تعريف الإحصاء الوصفي وأمثلة عليه

يُعد علم الإحصاء الركيزة المنهجية الصلبة والعمود الفقري الذي تستند إليه سائر العلوم التجريبية والسلوكية والاجتماعية والطبية في العصر الراهن. وفي خضم الانفجار المعلوماتي وتدفق البيانات الهائلة الناتجة عن أدوات القياس النفسي، والاستبانات السلوكية، والاختبارات المقننة، يبرز الإحصاء الوصفي (Descriptive Statistics) كأولى الخطوات الجوهرية وأكثرها حساسية في مسار البحث العلمي؛ إذ يمثل الجسر المعرفي الذي ينقل الباحث والمحلل من فوضى الأرقام والبيانات الخام المبعثرة إلى فضاء المعنى والوضوح والتنظيم النسقي المفهوم.

إن التعامل مع مجموعات البيانات الكبيرة والمتشابكة في ميدان علم النفس والعلوم التربوية يتطلب أدوات تحليلية بالغة الدقة تستهدف تلخيص الظواهر وتوصيفها دون الإخلال بخصائصها الجوهرية أو تشويه بنيتها المعرفية. ومن هنا، لا يقتصر دور الإحصاء الوصفي على مجرد إجراء عمليات حسابية روتينية، بل يمتد ليكون لغة علمية معيارية تتيح للباحثين تفكيك السمات الإنسانية المعقدة، مثل: الذكاء، والقلق، ودافعية الإنجاز، والمهارات المعرفية، وتحويلها إلى مؤشرات قابلة للمقارنة والتحليل الموضوعي الرصين.

يهدف هذا المرجع الشامل إلى تقديم معالجة أكاديمية معمقة وتفصيلية لمفهوم الإحصاء الوصفي وأسسه النظرية ومقاييسه المختلفة، بدءاً من مقاييس النزعة المركزية والتشتت، مروراً بمقاييس الوضع النسبي وشكل التوزيع، ووصولاً إلى أساليب التبويب الجدولي، والتمثيل البياني، ومعاملات الارتباط الوصفية. كما يغطي المقال تطبيقات عملية ونماذج واقعية مستمدة من العلوم السلوكية والإكلينيكية، مع استعراض الفروق الجوهرية بينه وبين الإحصاء الاستدلالي، ومناقشة أبرز التحديات والمغالطات الشائعة التي قد يقع فيها الممارسون والباحثون في الميدان.

1. مفهوم الإحصاء الوصفي والأسس النظرية العامة

1.1 التعريف الأكاديمي والاصطلاحي للإحصاء الوصفي

يُعرَّف الإحصاء الوصفي في الأدبيات المنهجية الرصينة بأنه فرع من فروع علم الإحصاء يُعنى بجمع البيانات الرقمية والنوعية، وتصنيفها، وترتيبها، وتلخيصها، وعرضها في صيغ رقمية أو جداول تكرارية أو أشكال بيانية توضيحية، بطريقة تُبرز الخصائص الأساسية لمجموعة البيانات المدروسة وتجعلها قابلة للاستيعاب والتفسير المنطقي. ويهدف هذا الفرع إلى تقديم صورة متكاملة وموجزة عن الظاهرة محل البحث دون محاولة القفز إلى استنتاجات تتجاوز حدود البيانات المتاحة بين يدي الباحث في اللحظة الراهنة.

يتجلى التمييز المنهجي الأساسي في الإحصاء الوصفي بين دراسة المجتمع الإحصائي الشامل (Population) ودراسة العينة الممثلة (Sample)؛ فعندما تُطبَّق المؤشرات الوصفية على المجتمع بأكمله، فإن القيم الناتجة تُسمى معالم (Parameters)، بينما تُسمى القيم المشتقة من العينات إحصاءات (Statistics). وفي كلتا الحالتين، ينصب اهتمام الإحصاء الوصفي على وصف تلك المجموعة المحددة بدقة متناهية، وتحويل الأرقام الخام المشتتة لآلاف المفحوصين إلى مؤشرات ذات دلالة إنسانية ومعرفية، مثل تحديد متوسط مستوى القلق لدى عينة ما، أو قياس مدى تباين درجات الطلاب في اختبار تحصيلي مقنن.

ومن الأهمية بمكان التأكيد على الحدود المنهجية الصارمة للإحصاء الوصفي؛ فهو لا يهدف إلى اختبار الفرضيات الصفرية، أو التنبؤ بمسارات مستقبلية، أو تعميم النتائج من العينة إلى المجتمع الإسع ومناقشة احتمالات الخطأ، بل يقف دوره عند حدود التوصيف الدقيق لما تم جمعه وقياسه بالفعل عبر أدوات القياس الميدانية.

1.2 التطور التاريخي للإحصاء الوصفي في العلوم السلوكية

تعود الجذور الأولى لأساليب الإحصاء الوصفي إلى الحضارات القديمة التي استخدمت التعدادات السكانية وحصر الموارد الزراعية والاقتصادية، إلا أن تبلوره كعلم منهجي دقيق بدأ مع تطور العلوم الاجتماعية والديموغرافية في القرنين السابع عشر والثامن عشر من خلال ما كان يُعرف بـ “الحساب السياسي”. ومع مطلع القرن التاسع عشر، شهد الإحصاء الوصفي قفزة نوعية بفضل أعمال علماء الرياضيات والقياس الذين سعوا لتطبيق القوانين الرياضية على السلوك الإنساني والظواهر البيولوجية والاجتماعية.

وقد لعب رواد القياس النفسي الأوائل، وفي مقدمتهم السير فرانسيس غالتون (Francis Galton)، دوراً محورياً في توظيف الإحصاء الوصفي لدراسة الفروق الفردية ووراثة القدرات العقلية؛ حيث ابتكر غالتون مفاهيم الرتب المئينية ومخططات التوزيع التكراري واستكشف فكرة التراجع نحو المتوسط. تلاه تلميذه الرياضي الفذ كارل بيرسون (Karl Pearson)، الذي وضع الأسس الرياضية لمعاملات الارتباط الوصفية وحساب الانحراف المعياري، مما وفر أدوات كمية دقيقة لم تكن متاحة من قبل لوصف الظواهر النفسية المعقدة.

ومع انفجار حركة القياس النفسي وظهور اختبارات الذكاء الفردية والجماعية المقننة، مثل اختبارات ألفرد بينيه وروبرت يركيز، أصبح الإحصاء الوصفي الأداة التي لا غنى عنها لبناء المعايير النفسية وتحديد الدرجات المعيارية للقدرات والسمات الشخصية. وفي العصر الحديث، أحدث التحول الرقمي وظهور الحزم البرمجية المتخصصة مثل SPSS و R و Python نقلة نوعية في سرعة ودقة استخراج المعالم الوصفية المعقدة للبيانات الضخمة وفائقة التعدد في الأبعاد.

1.3 أنواع المتغيرات ومستويات القياس الإحصائي

يمثل استيعاب مستويات القياس الإحصائي، التي صاغها عالم النفس القياسي ستانلي سميث ستيفنز (Stanley Smith Stevens) عام 1946، حجر الزاوية لاختيار المؤشرات الإحصائية الوصفية المناسبة. وقسم ستيفنز مستويات القياس إلى أربعة مستويات هرمية متصاعدة في الدقة الرياضية، وهي: الاسمي، والترتيبي، والفئوي، والنسبي.

• المستوى الاسمي (Nominal Level): أدنى مستويات القياس، ويُستخدم لتصنيف المفردات إلى فئات متمايزة كيفياً وغير متداخلة دون وجود أي مفاضلة أو ترتيب كمي بينها، مثل: النوع الاجتماعي (ذكر/أنثى)، والتشخيص الإكلينيكي (قلق، اكتئاب، وسواس)، والحالة الاجتماعية. وتُوصف هذه البيانات حصرياً باستخدام التكرارات البسيطة، والنسب المئوية، والمنوال كمقياس للنزعة المركزية.
• المستوى الترتيبي (Ordinal Level): يتيح تصنيف البيانات وترتيبها تصاعدياً أو تنازلياً وفق امتلاكها قدراً أكبر أو أقل من السمة المقاسة، ولكن دون افتراض تساوي المسافات بين الرتب، مثل: مقاييس ليكرت الخماسية (موافق بشدة إلى معارض بشدة)، والمستويات التعليمية، والترتيب الأكاديمي. وتُوصف البيانات الترتيبية بالوسيط، والمدى الربيعي، والرتب المئينية.
• المستوى الفئوي (Interval Level): يتميز بوجود مسافات وفواصل متساوية ومعيارية بين الدرجات المتتالية، ولكنه يفتقر إلى وجود نقطة الصفر المطلق أو الحقيقي، فالصفر هنا اعتباطي أو نسبي لا يعني انعدام السمة كلياً، ومثاله: درجات اختبارات الذكاء (IQ)، ودرجات الحرارة بالمئوية، والمقاييس النفسية المقننة للسمات الشخصية. ويسمح هذا المستوى بحساب المتوسط الحسابي، والانحراف المعياري، ومعامل ارتباط بيرسون.
• المستوى النسبي (Ratio Level): أرقى مستويات القياس وأكثرها اكتمالاً وصرامة؛ إذ يتضمن جميع خصائص المستويات السابقة مضافاً إليها وجود صفر مطلق وحقيقي يعبر عن الغياب التام للصفة المقاسة، مما يجيز إجراء كافة العمليات الحسابية وقسمة الدرجات لحساب النسب النسبية، مثل: زمن الرجع (بالمللي ثانية)، وعدد الأخطاء السلوكية، ومعدل ضربات القلب، وكتلة الجسم. وتخضع هذه البيانات لكافة مقاييس الإحصاء الوصفي بلا استثناء بما في ذلك معامل الاختلاف.

2. الأهمية والأهداف الوظيفية للإحصاء الوصفي في البحث النفسي

2.1 تبسيط البيانات الكبيرة وإتاحة استيعابها

في الدراسات النفسية والميدانية المعاصرة، غالباً ما يتعامل الباحث مع مصفوفات ضخمة تحتوي على آلاف الاستجابات والدرجات الفردية الموزعة على عشرات البنود الفرعية. إن النظر إلى هذه الدرجات الخام في صورتها الأولية يشبه النظر إلى جدار مشوش لا يحمل أي معنى واضح للعقل البشري المحدود في معالجة المدخلات المتزامنة؛ وهنا تبرز الوظيفة الاختزالية للإحصاء الوصفي، حيث يقوم بضغط هذه البيانات وتلخيصها في أرقام معدودة تلخص جوهر السمة وتكشف معالمها العامة بدقة بالغة.

يسهم هذا التلخيص في تسهيل عمليات التواصل العلمي؛ فالأطباء النفسيون، والأخصائيون التربويون، وصناع القرار في المؤسسات التعليمية والصحية لا يمتلكون الوقت الكافي لفحص قوائم الدرجات المفردة لكل طالب أو مريض، بل يحتاجون إلى مؤشرات وصفية مقتضبة، كالمتوسط والانحراف المعياري ونسب الانتشار، لفهم الوضع الراهن بسرعة واتخاذ قرارات مبنية على شواهد رقمية واضحة. كما تساعد المؤشرات الوصفية على إعطاء صورة فورية عن شكل توزيع الدرجات السلوكية واكتشاف أي انحرافات غير طبيعية في الأداء العام للعينة المبحوثة.

علاوة على ذلك، يمثل الفحص الوصفي الأولي وسيلة رقابية فائقة الأهمية للكشف الاستكشافي عن الأخطاء الشائعة في إدخال البيانات الميدانية، مثل القيم المفقودة (Missing Values)، أو الدرجات الخارجة عن نطاق المقياس المسموح به (Out-of-range Entries) الناتجة عن أخطاء الطباعة والترميز، مما يتيح تصحيحها وتنظيف قاعدة البيانات قبل الشروع في المراحل الأكثر تعقيداً.

2.2 بناء الأساس المنهجي للتحليلات الإحصائية المتقدمة

لا يمكن للباحث المتمرس أن يقفز مباشرة إلى تطبيق التحليلات الإحصائية الاستدلالية المتقدمة، مثل النمذجة بالمعادلات البنائية (SEM) أو تحليل التباين المتعدد (MANOVA)، دون المرور الإجباري بمرحلة الفحص الإحصائي الوصفي الشامل للبيانات. يرجع ذلك إلى أن الاختبارات الإحصائية المعلمية (Parametric Tests) تفترض شروطاً صارمة في بنية البيانات، وعلى رأسها التوزيع الطبيعي المتماثل، وتجانس التباين، وغياب القيم المتطرفة التي يمكن أن تؤدي إلى تضخيم الخطأ المعياري وتزييف الدلالة الإحصائية.

يساعد الإحصاء الوصفي في فحص هذه الافتراضات من خلال مقاييس الالتواء والتفرطح ومخططات الاستكشاف الصندوقية. فإذا أظهرت المعالم الوصفية أن البيانات تبتعد بصورة حادة عن التوزيع الاعتدالي، يتوجه الباحث مباشرة إلى استخدام الاختبارات اللامعلمية البديلة (Non-parametric Tests) أو إجراء تحويلات رياضية على البيانات الخام؛ مما يحمي البحث من الوقوع في أخطاء منهجية مدمرة للنتائج.

فضلاً عن ذلك، فإن تقدير حجم التشتت والتباين في المتغيرات النفسية خلال الدراسات الاستطلاعية الوصفية يمنح الباحثين الرؤية اللازمة لحساب الحجم الأمثل للعينة تجريبياً، وتحديد قوى الاختبار الإحصائي المطلوبة، وتصميم التجارب السلوكية بعناية فائقة تضمن حساسية المعالجات التجريبية وضبط المتغيرات الدخيلة.

2.3 صناعة القرار والتقييم الإكلينيكي والتربوي

يمتد الأثر الوظيفي للإحصاء الوصفي عميقاً داخل الممارسة الإكلينيكية والتربوية اليومية؛ فعندما يطبق الأخصائي النفسي اختباراً تشخيصياً مثل مقياس بيك للاكتئاب أو مقياس وكسلر لذكاء البالغين، لا يمكن تفسير الدرجة الخام التي يحصل عليها المفحوص بمعزل عن معالم المجتمع المعياري المقنن. إن تحويل الدرجة الخام إلى مؤشرات وصفية نسبية كالرتب المئينية أو الدرجات المعيارية يتيح فهم موقع الفرد بدقة: هل يقع أداؤه ضمن المعدل المتوسط السوي، أم يتجاوز ذلك نحو مستويات الخطر المرضي أو الموهبة الفائقة؟

وفي مجالات التدخلات العلاجية والبرامج السلوكية، تعتمد دراسات تقييم الفاعلية الإكلينيكية على التحليلات الوصفية لمقارنة مستويات الأعراض النفسية قبل تطبيق البروتوكول العلاجي وبعده (Pre-Post Comparisons)، ورصد نسب الانخفاض في حدة الأعراض وتوزيع الدرجات داخل المجموعات العلاجية. وتوفر هذه المؤشرات إجابات ملموسة حول كفاءة البرامج وجدواها العلاجية في أرض الواقع.

وعلى مستوى السياسات العامة، تساهم المؤشرات الإحصائية الوصفية في قياس معدلات الانتشار الوبائي (Prevalence Rates) للاضطرابات النفسية والأمراض السلوكية بين الفئات العمرية والمهنية المختلفة، وتحديد الفئات الهشة والمجتمعات الأكثر احتياجاً للمبادرات الوقائية والبرامج التربوية التنموية في المدارس ومراكز الرعاية.

3. مقاييس النزعة المركزية: المفاهيم والتطبيقات والأمثلة

3.1 المتوسط الحسابي (Mean): الحساب والاستخدامات

يُعتبر المتوسط الحسابي، أو المعدل، أكثر مقاييس النزعة المركزية شهرة وشيوعاً واستخداماً في الأبحاث العلمية الرصينة. ويُعرَّف رياضياً بأنه نقطة الارتكاز أو مركز التوازن الرياضي لمجموعة الدرجات؛ حيث يتساوى مجموع انحرافات الدرجات فوق المتوسط تماماً مع مجموع انحرافات الدرجات تحته. ويُحسب المتوسط للبيانات المفردة بقسمة المجموع الكلي للقيم على عددها الإجمالي، وفق المعادلة التالية:

$$\bar{X} = \frac{\sum X}{n}$$

حيث تمثل $\bar{X}$ المتوسط الحسابي للعينة، و$\sum X$ المجموع الإجمالي لكافة الدرجات، و$n$ حجم العينة. أما في حالة الجداول التكرارية للبيانات المبوبة، فيتم حسابه بضرب تكرار كل فئة في مركزها ثم قسمة المجموع الناتج على مجموع التكرارات الكلي.

تتمثل الميزة الكبرى للمتوسط في كونه يأخذ في الاعتبار القيمة العددية الفعلية لكل مفردة من مفردات البيانات دون استثناء، مما يجعله يتمتع باستقرار رياضي عالٍ وكفاءة تقديرية فائقة. ومع ذلك، فإن هذه الخاصية تصبح نقطة ضعفه الكبرى عند وجود قيم متطرفة (Outliers)؛ فالدرجات الشاذة شديدة الارتفاع أو شديدة الانخفاض تؤدي إلى جذب المتوسط نحوها بصورة حادة، مما يجعله يعطي تقديراً مضللاً للمركز الحقيقي للبيانات في التوزيعات الملتوية.

مثال تطبيقي: في دراسة لتقييم مستوى القلق لدى عينة عشوائية مكونة من 8 طلاب جامعيين باستخدام مقياس مقنن يتراوح مداه من (0 إلى 50)، سُجلت الدرجات التالية: 22، 25، 24، 28، 26، 23، 27، 25. لحساب المتوسط الحسابي: نجمع الدرجات: (22 + 25 + 24 + 28 + 26 + 23 + 27 + 25 = 200)، ثم نقسم الناتج على عدد الطلاب (8): 200 ÷ 8 = 25. يعبر هذا الرقم (25) عن الدرجة النمطية المركزية لمستوى القلق في هذه العينة بدقة بالغة نظراً لتماثل البيانات وغياب القيم الشاذة.

3.2 الوسيط (Median): الخصائص الميدانية والتحليلية

يُعرَّف الوسيط إجرائياً بأنه النقطة العددية الدقيقة التي تقع في منتصف التوزيع التكراري بعد ترتيب الدرجات ترتيباً تصاعدياً أو تنازلياً؛ بحيث يقسم البيانات إلى قسمين متساويين تماماً: 50% من الدرجات تقع أدنى منه، و50% من الدرجات تقع أعلاه. ويرمز للوسيط بالرمز ($Mdn$).

يتميز الوسيط بميزة إحصائية استثنائية تتمثل في كونه مقياساً “مقاوماً” أو غير حساس للقيم المتطرفة والشاذة؛ فالدرجات المتطرفة في أطراف التوزيع لا تؤثر إطلاقاً على قيمته لأن الوسيط يعتمد على الرتب والموقع التسلسلي لا على القيم العددية المطلقة للدرجات. وهذا يجعله المقياس المثالي والأكثر أماناً ومصداقية لوصف البيانات الملتوية، مثل بيانات الدخل المالي، وأزمنة الاستجابة السلوكية، والمقاييس الترتيبية المتدرجة.

لحساب الوسيط لبيانات مفردة، تُرتب البيانات تصاعدياً: فإذا كان عدد الحالات ($n$) فردياً، فإن رتبة الوسيط تُحسب بالمعادلة: $(n + 1) / 2$، وتكون قيمة الوسيط هي الدرجة المقابلة لتلك الرتبة. أما إذا كان عدد الحالات زوجياً، فإن التوزيع يشتمل على رتبتين وسيطيتين هما: $(n / 2)$ و $((n / 2) + 1)$، وتُحسب قيمة الوسيط بأخذ المتوسط الحسابي للقيمتين المناظرتين لهاتين الرتبتين.

مثال تطبيقي: في اختبار لقياس زمن الانتباه المستمر لدى عينة من 7 أطفال مصابين باضطراب فرط الحركة وتشتت الانتباه (ADHD)، سُجلت أزمنة الاستجابة (بالثواني) كالتالي: 14، 12، 15، 45، 13، 16، 11. نلاحظ وجود قيمة شاذة للغاية (45 ثانية). نرتب الدرجات تصاعدياً: 11، 12، 13، 14، 15، 16، 45. وبما أن العدد فردي (n = 7)، فإن رتبة الوسيط هي: (7 + 1) ÷ 2 = 4. بالنظر إلى الدرجة الرابعة في الترتيب، نجد أنها 14 ثانية. إذا حسبنا المتوسط الحسابي هنا فسيكون 18 ثانية بفعل القيمة المتطرفة (45)، بينما يعكس الوسيط (14 ثانية) الأداء الحقيقي لغالبية الأطفال بموضوعية تامة.

3.3 المنوال (Mode): الأنواع ومجالات الاستخدام

يُعرَّف المنوال بأنه القيمة أو الفئة الأكثر تكراراً أو شيوعاً بين مفردات مجموعة البيانات. وهو يمثل النقطة الأكثر كثافة وظهوراً في التوزيع التكراري، ويُشار إليه بالرمز ($Mo$).

تتعدد حالات التوزيعات الإحصائية بالنظر إلى المنوال إلى عدة أصناف:

• توزيع عديم المنوال (No Mode): عندما تظهر جميع الدرجات في العينة بنفس التكرار تماماً دون أي تفوق لقيمة على أخرى، مثل: (10، 12، 14، 16، 18).
• توزيع أحادي المنوال (Unimodal): وهو النمط الأكثر شيوعاً، حيث توجد قيمة واحدة فريدة تتكرر أكثر من غيرها.
• توزيع ثنائي المنوال (Bimodal): توجد فيه قيمتان أو فئتان تتساويان في تحقيق أعلى معدل تكرار، ويشير هذا النمط غالباً في العلوم السلوكية إلى وجود مجموعتين فرعيتين متمايزتين داخل نفس العينة (مثل وجود قمتين في استجابات سمة نفسية تمثل الذكور والإناث معاً).
• توزيع متعدد المنوال (Multimodal): تبرز فيه أكثر من قمتين تكراريتين متساويتين في الشدة.

تتجلى الميزة الفريدة للمنوال في كونه المقياس الوحيد الصالح للاستخدام مع البيانات النوعية المصنفة على المستوى الاسمي؛ إذ يستحيل حساب متوسط أو وسيط للمتغيرات الفئوية الاسمية مثل الانتماء الوظيفي أو الفئة التشخيصية. كما أن المنوال سهل الاستخراج بمجرد فحص جدول التكرارات البسيط دون الحاجة لأي عمليات حسابية معقدة.

مثال تطبيقي: قام مركز استشارات نفسية بحصر التشخيصات الأولية لمراجعي العيادة خلال شهر معين، وكانت البيانات كالتالي: (قلق: 42 مراجعاً، اكتئاب: 68 مراجعاً، رهاب اجتماعي: 15 مراجعاً، وسواس قهري: 25 مراجعاً، اضطراب التكيف: 30 مراجعاً). القيمة المنوالية هنا هي فئة “الاكتئاب”، لأنها الفئة التشخيصية التي حققت أعلى تكرار (68 حالة)، مما يوجه إدارة المركز لتركيز البرامج العلاجية المتخصصة في اضطرابات المزاج.

3.4 معايير المفاضلة واختيار المقياس الأنسب للنزعة المركزية

إن اتخاذ القرار المنهجي باختيار أي من مقاييس النزعة المركزية الثلاثة (المتوسط، الوسيط، المنوال) ليس قراراً اعتباطياً، بل يخضع لمعايير علمية دقيقة تحددها طبيعة مستوى القياس الإحصائي، وشكل التوزيع التكراري، والأهداف البحثية للتقرير.

يوضح الجدول المقارن التالي المعايير المنهجية لاختيار المقياس الأنسب:

مستوى القياس	المقياس الأنسب والأفضل	الاستخدام المشروط أو البديل	المقاييس غير الجائزة
الاسمي (Nominal)	المنوال (Mode)	لا يوجد بديل	المتوسط الحسابي، الوسيط
الترتيبي (Ordinal)	الوسيط (Median)	المنوال (في دراسة الشيوع)	المتوسط الحسابي (غالباً غير ملائم رياضياً)
الفئوي والنسبي (متماثل واعتدالي)	المتوسط الحسابي (Mean)	الوسيط والمنوال (يتطابقان نظرياً)	كافة المقاييس صالحة رياضياً
الفئوي والنسبي (ملتوٍ أو يحتوي قيماً شاذة)	الوسيط (Median)	المنوال	المتوسط الحسابي (يصبح مضللاً للمركز)

في الأبحاث الأكاديمية المتقدمة المنشورة وفق معايير جمعية علم النفس الأمريكية (APA Style)، يُنصح الباحثون دائماً بعرض المتوسط الحسابي والانحراف المعياري عندما تكون البيانات متصلة وتتبع توزيعاً اعتدالياً، بينما يُلزم الباحث بتقديم الوسيط والمدى الربيعي متى ما أظهرت اختبارات الاستكشاف وجود التواءات واضحة أو تباينات شديدة، مع تقديم مبررات منهجية واضحة في متن التقرير.

4. مقاييس التشتت والتباين: المفاهيم والأمثلة التطبيقية

4.1 المدى المطلق (Range) والمدى الربيعي (IQR)

لا تقدم مقاييس النزعة المركزية وحدها صورة كاملة وكافية عن مجموعة البيانات؛ فقد يتساوى متوسط درجات مجموعتين مختلفتين في اختبار الذكاء تماماً، ولكن درجات المجموعة الأولى متقاربة جداً حول المتوسط بينما درجات المجموعة الثانية متباعدة ومشتتة للغاية. لذلك، تأتي مقاييس التشتت (Measures of Dispersion) لتقيس درجة تباعد أو تقارب وانتشار البيانات حول مركزها.

يُعد المدى المطلق (Range) أبسط هذه المقاييس وأسرعها حساباً؛ فهو يمثل الفارق الحسابي المباشر بين أعلى قيمة ($X_{\max}$) وأدنى قيمة ($X_{\min}$) في التوزيع: $R = X_{\max} – X_{\min}$. ورغم سهولته، إلا أن اعتماده الحصري على نقطتين متطرفتين فقط يجعله مقياساً خادعاً وشديد التأثر بالقيم الشاذة، ويهمل كلياً سلوك باقي درجات التوزيع البينية.

لتجاوز عيوب المدى البسيط، ابتكر الإحصائيون المدى الربيعي (Interquartile Range – IQR)، وهو يقيس مدى انتشار وتشتت الـ 50% الوسطى من الدرجات، متجاهلاً الـ 25% الدنيا والـ 25% العليا الأكثر عرضة للتطرف. ويُحسب بطرح الربيع الأول ($Q_1$) من الربيع الثالث ($Q_3$):

$$IQR = Q_3 – Q_1$$

يُعد المدى الربيعي الأساس الرياضي لبناء المخطط الصندوقي (Boxplot)؛ حيث يمثل الصندوق المدى الربيعي، وتُستخدم حدوده لاكتشاف القيم الشاذة بدقة (القيم التي تبعد بأكثر من $1.5 \times IQR$ عن طرفي الصندوق).

مثال تطبيقي: في قياس مستويات الضغوط المهنية لدى 9 موظفين في قطاع الرعاية الصحية، رُتبت الدرجات تصاعدياً: 12، 14، 15، 18، 20، 22، 25، 28، 48. نجد أن المدى المطلق هو: 48 – 12 = 36 (تشتت متضخم بفعل الدرجة 48). أما الربيع الأول ($Q_1$) فيساوي 14.5 والربيع الثالث ($Q_3$) يساوي 26.5؛ بالتالي فإن المدى الربيعي: $IQR = 26.5 – 14.5 = 12$. يصف الرقم (12) التشتت الحقيقي لجوهر العينة بنقاء وموضوعية تامة.

4.2 التباين (Variance) والانحراف المعياري (Standard Deviation)

يمثل التباين والانحراف المعياري المقياسين الأكثر رسوخاً وأهمية في التحليل الإحصائي الكمي الكلاسيكي؛ فهما يعتمدان على حساب المسافة أو الانحراف لكل درجة مفردة عن المتوسط الحسابي العام للمجموعة، مما يوفر مقياساً شاملاً لكافة قيم التوزيع.

ولأن مجموع انحرافات الدرجات عن متوسطها الحسابي يساوي دائماً صفراً ($\sum (X – \bar{X}) = 0$)، يتغلب الإحصائيون على هذه المعضلة الرياضية بتربيع تلك الانحرافات للتخلص من الإشارات السالبة، ثم جمعها وقسمتها على عدد الحالات للحصول على متوسط مربعات الانحرافات، وهو ما يُعرف بـ التباين. ولحساب تباين العينة ($s^2$)، تُستخدم درجات الحرية ($n – 1$) في المقام بدلاً من ($n$) لتصحيح التحيز الإحصائي وجعل التباين تقديراً غير متحيز لتباين المجتمع الأصلي ($\sigma^2$):

$$s^2 = \frac{\sum (X – \bar{X})^2}{n – 1}$$

ولما كانت وحدة قياس التباين هي “الوحدة المربعة” (مثلاً: درجات قلق مربعة أو ثوانٍ مربعة)، وهو أمر يصعب تفسيره حسياً، فإن أخذ الجذر التربيعي الموجب للتباين يعيدنا إلى وحدة القياس الأصلية للظاهرة، وهذا الناتج هو ما يُعرف بـ الانحراف المعياري (Standard Deviation – $s$):

$$s = \sqrt{\frac{\sum (X – \bar{X})^2}{n – 1}}$$

مثال تطبيقي للمقارنة بين مجموعتين: في تجربة لتقييم فاعلية تدخلين سلوكيين لخفض أعراض الاكتئاب، أظهرت المجموعة الأولى (علاج معرفي سلوكي) متوسط انخفاض قدره ($\bar{X}_1 = 15$) بانحراف معياري ($s_1 = 2.1$). بينما أظهرت المجموعة الثانية (علاج استرخاء) متوسط انخفاض قدره ($\bar{X}_2 = 15$) بانحراف معياري ($s_2 = 6.8$). ورغم تطابق متوسط التحسن لدى المجموعتين (15 درجة)، إلا أن الانحراف المعياري الصغير في المجموعة الأولى يبرهن على أن العلاج المعرفي السلوكي أحدث تحسناً متجانساً ومتقارباً لدى جميع أفراد العينة، في حين أظهرت مجموعة الاسترخاء تبايناً حاداً بين مستجيبين تحسنوا كثيراً وآخرين لم يتحسنوا مطلقاً.

4.3 معامل الاختلاف (Coefficient of Variation)

عندما يرغب الباحث في مقارنة تشتت متغيرين مختلفين تماماً في وحدات القياس (مثل مقارنة تشتت زمن الرجع بالمللي ثانية مع تشتت درجات مقياس الاكتئاب بالنقاط)، أو عند مقارنة مجموعتين في نفس المتغير ولكنهما تختلفان اختلافاً جذرياً في المتوسطات الحسابية (مثل مقارنة تشتت الذاكرة لدى أطفال الروضة مقارنة بطلاب الجامعة)، فإن الانحراف المعياري المطلق يصبح عاجزاً عن إجراء مقارنة عادلة.

هنا يُستخدم معامل الاختلاف (CV) كأداة إحصائية وصفية تقيس التشتت النسبي المئوي للبيانات؛ حيث يُعرَّف بأنه نسبة الانحراف المعياري مقسوماً على المتوسط الحسابي، ومضروباً في 100 للحصول على نسبة مئوية:

$$CV = \left( \frac{s}{\bar{X}} \right) \times 100$$

كلما ارتفعت قيمة معامل الاختلاف، دل ذلك على تشتت نسبي أكبر وضعف في تجانس البيانات، وكلما انخفض دل على ارتفاع التجانس والاستقرار النسبي للدرجات حول متوسطها.

مثال تطبيقي: في مختبر لعلم النفس المعرفي، رغب باحث في معرفة أي المهمتين أكثر استقراراً وتجانساً لدى الرياضيين: زمن الرجع البصري (المتوسط = 250 مللي ثانية، الانحراف المعياري = 25 مللي ثانية) أم دقة التركيز في اختبار الانتباه (المتوسط = 20 نقطة، الانحراف المعياري = 4 نقاط).

حساب معامل الاختلاف لمهمة زمن الرجع: $CV_1 = (25 / 250) \times 100 = 10%$.

حساب معامل الاختلاف لمهمة التركيز: $CV_2 = (4 / 20) \times 100 = 20%$.

نستنتج بوضوح أنه على الرغم من أن الانحراف المعياري الظاهري لزمن الرجع أكبر (25 مقابل 4)، إلا أن التشتت النسبي لاختبار التركيز هو الأكبر بضعفين (20% مقابل 10%)؛ مما يعني أن أداء الرياضيين في زمن الرجع أكثر تجانساً واستقراراً.

5. مقاييس الوضع النسبي والموقع الإحصائي

5.1 المئينيات (Percentiles) والرتب المئينية (Percentile Ranks)

تُعد مقاييس الموقع أو الوضع النسبي أدوات إحصائية وصفية تُستخدم لتحديد الموضع الدقيق لدرجة فرد معين بالنسبة إلى بقية أفراد الجماعة المعيارية المرجعية. وتتصدر المئينيات (Percentiles) هذه الأدوات في الاختبارات السيكولوجية والتربوية المقننة.

تُعرَّف المئينة ($P_k$) بأنها النقطة أو القيمة في مقياس الدرجات التي يقع دونها نسبة مئوية محددة ($k%$) من مجموع الحالات. وتقسم المئينات التوزيع التكراري المرتب إلى مائة جزء متساوٍ في عدد الحالات عبر 99 نقطة مئينية فاصلة (من $P_1$ إلى $P_{99}$). فعلى سبيل المثال، المئينة الخمسون ($P_{50}$) هي النقطة التي يقل عنها 50% من المفحوصين، وهي تتطابق رياضياً مع الوسيط ($Mdn$).

أما الرتبة المئينية (Percentile Rank – PR) فهي النسبة المئوية للأفراد في العينة المعيارية الذين حصلوا على درجات تساوي أو تقل عن الدرجة الخام لمفحوص معين. وتُحسب للدرجة ($X$) بالمعادلة التقريبية:

$$PR = \left( \frac{cf_b + 0.5(f)}{n} \right) \times 100$$

حيث تمثل $cf_b$ التكرار التراكمي للدرجات الواقعة أسفل الدرجة المستهدفة، و$f$ تكرار الدرجة نفسها، و$n$ حجم العينة الكلي.

مثال تطبيقي وتفسيري: إذا حصل طالب في اختبار الاستعداد الأكاديمي على درجة خام تضعه عند الرتبة المئينية (85)، فإن التفسير السلوكي الدقيق هو: “إن هذا الطالب يتفوق على 85% من أقرانه في العينة المعيارية المرجعية، بينما يتفوق عليه أو يساويه فقط 15% من الطلاب”. توفر هذه المقاييس فهماً إنسانياً وتربوياً بسيطاً ومباشراً للآباء والمعلمين والمسترشدين دون تعقيد رياضي.

5.2 الربيعيات (Quartiles) والعشيرات (Deciles)

تمثل الربيعيات (Quartiles) ثلاث نقاط فاصلة تقسم التوزيع التكراري المرتب تصاعدياً إلى أربعة أقسام متساوية، يضم كل قسم منها 25% من مجموع الحالات بدقة:

• الربيع الأول ($Q_1$ / Lower Quartile): هو النقطة التي يقع دونها 25% من الحالات وأعلاها 75%، ويتطابق تماماً مع المئينة الخامسة والعشرين ($P_{25}$).
• الربيع الثاني ($Q_2$ / Middle Quartile): هو النقطة التي تقسم البيانات إلى نصفين متساويين (50% أدناها و50% أعلاها)، ويتطابق تماماً مع الوسيط والمئينة الخمسين ($P_{50}$).
• الربيع الثالث ($Q_3$ / Upper Quartile): هو النقطة التي يقع دونها 75% من الحالات وأعلاها 25%، ويتطابق تماماً مع المئينة الخامسة والسبعين ($P_{75}$).

أما العشيرات (Deciles) فهي تسع نقاط فاصلة تقسم التوزيع إلى عشرة أجزاء متساوية (10% لكل جزء)، وتُستخدم بكثرة في التصنيفات الديموغرافية والاجتماعية والاقتصادية المرتبطة بالبحوث النفسية الميدانية.

تكمن الأهمية التطبيقية للربيعيات والعشيرات في قدرتها على وضع معايير تصنيفية إكلينيكية وتربوية قاطعة لفرز المفحوصين إلى مستويات وظيفية محددة. فمثلاً، في مقاييس الاحتراق النفسي الوظيفي، يمكن للباحث تصنيف الموظفين إلى فئات رباعية: (منخفض جداً: أدنى من $Q_1$، منخفض-متوسط: بين $Q_1$ و$Q_2$، متوسط-مرتفع: بين $Q_2$ و$Q_3$، شديد وحرج: أعلى من $Q_3$)، مما يرشد التدخلات الوقائية الموجهة في بيئات العمل.

5.3 الدرجات المعيارية التائية والزائية (Z-Scores and T-Scores)

تعتبر الدرجات الخام التي نحصل عليها من الاختبارات النفسية مضللة إذا ما قورنت ببعضها البعض دون معايرة؛ فالحصول على 40 درجة في اختبار التفكير الابتكاري لا يمكن مقارنته بالحصول على 40 درجة في اختبار الذاكرة العاملة، نظراً لاختلاف مقاييس القياس، والمتوسطات الحسابية، ودرجات الانحراف المعياري لكل اختبار. ولحل هذه المشكلة الجذرية، يُلجأ إلى الدرجات المعيارية (Standardized Scores).

تُعد الدرجة الزائية (Z-Score) الوحدة الأساسية للتحويل المعياري؛ حيث تعبر عن المسافة التي تبعدها الدرجة الخام ($X$) عن المتوسط الحسابي ($\bar{X}$) مقيسة بوحدات الانحراف المعياري ($s$):

$$Z = \frac{X – \bar{X}}{s}$$

يتميز توزيع الدرجات الزائية دائماً بأن متوسطه الحسابي يساوي صفراً تماماً وانحرافه المعياري يساوي واحداً صحيحاً ($\bar{Z} = 0, s_z = 1$). تشير القيمة الموجبة لدرجة ($Z$) إلى أن المفحوص أعلى من المتوسط، بينما تشير القيمة السالبة إلى أنه أدنى من المتوسط.

وللتخلص من الإشارات السالبة والكسور العشرية التي قد تسبب حرجاً أو سوء فهم للمسترشدين والمفحوصين، طُوّرت الدرجة التائية (T-Score) التي وضعها عالم القياس وليم ماكول (William McCall)؛ وهي تحويل خطي للدرجة الزائية بحيث يصبح المتوسط المعياري الجديد ثابتاً عند 50 والانحراف المعياري ثابتاً عند 10:

$$T = (Z \times 10) + 50$$

مثال تطبيقي: خضع طالب لاختبارين نفسيين: في اختبار الطلاقة اللفظية حصل على درجة خام 65 (متوسط الاختبار = 50، والانحراف المعياري = 10). وفي اختبار التفكير المنطقي حصل على درجة خام 80 (متوسط الاختبار = 70، والانحراف المعياري = 5).

حساب الدرجة الزائية للطلاقة اللفظية: $Z_1 = (65 – 50) / 10 = +1.5$ (الدرجة التائية: $T_1 = 1.5 \times 10 + 50 = 65$).

حساب الدرجة الزائية للتفكير المنطقي: $Z_2 = (80 – 70) / 5 = +2.0$ (الدرجة التائية: $T_2 = 2.0 \times 10 + 50 = 70$).

من المقارنة المعيارية، يتضح بجلاء أن أداء الطالب النسبي في التفكير المنطقي ($Z = +2.0$) كان أكثر تميزاً وتفوقاً على أقرانه من أدائه في الطلاقة اللفظية ($Z = +1.5$)، رغم أن الدرجة الخام الأولى بدت مرتفعة.

6. مقاييس شكل التوزيع: الالتواء والتفرطح والتوزيع الطبيعي

6.1 الالتواء (Skewness): الأنواع والدلالات النفسية

لا يقتصر التوصيف الإحصائي على معرفة موضع تمركز البيانات أو مدى انتشارها فحسب، بل يتطلب بالضرورة فحص شكل التوزيع (Distribution Shape) ومدى تماثله حول محوره المركزي. ويُعد الالتواء (Skewness) مقياساً لدرجة عدم التماثل في منحنى التوزيع التكراري.

يُصنف الالتواء إلى ثلاثة أشكال رئيسية:

• التوزيع المتماثل (Symmetrical): تكون قيمة الالتواء فيه مساوية لصفر إحصائياً، حيث يتطابق النصف الأيمن للمنحنى تطابقاً تاماً مع النصف الأيسر، وفيه يتساوى المتوسط والوسيط والمنوال تماماً ($Mean = Median = Mode$).
• الالتواء الموجب أو نحو اليمين (Positive Skew): يمتد ذيل التوزيع الطويل نحو القيم العليا على الجانب الأيمن، بينما تتكدس غالبية الدرجات في الطرف الأدنى (الأيسر). وتكون العلاقة الترتيبية للمقاييس هنا: المتوسط أكبر من الوسيط، والوسيط أكبر من المنوال ($Mean > Median > Mode$). في علم النفس، يظهر هذا التوزيع عند تطبيق اختبار شديد الصعوبة على الطلاب، أو في مقاييس الاضطرابات النفسية الحادة في المجتمع العام حيث لا تظهر الأعراض إلا لدى فئة قليلة جداً.
• الالتواء السالب أو نحو اليسار (Negative Skew): يمتد ذيل التوزيع الطويل نحو القيم الصغرى على الجانب الأيسر، بينما تتكدس معظم الدرجات في الطرف الأعلى (الأيمن). وتكون العلاقة الترتيبية: المتوسط أصغر من الوسيط، والوسيط أصغر من المنوال ($Mean < Median < Mode$). ويظهر هذا النمط عندما يكون الاختبار شديد السهولة وتصل غالبية العينة إلى سقف المقياس.

يُحسب معامل الالتواء رياضياً بالاعتماد على العزوم من الرتبة الثالثة، ويُعتبر التوزيع طبيعياً ومقبول التماثل في الممارسة الإحصائية العملية إذا وقعت قيمة معامل الالتواء بين $-1.0$ و $+1.0$ (أو بين $-2.0$ و $+2.0$ في المعايير الأكثر تساهلاً).

6.2 التفرطح (Kurtosis): القياس والتصنيف

يقيس التفرطح (Kurtosis) درجة تقوس أو حدة قمة منحنى التوزيع مقارنة بقمة المنحنى الاعتدالي القياسي، ويعكس بصورة أدق وزن وثقل ذيول التوزيع وتركيز القيم الشاذة والمتطرفة فيها. ويُصنف التفرطح إلى ثلاثة أنماط جوهرية:

• توزيع معتدل التفرطح (Mesokurtic): يمتلك قمة نموذجية وتوزيعاً متوازناً للذيول، وتكون قيمة التفرطح المطلق فيه مساوية لـ 3 (أو قيمة التفرطح الفائض Excess Kurtosis تساوي صفراً)، وهو ما يماثل تماماً منحنى التوزيع الطبيعي المعياري.
• توزيع مدبب القمة / ثقيل الذيول (Leptokurtic): يتميز بقمة حادة وشديدة الارتفاع وتمركز عالٍ جداً للدرجات حول المتوسط، مع وجود ذيول ثقيلة وطويلة تشير إلى تكرار أعلى للقيم المتطرفة والشاذة. وتكون قيمة التفرطح فيه موجبة وأكبر من الصفر.
• توزيع مفلطح القمة / خفيف الذيول (Platykurtic): يتميز بقمة مسطحة ومنبسطة وانتشار واسع للدرجات على طول المدى، مع ذيول رفيعة وقصيرة تعكس ندرة القيم المتطرفة. وتكون قيمة التفرطح سالبة وأقل من الصفر.

تؤثر درجة التفرطح الحادة في المتغيرات السلوكية على كفاءة التحليلات الوصفية؛ فالبيانات مدببة القمة بصورة مفرطة تؤدي إلى تقليل الانحراف المعياري وتضخيم وهمي للثقة في المتوسط، في حين تؤدي البيانات المفلطحة إلى زيادة غير حقيقية في تشتت العينة، مما يتطلب حذراً بالغاً في التفسير.

6.3 المنحنى الاعتدالي (Normal Curve) وقاعدة التجريب (Empirical Rule)

يمثل المنحنى الاعتدالي، أو منحنى غاوس (Gaussian Distribution)، النموذج النظري والرياضي الأهم في تاريخ علم الإحصاء والقياس النفسي. يتميز هذا المنحنى بشكله الجرسي المتماثل تماماً، ويمتد طرفاه إلى ما لا نهاية دون أن يمسّا المحور الأفقي، وتتطابق فيه جميع مقاييس النزعة المركزية عند منتصف التوزيع تماماً.

ويخضع المنحنى الاعتدالي لخاصية رياضية قطعية ومحكمة تُعرف بـ القاعدة التجريبية (Empirical Rule / 68-95-99.7 Rule)، والتي تحدد نسب المساحة المئوية الواقعة تحت المنحنى بدقة متناهية انطلاقاً من المتوسط والانحراف المعياري:

• يقع ما نسبته 68.26% تقريباً من مجموع الحالات والدرجات ضمن نطاق انحراف معياري واحد حول المتوسط، أي بين ($\bar{X} – 1s$) و ($\bar{X} + 1s$).
• يقع ما نسبته 95.44% تقريباً من إجمالي الحالات ضمن نطاق انحرافيين معياريين حول المتوسط، أي بين ($\bar{X} – 2s$) و ($\bar{X} + 2s$).
• يقع ما نسبته 99.74% تقريباً (الغالبية الساحقة للبيانات) ضمن نطاق ثلاثة انحرافات معيارية حول المتوسط، أي بين ($\bar{X} – 3s$) و ($\bar{X} + 3s$). وما يتبقى خارج هذا النطاق ($0.26%$) يمثل القيم النادرة والشديدة التطرف.

تشكل هذه القاعدة الركيزة المعيارية التي بُنيت عليها كبرى مقاييس الذكاء العالمية؛ ففي مقياس وكسلر (حيث المتوسط = 100، والانحراف المعياري = 15)، نعلم بدقة وصفية يقينية أن حوالي 68% من البشر تتراوح درجات ذكائهم بين (85 و 115)، وأن 95% منهم تقع درجاتهم بين (70 و 130)، في حين يُصنف من يحصل على درجة أعلى من 130 ضمن فئة الموهوبين الاستثنائيين لكونهم يمثلون أعلى 2.2% فقط في المجتمع.

7. العرض الجدولي للبيانات الإحصائية الوصفية

7.1 الجداول التكرارية البسيطة والمجمعة (Frequency Distributions)

يُمثل التبويب الجدولي أولى خطوات تنظيم البيانات الخام وتحويلها من مصفوفات عشوائية إلى هياكل مرتبة تبرز تكرار ظهور القيم. وينقسم العرض الجدولي إلى نوعين أساسيين:

1. الجدول التكراري البسيط: يُستخدم عند التعامل مع متغيرات نوعية أو متغيرات كمية متقطعة بمدى ضيق من القيم؛ حيث تُسرد القيم المنفصلة في العمود الأول، ويُسجل أمام كل قيمة تكرارها الفعلي ($f$)، ونسبتها المئوية ($%$) من المجموع الكلي.

2. الجدول التكراري ذو الفئات (Grouped Frequency Table): يُستخدم عندما تكون البيانات الكمية متصلة وذات مدى واسع يصعب عرض قيمه بشكل منفرد. وتتطلب صياغة هذا الجدول خطوات منهجية صارمة:

• حساب المدى العام للبيانات: $R = X_{\max} – X_{\min}$.
• تحديد عدد الفئات المناسب ($k$)، وغالباً ما يتراوح بين 5 و 15 فئة لتجنب الإفراط في التجميع أو التشتيت، ويمكن الاسترشاد بمعادلة ستورجز: $k = 1 + 3.322 \log_{10}(n)$.
• حساب طول الفئة الحسابي ($w$): بقسمة المدى على عدد الفئات ($w = R / k$) والتقريب لأعلى رقم صحيح مناسب.
• تحديد الحدود الظاهرية والحدود الحقيقية (Real Limits) لكل فئة، واستخراج مراكز الفئات (Midpoints).
• تفريغ التكرارات، وحساب التكرار النسبي، والتكرار المتجمع الصاعد (Cumulative Frequency) الذي يفيد مباشرة في استخراج الوسيط والمئينات بيانياً.

نموذج جدول تكراري ذي فئات لدرجات 100 طالب في مقياس التوافق النفسي:

فئات الدرجات	الحدود الحقيقية للفئة	مركز الفئة ($m$)	التكرار ($f$)	النسبة المئوية ($%$)	التكرار المتجمع الصاعد
50 – 59	49.5 – 59.5	54.5	8	8%	8
60 – 69	59.5 – 69.5	64.5	18	18%	26
70 – 79	69.5 – 79.5	74.5	44	44%	70
80 – 89	79.5 – 89.5	84.5	22	22%	92
90 – 99	89.5 – 99.5	94.5	8	8%	100
المجموع الكلي ($n$)			100	100%	–

7.2 جداول التوافق والتقاطع (Contingency Tables / Cross-tabulation)

تُعد جداول التوافق، أو الجداول المتقاطعة (Cross-tabulations)، أدوات وصفية متقدمة تُستخدم لتلخيص وتوصيف العلاقة المشتركة بين متغيرين تصنيفيين نوعيين أو أكثر في آن واحد. وتتكون هذه الجداول من مصفوفة ثنائية الأبعاد؛ تُمثل صفوفها مستويات المتغير الأول، بينما تُمثل أعمدتها مستويات المتغير الثاني، وتحتوي الخلايا البينية على التكرارات المشتركة لتواجد الصفتين معاً.

يتيح الجدول المتقاطع للمحلل استخراج ثلاثة أنماط متباينة من النسب المئوية الوصفية:

• النسب المئوية للصفوف (Row Percentages): تُحسب بقسمة تكرار كل خلية على المجموع الكلي للصف، مما يوضح كيفية توزيع مستويات المتغير الثاني داخل كل فئة من فئات المتغير الأول.
• النسب المئوية للأعمدة (Column Percentages): تُحسب بقسمة تكرار الخلية على المجموع الكلي للعمود المقابل، مما يبين التوزيع النسبي للمتغير الأول داخل فئات المتغير الثاني.
• النسبة المئوية الإجمالية (Total Percentage): تُنسب فيها كل خلية إلى الحجم الكلي للعينة الشاملة ($n$).

مثال تطبيقي: جدول توافق ($2 \times 3$) يصف توزيع شدة أعراض الرهاب الاجتماعي وفق النوع الاجتماعي لعينة من 200 مريض:

النوع الاجتماعي	رهاب منخفض	رهاب متوسط	رهاب شديد	المجموع الإجمالي للصف
الذكور	40 (44.4%)	35 (38.9%)	15 (16.7%)	90 (100%)
الإناث	20 (18.2%)	45 (40.9%)	45 (40.9%)	110 (100%)
المجموع الإجمالي للعمود	60 (30.0%)	80 (40.0%)	60 (30.0%)	200 (100%)

يُظهر الفحص الوصفي السريع للجدول المتقاطع أعلاه أن نسبة الإصابة بالرهاب الشديد بين الإناث في هذه العينة بلغت 40.9%، وهي نسبة تتجاوز بكثير نظيرتها المسجلة لدى الذكور (16.7%)، مما يوفر وصفاً كمياً واضحاً للفروق الظاهرية بين الجنسين في حدة الاضطراب.

7.3 المعايير الأكاديمية لتصميم وتوثيق الجداول وفق دليل APA

تفرض جمعية علم النفس الأمريكية (APA) في إصدارها السابع معايير تنسيقية وتوثيقية بالغة الصرامة لضمان الوضوح والأناقة وتجنب التشتيت البصري في الجداول الإحصائية الوصفية المنشورة في المجلات المحكمة. وتتلخص هذه المعايير في المبادئ الآتية:

• الترقيم والعنونة: يُرقم كل جدول برقم تسلسلي عربي مستقل وبخط عريض (مثل: Table 1 أو جدول 1)، يليه في السطر التالي مباشرة عنوان موجز وواضح ومكتوب بخط مائل (Italic) يصف محتوى المتغيرات والعينة بدقة (مثل: المتوسطات والانحرافات المعيارية لسمات الشخصية لدى المعلمين).
• إلغاء الخطوط الرأسية: يُحظر تماماً استخدام الخطوط الرأسية (Vertical Lines) داخل الجداول وفق دليل APA. ويقتصر التصميم على استخدام الخطوط الأفقية فقط (Horizontal Borders): خط أعلى الجدول، وخط أسفل صف العناوين، وخط ختامي أسفل الجدول.
• المحاذاة والرموز الإحصائية: تُكتب الرموز الإحصائية اللاتينية بخط مائل (مثل: M للمتوسط، و SD للانحراف المعياري، و n لحجم العينة الفرعية)، مع محاذاة الأرقام إلى المنتصف أو محاذاة الفواصل العشرية رأسياً لتسهيل المقارنة.
• الملاحظات الإيضاحية (Table Notes): توضع أسفل الخط الختامي للجدول لتوضيح أي اختصارات أو دلالات خاصة، وتُقسم إلى ثلاث فئات: ملاحظات عامة (Note.)، وملاحظات خاصة لبنود محددة عبر رموز ترمز للمتغير، وملاحظات مستويات الدلالة في حال وجودها.
• التكامل النصي: يجب ألا يكرر الباحث في متن البحث الأرقام المعروضة في الجدول بالتفصيل، بل يكتفي بالإشارة إلى الجدول وتلخيص التوجهات والأنماط الكبرى الواردة فيه.

8. التمثيل البياني للبيانات الوصفية

8.1 الرسوم البيانية للبيانات النوعية والاسمية

يمثل التمثيل البياني الواجهة المرئية للإحصاء الوصفي؛ حيث يحول الأرقام المجردة إلى صور بصرية تتيح للإدراك البشري التقاط الأنماط والاتجاهات والفروق بلمحة سريعة. وتتطلب البيانات النوعية (الاسمية والترتيبية) أشكالاً بيانية مخصصة تتناسب مع طبيعتها المنفصلة:

1. الأعمدة البيانية (Bar Charts): تُمثل فيها كل فئة نوعية بعمود رأسي أو أفقي منفصل، ويكون ارتفاع أو طول العمود متناسباً تماماً مع التكرار أو النسبة المئوية لتلك الفئة. ومن الخصائص الجوهرية الإلزامية للأعمدة البيانية وجود مسافات وفواصل بينية فارغة متساوية بين الأعمدة للدلالة البصرية على أن المتغير منفصل وغير متصل. وتتنوع إلى: أعمدة بسيطة لمتغير واحد، وأعمدة مزدوجة أو مجمعة (Clustered Bar Charts) للمقارنة بين مجموعتين عبر فئات متعددة، وأعمدة مجزأة تراكمية (Stacked Bars) لتمثيل الأجزاء من الكل.

2. المخططات الدائرية (Pie Charts): تتكون من دائرة متكاملة تُمثل المجموع الكلي للعينة (100% أو 360 درجة)، وتُقسم إلى قطاعات دائرية تتناسب مساحة وزاوية كل قطاع منها مع النسبة المئوية للفئة. ويشترط استخدامها فقط عندما تكون الفئات قليلة (لا تتجاوز 5 إلى 6 فئات كحد أقصى) وتكون الفئات شاملة ومتبادلة كلياً، مع تجنب استخدام المخططات ثلاثية الأبعاد التي تشوه النسب بصرياً.

3. مخططات باريتو (Pareto Charts): وهي نوع خاص يجمع بين الأعمدة البيانية المرتبة تنازلياً من الأكثر تكراراً إلى الأقل تكراراً، مع منحنى خطي تراكمي للنسب المئوية؛ وتُستخدم ببراعة في العلوم السلوكية والتنظيمية لتحديد المشكلات الأكثر إلحاحاً التي تسبب 80% من الاضطرابات السلوكية أو الشكاوى الإدارية وفق قاعدة (80/20).

8.2 الرسوم البيانية للبيانات الكمية والمتصلة

عندما تكون البيانات كمية ومتصلة على المستوى الفئوي أو النسبي، لا تصلح الأعمدة البيانية المنفصلة لتمثيلها، بل يُلجأ إلى أدوات بيانية متخصصة تعكس الاتصال الحسابي للمتغير:

1. المدرج التكراري (Histogram): يبدو في مظهره شبيهاً بالأعمدة البيانية، ولكنه يختلف عنها اختلافاً جوهرياً؛ حيث تكون الأعمدة متلاصقة تماماً دون أي مسافات أو فواصل بينية للدلالة على الطبيعة المتصلة للبيانات. وتُمثل الحدود الحقيقية للفئات على المحور الأفقي ($X$) بينما يمثل المحور الرأسي ($Y$) كثافة أو ارتفاع التكرار، وتتناسب مساحة كل عمود داخل المدرج مع التكرار الفعلي للفئة.

2. المضلع التكراري (Frequency Polygon): رسم بياني خطي يُنشأ بتعيين نقاط تقاطع مراكز الفئات مع تكراراتها المقابلة، ثم التوصيل بين هذه النقاط المتتالية بخطوط مستقيمة، مع إغلاق المضلع عند طرفي المحور الأفقي بإضافة فئتين وهميتين بتكرار صفري في البداية والنهاية. وهو أداة ممتازة للمقارنة البصرية بين توزيعين أو أكثر فوق نفس الرسم البياني.

3. مخطط الساق والورقة (Stem-and-Leaf Display): أداة استكشافية تجمع بعبقرية بين التمثيل البصري لشكل التوزيع والحفاظ الكامل على القيم الرقمية الأصلية للبيانات دون فقدان؛ حيث يُقسم كل رقم إلى “ساق” (يمثل الخانات الكبرى، مثل العشرات) و”ورقة” (تمثل الخانة الصغرى، مثل الآحاد)، مما يتيح رؤية شكل التوزيع العام واستخراج الوسيط والقيم المتطرفة في آن واحد.

4. مخطط الانتشار (Scatter Plot): يُمثل الأداة البصرية الأهم لوصف العلاقة الثنائية بين متغيرين كميين مستمرين؛ حيث تُمثل كل مفردة بنقطة تقاطع إحداثياتها ($X, Y$)، ويوضح النمط المتشكل طبيعة العلاقة (خطية أو غير خطية)، واتجاهها (طردية موجبة تصاعدية، أو عكسية سالبة هابطة)، وقوتها من خلال درجة تجمع النقاط حول خط الاتجاه العام.

8.3 المخطط الصندوقي (Box-and-Whisker Plot) واستكشاف البيانات

يُعد المخطط الصندوقي (Boxplot)، الذي ابتكره عالم الإحصاء الشهير جون توكي (John Tukey) عام 1977 كجزء من أساليب استكشاف البيانات (EDA)، واحداً من أرقى وأشمل الرسوم البيانية الوصفية وأكثرها كثافة معلوماتية. يستند المخطط في تكوينه بالكامل إلى ما يُعرف بـ الملخص الخماسي للأرقام (Five-Number Summary)، وهي: القيمة الصغرى غير الشاذة، والربيع الأدنى ($Q_1$)، والوسيط ($Q_2$)، والربيع الأعلى ($Q_3$)، والقيمة العظمى غير الشاذة.

يتكون المخطط من هيكل صندوقي تمتد حافته السفلى عند ($Q_1$) وحافته العليا عند ($Q_3$)، ويمثل طول الصندوق المدى الربيعي ($IQR$) الذي يضم الـ 50% الوسطى من الحالات. ويقطع الصندوق خط داخلي يمثل الوسيط بدقة؛ فإذا كان خط الوسيط قريباً من مركز الصندوق دل على تماثل البيانات، وإذا انحاز نحو الأسفل دل على التواء موجب، وإذا انحاز للأعلى دل على التواء سالب.

وتمتد من طرفي الصندوق خطوط مستقيمة تُعرف بـ “الشوارب” (Whiskers) لتصل إلى أدنى وأعلى قيمة تقعان ضمن الحدود الطبيعية المقبولة (والتي تُحسب بمسافة $1.5 \times IQR$ من طرفي الصندوق). أما النقاط أو الدرجات التي تقع خارج حدود الشوارب، فتُرسم كعلامات دائرية أو نجمية مستقلة لتنبيه الباحث بصرياً إلى كونها قيماً متطرفة وشاذة (Outliers) تتطلب فحصاً معمقاً.

يُعتبر المخطط الصندوقي الأداة المفضلة في علم النفس المقارن لوصف ومقارنة عدة مجموعات علاجية أو مهنية في آن واحد؛ حيث توضع الصناديق متجاورة على نفس المحور الرأسي لمقارنة مستويات الوسيط، وتشتت المدى الربيعي، ووجود القيم الشاذة بوضوح لا تدانيه أي وسيلة أخرى.

9. الوصف الإحصائي للعلاقات الثنائية: معاملات الارتباط الوصفية

9.1 معامل ارتباط بيرسون (Pearson Correlation Coefficient)

لا يقف الإحصاء الوصفي عند حدود وصف المتغيرات الفردية أحادية البعد (Univariate Statistics)، بل يمتد ليشمل وصف طبيعة وقوة واتجاه الاقتران أو التغير المشترك بين متغيرين اثنين (Bivariate Statistics). ويُمثل معامل ارتباط بيرسون للعزوم والانحدار ($r$) المقياس الخطي المعياري الأبرز لوصف العلاقات بين متغيرين كميين متصلين مقيسين على المستوى الفئوي أو النسبي.

يُعرَّف معامل بيرسون رياضياً بأنه النسبة بين التغاير المشترك (Covariance) للمتغيرين $X$ و $Y$ مقسوماً على حاصل ضرب انحرافيهما المعياريين، وفق المعادلة التالية:

$$r = \frac{\sum (X – \bar{X})(Y – \bar{Y})}{\sqrt{\sum (X – \bar{X})^2 \sum (Y – \bar{Y})^2}}$$

تتراوح القيمة العددية لمعامل بيرسون في مدى مغلق وصارم يمتد من $-1.00$ إلى $+1.00$، وتُفسر دلالته الوصفية على النحو الآتي:

• ارتباط طردي (موجب): تتراوح قيمته بين $0.00$ و $+1.00$، ويشير إلى أن الزيادة في درجات المتغير الأول تقترن بزيادة مناظرة في درجات المتغير الثاني (مثل العلاقة بين ساعات الاستذكار والتحصيل الأكاديمي). وتدل القيمة $+1.00$ على ارتباط طردي تام.
• ارتباط عكسي (سالب): تتراوح قيمته بين $0.00$ و $-1.00$، ويشير إلى أن الزيادة في المتغير الأول تقترن بانخفاض في درجات المتغير الثاني (مثل العلاقة بين مستوى الضغوط النفسية وجودة النوم). وتدل القيمة $-1.00$ على ارتباط عكسي تام.
• ارتباط منعدم: القيمة $0.00$ تشير إلى الغياب التام لأي علاقة خطية منتظمة بين المتغيرين.

وفي إطار الوصف الإحصائي، يكتسب معامل التحديد ($r^2$) أهمية بالغة؛ وهو مربع قيمة معامل الارتباط، ويعبر عن النسبة المئوية من التباين في المتغير التابع التي يمكن تفسيرها أو نسبتها إلى التغير في المتغير المستقل. فإذا كان معامل الارتباط بين ساعات التدريب ومهارة حل المشكلات هو ($r = 0.60$)، فإن معامل التحديد هو ($r^2 = 0.36$)؛ مما يعني وصفياً أن 36% من التباين في مهارة حل المشكلات يعود إلى التدريب، بينما تظل 64% من التباين خاضعة لعوامل أخرى.

9.2 معامل ارتباط سبيرمان للرتب (Spearman’s Rho)

عندما تُقاس المتغيرات على مستوى ترتيبي، أو عندما تكون البيانات كمية ولكنها تنتهك بشدة افتراضات التوزيع الطبيعي وتحتوي على قيم شاذة حادة تعوق استخدام معامل بيرسون، يُصبح معامل ارتباط سبيرمان للرتب ($r_s$ أو $rho$) هو البديل الوصفي الأمثل والأكثر متانة ومصداقية.

يعتمد معامل سبيرمان على تحويل الدرجات الرقمية الأصلية للمتغيرين إلى رتب متسلسلة تصاعدية (من الرتبة 1 إلى الرتبة $n$)، ثم حساب الفروق ($d$) بين رتب كل مفحوص في المتغيرين وتربيعها، وتطبيق المعادلة الشهيرة:

$$r_s = 1 – \frac{6 \sum d_i^2}{n(n^2 – 1)}$$

حيث تمثل $d_i$ الفارق بين رتبة المفحوص في المتغير الأول ورتبته في المتغير الثاني، و$n$ عدد أفراد العينة.

يقيس معامل سبيرمان درجة “العلاقة الرتيبة” (Monotonic Relationship) بين المتغيرين؛ أي ميل المتغيرين للتحرك معاً في نفس الاتجاه العام حتى لو لم تكن العلاقة خطية مستقيمة بصورة تامة. وتتطابق حدود تفسيره الرقمي تماماً مع معامل بيرسون (من $-1$ إلى $+1$).

مثال تطبيقي: رغب أخصائي تربوي في وصف العلاقة بين الترتيب الصفي الأكاديمي لـ 5 طلاب وترتيبهم في اختبار مقنن للذكاء الانفعالي. سُجلت الرتب كالتالي:

الطالب أ: رتبة التحصيل (1)، رتبة الذكاء الانفعالي (2) $\rightarrow d = -1, d^2 = 1$.

الطالب ب: رتبة التحصيل (2)، رتبة الذكاء الانفعالي (1) $\rightarrow d = 1, d^2 = 1$.

الطالب ج: رتبة التحصيل (3)، رتبة الذكاء الانفعالي (3) $\rightarrow d = 0, d^2 = 0$.

الطالب د: رتبة التحصيل (4)، رتبة الذكاء الانفعالي (5) $\rightarrow d = -1, d^2 = 1$.

الطالب هـ: رتبة التحصيل (5)، رتبة الذكاء الانفعالي (4) $\rightarrow d = 1, d^2 = 1$.

مجموع مربعات الفروق: $\sum d^2 = 1 + 1 + 0 + 1 + 1 = 4$.

بتطبيق المعادلة: $r_s = 1 – [ (6 \times 4) / (5 \times (25 – 1)) ] = 1 – (24 / 120) = 1 – 0.20 = +0.80$.

يدل الناتج ($r_s = +0.80$) على وجود علاقة طردية قوية جداً بين الترتيب الأكاديمي والترتيب في الذكاء الانفعالي في هذه العينة الصغيرة.

9.3 معاملات الارتباط الخاصة بالبيانات الاسمية والثنائية

تتطلب المتغيرات الاسمية والتصنيفية معاملات ارتباط وصفية مصممة خصيصاً لتناسب بنيتها الرياضية المحدودة:

1. معامل ارتباط فاي (Phi Coefficient – $phi$): يُستخدم حصرياً لوصف العلاقة الثنائية بين متغيرين اسميين ثنائيي التقسيم الحقيقي (Dichotomous Variables)، أي في جداول التوافق من نمط ($2 \times 2$)، مثل وصف الارتباط بين النوع (ذكر/أنثى) واجتياز اختبار القيادة (ناجح/راسب). ويُحسب بالاعتماد على التكرارات المشتقة من خلايا الجدول، وتتراوح قيمته بين $-1$ و $+1$ (أو من $0$ إلى $1$ بحسب اتجاه الترميز).

2. معامل الارتباط النقطي ثنائي التسلسل (Point-Biserial Correlation – $r_{pb}$): يُطبق عندما يكون أحد المتغيرين ثنائي التقسيم الحقيقي المنفصل (مثل: الجنس أو الحالة الصحية مصاب/سليم) والمتغير الآخر متصلاً على مستوى فئوي أو نسبي (مثل: درجة القلق العام أو معدل الذكاء). وهو في جوهره صيغة رياضية مشتقة ومبسطة من معامل ارتباط بيرسون تصف قوة الفارق بين المجموعتين.

3. معامل فاي كرامر (Cramer’s V): يُعد التوسيع الرياضي لمعامل فاي ليناسب الجداول المتقاطعة الأكبر حجماً ($r \times c$) والتي تشتمل على متغيرات اسمية متعددة الفئات (مثل وصف العلاقة بين التخصص الأكاديمي بأربعة مستويات ونمط الشخصية بثلاثة مستويات). وتتراوح قيمته دائماً بين $0.00$ (انعدام الارتباط) و $1.00$ (الاقتران التام)، ويقدم وصفاً معيارياً لقوة العلاقة التوافقية المستقلة عن حجم العينة.

10. أمثلة تطبيقية شاملة في العلوم النفسية والتربوية

10.1 دراسة حالة 1: وصف سمات الشخصية لعينة من العاملين

في دراسة مسحية وصفية استهدفت استكشاف الخصائص النفسية والسلوكية لكوادر التمريض في أقسام الطوارئ بإحدى المستشفيات الكبرى، طُبقت قائمة العوامل الخمسة الكبرى للشخصية (NEO-FFI) ومقياس الرضا الوظيفي على عينة قوامها $N = 250$ ممرضاً وممرضة. لخص الباحث البيانات ديموغرافياً بإظهار أن الإناث شكلن 64% ($n = 160$) والذكور 36% ($n = 90$)، بمتوسط عمري قدره ($\bar{X} = 32.4$ سنة، بانحراف معياري $s = 5.8$).

أظهر التحليل الإحصائي الوصفي لدرجات أبعاد الشخصية (المقاسة بمدى من 10 إلى 50 نقطة) النتائج المعروضة في الجدول الوصفي التالي:

البعد النفسي	المتوسط ($M$)	الانحراف المعياري ($SD$)	الوسيط ($Mdn$)	الالتواء ($Skewness$)	التفرطح ($Kurtosis$)
يقظة الضمير (Conscientiousness)	42.15	3.45	42.00	-0.22	-0.15
المقبولية (Agreeableness)	39.80	4.10	40.00	-0.35	0.10
الانبساطية (Extraversion)	33.50	6.20	34.00	0.08	-0.42
الانفتاح على الخبرة (Openness)	31.20	5.80	31.00	0.14	-0.30
العصابية (Neuroticism)	22.40	7.95	20.00	1.45	2.10

التفسير الإحصائي والتحليلي:

• تظهر أبعاد يقظة الضمير والمقبولية متوسطات مرتفعة وانحرافات معيارية ضئيلة (تجانس مرتفع) مع قيم التواء وتفرطح تقترب من الصفر، مما يبرهن على أن عينة التمريض تتسم بمستويات عالية ومستقرة من الانضباط السلوكي والتعاطف الاجتماعي وتتبع توزيعاً اعتدالياً نموذجياً.
• يُظهر بعد العصابية (عدم الاستقرار الانفعالي) نمطاً استثنائياً شديد الأهمية؛ حيث بلغ المتوسط 22.40 بينما الوسيط 20.00 مع انحراف معياري عريض ($SD = 7.95$) وقيمة التواء موجب مرتفعة ($Skewness = +1.45$) وتفرطح مدبب ($Kurtosis = +2.10$). يصف هذا المؤشر الإحصائي بدقة أن الغالبية العظمى من الممرضين يتمتعون باستقرار انفعالي ممتاز وتتجمع درجاتهم في الطرف المنخفض، في حين يمتد ذيل التوزيع نحو اليمين بفعل فئة فرعية قليلة ومحددة تعاني من هشاشة نفسية واحتراق انفعالي حاد، مما يرشد الإدارة الطبية للتدخل الفردي الموجه لحمايتهم.

10.2 دراسة حالة 2: تحليل فاعلية برنامج علاجي لاضطراب كرب ما بعد الصدمة

في دراسة إكلينيكية لتقييم أثر برنامج قائم على العلاج بالتعرض المطول (Prolonged Exposure Therapy) لدى عينة من 30 فرداً من الناجين من حوادث السير الشديدة، قِيس مستوى أعراض كرب ما بعد الصدمة باستخدام مقياس مقنن (PCL-5، الدرجات من 0 إلى 80) في مرحلتين: القياس القبلي (Pre-test) والقياس البعدي (Post-test).

أسفرت المعالجة الإحصائية الوصفية لمؤشرات الأداء عن النتائج التالية:

• القياس القبلي (قبل العلاج): المتوسط الحسابي = 58.60، الانحراف المعياري = 6.40، الوسيط = 59.00، المدى المطلق = 26 (من 45 إلى 71)، المدى الربيعي ($IQR$) = 8.5.
• القياس البعدي (بعد العلاج): المتوسط الحسابي = 26.30، الانحراف المعياري = 9.80، الوسيط = 24.00، المدى المطلق = 42 (من 10 إلى 52)، المدى الربيعي ($IQR$) = 14.0.

التحليل الوصفي المقارن: يوضح الوصف الإحصائي حدوث انخفاض هائل في مركز الأعراض المرضية بمقدار ($58.60 – 26.30 = 32.30$ درجة)، وهو ما يمثل نسبة تحسن وصفي إجمالي بلغت $55.1%$. وتكشف مقارنة مقاييس التشتت أن الانحراف المعياري والمدى الربيعي قد تضاعفا تقريباً في القياس البعدي مقارنة بالقبلي؛ مما يعني أن عينة المرضى كانت شديدة التجانس في معاناتها الحادة قبل التدخل، بينما تباينت استجابتهم بعد التدخل بين حالات حققت تعافياً تاماً (أدنى درجة = 10) وأخرى استمرت لديها بعض الأعراض المتبقية، مما يبرز تفاصيل الأداء الإكلينيكي بدقة متناهية.

10.3 دراسة حالة 3: تقنين وتوحيد معايير مقياس التوافق الأسري

خلال مشروع وطني لتقنين مقياس التوافق الأسري على عينة معيارية ممثلة بلغت $N = 1200$ أسرة، قام فريق القياس بتحويل الدرجات الخام المستخلصة إلى درجات معيارية تائية ورتب مئينية لبناء جداول المعايير المرجعية وتحديد الخطأ المعياري للقياس.

تم استخراج المعالم الوصفية الكبرى للمجتمع المقنن: المتوسط الحسابي العام = 120.00، الانحراف المعياري = 20.00، مع ثبات إحصائي ألفا كرونباخ بلغ 0.91. وبناءً على هذه المعالم الوصفية، تم تحديد فئات التوافق المعيارية لتيسير الاستخدام الميداني للأخصائيين:

التصنيف المعياري	نطاق الدرجات الزائية ($Z$)	نطاق الدرجات التائية ($T$)	الرتبة المئينية التقريبية	الدرجة الخام المقابلة
توافق أسري منخفض جداً (حرج)	أقل من $-2.00$	أقل من 30	أقل من $P_2$	أقل من 80
توافق أسري منخفض (هش)	من $-2.00$ إلى $-1.01$	من 30 إلى 39	من $P_2$ إلى $P_{15}$	من 80 إلى 99
توافق أسري متوسط (طبيعي)	من $-1.00$ إلى $+1.00$	من 40 إلى 60	من $P_{16}$ إلى $P_{84}$	من 100 إلى 140
توافق أسري مرتفع (جيد)	من $+1.01$ إلى $+2.00$	من 61 إلى 70	من $P_{85}$ إلى $P_{97}$	من 141 إلى 160
توافق أسري ممتاز (مثالي)	أعلى من $+2.00$	أعلى من 70	أعلى من $P_{98}$	أعلى من 160

يوفر هذا النموذج الوصفي للأخصائي النفسي في مراكز الإرشاد أداة فورية وموضوعية؛ فبمجرد حصول الأسرة على درجة خام (مثلاً: 90)، يدرك الأخصائي مباشرة أن درجتها التائية هي 35 وأنها تقع في نطاق “التوافق الهش” عند المئينة العاشرة تقريباً، مما يستوجب إلحاقها ببرامج التدريب على مهارات حل النزاعات الأسرية.

11. الفروق الجوهرية بين الإحصاء الوصفي والإحصاء الاستدلالي

11.1 مقارنة الأهداف والنطاق التحليلي

يمثل التمييز المنهجي الواعي بين الإحصاء الوصفي والإحصاء الاستدلالي (Inferential Statistics) أحد أهم متطلبات النضج البحثي؛ فكلا الفرعين يؤديان وظائف متكاملة ولكن ضمن نطاقات وأهداف تحليلية متباينة تماماً.

يقتصر نطاق الإحصاء الوصفي حصرياً على تلخيص وتنظيم وتوصيف خصائص مجموعة البيانات الملاحظة والمجمعة بالفعل بين يدي الباحث. وتنتهي صلاحيته التفسيرية عند حدود تلك العينة المحددة؛ فلا يجوز للباحث الوصفي أن يجزم بأن الأنماط الملاحظة في عينته تنطبق بالضرورة على المجتمع ككل، ولا يهتم بحساب احتمالات الصدفة أو خطأ المعاينة.

في المقابل، يهدف الإحصاء الاستدلالي إلى تجاوز حدود العينة المباشرة بهدف التعميم (Generalization) والتنبؤ بسلوك المجتمع الإحصائي الأوسع الذي سُحبت منه العينة. ويستخدم الإحصاء الاستدلالي نظريات الاحتمالات والتوزيعات الاحتمالية لاختبار الفرضيات العلمية الصفرية والبديلة، وتقدير معالم المجتمع عبر فترات الثقة (Confidence Intervals)، وتحديد ما إذا كانت الفروق والعلاقات الملاحظة حقيقية أم أنها مجرد تباينات عشوائية ناتجة عن خطأ المعاينة (Sampling Error).

ويتجسد هذا التباين في المفهوم الجوهري الذي يميز بين المعلمة (Parameter) كقيمة ثابتة تصف المجتمع ككل (ويصعب غالباً معرفتها بدقة)، والإحصاءة (Statistic) كقيمة متغيرة تُحسب من العينة المتاحة وتُستخدم كتقدير كمي لمعلمة المجتمع المجهولة.

11.2 طبيعة المخرجات والأدوات الإحصائية المستخدمة

تختلف الأدوات والمعادلات والمخرجات الحسابية في كل من الفرعين بصورة واضحة تعكس طبيعة أهدافهما المنهجية:

تتمثل مخرجات وأدوات الإحصاء الوصفي في: الجداول التكرارية البسيطة والمتقاطعة، والنسب المئوية، ومقاييس النزعة المركزية (المتوسط، الوسيط، المنوال)، ومقاييس التشتت (المدى، التباين، الانحراف المعياري، المدى الربيعي)، ومقاييس الوضع النسبي (الرتب المئينية، الدرجات الزائية والتائية)، ومقاييس شكل التوزيع (معاملات الالتواء والتفرطح)، والرسوم البيانية (المدرجات، الأعمدة، المخططات الصندوقية، ومخططات الانتشار)، ومصفوفات الارتباط الوصفية الثنائية.

أما مخرجات وأدوات الإحصاء الاستدلالي، فتتضمن الاختبارات الفرضية المعلمية واللامعلمية، مثل: اختبار “ت” للعينات المستقلة والمترابطة (t-test)، وتحليل التباين الأحادي والمتعدد (ANOVA & MANOVA)، وتحليل الانحدار الخطي واللوجستي (Regression Analysis)، واختبار مربع كاي للاستقلالية ودقة المطابقة ($\chi^2$)، والنمذجة بالمعادلات البنائية (SEM). وتتمحور مخرجاته حول استخراج مستويات الدلالة الإحصائية، والقيمة الاحتمالية (p-value)، وحجم الأثر (Effect Size كالـ Cohen’s d و Partial $\eta^2$).

ولا بد من التشديد على أن التحليل الإحصائي الوصفي ليس بديلاً أو منافساً للإحصاء الاستدلالي، بل هو الأساس والمدخل الحتمي له؛ فالتحليل الوصفي هو الذي يكشف اعتدالية التوزيع وتجانس التباين وخلو البيانات من القيم الشاذة، وبناءً على هذه المؤشرات الوصفية يتخذ الباحث قراره المنهجي باختيار الاختبار الاستدلالي المناسب بدقة تامة.

11.3 مصفوفة مقارنة شاملة للتطبيقات السلوكية

يقدم الجدول المقارن التالي ملخصاً تركيبياً شاملاً للفروق بين الإحصاء الوصفي والإحصاء الاستدلالي عبر مجموعة من المحاور المنهجية التطبيقية:

محور المقارنة	الإحصاء الوصفي (Descriptive Statistics)	الإحصاء الاستدلالي (Inferential Statistics)
الهدف الأساسي	تنظيم وتلخيص وعرض بيانات العينة المتاحة بدقة.	التعميم من العينة إلى المجتمع واختبار الفرضيات.
نطاق التعميم	مقتصر حصرياً على الأفراد المفحوصين داخل العينة.	يمتد للمجتمع الإحصائي الواسع عبر الاستدلال الاحتمالي.
طبيعة المؤشرات	توصيف كمي للبيانات (المتوسط، الانحراف، النسب).	تقدير المعالم واختبار الدلالة وفترات الثقة.
افتراضات المعاينة	لا يشترط العينة العشوائية الصارمة لتوصيف البيانات.	يشترط العينة العشوائية الاحتمالية الممثلة لصحة التعميم.
الأدوات التمثيلية	الجداول، الرسوم البيانية، الملخصات الرقمية.	قيم الاختبارات الإحصائية ($t, F, \chi^2$) ومستوى الدلالة ($p$).
الاستخدام الميداني	الدراسات الاستطلاعية، والمسوح، والتقارير الإكلينيكية الفردية.	التجارب المقارنة، والتحقق من النظريات، وتوقع السلوك.

12. التحديات والمغالطات الشائعة في استخدام الإحصاء الوصفي

12.1 سوء استخدام مقاييس النزعة المركزية والتشتت

على الرغم من البساطة الظاهرية لمعادلات الإحصاء الوصفي، إلا أن الميدان البحثي يشهد مغالطات منهجية متكررة قد تشوه النتائج وتضلل القارئ وصانع القرار:

• الاعتماد الأعمى على المتوسط في التوزيعات الملتوية: يُعد استخدام المتوسط الحسابي لوصف مركز البيانات في وجود التواءات حادة أو قيم متطرفة شاذة من أشهر المغالطات؛ حيث ينجذب المتوسط بقوة نحو الأطراف، معطياً انطباعاً زائفاً حول موقع الأغلبية. والصواب المنهجي هنا هو استخدام الوسيط والمدى الربيعي.
• إغفال مقاييس التشتت: يكتفي بعض الباحثين بذكر المتوسط الحسابي دون إقرانه بالانحراف المعياري، وهو خطأ فادح؛ فالمتوسط وحده يصف المركز ويعمي القارئ عن معرفة مدى تجانس أو تشتت المجموعة، مما يخفي تباينات جذرية في الاستجابات السلوكية.
• حساب المتوسط لبيانات ترتيبية واسمية: يقع الكثيرون في خطأ جمع قيم مقاييس ليكرت الترتيبية أو التصنيفات الاسمية وحساب متوسط حسابي لها بكسور عشرية تفتقر إلى الأساس الرياضي الصحيح؛ فالبيانات الترتيبية لا تفترض تساوي المسافات بين الرتب، والمقياس الأنسب لوصفها هو الوسيط أو المنوال والنسب المئوية.
• الخلط بين الانحراف المعياري والخطأ المعياري: يخلط باحثون بين الانحراف المعياري للعينة ($SD$) الذي يصف تشتت الأفراد حول متوسط العينة كإحصاء وصفي، وبين الخطأ المعياري للمتوسط ($SEM$) الذي يمثل مؤشراً استدلالياً يقيس دقة تقدير متوسط العينة لمتوسط المجتمع. إن وضع ($SEM$) في الجداول الوصفية بهدف إظهار أرقام تشتت صغيرة خادعة يُعد تضليلاً علمياً مرفوضاً.

12.2 التضليل في التمثيل البياني والعرض الجدولي

تتيح الرسوم البيانية قدرة هائلة على الإقناع البصري، ولكنها قد تتحول إلى أداة تضليل معرفي خطيرة عند انتهاك القواعد المعيارية للتمثيل الهندسي، ومن أبرز صور التضليل البياني الشائعة:

• بتر المحور الرأسي (Truncated Vertical Axes): يبدأ المحور الرأسي في بعض الرسوم من نقطة مرتفعة (مثلاً من 80 بدلاً من الصفر)، مما يؤدي إلى تضخيم وتجسيم بصري هائل لفروق طفيفة للغاية وغير ذات قيمة بين المجموعات (مثل تصوير فارق نقطتين على أنه فارق شاسع)، وهو ما ينافي الأمانة العلمية الصارمة.
• الاستخدام المربك للمخططات ثلاثية الأبعاد (3D Distortion): يؤدي استخدام الرسوم ثلاثية الأبعاد للأعمدة أو الدوائر إلى تشويه الزوايا والنسب البصرية وتغيير الأحجام الحقيقية للقطاعات، مما يجعل القطاع الأمامي يبدو أضخم بكثير من القطاع الخلفي حتى لو كان متساوياً معه عددياً.
• تكديس الجداول التكرارية المفرطة: تصميم جداول تكرارية طويلة جداً تضم عشرات الفئات ذات التكرارات الصفرية أو شبه المعدومة يشتت انتباه القارئ ويفقد الجدول وظيفته الأساسية في التبسيط والتنظيم، وكان الأجدر بالباحث دمج الفئات المتقاربة منطقياً.

12.3 المغالطات التفسيرية والقفز إلى الاستنتاجات السببية

ترتبط أخطر المغالطات في توظيف الإحصاء الوصفي بمرحلة تفسير النتائج واستخلاص الدلالات المعرفية من الأرقام، وتتجلى في النقاط المنهجية التالية:

1. الخلط القاتل بين الارتباط والسببية (Correlation vs. Causation): يُعد هذا الخطأ المنهجي الأكثر شيوعاً؛ فالكشف عن وجود معامل ارتباط بيرسون قوي ومرتفع بين متغيرين (مثل: استخدام وسائل التواصل الاجتماعي ومستوى الاكتئاب) لا يعطي الباحث أي حق علمي أو منطقي للادعاء بأن المتغير الأول هو “السبب” في حدوث الثاني. إن الارتباط الوصفي يقيس الاقتران والتغير المتزامن فقط، ولكنه يعجز عن إثبات الاتجاه السببي الذي قد يعود إلى متغيرات دخيلة أو كامنة لم تُقس (Confounding Variables).

2. الخلط بين الأهمية الوصفية والأهمية الإكلينيكية/العملية: قد يظهر التحليل الوصفي تفوق مجموعة على أخرى بمتوسط حسابي طفيف جداً لا يتعدى جزءاً من النقطة، فيسارع الباحث إلى الترويج لنجاح برنامجه العلاجي أو التربوي متجاهلاً أن هذا الفارق الصغير يفتقر إلى أي قيمة أو معنى تطبيقي حقيقي على أرض الواقع المعاش للمريض أو الطالب.

3. التعميم غير المبرر لنتائج العينات العارضة: القفز إلى صياغة تعميمات قطعية حول سلوك المجتمع انطلاقاً من دراسة وصفية استطلاعية مطبقة على عينة صغيرة غير عشوائية (Convenience Sample) يمثل انتهاكاً جسيماً للنزاهة الأكاديمية؛ فالإحصاء الوصفي يصف من استجابوا للمقياس حصرياً، ولا يمتلك الأدوات الاحتمالية التي تجيز التوسع في التعميم خارج حدود إطار المعاينة الفعلي.

خاتمة

في الختام، يتضح بجلاء أن الإحصاء الوصفي يمثل الركيزة المنهجية الجوهرية والمدخل العلمي الإلزامي لأي ممارسة بحثية أو تقييمية رصينة في مجالات العلوم السلوكية والنفسية والتربوية والاجتماعية. فهو ليس مجرد مرحلة تمهيدية عابرة أو مجموعة من العمليات الحسابية الجامدة، بل هو فن وعلم تنظيم المعرفة الرقمية واستنطاق البيانات الميدانية وتحويلها من أكوام خام مبعثرة إلى شواهد بصرية ورقمية مفعمة بالمعنى والدلالة.

لقد أظهرت المعالجة التفصيلية لمحاور هذا المقال أن الاستخدام الواعي والمنهجي لمقاييس النزعة المركزية والتشتت، جنباً إلى جنب مع مقاييس الموقع النسبي وشكل التوزيع، والتمثيل الجدولي والبياني الرصين وفق المعايير الأكاديمية العالمية، يمنح الباحثين والممارسين رؤية نقدية بالغة العمق لفهم السلوك الإنساني وتشخيص المشكلات وتوجيه التدخلات العلاجية والتربوية بدقة متناهية.

إن إدراك الباحث للحدود الوظيفية الفاصلة بين الإحصاء الوصفي ونظيره الاستدلالي، ويقظته المنهجية الدائمة لتجنب الوقوع في فخاخ التضليل البياني أو القفز غير المبرر إلى استنتاجات سببية متسرعة من معاملات الارتباط، يمثل صمام الأمان الحقيقي لضمان الأمانة العلمية والموضوعية الرصينة، والارتقاء بجودة البحوث والدراسات العربية لتواكب أرفع المعايير المنهجية المعترف بها في المحافل الأكاديمية الدولية.

المراجع

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Gravetter, F. J., Wallnau, L. B., Forzano, L. B., & Witnauer, J. E. (2021). Essentials of statistics for the behavioral sciences (10th ed.). Cengage Learning.
• Howell, D. C. (2017). Fundamental statistics for the behavioral sciences (9th ed.). Cengage Learning.
• Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. https://doi.org/10.1126/science.103.2684.677
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.
• علام، صلاح الدين محمود. (2015). الأساليب الإحصائية والاستدلالية في تحليل بيانات البحوث النفسية والتربوية والاجتماعية (ط. 4). دار الفكر العربي.
• أبو حطب، فؤاد، وصادق، آمال. (2010). مناهج البحث وطرق التحليل الإحصائي في العلوم النفسية والتربوية والاجتماعية (ط. 3). مكتبة الأنجلو المصرية.
• كفافي، علاء الدين، والنيال، مايسة. (2018). الإحصاء النفسي والتربوي: المفاهيم والتطبيقات. دار المعرفة الجامعية.