اختبار دلالة الفرضية الصفرية مقابل تقدير حجم الأثر

يمثّل الاستدلال الإحصائي الدعامة المنهجية الكبرى التي شُيدت عليها صروح العلوم التجريبية، الاجتماعية، والسلوكية المعاصرة؛ إذ يُلقي على عاتقه مهمة التجسير بين العينات العشوائية المحدودة ومعالم المجتمعات الإحصائية الكلية غير المعاينة. غير أن هذا الصرح المنهجي يشهد، منذ عقود متتالية، مراجعات نقدية حادة زلزلت ثوابته التقليدية، وتمحورت حول إشكالية محورية: هل ينبغي للعلم أن يختزل استدلاله في قرارات ثنائية قاطعة تحكم بوجود الأثر أو غيابه عبر “اختبار دلالة الفرضية الصفرية” (Null Hypothesis Significance Testing – NHST)، أم ينبغي له بالأحرى أن ينتقل إلى نموذج معرفي يركز على تقدير كمية الظاهرة، وقوة الرابطة، وحجم التدخل العملي من خلال “تقدير حجم الأثر” (Effect Size Estimation) مدعوماً بفترات الثقة؟

إن هذا الجدل ليس مجرد خلاف فني تقني ينحصر بين أروقة أقسام الإحصاء التطبيقي، بل هو مأزق إبستمولوجي عميق يمس جوهر الطريقة العلمية في توليد المعرفة، ومفهوم الإثبات، ومعايير اتخاذ القرارات في السياسات العامة، والطب السريري، وعلم النفس، والاقتصاد، والتربية. لقد أدى الركون المفرط والآلي لاختبارات الفرضية الصفرية، المقترن بالتقديس الأعمى للعتبة الاحتمالية الشهيرة ($p < 0.05$)، إلى تكريس ما يشبه "الطقوس الإحصائية" المنفصلة عن السياق الميداني، الأمر الذي أجهض الفهم الحقيقي للبيانات وغيّب الدلالة العملية لصالح دلالة رقمية مجردة قد تكون في كثير من الأحيان خالية من أي مضمون ذي شأن. تأتي هذه المقالة الموسوعية الشاملة لترسم معالم خريطة الاستدلال الإحصائي الحديث، وتفكك الجذور التاريخية والنظرية لاختبار دلالة الفرضية الصفرية ونموذج تقدير حجم الأثر، كاشفة عن نقاط التباين، ومواطن التداخل والتكامل، ومقدمة دليلاً منهجياً رصيناً للباحثين وصناع القرار لتوجيه الممارسة البحثية نحو مزيد من الشفافية، والتراكمية المعرفية، والنزاهة العلمية.

1. المقدمة: المأزق الإبستمولوجي والتحول المنهجي في الاستدلال الإحصائي

1.1 تأطير إشكالية الدلالة الإحصائية في مقابل الدلالة العملية

شهد تاريخ المنهجية الإحصائية في العلوم الإنسانية والطبيعية صراعاً فكرياً ممتداً حول شرعية الاعتماد المطلق على اختبار دلالة الفرضية الصفرية (NHST) كمعيار وحيد وأوحد لتقرير القيمة العلمية للنتائج التجريبية. وتعود جذور هذا المأزق الإبستمولوجي إلى النصف الأول من القرن العشرين، حين تحولت أدوات التحليل الإحصائي من وسائل استرشادية لتقييم الشواهد إلى بوابات تحكيم إقصائية تحدد ما هو “علمي” وما هو “غير جدير بالنشر”. وفي قلب هذه الممارسة، برز خلط مفاهيمي خطير ومنتشر بين مفهومين متباينين تماماً: مفهوم “الدلالة الإحصائية” (Statistical Significance) ومفهوم “الدلالة العملية أو الميدانية” (Practical or Clinical Significance).

إن الدلالة الإحصائية، وفق منطقها الرياضي، لا تفعل شيئاً سوى الإجابة عن سؤال ضيق ومحدد للغاية: ما هو احتمال الحصول على بيانات متطرفة بهذا القدر أو أكثر، بافتراض أن الفرضية الصفرية (المتمثلة في انعدام أي فرق أو أثر في المجتمع الأصلي) صحيحة تماماً؟ إنها مقياس يتعلق بالتباين العيني وتعارض البيانات مع نموذج افتراضي محدد مسبقاً، ولا تنبئ الباحث إطلاقاً عن حجم التأثير المشاهد، ولا عن أهميته الإنسانية أو الاقتصادية أو التربوية. ورغم ذلك، ساد وهم معرفي مفاده أن النتيجة ذات الدلالة الإحصائية تعني حتماً اكتشاف أثر ذي وزن كبير ومردود تطبيقي ملموس، وأن غياب الدلالة الإحصائية يرادف حتماً انعدام الأثر من الوجود.

أدى هذا الخلط الشائع إلى تشويه الإنتاج العلمي؛ إذ بات من الممكن، عبر التلاعب بأحجام العينات، استدراج دلالة إحصائية من فروق مجهرية بالغة التفاهة لا تنطوي على أي قيمة ميدانية، كما حدث في العديد من الدراسات الصيدلانية حيث أظهرت بعض العقاقير “دلالة إحصائية” في تقليص الأعراض، لكن بفارق لا يكاد يدركه المريض في حياته اليومية. ومن هنا، تصاعدت الأصوات المنادية بضرورة إعادة تقييم شاملة، والانتقال من منطق السؤال الثنائي: “هل يوجد أثر؟” إلى منطق السؤال الكمي المتدرج: “ما مقدار هذا الأثر؟ وما مدى دقته؟ وما جدواه العملية؟”، وهو ما دفع إلى المطالبة بإدراج تقدير حجم الأثر (Effect Size) ركيزةً أساسيةً لا غنى عنها في كل دراسة علمية جادة.

1.2 مبررات المقارنة وسياق أزمة التكرارية في البحث العلمي

تجلت المبررات المنهجية لإجراء هذه المقارنة الصارمة مع انفجار ما يُعرف بـ “أزمة إعادة الإنتاج والتكرارية” (Replication Crisis) في مطلع العقد الثاني من القرن الحادي والعشرين. فقد كشفت مبادرات إعادة الاختبار الواسعة—لا سيما في حقول علم النفس، والعلوم العصبية، والطب الحيوي—عن عجز صادم في إعادة إنتاج نتائج نسبة كبرى من الدراسات المنشورة في أرقى الدوريات المحكمة، والتي كانت كلها تتباهى بقيم احتمالية دالة إحصائياً ($p < 0.05$). وقد وُجهت أصابع الاتهام المباشرة إلى الهيمنة المطلقة لنموذج NHST، وما يشجعه من ممارسات بحثية ملتوية وقاصرة.

ارتبط هذا المأزق المنهجي بانتشار ممارسات غير معلنة مثل “قرصنة القيمة الاحتمالية” (p-hacking)، والمفاضلة الانتقائية للمتغيرات (Selective Reporting)، والصيد الاستكشافي للبيانات بهدف الوصول بأي ثمن إلى ما دون عتبة الخمسة بالمائة السحرية، إلى جانب ظاهرة صياغة الفرضيات بعد معرفة النتائج (HARKing). وقد قاد هذا التحريف المنهجي الجمعيات العلمية الكبرى إلى التدخل؛ حيث أصدرت الرابطة الأمريكية لعلم النفس (APA) في دليل نشرها السادس ثم السابع توجيهات صارمة تلزم الباحثين بالإبلاغ المنهجي عن أحجام الآثار وفترات الثقة المرافقة لها، وصولاً إلى البيان التاريخي الصادر عن الجمعية الإحصائية الأمريكية (ASA) عام 2016 حول القيمة الاحتمالية، والذي حذر صراحة من اتخاذ القرارات العلمية أو التمويلية بناءً على عتبات احتمالية مصطنعة.

تكتسب المقارنة بين اختبار دلالة الفرضية الصفرية وتقدير حجم الأثر أهميتها القصوى من كونها تمييزاً فاصلاً بين نمطين من التفكير العلمي: نمط يتوسل اتخاذ قرار إحصائي آلي وثنائي (قبول/رفض) يوفر شعوراً زائفاً باليقين الرياضي، ونمط استدلالي تقديري يُعنى بكمية الظاهرة المدروسة وسياقها المعرفي وعدم اليقين المحيط بها. إن فهم هذا التمايز يمثل الخطوة الأولى والضرورية لإنقاذ البحث العلمي المعاصر من فخ التقرير الإحصائي الأجوف والانتقال به نحو ممارسة علمية تراكمية ومستدامة.

2. اختبار دلالة الفرضية الصفرية (NHST): الأسس، الآليات، والقيود

2.1 الجذور النظرية والمعمار الإحصائي للفرضية الصفرية

تأسس المعمار الإحصائي لاختبار دلالة الفرضية الصفرية الشائع اليوم عبر عملية دمج تاريخي هجين وغير متجانس، بل ومتناقض فلسفياً، بين نموذجين رائدين تم تطويرهما في النصف الأول من القرن العشرين: نموذج السير رونالد فيشر (Ronald A. Fisher) للاستدلال الاستقرائي الدلالي، ونمـوذج جيرزي نيمان وإيجون بيرسون (Jerzy Neyman & Egon Pearson) لصنع القرار السلوكي الاستقرائي.

قدّم فيشر في مؤلفيه التأسيسيين: Statistical Methods for Research Workers (1925) وThe Design of Experiments (1935) (حيث طرح اختباره الشهير للتحقق من قدرة سيدة على تذوق الشاي لتحديد ما إذا كان الحليب قد أُضيف أولاً أم الشاي) رؤية تعتمد على طرح فرضية صفرية واحدة ($H_0$) تمثل الوضع الراهن أو انعدام الأثر؛ إذ تُحسب القيمة الاحتمالية ($p$) لتعكس درجة توافق البيانات العينية مع هذه الفرضية، معتبراً أن $p < 0.05$ يمثل مجرد مؤشر مبدئي غير قطعي يستحق من الباحث إعادة التجربة أو التدقيق في الشواهد. لم يتضمن نموذج فيشر فرضية بديلة محددة كمياً، ولم يكن معنياً بالقوة الإحصائية، بل كان يرى الاختبار كعملية استدلال مستمرة تزيد من معرفة الباحث بالظاهرة دون حسم قاطع.

في المقابل، رفض نيمان وبيرسون (1928, 1933) مدخل فيشر الاستقرائي الفردي، واقترحا إطاراً صارماً لـ “صنع القرارات السلوكية” يتطلب صياغة فرضيتين متنافستين واضحتين: الفرضية الصفرية ($H_0$) والفرضية البديلة ($H_1$). كما حدد هذا النموذج مقدماً مستويين محددين للخطأ: خطأ النوع الأول ($\alpha$) وهو احتمال رفض الفرضية الصفرية وهي صحيحة واقعياً، وخطأ النوع الثاني ($\beta$) وهو احتمال الفشل في رفض الفرضية الصفرية بينما هي خاطئة والفرضية البديلة صحيحة، وتُعرف القيمة المتممة ($1 – beta$) بالقوة الإحصائية (Statistical Power). في هذا الإطار، لا يقدم الاختبار دليلاً استدلالياً حول حقيقة الفرضية لذاتها، بل يضع قاعدة قرار تضمن، على المدى الطويل من التكرار المنتظم، حصر معدل القرارات الخاطئة ضمن حدود معلومة مسبقاً.

نشأت المأساة المنهجية حينما قام مؤلفو الكتب الإحصائية المدرسية بدمج هذين النموذجين المختلفين جذرياً في “وحش منهجي هجين”؛ فأخذوا صياغة الفرضيتين وتثبيت مستوى ألفا مقدماً من نيمان وبيرسون، ودمجوها بآلية حساب القيمة الاحتمالية الاستقرائية من فيشر، منتجين نموذجاً هجيناً يوهم الباحثين بأنه يمكن اتخاذ قرار سلوكي قاطع برفض $H_0$ لصالح $H_1$ بناءً على قيمة $p$ من تجربة واحدة، دون اكتراث بحساب القوة الإحصائية أو تحديد حجم الأثر المنشود في المجتمع.

2.2 القيمة الاحتمالية (p-value): التفسير الدقيق والمفاهيم الخاطئة

تُعرّف القيمة الاحتمالية ($p$-value) رياضياً بدقة بالغة على أنها: الاحتمال الشرطي، في ظل افتراض الصحة المطلقة للفرضية الصفرية وكافة الفروض التوزيعية النموذجية الأخرى، لملاحظة إحصاء اختباري يساوي على الأقل في تطرفه القيمة التي تم رصدها بالفعل في العينة المسحوبة. يُصاغ ذلك رمزياً كالتالي:

$P(\text{Data as extreme or more extreme} mid H_0)$

تتطلب هذه الصياغة الانتباه إلى أن القيمة الاحتمالية هي بيان مشروط بصحة الفرضية الصفرية، وليست بياناً احتمالياً حول الفرضية ذاتها. غير أن الاستخدام التطبيقي غارق في سلسلة من المغالطات المعرفية الكارثية، التي وثقها باحثون كبار مثل جاكوب كوهين وجيك ميهل، والتي يمكن تلخيص أبرزها فيما يلي:

• مغالطة الاحتمال العكسي (The Inverse Probability Fallacy): الاعتقاد بأن القيمة الاحتمالية تمثل احتمال صحة الفرضية الصفرية في ضوء البيانات، أي الخلط بين $P(\text{Data} mid H_0)$ و $P(H_0 mid \text{Data})$. والواقع أن الانتقال من الأول إلى الثاني مستحيل رياضياً دون استخدام مبرهنة بايز وإدراج الاحتمال المسبق للفرضية ($Prior Probability$).
• مغالطة حجم الأثر (Effect Size Fallacy): الافتراض الواهم بأن القيمة الاحتمالية الأصغر تدل تلقائياً على أثر تجريبي أكبر؛ فالحقيقة أن قيمة $p = 0.0001$ قد تنجم عن أثر بالغ الضخامة في عينة صغيرة، أو عن أثر بالغ الضآلة والهشاشة في عينة مليونية، فالقيمة في حد ذاتها عمياء تجاه مقدار الظاهرة.
• مغالطة التكرارية (The Replication Fallacy): الاعتقاد بأن قيمة $p = 0.05$ تعني أن إعادة التجربة ستفضي إلى النتيجة ذاتها بنسبة 95%؛ إذ أثبتت الدراسات المحاكية أن احتمالية تكرار النتيجة الدالة أقل بكثير من هذا الرقم الوهمي وتتذبذب بعنف شديد عبر العينات.
• مغالطة خطأ النوع الأول الإجمالية: الزعم بأن القيمة الاحتمالية تماثل مباشرة احتمال ارتكاب خطأ من النوع الأول عند رفض الفرضية، متناسين أن خطأ النوع الأول هو معدل مشروط محدد مسبقاً ($(\alpha)$) يُطبق على المدى الطويل من التجارب المستقلة ولا يرتبط بقيمة $p$ المحسوبة لاحقاً لكل عينة بذاتها.

تتفاقم أزمة القيمة الاحتمالية نتيجة حساسيتها المفرطة لحجم العينة ($N$)؛ إذ إن المعادلة الإحصائية التي تشتق معظم الاختبارات (مثل اختبارات $t$ و$F$) تجعل الإحصاء الاختباري حاصل ضرب مباشر لحجم الأثر في الجذر التربيعي لحجم العينة. ونتيجة لذلك، تصبح القيمة الاحتمالية دالة مباشرة في حجم العينة، مما يعني أنه في ظل العينات الضخمة بما يكفي، ستكون أي فرضية صفرية تقريباً قابلة للرفض إحصائياً عند أي مستوى دلالة مرغوب، حتى لو كان الفرق الحقيقي يقترب من الصفر المطلق.

2.3 مواطن القوة والقصور المنهجي لاختبار NHST

على الرغم من سيل الانتقادات الموجهة إليه، يتمتع اختبار دلالة الفرضية الصفرية بمواطن قوة تاريخية جعلته المعيار السائد في النشر العلمي لما يقارب قرناً من الزمان. تكمن الميزة الكبرى للاختبار في توفيره معياراً موحداً وموضوعياً ظاهرياً يضع حداً صارماً أمام تدفق التفسيرات العشوائية والانحياز التأكيدي لدى الباحثين؛ فهو يمثل مصفاة أو مرشحاً أولياً يحول دون تبني استنتاجات قائمة على ضجيج المعاينة والصدفة البحتة، مقدماً لغة تواصل موحدة بين العلماء في مختلف التخصصات لضبط معدل الخطأ من النوع الأول ($\alpha$) عند عتبة مقبولة مجتمعياً (مثل 5% أو 1%).

ومع ذلك، فإن أوجه القصور الهيكلية للاختبار تتجاوز منافعه بكثير عند الاعتماد عليه منفرداً؛ فالقصور الأول والأخطر يتمثل في فرضية القرار الثنائي القاطع (Dichotomous Decision) التي تختزل السعي العلمي المعقد في قرار ميكانيكي حاد: “دال” في مقابل “غير دال”، أو “رفض” في مقابل “عدم الرفض”. هذا التقسيم التعسفي يحول الفارق الهامشي الضئيل بين $p = 0.049$ و $p = 0.051$ من مجرد تفاوت عشوائي طفيف إلى هوة سحيقة تفصل بين “اكتشاف علمي جدير بالنشر والاحتفاء” و”فشل بحثي يُدفن في أدراج المكاتب” (File Drawer Problem).

إضافة إلى ذلك، يعاني اختبار NHST من عجز متأصل عن تقديم أي معلومة حول اتجاه الأثر الحقيقي ومقداره ضمن مقاييس القياس الفعلية للظاهرة، فضلاً عن ارتكازه على ما أسماه بول ميهل بـ “الفرضية الصفرية النقطية الزائفة” (The Nil Hypothesis)، وهي فرضية تفترض أن الفرق في المجتمع يساوي صفراً بدقة متناهية إلى ما لا نهاية من الخانات العشرية. وفي العلوم الاجتماعية والنفسية والإنسانية المعقدة، يكاد يستحيل أن يوجد متغيران لا يرتبطان ببعضهما على الإطلاق بأي قدر كان في العالم الواقعي المتشابك؛ وبالتالي، تصبح محاولة نفي الصفر المطلق نضالاً ضد افتراض خرافي لا وجود له، ويغدو الاختبار مجرد مقياس لقدرة الباحث على جمع عينة تكفي لكشف ذلك الفرق الهامشي الموجود حتماً.

3. تقدير حجم الأثر (Effect Size Estimation): المفهوم، القياس، والقوة التفسيرية

3.1 فلسفة حجم الأثر واستقلاليته عن حجم العينة

تنطلق فلسفة تقدير حجم الأثر (Effect Size Estimation) من منطلق إبستمولوجي يغاير تماماً منطق الفرضية الصفرية؛ إذ لا ينصب التركيز هنا على نفي فرضية متكلفة، بل على تقدير المعلمة الفعلية في المجتمع، وتحديد “كمية” الظاهرة المشاهدة، ومدى قوتها النسبية أو المطلقة. يمثل حجم الأثر مؤشراً كمياً معيارياً أو غير معياري يعبر عن درجة ابتعاد المجتمع المدروس عن الفرضية الصفرية، أو درجة التباعد بين توزيعين، أو شدة الترابط بين متغيرين، موفراً تقديراً حقيقياً للأثر التجريبي بمعزل عن القيود الإجرائية لعملية جمع البيانات.

تتجلى الخاصية الجوهرية والفريدة لحجم الأثر في كونه مستقلاً مبدئياً عن حجم العينة؛ فحين يُحسب حجم الأثر بدقة، فإنه يعكس خاصية كامنة في المجتمع الإحصائي المقاس، ولا يزداد تلقائياً بمجرد مضاعفة عدد المشاركين كما تفعل الدلالة الإحصائية. تمنح هذه الاستقلالية الباحثين القدرة على قياس الجدوى الواقعية والمردود الفعلي للتدخلات العلمية والتطبيقية، متجاوزة الضجيج الإجرائي للمعاينة.

يقودنا هذا إلى مفهوم “الدلالة الإكلينيكية والعملية” (Clinical and Practical Significance)، وهي الدلالة التي تجيب عن تساؤلات حاسمة مثل: هل يترجم انخفاض ضغط الدم بمقدار ملليمترين من الزئبق—رغم دلالته الإحصائية الشديدة في دراسة شملت مائة ألف فرد—إلى وقاية فعلية وملموسة من السكتات الدماغية للمريض؟ وهل تبرر الزيادة الطفيفة في تحصيل الطلاب اعتماد برنامج تعليمي بملايين الدولارات؟ إن حجم الأثر هو الأداة الإحصائية الوحيدة القادرة على قياس هذا المضمون الواقعي، مما يجعله بوصلة التقييم الرصين للسياسات وتطوير المعرفة العلمية المجدية.

3.2 التصنيفات الإحصائية والمقاييس الشائعة لحجم الأثر

تتعدد مقاييس حجم الأثر تبعاً لطبيعة المتغيرات وتصميم الدراسة، وتنتظم عموماً في ثلاث عائلات إحصائية كبرى تسهم كل منها في إضاءة جانب مختلف من البيانات:

• 1. عائلة الفروق المعيارية (عائلة $d$ أو Group Differences):
  تُعنى هذه العائلة بقياس الفروق بين متوسطات المجموعات بوحدات الانحراف المعياري، ومن أبرز مؤشراتها:
  • كوهين $d$ (Cohen’s $d$): يُحسب بقسمة الفرق بين متوسطي المجموعتين على الانحراف المعياري المجمع (Pooled Standard Deviation). يمثل المقياس الكلاسيكي للفروق في التجارب الضابطة، لكنه يعاني من تحيز تضخيمي طفيف في العينات الصغيرة.
  • هيدجز $g$ (Hedges’ $g$): تعديل مباشر لمعامل كوهين يُدخل معامل تصحيح لمعالجة تحيزات العينات الصغيرة (خاصة إذا كان $N < 20$)، وهو المعيار المفضل حالياً في دراسات التحليل التلوي.
  • غلاس دلتا ($\Delta$ Glass’s): يعتمد على استخدام الانحراف المعياري للمجموعة الضابطة فقط كمقام، ويُفضل تطبيقه عند وجود تفاوت حاد في التباين بين المجموعتين التجريبية والضابطة بسبب التدخل التجريبي.
• 2. عائلة التباين المفسر وقوة الارتباط (عائلة $r$ أو Association/Variance Explained):
  تُعبر عن نسبة التباين في المتغير التابع التي يمكن عزوها أو تفسيرها بواسطة المتغير المستقل، وتشمل:
  • معامل ارتباط بيرسون ($r$): مقياس خطي يعكس اتجاه وقوة العلاقة بين متغيرين متصلين، ويمثل بدوره مقياساً سهلاً ومباشراً لحجم الأثر يتراوح بين -1 و +1.
  • مربع إيتا ($\eta^2$) ومربع إيتا الجزئي ($\eta_p^2$): يُستخدمان بكثافة في تصاميم تحليل التباين (ANOVA)، ويقيسان نسبة التباين المفسر، غير أن $\eta^2$ يعاني من تضخيم العينة ويبالغ في تقدير التباين المفسر في المجتمع.
  • أوميغا تربيع ($\omega^2$) وأوميغا تربيع الجزئي ($\omega_p^2$): يُعدان تقديرين غير متحيزين للتباين المفسر في المجتمع؛ إذ يقومان بطرح تباين الخطأ المتوقع من البسط، مما يجعلهما بديلاً متفوقاً منهجياً على مربع إيتا في العينات المتوسطة والصغيرة.
• 3. عائلة النسب والحالات الفئوية (Categorical/Risk Measures):
  تتعامل مع البيانات الاسمية وجداول الاقتران ($2 times 2$)، وتكتسب أهمية بالغة في الوبائيات والطب الحيوي:
  • نسبة الأرجحية (Odds Ratio – OR): النسبة بين أرجحية وقوع الحدث في المجموعة المعرضة للمتغير إلى أرجحية وقوعه في المجموعة غير المعرضة.
  • المخاطر النسبية (Relative Risk – RR): نسبة احتمال وقوع الحدث في الفئة المعالجة مقارنة باحتماله في الفئة غير المعالجة، وهي أكثر سهولة في الفهم العام مقارنة بالأرجحية.
  • فاي ($phi$) وكريمر $V$ (Cramér’s $V$): مقاييس قائمة على إحصاء كاي تربيع ($\chi^2$) لقياس قوة الارتباط بين متغيرين فئويين اسميين، تتراوح بين صفر ودلالة الارتباط التام.

3.3 فترات الثقة (Confidence Intervals) كركيزة مكملة لحجم الأثر

لا يكتمل تقدير حجم الأثر من الناحية الإحصائية والمنهجية دون إقرانه بفترات الثقة (Confidence Intervals – CIs)؛ فالأثر المحسوب من عينة ما لا يعدو كونه “تقديراً نقطياً” (Point Estimate) قد يتأثر بتقلبات المعاينة العشوائية. توفر فترات الثقة مدى احتمالي متصل يحصر المعلمة الحقيقية المجهولة في المجتمع عند مستوى ثقة محدد مسبقاً (غالباً 95% أو 99%).

تتجلى القوة الإبستمولوجية لفترات الثقة في كونها تفضح بصرياً ورقمياً مستوى “عدم اليقين” المصاحب للقياس. إن فترة ثقة واسعة للغاية لحجم أثر ما (مثلاً: $d = 0.80$، بفترة ثقة 95% تمتد من $0.05$ إلى $1.55$) تخبر الباحث بأن المعطيات هشة للغاية وغير دقيقة؛ فالأثر قد يتراوح في الواقع بين شبه منعدم إلى هائل واستثنائي. في المقابل، فإن فترة ثقة ضيقة (مثلاً: $d = 0.50$، بفترة ثقة 95% تمتد من $0.45$ إلى $0.55$) توفر تأكيداً قوياً على دقة القياس وتماسك الاستدلال التجريبي، وهو ما تعجز القيمة الاحتمالية المجردة عن تقديمه بصورة كلية.

علاوة على ذلك، تمثل فترات الثقة أداة هجينة بارعة تجمع بين مزايا اختبار الفرضيات وتقدير الحجم معاً. فإذا كانت فترة الثقة 95% لفرق المتوسطات لا تتضمن قيمة الصفر (أو لا تتضمن قيمة 1 في حالة نسبة الأرجحية والمخاطر النسبية)، فإن هذا يعادل رياضياً تماماً رفض الفرضية الصفرية عند مستوى دلالة $\alpha = 0.05$. لكن الفارق الجوهري يكمن في أن فترة الثقة ترشد الباحث نحو معقولية القيم البديلة ولا تكتفي فقط بنفي الصفر، كما تبين له ما إذا كان الحد الأدنى للتأثير المتوقع مفيداً عملياً في الواقع التطبيقي، وهو ما دفع مدارس الإحصاء الحديثة للمناداة بجعل فترات الثقة الركيزة المركزية في كتابة النتائج.

4. أبرز الفروق الجوهرية بين اختبار NHST وتقدير حجم الأثر

4.1 أبعاد المقارنة المفاهيمية والمنهجية

يقوم الاختلاف بين اختبار دلالة الفرضية الصفرية وتقدير حجم الأثر على تباينات فلسفية ومنهجية عميقة تؤثر مباشرة في آلية تفسير الشواهد العلمية. يتلخص الهدف الأساسي لاختبار NHST في إدارة مسألة عدم التأكد العيني عبر آلية وقائية تهدف إلى الحد من الوقوع في شرك الادعاءات الوهمية الناجمة عن الصدفة، موفراً مسطرة حاسمة للفصل في القرارات الاستنتاجية. غير أن هذا التركيز الوقائي يتحقق على حساب التجريد وتجاهل خصائص الظاهرة المقاسة.

في المقابل، يهدف تقدير حجم الأثر إلى فهم الواقع الطبيعي أو الاجتماعي كما هو وبناء نماذج كمية تعكس مقادير الظواهر وقوتها النسبية ومستوى رسوخها؛ فالأول ميكانيزم لفصل الإشارة عن الضجيج بقرار قاطع، بينما الثاني قياس مباشر لعلو الإشارة وخصائصها الطيفية.

يوضح الجدول الإحصائي المقارن أدناه أبعاد المواجهة المنهجية بين المدخلين عبر أهم محاور الاستدلال العلمي:

البعد المنهجي / المعياري	اختبار دلالة الفرضية الصفرية (NHST)	تقدير حجم الأثر (Effect Size)
المفهوم والهدف الأساسي	نفي دور الصدفة واتخاذ قرار ثنائي بشأن رفض الفرضية الصفرية من عدمه.	قياس وتحديد المقدار الكمي لقوة العلاقة أو حجم الفرق بين المجموعات.
طبيعة المخرج الإحصائي	مخرج احتمالي ثنائي ومقيد بقيمة حرجة ($\alpha = 0.05$ غالباً).	مقياس كمي متصل ومستمر، غير مقيد بقرار قاطع ولا ينحصر في عتبات وهمية.
العلاقة بحجم العينة ($N$)	شديد الحساسية؛ تتناقص قيمة $p$ باستمرار مع كبر العينة حتى تقترب من الصفر.	مستقل مبدئياً عن حجم العينة؛ يعكس معالم المجتمع بثبات متزايد كلما كبرت العينة.
الدلالة العملية والتطبيقية	عاجز عن تقديم أي تقييم للأهمية الميدانية، والسريرية، والتطبيقية للنتائج.	يوفر التقييم المباشر للأهمية الواقعية والمردود التطبيقي للتدخلات.
المساهمة في التحليل التلوي التراكمي	ضعيفة جداً؛ لا يمكن تجميع قيم $p$ بمفردها لإنشاء استدلال كمي تراكمي للظاهرة.	عنصر الارتكاز الأساسي؛ يتيح دمج القياسات عبر الدراسات المتعددة وحساب المتوسط الموزون.
التعرض للتحيزات المنهجية	شديد التعرض لانحياز النشر، وقرصنة الدلالة ($p$-hacking)، وممارسات HARKing.	أكثر مقاومة؛ يعرض القيمة الفعلية للأثر دون اشتراط تجاوز عتبات مصطنعة.
سهولة التأويل لغير المتخصصين	معقد وشديد الإيهام؛ تؤوّل قيمته خطأً حتى من قبل أساتذة الإحصاء المتمرسين.	بديهي ومباشر عند التعبير عنه بوحدات معيارية أو بنسب تغير ونسب أرجحية ملموسة.

4.2 الفروق في التطبيق والتفسير العلمي

تتجلى الفروق التطبيقية بين المدخلين بأوضح صورها في قضية “التراكم المعرفي” (Cumulative Knowledge)؛ فالعلوم لا تنمو عبر دراسات معزولة يصرخ كل باحث في نهايتها بأنه “رفض الفرضية الصفرية”، بل تتطور المعرفة عبر التكامل المنظم للشواهد المتفرقة في بنية نظرية واحدة، وهو ما يحققه التحليل التلوي (Meta-Analysis). إن دراسة تعتمد على اختبار NHST وتخلص إلى أن $p = 0.06$ تُصنف تاريخياً على أنها “غير دالة”، وتلقى في سلة المهملات البحثية وتُستبعد من التراكم العلمي، رغم أن حجم الأثر فيها قد يكون مطابقاً تماماً لدراسة أخرى أفرزت $p = 0.04$ لمجرد أنها ضمت بضعة مشاركين إضافيين. إن استبدال الدلالة الصفرية بتقدير حجم الأثر وفترات الثقة يتيح للباحثين في التحليل التلوي التقاط كل معلومة كمية، وتجميعها لحساب المتوسط الموزون للأثر الحقيقي عبر آلاف الدراسات، مما ينقذ المجهود العلمي من الهدر المنهجي.

وعلاوة على ذلك، يمثل اختبار NHST المحرك الأساسي لـ “انحياز النشر” (Publication Bias)؛ إذ دأبت الدوريات العلمية على رفض نشر الأوراق البحثية التي تظهر نتائج “غير دالة إحصائياً”، الأمر الذي شجع الباحثين على اللجوء إلى التلاعب المنهجي لتقليص قيمة $p$. أما التركيز على حجم الأثر وفترات الثقة، فإنه يحول الاهتمام من مجرد النتيجة القاطعة إلى جودة المنهجية، ودقة أدوات القياس، وحجم الظاهرة الحقيقي، مما يقلل الحافز لممارسة التضليل الإحصائي ويوفر منصة لنشر النتائج كما هي بواقعية ونزاهة.

أما على صعيد صناعة القرار، فإن لغة حجم الأثر تتفوق بجدارة على طلاسم القيمة الاحتمالية. فعندما يقف الباحث أمام وزير صحة أو مدير مؤسسة تعليمية، فإن إخباره بأن البرنامج الجديد أظهر “دلالة إحصائية عند مستوى $p < 0.01$" لا يقدم له أي معلومة تسعفه في حساب التكلفة والعائد. أما إذا قيل له: "إن البرنامج يرفع أداء الطلاب بمقدار نصف انحراف معياري، أي ما يعادل تحسين الترتيب المئيني للطالب العادي من المئين الخمسين إلى المئين التاسع والستين"، فإن صانع القرار يمتلك عندئذ أساساً موضوعياً للمفاضلة وتخصيص الميزانيات، وهو ما يؤكد التفوق التفسيري لحجم الأثر في ميادين الحياة العملية.

5. أوجه التشابه والتكامل الإحصائي بين المدخلين

5.1 الاعتماد الرياضي المتبادل بين الدلالة وحجم الأثر

على النقيض مما قد توحي به الخصومات السجالية بين أنصار المدرستين، لا توجد قطيعة رياضية بين الدلالة الإحصائية وحجم الأثر؛ بل إن الحقيقة الرياضية الصرفة تكشف عن كونهما طرفين لمعادلة واحدة مترابطة بإحكام. يمكن تلخيص المعمار الرياضي للاستدلال البارامتري التقليدي في المعادلة الرمزية الشهيرة التي صاغها عالم النفس الإحصائي روبرت روزنثال:

$\text{Test Statistic} = \text{Effect Size} \times \text{Size of Study}$

(إحصاء الاختبار = حجم الأثر × حجم الدراسة/العينة)

تتضح هذه العلاقة بجلاء في الاختبارات التائية الأساسية؛ ففي اختبار $t$ للعينات المستقلة ذات الأحجام المتساوية ($n$)، يمكن التعبير عن قيمة $t$ المحسوبة بدلالة كوهين $d$ على النحو التالي:

$t = d \times \sqrt{\frac{n}{2}}$

تثبت هذه الصيغة الرياضية بوضوح تام أن إحصاء الاختبار الذي يُحدد القيمة الاحتمالية ($p$) ليس كياناً مستقلاً بذاته، بل هو ناتج ضرب مباشر بين التقدير النقطي لحجم الأثر ودالة حجم العينة. وبالتالي، فإنه بالإمكان دوماً، بمجرد توفر إحصاء الاختبار وقيم درجات الحرية أو أحجام العينات، اشتقاق وحساب حجم الأثر والعكس صحيح بدقة مطلقة.

إضافة إلى هذا الارتباط الرياضي الوثيق، يشترك كلا المدخلين في استنادهما إلى الفروض التوزيعية ذاتها للنماذج الإحصائية المعلمية (Parametric Models). فكلا المنهجين يتطلبان تحقق شروط التوزيع الطبيعي للأخطاء (Normality)، وتجانس التباين بين المجموعات المقارنة (Homoscedasticity)، واستقلالية المشاهدات (Independence of Observations). وإذا ما انهارت هذه الفروض الأساسية، فإن كلاً من القيمة الاحتمالية وتقدير حجم الأثر المعياري (مثل كوهين $d$) سيعانيان من التحيز والتشويه، مما يفرض اللجوء إلى التقديرات اللامعلمية أو أساليب المعاينة المتكررة المعززة حاسوبياً (Bootstrapping).

5.2 التكامل في إطار البحث العلمي المعاصر

تتجه المنهجية الإحصائية المتقدمة اليوم نحو إرساء نموذج تكاملي لا يُلغي اختبار الدلالة بالكلية، بل يُنزله من مرتبة “المحك الحاسم” إلى مرتبة “الشرط المبدئي”، مكملاً إياه بتقدير حجم الأثر وفترات الثقة؛ فالعلم يحتاج إلى كلا المفهومين للإجابة عن سؤالين متمايزين ومترابطين:

السؤال الأول (ميدان NHST): هل لدينا أدلة شواهد كافية ومستقرة تسمح لنا باستبعاد فرضية أن الفروق الملاحظة نشأت بمجرد المصادفة وعشوائية المعاينة؟
السؤال الثاني (ميدان حجم الأثر): بافتراض أن الأثر ليس وليد المصادفة، فما هو مقداره الكمي الفعلي؟ وما مدى اتساع عدم اليقين المحيط به؟ وهل يستحق الاستثمار فيه تطبيقياً؟

يتجلى أبهى صور هذا التكامل التطبيقي في التحليل المسبق للقوة الإحصائية (A Priori Power Analysis). فلكي يحدد الباحث حجم العينة الأمثل اللازم لاختبار فرضيته الصفرية بصرامة، فإنه يُلزم منهجياً بتحديد “أصغر حجم أثر ذي أهمية عملية” (Smallest Effect Size of Interest – SESOI) في مجتمعه التخصصي. وعندها، يتكامل حجم الأثر المتوقع مع معايير ضبط خطأي النوع الأول ($\alpha$) والنوع الثاني ($\beta$) لحساب حجم العينة ($N$) المطلوب بدقة علمية تتجنب تبديد الموارد في عينات مفرطة التضخم أو قاصرة الضعف.

كما يتفق المدخلان في جذورهما الفلسفية على الانطلاق من مبادئ “نظرية المعاينة والاحتمالات” (Sampling Theory)، والاعتراف بحتمية الخطأ العيني؛ فكلاهما يهدف في خاتمة المطاف إلى الارتقاء بالاستدلال من الجزء (العينة) إلى الكل (المجتمع الإحصائي)، والحد من التفسيرات الذاتية عبر أطر كمية مضبوطة تعزز الشفافية العلمية.

6. سياقات الاستخدام ومعايير الاختيار والمفاضلة المنهجية

6.1 متى يكون اختبار دلالة الفرضية الصفرية ملائماً وحاسماً؟

على الرغم من التحولات المنهجية الواسعة نحو حجم الأثر، تظل هناك بيئات بحثية وتطبيقية معينة يمثل فيها اختبار دلالة الفرضية الصفرية الأداة الأكثر ملاءمة وحسماً للإجابة عن الأسئلة المطروحة:

• 1. الدراسات الاستكشافية وتصفية الفرضيات الأولية (Screening Studies):
  في المراحل التأسيسية للأبحاث الجينية وعلم الصيدلة الاكتشافي، حين يتم فحص عشرات الآلاف من الجينات أو المركبات الكيميائية دفعة واحدة لمعرفة ما إذا كان أي منها يُبدي أي تفاعل مع مرض معين، يكون الهدف الأولي هو الفرز السريع واستبعاد الضجيج الهائل. في هذا السياق، يعمل اختبار NHST المرفوق بأساليب ضبط معدل الاكتشاف الكاذب (مثل تصحيح بونفيروني أو Benjamini-Hochberg FDR) كمرشح أولي عالي الكفاءة لاختيار الأهداف التي تستحق الانتقال إلى مراحل الفحص الأكثر كلفة.
• 2. التجارب الفيزيائية والمعملية الصارمة:
  في أبحاث الفيزياء الجسيمية ومختبرات المعايرة الذرية، حيث يتمتع الباحثون بضبط تجريبي استثنائي وقدرة على محاصرة مصادر الخطأ المنهجي بصورة شبه تامة. هنا، تُستخدم اختبارات الفرضيات الصفرية الصارمة (مثل معيار الخمسة سيغما $5\sigma$ المتبع في مصادم الهادرونات الكبير، والذي يعادل قيمة $p \approx 3 \times 10^{-7}$) كمعيار إثبات قاطع على وجود جسيم جديد مثل بوزون هيغز، حيث يكون مجرد إثبات الوجود الفيزيائي بحد ذاته هو الاكتشاف العلمي الجوهري.
• 3. مراقبة الجودة الصناعية وقرارات القبول والرفض الآلية:
  في خطوط الإنتاج الصناعي، يتطلب الأمر اتخاذ قرار تشغيلي سريع وحاسم وفق نموذج نيمان-بيرسون السلوكي: هل نقبل شحنة المواد الخام الواردة أم نرفضها ونعيدها للمورد؟ هل توقف الماكينة لإعادة المعايرة أم تستمر في العمل؟ هذه السياقات لا تحتمل قياسات تقديرية متدرجة لحجم الأثر، بل تتطلب قاعدة قرار ثنائية محددة التكاليف مقدماً للتحكم في معدلات الخسائر الناتجة عن القرارات العكسية.

6.2 متى يتعين الانتقال بالكامل أو التركيز على حجم الأثر وفترات الثقة؟

في المقابل، تفرض طبيعة المشكلات والأهداف المعرفية في قطاعات واسعة من العلوم التحول الكامل، أو شبه الكامل، نحو تقدير حجم الأثر وفترات الثقة، لا سيما في السياقات التالية:

• 1. الدراسات الطبية، الإكلينيكية، والتدخلات النفسية والتربوية:
  عندما يتعلق الأمر بحياة الإنسان، أو صحته النفسية، أو كفاءته التعليمية، يصبح مجرد إثبات أن التدخل العلاجي “أفضل من الصدفة” لغواً لا قيمة له؛ فالطبيب بحاجة إلى معرفة معدل تقليص المخاطر ونسبة الأرجحية للأعراض الجانبية وفترة الثقة المصاحبة لتقييم جدوى العلاج، والمعلم بحاجة إلى معرفة ما إذا كانت الاستراتيجية التربوية تضيف تحسيناً ملحوظاً يستحق الجهد الذهني والزمني المبذول، مما يجعل التركيز على عائلة الفروق المعيارية ($d$) وعائلة النسب حتمية أخلاقية ومهنية.
• 2. أبحاث البيانات الضخمة (Big Data Analytics):
  مع وصول أحجام العينات إلى مئات الآلاف أو الملايين من السجلات (كما في تحليلات وسائل التواصل الاجتماعي، وبنوك البيانات الحيوية، واستطلاعات الرأي الرقمية الشاملة)، ينهار اختبار NHST عملياً من الداخل؛ حيث تتلاشى الأخطاء المعيارية وتتحول جميع الفروق والعلاقات—حتى التافهة منها التي لا تزيد عن $r = 0.005$—إلى نتائج ذات دلالة فائقة تبلغ ($p < 0.0001$). في هذا المشهد، تصبح القيمة الاحتمالية عاجزة كلياً عن توفير أي تمييز، ويغدو الاعتماد الحصري على حجم الأثر وفترات ثقته الضيقة هو السبيل العلمي الوحيد لفرز العلاقات الحقيقية المؤثرة من الفروق الهامشية المهملة.
• 3. مشاريع الأبحاث التراكمية الموجهة للتحليل التلوي:
  حين تُجرى الدراسات الفردية بنية الإسهام في بناء تراكمي لموضوع خلافي، يجب أن تُبنى خطة التقرير الإحصائي حول توفير تقديرات دقيقة لأحجام الآثار وأخطائها المعيارية، وتجنب لغة القرارات القاطعة؛ فالدراسات التي تُصنف على أنها “غير دالة” في إطار NHST تحتوي على معلومات حيوية تسهم، عند دمجها تلوياً، في استجلاء الحقيقة العلمية بدقة متناهية.

7. الأسئلة الشائعة حول الاستدلال الإحصائي وحجم الأثر

7.1 هل تعني القيمة الاحتمالية غير الدالة إحصائياً انعدام وجود الأثر تماماً؟

الإجابة القاطعة هي: لا، على الإطلاق. هذا اللبس يمثل أشهر سقطة منهجية في تاريخ العلوم التجريبية، وهي الوقوع في فخ الخلط المميت بين “غياب الدليل” و”دليل الغياب” (Absence of Evidence is not Evidence of Absence). إن الحصول على قيمة غير دالة إحصائياً (مثل $p = 0.12$) لا يعني أن الفرضية الصفرية صحيحة، ولا يعني أن التدخل التجريبي لم يُحدث أي تأثير.

كل ما تخبرنا به النتيجة غير الدالة هو أن الشواهد المتوفرة في هذه العينة المحددة لم تكن كافية لرفض الفرضية الصفرية بموجب معايير الخطأ المعتمدة. وقد يعود ذلك بالكامل إلى “ضعف القوة الإحصائية” (Low Statistical Power) الناجم عن صغر حجم العينة، أو ارتفاع معدل الخطأ في أدوات القياس المستخدمة، أو اتساع التباين الداخلي في المجتمع. وفي ظل عينة قوامها عشرون فرداً مثلاً، قد يُحدث عقار طبي أثراً علاجياً حقيقياً وكبيراً في الواقع المعاش، لكن الاختبار يعجز عن الوصول إلى عتبة الخمسة بالمائة بسبب اتساع الخطأ المعياري، فتصنف الدراسة زوراً بأن العقار “غير فعال”.

هنا تبرز الأهمية القصوى لحجم الأثر وفترات الثقة؛ ففحص فترة الثقة 95% المصاحبة للنتيجة غير الدالة يكشف فوراً ما إذا كان عدم اليقين كبيراً يمتد ليشمل قيماً واعدة تتطلب إعادة التجربة بعينة أكبر، أم أن فترة الثقة ضيقة ومتموضعة تماماً حول الصفر بحيث تنفي أي أهمية عملية للأثر المزعوم.

7.2 كيف تؤثر أحجام العينات الضخمة على تفسير كل من NHST وحجم الأثر؟

تُحدث العينات الكبيرة جداً تأثيراً متناقضاً على السلوكين الإحصائيين للاختبارين؛ فبالنسبة لاختبار دلالة الفرضية الصفرية (NHST)، تؤدي الزيادة الكبيرة في حجم العينة إلى انكماش الخطأ المعياري المتناسب عكساً مع $\sqrt{N}$، مما يتسبب في تضخيم الإحصاء الاختباري وانهيار القيمة الاحتمالية لتصل إلى مستويات متناهية في الصغر ($p < 0.001$). وفي هذه الحالة، يصبح الاختبار بالغ الحساسية لأي انحراف طفيف مجهري في البيانات عن الصفر الرياضي، مما يخلق خداعاً إحصائياً يوحي بالتوصل إلى كشف ثوري، بينما الفرق في الواقع هامشي وبلا أدنى قيمة تطبيقية.

أما بالنسبة لمقاييس حجم الأثر (مثل كوهين $d$ أو معامل الارتباط $r$)، فإن سلوكها يتسم بالاستقرار والرسوخ؛ حيث إن حجم الأثر لا يزداد ولا يتضخم مع زيادة حجم العينة، بل يقترب باطراد من القيمة الحقيقية الثابتة لمعلمة المجتمع، وتتقلص فترة الثقة المحيطة به لتصبح أكثر ضيقاً ودقة. ولهذا السبب، فإن التعامل مع البيانات الضخمة (Big Data) يفرض شل فاعلية التفسير القائم على القيمة الاحتمالية بالكامل تقريباً، والاعتماد الحصري على فحص حجم الأثر لمعرفة ما إذا كان الرابط المشاهد يمتلك وزناً حقيقياً يمكن البناء عليه أم مجرد صدى لعينة عملاقة تلتقط التموجات العشوائية للمجتمع.

7.3 ما هي المزالق المنهجية لاعتماد تصنيفات كوهين المرجعية لحجم الأثر كقوالب جامدة؟

اقترح عالم الإحصاء الرائد جاكوب كوهين (Jacob Cohen) عام 1988 قواعد استرشادية تقريبية مشهورة لتفسير حجوم الآثار في العلوم السلوكية لمعامل $d$: (0.2 = أثر صغير، 0.5 = أثر متوسط، 0.8 = أثر كبير). غير أن كوهين نفسه أطلق تحذيرات مشددة تبرأ فيها من تحويل هذه التصنيفات إلى معايير وقوالب طقسية جامدة، وهو التحذير الذي تجاهله الباحثون بصورة واسعة، مما خلق مزالق منهجية حادة.

يكمن المنزلق الأساسي في أن حجم الأثر مفهوم “سياقي ونسبي” يرتبط بطبيعة التخصص، ونوع المتغير المقاس، وتكلفة التدخل؛ فالأثر الذي يُصنف وفق كوهين بأنه “صغير للغاية” ($d = 0.10$ أو حتى $d = 0.05$) قد يمثل إنجازاً طبياً استثنائياً ينقذ حياة عشرات الآلاف من البشر، كما أظهرت التجارب السريرية للأسبرين في الوقاية من احتشاء عضلة القلب، حيث كان حجم الأثر صغيراً جداً بمقاييس كوهين الإحصائية، لكنه شكل فارقاً ضخماً على مستوى الوفيات السكانية مما استدعى إيقاف التجربة مبكراً لاعتبارات أخلاقية لتقديم العلاج للجميع.

وعلى العكس من ذلك، فإن تدخلاً تربوياً يُسفر عن أثر “كبير” وفق تصنيف كوهين ($d = 0.80$) قد يكون ناتجاً عن دراسة غير محكمة الضبط أجريت على عينة ضيقة ومتحيزة باختبارات تفتقر للصدق، أو قد يكون تدخلاً شديد الكلفة المادية والزمنية بحيث يتعذر تعميمه في المدارس العامة. وعليه، فإن الممارسة الإحصائية الرصينة تتطلب تحريم التقييم الميكانيكي الأعمى لقواعد كوهين، وإلزام الباحثين بمقارنة أحجام الآثار المشاهدة بسياق الأدبيات السابقة للتخصص الدقيق، والأهداف التطبيقية، والتكلفة المادية للأثر على أرض الواقع.

8. الخاتمة: نحو رؤية تركيبية للممارسة الإحصائية الرصينة

8.1 خلاصة الموازنة المعرفية بين المدخلين

تُظهر الموازنة المعرفية المعمقة بين اختبار دلالة الفرضية الصفرية وتقدير حجم الأثر أنه لا مبرر لافتعال عداء منهجي إقصائي يدعو إلى الاستئصال التام لأحدهما لصالح الآخر، بل إن المأزق الإبستمولوجي الراهن يُحل عبر تصحيح الوظائف وإعادة توطين كل أداة في مكانها الصحيح ضمن مسار الاستدلال الاستقرائي؛ فالأول مصفاة لغربلة الصدفة وضبط الخطأ النوعي، والثاني أداة قياس كمية تقيم الحقيقة وتبني التراكم المعرفي.

إن التحول المنهجي المطلوب يقتضي التحرر الجذري من الدوغمائية الإحصائية التي جعلت من تجاوز عتبة $p < 0.05$ غاية العلم ومنتهاه، والانتقال إلى ثقافة التقدير الكمي والشك المنهجي البنّاء. وفي هذا المضمار، تبرز فترات الثقة (Confidence Intervals) كجسر ذهبي موصل يجمع في أحضانه فضائل المدخلين معاً؛ إذ تقدم بياناً واضحاً حول الدلالة الإحصائية، ومقدار الأثر النقطي، ومدى دقة القياس في آن واحد وبتمثيل بصري لا يقبل المواربة.

إن غاية العلم ليست إصدار أحكام إدانة أو براءة قاطعة ومصطنعة على الفرضيات بنعم أو لا، بل السعي الدؤوب لتقريب معالم الواقع الطبيعي والاجتماعي وتحديد نسب عدم اليقين المحيطة بمعرفتنا الإنسانية المتطورة.

8.2 توصيات للباحثين ومستقبل النشر الأكاديمي

تأسيساً على هذا التأطير المعرفي، نقترح حزمة من التوصيات الإجرائية الموجهة للباحثين، والمحكمين، وهيئات تحرير المجلات العلمية، وأقسام الدراسات العليا للارتقاء بجودة الممارسة الإحصائية:

• 1. الإلزام المنهجي بالتقرير المزدوج:
  يجب أن تنص أدلة النشر في المجلات العلمية صراحة على منع نشر أي دراسة تعتمد على اختبارات NHST دون الإبلاغ المتزامن عن أحجام الآثار الملائمة وفترات الثقة المقابلة لها (بمستوى ثقة 95% على الأقل) لجميع الفروض الرئيسية والفرعية، سواء كانت دالة إحصائياً أم غير دالة.
• 2. التخطيط المسبق لحجم العينة عبر تحليل القوة:
  حظر الاعتماد على أحجام العينات الاعتباطية أو التبريرات القائمة على “العينات المتاحة بسهولة”، وإلزام الباحثين بتقديم تحليل قوة إحصائية قبلي (A Priori Power Analysis) شفاف يُحدد أصغر حجم أثر ذي أهمية عملية (SESOI) ومستويات $\alpha$ و $\beta$ المستهدفة، وتبرير حجم العينة على هذا الأساس الرياضي الصارم.
• 3. تجنب المصطلحات اللغوية المضللة:
  التوقف الصارم عن استخدام عبارات خادعة مثل: “النتيجة تقترب من الدلالة الإحصائية” عند الحصول على $p = 0.06$، أو “وجود أثر قوي للغاية” لمجرد الحصول على $p = 0.0001$؛ إذ يجب أن يوصف الأثر بالقوة والضعف استناداً إلى مقاييس حجم الأثر وسياقها المعرفي، لا استناداً إلى القيمة الاحتمالية.
• 4. تشجيع التسجيل المسبق للدراسات (Preregistration):
  حث الدوريات على اعتماد آليات “التقارير المسجلة مسبقاً” (Registered Reports) لتقييم المنهجية وتحليل القوة الإحصائية قبل الشروع في جمع البيانات، مما يضمن قبول الأوراق العلمية ونشرها بصرف النظر عن دلالة النتائج أو عدمها، للقضاء على انحياز النشر وقرصنة الدلالة الاحتمالية.
• 5. إصلاح مناهج تدريس الإحصاء في الجامعات:
  تطهير المناهج التدريسية من النموذج الهجين المشوه الذي يخلط بين أفكار فيشر وأفكار نيمان-بيرسون، ونقل ثقل التعليم من الحساب الآلي للرموز والبحث عن قيم $p$ إلى الفهم الإبستمولوجي للاستدلال الإحصائي، وتقدير أحجام الآثار، وفترات الثقة، ومنطق التراكم التلوي للمعرفة العلمية.

المراجع

• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Cohen, J. (1994). The earth is round ($p < .05$). American Psychologist, 49(12), 997–1003. https://doi.org/10.1037/0003-066X.49.12.997
• Cumming, G. (2012). Understanding the new statistics: Effect sizes, confidence intervals, and meta-analysis. Routledge.
• Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966
• Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd.
• Fisher, R. A. (1935). The design of experiments. Oliver and Boyd.
• Gelman, A., & Stern, H. (2006). The difference between “significant” and “not significant” is not itself statistically significant. The American Statistician, 60(4), 328–331. https://doi.org/10.1198/000313006X152607
• Kline, R. B. (2013). Beyond significance testing: Statistics reform in the behavioral sciences (2nd ed.). American Psychological Association.
• Meehl, P. E. (1978). Theoretical risks and tabular asterisks: Sir Karl, Sir Ronald, and the slow progress of soft psychology. Journal of Consulting and Clinical Psychology, 46(4), 806–834. https://doi.org/10.1037/0022-006X.46.4.806
• Neyman, J., & Pearson, E. S. (1928). On the use and interpretation of certain test criteria for purposes of statistical inference: Part I. Biometrika, 20A(1/2), 175–240. https://doi.org/10.2307/2331945
• Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society of London. Series A, 231(694-706), 289–337. https://doi.org/10.1098/rsta.1933.0009
• Simmons, J. P., Nelson, L. D., & Simonsohn, U. (2011). False-positive psychology: Undisclosed flexibility in data collection and analysis allows presenting anything as significant. Psychological Science, 22(11), 1359–1366. https://doi.org/10.1177/0956797611417632
• Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
• Wilkinson, L., & the Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594