اختبار t للعينات المستقلة مقابل اختبار t للعينات المرتبطة

يُمثّل الاستدلال الإحصائي المعلمي حجر الزاوية في الأبحاث الكمية المعاصرة، حيث يتيح للباحثين الانتقال من حيز الوصف الرقمي للبيانات المرصودة إلى فضاء التعميم العلمي الرصين على المجتمعات الأصلية. وفي هذا السياق، تبرز اختبارات الفروق، وتحديداً اختبار “ت” لستودنت (Student’s t-test)، كأحد أكثر الأدوات الاستدلالية شيوعاً وكفاءة في مقارنة المتوسطات الحسابية لتقدير ما إذا كانت الاختلافات الملاحظة تعكس تبايناً حقيقياً أم أنها مجرد نتاج للتقلبات العشوائية وخطأ المعاينة. ورغم بساطة هذا الاختبار من الناحية المفاهيمية، فإن استخدامه الدقيق يستوجب فهماً عميقاً للبنية التجريبية التي وُلدت منها البيانات.

يتوزع اختبار “ت” الكلاسيكي على مسارين منهجيين رئيسيين: اختبار “ت” للعينات المستقلة (Independent Samples t-Test) واختبار “ت” للعينات المرتبطة (Paired Samples t-Test). ينشأ هذا التمايز الجوهري من طبيعة العلاقة الرياضية والتجريبية بين الملاحظات المقاسة؛ حيث يفترض المسار الأول استقلالاً تاماً وغير مشروط بين المجموعات الخاضعة للمقارنة، في حين يبني المسار الثاني منطقه الاستدلالي على وجود اقتران أو ارتباط بنيوي بين القياسات، سواء كان ذلك ناتجاً عن تكرار القياس على نفس الأفراد عبر الزمن أو عبر مطابقة الحالات وفق متغيرات خارجية دقيقة.

إن المفاضلة الواعية بين هذين النموذجين لا تُعد ترفاً شكلياً أو تفضيلاً إجرائياً هيناً، بل هي قرار منهجي حاسم يترتب عليه تحديد مستويات الخطأ الإحصائي، وحجم القوة الاختبارية، ودقة فترات الثقة، وصولاً إلى صحة الاستنتاجات العلمية برمتها. تتناول هذه الدراسة الموسعة والتحليلية المقارنة الشاملة بين اختبار “ت” للعينات المستقلة واختبار “ت” للعينات المرتبطة، مفككة أبعادهما الرياضية، وافتراضاتهما المسبقة، وآليات التعامل مع انتهاك شروطهما، وصولاً إلى تقديم أطر عملية وشجرة قرار منهجية ترشد الباحث نحو الخيار الإحصائي الأمثل لبحثه.

1. مقدمة: الإطار المفاهيمي لاختبارات الفروق المعلمية

1.1 مدخل إلى اختبار t ودوره في الاستدلال الإحصائي

تعود الجذور التاريخية لاختبار “ت” إلى مطلع القرن العشرين، وتحديداً إلى عام 1908 حين نشر الكيميائي والإحصائي البريطاني ويليام سيلي جوسيت (William Sealy Gosset) بحثه التأسيسي تحت الاسم المستعار “Student” أثناء عمله في مصنع جينيس للجعيرة في دبلن. كان جوسيت يواجه معضلة إحصائية بالغة الأهمية: كيف يمكن استخلاص استنتاجات دقيقة حول جودة المواد الخام بالاعتماد على عينات صغيرة جداً عندما يكون الانحراف المعياري للمجتمع الأصلي ($\sigma$) غير معروف؟ تمخضت هذه المعضلة عن ابتكار توزيع “ت” (t-distribution)، الذي شكّل نقلة نوعية في تجاوز قصور الاختبار الزائي (Z-test) الذي كان يشترط معرفة تباين المجتمع الأصلي أو الاعتماد على عينات ضخمة الحجم لتبرير استخدام التقريب الطبيعي وفق نظرية النهاية المركزية.

يقوم الدور الجوهري لعائلة اختبارات “ت” في الاستدلال الإحصائي المعلمي على فحص الفرضيات المتعلقة بالفروق بين المتوسطات الحسابية. ينطلق هذا الاستدلال من مبدأ مقارنة الفرق الفعلي المرصود بين المتوسطات بالتباين المتوقع حدوثه بمحض الصدفة وحدها (والذي يمثله الخطأ المعياري). يتحدد نطاق تطبيق هذا الاختبار بوجود متغيرين محددين بدقة من حيث مستويات القياس: الأول متغير مستقل تصنيفي (ثنائي التقسيم) يتضمن مستويين فقط، والمتغير الثاني متغير تابع كمي مستمر مقاس على مقياس فتري (Interval scale) أو نسبي (Ratio scale). تكمن الوظيفة الاستدلالية هنا في توفير آلية رياضية لتعميم الفروق الملاحظة داخل عينة البحث المحدودة على المجتمع الإحصائي الأوسع، مع التحكم الصارم في احتمالية الوقوع في الاستنتاج الخاطئ.

تستمد اختبارات “ت” صفتها “المعلمية” (Parametric) من كونها تستهدف تقدير معالم محددة للمجتمعات الإحصائية (وهي المتوسطات الحسابية والتباينات)، وتستند إلى نماذج احتمالية تفترض أشكالاً توزيعية محددة للبيانات. يمنح هذا الإطار المعلمي اختبار “ت” حساسية إحصائية وقوة اختبارية متفوقة مقارنة بالبدائل اللامعلمية، شريطة تحقق الافتراضات البنيوية للاختبار. ومن ثم، فإن الممارسة الإحصائية الرصينة تتطلب إدراكاً عميقاً بأن القيمة الاحتمالية ($p\text{-value}$) المستخرجة من الاختبار ليست مجرد رقم عشوائي، بل هي دالة رياضية محكومة بدرجات الحرية وبشكل التوزيع التائي الذي يتغير تبعاً لحجم العينة المستخدمة.

1.2 دوافع المقارنة والخلط المنهجي الشائع بين الاختبارين

على الرغم من وضوح الفروق النظرية بين التصاميم المستقلة والتصاميم المرتبطة، تشهد الأدبيات العلمية المنشورة ارتباكاً متكرراً بين تطبيق اختبار “ت” للعينات المستقلة واختبار “ت” للعينات المرتبطة. ينشأ هذا الخلط المنهجي غالباً من التركيز السطحي على عدد المجموعات أو شروط جمع البيانات دون فحص البنية العميقة لـ “وحدة التحليل” (Unit of Analysis) وطبيعة مصفوفة التغاير والتباين بين الملاحظات. فعلى سبيل المثال، يقع بعض الباحثين في خطأ تصنيف بيانات دراسة تتبع مسار مجموعة من المرضى قبل التدخل العلاجي وبعده على أنها “مجموعتان” مستقلتان لمجرد وجود عمودين من الأرقام في برمجيات التحليل الإحصائي، متجاهلين أن القياسات نابعة من نفس الوحدات الحيوية.

إن التبعات الإحصائية والمنهجية لهذا الخلط وخيمة ولا تقتصر على مجرد الخطأ الشكلي. فعند استخدام اختبار العينات المستقلة لتحليل بيانات ناتجة عن تصميم قياسات متكررة، يرتكب الباحث خطأ فادحاً يتمثل في تضخيم الخطأ المعياري للفرق بين المتوسطين بصورة مصطنعة؛ إذ يفشل الاختبار المستقل في عزل التباين الفردي الداخلي (Between-subjects variability) عن تباين الخطأ التجريبي. يؤدي هذا التضخيم غير المبرر في مقام معادلة الاختبار إلى خفض قيمة $t$ المحسوبة، مما يقلل بشكل مأساوي من القوة الإحصائية (Statistical Power) ويزيد من معدل الوقوع في الخطأ من النوع الثاني (Type II Error)، أي الفشل في رصد أثر تجريبي حقيقي وموجود بالفعل في المجتمع الأصلي.

وعلى النقيض من ذلك، إذا تم استخدام اختبار العينات المرتبطة لتحليل بيانات مستمدة من مجموعتين مستقلتين حقيقة، فإن الباحث ينتهك الافتراض الأكثر قداسة في الإحصاء الرياضي وهو استقلالية الملاحظات، ويصطنع ارتباطاً زائفاً يترتب عليه تشويه جذري لدرجات الحرية ولقيمة الخطأ المعياري. وفي كثير من الحالات، قد يقود هذا الخطأ إلى تضخيم معدل الخطأ من النوع الأول (Type I Error) بمستويات تتجاوز بكثير مستوى الدلالة الاسمي المحدد ($\alpha = 0.05$)، مما يؤدي إلى رفض خاطئ للفرضية الصفرية وإعلان كشوفات علمية زائفة لا يمكن إعادة إنتاجها في الدراسات اللاحقة. تبرز هنا الحاجة الملحة لتفكيك هذه الالتباسات وإرساء معايير منهجية فاصلة تحدد متى وكيف يتم توظيف كل اختبار.

1.3 خارطة الطريق المنهجية للتقييم والمقارنة

يقتضي التناول الأكاديمي الرصين للمقارنة بين هذين الاختبارين بناء استراتيجية تقييم متعددة المستويات تتجاوز الشروح الإجرائية المبسطة. تنطلق خارطة الطريق المنهجية المعتمدة في هذا المقال من التحليل الرياضي والمفاهيمي العميق لكل اختبار على حدة، مروراً بالاستعراض المفصل لشروطهما الصارمة ومعادلاتهما الخوارزمية، وانتهاءً بوضعهما في مواجهة تحليلية مقارنة تسلط الضوء على نقاط التقاطع والافتراق.

يتناول المحور الأول تفكيك اختبار “ت” للعينات المستقلة؛ من حيث فلسفة التصميم التجريبي القائم على التباين بين المجموعات (Between-Subjects Design)، وشروط الاعتدالية، وافتراض تجانس التباين (Homogeneity of Variance). وسنناقش في هذا السياق معضلة فحص الافتراضات على مرحلتين (Two-stage testing)، موضحين كيف أن الاعتماد على اختبارات أولية مثل اختبار ليفين (Levene’s Test) لتحديد ما إذا كان يجب تطبيق اختبار ستودنت التقليدي أو تعديل ويلش (Welch’s t-test) يؤدي إلى تشويه معدل الخطأ من النوع الأول، وما يفرضه ذلك من ضرورة تبني تعديل ويلش كخيار افتراضي في الممارسة الإحصائية الحديثة.

ينتقل المحور الثاني إلى تشريح اختبار “ت” للعينات المرتبطة، مبيناً كيفية اختزال البيانات الثنائية إلى عمود وحيد من “الفروق” الفردية، وكيف تعمل هذه الآلية الرياضية على استبعاد التباين البيني واستبقاء التباين الخاص بالمعالجة التجريبية وحدها. وسنوضح بدقة الفارق بين مؤشرات حجوم الأثر، ولا سيما التمييز الدقيق بين مؤشر كوهين للأزواج ($d_z$) ومؤشرات الحجم بين المجموعات ($d_s$ أو $d_{av}$)، تفادياً لتضخيم حجوم التأثير عند إجراء الدراسات البعدية والتحليلات التلوية (Meta-analyses).

وفي المحاور الختامية، نقدم شجرة قرار استدلالية تدمج بين خصائص التصميم التجريبي، ومستوى حساسية العينة، وحجم التأثير المرصود، مع تقديم البدائل اللامعلمية المناسبة (مثل اختبار مان-ويتني واختبار ويلكوكسون) عند الانهيار غير القابل للمعالجة للافتراضات المعلمية. تُختتم الخارطة بإرشادات عملية لصياغة وكتابة النتائج وفقاً لأحدث معايير جمعية علم النفس الأمريكية (APA 7th Edition)، لتمكين الباحث من إخراج تقارير إحصائية تتسم بالدقة والشفافية العلمية المطلقة.

2. نظرة عامة على اختبار t للعينات المستقلة (Independent Samples t-Test)

2.1 التعريف النظري وطبيعة استقلالية العينات

يُعرّف اختبار “ت” للعينات المستقلة (ويُعرف أحياناً باختبار العينتين المستقلتين أو اختبار العينات غير المرتبطة) بأنه أداة استدلالية معلمية مصممة لاختبار الفرضية الصفرية القائلة بعدم وجود فرق ذي دلالة إحصائية بين متوسطي مجتمعين إحصائيين مستقلين بالاعتماد على بيانات مستمدة من عينتين عشوائيتين منفصلتين تماماً. تتجسد الفلسفة الأساسية لهذا الاختبار في “التصميم بين المجموعات” (Between-Subjects Design)، حيث يمثل كل مستجيب أو مفحوص وحدة تجريبية فريدة تنتمي حصراً إلى إحدى المجموعتين دون أي احتمالية للتداخل أو الانتماء المزدوج.

تعني استقلالية المجموعات، من الناحية الرياضية ونظرية الاحتمالات، أن الاحتمال المشترك لاختيار أي مفردة في المجموعة الأولى ومفردة أخرى في المجموعة الثانية يساوي حاصل ضرب احتمالاتهما المنفصلة. وبتعبير إجرائي، فإن الاستجابة الصادرة عن أي فرد في المجموعة (أ) لا تؤثر ولا تتأثر بأي شكل من الأشكال، مباشرة أو غير مباشرة، بالاستجابة الصادرة عن أي فرد في المجموعة (ب)، كما لا توجد أي رابطة بنيوية أو وراثية أو زمنية تجمع بين أفراد المجموعتين. تتجلى هذه الاستقلالية في التطبيقات العملية النموذجية مثل مقارنة درجات التحصيل الأكاديمي بين عينة من الذكور وأخرى من الإناث، أو قياس كفاءة استجابة بيولوجية بين عينة ضابطة تتلقى دواءً وهمياً (Placebo) وعينة تجريبية تتلقى عقاراً مبتكراً، شريطة أن يكون توزيع الأفراد على هاتين المجموعتين قد خضع لآلية التعشية الصارمة (Random Assignment).

تتم صياغة الفرضيات الإحصائية في اختبار العينات المستقلة بدقة متناهية؛ حيث تفترض الفرضية الصفرية ($H_0$) أن الفرق بين متوسط المجتمع الأول ($\mu_1$) ومتوسط المجتمع الثاني ($\mu_2$) يساوي صفراً، أي:

$$H_0: \mu_1 – \mu_2 = 0$$

وفي المقابل، تؤكد الفرضية البديلة ثنائية الاتجاه ($H_1$) وجود فرق حقيقي دال إحصائياً بين المتوسطين في المجتمع الأصلي بصرف النظر عن اتجاه هذا الفرق:

$$H_1: \mu_1 – \mu_2 \neq 0$$

أما في الحالات التي تستند فيها الدراسة إلى تنبؤ نظري موجه، فتُصاغ الفرضية البديلة أحادية الاتجاه لافتراض تفوق أحد المتوسطين على الآخر تحديداً ($\mu_1 > \mu_2$ أو $mu_1 < mu_2$).

2.2 الافتراضات الإحصائية والشروط المسبقة للاختبار

لكي تحافظ نتائج اختبار “ت” للعينات المستقلة على صدقها الاستدلالي، يجب أن تفي مصفوفة البيانات بمجموعة صارمة من الافتراضات الإحصائية المعلمية. يمثل مستوى القياس الشرط الأول؛ حيث يجب أن يكون المتغير التابع كمياً مستمراً (مقاساً على مقياس فتري أو نسبي)، مما يسمح بحساب المتوسط الحسابي والانحراف المعياري بصورة ذات معنى رياضي. أما الشرط الثاني فيتمثل في استقلالية الملاحظات (Independence of Observations)، وهو افتراض تصميمي بالغ الحساسية لا يقبل المعالجة الرياضية البعدية؛ فإذا كان هناك تواصل بين المفحوصين، أو إذا جُمعت البيانات في صورة عناقيد مترابطة، فإن الاختبار يفقد مصداقيته بالكامل ويتضخم خطأ المعاينة بشكل حاد.

يتعلق الافتراض الثالث بـ اعتدالية التوزيع (Normality) للمتغير التابع في كلتا المجموعتين داخل المجتمعين الأصليين. يُقاس هذا الافتراض عادة من خلال اختبارات الدلالة مثل اختبار شابيرو-ويلك (Shapiro-Wilk) أو اختبار كولموجوروف-سميرنوف (Kolmogorov-Smirnov)، مدعومة بالمؤشرات الوصفية للالتواء (Skewness) والتفرطح (Kurtosis) والمخططات البيانية مثل مخطط الـ Q-Q. ومع ذلك، يتميز اختبار “ت” بمتانة معقولة (Robustness) ضد انتهاك الاعتدالية بفضل نظرية النهاية المركزية (Central Limit Theorem)، شريطة أن تكون أحجام العينات كبيرة كفاية (عادة $N_1, N_2 ge 30$) وألا تكون البيانات متطرفة الالتواء وخالية من القيم الشاذة الحادة.

أما الافتراض الرابع والأكثر إثارة للجدل المنهجي فهو تجانس التباين (Homogeneity of Variance أو Homoscedasticity)، والذي يفترض أن تباين درجات المجتمع الأول مساوٍ لتباين درجات المجتمع الثاني ($\sigma_1^2 = \sigma_2^2$). جرى العرف الأكاديمي لعقود على اختبار هذا الشرط باستخدام اختبار ليفين (Levene’s Test)، حيث يتم الاستمرار في استخدام اختبار “ت” التقليدي إذا كانت قيمة $p$ غير دالة، والتحول إلى اختبار ويلش إذا كانت دالة. بيد أن الأبحاث الإحصائية الحديثة أثبتت بما لا يدع مجالاً للشك أن هذا “الفحص على مرحلتين” (Two-stage testing) يشوه معدلات الخطأ من النوع الأول ويزيد من عدم استقرار النتائج. فالاعتماد على نتيجة اختبار ليفين المشروطة يغير من فضاء الاحتمالات اللاحق، مما دفع كبار المنهجيين إلى التوصية باعتماد اختبار ويلش التائي كخيار افتراضي أولي ودائم، نظراً لأنه يحافظ على قوة الاختبار ومعدل الخطأ الاسمي بدقة بالغة سواء تساوت التباينات أو تباينت بشدة.

2.3 الصيغة الرياضية ودرجات الحرية

تتأسس الصيغة الرياضية الكلاسيكية لاختبار “ت” للعينات المستقلة عند تساوي التباين على قياس النسبة بين الفرق الفعلي الملاحظ بين متوسطي العينتين ($\bar{X}_1 – \bar{X}_2$) والخطأ المعياري التقديري لهذا الفرق. تتخذ المعادلة الشكل الآتي:

$$t = \frac{\bar{X}_1 – \bar{X}_2}{S_{\bar{X}_1 – \bar{X}_2}}$$

حيث يمثل المقام الخطأ المعياري المشترك، والذي يُشتق عبر حساب ما يُعرف بـ “التباين المجمّع” (Pooled Variance، ويرمز له بـ $S_p^2$). يمثل التباين المجمّع متوسطاً مرجحاً لتبايني العينتين مستنداً إلى درجات الحرية في كل مجموعة، ويُحسب وفق العلاقة:

$$S_p^2 = \frac{(n_1 – 1)S_1^2 + (n_2 – 1)S_2^2}{n_1 + n_2 – 2}$$

وبناءً عليه، يُحسب الخطأ المعياري للفرق بين المتوسطين بالمعادلة التالية:

$$S_{\bar{X}_1 – \bar{X}_2} = \sqrt{S_p^2 \left(\frac{1}{n_1} + \frac{1}{n_2}\right)}$$

تتحدد درجات الحرية (Degrees of Freedom – $df$) في الحالة القياسية عبر جمع درجات الحرية المتاحة في كل عينة على حدة، وتساوي إجمالي عدد أفراد العينتين مطروحاً منه اثنان (لأننا نقدر معلمتين هما متوسطا المجتمعين):

$$df = n_1 + n_2 – 2$$

وفي الحالة المعاصرة التي يُنصح بها عالمياً لتجاوز مشكلة عدم تجانس التباينات، يُطبق تعديل ويلش (Welch’s t-test). في هذا التعديل، لا يتم تجميع التباينات، بل يُحسب الخطأ المعياري باستخدام التباينات الفردية وأحجام العينات لكل مجموعة بشكل منفصل تماماً:

$$t’ = \frac{\bar{X}_1 – \bar{X}_2}{\sqrt{\frac{S_1^2}{n_1} + \frac{S_2^2}{n_2}}}$$

ويقترن هذا التعديل بتعديل مكافئ لدرجات الحرية وفق معادلة ويلش-ساترثويت (Welch–Satterthwaite equation)، والتي تؤدي عادة إلى خفض درجات الحرية وتوليد قيم كسرية غير صحيحة، مما يعكس بدقة التقدير التحفظي لخطأ المعاينة في ظل عدم تجانس التشتت بين المجموعتين.

3. نظرة عامة على اختبار t للعينات المرتبطة (Paired Samples t-Test)

3.1 المفهوم الإحصائي للقياسات المتكررة والأزواج المتطابقة

يستند اختبار “ت” للعينات المرتبطة (المعروف أيضاً باختبار الأزواج التائية أو اختبار العينات التابعة Dependent Samples t-test) إلى فلسفة تجريبية وإحصائية مغايرة تماماً، محورها وجود علاقة ارتباط بنيوية مسبقة ومقصودة بين أزواج الملاحظات الخاضعة للتحليل. لا يتعامل هذا الاختبار مع كيانين منفصلين، بل يفحص التغير أو التمايز الواقع داخل نفس الكيان عبر الزمن أو بين كيانين متطابقين وظيفياً وبنيوياً. ينتمي هذا الإجراء في جوهره إلى “التصميم داخل المجموعة الواحدة” (Within-Subjects Design) أو “تصميم القياسات المتكررة” (Repeated Measures Design).

يتجلى الشكل الكلاسيكي الأكثر انتشاراً لهذا الاختبار في سيناريو “القياس القبلي والبعدي” (Pre-test / Post-test)؛ حيث يُقاس المتغير التابع لدى عينة من المفحوصين قبل إدخال متغير تجريبي أو برنامج تدريبي معين، ثم يُعاد قياس المتغير التابع نفسه لدى نفس الأفراد تماماً بعد انتهاء المعالجة. كما يمتد هذا المفهوم ليشمل تصميم “الأزواج المتطابقة” (Matched Pairs)؛ حيث يتم انتقاء فردين مختلفين وتزويجهما في التحليل بناءً على تطابقهما التام في متغيرات خارجية حيوية قد تؤثر على النتائج (مثل مطابقة الأفراد حسب العمر، ومستوى الذكاء، والحالة الاقتصادية)، أو كما هو شائع في أبحاث التوائم المتماثلة (Identical Twins) ودراسات مقارنة العين المصابة بالعين السليمة لدى نفس المريض في طب العيون.

تتمحور الفرضية الصفرية ($H_0$) في اختبار العينات المرتبطة حول القيمة المتوقعة لمتوسط الفروق الفردية بين الأزواج ($\mu_D$). تفترض الفرضية الصفرية أن متوسط هذه الفروق في المجتمع الأصلي يساوي صفراً، معبرة عن ذلك رياضياً بالصيغة:

$$H_0: \mu_D = 0$$

حيث يمثل $D$ حاصل طرح القياس الأول من القياس الثاني لكل زوج ($D_i = X_{2i} – X_{1i}$). وتفترض الفرضية البديلة ثنائية الاتجاه ($H_1$) أن متوسط الفروق ينحرف جوهرياً عن الصفر:

$$H_1: \mu_D \neq 0$$

وهذا التحول المفاهيمي يحيل الاختبار فعلياً من مقارنة بين مجتمعين مستقلين إلى اختبار “ت” لعينة واحدة (One-Sample t-test) تُجرى على عمود مستحدث يمثل فروق الدرجات، وتُقارن قيمته بمتوسط نظري مرجعي مقداره صفر.

3.2 الافتراضات الإحصائية الخاصة باختبار الأزواج

تتميز الشروط المسبقة لتطبيق اختبار “ت” للعينات المرتبطة بطبيعة فريدة تميزها عن نظيرتها في اختبار العينات المستقلة، وتنبع في مجملها من حقيقة أن التحليل يركز على الفروق وليس على الدرجات الخام. يتمثل الشرط الأول في مستوى القياس، حيث يلزم أن تكون درجات الفروق ($D$) مقاسة على مستوى كمي مستمر (فتري أو نسبي)، مما يعطي معنى رياضياً لحساب تباين الفروق ومتوسطها.

أما الافتراض الثاني والحاسم فهو اعتدالية درجات الفروق (Normality of Difference Scores). يقع كثير من الباحثين في خطأ منهجي شائع بفحص اعتدالية درجات القياس القبلي بمفردها ثم درجات القياس البعدي بمفردها، وتقرير عدم صلاحية الاختبار إذا كان أحدهما أو كلاهما غير معتدل. والصواب الإحصائي الصارم هو أن التوزيع الطبيعي مطلوب حصراً لعمود درجات الفروق الناتجة عن الطرح ($D = X_2 – X_1$)؛ فمن الممكن رياضياً تماماً أن يكون توزيع درجات القياس القبلي ملتوياً وتوزيع القياس البعدي ملتوياً أيضاً، في حين تتوزع الفروق الناتجة بينهما توزيعاً طبيعياً تاماً ومتناظراً، مما يفي بالافتراض المعلمي بصورة كاملة. يُفحص هذا التوزيع باستخدام اختبار شابيرو-ويلك لمصفوفة الفروق ومخططات الاحتمال الطبيعي.

يتعلق الافتراض الثالث بـ استقلالية أزواج الملاحظات. ورغم أن هذا الشرط قد يبدو متناقضاً للوهلة الأولى مع فكرة “العينات المرتبطة”، إلا أن المقصود به هو أن الرابطة أو الاقتران مسموح ومطلوب بين قياسي الزوج الواحد (داخل النقطتين)، لكن يجب أن تظل الأزواج مستقلة استقلالاً تاماً عن بعضها البعض. فدرجة تحسن المريض (أ) يجب ألا تعتمد بأي شكل على درجة تحسن المريض (ب) أو ترتبط بها. وأخيراً، يسقط في اختبار العينات المرتبطة افتراض تجانس التباين بين القياسين؛ إذ لا يشترط الاختبار تساوي تباين القياس القبلي مع تباين القياس البعدي، لأن المتغير الخاضع للنمذجة هو التباين الداخلي لعمود الفروق فقط.

3.3 الآلية الحسابية واختزال التباين البيني

تعتمد الآلية الحسابية لاختبار “ت” للأزواج على تقليص مصفوفة البيانات ثنائية الأبعاد (قياسان لكل فرد) إلى متجه أحادي البعد يتألف من الفروق الفردية ($D_i$). يتم أولاً حساب الفرق لكل مفحوص من خلال المعادلة:

$$D_i = X_{2i} – X_{1i}$$

ثم يُستخرج متوسط هذه الفروق الحسابية ($\bar{D}$) بقسمة مجموع الفروق على عدد الأزواج الإجمالي ($N$):

$$\bar{D} = \frac{\sum D_i}{N}$$

تأتي بعد ذلك خطوة حساب الانحراف المعياري لدرجات الفروق ($S_D$)، وهو مقياس لمدى تشتت الفروق الفردية حول متوسطها الحسابي:

$$S_D = \sqrt{\frac{\sum (D_i – \bar{D})^2}{N – 1}}$$

وبناءً على هذا الانحراف، يُشتق الخطأ المعياري لمتوسط الفروق ($S_{\bar{D}}$) بقسمة الانحراف المعياري على الجذر التربيعي لعدد الأزواج:

$$S_{\bar{D}} = \frac{S_D}{\sqrt{N}}$$

تتكامل هذه المكونات في الصيغة النهائية لحساب قيمة $t$، والتي تمثل قسمة متوسط الفروق المرصود على خطئه المعياري:

$$t = \frac{\bar{D} – \mu_{D_0}}{S_{\bar{D}}} = \frac{\bar{D}}{\frac{S_D}{\sqrt{N}}}$$

حيث تُعوض القيمة المرجعية للفرضية الصفرية ($\mu_{D_0}$) بصفر دائماً.

تتجلى العبقرية الرياضية في هذا الإجراء في قدرته التلقائية على استبعاد “التباين بين الأفراد” (Between-Subjects Variability). في التصاميم المستقلة، يشمل الخطأ المعياري الفروق الفردية الطبيعية في الذكاء، والاستعداد البيولوجي، والمهارات الشخصية بين المجموعتين. أما في الاختبار المرتبط، وبما أن كل فرد يمثل شاهداً أو ضابطاً لنفسه، فإن هذه الخصائص الفردية الثابتة تُطرح تلقائياً عند حساب ($D_i$). يترتب على هذا التحييد انخفاض هائل في تباين الخطأ التجريبي، مما يقلص قيمة المقام ($S_{\bar{D}}$) بصورة ملحوظة ويدفع قيمة $t$ المحسوبة نحو الصعود، كاشفاً عن أدق التأثيرات التجريبية. وتتحدد درجات الحرية في هذا الاختبار بناءً على عدد الأزواج الكلي مطروحاً منه واحد:

$$df = N – 1$$

حيث يمثل $N$ عدد الأزواج وليس عدد الملاحظات الكلية، مما يعكس حقيقة أن وحدة المعاينة والاستدلال هنا هي الزوج كاملاً.

4. الفروق الجوهرية بين الاختبارين: أبعاد المقارنة الشاملة

4.1 تصميم البحث ووحدة المعاينة التجريبية

يتمحور التمايز الجذري الأول بين الاختبارين حول الهيكلية المعمارية للتصميم التجريبي المعمول به، والتي تحدد بدورها ما يُعرف بـ “وحدة المعاينة” أو “وحدة التحليل”. في اختبار “ت” للعينات المستقلة، يستند البناء البحثي إلى تصميم المقارنة بين المجموعات (Between-Subjects Factorial)، وتكون وحدة المعاينة فيه هي الفرد المفرد المستقل؛ فإذا اشتملت الدراسة على 60 مشاركاً، فهناك 60 وحدة تحليل منفصلة موزعة بالتساوي (أو بنسب غير متساوية) على مجموعتين مستقلتين تجريبياً. ترتكز جودة هذا التصميم على فعالية التعشية العشوائية في ضبط المتغيرات الدخيلة وتوزيع الخصائص المربكة بالتساوي التام عبر المجموعات.

في المقابل، يقوم اختبار “ت” للعينات المرتبطة على تصميم القياسات المتكررة داخل المجموعة الواحدة (Within-Subjects Design)، وتتحول فيه وحدة التحليل الإحصائي من الفرد المنفرد إلى “الزوج المقترن” أو “الكيان الخاضع للرصد المزدوج”. في دراسة تتضمن 30 فرداً خضعوا لاختبار قبلي وبعدي، هناك 60 قياساً خاماً مسجلاً، لكن وحدة التحليل الفعلية هي 30 زوجاً استدلالياً فقط. يتحقق الضبط التجريبي هنا ليس عبر العزل والتعشية البينية، بل عبر التحييد الرياضي المسبق للفروق الفردية الكامنة؛ فالخصائص الوراثية والشخصية والمعرفية للمستجيب تظل ثابتة ومقيدة بدقة في كلا القياسين، مما يحول الفرد ذاته إلى نقطة مرجعية متجانسة تقيس أثر المتغير المستقل حصراً.

4.2 القوة الإحصائية وحجم الخطأ المعياري

تمثل القوة الإحصائية (Statistical Power) — وهي احتمالية رفض الفرضية الصفرية عندما تكون خاطئة حقاً في الواقع ($1 – beta$) — الميدان الذي تتجلى فيه أعمق الفروق بين النموذجين. لفهم هذا التفوق الرياضي، يجب تحليل العلاقة الرابطة بين صيغة الخطأ المعياري في الاختبار المرتبط والخطأ المعياري في الاختبار المستقل. من منظور رياضي بحت، يمكن التعبير عن تباين الفروق في العينات المرتبطة بالصيغة التوسعية التالية:

$$\sigma_D^2 = \sigma_1^2 + \sigma_2^2 – 2\rho\sigma_1\sigma_2$$

حيث تمثل $rho$ (رو) معامل الارتباط الخطي بين القياسين المقترنين. يكشف هذا التفكيك الرياضي عن سر القوة الفائقة للاختبار المرتبط: ففي اختبار العينات المستقلة، وبما أن المجموعتين منفصلتان تماماً، فإن معامل الارتباط يكون معدوماً بصورة بديهية ($rho = 0$)، مما يجعل تباين الفرق مساوياً لمجموع التباينين فقط ($\sigma_1^2 + \sigma_2^2$).

أما في اختبار العينات المرتبطة، وحيث إن قياسات نفس الأفراد أو الأزواج المتطابقة غالباً ما ترتبط ببعضها ارتباطاً طردياً إيجابياً وقوياً ($rho > 0$)، فإن الحد الطرحي ($-2\rho\sigma_1\sigma_2$) يعمل كممتص هيدروليكي يقتطع قسماً هائلاً من التباين الكلي. يؤدي هذا التناقص الحاد في تباين الفروق إلى تقليص الخطأ المعياري في المقام بشكل ملموس، مما يفضي إلى تضخيم قيمة $t$ الإحصائية وتسهيل عبورها لحاجز القيمة الحرجة، وبالتالي تعزيز القوة الإحصائية لرصد الفروق الطفيفة حتى مع استخدام أحجام عينات صغيرة الحجم، مقارنة بالاختبار المستقل الذي يتطلب أحجاماً مضاعفة للوصول إلى نفس المستوى من الحساسية.

4.3 متطلبات حجم العينة والتعامل مع البيانات المفقودة

تنعكس الفروق المنهجية السابقة بصورة مباشرة على حجم العينة المطلوب لبلوغ قوة اختبارية مقبولة (مثل $1 – \beta = 0.80$). في التصميم المستقل، ولتشتت التباين بين مجموعتين مختلفتين، يحتاج الباحث عادة إلى عدد إجمالي من المشاركين يفوق بكثير ما يتطلبه التصميم المرتبط لتحقيق نفس حجم الأثر العملي؛ فإذا بينت معادلات تحليل القوة البعدية (Power Analysis عبر G*Power مثلاً) الحاجة إلى 64 مشاركاً في كل مجموعة مستقلة (إجمالي 128 فرداً)، فإن التصميم المرتبط قد يكتفي في كثير من السيناريوهات بنحو 30 إلى 40 زوجاً فقط للحصول على دقة استدلالية متكافئة نظراً لوجود ارتباط داخلي قوي بين القياسين.

على صعيد آخر، يفرض الاختباران آليات متباينة للغاية في المرونة والتعامل مع البيانات المفقودة (Missing Data). يتمتع اختبار “ت” للعينات المستقلة بمرونة تشغيلية ملحوظة حيال عدم تكافؤ حجم المجموعتين؛ فمن الممكن إحصائياً تطبيقه بنجاح وموثوقية تامة حتى لو احتوت المجموعة الأولى على 50 مفحوصاً واحتوت المجموعة الثانية على 35 مفحوصاً فقط، شريطة استخدام صيغة تعديل ويلش لضبط عدم استقرار التباينات المشتركة.

في المقابل التام، يظهر اختبار “ت” للعينات المرتبطة حساسية مفرطة وهشاشة هيكلية أمام معضلة الفقد؛ حيث يشترط الاختبار اقتراناً رياضياً متكاملاً لكل زوج. فإذا تغيب مفحوص عن جلسة القياس البعدي بعد حضوره للقياس القبلي، تفقد الخوارزمية الحسابية قدرتها على استخراج درجة الفرق ($D_i$)، مما يفرض استبعاد الزوج كاملاً من التحليل وفق بروتوكول الحذف القائم على القوائم (Listwise Deletion). لا تؤدي هذه العملية إلى خسارة في القوة الإحصائية وحسب، بل تفتح الباب على مصراعيه لظهور تحيز المعاينة غير المباشر (Attrition Bias)، في حال كان فقدان البيانات نابعاً من أسباب ترتبط بطبيعة المعالجة التجريبية ذاتها.

4.4 أخطاء القياس والتأثيرات الخارجية

تتجاوز المقارنة بين الاختبارين الحسابات الرقمية لتشمل مصادر التهديد التي تحيط بـ “الصدق الداخلي” (Internal Validity) للتصميم التجريبي. ففي اختبار “ت” للعينات المرتبطة القائم على القياسات المتكررة، يواجه الباحث جملة من التأثيرات الخارجية المنهجية المزعجة، مثل أثر الممارسة أو التعلم (Practice or Testing Effects)؛ حيث يميل أداء المشارك في القياس البعدي إلى التحسن ببساطة نتيجة لألفته السابقة مع طبيعة الاختبار وتكرار مواجهته لبنوده، وليس بفعل التدخل التجريبي ذاته. كما تبرز تهديدات الإرهاق والملل (Fatigue Effects) أو النضج الزمني والبيولوجي الطبيعي للمشاركين (Maturation) وخاصة في الدراسات التتبعية، فضلاً عن تأثيرات الانتقال والتسرب المعرفي (Carryover Effects).

في المقابل، يتحصن اختبار “ت” للعينات المستقلة تحصيناً مطلقاً ضد هذه التأثيرات التكرارية والتعاقبية؛ إذ لا يمر أي مشارك بالمعالجة أو الملاحظة إلا لمرة واحدة فقط، مما يمنع انتقال الخبرة من جلسة إلى أخرى. غير أن الاختبار المستقل يدفع ثمناً باهظاً في المقابل يتمثل في تعرضه الدائم لخطر تحيز الاختيار (Selection Bias) وعدم التكافؤ المسبق بين المجموعتين. فإذا فشلت إجراءات التعشية في تحقيق التوازن التام، فقد تعود الفروق الإحصائية المكتشفة بين المجموعتين إلى فروق كامنة سابقة على التجربة (مثل تفاوت الفئات العمرية أو الدوافع الشخصية) وليس إلى أثر المتغير المستقل.

تؤثر هذه الديناميكيات التصميمية بشكل بنيوي على التوازن بين معدلات الخطأ الإحصائي؛ فبينما يقلل الاختبار المرتبط من الخطأ من النوع الثاني على حساب مخاطر مهددات الصدق الداخلي المرتبطة بالتكرار، يوفر الاختبار المستقل صدقاً داخلياً متيناً من جهة تحييد آثار التدريب والتسرب، لكنه يضحي أحياناً بفرصة اكتشاف التأثيرات الصغيرة بسبب التباين الفردي، مما يرفع احتمالية الخطأ من النوع الثاني ما لم يتوفر حجم عينة كافٍ للغاية.

5. أوجه التشابه ونقاط الالتقاء المنهجية

5.1 المرجعية المعلمية وتوزيع ستودنت الاحتمالي

رغم التباينات الهيكلية العميقة في الفلسفة التصميمية والآلية الحسابية، يشترك الاختباران في التزامهما التام بنظرية الاستدلال المعلمي واستنادهما الرياضي المشترك إلى توزيع ستودنت التائي (Student’s t-distribution). هذا التوزيع النظري المتناظر يشبه في شكله الظاهري التوزيع الطبيعي المعياري ($Z$)، لكنه يتميز عنه بذيول أثقل وتفرطح أقل ارتفاعاً (Leptokurtic tails)، وتتسع ذيوله أو تضيق تبعاً لدرجات الحرية المعطاة. فكلما انخفضت درجات الحرية، زادت كثافة المساحة تحت الذيول لتعويض حالة عدم اليقين المتزايدة الناجمة عن تقدير الانحراف المعياري للمجتمع من واقع بيانات عينة متواضعة الحجم.

يتطابق الاختباران في الهدف الاستدلالي النهائي: كلاهما يسعى بدقة إلى الإجابة عن سؤال محدد لا يتغير: “هل المتوسط الأول يختلف عن المتوسط الثاني بدرجة تتجاوز احتمال الصدفة البحتة؟” ولا يمكن لأي من الاختبارين تجاوز هذه المقارنة الثنائية؛ فهما عاجزان تماماً عن معالجة ثلاثة متوسطات حسابية أو أكثر في معادلة واحدة، حيث يستوجب الانتقال التعددي اللجوء إلى عائلة تحليلات التباين (ANOVA). وعلاوة على ذلك، يشترط كلا النموذجين أن يكون المتغير التابع متصلاً كمياً، بحيث يظل مفهوم المتوسط الحسابي والانحراف المعياري محتفظاً بدلالته الرياضية السليمة داخل النموذج الاستدلالي.

5.2 تفسير حجم الأثر ومستويات الدلالة الإحصائية

يتطابق الاختباران في اعتمادهما على منطق اتخاذ القرار الإحصائي الموحد القائم على مقارنة القيمة الاحتمالية المحسوبة ($p\text{-value}$) بمستوى الدلالة المعياري المحدد مسبقاً (مستوى ألفا $\alpha = 0.05$ أو $0.01$). كما تشترك الإجراءات في فلسفة بناء وتفسير فترات الثقة (Confidence Intervals) لفروق المتوسطات؛ حيث تمثل فترة الثقة بنسبة 95% النطاق المتوقع الذي يضم الفرق الحقيقي بين المتوسطين في المجتمع الأصلي بدرجة يقين إحصائية محددة، ويعمل خلو هذه الفترة من القيمة “صفر” كدليل قاطع على وجود دلالة إحصائية عند نفس مستوى ألفا.

وعلى مستوى الدلالة العملية، يلتقي الاختباران في توظيف مؤشرات قياس حجم الأثر الموحدة، وعلى رأسها مؤشر “د كوهين” (Cohen’s d)، لفك الارتهان المنهجي بحجم العينة والتمييز بين المعنوية الإحصائية والمعنوية التطبيقية. غير أن نقطة الالتقاء هذه تخفي وراءها تفصيلاً رياضياً خطيراً يمثل أحد أكبر مصادر الخلل في أبحاث التحليل التلوي (Meta-analysis):

في اختبار العينات المستقلة، يُحسب حجم الأثر عادة عبر مقارنة الفرق بين المتوسطين بالانحراف المعياري المجمّع ($d_s$)، أو باستخدام الانحراف المعياري للمجموعة الضابطة كمقياس مرجعي خالص (Glass’s $\Delta$):

$$d_s = \frac{\bar{X}_1 – \bar{X}_2}{S_p}$$

أما في اختبار العينات المرتبطة، فإن الباحثين يعتمدون بصورة شائعة وسريعة على الصيغة المباشرة المستخرجة من مخرجات الحزم الإحصائية:

$$d_z = \frac{\bar{D}}{S_D} = \frac{t}{\sqrt{N}}$$

يكمن الخطر المنهجي المحقق هنا في أن $d_z$ ليس مؤشراً قابلاً للمقارنة المباشرة مع $d_s$؛ لأن $d_z$ يتأثر طردياً بقوة الارتباط الداخلي ($rho$) بين القياسين. فكلما ارتفع الارتباط الداخلي، تضاءل الانحراف المعياري للفروق ($S_D$)، مما يؤدي إلى تضخيم قيمة $d_z$ بشكل مصطنع ومرتفع جداً. إن خلط الباحثين والناشرين بين $d_z$ ومؤشر الحجم المعياري بين المجموعات دون توضيح حسابي صريح يؤدي إلى تضخيم كارثي في تقديرات حجوم التأثير عند تجميع الدراسات لاحقاً في التحليلات البعدية الشاملة. ولتجنب هذا التشوه التلوي، يُوصي علماء القياس المعاصرون بحساب حجم الأثر في العينات المرتبطة بالاستناد إلى متوسط الانحرافات المعيارية للدرجات الخام الأصلية ($d_{av}$) عند الرغبة في مقارنة النتائج مع تصاميم مستقلة:

$$d_{av} = \frac{\bar{X}_1 – \bar{X}_2}{\frac{S_1 + S_2}{2}}$$

إن إدراك هذا التمييز الدقيق بين $d_z$ و $d_{av}$ يعكس النضج المنهجي في تقييم حجوم الآثار وعدم الانجراف وراء المخرجات الرقمية السطحية للبرمجيات الإحصائية.

6. متى يُستخدم كل اختبار: معايير الاختيار والتطبيق العملي

6.1 شجرة القرار المنهجي لحسم نوع الاختبار

يمثل تحديد الاختبار الإحصائي المناسب خطوة مفصلية تتطلب تفكيراً خوارزمياً منهجياً يستند إلى بنية الدراسة والبيانات المتاحة. تتلخص معايير الحسم في تتبع سلسلة من التساؤلات المنهجية المتدرجة التي تشكل ما يمكن تسميته بـ “شجرة القرار الاستدلالي”:

المعيار الأول: طبيعة العلاقة بين مصادر البيانات. يبدأ الباحث بطرح السؤال التأسيسي: هل الملاحظات المقاسة في المجموعة الأولى مستقلة تماماً وبيولوجياً وفيزيائياً عن الملاحظات في المجموعة الثانية؟ إذا كانت الإجابة نعم (أفراد مختلفون لا تجمعهم رابطة، وُزعوا عشوائياً)، فإن المسار يقود مباشرة وبشكل قاطع نحو اختبار t للعينات المستقلة. أما إذا كانت البيانات مستقاة من نفس الأفراد عبر نقاط زمنية متباينة، أو من أفراد مختلفين ولكنهم خضعوا لمطابقة زوجية مسبقة، فإن المسار يتجه حتماً نحو اختبار t للعينات المرتبطة.

المعيار الثاني: التقييم النقدي لمخاطر الآثار التعاقبية. إذا كان تصميم الدراسة يسمح بالاختيار بين التصميمين نظرياً، يجب تقييم ما إذا كان تعريض نفس المشارك لظروف تجريبية متكررة سيخلق تلوثاً في الاستجابة ناتجاً عن أثر الممارسة، أو الإعياء، أو التحسس الفكري لفرضية البحث. فإذا كانت المهددات مرتفعة وغير قابلة للضبط عبر تقنيات الموازنة التقاطعية (Counterbalancing)، يصبح تفضيل التصميم المستقل إلزامياً لحماية الصدق الداخلي للبحث، حتى وإن كان ذلك على حساب متطلبات حجم العينة الإجمالي.

المعيار الثالث: تقييم كفاءة العينة والقيود الميدانية. في الحالات التي تكون فيها العينات شحيحة وصعبة المنال للغاية (كالأمراض النادرة أو النخب الإدارية والرياضية العليا)، يفرض الاقتصاد المنهجي اختيار تصميم العينات المرتبطة للاستفادة القصوى من القوة الإحصائية الكامنة في تحييد الفروق الفردية وتقليل حجم المعاينة المطلوب. ويُشترط في هذه الحالة توفر ضمانات ميدانية صارمة بعدم فقدان الأفراد بين جلستي القياس لتلافي مشكلة الحذف التام للبيانات الناقصة.

6.2 سيناريوهات تطبيقية ونماذج بحثية واقعية

لتجسيد هذه المعايير في سياقات علمية حية، نستعرض النماذج التطبيقية المعيارية الآتية:

السيناريو الأول (استخدام اختبار العينات المستقلة): باحث في علم الصيدلة الإكلينيكية يجري تجربة منضبطة معشاة (RCT) لتقييم كفاءة خافض جديد لضغط الدم مقارنة بالدواء المرجعي التقليدي. قُسم 80 مريضاً مصاباً بارتفاع ضغط الدم عشوائياً إلى مجموعتين متساويتين ($n_1 = 40, n_2 = 40$). تلقت المجموعة الأولى العقار الجديد بينما تلقت الثانية الدواء المرجعي لثمانية أسابيع. يُقاس المتغير التابع (ضغط الدم الانبساطي) في نهاية الأسبوع الثامن. هنا، لا توجد أي علاقة اقتران أو مشاركة بين المرضى في المجموعتين؛ الملاحظات مستقلة، ووحدة التحليل فردية، واستخدام اختبار t للعينات المستقلة هو الخيار العلمي الوحيد المتطابق مع المنطق التجريبي.

السيناريو الثاني (استخدام اختبار العينات المرتبطة): باحث في علم النفس العصبي يرغب في قياس تأثير الحرمان من النوم لمدة 24 ساعة على سرعة الاستجابة الحركية-البصرية. اختيرت عينة من 25 طالباً جامعياً، وطُلب منهم إنجاز مهمة استجابة دقيقة على الحاسوب بعد ليلة نوم طبيعية (القياس القبلي)، ثم أُعيد تطبيق نفس المهمة على نفس الطلاب الـ 25 أنفسهم تماماً بعد سهر متواصل لمدة 24 ساعة (القياس البعدي). نظراً لأن كل مشارك يُقارن بأدائه الأساسي الذاتي، فإن المتغير التابع المقاس يمثل قياسات متكررة على نفس الوحدات الحيوية، مما يجعل اختبار t للعينات المرتبطة هو التحليل الرياضي الحصري الدقيق.

السيناريو الثالث الإشكالي (دراسات الحالات والشواهد المتطابقة Matched Case-Control): باحث في علم الاجتماع الجنائي يقارن بين 30 سجيناً من مرتكبي الجرائم المالية و30 فرداً من غير السجناء لقياس نزعة الاندفاعية السلوكية. لتجنب المتغيرات المربكة، طابق الباحث كل سجين بشخص غير سجين يشبهه تماماً في: العمر بالسنوات، ومستوى التحصيل الأكاديمي، والدخل المالي السنوي السابق. يقع باحثون كثر في فخ معاملة هذه البيانات كعينات مستقلة استناداً إلى أن السجناء أشخاص مختلفون جسدياً عن غير السجناء. هذا خطأ فادح؛ فإجراء المطابقة المصطنعة قد كسر استقلالية الملاحظات وأوجد ارتباطاً ترابطياً بين البيانات عبر متغيرات المطابقة، مما يوجب تحليل الفروق باستخدام اختبار t للعينات المرتبطة، معاملين كل سجين وقرينه كزوج إحصائي موحد.

6.3 البدائل اللامعلمية عند فشل الافتراضات

عندما تظهر الفحوص الاستكشافية انتهاكاً جسيماً للافتراضات المعلمية الصارمة — وخاصة انعدام التوزيع الطبيعي مع صغر أحجام العينات، أو احتواء البيانات على قيم متطرفة شاذة لا يمكن تبرير حذفها أو استبدالها — تصبح اختبارات “ت” التقليدية أدوات مضللة تولد معدلات خطأ غير منضبطة. في هذه الحالة، يتوجب على الباحث الانعطاف نحو التحليلات الرتبية اللامعلمية المقابلة:

البديل اللامعلمي الكلاسيكي لاختبار العينات المستقلة هو اختبار مان-ويتني للمجموعات المستقلة (Mann-Whitney U Test، والمعروف أيضاً باختبار ويلكوكسون لمجموع الرتب Wilcoxon Rank-Sum Test). لا يقارن هذا الاختبار المتوسطات الحسابية الخام، بل يقوم بدمج بيانات المجموعتين وترتيبها تصاعدياً من 1 إلى $N$، ثم يقارن بين متوسطي الرتب (Mean Ranks) في المجموعتين. يختبر مان-ويتني ما إذا كان التوزيع الاحتمالي لإحدى المجموعتين مزاحاً عشوائياً عن الأخرى، متمتعاً بحصانة فائقة ضد التواء البيانات والقيم المتطرفة.

أما البديل اللامعلمي لاختبار العينات المرتبطة فهو اختبار ويلكوكسون للإشارات والرتب (Wilcoxon Signed-Rank Test). يُطبق هذا الاختبار على الفروق المحسوبة بين القياسين المقترنين؛ حيث يستبعد الفروق الصفرية، ثم يرتب الفروق المطلقة (بغض النظر عن الإشارة السالبة أو الموجبة) تصاعدياً، ليعيد بعد ذلك إلحاق الإشارات الأصلية بالرتب الموزونة، مقارناً في النهاية مجموع الرتب الموجبة بمجموع الرتب السالبة. يقيس هذا الاختبار ما إذا كان وسيط الفروق ينحرف جوهرياً عن الصفر، متفادياً اشتراط الاعتدالية المعلمية المفروض على مصفوفة الفروق.

تثور هنا المفاضلة المنهجية: هل يُفضل إجراء تحويلات رياضية على البيانات المنتهكة للاعتدالية (مثل التحويل اللوغاريتمي Log Transformation، أو تحويل الجذر التربيعي Square-root) للإبقاء على اختبارات “ت” المعلمية، أم التوجه المباشر للبدائل اللامعلمية؟ تميل الممارسات الإحصائية الحديثة إلى تفضيل البدائل اللامعلمية الرتبية ما لم يكن التحويل الرياضي مبرراً نظرياً وفسيولوجياً في سياق العلم التخصصي المعني؛ فالتحويلات الرياضية غالباً ما تعقد التفسير المباشر لنتائج الفروق وتعزل الباحث عن المقاييس الفيزيائية الأصلية للظاهرة.

7. الأسئلة الشائعة حول اختبارات t

7.1 ما الإجراء الصحيح عند عدم تساوي حجم العينتين في اختبار t للعينات المستقلة؟

يستند اختبار “ت” للعينات المستقلة إلى صيغ رياضية مرنة قادرة بطبيعتها على التعامل مع أحجام العينات غير المتساوية ($n_1 \neq n_2$) دون أن يؤدي ذلك بحد ذاته إلى إبطال التحليل الإحصائي أو تعطيل العمليات الحسابية؛ حيث تقوم معادلة التباين المجمّع الكلاسيكية بترجيح تباين كل مجموعة بناءً على مساهمة درجات حريتها المنفصلة. غير أن المعضلة المنهجية الخطيرة تبرز عندما يقترن عدم تساوي الأحجام بانتهاك شرط تجانس التباين (Unequal Variances).

توضح التحليلات الرياضية أنه إذا كانت المجموعة ذات الحجم الأصغر تمتلك التباين الأكبر، فإن اختبار “ت” التقليدي يصبح متساهلاً بصورة مفرطة (Liberal)، مما يضخم الخطأ من النوع الأول ($\alpha$) لمستويات قد تتجاوز 0.10 بدلاً من 0.05 الاسمية، مما يقود لرفض كاذب للفرضية الصفرية. أما إذا كانت المجموعة الأكبر حجماً هي صاحبة التباين الأكبر، فإن الاختبار يصبح شديد التحفظ (Conservative)، مما يقمع القوة الإحصائية ويرفع معدل الوقوع في الخطأ من النوع الثاني.

لذلك، عندما تتفاوت أحجام العينات بدرجة ملحوظة (مثل نسبة 1:2 أو أكثر)، يجب التخلي التام والقطعي عن اختبار ستودنت التقليدي وتطبيق اختبار ويلش التائي المعدل (Welch’s t-test). لا يفترض اختبار ويلش تساوياً في التباينات كما أنه لا يعتمد على التجميع الموزون، بل يصحح درجات الحرية بدقة تعكس حجم التباين الفعلي في كل طرف. وتجدر الإشارة إلى أن التفاوت العددي الشديد بين العينات (كنسبة 1:5 فأكثر) يؤدي حتماً إلى تآكل القوة الإحصائية العامة للتحليل، حتى مع بقاء التباينات متجانسة؛ إذ تصبح العينة الصغيرة عنق الزجاجة الرياضي الذي يحكم كفاءة الخطأ المعياري المشترك.

7.2 هل يمكن تطبيق اختبار t للعينات المرتبطة لمقارنة أكثر من نقطتي قياس زمنيتين؟

الإجابة المنهجية القاطعة هي لا؛ لا يجوز مطلقاً استخدام اختبار “ت” للعينات المرتبطة لمقارنة ثلاثة قياسات زمنية أو أكثر لنفس المفحوصين (مثل: قياس قبلي، قياس بعدي، وقياس تتبعي بعد ستة أشهر). يرتكب بعض الباحثين خطأً شائعاً بإجراء سلسلة من اختبارات “ت” للأزواج المتعددة (مقارنة القبلي بالبعدي، ثم البعدي بالتتبعي، ثم القبلي بالتتبعي). يؤدي هذا الإجراء التجزيئي إلى كارثة إحصائية تُعرف باسم تضخم معدل الخطأ العائلي (Family-wise Error Rate Inflation).

عند اختبار عدة فرضيات مرتبطة على نفس البيانات عند مستوى دلالة $\alpha = 0.05$، فإن احتمالية ارتكاب خطأ واحد على الأقل من النوع الأول تتصاعد وفق القانون الاحتمالي:

$$\alpha_{FW} = 1 – (1 – \alpha)^k$$

حيث تمثل $k$ عدد المقارنات الثنائية المجراة. ففي حالة المقارنات الثلاث المذكورة، يقفز معدل الخطأ التراكمي من 5% الاسمي إلى قرابة 14.3% ($1 – 0.95^3 = 0.1426$)، مما يعصف بمصداقية الاستنتاجات العلمية ويجعل من السهل جداً ادعاء وجود فروق معنوية كاذبة بمحض الصدفة.

المعالجة الإحصائية المنهجية السليمة لمقارنة ثلاثة أزمنة أو أكثر تتطلب اللجوء إلى تحليل التباين للقياسات المتكررة (One-Way Repeated Measures ANOVA) كاختبار مظلي شامل (Omnibus Test) يحافظ على معدل الخطأ العائلي عند 5%. وإذا أظهر هذا التحليل دلالة إحصائية عامة، يُسمح آنذاك للباحث بالانتقال للمقارنات الثنائية البعدية (Post-Hoc Tests) المشروطة بضوابط تعديل مستويات الدلالة لحماية معدل ألفا، مثل تصحيح بونفيروني (Bonferroni correction) أو تعديل هولم-سيداك (Holm-Sidak method).

7.3 كيف يؤثر انتهاك فرضية التوزيع الطبيعي على قراري الإحصائي في كلا الاختبارين؟

يعتمد المدى الذي يقود عنده انتهاك التوزيع الطبيعي إلى إبطال القرار الإحصائي على عاملين حاسمين: حجم العينة المتاحة، وطبيعة الانتهاك ذاته. يستند علماء الإحصاء إلى نظرية النهاية المركزية (Central Limit Theorem)، والتي تنص رياضياً على أن توزيع المتوسطات الحسابية للعينات يؤول حتماً إلى التوزيع الطبيعي كلما اقترب حجم العينة من اللانهاية، بصرف النظر تماماً عن شكل التوزيع في المجتمع الإحصائي الأصلي. وبناءً عليه، إذا كانت أحجام العينات في كل مجموعة مستقلة تفوق 30 أو 40 مفحوصاً ($N_1, N_2 ge 30$)، فإن اختبار “ت” المستقل يحتفظ بصلابته الإحصائية ويظل قادراً على توليد قيم $p$ دقيقة للغاية حتى في ظل وجود التواء متوسط في البيانات.

ومع ذلك، تبرز حالة خاصة بالغة الحرج في اختبار t للعينات المرتبطة؛ إذ لا ترتبط صرامة الاعتدالية بتوزيع الدرجات الأصلية للقياس القبلي أو البعدي، بل بـ اعتدالية درجات الفروق ($D$). فإذا كان حجم عينة الأزواج صغيراً ($N < 25$) وتوزيع الفروق يظهر التواءً شديداً أو تفرطحاً غير اعتيادي ناتجاً عن استجابة متطرفة لشخص أو شخصين غير نمطيين، فإن الخطأ المعياري المحسوب ($S_{bar{D}}$) يتعرض لتشوه حاد يجعله غير ممثل لمجتمع الدراسة، مما يؤدي إما إلى انخفاض كارثي في قوة الاختبار أو توليد دلالات زائفة.

توجب الممارسة الأكاديمية الصارمة التخلي النهائي عن الاختبارات المعلمية والتحول إلى البدائل اللامعلمية (مان-ويتني أو ويلكوكسون) في الحالات الآتية: إذا كان حجم العينة الكلي أقل من 20 إلى 25 فرداً مع غياب تام للاعتدالية، أو عند وجود قيم متطرفة شاذة متباعدة تعكس أخطاء قياس أو حالات خاصة جداً داخل المجموعات، أو عندما تكون البيانات المجمعة في أصلها مقاسة على مقياس ترتيبي رتبي (Ordinal scale، مثل درجات ليكرت غير المجمعة) لا يتوافق مع الخصائص الفترية المستمرة المطلوبة للمتوسطات الحسابية.

8. الخاتمة: توصيات منهجية لاختيار وتطبيق اختبار t

8.1 موجز الموازنة المنهجية بين الاختبارين

كشفت هذه الدراسة المقارنة أن المفاضلة بين اختبار “ت” للعينات المستقلة واختبار “ت” للعينات المرتبطة ليست مجرد اختيار تقني عابر يُجرى بنقرات زر سريعة على البرمجيات الإحصائية، بل هي انعكاس مباشر للرؤية الإبستمولوجية والمعمارية التجريبية التي شيد عليها الباحث تصميمه الميداني. لا يوجد اختبار “أفضل” بإطلاق من الآخر؛ فلكل نموذج سياقه المنهجي الذي يتألق فيه ويحقق أقصى درجات المصداقية الاستدلالية.

يقدم اختبار العينات المرتبطة كفاءة إحصائية متفوقة وقوة استدلالية هائلة تجعله الخيار الاقتصادي الأبرز في الدراسات النفسية والفسيولوجية المعملية؛ لكونه يزيل ضوضاء الفروق الفردية الكامنة من مقام المعادلة الحسابية، مما يمنحه حساسية مطلقة لرصد الآثار التجريبية الدقيقة. ورغم هذا التفوق، يظل مقيداً بمخاطر التحيزات التعاقبية، وأثر الممارسة، والحساسية الفائقة لفقدان البيانات. في المقابل، يظل اختبار العينات المستقلة الحصن المنيع لسلامة الصدق الداخلي في التجارب الميدانية الواسعة وتجارب المقارنة الدوائية؛ لحمايته للبيانات من أي تلوث ناشئ عن التدريب المكرر أو استنفاد جهود المستجيبين، متقبلاً مرونة تفاوت أحجام العينات بكل سهولة، وإن كلفه ذلك الحاجة لأعداد متزايدة من المشاركين وتطبيق تصحيحات ويلش الرياضية لمواجهة انعدام التجانس التبايني.

8.2 إرشادات كتابة وتوثيق النتائج وفق معايير APA

تفرض جمعية علم النفس الأمريكية في دليلها الأحدث (APA 7th Edition) معايير موحدة وصارمة لتوثيق نتائج اختبارات “ت”، تحظر الاكتفاء بالإشارة العابرة للدلالة الإحصائية، وتلزم الباحث بتقديم تقرير إحصائي متكامل يتيح للقارئ والمراجع التحقق التام من موثوقية التحليل وقوته الاستدلالية والعملية. يجب أن يتضمن التقرير تدوين الرمز الإحصائي المائل ($t$)، وقيمة درجات الحرية بين قوسين ($df$)، والقيمة المحسوبة للاختبار مقربة لأقرب منزلتين عشريتين، ثم القيمة الاحتمالية الدقيقة ($p\text{-value}$ مقربة لثلاث منازل عشرية دون وضع صفر قبل الفاصلة، مثل $p = .023$، واستخدام صيغة $p < .001$ حصراً عند وصولها للأصفار المطلقة).

وعلاوة على المعنوية الإحصائية، أصبح من الإلزامي تضمين حجم الأثر المناسب مقترناً بتحديد نوعه الرياضي بدقة تفادياً للبس التلوي المذكور سابقاً ($d_s$ للتصاميم المستقلة، أو $d_z$ و $d_{av}$ للتصاميم المرتبطة)، مع ذكر فترات الثقة 95% (95% CI) للفرق بين المتوسطين، مما يعطي القارئ تقديراً لمقدار وحجم التأثير الواقعي في المجتمع الأصلي.

صيغة نموذجية لكتابة نتائج اختبار العينات المستقلة:
“أظهر اختبار ت للعينات المستقلة وجود فرق ذي دلالة إحصائية في درجات التحصيل المعرفي بين المجموعة التجريبية ($M = 84.50, SD = 8.20$) والمجموعة الضابطة ($M = 76.20, SD = 9.15$)؛ $t(58) = 3.69, p < .001, 95% text{ CI } [3.80, 12.80], d_s = 0.95$. وتشير قيمة د كوهين إلى حجم أثر تجريبي كبير لصالح البرنامج التدريبي المبتكر."

صيغة نموذجية لكتابة نتائج اختبار العينات المرتبطة:
“أشارت نتائج اختبار ت للعينات المرتبطة إلى انخفاض دال إحصائياً في مستويات القلق لدى المرضى بعد إتمام جلسات العلاج المعرفي السلوكي ($M = 18.40, SD = 4.10$) مقارنة بمستوياتهم قبل بدء العلاج ($M = 26.80, SD = 5.30$)؛ حيث بلغ متوسط الانخفاض في الفروق ($M_D = -8.40, SD_D = 3.25$)؛ $t(29) = -14.16, p < .001, 95% text{ CI } [-9.61, -7.19], d_z = 2.58, d_{av} = 1.77$. وتؤكد هذه النتائج الفعالية الملموسة للتدخل النفسي."

وعلى صعيد العرض البياني، ينبغي أن تُعرض بيانات التصاميم المستقلة عبر مخططات الأعمدة البيانية (Bar Charts) أو المخططات الصندوقية (Boxplots) التي توضح المتوسطات الحسابية مزودة بعوارض الخطأ المعياري (Error Bars) أو فترات الثقة. أما بيانات التصاميم المرتبطة، فيُفضل دائماً تمثيلها بيانيا عبر الرسوم الخطية للأزواج (Paired Slopegraphs) أو مخططات التشتت النقطي للفرق (Scatterplots of Difference Scores)، لكونها تكشف بدقة عن اتجاه ومسار التغير الفردي الداخلي لكل مستجيب على حدة، بدلاً من الاكتفاء بعرض أعمدة المتوسطات المجمعة التي تحجب ديناميكيات الارتباط والتغير داخل الأزواج.

المراجع

• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Gosset, W. S. [Student]. (1908). The probable error of a mean. Biometrika, 6(1), 1–25. https://doi.org/10.1093/biomet/6.1.1
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, Cengage Learning.
• Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863. https://doi.org/10.3389/fpsyg.2013.00863
• Rasch, D., Kubinger, K. D., & Moder, K. (2011). The two-sample t test: Pre-testing its assumptions does not pay off. Statistical Papers, 52(1), 219–231. https://doi.org/10.1007/s00362-009-0224-x
• Welch, B. L. (1947). The generalization of ‘Student’s’ problem when several different population variances are involved. Biometrika, 34(1/2), 28–35. https://doi.org/10.2307/2332510
• Zimmerman, D. W. (2004). A note on preliminary tests of equality of variances. British Journal of Mathematical and Statistical Psychology, 57(1), 173–181. https://doi.org/10.1348/000711004849222