التجانس الموجود بالفعل عندما تكون البيانات غير طبيعية.
- قابلية التطبيق الواسعة: يمكن تطبيقه بسهولة على أي مجموعة بيانات يمكن إجراء تحليل التباين عليها، سواء كانت المجموعات متساوية الحجم أم لا، على الرغم من أن الأداء يكون أفضل عمومًا مع الأحجام المتساوية. كما أنه يتكامل بسلاسة مع حزم البرامج الإحصائية القياسية.
- التكامل مع تحليل التباين: يُعدّ جزءًا طبيعيًا من إطار عمل تحليل التباين (ANOVA)، مما يسهل تفسير نتائجه واستخدام برامج إحصائية قياسية لإجرائه. ونتيجة الاختبار تترجم مباشرة إلى ضرورة استخدام تصحيحات معينة في تحليل ANOVA اللاحق.
5. المقارنة مع اختبار ليفين
غالبًا ما يُشار إلى اختبار براون-فورسايث كنسخة مُعدّلة من اختبار ليفين، والفارق الأساسي بينهما يكمن في مقياس النزعة المركزية المستخدم في عملية التحويل. يستخدم اختبار ليفين القياسي الانحرافات المطلقة عن المتوسط لكل مجموعة، بينما يستخدم براون-فورسايث الانحرافات المطلقة عن الوسيط. هذا الاختلاف يؤثر بشكل حاسم على أداء الاختبار اعتمادًا على شكل التوزيع الأساسي للبيانات.
من الناحية العملية، يُفضل استخدام اختبار ليفين القياسي (القائم على المتوسط) عندما يُفترض أن التوزيعات الأساسية قريبة من التوزيع الطبيعي، حيث يكون المتوسط هو أفضل مقدّر للنزعة المركزية في هذه الحالة. ومع ذلك، عندما يكون هناك شك كبير في طبيعة التوزيع، مثل وجود التواء واضح أو كثافة عالية للقيم المتطرفة، فإن استخدام الوسيط في اختبار براون-فورسايث يوفر اختبارًا أكثر متانة. هذا المتانة تجعله أقل عرضة لارتفاع معدل خطأ النوع الأول بشكل مصطنع بسبب القيم المتطرفة.
توصي الأدبيات الإحصائية الحديثة غالبًا باستخدام اختبار براون-فورسايث أو نسخة ليفين القائمة على المتوسط المقتطع (Trimmed Mean) كاختبارات افتراضية لتجانس التباين، خاصة في العلوم الاجتماعية والبيولوجية حيث يكون التوزيع الطبيعي نادرًا ما يتحقق بشكل مثالي. وبذلك، يُعتبر براون-فورسايث حلاً عمليًا لضمان أن اختبار تجانس التباين لا يتأثر بشكل غير مبرر بانتهاكات افتراض التوزيع الطبيعي، وهو ما كان يمثل مشكلة في الأساليب الأقدم، مما يجعله الأداة التشخيصية الأكثر شعبية في العديد من حزم البرامج الإحصائية المتقدمة.
6. التطبيقات العملية وأهميته
تتجلى أهمية اختبار براون-فورسايث في دوره كحارس بوابة للعديد من التحليلات الإحصائية البارامترية. إنّ الفشل في تحديد عدم تجانس التباين يمكن أن يؤدي إلى تضخيم معدل خطأ النوع الأول أو الثاني في اختبارات المقارنة اللاحقة، مما يشوه الاستنتاجات حول تأثير المتغيرات المستقلة. لذلك، فإن التطبيق الأساسي للاختبار يكون دائمًا قبل إجراء تحليل التباين (ANOVA) أو تحليل التباين متعدد المتغيرات (MANOVA)، وكذلك قبل استخدام الانحدار (Regression) في سياقات معينة حيث يكون الافتراض الخطي مطلوبًا.
يُستخدم الاختبار بشكل واسع في مجالات متعددة. في علم النفس و التربية، حيث يتم غالبًا مقارنة درجات مجموعات علاجية أو تعليمية مختلفة، يمكن أن تكون توزيعات الدرجات ملتوية (مثل توزيعات الدخل أو زمن الاستجابة)، مما يجعل براون-فورسايث ضروريًا لتقييم صحة افتراضات التباين. وفي الاقتصاد و المالية، حيث غالباً ما تظهر البيانات قيمًا متطرفة (مثل تقلبات أسعار الأسهم)، يوفر الاختبار تقييماً موثوقاً لتجانس التباين عبر فئات مختلفة، مما يساعد في اختيار النماذج الاقتصادية المناسبة.
علاوة على ذلك، في حال رفض الفرضية الصفرية (أي وجود عدم تجانس)، فإن نتيجة اختبار براون-فورسايث لا تتوقف عند مجرد الرفض، بل توجه الباحث نحو الإجراءات التصحيحية اللازمة. قد تشمل هذه الإجراءات استخدام اختبار ويلش (Welch’s ANOVA)، الذي لا يفترض تجانس التباين ويوفر تعديلاً لدرجات الحرية، أو اللجوء إلى تحويلات البيانات (مثل تحويل لوغاريتمي أو الجذر التربيعي) لمحاولة تحقيق التجانس، أو استخدام نماذج إحصائية خطية عامة (GLMs) التي يمكنها نمذجة التباينات المتغيرة مباشرة. وبهذه الطريقة، لا يقتصر دور الاختبار على التشخيص فحسب، بل يمتد ليشمل تحديد مسار التحليل الإحصائي الصحيح.
7. القيود والانتقادات
على الرغم من المناعة العالية التي يوفرها اختبار براون-فورسايث، فإنه ليس خالياً من القيود. أحد الانتقادات الرئيسية، التي توجه أيضًا لاختبار ليفين بشكل عام، هو أنه لا يختبر التباينات بشكل مباشر، بل يختبر مساواة متوسطات الانحرافات المطلقة. وعلى الرغم من أن هذين المفهومين يرتبطان ارتباطًا وثيقًا، فإنهما ليسا متطابقين تمامًا في جميع السياقات الرياضية، مما يعني أن الرفض قد يشير نظريًا إلى اختلافات في مقاييس الانتشار الأخرى بدلاً من التباين الصريح.
قد يواجه الاختبار انخفاضًا في القوة الإحصائية إذا كانت الانحرافات عن الطبيعية طفيفة جدًا أو إذا كانت أحجام العينات صغيرة جدًا، خاصة في حالة عدم تساوي أحجام المجموعات (Unbalanced designs). في مثل هذه الحالات، قد لا يتمكن الاختبار من الكشف عن فروق تباين حقيقية ذات دلالة عملية، مما يزيد من احتمالية خطأ النوع الثاني. كما أن الاعتماد على الوسيط، على الرغم من أنه يزيد من المناعة، يمكن أن يقلل قليلاً من القوة مقارنة باختبارات أخرى عندما تكون البيانات طبيعية بشكل مثالي.
أخيرًا، يجب التنويه إلى أن اختبار تجانس التباين هو خطوة تشخيصية وليست هدفًا نهائيًا. إنّ الإفراط في التركيز على اختبار براون-فورسايث قد يصرف الانتباه عن المشاكل الأكثر أهمية في نموذج البيانات، مثل التوزيع غير الصحيح للمتوسطات أو وجود تفاعلات غير ممثلة في النموذج. ويجب دائمًا تفسير نتائج براون-فورسايث في سياق البيانات المحددة والأسئلة البحثية المطروحة، والنظر إلى الآثار العملية لعدم التجانس بدلاً من مجرد الدلالة الإحصائية.
قراءات إضافية
- Brown–Forsythe test (Wikipedia)
- Levene’s test (Wikipedia)
- تجانس التباين (Homoscedasticity)
- Brown, M. B., & Forsythe, A. B. (1974). Robust tests for the equality of variances. Journal of the American Statistical Association.
- Welch, B. L. (1951). On the comparison of several mean values: An alternative approach. Biometrika.