كيفية كتابة القيم الاحتمالية (P-Values) بتنسيق APA (مع أمثلة)

تُعد معايير جمعية علم النفس الأمريكية (American Psychological Association – APA) المرجع الأكاديمي الأكثر شمولاً وتأثيراً في تنظيم وتوثيق الأبحاث السلوكية، والاجتماعية، والتربوية، والطبية الحيوية على مستوى العالم. ومع صدور الإصدار السابع من دليل النشر الخاص بالجمعية (APA 7th Edition)، اكتسبت الدقة الإحصائية والشفافية في نقل البيانات أهمية مضاعفة؛ إذ لم يعد عرض النتائج مجرد تسجيل رقمي للبيانات الخام، بل أضحى بنية لغوية وإحصائية محكمة تهدف إلى القضاء على الغموض، وتسهيل إجراء الدراسات التراكمية، ومكافحة أزمة تكرارية النتائج (Replication Crisis) التي واجهت العلوم الإنسانية خلال العقدين الأخيرين.

تُمثل القيمة الاحتمالية (P-Value) حجر الزاوية في اختبار الفرضيات الصفرية (Null Hypothesis Significance Testing – NHST)؛ حيث تسعى الدراسات التجريبية والوصفية إلى الاستدلال على وجود فروق جوهرية أو علاقات دالة بين المتغيرات المقاسة. غير أن الأخطاء الشائعة في كتابة وتنسيق هذه القيمة—مثل الإبقاء على الأصفار البادئة، أو إهمال التمييل المائل للرموز، أو كتابة قيم مستحيلة رياضياً كالقيمة الصفرية المطلقة، أو عزل القيمة الاحتمالية عن حجم التأثير وفترات الثقة—تؤدي إلى إضعاف رصانة الورقة العلمية وقد تفتح الباب أمام تشكيك المحكمين والباحثين في دقة التحليلات الإحصائية المنجزة برمتها.

يقدم هذا الدليل المرجعي الموسّع تفصيلاً شاملاً وتطبيقياً لكيفية إعداد وتوثيق وكتابة القيم الاحتمالية وفق قواعد APA 7 الصارمة، بدءاً من المعالجة الرياضية والمفاهيمية للرمز الإحصائي، مروراً بجميع نماذج الاختبارات البارامترية واللابارامترية، ووصولاً إلى تصميم الجداول والأشكال، مع توضيح الفروق المفاهيمية بين الدلالة الإحصائية والدلالة العملية، وتقديم نماذج واقعية قابلة للمحاكاة المباشرة في الرسائل الجامعية والأبحاث المنشورة في المجلات العلمية المحكمة ذات معامل التأثير المرتفع.

1. مفهوم القيمة الاحتمالية (P-Value) ودورها في الأبحاث النفسية

1.1 التعريف الإحصائي للقيمة الاحتمالية

تُعرف القيمة الاحتمالية إحصائياً بأنها احتمال الحصول على نتائج في العينة المدروسة مساوية لتلك الملاحظة بالفعل، أو أكثر تطرفاً منها، بافتراض أن الفرضية الصفرية ($H_0$) صحيحة تماماً في المجتمع الأصلي. هذا يعني أن القيمة الاحتمالية ليست مؤشراً على احتمالية صحة فرضية البحث أو خطئها، وليست مقياساً لاحتمال وقوع الصدفة المجردة، بل هي مشروطة رياضياً بصدق الفرض الصفري. في سياق الأبحاث النفسية والسلوكية، يُستخدم هذا المعيار كأداة لاتخاذ قرار إحصائي ثنائي الاتجاه بخصوص رفض الفرضية الصفرية عندما تكون القيمة المحسوبة أصغر من أو تساوي مستوى الدلالة المحدد مسبقاً (مستوى ألفا $\alpha$، والذي يُحدد عادة عند .05 في العلوم النفسية).

من الضروري للباحثين التمييز الجذري بين الدلالة الإحصائية (Statistical Significance) والأهمية العملية أو الإكلينيكية (Clinical Significance). إن الحصول على قيمة احتمالية بالغة الصغر (مثل p < .001) يشير فقط إلى أن البيانات تبتعد عن التوزيع المفترض تحت الفرضية الصفرية بدرجة تجعل من المستبعد نسب هذا الاختلاف لخطأ المعاينة العشوائي وحده، لكنه لا يعني بالضرورة أن التدخل العلاجي، أو البرنامج الإرشادي، أو الفارق السيكولوجي المرصود يحمل وزناً تطبيقياً ذا مغزى في حياة المفحوصين الحقيقية. هذا التمايز يفرض حدوداً منهجية صارمة على تفسير النتائج، ويمنع الاعتماد الحصري على p دون الرجوع إلى حجم الأثر وفترات الثقة.

1.2 أهمية توحيد معايير الكتابة في علم النفس والعلوم السلوكية

يؤدي توحيد معايير الكتابة الإحصائية وفق دليل APA دوراً محورياً في بناء المعرفة التراكمية، إذ إن النشر العلمي الرصين يعتمد على إمكانية المقارنة الدقيقة بين نتائج الدراسات المتعددة التي تتناول الظاهرة الواحدة. عندما يلتزم الباحثون بصياغة موحدة وواضحة للقيم الإحصائية، يُصبح من الميسور للباحثين الآخرين استخراج البيانات التحليلية وتجميعها بدقة لإجراء دراسات التحليل التلوي (Meta-Analyses)، وهو المنهج الذي يقدم أعلى مستويات الأدلة العلمية في علم النفس السريري والعلاج النفسي القائم على الدليل.

علاوة على ذلك، يُسهم التوثيق المنضبط والدقيق للقيم الاحتمالية في القضاء على ظاهرة التحيز في الإبلاغ الانتقائي (Selective Reporting Bias)، حيث كان يُلجأ قديماً إلى اختزال النتائج في تصنيفات عريضة غير دقيقة تُخفي القيمة الفعلية وتزيد من مخاطر تضخيم النتائج. يُعزز التنسيق القياسي الصارم الشفافية الأكاديمية ويدعم حركة العلم المفتوح (Open Science)، مما يرفع من قابلية تكرار الأبحاث النفسية ويحمي المجتمع الأكاديمي من الوقوع في فخ الاستنتاجات المبنية على إجراءات إحصائية غير منضبطة.

2. القواعد التأسيسية لتنسيق القيم الاحتمالية وفق الإصدار السابع لـ APA

2.1 تنسيق الحروف والرموز (Italics & Spacing)

تنص اللائحة التحريرية للإصدار السابع لجمعية علم النفس الأمريكية على وجوب كتابة جميع الرموز الإحصائية التي تستخدم الأحرف اللاتينية بخط مائل (Italicized). وبناءً على ذلك، يجب كتابة الحرف الصغير الدال على القيمة الاحتمالية مائلاً حصراً: p. يُعد عدم تمييل هذا الحرف أو كتابته بالخط العادي خطأً أسلوبياً يتكرر كثيراً في المسودات الأولية للأطروحات والبحوث. كما يجب التمييز بين الحرف الصغير p الذي يعبر عن القيمة الاحتمالية، والحرف الكبير P الذي يُستخدم للإشارة إلى النسبة المئوية أو التوزيعات الاحتمالية في سياقات رياضية متقدمة خارج نطاق الدلالة الإحصائية المعيارية لاختبار الفرضيات.

وفيما يخص التباعد وضبط المسافات (Spacing)، تلزم قواعد APA بوضع مسافة مفردة قبل وبعد جميع علامات المقارنة الرياضية والمساواة عند كتابة النتائج داخل النص السردي أو بين الأقواس. الصياغة الصحيحة المعتمدة تكون على النحو التالي: (p = .023) أو (p < .001)، بينما يُعد التنسيق المتلاصق مثل (p=.023) أو (p<.001) أو الإكثار العشوائي من المسافات مخالفاً للنمط المعياري للنشر العلمي.

2.2 قاعدة حذف الصفر البادئ (Leading Zero)

تُعد قاعدة الصفر البادئ إحدى أكثر القواعد التحريرية تميزاً في دليل APA 7؛ حيث تنص القاعدة التوجيهية على أن الأرقام الإحصائية التي لا يمكن لها رياضياً ونظرياً أن تتجاوز الرقم الصحيح 1.00 يجب أن تُكتب بشكل قاطع دون وضع صفر قبل الفاصلة العشرية (No Leading Zero). وبما أن القيمة الاحتمالية تمثل احتمالية تتراوح بداهة وحصراً في المدى المقفل بين [0.00 و 1.00]، فإنه يُحظر وضع الصفر قبل النقطة العشرية في أي حال من الأحوال.

تنطبق هذه القاعدة الرياضية التحريرية أيضاً على معاملات الارتباط مثل بيرسون (r) ومعامل التحديد (R²) ونسب ألفا كرونباخ للثبات ($\alpha$)، بينما تُستثنى منها المؤشرات التي يمكن أن تتجاوز نظرياً الواحد الصحيح مثل قيم اختبار t، وقيم F، ومتوسطات الدرجات (M)، والانحرافات المعيارية (SD)، وحجم الأثر لكوهين (d). يوضح الجدول التالي المقارنة بين التطبيق الصحيح والخاطئ:

• الصيغة الصحيحة المعيارية: p = .045 | p = .008 | p < .001
• الصيغة الخاطئة غير المعتمدة: p = 0.045 | p = 0.008 | p < 0.001

2.3 درجة التقريب العشري المعتمدة

يوصي الإصدار السابع من دليل APA بالإبلاغ عن القيم الاحتمالية الدقيقة (Exact P-Values) باستخدام منزلتين أو ثلاث منازل عشرية تامة لتعزيز الدقة الحسابية. كقاعدة عامة موجهة، يُفضل تقريب القيم الاحتمالية التي تقع بين .001 و .999 إلى ثلاث منازل عشرية كاملة (على سبيل المثال: p = .034، p = .452، p = .009)، لأن التقريب المفرط لمنزلتين فقط قد يحجب الفروق الدقيقة؛ فكتابة p = .05 بدلاً من p = .048 قد تترك انطباعاً مضللاً بعدم دلالة النتيجة إحصائياً إذا كان مستوى القطع هو .050.

مع ذلك، إذا كانت القيمة الاحتمالية كبيرة وواضحة (مثل p = .24 أو p = .87)، يجوز كتابتها بمنزلتين عشريتين، غير أن الاتساق المنهجي عبر كافة أجزاء الورقة البحثية يقتضي توحيد التقريب لثلاث منازل عشرية لكافة قيم p داخل المتن والجداول. يمنع الدليل تماماً اللجوء إلى التدوير الرقمي الذي يحول قيمة دالة إلى قيمة غير دالة أو العكس، كما يجب تجنب التقريب التراكمي الذي يغير من التوزيعات التراكمية الدقيقة للبيانات عند إعادة تحليلها.

3. التعامل مع الحالات المتطرفة: قاعدة p < .001 والتحذير من p = .000

3.1 معالجة مخرجات البرمجيات الإحصائية (SPSS و JASP و R)

عند إجراء التحليلات الإحصائية باستخدام الحزم البرمجية الشائعة مثل IBM SPSS Statistics، يظهر في جدول المخرجات عمود مخصص للدلالة الإحصائية يحمل التسمية (.Sig) وتظهر القيمة في كثير من الأحيان على الهيئة “.000”. يقع العديد من الباحثين المبتدئين في خطأ فادح بنسخ هذا الرقم حرفياً داخل المتن الأكاديمي، فيكتبون (p = .000) أو (p = 0.000)، وهي صياغة مرفوضة كلياً في الكتابة الأكاديمية المحكمة.

السبب الرياضي وراء ذلك هو أن منحنيات التوزيعات الاحتمالية المستمرة (مثل توزيع $t$ وتوزيع $F$ وتوزيع $\chi^2$) هي منحنيات مقاربة (Asymptotic)، مما يعني أن ذيول التوزيع تمتد إلى ما لا نهاية دون أن تلامس المحور الأفقي تماماً. رياضياً، لا يمكن لاحتمال وقوع حدث ما في فضاء عينات متصل أن يساوي صفراً مطلقاً ما دامت العينة محدودة. ظهور القيمة .000 في البرمجية هو مجرد نتاج للتقريب الآلي للنظام الذي يقتصر على عرض ثلاث منازل عشرية فقط؛ فالقيمة الحقيقية قد تكون .00042 أو .00000013. لذلك، يلزم الباحث يدوياً بتحويل هذه النتيجة عند التدوين في التقرير إلى الصيغة المعتمدة: p < .001.

3.2 طريقة التعبير عن القيم الدالة جداً

تُعد علامة الأصغر من (<) هي الأداة الرياضية الوحيدة المسموح بها للتعبير عن الحالات التي تنخفض فيها القيمة الاحتمالية عن العتبة الدنيا للتقريب الثلاثي (.001). إن كتابة p < .001 تعبر بوضوح عن أن القيمة بالغة الصغر والدلالة دون الوقوع في خطأ الادعاء بأن الاحتمال مساوٍ للصفر. يشدد دليل APA على عدم التوسع في وضع عتبات متطرفة غير قياسية في المتن السلوكي العام؛ فلا يُحبذ كتابة (p < .0001) أو (p < .00001) إلا في أبحاث الوراثة السلوكية والجينوم التي تتطلب تصحيحات بالغة الشدة لتعدد المقارنات (مثل معيار بونفيروني الصارم في مسوحات الجينات الشاملة GWAS).

إن الالتزام بصياغة p < .001 يحافظ على التوازن بين الدقة الرياضية وتوافق الأسلوب التحريري، ويمنح القارئ والمحكم فهماً دقيقاً لقوة الشواهد التجريبية ضد الفرضية الصفرية دون الإخلال بالمبادئ الفلسفية لنظرية الاحتمالات وتوزيعات العينات المستمرة.

4. الإبلاغ عن القيم الاحتمالية مصحوبة بالإحصاءات الاختبارية الكاملة

4.1 مبدأ الإبلاغ الإحصائي المتكامل

من الأخطاء المنهجية الشائعة في كتابة النتائج ذكر القيمة الاحتمالية منفردة في الجملة التفسيرية، مثل القول: “أظهرت النتائج وجود فروق ذات دلالة إحصائية بين المجموعتين (p = .012)”. ترفض معايير APA 7 هذا الأسلوب الناقص رفضاً باتاً؛ إذ يجب أن تأتي القيمة الاحتمالية دائماً كجزء متمم لـ “الثالوث الإحصائي”، والذي يشتمل على: اسم وقيمة الإحصاء الاختباري المحسوب، ودرجات الحرية المقترنة به، والقيمة الاحتمالية، بالإضافة إلى مقياس حجم التأثير المقترن به.

تتحدد البنية المعيارية للجملة الإحصائية في متن البحث وفق التسلسل الهيكلي التالي: الرمز الإحصائي المائل (درجات الحرية) = القيمة المحسوبة، p = القيمة الاحتمالية الدقيقة. إن إدراج الإحصاء الاختباري المحسوب مع درجات الحرية يمنح القارئ والمحقق الإحصائي القدرة على إعادة حساب وتدقيق البيانات والتأكد من عدم وجود أخطاء في النسخ أو خلل في المعادلات، كما يتيح لبرمجيات المراجعة الآلية (مثل Statcheck) التحقق من الصدق التداولي للأرقام الواردة في الأوراق المنشورة.

4.2 التكامل بين الدلالة الإحصائية وفترات الثقة (Confidence Intervals)

يُشدد دليل الإصدار السابع لجمعية علم النفس الأمريكية على أن اختبار الدلالة الإحصائية لا يقدم سوى إجابة ثنائية مبتسرة (رفض أو عدم رفض الفرضية الصفرية)، ولكنه يفشل في تقديم معلومات عن مقدار عدم اليقين المحيط بتقدير المعلمة في المجتمع الأصلي. ولتدارك هذا القصور، أصبح تقديم فترات الثقة 95% (95% CI) إلزامياً في التقارير الإحصائية الحديثة بجوار القيمة الاحتمالية وحجم الأثر.

تُكتب فترات الثقة داخل النص السردي بين قوسين معقوفين (Brackets) بعد ذكر الفارق بين المتوسطات أو بجانب حجم التأثير، ويتم الفصل بين الحد الأدنى (LL) والحد الأعلى (UL) بفاصلة ومسافة، دون الحاجة لتكرار علامة النسبة المئوية إذا سُبقت بالتعريف. على سبيل المثال: 95% CI [2.15, 6.78]. تُظهر فترات الثقة دقة التقدير؛ فالفترة الضيقة تشير إلى دقة قياس عالية، بينما تشير الفترة الواسعة إلى تباين كبير في البيانات وضعف في حجم العينة، مما يوفر سياقاً سيكولوجياً غنياً يكمل المعنى الجاف للقيمة p.

5. كتابة القيم الاحتمالية في اختبارات ت (t-Tests) مع أمثلة عملية

5.1 اختبار ت للعينات المستقلة (Independent Samples t-Test)

يُستخدم اختبار “ت” للعينات المستقلة لمقارنة متوسطي مجموعتين مستقلتين تماماً من المشاركين، كما هو الحال في المقارنات بين الذكور والإناث أو بين المجموعة التجريبية والمجموعة الضابطة. تُصاغ نتائج هذا الاختبار في المتن السردي وفق النسق القياسي: t(درجات الحرية) = القيمة المحسوبة، p = القيمة الاحتمالية، يتبعها حجم التأثير d وفترات الثقة للمتوسطات.

يجب تقديم المتوسطات الحسابية (M) والانحرافات المعيارية (SD) لكل مجموعة على حدة لتوفير سياق إحصائي متكامل قبل قراءة قيمة p. وفيما يلي دراسة حالة واقعية لتطبيق هذا المعيار:

مثال تطبيقي: أظهرت النتائج أن مستويات القلق لدى الإناث (M = 24.50, SD = 4.20) كانت أعلى بدلالة إحصائية مقارنة بمستويات القلق لدى الذكور (M = 19.80, SD = 3.90)، t(58) = 4.49, p < .001, d = 1.16, 95% CI [2.60, 6.80].

5.2 اختبار ت للعينات المترابطة (Paired Samples t-Test)

في تصاميم القياس القبلي والبعدي، أو عند قياس نفس المفحوصين تحت شرطين تجريبيين مختلفين، يُستخدم اختبار “ت” للعينات المترابطة (المزدوجة). يتطلب التوثيق هنا تحديد درجات الحرية التي تعادل دائماً عدد الأزواج مطروحاً منه واحد ($N – 1$).

يجب توضيح اتجاه التغير بين القياسين من خلال ذكر المتوسطات والانحرافات المعيارية القبلية والبعدية، مع ذكر الفارق المحسوب، وقيمة t، وقيمة p بدقة، مصحوبة بحجم الأثر كوهين دي للعينات المرتبطة ($d_z$).

مثال تطبيقي: كشفت المقارنة القبلية والبعدية لأثر برنامج العلاج السلوكي المعرفي عن انخفاض دال إحصائياً في درجات الاكتئاب لدى المرضى في القياس البعدي (M = 14.20, SD = 3.10) مقارنة بالقياس القبلي (M = 22.80, SD = 4.50)، t(29) = 8.92, p < .001, d = 1.63, 95% CI [6.63, 10.57].

5.3 اختبار ت للعينة الواحدة (One-Sample t-Test)

يُطبق اختبار “ت” للعينة الواحدة عندما يرغب الباحث في مقارنة متوسط عينة بحثية بمتوسط معياري معلوم مسبقاً أو نقطة مرجعية نظرية ثابتة في المجتمع (مثل متوسط الذكاء القياسي 100 أو الدرجة المحايدة على مقياس ليكرت). تُحسب درجات الحرية بخصم 1 من إجمالي المشاركين ($N – 1$).

يتضمن التقرير الصياغي المقارنة المباشرة بين متوسط العينة والقيمة المرجعية، مع إرفاق الإحصاء الاختباري ودلالته الاحتمالية وفترات الثقة للفارق بين المتوسطين وحجم التأثير المناسب.

مثال تطبيقي: لم يختلف متوسط الذكاء لدى عينة الطلاب الموهوبين (M = 102.40, SD = 8.50) دلالياً عن المتوسط المعياري العام المحدد بـ 100 درجة، t(49) = 1.99, p = .052, d = 0.28, 95% CI [-0.01, 4.81].

6. كتابة القيم الاحتمالية في تحليلات التباين (ANOVA) مع أمثلة سيكولوجية

6.1 تحليل التباين الأحادي (One-Way ANOVA)

يُستخدم تحليل التباين الأحادي لمقارنة المتوسطات بين ثلاث مجموعات مستقلة أو أكثر. يتميز توثيق اختبار F باشتماله على قيمتين لدرجات الحرية توضعان بين قوسين وتفصل بينهما فاصلة ومسافة: الأولى تمثل درجات الحرية بين المجموعات ($df_{between}$)، والثانية تمثل درجات الحرية داخل المجموعات ($df_{within}$).

عندما تكون قيمة p للتأثير العام دالة إحصائياً، يلزم الباحث بعدم الاكتفاء بها، بل يجب الإبلاغ عن اختبارات المقارنات البعدية (Post-Hoc Tests مثل Tukey HSD أو Bonferroni) مبيناً فيها قيم p المعدلة لكل زوج من المقارنات.

مثال تطبيقي: أظهر تحليل التباين الأحادي وجود أثر دال إحصائياً لنوع التدخل العلاجي على تحسين جودة النوم، F(2, 87) = 6.45, p = .002, $\eta_p^2$ = .13. وأشارت المقارنات البعدية باستخدام تصحيح توكي (Tukey HSD) إلى أن مجموعة العلاج السلوكي المعرفي للأرق (M = 78.30, SD = 8.10) تفوقت بدلالة إحصائية على مجموعة العلاج الدوائي (M = 71.20, SD = 7.50, p = .014) ومجموعة قائمة الانتظار (M = 65.40, SD = 9.20, p = .001).

6.2 تحليل التباين العاملي (Factorial ANOVA)

في التصاميم العاملية المعقدة التي تدرس تأثير متغيرين مستقلين أو أكثر على متغير تابع واحد (مثل تصميم 2×2)، يجب إفراد جملة إحصائية مستقلة لكل تأثير رئيسي (Main Effect) ولكل تأثير تفاعلي (Interaction Effect). تشمل كل جملة قيمة F، ودرجات الحرية الخاصة بها، والقيمة الاحتمالية p، بالإضافة إلى حجم التأثير المتمثل في إيتا المربعة الجزئية ($\eta_p^2$).

تتطلب الشفافية الأكاديمية عرض التأثيرات التفاعلية بدقة؛ فإذا كانت قيمة p للتفاعل دالة، يتعين تفكيك هذا التفاعل عبر اختبار التأثيرات البسيطة (Simple Effects) لبيان كيف يختلف تأثير المتغير المستقل الأول عبر مستويات المتغير الثاني بالتفصيل.

مثال تطبيقي: كشف تحليل التباين العاملي ثنائي الاتجاه (2×2) عن وجود تأثير رئيسي دال لنوع الجنس على الأداء المعرفي، F(1, 116) = 5.82, p = .017, $\eta_p^2$ = .05، وتأثير رئيسي دال لمستوى الضغط النفسي، F(1, 116) = 14.33, p < .001, $\eta_p^2$ = .11. كما تبيّن وجود تفاعل دال إحصائياً بين الجنس والضغط النفسي، F(1, 116) = 4.21, p = .042, $\eta_p^2$ = .035.

6.3 تحليل التباين للقياسات المتكررة (Repeated Measures ANOVA)

عند تتبع أثر المتغير المستقل على نفس المشاركين عبر عدة فترات زمنية (3 فترات أو أكثر)، يُستخدم تحليل التباين للقياسات المتكررة. يتطلب هذا التحليل التحقق من افتراض الكروية (Sphericity) عبر اختبار موشلي (Mauchly’s Test). فإذا انتُهك هذا الافتراض وكانت قيمة p لاختبار موشلي دالة إحصائياً (p < .05)، يفرض دليل APA تعديل درجات الحرية باستخدام تصحيح غرينهاوس-غايسر (Greenhouse-Geisser) أو هوينه-فيلدت (Huynh-Feldt).

ينعكس هذا التصحيح مباشرة على كتابة درجات الحرية في صورة أرقام كسرية عشرية داخل القوسين، وهو ما يؤثر بدوره على القيمة الاحتمالية النهائية للنموذج المقاس، كما يتضح في النموذج التوضيحي أدناه:

مثال تطبيقي: نظراً لانتهاك افتراض الكروية، $\chi^2$(5) = 18.42, p = .002، تم تطبيق تصحيح غرينهاوس-غايسر ($epsilon$ = .78). وأظهرت النتائج تغيراً دالاً إحصائياً في سعة الذاكرة العاملة عبر الفترات الزمنية الأربع، F(2.34, 67.86) = 12.67, p < .001, $\eta_p^2$ = .30.

7. كتابة القيم الاحتمالية في الارتباط والانحدار الخطي (Correlation & Regression)

7.1 معامل ارتباط بيرسون وسبيرمان (Pearson & Spearman r)

عند فحص العلاقات الارتباطية بين المتغيرات المتصلة، تُكتب معادلة الارتباط بتنسيق يجمع بين الحرف r المائل (أو $r_s$ لارتباط الرتب لسبيرمان)، ودرجات الحرية المقترنة به المحسوبة كالتالي: ($N – 2$) موضوعة بين قوسين، ثم قيمة معامل الارتباط، تليها القيمة الاحتمالية. ويجب تذكر تطبيق قاعدة حذف الصفر البادئ على كل من معامل الارتباط والقيمة الاحتمالية معاً.

يجب على الباحث الإشارة في منهجية البحث إلى ما إذا كان اختبار الفرضية قد تم بصيغة أحادية الطرف (One-tailed) أو ثنائية الطرف (Two-tailed)، مع تفضيل الصياغة ثنائية الطرف كمعيار افتراضي في غياب التوجه النظري الحاسم.

مثال تطبيقي: وُجد ارتباط سلبي دال إحصائياً بين مرونة الأنا والاحتراق النفسي لدى الأطباء، r(148) = -.42, p < .001, 95% CI [-.54, -.28]. وفي المقابل، أظهرت نتائج ارتباط الرتب لسبيرمان علاقة طردية موجبة بين الرضا الوظيفي والالتزام التنظيمي، $r_s$(85) = .36, p = .001.

7.2 الانحدار الخطي البسيط والمتعدد (Simple & Multiple Linear Regression)

يتطلب توثيق الانحدار الخطي تقديم مستويين من الدلالة الإحصائية والقيم الاحتمالية: المستوى الأول يخص النموذج ككل عبر إحصائية F، ومعامل التحديد ($R^2$ أو $R^2_{adj}$)، والقيمة الاحتمالية للنموذج الكلي. أما المستوى الثاني، فيخص المعاملات الفردية لكل متغير منبئ داخل النموذج (المعاملات غير المعيارية $B$، والخطأ المعياري $SE$، والمعامل المعياري $\beta$، واختبار $t$ المقابل له، وقيمته الاحتمالية p).

تُسرد النتائج في سياق يربط بين قدرة النموذج التنبؤية ومساهمة كل متغير مستقل بصورة متكاملة تبرز الوزن النسبي لكل مؤشر، مع مراعاة حذف الأصفار البادئة من قيم الارتباط والتحديد والاحتمال دون استثناء.

مثال تطبيقي: أظهر نموذج الانحدار الخطي المتعدد قدرة دالة إحصائياً على التنبؤ بمستوى الرضا عن الحياة، F(2, 197) = 28.64, p < .001, R² = .225. وكان الدعم الاجتماعي منبئاً إيجابياً دالاً ($\beta$ = .34, t = 5.12, p < .001)، وكذلك تقدير الذات ($\beta$ = .26, t = 3.89, p < .001).

7.3 الانحدار اللوجستي (Logistic Regression)

عند دراسة المتغيرات التابعة الثنائية (مثل: الاستمرار في العلاج النفسي مقابل التوقف عنه)، يُعتمد الانحدار اللوجستي الثنائي. يشتمل التوثيق الإحصائي وفق معايير APA على تقديم اختبار مربع كاي لجودة مطابقة النموذج الكلي، متبوعاً بقيم إحصاء فالد (Wald test) أو اختبار $z$ لكل منبئ، ونسب الأرجحية (Odds Ratios – OR) مصحوبة بفترات ثقتها وقيم p الدقيقة.

تساعد هذه الصياغة المتكاملة في استيعاب التغير في احتمالية وقوع الحدث السلوكي بدلالة المتغيرات المستقلة، مما يعزز الفهم الدقيق لطبيعة العلاقات غير الخطية.

مثال تطبيقي: أظهر نموذج الانحدار اللوجستي دلالة إحصائية عامة في التنبؤ بالتسرب من الجلسات العلاجية، $\chi^2$(2) = 16.85, p < .001. وزادت شدة الأعراض الأولية من احتمالية التسرب بشكل دال (B = 0.45, SE = 0.15, Wald = 9.00, p = .003, OR = 1.57, 95% CI [1.17, 2.11]).

8. كتابة القيم الاحتمالية في اختبارات مربع كاي والاختبارات اللابارامترية

8.1 اختبار مربع كاي للاستقلالية وحسن المطابقة (Chi-Square)

يُعد اختبار مربع كاي ($\chi^2$) الأداة الأساسية لتحليل البيانات الفئوية والاسمية. تفرض قواعد APA 7 كتابة الحرف اليوناني كاي مائلاً ($\chi$) مع الرفع للرقم 2، وتضمين كل من درجات الحرية ($df$) وإجمالي حجم العينة الخاضعة للاختبار ($N$) داخل القوسين الدائريين قبل علامة المساواة، تليها قيمة الاختبار المحسوبة ثم القيمة الاحتمالية، وأخيراً حجم التأثير (مثل معامل فاي $phi$ أو كرامر $V$).

الصيغة المعتمدة القياسية هي: $\chi^2$(درجات الحرية, N = إجمالي العينة) = القيمة المحسوبة, p = القيمة الاحتمالية.

مثال تطبيقي: أظهر اختبار مربع كاي للاستقلالية وجود علاقة ارتباطية دالة إحصائياً بين نوع الاضطراب النفسي والفئة العمرية للمرضى، $\chi^2$(4, N = 220) = 14.78, p = .005, Cramer’s V = .18.

8.2 اختبارات مان-ويتني وويلكوكسون (Mann-Whitney U & Wilcoxon)

عندما تفشل البيانات في استيفاء شروط التوزيع الطبيعي أو تكون المتغيرات مقاسة برتب ترتيبية في عينات صغيرة، يتم اللجوء إلى البدائل اللابارامترية لاختبارات $t$. في اختبار مان-ويتني للمجموعات المستقلة، يُوثق إحصاء الاختبار الأساسي بالرمز U المائل، مصحوباً بدرجة التحويل المعيارية التقريبية z والقيمة الاحتمالية p، مع تدوين متوسطات الرتب (Mean Ranks) أو الوسيط (Mdn) لكل مجموعة.

أما في اختبار ويلكوكسون للإشارات والرتب للبيانات المرتبطة، فيتم توثيق إحصاء W أو T مصحوباً بقيمة z المحسوبة ودلالتها الاحتمالية، لتقديم صورة متكاملة عن طبيعة الفروق الرتبية.

مثال تطبيقي: أظهر اختبار مان-ويتني أن درجات الرهاب الاجتماعي كانت أعلى بدلالة إحصائية لدى مجموعة العزلة (الوسيط = 42.00, متوسط الرتب = 28.50) مقارنة بمجموعة الدعم (الوسيط = 26.00, متوسط الرتب = 14.50), U = 45.00, z = 3.42, p < .001, r = .54.

8.3 اختبار كروسكال-واليس (Kruskal-Wallis H Test)

يُمثل اختبار كروسكال-واليس البديل اللابارامتري لتحليل التباين الأحادي لمقارنة ثلاث مجموعات أو أكثر ذات بيانات رتبية أو غير اعتدالية. يُرمز للاختبار بالحرف H المائل (أو يُعامل كقيمة مربع كاي في بعض البرمجيات)، ويُتبع بوضع درجات الحرية بين قوسين، ثم قيمة H، فالقيمة الاحتمالية p.

وعند ثبوت دلالة الاختبار العام، يتعين الإبلاغ عن المقارنات الثنائية اللابارامترية البعدية (Post-Hoc Pairwise Comparisons) مع ذكر قيم p المعدلة وفق تصحيح بونفيروني الصارم لمنع تضخم الخطأ من النوع الأول ($\alpha$-inflation).

مثال تطبيقي: بيّنت نتائج اختبار كروسكال-واليس وجود فروق دالة إحصائياً في درجات اليقظة الذهنية عبر المجموعات المهنية الثلاث، H(2) = 11.24, p = .004. وأكدت المقارنات البعدية المعدلة بتصحيح بونفيروني تفوق الأطباء على المعلمين (p = .008) والمهندسين (p = .031).

9. عرض وتنسيق القيم الاحتمالية في الجداول والأشكال البيانية (APA Tables & Figures)

9.1 تنسيق القيم الاحتمالية في أعمدة الجداول

تخضع الجداول في دليل APA 7 لمعايير تنسيق صارمة تهدف إلى تحقيق أقصى درجات الوضوح البصري. عند إفراد عمود مستقل للقيم الاحتمالية داخل الجدول، يجب تسمية ترويسة العمود بالحرف الصغير المائل p فقط، دون إضافة كلمات أخرى مثل “Sig” أو “P-Value” أو “الدلالة”.

يجب محاذاة كافة الأرقام العشرية في عمود القيم الاحتمالية عمودياً عند النقطة العشرية (Decimal Alignment)؛ لتمكين القارئ من إجراء المقارنات البصرية السريعة بين الصفوف دون تشتت. كما يُفضل في الجداول الإحصائية المتقدمة كتابة القيم الرقمية الدقيقة بدلاً من الاكتفاء باختزالها في تصنيفات عريضة، مع مراعاة استبدال القيم الصفرية بصيغة < .001 تلقائياً.

المتغير التابع	المجموعة التجريبية M (SD)	المجموعة الضابطة M (SD)	t(78)	p	Cohen’s d
المرونة المعرفية	42.15 (5.30)	34.20 (6.10)	6.21	< .001	1.39
التنظيم الانفعالي	28.40 (4.10)	25.60 (4.50)	2.91	.005	0.65
إدراك الضغوط	18.30 (3.80)	19.10 (4.00)	-0.92	.361	-0.21

9.2 استخدام الهوامش التوضيحية وعلامات النجوم (Asterisks System)

في مصفوفات الارتباط الكبيرة (Correlation Matrices) أو جداول الانحدار المعقدة حيث تضيق الأعمدة عن استيعاب قيم p المستقلة لكل معامل، يجيز دليل APA استخدام نظام النجوم التقليدي (Asterisk System) لتمييز مستويات الدلالة في المتن الجدولي، شريطة كتابة الحاشية التوضيحية أسفل الجدول بدقة وتطابق تام مع القواعد التالية:

• نجمة واحدة (*): تعبر عن p < .05
• نجمتان (**): تعبر عن p < .01
• ثلاث نجمات (***): تعبر عن p < .001

تُكتب الحاشية الإحصائية أسفل الجدول بالبدء بكلمة Note. مائلة، وتُسرد دلالات النجوم مفصولة بنقاط أو فواصل منقوطة، كما يلي:

Note. N = 150. *p < .05. **p < .01. ***p < .001.

9.3 إدراج القيم الاحتمالية في الأشكال التوضيحية والرسوم البيانية

عند بناء الرسوم البيانية والأشكال التوضيحية (Figures)، مثل المخططات العمودية (Bar Charts) أو مسارات النمذجة البنائية (SEM Path Diagrams)، يمكن الإشارة إلى الفروق الدالة بين الأعمدة باستخدام أقواس المقارنة الأفقية المكتوب فوقها القيمة الاحتمالية الدقيقة أو علامات النجوم المعيارية.

يجب أن يتضمن شرح الشكل (Figure Caption) أسفل الرسم البياني تفصيلاً كاملاً لمستويات الدلالة المستخدمة، ونوع الاختبار الإحصائي المطبق، وما إذا كانت أشرطة الخطأ تمثل الخطأ المعياري للمتوسط ($SE$) أو فترات الثقة 95%. كما يجب الحرص على عدم ازدحام الرسم بالبيانات النصية المفرطة التي تعيق القراءة البصرية المباشرة للاتجاهات السلوكية.

10. الأخطاء الشائعة في كتابة وتفسير القيم الاحتمالية وكيفية تجنبها

10.1 الأخطاء الشكلية والأسلوبية الشائعة

تتكرر الأخطاء الأسلوبية في كتابة النتائج الإحصائية بين الباحثين وطلاب الدراسات العليا نتيجة الاعتماد على النسخ المباشر من مخرجات البرمجيات أو القياس غير الدقيق على نصوص قديمة. يُلخص الجدول التالي أبرز الأخطاء التحريرية الشائعة والتصويب المعياري المقابل لها وفق الإصدار السابع لـ APA:

الصياغة الخاطئة	الصياغة الصحيحة (APA 7)	العلة المنهجية والتصحيح
p = 0.041	p = .041	حذف الصفر البادئ وتمييل حرف p
P = .000	p < .001	الاحتمال لا يساوي صفراً والحرف يكتب صغيراً ومائلاً
(p<.05)	(p = .038) أو (p < .05)	وضع مسافات تفصل الرموز وتفضيل القيمة الدقيقة
t = 2.45, Sig = .015	t(48) = 2.45, p = .015	استبدال كلمة Sig بـ p وإدراج درجات الحرية

10.2 أخطاء التفسير المفاهيمي (Misinterpretations)

من أخطر الأخطاء المفاهيمية الشائعة في العلوم السلوكية التعامل مع القيمة الاحتمالية على أنها مقياس لاحتمالية صحة الفرضية الصفرية أو الفرضية البديلة؛ إذ إن القيمة p تُحسب بافتراض أن الفرضية الصفرية صحيحة بنسبة 100%، وبالتالي لا يمكن منطقياً أن تقيس احتمالية الفرضية التي بُنيت على أساس صحتها التامة مسبقاً.

بالإضافة إلى ذلك، يلجأ بعض الباحثين عند الحصول على نتائج غير دالة إحصائياً قريبة من مستوى القطع (مثل p = .06 أو p = .07) إلى استخدام تعبيرات مضللة لغوياً مثل: “أظهرت النتائج اتجاهاً نحو الدلالة” (Marginally Significant) أو “كانت الفروق شبه دالة”. يرفض الفكر الإحصائي المعاصر ومنهجية APA هذه التوصيفات الالتفائية؛ فالقرار الإحصائي ضمن إطار NHST قرار محدد بحدود فاصلة: إما أن النتيجة دالة إحصائياً عند مستوى $\alpha$ المختار سلفاً، أو غير دالة إحصائياً، مع وجوب مناقشة حجم التأثير والقدرة الإحصائية بدلاً من ابتداع دلالات لغوية واهية.

10.3 ممارسات الـ p-Hacking وتضخيم الدلالة

يُطلق مصطلح الـ p-Hacking (أو اختراق القيمة الاحتمالية) على مجموعة الممارسات الإحصائية غير الأخلاقية أو غير المنضبطة التي يقوم بها الباحث لتقليص القيمة الاحتمالية وجعلها تنخفض قسرياً تحت عتبة .05 المقبولة للنشر. تشمل هذه الممارسات جمع بيانات إضافية والتوقف المؤقت فقط عندما تصبح p دالة، أو استبعاد بعض القيم المتطرفة بعد رؤية النتائج دون مبرر منهجي قبلي، أو اختبار عدة متغيرات تابعة وتجاهل تلك التي لم تحقق دلالة إحصائية.

تؤكد توصيات APA الحديثة ومبادئ النشر الأخلاقي على وجوب الإبلاغ الشفاف عن جميع الفرضيات والاختبارات التي تم إجراؤها دون انتقاء مسبق، وتسجيل خطط التحليل مسبقاً في منصات العلم المفتوح (Preregistration عبر منصة OSF)، وتطبيق تصحيحات المقارنات المتعددة الصارمة لمنع تضخيم النتائج الزائفة والحفاظ على نزاهة الأدبيات الأكاديمية.

11. تكامل القيم الاحتمالية مع أحجام الأثر (Effect Sizes): متطلبات APA الحديثة

11.1 ضرورة تقديم حجم الأثر بجانب القيمة الاحتمالية

تمثل القيمة الاحتمالية إجابة رياضية عن سؤال محدد: “هل هناك أثر يختلف عن الصفر في ضوء التباين العشوائي؟”، لكنها تعجز تماماً عن الإجابة عن السؤال الجوهري الأهم في الممارسة العلمية والسريرية: “ما هو مقدار هذا الأثر وما هي قوته العملية؟”. تتأثر قيمة p بشدة بحجم العينة ($N$)؛ فحجم العينة الهائل (مثل $N = 10,000$) يجعل أصغر الفروق التافهة دالة إحصائياً عند p < .001، في حين أن العينات الصغيرة جداً قد تفشل في إظهار فروق علاجية ضخمة بسبب ضعف القوة الإحصائية (Low Statistical Power).

لهذا السبب، يفرض الإصدار السابع لـ APA إلزامية الجمع بين القيمة الاحتمالية ومقاييس أحجام الأثر المعيارية؛ إذ يتيح هذا التكامل للقارئ تقييم الجدوى الميدانية للنتائج بشكل مستقل عن قيود حجم العينة، وهو المعيار الأساسي للحكم على جودة وتأثير الأبحاث النفسية المعاصرة.

11.2 أبرز مقاييس حجم الأثر وكيفية كتابتها

تختلف مقاييس حجم الأثر باختلاف نوع التصميم التجريبي والاختبار الإحصائي المطبق. يجب كتابة رموز أحجام التأثير بخط مائل، والالتزام بالقواعد التحريرية للصفر البادئ؛ حيث يُحذف الصفر من المقاييس المحدودة بـ 1.00 وتُبقى مع المقاييس غير المحدودة. وفيما يلي أهم المقاييس المعتمدة وصيغ كتابتها:

• كوهين دي (Cohen’s d): يُستخدم مع اختبارات t لمقارنة المتوسطات. يكتب الحرف d مائلاً، ويُحتفظ بالصفر البادئ لأنه يمكن أن يتجاوز الواحد الصحيح نظرياً (مثال: d = 0.65 أو d = 1.24). الإرشادات العامة للتفسير: 0.20 = أثر صغير، 0.50 = أثر متوسط، 0.80 = أثر كبير.
• إيتا المربعة الجزئية ($\eta_p^2$): تُستخدم مع تحليلات التباين (ANOVA) لتقدير نسبة التباين المفسر. يُكتب الرمز اليوناني إيتا مرفوعاً لـ 2 مع وضع الحرف الصغير p، ويُحذف الصفر البادئ لأن القيمة لا تتجاوز 1.00 أبداً (مثال: $\eta_p^2$ = .14). الإرشادات العامة: .01 = صغير، .06 = متوسط، .14 = كبير.
• معامل التحديد ($R^2$): يُستخدم في نماذج الانحدار الخطي لتحديد النسبة الكلية للتباين المفسر بالنموذج. يُكتب الحرف R كبيراً ومائلاً ومرفوعاً للقوة 2 مع حذف الصفر البادئ (مثال: R² = .18).

12. دليل إرشادي وقائمة تدقيق (Checklist) لكتابة النتائج الإحصائية

12.1 جدول المقارنة السريعة لصيغ الاختبارات الإحصائية

يوفر الجدول التالي مرجعاً شاملاً وسريعاً يجمع الصيغ الهيكلية المعتمدة لتوثيق مختلف الاختبارات الإحصائية وفق الإصدار السابع لدليل APA، ليكون بمثابة دليل تطبيقي جاهز للمحاكاة المباشرة عند كتابة فصول النتائج في الرسائل الجامعية والأوراق البحثية:

نوع الاختبار الإحصائي	الصيغة التحريرية القياسية المعتمدة (APA 7th Format)
اختبار ت المستقل	t(df) = x.xx, p = .xxx, d = x.xx, 95% CI [LL, UL]
تحليل التباين الأحادي	F(dfbetween, dfwithin) = x.xx, p = .xxx, $\eta_p^2$ = .xx
ارتباط بيرسون	r(df) = .xx, p = .xxx, 95% CI [LL, UL]
اختبار مربع كاي	$\chi^2$(df, N = XXX) = xx.xx, p = .xxx, V = .xx
اختبار مان-ويتني	U = xxx.xx, z = x.xx, p = .xxx, r = .xx
الانحدار الخطي المتعدد	F(dfreg, dfres) = x.xx, p = .xxx, R2 = .xx

12.2 قائمة تدقيق جودة كتابة الـ P-Values قبل تسليم البحث للنشر

قبل الشروع في تسليم المسودة النهائية للبحث أو الأطروحة إلى لجان التحكيم أو المجلات العلمية، يتعين على الباحث مراجعة قائمة التدقيق المنهجية التالية لضمان خلو البيانات من الأخطاء التنسيقية والمفاهيمية:

• [ ] هل تمت كتابة جميع الأحرف الإحصائية اللاتينية (مثل: p, t, F, r, z, d, N, M, SD) بخط مائل في كافة المواضع؟
• [ ] هل تم حذف الصفر البادئ من جميع القيم التي لا يمكن أن تتجاوز 1.00 (مثل: p = .023 و r = .45 و R² = .15 و $\eta_p^2$ = .08)؟
• [ ] هل تم الإبقاء على الصفر البادئ في الإحصاءات التي يمكن أن تتجاوز 1.00 (مثل: t = 2.45 و F = 5.12 و d = 0.45 و M = 12.30)؟
• [ ] هل تم فحص مخرجات البرمجيات الإحصائية واستبدال كل ظهور للقيمة المستحيلة p = .000 بالصيغة القياسية p < .001؟
• [ ] هل تم تقريب القيم الاحتمالية بدقة إلى منزلتين أو ثلاث منازل عشرية دون اختزال مفرط ودون استخدام صيغ غير قياسية؟
• [ ] هل وُضعت مسافات مفردة متوازنة حول جميع علامات التساوي والمقارنة الرياضية (مثل: p = .034 وليس p=.034)؟
• [ ] هل تم تزويد كل قيمة احتمالية بالإحصاء الاختباري المرافق لها، ودرجات الحرية الصحيحة، ومقاييس حجم التأثير وفترات الثقة المناسبة؟
• [ ] هل تم التحقق من تطابق درجات الحرية الواردة بين الأقواس مع حجم العينة الفعلي والتصميم التجريبي المستخدم في الدراسة؟
• [ ] هل تخلو الجمل التفسيرية من المغالطات المفاهيمية كتوصيف النتائج بـ “الاتجاه نحو الدلالة” للقيم غير الدالة إحصائياً؟

خاتمة

إن الالتزام الصارم بمعايير توثيق القيم الاحتمالية وفق الإصدار السابع لجمعية علم النفس الأمريكية (APA 7) يتجاوز كونه مجرد اتباع شكلي لقواعد تحريرية، ليمثل التزاماً عميقاً بالنزاهة العلمية، والشفافية المنهجية، والدقة الرياضية. إن الكتابة الإحصائية المنضبطة تضمن تواصل الباحث مع المجتمع الأكاديمي الدولي بلغة موحدة لا لبس فيها، وتتيح للأدبيات العلمية مراكمة المعرفة والتحقق من موثوقية النتائج السلوكية والنفسية.

من خلال الجمع الواعي بين القيمة الاحتمالية الدقيقة، والإحصاءات الاختبارية الكاملة، وأحجام الأثر المفسرة، وفترات الثقة الرصينة، يستطيع الباحث العربي تقديم أوراق علمية وأطروحات أكاديمية تنافس في كبرى المحافل والمجلات الدولية المصنفة، مساهماً بذلك في الارتقاء بجودة البحث العلمي السيكولوجي ودعم الممارسة القائمة على الأدلة الدامغة.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Head, M. L., Holman, L., Lanfear, R., Kahn, A. T., & Jennions, M. D. (2015). The extent and consequences of p-hacking in science. PLOS Biology, 13(3), Article e1002106. https://doi.org/10.1371/journal.pbio.1002106
• Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863. https://doi.org/10.3389/fpsyg.2013.00863
• Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
• Wilkinson, L., & the Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594