إحصاء جي: الدقة الإحصائية في القياس النفسي

يمثل إحصاء جي ركيزة بنيوية في ترسانة التحليل الإحصائي الحديث، حيث يوفر للباحثين في العلوم النفسية والسلوكية أداة فائقة الدقة لفحص الفرضيات المرتبطة بالبيانات الاسمية والفئوية. نشأ هذا المفهوم كبديل رياضي متقدم لاختبارات التطابق التقليدية، متيحاً فهماً أعمق لطبيعة التفاعلات السلوكية والتوزيعات التكرارية المعقدة دون الوقوع في شراك التقريب الخطي غير الدقيق. وتتجاوز أهميته مجرد كونه إجراءً حسابياً إلى كونه إطاراً برهانياً يربط بين نظرية الاحتمالات ونظرية نسبة الأرجحية لتقييم مدى مواءمة النماذج النظرية لواقع السلوك الإنساني المشاهد.

إحصاء جي (G-Statistic)

1. التعريف الموجز والدقيق

يُعرَّف إحصاء جي (المعروف أيضاً باختبار نسبة الأرجحية للبيانات الفئوية أو اختبار ويملكس-وولف) بأنه مقياس استدلالي لا معلمي يُستخدم لاختبار جودة المطابقة والاستقلالية في جداول الاقتران التكرارية استناداً إلى مبدأ دالة الإمكان الأعظم. يقوم الإحصاء بحساب لوغاريتم النسبة بين التكرارات المشاهدة فعلياً والتكرارات المتوقعة رياضياً بموجب الفرضية الصفرية، مما يوفر تقديراً احتمالياً لمدى تباعد النموذج النظري عن المعطيات التجريبية في أبحاث القياس النفسي.

وفي جوهره العلمي، يرتكز إحصاء جي على صيغة رياضية تضاعف مجموع التكرارات المرصودة مضروبة في اللوغاريتم الطبيعي لنسبة التكرار المرصود إلى التكرار المتوقع. تتوزع هذه القيمة تقاربياً وفق توزيع كاي تربيع بدرجات حرية محددة ترتبط بأبعاد جدول البيانات، مما يمنحه كفاءة برهانية تماثل أو تفوق اختبار كاي تربيع التقليدي لبيرسون، لا سيما عند الرغبة في تفكيك التباينات وتحليل النماذج اللوغاريتمية الخطية متعددة المستويات في الدراسات النفسية التشخيصية.

كما يتسع مدلول الإحصاء ليشمل مرونة فريدة في تجميع التباينات المعرفية والسلوكية؛ إذ يتميز بخاصية الإضافة التي تسمح بتقسيم التباين الإجمالي إلى مكونات فرعية مستقلة، مما يعزز قدرة المختصين على عزل المتغيرات الدخيلة، وتحديد الآثار الرئيسية والتفاعلية بين الأبعاد النفسية المقاسة بكل دقة وموثوقية.

2. التأثيل والاشتقاق اللغوي

يعود الرمز اللاتيني الحرفي (G) تاريخياً إلى إطلاقه تيمناً باختبارات جودة المطابقة (Goodness-of-Fit)، حيث استُخدم الحرف الكبير كرمز اختزالي للدلالة على القوة الإحصائية العامة للنموذج المقترح مقارنة بنموذج العدم. وقد شاع هذا الرمز في الكتابات الإحصائية الكلاسيكية لتمييزه عن الحرف الإغريقي (Chi – $\chi^2$) المخصص لاختبار كارل بيرسون التكراري التقريبي.

أما لغوياً في المعاجم العربية، فإن مفردة «إحصاء» مشتقة من الجذر اللغوي الثلاثي (ح-ص-ي)، والذي يدور معناه الأصلي حول الحصر، والإحاطة التامة، وعدّ الأشياء بدقة متناهية، كما في لسان العرب: أحصى الشيء أي أطاقه واستوفى عدده بالحجر والحصى. ومن هذا الأصل اللغوي الرصين، نُقل المصطلح إلى السياق العلمي المعاصر ليعبر عن العلم الذي يجمع البيانات الكمية والنوعية، ويحللها لاستخلاص الدلالات اليقينية والتنبؤ بالسلوك البشري.

وقد دخل المصطلح المترجم «إحصاء جي» (G-statistic) إلى الأدبيات الأكاديمية العربية عبر ترجمات كتب الإحصاء الحيوي ومناهج القياس النفسي خلال النصف الثاني من القرن العشرين، حيث قُرن تارة بمفهوم «نسبة الأرجحية اللوغاريتمية» وتارة أخرى بمصطلح «إحصاء جودة التوافق اللوغاريتمي»، قبل أن يستقر العرف الأكاديمي على اعتماده كاسم علم دال على اختبار نسبة الأرجحية للتكرارات الفئوية.

3. النطق والبنية النحوية والمصطلحية

يُنطق المصطلح في اللغة العربية بكسر الهمزة وسكون الحاء وفتح الصاد المشبعة بألف ممدودة: «إحْصَاءْ»، يليه الاسم الحرفي الصوتي «جِي» بصوت الجيم الفصيحة المكسورة والمتبوعة بياء مدية خفيفة. يُعرب المركب إعراب المركب الإضافي أو الوصفي، حيث يقع لفظ «إحصاء» مبتدأً أو مفعولاً أو اسماً مجروراً بحسب موقعه السياقي، بينما يمثل الحرف «جي» بدلاً أو عطف بيان جامداً مضافاً لتخصيص نوع الإحصاء المعني.

ومن الناحية الصرفية، فإن «إحصاء» مصدر صريح قياسي لفعل رباعي مزيد هو «أَحْصَى» على وزن «أَفْعَلَ – إِفْعَالاً»، وهو دال على الفاعلية المنهجية المنظمة. وتتعدد التسميات المترادفة له في المراجع العربية؛ إذ يُشار إليه أحياناً بصيغة «اختبار جي» (G-test)، أو «إحصاء نسبة الإمكان الأعظم»، أو «إحصاء ويملكس للمطابقة الفئوية»، غير أن الاستخدام الأكثر شيوعاً ورصانة في مجلات علم النفس التجريبي يظل «إحصاء جي» لكونه يعكس القيمة الحسابية المحسوبة بذاتها كدالة إحصائية مستمرة.

4. الشرح المفاهيمي المفصل

ينطوي إحصاء جي على فلسفة احتمالية عميقة تتجاوز الحسابات التكرارية السطحية، إذ يستند إلى مقارنة احتمال وقوع البيانات المشاهدة تحت مظلة النموذج التجريبي مع احتمال وقوعها تحت افتراض الصدفة أو الاستقلال التام. يقوم الإحصاء على المعادلة الرياضية الشهيرة:

$$G = 2 \sum_{i} O_i \cdot \ln\left(\frac{O_i}{E_i}\right)$$

حيث تمثل $O_i$ التكرارات المرصودة تجريبياً في كل فئة، بينما تمثل $E_i$ التكرارات النظرية المتوقعة بموجب النموذج الصامت، في حين يشير $ln$ إلى دالة اللوغاريتم الطبيعي. تضاعف القيمة الناتجة بمقدار اثنين لمواءمة التوزيع النظري مع توزيع كاي تربيع المقارب وفقاً لنتائج مبرهنة ويلكس الرياضية.

يتجلى النطاق الميداني لهذا المفهوم في معالجة الإشكاليات التي تعجز الاختبارات الخطية التقليدية عن حلها؛ فبينما يعتمد اختبار بيرسون على تقريب تايلور من الدرجة الثانية لدالة النسبة، يتعامل إحصاء جي مع الدالة اللوغاريتمية الأصلية مباشرة دون تقريب أولي. وهذا ما يجعله أكثر متانة وحساسية في رصد الانحرافات الدقيقة عن النماذج التوزيعية في المقاييس النفسية، وخاصة عندما تتسم عينات الاستجابة بعدم التماثل أو عندما يسعى الباحث إلى فحص متغيرات نفسية ذات احتمالات حدوث نادرة مثل الاضطرابات السلوكية الشديدة.

وتبرز حدود هذا المفهوم في وجوب ألا تقل التكرارات المتوقعة في خلايا القياس عن حدود رياضية معينة تضمن استقرار التوزيع المقارب، رغم كونه يتفوق بوضوح على بدائله في العينات الصغيرة والمتوسطة. كما تقتضي حدوده المنهجية التطبيق الحصري على البيانات الفئوية المستقلة والمنفصلة؛ إذ يفقد الإحصاء خواصه المعيارية إذا ما طُبق على قياسات متكررة أو درجات رتبية دون إدخال التعديلات التصحيحية الملائمة لنماذج الارتباط الذاتي في علم النفس العصبي والمعرفي.

5. التطور التاريخي ومحطات التأسيس

تعود الجذور التأسيسية لإحصاء جي إلى أعمال عالم الإحصاء والرياضيات الأمريكي صامويل ستانلي ويلكس عام 1938، حينما صاغ مبرهنته الرياضية الرائدة التي أثبتت أن سالب ضعفي لوغاريتم نسبة الأرجحية يتقارب توزيعياً نحو توزيع كاي تربيع عندما يؤول حجم العينة إلى المالانهاية. فتح هذا الكشف الباب أمام مرحلة جديدة من التحليل الإحصائي تتجاوز النماذج التقريبية التي سادت منذ مطلع القرن العشرين على يد كارل بيرسون ورونالد فيشر.

وفي عام 1957، قام الباحث البريطاني بي. وولف (B. Woolf) بنقل هذا البناء الرياضي إلى حيز التطبيقات البيولوجية والطبية، مقدماً الصيغة اللوغاريتمية الصريحة لاختبار الاستقلال في الجداول التكرارية تحت مسمى إحصاء التحليل اللوغاريتمي للتكرار. وقد حظي الاختبار بدفعة تطبيقية حاسمة بفضل الأكاديميين روبرت سوكال وإف. جيمس رولف عام 1969 في مرجعهما الشهير «قياس الأحياء» (Biometry)، حيث أطلقا رسمياً تسمية «اختبار جي» وأبرزا تفوقه الحسابي والمنهجي عبر استخدام خواص الجمع اللوغاريتمي لتفكيك جداول الاقتران المعقدة.

انتقل هذا التطور إلى العلوم السلوكية والقياس النفسي خلال عقدي السبعينيات والثمانينيات من القرن العشرين، بفضل أعمال ليو غودمان وإيفون بيشوب، اللذين استثمرا إحصاء جي كحجر زاوية في بناء النماذج اللوغاريتمية الخطية (Log-linear models). مكنت هذه النقلة علماء النفس المعرفي والاجتماعي من تحليل التفاعلات السلوكية متعددة الأبعاد بدقة إحصائية غير مسبوقة، مما جعل إحصاء جي أحد أكثر المقاييس اعتماداً في اختبارات التحقق من صحة الفرضيات التشخيصية وتوزيعات الشخصية المعاصرة.

6. الأسس النظرية والنماذج الرياضية

يقوم الأساس الفلسفي والرياضي لإحصاء جي على اختبار نسبة الإمكان (Likelihood Ratio Framework)، والذي ينطلق من مبدأ المفاضلة الاحتمالية بين مسارين تفسيريين: فضاء المعلمات المقيد بموجب فرضية العدم ($L_0$)، وفضاء المعلمات الشامل غير المقيد الممثل بالبيانات المشاهدة ($L_1$). وبموجب هذا المبدأ، فإن نسبة الأرجحية تحسب وفق الصيغة:

$$\Lambda = \frac{L_0}{L_1}$$

وبالتحويل اللوغاريتمي، ينتج إحصاء جي المباشر عبر ضرب اللوغاريتم الطبيعي للنسبة في سالب اثنين: $G = -2 ln(Lambda)$، مما يحول النسبة الكسرية إلى قيمة موجبة تتصرف كمتغير عشوائي يخضع لتوزيع كاي تربيع، وتتحدد درجات حريته بعدد المعلمات الحرة التي تم تقييدها في النموذج النفسي المفحوص.

ومن منظور نظرية المعلومات وشانيون للإنتروبيا، يرتبط إحصاء جي ارتباطاً وثيقاً بمفهوم «تباعد كولباك-ليبلر» (Kullback-Leibler Divergence). فالإحصاء يمثل مقياساً لمقدار الفقد في المعلومات النسبية عند استخدام التوزيع المتوقع النظري لتقريب التوزيع الحقيقي المشاهد للسلوكيات النفسية، مما يمنحه رسوخاً ابستمولوجياً يربط بين علم النفس المعرفي الحسابي ونظرية الترميز المعلوماتي.

كما يعتمد الإطار النظري على نظرية المحاكاة المتماثلة؛ حيث يتيح الحساب اللوغاريتمي تقسيم التباين الإجمالي إلى مصفوفات جزئية مستقلة تماماً، تماماً كما تفعل اختبارات تحليل التباين (ANOVA) مع المتغيرات المتصلة. تمنح هذه الخاصية باحث القياس النفسي سنداً رياضياً متماسكاً لاختبار التفاعلات الثلاثية والرباعية بين السمات الفردية، والضغوط البيئية، والاستجابات النفس-عصبية دون الحاجة إلى اللجوء إلى معالجات معلمية مصطنعة تشوه طبيعة البيانات الفئوية الأصلية.

7. المكونات الأساسية والأنواع والأبعاد

ينقسم إحصاء جي إلى أبعاد وتطبيقات بنيوية تتنوع باشكال التصميم التجريبي في البحوث النفسية والسريرية:

• إحصاء جي لجودة المطابقة (Goodness-of-Fit G-test): يُستخدم لاختبار مدى تطابق متغير نفسي اسمي أحادي البعد مع توزيع نظري مفترض مسبقاً (مثل مقارنة تكرارات أنماط التعلق العاطفي الأربعة في عينة معينة مع النسب التوزيعية المعيارية لدى السكان).
• إحصاء جي للاستقلالية والترافق (Independence G-test): يُطبق على جداول الاقتران ثنائية الأبعاد ($R \times C$) لتقييم ما إذا كان توزيع سمة نفسية معينة (كالمرونة النفسية) مستقلاً استقلالاً تاماً عن متغير تصنيفي آخر (كالنوع الاجتماعي أو المستوى المهني).
• إحصاء جي للتحليل اللوغاريتمي الخطي (Log-Linear G): يمثل البعد المتقدم في الجداول التكرارية متعددة الأبعاد، حيث يُستخدم لمقارنة النماذج المتداخلة والتحقق من النماذج البسيطة مقابل النماذج المشبعة لاكتشاف التفاعلات السلوكية المركبة.
• إحصاء ويليامز المصحح ($G_{\text{adj}}$): تعديل رياضي يُطبقه الباحثون عبر قسمة قيمة $G$ على معامل تصحيحي يحسب من أبعاد العينة، مما يرفع دقة الاستدلال الاحتمالي ويخفض معدل الخطأ من النوع الأول عند التعامل مع عينات صغيرة في البيئات العيادية.
• خاصية التفكيك الإضافي (Additivity Dimension): البعد التحليلي الذي يتيح جمع قيم $G$ لمجموعات جزئية مستقلة لتعطي القيمة الكلية، مما يتيح عزل التباينات العائدة لمتغيرات وسيطة في القياس النفسي.

8. أمثلة توضيحية وحالات تطبيقية

لتوضيح التطبيق العملي لإحصاء جي في البحوث السريرية، لنفترض دراسة نفسية أُجريت في بيئة استشفائية لتقييم استجابة مرضى اضطراب القلق العام لثلاثة بروتوكولات علاجية: العلاج المعرفي السلوكي (CBT)، وعلاج القبول والالتزام (ACT)، ومجموعة الضبط (قائمة الانتظار). شملت العينة 150 مريضاً وُزعوا بالتساوي (50 في كل مجموعة)، وسُجلت نتائج التحسن السريري ضمن فئتين: «تحسن ملحوظ» و«عدم تحسن».

أظهرت البيانات المرصودة أن 38 مريضاً في مجموعة العلاج المعرفي السلوكي حققوا تحسناً ملحوظاً (مقابل 12 لم يتحسنوا)، وحقق 35 مريضاً في مجموعة علاج القبول والالتزام تحسناً ملحوظاً (مقابل 15 لم يتحسنوا)، في حين لم يحقق سوى 15 مريضاً في مجموعة الضبط تحسناً ملحوظاً (مقابل 35 لم يتحسنوا). وبناءً على التكرارات المشاهدة والتكرارات المتوقعة المتساوية بموجب فرضية استقلال التحسن عن نوع التدخل، يتم حساب قيمة النسبة اللوغاريتمية لكل خلية من الخلايا الست، ثم ضربها في التكرار المشاهد ومضاعفة المجموع النهائي.

عند إجراء الحساب الرياضي وفق صيغة إحصاء جي، تبلغ القيمة الناتجة $G = 26.84$ بدرجتي حرية، وهي قيمة تتجاوز القيمة الحرجة للتوزيع الاحتمالي عند مستوى دلالة $\alpha = 0.001$. يتيح ذلك للباحث النفسي رفض الفرضية الصفرية القائلة باستقلال التحسن عن نوع التدخل، وتأكيد الفعالية المتفوقة للبروتوكولات السلوكية المعاصرة في تحفيز التعافي النفسي السريري، مع القدرة على تفكيك هذه القيمة لعقد مقارنة مباشرة بين نوعي العلاج النشط بمعزل عن مجموعة الضبط.

9. أدوات القياس والحساب الإحصائي

يتم قياس وحساب إحصاء جي في الدراسات النفسية عبر منظومة متكاملة من البرمجيات الإحصائية المتقدمة. توفر لغة البرمجة الإحصائية مفتوحة المصدر «آر» (R) حزم متخصصة فائقة الكفاءة لحساب هذا الإحصاء، من أبرزها حزمة DescTools عبر الدالة GTest()، وحزمة MASS التي تقدم دوال متقدمة في النمذجة اللوغاريتمية الخطية عبر استدعاء نموذج النسبة الأرجحية الحسابي بدقة متناهية.

وفي حزمة البرمجيات الإحصائية للعلوم الاجتماعية (SPSS)، يتم استخراج إحصاء جي كجزء أساسي من مخرجات تحليل الجداول المتقاطعة وتحليل النماذج اللوغاريتمية الخطية تحت مسمى «إحصاء نسبة الأرجحية» (Likelihood Ratio Chi-Square)، حيث تتطابق هذه القيمة الحسابية تماماً مع المعنى الرياضي لإحصاء جي، وتُعرض مقترنة بدرجات الحرية والقيمة الاحتمالية المعيارية ($p\text{-value}$).

كما تعتمد منصات التحليل الحديثة مثل بايثون (عبر مكتبة scipy.stats) على دوال مطابقة النسب لحساب مصفوفات التباين الفئوي السلوكي. ويشترط في عملية الحساب والتقويم توفر شروط الاستقلالية التامة للملاحظات، والتحقق من عدم وجود خلايا صفرية مطلقة قد تؤدي إلى قيم غير معرفة لوغاريتمياً، مع تطبيق تصحيح ويليامز في حال وجود خلايا ذات تكرارات متوقعة متدنية تقل عن 5 أفراد في الفئات السريرية الحساسة.

10. التطبيقات العملية والأهمية الميدانية

تتعدد التطبيقات المهنية لإحصاء جي في ميادين علم النفس والعلوم السلوكية، مؤكدة دوره المركزي كأداة تشخيصية وبحثية استراتيجية:

• علم النفس الإكلينيكي والتشخيص النفسي: يُوظف الإحصاء لمطابقة التوزيعات العرضية للمرضى مع المعايير التشخيصية الواردة في الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM-5)، واختبار مدى تمايز الأعراض المرضية بين فئات الاضطرابات المزاجية واضطرابات الشخصية.
• القياس النفسي وبناء الاختبارات: يدخل إحصاء جي في فحص الأداء التفاضلي للمفردات الاختبارية (Differential Item Functioning – DIF)، للتحقق من خلو المقاييس النفسية ومقاييس الذكاء من التحيز الفئوي المرتبط بالخلفيات الديموغرافية للمفحوصين.
• علم النفس التنظيمي والصناعي: يُستخدم في فحص استقلالية الرضا الوظيفي والاحتراق النفسي عن مستويات القيادة الإدارية وأنماط بيئات العمل في الشركات والمؤسسات الإنتاجية الكبرى.
• علم النفس المعرفي وتجارب اتخاذ القرار: يمثل أداة مركزية لمقارنة أنماط استجابات المفحوصين للمهام الإدراكية المعقدة مقابل النماذج الحسابية المعرفية المفترضة سلفاً لآليات اتخاذ القرار تحت المخاطرة.
• علم النفس الجنائي والعدلي: يُطبق لتحليل مصفوفات السلوك الإجرامي ومعدلات العود، وتحديد الارتباطات الفئوية بين التاريخ السلوكي والأنماط الانحرافية المسجلة لدى الجناة.

11. الأبحاث والدلائل التجريبية في علم النفس

أكدت الأدبيات النفسية والتجريبية الرصينة أفضلية إحصاء جي في سياقات منهجية متعددة؛ حيث أجرى الباحثان في مجال القياس السلوكي ماكدونالد وغاردنر دراسات مقارنة مكثفة لمحاكاة مونت كارلو بين إحصاء كاي تربيع لبيرسون وإحصاء جي، وتوصلا إلى أن إحصاء جي يظهر كفاءة استدلالية أعلى وقوة اختبارية متفوقة في رصد التأثيرات التفاعلية ضمن الجداول التكرارية ذات الأبعاد المعقدة.

وفي دراسة مرجعية نُشرت في مجلة «المنهجيات السلوكية» (Behavioral Research Methods)، استعرض الباحثون تطبيقات النماذج اللوغاريتمية المستندة إلى إحصاء جي في تتبع التغيرات النمائية المعرفية لدى الأطفال، حيث أثبت البناء اللوغاريتمي قدرته على كشف التحولات النوعية في حل المشكلات الحسابية واللغوية عبر تفكيك جداول الملاحظة إلى مكونات تباين جزئية لا يمكن كشفها بالاختبارات الخطية البسيطة.

كما استندت دراسات التحليل النفس-اجتماعي التي قادها روبرت روزنتال إلى إحصاء نسبة الأرجحية لتأكيد متانة اختبارات المقارنة البعدية للبيانات الفئوية، مبرهناً أن الاعتماد على إحصاء جي يقلل من احتمالية ارتكاب الخطأ الإحصائي من النوع الثاني عند فحص الظواهر السلوكية الدقيقة، مما يجعله معياراً ذهبياً في دراسات التحليل التلوي (Meta-analysis) التي تدمج نتائج دراسات تجريبية متعددة حول التدخلات النفسية.

12. الاعتبارات الثقافية والسياقية في القياس النفسي

يواجه استخدام إحصاء جي في المقاييس النفسية عبر الثقافات تحديات منهجية وسياقية جوهرية ترتبط بتباين الدلالات التصنيفية للفئات الاسمية بين المجتمعات. فالأعراض النفسية التي قد تصنف كفئة مرضية صريحة في السياقات الغربية (مثل التعبير اللفظي المباشر عن الاكتئاب) قد تتخذ في المجتمعات الشرقية والنامية مسارات تصنيفية جسدية تتوزع فيها التكرارات المشاهدة بشكل مختلف جذرياً، مما يستلزم إعادة ضبط التكرارات المتوقعة نظرياً وفق المعايير المحلية للبيئة الثقافية المدروسة.

علاوة على ذلك، تتأثر استجابات المفحوصين للسلالم الفئوية الاسمية بظاهرة «المرغوبية الاجتماعية» التي تتباين حدتها بين الثقافات الجمعية والثقافات الفردية؛ إذ تميل المجتمعات الجمعية إلى تجنب الاستجابات المتطرفة في التصنيفات التقييمية، مما يفرز خلايا تكرارية ضامرة تتطلب تطبيق تصحيحات إحصائية دقيقة عند استخدام إحصاء جي لضمان عدم تأثر النتائج بتفاوت الكثافة التوزيعية السطحية.

وتقتضي النزاهة العلمية في دراسات القياس النفسي المقارنة عبر الشعوب التحقق من «التكافؤ القياسي الفئوي» (Configural and Metric Equivalence) باستخدام إحصاء جي الموزع لوغاريتمياً، للتأكد من أن النماذج البنيوية للسمات النفسية المقاسة تعكس ذات المعاني المعرفية والانفعالية لدى المجموعات الثقافية المختلفة، وتفادي الإسقاط التعميمي لافتراضات توزيعية غربية غير مبررة إثنوغرافياً.

13. الانتقادات والمناظرات الإحصائية وحدود الاستخدام

على الرغم من الرسوخ النظري لإحصاء جي، إلا أنه كان ولا يزال مدار جدل إحصائي مستمر بين أقطاب مدرسة الاستدلال التجريبي؛ ويتمثل أبرز الانتقادات الموجهة إليه في حساسيته الشديدة في العينات الصغيرة جداً (أقل من 30 فرداً). ففي مثل هذه السيناريوهات، تميل القيمة المحسوبة لإحصاء جي إلى المبالغة في رفض الفرضية الصفرية بالمقارنة مع اختبار كاي تربيع لبيرسون، مما يزيد من احتمالية الوقوع في الخطأ من النوع الأول (رفض العدم وهو صحيح) ما لم يتم توظيف تصحيح ويليامز بحذر شديد.

كما يثير التعامل مع «الخلايا الصفرية» (التي ينعدم فيها التكرار المرصود) معضلة حسابية متكررة في البرمجيات؛ حيث تؤدي القيمة الصفرية داخل دالة اللوغاريتم الطبيعي إلى قيمة غير معرفة رياضياً ($0 \cdot \ln(0)$). ومع أن النظرية الرياضية تعتبر نهاية هذا المقدار صفراً، إلا أن تطبيقها الآلي قد يربك الباحث المبتدئ ويستدعي إضافة قيم تصحيحية صغرى (مثل إضافة 0.5 إلى كل خلية) قد تؤثر على شفافية البيانات التشخيصية النادرة.

ومن جهة أخرى، يجادل بعض الإحصائيين التطبيقيين بأن الأفضلية النظرية لإحصاء جي تقابلها صعوبة نسبية في الاستيعاب المفاهيمي مقارنة باختبار كاي تربيع الشائع، مما جعل العديد من باحثي علم النفس يركنون إلى الطرق البسيطة المألوفة تجنباً للتعقيد التفسيري، على الرغم من أن إحصاء جي يظل الخيار الأمتن رياضياً عند بناء النماذج المعقدة.

14. المصطلحات المقارنة والفروق المفاهيمية

تتعدد المفاهيم الإحصائية التي تشترك في غاياتها مع إحصاء جي أو تتداخل معه في التسمية الرمزية، ومن الضروري تبيان الفروق الدقيقة بينها:

• اختبار كاي تربيع لبيرسون ($\chi^2$): يهدف كلاهما لفحص جودة المطابقة والاستقلالية، غير أن اختبار بيرسون يعتمد على الفروق التربيعية المباشرة المقسومة على المتوقع، بينما يعتمد إحصاء جي على لوغاريتم نسبة الأرجحية المشاهدة إلى المتوقعة؛ مما يمنح إحصاء جي ميزة التفكيك الإضافي التي يفتقر إليها اختبار بيرسون.
• اختبار فيشر الدقيق (Fisher’s Exact Test): اختبار لا معلمي تكراري يُستخدم للجداول الصغيرة ($2 \times 2$)، ويحسب الاحتمال الدقيق للمصفوفة دون الاعتماد على توزيع مقارب، مما يجعله متفوقاً على إحصاء جي في العينات النادرة المتناهية في الصغر، بينما يتفوق إحصاء جي في العينات الأكبر والتحليلات متعددة المتغيرات.
• معامل جي في نظرية التعميم (G-Coefficient in Generalizability Theory): مفهوم قياسي مختلف تماماً ينتمي لميدان السيكومتري؛ حيث يمثل معامل اتساق وموثوقية مشتق من تحليل التباين للدرجات المتصلة في اختبارات القياس النفسي، ولا يرتبط بالاختبار اللوغاريتمي الفئوي المشروح هنا سوى بالاشتراك في الحرف الرمزي اللاتيني.
• إحصاء جيتس-أورد المكاني (Getis-Ord G): إحصاء جغرافي مكاني يُعنى برصد بؤر التركز السلوكي والنفسي الساخنة والباردة عبر النطاقات الجغرافية، وهو يختلف كلياً في بنيته الجبرية وغاياته التحليلية عن إحصاء نسبة الأرجحية للتكرارات الفئوية.

15. الخلاصة وأهم الاستنتاجات العلمية

يعد إحصاء جي من أرقى الأدوات الاستدلالية التي طورتها الإحصاءات الحديثة لخدمة العلوم النفسية والاجتماعية، حيث ينقل فحص المتغيرات الفئوية من إطار المقارنات التقريبية السطحية إلى فضاء الإمكان اللوغاريتمي الرصين. إن بنيته الرياضية المشتقة من مبادئ الإمكان الأعظم، مقرونة بميزته الفائقة في قابلية التفكيك الإضافي للتباينات، تجعل منه الخيار المثالي لتحليل التفاعلات السلوكية المتشابكة والنماذج اللوغاريتمية الخطية المتقدمة.

وعلى الرغم من محاذير تطبيقه في العينات المتناهية في الصغر أو عند وجود تكرارات صفرية غير معالجة، فإن تطبيق التعديلات الحديثة كمعامل ويليامز واستثمار البرمجيات المتقدمة يكفلان للباحث النفسي دقة فائقة في اختبار الفرضيات، والتحقق من النماذج التشخيصية، ومقاومة التحيزات القياسية عبر الثقافات المتنوعة، مما يرسخ موقعه كأحد المرتكزات الأساسية للقياس النفسي المعاصر.

المراجع

• Bishop, Y. M., Fienberg, S. E., & Holland, P. W. (2007). Discrete multivariate analysis: Theory and practice. Springer Science & Business Media.
• Goodman, L. A. (1970). The multivariate analysis of qualitative data: Interactions among multiple classifications. Journal of the American Statistical Association, 65(329), 226-256. https://doi.org/10.1080/01621459.1970.10481076
• McDonald, J. H. (2014). Handbook of biological statistics (3rd ed.). Sparky House Publishing.
• Sokal, R. R., & Rohlf, F. J. (2012). Biometry: The principles and practice of statistics in biological research (4th ed.). W. H. Freeman and Company.
• Wilks, S. S. (1938). The large-sample distribution of the likelihood ratio for testing composite hypotheses. The Annals of Mathematical Statistics, 9(1), 60-62. https://doi.org/10.1214/aoms/1177732360
• Woolf, B. (1957). The log likelihood ratio test (the G-test): Methods and tables for tests of heterogeneity in contingency tables. Annals of Human Genetics, 21(4), 397-409. https://doi.org/10.1111/j.1469-1809.1972.tb00293.x