كيفية حساب ملخص الأرقام الخمسة في SPSS

تُعد الإحصاءات الوصفية الركيزة الأساسية التي يستند إليها أي تحليل بيانات رصين، إذ تمنح الباحثين والدارسين نافذة أولية لاستكشاف المعالم الهيكلية للمتغيرات قبل الخوض في غمار النمذجة الاستدلالية المعقدة. وفي طليعة هذه الأساليب الاستكشافية يبرز ملخص الأرقام الخمسة (Five Number Summary) بوصفه أحد أكثر النماذج الإحصائية اللامعلمية قدرة على تقديم صورة بانورامية متكاملة عن موضع البيانات، وتشتتها، ودرجة تماثلها دون التأثر بالتشوهات الحسابية التي تفرضها القيم المتطرفة. وقد صاغ هذا المفهوم الإحصائي الرائد جون توكي (John Tukey) ضمن إطار تحليل البيانات الاستكشافي (Exploratory Data Analysis – EDA) ليحل معضلة الاعتماد المطلق على المتوسط الحسابي والانحراف المعياري في التوزيعات الملتوية.

تكتسب هذه الأداة التحليلية أهمية استثنائية عند تطبيقها عبر الحزمة الإحصائية للعلوم الاجتماعية IBM SPSS Statistics، التي توفر بيئة برمجية متطورة تتيح استخراج هذه الأرقام بدقة وسرعة فائقتين عبر واجهات رسومية تفاعلية وأوامر برمجية مرنة. تتيح مرونة SPSS للباحثين ليس فقط استخراج القيم الخمس الممثلة للتوزيع، بل وتفكيك العلاقات الرياضية الدقيقة الكامنة بينها، وربطها بالتمثيلات البيانية المتقدمة كالمخططات الصندوقية، مما يسهم في اتخاذ قرارات منهجية صائبة تتعلق بجودة البيانات وسلامة الفروض البحثية.

يهدف هذا الدليل الشامل والمفصل إلى تقديم مرجع أكاديمي وتطبيقي متكامل لكيفية حساب ملخص الأرقام الخمسة في برنامج SPSS من الألف إلى الياء. سيتناول المقال الأسس النظرية للملخص، وتفكيك مكوناته الخمسة، وتطبيقاته في البحوث الميدانية والنفسية، وإعداد مصفوفة البيانات وتجهيزها، واستعراض كافة الطرق الإجرائية المتاحة داخل البرنامج (قائمة التكرارات، قائمة الاستكشاف، وأكواد بناء الجملة Syntax)، وصولاً إلى تفسير المخرجات، واكتشاف القيم الشاذة، وتوثيق النتائج وفق المعايير الأكاديمية الصارمة الصادرة عن الجمعية الأمريكية لعلم النفس (APA 7th Edition).

1. مدخل نظري إلى ملخص الأرقام الخمسة وأهميته الإحصائية

1.1 تعريف ملخص الأرقام الخمسة (Five Number Summary)

يُعرف ملخص الأرقام الخمسة بأنه توليفة إحصائية وصفية موجزة تختزل مجموعة بيانات كمية كاملة، مهما بلغت ضخامتها وتعددت مشاهداتها، في خمس قيم رقمية محددة بدقة تعبر عن رتب المشاهدات بعد ترتيبها تصاعدياً من الأدنى إلى الأعلى. تتألف هذه المنظومة الخماسية من: القيمة الصغرى (Minimum)، والربيع الأول أو الأدنى (First Quartile – Q1)، والوسيط الإحصائي أو الربيع الثاني (Median – Q2)، والربيع الثالث أو الأعلى (Third Quartile – Q3)، والقيمة العظمى (Maximum). ينبثق المفهوم الرياضي لهذا الملخص من كونه مقياساً لا معلَمياً (Non-parametric) خالصاً؛ أي أنه لا يفترض مسبقاً خضوع البيانات لتوزيع احتمالي معين كالتوزيع الطبيعي السوي (Normal Distribution)، بل يستند مباشرة إلى المواقع الرتبية والنسب التراكمية للمشاهدات ضمن المتسلسلة العددية.

تكمن الفروق الجوهرية بين المؤشرات الوصفية المعلمية (كالوسط الحسابي والتباين والانحراف المعياري) والمؤشرات اللامعلمية (كمكونات ملخص الأرقام الخمسة والمدى الربيعي) في مدى حساسيتها للتشوهات الطرفية. فبينما يمثل المتوسط الحسابي مركز الثقل الرياضي الذي ينجذب بشدة نحو أي قيمة شاذة ناتجة عن خطأ قياس أو تباين استثنائي، تعتمد مكونات الملخص الخماسي على الترتيب الرتبي، مما يجعلها مقاومة بطبيعتها (Robust Measures) لتلك التغيرات الحادة. علاوة على ذلك، يشكل ملخص الأرقام الخمسة البنية الرياضية التحتية التي يُبنى عليها المخطط الصندوقي (Boxplot)، وهو التمثيل البصري الأهم في استكشاف البيانات، حيث تترجم هذه الأرقام الخمسة إلى معالم هندسية واضحة تجسد سلوك الظاهرة المدروسة على نحو دقيق وشامل.

1.2 الفوائد التحليلية لملخص الأرقام الخمسة في فهم توزيع البيانات

يوفر ملخص الأرقام الخمسة جملة من المزايا التحليلية التي تجعله خطوة لا غنى عنها في مرحلة الفحص المبدئي للبيانات. تتمثل الفائدة الأولى في القدرة الفائقة على تحديد مركز التوزيع بدقة؛ فالوسيط بوصفه النقطة التي تقسم المتسلسلة إلى نصفين متساويين يقدم تقديراً واقعياً للمستوى النمطي للمشاهدات، متفادياً التضليل الذي قد يحدثه المتوسط الحسابي في حال وجود التواءات شديدة. الفائدة الثانية تكمن في رصد درجة تشتت البيانات عبر مستويين مختلفين: التشتت الكلي الذي يقيسه المدى العام (الفرق بين القيمة العظمى والقيمة الصغرى)، والتشتت البؤري المحمي الذي يعبر عنه المدى الربيعي (Interquartile Range – IQR)، وهو الفرق بين الربيع الثالث والربيع الأول، والذي يحصر بدقة انتشار النصف الأوسط (50%) من الحالات المدروسة.

تتجلى الفائدة الثالثة في تقييم تماثل التوزيع ودرجة التوائه (Skewness) دون الحاجة الفورية لحساب معادلات العزوم الإحصائية المعقدة. فمن خلال مقارنة المسافة الفاصلة بين القيمة الصغرى والوسيط بالمسافة الفاصلة بين الوسيط والقيمة العظمى، أو بمقارنة المسافة من الربيع الأول إلى الوسيط مع المسافة من الوسيط إلى الربيع الثالث، يستطيع المحلل استنتاج ما إذا كان التوزيع متماثلاً (Symmetrical) أو ملتفاً نحو اليمين بالتواء إيجابي (Right/Positive Skew) أو ملتفاً نحو اليسار بالتواء سلبي (Left/Negative Skew). وأخيراً، يتيح هذا الملخص إجراء مقارنات بصرية وعددية فورية وفعالة بين مجموعات دراسية متعددة أو شروط تجريبية مختلفة من خلال موازنة الأرقام الخمسة لكل مجموعة جنباً إلى جنب، مما يكشف عن التباينات الجوهرية في النزعة المركزية والانتشار والتجانس بين تلك المجموعات بأسلوب موجز ودقيق.

1.3 موقع ملخص الأرقام الخمسة في حزمة SPSS الإحصائية

تحتل أدوات استخراج ملخص الأرقام الخمسة مكانة مركزية داخل بيئة برنامج IBM SPSS Statistics، حيث صُمم البرنامج ليتيح للمستخدمين استخراج هذه المقاييس عبر مسارات متعددة تتراوح بين السهولة الإجرائية والعمق التحليلي الموسع. لا يقتصر البرنامج على تقديم واجهات رسومية بسيطة ضمن قوائم التحليل الإحصائي الوصفي (Descriptive Statistics)، بل يوفر مرونة فائقة تسمح باختيار خوارزميات تقدير المئينيات المتبعة، ومعالجة العينات المتشعبة، وتضمين أوزان الحالات عند الضرورة. تتيح بيئة SPSS للمحلل الانتقال السلس من جداول المخرجات العددية المجدولة إلى التمثيلات البيانية التفاعلية، حيث يقوم البرنامج بربط حسابات الربيعات والوسيط والحدود تلقائياً بمحركات رسم المخططات الصندوقية ذات الدقة العالية.

تكتسب كفاءة حزمة SPSS في تلخيص المتغيرات أهمية بالغة عند التعامل مع مجموعات البيانات المسحية والنفسية والاجتماعية التي تشتمل على آلاف المشاهدات وعشرات المتغيرات الترتيبية والكمية. إن قدرة البرنامج على عزل القيم المفقودة واستبعادها تلقائياً وفق خيارات محددة يضمن بقاء حسابات الملخص الخماسي دقيقة وخالية من الشوائب الحسابية. وبفضل التكامل الوظيفي بين واجهة المستخدم الرسومية ولغة الأوامر البرمجية (SPSS Syntax)، يستطيع الباحثون توثيق خطوات استخراج ملخص الأرقام الخمسة وأتمتتها لتكرارها عبر مصفوفات بيانات متعددة بضغطة زر واحدة، مما يوفر الوقت ويضمن تماسك الإجراءات التحليلية المتبعة عبر مختلف مراحل المشروع البحثي.

2. المكونات الأساسية الخمسة لملخص التوزيع العددي

2.1 القيمة الصغرى (Minimum) والقيمة العظمى (Maximum)

تمثل القيمة الصغرى (Min) أدنى رصد رقمي مسجل في سلسلة البيانات المرتبة، بينما تمثل القيمة العظمى (Max) أعلى رصد رقمي فيها. تشكل هاتان النقطتان الحدود الخارجية المطلقة للمتغير الخاضع للقياس، وتتحدد من خلالهما رقعة الانتشار الكلية للظاهرة المدروسة عبر حساب المدى العام (Range)، والذي يتحدد رياضياً بالصيغة: Range = Maximum - Minimum. يُعد فحص هاتين القيمتين الخطوة الدفاعية الأولى والأهم في بروتوكولات فحص جودة البيانات وتنظيفها، حيث يسمح التفحص السريع للقيم الدنيا والقصوى بكشف أخطاء الإدخال المطبعية الشائعة؛ كأن يظهر رصد بقيمة 99 في متغير مقياس ليكرت الخماسي الذي يجب ألا تتجاوز قيمه الرقم 5، أو تسجيل قيمة سالبة في متغير يقيس العمر الزمني أو الدخل الشهري.

على الرغم من الأهمية الاستكشافية الكبرى للقيمتين الدنيا والقصوى، إلا أنهما تتسمان بحساسية بالغة تجاه الظروف الاستثنائية للعينات، إذ يكفي وجود خطأ إدخال وحيد أو مشارك ذي سلوك شاذ تماماً ليتسع المدى العام بصورة مضللة لا تعكس البنية الحقيقية لأغلب أفراد العينة. لذلك، ينظر التحليل الإحصائي الرصين إلى القيمة الصغرى والقيمة العظمى بوصفهما نقطتي إرشاد ترسمان الإطار العام لحدود العينة، وتعملان كنقاط مرجعية ضرورية لحساب الفجوات الطرفية ومقارنتها بمواقع الربيعات لتشخيص استطالة أطراف التوزيع (Tails) ومقدار ثقلها الإحصائي.

2.2 الوسيط الإحصائي (Median / Q2)

يحتل الوسيط الإحصائي (المعروف أيضاً بالربيع الثاني Q2 أو المئين الخمسين 50th Percentile) موقع القلب في ملخص الأرقام الخمسة، وهو القيمة العددية التي تقسم البيانات المرتبة ترتيباً تصاعدياً إلى نصفين متساويين تماماً، بحيث يقع 50% من المشاهدات دونه، و50% الأخرى فوقه. تكمن القوة المنهجية للوسيط في خاصية المقاومة الإحصائية (Robustness)، حيث يظل الوسيط ثابتاً ومستقراً ولا يتأثر إطلاقاً بتغير القيم الطرفية القصوى أو تحولها إلى قيم شاذة، ما دامت رتبة نقطة المنتصف لم تتغير، وهو ما يجعله البديل المثالي للمتوسط الحسابي في التوزيعات غير المتماثلة والبيانات الترتيبية.

تتبع حزمة SPSS خوارزميات رياضية دقيقة لحساب الوسيط تبعاً لحجم العينة (N). فإذا كان حجم العينة فردياً، يُحسب الوسيط كرقم المشاهدة الفعلي الواقع في الموقع الرتبي (N + 1) / 2. أما إذا كان حجم العينة زوجياً، فإن الوسيط يتحدد بحساب المتوسط الحسابي للقيمتين الواقعتين في الرتبتين N / 2 و (N / 2) + 1. تتفادى هذه الخوارزميات التحيز في التقدير، وتضمن اتساق الموقع المتوسط سواء كانت البيانات مستمرة ذات فواصل عشرية دقيقة أو متقطعة ناجمة عن عد الحوادث أو درجات المقاييس النفسية.

2.3 الربيع الأول (Q1) والربيع الثالث (Q3) والمدى الربيعي (IQR)

يمثل الربيع الأول (First Quartile – Q1)، أو الربيع الأدنى (25th Percentile)، العتبة الرقمية التي تفرز أدنى 25% من المشاهدات عن أعلى 75% منها، وهو بمثابة وسيط النصف الأدنى من البيانات الواقع بين القيمة الصغرى والوسيط العام. في المقابل، يمثل الربيع الثالث (Third Quartile – Q3)، أو الربيع الأعلى (75th Percentile)، العتبة الرقمية التي تفصل أدنى 75% من المشاهدات عن أعلى 25% المتبقية، وهو يطابق وسيط النصف الأعلى من البيانات الممتد من الوسيط العام إلى القيمة العظمى. يمنح هذان الربيعان المحلل فهماً عميقاً لكثافة تركز البيانات حول المركز ومدى سرعة ابتعادها عنه باتجاه الحدود القصوى.

ينبثق من الربيعين الأول والثالث مقياس التشتت المحمي الأبرز: المدى الربيعي (Interquartile Range – IQR)، والذي يُحسب بالمعادلة الرياضية: IQR = Q3 - Q1. يمثل المدى الربيعي المسافة الإحصائية التي تشغلها نسبة الـ 50% الوسطى من المشاهدات؛ ولأنه يتجاهل تماماً الربع الأدنى والربع الأعلى من العينة، فإنه يوفر مقياساً نقياً للتباين لا يتأثر إطلاقاً بالقيم الشاذة أو الأطراف الممتدة. يُستخدم المدى الربيعي كمكون جوهري في تحديد الأسوار الإحصائية لاكتشاف القيم الشاذة، وفي معايرة درجة انتشار الظواهر في العلوم الإنسانية والتطبيقية على حد سواء.

3. تطبيقات ملخص الأرقام الخمسة في البحوث النفسية والسلوكية

3.1 معالجة المقاييس النفسية ذات التوزيعات غير السوية

تواجه البحوث النفسية والسلوكية تحدياً مستمراً يتمثل في ابتعاد البيانات المجمعة عن خصائص التوزيع الطبيعي السوي، لا سيما عند استخدام مقاييس التقدير المتدرجة كمقاييس ليكرت (Likert Scales) ذات النقاط الخمس أو السبع، والتي تصنف منهجياً ضمن مستوى القياس الترتيبي (Ordinal Level). في مثل هذه المقاييس، غالباً ما تتجمع استجابات المفحوصين نحو أطراف معينة تحت تأثير المرغوبية الاجتماعية (Social Desirability) أو التحيزات المعرفية، مما يولد التواءات شديدة تجعل الاعتماد على المتوسط الحسابي والانحراف المعياري أمراً غير دقيق منهجياً ويقود إلى استنتاجات مضللة حول مستوى السمة المقاسة.

يبرز هذا التحدي بوضوح في دراسات الاضطرابات الانفعالية؛ فعند تطبيق مقاييس القلق أو الاكتئاب على عينات غير إكلينيكية، تُظهر الغالبية العظمى من الأفراد درجات منخفضة جداً بينما يسجل عدد قليل فقط درجات مرتفعة، مما يولد التواءً إيجابياً (موجباً) حاداً باتجاه اليمين. يتيح ملخص الأرقام الخمسة للباحث النفسي في هذه الحالة توصيف الدرجات الحقيقية للمجتمع عبر الوسيط والربيعات دون أن تتأثر المؤشرات الوصفية بالقلة القليلة التي تعاني من أعراض حادة. كما يوفر الملخص أداة مثالية لوصف المتغيرات السلوكية ذات التشتت المرتفع، كأزمنة الرجع (Reaction Times) أو معدلات تكرار سلوكيات معينة خلال فترة زمنية محددة، حيث تحتفظ الربيعات بسلامة الدلالة النفسية للسلوك المرصود.

3.2 تقييم التباين بين العينات الإكلينيكية والضابطة

في التصاميم التجريبية والإكلينيكية المقارنة، يحتاج الباحث إلى أدوات إحصائية تمكنه من تقييم الفروق ليس فقط على مستوى الأداء المتوسط، بل على مستوى بنية التوزيع والتشتت داخل كل مجموعة تشخيصية. يُعد ملخص الأرقام الخمسة أداة فعالة لمقارنة التباينات بين العينات الإكلينيكية (كالأفراد المصابين باضطراب طيف التوحد أو الفصام) والعينات الضابطة من الأصحاء، حيث تكشف مقارنة المدى الربيعي (IQR) بين المجموعتين عما إذا كانت الاستجابات النفسية تتسم بالتجانس والانسجام أم بالتشتت والتباين العالي.

إن فحص قيم الوسيط والربيعين الأول والثالث عبر المجموعات يُمكّن الباحث السلوكي من استنتاج تحولات التوزيع الناتجة عن التدخلات العلاجية أو الدوائية. فعلى سبيل المثال، إذا أظهرت المجموعة العلاجية انخفاضاً ملحوظاً في قيمة الربيع الثالث (Q3) لدرجات مقياس الرهاب الاجتماعي مع بقاء القيمة الصغرى ثابتة، فإن ذلك يشير إلى أن التدخل العلاجي نجح في خفض الدرجات الحادة لدى الفئة الأكثر تضرراً دون إحداث تغيير كبير في القاع، وهو استنتاج تفصيلي دقيق تعجز مؤشرات المتوسط الحسابي البسيطة عن إبرازه بمفردها.

3.3 فحص صلاحية أدوات القياس والظواهر الحدية

يؤدي ملخص الأرقام الخمسة دوراً محورياً في دراسات القياس النفسي والتقنين السيكومتري، وتحديداً في استكشاف الظواهر الحدية المعيقة لصلاحية المقاييس، والتي تُعرف في الأدبيات المنهجية بظاهرتي السقف والأرضية (Ceiling and Floor Effects). تحدث ظاهرة السقف عندما تكون فقرات الاختبار شديدة السهولة بحيث يحصل قطاع واسع من المشاركين على الدرجة القصوى الممكنة، مما يؤدي إلى تطابق قيمة الربيع الثالث (Q3) أو حتى الوسيط مع القيمة العظمى (Max). في المقابل، تحدث ظاهرة الأرضية عندما تكون الفقرات بالغة الصعوبة، فتتطابق قيمة الربيع الأول (Q1) مع القيمة الصغرى (Min).

يُمكّن الفحص الدقيق للملخص الخماسي مطوري المقاييس والاختبارات من تشخيص هذه العيوب البنائية مبكراً؛ فتقارب الربيعات الشديد من الحدود القصوى أو الدنيا يعطي مؤشراً حاسماً على ضعف القوة التمييزية للأداة عند تلك الأطراف، مما يستدعي تعديل صياغة الفقرات أو إضافة بنود أكثر تدرجاً في الصعوبة. فضلاً عن ذلك، يساعد رصد اتساع المدى الربيعي مقارنة بالمدى الكلي في الكشف عن استجابات المفحوصين غير النمطية الناتجة عن التخمين العشوائي أو الإجابة النمطية دون قراءة، مما يسهم في تنقية البيانات ورفع موثوقية الأداة ومعاملات ثباتها قبل الانتقال لتطبيق النمذجة بالمعادلات البنائية أو التحليل العاملي التوكيدي.

4. إعداد وتجهيز مصفوفة البيانات في SPSS قبل استخراج الملخص

4.1 هيكلة المتغيرات في شاشة متغيرات SPSS (Variable View)

تبدأ دقة التحليلات الإحصائية في برنامج SPSS من الضبط المحكم لمصفوفة البيانات عبر شاشة عرض المتغيرات (Variable View). يجب على المحلل التأكد من تعريف نوع المتغير (Type) بصيغة رقمية (Numeric)، وضبط عدد الخانات العشرية (Decimals) بما يتناسب مع دقة أداة القياس المستخدمة. إن إدخال المتغيرات بصيغ نصية (String) يُعد من الأخطاء الفادحة التي تمنع البرنامج من إجراء أي عمليات حسابية رتبية أو استخراج للربيعات، حيث يعجز المحرك الإحصائي عن ترتيب النصوص غير المعرفة كمستويات كمية.

تتمثل الخطوة الأكثر حساسية في تحديد مستوى القياس الصحيح (Measure) في العمود المخصص لذلك؛ حيث يجب ضبط المتغيرات الكمية المستمرة أو المتقطعة ذات المسافات المتساوية على خيار القياس الفئوي/الكمي (Scale)، في حين يتم ضبط مقاييس الرتب ومتدرجات ليكرت على خيار القياس الترتيبي (Ordinal). إضافة إلى ذلك، ينبغي صياغة تسمية وصفية واضحة في عمود الاسم (Label) وتكوين مسميات الفئات (Values) في حال وجود متغيرات تصنيفية مرافقة (كالجنس أو المجموعة التجريبية)، لضمان ظهور جداول المخرجات اللاحقة بعناوين وتصنيفات أكاديمية واضحة ومفهومة.

4.2 التعامل مع القيم المفقودة (Missing Values)

تُعد معالجة البيانات المفقودة ركيزة لا غنى عنها لضمان سلامة حسابات ملخص الأرقام الخمسة؛ إذ يترتب على إهمالها تشوهات خطيرة في ترتيب الحالات وتقدير الرتب المئينية. يفرق برنامج SPSS بين نوعين من القيم المفقودة: الفقد التلقائي للنظام (System-missing)، والذي يرمز له بنقطة (.) في شاشة البيانات ويحدث عند ترك الخلية فارغة تماماً، والفقد المعرف من قبل المستخدم (User-missing values)، حيث يقوم الباحث بتخصيص أكواد رقمية محددة (مثل 999 أو -9) لتدل على عدم استجابة المفحوص أو عدم انطباق السؤال عليه.

يجب على الباحث الذهاب إلى عمود القيم المفقودة (Missing) في شاشة Variable View وتحديد تلك الأكواد بدقة، وإلا سيتعامل البرنامج مع الكود 999 كرقم فعلي حقيقي، مما يجعل القيمة العظمى تقفز إلى 999 ويتسع المدى العام بشكل كارثي يؤدي إلى تدمير دقة الوسيط والربيع الثالث. كما يُنصح بفحص نسبة الفقد الإجمالية في كل متغير عبر إجراءات الاستكشاف الأولية، للتأكد من أنها لا تتجاوز الحدود المقبولة منهجياً، وتطبيق استراتيجيات المعالجة المناسبة كالحذف أو التعويض المتعدد (Multiple Imputation) قبل اعتماد الملخص الخماسي النهائي.

4.3 تنظيف وفحص البيانات الأولية في شاشة البيانات (Data View)

بعد إتمام ضبط شاشة المتغيرات، ينتقل التركيز إلى شاشة عرض البيانات (Data View) لإجراء فحص بصري وهيكلي أولي لمصفوفة الأرقام. يتضمن تنظيف البيانات التأكد من عدم وجود تكرار غير مقصود للحالات (Duplicate Cases)، وخلو الخلايا من المحارف غير الرقمية أو الفواصل غير المتوافقة مع الإعدادات الإقليمية للبرنامج (كالخلط بين النقطة والفارزة العشرية). كما يجب التحقق من إتمام عملية الترميز المعكوس (Reverse Coding) للبنود المصاغة بأسلوب سلبي في المقاييس النفسية، لضمان اتساق اتجاه الدرجات قبل حساب الدرجة الكلية للمتغير.

يُعد إجراء فرز الحالات (Sort Cases) تصاعدياً وتنازلياً عبر النقر بزر الفأرة الأيمن على رأس عمود المتغير في شاشة البيانات تقنية سريعة ومفيدة للتحقق البصري المباشر من الترتيب المنطقي للقيم؛ إذ تتيح للباحث معاينة أدنى المشاهدات وأعلاها بالعين المجردة، والتأكد من مطابقتها لنطاق القياس النظري المصمم للاختبار، فضلاً عن رصد أي فجوات رقمية غير مبررة في توزيع الرتب قبل الشروع في استخراج الجداول الوصفية الرسمية.

5. الطريقة الأولى: حساب ملخص الأرقام الخمسة عبر قائمة التكرارات (Frequencies)

5.1 الوصول إلى نافذة الإحصاءات الوصفية واختيار المتغيرات

تُعد قائمة التكرارات (Frequencies) إحدى أسرع الطرق وأكثرها مباشرة لاستخراج ملخص الأرقام الخمسة لمتغير واحد أو لمجموعة واسعة من المتغيرات في آن واحد داخل برنامج SPSS. للوصول إلى هذه الوظيفة، يتبع المستخدم المسار المنهجي التالي من شريط القوائم الرئيسي في أعلى واجهة البرنامج:

Analyze > Descriptive Statistics > Frequencies

بمجرد النقر على هذا المسار، تنبثق النافذة الحوارية الخاصة بإجراء التكرارات. تحتوي النافذة على قائمتين رئيسيتين: القائمة اليسرى التي تضم جميع المتغيرات المعرفة في ملف البيانات، والقائمة اليمنى المخصصة للمتغيرات المستهدفة بالتحليل المعنونة بـ (Variable(s)). يقوم المستخدم باختيار المتغير الكمي أو الترتيبي المطلوب تحليله من القائمة اليسرى، ثم ينقر على زر السهم الأوسط لنقله إلى المربع الأيمن. إذا كانت البيانات مستمرة وتشتمل على عدد كبير من القيم الفريدة، يُوصى بإلغاء تفعيل خيار “عرض جداول التكرار” (Display frequency tables) الموجود في أسفل يسار النافذة لتفادي توليد جداول تكرارية طويلة لا طائل منها والتركيز فقط على الإحصاءات الملخصة.

5.2 تحديد مؤشرات ملخص الأرقام الخمسة بدقة

بعد اختيار المتغيرات، ينقر المستخدم على زر Statistics الموجود في الزاوية العلوية اليمنى من نافذة التكرارات، لتفتح نافذة فرعية مخصصة لتحديد المؤشرات الإحصائية المرغوبة. لضبط ملخص الأرقام الخمسة بدقة متناهية، يجب تفعيل الخيارات التالية ضمن مجموعاتها المحددة:

• مجموعة القيم المئينية (Percentile Values): يتم تفعيل خيار Quartiles، وهو الخيار المسؤول برمجياً عن حساب الربيع الأول (Q1 / 25th) والربيع الثالث (Q3 / 75th).
• مجموعة النزعة المركزية (Central Tendency): يتم تفعيل خيار Median لاستخراج الوسيط الذي يمثل النقطة الوسطى والربيع الثاني (Q2 / 50th).
• مجموعة التشتت (Dispersion): يتم تفعيل خياري Minimum و Maximum للحصول على أصغر وأكبر قيمة في السلسلة الإحصائية.

بعد إتمام اختيار هذه المربعات الخمسة المحددة، ينقر المستخدم على زر Continue للعودة إلى النافذة الرئيسية، ثم ينقر على زر OK لتنفيذ الأمر الإحصائي، ليقوم البرنامج فوراً بمعالجة البيانات وإرسال النتائج إلى شاشة المخرجات (SPSS Statistics Viewer).

5.3 مزايا استخدام إجراء التكرارات في الحسابات السريعة

يتميز إجراء التكرارات (Frequencies) بعدد من الخصائص التي تجعله الخيار المفضل لدى العديد من الإحصائيين والمحللين عند الرغبة في إجراء فحص استكشافي سريع. الميزة الأولى هي البساطة الإجرائية الفائقة والسرعة في التنفيذ؛ فالأمر يتطلب نقرات معدودة دون الحاجة للغوص في إعدادات متقدمة أو تهيئة معقدة للمتغيرات. الميزة الثانية تتمثل في الكفاءة التجميعية العالية؛ إذ يتيح الإجراء نقل العشرات من المتغيرات في وقت واحد إلى مربع التحليل، ليقوم البرنامج بإنتاج جدول إحصائي موحد ومدمج (Compact Statistics Table) يحتوي على ملخص الأرقام الخمسة لكافة المتغيرات جنباً إلى جنب في أعمدة متجاورة، مما يسهل مقارنة سمات التوزيع عبر عدة أبعاد أو بنود فرعية بسرعة ووضوح تامين.

تتمثل الميزة الثالثة في قلة استهلاك الموارد الحسابية للبرنامج، حيث يُنفذ أمر التكرارات بأدنى استهلاك ممكن للذاكرة المؤقتة مقارنة بالإجراءات الاستكشافية الموسعة، وهو ما يجعله ممتازاً للتعامل مع مصفوفات البيانات الضخمة التي تحتوي على مئات الآلاف من السجلات. ومع ذلك، يظل هذا الإجراء مقتصراً على تقديم الأرقام الوصفية المجردة للعينة ككل، دون توفير إمكانية التفكيك التلقائي بحسب المتغيرات التصنيفية ضمن نفس النافذة دون اللجوء لأوامر إضافية كتقسيم الملفات (Split File).

6. الطريقة الثانية: حساب الملخص والتحليل الموسع عبر قائمة الاستكشاف (Explore)

6.1 خطوات التنقل وضبط المتغيرات التابعة ومجموعات التصنيف

يُعد إجراء الاستكشاف (Explore) الأداة الأكثر شمولاً وتطوراً في بيئة SPSS للتحليل الاستكشافي للبيانات؛ إذ يجمع بين الحساب الدقيق لملخص الأرقام الخمسة وتقديم تقارير مفصلة عن التوزيع والرسوم البيانية التشخيصية. للوصول إلى هذا الإجراء المتقدم، يتبع الباحث المسار التالي:

Analyze > Descriptive Statistics > Explore

تحتوي نافذة الاستكشاف على هيكلية إدخال متميزة تتيح مرونة تحليلية استثنائية. يتم نقل المتغير الكمي المراد استخراج الملخص له إلى مربع قائمة المتغيرات التابعة (Dependent List). وتكمن الميزة الكبرى هنا في وجود مربع قائمة العوامل (Factor List)؛ حيث يستطيع المحلل إدراج متغير تصنيفي (كالمجموعة التجريبية، أو الجنس، أو المستوى التعليمي) داخل هذا المربع، ليقوم البرنامج بتوليد ملخص أرقام خمسة منفصل ومستقل لكل فئة من فئات ذلك المتغير، مما يلغي الحاجة لتقسيم الملف يدوياً ويوفر بيئة مقارنة غنية ومتكاملة بين المجموعات الفرعية للبحث.

6.2 تخصيص الخيارات الإحصائية والمئينيات (Percentiles)

لضمان استخراج كافة مكونات ملخص الأرقام الخمسة ضمن تقرير الاستكشاف، ينقر المستخدم على زر Statistics في الجانب الأيمن من النافذة، حيث تظهر نافذة فرعية تتيح تخصيص المخرجات. يجب التأكد من تفعيل الخيارات التالية:

• تفعيل خيار Descriptives: لتوليد جدول وصفي شامل يضم القيمة الصغرى والقيمة العظمى والوسيط، بالإضافة إلى المتوسط، الانحراف المعياري، فترات الثقة، والمدى العام.
• تفعيل خيار Percentiles: وهو الخيار الأهم الذي يُلزم البرنامج بتوليد جدول مخصص للمئينيات يوضح تفصيلاً قيم الربيع الأول (25th) والوسيط (50th) والربيع الثالث (75th) وفق الخوارزميات الحسابية المعتمدة.

يعتمد إجراء الاستكشاف افتراضياً على خوارزمية المتوسط الموزون للرتب (Weighted Average at Resulting Percentile / WAVERAGE) أو خوارزمية نصف المجموع (HAVERAGE) لتقدير المئينيات بدقة متناهية. بعد ضبط الخيارات، يُنقر على Continue، ثم يتم تحديد خيار العرض Both في أسفل النافذة الرئيسية للحصول على الجداول الإحصائية والمخططات البيانية معاً، ثم النقر على OK لبدء التحليل.

6.3 المقارنة التحليلية بين طريقتي Frequencies و Explore

يوضح الجدول المقارن التالي الفروق الهيكلية والتحليلية بين استخدام أمر التكرارات (Frequencies) وأمر الاستكشاف (Explore) في حساب ملخص الأرقام الخمسة ضمن SPSS:

وجه المقارنة	إجراء التكرارات (Frequencies)	إجراء الاستكشاف (Explore)
الهدف الأساسي	حسابات وصفية وتكرارية سريعة وموجزة.	فحص استكشفي معمق وشامل لتوزيع البيانات.
التحليل بحسب المجموعات	يتطلب تفعيل أمر مسبق لتقسيم الملف (Split File).	مدمج ومباشر عبر مربع قائمة العوامل (Factor List).
المخرجات البيانية المصاحبة	مدرجات تكرارية (Histograms) وأعمدة بيانية بسيطة.	مخططات صندوقية تلقائية (Boxplots) ومخططات الجذع والورقة.
حساب المئينيات التفصيلي	يعتمد على التقدير الرتبي التكراري البسيط.	يوفر جداول مئينيات متعددة الطرق (HAVERAGE, WAVERAGE).
اكتشاف القيم الشاذة	لا يوفر جدولاً مخصصاً لرصد الحالات الشاذة والمتطرفة.	يُنشئ جدولاً مفصلاً لأعلى وأدنى خمس مشاهدات مع أرقام الحالات.

يتضح من المقارنة أن اختيار الأسلوب الإجرائي يعتمد كلياً على أهداف المحلل الإحصائي؛ فبينما يمثل إجراء التكرارات الخيار الأمثل للتلخيص السريع المباشر للمتغيرات الفردية، يتربع إجراء الاستكشاف على قمة الأدوات التحليلية عند الرغبة في تفكيك بنية المتغير، والمقارنة المنهجية بين الفئات، وفحص القيم الشاذة استناداً إلى ملخص الأرقام الخمسة.

7. الطريقة الثالثة: كتابة أكواد بناء الجملة (SPSS Syntax) لأتمتة الحساب

7.1 بناء كود FREQUENCIES لحساب الأرقام الخمسة

يوفر استخدام لغة أوامر SPSS (Syntax) ميزة الأتمتة الكاملة، مما يتيح للمحللين والباحثين تنفيذ التحليلات الإحصائية وتكرارها بدقة بالغة وبأقل جهد زمني ممكن. لكتابة كود استخراج ملخص الأرقام الخمسة عبر أمر التكرارات، يفتح المستخدم نافذة محرر الأوامر عبر المسار: File > New > Syntax، ثم يقوم بصياغة الأمر البرمجي التالي:

FREQUENCIES VARIABLES=Depression_Score
/FORMAT=NOTABLE
/PERCENTILES=25.0 75.0
/STATISTICS=MINIMUM MAXIMUM MEDIAN
/ORDER=ANALYSIS.

يقوم هذا الأمر البرمجي بتحديد المتغير المستهدف (وهو هنا على سبيل المثال Depression_Score)، ثم يستخدم السطر الفرعي /FORMAT=NOTABLE لإلغاء طباعة جدول التكرارات الضخم في شاشة المخرجات. ويحدد السطر الفرعي /PERCENTILES=25.0 75.0 طلب استخراج الربيعين الأول والثالث بدقة، بينما يتولى السطر /STATISTICS=MINIMUM MAXIMUM MEDIAN استخراج القيمة الصغرى والقيمة العظمى والوسيط الإحصائي. لتنفيذ الكود، يقوم الباحث بتظليل الأسطر المكتوبة ثم النقر على أيقونة المثلث الأخضر (Run Selection) في شريط الأدوات العلوي.

7.2 بناء كود EXAMINE (Explore) للحسابات المتقدمة

عند الرغبة في إجراء تحليل استكشافي متقدم وأتمتة استخراج ملخص الأرقام الخمسة مع المخططات الصندوقية والتفكيك بحسب المجموعات التصنيفية، يُستخدم الأمر البرمجي القوي EXAMINE. تتخذ بنية الكود الصيغة المنهجية التالية:

EXAMINE VARIABLES=Anxiety_Score BY Group
/PLOT BOXPLOT
/PERCENTILES(25,50,75) HAVERAGE
/STATISTICS DESCRIPTIVES
/NOTOTAL.

يُحدد السطر الأول فحص درجات القلق (Anxiety_Score) مصنفة بحسب متغير المجموعة (BY Group). ويطلب السطر /PLOT BOXPLOT توليد المخططات الصندوقية المؤسسة على الأرقام الخمسة برمجياً. في حين يحدد السطر /PERCENTILES(25,50,75) HAVERAGE حساب الربيعات الثلاثة وفق خوارزمية نصف المجموع الحسابي الرياضية المتقدمة لضمان أقصى درجات الدقة. يضمن هذا الكود الحصول على حزمة تحليلية متكاملة تبرز الملخص الخماسي لكل مجموعة مع المقارنة البصرية في مخرج برمجي موحد قابل للحفظ وإعادة التشغيل على أي مصفوفة بيانات جديدة مطابقة.

7.3 فوائد استخدام Syntax في التكرارية والشفافية البحثية

تتجاوز فوائد كتابة أكواد Syntax مجرد توفير الوقت والسرعة الإجرائية لتصل إلى صميم المعايير الأخلاقية والمنهجية للبحث العلمي الرصين. تُعد ميزة قابلية إعادة الإنتاج (Reproducibility) الميزة الأهم على الإطلاق؛ حيث يتيح حفظ ملفات Syntax (.sps) للمشرفين الأكاديميين، ومراجعي المجلات العلمية المحكمة، والفرق البحثية المشتركة إعادة تنفيذ كافة الخطوات التحليلية المتبعة بدقة متناهية والتأكد من مطابقة النتائج للمخرجات المنشورة دون أي غموض أو شكوك منهجية.

علاوة على ذلك، توفر أكواد Syntax سجلاً توثيقياً شاملاً لكافة التعديلات والمتغيرات التي خضعت للتحليل، مما يقلل من احتمالية ارتكاب الأخطاء البشرية الشائعة الناتجة عن النقر غير المقصود على خيارات غير ملائمة في الواجهات الرسومية المعقدة. كما تُمكّن هذه الأكواد الباحثين من إدارة المشاريع البحثية الضخمة بكفاءة عالية، حيث يمكن تعديل اسم المتغير في كود واحد ليتم تطبيقه على مئات المقاييس الفرعية في ثوانٍ معدودة، مما يرسخ مبادئ الشفافية والأمانة العلمية في الممارسات الإحصائية المتقدمة.

8. قراءة وتفسير جداول المخرجات (Output) الصادرة من SPSS

8.1 تفكيك جدول الإحصاءات (Statistics Table)

عند تشغيل إجراء التكرارات (Frequencies)، يولد البرنامج في شاشة المخرجات جدولاً رئيساً معنوناً بـ Statistics. يتطلب التفسير الأكاديمي السليم لهذا الجدول تفكيك عناصره ومؤشراته الرقمية بعناية ودقة. يظهر في الجزء العلوي من الجدول مؤشر حجم العينة مقسماً إلى صفين: Valid (العدد الفعلي للحالات الصالحة والخاضعة للتحليل الحسابي) و Missing (عدد الحالات المستبعدة بسبب فقدان البيانات). يجب على الباحث أولاً التحقق من أن عدد الحالات المفقودة يتطابق مع التوقعات وأنه لا يهدد تمثيل العينة.

ينتقل القارئ بعد ذلك إلى استخراج القيم الخمس المكونة للملخص من الجدول وفق الترتيب التالي:

• القيمة الصغرى (Minimum): تقرأ مباشرة من الصف المعنون بـ Minimum لتمثل نقطة البداية لتوزيع المشاهدات.
• الربيع الأول (Q1): يظهر في أسفل الجدول ضمن قسم Percentiles مقابل الصف المعنون بـ 25.
• الوسيط (Median / Q2): يظهر إما مقابل الصف المعنون بـ Median في قسم النزعة المركزية أو مقابل الصف 50 في قسم المئينيات، وهما متطابقان تماماً.
• الربيع الثالث (Q3): يقرأ من قسم المئينيات مقابل الصف المعنون بـ 75.
• القيمة العظمى (Maximum): تقرأ من الصف المعنون بـ Maximum لتمثل سقف القيم المرصودة في العينة.

يتيح تجميع هذه الأرقام الخمسة في سطر واحد صياغة التصور الهيكلي الأولي لسلوك المتغير وانتشاره، ويشكل الأساس الرياضي للخطوات التفسيرية اللاحقة.

8.2 تفسير الفجوات بين الربيعات وحساب المدى الربيعي يدوياً

لا يقتصر التحليل الإحصائي على استخراج الأرقام الخمسة فقط، بل يتطلب تفسير المسافات والفجوات الرقمية الفاصلة بينها. يتمثل الإجراء الحسابي الأول في استخراج المدى الربيعي يدوياً من خلال طرح قيمة المئين 25 من قيمة المئين 75: IQR = Percentile(75) - Percentile(25). يمنح هذا المدى الربيعي الباحث تصنيفاً لمقدار التشتت البؤري؛ فكلما كانت قيمة IQR صغيرة، دل ذلك على تكتل النصف الأوسط من أفراد العينة في نطاق ضيق ومتقارب جداً حول الوسيط، مما يشير إلى تشابه كبير في سلوك أو سمات الغالبية العظمى من المشاركين.

تتمثل الخطوة التالية في مقارنة المسافات النسبية بين الربيعات الثلاثة؛ أي فحص المسافة الأولى: Distance_1 = Median - Q1 مقارنة بالمسافة الثانية: Distance_2 = Q3 - Median. إذا كانت المسافة الأولى مساوية تماماً للمسافة الثانية، فإن ذلك يعكس تماثلاً داخلياً متميزاً في التوزيع حول النزعة المركزية. أما إذا كانت إحدى المسافتين أوسع بصورة واضحة من الأخرى، فإن ذلك يشير إلى أن النصف الأوسط من البيانات ليس موزعاً بانتظام، بل يتمدد وينتشر في أحد الاتجاهين أكثر من الآخر، وهو ما يكشف عن التباين الداخلي المستتر الذي لا يمكن للمتوسط الحسابي البسيط إظهاره.

8.3 تقييم التواء التوزيع انطلاقاً من قيم الملخص

يقدم ملخص الأرقام الخمسة مؤشرات قوية ومباشرة للحكم على شكل المنحنى التوزيعي ودرجة الالتواء (Skewness) دون الحاجة الفورية لمؤشرات العزوم المعقدة. يستند هذا التقييم إلى دراسة تموضع الوسيط بالنسبة للربيعين والطرفين وفق القواعد الرياضية المنهجية التالية:

• التوزيع المتماثل (Symmetrical Distribution): يقع الوسيط في منتصف المسافة تماماً بين الربيعين الأول والثالث (Q3 - Median ≈ Median - Q1)، وتكون المسافة بين القيمة الصغرى والوسيط مساوية للمسافة بين الوسيط والقيمة العظمى (Max - Median ≈ Median - Min).
• الالتواء الموجب أو نحو اليمين (Positive / Right Skew): ينزاح الوسيط ليقترب بشدة من الربيع الأول (Q1) والقيمة الصغرى (Min)، بينما يتباعد الربيع الثالث (Q3) والقيمة العظمى (Max) نحو أقصى اليمين، وتكون المسافة (Q3 - Median > Median - Q1) والمسافة (Max - Median > Median - Min). يدل هذا النمط على تركز أغلب المشاهدات في الدرجات المنخفضة مع وجود امتداد طويل نحو الدرجات المرتفعة.
• الالتواء السالب أو نحو اليسار (Negative / Left Skew): ينزاح الوسيط ليقترب من الربيع الثالث (Q3) والقيمة العظمى (Max)، بينما يتباعد الربيع الأول (Q1) والقيمة الصغرى (Min) نحو أقصى اليسار، وتكون المسافة (Median - Q1 > Q3 - Median). يدل هذا النمط على تركز معظم أفراد العينة في المستويات المرتفعة مع وجود امتداد قليل نحو القيم المتدنية.

9. التمثيل البصري لملخص الأرقام الخمسة عبر المخطط الصندوقي (Boxplot)

9.1 العلاقة البنيوية بين ملخص الأرقام الخمسة وعناصر المخطط الصندوقي

يُمثل المخطط الصندوقي (Boxplot أو Box-and-Whisker Plot)، الذي ابتكره جون توكي، الترجمة الهندسية المباشرة لملخص الأرقام الخمسة على محور بياني مدرج. تتكامل عناصر هذا المخطط بصرياً مع مكونات الملخص الخماسي وفق التناظر البنيوي الموضح في النقاط التالية:

• الحافة السفلية للصندوق: تمثل بدقة الربيع الأول (Q1 / 25th Percentile).
• الخط الأفقي الداخلي العريض: يمثل موضع الوسيط الإحصائي (Median / Q2 / 50th Percentile).
• الحافة العلوية للصندوق: تمثل بدقة الربيع الثالث (Q3 / 75th Percentile).
• ارتفاع الصندوق الكلي: يجسد هندسياً المدى الربيعي (IQR = Q3 – Q1)، الذي يحوي النصف الأوسط من الحالات.
• الشوارب أو اللوامس (Whiskers): تمتد من حافتي الصندوق نحو الخارج لتصل إلى أصغر وأكبر قيمة غير شاذة في السلسلة الإحصائية (القيم الدنيا والقصوى المعتادة).

يحول هذا التناظر الهندسي الأرقام الخمسة المجردة إلى مساحات بصرية ذات أبعاد محسوسة، تتيح للعين استيعاب مركز البيانات، ومستوى تشتتها، واتجاه التوائها، ووجود حالات شاذة في لمح البصر دون الغوص في التفاصيل العددية المعقدة.

9.2 توليد المخططات الصندوقية في SPSS

يوفر برنامج SPSS بيئة تفاعلية مرنة لإنشاء المخططات الصندوقية المتقدمة عبر عدة مسارات برمجية ورسومية. يُعد مسار منشئ الرسوم البيانية (Chart Builder) الأسلوب الأحدث والأكثر مرونة، ويتم الوصول إليه عبر الخطوات التالية:

Graphs > Chart Builder

من معرض الرسوم البيانية (Gallery) في الجزء السفلي من النافذة، يختار المستخدم تصنيف Boxplot، ثم يسحب نموذج المخطط الصندوقي البسيط (Simple Boxplot) أو المخطط الصندوقي المجمع (Clustered Boxplot) ويفلته في منطقة المعاينة العلوية (Canvas). بعد ذلك، يتم سحب المتغير الكمي المستهدف وإفلاته على المحور الرأسي (Y-Axis)، وسحب المتغير التصنيفي الفئوي وإفلاته على المحور الأفقي (X-Axis) في حال الرغبة في مقارنة المجموعات.

يتيح برنامج SPSS للمستخدم تخصيص المخطط بدقة من خلال لوحة خصائص العناصر (Element Properties)؛ حيث يمكن تعديل ألوان الصناديق، وتنسيق خطوط الشوارب، وضبط تدريج المحاور، وتعديل مقاييس الخطوط لتتطابق مع المتطلبات الصارمة للمجلات العلمية العالمية قبل النقر على OK لتوليد الرسم عالي الدقة في شاشة المخرجات.

9.3 تفسير المخطط الصندوقي في المقارنات البحثية

تتجلى القوة التحليلية للمخططات الصندوقية عند استخدامها لمقارنة مجموعتين بحثيتين أو أكثر جنباً إلى جنب على نفس مقياس الرسم. يبدأ التفسير المنهجي بمقارنة مواضع خطوط الوسيط داخل الصناديق عبر المجموعات؛ فإذا كان خط الوسيط للمجموعة التجريبية يقع بالكامل فوق الحافة العلوية (Q3) لصندوق المجموعة الضابطة، فإن ذلك يشير بوضوح إلى وجود فارق جوهري وكبير في الأداء لصالح المجموعة التجريبية يتجاوز درجات ثلاثة أرباع المجموعة المقابلة.

ينتقل التفسير بعد ذلك إلى مقارنة ارتفاعات الصناديق (Heights of Boxes)؛ فالصندوق الطويل يعكس مدى ربيعياً واسعاً وتشتتاً عالياً وتباين استجابات المشاركين داخل تلك المجموعة، بينما يشير الصندوق القصير المضغوط إلى تجانس عالي وتركز شديد للمشاهدات حول الوسيط. كما تتيح مقارنة أطوال الشوارب ومواضع النقاط الخارجية المنفصلة رصد مدى تماثل الفئات ووجود قيم متطرفة قد تؤثر على القرارات الإحصائية اللاحقة في اختبارات الفروض المقارنة كاختبارات مان وتني أو تحليل التباين غير المعلمي.

10. اكتشاف القيم الشاذة والمتطرفة بناءً على حسابات ملخص الأرقام الخمسة

10.1 معادلة جون توكي (Tukey’s Fences) المطبقة في SPSS

تعتمد خوارزميات برنامج SPSS في الكشف عن القيم الشاذة والمتطرفة على الأسس الرياضية الدقيقة لمعادلة أسوار توكي (Tukey’s Fences)، والتي تستند بالكامل إلى ملخص الأرقام الخمسة والمدى الربيعي (IQR). تُحدد هذه الخوارزمية أربعة حدود رياضية تحيط بالصندوق لتصنيف المشاهدات وفق المسافات المعيارية التالية:

• السور الداخلي الأدنى (Lower Inner Fence): يُحسب بالمعادلة Q1 - (1.5 * IQR).
• السور الداخلي الأعلى (Upper Inner Fence): يُحسب بالمعادلة Q3 + (1.5 * IQR).
• السور الخارجي الأدنى (Lower Outer Fence): يُحسب بالمعادلة Q1 - (3.0 * IQR).
• السور الخارجي الأعلى (Upper Outer Fence): يُحسب بالمعادلة Q3 + (3.0 * IQR).

تُعد أي مشاهدة تقع بين الأسوار الداخلية والخارجية قيمة شاذة معتدلة، بينما تُصنف أي مشاهدة تتجاوز الأسوار الخارجية بوصفها قيمة شديدة التطرف. تضمن هذه المعادلات الرياضية اللامعلمية حماية الباحث من التحيزات الحسابية، وتوفر معياراً موضوعياً وثابتاً لفرز الحالات غير النمطية في البيانات.

10.2 التمييز بين القيم الشاذة (Outliers) والقيم المتطرفة (Extreme Values)

يقوم برنامج SPSS في مخرجاته البيانية وجداول الاستكشاف بالتمييز الدقيق بين مستويين من المشاهدات غير النمطية باستخدام رموز بصرية ورقمية محددة:

• القيم الشاذة المعتدلة (Outliers): هي الحالات التي تقع خارج الأسوار الداخلية ولكنها لا تتجاوز الأسوار الخارجية (أي تبعد عن حافتي الصندوق بمسافة تتراوح بين 1.5 و 3 أضعاف المدى الربيعي). يرمز البرنامج لهذه الحالات على المخطط الصندوقي برمز الدائرة المفرغة (o) مع كتابة رقم صف الحالة (Case Number) بجوارها مباشرة.
• القيم شديدة التطرف (Extreme Values): هي الحالات التي تتجاوز الأسوار الخارجية تماماً (أي تبتعد عن الصندوق بمسافة تزيد عن 3 أضعاف المدى الربيعي). يرمز البرنامج لهذه الحالات برمز النجمة (*) مع إرفاق رقم صف الحالة لتسهيل تعقبها.

يُعد وضع رقم الحالة بجوار الرمز من أهم المزايا التي يقدمها SPSS؛ إذ يُمكّن الباحث من الرجوع الفوري إلى مصفوفة البيانات في شاشة Data View والانتقال مباشرة إلى السجل المحدد لفحص استجابات المفحوص والتأكد من ملابسات ذلك الرصد غير الاعتيادي.

10.3 القرارات المنهجية لمعالجة القيم الشاذة في البحوث السلوكية

يواجه الباحث السلوكي بعد تشخيص القيم الشاذة استحقاقاً منهجياً بالغ الحساسية يتمثل في اتخاذ القرار المناسب لكيفية التعامل مع تلك الحالات دون الإخلال بنزاهة البحث العلمي. يبدأ المسار الإجرائي دائماً بالتحقق من احتمالية وجود أخطاء إدخال أو تسجيل؛ فإذا تبين أن القيمة الشاذة ناتجة عن خطأ مطبعي واضح (كالضغط على زر مكرر أثناء إدخال البيانات)، يتم تصحيحها فوراً بالرجوع إلى استمارة الاستجابة الورقية أو الإلكترونية الأصلية.

إذا كانت القيمة صحيحة وتمثل رصداً حقيقياً لمشارك ينتمي بالفعل لمجتمع الدراسة، يُحظر منهجياً حذفها عشوائياً لمجرد تحسين مظهر التوزيع. وبدلاً من الحذف الجائر، تتضمن الاستراتيجيات العلمية المعتمدة ما يلي:

• الاحتفاظ بالقيمة واستخدام الأساليب اللامعلمية: الاعتماد على ملخص الأرقام الخمسة والاختبارات الإحصائية اللامعلمية (كالوسيط واختبارات الرتب) التي لا تتأثر بالقيم الشاذة.
• تقليم البيانات أو التعديل الطرفي (Winsorizing): تعديل قيمة الرصد الشاذ لتأخذ قيمة أعلى رصد غير شاذ يقع عند حدود السور الداخلي (1.5 * IQR)، مما يقلل من وطأتها دون فقدان الحالة من العينة.
• إجراء التحليل المزدوج (Sensitivity Analysis): تنفيذ التحليلات الإحصائية مرتين؛ الأولى بوجود القيم الشاذة والثانية بعد استبعادها، ومقارنة النتائج لبيان مدى حساسية الاستنتاجات لتلك الحالات وتوثيق ذلك بشفافية كاملة في تقرير البحث.

11. الأخطاء الشائعة واستكشاف المشكلات وإصلاحها أثناء التحليل في SPSS

11.1 الخلط بين الخوارزميات الحسابية للربيعات في البرمجيات

من أكثر المشكلات التي تثير حيرة الباحثين وطلاب الدراسات العليا هو ظهور اختلافات طفيفة في قيم الربيع الأول والربيع الثالث لنفس مجموعة البيانات عند حسابها عبر برمجيات إحصائية مختلفة (مثل SPSS مقابل Microsoft Excel أو لغة R أو SAS). لا يعود هذا الاختلاف إلى وجود أخطاء برمجية، بل ينبع من التباين في الخوارزميات الرياضية لتقدير المئينيات المتقطعة عند تقسيم رتب البيانات.

يوفر برنامج SPSS خمس خوارزميات رياضية مختلفة لتقدير المئينيات ضمن إجراء Explore (مثل: WAVERAGE, HAVERAGE, NEAREST, EMPIRICAL, AEMPIRICAL). تعتمد معظم البرمجيات الأخرى افتراضياً خوارزميات تستند إلى التوزيع الخطي المتصل (Linear Interpolation)، بينما يطبق SPSS خوارزمية المتوسط الموزون (WAVERAGE) بشكل افتراضي. لتفادي هذه الإشكالية في التقارير الأكاديمية المشتركة، يجب على الباحث توثيق الخوارزمية المعتمدة في SPSS، وإدراك أن هذه الفروق الطفيفة تتلاشى تماماً مع زيادة حجم العينة ولا تؤثر مطلقاً على القرارات الإحصائية الجوهرية.

11.2 أخطاء تصنيف مقاييس المتغيرات وتأثيرها على المخرجات

يقع بعض المحللين في خطأ منهجي فادح يتمثل في محاولة استخراج ملخص الأرقام الخمسة لمتغيرات ذات مستوى قياس اسمي (Nominal) خالص؛ كمتغير الجنس، أو الديانة، أو التخصص الأكاديمي، أو رموز المجموعات. لا تحمل المتغيرات الاسمية أي صفة ترتيبية رياضية، وبالتالي فإن حساب الوسيط والربيعات لها يُعد لغواً إحصائياً عديم المعنى والدلالة، حتى وإن قام البرنامج بإخراج أرقام مجردة مستندة إلى الأكواد الرقمية المدخلة.

تشمل الأخطاء الشائعة أيضاً تجاهل معالجة أكواد القيم المفقودة غير المصنفة في شاشة Variable View، مما يؤدي إلى شمول أرقام مثل 99 أو -9 ضمن حسابات الربيعات والوسيط، مسبباً انحرافات جسيمة في النتائج. كما يقع البعض في خطأ حساب ملخص الأرقام الخمسة لبنود مقاييس ليكرت المفردة بصورة معزولة وتعميمها على السمة النفسية المقاسة، بدلاً من حساب الدرجة الكلية المركبة للمقياس بعد جمع البنود والتأكد من اتساقها الداخلي، وهو ما يقلل من دقة وموثوقية التوصيف الإحصائي للظاهرة.

11.3 سوء تفسير الوسيط والربيعات في العينات الصغيرة

تنطوي العينات الصغيرة جداً (مثل N < 15) على مخاطر إحصائية كامنة عند استخراج وتفسير ملخص الأرقام الخمسة والمدى الربيعي. في مثل هذه العينات، تمثل كل مشاهدة فردية وزناً نسبياً كبيراً يتجاوز 7% أو 10% من إجمالي حجم البيانات، مما يجعل قيم الربيعات شديدة الحساسية والتقلب عند إضافة أو حذف حالة مفردة واحدة، ويفقد المدى الربيعي ميزته كمقياس تشتت فائق الاستقرار.

يجب على الباحث عند التعامل مع العينات الصغيرة تجنب الجزم التام بشكل التوزيع أو تعميم فترات المدى الربيعي دون الإشارة الصريحة في متن البحث إلى محدودية حجم العينة. كما يُنصح في هذه الحالات بتضمين عرض كامل لكافة نقاط البيانات الفعلية (Individual Data Points) مدمجة فوق المخطط الصندوقي (بما يعرف بمخططات Dot Plots أو Strip Charts)، لإتاحة الفرصة للقارئ لمعاينة توزع المشاهدات الواقعي دون الاعتماد الحصري على التقديرات الرتبية المجردة التي قد تكون مضللة في العينات المحدودة.

12. توثيق وكتابة نتائج ملخص الأرقام الخمسة وفق معايير جمعية علم النفس الأمريكية (APA)

12.1 صياغة النتائج نصياً وفق الدليل الإرشادي (APA 7th Edition)

يفرض الدليل الإرشادي السابع الصادر عن الجمعية الأمريكية لعلم النفس (APA 7th Edition) قواعد صارمة لصياغة وتوثيق المؤشرات الإحصائية الوصفية اللامعلمية داخل المتن النصي للبحوث والأوراق العلمية. يجب استخدام الرموز الإحصائية المائلة القياسية المعتمدة؛ حيث يُرمز للوسيط بالحرفين المائلين Mdn، وللمدى الربيعي بالحروف المائلة IQR، ولحجم العينة بالحرف المائل N أو n للمجموعات الفرعية.

تتم صياغة النتائج النصية بأسلوب أكاديمي محكم يدمج ملخص الأرقام الخمسة لتوضيح الفروق والتشتت، كما في النموذج التطبيقي التالي:

“أظهرت نتائج القياس لدرجات مقياس القلق الإكلينيكي في المجموعة التجريبية (n = 45) توزيعاً ملتفاً نحو اليمين، حيث بلغ الوسيط Mdn = 24.00 والمدى الربيعي IQR = 8.50 (الربيع الأول Q1 = 19.50، الربيع الثالث Q3 = 28.00)، وتراوحت الدرجات بين القيمة الصغرى Min = 12.00 والقيمة العظمى Max = 41.00. في المقابل، سجلت المجموعة الضابطة (n = 45) مستويات تشتت أقل ووسيطاً أعلى، Mdn = 33.00، IQR = 5.00 (Q1 = 30.00، Q3 = 35.00)، وبنطاق كلي امتد من Min = 26.00 إلى Max = 39.00.”

12.2 تصميم الجداول الأكاديمية لعرض ملخص الأرقام الخمسة

عند تضمين ملخص الأرقام الخمسة في جداول مخصصة داخل التقرير العلمي، يجب الالتزام الصارم بمعايير التنسيق البصري لدليل APA، والتي تنص على استخدام الخطوط الأفقية البسيطة والواضحة (في أعلى وأسفل رأس الجدول وفي نهاية الجدول)، وتجنب الخطوط الرأسية والشبكية تماماً. يوضح الجدول النموذجي التالي التنسيق الأكاديمي المعتمد:

جدول 1. الإحصاءات الوصفية وملخص الأرقام الخمسة لمتغيرات الدراسة

المتغير	n	Min	Q1	Mdn	Q3	Max	IQR
درجة الاكتئاب (القبلي)	120	10.00	18.00	26.00	34.00	48.00	16.00
درجة الاكتئاب (البعدي)	120	8.00	12.00	15.00	20.00	38.00	8.00
المرونة النفسية	120	22.00	35.00	42.00	47.00	50.00	12.00

ملاحظة. n = حجم العينة الفرعية؛ Min = القيمة الصغرى؛ Q₁ = الربيع الأول (المئين 25)؛ Mdn = الوسيط (المئين 50)؛ Q₃ = الربيع الثالث (المئين 75)؛ Max = القيمة العظمى؛ IQR = المدى الربيعي (Q₃ – Q₁).

12.3 دمج المخططات الصندوقية في التقارير والأوراق العلمية

عند تضمين المخططات الصندوقية الصادرة من SPSS في الأوراق البحثية، يجب التأكد من تصديرها بدقة وضوح عالية (High Resolution لا تقل عن 300 DPI) وبصيغ متوافقة مع الطباعة والنشر الأكاديمي (مثل TIFF أو EPS أو PDF). يفرض دليل APA وضع رقم الشكل وتسميته في أعلى الرسم بخط غامق (Bold)، يليه عنوان وصفي مائل (Italic) يوضح بدقة محتوى الشكل والمتغيرات المتضمنة.

كما يتوجب وضع فقرة توضيحية أسفل الشكل (Figure Note) تبدأ بكلمة Note. بخط مائل، تشرح العناصر الهندسية المكونة للرسم؛ مثل: “يوضح الخط الداخلي الوسيط، وتمثل حواف الصناديق الربيعين الأول والثالث، بينما تمتد الشوارب لتمثل القيم غير الشاذة في حدود 1.5 ضعف المدى الربيعي، وتشير الدوائر (o) إلى القيم الشاذة المعتدلة”. يضمن هذا التوثيق البصري المتكامل الشفافية التامة ويسهل على القراء استيعاب النتائج دون الحاجة للرجوع المستمر للمتن النصي.

خاتمة

يمثل ملخص الأرقام الخمسة حجر الزاوية في التحليل الإحصائي الاستكشفي واللامعلمي، حيث يمنح الباحثين أداة تحليلية فائقة القوة والاتزان تتيح استيعاب وتوصيف معالم مجموعات البيانات المعقدة بكفاءة وموضوعية بالغة. ومن خلال الاستفادة من الإمكانات البرمجية الهائلة التي توفرها حزمة IBM SPSS Statistics عبر قوائم التكرارات، وإجراءات الاستكشاف المعمقة، وأكواد بناء الجملة المتقنة، يستطيع المحللون تفكيك الهياكل التوزيعية لمتغيراتهم، وتشخيص التواءاتها، واكتشاف القيم الشاذة ومعالجتها بمنهجية رصينة.

إن إتقان استخراج هذا الملخص وقراءة جداول مخرجاته وترجمتها إلى تمثيلات بيانية صندوقية متقدمة وتوثيقها وفق معايير جمعية علم النفس الأمريكية (APA 7th) يرفع من جودة الأبحاث العلمية ويعزز مصداقيتها وقابليتها للتكرار والتحقق. وبذلك يظل ملخص الأرقام الخمسة أداة منهجية لا غنى عنها لكل باحث يسعى للجمع بين الدقة الرياضية، والعمق التحليلي، والوضوح الإجرائي في معالجة الظواهر الإنسانية والتطبيقية المختلفة.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Hoaglin, D. C., Mosteller, F., & Tukey, J. W. (Eds.). (2000). Understanding robust and exploratory data analysis. John Wiley & Sons.
• IBM Corporation. (2021). IBM SPSS Statistics 28 algorithms. IBM Corporation. https://www.ibm.com/docs/en/spss-statistics/28.0.0
• Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM SPSS (7th ed.). Routledge. https://doi.org/10.4324/9781003117452
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.