كيفية حساب المدى المتوسط في إكسيل

يحتل علم الإحصاء الوصفي موقع الصدارة في تحليل وتفسير الظواهر الكمية عبر مختلف الحقول الأكاديمية والبحثية، حيث يوفر للباحثين والمحللين ترسانة منهجية متكاملة لضغط البيانات الضخمة واختزالها في مؤشرات رقمية دالة تلخص خصائص التوزيع التكراري. وضمن منظومة مقاييس النزعة المركزية (Measures of Central Tendency)، يبرز مقياس المدى المتوسط (Midrange) كأحد أقدم وأبسط الأدوات الحسابية التي صُممت لتقديم تقدير فوري وسريع لمركز الثقل الهندسي لمجموعات البيانات العددية، معتمداً بصورة حصرية على القيمتين الحدّيتين القصوى والدنيا. ورغم التطور الهائل في خوارزميات الحوسبة الإحصائية المعاصرة وظهور مقاييس أكثر تعقيداً ومقاومة للتشوهات، يظل المدى المتوسط محتفظاً بقيمته الاستكشافية والتعليمية الفريدة في تحليلات المعاينة السريعة والعلوم السلوكية ومراقبة الجودة الصناعية.

يمثل برنامج مايكروسوفت إكسيل (Microsoft Excel) البيئة الحوسبية الأكثر انتشاراً وتطبيقاً في معالجة البيانات الإحصائية وإدارتها في الأوساط الأكاديمية والمهنية. وعلى الرغم من افتقار البرنامج إلى دالة قياسية مدمجة تحمل اسم المدى المتوسط بصورة صريحة ومستقلة، فإن بنيته المرنة ونظامه القائم على تركيب الدوال يتيحان للمستخدمين بناء وتوليد معادلات رياضية دقيقة لحساب هذا المؤشر بكفاءة متناهية، من خلال المزج التركيبي بين دالتي القيمة العظمى (MAX) والقيمة الدنيا (MIN). يتيح هذا الدمج الانتقال من التحليلات الإحصائية الساكنة البسيطة إلى النمذجة المتقدمة التي تشمل الشروط المتعددة، والصيغ المصفوفية الديناميكية، والتطبيقات المؤتمتة عبر لغات البرمجة المدمجة مثل VBA وPower Query.

يهدف هذا الدليل المرجعي الشامل إلى استعراض الأسس النظرية والمفاهيمية لمقياس المدى المتوسط، وتفكيك بنائه الرياضي والجبري، وتقديم مسار تطبيقي خطوة بخطوة لكيفية تنفيذه واحتسابه ومعالجته داخل بيئة إكسيل. كما يتناول الدليل بالتحليل المعمق المقارنات الإحصائية بين المدى المتوسط وبقية مقاييس النزعة المركزية (كالوسط الحسابي، والوسيط، والمنوال)، ومحدداته السيكومترية والمنهجية في التعامل مع القيم الشاذة، إلى جانب استراتيجيات استكشاف الأخطاء ومعالجتها والتمثيل البصري البياني للنتائج، وصولاً إلى الأتمتة المتقدمة للتقارير البحثية وفق المعايير الأكاديمية الصارمة.

1. المدخل المفاهيمي والنظري للمدى المتوسط في الإحصاء الوصفي

1.1 تعريف المدى المتوسط (Midrange) وأصوله الإحصائية

يُعرَّف المدى المتوسط (Midrange) في حقل الإحصاء الوصفي والاستكشافي بأنه المتوسط الحسابي للقيمتين المتطرفتين في مجموعة البيانات، أي أنه يمثل النقطة الوسطى الواقعة تماماً في منتصف المسافة الفاصلة بين القيمة العظمى (Maximum) والقيمة الدنيا (Minimum). يعتمد هذا المقياس في جوهره على اختزال التوزيع الإحصائي بأكمله في حدّيه النهائيين، وتجاهل البنية التوزيعية الداخلية للبيانات. يمنح هذا الاختزال المدى المتوسط خاصية فريدة تجعله أداة استكشافية أولية وفورية لتقدير المركز المكاني لمصفوفات البيانات دون الحاجة إلى إجراء عمليات جمع تكرارية مطولة ومعقدة لكافة المشاهدات، مما يجعله عالي الكفاءة الحسابية في البيئات الميدانية التي تتطلب تقييماً سريعاً لحدود الظاهرة المدروسة.

من الضروري التمييز الجوهري والدقيق بين مفهومي المدى المطلق (Range) والمدى المتوسط (Midrange)، حيث يقع العديد من الباحثين المبتدئين في خلط منهجي بينهما. فالمدى المطلق هو مقياس من مقاييس التشتت (Measure of Dispersion) يُحسب عن طريق طرح القيمة الدنيا من القيمة العظمى، ويهدف إلى قياس اتساع رقعة البيانات وانتشارها الكلي على خط الأعداد. في المقابل، يُعد المدى المتوسط مقياساً لموضع النزعة المركزية، حيث يجمع بين القيمتين الطرفيتين ثم يقسم الناتج على اثنين لتحديد نقطة ارتكاز مركزية. وبالتالي، فإن المدى يقيس المسافة والامتداد، بينما يحدد المدى المتوسط موقع المنتصف الجبري لتلك المسافة.

يعود السياق التاريخي لاستخدام المدى المتوسط إلى بدايات تطور الإحصاء اللابارامتري وتطبيقات الفلك والقياسات الفيزيائية المبكرة في القرنين الثامن عشر والتاسع عشر، قبل شيوع الحواسب الإلكترونية. كان الفلكيون والمهندسون يعتمدون على المدى المتوسط كأداة سريعة وسهلة لتقدير القيمة المركزية للأرصاد المتكررة المأخوذة من أدوات القياس البصرية، خاصة في ظل محدودية الوقت والموارد الحسابية. ومع تبلور مدرسة تحليل البيانات الاستكشافية (EDA) على يد جون توكي (John Tukey)، استعاد المدى المتوسط أهميته كأداة تشخيصية سريعة تسمح بالمقارنة الأولية بين منتصف المدى والوسيط الحسابي للكشف عن التماثل أو الالتواء في توزيع البيانات قبل الغوص في النمذجة المعلمية المعقدة.

1.2 الأهمية المنهجية للمدى المتوسط في البحوث السلوكية والنفسية

تكتسب دراسة المدى المتوسط أهمية منهجية بالغة في سياق القياس النفسي والبحوث السلوكية، لا سيما عند الرغبة في معايرة وتدريج الاستجابات المستمدة من مقاييس ليكرت (Likert Scales) واستبيانات الاتجاهات النفسية. في هذه الأدوات، يمثل المدى المتوسط الدرجة النظرية المحايدة أو نقطة التوازن الفاصلة بين القبول والرفض؛ فعلى سبيل المثال، في مقياس خماسي تتراوح درجاته بين 1 و5، يمثل المدى المتوسط الحسابي القيمة 3، والتي تُعد نقطة ارتكاز مرجعية يتم على أساسها تصنيف اتجاهات المفحوصين إلى إيجابية (فوق منتصف المدى) أو سلبية (دون منتصف المدى). يفيد هذا الإجراء في تقديم نقطة إسناد سريعة وثابتة رياضياً تتيح للمحلل النفسي فهم البعد الهيكلي للأداة القياسية المستخدمة.

علاوة على ذلك، يُوظف المدى المتوسط في الاختبارات النفسية الإكلينيكية لتحديد الحدود الفاصلة البدائية بين الأداء السلوكي السوي وغير السوي، خاصة في تقييم نطاقات الاستجابة على مقاييس شدة الأعراض، مثل مقاييس الاكتئاب والقلق المعمم. فمن خلال رصد المدى المتوسط لاستجابات العينة المعيارية، يمكن للمشخصين السريريين تكوين تصور أولي عن منتصف نطاق الشدة الإكلينيكية. كما يبرز تطبيقه التجريبي في دراسات علم النفس العصبي والفيزيولوجي التي تقيس أزمنة الرجع (Reaction Times) للمثيرات البصرية والسمعية، حيث يوفر حساب منتصف المدى الزمني بين أسرع استجابة مسجلة وأبطأ استجابة مؤشراً سريعاً على النطاق الزمني الكلي الذي يعمل ضمنه الجهاز العصبي للمفحوص أثناء أداء المهمة الإدراكية.

ومع هذه التطبيقات المتعددة، تبرز قيود منهجية صارمة تحظر استخدام المدى المتوسط كبديل مطلق للمتوسط الحسابي في التوزيعات التكرارية غير المتماثلة أو الملتوية سيكومترياً. ففي الظواهر السلوكية التي تتسم بالالتواء الشديد نحو اليمين أو اليسار—مثل زمن حل المشكلات المعقدة أو تواتر نوبات الهلع—يتأثر المدى المتوسط بقوة بالقيم الطرفية المعزولة، مما يؤدي إلى انزياح نقطة المنتصف بعيداً عن الكثافة الفعلية لتمركز المفحوصين. ولذلك، يؤكد المنهجيون على ضرورة حصر استخدام المدى المتوسط في الدراسات النفسية كأداة مساعدة ومعيار مقارنة، والامتناع عن اعتماده كمعلمة إحصائية وحيدة لاتخاذ القرارات التشخيصية الحاسمة.

1.3 مقارنة مفاهيمية بين مقاييس النزعة المركزية والمدى المتوسط

تتفاوت مقاييس النزعة المركزية في حساسيتها الإحصائية وكفاءتها التقديرية تبعاً لطبيعة البيانات وتوزيعها الاحتمالي. يتميز المتوسط الحسابي (Mean) بحساسيته القصوى لجميع القيم والمشاهدات المدرجة في العينة، حيث تدخل كل نقطة بيانية في بسط معادلته الحسابية، مما يجعله المقياس الأكثر كفاءة واستقراراً في التوزيعات الطبيعية القياسية. في المقابل، يرتكز الوسيط (Median) على الموضع الترتيبي للنقطة التي تقسم البيانات إلى نصفين متساويين، متجاهلاً القيم العددية للأطراف، مما يمنحه حصانة ومقاومة عالية (Robustness) ضد القيم الشاذة والمتطرفة، بينما يستند المنوال إلى تكرار المشاهدات الأكثر شيوعاً.

أما المدى المتوسط، فيقع في موقع مفاهيمي متفرد ومثير للجدل الرياضي؛ فهو يستند إلى عمليتي الجمع والقسمة مثل المتوسط الحسابي، ولكنه يحصر مدخلاته في عنصرين فقط هما الحد الأعلى والأدنى مثل المدى. ينتج عن ذلك حساسية حسابية فائقة وفورية لأي تغير يطرأ على الحدود القصوى للعينة، في حين يتسم بالجمود التام وعدم الحساسية لأي تقلبات أو تغيرات تطرأ على القيم الداخلية المحصورة بين الحدين. فإذا تم تعديل مئات الدرجات في قلب التوزيع دون المساس بالقيمتين العظمى والصغرى، فإن المدى المتوسط سيظل ثابتاً لا يتغير، بينما سيتغير المتوسط الحسابي والوسيط بشكل مباشر تزامناً مع تلك التعديلات.

تتجلى الكفاءة الحسابية للمدى المتوسط في حالات خاصة جداً، لا سيما في العينات الصغيرة الحجم المسحوبة من توزيعات منتظمة ومتماثلة (Uniform Distributions)، حيث ثبت رياضياً أن المدى المتوسط يمكن أن يقدم تقديراً غير متحيز وفعالاً للمركز يتفوق أحياناً على الوسيط الحسابي من حيث بساطة المعالجة وسرعة الاشتقاق. ومع ذلك، فإن خاصية المقاومة الإحصائية (Breakdown Point) للمدى المتوسط تساوي صفراً تقريباً، بمعنى أن وجود قيمة شاذة واحدة فقط كفيل بجر المقياس بأكمله وتشويهه بصورة كارثية، وهو ما يفرض الحذر والوعي العميق بخصائص البيانات قبل تفضيل المدى المتوسط على المقاييس الأخرى المستقرة.

2. الأساس الرياضي لحساب المدى المتوسط والمنطق الجبري

2.1 الصيغة الجبرية الدقيقة لمنتصف المدى

يرتكز الأساس الرياضي لحساب المدى المتوسط على مبدأ التنصيف الحسابي البسيط للفاصل المغلق المعرف بنهايتي العينة الإحصائية. رياضياً، إذا كانت لدينا عينة تتألف من عدد (n) من المشاهدات العددية المرتبة تصاعدياً بحيث تكون:

$$X_{(1)} le X_{(2)} le X_{(3)} le dots le X_{(n)}$$

فإن القيمة الدنيا تُمثَّل بالرمز (X_{(1)}) أو (X_{min})، والقيمة العظمى تُمثَّل بالرمز (X_{(n)}) أو (X_{max}). وبناءً على ذلك، يتم التعبير عن معادلة المدى المتوسط (Midrange) رياضياً على النحو التالي:

$$\text{Midrange} = \frac{X_{\max} + X_{\min}}{2} = \frac{X_{(n)} + X_{(1)}}{2}$$

توضح هذه المعادلة الجبرية أن المدى المتوسط هو بالأساس الوسط الحسابي لإحصاءات الترتيب المتطرفة (Extreme Order Statistics). من المنظور الهندسي، إذا قمنا بتمثيل فضاء البيانات كخط مستقيم أحادي البعد على محور الأعداد الحقيقية، فإن القيمة الدنيا تحدد نقطة البداية للمجال، والقيمة العظمى تحدد نقطة النهاية. وتعمل المعادلة الرياضية على إيجاد الإحداثي الدقيق لنقطة المنتصف الهندسية (Geometric Midpoint) التي تقسم هذا الخط إلى قطعتين مستقيمتين متطابقتين في الطول، بحيث تكون المسافة الإقليدية من القيمة الدنيا إلى المدى المتوسط مساوية تماماً للمسافة الإقليدية من المدى المتوسط إلى القيمة العظمى.

يتضح هذا التماثل الهندسي من خلال المعادلة التفاضلية للمسافة:

$$\text{Midrange} – X_{\min} = X_{\max} – \text{Midrange} = \frac{X_{\max} – X_{\min}}{2} = \frac{\text{Range}}{2}$$

وهذا يثبت بجلاء أن المدى المتوسط ينصف المدى المطلق لمجموعة البيانات، ويشكل المحور الذي تدور حوله الأطراف القصوى للتوزيع المتماثل.

2.2 الخصائص الرياضية والتحويلات الخطية

يخضع المدى المتوسط لمجموعة من القواعد والخصائص الجبرية الصارمة عند تطبيق التحويلات الخطية (Linear Transformations) على مصفوفة البيانات الأصلية. يُقصد بالتحويل الخطي إجراء عمليتي الإزاحة (عبر إضافة أو طرح ثابت) وتغيير المقياس (عبر الضرب أو القسمة في ثابت). إذا كانت لدينا مجموعة بيانات (X) خضعت للتحويل الخطي لتوليد متغير جديد (Y) وفق المعادلة الجبرية التالية:

$$Y_i = a \cdot X_i + b$$

حيث (a) و (b) ثوابت حقيقية، فإن المدى المتوسط للمتغير الجديد (text{Midrange}(Y)) يرتبط بالمدى المتوسط للمتغير الأصلي (text{Midrange}(X)) وفق العلاقة الخطية المباشرة:

$$\text{Midrange}(Y) = a \cdot \text{Midrange}(X) + b$$

تبرهن هذه الخاصية على أن إضافة ثابت جبري (b) إلى جميع قيم العينة يؤدي إلى إزاحة المدى المتوسط بمقدار الثابت نفسه، لأن كل من القيمة العظمى والقيمة الدنيا ستزيدان بنفس المقدار، وبالتالي يرتفع متوسطهما بنفس القيمة. وبالمثل، فإن ضرب جميع المشاهدات في ثابت إيجابي (a) يترتب عليه تمدد أو انكماش متجانس في المسافة بين الأطراف، مما يضاعف المدى المتوسط بنفس المعامل الجبري، محققاً خاصية التجانس الخطي الكاملة (Scale Equivariance and Location Equivariance).

في سياق نظرية الاحتمالات والتوزيعات المستمرة، يكتسب المدى المتوسط سلوكاً رياضياً بالغ الدقة عند تطبيقه على التوزيع المنتظم المستمر (Continuous Uniform Distribution) المعرف على الفترة ([a, b]). في هذا التوزيع التماثلي الكامل، تتوزع الكثافة الاحتمالية بالتساوي بين الحدود، ويصبح المدى المتوسط النظري مساوياً رياضياً للمتوقع الرياضي (E(X) = frac{a + b}{2}) والوسيط النظري على حد سواء. يُعد المدى المتوسط في حالة العينات العشوائية المسحوبة من توزيع منتظم مقدراً غير متحيز وأكثر كفاءة من المتوسط الحسابي في تقريب المعلمة المركزية، نظراً لأن نهايات العينة في التوزيع المنتظم تحتوي على القدر الأكبر من المعلومات حول معالم التوزيع الإحصائي مقارنة بالنقاط الداخلية.

3. الدوال الأساسية المعتمدة في إكسيل لبناء معادلة المدى المتوسط

3.1 دالة القيمة العظمى (MAX) وآلية عملها

تُعد دالة القيمة العظمى (MAX Function) إحدى أقدم وأهم الدوال الإحصائية المدمجة في بيئة إكسيل، وتتمثل وظيفتها الجوهرية في مسح نطاق رقمي محدد واسترجاع أكبر قيمة عددية مفردة موجودة داخله. تُكتب البنية التركيبية الأساسية للدالة بالصيغة العامة:

=MAX(number1, [number2], ...)

حيث يمكن أن تكون المدخلات عبارة عن أرقام صريحة، أو مراجع لخلايا فردية (مثل A1)، أو نطاقات متصلة (مثل A1:A100)، أو حتى نطاقات مصفوفية متعددة غير متجاورة تفصل بينها فواصل منقوطة أو فواصل عادية تبعاً لإعدادات اللغة والنظام في إكسيل.

تعتمد آلية المعالجة الداخلية لدالة MAX في إكسيل على قواعد فرز وتصفية صارمة للتعامل مع أنواع البيانات المتنوعة داخل ورقة العمل. فعند توجيه الدالة إلى نطاق مرجعي من الخلايا، تقوم الدالة تلقائياً بتجاهل الخلايا الفارغة (Empty Cells)، وتتجاوز النصوص والأحرف الأبجدية، كما تسقط القيم المنطقية المخزنة كـ TRUE أو FALSE دون أن تحتسبها كقيم عددية، ما لم يتم إدخال هذه القيم المنطقية مباشرة كمعاملات نصية صريحة ضمن وسائط الدالة. يفيد هذا السلوك التلقائي في حماية الصيغة الحسابية من التوقف أو إرجاع رسائل خطأ عند احتواء قواعد البيانات على خلايا خالية أو تعليقات نصية هامشية مرافقة للدرجات الرقمية.

تتيح مرونة دالة MAX في إكسيل إمكانية تطبيقها على نطاقات متعددة وغير متجاورة تقع في أوراق عمل مختلفة ضمن المصنف نفسه؛ فعلى سبيل المثال، يمكن كتابة الصيغة =MAX(Sheet1!A2:A50, Sheet2!B2:B50) للبحث عن القيمة العظمى المطلقة عبر مجموعتين تجريبيتين منفصلتين. تُنفذ خوارزمية الدالة عملية مقارنة تكرارية ثنائية فائقة السرعة، تتنقل عبر المصفوفة الرقمية لاختيار العنصر الأعلى رياضياً، مما يجعلها الركن الأول والأساسي لبناء بسط معادلة المدى المتوسط.

3.2 دالة القيمة الدنيا (MIN) وضوابط استخدامها

تمثل دالة القيمة الدنيا (MIN Function) النظير الرياضي المباشر لدالة MAX داخل بيئة إكسيل، حيث تختص بمسح المصفوفات والنطاقات الرقمية لتحديد واسترجاع أصغر قيمة عددية (الحد الأدنى). تخضع الدالة للصيغة التركيبية العامة نفسها:

=MIN(number1, [number2], ...)

وتشترك مع دالة MAX في سلوكها الافتراضي المتعلق بتجاهل الخلايا الفارغة والقيم النصية والقيم المنطقية المتضمنة داخل نطاقات الخلايا المرجعية، مما يضمن معالجة متسقة ومنسجمة للطرفين الأدنى والأعلى لنفس مجموعة البيانات دون أي انحياز خوارزمي.

تتطلب دالة MIN انتباهاً خاصاً وضوابط دقيقة عند التعامل مع القيم الصفرية والقيم السالبة داخل مصفوفات البيانات الإحصائية. فالأرقام السالبة تُعد حسابياً أصغر من الصفر، وبالتالي فإن وجود قيمة سالبة واحدة ناتجة عن خطأ في الإدخال (كأن يُكتب -5 بدلاً من 5 في مقياس نفسي موجب) سيؤدي حتماً إلى التقاط دالة MIN لهذه القيمة السالبة كحد أدنى للمجموعة، مما يجر المدى المتوسط نحو الأسفل بصورة مضللة. وبالمثل، إذا احتوت العينة على أصفار تمثل غياباً للمعلومة (Missing Data) بدلاً من استجابة حقيقية، فإن دالة MIN ستعتبر الصفر هو الحد الأدنى الحقيقي، مما يفرض على المحلل التحقق من صحة تنظيف البيانات قبل تمرير النطاق إلى الدالة.

لتعزيز دقة استدعاء دالة MIN وتسهيل صيانة ورقة العمل، يُنصح بشدة بالاعتماد على تقنية “النطاقات المسماة” (Named Ranges). فبدلاً من استخدام المراجع المادية مثل A2:A100، يمكن للباحث تسمية هذا النطاق باسم وصفي دال مثل Reaction_Times، لتصبح الصيغة المطبقة =MIN(Reaction_Times). يقلل هذا النهج من احتمالية الانزلاق في أخطاء تثبيت النطاقات عند نسخ الصيغ عبر خلايا أخرى، ويجعل الكود الحسابي أكثر وضوحاً ومقروئية للباحثين والمراجعين المستقلين.

3.3 الدمج التركيبي للدوال في صياغة حسابية واحدة

نظراً لغياب دالة مفردة باسم MIDRANGE في مكتبة إكسيل القياسية، يتم بناء الصيغة التركيبية الشاملة لحساب المدى المتوسط من خلال الجمع الرياضي بين مخرجات دالتي MAX وMIN، ثم قسمة الناتج الإجمالي على الرقم 2. تُصاغ المعادلة القياسية في ورقة العمل على النحو التالي:

=(MAX(A2:A100) + MIN(A2:A100)) / 2

تعتمد هذه الصيغة المركبة على تجميع الدالتين الأساسيتين داخل بسط جبري واحد وتوجيههما إلى نفس نطاق البيانات المستهدف، مما يضمن التناغم التام في تحديد طرفي الفاصل العددي للمجموعة وتوليد نقطة الانتصاف الدقيقة.

يكمن العامل الحاسم في كتابة هذه المعادلة بصورة صحيحة في الإدراك الصارم لقواعد أسبقية العمليات الحسابية (Order of Operations) المعتمدة داخل محرك إكسيل. وفقاً للقواعد الجبرية، يمتلك معامل القسمة (/) أسبقية تنفيذية تسبق معامل الجمع (+). بناءً على ذلك، إذا أخطأ الباحث وحذف الأقواس الخارجية المحيطة بعملية الجمع وكتب الصيغة بالشكل التالي:

=MAX(A2:A100) + MIN(A2:A100) / 2

فإن برنامج إكسيل سيقوم أولاً بقسمة ناتج دالة MIN(A2:A100) على 2، ثم يجمع الناتج مع القيمة العظمى الكاملة MAX(A2:A100). ينتج عن هذا الخطأ الشائع صيغة رياضية تالفة تماماً لا علاقة لها بالمدى المتوسط، وتعطي نتائج مضخمة وخاطئة بشكل مأساوي دون أن يُظهر إكسيل أي رسالة تحذيرية تفيد بوجود خطأ.

لذلك، يمثل استخدام الأقواس (...) صمام الأمان الرياضي الإلزامي الذي يفرض على إكسيل تقييم الدالتين أولاً، ثم إتمام عملية الجمع بين القيمة العظمى والقيمة الصغرى، وفقط بعد الانتهاء من حساب البسط يتم تنفيذ عملية القسمة على المقام 2. يضمن هذا الالتزام بالبنية الهيكلية الصحيحة الحصول على المدى المتوسط بدقة حسابية مطلقة تتطابق مع التعريف الإحصائي المعياري.

4. دليل تطبيقي تدريجي لحساب المدى المتوسط في إكسيل

4.1 إعداد ورقة العمل وتنظيم مصفوفة البيانات

تبدأ عملية التحليل الإحصائي السليم بتأسيس هيكل بيانات منظم ونظيف داخل ورقة العمل (Worksheet)، حيث يجب فصل المتغيرات وتحديد مستويات القياس بوضوح لتفادي التداخل في العمليات الحسابية. يُخصص العمود الأول (العمود A) في النموذج التطبيقي لإدراج البيانات الكمية المستمرة أو الرتبية المراد دراستها، كأن تكون درجات مقياس نفسي تجريبي يقيس مستوى الصلابة النفسية لدى عينة من المفحوصين، ويتم وضع عنوان وصفي للمتغير في الخلية A1 مثل "Psychological_Hardiness_Score". يتم بعد ذلك إدخال الدرجات الخام بصورة عمودية متسلسلة تبدأ من الخلية A2 وحتى الخلية A50 لتشمل كامل قوام العينة التجريبية المكونة من 49 مفحوصاً.

لتسهيل المتابعة البصرية وتوثيق خطوات الحل بصورة منهجية، يُفضل إنشاء جدول ملخص للمخرجات الإحصائية في أعمدة مجاورة ومستقلة، مثل العمودين C و D. في الخلية C2 يُكتب النص التوضيحي "القيمة العظمى (Max)"، وفي الخلية C3 يُكتب "القيمة الدنيا (Min)"، وفي الخلية C4 يُكتب "المدى المطلق (Range)"، وأخيراً في الخلية C5 يُكتب "المدى المتوسط (Midrange)". يساعد هذا التقسيم الهيكلي على جعل ورقة العمل وثيقة تحليلية متكاملة وقابلة للمراجعة الفورية من قِبل أي باحث خارجي.

يجب التأكد في هذه المرحلة التمهيدية من تنسيق الخلايا في نطاق البيانات (A2:A50) بتنسيق الأرقام القياسي (Number Format)، مع ضبط عدد المنازل العشرية المطلوبة وتجريد الخلايا من أي رموز أو نصوص قد تعيق التعرف الآلي على القيم الرقمية. كما ينبغي فحص النطاق للتأكد من خلوه من أي صفوف فارغة غير مقصودة قد تشوه الاستدعاء المباشر للمصفوفة أثناء كتابة الصيغ الحسابية.

4.2 تنفيذ الصيغة ومراجعة صحة الحساب

بعد اكتمال إعداد مصفوفة البيانات وتجهيز جدول المخرجات، يتم الانتقال إلى كتابة الصيغ الإحصائية لحساب القيم الطرفية والمدى المتوسط. في الخلية D2، يتم إدخال صيغة القيمة العظمى =MAX(A2:A50) ثم الضغط على مفتاح Enter. وفي الخلية D3، يتم إدخال صيغة القيمة الدنيا =MIN(A2:A50). ولإتمام عملية الحساب في الخلية D5 المخصصة للمدى المتوسط، يمكن كتابة الصيغة المركبة المباشرة =(MAX(A2:A50) + MIN(A2:A50)) / 2، أو الاستناد إلى المراجع الوسيطة بكتابة =(D2 + D3) / 2، وكلا الخيارين يعطيان نفس النتيجة الرياضية الدقيقة.

للتحقق التفاعلي من سلامة تنفيذ الصيغة والتأكد من عدم وجود أخطاء في تحديد النطاقات المرجعية، يُنصح باستخدام أدوات التدقيق الحسابي المدمجة في شريط الأدوات (Formulas Tab). من خلال ميزة “تتبع السوابق” (Trace Precedents)، سيرسم إكسيل أسهماً زرقاء مرئية تتجه من نطاق البيانات الأصلي (A2:A50) مباشرة نحو خلية الناتج، مما يتيح للباحث التأكد البصري من شمولية النطاق لكافة المفحوصين دون استثناء أو انزياح.

علاوة على ذلك، تُعد ميزة “تقييم الصيغة” (Evaluate Formula) أداة تشخيصية لا غنى عنها لفحص تسلسل الخطوات الحسابية داخل محرك إكسيل. عند فتح نافذة التقييم والنقر على زر “Evaluate”، يقوم إكسيل بتفكيك الصيغة خطوة بخطوة؛ فيعرض أولاً القيمة الرقمية المستخرجة من دالة MAX، ثم القيمة المستخرجة من دالة MIN، ثم يوضح إجراء عملية الجمع داخل الأقواس، وأخيراً عملية القسمة على 2. تضمن هذه المراقبة الدقيقة خلو المعادلة من أي أخطاء تركيبية كامنة.

4.3 سحب الصيغة وتطبيقها على مجموعات تجريبية متعددة

في البحوث والدراسات المقارنة، غالباً ما يحتاج الباحث إلى حساب المدى المتوسط لعدة مجموعات تجريبية وضابطة تم إدراج بياناتها في أعمدة متجاورة (مثل العمود A للمجموعة الضابطة، والعمود B للمجموعة التجريبية الأولى، والعمود C للمجموعة التجريبية الثانية). يوفر إكسيل ميزة “مقبض التعبئة التلقائية” (AutoFill Handle) التي تسمح بنسخ الصيغة الحسابية وسحبها أفقياً عبر الأعمدة بكل سلاسة وسرعة، مع التحديث التلقائي لنطاقات البيانات بفضل نظام المراجع النسبية.

يقتضي التطبيق الاحترافي لهذه الميزة فهم التمييز الجوهري بين المراجع النسبية (Relative References) والمراجع المطلقة (Absolute References). عند كتابة الصيغة =(MAX(A2:A50) + MIN(A2:A50)) / 2 في الخلية A52 وسحبها أفقياً نحو اليمين إلى الخلية B52، يقوم إكسيل تلقائياً بتعديل المراجع لتصبح =(MAX(B2:B50) + MIN(B2:B50)) / 2، وهو السلوك المطلوب تماماً لحساب المدى المتوسط للمجموعة الجديدة. أما إذا تم تثبيت الأعمدة باستخدام علامة الدولار ($A$2:$A$50)، فإن عملية السحب ستكرر حساب المجموعة الأولى دون أي تعديل.

يمكن أيضاً تطبيق هذا المنطق الحسابي على صفوف أفقية متسلسلة تمثل استجابات المفحوصين الفردية عبر بنود المقياس؛ فإذا كانت درجات المفحوص الأول موزعة عبر الخلايا من B2 إلى K2 (عشرة بنود)، تُكتب الصيغة في الخلية L2 بالشكل =(MAX(B2:K2) + MIN(B2:K2)) / 2، ثم تُسحب عمودياً إلى أسفل لتوليد المدى المتوسط لاستجابة كل مفحوص على حدة عبر كامل مفردات العينة البحثية في أجزاء من الثانية.

5. صيغ متقدمة لحساب المدى المتوسط الشرطي في إكسيل

5.1 حساب المدى المتوسط بناءً على شرط فردي (MAXIFS و MINIFS)

في العديد من التصاميم البحثية الميدانية، تُسجل البيانات في جدول مجمع واحد يحتوي على متغيرات تصنيفية ديموغرافية (مثل النوع الاجتماعي: ذكور / إناث) إلى جانب المتغيرات الكمية التابعة. لحساب المدى المتوسط لفئة محددة دون الحاجة إلى فرز البيانات يدوياً أو تقسيمها في أوراق منفصلة، يتم اللجوء إلى الدوال الشرطية الحديثة في إكسيل، وتحديداً دالتي MAXIFS و MINIFS اللتين تتيحان استخراج القيم الطرفية المقترنة بتحقق معيار محدد.

تُصاغ معادلة المدى المتوسط الشرطي أحادي المعيار بدمج الدالتين في صيغة حسابية مقسومة على اثنين وفق التركيب الرياضي التالي:

=(MAXIFS(B2:B100, A2:A100, "ذكر") + MINIFS(B2:B100, A2:A100, "ذكر")) / 2

في هذا التركيب، يمثل النطاق B2:B100 عمود درجات المتغير الكمي (مثل درجات القلق الصريح)، بينما يمثل النطاق A2:A100 عمود التصنيف الديموغرافي، وتحدد العبارة النصية “ذكر” الشرط الإلزامي الذي يجب تحققه لاحتساب القيمة ضمن مجالات البحث عن النهايتين العظمى والدنيا.

يعمل محرك إكسيل عند تنفيذ هذه الصيغة على فلترة الصفوف داخلياً في الذاكرة المؤقتة، حيث يعزل كافة درجات القلق المقترنة بفئة “الذكور” فقط، ثم تطبق دالة MAXIFS لاستخراج أعلى درجة قلق في هذه الفئة الفرعية، وتطبق دالة MINIFS لاستخراج أدنى درجة قلق لديهم، ليتم بعد ذلك جمع الطرفين وقسمتهما على 2. يضمن هذا الأسلوب استخراج مؤشر المدى المتوسط الخاص بكل فئة فرعية بدقة متناهية وبصورة ديناميكية تتحدث تلقائياً بمجرد إدخال أي استجابات جديدة للمفحوصين في الجدول المجمع.

5.2 حساب المدى المتوسط متعدد الشروط والمعايير المركبة

تتطلب التحليلات السيكومترية المتقدمة أحياناً استخراج مؤشرات النزعة المركزية لقطاعات عينية شديدة التخصيص، تخضع لتقاطعات ديموغرافية وتشخيصية متعددة في آن واحد (كأن يُطلب حساب المدى المتوسط لدرجات الاكتئاب لفئة “الإناث” اللاتي ينتمين إلى الفئة العمرية “أكبر من 40 سنة” ويخضعن لـ “العلاج المعرفي السلوكي”). تتيح بنية دوال MAXIFS وMINIFS استيعاب أزواج متعددة من نطاقات الشروط والمعايير المركبة دون قيود تعقيدية.

تُصاغ معادلة المدى المتوسط متعدد الشروط بإدراج كافة المعايير تباعاً داخل وسائط الدالتين كما في النموذج التالي:

=(MAXIFS(D2:D200, A2:A200, "أنثى", B2:B200, ">40", C2:C200, "CBT") + MINIFS(D2:D200, A2:A200, "أنثى", B2:B200, ">40", C2:C200, "CBT")) / 2

تستخدم هذه المعادلة المعاملات المنطقية للمقارنة (مثل علامة الأكبر من ">40") جنباً إلى جنب مع النصوص الصريحة، حيث يشترط محرك إكسيل تطابق كافة الشروط الثلاثة معاً في نفس الصف لاحتساب الخلية في عمود الدرجات D2:D200 ضمن نطاق المفاضلة الحسابية.

يجب التنبيه من الناحية المنهجية إلى أنه في حال عدم وجود أي صف في قاعدة البيانات يحقق كافة الشروط المركبة المحددة مجتمعة، فإن دالتي MAXIFS وMINIFS سترجعان القيمة الافتراضية الصفرية (0)، مما يؤدي إلى ظهور ناتج مدى متوسط يساوي صفراً. لتفادي هذا التضليل وتأمين سلامة التقارير، يُنصح بتضمين صيغ فحص منطقية باستخدام دالة IF للتأكد من وجود مفحوصين يطابقون المعايير قبل اعتماد ناتج الحساب الرياضي.

5.3 استخدام صيغ الصفائف الديناميكية (Dynamic Arrays)

مع إطلاق محرك الحوسبة الحديث في إصدارات Microsoft 365 وExcel 2021، أصبحت صيغ الصفائف الديناميكية (Dynamic Arrays) ودالة FILTER تمثل الخيار الأكثر تطوراً ومرونة للتعامل مع العمليات الإحصائية الشرطية المعقدة. تتيح دالة FILTER عزل واستخلاص مصفوفة البيانات التي تطابق معايير متقدمة في الذاكرة دون الحاجة إلى تكرار وسائط المعايير في دوال متعددة.

تُصاغ معادلة المدى المتوسط بالاعتماد على دالة FILTER والمصفوفات الديناميكية بالشكل التالي:

=LET(Data, FILTER(B2:B100, (A2:A100="المجموعة التجريبية") * (C2:C100>=50)), (MAX(Data) + MIN(Data)) / 2)

تُظهر هذه الصيغة قوة الدمج بين دالة LET ودالة FILTER، حيث تقوم دالة FILTER أولاً باستخلاص درجات المتغير B2:B100 للمفحوصين المنتمين للمجموعة التجريبية والذين حققوا درجة 50 فما فوق في الاختبار القبلي (مع استخدام معامل الضرب المنطقي * للتعبير عن بوابة AND المنطقية). تُخزن هذه المصفوفة المفلترة تحت الاسم الرمزي Data، ثم تُطبق عليها دالتا MAX وMIN القياسيتان بسلاسة مطلقة.

توفر هذه المنهجية الديناميكية مزايا حسابية فائقة، حيث تتم معالجة الفلترة مرة واحدة فقط في الذاكرة المؤقتة بدلاً من مرتين منفصلتين في الدوال التقليدية، فضلاً عن قدرة دوال التدفق (Spill Engine) على التكيف الفوري مع أي تعديل أو توسيع يطرأ على أبعاد قاعدة البيانات الأصلية، مما يعزز كفاءة النمذجة الإحصائية وسرعتها في المشاريع البحثية الضخمة.

6. معالجة البيانات وتنظيفها وتجهيزها قبل إجراء التحليل

6.1 اكتشاف وتصحيح أنواع البيانات غير المتوافقة

تُعد مرحلة تنظيف البيانات وتجهيزها (Data Cleaning and Preprocessing) الركيزة الجوهرية التي تسبق أي تطبيق لمعادلات المدى المتوسط في إكسيل؛ فالأخطاء الهيكلية في نوعية البيانات المُدخلة تقود حتماً إلى مخرجات إحصائية مشوهة أو توقف كامل في عمل الدوال. ومن أكثر المشكلات التقنية شيوعاً في قواعد البيانات المجمعة من الاستبيانات الإلكترونية هي مشكلة “الأرقام المخزنة كنصوص” (Numbers Stored as Text). فعندما يتم تخزين الأرقام بتنسيق نصي، تتجاهلها دالتا MAX وMIN تلقائياً كما لو كانت خلايا خالية، مما يترتب عليه فشل الصيغة في التقاط القيم الطرفية الحقيقية أو إرجاع القيمة الصفرية.

لاكتشاف وتصحيح هذه التنسيقات غير المتوافقة، يمكن للباحث استخدام دالة VALUE في عمود مساعد لتحويل النصوص الرقمية إلى قيم عددية صريحة، أو اللجوء إلى أداة إكسيل الفعالة “تحويل النص إلى أعمدة” (Text to Columns) الموجودة في علامة تبويب البيانات (Data Tab). يتم تحديد عمود البيانات ثم فتح الأداة والنقر المباشر على خيار “إنهاء” (Finish)، ليقوم إكسيل فوراً بإعادة تقييم كافة الخلايا وتوحيد تنسيقها كنصوص رقمية قابلة للحساب الجبري.

تتضمن عيوب البيانات أيضاً وجود مسافات بيضاء غير مرئية أو رموز تحكم خفية ملتصقة بالأرقام نتيجة عمليات الاستيراد من قواعد بيانات خارجية. لمعالجة هذا الخلل، يُنصح بتطبيق دالتي TRIM و CLEAN مجتمعتين في خطوة تنظيف تمهيدية عبر كتابة الصيغة =VALUE(TRIM(CLEAN(A2)))، حيث تضمن دالة TRIM إزالة كافة المسافات الزائدة في البداية والنهاية، بينما تقوم دالة CLEAN بتجريد الخلية من أي محارف طباعية غير مرئية، مما يؤسس لمصفوفة نقية تضمن تفاعلاً موثوقاً مع دوال المدى المتوسط.

6.2 التعامل مع القيم الصفرية الحقيقية والمصطنعة

يشكل التعامل مع الرقم صفر معضلة منهجية كبرى في حساب المدى المتوسط، ويقتضي التمييز الدقيق بين “الصفر الحقيقي” (True Zero) و”الصفر المصطنع” (Artificial Zero). يمثل الصفر الحقيقي قيمة عددية فعلية تعكس مستوى قياسياً منعدماً للظاهرة (كالدرجة صفر في اختبار تحصيلي أو انعدام لعدد نوبات الغضب)، ويجب في هذه الحالة تضمينه بصورة طبيعية في حساب المدى المتوسط كحد أدنى شرعي للعينة. في المقابل، يمثل الصفر المصطنع نتاجاً لأخطاء إدخال أو تعويضاً آلياً لقيم مفقودة (Missing Values) تركت فارغة من قِبل المستجيبين، أو خلايا غير مكتملة تم تحويلها تلقائياً إلى صفر بواسطة بعض البرمجيات المصدرة للبيانات.

إذا تم احتساب الصفر المصطنع كحد أدنى في مجموعة بيانات يفترض أن تكون أدنى قيمة موجبة فيها هي مثلاً 40، فإن دالة MIN ستلتقط الصفر (0) بدلاً من (40). يترتب على هذا الخطأ هبوط كارثي ومضلل في قيمة المدى المتوسط؛ فبدلاً من أن يكون المدى المتوسط بين 40 و100 هو ((100+40)/2 = 70)، سيصبح الناتج المشوه ((100+0)/2 = 50)، وهو ما ينسف دقة التقدير الإحصائي للنزعة المركزية.

لتعديل الصيغة واستبعاد الأصفار المصطنعة وغير الحقيقية من حسابات المدى المتوسط دون التأثير على بنية الجدول الأصلية، يتم دمج دالة MINIFS أو استخدام صيغ التصفية الشرطية لاستخراج الحد الأدنى من القيم الأكبر من الصفر حصراً. تُصاغ المعادلة المعدلة على النحو التالي:

=(MAX(A2:A100) + MINIFS(A2:A100, A2:A100, ">0")) / 2

تضمن هذه الصيغة بقاء القيمة العظمى مستخرجة من كامل النطاق، بينما تُجبر دالة MINIFS على تجاوز كافة القيم الصفرية والبحث عن أصغر قيمة عددية موجبة صريحة، مما يحمي المدى المتوسط من الانهيار الناتج عن الأصفار الزائفة.

7. تطبيقات سيكومترية وتحليلية للبيانات النفسية عبر إكسيل

7.1 تحليل أداء الاختبارات التحصيلية والمقاييس النفسية

يمثل المدى المتوسط أداة تشخيصية سريعة ومفيدة في تقييم النتائج الأولية للاختبارات النفسية والتحصيلية المقننة، مثل اختبارات الذكاء (IQ Tests) ومقاييس القدرات العقلية العامة. فعند تطبيق اختبار ذكاء مقنن بمتوسط معياري 100 وانحراف معياري 15 على عينة مدرسية، يساعد حساب المدى المتوسط لدرجات المفحوصين الخام على المقارنة الفورية بين منتصف نطاق الأداء الفعلي للعينة ومنتصف النطاق المعياري النظري للاختبار. فإذا أظهرت ورقة إكسيل أن الدرجة الدنيا هي 70 والدرجة العظمى هي 140، فإن المدى المتوسط المحسوب يكون 105، مما يعطي مؤشراً أولياً على ميل الأداء العام للعينة نحو الارتفاع الطفيف مقارنة بالقيمة المعيارية المرجعية.

يمتد هذا التطبيق إلى مجال تدريج بنود مقاييس الشخصية (Psychological Scaling)، حيث يسعى الباحث إلى فحص اتساع استجابات المفحوصين لكل بند على حدة. من خلال كتابة معادلة المدى المتوسط وتطبيقها أفقياً عبر صفوف استجابات البنود، يمكن للباحث رصد البنود التي استقطبت استجابات تغطي كامل مدى المقياس (مثل المدى المتوسط 3 على مقياس من 1 إلى 5) مقارنة بالبنود المعيبة التي انحصرت استجاباتها في نطاقات ضيقة ومتحيزة (كأن تكون جميع الاستجابات بين 4 و5، ليكون المدى المتوسط 4.5)، مما يفيد في فحص الخصائص السيكومترية التمييزية للفقرات.

تفيد المقارنة السريعة لمنتصف المدى أيضاً في التجارب السلوكية المخبرية التي تقارن بين مجموعات تجريبية وأخرى ضابطة؛ حيث يتيح حساب المدى المتوسط لكل مجموعة بصورة متزامنة وسريعة على إكسيل تكوين نظرة استكشافية حول ما إذا كان التدخل التجريبي قد أحدث إزاحة في حدود الأداء الكلية للمفحوصين أم أن التغير انحصر فقط في الكثافة التكرارية الداخلية، مما يوجه الباحث نحو اختيار الاختبارات الفرضية البارامترية أو اللابارامترية المناسبة للتحليل اللاحق.

7.2 معايرة درجات الاستبيانات السلوكية المتدرجة

تُبنى استبيانات القياس النفسي والسلوكي في معظمها على سلالم متدرجة رتبية، مثل مقاييس التوافق الزواجي، ومؤشرات الرضا الوظيفي، وسلالم تقدير الذات. يتيح حساب المدى المتوسط للخيارات النظرية المتاحة في الأداة تأسيس “نقطة الحياد الرياضية” (Theoretical Neutral Point). ففي مقياس سباعي التدرج يتراوح بين 1 (أرفض بشدة) و7 (أوافق بشدة)، يُحسب المدى المتوسط النظري بالمعادلة ((7+1)/2 = 4). يمثل الرقم 4 المعيار الفاصل الذي يُقاس بالنسبة إليه متوسط استجابات كل فرد أو فئة فرعية لتحديد اتجاه السلوك المشاهد بدقة موضوعية.

في الدراسات الإكلينيكية التي تطبق مقاييس مركبة تحتوي على أبعاد فرعية متعددة (مثل أبعاد القلق البدني، والقلق المعرفي، والاجتناب السلوكي)، يساهم حساب المدى المتوسط الخاص بكل بُعد فرعي عبر إكسيل في تحديد الأبعاد التي تتسم باتساع مفرط في تشتت الأعراض بين أفراد العينة. فعندما يرتفع المدى المتوسط لبُعد معين مع اتساع مداه المطلق، يشير ذلك إلى وجود حالات متباينة للغاية في شدة الشكوى السريرية، مما يستوجب فحص التوزيعات الفرعية بشكل أعمق.

يمكن للمحللين النفسيين عبر إكسيل بناء “مؤشرات ترجيحية مركبة” (Composite Indices) تدمج بين المدى المتوسط والوسيط الحسابي لتقييم الاتجاهات العامة في الاستبيانات. يوفر هذا الدمج التوافقي وسيلة لمعايرة الانحرافات الناتجة عن رغبة المستجيبين في إظهار التوافق الاجتماعي (Social Desirability)، حيث يساهم المدى المتوسط في تثبيت حدود المرجع النظري للأداة القياسية في مواجهة التمركز التكراري المتحيز للمفحوصين حول خيارات محددة.

7.3 دراسة مقارنة للمدى المتوسط عبر مراحل التدخل العلاجي

يمثل القياس المتكرر عبر الزمن ركيزة أساسية في أبحاث تقييم البرامج العلاجية والتدخلات النفسية والسلوكية. في تصاميم القياس (القبلي – البعدي – التتبعي) لمستويات الأعراض النفسية (مثل درجات الاكتئاب السريري على مقياس بيك)، يمكن توظيف إكسيل لرصد ومقارنة مسارات المدى المتوسط للمجموعة العلاجية عبر الفترات الزمنية المختلفة من خلال إنشاء جدول زمني مخصص.

إذا أظهرت نتائج القياس القبلي أن درجات المرضى تتراوح بين حد أدنى 25 وحد أقصى 55، فإن المدى المتوسط القبلي يكون ((55+25)/2 = 40). وإذا كشفت نتائج القياس البعدي بعد تطبيق برنامج علاجي مكثف أن الدرجات انخفضت لتتراوح بين حد أدنى 5 وحد أقصى 25، فإن المدى المتوسط البعدي ينخفض إلى ((25+5)/2 = 15). يوثق هذا الهبوط بمقدار 25 درجة في منتصف المدى حدوث انزياح كلي وإيجابي في نافذة الأداء السريري للمرضى ككل، مما يقدم دليلاً أولياً ومقروءاً على نجاح التدخل العلاجي في تعديل الحدود القصوى والدنيا لشدة المرض.

يسهم هذا الأسلوب أيضاً في دراسة وتتبع الحالات الفردية (Single-Case Designs) عبر الجلسات العلاجية المتعاقبة؛ حيث يقوم المعالج النفسي بإدخال درجات التقييم اليومية للمريض في مصنف إكسيل، وحساب المدى المتوسط الأسبوعي لأعراض نوبات الهلع أو السلوكيات القهرية. يتيح تتبع هذا المؤشر مراقبة “انكماش” أو “اتساع” حدود الاستجابة السلوكية للمفحوص، فتقلص المدى المتوسط متزامناً مع تقلص المدى المطلق يعد مؤشراً سيكومترياً رصيناً على استقرار الحالة واكتساب المريض مهارات التحكم الذاتي في مواجهة المثيرات المسببة للاضطراب.

8. مقارنة إحصائية متعمقة: المدى المتوسط مقابل مقاييس النزعة المركزية

8.1 المدى المتوسط مقابل المتوسط الحسابي (Mean)

يرتكز الفارق الجوهري بين المدى المتوسط والمتوسط الحسابي على “معدل استهلاك المعلومات” المتضمنة في العينة الإحصائية. يعتمد المتوسط الحسابي، الذي يتم حسابه في إكسيل عبر دالة AVERAGE، على استيعاب كافة القيم العددية بلا استثناء، حيث تتناسب مساهمة كل مشاهدة في تحديد القيمة النهائية طردياً مع حجمها بالنسبة للمجموع الكلي. في المقابل، يتجاهل المدى المتوسط تماماً ما نسبته (n-2) من حجم البيانات، مقصوراً اعتماده الكلي على أقصى نقطتين طرفيتين فقط.

تتطابق قيمة المدى المتوسط هندسياً وحسابياً مع المتوسط الحسابي في حالة واحدة محددة فقط: وهي التوزيعات التكرارية المتماثلة تماماً والخالية من أي التواء (Symmetric Distributions)، مثل التوزيع الطبيعي المعياري أو التوزيع المنتظم الخالي من التشوهات. في هذه الحالات، تكون المسافة بين مركز البيانات والقيمة العظمى مساوية تماماً للمسافة بين المركز والقيمة الصغرى، مما يجعل ناتج معادلة =(MAX+MIN)/2 مطابقاً تماماً لمخرجات دالة =AVERAGE(A2:A100).

أما في التوزيعات الملتوية (Skewed Distributions)، يتباعد المقياسان بصورة جذرية؛ ففي التوزيع الملتوي التواءً موجباً نحو اليمين (حيث توجد ذيول طويلة من القيم المرتفعة النادرة)، ينجذب المدى المتوسط بقوة نحو القيمة العظمى المتطرفة، ليعطي رقماً أعلى بكثير من المتوسط الحسابي الحقيقي، والذي بدوره يكون أعلى من الوسيط. يوضح الجدول المفاهيمي التالي ديناميكية استجابة المقياسين للتغيرات البيانية الداخلية والطرفية في العينات:

وجه المقارنة	المدى المتوسط (Midrange)	المتوسط الحسابي (Mean)
الدالة المعتمدة في إكسيل	=(MAX(Range)+MIN(Range))/2	=AVERAGE(Range)
البيانات المستخدمة في الحساب	قيمتان فقط (الحد الأعلى والحد الأدنى)	كافة القيم والمشاهدات بلا استثناء
التأثر بتعديل قيمة داخلية وسطية	منعدم تماماً (لا يتغير الناتج)	حساس ومباشر (يتغير الناتج فوراً)
الحساسية للقيم الشاذة المتطرفة	حساسية مطلقة وقاتلة	حساسية نسبية تتناسب عكسياً مع حجم العينة
الكفاءة في التوزيع الطبيعي	منخفضة إحصائياً مقارنة بالمتوسط	يمثل المقدر الأكثر كفاءة وغير متحيز

8.2 المدى المتوسط مقابل الوسيط (Median)

يمثل الوسيط (Median) المقياس الرتبي الأكثر استقراراً ومقاومة للتشوهات الإحصائية، ويتم احتسابه في إكسيل باستخدام دالة MEDIAN. تكمن نقطة التباين الفلسفية بين المدى المتوسط والوسيط في أن الوسيط يقسم التوزيع التكراري إلى نصفين متساويين من حيث “عدد المشاهدات” (الكتلة الاحتمالية)، بغض النظر عن المسافات الفاصلة بين تلك القيم على خط الأعداد. أما المدى المتوسط، فينصف التوزيع من حيث “المسافة الجبرية المطلقة” بين الطرفين، بغض النظر عن عدد المشاهدات التي تتكدس في أي من الجانبين.

تتجلى هذه المفارقة بوضوح في العينات التي تتسم بتباين وتكتل غير متوازن؛ فإذا كانت درجات عينة مكونة من 10 مفحوصين كالتالي: (10، 11، 12، 12، 13، 14، 14، 15، 16، 100)، فإن دالة MEDIAN ستعطي القيمة 13.5، وهي قيمة تعكس بدقة مركز التمركز الحقيقي لغالبية أفراد العينة. في المقابل، ستعطي معادلة المدى المتوسط =(100+10)/2 = 55، وهي نقطة فراغ لا يوجد حولها أي مفحوص، وتفشل في تمثيل موضع الأغلبية السلوكية للعينة.

يُنصح بالاعتماد على الوسيط كبديل أساسي للمدى المتوسط في دراسات القياس الرتبي والبيانات الديموغرافية الاقتصادية (مثل فئات الدخل وسنوات الخبرة)، بينما يقتصر تفضيل المدى المتوسط على المواقف التي تتطلب تقييماً لحدود المجال الفعلي للظاهرة في فضاءات القياس المتري المتصل، أو في سياق العينات الصغيرة المنتظمة التي تفتقر للقيم الشاذة والتي تتطلب حسابات بديهية فورية.

8.3 المدى المتوسط مقابل المنوال (Mode)

يختص المنوال (Mode) بتحديد القيمة الأكثر شيوعاً وتكراراً داخل مصفوفة البيانات، ويتم استخراجه في إكسيل باستخدام الدالة القياسية MODE.SNGL (أو MODE.MULT للتوزيعات متعددة المنوال). يرتكز المنوال كلياً على الكثافة التكرارية الاسمية، متجاهلاً الترتيب الرياضي والمسافات الهندسية والحدود الطرفية للتوزيع، مما يجعله المقياس الوحيد الصالح للتطبيق على البيانات الاسمية والنوعية غير الرقمية.

يتباين المدى المتوسط مع المنوال تبايناً جذرياً؛ فالأول يعتمد حصراً على الانتصاف الخطي للحدود القصوى، بينما يتجاهل التكرارات الداخلية كلياً. فلو افترضنا مصفوفة بيانات تتضمن القيم (1، 5، 5، 5، 5، 5، 5، 20)، فإن المنوال المستخرج بدالة إكسيل سيكون 5 نظراً لتكراره المكثف، بينما سيكون المدى المتوسط مساوياً لـ ((20+1)/2 = 10.5). يعكس هذا التباين حقيقة أن التكرار الكثيف لقيمة معينة لا يمارس أي سلطة حسابية على موقع المدى المتوسط ما دامت تلك القيمة محصورة بين الحدين الأدنى والأعلى.

يُعد التحليل المتزامن للمقاييس الأربعة معاً (المتوسط، والوسيط، والمنوال، والمدى المتوسط) داخل ورقة إكسيل أسلوباً استكشافياً فائق القوة لتشخيص شكل المنحنى التكراري للبيانات قبل إجراء الاختبارات الاستدلالية المتقدمة. فعندما تتقارب كافة المقاييس الأربعة وتتطابق عند نقطة واحدة، يُستدل على التماثل الطبيعي للتوزيع (Bell Curve). أما إذا تباعدت المقاييس بحيث كان: المدى المتوسط > المتوسط > الوسيط > المنوال، فإن ذلك يقدم تشخيصاً حاسماً على وجود التواء موجب قوي مدفوع بقيم طرفية عليا، مما يوجه المحلل لاتخاذ التدابير المنهجية اللازمة لمعالجة البيانات.

9. المحددات المنهجية للمدى المتوسط وحساسيته للقيم المتطرفة

9.1 تأثير القيم الشاذة (Outliers) على دقة المدى المتوسط

يجمع علماء الإحصاء والمنهجيون على أن نقطة الضعف القاتلة في مقياس المدى المتوسط تكمن في افتقاره التام للمقاومة الإحصائية (Zero Breakdown Resilience)، وحساسيته المطلقة لأي قيمة شاذة أو متطرفة (Outlier) تقع عند أحد طرفي التوزيع. نظراً لأن المقياس يبني ناتجه بالكامل على أعلى وأدنى رقمين فقط، فإن أي انزياح أو تلوث طارئ في هاتين النقطتين يترجم فوراً وبنسبة 50% كخطأ مباشر في قيمة المدى المتوسط النهائية.

لتوضيح هذا التشوه الكارثي من خلال دراسة حالة رقمية داخل إكسيل: افترض أن لدينا درجات اختبار نفسي لعشرة مفحوصين مسجلة في النطاق A2:A11 كالتالي: (10، 12، 14، 15، 16، 17، 18، 19، 20، 20). في هذه الحالة الطبيعية، تكون القيمة الدنيا هي 10 والقيمة العظمى هي 20، ويكون المدى المتوسط هو ((20+10)/2 = 15)، وهو تقدير يعكس تماماً المركز الحقيقي للدرجات. ولكن، إذا حدث خطأ بشري أثناء إدخال الدرجة الأخيرة للمفحوص العاشر في الخلية A11، وكُتبت “120” بدلاً من “20”، فإن دالة MAX ستلتقط القيمة الشاذة 120 فوراً، وتصبح معادلة المدى المتوسط: ((120+10)/2 = 65).

أدى هذا الانزياح الشاذ إلى قفز المدى المتوسط من 15 إلى 65، مستقراً في منطقة فراغ تفوق بأضعاف مضاعفة درجات 90% من قوام المفحوصين، وفاقداً بصورة تامة أي تمثيل للكتلة الحيوية المركزية للعينة السلوكية. يبرهن هذا المثال على خطورة الاعتماد المنفرد على المدى المتوسط دون فحص استكشافي مسبق لتأكيد خلو أطراف البيانات من القيم المتطرفة والشاذة.

9.2 طرق اكتشاف وعزل القيم المتطرفة في إكسيل

لتفادي الوقوع في التقديرات المضللة للمدى المتوسط، يتعين على المحلل بناء منظومة متكاملة لاكتشاف القيم المتطرفة وعزلها داخل إكسيل قبل تنفيذ الحساب النهائي. وتُعد طريقة “المدى الربيعي” (Interquartile Range – IQR) المعيار الإحصائي الذهبي لتحديد الأسوار الإحصائية الحامية للبيانات. يُحسب الربيع الأول (Q1) والربيع الثالث (Q3) في إكسيل عبر دالتي QUARTILE.INC(Range, 1) و QUARTILE.INC(Range, 3)، ومن ثم يُحسب المدى الربيعي بالصيغة =Q3 - Q1.

تُحدد الأسوار الإحصائية الخارجية وفق المعايير الرياضية لجون توكي كالتالي:

• السياج الأدنى (Lower Fence): =Q1 - (1.5 * IQR)
• السياج الأعلى (Upper Fence): =Q3 + (1.5 * IQR)

تُعد أي مشاهدة عددية تتجاوز السياج الأعلى أو تهبط دون السياج الأدنى قيمة شاذة إحصائياً يجب استبعادها من حسابات الأطراف.

يمكن تطبيق التنسيق الشرطي (Conditional Formatting) لتمييز هذه القيم الشاذة بصرياً بألوان تحذيرية حمراء بمجرد كتابة معادلة السور في قواعد التنسيق. ولحساب “المدى المتوسط المشذب” (Trimmed Midrange) بعد استبعاد القيم المتطرفة، يمكن كتابة معادلة مركبة بالاعتماد على دالتي MAXIFS وMINIFS لحصر النطاق بين السورين الأدنى والأعلى كالتالي:

=(MAXIFS(A2:A100, A2:A100, "="&LowerFence)) / 2

تضمن هذه الصياغة استخراج المدى المتوسط النظيف للأطراف الواقعة داخل الحدود المنطقية للتوزيع الطبيعي للبيانات.

10. معالجة أخطاء الصيغ والقيم المفقودة في إكسيل

10.1 التعامل مع رسائل الأخطاء الرياضية والتركيبية

عند بناء نماذج التحليل الإحصائي في إكسيل، قد تظهر رسائل خطأ مفاجئة تعطل عمل المصنف وتمنع استخراج المدى المتوسط. من أشهر هذه الرسائل خطأ القيمة #VALUE!، والذي ينشأ عادةً عند محاولة إجراء عمليات جمع أو قسمة جبرية على خلايا تتضمن محارف نصية أو فراغات غير رقمية تم تمريرها عن طريق الخطأ داخل الصيغة المباشرة. كما قد يظهر خطأ القسمة على صفر #DIV/0! إذا تم تصميم صيغ معقدة تربط المقام بدوال عد الشروط، وانتهت شروط العد إلى الصفر.

لتأمين استقرار أوراق العمل وحماية التقارير الإحصائية من الانهيار عند مواجهة بيانات غير متوقعة، يُنصح بتغليف معادلة المدى المتوسط داخل دالة المعالجة الوقائية IFERROR. تُكتب الصيغة المحصنة بالشكل التالي:

=IFERROR((MAX(A2:A100) + MIN(A2:A100)) / 2, "غير متاح - تحقق من البيانات")

تعمل هذه الصيغة على تنفيذ حساب المدى المتوسط بصورة اعتيادية، ولكن في حال مواجهة أي خلل تركيبي أو خطأ في نوعية المدخلات، يتجاوز إكسيل إظهار الرموز التحذيرية المربكة ويعرض بدلاً منها النص التوجيهي المحدد، مما يحافظ على مظهر واجهات التقارير التحليلية.

تتضمن الممارسات الوقائية أيضاً فحص صيغ الأرقام الكبيرة غير الصالحة التي تولد خطأ #NUM!، والتأكد من عدم وجود مراجع دائرية (Circular References) تنشأ عن إدراج خلية الناتج نفسها بالخطأ ضمن نطاق دالتي MAX أو MIN، حيث يتسبب هذا الخطأ في دخول محرك الحساب في حلقات تكرارية لا نهائية تشل قدرة البرنامج على الحساب الدقيق.

10.2 استراتيجيات التعامل مع خلايا البيانات المفقودة (Null Values)

تمثل البيانات المفقودة (Missing Data) ظاهرة شائعة في الدراسات النفسية والسلوكية الميدانية، ناتجة عن امتناع بعض المفحوصين عن الإجابة على بنود معينة أو غيابهم عن جلسات التقييم. يتميز السلوك الافتراضي لدالتي MAX وMIN في إكسيل بالقدرة التلقائية على تجاوز الخلايا الفارغة الحقيقية (Empty Cells) وإجراء الحساب على الخلايا المكتملة المتبقية فقط دون الحاجة إلى تدخل برمجي إضافي.

ومع ذلك، تكمن المخاطر الجسيمة في الحالات التي يتم فيها تمثيل القيم المفقودة بمسافات فارغة وهمية مخزنة كنصوص أو استبدالها برمز الصفر “0”. في الحالة الأولى، قد لا تتأثر الدوال مباشرة ولكن قد تفشل دوال العد المرافقة، بينما في الحالة الثانية (التعويض بالأصفار) سيحدث تشوه فادح في دالة MIN كما تم تفصيله سابقاً. لذلك، تتطلب المنهجية الصارمة التأكد من بقاء خلايا الفقد خالية تماماً من أي محارف.

لضمان صلاحية العينة إحصائياً قبل اعتماد ناتج المدى المتوسط، يُفضل ربط الحساب بشرط عددي يضمن وجود حد أدنى كافٍ من المشاهدات المكتملة في النطاق، باستخدام دالة COUNT التي تحصي الخلايا الرقمية حصراً. تُصاغ المعادلة المشروطة بالنموذج التالي:

=IF(COUNT(A2:A100) >= 10, (MAX(A2:A100) + MIN(A2:A100)) / 2, "حجم العينة غير كافٍ")

تمنع هذه الصيغة الذكية استخراج مدى متوسط مضلل مبني على مشاهدة واحدة أو اثنتين فقط، وتشترط اكتمال 10 استجابات رقمية على الأقل لتمرير العملية الحسابية، مما يعزز الموثوقية السيكومترية للنتائج.

11. التمثيل البصري للمدى المتوسط ومقاييس التشتت في إكسيل

11.1 إنشاء مخططات الصندوق وطرفيه (Box and Whisker Charts)

يُمثل التمثيل البصري (Data Visualization) أداة استدلالية وتوضيحية بالغة الأهمية لتجسيد العلاقات الإحصائية بين مقاييس النزعة المركزية ومقاييس التشتت؛ ويُعد مخطط الصندوق وطرفيه (Box and Whisker Chart) الرسم البياني المثالي لإبراز بنية المدى المتوسط ومقارنته بالوسيط الحسابي والقيم الطرفية.

لإنشاء هذا المخطط في إكسيل، يتم تحديد نطاق البيانات الكمية (مثل A1:A100)، ثم الانتقال إلى علامة التبويب “إدراج” (Insert)، واختيار “مخطط الصندوق وطرفيه” من قائمة المخططات الإحصائية. يولد إكسيل رسماً بیانياً متكاملاً يتألف من صندوق مركزي يمثل المدى الربيعي (IQR)، وخط أفقي داخلي يمثل الوسيط (Median)، وخطين ممتدين عمودياً (الشوارب) ينتهيان بنقطتي القيمة الدنيا والقيمة العظمى.

يظهر المدى المتوسط في هذا التمثيل البصري كنقطة المنتصف الهندسية الدقيقة للخط الواصل بين أقصى طرفي الشاربين. يتيح هذا الرسم للمحلل استقراء الالتواء البياني لدرجات الاختبارات النفسية بصرياً وفورياً؛ فإذا كان الخط الداخلي الممثل للوسيط متطابقاً مع نقطة منتصف الشاربين (المدى المتوسط)، دل ذلك على التماثل التوزيعي التام. أما إذا انزاح الوسيط نحو أسفل الصندوق بينما تمدد الشارب العلوي نحو الأعلى ليرتفع المدى المتوسط بعيداً، فإن ذلك يقدم برهاناً بيانياً ساطعاً على وجود التواء موجب قوي ووجود تباين في الكثافة الاستجابية للمفحوصين.

11.2 تصميم خطوط النطاق والأشرطة البيانية المخصصة

لتقديم لوحات تحكم إحصائية تفاعلية (Dashboards) للمدراء والباحثين، يمكن ابتكار تصاميم بيانية مخصصة تبرز المدى المتوسط باستخدام المخططات الخطية المدمجة مع “أشرطة الخطأ” (Error Bars) وأشرطة النطاق العالي والمنخفض (High-Low Lines). يتيح هذا النمط من المخططات تتبع تطور المدى المتوسط عبر الزمن أو عبر المجموعات التجريبية المتعددة بصورة احترافية.

يتم بناء جدول مخصص يتضمن ثلاثة أعمدة أساسية: عمود اسم المجموعة التجريبية، وعمود المدى المتوسط المحسوب =(MAX+MIN)/2، وعمود يمثل “نصف المدى” المحسوب بالمعادلة =(MAX-MIN)/2. بعد ذلك، يتم إدراج مخطط خطي (Line Chart) للمدى المتوسط، ومن ثم تفعيل خيار “أشرطة الخطأ المخصصة” وتوجيه قيم الخطأ الموجب والسالب إلى عمود نصف المدى.

ينتج عن هذا التنسيق ظهور نقطة مركزية تمثل المدى المتوسط يخرج منها امتدادان متناظران يلامسان بدقة القيمة العظمى في الأعلى والقيمة الدنيا في الأسفل. يعرض هذا المخطط المركب بصرياً موضع التمركز والاتساع الكلي لتشتت استجابات المفحوصين لكل مجموعة في رسم واحد موجز، مما يسهم في تسهيل المقارنات البصرية السريعة في العروض التقديمية والتقارير الأكاديمية.

12. الأتمتة والتقنيات البرمجية المتقدمة لحساب المدى المتوسط

12.1 برمجة دالة مخصصة للمدى المتوسط باستخدام VBA

على الرغم من كفاية المعادلات التقليدية في إكسيل، إلا أن أتمتة العمليات عبر لغة البرمجة المدمجة (VBA – Visual Basic for Applications) تمنح الباحثين القدرة على إنشاء دالة مخصصة ومستقلة تحت اسم دال مثل Midrange، مما يختزل كتابة الدوال المزدوجة ويحسن من سرعة وكفاءة معالجة المصفوفات الضخمة. يمكن كتابة كود الدالة المخصصة في بيئة المحرر البرمجي على النحو التالي:

صيغة الدالة البرمجية المكتوبة في محرر VBA:

• اسم الدالة والمعامل المرجعي: Function Midrange(DataRange As Range) As Double
• تعريف المتغيرات الداخلية لاستيعاب القيم القصوى كأرقام عشرية دقيقة (Double).
• استدعاء دوال التطبيق: MaxVal = Application.WorksheetFunction.Max(DataRange)
• استدعاء دوال التطبيق: MinVal = Application.WorksheetFunction.Min(DataRange)
• حساب النتيجة النهائية: Midrange = (MaxVal + MinVal) / 2
• إنهاء الدالة: End Function

تتيح هذه الدالة المخصصة للمستخدم فتح أي خلية في ورقة العمل وكتابة =Midrange(A2:A50000) بصورة مباشرة وبسيطة تماماً كما يتعامل مع دالة AVERAGE أو MEDIAN، دون الحاجة لإعادة كتابة التراكيب الجبرية والأقواس. كما يمكن تضمين الكود البرمجي ضوابط متقدمة للتحقق من صحة المدخلات (Input Validation)، مثل التأكد من احتواء النطاق على قيم عددية فعلية قبل التنفيذ ومعالجة الاستثناءات برمجياً، مما يرفع من استقرار النماذج الإحصائية المعقدة.

12.2 حساب المدى المتوسط باستخدام Power Query

تُعد أداة Power Query البيئة الرائدة والمهيمنة في إكسيل لاستيراد البيانات الضخمة (Big Data) وتنظيفها وتحويلها بصورة آلية وقابلة للتكرار. عند التعامل مع مصفوفات نفسية أو استبيانات مليونية تتجاوز قدرة أوراق العمل العادية، يوفر Power Query مساراً مؤتمتاً وفائق السرعة لحساب المدى المتوسط على مستوى الفئات والمجموعات دون كتابة صيغ خلايا تقليدية.

تبدأ العملية باستيراد جدول البيانات إلى محرر Power Query، ثم تطبيق خطوة “التجميع حسب” (Group By) بناءً على متغير التصنيف الديموغرافي (مثل الجنس أو الحالة الاجتماعية). داخل نافذة التجميع، يتم إنشاء عمليتي تجميع متزامنتين: الأولى لاستخراج الحد الأقصى للدرجات باستخدام العملية Max، والثانية لاستخراج الحد الأدنى باستخدام العملية Min.

بعد توليد عمودي القيم الطرفية، يتم الانتقال إلى تبويب “إضافة عمود” واختيار “عمود مخصص” (Custom Column). في نافذة المعادلة، تُكتب الصيغة بلغة M القياسية:

([Max_Score] + [Min_Score]) / 2

يقوم محرك Power Query بمعالجة ملايين السجلات في ثوانٍ معدودة، واستخراج جدول مخرجات نهائي وموجز يتضمن المدى المتوسط لكل فئة فرعية. يتم بعد ذلك تحميل الجدول النهائي إلى مصنف إكسيل عبر أمر “Load To”، ليصبح نموذجاً مؤتمتاً بالكامل يتحدث بنقرة زر واحدة (Refresh) كلما تم إدراج بيانات استبيانية جديدة في المصدر الأصلي.

12.3 التوصيات الإجرائية والمعايير الأكاديمية لإعداد التقارير

يقتضي الالتزام بالمعايير الأكاديمية الصارمة الصادرة عن جمعية علم النفس الأمريكية (APA Style) والجهات الإحصائية المعتمدة توثيقاً شفافاً لكافة الخطوات الحسابية المتبعة في استخراج المؤشرات الوصفية. عند تضمين المدى المتوسط في التقارير ورسائل الماجستير والدكتوراه، يجب على الباحث توضيح مبررات استخدام هذا المقياس تحديداً والامتناع عن الاكتفاء به كمعلمة مركزية وحيدة، مع ضرورة إرفاقه دوماً بمقاييس التشتت المناسبة (كالمدى الكلي والانحراف المعياري) والوسيط الحسابي.

يُنصح الباحثون بتضمين نص تقريري وصفي يوضح آلية الحساب المنفذة؛ كأن يُكتب: “تم حساب المدى المتوسط (Midrange) لدرجات المقياس النفسي كأداة استكشافية لتحديد منتصف المجال الفعلي لاستجابات العينة، بالاعتماد على المعادلة: (الدرجة العظمى + الدرجة الدنيا) / 2، وقد بلغ المدى المتوسط للعينة التجريبية (Mdr = 45.50) مقارنة بالوسيط (Mdn = 42.00) والمتوسط الحسابي (M = 43.12، SD = 6.84)”. يفيد هذا الإفصاح المنهجي في إتاحة الفرصة للمحكمين لتقييم درجة التماثل التوزيعي والتحقق من سلامة البناء التحليلي للبيانات.

ختاماً، يوصى ببناء وتصميم قوالب إكسيل معيارية وقابلة لإعادة الاستخدام (Reusable Excel Templates)، بحيث تتضمن أوراقاً مهيأة مسبقاً بجداول التنظيف، والصيغ الشرطية، ومخططات الصندوق وطرفيه، والدوال البرمجية المؤتمتة. يساهم هذا التأسيس المؤسسي في رفع إنتاجية الباحثين وتقليص الأخطاء الحسابية البشرية، مما يرتقي بجودة ونزاهة التحليلات الإحصائية في مختلف ميادين المعرفة الإنسانية والسلوكية.

خاتمة وخلاصة منهجية

استعرض هذا الدليل الشامل الأبعاد النظرية والمفاهيمية والرياضية لمقياس المدى المتوسط (Midrange) كأحد المقاييس الأساسية في منظومة الإحصاء الوصفي، مسلطاً الضوء على منطق الانتصاف الهندسي بين القيمتين الطرفيتين القصوى والدنيا. ورغم غياب دالة صريحة تحمل اسم هذا المقياس في مكتبة مايكروسوفت إكسيل القياسية، إلا أن التكامل التركيبي بين دالتي MAX وMIN، مدعوماً بالدوال الشرطية مثل MAXIFS وMINIFS ومحركات الصفائف الديناميكية ولغات الأتمتة المتقدمة مثل VBA وPower Query، يوفر بيئة حوسبية فائقة المرونة والقدرة على تطويع وإجراء أدق التحليلات الإحصائية بسرعة وكفاءة.

تؤكد الخلاصة المنهجية على ضرورة إدراك المحلل الإحصائي لمزايا وحدود هذا المقياس؛ فهو يوفر أداة استكشافية سريعة وشديدة النقاء لتقدير المركز في التوزيعات المنتظمة والمتماثلة وفي معايرة مقاييس الاتجاهات وسلالم ليكرت، إلا أنه يعاني من هشاشة إحصائية مطلقة في مواجهة القيم الشاذة والمتطرفة مقارنة بالوسيط والمتوسط الحسابي. لذا، فإن الممارسة البحثية الرصينة تقتضي دائماً فحص وتجهيز البيانات، وتنظيف الأصفار والتنسيقات غير المتوافقة، واعتماد المدى المتوسط كأداة استكشافية وتشخيصية مكملة تُسهم مع بقية المقاييس في رسم صورة سيكومترية كلية وشديدة الدقة عن الظواهر المدروسة.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://apastyle.apa.org/
• Howell, D. C. (2012). Statistical methods for psychology (8th ed.). Cengage Learning.
• Microsoft Corporation. (2023). MAX function – Microsoft Support. Microsoft. https://support.microsoft.com/en-us/office/max-function-e0012414-9ac8-4b34-9a47-73e662c08098
• Microsoft Corporation. (2023). MIN function – Microsoft Support. Microsoft. https://support.microsoft.com/en-us/office/min-function-61635d12-920f-4ce2-a70f-96f202dcc152
• National Institute of Standards and Technology. (2021). e-Handbook of Statistical Methods: Exploratory Data Analysis. NIST. https://www.nist.gov/itl/sed/topic-areas/exploratory-data-analysis
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley Publishing Company.
• Walkenbach, J. (2015). Excel 2016 Bible. John Wiley & Sons.