المتوسط الحسابي

يُمثّل المتوسط الحسابي (Arithmetic Mean) الركيزة الجوهرية في البناء الإحصائي السلوكي، ونقطة الارتكاز الأكثر توظيفاً في التحليلات الكمية ضمن نطاق علم النفس والعلوم المعرفية والاجتماعية. يُعرَّف هذا المفهوم إجرائياً بأنه القيمة العددية الناتجة عن قسمة حاصل جمع سائر درجات أو استجابات أفراد العينة على عددهم الإجمالي، مما يمنحه وظيفة تمثيلية تُعبّر عن مركز التوزيع وتكثيف المعطيات الخام في مؤشر كمي موحد. ولا يقتصر دوره السيكومتري على كونه مجرد مقياس من مقاييس النزعة المركزية، بل يمتد ليشكل الأساس الرياضي الذي تُبنى عليه النماذج الاستدلالية المتقدمة ونظريات القياس المعاصرة.

التأصيل المفاهيمي والتعريف الإحصائي للمتوسط الحسابي

يُعَدّ المتوسط الحسابي في أدبيات القياس النفسي التعبير الرياضي الأبرز عن مركز الثقل الإحصائي لتوزيع درجات عينة محددة على متغير نفسي مقاس. من الناحية الصورية البحتة، إذا افترضنا وجود متغير نفسي مثل القلق أو الذكاء رُمز لقيمه بـ (س)، فإن المتوسط الحسابي للعينة يُحسب عبر تجميع القيم الفردية لكل المبحوثين ثم قسمة هذا المجموع التراكمي على حجم العينة (ن)، ويُشار إليه عادة في السياقات الإحصائية بالرمز الأكاديمي المتعارف عليه (م) أو رمز الشرطة العلوية (X̄). تتجلى القوة المنهجية لهذا المقياس في قدرته الفائقة على أخذ كل استجابة منفردة بعين الاعتبار دون استبعاد أو إهمال لأي قيمة في العينة المدروسة.

يتجاوز الفهم المعاصر للمتوسط الحسابي حدود العمليات الحسابية الميكانيكية، ليتحول إلى قيمة افتراضية متوقعة تجسد الأداء النمطي لجماعة معيارية معينة. ففي البحوث السلوكية، لا يمثل المتوسط بالضرورة درجة واقعية حصل عليها فرد حقيقي ومحدد داخل العينة، وإنما هو بناء إحصائي يعكس الموضع التوازني الذي تتأرجح حوله الدرجات النفسية. هذا البعد الرياضي يجعله بمثابة النقطة التي يتساوى عندها مجموع الانحرافات الإيجابية مع مجموع الانحرافات السلبية، مما يجعل القيمة الصافية لكافة الانحرافات مساوية للصفر دوماً، وهي إحدى أهم الخصائص البنيوية التي يستند إليها الفكر الإحصائي النفسي.

وفي إطار التمييز بين مستويات المعاينة والتعميم، يفرق الإحصاء النفسي بدقة متناهية بين متوسط العينة ومتوسط المجتمع الإحصائي الكلي، حيث يُرمز للأخير بالحرف الإغريقي (مو – μ). يُنظر إلى متوسط العينة بوصفه مقدراً إحصائياً غير متحيّز لمتوسط المجتمع شريطة أن تستوفي العينة شروط العشوائية والاستقلالية. وتستند النظريات السيكولوجية التي تعتمد على تصميم العينات إلى هذا التمايز من أجل اختبار الفرضيات، وتقدير الفروق الجوهرية بين المجموعات التجريبية والضابطة، وتحديد ما إذا كان التدخل العلاجي أو السلوكي قد أحدث انزياحاً ذا دلالة في متوسطات الأداء النفسي.

علاوة على ذلك، يكتسب المتوسط الحسابي وزناً استثنائياً عندما ترتقي البيانات السيكولوجية إلى مستوى المقاييس الفئوية (Interval scales) أو المقاييس النسبية (Ratio scales)، وفقاً لتصنيف ستيفنز الشهير لمستويات القياس. فعندما تكون المسافات بين الوحدات متساوية ومحددة كمياً، كما هو الحال في بعض اختبارات الذكاء المقننة وزمن الرجع الحركي، تصبح العمليات الحسابية المرتبطة بالجمع والقسمة مبررة رياضياً بصورة كاملة، مما يمنح المتوسط الحسابي موثوقية تفسيرية تفوق سائر المقاييس الوصفية الأخرى التي تقتصر على الترتيب أو التصنيف الاسمي.

الجذور التاريخية والإبستمولوجية للمتوسط في العلوم السلوكية

تعود الجذور الفلسفية والتطبيقية لفكرة المتوسط الحسابي إلى علم الفلك والرياضيات في القرنين السابع عشر والثامن عشر، حيث سُمي تاريخياً بنظرية الأخطاء، قبل أن تنتقل هذه المقاربة النوعية إلى دراسة الخصائص الإنسانية على يد العالم البلجيكي أدولف كيتليه (Adolphe Quetelet). كان كيتليه سبّاقاً إلى صياغة مفهوم “الإنسان المتوسط” (L’homme moyen)، معتبراً أن التوزيعات البيولوجية والسلوكية للبشر تميل بطبيعتها إلى الالتفاف حول قيمة متوسطة ثابتة، وأن الانحرافات الفردية عن هذا المتوسط تمثل تنويعات إحصائية تشبه أخطاء القياس الفلكية، مما مهّد لربط علم النفس بالنموذج الرياضي المنظم.

امتد هذا التأثير الفكري بصورة أكثر تخصصاً إلى بريطانيا مع أعمال فرانسيس غالتون (Francis Galton)، الذي سعى إلى قياس القدرات العقلية والسمات النفسية باستخدام القياسات الكمية الدقيقة. ورغم أن غالتون طوّر لاحقاً مفاهيم الوسيط والمئينات لتفادي تشوهات القيم المتطرفة، إلا أن مدرسته التحليلية رسخت المتوسط الحسابي بوصفه النواة الصلبة التي تتيح مقارنة السلالات والجماعات البشرية في مجالات الإدراك والذكاء. وقد واصل تلميذه كارل بيرسون (Karl Pearson) هذا النهج عبر تطوير معادلات الارتباط وعزوم التوزيع التي تعتمد اعتماداً كلياً على المتوسط الحسابي.

ومع مطلع القرن العشرين وانبثاق حركة القياس النفسي على يد علماء مثل ألفريد بينيه في فرنسا وتشارلز سبيرمان في بريطانيا، تحول المتوسط الحسابي من مجرد أداة تلخيصية إلى معيار بنائي لتحديد “العمر العقلي” ومعدل الذكاء (IQ). لقد أدرك هؤلاء الرواد أن الاستجابة الفردية لا تكتسب دلالتها السيكولوجية بمعزل عن سياقها الجمعي، وأن السبيل الوحيد لمعايرة صعوبة فقرة اختبارية أو تمييزها يمر حتماً عبر حساب متوسطات إجابات العينات المقننة، وهو ما وضع حجر الأساس لنظرية القياس الكلاسيكية (Classical Test Theory) التي تهيمن على بناء الاختبارات المعاصرة.

وفي منتصف القرن العشرين، عزز رونالد فيشر (Ronald Fisher) مكانة المتوسط الحسابي في علم النفس التجريبي من خلال ابتكار تحليل التباين (ANOVA). سمح هذا الإنجاز لعلماء النفس بتجاوز مجرد وصف المتوسطات الظاهرية إلى فحص التفاعل المعقد بين المتغيرات المستقلة المتعددة عبر دراسة الفروق بين تباين المتوسطات وتباين الأخطاء، مما جعل المتوسط الحسابي المحور الإجرائي لتصميم التجارب المعملية والميدانية واختبار النظريات السلوكية المعقدة بدقة متناهية.

الخصائص الرياضية السيكومترية للمتوسط الحسابي

يتميز المتوسط الحسابي بمجموعة من الخصائص الجبرية الفريدة التي تجعله متفوقاً رياضياً على غيره من المقاييس في معالجة البيانات السيكومترية. أولى هذه الخصائص وأكثرها تأثيراً هي أن مجموع انحرافات الدرجات الفردية عن متوسطها الحسابي يساوي صفراً دائماً؛ أي أن العزوم الخطية الأولى حول المتوسط تتلاشى حتماً. تعكس هذه الخاصية توازناً ميكانيكياً بين الدرجات التي تقع أعلى من المتوسط وتلك التي تقع أدناه، وهو ما يُترجم في الاختبارات النفسية بتناظر متوازن حول نقطة الارتكاز المركزية للأداء.

تتمثل الخاصية الثانية في مبدأ المربعات الصغرى (Least Squares Criterion)، والذي ينص على أن مجموع مربعات انحرافات الدرجات عن المتوسط الحسابي يكون أقل من مجموع مربعات انحرافاتها عن أي قيمة عددية أخرى يمكن افتراضها. تكتسب هذه الخاصية أهمية قصوى في علم النفس عند بناء معادلات الانحدار والتنبؤ السلوكي؛ إذ تضمن النماذج الإحصائية القائمة على المتوسط الحسابي تقليص الخطأ التنبؤي التراكمي إلى أدنى حد ممكن، مما يرفع من دقة القرارات التشخيصية والتوجيهية بناءً على الدرجات الاختبارية.

كذلك يتسم المتوسط الحسابي بقابليته للمعالجة الجبرية والتحويل الخطي المباشر، وهي ميزة حيوية في القياس النفسي عند تطبيق التحويلات الرياضية المعيارية. فإذا أُضيف مقدار ثابت إلى كافة درجات المبحوثين في مقياس للرضا الوظيفي، أو ضُربت الدرجات في معامل عددي معين، فإن المتوسط الحسابي الجديد يتغير بالضرورة بمقدار ذلك الثابت أو يضرب في ذلك المعامل تماماً. تسمح هذه المرونة لعلماء النفس بتحويل الدرجات الخام المتباينة إلى مقاييس موحدة ومفهومة سريرياً مثل الدرجات التائية (T-scores) والدرجات المعيارية (Z-scores).

إضافة إلى ذلك، يتمتع المتوسط الحسابي بخاصية التركيب التجميعي (Additivity)، حيث يمكن حساب المتوسط الموزون العام لعدة مجموعات فرعية مختلفة الحجم انطلاقاً من متوسطات تلك المجموعات وأحجامها فقط دون الحاجة إلى الرجوع إلى الدرجات الفردية الأصلية. تبرز فائدة هذه الميزة في الدراسات السيكولوجية المقارنة والتحليلات البعدية (Meta-analyses)، حيث يسعى الباحث إلى دمج نتائج عشرات التجارب النفسية المستقلة لتقدير حجم الأثر الإجمالي عبر دراسة المتوسطات الموزونة للعلاقات المدروسة.

المقارنة المنهجية: المتوسط والوسيط والمنوال في النماذج السلوكية

تعتمد الممارسة الإحصائية الرصينة في بحوث علم النفس على المواءمة الدقيقة بين طبيعة البيانات ومقياس النزعة المركزية المختار، حيث يتطلب التحليل مقارنة واعية بين المتوسط والوسيط والمنوال. بينما يستجيب المتوسط الحسابي لكافة القيم الكمية بصورة خطية، يعبر الوسيط عن النقطة المئينية الخمسين التي تقسم التوزيع المرتب إلى نصفين متساويين تماماً، في حين يكتفي المنوال بالإشارة إلى الدرجة أو الفئة الأكثر تكراراً وشيوعاً بين المبحوثين في المقياس.

تتضح هذه المفاضلة المنهجية بصورة جليّة عند التعامل مع التوزيعات الملتوية التي تكثر في علم النفس الإكلينيكي وعلم النفس العصبي. فعلى سبيل المثال، عند قياس أزمنة الاستجابة في اختبارات اليقظة المعرفية أو مستويات الاكتئاب السريري الحاد في عينات غير متجانسة، يمارس وجود بعض الحالات الشاذة أو المتطرفة سحباً قوياً على المتوسط الحسابي باتجاه ذيل الالتواء، مما يجعله مضللاً في تمثيل الأداء النمطي للعينة. في مثل هذه البيئات المعوجة إحصائياً، يبرز الوسيط بوصفه المقياس الأكثر متانة وحصانة ضد التشويه الإحصائي لأنه يتأثر بترتيب القيم وليس بحجمها العددي المطلق.

ومع ذلك، يظل المتوسط الحسابي متفوقاً بشكل حاسم على الوسيط والمنوال في كفاءة المعاينة (Sampling Efficiency)؛ أي أنه عند سحب عينات عشوائية متكررة من نفس المجتمع النفسي الطبيعي، فإن متوسطات تلك العينات تُظهر تبايناً واستقراراً أفضل بكثير من وسائطها أو منوالاتها. هذه الكفاءة تجعل المتوسط الإحصاء الأكثر ملائمة لتطبيق اختبارات المعنوية المتقدمة التي تتطلب قدراً كبيراً من الثبات في التقديرات الإحصائية، مما يجعل التخلي عنه في الأبحاث السلوكية محصوراً في الحالات التي يتعذر فيها تصحيح الالتواء أو تحويل البيانات.

يوضح الجدول التفسيري الآتي المقارنة التحليلية بين مقاييس النزعة المركزية الثلاثة من منظور علم النفس التجريبي والقياس السيكومتري:

• المتوسط الحسابي: يتطلب بيانات فئوية أو نسبية، حساس لجميع القيم المتطرفة، يتميز بأعلى كفاءة استدلالية، ويصلح للاستخدام في معظم النماذج البارامترية المعقدة.
• الوسيط: يتطلب بيانات ترتيبية على الأقل، محصن ضد القيم الشاذة، يعكس الدرجة الوسطى للتوزيع، ويُفضل استخدامه في دراسات الدخل، وأزمنة الرجع، وشدة الأعراض المرضية النادرة.
• المنوال: يتلاءم مع البيانات الاسمية والنوعية، لا يتأثر إطلاقاً بالقيم الشاذة، لكنه يفتقر إلى الكفاءة الرياضية ولا يخضع للعمليات الجبرية التراكمية، ويقتصر دوره غالباً على الوصف الاستكشافي المبدئي.

التطبيقات السيكومترية للمتوسط في بناء وتدريج المقاييس

يحتل المتوسط الحسابي موقعاً محورياً في مسار تصميم وتطوير الاختبارات النفسية، وتحديداً في مرحلة التحليل البنائي للمفردات (Item Analysis). عند فحص فقرات اختبار تحصيلي أو مقياس للقدرة المعرفية، يُحسب متوسط الدرجات على كل مفردة بمفردها لتقدير ما يُعرف بـ “معامل صعوبة الفقرة” (Item Difficulty Index). في الاختبارات ثنائية التصحيح (صواب/خطأ)، يتطابق المتوسط الحسابي للفقرة حسابياً مع نسبة الأفراد الذين نجحوا في الإجابة عليها، مما يوفر مؤشراً كمياً مباشراً لمدى استيعاب العينة لصعوبة السؤال وملاءمته للمرحلة النمائية المستهدفة.

كما يُعد المتوسط الحسابي حجر الزاوية في بناء المعايير السيكومترية (Norms) التي تُحوّل الدرجة الخام الفردية المجردة إلى معنى سيكولوجي ذي دلالة تشخيصية. فالدرجة الخام التي يحرزها مريض في اختبار لفحص القلق لا تعكس بحد ذاتها مستوى خطورة محدد ما لم تُقارن بالمتوسط الحسابي لدرجات المجتمع المرجعي المقنن. من خلال حساب الفرق بين درجة الفرد ومتوسط المجتمع، وقسمة هذا الفرق على الانحراف المعياري، يستطيع الأخصائي النفسي استخراج الدرجة المعيارية (Z-score) وتحديد موقع المفحوص على منحنى التوزيع الطبيعي بصورة موضوعية تبتعد عن التقديرات الذاتية.

وفي إطار نظرية القياس الكلاسيكية، يستند حساب معامل الثبات عبر معادلة ألفا كرونباخ (Cronbach’s Alpha) أو طرق التجزئة النصفية إلى تباينات المتوسطات الإجمالية للفقرات والمقياس ككل. إن افتراض التوازي والتكافؤ بين النماذج الاختبارية المختلفة يرتكز بدوره على ضرورة تساوي المتوسطات الحسابية والتباينات للنماذج البديلة، لضمان أن الفرد سيحصل على نفس التقدير الاحتمالي للدرجة الحقيقية بغض النظر عن الصيغة الاختبارية التي خضع لها في جلسة الفحص النفسي.

كذلك تبرز أهمية المتوسط في نظرية استجابة المفردة الحديثة (Item Response Theory)، حيث تُستخدم المتوسطات المشروطة لمطابقة قدرات الأفراد المفحوصين (Theta) مع مستويات معالم المفردات من صعوبة وتمييز وتخمين. يساعد هذا التوظيف للمتوسطات في تصميم الاختبارات التكيفية المحوسبة (Computerized Adaptive Testing) التي تختار للمفحوص أسئلة يتطابق مستوى صعوبتها مع متوسط قدرته اللحظية المستنتجة، مما يقلل من زمن الاختبار ويرفع من دقته القياسية إلى أقصى حد ممكن.

المتوسط الحسابي في الإحصاء الاستدلالي واختبار الفرضيات النفسية

تتمحور الغالبية الساحقة من بحوث علم النفس الكمي حول صياغة واختبار الفرضيات الصفرية والبديلة المتعلقة بمتوسطات المجموعات. يعتمد الإحصاء البارامتري، الذي يمثل الواجهة الأكثر رصانة في التحليل السيكولوجي، على المتوسط الحسابي كمحرك أساسي لاختبارات الدلالة الإحصائية مثل اختبار ت (t-test) بنوعيه للعينات المستقلة والمترابطة. يُستخدم هذا الاختبار لرصد ما إذا كان الفارق بين متوسطي مجموعتين تجريبية وضابطة فارقاً حقيقياً يعكس أثر المتغير المستقل، أم أنه مجرد تذبذب عشوائي ناتج عن خطأ المعاينة الصدفية.

يمتد هذا الإطار المنهجي ليتسع إلى تصميمات أكثر تعقيداً عبر تحليل التباين الأحادي والمتعدد (ANOVA / MANOVA)، حيث تُجزأ التباينات الإجمالية إلى تباينات ناتجة عن الفروق بين متوسطات المعالجات التجريبية وتباينات الأخطاء داخل المجموعات ذاتها. في دراسات علم النفس العيادي، على سبيل المثال، يُمكّن تحليل التباين الباحثين من مقارنة متوسطات التحسن لأربعة بروتوكولات علاجية مختلفة (مثل العلاج المعرفي السلوكي، والعلاج الدوائي، والعلاج التكاملي، والعلاج الوهمي) في نقطة زمنية واحدة مع ضبط الفروق القبلية، معتمدين كلياً على تقديرات المتوسطات المشروطة.

ولا ينحصر الاهتمام الأكاديمي المعاصر في الدلالة الإحصائية المجردة (قيمة P-value)، بل يتعداه بقوة نحو حساب حجوم الأثر (Effect Sizes) التي تعتمد اعتماداً جوهرياً على المتوسطات الحسابية، مثل معامل كوهين دي (Cohen’s d) ومعامل هيجز جي (Hedges’ g). يُقاس حجم الأثر السيكولوجي من خلال حساب الفرق المطلق بين متوسطي المجموعتين وقسمته على الانحراف المعياري المجمع، مما يوفر تقديراً عملياً يُحدد مدى الأهمية الإكلينيكية والواقعية لنتائج التدخل السلوكي، بعيداً عن تأثيرات حجم العينة الضخمة التي قد تضخم الدلالة الإحصائية الشكلية.

علاوة على ذلك، يشكل المتوسط الحسابي الركيزة البنائية في نمذجة المعادلات الهيكلية (Structural Equation Modeling) وتحليل المسار، حيث تُحلل مصفوفات التغاير المقترنة بمتوسطات المتغيرات الكامنة (Latent Means Modeling). تتيح هذه التقنية المتقدمة لعلماء النفس مقارنة الأبنية المعرفية غير الملاحظة مباشرة (كالذكاء العاطفي أو المرونة النفسية) عبر ثقافات أو فئات ديموغرافية متباينة، واختبار فرضية التكافؤ القياسي للمتوسطات عبر المجموعات المتعددة للتأكد من خلو المقاييس من التحيز الثقافي.

المحددات المنهجية وإساءة استخدام المتوسط في البحوث السلوكية

على الرغم من المكانة المركزية للمتوسط الحسابي، فإن الإفراط في الاعتماد عليه دون تدقيق فاحص لطبيعة البيانات ينطوي على مخاطر منهجية جسيمة تهدد صدق الاستنتاجات النفسية. الخطر الأكبر ينبع من حساسيته المفرطة للقيم المتطرفة والشاذة (Outliers) الناتجة عن أخطاء الإدخال، أو عدم جدية المفحوصين، أو وجود حالات إكلينيكية فريدة في العينة. وجود حالة واحدة تسجل درجة شديدة الارتفاع أو الانخفاض قد يدفع المتوسط الحسابي نحو اتجاه مضلل، مما يرسم صورة زائفة لا تعكس الواقع الحقيقي للأغلبية الساحقة من أفراد العينة السلوكية المدروسة.

تتمثل المعضلة المنهجية الثانية في التطبيق الخاطئ للمتوسط على البيانات الترتيبية (Ordinal Data) الناتجة عن تدريجات ليكرت (Likert scales) الشائعة في استبانات الشخصية والاتجاهات النفسية. من منظور رياضي متشدد، تمثل استجابات ليكرت (مثل: غير موافق بشدة إلى موافق بشدة) رتباً متسلسلة وليست مسافات متساوية متصلة، وبالتالي فإن جمعها وحساب متوسطها الحسابي قد يُعد خرقاً للافتراضات الرياضية للقياس. ورغم تساهل بعض المدارس السيكومترية مع هذا الإجراء عند تعدد الفقرات، إلا أن باحثين كثر يحذرون من أن حساب المتوسط لهذه المقاييس يولد دلالات زائفة حول المسافات بين المشاعر أو المواقف الإنسانية المقاسة.

كما يقع العديد من الباحثين في فخ إهمال التشتت المحيط بالمتوسط الحسابي؛ إذ يُعد تقديم المتوسط كقيمة معزولة دون إرفاقه بمقاييس التشتت الملائمة—وعلى رأسها الانحراف المعياري والخطأ المعياري وفترات الثقة (Confidence Intervals)—خطأً منهجياً فادحاً. فقد تتساوى مجموعتان في متوسط درجات الاكتئاب تماماً، إلا أن المجموعة الأولى تتميز بتجانس درجات أفرادها حول هذا المتوسط، بينما تنقسم المجموعة الثانية إلى أفراد يعانون اكتئاباً حاداً وآخرين لا تظهر عليهم أية أعراض، وهو ما يحجب التباين الإكلينيكي الحاسم إذا تم الاكتفاء بقراءة المتوسط بمفرده.

أخيراً، يؤدي الاعتماد الساذج على المتوسطات العامة إلى نشوء ظاهرة تسمى في فلسفة العلوم السلوكية بـ “مغالطة التجميع الإحصائي” أو مغالطة كيتليه؛ حيث يفترض الباحث دون برهان أن ما ينطبق على متوسط الجماعة ينطبق بالضرورة على مسار كل فرد داخلها. في أبحاث التطور المعرفي وعلم الأعصاب، أثبتت الدراسات الطولية أن مسارات النمو الفردية قلما تتطابق مع منحنى المتوسط الجماعي الأملس، مما يفرض على الباحث المعاصر تعزيز تحليلاته الإحصائية بنماذج المسارات الفردية والتحليلات القائمة على الشخص (Person-Centered Approaches) بدلاً من الاقتصار على التحليلات القائمة على المتغير والمتوسط الجماعي فقط.

خاتمة

يظل المتوسط الحسابي بلا منازع الأداة الكمية الأكثر رسوخاً وأساسية في ترسانة المنهجية السيكولوجية، حلقة الوصل الرياضية التي مكنت علم النفس من التحول من التأملات الفلسفية الوصفية إلى نسق علمي تجريبي يستند إلى التكميم الدقيق والمعايرة الصارمة. إن قدرته الفائقة على تكثيف الأداء الإنساني، وخصائصه الجبرية التي تيسر بناء النماذج الاستدلالية المتقدمة ونظريات القياس، تمنحه مكانة لا يمكن الاستغناء عنها في بناء المقاييس واختبار الفرضيات السريرية والتجريبية. ومع ذلك، فإن النضج المنهجي يفرض على الباحث السلوكي عدم التعامل مع المتوسط كحقيقة مطلقة ومكتفية بذاتها، بل إدراكه كمؤشر مشروط يستلزم دوماً التحقق من اعتدالية التوزيع، والتأكد من خلوه من تشوهات القيم المتطرفة، وإقرانه بمقاييس التشتت وحجوم الأثر، لضمان تقديم رؤية علمية أمينة وذات مغزى لتعقيدات السلوك والظواهر النفسية البشرية.

المراجع

• أبو حطب، فؤاد، وصادق، آمال. (2010). مناهج البحث وطرق التحليل الإحصائي في العلوم النفسية والتربوية والاجتماعية (ط. 3). مكتبة الأنجلو المصرية.
• علام، صلاح الدين محمود. (2018). القياس والتقويم التربوي والنفسي: أساسياته وتطبيقاته وتوجيهاته المعاصرة (ط. 5). دار الفكر العربي.
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Crocker, L., & Algina, J. (2008). Introduction to classical and modern test theory. Cengage Learning.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Gravetter, F. J., & Wallnau, L. B. (2017). Statistics for the behavioral sciences (10th ed.). Cengage Learning.
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, Cengage Learning.
• Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed.). McGraw-Hill.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.