يعد معامل الاختلاف (Coefficient of Variation) أحد أبرز المقاييس الإحصائية النسبية المستخدمة لتحديد درجة التشتت والتباين في البيانات مقارنة بمتوسطها الحسابي، مما يمنح الباحثين أداة دقيقة لتقييم تباين الظواهر النفسية والسلوكية بمعزل عن تأثير وحدات القياس. يكتسب هذا المفهوم وزناً جوهرياً في حقول علم النفس الكمي والقياس النفسي العصبي، حيث تتنوع المقاييس وتختلف المعايير الرقمية المستخدمة لتقييم الاستجابات الإنسانية من أزمنة رد الفعل إلى درجات السمات الشخصية المعقدة. من خلال تفكيك النسبة بين الانحراف المعياري والمتوسط، يفتح هذا المقياس آفاقاً واسعة لمقارنة مجموعات متباينة وضبط الفروق الفردية بمنهجية علمية صارمة ورصينة.
مقدمة تأصيلية: مفهوم معامل الاختلاف وأهميته الإحصائية والنفسية
يمثل التشتت الإحصائي حجر الزاوية في فهم التباين البشري؛ إذ لا تكتمل أي دراسة للظواهر السلوكية بمجرد التعرف على النزعة المركزية للبيانات، بل تتطلب استيعاب الكيفية التي تنتشر بها استجابات الأفراد حول هذه النزعة المركزية. في هذا الإطار، يُعرّف معامل الاختلاف بأنه مقياس تشتت نسبي لا-بعدي (Dimensionless)، يُعبَّر عنه عادة بنسبة مئوية تمثل حاصل قسمة الانحراف المعياري على المتوسط الحسابي. وتكمن فرادة هذا المؤشر في تجريده للأرقام من أبعادها الفيزيائية أو السيكومترية المباشرة، مما يتيح إجراء مقارنات عادلة بين متغيرات لا تشترك في المقاييس الأصلية أو تتسم بمتوسطات عددية متفاوتة بصورة جذرية.
في السياق السيكولوجي، تواجه البحوث التجريبية والعيادية تحدياً مستمراً يتمثل في تباين درجات القياس ومستوياتها؛ فعلى سبيل المثال، يصعب مقارنة استقرار الأداء المعرفي المقاس بالمللي ثانية عبر اختبار زمن الرجع باستقرار الأداء في اختبار للذاكرة العاملة يعتمد على عدد الكلمات المسترجعة. هنا تتجلى القيمة المنهجية لمعامل الاختلاف، إذ يعمل على تحييد أثر المقياس الخام وتوفير أرضية مشتركة توضح ما إذا كان التشتت الظاهر ناتجاً عن طبيعة الظاهرة النفسية ذاتها أم أنه مجرد انعكاس للمدى العددي للمقياس المستخدم. ومن ثم، فإن معامل الاختلاف لا يكتفي بوصف التشتت، بل يقدم تفسيراً نسبياً يرتبط بحجم الظاهرة ومستواها الإجمالي.
علاوة على ذلك، يُسهم معامل الاختلاف في تعميق الفهم المتعلق بظاهرة اتساق الأداء الفردي عبر الزمن (Intra-individual variability)، وهي مسألة تقع في صميم التشخيص الإكلينيكي والتقييم النفسي العصبي. فالأفراد الذين يظهرون معاملات تباين مرتفعة في أدائهم المعرفي اليومي غالباً ما يحملون مؤشرات حيوية أو نفسية تدل على هشاشة في الوظائف التنفيذية أو بدايات لتدهور معرفي محتمل. يمنح هذا المقياس الباحثين والعياديين على حد سواء لغة كمية موحدة لوصف درجة الاضطراب أو الاتساق في السلوك، متجاوزاً القيود التي تفرضها مقاييس التشتت المطلقة كالمدى والانحراف المعياري والتباين البسيط.
الجذور التاريخية والتطور الرياضي لمعامل الاختلاف
تعود البدايات الأولى لصياغة معامل الاختلاف إلى أواخر القرن التاسع عشر وبدايات القرن العشرين، في خضم الثورة الإحصائية التي قادها علماء القياس الحيوي والرياضيات. ويُنسب الفضل الأكبر في تأصيل هذا المفهوم الرياضي إلى عالم الإحصاء البريطاني البارز كارل بيرسون في عام 1896، حين كان يسعى لتطوير أدوات تسمح بمقارنة السمات البيولوجية والأنثروبومترية بين كائنات حية تختلف اختلافاً كبيراً في أحجامها وأبعادها التشريحية. أدرك بيرسون مبكراً أن مقارنة انحراف معياري لجمجمة حيوان ضخم بجمجمة قارض صغير تشكل خطأً منهجياً فادحاً يفتقر إلى النسبية الرياضية الصحيحة.
سرعان ما انتقل هذا المفهوم من البيولوجيا التطورية والقياسات الحيوية إلى أروقة علم النفس التجريبي والقياس العقلي مع رواد القياس السيكولوجي الأوائل. فمع اتساع نطاق تطبيق اختبارات الذكاء واختبارات القدرات المعرفية المتعددة، أدرك علماء النفس أن المقارنة بين تباين درجات الأطفال الصغار وتباين درجات الراشدين تستلزم مراعاة النمو العقلي الكلي؛ حيث يترافق تزايد المتوسطات مع تضخم طبيعي في الانحرافات المعيارية. وهكذا أصبح معامل بيرسون للاختلاف وسيلة محورية لتحديد ما إذا كانت الفئات العمرية المختلفة تشهد تزايداً حقيقياً في الفروق الفردية أم أن الأمر لا يعدو كونه زيادة متناسبة مع النضج العام.
شهد النصف الثاني من القرن العشرين وما تلاه من عقود توسعاً هائلاً في النمذجة الرياضية لمعامل الاختلاف؛ حيث لم يعد يُنظر إليه كمعلمة وصفية بسيطة، بل خضع لتطوير استدلالي مكثف شمل دراسة توزيعاته العينية وخصائصه التقديرية تحت شروط التوزيع الطبيعي والتوزيعات الملتوية. ساهمت هذه التطورات في تمكين الباحثين السلوكيين من اختبار الفرضيات الصفرية حول تماثل معاملات الاختلاف بين المجموعات التجريبية والضابطة، وبناء فترات ثقة إحصائية دقيقة تضمن اتخاذ قرارات بحثية متينة تعزز موثوقية الاستنتاجات العلمية في الدراسات النفسية المعاصرة.
الصيغة الرياضية وطرق الحساب الإحصائي في بحوث القياس النفسي
يُحسب معامل الاختلاف، والذي يُرمز له غالباً بالرمز (CV)، من خلال علاقة رياضية مباشرة تجمع بين معلمتين أساسيتين من معالم التوزيع التكراري. في مستوى المجتمع الإحصائي، تُعرّف الصيغة على أنها قسمة الانحراف المعياري للمجتمع على المتوسط الحسابي للمجتمع، وتُضرب النتيجة عادة في مئة للحصول على قيمة مئوية تيسر القراءة والتفسير؛ وتُصاغ رياضياً كما يلي:
CV = (σ / μ) × 100
حيث تمثل (σ) الانحراف المعياري للمجتمع، بينما تشير (μ) إلى المتوسط الحسابي للمجتمع. أما في سياق العينات التجريبية والمسحية التي تشيع في البحوث النفسية، فإننا نستخدم المقدرات العينية المناظرة، لتصبح المعادلة كالتالي:
CV = (s / x̄) × 100
حيث يمثل (s) الانحراف المعياري للعينة المحسوب باستخدام درجات الحرية المصححة (n – 1)، في حين يمثل (x̄) المتوسط الحسابي للعينة. تتيح هذه النتيجة تحديد النسبة المئوية التي يشكلها التشتت مقارنة بالحجم الإجمالي للسمة النفسية الخاضعة للدراسة.
من الضروري في التطبيقات النفسية المتقدمة الانتباه إلى مسألة التحيز الإحصائي في العينات الصغيرة؛ إذ أثبتت الدراسات الرياضية أن معامل الاختلاف المحسوب من العينة يميل إلى التقليل الطفيف من المعلمة الحقيقية للمجتمع عندما يكون حجم العينة محدوداً. ولمعالجة هذا القصور المنهجي، طوّر الإحصائيون صيغة تصحيحية لمعامل الاختلاف غير المتحيز، تُعرف بصيغة سوركال وفولك (Sokal and Rohlf)، وتتضمن ضرب القيمة المحسوبة بمعامل تصحيح يرتبط بحجم العينة (n) وفق المعادلة:
CV* = CV × [1 + 1 / (4n)]
يكتسب هذا التصحيح أهمية بالغة في التجارب الإكلينيكية ودراسات الحالات المفردة (Single-case designs) والتصاميم العصبية التي تتضمن عينات صغيرة جداً من المرضى المصابين باضطرابات نادرة؛ حيث يضمن هذا التعديل عدم التقليل من تباين الاستجابات، مما يمنح التقديرات السيكومترية دقة متناهية تحول دون الوقوع في أخطاء القرار الإحصائي من النوعين الأول والثاني.
الخصائص الإحصائية والمزايا القياسية لمعامل الاختلاف
يمتاز معامل الاختلاف بمجموعة من الخصائص الرياضية الفريدة التي تجعله يتفوق على المقاييس المطلقة في سياقات تجريبية محددة. أولى هذه الخصائص هي استقلاليته التامة عن وحدات القياس (Scale Invariance)؛ فإذا قمنا بتغيير وحدة قياس زمن الرجع من الثواني إلى المللي ثانية، أو حولنا الدرجات من مقياس مئوي إلى مقياس معياري نسبي، فإن معامل الاختلاف يظل ثابتاً لا يتغير طالما كان التحويل خطياً ناتجاً عن الضرب في مقدار ثابت موجب. تتيح هذه الخاصية لعلماء النفس مقارنة البيانات المستقاة من أدوات قياس متعددة دون الحاجة إلى اللجوء لمعايرات معقدة أو تحويلات قسرية للبيانات.
الخاصية الثانية تتمثل في قدرته على كشف التباين الحقيقي المرتبط بالعمليات النفسية المعقدة في مواجهة تأثيرات المستوى القاعدي (Baseline Effects). ففي كثير من الأحيان، تؤدي زيادة صعوبة المهمة العقلية إلى زيادة آلية في متوسط زمن الحل وزيادة متوازية في الانحراف المعياري. وفي حين قد يوحي الانحراف المعياري المطلق بأن تشتت المفحوصين قد تضاعف في المهمة الأصعب، يكشف معامل الاختلاف أن التشتت ظل متناسباً تماماً مع الزيادة في الوقت الكلي، مما ينفي وجود تغير نوعي في كفاءة المعالجة المعرفية، أو العكس حين يوضح تفككاً حقيقياً في الاستقرار الأدائي للمفحوصين في المهام عالية الصعوبة.
علاوة على ذلك، يوفر معامل الاختلاف معياراً موضوعياً لتقييم جودة وتجانس العينات في البحوث السلوكية (Homogeneity of Variance). فعند تشكيل المجموعات الضابطة والتجريبية في بحوث التدخل العلاجي، لا يكفي التحقق من تكافؤ المتوسطات الحسابية والانحرافات المعيارية كل على حدة، بل يتعين فحص تجانس معاملات الاختلاف لضمان أن حساسية أفراد المجموعتين تجاه المتغير المستقل تنطلق من استقرار نفسي متقارب، مما يرفع من مستوى الصدق الداخلي للدراسة ويدعم قوة التعميم الإحصائي.
تطبيقات معامل الاختلاف في علم النفس التجريبي والقياس النفسي العصبي
في ميدان علم النفس التجريبي، يُعد زمن الرجع (Reaction Time) أحد أكثر المتغيرات اعتماداً لدراسة بنية المعالجة الذهنية وسرعتها. ومن الملاحظات المستقرة في هذا الميدان أن المفحوصين لا يستجيبون بنفس السرعة عبر المحاولات المتكررة؛ بل تتذبذب أزمنتهم بصورة لافتة. وقد أثبتت الدراسات أن معامل الاختلاف لزمن الرجع يُعد مؤشراً فائق الحساسية في تمييز الأداء المعرفي السوي عن غير السوي؛ حيث يُظهر الأفراد المصابون باضطراب نقص الانتباه وفرط الحركة (ADHD) أو اضطرابات طيف التوحد معاملات اختلاف مرتفعة تعكس لحظات متكررة من فقدان الانتباه والانفصال الذهني اللحظي (Attentional Lapses)، وهي تفاصيل حيوية قد يحجبها المتوسط الحسابي وحده.
وفي سياق القياس النفسي العصبي (Neuropsychological Assessment)، يحظى معامل الاختلاف باهتمام متزايد كعلامة بيولوجية وسلوكية مبكرة للتدهور المعرفي والاضطرابات التنكسية العصبية مثل مرض آلزهايمر والخرف الوعائي. تشير الأدبيات الطبية-النفسية الحديثة إلى أن الارتفاع التدريجي في معامل اختلاف الأداء في اختبارات التذكر والوظائف التنفيذية يسبق الانخفاض الفعلي في الدرجات الكلية للاختبار بسنوات. فالمرضى في المراحل المبكرة من التدهور المعرفي الخفيف (MCI) ينجحون في الحفاظ على متوسط درجات معقول عبر بذل جهد تعويضي مكثف، لكنهم يفشلون في الحفاظ على استقرار هذا الأداء، وهو ما يفضحه معامل الاختلاف بوضوح تام.
يمتد التطبيق أيضاً إلى دراسات الضغط النفسي وعلم النفس الفسيولوجي، وتحديداً في تحليل تباين معدل ضربات القلب (Heart Rate Variability – HRV) والنشاط الكهربائي للجلد. عند دراسة تفاعلات الجهاز العصبي الذاتي تحت وطأة الضغوط، يتيح معامل الاختلاف للباحثين تقييم مرونة الجهاز العصبي وقدرته على التكيف مع المثيرات المهددة؛ إذ يرتبط انخفاض معامل الاختلاف في بعض المؤشرات الفسيولوجية بحالات التصلب العاطفي وضعف التنظيم الذاتي، في حين يعكس توازنه قدرة الفرد على الاستجابة المرنة وإعادة التكيف السريع مع المتطلبات البيئية المتغيرة.
دور معامل الاختلاف في تقويم الصدق والثبات واستقرار الاستجابات السيكومترية
في نظرية القياس النفسي (السيكومتريا)، يرتبط مفهوم الثبات بمدى خلو الدرجات من أخطاء القياس العشوائية واتساقها عبر التطبيقات المتكررة. يخدم معامل الاختلاف هنا كأداة تشخيصية مساندة لتقييم ثبات الاتساق الداخلي واستقرار الاختبار وإعادة الاختبار (Test-Retest Reliability). فمن خلال حساب معامل الاختلاف لاستجابات المفحوص عبر فقرات المقياس المتكافئة، يمكن للباحثين اكتشاف الأنماط غير المنتظمة في الاستجابة، مثل التخمين العشوائي أو الإجابات غير المبالية، والتي تؤدي إلى تضخم معامل الاختلاف لدى أفراد بعينهم مقارنة ببقية العينة، مما يستدعي استبعادهم أو فحص استجاباتهم بعناية.
أما على مستوى بنود المقاييس والاختبارات، فإن معامل الاختلاف يوفر رؤى متقدمة في مرحلة تحليل الفقرات (Item Analysis). عادة ما يركز مصممو المقاييس على معامل الصعوبة ومعامل التمييز، إلا أن فحص معامل الاختلاف للفقرة يكشف عما إذا كان تشتت الدرجات حول متوسط الفقرة متناسباً عبر مستويات القدرة المختلفة. الفقرات التي تظهر معامل اختلاف منخفضاً للغاية قد تكون فقرات خاملة لا تولد تبايناً مفيداً داخل السمة المقاسة، في حين أن الفقرات ذات معامل الاختلاف شديد الارتفاع قد تعاني من غموض دلالي في صياغتها اللغوية مما يجعل فهمها وتفسيرها خاضعاً لتذبذبات عشوائية واسعة من قبل أفراد العينة.
إضافة إلى ذلك، يلعب معامل الاختلاف دوراً محورياً في دراسات المقارنة الثقافية وعبر-الحضارية للمقاييس النفسية (Cross-Cultural Psychometrics). فعند تعريب أو ترجمة مقياس نفسي وتطبيقه في بيئات ثقافية مختلفة، قد تتغير المتوسطات الحسابية نتيجة لعوامل المرغوبية الاجتماعية أو أساليب الاستجابة الثقافية (Response Styles). يتيح معامل الاختلاف للباحثين فحص ما إذا كان التباين النسبي للسمة النفسية متطابقاً عبر الثقافات المختلفة، وهو شرط أساسي لإثبات التكافؤ القياسي (Measurement Invariance) والاطمئنان إلى أن الأداة تقيس نفس البنية المفهومية بنفس الدقة النسبية في شتى المجتمعات.
التحديات المنهجية والمحاذير الإحصائية عند استخدام معامل الاختلاف
على الرغم من الفوائد القياسية الجمة التي يقدمها معامل الاختلاف، فإن استخدامه محفوف بمجموعة من الشروط المنهجية والمحاذير الإحصائية التي يجب على الباحث النفسي إدراكها بدقة لتجنب الوقوع في استنتاجات مضللة. التحذير الأكثر أهمية يكمن في طبيعة مستوى القياس المستخدم؛ حيث يشترط معامل الاختلاف بصورة قاطعة أن تكون البيانات مقاسة على مقياس نسبي (Ratio Scale)، أي مقياس يمتلك نقطة صفر حقيقي ومطلق تعبر عن انعدام الخاصية المقاسة كلياً، مثل الزمن بالثواني، أو عدد الأخطاء المرتكبة، أو التردد العصبي.
تنشأ إشكالية كبرى عند محاولة تطبيق معامل الاختلاف على البيانات المقاسة بمقاييس المسافة أو الفئات (Interval Scales)، والتي تشيع بصورة طاغية في علم النفس مثل مقاييس درجات الذكاء المعيارية (IQ) أو المقاييس المتدرجة وفق طريقة ليكرت (Likert Scales). في هذه المقاييس، يكون الصفر اعتبارياً ولا يعني غياب السمة؛ وبالتالي فإن أي تغيير طفيف في نقطة البداية للمقياس (مثل تحويل الدرجات من مقياس يتراوح بين 1-5 إلى مقياس يتراوح بين 0-4) سيؤدي إلى تغيير جذري في قيمة المتوسط الحسابي دون أن يتأثر الانحراف المعياري، مما ينتج عنه معاملات اختلاف زائفة تماماً تفتقر إلى أي معنى رياضي أو سيكولوجي موثوق.
المحذور الثاني يتعلق باقتراب المتوسط الحسابي من الصفر؛ فمن الوجهة الرياضية، عندما تقترب قيمة المقام (x̄) من الصفر، فإن قيمة معامل الاختلاف تتجه نحو اللانهاية، مما يجعلها شديدة الحساسية والاضطراب لأي تغيرات عشوائية دقيقة في البيانات. ففي الدراسات النفسية التي تقيس متغيرات تتدنى درجاتها لتلامس الصفر، مثل درجات الأعراض الذهانية لدى عينة غير سريرية، يؤدي ظهور حالات قليلة بمتوسطات قريبة جداً من الصفر إلى تفجير قيمة معامل الاختلاف بطريقة غير منطقية؛ ولذا يوصي الإحصائيون بتجنب استخدام هذا المؤشر إذا كانت المتوسطات سالبة، أو قريبة جداً من الانعدام، أو عندما لا يكون التوزيع التكراري وحيد المنوال وإيجابي القيم بالكامل.
التحليل المقارن: معامل الاختلاف والتقنيات الإحصائية المتقدمة في النمذجة النفسية
في إطار النمذجة الإحصائية المتقدمة، لا يقتصر دور معامل الاختلاف على كونه أداة وصفية مساعدة، بل يتداخل بعمق مع أساليب إحصائية متطورة مثل النمذجة الخطية الهرمية (Hierarchical Linear Modeling) وتحليل المسار ونمذجة المعادلة البنائية (SEM). في النماذج متعددة المستويات، يتم في كثير من الأحيان نمذجة التباين داخل الفرد (Within-person variability) بوصفه متغيراً تنبؤياً مستقلاً بذاته أو متغيراً تابعاً؛ حيث يُستخدم لوغاريتم معامل الاختلاف للتغلب على مشاكل الالتواء الإحصائي وتوفير مؤشر خطي مستقر يعبر عن عدم الاتساق السلوكي الذي يمكن التنبؤ به من خلال خصائص الشخصية مثل العصابية أو الاندفاعية.
وعند مقارنة معامل الاختلاف بمؤشرات التباين النسبي الأخرى، مثل التباين النسبي المعياري أو نسبة التشتت الوسيطي، يبرز معامل الاختلاف بقدرته على الاندماج في الأطر البارامترية التي تسمح ببناء اختبارات الدلالة الإحصائية المقارنة. توجد اليوم اختبارات متخصصة، مثل اختبار ميلر وفيشر واختبار فيلت، المصممة خصيصاً لمقارنة معاملات الاختلاف بين عينات مستقلة أو مترابطة؛ وهو ما يوفر للباحثين النفسيين بديلاً متقدماً لاختبارات تجانس التباين التقليدية (مثل اختبار ليفين واختبار بارتليت) التي تتأثر بشكل حاد بتفاوت المتوسطات الحسابية بين المجموعات.
تتجلى هذه الأهمية أيضاً في حقل الاقتصاد السلوكي والقرارات النفسية (Behavioral Decision Theory)، حيث يرتبط معامل الاختلاف ارتباطاً وثيقاً بنماذج تقييم المخاطر واختيارات الأفراد تحت ظروف عدم اليقين. يُظهر الأفراد استجابات نفسية متباينة للمكاسب والخسائر الاحتمالية ليس بناءً على تباين النتائج المتوقعة فحسب، بل بالنظر إلى نسبة ذلك التباين مقارنة بالقيمة المتوقعة الإجمالية. يشير الباحثون إلى أن إدراك المخاطر السلوكية يخضع لمعالجة ذاتية تطابق إلى حد بعيد المبدأ الرياضي لمعامل الاختلاف، مما يعزز من مكانته كجسر واصل بين الرياضيات الكمية والسلوك الإنساني الواقعي.
خاتمة وتطلعات مستقبلية في القياس النفسي الكمي
يظل معامل الاختلاف أداة إحصائية وتحليلية لا غنى عنها في ترسانة الباحث النفسي الساعي إلى الدقة والصرامة المنهجية. لقد أثبت هذا المقياس جدارته الفائقة في تحويل البيانات المعقدة والمتباينة المقاييس إلى قراءات نسبية واضحة تكشف عن الجوانب الخفية في الأداء السلوكي والمعرفي للإنسان. ومن خلال توظيفه المتوازن والمدروس—مع الوعي الكامل بشروطه الرياضية وفي مقدمتها استخدام المقاييس النسبية وتجنب المتوسطات الصفرية—يستطيع علماء النفس فك طلاسم التباين داخل الأفراد وفيما بينهم على حد سواء، مما يرتقي بجودة التشخيص الإكلينيكي ويعزز من صدق النظريات السيكولوجية التفسيرية.
مع التطور المتسارع للقياس الرقمي والتقييم اللحظي المتكرر (Ecological Momentary Assessment) عبر الهواتف الذكية والمستشعرات الحيوية القابلة للارتداء، يدخل معامل الاختلاف حقبة جديدة من التطبيقات العلمية الواعدة. تتيح هذه التقنيات المعاصرة جمع آلاف نقاط البيانات السلوكية والفسيولوجية لكل فرد في بيئته الطبيعية اليومية، مما يجعل حساب معاملات الاختلاف الديناميكية عبر الزمن أداة استشرافية تنبؤية بالغة الدقة لتشخيص نوبات الاضطراب الوجداني، ورصد تقلبات المزاج، وقياس فعالية التدخلات النفسية والعلاجية الفردية والموجهة بدقة بالغة تصب في صالح تعزيز الصحة النفسية الشاملة وجودة حياة الإنسان.
المراجع
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association.
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
- Ferguson, G. A., & Takane, Y. (1989). Statistical analysis in psychology and education (6th ed.). McGraw-Hill.
- Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, Cengage Learning.
- MacDonald, S. W., Nyberg, L., & Bäckman, L. (2006). Intra-individual variability in behavior: Links to brain structure, neurotransmission and systemic arousal. Trends in Neurosciences, 29(8), 474-480.
- Pearson, K. (1896). Mathematical contributions to the theory of evolution. III. Regression, heredity, and panmixia. Philosophical Transactions of the Royal Society of London. Series A, 187, 253-318.
- Sokal, R. R., & Rohlf, F. J. (2012). Biometry: The principles and practice of statistics in biological research (4th ed.). W. H. Freeman and Company.
- Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.