متوسط المربعات: جوهر تحليل التباين والقياس النفسي

يمثل مفهوم متوسط المربعات أحد الأركان الإحصائية والرياضية الأصيلة التي بني عليها صرح القياس النفسي المعاصر ومنهجيات البحث الكمي في العلوم السلوكية. ولا يمكن للباحث المتخصص في علم النفس فهم الفروق الفردية، أو قياس أثر التدخلات العلاجية، أو تقييم كفاءة الاختبارات والمقاييس النفسية، دون استيعاب دقيق لكيفية تفكيك التباين الكلي إلى مكوناته البسيطة عبر تقديرات متوسط المربعات المتباينة. يتيح هذا المفهوم للباحثين فرز التغيرات العشوائية غير المنتظمة الناتجة عن أخطاء القياس عن التأثيرات الحقيقية الناتجة عن المتغيرات المستقلة والسمات النفسية المقاسة، مما يجعله بمثابة الحجر الأساس لاختبار الفروض والنمذجة الإحصائية الدقيقة.

متوسط المربعات في علم النفس والإحصاء السلوكي

1. التعريف الموجز

يُعرَّف متوسط المربعات (Mean Square – MS) إحصائياً بأنه حاصل قسمة مجموع مربعات الانحرافات (Sum of Squares – SS) على درجات الحرية (Degrees of Freedom – df) المرتبطة بها. وبذلك، يمثل متوسط المربعات تقديراً غير متحيز للتباين (Variance) لعينة أو لمصدر معين من مصادر التباين داخل التصميم التجريبي أو العاملي. ويوفر هذا المقياس معياراً قابلاً للمقارنة بين مختلف مصادر التباين بغض النظر عن أحجام العينات أو عدد المجموعات قيد الفحص.

وفي سياق القياس النفسي وعلم النفس التجريبي، لا يقتصر متوسط المربعات على كونه مجرد رقم حسابي وسيط في جداول تحليل التباين (ANOVA)، بل هو التجسيد الكمي لمقدار التشتت المنسوب إلى عامل تجريبي محدد (مثل أثر برنامج إرشادي) مقارنة بمقدار التشتت المنسوب إلى الخطأ العشوائي أو الفروق الفردية الكامنة. كما يُوظف في نماذج الاستجابة للمفردة (Item Response Theory)، لا سيما نموذج راش (Rasch Model)، كمؤشر لمدى ملاءمة المفردات والاختبارات (Infit and Outfit Mean Squares).

2. التأثيل والاشتقاق اللغوي

من الناحية اللغوية في اللسان العربي، يُشتق مصطلح “المتوسط” من الجذر (و-س-ط)، والوسط هو المعتدل والواقع بين طرفين متقابلين، وتدل الكلمة اصطلاحياً على القيمة التوازنية أو المعدل الحسابي لمجموعة من المقادير. أما كلمة “المربعات”، فهي جمع “مربع” المشتقة من الجذر (ر-ب-ع)، وتشير رياضياً إلى ضرب المقدار في نفسه (رفع القيمة للقوة الثانية)، وهي العملية التي تضمن تحويل جميع الفروق والانحرافات إلى قيم موجبة تلغي أثر الإشارات السالبة.

أما في اللغة الإنجليزية، فإن المصطلح (Mean Square) يتركب من كلمتين: الأولى (Mean) ذات الأصل الجرماني واللاتيني الوسيط (Medius) والتي تشير إلى القيمة المتوسطة أو المنصفة، والثانية (Square) المشتقة عبر الفرنسية القديمة (Esquarre) من اللاتينية (Exquadrare)، والتي تعني تشكيل زاوية قائمة أو جعل الشيء مربعاً، واستخدمت في الحساب للتعبير عن ضرب العدد في نفسه. وقد دخل المصطلح إلى الأدبيات الإحصائية في الربع الأول من القرن العشرين للتعبير عن عملية أخذ المتوسط الحسابي لمربعات الفروق أو الانحرافات عن نقطة مرجعية محددة.

3. النطق والصيغة الصرفية والنحوية

يُنطق المصطلح باللغة العربية الفصحى: “مُتَوَسِّطُ المُرَبَّعَاتِ” بتشديد السين المكسورة في “مُتوسِّط”، وفتح الراء وتشديد الباء المفتوحة في “المُرَبَّعات”. ومن الناحية النحوية، يقع المصطلح في موقع التركيب الإضافي (مضاف ومضاف إليه)؛ حيث يعرب “متوسطُ” حسب موقعه في الجملة (مبتدأ، فاعلاً، أو مفعولاً)، وتكون كلمة “المربعاتِ” مضافاً إليه مجروراً دائماً وعلامة جره الكسرة الظاهرة.

يُعد المصطلح اسماً جامداً من حيث دلالته الاصطلاحية، لكن جزأه الأول هو اسم فاعل مشتق من الفعل الخماسي “تَوَسَّطَ”، بينما جزؤه الثاني اسم مفعول مشتق من الفعل الرباعي المضعف “رَبَّعَ”. ويشيع في الكتابات الإحصائية والنفسية العربية كتابته بصيغة الجمع المضاف “متوسط المربعات”، ونادراً ما يُفرد إلا عند الحديث عن قيمة مفردة فيقال “متوسط المربع”. ويُرمز له عالمياً بالرمز الإنجليزي (MS) متبوعاً بحرف سفلي يدل على المصدر، مثل (MS_between) لمتوسط المربعات بين المجموعات، أو (MS_error) لمتوسط مربعات الخطأ.

4. الشرح المفاهيمي المفصل

لفهم متوسط المربعات بصورة متعمقة داخل الفضاء النفسي، يجب أولاً إدراك طبيعة الظاهرة السلوكية، التي تتميز بتعقدها وتأثرها بعشرات المتغيرات الوسيطة والدخيلة. عندما نُجري دراسة سيكولوجية، فإننا نقيس سلوكاً أو استجابة تتفاوت من فرد لآخر. هذا التفاوت الإجمالي يُعبر عنه بـ “مجموع المربعات الكلي” (Total Sum of Squares – SST)، وهو يمثل تراكم الفروق التربيعية لكل درجة عن المتوسط الحسابي العام لكامل أفراد العينة.

غير أن مجموع المربعات وحده لا يصلح للمقارنة المباشرة؛ لأنه يتضخم تلقائياً كلما زاد حجم العينة أو زاد عدد المحاولات التجريبية، ولا يعكس بحد ذاته طبيعة كثافة التباين. وهنا تأتي وظيفة درجات الحرية (df)، التي تعبر عن عدد القيم المستقلة الحرة في التغير ضمن المعادلة الإحصائية. وعند قسمة مجموع المربعات على درجات الحرية المقابلة، نحصل على “متوسط المربعات”، وهو في حقيقته مقياس موحد ومعاير للتشتت لكل وحدة حرية رياضية، أي أنه التباين الحقيقي المرتبط بذلك المصدر المحدد.

ينقسم متوسط المربعات في التصاميم التجريبية إلى مستويات رئيسية:

• متوسط المربعات بين المجموعات (Mean Square Between – MSB): يمثل التباين الناتج عن الفروق المنهجية بين المعالجات التجريبية أو المتغيرات التصنيفية بالإضافة إلى خطأ القياس، مثل الفروق بين المرضى الخاضعين للعلاج السلوكي المعرفي مقارنة بمجموعة الضبط.
• متوسط المربعات داخل المجموعات (Mean Square Within – MSW): يسمى أيضاً متوسط مربعات الخطأ (MSE)، ويقيس الفروق الفردية الطبيعية والعشوائية التي تحدث بين الأفراد الذين خضعوا لنفس المعاملة التجريبية، والتي تعزى للخطأ العشوائي أو الخصائص الذاتية غير الخاضعة للضبط.
• متوسط المربعات الكلي (Total Mean Square): وهو تباين العينة الكلية بصرف النظر عن أي تقسيم تجريبي.

تكمن الأهمية المركزية لمتوسط المربعات في تكوين النسبة الإحصائية المعروفة بنسبة فيشر (F-ratio). حيث تُحسب قيمة F عبر قسمة متوسط المربعات بين المجموعات (التباين المنسوب للتجربة) على متوسط مربعات الخطأ (التباين غير المفسر). فإذا كانت النسبة أكبر بكثير من الواحد الصحيح وتجاوزت القيمة الحرجة دلالياً، استنتج الباحث النفسي بثقة أن التدخل النفسي قد أحدث أثراً يفوق مجرد التباين الفردي العشوائي الصدفوي.

5. التطور التاريخي

تعود الجذور الأولى لمفهوم تفكيك مربعات الانحرافات إلى أعمال الرياضي الألماني كارل فريدريش غاوس والفرنسي أدريان ماري ليجاندر في مطلع القرن التاسع عشر، حين قاما بتطوير طريقة المربعات الصغرى (Least Squares Method) لحل مشكلات القياس الفلكي وحساب مدارات الكواكب وتحديد الخطأ المعياري للملاحظات.

ومع ذلك، فإن صياغة “متوسط المربعات” بوصفه أداة لتحليل التباين تعود بشكل كامل إلى عالم الإحصاء وعلم الوراثة البريطاني سير رونالد فيشر (Ronald A. Fisher) خلال عشرينيات القرن العشرين. في كتابه الكلاسيكي “Statistical Methods for Research Workers” الصادر عام 1925، قدّم فيشر تقنية تحليل التباين التي استبدلت المقارنات الثنائية التقليدية بمنهجية شاملة تقوم على تفكيك التباين عبر جداول تحتوي على خانات مخصصة لـ: مصادر التباين، ومجموع المربعات، ودرجات الحرية، ومتوسط المربعات، ونسبة F التائية.

انتقلت هذه المنهجية إلى الحقل السيكولوجي وسرعان ما تبناها رواد القياس النفسي في منتصف القرن العشرين، مثل كوين كوين (Quinn McNemar) وإي. إف. ليندكويست (E. F. Lindquist)، اللذين وظفا متوسط المربعات في قياس فعالية البرامج التربوية وتقدير ثبات الاختبارات المدرسية والنفسية. وفي ستينيات القرن العشرين، طوّر جورج راش (Georg Rasch) نموذجه القياسي الذي جعل من متوسط المربعات مؤشراً محورياً للتحقق من مطابقة البيانات للنموذج القياسي الرياضي (Fit Statistics).

6. الأسس النظرية والأطر المفاهيمية

يستند مفهوم متوسط المربعات إلى حزمة من النظريات الرياضية والقياسية، أبرزها نظرية العينات الخطية (Linear Models Theory) ونظرية القياس الكلاسيكية (Classical Test Theory – CTT). تفترض نظرية القياس الكلاسيكية أن أي درجة ملاحظة (Observed Score) تتكون من مجموع درجتين: الدرجة الحقيقية (True Score) ودرجة الخطأ (Error Score). وبناءً عليه، فإن التباين الكلي هو مجموع تباين الدرجات الحقيقية وتباين الأخطاء، وهو ما يترجم رياضياً بصورة مباشرة عبر مساواة متوسطات المربعات المجمعة.

كذلك يستند المصطلح إلى نظرية قابلية التعميم (Generalizability Theory – G-Theory) التي طورها كرونباخ وزملاؤه (Cronbach et al., 1972). في هذه النظرية المتطورة، لا يُعامل الخطأ ككيان موحد، بل يتم تفكيك متوسطات المربعات الناتجة عن مصادر متعددة؛ مثل المصححين، ومناسبات القياس، والمفردات الفرعية، والتفاعلات المتبادلة بينها. وبواسطة متوسطات المربعات المتعددة، يستطيع أخصائي القياس النفسي تقدير مكونات التباين (Variance Components) لعزل مصدر الضعف في الأداة النفسية بدقة متناهية.

بالإضافة إلى ذلك، ينبثق مفهوم متوسط المربعات في التحليل الانحداري من مبدأ تقدير الخطأ المعياري للتقدير (Standard Error of Estimate)، حيث يمثل متوسط مربعات البواقي (Residual Mean Square) تباين النقاط الفعلية حول خط الانحدار المتوقع، وهو الأساس في اختبار جودة التوفيق للنماذج السببية والنفسية المتعددة.

7. المكونات والأنواع والأبعاد الأساسية

يتشكل متوسط المربعات في بحوث القياس والتقييم النفسي من عدة أنواع تختلف باختلاف التصميم الإحصائي المعتمد:

• متوسط مربعات النموذج أو المعالجة (MS_Model / MS_Treatment): يُحسب بقسمة مجموع المربعات التابع للمتغير المستقل على درجات حريته (عدد المجموعات ناقص واحد: k – 1)، ويقيس قوة تأثير المتغير التجريبي أو الفارق بين الفئات النفسية المختلفة.
• متوسط مربعات الخطأ أو البواقي (MS_Error / MS_Residual): يُحسب بقسمة مجموع مربعات الأخطاء العشوائية على درجات حرية الخطأ (حجم العينة الكلي ناقص عدد المجموعات: N – k). ويُعد المؤشر الأساسي للتباين العشوائي داخل الفئات المدروسة.
• متوسط مربعات التفاعل (MS_Interaction): يظهر في التصاميم العاملية (Factorial Designs)، ويقيس التباين الناتج عن تفاعل متغيرين مستقلين أو أكثر معاً (مثل تفاعل نوع الجنس مع نوع العلاج النفسي).
• متوسط المربعات الداخلي المطابق (Infit Mean Square): في نموذج راش للقياس، يمثل متوسط مربعات البواقي الموزونة بالمعلومات، ويكون حساساً جداً للاستجابات غير المتوقعة للمفردات القريبة من مستوى قدرة المفحوص النفسية.
• متوسط المربعات الخارجي المطابق (Outfit Mean Square): في نموذج راش، يمثل متوسط مربعات البواقي غير الموزونة، ويكون أكثر حساسية للملاحظات الشاذة أو التخمين غير المبرر في الأسئلة البعيدة تماماً عن قدرة المفحوص.

8. الأمثلة وحالات الدراسة التوضيحية

لتوضيح الكيفية التي يعمل بها متوسط المربعات في الواقع الإكلينيكي والبحثي، نستعرض حالتين نموذجيتين:

الحالة الأولى: دراسة فعالية تدخلات علاج الاكتئاب
أجرى باحث نفسي تجربة لمقارنة ثلاثة برامج علاجية لتخفيف الاكتئاب: (العلاج السلوكي المعرفي، والعلاج بالقبول والالتزام، ومجموعة قائمة الانتظار الضابطة). شارك في الدراسة 45 مريضاً وزعوا بالتساوي (15 مريضاً في كل مجموعة). بعد قياس مستوى الاكتئاب، أظهرت الحسابات أن مجموع المربعات بين المجموعات (SSB) يساوي 600، في حين كان مجموع مربعات الخطأ داخل المجموعات (SSW) يساوي 840.

لحساب متوسط المربعات:
– درجات الحرية بين المجموعات = عدد المجموعات – 1 = 3 – 1 = 2.
– متوسط المربعات بين المجموعات (MSB) = 600 ÷ 2 = 300.
– درجات حرية الخطأ = إجمالي الأفراد – عدد المجموعات = 45 – 3 = 42.
– متوسط مربعات الخطأ (MSE) = 840 ÷ 42 = 20.
– قيمة F المحسوبة = MSB ÷ MSE = 300 ÷ 20 = 15.00.
هذه القيمة المرتفعة تشير إلى أن التباين بين البرامج العلاجية (300) يعادل خمسة عشر ضعف التباين العشوائي داخل المرضى أنفسهم (20)، مما يؤكد إحصائياً وجود أثر نفسي حقيقي وفارق جوهري للتدخل الإكلينيكي.

الحالة الثانية: تقييم صلاحية مقياس القلق باستخدام نموذج راش
أثناء تقنين مقياس قلق الاختبار على طلبة الجامعات، قام محلل القياس بفحص مؤشر (Outfit Mean Square) للمفردات. القيمة المثالية المتوقعة لهذا المؤشر هي (1.00). أظهرت إحدى المفردات قيمة متوسط مربعات تبلغ (2.40). هذا الارتفاع الكبير يعني أن التباين الفعلي للبواقي أكبر بكثير من المتوقع رياضياً بواسطة النموذج، مما دل على أن المفردة غير واضحة أو تمت صياغتها بطريقة مشوشة دفعت الطلبة ذوي القدرات العالية للخطأ فيها بفعل التخمين أو التفسير الخاطئ، فتقرر تعديلها بناءً على مؤشر متوسط المربعات.

9. القياس والتقييم والحساب الإحصائي

تتم عملية اشتقاق وحساب متوسط المربعات عبر تسلسل رياضي ومنهجي دقيق داخل الحزم الإحصائية البرمجية مثل SPSS أو R أو SAS، وتتبع الخطوات التالية:

أولاً: يُحسب الانحراف لكل درجة ملاحظة عن المتوسط، ثم تُربع هذه الانحرافات لإنتاج مجموع المربعات (SS). يعتمد مجموع المربعات بين المجموعات على ضرب حجم كل عينة في مربع انحراف متوسط المجموعة عن المتوسط العام الكلي لجميع البيانات، وفق المعادلة الصريحة:

$$SS_{between} = \sum n_j (\bar{X}_j – \bar{X}_{grand})^2$$

ثانياً: يُحسب مجموع مربعات الخطأ (SS_error) بجمع مربعات انحرافات كل درجة فردية عن متوسط المجموعة الخاصة بها، مما يعبر عن التباين الذي لم تفسره شروط التجربة:

$$SS_{within} = \sum \sum (X_{ij} – \bar{X}_j)^2$$

ثالثاً: بعد تحديد درجات الحرية بدقة تامة لكل مكون بناءً على معايير القياس والتصميم، يُطبق القانون الجوهري لحساب متوسط المربعات:

$$MS = \frac{SS}{df}$$

في نمذجة المقاييس النفسية ومقاييس راش، يُحسب متوسط المربعات (Outfit MS) بجمع مربعات البواقي المعيارية لجميع المفحوصين وقسمتها على حجم العينة الكلي (N). وتعتبر القيم المحصورة بين 0.6 و 1.4 مقبولة ومفيدة للقياس السريري والتربوي، في حين تشير القيم الأكبر من 1.5 إلى ضجيج قياسي غير مرغوب (Noise)، والقيم الأقل من 0.5 إلى تكرارية وتطابق زائف (Misfit / Overfit).

10. التطبيقات والأهمية العملية في علم النفس

يلعب متوسط المربعات دوراً محورياً في التطبيقات السيكولوجية المتعددة، ويمكن تصنيف استخداماته إلى مجالات محددة:

• حساب معاملات الثبات والموثوقية: يُعد متوسط المربعات المحرك الرياضي لمعادلات الاتساق الداخلي؛ مثل معادلة كرويدر-ريتشاردسون (KR-20) ومعامل ألفا كرونباخ. حيث يُشتق معامل ألفا مباشرة من جدول تحليل التباين ثنائي الاتجاه للمشاركين والمفردات من خلال مقارنة متوسط مربعات الخطأ بمتوسط مربعات الأفراد.
• علم النفس الصناعي والتنظيمي: يُستخدم متوسط المربعات في تقييم مدى تحيز أدوات تقييم أداء الموظفين للمشرفين أو المديرين؛ فإذا كان متوسط المربعات بين المقيمين (MS_Raters) مرتفعاً دلالياً، فهذا يشير إلى غياب الموضوعية ووجود أخطاء تقييم منهجية يجب معالجتها.
• التجارب العصبية السريرية (Neuropsychological Trials): يُعتمد عليه في تحليل بيانات القياس المتكرر (Repeated Measures ANOVA) لتتبع تطور الوظائف المعرفية لمرضى الزهايمر عبر الزمن، عبر عزل متوسط مربعات التغير الزمني عن متوسط مربعات الفروق العشوائية المستقرة بين المرضى.
• صياغة الاختبارات التحصيلية والنفسية المقننة: يساعد في اكتشاف المفردات التي تعاني من انحياز في الأداء التفاضلي للمفردة (Differential Item Functioning – DIF) عبر مقارنة متوسطات المربعات للعينات الفرعية المختلفة عرقياً أو جندرياً.

11. الأبحاث والأدلة التجريبية

تزخر الأدبيات السيكومترية بأبحاث استقصائية درست سلوك متوسط المربعات تحت ظروف تجريبية متباينة. وقد تناولت دراسات المحاكاة بمونت كارلو (Monte Carlo Simulations) مسألة حساسية متوسط مربعات الخطأ لانتهاك الفروض الإحصائية الكلاسيكية، وتحديداً فرضية تجانس التباين (Homoscedasticity) واعتدالية التوزيع.

في دراسة رائدة قام بها الإحصائي النفسي جين جلاس وزملائه (Glass et al., 1972)، تم فحص متانة نسبة F المستندة إلى متوسطات المربعات عند خرق افتراض التوزيع الطبيعي. وأكدت النتائج أن متوسط المربعات يظل تقديراً غير متحيز لتباين المجتمع الأصلي طالما كانت أحجام المجموعات متساوية ومتقاربة، وهو ما يعزز موثوقية استنتاجات الباحثين النفسيين حتى في ظل البيانات الواقعية غير المثالية.

كما بينت أبحاث سميث وزملائه (Smith et al., 2008) في مجلة Journal of Applied Measurement حول إحصاءات مطابقة راش، أن متوسطات المربعات للنموذج (Infit/Outfit MS) توفر دقة تشخيصية أعلى من اختبارات كاي سكوير التقليدية في تحديد المفردات النفسية المعيبة، لا سيما في مقاييس تقدير الذات والاكتئاب التي تشمل عينات إكلينيكية واسعة النطاق.

12. الاعتبارات الثقافية وعبر الثقافات

عند استخدام أدوات القياس النفسي ونماذج التباين الإحصائي عبر بيئات ثقافية مختلفة، تتجلى أهمية متوسط المربعات في ضبط المكافأة القياسية (Measurement Invariance). غالباً ما تؤدي الترجمة أو التكييف الثقافي للمقاييس السلوكية إلى تباينات غير متوقعة في استجابات الأفراد نتيجة للاختلاف في الخلفيات الدلالية والأعراف الاجتماعية.

في بحوث المقارنة عبر الثقافات (Cross-Cultural Psychology)، يؤدي عدم تكافؤ معاني المفردات إلى ارتفاع ملحوظ في متوسط مربعات الخطأ (MSE) للعينات المترجمة مقارنة بالعينات الأصلية. هذا الارتفاع ليس دليلاً على تذبذب السمة النفسية المقاسة، بل هو مؤشر إحصائي على وجود خطأ منهجي يعود إلى الترجمة الحرفية أو عدم ملاءمة صياغة المفردة للسياق الثقافي الجديد. لذا، يوصي باحثو القياس الثقافي باختبار التباين عبر تحليل التباين متعدد المتغيرات لمقارنة متوسطات المربعات قبل إقرار صلاحية أي مقياس للاستخدام في مجتمعات مغايرة.

13. الانتقادات والجدل والحدود المنهجية

على الرغم من المكانة التي يحتلها متوسط المربعات في الإحصاء النفسي، فإنه واجه عدداً من الانتقادات المنهجية التي أثارت نقاشات علمية مستمرة:

أبرز هذه الانتقادات هو تأثره الشديد بالقيم المتطرفة (Outliers)؛ فنظراً لاعتماده على تربيع الفروق والانحرافات، فإن وجود درجات متطرفة ناتجة عن خلل في إدخال البيانات أو استجابات شاذة من بعض المفحوصين يؤدي إلى تضخيم قيمة مجموع المربعات، وبالتالي تشويه متوسط المربعات وجعله غير ممثل للتشتت الحقيقي للغالبية العظمى من العينة.

هناك جدل آخر يتعلق بالاعتماد المفرط على متوسط المربعات في استخراج الدلالة الإحصائية المجردة (P-value) دون الالتفات إلى حجم الأثر (Effect Size). ففي العينات النفسية الضخمة جداً، يمكن لمتوسط مربعات المعالجة حتى لو كان بالغ الضآلة أن ينتج قيمة F ذات دلالة إحصائية مرتفعة للغاية؛ بسبب كبر درجات حرية الخطأ وصغر متوسط مربعاته. لذلك يشدد المنهجيون المعاصرون على ضرورة ألا يتوقف التقرير النفسي عند حساب متوسط المربعات ونسبة F، بل يجب إرفاق معاملات حجم الأثر مثل مربع إيتا (Eta-Squared) أو مقياس كوهين (Cohen’s d).

14. المصطلحات ذات الصلة والفروق الدقيقة

لتجنب اللبس الشائع في الكتابات النفسية والتربوية، تجب التفرقة بدقة بين متوسط المربعات والمفاهيم الإحصائية المحيطة به:

• مجموع المربعات (Sum of Squares – SS): هو إجمالي الانحرافات التربيعية الخام قبل قسمتها على درجات الحرية. يمثل الحجم الكلي غير المقيد للتغير، بينما يمثل متوسط المربعات معدل التباين لكل درجة حرية واحدة.
• التباين (Variance): تباين المجتمع أو العينة هو في جوهره نوع محدد من متوسط المربعات (المقسوم على N أو N-1). لكن متوسط المربعات مصطلح أكثر عمومية وتخصصاً للتصاميم المعقدة التي تفكك التباين إلى أجزاء متعددة.
• الانحراف المعياري (Standard Deviation): يمثل الجذر التربيعي لمتوسط مربعات الخطأ الكلي. وفي حين يُعبر متوسط المربعات عن التباين بوحدات قياس مربعة، يعيد الانحراف المعياري التشتت إلى نفس وحدة القياس الأصلية للدرجات النفسية.
• جذر متوسط مربعات الخطأ (Root Mean Square Error – RMSE): هو الجذر التربيعي لمتوسط مربعات البواقي في نماذج التنبؤ والمسار، ويستخدم كمؤشر موحد لقياس دقة النماذج التنبؤية النفسية بدلاً من البقاء في صيغة المربعات.

15. الخلاصة والدروس المستفادة

يعد متوسط المربعات الآلية التحليلية التي تمكن الباحث السلوكي من تحويل الفوضى الظاهرية للدرجات المتفرقة إلى نسق علمي منظم قابل للفهم والتفسير. وبفضل قدرته على تفكيك التباين ومقارنة المتغيرات التجريبية بالخطأ العشوائي، يظل هو العمود الفقري لقرارات قبول أو رفض الفرضيات العلمية في علم النفس التجريبي والعيادي والتربوي.

إن الاستخدام الرشيد لمتوسط المربعات يتطلب من الباحث وعياً بالفروض الرياضية المسبقة لطرائق التحليل، والحرص على فحص البيانات بحثاً عن القيم الشاذة، ودعم القرارات المستندة إلى نسبة F بتقديرات حجم الأثر العملي والملاءمة السيكومترية لأدوات جمع البيانات، مما يضمن خروج الدراسات النفسية بنتائج تتسم بالدقة، والصدق، وقابلية التكرار.

المراجع

• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. https://www.worldcat.org/title/statistical-power-analysis-for-the-behavioral-sciences/oclc/17877467
• Cronbach, L. J., Gleser, G. C., Nanda, H., & Rajaratnam, N. (1972). The dependability of behavioral measurements: Theory of generalizability for scores and profiles. John Wiley & Sons. https://psycnet.apa.org/record/1973-05459-000
• Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd. https://psychclassics.yorku.ca/Fisher/Methods/
• Glass, G. V., Peckham, P. D., & Sanders, J. R. (1972). Consequences of failure to meet assumptions underlying the fixed effects analyses of variance and covariance. Review of Educational Research, 42(3), 237-288. https://doi.org/10.3102/00346543042003237
• Wright, B. D., & Linacre, J. M. (1994). Reasonable mean-square fit values. Rasch Measurement Transactions, 8(3), 370-371. https://www.rasch.org/rmt/rmt83b.htm