كيفية إنشاء وتعديل المخططات الصندوقية في ستاتا

تُعد عملية استكشاف البيانات وتحليل التوزيعات الاحتمالية للمتغيرات الكمية إحدى الركائز الأساسية في الإحصاء التطبيقي والمنهجية العلمية الحديثة. وفي سياق البحث العلمي الرصين، وخاصة في العلوم الاجتماعية والنفسية والطبية، لا يكفي الاعتماد على المقاييس العددية الموجزة مثل المتوسط الحسابي والانحراف المعياري، نظراً لحساسيتها الشديدة للقيم الشاذة والالتواءات التوزيعية. هنا تبرز قوة المخططات الصندوقية (Box Plots) كأداة بصرية غير معملية فائقة الدقة والفاعلية، قادرة على تلخيص الخصائص التوزيعية المعقدة لآلاف المشاهدات في رسم بياني مكثف وبسيط في آن واحد.

تعتبر حزمة البرمجيات الإحصائية Stata من البيئات الأكثر شمولاً ورصانة لتنفيذ التحليلات الإحصائية وتوليد الرسوم البيانية المتوافقة مع أعلى معايير النشر الأكاديمي، مثل دليل النشر الصادر عن جمعية علم النفس الأمريكية (APA). يوفر ستاتا مجموعة متكاملة ومرنة من الأوامر والخيارات البرمجية التي تتيح للباحثين تصميم وتعديل المخططات الصندوقية الرأسية والأفقية، وتقسيمها عبر مجموعات تصنيفية متعددة، والتحكم المطلق في كل عنصر بصري من عناصر الرسم بدقة فائقة عبر البرمجة بالأوامر النصية.

يهدف هذا الدليل الشامل والمفصل إلى تقديم مرجع أكاديمي وتطبيقي متكامل حول كيفية إنشاء وتعديل وتخصيص المخططات الصندوقية في برنامج ستاتا. سنتناول بالتفصيل المفاهيم الرياضية والإحصائية الكامنة وراء الرسم، مروراً بإعداد بيئة العمل واستيراد وتنظيف البيانات، وتطبيق الأوامر الأساسية والمتقدمة، وصولاً إلى تخصيص الجماليات، وتفسير البيانات في دراسة حالة تطبيقية في العلوم السلوكية، وأخيراً تصدير الرسوم بجودة طباعية واحترافية تلائم كبرى المجلات المحكمة عالمياً.

1. مقدمة إلى المخططات الصندوقية وأهميتها في التحليل الإحصائي

1.1 مفهوم المخطط الصندوقي (Box Plot) وتعريفه الإحصائي

يُعرف المخطط الصندوقي، أو ما يُطلق عليه تقنياً “مخطط الصندوق وطرفيه” (Box-and-Whisker Plot)، بأنه تمثيل بياني بياني معياري يُستخدم لتلخيص التوزيع الاحتمالي لمتغير كمي مستمر أو متقطع. تم ابتكار وتطوير هذا النموذج البصري الرائد على يد عالم الإحصاء الأمريكي الشهير جون توكي (John Tukey) في عام 1970 كجزء محوري من منهجيته الرائدة المعروفة بـ تحليل البيانات الاستكشافي (Exploratory Data Analysis – EDA)، ونُشر رسمياً في كتابه المرجعي عام 1977. كان الهدف الجوهري لتوكي هو تحرير الباحث من الافتراضات الصارمة حول التوزيع الطبيعي وتمكينه من فحص معالم البيانات الحقيقية دون تشويه ناتج عن التعميمات المفرطة.

تكمن الأهمية الإحصائية للمخطط الصندوقي في كونه أداة غير معملية (Non-parametric) تبتعد عن الاعتماد على المعالم التوزيعية الكلاسيكية المعرضة للتأثر الشديد بالقيم المتطرفة. وعلى خلاف المدرجات التكرارية (Histograms) التي تتأثر بشدة باختيار عرض الفئات (Bin width)، أو مخططات الكثافة الاحتمالية (Kernel Density Plots) التي تتطلب تحديد دالة النواة وعرض النطاق التنعيمي (Bandwidth)، يقدم المخطط الصندوقي تلخيصاً هندسياً ثابتاً وموضوعياً لا يعتمد على خيارات التقدير الاعتباطية، مما يجعله معياراً ذهبياً في المقارنات السريعة بين المجموعات التجريبية المتعددة.

وعلاوة على ذلك، يتيح المخطط الصندوقي قراءة فورية لأبعاد حاسمة في البنية التوزيعية: النزعة المركزية المقاومة للتطرف، ودرجة التشتت الداخلي للبيانات، وتماثل أو التواء التوزيع نحو اليمين أو اليسار، فضلاً عن العزل الدقيق للقيم الشاذة التي قد تشير إما إلى أخطاء إدخال أو إلى ظواهر سيكومترية تستحق الدراسة المعمقة.

1.2 ملخص الأرقام الخمسة (Five-Number Summary)

يرتكز المخطط الصندوقي في بنائه الرياضي على مفهوم “ملخص الأرقام الخمسة”، وهو توليفة من خمسة مقاييس موضعية تقدم صورة كاملة وموجزة عن سلوك المتغير. تبدأ هذه المنظومة بـ الحد الأدنى الفعلي غير الشاذ (Minimum)، والذي يمثل أدنى قيمة مسجلة في البيانات لا تقع تحت عتبة التباعد الرياضي المسموح بها. تليه الحافة السفلية للصندوق والمتمثلة في الربيع الأول (Q1 / 25th Percentile)، وهي النقطة التي تقع دونها 25% من إجمالي المشاهدات المرتبة تصاعدياً، وتعلوها 75% من البيانات.

في قلب الصندوق، يقع الوسيط (Median / Q2 / 50th Percentile) ممثلاً بخط أفقي أو رأسي يقسم المجموعة المرتبة إلى نصفين متساويين تماماً. يُعتبر الوسيط المقياس الأكثر متانة ومقاومة للنزعة المركزية في حالة غياب التوزيع الطبيعي. تكتمل أضلاع الصندوق بالوصول إلى الربيع الثالث (Q3 / 75th Percentile) الذي يشكل الحافة العلوية للصندوق، حيث تقع دونه 75% من المشاهدات. يمثل طول الصندوق المسافة الفاصلة بين الربيعين الثالث والأول، ويُعرف رياضياً بـ المدى الربيعي (Interquartile Range – IQR)، وهو المقياس الأساسي لتشتت النصف الأوسط من البيانات.

أما الرقم الخامس في الملخص فهو الحد الأقصى الفعلي غير الشاذ (Maximum)، وهو أعلى قيمة مرصودة تقع ضمن النطاق المقبول دون تجاوز حدود الأطراف. تمتد الأطراف (Whiskers) من حواف الصندوق لتصل إلى هذين الحدين الأدنى والأقصى. يُحسب الحد الأقصى الرياضي المقبول بطرح أو إضافة 1.5 مضروبة في المدى الربيعي من وإلى الربيعين الأول والثالث على التوالي؛ وكل نقطة تتجاوز هذه الحدود تُعامل إحصائياً كقيمة شاذة وتُرسم بشكل مستقل خارج الأطراف.

1.3 تطبيقات المخطط الصندوقي في الدراسات النفسية والسلوكية

تحظى المخططات الصندوقية بمكانة محورية في بحوث العلوم النفسية والتربوية والسلوكية، حيث تتسم المتغيرات المقاسة (مثل درجات القلق، ومستويات الاكتئاب، والذكاء الوجداني، وسرعة الاستجابة الحركية) بدرجات متفاوتة من التباين الفردي والالتواء الطبيعي. يُعد فحص الفروق التوزيعية لدرجات المقاييس السيكومترية عبر المجموعات التجريبية والضابطة من أبرز الاستخدامات، حيث يمكن للمحلل ملاحظة انزياح وسيط مجموعة العلاج السلوكي المعرفي مقارنة بمجموعة الانتظار، وتقييم مدى تجانس استجابات الأفراد داخل كل مجموعة بشكل بصري فوري.

كما يلعب المخطط دوراً حيوياً في الكشف البصري عن مظاهر الالتواء (Skewness)؛ فالصندوق غير المتماثل الذي ينحاز وسيطه نحو الربيع الأول مع ذيل علوي ممتد يشير بوضوح إلى التواء موجب، وهو ما يتكرر كثيراً في استبيانات تقييم الأعراض الإكلينيكية الحادة في العينات غير السريرية. وبالمثل، يتيح المخطط استكشاف التفرطح (Kurtosis) من خلال كثافة المدى الربيعي وطول الأطراف مقارنة بانتشار البيانات الكلي.

يُمثل التحقق البصري من افتراضات التحليل الإحصائي خطوة ضرورية تسبق تطبيق الاختبارات المعلمية المتقدمة، مثل اختبار “ت” (t-test) وتحليل التباين (ANOVA). يساعد المخطط الصندوقي الباحث في التيقن من تحقق شرط تجانس التباين (Homoscedasticity) بين المجموعات عبر مقارنة أطوال الصناديق والمدى الربيعي لكل فئة، فضلاً عن الاطمئنان إلى خلو البيانات من القيم المتطرفة المضللة التي قد ترفع خطأ النوع الأول أو تخفض القوة الإحصائية للاختبار.

2. إعداد بيئة العمل وتحميل البيانات في برنامج ستاتا (Stata)

2.1 تحميل مجموعات البيانات التدريبية الافتراضية

يوفر برنامج ستاتا بيئة برمجية متكاملة وسلسة للتعامل مع البيانات الإحصائية بمختلف صيغها وأحجامها. للبدء في استكشاف قدرات الرسوم البيانية، يتيح البرنامج مجموعة واسعة من البيانات المدمجة الجاهزة للتطبيق المباشر عبر الأوامر المرجعية مثل sysuse للبيانات المثبتة محلياً مع النظام، وأمر webuse لجلب البيانات المخزنة على خوادم ستاتا السحابية عبر الإنترنت. يُعد ملف البيانات الكلاسيكي auto.dta المرفق مع النظام نموذجاً مثالياً للتدريب على المتغيرات المستمرة مثل السعر والوزن ومعدل استهلاك الوقود.

بمجرد تحميل البيانات، يتعين على الباحث استعراض البنية الهيكلية للمتغيرات وأنواعها التخزينية. يتم ذلك بكفاءة عالية عبر استخدام الأمر describe للحصول على ملخص شامل لعدد المتغيرات والمشاهدات ونوع كل متغير (رقمي، نصي، فئوي)، يعقبه استخدام الأمر الاستكشافي المتعمق codebook. يقدم هذا الأخير تحليلاً تفصيلياً لقيم كل متغير، وفئاته، ونطاقاته، بالإضافة إلى رصد أعداد ونسب القيم المفقودة (Missing Values).

يعد فحص القيم المفقودة خطوة حرجة للغاية؛ حيث يتعامل ستاتا مع القيم المفقودة في المتغيرات الرقمية كقيم لا نهائية كبرى موجبة، مما قد يؤثر على عمليات الفلترة والتصنيف في حال عدم التعامل معها بحذر منهجي عند بناء المخططات الصندوقية وتعيين الشروط المنطقية.

2.2 استيراد البيانات الخارجية المخصصة

في الممارسة البحثية الواقعية، نادراً ما يقتصر العمل على البيانات الافتراضية؛ لذا يتطلب العمل استيراد البيانات السيكومترية أو الميدانية من مصادر خارجية متنوعة مثل جداول مايكروسوفت إكسل (Microsoft Excel) أو الملفات المفصولة بفواصل (CSV). يوفر ستاتا أداة استيراد بالغة القوة والدقة من خلال الأمر import excel لقراءة ملفات xlsx مع خيارات مرنة لتحديد ورقة العمل (sheet) وتسمية المتغيرات وفق السطر الأول (firstrow)، والأمر import delimited للتعامل مع ملفات البيانات النصية وقواعد البيانات الضخمة.

عقب استيراد البيانات، تظهر في كثير من الأحيان مشكلة ترميز المتغيرات الفئوية (Categorical Variables) التي تم إدخالها كنصوص (مثل “ذكور” و”إناث”، أو “مجموعة ضابطة” و”مجموعة تجريبية”). لا يمكن لأوامر الرسوم الصندوقية المتقدمة في ستاتا فرز وتصنيف البيانات بناءً على سلاسل نصية بحتة بكفاءة، وهنا يأتي الدور الجوهري لأمر التحويل encode. يقوم هذا الأمر بتحويل المتغير النصي إلى متغير رقمي صحيح مع إنشاء وتثبيت بطاقات التسمية (Value Labels) آلياً، مما يضمن ظهور النصوص المعبرة على محاور المخطط الصندوقي مع احتفاظ البرنامج بالبنية الرقمية اللازمة للعمليات الحسابية.

يتضمن تنظيف البيانات أيضاً التأكد من خلو المتغيرات المستمرة من القيود الشاذة الناتجة عن أخطاء الرصد اليدوي وتصحيح ترميز الحالات غير المستجيبة، لضمان أعلى مستويات الدقة عند رسم الأطراف والربيعات.

2.3 البنية النحوية الأساسية لأوامر الرسوم البيانية في ستاتا

تتبع لغة الأوامر في ستاتا هيكلية منطقية صارمة وموحدة تسري على كافة وظائف التحليل والتمثيل البياني. تبدأ جميع عمليات الرسم بكلمة المفتاح graph متبوعة بنوع المخطط المطلوب، وفي حالتنا المخطط الصندوقي الرأسي graph box أو الأفقي graph hbox. تُكتب أسماء المتغيرات الكمية المراد رسمها مباشرة بعد الأمر الأساسي، تليها خيارات التخصيص والفصل اللوجستي بعد الفاصلة الإجبارية (Comma Syntax)، والتي تفصل جسم الأمر عن خياراته المتقدمة.

يوفر ستاتا مسارين لتنفيذ الرسوم البيانية وتعديلها: المسار التفاعلي عبر واجهة المستخدم ومحرر الرسوم (Graph Editor)، والمسار البرمجي المعتمد على الأكواد المكتوبة (Syntax-based approach). ورغم أن المحرر التفاعلي يوفر إمكانية النقر والتعديل المباشر للألوان والخطوط والمحاور، إلا أن المنهجية العلمية الرصينة تشترط الاعتماد الكامل على كتابة الأكواد في ملفات الأوامر (Do-files).

تضمن البرمجة النصية قابلية التكرار وإعادة الإنتاج (Reproducibility)، وتتيح للباحث توثيق كل خطوة تعديل ومشاركتها مع المراجعين بدقة، فضلاً عن تسهيل تطبيق نفس التنسيقات الجمالية على مئات الرسوم البيانية بلمسة زر واحدة وبشكل معياري متسق تماماً.

3. إنشاء المخططات الصندوقية الرأسية الأساسية (Vertical Box Plots)

3.1 تطبيق الأمر graph box على متغير مستمر واحد

يمثل المخطط الصندوقي الرأسي الشكل الافتراضي والأكثر انتشاراً في الأدبيات الإحصائية لعرض توزيع المتغيرات المستمرة. يتم إنشاء المخطط الأساسي لمتغير منفرد عبر كتابة الأمر المباشر بصيغته القياسية: graph box varname، حيث يحل اسم المتغير المستمر محل varname. يقوم المحرك البياني في ستاتا بقراءة قيم المتغير وحساب ملخص الأرقام الخمسة آلياً في الخلفية، ثم يبدأ في إسقاط الصندوق رأسياً على مساحة الرسم.

عند فحص المخرج البياني، يظهر المحور الرأسي (Y-axis) ممثلاً لوحدات قياس المتغير، بينما يمثل الصندوق الممتد من الربيع الأول الأدنى إلى الربيع الثالث الأعلى النصف الأوسط للبيانات، ويتوسطه خط الوسيط الأفقي. يتولى ستاتا ضبط حدود ونطاقات المحور الرأسي ومسافات التدرج الرقمي (Tick marks) تلقائياً لتستوعب كامل نطاق البيانات بدءاً من أصغر قيمة شاذة وصولاً إلى أقصى نقطة متطرفة، مما يوفر رؤية غير منحازة للمجال الديناميكي للمتغير.

تتيح هذه النظرة الأولية للباحث إدراك موضع تركز الكتلة المركزية للمشاهدات ومدى تقارب أو تباعد الأفراد حول القيمة الوسيطة بدقة متناهية ودون أي تعقيدات حسابية مسبقة.

3.2 إنشاء مخططات رأسية لمتغيرات كمية متعددة معاً

في العديد من التصاميم البحثية، يحتاج الباحث إلى مقارنة توزيعات عدة متغيرات كمية تنتمي لنفس مقياس القياس (مثل مقارنة أبعاد مقياس الشخصية الخمسة الكبرى: الانبساطية، العصابية، الانفتاح، المقبولية، وتفاني الضمير، أو مقارنة الدرجات المعيارية لاختبارات الذكاء المتعددة). يدعم ستاتا هذه المقارنة بكل سهولة عن طريق تمرير قائمة المتغيرات تباعاً بعد أمر الرسم وفق النمط: graph box var1 var2 var3.

يقوم البرنامج بإنشاء صناديق متجاورة داخل نفس الفضاء الإحداثي والمحور الرأسي الموحد، مما يمنح الباحث قدرة استثنائية على إجراء مقارنات عادلة ومباشرة لمستويات الأداء والتباين بين الأبعاد المختلفة. ومن الناحية المنهجية، يشترط لإجراء هذا الدمج أن تكون المتغيرات مقاسة بوحدات قياس متطابقة أو درجات محولة معيارياً (Z-scores)، وإلا فإن المتغيرات ذات المدى الرقمي الكبير ستطغى بصرياً وتقلص صناديق المتغيرات الأخرى إلى خطوط غير مقروءة.

يساعد هذا العرض المشترك في إبراز الفروق الجوهرية في مستويات الوسائط واتساع المدى الربيعي بين الأبعاد السيكومترية قيد الدراسة بوضوح بالغ.

3.3 تفسير خصائص المخطط الرأسي في ستاتا

يرتكز محرك الرسم في ستاتا إلى خوارزمية صارمة مستمدة من القواعد الأصلية لجون توكي في تحديد مسار وطول أطراف الصندوق (Whiskers). تمتد الأطراف من حافتي الصندوق إلى أبعد نقطة بيانية تقع ضمن نطاق 1.5 مضروبة في المدى الربيعي؛ أي بين النقطتين الرياضيتين: [Q1 – 1.5*IQR] و [Q3 + 1.5*IQR]. لا تمثل نهايات الأطراف هذه الحدود النظرية بل تمثل القيم الحقيقية الفعلية في العينة التي تقترب من هذه العتبات دون أن تتجاوزها.

من خلال القراءة المتفحصة لهندسة المخطط، يمكن للباحث استنتاج طبيعة الالتواء بدقة؛ فإذا كان خط الوسيط قريباً جداً من الحافة السفلية للصندوق (Q1) والطرف العلوي أطول بشكل ملحوظ من الطرف السفلي، دلّ ذلك على توزيع موجب الالتواء (Right-skewed). أما إذا انحاز الوسيط نحو الحافة العلوية (Q3) واستطال الطرف السفلي، فإن التوزيع يكون سالب الالتواء (Left-skewed). وفي المقابل، يدل توسط خط الوسيط وتساوي طولي الطرفين على تماثل التوزيع واقترابه من خصائص التوزيع الطبيعي المعياري.

تمنح هذه المؤشرات البصرية الباحث الثقة المنهجية لتقرير ما إذا كانت المتغيرات تفي بمتطلبات التحليلات الاستدلالية المتقدمة أم تتطلب استخدام بدائل غير معلمية أو تحويلات رياضية لمعالجة الالتواء.

4. إنشاء المخططات الصندوقية الأفقية (Horizontal Box Plots)

4.1 استخدام الأمر graph hbox والمقارنة مع المخطط الرأسي

يوفر ستاتا أمراً موازياً فائق الأهمية هو graph hbox، وهو مخصص لإنشاء المخططات الصندوقية في اتجاه أفقي، حيث يتم تدوير الإحداثيات بحيث يصبح مقياس الدرجات الكمية واقعاً على المحور الأفقي (X-axis)، وتتوزع المتغيرات أو الفئات على المحور الرأسي (Y-axis). لا يختلف هذا الأمر في جوهره الرياضي أو الحسابي إطلاقاً عن نظيره الرأسي، إلا أنه يمثل خياراً استراتيجياً من منظور التصميم البياني في حالات بحثية محددة.

تتجلى الميزة الكبرى للعرض الأفقي عند التعامل مع المتغيرات أو المجموعات التصنيفية التي تحمل أسماء نصية وتسميات توضيحية طويلة ومعقدة؛ ففي المخططات الرأسية التقليدية، تضيق المسافة الأفقية المتاحة أسفل الصناديق مما يؤدي إلى تداخل النصوص أو اضطرار الباحث إلى تدوير الخطوط رأسياً بزوايا حادة تجعل قراءتها مجهدة بصرياً. أما في المخطط الأفقي، فتُتاح مساحة واسعة على يسار الرسم لعرض التسميات الكاملة للأبعاد والمتغيرات بخطوط أفقية مستقيمة ومريحة للقراءة المتسلسلة.

لذلك، يُوصى بشدة باستخدام graph hbox في التقارير الإحصائية الموجهة لصناع القرار، وفي الأوراق العلمية التي تتضمن مقارنة عدد كبير من المقاييس الفرعية أو التخصصات المهنية المتعددة.

4.2 بناء مخططات أفقية لعدة متغيرات مترابطة

تتيح صياغة الأمر الأفقي المركب: graph hbox var1 var2 var3 var4 استعراض ومقارنة استجابات عينة البحث عبر سلسلة من المقاييس المتجانسة بكفاءة بصرية ملهمة. ترتسم الصناديق في هذه الحالة بشكل متوازٍ رأسياً فوق بعضها البعض، مما يمنح العين حركة مسح طبيعية وسلسة من الأعلى إلى الأسفل، ويتيح رصد التغير في مستويات الوسائط والربيعات عبر الأبعاد بكل سلاسة.

عند بناء هذا النوع من المخططات للأبعاد السلوكية (مثل مقارنة أبعاد الرضا الوظيفي: الرضا عن الراتب، الرضا عن بيئة العمل، الرضا عن الإدارة، وفرص الترقية)، يستطيع القارئ في ثوانٍ معدودة تحديد البعد الذي يحقق أعلى مستويات الرضا (صندوقه ينزاح كلياً نحو اليمين) مقارنة بالأبعاد التي تشهد تدنياً أو تبايناً حاداً بين المشاركين (صناديق واسعة وممتدة نحو اليسار).

يعزز هذا العرض الأفقي من قدرة الباحث على تقديم قصة بصرية مقنعة ومتماسكة حول النتائج السيكومترية المتعددة دون إرباك القارئ بتعقيدات الجداول الرقمية الكثيفة.

5. تقسيم وتصنيف المخططات الصندوقية باستخدام الخيار over()

5.1 التصنيف حسب متغير فئوي أحادي (Single Categorical Variable)

يمثل الخيار over(catvar) الأداة الأكثر قوة ومرونة في ستاتا لتقسيم المتغير التابع المستمر وتوزيعه بصرياً عبر المستويات المختلفة لمتغير تصنيفي مستقل. يكتب الأمر وفق الهيكلية التالية: graph box outcome_var, over(group_var). عند تنفيذ هذا الكود، يقوم ستاتا بعزل كل فئة فرعية من فئات المتغير التصنيفي (مثل مقارنة درجات التحصيل الدراسي بين الطلاب والطالبات، أو مقارنة مستويات التوتر بين المجموعتين الضابطة والتجريبية) وإنشاء صندوق مستقل لكل فئة ضمن نفس الإطار البياني الموحد.

يساعد هذا العرض المقارن في كشف التفاعلات والفروق الجوهرية بين المجموعات بطريقة تتفوق كثيراً على جداول المتوسطات؛ إذ لا يكتفي الباحث برؤية الفارق في النزعة المركزية بين المجموعتين، بل يتعدى ذلك إلى استكشاف مدى تجانس التشتت بينهما ووجود أنماط شاذة تقتصر على فئة دون أخرى.

كما يتيح ستاتا عبر الخيارات الإضافية التحكم الكامل في محاذاة الصناديق وإعادة ترتيب الفئات وموضعتها لتحقيق أقصى درجات الوضوح والاتساق البصري.

5.2 التقسيم المتعدد والمتداخل عبر مستويات تصنيفية متعددة

في الدراسات الميدانية والتجريبية ذات التصاميم العاملية المعقدة (Factorial Designs)، لا يقتصر التحليل على تصنيف أحادي، بل يمتد لدراسة التفاعل بين متغيرين مستقلين أو أكثر. يتيح ستاتا تنفيذ هذا التحليل المتقدم ببراعة من خلال تكرار الخيار التصنيفي في نفس الأمر: graph box outcome_var, over(subgroup_var) over(main_group_var).

يقوم هذا التركيب البرمجي بتوليد هيكلية بصرية هرمية متداخلة؛ حيث تُجمع الصناديق الخاصة بالمتغير التصنيفي الأول ضمن كتل رئيسية يحددها المتغير التصنيفي الثاني (مثل عرض درجات الاكتئاب مصنفة حسب الجنس [ذكور/إناث] داخل كل مستوى من مستويات شدة المرض [بسيط/متوسط/شديد]).

يتحكم ستاتا بذكاء في المسافات البينية (Gaps) بين الصناديق الفرعية والمجموعات الرئيسية، مما يبرز التمايز البصري بين المستويات الهرمية ويوفر للمحلل أداة بصرية مسبقة لفهم تفاعلات تحليل التباين الثنائي (Two-Way ANOVA) قبل الخوض في النمذجة الرياضية المعقدة.

5.3 فرز وتنسيق الفئات داخل خيار over()

يقدم الخيار over() في ستاتا مجموعة من المعاملات الفرعية شديدة التطور لضبط ترتيب وتنسيق الفئات على المحور. بشكل افتراضي، يقوم ستاتا بترتيب الفئات وفق قيمها الرقمية الأصلية أو ترتيبها الأبجدي، ولكن في كثير من التحليلات يكون من الأنسب ترتيب الفئات تصاعدياً أو تنازلياً وفق قيمة وسيط المتغير التابع لتسهيل المقارنة السريعة. يتحقق ذلك عبر تمرير المعامل الفرعي: over(catvar, sort(1) descending) أو تصاعدياً عبر sort(1).

علاوة على ذلك، يتيح المعامل missing إظهار أو استبعاد الحالات التي تفتقر لتصنيف محدد، بينما يتيح المعامل total إضافة صندوق إجمالي يمثل العينة الكلية جنباً إلى جنب مع الصناديق المفصلة لكل فئة، مما يتيح مقارنة كل فئة بأداء المجتمع الإحصائي العام للدراسة.

كما يمكن تعديل خصائص الخط وتدوير نصوص الفئات عبر المعاملات الفرعية label(labsize() angle()) لمنع أي تداخل بصري للتسميات وضمان قراءة مريحة ودقيقة لجميع التسميات التصنيفية.

6. إنشاء مخططات صندوقية منفصلة باستخدام الخيار by()

6.1 توليد مصفوفة مخططات فرعية (Sub-graphs Matrix)

في حين يقوم الخيار over() بدمج الصناديق المقارنة جنباً إلى جنب داخل نافذة بيانية واحدة ومحور رأسي مفرد، يقدم الخيار by() مقاربة منهجية وبصرية مختلفة تماماً تُعرف في أدبيات التصميم البياني بـ “المصفوفات البصرية المضاعفة” (Small Multiples). يتيح الأمر: graph box outcome_var, by(group_var) توليد لوحات بيانية مستقلة ومنفصلة تماماً لكل مستوى من مستويات المتغير التصنيفي، مرتبة في شبكة هندسية منتظمة.

تعد هذه الطريقة الخيار المثالي عندما يكون عدد الفئات كبيراً أو عندما تحتوي الفئات على متغيرات فرعية معقدة يصعب حشرها في إطار بياني واحد دون إحداث فوضى بصرية مفرطة. يمكن للباحث التحكم المطلق في هندسة المصفوفة عبر تمرير خيارات تحديد عدد الصفوف rows(#) أو عدد الأعمدة cols(#) لضبط التوزيع المكاني بما يتوافق مع أبعاد الصفحة المطبوعة في البحث العلمي.

تمنح هذه اللوحات المتوازية الباحث إمكانية عزل كل مجموعة دراسية على حدة ومقارنة أنماطها التوزيعية العامة بنظرة شمولية موحدة.

6.2 ضبط مقاييس المحاور والمحاذاة في الرسوم المنفصلة

تتمثل إحدى أهم المزايا المنهجية لاستخدام خيار by() في ستاتا في التوحيد التلقائي لمقاييس المحاور الرأسية والأفقية عبر جميع اللوحات الفرعية؛ مما يمنع التحيز البصري والتفسيرات المضللة التي تنشأ عندما تنفرد كل لوحة بمقياس رسم خاص بها. ومع ذلك، يتيح البرنامج للباحث التحكم الدقيق في حجم العناصر البصرية والنصوص عبر خيار iscale() الذي يضبط مقياس الخطوط وأحجام الصناديق لمنع تقلصها المفرط عند زيادة عدد اللوحات.

بالإضافة إلى ذلك، يوفر الخيار المتقدم byopts() بيئة متكاملة لإدارة العناوين الإجمالية والملاحظات الهامشية التي تخدم كافة اللوحات معاً، فضلاً عن التحكم في ظهور أو إخفاء محاور كل لوحة داخلية لتقليل التكرار البصري غير المجدي (Redundant Axes).

يضمن هذا الضبط المحكم إنتاج لوحات بيانية متناسقة ومعايرة تلبي أدق متطلبات مجلات Nature ومجلات الجمعية الأمريكية لعلم النفس في العرض البياني المقارن.

7. التعامل المتقدم مع القيم الشاذة والمتطرفة (Outliers)

7.1 تعريف واكتشاف القيم الشاذة في خوارزمية ستاتا

تُعد معالجة القيم الشاذة والمتطرفة إحدى أكثر المسائل حساسية في الإحصاء التطبيقي، حيث يمكن لنقطة واحدة متطرفة أن تشوه المتوسط الحسابي وتؤدي إلى رفض خاطئ للفرضية الصفرية. يعتمد ستاتا في خوارزميته لإنشاء المخطط الصندوقي على قاعدة جون توكي الصارمة؛ حيث تُعرف القيمة الشاذة المعتدلة بأنها أي مشاهدة تتجاوز عتبة الربيع الثالث بمقدار 1.5 إلى 3 أضعاف المدى الربيعي، أو تقل عن الربيع الأول بنفس المقدار، بينما تُعرف المشاهدة التي تتجاوز حاجز 3 أضعاف المدى الربيعي بالقيمة المتطرفة الحادة (Extreme Outlier).

في المخطط الافتراضي لستاتا، تنتهي أطراف الصندوق (Whiskers) عند آخر قيمة تقع ضمن نطاق [Q1 – 1.5*IQR] و [Q3 + 1.5*IQR]، بينما تُرسم كافة القيم الواقعة خارج هذا النطاق تلقائياً كنقاط أو رموز هندسية مستقلة تطفو أعلى أو أسفل الأطراف.

تتيح هذه الآلية للباحث فرصة التعرف المباشر على وجود المشاهدات غير الطبيعية وتحديد مواقعها التوزيعية، مما يمهد الطريق لتدقيق سجلات الحالات المشبوهة والتأكد من طبيعتها قبل المضي قدماً في النمذجة الإحصائية المتقدمة.

7.2 تخصيص الرموز والأشكال الهندسية للقيم الشاذة

يوفر ستاتا مرونة استثنائية لتخصيص الهيئة البصرية للنقاط الشاذة لتسهيل تمييزها أو لفت الانتباه البحثي إليها، وذلك عبر مجموعة خيارات marker() ومكملاتها. يستطيع المحلل تغيير الرمز الهندسي للنقاط الشاذة إلى دوائر مفرغة، أو مربعات مصمتة، أو مثلثات، أو صلبان عبر المعامل msymbol()، كأن يحدد الرمز الكلاسيكي msymbol(Oh) لإنتاج حلقات دائرية أنيقة.

كما يمكن التحكم الكامل في أبعاد الرمز النقطي ولونه من خلال الخيارين msize() و mcolor()، مما يسمح بتلوين النقاط الشاذة باللون الأحمر أو الرمادي الخافت وفق متطلبات الإبراز البصري. وتصل قوة التخصيص في ستاتا إلى إمكانية كتابة رقم تعريف الحالة (ID) أو قيمة المتغير بجوار النقطة الشاذة مباشرة على الرسم البياني باستخدام خيار وسم النقاط mlabel(id_var).

تعد ميزة الوسم هذه أداة تشخيصية وسيكومترية بالغة القوة تتيح للباحث التعرف الفوري على هوية المشارك صاحب الاستجابة الشاذة دون الحاجة للعودة للبحث اليدوي المطول داخل مصفوفة البيانات.

7.3 إخفاء أو استبعاد القيم الشاذة بصرياً وإحصائياً

في بعض السياقات الخاصة بنشر التقارير الإدارية أو عندما يرغب الباحث في التركيز التام على بنية التوزيع المركزي دون تشتيت الانتباه بالقيم المتطرفة المعزولة، يوفر ستاتا الخيار البسيط nooutsides. عند إضافة هذا الخيار بعد الفاصلة، يقوم البرنامج بقمع وإخفاء كافة الرموز النقطية الواقعة خارج الأطراف، مع الإبقاء التام على الحسابات الرياضية للصندوق والأطراف كما هي دون أي تغيير في ملخص الأرقام الخمسة.

من الضروري هنا التمييز المنهجي الصارم بين الإخفاء البصري عبر nooutsides وبين الاستبعاد الإحصائي الحقيقي للقيم المتطرفة. فالأمانة العلمية تقتضي عدم إخفاء القيم الشاذة في البحوث الأكاديمية إلا إذا تم توضيح ذلك تفصيلاً في متن التقرير أو تم استبعاد الحالات وفق مبررات سيكومترية ومنهجية معلنة.

إذا رغب الباحث في استبعاد الحالات الشاذة حسابياً ورسمياً من أصل العينة، يتم ذلك برمجياً عبر استخدام الشروط المنطقية المسبقة مثل: graph box outcome_var if outcome_var < cutoff_value، مما يعيد حساب الربيعات والوسيط من جديد على العينة المنقحة حصراً.

8. تخصيص المظهر الجمالي والألوان والأنماط (Aesthetics & Styling)

8.1 تعديل ألوان وتعبئة الصناديق (Box Fill & Outline)

يُعد التنسيق اللوني والجمالي للمخططات الصندوقية عنصراً جوهرياً لرفع جودة الأوراق العلمية وضمان إيصال الرسالة البيانية بأعلى درجات الوضوح والاحترافية. يوفر ستاتا نظاماً دقيقاً للتحكم في خصائص كل صندوق بشكل مستقل عبر الخيار box(#, ...)، حيث يشير الرقم # إلى ترتيب الصندوق في الرسم البياني.

يمكن للباحث تخصيص لون تعبئة الصندوق الداخلي عبر المعامل color() أو fcolor() باختيار ألوان محددة مثل درجات الأزرق والرمادي المتوافقة مع الطباعة العلمية (مثل fcolor(navy%70) لتطبيق درجة من الشفافية بنسبة 70% لمنح الرسم مظهراً عصرياً جذاباً). كما يتيح البرنامج التحكم في لون وسمك ونمط خط الإطار الخارجي للصندوق عبر المعاملات lcolor() و lwidth() و lpattern()، مما يسمح بإنشاء إطارات داكنة ومصمتة تعزز تباين الصندوق مع خلفية الرسم.

يساعد هذا التنسيق اللوني المدروس في التمييز البصري السريع بين الفئات التجريبية المتعددة دون إجهاد لعين القارئ.

8.2 تخصيص خط الوسيط وخطوط الأطراف (Median & Whiskers)

يحظى خط الوسيط باهتمام بصري خاص لكونه نقطة الارتكاز المركزية التي تلتقطها عين القارئ أولاً. يتيح ستاتا تعديل مظهر الوسيط بالكامل من خلال الخيار medtype() وخيارات الخط المرافقة له؛ حيث يمكن تحويل الوسيط من خط ممتد تقليدي إلى علامات نقطية أو خطوط سميكة ملونة تتباين مع لون الصندوق الداخلي باستخدام التركيب البرمجي: medline(lcolor(cranberry) lwidth(medthick)).

وبالمثل، يمتلك المحلل السيطرة الكاملة على تصميم خطوط الأطراف (Whiskers) ونهاياتها العرضية. يتيح خيار cwhiskers إضافة خطوط أفقية متعامدة عند نهايات الأطراف العلوية والسفلية (T-bars)، وهي السمة المفضلة في العديد من الدوريات الطبية والبيولوجية الكلاسيكية.

كما يمكن ضبط سماكة خطوط الأطراف ولونها عبر خيارات lines(lcolor(gs6) lwidth(medium)) لضمان ظهورها بوضوح تام دون أن تطغى على بنية الصندوق الأساسية، مما يمنح المخطط توازناً هندسياً دقيقاً ومتقناً.

8.3 استخدام السمات الجاهزة (Graph Schemes)

تمثل السمات الجاهزة (Schemes) في ستاتا قوالب تنسيق شاملة تعيد ضبط كافة المعايير الجمالية الافتراضية للرسم (ألوان الخلفية، الخطوط، أحجام المحاور، المسافات البينية، ولوحات الألوان) بلمسة برمجية واحدة. يدعم ستاتا العديد من السمات الرسمية مثل السمة الكلاسيكية الملونة scheme(s2color)، وسمة مجلة ستاتا العلمية scheme(sj)، بالإضافة إلى السمة الأحادية scheme(mono) أو scheme(s1mono) المخصصة حصرياً للنشر المطبوع بالأبيض والأسود والتدرجات الرمادية الخالية من الألوان.

وقد أصبح من الشائع في الأوساط الأكاديمية استخدام سمات إضافية حديثة تم تطويرها لتطابق معايير المجلات المرموقة، مثل سمة cleanplots وسمة modern التي تحذف الخلفيات الرمادية غير الضرورية والشبكات المربكة، محققة توافقاً مثالياً مع متطلبات دليل APA Style.

يمكن للباحث تثبيت هذه السمة وتطبيقها عالمياً عبر الأمر set scheme cleanplots, permanently ليتم توليد كافة المخططات الصندوقية القادمة بمظهر أكاديمي ناصع وجاهز للطباعة والنشر الفوري.

9. تخصيص المحاور، العناوين، والتسميات التوضيحية (Axes, Titles & Labels)

9.1 إضافة وتنسيق العناوين الرئيسية والفرعية

يكتمل العمل البياني الاحترافي بالصياغة اللغوية والتنسيق البصري للعناوين والتعليقات المرافقة التي تشرح للقارئ سياق البيانات دون لبس. يمتلك ستاتا منظومة متكاملة لإضافة النصوص التوضيحية تشمل: العنوان الرئيسي title("...")، والعنوان الفرعي subtitle("...")، والحواشي السفلية note("...")، والتسميات الإيضاحية caption("...").

تتيح الخيارات المتقدمة الملحقة بالعناوين التحكم في حجم الخط عبر size()، والمحاذاة المكانية position() و ring()، وإضافة مساحات وهوامش تنفسية حول النصوص عبر margin(). يوصى أكاديمياً بأن يكون العنوان الرئيسي مركزاً ومباشراً يعكس طبيعة المتغير التابع، بينما يُخصص العنوان الفرعي لبيان مجموعات المقارنة وحجم العينة الكلي (N).

أما خيار الملاحظة note()، فيُمثل المكان المعياري لوضع التوضيحات المنهجية، مثل توضيح طريقة حساب الأطراف (1.5 IQR)، أو الإشارة إلى مستويات الدلالة الإحصائية، أو بيان مصادر تمويل البيانات، مما يضمن الاكتفاء الذاتي للرسم البياني وقابليته للفهم المستقل دون الرجوع الدائم لمتن النص.

9.2 التحكم الدقيق في خصائص المحاور (Axis Customization)

يخضع ضبط المحاور في المخططات الصندوقية لقواعد دقيقة تضمن عدم التشويه البصري للمقاييس الأصلية. يتيح ستاتا إعادة تعيين نطاق تدريج المحور الرأسي عبر الخيار yscale(range(min max)) وتحديد مواضع وأعداد القيم المكتوبة على المحور بدقة عبر خيار التسميات الرقمية ylabel(min(step)max)، كأن نحدد كتابة الدرجات من 0 إلى 100 بفاصل 10 درجات: ylabel(0(10)100, nogrid).

كما يمكن للباحث التحكم في مظهر واتجاه الأرقام على المحور الرأسي بجعلها أفقية تماماً لتسهيل القراءة عبر الخيار الفرعي angle(horizontal) أو angle(0)، فضلاً عن إضافة تسمية واضحة ومقننة للمحور نفسه تحدد اسم المتغير ووحدة القياس باستخدام ytitle("درجة مقياس القلق (0-100)").

توفر خيارات grid و nogrid إمكانية إظهار أو إخفاء خطوط الشبكة المرجعية الأفقية وضبط لونها وشفافيتها، مما يساعد العين على تتبع المحاذاة الدقيقة لخطوط الوسائط والربيعات عبر الفئات المتجاورة دون إحداث ازدحام بصري.

9.3 تعديل مفتاح الرسم (Legend Customization)

عند إنشاء مخططات صندوقية متعددة المتغيرات أو مقسمة عبر مستويات تصنيفية، يقوم ستاتا تلقائياً بتوليد مفتاح للرسم (Legend) لتوضيح دلالات الألوان والرموز. يمتلك المحلل سيطرة كاملة على تفعيل أو تعطيل هذا المفتاح؛ ففي حال كانت تسميات الفئات واضحة تماماً أسفل كل صندوق على المحور، يُفضل إخفاء المفتاح نهائياً لتوسيع مساحة الرسم عبر الأمر: legend(off).

أما إذا كان المفتاح ضرورياً لتفسير تصنيفات معقدة، فيمكن تخصيص هيكليته وترتيب عناصره عبر المعامل legend(order(1 "المجموعة التجريبية" 2 "المجموعة الضابطة"))، وتحديد عدد الصفوف والأعمدة التي ينتظم فيها عبر rows() أو cols().

كما يمكن تحديد موضع المفتاح الجغرافي سواء أسفل الرسم، أو أعلاه، أو نقله إلى داخل الفضاء الداخلي للرسم (داخل المساحة البيضاء الشاغرة) باستخدام الخيارات المتقدمة position() و ring(0)، مما يرفع الكثافة البيانية للرسم ويقلل من المساحات المهدورة.

10. تقنيات متقدمة: الأوزان، الشروط، والدمج البياني في ستاتا

10.1 تطبيق أوزان المعاينة (Sampling Weights) في المخططات

في المسوح السكانية والميدانية الكبرى في العلوم الاجتماعية والوبائية، نادراً ما تكون العينات ممثلة احتمالياً بتماثل تام دون الحاجة لتطبيق أوزان المعاينة التصميمية (Design Weights) لتصحيح نقص التمثيل أو التفاوت في احتمالات الاختيار. يدعم ستاتا إدماج الأوزان الإحصائية مباشرة في حسابات المخطط الصندوقي عبر تمرير خيارات الوزن المناسبة، مثل أوزان التكرار [fweight=var] للملاحظات المجمعة، وأوزان التحليل [aweight=var] للمسوحات المعايرة.

عند إدخال مصفوفة الأوزان، يعيد محرك ستاتا الحسابي تقدير قيم الوسيط والربيعات الخمسة بناءً على الكتلة الوزنية النسبية لكل مشاهدة، مما ينتج عنه مخطط صندوقي يعكس البنية الحقيقية للمجتمع الإحصائي المستهدف وليس مجرد خصائص العينة الخام غير الموزونة.

تُعد هذه الميزة عنصراً حاسماً للباحثين في مجالات الصحة العامة والعلوم السلوكية المعرفية التي تعتمد على بيانات المسوح القومية مثل مسوح NHANES أو بيانات البنك الدولي، حيث يضمن الوزن الإحصائي صدقاً خارجياً عالياً للتمثيل البياني.

10.2 استخدام الشروط المنطقية (if & in qualifiers)

تتميز لغة ستاتا بمرونة فائقة في تصفية وعزل البيانات من خلال الشروط المنطقية المباشرة (Qualifiers) التي تُلحق بأمر الرسم قبل خيارات التنسيق. يتيح الأمر: graph box outcome if age >= 18 & gender == 1 إنشاء مخطط صندوقي يقتصر حصراً على فئة البالغين من الذكور دون التأثير على مجموعة البيانات المخزنة في الذاكرة.

يمكن دمج شروط منطقية متعددة وبالغة التعقيد باستخدام الروابط البوليانية مثل المعامل “و” (&)، والمعامل “أو” (|)، ومعامل النفي واللاتساوي (!=). كما يمكن استخدام القيد in #/# لتطبيق الرسم على نطاق محدد من أرقام أسطر المشاهدات.

تمنح هذه الشروط المنطقية الباحث قدرة استكشافية سريعة ومثالية لإجراء تحليلات الحساسية (Sensitivity Analyses) وفحص ما إذا كانت الفروق التوزيعية بين المجموعات تظل صامدة عند عزل فئات عمرية محددة أو استبعاد شرائح دخل معينة، وكل ذلك دون الحاجة لإنشاء ملفات بيانات فرعية جديدة ترهق بيئة العمل.

10.3 دمج وتراكب المخططات باستخدام أمر graph combine

عند الرغبة في بناء لوحات نشر معقدة تضم مخططات صندوقية ومدرجات تكرارية أو مقارنة مخططات صندوقية لمتغيرات متباينة المقاييس يصعب دمجها في أمر واحد، يأتي الدور الجوهري لأمر الدمج المتقدم graph combine. تبدأ العملية بإنشاء المخططات الفردية وتخزينها في الذاكرة النشطة للبرنامج باستخدام خيار التسمية المؤقتة name(graph_name, replace).

عقب توليد كافة المخططات المطلوبة وتخزينها، يتم استدعاء أمر التجميع الشامل وفق النمط: graph combine box1 box2 box3, cols(3) ycommon. يقوم هذا الأمر بمحاذاة المخططات جنباً إلى جنب في لوحة موحدة ومتماسكة، مع توفير خيار ycommon لتوحيد مقياس المحور الرأسي بينها إذا كانت تشترك في نفس وحدة القياس.

تتيح هذه التقنية الاحترافية للباحث تكوين أشكال النشر المركبة (Multi-panel Figures) المصنفة بـ (A, B, C) المتوافقة مع أحدث إرشادات النشر في الدوريات العالمية رفيعة التأثير.

11. تحليل وتفسير دراسة حالة تطبيقية في العلوم السلوكية والنفسية

11.1 وصف مجموعة البيانات النفسية وفرضيات التحليل

لتطبيق المفاهيم والتقنيات البرمجية السابقة في سياق واقعي، سنفترض دراسة إكلينيكية تجريبية أُجريت على عينة من المرضى النفسيين قوامها 200 مشارك، تهدف إلى مقارنة فاعلية ثلاثة بروتوكولات علاجية مختلفة في خفض أعراض اضطراب القلق العام: (1) العلاج السلوكي المعرفي التقليدي (CBT)، (2) العلاج بالقبول والالتزام (ACT)، (3) مجموعة المراقبة على قائمة الانتظار (Control).

يُمثل المتغير التابع الرئيسي المستمر درجة مقياس بيك للقلق (Beck Anxiety Inventory – BAI) المقاسة بعد 12 أسبوعاً من التدخل، وتتراوح درجاته من 0 إلى 63. أما المتغيرات المستقلة فتتمثل في نوع التدخل العلاجي (متغير فئوي بثلاثة مستويات) والنوع الاجتماعي للمشارك (ذكور / إناث). تسعى الفرضيات الإحصائية البصرية إلى استكشاف:

• ما إذا كان التدخلان النشطان (CBT و ACT) يحققان انخفاضاً جوهرياً في وسيط درجات القلق مقارنة بقائمة الانتظار.
• ما إذا كان تباين الاستجابات (المدى الربيعي) يختلف باختلاف نوع العلاج.
• ما إذا كانت هناك أنماط التواء أو قيم شاذة حادة تشير إلى حالات مقاومة للعلاج السلوكي.

11.2 التطبيق البرمجي التدريجي لبناء المخطط الصندوقي المكتمل

لبناء التمثيل البياني النهائي المتوافق مع معايير النشر الأكاديمي، نكتب كود ستاتا المجمع في ملف الأوامر ليشمل كافة مراحل التحسين الجمالي، وضبط المحاور، والفرز الهرمي كالتالي:

يبدأ الكود باستدعاء الأمر graph box bai_score, over(gender) over(treatment_group, sort(1)) لتقسيم درجات القلق حسب الجنس داخل كل مجموعة علاجية مع فرز المجموعات تصاعدياً بحسب وسيط القلق الإجمالي. يتبعه تخصيص جمالي متقدم عبر الخيارات: box(1, fcolor(navy%80) lcolor(navy)) box(2, fcolor(maroon%80) lcolor(maroon)) لتمييز الذكور عن الإناث بتباين لوني احترافي.

تُضاف خيارات ضبط الوسيط والأطراف عبر medline(lcolor(black) lwidth(medthick)) cwhiskers، مع تخصيص النقاط الشاذة لتظهر كدوائر صغيرة واضحة marker(1, msymbol(Oh) msize(small) mcolor(navy)). وتكتمل البنية بضبط العناوين وتدرجات المحور من خلال:

ytitle("درجات مقياس بيك للقلق (BAI)") ylabel(0(10)60, angle(0) nogrid) title("توزيع درجات القلق البعدية عبر مجموعات التدخل العلاجي والنوع") subtitle("مقارنة تجريبية بعد 12 أسبوعاً من العلاج (N=200)") note("الأطراف تمثل 1.5 * المدى الربيعي؛ الدوائر تمثل الحالات الشاذة") legend(order(1 "ذكور" 2 "إناث") position(6) rows(1)) scheme(s1mono)

11.3 كتابة التقرير الإحصائي وتفسير النتائج بصرياً

عند صياغة التقرير الإحصائي وفق دليل APA Style (الإصدار السابع)، يُربط التمثيل البصري للمخطط الصندوقي بالأدلة الرقمية والاستدلالية. يوضح المخطط انخفاضاً بصرياً حاداً في وسيط درجات القلق لدى مجموعتي العلاج المعرفي السلوكي (الوسيط = 14، IQR = 8) ومجموعة القبول والالتزام (الوسيط = 16، IQR = 9) مقارنة بمجموعة الانتظار (الوسيط = 38، IQR = 15).

كما يُظهر المخطط ضيق المدى الربيعي في المجموعتين التجريبيتين، مما يعكس تجانساً عالياً في استجابة المرضى للبروتوكولات السلوكية، في حين يمتد الصندوق والطرف العلوي لمجموعة الانتظار على نطاق واسع يشير إلى تشتت حاد والتواء موجب في الأعراض غير المعالجة.

وعلى صعيد تشخيص الحالات الشاذة، رصد المخطط وجود حالتين متطرفتين في مجموعة العلاج المعرفي السلوكي تجاوزت درجاتهما 35 نقطة؛ مما يشير سيكومترياً إلى وجود حالات مقاومة للتدخل تستدعي إعادة التقييم الإكلينيكي المستقل. يدعم هذا التفسير البصري الشامل نتائج اختبار تحليل التباين غير المعلمي (Kruskal-Wallis Test) مؤكداً فاعلية التدخلات العلاجية بدقة إحصائية ورؤية استكشافية متعمقة.

12. تصدير المخططات الصندوقية وأفضل الممارسات للنشر الأكاديمي

12.1 حفظ وتصدير الرسوم بصيغ رقمية ونقطية متعددة

عقب الانتهاء من تصميم وبرمجة المخطط الصندوقي داخل ستاتا، تأتي الخطوة الحاسمة المتمثلة في تصدير الرسم البياني بالصيغة والدقة الملائمة لمتطلبات دور النشر العالمية (مثل Elsevier وSpringer وWiley). يوفر ستاتا الأمر المخصص graph export لتنفيذ عملية التصدير بدقة بالغة وبخيارات متنوعة.

تنقسم صيغ التصدير إلى نوعين رئيسيين: الصيغ المتجهة (Vector Formats) مثل EPS (Encapsulated PostScript) و PDF و SVG، وهي الصيغ المعيارية المفضلة للمجلات المطبوعة؛ حيث تحتفظ الرسوم بحدتها اللانهائية وجودتها الهندسية دون أي بكسلة مهما تم تكبيرها، ويتم تصديرها عبر الأمر: graph export "figure1.eps", as(eps) preview(on) replace.

أما النوع الثاني فهو الصور النقطية (Raster Formats) مثل TIFF و PNG، وتُستخدم للتقارير الرقمية والمجلات التي تشترط تسليم الصور بدقة محددة. عند التصدير بصيغة TIFF أو PNG، يجب إلزام ستاتا بإنتاج دقة طباعية لا تقل عن 300 إلى 600 نقطة في البوصة (DPI) عبر المعامل width() أو خيارات وضوح الطباعة، مع ضبط نسبة العرض إلى الارتفاع (Aspect Ratio) بما يتناسب مع نظام الأعمدة الفردية أو المزدوجة في المجلة العلمية المستهدفة.

12.2 أفضل الممارسات المنهجية لإعداد الرسوم للنشر في المجلات العلمية

يخضع التصميم البياني العلمي المتقدم لمبادئ صارمة تهدف إلى تعظيم الكثافة البيانية المفيدة وخفض ما أسماه المنظر الشهير إدوارد تفت (Edward Tufte) بـ “حشو الرسم” (Chart Junk). يتمثل المبدأ الأول في ضمان إمكانية قراءة الرسم وتمييز عناصره بالكامل في حال طباعته بالأبيض والأسود؛ وذلك عبر تجنب الاعتماد الحصري على تباين الألوان الخفيفة واستخدام أنماط التهشير أو الرموز المتمايزة والخطوط الواضحة.

كما يُنصح بالابتعاد التام عن التأثيرات ثلاثية الأبعاد (3D Effects) والظلال غير المبررة وخلفيات الشبكات الكثيفة المشتتة للذهن. يجب أن تكون الخطوط المستخدمة في العناوين والمحاور من عائلة الخطوط القياسية واضحة المقروئية مثل Arial أو Helvetica أو Times New Roman وبأحجام متناسقة تتراوح بين 8 إلى 12 نقطة عند تقليص الرسم لحجم العمود النهائي.

وأخيراً، يجب أن يتكامل المخطط الصندوقي عضوياً مع الجداول الإحصائية ومتن البحث؛ بحيث لا يكرر الرسم الأرقام المذكورة في الجداول بل يقدم قيمة مضافة تسلط الضوء على الأنماط التوزيعية العامة والشذوذات التي تعجز الجداول الرقمية الصماء عن إبرازها بوضوح.

12.3 استكشاف الأخطاء الشائعة في ستاتا وتصحيحها (Troubleshooting)

أثناء بناء وتعديل المخططات الصندوقية المعقدة في ستاتا، قد يواجه الباحث بعض الأخطاء البرمجية الشائعة. من أبرز هذه المشكلات ظهور رسالة الخطأ النحوي الشهيرة option over() not allowed أو تعارض الخيارات؛ والتي تنجم غالباً عن وضع الفاصلة في غير موضعها الصحيح أو محاولة استخدام خيارات خاصة بمخططات السلاسل الزمنية أو المخططات النقطية مع أمر graph box، ويُحل ذلك بالرجوع للدليل البرمجي المدمج عبر كتابة help graph box.

تتمثل مشكلة شائعة أخرى في التعامل مع النصوص العربية في العناوين والتسميات؛ حيث قد تظهر الحروف مقطعة أو معكوسة في بعض إصدارات ستاتا القديمة. يُعالج هذا الإشكال إما بالترقية إلى إصدارات ستاتا الحديثة (Stata 14 فما فوق) التي تدعم ترميز يونيكود (Unicode) بالكامل عبر الأمر unicode encoding set utf-8، أو كتابة التسميات التوضيحية باللغة الإنجليزية وتوليف العناوين العربية لاحقاً في برامج معالجة الوثائق مثل LaTeX أو Word.

وعند التعامل مع مجموعات البيانات الضخمة (Big Data) التي تحتوي على ملايين المشاهدات وتؤدي لبطء استجابة محرك الرسم، يُنصح بسحب عينة عشوائية ممثلة عبر الأمر sample لإنتاج الرسم الاستكشافي بسرعة وكفاءة عالية دون التأثير على معالم التوزيع الإحصائي الأصلي.

خاتمة

تمثل المخططات الصندوقية (Box Plots) إحدى أكثر الأدوات البصرية والتحليلية كفاءة ورصانة في الإحصاء التطبيقي والبحث العلمي المعاصر. ومن خلال قدرتها الفريدة على تلخيص معالم التوزيع الاحتمالي بدقة، وعزل القيم الشاذة، وتقديم مقارنات بصرية فورية ومتجانسة بين المجموعات التجريبية، تظل هذه الأداة الخيار المفضل للباحثين الساعين إلى فهم معمق لبياناتهم يتجاوز المقاييس الوصفية الكلاسيكية.

يقدم برنامج ستاتا (Stata) منظومة برمجية متطورة تمنح الباحث تحكماً شاملاً في كل تفاصيل المخطط الصندوقي، بدءاً من الأوامر الأساسية الرأسية والأفقية، مروراً بخيارات التصنيف المتعدد والمعقد، وصولاً إلى أدق التفاصيل الجمالية وتصدير الرسوم بجودة نشر فائقة. إن إتقان هذه المهارات البرمجية والتحليلية يمثل خطوة أساسية لكل باحث يسعى للارتقاء بجودة دراساته ونشر أبحاثه في المجلات العلمية المحكمة عالمياً.

References

• American Psychological Association. (2020). Publication Manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cleveland, W. S. (1993). Visualizing Data. Hobart Press.
• Cox, N. J. (2009). Speaking Stata: Creating and varying box plots. The Stata Journal, 9(3), 478-496. https://doi.org/10.1177/1536867X0900900308
• Mitchell, M. N. (2012). A Visual Guide to Stata Graphics (3rd ed.). Stata Press.
• StataCorp. (2023). Stata Graphics Reference Manual: Release 18. Stata Press. https://www.stata.com/manuals/g.pdf
• Tufte, E. R. (2001). The Visual Display of Quantitative Information (2nd ed.). Graphics Press.
• Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley.
• Wickham, H., & Stryjewski, L. (2011). 40 years of boxplots. Technical Report, Hadley Wickham. http://had.co.nz/stat645/project-03.pdf