فترة الثقة للفرق بين النسبتين

تُعد الإحصاءات الاستدلالية الركيزة الجوهرية التي يستند إليها البحث العلمي المعاصر في انتقال المعرفة من حيز العينات المحدودة إلى رحاب المجتمعات الإحصائية الكلية. وفي مجالات العلوم النفسية، السلوكية، والطبية الحيوية، كثيراً ما يواجه الباحثون ظواهر ومتغيرات يتم قياسها وتصنيفها في صورة بيانات فئوية أو ثنائية، مثل: حدوث الاستجابة للعلاج النفسي من عدمها، التحسن الإكلينيكي للأعراض، استمرار السلوك العدواني، أو التزام المرضى بالبروتوكولات العلاجية. في هذه السياقات البحثية المتقدمة، لا يقتصر الطموح العلمي على مجرد رصد نسبة حدوث الظاهرة في مجموعة واحدة، بل يمتد إلى عقد مقارنات منهجية رصينة بين مجموعتين تجريبية وضابطة، أو بين فئتين ديموغرافيتين مختلفتين لتقييم تباين نسب الحدوث بدقة موضوعية.

تُمثّل فترة الثقة للفرق بين النسبتين (Confidence Interval for the Difference in Proportions) واحدة من أقوى الأدوات المنهجية التي تتيح للباحثين تقييم حجم الأثر وتحديد نطاق عدم اليقين المحيط بتقدير المعلمة المجهولة في المجتمع الأصلي. فبينما يكتفي التقدير النقطي بتقديم قيمة عددية مفردة للفارق بين نسبتي العينتين، تقدم فترة الثقة مجالاً احتماليا واسعاً يستند إلى التوزيعات الاحتمالية ونظرية المعاينة، موضحاً بدقة حدود التباين المتوقع الناتجة عن أخطاء المعاينة العشوائية، مما يمنح الممارسين الإكلينيكيين وصناع القرار التربوي والصحي أرضية صلبة لاتخاذ قرارات مدعومة بالبراهين التجريبية الدقيقة وتجنب الاستنتاجات المتسرعة.

يتناول هذا المقال التخصصي الشامل الأبعاد النظرية، الرياضية، والتطبيقية لحساب وتفسير فترة الثقة للفرق بين النسبتين في البحوث النفسية والاجتماعية. سنستعرض بعمق الاشتقاقات الإحصائية للخطأ المعياري، الشروط المنهجية الواجب استيفاؤها لضمان صحة النماذج المعتمدة، خطوات التحليل اليدوي والحاسوبي عبر أشهر البرمجيات الإحصائية، فضلاً عن تقديم دراسة حالة إكلينيكية واقعية توضح كيفية الانتقال من الأرقام المجردة إلى التفسير الإكلينيكي التطبيقي الذي يخدم الصحة النفسية والارتقاء بجودة التدخلات السلوكية.

1. المدخل المفاهيمي لفترة الثقة للفرق بين النسبتين

1.1 تعريف فترة الثقة للفرق بين النسبتين في الإحصاء الاستدلالي

تُعرف فترة الثقة للفرق بين النسبتين في إطار الإحصاء الاستدلالي بأنها نطاق أو مجال عددي مقدر من واقع بيانات عينتين عشوائيتين مستقلتين، يُتوقع أن يحتوي داخله على القيمة الحقيقية المجهولة للفرق بين نسبتي المجتمعين الإحصائيين (المعلمة المستهدفة: $p_1 – p_2$)، وذلك بمستوى ثقة محدد مسبقاً يعبر عن درجة التأكد الاحتمالي طويلة الأمد للعملية المنهجية المتبعة في التقدير.

ينبع الأساس النظري لهذا المفهوم من حقيقة أن المعالم السكانية الحقيقية تظل غير قابلة للرصد المباشر نظراً لاستحالة حصر كامل أفراد المجتمعات المستهدفة في الغالبية العظمى من الدراسات النفسية والسلوكية. بالتالي، فإن سحب عينات عشوائية ينتج عنه حتماً تباين عشوائي يُعرف بخطأ المعاينة، مما يجعل الفرق الملاحظ بين نسبتي العينتين ($\hat{p}_1 – \hat{p}_2$) تقديراً نقطياً قابلاً للتغير والتذبذب من عينة إلى أخرى. من هنا، تأتي فترة الثقة كصياغة رياضية متكاملة لعدم اليقين، محددةً حداً أدنى وحداً أعلى يحيطان بالتقدير النقطي، ويعكسان مدى التباين الإحصائي المحتمل في ظل حجم العينات وتشتت البيانات المجمعة.

يتجلى المعنى العميق لمستوى الثقة (Confidence Level)، المرمز له بالصيغة $(1 – \alpha)$، في التفسير التكراري الاحتمالي طويل المدى؛ فإذا افترضنا تكرار إجراء نفس التجربة أو المسح الميداني وسحب عدد لا نهائي من العينات المستقلة المتساوية في الحجم من نفس المجتمعات، وحساب فترة الثقة لكل عينة بشكل مستقل بنفس الإجراء، فإن نسبة معينة من هذه الفترات المحسوبة (مثلاً 95% أو 99%) ستتضمن المعلمة الحقيقية للفارق بين المجتمعين، بينما ستفشل النسبة المتبقية في احتوائها. يؤكد هذا المفهوم على التمييز الأساسي بين معالم المجتمع الثابتة ولكن المجهولة، وبين الإحصاءات المحسوبة من العينات المتغيرة، موضحاً أن فترة الثقة هي متغير عشوائي يتغير موقع واتساع حدوده بتغير العينة المختارة، وليس المعلمة نفسها.

1.2 الدوافع المنهجية لاستخدامها في البحوث النفسية والسلوكية

تحظى فترات الثقة بأهمية بالغة في العلوم النفسية والسلوكية نظراً لتعقد الظواهر الإنسانية وارتفاع مستويات التباين والخطأ العشوائي المقترن بأدوات القياس السيكومتري والمقابلات الإكلينيكية. في البحوث المقارنة التي تقيم فعالية البرامج الإرشادية والتدخلات النفسية، يفقد التقدير بنقطة واحدة قيمته الموضوعية إذا لم يقترن بمدى الدقة والشك المحيط به؛ فعلى سبيل المثال، الإبلاغ عن تفوق أسلوب علاجي على أسلوب آخر بفارق قدره 15% في نسب الاستجابة يظل غير مكتمل المعالم ومضللاً إن لم يتضح للممارس الإكلينيكي ما إذا كان هذا الفرق قد يتراوح في حقيقته بين 1% و 29%، أو بين 13% و 17%، حيث يحمل كل نطاق منهما دلالات وتطبيقات سريرية مختلفة جذرياً.

توفر فترة الثقة للفرق بين النسبتين تقديراً موثوقاً لـ حجم التأثير (Effect Size) على مستوى المقاييس الفئوية، مدمجاً دقة القياس مع تباين العينة، مما يدعم ممارسات علم النفس القائم على الأدلة (Evidence-Based Psychological Practice). تستفيد لجان مراجعة البروتوكولات العلاجية ومسؤولو الرعاية الصحية النفسية من هذه الفترات في تحديد ما إذا كان التدخل السلوكي الجديد يقدم فائدة إكلينيكية حقيقية تتجاوز الفوارق الهامشية أو الملاحظة بالصدفة، كما تتيح مقارنة نسب الامتثال والانتكاس والتعافي بين مجموعات المرضى بشكل يتسم بالشفافية الإحصائية التامة.

تسهم فترات الثقة في ترشيد القرارات السريرية وتجنب الإفراط في تعميم النتائج المستمدة من عينات صغيرة الحجم ذات هوامش خطأ مرتفعة، حيث تبرز الفترات الواسعة بشكل فوري نقص الدقة في التقدير، مما يحث الباحثين على زيادة أحجام العينات أو تطوير أدوات القياس لتقليل الشتات، وهو ما يعزز في نهاية المطاف من موثوقية وتكرارية النتائج في الحقل السيكولوجي.

1.3 المقارنة بين التقدير النقطي والتقدير بفترة ثقة

يقتصر التقدير النقطي (Point Estimation) على تقديم إحصائية عينة واحدة، متمثلة في الفارق البسيط بين نسبتي العينتين المستقلتين ($\hat{p}_1 – \hat{p}_2$)، كأفضل تخمين عددي للفارق الحقيقي في المجتمع. ومع أن التقدير النقطي يتمتع بكونه غير متحيز عند تحقق شروط المعاينة السليمة، إلا أن عيبه الجوهري يكمن في إخفائه التام للمعلومات المتعلقة بمستوى الدقة ودرجة عدم اليقين؛ فهو يتعامل مع الفارق المحسوب من عينة مؤلفة من 20 مريضاً بنفس الطريقة التي يتعامل بها مع فارق مماثل محسوب من عينة قوامها 2000 مريض، متجاهلاً التأثير الحاسم لحجم العينة على ثبات التقديرات.

على النقيض من ذلك، يقوم التقدير بفترة الثقة (Interval Estimation) بدمج التقدير النقطي مع التشتت والخطأ المعياري في بنية احتمالية شاملة وموحدة. تنتج هذه العملية مدى رقمياً يوضح أدنى وأعلى قيمة معقولة للفارق الحقيقي بين النسبتين في ضوء البيانات المرصودة. يعكس اتساع الفترة (عرض النطاق بين الحدين) مباشرةً مستوى دقة القياس النفسي؛ فالفترات الضيقة تشير إلى تقدير دقيق وموثوق ناتج عادة عن عينات كبيرة الحجم وتباينات منضبطة، في حين تشير الفترات المتسعة إلى ضعف الدقة وارتفاع المخاطر المقترنة بالاعتماد على الفارق النقطي بمفرده في اتخاذ القرارات المنهجية أو التدخلات الإكلينيكية.

يوضح الجدول المنهجي التالي المقارنة التفصيلية بين أسلوبي التقدير في البحوث السلوكية:

• طبيعة المخرج: يقدم التقدير النقطي قيمة عددية ثابتة ومفردة، بينما يقدم التقدير بفترة الثقة مجالاً عددياً مستمراً محصوراً بين حدين أدنى وأعلى.
• التعامل مع عدم اليقين: يتجاهل التقدير النقطي الخطأ العشوائي في المعاينة، في حين يدمج التقدير بفترة الثقة الخطأ المعياري ومستوى الثقة لنمذجة عدم اليقين بوضوح.
• الحساسية لحجم العينة: لا يعكس التقدير النقطي أثر حجم العينة على موثوقية النتيجة، بينما يتقلص عرض فترة الثقة وتزداد دقتها تلقائياً مع تنامي حجم العينة.
• صنع القرار الإكلينيكي: يولد التقدير النقطي ثقة زائفة في استقرار الرقم المرصود، بينما توضح فترة الثقة للممارس أسوأ وأفضل السيناريوهات المحتملة للتأثير العلاجي.

2. الأسس النظرية والرياضية لتوزيع الفرق بين النسبتين

2.1 تطبيق نظرية النهاية المركزية والتوزيع الطبيعي المعياري

ترتكز البنية الرياضية لتقدير الفرق بين نسبتين على نظرية النهاية المركزية (Central Limit Theorem)، وهي النظرية التأسيسية التي تحكم سلوك توزيع المعاينة لإحصاءات العينات المستقلة. عندما نقوم بسحب عينات عشوائية متكررة من مجتمعين ثنائيي الحد (Binomial Populations)، فإن نسب النجاح في كل عينة ($\hat{p}_1$ و $\hat{p}_2$) تتصرف كمتغيرات عشوائية تتقارب نحو التوزيع الطبيعي كلما كبر حجم العينة، وذلك بمتوسطين يساويان $p_1$ و $p_2$ وتباينين مقدارهما $\frac{p_1(1-p_1)}{n_1}$ و $\frac{p_2(1-p_2)}{n_2}$ على التوالي.

استناداً إلى الخصائص الرياضية للمتغيرات العشوائية المستقلة، فإن الفرق بين متغيرين موزعين توزيعاً طبيعياً يخضع بدوره لتوزيع طبيعي، وبناءً عليه فإن توزيع المعاينة للفرق بين نسبتي العينتين ($\hat{p}_1 – \hat{p}_2$) يتقارب تقارباً وثيقاً نحو التوزيع الطبيعي بمتوسط نظري يساوي الفارق الحقيقي بين نسبتي المجتمعين ($p_1 – p_2$). يتيح هذا التقارب الطبيعي استخدام درجات التوزيع الطبيعي المعياري ($Z$-Distribution) في بناء الفواصل الاحتمالية وتحديد القيم الحرجة المرتبطة بمستويات الثقة المختلفة دون الحاجة إلى اللجوء لمعادلات التوزيع ذي الحدين المعقدة تكرارياً عند توافر أحجام عينات كافية.

تعتمد كفاءة هذا النموذج التقريبي على تماثل التوزيع، حيث تنص المبادئ الإحصائية الكلاسيكية على أن توزيع المعاينة للنسب الفردية يكتسب خصائص التوزيع الطبيعي المنتظم حول المتوسط عندما يكون حجم العينة كبيراً بما يكفي لتجاوز الالتواء الناتج عن النسب المتطرفة القريبة من الصفر أو الواحد الصحيح، مما يجعل التوزيع المعياري $Z$ هو الأداة الرياضية المثلى لترسيم حدود فترات الثقة.

2.2 اشتقاق الخطأ المعياري للفرق بين عينتين مستقلتين

يُعد اشتقاق الخطأ المعياري (Standard Error) للفرق بين نسبتين الخطوة الحسابية المحورية في تحديد مدى تشتت توزيع المعاينة حول الفرق الحقيقي. ينطلق الاشتقاق من قانون تباين الفرق بين متغيرين عشوائيين مستقلين، والذي ينص على أن تباين الفرق يساوي مجموع تباين المتغيرين دون وجود حد التغاير المشترك، نظراً للاستقلالية المفترضة بين العينتين:

$$operatorname{Var}(\hat{p}_1 – \hat{p}_2) = operatorname{Var}(\hat{p}_1) + operatorname{Var}(\hat{p}_2)$$

وبما أن تباين نسبة المعاينة المفردة لعينة من الحجم $n$ من مجتمع ذي نسبة نجاح $p$ يُعطى رياضياً بالصيغة $\frac{p(1-p)}{n}$، فإن تباين الفرق بين النسبتين في المجتمع يكون:

$$operatorname{Var}(\hat{p}_1 – \hat{p}_2) = \frac{p_1(1-p_1)}{n_1} + \frac{p_2(1-p_2)}{n_2}$$

وحيث إن النسب الحقيقية للمجتمعين ($p_1$ و $p_2$) غير معلومة في سياق بناء فترات الثقة، يقوم الباحثون باستبدالها بالنسب الملاحظة في العينتين المستقلتين ($\hat{p}_1$ و $\hat{p}_2$) للحصول على التقدير غير المتحيز لتباين الفرق. وبأخذ الجذر التربيعي الموجب لهذا التباين، نحصل على الصيغة الرياضية القياسية للخطأ المعياري المقدر للفرق بين النسبتين ($SE_{\hat{p}_1 – \hat{p}_2}$):

$$SE_{\hat{p}_1 – \hat{p}_2} = \sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}$$

يوضح هذا الاشتقاق أن الخطأ المعياري الكلي يتأثر تزامناً بحجم كلتا العينتين وبقيم النسب الملاحظة؛ حيث يبلغ التباين أقصى مستوياته عندما تكون النسب قريبة من 0.5 (أعلى درجة من عدم التيقن الثنائي)، في حين يتقلص التباين والخطأ المعياري مع اقتراب النسب من الصفر أو الواحد الصحيح أو عند الزيادة المطردة في أحجام العينات $n_1$ و $n_2$.

2.3 مستويات الثقة الإحصائية والقيم الحرجة المقابلة لها

يرتبط اختيار مستوى الثقة الإحصائية $(1 – \alpha)$ بتحديد النسبة المئوية للمساحة الواقعة تحت منحنى التوزيع الطبيعي المعياري والمتمركزة حول المتوسط الصفري، تاركة مساحة إجمالية مقدارها $\alpha$ مقسمة بالتساوي على طرفي المنحنى ($\frac{\alpha}{2}$ في الذيل الأيمن و $\frac{\alpha}{2}$ في الذيل الأيسر). تُحدد القيمة الحرجة ($Z^*$) بأنها النقطة على المحور الأفقي للتوزيع الطبيعي المعياري التي تحصر بينها وبين نظيرتها السالبة المساحة الاحتمالية المطلوبة لمستوى الثقة المحدد.

تتضمن مستويات الثقة الأكثر شيوعاً في الأبحاث النفسية والسلوكية ما يلي:

• مستوى ثقة 90% ($\alpha = 0.10$): يترك مساحة 0.05 في كل طرف، وتبلغ قيمته الحرجة المقابلة $Z^* \approx 1.645$. يُستخدم في الدراسات الاستكشافية التي تتطلب مجالات أضيق مع قبول احتمالية خطأ أعلى.
• مستوى ثقة 95% ($\alpha = 0.05$): يُعد المعيار الذهبي في أغلب البحوث النفسية والطبية، حيث يترك مساحة 0.025 في كل طرف، وتبلغ قيمته الحرجة المقابلة $Z^* = 1.960$. يمثل هذا المستوى التوازن الأمثل بين دقة التقدير وتقليل مخاطر الخطأ الاستدلالي.
• مستوى ثقة 99% ($\alpha = 0.01$): يترك مساحة 0.005 في كل طرف، وتبلغ قيمته الحرجة المقابلة $Z^* \approx 2.576$. يُعتمد عليه في التجارب الإكلينيكية الحساسة التي تتعلق بسلامة المرضى والعقاقير النفسية لتأكيد النتائج بأعلى درجات اليقين.

تفرض المنهجية الإحصائية الموازنة بين مستوى الثقة وعرض الفترة الناتجة؛ فكلما ارتفع مستوى الثقة المطلوب (من 95% إلى 99% مثلاً)، ازدادت القيمة الحرجة $Z^*$، مما يؤدي تلقائياً إلى اتساع فترة الثقة وزيادة هامش الخطأ لنفس حجم العينة، وهو ما قد يقلل من الدقة التطبيقية للنتائج. لذا يحرص الباحثون على تبرير اختيارهم لمستوى الثقة بما يتناسب مع السياق الإكلينيكي وحساسية القرار المعتمد على البحث.

3. الصيغة الرياضية ومعادلة فترة الثقة للفرق بين النسبتين

3.1 التفكيك المنهجي للمعادلة الرياضية الأساسية

تُصاغ فترة الثقة للفرق بين نسبتي مجتمعين مستقلين رياضياً من خلال الجمع المنهجي بين التقدير النقطي وهامش الخطأ المحسوب. تتخذ المعادلة الكلاسيكية المعروفة بنموذج فالد (Wald Confidence Interval) الهيكل العام التالي:

$$\text{Confidence Interval} = (\hat{p}_1 – \hat{p}_2) \pm Z^* \times SE_{\hat{p}_1 – \hat{p}_2}$$

وبالتعويض المباشر عن صيغة الخطأ المعياري المشتقة سابقاً، تصبح المعادلة المفصلة على النحو التالي:

$$\text{CI} = (\hat{p}_1 – \hat{p}_2) \pm Z^* \sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}$$

تتألف هذه المعادلة من ثلاثة مكونات رئيسية متكاملة:

• النقطة المركزية $(\hat{p}_1 – \hat{p}_2)$: تمثل الفارق الملاحظ بين نسبتي العينتين، وتعمل كمرتكز تنطلق منه حدود الفترة في كلا الاتجاهين الإيجابي والسلبي.
• معامل الموثوقية $Z^*$: يمثل القيمة الحرجة المستخرجة من جداول التوزيع الطبيعي المعياري بناءً على مستوى الثقة المختار مسبقاً، ويحدد عدد الأخطاء المعيارية التي يجب الابتعاد بها عن المركز لتغطية النسبة المطلوبة من التوزيع.
• الخطأ المعياري المقدر $SE$: يمثل مقياس التشتت والانحراف المعياري لتوزيع المعاينة، ويعكس حجم التباين المتوقع في الفارق بسبب الصدفة والمعاينة العشوائية.

3.2 تحديد هامش الخطأ (Margin of Error) ومكوناته

يُعرف هامش الخطأ (Margin of Error – $ME$) بأنه المسافة المتناظرة التي يتم طرحها وإضافتها إلى التقدير النقطي لرسم حدود فترة الثقة. يمثل هامش الخطأ نصف العرض الإجمالي لفترة الثقة، ويُحسب عبر حاصل ضرب القيمة الحرجة في الخطأ المعياري للفرق بين النسبتين:

$$ME = Z^* \sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}$$

تتحكم ثلاثة عوامل رئيسية في اتساع أو ضيق هامش الخطأ في الدراسات السلوكية والنفسية:

• مستوى الثقة المطلوب: توجد علاقة طردية بين مستوى الثقة وهامش الخطأ؛ فزيادة الثقة تتطلب زيادة قيمة $Z^*$، مما يوسع هامش الخطأ ويزيد من عرض الفترة.
• أحجام العينات ($n_1, n_2$): توجد علاقة عكسية قوية بين حجم العينات وهامش الخطأ؛ حيث يؤدي تضخيم أحجام العينات في المقام إلى تقليص قيمة الخطأ المعياري، مما ينعكس مباشرة في صورة هامش خطأ ضيق وتقدير عالي الدقة.
• تباين النسب المقاسة: يؤثر موقع النسب الملاحظة بالقرب من المنتصف (0.50) على تعظيم حاصل الضرب $\hat{p}(1-\hat{p})$، مما يرفع من قيمة هامش الخطأ مقارنة بالنسب الطرفية القريبة من الصفر أو الواحد.

3.3 حساب حدي الثقة الأدنى والأعلى

يتم حساب طرفي فترة الثقة المغلقة من خلال تفكيك إشارة الجمع والطرح ($\pm$) في المعادلة الأساسية إلى عمليتين حسابيتين منفصلتين تنتجان الحد الأدنى (Lower Limit – $LL$) والحد الأعلى (Upper Limit – $UL$) للفترة:

$$LL = (\hat{p}_1 – \hat{p}_2) – ME = (\hat{p}_1 – \hat{p}_2) – Z^* \sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}$$

$$UL = (\hat{p}_1 – \hat{p}_2) + ME = (\hat{p}_1 – \hat{p}_2) + Z^* \sqrt{\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}}$$

تُكتب الفترة الناتجة منهجياً في الصورة الرياضية $[LL, UL]$ أو بالصيغة الاحتمالية $LL le (p_1 – p_2) le UL$. ومن الضروري إحصائياً التحقق من بقاء الحدود المحسوبة ضمن النطاق المنطقي لنسب الفروق الاحتمالية المحصورة دوماً بين $-1.00$ (في حالة كون $p_1=0$ و $p_2=1$) و $+1.00$ (في حالة كون $p_1=1$ و $p_2=0$). وإذا أدت التقريبات في العينات الصغيرة أو النسب المتطرفة إلى تجاوز هذه الحدود الطبيعية، فإن ذلك يمثل إشارة واضحة لعدم ملائمة نموذج فالد الكلاسيكي وضرورة استخدام النماذج التصحيحية البديلة.

4. الشروط والافتراضات المنهجية للنموذج الإحصائي

4.1 شرط المعاينة العشوائية والاستقلالية التامة

تعتمد صحة النموذج الإحصائي لفترة الثقة للفرق بين النسبتين على استيفاء شروط تصميمية صارمة تتعلق بجمع البيانات والمعاينة. يتمثل الشرط الأول والأهم في ضرورة اختيار العينات من المجتمعات المستهدفة باستخدام أساليب المعاينة الاحتمالية العشوائية (Simple Random Sampling) أو التصاميم التجريبية المعشاة ذات الشواهد (Randomized Controlled Trials)، لضمان تمثيل البيانات للمجتمعات الأصلية وتفادي التحيزات المنهجية.

ينقسم شرط الاستقلالية إلى مستويين متكاملين:

• الاستقلالية داخل العينة الواحدة (Independence Within Groups): يجب أن يكون اختيار أي فرد في العينة مستقلاً تماماً عن اختيار الأفراد الآخرين داخل نفس العينة، بحيث لا تؤثر استجابة أو سلوك أي مشارك على نتائج المشاركين الآخرين.
• الاستقلالية التامة بين المجموعتين (Independence Between Groups): يجب ألا توجد أي علاقة اقتران أو ارتباط أو قياسات مكررة بين أفراد المجموعة الأولى وأفراد المجموعة الثانية. ويحظر تطبيق هذه الصيغة على العينات المترابطة أو دراسات الأزواج المتطابقة (Matched Pairs) أو دراسات القياس القبلي والبعدي لنفس الأفراد، حيث تتطلب هذه التصاميم نماذج إحصائية متخصصة مثل اختبار ماكنيمار (McNemar’s Test) وفترات الثقة المرتبطة به.

4.2 شرط النجاح والفشل للتقريب الطبيعي

لكي يكون استخدام التوزيع الطبيعي المعياري $Z$ مبرراً رياضياً لتقريب التوزيع الثنائي للنسب، يجب أن يتوافر في كلتا العينتين عدد كافٍ من المشاهدات الإيجابية (حالات النجاح أو تحقق السمة السلوكية) والمشاهدات السلبية (حالات الإخفاق أو عدم تحقق السمة). يُعرف هذا بالشرط الثنائي لحجم العينة أو قاعدة النجاح والفشل (Success-Failure Condition).

يشترط النموذج الكلاسيكي استيفاء المتباينات الأربع التالية في آن واحد وبشكل إلزامي:

$$n_1 \hat{p}_1 ge 10 \quad \text{and} \quad n_1 (1 – \hat{p}_1) ge 10$$

$$n_2 \hat{p}_2 ge 10 \quad \text{and} \quad n_2 (1 – \hat{p}_2) ge 10$$

تضمن هذه العتبة العددية (وجود ما لا يقل عن 10 نجاحات و10 إخفاقات مرصودة فعلياً في كل عينة) أن يكون توزيع المعاينة لكلتا النسبتين متناظراً وخالياً من الالتواء الشديد. وفي حالة انتهاك هذا الشرط—بسبب صغر حجم العينة الإجمالي أو شدة ندرة الظاهرة المدروسة—فإن التغطية الاحتمالية الفعلية لفترة الثقة تنخفض بصورة ملحوظة عن المستوى الاسمي المحدد (مثلاً، قد تصبح فترة 95% توفر تغطية فعلية قدرها 88% فقط)، مما يولد نتائج استدلالية مضللة.

4.3 شرط حجم المجتمع وحجم العينة (قاعدة 10%)

عندما تُجمع البيانات النفسية والسلوكية عبر المعاينة بدون إرجاع (Sampling Without Replacement) من مجتمعات إحصائية محدودة أو مغلقة—كالمدارس، المستشفيات النفسية، أو المؤسسات الإصلاحية—فإن سحب كل مفردة يؤثر نظرياً على احتمالية سحب المفردات التالية، مما ينتهك افتراض استقلالية المحاولات المميز للتوزيع ذي الحدين ويقترب بالبيانات نحو التوزيع فوق الهندسي (Hypergeometric Distribution).

للتغلب على هذه المعضلة الرياضية دون الحاجة إلى تطبيق معادلات معامل تصحيح المجتمع المحدود (Finite Population Correction – FPC)، تشترط المنهجية الإحصائية ألا يتجاوز حجم كل عينة مسحوبة نسبة 10% من إجمالي حجم المجتمع الإحصائي الذي سُحبت منه العينة:

$$n_1 le 0.10 N_1 \quad \text{and} \quad n_2 le 0.10 N_2$$

حيث يمثل $N_1$ و $N_2$ الأحجام الكلية للمجتمعين الأول والثاني. يضمن استيفاء قاعدة الـ 10% أن يكون التغير في الاحتمالات ضئيلاً للغاية ومهمل الحساب، مما يتيح التعامل مع البيانات كما لو كانت مسحوبة من مجتمعات لا نهائية ومستقلة تماماً.

5. دليل الحساب التطبيقي: خطوات مرحلية منظمة

5.1 المرحلة الأولى: استخراج الإحصاءات الوصفية من البيانات

تبدأ عملية الحساب التطبيقي بجمع وتلخيص البيانات الأولية المستخرجة من العينتين المستقلتين وترتيبها في جدول منهجي متناسق. تتطلب هذه المرحلة حصر المتغيرات العددية الأساسية التالية:

• حجم العينة الأولى ($n_1$) وعدد الحالات الإيجابية أو المستجيبة فيها ($x_1$).
• حجم العينة الثانية ($n_2$) وعدد الحالات الإيجابية أو المستجيبة فيها ($x_2$).
• حساب النسبة الملاحظة في العينة الأولى: $\hat{p}_1 = \frac{x_1}{n_1}$.
• حساب النسبة الملاحظة في العينة الثانية: $\hat{p}_2 = \frac{x_2}{n_2}$.
• حساب الفرق النقطي المباشر بين النسبتين: $\hat{d} = \hat{p}_1 – \hat{p}_2$.
• إجراء الفحص المنهجي للشروط والافتراضات من خلال التأكد من أن: $x_1 ge 10$، $(n_1 – x_1) ge 10$، $x_2 ge 10$، و $(n_2 – x_2) ge 10$.

5.2 المرحلة الثانية: حساب الخطأ المعياري وهامش الخطأ

تتضمن المرحلة الثانية تطبيق العلاقات الحسابية لتقدير التباين والخطأ المعياري ثم تحويلهما إلى هامش خطأ نهائي يتناسب مع مستوى الثقة المعتمد للدراسة وفق الخطوات التالية:

أولاً: حساب تباين النسبة للعينة الأولى وتجزئته بدقة:

$$operatorname{Var}_1 = \frac{\hat{p}_1(1 – \hat{p}_1)}{n_1}$$

ثانياً: حساب تباين النسبة للعينة الثانية:

$$operatorname{Var}_2 = \frac{\hat{p}_2(1 – \hat{p}_2)}{n_2}$$

ثالثاً: جمع التباينين واستخراج الجذر التربيعي لحساب الخطأ المعياري للفرق:

$$SE_{\text{diff}} = \sqrt{operatorname{Var}_1 + operatorname{Var}_2}$$

رابعاً: اختيار القيمة الحرجة المقابلة لمستوى الثقة (مثلاً $Z^* = 1.96$ لمستوى ثقة 95%) وضربها في الخطأ المعياري لاستخراج هامش الخطأ:

$$ME = Z^* \times SE_{\text{diff}}$$

5.3 المرحلة الثالثة: صياغة المجال النهائي وتوثيقه

تتمثل المرحلة النهائية في دمج النتائج المحسوبة لتحديد طرفي الفترة وتوثيقها بالمعايير الأكاديمية المعتمدة:

• طرح هامش الخطأ من الفارق النقطي للحصول على الحد الأدنى: $LL = (\hat{p}_1 – \hat{p}_2) – ME$.
• إضافة هامش الخطأ إلى الفارق النقطي للحصول على الحد الأعلى: $UL = (\hat{p}_1 – \hat{p}_2) + ME$.
• التحقق من صحة الدقة العشرية وتدوين فترة الثقة بالصيغة الرسمية المعتمدة وفق دليل النشر لـ جمعية علم النفس الأمريكية (APA): $95% text{ CI } [LL, UL]$.
• مراجعة الاتساق المنطقي للأرقام المحسوبة، والتأكد من وقوع التقدير النقطي تماماً في منتصف المسافة بين الحدين الأدنى والأعلى.

6. دراسة حالة نفسية: مقارنة استجابة العلاج النفسي الدوائي والسلوكي

6.1 وصف التجربة الإكلينيكية وجمع البيانات النفسية

في تجربة إكلينيكية معشاة أُجريت في قسم الطب النفسي والعلوم السلوكية بأحد المستشفيات الجامعية المتخصصة، سعى الباحثون لمقارنة فعالية برنامجين علاجيين لمرضى الاكتئاب الجسيم (Major Depressive Disorder): برنامج العلاج المعرفي السلوكي المطور (Cognitive Behavioral Therapy – CBT) وبروتوكول العلاج الدوائي التقليدي باستخدام مضادات الاكتئاب من فئة مثبطات استرداد السيروتونين الانتقائية (SSRIs).

شملت التجربة عينتين مستقلتين من المرضى البالغين الذين تم توزيعهم عشوائياً على المجموعتين مع الالتزام بكافة المعايير الأخلاقية والسريرية:

• المجموعة الأولى (مجموعة CBT): ضمت $n_1 = 120$ مريضاً تلقوا جلسات أسبوعية منتظمة لمدة 16 أسبوعاً. تم تعريف الاستجابة الإيجابية (التحسن الإكلينيكي) بانخفاض قدره 50% أو أكثر على مقياس بيك للاكتئاب (BDI-II) في نهاية فترة المتابعة. أظهرت النتائج استجابة $x_1 = 84$ مريضاً من أفراد المجموعة.
• المجموعة الثانية (مجموعة العلاج الدوائي): ضمت $n_2 = 100$ مريض تلقوا الجرعات الدوائية المقننة وفق البروتوكول الطبي. أسفرت النتائج عن تحقيق الاستجابة الإيجابية والتحسن الإكلينيكي لدى $x_2 = 55$ مريضاً.

الهدف المنهجي هو حساب وتفسير فترة ثقة 95% للفرق بين نسبتي التحسن الإكلينيكي في المجتمعين ($p_1 – p_2$).

6.2 التطبيق العددي التفصيلي لحساب فترة ثقة 95%

نتبع الخطوات الحسابية المنظمة لتنفيذ التحليل الإحصائي الكامل للبيانات:

1. استخراج الإحصاءات الوصفية والنسب الملاحظة:

$$\hat{p}_1 = \frac{x_1}{n_1} = \frac{84}{120} = 0.70 \quad (70%)$$

$$\hat{p}_2 = \frac{x_2}{n_2} = \frac{55}{100} = 0.55 \quad (55%)$$

$$\text{الفرق النقطي Mلاحظ } (\hat{d}) = \hat{p}_1 – \hat{p}_2 = 0.70 – 0.55 = 0.15 \quad (15%)$$

2. فحص استيفاء شروط الاستخدام:

$$n_1 \hat{p}_1 = 84 ge 10, \quad n_1 (1 – \hat{p}_1) = 36 ge 10$$

$$n_2 \hat{p}_2 = 55 ge 10, \quad n_2 (1 – \hat{p}_2) = 45 ge 10$$

كافة الشروط مستوفاة بالكامل وبأرقام تتجاوز الحد الأدنى المطلوب بكثير.

3. حساب تباين النسبتين والخطأ المعياري للفرق:

$$operatorname{Var}_1 = \frac{0.70 \times (1 – 0.70)}{120} = \frac{0.70 \times 0.30}{120} = \frac{0.21}{120} = 0.001750$$

$$operatorname{Var}_2 = \frac{0.55 \times (1 – 0.55)}{100} = \frac{0.55 \times 0.45}{100} = \frac{0.2475}{100} = 0.002475$$

$$SE = \sqrt{0.001750 + 0.002475} = \sqrt{0.004225} = 0.065$$

4. حساب هامش الخطأ بمستوى ثقة 95% ($Z^* = 1.96$):

$$ME = 1.96 \times 0.065 = 0.1274$$

5. حساب حدي فترة الثقة:

$$LL = 0.15 – 0.1274 = 0.0226 \quad (2.26%)$$

$$UL = 0.15 + 0.1274 = 0.2774 \quad (27.74%)$$

إذن، فترة الثقة 95% للفرق بين نسبتي التحسن الإكلينيكي هي: $[0.0226, 0.2774]$ أو بالصيغة المئوية $[2.26%, 27.74%]$.

6.3 التحليل الإحصائي والاستنتاج السريري من الحالة

يُظهر التحليل الإحصائي الدقيق لفترة الثقة المستخرجة $[2.26%, 27.74%]$ أن كلا الحدين الأدنى والأعلى يقعان في النطاق الموجب بالكامل ويستبعدان القيمة الصفرية ($0.00$). يُستنتج من ذلك وجود دليل إحصائي قوي عند مستوى ثقة 95% يثبت تفوق العلاج المعرفي السلوكي (CBT) على العلاج الدوائي بمفرده في تحقيق التحسن الإكلينيكي لمرضى الاكتئاب في هذا المجتمع العلاجي.

من المنظور السريري والتطبيقي، تشير النتيجة إلى أن الفارق الحقيقي المتوقع في نسب التحسن لصالح التدخل السلوكي يتراوح على الأرجح بين زيادة طفيفة تبلغ 2.26% وزيادة جوهرية واسعة تصل إلى 27.74%، بتقدير نقطي مركزي قدره 15%. يُقدم هذا النطاق معلومات إرشادية ذات قيمة بالغة لرؤساء الأقسام الإكلينيكية عند المفاضلة بين البروتوكولات العلاجية؛ فالحد الأدنى ($2.26%$) ينبه الممارسين إلى أن الفائدة الإضافية قد تكون متواضعة في بعض فئات المرضى، بينما يبرز الحد الأعلى ($27.74%$) إمكانية تحقيق قفزة علاجية كبرى، مما يدعم التوصية بتبني العلاج المعرفي السلوكي كخيار أول أو مسار مدمج دون إغفال تباين الاستجابات الفردية.

7. التفسير الإحصائي والدلالة المنهجية للنتائج

7.1 دلالة احتواء أو استبعاد القيمة الصفرية من فترة الثقة

تمثل القيمة الصفرية ($0.0$) في فترات الثقة للفرق بين النسبتين النقطة المرجعية الأساسية التي تُبنى عليها الاستنتاجات الاستدلالية المقابلة لاختبار الفرضيات الصفرية. ويتم تصنيف دلالات فترات الثقة بناءً على موقع الصفر بالنسبة لحدود الفترة وفق ثلاثة سيناريوهات منهجية رئيسية:

• استبعاد الصفر بحدين موجبين ($0 < LL < UL$): يشير هذا السيناريو إلى وجود فرق إحصائي دال ومعنوي لصالح المجموعة الأولى، مما يؤكد أن نسبة حدوث الظاهرة في المجتمع الأول أعلى بصورة حاسمة من نسبتها في المجتمع الثاني عند مستوى الثقة المعتمد.
• استبعاد الصفر بحدين سالبين ($LL < UL < 0$): يدل هذا السيناريو على وجود فرق إحصائي دال ومعنوي لصالح المجموعة الثانية، مما يعني أن نسبة حدوث الظاهرة في المجتمع الثاني تتفوق إحصائياً على المجتمع الأول.
• احتواء فترة الثقة على القيمة الصفرية ($LL le 0 le UL$): عندما يكون الحد الأدنى سالباً والحد الأعلى موجباً، فإن البيانات تفشل في تقديم دليل إحصائي كافٍ لإثبات وجود فرق حقيقي بين المجتمعين؛ فالقيمة الصفرية تقع ضمن القيم المعقولة للفارق، مما يحتم عدم رفض الفرضية الصفرية القائلة بتساوي النسبتين في المجتمع الأصلي ($p_1 = p_2$).

7.2 التفريق بين الدلالة الإحصائية والأهمية السريرية/العملية

يقع كثير من الباحثين المبتدئين في خطأ المطابقة بين الحصول على دلالة إحصائية (Statistical Significance) وبين تحقيق أهمية إكلينيكية أو عملية حقيقية (Clinical/Practical Significance). تكشف فترة الثقة بوضوح عن هذا التباين الجوهري؛ ففي الدراسات المسحية التي تعتمد على عينات ضخمة جداً (عشرات الآلاف من الأفراد)، قد يتقلص الخطأ المعياري بصورة مفرطة منتجاً فترة ثقة ضيقة للغاية تستبعد الصفر، مثل $[0.002, 0.008]$، أي فارق يتراوح بين 0.2% و 0.8%.

على الرغم من أن هذا الفارق “دال إحصائياً” بمستوى ثقة 95%، إلا أنه من المنظور الإكلينيكي والسلوكي يُعد أثراً تافهاً أو هامشياً لا يبرر التكلفة الاقتصادية أو المجهود البشري اللازم لتبني تدخل تدريبي أو علاجي جديد. من هنا تبرز أهمية مقارنة الحد الأدنى لفترة الثقة ($LL$) بما يُعرف في العلوم السريرية بـ الحد الأدنى للفرق المهم سريرياً (Minimal Clinically Important Difference – MCID)؛ فإذا كان الحد الأدنى للفترة يتجاوز عتبة MCID المحددة سلفاً من قبل الخبراء، فإن التدخل يكتسب حينئذ دلالة إحصائية وأهمية إكلينيكية مؤكدة في آن واحد.

7.3 المفاهيم الخاطئة الشائعة حول تفسير فترات الثقة

تحيط بفترات الثقة مجموعة من المفاهيم الخاطئة وسوء الفهم الشائع في الأوساط الأكاديمية والبحثية، ومن أبرزها:

• مغالطة الاحتمال البعدي للفترة المحددة: الاعتقاد الخاطئ بأن “هناك احتمالاً بنسبة 95% بأن الفارق الحقيقي بين المجتمعين يقع داخل الفترة المحسوبة تحديداً $[0.02, 0.28]$“. التفسير الإحصائي الصحيح هو أن الفارق الحقيقي هو ثابت مجهول (وليس متغيراً عشوائياً)، وبالتالي فإنه إما يقع داخل هذه الفترة المحسوبة بالفعل (باحتمال 1) أو لا يقع داخلها (باحتمال 0). نسبة الـ 95% تعود إلى موثوقية العملية المنهجية التكرارية طويلة الأمد لتوليد الفترات، وليس للفترة الفردية بعد حسابها.
• الخلط بين توزيع البيانات وفترة الثقة: الاعتقاد بأن فترة الثقة تحتوي على 95% من قيم الفروق الفردية للمشاركين في العينة، بينما هي في الواقع نطاق تقديري لمعلمة المجتمع المجهولة (الفرق بين النسبتين الكليتين) وليست مجالاً لتشتت البيانات الفردية.
• افتراض التوزيع المتساوي للاحتمالات داخل الفترة: النظر إلى كافة القيم الواقعة داخل فترة الثقة على أنها متساوية في درجة المعقولية، والصحيح أن القيم القريبة من المركز (التقدير النقطي) تحظى بكثافة احتمالية وتوافق تجريبي أعلى من القيم القريبة من الأطراف والحدود الخارجية للفترة.

8. العلاقة التبادلية بين فترات الثقة واختبار الفرضيات الإحصائية

8.1 التوافق الرياضي مع اختبار Z للفرق بين نسبتين

ترتبط فترات الثقة واختبارات الفروض الإحصائية بروابط رياضية ومنهجية وثيقة؛ حيث يمثل كلاهما وجهين لعملة استدلالية واحدة عند فحص الفروق بين مجموعتين مستقلتين. يُعد اختبار الفرضية ثنائي الطرف ($Z$-test for two independent proportions) عند مستوى معنوية$alpha = 0.05$ متوافقاً بصورة شبه تامة مع استبعاد الصفر من فترة الثقة ذات المستوى $95% = (1 – alpha)$.

ومع ذلك، يوجد اختلاف رياضي دقيق بين الأسلوبين في طريقة حساب الخطأ المعياري:

• في اختبار الفرضيات ($Z$-test): ينطلق الباحث من افتراض صحة الفرضية الصفرية ($H_0: p_1 = p_2 = p$)، وبناءً عليه يتم استخدام الخطأ المعياري المشترك أو المجمع (Pooled Standard Error) الذي يعتمد على دمج بيانات العينتين لحساب نسبة مشتركة واحدة: $\hat{p}_{\text{pool}} = \frac{x_1 + x_2}{n_1 + n_2}$.
• في فترة الثقة (Confidence Interval): لا تفترض فترة الثقة صحة الفرضية الصفرية أو تساوي النسب، بل تسعى لتقدير الفارق الحر بينهما، ولذلك تعتمد دائماً على الخطأ المعياري غير المجمع (Unpooled Standard Error) المستند إلى التباينات المنفصلة لكل عينة على حدة: $\frac{\hat{p}_1(1-\hat{p}_1)}{n_1} + \frac{\hat{p}_2(1-\hat{p}_2)}{n_2}$.

هذا الاختلاف الطفيف قد يؤدي في حالات نادرة جداً—عندما تكون أحجام العينات متوسطة والنسب قريبة من الحدود الحرجة—إلى تعارض طفيف بين دلالة القيمة الاحتمالية ودلالة فترة الثقة، إلا أن الأسلوبين يتطابقان عملياً واستنتاجياً في الغالبية الساحقة من الدراسات النفسية.

8.2 التفوق المعلوماتي لفترات الثقة على القيمة الاحتمالية (P-value)

توجه الهيئات الأكاديمية والجمعيات النفسية العالمية—بما فيها الجمعية الإحصائية الأمريكية (ASA)—انتقادات متزايدة للاعتماد الحصري على القيمة الاحتمالية ($P\text{-value}$) كمعيار وحيد للحكم على نتائج الأبحاث العلمية. ويبرز التفوق المعلوماتي والمنهجي لفترات الثقة على القيم الاحتمالية من خلال النقاط الجوهرية التالية:

• تجاوز ثنائية القرار الجامدة: تفرض القيمة الاحتمالية قراراً ثنائياً قسرياً (رفض الفرضية الصفرية إذا كانت $p < 0.05$ أو قبولها/عدم رفضها إذا كانت $p ge 0.05$)، مما يخفي التدرج المنطقي للأدلة، بينما تقدم فترة الثقة طيفاً متواصلاً من القيم المحتملة لحجم الفرق.
• توفير معلومات ثلاثية الأبعاد: تقدم فترة الثقة في تقرير موحد ثلاثة عناصر معرفية حاسمة في آن واحد: التقدير النقطي لحجم التأثير، واتجاه الفارق (إيجابي أو سلبي)، ومستوى الدقة واليقين المعبر عنه بعرض الفترة وهامش الخطأ.
• الحصانة ضد التفسير الخاطئ لأحجام العينات: قد تنتج القيمة الاحتمالية شديدة الصغر ($p 0.05$) عن عينة صغيرة جداً رغم وجود فرق إكلينيكي كبير. تكشف فترة الثقة هذه المواقف بوضوح من خلال اتساع أو ضيق حدودها الرقمية.

8.3 استخدام فترات الثقة في اتخاذ القرارات الإكلينيكية المعقدة

في بيئات الممارسة النفسية العلاجية المعقدة، نادراً ما تقتصر القرارات السريرية على المفاضلة البسيطة بين خيارين؛ حيث تتداخل حسابات الفعالية العلاجية مع التكلفة الاقتصادية، والآثار الجانبية، ومعدلات تقبل المرضى للعلاج. تمكن فترات الثقة للفرق بين النسبتين المعالجين والأطباء النفسيين من إدارة المخاطر واتخاذ قرارات متوازنة تحت مظلة عدم اليقين الاحتمالي.

فعلى سبيل المثال، عند المقارنة بين علاج سلوكي مرتفع التكلفة وآخر منخفض التكلفة، وإذا أسفر التحليل عن فترة ثقة للفرق في نسب الشفاء قدرها $[-0.01, 0.12]$ لصالح العلاج عالي التكلفة، فإن الممارس يدرك فوراً أن أقصى فائدة إضافية متوقعة لا تتجاوز 12%، بينما قد لا يحقق أي ميزة إضافية على الإطلاق (لوجود الصفر والقيم السالبة الطفيفة). هذا النطاق التقديري يوجه صناع القرار نحو تفضيل العلاج منخفض التكلفة كخيار أول في برامج الصحة العامة، أو يحدد الحاجة إلى إجراء دراسات تجريبية موسعة قبل تعميم التدخلات المكلفة.

9. المعالجات الإحصائية للعينات الصغيرة والنسب المتطرفة

9.1 طريقة أغريستي-كافو وتعديل إضافة النجاحات والإخفاقات

يواجه نموذج فالد الكلاسيكي لحساب فترات الثقة انهياراً منهجياً ملحوظاً عندما تكون أحجام العينات صغيرة ($n < 30$) أو عندما تقترب نسب النجاح من القيم المتطرفة (0 أو 1). في هذه الحالات، يتسم التوزيع الفعلي بالالتواء الشديد، مما يجعل مستويات التغطية الاحتمالية الاسمية لفترة فالد غير دقيقة وتفاؤلية بشكل مفرط (فترة 95% قد تغطي المعلمة بنسبة 80% فقط في الواقع).

لحل هذه المشكلة الجذرية، طور الإحصائيان آلان أغريستي وبرايان كافو (Agresti & Caffo, 2000) تعديلاً مبرمجاً بالغ البساطة والكفاءة يُعرف بطريقة “إضافة أربع نقاط” (Add-4 Method) أو تعديل أغريستي-كافو. يقوم هذا التعديل على إضافة “نجاح واحد وإخفاق واحد” لكل عينة مستقلة قبل الشروع في الحسابات، ليصبح إجمالي ما يُضاف هو 4 مشاهدات وهمية عبر الصيغ المعدلة التالية:

$$\tilde{n}_1 = n_1 + 2, \quad \tilde{x}_1 = x_1 + 1, \quad \tilde{p}_1 = \frac{\tilde{x}_1}{\tilde{n}_1} = \frac{x_1 + 1}{n_1 + 2}$$

$$\tilde{n}_2 = n_2 + 2, \quad \tilde{x}_2 = x_2 + 1, \quad \tilde{p}_2 = \frac{\tilde{x}_2}{\tilde{n}_2} = \frac{x_2 + 1}{n_2 + 2}$$

ثم تُطبق معادلة فترة الثقة الكلاسيكية باستخدام النسب والأحجام المعدلة:

$$\text{CI}_{\text{Agresti-Caffo}} = (\tilde{p}_1 – \tilde{p}_2) \pm Z^* \sqrt{\frac{\tilde{p}_1(1 – \tilde{p}_1)}{\tilde{n}_1} + \frac{\tilde{p}_2(1 – \tilde{p}_2)}{\tilde{n}_2}}$$

أثبتت دراسات المحاكاة الرياضية أن طريقة أغريستي-كافو تقدم أداءً ممتازاً ومستويات تغطية تجريبية قريبة جداً من 95% حتى مع العينات بالغة الصغر، وتمنع ظهور هوامش خطأ غير منطقية أو حدود تتجاوز المجال الاحتمالي الطبيعي، مما يجعلها الطريقة المفضلة في الأبحاث الإكلينيكية ذات المجموعات العلاجية المحدودة.

9.2 فترات الثقة الدقيقة القائمة على مبدأ التوزيع ذي الحدين

في التطبيقات البحثية الحساسة التي تتعذر فيها موثوقية أي تقريب طبيعي، يلجأ الإحصائيون إلى الفترات الدقيقة (Exact Confidence Intervals) المشتقة مباشرة من توزيع ذي الحدين دون افتراض التوزيع الطبيعي المعياري، والتي تستند في أصولها إلى خوارزميات كلوبير-بيرسون (Clopper-Pearson) واختبار فيشر الدقيق (Fisher’s Exact Test).

تعتمد الفترات الدقيقة للفرق بين النسبتين على عكس الاختبارات الإحصائية غير المعلمية والبحث الحسابي التكراري عن جميع قيم الفارق الممكنة ($p_1 – p_2$) التي لا يتم رفضها بواسطة الاختبار الدقيق عند مستوى دلالة $\alpha$. تمتاز هذه الفترات بكونها “محافظة” (Conservative)؛ أي أنها تضمن ألا تقل نسبة التغطية الفعلية عن المستوى الاسمي المحدد تحت أي ظرف، إلا أن عيبها الرئيسي يكمن في ميلها لإنتاج فترات ثقة شديدة الاتساع مقارنة بالطرائق التقريبية، فضلاً عن حاجتها لقدرات حاسوبية متقدمة لتنفيذ الخوارزميات التكرارية المعقدة.

9.3 طرق إعادة المعاينة والبوتسترابينج (Bootstrap Methods)

تُمثل أساليب إعادة المعاينة الحاسوبية، وتحديداً منهجية البوتستراب غير المعلمي (Non-parametric Bootstrapping)، ثورة منهجية في بناء فترات الثقة للبيانات النفسية والسلوكية الحرة التي لا تستوفي افتراضات النماذج البارامترية الكلاسيكية.

تتلخص خطوات تطبيق البوتستراب لتقدير الفرق بين نسبتين في الآتي:

• سحب آلاف العينات العشوائية التكرارية بالإرجاع (مثلاً $B = 2000$ عينة بوتستراب) من بيانات العينة الأصلية للمجموعة الأولى بنفس الحجم $n_1$، ومن بيانات المجموعة الثانية بالحجم $n_2$.
• حساب النسب في كل عينة بوتسترابية مولدة واستخراج الفارق النقطي بينهما: $\hat{d}^*_b = \hat{p}^*_{1,b} – \hat{p}^*_{2,b}$.
• توليد التوزيع التجريبي التجريبي للفروق البوتسترابية والمكون من 2000 قيمة مقدرة.
• حساب حدود فترة الثقة المئينية (Percentile Bootstrap CI) عبر اقتطاع النسبة المئوية المقابلة للمستوى المطلوب مباشرة من أطراف التوزيع (مثلاً المئين 2.5 كحد أدنى والمئين 97.5 كحد أعلى لمستوى ثقة 95%).
• استخدام الطرق المتقدمة مثل طريقة تصحيح التحيز والتسارع (Bias-Corrected and Accelerated – BCa Bootstrap) لضبط أي انحراف أو عدم تناظر في التوزيع التجريبي للعينات السلوكية المركبة.

10. التطبيق البرمجي لحساب فترة الثقة للفرق بين النسبتين

10.1 الحساب والتحليل في بيئة لغة R الإحصائية

تُوفر لغة البرمجة الإحصائية R أدوات ودوال متقدمة لحساب فترات الثقة للفرق بين النسبتين بدقة وسرعة متناهية. تُعد الدالة المدمجة prop.test الأداة الكلاسيكية الأكثر استخداماً لهذا الغرض، حيث تتيح الحساب مع أو بدون تصحيح ييتس للاستمرارية (Yates’ continuity correction).

فيما يلي الأوامر البرمجية القياسية في R لتطبيق التحليل على بيانات دراسة الحالة الإكلينيكية السابقة (84 نجاحاً من 120 مريضاً في المجموعة الأولى، و55 نجاحاً من 100 مريض في المجموعة الثانية):

# تعريف نواقل النجاحات وأحجام العينات
successes <- c(84, 55)
sample_sizes <- c(120, 100)
# حساب فترة الثقة الكلاسيكية بدون تصحيح الاستمرارية
res_unadjusted <- prop.test(x = successes, n = sample_sizes, 
 conf.level = 0.95, correct = FALSE)
# طباعة مخرجات التحليل
print(res_unadjusted)
# حساب فترة الثقة باستخدام تصحيح ييتس للاستمرارية
res_corrected <- prop.test(x = successes, n = sample_sizes, 
 conf.level = 0.95, correct = TRUE)
# طباعة مخرجات التحليل المصحح
print(res_corrected)

توفر حزم إضافية في R مثل حزمة DescTools وظائف مخصصة لتطبيق طرائق متقدمة ومتعددة للفترات بطلب دالة واحدة:

library(DescTools)
# حساب فترات الثقة بطرق متعددة: Wald, Agresti-Caffo, Newcombe
BinomDiffCI(x1 = 84, n1 = 120, x2 = 55, n2 = 100, 
 conf.level = 0.95, method = "ac") # Agresti-Caffo
BinomDiffCI(x1 = 84, n1 = 120, x2 = 55, n2 = 100, 
 conf.level = 0.95, method = "wald") # Wald Classic

تُظهر مخرجات R تقريراً تفصيلياً يشمل قيمة إحصاء مربع كاي، القيمة الاحتمالية $p$-value، والحدين الأدنى والأعلى لفترة الثقة المطلوبة بدقة متناهية تسهل نقلها إلى التقارير الأكاديمية.

10.2 التطبيق والخطوات عبر حزمة IBM SPSS Statistics

تُعد حزمة IBM SPSS Statistics من أكثر البرمجيات شيوعاً بين باحثي العلوم النفسية والاجتماعية. بدءاً من الإصدارات الحديثة لبرنامج SPSS (الإصدار 27 وما يليه)، أضافت شركة IBM ميزة الحساب المباشر لفترات الثقة للنسب المستقلة ضمن قوائم التحليل المباشرة.

يمكن تنفيذ الإجراء عبر واجهة المستخدم الرسومية (GUI) باتباع الخطوات التالية:

• الذهاب إلى القائمة الرئيسية واختيار: Analyze > Compare Means > Independent-Samples Proportions.
• نقل المتغير الثنائي المستهدف إلى خانة Test Variable وتحديد القيمة المعبرة عن النجاح.
• نقل متغير المجموعات إلى خانة Grouping Variable وتحديد قيمتي المجموعتين المستقلتين.
• الضغط على زر Confidence Intervals واختيار مستوى الثقة (95%)، وتحديد الطريقة الحسابية المفضلة (Wald, Agresti-Caffo, أو Newcombe).
• الضغط على OK لتوليد جداول المخرجات.

أما الباحثون الذين يفضلون استخدام أوامر بناء الجمل البرمجية (SPSS Syntax)، فيمكنهم تنفيذ التحليل عبر كتابة وتشغيل الأمر التالي:

PROPORTIONS
 /VARIABLES VAR_Response (1) BY Group (1 2)
 /CRITERIA CILEVEL(95)
 /METHOD WALD AGRESTI_CAFFO NEWCOMBE.

يُخرج SPSS جدولاً منسقاً يحتوي على التقديرات النقطية، الخطأ المعياري، وحدود فترة الثقة المحسوبة وفق الطرق المختارة، مما يتيح مقارنتها وتوثيقها بسهولة.

10.3 التنفيذ باستخدام بايثون (Python) ومكتبات Scipy و Statsmodels

في بيئات علوم البيانات المتقدمة والأبحاث النفسية المحوسبة، توفر لغة بايثون من خلال مكتبة statsmodels ومكتبة scipy أدوات قوية وأتمتة شاملة لحساب فترات الثقة للفرق بين النسبتين.

فيما يلي كود برمجي متكامل وموثق يوضح كيفية حساب فترة الثقة باستخدام دالة confint_proportions_2indep المتقدمة من وحدة statsmodels.stats.proportion:

import numpy as np
from statsmodels.stats.proportion import confint_proportions_2indep
# تعريف البيانات
count1, nobs1 = 84, 120
count2, nobs2 = 55, 100
# حساب فترة الثقة باستخدام نموذج فالد الكلاسيكي
ci_wald = confint_proportions_2indep(count1, nobs1, count2, nobs2, 
 compare='diff', alpha=0.05, 
 method='wald')
# حساب فترة الثقة باستخدام طريقة أغريستي-كافو المعدلة
ci_ac = confint_proportions_2indep(count1, nobs1, count2, nobs2, 
 compare='diff', alpha=0.05, 
 method='agresti-caffo')
print(f"95% CI (Wald): [{ci_wald[0]:.4f}, {ci_wald[1]:.4f}]")
print(f"95% CI (Agresti-Caffo): [{ci_ac[0]:.4f}, {ci_ac[1]:.4f}]")

تتميز هذه الدوال بمرونتها الفائقة في معالجة مصفوفات البيانات الكبيرة وإمكانية دمجها في خطوط المعالجة الآلية (Pipelines) للمسوحات النفسية والتطبيقات الإكلينيكية التفاعلية.

11. تطبيقات منهجية في مجالات علم النفس والعلوم السلوكية

11.1 دراسات الفروق الفردية والجندرية في انتشار الاضطرابات النفسية

تُعد دراسة الفروق بين الجنسين في معدلات انتشار الاضطرابات النفسية من الركائز الأساسية لعلم النفس الوبائي (Psychiatric Epidemiology). عند استقصاء ما إذا كانت معدلات انتشار اضطراب القلق العام (Generalized Anxiety Disorder – GAD) تختلف جوهرياً بين الذكور والإناث في مجتمع طلاب الجامعات، يتم جمع بيانات مسحية من عينة عشوائية ممثلة.

إذا أظهرت النتائج أن نسبة الإصابة بالقلق بين الطالبات بلغت 28% ($n_1 = 500$) بينما بلغت بين الطلاب الذكور 18% ($n_2 = 450$)، فإن حساب فترة الثقة 95% للفرق بين النسبتين ينتج عنه النطاق $[0.045, 0.155]$ (أي فارق يتراوح بين 4.5% و 15.5% لصالح الإناث). يؤكد استبعاد الصفر وجود فارق جندري حقيقي في المجتمع الأصلي، كما يوجه صانعي البرامج الوقائية في الإرشاد الجامعي لتخصيص موارد إضافية لحملات الدعم النفسي الموجهة للطالبات وفق تقدير كمي منضبط لحجم الفارق في المخاطر.

11.2 تقييم برامج التدخل السلوكي والتوعوي في المدارس والمؤسسات

في علم النفس المدرسي والتربوي، تُطبق برامج التدخل السلوكي الإيجابي للحد من السلوكيات العدوانية وظاهرة التنمر. لمقارنة كفاءة برنامج تدخل سلوكي وقائي جديد مطبق في مجموعة من المدارس التجريبية مقارنة بمدارس ضابطة تطبق الإجراءات التقليدية، يُقاس المتغير التابع كنسبة الطلاب المتورطين في حوادث عنف خلال الفصل الدراسي.

إذا بلغت نسبة الحوادث في المدارس المطبقة للبرنامج 8% ($n_1 = 300$) مقابل 16% في المدارس الضابطة ($n_2 = 300$)، فإن فترة الثقة 95% للفرق في نسب الحوادث السلوكية تكون $[-0.131, -0.029]$، أي انخفاضاً مؤكداً في السلوك العدواني يتراوح بين 2.9% و 13.1%. توفر هذه النتائج أدلة كمية مقنعة لمجالس الإدارات التعليمية لدعم تمويل البرامج السلوكية، حيث تثبت بالأرقام الموثوقة العائد السلوكي الإيجابي للاستثمار التربوي.

11.3 البحوث الدوائية والنفسية العصبية المقارنة

في أبحاث علم الأدوية النفسية (Psychopharmacology) والعلوم العصبية، تلعب فترات الثقة للفرق بين النسبتين دوراً محورياً في تقييم ملامح الأمان الدوائي ومقارنة نسب حدوث الآثار الجانبية المزعجة (مثل زيادة الوزن الشديدة، التململ الحركي، أو اضطرابات النوم) بين مضادات الذهان التقليدية والحديثة.

علاوة على ذلك، تُعد هذه الفترات حجر الزاوية في دراسات التحليل البعدي (Meta-Analysis)؛ حيث يقوم الباحثون بتجميع الفروق النسبية وفترات الثقة المقابلة لها عبر عشرات الدراسات المستقلة لتقدير حجم الأثر الموحد والشامل للتدخلات النفسية، مما يسهم في تطوير المبادئ التوجيهية السريرية العالمية بأعلى معايير الدقة العلمية.

12. أفضل الممارسات المنهجية وتوصيات التقرير العلمي والنشر

12.1 معايير التوثيق وفق دليل الجمعية الأمريكية لعلم النفس (APA)

يفرض دليل النشر العلمي الصادر عن جمعية علم النفس الأمريكية (APA Style – الإصدار السابع) قواعد ومعايير صارمة لتوثيق النتائج الإحصائية في المتن والجداول. عند تقرير فترات الثقة للفرق بين النسبتين، يجب الالتزام بالقواعد التحريرية التالية:

• الإبلاغ دائماً عن التقدير النقطي (النسب الملاحظة والفارق بينهما)، متبوعاً بحجم العينة لكل مجموعة، ثم تدوين فترة الثقة بدقة داخل أقواس مربعة.
• استخدام الصيغة القياسية: 95% CI [LL, UL]، مع تحديد مستوى الثقة المعتمد بوضوح.
• توحيد عدد المنازل العشرية (يُفضل منزلتان أو ثلاث منازل عشرية وفق مستوى دقة القياس، مثلاً: $0.15$ أو $15.0%$).
• عدم تكرار كتابة رمز النسبة المئوية داخل القوسين إذا تم التوضيح مسبقاً، وكتابتها بالشكل التالي: 95% CI [0.02, 0.28] أو 95% CI [2.26%, 27.74%].

مثال لصياغة المتن الأكاديمي النموذجي:
“أظهرت النتائج أن نسبة التحسن الإكلينيكي في مجموعة العلاج المعرفي السلوكي بلغت 70.0% ($n_1 = 120$) مقارنة بنسبة 55.0% في مجموعة العلاج الدوائي ($n_2 = 100$)، مسجلة فارقاً إيجابياً قدره 15.0%، وكانت فترة الثقة 95% للفرق بين النسبتين دالة إحصائياً واستبعدت الصفر، 95% CI [2.26%, 27.74%]، مما يدعم فرضية تفوق التدخل السلوكي.”

12.2 تخطيط حجم العينة والقوة الإحصائية للحصول على فترات دقيقة

يُمثل التخطيط المسبق لحجم العينة (Sample Size Determination) خطوة منهجية حاسمة لتفادي إجراء دراسات منخفضة القوة تنتج فترات ثقة شديدة الاتساع وعديمة الفائدة التطبيقية. لحساب حجم العينة المطلوب في كل مجموعة ($n$) لتحقيق هامش خطأ مستهدف محدد سلفاً ($E$) عند مستوى ثقة محدد، تُستخدم الصيغة التقديرية التالية (بافتراض تساوي حجم المجموعتين$n_1 = n_2 = n$):

$$n = \frac{(Z^*)^2 \left[ p_1(1-p_1) + p_2(1-p_2) \right]}{E^2}$$

في حالة غياب أي تقديرات أولية للنسب الحقيقية $p_1$ و $p_2$ من دراسات سابقة، يلجأ الباحثون إلى السيناريو الأكثر تحفظاً وأماناً بافتراض $p_1 = p_2 = 0.50$ (الذي يعطي أقصى تباين ممكن مقداره 0.25 لكل نسبة)، فتختصر المعادلة لمستوى ثقة 95% ($Z^* = 1.96$) إلى:

$$n = \frac{1.96^2 \times (0.25 + 0.25)}{E^2} = \frac{3.8416 \times 0.50}{E^2} = \frac{1.9208}{E^2}$$

فإذا رغب باحث نفسي في ألا يتجاوز هامش الخطأ للفرق بين النسبتين $E = 0.05$ (أي $\pm 5%$) عند مستوى ثقة 95%، فإن حجم العينة المطلوب في كل مجموعة يكون:

$$n = \frac{1.9208}{(0.05)^2} = \frac{1.9208}{0.0025} \approx 769 \text{ مشاركاً في كل مجموعة}$$

يضمن هذا التخطيط الرياضي المسبق امتلاك الدراسة لقوة إحصائية كافية تمكنها من إنتاج فترات ثقة ضيقة ومحددة تدعم القرارات الإكلينيكية والتربوية الحساسة.

12.3 الشفافية العلمية والنزاهة الأكاديمية في نشر النتائج غير الدالة

تُعد الشفافية العلمية ومكافحة تحيز النشر (Publication Bias) من أهم متطلبات النزاهة الأكاديمية في البحث النفسي المعاصر؛ حيث يميل بعض الباحثين إلى حجب الدراسات التي تسفر عن فترات ثقة تشتمل على الصفر ظناً منهم أنها تمثل “فشلاً بحثياً”. تؤكد المنهجية الإحصائية الحديثة أن فترة الثقة غير الدالة (التي تحتوي على الصفر) تقدم معلومة علمية بالغة الأهمية تثبت عدم وجود فارق كبير بين التدخلين المقارنين في ظل حجم العينة المستخدم.

تتضمن أفضل الممارسات الأكاديمية لتعزيز التكرارية والموثوقية ما يلي:

• الإبلاغ الكامل عن فترات الثقة لجميع المتغيرات المفحوصة سواء كانت دالة إحصائياً أو غير دالة.
• التوثيق الدقيق لجميع الافتراضات الإحصائية والشروط المنهجية التي تم فحصها قبل الحساب.
• تحديد الطريقة المتبعة لحساب الفترة بوضوح (سواء كانت فالد الكلاسيكية، أغريستي-كافو، أو البوتستراب).
• مشاركة البيانات الأولية المفتوحة (Open Data) والأكواد البرمجية (Open Code) في المستودعات المعتمدة (مثل Open Science Framework – OSF) لتمكين المجتمع العلمي من إعادة التحقق والتكرار المستقل.

خاتمة

تُمثّل فترة الثقة للفرق بين النسبتين أداة استدلالية رفيعة المستوى لا غنى عنها في ترسانة المنهجية الإحصائية الموجهة للعلوم النفسية، السلوكية، والطبية الحيوية. فمن خلال الانتقال بالتحليل من مجرد التقدير النقطي المحدود إلى رحاب التقدير المفتوح بفترة احتمالية متكاملة، يكتسب الباحثون والممارسون الإكلينيكيون رؤية ثاقبة تجمع بين دقة التقدير، واتجاه التأثير، وحجم الفارق الفعلي بين المجموعات المستقلة.

لقد أظهر الاستعراض النظري والتطبيقي أن كفاءة هذه الأداة تعتمد اعتماداً وثيقاً على الفهم العميق لأسسها الرياضية، والاستيفاء الصارم لشروط المعاينة والاستقلالية والتقريب الطبيعي، مع الاستعانة بالطرائق التصحيحية المتقدمة كنموذج أغريستي-كافو أو أساليب البوتستراب عند التعامل مع العينات الصغيرة أو النسب المتطرفة. إن الالتزام بمعايير التوثيق العلمي الدقيق وتفضيل فترات الثقة على المؤشرات الاحتمالية المنفردة يعزز من شفافية القرارات العلاجية ويرتقي بجودة الممارسة الإكلينيكية القائمة على الأدلة والبراهين التجريبية الرصينة.

References

• Agresti, A. (2013). Categorical Data Analysis (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/0471249688
• Agresti, A., & Caffo, B. (2000). Simple and effective confidence intervals for proportions and differences of proportions result from adding two successes and two failures. The American Statistician, 54(4), 280–288. https://doi.org/10.1080/00031305.2000.10474560
• American Psychological Association. (2020). Publication Manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Altman, D. G., Machin, D., Bryant, T. N., & Gardner, M. J. (Eds.). (2000). Statistics with Confidence: Confidence Intervals and Statistical Guidelines (2nd ed.). BMJ Books.
• Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.
• Cumming, G. (2014). The new statistics: Why and how. Psychological Science, 25(1), 7–29. https://doi.org/10.1177/0956797613504966
• Efron, B., & Tibshirani, R. J. (1994). An Introduction to the Bootstrap. CRC Press. https://doi.org/10.1201/9780429246593
• Newcombe, R. G. (1998). Interval estimation for the difference between independent proportions: Comparison of eleven methods. Statistics in Medicine, 17(8), 873–890. https://doi.org/10.1002/(sici)1097-0258(19980430)17:8<873::aid-sim779>3.0.co;2-i
• Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108