كيفية حساب المتوسط المقتطع في جداول بيانات جوجل

يُعد التحليل الإحصائي الركيزة الأساسية التي تقوم عليها القرارات العلمية والعملية في شتى الميادين، بدءاً من الأبحاث الأكاديمية الدقيقة في العلوم السلوكية والاقتصادية، وصولاً إلى تحليلات الأعمال اليومية ومؤشرات الأداء المؤسسية. وتواجه المحللين والباحثين دائماً معضلة منهجية تتعلق بمدى موثوقية مقاييس النزعة المركزية التقليدية، وفي مقدمتها المتوسط الحسابي، عندما تتلوث البيانات بوجود قيم متطرفة أو شاذة تؤدي إلى تشويه الصورة الحقيقية للظاهرة محل الدراسة. ومن هنا نشأت الحاجة الملحة إلى أدوات ومقاييس إحصائية متينة تجمع بين كفاءة المتوسط الحسابي ومقاومة الوسيط للتشوهات.

يبرز مفهوم المتوسط المقتطع (Trimmed Mean) كحل إحصائي أنيق ومتطور يهدف إلى موازنة الدقة التمثيلية للبيانات؛ حيث يقوم بحذف نسبة محددة ومتناظرة من أعلى وأدنى المشاهدات، مما يحرر العينة من سطوة القيم الشاذة الناتجة عن أخطاء القياس أو الظروف الاستثنائية دون إهدار البنية الأساسية للبيانات. وفي ظل التحول الرقمي والاعتماد المتزايد على أدوات التحليل السحابية، أصبحت منصة جداول بيانات جوجل (Google Sheets) واحدة من أبرز البيئات التفاعلية المعتمدة لتنفيذ العمليات الإحصائية المتقدمة بسهولة وموثوقية بالغة.

يقدم هذا الدليل الشامل مرجعاً أكاديمياً وتطبيقياً متكاملاً يشرح بعمق فلسفة المتوسط المقتطع وأسسه الرياضية، وكيفية توظيفه عملياً عبر دالة TRIMMEAN في جداول بيانات جوجل. سنتناول في هذا المقال الجذور الإحصائية للمقياس، وصيغته الرياضية، والتطبيقات الميدانية المتنوعة، وخطوات التنفيذ التفصيلية داخل المنصة السحابية، إلى جانب التقنيات المتقدمة لدمج الدالة مع المصفوفات والشروط البرمجية الحديثة، فضلاً عن معايير التوثيق الأكاديمي الصارمة وفق معايير جمعية علم النفس الأمريكية (APA).

1. مقدمة نظرية وإحصائية حول مفهوم المتوسط المقتطع (Trimmed Mean)

1.1 التعريف الإحصائي للمتوسط المقتطع وموقعه بين مقاييس النزعة المركزية

يُعرف المتوسط المقتطع في علم الإحصاء الرياضي بأنه مقيار متين للنزعة المركزية (Robust Measure of Central Tendency) يُحسب عن طريق استبعاد نسبة مئوية متناظرة ومحددة مسبقاً من طرفي التوزيع الإحصائي (القيم الصغرى والقيم العظمى) بعد ترتيب البيانات تصاعدياً، ثم حساب المتوسط الحسابي التقليدي لما تبقى من مشاهدات داخل العينة. يتموضع هذا المقياس في منطقة وسطى فريدة تجمع بين الخصائص الاستدلالية الإيجابية للمتوسط الحسابي من جهة، والخصائص الوقائية للوسيط الإحصائي من جهة أخرى.

يكمن الفرق الجوهري بين المتوسط الحسابي التقليدي (Arithmetic Mean) والمتوسط المقتطع في حساسية كل منهما للتوزيع التكراري. فالمتوسط الحسابي يدمج كل نقطة بيانات في العينة بأوزان متساوية تماماً، مما يجعله عرضة للانحراف الشديد إذا احتوت المجموعة على قيمة واحدة شديدة التطرف، بينما يعمل المتوسط المقتطع على تقييد هذا التأثير السلبي عبر عزل أطراف التوزيع التي يرجح أن تحتوي على تشوهات ناجمة عن أخطاء العينات أو تقلبات القياس العشوائية.

علاوة على ذلك، يسهم المتوسط المقتطع في معالجة التوزيعات الملتوية (Skewed Distributions) التي لا تتطابق مع افتراضات التوزيع الطبيعي المعياري. فعندما تكون البيانات منحرفة جهة اليمين أو اليسار، فإن المتوسط الحسابي ينجذب بشدة نحو ذيل التوزيع الطويل، بينما يحافظ المتوسط المقتطع على موقع وسطي متزن يعبر عن مركز الثقل الحقيقي للغالبية العظمى من المشاهدات. ومن منظور الكفاءة الإحصائية (Statistical Efficiency)، يُظهر المتوسط المقتطع تبايناً أقل في العينات ذات الذيول الثقيلة (Heavy-tailed Distributions) مقارنة بالوسيط، مما يجعله خياراً مثالياً لتقدير المعالم المجتمعية دون التضحية بالدقة الرياضية.

1.2 أثر القيم المتطرفة (Outliers) على التوزيعات الإحصائية

تُعرف القيم الشاذة والمتطرفة (Outliers) بأنها تلك المشاهدات التي تنحرف انحرافاً ملحوظاً عن النمط العام لبقية البيانات في العينة، وتنشأ هذه القيم لعدة أسباب؛ منها أخطاء الإدخال البشري، أو خلل في أدوات القياس والمعايرة، أو نتيجة لحدوث استجابات سلوكية استثنائية وغير اعتيادية من بعض الأفراد، أو بسبب تباين طبيعي حقيقي يعكس ظواهر نادرة الحدوث. وبغض النظر عن منشئها، فإن وجود هذه القيم يؤدي إلى تضخيم التباين والانحراف المعياري، مما يشوه نتائج الاختبارات الإحصائية المعلمية (Parametric Tests).

عندما تتعرض البيانات لتأثير القيم المتطرفة، يفقد المتوسط الحسابي قدرته على التعبير عن “النموذج المعتاد” للمفحوصين أو الوحدات المدروسة، مما قد يقود متخذ القرار أو الباحث الأكاديمي إلى استنتاجات خاطئة تماماً. على سبيل المثال، في دراسات الدخل القومي، يمكن لوجود ملياردير واحد ضمن عينة حي سكني متوسط الدخل أن يرفع المتوسط الحسابي إلى أرقام خيالية لا تعكس الواقع المعيشي لأي من أفراد العينة الحقيقيين.

تتعدد الاستراتيجيات الإحصائية للتعامل مع هذا التحدي؛ حيث يلجأ البعض إلى “الحذف الكامل للحالات” (Data Truncation/Deletion) استناداً إلى معايير صارمة مثل مسافة كوك (Cook’s Distance) أو الدرجات المعيارية المحولة (Z-scores)، إلا أن هذا النهج قد يؤدي إلى التحيز والتشكيك في نزاهة البحث وتفريغ العينة من حجمها المؤثر. في المقابل، يوفر الاقتطاع الموزون والمنهجي عبر المتوسط المقتطع إطاراً شفافاً وموضوعياً يتم فيه استبعاد نسب ثابتة من الأطراف بصورة متماثلة ومسبقة، مما يحافظ على التماسك المنهجي ويقلل من تأثير الذاتية في تصفية البيانات.

1.3 الأسس الرياضية لنسب الاقتطاع المتناظرة

تعتمد آلية الاقتطاع المتماثل (Symmetric Trimming) على إزالة حصة متطابقة من البيانات من الطرفين الأدنى والأعلى للتوزيع المرتب. إذا كانت نسبة الاقتطاع المحددة هي $p$ (حيث تمثل $p$ النسبة المئوية الإجمالية)، فإن العملية الرياضية تستبعد نصف هذه النسبة ($p/2$) من القيم الصغرى ونصفها الآخر ($p/2$) من القيم العظمى. هذا التناظر يضمن عدم سحب مركز التوزيع قسراً باتجاه أحد الطرفين، وبالتالي الحفاظ على توازن المقياس حول المحور المركزي للعينة.

تتراوح نسب الاقتطاع الأكثر شيوعاً في الأدبيات الإحصائية بين 5% و 20%. فاقتطاع بنسبة 5% (بواقع 2.5% من كل طرف) يعد تدخلاً محافظاً يهدف فقط إلى تنقية العينة من الأخطاء الفادحة الناتجة عن الإدخال دون مساس كبير بالبنية العامة. أما اقتطاع 10% أو 20%، فيُستخدم في الدراسات التي تتسم بتباينات عشوائية عالية، مثل أوقات الاستجابة النفسية وأسعار الأصول المالية المضطربة، حيث يسهم الاقتطاع الأوسع في استقرار المقدر الإحصائي.

يرتبط هذا المفهوم بما يُعرف في الإحصاء المتين بـ نقطة الانهيار (Breakdown Point)، وهي مقياس يحدد النسبة المئوية للبيانات الملوثة أو الفاسدة التي يمكن للمقياس تحملها قبل أن ينهار ويقدم قيماً لا نهائية أو مضللة تماماً. وتبلغ نقطة الانهيار للمتوسط الحسابي التقليدي صفر ($0%$)، حيث تكفي قيمة شاذة واحدة لتدمير دقته، في حين تصل نقطة الانهيار للمتوسط المقتطع إلى النسبة المقتطعة من كل طرف ($p/2$). وعند وصول نسبة الاقتطاع الإجمالية إلى الحد الأقصى النظري 100% (أو الاقتراب من اقتطاع 50% من كل طرف)، يتحول المتوسط المقتطع رياضياً ليطابق تماماً الوسيط الإحصائي (Median)، والذي يمتلك أعلى نقطة انهيار ممكنة تبلغ 50%.

2. الصيغة الرياضية والخوارزمية الحسابية للمتوسط المقتطع

2.1 المعادلة الرياضية للاقتطاع وحساب المتوسط

لحساب المتوسط المقتطع لعينة إحصائية تتكون من $n$ من المشاهدات ${x_1, x_2, dots, x_n}$، تبدأ الخوارزمية الرياضية بالترتيب التصاعدي الإجباري للقيم لإنتاج ما يُعرف بإحصاءات الرتب (Order Statistics)، والتي يُرمز لها بالصيغة:

$$x_{(1)} le x_{(2)} le x_{(3)} le dots le x_{(n)}$$

حيث تمثل $x_{(1)}$ أدنى قيمة في العينة، بينما تمثل $x_{(n)}$ القيمة العظمى. بناءً على نسبة الاقتطاع الكلية المطلوبة $p$ (حيث $0 le p < 1$)، يتم تحديد عدد المشاهدات التي سيتم استبعادها من كل طرف، ويُرمز لها بالرمز $k$. وتُحسب القيمة النظرية لـ $k$ وفق الصيغة:

$$k = \lfloor \frac{n \times p}{2} \rfloor$$

بمجرد تحديد $k$، تُحذف المشاهدات من $x_{(1)}$ إلى $x_{(k)}$ من الطرف الأدنى، والمشاهدات من $x_{(n-k+1)}$ إلى $x_{(n)}$ من الطرف الأعلى. بعد ذلك، يتم تطبيق قانون المتوسط الحسابي على المشاهدات المتبقية وعددها $n – 2k$، وتُكتب المعادلة العامة للمتوسط المقتطع $\bar{x}_{t}$ كالتالي:

$$\bar{x}_{t} = \frac{1}{n – 2k} \sum_{i=k+1}^{n-k} x_{(i)}$$

تضمن هذه المعادلة توزيع أوزان متساوية تماماً لجميع النقاط المحصورة داخل النطاق المركزي غير المقتطع، مع تصفير أوزان النقاط الطرفية تماماً.

2.2 خوارزمية التقريب العددي في البرمجيات الإحصائية

عند التطبيق العملي للمعادلة الرياضية في البرمجيات الرقمية والجداول الإلكترونية، نادراً ما يكون ناتج ضرب حجم العينة $n$ في نسبة الاقتطاع $p$ عدداً صحيحاً زوجياً قابلاً للقسمة المتساوية بين الطرفين. على سبيل المثال، إذا كان لدينا عينة بحجم $n = 15$ وحددنا نسبة اقتطاع $p = 0.15$، فإن $n \times p = 2.25$. هنا تنشأ معضلة برمجية: كم عنصراً يجب استبعاده فعلياً؟

تعتمد معظم محركات الجداول الإلكترونية، بما فيها Google Sheets و Microsoft Excel، قاعدة التقريب للأسفل إلى أقرب عدد صحيح زوجي لضمان استبعاد عدد متساوٍ تماماً من القيم من كلا الجانبين دون الإخلال بالتماثل الرياضي. وتُحسب خوارزمية عدد النقاط المستبعدة كلياً وفق المعادلة البرمجية الداخلية:

$$\text{Total Excluded Points} = 2 \times \text{INT}\left(\frac{n \times p}{2}\right)$$

يترتب على هذه الخوارزمية أن النسبة المئوية الفعلية المقتطعة قد تختلف قليلاً عن النسبة الاسمية المدخلة في الدالة. ففي المثال السابق ($n = 15, p = 0.15$)، فإن $15 \times 0.15 / 2 = 1.125$، وبأخذ الجزء الصحيح تصبح القيمة 1، وبالتالي يتم استبعاد عنصر واحد من الأسفل وعنصر واحد من الأعلى (بمجموع 2 عنصر مستبعد)، لتصبح النسبة المقتطعة الفعلية هي $2 / 15 \approx 13.33%$ وليست 15% تماماً. ويعد فهم هذا السلوك الخوارزمي ركيزة أساسية للمحللين عند تفسير النتائج البرمجية ومقارنتها بالحسابات اليدوية المعملية.

3. أهمية واستخدامات المتوسط المقتطع في التحليلات والبحوث الميدانية

3.1 تطبيقات المتوسط المقتطع في البحوث النفسية والسلوكية

تحظى مقاييس المتوسط المقتطع بأهمية بالغة في علم النفس التجريبي والبحوث السلوكية المعرفية، لا سيما في التجارب التي تعتمد على قياس “زمن الاستجابة” (Reaction Time Tasks). ففي مثل هذه التجارب، يُطلب من المفحوصين الضغط على زر استجابة لمثير بصري أو صوتي يظهر على الشاشة لعدة مئات من المحاولات. غالباً ما تشهد هذه التجارب تلوثاً بالبيانات الشاذة؛ فإما أن يستجيب المفحوص في زمن متدنٍ للغاية وغير منطقي (أقل من 100 ميلي ثانية) نتيجة النقر الاستباقي غير المتعمد، أو أن يتأخر بشكل مبالغ فيه (عدة ثوانٍ) بسبب تشتت الانتباه اللحظي أو السهو.

إذا استخدم الباحث المتوسط الحسابي العادي، فإن محاولات السهو القليلة ستؤدي إلى سحب متوسط المفحوص إلى مستويات مرتفعة لا تعكس كفاءة معالجته العصبية والمعرفية الحقيقية. وبالمقابل، فإن استخدام المتوسط المقتطع بنسبة 10% أو 20% يتيح استبعاد تلك الشوائب بدقة وأمان، مما يعزز الثبات الداخلي للمقاييس ويسمح بالكشف عن الفروق الدقيقة بين المجموعات التجريبية والضابطة دون الحاجة إلى حذف بيانات المفحوص بالكامل من التحليل.

علاوة على ذلك، في الاستبيانات الإكلينيكية والمقاييس السيكومترية ذات التباين المرتفع، يُسهم المتوسط المقتطع في تحييد استجابات الأفراد الذين يظهرون ميلاً مفرطاً نحو “التطرف الإيجابي” أو “التطرف السلبي” في الإجابة، مما يرفع من الصدق التلازمي والتقاربي للمؤشرات الإحصائية المستخلصة من عينات العيادات النفسية.

3.2 الاستخدامات في تقييم الأداء والمؤشرات المؤسسية

تعتمد لجان التحكيم في المسابقات الدولية، مثل التزلج على الجليد والغطس الأولمبي ومسابقات الطهي العالمية، على مبدأ المتوسط المقتطع منذ عقود لضمان العدالة وتفادي التحيزات الذاتية. ففي هذه المسابقات، تُسند مهمة التقييم إلى لجنة متعددة الجنسيات أو الخلفيات، وتقتضي القواعد الرسمية حذف أعلى تقييم وأدنى تقييم حصل عليه المتسابق قبل حساب المتوسط، وذلك لتحييد شبهات المحاباة من حكام الدولة التابع لها المتسابق أو التقييمات الانتقامية من حكام الدول المنافسة.

أما على الصعيد المؤسسي، فإن إدارة الموارد البشرية تستخدم المتوسط المقتطع لتقييم أداء الموظفين في استبيانات التقييم بزاوية 360 درجة، حيث يتم استبعاد الآراء المفرطة في الثناء أو المفرطة في الانتقاد الناتجة عن خلافات شخصية عابرة أو علاقات استثنائية داخل بيئة العمل. كما يمتد تطبيقه إلى تحليل مؤشرات رضا العملاء والمستفيدين (CSAT) وقياس زمن معالجة التذاكر الفنية في مراكز الدعم والاتصال؛ إذ يساعد المتوسط المقتطع في تقديم مؤشر واقعي لسرعة الخدمة دون التأثر بالحالات المعقدة النادرة التي تطلبت أسابيع لحلها بسبب ظروف خارجة عن سيطرة فريق العمل المعتاد.

3.3 الموثوقية في التحليلات الاقتصادية والمالية والبيئية

في المؤشرات الاقتصادية الكلية، يُعد “مؤشر التضخم المقتطع” (Trimmed Mean CPI) أحد أهم الأدوات التي تعتمد عليها البنوك المركزية الكبرى، مثل بنك الاحتياطي الفيدرالي في دالاس وبنك الاحتياطي الأسترالي، لقياس التضخم الأساسي (Core Inflation). ففي فترات الأزمات الاقتصادية، قد تشهد بعض السلع الفردية—مثل المحاصيل الزراعية نتيجة موجات الجفاف أو النفط نتيجة النزاعات الجيوسياسية—قفزات سعرية مفاجئة أو هبوطاً حاداً. وباستخدام متوسط مقتطع بنسبة محددة (تصل أحياناً إلى 16% أو 8%)، يتم استبعاد مكونات مؤشر أسعار المستهلك التي شهدت تقلبات متطرفة في ذلك الشهر، مما يوفر لصناع السياسة النقدية إشارة نقية حول المسار الحقيقي للتضخم الهيكلي في الاقتصاد العام.

وفي القطاع العقاري، الذي يتسم بعدم تجانس الأصول ووجود صفقات نادرة لقصور فارهة أو مبانٍ متهالكة تباع بأسعار رمزية، يوفر المتوسط المقتطع تقديراً دقيقاً لمتوسط سعر المتر المربع في الأحياء السكنية متفوقاً على المتوسط العادي المضلل. وبالمثل، في الدراسات البيئية وعلوم المناخ، يعتمد العلماء على المتوسط المقتطع لمراقبة درجات الحرارة العالمية ومستويات هطول الأمطار ومعدلات التلوث الهوائي لتفادي الأخطاء التي تسببها محطات الرصد التي قد تتعرض لحرائق موضعية أو أعطال مجسات مفاجئة.

4. التعريف بدالة TRIMMEAN في جداول بيانات جوجل (Google Sheets)

4.1 نظرة عامة على الدالة وموقعها في مكتبة الدوال الإحصائية

توفر منصة Google Sheets دالة مدمجة ومخصصة لحساب المتوسط المقتطع تُعرف باسم TRIMMEAN. تنتمي هذه الدالة إلى الحزمة الإحصائية المعيارية المصممة لمعالجة المصفوفات والنطاقات الرقمية بكفاءة حسابية فائقة. وقد صُممت الدالة لتكون متوافقة بنسبة 100% مع نظيراتها في برمجيات الجداول الإلكترونية الرائدة الأخرى، مما يضمن نقل وتصدير ملفات التحليل وصيغها الرياضية بين المنصات دون حدوث أخطاء في الحساب أو تغيير في بنية النتائج.

تعمل دالة TRIMMEAN السحابية وفق معمارية المعالجة اللحظية من جوجل، مما يعني أنها تستجيب فورياً لأي تحديث يطرأ على البيانات المصدرية. وتكمن الميزة التنافسية لاستخدام هذه الدالة المدمجة في تغني المحلل عن كتابة دوال مركبة ومعقدة يدوياً تشمل الترتيب (SORT)، وتحديد الرتب (RANK)، والحذف المقطعي، وحساب المتوسط الجديد، حيث تختزل الدالة كل هذه العمليات المتتالية في سطر برمجي واحد وبسيط يتم تنفيذه في أجزاء من الألف من الثانية.

4.2 المتطلبات البيئية وتشغيل الدوال في Google Sheets

لكي تعمل دالة TRIMMEAN بأقصى كفاءة ودقة ممكنة داخل جداول بيانات جوجل، يتعين مراعاة طبيعة تنسيق البيانات المدخلة في ورقة العمل. تتعامل الدالة حصرياً مع القيم الرقمية (Integers, Decimals, Percentages)، وتتجاهل تلقائياً أي خلايا فارغة أو قيم نصية مدرجة ضمن النطاق الإحصائي المحدد دون أن تتسبب في توقف المعادلة، طالما أن النطاق يحتوي على عدد كافٍ من الأرقام الصالحة.

ومع ذلك، إذا كانت الأرقام مخزنة بصيغة نصوص نتيجة عمليات الاستيراد من قواعد بيانات خارجية (CSV)، فإن الدالة لن تدرجها ضمن الحساب، مما قد يقلل من حجم العينة الفعلي المحسوب في خلفية الدالة. وفيما يخص معالجة البيانات الضخمة (Big Data Sheets)، تتميز الدالة بقدرتها على معالجة عشرات الآلاف من الصفوف دون التأثير السلبي على سرعة استجابة المتصفح أو تعطيل سياق العمل التشاركي السحابي.

5. بناء وصيغة دالة TRIMMEAN: فهم الوسائط والمعايير التفصيلية

5.1 تحليل بناء جملة الدالة Syntax والوسائط الأساسية

تتسم الصيغة العامة لدالة TRIMMEAN بالبساطة والوضوح، وتتطلب وسيطين إجباريين لتنفيذ العملية الإحصائية بالشكل الصحيح:

=TRIMMEAN(data, exclude_proportion)

وفيما يلي تفصيل معمق لكلا الوسيطين:

• الوسيط الأول (data): يمثل النطاق (Range) أو المصفوفة (Array) التي تحتوي على الأرقام والبيانات المراد دراستها وحساب متوسطها المقتطع. يمكن أن يكون هذا الوسيط نطاقاً متصلاً مثل A2:A50، أو نطاقاً مجمعاً عبر مصفوفة مثل {A2:A20; C2:C20}.
• الوسيط الثاني (exclude_proportion): يمثل النسبة المئوية الإجمالية للمشاهدات التي سيتم استبعادها من طرفي التحليل معاً. يُشترط رياضياً في هذا الوسيط أن يكون رقماً يقع في المجال نصف المفتوح: $0 le \text{exclude_proportion} < 1$. ويمكن للمستخدم إدخال هذه القيمة بصيغة كسر عشري (مثل 0.2) أو بصيغة نسبة مئوية مباشرة مدعومة برمز النسبة (مثل 20%).

5.2 الآلية الداخلية لاقتطاع البيانات داخل الدالة

بمجرد تمرير الوسائط إلى الدالة، تبدأ الخوارزمية الداخلية لـ Google Sheets في تنفيذ سلسلة من العمليات الصامتة لحساب النتيجة وفق الخطوات التالية:

1. تحديد حجم العينة الرقمية الفعلي $n$ عبر حساب عدد الخلايا التي تحتوي على أرقام فقط داخل النطاق data، متجاهلة النصوص والخلايا الفارغة.
2. حساب عدد القيم التي يجب اقتطاعها من كل طرف باستخدام الدالة الرياضية للتقريب للأدنى: $\text{Excluded Per Side} = \text{INT}\left(\frac{n \times \text{exclude_proportion}}{2}\right)$.
3. ترتيب عناصر النطاق تصاعدياً، ثم إسقاط أول عناصر بعدد القيم المستبعدة من القاع وأخر عناصر بعدد القيم المستبعدة من القمة.
4. جمع القيم المتبقية وقسمتها على عددها الفعلي لإخراج المتوسط المقتطع النهائي.

لتوضيح ذلك بمثال رقمي: إذا كانت لدينا عينة تحتوي على $n = 20$ رقماً ومررنا نسبة اقتطاع 0.10 (أي 10%)، فإن الحساب الداخلي يكون: $20 \times 0.10 / 2 = 1$. وبذلك تستبعد جداول جوجل أصغر قيمة وأكبر قيمة (بمجموع قيمتين، أي 10% تماماً)، وتحسب المتوسط للـ 18 رقماً المتبقية. أما إذا كانت العينة $n = 10$ ونسبة الاقتطاع 0.10، فإن $10 \times 0.10 / 2 = 0.5$، ونظراً لأن $\text{INT}(0.5) = 0$، فإن الدالة لن تقتطع أي قيمة وستقوم بحساب المتوسط الحسابي العادي لجميع القيم العشر، وهو سلوك مقصود لحماية العينة من الاقتطاع غير المتناظر.

6. دليل خطوة بخطوة: إعداد البيانات وتطبيق دالة TRIMMEAN عملياً

6.1 تنظيم وتجهيز جدول البيانات في Google Sheets

لضمان الحصول على نتائج إحصائية موثوقة ودقيقة، تبدأ الخطوة الأولى بتنظيم وهيكلة البيانات داخل ورقة العمل بطريقة منهجية. يفضل وضع المتغير التابع في عمود واحد مستقل، وتخصيص الصف الأول للعناوين الواضحة (مثل: “رقم المفحوص”، “زمن الاستجابة بالملي ثانية”).

قبل الشروع في كتابة الصيغة، يُنصح بإجراء فحص سريع للتحقق من جودة البيانات الرقمية عبر الخطوات التالية:

• التأكد من محاذاة الأرقام جهة اليمين تلقائياً (في الواجهة العربية) أو اليسار (في الواجهة الإنجليزية)، حيث إن محاذاة الأرقام في الاتجاه المعاكس قد تدل على تخزينها كنصوص.
• استخدام أدوات الفرز والتصفية لتفقد القيم الشاذة المتطرفة بصرياً والتحقق من عدم وجود أخطاء ناتجة عن الضغط المزدوج على المفاتيح (مثل إدخال 5000 بدلاً من 50).
• تطبيق “التنسيق الشرطي” (Conditional Formatting) باستخدام مقياس الألوان لتلوين القيم الدنيا باللون الأزرق والقصوى باللون الأحمر، مما يمنح المحلل تصورا أوليا عن شكل التوزيع.

6.2 كتابة وتنفيذ الصيغة الإحصائية خطوة بخطوة

لتطبيق الدالة بنجاح داخل Google Sheets، اتبع التعليمات الدقيقة الموضحة أدناه:

1. انقر بالماوس على الخلية الفارغة التي ترغب في ظهور نتيجة المتوسط المقتطع داخلها (لتكن الخلية C2 مثلاً).
2. ابدأ بكتابة إشارة المساواة الإجبارية لبدء أي صيغة: =
3. اكتب اسم الدالة بأحرف واضحة: TRIMMEAN، وستلاحظ ظهور قائمة المساعدة التلقائية من جوجل تقترح عليك بناء الجملة الصحيح.
4. افتح القوس ( ثم حدد نطاق الأرقام المستهدفة باستخدام سحب الفأرة أو عبر كتابة المرجع يدوياً، مثل: A2:A31.
5. أدخل الفاصلة (,) أو الفاصلة المنقوطة (;) وفقاً لإعدادات اللغة والإقليم في حسابك على جداول بيانات جوجل.
6. اكتب نسبة الاقتطاع المستهدفة، مثل 0.2 لاقتطاع 20%، ثم أغلق القوس ) بحيث تصبح المعادلة الكاملة:
   
   =TRIMMEAN(A2:A31, 0.2)
7. اضغط على زر Enter في لوحة المفاتيح لتنفيذ العملية والحصول على القيمة الإحصائية فوراً.

6.3 قراءة وتفسير المخرجات الرقمية

بمجرد ظهور القيمة في الخلية المحددة، يُفضل ضبط عدد المنازل العشرية لعرض النتيجة بدقة ملائمة باستخدام زر “تقليل المنازل العشرية” أو “زيادة المنازل العشرية” من شريط الأدوات العلوي، والاعتماد غالباً على منزلتين عشريتين في التقارير الإدارية والأكاديمية.

لتفسير القيمة المستخرجة، يجب مقارنتها فوراً بقيمة المتوسط الحسابي العادي المحسوب عبر دالة =AVERAGE(A2:A31) وقيمة الوسيط عبر =MEDIAN(A2:A31). إذا كان المتوسط المقتطع أقل بكثير من المتوسط العادي، فهذا دليل إحصائي قاطع على أن البيانات كانت تعاني من وجود قيم متطرفة موجبة بالغة الارتفاع سحبت المتوسط العادي لأعلى، وأن المتوسط المقتطع قدم قراءة أكثر اتزاناً وأقرب لواقع العينة الحقيقي.

7. كيفية حساب وتحديد نسبة الاقتطاع المثلى (Exclude Proportion)

7.1 المعايير المنهجية لاختيار نسبة الاقتطاع الملائمة

يمثل تحديد نسبة الاقتطاع المثلى $p$ معضلة بحثية تتطلب الموازنة الدقيقة بين هدفين متناقضين: الهدف الأول هو حماية التحليل من التلوث بالقيم الشاذة، والهدف الثاني هو الحفاظ على أكبر قدر ممكن من حجم العينة والمعلومات الأصلية لتجنب فقدان القوة الإحصائية (Statistical Power). لا توجد نسبة سحرية واحدة تصلح لجميع الحالات، بل يجب أن يخضع الاختيار لمعايير منهجية رصينة.

يلعب حجم العينة الكلي $n$ دوراً جوهرياً؛ ففي العينات الصغيرة ($n 100$)، فإن استخدام نسب اقتطاع تصل إلى 20% يعتبر آمناً وفعالاً ولا يؤثر سلباً على كفاءة التقدير.

كما يُنصح دائماً بإجراء تحليل حساسية النتائج (Sensitivity Analysis)؛ وهو أسلوب منهجي يتم فيه حساب المتوسط المقتطع بنسب متعددة متدرجة (مثل: 5%، 10%، 15%، 20%) ومراقبة مدى استقرار القيمة. فإذا بقيت القيمة شبه ثابتة عبر النسب المختلفة، فهذا يعزز الثقة في متانة الاستنتاجات الإحصائية واستقرار التوزيع الأساسي للبيانات.

7.2 تحليل الرسم البياني والتوزيع التكراري لتحديد النسبة

قبل الاستقرار على نسبة الاقتطاع داخل دالة TRIMMEAN، يُعد الفحص البصري التوزيعي خطوة استكشافية لا غنى عنها. توفر جداول بيانات جوجل أدوات بيانية متقدمة تتيح فهم تركيبة الشذوذ في البيانات بسهولة:

• المخطط الصندوقي (Box Plot): يُظهر بوضوح خط الوسيط والنطاق الربيعي (IQR)، والنقاط المنفردة التي تقع خارج “الشوارب” (Whiskers)، والتي تمثل القيم المتطرفة رياضياً. فإذا لاحظت وجود نقطتين شاذتين في عينة من 20 عنصراً، فإن نسبة اقتطاع 10% (استبعاد عنصرين) ستكون كافية تماماً لتطهير التحليل.
• المدرج التكراري (Histogram): يساعد في تحديد درجة التواء التوزيع وسمك الذيول؛ فالتوزيعات ذات الذيول العريضة تستدعي نسب اقتطاع أعلى مقارنة بالتوزيعات ذات القمم المركزية الحادة.

يجب التنبيه إلى ضرورة تجنب “الإفراط في الاقتطاع” (Over-trimming)، حيث إن رفع النسبة إلى 40% أو أكثر يفقد المقياس ميزته كمتوسط موزون ويحوله عملياً إلى بديل رتبي مقارب للوسيط، مما يهدر البيانات الحقيقية المحصورة بين المركز والأطراف.

8. دراسة حالة تطبيقية: تحليل درجات اختبار نفسي وسلوكي باستخدام TRIMMEAN

8.1 سياق التجربة ووصف مجموعة البيانات

لتجسيد التطبيق العملي، سنفترض إجراء دراسة في علم النفس المعرفي تهدف إلى قياس سرعة المعالجة البصرية لدى عينة مكونة من 30 طالباً جامعياً تم تعريضهم لمثير بصري متكرر على شاشة الحاسوب، وتم تسجيل زمن الاستجابة بدقة الميلي ثانية (ms). تم جمع البيانات الخام في النطاق B2:B31 داخل ورقة عمل Google Sheets.

خلال سير التجربة، واجه بعض المشاركين مشتتات لحظية، في حين قام مشارك آخر بالضغط قبل ظهور المثير نتيجة التوتر. أظهرت البيانات الأولية قيماً دنيا غير منطقية مثل 95ms، وقيماً قصوى متباعدة مثل 1850ms و 2100ms، في حين تركزت غالبية استجابات الأفراد الطبيعية بين 350ms و 550ms. ومن الواضح أن هذه المشاهدات الاستثنائية ستجعل المتوسط الحسابي العادي مؤشراً مضللاً تماماً لسرعة الإدراك الطبيعية.

8.2 التطبيق الحسابي لدالة TRIMMEAN على بيانات التجربة

قرر فريق البحث استبعاد 20% من البيانات لتنقية النتائج من أخطاء القياس وتشتت المفحوصين، حيث تقتضي هذه النسبة استبعاد 10% من أسرع الاستجابات و 10% من أبطأ الاستجابات. بالنظر إلى حجم العينة ($n = 30$)، فإن الحساب الرياضي الداخلي يقتضي:

$$\text{Points Excluded per side} = \text{INT}\left(\frac{30 \times 0.20}{2}\right) = \text{INT}(3.0) = 3$$

وبذلك، ستقوم الدالة تلقائياً بحذف أصغر 3 قيم وأكبر 3 قيم من العينة، وحساب المتوسط للـ 24 قيمة المتبقية. تمت كتابة الصيغة التالية في الخلية E2:

=TRIMMEAN(B2:B31, 0.2)

لأغراض المقارنة المعملية، تم حساب المقاييس الأخرى في نفس الورقة:

• المتوسط الحسابي الخام: =AVERAGE(B2:B31) وأعطى نتيجة 582.40 ms
• الوسيط الإحصائي: =MEDIAN(B2:B31) وأعطى نتيجة 445.00 ms
• المتوسط المقتطع بنسبة 20%: =TRIMMEAN(B2:B31, 0.2) وأعطى نتيجة 458.75 ms

8.3 الاستنتاج البحثي والتحليل النفسي للنتائج

كشفت المخرجات الإحصائية بوضوح الفارق المنهجي الهائل بين المقاييس؛ حيث تسببت ثلاث استجابات شاردة فقط في رفع المتوسط الحسابي العام بمقدار زاد عن 123 ملي ثانية مقارنة بالمتوسط المقتطع، وهو ما كان سيعطي انطباعاً زائفاً بأن سرعة الاستجابة المعرفية للعينة بطيئة جداً ومضطربة.

من جهة أخرى، نجد أن المتوسط المقتطع (458.75 ms) تفوق على الوسيط (445.00 ms) في كونه احتفظ بجميع التباينات الطبيعية الدقيقة لاستجابات المفحوصين الـ 24 المستقرين دون أن يختزل العينة في نقطة المنتصف الترتيبية فقط. وقد أتاح هذا المقياس المتين للباحثين صياغة تقرير سيكولوجي دقيق يثبت كفاءة الأداء العصبي للطلاب، مع توثيق منهجي يوضح أن الاقتطاع بنسبة 20% نجح في التخلص من أثر التشتت العارض ومحاولات الاستجابة الاستباقية دون الإخلال بصدق التجربة.

9. مقارنة إحصائية: المتوسط الحسابي، الوسيط، والمتوسط المقتطع في Google Sheets

9.1 التحليل المقارن لمقاييس النزعة المركزية الثلاثة

لفهم التمايز الوظيفي والرياضي بين مقاييس النزعة المركزية، يستعرض الجدول والتحليل التالي الفروق الجوهرية بين المتوسط الحسابي والوسيط والمتوسط المقتطع عبر معايير المتانة، والكفاءة، وسلوك التوزيع:

• المتوسط الحسابي (AVERAGE): يتميز بأعلى كفاءة إحصائية عندما تكون البيانات موزعة توزيعاً طبيعياً مثالياً، ولكنه يمتلك نقطة انهيار صفرية ($0%$)، مما يجعله ضعيفاً للغاية أمام القيم الشاذة وسريع التأثر بالتواء التوزيعات.
• الوسيط (MEDIAN): يتميز بأعلى درجة متانة ومقاومة ممكنة بنقطة انهيار تبلغ $50%$، ولا يتأثر إطلاقاً بالقيم المتطرفة مهما عظمت، ولكنه يعاني من انخفاض كفاءته الإحصائية في التوزيعات الطبيعية؛ لأنه يهدر كل المعلومات الكمية ويكتفي بالترتيب الموضعي فقط.
• المتوسط المقتطع (TRIMMEAN): يمثل الحل التوفيقي الأمثل؛ حيث يمتلك نقطة انهيار مرنة يحددها الباحث ($p/2$)، ويحافظ على كفاءة استدلالية عالية جداً تقارب المتوسط الحسابي، مع تميزه بمقاومة فائقة للتشوهات الناتجة عن الذيول الطويلة في التوزيعات الملتوية.

9.2 جدول موازنة تطبيقي داخل Google Sheets

يمكن للمحلل بناء جدول مقارنة ديناميكي ومباشر داخل ورقة العمل الخاصة به لمراقبة سلوك المقاييس الثلاثة لنفس عمود البيانات عبر تجهيز الصيغ التالية في خلايا متجاورة:

• المتوسط العام: =AVERAGE(A2:A100)
• الوسيط: =MEDIAN(A2:A100)
• متوسط مقتطع بنسبة 10%: =TRIMMEAN(A2:A100, 0.10)
• متوسط مقتطع بنسبة 20%: =TRIMMEAN(A2:A100, 0.20)

يُعد قياس “الفجوة النسبية” بين المتوسط العام والمتوسط المقتطع مؤشراً تشخيصياً بالغ الأهمية؛ فإذا تجاوزت الفجوة بينهما نسبة $5%$ أو $10%$، فإن ذلك يُعد إنذاراً مبكراً للمحلل بضرورة التخلي عن استخدام المتوسط الحسابي التقليدي في النمذجة أو التقارير الرسمية والاعتماد على المتوسط المقتطع أو الوسيط لضمان النزاهة الإحصائية.

10. الأخطاء الشائعة واستكشاف الأخطاء وإصلاحها (Troubleshooting) مع TRIMMEAN

10.1 أخطاء الصيغ ومدخلات الوسائط في Google Sheets

عند استخدام دالة TRIMMEAN، قد تظهر بعض رسائل الخطأ الشائعة في جداول بيانات جوجل نتيجة عدم الالتزام بالقواعد الرياضية والبرمجية للوسائط. وفيما يلي تفصيل لأبرز هذه الأخطاء وكيفية معالجتها:

• خطأ #NUM!: يحدث هذا الخطأ الحسابي عندما تكون نسبة الاقتطاع المدخلة في الوسيط الثاني خارج النطاق المسموح به رياضياً؛ أي إذا كانت القيمة سالبة ($\text{exclude_proportion} < 0$) أو مساوية أو أكبر من واحد صحيح ($\text{exclude_proportion} ge 1$). الحل هو التأكد دائماً من إدخال قيمة كسرية مثل 0.15 أو نسبة مئوية صحيحة مثل 15%.
• خطأ #VALUE!: يظهر هذا الخطأ عند تمرير نصوص أو رموز غير قابلة للتحويل إلى أرقام داخل وسيط النسبة (مثل كتابة =TRIMMEAN(A1:A10, "عشرة بالمئة")). يجب تصحيح المدخل إلى رقم عشري صريح.
• خطأ #DIV/0!: ينتج هذا الخطأ عندما يكون نطاق البيانات فارغاً تماماً، أو يحتوي فقط على نصوص وخلايا غير رقمية، مما يؤدي إلى محاولة الدالة للقسمة على صفر. كما يمكن أن يحدث إذا تم استبعاد جميع نقاط البيانات نظرياً في بعض الحالات الخاصة.
• عدم حدوث اقتطاع للقيم: قد يلاحظ المستخدم أن ناتج TRIMMEAN مطابق تماماً لناتج AVERAGE على الرغم من تحديد نسبة اقتطاع. يعود السبب في ذلك إلى صغر حجم العينة بالنسبة المختارة؛ حيث تؤدي معادلة التقريب للأدنى $\text{INT}(n \times p / 2)$ إلى الناتج صفر. الحل في هذه الحالة هو زيادة حجم العينة أو رفع نسبة الاقتطاع بما يتناسب مع حجم البيانات المتاحة.

10.2 المشكلات المتعلقة بجودة وهيكلة البيانات

تتعلق العديد من المشكلات الشائعة بجودة البيانات المخزنة وليس بالدالة ذاتها. من أبرز هذه التحديات وجود أرقام منسقة كنصوص نتيجة الاستيراد التلقائي. لمعالجة هذه المعضلة، يمكن استخدام دالة VALUE أو ضرب النطاق بالرقم 1 لتحويل النصوص إلى أرقام فعلية قابلة للتحليل.

كذلك تسبب الفراغات الخفية غير المرئية أو الرموز الخاصة الملتصقة بالأرقام إرباكاً لمحرك الحسابات؛ لذا يُستحسن استخدام دالتي TRIM و CLEAN لتنقية البيانات النصية الملوثة قبل إدخالها في النطاق المستهدف. أما بخصوص القيم الصفرية والقيم السالبة، فإن دالة TRIMMEAN تتعامل معها كأرقام حقيقية وصحيحة رياضياً ضمن خط الأعداد؛ فإذا كانت الأصفار تمثل غياباً للبيانات (Missing Values) وليست قيمة قياس فعلية، فيجب تصفيتها واستبعادها أولاً لتجنب سحب النطاق المقتطع نحو الصفر خطأً.

11. تقنيات متقدمة: دمج TRIMMEAN مع الدوال الشرطية والمصفوفات في Google Sheets

11.1 حساب المتوسط المقتطع المشروط باستخدام FILTER و TRIMMEAN

في كثير من السيناريوهات الميدانية، يحتاج الباحث إلى حساب المتوسط المقتطع لبيانات تنتمي إلى فئة أو مجموعة محددة دون غيرها، مثل مقارنة “المجموعة التجريبية” بـ “المجموعة الضابطة”، أو حساب المتوسط لفرع محدد للشركة. ونظراً لعدم وجود دالة مباشرة باسم TRIMMEANIFS، يتم تحقيق ذلك ببراعة عبر دمج دالة TRIMMEAN مع دالة FILTER السحابية.

تُكتب الصيغة المتقدمة لحساب المتوسط المقتطع بنسبة 10% لدرجات “المجموعة أ” فقط كالتالي:

=TRIMMEAN(FILTER(A2:A100, B2:B100 = "المجموعة أ"), 0.10)

كما يمكن تعزيز هذه المعادلة لتشمل شروطاً متعددة ومتزامنة؛ فعلى سبيل المثال، إذا أردنا حساب المتوسط المقتطع للأشخاص الذين تزيد أعمارهم عن 25 عاماً وينتمون إلى “المجموعة أ”، تصبح الصيغة:

=TRIMMEAN(FILTER(A2:A100, B2:B100 = "المجموعة أ", C2:C100 > 25), 0.10)

تضمن هذه التركيبة قيام دالة FILTER أولاً بإنشاء مصفوفة فرعية مؤقتة تحتوي فقط على القيم المطابقة للشروط، ثم تقوم TRIMMEAN باقتطاع وحساب المتوسط لهذه المصفوفة المستخلصة بدقة متناهية.

11.2 الأتمتة والديناميكية باستخدام مراجع الخلايا والدوال المركبة

لبناء لوحات تحكم إحصائية تفاعلية (Interactive Statistical Dashboards) واحترافية داخل Google Sheets، يفضل تجنب كتابة الأرقام الثابتة (Hardcoding) لنسبة الاقتطاع داخل الصيغ، والاستعاضة عن ذلك بربطها بخلية تحكم منفصلة (مثل الخلية D1) تحتوي على قائمة منسدلة بالنسب المتاحة (5%, 10%, 20%). وبذلك تصبح المعادلة ديناميكية:

=TRIMMEAN(A2:A100, D1)

ولحماية لوحة التحكم من الانهيار وإظهار رسائل خطأ مشوهة عند تصفية البيانات أو غياب استجابات إحدى المجموعات، يتم دمج الصيغة مع دالة IFERROR لتوفير رسالة بديلة أنيقة:

=IFERROR(TRIMMEAN(FILTER(A2:A100, B2:B100 = D2), D1), "بيانات غير كافية")

كما يمكن دمج دالة INDIRECT للإشارة الديناميكية إلى أسماء أوراق عمل أو نطاقات تتغير تلقائياً بناءً على اختيارات المستخدم من القوائم التفاعلية داخل جداول بيانات جوجل.

11.3 تطبيق الحسابات التكرارية والمصفوفات عبر الصفوف والأعمدة

مع إطلاق محرك دوال LAMBDA والدوال المساعدة للمصفوفات في Google Sheets، بات بإمكان المحللين تطبيق دالة TRIMMEAN عبر مصفوفات واسعة ومئات الأعمدة والصفوف دون الحاجة إلى نسخ وسحب الصيغة يدوياً في كل خلية على حدة.

لحساب المتوسط المقتطع بنسبة 20% لكل عمود من الأعمدة المتعددة من A إلى F دفعة واحدة في سطر واحد، تُستخدم دالة BYCOL المقترنة بـ LAMBDA وفق الصيغة المتطورة التالية:

=BYCOL(A2:F100, LAMBDA(col, TRIMMEAN(col, 0.20)))

أما إذا كانت البيانات منظمة بحيث يحتوي كل صف على درجات مستجيب مستقل عبر عدة بنود اختبارية من العمود B إلى K، ونرغب في حساب المتوسط المقتطع لكل صف على حدة، تُستخدم دالة BYROW كالتالي:

=BYROW(B2:K50, LAMBDA(row, TRIMMEAN(row, 0.20)))

تسهم هذه الدوال المصفوفية المتقدمة في تسريع أداء الملفات السحابية بشكل كبير، وتمنع أخطاء تفاوت الصيغ بين الخلايا، وتجعل نموذج التحليل قابلاً للتوسع التلقائي بمجرد تدفق صفوف أو أعمدة جديدة إلى جداول البيانات.

12. أفضل الممارسات المنهجية لتوثيق وتقرير المتوسط المقتطع في الأبحاث والتقارير

12.1 معايير التوثيق الأكاديمي وفق دليل APA والجمعيات العلمية

يفرض دليل النشر العلمي الصادر عن جمعية علم النفس الأمريكية (APA 7th Edition) معايير دقيقة وشفافة عند استخدام مقاييس النزعة المركزية غير التقليدية مثل المتوسط المقتطع في الأوراق البحثية والرسائل الجامعية. لا يجوز للباحث الاكتفاء بذكر القيمة كرقم مجرد دون الإفصاح الكامل عن المسوغات الإحصائية والمنهجية للاقتطاع.

عند توثيق النتائج في متن البحث، يتعين اتباع القواعد التالية:

• تحديد النسبة المئوية للاقتطاع بوضوح في قسم المنهجية والإجراءات (Methodology Section) وذكر مبررات اختيارها (مثل: وجود التواء شديد أو الرغبة في التخلص من أوقات الاستجابة الشاذة).
• الإبلاغ عن العدد الفعلي للحالات والمشاهدات التي تم استبعادها من كلا الطرفين بناءً على خوارزمية الحساب.
• الصيغة المعتمدة لتدوين المقياس في متن النص باللغة الإنجليزية هي استخدام الحرف اللاتيني $M$ متبوعاً بحاشية سفلية أو توضيح نسبي، مثل: $M_{\text{trim 20%}} = 458.75$ أو كتابتها صراحة في التقارير العربية: (المتوسط المقتطع 20% = 458.75، الانحراف المعياري للعينات المقتطعة = 45.20).
• تشجيع مبادئ “العلم المفتوح” (Open Science) عبر إتاحة جداول بيانات جوجل الأصلية وقوالب الدوال البرمجية في ملاحق البحث لدعم قابلية تكرار التجربة والتحقق من النتائج (Reproducibility).

12.2 تصميم الجداول والرسوم البيانية لتوضيح الاقتطاع

لتقديم تقارير احترافية تعزز الفهم لدى القراء وصناع القرار، يُنصح بتصميم جداول إحصائية متوازية تضع المقاييس الخام جنباً إلى جنب مع المقاييس المقتطعة، مع إبراز حجم الفروق ومستويات الدلالة الإحصائية.

فيما يلي نموذج مقترح لهيكلة الجدول المقارن في التقارير الرسمية:

• العمود الأول: المتغير أو المجموعة المستهدفة.
• العمود الثاني: حجم العينة الإجمالي ($N$).
• العمود الثالث: المتوسط الحسابي الخام ($M$) والانحراف المعياري ($SD$).
• العمود الرابع: نسبة الاقتطاع المعتمدة ($p$) وعدد الحالات المستبعدة ($2k$).
• العمود الخامس: المتوسط المقتطع النهائي ($M_{trim}$).
• العمود السادس: الوسيط الإحصائي للمقارنة المرجعية ($Mdn$).

بالإضافة إلى ذلك، يُفضل تدعيم التقارير برسوم بيانية توضيحية داخل Google Sheets؛ مثل إدراج خطوط أفقية متقطعة على المدرجات التكرارية توضح للمتلقي بدقة النقاط الحدية التي تم عندها اقتطاع البيانات واستبعاد الذيول، مما يضفي مصداقية وشفافية فائقة على العمليات التحليلية.

خاتمة

يمثل المتوسط المقتطع (Trimmed Mean) أداة إحصائية متطورة وضرورية لكل باحث ومحلل يسعى إلى تحقيق أعلى درجات الدقة والنزاهة في استخلاص النتائج وتفسير الظواهر. فمن خلال قدرته الفريدة على تحييد مخاطر القيم الشاذة والمتطرفة دون إهدار القيمة المعلوماتية للبيانات كما يفعل الوسيط، يوفر هذا المقياس المتين أساساً آمناً لاتخاذ القرارات في المجالات السلوكية، والاقتصادية، والإدارية، والبيئية.

وقد أثبتت منصة جداول بيانات جوجل (Google Sheets) عبر دالتها القوية TRIMMEAN أنها توفر بيئة سحابية متكاملة وسلسة لتطبيق هذه الحسابات المعقدة بسهولة متناهية. وسواء تم استخدام الدالة بصورتها البسيطة المباشرة أو عبر دمجها المتقدم مع دوال التصفية FILTER والمصفوفات التكرارية LAMBDA، فإن إتقان هذه التقنيات يمثل نقلة نوعية في كفاءة التحليل الإحصائي الرقمي، ويعزز من جودة وموثوقية التقارير والدراسات الأكاديمية والمؤسسية.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Google Support. (n.d.). TRIMMEAN function – Google Docs Editors Help. Google. https://support.google.com/docs/answer/3093282
• Huber, P. J., & Ronchetti, E. M. (2009). Robust statistics (2nd ed.). John Wiley & Sons. https://doi.org/10.1002/9780470434697
• Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust statistics: Theory and methods (with R) (2nd ed.). John Wiley & Sons. https://doi.org/10.1002/9781119214656
• Ratcliff, R. (1993). Methods for dealing with reaction time outliers. Psychological Bulletin, 114(3), 510–532. https://doi.org/10.1037/0033-2909.114.3.510
• Wilcox, R. R. (2012). Introduction to robust estimation and hypothesis testing (3rd ed.). Academic Press. https://doi.org/10.1016/C2010-0-67044-5