توزيع كاي تربيع: ركيزة التحليل في علم النفس

يمثل توزيع كاي تربيع (Chi-Square Distribution، ويرمز له إحصائياً بالرمز الإغريقي $\chi^2$) حجر الزاوية في بنية الاستدلال الإحصائي المطبق في العلوم السلوكية والنفسية. يُعد هذا التوزيع التوزيع المرجعي الأساسي لاختبار الفرضيات الصفرية المتعلقة بالبيانات الفئوية والاسمية، والتي تشكل جزءاً جوهرياً من القياس النفسي ودراسة الفروق الفردية. بفضل خصائصه الرياضية الفريدة وقدرته الفائقة على نمذجة التباينات العشوائية، يتيح توزيع كاي تربيع للباحثين النفسيين تقييم مدى توافق النماذج النظرية مع البيانات الميدانية المرصودة بدقة منهجية بالغة.

المفهوم النظري والتعريف الرياضي لتوزيع كاي تربيع

يُعرَّف توزيع كاي تربيع نظرياً بأنه التوزيع الاحتمالي المستمر لمجموع مربعات عدد من المتغيرات العشوائية المعيارية المستقلة التي تتبع التوزيع الطبيعي المعياري. إذا افترضنا وجود مجموعة من المتغيرات العشوائية $Z_1, Z_2, dots, Z_k$ بحيث يكون كل متغير منها مستقلاً عن الآخر ويخضع لتوزيع طبيعي بمتوسط حسابي قدره صفر وانحراف معياري قدره واحد، فإن حاصل جمع مربعات هذه المتغيرات يُنشئ متغيراً جديداً يتبع توزيع كاي تربيع بعدد من درجات الحرية يكافئ عدد تلك المتغيرات المستقلة $k$. تمنح هذه البنية الرياضية التوزيع خصوصية استثنائية، إذ إنه يرتبط ارتباطاً وثيقاً بالتباين وبمفاهيم التشتت الإحصائي في النظرية الاحتمالية الحديثة.

ينتمي توزيع كاي تربيع لعائلة توزيع غاما، حيث يمثل حالة خاصة منه عندما تكون معلمات الشكل والمقياس محددة بقيم ترتبط مباشرة بدرجات الحرية. يمتد مجال قيم هذا التوزيع من الصفر إلى ما لا نهاية موجبة، مما يعني عدم إمكانية حصول الباحث على قيمة سالبة لإحصاء كاي تربيع، وهو أمر منطقي بالنظر إلى أنه ينتج عن تربيع المقادير الرياضية. يتميز منحنى توزيع كاي تربيع بأنه غير متماثل وموجب الالتواء بصورة ملحوظة عند القيم المنخفضة لدرجات الحرية، حيث تتكدس معظم الاحتمالات قرب الصفر بينما يمتد ذيل التوزيع طويلاً نحو اليمين.

تتغير ملامح التوزيع وشكله العام بصورة دراماتيكية تبعاً لتغير المعلمة المحورية الوحيدة التي تحكمه، وهي درجات الحرية ($df$). فكلما ارتفعت درجات الحرية، تحركت قمة المنحنى الاحتمالي نحو اليمين وبدأ الالتواء في التناقص تدريجياً، إلى أن يقترب شكل التوزيع بصورة متسارعة من التماثل التام وفقاً لمقتضيات مبرهنة النهاية المركزية. هذا الانتقال الديناميكي من شكل شديد الالتواء إلى شكل يقارب التوزيع الطبيعي يمنح التوزيع مرونة فائقة وقوة تحليلية كبرى في معالجة العينات السيكولوجية متدرجة الأحجام.

من الناحية المعلمية، يتطابق المتوسط الحسابي لتوزيع كاي تربيع دائماً مع قيمة درجات الحرية المقابلة له ($\mu = k$)، بينما يساوي التباين الإحصائي ضعف هذه القيمة ($\sigma^2 = 2k$). هذه العلاقة المباشرة والواضحة بين القيمة المتوقعة ودرجات الحرية تجعل تفسير المؤشرات الإحصائية في الاختبارات النفسية أمراً ميسراً ومباشراً، إذ يمكن للباحث تقدير مدى انحراف النماذج التجريبية عن القيمة المتوقعة بمجرد مقارنة القيمة المحسوبة بدرجات الحرية المحددة في التصميم المنهجي.

الجذور التاريخية والتطور المنهجي في القياس السيكولوجي

تعود الجذور المنهجية لتوزيع كاي تربيع إلى إسهامات عالم الرياضيات الألماني إرنست هيلمرت عام 1876، الذي استنتج هذا التوزيع أثناء معالجته لنظرية الأخطاء في القياسات الفلكية وحسابات المساحة. غير أن التحول الثوري في توظيف هذا التوزيع ودمجه في بنية العلوم البيولوجية والإنسانية حدث بفضل العالم البريطاني كارل بيرسون في مطلع القرن العشرين، وتحديداً في ورقته التاريخية المنشورة عام 1900. سعى بيرسون إلى تأسيس أداة رياضية تمكّن العلماء من اختبار مدى تطابق البيانات المرصودة في الأبحاث الحيوية والنفسية مع المنحنيات النظرية المفترضة، مما قاد إلى صياغة اختبار كاي تربيع لحسن المطابقة.

شكّل اختبار بيرسون ثورة معرفية ومنهجية داخل الأوساط الأكاديمية السيكولوجية والقياسية، حيث وفّر للباحثين للمرة الأولى أسلوباً كمياً لاختبار الفرضيات المتعلقة بالبيانات الاسمية والترتيبية دون الحاجة إلى افتراض أن المتغيرات تتبع بالضرورة توزيعاً طبيعياً. وقد ساهم النزاع الفكري والإحصائي الشهير بين كارل بيرسون ورونالد فيشر لاحقاً حول الضبط الدقيق لدرجات الحرية في جداول الاقتران في تنقيح الأسس الحسابية للاختبار وإرسائها على قواعد أكثر صرامة ومصداقية. كان لفيشر الفضل في تصحيح مفهوم درجات الحرية، مبيناً أنها تعتمد على القيود المفروضة على المجاميع الهامشية للجدول، وهو التعديل الذي ضَمِن دقة الاختبار في العلوم النفسية الحديثة.

مع تطور حركة القياس النفسي ونشوء مقاييس الشخصية والميول والاتجاهات في منتصف القرن العشرين، برز توزيع كاي تربيع كإطار لا غنى عنه للتحقق من الاتساق البنائي والصدق التمييزي للاختبارات السيكومترية. وقد سمح التوزيع للباحثين بدراسة سلوك البنود، وتحليل الاستجابات المتعددة، وتقييم الفروق النوعية بين المجموعات التجريبية والضابطة، مما مهّد السبيل لانتقال علم النفس من الملاحظة الوصفية البحتة إلى النمذجة الإحصائية الاستدلالية الدقيقة وعالية الموثوقية.

في الحقبة المعاصرة، لم يعد دور توزيع كاي تربيع مقتصراً على الاختبارات اليدوية البسيطة لجداول التقاطع، بل أصبح مدمجاً في صلب الخوارزميات الحاسوبية المعقدة لتحليل البيانات المتعددة المتغيرات. يدخل التوزيع كمعيار حاسم في نمذجة المعادلات البنائية والتحليل العاملي التوكيدي، مما يعكس حقيقة أن البناء النظري الذي أسسه بيرسون وهيلمرت قد تطور ليصبح إحدى الدعائم المنهجية التي لا يمكن الاستغناء عنها في أبحاث الصحة النفسية، وعلم النفس المعرفي، والعلوم العصبية السلوكية.

الخصائص الإحصائية والمعادلات الأساسية

تتحدد دالة كثافة الاحتمال لتوزيع كاي تربيع رياضياً بصيغة تحليلية تعتمد اعتماداً كلياً على دالة غاما المعممة. تُعطى دالة الكثافة للمتغير العشوائي $x$ بشرط أن تكون $x > 0$ بالعلاقة التالية:
$$f(x; k) = \frac{x^{(k/2)-1} e^{-x/2}}{2^{k/2} \Gamma(k/2)}$$
حيث ترمز $k$ إلى درجات الحرية، وتمثل $\Gamma$ دالة غاما الرياضية، في حين يمثل $e$ أساس اللوغاريتم الطبيعي. توضح هذه المعادلة المعقدة كيف تترجم درجات الحرية شكل الاحتمالية، وتفسر لماذا يكون التوزيع عند درجة حرية واحدة أو اثنتين متناقصاً بصورة أسيّة حادة، بينما يكتسب شكلاً جروسياً ملتوياً مع ازدياد قيم $k$.

من أهم السمات الرياضية للتوزيع هي خاصية الإضافة أو التجميع (Additivity Property). وتنص هذه الخاصية على أنه إذا كان لدينا متغيران عشوائيان مستقلان $X_1$ و$X_2$ يتبعان توزيع كاي تربيع بدرجات حرية $k_1$ و$k_2$ على التوالي، فإن مجموعهما $Y = X_1 + X_2$ يتبع بالضرورة توزيع كاي تربيع بدرجات حرية تساوي مجموع درجات حرية المتغيرين الأصلين ($k_1 + k_2$). تُعد هذه الخاصية بالغة الأهمية في التطبيقات السيكولوجية والقياسية، لأنها تسمح للمختصين بتجميع مصفوفات الفروق عبر عدة عينات مستقلة أو تفكيك مؤشرات عدم المطابقة في النماذج البنائية المعقدة إلى مكونات أبسط يسهل فحصها.

تتمثل صيغة إحصاء اختبار كاي تربيع الشائع المستخدم في الأبحاث النفسية في المعادلة الكلاسيكية التالية:
$$\chi^2 = \sum_{i=1}^{n} \frac{(O_i – E_i)^2}{E_i}$$
حيث يمثل $O_i$ التكرار الملاحظ تجريبياً في الفئة $i$، بينما يمثل $E_i$ التكرار المتوقع نظرياً لنفس الفئة تحت فرضية العدم. تعكس هذه المعادلة جوهر القياس السيكولوجي، حيث تقوم بتربيع الفروق بين الواقع المشاهد والافتراض النظري للتخلص من الإشارات السالبة، ثم تقسم كل مربع فرق على التكرار المتوقع لتسوية الوزن النسبي لكل فئة، وأخيراً تجمع هذه النواتج لتكوين مؤشر تراكمي إجمالي يُقارن بالقيم الحرجة لجدول كاي تربيع.

ترتبط قيم التوزيع الحرجة بمستوى الدلالة الإحصائية المعتمد (غالباً $\alpha = 0.05$ أو $\alpha = 0.01$ في البحوث النفسية). إذا تجاوزت القيمة المحسوبة القيمة الجدولية المقابلة لدرجات الحرية المعنية، يرفض الباحث الفرضية الصفرية ويخلص إلى وجود فروق ذات دلالة إحصائية لا يمكن عزوها لعوامل الصدفة البحتة. ويوضح هذا المسار التحليلي كيفية الربط الصارم بين الملاحظات السلوكية الوصفية والمعايير الرياضية الحاسمة لاتخاذ القرارات العلمية الرصينة.

اختبار حسن المطابقة في القياس النفسي

يُعد اختبار كاي تربيع لحسن المطابقة (Chi-Square Goodness-of-Fit Test) من أكثر الأدوات شيوعاً في تقييم الفرضيات التي تفترض توزيعاً محدداً للسمات أو الأنماط النفسية في مجتمع الدراسة. يُستخدم هذا الاختبار عندما يرغب الباحث في تحديد ما إذا كانت التكرارات الملاحظة لمتغير تصنيفي واحد تتسق مع توزيع نظري مفترض مسبقاً، مثل التوزيع المتساوي لسمات الشخصية، أو التوزيع المتوافق مع نسب سكانية معلومة، أو التوزيع الذي يفترض التماثل بين أنماط السلوك التكيفي وغير التكيفي.

في سياق تطوير المقاييس النفسية، يلجأ الباحثون إلى اختبار حسن المطابقة للتحقق من عدالة بنود الاختبارات ونزاهتها عبر فئات المستجيبين المختلفة. على سبيل المثال، عند بناء مقياس لقياس مستوى الاكتئاب السريري، يفترض الباحث في مرحلة المعايرة أن خيارات الاستجابة (مثل مقياس ليكرت خماسي النقاط) قد تتبع توزيعاً معيناً تحت ظروف معيارية محددة. يتيح اختبار كاي تربيع تقييم ما إذا كان توزيع اختيارات المفحوصين ينحرف انحرافاً جوهرياً عن النمط المتوقع، مما يكشف عن أي انحياز كامن في صياغة البنود أو خلل في خيارات الاستجابة المتاحة.

تتجلى أهمية هذا الاختبار أيضاً في دراسات علم النفس العصبي والمعرفي، حيث يُوظف لاختبار نظريات اتخاذ القرار وتفضيل الخيارات المعرفية. يمكن للباحث تصميم مهمة تجريبية تتضمن خيارات متعددة ذات احتمالات متطابقة في الظاهر، واستخدام كاي تربيع لاختبار ما إذا كان المستجيبون يظهرون تحيزاً دالاً إحصائياً نحو خيار معين بدلاً من التوزيع العشوائي المتساوي المتوقع تحت فرضية العدم. إن القدرة على رفض فرضية التوزيع المتساوي تمثل في كثير من الحالات دليلاً قوياً على وجود آليات معالجة معرفية لاواعية توجه السلوك البشري.

ينبغي للباحث السيكولوجي عند استخدام اختبار حسن المطابقة مراعاة شروط درجات الحرية، والتي تُحسب بالصيغة ($df = k – 1$) حيث تمثل $k$ عدد الفئات التصنيفية المستقلة، ما لم تكن هناك معلمات إحصائية للمجتمع تم تقديرها مباشرة من بيانات العينة (مثل المتوسط أو الانحراف المعياري)، ففي تلك الحالة تُخصم درجة حرية إضافية لكل معلمة مقدرة. يؤكد هذا الضبط المنهجي دقة القيمة الاحتمالية الناتجة ($p$-value)، ويمنع الوقوع في خطأ من النوع الأول (رفض الفرضية الصفرية الصائبة) الذي قد يقود إلى استنتاجات تشخيصية خاطئة.

اختبار الاستقلالية وجداول الاقتران في البحوث السلوكية

يمثل اختبار كاي تربيع للاستقلالية (Chi-Square Test of Independence) التطبيق الأكثر انتشاراً للتوزيع في أبحاث علم النفس الاجتماعي والإكلينيكي والتربوي. يُعنى هذا الاختبار بفحص العلاقة بين متغيرين تصنيفيين، لتحديد ما إذا كان توزيع المتغير الأول مستقلاً استقلالاً تاماً عن توزيع المتغير الثاني، أم أن هناك اقتراناً أو ارتباطاً إحصائياً دالاً بينهما. تُنظم البيانات في هذه الحالة ضمن ما يُعرف بجداول الاقتران أو الجداول المتقاطعة ($r \times c Contingency Tables$)، حيث يمثل $r$ عدد صفوف المتغير الأول و$c$ عدد أعمدة المتغير الثاني.

من الأمثلة السريرية الواضحة على هذا التطبيق دراسة العلاقة بين نوع الاضطراب النفسي (مثل: اضطراب الهلع، الاكتئاب الجسيم، الرهاب الاجتماعي) ونمط الاستجابة للعلاج السلوكي المعرفي (استجابة كاملة، استجابة جزئية، عدم استجابة). تتيح صياغة جدول الاقتران واحتساب قيم كاي تربيع التحقق مما إذا كانت نسب التعافي تختلف باختلاف التشخيص الإكلينيكي أم أنها موزعة بصورة مستقلة عن طبيعة الاضطراب، وهو ما يقدم إرشادات حيوية للأطباء النفسيين والمعالجين في تصميم البروتوكولات العلاجية الملائمة.

يتم حساب التكرار المتوقع ($E_{ij}$) لكل خلية في جدول الاقتران بالاعتماد على الفرضية الصفرية القائلة باستقلال المتغيرين، وذلك بضرب المجموع الإجمالي للصف الذي تقع فيه الخلية في المجموع الإجمالي لعمودها، وقسمة الناتج على الحجم الكلي للعينة ($N$):
$$E_{ij} = \frac{R_i \times C_j}{N}$$
تُحسب درجات الحرية لجداول الاقتران وفق القاعدة المشهورة: $df = (r – 1)(c – 1)$. تعكس هذه الصيغة القيود المفروضة على الجدول بفعل ثبات المجاميع الهامشية لكل من الصفوف والأعمدة، وتحدد بدقة القيمة الحرجة التي يتعين على إحصاء كاي تربيع تجاوزها للبرهنة على وجود علاقة ترابطية بين المتغيرين النفسيين.

على الرغم من القوة الاستدلالية لاختبار الاستقلالية، يدرك علماء النفس المعاصرون أن الحصول على دلالة إحصائية لقيمة كاي تربيع يخبرنا فقط بوجود ارتباط، لكنه لا يقيس بالضرورة حجم التأثير أو قوة تلك العلاقة. لذلك، تقضي المعايير المنهجية المتقدمة لجمعية علم النفس الأمريكية (APA) بضرورة إقران نتيجة كاي تربيع بمقاييس حجم الأثر المناسبة للمتغيرات الفئوية، مثل معامل فاي ($phi$) في جداول $2 \times 2$، أو معامل كرامر للاقتران ($Cramer’s V$) في الجداول الأكبر، لضمان تقييم الأهمية العملية إلى جانب الأهمية الإحصائية.

توزيع كاي تربيع في نمذجة المعادلات الهيكلية والتحليل العاملي

يمتد توظيف توزيع كاي تربيع في القياس النفسي المتقدم إلى ما هو أبعد من مجرد تحليل التكرارات البسيطة، حيث يشكل المعيار المركزي لتقييم مؤشرات المطابقة الكلية في نمذجة المعادلات الهيكلية (Structural Equation Modeling – SEM) والتحليل العاملي التوكيدي (Confirmatory Factor Analysis – CFA). في هذه النماذج متعددة المتغيرات، يُستخدم إحصاء كاي تربيع لاختبار فرضية الصفر التي تنص على أن مصفوفة التباين والتباين المشترك المفترضة نظرياً في النموذج تتطابق تماماً مع مصفوفة التباين والتباين المشترك الملاحظة في عينة الدراسة السيكولوجية.

على عكس الاختبارات التقليدية التي يسعى فيها الباحث غالباً إلى رفض الفرضية الصفرية لتحقيق دلالة إحصائية، فإن الباحث في سياق نمذجة المعادلات الهيكلية يتمنى عادةً عدم رفض الفرضية الصفرية (أي الحصول على قيمة كاي تربيع غير دالة إحصائياً، $p > 0.05$). تدل النتيجة غير الدالة على أن الفروق بين النموذج النظري المقترح والبيانات الواقعية ضئيلة جداً ويمكن تفسيرها بالخطأ العيني البسيط، مما يشير إلى أن النموذج النظري يفسر الواقع بصورة مقنعة وصالحة للاعتماد في القياس السلوكي.

تواجه هذه المقاربة تحدياً منهجياً معروفاً في القياس النفسي يُعرف باسم “حساسية كاي تربيع لحجم العينة” (Sample Size Sensitivity). نظراً لأن إحصاء كاي تربيع في نماذج SEM يتناسب طردياً مع حجم العينة، فإن العينات الكبيرة جداً (التي تتجاوز غالباً 300 أو 400 مفحوص، وهي شائعة ومطلوبة لاستقرار تقديرات SEM) تؤدي حتماً إلى تضخيم قيمة كاي تربيع وجعلها دالة إحصائياً، مما يقود إلى رفض نماذج نظرية جيدة ومقبولة سيكولوجياً لمجرد وجود فروق طفيفة وغير جوهرية بين المصفوفات.

للتغلب على هذه المعضلة المنهجية، طور علماء القياس النفسي حلولاً موازية تستند في جوهرها إلى توزيع كاي تربيع ودرجات حريته. من أبرز هذه الحلول استخدام مؤشر كاي تربيع النسبي أو المعياري ($\chi^2/df$)، حيث تُعتبر القيم التي تتراوح بين 2 و5 مؤشراً على مطابقة جيدة أو مقبولة للنموذج. كما تم اشتقاق مؤشرات مطابقة بديلة تعتمد حسابياً على دالة كاي تربيع ودرجات الحرية لتقييم مقدار عدم التوفيق لكل درجة حرية، مثل مؤشر جذر متوسط مربعات خطأ التقريب (RMSEA) ومؤشر المطابقة المقارن (CFI)، مما يبرز الأثر التأسيسي لتوزيع كاي تربيع في صياغة مقاييس جودة النماذج المعاصرة.

الافتراضات المنهجية والاشتراطات الصارمة للتطبيق

تستلزم النتائج المستمدة من اختبارات كاي تربيع توافر شروط منهجية صارمة لضمان موثوقية الاستدلال وتجنب الوقوع في أخطاء التحليل الإحصائي الشائعة في العلوم النفسية. ينص الافتراض الجوهري الأول على استقلالية الملاحظات (Independence of Observations)، مما يعني أن استجابة كل مفحوص يجب أن تكون مستقلة استقلالاً تاماً عن استجابات المفحوصين الآخرين، ولا يجوز تصنيف الفرد الواحد في أكثر من فئة تصنيفية واحدة داخل الجدول. يؤدي انتهاك هذا الافتراض، كما يحدث عند قياس نفس المفحوصين في فترات زمنية متكررة دون استخدام اختبارات متخصصة (مثل اختبار ماكنيمار)، إلى تضخيم زائف لدقة التقدير وتشويش خطير في مستويات الخطأ الاحتمالي.

يتعلق الافتراض الثاني بـ حجم التكرارات المتوقعة (Expected Frequencies). يشترط توزيع كاي تربيع بوصفه توزيعاً مستمراً يُستخدم لتقريب بيانات فئوية منفصلة ألا تكون التكرارات المتوقعة في الخلايا صغيرة جداً. تقضي القاعدة الإرشادية الكلاسيكية لكوشران بألا تقل التكرارات المتوقعة عن 5 في ما لا يقل عن 80% من الخلايا، وألا توجد أي خلية يقل تكرارها المتوقع عن 1. يؤدي عدم استيفاء هذا الشرط إلى تشويه التوزيع الاحتمالي وزيادة معدل الخطأ من النوع الأول بصورة تجعل القرارات الإحصائية غير موثوقة.

عندما تتعامل الدراسات النفسية مع عينات صغيرة الحجم، كأن تُجرى الأبحاث على حالات نادرة في العيادات النفسية أو متلازمات سلوكية غير شائعة، تبرز بدائل منهجية لتصحيح التوزيع. في جداول الاقتران ثنائية الأبعاد ($2 \times 2$)، يُستخدم عادة تصحيح ييتس للاستمرارية (Yates’ Correction for Continuity)، والذي يتضمن طرح القيمة 0.5 من الفرق المطلق بين التكرار الملاحظ والمتوقع قبل التربيع، لتقليص التحيز الناتج عن استخدام توزيع كاي تربيع المستمر مع بيانات تصنيفية متقطعة. غير أن بعض المنهجيين يحذرون من أن هذا التصحيح قد يكون شديد التحفظ أحياناً ويقلل من القوة الإحصائية للاختبار.

في الحالات التي تنخفض فيها التكرارات المتوقعة إلى مستويات لا تجدي معها التصحيحات التقليدية نفعاً، يُوصى باللجوء إلى اختبار فيشر الدقيق (Fisher’s Exact Test) كبديل لا معلمي مباشر لتوزيع كاي تربيع. يحسب اختبار فيشر الاحتمال الدقيق لظهور توزيع البيانات المرصودة وفقاً للمبادئ التوافقية للاحتمالات دون الاعتماد على التقريب التقاربي الذي يفرضه توزيع كاي تربيع، مما يجعله الحل الأمثل للبحوث السيكولوجية ذات العينات المحدودة والبيانات الفئوية الحرجة.

تطبيقات عملية ودراسة حالة في علم النفس المعرفي والاجتماعي

لتوضيح الكيفية التي يعمل بها توزيع كاي تربيع في الواقع البحثي، نستعرض دراسة افتراضية في علم النفس الإرشادي تفحص فاعلية ثلاثة أساليب تدريبية لتخفيف قلق الاختبار لدى طلاب الجامعة. شملت الدراسة عينة عشوائية قوامها 150 طالباً يعانون من درجات مرتفعة من القلق، وجرى توزيعهم على ثلاث مجموعات تجريبية: مجموعة تلقت تدريباً على التنظيم المعرفي، ومجموعة تلقت تدريباً على اليقظة الذهنية (Mindfulness)، ومجموعة ضابطة تلقت إرشادات عامة فقط. بعد انتهاء البرامج، تم تصنيف الطلاب حسب تحسنهم السريري إلى فئتين: “تحسن ملحوظ” و”عدم تحسن”.

تم تنظيم البيانات في جدول اقتران ذي بعدين ($3 \times 2$) يضم 3 صفوف و2 عمود، وبلغت درجات الحرية: $df = (3 – 1)(2 – 1) = 2 \times 1 = 2$. بموجب فرضية العدم، يُفترض أن نسب التحسن متماثلة عبر المجموعات الثلاث وأن التدريب لا يحدث فرقاً ذا دلالة. أظهرت الحسابات التجريبية أن التكرارات الملاحظة في مجموعة اليقظة الذهنية ومجموعة التنظيم المعرفي سجلت تحسناً أعلى بكثير مقارنة بالمجموعة الضابطة. بلغت قيمة إحصاء كاي تربيع المحسوبة $\chi^2 = 14.85$.

بالرجوع إلى القيم النظرية لتوزيع كاي تربيع عند درجات حرية $df = 2$ ومستوى دلالة $\alpha = 0.01$، نجد أن القيمة الجدولية الحرجة هي 9.21. نظراً لأن القيمة المحسوبة (14.85) تفوق القيمة الحرجة بكثير، وتوافق قيمة احتمالية $p < 0.001$، تم رفض الفرضية الصفرية وتأكيد وجود علاقة ارتباطية دالة إحصائياً بين نوع التدخل الإرشادي والتحسن في قلق الاختبار. أتاح هذا التطبيق للباحثين التدليل بلغة الأرقام على أن برامج التدخل النفسي ليست متساوية الفاعلية، مما يعزز الممارسة الإكلينيكية المبنية على الأدلة والبراهين.

قام الباحثون لاحقاً بحساب معامل فاي لكرامر ($Cramer’s V$) لتحديد حجم الأثر، وتبين أنه يبلغ 0.31، مما يشير إلى أثر متوسط إلى مرتفع في العلوم السلوكية. هذا التدرج التحليلي—بدءاً من حساب التكرارات، وتطبيق إحصاء كاي تربيع بالاعتماد على درجات الحرية المناسبة، وصولاً إلى فحص حجم الأثر وتفسير الفروق وفق المنظور السيكولوجي—يجسد بدقة النموذج المعياري الذي تتبعه الأبحاث السلوكية الرصينة في توظيف النظريات الإحصائية لتفسير الظواهر الإنسانية المعقدة.

الخاتمة

يظل توزيع كاي تربيع أحد أعظم الابتكارات في تاريخ الإحصاء الاستدلالي وأكثرها تأثيراً في مسيرة البحث العلمي النفسي والسلوكي. بفضل مرونته الرياضية وتنوع استخداماته، بدءاً من اختبارات حسن المطابقة واستقلالية المتغيرات الفئوية ووصولاً إلى نماذج المعادلات البنائية وتطوير أدوات القياس السيكومتري، يمنح هذا التوزيع الباحثين إطاراً متماسكاً لتحويل الملاحظات والبيانات الاسمية المتباينة إلى قرارات علمية موثوقة. إن الفهم العميق لخصائص هذا التوزيع، وشروطه المنهجية، وحدوده التطبيقية يمثل ركيزة لا غنى عنها لكل ممارس وباحث يسعى للارتقاء بجودة القياس ودقة الاستدلال في مجالات علم النفس المعاصر.

المراجع

• Agresti, A. (2018). An introduction to categorical data analysis (3rd ed.). John Wiley & Sons.
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• 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.
• Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
• Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 50(302), 157-175. https://doi.org/10.1080/14786440009463897
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.