البحث العلمي والقياس النفسي, التحليل الإحصائي, برنامج إكسل

كيفية حساب المتوسط المشذب في إكسل

/ / 50 دقائق للقراءة

تُعد معالجة البيانات الإحصائية وتلخيصها من الركائز الأساسية التي يعتمد عليها الباحثون وصناع القرار في مختلف الحقول العلمية والتطبيقية، بدءاً من العلوم السلوكية والاقتصادية وصولاً إلى الهندسة وتحليل الأعمال. وفي قلب هذا المسعى الإحصائي، يبرز البحث الدائم عن مقاييس نزعة مركزية تتسم بالدقة والقدرة على التعبير الصادق عن جوهر التوزيع، بعيداً عن التشويه الذي تفرضه القياسات الملوثة أو الملاحظات المتطرفة الشاذة. ورغم أن المتوسط الحسابي التقليدي يظل المقياس الأكثر شيوعاً واستخداماً تاريخياً بفضل بساطته الجبرية وسهولة التعامل معه رياضياً، إلا أنه يعاني من نقطة ضعف جوهرية تتمثل في حساسيته المفرطة لأي قيمة متطرفة، حيث تكفي قيمة واحدة شاذة لسحب المتوسط بعيداً عن مركز الثقل الحقيقي للبيانات.

لمواجهة هذا القصور الهيكلي في الإحصاء المعلمي الكلاسيكي، طوّر علماء الإحصاء فرعاً متقدماً يُعرف باسم الإحصاء المتين (Robust Statistics)، وهو فرع يهدف إلى ابتكار مقاييس ومؤشرات تحافظ على كفاءتها ودقتها حتى في ظل غياب التوزيع الطبيعي التام أو وجود تشويش تجريبي. وفي هذا السياق، يبرز المتوسط المشذب (Trimmed Mean) كأحد أنجع الحلول التوفيقية وأكثرها توازناً؛ إذ يجمع بين ميزة المتوسط الحسابي في استيعاب أكبر قدر من المعلومات المتضمنة في العينة، وميزة الوسيط الإحصائي في مقاومة الانحياز الناجم عن القيم المتطرفة والشاذة.

يقدم برنامج مايكروسوفت إكسل (Microsoft Excel) بيئة حسابية مرنة وفعالة لتطبيق هذه المنهجية المتقدمة عبر دالته المدمجة TRIMMEAN. يهدف هذا الدليل الشامل والموسع إلى تقديم تفكيك نظري وتطبيقي دقيق لكيفية حساب المتوسط المشذب في إكسل، مستعرضاً الأسس الرياضية والخوارزميات الداخلية المتبعة في البرنامج، ومقدماً إرشادات خطوة بخطوة، ودراسات حالة واقعية، ومقارنات معيارية مع المقاييس الأخرى، بالإضافة إلى تقنيات متقدمة تدمج بين الدوال الحديثة والبرمجة النصية عبر VBA وLAMBDA لتوسيع قدرات التحليل الإحصائي بما يتماشى مع أرقى المعايير الأكاديمية والمهنية الدولية.

جدول المحتويات

1. المفاهيم التأسيسية للمتوسط المشذب (Trimmed Mean) وأهميته الإحصائية

1.1 تعريف المتوسط المشذب وموقعه ضمن مقاييس النزعة المركزية

يُعرف المتوسط المشذب (Trimmed Mean)، ويُطلق عليه في بعض الأدبيات الإحصائية “المتوسط المقتطع”، بأنه مقيار كمي للنزعة المركزية يُحسب عن طريق استبعاد نسبة مئوية محددة سلفاً من القيم القصوى والدنيا لمجموعة بيانات بعد ترتيبها تصاعدياً، ثم احتساب المتوسط الحسابي البسيط للقيم المتبقية. يمثل هذا الإجراء الحسابي جوهر الفلسفة الاستكشافية للبيانات التي رسخها العالم جون توكي (John Tukey)، والتي تنص على أن البيانات الواقعية نادراً ما تتبع التوزيع الطبيعي المثالي، وغالباً ما تتضمن شوائب ناجمة عن أخطاء القياس أو الظواهر العشوائية غير النمطية.

يتمركز المتوسط المشذب في موقع وسيط دقيق بين مقياسين متناقضين: المتوسط الحسابي التقليدي (Mean) من جهة، والوسيط (Median) من جهة أخرى. في حين يعتمد المتوسط الحسابي على دمج 100% من قيم العينة بالتساوي دون تمييز، مما يجعله فريسة سهلة للقيم المتباعدة، يعتمد الوسيط على نقطة المنتصف الترتيبية متجاهلاً 99% من البنية الرقمية للبيانات ومكتفياً فقط بموقع القيمة الوسطى. يعمل المتوسط المشذب كجسر رياضي متين يتيح للمحلل التحكم في نسبة الاستبعاد (Trimming Percentage)، حيث إن تشذيب 0% يعيدنا إلى المتوسط الحسابي العادي، بينما يؤول التشذيب بنسبة تقترب من 50% من كل طرف إلى الوسيط الإحصائي.

من منظور الإحصاء المتين، يتميز المتوسط المشذب بما يُعرف بـ “نقطة الانهيار” (Breakdown Point) العالية. وتُعرّف نقطة الانهيار بأنها النسبة المئوية للملاحظات الملوثة أو الفاسدة التي يمكن أن تتحملها العينة قبل أن يعطي المقياس تقديراً مضللاً أو لا نهائياً. بينما تبلغ نقطة انهيار المتوسط التقليدي صفراً (إذ تكفي ملاحظة واحدة خاطئة لإفساده)، فإن نقطة انهيار المتوسط المشذب تساوي تماماً نسبة التشذيب المختارة، مما يمنحه حصانة رياضية فائقة في الدراسات الحساسة.

1.2 معالجة مشكلة القيم الشاذة (Outliers) وأثرها على التوزيع

تشكل القيم الشاذة (Outliers) أحد أكبر التحديات في النمذجة الإحصائية وتحليل البيانات التجريبية. وتنشأ هذه القيم نتيجة لعوامل متعددة، منها أخطاء إدخال البيانات، أو عطل في أجهزة الرصد، أو استجابات غير منضبطة من المفحوصين، أو وجود فئات فرعية شاذة داخل المجتمع المدروس. يؤدي وجود هذه القيم في التوزيعات إلى تشويه فوري لعزم التوزيع الأول والثاني؛ إذ تسحب المتوسط بقوة نحو ذيل التوزيع الممتد، وتضخم قيمة الانحراف المعياري والتباين بشكل مفرط، مما يولد انطباعاً خادعاً بوجود تشتت هائل في الظاهرة المدروسة.

تعمل عملية التشذيب المنهجي على تحييد الذيلين المتطرفين للتوزيع التكراري، مما يعيد مركز الثقل الحسابي إلى المنطقة التي تتجمع فيها الكتلة العظمى للملاحظات الموثوقة. ومن الناحية النظرية، يؤدي استبعاد الأطراف الملوثة إلى تقليل ما يُعرف بـ “الخطأ المعياري المقدر” وتحسين دقة التقديرات الإحصائية، خاصة عندما تنتمي البيانات إلى عائلات التوزيعات ذات الذيول الثقيلة (Heavy-tailed Distributions) مثل توزيع كوشي أو توزيع t لستيودنت بدرجات حرية منخفضة.

تساعد هذه الآلية في استعادة الخصائص المرغوبة للاستدلال الإحصائي؛ فعند تقليل تأثير التباين المصطنع الناتج عن القيم الشاذة، تزداد القوة الإحصائية للاختبارات اللاحقة وتصبح فترات الثقة أكثر إحكاماً وتعبيراً عن الواقع. إن التشذيب هنا لا يعني التخلص التعسفي من البيانات أو إخفاء التباين الطبيعي، بل هو إجراء منهجي موضوعي يطبق قاعدة رياضية موحدة ومسبقة على كلا الطرفين بالتساوي دون انتقائية شخصية.

1.3 الاستخدامات الأكاديمية والبحثية للمتوسط المشذب

يحظى المتوسط المشذب بقبول واسع واعتماد قياسي في العديد من الحقول الأكاديمية الصارمة. في علم النفس التجريبي والعلوم العصبية الإدراكية، يُعد مقياس “زمن الاستجابة” (Reaction Time) من أبرز الأمثلة التي يُطبق فيها التشذيب؛ حيث يميل المفحوصون أحياناً إلى الاستجابة السريعة الخاطئة قبل ظهور المثير (مما يولد قيماً دنيا غير واقعية) أو يتشتت انتباههم لبرهة (مما يولد قيماً قصوى مفرطة). في مثل هذه التجارب، يوصي علماء القياس النفسي (Psychometrics) بحساب المتوسط المشذب بنسبة 10% أو 20% لعزل فترات التشتت وتوصيف زمن الاستجابة الفعلي بدقة متناهية.

في العلوم الاقتصادية والمالية، يُستخدم المتوسط المشذب على نطاق واسع في حساب مؤشرات التضخم الأساسي (Trimmed-Mean CPI) من قبل البنوك المركزية الكبرى، مثل بنك الاحتياطي الفيدرالي في دالاس وبنك كليفلاند. يتم استبعاد مكونات سلة السلع والخدمات التي شهدت تقلبات سعرية حادة ومؤقتة (مثل صدمات أسعار الطاقة أو المنتجات الزراعية الموسمية)، بهدف استخلاص المسار الحقيقي للتضخم الهيكلي ومساعدة واضعي السياسات النقدية على اتخاذ قرارات أسعار الفائدة بناءً على إشارات اقتصادية واضحة ومستقرة.

كذلك، يمتد استخدام هذا المقياس إلى تقييم المنافسات الرياضية الدولية الخاضعة للتحكيم البشري، مثل رياضات الغطس والجمباز والتزلج الفني؛ حيث تنص اللوائح الأولمبية على حذف أعلى تقييم وأدنى تقييم يمنحه الحكام لكل متسابق واحتساب متوسط الدرجات المتبقية. يهدف هذا الإجراء المؤسسي إلى استبعاد أي تحيز شخصي أو خطأ تقديري من الحكام المتطرفين في التقييم، مما يضمن تحقيق العدالة الرياضية وموثوقية النتائج النهائية.

2. الأسس الرياضية والنظرية لاحتساب المتوسط المشذب

2.1 المعادلة الرياضية العامة لحساب المتوسط المقتطع

لتأصيل الحساب الرياضي للمتوسط المشذب، نفترض وجود عينة عشوائية تتكون من $n$ من المشاهدات المستقلة والمرتبة تصاعدياً من الأصغر إلى الأكبر، بحيث تكون الصيغة الترتيبية للعينة هي:

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

إذا حددنا نسبة التشذيب الإجمالية المراد استبعادها بالحرف $p$ (حيث $0 le p < 1$)، فإن عملية التشذيب المتماثل تقتضي حذف نصف هذه النسبة، أي $p/2$، من أدنى العينة، والنصف الآخر $p/2$ من أعلاها. وبناءً على ذلك، يتم حساب عدد المشاهدات التي يجب استبعادها من كل طرف، وليكن الرمز $k$ يمثل هذا العدد:

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

حيث ترمز الأقواس الملتفة إلى دالة الجزء الصحيح أو التقريب المعتمد. بعد اقتطاع $k$ من القيم الصغرى و$k$ من القيم الكبرى، يتبقى لدينا عدد من المشاهدات الفعلية مقداره $n – 2k$. ويتم حساب المتوسط المشذب $\bar{X}_{trim}$ من خلال المعادلة التكاملية التالية:

$$\bar{X}_{trim} = \frac{1}{n – 2k} \sum_{i=k+1}^{n-k} X_{(i)}$$

توضح هذه المعادلة بجلاء أن المتوسط المشذب هو متوسط حسابي معياري مطبق على العينة المصغرة والمحمية، حيث يتم وزن كل قيمة متبقية بالوزن النسبي $1/(n-2k)$، بينما تُمنح المشاهدات المحذوفة وزناً صفرياً، مما يلغي أثرها الرياضي تماماً على الناتج النهائي.

2.2 التشذيب المتماثل مقابل التشذيب غير المتماثل

ينقسم التشذيب من حيث اتجاهه إلى نوعين رئيسيين: التشذيب المتماثل (Symmetric Trimming) والتشذيب غير المتماثل (Asymmetric Trimming). يعتمد التشذيب المتماثل، وهو المعيار الافتراضي الصارم المطبق في دالة TRIMMEAN داخل إكسل، على حذف نسب متطابقة تماماً من كلا الطرفين الأدنى والأعلى للتوزيع. يُفترض في هذا النوع أن العينة تخضع في أصلها لتوزيع متماثل حول المركز، وأن التلوث بالقيم الشاذة قد يحدث بالاحتمالية ذاتها في الاتجاهين الموجب والسالب.

ومع ذلك، تواجه النظم الإحصائية في الواقع العملي توزيعات شديدة الالتواء (Skewed Distributions)، مثل توزيعات الدخل والثروات، أو أوقات انتظار العملاء في مراكز الخدمة، أو مبيعات المنتجات النادرة. في التوزيعات الملتوية نحو اليمين (التواء إيجابي)، يتركز الجزء الأعظم من القيم الشاذة الحقيقية في الذيل الأيمن الطويل، بينما يكون الذيل الأيسر محدوداً وقريباً من الصفر.

في مثل هذه الحالات، قد يؤدي تطبيق التشذيب المتماثل إلى حذف بيانات أصلية سليمة من الطرف الأدنى فقط لمعادلة حذف القيم الشاذة في الطرف الأعلى، مما قد يُحدث تحيزاً غير مرغوب فيه في تقدير المركز. هنا تبرز الحاجة المنهجية للتشذيب غير المتماثل، حيث يتم تحديد نسبة اقتطاع مستقلة للحد الأدنى $p_1$ تختلف عن نسبة الحد الأعلى $p_2$. ورغم أن إكسل لا يدعم التشذيب غير المتماثل مباشرة عبر دالة بسيطة ومدمجة، إلا أنه يمكن تنفيذه ببراعة عبر تقنيات برمجية مخصصة ومصفوفات متقدمة كما سنفصل لاحقاً في هذا المقال.

2.3 تحديد نسبة الاقتطاع المثلى (5%، 10%، 20%)

يُمثل اختيار نسبة التشذيب المناسبة معضلة إحصائية كلاسيكية تتضمن مفاضلة مستمرة بين خاصيتي “المتانة” (Robustness) و”الكفاءة الإحصائية” (Statistical Efficiency). تُشير الكفاءة إلى قدرة التقدير على تقليل التباين إلى أدنى حد ممكن عندما تكون البيانات نقية وموزعة توزيعاً طبيعياً تماماً، بينما تُشير المتانة إلى استقرار التقدير عند تلوث البيانات بالقيم الشاذة.

  • نسبة تشذيب 5% (مقتطع 2.5% من كل طرف): تُعد هذه النسبة خياراً حذراً ومحافظاً، وتُستخدم عادة في مجموعات البيانات الكبيرة التي يُعتقد أنها جيدة الضبط إجمالاً، ولكن يُخشى فيها من وجود أخطاء عشوائية معزولة ناتجة عن التحويل الرقمي. تحتفظ هذه النسبة بأكثر من 95% من كفاءة المتوسط الحسابي العادي تحت التوزيع الطبيعي.
  • نسبة تشذيب 10% (مقتطع 5% من كل طرف): هي النسبة القياسية والأكثر شيوعاً في الأدبيات الإحصائية والأبحاث التطبيقية. توفر توازناً استثنائياً بين التخلص من التشويش الخارجي والحفاظ على بنية العينة، وتُعتبر النسبة الافتراضية الموصى بها في تحليلات التضخم والمسوح الاقتصادية الدورية.
  • نسبة تشذيب 20% (مقتطع 10% من كل طرف): تُصنف كإجراء إحصائي متين للغاية. يُوصى بها بشدة من قبل علماء القياس المتقدمين في حال التعامل مع عينات صغيرة أو متوسطة يُعرف عنها تاريخياً احتواؤها على قيم شاذة متكررة وتوزيعات ذات ذيول سميكة، حيث تقترب كفاءتها من الوسيط ولكن مع تباين عيني أقل.

يوضح الجدول النظري التالي مقارنة بين نسب التشذيب الشائعة وتأثيرها الإحصائي المتبادل على الأداء التحليلي:

نسبة التشذيب الكلية النسبة المقتطعة من كل طرف مستوى الكفاءة تحت التوزيع الطبيعي مستوى مقاومة القيم الشاذة مجال الاستخدام النموذجي
0% (متوسط عادي) 0% 100% (الحد الأقصى) منعدمة (0% نقطة انهيار) بيانات تجريبية نقية ومعايرة مخبرياً
5% 2.5% ~98% منخفضة إلى متوسطة قواعد البيانات المالية الضخمة
10% 5% ~95% متوسطة إلى عالية الأبحاث الاجتماعية والاقتصادية العامة
20% 10% ~88% عالية جداً ومستقرة القياسات السلوكية وأزمنة الاستجابة
~100% (الوسيط) 50% ~64% الحد الأقصى (50% نقطة انهيار) التوزيعات الملتوية جداً والبيانات الترتيبية

3. التعرف على دالة TRIMMEAN في برنامج إكسل وصيغتها البرمجية

3.1 الصيغة التركيبية والمعاملات الخاصة بدالة TRIMMEAN

صممت شركة مايكروسوفت دالة مخصصة داخل حزمة دوالها الإحصائية لحساب المتوسط المقتطع تُدعى دالة TRIMMEAN. تتبع الدالة صيغة تركيبية واضحة ومباشرة تتطلب وسيطين إجباريين للعمل:

=TRIMMEAN(array, percent)

تتضمن هذه الصيغة المدخلات التالية:

  • المعامل الأول (Array): يمثل مصفوفة البيانات الرقمية أو نطاق الخلايا المتصل أو المنفصل الذي يحتوي على المشاهدات المراد حساب متوسطها المشذب (مثل A2:A100). يجب أن يتضمن هذا النطاق قيماً رقمية صريحة قابلة للتقييم.
  • المعامل الثاني (Percent): يمثل النسبة المئوية العشرية الكلية للمشاهدات التي يرغب المحلل في استبعادها من نطاق العينة. وتُقبل هذه القيمة إما ككسر عشري يقع في الفترة المفتوحة بين 0 و1 (مثل 0.1 لتمثيل 10%، أو 0.2 لتمثيل 20%) أو كنسبة مئوية صريحة ملحوقة بعلامة المئة (مثل 10%).

تفرض الدالة قيوداً صارمة على معامل النسبة؛ فإذا كانت قيمة percent < 0 أو percent >= 1، فإن إكسل سيرفض تنفيذ الصيغة فوراً وسيعيد رسالة الخطأ الرياضي الشهيرة #NUM!.

3.2 كيف تترجم إكسل معامل النسبة المئوية رياضياً

تتبع خوارزمية إكسل الداخلية خطوات تنفيذية صارمة ودقيقة بمجرد إدخال الدالة، وتتلخص تلك الآلية في التسلسل البرمجي التالي:

  1. حصر حجم العينة الفعلي ($n$): يقوم إكسل بحساب عدد القيم الرقمية الصالحة داخل النطاق المحدد، متجاهلاً تلقائياً الخلايا النصية أو الفارغة أو القيم المنطقية.
  2. احتساب العدد النظري للنقاط المقتطعة: يتم ضرب حجم العينة الفعلي $n$ في النسبة المئوية المدخلة percent لتحديد العدد الإجمالي المقترح للاستبعاد.
  3. تطبيق قاعدة التقريب الزوجي للأدنى: تقوم الدالة بتطبيق خوارزمية تقريب صارمة تؤدي دائماً إلى تقريب الناتج لأسفل لأقرب مضاعف للعدد 2 (أقرب عدد زوجي أصغر)، وذلك لضمان توزيع الحذف بالتساوي المطلق بين الحد الأدنى والأقصى.
  4. التشذيب واحتساب المتوسط: تُفرز البيانات داخلياً، ويُحذف نصف العدد الزوجي المقرب من قاع التوزيع والنصف الآخر من قمته، ثم يُحسب المتوسط الحسابي العادي لما تبقى من مشاهدات.

يمكن التعبير عن هذه الخوارزمية رياضياً بالمعادلة التي توضح كيفية تحديد عدد النقاط المستبعدة فعلياً ($K_{total}$):

$$K_{total} = 2 \times \lfloor \frac{n \times \text{percent}}{2} \rfloor$$

حيث ينتج عن ذلك حذف $K_{total} / 2$ من القيم الصغرى، وحذف $K_{total} / 2$ من القيم العظمى للعينة.

3.3 التوافق والتحديثات عبر إصدارات مايكروسوفت إكسل المختلفة

تتمتع دالة TRIMMEAN بتاريخ عريق من الاستقرار والتوافق البرمجي العالي عبر منظومة مايكروسوفت أوفيس؛ إذ إنها مدعومة ومتاحة منذ الإصدارات الكلاسيكية المبكرة مثل Excel 2000 وExcel 2003 وصولاً إلى أحدث الإصدارات المكتبية مثل Excel 2019 وExcel 2021، بالإضافة إلى اشتراكات السحابة الحية Microsoft 365.

تتوافق الدالة بالكامل مع تطبيق Excel Online المتاح عبر المتصفح، وكذلك تطبيقات الأجهزة الذكية والأجهزة اللوحية العاملة بنظامي Android وiOS. من حيث الأداء الحسابي وسرعة المعالجة، تتميز الدالة بخفة وزنها البرمجي وقدرتها على التعامل بكفاءة فائقة مع مصفوفات البيانات الضخمة التي تحتوي على مئات الآلاف من الصفوف دون التسبب في بطء المصنف، ما لم يتم دمجها في صيغ صفائف مفرطة التعقيد تفتقر للتحسين الحسابي.

4. قواعد التقريب الإحصائي في إكسل وآلية التعامل مع الأعداد الفردية

4.1 خوارزمية التقريب للأدنى (Floor Rounding) في دالة TRIMMEAN

من أهم النقاط التقنية التي يغفل عنها الكثير من مستخدمي برنامج إكسل هي كيفية معالجة البرنامج لنتائج الضرب الكسرية أو الفردية عند تحديد عدد القيم المستبعدة. يعتمد إكسل قاعدة تقريب داخلية حازمة تُعرف بـ “التقريب للأدنى إلى أقرب مضاعف للعدد 2” (Round down to the nearest multiple of 2).

السبب الهندسي والرياضي وراء هذه القاعدة هو الالتزام الصارم بمبدأ “التشذيب المتماثل الكامل”. بما أن الدالة مصممة لحذف المشاهدات من طرفين (الأدنى والأعلى)، فلا يمكن للبرنامج حذف عدد فردي إجمالي من المشاهدات (مثل 3 أو 5 ملاحظات)؛ لأن ذلك سيعني حتماً حذف عدد غير متساوٍ من الطرفين (مثلاً قيمتين من الأسفل وقيمة واحدة من الأعلى)، مما يكسر تماثل التوزيع ويحدث تحيزاً غير مبرر.

يترتب على هذه القاعدة أن النسبة المئوية الفعلية المستبعدة من البيانات قد تكون في كثير من الأحيان أقل قليلاً من النسبة المئوية النظرية التي أدخلها المستخدم في وسيط الدالة، ولا يمكن بأي حال من الأحوال أن تكون النسبة الفعلية أكبر من النسبة المدخلة.

4.2 أمثلة تفصيلية على احتساب نقاط الاستبعاد

لفهم الآلية الرياضية المتبعة، نستعرض الحالات التطبيقية التحليلية التالية:

  • الحالة الأولى (عينة من 20 عنصراً مع نسبة تشذيب 10%):

    حساب العدد النظري: $20 \times 0.10 = 2$.

    بما أن العدد 2 هو بالفعل عدد صحيح وزوجي، يقوم إكسل بحذف نقطتين بالتمام والكمال: القيمة الصغرى رقم 1 ($X_{(1)}$) والقيمة العظمى رقم 20 ($X_{(20)}$). النسبة المقتطعة الفعلية هنا تطابق تماماً النسبة النظرية: $2 / 20 = 10%$.

  • الحالة الثانية (عينة من 30 عنصراً مع نسبة تشذيب 15%):

    حساب العدد النظري: $30 \times 0.15 = 4.5$.

    يقوم إكسل بالتقريب لأسفل إلى أقرب عدد زوجي أصغر، وهو العدد 4 (وليس 5 لأن 5 فردي، ولن يقرب للأعلى إلى 6).

    وبالتالي، يتم حذف 4 قيم فقط: أصغر قيمتين ($X_{(1)}, X_{(2)}$) وأكبر قيمتين ($X_{(29)}, X_{(30)}$).

    النسبة المقتطعة الفعلية هنا تصبح: $4 / 30 = 13.33%$، وهي أقل قليلاً من نسبة 15% المحددة في الصيغة.

  • الحالة الثالثة (عينة صغيرة من 12 عنصراً مع نسبة تشذيب 10%):

    حساب العدد النظري: $12 \times 0.10 = 1.2$.

    أقرب عدد زوجي أصغر من 1.2 هو الصفر (0).

    في هذه الحالة، لن يقوم إكسل باستبعاد أي قيمة على الإطلاق، وسيعيد دالة TRIMMEAN نفس ناتج دالة المتوسط العادي AVERAGE تماماً. النسبة الفعلية للتشذيب في هذه الحالة هي 0%.

4.3 التحقق الرياضي اليدوي من حسابات إكسل الداخلية

للتأكد والتدقيق في صحة العمليات الحسابية وضمان عدم وجود لبس إحصائي في نتائجك البحثية، يمكنك محاكاة عمل الدالة يدوياً عبر ورقة العمل باتباع الخطوات التالية:

  1. قم بنسخ عمود البيانات الأصلية إلى عمود جديد ثم نفّذ عملية “فرز من الأصغر إلى الأكبر” (Sort Smallest to Largest).
  2. احسب عدد الملاحظات الكلي باستخدام الصيغة: =COUNT(A2:A31) (بافتراض وجود 30 قيمة).
  3. احسب عدد القيم الواجب استبعادها من كل طرف باستخدام الدالة الرياضية الصريحة:

    =INT((COUNT(A2:A31)*0.15)/2)

    سينتج عن ذلك الرقم 2 (أي سيتم استبعاد قيمتين من الأعلى وقيمتين من الأسفل).
  4. استخدم دالة المتوسط الحسابي على النطاق المقصوص يدوياً: إذا كانت البيانات مرتبة في الخلايا من C2 إلى C31، فاستبعد أول خليتين (C2 وC3) وآخر خليتين (C30 وC31)، واكتب المعادلة:

    =AVERAGE(C4:C29)
  5. قارن الناتج اليدوي بناتج الصيغة التلقائية: =TRIMMEAN(A2:A31, 0.15)؛ ستجد تطابقاً كاملاً للأرقام حتى آخر خانة عشرية.

5. دليل خطوة بخطوة: حساب المتوسط المشذب في إكسل

5.1 إعداد وهيكلة جدول البيانات داخل ورقة العمل

تبدأ أي معالجة إحصائية ناجحة من الإعداد المنظم لنطاق البيانات الخام داخل ورقة العمل. ولضمان عدم وقوع أخطاء في الحساب، احرص على اتباع القواعد الإرشادية التالية:

  • رتّب بيانات المتغير المراد دراسته في عمود مفرد متصل (مثلاً العمود A)، مع تخصيص الخلية الأولى (الرأسية A1) لعنوان المتغير بوضوح (مثل: “زمن الاستجابة بالمللي ثانية”).
  • تأكد من أن جميع الخلايا في نطاق البيانات قد تم تنسيقها كأرقام (Number) وليست مخزنة كنصوص. يمكنك التحقق من ذلك عن طريق التأكد من محاذاة الأرقام لليمين أو باستخدام دالة ISNUMBER.
  • تجنب وجود أية صفوف فارغة مقحمة بين المشاهدات الرقمية، لأن ذلك قد يؤدي إلى ارتباك بصري عند تحديد النطاقات، رغم أن إكسل يتجاهل الفراغات حسابياً.
  • قم بإنشاء جدول جانبي مخصص لمخرجات التحليل الإحصائي، يشتمل على خلايا مخصصة لحجم العينة، ونسبة التشذيب المرغوبة، والنتيجة النهائية للمتوسط المشذب.

5.2 كتابة وتطبيق صيغة TRIMMEAN بشكل صحيح

لتطبيق الدالة باحترافية، يُفضل دائماً جعل مدخلات المعادلة ديناميكية ومرتبطة بخلايا إدخال مستقلة لتسهيل التعديل دون الحاجة لتعديل نص المعادلة كل مرة:

  1. حدد الخلية المستهدفة لإظهار النتيجة (ولتكن الخلية D2).
  2. اكتب علامة المساواة = لبدء كتابة الصيغة.
  3. اكتب اسم الدالة TRIMMEAN( متبوعاً بقوس الفتح.
  4. حدد نطاق مصفوفة البيانات باستخدام المراجع المطلقة لمنع انزلاق النطاق عند النسخ، مثل: $A$2:$A$101.
  5. أدخل الفاصلة (أو الفاصلة المنقوطة ; بحسب الإعدادات الإقليمية لنظام التشغيل لديك).
  6. أدخل نسبة التشذيب، ويفضل الإشارة إلى خلية وسيطة تحتوي على النسبة (مثل الخلية C2 التي كُتب فيها 0.10)، فتصبح الصيغة النهائية:

    =TRIMMEAN($A$2:$A$101, C2)
  7. اضغط على مفتاح Enter لحساب النتيجة فوراً.

5.3 التحقق من صحة النتائج المخرجة وتفسيرها

بمجرد ظهور القيمة في الخلية المستهدفة، يجب على المحلل إخضاع الرقم لفحص منطقي وإحصائي سريع للتحقق من سلامة المخرجات:

أولاً، يجب أن تقع قيمة المتوسط المشذب داخل المجال المحصور بين القيمة الدنيا والقيمة القصوى للعينة غير المشذبة، وأن تكون قريبة من نطاق تمركز الكثافة الاحتمالية للتوزيع. ثانياً، قم بإجراء مقارنة سريعة بين المتوسط المشذب والمتوسط الحسابي العادي؛ فإذا كان المتوسط المشذب أقل من المتوسط الحسابي، فهذا مؤشر قطعي على وجود قيم شاذة مرتفعة جداً في الطرف العلوي كانت تسحب المتوسط العادي لأعلى بشكل مضلل، والعكس صحيح في حال وجود قيم متطرفة متدنية.

وثّق دائماً بجانب الخلية الناتجة النسبة المئوية المحددة وعدد المشاهدات المستبعدة بدقة؛ لتكون المخرجات جاهزة للإدراج في التقارير الإدارية أو أوراق العمل الأكاديمية دون غموض.

6. دراسة حالة عملية: تحليل درجات مقياس نفسي واستبعاد القيم الشاذة

6.1 سياق البيانات: قياس مستويات القلق لدى عينة من المفحوصين

في دراسة سيكومترية تطبيقية تهدف إلى قياس مستوى القلق لدى عينة مؤلفة من 50 طالباً جامعياً خلال فترة الامتحانات النهائية، تم استخدام مقياس نفسي معياري تتراوح درجاته النظرية من 0 (انعدام القلق) إلى 100 (أقصى درجات القلق المرضي). بعد تفريغ النتائج، لوحظ أن الغالبية الساحقة من درجات الطلاب تركزت في النطاق الطبيعي المتوقع بين 40 و60 درجة.

ومع ذلك، تضمنت البيانات حالتين حصلتا على درجات منخفضة بصورة شاذة (الدرجات: 2 و5) ناتجة عن تسليم ورقة الإجابة فارغة دون قراءة الأسئلة، وثلاث حالات حصلت على درجات مرتفعة للغاية (98، 99، 100) ناتجة عن استجابات عشوائية نمطية لجميع البنود بالحد الأقصى. أدى وجود هذه الحالات الشاذة إلى رفع المتوسط الحسابي البسيط للعينة إلى 56.4 درجة مع انحراف معياري متضخم مقداره 18.2، مما رسم صورة مبالغاً فيها عن مستويات القلق العامة لدى المجتمع الطلابي.

6.2 تطبيق نسب تشذيب متعددة (5%، 10%، 20%) والمقارنة بينها

لمعالجة هذا التشويه الميداني واستخلاص تقدير صادق لمستوى القلق، تم تطبيق دالة TRIMMEAN عبر سيناريوهات تشذيب متعددة لمراقبة حساسية المؤشر، وفقاً للصيغ التالية المدونة في إكسل (بافتراض أن البيانات في النطاق B2:B51):

  • السيناريو الأول: تشذيب بنسبة 5%

    الصيغة: =TRIMMEAN(B2:B51, 0.05)

    حساب النقاط: $50 \times 0.05 = 2.5$، تُقرب لأسفل إلى 2 (حذف أقل قيمة وهي 2، وأعلى قيمة وهي 100).

    النتيجة الناتجة: 55.1 درجة.

  • السيناريو الثاني: تشذيب بنسبة 10%

    الصيغة: =TRIMMEAN(B2:B51, 0.10)

    حساب النقاط: $50 \times 0.10 = 5.0$، تُقرب لأسفل إلى 4 (حذف أصغر قيمتين: 2 و5، وحذف أكبر قيمتين: 99 و100).

    النتيجة الناتجة: 51.8 درجة.

  • السيناريو الثالث: تشذيب بنسبة 20%

    الصيغة: =TRIMMEAN(B2:B51, 0.20)

    حساب النقاط: $50 \times 0.20 = 10.0$ (حذف أصغر 5 قيم وأكبر 5 قيم من العينة).

    النتيجة الناتجة: 50.2 درجة.

6.3 قراءة النتائج واستخلاص الدلالات الإحصائية

أظهرت النتائج بوضوح التدرج المنطقي للمؤشرات؛ فعند تطبيق نسبة تشذيب 10%، انخفض المتوسط من 56.4 إلى 51.8 درجة، وهو انخفاض دال يعكس التخلص الناجح من ضغط القيم المتطرفة غير التمثيلية في طرفي المقياس. وعند مقارنة متوسط الـ 20% المشذب (50.2) بالوسيط الحسابي للعينة (49.5)، نلاحظ تقارباً كبيراً ومطمئناً يشير إلى أن كتلة البيانات الجوهرية تتمتع بتوزيع متماثل ومستقر للغاية حول الدرجة 50.

بناءً على هذه المعطيات، اعتمد الباحث متوسط الـ 10% المشذب في التقرير السيكومتري النهائي، مبرراً ذلك في قسم المنهجية بأنه استبعد بدقة الحالات التي ثبت عدم التزامها بتعليمات الاختبار، مما وفر تقديراً نقياً يعبر عن الوضع الحقيقي للقلق دون الحاجة لحذف أفراد من العينة بطريقة استنسابية أو غير موثقة.

7. مقارنة متقدمة في إكسل: TRIMMEAN مقابل AVERAGE و MEDIAN

7.1 المقارنة الرياضية والمفاهيمية بين الدوال الثلاث

تُمثل الدوال الإحصائية الثلاث: AVERAGE وMEDIAN وTRIMMEAN، ثلاثة مناهج فلسفية متباينة في التعامل مع كتلة المعلومات وتوزيع البيانات داخل بيئة إكسل:

  • دالة AVERAGE: تُطبق مبدأ الشمولية الكاملة؛ حيث تعطي وزناً متكافئاً لكل رقم في النطاق. ميزتها القصوى هي استغلال كامل طاقة البيانات في التوزيعات الطبيعية النقية، لكن عيبها القاتل هو هشاشتها التامة أمام القيم الشاذة، حيث تنجرف النتيجة بقوة نحو الذيل الأثقل.
  • دالة MEDIAN: تُطبق مبدأ الحصانة الترتيبية القصوى؛ حيث تركز حصراً على القيمة التي تقسم العينة إلى نصفين متساويين، متجاهلة تماماً المقادير الجبرية لبقية الأرقام. ميزتها هي عدم التأثر بأي قيمة متطرفة مهما بلغت، لكن عيبها هو إهدار كم هائل من المعلومات الدقيقة المتضمنة في التباين الحقيقي للبيانات المركزية.
  • دالة TRIMMEAN: تُحقق التوازن الرياضي الأمثل (Trade-off)؛ حيث تحذف نسباً متحكم بها من الأطراف المريبة وتطبق المتوسط الحسابي الكامل على الكتلة المركزية المتبقية. تمنح المحلل مرونة فائقة لمعايرة مستوى المتانة بما يتناسب مع درجة نقاء البيانات.

7.2 إنشاء جدول مقارنة ديناميكي في إكسل

لتحليل سلوك هذه الدوال بصرياً داخل إكسل، يمكنك بناء جدول ديناميكي يراقب التغير اللحظي في القيم عند إدخال قيم شاذة جديدة. افترض أن بياناتك مدخلة في النطاق A2:A50، قم ببناء الجدول التحليلي التالي في الخلايا المجاورة:

المقياس الإحصائي الصيغة المستخدمة في إكسل الوظيفة والخصائص الحساسية للقيم الشاذة
المتوسط البسيط =AVERAGE(A2:A50) حساب المركز الحسابي الكلاسيكي لكافة الملاحظات شديد الحساسية (غير متين)
المتوسط المشذب (10%) =TRIMMEAN(A2:A50, 0.10) استبعاد أعلى وأدنى 5% من القيم وحساب متوسط الباقي متين ومتزن إحصائياً
المتوسط المشذب (20%) =TRIMMEAN(A2:A50, 0.20) استبعاد أعلى وأدنى 10% من القيم لتحقيق حصانة أكبر عالي المتانة ومقاوم للضوضاء
الوسيط الإحصائي =MEDIAN(A2:A50) تحديد النقطة الوسطى الترتيبية لمجموعة البيانات منعدمة الحساسية (متانة مطلقة)
الانحراف المعياري للعينة =STDEV.S(A2:A50) قياس مدى تشتت وتباعد البيانات حول المتوسط شديد الحساسية للشواذ

يمكنك تطبيق “التنسيق الشرطي” (Conditional Formatting) على هذا الجدول لإبراز الفجوة الرقمية (Divergence) بين AVERAGE وTRIMMEAN بتدرج لوني يعكس شدة تلوث العينة بالقيم الشاذة.

7.3 متى يُفضل استخدام كل دالة في البحث والتحليل؟

يوفر المعيار المنهجي التالي دليلاً استرشادياً قاطعاً لاختيار الدالة المناسبة حسب طبيعة البيانات وظروف التحليل:

  • استخدم دالة AVERAGE: عندما تكون متأكداً من أن البيانات تتبع توزيعاً طبيعياً تماماً خضع لمراقبة جودة صارمة، وتكون العينة خالية تماماً من أخطاء القياس أو القيم الشاذة، كما في المعايرات الكيميائية والفيزيائية الدقيقة داخل المختبرات المعيارية.
  • استخدم دالة MEDIAN: عندما تتعامل مع بيانات ترتيبية (Ordinal Data)، أو متغيرات اقتصادية معروفة بالتواءاتها الشديدة بطبيعتها الهيكلية (مثل صافي ثروات الأفراد أو أسعار العقارات السكنية)، أو عندما تكون نسبة التلوث بالقيم الشاذة غير معروفة وتتجاوز 30% من العينة.
  • استخدم دالة TRIMMEAN: عندما تتعامل مع عينات بيانات تجريبية واقعية تتضمن نسبة تشويش أو شواذ تتراوح بين 2% و20%، وعند الرغبة في الحفاظ على الحساسية الإحصائية للتغيرات الدقيقة في كتلة البيانات المركزية دون التأثر بتطرف الأطراف (مثل أزمنة الاستجابة، درجات الاختبارات التعليمية الموحدة، ومعدلات الأداء المؤسسي).

8. الأخطاء الشائعة واستكشاف المشكلات وإصلاحها في TRIMMEAN

8.1 خطأ #NUM! وأسبابه وكيفية معالجته

يُعد ظهور رمز الخطأ #NUM! هو المشكلة التقنية الأكثر شيوعاً عند كتابة دالة TRIMMEAN. ينشأ هذا الخطأ الرياضي نتيجة انتهاك أحد الشروط المنطقية المحددة لمعامل النسبة المئوية percent، ويحدث تحديداً في الحالات التالية:

  • إذا كانت قيمة النسبة المدخلة أصغر من الصفر (رقم سالب)، مثل: =TRIMMEAN(A2:A50, -0.1).
  • إذا كانت قيمة النسبة المدخلة تساوي 1 (أي 100%) أو أكبر من 1، مثل: =TRIMMEAN(A2:A50, 1.05). من غير المنطقي رياضياً طلب استبعاد 100% من البيانات؛ لأن ذلك يؤدي إلى مصفوفة فارغة وقسمة على الصفر.
  • الخلط بين كتابة النسبة كرقم صحيح وكتابتها ككسر عشري؛ كأن يكتب المستخدم الرقم 10 معتقداً أنه يشير إلى 10%، بينما يفسرها إكسل كرقم مطلق يساوي 1000%، مما يولد الخطأ فوراً.

طريقة المعالجة: تأكد دائماً من أن قيمة وسيط النسبة محصورة في المجال الصحيح: $0 le \text{percent} < 1$. يمكنك وضع أداة “التحقق من صحة البيانات” (Data Validation) على الخلية التي يغذي منها المستخدم نسبة التشذيب، وقصر الإدخال على أرقام عشرية تقع حصراً بين 0.00 و0.50.

8.2 خطأ #VALUE! ومشكلات تنسيق البيانات

يحدث الخطأ #VALUE! عندما يتعذر على محرك إكسل تفسير أحد المدخلات كقيمة عددية. وتتمثل أبرز أسباب هذا الخطأ فيما يلي:

  • احتواء معامل النسبة percent على نصوص أو مسافات خفية أو فواصل غير متوافقة مع الإعداد الإقليمي للجهاز (مثل كتابة نقطة عشرية بدلاً من الفاصلة العشرية المعتمدة في النظام).
  • تخزين الأرقام داخل مصفوفة البيانات بصيغة نصية (Text) ناتجة عن استيراد خاطئ من قواعد بيانات خارجية أو ملفات CSV.

طريقة المعالجة: لمعالجة الأرقام المخزنة كنصوص جماعياً، يمكنك تحديد العمود واختيار “تحويل إلى رقم” (Convert to Number) من علامة الخطأ الذكية، أو استخدام ميزة “النص إلى أعمدة” (Text to Columns) ثم الضغط على إنهاء لتحويل العمود فوراً إلى نسق رقمي قياسي.

8.3 التعامل مع الخلايا الفارغة والنصوص داخل المصفوفة

تتعامل دالة TRIMMEAN بمرونة مع الخلايا الفارغة والنصوص المتخللة لمصفوفة البيانات؛ حيث تتجاهل تلقائياً أي خلية تحتوي على نص أو قيمة منطقية (TRUE/FALSE) أو خلية فارغة تماماً، ولا تحتسبها ضمن حجم العينة الإجمالي $n$.

ومع ذلك، يجب الانتباه إلى خطأ شائع يقع فيه المحللون، وهو وجود مسافات بيضاء غير مرئية (Space Character) تبدو وكأنها خلية فارغة لكن إكسل يعتبرها نصاً، أو وجود أصفار مدخلة تمثل بيانات مفقودة. إذا كانت القيمة 0 تمثل قراءة حقيقية للمتغير، فسيتم احتسابها، أما إذا كانت تمثل غياباً للملاحظة، فإن وجودها سيشوه الحساب ويعدل من ترتيب القيم المستبعدة.

لضمان التحكم التام في حجم العينة الفعلي قبل التشذيب، يمكنك استخدام دالة العد الصريح للتحقق من عدد العناصر الرقمية النشطة:

=COUNT(A2:A100)

قارن هذا العدد بإجمالي صفوف الجدول للتأكد من خلو النطاق من أي تشويش مفقود غير مقصود.

9. التقنيات المتقدمة: دمج TRIMMEAN مع الدوال الشرطية والمصفوفية

9.1 حساب المتوسط المشذب الشرطي باستخدام TRIMMEAN و FILTER

في بيئات العمل المتقدمة باستخدام Microsoft 365 أو Excel 2021، أحدثت منظومة المصفوفات الديناميكية (Dynamic Arrays) ثورة في مرونة بناء المعادلات. أصبح بإمكاننا الآن حساب متوسط مشذب يستوفي شروطاً ومعايير معقدة دون الحاجة لفرز البيانات أو تجزئتها يدوياً، وذلك عبر دمج TRIMMEAN مع دالة FILTER الرائعة.

إذا كان لدينا جدول بيانات يحتوي على درجات الطلاب في العمود B2:B100 وأسماء الفصول أو المجموعات التجريبية في العمود A2:A100، ونرغب في حساب المتوسط المشذب بنسبة 10% لطلاب “المجموعة أ” فقط، نكتب الصيغة المباشرة التالية:

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

تقوم دالة FILTER أولاً بإنشاء مصفوفة فرعية متدفقة في الذاكرة تتضمن فقط درجات طلاب المجموعة المستهدفة، ثم تستلم دالة TRIMMEAN هذه المصفوفة المستخلصة وتقوم بحساب حجمها وتشذيب أطرافها واستخراج المتوسط بدقة برمجية متناهية دون أي تدخل يدوي.

يمكن أيضاً توسيع الشروط لتشمل معايير متعددة باستخدام المعامل المنطقي للضرب * (الذي يمثل الدالة AND):

=TRIMMEAN(FILTER(B2:B100, (A2:A100=”المجموعة أ”) * (C2:C100 >= 18)), 0.10)

9.2 استخدام TRIMMEAN مع دالة IF وصيغ الصفائف التقليدية (CSE)

بالنسبة لمستخدمي الإصدارات الكلاسيكية الأقدم من إكسل (مثل Excel 2016 أو Excel 2013) التي لا تدعم دالة FILTER، يمكن تحقيق نفس النتيجة الشرطية المتقدمة عبر استخدام صيغ الصفائف التقليدية التي تدمج TRIMMEAN مع دالة IF الشرطية.

تُكتب الصيغة كما يلي:

=TRIMMEAN(IF(A2:A100=”المجموعة أ”, B2:B100), 0.10)

تنبيه تقني حاسم: في الإصدارات القديمة، لا تضغط على مفتاح Enter العادي، بل يجب تثبيت الصيغة بالضغط معاً على مفاتيح Ctrl + Shift + Enter (المعروفة بصيغ CSE). سيقوم إكسل تلقائياً بإحاطة الصيغة بأقواس معقوفة { } لتأكيد تنفيذها كمصفوفة.

تقوم دالة IF هنا بإرجاع قيمة الدرجة إذا تحقق الشرط، وإرجاع القيمة المنطقية FALSE إذا لم يتحقق الشرط. وبما أن دالة TRIMMEAN تتجاهل القيم المنطقية تلقائياً كما ذكرنا، فإنها ستجري التشذيب فقط على القيم الرقمية التي حققت الشرط بنجاح كامل.

9.3 إنشاء شريط تمرير (Scroll Bar) لتغيير نسبة التشذيب تفاعلياً

لإضفاء طابع احترافي وتفاعلي على لوحات المؤشرات الإحصائية (Dashboards) في إكسل، يمكنك ربط دالة TRIMMEAN بأداة تحكم تفاعلية تمكن متخذ القرار من تغيير نسبة التشذيب بمرونة ومراقبة التغير اللحظي في المتوسط:

  1. قم بتفعيل تبويب “المطور” (Developer) من خيارات إكسل إذا لم يكن ظاهراً.
  2. من مجموعة “عناصر التحكم” (Controls)، اضغط على “إدراج” (Insert) واختر “شريط تمرير” (Scroll Bar Form Control).
  3. ارسم شريط التمرير على ورقة العمل في موضع ملائم بجوار الجداول.
  4. انقر بالزر الأيمن على شريط التمرير واختر “تنسيق عنصر التحكم” (Format Control).
  5. اضبط الإعدادات التالية:
    • الحد الأدنى للقيمة (Minimum value): 0
    • الحد الأقصى للقيمة (Maximum value): 40 (لتمثيل نسبة تصل حتى 40%)
    • التغيير المتزايد (Incremental change): 2 (للتغيير بخطوات 2%)
    • ارتباط الخلية (Cell link): اربطه بخلية وسيطة، ولتكن الخلية E1.
  6. في الخلية المجاورة E2، اكتب الصيغة لتحويل الرقم الصحيح إلى نسبة مئوية عشرية: =E1/100.
  7. في خلية النتيجة النهائية، اربط الدالة بنسبة الخلية E2:

    =TRIMMEAN(A2:A100, E2)

الآن، بمجرد سحب شريط التمرير يميناً ويساراً، ستتغير نسبة التشذيب لحظياً من 0% إلى 40%، وستتحدث قيمة المتوسط والمخططات البيانية المرتبطة به في الزمن الفعلي بصورة مبهرة وعالية الاحترافية.

10. التمثيل البياني وتصور البيانات المشذبة في إكسل

10.1 تصميم مخطط الصندوق وطرفيه (Box and Whisker) لرصد الشواذ

يُعد مخطط الصندوق وطرفيه (Box and Whisker Plot) الأداة البصرية المثلى لمرافقة المتوسط المشذب؛ إذ يقدم تمثيلاً هندسياً شاملاً لتوزيع العينة والوسيط والربيعات والقيم المتطرفة وفق منهجية المدى الربيعي (IQR).

لإنشاء هذا المخطط البياني في إكسل:

  1. حدد عمود البيانات الرقمية بالكامل (مثلاً A1:A100 بما في ذلك العنوان).
  2. انتقل إلى تبويب إدراج (Insert) في الشريط الرئيسي.
  3. من قسم المخططات، اضغط على أيقونة “إدراج مخطط إحصائي” واختر صندوق وطرفاه (Box and Whisker).
  4. سيقوم إكسل فوراً برسم الصندوق موضحاً الربيع الأول (Q1) والربيع الثالث (Q3) والوسيط (الخط الأفقي داخل الصندوق).
  5. ستظهر القيم الشاذة كنقاط معزولة تقع خارج حدود الطرفين (Whiskers). تُمثل هذه النقاط البصرية على وجه التحديد الأهداف الأولية التي تستهدف دالة TRIMMEAN تحييدها واقتطاعها من التحليل.

10.2 رسم خطوط المقارنة بين المتوسطات في المخططات البيانية

لتوضيح قوة تأثير التشذيب لجمهور التقرير أو المحكمين الأكاديميين، يُنصح بتصميم رسم بياني شريطي أو خطي يجمع مؤشرات النزعة المركزية في إطار مقارن واحد:

  1. أنشئ مخططاً تكرارياً (Histogram) لتوزيع البيانات الأصلية لإظهار شكل التوزيع وذيوله.
  2. أضف سلسلة بيانات مخصصة تمثل خطوطاً عمودية أو أفقية ذات ألوان متباينة للإشارة إلى مواقع:
    • المتوسط الحسابي الأصلي (AVERAGE): ارسمه بخط متقطع أحمر، والذي سيظهر منجرفاً نحو الذيل الطويل.
    • المتوسط المشذب (TRIMMEAN 10%): ارسمه بخط مصمت أخضر، والذي سيظهر متمركزاً بدقة داخل الكتلة الأساسية للبيانات.
    • الوسيط (MEDIAN): ارسمه بخط أزرق للمقارنة المرجعية.
  3. أضف وسيلة إيضاح واضحة وصناديق تسميات توضيحية تشير إلى الفارق الكمي بين الخط الأحمر والأخضر؛ فهذا العرض المرئي يختصر مئات الكلمات ويقنع متخذ القرار فوراً بجدوى استبعاد القيم الشاذة.

10.3 إنشاء لوحة معلومات تفاعلية لتحليل الحساسية (Sensitivity Analysis)

يُقصد بتحليل الحساسية الإحصائي اختبار مدى استقرار النتائج عند تغيير معلمات النمذجة. في سياق التشذيب، يمكنك بناء لوحة معلومات متكاملة ترسم منحنى التغير في قيمة المتوسط المشذب كدالة في نسبة التشذيب المطبقة:

  1. أنشئ جدولاً يضم نسب التشذيب المتدرجة في العمود الأول: 0%، 2%، 4%، 6%، 8%، 10%، … حتى 40%.
  2. في العمود المقابل، احسب المتوسط المشذب لكل نسبة باستخدام دالة TRIMMEAN المقابلة لها.
  3. حدد الجدول وأدرج “مخططاً خطياً متصلاً” (Line Chart).
  4. راقب سلوك المنحنى البياني: ستلاحظ هبوطاً أو صعوداً حاداً في بداية المنحنى (عند استبعاد الشواذ الصريحة الأولى)، يعقبه استقرار أفقي مستوٍ تقريباً للمنحنى.

تُمثل بداية هذه المنطقة المستوية أفقياً ما يُعرف إحصائياً بـ “نقطة الاستقرار” (Plateau of Stability)، وهي المؤشر الرياضي الموضوعي الذي يدل على النسبة المثلى للتشذيب في تلك العينة المحددة دون إفراط أو تفريط.

11. تطوير دالة مخصصة للتشذيب غير المتماثل باستخدام VBA و LAMBDA

11.1 مفهوم وحدود التشذيب غير المتماثل (Asymmetric Trimming)

كما بيّنا في الأسس النظرية، تُعاني دالة TRIMMEAN القياسية المدمجة في إكسل من قيد هيكلي لا يمكن تجاوزه بالوسائط العادية؛ ألا وهو اقتصارها الصارم على التشذيب المتماثل بنسب متطابقة من الطرفين. وفي العديد من التطبيقات التطبيقية (مثل تحليل خسائر التأمين، أو تقييم أوقات إنجاز المعاملات البنكية)، تكون البيانات ملتوية بشدة نحو اليمين مع وجود ذيل شاذ طويل جداً، بينما يكون الحد الأدنى طبيعياً ومحصوراً عند الصفر ولا يحتوي على أي شواذ.

في هذه السيناريوهات، يتطلب التحليل الرصين تطبيق تشذيب غير متماثل؛ كأن نقرر استبعاد 10% من أعلى العينة و0% من أسفلها. ولتجاوز هذا القصور في دالة إكسل الأصلية، نستعرض فيما يلي طريقتين برمجيتين رائدتين لبناء دالة مخصصة بالكامل.

11.2 إنشاء دالة LAMBDA المخصصة للتشذيب المرن في Microsoft 365

تتيح دالة LAMBDA الحديثة في إكسل كتابة دوال مخصصة قوية وقابلة لإعادة الاستخدام دون الحاجة لكتابة أسطر برمجية بلغة VBA. سنقوم ببناء دالة متقدمة نطلق عليها اسم ASYMTRIMMEAN تقبل مصفوفة البيانات ونسبتي تشذيب مستقلتين للحدين الأدنى والأعلى.

خطوات البناء عبر مدير الأسماء (Name Manager):

  1. انتقل إلى تبويب صيغ (Formulas) واضغط على مدير الأسماء (Name Manager).
  2. اضغط على جديد (New)، واكتب في خانة الاسم: ASYMTRIMMEAN.
  3. في خانة “يشير إلى” (Refers to)، الصق الصيغة المصفوفية المتقدمة التالية:

=LAMBDA(data_array, trim_bottom, trim_top,
  LET(
    clean_data, FILTER(data_array, ISNUMBER(data_array)),
    low_cutoff, PERCENTILE.INC(clean_data, trim_bottom),
    high_cutoff, PERCENTILE.INC(clean_data, 1 – trim_top),
    filtered_data, FILTER(clean_data, (clean_data >= low_cutoff) * (clean_data <= high_cutoff)),
    AVERAGE(filtered_data)
  )
)

الآن، أصبحت الدالة مدمجة في المصنف تماماً كأي دالة أصلية! يمكنك استدعاؤها في أي خلية ببساطة كما يلي:

=ASYMTRIMMEAN(A2:A100, 0, 0.10)

تقوم هذه الصيغة باستبعاد أعلى 10% من البيانات فقط مع الإبقاء على 100% من بيانات الطرف الأدنى، وتقدم حلاً هندسياً فائق الأناقة والسرعة.

11.3 كتابة ماكرو VBA لاحتساب المتوسط المشذب المخصص

لمستخدمي إصدارات إكسل التي لا تدعم LAMBDA، أو عند الرغبة في بناء حل دائم متاح عبر جميع المصنفات عبر حزم الإضافات (Add-ins)، يمكن برمجة دالة معرفة من المستخدم (UDF) باستخدام لغة Visual Basic for Applications (VBA).

خطوات إدراج كود VBA:

  1. اضغط على المفاتيح Alt + F11 لفتح محرر أكواد Visual Basic.
  2. من قائمة Insert، اختر Module.
  3. الصق الكود البرمجي التالي داخل الموديول الجديد:

Function CustomTrimMean(DataRange As Range, BottomTrim As Double, TopTrim As Double) As Variant
    Dim Cell As Range
    Dim DataList As Object
    Dim CountValid As Long, i As Long
    Dim BottomCut As Long, TopCut As Long
    Dim SumRemaining As Double, CountRemaining As Long
    
    If BottomTrim < 0 Or TopTrim < 0 Or (BottomTrim + TopTrim) >= 1 Then
        CustomTrimMean = CVErr(xlErrNum)
        Exit Function
    End If
    
    Set DataList = CreateObject(“System.Collections.ArrayList”)
    
    For Each Cell In DataRange
        If IsNumeric(Cell.Value) And Not IsEmpty(Cell.Value) Then
            DataList.Add CDbl(Cell.Value)
        End If
    Next Cell
    
    CountValid = DataList.Count
    If CountValid = 0 Then
        CustomTrimMean = CVErr(xlErrDiv0)
        Exit Function
    End If
    
    DataList.Sort
    
    BottomCut = Fix(CountValid * BottomTrim)
    TopCut = Fix(CountValid * TopTrim)
    
    SumRemaining = 0
    CountRemaining = 0
    
    For i = BottomCut To (CountValid – 1 – TopCut)
        SumRemaining = SumRemaining + DataList(i)
        CountRemaining = CountRemaining + 1
    Next i
    
    If CountRemaining > 0 Then
        CustomTrimMean = SumRemaining / CountRemaining
    Else
        CustomTrimMean = CVErr(xlErrNum)
    End If
End Function

أغلق محرر VBA، ويمكنك الآن استخدام الدالة في ورقة العمل مباشرة بكتابة:

=CustomTrimMean(A2:A100, 0.05, 0.15)

حيث تستبعد هذه الصيغة بدقة تامة 5% من القيم الدنيا و15% من القيم القصوى، معتمدة على ترتيب حقيقي مفرز في الذاكرة دون قيود التقريب الزوجي الإجباري.

12. أفضل الممارسات والمعايير الإحصائية لإعداد التقارير والأبحاث

12.1 التوثيق المنهجي لنسبة وطريقة التشذيب في الأوراق البحثية

عند استخدام المتوسط المشذب كأداة إحصائية أساسية لتلخيص النتائج في الأطروحات الجامعية أو الأوراق البحثية المحكمة، تفرض المعايير المنهجية لجمعية علم النفس الأمريكية (APA Style – 7th Edition) والمجلات العلمية العالمية الالتزام بالشفافية المطلقة والإفصاح الكامل عن خطوات المعالجة الرياضية.

يجب أن يتضمن قسم المنهجية (Methodology) والنتائج (Results) العناصر التوثيقية التالية:

  • ذكر النسبة المئوية الصريحة للتشذيب المطبق (مثال: “تم احتساب المتوسط المشذب بنسبة 10%”).
  • تحديد عدد المشاهدات المستبعدة بدقة من كل طرف (مثال: “مما أدى إلى استبعاد أدنى 5 مشاهدات وأعلى 5 مشاهدات من أصل 100 مشارك”).
  • تقديم تبرير إحصائي أو تجريبي موضوعي لاختيار هذه النسبة بدلاً من المتوسط البسيط (مثال: “نظراً لثبوت عدم اعتدالية التوزيع ووجود التواء إيجابي ناتج عن أزمنة استجابة متطرفة”).
  • صياغة الرمز الإحصائي المعتمد للمتوسط المشذب، والذي يُرمز له عادة بـ $M_{trim}$ أو $\bar{X}_{t(0.10)}$ متبوعاً بالانحراف المعياري المشذب المقابل وفترات الثقة.

12.2 التحقق من صحة الفروض واستقرار النتائج

لا ينبغي للباحث الرصين الاعتماد على نتيجة نسبة تشذيب واحدة دون إجراء ما يُعرف باختبارات المتانة والحساسية (Robustness Checks). يُوصى دائماً بمقارنة اتجاه الدلالة الإحصائية للفرضيات البحثية عبر نسب تشذيب متعددة (مثلاً 5% و10% و20%)؛ فإذا بقيت الفروق بين المجموعات دالة إحصائياً عبر جميع هذه النسب، يمنح ذلك البحث مصداقية وموثوقية استثنائية تثبت أن النتائج ليست وليدة صدفة انتقائية للنسبة المقتطعة.

كذلك، يمكن دمج تقنية إعادة العينات (Bootstrapping) لتقدير فترات الثقة للمتوسط المشذب، وهي طريقة غير معلمية متقدمة تعيد سحب آلاف العينات العشوائية المتكررة من بياناتك لحساب فترة ثقة 95% دقيقة للمتوسط المشذب، مما يعزز الاستدلال العلمي للنتائج المنشورة.

12.3 قائمة تدقيق شاملة للمحلل الإحصائي عند استخدام TRIMMEAN في إكسل

قبل اعتماد تقاريرك النهائية المستخرجة من إكسل، استعن بقائمة التدقيق المعيارية السريعة التالية للتأكد من سلامة جميع الخطوات الحسابية:

  • [ ] التحقق من البيانات الخام: هل النطاق الأصلي للبيانات محتفظ به في عمود احتياطي مستقل غير معدل للرجوع إليه عند التدقيق؟
  • [ ] التحقق من نوع البيانات: هل جميع الخلايا داخل النطاق معرفة كأرقام وليست نصوصاً خفية، وهل تم استخدام COUNT للتأكد من العدد الفعلي؟
  • [ ] التحقق من وسيط النسبة: هل تمت كتابة النسبة بصيغة عشرية صحيحة تقع بين 0 و 1 (مثل 0.10) بدلاً من كتابة أرقام صحيحة موجبة؟
  • [ ] فهم التقريب الزوجي: هل تدرك عدد النقاط الفعلي الذي قام إكسل باستبعاده بعد تطبيق خوارزمية التقريب للأدنى لمضاعف العدد 2؟
  • [ ] المقارنة المعيارية: هل قمت بحساب AVERAGE وMEDIAN بجانب TRIMMEAN لمراقبة حركة المركز وفهم طبيعة الشواذ؟
  • [ ] تثبيت النطاقات: هل تم استخدام علامات التثبيت $ في الصيغ لتجنب أخطاء انزلاق المراجع عند السحب والنسخ؟

خاتمة

يُمثل المتوسط المشذب (Trimmed Mean) أحد أذكى وأقوى الحلول الإحصائية التي أفرزتها مدرسة الإحصاء المتين لتجاوز قيود المقاييس الكلاسيكية وتوفير تمثيل أمين وعادل لمركز الثقل في مجموعات البيانات الحقيقية. ومن خلال دالة TRIMMEAN المدمجة في مايكروسوفت إكسل، يمتلك المحلل أداة حسابية بالغة الكفاءة والدقة تتيح تنقية البيانات من ضوضاء القيم المتطرفة والشاذة وفق أسس منهجية وقواعد تقريب منضبطة رياضياً.

لقد استعرضنا خلال هذا الدليل الشامل الأبعاد النظرية والتطبيقية لحساب المتوسط المشذب، بدءاً من فهم خوارزمية الحذف المتماثل، مروراً بدراسات الحالة التطبيقية والمقارنات العميقة مع الوسيط والمتوسط التقليدي، وصولاً إلى بناء حلول مخصصة للتشذيب غير المتماثل باستخدام أحدث تقنيات إكسل مثل LAMBDA وVBA. إن تبني هذه الممارسات الإحصائية الرصينة يعزز من جودة التحليلات، ويمنح التقارير الأكاديمية والمهنية أعلى درجات الموثوقية والمصداقية العلمية في عالم تزداد فيه البيانات ضخامة وتعقيداً.

References

اقتباس هذا المقال

looti, M. (2026, سبتمبر 2). كيفية حساب المتوسط المشذب في إكسل. عرب سايكلوجي. https://arabpsychology.com/how-to-calculate-trimmed-mean-in-excel-ar/
looti, Mohammed. “كيفية حساب المتوسط المشذب في إكسل.” عرب سايكلوجي, 2 سبتمبر 2026, https://arabpsychology.com/how-to-calculate-trimmed-mean-in-excel-ar/.
looti, Mohammed. “كيفية حساب المتوسط المشذب في إكسل.” عرب سايكلوجي. سبتمبر 2, 2026. https://arabpsychology.com/how-to-calculate-trimmed-mean-in-excel-ar/.

مقالات ذات صلة