اختبار كوشران كيو: الأسس النظرية والتطبيقات في القياس والبحوث النفسية

يمثل اختبار كوشران كيو (Cochran’s Q Test) أحد المعالم الإحصائية اللابارامترية الجوهرية في تصميمات القياس المتكرر والبحوث النفسية والسريرية المتقدمة. يتيح هذا الأسلوب للباحثين دراسة التغيرات الطولية ومقارنة استجابات العينات المترابطة عبر شروط تجريبية متعددة عندما تكون المتغيرات التابعة ثنائية التفرع، مما يجعله أداة حاسمة لفهم السلوك البشري والظواهر السيكومترية المعقدة.

المقدمة والتعريف النظري باختبار كوشران كيو

يُعرَّف اختبار كوشران كيو بأنه اختبار إحصائي لا بارامتري (Non-parametric test) يُستخدم لاختبار الفروق بين ثلاثة قياسات مرتبطة أو أكثر (Related groups / Repeated measures) عندما يكون المتغير التابع متغيراً نوعياً ثنائي القيمة (Dichotomous variable) مثل: نعم/لا، نجاح/فشل، وجود العَرَض النفسي/غيابه. يُعد هذا الاختبار امتداداً مباشراً لـ اختبار ماكنيمار (McNemar Test)، والذي يقتصر على مقارنة مجموعتين مرتبطتين فقط، كما يُنظر إليه بوصفه المكافئ اللابارامتري لتحليل التباين للقياسات المتكررة (Repeated Measures ANOVA) عندما تنهار فرضية التوزيع الطبيعي ومستوى القياس الفتري.

ينبثق الاختبار من الحاجة الماسة في العلوم السلوكية للتعامل مع البيانات التي تصنف استجابات الأفراد عبر نقاط زمنية متعددة دون إمكانية افتراض استمرارية المتغير المقاس. فعلى سبيل المثال، عند تقييم فعالية تدخل سلوكي معرفي على مدار ثلاث فترات زمنية (قبل العلاج، بعد العلاج، والمتابعة)، قد يقتصر تشخيص المريض على وجود اضطراب الهلع أو تعافيه التام، مما يولد بيانات ثنائية مكررة لا تلائمها النماذج الخطية العامة التقليدية.

تتمثل الفرضية الصفرية ($H_0$) في اختبار كوشران كيو في أن احتمالية حدوث الاستجابة الإيجابية (أو النجاح) متطابقة عبر جميع الحالات أو الشروط التجريبية المتكررة، مما يعني غياب أي أثر دال للشرط التجريبي أو الزمن. وفي المقابل، تنص الفرضية البديلة ($H_1$) على وجود اختلاف ذي دلالة إحصائية بين شرطين تجريبيين على الأقل في نسب حدوث الاستجابة المحددة، مما يوجه الباحث نحو إجراء مقارنات بعدية دقيقة لاكتشاف مصدر التباين.

تكمن قوة الاختبار في كفاءته العالية في التعامل مع التباينات الفردية الكامنة؛ إذ يتيح تصميم العينات المرتبطة أو المزدوجة استخدام كل مفحوص كضابط لنفسه (Self-control)، مما يقلل من تباين الخطأ التجريبي ويزيد من القوة الإحصائية (Statistical Power) للدراسة حتى في ظل وجود أحجام عينات معتدلة يصعب معها تلبية افتراضات الاختبارات المعلمية.

السياق التاريخي وتطور الاختبار في العلوم السلوكية

تعود الجذور التاريخية لهذا الاختبار إلى عالم الإحصاء الأسكتلندي الشهير ويليام جيميل كوشران (William Gemmell Cochran)، الذي نشر ورقته التأسيسية في عام 1950 تحت عنوان “The Comparison of Percentages in Matched Samples”. جاء هذا الابتكار الرياضي استجابةً للتحديات التي واجهت الباحثين في القياسات الحيوية والعلوم الاجتماعية في معالجة النسب المئوية المستخرجة من عينات غير مستقلة.

في منتصف القرن العشرين، كانت التحليلات الإحصائية السائدة تعتمد بقوة على الافتراضات البارامترية التي وضعها رونالد فيشر، والتي تتطلب قياسات متصلة وتوزيعات طبيعية للأخطاء. ومع تطور حقل القياس النفسي وظهور المقاييس السيكومترية القائمة على الاختيار الإجباري أو تشخيصات التصنيف الفئوي لـ الدليل التشخيصي والإحصائي للاضطرابات النفسية، بات جلياً أن الأدوات الرياضية المتوفرة تعجز عن معالجة البيانات الاسمية المقاسة طولياً دون ارتكاب خطأ من النوع الأول (Type I Error).

تلقفت العلوم النفسية اختبار كوشران كيو بوصفه حلاً نموذجياً لمعضلات التقييم الإكلينيكي في دراسات تتبع أثر الأدوية النفسية والمداخلات العلاجية. ومع نمو علم النفس التجريبي، توسعت تطبيقاته لتشمل دراسات الإدراك البصري والذاكرة التي تقيس نجاح استدعاء المثير أو فشله عبر محاولات متتالية ومتباينة في الصعوبة تحت شروط بيئية مختلفة.

في العقود اللاحقة، ومع ظهور الحوسبة الإحصائية والبرمجيات المتقدمة، حظي الاختبار بإعادة تقييم معمقة من قبل رواد المنهجية السلوكية؛ حيث تم توضيح سلوكه التوزيعي وتطوير آليات تصحيحية لحالات العينات الصغيرة، فضلاً عن دمجه ضمن حزم التحليل اللابارامتري المعياري، مما عزز من موقعه كأداة لا غنى عنها في ترسانة الباحث النفسي المعاصر.

الأسس الرياضية والصيغة الإحصائية للاختبار

يرتكز اختبار كوشران كيو على مصفوفة بيانات تتكون من صفوف تمثل الأفراد أو الحالات المستقلة ($N$)، وأعمدة تمثل الشروط التجريبية أو المناسبات الزمنية المكررة ($k$). تُمثل كل خلية في المصفوفة استجابة ثنائية تأخذ القيمة $1$ (في حالة حدوث الاستجابة، مثل: النجاح أو ظهور العَرَض) أو القيمة $0$ (في حالة غياب الاستجابة أو الفشل).

يُعبر عن المجموع الأفقي لكل فرد $i$ عبر الشروط بـ $R_i$ (مجموع الصف)، بينما يُعبر عن المجموع الرأسي لكل شرط تجريبي $j$ عبر جميع الأفراد بـ $C_j$ (مجموع العمود). تُحسب إحصائية الاختبار $Q$ بالمعادلة التالية:

$$Q = \frac{(k – 1) \left[ k \sum_{j=1}^{k} C_j^2 – \left( \sum_{j=1}^{k} C_j \right)^2 \right]}{k \sum_{i=1}^{N} R_i – \sum_{i=1}^{N} R_i^2}$$

توضح هذه الصيغة أن البسط يقيس التشتت أو التباين بين مجاميع الأعمدة (أي الاختلاف في نسب النجاح بين الشروط)، بينما يعمل المقام كعامل تصحيحي يرتكز على مجموع الصفوف لضبط الفروق الفردية الأساسية بين المشاركين. تجدر الإشارة إلى أن الأفراد الذين يظهرون استجابات متطابقة تماماً عبر جميع الشروط (أي إما $0$ في كل الشروط أو $1$ في كلها) لا يساهمون في قيمة التباين في المقام؛ إذ تلغى درجاتهم فعلياً من المعادلة لأنها لا تعكس أي تمايز دال بين الشروط المعالجة.

تقترب إحصائية كوشران $Q$ تقاربياً من توزيع كاي تربيع (Chi-Square Distribution) بدرجات حرية قدرها $df = k – 1$، بشرط أن يكون حجم العينة كافياً. يتم مقارنة القيمة المحسوبة بالقيمة الحرجة المستخرجة من جدول كاي تربيع عند مستوى الدلالة المطلوب (عادة $\alpha = 0.05$). إذا تجاوزت القيمة المحسوبة القيمة الحرجة، يرفض الباحث الفرضية الصفرية ويستنتج وجود فروق جوهرية بين الشروط في نسبة الحدوث.

شروط وافتراضات تطبيق اختبار كوشران كيو

على الرغم من الطبيعة اللابارامترية للاختبار ومرونته مقارنة بالاختبارات المعلمية، إلا أن صحة استنتاجاته تعتمد على توافر مجموعة محددة من الشروط المنهجية والإحصائية الصارمة:

• طبيعة المتغير التابع: يجب أن يكون المتغير التابع مقاساً بمستوى نوعي ثنائي التفرع حصرياً (Dichotomous)، مثل: (0 و 1)، أو (مضطرب / معافى)، أو (صحيح / خاطئ). في حال قياس المتغير بمستوى رتبي أو فئوي متعدد، يجب استخدام بدائل أخرى كاختبار فريدمان.
• طبيعة العينات والتصميم: يشترط الاختبار أن تكون المجموعات مرتبطة بالكامل (Related Samples)، إما من خلال تصميم القياسات المتكررة على العينة ذاتها عبر الزمن، أو من خلال أسلوب المزاوجة المحكمة (Matched-subjects design) حيث يتم تشكيل مجموعات ثلاثية أو أكثر متطابقة في الخصائص الأساسية كالعمر والذكاء والشدة الإكلينيكية.
• استقلالية الحالات: بينما تكون الملاحظات داخل كل حالة فردية مرتبطة عبر الشروط، فإن الحالات أو الأفراد أنفسهم يجب أن يُختاروا بطريقة عشوائية ومستقلة تماماً عن بعضهم البعض؛ بحيث لا تؤثر استجابة مفحوص ما على استجابة مفحوص آخر داخل التجربة.
• كفاية حجم العينة (Asymptotic Requirement): تعتمد دقة التقريب لتوزيع كاي تربيع على حجم العينة وعدد القياسات. يُوصى تقليدياً بألا يقل حاصل ضرب عدد الأفراد في عدد الشروط ($N \times k$) عن أرقام تسمح بالحصول على تباينات كافية، وأن يكون عدد المفحوصين الذين تختلف استجاباتهم عبر الشروط كبيراً بدرجة تحول دون تدهور التقارب التوزيعي. في العينات الصغيرة جداً، يُفضل استخدام اختبار التباديل الدقيق (Exact Permutation Test).

التطبيقات السريرية والنفسية لاختبار كوشران كيو

يحظى اختبار كوشران كيو بأهمية بالغة في بحوث علم النفس الإكلينيكي والطب النفسي السلوكي، لا سيما في تقييم مسارات الاستجابة للعلاج النفسي والدوائي عبر الزمن. ففي التجارب السريرية العشوائية المضبوطة (RCTs)، غالباً ما يكون الهدف النهائي ليس مجرد انخفاض الدرجة على مقياس الاكتئاب، بل الوصول إلى حالة “الهدأة الكاملة” (Remission)، وهي حالة ثنائية (نعم/لا). يتيح الاختبار تتبع ما إذا كانت نسب الهدأة تتغير تغيراً حقيقياً بين الفترات: عند انتهاء العلاج، بعد شهر، بعد ثلاثة أشهر، وبعد ستة أشهر.

يمتد التطبيق أيضاً إلى حقل التشخيص النفسي ودراسات الثبات بين الفاحصين (Inter-rater Reliability). عندما يقوم ثلاثة أطباء أو معالجين نفسيين مستقلين بتشخيص مجموعة من المرضى لتحديد وجود اضطراب الشخصية الحدية من عدمه، يمكن استخدام اختبار كوشران كيو لمعرفة ما إذا كانت هناك فروق ذات دلالة إحصائية في ميل هؤلاء الفاحصين لإصدار التشخيص، مما يكشف عن أي تحيز منهجي أو تفاوت غير مقبول في معايير التقييم.

في ميدان علم النفس المعرفي والتجريبي، يُستخدم الاختبار لدراسة تأثير السياق على استرجاع المعلومات. قد يُعرض على المشاركين مهمة تذكر كلمات تحت ثلاثة شروط تجريبية: وجود مشتت سمعي، وجود مشتت بصري، وحالة الهدوء التام. يتم رصد نجاح الفرد في استرجاع الهدف المستهدف (1) أو فشله (0) في كل شرط. يقدم اختبار كوشران دليلاً قاطعاً على مدى تأثر دقة الأداء المعرفي باختلاف طبيعة المشتت الخارجي.

كما يبرز استخدامه في دراسات الاتجاهات والتحولات السلوكية في علم النفس الاجتماعي؛ حيث تُقاس مواقف الأفراد المؤيدة أو المعارضة لقضية مجتمعية معينة قبل تعريضهم لحملة توعية، وبعدها مباشرة، وبعد انقضاء فترة زمنية محددة، لتقدير مدى ثبات التغير في الاتجاه السلوكي بمرور الوقت.

المقارنات البعدية وتحليل التباين الثنائي

بمجرد أن يُسفر اختبار كوشران كيو عن نتيجة دالة إحصائياً ($p < 0.05$)، لا يستطيع الباحث تحديد أي الشروط التجريبية تحديداً تختلف عن غيرها؛ إذ يكتفي الاختبار بإثبات وجود فرق في موضع ما عبر الشروط المتعددة. هنا تبرز الضرورة المنهجية لإجراء المقارنات البعدية (Post-hoc Pairwise Comparisons).

الأسلوب المعياري المتبع هو تطبيق اختبار ماكنيمار الثنائي (Pairwise McNemar Tests) على كل زوج من الشروط التجريبية المحتملة. فإذا كانت الدراسة تشتمل على أربعة شروط تجريبية، فإن عدد المقارنات الثنائية المحتملة يكون ست مقارنات ($k(k-1)/2$). يؤدي هذا التعدد الحتمي في الاختبارات إلى تضخم خطأ العائلة التجريبية (Family-wise Error Rate)، مما يزيد من احتمالية الحصول على دلالات إحصائية زائفة بالصدفة البحتة.

لمواجهة هذه المشكلة، يتعين على الباحثين استخدام إجراءات الضبط الإحصائي، مثل تصحيح بونفيروني (Bonferroni Correction)، والذي يتم من خلاله قسمة مستوى الدلالة الاسمي (مثلاً 0.05) على إجمالي عدد المقارنات البعدية المنجزة، أو الاستعانة بأساليب متقدمة وأقل تحفظاً مثل طريقة هولم-بونفيروني المتتابعة (Holm-Bonferroni Method) أو معيار بنجاميني-هوتشبرغ (Benjamini-Hochberg) لضبط معدل الاكتشاف الكاذب (FDR).

إلى جانب المقارنات البعدية المستندة لماكنيمار، طُوّرت في الأدبيات الإحصائية الحديثة مقارنات بعدية مبنية على الفروق في الترتيبات النسبية لدرجات كوشران مع تطبيق توزيع كاي تربيع المعدل، مما يوفر تقديراً أكثر اتساقاً مع بنية التباين الأصلية للمصفوفة، ويقلل من فقدان القوة الإحصائية الناتج عن التجزئة الثنائية المباشرة.

مقارنة اختبار كوشران بالاختبارات الإحصائية الأخرى

لتحديد الموقع المنهجي الدقيق لاختبار كوشران كيو، ينبغي تفحصه مقارنةً بالبدائل الإحصائية المتاحة في التصميمات التجريبية المتكررة عبر الجدول المفاهيمي التالي:

• مقارنة باختبار ماكنيمار: يُعد ماكنيمار حالة خاصة جداً من اختبار كوشران عندما يكون عدد الشروط مساوياً لاثنين فقط ($k = 2$). في هذه الحالة، تصبح القيمة المحسوبة لـ $Q$ مطابقة تماماً لقيمة إحصائية ماكنيمار بدون تصحيح الاستمرارية. يتفوق كوشران في قدرته على التوسع لأي عدد من الشروط المتكررة ($k ge 3$).
• مقارنة باختبار فريدمان (Friedman Test): يُستخدم اختبار فريدمان للعينات المرتبطة أيضاً، لكنه مخصص للمتغيرات ذات المستوى الرتبي (Ordinal) أو المتغيرات المتصلة التي تنتهك افتراضات التوزيع الطبيعي. إذا طُبق اختبار فريدمان على بيانات ثنائية التشفير (0 و 1)، فإن نتائجه الرياضية تقترب كثيراً من نتائج كوشران، إلا أن كوشران هو الأدق نظرياً واشتقاقياً للمتغيرات الثنائية البحتة.
• مقارنة بتحليل التباين للقياسات المتكررة (RM-ANOVA): يتطلب تحليل التباين متغيراً فئرياً أو نسبياً مستمراً، وتوزيعاً طبيعياً للمجتمع، وافتراض الكروية (Sphericity Assumption). يؤدي انتهاك هذه الافتراضات بتطبيق RM-ANOVA على متغيرات ثنائية إلى تشوه جسيم في معدلات الخطأ وعدم مصداقية النتائج، وهو ما يتفاداه كوشران بالكامل.
• مقارنة بنماذج المعادلات التقديرية المعممة (GEE) والنماذج الخطية المعممة المختلطة (GLMM): في البحوث الحديثة، تمثل نماذج الانحدار اللوجستي للقياسات المتكررة (مثل GEE و GLMM) بدائل متقدمة لاختبار كوشران كيو؛ حيث تمتاز بقدرتها على إدخال متغيرات مصاحبة (Covariates)، والتعامل الكفء مع البيانات المفقودة، وتحليل التفاعلات المعقدة، بينما يقتصر كوشران على التحليل أحادي المتغير في غياب المتغيرات التفسيرية الإضافية.

خطوات التطبيق العملي وتفسير النتائج في البرمجيات الإحصائية

يبدأ تطبيق اختبار كوشران كيو بتنظيم مصفوفة البيانات بدقة؛ حيث يتطلب التنسيق العريض (Wide Format) تخصيص عمود مستقل لكل شرط أو مناسبة قياس، وصف واحد لكل مشارك يحتوي على قيمه الثنائية المتتابعة. يجب التحقق التام من خلو البيانات من التشفيرات الخاطئة أو القيم المتطرفة في التصنيف.

في البرمجيات الرائدة مثل SPSS، يتم الوصول إلى الاختبار عبر مسار التحليلات اللابارامترية (Nonparametric Tests -> Legacy Dialogs -> K Related Samples)، مع تفعيل خيار “Cochran’s Q”. يُخرج البرنامج جدولاً وصفياً بالترددات والنسب المئوية للنجاح عبر كل شرط، متبوعاً بقيمة إحصائية $Q$ ودرجات الحرية وقيمة الدلالة المقاربة ($Asymptotic ; p-value$).

أما في بيئة لغة البرمجة الإحصائية R، فيمكن تنفيذ الاختبار بسهولة عبر دالة cochran.qtest() المتوفرة في حزم متخصصة مثل RVAideMemoire أو عبر دوال بيئة coin لإجراء الاختبارات التباديلية التامة. توفر هذه البرمجيات أيضاً معاملات لحجم الأثر، مثل معامل توافق كيندال للبيانات الثنائية، أو مقياس التباين النسبي المقترح من سيرلين وهارلين.

عند كتابة تقرير النتائج بأسلوب الجمعية الأمريكية لعلم النفس (APA)، يجب توثيق قيمة إحصائية الاختبار ودرجات الحرية والقيمة الاحتمالية ومؤشر حجم الأثر المعتمد، مترافقاً مع النسب المئوية للاستجابة في كل شرط. مثال ذلك: “أظهر اختبار كوشران كيو وجود فروق ذات دلالة إحصائية في نسب التعافي عبر أوقات القياس الثلاثة ($Q(2) = 14.85, p < 0.001$)". يجب أن يتبع ذلك توضيح مفصل لنتائج المقارنات البعدية المضبوطة.

التحديات المنهجية وحدود الاختبار في البحوث المعاصرة

على الرغم من الفائدة النظرية والعملية الكبيرة لاختبار كوشران كيو، تواجه الباحثين بعض التحديات المنهجية الجوهرية عند تطبيقه على البيانات الواقعية المعقدة. تتمثل أبرز هذه المعضلات في طريقة تعامله مع البيانات المفقودة (Missing Data)؛ فالبرمجيات التقليدية تحذف تلقائياً أي مشارك يمتلك قيمة مفقودة في نقطة زمنية واحدة فقط (Listwise Deletion). في الدراسات النفسية الطولية ذات معدلات التسرب المرتفعة، قد يؤدي هذا الحذف إلى تقليص حجم العينة بصورة كارثية وإدخال تحيز منهجي خطير في النتائج.

تتمثل المشكلة الثانية في إشكالية “ثنائية التصنيف المصطنعة” (Artificial Dichotomization). في كثير من الأحيان، يقوم الباحثون بتحويل درجات مقاييس مستمرة أو ليكرت إلى درجات ثنائية استناداً إلى نقاط قطع اعتباطية (Cut-off scores) لتمكين استخدام اختبار كوشران. تؤدي هذه الممارسة إلى فقدان كم هائل من التباين والمعلومات الإحصائية، وتقليل القوة الاختبارية للدراسة، وربما إخفاء مسارات دقيقة للنمو النفسي عبر الزمن.

بالإضافة إلى ذلك، فإن اعتماد كوشران كيو على التقريب التقاربي لكاي تربيع يجعله حساساً في الدراسات ذات العينات المتواضعة أو عندما تكون نسب الحدوث نادرة جداً (Extreme Base Rates)؛ حيث يصبح التقريب غير موثوق به، مما يرفع من مخاطر الوقوع في الخطأ الإحصائي. في مثل هذه البيئات المعقدة، يوصي المنهجيون بالتحول نحو النماذج الاحتمالية البايزية أو نماذج الآثار المختلطة التي تقدم حلولاً بنيوية متفوقة لمعالجة تباين القياس المتكرر.

خاتمة استشرافية

يظل اختبار كوشران كيو ركيزة كلاسيكية لا غنى عنها في صرح الإحصاء اللابارامترى، مقدماً حلاً رياضياً أنيقاً ورصيناً لمقارنة النسب المترابطة عبر الشروط التجريبية المتعددة في العلوم النفسية والسلوكية. إن فهم الباحث الدقيق لأسسه النظرية، وافتراضاته التطبيقية، وأساليب ضبط المقارنات البعدية المصاحبة له يضمن استخلاص استنتاجات علمية رصينة تتسم بالمصداقية والأمانة المنهجية، في عالم تتزايد فيه الحاجة للقياس الدقيق للظواهر الإنسانية المتغيرة.

المراجع

• Cochran, W. G. (1950). The comparison of percentages in matched samples. Biometrika, 37(3/4), 256–266. https://doi.org/10.2307/2332378
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Howell, D. C. (2012). Statistical methods for psychology (8th ed.). Cengage Learning.
• Marascuilo, L. A., & McSweeney, M. (1977). Nonparametric and distribution-free methods for the social sciences. Brooks/Cole Publishing Company.
• McNemar, Q. (1947). Note on the sampling error of the difference between correlated proportions or percentages. Psychometrika, 12(2), 153–157. https://doi.org/10.1007/BF02295996
• Siegel, S., & Castellan, N. J. (1988). Nonparametric statistics for the behavioral sciences (2nd ed.). McGraw-Hill.
• Sheskin, D. J. (2020). Handbook of parametric and nonparametric statistical procedures (5th ed.). Chapman and Hall/CRC. https://doi.org/10.1201/9780429186196