اختبار مربع كاي لجودة التوفيق مقابل اختبار الاستقلالية
تمت المراجعة العلمية · د. مروة عبد العظيم · 16 نوفمبر، 2026
معايير التدقيق والاعتماد السريري
يخضع هذا المحتوى لمعايير ضبط الجودة والتدقيق العلمي والأكاديمي الصارمة في شبكة علم النفس العربي، لضمان صحة المعلومات ودقتها السريرية ومطابقتها لأحدث الأدلة والبراهين الصادرة عن الجمعيات النفسية والطبية المعتمدة (APA / WHO).
يحتل الاستدلال الإحصائي اللامعلمي (Non-parametric Inference) مكانة مركزية في بنية البحث العلمي المعاصر، لكونه يمثل طوق النجاة المنهجي عندما تعجز النماذج المعلمية الكلاسيكية عن الوفاء بافتراضاتها الصارمة، كاعتدالية التوزيع وتجانس التباين ووجود مستويات قياس فترية أو نسبية. وفي طليعة هذه الأدوات اللامعلمية، تبرز عائلة اختبارات مربع كاي (Chi-Square Tests) التي صاغ لبناتها الأولى عالم الإحصاء البريطاني كارل بيرسون (Karl Pearson) في مطلع القرن العشرين، وتحديداً في ورقته التأسيسية المنشورة عام 1900. لقد أحدثت هذه الاختبارات ثورة معرفية بنقلها التحليل الإحصائي من حيز المقاييس المتصلة الصرفة إلى رحابة المتغيرات الفئوية (Categorical Variables) بنوعيها الاسمي والترتيبي، مما مكن الباحثين عبر سائر الحقول من دراسة الأنماط التكرارية والتوزيعات الاحتمالية والتفاعلات البينية للظواهر الإنسانية والطبيعية على حد سواء.
ومع ذلك، فإن هذا الانتشار الواسع والممتد لعائلة كاي تربيع قد رافقه، ولا يزال، قدر هائل من اللبس المفاهيمي والإرباك التطبيقي داخل الأوساط الأكاديمية والبحثية، لاسيما عند المفاضلة المنهجية بين تطبيقيها الأبرز: اختبار مربع كاي لجودة التوفيق (Chi-Square Goodness-of-Fit Test) واختبار مربع كاي للاستقلالية (Chi-Square Test of Independence). يعود هذا اللبس في جوهره إلى تقاطع الاختبارين في الرمزية الرياضية، واشتراكهما في خوارزمية الحساب العامة القائمة على فحص الفروق بين ما رُصد فعلياً في الواقع وما كان منتظراً نظرياً، فضلاً عن اعتمادهما المشترك على التوزيع الاحتمالي المستمر لمربع كاي لتحديد مستويات الدلالة الإحصائية وقيم الاحتمال المرافقة.
إن إغفال التباين الجوهري بين هذين الاختبارين لا يقف عند حدود الخطأ الشكلي في التسمية، بل يمتد ليقوض الأركان الأساسية للبناء المنهجي للبحث برمته. فالخلط بين تحليل سلوك متغير تصنيفي أحادي ومقارنته بنموذج افتراضي، وبين استكشاف الارتباط والاعتمادية المشتركة بين متغيرين منفصلين داخل جدول توافق مزدوج، يترتب عليه بالضرورة تشويه صياغة الفرضيات الصفرية والبديلة، وحساب درجات حرية خاطئة، مما يقود في نهاية المطاف إلى اتخاذ قرارات إحصائية مضللة تقع في شباك خطأ النوع الأول أو خطأ النوع الثاني، وهو ما يسلب النتائج موثوقيتها وصلاحيتها للتعميم التفسيري.
1. مقدمة: الإطار النظري لاختبارات كاي تربيع ودواعي المقارنة
1.1 ماهية اختبارات مربع كاي الإحصائية وأهميتها في الاستدلال اللامعلمي
تنتمي اختبارات مربع كاي إلى فئة الاختبارات الإحصائية اللامعلمية (أو الحرة من التوزيع)، وهي اختبارات لا تشترط معرفة المعالم المعلمية للمجتمع الأصلي، كالمتوسط الحسابي أو الانحراف المعياري، ولا تفترض توزيعاً طبيعياً مسبقاً للبيانات الخام. تتجلى القيمة الاستثنائية لهذه الاختبارات في قدرتها الفائقة على معالجة البيانات الفئوية (Categorical Data) التي تتخذ شكل تكرارات أو ترددات مقطوعة لخصائص نوعية، سواء كانت مصنفة على سلم قياس اسمي مجرد (Nominal Scale) مثل فئات الدم، أو الجنس، أو التخصص الدراسي، أو على سلم قياس ترتيبي (Ordinal Scale) يعكس رتباً متتابعة كالرتب العسكرية أو مستويات الرضا دون امتلاك فترات فاصلة متساوية وحقيقية بين الدرجات.
ينبثق الدور المحوري لهذه الاختبارات من فكرة المقارنة المعيارية الجوهرية بين التكرارات الملاحظة (Observed Frequencies) التي يجمعها الباحث تجريبياً أو مسحياً من أرض الواقع، والتكرارات المتوقعة (Expected Frequencies) التي يمليها نموذج رياضي، أو نظرية علمية، أو فرضية استدلالية مسبقة. تُمكّن هذه المقارنة الباحث من معرفة ما إذا كانت التباينات المرصودة بين الواقع والنمط النظري مجرد تباينات عشوائية طفيفة تعزى لخطأ المعاينة الصدفية (Sampling Error)، أم أنها فروق ذات دلالة إحصائية حقيقية تعكس اختلالاً بنيوياً في صحة النموذج المفترض أو تكشف عن وجود صلة جوهرية بين المتغيرات قيد الدراسة.
تتفرع تطبيقات هذه الاختبارات لتشمل نطاقاً معرفياً غير محدود؛ ففي العلوم الطبية والوبائية تُستخدم لتحليل استجابات المرضى للعلاجات واللقاحات ودراسة علاقة التعرض للمخاطر بظهور الأمراض، وفي علم الوراثة تشكل الأداة القياسية لفحص تطابق نسب الانعزال الجيني مع القوانين المندلية، كما تعتمد عليها العلوم الاجتماعية والسلوكية وبحوث التسويق لدراسة أنماط السلوك البشري، والاتجاهات الجماهيرية، والقرارات الشرائية الاستهلاكية عبر الشرائح الديموغرافية المتعددة.
1.2 دواعي المقارنة ومصادر اللبس المفاهيمي والمنهجي
تنشأ الحاجة الملحة لعقد مقارنة منهجية صارمة بين اختبار جودة التوفيق واختبار الاستقلالية من واقع التشابك البنيوي الذي يجمعهما على المستويين الرياضي والاصطلاحي. فكلا الاختبارين يعتمد على صيغة بيرسون الحسابية العامة نفسها، والتي تتخذ المعادلة التالية أساساً لها:
$$\chi^2 = \sum \frac{(O – E)^2}{E}$$
حيث يرمز الحرف $O$ للتكرار الملاحظ المشاهد واقعياً، بينما يرمز الحرف $E$ للتكرار المتوقع حسابه نظرياً. هذا التطابق الإجرائي الصرف يوهم كثيراً من المبتدئين في التحليل الإحصائي بأنهما مجرد وجهين لعملة واحدة، متجاهلين أن الآلية التي يتحدد بها التكرار المتوقع ($E$) والمنطق الذي يوجه بناء التوزيع الاحتمالي يختلفان كلياً من حيث المبدأ والوظيفة بين الاختبارين.
يتعزز هذا اللبس المنهجي عند فحص التسمية المشتركة؛ فكلاهما يُشار إليه باختصار بـ “اختبار كاي تربيع”، وكلاهما يرجع إلى التوزيع الإحصائي النظري الملتوي نحو اليمين والمعروف بتوزيع كاي تربيع (Chi-Square Distribution) لتقييم الدلالة ومقارنة القيمة المحسوبة بالقيمة الحرجة عند مستوى دلالة محدد ($\alpha$). هذا التجاور الرمزي يدفع بعض الباحثين إلى الوقوع في خطأ إجرائي فادح يتجلى في التعامل مع مصفوفات البيانات الثنائية كما لو كانت متغيراً أحادياً مفككاً، أو معالجة فئات المتغير الواحد كما لو كانت مستويات لمتغيرين متقاطعين.
إن أخطر مصادر هذا الخلط يكمن في تغييب السؤال البحثي التوجيهي؛ فالباحث الذي يفتقر للوضوح المنهجي قد يغيب عنه الفارق بين تساؤل يبحث في “مدى اتساق سلوك عينة واحدة مع نموذج محدد سلفاً” (وهو ميدان جودة التوفيق)، وتساؤل يستفسر عن “وجود ارتباط أو اقتران اعتمادي بين سمتين منفصلتين لدى أفراد العينة” (وهو جوهر اختبار الاستقلالية).
1.3 أهداف التحليل المقارن وأثره على مصداقية النتائج البحثية
يهدف هذا التحليل المقارن المفصل إلى وضع خطوط فصل نظرية وعملية حاسمة تُمكّن الباحثين ومحللي البيانات من اختيار الأداة الإحصائية المطابقة تماماً لطبيعة أسئلتهم البحثية وبنية بياناتهم الميدانية. إن ضبط هذه الحدود يحمي الباحث من الوقوع في مأزقين إحصائيين كلاسيكيين يهددان مصداقية الاستنتاجات العلمية:
- خطأ النوع الأول (Type I Error): وهو رفض الفرضية الصفرية في حين أنها صحيحة واقعياً، والذي قد ينتج عن استخدام درجات حرية مشوهة تجعل القيمة الحرجة منخفضة بشكل اصطناعي، مما يوحي بوجود فروق أو ارتباطات دالة لا وجود لها في الحقيقة.
- خطأ النوع الثاني (Type II Error): وهو الفشل في رفض الفرضية الصفرية رغم كونها خاطئة وواجبة الرفض، والذي قد يترتب على نمذجة خاطئة للتكرارات المتوقعة تهدر قوة الاختبار الإحصائية (Statistical Power) وتخفي العلاقات الحقيقية بين المتغيرات.
إن تبني الدقة المنهجية في التمييز بين هذين الاختبارين ينعكس بصورة مباشرة على جودة الإنتاج الأكاديمي، فالبحث العلمي الرصين لا يقف عند حدود استخراج مؤشرات رقمية من البرمجيات الإحصائية كبرنامج SPSS أو R، بل يتطلب فهماً عميقاً لفلسفة الاختبار والافتراضات الضمنية التي يقوم عليها الاستدلال الرياضي، وهو ما نسعى لتفكيكه وتأصيله في هذا المقال الشامل.
2. اختبار مربع كاي لجودة التوفيق (Chi-Square Goodness-of-Fit): المفهوم والآلية
2.1 التعريف النظري والفرضيات الإحصائية للاختبار
يُعرَّف اختبار مربع كاي لجودة التوفيق (Chi-Square Goodness-of-Fit Test) بأنه إجراء إحصائي استدلالي لامعلمي يُستخدم لاختبار مدى التوافق أو المطابقة بين التوزيع التكراري المشاهد في عينة عشوائية واحدة وتوزيع نظري افتراضي معلوم ومحدد بدقة قبل جمع البيانات. الهدف الأساسي لهذا الاختبار هو الإجابة عن التساؤل التالي: هل البيانات المجمعة تتبع نمطاً أو نموذجاً رياضياً معيناً، أم أن التشتت الملاحظ يعكس انحرافاً جوهرياً عن ذلك النموذج؟ وقد تناول أدبيات القياس المنهجية أهمية تحديد معايير ملاءمة النماذج الافتراضية للواقع، كما أشار Roberts & Pashler (2000) في نقاشهما حول مدى إقناع جودة التوفيق في اختبار النظريات العلمية.
تتم صياغة الفرضيات الإحصائية لاختبار جودة التوفيق بدقة بالغة تعكس هذا المسعى التوافقي:
- الفرضية الصفرية ($H_0$): تنص على أن توزيع الفئات المشاهد في مجتمع الدراسة يتطابق تماماً مع التوزيع النظري المقترح؛ أي أن الفروق بين التكرارات الملاحظة والتكرارات المتوقعة هي فروق عشوائية لا دلالة إحصائية لها ($H_0: p_1 = \pi_1, p_2 = \pi_2, dots, p_k = \pi_k$).
- الفرضية البديلة ($H_1$): تنص على أن التوزيع المشاهد يختلف اختلافاً جوهرياً ذا دلالة إحصائية عن التوزيع النظري؛ أي أن نسبة واحدة على الأقل من نسب الفئات في المجتمع لا تطابق النسبة النظرية المفترضة لها.
تتعدد التوزيعات المرجعية التي يمكن مقارنة العينة بها وفقاً للسياق المعرفي؛ فقد يكون التوزيع المقترح متساوياً كلياً (Uniform Distribution) كافتراض تساوي أعداد الولادات عبر أيام الأسبوع، أو قد يستند إلى نظرية بيولوجية محددة مثل نسب وراثة مندل للأنماط الظاهرية المزدوجة (9:3:3:1)، أو قد يكون توزيعاً احتمالياً متصلاً أو منفصلاً تم تقطيعه إلى فئات مثل توزيع بواسون (Poisson) أو التوزيع الطبيعي المعياري.
2.2 بنية البيانات الرياضية وطريقة احتساب التكرارات المتوقعة
ترتكز بنية البيانات في اختبار جودة التوفيق على جدول تكراري أحادي البعد (One-way Frequency Table)، يتضمن متغيراً تصنيفياً واحداً مقسماً إلى عدد ($k$) من الفئات المنفصلة والشاملة مانعة التقاطع، حيث ينتمي كل فرد من أفراد العينة الإجمالية البالغ حجمها ($n$) إلى فئة واحدة وواحدة فقط من هذه الفئات.
تُحتسب التكرارات المتوقعة ($E_i$) لكل فئة ($i$) من الفئات اعتماداً على النموذج الرياضي الخارجي المعتمد مسبقاً، وذلك من خلال ضرب حجم العينة الكلي ($n$) في الاحتمال النظري المفترض لتلك الفئة ($p_i$) بموجب الصيغة التالية:
$$E_i = n \times p_i$$
وعلى سبيل المثال، إذا كان الباحث يختبر فرضية تساوي الإقبال على أربعة منافذ بيع مختلفة ($k = 4$) ضمن عينة قوامها 200 مستهلك ($n = 200$)، فإن الاحتمال النظري لكل فئة في ظل الفرضية الصفرية للتساوي هو ($p_i = 1/4 = 0.25$)، وبالتالي يكون التكرار المتوقع لكل منفذ هو:
$$E_i = 200 \times 0.25 = 50$$
عقب تحديد القيم المتوقعة، تُطبق معادلة بيرسون لحساب قيمة مربع كاي الإحصائية من خلال تجميع الفروق النسبية المربعة عبر كافة الفئات ($k$):
$$\chi^2 = \sum_{i=1}^{k} \frac{(O_i – E_i)^2}{E_i}$$
تُشير هذه المعادلة بوضوح إلى أنه كلما اقتربت التكرارات الملاحظة ($O_i$) من نظيراتها المتوقعة ($E_i$)، صغرت قيمة كاي تربيع المحسوبة، واقتربت من الصفر، مما يعزز موقف الفرضية الصفرية القائلة بجودة التوفيق والمطابقة، والعكس صحيح تماماً؛ إذ يؤدي التباعد الكبير بين المشاهد والمتوقع إلى تضخيم قيمة الإحصاء ودفعها نحو منطقة الرفض الحرج.
2.3 درجات الحرية والشروط المنهجية للتطبيق
ترتبط درجات الحرية (Degrees of Freedom – $df$) في اختبار جودة التوفيق بعدد فئات المتغير قيد الدراسة، وتُحسب وفق العلاقة الخطية البسيطة:
$$df = k – 1$$
حيث تُمثل $k$ عدد الفئات التصنيفية للمتغير. ينشأ خصم الدرجة الواحدة (-1) من القيد الرياضي المفروض على المجموع الكلي للتكرارات، إذ إن مجموع التكرارات الملاحظة يجب أن يساوي حتماً مجموع التكرارات المتوقعة مساوياً لحجم العينة الكلي ($\sum O_i = \sum E_i = n$). وبناءً عليه، فإن الباحث يمتلك حرية تحديد قيم ($k – 1$) من التكرارات، في حين تصبح قيمة الفئة الأخيرة محسومة ومقيدة مسبقاً.
ومع ذلك، إذا كان النموذج النظري يتطلب تقدير بعض معالم المجتمع غير المعروفة من بيانات العينة نفسها (مثل تقدير المتوسط الحسابي $\mu$ أو الانحراف المعياري $\sigma$ لملائمة التوزيع الطبيعي)، فإن درجات الحرية تتناقص بمقدار إضافي يعادل عدد المعالم المقدرة ($m$)، لتصبح المعادلة:
$$df = k – 1 – m$$
أما من زاوية القيود المنهجية وصلاحية التطبيق، فإن اختبار جودة التوفيق، بوصفه تقريباً مستمراً لتوزيع متقطع، يستند إلى اشتراطات صارمة أرسى دعائمها الإحصائي ويليام كوشران (William Cochran). يتمثل الشرط الأساسي في ألا يقل التكرار المتوقع ($E_i$) في أي فئة من الفئات عن 5 حالات ($E_i ge 5$). يؤدي خرق هذا الشرط بوجود خلايا ذات تكرارات متوقعة متدنية إلى انحراف التوزيع الفعلي للإحصاء المحسوب عن التوزيع النظري لمربع كاي، مما يجعل قيمة الاحتمال ($p\text{-value}$) المستخرجة غير دقيقة وقد تفضي إلى تضليل القرار الإحصائي بالرفض غير المبرر.
3. اختبار مربع كاي للاستقلالية (Chi-Square Test of Independence): المفهوم والآلية
3.1 التعريف النظري والفرضيات الإحصائية للاختبار
يمثل اختبار مربع كاي للاستقلالية (Chi-Square Test of Independence) الأداة الإحصائية المقابلة لفحص طبيعة العلاقة الترابطية أو الاعتمادية المتبادلة بين متغيرين فئويين نوعيين مختلفين مقاسين على نفس العينة من المفحوصين. لا يهدف هذا الاختبار إلى مطابقة توزيع مفرد مع معيار خارجي، بل يسعى إلى استكشاف ما إذا كان تصنيف الأفراد وفق مستويات المتغير الأول يرتبط احتمالياً أو يقترن بطريقة تصنيفهم وفق مستويات المتغير الثاني.
تتمحور الفرضيات الإحصائية لاختبار الاستقلالية حول مفهوم الاستقلال الرياضي في نظرية الاحتمالات الكلاسيكية:
- الفرضية الصفرية ($H_0$): تنص على أن المتغيرين مستقلان إحصائياً تماماً؛ أي أن توزيع احتمالات المتغير الأول لا يتأثر بأي شكل من الأشكال بمستويات المتغير الثاني، ولا يوجد اقتران ذو دلالة إحصائية بينهما في مجتمع الدراسة ($P(A \cap B) = P(A) \times P(B)$).
- الفرضية البديلة ($H_1$): تنص على أن المتغيرين غير مستقلين (أي أنهما مرتبطان أو معتمدان تبادلياً)؛ مما يعني أن احتمال وقوع حدث معين في المتغير الأول يتغير بتغير فئة المتغير الثاني المقترنة به.
من الأهمية بمكان التأكيد على أن اختبار الاستقلالية يرصد مجرد الاقتران الإحصائي (Statistical Association) ولا يثبت بأي حال من الأحوال وجود علاقة سببية حتمية (Causality) بين المتغيرين. فدلالة الاختبار تعني أن المعطيات تدعم فكرة وجود اعتماد متبادل، ولكن تحديد الاتجاه السببي يتطلب تصميماً تجريبياً منضبطاً وتحكماً في المتغيرات الدخيلة، وهو ما يقع خارج حدود التحليل اللامعلمي لبيانات الجداول المتقاطعة.
3.2 جداول التوافق المزدوجة (Contingency Tables) واحتساب التكرار المتوقع
تُفرغ البيانات في اختبار الاستقلالية داخل بنية رياضية ثنائية الأبعاد تُعرف بجدول التوافق (Contingency Table) أو جدول التصنيف المزدوج ذي الرتبة ($r \times c$)، حيث يمثل الرمز $r$ عدد صفوف الجدول المعبرة عن فئات المتغير الأول، ويمثل $c$ عدد الأعمدة التي تجسد فئات المتغير الثاني. ينتج عن تقاطع هذه الصفوف والأعمدة عدد من الخلايا المتقاطعة ($r \times c$)، تحتوي كل خلية منها على التكرار الملاحظ المشترك ($O_{ij}$) الذي يمثل الأفراد الحائزين على صفتي الفئتين في آن واحد.
على النقيض الجذري من اختبار جودة التوفيق، لا يتم استيراد التكرارات المتوقعة في اختبار الاستقلالية من نموذج مسبق خارج البيانات، بل تُشتق داخلياً وبشكل محض من المجاميع الهامشية (Marginal Totals) لجدول التوافق نفسه، استناداً إلى فرضية استقلال الحوادث. ويُحتسب التكرار المتوقع للخلية الواقعة في الصف ($i$) والعمود ($j$) بالمعادلة التالية:
$$E_{ij} = \frac{R_i \times C_j}{N}$$
حيث:
- $R_i$: يمثل المجموع الهامشي للصف رقم $i$ (إجمالي التكرارات في ذلك الصف).
- $C_j$: يمثل المجموع الهامشي للعمود رقم $j$ (إجمالي التكرارات في ذلك العمود).
- $N$: يمثل الحجم الكلي الإجمالي لجميع أفراد العينة المسجلين بالجدول.
عقب إيجاد القيم المتوقعة لكل خلية، تُحسب قيمة كاي تربيع الإجمالية للجدول بتجميع الانحرافات المربعة لجميع الخلايا:
$$\chi^2 = \sum_{i=1}^{r} \sum_{j=1}^{c} \frac{(O_{ij} – E_{ij})^2}{E_{ij}}$$
ولفهم البنية الدقيقة لهذه العلاقة، يلجأ المحللون المتقدمون إلى فحص البواقي المعيارية المعدلة (Adjusted Standardized Residuals) لكل خلية، والتي تعمل كقيم معيارية ($Z\text{-scores}$)؛ حيث تشير القيمة التي تتجاوز $\pm 1.96$ إلى أن تلك الخلية بالذات تسهم بقوة في رفض الفرضية الصفرية عند مستوى دلالة 0.05، مما يوضح طبيعة واتجاه عدم الاستقلال المكتشف.
3.3 درجات الحرية والقيود الإحصائية الخاصة بالتطبيق
نظراً للبنية ثنائية الأبعاد في جداول التوافق المزدوجة، فإن درجات الحرية لا تتحدد بحجم العينة الكلي ($N$)، ولا تتحدد بمجرد عدد الخلايا الإجمالي، بل تُحسب كحاصل ضرب لدرجات حرية الصفوف في درجات حرية الأعمدة وفق الصيغة المنهجية:
$$df = (r – 1) \times (c – 1)$$
يعكس هذا القانون المبدأ الرياضي القائل بأنه في ظل معرفة المجاميع الهامشية للصفوف والأعمدة والمجموع الكلي، فإن الباحث يمتلك حرية تعبئة قيم التكرارات في عدد من الخلايا يعادل حاصل ضرب أبعاد الجدول مطروحاً منها وحدة واحدة، وبعدها تتحدد باقي التكرارات في الخلايا المتبقية بشكل تلقائي وحتمي لاستيفاء المجاميع الهامشية الثابتة.
تخضع جداول التوافق لنفس محددات التقريب الرياضي التي وضعها كوشران، والتي تنص على معيارين متلازمين لضمان صلاحية استخدام توزيع كاي تربيع المستمر:
- ألا تحتوي أكثر من 20% من إجمالي خلايا الجدول على تكرارات متوقعة تقل عن 5 ($E_{ij} < 5$).
- ألا يقل التكرار المتوقع في أي خلية من الخلايا على الإطلاق عن 1 ($E_{ij} ge 1$).
وفي الجداول الصغيرة ذات البنية الثنائية ($2 times 2$)، والتي تمتلك درجة حرية واحدة فقط ($df = 1$)، يظهر ميل إحصائي لتضخيم قيمة كاي تربيع المحسوبة، مما يرفع احتمالية الوقوع في خطأ النوع الأول. لمعالجة هذا الخلل، اقترح الإحصائي فرانك ييتس استخدام ما بات يُعرف بـ تصحيح ييتس للاستمرارية (Yates’ Continuity Correction)، والذي يقوم على طرح القيمة الثابتة 0.5 من القيمة المطلقة للفرق بين التكرار الملاحظ والمتوقع قبل تربيعه، وفق المعادلة:
$$\chi^2_{\text{Yates}} = \sum \frac{(|O – E| – 0.5)^2}{E}$$
ورغم أن هذا التصحيح يقلل من التحيز التفاؤلي ويوفر تقديراً أكثر تحفظاً للدلالة في العينات الصغيرة والمتوسطة، إلا أن بعض الإحصائيين المعاصرين يفضلون اللجوء مباشرة إلى الاختبارات الدقيقة كبديل منهجي متكامل ومباشر.
4. الفروق الجوهرية بين جودة التوفيق واختبار الاستقلالية
4.1 عدد المتغيرات وبنية التصميم التجريبي وأخذ العينات
تتمحور الفروق الجوهرية بين الاختبارين في المقام الأول حول التصميم الإحصائي المتبع وطبيعة المتغيرات التي يجري رصدها ميدانياً. في اختبار مربع كاي لجودة التوفيق، يتعامل التحليل بصورة حصرية مع متغير فئوي أحادي ($k$ من المستويات) مقاس على عينة مسحوبة من مجتمع واحد. ينصب التركيز هنا على كيفية تشتت أفراد هذه العينة عبر فئات هذا المتغير الوحيد، دون التفات لأي سمات تصنيفية أخرى متقاطعة.
أما في اختبار الاستقلالية، فإن البنية التصميمية تستلزم حتماً وجود متغيرين فئويين اثنين مقاسين بالتزامن على نفس الأفراد المستجيبين في العينة العشوائية المستهدفة. لا يُنظر إلى المتغيرات هنا بصورة منعزلة، بل يتم فحص نمط التقاطع الثنائي بين مستويات المتغير المستقل المفترض ومستويات المتغير التابع المفترض، أو بين سِمتين متلازمتين في استمارة الاستبانة الواحدة.
ينعكس هذا الاختلاف البنيوي على بروتوكول جمع البيانات واستراتيجية المعاينة؛ ففي جودة التوفيق تُسحب عينة مفردة لتحقيق فحص أحادي التوزيع بموجب خطة المعاينة متعددة الحدود البسيطة (Simple Multinomial Sampling)، في حين ينطوي اختبار الاستقلالية على خطة معاينة تقاطع معقدة تتطلب رصد التكرار المشترك وتدوينه في مصفوفة بيانات مزدوجة التشفير، مما يفرض جهوداً إضافية في ضبط تمثيلية الخلايا المتقاطعة مجتمعة.
4.2 طبيعة الفرضيات والصياغة الاحتمالية المستهدفة
تتباين الفرضيات الإحصائية بين الاختبارين تبايناً جذرياً ينعكس على البناء المنطقي للتفسير والاستنتاج. تتخذ الفرضية في اختبار جودة التوفيق صيغة مقارنة مطلقة بنسب رقمية محددة وثابتة؛ حيث يضع الباحث ثقله المنهجي في اختبار مدى صدق نموذج محدد سلفاً. فإذا جاءت النتيجة غير دالة ($p > 0.05$)، فإن ذلك لا يعني ضعف البيانات بل يُعد نجاحاً نظرياً باهراً يُثبت أن النموذج المقترح يصف الواقع بدقة متناهية وينجح في تمثيله دون انحراف جوهري، وهو منطق شبيه بتقييم ملاءمة النماذج البنائية في القياس النفسي والمعرفي، كما هو الحال في النماذج النظرية لمعالجة الذاكرة والانفعالات (Kane et al., 2004; Frenzel et al., 2009).
في المقابل، تتأسس فرضيات اختبار الاستقلالية على نظرية الاحتمالات الشرطية والاعتمادية المتبادلة. لا يسعى الباحث هنا لترجيح صحة توزيع رقمي مسبق الصنع، بل يستهدف تفكيك الارتباط بين ظاهرتين؛ فالفرضية الصفرية تفترض غياب الاقتران، ورفضها هو الغاية البحثية المنشودة التي تبرهن على أن تصنيف المفحوص في متغير ما يزودنا بمعلومات احتمالية ذات دلالة عن تصنيفه في المتغير الآخر. ومن هنا، فإن “عدم الدلالة” في اختبار الاستقلالية يعني خيبة أمل بحثية في إيجاد علاقة، بينما “عدم الدلالة” في جودة التوفيق قد يمثل انتصاراً نظرياً يؤكد كفاءة النموذج قيد الاختبار.
4.3 طريقة احتساب التكرارات المتوقعة ودرجات الحرية
يتجلى الفارق الميكانيكي والرياضي الأبرز بين الاختبارين في نقطتين مترابطتين: مصدر التكرار المتوقع ($E$)، ومعادلة درجات الحرية ($df$). في اختبار جودة التوفيق، يُعد التكرار المتوقع متغيراً خارجياً (Exogenous)؛ حيث يستقيه الباحث من النظرية، أو من تعدادات سابقة للمجتمع، أو من افتراض نظري هندسي. لذلك، فإن درجات الحرية تتحدد ببساطة بعدد الفئات مطروحاً منها واحد ($k – 1$)، لكون القيد الوحيد المفروض هو ثبات حجم العينة الإجمالي ($n$).
وعلى النقيض التام، يُشتق التكرار المتوقع في اختبار الاستقلالية بصورة داخلية (Endogenous) محضة من رحم مصفوفة البيانات المعاينة نفسها، بالاعتماد على المجاميع الهامشية للصفوف والأعمدة. هذا الاعتماد الداخلي يفرض قيوداً رياضية مضاعفة؛ إذ يجب أن تتطابق مجاميع الصفوف المتوقعة مع مجاميع الصفوف الملاحظة، وكذلك مجاميع الأعمدة. هذه القيود المتشابكة هي التي تفسر انخفاض درجات الحرية في اختبار الاستقلالية إلى حاصل الضرب التبادلي للأبعاد المنقوصة:
$$df = (r – 1) \times (c – 1)$$
هذا الفارق المحوري يوضح كيف أن جدول توافق يحتوي على 6 خلايا ناتجة عن تقاطع متغيرين ($2 times 3$) يحصل على درجات حرية تساوي $ (2 – 1) times (3 – 1) = 2 $، في حين أن متغيراً أحادياً يمتلك 6 فئات تصنيفية في جودة التوفيق يحصل على درجات حرية تساوي$ 6 – 1 = 5 $، مما يعكس تبايناً شاسعاً في شكل التوزيع المرجعي المعتمد لتحديد عتبة الدلالة.
4.4 جدول المقارنة الشامل لأبعاد التباين الإحصائي والعملي
يلخص الجدول المنهجي التالي المقارنة المتعمقة بين اختباري مربع كاي لجودة التوفيق ومربع كاي للاستقلالية عبر مختلف الأبعاد المفاهيمية والتطبيقية والرياضية:
| البُعد المقارن | اختبار مربع كاي لجودة التوفيق (Goodness-of-Fit) | اختبار مربع كاي للاستقلالية (Test of Independence) |
|---|---|---|
| الهدف الجوهري للاختبار | فحص مدى مطابقة توزيع تكراري مشاهَد في عينة واحدة مع توزيع نظري معلوم مسبقاً. | فحص ما إذا كان هناك اقتران أو علاقة اعتمادية متبادلة بين متغيرين فئويين منفصلين. |
| عدد المتغيرات المدروسة | متغير فئوي واحد فقط مقسم إلى ($k$) من الفئات المتعارضة والشاملة. | متغيران فئويان اثنان متقاطعان، أحدهما يمثل الصفوف والآخر يمثل الأعمدة. |
| بنية العينة وتصميم المعاينة | عينة عشوائية واحدة مستخلصة من مجتمع واحد يُقاس عليها متغير مفرد. | عينة عشوائية واحدة يُقاس على كل مفردة فيها متغيران نوعيان في آن واحد. |
| شكل جدول تفريغ البيانات | جدول تكراري أحادي البعد يتألف من صف واحد و($k$) من الأعمدة (أو العكس). | جدول توافق مزدوج ثنائي الأبعاد ذو رتبة مصفوفية متقاطعة ($r \times c$). |
| مصدر التكرارات المتوقعة ($E$) | مستمدة خارجياً من نموذج نظري مفترض سلفاً: $E_i = n \times p_i$. | مستمدة داخلياً من المجاميع الهامشية للجدول نفسه: $E_{ij} = (R_i \times C_j) / N$. |
| صيغة درجات الحرية ($df$) | $df = k – 1$ (أو $k – 1 – m$ عند تقدير معالم المجتمع غير المعروفة). | $df = (r – 1) \times (c – 1)$ بناءً على الأبعاد الهامشية للمصفوفة. |
| صياغة الفرضية الصفرية ($H_0$) | التوزيع المشاهد يطابق تماماً التوزيع النظري المفترض ($p_i = \pi_i$). | المتغيران مستقلان إحصائياً تماماً ولا توجد علاقة بينهما في المجتمع. |
| الدلالة المستهدفة من الباحث | غالباً ما يسعى الباحث إلى “عدم الدلالة” ($p > 0.05$) لدعم صلاحية نموذجه النظري. | يسعى الباحث عادة إلى تحقيق “الدلالة” ($p le 0.05$) لإثبات وجود ارتباط جوهري. |
| التعامل مع جداول ($2 times 2$) | لا ينطبق، إذ يتطلب الاختبار فئتين أو أكثر لمتغير واحد دون تقاطع ثنائي. | يُطبق فيها تصحيح ييتس للاستمرارية، أو اختبار فيشر الدقيق في حال صغر العينة. |
| مقاييس حجم الأثر الشائعة | معامل كوهين $w$ لقياس حجم الأثر لجودة التوفيق. | معامل فاي ($phi$) لجداول $2 times 2$، ومعامل كرامر ($V$) للجداول الأكبر. |
5. أوجه التشابه ونقاط الالتقاء المنهجية والرياضية
5.1 المعادلة الرياضية المشتركة والتوزيع الإحصائي المرجعي
على الرغم من التباينات المفاهيمية الحاسمة التي تم تفصيلها، يلتقي الاختباران عند أرضية رياضية موحدة صاغها كارل بيرسون، تتجلى في تطبيق الصيغة الجمعية الموحدة لانحرافات التكرارات المربعة مقسومة على القيم المتوقعة. تعكس هذه الصيغة منطقاً إحصائياً مشتركاً يعتبر أن الفروق البسيطة بين الواقع والمتوقع تعود لتقلبات المعاينة العشوائية، بينما تؤدي الانحرافات الكبيرة إلى تراكم قيم كاي تربيع لتبتعد عن مركز التوزيع وتتجاوز الحدود الحرجة.
يتشارك الاختباران كذلك في الاعتماد الكامل على دالة الكثافة الاحتمالية لتوزيع كاي تربيع (Chi-Square Probability Density Function). هذا التوزيع هو توزيع احتمالي متصل يتميز بأنه غير متماثل وملتوٍ نحو اليمين (Right-skewed)، وتقتصر قيمه دائماً على النطاق غير السالب، حيث يبدأ من الصفر ويمتد نظرياً إلى ما لا نهاية الإيجابية ($[0, \infty)$)، نظراً لأن بسط المعادلة يتضمن تربعاً يلغي أي أثر للإشارات السالبة الناتجة عن التفوق التكراري المتوقع على المشاهد.
كما يشترك الاختباران في ديناميكية تغير شكل التوزيع مع تغير درجات الحرية؛ فعندما تكون درجات الحرية صغيرة، يكون الالتواء حاداً للغاية وتتكدس الكتلة الاحتمالية قرب الصفر، ولكن مع زيادة درجات الحرية (نتيجة زيادة عدد الفئات أو اتساع أبعاد الجدول المتقاطع)، يبدأ التوزيع بالاقتراب التدريجي من شكل المنحنى الطبيعي المتماثل عملاً بنظرية النهاية المركزية (Central Limit Theorem)، مما يضمن استقرار تقارب الإحصاء المحسوب نحو التوزيع المعياري.
5.2 طبيعة البيانات المدروسة ومقاييس القياس الإحصائي
يتفق الاختباران اتفاقاً تاماً في طبيعة البيانات المستهدفة بالتحليل؛ فكلاهما مصمم حصرياً للتعامل مع المتغيرات النوعية غير الرقمية التي يجري تكميمها بواسطة العد التكراري الخام (Raw Counts). لا يقبل أي من الاختبارين إدخال متوسطات حسابية، أو نسب مئوية محسوبة مسبقاً، أو انحرافات معيارية في مصفوفات التحليل الأساسية؛ فالإحصاء مبني بنيوياً على تفكيك الترددات الصحيحة المطلقة التي تمثل أعداد مفردات حقيقية موجودة في الواقع.
فضلاً عن ذلك، يشترط كلا الاختبارين استيفاء فرضية استقلال الملاحظات (Independence of Observations). يعني هذا الشرط الحتمي أن كل مفردة أو عنصر أو فرد في العينة يجب أن يساهم بظهوره في خلية تصنيفية واحدة فقط لا غير من خلايا الجدول. وإذا تم تسجيل استجابات الفرد الواحد بشكل متكرر عبر الزمن (مثل التصاميم القبلية والبعدية ذات القياسات المتكررة)، تفقد اختبارات كاي تربيع القياسية صلاحيتها الإحصائية بالكامل، ويصبح من المحتم اللجوء إلى اختبارات بديلة متخصصة في القياسات المرتبطة مثل اختبار ماكنيمار (McNemar’s Test) أو نماذج المعادلات التقديرية المعممة.
كما يُشترط أن تكون فئات التصنيف المعتمدة فئات حصرية وشاملة (Mutually Exclusive and Exhaustive)، بحيث لا يجد أي مفحوص إمكانية للتأرجح بين تصنيفين متناقضين، وفي نفس الوقت تتوفر خانة ملائمة لتسجيل كل فرد من أفراد العينة دون استثناء لأي نمط مشاهد.
5.3 المعايير المنهجية لجودة العينة ومحددات التكرار المتوقع
تخضع التطبيقات العملية لكلا الاختبارين لنفس القيود التحذيرية المتعلقة بحجم العينة الكلي والتكرارات المتوقعة؛ فكلاهما يظهر حساسية فائقة لحجم العينة ($N$). في العينات شديدة الضخامة (التي تتجاوز عشرات الآلاف)، يمتلك كلا الاختبارين قدرة مفرطة على تضخيم أي فروق ميكروسكوبية لا قيمة لها عملياً وجعلها ذات دلالة إحصائية فائقة ($p < 0.001$)، مما قد يغري الباحث بإطلاق تعميمات مضللة ما لم يستعن بمؤشرات حجم الأثر لتقييم المغزى الحقيقي للعلاقة.
وفي المقابل، تؤدي العينات شديدة الصغر إلى هبوط القوة الإحصائية للاختبارين، مما يتسبب في الوقوع في أخطاء النوع الثاني وإخفاء الظواهر الحقيقية خلف جدار العشوائية. يشترك الاختباران هنا في الخضوع التام لقاعدة كوشران الصارمة للتكرارات المتوقعة الأدنى لضمان جودة التقريب وتفادي انهيار الدالة التوزيعية لمربع كاي.
أخيراً، يتشارك الاختباران في كونهما اختبارين إجماليين شاملين (Omnibus Tests)؛ أي أن القيمة الدالة إحصائياً للاختبار تخبر الباحث بوجود خلل في التوافق أو وجود اقتران معنوي، لكنها تعجز كلياً عن تحديد الفئة المسؤولة بمفردها عن هذا التأثير، أو بيان مسار الارتباط واتجاهه، مما يفرض في كلا الإجراءين استكمال التحليل باختبارات تتبعية ومقارنات ثنائية بعدية منضبطة لتفكيك البنية الداخلية للبيانات، وهو نهج استدلالي يماثل ما هو متبع في دراسات النمذجة النفسية والصحية المتقدمة (Cloître et al., 2018; Marshall & Biddle, 2001).
6. متى يُستخدم كل اختبار؟ معايير الاختيار وسيناريوهات تطبيقية
6.1 خوارزمية اتخاذ القرار لاختيار الاختبار الإحصائي المناسب
لضمان اتخاذ قرار إحصائي سليم يخلو من اللبس والخلط، يمكن للباحثين اتباع خوارزمية منهجية متتابعة الخطوات تعتمد على التفكير المنطقي في بنية المشكلة وأسئلة البحث:
- الخطوة الأولى (تحديد عدد المتغيرات): كم متغيراً فئوياً يشمله التساؤل المباشر؟
- إذا كان التساؤل يتمحور حول متغير فئوي واحد فقط، يتم توجيه مسار التحليل مباشرة نحو اختبار مربع كاي لجودة التوفيق.
- إذا كان التساؤل يتناول متغيرين فئويين اثنين يراد فحص تقاطعهما المشترك على نفس العينة، يتم توجيه المسار حتماً نحو اختبار مربع كاي للاستقلالية.
- الخطوة الثانية (فحص طبيعة النموذج المرجعي في حالة المتغير الواحد):
- هل يمتلك الباحث أرقاماً وتوزيعات نظرية سابقة يريد مقارنة عينته بها (كنسب وراثية، أو افتراض تساوي تام)؟ إذا كانت الإجابة نعم، يُؤكد اختيار جودة التوفيق.
- الخطوة الثالثة (فحص طبيعة المعاينة في حالة المتغيرين):
- هل جُمعت البيانات من عينة عشوائية واحدة وقيس عليها متغيران متزامنان لمعرفة اقترانهما؟ الإجراء هنا هو اختبار الاستقلالية.
- هل سُحبت عينات متعددة ومستقلة مسبقاً من مجتمعات متمايزة لمعرفة تشابه توزيع متغير مفرد بينها؟ هذا المسار يقود إلى اختبار التجانس (الذي يتقاطع حسابياً مع الاستقلالية لكنه يختلف في فلسفة المعاينة).
- الخطوة الرابعة (فحص استيفاء الافتراضات الرياضية): التحقق من عدم احتواء الخلايا المتوقعة على قيم أقل من 5 بنسبة تفوق 20%، وتحديد ما إذا كان الموقف يستدعي دمج الفئات أو استخدام اختبار فيشر الدقيق.
6.2 سيناريوهات تطبيقية لاختبار مربع كاي لجودة التوفيق
تتعدد المواقف البحثية التي يبرز فيها اختبار جودة التوفيق كأداة حصرية وحاسمة، وتوضح السيناريوهات الواقعية التالية كيفية توظيفه:
السيناريو الأول: فحص القوانين الوراثية المندلية في علم الأحياء
أجرى باحث في علم النبات تجربة تهجين جيني على نبات البازلاء لدراسة توارث صفتي شكل البذرة ولونها عبر الجيل الثاني. تفترض النظرية الوراثية الكلاسيكية لجريجور مندل أن الأنماط الظاهرية الأربعة الناتجة يجب أن تنعزل بنسبة نظرية محددة هي ($9 : 3 : 3 : 1$). قام الباحث بجمع وفحص عينة قوامها 1600 نبتة، فسجل التكرارات الملاحظة التالية: 915 نبتة صفراء ملساء، 295 خضراء ملساء، 310 صفراء مجعدة، و80 خضراء مجعدة. هنا، يمتلك الباحث متغيراً تصنيفياً واحداً هو “النمط الظاهري للنبتة” مقسماً إلى 4 فئات ($k = 4$)، ولديه نسب احتمالية مسبقة تمليها النظرية ($9/16, 3/16, 3/16, 1/16$). يُحسب التكرار المتوقع بضرب هذه النسب في 1600، وتُطبق معادلة جودة التوفيق بدرجات حرية ($df = 4 – 1 = 3$) للتحقق مما إذا كان تباين المحصول عن النسب المندلية مجرد صدفة أم طفرة تدعو لتعديل النظرية.
السيناريو الثاني: تحليل عدالة التدفق التسويقي وسلوك المستهلك
أرادت إدارة مركز تجاري ضخم معرفة ما إذا كان إقبال الزبائن على المركز موزعاً بالتساوي على مدار أيام الأسبوع السبعة ($k = 7$)، أم أن هناك أياماً معينة تستقطب نشاطاً غير عشوائي يستلزم تعزيز الحراسة وإعادة توزيع الموظفين. قامت الإدارة باختيار عينة عشوائية ممثلة من 1400 متسوق، ودُوّن اليوم الذي تمت فيه الزيارة. تمثل الفرضية الصفرية هنا التوزيع المنتظم بالتساوي؛ أي أن احتمال زيارة المركز في أي يوم من الأيام السبعة هو $p = 1/7$. التكرار المتوقع لكل يوم بموجب الفرضية الصفرية هو $1400 \times (1/7) = 200$ متسوق. يتيح اختبار جودة التوفيق ($df = 7 – 1 = 6$) فحص ما إذا كانت التذبذبات الميدانية المرصودة في أعداد الزبائن تمثل انحرافاً دالاً عن نمط التساوي المتوقع، وهو تطبيق مباشر لتحليل النماذج السلوكية الشائعة في العلوم التطبيقية.
السيناريو الثالث: مراقبة الجودة الصناعية
تزعم شركة متخصصة في تصنيع الرقائق الإلكترونية أن خط إنتاجها المتطور يفرز عيوباً تصنيعية مصنفة حسب خطورتها إلى ثلاث فئات: عيوب طفيفة (70%)، عيوب متوسطة (25%)، وعيوب حرجة (5%). سحب مهندس الجودة عينة رقابية من 500 قطعة معيبة لاختبار مدى مطابقة الواقع لادعاءات خط التصنيع. يمثل المتغير الوحيد “مستوى خطورة العيب” ($k = 3$)، وتوفر معايير الشركة النسب المتوقعة ($0.70, 0.25, 0.05$). باستخدام اختبار جودة التوفيق ($df = 3 – 1 = 2$)، يتمكن المهندس من الحكم على كفاءة خط الإنتاج وثباته الإحصائي.
6.3 سيناريوهات تطبيقية لاختبار مربع كاي للاستقلالية
في المقابل، تفرض المشكلات التي تتناول الاقتران التبادلي بين الظواهر استدعاء اختبار الاستقلالية، وتبرز السيناريوهات التطبيقية التالية عمق هذا الاستخدام:
السيناريو الأول: فحص الاستجابة الدوائية والشرائح العمرية في الطب السريري
أجرى فريق بحثي سريري دراسة لفحص ما إذا كانت درجة الاستجابة لعقار علاجي جديد لعلاج اعتلال الأعصاب تعتمد على الفئة العمرية للمريض. تم أخذ عينة عشوائية قوامها 300 مريض يتناولون العقار، وقام الباحثون برصد متغيرين فئويين لكل مريض:
- المتغير الأول (الفئة العمرية): شباب، منتصف العمر، كبار سن ($r = 3$).
- المتغير الثاني (مستوى الاستجابة للعقار): شفاء تام، تحسن ملحوظ، عدم استجابة ($c = 3$).
تم تفريغ الحالات في جدول توافق مزدوج ذي أبعاد ($3 times 3$). هنا، لا توجد نسب نظرية مسبقة، بل يسعى الفريق إلى معرفة ما إذا كان معدل الاستجابة الدوائية مستقلاً عن العمر، أم أن فاعلية الدواء مقترنة بفسيولوجيا الفئة العمرية. تُشتق القيم المتوقعة من حاصل ضرب مجاميع الصفوف والأعمدة، وتُحسب درجات الحرية: $df = (3 – 1) \times (3 – 1) = 4$.
السيناريو الثاني: علم الاجتماع السياسي والمواقف الجماهيرية
أراد باحث اجتماعي فحص العلاقة بين المستوى التعليمي للفرد وموقفه تجاه تبني قانون جديد للرعاية الاجتماعية. استطلع الباحث آراء عينة وطنية ممثلة من 600 مواطن، وجرى تصنيف كل مواطن بحسب:
- المستوى التعليمي: تعليم أساسي، تعليم ثانوي، تعليم جامعي فأعلى ($r = 3$).
- الموقف من القانون: مؤيد، محايد، معارض ($c = 3$).
تتمثل الفرضية الصفرية في أن اتجاهات المواطنين نحو القانون مستقلة تماماً عن خلفيتهم التعليمية، في حين ترى الفرضية البديلة وجود تحيز أو اقتران اعتمادي بين المؤهل الأكاديمي والرأي السياسي. يكشف اختبار الاستقلالية هنا عن مغزى هذا الاقتران، مما يساعد صانعي القرار على فهم الدوافع السلوكية لدى الفئات المجتمعية المختلفة، على غرار الدراسات التي تبحث في استجابات الأفراد للمحفزات والسياسات العامة (Niederkrotenthaler et al., 2010).
السيناريو الثالث: التسويق الرقمي وتفضيلات الأجهزة التقنية
أرادت منصة رقمية للتجارة الإلكترونية معرفة ما إذا كان نوع الجهاز المفضل لإتمام عمليات الشراء (هاتف ذكي، حاسوب محمول، جهاز لوحي – $c = 3$) يرتبط بالنوع الاجتماعي للمستخدم (ذكر، أنثى – $r = 2$). جُمعت بيانات 1000 عملية شراء مكتملة، وصُمم جدول توافق ($2 times 3$). من خلال اختبار الاستقلالية بدرجات حرية $df = (2 – 1) \times (3 – 1) = 2$، تمكنت الشركة من معرفة ما إذا كانت استراتيجيات التسويق وتصميم واجهات التطبيقات يجب أن تُخصص لتلائم ارتباط الجنس بالأجهزة المستخدمة.
6.4 الأخطاء الشائعة والبدائل المنهجية عند اختراق الافتراضات
يقع العديد من المشتغلين بالتحليل الإحصائي في حزمة من الأخطاء القاتلة التي تعصف بصحة استنتاجاتهم؛ في طليعتها إدخال النسب المئوية (Percentages) داخل الحزم البرمجية بدلاً من التكرارات الفعلية المشاهدة، وهو ما يقود إلى إفساد حسابات التباين والانحراف المعياري، حيث تفترض البرمجيات أن الرقم المدخل يعبر عن عدد المفحوصين الحقيقي.
ومن الأخطاء الشائعة أيضاً الخلط الإجرائي والمنهجي بين اختبار الاستقلالية (Test of Independence) واختبار التجانس (Test of Homogeneity). ورغم تطابقهما الرياضي، إلا أن اختبار الاستقلالية يتعامل مع عينة عشوائية واحدة مستخلصة من مجتمع واحد وتصنيف الأفراد وفق سمتين متقاطعتين، في حين ينبثق اختبار التجانس من تصميم تجريبي يستند إلى سحب عينات عشوائية مستقلة مسبقاً من مجتمعات فرعية متعددة (مثل سحب 100 معلم و100 مهندس و100 طبيب) لرصد توزيع متغير نوعي واحد فقط بين هذه الجماعات، للإجابة عما إذا كانت هذه المجتمعات متجانسة في توزيع هذا المتغير.
وعندما يواجه الباحث اختراقاً لاشتراطات كوشران الناتجة عن تدني التكرارات المتوقعة إلى ما دون 5 في أكثر من 20% من الخلايا، تتراجع كفاءة توزيع كاي تربيع التقريبي. في هذه الحالات الحرجة، تبرز البدائل الإحصائية المنهجية المعتمدة:
- إعادة تجميع ودمج الفئات (Collapsing Categories): دمج المستويات المتجاورة منطقياً للمتغير (مثل دمج فئتي “معارض بشدة” و”معارض” في فئة واحدة) لرفع التكرارات المشاهدة والمتوقعة، شريطة ألا يخل ذلك بالمعنى النظري والعمق المفهومي للمتغيرات.
- اختبار فيشر الدقيق (Fisher’s Exact Test): الملاذ المنهجي المعياري في الجداول الثنائية ($2 times 2$)، والذي يمتد حالياً بفضل الخوارزميات الحاسوبية ليشمل الجداول المتسعة ($r \times c$). يقوم هذا الاختبار بحساب الاحتمال الرياضي المفرغ الدقيق استناداً إلى التوزيع فوق الهندسي (Hypergeometric Distribution) وتثبيت المجاميع الهامشية دون أي اعتماد على تقريب كاي تربيع المستمر.
- المحاكاة الحاسوبية وأسلوب مونت كارلو (Monte Carlo Simulation): توليد آلاف التوزيعات التكرارية الافتراضية العشوائية من نفس المجاميع الهامشية لحساب قيمة دلالة تجريبية بالغة الدقة خالية من تحيزات التقريب الرياضي الكلاسيكي.
7. الأسئلة الشائعة حول اختبارات كاي تربيع (FAQ)
7.1 ما الفارق الأساسي بين اختبار كاي تربيع للاستقلالية واختبار التجانس؟
يكمن الفارق الجوهري والوحيد بين الاختبارين في استراتيجية أخذ العينات (Sampling Strategy) وفلسفة التصميم البحثي، على الرغم من تطابق معادلاتهما الحسابية وخطوات استخراج النتائج بالكامل. في اختبار الاستقلالية، يقوم الباحث بسحب عينة عشوائية مفردة من مجتمع كلي واحد، ثم يرصد سمتين تصنيفيتين مختلفتين لدى كل فرد في تلك العينة، وتكون كافة المجاميع الهامشية للصفوف والأعمدة متغيرة وعشوائية وغير محددة سلفاً قبل إنهاء المسح الميداني.
أما في اختبار التجانس (Test of Homogeneity)، فيقوم الباحث عمداً بتحديد وتثبيت عينات فرعية مسبقة الحجم من مجتمعات إحصائية مستقلة ومتعددة (كأن يقرر سحب 200 طالب من كلية الهندسة و200 طالب من كلية الطب)، ثم يقيس متغيراً فئوياً واحداً لدى الجميع (مثل مستوى الرضا عن الخدمات الجامعية). هنا تصبح المجاميع الهامشية لأحد بعدي الجدول (الصفوف مثلاً) ثابتة ومحددة سلفاً من قِبل الباحث بموجب خطة المعاينة، وتتمحور الفرضية الصفرية حول إثبات ما إذا كان التوزيع الاحتمالي لنفس المتغير متطابقاً ومتجانساً عبر تلك المجتمعات المختلفة.
7.2 ماذا يفعل الباحث إذا كانت التكرارات المتوقعة أقل من 5 في جدول التوافق؟
إذا كشفت المخرجات التشخيصية لجدول التوافق عن تدني التكرار المتوقع ($E_{ij} < 5$) في نسبة تتجاوز 20% من الخلايا، فإن الاعتماد المباشر على دلالة اختبار بيرسون المقاربة يؤدي إلى استنتاجات خاطئة بسبب تضخيم أو تقليص قيمة الاحتمال بصورة زائفة. أمام الباحث في هذا الموقف ثلاثة خيارات علاجية مرتبة منهجياً بحسب الأفضلية:
الخيار الأول هو اللجوء فوراً إلى اختبار فيشر الدقيق (Fisher’s Exact Test) المدمج في معظم البرمجيات الحديثة، حيث يُجري الاختبار حسابات توليفية دقيقة لا تتأثر بصغر التكرارات المتوقعة. والخيار الثاني هو دمج الفئات المتقاربة منطقياً؛ فإذا كان المتغير يقيس الفئات العمرية مثلاً، يمكن دمج فئة “60-70 سنة” مع فئة “فوق 70 سنة” لرفع التكرارات المشتركة، شريطة أن يسوغ البناء النظري للبحث هذا الإجراء. أما الخيار الثالث فهو استخدام أسلوب إعادة المعاينة الدقيقة بمحاكاة مونت كارلو (Monte Carlo Exact Test)، والتي تتيح استنتاج مستويات دلالة موثوقة عند ثبات التكرارات المحدودة ضمن المصفوفات الكبيرة.
7.3 كيف نقيس حجم الأثر وقوة العلاقة بعد ثبوت الدلالة الإحصائية لاختبار الاستقلالية؟
لا تقدم قيمة اختبار كاي تربيع المحسوبة ولا قيمة الاحتمال المرافقة لها ($p\text{-value}$) أي مؤشر علمي على قوة العلاقة أو حجم الأثر؛ فالقيمة الدالة تخبرنا فقط بوجود ارتباط، ولكنها لا تبين ما إذا كان هذا الارتباط قوياً وحاسماً أم ضعيفاً وتافهاً يقتصر تأثيره على تضخيم حجم العينة. لقياس حجم الأثر الإحصائي، تتوفر المقاييس المعيارية التالية:
- معامل فاي ($phi$ – Phi Coefficient): يُستخدم حصرياً في جداول التوافق الثنائية ذات البعد ($2 times 2$)، ويُحسب بقسمة قيمة كاي تربيع المحسوبة على حجم العينة الكلي ثم استخراج الجذر التربيعي:
$$\phi = \sqrt{\frac{\chi^2}{N}}$$
تتراوح قيمته بين 0 (انعدام تام للارتباط) و 1 (ارتباط تام بين المتغيرين). - معامل كرامر ($V$ – Cramér’s V): يُعد المقياس الأوسع استخداماً والأكثر شمولاً للجداول ذات الأبعاد الأكبر من ($2 times 2$)، ويُحسب بالصيغة الرياضية التالية:
$$V = \sqrt{\frac{\chi^2}{N \times \min(r – 1, c – 1)}}$$
حيث يضمن قسمة القيمة على أدنى البعدين مطروحاً منه واحد بقاء المؤشر محصوراً بدقة بين 0 و 1، مما يسهل مقارنة شدة الارتباط عبر الجداول المتباينة في درجات الحرية والاتساع، وتُعد دراسة أحجام الأثر الفئوي مكملاً ضرورياً للنماذج المعرفية والسلوكية الرصينة (Alloway et al., 2006; Bartholomew et al., 2011).
7.4 هل يمكن استخدام اختبار كاي تربيع لجودة التوفيق لفحص التوزيع الطبيعي؟
نعم، يمكن استخدام اختبار جودة التوفيق كأداة لفحص فرضية التوزيع الطبيعي للبيانات المتصلة، وذلك عبر تحويل البيانات الخام المتصلة إلى بيانات فئوية متقطعة. يتم ذلك عن طريق تقسيم المدى الكلي للبيانات إلى عدد ($k$) من الفئات المتتالية، ثم استخراج التكرارات المتوقعة لكل فئة باستخدام جداول التوزيع الطبيعي المعياري ($Z\text{-table}$) بالاعتماد على المساحات الواقعة تحت المنحنى الطبيعي عند حدود كل فئة مضروبة في حجم العينة.
ومع ذلك، يجب الانتباه بدقة بالغة إلى ضبط درجات الحرية؛ فإذا قام الباحث بتقدير المتوسط الحسابي ($\mu$) والانحراف المعياري ($\sigma$) من بيانات العينة نفسها لرسم المنحنى الطبيعي وملاءمته، فإن درجات الحرية تُخصم منها درجتان إضافيتان لتعويض تقدير المعلمتين المجهولتبن، لتصبح الصيغة:
$$df = k – 1 – 2 = k – 3$$
وعلى الرغم من مشروعية هذا الإجراء تاريخياً، إلا أن الممارسة الإحصائية الحديثة لا تحبذ استخدام كاي تربيع لاختبار الاعتدالية، وتفضل الاعتماد على اختبارات متخصصة أكثر قوة وأعلى حساسية لتجاويف وذيول المنحنى، مثل اختبار شابيرو-ويلك (Shapiro-Wilk Test) واختبار كولموجوروف-سميرنوف (Kolmogorov-Smirnov Test)، لكون تقطيع البيانات المتصلة إلى فئات يفقد البيانات جزءاً كبيراً من طاقتها ومعلوماتها القياسية الأصلية، وهو ما نبهت إليه دراسات البنية الشخصية والنفسية المقارنة (Moshagen et al., 2018; De Goede et al., 2008).
8. خاتمة: استنتاجات المقارنة وتوصيات عملية للباحثين
8.1 حوصلة المقارنة المنهجية بين الاختبارين
يقود التدقيق المنهجي والمقارن في عائلة اختبارات مربع كاي إلى استنتاج قاطع: على الرغم من التقاء اختباري جودة التوفيق والاستقلالية في الخوارزمية الرياضية الجمعية المشتقة من عبقرية كارل بيرسون، وفي استنادهما إلى منحنى التوزيع الاحتمالي المستمر لمربع كاي، إلا أنهما يمثلان أداتين متمايزتين فلسفياً وبنيوياً ومصممتين للإجابة عن نوعين مختلفين تماماً من الأسئلة العلمية.
إن اختبار جودة التوفيق هو أداة “المطابقة النمذيجية”؛ حيث يقف الباحث في موقع المراقب لمدى التزام متغير تصنيفي واحد بمعيار أو قانون نظري محدد مسبقاً، وتستمد قيمه المتوقعة من خارج المصفوفة، وتتحدد درجات حريته بعدد مستويات هذا المتغير المفرد. في المقابل، فإن اختبار الاستقلالية هو أداة “التشابك والاقتران”؛ حيث يسعى الباحث إلى فك شفرة التفاعل بين سمتين منفصلتين مقاستين على نفس العينة للتحقق من انفصالهما أو ارتباطهما الاعتمادي، وتستنبط قيمه المتوقعة داخلياً من هوامش جدول التوافق المزدوج، وتتحدد درجات حريته بحاصل ضرب الأبعاد الهامشية للمصفوفة المتقاطعة.
إن إدراك هذا التمايز يمثل حجر الزاوية في بناء المصداقية الإحصائية؛ فاختيار الأداة المناسبة يمنع تلوث القرارات البحثية بالأخطاء من النوعين الأول والثاني، ويضمن إسناد المعنى الإحصائي الدقيق للظواهر الإنسانية والبيولوجية والاجتماعية دون إفراط أو تفريط.
8.2 أفضل الممارسات لتوثيق وتحليل نتائج مربع كاي في البرمجيات الإحصائية (SPSS, R)
لضمان استيفاء أعلى معايير الجودة والشفافية الأكاديمية عند تحليل وتوثيق نتائج اختبارات كاي تربيع في الأبحاث والرسائل العلمية، يوصى باتباع البروتوكول الإجرائي التالي:
- التشخيص الاستباقي للبيانات: فحص مخرجات التكرارات المتوقعة قبل قراءة قيمة الدلالة، والتحقق الحاسم من شرط كوشران بعدم تجاوز الخلايا ذات التكرار المتوقع الأقل من 5 نسبة 20%، وتوثيق ذلك بوضوح في متن المنهجية.
- التوثيق وفق المعايير المعترف بها عالمياً: عند توثيق النتائج بالصيغ المعتمدة من جمعية علم النفس الأمريكية (APA 7th Edition)، يجب ذكر الرمز الإحصائي اللاتيني ($\chi^2$)، متبوعاً بدرجات الحرية ($df$) وحجم العينة الإجمالي ($N$) بين قوسين، ثم كتابة القيمة المحسوبة بدقة منزلتين عشريتين، يليها مستوى الدلالة الفعلي ($p\text{-value}$)، ومؤشر حجم الأثر المعتمد. ويأخذ التوثيق النموذجي الصيغة التالية:
$$\chi^2(2, N = 450) = 14.82, p < .001, V = .18$$ - عدم الاكتفاء بالدلالة الإحصائية وتضمين حجم الأثر: ضرورة إرفاق معامل كرامر ($V$) أو فاي ($phi$) في جداول التوافق، ومعامل كوهين ($w$) في اختبارات جودة التوفيق، لتوضيح الأهمية العملية للنتائج بجانب أهميتها الإحصائية.
- التحليل التتبعي المتعمق للبواقي: عند الوصول إلى نتائج دالة إحصائياً في الجداول الكبيرة، ينبغي للمحلل فحص البواقي المعيارية المعدلة (Adjusted Standardized Residuals) في مخرجات الحزم الإحصائية لتحديد الخلايا المسؤولة فعلياً عن توليد هذا الأثر وتقديم قراءة كيفية معمقة تدعم الأرقام المجردة.
- التطبيق الدقيق في بيئات التحليل الحديثة: الاستفادة من حزم البرمجة الإحصائية المتقدمة؛ ففي برنامج R مثلاً، ينبغي استخدام الأمر
chisq.test(x, p = ...)لاختبار جودة التوفيق مع تمرير متسلسلة الاحتمالات النظرية الصريحة، واستخدام الأمرchisq.test(table(var1, var2))لاختبار الاستقلالية، مع تفعيل خاصية المحاكاةsimulate.p.value = TRUEعند انتهاك اشتراطات التكرار المتوقع لضمان استخراج نتائج بالغة الدقة والموثوقية.
المراجع
- Alloway, T. P., Gathercole, S. E., & Pickering, S. J. (2006). Verbal and Visuospatial Short-Term and Working Memory in Children: Are They Separable?. Child Development. https://doi.org/10.1111/j.1467-8624.2006.00968.x
- Bartholomew, K. J., Ntoumanis, N., Ryan, R. M., & Thøgersen‐Ntoumani, C. (2011). Psychological Need Thwarting in the Sport Context: Assessing the Darker Side of Athletic Experience. Journal of Sport and Exercise Psychology. https://doi.org/10.1123/jsep.33.1.75
- Cloître, M., Shevlin, M. E., Brewin, C. R., Bisson, J. I., Roberts, N. P., Maercker, A., et al. (2018). The International Trauma Questionnaire: development of a self‐report measure of ICD‐11 PTSD and complex PTSD. Acta Psychiatrica Scandinavica. https://doi.org/10.1111/acps.12956
- De Goede, I. H. A., Branje, S., & Meeus, W. (2008). Developmental Changes in Adolescents’ Perceptions of Relationships with Their Parents. Journal of Youth and Adolescence. https://doi.org/10.1007/s10964-008-9286-7
- Frenzel, A. C., Goetz, T., Lüdtke, O., Pekrun, R. H., & Sutton, R. E. (2009). Emotional transmission in the classroom: Exploring the relationship between teacher and student enjoyment.. Journal of Educational Psychology. https://doi.org/10.1037/a0014695
- Kane, M. J., Hambrick, D. Z., Tuholski, S. W., Wilhelm, O., Payne, T. W., & Engle, R. W. (2004). The Generality of Working Memory Capacity: A Latent-Variable Approach to Verbal and Visuospatial Memory Span and Reasoning.. Journal of Experimental Psychology General. https://doi.org/10.1037/0096-3445.133.2.189
- Marshall, S. J., & Biddle, S. (2001). The transtheoretical model of behavior change: a meta-analysis of applications to physical activity and exercise. Annals of Behavioral Medicine. https://doi.org/10.1207/s15324796abm2304_2
- Moshagen, M., Hilbig, B. E., & Zettler, I. (2018). The dark core of personality.. Psychological Review. https://doi.org/10.1037/rev0000111
- Niederkrotenthaler, T., Voracek, M., Herberth, A., Till, B., Strauss, M. J., Etzersdorfer, E., et al. (2010). Role of media reports in completed and prevented suicide: Werther v. Papageno effects. The British Journal of Psychiatry. https://doi.org/10.1192/bjp.bp.109.074633
- Roberts, S., & Pashler, H. (2000). How persuasive is a good fit? A comment on theory testing.. Psychological Review. https://doi.org/10.1037/0033-295x.107.2.358