تمثل قيمة F حجر الزاوية في الاستدلال الإحصائي الكمي داخل أروقة العلوم النفسية والسلوكية، حيث تنقل الباحث من مجرد الملاحظة الوصفية للبيانات إلى فضاء التحقق التجريبي الصارم من الفروق بين المجموعات والظواهر المدروسة. وبدون الفهم الدقيق لهذا المؤشر الإحصائي، تظل نتائج التجارب الإكلينيكية والتربوية عرضة للتفسيرات العشوائية وخطر الوقوع في أخطاء التعميم المنهجي. يعد هذا الدليل مرجعاً أكاديمياً شاملاً يسبر أغوار هذا المفهوم من جذوره الرياضية إلى تطبيقاته الميدانية في أبحاث الشخصية وعلم النفس العصبي والعيادي.
قيمة F (F-Value): المفهوم والتحليل الإحصائي في علم النفس
1. التعريف الدقيق والموجز
تُعرّف قيمة F (F-value أو F-statistic) إحصائياً بأنها نسبة التباين بين متوسطات المجموعات التجريبية إلى التباين داخل هذه المجموعات الناتج عن الخطأ العشوائي أو الفروق الفردية. وهي القيمة العددية الناتجة عن اختبار تحليل التباين (ANOVA)، وتُستخدم لتحديد ما إذا كانت الفروق الملاحظة بين ثلاثة متوسطات أو أكثر ذات دلالة إحصائية حقيقية أم أنها مجرد وليدة الصدفة وتقلبات المعاينة العشوائية.
وفي السياق السيكولوجي، تجسد قيمة F المقياس المعياري الذي يقيم كفاءة المتغير المستقل (مثل نوع التدخل العلاجي، أو الجرعة الدوائية النفسية، أو نمط التعزيز السلوكي) في إحداث تغيير جوهري في المتغير التابع (مثل مستوى القلق، أو الأداء المعرفي، أو الرفاه النفسي)، مقارنة بمقدار التشتت والتقلبات الذاتية الكامنة بين أفراد العينة أنفسهم.
تتحدد القيمة دائماً كعدد موجب، حيث تشير القيمة القريبة من الواحد الصحيح (1.0) إلى أن التباين بين المجموعات لا يتجاوز التباين المتوقع بالصدفة البحتة، في حين تدل القيم المرتفعة جداً على أن تأثير المعالجة النفسية أو الفروق بين الفئات تفوق بكثير تأثيرات الخطأ العشوائي، مما يمهد لرفض الفرضية الصفرية وقبول الفرضية البديلة بعد مقارنتها بالقيمة الحرجة المجدولة.
2. التأصيل الاشتقاقي واللغوي
يعود الرمز الحرفي (F) إلى اسم عالم الإحصاء والجينات البريطاني الشهير السير رونالد فيشر (Sir Ronald A. Fisher). وعلى الرغم من أن فيشر هو المؤسس الفعلي لاختبار تحليل التباين ومفهوم تباين النسب في بدايات القرن العشرين، إلا أن تسمية القيمة بحرف “F” أطلقها رسميًا الإحصائي الأمريكي جورج سنيديكور (George W. Snedecor) في ثلاثينيات القرن العشرين تكريماً لفيشر وإسهاماته الخالدة في هذا الميدان.
أما من الناحية الاشتقاقية العربية، فإن مصطلح “قيمة” مشتق من الجذر اللغوي (ق-و-م)، والذي يدل على الثبات والاعتدال وتحديد قدر الشيء ومقداره ومكانته الرياضية. وتترجم في الأدبيات العربية إما بـ “قيمة F” أو “النسبة الفائية” أو “المقدار الفائي”، دلالة على أنها نتاج قسمة ونسبة رياضية محددة ترتبط بمنحنى التوزيع الاحتمالي المعروف باسم “توزيع F”.
3. النطق والبنية النحوية والمصطلحية
تُلفظ العبارة في الأوساط الأكاديمية العربية إما بنطق الحرف اللاتيني مقترناً بالكلمة العربية: “قِيمَةُ إِفْ”، أو باستخدام الصفة المشتقة المنحوتة: “النِّسْبَةُ الفَائِيَّةُ”، وتُعامل نحوياً كمركب إضافي (مضاف ومضاف إليه) أو مركب نعتي (صفة وموصوف). وتأتي في الجملة الإحصائية حسب موقعها الإعرابي، كأن يقال: “أظهرت النتائج قيمةَ F دالة إحصائياً” (مفعول به منصوب)، أو “ارتفعت قيمةُ F في الاختبار البعدي” (فاعل مرفوع).
في التحرير العلمي المنضبط وفق معايير جمعية علم النفس الأمريكية (APA)، تُكتب الحروف الإحصائية اللاتينية بخط مائل مائل (Italicized)، بحيث يُشار إليها بالرمز F، وتُتبع بدرجات الحرية للمجموعات والخطأ بين قوسين، تليها علامة التساوي وقيمة المؤشر ومستوى الدلالة، نحو الصيغة القياسية: F(2, 57) = 4.85, p < .05.
4. التفسير المفاهيمي الموسع
لفهم قيمة F بدقة، يجب تفكيكها إلى منطق “الإشارة مقابل الضجيج” (Signal-to-Noise Ratio). في أي تصميم تجريبي في علم النفس، يسعى الباحث إلى قياس أثر متغير تجريبي معين؛ فإذا افترضنا أننا نختبر فاعلية ثلاثة أساليب للعلاج النفسي للاكتئاب (العلاج المعرفي السلوكي، والعلاج التحليلي، والعلاج الدوائي)، فإن التباين الذي نلاحظه بين متوسطات درجات المرضى على مقياس بيك للاكتئاب بعد العلاج يمثل “الإشارة” أو الأثر المنسوب للتدخلات العلاجية. في المقابل، يختلف الأفراد داخل كل مجموعة علاجية عن بعضهم البعض بسبب الفروق الفردية في الشخصية، والجينات، والظروف المعيشية، وهو ما يمثل “الضجيج” أو التباين داخل المجموعات.
تعمل قيمة F كمقياس صارم يقسم هذه الإشارة على ذلك الضجيج؛ فإذا كانت الإشارة الناتجة عن المعالجة التجريبية مساوية للضجيج العشوائي، تكون قيمة F الناتجة مساوية لـ (1.0) تقريباً، مما يشير إلى أن الفروق بين الأساليب العلاجية ليست سوى انعكاس للتشتت الطبيعي بين البشر. ولكن كلما كانت الإشارة أقوى بكثير من الضجيج، ارتفعت قيمة F فوق الواحد الصحيح، مما يمنح الباحث دليلاً قوياً على أن التدخلات النفسية تسببت في فروق حقيقية لا يمكن عزوها للمصادفة البحتة.
يمتد نطاق هذا المفهوم ليشمل نماذج الانحدار الخطي المتعدد (Multiple Linear Regression)، حيث تُستخدم قيمة F لاختبار الدلالة الكلية للنموذج التنبؤي، أي ما إذا كانت مجموعة المتغيرات التفسيرية (كدرجات الذكاء، والتنظيم الذاتي، والدعم الاجتماعي) تفسر معاً نسبة معتبرة من تباين المتغير التابع (كالتحصيل الأكاديمي أو التوافق المهني) تفوق ما يمكن توقعه في مجتمع إحصائي ينعدم فيه أي ارتباط حقيقي.
5. التطور التاريخي ومسار المفهوم
انبثق هذا المفهوم الإحصائي في أوائل عشرينيات القرن العشرين، عندما كان رونالد فيشر يعمل في محطة روثامستيد للتجارب الزراعية في إنجلترا. واجه فيشر معضلة مقارنة محاصيل متعددة من الحبوب خضعت لأنواع مختلفة من الأسمدة والمعاملات الزراعية. كانت الأداة المتاحة آنذاك هي اختبار “t” للعينات المستقلة الذي طوره ويليام سيلي جوسيت تحت الاسم المستعار “ستيودنت” (Student’s t-test)، ولكن عيب اختبار t القاتل كان اقتصاره على مقارنة متوسطين اثنين فقط، مما يعني أن إجراء مقارنات متعددة بين عدة مجموعات يؤدي حتماً إلى تضخم خطأ النوع الأول (Type I Error).
قام فيشر بصياغة منهجية “تحليل التباين” في ورقته الرائدة عام 1923 وكتابه الكلاسيكي “الأساليب الإحصائية للباحثين” (Statistical Methods for Research Workers) الصادر عام 1925. في البداية، استخدم فيشر مؤشراً يُعرف باسم نصف لوغاريتم التباين وسماه (z)، إلا أن جورج سنيديكور عام 1934 قام بتبسيط هذه العملية من خلال أخذ النسبة المباشرة للتباينات دون الحاجة إلى التحويل اللوغاريتمي، وأطلق عليها اسم “F” تقديراً لفيشر، ونشر جداول التوزيع الاحتمالي لقيمة F التي غدت العمود الفقري للمنهجية التجريبية.
انتقلت هذه الثورة الإحصائية إلى علم النفس التجريبي في ثلاثينيات وأربعينيات القرن العشرين، بقيادة علماء نفس رائدين مثل كوين ماكنيمار وإي. إف. ليندكويست، مما مكن السلوكيين والمعرفيين من الانتقال من التصاميم البسيطة ذات المتغير الواحد إلى التصاميم العاملية المعقدة (Factorial Designs) التي تحاكي تعقيد السلوك الإنساني وتفاعلاته المتشابكة.
6. الأسس النظرية والرياضية
تستند قيمة F رياضياً إلى قسمة تقديرين مستقلين لتباين المجتمع الإحصائي؛ ويُعرف هذا رياضياً بنسبة متوسط المربعات بين المجموعات (Mean Square Between – MSB) إلى متوسط المربعات داخل المجموعات (Mean Square Within – MSW):
F = MSB / MSW
حيث يُحسب متوسط المربعات بين المجموعات عبر قسمة مجموع مربعات الفروق بين متوسطات المجموعات والمتوسط الكلي العام (SSB) على درجات الحرية المقابلة له (k – 1، حيث k تمثل عدد المجموعات). بينما يُحسب متوسط المربعات داخل المجموعات عبر قسمة مجموع مربعات الفروق بين درجات الأفراد ومتوسط مجموعتهم الخاصة (SSW) على درجات حرية الخطأ (N – k، حيث N تمثل حجم العينة الإجمالي).
يتبع توزيع F توزيعاً احتماليا نظرياً غير متماثل وموجب الالتواء بشدة عندما تكون درجات الحرية منخفضة، لكنه يقترب تدريجياً من التماثل الطبيعي مع تزايد درجات الحرية في البسط والمقام. يتميز توزيع F بعدم وجود قيم سالبة على الإطلاق، ويبدأ من نقطة الصفر ويمتد نظرياً إلى ما لا نهاية. وترتبط قيمة F بعلاقة رياضية مباشرة مع اختبار t عندما يكون عدد المجموعات اثنتين فقط، حيث تنص القاعدة الرياضية الصارمة على أن مربع قيمة t يساوي تماماً قيمة F الناتجة عن تحليل التباين للمجموعتين ذاتهما (F = t²).
7. المكونات الرئيسية والأبعاد والأنواع
تتعدد صور وأشكال قيمة F باختلاف التصميم التجريبي المعتمد في البحث النفسي، ويمكن تصنيفها إلى الأبعاد والأنماط الرئيسية التالية:
- قيمة F لتحليل التباين الأحادي (One-Way ANOVA F): تُستخدم عندما يكون لدى الباحث متغير مستقل تصنيفي واحد يحتوي على ثلاثة مستويات أو أكثر (مثل: دراسة أثر ثلاثة برامج إرشادية مختلفة على خفض قلق الانفصال لدى الأطفال).
- قيمة F للآثار الرئيسية في التصاميم العاملية (Main Effects F): في التصاميم التي تتضمن متغيرين مستقلين أو أكثر (مثل تصميم 2×2 يدرس نوع التدخل العلاجي وجنس المفحوص)، يتم استخراج قيمة F خاصة لكل متغير مستقل على حدة لقياس أثره المنفصل على المتغير التابع.
- قيمة F لآثار التفاعل (Interaction Effect F): وهي من أهم مزايا تحليل التباين في علم النفس، حيث تقيس ما إذا كان أثر أحد المتغيرات المستقلة يختلف باختلاف مستويات متغير مستقل آخر (كأن يكون العلاج الدوائي فعالاً لدى الذكور ولكنه غير فعال لدى الإناث).
- قيمة F للقياسات المتكررة (Repeated Measures F): تُطبق عندما يُقاس نفس الأفراد في نقاط زمنية متعددة (قبل التدخل، بعد التدخل، وفي مرحلة المتابعة)، مع استبعاد التباين الإجمالي العائد للفروق الدائمة بين الأفراد من مقام الكسر لزيادة الحساسية الإحصائية (Statistical Power).
- قيمة F في التحليل المتعدد للتباين (MANOVA F): تُستخدم لاختبار الفروق بين المجموعات عبر عدة متغيرات تابعة نفسية متزامنة ومرتبطة، وتُستنتج عادة من تحويلات إحصائية أخرى مثل أثر بيلائي (Pillai’s Trace) أو لامبدا ويلكس (Wilks’ Lambda).
8. أمثلة وتطبيقات توضيحية في البحوث النفسية
لتجسيد المفهوم في واقع الممارسة البحثية، نفترض دراسة سيكولوجية تبحث في أثر اضطراب النوم على المرونة الإدراكية لدى البالغين. تم تقسيم عينة قوامها 90 مشاركاً عشوائياً إلى ثلاث مجموعات تجريبية متساوية (ن = 30 في كل مجموعة): المجموعة الأولى سُمح لها بالنوم الطبيعي (8 ساعات)، المجموعة الثانية تعرضت لحرمان جزئي من النوم (4 ساعات)، والمجموعة الثالثة تعرضت لحرمان كلي من النوم (صفر ساعة). خضع الجميع بعدها لاختبار ويسكونسن لتصنيف البطاقات (WCST) لقياس الأخطاء الإصرارية (Perseverative Errors).
عند إجراء تحليل التباين الأحادي للبيانات، ظهرت الحسابات التالية: درجات الحرية بين المجموعات (df1 = 3 – 1 = 2)، ودرجات الحرية داخل المجموعات (df2 = 90 – 3 = 87). أظهر التحليل أن متوسط المربعات بين المجموعات بلغ (MSB = 145.2)، بينما بلغ متوسط المربعات للخطأ العشوائي داخل المجموعات (MSW = 12.1). بقسمة MSB على MSW، حصل الباحث على قيمة F المحسوبة: F = 145.2 / 12.1 = 12.00.
بالرجوع إلى الجداول الإحصائية المعتمدة عند مستوى دلالة (α = 0.01)، نجد أن القيمة الحرجة المطلوبة لرفض الفرضية الصفرية هي تقريباً 4.85. نظراً لأن القيمة المحسوبة (12.00) تفوق القيمة الحرجة بكثير، فإن الباحث يرفض الفرضية الصفرية القائلة بعدم وجود فروق، ويستنتج بدلالة إحصائية قاطعة (p < .001) أن الحرمان من النوم يؤثر تأثيراً جوهرياً على المرونة المعرفية. ومع ذلك، لا تخبرنا قيمة F بمفردها أي المجموعات تختلف تحديداً عن الأخرى، مما يستدعي إجراء اختبارات المقارنات البعدية (Post-hoc tests) لتحديد موضع الفروق بدقة.
9. القياس والحساب الإحصائي وشروط الاستخدام
لكي تكون قيمة F المستخرجة ذات مصداقية علمية وتعكس المجتمع الأصلي دون تحيز أو تشويه، يجب أن تستوفي البيانات السيكولوجية مجموعة صارمة من الافتراضات البارامترية:
أولاً، استقلالية الملاحظات (Independence of Observations): وهو الشرط الأكثر حساسية، حيث يجب أن تكون استجابة أي مفحوص غير متأثرة باستجابة مفحوص آخر، ويتم ضمان ذلك عبر إجراءات المعاينة العشوائية والتطبيق الفردي الدقيق في المختبرات النفسية.
ثانياً، الاعتدالية والتوزيع الطبيعي (Normality): يُشترط أن تكون درجات المتغير التابع داخل كل مجموعة موزعة توزيعاً طبيعياً في المجتمع، ويتم التحقق من ذلك باستخدام اختبارات كولموجوروف-سميرنوف أو شابيرو-ويلك، ومؤشرات الالتواء والتفرطح. وعلى الرغم من أن اختبار F يُعد متيناً ومقاوماً للانتهاكات البسيطة للاعتدالية في العينات الكبيرة وفق مبرهنة النهاية المركزية، إلا أن الانحرافات الشديدة قد تقوض دقته.
ثالثاً، تجانس التباين (Homogeneity of Variance): ويعني أن يكون تشتت الدرجات متساوياً أو متقارباً إحصائياً بين جميع المجموعات المقارنة. يُختبر هذا الشرط بواسطة اختبار ليفين (Levene’s Test)؛ فإذا انتُهك هذا الفرض، تصبح قيمة F التقليدية غير دقيقة وتتطلب الاعتماد على تصحيحات بديلة مثل اختبار ويلش (Welch’s F) أو اختبار براون-فورسيث (Brown-Forsythe F).
رابعاً، في تصاميم القياسات المتكررة تحديداً، يبرز شرط إضافي حاسم وهو الكروية (Sphericity): أي تساوي تباينات الفروق بين جميع الأزواج الممكنة من شروط المعالجة، ويُفحص باستخدام اختبار موتشلي (Mauchly’s Test). وفي حال انتهاك الكروية، يتم تعديل درجات الحرية وقيمة F عبر معاملات تصحيح غرينهاوس-غايسر (Greenhouse-Geisser) أو هوينه-فيلدت (Huynh-Feldt).
10. التطبيقات والأهمية العملية في العلوم السلوكية
تمتد التطبيقات العملية لقيمة F عبر كافة الميادين الفرعية للعلوم السلوكية المعاصرة. في علم النفس الإكلينيكي، تشكل قيمة F العمود الفقري لتقييم بروتوكولات العلاج النفسي المبني على الأدلة والتجارب المعشاة ذات الشواهد (RCTs)، حيث تساعد في تفكيك التفاعلات الدقيقة بين نمط التدخل العلاجي، ونوع التشخيص، والخصائص الديموغرافية للمرضى لتقديم رعاية نفسية مخصصة وعالية الدقة.
وفي علم النفس العصبي المعرفي، تُوظف قيمة F في تحليلات بيانات التصوير بالرنين المغناطيسي الوظيفي (fMRI) عبر تقنية الخرائط الإحصائية البارامترية (Statistical Parametric Mapping)، حيث يتم حساب قيمة F لكل عنصر حجمي ثلاثي الأبعاد (Voxel) في الدماغ لتحديد المناطق العصبية التي يرتفع نشاطها بصورة دالة استجابةً لمهام الانتباه أو حل المشكلات مقارنة بحالة الراحة أو المهام الضابطة.
أما في علم النفس الصناعي والتنظيمي وعلم النفس التربوي، فإنها تتيح للباحثين تقييم فاعلية بيئات العمل المختلفة واستراتيجيات التدريس المتنوعة على دافعية الإنجاز ومعدلات الاحتراق النفسي، مع ضبط المتغيرات الدخيلة والمربكة من خلال تحليل التباين المشترك (ANCOVA)، حيث تُسهم قيمة F في عزل المتغيرات المصاحبة كالخبرة السابقة والقدرة العقلية العامة للوصول إلى تقدير نقي للأثر المؤسسي المستهدف.
11. الأدلة التجريبية والبحوث النفسية المعاصرة
كشفت مراجعات الأدبيات المنهجية الكبرى في علم النفس أن اختبار تحليل التباين وقيمة F المقترنة به يمثلان أكثر من نصف الإجراءات الاستدلالية المنشورة في الدوريات الرائدة التابعة لجمعية علم النفس الأمريكية (APA) على مدار العقود الخمسة الماضية. وقد أظهرت دراسات حركة إعادة الإنتاج العلمي (Replication Crisis)، كالمشروع الضخم الذي قاده براين نوسيك (Brian Nosek) عام 2015 في مبادرة التعاون العلمي المفتوح (Open Science Collaboration)، أن العديد من قيم F الهامشية التي تقع بالقرب من عتبة الدلالة التقليدية (مثل القيم المرتبطة بمستوى دلالة يتراوح بين 0.04 و 0.049) فشلت في الصمود عند تكرار التجارب، مما سلط الضوء على ظاهرة التنقيب عن الدلالة أو ما يعرف بـ “p-hacking”.
دفعت هذه الأدلة التجريبية المجتمع الأكاديمي النفسي إلى إعادة النظر في كيفية تفسير قيمة F؛ فبدلاً من الاكتفاء بالتقرير الثنائي الصارم (دال إحصائياً مقابل غير دال)، شددت المعايير البحثية الحديثة على ضرورة اقتران قيمة F بمؤشرات حجم التأثير (Effect Size) مثل مربع إيتا الجزئي (Partial Eta Squared – ηp²) ومربع أوميغا (Omega Squared – ω²)، لضمان أن الفرق المكتشف له وزن عملي وسريري ملموس وليس مجرد نتيجة تضخم حجم العينة التجريبية.
12. الاعتبارات الثقافية والسياقية في القياس النفسي
تكتسب قيمة F أهمية خاصة ومحاذير دقيقة عند تطبيقها في الدراسات النفسية عبر الثقافات (Cross-Cultural Psychology). عند مقارنة سمات الشخصية، مثل التعبير عن المشاعر أو النزعة الفردية مقابل الجماعية بين مجتمعات متباينة (كالمجتمعات العربية والشرق آسيوية والغربية)، قد تسفر قيمة F عن فروق بينية هائلة وذات دلالة إحصائية مرتفعة للغاية.
ومع ذلك، يحذر علماء القياس السيكولوجي من أن هذه القيمة المرتفعة لـ F قد لا تعكس تبايناً حقيقياً في السمة النفسية، بل قد تكون انعكاساً لتحيز أدوات القياس (Measurement Bias) وانعدام التكافؤ القياسي (Lack of Measurement Invariance). فإذا لم تكن بنود مقياس الاكتئاب أو القلق تؤدي نفس الوظيفة السيكومترية وتتمتع بنفس الأوزان العاملية عبر المجموعات الثقافية، فإن التباين بين المجموعات (MSB) يتشوه بفعل الترجمة والتحيزات الاستجابية (مثل أسلوب الإجابة المتطرفة أو النزوع للمركزية)، مما يجعل استنتاجات قيمة F باطلة ما لم يتم التحقق مسبقاً من التكافؤ التكويني والمترولوجي للمقاييس.
13. الانتقادات والجدل والقيود المنهجية
واجهت قيمة F، بوصفها ركيزة من ركائز اختبار فرضية العدم (Null Hypothesis Significance Testing – NHST)، انتقادات إبستيمولوجية ومنهجية لاذعة من قبل إحصائيين كبار مثل جيكوب كوهين (Jacob Cohen) وبول ميهل (Paul Meehl). يتركز النقد الأول على أن قيمة F تقدم اختباراً “شاملاً” أو “إجمالياً” (Omnibus Test) يخبرنا فقط بوجود فرق ما في مكان ما بين المجموعات، دون توضيح اتجاه هذا الفرق أو حجمه الدقيق، مما يجعلها خطوة استكشافية أولية تحتاج دوماً لاختبارات استدلالية إضافية مكملة.
النقد الثاني والأخطر هو اعتماد قيمة F المطلق على حجم العينة؛ ففي العينات النفسية الضخمة جداً (عشرات الآلاف من المفحوصين في قواعد البيانات الوطنية)، حتى أدنى الفروق التافهة والمهملة بين المجموعات (فروق تكاد تنعدم قيمتها الإكلينيكية والعملية) ستسفر حتماً عن قيمة F هائلة ودلالة إحصائية عالية جداً (p < .0001). يؤدي هذا أحياناً إلى تضليل الباحثين المبتدئين بالخلط بين الدلالة الإحصائية والدلالة السريرية الواقعية.
علاوة على ذلك، يتصاعد الجدل المعاصر بين أنصار المنظور التكراري الكلاسيكي (Frequentist) الذي تعبر عنه قيمة F، وأنصار المنهج البايزي (Bayesian Approach) الذين يفضلون استخدام معاملات عامل بايز (Bayes Factor – BF)؛ حيث يقدم الأخير ترجيحاً احتمالياً مباشراً لقوة الأدلة الداعمة للفرضية البديلة مقابل الفرضية الصفرية، متجاوزاً بذلك الكثير من التعسف المرتبط بعتبات القطع الاحتمالية التقليدية لاختبار F.
14. المصطلحات ذات الصلة والفروق الجوهرية
لتجنب اللبس المفاهيمي الشائع في تحليل البيانات السيكولوجية، من الضروري التمييز بدقة بين قيمة F والمفاهيم الإحصائية المحاذية لها:
- قيمة t (t-value): تختص بمقارنة متوسطي مجموعتين اثنتين فقط، ويمكن أن تكون قيمتها موجبة أو سالبة تبعاً لاتجاه الفرق، بينما تختص قيمة F بمقارنة متوسطين أو أكثر وتأتي دائماً كقيمة موجبة. والعلاقة الصريحة بينهما هي أن مربع قيمة t يساوي F عند تساوي درجات الحرية في تصميم المجموعتين.
- قيمة الدلالة الاحتمالية (p-value): هي ناتج مشتق من قيمة F؛ فقيمة F تمثل الإحصاء التجريبي الفعلي المحسوب من البيانات، بينما قيمة p تمثل احتمال الحصول على قيمة F مساوية أو أكبر بالصدفة البحتة إذا كانت الفرضية الصفرية صحيحة تماماً.
- إحصاء كاي تربيع (Chi-Square – χ²): يُستخدم لاختبار الفروق في التكرارات والبيانات الاسمية والتصنيفية (مثل نوع الشخصية: انطوائي/منبسط)، في حين تتعامل قيمة F في تحليل التباين مع المتغيرات التابعة الفئوية والمتصلة المقاسة على مستوى المسافة أو النسبة (Interval or Ratio).
- مربع إيتا (Eta-Squared – η²): يمثل مقياساً لقوة وحجم التأثير، ويحدد النسبة المئوية الدقيقة من تباين المتغير التابع التي يفسرها المتغير المستقل، بينما تقيس قيمة F كفاءة النموذج الإحصائي لاختبار ما إذا كان هذا التباين حقيقياً ويتجاوز حدود الصدفة العشوائية.
15. ملخص وخلاصة معرفية
تظل قيمة F المحرك الإحصائي الأكثر تأثيراً في البحث النفسي المعاصر، بوصفها النسبة الرياضية الحاكمة بين تباين المعالجة التجريبية وتباين الخطأ العشوائي. يتطلب استخدامها العلمي الرصين استيفاء الشروط البارامترية الأساسية من استقلالية، واعتدالية، وتجانس، إلى جانب الإدراك العميق لحدودها المنهجية بوصفها اختباراً إجمالياً يتطلب المتابعة بالمقارنات البعدية، وتدعيمها المستمر بمؤشرات حجوم التأثير وفترات الثقة، لضمان استخلاص معرفة سيكولوجية متينة وقابلة للتعميم والتطبيق في خدمة رفاه الإنسان وصحته النفسية.
المراجع
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. https://www.routledge.com/Statistical-Power-Analysis-for-the-Behavioral-Sciences/Cohen/p/book/9780805802832
Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications. https://uk.sagepub.com/en-gb/rea/discovering-statistics-using-ibm-spss-statistics/book255957
Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd. https://psychclassics.yorku.ca/Fisher/Methods/
Open Science Collaboration. (2015). Estimating the reproducibility of psychological science. Science, 349(6251), aac4716. https://doi.org/10.1126/science.aac4716
Snedecor, G. W., & Cochran, W. G. (1989). Statistical methods (8th ed.). Iowa State University Press. https://www.wiley.com/en-us/Statistical+Methods%2C+8th+Edition-p-9780813815619