الإحصاء الحيوي, منهجية البحث العلمي

اختبار ماكنيمار مقابل اختبار t للأزواج المرتبطة على النسب


تمت المراجعة العلمية · د. مروة عبد العظيم · 16 نوفمبر، 2026
مراجعة وتدقيق علمي معتمد تاريخ التدقيق: 16 نوفمبر، 2026
د. مروة عبد العظيم دكتوراه في علم النفس
عضو هيئة التدريس • جامعة كربلاء
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).

تُعد معالجة البيانات الاسمية الثنائية المرتبطة (Paired Binary Data) من أكثر الإشكاليات المنهجية دقة وإثارة للجدل في التحليل الإحصائي التطبيقي، لا سيما حين يجد الباحث نفسه أمام خيارين يبدوان متباعدين ظاهرياً: اختبار ماكنيمار اللامعلمي (McNemar’s Test) واختبار t للأزواج المرتبطة (Paired Samples t-Test) المطبق على النسب المئوية أو القيم الثنائية المرمزة عددياً (0 و1). تتجلى هذه المعضلة المنهجية بوضوح في الدراسات الطبية، النفسية، والعلوم الاجتماعية، حيث يُقاس المتغير الثنائي ذاته (مثل: وجود المرض أو غيابه، اجتياز الاختبار أو الإخفاق فيه، تأييد قرار سياسي أو رفضه) على نفس المفردات التجريبية عبر نقطتين زمنيتين (تصميم القياسات القبلية والبعدية Pre-test/Post-test)، أو عبر وحدات تجريبية متطابقة تم توفيقها وفق خصائص ديموغرافية وسريرية محددة (Matched-pairs Design).

ينبع النزاع التحليلي بين النموذجين من التعارض الكلاسيكي بين الصرامة الرياضية لافتراضات التوزيع المستمر ومتانة الاختبارات المعلمية وقدرتها على استيعاب النماذج الأكثر تعقيداً. فبينما يمثل اختبار ماكنيمار الحل الطبيعي والمنطقي للبيانات الفئوية من جدول الاقتران ثنائي المتغيرات (2×2 Contingency Table) دون اشتراط اعتدالية التوزيع، يميل تيار تطبيقي واسع في العلوم الاجتماعية والسلوكية إلى تطويع اختبار ستودنت للأزواج المرتبطة لمعالجة الفروق في النسب، استناداً إلى مبرهنة النهاية المركزية (Central Limit Theorem) وبحثاً عن سهولة استخراج فترات الثقة لمقادير الفروق المطلقة للنسب وتسهيل دمجها في نماذج تحليل التباين للقياسات المتكررة (Repeated Measures ANOVA).

يهدف هذا المقال الأكاديمي الشامل إلى تقديم استعراض معمق ودراسة تحليلية مقارنة بين اختبار ماكنيمار واختبار t للأزواج المرتبطة على البيانات الثنائية. سنقوم بتشريح الأسس الرياضية والنظرية لكلا الأسلوبين، وتقييم سلوكهما التقاربي في العينات الصغيرة والكبيرة، وتفكيك العلاقات الجبرية التي تربط بين إحصائياتهما، مع تسليط الضوء على انعكاس هذا الاختيار على معدلات الخطأ من النوع الأول وقوة الاختبار، وتقديم إطار منهجي صارم يرشد الباحثين إلى اتخاذ القرار الإحصائي الأصوب وفق طبيعة بياناتهم وتصميماتهم التجريبية.

1. المقدمة: الإطار المنهجي للمقارنة ومبررات التمييز بين الأسلوبين

1.1 طبيعة البيانات الاسمية الثنائية المرتبطة وإشكاليات تحليلها

تتميز بنية البيانات الثنائية المقترنة بارتباط جوهري بين القياسات المتكررة لنفس المفردة التجريبية. في تصميم القياسات المتكررة على سبيل المثال، يخضع الفرد لقياس قبلي ينتج عنه استجابة ثنائية تأخذ قيم الصفر أو الواحد، ثم يُعاد قياسه بعد التعرض لمعالجة أو تدخل تجريبي معين. كما يظهر هذا النمط في تصميمات الأزواج المتوافقة (Matched Pairs)، حيث يتم تزاوج مفردة من المجموعة الضابطة مع مفردة أخرى من المجموعة التجريبية وفقاً لمتغيرات دخيلة كالعمر والجنس والخلفية الاقتصادية، مما يُلغي استقلالية المشاهدات بين المجموعتين. تتطلب هذه الطبيعة الاقترانية نمذجة الفروق داخل الأفراد (Within-subject changes) عوضاً عن مقارنة متوسطات المجموعات المستقلة، إذ إن إغفال هذا التوافق واللجوء إلى اختبارات كاي-تربيع للاستقلالية التقليدية أو اختبار t للعينات المستقلة يؤدي إلى تقدير غير صحيح لتباين الفروق وفقدان هائل للقوة الإحصائية.

تتمحور الفرضية الرياضية لهذه البيانات حول مفهوم التجانس الهامشي (Marginal Homogeneity). في جدول الاقتران 2×2 الممثل للتغير، يُعنى التحليل بمقارنة الاحتمال الكلي للنجاح في الزمن الأول مع الاحتمال الكلي للنجاح في الزمن الثاني. هذا التجانس الهامشي يختلف جذرياً عن فكرة الاستقلالية التوزيعية؛ فهو يسعى إلى اختبار ما إذا كان صافي التحول الإيجابي يعادل صافي التحول السلبي. إن الصعوبة المنهجية في هذه البيانات تنشأ من توزيع الفروق الفردية المنفصل؛ فحين نطرح القياس القبلي من القياس البعدي لمتحول ثنائي، تصبح الفروق الناتجة محصورة حصراً في ثلاثة أرقام صحيحة: (-1، 0، 1). هذا الانقطاع التوزيعي الحاد يقف في مواجهة مباشرة مع النظريات الإحصائية الكلاسيكية المبنية على متغيرات عشوائية متصلة، ويخلق تحديات كبرى عند محاولة حساب التباين التراكمي وتعيين مستويات الدلالة الدقيقة.

1.2 أسباب الالتباس الشائع بين الاختبار المعلمي واللا معملي في هذا السياق

ينشأ الالتباس الأكثر شيوعاً في الممارسات البحثية من تطبيق الترميز العددي على المتغيرات الفئوية الاسمية. فعندما تُرمز الإجابة “نعم” أو “حدث” بالرقم (1) وتُرمز “لا” أو “لم يحدث” بالرقم (0)، يتحول المقياس الاسمي ظاهرياً إلى مقياس كمي متقطع. وبما أن النسبة المئوية لأصحاب السمة في العينة تكافئ حسابياً المتوسط الحسابي الحقيقي لقيم هذا المتغير المرمز (مجموع الآحاد مقسوماً على حجم العينة الكلي N)، يتولد لدى العديد من الممارسين انطباع خاطئ بأن استخدام اختبار t المعلمي لا يتضمن خرقاً منهجياً جسيماً، حيث يُعامل الفرق بين النسبتين معاملة الفرق بين متوسطين حسابيين لعينات مرتبطة، وهو ما تناقشه دراسات السلوك البشري والتطبيقات التربوية بشكل واسع (Salto et al., 2014).

يغذي هذا الالتباس الاعتماد المفرط على فرضية أن اختبار ستودنت للأزواج المرتبطة يمتلك “متانة إحصائية تقاربية” (Asymptotic Robustness) كافية لمواجهة انتهاك افتراض التوزيع الطبيعي بمجرد وصول حجم العينة إلى مستويات متوسطة أو كبيرة استناداً إلى مبرهنة النهاية المركزية. يرى أنصار هذا التوجه أن سهولة تفسير النتائج، وتوفر مخرجات اختبار t في الحزم البرمجية كنموذج يقدم مباشرة فترات ثقة للفرق بين النسبتين (Risk Difference)، يبرران التضحية بالدقة التوزيعية الرياضية. في المقابل، يشدد المناطقة والإحصائيون الرياضيون على أن هذا التسهيل التطبيقي يقوض المنطق الرياضي الصارم للمتغيرات العشوائية الثنائية وتوزيع برنولي المرتبط، حيث يرتبط التباين ارتباطاً حتمياً بالمتوسط، مما ينتهك استقلالية المعالم التي يفترضها النموذج الخطي الكلاسيكي لاختبار t.

1.3 أهداف المقارنة والأثر المنهجي على النتائج وقرارات رفض الفرضيات

تهدف هذه المقارنة إلى تفكيك المسافة بين الأسلوبين وتقديم توجيه نقدي صارم يضمن استقرار اتخاذ القرارات الإحصائية وتفادي الوقوع في الخطأ من النوع الأول (Type I Error) برفض فرضية العدم وهي صحيحة، أو السقوط في الخطأ من النوع الثاني (Type II Error) بالإخفاق في الكشف عن التغيرات الحقيقية ذات الدلالة السريرية أو المجتمعية. إن فهم الاختلاف بين الاختبارين ليس مسألة تفضيل شكلي أو ترف أكاديمي؛ بل يمتد مباشرة إلى كيفية احتساب درجات الحرية والتعامل مع الخطأ المعياري التقديري للفروق.

تتجلى الحساسية المنهجية الكبرى في تأثير بنية الخلايا في جدول الاقتران، لا سيما المفارقة القائمة بين ما يُعرف بالأزواج المتسقة أو المتطابقة (Concordant Pairs) وهي الحالات التي ثبتت استجابتها دون تغير (0-0 أو 1-1)، والأزواج غير المتسقة أو المتنافرة (Discordant Pairs) وهي الحالات التي تغيرت استجابتها عبر الزمن أو التدخل (0-1 أو 1-0). إن كيفية معالجة كل اختبار لهذه الخلايا تؤثر جذرياً على قيمة الإحصاء المحسوب وقيمة الدلالة الاحتمالية (p-value)، خصوصاً في العينات المحدودة أو عند وجود قيم متطرفة وندرة في التكرارات المتغيرة. تسعى هذه المقارنة لتقديم دليل مرجعي متماسك يوضح حدود كل أسلوب وظروفه التشغيلية المثلى، ليتمكن الباحث من تبرير اختياره الإحصائي أمام لجان المراجعة والتحكيم العلمي دون أي خلل منهجي.

2. اختبار ماكنيمار: الأسس الرياضية والنظرية للاختبار اللامعلمي

2.1 البنية الإحصائية ومصفوفة التوافق الثنائية (2×2 Contingency Table)

يقوم اختبار ماكنيمار، الذي طوره الإحصائي كوين ماكنيمار عام 1947، على هيكلة البيانات الثنائية المرتبطة داخل مصفوفة اقتران ثنائية الأبعاد بحجم 2×2. تُمثل صفوف هذه المصفوفة حالة المتغير في القياس الأول (أو تحت الشرط التجريبي الأول)، في حين تُمثل الأعمدة حالة المتغير نفسه في القياس الثاني (أو تحت الشرط التجريبي الثاني). تتوزع مفردات العينة الإجمالية N على أربع خلايا احتمالية أساسية:

  • الخلية a (1, 1): تمثل التكرارات التي أظهرت استجابة إيجابية (نجاح) في كلا القياسين (زوج متسق/متوافق).
  • الخلية b (1, 0): تمثل التكرارات التي كانت إيجابية في القياس الأول وتحولت إلى سلبية في القياس الثاني (زوج غير متسق).
  • الخلية c (0, 1): تمثل التكرارات التي كانت سلبية في القياس الأول وتحولت إلى إيجابية في القياس الثاني (زوج غير متسق).
  • الخلية d (0, 0): تمثل التكرارات التي أظهرت استجابة سلبية (إخفاق) في كلا القياسين (زوج متسق/متوافق).

يكون المجموع الكلي للعينة هو $N = a + b + c + d$. يتمثل المبدأ الجوهري لاختبار ماكنيمار في التركيز الحصري والمطلق على الخلايا المتغيرة (Discordant Cells: b و c)، حيث تُعتبر الخلايا المتسقة (a و d) عديمة القيمة في اختبار حدوث التغير الاتجاهي؛ إذ إن الحالات التي لم تغير سلوكها لا تقدم أي معلومة حول اتجاه أو فاعلية التأثير التدخلي. تصاغ فرضية العدم ($H_0$) في هذا الاختبار بأن الاحتمال الهامشي للنجاح في القياس الأول يساوي الاحتمال الهامشي للنجاح في القياس الثاني ($p_{1+} = p_{+1}$)، وهو ما يكافئ رياضياً وبشكل مباشر تساوي احتمالي التغير المتضاد: $P(b) = P(c)$، أو بمعنى آخر، أن يكون احتمال حدوث التحول الإيجابي مساوياً لاحتمال حدوث التحول السلبي ($p_b = p_c = 0.5$). بينما تنص الفرضية البديلة ($H_1$) على عدم تماثل هذين الاحتمالين ($p_b \neq p_c$).

2.2 التوزيع التقاربي والتصحيحات الإحصائية المرتبطة به

في إطار العينات الكبيرة نسبياً، يتقارب توزيع الفروق بين المتغيرين غير المتسقين نحو التوزيع الطبيعي بفعل نظرية النهاية المركزية، مما يتيح صياغة إحصائية اختبار تعتمد توزيع كاي-تربيع بدرجة حرية واحدة ($\chi^2 \text{ with } df = 1$). تحت فرضية العدم، إذا كان مجموع التغيرات الكلية غير المتسقة كافياً، فإن الإحصائية الكلاسيكية لاختبار ماكنيمار تُكتب على النحو الرياضي الآتي:

$$\chi^2 = \frac{(b – c)^2}{b + c}$$

حيث يمثل البسط مربع الفرق بين وتيرتي التغير المتعاكس، ويمثل المقام تباين هذا الفرق تحت فرضية التماثل. ومع ذلك، نظراً لأن توزيع كاي-تربيع هو توزيع مستمر (Continuous Distribution) في حين أن قيم التكرارات الفعلية $(b – c)$ قيم صحيحة متقطعة (Discrete Counts)، تبرز مشكلة المبالغة في تقدير قيمة كاي-تربيع المحسوبة؛ مما يؤدي إلى تضخيم احتمال ارتكاب الخطأ من النوع الأول. ولمعالجة هذه المعضلة الرياضية، اقترح فرانك ييتس تصحيحه الشهير للاستمرارية (Yates’s Continuity Correction)، ليصبح شكل الإحصائية المصححة كما يلي:

$$\chi^2_{\text{corrected}} = \frac{(|b – c| – 1)^2}{b + c}$$

يعمل طرح القيمة (1) من القيمة المطلقة للفروق كعامل تسوية يقلص الفجوة الناتجة عن تمثيل التوزيع المنفصل بالمنحنى المستمر. أما في الحالات التي يكون فيها مجموع الخلايا المتنافرة ضئيلاً—وحُددت العتبة المنهجية الكلاسيكية عادة بـ $b + c < 25$—فإن التقريب التقاربي لكاي-تربيع يفقد صلاحيته الرياضية تماماً. هنا يتحول التحليل بالضرورة إلى الاختبار الثنائي الدقيق (Exact Binomial Test) المشروط بمجموع الخلايا غير المتسقة ($n = b + c$). بموجب هذا التحول، يُعامل التكرار b أو c كمتغير عشوائي يخضع لتوزيع ذي الحدين مع احتمال نجاح افتراضي$p = 0.5$. وتُحسب الدلالة الإحصائية الدقيقة مباشرة من خلال جمع الاحتمالات النقطية للتوزيع الثنائي عند الأطراف، مما يلغي تماماً أي خطأ ناجم عن التقريب الرياضي ويوفر حكماً فاصلاً بالغ الدقة في العينات الصغيرة.

2.3 مزايا الاختبار ومحدداته المنهجية

يمتاز اختبار ماكنيمار ببنية لا معلمية نقية تحرره تماماً من الافتراضات التوزيعية المقيدة التي تثقل كاهل الإحصاء المعلمي؛ فهو لا يشترط اعتدالية التوزيع، ولا يفترض تجانس التباين، ولا يتطلب قياسات على مقاييس فئوية أو نسبية مستمرة، مما يجعله آمناً تماماً ضد التشوهات الناتجة عن التواء البيانات. كما أن اقتصاره المباشر على التباين الفعلي داخل الأزواج (Intra-pair Variance) يوفر كفاءة استدلالية مركزة تفصل بدقة أثر التدخل التجريبي عن الفروق الفردية الأساسية بين الحالات.

على الرغم من هذه المزايا النظرية القاطعة، يعاني اختبار ماكنيمار من محددات منهجية بارزة؛ أولها أنه لا يقدم بشكل مباشر ومدمج تقديراً مستمراً لحجم الأثر (Effect Size) على شكل فرق مقاييس مئوية بهامش خطأ خطي وفترات ثقة متصلة لمقدار التغير الإجمالي الصافي في نسب النجاح ($p_{1+} – p_{+1}$)، بل يعتمد مقاييس حجم الأثر التابعة لنسب الاحتمالات المشروطة (Odds Ratio = $b / c$). يضاف إلى ذلك أن إقصاء الخلايا المتسقة (a و d) بالكامل من حساب الدلالة، رغم وجاهته الرياضية في مقارنة التحولات، يحرم الباحث أحياناً من الاستفادة من معلومة الاستقرار التراكمي ومعدل الحدوث الكلي، مما يجعل الاختبار يبدو غير بديهي لجمهور القراء والباحثين غير المتخصصين الذين يجدون صعوبة في استيعاب كيف يمكن لعينتين متطابقتين في حجم العينة الكلي N وفي عدد الخلايا غير المتسقة أن تعطيا نفس الدلالة الاحتمالية لماكنيمار بالضبط، على الرغم من أن إحداهما تضم آلاف الحالات المتسقة والأخرى لا تضم سواها.

3. اختبار t للأزواج المرتبطة على النسب: التكييف المعلمي لبيانات ثنائية

3.1 آلية تكييف المتغيرات الثنائية (0/1) داخل نموذج اختبار t للمتوسطات

يقوم اختبار t للأزواج المرتبطة (Paired-samples t-test) في أصله النظري على مقارنة متوسطي متغيرين متصلين مقاسين لنفس الوحدات. وعند تكييفه للعمل على النسب المئوية للمتغيرات الثنائية، تُرمز المتغيرات اسمياً بالقيمتين الرقميتين الحصريتين (0 و 1) لكل وحدة تجريبية i عند القياسين القبلي والبعدي، بحيث يمثل $X_{i1} in {0, 1}$ و $X_{i2} in {0, 1}$. بناءً على هذا الترميز الرياضي، يعامل التحليل نسبة النجاح أو حدوث السمة في القياس الأول ($p_{1+}$) بوصفها المتوسط الحسابي الحقيقي $\bar{X}_1$، ونسبة النجاح في القياس الثاني ($p_{+1}$) بوصفها المتوسط الحسابي $\bar{X}_2$.

تتم الخطوة الإجرائية اللاحقة بحساب الفروق الفردية لكل زوج على حدة:

$$d_i = X_{i1} – X_{i2}$$

تأخذ هذه الفروق حصراً إحدى ثلاث قيم عددية محتملة:

  • القيمة (1+) في حالة التحول من (1 إلى 0)، وتكرارها يساوي حجم الخلية b.
  • القيمة (-1) في حالة التحول من (0 إلى 1)، وتكرارها يساوي حجم الخلية c.
  • القيمة (0) في حالة عدم حدوث تغير (التطابق 1-1 أو 0-0)، وتكرارها يساوي مجموع الخليتين المتسقتين $(a + d)$.

من هذه التوزيعات المتقطعة، يتم استخراج متوسط الفروق الحسابي $\bar{d}$ على النحو الآتي:

$$\bar{d} = \frac{\sum_{i=1}^N d_i}{N} = \frac{b – c}{N} = p_{1+} – p_{+1}$$

ثم يُحسب الانحراف المعياري لهذه الفروق الفردية $s_d$ باستخدام صياغة التباين الكلاسيكية الموزونة بحجم العينة الإجمالي N مطروحاً منه درجة حرية واحدة ($N – 1$). يُشتق بعد ذلك الخطأ المعياري للفروق ($SE_{\bar{d}} = s_d / \sqrt{N}$)، وتُصاغ إحصائية t للأزواج المرتبطة بنفس الطريقة المتبعة لمتغيرات القياس الفترية أو النسبية:

$$t = \frac{\bar{d}}{s_d / \sqrt{N}} = \frac{\bar{d}}{SE_{\bar{d}}}$$

تُقارن هذه القيمة بتوزيع ستودنت الاحتمالي ذي درجات حرية مساوية لـ $(N – 1)$ لتحديد مستوى المعنوية الإحصائية لفرضية العدم القائلة بأن متوسط الفروق يساوي الصفر تماماً ($\mu_D = 0$).

3.2 الجدل الإحصائي حول انتهاك الفروض التقليدية لاختبار t

أثار هذا التكييف المعلمي سجالاً نقدياً محتدماً في الأدبيات الإحصائية بسبب الانتهاك الصريح والشامل للافتراضات الجوهرية لاختبار ستودنت. يستند اختبار t كلاسيكياً إلى فرضية أن الفروق الفردية $d_i$ تتبع توزيعاً طبيعياً متصلاً في المجتمع الإحصائي الأصل ($d_i \sim N(\mu_D, \sigma_D^2)$). غير أن توزيع الفروق هنا هو توزيع ثلاثي منفصل (Trinomial Distribution) شديد التقيد بكتل احتمالية متركزة عند النقاط (-1، 0، 1)، وهو أبعد ما يكون عن المنحنى الجرسي الأملس المستمر.

يستند المدافعون عن تطبيق اختبار t في هذا السياق إلى مبرهنة النهاية المركزية (CLT)، التي تؤكد أن توزيع المتوسطات الحسابية للفروق $\bar{d}$ يقترب بسرعة من التوزيع الطبيعي كلما كبر حجم العينة N، حتى لو كان التوزيع الأساسي للمشاهدات الأصلية شاذاً أو متقطعاً بالكامل. ومع ذلك، يكمن الضعف الهيكلي الأبرز في الارتباط القسري بين المتوسط والتباين في متغيرات برنولي؛ ففي النماذج المعلمية المتصلة، يُفترض استقلال المتوسط الحسابي عن التباين ($\sigma^2$)، أما في توزيعات برنولي والنسب الثنائية، فإن التباين دالة جبرية مباشرة للمتوسط ($Var(X) = p(1 – p)$). هذا التلازم يقود إلى ظاهرة عدم ثبات التباين المشروط، خاصة إذا كانت النسب قريبة جداً من الحدود الدنيا (الصفر) أو القصوى (الواحد الصحيح)، حيث يتلاشى التباين وتصبح التوزيعات ملتوية التواءً حاداً يجعل التقريب الطبيعي مشوهاً حتى في العينات المتوسطة.

3.3 خصائص الأداء: المتانة وتسهيل النمذجة الإحصائية

على الرغم من الاعتراضات النظرية، يحظى اختبار t للأزواج المرتبطة بجاذبية تطبيقية واسعة نظراً لخصائص تشغيلية تجعل النتائج سهلة التفسير والدمج في التحليلات الإحصائية المتقدمة. من أهم هذه الخصائص القدرة الفورية على بناء فترات ثقة خطية متماثلة لمقدار الفرق الصافي في النسب المئوية (Absolute Risk Reduction أو Risk Difference) وفق الصيغة:

$$\bar{d} \pm t_{critical} \times SE_{\bar{d}}$$

تُعد هذه الصياغة مألوفة ومحبذة لجمهور الأطباء، ومحللي السياسات العامة، ومسؤولي التقييم الإداري والتربوي، مقارنة بنسب الأرجحية (Odds Ratios) التي يولدها اختبار ماكنيمار، والتي غالباً ما يساء فهمها وتفسيرها على أنها نسب مخاطر نسبية مباشرة. علاوة على ذلك، يمهد التعامل مع النسب الثنائية كمتوسطات الطريق لمد مظلة التحليل نحو النماذج الخطية العامة (General Linear Models) ونماذج تحليل التباين للقياسات المتكررة ذات الاتجاهات المتعددة (Repeated Measures ANOVA) ونماذج الانحدار الخطي المتعدد. يتيح ذلك للباحث اختبار تفاعلات معقدة، مثل دراسة التغير بين القياسين القبلي والبعدي عبر مجموعات تجريبية متعددة وضبط المتغيرات التابعة المستمرة في خطوة موحدة، دون الحاجة إلى القفز إلى تعقيدات النمذجة اللوجستية المتعددة المستويات. ومع ذلك، يظل هذا الأداء معرضاً للانهيار التام إذا كان حجم العينة متواضعاً أو كانت التكرارات في الخلايا غير المتسقة نادرة للغاية.

4. الفروق الجوهرية بين الاختبارين في التحليل والأداء الإحصائي

4.1 مقارنة الفرضيات والصياغة الرياضية للمعلمة المقاسة

تختلف فلسفة الاختبارين في صياغة المعالم الإحصائية؛ فاختبار ماكنيمار يوجه تركيزه نحو فرضية التجانس الهامشي الصريح عبر فحص التماثل بين نسب التغيرات غير المتسقة فقط، أي فحص ما إذا كانت النسبة الشرطية $P(b | b+c) = 0.5$. في المقابل، يركز اختبار t للأزواج المرتبطة على اختبار فرضية انعدام متوسط الفروق الكلية بين الحالات ($H_0: \mu_D = 0$).

لفهم العلاقة الجبرية بين الأسلوبين، يمكننا تفكيك تباين الفروق في اختبار t. بما أن $d_i in {-1, 0, 1}$، فإن مجموع مربعات الفروق يؤول حسابياً إلى عدد الحالات التي حدث فيها تغير فعلي، أي أن $\sum d_i^2 = b + c$. وبما أن المتوسط الحسابي هو $\bar{d} = (b – c) / N$، يمكن اشتقاق تباين العينة $s_d^2$ على النحو الآتي:

$$s_d^2 = \frac{\sum d_i^2 – N \bar{d}^2}{N – 1} = \frac{(b + c) – N \left(\frac{b – c}{N}\right)^2}{N – 1} = \frac{(b + c) – \frac{(b – c)^2}{N}}{N – 1}$$

وعليه، يُكتب الخطأ المعياري المربع للمتوسط ($SE_{\bar{d}}^2$) كما يلي:

$$SE_{\bar{d}}^2 = \frac{s_d^2}{N} = \frac{(b + c) – \frac{(b – c)^2}{N}}{N (N – 1)}$$

إذا قمنا بتربيع إحصائية ستودنت للأزواج المرتبطة ($t^2$) لمقارنتها بإحصائية كاي-تربيع لاختبار ماكنيمار ذات درجة الحرية الواحدة، نحصل على المعادلة التوفيقية الدقيقة الآتية:

$$t^2 = \frac{\bar{d}^2}{SE_{\bar{d}}^2} = \frac{\left(\frac{b – c}{N}\right)^2}{\frac{(b + c) – \frac{(b – c)^2}{N}}{N (N – 1)}} = \frac{(b – c)^2}{\frac{N}{N – 1} (b + c) – \frac{(b – c)^2}{N – 1}}$$

تكشف هذه المعادلة الجبرية النقاب عن التقارب الرياضي العميق؛ فعندما يقترب حجم العينة N من اللانهاية ($N to \infty$)، تؤول النسبة $N / (N – 1)$ إلى الواحد الصحيح، ويتلاشى الحد المتصل بالبسط المقسوم على $(N – 1)$ تدريجياً لكونه حداً ذا رتبة متناهية الصغر مقارنة بالمقام، مما يجعل المقام يؤول بصورة محكمة إلى $(b + c)$. عند هذه النقطة المقاربة، تصبح $t^2$ مكافئة تماماً وبلا فارق لإحصائية ماكنيمار غير المصححة:

$$t^2 \approx \frac{(b – c)^2}{b + c} = \chi^2_{\text{McNemar}}$$

أما في العينات الصغيرة أو المتوسطة، فإن وجود معامل التصحيح $N / (N-1)$ والحد المخصوم في مقام اختبار t يُحدث تبايناً ملموساً بين قيمتي الدلالة الناتجة عن الاختبارين، وهو ما يفسر حدوث تباينات حاسمة في القرارات الاستدلالية عند الحواف الحرجة لمعنوية النتائج الإحصائية.

4.2 مقارنة حساسية الاختبارين لحجم العينة وبنية الخلايا

يبرز التباين السلوكي الأوضح بين النموذجين في طريقة تفاعلهما مع الأزواج المتسقة الواقعة في الخليتين (a و d). في اختبار ماكنيمار، تُعزل هذه الخلايا تماماً عن المعادلة، وبالتالي فإن مضاعفة عدد الأفراد الذين استقرت نتائجهم على الإيجابية (1-1) أو السلبية (0-0) عشرات المرات لا يُغير قيمة إحصاء ماكنيمار ولا قيمة p بمقدار ذرة واحدة، طالما ظلت قيم الخلايا المتنافرة (b و c) ثابتة.

في المقابل، تؤثر الأزواج المتسقة تأثيراً مباشراً وحاسماً على إحصائية اختبار t للأزواج المرتبطة؛ فالخلايا المتسقة تدخل في احتساب حجم العينة الكلي N وتساهم بقيم فروق تساوي الصفر ($d_i = 0$). يترتب على ذلك زيادة وتيرة الأصفار في توزيع الفروق، مما يُحدث ضغطاً هابطاً كبيراً على تباين الفروق الفردية $s_d^2$ ويزيد من حجم المقام N في صيغة الخطأ المعياري، الأمر الذي يقود في كثير من الحالات إلى تقليص الخطأ المعياري بصورة تؤثر على قيمة t المحسوبة. هذا السلوك يثير معضلة حول ما إذا كان تراكم الحالات المستقرة التي لم تتعرض لأي تبدل يجب أن يُكافأ إحصائياً بزيادة دلالة التغير الحادث في الخلايا المتنافرة أم لا، وهو ما قد يؤدي في اختبار t إلى تضخيم غير مقصود لمعدل الخطأ التجريبي من النوع الأول (Empirical Type I Error Rate) إذا لم تكن البيانات موزعة بالتساوي.

أما في مواجهة التكرارات الحدية والصغيرة، فإن اختبار ماكنيمار يتمتع بحصانة ذاتية فائقة من خلال إمكانية التحول التلقائي إلى التوزيع الثنائي الدقيق المشروط، بينما ينهار اختبار t في هذه الظروف؛ إذ إن افتراض اعتدالية توزيع المتوسط الحسابي ينهار تماماً عندما يكون عدد التغيرات في الخلايا المتنافرة يقل عن 10 أو 15 حالة، مما يجعل القيمة الاحتمالية لاختبار t مضللة وغير جديرة بالاعتماد العلمي.

4.3 فروق الأبعاد والخصائص التشغيلية (جدول المقارنة المنهجي)

يوضح الجدول المنهجي الآتي مقارنة رأسية شاملة بين اختبار ماكنيمار واختبار t للأزواج المرتبطة على النسب، مبرزاً الأبعاد التشغيلية، الافتراضات الرياضية، وطرق معالجة البيانات:

البُعد المقارن اختبار ماكنيمار (McNemar’s Test) اختبار t للأزواج المرتبطة على النسب (Paired t-Test on Proportions)
التصنيف الإحصائي اختبار لامعلمي (Non-parametric) مخصص للجداول الفئوية المترافقة. اختبار معلمي (Parametric) مكيف لبيانات الفروق المتقطعة (0/1).
طبيعة المتغير الأصلي اسمي ثنائي فئوي (Nominal Binary: 0/1, نعم/لا). اسمي ثنائي مشفر عددياً (Numeric Indicator: 0 و 1) ومقاس كمتوسطات.
الافتراضات التوزيعية خالٍ تماماً من افتراض الاعتدالية وتجانس التباين. يشترط عينات عشوائية مرتبطة. يفترض توزيعاً طبيعياً للفروق (يعتمد تقاربياً على مبرهنة النهاية المركزية CLT).
التعامل مع الخلايا المتسقة (a و d) تُستبعد بالكامل من معادلة الحساب، ولا تؤثر مطلقاً على قيمة الإحصاء أو الدلالة. تدخل مباشرة في تحديد حجم العينة الإجمالي N وتقلص الخطأ المعياري للفروق.
طبيعة إحصاء الاختبار المحسوب يتبع توزيع كاي-تربيع ($\chi^2$) بدرجة حرية واحدة، أو توزيع ذي الحدين في الصيغة الدقيقة. يتبع توزيع ستودنت (t-distribution) بدرجات حرية مساوية لـ $(N – 1)$.
الأداء في العينات الصغيرة ($b+c < 25$) متفوق ودقيق جداً باستخدام الحل الثنائي الدقيق (Exact Binomial Test). غير مستقر وتتضخم فيه معدلات الخطأ من النوع الأول بسبب انهيار التقريب الطبيعي.
حجم الأثر المستخرج مباشرة (Effect Size) نسبة الأرجحية للخلايا المتغيرة المشروطة (Odds Ratio = $b / c$). الفرق المطلق في النسب / متوسط الفروق ($\bar{d} = p_{1+} – p_{+1}$) مع فترات ثقة خطية.
المرونة وقابلية التوسع والنمذجة محدود بالتصميمات الثنائية البسيطة (يمتد إلى اختبار كوكران Q للقياسات المتعددة). شديد المرونة؛ يندمج مباشرة في نماذج الانحدار، القياسات المتكررة، ونماذج GLM.
سهولة الفهم لغير المتخصصين منخفضة إلى متوسطة؛ يجد غير المتخصص صعوبة في استيعاب إهمال الحالات الثابتة. عالية جداً؛ مخرجاته على هيئة متوسطات وفروق نسب مئوية يسهل استيعابها في التقارير.

5. أوجه الشبه والتقاطع الرياضي بين الأسلوبين

5.1 العلاقة المقاربة وتماثل النتائج في العينات الكبيرة

على الرغم من الانقسام الفلسفي بين المدرسة المعلمية والمدرسة اللامعلمية، فإن الأسلوبين يشتركان في تقارب رياضي وثيق عند توافر شروط العينات الكبيرة. كما أثبتنا في الاشتقاق الجبري السابق، فإن إحصائية مربع ستودنت $t^2$ المحسوبة على بيانات مشفرة ثنائياً تتقارب بشكل غير متحيز نحو إحصائية ماكنيمار غير المصححة $\chi^2$ بمجرد أن يصبح حجم العينة كبيراً وتتجاوز وتيرة التغيرات في الخلايا غير المتسقة حاجز الثلاثين أو الأربعين مفردة. في هذه الحالة، تتطابق القيم الاحتمالية المستخرجة من كلا الاختبارين إلى حدود الفواصل العشرية الثلاثة الأولى، مما يجعل القرار الإحصائي بقبول فرضية العدم أو رفضها متماثلاً تماماً.

يتجلى هذا التوافق أيضاً في اتساق الكشف عن اتجاه التأثير؛ فكلا النموذجين يستند إلى البسط نفسه في جوهره الحسابي، وهو الفرق الخام بين وتيرتي التحول المتعاكسين ($b – c$). إذا كان $b > c$، يسجل كلا الاختبارين تحولاً إيجابياً دالاً بنفس الاتجاه، وإذا كان $b < c$ يسجلان تحولاً سلبياً متسقاً، مما ينفي أي شبهة لتناقض اتجاه الاستدلال بينهما في العينات الضخمة والمتوازنة.

5.2 الاعتماد على ذات بنية التصميم التجريبي المقترن

ينطلق كلا الاختبارين من إدراك منهجي حاسم لضرورة إبطال مشكلة انعدام الاستقلالية الناتجة عن تكرار القياس لنفس المفردات. في الدراسات السريرية والنفسية، تشكل الفروق الفردية الكامنة (بين الأفراد) مصدراً هائلاً للتباين العشوائي غير المفسر. لو عوملت المجموعات كمجموعات مستقلة، لابتلع هذا التباين الداخلي أثر التدخل التجريبي بالكامل وأدى إلى الإخفاق في رفض فرضية العدم الخاطئة. يوفر كلا النموذجين تصميماً يتتبع التغير على مستوى الوحدة الواحدة، مما يلغي التباين الأساسي بين الأفراد ويسمح بتركيز القوة الإحصائية بالكامل على قياس أثر المعالجة عبر الزمن.

سواء اعتمد الباحث منطق الاستدلال الفئوي المشروط لماكنيمار أو منطق تحليل الفروق الفردية المعلمي لاختبار t، فإن الهدف الإحصائي والغاية التطبيقية واحدة: تحديد ما إذا كانت هناك أدلة احتمالية كافية تدعم أن النسبة العامة للحدث قد طرأ عليها تغير لا يمكن عزوه لتقلبات المعاينة العشوائية وحدها. هذا التوازي في الأهداف جعل العديد من المدارس الإحصائية التطبيقية تنظر إليهما كأداتين مكملتين لبعضهما البعض ضمن صندوق أدوات الباحث التجريبي.

6. معايير المفاضلة والتطبيق العملي: متى يطبق كل اختبار؟

6.1 حالات التفضيل الحاسم لاختبار ماكنيمار (McNemar’s Dominance)

يمثل اختبار ماكنيمار الخيار المعياري الإلزامي والمفضل منهجياً في مجموعة من السياقات التجريبية التي لا تقبل المساومة الإحصائية، ومن أبرزها:

  • العينات الصغيرة والمتوسطة المحدودة: عندما يكون الحجم الإجمالي للعينة محدوداً، أو عندما يكون مجموع الخلايا المتنافرة ($b + c < 25$). في هذه الظروف، ينهار تماماً المبرر التقاربي لمبرهنة النهاية المركزية لاختبار t، وتصبح المعالم المتقطعة للتوزيع مانعاً حاسماً من استخدام الاختبارات المستمرة، مما يجعل الصيغة الثنائية الدقيقة لماكنيمار هي الوسيلة الوحيدة الصالحة لتجنب تزييف مستويات الدلالة.
  • الأبحاث السريرية والدوائية والتجارب الوبائية الصارمة: تتطلب هيئات الرقابة الدوائية العالمية والمنظمات الصحية صرامة توزيعية مطلقة لا تعتمد على الافتراضات التقريبية، لا سيما في تقييم الآثار الجانبية للأدوية أو قياس نسب التحول الإيجابي لحالات الأمراض النادرة، كما يتضح في التجارب الطبية السريرية لتقييم التدخلات العلاجية المتكررة (Mehlum et al., 2014; Rydall et al., 1997).
  • وجود ميل حاد وانعدام في توازن الاستجابة الهامشية: إذا كانت الظاهرة المدروسة نادرة الحدوث في الأصل، بحيث تتركز الأغلبية الساحقة من العينة في الخلية السلبية المتطابقة (الخلية d تمثل 95% من العينة مثلاً)، فإن التباين المرتبط بتوزيع برنولي يتقلص بشكل مفرط يضلل اختبار t ويولد انحيازات شديدة في الخطأ المعياري، بينما يتعامل ماكنيمار مع هذا التمركز الشديد بثبات رياضي تام لعزله الخلايا المتسقة تماماً عن معادلة الدلالة.

6.2 حالات ترجيح أو قبول استخدام اختبار t للأزواج المرتبطة على النسب

على الجانب الآخر، تبرز مبررات عملية تجعل استخدام اختبار t للأزواج المرتبطة على النسب مقبولاً إحصائياً، بل ومفضلاً في مسارات بحثية معينة، ومنها:

  • الدراسات المسحية الواسعة وأبحاث الرأي العام الضخمة: عندما تبلغ أحجام العينات مئات أو آلاف المفردات مع وجود عدد وافر جداً من التغيرات في الخلايا المتنافرة، تضمن مبرهنة النهاية المركزية متانة توزيع المتوسطات الحسابية وتطابق النتائج مع ماكنيمار، مع ميزة تفوق اختبار t في تقديم فترات الثقة المباشرة لمقدار التغير في النسبة المئوية العامة، وهو ما يُعد المطلب الأساسي لصناع القرار وواضحي السياسات الاجتماعية.
  • الامتداد نحو النماذج الخطية العامة والقياسات المتكررة: عندما يكون اختبار الفرق بين النسبتين مجرد خطوة تمهيدية أو مقارنة ثنائية جزئية ضمن نموذج تحليل تباين متكرر واسع (Repeated Measures ANOVA) يضم متغيرات مستقلة أخرى بين المجموعات (Between-subject factors) ومتغيرات مصاحبة (Covariates)، فإن استخدام النهج المعلمي يوفر وحدة منهجية وتماسكاً في النمذجة الإحصائية الكلية يصعب تحقيقهما عبر ماكنيمار الكلاسيكي دون اللجوء إلى نماذج لوجستية متقدمة.
  • الأغراض الاستكشافية وعرض التقارير الميدانية السريعة: يفضل الكثير من الممارسين تقديم مخرجات الفروق بصيغة مقياس مستمر تسهل مقارنتها عبر مؤشرات قياس أداء مختلفة بدلاً من التعامل مع نسب الأرجحية المتعددة التي يفرزها التحليل اللامعلمي.

6.3 إرشادات عملية للتنفيذ عبر البرمجيات الإحصائية (R, SPSS, Python)

يتطلب التطبيق الإحصائي الدقيق وعياً بكيفية تنظيم مصفوفة البيانات في البرمجيات الإحصائية المتخصصة لضمان سلامة التنفيذ وتجنب الأخطاء البرمجية الشائعة:

تنظيم البيانات (Data Reshaping): يحتاج اختبار ماكنيمار إلى مصفوفة بيانات في “الشكل العريض” (Wide Format) حيث يمثل كل صف فرداً مستقلاً، ويحتل القياس الأول عموداً ثنائياً مستقلاً ($Time_1$)، بينما يحتل القياس الثاني عموداً موازياً ($Time_2$). هذا التنسيق هو نفسه المطلوب لحساب الفروق الفردية وتطبيق اختبار t للأزواج المرتبطة مباشرة. أما عند الرغبة في استخدام النماذج الخطية المعممة أو حزم نمذجة القياسات المتكررة المتقدمة، فيجب تحويل البيانات إلى “الشكل الطويل” (Long Format) حيث يتكرر معرف الفرد في صفين مع وجود عمود للمشاهدة وعمود ثانٍ لزمن القياس.

التنفيذ في بيئة R الإحصائية:

لحساب اختبار ماكنيمار، تُستخدم الدالة القياسية mcnemar.test() مع مصفوفة اقتران ثنائية. من الضروري جداً للباحث تحديد وسيط تصحيح الاستمرارية؛ فالافتراضي هو تفعيل تصحيح ييتس (correct = TRUE). وفي حال الرغبة في محاكاة الصيغة التقاربية الكلاسيكية لمقارنتها باختبار t، يمكن تعطيل التصحيح (correct = FALSE). وإذا كانت التكرارات في الخلايا المتغيرة شحيحة، يجب استدعاء الدالة exact2x2() من حزمة exact2x2 لإجراء الاختبار الثنائي الدقيق مباشرة. أما لحساب اختبار t للأزواج المرتبطة، فيتم استدعاء الدالة الكلاسيكية t.test(data$Time1, data$Time2, paired = TRUE)، والتي ستُنتج مباشرة متوسط الفروق، قيمة t، وفترات الثقة للفرق المطلق.

التنفيذ في برنامج SPSS:

يوفر برنامج SPSS إجراء اختبار ماكنيمار عبر مسار التحليل اللامعلمي للعينات المرتبطة (Analyze -> Nonparametric Tests -> Related Samples) أو عبر مسار الجداول المتقاطعة للعينات المقترنة. يُظهر البرنامج تلقائياً الدلالة التقاربية المصححة والدلالة الدقيقة المبنية على التوزيع الثنائي إذا كان حجم الخلايا صغيراً. في المقابل، يمكن تطبيق اختبار ستودنت للأزواج المرتبطة عبر مسار مقارنة المتوسطات (Analyze -> Compare Means -> Paired-Samples T Test) بعد إدخال المتغيرين المشفرين رقمياً (0 و1) في خانتي الأزواج، حيث يستخرج البرنامج جداول الانحرافات المعيارية وفترات الثقة لمتوسط الفروق بدقة متناهية.

التنفيذ في بيئة Python:

في لغة بايثون، تقدم مكتبة statsmodels الدالة المتخصصة mcnemar من المسار statsmodels.stats.contingency_tables، وتتيح للمحلل التبديل التلقائي أو اليدوي بين التوزيع التقاربي والتوزيع الثنائي الدقيق عبر المعامل exact=True مع التحكم في تطبيق تصحيح الاستمرارية. أما اختبار t للأزواج فيُنفذ بسهولة بالغة عبر استدعاء دالة ttest_rel من مكتبة scipy.stats على مصفوفتي المتغيرات الثنائية، مما يمنح الباحث مرونة برمجية كاملة للتحقق المزدوج من النتائج في البيئات التحليلية المؤتمتة.

7. الأسئلة الشائعة حول الاختبارين

7.1 هل يعتبر استخدام اختبار t للنسب الثنائية خطأً منهجياً فادحاً يرفض النشر العلمي؟

لا يُعد استخدام اختبار t على المتغيرات الثنائية في الأبحاث الحديثة خطأً فادحاً يوجب الرفض المباشر للبحث العلمي بصورة مطلقة، ولكنه يقع في دائرة “التحفظ المنهجي” الشديد ما لم يقدم الباحث مسوغات تقاربية واضحة تثبت سلامة التطبيق. تشترط مجلات النشر الرصينة توافر حجم عينة كافٍ يضمن تفعيل مبرهنة النهاية المركزية (عادة $N > 100$ مع وجود استقرار وتوازن نسبي في الخلايا غير المتسقة). إذا طُبق اختبار t في سياق عينات صغيرة ($N < 30$) أو مع نسب شاذة جداً تقترب من الصفر أو الواحد، فإن ذلك يُعد عواراً منهجياً صريحاً وانتهاكاً غير مبرر لفروض الاستدلال الإحصائي، وغالباً ما يدفع المحكمين إلى التشكيك الصارم في مصداقية القرارات الاحتمالية ومعدلات الخطأ من النوع الأول المرافقة للتحليل.

كبديل منهجي متقدم يحسم هذا الخلاف وينال قبولاً كبيراً لدى المراجعين العلميين، يُنصح الباحثون بالانتقال نحو نماذج معادلات التقدير المعممة (Generalized Estimating Equations – GEE) ونماذج الانحدار اللوجستي للقياسات المتكررة ذات التأثيرات الثابتة والعشوائية. توفر هذه النماذج الحديثة حلاً توفيقياً مثالياً؛ إذ تعتمد التوزيع الثنائي الطبيعي لمتغيرات برنولي وتضبط التباين الاقتراني للأفراد دون خرق افتراضات الاعتدالية، مع الحفاظ على مرونة فائقة في نمذجة المتغيرات الدخيلة وتوليد نسب أرجحية معدلة وفترات ثقة موثوقة لحجم الأثر، وتطبيقاتها بارزة في دراسات الصحة النفسية والتغير السلوكي عبر الزمن (Hacking et al., 2008; Elmer et al., 2020).

7.2 لماذا يتجاهل اختبار ماكنيمار الخلايا المتفقة (Concordant Pairs) تماماً في حسابه؟

يكمن التفسير المنطقي والرياضي لإهمال الخلايا المتسقة (الخليتين a و d) في طبيعة السؤال الاستدلالي الذي يجيب عنه الاختبار. يهدف اختبار ماكنيمار إلى التحقق مما إذا كان هناك انحياز اتجاهي في “التغير”؛ أي هل كان التدخل التجريبي دافعاً للتحول من السلبية إلى الإيجابية أكثر من دفعه للتحول المعاكس؟ الأفراد الذين كانت نتيجتهم إيجابية في القياسين (الخلية a) أو سلبية في القياسين (الخلية d) لم يطرأ عليهم أي تحول على الإطلاق. وبناءً على ذلك، فإن هؤلاء الأفراد لا يحملون أي معلومة استدلالية تمكننا من الحكم على اتجاه فاعلية التدخل؛ فهم يمثلون حالة “الجمود السلوكي أو الاستقراري” التي لا تعطي ترجيحاً لأحد الاتجاهين على الآخر.

يعتمد ماكنيمار مبدأ رياضياً يسمى “الاستدلال المشروط” (Conditional Inference)؛ حيث يتم تكييف فضاء العينة بالكامل وتحديده حصرياً على مجتمع الحالات التي استجابت للمؤثر وغيرت حالتها بالفعل ($b + c$). في المقابل، ينظر اختبار t للأزواج المرتبطة إلى المسألة من زاوية المتغير المتصل الشامل؛ حيث تُعتبر الحالات غير المتغيرة بمثابة قياسات ذات فروق قيمتها صفر ($d_i = 0$). يترتب على إدخال هذه الأصفار تقليص متوسط الفروق العام $\bar{d}$ وفي الوقت نفسه تخفيض التباين والخطأ المعياري. يرى الفكر اللامعلمي لماكنيمار أن هذا التخفيض في الخطأ المعياري الناتج عن مراكمة حالات لم تتغير هو نوع من “التضخيم الاصطناعي” لقوة الاختبار لا يرتكز على معلومات تغير فعلية، مما يبرر عزلهما الرياضي الصارم.

7.3 ما هو البديل المنهجي عند وجود أكثر من قياسين متكررين أو خيارات استجابة متعددة؟

يتوقف اختيار البديل المنهجي على طبيعة الامتداد المطلوب في بنية البيانات المصممة:

  • عند وجود أكثر من قياسين متكررين لنفس المتغير الثنائي (k > 2): يُعد اختبار كوكران كيو (Cochran’s Q Test) الامتداد الرياضي المباشر والشرعي لاختبار ماكنيمار. يختبر كوكران كيو فرضية التماثل والتجانس الهامشي للنسب عبر ثلاث نقاط زمنية أو أكثر لنفس المفردات، ويعتمد بدوره على التوزيع اللامعلمي لكاي-تربيع بدرجات حرية مساوية لـ $(k – 1)$، ويُستخدم بكثرة في تقييم تطور الاستجابة السريرية عبر مراحل علاجية متعددة (Imbach et al., 2015).
  • عندما تكون المتغيرات المرتبطة متعددة الفئات الاسمية (أكثر من خيارين، كالمقاييس الثلاثية أو الرباعية غير المرتبة): يُطبق اختبار بوكر للتناظر الهامشي (Bowker’s Test of Symmetry) أو امتداده المعروف باختبار ستيوارت-ماكسويل (Stuart-Maxwell Test). يعمل هذا الاختبار على مصفوفات توافق مربعة بحجم $k \times k$، ويختبر ما إذا كانت احتمالات التحول المتقابلة متناظرة حول القطر الرئيسي للجدول.
  • عند وجود تفاعلات معقدة، متغيرات مفسرة متعددة، أو بيانات مفقودة: تصبح النماذج المختلطة الخطية المعممة (Generalized Linear Mixed Models – GLMM) والنماذج الهرمية ثنائية الحدين الخيار الأكثر تكاملاً وقوة؛ حيث تتيح نمذجة الاستجابات الثنائية المتكررة عبر الزمن مع دمج التأثيرات العشوائية للفروق الفردية وإدارة عدم التوازن في أوقات القياس بكفاءة رياضية مطلقة تتجاوز حدود الاختبارات الكلاسيكية المقيدة، ومثل هذه التصميمات تظهر في الدراسات النفسية والسلوكية المتقدمة لقياس التفاعل المشترك والأداء عبر الزمن (Noy et al., 2015; Menghini et al., 2020; Xie et al., 2002).

8. الخاتمة: الخلاصة والتوصيات المنهجية المثلى

8.1 ملخص الفروق التوزيعية والعملية

خلصت هذه الدراسة التحليلية المقارنة إلى أن اختبار ماكنيمار يظل الخيار الأصح نظرياً، والأسلم توزيعياً، والأكثر اتساقاً من الناحية الرياضية لمعالجة البيانات الاسمية الثنائية المرتبطة. تتجلى أصالته الإحصائية في التزامه بالبنية الفئوية لبيانات برنولي، وتجرده من أي افتراضات غير واقعية حول التوزيع الطبيعي للفروق المنفصلة، وقدرته الذاتية على تفادي تضخيم الخطأ من النوع الأول عبر استدعاء التوزيع الثنائي الدقيق في مواجهة العينات المحدودة والبيانات الشحيحة. في المقابل، يمثل اختبار t للأزواج المرتبطة على النسب تقنية تقاربية مشروطة ذات نفع تطبيقي وعملي، يقتصر مبررها المنهجي على العينات الواسعة التي تفعل قوانين النهاية المركزية، وتستهدف أساساً بناء تقديرات خطية مستمرة لحجم التغير في النسب المئوية أو الاندماج ضمن بيئات تحليل التباين الكلاسيكية.

إن إدراك الفارق بين الأسلوبين يحمي المجتمع البحثي من الانزلاق وراء التبسيط المخل الذي يخلط بين الترميز العددي للمتغيرات الفئوية والقياس الكمي الحقيقي للمتغيرات المتصلة. يوضح الجدول والعلاقات الجبرية المبرهنة أن التقارب الرياضي بين الإحصاءين عند حدود اللانهاية لا ينفي وجود فجوات استدلالية ملموسة في التطبيقات الميدانية ذات العينات المحدودة، مما يفرض على الباحثين تحري الدقة الفائقة عند اختيار وتبرير الأداة الإحصائية المستخدمة وتأثير ذلك المباشر على مصداقية النتائج العلمية وقابليتها للتعميم والتكرار التوليدي، كما تدعو دراسات تحليل التفاعل والتأليف التكنولوجي الحديثة إلى ضرورة الشفافية المنهجية المطلقة في معالجة البيانات المعقدة (Draxler et al., 2023).

8.2 قائمة التحقق المنهجية للباحث قبل التحليل (Checklist)

لتسهيل اتخاذ القرار الإحصائي الصائب في الممارسات البحثية والميدانية، وُضعت قائمة التحقق المنهجية التالية لتكون دليلاً إرشادياً معيارياً للباحثين قبل الشروع في تحليل البيانات الثنائية المقترنة:

  • فحص حجم العينة وتكرار الخلايا المتنافرة (Discordant Counts): قم بحساب التكرارات في الخلايا غير المتسقة ($b + c$). إذا كان المجموع أقل من 25 حالة، توقف تماماً عن استخدام اختبار t أو إحصائية كاي-تربيع التقاربية لماكنيمار، واستخدم حصراً الاختبار الثنائي الدقيق لماكنيمار (Exact McNemar’s Test).
  • تقييم تماثل وتوازن التوزيع الهامشي: تحقق من نسب الحدوث الأساسية للسمة المقاسة. إذا كانت النسب قريبة جداً من الأطراف القصوى (أقل من 5% أو أكثر من 95%)، تجنب اختبار t لعدم استقرار التباين المشروط، واعتمد على اختبار ماكنيمار.
  • تحديد الهدف الرئيسي من المخرجات الإحصائية:
    • إذا كان الهدف فحص الفرضية الصفرية للتجانس الهامشي بأقصى دقة توزيعية وبناء نسب أرجحية (Odds Ratios) $\leftarrow$ اختبار ماكنيمار.
    • إذا كان الهدف الأساسي هو تقديم تقدير نقطي وفترة ثقة لمعامل انخفاض الخطر المطلق أو صافي الفرق في النسب المئوية العامة ($p_{1+} – p_{+1}$) ضمن عينة كبيرة $\leftarrow$ اختبار t للأزواج المرتبطة مع فحص متانة التوزيع.
  • التعامل مع تصحيح الاستمرارية: عند اختيار تطبيق ماكنيمار التقاربي في العينات المتوسطة إلى الكبيرة، احرص على استخدام تصحيح ييتس للاستمرارية لتقليل التحيز وتجنب تضخيم ألفا، واذكر بوضوح في منهجية البحث ما إذا كان الاختبار مطبقاً بتصحيح أو بدونه.
  • الشفافية والتحقق المتبادل (Cross-validation Reporting): في الحالات الحدية التي يقع فيها حجم الخلايا غير المتسقة في المنطقة الرمادية ($25 le b + c le 50$)، اعتمد سياسة الإفصاح المنهجي الكامل عبر تقرير كلا الاختبارين في قسم النتائج أو الملاحق التحليلية، مع مناقشة مدى التطابق أو الاختلاف في قيمة p المحسوبة، مما يمنح البحث متانة علمية فائقة ويبدد أي شكوك لدى المراجعين حول انتقائية المعالجات الإحصائية.

المراجع

  • Draxler, F., Werner, A., Lehmann, F., Hoppe, M., Schmidt, A., Buschek, D., et al. (2023). The AI Ghostwriter Effect: When Users do not Perceive Ownership of AI-Generated Text but Self-Declare as Authors. ACM Transactions on Computer-Human Interaction. https://doi.org/10.1145/3637875
  • Elmer, T., Mepham, K., & Stadtfeld, C. (2020). Students under lockdown: Comparisons of students’ social networks and mental health before and during the COVID-19 crisis in Switzerland. PLoS ONE. https://doi.org/10.1371/journal.pone.0236337
  • Hacking, S., Secker, J., Spandler, H., Kent, L., & Shenton, J. (2008). Evaluating the impact of participatory art projects for people with mental health needs. Health & Social Care in the Community. https://doi.org/10.1111/j.1365-2524.2008.00789.x
  • Imbach, L., Valko, P. O., Li, T., Maric, A., Symeonidou, E.-R., Stover, J., et al. (2015). Increased sleep need and daytime sleepiness 6 months after traumatic brain injury: a prospective controlled clinical trial. Brain. https://doi.org/10.1093/brain/awu391
  • Mehlum, L. I., Tørmoen, A. J., Ramberg, M., Haga, E., Diep, L. M., Laberg, S., et al. (2014). Dialectical Behavior Therapy for Adolescents With Repeated Suicidal and Self-harming Behavior: A Randomized Trial. Journal of the American Academy of Child & Adolescent Psychiatry. https://doi.org/10.1016/j.jaac.2014.07.003
  • Menghini, L., Cellini, N., Goldstone, A., Baker, F. C., & de Zambotti, M. (2020). A standardized framework for testing the performance of sleep-tracking technology: step-by-step guidelines and open-source code. SLEEP. https://doi.org/10.1093/sleep/zsaa170
  • Noy, L., Levit‐Binnun, N., & Golland, Y. (2015). Being in the zone: physiological markers of togetherness in joint improvisation. Frontiers in Human Neuroscience. https://doi.org/10.3389/fnhum.2015.00187
  • Rydall, A. C., Rodin, G., Olmsted, M. P., Devenyi, R. G., & Daneman, D. (1997). Disordered Eating Behavior and Microvascular Complications in Young Women with Insulin-Dependent Diabetes Mellitus. New England Journal of Medicine. https://doi.org/10.1056/nejm199706263362601
  • Salto, L., Riggs, M. L., De León, D., Casiano, C. A., & De León, M. A. (2014). Underrepresented Minority High School and College Students Report STEM-Pipeline Sustaining Gains After Participating in the Loma Linda University Summer Health Disparities Research Program. PLoS ONE. https://doi.org/10.1371/journal.pone.0108497
  • Xie, H., Swift, D. J., Cairns, B. D., & Cairns, R. B. (2002). Aggressive Behaviors in Social Interaction and Developmental Adaptation: A Narrative Analysis of Interpersonal Conflicts During Early Adolescence. Social Development. https://doi.org/10.1111/1467-9507.00195

تقييم هذا المحتوى

كن أول من يقيّم هذا المحتوى

عن الكاتب: Mohammed looti

أكاديمي وباحث متخصص في علم النفس التربوي، وعضو هيئة التدريس في جامعة كربلاء. يحمل درجة الدكتوراه في تخصصه، وتتمحور اهتماماته البحثية حول علم النفس الإيجابي، وتطوير المقاييس النفسية، والتنظيم الانفعالي المعرفي. يتميز الدكتور لوتي بطرحه البحثي المعاصر؛ حيث يركز على دراسة التأثيرات النفسية للتكنولوجيا الحديثة والذكاء الاصطناعي على الصحة العقلية وتكوين الهوية لدى الشباب. كما تمتد إسهاماته العلمية لتشمل دراسة ديناميكيات التواصل الأسري ودورها في بناء الكفاءة الذاتية والمهارات القيادية، بالإضافة إلى أبحاثه حول برامج "اليقظة العقلية" والتعافي النفسي، مما يجعله من الباحثين الفاعلين في إثراء ميدان علم النفس التربوي والتطبيقي.

اقتباس هذا المقال

looti, M. (2026, نوفمبر 16). اختبار ماكنيمار مقابل اختبار t للأزواج المرتبطة على النسب. عرب سايكلوجي. https://arabpsychology.com/comparisons/mcnemar-test-vs-paired-t-test-proportions/
looti, Mohammed. “اختبار ماكنيمار مقابل اختبار t للأزواج المرتبطة على النسب.” عرب سايكلوجي, 16 نوفمبر 2026, https://arabpsychology.com/comparisons/mcnemar-test-vs-paired-t-test-proportions/.
looti, Mohammed. “اختبار ماكنيمار مقابل اختبار t للأزواج المرتبطة على النسب.” عرب سايكلوجي. نوفمبر 16, 2026. https://arabpsychology.com/comparisons/mcnemar-test-vs-paired-t-test-proportions/.