جدول التوافق: التعريف والأمثلة والتفسير

تُعد معالجة البيانات الفئوية وتلخيصها إحدى الركائز الأساسية التي يقوم عليها البحث العلمي الرصين في ميادين العلوم السلوكية والنفسية والاجتماعية. فعندما يتعامل الباحث مع متغيرات نوعية لا تخضع بطبيعتها للقياس الكمي المتصل، مثل تصنيفات التشخيص الإكلينيكي، والأنماط الشخصية، والسمات السلوكية، والاستجابات الاستفتائية متعددة الخيارات، تبرز الحاجة المنهجية إلى أدوات تنظيمية واصفة تكشف عن طبيعة التوزيعات الاحتمالية والارتباطات البينية بدقة متناهية. يمثل جدول التوافق (Contingency Table) الأداة الإحصائية الأكثر رسوخاً وكفاءة في تلبية هذا المطلب التحليلي، حيث يعمل كجسر منهجي ينقل البيانات الوصفية الخام من مجرد تكرارات متفرقة إلى بنية مصفوفية منتظمة قابلة للاستدلال والنمذجة الرياضية المعقدة.

تتجاوز وظيفة جدول التوافق مجرد العرض التلخيصي المجرد؛ إذ يشكل الإطار الهيكلي الأساسي الذي تُبنى عليه طائفة واسعة من الاختبارات اللامعلمية المعيارية، وعلى رأسها اختبار كاي تربيع للاستقلالية ونماذج القياس اللوغاريتمي الخطي واختبارات الدقة الإحصائية. ومن خلال التوزيع المتقاطع للمتغيرات، يستطيع الباحثون السلوكيون استكشاف الفروق الديموغرافية والاجتماعية في توزع الاضطرابات النفسية، وتحديد أثر التدخلات العلاجية التجريبية مقارنة بمجموعات الضبط، وتقييم فرضيات الاستقلالية أو التبعية الاقترانية بين السمات الإنسانية والأنماط المعرفية بموثوقية إحصائية رفيعة.

يقدم هذا المقال الموسوعي دليلاً شاملاً وتفصيلياً لدراسة جدول التوافق من منظور إحصائي وسيكومتري متقدم؛ حيث يستعرض بالتفصيل أصوله النظرية، وبنيته الرياضية والمصفوفية، وأنواعه المتعددة، وطرق حساب التكرارات الملاحظة والمتوقعة والنسب المشروطة، مروراً بالاختبارات الاستدلالية ومقاييس حجم الأثر وتحليل البواقي المعيارية، وصولاً إلى التطبيقات البرمجية عبر الحزم الإحصائية المتقدمة وأساليب التوثيق المعتمدة وفق الدليل الإرشادي السابع الصادر عن جمعية علم النفس الأمريكية (APA 7th Edition).

1. مقدمة عامة وماهية جدول التوافق في البحث النفسي

1.1 المفهوم الإحصائي والتعريف الدقيق لجدول التوافق

يُعرَّف جدول التوافق الإحصائي بأنه مصفوفة رياضية ثنائية أو متعددة الأبعاد تُستخدم لتمثيل التوزيع التكراري المشترك لمتغيرين فئويين أو أكثر في آن واحد. يرتكز هذا الجدول على مبدأ تصنيف كل وحدة مشاهدة تجريبية داخل خلية تقاطع وحيدة وفريدة تعكس اشتراك فئتين محددتين من المتغيرات المدروسة، مما يسمح للباحث برؤية النمط التوزيعي التزامني للمفحوصين بوضوح تام.

في إطار القياس السلوكي، يتعامل الباحثون مع مستويين رئيسيين من المتغيرات الفئوية: المتغيرات الاسمية (Nominal Variables) التي تفتقر فئاتها إلى أي ترتيب تفاضلي طبيعي (مثل: النوع الاجتماعي، أو نمط التعلق العاطفي: آمن، قلق، تجنبي)، والمتغيرات الرتبية (Ordinal Variables) التي تمتلك فئاتها تدرجاً منطقياً تصاعدياً أو تنازلياً مع عدم تساوي المسافات بين الرتب (مثل: شدة أعراض الاكتئاب: طفيف، متوسط، حاد). يمتلك جدول التوافق القدرة الفريدة على استيعاب كلا المستويين بدقة متناهية، مما يجعله نموذجاً مصفوفياً مرناً للغاية.

تتجلى الوظيفة الجوهرية لجدول التوافق في تكثيف كميات هائلة من البيانات النفسية المعقدة المجمعة من العينات الكبيرة، وتحويلها إلى مصفوفة رقمية متماسكة لا تخل بالخصائص التوزيعية للمتغيرات الأصلية، بل تبرز العلاقات الاحتمالية والنزعات الاقترانية الكامنة بين السمات والأنماط الخاضعة للقياس والتشخيص.

1.2 التسميات المرادفة وسياقات استخدامها

تتعدد المصطلحات الإحصائية المستخدمة للإشارة إلى جدول التوافق تبعاً للسياق التطبيقي والمنهجي في العلوم الاجتماعية والإنسانية؛ ويُعد مصطلح الجدولة المتقاطعة (Cross-Tabulation أو باختصار Crosstab) التسمية الأكثر شيوعاً في الدراسات المسحية والبحوث النفسية الميدانية، حيث يشير إجرائياً إلى عملية تقاطع استجابات أفراد العينة على متغير محدد مع استجاباتهم على متغير آخر للكشف عن الترابط البيني.

يُطلق على هذا الجدول أيضاً في الأدبيات الرياضية والنظرية اسم الجداول ثنائية الاتجاه (Two-Way Tables) عندما يقتصر التحليل على متغيرين اثنين، حيث يُنظم أحدهما في صفوف أفقية والآخر في أعمدة عمودية لتشكيل شبكة إحداثيات مصفوفية واضحة المعالم تسمح بتطبيق مبادئ الجبر الخطي ونظرية الاحتمالات في تفكيك العلاقات الرياضية بين عناصرها.

من الناحية المنهجية، يبرز اختلاف جوهري بين جداول التوزيع التكراري البسيط (Simple Frequency Tables) وجداول التوافق؛ فالأولى تركز على وصف متغير أحادي البعد برصد عدد مرات تكرار كل فئة من فئاته ونسبتها المئوية من المجموع الكلي، في حين تركز جداول التوافق على النمذجة المشتركة وتكشف عن التفاعلات المعقدة والاحتمالات الشرطية الناشئة عن تلاقي متغيرين مستقلين أو مرتبطين في فضاء التحليل الإحصائي.

1.3 الأهمية المنهجية لجدول التوافق في العلوم السلوكية

تحتل جداول التوافق مكانة مركزية في العلوم السلوكية لكونها الأداة الأساسية للكشف عن العلاقات والارتباطات الاقترانية بين المتغيرات النفسية والسمات الشخصية؛ فمن خلالها يستطيع الباحث الإكلينيكي التحقق مما إذا كان نمط معين من استراتيجيات التنظيم الانفعالي يرتبط إحصائياً بظهور اضطراب القلق العام، مستنداً إلى البيانات المشاهدة في الميدان السريري.

تسهم هذه الجداول إسهاماً بارزاً في دراسة الفروق الديموغرافية والاجتماعية وتأثيرها في التوزيع الوبائي للاضطرابات النفسية الشائعة؛ إذ تتيح مقارنة نسب انتشار الاكتئاب أو الرهاب الاجتماعي عبر فئات النوع الاجتماعي، والطبقات الاجتماعية والاقتصادية، والمستويات التعليمية المختلفة، مما يثري الفهم السيكولوجي لتداخل العوامل البيئية مع الصحة النفسية.

علاوة على ذلك، توفر جداول التوافق الأساس البياني الصلب والمعطيات الرقمية المباشرة لتنفيذ العديد من الاختبارات الاستدلالية اللامعلمية مثل اختبارات الاستقلالية والتجانس ونماذج التحليل اللوغاريتمي، مما يمكن الباحث من التحقق من صحة الفرضيات العلمية وقبولها أو رفضها بناءً على معايير احتمالية موضوعية ودقيقة.

2. البنية الهيكلية والمكونات الرياضية لجدول التوافق

2.1 تصنيف المتغيرات في الصفوف والأعمدة

يقوم البناء الهيكلي المعياري لجدول التوافق على مبادئ تنظيمية صارمة متفق عليها في منهجية البحث العلمي؛ حيث تقتضي الأعراف الأكاديمية تمثيل المتغير المستقل (Independent Variable) أو المتغير المتنبئ (Predictor) في صفوف الجدول الأفقية (Rows)، مما يجعل كل صف يعبر عن فئة مميزة أو مستوى محدد من مستويات هذا المتغير الإجرائي.

في المقابل، يُخصص المحور الرأسي المتمثل في الأعمدة (Columns) لتمثيل المتغير التابع (Dependent Variable) أو متغير النتيجة والاستجابة (Outcome Variable)، حيث تُمثل كل خانة عمودية فئة من فئات الاستجابة التي يقيسها الباحث لدى أفراد العينة تحت تأثير مستويات المتغير المستقل.

يشترط في بناء هذه الفئات الالتزام بالقاعدتين الإحصائيتين الجوهريتين: الحصرية المتبادلة (Mutually Exclusive)، والتي تعني استحالة انتماء المفحوص الواحد لأكثر من فئة واحدة في نفس المتغير في ذات الوقت، والشمولية التامة (Exhaustive)، والتي تفرض وجود فئة مناسبة تستوعب كل فرد من أفراد العينة دون استثناء، لضمان التمثيل العادل والشامل لبيانات الدراسة.

2.2 التكرارات المشتركة وخلايا التقاطع

تُمثل خلية التقاطع (Cell) الوحدة البنائية الصغرى والأساسية داخل جدول التوافق؛ وهي المساحة الهندسية الناتجة عن التقاء صف معين بعمود محدد. تحتوي كل خلية على قيمة عددية صحيحة تعبر عن التكرار المشترك الفعلي (Observed Joint Frequency)، وهو عدد الحالات أو الأفراد الذين يشتركون في الاتصاف بصفة الصف وصفة العمود معاً.

في السياق السيكومتري والعيادي، يُعبر التقاطع عن توافق سلوكي أو إكلينيكي محدد؛ كأن تمثل الخلية عدد الإناث اللاتي تم تشخيصهن باضطراب الهلع، أو عدد الأفراد الخاضعين لأسلوب تنشئة تسلطي والذين يُظهرون درجات مرتفعة من العدوانية، مما يمنح الرقم دلالة تشخيصية وسلوكية واضحة ومباشرة.

لتسهيل التعامل الرياضي والبرمجي مع هذه التكرارات، يُعتمد نظام ترقيم مصفوفي قياسي يُشار فيه إلى الخلية بالرمز الرياضي (n_{ij}) أو (O_{ij})، حيث يشير الحرف (i) إلى رقم الصف المعني (من 1 إلى (R))، بينما يشير الحرف (j) إلى رقم العمود المقابل (من 1 إلى (C))، مما يتيح تطبيق العمليات الجبرية ومصفوفات الاحتمالات بدقة بالغة.

2.3 المجاميع الهامشية والتكرار الكلي للعينة

تكتمل بنية جدول التوافق بوجود المجاميع الهامشية (Marginal Totals)، وهي التكرارات الإجمالية المحسوبة عند نهايات الصفوف والأعمدة؛ حيث يمثل مجموع الصف (R_i) إجمالي عدد المشاهدات التي تنتمي إلى الفئة (i) من المتغير المستقل بغض النظر عن توزيعها عبر فئات المتغير التابع، ويُحسب بجمع خلايا ذلك الصف أفقياً:

$$R_i = \sum_{j=1}^{C} n_{ij}$$

بالمثل، يمثل مجموع العمود (C_j) إجمالي عدد المشاهدات التي حققت الاستجابة (j) في المتغير التابع بغض النظر عن تصنيفها في المتغير المستقل، ويُحسب بجمع قيم الخلايا عمودياً وفق المعادلة:

$$C_j = \sum_{i=1}^{R} n_{ij}$$

يقع التكرار الإجمالي للعينة (Grand Total – (N)) في الزاوية السفلية من الجدول، وهو الرقم الكلي للأفراد المشاركين في الدراسة، ويخضع لقاعدة اتساق صارمة؛ إذ يجب أن يتساوى مجموع المجاميع الهامشية لجميع الصفوف تماماً مع مجموع المجاميع الهامشية لجميع الأعمدة، ومع المجموع التراكمي لجميع خلايا التقاطع الداخلية، ويُصاغ رياضياً كما يلي:

$$N = \sum_{i=1}^{R} R_i = \sum_{j=1}^{C} C_j = \sum_{i=1}^{R} \sum_{j=1}^{C} n_{ij}$$

3. تصنيفات وأبعاد جداول التوافق الإحصائية

3.1 جدول التوافق البسيط 2×2 (Fourfold Table)

يُعد جدول التوافق ذو البعد (2 times 2)، والمسمى أحياناً بالجدول الرباعي (Fourfold Table)، أبسط الأشكال الرياضية لجداول التوافق وأكثرها استخداماً في الدراسات التجريبية والوبائية النفسية؛ ويتألف بنيوياً من صفين وعمودين ينتج عنهما أربع خلايا تقاطع أساسية تدرس العلاقة بين متغيرين ثنائيي التفريع (Dichotomous Variables).

تتعدد التطبيقات العيادية لهذا النمط من الجداول؛ ومن أبرزها دراسة الاقتران بين التعرض لعامل خطر نفسي معين (مثل: التعرض لصدمة الطفولة: نعم / لا) والإصابة باضطراب ما بعد الصدمة (مصاب / سليم)، أو تقييم نتائج التجارب العلاجية المحكومة بالمقارنة بين نوعين من التدخل (علاج معرفي / علاج وهمي) ومآل الحالة (تحسن / عدم تحسن).

تتميز جداول (2 times 2) بارتباطها بدرجة حرية إحصائية واحدة ((df = 1))؛ حيث يُحسب عدد درجات الحرية عبر طرح واحد من عدد الصفوف وضربه في ناتج طرح واحد من عدد الأعمدة، مما يعني أنه في حال معرفة المجاميع الهامشية للجدول، فإن تحديد قيمة خلية واحدة فقط يكفي رياضياً لتحديد قيم الخلايا الثلاث المتبقية حتمياً.

3.2 الجداول متعددة الأبعاد (R × C Tables)

عندما تتسع دائرة المتغيرات البحثية لتشمل خصائص متعددة الفئات، يتم اللجوء إلى الجداول ذات الأبعاد المتعددة والتي يُرمز لها رياضياً بالرمز (R times C)، حيث يمثل (R) عدد الصفوف (التي يزيد عددها عن اثنين) ويمثل (C) عدد الأعمدة (التي يزيد عددها عن اثنين أيضاً)، مما يولد مصفوفة تقاطعية واسعة تستوعب التباينات المعقدة في الظاهرة النفسية.

يبرز تطبيق هذه الجداول الموسعة في دراسات الشخصية والفروق الفردية؛ كأن يقوم الباحث بفحص العلاقة بين الأنماط المزاجية الأربعة (دموي، بلغمي، سوداوي، صفراوي) وخمسة مستويات متدرجة من التكيف الجامعي (ممتاز، جيد جداً، جيد، مقبول، ضعيف)، مما ينتج جدولاً بأبعاد (4 times 5) يضم عشرين خلية تقاطع متباينة تكشف عن تدرجات العلاقة السلوكية.

يتم حساب درجات الحرية في الجداول متعددة الفئات وفق القاعدة الجبرية العامة:

$$df = (R – 1) \times (C – 1)$$

ففي جدول أبعاده (4 times 5)، تبلغ درجات الحرية ((4 – 1) times (5 – 1) = 3 times 4 = 12) درجة حرية؛ وتحدد هذه الدرجات شكل منحنى توزيع كاي تربيع النظري الذي ستُقارن به النتائج التجريبية لاحقاً لتحديد الدلالة الإحصائية.

3.3 الجداول التوافقية الثلاثية والطبقية (Three-Way Tables)

في العديد من التصاميم البحثية المتقدمة في علم النفس الاجتماعي والعيادي، لا تقتصر الظاهرة على متغيرين فقط، بل يتدخل متغير ثالث قد يكون متغيراً ضابطاً (Control Variable)، أو وسيطاً (Mediator)، أو معدلاً (Moderator). في هذه الحالة، يتم إنشاء الجداول التوافقية الثلاثية أو ما يُعرف بالتحليل الطبقي (Stratified Analysis)، حيث يُقسم الجدول الكلي إلى عدة جداول فرعية ثنائية تسمى “الطبقات” (Strata)، تُمثل كل طبقة منها مستوى محدداً من المتغير الثالث.

تتمثل الفائدة المنهجية الكبرى للتحليل الطبقي في القدرة على عزل والتحكم في أثر المتغيرات المشوشة (Confounding Variables) التي قد تخلق ارتباطاً زائفاً أو تخفي علاقة حقيقية قائمة بين المتغيرين الأساسيين؛ فعلى سبيل المثال، عند دراسة العلاقة بين أسلوب التعامل مع الضغوط ونوعية النوم، قد يُنشئ الباحث جداول توافق طبقية تفصل بين فئات الأعمار المختلفة (شباب، منتصف العمر، مسنون) للتأكد من أن العمر لا يشوش على طبيعة الارتباط الملاحظ.

يمهد التحليل الطبقي لتطبيق اختبارات إحصائية رفيعة المستوى مثل اختبار كوكران-مانتل-هينزل (Cochran-Mantel-Haenszel Test) لتقييم تجانس العلاقات عبر الطبقات وفحص التأثير المشترك، وهو ما يشكل مدخلاً مباشراً لنماذج التحليل اللوغاريتمي الخطي والانحدار اللوجستي الفئوي المتقدم.

4. أنواع التكرارات والنسب المئوية المحسوبة داخل الجدول

4.1 التكرارات الملاحظة (Observed Frequencies)

تُمثل التكرارات الملاحظة، والتي يُرمز لها بالرمز (O) أو (f_o)، القيم الرقمية الفعلية والتجريبية التي تم جمعها ورصدها مباشرة من أفراد عينة الدراسة أثناء تطبيق أدوات القياس النفسي أو المقابلات التشخيصية الميدانية. تُعبر هذه القيم عن الواقع الظاهري للبيانات دون إخضاعها لأي افتراضات رياضية أو تعديلات استدلالية مسبقة.

تتوزع التكرارات الملاحظة داخل خلايا الجدول (O_{ij}) لتعكس عدد المفحوصين الفعليين الذين يحملون الخصائص المشتركة للصف (i) والعمود (j)؛ وتعتبر هذه الأرقام اللبنة الأساسية لجميع الحسابات الإحصائية اللاحقة، حيث إن أي خطأ في رصدها أو إدخالها ينعكس مباشرة على صحة الاستنتاجات العلمية ومصداقية نتائج البحث.

تتميز التكرارات الملاحظة بكونها أعداداً صحيحة موجبة دائماً تنتمي إلى مجموعة الأعداد الطبيعية، فلا يمكن منطقياً أن يحتوي تكرار خلية ملاحظة على كسور عشرية أو قيم سالبة، حيث يمثل كل رقم كائناً بشرياً حقيقياً تم تصنيفه وفق المعايير الإجرائية المعتمدة في أداة البحث.

4.2 التكرارات المتوقعة (Expected Frequencies)

على النقيض من التكرارات الملاحظة، تمثل التكرارات المتوقعة، ويُرمز لها بالرمز (E) أو (f_e)، قيماً نظرية رياضية تُحسب تحت افتراض صحة فرضية العدم (Null Hypothesis – (H_0))، والتي تفترض الاستقلالية التامة وعدم وجود أي اقتران أو ارتباط حقيقي بين المتغير المدرج في الصفوف والمتغير المدرج في الأعمدة.

تستند الفلسفة الاحتمالية للتكرار المتوقع إلى مبدأ ضرب الاحتمالات المستقلة؛ فإذا كان الانتماء للصف (i) مستقلاً عن الانتماء للعمود (j)، فإن احتمال وقوع الحدثين معاً يساوي حاصل ضرب احتمال الحدث الأول في احتمال الحدث الثاني. ويُترجم ذلك إجرائياً عبر المعادلة الحسابية الصارمة لحساب التكرار المتوقع لكل خلية:

$$E_{ij} = \frac{R_i \times C_j}{N}$$

حيث يمثل (R_i) المجموع الهامشي للصف المعني، و(C_j) المجموع الهامشي للعمود المقابل، و(N) الحجم الكلي للعينة. تجدر الإشارة إلى أن التكرارات المتوقعة تظهر غالباً في صورة كسور عشرية وليست أرقاماً صحيحة، وتُعد مقارنتها المباشرة بالتكرارات الملاحظة الجوهر الحسابي لقياس قوة التباعد عن فرضية الاستقلالية.

4.3 النسب المئوية الهامشية والمشروطة والإجمالية

لا يكتمل التفسير السيكولوجي لجدول التوافق بالاعتماد على الأعداد المطلقة وحدها، بل يستوجب تحويل التكرارات إلى نسب مئوية متعددة الأبعاد تكشف عن الهيكل الداخلي للبيانات. يبرز في هذا الإطار ثلاثة أنماط رئيسية من النسب المئوية:

• النسب المئوية داخل الصفوف (Row Percentages): تُحسب بقسمة تكرار كل خلية على المجموع الهامشي لصفها وضرب الناتج في 100 (left(frac{n_{ij}}{R_i} times 100right)). تعكس هذه النسب الاحتمالات الشرطية لتوزيع المتغير التابع عند ثبات مستوى محدد من المتغير المستقل، وهي الأكثر استخداماً للمقارنة بين المجموعات التجريبية.
• النسب المئوية داخل الأعمدة (Column Percentages): تُحسب بقسمة تكرار الخلية على المجموع الهامشي لعمودها وضرب الناتج في 100 (left(frac{n_{ij}}{C_j} times 100right)). تفيد هذه النسب في تقييم البنية الديموغرافية أو التوزيعية لكل فئة من فئات الاستجابة التابعة بشكل منفصل.
• النسب المئوية من الإجمالي الكلي (Total Percentages): تُحسب بقسمة تكرار كل خلية على الحجم الكلي للعينة (N) وضرب الناتج في 100 (left(frac{n_{ij}}{N} times 100right)). تكشف هذه النسب عن الوزن النسبي الحقيقي لكل خلية تقاطع مشتركة ضمن المجتمع الإحصائي الممثل بالعينة الكاملة.

5. أمثلة تطبيقية واقعية في البحوث النفسية والعيادية

5.1 دراسة العلاقة بين الجنس ونوع الاضطراب النفسي

لتوضيح البناء الإجرائي لجدول التوافق، نفترض دراسة إكلينيكية مسحية أُجريت على عينة قوامها (N = 200) مريض نفسي من المترددين على مراكز الرعاية النفسية، بهدف فحص وجود اقتران بين نوع الجنس (ذكور / إناث) والتشخيص الإكلينيكي الأساسي (اضطراب الهلع / اضطراب الاكتئاب الجسيم). رُصدت التكرارات الملاحظة فكانت كما هو موضح بالجدول التالي:

الجنس (المستقل)	اضطراب الهلع	اضطراب الاكتئاب الجسيم	المجموع الهامشي للصف ((R_i))
الذكور	30	50	80
الإناث	70	50	120
المجموع الهامشي للعمود ((C_j))	100	100	(N = 200)

عند قراءة النسب المشروطة للصفوف، نجد أن نسبة الإصابة باضطراب الهلع بين الذكور بلغت (frac{30}{80} times 100 = 37.5%)، بينما قفزت هذه النسبة بين الإناث لتصل إلى (frac{70}{120} times 100 = 58.33%). في المقابل، بلغت نسبة الاكتئاب بين الذكور (62.5%) مقارنة بـ (41.67%) لدى الإناث، مما يعطي مؤشراً أولياً واضحاً على وجود نزعة اقترانية تفاضلية تبرز تزايد تشخيص الهلع لدى الإناث وتزايد تشخيص الاكتئاب لدى الذكور في هذه العينة السريرية المحددة.

5.2 تقييم فاعلية التدخل العلاجي المعرفي السلوكي

في سياق البحوث التجريبية العيادية، صمم باحث تجربة لتقييم فاعلية العلاج المعرفي السلوكي (CBT) في علاج الأرق المزمن بمقارنته بمجموعة قائمة انتظار (Waitlist Control) على عينة مكونة من 100 مريض ((N = 100))، تم توزيعهم بالتساوي (50 في كل مجموعة). قيست النتيجة بعد 8 أسابيع وفق مؤشرين: (تحسن سريري معنوي / عدم تحسن).

أظهرت البيانات الملاحظة أن 40 مريضاً من مجموعة التدخل (CBT) حققوا تحسناً مقابل 10 مرضى لم يتحسنوا، بينما في مجموعة قائمة الانتظار حقق 15 مريضاً فقط تحسناً تلقائياً مقابل 35 مريضاً لم يطرأ عليهم أي تحسن. بتطبيق معادلة التكرار المتوقع على خلية (CBT (times) تحسن):

$$E_{11} = \frac{R_1 \times C_1}{N} = \frac{50 \times (40 + 15)}{100} = \frac{50 \times 55}{100} = 27.5$$

عند مقارنة التكرار الملاحظ الفعلي ((O_{11} = 40)) بالتكرار المتوقع رياضياً تحت فرضية العدم ((E_{11} = 27.5))، يتبين بوضوح وجود فائض إيجابي كبير لصالح التعافي الملاحظ لدى متلقي العلاج المعرفي السلوكي يتجاوز كثيراً ما يمكن أن يحدث بالصدفة المجردة، مما يؤكد الفاعلية العلاجية للتدخل السلوكي.

5.3 فحص الارتباط بين أسلوب التنشئة الوالدية وسلوك التنمر المدرسي

في دراسة سيكولوجية تربوية موسعة، أراد فريق بحثي فحص طبيعة العلاقة بين أسلوب التنشئة الوالدية السائد (تسلطي، ديمقراطي، متساهل) ومستوى الانخراط في سلوك التنمر المدرسي (منخفض، متوسط، مرتفع) لدى المراهقين عبر جدول توافق بأبعاد (3 times 3) على عينة من (N = 300) طالب وطالبة.

أظهر التوزيع التكراري تركزاً كثيفاً وغير متكافئ في الخلايا القطرية للجدول؛ حيث تركز الأبناء الخاضعون للأسلوب الديمقراطي في خلية التنمر “المنخفض” بتكرار ملاحظ فاق تكرارهم المتوقع بنسبة كبيرة، بينما تركز الأبناء المنتمون للأسر ذات الأسلوب التسلطي في خلية التنمر “المرتفع” بأعداد فاقت التوقعات الرياضية المستقلة بدرجة ملحوظة، في حين تشتتت حالات الأسلوب المتساهل نحو مستوى التنمر “المتوسط”.

يوضح التحليل البنيوي لهذا الجدول متعدد الخلايا أن أنماط التنشئة الأسرية لا تتوزع عشوائياً فيما يتصل بالسلوك العدواني للمراهقين، بل تتبع نسقاً بنائياً منتظماً يربط الديمقراطية الأسرية بخفض السلوك التنمري والتسلط الوالدي بزيادة حدته، مما يمنح الأخصائيين النفسيين دليلاً تشخيصياً موجهاً لبناء برامج الإرشاد الوالدي الوقائية.

6. الاختبارات الاستدلالية المرتبطة بجداول التوافق

6.1 اختبار كاي تربيع للاستقلالية (Chi-Square Test of Independence)

يُعد اختبار كاي تربيع للاستقلالية (Pearson’s Chi-Square Test) الأداة الاستدلالية المعيارية الأكثر انتشاراً لاختبار الفرضيات الإحصائية المتعلقة بجداول التوافق؛ حيث يهدف الاختبار إلى التحقق مما إذا كانت الفروق المشاهدة بين التكرارات الملاحظة ((O)) والتكرارات المتوقعة ((E)) فروقاً حقيقية ذات دلالة إحصائية تعكس ارتباطاً بنيوياً بين المتغيرين، أم أنها مجرد تباينات عشوائية طارئة ناتجة عن أخطاء المعاينة (Sampling Variations).

يقوم الأساس الرياضي للاختبار على حساب المجموع التراكمي لمربعات الفروق بين التكرار الملاحظ والمتوقع لكل خلية، مقسوماً على التكرار المتوقع لتلك الخلية لتوحيد المقاييس الوزنية، وتُصاغ المعادلة الرياضية الشهيرة على النحو التالي:

$$\chi^2 = \sum_{i=1}^{R} \sum_{j=1}^{C} \frac{(O_{ij} – E_{ij})^2}{E_{ij}}$$

ينطلق الاختبار من صياغة فرضيتين متنافستين: الفرضية الصفرية ((H_0)) التي تنص على أن المتغيرين مستقلان تماماً في المجتمع الأصلي ولا توجد أي علاقة اقترانية بينهما، والفرضية البديلة ((H_1)) التي تقرر وجود علاقة اقتران أو تبعية دالة إحصائياً بين المتغيرين. يتم اتخاذ القرار الإحصائي بمقارنة قيمة (chi^2) المحسوبة بالقيمة الجدولية الحرجة عند مستوى دلالة محدد (غالباً (alpha = 0.05) أو (alpha = 0.01)) ودرجات حرية (df = (R-1)(C-1))، أو من خلال فحص القيمة الاحتمالية (p-value)، حيث تُرفض الفرضية الصفرية إذا كانت القيمة الاحتمالية أقل من مستوى الدلالة المعتمد.

6.2 شروط وافتراضات تطبيق اختبار كاي تربيع

لكي تكون الاستدلالات المستخلصة من اختبار كاي تربيع صحيحة وسليمة منهجياً، يجب أن تستوفي البيانات الفئوية مجموعة من الشروط والافتراضات الأساسية التي صاغتها الأدبيات الإحصائية المعيارية:

• استقلالية الملاحظات (Independence of Observations): يُشترط أن تكون المشاهدات مستقلة تماماً، بحيث لا يظهر الفرد الواحد أو الاستجابة الواحدة إلا في خلية تقاطع وحيدة فقط من خلايا الجدول. لا يصح استخدام هذا الاختبار في تصاميم القياسات القبلية والبعدية لنفس المجموعة.
• العشوائية في المعاينة: يجب أن تكون العينة قد سُحبت بأسلوب احتمالي عشوائي يضمن تمثيل المجتمع المستهدف دون تحيز اختياري مسبق.
• قاعدة كوكران لحجم التكرارات المتوقعة (Cochran’s Rule): تشترط هذه القاعدة الصارمة ألا يقل التكرار المتوقع ((E)) عن 5 في أكثر من (20%) من إجمالي خلايا الجدول. وفي جداول (2 times 2)، يجب ألا يقل التكرار المتوقع في أي من الخلايا الأربع عن 5 على الإطلاق.
• انعدام التكرارات المتوقعة الصفرية: يجب ألا تحتوي أي خلية على الإطلاق على تكرار متوقع يقل عن 1 ((E_{ij} ge 1))؛ لأن وجود الصفر في المقام يجعل المعادلة الرياضية غير معرفة حسابياً.

6.3 اختبار فيشر الدقيق (Fisher’s Exact Test)

عندما يتعامل الباحث السريري مع عينات نفسية نادرة الحجم (مثل دراسة الحالات العيادية شديدة الندرة، أو التدخلات الجراحية النفسية المحدودة)، تفشل افتراضات كاي تربيع بسبب انخفاض التكرارات المتوقعة في الخلايا عن الحدود الآمنة؛ وفي هذه الحالة يبرز اختبار فيشر الدقيق كبديل استدلالي مثالي لا يعتمد على التقريب التقاربي المنحني، بل يحسب الاحتمال الفعلي المباشر لظهور بنية الجدول المشاهدة.

يعتمد اختبار فيشر رياضياً على التوزيع فوق الهندسي (Hypergeometric Distribution)، حيث يفترض ثبات المجاميع الهامشية لصفوف وأعمدة جدول (2 times 2)، ويحسب الاحتمال الدقيق ((P)) لتكرارات الخلايا الأربع ((a, b, c, d)) وفق صيغة المضروب الرياضي (Factorials):

$$P = \frac{(a + b)! , (c + d)! , (a + c)! , (b + d)!}{a! , b! , c! , d! , N!}$$

يتميز هذا الاختبار بإعطاء قيمة احتمالية قطعية دقيقة لا تتأثر بصغر حجم العينة، مما يجعله المعيار الذهبي في الأبحاث الطبية النفسية المتخصصة وتجارب الحالات الإكلينيكية الفردية متعددة المقارنة المحدودة الحجم.

6.4 تصحيح ييتس للاستمرارية (Yates’ Correction for Continuity)

ينشأ خطأ تقريبي منهجي عند استخدام اختبار كاي تربيع في جداول (2 times 2) ذات درجات الحرية الأحادية ((df = 1))؛ والسبب في ذلك يعود إلى أن التوزيع التكراري للبيانات الفئوية هو توزيع احتمالي منفصل (Discrete)، في حين أن توزيع كاي تربيع النظري المعتمد لتقييم الدلالة هو توزيع رياضي متصل (Continuous). اقترح الإحصائي فرانك ييتس (Frank Yates) تعديلاً حسابياً يُعرف بـ تصحيح ييتس للاستمرارية لتقليص هذه الفجوة الرياضية.

يتمثل هذا التصحيح في طرح القيمة الثابتة (0.5) من الفرق المطلق بين كل تكرار ملاحظ وتكراره المتوقع قبل إجراء عملية التربيع، مما يقلل من قيمة كاي تربيع الناتجة؛ وتأخذ المعادلة المعدلة الصيغة التالية:

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

أثار تطبيق تصحيح ييتس جدلاً أكاديمياً واسعاً في الأوساط السيكومترية الحديثة؛ إذ يرى العديد من علماء الإحصاء أن هذا التصحيح يتسم بـ النزعة المحافظة المفرطة (Over-conservatism)، حيث يؤدي خفض قيمة كاي تربيع المحسوبة بصورة مبالغ فيها إلى تقليل القوة الإحصائية للاختبار (Statistical Power) وزيادة احتمالية الوقوع في الخطأ من النوع الثاني (Type II Error)، أي الفشل في رفض فرضية العدم الخاطئة وتفويت اكتشاف فروق نفسية حقيقية قائمة بالفعل في الميدان.

7. مقاييس حجم الأثر وقوة الارتباط في جداول التوافق

7.1 معامل فاي (Phi Coefficient) للجداول الثنائية 2×2

لا تكفي الدلالة الإحصائية المحسوبة عبر اختبار كاي تربيع للبرهنة على الأهمية العلمية والعملية للنتائج؛ إذ تتأثر قيمة (chi^2) بشدة بحجم العينة ((N)). ولذلك، لابد من حساب مقاييس حجم الأثر (Effect Size) التي تعكس القوة المطلقة للعلاقة الاقترانية بمعزل عن تضخم حجم العينة. يُعد معامل فاي ((phi)) المقياس المعياري المعتمد لجداول التوافق الثنائية ذات البعد (2 times 2).

يُحسب معامل فاي بجذر حاصل قسمة قيمة كاي تربيع المحسوبة على الحجم الكلي للعينة، وفق الصيغة الرياضية المباشرة:

$$\phi = \sqrt{\frac{\chi^2}{N}}$$

يتطابق معامل فاي رياضياً ومفاهيمياً مع معامل ارتباط بيرسون للرتب المحسوب لمتغيرين ثنائيي التفريع حقيقيين؛ وتتراوح قيمته المطلقة بين (0) (انعدام تام للاقتران) و (1.0) (اقتران تام بين المتغيرين). وتخضع قيمته لتفسيرات معايير جيكوب كوهين (Cohen’s Benchmarks) المعتمدة في العلوم السلوكية؛ حيث تُعد القيمة (0.10) أثراً صغيراً، والقيمة (0.30) أثراً متوسطاً، بينما تعبر القيمة (0.50) فما فوق عن حجم أثر كبير ذي دلالة إكلينيكية وتطبيقية بالغة.

7.2 معامل كرامر V (Cramer’s V) للجداول الكبيرة

عندما تتسع مصفوفة جدول التوافق لتتجاوز البعد الثنائي لتصبح (R times C) (كأن تكون (3 times 3) أو (4 times 5))، يفقد معامل فاي معياريته الرياضية وقد يتجاوز القيمة الصحيحة (1.0). ولتجاوز هذه العقبة المنهجية، طور الإحصائي هارالد كرامر مقياساً معدلاً يُعرف باسم معامل كرامر V ((V) أو (phi_c))، والذي يضبط حجم الأثر استناداً إلى أصغر بُعد من أبعاد الجدول المصفوفي.

تُصاغ معادلة كرامر الرياضية على النحو التالي:

$$V = \sqrt{\frac{\chi^2}{N \times \min(R – 1, C – 1)}}$$

حيث يشير الرمز (min(R – 1, C – 1)) إلى القيمة الصغرى بين ناتج طرح واحد من عدد الصفوف وناتج طرح واحد من عدد الأعمدة. يضمن هذا التعديل بقاء قيمة المعامل محصورة دائماً في المدى القياسي بين (0) و (1).

يتطلب تفسير معامل كرامر V مراعاة درجات الحرية المعدلة المرتبطة بالبعد الأصغر ((k = min(R, C)))؛ ففي الجداول الكبيرة، تصبح العتبات المعيارية لحجم الأثر أصغر مقارنة بجداول (2 times 2)، مما يستوجب على الباحث مراجعة الجداول المرجعية المتخصصة عند كتابة استنتاجاته السيكومترية حول قوة الارتباط بين المتغيرات الفئوية متعددة الفئات.

7.3 نسبة الأرجحية (Odds Ratio) والمخاطر النسبية (Relative Risk)

تُعد نسبة الأرجحية (Odds Ratio – (OR)) إحدى أهم الأدوات الإحصائية المستخدمة لتقييم المخاطر وتحديد قوة الاقتران في الأبحاث الطبية النفسية والوبائية ذات الجداول الثنائية (2 times 2). تُعرف “الأرجحية” رياضياً بأنها نسبة احتمال وقوع الحدث إلى احتمال عدم وقوعه (left(frac{p}{1-p}right))، وبالتالي فإن نسبة الأرجحية هي حاصل قسمة أرجحية وقوع الحدث في المجموعة التجريبية على أرجحية وقوعه في المجموعة المرجعية.

في جدول توافق يحمل التكرارات المشاهدة (a, b, c, d)، تُحسب نسبة الأرجحية عبر صيغة النسبة المتقاطعة (Cross-Product Ratio):

$$OR = \frac{a \times d}{b \times c}$$

تُفسر قيمة (OR) المستخلصة وفق المعايير الإكلينيكية التالية:

• إذا كانت (OR = 1): يدل ذلك على انعدام الاقتران، أي أن احتمالية النتيجة متماثلة تماماً في كلا المجموعتين.
• إذا كانت (OR > 1): يشير ذلك إلى أن التعرض للمتغير المستقل يزيد من أرجحية حدوث النتيجة (عامل خطر إيجابي). فعلى سبيل المثال، إذا كانت (OR = 2.5)، فهذا يعني أن أرجحية الإصابة بالاكتئاب تتضاعف بمقدار مرتين ونصف لدى الأفراد المعرضين للضغوط المهنية المزمنة مقارنة بغير المعرضين.
• إذا كانت (OR < 1): يدل ذلك على أن المتغير المستقل يعمل كعامل حماية (Protective Factor) يقلل من أرجحية النتيجة المستهدفة.

يجب التمييز المنهجي الدقيق بين نسبة الأرجحية والمخاطر النسبية (Relative Risk – (RR))؛ حيث تقتصر المخاطر النسبية على الدراسات التتبعية المستقبلية (Prospective Cohort Studies) وتُحسب بنسبة الوقوع المباشر، في حين تُعد نسبة الأرجحية المقياس الإلزامي والوحيد القابل للحساب في دراسات الحالات والشواهد الاسترجاعية (Case-Control Studies).

8. تحليل البواقي المعيارية وتفسير خلايا الجدول الفردية

8.1 مفهوم البواقي الأولية والمعيارية (Standardized Residuals)

عندما يسفر اختبار كاي تربيع للاستقلالية عن رفض الفرضية الصفرية وإثبات وجود علاقة اقتران دالة إحصائياً في الجداول الكبيرة ((R times C))، يواجه الباحث تحدياً منهجياً؛ إذ لا يحدد الاختبار الكلي موقع أو مصدر هذا الاقتران بدقة، ولا يوضح أي الخلايا المحددة كانت المسؤولة عن هذا التباين الإجمالي. هنا تبرز الأهمية التشخيصية لـ تحليل البواقي (Residual Analysis).

يُعرف الباقي الأولي البسيط (Raw Residual) بأنه الفارق الحسابي المباشر بين التكرار الملاحظ والتكرار المتوقع في الخلية ((O_{ij} – E_{ij})). ولأن هذه الفروق تتأثر بالأحجام المطلقة للأرقام في الخلايا، يتم تحويلها إلى بواقي معيارية (Standardized Residuals – (R_{text{std}})) بقسمة الفرق على الجذر التربيعي للتكرار المتوقع، كما في المعادلة التالية:

$$R_{\text{std}} = \frac{O_{ij} – E_{ij}}{\sqrt{E_{ij}}}$$

تعامل البواقي المعيارية معاملة الدرجات المعيارية ((Z)-scores)، حيث يكشف حجم الباقي المعياري لكل خلية عن مدى مساهمتها الفردية النسبية في تشكيل القيمة الكلية لاختبار كاي تربيع، مما يمكن الباحث من تتبع مواضع التباين بصورة منتظمة.

8.2 البواقي المعيارية المعدلة (Adjusted Standardized Residuals)

على الرغم من فائدة البواقي المعيارية، إلا أنها تعاني من قصور رياضي طفيف؛ إذ إن تباينها المحسوب لا يساوي واحداً صحيحاً تماماً بسبب قيود المجاميع الهامشية الثابتة في مصفوفة الجدول. لتصحيح ذلك بدقة متناهية، طور الإحصائي شيلبي هابرمان (Shelby Haberman) ما يُعرف بـ البواقي المعيارية المعدلة (Adjusted Standardized Residuals – (z_{ij}))، والتي تقسم الفرق بين الملاحظ والمتوقع على الخطأ المعياري التقديري الفعلي للخلية، وفق الصيغة الرياضية التالية:

$$z_{ij} = \frac{O_{ij} – E_{ij}}{\sqrt{E_{ij} \left(1 – \frac{R_i}{N}\right) \left(1 – \frac{C_j}{N}\right)}}$$

تتبع هذه البواقي المعدلة توزيعاً طبيعياً معيارياً حقيقياً بمتوسط حسابي قدره صفر وانحراف معياري قدره واحد صحيح ((N(0, 1))). وتُقارن قيمتها مباشرة بالعتبات الحرجة للتوزيع الطبيعي المعياري؛ حيث تُعتبر أي خلية تتجاوز قيمتها المطلقة (|z_{ij}| > 1.96) خلية ذات مساهمة دالة إحصائياً عند مستوى دلالة (alpha = 0.05)، بينما تدل القيمة التي تتجاوز (|z_{ij}| > 2.58) على دلالة إحصائية فائقة عند مستوى (alpha = 0.01).

8.3 التفسير السيكولوجي للدلالات الإحصائية للبواقي

يفتح تحليل البواقي المعدلة آفاقاً تحليلية عميقة للفهم النفسي والسلوكي لتفاعلات خلايا الجدول؛ فوجود قيمة باقٍ معدل ذات إشارة موجبة ودالة إحصائياً ((z_{ij} > +1.96)) يعني أن التكرار الملاحظ للأفراد في هذه الخلية أعلى بكثير مما كان متوقعاً بمحض الصدفة العشوائية، مما يفسر سيكولوجياً كدليل على وجود نزعة اقتران أو تفضيل نفسي وسلوكي نشط يربط بين هاتين الصفتين المشتركتين.

في المقابل، يشير وجود باقٍ معدل ذي إشارة سالبة ودالة إحصائياً ((z_{ij} < -1.96)) إلى أن التكرار الملاحظ الفعلي يقل جوهرياً عن التوقعات الرياضية المستقلة، وهو ما يُفسر في السياق الإكلينيكي كدليل على وجود تباعد سلوكي أو تجنب دفاعي متبادل بين الصفتين المعنيتين.

من خلال فحص نمط الإشارات والمستويات المعيارية للبواقي عبر مصفوفة جدول التوافق بالكامل، يستطيع الأخصائي النفسي بناء نموذج تفسيري متكامل يسند النظريات السيكولوجية التفسيرية للظاهرة السلوكية بالأدلة الرقمية الدقيقة على مستوى كل فئة فرعية مدروسة.

9. التطبيق الإجرائي لإنشاء وتحليل جداول التوافق برمجياً

9.1 التطبيق العملي عبر حزمة SPSS الإحصائية

تُعد الحزمة الإحصائية للعلوم الاجتماعية IBM SPSS Statistics من أكثر البرمجيات استخداماً في معالجة وتحليل جداول التوافق في الأوساط الأكاديمية والعيادية. لتنفيذ التحليل الإجرائي المعياري، يتبع الباحث المسار البرمجي المباشر التالي عبر القوائم الرئيسية:

Analyze > Descriptive Statistics > Crosstabs...

تفتح هذه النافذة الإجرائية واجهة إعداد الجدول المتقاطع، حيث يتم نقل المتغير المستقل إلى مربع الصفوف (Rows)، ونقل المتغير التابع إلى مربع الأعمدة (Columns). ولضبط خيارات التحليل المتقدمة، يُضغط على زر Cells ويتم تحديد التكرارات الملاحظة (Observed) والتكرارات المتوقعة (Expected)، والنسب المئوية للصفوف (Row) والأعمدة (Column) والإجمالي (Total)، بالإضافة إلى تفعيل خيار البواقي المعيارية المعدلة (Adjusted Standardized Residuals).

بعد ذلك، يتم الدخول إلى نافذة Statistics الفرعية لتفعيل الاختبارات الاستدلالية ومقاييس حجم الأثر؛ حيث يتم التأشير على اختبار كاي تربيع (Chi-square)، ومعامل فاي وكرامر (Phi and Cramer’s V)، ومعامل التوافق (Contingency coefficient)، ومقياس المخاطر (Risk) في حال كانت الجداول ثنائية الأبعاد، ثم الضغط على زر Continue والتنفيذ بالنقر على OK لإنشاء المخرجات الكاملة.

9.2 التحليل البرمجي المتقدم باستخدام لغة R

توفر بيئة لغة R الإحصائية إمكانات برمجية مرنة لتحليل ونمذجة جداول التوافق والتمثيل البصري للبيانات الفئوية المعقدة. يتم بناء جدول التوافق البسيط من مصفوفة البيانات الأولية باستخدام الدالة الأساسية table() أو صيغة النمذجة الإحصائية عبر دالة xtabs() كالتالي:

contingency_tab <- xtabs(~ gender + diagnosis, data = clinical_data)

لتنفيذ اختبار كاي تربيع للاستقلالية واستخراج قيم التكرارات المتوقعة والبواقي المعيارية، تُستخدم الدالة المعيارية chisq.test() وتُخزن مخرجاتها في كائن برمجي مستقل يتيح الوصول لجميع المركبات الرياضية:

chi_results <- chisq.test(contingency_tab, correct = FALSE)
chi_results$expected
chi_results$stdres

ولحساب مقاييس حجم الأثر المتقدمة، توفر حزمة vcd المتخصصة دالة assocstats() التي تستخرج معاملات كرامر وفاي ونسب الأرجحية في تقرير موحد، بينما تتيح دالة mosaicplot() أو حزمة ggmosaic رسم مخططات الموزاييك البيانية التفاعلية التي تمثل مساحات الخلايا وقيم البواقي بصرياً بألوان تعكس اتجاه الدلالة الإحصائية.

9.3 قراءة المخرجات وتفسير الجداول المنتجة

تتطلب القراءة المنهجية السليمة لمخرجات البرمجيات الإحصائية اتباع تسلسل تقييمي دقيق يضمن سلامة النتائج وموثوقيتها؛ حيث يبدأ الباحث أولاً بفحص جدول معالجة الحالات (Case Processing Summary) للتحقق من عدم وجود قيم مفقودة (Missing Values) تؤثر سلباً على الحجم الفعلي للعينة وممثليتها.

ينتقل الباحث بعد ذلك إلى فحص جدول التقاطع الرئيسي (Crosstabulation) لمراجعة التوزيعات التكرارية والنسب المئوية المشروطة، والتأكد من انطباق القواعد التوزيعية المنطقية. تلي ذلك الخطوة الأكثر أهمية، والمتمثلة في قراءة الملاحظة التحذيرية المدرجة أسفل جدول اختبارات كاي تربيع (Chi-Square Tests Footnote)، والتي توضح النسبة المئوية للخلايا التي يقل تكرارها المتوقع عن 5، والتأكد التام من أنها لا تتجاوز العتبة المعيارية المسموح بها ((20%)).

أخيراً، يتم استخراج قيمة كاي تربيع لبيرسون وقراءة درجة الحرية المرتبطة بها والدلالة الإحصائية التقاربية ثنائية الطرف (Asymptotic Significance 2-sided)؛ فإذا كانت القيمة أقل من (0.05)، يتجه الباحث مباشرة لفحص جدول المقاييس المتناظرة (Symmetric Measures) لقراءة قيمة معامل كرامر V وتحديد حجم الأثر وقوة الاقتران بدقة وموضوعية.

10. الأخطاء المنهجية والمحاذير الإحصائية في معالجة جداول التوافق

10.1 الخلط بين الاقتران الإحصائي والسببية النفسية

من أكثر المزالق المنهجية شيوعاً في البحوث النفسية والسلوكية التي توظف جداول التوافق هو التسرع في تفسير العلاقة الاقترانية الدالة إحصائياً بين المتغيرات على أنها علاقة علية سببية مباشرة (Causation). يجب التأكيد القاطع على أن جدول التوافق واختبار كاي تربيع يكشفان فقط عن وجود تزامن تكراري أو اقتران احتمالي بين صفتين، ولا يقدمان أي دليل إحصائي كافٍ لإثبات أن أحد المتغيرين هو المسبب المباشر للآخر.

يتطلب إثبات السببية تصميماً تجريبياً صارماً يتضمن التحكم في المتغيرات الدخيلة، والتحقق من الترتيب الزمني للأحداث (بحيث يسبق السبب النتيجة زمنياً)، وعزل كافة التفسيرات البديلة المنافسة؛ فالعلاقة الدالة بين نمط التنشئة الوالدية وسلوك التنمر لا تعني بالضرورة أن التنشئة هي السبب الأوحد، إذ قد تلعب العوامل الجينية والمزاجية للطفل دوراً متبادلاً في تشكيل استجابات الوالدين وسلوكه الخاص معاً.

ينبغي على الباحثين تجنب صياغة استنتاجات جازمة في مناقشة النتائج تستخدم مصطلحات قطعية مثل “أدى إلى” أو “سبّب”، والاستعاضة عنها بمصطلحات منهجية رصينة وموضوعية تصف الواقع الإحصائي بدقة، مثل “يرتبط اقترانياً”، أو “يترافق إحصائياً”، أو “يزيد من أرجحية الاحتمال التوزيعي”.

10.2 مفارقة سيمبسون (Simpson’s Paradox) وتأثير المتغيرات الخفية

تُعد مفارقة سيمبسون (Simpson’s Paradox) إحدى الظواهر الإحصائية الأكثر إرباكاً في تحليل البيانات الفئوية؛ وتحدث عندما يُظهر جدول التوافق الإجمالي اتجاهاً أو ارتباطاً معيناً بين متغيرين، ولكنه ينعكس تماماً أو يختفي كلياً عند تقسيم البيانات وتفكيكها إلى جداول فرعية طبقية وفقاً لمتغير ثالث مشوش (Lurking/Confounding Variable).

في السياق السيكولوجي، قد يظهر جدول التوافق الإجمالي العام أن طريقة علاجية جديدة (أ) تتفوق على الطريقة التقليدية (ب) في خفض حدة القلق؛ ولكن عند تقسيم العينة إلى طبقات وفقاً لشدة الاضطراب الأولية (حالات طفيفة / حالات شديدة)، يتكشف للمفارقة أن الطريقة التقليدية (ب) كانت في الواقع أكثر فاعلية في كلا المستويين المنفصلين، وأن التفوق الظاهري العام للطريقة (أ) كان مجرد وهم إحصائي ناتج عن تركز الحالات الطفيفة سهلة التحسن في مجموعتها بصورة غير متكافئة.

لتفادي الوقوع في التفسيرات المضللة الناتجة عن هذه المفارقة، يجب على الباحث التخطيط المسبق لتحديد كافة المتغيرات الديموغرافية والسريرية الوسيطة المؤثرة، واستخدام أساليب التحليل الطبقي واختبارات التجانس المتقدمة قبل دمج البيانات في جدول توافق كلي موحد.

10.3 مشكلة الخلايا الصفرية وحجم العينة المفرط

تواجه معالجة جداول التوافق تحديين متعاكسين يرتبطان بحجم العينة وبنية الخلايا الداخلية؛ التحدي الأول هو مشكلة الخلايا الفارغة أو الصفرية (Zero Cells)، والتي تنقسم إلى خلايا صفرية أخذية (Sampling Zeros) ناجمة عن صغر حجم العينة، أو خلايا صفرية بنيوية (Structural Zeros) مستحيلة الحدوث منطقياً (مثل رصد تكرار لرجال خضعوا لفحص سرطان عنق الرحم). يؤدي وجود الصفر إلى تعذر حساب نسبة الأرجحية أو تضخيمها إلى ما لا نهاية؛ ويُعالج ذلك إحصائياً باستخدام تصحيح هالدين-أنسكومب (Haldane-Anscombe Correction) بإضافة القيمة (0.5) إلى جميع خلايا الجدول لتحقيق الاستقرار الحسابي.

التحدي الثاني المعاكس يتمثل في مشكلة الحجم المفرط للعينة (Overpowered Sample Size)؛ فعندما تتجاوز العينة آلاف المفحوصين، يصبح اختبار كاي تربيع مفرط الحساسية لدرجة تجعله يظهر دلالة إحصائية فائقة ((p < .001)) لفروق تافهة وبسيطة جداً لا تمتلك أي قيمة سيكولوجية أو عيادية واقعية في الميدان.

يفرض هذا التحدي على الباحثين في عصر البيانات الضخمة عدم الاكتفاء بالدلالة الإحصائية الناتجة عن اختبار كاي تربيع كمعيار وحيد لجودة النتيجة، بل التركيز المباشر والمطلق على تقييم حجم الأثر وفترات الثقة (Confidence Intervals) كمؤشر حاسم للحكم على الأهمية العلمية والواقعية للنتائج.

11. كتابة وتوثيق نتائج جدول التوافق وفق معايير APA (الإصدار السابع)

11.1 قواعد تصميم الجداول وفق نمط APA 7th Edition

تفرض جمعية علم النفس الأمريكية في دليلها المعياري السابع (APA Publication Manual 7th Edition) ضوابط بصرية وهندسية دقيقة لتصميم وعرض جداول التوافق الإحصائية في الأبحاث والرسائل العلمية؛ ويأتي في مقدمة هذه الضوابط الاستغناء التام والنهائي عن استخدام كافة الخطوط العمودية الداخلية والخارجية، والاعتماد الحصري على عدد محدود من الخطوط الأفقية الأنيقة للفصل بين أجزاء الجدول الأساسية.

يجب ترقيم الجدول بوضوح بأرقام عربية متسلسلة بخط عريض (مثال: Table 1)، يليه في السطر التالي مباشرة عنوان وصفي مائل وموجز يوضح المتغيرات المقاسة بدقة (مثال: Contingency Table of Clinical Diagnosis Across Gender Categories). ويحتوي الجدول على ثلاثة خطوط أفقية رئيسية: خط أعلى ترويسة الأعمدة، وخط أسفل الترويسة، وخط ختامي في قاع الجدول يفصل البيانات عن الملاحظات السفلية.

تُدرج أسفل الجدول الملاحظات التوضيحية المنظمة، والتي تنقسم إلى ثلاثة أقسام متسلسلة عند الحاجة: الملاحظات العامة (General Notes – Note.) لشرح الاختصارات ورموز الخلايا، والملاحظات الخاصة (Specific Notes) لبيان تفاصيل مرتبطة بعمود أو صف معين، وملاحظات مستويات الدلالة الإحصائية الاحتمالية (Probability Notes) باستخدام النجوم القياسية (مثل: (^{*}p < .05)، (^{**}p < .01)).

11.2 الصياغة النصية لتقرير نتائج كاي تربيع وحجم الأثر

يتطلب توثيق النتائج الاستدلالية لجداول التوافق في متن التقرير البحثي صياغة إحصائية نموذجية موحدة تجمع بين الدقة الرياضية والوضوح السردي، وتتضمن توثيق رمز الاختبار، ودرجات الحرية، وحجم العينة الفعلي الإجمالي، والقيمة المحسوبة للاختبار، والقيمة الاحتمالية الدقيقة، ومقياس حجم الأثر المرافق وفق الصيغة المعيارية التالية:

$$\chi^2(df, N = dots) = dots, p = dots, V = dots$$

يجب أن يتكامل هذا التوثيق الرقمي مع تقرير سردي يوضح بوضوح التوزيعات التكرارية والنسب المئوية المشروطة في المجموعات المختلفة، ويفسر اتجاه العلاقة وقوتها بأسلوب منهجي وموضوعي دون مبالغة، مع الإشارة الصريحة للنتائج المستخلصة من تحليل البواقي المعيارية لتحديد الخلايا المسؤولة عن الارتباط عند التعامل مع الجداول الكبيرة.

11.3 نموذج تطبيقي متكامل لكتابة النتائج في بحث نفسي

نقدم فيما يلي نموذجاً كتابياً وتوثيقياً متكاملاً يعرض كيفية كتابة فقرة النتائج الخاصة بجدول توافق في بحث سيكولوجي منشور وفق معايير APA 7th Edition:

Table 2
Cross-Tabulation of Coping Strategies and Burnout Severity Levels

استراتيجية التكيف	احتراق منخفض (n) (%)	احتراق متوسط (n) (%)	احتراق مرتفع (n) (%)	المجموع الإجمالي (n) (%)
التركيز على المشكلة	45 (60.0%)	20 (26.7%)	10 (13.3%)	75 (100.0%)
التركيز على الانفعال	15 (20.0%)	35 (46.7%)	25 (33.3%)	75 (100.0%)
التجنب والهروب	10 (13.3%)	20 (26.7%)	45 (60.0%)	75 (100.0%)
المجموع الكلي	70 (31.1%)	75 (33.3%)	80 (35.6%)	225 (100.0%)

Note. (N = 225). Percentages within parentheses represent row percentages calculated across burnout severity categories.
(^{***}p < .001).

التقرير السردي المصاحب للجدول:
“أُجري اختبار كاي تربيع للاستقلالية لفحص العلاقة الاقترانية بين نمط استراتيجيات التكيف المتبعة ومستوى شدة الاحتراق النفسي لدى الأخصائيين النفسيين (انظر جدول 2). كشفت النتائج عن وجود علاقة اقتران دالة إحصائياً وذات حجم أثر كبير بين استراتيجية التكيف ومستوى الاحتراق النفسي، (chi^2(4, N = 225) = 63.45, p < .001, V = .38). وأظهر تحليل النسب المشروطة والبواقي المعيارية المعدلة أن الأخصائيين المعتمدين على استراتيجية التركيز على المشكلة أظهروا معدلات احتراق منخفضة أعلى من المتوقع بالصدفة ((60.0%), (z = 4.82))، في حين ارتبطت استراتيجية التجنب والهروب بارتفاع دال في نسب الاحتراق النفسي المرتفع ((60.0%), (z = 5.11))، مما يدعم فرضية البحث حول الدور الوقائي لأساليب التكيف المواجهة."

12. التحليلات المتقدمة المكملة لجداول التوافق

12.1 التحليل الخطي اللوغاريتمي (Log-Linear Analysis)

عندما تتجاوز أسئلة البحث السلوكي حدود المتغيرين الاثنين لتشمل فحص التفاعلات المعقدة بين ثلاثة متغيرات فئوية أو أكثر في مصفوفات توافق متعددة الأبعاد ((R times C times K))، يقف اختبار كاي تربيع التقليدي عاجزاً عن تفكيك هذه الشبكة التفاعلية. في هذا السياق، يمثل التحليل الخطي اللوغاريتمي (Log-Linear Modeling) الإطار الإحصائي المتقدم والموازي لتحليل التباين متعدد العوامل (ANOVA) ولكن للبيانات الفئوية والتكرارية.

يقوم التحليل اللوغاريتمي الخطي على تحويل التكرارات المتوقعة في خلايا الجدول المتعدد إلى لوغاريتماتها الطبيعية ((ln E))، مما يتيح صياغة نموذج خطي جمعي يفكك اللوغاريتم إلى تأثيرات رئيسية للمتغيرات المنفردة، وتأثيرات تفاعلية ثنائية وثلاثية متبادلة، وفق الصيغة الرياضية التالية لجدول ثلاثي الأبعاد:

$$\ln(E_{ijk}) = \mu + \lambda_i^A + \lambda_j^B + \lambda_k^C + \lambda_{ij}^{AB} + \lambda_{ik}^{AC} + \lambda_{jk}^{BC} + \lambda_{ijk}^{ABC}$$

يستخدم الباحث اختبارات حسن المطابقة (Goodness-of-Fit Tests) مثل نسبة الإمكانية لمربعات كاي ((G^2) Likelihood Ratio Chi-Square) لمقارنة النماذج المتنافسة واختيار النموذج الهرمي الأكثر إيجازاً وتفسيراً للبنية التفاعلية للبيانات النفسية المدروسة.

12.2 تحليل التطابق البسيط والمتعدد (Correspondence Analysis)

يُمثل تحليل التطابق (Correspondence Analysis – CA) أداة قياس سيكومترية وتحليلية متعددة المتغيرات فائقة الكفاءة تُستخدم لتحويل جداول التوافق الكبيرة والمعقدة إلى تمثيلات هندسية بصرية منخفضة الأبعاد؛ وهو بمثابة المعادل الإحصائي لتحليل المكونات الأساسية (PCA) ولكن للمتغيرات الفئوية والاسمية.

يعتمد هذا التحليل رياضياً على تفكيك القيمة المفردة (Singular Value Decomposition – SVD) لمصفوفة التكرارات النسبية والبواقي، حيث يتم حساب “عطالة المصفوفة” (Total Inertia) وإسقاط فئات الصفوف والأعمدة كنقاط إحداثية متمايزة في فضاء ثنائي أو ثلاثي الأبعاد (Biplot). يسمح هذا التمثيل البصري للأخصائيين النفسيين باكتشاف التجمعات والأنماط المخفية بسرعة وبساطة؛ حيث تدل المسافات الإقليدية القصيرة بين نقاط الصفوف ونقاط الأعمدة على وجود تقارب وتطابق سلوكي وثيق بين تلك الفئات في المجتمع الأصلي.

يمتد التحليل ليشمل تحليل التطابق المتعدد (Multiple Correspondence Analysis – MCA) عند الرغبة في تمثيل العلاقات الترابطية لعدد كبير من الأسئلة والبنود الاستفتائية الفئوية في الاستبيانات السيكومترية، مما يوفر رؤية شمولية لبنية الاتجاهات والسمات الشخصية.

12.3 اختبار ماكنمار (McNemar Test) للبيانات الفئوية المرتبطة

تتعامل جميع التطبيقات السابقة لجداول التوافق مع عينات وملاحظات مستقلة تماماً؛ ولكن في العديد من التصاميم التجريبية والعيادية النفسية، يطبق الباحث تصميم القياسات المتكررة (Repeated Measures) لقياس نفس المتغير الثنائي (مثل: وجود أعراض الاكتئاب: نعم / لا) لدى نفس العينة قبل وبعد الخضوع لبرنامج تدخلي إرشادي، مما يولد جدول توافق ثنائي (2 times 2) مترابط غير مستقل.

يُمثل اختبار ماكنمار (McNemar’s Test) الأداة اللامعلمية الصارمة لمعالجة هذا النوع من الجداول المترابطة؛ حيث يتجاهل الاختبار كلياً الخلايا القطرية المتطابقة ((a) و (d)) التي تعبر عن ثبات الحالة وعدم تغيرها، ويركز حصرياً على الخلايا غير المتطابقة (Discordant Pairs: (b) و (c)) التي تعكس حدوث تحول نوعي في الحالة النفسية للمفحوصين بعد التدخل.

تُصاغ معادلة ماكنمار لحساب كاي تربيع للتغير الهامشي مع تطبيق تصحيح الاستمرارية على النحو التالي:

$$\chi^2_{\text{McNemar}} = \frac{(|b – c| – 1)^2}{b + c}$$

يتبع هذا الاختبار توزيع كاي تربيع بدرجة حرية واحدة ((df = 1))؛ ويسمح للأخصائي النفسي بالتحقق مما إذا كان التحول السلوكي الإيجابي الملاحظ لدى الحالات المعالجة يفوق دلالياً التحول التلقائي السلبي المحتمل، مما يوفر أداة تقييم موضوعية لفاعلية البرامج العلاجية في دراسات القياس القبلي والبعدي المتطابق.

خلاصة واستنتاجات منهجية

يتبين من خلال هذا العرض المعمق أن جدول التوافق يمثل حجر الزاوية المنهجي والتحليلي لمعالجة وتفسير البيانات الفئوية في مختلف حقول العلوم النفسية والسلوكية والاجتماعية. فمن كونه مصفوفة تنظيمية واصفة للتكرارات المشتركة، يرتقي جدول التوافق ليصبح نموذجاً بيانياً واستدلالياً متكاملاً تتفرع منه طائفة واسعة من الاختبارات الاستدلالية ومقاييس حجم الأثر، ونماذج تحليل البواقي المعيارية التي تتيح فحص التفاعلات الإنسانية والعيادية بأعلى مستويات الدقة والموثوقية الإحصائية.

إن الاستخدام الرشيد لجداول التوافق يستوجب من الباحث السيكولوجي استيعاباً عميقاً لشروط وافتراضات الاختبارات الاستدلالية المرافقة كاختبار كاي تربيع واختبار فيشر الدقيق، وتجنب الخلط المنهجي الشائع بين الاقتران والسببية، وتوظيف مقاييس حجم الأثر ونسب الأرجحية لتقييم الأهمية العملية للنتائج بجانب دلالتها الإحصائية، فضلاً عن الالتزام بالمعايير العالمية الصارمة في توثيق وعرض الجداول الإحصائية وفق دليل APA 7th Edition، لضمان رفعة البحث العلمي وإثراء المعرفة الإنسانية السلوكية ببيانات رصينة وقابلة للتكرار والتعميم.

المراجع الأكاديمية والمصادر

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Agresti, A. (2013). Categorical data analysis (3rd ed.). John Wiley & Sons. https://www.wiley.com
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Cramer, H. (1946). Mathematical methods of statistics. Princeton University Press.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications. https://www.sagepub.com
• 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
• Haberman, S. J. (1973). The analysis of residuals in cross-classified tables. Biometrics, 29(1), 205–220. https://doi.org/10.2307/2529686
• McHugh, M. L. (2013). The chi-square test of independence. Biochemia Medica, 23(2), 143–149. https://doi.org/10.11613/BM.2013.018
• 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