الإحصاء النفسيمناهج البحث العلمي

اختبار مربع كاي لجودة المطابقة: التعريف، الصيغة، ومثال

دليل أكاديمي شامل حول اختبار مربع كاي لجودة المطابقة في البحوث النفسية؛ يشمل التعريف النظري، الصيغة الرياضية، الشروط، ومثالاً تطبيقياً عملياً خطوة بخطوة.

تاريخ النشر

يمثل الاستدلال الإحصائي الركيزة الأساسية التي تقوم عليها الأبحاث التجريبية والوصفية في مختلف حقول المعرفة الإنسانية والتطبيقية. وفي سياق تحليل البيانات الفئوية والاسمية، يبرز اختبار جودة المطابقة كواحد من أهم الأدوات الاستدلالية التي تسمح للباحثين باختبار الفرضيات حول مدى توافق التوزيعات التكرارية المشاهدة ميدانياً مع النماذج والتوزيعات الاحتمالية النظرية المفترضة سلفاً. تتجلى أهمية هذا الاختبار في كونه يوفر جسراً منهجياً متيناً بين الأطر المفاهيمية المجردة والواقع الإمبيريقي الملموس، مما يتيح للعلماء تقييم ما إذا كانت الاختلافات المرصودة تعزى للصدفة العشوائية الناتجة عن أخطاء المعاينة أم أنها تعكس فروقاً حقيقية ذات دلالة إحصائية.

تستند معظم الدراسات النفسية والاجتماعية إلى قياس استجابات نوعية وتصنيفات سلوكية لا تخضع لمتطلبات القياس الفئوي المتصل، مما يجعل الأساليب الإحصائية المعلمية غير قادرة على التعامل مع هذا النوع من البيانات دون الإخلال بشروط التوزيع الطبيعي واستقلالية التباين. من هنا، يكتسب اختبار مربع كاي شهرته الواسعة كاختبار لامعلمي مرن وقوي، صُمم خصيصاً لتحليل التكرارات المستقلة وتحديد درجة التطابق بين الواقع والمأمول النظري عبر خوارزميات رياضية دقيقة تجمع بين البساطة الحسابية والعمق الاستدلالي.

يهدف هذا الدليل المرجعي الشامل إلى تقديم تفكيك منهجي وتطبيقي لاختبار مربع كاي لجودة المطابقة، بدءاً من أصوله التاريخية وأسسه الرياضية، مروراً بشروطه المنهجية وصياغة فرضياته، وصولاً إلى خطوات تنفيذه وحساباته اليدوية والحاسوبية عبر أمثلة نفسية وسلوكية واقعية. كما يتناول المقال تحليلات ما بعد الاختبار مثل البواقي المعيارية وحجم التأثير، ويوضح الفروق الجوهرية بينه وبين اختبار الاستقلالية، ليقدم للباحثين والطلاب دليلاً متكاملاً يلبي أعلى معايير الدقة العلمية والمنهجية.

جدول المحتويات

1. مقدمة ومدخل نظري لاختبار مربع كاي لجودة المطابقة

1.1 السياق التاريخي وتطور الاختبار الإحصائي

تعود الجذور التاريخية لاختبارات مربع كاي إلى مطلع القرن العشرين، وتحديداً إلى الورقة العلمية المفصلية التي نشرها عالم الإحصاء والرياضيات البريطاني كارل بيرسون في عام 1900 في مجلة Philosophical Magazine. كانت تلك المساهمة بمثابة ثورة منهجية في علم الإحصاء الحديث، حيث سعى بيرسون إلى كسر هيمنة الافتراض القائل بأن جميع الظواهر الطبيعية والبيولوجية يجب أن تخضع بالضرورة للتوزيع الطبيعي الغوسي. قدم بيرسون دالة توزيع مربع كاي كأداة رياضية لاختبار ما إذا كانت مجموعة محددة من التكرارات المرصودة تتبع توزيعاً احتمالياً نظرياً معلوماً، واضعاً بذلك حجر الأساس لعلم الاستدلال اللامعلمي.

شهدت العقود اللاحقة جدالات علمية معمقة حول درجات الحرية وطريقة حسابها، قادها الإحصائي البارز رونالد فيشر، الذي قام بتصحيح خطأ حسابي أولي في صيغة بيرسون الأصلية المتعلقة بعدد المعالم المقدرة من البيانات، مما أضفى دقة متناهية على الاختبار وجعله أداة قياسية في تصميم التجارب والتحليل الإحصائي الحيوي والاجتماعي. ساعد هذا التطور في تحرير الباحثين من قيود الفرضيات المعلمية الصارمة، وفتح الباب أمام نمذجة التوزيعات متعددة الحدود وتوزيعات بواسون والتوزيعات الثنائية بشكل مباشر وموثوق.

في العلوم السلوكية المعاصرة، شكل هذا التحول منطلقاً أساسياً للتعامل مع البيانات التصنيفية التي تشيع في أبحاث الشخصية، وعلم النفس المعرفي، والقياس الاجتماعي. لقد أتاح اختبار بيرسون للعلماء فحص الفرضيات الصفرية المتعلقة بنماذج السلوك البشري دون الحاجة إلى افتراض تجانس التباين أو اعتدالية التوزيع، مما مكّن من تقييم مدى مطابقة التنبؤات النظرية مع الملاحظات التجريبية بدقة متناهية أسهمت في ترسيخ الرصانة المنهجية للعلوم الإنسانية.

1.2 أهمية الاختبار في القياس النفسي والبحوث الاجتماعية

يحتل القياس النفسي والاجتماعي مكانة فريدة بين فروع المعرفة، حيث يتعامل الباحثون في الغالب مع متغيرات كامنة تُقاس عبر استجابات اسمية ورتبية محددة. تبرز أهمية اختبار مربع كاي لجودة المطابقة في هذا السياق كأداة لا غنى عنها لفحص التوزيعات السلوكية للأفراد وتوافقها مع التوقعات النظرية المسبقة. فعندما يفترض نموذج نظري في علم النفس أن أنماط التعلق العاطفي تنقسم بنسب محددة بين الأفراد (مثل الآمن، والقلق، والتجنبي)، يتيح هذا الاختبار تقييم ما إذا كانت العينة المدروسة تنحرف جوهرياً عن هذا التوزيع المعياري الموثق في الأدبيات السابقة.

كما يُعد الاختبار وسيلة محورية في فحص خصائص المفردات وبنود المقاييس النفسية، خاصة في استبانات الاختيار من متعدد أو أسئلة المواقف السلوكية. يساعد اختبار جودة المطابقة في الكشف عن التفضيلات غير المتوازنة للمشتتات في الاختبارات التحصيلية والنفسية، والتأكد من أن جميع البدائل تجذب المستجيبين بشكل متكافئ في حال غياب المعرفة الحقيقية، وهو ما يدعم بناء مقاييس تتمتع بخصائص سيكومترية عالية من حيث الصدق البنائي والاتساق الداخلي.

يمتد دور الاختبار أيضاً إلى التحقق من صدق النماذج التشخيصية في علم النفس الإكلينيكي والطب النفسي. يساعد الاختبار الأطباء والباحثين في مقارنة معدلات انتشار الاضطرابات النفسية المشخصة داخل بيئة علاجية معينة مع المعدلات الوبائية الموثقة في الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM-5)، مما يتيح الكشف عن أي تحيز في أدوات التشخيص أو تغيرات ديموغرافية حقيقية في تفشي الاضطرابات السلوكية والوجدانية.

2. التعريف الدقيق والمفهوم الإحصائي لاختبار جودة المطابقة

2.1 ما هو اختبار مربع كاي لجودة المطابقة؟

يُعرَّف اختبار مربع كاي لجودة المطابقة (Chi-Square Goodness of Fit Test) إجرائياً بأنه اختبار إحصائي استدلالي لامعلمي، يُستخدم لفحص فرضيات تتعلق بمتغير فئوي (نوعي) وحيد ينقسم إلى مستويين أو أكثر من الفئات الحصرية والمستقلة. يهدف الاختبار إلى تحديد ما إذا كان التوزيع التكراري المشاهد للظاهرة المدروسة يطابق أو يختلف اختلافاً ذا دلالة إحصائية عن توزيع نظري متوقع مسبقاً، سواء كان هذا التوزيع المتوقع توزيعاً متساوياً عبر جميع الفئات، أو توزيعاً يتبع نسباً كمية محددة مستمدة من دراسات سابقة أو قوانين وراثية أو نماذج نظرية معيارية.

تتمحور فلسفة الاختبار حول المقارنة الرياضية بين مصفوفتين من البيانات: التكرارات المشاهدة (Observed Frequencies)، وهي الأعداد الفعلية للملاحظات أو المشاركين الذين وقعوا في كل فئة من فئات المتغير، والتكرارات المتوقعة (Expected Frequencies)، وهي الأعداد التي كان ينبغي الحصول عليها نظرياً لو كانت الفرضية الصفرية صحيحة تماماً. يقوم الاختبار بحساب مجموع الفروق المربعة النسبية بين هذين التوزيعين لإنتاج قيمة إحصائية تتبع دالة توزيع احتمالي معروفة تُعرف بتوزيع مربع كاي ($\chi^2$).

يكمن جوهر الاستدلال في هذا الاختبار في تفكيك التباين الكلي في التكرارات وتحديد ما إذا كانت التباينات والفروق بين التكرارات المشاهدة والمتوقعة ناتجة عن التذبذب العشوائي المعتاد في المعاينة (Random Sampling Error)، أم أنها تعكس انحرافاً حقيقياً وممنهجاً يؤكد أن البيانات لا تتبع النموذج النظري المفترض. كلما تعاظمت قيمة $\chi^2$ المحسوبة، تضاءل احتمال أن تكون الفروق راجعة للصدفة، مما يقود الباحث إلى رفض الفرضية الصفرية واعتماد فرضية عدم التطابق.

2.2 طبيعة المتغيرات المستخدمة في الاختبار

يتطلب اختبار جودة المطابقة بنية محددة للبيانات، حيث يتعامل حصرياً مع البيانات الفئوية المنفصلة (Discrete Categorical Data). تنقسم هذه المتغيرات بشكل رئيسي إلى نوعين من مقاييس القياس: المتغيرات الاسمية (Nominal Variables) التي تصف فئات لا تخضع لأي ترتيب تفضيلي أو كمي طبيعي، مثل الجنس، وفصائل الدم، والانتماءات المهنية، وأنماط الشخصية؛ والمتغيرات الرتبية (Ordinal Variables) التي تمتلك فئاتها ترتيباً منطقياً معيناً دون وجود مسافات متساوية وثابتة بين الرتب، مثل مستويات القلق (منخفض، متوسط، مرتفع) أو الرضا الوظيفي.

يشترط الاختبار أن تكون فئات المتغير خاضعة لمبدأين أساسيين في نظرية المجموعات والقياس الإحصائي:

  • الحصرية المتبادلة (Mutually Exclusive): يجب ألا يتمكن أي عنصر أو مشارك في العينة من الانتماء إلى أكثر من فئة واحدة في الوقت نفسه، مما يضمن تصنيف كل حالة في خلية وحيدة فقط.
  • الشمول التام (Exhaustive Categories): يجب أن تغطي الفئات المتاحة جميع الحالات الممكنة للظاهرة المدروسة، بحيث يجد كل فرد في العينة مكاناً ملائماً لتصنيفه دون استثناء.

في ميدان العلوم السلوكية، تتعدد الأمثلة على هذه المتغيرات. ففي بحوث الشخصية، يتم تصنيف الأفراد وفق نماذج الشخصية مثل مؤشر مايرز بريجز (MBTI) أو الأنماط المزاجية الأربعة. وفي علم النفس العصبي، يتم تصنيف استجابات المرضى لاختبارات الانتباه إلى فئات مثل (استجابة دقيقة، استجابة متسرعة، استجابة محذوفة). كما يستخدم في دراسات التفضيل السلوكي لتحديد اتجاهات المستهلكين نحو خيارات محددة، حيث يشكل كل خيار فئة مستقلة بذاتها تُحصى فيها أعداد الأفراد بدقة متناهية.

3. الدوافع وسيناريوهات الاستخدام في الدراسات السيكولوجية

3.1 اختبار فرضية التوزيع المتساوي (Equal Proportions)

يعد اختبار فرضية التساوي في التوزيع (Uniform Distribution) من أكثر التطبيقات المنهجية شيوعاً لاختبار مربع كاي لجودة المطابقة في حقل علم النفس والعلوم السلوكية. تُصاغ هذه الفرضية عندما لا يمتلك الباحث أسباباً نظرية أو تجريبية مسبقة ترجح كفة فئة معينة على أخرى، فيكون الافتراض الأساسي هو أن الاحتمالات متساوية تماماً بين جميع الفئات المتاحة. في هذا السيناريو، يتمثل الهدف في التحقق مما إذا كانت الخيارات السلوكية توزع بنسبة متطابقة ($1/k$) حيث $k$ يمثل عدد الفئات الإجمالي.

تظهر أهمية هذا التطبيق بوضوح عند دراسة التفضيلات السلوكية أو العلاجية للمرضى والمشاركين. على سبيل المثال، قد يرغب باحث إكلينيكي في استقصاء ما إذا كان المرضى الذين يعانون من اضطراب الهلع يفضلون أسلوباً علاجياً بعينه من بين أربعة خيارات متاحة (العلاج المعرفي السلوكي، العلاج الدوائي، العلاج التحليلي، التدخل القائم على اليقظة الذهنية). إذا أظهرت نتائج الاختبار عدم وجود فروق ذات دلالة إحصائية عن التوزيع المتساوي (25% لكل أسلوب)، فإن الباحث يستنتج عدم وجود انحياز سلوكي نحو تدخل علاجي محدد، مما يشير إلى تكافؤ الجاذبية المبدئية لهذه الأساليب.

يمتد استخدام فرضية التوزيع المتساوي إلى تحليل الأنماط الزمنية للاضطرابات النفسية. فقد يقوم باحث في قسم الطوارئ النفسية بفحص توزيع نوبات القلق الحاد أو محاولات الانتحار عبر أيام الأسبوع السبعة. تفترض الفرضية الصفرية هنا أن النوبات تتوزع بنسبة متساوية (1/7 لكل يوم)، وأي انحراف ذو دلالة إحصائية (كارتفاع النوبات يومي السبت أو الاثنين) يتيح لعلماء النفس استنتاج عوامل ضغط بيئية ومهنية تسهم في تفاقم الأعراض السلوكية، مما يوجه خطط الدعم الوقائي بشكل أكثر كفاءة.

3.2 اختبار فرضية التوزيع غير المتساوي والنسب المحددة مسبقاً

في المقابل، يلجأ الباحثون إلى اختبار فرضيات التوزيع غير المتساوي عندما تكون هناك أطر نظرية موثقة، أو معايير سكانية سكانية مقننة، أو نماذج احتمالية جينية تستوجب توزيعاً تكرارياً بنسب متفاوتة بين الفئات. لا تبحث الفرضية هنا عن التساوي، بل تبحث عن مدى تطابق العينة المدروسة مع نموذج مرجعي تاريخي أو بيولوجي معروف بدقة، بحيث تحدد الفرضية الصفرية وزناً ونسبة مئوية محددة لكل فئة على حدة.

يتجلى هذا التطبيق بوضوح في الدراسات الوبائية النفسية المقارنة. إذا كانت الإحصاءات الوطنية للطب النفسي تؤكد أن التوزيع الطبيعي لاضطرابات المزاج في المجتمع هو 60% للاكتئاب أحادي القطب، 25% للاكتئاب الجزئي، و15% للاضطراب ثنائي القطب، ورغب باحث في تقييم عينة من المراجعين في منطقة نائية تشهد أزمات اقتصادية، فإنه يستخدم اختبار جودة المطابقة لمعرفة ما إذا كانت النسب المشاهدة في تلك المنطقة تنحرف عن النسب الوطنية المقننة. يساعد ذلك في تحديد ما إذا كانت البيئة المحلية تؤدي إلى تشكيلات مرضية غير نمطية.

تستخدم هذه المنهجية أيضاً في اختبارات التحقق من نماذج نظرية اتخاذ القرار وعلم النفس المعرفي. عندما تتنبأ نظرية معينة مثل “نظرية الآفاق” لكانمان وتفيرسكي بأن متخذي القرار في ظروف المخاطرة سيختارون القرارات التجنبية بنسبة 70% والقرارات الإقدامية بنسبة 30%، فإن إجراء تجربة معملية وتطبيق اختبار جودة المطابقة على التكرارات المشاهدة يوفر دليلاً كمياً قاطعاً على مدى صحة التنبؤات النظرية للنظرية المعرفية المختبرة.

4. الافتراضات والشروط المنهجية لتطبيق الاختبار

4.1 شروط المعاينة واستقلالية المشاهدات

لكي تكون النتائج المستخلصة من اختبار مربع كاي لجودة المطابقة صادقة وقابلة للتعميم، يجب أن يستوفي تصميم البحث مجموعة من الشروط المنهجية الصارمة المتعلقة بطبيعة العينة وآلية جمع البيانات. يأتي في مقدمة هذه الشروط ضرورة الاعتماد على عينة احتمالية عشوائية بسيطة (Simple Random Sample) ممثلة للمجتمع المستهدف بدقة. إن غياب العشوائية في المعاينة يدخل أخطاء تحيز منهجية تؤثر على صدق دالة التوزيع الاحتمالي للبيانات، مما يجعل المقارنة مع النماذج النظرية مضللة إحصائياً.

يتمثل الشرط الثاني، وهو الأكثر حساسية وتأثيراً، في استقلالية الملاحظات (Independence of Observations). يعني هذا المبدأ أن وقوع أي مشارك أو مشاهدة في فئة معينة يجب ألا يؤثر بأي شكل من الأشكال على احتمالية تصنيف أي مشارك آخر في نفس الفئة أو في فئات أخرى. تترتب على هذا الشرط قواعد تطبيقية صارمة في التصميم التجريبي والسيكولوجي:

  • يجب ألا يُسهم كل مشارك إلا بنقطة بيانية واحدة فقط (تكرار واحد في خلية واحدة).
  • لا يجوز استخدام الاختبار في تصاميم القياسات المتكررة (Repeated Measures) أو دراسات ما قبل وما بعد التدخل للمشاركين أنفسهم (حيث يستخدم اختبار مكنيمار في تلك الحالات).
  • لا يمكن تطبيق الاختبار على البيانات المجمعة في سياقات تفاعلية جماعية تؤثر فيها قرارات فرد على خيارات الآخرين.

إن انتهاك شرط استقلالية المشاهدات يؤدي إلى تضخيم زائف في درجات الحرية وتشويه الخطأ المعياري، مما ينتج عنه تضخم خطير في معدل الخطأ من النوع الأول (Type I Error)، أي رفض الفرضية الصفرية الصائبة بمعدلات تفوق مستوى الدلالة الاسمي ($\alpha$) المحدد مسبقاً، مما يقود إلى استنتاجات بحثية غير دقيقة علمياً.

4.2 حجم العينة والتكرارات المتوقعة لكل فئة

يعتمد توزيع إحصاء مربع كاي الرياضي على تقريب التوزيع المنفصل (متعدد الحدود) إلى توزيع متصل (توزيع $\chi^2$). لكي يظل هذا التقريب الرياضي دقيقاً ومقبولاً، وضع علماء الإحصاء معايير محددة تتعلق بحجم العينة والتكرارات المتوقعة (Expected Frequencies) داخل كل خلية، والتي صاغها الإحصائي وليم كوكران فيما يعرف بمعايير كوكران المنهجية:

تتلخص الشروط العددية الصارمة لتطبيق الاختبار في النقاط الآتية:

  • قاعدة الحد الأدنى للتكرار المتوقع: يجب ألا يقل التكرار المتوقع ($E$) في أي فئة من الفئات عن (1) تحت أي ظرف من الظروف ($E_i ge 1$ لجميع الفئات).
  • قاعدة التوزيع الكلي للتكرارات المتوقعة: يجب ألا يقل التكرار المتوقع عن (5) في ما لا يقل عن 80% من إجمالي الفئات المدروسة ($E_i ge 5$ في $ge 80%$ من الخلايا). وإذا كان المتغير ينقسم إلى فئتين فقط ($df=1$)، فيجب ألا يقل التكرار المتوقع في كلتا الفئتين عن (5).
  • الحجم الكلي للعينة ($N$): يوصى عموماً بألا يقل الحجم الإجمالي للعينة عن 20 إلى 30 مشاركاً، لضمان استقرار التقديرات الاحتمالية وحماية الاختبار من تقلبات العينات المتناهية في الصغر.

في حال انتهاك هذه الشروط نتيجة لصغر حجم العينة أو وجود فئات نادرة جداً، يصبح اختبار مربع كاي غير دقيق ويميل إلى تضخيم القيمة المحسوبة. لحل هذه المعضلة المنهجية، يمتلك الباحث خيارات معتمدة إحصائياً: إما إعادة دمج الفئات المنطقية المتقاربة لزيادة التكرار المتوقع في الخلايا المدمجة، أو اللجوء إلى اختبارات بديلة دقيقة مثل اختبار فيشر التام (Fisher’s Exact Test) الموسع للتوزيعات متعددة الفئات، أو استخدام خوارزميات مونت كارلو لإعادة التوزيع والمعاينة بدقة فائقة.

5. صياغة الفرضيات الإحصائية (الصفرية والبديلة)

5.1 صياغة الفرضية الصفرية (Null Hypothesis – H0)

تمثل الفرضية الصفرية في اختبار جودة المطابقة نقطة الانطلاق الأساسية لعملية الاستدلال، وهي تعبر عن فرضية الوضع الراهن أو حالة “العدم” التي تفترض التطابق التام والتوافق النموذجي بين الواقع المشاهد والتنبؤ النظري. تُعرَّف الفرضية الصفرية لفظياً بأنها الادعاء القائل بأن التوزيع التكراري المشاهد للظاهرة السلوكية في المجتمع يتبع تماماً التوزيع النظري المحدد مسبقاً، وأن أي فروق بين ما تم رصده وما هو متوقع لا تعدو كونها تباينات عشوائية طفيفة ناجمة عن عملية المعاينة.

تتم الصياغة الرياضية للفرضية الصفرية عبر تحديد احتمالات الحدوث النظرية لكل فئة من الفئات المستقلة على النحو التالي:

$$H_0: P_1 = p_1, \quad P_2 = p_2, \quad P_3 = p_3, \quad dots, \quad P_k = p_k$$

حيث تمثل $P_1, P_2, dots, P_k$ النسب الحقيقية للفئات في مجتمع الدراسة، بينما تمثل $p_1, p_2, dots, p_k$ النسب النظرية المحددة سلفاً في النموذج، مع اشتراط أن يكون مجموع النسب مساوياً للواحد الصحيح ($\sum_{i=1}^k p_i = 1$). وفي حالة اختبار فرضية التساوي، تصاغ الفرضية بأن جميع النسب متساوية وتساوي مقلوب عدد الفئات:

$$H_0: P_1 = P_2 = dots = P_k = \frac{1}{k}$$

تحمل الفرضية الصفرية دلالة إكلينيكية وبحثية عميقة؛ إذ إن عدم رفض الفرضية الصفرية يعني فشل الباحث في العثور على أدلة كافية تدحض النموذج النظري، مما يعزز الثقة في صلاحية هذا النموذج واستمرارية اعتماده في التفسير والتشخيص السلوكي في المجتمع المدروس.

5.2 صياغة الفرضية البديلة (Alternative Hypothesis – H1)

تُعبر الفرضية البديلة عن التفسير المنافس الذي يسعى الباحث لاختباره، وهي تنص على أن البيانات المشاهدة لا تتبع التوزيع النظري المحدد في الفرضية الصفرية، وأن هناك انحرافاً جوهرياً بين الملاحظات والتوقعات لا يمكن تفسيره بالصدفة الإحصائية وحدها. تصاغ الفرضية البديلة لفظياً بأن “نسبة واحدة على الأقل من نسب الفئات المدروسة تختلف عن النسبة النظرية المتوقعة المقابلة لها في النموذج”.

تأخذ الصياغة الرياضية للفرضية البديلة الشكل المفتوح الآتي:

$$H_1: P_i ne p_i \quad \text{لواحد على الأقل من فئات المتغير } (i = 1, 2, dots, k)$$

من الأهمية بمكان التأكيد على الطبيعة غير الموجهة (Non-directional) لاختبار مربع كاي لجودة المطابقة. على الرغم من أن منطقة الرفض الإحصائي تقع دائماً في الطرف الأيمن (Right-tailed) لتوزيع مربع كاي بسبب تربيع الفروق، إلا أن الفرضية البديلة ذاتها غير موجهة؛ فهي لا تحدد مسبقاً ما إذا كانت الفئة ستكون أعلى أو أدنى من المتوقع، بل تكتفي بالتنبؤ بوجود انحراف في التوزيع.

عندما تقود البيانات إلى رفض الفرضية الصفرية واعتماد الفرضية البديلة، يعني ذلك أن النموذج النظري غير كافٍ لتفسير سلوك الظاهرة المدروسة في هذه العينة، مما يتطلب من الباحث التحري المعمق عن أسباب هذا الاختلال، وإعادة النظر في الافتراضات النظرية، أو دراسة العوامل البيئية والوسيطة التي أحدثت هذا التباين الإحصائي الملموس.

6. الصيغة الرياضية والقانون الإحصائي لاختبار مربع كاي

6.1 المعادلة العامة وحساب الفروق المعيارية

يعتمد الحساب الرياضي لاختبار جودة المطابقة على الصيغة الشهيرة التي وضعها كارل بيرسون، والتي تقيس المسافة المعيارية الإجمالية بين التكرارات المشاهدة والتكرارات المتوقعة عبر جميع الخلايا. تُكتب المعادلة الرياضية العامة على النحو الآتي:

$$\chi^2 = \sum_{i=1}^{k} \frac{(O_i – E_i)^2}{E_i}$$

لتفكيك البنية المنطقية والرياضية لهذه المعادلة بدقة، نوضح عناصرها التفصيلية في النقاط الآتية:

  • $\chi^2$: القيمة المحسوبة لإحصاء مربع كاي، وهي قيمة موجبة دائماً أو تساوي صفراً في حالة التطابق التام النظري.
  • $k$: عدد الفئات أو المستويات المستقلة للمتغير الفئوي محل الدراسة.
  • $O_i$ (Observed): التكرار المشاهد الفعلي الذي تم رصده وتوثيقه تجريبياً في الفئة رقم $i$.
  • $E_i$ (Expected): التكرار النظري المتوقع حسابه في الفئة رقم $i$ استناداً إلى صحة الفرضية الصفرية.
  • $\sum_{i=1}^k$: رمز المجموع الرياضي، ويوجه بإجراء العملية الحسابية لكل خلية على حدة ثم جمع النواتج الجزئية لكافة الفئات.

يرتكز الأساس الرياضي لتربيع الفروق $(O_i – E_i)^2$ على التغلب على خاصية جبرية حتمية؛ حيث إن مجموع الفروق البسيطة $(O_i – E_i)$ عبر جميع الفئات يساوي دائماً الصفر ($\sum (O_i – E_i) = 0$)، لأن إجمالي التكرارات المشاهدة يتطابق بالضرورة مع إجمالي التكرارات المتوقعة. يقوم التربيع بتحويل كافة الانحرافات السالبة والموجبة إلى قيم موجبة مطلقة، مع إعطاء وزن نسبي أكبر للانحرافات الشديدة. وتعمل قسمة مربع الفرق على التكرار المتوقع $E_i$ كعملية معايرة (Standardization) تضمن تناسب الانحراف مع حجم الفئة، بحيث لا تطغى الفئات ذات التكرارات الضخمة على حساب الفئات الصغيرة في التأثير النهائي على قيمة $\chi^2$.

6.2 طرق حساب التكرارات المتوقعة (Expected Frequencies)

تعد خطوة استخراج التكرارات المتوقعة ($E_i$) المتطلب الحسابي الأهم قبل تطبيق معادلة مربع كاي. تتحدد طريقة الحساب بناءً على طبيعة الفرضية الصفرية المصاغة ونوع التوزيع النظري المستهدف، وذلك عبر حالتين رئيسيتين:

الحالة الأولى: في حالة فرضية التوزيع المتساوي (Equal Proportions):
عندما تفترض الفرضية الصفرية تكافؤ التوزيع التكراري بين كافة الفئات، تُحسب التكرارات المتوقعة بقسمة حجم العينة الكلي ($N$) على عدد الفئات الإجمالي ($k$) مباشرة، وفق المعادلة التالية:

$$E = \frac{N}{k}$$

حيث ينتج عن هذه المعادلة تكرار متوقع موحد ومتطابق تماماً لكافة خلايا الجدول التكراري.

الحالة الثانية: في حالة فرضية النسب المحددة مسبقاً (Unequal/Specified Proportions):
عندما تحدد الفرضية الصفرية نسباً أو احتمالات نظرية متفاوتة ($p_i$) لكل فئة بناءً على أدبيات أو معايير محددة، يُحسب التكرار المتوقع لكل فئة بضرب حجم العينة الإجمالي ($N$) في النسبة الاحتمالية المخصصة لتلك الفئة ($p_i$):

$$E_i = N \times p_i$$

للتحقق من السلامة الحسابية قبل الانتقال للخطوات التالية، يجب تطبيق شرط المراجعة الرياضية المزدوجة، والذي ينص على أن مجموع التكرارات المتوقعة لكافة الخلايا يجب أن يتطابق بدقة تامة مع حجم العينة الإجمالي ومجموع التكرارات المشاهدة:

$$\sum_{i=1}^k E_i = \sum_{i=1}^k O_i = N$$

إن حدوث أي اختلاف في هذا المجموع يشير إلى وجود خطأ حسابي في استخراج التكرارات المتوقعة يتطلب التصحيح الفوري قبل المضي قدماً في حساب قيمة إحصاء الاختبار.

7. درجات الحرية والقيمة الحرجة وقواعد اتخاذ القرار

7.1 حساب درجات الحرية (Degrees of Freedom)

تُعد درجات الحرية (Degrees of Freedom – df) مفهوماً محورياً في الاستدلال اللامعلمي، وهي تعبر رياضياً عن عدد القيم المستقلة القابلة للتغير بحرية في النظام الحسابي قبل أن تصبح القيم المتبقية مقيدة وثابتة تلقائياً. في اختبار مربع كاي لجودة المطابقة، تُحسب درجات الحرية عبر طرح واحد من إجمالي عدد الفئات ($k$):

$$df = k – 1$$

يعود السبب الجوهري للاعتماد على عدد الفئات ($k$) بدلاً من حجم العينة الكلي ($N$) إلى وجود قيد خطي وحيد ومسبق يفرضه تصميم الاختبار، وهو أن مجموع التكرارات في كافة الفئات يجب أن يساوي الحجم الكلي للعينة ($N$). وبالتالي، إذا عرفنا التكرارات المشاهدة في ($k-1$) فئة، فإن تكرار الفئة الأخيرة المتبقية يكون محدداً مسبقاً ولا يمتلك أي حرية في الاختلاف أو التغير.

توجد حالات خاصة في النمذجة المتقدمة تقتضي تعديل درجات الحرية إلى ما هو أدنى من ($k – 1$). يحدث ذلك عندما لا تكون المعالم النظرية للمجتمع (مثل المتوسط الحسابي $\mu$ أو الانحراف المعياري $\sigma$) معلومة مسبقاً، ويضطر الباحث إلى تقديرها مباشرة من بيانات العينة ذاتها لمطابقتها مع توزيع متصل كالتوزيع الطبيعي. في هذه الحالات، يتم تعديل صيغة درجات الحرية بطرح عدد المعالم المقدرة ($m$)، لتصبح:

$$df = k – 1 – m$$

أما في التطبيقات السلوكية القياسية التي تعتمد على نسب نظرية محددة سلفاً أو توزيعات متساوية، فتظل الصيغة الثابتة هي ($df = k – 1$).

7.2 تحديد مستوى الدلالة والقيمة الحرجة

تبدأ عملية اتخاذ القرار الإحصائي بتحديد مستوى الدلالة المعنوية ($\alpha$ – Alpha Level)، والذي يمثل الحد الأقصى لاحتمالية الوقوع في الخطأ من النوع الأول (رفض الفرضية الصفرية وهي صحيحة). في العلوم النفسية والاجتماعية، يُحدد مستوى الدلالة تقليدياً عند ($\alpha = 0.05$) للبحوث العامة، أو عند مستوى أكثر صرامة ($\alpha = 0.01$) في البحوث الإكلينيكية والتشخيصية الحساسة.

باستخدام درجتي الحرية ($df$) ومستوى الدلالة المحدد ($\alpha$)، يستعين الباحث بجدول توزيع مربع كاي القياسي لاستخراج القيمة الحرجة (Critical Value – $\chi^2_{\text{crit}}$). تفصل هذه القيمة بين منطقتين رئيستين على منحنى التوزيع الاحتمالي: منطقة قبول (أو عدم رفض) الفرضية الصفرية، ومنطقة الرفض (المنطقة الحرجة الواقعة في الذيل الأيمن للتوزيع).

تستند قاعدة اتخاذ القرار الإحصائي الصارم إلى مقارنة القيمة المحسوبة ($\chi^2_{\text{calc}}$) بالقيمة الحرجة المستخرجة من الجداول، أو فحص القيمة الاحتمالية (p-value) الناتجة عبر البرمجيات الإحصائية، وفق المعيارين المتلازمين التاليين:

  • إذا كانت $\chi^2_{\text{calc}} ge \chi^2_{\text{crit}}$ (أو كانت $p le \alpha$): يُتخذ القرار برفض الفرضية الصفرية ($H_0$) وقبول الفرضية البديلة ($H_1$)، مما يؤكد وجود اختلاف ذي دلالة إحصائية بين التوزيع المشاهد والنموذج المتوقع.
  • إذا كانت $\chi^2_{\text{calc}} < \chi^2_{\text{crit}}$ (أو كانت $p > \alpha$): يُتخذ القرار بعدم رفض الفرضية الصفرية ($H_0$)، والاستنتاج بأن البيانات تدعم وتطابق النموذج النظري المفترض دون فروق جوهرية.

8. خطوات إجراء الاختبار بالتفصيل المنهجي

8.1 المرحلة الأولى: إعداد البيانات وتحديد التوقعات

يتطلب التنفيذ السليم لاختبار مربع كاي لجودة المطابقة اتباع مسار إجرائي محكم يبدأ بتهيئة البيانات الإمبيريقية وضبط الشروط المنهجية. تتلخص الخطوة الأولى في جمع التكرارات المشاهدة الخام ($O$) من عينة الدراسة وتفريغها في جدول توزيع تكراري أحادي البعد، مع التأكد المطلق من عدم وجود ازدواجية في تصنيف أي مشارك، وأن كل استجابة قد صُنفت في فئة واحدة فقط تطابق التعريف الإجرائي لمتغيرات الدراسة.

تتمثل الخطوة الثانية في التحديد الصريح والواضح للنسب الاحتمالية النظرية ($p_i$) لكل فئة، سواء بالاعتماد على فرضية التوزيع المتساوي بالتساوي التام ($1/k$) أو باستيراد أوزان ونسب كمية من أدبيات التخصص والنظريات المعيارية. يعقب ذلك حساب التكرارات المتوقعة ($E_i$) لكل فئة بضرب النسبة المحددة في الحجم الكلي للعينة ($N$) وتوثيق هذه القيم في حقل مخصص ضمن الجدول التكراري.

تختتم المرحلة الأولى بإجراء فحص تشخيصي مسبق للتحقق من سلامة شروط كوكران؛ حيث يعاين الباحث قيم $E_i$ المحسوبة ويتأكد من عدم وجود أي خلية يقل تكرارها المتوقع عن (1)، وأن 80% على الأقل من الخلايا تتجاوز قيمتها المتوقعة الرقم (5). إذا اجتازت البيانات هذا الفحص المنهجي، ينتقل الباحث بأمان إلى العمليات الحسابية المتقدمة في المرحلة التالية.

8.2 المرحلة الثانية: الحساب الإحصائي والتحليل المقارن

تبدأ المرحلة الثانية بتنفيذ الحسابات الرياضية التفصيلية لكل فئة وفق جدول تحليلي منظم يتبع تسلسلاً منطقياً صارماً لحساب مكونات معادلة بيرسون، وذلك عبر الخطوات الإجرائية الآتية:

  • حساب الفروق البسيطة لكل فئة: $(O_i – E_i)$.
  • تربيع الفروق الناتجة للتخلص من الإشارات السالبة: $(O_i – E_i)^2$.
  • معايرة مربع الانحراف بقسمته على التكرار المتوقع للفئة نفسها: $\frac{(O_i – E_i)^2}{E_i}$.
  • جمع كافة القيم المعايرة الناتجة من جميع الخلايا لاستخراج إحصاء مربع كاي الكلي: $\chi^2_{\text{calc}} = \sum \frac{(O_i – E_i)^2}{E_i}$.

عقب استخراج القيمة المحسوبة الإجمالية، يقوم الباحث بتحديد درجات الحرية الخاصة بالتصميم ($df = k – 1$)، واختيار مستوى الدلالة الملائم ($\alpha = 0.05$). تكتمل العملية بمقارنة إحصاء الاختبار بالقيمة الحرجة، وحساب القيمة الاحتمالية الدقيقة ($p\text{-value}$) التي تحدد احتمالية الحصول على هذا المقدار من التباين بالصدفة، مما يمهد لاتخاذ القرار الإحصائي السليم وصياغة التقرير النفسي للنتائج.

9. مثال تطبيقي شامل ومحلول في علم النفس

9.1 سيناريو الدراسة النفسية وفرضياتها

لإيضاح الآلية التطبيقية للاختبار، نفترض دراسة سيكولوجية إكلينيكية أُجريت في أحد المراكز المتخصصة في الطب النفسي والعلاج السلوكي. أراد فريق بحثي تقييم مدى تكافؤ تفضيل المرضى الجدد المشخصين باضطرابات القلق العام لأربعة أساليب علاجية رئيسية متاحة في المركز قبل البدء الفعلي في الجلسات. شملت الأساليب العلاجية الأربعة:

  • العلاج المعرفي السلوكي (Cognitive Behavioral Therapy – CBT)
  • العلاج النفسي التحليلي (Psychoanalytic Therapy)
  • العلاج السلوكي الصرف (Behavioral Therapy)
  • العلاج النفسي الإنساني (Humanistic Therapy)

تم سحب عينة عشوائية بسيطة مكونة من $N = 120$ مريضاً، وطُلب من كل مريض اختيار أسلوب علاجي واحد فقط يفضله بناءً على ملخصات تعريفية موحدة ومحايدة تماماً. سجلت البيانات التكرارات المشاهدة الفعلية التالية:

  • العلاج المعرفي السلوكي ($CBT$): 48 مريضاً
  • العلاج النفسي التحليلي: 22 مريضاً
  • العلاج السلوكي الصرف: 18 مريضاً
  • العلاج الإنساني: 32 مريضاً

صياغة الفرضيات الإحصائية:

الفرضية الصفرية ($H_0$): لا توجد فروق ذات دلالة إحصائية بين نسب تفضيل المرضى للأساليب العلاجية الأربعة في المجتمع (تتوزع التفضيلات بالتساوي: $P_1 = P_2 = P_3 = P_4 = 0.25$).

الفرضية البديلة ($H_1$): يوجد أسلوب علاجي واحد على الأقل يختلف تفضيل المرضى له عن النسبة المتوقعة المتساوية (25%).

9.2 الحسابات اليدوية التفصيلية

نبدأ أولاً بحساب التكرار المتوقع ($E$) لكل فئة استناداً إلى فرضية التساوي، حيث لدينا عدد الفئات $k = 4$ وحجم العينة $N = 120$:

$$E = \frac{N}{k} = \frac{120}{4} = 30 \text{ مريضاً لكل أسلوب علاج}$$

نلاحظ أن جميع التكرارات المتوقعة تساوي $30$، وهي تفوق الحد الأدنى المشروط (5)، مما يؤكد استيفاء الشروط المنهجية تماماً. نلخص العمليات الحسابية التفصيلية لتطبيق صيغة بيرسون في الجدول التحليلي التالي:

الأسلوب العلاجي (الفئة) التكرار المشاهد ($O$) التكرار المتوقع ($E$) الفرق $(O – E)$ مربع الفرق $(O – E)^2$ $\frac{(O – E)^2}{E}$
العلاج المعرفي السلوكي (CBT) 48 30 +18 324 $324 / 30 = 10.800$
العلاج التحليلي 22 30 -8 64 $64 / 30 = 2.133$
العلاج السلوكي الصرف 18 30 -12 144 $144 / 30 = 4.800$
العلاج الإنساني 32 30 +2 4 $4 / 30 = 0.133$
المجموع الإجمالي ($\sum$) 120 120 0 – $\chi^2 = 17.866$

نحسب الآن درجات الحرية الخاصة بالاختبار:

$$df = k – 1 = 4 – 1 = 3$$

9.3 اتخاذ القرار الإحصائي والتفسير السيكولوجي

بالرجوع إلى جدول توزيع مربع كاي القياسي عند درجات حرية $df = 3$ ومستوى دلالة $\alpha = 0.05$، نجد أن القيمة الحرجة هي:

$$\chi^2_{\text{crit}}(3, 0.05) = 7.815$$

المقارنة واتخاذ القرار:
بمقارنة القيمة المحسوبة ($\chi^2_{\text{calc}} = 17.866$) بالقيمة الحرجة ($7.815$)، يتضح جلياً أن:

$$\chi^2_{\text{calc}} (17.866) > \chi^2_{\text{crit}} (7.815)$$

وبناءً على هذه النتيجة، نرفض الفرضية الصفرية ($H_0$) ونقبل الفرضية البديلة ($H_1$) عند مستوى دلالة $p < 0.001$.

صياغة التقرير وفق معايير جمعية علم النفس الأمريكية (APA Style 7th Edition):
“أظهرت نتائج اختبار مربع كاي لجودة المطابقة وجود فروق ذات دلالة إحصائية في تفضيل المرضى للأساليب العلاجية المختلفة، $\chi^2(3, N = 120) = 17.87, p < .001$. وتشير البيانات إلى انحراف التفضيلات الفعلية عن نموذج التوزيع المتساوي، حيث حظي العلاج المعرفي السلوكي (CBT) بأعلى معدل تفضيل مشاهد ($n = 48$) مقارنة بالمتوقع نظرياً ($n = 30$)، في حين سجل العلاج السلوكي الصرف أدنى معدلات التفضيل ($n = 18$)."

التفسير النفسي والإكلينيكي:
يعكس هذا التباين الإحصائي الكبير توجهاً معرفياً وسلوكياً واضحاً لدى مرضى القلق نحو التدخلات المنظمة والواضحة مثل العلاج المعرفي السلوكي، ربما لما يوفره من أدوات عملية للتعامل مع الأفكار المشوهة وأعراض القلق الفسيولوجي، بينما يظهر المرضى تردداً تجاه العلاج السلوكي الخالص الذي قد يفتقر إلى البعد المعرفي الموجه.

10. تحليل البواقي وحجم التأثير بعد الاختبار

10.1 تحليل البواقي المعيارية (Standardized Residuals)

إن الحصول على نتيجة دالة إحصائياً في اختبار مربع كاي يخبر الباحث بوجود اختلاف في التوزيع العام، ولكنه لا يحدد بدقة الفئة أو الفئات المحددة المسؤولة عن إحداث هذا الانحراف الجوهري. لتجاوز هذه المحدودية وتجنب القراءات الانطباعية السطحية، يلجأ الباحثون إلى تحليل البواقي المعيارية (Standardized Residuals – $R$) كأداة تشخيصية لاحقة (Post-hoc Analysis).

تُحسب البواقي المعيارية لكل فئة عبر قسمة الفرق بين المشاهد والمتوقع على الجذر التربيعي للتكرار المتوقع، وفق المعادلة التالية:

$$R_i = \frac{O_i – E_i}{\sqrt{E_i}}$$

تتبع هذه البواقي المعيارية تقريباً التوزيع الطبيعي المعياري ذي المتوسط (0) والانحراف المعياري (1). وعليه، تُفسر القيم المحسوبة استناداً إلى القواعد المعيارية للدرجات المعيارية ($Z$-scores):

  • تعتبر الفئة مساهمة بشكل دال إحصائياً في رفض الفرضية الصفرية عند مستوى $\alpha = 0.05$ إذا تجاوزت القيمة المطلقة للباقي المعياري الرقم $1.96$ ($|R_i| > 1.96$).
  • تعتبر الفئة مساهمة بدلالة قاطعة عند مستوى $\alpha = 0.01$ إذا تجاوزت القيمة المطلقة للباقي المعياري الرقم $2.58$ ($|R_i| > 2.58$).

بتطبيق هذه المعادلة على بيانات مثالنا التطبيقي السابق:

  • العلاج المعرفي السلوكي: $R = \frac{48 – 30}{\sqrt{30}} = \frac{+18}{5.477} = +3.29$ (دال جداً وموجب، تفضيل أعلى بكثير من المتوقع).
  • العلاج التحليلي: $R = \frac{22 – 30}{\sqrt{30}} = \frac{-8}{5.477} = -1.46$ (غير دال، يقع ضمن النطاق الطبيعي للصدفة).
  • العلاج السلوكي الصرف: $R = \frac{18 – 30}{\sqrt{30}} = \frac{-12}{5.477} = -2.19$ (دال وسالب، عزوف واضح وأقل من المتوقع).
  • العلاج الإنساني: $R = \frac{32 – 30}{\sqrt{30}} = \frac{+2}{5.477} = +0.37$ (غير دال، يتطابق تقريباً مع التوقع).

يوضح هذا التحليل الدقيق أن المحركين الأساسيين للدلالة الإحصائية في التجربة هما الإقبال المرتفع بصورة استثنائية على العلاج المعرفي السلوكي ($R = 3.29$) والعزوف الملحوظ عن العلاج السلوكي ($R = -2.19$).

10.2 قياس حجم التأثير (Effect Size)

تتأثر الدلالة الإحصائية ($p$-value) بحجم العينة تأثراً كبيراً؛ فالعينات الضخمة جداً قد تجعل الفروق التافهة دالة إحصائياً، بينما قد تعجز العينات الصغيرة عن إثبات فروق جوهرية. لذلك، تشدد المعايير العلمية الحديثة للبحث النفسي على ضرورة إرفاق مقاييس حجم التأثير (Effect Size) لتقييم الأهمية العملية والتطبيقية للنتائج بمعزل عن حجم العينة.

المقياس القياسي المعتمد لحجم التأثير في اختبار جودة المطابقة هو معامل كوهين $w$ (Cohen’s $w$)، والذي يُحسب مباشرة من قيمة مربع كاي المحسوبة وحجم العينة الكلي وفق الصيغة الآتية:

$$w = \sqrt{\sum_{i=1}^k \frac{(P_{O_i} – P_{E_i})^2}{P_{E_i}}} = \sqrt{\frac{\chi^2}{N}}$$

حيث يمثل $P_{O_i}$ النسبة المشاهدة في الفئة، و $P_{E_i}$ النسبة المتوقعة في الفئة، أو بقسمة قيمة مربع كاي الكلية على حجم العينة $N$ واستخراج الجذر التربيعي.

بتطبيق المعادلة على المثال النفسي الخاص بنا:

$$w = \sqrt{\frac{17.866}{120}} = \sqrt{0.14888} \approx 0.386$$

وفقاً لمعايير الإحصائي جاكوب كوهين الإرشادية لتفسير معامل $w$ في العلوم السلوكية:

  • تأثير صغير (Small Effect): $w = 0.10$
  • تأثير متوسط (Medium Effect): $w = 0.30$
  • تأثير كبير (Large Effect): $w = 0.50$

يشير حصولنا على قيمة $w = 0.386$ إلى وجود حجم تأثير متوسط إلى كبير، مما يثبت أن الاختلاف في تفضيلات المرضى للأساليب العلاجية ليس مجرد نتيجة دالة إحصائياً بفعل كفاية حجم العينة، بل يمثل ظاهرة سيكولوجية ملموسة ذات وزن تطبيقي بارز في التخطيط الإكلينيكي وإدارة المراكز العلاجية.

11. مقارنة بين اختبار جودة المطابقة واختبار الاستقلالية

11.1 الفروق الجوهرية في التصميم التجريبي

ينتمي كل من اختبار جودة المطابقة (Goodness of Fit Test) واختبار الاستقلالية (Test of Independence) إلى عائلة اختبارات مربع كاي اللامعلمية، إلا أنهما يختلفان اختلافاً جذرياً في الأهداف البحثية، وتصميم البيانات، وطريقة معالجة التكرارات المتوقعة، ودرجات الحرية. يوضح الجدول المقارن التالي أبرز الفروق المنهجية بينهما:

وجه المقارنة اختبار جودة المطابقة اختبار الاستقلالية
عدد المتغيرات متغير فئوي (نوعي) واحد فقط متغيران فئويان اثنان
طبيعة جدول البيانات جدول تكراري أحادي البعد ($1 \times k$) جدول تقاطعي ثنائي الأبعاد ($r \times c$)
مصدر التكرار المتوقع ($E$) نموذج نظري أو افتراض مسبق محدد خارجياً يُحسب داخلياً من المجاميع الهامشية للجدول
صيغة درجات الحرية ($df$) $df = k – 1$ $df = (r – 1) \times (c – 1)$
الهدف البحثي الرئيس فحص مطابقة التوزيع المشاهد لنموذج نظري فحص وجود ارتباط أو اعتماد بين متغيرين

يتضح من المقارنة أن اختبار جودة المطابقة يركز على مسألة الملاءمة التوزيعية لعينة واحدة مع معيار نظري ثابت، في حين يسعى اختبار الاستقلالية إلى استكشاف العلاقات الارتباطية والاقتران الاحتمالي بين متغيرين مصنفين لنفس العينة دون الحاجة لنموذج نظري مسبق لتوزيع الفئات.

11.2 أمثلة تمييزية تطبيقية للباحثين

لمساعدة الباحثين السلوكيين على الاختيار الدقيق للاختبار المناسب وفق التصميم التجريبي، نعرض السيناريوهين التمييزيين التاليين:

سيناريو (أ) – اختبار جودة المطابقة:
يقوم باحث في علم النفس التربوي بدراسة توزيع أنماط التعلم (بصري، سمعي، حركي) لدى عينة من المتفوقين دراسياً ($N = 150$) لمعرفة ما إذا كان التوزيع يتطابق مع النسبة السكانية العامة المعروفة وطنياً (50% بصري، 30% سمعي، 20% حركي).
التصنيف: متغير واحد (نمط التعلم)، مقارن بنموذج نظري محدد مسبقاً $\rightarrow$ اختبار جودة المطابقة.

سيناريو (ب) – اختبار الاستقلالية:
يقوم نفس الباحث بجمع بيانات عن نمط التعلم (بصري، سمعي، حركي) والجنس (ذكور، إناث) لنفس العينة ($N = 150$)، لمعرفة ما إذا كان تفضيل نمط التعلم يختلف باختلاف النوع الاجتماعي أو يرتبط به.
التصنيف: متغيران فئويان (نمط التعلم $\times$ الجنس) في جدول توافق ($2 \times 3$) $\rightarrow$ اختبار الاستقلالية.

يمثل هذا التمييز حجر الزاوية في بناء التحليل الإحصائي السليم؛ إذ إن الخلط بين الاختبارين يقود إلى حسابات خاطئة لدرجات الحرية وتشوهات جوهرية في تفسير الدلالة الإحصائية للظاهرة محل البحث.

12. الأخطاء الشائعة والتطبيق عبر البرمجيات الإحصائية

12.1 أخطاء منهجية وحسابية شائعة والحد منها

على الرغم من البساطة الحسابية لاختبار مربع كاي لجودة المطابقة، إلا أن الممارسة البحثية تشهد وقوع العديد من الباحثين في أخطاء منهجية متكررة تؤثر سلباً على سلامة الاستنتاجات العلمية. نلخص أبرز هذه الأخطاء وسبل تلافيها في النقاط الآتية:

  • استخدام النسب المئوية بدلاً من التكرارات الخام: يرتكب بعض الباحثين خطأ فادحاً بإدخال النسب المئوية (%) مباشرة في معادلة مربع كاي بدلاً من الأعداد الفعلية للمشاركين ($O$). يؤدي هذا الخطأ إلى تثبيت حجم العينة الحسابي عند الرقم 100، مما يشوه درجات الحرية ويلغي التأثير الحقيقي لحجم العينة الأصلي. الحل: استخدام التكرارات العددية الصحيحة حصراً في كافة مراحل الحساب.
  • تجاهل انتهاك شروط التكرارات المتوقعة: يؤدي تطبيق الاختبار في وجود خلايا بتكرارات متوقعة تقل عن 5 (بما يتجاوز نسبة 20% المسموحة) إلى تضخيم قيمة $\chi^2$ وزيادة احتمال الخطأ من النوع الأول. الحل: دمج الفئات منطقياً أو استخدام الاختبارات التامة الدقيقة (Exact Tests).
  • الخلط بين الدلالة الإحصائية وحجم الأثر: الاعتماد الحصري على قيمة $p$-value لاعتبار النتيجة “مهمة إكلينيكياً” دون حساب معامل كوهين $w$. الحل: توثيق وتفسير حجم التأثير دائماً كمعيار للأهمية العملية.
  • انتهاك استقلالية البيانات: جمع استجابات متعددة من نفس المشاركين وحسابها كتكرارات مستقلة. الحل: حصر كل مشارك في تكرار واحد، أو اللجوء لاختبارات البيانات المترابطة عند وجود قياسات متكررة.

12.2 تطبيق الاختبار عبر برمجيات SPSS و R

يمثل التحليل الإحصائي المحوسب المعيار الحديث في معالجة البيانات الضخمة والمعقدة. نستعرض فيما يلي خطوات تطبيق اختبار جودة المطابقة عبر أشهر حزمتين إحصائيتين في البحوث السلوكية:

أولاً: التطبيق عبر حزمة IBM SPSS:

  • إذا كانت البيانات مجمعة ومجدولة مسبقاً (تكرار لكل فئة)، نقوم أولاً بوزن الحالات عبر: Data -> Weight Cases -> Weight cases by (التكرار).
  • لتنفيذ الاختبار، نتوجه إلى القائمة العلوية ونختار: Analyze -> Nonparametric Tests -> Legacy Dialogs -> Chi-Square...
  • ننقل المتغير الفئوي إلى مربع Test Variable List.
  • في خانة Expected Values، نحدد الفرضية الصفرية:
    • نختار All categories equal إذا كنا نختبر فرضية التوزيع المتساوي.
    • نختار Values ونقوم بإدخال النسب النظرية المتوقعة لكل فئة بالترتيب الدقيق نفسه إذا كنا نختبر نسباً متفاوتة ومحددة سلفاً.
  • نضغط على OK لتوليد مخرجات التحليل التي تتضمن جدول التكرارات وقيمة إحصاء مربع كاي ودرجات الحرية والقيمة الاحتمالية الدقيقة (Asymp. Sig.).

ثانياً: التطبيق عبر بيئة البرمجة الإحصائية R:
توفر بيئة R الإحصائية الدالة القياسية والمرنة chisq.test() لتنفيذ الاختبار بدقة وسرعة فائقة:

في حالة اختبار التوزيع المتساوي:

يقوم الباحث بتعريف متجه التكرارات المشاهدة وتمريره للدالة مباشرة، حيث تفترض الدالة تلقائياً التساوي في النسب ما لم يُذكر خلاف ذلك:

observed <- c(48, 22, 18, 32)
chisq.test(observed)

في حالة اختبار التوزيع بنسب محددة مسبقاً:

يقوم الباحث بتعريف متجه النسب النظرية المتوقعة ($p$) وتمريره كمعامل إضافي داخل الدالة:

observed <- c(50, 30, 20)
expected_props <- c(0.50, 0.30, 0.20)
chisq.test(x = observed, p = expected_props)

تنتج برمجية R تقريراً تفصيلياً يوضح قيمة $\chi^2$، ودرجات الحرية ($df$)، والقيمة الاحتمالية ($p\text{-value}$)، مع إمكانية استخراج مصفوفة البواقي المعيارية بسهولة عبر الأمر chisq.test(observed)$residuals مما يسهل الفحص الإحصائي المتعمق لبيانات الدراسة.

خاتمة

يعد اختبار مربع كاي لجودة المطابقة ركيزة منهجية وإحصائية بالغة الأهمية في العلوم النفسية والاجتماعية والبيولوجية، حيث يمنح الباحثين أداة رياضية لامعلمية تمتاز بالرصانة والوضوح لاختبار مدى انسجام المشاهدات الإمبيريقية مع النماذج النظرية. ومن خلال استيعاب المنطلقات الرياضية لمعادلة بيرسون، وفهم حسابات درجات الحرية، والالتزام الصارم بالشروط والافتراضات المنهجية—وعلى رأسها استقلالية المشاهدات وكفاية التكرارات المتوقعة—يستطيع الباحث حماية دراسته من الوقوع في الأخطاء التفسيرية الشائعة.

وعلاوة على ذلك، فإن الممارسة الإحصائية المتقدمة لا تقف عند حدود اتخاذ قرار الرفض أو القبول استناداً إلى القيمة الاحتمالية، بل تمتد إلى استنطاق البيانات عبر تحليل البواقي المعيارية لتشخيص موضع الانحرافات، وحساب حجم التأثير لتقدير الجدوى التطبيقية للنتائج. إن التوظيف المتكامل لهذه الأدوات، سواء بالحسابات اليدوية المعمقة أو عبر البرمجيات الإحصائية المتخصصة مثل SPSS و R، يضمن للباحثين والدارسين تقديم تحليلات رصينة تعزز من موثوقية الاستنتاجات العلمية وتسهم بفاعلية في تطوير المعرفة الإنسانية وتطبيقاتها السلوكية.

References

اقتباس هذا المقال

looti, M. (2026, أغسطس 27). اختبار مربع كاي لجودة المطابقة: التعريف، الصيغة، ومثال. عرب سايكلوجي. https://arabpsychology.com/statistics/chi-square-goodness-of-fit-test-definition-formula-example/
looti, Mohammed. “اختبار مربع كاي لجودة المطابقة: التعريف، الصيغة، ومثال.” عرب سايكلوجي, 27 أغسطس 2026, https://arabpsychology.com/statistics/chi-square-goodness-of-fit-test-definition-formula-example/.
looti, Mohammed. “اختبار مربع كاي لجودة المطابقة: التعريف، الصيغة، ومثال.” عرب سايكلوجي. أغسطس 27, 2026. https://arabpsychology.com/statistics/chi-square-goodness-of-fit-test-definition-formula-example/.