جدول مربع كاي

يحتل جدول مربع كاي (Chi-Square Distribution Table) مكانة مركزية وتاريخية بالغة الأهمية في ترسانة المنهجية الإحصائية والقياس النفسي والسلوكي؛ فمنذ أن صاغ العالم البريطاني كارل بيرسون (Karl Pearson) هذا التوزيع في مطلع القرن العشرين (عام 1900)، أحدث ثورة علمية نقلت معالجة البيانات الاسمية والرتبية من مجرد انطباعات وصفية وتكرارات خام إلى فضاء النمذجة الاحتمالية والاستدلال العلمي الصارم. يُعد هذا الجدول الركيزة الرياضية والمرجع المعياري الأساسي الذي يستند إليه الباحثون في العلوم الإنسانية، السريرية، والتربوية لتقييم صحة الفرضيات الصفرية، وتحديد ما إذا كانت الفروق المشاهدة بين المتغيرات تعكس تفاعلات بنيوية حقيقية في المجتمع النفسي أم أنها لا تعدو كونها تذبذبات عشوائية ناجمة عن خطأ المعاينة الصدفي.

تكمن فرادة جدول مربع كاي في كونه يختزل مصفوفة لانهائية من حسابات التفاضل والتكامل والتكاملات الاحتمالية المعقدة لدالة كاي الرياضية، واضعاً إياها بين يدي الباحث في شبكة هندسية محكمة من الصفوف الممثلة لدرجات الحرية والأعمدة المعبرة عن مستويات الدلالة الإحصائية. وفي سياق القياس السلوكي والتشخيص الإكلينيكي المعاصر، لا غنى عن هذا الجدول لاختبار مدى جودة مطابقة النماذج النظرية (Goodness of Fit) لواقع البيانات الميدانية، واستقصاء استقلالية المتغيرات التوافقية (Contingency Tests)، وتقنين المقاييس النفسية ذات البنى الفئوية كالسمات الشخصية، والاتجاهات، ومستويات الاضطراب النفسي. إن استيعاب هذا الجدول وبنيته ليس مجرد مهارة حسابية آلية، بل هو وعي إبستيمولوجي بالمنطق الاحتمالي الذي يحكم تفسير الظواهر الإنسانية.

يتناول هذا الدليل المرجعي الموسع كل ما يرتبط بجدول مربع كاي تفصيلاً؛ بدءاً من أصوله النظرية وخصائصه الهندسية والالتوائية، مروراً بكيفية استخراج القيم الحرجة يدوياً واستيفاء القيم غير المدرجة، وصولاً إلى تطبيقاته الإكلينيكية، ونماذج تحليل التوافق المتعدد، والتعامل الاحترافي مع الحالات الحدية، واستعراض التكامل بين الجداول الورقية الكلاسيكية وأحدث البرمجيات الإحصائية مثل SPSS ولغة R، مع التوثيق الكامل وفق الطبعة السابعة لدليل جمعية علم النفس الأمريكية (APA).

1. مفهوم جدول مربع كاي ودوره في التحليل الإحصائي النفسي

1.1 التعريف بجدول توزيع مربع كاي (Chi-Square Distribution Table)

يُمثل جدول توزيع مربع كاي وثيقة إحصائية معيارية تُسجل القيم الرقمية للقيم الحرجة (Critical Values) المقابلة للمساحات الاحتمالية تحت منحنى كثافة الاحتمال لتوزيع كاي التربيعي ($\chi^2$). من الناحية الرياضية البحتة، ينشأ توزيع مربع كاي من مجموع مربعات عدد ($k$) من المتغيرات العشوائية المستقلة التي يتبع كل منها التوزيع الطبيعي المعياري ذي المتوسط صفر والتباين واحد ($Z sim N(0, 1)$). وبما أن القيم الأصلية تخضع لعملية التربيع، فإن قيم كاي بالضرورة تقع دائماً في النطاق الموجب، ممتدة من الصفر إلى ما لا نهاية الإيجابية$[0, infty)$.

تتمثل الأهمية الجوهرية للجدول في كونه الأداة المعيارية الفاصلة في الاختبارات اللامعلمية (Non-parametric Tests)، حيث يتيح للباحثين تقييم البيانات دون اشتراط اعتدالية التوزيع الأصلي للدرجات الخام للمتغيرات قيد الدراسة. يختلف التوزيع النظري الرياضي—الذي يمثل دالة متصلة ذات تكاملات جاما ($\Gamma$) متقدمة—عن جدول القيم المحسوبة مسبقاً، فالأخير عبارة عن تلخيص عددي دقيق يُعفي الممارس النفسي والباحث من الغوص في حل المعادلات التفاضلية المعقدة، مقدماً حلولاً فورية لمعرفة ما إذا كانت القيمة التجريبية تقع ضمن نطاق التباين الصدفي المسموح به أم تتجاوزه لتشير إلى دلالة إحصائية فارقة.

في ميدان العلوم السلوكية والنفسية، تعتمد العديد من الإجراءات التطبيقية على قراءات جدول مربع كاي؛ مثل تصنيف الاستجابات على مقاييس الشخصية، وفحص مدى انتشار الاضطرابات النفسية عبر فئات عمرية مختلفة، وتحليل التغيرات في السلوك التكيفي للمرضى بعد خضوعهم لبرامج التدخل المعرفي السلوكي، مما يجعله الجسر الرابط بين البيانات الوصفية النوعية والاستنتاج الكمي الموثوق.

1.2 الأسس النظرية لاختبار مربع كاي في القياس النفسي

يقوم الأساس الفلسفي والإحصائي لاختبار مربع كاي على المقارنة المنهجية بين مصفوفتين من التكرارات: التكرارات الملاحظة أو المشاهدة ($O$ – Observed Frequencies) التي تم جمعها فعلياً من العينة الميدانية، والتكرارات المتوقعة ($E$ – Expected Frequencies) التي يُفترض رياضياً الحصول عليها في حال صحت الفرضية الصفرية القائلة بعدم وجود أثر، أو بعدم وجود علاقة، أو بتطابق التوزيع الميداني مع التوزيع النظري المفترض. تُحسب إحصائية الاختبار عبر المعادلة التجميعية التاريخية:

$$\chi^2 = \sum \frac{(O – E)^2}{E}$$

يرتكز التطبيق السليم للاختبار وقراءة جدول القيم الحرجة على مجموعة من الافتراضات الصارمة التي صاغها علماء الإحصاء النفسي؛ وأبرزها استقلالية المشاهدات (Independence of Observations)، مما يعني أن استجابة أي مفحوص لا ينبغي أن تؤثر بأي شكل على استجابة مفحوص آخر، وألا يتم تصنيف الفرد الواحد في أكثر من خلية تصنيفية واحدة. كما يشترط الاختبار كفاية حجم العينة الكلي، وخلو التصميم من التكرارات المتوقعة الصفرية، مع التأكيد على ألا يقل التكرار المتوقع في الخلايا عن 5 في الغالبية العظمى من التقاطعات التصنيفية لضمان تقارب التوزيع المتقطع نحو التوزيع المتصل النظري.

يؤدي جدول مربع كاي دوراً محورياً في التحقق من الفرضيات الصفرية والبديلة في البحوث الإكلينيكية؛ فعلى سبيل المثال، عند اختبار فرضية استجابة مرضى الفصام لبروتوكولين علاجيين، يتيح الجدول فحص ما إذا كانت نسب الشفاء المسجلة تختلف جوهرياً عن التوزيع العشوائي، بالإضافة إلى دوره البارز في تقييم جودة النماذج النفسية والتحقق من صدق البناء في المقاييس النفسية عبر مؤشرات حسن المطابقة.

1.3 طبيعة التوزيع الاحتمالي والتواء منحنى كاي

يتميز المنحنى الاحتمالي لمربع كاي بخصائص هندسية ورياضية فريدة تجعله مختلفاً بصرياً عن المنحنى الإعتدالي المتماثل لجاوس؛ فهو توزيع غير متماثل وموجب الالتواء (Positively Skewed) بشكل ملحوظ عند درجات الحرية الصغرى. يبدأ المنحنى بالقرب من نقطة الأصل ويرتفع بسرعة ليصل إلى قمته (المنوال) عند قيمة تساوي تقريباً $(df – 2)$ للدرجات الأكبر من 2، ثم ينحدر بذيل طويل يمتد جهة اليمين باتجاه القيم الكبيرة الموجبة.

تتغير الهيئة البصرية والهندسية للمنحنى بشكل ديناميكي مع زيادة درجات الحرية ($df$). فعندما تكون درجة الحرية مساوية للواحد ($df = 1$)، يكون المنحنى مقعراً بشدة وينحدر نحو الأسفل ابتداءً من اللانهاية عند الصفر؛ ولكن مع ارتفاع درجات الحرية تدريجياً (مثلاً $df = 10$ ثم $df = 30$ وما فوق)، يتناقص الالتواء الموجب تدريجياً، ويبدأ المنحنى بالاستواء والاقتراب المطرد من شكل التوزيع الطبيعي المعياري، تماشياً مع مقتضيات نظرية النهاية المركزية (Central Limit Theorem)، حيث يصبح متوسط التوزيع مساوياً تماماً لدرجة الحرية ($\mu = df$) وتباينه مساوياً لضعف درجة الحرية ($\sigma^2 = 2df$).

تُترجم هذه الخصائص الهندسية إلى مساحات تكاملية تحت المنحنى؛ فالجدول الإحصائي لمربع كاي يعكس رياضياً النسبة المئوية للمساحة الواقعة في الذيل الأيمن للمنحنى بدءاً من القيمة الحرجة وإلى أقصى اليمين. هذه المساحة المظللة تمثل مستوى المعنوية أو الاحتمالية الارتيابية ($p\text{-value}$)، حيث ترتبط كل نقطة على المحور الأفقي باحتمال تراكمي دقيق تم حسابه وحفظه داخل مصفوفة الجدول الرياضي لتبسيط القياس النفسي والتربوي المتقدم.

2. البنية الهيكلية والمكونات الرياضية لجدول مربع كاي

2.1 الأعمدة: مستويات الدلالة الإحصائية والاحتمالية (Alpha Levels)

تمثل الأعمدة الرأسية في جدول توزيع مربع كاي مستويات الاحتمالية التراكمية، وتحديداً مساحة الذيل الأيمن للمنحنى، والتي يشار إليها رمزياً بمستوى ألفا ($\alpha$) أو الاحتمال الحرج ($p$). تشير هذه القيم إلى حجم المساحة المقطوعة تحت المنحنى والتي تُعبر عن احتمال ارتكاب الخطأ من النوع الأول (Type I Error)، أي رفض الفرضية الصفرية بالرغم من صحتها الواقعية في مجتمع الدراسة النفسية.

تتدرج قيم الأعمدة عادة من مستويات دلالة شائعة ومحافظة تُستخدم بشكل يومي في العلوم السلوكية، مثل الأعمدة المقابلة لقيم $\alpha = 0.05$ (احتمال خطأ 5%)، و $\alpha = 0.01$ (احتمال خطأ 1%)، و $\alpha = 0.001$ (احتمال خطأ 0.1% وهو المعيار الصارم للأبحاث الإكلينيكية الحساسة والتجارب الدوائية النفسية). يتيح هذا التدرج للباحثين اختيار سقف الأمان الإحصائي الملائم لطبيعة الظاهرة المدروسة وتبعات القرار المستخلص منها.

تحتوي بعض الجداول الموسعة والمتقدمة على أعمدة تعبر عن مستويات احتمالية غير معتادة كالمستويات التوسعية $\alpha = 0.10$ أو القيم الاحتمالية العالية الواقعة في الذيل الأيسر مثل $\alpha = 0.90$، $\alpha = 0.95$، و $\alpha = 0.99$. هذه الأعمدة ذات المساحات المرتفعة تلعب دوراً جوهرياً عند بناء فترات الثقة للتباينات أو عند فحص جداول مربع كاي ثنائية الذيل للكشف عن حالات التطابق المصطنع أو الشك في نزاهة البيانات والتقارير النفسية المعروضة.

2.2 الصفوف: درجات الحرية (Degrees of Freedom – df)

تُمثل الصفوف الأفقية لجدول مربع كاي معلمة درجات الحرية، والتي يُرمز لها بالرمز ($df$) أو الحرف الإغريقي ($\nu$). في السياق الرياضي، تُعبر درجات الحرية عن عدد القيم أو الفئات القابلة للتغير والتباين بحرية تامة دون الإخلال بأي قيود حسابية أو مجاميع هامشية ثابتة تم فرضها مسبقاً على مصفوفة البيانات النفسية.

تترتب الصفوف في الجدول الإحصائي تصاعدياً ابتداءً من $df = 1$، مروراً بالدرجات الفردية المتتالية ($df = 2, 3, 4, dots, 30$). وتُعد هذه الدرجات الأولى الأكثر حساسية واستخداماً في التصاميم التجريبية والإكلينيكية المباشرة كجداول التقاطع الثنائية وفحوص التطابق البسيطة للمتغيرات الديموغرافية ثنائية أو ثلاثية الأبعاد.

عند الانتقال إلى درجات الحرية الكبيرة ($df > 30$ وصولاً إلى $df = 100$ وما فوقها)، تعمد معظم الجداول المطبوعة إلى القفز بفئات مجدولة (مثل الانتقال بزيادات من 5 أو 10 درجات؛ كـ $35, 40, 50, 60, dots$) توفيراً للمساحة الطباعية. وفي هذه الحالات المتقدمة التي تظهر في النماذج البنائية المعقدة (Structural Equation Modeling) والتحليل العاملي التوكيدي، يتعلم الباحثون كيفية قراءة هذه الصفوف أو استخدام معادلات التحويل التقريبية لتقدير القيم الحرجة غير المدونة في الصفوف الفردية المباشرة.

2.3 التقاطعات: استخراج القيم الحرجة (Critical Values)

تُعد نقطة التقاطع بين صف محدد (يمثل درجات الحرية الخاصة بالتصميم التجريبي) وعمود محدد (يمثل مستوى الدلالة المختار مسبقاً) هي النواة التشغيلية لجدول مربع كاي؛ حيث تحتوي هذه الخلية التقاطعية على “القيمة الحرجة” ($\chi^2_{\text{critical}}$). تمثل هذه القيمة العتبة الرياضية الدقيقة التي تقسم المساحة الكلية الواقعة تحت منحنى كثافة الاحتمال إلى منطقتين وظيفيتين: منطقة القبول (أو عدم الرفض) ومنطقة الرفض الحرج للفرضية الصفرية.

ترتبط القيمة الحرجة المستخرجة من نقطة التقاطع ارتباطاً طردياً مع مستوى التشدد المطلوب في التحليل؛ فكلما صغر مستوى ألفا ($\alpha$) المطلوب (أي ازداد مستوى الثقة كالانتقال من 0.05 إلى 0.01)، تحركت القيمة الحرجة نحو اليمين وازداد مقدارها الرقمي داخل الخلية. وبالمثل، كلما زادت درجات الحرية المحددة في الصف، تضاعفت القيمة الحرجة لتعويض التوسع في مساحة التوزيع التكراري وتشتته الطبيعي.

تحمل الأرقام المدونة داخل تقاطعات الجدول دلالة هندسية واضحة؛ فالقيمة الرقمية ليست مجرد رقم مجرد، بل هي مسافة إحصائية مقاسة على المحور الأفقي تم حسابها عبر التكامل الرياضي التراكمي العكسي:
$$1 – \alpha = \int_{0}^{\chi^2_{\text{crit}}} f(x; df) , dx$$
وهذا يمنح الباحث الأساس الموضوعي لاتخاذ القرارات دون الوقوع في شرك التقديرات العشوائية غير المقننة.

3. درجات الحرية (Degrees of Freedom) وطرق حسابها للجداول التوافقية

3.1 حساب درجات الحرية في اختبار حسن المطابقة (Goodness of Fit)

في اختبار حسن المطابقة (Chi-Square Goodness of Fit Test)، يُقارن الباحث توزيعاً تكرارياً تجريبياً مفحوصاً لمتغير اسمي أو رتبي واحد بتوزيع نظري متوقع مسبقاً. تُحسب درجات الحرية في هذا النموذج بالصيغة الرياضية الأساسية:
$$df = k – 1$$
حيث يمثل الرمز $k$ عدد الفئات أو المستويات التصنيفية المستقلة للمتغير النفسي موضع البحث، بينما يمثل الرقم $1$ القيد الرياضي الثابت المتمثل في مجموع التكرارات الكلي للعينة ($N$)؛ إذ بمجرد تحديد تكرارات$(k – 1)$ من الفئات، فإن الفئة الأخيرة تصبح محددة حتمياً ومقيدة بالمجموع الإجمالي، ولا تملك أي حرية في التغير.

تتجلى التطبيقات النفسية لهذه الصيغة بوضوح عند فحص استجابات الأفراد على مقاييس ليكرت ذات الخيارات المتعددة؛ فإذا كان لدينا مقياس اتجاهات ثلاثي الأبعاد (موافق، محايد، غير موافق)، فإن $k = 3$، وبالتالي تكون درجات الحرية:
$$df = 3 – 1 = 2$$
وعند دراسة توزيع السمات المزاجية عبر الفصول الأربعة للميلاد ($k = 4$)، فإن درجات الحرية تصبح $df = 3$.

من الأهمية المنهجية بمكان الإشارة إلى أن إدخال قيود إضافية أو تقدير معالم المجتمع النفسي من العينة مباشرة (مثل تقدير المتوسط الحسابي أو الانحراف المعياري لبيانات المجتمع من درجات العينة لاختبار المطابقة مع التوزيع الطبيعي) يتطلب خصم درجة حرية إضافية لكل معلمة مقدرة، فتصبح الصيغة المعدلة:
$$df = k – 1 – m$$
حيث يمثل $m$ عدد المعالم المقدرة، وهو ما يقلص درجات الحرية ويغير موقع قراءة القيمة من جدول كاي لضمان دقة الاستدلال الرياضي.

3.2 حساب درجات الحرية في جداول التقاطع التكراري (Contingency Tables)

عند الانتقال إلى دراسة العلاقات الارتباطية والاقترانية بين متغيرين تصنيفيين في جداول التقاطع أو الاستقلالية (Tests of Independence)، تتوسع مصفوفة البيانات لتشمل صفوفاً وأعمدة تمثل مستويات كلا المتغيرين. تُحسب درجات الحرية في هذه التصاميم المزدوجة بالصيغة الجبرية المعيارية:
$$df = (r – 1)(c – 1)$$
حيث يمثل $r$ (Rows) عدد صفوف الجدول التوافقي، في حين يمثل $c$ (Columns) عدد الأعمدة في ذلك الجدول.

في أبسط أشكال الجداول التوافقية، وهو الجدول الثنائي ($2 times 2$) المستخدم بكثافة في الدراسات الطبية النفسية (مثل: وجود الاضطراب/غيابه$times$ الجنس: ذكور/إناث)، يتم التعويض المباشر:
$$df = (2 – 1)(2 – 1) = 1 \times 1 = 1$$
وهذا يفسر لماذا تُعد درجة الحرية $df = 1$ الأكثر شيوعاً وحضوراً في أدبيات التشخيص النفسي المقارن.

أما في الجداول المتعددة المستويات ($r \times c$)، مثل دراسة العلاقة بين أنماط التفكير (4 أنماط) ومستويات القلق النفسي (3 مستويات: منخفض، متوسط، مرتفع)، فإن الجدول الناتج يكون من رتبة ($4 times 3$). وتكون درجات الحرية الواجب استخدامها للبحث في جدول كاي هي:
$$df = (4 – 1)(3 – 1) = 3 \times 2 = 6$$
تضمن هذه المعادلة مراعاة المجاميع الهامشية الثابتة لكل من الصفوف والأعمدة، مما يمنع التضخم الزائف للقرارات الإحصائية عند تفريع المتغيرات التشخيصية والديموغرافية المعقدة.

3.3 التعامل مع العينات المعقدة والتصاميم التجريبية متعددة الأبعاد

تتطلب التصاميم التجريبية النفسية المتقدمة التي تشمل ثلاثة متغيرات فئوية أو أكثر تفكيك مصفوفات الاقتران عبر النماذج اللوغاريتمية الخطية (Log-Linear Models) واختبارات كاي متعددة الأبعاد. في هذه النماذج، لا يتم الاعتماد على الصيغ البسيطة المفردة، بل يتم حساب درجات الحرية عبر طرح إجمالي المعالم والمعاملات المقدرة في النموذج اللوغاريتمي من إجمالي الخلايا التصنيفية المتاحة في المصفوفة الشاملة.

تواجه الباحثين النفسيين معضلة عملية متكررة تتجسد في انخفاض التكرارات المتوقعة في بعض خلايا الجداول المتعددة الأبعاد؛ مما يضطر الباحث أحياناً إلى إجراء “دمج الفئات” (Collapsing Categories) للمستويات المتشابهة لتفادي انهيار شروط الاختبار. يؤدي هذا الدمج الإجرائي مباشرة إلى تقليص عدد الصفوف ($r$) أو الأعمدة ($c$)، وبالتالي انخفاض فوري في درجات الحرية الفعلية، مما يستوجب تعديل إحداثيات البحث في جدول مربع كاي وعدم استخدام درجة الحرية الأصلية للتصميم قبل الدمج.

تشمل الأخطاء القاتلة والشائعة في حساب درجات الحرية قيام بعض الباحثين بالاعتماد على حجم العينة الكلي ($N$) كمدخل لحساب درجات الحرية كما في اختبارات “ت” (t-tests) أو تحليل التباين، أو خلطهم بين عدد الخلايا الإجمالي ($r times c$) ودرجات الحرية الحقيقية$(r-1)(c-1)$. هذا الخلط يقود إلى اختيار صف خاطئ تماماً داخل جدول كاي، مما ينتج عنه تضخيم أو تصغير غير مبرر للقيمة الحرجة المستخرجة ويفضي بالتالي إلى استنتاجات تشخيصية وبحثية باطلة.

4. مستويات الدلالة الإحصائية والذيل الأيمن في جدول مربع كاي

4.1 مفهوم مساحة الذيل الأيمن (Right-Tail Area)

تركز الغالبية الساحقة من الجداول الإحصائية المطبوعة والملحقة بأمهات كتب القياس النفسي على تسجيل مساحات “الذيل الأيمن” (Right-Tail Area) للتوزيع الاحتمالي. يرجع السبب المنطقي والرياضي وراء هذا التركيز إلى البنية التجميعية لمعادلة مربع كاي؛ فحيث إن الفروق بين التكرارات الملاحظة والتكرارات المتوقعة يتم تربيعها دائماً $(O – E)^2$، فإن أي انحراف أو تباعد جوهري بين الواقع الميداني والنموذج النظري سينتج عنه بالضرورة قيمة موجبة متزايدة تدفع بإحصائية الاختبار باتجاه الطرف الأيمن الأقصى للمنحنى.

تُعبر المساحة المحصورة تحت المنحنى في منطقة الذيل الأيمن—ابتداءً من القيمة المحسوبة إلى ما لا نهاية—عن قيمة الاحتمال الارتيابي الدقيق ($p\text{-value}$). هذا الاحتمال يجسد كمياً إمكانية الحصول على فروق مساوية لتلك المسجلة في العينة النفسية أو أشد تطرفاً منها بمحض الصدفة البحتة وبافتراض صدق الفرضية الصفرية المطلق. فكلما صغرت هذه المساحة، دل ذلك على أن النتيجة المشاهدة نادرة الحدوث عشوائياً، مما يعزز مبررات رفض فرضية العدم.

من المهم إدراك أن اختبار مربع كاي يُصنف منهجياً على أنه اختبار “أحادي الطرف ذيلي اليمين” (One-tailed, right-sided test) في سياق اختبار الفروق والاستقلالية العامة؛ حتى وإن كانت الفرضيات السيكولوجية في أصلها غير موجهة (Non-directional). فالطبيعة التربيعية للاختبار تجمع كل الانحرافات الإيجابية والسلبية للمتغيرات في قطب تراكمي واحد يقع على اليمين حصراً.

4.2 اختيار مستوى ألفا (α) الملائم للدراسة النفسية

يُمثل تحديد مستوى ألفا ($\alpha$) عقداً إبستيمولوجياً يبرمه الباحث النفسي لضبط الموازنة الحساسة بين ارتكاب الخطأ من النوع الأول (رفض الصفر وهو صحيح) والخطأ من النوع الثاني (قبول الصفر وهو خاطئ – Type II Error). يُعد المستوى $\alpha = 0.05$ العتبة الاتفاقية الأكثر شيوعاً وقبولاً في بحوث علم النفس الاجتماعي، التربوي، والسلوكي العام؛ حيث يضمن أن احتمالية عزو النتائج للصدفة لا تتجاوز 5 حالات من بين كل 100 تكرار تجريبي.

في المقابل، تتطلب البحوث النفسية الإكلينيكية الحساسة والتجارب الدوائية ذات الصلة بالعلاج النفسي خفض سقف ألفا إلى $\alpha = 0.01$ أو حتى $\alpha = 0.001$. هذا التشدد يرفع القيمة الحرجة المستخرجة من جدول كاي إلى اليمين بدرجة كبيرة، مما يجعل من الصعب رفض الفرضية الصفرية إلا في ظل وجود أدلة إكلينيكية دامغة وتكرارات تجريبية حاسمة تمنع تعريض صحة المرضى لمخاطر التدخلات غير الموثوقة.

عند إجراء مقارنات متزامنة متعددة على مصفوفة بيانات فئوية واحدة، تتضاعف احتمالية الخطأ التراكمي للأسرة البحثية (Family-wise Error Rate). ولمواجهة هذا التضخم، يلجأ الباحثون إلى استخدام تقنيات التعديل كـ تعديل بونفيروني (Bonferroni Correction)، حيث يتم تقسيم مستوى ألفا العام على عدد المقارنات المجراة ($\alpha_{\text{adjusted}} = \frac{\alpha}{k}$). وفي هذه الحالة، يحتاج الباحث إلى الرجوع إلى أعمدة احتمالية بالغة الصغر في جداول مربع كاي المتقدمة تقع في أقصى يمين الجدول لضمان ضبط الدلالة الشاملة.

4.3 القيم الحرجة للذيل الأيسر واستخداماتها المتقدمة

على الرغم من ندرة استخدامها في اختبارات الفروق التقليدية، تكتسب القيم الحرجة للذيل الأيسر (Left-Tail Critical Values) أهمية فائقة في التحليلات النفسية المتقدمة وفحص نزاهة القياس السلوكي. تشير القيمة المحسوبة لمربع كاي إذا جاءت صغيرة جداً بشكل غير اعتيادي واقتربت من الصفر (واقعة في المساحات الاحتمالية اليسرى كـ $p > 0.95$ أو $p > 0.99$) إلى أن التوافق بين البيانات الميدانية والنموذج النظري يفوق التوافق الطبيعي الممكن حدوثه عشوائياً في الطبيعة الإنسانية.

يُعد هذا الوقوع في أقصى الذيل الأيسر مؤشراً حاسماً لدى علماء المنهجية للكشف عن احتمالات التلفيق البياني (Data Fabrication)، أو ارتكاب أخطاء فادحة في بروتوكولات المعاينة، أو الإفراط المصطنع في مطابقة النتائج مع الفرضيات المسبقة، كما حدث في التحليلات التاريخية الشهيرة التي راجعت بعض نتائج تجارب مندل الوراثية وتجارب التعلم الإشراطي المبكرة.

تُستخدم جداول مربع كاي ثنائية الذيل (Two-Tailed Tables) عند بناء فترات الثقة الإحصائية (Confidence Intervals) لمعلمة تباين المجتمع النفسي ($\sigma^2$)؛ حيث يتم استخراج قيمتين حرجتين من الجدول: قيمة تفصل مساحة $(\frac{\alpha}{2})$ في الذيل الأيمن، وأخرى تفصل مساحة $(1 – \frac{\alpha}{2})$ في الذيل الأيسر، وفق المعادلة المزدوجة:
$$\frac{(n-1)s^2}{\chi^2_{1-alpha/2, , df}} le \sigma^2 le \frac{(n-1)s^2}{\chi^2_{alpha/2, , df}}$$
مما يعكس البعد الوظيفي المزدوج لتوزيع وجداول كاي في التحليل الإحصائي المقنن.

5. خطوات استخراج القيمة الحرجة وقراءتها خطوة بخطوة

5.1 الخطوة الأولى: تحديد مستوى الدلالة ودرجة الحرية للبحث

تبدأ المعالجة المنهجية لاستخراج القيم الحرجة بتثبيت مستوى الدلالة الإحصائية ($\alpha$) المطلوب مسبقاً في خطة البحث وبروتوكول القياس النفسي المعتمد قبل البدء بتفحص الأرقام المجمعة، لمنع الانحياز التأكيدي. يتم في هذا السياق تحديد ما إذا كان البحث يستهدف مستوى دلالة عام ($\alpha = 0.05$) أم مستوى مرتفع الصرامة الإكلينيكية ($\alpha = 0.01$).

يلي ذلك إجراء الحساب الدقيق لدرجة الحرية ($df$) بالاعتماد على الهيكل الهندسي لمصفوفة البيانات المحللة؛ فإذا كان البحث يختبر نموذج حسن مطابقة لتفضيلات 5 أساليب تدريبية فإن $df = 5 – 1 = 4$. أما إذا كان البحث يحلل جدول توافق رباعي لـ 3 فئات من اضطرابات الشخصية عبر مستويين من الاستجابة العلاجية، فإن $df = (3 – 1)(2 – 1) = 2 \times 1 = 2$.

يقوم الباحث بتدوين هاتين المعلمتين بوضوح في سجل التحليل الإحصائي بالصيغة التوثيقية المبدئية: $(\alpha = 0.05, df = 4)$، مع التأكد المطلق من خلو التصميم من القيود الإضافية غير المحسوبة لضمان دقة الولوج إلى المصفوفة الجدولية دون حدوث خلط بين الصفوف والأعمدة.

5.2 الخطوة الثانية: تتبع الإحداثيات داخل مصفوفة الجدول

بعد تحديد الإحداثيات الثنائية ($df, \alpha$)، ينتقل الباحث إلى جدول مربع كاي القياسي للقيام بعملية التتبع البصري والمكاني؛ حيث يبدأ أولاً بالمسح الرأسي على العمود الأقصى لجهة اليمين أو اليسار (المعنون بـ $df$ أو درجات الحرية) لتحديد الصف المطابق بدقة لقيمة درجات الحرية المحسوبة في دراسته النفسية.

بمجرد تثبيت الصف الأفقي المستهدف، يتحرك الباحث بنظره أفقياً جهة اليمين عبر خلايا هذا الصف بالتحديد، إلى أن يصل إلى نقطة التقاطع مع العمود الرأسي المعنون بقيمة مستوى ألفا المحددة مسبقاً (مثلاً العمود المعنون بـ $0.05$ أو $0.01$).

تُمثل القيمة العددية المسجلة بدقة داخل هذه الخلية التقاطعية “القيمة الجدولية الحرجة” ($\chi^2_{\text{critical}}$). فعلى سبيل المثال، إذا تتبعنا الصف $df = 4$ وصولاً إلى العمود $\alpha = 0.05$، سنجد القيمة المحفورة في الخلية هي $9.488$، وإذا واصلنا السير في نفس الصف إلى العمود$alpha = 0.01$، سنجد القيمة ترتفع لتسجل $13.277$، وتُسجل هذه القيمة كنقطة ارتكاز لاتخاذ القرار العلمي.

5.3 الخطوة الثالثة: استخدام الاستيفاء الرياضي (Interpolation) للقيم غير المدرجة

في العديد من الدراسات النفسية ذات العينات الكبيرة أو النماذج المعقدة، قد تظهر درجات حرية مركبة لا تظهر مباشرة في الجداول المطبوعة المختصرة (على سبيل المثال $df = 75$، حيث يقفز الجدول من 70 إلى 80). في هذه الحالة، يتوجب على الباحث استخدام أسلوب الاستيفاء الخطي (Linear Interpolation) لحساب القيمة الحرجة التقريبية بدقة عالية عبر الصيغة:

$$\chi^2_{\text{crit}} \approx \chi^2_1 + \frac{df – df_1}{df_2 – df_1} \times (\chi^2_2 – \chi^2_1)$$

أما بالنسبة لدرجات الحرية الكبيرة جداً التي تتجاوز نطاق الجداول الموسعة ($df > 100$)، فقد صاغ علماء الإحصاء وفي مقدمتهم رونالد فيشر صيغاً تقريبية تحويلية غاية في الدقة تعتمد على التوزيع الطبيعي المعياري ($Z$)؛ ومن أشهرها صيغة فيشر التحويلية:
$$\chi^2_{\alpha, , df} \approx \frac{1}{2} \left( Z_\alpha + \sqrt{2(df) – 1} \right)^2$$
وصيغة ويلسون-هيلفرتي (Wilson-Hilferty Transformation) الأكثر دقة:
$$\chi^2_{\alpha, , df} \approx df \left( 1 – \frac{2}{9(df)} + Z_\alpha \sqrt{\frac{2}{9(df)}} \right)^3$$

تتيح هذه الصيغ الرياضية للباحث النفسي استخراج قيم حرجة بالغة الدقة بنسبة خطأ تقترب من الصفر مقارنة بالمخرجات الحاسوبية، مما يضمن استمرارية التحليل المقنن حتى في أضخم قواعد البيانات السلوكية.

6. قواعد اتخاذ القرار الإحصائي بالاعتماد على جدول مربع كاي

6.1 المقارنة بين القيمة المحسوبة (Calculated) والقيمة الجدولية (Critical)

تتمحور اللحظة المفصلية في المعالجة الإحصائية حول عقد مقارنة قطعية بين “القيمة المحسوبة” ($\chi^2_{\text{calculated}}$) التي تم استخراجها من جمع فروق التكرارات الميدانية للعينة و”القيمة الجدولية الحرجة” ($\chi^2_{\text{critical}}$) التي تم استخراجها من تقاطعات جدول كاي. تستند هذه المقارنة إلى قاعدة قرار ثنائية صارمة لا تقبل التأويل الاحتمالي الذاتي:

• قاعدة الرفض: إذا كانت القيمة المحسوبة أكبر من أو تساوي القيمة الجدولية ($\chi^2_{\text{calc}} ge \chi^2_{\text{crit}}$)، فإن النتيجة تقع داخل “منطقة الرفض الحرجة” (Critical Rejection Region) في أقصى الذيل الأيمن للمنحنى؛ والقرار الإحصائي الحتمي هو رفض الفرضية الصفرية ($H_0$) وقبول الفرضية البديلة ($H_1$).
• قاعدة عدم الرفض (القبول): إذا كانت القيمة المحسوبة أصغر تماماً من القيمة الجدولية ($\chi^2_{\text{calc}} < \chi^2_{\text{crit}}$)، فإن النتيجة تقع داخل "منطقة القبول أو اللا-رفض"، والقرار الإحصائي هو الفشل في رفض الفرضية الصفرية، مما يعني أن الفروق المشاهدة تقع في نطاق التذبذب العشوائي المقبول.

يُعبر التمثيل البياني للمنحنى بوضوح عن هذا التقسيم؛ حيث يمثل خط القيمة الجدولية العمود الفاصل الذي يحجز مساحة قدرها ($1 – alpha$) إلى يساره كمنطقة عدم دلالة، ويحجز مساحة قدرها ($alpha$) إلى يمينه كمنطقة دلالة إحصائية قاطعة.

6.2 التفسير العلمي والنفسي لقرارات الرفض والقبول

لا يمثل اتخاذ القرار الإحصائي نهاية المطاف في البحث السيكولوجي، بل هو نقطة الانطلاق للتفسير السلوكي المعمق. إن رفض الفرضية الصفرية بناءً على تجاوز القيمة الجدولية يعني سيكولوجياً وجود فروق ذات دلالة إحصائية حقيقية أو وجود اقتران بنيوي غير عشوائي بين المتغيرات النفسية المفحوصة في مجتمع الدراسة الأصلي.

مع ذلك، يجب على الباحث الممارس التمييز بوضوح بين الدلالة الإحصائية الجدولية (Statistical Significance) والدلالة الإكلينيكية والعملية (Clinical/Practical Significance). فاختبار مربع كاي يتأثر بشدة بحجم العينة الكلي ($N$)؛ حيث يمكن لحجم عينة ضخم جداً أن يجعل من أصغر الفروق الهامشية غير المهمة سريرياً نتيجة دالة إحصائياً وتتجاوز القيمة الجدولية بسهولة.

لتجاوز هذا القصور المنهجي، تفرض التقاليد الأكاديمية المعاصرة حساب مقاييس حجم الأثر (Effect Size) المكملة للقرار الإحصائي؛ ومن أبرزها:

• معامل فاي ($phi$ – Phi Coefficient): للجداول الثنائية ($2 times 2$):
  $$\phi = \sqrt{\frac{\chi^2}{N}}$$
• معامل كرامر الفيتوسي ($V$ – Cramér’s V): للجداول الأكبر من ($2 times 2$):
  $$V = \sqrt{\frac{\chi^2}{N \times \min(r – 1, c – 1)}}$$

تعطي هذه المقاييس وزناً نسبياً لقوة الرابطة السيكولوجية تتراوح بين الصفر (انعدام الأثر) والواحد الصحيح (أثر كامل)، بمعزل تام عن تضخم حجم العينة.

6.3 التعامل مع الحالات الحدية (Borderline Cases)

تواجه التحليلات النفسية في بعض الأحيان ما يُعرف بـ “الحالات الحدية” (Borderline Cases)، وهي الحالات التي تقترب فيها القيمة المحسوبة بشدة متناهية من القيمة الجدولية الحرجة (كأن تكون القيمة المحسوبة $3.85$ بينما القيمة الجدولية عند مستوى $0.05$ ودرجة حرية $1$ هي $3.841$).

في مثل هذه المنعطفات التحليلية الحرجة، يُحظر على الباحث القفز إلى استنتاجات قاطعة ومطلقة دون اتخاذ تدابير منهجية صارمة تشمل:

• إجراء تحليل القوة الإحصائية البعدية (Post-hoc Power Analysis) للتأكد مما إذا كانت قوة الاختبار كافية لتفادي الخطأ من النوع الثاني.
• إعادة فحص استقلالية المشاهدات والتدقيق في توزيع التكرارات المتوقعة في خلايا الجدول للتأكد من عدم وجود تشوهات في الخلايا الهامشية.
• مناقشة النتائج بحذر علمي شفاف، والإشارة الصريحة إلى الطبيعة الحدية للدلالة مع التوصية بإعادة تطبيق الدراسة على عينات استطلاعية أوسع لضبط المتغيرات الدخيلة، بدلاً من الجزم القاطع بوجود أثر نفسي لا يتسم بالمتانة والرسوخ الإحصائي.

7. تطبيقات جدول مربع كاي في اختبار حسن المطابقة النفسي

7.1 تحليل توزيع الأنماط الشخصية على نموذج العوامل الخمسة الكبرى

يُمثل فحص مطابقة التوزيعات التجريبية لسمات الشخصية مع النماذج النظرية المستقرة أحد أوسع حقول تطبيق جدول كاي في القياس النفسي. لنفترض أن باحثاً يرغب في دراسة مدى تطابق توزيع الأنماط المهيمنة لـ نموذج العوامل الخمسة الكبرى للشخصية (Big Five) (العصابية، الانبساط، الانفتاح على الخبرة، المقبولية، يقظة الضمير) لدى عينة من المبدعين تتكون من $N = 250$ فرداً، مقارنة بالتوزيع النظري المتساوي المفترض ($E = 50$ لكل نمط).

يتم بناء جدول التكرارات المشاهدة والمتوقعة، ورصد الانحرافات الفردية لكل سمة، ومن ثم حساب قيمة كاي التجريبية الإجمالية. لتحديد القيمة الحرجة الفاصلة من الجدول، يقوم الباحث بتحديد المعطيات:
$$k = 5 implies df = 5 – 1 = 4$$
وباعتماد مستوى معنوية $\alpha = 0.05$، يتم التوجه إلى جدول كاي وتتبع الصف $df = 4$ مع العمود $0.05$ لاستخراج القيمة الجدولية:

$$\chi^2_{\text{critical}} = 9.488$$

إذا كانت القيمة المحسوبة من بيانات المبدعين قد بلغت ($\chi^2_{\text{calc}} = 18.72$)، فإن المقارنة المباشرة ($\chi^2_{\text{calc}} > \chi^2_{\text{crit}}$) تقود حتماً إلى رفض الفرضية الصفرية للتطابق المتساوي، وتأكيد وجود هيمنة ذات دلالة إحصائية لسمات معينة (مثل الانفتاح على الخبرة) لدى هذه الفئة النوعية، بما يتماشى مع البنية التفسيرية لعلم نفس الإبداع.

7.2 فحص اعتدالية التوزيع للدرجات النفسية الخام

يُشترط في معظم الاختبارات البارامترية المتقدمة (مثل تحليل الانحدار والتباين) أن تتبع الدرجات النفسية الخام توزيعاً طبيعياً معتدلاً. يُعد اختبار مربع كاي لحسن المطابقة أحد الطرق الكلاسيكية الصارمة لفحص هذا الافتراض عن طريق تقسيم البيانات المتصلة إلى فئات تكرارية مجدولة ومقارنتها بالمنحنى الطبيعي المعياري.

تتم العملية الإجرائية بتقسيم درجات مقياس الاكتئاب (المطبق على 300 مفحوص مثلاً) إلى $k = 6$ فئات معيارية، ثم استخراج التكرارات المتوقعة ($E$) لكل فئة باستخدام جداول الدرجات المعيارية ($Z$). وحيث إن الباحث قام بتقدير معلمين للمجتمع من بيانات العينة (المتوسط الحسابي$bar{X}$ والانحراف المعياري $s$) لضبط حدود الفئات، فإن درجات الحرية في جدول كاي تتحدد وفق الصيغة المقيدة:

$$df = k – 1 – m = 6 – 1 – 2 = 3$$

بالرجوع إلى جدول كاي عند $df = 3$ ومستوى $\alpha = 0.05$، نجد أن القيمة الجدولية الحرجة هي $7.815$. فإذا جاءت القيمة المحسوبة أصغر من هذه القيمة (مثلاً$chi^2_{text{calc}} = 3.42$)، يُقرر الباحث قبول الفرضية الصفرية التي تؤكد اعتدالية توزيع الدرجات الخام، مما يمنحه الترخيص المنهجي للمضي قدماً في تطبيق التحليلات البارامترية المعقدة بثقة مطلقة.

7.3 تقييم التفضيلات والاتجاهات السلوكية نحو العلاج النفسي

في دراسات اتخاذ القرار السلوكي، يُطبق اختبار كاي لحسن المطابقة لتحليل تفضيلات المرضى للتدخلات العلاجية المتنوعة. لنفترض دراسة استقصائية شملت 120 مراجعاً في عيادة للصحة النفسية تم تخييرهم بين ثلاثة مسارات علاجية: (1) العلاج المعرفي السلوكي (CBT)، (2) العلاج النفسي الديناميكي، (3) العلاج الدوائي التوليفي.

تتحدد الفرضية الصفرية بعدم وجود تفضيل تفاضلي في المجتمع (أي أن التوزيع المتوقع هو 40 مريضاً لكل مسار). المعطيات الإحصائية هنا هي:
$$k = 3 implies df = 3 – 1 = 2$$
بالبحث في جدول مربع كاي:

• عند مستوى $\alpha = 0.05$: القيمة الحرجة هي $\chi^2_{(2, 0.05)} = 5.991$
• عند مستوى $\alpha = 0.01$: القيمة الحرجة هي $\chi^2_{(2, 0.01)} = 9.210$

تسمح هذه القراءات الجدولية المتعددة للباحث بتقييم مدى قوة الاتجاه السلوكي للعينة؛ فإذا بلغت القيمة المحسوبة $11.45$، فإنها تتجاوز حتى القيمة الجدولية الأكثر صرامة ($9.210$)، مما يبرهن بشكل قاطع على وجود انحياز إحصائي وسلوكي دال وموثوق لصالح أحد المسارات العلاجية، وهو ما يوجه صانعي السياسات الإكلينيكية لتصميم البرامج الإرشادية بما يتوافق مع الرغبات الميدانية للمراجعين.

8. تطبيقات جدول مربع كاي في اختبارات الاستقلالية والعلاقات التوافقية

8.1 دراسة العلاقة بين الاضطرابات النفسية والمتغيرات الديموغرافية

تُعد جداول الاستقلالية الأداة الرئيسية في الوبائيات النفسية لفحص اقتران حدوث الاضطرابات بالخصائص الديموغرافية للمجتمع. لنأخذ مثالاً لدراسة العلاقة بين مستويات الإصابة باضطراب الاكتئاب الجسيم (موجود / غير موجود) والحالة الاجتماعية (أعزب، متزوج، مطلق/أرمل)، حيث يتم تجميع البيانات في جدول توافقي من الرتبة ($2 times 3$).

لحساب درجات الحرية اللازمة لاستخراج القيمة الجدولية:
$$df = (r – 1)(c – 1) = (2 – 1)(3 – 1) = 1 \times 2 = 2$$
وبالرجوع إلى جدول مربع كاي عند $df = 2$ ومستوى دلالة $\alpha = 0.05$، نجد أن القيمة الجدولية هي $5.991$.

إذا كشفت الحسابات الإحصائية للتكرارات المتوقعة والمشاهدة في خلايا الجدول الست عن قيمة محسوبة بلغت $\chi^2_{\text{calc}} = 14.80$، فإن القرار يكون رفض فرضية استقلالية المتغيرين، مما يعني وجود اقتران وارتباط ذي دلالة إحصائية فارقة بين الحالة الاجتماعية ومعدلات انتشار الاكتئاب، مما يستدعي تحليل المساهمات النسبية لكل خلية لتحديد الفئات الاجتماعية الأكثر هشاشة وعرضة للخطر النفسي.

8.2 العلاقة بين أنماط التنشئة الوالدية والسلوك العدواني لدى المراهقين

في ميدان علم النفس الارتقائي والمدرسي، تُصمم جداول التقاطع لاستكشاف أثر البيئة التربوية على السلوك الظاهري. لنفترض دراسة تبحث العلاقة بين أربعة أنماط للتنشئة الوالدية (الديمقراطي، التسلطي، المتساهل، المهمل) وثلاثة مستويات لحدة السلوك العدواني المدرسي (منخفض، متوسط، مرتفع) لدى عينة من $N = 400$ مراهق، ضمن جدول توافقي ($4 times 3$).

تُحدد درجات الحرية لهذا الجدول بالصيغة:
$$df = (4 – 1)(3 – 1) = 3 \times 2 = 6$$
ولتوخي أقصى درجات الضبط العلمي في رعاية المراهقين، يحدد فريق البحث مستوى الدلالة عند $\alpha = 0.01$. بالرجوع إلى جدول مربع كاي، يتم تحديد موقع الصف $df = 6$ والعمود $0.01$ لتكون القيمة الحرجة المستخرجة:

$$\chi^2_{\text{critical}} = 16.812$$

يُمثل هذا الرقم العتبة الصارمة لقبول النظرية السلوكية؛ فإذا تجاوزت القيمة المحسوبة هذا الحاجز (كأن تسجل $24.15$)، يتم تأكيد وجود نمط ارتباطي سيكولوجي عميق بين التنشئة والعدوان، مع إمكانية حساب معامل كرامر الفيتوسي ($V$) لتحديد قوة هذا الارتباط بمعزل عن تأثير حجم العينة الكبير.

8.3 تطبيقات التشخيص المزدوج وتوافق الأعراض الإكلينيكية

يواجه المعالجون النفسيون ظاهرة “الاعتلال المشترك” (Comorbidity)، حيث تتزامن المعاناة من اضطرابين نفسيين أو أكثر لدى المريض نفسه. يتيح جدول مربع كاي للإكلينيكيين فحص ما إذا كان التزامن المرضي بين اضطراب القلق العام (GAD) واضطرابات النوم الشديدة (الأرق المزمن) يحدث بمعدلات تتجاوز المصادفة الإحصائية البحتة.

يتم رصد الحالات في جدول ثنائي ($2 times 2$):

• قلق (+)/أرق (+)
• قلق (+)/أرق (-)
• قلق (-)/أرق (+)
• قلق (-)/أرق (-)

درجات الحرية لهذا التصميم هي $df = (2 – 1)(2 – 1) = 1$. بالنظر في جدول توزيع كاي عند $df = 1$، نجد القيم الحرجة التالية:

• عند $\alpha = 0.05 implies \chi^2_{\text{crit}} = 3.841$
• عند $\alpha = 0.01 implies \chi^2_{\text{crit}} = 6.635$
• عند $\alpha = 0.001 implies \chi^2_{\text{crit}} = 10.828$

إذا أظهرت النتائج الحسابية قيمة تفوق $10.828$، فإن ذلك لا يثبت فقط وجود ارتباط تشخيصي حاسم، بل يوجه الفريق الطبي الإكلينيكي إلى ضرورة تبني بروتوكولات علاجية متكاملة تستهدف علاج منظومة القلق والأرق معاً كحزمة مرضية متشابكة بدلاً من التعامل مع كل عرض ككيان معزول.

9. نماذج عملية وأمثلة محلولة لاستخراج القيم وتفسيرها

9.1 مثال تطبيقي شامل: جدول توافقي (2×2) مع تصحيح ييتس

أجرى باحث نفسي تجربة لتقييم فاعلية برنامج تدريبي قائم على “اليقظة الذهنية” (Mindfulness) في خفض الضغوط النفسية الحادة لدى عينة من الممرضين والممرضات ($N = 100$). تم تقسيم العينة عشوائياً إلى مجموعتين: مجموعة تجريبية خضعت للبرنامج ($n_1 = 50$)، ومجموعة ضابطة لم تتلق التدريب ($n_2 = 50$). بعد انتهاء التجربة، صُنف المفحوصون وفق معيار تشخيصي محدد إلى: (تحسن ملحوظ في خفض الضغط / عدم تحسن).

جاءت مصفوفة التكرارات المشاهدة ($O$) على النحو التالي:

• المجموعة التجريبية: 35 تحسنوا، 15 لم يتحسنوا (المجموع = 50)
• المجموعة الضابطة: 20 تحسنوا، 30 لم يتحسنوا (المجموع = 50)
• إجمالي الذين تحسنوا = 55، إجمالي الذين لم يتحسنوا = 45، المجموع الكلي $N = 100$.

لحساب التكرارات المتوقعة ($E$) لكل خلية:
$$E = \frac{\text{مجموع الصف} \times \text{مجموع العمود}}{N}$$
فيكون المتوقع للتحسن في التجريبية: $\frac{50 \times 55}{100} = 27.5$، ولعدم التحسن: $\frac{50 \times 45}{100} = 22.5$. وبالمثل للمجموعة الضابطة.

نظراً لأن الجدول ثنائي ($2 times 2$) ذو درجة حرية واحدة ($df = 1$)، يُفضل تطبيق تصحيح ييتس للاستمرارية (Yates’ Correction for Continuity) لتعويض التقريب المتقطع نحو التوزيع المتصل عبر طرح $0.5$ من القيمة المطلقة للفروق:

$$\chi^2_{\text{Yates}} = \sum \frac{(|O – E| – 0.5)^2}{E}$$

تطبيق الحساب على الخلايا الأربع:

• الخلية 1: $\frac{(|35 – 27.5| – 0.5)^2}{27.5} = \frac{(7.5 – 0.5)^2}{27.5} = \frac{49}{27.5} = 1.782$
• الخلية 2: $\frac{(|15 – 22.5| – 0.5)^2}{22.5} = \frac{(7.5 – 0.5)^2}{22.5} = \frac{49}{22.5} = 2.178$
• الخلية 3: $\frac{(|20 – 27.5| – 0.5)^2}{27.5} = \frac{(7.5 – 0.5)^2}{27.5} = \frac{49}{27.5} = 1.782$
• الخلية 4: $\frac{(|30 – 22.5| – 0.5)^2}{22.5} = \frac{(7.5 – 0.5)^2}{22.5} = \frac{49}{22.5} = 2.178$
• القيمة المحسوبة الإجمالية المعدلة: $\chi^2_{\text{calc}} = 1.782 + 2.178 + 1.782 + 2.178 = 7.920$

الرجوع لجدول مربع كاي:
درجة الحرية $df = (2 – 1)(2 – 1) = 1$.
نبحث في الصف $df = 1$:

• عند $\alpha = 0.05 implies \chi^2_{\text{crit}} = 3.841$
• عند $\alpha = 0.01 implies \chi^2_{\text{crit}} = 6.635$

الاستنتاج والقرار الإحصائي:
بما أن القيمة المحسوبة المعدلة ($7.920$) أكبر من القيمة الجدولية عند كلا المستويين ($7.920 > 6.635$)، فإننا نرفض الفرضية الصفرية عند مستوى دلالة$alpha = 0.01$، ونستنتج بوجود أثر إيجابي دال إحصائياً لبرنامج اليقظة الذهنية في تحسين مستويات الضغط النفسي لدى الممرضين. وبحساب معامل فاي:$phi = sqrt{frac{7.92}{100}} = 0.281$، مما يدل على حجم أثر متوسط ومقبول عملياً.

9.2 مثال تطبيقي متقدم: جدول توافقي (3×4) لمتغيرات متعددة المستويات

استهدف بحث نفسي دراسة العلاقة بين التخصص الأكاديمي للطلاب الجامعيين (4 كليات: العلوم الإنسانية، الطب والعلوم الصحية، الهندسة، إدارة الأعمال) ومستويات الذكاء الوجداني المصنفة إلى 3 مستويات (مرتفع، متوسط، منخفض) على عينة طبقية قوامها $N = 600$ طالب.

خطوات التحليل واستخراج القيمة الجدولية:

• تحديد أبعاد الجدول: $r = 3$ صفوف (مستويات الذكاء)، $c = 4$ أعمدة (التخصصات الأكاديمية).
• حساب درجات الحرية:
  $$df = (3 – 1)(4 – 1) = 2 \times 3 = 6$$
• تحديد مستوى المعنوية: تم اعتماد $\alpha = 0.05$.
• استخراج القيمة الحرجة من جدول كاي: تتبع الصف $df = 6$ والعمود $0.05$ يعطي:
  $$\chi^2_{\text{critical}} = 12.592$$

بعد تفريغ مصفوفة البيانات وحساب التكرارات المتوقعة لكل خلية من الخلايا الـ 12، بلغت قيمة كاي المحسوبة الإجمالية $\chi^2_{\text{calc}} = 19.845$.

المقارنة واتخاذ القرار:
بما أن $\chi^2_{\text{calc}} (19.845) > \chi^2_{\text{crit}} (12.592)$، فإننا نرفض الفرضية الصفرية، ونؤكد وجود علاقة ارتباطية ذات دلالة إحصائية بين التخصص الأكاديمي ومستوى الذكاء الوجداني عند مستوى ثقة 95% ($p < .05$).

حساب حجم الأثر (كرامر V):
$$V = \sqrt{\frac{19.845}{600 \times \min(3 – 1, 4 – 1)}} = \sqrt{\frac{19.845}{600 \times 2}} = \sqrt{\frac{19.845}{1200}} = \sqrt{0.0165} \approx 0.128$$
ويشير هذا الحجم ($V = 0.13$) إلى ارتباط ضعيف إلى متوسط، مما يوضح للباحث أن التخصص يرتبط بالذكاء الوجداني إحصائياً ولكنه لا يفسر إلا جزءاً متواضعاً من التباين الكلي.

9.3 تمارين وتطبيقات ذاتية للباحثين النفسيين مع حلولها المرجعية

لترسيخ مهارة القراءة والاستخراج من جداول مربع كاي، نعرض فيما يلي سيناريوهين تدريبيين مع خطوات التحقق الذاتي:

السيناريو التدريبي الأول:
أراد باحث فحص استقلالية الاستجابة لصدمة نفسية (3 فئات: حادة، متوسطة، طفيفة) وفق نوع الصدمة (حادث سير، كارثة طبيعية، عنف شخصي، فقدان مفاجئ – 4 فئات). إذا افترضنا أن مستوى الدلالة المستهدف هو $\alpha = 0.01$، فما هي القيمة الجدولية الحرجة المطلوبة لرفض الفرضية الصفرية؟
الحل النموذجي:
1. حساب درجات الحرية: $df = (3 – 1)(4 – 1) = 2 \times 3 = 6$.
2. البحث في جدول كاي عند الصف $df = 6$ والعمود $\alpha = 0.01$.
3. القيمة الجدولية الحرجة المستخرجة هي: $\mathbf{16.812}$. إذا تجاوزت القيمة المحسوبة $16.812$، تُرفض الفرضية الصفرية.

السيناريو التدريبي الثاني:
أُجري اختبار حسن مطابقة لمعرفة ما إذا كانت أعداد المراجعين لمركز إرشادي تتوزع بالتساوي على مدار أيام العمل الأسبوعية الخمسة ($k = 5$). عند مستوى معنوية $\alpha = 0.05$، ما هي القيمة الفاصلة؟
الحل النموذجي:
1. حساب درجات الحرية: $df = k – 1 = 5 – 1 = 4$.
2. البحث في جدول كاي عند الصف $df = 4$ والعمود $\alpha = 0.05$.
3. القيمة الجدولية الحرجة هي: $\mathbf{9.488}$.

10. الأخطاء الشائعة وسوء الفهم عند استخدام جدول مربع كاي

10.1 الخلط بين التكرارات والنسب المئوية عند قراءة وتطبيق الجدول

يقع بعض الباحثين المبتدئين في خطأ منهجي فادح يتمثل في إدخال النسب المئوية (Percentages) أو المتوسطات الحسابية في معادلة حساب مربع كاي بدلاً من التكرارات العددية الخام المطلقة (Frequencies / Counts). يُعد هذا الإجراء تشويهاً مباشراً للبنية الرياضية لاختبار كاي؛ إذ إن التوزيع النظري وجدوله المعياري مصممان رياضياً ليعكسا دالة التباين المباشر للأعداد الصحيحة.

يؤدي استخدام النسب المئوية (التي يكون مجموعها دائماً 100) بدلاً من التكرارات الفعلية للعينة الحقيقية (التي قد تكون مثلاً $N = 1000$ أو $N = 40$) إلى تحريف مصطنع ومضلل لقيمة كاي المحسوبة. فإذا كانت العينة ضخمة ($N = 1000$)، فإن استخدام النسب سيقزم القيمة المحسوبة إلى ما يقارب العُشر، مما يجعلها تبدو أصغر من القيمة الجدولية المستخرجة وتفشل في رفض فرضية العدم دون وجه حق. والعكس صحيح إذا كانت العينة صغيرة جداً ($N = 25$)، حيث ستتضخم القيمة وتوحي بدلالة وهمية خادعة.

لتجنب هذا الخلل، يجب التحقق دائماً من أن مجموع خلايا الجدول التوافقي يساوي تماماً الحجم الكلي الفعلي لعينة الدراسة الميدانية ($N$)، وأن كافة الأرقام المدونة في الخلايا هي تكرارات صحيحة غير سالبة وليست نسباً أو درجات معيارية محولة.

10.2 إهمال شرط الحد الأدنى للتكرار المتوقع في الخلايا (Cochran’s Rule)

تعتمد مصداقية القيمة الحرجة المستخرجة من جدول كاي على افتراض أن التوزيع التكراري المتقطع للعينة يقترب بسلاسة من المنحنى المتصل لدالة مربع كاي. ينهار هذا الافتراض الرياضي تماماً إذا كانت التكرارات المتوقعة ($E$) في خلايا الجدول شديدة الضآلة، وهو ما فصله العالم ويليام كوشران (Cochran’s Criteria) في قاعدته الشهيرة:

• يجب ألا يقل التكرار المتوقع ($E$) عن 1 في أي خلية من خلايا الجدول على الإطلاق ($E ge 1$).
• يجب ألا يقل التكرار المتوقع عن 5 في أكثر من 20% من إجمالي خلايا الجدول التوافقي.

عند خرق هذه القاعدة—وهو ما يحدث بكثرة في العينات الإكلينيكية النادرة—تصبح القيمة الجدولية المستخرجة من جدول كاي غير صالحة للاستدلال؛ لأن توزيع إحصائية الاختبار الفعلي يصبح مشوهاً وبعيداً عن القيم الجدولية المعيارية، مما يرفع معدل الخطأ من النوع الأول بشكل حاد. وفي هذه الحالات، يتعين على الباحث التحول فوراً إلى البدائل الإحصائية الدقيقة؛ وأبرزها اختبار فيشر الدقيق (Fisher’s Exact Test) للجداول الثنائية ($2 times 2$)، أو اللجوء إلى اختبارات إعادة المعاينة بمحاكاة مونت كارلو (Monte Carlo Exact Tests) للجداول الأكبر.

10.3 سوء تفسير اتجاه العلاقة وقوة الارتباط اعتماداً على الجدول فقط

من أكثر المفاهيم المغلوطة شيوعاً الاعتقاد بأن تجاوز القيمة المحسوبة للقيمة الجدولية بفارق شاسع (مثلاً $\chi^2_{\text{calc}} = 85.4$ مقابل $\chi^2_{\text{crit}} = 3.84$) يعني بالضرورة وجود ارتباط “شديد القوة” وذي أهمية سيكولوجية استثنائية. إن جدول كاي يخبرنا فقط باحتمالية وجود أثر غير عشوائي (الدلالة الإحصائية للارتباط)، لكنه لا يقيس بذاته “قوة” الرابطة أو اتجاهها المباشر.

تتأثر قيمة كاي طردياً بحجم العينة؛ فعينة قوامها 5000 مريض ستعطي قيمة كاي ضخمة جداً حتى لو كانت العلاقة السلوكية بين المتغيرين ضعيفة وهامشية للغاية. لذلك، فإن القراءة الجدولية المجردة تظل عمياء ما لم تُعزز بحساب معاملات حجم الأثر كـ (Cramér’s V) وفحص البواقي المعيارية المعدلة (Adjusted Standardized Residuals) لكل خلية على حدة.

تُعد البواقي المعيارية البوصلة الحقيقية لتحديد “اتجاه” التأثير النفسي؛ حيث تكشف الخلايا التي تمتلك بواقي تتجاوز $+1.96$ أو تقل عن $-1.96$ عن مواقع التركز الحقيقي للانحراف الإيجابي أو السلبي بين الملاحظ والمتوقع، مما يمنح القرار الإحصائي بعده التشخيصي والكيفي الرصين.

11. العلاقة بين جدول مربع كاي والبرمجيات الإحصائية الحديثة (SPSS, R)

11.1 مقارنة القيمة الاحتمالية الرقمية (Asymp. Sig) بالقيمة الجدولية الحرجة

في عصر التحول الرقمي والحوسبة الإحصائية عبر حزم برمجية مثل IBM SPSS، لم يعد الباحث مضطراً دائماً لتصفح الجداول الورقية المطبوعة يدوياً لاستخراج القيم الحرجة. تقوم هذه البرمجيات بحساب التكاملات الاحتمالية بدقة رقمية لحظية وتوليد ما يُعرف بـ “الدلالة المقاربة” (Asymptotic Significance – p-value).

تتكامل المخرجات البرمجية مع منطق الجدول التقليدي عبر مقارنة متكافئة رياضياً:

• المنطق الجدولي الكلاسيكي: نرفض الفرضية الصفرية إذا كانت $\chi^2_{\text{calculated}} ge \chi^2_{\text{critical}}$.
• المنطق البرمجي الرقمي: نرفض الفرضية الصفرية إذا كانت قيمة الدلالة المحسوبة أصغر من أو تساوي مستوى ألفا المختار ($p le \alpha$).

من الأخطاء التفسيرية الشائعة عند قراءة مخرجات برمجية SPSS ظهور القيمة كـ Asymp. Sig. (2-sided) = .000؛ حيث يظن بعض الطلاب أن الاحتمال منعدم تماماً. ولكن من منظور جدول كاي الرياضي، فإن الاحتمالية لا يمكن أن تصل للصفر المطلق تحت المنحنى، وهذا المخرج يعني ببساطة أن القيمة الاحتمالية أصغر من ثلاثة أرقام عشرية ($p < .001$)، مما يشير إلى أن القيمة المحسوبة تقع في أقصى الذيل الأيمن متجاوزة أعتى القيم الحرجة الجدولية المدونة.

11.2 توليد جداول مربع كاي المخصصة وقراءتها عبر بيئة البرمجة R

توفر بيئة البرمجة الإحصائية المفتوحة لغة R (R Statistical Environment) مرونة مطلقة للباحثين لتوليد واستخراج وتصور قيم جدول مربع كاي دون الارتهان للجداول المطبوعة الثابتة، عبر حزمة من الدوال الرياضية المدمجة عالية الكفاءة:

• الدالة qchisq(p, df, lower.tail = FALSE): تُستخدم كبديل مباشر لجدول كاي الورقي لاستخراج القيمة الحرجة المقابلة لمساحة ذيل أيمن محددة ($p = \alpha$) ودرجة حرية ($df$). على سبيل المثال، كتابة الأمر qchisq(0.05, df = 4, lower.tail = FALSE) تعطي فوراً القيمة الحرجة الدقيقة: 9.487729.
• الدالة pchisq(q, df, lower.tail = FALSE): تُدخل فيها القيمة المحسوبة ($q$) ودرجة الحرية لتعطيك المساحة الاحتمالية الدقيقة للذيل الأيمن ($ptext{-value}$).

تتيح لغة R أيضاً للباحثين النفسيين رسم منحنى التوزيع الاحتمالي وتظليل مناطق الرفض المحددة بالقيم الحرجة المستخرجة ديناميكياً باستخدام حزمة ggplot2، مما يسهم في إنتاج مخططات بصرية وتوضيحية للنشر الأكاديمي في المجلات المصنفة عالمياً.

11.3 أهمية فهم الجدول التقليدي لطلاب وباحثي علم النفس في العصر الرقمي

قد يتبادر إلى الذهن تساؤل حول الجدوى المعرفية لدراسة وفهم جدول مربع كاي اليدوي في ظل توفر البرمجيات السريعة بضغطة زر واحدة. تكمن الإجابة في أن الاستيعاب البصري والهندسي لبنية الجدول هو الركيزة الأساسية لتكوين “الحس الإحصائي” (Statistical Intuition) لدى الباحث النفسي.

إن الاعتماد الأعمى على المخرجات الحاسوبية دون فهم الإسناد الجدولي يجعل الباحث عرضة لقبول نتائج مضللة ناتجة عن أخطاء إدخال فادحة (GIGO – Garbage In, Garbage Out) دون أن يمتلك القدرة على اكتشافها بصرياً. فالباحث المتمرس الذي يفهم الجدول يستطيع بمجرد النظر إلى درجات الحرية وقيمة كاي في مخرجات الحاسوب أن يحكم فوراً على معقولية الرقم المولد وصحته المنطقية.

علاوة على ذلك، يُعد الفهم المعمق لجدول كاي متطلباً أكاديمياً حاسماً لاجتياز مناقشات الرسائل العلمية؛ حيث يُطلب من الباحث تبرير درجات الحرية المستخدمة، وتفسير سلوك التوزيع عند الحالات الحدية، والبرهنة على استيعاب المنطق الاستدلالي الذي بنيت عليه النتائج التشخيصية والنفسية لبحثه.

12. إرشادات متقدمة وتوثيق نتائج مربع كاي وفق معايير جمعية علم النفس الأمريكية (APA)

12.1 الصيغة المعيارية لكتابة نتائج جدول مربع كاي وفق دليل APA (الإصدار السابع)

يفرض دليل النشر الأكاديمي لجمعية علم النفس الأمريكية في طبعته السابعة (APA 7th Edition) صرامة بالغة في توثيق نتائج الاختبارات الإحصائية الفئوية المعتمدة على جدول كاي. يجب أن يتضمن التقرير النصي عناصر المعادلة الاستدلالية كاملة وفق القالب القياسي التالي:

$$\chi^2(df, , N = dots) = \text{Value}, , p = \text{Value}, , V = \text{Value}$$

قواعد التنسيق الشكلي الإلزامية:

• تُكتب الرموز الإحصائية اللاتينية بخط مائل إيطاليك (مثل: N, p, V, df).
• يُكتب الرمز الإغريقي لكاي بخط مائل ($\chi^2$) مع رفع علامة التربيع.
• توضع درجات الحرية وحجم العينة بين قوسين هلاليين مفصولين بفاصلة بعد رمز كاي مباشرة: $\chi^2(df, N = dots)$.
• تُقرب جميع القيم الإحصائية (قيمة كاي، معاملات حجم الأثر) إلى منزلتين أو ثلاث منازل عشرية، باستثناء قيمة p التي تُكتب بدقة بثلاث منازل عشرية (مثل: p = .024).
• تُحذف الصفر الواقع قبل الفاصلة العشرية في قيمة p وقيمة معامل فاي وكرامر (لأن هذه القيم الاحتمالية ومقاييس الارتباط لا يمكن أن تتجاوز الرقم 1 نظرياً؛ فتكتب مثلاً: p = .003 وليس p = 0.003).

نماذج تطبيقية للصياغة في المتن:

• لاختبار حسن المطابقة:
  “أظهرت النتائج أن توزيع أنماط الشخصية الخمسة لدى عينة المبدعين لا يتطابق مع التوزيع النظري المتساوي المفترض، $\chi^2(4, N = 250) = 18.72, p < .001, V = .27$."
• لاختبار الاستقلالية مع تصحيح ييتس:
  “كشف اختبار مربع كاي للاستقلالية مع تطبيق تصحيح ييتس عن وجود ارتباط دال إحصائياً بين الالتحاق ببرنامج اليقظة الذهنية وانخفاض حدة الضغوط، $\chi^2(1, N = 100) = 7.92, p = .005, \phi = .28$.”

12.2 عرض وتصميم الجداول الإحصائية الملحقة في الأطروحات النفسية

عند تضمين جداول التوافق التكراري المركبة في متون الرسائل والأطروحات العلمية، يجب الالتزام بالمعايير التيبوغرافية الصارمة لـ APA Style؛ والتي تحظر تماماً استخدام الخطوط الرأسية داخل الجداول، وتكتفي بثلاثة خطوط أفقية رئيسية (أعلى رأس الجدول، أسفل رأس الجدول، وأسفل قاعدة الجدول الإجمالية).

يجب أن يدمج الجدول المنشور بوضوح التكرارات المشاهدة ($O$) والنسب المئوية المحسوبة داخل الصفوف أو الأعمدة، مع تسجيل التكرارات المتوقعة ($E$) إما بين قوسين بجوار التكرار المشاهد أو في صف مستقل أسفله لتسهيل الفحص المنهجي.

يتم تذييل الجدول بحواشي سفلية معيارية (Table Notes) توضح القيمة المحسوبة، ودرجات الحرية، ومستويات الدلالة الإحصائية المقارنة بالقيمة الجدولية باستخدام النجوم التقليدية المعتمدة:

• $*; p < .05$
• $**; p < .01$
• $***; p < .001$

مع كتابة جملة استرشادية تؤكد خلو التصميم من خرق افتراض كوشران؛ مثل: “لم تسجل أي خلية تكراراً متوقعاً يقل عن 5”.

12.3 توصيات منهجية للباحثين عند مناقشة الدلالة الإحصائية للجدول

تتطلب مناقشة النتائج في الفصول الختامية للأبحاث النفسية الربط المنطقي بين القراءة الاستدلالية المستخرجة من جدول كاي والمتن النظري للأدبيات السابقة. ينبغي على الباحث عدم حصر نقاشه في تكرار الأرقام والقرارات الإحصائية المجردة، بل الإجابة عن التساؤل الجوهري: ماذا تعني هذه القيمة الحرجة المتجاوزة في سياق سلوك وتوافق الإنسان؟

يتعين على الباحث تقديم مناقشة نقدية مستفيضة لحدود الدراسة ومحددات المعاينة؛ ومناقشة مدى مساهمة حجم العينة في تضخيم قيمة كاي، وتقييم حجم الأثر الملموس في الواقع الإكلينيكي والتربوي. كما يُوصى بصياغة توصيات تطبيقية وعلاجية قابلة للقياس مستمدة مباشرة من التباينات النوعية التي كشفت عنها خلايا مصفوفة كاي، مما يجعل من قراءة الجدول خطوة تأسيسية لبناء المعرفة السيكولوجية التطبيقية الرصينة.

الخاتمة والتوصيات المستقبلية

يظل جدول مربع كاي ركناً أساسياً في بنية القياس والتقويم النفسي والبحث الإحصائي، يربط بدقة بين التوزيعات النظرية للبيانات الاحتمالية والتطبيقات الميدانية المعقدة. وسواء تم استخدام الجداول الورقية الكلاسيكية أو البيئات البرمجية الحديثة مثل SPSS ولغة R، فإن استيعاب المفاهيم الجوهرية كدرجات الحرية، ومساحات الذيول الاحتمالية، وشروط كوشران، ومقاييس حجم الأثر هو الضمانة الحقيقية لإجراء استدلال علمي متماسك ذي دلالة سيكولوجية وإكلينيكية موثوقة.

المراجع (References)

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cochran, W. G. (1952). The $\chi^2$ test of goodness of fit. The Annals of Mathematical Statistics, 23(3), 315–345. https://doi.org/10.1214/aoms/1177729380
• Cramér, H. (1946). Mathematical methods of statistics. Princeton University Press.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Fisher, R. A. (1922). On the interpretation of $\chi^2$ from contingency tables, and the calculation of P. Journal of the Royal Statistical Society, 85(1), 87–94. https://doi.org/10.2307/2340521
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, Cengage Learning.
• McHugh, M. L. (2013). The chi-square test of independence. Biochemia Medica, 23(2), 143–149. https://doi.org/10.11613/BM.2013.018
• Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine Series 5, 50(302), 157–175. https://doi.org/10.1080/14786440009463897
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Yates, F. (1934). Contingency tables involving small numbers and the $\chi^2$ test. Supplement to the Journal of the Royal Statistical Society, 1(2), 217–235. https://doi.org/10.2307/2983604