اختبار بارتليت لتجانس التباين: دليله النظري وتطبيقاته في القياس والبحث النفسي

يشكل التحقق من الفروض الإحصائية ركيزة جوهرية لا غنى عنها لضمان صدق الاستنتاجات العلمية ودقتها في مجالات العلوم السلوكية والنفسية، حيث تتوقف صحة القرارات الإكلينيكية والتربوية على متانة النماذج المطبقة. ويبرز اختبار بارتليت لتجانس التباين (Bartlett's Test for Equality of Variances) بوصفه أحد أقدم وأدق الأساليب البارامترية المصممة لاختبار فرضية تجانس التباينات عبر عدة مجموعات تجريبية أو ضابطة، وهو شرط حاسم لإجراء تحليل التباين الأحادي والمتعدد. ومن خلال هذا التحليل، يستطيع الباحث النفسي التأكد مما إذا كانت الفروق الملاحظة بين المجموعات ترجع بالفعل إلى تأثير المتغير المستقل، أم أنها تعزى إلى تشتت مفرط وتباينات غير متكافئة بين العينات تؤدي إلى تضخيم الخطأ المعياري وتشويه الدلالة الإحصائية.

السياق النظري والتاريخي لاختبار بارتليت

قدم الإحصائي البريطاني البارز موريس ستيفنسون بارتليت (Maurice Stevenson Bartlett) هذا الاختبار لأول مرة في عام 1937 في ورقة علمية رائدة نُشرت في دورية الجمعية الملكية الإحصائية، وذلك لمعالجة إشكالية مقارنة تباينات مجتمعات إحصائية متعددة في آن واحد. ففي تلك الحقبة، كانت مدرسة الإحصاء الحيوي والقياس النفسي تشهد طفرة نوعية مع أعمال رونالد فيشر وتطويره لأساليب تحليل التباين، مما ولّد حاجة ملحة إلى أدوات صارمة للتحقق من شروط الانحدار والتكافؤ الرياضي بين المجموعات. وجاء إسهام بارتليت ليقدم حلاً تحليلياً أنيقاً يستند إلى نسبة الإمكان الأعظم، مما جعله حجر زاوية في بنية الإحصاء الاستدلالي الكلاسيكي.

شهدت العلوم النفسية في منتصف القرن العشرين تحولاً كبيراً نحو تكميم الظواهر السلوكية وبناء المقاييس المقننة للشخصية والذكاء والاضطرابات العقلية، ورافق هذا التحول اعتماد متزايد على التصاميم التجريبية متعددة المجموعات. وفي هذا الإطار، استقر اختبار بارتليت في الأدبيات السيكومترية كإجراء أولي معتمد لاختبار افتراض التماثل التبايني (Homoscedasticity) قبل فحص الفروق بين المتوسطات. وعلى الرغم من ظهور اختبارات بديلة لاحقاً، إلا أن النموذج الرياضي الذي صاغه بارتليت ظل يمثل المعيار النظري الأكثر كفاءة وقوة اختبارية عندما تستوفي البيانات شروط التوزيع الاحتمالي بدقة.

لم يقتصر تأثير بارتليت على مقارنة التباينات بين العينات المستقلة فحسب، بل امتد فكره الرياضي إلى مجالات التحليل العاملي، حيث ارتبط اسمه باختبار كروية بارتليت (Bartlett's Test of Sphericity) المستخدم لتقييم مصفوفة الارتباطات قبل استخلاص العوامل الكامنة في المقاييس النفسية. ويعكس هذا الترابط العمق المنهجي لأعمال بارتليت في تفكيك بنية التباين والتباين المشترك، وهو ما يجعل استيعاب اختباره لتجانس التباين مدخلاً تأسيسياً لفهم مصفوفات التشتت في القياس السلوكي المعاصر.

الأسس الرياضية والبنية الإحصائية للاختبار

يقوم اختبار بارتليت على مقارنة المتوسط الهندسي لتباينات العينات بالمتوسط الحسابي الموزون لتلك التباينات، مستنداً إلى مبدأ نسبة الإمكان الأعظم لاختبار فرضية التساوي المشترك. إذا كانت تباينات المجموعات متطابقة تماماً، فإن اللوغاريتم الطبيعي للمتوسط الموزون يتطابق مع متوسط اللوغاريتمات للتباينات الفردية، وتكون قيمة الإحصاء قريبة من الصفر. أما في حال وجود فروق جوهرية بين تباينات المجموعات، فإن الفجوة بين المتوسطين تتسع بصورة دالة إحصائياً، مما يشير إلى انعدام تجانس التباين بين الفئات المدروسة.

تعتمد صيغة إحصاء بارتليت (الذي يُرمز له عادة بـ K-squared أو M) على تجميع درجات الحرية وتباينات العينات الفردية، ثم تطبيق معامل تصحيحي صاغه بارتليت لتقريب توزيع الإحصاء بدقة نحو توزيع مربع كاي (Chi-square distribution). وتتضمن المعادلة حساب التباين المجمع (Pooled Variance) عبر ترجيح تباين كل مجموعة بحجم عينتها ناقصاً واحد، مما يضمن مراعاة التفاوت في أحجام العينات بين المجموعات التجريبية أو المقارنة، وهو أمر شائع في الدراسات النفسية الإكلينيكية التي تواجه صعوبات في الحفاظ على أحجام متساوية للأفواج العلاجية.

يخضع الإحصاء المحسوب لمقارنة مع القيمة الحرجة لتوزيع مربع كاي عند مستوى دلالة محدد (مثل 0.05 أو 0.01) وبدرجات حرية تساوي (k – 1)، حيث تمثل k عدد المجموعات المستقلة المشمولة في الدراسة. وعندما تتجاوز القيمة المحسوبة القيمة الحرجة، أو عندما تكون القيمة الاحتمالية (p-value) أصغر من مستوى الألفا المحدد، يرفض الباحث الفرضية الصفرية القائلة بتكافؤ التباينات، مما يفرض إعادة النظر في النموذج الخطي المستخدم لتجنب الأخطاء الاستدلالية من النوع الأول أو النوع الثاني.

الفرضيات الإحصائية والشروط المسبقة للاختبار

تتمحور البنية الاستدلالية لاختبار بارتليت حول فرضيتين محددتين إحصائياً بصورة واضحة ودقيقة. تنص الفرضية الصفرية (H0) على أن تباينات المجتمعات التي سُحبت منها العينات متساوية تماماً عبر كافة المجموعات (أي أن تباين المجموعة الأولى يساوي تباين المجموعة الثانية وصولاً إلى تباين المجموعة الأخيرة). وفي المقابل، تنص الفرضية البديلة (H1) على أن تباين مجموعة واحدة على الأقل يختلف جوهرياً عن بقية المجموعات، ولا يشترط في الفرضية البديلة أن تكون جميع التباينات غير متكافئة فيما بينها، بل يكفي انحراف تباين وحيد لرفض الفرض الصفري.

يتطلب تطبيق اختبار بارتليت استيفاء شرطين أساسيين، يرتبط أولهما باستقلالية المشاهدات (Independence of Observations)، مما يعني أن قياسات كل مشارك في التجربة النفسية يجب ألا تتأثر بأي شكل من الأشكال بقياسات المشاركين الآخرين، سواء داخل المجموعة الواحدة أو عبر المجموعات المتعددة. ويعد أسلوب المعاينة العشوائية والتوزيع العشوائي للمشاركين في المجموعات الضابطة والتجريبية الإجراء المنهجي الأمثل لتحقيق هذا الافتراض وتقليل الارتباط البيني الذاتي للأخطاء العشوائية.

أما الشرط الثاني، وهو الأكثر حساسية وتأثيراً في مسار هذا الاختبار، فهو اشتراط انحدار المتغير التابع في كل مجتمع من المجتمعات قيد الدراسة تحت التوزيع الطبيعي (Normal Distribution) بدقة متناهية. إن اختبار بارتليت فائق الحساسية لخرق هذا الافتراض؛ حيث إن أي انحراف عن الاعتدالية—سواء أكان على شكل التواء في درجات الاختبار النفسي أو تفلطح غير طبيعي في منحنى الاستجابات—قد يدفع بالاختبار إلى إعطاء نتيجة دالة إحصائياً، تعكس عدم اعتدالية البيانات وليس عدم تجانس التباين الفعلي، وهو ما يُعرف بالحساسية للخطأ التوزيعي.

التطبيقات العملية في البحوث النفسية والقياس السلوكي

يمثل اختبار بارتليت خطوة منهجية وقائية في بروتوكولات الأبحاث النفسية التجريبية والمقارنة. فعلى سبيل المثال، عند إجراء دراسة لتقييم فاعلية ثلاثة أساليب مختلفة من العلاج النفسي (مثل العلاج المعرفي السلوكي، والعلاج القائم على تقبل الالتزام، والتدخل الدوائي) في خفض حدة أعراض الاكتئاب المقاسة بمقياس بيك للاكتئاب، يتطلب تطبيق تحليل التباين الأحادي الاطمئنان التام إلى أن تشتت درجات الاكتئاب في نهاية التجربة متقارب بين الفئات الثلاث. ويضمن ذلك أن أثر العلاج يتمثل في نقل متوسط المجموعة ككل دون إحداث تباين شاذ داخل إحدى الفئات العلاجية يعكر دقة المقارنة المعيارية.

في ميدان القياس النفسي والتقويم التربوي، يُستخدم الاختبار للتحقق من ثبات تباينات الخطأ عبر المجموعات المعيارية الفرعية (مثل مقارنة تباينات الأداء المعرفي بين الفئات العمرية المختلفة أو بين الذكور والإناث). فإذا تبين أن تباين درجات مقياس الذاكرة العاملة يختلف بصورة جذرية بين الأطفال واليافعين، فإن هذا التباين غير المتجانس ينبه واضعي الاختبار إلى عدم إمكانية توحيد الخطأ المعياري للقياس عبر كافة الفئات، مما يتطلب إعداد معايير تمايزية لكل شريحة عمرية على حدة لضمان العدالة السيكومترية.

كذلك يستعين باحثو علم النفس العصبي باختبار بارتليت عند فحص التغيرات في النشاط الكهربائي للدماغ أو مستويات الهرمونات المرتبطة بالإجهاد كالكورتيزول عبر فترات زمنية أو ظروف استثارة متعددة، شريطة خضوع البيانات للتحويلات الرياضية المناسبة لضمان الاعتدالية. ويتيح الاختبار التأكد من أن التباين في النشاط الفسيولوجي للمشاركين يبقى مستقراً عبر الجلسات التجريبية، مما يسمح بعزل الفروق الدقيقة الناتجة عن المثيرات التجريبية بدقة متناهية ودون تداخلات ناتجة عن التباين العشوائي المتفاوت.

المقارنة النقدية: اختبار بارتليت مقابل الاختبارات البديلة

يثير التفضيل بين اختبار بارتليت والأساليب الإحصائية البديلة نقاشاً إبستمولوجياً ومنهجياً واسعاً في أوساط المنهجيين في علم النفس. ويبرز اختبار ليفين (Levene's Test) كأبرز المنافسين وأكثرهم شيوعاً في الحزم الإحصائية الحديثة؛ حيث يتميز اختبار ليفين بمتانته ومقاومته للانتهاكات الطفيفة والمتوسطة للاعتدالية التوزيعية. ويتحقق ذلك من خلال حسابه للفروق المطلقة عن متوسطات المجموعات، بخلاف اختبار بارتليت الذي يتأثر بشدة بقيم التفلطح والالتواء الشائعة في البيانات السلوكية الحقيقية.

من البدائل الإحصائية المتقدمة أيضاً اختبار براون-فورسايث (Brown-Forsythe Test)، وهو تعديل بنيوي لاختبار ليفين يعتمد على حساب الانحرافات عن الوسيط بدلاً من المتوسط الحسابي. ويمنح هذا التعديل اختبار براون-فورسايث حصانة شبه كاملة ضد تأثير القيم المتطرفة والشاذة التي تتكرر في دراسات اضطرابات الشخصية أو قياسات زمن الاستجابة في علم النفس المعرفي. ومع ذلك، تبقى قوة اختبار بارتليت الإحصائية (Statistical Power) متفوقة بصورة قاطعة على كلا الاختبارين حينما تثبت الاختبارات الاستكشافية أن البيانات تتبع التوزيع الطبيعي بدقة صارمة.

تشتمل الترسانة الإحصائية أيضاً على اختبار أوبراين (O'Brien's Test) واختبار فليجنر-كيلين (Fligner-Killeen Test) غير البارامتري، والذي يُوصى به بشدة عندما تكون المقاييس النفسية ذات طبيعة رتبية أو عندما يعجز الباحث عن تحقيق التوزيع الطبيعي حتى بعد اللجوء إلى التحويلات الرياضية. ويوضح هذا التنوع أن قرار اختيار اختبار تجانس التباين لا ينبغي أن يكون آلياً، بل يجب أن يخضع لفحص متكامل لخصائص التوزيع، وحجم العينات، وطبيعة المتغيرات السلوكية المستهدفة بالدراسة.

خطوات التنفيذ وتفسير النتائج في الدراسات النفسية

يبدأ الإجراء العملي لاختبار بارتليت بفحص أولي لتوزيع البيانات في كل مجموعة مستقلة عبر اختبارات الاعتدالية القياسية، مثل اختبار شابيرو-ويلك (Shapiro-Wilk) أو اختبار كولموجوروف-سميرنوف، بالإضافة إلى فحص الرسوم البيانية كالمدرجات التكرارية ورسوم الاحتمال الطبيعي (Q-Q Plots). فإذا أظهرت هذه الفحوص أن البيانات موزعة طبيعياً عبر كافة المجموعات، يصبح اختبار بارتليت هو الخيار الإحصائي الأمثل والأعلى قدرة على رصد الفروق الدقيقة في التشتت دون فقدان للكفاءة.

تتمثل الخطوة التالية في حساب تباين كل عينة ودرجات حريتها، وإدخال البيانات في البرمجيات الإحصائية المعتمدة (مثل R أو SPSS أو Python). تُخرج البرمجية الإحصائية قيمة إحصاء بارتليت (K-squared) المقترنة بدرجات الحرية والقيمة الاحتمالية (p-value). فإذا جاءت القيمة الاحتمالية أكبر من 0.05، يتقبل الباحث فرضية التجانس ويعتبر شرط التباين مستوفى، مما يمهد الطريق بثقة لتطبيق اختبار تحليل التباين المعياري واستخراج معاملات التأثير وتحليل المقارنات البعدية.

أما إذا كانت القيمة الاحتمالية أقل من 0.05، فإن هذا يشير إلى وجود تباين غير متكافئ بين المجموعات، مما يمنع استخدام تحليل التباين الكلاسيكي بصيغته التقليدية المعتمدة على إحصاء فيشر، لتجنب حدوث معدلات خطأ زائفة في اتخاذ القرارات النفسية. وفي هذه الحالة، يمتلك الباحث النفسي عدة مسارات منهجية مقننة لمعالجة هذا الخرق الإحصائي، بما يضمن سلامة المعالجة وعدم التورط في استنتاجات خاطئة.

التحديات المنهجية وإجراءات التعامل مع انتهاك التجانس

يواجه الباحثون النفسيون إشكالية كلاسيكية عند استخدام اختبار بارتليت تتمثل في اعتماده الشديد على حجم العينة (Sample Size Sensitivity). ففي العينات الكبيرة جداً (مثل المسوح الوطنية للصحة النفسية التي تضم آلاف الأفراد)، يكتسب الاختبار حساسية مفرطة تقوده إلى رفض الفرضية الصفرية حتى لو كانت الفروق في التباين طفيفة جداً وليس لها أي دلالة عملية أو إكلينيكية، مما قد يحرم الباحث دون مسوغ منطقي من استخدام النماذج البارامترية القوية.

في المقابل، عندما تكون العينات صغيرة (كما هو الحال في دراسات اضطرابات الدماغ النادرة أو التصاميم الإكلينيكية المعقدة)، قد يعجز اختبار بارتليت عن اكتشاف التفاوت الحقيقي في التباينات بسبب انخفاض القدرة الإحصائية، مما يجعل الباحث يظن خطأً أن شرط التجانس مستوفى، في حين أن التباينات الفعلية غير متكافئة بصورة تهدد صدق تحليل التباين اللاحق. لذا ينصح علماء المنهجية بمقارنة نسبة أعلى تباين إلى أدنى تباين كقاعدة استرشادية بجانب القيمة الاحتمالية للاختبار.

عندما يسفر اختبار بارتليت عن خرق صريح ومثبت لشرط تجانس التباين، يتعين على الباحث عدم تجاهل هذه النتيجة أو الاكتفاء بالتحليل الكلاسيكي. ومن الحلول الرائدة في هذا السياق اللجوء إلى تحليل تباين ويلش (Welch's ANOVA) أو تعديل براون-فورسايث للتباين، واللذين يوفران حماية ممتازة لصدق النتائج في ظل انعدام تجانس التباين، ولا سيما مع تباين أحجام العينات. كما يمكن اللجوء إلى التحويلات الرياضية للدرجات (مثل تحويل اللوغاريتم، أو الجذر التربيعي، أو تحويلات بوكس-كوكس)، والتي تعيد تنظيم التشتت وتجعله أكثر استقراراً واعتدالية عبر مجموعات الدراسة.

خاتمة وتوصيات منهجية للباحث السلوكي

يظل اختبار بارتليت لتجانس التباين أداة تحليلية بالغة الرصانة في الفكر الإحصائي المعاصر، محتفظاً بقيمته الكبرى كمعيار أساسي عندما تنحدر البيانات من مجتمعات تتبع التوزيع الطبيعي. ويتحتم على المشتغلين في بحوث علم النفس، وعلوم الأعصاب السلوكية، والتقويم السيكومتري استحضار البنية التوزيعية لبياناتهم بدقة قبل استدعاء هذا الاختبار؛ حتى لا تختلط مؤشرات اللاتماثل التوزيعي بغياب التجانس التبايني. إن التطبيق الواعي للمنهج الإحصائي يقتضي رؤية تشخيصية فاحصة تتكامل فيها اختبارات التوزيع، واختبارات التجانس، وحجم العينة، لضمان استخلاص استنتاجات نفسية تتسم بأعلى درجات الصدق والموثوقية والموضوعية العلمية.

المراجع

• Bartlett, M. S. (1937). Properties of sufficiency and statistical tests. Proceedings of the Royal Society of London. Series A, Mathematical and Physical Sciences, 160(901), 268–282. https://doi.org/10.1098/rspa.1937.0109
• Box, G. E. P. (1953). Non-normality and tests on variances. Biometrika, 40(3/4), 318–335. https://doi.org/10.2307/2333350
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Glass, G. V., Peckham, P. D., & Sanders, J. R. (1972). Consequences of failure to meet assumptions underlying the fixed effects analyses of variance and covariance. Review of Educational Research, 42(3), 237–288. https://doi.org/10.3102/00346543042003237
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Cengage Learning.
• Levene, H. (1960). Robust tests for equality of variances. In I. Olkin, S. G. Ghurye, W. Hoeffding, W. G. Madow, & H. B. Mann (Eds.), Contributions to probability and statistics: Essays in honor of Harold Hotelling (pp. 278–292). Stanford University Press.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.