توزيع كاي تربيع: ركيزة الاستدلال الإحصائي النفسي

يمثل توزيع كاي تربيع (Chi-Square Distribution، ويرمز له بالحرف الإغريقي $\chi^2$) حجر الزاوية في بنية الإحصاء الاستدلالي المطبق في العلوم النفسية والسلوكية المعاصرة. يُعد هذا التوزيع الاحتمالي المستمر الأداة المنهجية الأكثر شيوعاً واختباراً للفرضيات التي تتعامل مع المتغيرات الفئوية والاسمية، فضلاً عن كونه الأساس الرياضي لاختبارات جودة المطابقة والاستقلالية والنمذجة البنائية المتقدمة. في هذا السياق الأكاديمي الموسع، نستعرض التشريح النظري والرياضي للتوزيع، وتاريخه، ودوره المحوري في توجيه القرارات السيكومترية وتحليل السلوك الإنساني.

المفهوم النظري والتعريف الرياضي لتوزيع كاي تربيع

يُعرَّف توزيع كاي تربيع في جوهره الرياضي بأنه توزيع لمجموع مربعات عدد معين من المتغيرات العشوائية المستقلة التي تتبع التوزيع الطبيعي القياسي بمتوسط حسابي قدره صفر وانحراف معياري قدره واحد. فإذا كانت $Z_1, Z_2, dots, Z_k$ متغيرات عشوائية طبيعية قياسية مستقلة تماماً، فإن المتغير العشوائي الناتج عن جمع مربعاتها $X = \sum_{i=1}^{k} Z_i^2$ يتبع بالضرورة توزيع كاي تربيع بدرجات حرية قدرها $k$. تُشكل هذه الصيغة المنطلق الأساسي لفهم طبيعة التوزيع، حيث تنبع جميع خصائصه الهندسية والاحتمالية من هذه العلاقة العضوية بالتوزيع الطبيعي المعتدل.

تُعد معلمة درجات الحرية (Degrees of Freedom – $df$) المعلمة الوحيدة والمحددة لشكل التوزيع بأكمله؛ إذ لا يعتمد توزيع كاي تربيع على المتوسط أو التباين كمعالم حرة ومستقلة، بل ترتبط خصائصه ارتباطاً بنيوياً بقيمة درجات الحرية $k$. يتميز التوزيع الرياضي بدالة كثافة احتمالية (Probability Density Function) محددة رياضياً للأعداد الحقيقية الموجبة فقط، مما يعني استحالة أن يأخذ المتغير قيمة سالبة نظراً لكونه ناتجاً عن تربيع القيم. تتلاشى الاحتمالية تماماً عندما تقترب القيمة من الصفر إذا كانت درجات الحرية أكبر من اثنين، وتتخذ منحنيات التوزيع هيئات متباينة تبايناً جذرياً تبعاً لتغير المعلمة $k$.

في الأبحاث النفسية المعملية والميدانية، يجسد هذا التوزيع أداة لتحويل التباينات والترددات المشاهدة إلى مقاييس احتمالية قابلة للاختبار الكمي الصارم. فعندما يدرس الباحثون النفسيون الفروق بين التكرارات الملاحظة في عينة تجريبية والتكرارات المتوقعة نظرياً وفق فرضية معينة، فإن الفروق المربعة بينهما -بعد قسمتها على التكرارات المتوقعة- تتقارب تقارباً مقاربياً (Asymptotically) مع توزيع كاي تربيع. يُفسر هذا التقارب سبب الثقة المنهجية العالية التي يوليها علماء النفس القياسي لهذا التوزيع عند التعامل مع الاستجابات المصنفة فئوياً مثل أنماط الشخصية، والاستجابات السريرية المتقطعة، وخيارات مقاييس ليكرت المعالجة نوعياً.

الجذور التاريخية والتطور المنهجي في العلوم السلوكية

يعود التأسيس المنهجي الأولي لتوزيع كاي تربيع إلى عالم الرياضيات الألماني فريدريش هيلمرت (Friedrich Robert Helmert) في سبعينيات القرن التاسع عشر، إلا أن الفضل في تحويله إلى أداة اختبار استدلالية عالمية يعود إلى العالم البريطاني الرائد كارل بيرسون (Karl Pearson) في ورقته العلمية المنشورة عام 1900. سعى بيرسون إلى صياغة معيار رياضي حاسم يتيح للباحثين اختبار ما إذا كانت البيانات التجريبية المرصودة تتوافق بالفعل مع النماذج النظرية المفترضة، وهو ما عُرف لاحقاً باختبار حسن المطابقة لبيرسون (Pearson’s Chi-Square Test). لقد أحدث هذا الابتكار ثورة ابستمولوجية في كيفية مقاربة البيانات التجريبية عبر إرساء معايير رفض الفرضيات الصفرية.

شهد العقدان التاليان سجالاً علمياً وتاريخياً شهيراً بين بيرسون ورونالد فيشر (Ronald A. Fisher) حول مسألة الحساب الدقيق لدرجات الحرية في جداول الاقتران التوافقية (Contingency Tables). أثبت فيشر أن القيود الرياضية المفروضة على المجاميع الهامشية في الجداول تستلزم خصم درجات حرية إضافية، وهو التعديل الذي رسخ الصيغة المعتمدة حالياً في العلوم السلوكية: $(r-1)(c-1)$، حيث تمثل $r$ عدد الصفوف و$c$ عدد الأعمدة. فتح هذا التصحيح الباب واسعاً أمام علماء النفس التجريبي في بدايات القرن العشرين، مثل تشارلز سبيرمان وإدوارد ثورندايك، لتوظيف الاختبارات اللامعلمية لتحليل الفروق السلوكية دون الوقوع في أخطاء التقدير الإحصائي الناتجة عن تضخيم درجات الحرية.

مع تطور حركة القياس النفسي والتحليل النفسي التجريبي في منتصف القرن العشرين، انتقل توزيع كاي تربيع من كونه مجرد اختبار لا معلمي للبيانات التكرارية البسيطة إلى عنصر جوهري في بناء النماذج الإحصائية المعقدة. ساهم إدماجه في نظرية العينات الكبيرة ونظرية الاحتمالات في تمهيد الطريق لتأسيس اختبار نسبة الأرجحية (Likelihood Ratio Test)، وهو الإجراء الذي أتاح فيما بعد ولادة نمذجة المعادلات البنائية، ونظرية استجابة المفردة الاختبارية (Item Response Theory)، التي لا يمكن تصور وجودها المعاصر دون الاستناد إلى معيارية توزيع كاي تربيع في فحص جودة مطابقة النماذج السيكومترية المعقدة.

الخصائص الرياضية والهندسية لتوزيع كاي تربيع

يتمتع توزيع كاي تربيع بمجموعة فريدة من السمات الرياضية التي تجعله متفرداً مقارنة ببقية التوزيعات الاحتمالية الكلاسيكية. أولى هذه الخصائص هي خاصية الالتواء الموجب الشديد (Positive Skewness)؛ حيث يكون المنحنى ملتوياً بشدة جهة اليمين عندما تكون درجات الحرية صغيرة جداً ($df = 1$ أو $df = 2$). في حالة درجات الحرية المساوية لواحد، يميل المنحنى نحو اللانهاية عند اقتراب القيمة من الصفر ويتناقص تناقصاً أسياً حاداً. ومع زيادة درجات الحرية تدريجياً، يبدأ المنحنى في التمدد والانبساط، متخذاً شكلاً مقبباً تدريجياً يبتعد عن المحور الرأسي، مما يمنحه مرونة فائقة في نمذجة الظواهر غير الخطية في القياس النفسي.

ترتبط المعالم الإحصائية للتوزيع بصلة مباشرة وبسيطة بدرجات الحرية $k$. فالمتوسط الحسابي (Mean) لتوزيع كاي تربيع يساوي تماماً عدد درجات الحرية $\mu = k$، بينما يساوي التباين (Variance) ضعف درجات الحرية $\sigma^2 = 2k$. أما المنوال (Mode)، وهو النقطة التي تبلغ عندها دالة الكثافة الاحتمالية ذروتها العظمى، فيساوي $k – 2$ بشرط أن تكون درجات الحرية أكبر من أو تساوي اثنين. تنعكس هذه العلاقات الجبرية الصريحة على التطبيقات الإحصائية؛ حيث يستطيع المحلل النفسي بنظرة سريعة على قيمة المحك الإحصائي ودرجات الحرية أن يدرك مدى تباعد النتيجة المشاهدة عن مركز التوزيع المتوقع تحت الفرضية الصفرية.

من أعمق الخصائص الرياضية لتوزيع كاي تربيع هي خاصية الجمعية (Additivity Property)، والتي تنص على أنه إذا كان لدينا متغيران 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 مساوية لمجموعهما $k_1 + k_2$. تدعم هذه الخاصية بنية تحليل التباين والتحليلات متعددة المتغيرات. علاوة على ذلك، واستناداً إلى مبرهنة النهاية المركزية، يقترب توزيع كاي تربيع تقارباً وثيقاً من التوزيع الطبيعي كلما زادت درجات الحرية وتجاوزت حاجز الثلاثين ($k > 30$)، مما يتيح للباحثين استخدام التحويلات المعيارية Z عند التعامل مع عينات نفسية ضخمة.

التطبيقات الأساسية في البحوث السلوكية والنفسية

اختبار حسن المطابقة (Goodness-of-Fit Test)

يُعد اختبار حسن المطابقة التطبيق الإجرائي الأكثر رسوخاً لتوزيع كاي تربيع في ميدان القياس النفسي ودراسة الشخصية. يهدف هذا الاختبار إلى فحص الفرضية الصفرية القائلة بأن التوزيع التكراري الملاحظ لمتغير تصنيفي في العينة يتفق تماماً مع التوزيع النظري المفترض في مجتمع الدراسة الأصلي. على سبيل المثال، عند فحص مدى تكرار الأنماط المزاجية الأربعة (الدموي، البلغمي، الصفراوي، السوداوي) لدى عينة من المراجعين السريريين، يُستخدم كاي تربيع لتحديد ما إذا كانت الفروق بين التكرارات الملاحظة وتلك المفترضة نظرياً تعود إلى الصدفة العشوائية البحتة أم تعكس تبايناً سريرياً دالاً إحصائياً يستوجب التفسير السيكولوجي.

تُحسب إحصائية الاختبار عبر المعادلة الرياضية التأسيسية:
$$\chi^2 = \sum \frac{(O – E)^2}{E}$$
حيث تمثل $O$ التكرارات الملاحظة عيانياً (Observed Frequencies) وتمثل $E$ التكرارات المتوقعة نظرياً (Expected Frequencies). تُعبر القيمة الناتجة عن المسافة المعيارية المربعة التراكمية التي تفصل بين الواقع الميداني والنظرية المقترحة. إذا تجاوزت هذه القيمة القيمة الحرجة المقابلة لمستوى الدلالة المختار (مثل $\alpha = 0.05$) عند درجات حرية محددة، يُسقط الباحث النفسي الفرضية الصفرية، مؤكداً وجود انزياح جوهري في البنية السلوكية المفحوصة يستدعي مراجعة النموذج النظري المعتمد.

اختبار الاستقلالية وجداول الاقتران (Test of Independence)

يمثل اختبار الاستقلالية الركيزة الأساسية لتحليل العلاقات الارتباطية بين المتغيرات الكيفية والتصنيفية في علم النفس الاجتماعي وعلم النفس الإكلينيكي. يهدف هذا الإجراء الإحصائي إلى التحقق مما إذا كان متغيران اسميان، مثل الجنس (ذكر/أنثى) وتفضيل أسلوب التكيف النفسي (مركّز على المشكلة/مركّز على الانفعال)، يرتبطان ارتباطاً بنيوياً أم أنهما مستقلان استقلالاً عشوائياً متبادلاً. تُنظم البيانات النفسية المستخلصة في جداول اقتران مزدوجة تُعرف بجداول التوافق ($r \times c$)، وتُشتق التكرارات المتوقعة لكل خلية اعتماداً على حاصل ضرب التكرارات الهامشية مقسوماً على الحجم الكلي للعينة.

تكمن الأهمية البالغة لاختبار الاستقلالية في قدرته على كشف الأنماط الترابطية الدقيقة دون الحاجة إلى افتراض أن المتغيرات تتبع التوزيع الطبيعي المتصل، وهو افتراض يصعب تحقيقه في العديد من أدوات التقييم التشخيصي النفسي المقيدة بفئات تصنيفية محددة، مثل الفئات التشخيصية للدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM-5). يؤدي رفض فرضية الاستقلالية في هذا السياق إلى توجيه الأخصائيين النفسيين نحو استكشاف التفاعلات النوعية بين المتغيرات وتطوير استراتيجيات تدخل وقائية موجهة لفئات محددة من الأفراد بناءً على تصنيفاتهم الديموغرافية والسريرية المقترنة.

النمذجة الإحصائية المتقدمة والقياس النفسي الحديث

في فضاء القياس النفسي الحديث (Psychometrics)، تجاوز استخدام توزيع كاي تربيع الاختبارات التكرارية البسيطة ليمسي الأداة المعيارية الأولى لتقييم جودة المطابقة الكلية في نمذجة المعادلات البنائية (Structural Equation Modeling – SEM) والتحليل العاملي التوكيدي (Confirmatory Factor Analysis – CFA). في هذه النماذج المتقدمة، يتم اختبار مدى مطابقة مصفوفة التباين والتباين المشترك المفترضة نظرياً (Model-Implied Covariance Matrix) مع مصفوفة التباين والتباين المشترك الملاحظة فعلياً في بيانات العينة. تتبع إحصائية نسبة الأرجحية الناتجة توزيع كاي تربيع بدرجات حرية تُعبر عن الفرق بين عدد المعالم الحرة الملاحظة وتلك المقدرة في النموذج.

على النقيض من الاختبارات الإحصائية التقليدية حيث يسعى الباحث إلى رفض الفرضية الصفرية، يسعى الباحث النفسي في سياق نمذجة المعادلات البنائية إلى عدم رفض الفرضية الصفرية لكاي تربيع؛ إذ تعني القيمة غير الدالة إحصائياً ($p > 0.05$) أن النموذج النظري المقترح يطابق البيانات الواقعية بدرجة عالية من الدقة ولا يختلف عنها جوهرياً. يعكس هذا الانقلاب الإبستمولوجي خصوصية المنهجيات التوكيدية؛ حيث تصبح إحصائية كاي تربيع الصغرى دليلاً على رصانة الأطر المفاهيمية المقترحة لتفسير بنية الذكاء، أو سمات الشخصية، أو مؤشرات الرفاه النفسي في المجتمعات الإنسانية.

مع ذلك، أفرزت التطبيقات السيكومترية إشكالية منهجية مشهورة تُعرف باسم “حساسية كاي تربيع لحجم العينة” (Sample Size Sensitivity)؛ حيث يميل الاختبار إلى تحقيق الدلالة الإحصائية ورفض النماذج المقبولة نظرياً كلما تضخم حجم العينة التجريبية ($N > 400$). دفع هذا القيد المنهجي علماء القياس النفسي، مثل بنتشر وليبرت وبروان وتكر، إلى اشتقاق مؤشرات مطابقة بديلة تعتمد في جوهرها وحساباتها الرياضية على تحوير إحصائية كاي تربيع لتقليل تأثير حجم العينة، ومن أبرزها مؤشر جذر متوسط مربع خطأ الاقتراب (RMSEA)، ومؤشر المطابقة المقارن (CFI)، ومؤشر تكر-لويس (TLI)، مما يؤكد أن توزيع كاي تربيع يظل النواة الرياضية التوليدية لكافة معايير الحكم في القياس السيكومتري الحديث.

الافتراضات المنهجية والشروط الإحصائية للتطبيق

يتطلب التطبيق العلمي الرصين لاختبارات كاي تربيع في البحوث النفسية الامتثال الصارم لجملة من الشروط المنهجية التي تضمن دقة النتائج وصلاحيتها التأويلية. يُعد شرط استقلالية الملاحظات (Independence of Observations) أهم هذه الافتراضات على الإطلاق؛ إذ يجب أن ينتمي كل مفحوص أو وحدة استجابة إلى خلية واحدة فقط في جدول التوافق، بحيث لا تتداخل القياسات أو تتكرر لنفس الأفراد عبر الخلايا المختلفة. يُعد انتهاك هذا الشرط، كاستخدام الاختبار في التصاميم القبلية والبعدية ذات القياسات المتكررة على العينة نفسها دون تعديل منهجي، خطأً فادحاً يؤدي إلى تضخيم درجات الحرية وتشويه التوزيع الاحتمالي للخطأ المعياري.

يتمثل الافتراض الثاني في معيارية التكرارات المتوقعة وحجم العينة، والذي صاغه الإحصائي ويليام كوتشران (William G. Cochran). ينص هذا المعيار الإرشادي على ألا تقل التكرارات المتوقعة في أي خلية عن واحد صحيح، وألا تقل التكرارات المتوقعة عن خمسة ($E ge 5$) في أكثر من 20% من مجمل خلايا جدول التوافق. عندما تفشل البيانات النفسية في تحقيق هذا الشرط نتيجة لندرة الظاهرة المدروسة أو صغر حجم العينة الميدانية، يفقد التقريب المقاربي لتوزيع كاي تربيع دقته الرياضية، مما يؤدي إلى زيادة خطأ النوع الأول (رفض الفرضية الصفرية وهي صحيحة) ويستلزم اللجوء إلى بدائل تصحيحية متخصصة.

تتضمن القيود الإجرائية أيضاً طبيعة المتغيرات المقاسة؛ إذ صُمم التوزيع خصيصاً لتحليل البيانات التكرارية المنفصلة (Discrete Frequencies)، وليس لتحليل المتوسطات أو الدرجات المعيارية المستمرة، ما لم يتم تحويل الأخيرة إلى فئات تصنيفية واضحة ومبررة نظرياً. يجب على الباحث النفسي توخي الحذر الشديد من الوقوع في فخ التقطيع الاصطناعي للمتغيرات المتصلة (Dichotomization)، نظراً لما يسببه ذلك من هدر للتباين وتخفيض للقوة الإحصائية (Statistical Power) للاختبار، وهو ما يحتم الموازنة بين طبيعة الأداة القياسية والافتراضات الكامنة خلف نماذج كاي تربيع الرياضية.

مقاييس حجم الأثر والبدائل الإحصائية المكملة

نظراً لأن الدلالة الإحصائية الناتجة عن اختبار كاي تربيع تقتصر على إخبار الباحث بوجود علاقة ارتباطية أو عدم وجودها دون تحديد شدة تلك العلاقة المكتشفة، طوّر علماء النفس مقاييس مكملة متخصصة لتقدير حجم الأثر (Effect Size). يُعد معامل فاي ($phi$) الأداة المفضلة لجداول الاقتران الرباعية ($2 \times 2$)، حيث يقيس قوة الارتباط بين متغيرين ثنائيي التقسيم ويشبه في تفسيره معامل ارتباط بيرسون. أما في الجداول التوافقية الأكبر حجماً ($r \times c$)، فيُعد معامل كرامر التوافقي (Cramer’s V) المقياس المعياري الذهبي لحساب حجم الأثر؛ إذ يقوم بمعايرة قيمة كاي تربيع بقسمتها على حجم العينة مضروباً في الحد الأدنى لدرجات حرية الصفوف أو الأعمدة منقوصاً منها واحد.

في الحالات التي تنتهك فيها البيانات التجريبية شروط حجم العينة أو التكرارات المتوقعة الصغرى، يبرز اختبار فيشر الدقيق (Fisher’s Exact Test) كبديل لا معلمي متكامل لجداول التوافق ذات الأبعاد ($2 \times 2$). لا يعتمد اختبار فيشر على تقريب توزيع كاي تربيع المتصل، بل يعتمد على التوزيع فوق الهندسي (Hypergeometric Distribution) لحساب الاحتمال الدقيق لظهور التكرارات المشاهدة في ظل المجاميع الهامشية الثابتة، مما يجعله مثالياً للدراسات الإكلينيكية المعمقة والبحوث النفسية العصبية التي تتعامل مع عينات نادرة الحدوث وحالات مرضية شديدة الخصوصية.

من البدائل التاريخية والمنهجية الجديرة بالذكر أيضاً تصحيح ييتس للاستمرارية (Yates’ Continuity Correction)، والذي يُطبق عبر طرح القيمة 0.5 من الفروق المطلقة بين التكرارات الملاحظة والمتوقعة في جداول ($2 \times 2$) لتقريب التوزيع التكراري المتقطع نحو منحنى كاي تربيع المتصل. ورغم أن هذا التصحيح يميل في بعض الأحيان إلى الإفراط في التحفظ وتخفيض القوة الإحصائية، إلا أنه يعكس الدقة الرياضية التي يحرص عليها الباحثون النفسيون لتفادي إصدار تعميمات استقرائية زائفة عند تحليل الاستجابات السلوكية الحرجة.

خاتمة

يظل توزيع كاي تربيع ($\chi^2$) أحد أعظم المنجزات المنهجية التي نقلت العلوم النفسية والسلوكية من مرحلة الملاحظات الوصفية الانطباعية إلى رحاب الاستدلال الإحصائي الصارم. وبفضل مرونته الرياضية وتنوع تطبيقاته، التي تتدرج من اختبارات التكرار الاسمية البسيطة وصولاً إلى أكثر نماذج المعادلات البنائية والقياسات السيكومترية تعقيداً، يمنح هذا التوزيع الباحثين إطاراً منطقياً لتقييم الفرضيات واستكشاف العلاقات الظاهراتية المعقدة. إن الاستيعاب العميق لخصائص هذا التوزيع وافتراضاته ومحدداته المنهجية يُعد شرطاً لا غنى عنه لأي باحث نفسي يسعى إلى إنتاج معرفة علمية تتسم بالرصانة والصدق الإحصائي.

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.
• Cochran, W. G. (1954). Some methods for strengthening the common $\chi^2$ tests. Biometrics, 10(4), 417–451.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Fisher, R. A. (1922). On the interpretation of $\chi^2$ from contingency tables, and the calculation of P. Journal of the Royal Statistical Society, 85(1), 87–94.
• Kline, R. B. (2023). Principles and practice of structural equation modeling (5th 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. Philosophical Magazine, Series 5, 50(302), 157–175.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.