الحذف الثنائي: معالجة البيانات المفقودة نفسياً

دليل أكاديمي شامل يشرح مفهوم الحذف الثنائي في الإحصاء والقياس النفسي، آلياته الرياضية، شروطه وافتراضاته، ومخاطره المنهجية مقارنة بالبدائل الحديثة.

Mohammed looti أكاديمي وباحث متخصص في علم النفس
تاريخ النشر
تمت المراجعة العلمية · د. مروة عبد العظيم · 16 نوفمبر، 2026
مراجعة وتدقيق علمي معتمد تاريخ التدقيق: 16 نوفمبر، 2026
د. مروة عبد العظيم دكتوراه في علم النفس
عضو هيئة التدريس • جامعة كربلاء
معايير التدقيق والاعتماد السريري

يخضع هذا المحتوى لمعايير ضبط الجودة والتدقيق العلمي والأكاديمي الصارمة في شبكة علم النفس العربي، لضمان صحة المعلومات ودقتها السريرية ومطابقتها لأحدث الأدلة والبراهين الصادرة عن الجمعيات النفسية والطبية المعتمدة (APA / WHO).

يُمثّل التعامل مع البيانات المفقودة أحد أعتى التحديات المنهجية والإحصائية التي تواجه الباحثين في ميادين العلوم النفسية والتربوية والاجتماعية المعاصرة. ومن بين الاستراتيجيات الكلاسيكية الشائعة لمعالجة هذه المعضلة يبرز أسلوب الحذف الثنائي بوصفه تقنية إحصائية تسعى لتحقيق التوازن بين الحفاظ على حجم العينة المتاح وتجنب الاستبعاد الكلي للمشاركين. يستكشف هذا الدليل الأكاديمي الشامل ماهية الحذف الثنائي، وأسسه الرياضية والنظرية، وتطبيقاته في بحوث القياس النفسي، إلى جانب فحص مآزقه الإحصائية والمفاضلة بينه وبين الأساليب المتقدمة الحديثة.

الحذف الثنائي في الإحصاء والقياس النفسي

1. التعريف الموجز

يُعرَّف الحذف الثنائي (Pairwise Deletion)، والذي يُعرف رياضياً أيضاً باسم التحليل المتاح للحالات (Available-Case Analysis)، بأنه إجراء إحصائي لحل مشكلة البيانات المفقودة يُقصي فقط المشاهدات التي تفتقر إلى قيم مكتملة للزوج المحدد من المتغيرات الخاضع للحساب أو التحليل، مع الإبقاء على بيانات المشارك نفسه لاستخدامها في حساب علاقات أزواج المتغيرات الأخرى التي تتوفر له فيها بيانات صالحة ومسجلة بالفعل. وتبعاً لذلك، يتغير حجم العينة الفعلي (حجم العينة) من معامل ارتباط إلى آخر داخل مصفوفة العلاقات الإحصائية ذاتها.

يتجلى هذا الإجراء بصورة بارزة عند بناء مصفوفات الارتباط أو التباين المشترك، حيث يُحسب الارتباط بين المتغيرين (أ) و(ب) بالاعتماد على جميع الأفراد الذين استجابوا لكلا المتغيرين حصراً، في حين يُحسب الارتباط بين (أ) و(جـ) باستخدام المشاركين الذين أجابوا عن هذا الزوج المعين، حتى لو كانوا قد أسقطوا استجابتهم عن المتغير (ب). يهدف هذا التكنيك بالدرجة الأولى إلى تعظيم الاستفادة القصوى من كل معلومة جمعها الباحث وتفادي الفقد الهائل في البيانات الذي ينجم عن استبعاد المشارك بالكامل من كل التحليلات بمجرد تركه لبند أو فقرة واحدة دون إجابة.

ومع ذلك، فإن هذا التعريف الإجرائي يقود إلى تبعات منهجية بالغة التعقيد في القياس النفسي؛ حيث تنتج عنه مصفوفات ارتباط مبنية على عينات ذات أحجام وخصائص ديموغرافية وتباينات مختلفة جزئياً. ويشترط لتطبيق هذا الأسلوب دون تشويه سافر للمعالم الإحصائية تحقق فرضية صارمة تفيد بأن الفقدان حاصل بصورة عشوائية تامة وشاملة، وهو افتراض يصعب التيقن من تحققه واقعياً في البحوث النفسية والسريرية الميدانية المعقدة.

2. التأصيل اللغوي والاشتقاقي

يرجع أصل المصطلح في اللغة الإنجليزية إلى تركيب وصفي مؤلف من كلمتين: الأولى هي الظرف أو الصفة (Pairwise) المشتقة من الجرمانية القديمة والتي تفيد في الاصطلاح الرياضي “الأخذ في الحسبان لكل زوج من العناصر على حدة بشكل منفصل ومتزامن”، والكلمة الثانية هي الاسم (Deletion) المنحدر من الأصل اللاتيني (Dēlere) بمعنى إتلاف أو محو أو استبعاد شيء من سجل مكتوب. ودخل المصطلح قواميس الإحصاء الرياضي الحديث خلال منتصف القرن العشرين مع ظهور الحواسيب ومعالجة مصفوفات البيانات الكبيرة آلياً عبر الحزم البرمجية.

أما في المعجم اللغوي العربي، فيقوم مصطلح “الحذف الثنائي” على جذرين أصيلين: الأول (ح-ذ-ف) والذي يدل في لسان العرب على الإسقاط، والقطع من الطرف، والترك المتعمد لشيء بقصد التخفيف أو التنقية؛ فيُقال حذَف الشيءَ أي أسقطه وطرحه جانباً. والجذر الثاني هو (ث-ن-ي) الذي يفيد الضم والشفع والاقتران باثنين، ومنه جاءت صيغة النسبة “الثنائي” للإشارة إلى العملية التي ترتبط بزوجين من المتغيرات دون النظر إلى البقية.

وقد استُعملت في الأدبيات السيكومترية العربية عدة تعريبات مترادفة، من أبرزها: “الحذف بالأزواج”، و”الإسقاط الزوجي”، و”تحليل الحالات المتاحة”. غير أن مصطلح “الحذف الثنائي” حاز القبول الأوسع في الدراسات النفسية العربية والأدلة الإحصائية لكونه يعبر بدقة متناهية عن جوهر الآلية الحسابية المتمثلة في إسقاط الفرد من حساب الاقتران المزدوج بين متغيرين محددين فقط دون حذفه نهائياً من بنك البيانات الإجمالي للدراسة.

3. النطق والصيغة الصرفية والنحوية

يُنطق المصطلح باللغة العربية الفصحى بتحريك الحروف كالتالي: الحَذْفُ الثُّنَائِيّ؛ بفتح الحاء وسكون الذال وتسكين أو ضم الفاء في “الحَذْف”، وضم الثاء المثلثة وفتح النون المشبعة بالألف مع ياء مشددة ومضمومة في كلمة “الثُّنَائِيّ”. أما في اللغة الإنجليزية، فيُكتب ويُنطق وفق التدوين الصوتي الدولي: /ˈpeə.waɪz dɪˈliː.ʃən/، ويُختصر في بعض الكتابات المتخصصة للدلالة على أسلوب المعالجة بالرمز الحرفي الإحصائي (PD) تمييزاً له عن نظيره الحذف الكلي المشهور اختصاراً بـ (LD).

من الناحية الصرفية والنحوية، يُمثّل التركيب مركباً وصفياً يتألف من مبتدأ أو موصوف هو المصدر الصريح “الحذف” (مصدر الفعل الثلاثي حَذَفَ يَحْذِفُ)، ومن نعت أو صفة هي اسم المنسوب “الثنائي” المصوغ للدلالة على العلاقة الاقترانية. ويقع المصطلح في الجملة الأكاديمية موقع الفاعل أو المفعول به أو المضاف إليه بحسب السياق، كان يقال: “اعتمد الباحث على الحذف الثنائي لتفادي انكماش العينة” أو “يؤدي الحذفُ الثنائي إلى اضطراب الخطأ المعياري”. ويشيع جمعه مجازاً بصيغة “إجراءات الحذف الثنائي” للتعبير عن تكرار العملية عبر كافة خلايا المصفوفة.

4. الشرح المفاهيمي المتعمق

لفهم الآلية الجوهرية للحذف الثنائي بدقة متناهية، ينبغي إدراك الطبيعة التركيبية لمصفوفات البيانات في القياس النفسي. فعندما يُجري الأخصائي النفسي دراسة تستهدف قياس خمس سمات شخصية مقاسة باستبيانات ذاتية، يحصل في الحالة المثالية على متجهات مكتملة لكل مشارك تمثل درجاته في السمات (س1، س2، س3، س4، س5). ولكن في الواقع الميداني، يمتنع بعض المشاركين عن الإجابة عن أسئلة بعينها بدافع التحفظ أو السهو أو الإرهاق المعرفي؛ كأن يرفض مشارك تسجيل إجابته عن السمة (س3)، بينما يكمل بقية الفقرات بدقة تامة.

في ظل هذا السيناريو، يرفض أسلوب الحذف الثنائي التخلص من هذا المفحوص كلياً كما يفعل أسلوب الحذف الكلي للقوائم (Listwise Deletion). وبدلاً من ذلك، عندما يُطلب من البرنامج الإحصائي استخراج معامل ارتباط بيرسون بين المتغير (س1) والمتغير (س2)، يُفحص هذان المتغيران فقط؛ وبما أن المشارك يمتلك قيماً صالحة لكليهما، فإن درجته تُدمج بالكامل في الحساب الرياضي. ولكن حينما ينتقل البرنامج الإحصائي لحساب العلاقة بين المتغير (س1) والمتغير (س3)، يُستبعد هذا المشارك بمفرده من معادلة ذلك الزوج لغياب قيمته في (س3)، وهكذا يتقلب حجم عينة التحليل (N) صعوداً وهبوطاً عبر خلايا مصفوفة الارتباط الواحدة.

تكمن مشكلة هذا الأسلوب الأساسية في أنه يخلق ما يُعرف في الجبر الخطي بـ “المصفوفات غير محددة الموجبية” (Non-Positive Definite Matrices). وبما أن كل معامل ارتباط في المصفوفة يُحسب بالاعتماد على عينة فرعية تختلف في تكوينها وحجمها واختلاف تباينها عن العينة الفرعية للخلية المجاورة، فإن المصفوفة الناتجة تفقد ترابطها الهندسي والرياضي المتسق. وفي هذه الحالة، تصبح العلاقات الرياضية الداخلية غير منطقية جبرياً؛ مما قد ينتج عنه مثلاً ظهور قيم ارتباطات وهمية تتجاوز الواحد الصحيح، أو تباينات متبقية سالبة في نماذج التحليل العاملي، وهي كوارث حسابية تُفقد النتائج مصداقيتها العلمية تماماً.

إضافة إلى ذلك، فإن تقلب حجم العينة (N) بين الأزواج المختلفة يطرح معضلة حقيقية في تقدير الأخطاء المعيارية وقيم الدلالة الإحصائية (p-values). فعند تقييم الدلالة، أي قيمة لـ (N) ينبغي للباحث اعتمادها لحساب درجات الحرية في اختبارات الفروض الشاملة مثل تحليل الانحدار المتعدد أو النمذجة البنائية؟ إن اختيار أصغر عينة يقلل من القوة الإحصائية بصورة مفرطة، بينما يؤدي استخدام أكبر عينة أو متوسط العينات إلى نفخ معدلات الخطأ من النوع الأول (Type I Error)، مما يجعل الحذف الثنائي أداة تتطلب حذراً بالغاً لا سيما في الدراسات السريرية الدقيقة.

5. التطور التاريخي ومسار المفهوم

ارتبط ظهور الحذف الثنائي تاريخياً بالحقب الأولى لتطور الإحصاء التطبيقي في الثلث الأوسط من القرن العشرين، وتحديداً مع التحول من الحسابات اليدوية المرهقة إلى المعالجة الإلكترونية باستخدام بطاقات التثقيب واللغات البرمجية الأولى مثل لغة فورتران (FORTRAN). ففي خمسينيات وستينيات القرن العشرين، كان التخلص من أي مفحوص ينطوي على هدر بالغ للجهد الاستقصائي والتكلفة المالية، ولذلك عمد رواد القياس النفسي إلى إيجاد حلول برمجية سريعة تسمح بتعظيم الاستفادة من البيانات المتاحة عن طريق إجراء الحسابات الزوجية دون الحاجة لإعادة هيكلة الملفات بالكامل.

شهدت السبعينيات والثمانينيات من القرن العشرين ترسيخاً كبيراً لهذا الأسلوب؛ حيث أدمجته كبرى الحزم البرمجية الإحصائية الوليدة آنذاك، مثل نظام SPSS ونظام SAS، كخيار افتراضي أو أساسي في حساب مصفوفات الارتباط والتحليل العاملي الاستكشافي. وفي تلك المرحلة، كان التركيز البحثي ينصب أساساً على إنقاذ القوة الإحصائية وتجنب تقليص حجم العينة الإجمالي الذي كانت تسببه طريقة الحذف الكلي، وترافق ذلك مع غياب البدائل الخوارزمية المتقدمة التي تتطلب طاقة حوسبية لم تكن متوفرة في ذلك العصر لتقدير القيم المفقودة مباشرة.

نقطة التحول المفصلية في النظرة المنهجية للحذف الثنائي حدثت عام 1976 عندما نشر عالم الإحصاء الأمريكي دونالد روبين ورقة بحثية رائدة أرست التصنيف الثلاثي لآليات الفقدان، مما فتح الباب لإخضاع الحذف الثنائي لفحوص نقدية وتجريبية صارمة. وبحلول التسعينيات وأوائل الألفية الثالثة، أظهرت دراسات المحاكاة الرياضية التي قادها علماء مثل رودريك ليتل (Roderick Little) وجوزيف شافر (Joseph Schafer) المخاطر البنيوية الناتجة عن الحذف الثنائي عند عدم تحقق الشروط الرياضية الدقيقة، مما قاد جمعية علم النفس الأمريكية (APA) إلى إصدار توصيات صارمة تحث على التخلي عنه لصالح طرق التقدير الحديثة مثل التعويض المتعدد ونمذجة الأرجحية العظمى للبيانات المكتملة.

6. الأسس والافتراضات النظرية والإحصائية

يستند الحذف الثنائي كإجراء تحليلي إلى جملة من الافتراضات الرياضية والإحصائية البنيوية الصارمة التي لا يمكن للنتائج أن تصح في غيابها، وتتلخص في الآتي:

أولاً، يفترض الحذف الثنائي أن آلية البيانات المفقودة تخضع حصراً لنمط الفقدان العشوائي تماماً (Missing Completely at Random – MCAR). وهذا يعني بحسب الإطار النظري الإحصائي أن احتمالية غياب القيمة عن أي متغير لا تعتمد إطلاقاً على قيم المتغير نفسه، ولا ترتبط بأي شكل من الأشكال بقيم أي من المتغيرات الأخرى المدرجة في قاعدة البيانات؛ فالفقدان هنا يمثل حادثاً عشوائياً بحتاً أشبه بسقوط قطرة حبر على ورقة إجابة ورقية دون أدنى انحياز منهجي.

ثانياً، يفترض الحذف الثنائي أن العينات الفرعية المستخدمة في كل خلية من خلايا مصفوفة التباين المشترك أو الارتباط مسحوبة بالصدفة من نفس المجتمع الإحصائي المتجانس وذات خصائص بارامترية متطابقة. أي أنه يفترض أن التباينات وتوزيعات الدرجات للأفراد الذين أجابوا عن الزوج (س، ص) لا تختلف في جوهرها عن توزيعات وتباينات أولئك الذين أجابوا عن الزوج (ص، ع)؛ فإذا اختل هذا التجانس، فإن الباحث يكون فعلياً بصدد تجميع مصفوفة علاقات هجينة تمثل مجتمعات متباينة، مما يجعل المعالم المحسوبة مضللة بالكامل.

ثالثاً، يقوم الأساس الرياضي للأسلوب على مبدأ الاستفادة الكاملة من كفاءة العينة الفردية (Information Preservation) بهدف خفض التباين التقديري لمعاملات الارتباط المنفردة. ومن الناحية النظرية، يُفترض أن كل اقتران زوجي يعطي تقديراً غير منحاز لمعامل الارتباط في المجتمع شريطة تحقق فرضية الفقدان العشوائي التام، إلا أن هذه الفرضية النظرية تنهار تماماً في اللحظة التي ينتقل فيها التحليل من المستوى الثنائي البسيط إلى النماذج الإحصائية متعددة المتغيرات ذات الطبيعة التركيبية المترابطة.

7. المكونات والأنماط والأبعاد الإحصائية

يتضمن الإطار الإجرائي للحذف الثنائي أبعاداً وعناصر رياضية يمكن تفكيكها تحليلياً إلى النقاط التالية:

  • مصفوفة أحجام العينات المتغيرة (N-Matrix): لا ينتج عن التحليل حجم عينة واحد، بل مصفوفة موازية لمصفوفة الارتباط توضح العدد الفعلي للأفراد الذين اشتركوا في حساب كل اقتران زوجي على حدة، مما يكشف عن التفاوت في تمثيل العلاقات.
  • معاملات الارتباط المقدرة جزئياً: تمثل قيم الارتباطات المحسوبة على أساس القواسم والبسوط المستخرجة من أفراد مختلفين جزئياً، حيث يختص كل معامل بقيم تباين مشتقة من العينة الفرعية الخاصة به فقط.
  • تباينات المتغيرات المعزولة: يتميز الحذف الثنائي بحساب تباين المتغير الواحد بالاعتماد على جميع الأفراد الذين أدلوا بقيمة لهذا المتغير، بغض النظر عن فقدانهم لقيم في متغيرات أخرى، مما يجعله أكثر اتساعاً مقارنة بالحذف الكلي.
  • المصفوفة غير الموجبة المحددة: تُعد هذه الحالة نتاجاً بنيوياً وأثراً سلبياً شائعاً للحذف الثنائي، حيث تفشل المصفوفة في تلبية الشروط الجبرية للمصفوفات الإحصائية الصحيحة، مما يعيق استخراج الجذور الكامنة الحقيقية (Eigenvalues).
  • أحجام العينات الفعالة (Effective Sample Sizes): وهي المقاربة الإحصائية التي يلجأ إليها الباحثون لتقدير قيمة وسطية لحجم العينة (كالوسيط أو المتوسط الهندسي لأحجام العينات الزوجية) لإدخالها كمدخل موحد في معادلات الدلالة متعددة المتغيرات.

8. الأمثلة وحالات الدراسة التوضيحية

لتوضيح أسلوب الحذف الثنائي في سياق نفسي ملموس، لنفترض أن باحثاً في علم النفس العصبي يدرس العلاقة بين ثلاثة متغيرات لدى عينة استطلاعية قوامها 5 مشاركين مسجلين في الجدول التالي: المتغير (س): زمن الرجع بالمللي ثانية، المتغير (ص): سعة الذاكرة العاملة، والمتغير (ع): مستوى القلق اللحظي المقاس بمسرد ذاتي. البيانات المرصودة كانت كما يلي:

المشارك الأول: (س = 200، ص = 7، ع = 15). المشارك الثاني: (س = 220، ص = 6، ع = قيمة مفقودة). المشارك الثالث: (س = 250، ص = قيمة مفقودة، ع = 25). المشارك الرابع: (س = 210، ص = 8، ع = 12). المشارك الخامس: (س = 240، ص = 5، ع = 20).

إذا استخدم الباحث أسلوب الحذف الكلي للقوائم، فسيُستبعد فوراً المشاركان الثاني والثالث لوجود بيانات ناقصة لديهما، ويقتصر التحليل الإحصائي برمته على 3 مشاركين فقط (الأول والرابع والخامس). ولكن بتطبيق الحذف الثنائي، يسير التحليل على النحو التالي:

لحساب الارتباط بين (س) و(ص)، يفحص البرنامج المشاهدات المتوفرة لكلا المتغيرين؛ ونجدها متوفرة لدى المشاركين (1، 2، 4، 5)، ويُستبعد فقط المشارك رقم (3)، وبالتالي يُحسب معامل الارتباط بين زمن الرجع وسعة الذاكرة بالاعتماد على عينة بحجم (N = 4). وعند حساب الارتباط بين (ص) و(ع)، نجد أن البيانات مكتملة فقط للمشاركين (1، 4، 5)، فيُستبعد المشاركان (2 و3)، ويُحسب المعامل بناءً على عينة قدرها (N = 3). أما عند حساب العلاقة بين (س) و(ع)، فإن المشارك (3) يمتلك قيمة صالحة في كلا المتغيرين، بينما يفتقر المشارك (2) لقيمة في (ع)؛ لذا يُستبعد المشارك (2) فقط، وتُحسب العلاقة اعتماداً على المشاركين (1، 3، 4، 5) بحجم عينة (N = 4). يوضح هذا المثال البسيط بجلاء كيف تم إنقاذ قدر معتبر من درجات المشاركين، لكنه يبرز في الوقت عينه التباين في أساس العينة المعتمدة لكل معامل ارتباط داخل الدراسة الواحدة.

9. القياس والتقييم واختبار البيانات المفقودة

قبل الإقدام على اعتماد الحذف الثنائي، يتعين على الباحث السيكومتري إخضاع مصفوفة البيانات لسلسلة من الاختبارات والتقييمات الإحصائية الصارمة لتفادي تحيز النتائج. وتبدأ هذه الخطوة بحساب نسبة الفقد في كل متغير ونسبة البيانات المفقودة الكلية، حيث تشير الأدبيات المنهجية إلى أن تجاوز نسبة الفقد لحاجز 5% إلى 10% يجعل الأساليب الحذفية عموماً محفوفة بمخاطر الانحياز الشديد.

يُمثّل اختبار ليتل لفرضية الفقدان العشوائي تماماً (Little’s MCAR Test) الأداة الإحصائية المحورية في هذا السياق؛ حيث يختبر هذا الإجراء ما إذا كانت أنماط الفقدان الظاهرة في مصفوفة البيانات تتطابق توزيعياً مع التوزيع العشوائي التام. فإذا كانت نتيجة الاختبار غير دالة إحصائياً (p > 0.05)، فهذا يدعم افتراض أن البيانات مفقودة بصورة عشوائية تامة، وهو الشرط الرياضي الأساسي الذي يسمح باستخدام الحذف الثنائي دون إدخال تحيزات منهجية جسيمة في تقدير المعالم.

علاوة على ذلك، يجب على الباحث إجراء تقييم بنيوي للمصفوفة الناتجة للتأكد من أنها “موجبة ومحددة” (Positive Definite). ويتم ذلك عبر حساب محدد المصفوفة (Determinant) والجذور الكامنة المرتبطة بها؛ فإذا وُجد جذر كامن سالب أو كان المحدد مساوياً أو قريباً جداً من الصفر، فإن المصفوفة تعد معتلة وغير صالحة لإجراء التحليلات الإحصائية المتقدمة كالتحليل العاملي التوكيدي أو النمذجة بالمعادلات البنائية، مما يلزم الباحث بالتراجع عن الحذف الثنائي واللجوء لبدائل تعويضية تتفادى هذه الأزمة الرياضية.

10. التطبيقات والأهمية العملية في العلوم النفسية

يحتل الحذف الثنائي موقعاً ملموساً في الممارسات البحثية النفسية، وتبرز أهميته وتطبيقاته في مسارات محددة تشمل ما يلي:

في بحوث المسوح النفسية الميدانية واسعة النطاق والاستطلاعات الوطنية التي تشمل بطاريات اختبارات مطولة، يؤدي الإرهاق النفسي للمفحوصين غالباً إلى ترك أجزاء من الاستبيان دون ملء. وفي التحليلات الاستكشافية الأولية، يلجأ الباحثون إلى الحذف الثنائي لفحص مصفوفات الارتباط الأولية بين المتغيرات دون التضحية بالآلاف من المشاركين الذين قد يكونون قد أسقطوا بنداً واحداً فقط دون قصد، مما يوفر رؤية عامة أولية وسريعة عن اتجاهات وقوى الروابط الارتباطية.

وفي القياس النفسي السريري، وتحديداً عند تطبيق اختبارات تقييم الشخصية متعددة الأوجه أو مقاييس التدهور المعرفي في المشافي، قد يعجز المريض النفسي أو العصبي عن إتمام بعض المهام المعقدة نظراً لظروفه الإكلينيكية الخاصة. يوفر الحذف الثنائي هنا إمكانية الاستفادة من المهام التي أنجزها المريض بنجاح لمقارنتها بالمعايير، مع عزل المهام التي تعذر عليه تطبيقها وتجنب استبعاد ملفه التشخيصي بالكامل من التحليلات المعيارية للعيادة.

كذلك، يُستخدم الحذف الثنائي في الدراسات النفسية التتبعية الطولية التي تتابع نمو الظواهر السلوكية عبر مراحل عمرية متعاقبة تمتد لسنوات، حيث يتعذر أحياناً حضور بعض المشاركين في جولة قياس معينة مع التزامهم التام في بقية الجولات؛ ويسمح الحذف الزوجي هنا بحساب الارتباطات عبر الفترات الزمنية المتقاطعة لكل زوج من الفترات بالاعتماد على المفحوصين الحاضرين في تلك الفترتين معاً دون حرمان الدراسة من أثرهم التراكمي الإجمالي في المسار النمائي الطولي.

11. الأدلة التجريبية والبحثية

أولى الباحثون في منهجية القياس النفسي اهتماماً بالغاً بإجراء دراسات المحاكاة بمونت كارلو (Monte Carlo Simulations) لتقييم كفاءة الحذف الثنائي ومقارنته بالبدائل المتاحة. ومن الدراسات المرجعية البارزة في هذا المجال أبحاث إندرز وباندالوس (Enders & Bandalos, 2001) التي استهدفت فحص تأثير الحذف الثنائي في سياق نمذجة المعادلات البنائية والتحليل العاملي؛ حيث أثبتت النتائج بشكل قاطع أن الحذف الثنائي يُظهر تحيزاً كبيراً في تقدير الأخطاء المعيارية ومؤشرات مطابقة النموذج حتى في ظل تحقق شرط الفقدان العشوائي تماماً (MCAR).

وفي دراسة مقارنة موسعة أجراها غراهام (Graham, 2009) حول أفضل الممارسات في التعامل مع البيانات النفسية المفقودة، تبين أن الحذف الثنائي يتفوق نسبياً على الحذف الكلي في معايير القوة الإحصائية فقط عندما تكون الارتباطات بين المتغيرات منخفضة ونسب الفقد صغيرة. ولكنه يتهاوى بسرعة عندما تكون الارتباطات بين المتغيرات قوية، حيث تؤدي التناقضات الطفيفة في العينات الفرعية للأزواج إلى تشويه مصفوفة الارتباط وتضخيم احتمالية الحصول على مصفوفات غير قابلة للحل رياضياً.

تُظهر البيانات التجريبية المتراكمة أن استخدام أسلوب التقدير بالأرجحية العظمى للبيانات الكاملة (Full Information Maximum Likelihood – FIML) أو التعويض المتعدد (Multiple Imputation – MI) يتفوق باستمرار وبفوارق ذات دلالة إحصائية على أسلوب الحذف الثنائي في دقة تقدير المعالم السيكومترية وخفض الخطأ المعياري؛ الأمر الذي جعل الأدبيات المعاصرة تصنف الحذف الثنائي ضمن الأساليب المعيبة منهجياً (Ad-hoc Methods) التي ينبغي حصر استخدامها في أضيق الحدود الاستكشافية غير الحاسمة.

12. الاعتبارات الثقافية والعبر-مناهجية

تكتسب مسألة البيانات المفقودة وبالتالي استراتيجيات الحذف أبعاداً ثقافية وسياقية هامة في بحوث علم النفس عبر الثقافي؛ حيث تختلف قابلية الأفراد للإفصاح عن البيانات وفقاً للمحددات الثقافية والاجتماعية السائدة. ففي المجتمعات المحافظة أو ذات التوجهات الجمعية، يميل الأفراد غالباً إلى الامتناع المتعمد عن الإجابة عن التساؤلات المتعلقة بالموضوعات الشائكة مثل الاضطرابات النفسية، أو الخلافات الأسرية، أو الدخل المالي، أو الميول الشخصية الحساسة، مما يجعل آلية الفقدان هنا خاضعة لنمط “الفقدان غير العشوائي” (MNAR).

إن تطبيق الحذف الثنائي في مثل هذه البيئات الثقافية يُعد خطأً منهجياً فادحاً؛ لأن الفئات التي تُسقط إجاباتها تختلف نوعياً ونفسياً عن الفئات التي تجيب بجرأة وصراحة. فإذا تم حساب ارتباط الاكتئاب بمتغير آخر عبر الحذف الثنائي، فإن العينة التي يُحسب الارتباط على أساسها تفقد تمثيل الأفراد الأكثر تحفظاً أو ربما الأكثر معاناة من الاكتئاب الشديد والذين فضلوا الصمت؛ مما يُنتج صورة مشوهة للعلاقات النفسية لا تمثل الواقع الثقافي تمثيلاً أميناً، ويفرض على الباحثين عبر الثقافات فحص المحددات المجتمعية التي تحرك سلوك التمنع عن الاستجابة قبل اعتماد أي تقنية إسقاط إحصائي.

13. الانتقادات والجدل والقيود المنهجية

تعرض الحذف الثنائي لموجات متتالية من النقد الأكاديمي الحاد في أدبيات القياس النفسي والإحصاء المتقدم؛ وتتمحور هذه الانتقادات حول مجموعة من القيود البنيوية البالغة الخطورة:

تتمثل المشكلة الأكثر إثارة للجدل في قضية عدم الاتساق الرياضي للمصفوفات. ففي الحذف الثنائي، لا يوجد فضاء عيني موحد يجمع المتغيرات؛ مما يعني أن معاملات الارتباط الفردية المحسوبة قد تتناقض رياضياً مع بعضها البعض. فعلى سبيل المثال، إذا كان المتغير (س) يرتبط ارتباطاً موجباً قوياً جداً بالمتغير (ص)، والمتغير (ص) يرتبط ارتباطاً موجباً قوياً جداً بالمتغير (ع)، فإن القواعد المنطقية الرياضية تقتضي بالضرورة أن يكون هناك ارتباط موجب معتبر بين (س) و(ع). ولكن مع الحذف الثنائي واختلاف العينات المكونة لكل ارتباط، قد يظهر الارتباط بين (س) و(ع) سالباً في المصفوفة، وهو ما يقود إلى استحالة إيجاد حلول رياضية منطقية في التحليلات اللاحقة.

علاوة على ذلك، يواجه الباحث مشكلة غامضة تتعلق بتحديد حجم العينة المناسب لاختبارات الدلالة وفترات الثقة. فإذا تراوحت أحجام العينات للأزواج المختلفة في دراسة ما بين 150 إلى 400 مشارك، فما هو حجم العينة (N) الذي ينبغي استخدامه عند حساب مؤشرات حسن المطابقة في نموذج مساري أو بنائي؟ إن أي قرار يتخذه الباحث هنا يمثل حلاً تحكمياً (Arbitrary) يفتقر إلى السند النظري المتين؛ فاختيار الرقم الأدنى يهدر القوة الإحصائية، واختيار الرقم الأقصى يمنح النموذج دلالات وهمية متفائلة لا تعكس دقة البيانات الحقيقية.

إضافة إلى ذلك، فإن الحساسية المفرطة لانتهاك افتراض الفقدان العشوائي التام (MCAR) تجعل الحذف الثنائي أسلوباً عالي المخاطر؛ حيث أثبتت الدراسات أن حدوث الفقدان وفق نمط الفقدان العشوائي المشروط (MAR) أو غير العشوائي (MNAR) – وهو النمط الغالب في العلوم النفسية – يؤدي بالضرورة إلى انحياز حاد في تقديرات معاملات الارتباط والانحدار المحسوبة عبر الحذف الثنائي، مما يجعله أدنى كفاءة بكثير من تقنيات التقدير والتعويض الحديثة المستندة إلى نظرية روبين الإحصائية.

14. المصطلحات ذات الصلة والفروق الجوهرية

لتجنب اللبس الشائع في الأدبيات الإحصائية، يجب التمييز بدقة بين الحذف الثنائي والمفاهيم الإحصائية المقاربة من خلال النقاط التالية:

  • الحذف الكلي للقوائم (Listwise / Casewise Deletion): يختلف جوهرياً عن الحذف الثنائي في أنه يستبعد المشارك بالكامل من كافة التحليلات إذا وُجدت لديه أي قيمة مفقودة في أي متغير من المتغيرات المدرجة في الدراسة؛ مما يحافظ على مصفوفة موحدة وثابتة الحجم وذات خصائص هندسية سليمة، ولكنه يتسبب في تقليص هائل وفادح في حجم العينة الإجمالي مقارنة بالحذف الثنائي.
  • التعويض بمتوسط المتغير (Mean Imputation): يتضمن استبدال القيم المفقودة بالحساب المتوسط لدرجات المشاركين الآخرين في نفس المتغير، وهو أسلوب يختلف عن الحذف الثنائي لكونه يُبقي على الحجم الكلي للعينة دون إسقاط، إلا أنه يقلص تباين المتغير بشكل مصطنع ويشوه الارتباطات أكثر مما يفعله الحذف الثنائي.
  • التعويض المتعدد (Multiple Imputation): أسلوب إحصائي متقدم يعتمد على المحاكاة الاحتمالية لتوليد عدة قيم بديلة لكل قيمة مفقودة مع أخذ عدم اليقين في الحسبان ودمج النتائج لاحقاً، وهو يتفوق بمراحل على الحذف الثنائي ويعمل بكفاءة تحت افتراض الفقدان العشوائي المشروط (MAR).
  • التقدير بالأرجحية العظمى للبيانات الكاملة (FIML): طريقة تقدير بارامترية لا تعوض القيم المفقودة ولا تحذف الأفراد، بل تحسب دالة الأرجحية لكل مشارك بالاعتماد على المتغيرات المتاحة لديه مباشرة داخل النموذج البنائي؛ مما يجعلها البديل الحديث الأمثل علمياً والمفضل لدى الجمعيات النفسية بدلاً من الحذف الثنائي.

15. الخلاصة والدروس المستفادة

يُمثّل الحذف الثنائي أسلوباً إحصائياً كلاسيكياً صُمم لمعالجة البيانات المفقودة في التحليلات الزوجية بهدف تعظيم الاستفادة من المشاهدات المتاحة وتفادي الفقد الحاد في قوة الاختبار الناتج عن الحذف الكلي للقوائم. وعلى الرغم من بساطته الحسابية وسهولة تطبيقه عبر البرمجيات الإحصائية التقليدية، إلا أن اعتماده على افتراض الفقدان العشوائي التام (MCAR) غير القابل للتحقق غالباً في الواقع النفسي، إلى جانب خطورة إنتاجه لمصفوفات مشوهة غير محددة الموجبية وعدم اتساق حجم العينة التقديري، يجعله خياراً محفوفاً بالمخاطر البنيوية والمنهجية في التحليلات السيكومترية المتقدمة.

وتأسيساً على ذلك، توصي الأدبيات والجمعيات النفسية المعاصرة بقصر استخدام الحذف الثنائي على التحليلات الاستكشافية الأولية ذات نسب الفقد المتدنية للغاية، مع تجنب استخدامه في نماذج الانحدار المتعدد والتحليل العاملي التوكيدي ونمذجة المعادلات البنائية. ويُعد الانتقال نحو الأساليب الحديثة القائمة على نمذجة الأرجحية العظمى الكاملة (FIML) والتعويض المتعدد (Multiple Imputation) الملاذ الآمن والضرورة العلمية التي تضمن الحصول على نتائج صادقة وموثوقة تعكس بدقة التركيب النفسي الحقيقي للظواهر الإنسانية المدروسة.

المراجع

  • Allison, P. D. (2001). Missing data. SAGE Publications. https://doi.org/10.4135/9781412985079
  • Enders, C. K. (2010). Applied missing data analysis. Guilford Press.
  • Enders, C. K., & Bandalos, D. L. (2001). The relative performance of full information maximum likelihood estimation for structural equation modeling with missing data. Structural Equation Modeling, 8(3), 430–457. https://doi.org/10.1207/S15328007SEM0803_5
  • Graham, J. W. (2009). Missing data analysis: Making it work in the real world. Annual Review of Psychology, 60, 549–576. https://doi.org/10.1146/annurev.psych.58.110405.085530
  • Little, R. J. A., & Rubin, D. B. (2019). Statistical analysis with missing data (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781119482581

اقتباس هذا المقال

looti, M. (2026, نوفمبر 16). الحذف الثنائي: معالجة البيانات المفقودة نفسياً. عرب سايكلوجي. https://arabpsychology.com/dictionary/pairwise-deletion-psychometrics/
looti, Mohammed. “الحذف الثنائي: معالجة البيانات المفقودة نفسياً.” عرب سايكلوجي, 16 نوفمبر 2026, https://arabpsychology.com/dictionary/pairwise-deletion-psychometrics/.
looti, Mohammed. “الحذف الثنائي: معالجة البيانات المفقودة نفسياً.” عرب سايكلوجي. نوفمبر 16, 2026. https://arabpsychology.com/dictionary/pairwise-deletion-psychometrics/.