الإحصاء التطبيقيبرنامج إكسيلتحليل البيانات

كيفية حساب الوسيط لكل مجموعة في إكسيل

دليل أكاديمي شامل يشرح خطوة بخطوة كيفية حساب الوسيط الحسابي لكل مجموعة في برنامج إكسيل باستخدام الدوال الشرطية والمصفوفات ونماذج البيانات المتقدمة.

تاريخ النشر

تُعد النزعة المركزية الركيزة الأساسية التي يستند إليها التحليل الإحصائي الاستكشافي والوصفي في مختلف فروع العلوم والبحوث التطبيقية، بدءاً من العلوم السلوكية والاجتماعية ووصولاً إلى العلوم الاقتصادية والطبية الحيوية. وعندما تتشعب البيانات وتتوزع مفرداتها عبر فئات تصنيفية متعددة أو مجموعات تجريبية وضابطة، تبرز الحاجة المنهجية الماسة لتقييم سلوك كل مجموعة على حدة لتفكيك التباينات الكامنة بينها. وفي هذا السياق، يمثل برنامج مايكروسوفت إكسيل (Microsoft Excel) بيئة العمل التحليلية الأكثر انتشاراً واعتماداً لمعالجة مصفوفات البيانات الأولية وإجراء التحليلات الإحصائية المتقدمة وتلخيصها بدقة واحترافية.

وعلى الرغم من وفرة الدوال الجاهزة في إكسيل لحساب المتوسطات الحسابية المشروطة، مثل دالة AVERAGEIF ودالة AVERAGEIFS، إلا أن الباحثين والمحللين يواجهون تحدياً تقنياً بارزاً عند محاولة حساب مقاييس النزعة المركزية اللامعلمية، وعلى رأسها “الوسيط” (Median)، حيث يفتقر البرنامج إلى دالة مدمجة ومباشرة تحت اسم “MEDIANIF”. هذا القصور البرمجي الظاهري يدفع المحلل الإحصائي إلى استدعاء استراتيجيات متقدمة تعتمد على دمج الدوال الشرطية مع دوال النزعة المركزية عبر صيغ المصفوفات المركبة، أو توظيف بيئات النمذجة المتقدمة مثل نموذج البيانات في Power Pivot ولغة تعبيرات تحليل البيانات (DAX) للوصول إلى أدق النتائج الإحصائية الممكنة عبر المجموعات المستقلة.

يهدف هذا الدليل المرجعي الشامل إلى تقديم تفكيك منهجي وتطبيقي عميق لكيفية حساب الوسيط لكل مجموعة في إكسيل، مستعرضاً الأبعاد الرياضية والمنطقية الكامنة وراء صياغة المعادلات المصفوفية، مع استعراض شامل لآليات التغلب على قيود التوافقية بين الإصدارات المختلفة للبرنامج. كما يتطرق الدليل إلى معالجة الإشكاليات المعقدة المرتبطة بالقيم المفقودة والشواذ، وإجراء التحليلات متعددة الشروط، وتدقيق العمليات الحسابية خطوة بخطوة لضمان مطابقة المخرجات لأعلى معايير الدقة العلمية والتوثيق الأكاديمي الرصين المعمول به في المجلات والتقارير البحثية المحكمة.

جدول المحتويات

1. الأسس النظرية والإحصائية لمفهوم الوسيط في البيانات المجمعة

1.1 التعريف الرياضي والإحصائي للوسيط الحسابي

يُعرّف الوسيط (Median) إحصائياً بأنه نقطة الموضع أو القيمة العددية التي تقسم التوزيع التكراري المرتب لمجموعة من البيانات إلى نصفين متساويين تماماً، بحيث يقع 50% من المشاهدات تحت هذه القيمة، بينما يقع الـ 50% الآخر فوقها. ومن الناحية الرياضية، يتطلب حساب الوسيط ترتيب مصفوفة القيم ترتيباً تصاعدياً أو تنازلياً؛ فإذا كان حجم العينة (n) عدداً فردياً، فإن الوسيط يكون هو القيمة ذات الرتبة المركزية المباشرة التي تُحسب بالمعادلة (n + 1) / 2. أما إذا كان حجم العينة زوجياً، فإن الوسيط يمثل المتوسط الحسابي للقيمتين المركزيتين اللتين تحتلان الرتبتين (n / 2) و ((n / 2) + 1). هذا البناء الرياضي الموضعي يمنح الوسيط طبيعة فريدة تفصله جوهرياً عن المتوسط الحسابي (Arithmetic Mean)، الذي يعتمد في حسابه على المجموع الكلي لكافة القيم مقسوماً على عددها، مما يجعله رهيناً للتغير في أي قيمة مفردة داخل التوزيع.

يتجلى الفارق الجوهري بين الوسيط الحسابي والمتوسط الحسابي في مستوى الحساسية للقيم المتطرفة والشاذة (Outliers). فالوسيط يُعد مقياساً “مقاوماً” (Robust Statistic) لا يتأثر مطلقاً بالمقادير الحسابية المطلقة للقيم الواقعة عند أطراف التوزيع، بل يعتمد حصراً على رتبها ومواقعها النسبية. وعلى النقيض من ذلك، فإن المتوسط الحسابي يتأثر بشدة وبشكل طردي بأي قيمة متطرفة، مما يسحبه بعيداً عن المركز الحقيقي لتجمع البيانات ويؤدي إلى تشويه صورة الواقع الإحصائي للعينة. ولذلك، تكتسب مقاييس النزعة المركزية اللامعلمية (Non-parametric Central Tendency Measures) أهمية محورية واستثنائية عندما تفشل البيانات في تلبية فرضية التوزيع الطبيعي المعتدل (Normal Distribution)، أو عند التعامل مع متغيرات رتبية مستخلصة من مقاييس ليكرت والمسوح السلوكية، حيث يصبح الوسيط هو المعبر الأمين والوحيد عن القيمة النمطية الأكثر مصداقية لتمثيل مجتمع الدراسة.

1.2 دواعي تقسيم العينات والبيانات إلى مجموعات مستقلة

يمثل تقسيم البيانات الكلية إلى مجموعات فرعية مستقلة خطوة منهجية بالغة الأهمية في الدراسات التحليلية المقارنة، حيث نادراً ما تتسم المجتمعات الإحصائية بالتجانس المطلق. يتيح التقسيم الفئوي للباحثين فحص تأثير المتغيرات التصنيفية المستقلة (مثل النوع الاجتماعي، الفئات العمرية، المجموعات العلاجية، والمناطق الجغرافية) على متغير الاستجابة المستمر. فعندما يتم دمج جميع البيانات في وعاء إحصائي واحد، قد تختفي الفروق الحقيقية تحت وطأة التجميع، وتبرز ظواهر إحصائية مضللة مثل “مفارقة سيمبسون” (Simpson’s Paradox)، حيث يظهر اتجاه معين في البيانات المجمعة يعاكس تماماً الاتجاهات الحقيقية القائمة داخل كل مجموعة فرعية على حدة.

علاوة على ذلك، يسهم التقسيم الفئوي في عزل المتغيرات الدخيلة والوسيطة التي قد تشوش على دقة القياسات العلمية. ففي أبحاث القياس النفسي والعلوم السلوكية، على سبيل المثال، تختلف استجابات الأفراد لبرامج التدخل السلوكي باختلاف تشخيصاتهم الأولية أو مستوياتهم التعليمية؛ ومن ثم، فإن حساب مقاييس النزعة المركزية لكل فئة تشخيصية بشكل منعزل يمنح المحلل القدرة على ضبط التباينات المنهجية والتحقق من صدق المقارنات البينية. كما يساعد هذا الأسلوب في الكشف عن التفاعلات المعقدة بين المتغيرات وتحديد ما إذا كان تأثير المعالجة يقتصر على شريحة معينة دون غيرها، مما يدعم اتخاذ القرارات القائمة على الأدلة الدقيقة بدلاً من التعميمات الشاملة غير المبررة.

1.3 سلوك الوسيط في مواجهة القيم الشاذة والالتواء الإحصائي

تتميز البيانات الواقعية غالباً بظاهرة الالتواء الإحصائي (Skewness)، حيث يمتد ذيل التوزيع نحو اليمين (التواء إيجابي) بفعل وجود قيم مرتفعة نادرة، أو يمتد نحو اليسار (التواء سلبي) نتيجة وجود قيم متدنية غير اعتيادية. وفي ظل هذه التوزيعات الملتوية، يفقد المتوسط الحسابي قدرته التمثيلية لأنه ينجذب تلقائياً نحو اتجاه الذيل، مما يعطي انطباعاً خادعاً بخصوص المستوى العام للعينة. وهنا يبرز الدور المحوري للوسيط الإحصائي، حيث يحتفظ بثباته الموقعي مستقراً في قلب الكثافة التكرارية للبيانات، غير آبه بالقيم القصوى الناجمة عن أخطاء القياس العرضية أو الخصائص الاستثنائية لبعض المفحوصين، مما يجعله التقدير الأكثر صدقاً لتمثيل العينة الواقعية.

يتكامل الوسيط وظيفياً مع مقاييس التشتت اللامعلمية، وأبرزها المدى الربيعي (Interquartile Range – IQR)، الذي يمثل الفرق الحسابي بين الربيع الثالث (المئين 75) والربيع الأول (المئين 25). وكما أن الوسيط يقاوم الانحراف الناتج عن القيم الشاذة، فإن المدى الربيعي يقيس تشتت النصف الأوسط من المشاهدات محيداً أثر الأطراف بنسبة 50%. إن الربط المنهجي بين وسيط كل مجموعة ومداها الربيعي يقدم للمحلل صورة وصفية متكاملة وثنائية الأبعاد تعكس المركز والانتشار في آن واحد، وهو النموذج الإحصائي المعياري الموصى به عند تقديم تقارير البيانات المجمعة غير الخاضعة للتوزيع الطبيعي، تجنباً للوقوع في فخ التقديرات المشوهة الناتجة عن الانحراف المعياري والمتوسط الحسابي الكلاسيكيين.

2. إعداد وتجهيز مصفوفة البيانات في برنامج إكسيل

2.1 هيكلة البيانات وفق المعايير الإحصائية القياسية

تبدأ دقة التحليلات الإحصائية في مايكروسوفت إكسيل من جودة التصميم البنائي لورقة العمل. تقتضي المعايير القياسية لإدارة البيانات تنظيم المصفوفة في نسق جدولي رأسي كلاسيكي (Tidy Data Structure)، حيث يُخصص كل عمود لمتغير إحصائي مفرد ومحدد، بينما يمثل كل صف سجلاً أو وحدة مشاهدة تجريبية مستقلة. يُحظر تماماً دمج الخلايا في صفوف العناوين أو داخل نطاق السجلات، لأن الدمج يعطل المنطق البرمجي لمحركات المعالجة المصفوفية ويمنع دوال المقارنة الشرطية من تقييم الخلايا بشكل سليم.

يجب تخصيص عمود مستقل بالكامل لمتغير التصنيف الفئوي (Grouping Variable)، مع التأكد من أن أسماء الفئات تم إدخالها بنسق نصي نقي يخلو من الرموز العشوائية أو الاختصارات غير القياسية. وبالتوازي مع ذلك، يُخصص عمود آخر لمتغير الاستجابة العددي المستمر (Target/Metric Variable). ومن الأهمية بمكان التأكد من أن إكسيل يتعرف على قيم متغير الاستجابة باعتبارها أرقاماً حسابية فعلية وليست أرقاماً مخزنة كنصوص؛ إذ يؤدي التنسيق النصي الخاطئ للأرقام إلى استبعادها التلقائي أثناء تنفيذ الدوال الإحصائية والشرطية، مما ينتج عنه نتائج خاطئة أو أخطاء حسابية صامتة يصعب رصدها بالعين المجردة.

2.2 تنظيف السجلات وتدقيق الاتساق الإدخالي

تُعد مرحلة تنظيف البيانات شرطاً مسبقاً لا غنى عنه لضمان نجاح الحسابات الشرطية، وتحديداً في المتغيرات الفئوية. فأحد أكثر الأخطاء التقنية شيوعاً هو وجود مسافات بادئة أو لاحقة غير مرئية حول النصوص (مثل إدخال “المجموعة أ ” بدلاً من “المجموعة أ”). في مثل هذه الحالات، يتعامل محرك إكسيل المنطقي مع هاتين السلسلتين النصيتين كفئتين مختلفتين تماماً، مما يؤدي إلى تشتيت الحسابات وتجزئة المجموعة الواحدة إلى فئات فرعية مكررة ووهمية. لتفادي هذه المعضلة، يُنصح بتطبيق دالة TRIM على كافة الأعمدة الفئوية لتطهيرها من كافة المسافات الزائدة قبل بدء المعالجة التحليلية.

إلى جانب المسافات، يتعين على الباحث توحيد المصطلحات وحالة الأحرف والهمزات (مثل التمييز بين الألف الممدودة والمهموزة، والياء والألف المقصورة)، لأن عمليات المطابقة الشرطية الدقيقة في الصيغ المصفوفية تعتمد على التطابق الحرفي للنصوص. كما تتضمن مرحلة التدقيق فحص السجلات للتحقق من خلوها من الأخطاء الإملائية الشائعة، ومراجعة الخلايا الفارغة أو المؤشرات التي تم إدخالها كرموز للمفقودات (مثل رموز “NA” أو “-999”). يجب اتخاذ قرار منهجي واضح إما بحذف هذه السجلات المخالفة أو استبدالها بخلايا فارغة تماماً وفق البروتوكول الإحصائي المعتمد للدراسة، لضمان عدم معاملتها كقيم عددية تشوه رتبة الوسيط.

2.3 تحويل النطاقات العادية إلى جداول إكسيل الديناميكية

يمثل تحويل نطاقات البيانات العادية (Standard Ranges) إلى جداول بيانات رسمية ديناميكية (Dynamic Excel Tables) خطوة جوهرية لنقل العمل التحليلي إلى مستوى الكفاءة المؤسسية المتقدمة. يتم هذا التحويل بسهولة عبر تحديد أي خلية داخل مصفوفة البيانات والضغط على الاختصار Ctrl + T. يمنح هذا الإجراء البسيط مصفوفة البيانات خصائص برمجية فريدة تجعلها كائناً متكاملاً ومستقلاً يشار إليه باسم فريد (مثل Table1)، مما يلغي الحاجة إلى إعادة صياغة حدود النطاقات الحسابية يدوياً عند تدفق بيانات جديدة.

تكمن الميزة الكبرى للجداول الديناميكية في استخدام “المراجع المهيكلة” (Structured References)، حيث تُستبدل مراجع الخلايا الجامدة وغير المقروءة (مثل C2:C100) بإشارات دلالية مباشرة وصريحة لأسماء الأعمدة (مثل Table1[Score] و Table1[Group]). هذه البنية تضفي وضوحاً مطلقاً على الصيغ الرياضية وتمنع حدوث أخطاء الإزاحة عند فرز البيانات أو إعادة ترتيبها. والأهم من ذلك، أن أي سجل جديد يتم إلحاقه بأسفل الجدول يدخل تلقائياً وبصورة فورية ضمن النطاقات المرجعية لكافة الصيغ الإحصائية والمصفوفية المرتبطة به، مما يضمن تحديث وسيط كل مجموعة بصورة آنية وتلقائية دون أدنى تدخل يدوي من المحلل.

3. استخراج القيم الفئوية الفريدة للمجموعات باستخدام دالة UNIQUE

3.1 الآلية البرمجية لعمل دالة UNIQUE في الإصدارات الحديثة

أحدثت مايكروسوفت نقلة نوعية في البنية التحتية لمعالجة الصيغ في إكسيل مع إطلاق محرك المصفوفات الديناميكية (Dynamic Array Engine)، وتُعد دالة UNIQUE التجسيد الأبرز لهذه الثورة التقنية. تتلخص المهمة البرمجية لدالة UNIQUE في تقييم نطاق أحادي أو ثنائي الأبعاد، وفحص كافة عناصره المتكررة بدقة متناهية، ثم إرجاع مصفوفة عمودية أو أفقية تضم العناصر الفريدة فقط دون أي تكرار. تعمل هذه الدالة بصيغة قياسية مبسطة تتخذ الشكل =UNIQUE(array)، مما يلغي الحاجة تماماً إلى كتابة أكواد برمجية معقدة بلغة VBA أو استخدام خوارزميات التصفية اليدوية المرهقة.

تعتمد دالة UNIQUE على سلوك “مصفوفات الانسكاب” (Spill Arrays)، حيث تُكتب الصيغة الرياضية في خلية واحدة رئيسية، ثم تتولى الدالة تلقائياً نشر النتائج المستخرجة في الخلايا المجاورة رأسياً أو أفقياً بناءً على حجم المخرجات. ويُحاط هذا النطاق المنسكب بإطار رفيع باللون الأزرق الفاتح للدلالة على أنه ناتج عن خلية مصدرية واحدة. وفي حال اعترض مسار هذا الانسكاب أي محتوى نصي أو رقمي في الخلايا المستهدفة، يُوقف إكسيل العملية ويُظهر فوراً خطأ الانسكاب الشهير #SPILL!، مما يستوجب تفريغ مسار الخلايا ليتمكن المحرك من عرض كافة الفئات المستخرجة بسلاسة.

3.2 تطبيق الدالة عملياً لعزل أسماء المجموعات

لتطبيق الدالة عملياً واستخلاص أسماء المجموعات التصنيفية تمهيداً لحساب وسيط كل منها، يقف المحلل عند خلية فارغة تماماً خارج نطاق الجدول الأصلي (ولتكن الخلية E2 على سبيل المثال)، ويكتب الصيغة التالية مشيراً إلى عمود الفئات: =UNIQUE(Table1[Group]). بمجرد الضغط على مفتاح الإدخال، تنبثق قائمة رأسية متكاملة تحتوي على الأسماء الفريدة للمجموعات دون أدنى تكرار. وتُعد هذه الخطوة بالغة الأهمية لتأسيس هيكل جدول التلخيص الإحصائي المستقل الذي سيحتضن حسابات الوسيط المقابلة.

ولتعزيز الجودة المنهجية لجدول النتائج وتيسير قراءته، يُوصى بدمج دالة UNIQUE مع دالة الترتيب SORT من خلال صياغة مركبة كالتالي: =SORT(UNIQUE(Table1[Group])). تضمن هذه الصيغة المدمجة ترتيب الفئات التصنيفية ترتيباً تصاعدياً أو أبجدياً تلقائياً، وهو ما يسهل المقارنات البينية المتسلسلة. علاوة على ذلك، توفر هذه المخرجات الديناميكية ميزة تقنية بالغة الأهمية؛ حيث يمكن استخدام علامة الهاشتاج (#) للإشارة إلى كامل نطاق الانسكاب لاحقاً (مثل E2#)، مما يتيح بناء نماذج إحصائية متكاملة تتسع وتنكمش تلقائياً تبعاً لتغير عدد المجموعات داخل مصفوفة البيانات الأصلية.

3.3 بدائل استخراج القيم الفريدة في الإصدارات القديمة من إكسيل

في بيئات العمل التي تعتمد على الإصدارات التقليدية من برنامج إكسيل (مثل إكسيل 2016، 2013، وما قبلهما)، لا تتوفر دالة UNIQUE نظراً لافتقار تلك الإصدارات إلى محرك المصفوفات الديناميكية. وفي هذا الإطار، يتعين على المحلل اللجوء إلى حلول وبدائل منهجية أخرى لاستخراج الفئات الفريدة دون الإخلال بسلامة التحليل. يتمثل الخيار الأول والأبسط في نسخ عمود المجموعات بالكامل ولصقه في عمود جانبي منفصل، ثم الانتقال إلى تبويب البيانات (Data)، واختيار أداة إزالة التكرارات (Remove Duplicates) من مجموعة أدوات البيانات، مما يحذف السجلات المكررة ويبقي فقط على القيم المتفردة بصورة ثابتة وغير ديناميكية.

أما البديل الثاني الأكثر احترافية ضمن الأدوات المدمجة الكلاسيكية، فهو استخدام أداة التصفية المتقدمة (Advanced Filter). يتم تحديد نطاق عمود المجموعات، ثم استدعاء نافذة التصفية المتقدمة وتحديد خيار “نسخ إلى موقع آخر”، مع تفعيل خيار “السجلات الفريدة فقط” (Unique records only)، وتحديد الخلية المستهدفة لتفريغ الأسماء الفريدة. وبالنسبة للمحللين الذين يرغبون في تحقيق ديناميكية برمجية تحاكي دالة UNIQUE في الإصدارات القديمة، يمكنهم كتابة صيغة مصفوفية مركبة شديدة التعقيد تدمج بين دوال INDEX و MATCH و COUNTIF، وتأكيد إدخالها بالضغط على المفاتيح الثلاثية الشهيرة Ctrl + Shift + Enter، مما يولد قائمة ديناميكية تتحدث تلقائياً رغم قيود الإصدار القديم.

4. الصيغة الشرطية الأساسية: الدمج بين دالتي MEDIAN و IF

4.1 التحليل المنطقي لبناء الصيغة المركبة

يقوم الحل الجذري لمشكلة غياب دالة “MEDIANIF” في إكسيل على المزج الذكي بين قدرات الفحص المنطقي لدالة IF وقدرات الفرز الإحصائي لدالة MEDIAN. يبدأ التحليل المنطقي من داخل النواة الداخلية للصيغة؛ حيث تُستخدم دالة IF لتقييم كل صف من صفوف مصفوفة البيانات فحصاً شرطياً مستقلاً: “هل تنتمي هذه المشاهدة المحددة إلى المجموعة المستهدفة؟”. إذا كانت الإجابة نعم (صواب – TRUE)، تقوم دالة IF بإرجاع القيمة العددية المقابلة لتلك المشاهدة من عمود النتائج أو الدرجات. أما إذا كانت الإجابة لا (خطأ – FALSE)، فإن الدالة تُرجع القيمة المنطقية FALSE أو تُترك فارغة دون تحديد قيمة للبديل الخاطئ.

وهنا تتجلى العبقرية الرياضية لدالة MEDIAN في معالجة هذه المصفوفة المهجنة المحقونة بالقيم العددية والمنطقية معاً. وفقاً لقواعد البناء البرمجي لدوال التلخيص الإحصائي في إكسيل، تتجاهل دالة MEDIAN تماماً القيم المنطقية من نوع TRUE و FALSE والنصوص النصية الفارغة عندما تُمرر إليها ضمن مصفوفة (Array)، وتركز حساباتها حصراً وبشكل صارم على القيم العددية الفعلية المسترجعة. ونتيجة لذلك، تُستبعد كافة القيم التي لا تنتمي للمجموعة المستهدفة من مائدة الحساب، وتتعامل دالة الوسيط فقط مع الأرقام التابعة للمجموعة المعنية، وتفرزها تلقائياً لتستخرج بدقة القيمة المركزية التي تقسم مشاهدات تلك الفئة المحددة إلى نصفين متساويين.

4.2 صياغة المعادلة وتطبيق التثبيت المطلق للنطاقات

تتطلب الصياغة التنفيذية لهذه المعادلة إدراكاً عميقاً لمفاهيم مراجع الخلايا النسبية والمطلقة في إكسيل. لنفترض أن عمود المجموعات التصنيفية يمتد في النطاق من B2 إلى B100، وعمود القيم العددية المراد حساب وسيطها يمتد من C2 إلى C100، وأن الفئة المستهدفة الأولى التي نرغب في استخراج وسيطها مكتوبة في الخلية E2. تأخذ الصيغة القياسية البنية الرياضية الصارمة التالية:

=MEDIAN(IF($B$2:$B$100=E2, $C$2:$C$100))

يُعد التثبيت المطلق باستخدام علامة الدولار ($) أمراً حاسماً لكفاءة واستقرار الصيغة. يتم تثبيت نطاق المجموعات ($B$2:$B$100) ونطاق القيم العددية ($C$2:$C$100) تثبيتاً كلياً لضمان عدم انزياح حدود المصفوفة المرجعية نحو الأسفل عند نسخ المعادلة وتطبيقها على باقي الفئات في جدول التلخيص. وفي المقابل، يُترك مرجع الخلية المستهدفة (E2) مرجعاً نسبياً حراً يخلو من علامات الدولار؛ وذلك ليتحول تلقائياً إلى E3 ثم E4 مع سحب الصيغة للأسفل عبر مقبض التعبئة، مما يسمح بمطابقة كل فئة فرعية بقيمها المناظرة بسلاسة تامة ودون تداخل.

4.3 فهم معالجة المصفوفات داخل الذاكرة المؤقتة للبرنامج

لفهم ما يجري فعلياً وراء الكواليس عند تنفيذ هذه الصيغة المركبة، يجب إلقاء الضوء على دورة المعالجة اللحظية داخل الذاكرة المؤقتة لمحرك إكسيل الحسابي. عند إدخال المعادلة، يولد الشرط المنطقي $B$2:$B$100=E2 مصفوفة أحادية البعد مؤلفة من قيم منطقية تتطابق أبعادها تماماً مع عدد صفوف البيانات، ولتكن مثلاً: {TRUE; FALSE; TRUE; FALSE; ...}، حيث تشير كل قيمة TRUE إلى أن الصف ينتمي للمجموعة الموجودة في الخلية E2.

في الخطوة التالية، تقوم دالة IF بمقارنة هذه المصفوفة المنطقية مع مصفوفة القيم العددية المحددة في الوسيط الثاني $C$2:$C$100. يُستبدل كل عنصر يقابله TRUE بالقيمة العددية الفعلية من عمود الدرجات، بينما يُستبدل كل عنصر يقابله FALSE بالقيمة المنطقية FALSE، لتصبح المصفوفة الناتجة في الذاكرة المؤقتة على النحو التالي: {85; FALSE; 92; FALSE; ...}. وأخيراً، تتلقى دالة MEDIAN هذه المصفوفة الهجينة، فتقوم خوارزمياتها الداخلية بتصفية العناصر واستبعاد كل ما هو ليس عدداً، ثم تنفيذ خوارزمية فرز سريعة (QuickSort) على الأرقام الحقيقية المتبقية {85; 92; ...} وتحديد القيمة الوسيطة المقابلة لها وإظهارها للمستخدم كنتيجة نهائية فائقة الدقة.

5. التعامل مع الصيغ المصفوفية واختلاف إصدارات إكسيل

5.1 تنفيذ الصيغ في بيئة Microsoft 365 وإكسيل 2021

في بيئات العمل البرمجية الحديثة، والمتمثلة في اشتراكات مايكروسوفت 365 (Microsoft 365) وحزم أوفيس 2021 وما تلاها، أصبح التعامل مع الصيغ المصفوفية سلساً وطبيعياً للغاية بفضل التحديث الجذري الذي طال النواة الحسابية للبرنامج. لم يعد المستخدم بحاجة إلى حفظ اختصارات لوحة المفاتيح المعقدة أو تطبيق آليات تنفيذ خاصة؛ فبمجرد كتابة الصيغة =MEDIAN(IF($B$2:$B$100=E2, $C$2:$C$100))، يكفي الضغط المباشر والاعتيادي على مفتاح Enter لإتمام العملية الحسابية فوراً وبأقصى كفاءة ممكنة.

تتعرف الإصدارات الحديثة تلقائياً على الصيغ التي تتضمن عمليات على نطاقات متعددة باعتبارها صيغ مصفوفات ديناميكية بطبيعتها. والأكثر إثارة للإعجاب هو إمكانية الاستفادة من ميزة الانسكاب حتى داخل دالة الوسيط الشرطي؛ فإذا تم استخراج أسماء المجموعات باستخدام دالة UNIQUE في الخلية E2 لتنسكب عبر النطاق E2#، يمكن للمحلل كتابة صيغة الوسيط مشيراً إلى كامل النطاق المنسكب كالتالي: =MEDIAN(IF($B$2:$B$100=E2#, $C$2:$C$100)) عبر دوال الربط المتقدمة أو تطبيقها كدالة سطرية واحدة، مما يؤدي إلى انسكاب وسائط كافة المجموعات دفعة واحدة في خطوة حسابية مفردة ومبهرة توفر الوقت وتمنع أخطاء السحب اليدوي.

5.2 تنفيذ الصيغ التقليدية (CSE) في إصدارات إكسيل 2019 وما قبلها

تمثل الإصدارات الأقدم من إكسيل (مثل إكسيل 2019، 2016، 2013، 2010) بيئة حسابية تقليدية لا تدعم المعالجة التلقائية للمصفوفات داخل الدوال التي تتوقع وسائط قياسية مفردة. وإذا قام المستخدم بكتابة الصيغة السابقة والضغط ببساطة على مفتاح Enter في هذه الإصدارات القديمة، سيفشل البرنامج في تقييم مصفوفة الشروط بالشكل الصحيح، وسيقوم بما يُعرف بالتقاطع الضمني (Implicit Intersection) ليختبر الصف المقابل للخلية فقط، مما ينتج عنه غالباً ظهور خطأ القيمة الشهير #VALUE! أو إرجاع وسيط غير صحيح على الإطلاق.

لإجبار محرك إكسيل الكلاسيكي على معالجة الصيغة بصفتها مصفوفة حسابية حقيقية، يجب تأكيد إدخال الصيغة بالضغط المتزامن على ثلاثة مفاتيح في لوحة المفاتيح معاً: Ctrl + Shift + Enter، وهي التقنية المعروفة تاريخياً واصطلاحياً في مجتمعات محللي البيانات باسم “صيغ CSE”. عند نجاح هذا الإجراء، يضع إكسيل تلقائياً أقواس معقوفة حول الصيغة بأكملها لتظهر في شريط المعادلات هكذا: {=MEDIAN(IF($B$2:$B$100=E2, $C$2:$C$100))}. تجدر الإشارة والتأكيد المشدد على أن كتابة هذه الأقواس المعقوفة يدوياً باستخدام لوحة المفاتيح لا يُفعّل المعالجة المصفوفية على الإطلاق بل يُحول المعادلة إلى نص عديم الفائدة، كما أن أي تعديل طفيف يطرأ على الخلية لاحقاً يتطلب إعادة الضغط على تركيبة المفاتيح الثلاثية لضمان عدم انهيار الحسابات.

5.3 إدارة التوافقية عند مشاركة مصنفات العمل بين مستخدمين مختلفين

تشكل مسألة مشاركة مصنفات العمل التحليلية (Workbooks) بين أطراف متعددة يعملون على بيئات برمجية وإصدارات مختلفة من إكسيل تحدياً كبيراً لاستقرار النماذج الإحصائية. فعند فتح مصنف عمل تم إنشاؤه في بيئة Microsoft 365 بواسطة مستخدم يعمل على إصدار قديم مثل إكسيل 2016، قد لا تعمل الصيغ المصفوفية الحديثة أو قد تتحول مخرجات الدوال المنسكبة إلى خطأ #NAME? نتيجة عدم تعرف الإصدار القديم على الدوال المستحدثة مثل دالة UNIQUE.

وفي الاتجاه المعاكس، عندما يُفتح مصنف عمل كلاسيكي يحتوي على صيغ قديمة داخل الإصدارات الحديثة، يقوم إكسيل في بعض الأحيان بإدراج علامة “الات” (@) تلقائياً قبل بعض وسائط الصيغة؛ وهي علامة المعامل المشغل للتقاطع الضمني (Single/Implicit Intersection Operator) التي يضيفها البرنامج لحماية الصيغة وضمان تطابق مخرجاتها وسلوكها الرياضي تماماً مع ما كانت عليه في النسخة القديمة دون إفسادها بالمصفوفات الديناميكية. لتفادي هذه الإرباكات التشغيلية، ينبغي للمحلل فحص توافقية المصنف مسبقاً عبر أداة “فحص التوافق” (Check Compatibility) المدمجة في خيارات التصدير والحفظ، وتوثيق المتطلبات البرمجية الدنيا لتشغيل الملف بدقة في صفحة تعليمات مخصصة ترفق بالنموذج الإحصائي.

6. تطبيق عملي خطوة بخطوة على مجموعة بيانات حقيقية

6.1 عرض سيناريو دراسة نفسية لحساب وسيط درجات القلق حسب الفئة

لترسيخ المفاهيم النظرية ونقلها إلى حيز الممارسة الواقعية، نفترض سيناريو تجريبياً مستمداً من أبحاث علم النفس الإكلينيكي والصحة النفسية المقارنة. تهدف الدراسة إلى قياس وتقييم فاعلية برنامجين مختلفين للتدخل العلاجي السلوكي في خفض مستويات القلق العصابي لدى عينة من المفحوصين، مقارنة بمجموعة ضابطة لم تتلقَ أي معالجة. تتألف مصفوفة البيانات من 15 مشاركاً تم توزيعهم على ثلاث مجموعات تجريبية مستقلة ومتكافئة عددياً كالتالي: “مجموعة العلاج المعرفي السلوكي” (CBT Group)، و”مجموعة اليقظة الذهنية” (Mindfulness Group)، و”المجموعة الضابطة” (Control Group).

توضح المشاهدات الميدانية لدرجات القلق، المقاسة وفق مقياس مقنن يتراوح مداه بين 0 إلى 100 درجة، أن البيانات تتضمن بعض الدرجات المتطرفة الناتجة عن تباينات فردية حادة لدى بعض المفحوصين الذين عانوا من نوبات ذعر حادة أثناء فترة القياس، مما أحدث التواءً إيجابياً واضحاً في درجات المجموعة الضابطة وبعض المجموعات العلاجية. في ظل هذا الالتواء الإحصائي الملموس، يصبح استخدام المتوسط الحسابي مضللاً وغير دقيق علمياً للمفاضلة بين فاعلية البرامج، مما يفرض على الباحث اعتماد وسيط درجات القلق لكل مجموعة كمعيار إحصائي رصين وموثوق لقياس النزعة المركزية الحقيقية لفعالية المعالجة وتفسير الفروق بدقة منهجية واضحة.

6.2 تنفيذ الخطوات الإجرائية لإعداد جدول النتائج

تبدأ الخطوات التنفيذية بتنظيم وتفريغ البيانات الأولية داخل مصنف إكسيل بعناية فائقة. في العمود A، نضع المعرف التعريفي للمشارك (مثل من P01 إلى P15)، وفي العمود B نُدرج متغير التصنيف الفئوي تحت اسم “المجموعة”، وفي العمود C نُدرج متغير الاستجابة المستمر تحت عنوان “درجة القلق”. لتثبيت الهيكل الإحصائي، نحدد النطاق بالكامل من A1 إلى C16 ونضغط Ctrl + T لإنشاء جدول ديناميكي باسم AnxietyStudy.

في خطوة موازية، نؤسس جدول التلخيص الإحصائي المقترح في جانب ورقة العمل. نقف في الخلية E2 ونكتب الصيغة الديناميكية لاستخلاص أسماء المجموعات دون تكرار وبترتيب منهجي: =SORT(UNIQUE(AnxietyStudy[المجموعة])). ستنسكب أسماء المجموعات الثلاث فوراً في الخلايا E2 و E3 و E4. بعد ذلك، ننتقل إلى الخلية المجاورة الأولى F2 والمخصصة لحساب “وسيط درجات القلق”، ونكتب الصيغة المصفوفية المحددة بالاعتماد على المراجع المهيكلة للجداول الديناميكية كالتالي:

=MEDIAN(IF(AnxietyStudy[المجموعة]=E2, AnxietyStudy[درجة القلق]))

إذا كنا نعمل ضمن بيئة Microsoft 365، نضغط مباشرة على مفتاح Enter، ثم نسحب مقبض التعبئة التلقائي من الخلية F2 نحو الأسفل ليشمل الخليتين F3 و F4. أما إذا كنا نعمل في بيئة تقليدية، فنضغط على Ctrl + Shift + Enter لتفعيل الصيغة وظهور الأقواس المعقوفة، ثم نعممها على باقي الفئات ليظهر أمام كل مجموعة وسيطها الإحصائي الخاص والمستقل بدقة رقمية مطلقة.

6.3 تفسير المخرجات وقراءة الدلالات الإحصائية للقيم المحسوبة

عند فحص المخرجات الحسابية المستخرجة في جدول التلخيص، نجد على سبيل المثال أن وسيط درجات القلق لمجموعة العلاج المعرفي السلوكي استقر عند 32.5 درجة، بينما استقر وسيط مجموعة اليقظة الذهنية عند 41.0 درجة، في حين ارتفع وسيط المجموعة الضابطة ليصل إلى 68.0 درجة. وبالمقارنة مع الوسيط العام لكامل العينة البالغ 45.0 درجة، تتضح الفروق الهيكلية الجلية بين المجموعات المستقلة والتي تعكس تأثيراً علاجياً واضحاً للبرامج السلوكية.

يقود هذا التحليل الوسيطي المجمع الباحث إلى استنتاجات سيكولوجية ومنهجية بالغة الأهمية. فوجود وسيط منخفض بشكل ملحوظ لدى مجموعة العلاج المعرفي السلوكي يؤكد أن أكثر من نصف أفراد هذه المجموعة قد تراجعت مستويات قلقهم إلى النطاق الطبيعي المعتدل، متفوقين بذلك على مجموعة اليقظة الذهنية، بينما بقيت المجموعة الضابطة متمركزة في النطاق المرضي المرتفع. إن الاعتماد على الوسيط هنا وفر حماية منهجية حاسمة للاستنتاج العلمي؛ إذ إنه حيّد أثر درجة متطرفة شاذة بلغت 95 درجة سُجلت لمشارك منفرد في مجموعة العلاج المعرفي السلوكي كانت كفيلة برفع المتوسط الحسابي العام للمجموعة وإظهار البرنامج العلاجي على أنه غير مجدٍ، في حين أثبت الوسيط نجاح التدخل بالنسبة لغالبية أفراد العينة.

7. معالجة القيم المفقودة والأخطاء والخلايا الفارغة

7.1 تأثير الخلايا الفارغة والنصوص داخل نطاق الأرقام

تفرض البيانات الواقعية في البحوث الميدانية تحديات جسيمة تتعلق بوجود خلايا فارغة أو بيانات نصية غير رقمية تسللت عن طريق الخطأ داخل عمود القيم العددية المستهدفة. وعند تطبيق المعادلة المركبة =MEDIAN(IF($B$2:$B$100=E2, $C$2:$C$100))، يجب الانتباه بعمق إلى الكيفية التي يعالج بها محرك إكسيل هذه الحالات الشاذة. فالخلية الفارغة تماماً داخل نطاق الأرقام تتحول عند تقييمها بواسطة دالة IF المنطقية إلى قيمة صفرية (0) كناتج افتراضي لغياب القيمة العددية المناظرة لشرط التحقق الصحيح (TRUE).

يعد هذا التحول التلقائي للخلية الفارغة إلى صفر كارثة إحصائية صامتة؛ حيث يتعامل الوسيط مع هذا الصفر كدرجة حقيقية مسجلة للمفحوص، مما يؤدي إلى سحب رتبة الوسيط بشكل مصطنع نحو الأسفل وتشذيب النتائج بعيداً عن الواقع الفعلي للعينة. ولعلاج هذا الخلل المنهجي وتفادي تحويل الفراغات إلى أصفار، يتعين تعديل الصيغة الشرطية لتتضمن اختباراً إضافياً يتأكد من أن الخلية ليست فارغة وتتضمن قيمة عددية معتبرة، وذلك من خلال استخدام الدالة الفاحصة ISNUMBER ودمجها عبر العامل المنطقي للضرب كالتالي:

=MEDIAN(IF(($B$2:$B$100=E2)*ISNUMBER($C$2:$C$100), $C$2:$C$100))

تضمن هذه الصيغة المحدثة استبعاد أي خلية فارغة أو أي محتوى نصي غير مقصود من الدخول في مصفوفة الحساب، مما يحافظ على نقاء التوزيع التكراري ورتب المشاهدات الفعلية دون أي تشويه عددي.

7.2 دمج دالة IFERROR للتعامل مع المجموعات الخالية من السجلات

في كثير من الحالات الديناميكية المعقدة أو عند استخدام لوحات التحكم الإحصائية التفاعلية (Interactive Dashboards)، قد تتضمن قائمة المجموعات الفرعية فئة تصنيفية لا تتوفر لها حالياً أي سجلات مطابقة في مصفوفة البيانات الأولية (بسبب التصفية اللحظية أو انسحاب جميع أفراد العينة في تلك الفئة). وفي هذه الحالة، تعجز دالة IF عن إرجاع أي قيمة عددية صحيحة لدالة الوسيط، وتتلقى دالة MEDIAN مصفوفة خالية تماماً من الأرقام ومملوءة بالكامل بالقيم المنطقية FALSE.

يؤدي عجز دالة الوسيط عن العثور على أرقام إلى توقفها الفوري عن العمل وتوليد الخطأ الحسابي الشهير #NUM!، أو خطأ القيمة #VALUE!. يفسد هذا الخطأ المنظر الجمالي لتقارير التحليل الأكاديمية ويعطل العمليات الحسابية اللاحقة التي تعتمد على تلك الخلية. وللتغلب على هذه المشكلة بأناقة برمجية، يتم تطويق الصيغة المصفوفية بالكامل بواسطة دالة الحماية IFERROR، لتصبح بنية المعادلة على النحو التالي:

=IFERROR(MEDIAN(IF($B$2:$B$100=E2, $C$2:$C$100)), "لا تتوفر بيانات")

تقوم دالة IFERROR بفحص ناتج معادلة الوسيط الشرطي؛ فإذا تمت الحسابات بشكل طبيعي ظهرت القيمة العددية للوسيط فوراً، أما في حال تعثرت المعادلة لغياب البيانات، تتدخل الدالة بسلاسة وتستبدل رمز الخطأ القبيح بالنص التوضيحي المختار “لا تتوفر بيانات” أو تترك الخلية فارغة تماماً باستخدام علامتي تنصيص متتاليتين ("")، مما يحافظ على التنسيق الاحترافي للتقارير البحثية.

7.3 استبعاد الأصفار الناتجة عن القياسات الناقصة

يواجه الباحث في معالجة الاستبانات والمسوح الميدانية معضلة متكررة تكمن في التمييز المفاهيمي بين “الصفر الحقيقي المطلق” الذي يمثل درجة قياس فعلية وذات دلالة للمشارك (مثل تسجيل صفر في اختبار معرفي دلالة على الإخفاق التام)، وبين “الصفر الإجرائي” الذي تم إدخاله بواسطة جامع البيانات كرمز دال على عدم استجابة المفحوص للسؤال أو غيابه عن جلسة القياس. وإذا تم إهمال هذا التمييز، ستدخل هذه الأصفار الرمزية في حساب الوسيط الفئوي وتشوه النتيجة العلمية بشكل فادح.

إذا كان البروتوكول الإحصائي المعتمد للدراسة يقضي بضرورة تصفية هذه الأصفار غير الحقيقية واستبعادها من التحليل الوصفي لمتغير الاستجابة، يتعين علينا توسيع النطاق الشرطي للصيغة المصفوفية لفرض شرط إقصائي صريح يعزل القيم المساوية للصفر. تصاغ هذه المعادلة المتقدمة من خلال ربط شرط المجموعة بشرط استبعاد الأصفار باستخدام معامل الضرب المنطقي على النحو التالي:

=MEDIAN(IF(($B$2:$B$100=E2)*($C$2:$C$100<>0), $C$2:$C$100))

يختبر الجزء الأول من الصيغة انصهار الصف ضمن المجموعة المحددة، بينما يختبر الجزء الثاني ($C$2:$C$100<>0) أن الدرجة المسجلة لا تساوي صفراً مطلقاً. وبما أن عملية الضرب الرياضي لا تُرجع القيمة 1 (TRUE) إلا عند تحقق كلا الشرطين معاً، فإن جميع السجلات الصفرية سيتم إقصاؤها وتمرير مصفوفة نقية لا تحتوي سوى على الاستجابات الإيجابية الفعلية لتقوم دالة الوسيط باحتساب مركزها الحقيقي بأعلى درجات المصداقية الإحصائية.

8. حساب الوسيط للمجموعات وفق معايير وشروط متعددة

8.1 بناء منطق الشروط المتعددة باستخدام الضرب المنطقي (AND Logic)

في الدراسات الإحصائية المتقدمة، نادراً ما يقتصر التحليل المقارن على متغير تصنيفي أحادي؛ بل تقتضي المنهجية العلمية تفكيك البيانات بدقة متناهية عبر مستويات تقاطعية متعددة، كأن يطلب الباحث حساب وسيط درجات القلق للمشاركين في “مجموعة العلاج المعرفي السلوكي” ولكن حصراً لفئة “الإناث”، أو حساب وسيط المبيعات لفرع معين وفقط للمنتجات من فئة تجارية محددة. وهنا يبرز مفهوم المنطق الشرطي المتعدد القائم على بوابة الاقتران المنطقي (AND Logic).

نظراً لأن دالة AND الكلاسيكية في إكسيل تقوم بتجميع كافة المصفوفات المنطقية وإرجاع قيمة وحيدة مفردة، فإنها تفشل فشلاً ذريعاً داخل الصيغ المصفوفية ولا يمكن استخدامها لتقييم الصفوف فصلاً فصلاً. والبديل الرياضي والبرمجي القياسي هو استخدام “مشغل الضرب الحسابي” (*) بين الأقواس الشرطية. يتم بناء الصيغة على النحو التالي:

=MEDIAN(IF(($B$2:$B$100=E2)*($D$2:$D$100=G2), $C$2:$C$100))

يعمل هذا الهيكل المنطقي بدقة رياضية صارمة: فالقوس الأول يختبر تطابق المجموعة مع الخلية E2 منتجاً مصفوفة من (1 و 0)، والقوس الثاني يختبر تطابق المتغير الديموغرافي الثاني (مثل النوع الاجتماعي في العمود D) مع الخلية G2 منتجاً مصفوفة مماثلة. وعند ضرب الخليتين المناظرتين، لا ينتج الرقم 1 (TRUE) إلا إذا كان كلا الشرطين متحققين معاً في السجل ذاته (1 * 1 = 1)، بينما ينتج الصفر (FALSE) في كافة الحالات الأخرى، مما يتيح لدالة IF استخلاص قيم التقاطع المزدوج المحددة وتمريرها لدالة الوسيط بكفاءة متناهية.

8.2 تطبيق المنطق التراكمي باستخدام الجمع المنطقي (OR Logic)

في سياقات تحليلية أخرى، قد يرغب الباحث في جمع فئتين أو أكثر ضمن كتلة تحليلية واحدة لاحتساب وسيطها التراكمي دون الاضطرار إلى إعادة دمج البيانات مادياً داخل الجدول الأصلي؛ كأن يرغب المحلل في احتساب وسيط الأداء المشترك لمجموعتي “العلاج المعرفي السلوكي” و”مجموعة اليقظة الذهنية” معاً لمقارنتهما بالمجموعة الضابطة. يتطلب هذا السيناريو تفعيل بوابة البدائل المنطقية (OR Logic).

وكما هو الحال مع دالة AND، تفشل دالة OR التقليدية داخل الصيغ المصفوفية في إكسيل للسبب عينه. وتتحقق المعالجة السليمة عبر استبدال علامة الضرب بمشغل “الجمع الحسابي” (+) لربط المصفوفات الشرطية التناوبية. وتُكتب الصيغة الرياضية على النحو التالي:

=MEDIAN(IF(($B$2:$B$100="CBT")+($B$2:$B$100="Mindfulness"), $C$2:$C$100))

يقوم المنطق الحسابي لعملية الجمع بالتحقق من انتماء المشاهدة لأي من المجموعتين؛ فإذا انتمى الصف للمجموعة الأولى أرجع القوس الأول 1 والثاني 0 ليصبح الناتج 1، وإذا انتمى للثانية أرجع 0 + 1 = 1. وبما أن الفئتين منفصلتان مانعتان بالتبادل (Mutually Exclusive)، فلن تتجاوز القيمة الناتجة الرقم 1 أبداً. وبالتالي، تُمرر دالة IF درجات كلتا المجموعتين معاً إلى دالة MEDIAN، متجاهلة درجات المجموعة الضابطة، لتستخرج الوسيط الموحد للفئتين المدمجتين في خطوة واحدة غاية في البراعة والسهولة.

8.3 حساب الوسيط المقيد بفترات زمنية أو نطاقات رقمية محددة

يمتد تطبيق الشروط المتعددة ليشمل الحالات التي تتطلب حصر حساب وسيط المجموعة داخل نافذة زمنية تاريخية محددة أو ضمن نطاق رقمي مشروط؛ مثل حساب وسيط درجات التقييم لكل مجموعة وظيفية خلال الربع الأول من السنة المالية فقط، أو حساب وسيط الدخل لفئة جغرافية معينة مع تقييد الحساب بالمشاركين الذين تقع أعمارهم بين 25 و 40 عاماً حصراً لضبط التباين العمري.

تتم هذه المعالجة عبر إدراج معاملات المقارنة الرياضية المتقدمة (>= و <=) داخل الأقواس المضروبة جنباً إلى جنب مع شرط المجموعة الفئوية. بافتراض أن تواريخ التقييم مسجلة في العمود A، وعمود المجموعة في B، والقيم في C، تصاغ المعادلة المركبة كالتالي:

=MEDIAN(IF(($B$2:$B$100=E2)*($A$2:$A$100>=DATE(2023,1,1))*($A$2:$A$100<=DATE(2023,3,31)), $C$2:$C$100))

تضمن دالة DATE هنا بناء قيمة التاريخ التسلسلي الصارم لمنع الأخطاء الناتجة عن اختلاف تنسيقات التاريخ الإقليمية في أنظمة التشغيل المختلفة. تقوم المعادلة باختبار ثلاثي الأبعاد لكل صف: فحص الانتماء للمجموعة، وفحص وقوع التاريخ بعد أو في بداية الفترة، وفحص وقوعه قبل أو عند نهاية الفترة. وبهذا يحصل المحلل على وسيط فئوي مقيد زمنياً يلبي أدق متطلبات الدراسات الطولية (Longitudinal Studies) ودراسات السلاسل الزمنية المتعددة.

9. البدائل التحليلية المتقدمة: استخدام الجداول المحورية ونموذج البيانات (Power Pivot)

9.1 قصور الجداول المحورية التقليدية في حساب الوسيط المباشر

تُعد الجداول المحورية (Pivot Tables) الأداة الأكثر شعبية وقوة لتلخيص وتحليل البيانات الكبيرة في إكسيل وتصنيفها متعدد الأبعاد بمرونة مطلقة. ومع ذلك، يصطدم كل محلل إحصائي يسعى لحساب الوسيط بوجود قصور هندسي كلاسيكي داخل المحرك التقليدي للجداول المحورية؛ فعند سحب حقل القيم إلى منطقة القيم (Values) وفتح نافذة "إعدادات حقل القيم" (Value Field Settings)، يُفاجأ المستخدم بقائمة خيارات تقتصر على: المجموع (Sum)، والعدد (Count)، والمتوسط الحسابي (Average)، والحد الأقصى (Max)، والحد الأدنى (Min)، والانحراف المعياري، والتباين.

يغيب الوسيط (MEDIAN) بشكل تام ومحبط عن هذه القائمة القياسية، ويعود هذا الغياب الهيكلي إلى أسباب تتعلق بالبنية الحسابية القديمة لمحرك الجداول المحورية؛ حيث يعتمد المحرك التقليدي على خوارزميات التجميع التراكمي الجمعي الخطي الفوري المباشر، في حين يتطلب حساب الوسيط الاحتفاظ بكامل المشاهدات الفردية لكل فئة في الذاكرة الحية لفرزها موضعياً وإيجاد القيمة المركزية، وهو ما كان يمثل عبئاً كبيراً على موارد الأجهزة القديمة. هذا القصور يدفع الكثيرين إلى اللجوء للصيغ المصفوفية اليدوية، متنازلين بذلك عن المزايا الهائلة للجداول المحورية كالتصفية التفاعلية وسرعة التلخيص.

9.2 تفعيل نموذج البيانات واستخدام لغة DAX لحساب الوسيط

لحسن الحظ، وفرت شركة مايكروسوفت حلاً جذرياً وعالي الكفاءة يتجاوز هذا القصور تماماً عبر دمج محرك لغة تعبيرات تحليل البيانات (DAX) وتقنية نموذج البيانات (Data Model / Power Pivot) داخل الإصدارات الحديثة من إكسيل. لتمكين حساب الوسيط داخل الجدول المحوري، يقوم المحلل بإنشاء الجدول المحوري كالمعتاد عبر التوجه لتبويب إدراج (Insert) ثم PivotTable، مع الحرص التام على تفعيل خيار محوري بالغ الأهمية في أسفل النافذة المنبثقة: "إضافة هذه البيانات إلى نموذج البيانات" (Add this data to the Data Model).

بمجرد تفعيل هذا الخيار وإنشاء الجدول، يتصل الجدول المحوري بمحرك تحليلي متطور فائق القدرة. يقوم المحلل بالنقر بزر الفأرة الأيمن على اسم الجدول في قائمة الحقول الجانبية ويختار "إضافة مقياس" (Add Measure). في النافذة المنبثقة، يُطلق اسماً دلالياً على المقياس وليكن وسيط الدرجات، ثم يكتب الصيغة البسيطة والمهيبة بلغة DAX في حقل المعادلة:

=MEDIAN('Table1'[درجة القلق])

بعد الضغط على موافق، يظهر المقياس الجديد بجانبه علامة الآلة الحاسبة، وعند سحبه إلى منطقة القيم ووضع حقل "المجموعة" في منطقة الصفوف، يقوم الجدول المحوري فوراً بحساب وسيط كل مجموعة بدقة متناهية وسرعة خارقة، متيحاً للمحلل الجمع بين متانة الحساب اللامعلمي للوسيط والمرونة الفائقة للتحليل المحوري.

9.3 مقارنة الكفاءة بين الصيغ المصفوفية ومقاييس Power Pivot

تضع المقارنة المنهجية بين استخدام الصيغ المصفوفية المركبة (MEDIAN + IF) واستخدام مقاييس Power Pivot المستندة إلى لغة DAX الباحث أمام خيارات هندسية تتوقف على طبيعة وحجم مصفوفة البيانات المعالجة. تتميز الصيغ المصفوفية بالبساطة المباشرة وسهولة التطبيق داخل أوراق العمل الصغيرة والمتوسطة (التي لا تتجاوز بضعة آلاف من الصفوف)، حيث توفر شفافية فورية تسمح بتتبع مراجع الخلايا وتعديل الشروط يدوياً وسرعة ربط المخرجات بالمعادلات الرياضية الأخرى في النموذج دون الحاجة للدخول في تعقيدات نماذج البيانات.

وعلى النقيض من ذلك، تنهار كفاءة الصيغ المصفوفية وتتسبب في بطء شديد وتجمد لبرنامج إكسيل عند تطبيقها على مجموعات البيانات الضخمة (Big Data) التي تمتد لمئات الآلاف أو ملايين السجلات؛ والسبب يرجع إلى أن المصفوفات تستهلك قدراً هائلاً من ذاكرة الوصول العشوائي (RAM) وتعيد احتساب الشروط مع كل حركة في ورقة العمل. وهنا تتجلى القوة الساحقة لنموذج البيانات ومحرك VertiPaq المدمج في Power Pivot؛ إذ تم تصميم هذا المحرك بتقنيات الضغط العمودي في الذاكرة ليعالج ملايين السجلات في أجزاء من الثانية. علاوة على ذلك، تمنح مقاييس DAX داخل الجداول المحورية إمكانية ربط مقسمات طرق العرض التفاعلية (Slicers) والمخططات البيانية الديناميكية بسلاسة مطلقة تجعل منها الخيار المؤسسي المفضل لبناء لوحات التحكم التحليلية الشاملة.

10. المقارنة المنهجية والإحصائية بين وسيط المجموعة ومتوسطها

10.1 معايير الاختيار بين الوسيط والمتوسط في التحليل الفئوي

يمثل الاختيار بين الوسيط والمتوسط الحسابي في مرحلة التحليل الفئوي للمجموعات قراراً منهجياً يجب أن يخضع لمعايير إحصائية دقيقة وصارمة بدلاً من العشوائية أو التفضيلات الشخصية. تتمثل الخطوة الإجرائية الأولى في فحص فرضية التوزيع الطبيعي المعياري لمصفوفة البيانات داخل كل مجموعة تصنيفية على حدة، باستخدام الاختبارات الإحصائية المعيارية مثل اختبار شابيرو-ويلك (Shapiro-Wilk) أو اختبار كولموجوروف-سميرنوف (Kolmogorov-Smirnov)، إلى جانب الفحص البصري للمدرجات التكرارية ومخططات الاحتمال الطبيعي (Q-Q Plots).

إذا كانت المشاهدات داخل كل فئة تتوزع توزيعاً طبيعياً متماثلاً حول المركز، بحيث يقترب معامل الالتواء (Skewness) من الصفر، فإن المتوسط الحسابي يمثل الخيار الأمثل والأكثر كفاءة رياضية لاستيفائه خصائص التقدير غير المتحيز ذي التباين الأدنى (BLUE)، ولأنه يتيح لاحقاً تطبيق الاختبارات الإحصائية المعلمية المتقدمة مثل تحليل التباين (ANOVA). أما إذا كشفت الاختبارات عن وجود التواء إحصائي واضح (سواء كان إيجابياً أو سلبياً تجاوزت قيمته المطلقة 1.0)، أو رُصدت قيم متطرفة شاذة تبتعد بأكثر من ثلاثة انحرافات معيارية عن المتوسط، يصبح الاعتماد على المتوسط الحسابي خطأً منهجياً فادحاً يزيف الاستنتاجات العلمية؛ وتتحول الأفضلية المطلقة إحصائياً لصالح الوسيط باعتباره الممثل الحقيقي والأكثر اتساقاً للنزعة المركزية للفئة.

10.2 حساب المتوسط الشرطي باستخدام دالة AVERAGEIF للمقارنة

لتأكيد القرار المنهجي وقياس حجم التشوه في بيانات المجموعات عملياً، يُنصح دائماً بوضع وسيط كل مجموعة جنباً إلى جنب في مقارنة رقمية مباشرة مع متوسطها الحسابي المناظر داخل جدول التلخيص. يوفر إكسيل دالة مدمجة ومباشرة لحساب المتوسط الشرطي هي دالة AVERAGEIF، والتي لا تتطلب بناء مصفوفات يدوية أو اختصارات خاصة، وتُصاغ بكل بساطة كالتالي:

=AVERAGEIF($B$2:$B$100, E2, $C$2:$C$100)

يقوم المحلل بمقارنة وسيط الخلية F2 بمتوسط الخلية G2 لرصد الفجوة التباعدية بينهما (Mean-Median Gap). فإذا تطابقت القيمة المحسوبة للوسيط والمتوسط أو تقاربتا بشدة، دل ذلك على التماثل والتوزيع الطبيعي للبيانات داخل تلك المجموعة المحددة. أما إذا كان المتوسط الحسابي أعلى بكثير من الوسيط، فإن ذلك يقدم برهاناً حسابياً قاطعاً على وجود التواء موجب شديد ناتج عن قيم شاذة مرتفعة تسحب المتوسط لأعلى، في حين تشير استقرارية الوسيط عند مستوى أدنى إلى المستوى الحقيقي للأغلبية. وتوفر هذه الفجوة للمحلل مؤشراً كمياً أولياً وسريعاً لتشخيص طبيعة التوزيع قبل البدء في كتابة التقارير الرسمية.

10.3 المتوسط المبتور والمتوسط التوافقي كخيارات وسطية بين المتوسط والوسيط

في بعض الأبحاث المعمقة، يتردد المحلل بين الاختيار الصارم للوسيط (الذي يتجاهل مقدار القيم الطرفية تماماً) أو المتوسط الحسابي (الذي يتأثر بجميع القيم). ولتلبية الرغبة في التوفيق بين الحفاظ على الطبيعة الحسابية لجميع المشاهدات مع تحييد أثر الشواذ، تبرز حلول وسطية رياضية متقدمة، وأبرزها "المتوسط المبتور" (Trimmed Mean). يقوم المتوسط المبتور بحذف نسبة مئوية محددة مسبقاً من أعلى وأسفل التوزيع التكراري المرتب (مثل استبعاد 5% أو 10% من كل طرف)، ثم احتساب المتوسط الحسابي للبيانات المركزية المتبقية.

يوفر برنامج إكسيل دالة مدمجة تُعرف باسم TRIMMEAN لتطبيق هذا المفهوم. ولتطبيقها بصورة شرطية مجمعة على مستوى كل فئة، يمكن دمجها مصفوفياً مع دالة IF على النمط ذاته:

=TRIMMEAN(IF($B$2:$B$100=E2, $C$2:$C$100), 0.2)

يشير الرقم 0.2 في الصيغة إلى استبعاد 20% إجمالياً من أطراف المشاهدات (10% من الأدنى و10% من الأعلى). يقدم هذا المقياس بديلاً جذاباً ومقبولاً في كثير من الأبحاث الاقتصادية والمحاسبية المنشورة، حيث يقلل من تشوهات القيم القصوى الناتجة عن أخطاء إدخال عابرة دون التفريط في القوة الرياضية للمتوسط، مما يثري التحليل الفئوي بمقياس متزن إضافي يدعم جودة المقارنات التفسيرية بين المجموعات.

11. استكشاف الأخطاء وإصلاحها والتحقق من صحة النتائج

11.1 تشخيص الأخطاء الشائعة في الصيغ المصفوفية وكيفية معالجتها

أثناء تطبيق الصيغ المصفوفية لحساب الوسيط، قد يصطدم المستخدم برسائل أخطاء برمجية مربكة تستدعي تشخيصاً دقيقاً لفك شفرتها البرمجية. من أبرز هذه الأخطاء خطأ القيمة غير المتاحة #N/A؛ ينشأ هذا الخطأ في أغلب الأحيان نتيجة عدم تطابق الأبعاد الهندسية للنطاقات المدخلة داخل صيغة IF (كأن يكون نطاق المجموعة من الخلية 2 إلى الخلية 100 $B$2:$B$100 بينما نطاق القيم العددية ممتد بطريق الخطأ من الخلية 2 إلى الخلية 90 $C$2:$C$90). يتسبب هذا التفاوت في فشل عملية المقابلة الصفية بين المصفوفات، ويكمن العلاج ببساطة في إعادة مواءمة نطاقات البداية والنهاية لكافة مصفوفات الصيغة بدقة مطلقة.

خطأ آخر شائع ومحير في الإصدارات الحديثة هو خطأ الانسكاب #SPILL!. يحدث هذا الخطأ عندما تُطبق صيغة تعتمد على نطاق مدخل منسكب (مثل استدعاء مصفوفة الفئات E2# داخل الدالة) في وجود محتوى نصي أو أرقام قديمة تحتل مسار الخلايا التي تحتاجها المعادلة للتمدد. يكفي لحل هذه المشكلة تحديد مسار الخلايا الواقعة أسفل خلية الصيغة ومسح كافة محتوياتها ليتحرر مسار الانسكاب فوراً. وأخيراً، إذا ظهر ناتج الوسيط كرقم صفر (0) بشكل غير منطقي، فذلك يشير غالباً إلى عدم تطابق كتابة أسماء الفئات بسبب وجود مسافات غير مرئية أو اختلاف همزات النصوص بين جدول البيانات الأصلي وجدول التلخيص، مما يستدعي توحيد النصوص بواسطة دالة TRIM لضمان تطابق المقارنة المنطقية.

11.2 أدوات تدقيق الصيغ واختبار الحساب خطوة بخطوة

يوفر برنامج إكسيل بيئة تدقيق برمجية مدمجة بالغة القوة تتيح للمحلل تشريح بنية الصيغة ومراقبة تدفق البيانات داخل الذاكرة خطوة بخطوة للتأكد من سلامة منطق الحساب. الأداة الأولى والأهم هي نافذة "تقييم الصيغة" (Evaluate Formula)، والتي يمكن استدعاؤها عبر تحديد الخلية الحاوية لمعادلة الوسيط الشرطي، ثم التوجه إلى تبويب الصيغ (Formulas)، والنقر على أيقونة "تقييم الصيغة" في مجموعة تدقيق الصيغ.

تفتح هذه الأداة نافذة تفاعلية تتيح للمستخدم النقر المتكرر على زر Evaluate لمراقبة كيف يقوم محرك إكسيل باختبار كل شرط منطقي على حدة، وكيف تتحول مراجع الخلايا إلى مصفوفات من قيم TRUE و FALSE، ثم كيف تُستبدل هذه القيم بالأرقام الفعلية وصولاً إلى النتيجة النهائية للوسيط. بالإضافة إلى ذلك، توفر ميزة التحديد اليدوي لجزء من المعادلة في شريط الصيغة والضغط على مفتاح F9 إمكانية عرض القيمة المؤقتة المحسوبة لذلك الجزء تحديداً في الذاكرة اللحظية (مع الحذر بالضغط على زر Esc بعد الانتهاء لتفادي تحويل المعادلة إلى قيم ثابتة)، مما يمنح المحلل ثقة تامة بقدرته على اصطياد أي خلل منطقي في بناء المعادلة بدقة جراحية.

11.3 التحقق اليدوي من صحة وسيط المجموعة للتأكد من الموثوقية

تقتضي معايير الجودة في البحوث العلمية والتحليلات المؤسسية الحساسة عدم الاعتماد الأعمى على مخرجات الصيغ دون إجراء فحص متقاطع (Cross-Validation) للتأكد من صحة النتائج. وتتمثل أفضل ممارسة لإجراء هذا التحقق في تطبيق تصفية يدوية مستقلة على مصفوفة البيانات الأصلية؛ حيث يقوم المحلل بتفعيل أسهم التصفية (Filter) على جدول البيانات، واختيار فئة تجريبية محددة فقط (لتكن "المجموعة أ").

بعد حصر البيانات، يقوم المحلل بنسخ الأرقام الظاهرة فقط لتلك المجموعة ولصقها كقيم في عمود منفصل ومستقل تماماً، ثم تطبيق دالة الوسيط الكلاسيكية المباشرة =MEDIAN(Range) دون أي شروط، ومقارنة الناتج الرقمي بالقيمة التي استخرجتها الصيغة المصفوفية المركبة. ولتعميق التحقق الرياضي، يمكن ترتيب تلك القيم يدوياً وفرزها تصاعدياً وتطبيق معادلة موقع الرتبة الوسيطية (n+1)/2 بالعين المجردة لتحديد القيمة المركزية الحقيقية؛ فإذا تطابقت كافة هذه القياسات مع مخرجات النموذج، كسب الباحث يقيناً مطلقاً وموثقاً بسلامة النموذج البرمجي وخلوه من أي ثغرات أو انزياحات غير مرئية قد تؤثر على مصداقية الورقة البحثية.

12. أفضل الممارسات الأكاديمية وتوثيق النتائج في التقارير البحثية

12.1 التمثيل البصري للوسيط المجمع باستخدام المخططات الصندوقية

يمثل التلخيص البصري المكمل الأمثل للتحليل الكمي للأرقام؛ وفي حالة التوزيعات الفئوية اللامعلمية التي يعبر عنها الوسيط، يتربع مخطط الصندوق وطرفيه (Box and Whisker Plot) على قمة الهرم البياني كأفضل أداة بصرية معتمدة أكاديمياً. يتميز المخطط الصندوقي بقدرته الفريدة على تجسيد ملخص الأرقام الخمسة الإحصائي (الحد الأدنى، الربيع الأول، الوسيط، الربيع الثالث، والحد الأقصى) لكل فئة ومجموعة تصنيفية جنباً إلى جنب في إطار مقارن مذهل وسهل القراءة.

يتيح إكسيل إنشاء هذا المخطط المتقدم بسهولة تامة عبر تحديد كامل بيانات الجدول (عمود المجموعات وعمود القيم) والتوجه إلى تبويب إدراج (Insert) واختيار "مخطط صندوق وطرفيه" من فئة المخططات الإحصائية. يظهر داخل كل صندوق خط أفقي بارز يمثل موضع الوسيط الفعلي لتلك المجموعة بدقة؛ مما يسمح للقارئ برصد تباين الوسائط بين المجموعات فورياً، وملاحظة درجة التناظر أو الالتواء من خلال موقع خط الوسيط داخل الصندوق، فضلاً عن ظهور القيم الشاذة كنقاط بيانية منعزلة تقع خارج نطاق الطرفين (Whiskers)، مما يمنح تقرير البحث لمسة احترافية تعكس التزام الباحث الصارم بأعلى المعايير البصرية المعتمدة من جمعية علم النفس الأمريكية (APA Style).

12.2 صياغة الجداول الإحصائية وتضمين مقاييس التشتت المقترنة

تضع الأدلة المنهجية الأكاديمية، وفي مقدمتها دليل نشر الجمعية الأمريكية لعلم النفس (APA Publication Manual 7th ed)، قواعد صارمة لتنظيم وعرض البيانات الوصفية في الجداول الإحصائية. وتنص هذه القواعد بصرامة على أنه كلما استُخدم الوسيط كمقياس للنزعة المركزية، يجب بالضرورة والاقتران الإحصائي الإلزامي إرفاق مقياس تشتت متوافق لامعلمياً، وهو المدى الربيعي (IQR)؛ إذ يُحظر منهجياً الجمع بين الوسيط والانحراف المعياري، لأن الأخير مقياس معلمي يعتمد على المتوسط الحسابي ويتأثر بالشواذ ذاتها التي هرب منها المحلل عند اختياره للوسيط.

يجب أن يتضمن الجدول الإحصائي النهائي في التقرير أعمدة مخصصة تحدد بوضوح: اسم المجموعة التصنيفية (Group Name)، حجم العينة الفعلي لكل مجموعة (n)، قيمة الوسيط المحسوب (Mdn)، والمدى الربيعي (IQR)، والذي يمكن احتسابه في إكسيل مصفوفياً عبر طرح الربيع الأول من الربيع الثالث باستخدام دالتي QUARTILE.INC و IF. كما يتعين تذييل الجدول بحاشية تفسيرية واضحة ودقيقة تشرح باقتضاب سبب تفضيل الوسيط والمدى الربيعي (مثل الإشارة إلى "تم الإبلاغ عن الوسائط والمدى الربيعي نتيجة وجود التواء إيجابي دال إحصائياً في توزيع الدرجات ووجود قيم شاذة متطرفة")، مما يضفي عمقاً نقدياً وشفافية علمية تامة على التقرير البحثي.

12.3 أرشفة المصنفات وتسهيل إعادة الإنتاج العلمي (Reproducibility)

تشكل أزمة "قابلية إعادة الإنتاج" (Reproducibility Crisis) أحد أكبر التحديات التي تواجه البحث العلمي المعاصر، حيث ترفض المجلات المحكمة والأوساط الأكاديمية الاعتماد على مخرجات نهائية صماء دون توفر مسارات عمل قابلة للفحص والمراجعة والتدقيق المستقل. ومن هذا المنطلق، يجب على الباحث التعامل مع مصنف إكسيل باعتباره وثيقة علمية قائمة بذاتها تخضع لقواعد الأرشفة والتوثيق المنهجي الصارم.

تتضمن أفضل الممارسات في هذا السياق كتابة تعليقات وملاحظات توضيحية مفصلة (Cell Notes & Comments) داخل الخلايا التي تحتوي على الصيغ المصفوفية المركبة، لتوضيح المنطق البرمجي والشرطي المتبع لكل باحث آخر قد يطالع المصنف. كما يُنصح بشدة بقفل وحماية الخلايا الحاوية للصيغ الرياضية (Locking & Protecting Cells) لحمايتها من التعديل أو الحذف العرضي أثناء عمليات تفريغ البيانات اللاحقة، مع إفراد ورقة عمل منفصلة تسمى "بيانات وصفية" (Metadata / Data Dictionary) تصف بدقة طبيعة المتغيرات، وتاريخ استخراج البيانات، وإصدار برنامج إكسيل الذي تم استخدامه، والبروتوكول الرياضي المعياري المطبق في معالجة الشواذ والمفقودات، مما يعزز النزاهة العلمية ويضمن سهولة إعادة اختبار الفرضيات من قبل المجتمع العلمي العالمي بكل شفافية وموثوقية.

خاتمة شاملة

يمثل التمكن من تقنيات احتساب الوسيط لكل مجموعة في برنامج إكسيل مهارة منهجية وتقنية فارقة في جعبة المحلل الإحصائي والباحث الأكاديمي المتميز. فعلى الرغم من غياب دالة شرطية صريحة ومباشرة للوسيط في بيئة البرنامج الافتراضية، إلا أن المرونة البرمجية الهائلة لمحرك إكسيل تتيح مسارات وحلولاً تحليلية متعددة المستويات، بدءاً من الدمج المصفوفي الأنيق بين دالتي MEDIAN و IF، ومروراً بالتعامل مع المصفوفات الديناميكية الحديثة، ووصولاً إلى استدعاء قوة لغة تعبيرات تحليل البيانات (DAX) داخل نموذج البيانات ونظام Power Pivot لمعالجة التوزيعات الضخمة.

إن إدراك الباحث للأبعاد الرياضية الكامنة وراء مقاومة الوسيط للشواذ والالتواء الإحصائي، وربطه الحصيف بمقاييس التشتت اللامعلمية المناسبة كالمدى الربيعي، وتوظيفه الواعي لآليات التحقق والتدقيق البرمجي، يمثل صمام الأمان لمنع الاستنتاجات العلمية المضللة التي طالما تسببت فيها المتوسطات الحسابية المشوهة. ومن خلال الامتثال الدقيق لقواعد تنظيم البيانات وتوثيقها وأرشفتها بصرياً وأكاديمياً وفق أرقى المعايير الدولية، يتحول مصنف إكسيل من مجرد جدول حسابي عابر إلى منصة إحصائية متكاملة ورصينة تضمن نزاهة البيانات وتدعم اتخاذ القرارات القائمة على الأدلة العلمية الصلبة بكفاءة واقتدار.

المراجع

اقتباس هذا المقال

looti, M. (2026, سبتمبر 5). كيفية حساب الوسيط لكل مجموعة في إكسيل. عرب سايكلوجي. https://arabpsychology.com/statistics/how-to-calculate-median-by-group-in-excel/
looti, Mohammed. “كيفية حساب الوسيط لكل مجموعة في إكسيل.” عرب سايكلوجي, 5 سبتمبر 2026, https://arabpsychology.com/statistics/how-to-calculate-median-by-group-in-excel/.
looti, Mohammed. “كيفية حساب الوسيط لكل مجموعة في إكسيل.” عرب سايكلوجي. سبتمبر 5, 2026. https://arabpsychology.com/statistics/how-to-calculate-median-by-group-in-excel/.