كيفية حساب المدى الربيعي (IQR) في إكسيل

يُمثّل التحليل الإحصائي الاستكشافي للبيانات ركيزة جوهرية في استخلاص الاستنتاجات العلمية الدقيقة، حيث لا يكفي الاعتماد على مقاييس النزعة المركزية وحدها، كالمتوسط الحسابي، لتوصيف التوزيعات الرقمية توصيفاً شاملاً. تبرز مقاييس التشتت كأدوات لا غنى عنها لفهم مدى تباعد القيم أو تقاربها حول المركز، ويأتي في مقدمتها المدى الربيعي (Interquartile Range – IQR) كأحد أكثر المقاييس متانة ورصانة إحصائية. يكتسب المدى الربيعي أهميته الاستثنائية من قدرته الفريدة على استيعاب وتلخيص التشتت لمنتصف البيانات دون التأثر بالقيم الشاذة أو المتطرفة التي تشوه المقاييس التقليدية كالانحراف المعياري والمدى الكلي.

في بيئة الأعمال المعاصرة والبحوث الأكاديمية والعلوم النفسية والسلوكية، يُعد برنامج مايكروسوفت إكسيل (Microsoft Excel) الأداة الأكثر انتشاراً لإجراء التحليلات الإحصائية السريعة والمتقدمة على حد سواء. ومع ذلك، فإن التعامل مع حسابات المدى الربيعي واكتشاف القيم الشاذة ورسم المخططات الصندوقية يواجه في كثير من الأحيان تحديات منهجية وتقنية ترتبط باختيار الدوال المناسبة (مثل الفروق بين الخوارزميات التضمينية والاستبعادية)، وتجهيز المصفوفات، وبناء الصيغ الديناميكية المعقدة. لذلك، فإن الإحاطة الرياضية والتطبيقية بهذه المفاهيم تمثل مهارة تأسيسية لكل باحث ومحلل بيانات يسعى لتقديم تقارير تتسم بالمصداقية والموثوقية.

يهدف هذا الدليل الشامل والمرجعي إلى تقديم تفكيك منهجي وتطبيقي متكامل لكيفية حساب المدى الربيعي في إكسيل بجميع الطرق الممكنة؛ بدءاً من التأسيس النظري لمفاهيم الربيعيات والمقاييس اللامعلمية، مروراً بالمقارنات المعمقة بين دوال إكسيل المختلفة وصيغها الحديثة، وصولاً إلى أتمتة العمليات الإحصائية عبر Power Query ولغة VBA وتحليل استجابات المقاييس النفسية وعرض النتائج وفق معايير الجمعية الأمريكية لعلم النفس (APA Style).

1. مقدمة شاملة: ما هو المدى الربيعي (IQR) وأهميته الإحصائية

1.1 التعريف النظري للمدى الربيعي ومفهوم التشتت

يُعرَّف المدى الربيعي رياضياً بأنه المدى العددي الذي يشمل النصف الأوسط (50%) من المشاهدات في توزيع تكراري مرتب تصاعدياً. يمثل هذا المقياس المسافة الخطية الفاصلة بين النقطة التي تقع عندها 75% من البيانات والنقطة التي تقع عندها 25% من البيانات، مما يعني أنه يستبعد عمداً الـ 25% الدنيا والـ 25% العليا من الحسابات المباشرة. هذا التركيز الحصري على الكتلة المركزية للتوزيع يمنح المدى الربيعي ميزة إحصائية فائقة عند دراسة الظواهر التي تتسم بوجود تباين طبيعي واسع أو تشويش في القياسات الطرفية.

عند مقارنة المدى الربيعي بمقاييس التشتت الكلاسيكية، نجد أن المدى الكلي (Range)، المحسوب بطرح القيمة الدنيا من القيمة القصوى، يُعد مقياساً هشاً للغاية؛ إذ إنه يتأثر كلياً بقيمة واحدة متطرفة قد تكون ناتجة عن خطأ في القياس أو الإدخال، مما يعطي انطباعاً مضللاً باتساع التشتت. وبالمثل، فإن الانحراف المعياري والتباين يعتمدان على حساب الانحرافات عن المتوسط الحسابي وتربيعها، مما يضاعف الوزن النسبي للقيم البعيدة جداً عن المركز ويؤدي إلى تضخيم قيمة التشتت بصورة مصطنعة في التوزيعات غير المتناظرة.

من هنا يبرز تصنيف المدى الربيعي ضمن الإحصاءات المتينة (Robust Statistics) أو المقاييس المقاومة (Resistant Measures). وتتضح هذه المتانة الإحصائية في كون “نقطة الانهيار” (Breakdown Point) للمدى الربيعي تصل إلى 25%، مما يعني أن التوزيع يمكن أن يستوعب ما يصل إلى ربع حجم العينة كقيم متطرفة أو فاسدة دون أن يؤدي ذلك إلى انهيار المقياس أو انحرافه إلى اللانهاية، بخلاف الانحراف المعياري الذي تبلغ نقطة انهياره 0%؛ حيث تكفي قيمة واحدة شاذة لتغيير قيمته تغييراً جذرياً.

تاريخياً ومنهجياً، يحتل المدى الربيعي موقع الصدارة في الدراسات الاستطلاعية والوصفية، لا سيما في المراحل الأولية من فحص البيانات (Exploratory Data Analysis – EDA) التي رسخها العالم جون توكي (John Tukey). وتتجلى فائدته في توصيف المتغيرات الاجتماعية والاقتصادية الحساسة كالدخل والأجور، وسلوكيات المستهلكين، والأزمنة المستغرقة لإنجاز المهام، حيث تكون التوزيعات بطبيعتها غير اعتدالية وتحتوي على ذيول طويلة تتطلب مقياساً يصف بدقة جوهر التوزيع واستقراره المركزي.

1.2 الهيكل الرياضي للربيعيات وتوزيع البيانات

يرتكز البناء الهيكلي للمدى الربيعي على تقسيم مصفوفة البيانات المرتبة ترتيباً تصاعدياً إلى أربعة أجزاء متساوية تماماً في عدد المشاهدات، وذلك باستخدام ثلاث نقاط قطع رئيسية تُعرف بالربيعيات (Quartiles). الربيع الأول (First Quartile – Q1)، ويُطلق عليه أيضاً الربيع الأدنى، يمثل النسبة المئوية الخامسة والعشرين (25th Percentile)؛ وهو القيمة الرياضية التي يقل عنها ربع البيانات (25%) ويزيد عنها ثلاثة أرباعها (75%).

أما الربيع الثاني (Second Quartile – Q2)، فهو النقطة الوسطى للتوزيع ويتطابق تطابقاً مطلقاً مع الوسيط الإحصائي (Median) والنسبة المئوية الخمسين (50th Percentile). يقسم هذا الربيع مصفوفة المشاهدات إلى نصفين متساويين: 50% من القيم تقع أسفله و50% تقع أعلاه، وهو مقياس الموضع المركزي الأكثر أماناً في التوزيعات غير المعيارية. بينما يمثل الربيع الثالث (Third Quartile – Q3)، أو الربيع الأعلى، النسبة المئوية الخامسة والسبعين (75th Percentile)، وهي القيمة التي يقع تحتها 75% من مشاهدات العينة ويعلوها 25% فقط.

تتجسد الصيغة الرياضية الأساسية للمدى الربيعي في معادلة الطرح المباشرة التالية:

IQR = Q3 – Q1

تكتسب هذه الصيغة دلالة عميقة في نظرية الاحتمالات والتوزيعات التراكمية؛ إذ تعبر عن طول الفترة المركزية لدالة التوزيع التراكمي (CDF) التي تحصر المساحة الاحتمالية الواقعة بين P(X ≤ Q3) = 0.75 و P(X ≤ Q1) = 0.25. وفي حالة التوزيع الطبيعي المعياري (Normal Distribution)، يرتبط المدى الربيعي بالانحراف المعياري (σ) بعلاقة خطية ثابتة ودقيقة؛ حيث يعادل IQR تقريباً 1.34896 × σ. هذا الترابط الرياضي يتيح للباحثين إجراء تقديرات عكسية للانحراف المعياري المتوقع للبيانات الطبيعية من خلال المدى الربيعي، مما يوفر أداة مزدوجة للتحقق من اعتدالية البيانات وجودة مطابقتها النظرية.

1.3 مقارنة المدى الربيعي بالانحراف المعياري في التوزيعات الملتوية

تخضع التوزيعات الواقعية في العلوم السلوكية والإنسانية والإدارية لظاهرة الالتواء (Skewness)، حيث يمتد أحد طرفي التوزيع ليصنع ذيلاً طويلاً في الاتجاه الإيجابي (الالتواء نحو اليمين) أو الاتجاه السلبي (الالتواء نحو اليسار). في هذه السيناريوهات، يتعرض الانحراف المعياري لتشوه إحصائي حاد نتيجة حساسيته الفائقة للجذور التربيعية للفروق عن المتوسط الحسابي، مما يجعله يعكس امتداد الذيل المتطرف بدلاً من أن يعكس التشتت الحقيقي لغالبية أفراد العينة.

في المقابل، يظهر المدى الربيعي كفاءة فائقة في تلخيص التشتت للبيانات السلوكية والنفسية ذات التوزيعات اللامعيارية. فعلى سبيل المثال، عند قياس مستويات القلق أو درجات الاكتئاب في عينة من المجتمع العام، تكون الغالبية العظمى من الدرجات متجمعة عند النهاية الدنيا للمقياس بينما تمتد قلة من الحالات السريرية الحادة لتصنع التواءً إيجابياً شديداً. إن استخدام المدى الربيعي والوسيط في هذه الحالة يصف بدقة التشتت النمطي للمفحوصين دون أن يتأثر بالحالات السريرية الحادة التي تُعامل كحالات متطرفة تقع خارج سياج الـ 50% الوسطى.

تتحدد شروط تفضيل المدى الربيعي والوسيط على المتوسط والتباين في الحالات التالية:

• عندما يفشل اختبار اعتدالية التوزيع الطبيعي (مثل اختبار شابيرو-ويلك أو كولموجوروف-سميرنوف) عند مستوى دلالة p < 0.05.
• عند وجود قيم شاذة حقيقية أو متطرفة لا يمكن حذفها لكونها جزءاً من الظاهرة المدروسة ولكن لا يُراد لها أن تطغى على المؤشر الوصفي العام.
• عندما تكون البيانات مقاسة على مستوى ترتيبي (Ordinal Scale)، مثل مقاييس ليكرت الخماسية أو السباعية.

علاوة على ذلك، يتيح المدى الربيعي إمكانية تقييم تناظر التوزيع التكراري بصرياً ورياضياً بالاعتماد على الفروق الربيعية الجزئية. فإذا كانت المسافة بين الربيع الثالث والوسيط (Q3 – Q2) مساوية للمسافة بين الوسيط والربيع الأول (Q2 – Q1)، فإن التوزيع يعتبر متناظراً في قلبه المركزي. أما إذا كانت المسافة (Q3 – Q2) أكبر بكثير من (Q2 – Q1)، فإن ذلك يشير مباشرة إلى التواء إيجابي داخلي، والعكس صحيح، مما يمنح المحلل نظرة تشخيصية مسبقة تتجاوز مجرد حساب رقم أحادي للتشتت.

2. دوال إكسيل الإحصائية المخصصة لحساب الربيعيات: مقارنة تفصيلية

2.1 دالة QUARTILE الكلاسيكية وطريقة عملها

قدمت الإصدارات الأولى لبرنامج إكسيل الدالة الإحصائية التقليدية QUARTILE لحساب قيم الربيعيات لمجموعات البيانات الرقمية. تأتي هذه الدالة ببنية صياغية مباشرة تتطلب وسيطين إجباريين: QUARTILE(array, quart)، حيث يمثل الوسيط الأول array مصفوفة الأرقام أو نطاق الخلايا المحتوي على البيانات، بينما يمثل الوسيط الثاني quart رقماً صحيحاً يتراوح بين 0 و 4 لتحديد نوع القيمة الإحصائية المطلوبة بدقة.

تتوزع خيارات وسيط الربيع في الدالة الكلاسيكية وفق الترتيب التالي: إدخال الرقم (0) يرجع القيمة الصغرى المطلقة في المصفوفة (الحد الأدنى)، وإدخال الرقم (1) يحسب الربيع الأول (25th Percentile)، وإدخال الرقم (2) يرجع الوسيط أو الربيع الثاني (50th Percentile)، وإدخال الرقم (3) يحسب الربيع الثالث (75th Percentile)، في حين يرجع الرقم (4) القيمة العظمى المطلقة (الحد الأقصى). وإذا تم إدخال أي رقم خارج هذا النطاق، فإن الدالة ترجع خطأ القيمة الحسابية #NUM!.

من الناحية التوافقية، حافظت شركة مايكروسوفت على وجود دالة QUARTILE الكلاسيكية في الإصدارات الحديثة (Excel 2010 فما بعد وصولاً إلى Microsoft 365) تحت تصنيف دوال التوافق (Compatibility Functions). والهدف من ذلك هو ضمان استمرار تشغيل أوراق العمل ونماذج الحسابات القديمة دون أخطاء برمجية، إلا أن مايكروسوفت توصي رسمياً بالانتقال إلى الدوال المحدثة لضمان التناسق مع المعايير الرياضية الدولية المعتمدة.

تعتمد الخوارزمية الرياضية المتبعة في دالة QUARTILE التقليدية على طريقة الاستيفاء الخطي التضميني (Inclusive Linear Interpolation)، وهي مطابقة تماماً لخوارزمية الدالة الحديثة QUARTILE.INC. تقوم هذه الخوارزمية بحساب موضع الرتبة (Rank) للربيع الأول بالعلاقة r = 1 + 0.25 × (N – 1)، وللربيع الثالث بالعلاقة r = 1 + 0.75 × (N – 1)، حيث تمثل N إجمالي عدد المشاهدات، ومن ثم تستوفي النتيجة خطياً بين القيمتين المحيطتين بالرتبة المحسوبة في حال لم تكن الرتبة عدداً صحيحاً.

2.2 الفرق الجوهري بين QUARTILE.INC و QUARTILE.EXC

مع إطلاق إصدار Excel 2010، أدخلت مايكروسوفت دالتين متخصصتين لحل الالتباس المنهجي حول كيفية التعامل مع أطراف التوزيع: دالة QUARTILE.INC ودالة QUARTILE.EXC. يكمن الفارق الجوهري بينهما في الفلسفة الرياضية المتبعة لاحتساب رتب المئين وما إذا كانت القيم القصوى والدنيا في العينة مستبعدة من فضاء الاحتمال النظري للمجتمع أم متضمنة فيه.

تستند دالة QUARTILE.INC (حيث INC اختصار لـ Inclusive أي تضميني) إلى المبدأ القائل بأن القيمة الصغرى في العينة تمثل النسبة المئوية 0% والقيمة الكبرى تمثل النسبة المئوية 100%. وبناءً على ذلك، يتم حساب موضع الربيع k (حيث k = 1 أو 2 أو 3) بالمعادلة:

Rank_INC = 1 + k/4 × (N – 1)

هذا النموذج يضمن أن الربيعيات تقع دائماً داخل النطاق المغلق للبيانات المستقاة، وهو النمط الرياضي السائد والمتوافق مع معظم الكتب المرجعية الكلاسيكية وحزم الإحصاء مثل MINITAB والخيارات الافتراضية الشائعة.

في المقابل، تنطلق دالة QUARTILE.EXC (حيث EXC اختصار لـ Exclusive أي استبعادي) من افتراض إحصائي مختلف، يعتبر أن العينة المتاحة هي مجرد جزء مقتطع من مجتمع لانهائي مستمر، وبالتالي فإن أصغر قيمة في العينة لا تمثل نقطة الصفر الحقيقية للمجتمع بل تمثل النسبة 1 / (N + 1)، وأكبر قيمة تمثل N / (N + 1). تحسب الدالة موضع الربيع k بالمعادلة:

Rank_EXC = k/4 × (N + 1)

ينجم عن هذا الاختلاف أن QUARTILE.EXC تستبعد بالضرورة القيم الطرفية من الحسابات، مما يجعل قياساتها أكثر اتساعاً في الغالب للربيع الثالث وأكثر انخفاضاً للربيع الأول مقارنة بـ QUARTILE.INC، وبالتالي تعطي قيمة IQR أكبر لنفس مجموعة البيانات. كما يتأثر هذا الفارق تأثراً شديداً بحجم العينة؛ ففي العينات الصغيرة (أقل من 20 مشاهدة) تكون الفروق بين الدالتين ملحوظة جداً، بينما تتلاشى هذه الفروق تدريجياً مع زيادة حجم العينة (N > 100) ليقترب الناتج من التطابق.

من الناحية المنهجية، يفضل استخدام QUARTILE.INC عندما يكون الهدف هو وصف العينة الحالية المتاحة حصراً (Descriptive Exploration) دون الرغبة في تعميم المؤشرات على مجتمع احتمالي أوسع، أو عند التعامل مع بيانات المسوح الشاملة. بينما يُفضل استخدام QUARTILE.EXC عند إجراء استدلال إحصائي (Inferential Modeling) لتقدير ربيعيات المجتمع المستهدف من واقع عينة عشوائية محدودة، شرط أن يكون حجم العينة كافياً لتجنب أخطاء الحساب الحرج.

2.3 دوال المئين PERCENTILE وعلاقتها بحساب الربيعيات

تمثل دوال المئين (Percentiles) الإطار الرياضي الأعم والأشمل الذي تندرج تحته حسابات الربيعيات، حيث إن الربيعيات ما هي إلا حالات خاصة ومحددة من المئينات. يوفر إكسيل منظومة متكاملة من دوال المئين، تشمل الدالة الكلاسيكية PERCENTILE والدالتين المحدثتين PERCENTILE.INC و PERCENTILE.EXC، والتي تتيح للمحلل تقسيم البيانات إلى 100 جزء متساوٍ بدلاً من 4 أجزاء فقط.

تتطابق مخرجات دالة الربيعيات تماماً مع دالة المئين عند اختيار الكسور العشرية المقابلة؛ إذ إن الصيغة =QUARTILE.INC(Data, 1) تعطي نتيجة متطابقة بدقة متناهية للصيغة =PERCENTILE.INC(Data, 0.25). وبالمثل، فإن حساب الربيع الثالث عبر =QUARTILE.INC(Data, 3) يطابق تماماً =PERCENTILE.INC(Data, 0.75). ينطبق هذا التماثل الرياضي الكامل أيضاً بين دالتي QUARTILE.EXC و PERCENTILE.EXC عند الوسائط 0.25 و 0.75 على التوالي.

يوفر استخدام دوال المئين مرونة هندسية متقدمة في بناء مقاييس تشتت بديلة ومخصصة تتجاوز المدى الربيعي التقليدي. فعلى سبيل المثال، يمكن للمحلل صياغة “المدى العشيري” (Interdecile Range – IDR) عبر طرح المئين العاشر من المئين التسعين باستخدام الصيغة:

=PERCENTILE.INC(Data, 0.90) – PERCENTILE.INC(Data, 0.10)

وهو مقياس تشتت يلخص 80% من منتصف البيانات ويُستخدم بكثرة في دراسات توزيع الثروات والمؤشرات الاقتصادية التنموية. كما يمكن حساب المدى بين المئينين (10th-90th) أو (5th-95th) لتطبيقات مراقبة الجودة الصناعية الحساسة.

من حيث الدقة والأداء الحاسوبي، لا يوجد أي تباين في الكفاءة الرياضية بين دوال QUARTILE ودوال PERCENTILE في إكسيل، فكلاهما يشتركان في نفس خوارزميات الترتيب الداخلي والاستيفاء الموضعي. إلا أن تفضيل دوال QUARTILE ينبع من سهولة قراءتها الدلالية في أوراق العمل وتوافقها المباشر مع المصطلحات الإحصائية المعتمدة للمخططات الصندوقية.

3. إعداد وتجهيز مصفوفات البيانات في إكسيل قبل التحليل

3.1 تنظيف البيانات والتحقق من صحة المدخلات

تتطلب الحسابات الإحصائية الدقيقة في إكسيل مصفوفات بيانات منقحة وخالية من التلوث الإدخالي؛ حيث إن دوال الربيعيات والمئينات مصممة للتعامل الحصري مع القيم الرقمية، وتتجاهل تلقائياً الخلايا النصية أو المنطقية، وهو ما قد يؤدي إلى انكماش حجم العينة الفعلي دون وعي المحلل، مشوهاً رتبة الربيع المحسوبة.

تتضمن الخطوة التأسيسية الأولى فحص النطاق المستهدف بحثاً عن الأرقام المخزنة بصيغة نصية (Numbers Stored as Text)، والتي غالباً ما تنشأ نتيجة تصدير البيانات من قواعد بيانات خارجية كـ SQL أو منصات استطلاعات الرأي. لمعالجة هذا الخلل، يمكن استخدام ميزة تحويل النص إلى أعمدة (Text to Columns) في إكسيل، أو تطبيق صيغة الضرب في واحد أو دالة VALUE لتحويل السلاسل المحرفية إلى أرقام فعلية صالحة للمعالجة الحسابية.

كما يشكل التعامل مع الخلايا الفارغة والقيم المفقودة (Missing Values) تحدياً جوهرياً؛ فبينما تتجاهل دالتا QUARTILE.INC و QUARTILE.EXC الخلايا الفارغة تماماً، فإن وجود مسافات فارغة مخفية (White Spaces) ناتجة عن ضغطات مفتاح المسافة يجعل إكسيل يعامل الخلية كنص، مما يستلزم استخدام دالة TRIM و CLEAN لتطهير المصفوفة تطهيراً شاملاً قبل الشروع في بناء المعادلات الإحصائية.

ولضمان جودة البيانات المدخلة مستقبلاً، يُنصح بتطبيق قواعد التحقق من صحة البيانات (Data Validation) عبر تبويب Data في إكسيل. يمكن تقييد نطاق الإدخال ليقبل فقط أرقاماً صحيحة أو عشرية تقع ضمن الحدود المنطقية للظاهرة المقاسة (مثلاً: من 1 إلى 5 لمقاييس ليكرت، أو أرقام موجبة لمقاييس الزمن والأوزان)، مع تفعيل رسائل التنبيه الفوري عند حدوث أخطاء إدخال عشوائية.

3.2 هيكلة النطاقات وتسمية المتغيرات (Defined Names)

إن الاعتماد على مراجع الخلايا التقليدية مثل A2:A1540 في الصيغ الإحصائية الكبيرة يزيد من احتمالية حدوث أخطاء مرجعية، خاصة عند إضافة بيانات جديدة أو سحب المعادلات بين الأعمدة. لذلك، فإن أفضل ممارسة مهنية في إكسيل تتمثل في تحويل النطاقات الخام إلى نطاقات مسماة رسمياً (Defined Names) أو جداول ديناميكية (Excel Tables).

يتم تحويل مصفوفة البيانات إلى جدول إكسيل ديناميكي عبر تحديد النطاق والضغط على الاختصار Ctrl + T. يمنح هذا الإجراء مصفوفة البيانات اسماً برمجياً مخصصاً (مثل PsychometricScores)، ويجعل الإشارة إلى عمود الدرجات تتم بصيغة هيكلية واضحة: PsychometricScores[Raw_Score]. تضمن هذه الهيكلة الديناميكية تحديث نطاق الحسابات الإحصائية للربيعيات تلقائياً فور لصق أو إدخال أي مشاهدات جديدة في أسفل الجدول دون الحاجة لتعديل الصيغ يدوياً في كل مرة.

في حالة تفضيل النطاقات الكلاسيكية، يمكن تسمية المصفوفة عبر مربع الاسم (Name Box) في أعلى يسار الشاشة أو من خلال مدير الأسماء (Name Manager) في تبويب Formulas. تُسهل هذه التسميات قراءة المعادلات المعقدة، وتجعل صيغة حساب المدى الربيعي تبدو كمعادلة لغوية واضحة: =QUARTILE.INC(Exam_Scores, 3) - QUARTILE.INC(Exam_Scores, 1).

يجب الانتباه بدقة لإدارة المراجع المطلقة والنسبية (علامات $) عند نسخ المعادلات بين مجموعات أو متغيرات متعددة؛ حيث يؤدي تثبيت الأعمدة والصفوف بصورة صحيحة إلى تجنب انزياح مصفوفات التحليل عند سحب الصيغ الحسابية أفقياً أو عمودياً.

3.3 فرز وترتيب البيانات للتحقق اليدوي البصري

على الرغم من أن دوال إكسيل الإحصائية تمتلك خوارزميات داخلية قادرة على حساب الربيعيات والمئينات على المصفوفات العشوائية وغير المرتبة، فإن الفرز التصاعدي للبيانات يظل خطوة استكشافية حاسمة للباحث لمطابقة الفهم النظري مع المخرجات البرمجية.

عند فرز البيانات تصاعدياً باستخدام أداة Sort (من الأصغر إلى الأكبر)، يستطيع المحلل تحديد مواقع المشاهدات المركزية بالعين المجردة وملاحظة تكتل القيم وتكراراتها في النصفين الأدنى والأعلى. ولتعميق هذا الفحص، يمكن إنشاء عمود مساعد يحسب الرتب المئوية أو الرتب الترتيبية لكل مشاهدة باستخدام دالة RANK.EQ أو PERCENTRANK.INC، مما يكشف مباشرة عن المشاهدات التي تتطابق رتبها مع الموضعين 25% و 75%.

يتيح الفحص البصري للمصفوفة المرتبة رصد القيم القصوى والدنيا الشاذة على الفور، واكتشاف الأنماط غير الاعتيادية مثل تركز مجموعة ضخمة من الدرجات عند الصفر أو عند الحد الأقصى للمقياس (Ceiling and Floor Effects). كما يُمكن استخدام أدوات التصفية المتقدمة (Filtering) لفرز مجموعات فرعية، كعزل الذكور عن الإناث أو الحالات المعالجة عن الحالات الضابطة، والتحقق المسبق من اكتمال صفوف كل مجموعة قبل الانتقال إلى الحسابات الرياضية الدقيقة للمدى الربيعي.

4. الدليل الإجرائي: خطوات حساب المدى الربيعي (IQR) في إكسيل

4.1 طريقة الخلايا المنفصلة: حساب Q1 و Q3 ثم إيجاد الفرق

تُعد طريقة الحساب عبر الخلايا المنفصلة المنهجية الأكثر شفافية وتعليمية، حيث توفر للمحلل وللمراجعين تدقيقاً مفصلاً لمكونات المدى الربيعي ومواضع القطع الإحصائي. لتنفيذ هذه الطريقة على مصفوفة بيانات افتراضية واقعة في النطاق A2:A100، يتم اتباع الخطوات الهندسية التالية بدقة:

1. حساب الربيع الأول (Q1): يتم الانتقال إلى خلية مخصصة، ولتكن C2، وتسميتها في الخلية المجاورة بـ “Q1″، ثم كتابة الصيغة التالية:

   =QUARTILE.INC(A2:A100, 1)

   تحسب هذه الصيغة القيمة الرقمية للنسبة المئوية 25% معتمدة مبدأ التضمين الرياضي.

2. حساب الربيع الثالث (Q3): يتم الانتقال إلى الخلية التالية، ولتكن C3، وتسميتها بـ “Q3″، ثم إدخال الصيغة:

   =QUARTILE.INC(A2:A100, 3)

   ترجع هذه الصيغة القيمة الرقمية للنسبة المئوية 75% لنفس النطاق.

3. حساب المدى الربيعي (IQR): في خلية ثالثة، ولتكن C4، وتسميتها بـ “IQR”، يتم إدخال معادلة الطرح المباشرة بالاعتماد على مراجع الخلايا السابقة:

   =C3 - C2

تتميز هذه الطريقة المعيارية بعدة فوائد تحليلية؛ فهي تتيح استخدام قيمتي Q1 و Q3 بشكل مستقل في حسابات إحصائية لاحقة، مثل تحديد حدود القيم الشاذة، ورسم خطوط الأساس للمخططات، وحساب معاملات الالتواء والانحراف الربيعي، فضلاً عن تسهيل تتبع الأخطاء البرمجية والتحقق من صحة الحسابات الإحصائية خطوة بخطوة.

4.2 الصيغة المباشرة المدمجة في خلية واحدة

في لوحات البيانات المتقدمة (Dashboards) وأوراق العمل الاحترافية المزدحمة، يفضل محللو البيانات اختصار المساحات وتجنب الحسابات الوسيطة الزائدة عبر دمج خطوات الحساب في معادلة مركبة ومباشرة داخل خلية واحدة. يمكن تنفيذ ذلك بسهولة باستخدام دوال الربيعيات أو دوال المئين المدمجة.

تعتمد الصيغة المباشرة الأولى الموصى بها على دالة QUARTILE.INC وتُكتب في الخلية المستهدفة كما يلي:

=QUARTILE.INC(A2:A100, 3) - QUARTILE.INC(A2:A100, 1)

إذا كانت المنهجية البحثية تتطلب تطبيق الحساب الاستبعادي لتقدير خصائص مجتمع الدراسة، يتم استخدام الدالة المقابلة بالصيغة:

=QUARTILE.EXC(A2:A100, 3) - QUARTILE.EXC(A2:A100, 1)

وكبديل مكافئ تماماً في الدقة الرياضية، يمكن بناء الصيغة المدمجة باستخدام دالة PERCENTILE.INC كما يلي:

=PERCENTILE.INC(A2:A100, 0.75) - PERCENTILE.INC(A2:A100, 0.25)

يسهم هذا الأسلوب المدمج في رفع الكفاءة الحسابية للمصنف (Workbook Optimization)، ويقلل من استهلاك الذاكرة وتراكم الخلايا الفرعية، مما يجعله الخيار الأمثل عند معالجة مئات الأعمدة المتوازية من المتغيرات عبر تطبيق الصيغة بالسحب الأفقي المباشر على كامل ورقة العمل.

4.3 توظيف الدوال الديناميكية الحديثة (LET و LAMBDA) لحساب IQR

قدمت التحديثات الأخيرة في مايكروسوفت إكسيل لـ Microsoft 365 نقلة نوعية في كتابة المعادلات عبر إدخال الدوال الحسابية المتقدمة كدالتي LET و LAMBDA، اللتين تتيحان للمحلل كتابة صيغ فائقة الكفاءة وقابلة لإعادة الاستخدام بصورة تشبه البرمجة المتقدمة.

تتيح دالة LET تخصيص أسماء للمصفوفات والمتغيرات داخل نطاق الصيغة ذاتها، مما يمنع إكسيل من قراءة نطاق البيانات مرتين (مرة لـ Q3 ومرة لـ Q1)، وهو ما يرفع سرعة المعالجة الحاسوبية بشكل هائل عند التعامل مع مصفوفات ضخمة. تُكتب صيغة LET لحساب المدى الربيعي على النحو التالي:

=LET(data, A2:A100000, q1, QUARTILE.INC(data, 1), q3, QUARTILE.INC(data, 3), q3 - q1)

في هذه الصيغة، يقوم إكسيل بتخزين النطاق A2:A100000 في المتغير المؤقت data لمرة واحدة، ثم يحسب q1 و q3 وينفذ عملية الطرح في خطوة نهائية فائقة السرعة والوضوح الدلالي.

علاوة على ذلك، توفر دالة LAMBDA إمكانية ابتكار دالة مخصصة جديدة تماماً تُضاف إلى قاموس إكسيل باسم صريح، مثل CALCULATE_IQR. يتم بناء الدالة عبر مدير الأسماء (Name Manager) باتباع الآتي:

1. فتح Name Manager من تبويب Formulas والضغط على New.
2. تسمية الدالة في حقل Name باسم: CALCULATE_IQR.
3. كتابة صيغة LAMBDA في حقل Refers to:

   =LAMBDA(rng, QUARTILE.INC(rng, 3) - QUARTILE.INC(rng, 1))

4. حفظ الدالة، ومن ثم استخدامها في أي خلية بورقة العمل مباشرة كأي دالة مدمجة:

   =CALCULATE_IQR(A2:A100)

يمثل هذا الأسلوب البرمجي الحديث أعلى معايير النمذجة الإحصائية الاحترافية في بيئة إكسيل، حيث يمنع تكرار الأكواد، ويجعل صيانة وتحديث أوراق التحليل المؤسسية تجربة تتسم بالمرونة والموثوقية التقنية التامة.

5. اكتشاف وتشخيص القيم الشاذة (Outliers) باستخدام قاعدة IQR في إكسيل

5.1 الأساس النظري لقاعدة توكي (Tukey’s Fences)

تُعد القيم الشاذة أو المتطرفة (Outliers) من أكثر التحديات تأثيراً على سلامة النماذج والقرارات الإحصائية. وضع عالم الإحصاء جون توكي منهجية موضوعية ولامعلمية شهيرة لاكتشاف هذه القيم تُعرف باسم “أسوار توكي” (Tukey’s Fences)، وهي تعتمد بالكامل على المدى الربيعي كمسطرة قياس متينة للمسافة الانحرافية المقبولة.

تنص قاعدة توكي على بناء نطاق أمان مركزي حول الربيعين الأدنى والأعلى، حيث يُعرّف “السياج الداخلي الأدنى” (Lower Inner Fence) بأنه العتبة التي تفصل القيم الاعتيادية عن القيم الشاذة الدنيا، ويُحسب بالصيغة الرياضية:

Lower Fence = Q1 – (1.5 × IQR)

وفي المقابل، يُعرّف “السياج الداخلي الأعلى” (Upper Inner Fence) بأنه العتبة التي تفصل القيم الاعتيادية عن القيم الشاذة العليا، ويُحسب بالصيغة الرياضية:

Upper Fence = Q3 + (1.5 × IQR)

يُعتبر أي رقم في مجموعة البيانات يقل عن السياج الأدنى أو يزيد عن السياج الأعلى “قيمة شاذة معتدلة” (Mild Outlier). وللتمييز بين الشذوذ المعتدل والشذوذ المتطرف الشديد، عرّف توكي “الأسوار الخارجية” (Outer Fences) باستخدام المعامل الحسابي 3.0 بدلاً من 1.5، لتصبح المعادلات:

• السياج الخارجي الأدنى (Extreme Lower Fence): Q1 – (3.0 × IQR)
• السياج الخارجي الأعلى (Extreme Upper Fence): Q3 + (3.0 × IQR)

تُصنف المشاهدات التي تتجاوز الأسوار الخارجية كـ “قيم شاذة متطرفة” (Extreme Outliers)، وغالباً ما تشير إلى أخطاء قياس فادحة، أو عيوب في المعايرة، أو حالات استثنائية نادرة جداً تستلزم عزلاً وفحصاً نوعياً مستقلاً قبل المضي في بناء التقديرات الإحصائية.

5.2 تطبيق الصيغ الشرطية لتحديد القيم الشاذة في أعمدة مستقلة

لتطبيق قاعدة توكي عملياً في إكسيل، يتم بناء منظومة أعمدة مساعدة تفحص كل مشاهدة على حدة وتصدر حكماً رقمياً أو نصياً فورياً. بافتراض أن البيانات الرقمية تقع في العمود A ابتداءً من الخلية A2، وأن قيمتي Q1 و Q3 تم حسابهما في الخليتين $E$2 و $E$3، وقيمة IQR في $E$4، يتم حساب السياجين في خلايا مستقلة:

• السياج الأدنى في $E$5 عبر الصيغة: =$E$2 - (1.5 * $E$4)
• السياج الأعلى في $E$6 عبر الصيغة: =$E$3 + (1.5 * $E$4)

في العمود B، وبجوار المشاهدة الأولى A2، يتم إدخال دالة شرطية مركبة تجمع بين IF و OR لرصد حالة الشذوذ كما يلي:

=IF(OR(A2 $E$6), "Outlier", "Normal")

يتم سحب هذه الصيغة لأسفل لتشمل جميع صفوف البيانات، مما ينتج عنه تصنيف فوري لكل مشاهدة.

وفي الإصدارات الحديثة لـ Excel، يمكن للمحلل استخراج جميع القيم الشاذة تلقائياً في قائمة متسلسلة منفصلة دون الحاجة لفرز يدوي، وذلك باستخدام دالة FILTER الديناميكية عبر إدخال المعادلة التالية في خلية فارغة:

=FILTER(A2:A100, (A2:A100 $E$6), "لا توجد قيم شاذة")

ولحساب إجمالي عدد القيم الشاذة المكتشفة ونسبتها المئوية من حجم العينة الكلي، يتم توظيف دالتي COUNTIF و COUNTA كما يلي:

=COUNTIF(B2:B100, "Outlier") / COUNTA(A2:A100)

تمنح هذه المؤشرات الكمية للباحث رؤية فورية حول مدى نظافة مصفوفة البيانات وتوافقها مع المعايير الإحصائية للتحليل اللاحق.

5.3 التمييز البصري للقيم الشاذة عبر التنسيق الشرطي (Conditional Formatting)

يُمثل التمييز اللوني الآلي وسيلة فعالة للرقابة البصرية على جودة البيانات أثناء إدخالها ومعالجتها. يتيح نظام التنسيق الشرطي في إكسيل ربط ألوان الخلايا مباشرة بقواعد توكي الحسابية لتلوين القيم الشاذة بمجرد ظهورها في مصفوفة القياس.

لإنشاء قاعدة التنسيق الشرطي الرياضية، يتم اتباع الإجراءات التالية بدقة:

1. تحديد كامل نطاق البيانات الرقمية (مثلاً من A2 إلى A100).
2. التوجه إلى تبويب Home، ثم النقر على Conditional Formatting واختيار New Rule.
3. اختيار النمط: Use a formula to determine which cells to format (استخدام صيغة لتحديد الخلايا التي سيتم تنسيقها).
4. كتابة الصيغة الشرطية التالية في حقل المعادلة مع مراعاة تثبيت مراجع الربيعيات واستخدام مرجع نسبي للخلية الأولى النشطة A2:

   =OR(A2 (QUARTILE.INC($A$2:$A$100, 3) + 1.5 * (QUARTILE.INC($A$2:$A$100, 3) - QUARTILE.INC($A$2:$A$100, 1))))

5. الضغط على زر Format واختيار تعبئة بلون مميز (مثل الأحمر الفاتح أو الوردي التحذيري) مع خط عريض داكن، ثم الضغط على OK لحفظ القاعدة.

يمكن تكرار نفس الخطوات لإنشاء قاعدة ثانية بلون أحمر داكن للقيم الشاذة المتطرفة جداً عبر استبدال المعامل 1.5 بالمعامل 3.0. يؤدي هذا التدرج البصري إلى تزويد الباحث والمشرف المعملي بلوحة بصرية تفاعلية تفضح أي أخطاء في التسجيل أو درجات حرجة فور إدخالها في جدول العمل دون الحاجة لإعادة تشغيل أي معادلات إحصائية يدوية.

6. التمثيل البياني للمدى الربيعي: إنشاء المخطط الصندوقي (Box and Whisker Plot)

6.1 خطوات إنشاء المخطط الصندوقي المدمج في إكسيل

يُعد المخطط الصندوقي (Box and Whisker Plot)، الذي ابتكره جون توكي، الأداة الرسومية القياسية عالمياً لتمثيل الربيعيات والمدى الربيعي بيانياً. ابتداءً من إصدار Excel 2016 وما تلاه وصولاً إلى Microsoft 365، وفرت مايكروسوفت هذا المخطط كنوع رسم إحصائي مدمج ومباشر لا يتطلب أي حسابات وسيطة معقدة لإنشائه.

لإنشاء المخطط الصندوقي المدمج، يتم اتباع الخطوات التالية:

1. تحديد عمود البيانات الرقمية المراد تمثيله، بما في ذلك تسمية رأس العمود (Header).
2. الانتقال إلى تبويب Insert في شريط الأدوات العلوي، والتوجه إلى قسم المخططات (Charts).
3. النقر على أيقونة Statistical Charts (المخططات الإحصائية) واختيار Box and Whisker.
4. يقوم إكسيل فوراً بتوليد المخطط وعرضه في ورقة العمل.

يتألف تشريح المخطط الصندوقي من عناصر بيانية محددة تمثل خريطة رقمية كاملة لتوزيع المتغير:

• جسم الصندوق (The Box): يمثل المدى الربيعي (IQR) بالكامل؛ حيث تشكل حافته السفلية قيمة الربيع الأول Q1، بينما تشكل حافته العلوية قيمة الربيع الثالث Q3، وبالتالي يحتوي الصندوق على 50% الوسطى من المشاهدات.
• الخط الأفقي الداخلي (Median Line): يقسم الصندوق عند موقع الربيع الثاني Q2 (الوسيط)، موضحاً كيفية توزع البيانات داخل النصف المركزي.
• علامة (X) الداخلية: تمثل موضع المتوسط الحسابي (Mean)، وتساعد مقارنة موقع X بموقع خط الوسيط في قراءة الالتواء بصرياً وسريعاً.
• خطوط الشعيرات (Whiskers): تمتد عمودياً من حافتي الصندوق لتصل إلى أصغر وأكبر قيمة تقعان داخل نطاق سياج توكي الداخلي (1.5 × IQR).
• النقاط المنفصلة (Outlier Points): أي مشاهدة تقع خارج حدود الشعيرات تُرسم كنقطة حرة معزولة أعلى أو أسفل المخطط لتشخيص القيم الشاذة بدقة بصرية متناهية.

6.2 تخصيص وتنسيق المخطط الصندوقي للعروض الأكاديمية

يتطلب إدراج المخططات البيانية في الأطروحات العلمية والتقارير المحكمة خضوعها لتنسيقات صارمة تتماشى مع معايير الجمعية الأمريكية لعلم النفس (APA 7th Publication Manual). يوفر إكسيل منظومة متقدمة لتخصيص كل جزء من أجزاء المخطط الصندوقي.

لتنسيق المخطط، يتم النقر بزر الفأرة الأيمن على السلسلة البيانية داخل الصندوق واختيار Format Data Series لتفتح لوحة التحكم الجانبية التي توفر خيارات التخصيص المحورية التالية:

• Show Inner Points (إظهار النقاط الداخلية): يُتيح هذا الخيار عرض جميع المشاهدات الفردية كنقاط موزعة عمودياً فوق الصندوق، وهو خيار ممتاز في الدراسات ذات العينات الصغيرة لتوضيح كثافة التوزيع الفعلي.
• Show Outlier Points (إظهار نقاط القيم الشاذة): يجب تفعيله دائماً لعرض النقاط المتطرفة التي تتجاوز حدود 1.5 × IQR.
• Show Mean Markers (إظهار علامة المتوسط X): يوصى بالإبقاء عليه للمقارنة البصرية الفورية بين النزعة المركزية المعلمية (Mean) واللامعلمية (Median).
• Show Mean Line (إظهار خط المتوسط): يرسم خطاً أفقياً عبر الصناديق يربط بين المتوسطات، وهو مفيد جداً عند مقارنة مجموعات علاجية متعددة.
• Quartile Calculation (طريقة حساب الربيعيات): يتيح هذا الزر الحرج التبديل المباشر بين خوارزمية Inclusive median (QUARTILE.INC) وخوارزمية Exclusive median (QUARTILE.EXC)، ويجب ضبطه ليتوافق بدقة مع المنهجية المعتمدة في متن التقرير النصي.
• Gap Width (عرض الفجوة): يُمكن تعديل هذه النسبة المئوية للتحكم في سمك الصندوق وعرض المسافات بين الفئات المقارنة لتحقيق التوازن الجمالي والطباعي.

تكتمل المعايير الأكاديمية للمخطط بإزالة الخلفيات الملونة والخطوط الشبكية غير الضرورية، واستخدام تدرجات رمادية واضحة للطباعة، وإدراج تسميات واضحة ومقننة للمحاور الرقمية مع تضمين وحدات القياس، وكتابة عنوان وصفي دقيق وترقيم للشكل (Figure Number) في أسفل المخطط وفق قواعد التوثيق العلمي.

6.3 بناء مخطط صندوقي يدوي مخصص باستخدام مخططات الأعمدة المكدسة وأشرطة الخطأ

في بعض السيناريوهات التقنية، كالعمل على إصدارات قديمة من إكسيل (Excel 2013 وما قبله) أو الرغبة في الحصول على تحكم مطلق في الألوان وعناصر الرسم لتصميم لوحات معلومات مؤسسية فريدة، يلجأ الخبراء إلى بناء المخطط الصندوقي يدوياً بالاعتماد على المخطط العمودي المكدس (Stacked Column Chart) وأشرطة الخطأ المخصصة (Custom Error Bars).

تعتمد هذه الطريقة الهندسية على حساب جدول إحصائي تلخيصي يحول قيم الربيعيات الخمس إلى فترات مسافية نسبية قابلة للتكديس كما يلي:

1. الحد الأدنى (Minimum): =MIN(Data)
2. الربيع الأول (Q1): =QUARTILE.INC(Data, 1)
3. الوسيط (Median): =MEDIAN(Data)
4. الربيع الثالث (Q3): =QUARTILE.INC(Data, 3)
5. الحد الأقصى (Maximum): =MAX(Data)

بعد ذلك، يتم بناء جدول الفترات المكدسة الذي يغذي المخطط البياني بالمكونات التالية:

• القاعدة التحتية (Base Block): تعادل قيمة Q1 تماماً، وتُستخدم لرفع جسم الصندوق عن الصفر (تُجعل تعبئتها شفافة لاحقاً لإخفائها).
• الجزء السفلي للصندوق (Lower Box): يُحسب بالمعادلة: =Median - Q1
• الجزء العلوي للصندوق (Upper Box): يُحسب بالمعادلة: =Q3 - Median
• الشعيرة السفلية (Lower Whisker): تُحسب بالمعادلة: =Q1 - Minimum
• الشعيرة العلوية (Upper Whisker): تُحسب بالمعادلة: =Maximum - Q3

يتم تحديد أعمدة (Base Block و Lower Box و Upper Box) وإدراج مخطط عمودي مكدس (Stacked Column). بعد ذلك، يتم تعيين تعبئة سلسلة “Base Block” إلى بلا تعبئة وبلا حدود (No Fill). ثم تُضاف أشرطة الخطأ (Error Bars) للسلسلة العلوية بربطها بخلية “Upper Whisker” كقيمة خطأ موجبة مخصصة، وإضافة أشرطة خطأ للسلسلة السفلية بربطها بخلية “Lower Whisker” كقيمة خطأ سالبة مخصصة. ينتج عن هذا التشكيل مخطط صندوقي احترافي فائق الدقة ومتوافق مع جميع إصدارات إكسيل التاريخية.

7. حساب المدى الربيعي للمجموعات المتعددة والمقارنات المتقاطعة

7.1 حساب IQR حسب الفئات باستخدام الدوال المصفوفية الشرطية

تتطلب الأبحاث التجريبية والمقارنة حساب مؤشرات التشتت لمجموعات دراسية مستقلة (مثل مقارنة الذكور بالإناث، أو مقارنة مجموعات علاجية متعددة بجرعات مختلفة). في هذه الحالات، تبرز الحاجة إلى دمج دوال الربيعيات مع الشروط المنطقية لحساب IQR لكل مجموعة على حدة داخل نفس جدول البيانات.

في إصدارات Excel الحديثة الداعمة لـ Dynamic Arrays (مثل Microsoft 365 و Excel 2021)، يتم دمج دالة QUARTILE.INC مع دالة FILTER بصيغة سلسة ومباشرة. بافتراض أن أسماء المجموعات تقع في العمود A وقيم المتغير في العمود B، لحساب الربيع الأول للمجموعة المسماة “Control”، نستخدم الصيغة التالية:

=QUARTILE.INC(FILTER(B2:B100, A2:A100="Control"), 1)

وبالمثل، يتم حساب الربيع الثالث واستخراج IQR بطرح الصيغتين:

=QUARTILE.INC(FILTER(B2:B100, A2:A100="Control"), 3) - QUARTILE.INC(FILTER(B2:B100, A2:A100="Control"), 1)

أما في إصدارات Excel الكلاسيكية، فيتم اللجوء إلى الصيغ المصفوفية التقليدية (Array Formulas) التي تدمج دالة QUARTILE مع دالة IF الشرطية. تُكتب صيغة الربيع الأول كما يلي:

=QUARTILE.INC(IF($A$2:$A$100="Control", $B$2:$B$100), 1)

يجب إدخال هذه الصيغة بالضغط المتزامن على Ctrl + Shift + Enter في الإصدارات القديمة، حيث تظهر الصيغة محاطة بأقواس معقوفة {...} تشير إلى تنفيذها كمصفوفة تفحص الشرط سطراً بسطر قبل تمرير النتائج المطابقة إلى دالة الربيع.

عند وجود شروط متعددة ومتقاطعة (مثل: حساب IQR للذكور في الفئة العمرية فوق 40 سنة)، يتم دمج الشروط باستخدام معامل الضرب المنطقي * داخل دالة FILTER أو IF كما يلي:

=QUARTILE.INC(FILTER(C2:C100, (A2:A100="Male") * (B2:B100>40)), 3) - QUARTILE.INC(FILTER(C2:C100, (A2:A100="Male") * (B2:B100>40)), 1)

7.2 مقارنة التشتت بين مجموعات متعددة باستخدام المخططات الصندوقية المتجاورة

يوفر إكسيل ميزة بصرية وتحليلية بالغة القوة تتمثل في إنشاء مخططات صندوقية متجاورة (Side-by-Side Boxplots) لعدة فئات فرعية في رسم بياني موحد، مما يتيح إجراء مقارنات فورية لخصائص التوزيعات المركزية والتشتتية بين المجموعات التجريبية والضابطة.

لتحقيق ذلك بنجاح، يجب هيكلة جدول البيانات في عمودين رئيسيين متجاورين: العمود الأول مخصص للفئات النصية (Categorical Variable) مثل اسم المجموعة أو نوع العلاج، والعمود الثاني مخصص للدرجات الكمية المتصلة (Continuous Variable). يتم تظليل النطاقين معاً والذهاب إلى Insert > Statistical Charts > Box and Whisker، ليقوم إكسيل تلقائياً بفرز البيانات وتوليد صندوق مستقل لكل فئة مصنفة على المحور الأفقي.

يسمح هذا التمثيل المتجاور بتحليل خصائص إحصائية متقدمة تشمل:

• مقارنة اتساع المدى الربيعي (Box Height): يشير الصندوق الأطول عمودياً إلى مجموعة ذات تشتت وتباين أعلى في درجات المفحوصين، بينما يعكس الصندوق القصير تجانساً واستقراراً كبيراً في استجابات أفراد تلك المجموعة.
• تقييم تجانس التباين (Homogeneity of Variance): يُعد التماثل التقريبي في أطوال الصناديق عبر الفئات مؤشراً بصرياً أولياً على تحقق فرضية تجانس التباين المطلوبة للاختبارات المعلمية.
• فحص تداخل الصناديق (Overlap Analysis): إذا كان الصندوق الكامل لمجموعة معينة يقع أعلى بكثير من صندوق المجموعة الأخرى دون أي تداخل في مساحة الـ IQR، فإن ذلك يعطي دلالة بصرية قاطعة على وجود فروق جوهرية وذات مغزى إحصائي بين المجموعتين قبل الانتقال إلى اختبارات الفروق الدقيقة مثل مان-ويتني (Mann-Whitney U) أو تحليل التباين (ANOVA).

7.3 تطوير جدول تلخيصي إحصائي متكامل للمجموعات

تتطلب المعايير الاحترافية في التحليل الإحصائي تلخيص البيانات في جداول وصفية ديناميكية تجمع المقاييس اللامعلمية الأساسية في مصفوفة تقريرية واحدة قابلة للتحديث والتصدير. يمكن بناء هذا الجدول التلخيصي في إكسيل بالاعتماد على دمج الدوال الإحصائية بالصيغ الديناميكية الحديثة.

يتم بناء هيكل الجدول بتوليد قائمة الفئات الفرعية الفريدة تلقائياً في عمود مخصص باستخدام دالة UNIQUE كما يلي:

=UNIQUE(Data_Table[Group])

بجوار كل فئة مستخرجة، يتم بناء مصفوفة الأعمدة الحسابية التالية بتطبيق الصيغ الشرطية الموجهة نحو خلية اسم الفئة (ولتكن E2):

• حجم العينة (N): =COUNTIF(Data_Table[Group], E2)
• الحد الأدنى (Min): =MIN(FILTER(Data_Table[Score], Data_Table[Group]=E2))
• الربيع الأول (Q1): =QUARTILE.INC(FILTER(Data_Table[Score], Data_Table[Group]=E2), 1)
• الوسيط (Median): =MEDIAN(FILTER(Data_Table[Score], Data_Table[Group]=E2))
• الربيع الثالث (Q3): =QUARTILE.INC(FILTER(Data_Table[Score], Data_Table[Group]=E2), 3)
• الحد الأقصى (Max): =MAX(FILTER(Data_Table[Score], Data_Table[Group]=E2))
• المدى الربيعي (IQR): =H2 - F2 (حيث H2 تمثل خلية Q3 و F2 تمثل خلية Q1)

يمنح هذا الترتيب المنطقي للجدول الباحث مصفوفة إحصائية متكاملة وجاهزة للنسخ المباشر إلى برامج المعالجة الإحصائية المتقدمة كـ SPSS أو برمجيات النشر المكتبي، مع ضمان اتساق المنهجية الحسابية والقدرة على إعادة احتساب المؤشرات لحظياً بمجرد إدخال أي تعديلات على البيانات الأولية.

8. تطبيقات المدى الربيعي في القياس النفسي والبيانات السلوكية (Psychometrics)

8.1 معالجة بيانات مقاييس ليكرت (Likert Scales) والاستبيانات النفسية

تمثل الاستبيانات ومقاييس التقرير الذاتي أداة القياس الأكثر شيوعاً في العلوم النفسية والاجتماعية والتربوية، وتعتمد غالباً على تدريجات ليكرت (مثل: غير موافق بشدة إلى موافق بشدة). من الناحية المنهجية الصارمة في علم القياس النفسي (Psychometrics)، تُصنف هذه المقاييس كبيانات ترتيبية (Ordinal Data) وليست فترية (Interval Data)؛ حيث لا يمكن ضمان تساوي المسافات السيكولوجية الفاصلة بين استجابات المقياس بدقة رياضية.

يترتب على هذه الطبيعة الترتيبية عدم ملاءمة استخدام المتوسط الحسابي والانحراف المعياري لتلخيص استجابات المفحوصين، حيث يفترض الانحراف المعياري مقياساً كمياً متصلاً وتوزيعاً اعتدالياً متناظراً، وهو ما يتنافى مع خصائص مقاييس التقدير. هنا يبرز الوسيط كمقياس أمثل للنزعة المركزية، ويتكامل معه المدى الربيعي (IQR) كالمقياس الأكثر دقة وعلمية لتقدير تشتت الاستجابات السلوكية.

يُستخدم المدى الربيعي في تقييم مستوى التوافق والإجماع بين المفحوصين حول كل فقرة من فقرات المقياس النفسي، ويتم تفسير قيمة IQR في هذا السياق وفق المعايير الإجرائية التالية:

• قيمة IQR منخفضة (صفر إلى 1.0 على مقياس خماسي): تشير إلى إجماع وتطابق كبير في وجهات نظر المفحوصين واستجاباتهم حول المفهوم النفسي المقاس، حيث تتركز 50% من الآراء في نطاق خيار تدريجي واحد أو خيارين متقاربين.
• قيمة IQR مرتفعة (أكبر من 1.5 أو 2.0 على مقياس خماسي): تعكس استقطاباً حاداً وتشتتاً واسعاً في توجهات العينة، مما قد يشير إلى غموض صياغة الفقرة أو اختلاف الرؤى السلوكية حولها.

8.2 معايرة الاختبارات النفسية وتحديد المعايير المئينية (Norms)

في بناء وتقنين الاختبارات النفسية واختبارات القدرات المعرفية والذكاء، تشكل عملية تحويل الدرجات الخام إلى معايير مشتقة (Norms) خطوة مركزية لتفسير أداء الأفراد مقارنة بالمجتمع المعياري. يوفر تقسيم العينة التقنينية باستخدام الربيعيات والمدى الربيعي إطاراً تشخيصياً لامعلمياً فائق الدقة لا يتطلب افتراض التوزيع الطبيعي للسمة المقاسة.

يُحدد المدى الربيعي فئة “الأداء الطبيعي أو المتوسط” (Average / Normal Range) التي تضم الـ 50% الوسطى من الأفراد الذين تقع درجاتهم الخام بين الربيع الأول Q1 والربيع الثالث Q3. وبناءً على ذلك، يتم تصنيف الأفراد الذين يحصلون على درجات تقع أسفل Q1 ضمن فئات الأداء المنخفض أو الحرج، بينما يُصنف من تقع درجاتهم أعلى Q3 ضمن فئات الأداء المتفوق أو المتميز.

تتجلى هذه الأهمية بوضوح عند التعامل مع المتغيرات النفسفيزيولوجية والبيانات المعملية السلوكية، مثل “زمن الرجع” (Reaction Time) أو قياسات الاستجابة الجلدية (GSR)، والتي تتسم بطبيعتها الفيزيائية بوجود التواء إيجابي شديد ناجم عن حالات التأخر المعرفي الفردية أو التشتت اللحظي. إن تطبيق حسابات IQR وسياج توكي يتيح عزل أزمنة الرجع الشاذة بدقة وموضوعية دون التضحية بمتانة التقدير العام للسرعة الإدراكية للمفحوص.

8.3 تنقية البيانات السلوكية الحساسة قبل النمذجة الإحصائية المتقدمة

تواجه النمذجة الإحصائية المتقدمة، كالتحليل العاملي التوكيدي (CFA) ونمذجة المعادلة الهيكلية (SEM)، تحديات كبيرة عند وجود قيم متطرفة ملوثة في مصفوفات الاستجابة السلوكية. يقدم المدى الربيعي وقاعدة توكي إطاراً منهجياً منضبطاً لتنقية البيانات وفق استراتيجيتين رئيسيتين:

1. استراتيجية الحذف المقنن (Trimming / Deletion): وتتضمن حذف المشاهدات التي تتجاوز الأسوار الخارجية (3.0 × IQR) بعد التأكد من أنها ناتجة عن عدم جدية المفحوص أو أخطاء برمجية في التقاط البيانات.
2. استراتيجية التعديل المئيني (Winsorization): وتُعد المنهجية الأفضل في القياس النفسي للحفاظ على حجم العينة وقوتها الإحصائية. تعتمد هذه التقنية على استبدال القيم الشاذة التي تقع خارج سياج توكي بأقرب قيمة مقبولة إحصائياً (أي استبدال القيم التي تزيد عن Upper Fence بقيمة السياج نفسه، وتلك التي تقل عن Lower Fence بقيمة السياج الأدنى)، مما يقلص أثر الذيول المتطرفة دون إسقاط أي مفحوص من التحليل.

تفرض أخلاقيات البحث العلمي والشفافية المنهجية توثيق جميع إجراءات التنقية والمعايير الإحصائية المتبعة لحساب IQR والأسوار بدقة في تقرير البحث. يضمن هذا التوثيق التمييز الواضح بين تحسين جودة البيانات لضبط صدق القياس وبين التلاعب بالعينات، مما يرفع من موثوقية الاستنتاجات وقابليتها للتكرار المعملي.

9. التحليل الإحصائي المتقدم: المشتقات والنسب الإحصائية المرتبطة بـ IQR

9.1 حساب نصف المدى الربيعي أو الانحراف الربيعي (Semi-Interquartile Range)

يُعد نصف المدى الربيعي (Semi-Interquartile Range)، والمعروف بالانحراف الربيعي (Quartile Deviation – QD)، أحد أهم المشتقات الإحصائية المباشرة للمدى الربيعي. يُعرف هذا المقياس رياضياً بأنه نصف المسافة الفاصلة بين الربيعين الثالث والأول، ويُحسب بالصيغة:

QD = (Q3 – Q1) / 2 = IQR / 2

في بيئة إكسيل، يتم تطبيق معادلة الانحراف الربيعي لمصفوفة بيانات في النطاق A2:A100 بصيغة مدمجة ومباشرة:

=(QUARTILE.INC(A2:A100, 3) - QUARTILE.INC(A2:A100, 1)) / 2

يكتسب الانحراف الربيعي وزناً تفسيرياً كبيراً في التوزيعات المتناظرة والمتماثلة؛ إذ إنه يقيس متوسط المسافة التي تنحرف بها الربيعيات عن الوسيط الإحصائي. وفي التوزيع الطبيعي التام، يحصر النطاق Median ± QD 50% من جميع مشاهدات التوزيع، مما يجعله المقابل اللامعلمي الدقيق والمباشر للانحراف المعياري حول المتوسط الحسابي في التوزيعات المعيارية.

يتميز الانحراف الربيعي عن المدى الربيعي الكامل بسهولة إدراكه الحسي؛ إذ يعبر عن مقدار التشتت في صورة وحدة قياس فردية حول المركز بدلاً من التعبير عن اتساع الفجوة الإجمالية للنطاق الأوسط بأكمله، مما يجعله مفضلاً في صياغة تقارير المقاييس التربوية والاختبارات التحصيلية المقننة.

9.2 معامل الاختلاف الربيعي (Quartile Coefficient of Dispersion)

عند الرغبة في مقارنة مستوى التشتت بين ظاهرتين مقاستين بوحدات قياس مختلفة تماماً (مثل مقارنة تشتت الرواتب بالدولار بتشتت سنوات الخبرة بالأعوام)، أو بين مجموعتين تختلفان اختلافاً جذرياً في مستواهما المطلق، تعجز المقاييس المطلقة كـ IQR عن تقديم مقارنة عادلة. هنا تبرز الحاجة إلى المقاييس النسبية اللامعلمية، وفي مقدمتها “معامل الاختلاف الربيعي” (Quartile Coefficient of Dispersion – QCD).

يُحسب معامل الاختلاف الربيعي بقسمة نصف المدى الربيعي على المتوسط الحسابي للربيعين، وتختصر صيغته الرياضية إلى المعادلة الأنيقة التالية:

QCD = (Q3 – Q1) / (Q3 + Q1)

يتم بناء صيغة هذا المعامل النسبي في إكسيل لمصفوفة البيانات عبر الصيغة التالية:

=(QUARTILE.INC(A2:A100, 3) - QUARTILE.INC(A2:A100, 1)) / (QUARTILE.INC(A2:A100, 3) + QUARTILE.INC(A2:A100, 1))

يُعد معامل الاختلاف الربيعي رقماً مجرداً وبلا وحدات قياس (Dimensionless)، وتتراوح قيمته النظرية للبيانات الموجبة بين 0 و 1 (أو كنسبة مئوية بين 0% و 100%). تمثل هذه النسبة البديل اللامعلمي المتين لمعامل الاختلاف المئوي الكلاسيكي (Coefficient of Variation – CV = σ / μ)، وتسمح بمقارنة نسبية رصينة لتشتت السمات النفسية والقدرات المعرفية عبر مختلف الاختبارات والفئات العمرية دون الوقوع في أخطاء التحيز القياسي.

9.3 معامل الالتواء الربيعي لبوولي (Bowley’s Skewness Coefficient)

يُمثل معامل بوولي للالتواء (Bowley’s Skewness Coefficient)، ويُسمى أيضاً معامل الالتواء الربيعي، مقياساً إحصائياً متقدماً يعتمد كلياً على المقاييس الموضعية للربيعيات الثلاثة لتقدير درجة واتجاه عدم التماثل في توزيع البيانات، دون التأثر بالقيم الطرفية الحادة التي تشوه معامل التواء بيرسون الكلاسيكي المعتمد على العزوم التكعيبية.

ينطلق الأساس النظري لمعامل بوولي من مقارنة المسافة بين الربيع الأعلى والوسيط بالمسافة بين الوسيط والربيع الأدنى، ويُحسب بالصيغة الرياضية التالية:

Bowley’s Skewness = [(Q3 – Q2) – (Q2 – Q1)] / (Q3 – Q1) = (Q3 + Q1 – 2*Q2) / (Q3 – Q1)

لتطبيق هذه المعادلة في إكسيل، نستخدم الصيغة المباشرة التالية:

=(QUARTILE.INC(A2:A100, 3) + QUARTILE.INC(A2:A100, 1) - 2 * MEDIAN(A2:A100)) / (QUARTILE.INC(A2:A100, 3) - QUARTILE.INC(A2:A100, 1))

يتم تفسير القيم الناتجة عن معامل بوولي وفق القواعد المحددة التالية:

• قيمة تساوي صفراً (0): تشير إلى تناظر وتماثل تام لقلب التوزيع الإحصائي حول وسيطه.
• قيمة موجبة (> 0): تدل على التواء إيجابي (Positive Skewness / Right-Skewed)؛ حيث يكون الربيع الثالث أكثر بعداً عن الوسيط من الربيع الأول.
• قيمة سالبة (< 0): تدل على التواء سلبي (Negative Skewness / Left-Skewed)؛ حيث تتباعد المشاهدات في النصف الأدنى للتوزيع أكثر من النصف الأعلى.

تتراوح قيم هذا المعامل دائماً في النطاق المغلق بين -1 و +1، مما يجعله أداة تشخيصية معيارية غاية في الأهمية لتوصيف التوزيعات في البيانات السلوكية والاقتصادية غير السوية.

10. الأخطاء الشائعة واستكشاف الأخطاء وإصلاحها عند حساب IQR في إكسيل

10.1 الخلط بين الخوارزميات التضمينية والاستبعادية (INC vs EXC)

يقع العديد من الباحثين ومحللي البيانات في خطأ منهجي شائع يتمثل في الخلط غير المقصود بين مخرجات دالتي QUARTILE.INC و QUARTILE.EXC، مما يؤدي إلى ظهور نتائج متباينة لنفس مجموعة البيانات عند قيام أكثر من باحث بتحليلها، أو تضارب الأرقام الواردة في التقارير المكتوبة مع الرسوم البيانية المرفقة.

ينشأ هذا الخطأ من عدم إدراك الاختلاف في خوارزميات الاستيفاء الداخلي (Internal Interpolation) التي يطبقها إكسيل. فدالة QUARTILE.INC تعتمد الموضع k(N-1)+1 وتصلح للمسوح الشاملة، في حين أن QUARTILE.EXC تعتمد الموضع k(N+1) وتستبعد الأطراف. بالإضافة إلى ذلك، تواجه دالة QUARTILE.EXC فشلاً برمجياً حاداً يظهر في صورة خطأ القيمة الحسابية #NUM! عند تطبيقها على عينات صغيرة جداً؛ إذ تشترط الدالة رياضياً أن يكون حجم العينة N > 3 لحساب الربيع الأول، وأن يكون N ≥ 4 لحساب الربيعين الأول والثالث، في حين تعمل دالة QUARTILE.INC بسلاسة مع أي حجم عينة يحتوي على قيمتين أو أكثر (N ≥ 2).

لتجنب هذا التضارب، يجب توحيد المعايير الإحصائية داخل الفريق البحثي مسبقاً، والتأكد من ضبط خيار حساب الربيعيات في المخطط الصندوقي (Chart Quartile Calculation) على نفس الخوارزمية المختارة في الخلايا الحسابية لضمان التطابق التام بين القيم الرقمية والتمثيل البصري.

10.2 الأخطاء المرجعية وأخطاء نوع البيانات (#VALUE! و #N/A)

تتكرر الأخطاء البرمجية الشهيرة مثل #VALUE! و #N/A و #NUM! عند بناء نماذج المدى الربيعي نتيجة عيوب خفية في هيكل المصفوفات المدخلة. وتتمثل المشكلة الأكثر خطورة في “الأرقام المخزنة كنصوص صامتة”، حيث يتجاهلها إكسيل دون إظهار أي رسالة خطأ، مما يؤدي إلى احتساب الربيعيات على عدد مشاهدات أقل من الواقع وانحراف النتائج دون تنبيه المستخدم.

يظهر الخطأ #VALUE! عادة عند احتواء نطاق المصفوفة على مراجع لخلايا تتضمن أخطاء حسابية سابقة، أو عند دمج خلايا نصية داخل عمليات حسابية مباشرة. ولتشخيص وتطهير هذه المصفوفات، يمكن توظيف دالة ISNUMBER للتحقق من الحالة الرقمية لكل خلية، أو استخدام الصيغة التالية لتنقية المصفوفة تلقائياً وتحويل النصوص الرقمية إلى قيم فعلية:

=QUARTILE.INC(IF(ISNUMBER(A2:A100), A2:A100, VALUE(A2:A100)), 1)

كما يجب الحذر عند التعامل مع الخلايا التي تحتوي على معادلات ترجع سلاسل فارغة (مثل "" الناتجة عن دوال IF الشرطية)؛ فهذه الخلايا لا تُعامل كخلايا فارغة نقية، بل يعتبرها إكسيل نصوصاً تعطل بعض العمليات المتقدمة، مما يستوجب استخدام دالة FILTER لعزل القيم الرقمية الصريحة فقط قبل تمريرها لدوال الربيعيات.

10.3 أخطاء التعامل مع البيانات المكررة والمصفوفات غير المرتبة

يؤدي تركز تكرارات عالية لقيمة رقمية معينة عند مواضع القطع الربيعي (Tied Values) إلى نتائج قد تبدو محيرة لغير المتخصصين. فعلى سبيل المثال، إذا كان أكثر من 30% من المفحوصين قد حصلوا على درجة (4) في مقياس معين، فقد تصبح قيمة الربيع الأول Q1 مطابقة لقيمة الوسيط Q2 أو قيمة الربيع الثالث Q3، مما ينتج عنه مدى ربيعي يساوي صفراً (IQR = 0).

لا يُعد هذا الناتج خطأً برمجياً في إكسيل، بل هو انعكاس دقيق لانعدام التشتت في الكتلة المركزية لتلك العينة، إلا أنه يتطلب تعليقاً وتفسيراً إحصائياً خاصاً في التقارير البحثية لتوضيح ظاهرة التمركز الشديد أو أثر السقف والأرضية في المقياس.

وعند مقارنة مخرجات إكسيل بالنتائج المستخرجة من حزم برمجية أخرى كـ R أو Python أو SPSS، قد يلاحظ المحللون فروقاً كسرية طفيفة جداً. يعود سبب هذه الفروق إلى أن لغة R، على سبيل المثال، توفر 9 خوارزميات استيفاء مختلفة لحساب المئين (Types 1 through 9)؛ حيث تطابق دالة QUARTILE.INC في إكسيل خوارزمية Type 7 في R، في حين تطابق دالة QUARTILE.EXC خوارزمية Type 6. إن فهم هذه الفروق الخوارزمية يمنع التشكيك الخاطئ في صحة حسابات إكسيل ويضمن إجراء مقارنات برمجية صحيحة ومتسقة علمياً.

11. أتمتة حسابات المدى الربيعي باستخدام أدوات إكسيل المتقدمة

11.1 حساب الربيعيات والمدى الربيعي عبر Power Query

تُعد أداة Power Query المدمجة في إكسيل المحرك الأكثر قوة لأتمتة عمليات استخراج وتنظيف وتحويل البيانات (ETL) للملفات الضخمة وتدفقات العمل المتكررة دون استهلاك ذاكرة المصنف بصيغ الخلايا التقليدية.

لحساب المدى الربيعي وتصفية القيم الشاذة آلياً عبر Power Query، يتم اتباع الخطوات التالية:

1. استيراد جدول البيانات إلى محرر Power Query عبر تبويب Data > From Sheet/Table.
2. التأكد من تعيين نوع بيانات العمود المستهدف كـ Decimal Number أو Whole Number.
3. الانتقال إلى تبويب Add Column واختيار Custom Column لحساب الربيعيات باستخدام لغة M عبر الدوال الإحصائية المتقدمة للوائح:

   لحساب Q1، نستخدم الصيغة: List.Percentile(Table.Column(#"Changed Type", "Score"), 0.25)

   لحساب Q3، نستخدم الصيغة: List.Percentile(Table.Column(#"Changed Type", "Score"), 0.75)

4. إضافة عمود مخصص لحساب المدى الربيعي: [Q3] - [Q1]
5. إضافة عمود شرطي لتحديد أسوار توكي وفلترة الصفوف الشاذة تلقائياً بنقرة واحدة.
6. الضغط على Close & Load لتفريغ جدول البيانات النظيف في ورقة العمل.

تتميز هذه الأتمتة بقابليتها للتحديث اللحظي؛ فبمجرد إضافة مئات أو آلاف الصفوف الجديدة إلى مصدر البيانات الأساسي، يكفي الضغط على زر Refresh ليعيد Power Query تشغيل كامل مسار التنظيف والحساب الإحصائي في أجزاء من الثانية.

11.2 كتابة دوال ماكرو مخصصة (VBA) لحساب IQR وأسوار توكي

يوفر استخدام لغة البرمجة VBA (Visual Basic for Applications) في إكسيل إمكانية بناء وظائف مخصصة فائقة السرعة وأتمتة المهام الرقابية المعقدة بضغطة زر واحدة، وهو ما يفيد مديري قواعد البيانات ومحللي المختبرات السريرية.

يوضح الكود البرمجي التالي كيفية بناء دالة مخصصة جديدة (User Defined Function – UDF) لحساب المدى الربيعي، بالإضافة إلى إجراء فرعي (Subroutine) يقوم بفحص العمود المحدد بالكامل وتلوين القيم الشاذة بالأحمر تلقائياً:


Function CalculateIQR(DataRange As Range) As Double
    Dim Q1 As Double, Q3 As Double
    Q1 = Application.WorksheetFunction.Quartile_Inc(DataRange, 1)
    Q3 = Application.WorksheetFunction.Quartile_Inc(DataRange, 3)
    CalculateIQR = Q3 - Q1
End Function

Sub HighlightOutliersTukey()
    Dim Rng As Range, Cell As Range
    Dim Q1 As Double, Q3 As Double, IQR As Double
    Dim LowerFence As Double, UpperFence As Double
    Set Rng = Selection
    Q1 = Application.WorksheetFunction.Quartile_Inc(Rng, 1)
    Q3 = Application.WorksheetFunction.Quartile_Inc(Rng, 3)
    IQR = Q3 - Q1
    LowerFence = Q1 - (1.5 * IQR)
    UpperFence = Q3 + (1.5 * IQR)
    For Each Cell In Rng
        If IsNumeric(Cell.Value) And Not IsEmpty(Cell.Value) Then
            If Cell.Value UpperFence Then
                Cell.Interior.Color = RGB(255, 199, 206)
                Cell.Font.Color = RGB(156, 0, 6)
            End If
        End If
    Next Cell
    MsgBox "تم فحص النطاق بنجاح وتظليل القيم الشاذة المكتشفة.", vbInformation
End Sub


يتيح هذا الكود أداءً حوسبياً استثنائياً؛ حيث يتجاوز قيود الصيغ المعقدة في ورقة العمل، ويوفر حلاً فورياً لفحص مجموعات البيانات المليونية وتوثيق تقارير الجودة المعملية بأعلى كفاءة ممكنة.

11.3 استخدام الجداول المحورية (Pivot Tables) وحسابات DAX في Power Pivot

على الرغم من أن الجداول المحورية التقليدية في إكسيل (Standard Pivot Tables) لا تدعم حساب الوسيط أو الربيعيات بشكل أصلي ضمن قائمة خيارات التلخيص السريعة، فإن تفعيل أداة Power Pivot ونموذج البيانات (Data Model) يتيح توظيف لغة DAX (Data Analysis Expressions) لبناء مقاييس إحصائية لا نهائية المرونة.

لتحقيق ذلك، يتم تحميل جدول البيانات إلى نموذج البيانات عبر تحديد الخيار Add this data to the Data Model عند إدراج الجدول المحوري. بعد ذلك، يتم فتح نافذة Power Pivot وإنشاء المقاييس المحسوبة (Measures) باستخدام دوال المئين المتقدمة في لغة DAX:

• مقياس الربيع الأول (Q1 Measure):

  Q1_Score := PERCENTILE.INC(DataTable[Score], 0.25)

• مقياس الربيع الثالث (Q3 Measure):

  Q3_Score := PERCENTILE.INC(DataTable[Score], 0.75)

• مقياس المدى الربيعي (IQR Measure):

  IQR_Score := [Q3_Score] - [Q1_Score]

بمجرد إنشاء هذه المقاييس في DAX، يمكن سحب مقياس IQR_Score مباشرة إلى منطقة القيم (Values) في الجدول المحوري، ووضع المتغيرات التصنيفية (كالسنة، والفرع، والجنس، والحالة التجريبية) في صفوف الجدول أو ربطها بمقسمات طرق العرض التفاعلية (Slicers). يقوم إكسيل في هذه الحالة بحساب المدى الربيعي ديناميكياً لكل فئة ومستوى تجميعي، مع إعادة الاحتساب الفوري عند تطبيق أي تصفية تفاعلية على لوحة البيانات.

12. أفضل الممارسات والمعايير المهنية لتوثيق وعرض المدى الربيعي في التقارير البحثية

12.1 توثيق نتائج IQR وفق دليل النشر لجمعية علم النفس الأمريكية (APA 7th)

يتطلب النشر العلمي في المجلات المحكمة التزاماً دقيقاً بأسلوب التوثيق المعتمد وفق الإصدار السابع لدليل النشر الصادر عن الجمعية الأمريكية لعلم النفس (APA 7th Edition)، والذي ينص على قواعد محددة للإبلاغ عن المقاييس اللامعلمية ومؤشرات التشتت الموضعية.

عند تضمين النتائج الإحصائية في المتن النصي للبحث، يجب تقديم الوسيط والمدى الربيعي كزوج إحصائي متكامل ومترابط لتوصيف المتغيرات اللامعيارية، مع استخدام الرموز والمختصرات الإحصائية المائلة المقننة. تُصاغ العبارة القياسية وفق النمط النموذجي التالي:

“أظهرت درجات القلق لدى المشاركين توزيعاً ملتوياً إيجابياً، ولذلك تم تلخيص البيانات باستخدام الوسيط والمدى الربيعي؛ حيث حققت المجموعة التجريبية مستوى قلق وسيط بلغ (Mdn = 24.50, IQR = 6.00) مقارنة بالمجموعة الضابطة (Mdn = 38.00, IQR = 12.50).”

أما في الجداول الإحصائية الوصفية (Descriptive Tables)، فيجب تخصيص أعمدة مستقلة ذات ترويسات واضحة تشمل: اسم المتغير، وحجم العينة (n)، والوسيط (Mdn)، والربيع الأول (Q₁)، والربيع الثالث (Q₃)، والمدى الربيعي (IQR). كما يجب كتابة ملاحظة توضيحية أسفل الجدول (Table Note) توضح نوع الخوارزمية المستخدمة، وما إذا كان قد تم تطبيق سياج توكي لعزل أو تنقية أي حالات شاذة، مع تبرير المبررات المنهجية التي استدعت الاعتماد على التحليل اللامعلمي بدلاً من المتوسط والانحراف المعياري.

12.2 بناء لوحات معلومات (Dashboards) تفاعلية للمؤشرات الإحصائية في إكسيل

تُمثل لوحات المعلومات التفاعلية في إكسيل واجهة احترافية متكاملة تتيح لمتخذي القرار والباحثين استكشاف مؤشرات التشتت والنزعة المركزية بمرونة بصرية فائقة. يعتمد التصميم الاحترافي للوحة على تكامل المخططات الصندوقية، وبطاقات الأداء الرئيسية (KPI Cards)، ومقسمات العرض (Slicers).

لتحقيق أعلى مستوى من الكفاءة والأمان في تصميم لوحات المعلومات، يُنصح بتطبيق الممارسات التالية:

• بطاقات الأداء الرقمية (KPI Cards): تخصيص خلايا بارزة ومصممة بأرقام كبيرة لعرض قيمة IQR والوسيط ومعدل الحالات الشاذة للبيانات المحددة حالياً.
• الربط بمقسمات العرض التفاعلية: ربط المخططات الصندوقية بمقسمات (Slicers) تتيح التبديل اللحظي بين الفئات والمجموعات دون إعادة بناء الرسوم.
• حماية ورقة العمل وتأمين الصيغ: قفل وتأمين الخلايا التي تحتوي على معادلات الحساب الحساسة (عبر تبويب Review > Protect Sheet)، مع إبقاء مقسمات العرض وخلايا الإدخال مفتوحة لتجنب التعديل العرضي أو إتلاف الصيغ الرياضية.
• التصميم البصري المتوازن: تجنب الألوان الصارخة والازدحام البياني، والاعتماد على لوحات ألوان هادئة ومتناسقة تركز على وضوح البيانات وسهولة استيعابها.

12.3 دليل إرشادي لاختيار المقياس الإحصائي الأمثل للبيانات البحثية

يمثل اختيار مقياس التشتت المناسب قراراً منهجياً حاسماً يرسم مسار التحليل الإحصائي برمته. لمساعدة الباحثين ومحللي البيانات في اتخاذ القرار العلمي السليم، يوضح الدليل الإجرائي وشجرة القرارات التالية معايير المفاضلة بين المقاييس المعلمية واللامعلمية:

• الحالة الأولى: استخدام المتوسط الحسابي (Mean) والانحراف المعياري (SD):
  • مستوى القياس: بيانات كمية متصلة أو فترية (Interval / Ratio).
  • اعتدالية التوزيع: تحقق فرضية التوزيع الطبيعي (قيم اختبار Shapiro-Wilk دالة عند p > 0.05).
  • القيم الشاذة: خلو البيانات تماماً من القيم الشاذة والمتطرفة المؤثرة.
• الحالة الثانية: استخدام الوسيط (Median) والمدى الربيعي (IQR):
  • مستوى القياس: بيانات ترتيبية (Ordinal) كاستجابات مقاييس ليكرت، أو بيانات كمية متصلة فشلت في اختبار التوزيع الطبيعي.
  • اعتدالية التوزيع: وجود التواء إيجابي أو سلبي ملحوظ في التوزيع التكراري.
  • القيم الشاذة: وجود قيم شاذة حقيقية تمنع استخدام المتوسط دون الإخلال بالمصداقية العلمية.
  • العينات الصغيرة والمتفاوتة: دراسات الحالات الإكلينيكية والمجموعات السلوكية ذات التشتت العالي.

خلاصة القول، يمثل المدى الربيعي في مايكروسوفت إكسيل أداة إحصائية وتحليلية متكاملة تجمع بين القوة الرياضية ومقاومة التشوهات الرقمية. إن التمكن من أدوات حسابه المتنوعة، وتمثيله الرسومي عبر المخططات الصندوقية، وتوظيفه في اكتشاف الشذوذ، يمنح الباحث ومحلل البيانات قدرة لا تضاهى على تقديم استنتاجات تتسم بأعلى درجات الدقة والنزاهة والمصداقية الأكاديمية والمهنية.

References

• 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.
• Hyndman, R. J., & Fan, Y. (1996). Sample quantiles in statistical packages. The American Statistician, 50(4), 361–365. https://doi.org/10.1080/00031305.1996.10473566
• Microsoft Corporation. (2023). QUARTILE.INC function. Microsoft Support. https://support.microsoft.com/en-us/office/quartile-inc-function-1bb1cb80-ded8-4235-a74e-566b53cb1cbf
• Microsoft Corporation. (2023). Create a box and whisker chart. Microsoft Support. https://support.microsoft.com/en-us/office/create-a-box-and-whisker-chart-62f4219f-db4b-4754-aca8-4743f6190f0d
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.
• Wilcox, R. R. (2017). Introduction to robust estimation and hypothesis testing (4th ed.). Academic Press. https://doi.org/10.1016/C2015-0-02209-7