كيفية إنشاء المدرجات التكرارية في SPSS

يُمثّل التحليل الاستكشافي للبيانات (Exploratory Data Analysis – EDA) حجر الزاوية في أي بحث علمي رصين، حيث يُتيح للباحثين والمحللين فحص بنية البيانات وخصائصها التوزيعية قبل الشروع في تطبيق النماذج الإحصائية المتقدمة. وفي إطار العلوم السلوكية، والاجتماعية، والنفسية، والطبية، تُعد الرسوم البيانية الوسيلة الأكثر فاعلية لتحويل الأرقام المجردة إلى أنماط بصرية قابلة للفهم والتفسير الدقيق. ومن بين هذه الأدوات البصرية المتعددة، يبرز المدرج التكراري (Histogram) بوصفه الأداة الإحصائية الأساسية والأكثر استخداماً لتقييم شكل توزيع المتغيرات الكمية المستمرة، والوقوف على مدى ملاءمتها للاختبارات الإحصائية المعلمية واللامعلمية.

يُعتبر برنامج الحزم الإحصائية للعلوم الاجتماعية (IBM SPSS Statistics) من أقوى المنصات البرمجية الرائدة في هذا المجال؛ إذ يوفر بيئة برمجية متكاملة تتيح للمستخدمين توليد المدرجات التكرارية وتخصيصها بدقة متناهية عبر مسارات متعددة، سواء من خلال منشئ المخططات البيانية الحديث (Chart Builder)، أو عبر واجهات الحوار الكلاسيكية (Legacy Dialogs)، أو من خلال دمجها المباشر في إجراءات التحليل الوصفي والاستكشافي المتقدمة (Frequencies and Explore Procedures). إن فهم آليات بناء هذه المخططات وضبط معلماتها الرياضية يُمكّن الباحث من تجنب الوقوع في استنتاجات مضللة قد تنشأ عن القراءة السطحية للبيانات.

يهدف هذا الدليل الشامل والمفصل إلى تزويد الباحثين، وطلبة الدراسات العليا، والمحللين الإحصائيين بدليل تطبيقي شامل لإنشاء، وتعديل، وتفسير المدرجات التكرارية داخل برنامج SPSS. سنتناول بالتفصيل الفروق الدقيقة بين المدرج التكراري والمخططات البيانية الأخرى، والخطوات الإجرائية لإعداد مجموعات البيانات وتنظيفها، وتقنيات التحكم في اتساع الفئات ونقاط الارتكاز، وصولاً إلى تركيب منحنيات التوزيع الطبيعي، والمقارنة البصرية بين المجموعات الفرعية، وتوثيق النتائج وفق المعايير الأكاديمية الدولية المعتمدة من جمعية علم النفس الأمريكية (APA Style).

1. مقدمة شاملة عن المدرج التكراري وأهميته في التحليل الإحصائي والنفسي

1.1 مفهوم المدرج التكراري في علم الإحصاء

يُعرَّف المدرج التكراري في علم الإحصاء الرياضي بأنه تمثيل بياني ثنائي الأبعاد يُستخدم لعرض التوزيع التكراري لمجموعة من البيانات الكمية المتصلة أو المستمرة (Continuous Quantitative Data). على خلاف الجداول التكرارية البسيطة التي قد تصبح غير عملية عند التعامل مع أعداد هائلة من المشاهدات والدرجات الفردية، يعمل المدرج التكراري على تقسيم المدى الكلي للبيانات إلى فئات متتالية وغير متداخلة تُعرف باسم “الحاويات” أو المجالات الرقمية (Bins or Class Intervals). وتُرسم فوق كل فئة أعمدة مستطيلة متراصة رأسياً يعبر ارتفاعها – ومساحتها الكلية – عن التكرار المطلق (Absolute Frequency) أو التكرار النسبي (Relative Density) للمشاهدات التي تقع ضمن حدود ذلك المجال.

تكمن الأهمية الجوهرية للمدرج التكراري في مبدأ “المساحة تمثل التكرار”؛ حيث إن المساحة الإجمالية لجميع المستطيلات تمثل الحجم الكلي للعينة المدروسة ($N$). يتيح هذا التمثيل الهندسي تلخيص مجموعات البيانات الضخمة (Big Datasets) واختزال آلاف المشاهدات في صورة نمطية واحدة توضح على الفور أين تتركز البيانات، ومدى تشتتها وانتشارها حول القيمة المركزية، وما إذا كانت هناك فجوات أو انقطاعات في السلسلة العددية، مما يجعله أداة بصرية حاسمة في مرحلة الفحص الأولي للبيانات قبل اتخاذ أي قرارات تحليلية متقدمة.

1.2 أهمية المدرجات التكرارية في البحوث النفسية والسلوكية

تحتل المدرجات التكرارية مكانة مركزية في الدراسات السلوكية والنفسية وعلم القياس النفسي (Psychometrics)؛ حيث تعتمد معظم المقاييس والاختبارات النفسية على جمع درجات كلية تفترض وجود توزيع طبيعي (Normal Distribution) للسمات الإنسانية مثل الذكاء، والقلق، وتقدير الذات، والدافعية للإنجاز. يُتيح المدرج التكراري للباحث النفسي فحص هذا الافتراض بصرياً بصورة فورية، وتحديد ما إذا كانت درجات المفحوصين تتبع شكل الجرس المتماثل، أم أنها تعاني من انحرافات واضحة تشير إلى وجود ظواهر سلوكية خاصة داخل العينة المبحوثة.

بالإضافة إلى ذلك، يلعب المدرج التكراري دوراً وقائياً في الكشف الأولي عن مؤشرات الالتواء (Skewness) والتفرطح (Kurtosis) في سمات الشخصية، مما يُنبه الباحث إلى ضرورة الحذر عند تفسير الفروق الفردية. كما يُعد وسيلة بصرية بالغة الفاعلية لرصد القيم الشاذة والمتطرفة (Outliers) الناتجة عن استجابات غير دقيقة أو أخطاء في تعبئة الاستبانات، والتي من شأنها إفساد التحليلات الاستدلالية إذا لم يتم التعامل معها مسبقاً. وبناءً على هذا التقييم البصري الأولي، يتخذ الباحث قراره المنهجي بشأن مدى ملاءمة البيانات لتطبيق الاختبارات المعلمية (Parametric Tests) مثل اختبار $t$ وتحليل التباين (ANOVA)، أو التحول نحو البدائل اللامعلمية المقاومة للانحرافات التوزيعية.

1.3 متطلبات البيانات لإنشاء المدرج التكراري في SPSS

لكي يُنتج برنامج SPSS مدرجاً تكرارياً ذا دلالة إحصائية صحيحة، يجب أن تستوفي البيانات المدخلة شروطاً محددة من حيث مستوى القياس وبنية المتغير. الشرط الأساسي هو أن يكون المتغير المراد تمثيله مقاساً على مستوى فتري (Interval Scale) أو نسبي (Ratio Scale)، والتي يُشار إليها داخل برنامج SPSS مجتمعة بمستوى القياس الكمي (Scale). لا يصح رياضياً إنشاء مدرج تكراري لمتغيرات نوعية اسمية (Nominal) مثل الجنس أو التخصص الأكاديمي، لأن المسافات بين الفئات الاسمية تفتقر إلى المعنى الرياضي والترتيبي المستمر.

كذلك يؤثر حجم العينة الإحصائية تأثيراً مباشراً على موثوقية وشكل المدرج التكراري؛ فالعينات الصغيرة جداً (أقل من 30 حالة) قد تُظهر توزيعات متقطعة وغير مستقرة بصرياً تجعل من الصعب الحكم على النمط التوزيعي الحقيقي للمجتمع الأصلي، بينما توفر العينات الكبيرة (100 حالة فما فوق) استقراراً هندسياً يتيح للمدرج تمثيل الكثافة الاحتمالية بدقة عالية. علاوة على ذلك، يجب معالجة القيم المفقودة (Missing Values) وتحديد رموزها بشكل صحيح داخل مصفوفة البيانات قبل الرسم، لضمان عدم احتساب تلك الرموز كدرجات فعلية تؤدي إلى تمديد المحور الأفقي بصورة خاطئة وتشويه المظهر العام للمدرج.

2. الفرق الجوهري بين المدرج التكراري والمخطط الشريطي

2.1 المقارنة من حيث طبيعة المتغيرات ومستويات القياس

يقع الكثير من الباحثين المبتدئين في خلط منهجي بين المدرج التكراري (Histogram) والمخطط الشريطي (Bar Chart)، على الرغم من الاختلاف الجذري في فلسفة وطبيعة المتغيرات التي يمثلها كل منهما. يُستخدم المخطط الشريطي حصراً لتمثيل المتغيرات النوعية المنفصلة؛ سواء كانت اسمية (Nominal) لا تخضع لترتيب منطقي مثل فئات الدم والجنسيات، أو ترتيبية (Ordinal) تعبر عن رتب ذات دلالة تتابعية دون مسافات متساوية مثل المستويات التعليمية أو الرتب العسكرية. في المقابل، يُخصص المدرج التكراري بالكامل للمتغيرات الكمية المقاسة على مقياس كمي مستمر (Continuous Scale) حيث تحمل الأرقام قيماً رياضية ومسافات حقيقية قابلة للقياس والتجزئة الدقيقة.

ينعكس هذا الاختلاف المفاهيمي مباشرة على الدلالة التفسيرية للمحور الأفقي ($X$-axis)؛ ففي المخطط الشريطي يمثل المحور الأفقي تسميات نوعية منفصلة ومستقلة تماماً بذاتها، ولا يوجد أي معنى رياضي للمسافة الفاصلة بين فئة وأخرى. أما في المدرج التكراري، فإن المحور الأفقي يُمثل خط أعداد رياضياً مستمراً وغير منقطع (Continuous Number Line)، حيث يتم تقسيم هذا الخط إلى فترات عددية متصلة تعكس التسلسل العددي الحقيقي للدرجات وتدرجها الطبيعي من القيمة الصغرى إلى القيمة الكبرى.

2.2 الفروق الهيكلية والمسافات البينية

من الناحية الهيكلية والبصرية، تظهر الفروق بوضوح في طريقة رسم وتنسيق الأعمدة بين المخططين. تتميز المدرجات التكرارية بتلاصق أعمدتها الرأسية تلاصقاً تاماً دون وجود أي فراغات أو مسافات بينية (No Gaps Between Bars)، ويحمل هذا التلاصق دلالة إحصائية عميقة تُشير إلى الاستمرارية الرياضية للمتغير المقاس، حيث تُمثل النقطة التي تنتهي عندها فئة معينة هي ذاتها النقطة التي تبدأ منها الفئة التالية مباشرة على خط الأعداد، ما لم تكن هناك فئة خالية تماماً من التكرارات داخل عينة الدراسة.

على النقيض من ذلك، تتميز المخططات الشريطية بوجود مسافات فراغية واضحة ومقصودة تفصل بين شريط وآخر (Distinct Gaps Between Bars). تهدف هذه المسافات البصرية إلى التأكيد للمشاهد على أن الفئات مستقلة وغير متصلة، وأنه لا يوجد تدفق كمي مستمر بين فئة وأخرى. علاوة على ذلك، فإن عرض الشريط في المخطط الشريطي هو مجرد عنصر جمالي اعتباطي لا يحمل أي وزن إحصائي، بينما يُعد عرض الفئة (Bin Width) في المدرج التكراري متغيراً رياضياً مؤثراً يؤدي تغييره إلى إعادة تشكيل المساحات والكثافات التكرارية للمخطط بالكامل.

2.3 أخطاء شائعة في التمييز بين الأسلوبين في الأبحاث

تتكرر في الأبحاث المنشورة ورسائل الماجستير والدكتوراه مجموعة من الأخطاء المنهجية الشائعة نتيجة عدم إدراك الفروق السابقة. من أبرز هذه الأخطاء قيام بعض الباحثين بتمثيل بيانات مقاييس ليكرت الخماسية أو السباعية (Likert Scales) الفردية كمدرجات تكرارية متصلة دون مبرر منهجي؛ حيث تُعد الاستجابة الفردية على بند ليكرت متغيراً ترتيبياً منفصلاً يتطلب مخططاً شريطياً، ما لم يتم دمج البنود وحساب الدرجة الكلية المركبة للمقياس والتي يمكن معاملتها عندئذ كمتغير كمي مستمر يسمح باستخدام المدرج التكراري.

كذلك يقع البعض في خطأ إزالة الفراغات يدوياً من المخطط الشريطي ليبدو كمدرج تكراري، أو إدخال مسافات فاصلة بين أعمدة المدرج التكراري، مما يُعطي انطباعاً مضللاً بأن المتغير الكمي يتكون من فئات منفصلة. يؤدي هذا الخلط البصري إلى تشويش المحكمين والقراء حول طبيعة البيانات المستخدمة، وقد يترتب عليه اتخاذ قرارات إحصائية خاطئة بشأن فحص الفروض وتطبيق النماذج الرياضية، مما يستوجب الالتزام بالمعايير البصرية الصارمة المعتمدة في المراجع الإحصائية المتخصصة مثل Quick-R Statistical Guidelines وأدلة النشر الدولية.

3. إعداد وتجهيز البيانات في برنامج SPSS قبل الرسم

3.1 ضبط خصائص المتغير في نافذة Variable View

تبدأ المعالجة الإحصائية الدقيقة لإنشاء المدرج التكراري داخل بيئة SPSS من نافذة تعريف المتغيرات (Variable View)، حيث يتعين على الباحث تهيئة الحقول الوصفية لضمان دقة الرسم وموثوقية النتائج. الخطوة الأولى والأهم هي فحص عمود مستوى القياس (Measure) والتأكد من ضبط المتغير المستهدف على خيار Scale بدلاً من Nominal أو Ordinal. يؤدي الإخفاق في تحديد مستوى القياس إلى منع أدوات الرسوم البيانية التلقائية في SPSS (مثل Chart Builder) من السماح بسحب المتغير كمتغير كمي متصل على المحور الأفقي.

علاوة على ذلك، ينبغي صياغة مسميات المتغيرات بوضوح في عمود المسميات (Label)؛ إذ يعتمد SPSS تلقائياً على هذا الحقل لكتابة العنوان التوضيحي للمحور الأفقي في الرسم النهائي بدلاً من الاعتماد على الاسم المختصر للمتغير (Name). كما يجب تعريف القيم المفقودة من خلال عمود (Missing Values)، وتحديد الأكواد الرقمية المخصصة للاستجابات الغائبة (مثل 999 أو -99)، وذلك لضمان قيام البرنامج باستبعاد هذه القيم تلقائياً من التمثيل التكراري، وتجنب ظهورها كأعمدة شاذة في أقصى أطراف الرسم البياني.

3.2 فحص البيانات في نافذة Data View

بعد اكتمال ضبط الخصائص في شاشة المتغيرات، يجب الانتقال إلى شاشة عرض البيانات (Data View) لإجراء فحص وتدقيق يدوي وبرمجي للمدخلات العددية. يتضمن هذا الفحص التحقق من صحة الإدخال وخلو الأعمدة من الأخطاء الطباعية الفادحة، مثل إدخال فاصلة عشرية خاطئة أو أرقام سالبة في مقاييس لا تقبل إلا القيم الموجبة (كالسن أو زمن الرجع). تظهر هذه الأخطاء بوضوح عند إنشاء المدرج التكراري على شكل تشتت غير مبرر في نطاق المحور الأفقي.

يجب التأكد التام من عدم وجود قيم نصية (String Characters) أو مسافات فارغة غير معرفة تم إدخالها بطريق الخطأ داخل العمود الرقمي المستهدف؛ حيث تؤدي هذه الشوائب النصية إلى تحويل طبيعة قراءة البرنامج للعمود كمتغير نصي مما يعطل توليد المدرج التكراري بالكامل. يُنصح دائماً بمراجعة النطاق الإجمالي للدرجات ومطابقته للحدود النظرية المعتمدة للمقياس النفسي أو السلوكي المطبق (مثلاً: التحقق من أن جميع الدرجات تقع حصراً بين الحد الأدنى 0 والحد الأقصى 100) لضمان اتساق البيانات المنفذة.

3.3 تنظيف البيانات وترشيح العينات

تتطلب الممارسة البحثية المتقدمة تنظيف ملف البيانات وترشيح الحالات غير المؤهلة قبل الشروع في توليد الرسوم التكرارية. في حال رغبة الباحث في دراسة توزيع المتغير لدى فئة فرعية محددة من العينة (مثل فحص توزيع درجات الاكتئاب لدى الإناث فقط، أو لدى فئة عمرية معينة)، يجب استخدام أمر ترشيح الحالات من القائمة الرئيسية: Data > Select Cases، وتحديد الشرط المنطقي المناسب باستخدام الأوامر الشرطية (If Condition).

كما تشمل مرحلة التنظيف التخلص من الحالات المكررة غير المرغوب فيها (Duplicate Cases) الناتجة عن أخطاء تجميع الاستبانات الإلكترونية، والتحقق من حجم العينة الفعلي الصافي ($N$) الذي سيتم إدراجه في المخطط البياني. من الضروري توثيق وتدوين عدد الحالات المستبعدة وأسباب استبعادها في سجل البحث المنهجي، وذلك لضمان الشفافية الإحصائية وإمكانية تكرار التجربة، ولتوفير قراءة دقيقة للشكل البياني الناتج تتطابق كلياً مع الجداول الإحصائية الملحقة في متن التقرير العلمي.

4. إنشاء المدرج التكراري عبر أداة منشئ المخططات Chart Builder

4.1 الوصول إلى أداة Chart Builder وضبط الإعدادات الأولية

تُعد أداة منشئ المخططات (Chart Builder) في برنامج SPSS البيئة الرسومية الأحدث والأكثر مرونة لإنشاء وتطوير مختلف أشكال الرسوم البيانية التفاعلية. للوصول إلى هذه الأداة المتطورة، يتوجه المستخدم إلى القائمة العلوية للبرنامج ويختار: Graphs ثم ينقر على Chart Builder. عند فتح الأداة للمرة الأولى، قد يُظهر البرنامج نافذة تحذيرية تطلب التحقق من ضبط مستويات القياس للمتغيرات بصورة صحيحة، ويتم النقر على زر الموافقة لمتابعة العمل في واجهة البناء المرئي.

تنقسم واجهة Chart Builder إلى عدة أقسام رئيسية؛ حيث تظهر قائمة المتغيرات على الجانب الأيسر، بينما يحتوي الجزء السفلي على معرض المخططات (Gallery) المصنف وفقاً للأنواع البيانية المختلفة. يقوم الباحث بالنقر على فئة Histogram من القائمة السفلية، فتظهر أمامه مجموعة من النماذج الفرعية للمدرجات التكرارية، بما في ذلك المدرج التكراري البسيط (Simple Histogram)، والمدرج المكدس (Stacked Histogram)، والمدرج المقسم إلى مصفوفات (Frequency Polygon)، مما يوفر خيارات واسعة تتناسب مع تعقيد التصميم البحثي.

4.2 خطوات سحب وإفلات العناصر وتحديد المتغيرات

لتوليد مدرج تكراري بسيط، يقوم الباحث بالضغط المستمر بالفأرة على أيقونة Simple Histogram (وهي الأيقونة الأولى في معرض المدرجات) وسحبها ثم إفلاتها داخل نافذة المعاينة الكبرى (Canvas) الواقعة في الجزء الأوسط العلوي من الشاشة. بمجرد إفلات النموذج، ستتحول منطقة المعاينة إلى هيكل تخطيطي تفاعلي يوضح المحورين الأفقي والرأسي والمساحة المخصصة لرسم الأعمدة التكرارية الافتراضية.

في الخطوة التالية، يتوجه الباحث إلى قائمة المتغيرات (Variables) على اليسار، ويقوم بسحب المتغير الكمي المراد تمثيله (مثل درجات اختبار القلق العام) وإفلاته بدقة داخل المربع المخصص للمحور الأفقي المسمى X-Axis?. يقوم نظام SPSS تلقائياً بالتعرف على طبيعة المتغير وتعيين المحور الرأسي (Y-Axis) ليمثل التكرار العددي للحالات (Count). يتيح هذا النظام المرئي معاينة تقريبية وسريعة لشكل المخطط قبل إصداره الفعلي، مع إمكانية تعديل خصائص العناصر من لوحة (Element Properties) المجاورة.

4.3 تأكيد الإجراء واستعراض المخرجات الأولية

بعد التأكد من وضع المتغير الكمي على المحور الصحيح، يتم الضغط على زر OK في أسفل نافذة Chart Builder لتنفيذ الأمر البرمجي. يقوم محرك الرسوم في SPSS بمعالجة البيانات فورياً ونقل المستخدم إلى نافذة عارض المخرجات (SPSS Statistics Viewer)، حيث يظهر المدرج التكراري بأبعاده التلقائية الأولية معنوناً باسم المتغير، وموضحاً تكرار كل فئة عبر الارتفاع الرأسي للأعمدة المتراصة.

يتعين على الباحث في هذه المرحلة إجراء تحقق مبدئي من المخرج البياني الظاهر في شاشة Viewer؛ ويتضمن ذلك مطابقة عدد الحالات الإجمالي المعروض على الرسم ($N$) مع حجم العينة الأصلي للتأكد من عدم وجود استبعادات غير محسوبة للحالات، والاطلاع على الحد الأدنى والأعلى للأرقام على المحور الأفقي للتحقق من عدم وجود قيم متطرفة مجهولة. يُشكل هذا الرسم الأولي الأساس الذي سينطلق منه الباحث لإجراء التعديلات الجمالية والتخصيصات الإحصائية الإضافية التي تجعل الرسم مؤهلاً للنشر.

5. طرق بديلة لإنشاء المدرج التكراري: الحوارات التقليدية Legacy Dialogs

5.1 الوصول إلى المدرج التكراري عبر القوائم الكلاسيكية

على الرغم من التطور الكبير الذي شهدته أداة Chart Builder، لا تزال قوائم الحوارات التقليدية (Legacy Dialogs) تحظى بشعبية واسعة بين الإحصائيين والمستخدمين المتمرسين لبرنامج SPSS نظراً لسرعتها الفائقة وبساطة واجهاتها وخفتها الإجرائية. يمكن الوصول إلى هذه الواجهة الكلاسيكية عبر تتبع المسار التالي من شريط القوائم العلوي: Graphs > Legacy Dialogs > Histogram، حيث يؤدي النقر عليها إلى فتح نافذة حوارية مباشرة تركز حصراً على إعدادات المدرج التكراري دون تعقيدات السحب والإفلات.

تتميز هذه النافذة الكلاسيكية بتصميمها المباشر الذي يحتوي على صندوق رئيسي لسرد متغيرات الدراسة، ومربع إدخال مركزي مخصص للمتغير المستهدف (Variable)، بالإضافة إلى مربعات اختيار مخصصة لتقسيم البيانات وفقاً لمتغيرات تصنيفية أخرى عبر الصفوف والأعمدة (Rows and Columns). يُفضل العديد من الباحثين هذا المسار عند الرغبة في توليد رسم سريع ومباشر لفحص التوزيع في غضون ثوانٍ معدودة ودون الحاجة إلى التنقل بين شاشات متعددة.

5.2 تحديد المتغيرات وخيارات العرض في الواجهة الكلاسيكية

لإنشاء المدرج التكراري عبر نافذة Legacy Dialogs، يحدد الباحث المتغير الكمي المطلوب من القائمة اليسرى وينقله إلى مربع Variable باستخدام زر السهم الأوسط. تتميز هذه النافذة بوجود خيار متقدم وحاسم يفضله الكثير من المحللين وهو مربع الاختيار: Display normal curve؛ حيث يؤدي تفعيل هذا الخيار بوضع علامة الصح إلى قيام SPSS بتركيب ورسم منحنى التوزيع الطبيعي تلقائياً فوق أعمدة المدرج، بالاعتماد على المتوسط الحسابي والانحراف المعياري الفعليين للعينة.

كما تتيح الواجهة الكلاسيكية الوصول الفوري إلى زر Titles لإضافة عنوان رئيسي للمخطط (Line 1, Line 2)، وكتابة حواشي سفلية (Footnotes) توضح مصادر البيانات أو حجم العينة قبل توليد الرسم. وبمجرد ضبط هذه الخيارات البسيطة، يضغط المستخدم على زر OK ليتم إرسال الرسم فورياً إلى نافذة المخرجات مع المنحنى الطبيعي المدمج والإحصاءات الوصفية الأساسية (Mean, Std. Dev, N) في الركن العلوي الأيمن من المخطط.

5.3 مقارنة المخرجات بين الطرق المختلفة

من الناحية الرياضية والإحصائية البحتة، لا يوجد أي اختلاف في حسابات التكرار أو تمثيل البيانات بين المخرجات الناتجة عن أداة Chart Builder وتلك المولدة عبر مسار Legacy Dialogs؛ فكلا المحركين يعتمدان على نفس الخوارزميات الحسابية لتقسيم الفئات وحساب ارتفاعات الأعمدة وتحديد الكثافة الاحتمالية للتوزيع.

ومع ذلك، تكمن الفروق الأساسية في الأنماط الجمالية الافتراضية (Default Styling) ومرونة التخصيص اللاحق. يميل منشئ المخططات Chart Builder إلى توليد رسوم تتبع النمط البصري الحديث لبرنامج SPSS بألوان معاصرة وهوامش واسعة وقابلية أعلى للتحكم في خصائص العناصر الفردية، بينما تظهر مخرجات Legacy Dialogs بنمط كلاسيكي محدد وثابت. يُفضل استخدام Legacy Dialogs في مراحل الاستكشاف والتدقيق السريع، بينما يُعد Chart Builder الخيار الأمثل عند الرغبة في إعداد رسوم بيانية نهائية عالية الجودة والتخصيص لغايات النشر العلمي والتقارير الأكاديمية الرسمية.

6. إنشاء المدرج التكراري عبر نافذة استكشاف البيانات Frequencies & Explore

6.1 توليد المدرج التكراري عبر أمر التكرارات Frequencies

يوفر برنامج SPSS ميزة دمج الرسوم البيانية مباشرة داخل أوامر التحليل الإحصائي الوصفي، وتُعد نافذة التكرارات (Frequencies) الخيار الأكثر شيوعاً لتحقيق ذلك. يتم الوصول إلى هذا الإجراء عبر المسار: Analyze > Descriptive Statistics > Frequencies. بعد فتح النافذة ونقل المتغيرات الكمية المستهدفة إلى مربع Variables، يقوم الباحث بالنقر على زر Charts الموجود في الجانب الأيمن من نافذة الحوار لفتح خيارات الرسوم البيانية المدمجة.

داخل نافذة الرسوم، يختار الباحث خيار Histograms، ويقوم بتفعيل خيار Show normal curve on histogram في حال رغبته في مقارنة التوزيع بالمنحنى الطبيعي. يوفر هذا الإجراء ميزة استثنائية تتمثل في ضرب عصفورين بحجر واحد؛ إذ يُنتج البرنامج في مخرج واحد الجداول التكرارية التفصيلية، ومقاييس النزعة المركزية والتشتت (عند طلبها من زر Statistics)، والمدرجات التكرارية المقابلة، مما يمنح الباحث رؤية رقمية وبصرية متكاملة وشاملة للمتغير في آن واحد.

6.2 استخدام أمر استكشاف البيانات Explore للتمثيل المتقدم

يُمثل أمر استكشاف البيانات Explore الإجراء الإحصائي الأكثر عمقاً ورصانة لفحص خصائص التوزيعات في برنامج SPSS. للوصول إلى هذا الإجراء المتقدم، يتبع الباحث المسار: Analyze > Descriptive Statistics > Explore. بعد إدراج المتغير التابع في مربع Dependent List، يضغط الباحث على زر Plots، ومن ثم يقوم بتفعيل خيار Histogram ضمن قسم Descriptive Plots، مع تفعيل خيار Normality plots with tests للحصول على تقييم شامل للتوزيع الطبيعي.

يتميز مسار Explore بتوليد منظومة متكاملة من الأدوات التشخيصية المتزامنة؛ حيث يُنتج البرنامج المدرج التكراري بالتوازي مع اختبارات التوزيع الطبيعي الرسمية مثل اختبار شابيرو-ويلك (Shapiro-Wilk Test) واختبار كولموجروف-سميرنوف (Kolmogorov-Smirnov)، فضلاً عن مخططات الصندوق (Boxplots) ومخططات الساق والورقة (Stem-and-Leaf). تُتيح هذه الحزمة الشاملة مطابقة الشكل الهندسي للمدرج التكراري مع المعاملات الرياضية الدقيقة للالتواء والتفرطح واكتشاف القيم الشاذة، مما يجعله المعيار الذهبي المعتمد في التحليل الاستكشافي الأكاديمي الموثق.

6.3 مزايا التحليل الاستكشافي المدمج

يوفر التحليل الاستكشافي المدمج كفاءة زمنية ومنهجية بالغة الأهمية للباحثين والمحللين الذين يتعاملون مع دراسات معقدة تحتوي على عشرات المتغيرات النفسية والسلوكية. فبدلاً من توليد الرسوم البيانية بصورة منفصلة ثم العودة لتشغيل الأوامر الوصفية لحساب المتوسط والانحراف المعياري، يدمج هذا الأسلوب الخطوات الوصفية والاستدلالية والبصرية في خطوة برمجية واحدة توفر الوقت والجهد وتمنع الأخطاء الناتجة عن مطابقة الأرقام بالرسوم الخاطئة.

كما يُمكن الباحث من الربط الفوري بين الهيكل البصري للمدرج والمؤشرات الرقمية الموازية؛ فعند ملاحظة ذيل طويل ممتد نحو اليمين في المدرج التكراري، يستطيع الباحث التأكد فوراً من قيمة معامل الالتواء (Skewness) والخطأ المعياري المقابل له في الجدول الوصفي المرفق في نفس الصفحة. هذا الترابط يسهل اتخاذ القرارات المنهجية الحاسمة، مثل تحديد القيم الشاذة إحصائياً وتأثيرها على مقاييس النزعة المركزية، والمفاضلة بين استخدام المتوسط الحسابي أو الوسيط كمقياس أمثل لتمثيل مركز البيانات.

7. تعديل وتخصيص عرض الفئات وعدد الأعمدة

7.1 الدخول إلى محرر المخططات Chart Editor

المدرجات التكرارية التي يولدها برنامج SPSS في نافذة المخرجات تكون في حالة ثابتة وغير قابلة للتعديل المباشر، ولكنها تتمتع ببنية تفاعلية عميقة يمكن فتحها وتطويرها عبر محرر المخططات (Chart Editor). للدخول إلى محرر المخططات، يقوم الباحث بالنقر المزدوج (Double-Click) بزر الفأرة الأيسر مباشرة على المخطط التكراري في شاشة المخرجات (SPSS Viewer)، فتفتح نافذة مستقلة تشتمل على شريط أدوات متخصص ولوحة تحكم متكاملة في كافة العناصر الرسومية.

داخل محرر المخططات، يمكن للباحث النقر المزدوج على أي من أعمدة المدرج التكراري لفتح نافذة الخصائص (Properties Window). تحتوي هذه النافذة التفاعلية على عدة تبويبات متخصصة تتيح التحكم الدقيق في المعلمات الإحصائية والهندسية للرسم، ومن أبرزها تبويب Histogram Options الذي يُمثل لوحة التحكم الرئيسية لإعادة تشكيل الفئات وتحديد عرضها وتوزيعها العددي على خط الأعداد.

7.2 التحكم في فئات البيانات عبر تبويب Histogram Options

يعتمد برنامج SPSS تلقائياً على خوارزميات برمجية افتراضية لتحديد عدد الفئات وعرضها بناءً على حجم العينة وتشتت الدرجات (Automatic Binning). ومع ذلك، قد لا يكون التحديد التلقائي مثالياً دائماً لتمثيل البيانات السلوكية، مما يتطلب تدخلاً يدوياً من الباحث عبر نافذة الخصائص من خلال اختيار Custom ضمن قسم Binning.

توفر خيارات التخصيص مسارين رئيسيين:

• تحديد عرض الفئة (Interval Width): يتيح هذا الخيار للباحث إدخال قيمة عددية محددة بدقة لاتساع كل مجال رقمي (مثلاً ضبط عرض الفئة ليكون 5 درجات بالضبط أو 10 درجات)، مما يضمن ملاءمة الأعمدة لمقاييس الاختبارات المقننة.
• التحكم في عدد الفئات الإجمالي (Number of Intervals): يتيح هذا الخيار تحديد العدد الكلي للأعمدة التي يتشكل منها المدرج التكراري (مثلاً ضبط الرسم ليحتوي على 10 أو 15 فئة بالتمام والكمال)، حيث يقوم البرنامج بإعادة احتساب الاتساع تلقائياً بناءً على العدد المطلوب.

7.3 تأثير تغيير عرض الفئة على تفسير البيانات

يُعد اختيار عرض الفئة (Bin Width) قراراً إحصائياً دقيقاً ينعكس مباشرة على التفسير السيكومتري للبيانات؛ فالإفراط في تضييق الفئات (استخدام فئات صغيرة جداً وأعمدة كثيرة للغاية) يؤدي إلى تفتيت البيانات وخلق مظهر متقطع مليء بالتشويش البصري (Statistical Noise)، مما يخفي النمط التوزيعي العام ويُصعّب الحكم على التوزيع الطبيعي.

في المقابل، يؤدي التوسيع المفرط لعرض الفئات (استخدام عدد قليل جداً من الأعمدة العريضة) إلى طمس المعالم الحيوية للبيانات وتسطيح التوزيع، مما قد يُخفي ظواهر جوهرية مثل وجود توزيع ثنائي المنوال (Bimodality) أو تركز درجات خفي في منطقة معينة. لتجنب هذه المشكلات، يستند الإحصائيون إلى قواعد رياضية إرشادية لحساب العدد الأمثل للفئات، مثل قاعدة ستورجس (Sturges’ Rule) المحددة بالمعادلة $k = 1 + 3.322 \log_{10}(N)$، أو قاعدة فريدمان-دياكونيس (Freedman-Diaconis Rule) القائمة على المدى الربيعي، لضمان موازنة دقيقة بين الوضوح البصري والدقة الإحصائية.

7.4 ضبط نقاط الارتكاز والحدود الدنيا للفئات (Anchoring)

من المزايا المتقدمة في تبويب Histogram Options إمكانية ضبط نقطة الارتكاز (Custom Value for Anchor). تحدد نقطة الارتكاز القيمة الرقمية الدقيقة التي تبدأ عندها حدود الفئة الأولى على المحور الأفقي؛ فبدلاً من أن يختار البرنامج نقطة بداية كسرية اعتباطية بناءً على أدنى قيمة في العينة، يستطيع الباحث تثبيت نقطة البداية عند رقم صحيح ومنطقي (مثل 0 أو 50).

يحمل ضبط نقطة الارتكاز أهمية كبرى في الاختبارات والمقاييس النفسية؛ حيث يُفضل دائماً محاذاة حدود الفئات مع الدرجات المعيارية أو مستويات القطع المعتمدة إكلينيكياً (مثلاً: جعل حدود الفئات تبدأ من [0-9]، [10-19]، [20-29]). يضمن ذلك أن كل عمود في المدرج التكراري يُمثل تصنيفاً إكلينيكياً أو تربوياً واضح المعالم، مما يُسهل على القارئ استيعاب دلالة الرسم دون الحاجة إلى إجراء عمليات حسابية ذهنية معقدة لفك شفرة الحدود الكسرية التلقائية.

8. إضافة منحنى التوزيع الطبيعي وتفسير خصائص التوزيع

8.1 خطوات إظهار منحنى التوزيع الطبيعي في محرر المخططات

يُعد منحنى التوزيع الطبيعي المرجعي (Normal Curve Overlay) أداة بصرية بالغة الأهمية للمقارنة بين التوزيع الفعلي للبيانات والتوزيع الغاوسي النظري المتماثل. إذا لم يتم تفعيل المنحنى أثناء توليد الرسم البياني في البداية، يمكن إضافته بسهولة وبشكل فوري من داخل Chart Editor دون الحاجة إلى إعادة تنفيذ الإجراء التحليلي من جديد.

لإظهار المنحنى داخل محرر المخططات، يقوم الباحث بالنقر على أيقونة Show Distribution Curve الموجودة في شريط الأدوات العلوي للمحرر، أو اختيارها من قائمة Elements > Show Distribution Curve. يقوم SPSS فوراً برسم المنحنى وتوليد نافذة خصائص المنحنى (Properties: Distribution Curve)، والتي تتيح التأكد من تحديد نوع التوزيع على الخيار الافتراضي Normal مع استخدام المتوسط الحسابي والانحراف المعياري الفعليين للعينة لحساب إحداثيات المنحنى بدقة متناهية.

8.2 التقييم البصري للالتواء والتفرطح مقارنة بالمنحنى

يُمكّن تراكب منحنى التوزيع الطبيعي فوق أعمدة المدرج الباحث من إجراء تشخيص بصري دقيق ومعمق لاثنين من أهم خصائص التوزيع التكراري:

• الالتواء (Skewness): يُشير إلى مدى عدم تماثل التوزيع حول مركزه.
  • الالتواء الإيجابي (Positive / Right Skew): تتركز غالبية الأعمدة الطويلة جهة اليسار (عند الدرجات المنخفضة) بينما يمتد ذيل طويل من الأعمدة القصيرة نحو اليمين (الدرجات المرتفعة)، مما يوضح أن غالبية المفحوصين حصلوا على درجات متدنية.
  • الالتواء السلبي (Negative / Left Skew): تتركز الأعمدة المرتفعة جهة اليمين، ويمتد الذيل الطويل نحو اليسار، مما يشير إلى أن غالبية المبحوثين حققوا درجات مرتفعة (كما في الاختبارات التحصيلية السهلة).
• التفرطح (Kurtosis): يُشير إلى درجة حدة قمة التوزيع وثقل أطرافه مقارنة بالتوزيع الطبيعي.
  • التفرطح المدبب (Leptokurtic): تكون قمة أعمدة المدرج أعلى بكثير من قمة المنحنى الطبيعي مع تركز شديد حول المتوسط وذيول نحيفة.
  • التفرطح المفلطح (Platykurtic): تكون قمة المدرج مسطحة وأقل ارتفاعاً من قمة المنحنى مع انتشار واسع وتشتت كبير للدرجات نحو الأطراف.

8.3 مقارنة التقييم البصري بالاختبارات الإحصائية الرسمية

على الرغم من القيمة التشخيصية الفائقة للمعاينة البصرية عبر المدرج التكراري والمنحنى الطبيعي، إلا أن التقاليد البحثية الرصينة تشترط عدم الاكتفاء بالانطباع البصري الذاتي، وتدعيمه دائماً بالاختبارات والمعاملات الإحصائية الكمية المقابلة. يجب على الباحث فحص قيمة معامل الالتواء وقيمة معامل التفرطح وقسمة كل منهما على خطئه المعياري المقابل لحساب النسبة المعيارية ($Z$-score of Skewness/Kurtosis)؛ حيث تُعد القيمة دالة إحصائياً وتُشير إلى الخروج عن التوزيع الطبيعي إذا تجاوزت القيمة المطلقة$pm 1.96$ عند مستوى دلالة 0.05 في العينات المتوسطة.

علاوة على ذلك، يتم إجراء اختبارات الدلالة الرسمية للاعتدالية مثل اختبار شابيرو-ويلك (Shapiro-Wilk) الموصى به للعينات الصغيرة والمتوسطة، واختبار كولموجروف-سميرنوف (Kolmogorov-Smirnov) للعينات الكبيرة. ومع ذلك، تجدر الإشارة إلى أن هذه الاختبارات الاستدلالية تصبح شديدة الحساسية في العينات الضخمة ($N > 300$)؛ حيث قد ترفض فرضية التوزيع الطبيعي عند وجود أدنى انحراف طفيف لا قيمة له عملياً، وهنا تبرز الأهمية الحاسمة للمدرج التكراري لإجراء تقييم واقعي يوضح ما إذا كان الانحراف عن المنحنى الطبيعي جسيماً يتطلب إجراءات علاجية أم أنه انحراف هامشي لا يؤثر على متانة الاختبارات المعلمية.

9. التحكم في الخصائص الجمالية والتنسيق البصري للمدرج التكراري

9.1 تعديل الألوان والحدود والتعبئة

يُعد التنسيق البصري الاحترافي للمدرج التكراري خطوة جوهرية لجعله صالحاً للنشر في المجلات العلمية المحكمة التي تفرض معايير دقيقة لتنسيق الأشكال البيانية. داخل محرر المخططات (Chart Editor)، يمكن للمستخدم التحكم في المظهر اللوني عبر النقر المزدوج على الأعمدة ثم التوجه إلى تبويب Fill & Border في نافذة الخصائص.

توصي أدلة النشر العلمي، لا سيما دليل جمعية علم النفس الأمريكية (APA Publication Manual)، بتجنب الألوان الزاهية أو المبهرجة التي تشتت القارئ، والاعتماد بدلاً من ذلك على تدرجات اللون الرمادي (Grayscale) أو الألوان الأحادية الهادئة كالأزرق الداكن. كما ينبغي ضبط لون حدود الأعمدة (Border Color) على اللون الأسود أو الرمادي الداكن وتعديل سماكة الخط (Border Width) لضمان وجود تباين بصري حاد وواضح يُميز فواصل الأعمدة بدقة، خاصة عند طباعة الأبحاث باللونين الأبيض والأسود.

9.2 تخصيص المحاور والعناوين وعلامات القياس

يوفر محرر المخططات إمكانية تخصيص وتعديل كافة التفاصيل المرتبطة بالمحاور الإحداثية لتعزيز دقة القراءة والتفسير. عند النقر المزدوج على المحور الأفقي أو الرأسي، يفتح تبويب Scale وتبويب Labels & Ticks في لوحة الخصائص، مما يتيح للباحث:

• تعديل الحد الأدنى (Minimum) والحد الأقصى (Maximum) لنطاق المحور لمطابقة المدى النظري الكامل للمقياس.
• تحديد الفواصل بين علامات الترقيم الرئيسية والفرعية (Major and Minor Increments) لضبط تدرج الأرقام على المحاور بصورة مقروءة ومنتظمة.
• تعديل نصوص مسميات المحاور وحجم الخط ونوعه (مثل Arial أو Times New Roman) ومحاذاة النصوص لضمان وضوح الكلمات ومطابقتها للمصطلحات المعتمدة في متن البحث العلمي.

9.3 إضافة التسميات وصناديق النصوص الإحصائية

لتعظيم الفائدة العلمية للمدرج التكراري، يمكن إدراج خطوط مرجعية (Reference Lines) وصناديق إحصائية توضيحية داخل مساحة الرسم. من خلال شريط أدوات Chart Editor، يستطيع الباحث النقر على أيقونة Add a Reference Line to the X Axis لإضافة خط عمودي منقط عند قيمة المتوسط الحسابي للعينة، أو عند درجات القطع الإكلينيكية الهامة (Cut-off Scores)، مما يمنح المشاهد نقطة ارتكاز فورية لتقييم موقع الأفراد بالنسبة لتلك الحدود.

كما يمكن إضافة صندوق نصي يحتوي على المؤشرات الوصفية الموجزة للعينة (المتوسط، والانحراف المعياري، والعدد الكلي). وبعد إتمام هذه التنسيقات الاحترافية، يتيح برنامج SPSS حفظ النمط المنسق كملف قالب مخططات بامتداد (.sgt – Chart Template) عبر قائمة: File > Save Chart Template. يُمكن هذا القالب الباحث من تطبيقه مستقبلاً بنقرة زر واحدة على كافة المدرجات التكرارية الجديدة، مما يضمن اتساقاً بصرياً وهوية موحدة لجميع الأشكال البيانية في الرسالة الأكاديمية أو التقرير الفني.

10. إنشاء المدرجات التكرارية المقارنة والمجمعة عبر المجموعات

10.1 تقسيم المدرج التكراري حسب متغير تصنيفي (Panel Histograms)

في كثير من الدراسات المقارنة، لا يكتفي الباحث بفحص توزيع المتغير على العينة الكلية، بل يسعى إلى مقارنة شكل التوزيع عبر مجموعات فرعية مختلفة (مثل مقارنة درجات الذكاء الوجداني بين الذكور والإناث، أو مقارنة مستويات القلق عبر مستويات الدخل المختلفة). تتيح أداة Chart Builder تنفيذ هذه المقارنة بكفاءة هندسية عالية عبر خاصية التقسيم اللوحي (Paneling).

لإنشاء هذه المصفوفة المقارنة، يتم سحب نموذج المدرج التكراري البسيط إلى منطقة المعاينة، ثم النقر على تبويب Groups/Point ID وتفعيل خيار Rows panel variable أو Columns panel variable. بعد ذلك، يقوم الباحث بسحب المتغير التصنيفي النوعي (مثل متغير النوع الاجتماعي) وإفلاته داخل مربع اللوحة المخصصة. يُنتج هذا الإجراء مصفوفة من المدرجات التكرارية المتطابقة والمتجاورة أفقياً أو رأسياً، حيث تشترك جميعها في نفس مقاييس ونطاقات المحاور الإحداثية، مما يُسهل إجراء مقارنة بصرية فورية ومباشرة للاختلافات التوزيعية بين الفئات دون أي تشويه في الأبعاد الرياضية.

10.2 استخدام المدرج التكراري المكدس والمجمع (Population Pyramids)

يوفر برنامج SPSS تصاميم متقدمة إضافية لعرض المقارنات التوزيعية المزدوجة، ومن أبرزها الهرم السكاني (Population Pyramid) والمدرج التكراري المكدس (Stacked Histogram). يمكن الوصول إلى الهرم السكاني عبر مسار: Graphs > Legacy Dialogs > Population Pyramid، حيث يُعد هذا الشكل الهندسي خياراً مثالياً لمقارنة توزيع متغير كمي مستمر بين مجموعتين متقابلتين حصراً (مثل المجموعة التجريبية والمجموعة الضابطة).

يقوم الهرم السكاني بتمثيل فئات المتغير على محور رأسي مشترك، بينما تبرز أعمدة التكرار أفقياً في اتجاهين متقابلين (اليسار واليمين) لكل مجموعة من المجموعتين. يتيح هذا التناظر المتقابل كشف الفروق في التشتت، والنزعة المركزية، وتركز الدرجات بين الفئتين بصورة بصرية بالغة القوة والوضوح، مما يجعله وسيلة إيضاحية متميزة في الدراسات الديموغرافية والطبية والبحوث السلوكية ذات التصاميم شبه التجريبية.

10.3 تطبيقات المقارنة في الدراسات النفسية والتجريبية

تتعدد التطبيقات الميدانية للمدرجات التكرارية المقارنة في مجالات البحث النفسي والتجريبي. ففي دراسات الفاعلية العلاجية وتدخلات تعديل السلوك، يُستخدم المدرج التكراري المقسم لمقارنة توزيع درجات أعراض الاكتئاب لدى المرضى في مرحلة “القياس القبلي” (Pre-test) ومرحلة “القياس البعدي” (Post-test)؛ حيث يُظهر التغير البصري في اتجاه الالتواء وزحزحة كتل الأعمدة دليلاً مرئياً واضحاً على مدى تحسن الحالة النفسية للمشاركين وتراجع حدة الأعراض بعد الخضوع للبرنامج العلاجي.

علاوة على ذلك، تُعد المدرجات المقارنة أداة تشخيصية لا غنى عنها للتحقق من افتراض تجانس التوزيعات (Homogeneity of Variance / Distribution Shape) قبل تطبيق تحليل التباين (ANOVA) أو اختبار مان-ويتني (Mann-Whitney U Test). إن رؤية توزيعات المجموعات جنباً إلى جنب تمكن الباحث من التأكد من أن التباين متقارب بين المجموعات التجريبية والضابطة، وأن الفروق الإحصائية لا تعود إلى وجود التواء شاذ في مجموعة دون أخرى، مما يمنح النتائج الاستدلالية مصداقية علمية ومنهجية رفيعة.

11. قراءة وتفسير نتائج المدرج التكراري في ضوء الفرضيات النفسية والإحصائية

11.1 تحليل الشكل العام للتوزيع واستخلاص الاستنتاجات

تتطلب قراءة المدرج التكراري حساً إحصائياً يربط بين الأنماط الهندسية للأعمدة والدلالات العلمية للظاهرة المدروسة. يبدأ التحليل بفحص عدد القمم أو المنوالات (Modes) داخل الرسم:

• التوزيع أحادي المنوال (Unimodal Distribution): يحتوي على قمة واحدة بارزة تتناقص الدرجات حولها تدريجياً، وهو النمط الأكثر شيوعاً في السمات النفسية الفردية التي تتبع التوزيع الطبيعي.
• التوزيع ثنائي المنوال (Bimodal Distribution): تظهر فيه قمتان متباعدتان تفصل بينهما فجوة أو تراجع تكراري ملحوظ. يُعد هذا الشكل مؤشراً حيوياً ينبه الباحث إلى أن عينة الدراسة ليست متجانسة، بل قد تتألف في الواقع من مجتمعين فرعيين متمايزين مدمجين معاً بالخطأ (مثل وجود فئتين متباينتين عمرياً أو ثقافياً أو مستويين متباينين تماماً من المهارة)، مما يستوجب تفكيك العينة وإعادة تحليل كل مجموعة فرعية على حدة.
• التوزيع المستطيل أو المنتظم (Uniform Distribution): تتساوى فيه ارتفاعات الأعمدة تقريباً عبر كامل المدى، مما يشير إلى أن جميع الدرجات تمتلك فرصاً متساوية للظهور، وهو ما يُلاحظ في توزيعات الأرقام العشوائية أو غياب الفروق الفردية النمطية.

11.2 كتابة التقرير الإحصائي وفق دليل APA

عند تضمين المدرج التكراري في الأوراق البحثية ورسائل الماجستير والدكتوراه، يجب صياغة الوصف اللفظي والتنسيق الشكلي بدقة متناهية وفقاً لمعايير دليل النشر لجمعية علم النفس الأمريكية (APA Style 7th Edition). يتضمن ذلك إدراج رقم الشكل بخط عريض (مثال: Figure 1) أعلى المخطط، يليه سطر جديد بعنوان وصفي مائل يوضح محتوى الرسم (مثال: Distribution of Beck Depression Inventory Scores Among College Students).

في المتن الأكاديمي، يتم تقديم قراءة وصفية موجزة تربط الشكل بالأرقام؛ كأن يُكتب: «أظهر الفحص البصري للمدرج التكراري (انظر Figure 1) أن درجات الاكتئاب تتبع توزيعاً أحادي المنوال يقترب من الاعتدالية، مع وجود التواء إيجابي طفيف نحو اليمين ($Skewness = 0.42, SE = 0.15$). وقد أكدت المؤشرات الإحصائية سلامة البيانات وعدم وجود قيم شاذة مؤثرة تؤثر على افتراضات التحليل المعلمي». كما يجب تصدير المخطط من برنامج SPSS بدقة وضوح عالية لا تقل عن 300 نقطة في البوصة (DPI) بصيغة TIFF أو PNG لضمان جودة الطباعة والنشر العلمي.

11.3 اتخاذ القرارات المنهجية بناءً على شكل المدرج

تُمثل نتائج قراءة المدرج التكراري نقطة تحول منهجية يترتب عليها مسار التحليل الإحصائي اللاحق بأكمله. في حال أظهر المدرج التكراري التواءً شديداً أو انحرافات حادة تجعل البيانات غير مطابقة لافتراض التوزيع الطبيعي، يجد الباحث نفسه أمام خيارات منهجية مدروسة:

1. إجراء التحويلات الرياضية للبيانات (Data Transformation): مثل تطبيق التحويل اللوغاريتمي ($log$) أو تحويل الجذر التربيعي (Square Root Transformation) لتقليص ذيل التوزيع وإعادة البيانات نحو التماثل الطبيعي قبل تطبيق النماذج المعلمية.
2. المفاضلة بين مقاييس النزعة المركزية: في حال استمرار الالتواء، يجب التخلي عن الاعتماد على المتوسط الحسابي والانحراف المعياري بوصفهما مقاييس مضللة تتأثر بالطرف الممتد، واستبدالهما بالوسيط (Median) والمدى الربيعي (Interquartile Range – IQR) كوصف أكثر دقة لمركز وتشتت العينة.
3. التحول إلى الإحصاء اللامعلمي (Non-parametric Statistics): استخدام اختبارات بديلة لا تفترض التوزيع الطبيعي، مثل استخدام اختبار ولكوكسون (Wilcoxon) بدلاً من اختبار $t$ للعينات المرتبطة، واختبار كروسكال-واليز (Kruskal-Wallis) كبديل لتحليل التباين الأحادي، مما يضمن سلامة الاستنتاجات ودقتها العلمية.

12. الأخطاء الشائعة واستكشاف المشكلات وإصلاحها عند إنشاء المدرجات في SPSS

12.1 الأخطاء الإجرائية أثناء إدخال الأوامر والتعامل مع البرنامج

يواجه مستخدمو برنامج SPSS مجموعة من المشكلات التقنية والإجرائية الشائعة أثناء بناء المدرجات التكرارية. من أكثر هذه المشكلات تكراراً ظهور رسائل خطأ تمنع إدراج المتغير في منشئ المخططات؛ ويعود السبب في الغالب إلى تعريف المتغير كمتغير نصي (String) أو ضبطه بطريق الخطأ على مستوى قياس اسمي (Nominal)، ويكمن العلاج في العودة إلى نافذة Variable View وتغيير نوع المتغير إلى Numeric وضبط Measure على Scale.

مشكلة شائعة أخرى تتمثل في تشوه المظهر العام للمدرج وظهور عمود منفرد متباعد جداً في أقصى اليمين مع انضغاط باقي البيانات في مساحة ضيقة؛ تنشأ هذه المشكلة نتيجة نسيان تعريف أكواد البيانات المفقودة (مثل 999 أو -99)، مما يجعل SPSS يتعامل مع هذه الأكواد كدرجات حقيقية للمفحوصين. يتم حل هذه المشكلة بالدخول إلى عمود Missing في شاشة المتغيرات وتعريف هذه القيم الصريحة كقيم مفقودة ليتم استبعادها تلقائياً من الرسم.

12.2 الأخطاء التفسيرية والمنهجية في قراءة المدرج

إلى جانب الأخطاء التقنية، توجد أخطاء منهجية وتفسيرية قد تضلل الباحثين أثناء قراءة المدرجات التكرارية. من أبرزها الاعتماد الكلي على التقييم البصري الانطباعي دون مراعاة تأثير حجم العينة؛ ففي العينات الصغيرة، يتأثر شكل المدرج بشدة بأي تباين عشوائي بسيط، مما قد يدفع الباحث إلى استنتاج وجود التواء غير حقيقي لا يعكس واقع المجتمع الأصلي.

كذلك يقع البعض في خطأ إساءة تفسير الفجوات الفاصلة (Gaps) بين بعض الأعمدة، واعتبارها فوراً دليلاً على وجود بيانات مفقودة في الملف، بينما تعبر هذه الفجوات في الحقيقة عن فئات عددية لا يوجد أي مفحوص في العينة يمتلك درجات تقع ضمن مداها العددي. علاوة على ذلك، يتجاهل بعض المحللين حساسية شكل المدرج لاختيار عرض الفئة ونقطة البداية؛ فقد يبدو التوزيع طبيعياً عند استخدام عرض فئة معين، ويتحول إلى شكل مشوه تماماً بمجرد تضييق الفئات، مما يفرض ضرورة تجربة عدة خيارات متوازنة للفئات قبل الاستقرار على التفسير النهائي.

12.3 أفضل الممارسات لضمان جودة التحليل البصري

لضمان أعلى معايير الجودة والدقة العلمية في التحليل البصري للبيانات باستخدام SPSS، يُوصى باتباع مجموعة من أفضل الممارسات المنهجية والبرمجية المعترف بها دولياً:

• التوثيق البرمجي عبر SPSS Syntax: يُنصح دائماً بعدم الاكتفاء بالنقر على الأزرار في الواجهات الرسومية، بل الضغط على زر Paste لتوليد الأوامر البرمجية في نافذة التعليمات (Syntax Window) وتخزينها؛ حيث يضمن ذلك إمكانية تكرار نفس خطوات إنشاء المخطط وتعديل الفئات بدقة متناهية من قبل باحثين آخرين (Reproducibility).
• التكامل بين الأدوات البصرية: ينبغي عدم الاعتماد على المدرج التكراري بمعزل عن الأدوات الأخرى؛ بل يُفضل دمجه دائماً مع مخططات الاحتمال الطبيعي (P-P Plots و Q-Q Plots) ومخططات الصندوق (Boxplots) لتكوين رؤية فاحصة ثلاثية الأبعاد لاحتمالات التوزيع، واكتشاف القيم الشاذة المتطرفة بدقة.
• المراجعة الإحصائية المستقلة: يُستحسن تدقيق المخرجات البيانية والرسوم النهائية بالتعاون مع مختص في الإحصاء التطبيقي لمراجعة ملاءمة عروض الفئات ومطابقة الأشكال للتفسيرات اللفظية الواردة في التقرير قبل رفع الدراسة للنشر والتحكيم.

خاتمة

يُمثّل المدرج التكراري (Histogram) أداة بصرية لا غنى عنها في ترسانة الباحث الإحصائي، حيث يتجاوز دوره مجرد كونه رسماً بيانياً توضيحياً ليصبح أداة تشخيصية واستكشافية بالغة الأهمية تكشف عن البنية العميقة للمتغيرات الكمية المستمرة. ومن خلال منصة IBM SPSS Statistics، يتوفر للمحللين والباحثين طيف واسع من الخيارات المتطورة لإنشاء، وضبط، وتخصيص هذه المدرجات بدقة هندسية ورياضية فائقة، سواء عبر أداة Chart Builder المتقدمة، أو واجهات Legacy Dialogs الكلاسيكية، أو من خلال أوامر الاستكشاف المتعمق Frequencies و Explore.

إن إتقان إنشاء المدرجات التكرارية والتحكم في عروض فئاتها ونقاط ارتكازها وتركيب منحنيات التوزيع الطبيعي فوقها يُمكّن الباحث من فحص افتراضات التحليل المعلمي بصورة رصينة، واتخاذ قرارات منهجية مستنيرة بشأن تنظيف البيانات ومعالجة الالتواء والتفرطح واكتشاف القيم الشاذة. ومن خلال الالتزام بالمعايير الأكاديمية الصارمة في التنسيق والتوثيق وفق دليل APA، تتحول الرسوم البيانية من مجرد أشكال توضيحية أولية إلى براهين علمية بصرية تعزز من موثوقية النتائج، وتدعم جودة الأوراق البحثية، وتُسهم في تقديم رؤى علمية دقيقة وذات مصداقية عالية في مختلف حقول العلوم الإنسانية والتطبيقية.

المراجع (References)

• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Freedman, D., & Diaconis, P. (1981). On the histogram as a density estimator: $L_2$ theory. Zeitschrift für Wahrscheinlichkeitstheorie und verwandte Gebiete, 57(4), 453–476. https://doi.org/10.1007/BF01025868
• IBM Corporation. (2021). IBM SPSS Statistics for Windows, Version 28.0. IBM Corp. https://www.ibm.com/products/spss-statistics
• Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM SPSS (7th ed.). Routledge. https://doi.org/10.4324/9781003117452
• Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4), 591–611. https://doi.org/10.2307/2333709
• Sturges, H. A. (1926). The choice of a class interval. Journal of the American Statistical Association, 21(153), 65–66. https://doi.org/10.1080/01621459.1926.10502161
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.