كيفية إنشاء مخطط الساق والورقة في SPSS

يمثل الاستكشاف الأولي للبيانات الركيزة الأساسية التي تنبني عليها كافة القرارات المنهجية والتحليلات الاستدلالية اللاحقة في البحوث العلمية المعاصرة. فقبل الشروع في اختبار الفرضيات المعقدة أو تطبيق النماذج الإحصائية المتقدمة، يجد الباحث نفسه أمام ضرورة ملحة لفهم الطبيعة الجوهرية للبيانات الخام، والتحقق من خصائص توزيعها، ورصد التمركزات الشاذة أو الانحرافات التي قد تؤثر بصورة جذرية على دقة النتائج وموثوقيتها. وفي هذا السياق، تبرز الرسوم البيانية الاستكشافية بوصفها أدوات بصرية بالغة الأهمية تسد الفجوة بين الأرقام المجردة والمؤشرات الوصفية التلخيصية، مانحةً المحلل رؤية تشخيصية مجهرية وشاملة في آنٍ واحد.

ويحتل مخطط الساق والورقة (Stem-and-Leaf Plot) مكانة فريدة واستثنائية بين أدوات التحليل الاستكشافي، نظراً لقدرته الهيكلية المتميزة على الدمج بين التمثيل الجدولي التكراري والتوزيع البصري الهندسي، مع الاحتفاظ الكامل بالقيم الرقمية الأصلية دون أي فقدان أو دمج تلخيصي جائر. إن هذه الميزة الفريدة تجعله يتفوق في كثير من الحالات التشخيصية على أدوات بصرية شائعة أخرى كالمدرجات التكرارية، خاصة في البيئات البحثية التي تتعامل مع عينات صغيرة أو متوسطة، كما هو الحال في الدراسات النفسية، والعلوم السلوكية، والتجارب الإكلينيكية الدقيقة التي تتطلب تتبع كل مفحوص على حدة وفهم موقعه ضمن المنظومة التوزيعية الكلية.

يهدف هذا الدليل الشامل إلى تقديم مرجع أكاديمي وتطبيقي متكامل حول كيفية إنشاء مخطط الساق والورقة، وقراءته، وتفسيره بعمق، وتوظيفه باحترافية عبر الحزمة الإحصائية للعلوم الاجتماعية IBM SPSS Statistics. سنستعرض في هذا المقال الأسس النظرية والرياضية للمخطط، والدليل الإجرائي الدقيق لتوليده عبر واجهة المستخدم التفاعلية وأوامر البرمجة المباشرة (Syntax)، فضلاً عن مناقشة استراتيجيات التكامل التشخيصي مع الرسوم الأخرى، ومعالجة الأخطاء الشائعة، وتوثيق النتائج وفق معايير جمعية علم النفس الأمريكية (APA 7th Edition)، لنقدم بذلك مرجعاً شاملاً للباحثين وطلاب الدراسات العليا والممارسين الإحصائيين في شتى الميادين العلمية.

1. مقدمة نظرية حول مخطط الساق والورقة وأهميته الإحصائية

1.1 التعريف المفاهيمي لمخطط الساق والورقة وتطوره التاريخي

تعود الجذور المعرفية لمخطط الساق والورقة إلى سبعينيات القرن العشرين، وتحديداً عندما قدمه عالم الإحصاء الأمريكي البارز جون توكي (John W. Tukey) في كتابه المرجعي التأسيسي الصادر عام 1977 بعنوان “تحليل البيانات الاستكشافية” (Exploratory Data Analysis – EDA). لقد جاء هذا الابتكار كاستجابة منهجية ورائدة للحاجة إلى أدوات مرنة وبسيطة تمكن الباحث من التفاعل المباشر والحسي مع البيانات الخام قبل الانخراط في النماذج الحسابية المعلمية الصارمة، والتي كانت تعتمد آنذاك على افتراضات نظرية قد لا تنطبق بالضرورة على الواقع التجريبي المعقد.

يقوم المخطط في جوهره على فكرة تقسيم كل مفردة رقمية إلى جزأين هيكليين: الجزء الأول يمثل “الساق” (Stem) ويحمل الفئات أو المنازل الرقمية الكبرى ذات الرتبة الأعلى، بينما يمثل الجزء الثاني “الورقة” (Leaf) ويحمل المنزلة الرقمية الصغرى الفردية. ومن خلال هذا التنظيم، يتشكل رسم بصري أفقي يشبه المدرج التكراري، ولكنه يتألف من أرقام حقيقية فعلية بدلاً من الأعمدة المصمتة، مما يسمح للمحلل بقراءة كل قيمة خام بمجرد النظر إلى تقاطع الساق مع أوراقه المقابلة.

يحتل مخطط الساق والورقة موقعاً محورياً ضمن تصنيفات الرسوم الاستكشافية في الإحصاء الوصفي الحديث، حيث يمثل جسراً بنائياً بين الجداول التكرارية البسيطة والرسوم البيانية الهندسية. إنه لا يكتفي بإظهار عدد الحالات التي تقع في فئة معينة، بل يعرض تفاصيل التشتت الداخلي للبيانات داخل تلك الفئة ذاتها، مما يمنحه كفاءة إعلامية فائقة تجعله أداة كشف أولى لا غنى عنها في مختلف فروع المعرفة التجريبية.

1.2 المزايا الإحصائية لاستخدام المخطط في فحص البيانات الأولية

تتعدد المزايا الإحصائية والمنهجية التي يوفرها مخطط الساق والورقة عند استخدامه كأداة تشخيصية لفحص مصفوفات البيانات قبل تطبيق الاختبارات الاستدلالية. تأتي في مقدمة هذه المزايا القدرة الفائقة على كشف الشكل العام للتوزيع الإحصائي؛ إذ يستطيع الباحث من النظرة الأولى تحديد ما إذا كانت البيانات تتبع التوزيع الطبيعي المتماثل (Normal Distribution)، أو تظهر التواءً إيجابياً (Positive Skewness) يمتد نحو القيم المرتفعة، أو التواءً سلبياً (Negative Skewness) يتركز في القيم المنخفضة، فضلاً عن تقييم مستوى التفرطح والتفلطح.

علاوة على ذلك، يتيح المخطط رصداً فورياً للقيم الشاذة والمتطرفة (Outliers). وبخلاف المؤشرات التلخيصية مثل المتوسط الحسابي والانحراف المعياري التي تتأثر بالقيم الشاذة وتخفيها داخل العمليات الحسابية، يبرز المخطط هذه القيم كأوراق منعزلة بعيدة عن الكتلة الرئيسية، أو يصنفها في صفوف مستقلة، مما يتيح للباحث التحقق الفوري من سلامتها ومعرفة ما إذا كانت ناتجة عن خطأ في الإدخال أو تمثل حالة واقعية استثنائية تستدعي دراسة فردية معمقة.

كما يبرز المخطط كأداة استثنائية في فحص كثافة البيانات وتكتلاتها المحلية، حيث يكشف عن وجود فجوات عددية (Gaps) أو قمم متعددة (Multimodality) قد تشير إلى أن العينة غير متجانسة وتحتوي على مجتمعات فرعية متباينة، وهو ما لا تظهره الجداول التكرارية التقليدية بنفس الدقة والوضوح البصري المباشر، خصوصاً في العينات الصغيرة والمتوسطة الحجم.

1.3 مقارنة منهجية بين مخطط الساق والورقة والرسوم البيانية الاستكشافية الأخرى

عند إجراء مقارنة منهجية بين مخطط الساق والورقة وغيره من أدوات التمثيل البصري الاستكشافي، يبرز التباين الجوهري بينه وبين المدرج التكراري (Histogram). فرغم أن كلا الرسمين يعرضان شكل التوزيع والتردد التكراري بنفس النمط الهندسي تقريباً، إلا أن المدرج التكراري يقوم بتجميع البيانات في فترات أو فئات رقمية مغلقة (Bins)، مما يؤدي إلى طمس الهوية الفردية للقيم الرقمية؛ بحيث يستحيل على القارئ استرجاع القيم الخام من مجرد النظر إلى المدرج، في حين يتيح مخطط الساق والورقة استعادة كافة الدرجات الأصلية للبيانات بدقة تامة بنسبة 100%.

وفيما يتعلق بمخطط الصندوق والطرفين (Boxplot)، نجد أن العلاقة بينه وبين مخطط الساق والورقة هي علاقة تكامل وظيفي بامتياز. فبينما يركز مخطط الصندوق على تلخيص البيانات عبر مؤشرات النزعة غير المعلمية (الوسيط، المدى الربيعي، والقيم القصوى والدنيا)، يقدم مخطط الساق والورقة الصورة التوزيعية المفصلة الدقيقة التي تشرح لماذا ظهر الصندوق بذلك الشكل، مع إيضاح مواضع التكتلات الداخلية بدقة لا يستطيع الصندوق إظهارها بمفرده.

ومع ذلك، تظهر الحدود المنهجية لمخطط الساق والورقة عند التعامل مع مجموعات البيانات الضخمة (Big Data) أو العينات شديدة الكبر (مثلاً N > 1000). في مثل هذه الحالات، تصبح أسطر الأوراق مكتظة للغاية بمئات الأرقام المتجاورة، مما يفقد المخطط وضوحه البصري وقيمته التحليلية التفسيرية، وتصبح المدرجات التكرارية ومنحنيات الكثافة الاحتمالية (Kernel Density Plots) هي الخيار الأنسب والأكثر كفاءة لتمثيل تلك البيانات الضخمة.

2. المفاهيم الرياضية والهيكلية لبناء الساق والورقة

2.1 قواعد تقسيم الرقم إلى ساق (Stem) وورقة (Leaf)

يرتكز البناء الرياضي لمخطط الساق والورقة على قواعد رياضية صارمة تفصل العدد إلى مستويين متكاملين من المراتب العشرية أو المكانية. القاعدة العامة تنص على أن “الساق” يتكون من الرقم أو الأرقام التي تمثل الخانات العليا للعدد (مثل الآحاد، العشرات، المئات، أو حتى الآلاف)، في حين تتكون “الورقة” وجوباً وحصراً من رقم مفرد واحد يمثل الخانة المكانية التالية مباشرة في الترتيب التنازلي للمنازل الرقمية.

لتوضيح ذلك بمثال تطبيقي: إذا كانت الدرجة الخام هي (58)، فإن الساق يكون الرقم (5) ويمثل خانة العشرات، بينما تكون الورقة هي الرقم (8) وتمثل خانة الآحاد. أما إذا كانت البيانات تتعامل مع درجات مؤلفة من ثلاثة أرقام مثل (124)، فإن الساق يصبح (12) ليمثل المئات والعشرات معاً، وتكون الورقة هي الرقم (4) الذي يمثل خانة الآحاد. وفي حالة الكسور العشرية مثل (3.7)، فإن الساق يكون الرقم الصحيح (3) والورقة تكون جزءاً من عشرة وهو الرقم (7).

وفي المواقف التي تحتوي على قيم ذات منازل عشرية متعددة تتجاوز خانة الورقة المطلوبة (مثل 45.68)، يتم إجراء عملية تقريب رياضي أو بتر للخانة الزائدة بحيث تصبح القيمة (45.7)؛ حيث يكون الساق (45) والورقة (7)، مع ضرورة توضيح ذلك في هوامش المخطط الإحصائية لضمان عدم حدوث تشويه كمي أو إساءة في تفسير الدرجات المسترجعة.

2.2 عامل مقياس الساق (Stem Width) ووحدة الورقة (Leaf Unit)

يعد مفهوما “عرض الساق” (Stem Width) و”وحدة الورقة” (Leaf Unit) المرتكزين الرياضيين الأكثر أهمية لقراءة وتفكيك شفرة أي مخطط ساق وورقة في البرمجيات الإحصائية المتقدمة. يشير “عرض الساق” إلى المدى العددي الذي يغطيه كل ساق في المخطط؛ فعلى سبيل المثال، إذا كان عرض الساق يساوي 10، فهذا يعني أن الانتقال من ساق إلى الساق الذي يليه يمثل زيادة مقدارها 10 وحدات في القيمة الإجمالية للبيانات.

أما “وحدة الورقة” (Leaf Unit)، فهي القيمة الحسابية الدقيقة التي يُضرب فيها رقم الورقة الظاهر في المخطط لتحديد قيمته الحقيقية المضافة إلى الساق. إذا كانت وحدة الورقة محددة بـ (1.0)، فإن ظهور الورقة (5) يعني قيمتها المطلقة 5. أما إذا كانت وحدة الورقة محددة بـ (0.1)، فإن الورقة (5) تعني 0.5. وإذا كانت محددة بـ (10.0)، فإن الورقة (5) ترمز في الواقع إلى القيمة 50.

الصيغة الرياضية العامة لاسترجاع أي قيمة خام من المخطط تُحسب كالتالي:

القيمة الخام = (قيمة الساق × عرض الساق) + (قيمة الورقة × وحدة الورقة)

إن الاستيعاب العميق والدقيق لهذه العلاقة الحسابية يمنع الوقوع في الأخطاء الشائعة المتمثلة في إساءة تفسير الرتب العددية، ويضمن استعادة درجات المفحوصين بدقة رياضية متناهية دون أي غموض.

2.3 أنماط التوزيع والفرز داخل المخطط

يتبع مخطط الساق والورقة معايير بصرية صارمة فيما يتعلق بفرز وترتيب الأوراق لضمان تحقيق الهدف الاستكشافي للرسم. يتم ترتيب الأوراق داخل كل صف بصورة تصاعدية من اليسار إلى اليمين (من الأصغر إلى الأكبر)، مما يسمح بالتعرف الفوري على القيم الدنيا والقصوى داخل كل شريحة رقمية، ويساعد على استنباط المعالم الترتيبية مثل الوسيط والربيعات بصرياً دون الحاجة إلى إجراء معادلات منفصلة.

في بعض الحالات التي تتقارب فيها البيانات بشدة وتتكدس في سيقان قليلة جداً، يلجأ التحليل الإحصائي إلى استخدام “السيقان المنشطرة” (Split Stems) أو المقسمة. في هذا النمط الهيكلي، يُكرر كل ساق مرتين أو أكثر؛ ففي التقسيم الثنائي، يستقبل الساق الأول الأوراق من (0 إلى 4)، في حين يستقبل الساق المكرر الثاني الأوراق من (5 إلى 9). وفي التقسيم الخماسي، يُقسم الساق إلى خمسة أسطر متتالية (0-1، 2-3، 4-5، 6-7، 8-9).

يؤدي استخدام السيقان المقسمة إلى مط المحور الرأسي وتوسيع التوزيع البصري، مما يمنع انضغاط البيانات في صف واحد أو صفين، ويكشف عن الفروق الدقيقة والأنماط التوزيعية التي قد تكون محجوبة بسبب التركيز الشديد للبيانات، وهو ما يجسد المرونة الرياضية الفائقة لهذا المخطط.

3. أهمية مخطط الساق والورقة في البحوث النفسية والعلوم السلوكية

3.1 فحص اعتدالية الدرجات في المقاييس النفسية والسلوكية

تعتمد معظم الدراسات في العلوم السلوكية وعلم النفس على استخدام الاختبارات الإحصائية المعلمية (Parametric Tests) كاختبار “ت” (t-test) وتحليل التباين (ANOVA) ومعامل ارتباط بيرسون، والتي تشترط جميعها تحقق فرضية التوزيع الطبيعي (Normality Assumption) لدرجات المتغير التابع. يلعب مخطط الساق والورقة دوراً حاسماً في التحقق البصري المباشر من هذا الافتراض الهام قبل اتخاذ القرار بتطبيق تلك الاختبارات.

في مقاييس الصحة النفسية، مثل مقاييس الاكتئاب، القلق، والضغط النفسي، غالباً ما تظهر البيانات التواءً موجباً ملحوظاً؛ حيث تتكدس غالبية درجات الأفراد الأسوياء في الطرف المنخفض من المقياس (الأوراق العليا في المخطط)، بينما يمتد ذيل طويل من الدرجات المرتفعة نحو الأسفل ليمثل الحالات الإكلينيكية الأكثر شدة. يتيح المخطط للباحث السلوكي رؤية هذا الالتواء بوضوح تشريحي متناهٍ، ومقارنته بالمظهر الجرسي المثالي المتماثل.

علاوة على ذلك، في دراسات القياس النفسي العصبي (Neuropsychological Assessment) كاختبارات زمن الرجع والوظائف التنفيذية والذكاء، يساعد المخطط في الكشف عن التباينات الفردية الحادة، والتأكد مما إذا كانت الدرجات تتبع مساراً طبيعياً أم تتأثر بظواهر التباين غير المتجانس التي تتطلب استخدام بدائل لا معلمية (Non-parametric) أو تطبيق تحويلات لوغاريتمية على الدرجات.

3.2 كشف وتتبع درجات الاستجابة الشاذة أو غير النمطية

تواجه البحوث السيكولوجية باستمرار تحدي الاستجابات الشاذة أو غير النمطية (Careless or Atypical Responding)، سواء الناتجة عن تزييف الإجابة، أو نقص دافعية المفحوص، أو أخطاء تفريغ البيانات اليدوية من الاستبانات الورقية. يعد مخطط الساق والورقة أداة تشخيصية بارزة تمكن الباحث من تتبع هذه الدرجات المتطرفة بصورة فردية ومباشرة نظراً لبقاء الدرجات الخام مرئية في المخرجات.

من خلال المخطط، يستطيع الأخصائي النفسي التمييز بين نمطين من القيم الشاذة: القيم الشاذة الناتجة عن أخطاء إجرائية (مثل تسجيل درجة 99 على مقياس مداه الأقصى 50)، والتي تظهر كأوراق منعزلة تتطلب تصحيحاً فورياً، والقيم الشاذة الإكلينيكية الحقيقية التي تعكس حالات مرضية فريدة تستحق اهتماماً بحثياً نوعياً مستقلاً بدلاً من حذفها آلياً دون فهم مبرراتها السلوكية.

يوفر هذا الفحص البصري للمحلل السلوكي أسس اتخاذ قرارات منهجية محكمة ومعللة؛ فبدلاً من اللجوء العشوائي إلى إسقاط الحالات أو استبدالها بالمتوسط، يستند القرار المنهجي إلى رؤية تشخيصية واضحة لأثر تلك الاستجابات الشاذة على موقع الوسيط وتماسك التوزيع الكلي للمقياس النفسي.

3.3 تحليل توزيع عينات التجارب السيكولوجية الصغيرة

تتسم العديد من الأبحاث الإكلينيكية ودراسات التدخلات العلاجية النفسية بصغر حجم العينات (Small Sample Sizes)، حيث قد تتراوح العينة في بعض الدراسات المكثفة بين 15 إلى 40 مفحوصاً نتيجة لصعوبة استقطاب الحالات السريرية وتكلفة الجلسات العلاجية. في مثل هذه البيئات البحثية، تفقد المدرجات التكرارية فعاليتها تماماً؛ إذ يؤدي قلة عدد الحالات إلى ظهور أعمدة متناثرة مضللة يصعب معها قراءة معالم التوزيع.

هنا يبرز مخطط الساق والورقة كبديل منهجي مثالي ومحكم؛ فهو قادر على تمثيل حتى أصغر العينات بدقة بصرية كاملة، مما يسمح للباحث بمقارنة أداء المجموعة التجريبية والمجموعة الضابطة في القياسات القبلية والبعدية، وتتبع التغيرات النمائية أو العلاجية التي طرأت على كل مريض بصورة مفصلة ومقروءة.

إن توظيف هذا المخطط في التقارير والأطروحات النفسية يعزز من معايير الشفافية العلمية، حيث يتيح للمحكمين والقراء فحص توزيع الدرجات الخام واستقرائها بصورة ذاتية، مما يعزز الثقة في الاستنتاجات الإكلينيكية المستخلصة من التجارب ذات العينات المحدودة.

4. إعداد وتجهيز مصفوفة البيانات في SPSS قبل التحليل

4.1 تهيئة المتغيرات في شاشة Variable View

تعد المرحلة التحضيرية في شاشة تعريف المتغيرات (Variable View) داخل برنامج SPSS الخطوة التأسيسية لضمان توليد مخطط ساق وورقة دقيق وسليم إحصائياً. يتطلب بناء المخطط أن يكون المتغير المستهدف معرفاً كمتغير كمي، ولذلك يجب أولاً ضبط نوع المتغير في عمود Type ليكون رقماً مستمراً (Numeric)، مع تفادي إدخال البيانات كمتغيرات نصية (String) التي لا يقبلها الأمر الاستكشافي نهائياً.

في عمود مستوى القياس (Measure)، يجب تعيين مستوى القياس بدقة ليكون مقياساً كمياً (Scale). إن اختيار التصنيف الاسمي (Nominal) أو الرتبي (Ordinal) قد يقود البرنامج إلى توليد مخرجات غير ملائمة أو منع تنفيذ الأمر الرسومي بشكل كامل. كما ينبغي ضبط خانة المنازل العشرية (Decimals) بما يتناسب مع دقة أداة القياس المستخدمة، فالمبالغة في تحديد المنازل العشرية يربك خوارزمية تحديد أوراق المخطط.

ويكتسب عمود تسمية المتغير (Label) أهمية خاصة؛ حيث يعتمد SPSS على هذه التسمية لوضع عنوان تفصيلي أعلى المخطط في نافذة المخرجات. كما يجب تحديد وترميز القيم المفقودة (Missing Values) في العمود المخصص لذلك، لمنع إدراج الرموز المفقودة (مثل 999 أو -9) كأوراق فعلية داخل المخطط مما يؤدي إلى تشويه التوزيع بالكامل.

4.2 إدخال وتنظيف البيانات في شاشة Data View

بعد ضبط الخصائص البنائية للمتغيرات، ينتقل الباحث إلى شاشة عرض البيانات (Data View) لإدخال الدرجات الخام بصورة عمودية تتطابق فيها الأسطر مع هويات المفحوصين الفردية (Cases). تتطلب هذه الخطوة تدقيقاً صارماً في مطابقة الأرقام المدخلة مع استمارات القياس الأصلية لتجنب أخطاء الرقمنة الشائعة مثل تكرار الضغط على المفاتيح أو نسيان الفواصل العشرية.

يتضمن تنظيف البيانات فحص الحدود المنطقية للدرجات؛ فإذا كان المقياس يتراوح مداه النظري بين 0 و 100، فإن أي قيمة تخرج عن هذا النطاق يجب معالجتها والتحقق من مصدرها قبل الشروع في بناء المخطط. إن وجود خطأ إدخال كإضافة صفر إضافي (مثلاً 500 بدلاً من 50) سيؤدي إلى إنشاء ساق بعيد وشاذ يشوه الأبعاد الهندسية للمخطط بالكامل.

في الدراسات التي تشتمل على مقارنة بين مجموعات فرعية (مثل الذكور والإناث، أو مجموعة تجريبية وضابطة)، يجب إدخال متغير التصنيف في عمود مستقل كمتغير تجميعي (Grouping Variable) بترميز رقمي واضح (مثلاً: 1 = ضابطة، 2 = تجريبية)، مما يمهد لتوليد مخططات مقارنة عبر الفئات لاحقاً بكل سلاسة وبساطة.

4.3 شروط البيانات وملاءمتها لإنشاء المخطط في SPSS

لكي يحقق مخطط الساق والورقة غايته التحليلية بكفاءة داخل SPSS، يجب أن تستوفي مصفوفة البيانات مجموعة من الشروط المنهجية المحددة. الشرط الأول يتعلق بحجم العينة؛ حيث يتراوح النطاق المثالي للبيانات الملائمة لهذا المخطط بين 20 إلى 300 حالة. في هذا النطاق، يكون المخطط قادراً على إبراز التفاصيل الفردية والمعالم التوزيعية الكلية في آنٍ واحد بأعلى درجات الوضوح والتوازن.

الشرط الثاني يتمثل في وجود تباين كافٍ (Sufficient Variance) في المتغير المدروس. إذا كانت البيانات تفتقر إلى التباين أو كانت جميع القيم متطابقة أو شبه متطابقة (كأن تكون جميع الاستجابات محصورة بين قيمتين فقط)، فإن خوارزمية SPSS ستفشل في تقسيم البيانات إلى سيقان متعددة، وستنتج رسالة تحذيرية تفيد بعدم إمكانية توليد المخطط لعدم كفاية التباين الداخلي.

أما الشرط الثالث، فيتمثل في استمرارية المتغير وقابليته للتقسيم المكاني الطبيعي. إن استخدام المتغيرات الاسمية أو الرتبية البسيطة التي تتكون من فئات محدودة جداً (مثل مقياس ليكرت الثلاثي) يؤدي إلى ظهور مخططات مشوهة تفتقر إلى المعنى الإحصائي الحقيقي، ولذا يُشترط أن تكون البيانات ناتجة عن مقاييس كمية متصلة أو شبه متصلة تعكس درجات حقيقية ومتدرجة.

5. الدليل الإجرائي خطوة بخطوة لإنشاء المخطط عبر أمر Explore في SPSS

5.1 الوصول إلى نافذة استكشاف البيانات (Explore Dialog)

يتميز برنامج SPSS بتوفير أمر استكشافي شديد التخصص والقوة الإحصائية يُعرف بأمر Explore، وهو المسار الحصري والرئيسي لتوليد مخطط الساق والورقة داخل الحزمة الإحصائية، حيث لا يتوفر هذا المخطط ضمن القائمة الرسومية التقليدية (Graphs Dialog) نظراً لطبيعته الاستكشافية التحليلية المتخصصة.

للوصول إلى هذه النافذة الإجرائية، يتبع الباحث الخطوات القياسية المباشرة التالية:

• من شريط القوائم العلوي في الشاشة الرئيسية لبرنامج SPSS، يتم النقر على قائمة التحليل Analyze.
• من القائمة المنسدلة، يتم التمرير وتوجيه المؤشر نحو قسم الإحصاء الوصفي Descriptive Statistics.
• من القائمة الفرعية المنبثقة، يتم النقر على الأمر الاستكشافي المتقدم Explore….

بمجرد تنفيذ هذه الخطوات، ستفتح نافذة تفاعلية تشتمل على قائمة المتغيرات المتاحة على اليسار ومجموعة من الصناديق الفارغة وأزرار الخيارات الإحصائية والرسومية على اليمين.

5.2 توزيع المتغيرات في الحقول المخصصة

تتطلب نافذة Explore توزي Nazع المتغيرات وفق الغرض التحليلي للبحث بصورة دقيقة ومنهجية لضمان توليد المخططات المطلوبة بالشكل الصحيح:

• قائمة المتغيرات التابعة (Dependent List): يتم هنا إدراج المتغير الكمي أو المتغيرات المستمرة المراد فحص توزيعها وإنشاء مخطط الساق والورقة لها (مثل درجات اختبار الذكاء، درجات القلق، أو مستويات الرضا الوظيفي). يمكن إدراج أكثر من متغير كمي في آنٍ واحد لتوليد مخطط مستقل لكل متغير.
• قائمة العوامل (Factor List): يُستخدم هذا الحقل في حال الرغبة في تفكيك العينة ومقارنة توزيع المتغير التابع عبر مجموعات تصنيفية مختلفة. يتم هنا إدراج المتغير النوعي أو التجميعي (مثل: متغير النوع الاجتماعي، المجموعة العلاجية، أو المستوى التعليمي).
• تسمية الحالات بواسطة (Label Cases by): يُخصص هذا الحقل لنقل متغير المعرف الفردي للمفحوصين (مثل Case ID أو اسم المريض)، وهو إجراء هام للغاية يتيح للبرنامج تسمية أرقام الحالات الشاذة وتحديد هوياتها بدقة متناهية.
• خيارات العرض (Display): في الجزء السفلي الأيسر من النافذة، يجب التأكد من اختيار إما Plots إذا كان الهدف استخراج الرسوم البيانية فقط، أو خيار Both (وهو الخيار الموصى به أكاديمياً) للحصول على الجداول الوصفية الشاملة بالتوازي مع مخطط الساق والورقة.

5.3 تفعيل مخطط الساق والورقة من نافذة الخيارات الرسومية

بعد تعيين المتغيرات في حقولها المحددة، تأتي الخطوة المحورية لتفعيل وتأكيد استخراج المخطط عبر النوافذ الرسومية الفرعية للبرنامج:

• يتم النقر على زر الرسوم البيانية Plots… الموجود في الجانب العلوي الأيمن من نافذة Explore.
• ستنبثق نافذة فرعية جديدة بعنوان Explore: Plots. ضمن قسم الرسوم الوصفية (Descriptive)، يجب التحقق من وضع إشارة صح داخل المربع المجاور لخيار Stem-and-leaf (والذي يكون مفعلاً بشكل افتراضي في معظم إصدارات SPSS).
• لتعزيز القيمة التشخيصية للتحليل، يُنصح بشدة في هذه الخطوة بتفعيل خيار Normality plots with tests، والذي يتيح استخراج اختبارات الاعتدالية المعيارية (شابيرو-ويلك وكولموجوروف-سميرنوف) بالتكامل مع المخطط.
• يتم النقر على زر المتابعة Continue للعودة إلى النافذة السابقة، ثم الضغط على زر الموافقة OK لتنفيذ الأمر وبدء معالجة البيانات وتوليد المخرجات فوراً في شاشة العرض (SPSS Viewer).

6. تخصيص الخيارات الإحصائية المتقدمة وتوليد المخطط عبر أوامر البرمجة (Syntax)

6.1 توليد مخططات الساق والورقة المقارنة عبر المجموعات الفرعية

عند تضمين متغير تصنيفي داخل حقل Factor List، يقوم نظام SPSS تلقائياً بإجراء تحليل استكشافي طبقي منفصل؛ حيث يتم بناء مخطط ساق وورقة مستقل تماماً لكل مستوى من مستويات المتغير التصنيفي. وتعد هذه الإمكانية من أقوى الخصائص التحليلية المقارنة في البرمجيات الإحصائية المعاصرة.

تتيح هذه المقارنة البصرية المباشرة للباحث فحص تجانس التوزيعات بين المجموعات التجريبية والضابطة قبل وبعد تطبيق البرامج العلاجية، أو تقييم الفروق النوعية في درجات الذكور والإناث على مقاييس الشخصية. ويستطيع المحلل رصد ما إذا كان شكل التوزيع طبيعياً لدى مجموعة وملتوياً لدى مجموعة أخرى، أو ما إذا كانت إحدى المجموعات تتسم بتشتت واسع بينما تتكدس درجات المجموعة الأخرى ضمن نطاق ضيق.

كما تكشف المخططات المقارنة بوضوح تباين مواقع القيم الشاذة؛ فقد تتركز كافة القيم المتطرفة في المجموعة الإكلينيكية دون أن تظهر أي قيمة شاذة في المجموعة المعيارية السوية، مما يوفر دليلاً بصرياً قوياً يدعم تفسير الفروق الإحصائية المستخلصة من التحليلات الاستدلالية اللاحقة.

6.2 كتابة وتنفيذ أوامر SPSS Syntax لإنشاء المخطط

يوفر استخدام لغة الأوامر البرمجية المباشرة في SPSS والمعروفة باسم SPSS Syntax كفاءة استثنائية، ويوثق الخطوات المنهجية بدقة تامة، مما يضمن إعادة إنتاجية التحليل (Reproducibility) في الدراسات الطولية والمشاريع البحثية المعقدة دون الحاجة إلى تكرار النقر اليدوي عبر القوائم.

الأمر البرمجي الأساسي المسؤول عن توليد مخطط الساق والورقة هو الأمر EXAMINE. وفيما يلي البنية البرمجية القياسية الكاملة لإنشاء المخطط لمتغير مفرد يسمى (Anxiety_Score):

EXAMINE VARIABLES=Anxiety_Score
  /PLOT STEMLEAF
  /STATISTICS DESCRIPTIVES
  /CINTERVAL 95
  /MISSING LISTWISE
  /NOTOTAL.

وفي حال الرغبة في إنشاء مخططات مقارنة للمتغير الكمي (Anxiety_Score) مقسماً حسب متغير المجموعات (Group)، تتم كتابة السكريبت بالصيغة التالية:

EXAMINE VARIABLES=Anxiety_Score BY Group
  /PLOT STEMLEAF NPPLOT
  /STATISTICS DESCRIPTIVES
  /CINTERVAL 95
  /MISSING LISTWISE.

يتم تظليل هذه الأوامر داخل نافذة Syntax Editor ثم النقر على الزر الأخضر (Run Selection) لتنفيذ التحليل وتوليد المخرجات بصورة فورية وفائقة السرعة.

6.3 التحكم في معالجة القيم المفقودة والخيارات الإحصائية المرافقة

يتيح التحكم البرمجي عبر Syntax أو عبر نوافذ الخيارات الإحصائية المتقدمة ضبط كيفية معالجة القيم المفقودة بدقة متناهية؛ حيث يمكن للباحث الاختيار بين استبعاد الحالات كلياً من التحليل (Exclude cases listwise)، وهو الخيار الأضمن لمنع تباين أحجام العينات عبر المتغيرات المختلفة، أو استبعاد الحالات ثنائياً (Pairwise) لتعظيم الاستفادة من البيانات المتوفرة في كل متغير على حدة.

علاوة على ذلك، يمكن للمحلل الإحصائي استخراج مؤشرات وصفية معززة بالتوازي مع مخطط الساق والورقة، مثل تقديرات النزعة المركزية الحصينة (M-estimators of Location) التي طورها هابر وتوكي وميديكوف، والتي تقدم تقديرات للمتوسط الحسابي تكون غير حساسة للقيم الشاذة المكتشفة في المخطط.

كما يمكن ضبط مستويات فترات الثقة (Confidence Intervals) لحساب نطاقات الخطأ المعياري بدقة 95% أو 99%، مما يوفر رؤية شمولية تدمج بين التوصيف البصري المعروض في مخطط الساق والورقة والتقديرات الرياضية الاستدلالية المتقدمة في تقرير إحصائي واحد ومتكامل.

7. القراءة المعمقة وتفسير مخرجات المخطط في شاشة SPSS Viewer

7.1 فهم البنية التشريحية لجدول الساق والورقة في المخرجات

عند توليد المخرجات في شاشة SPSS Viewer، يظهر مخطط الساق والورقة على هيئة جدول نصي منظم بعناية فائقة. يتألف هذا المخطط من ثلاثة أعمدة رئيسية محاذاة أفقياً، إضافة إلى رأس تذييلي يحتوي على المعايير الرياضية للمقياس:

• عمود التكرار (Frequency): يقع في أقصى يسار المخطط، ويشير الرقم الظاهر فيه إلى عدد المفحوصين أو الحالات التي تقع درجاتها ضمن الساق المحدد في ذلك الصف بعينه. جمع أرقام هذا العمود يساوي إجمالي حجم العينة الخاضعة للتحليل (N).
• عمود الساق (Stem): يقع في المنتصف، ويسجل القيمة المكانية العليا المشتركة لجميع الأرقام المندرجة في ذلك الصف، بناءً على مقياس عرض الساق المحدد في أسفل الجدول.
• عمود الورقة (Leaf): يقع في الجانب الأيمن، ويحتوي على سلسلة من الأرقام المفردة المتراصة أفقياً دون فواصل. كل رقم مفرد يمثل مفحوصاً واحداً وحالة فريدة من نوعها.

في أسفل المخطط، يطبع البرنامج دائماً سطرين تفسيريين في غاية الأهمية المنهجية: السطر الأول يحدد عرض الساق (مثال: Stem width: 10.00)، والسطر الثاني يحدد وحدة قياس الورقة (مثال: Each leaf: 1 case(s))، وهما المفتاحان الرياضيان اللذان بدونهما يستحيل تفسير الأرقام بصورة علمية صحيحة.

7.2 ترجمة وتحويل خطوط المخطط إلى قيم رقمية فعلية

لقراءة القيم الخام واسترجاعها بدقة من المخطط، يطبق الباحث عملية دمج حسابية بسيطة بين الساق وأوراقه المقابلة. دعنا نأخذ مثالاً توضيحياً لسطر مستخرج من مخرجات SPSS:

إذا كان السطر يظهر كالتالي:

Frequency: 4 | Stem: 3 | Leaf: 2558

وكان تذييل المخطط يوضح أن: Stem width: 10 و Leaf unit: 1.0.

لقراءة وتفكيك هذا السطر، نتبع الخطوات التالية:

• عمود التكرار يخبرنا بوجود (4) مفحوصين في هذا الساق.
• قيمة الساق هي (3)، وبما أن عرض الساق 10، فإن القيمة الأساسية للساق هي (3 × 10 = 30).
• الأوراق الأربعة الظاهرة هي: 2، 5، 5، 8. وبما أن وحدة الورقة هي 1.0، فإن هذه الأرقام تضاف مباشرة إلى أساس الساق.
• الدرجات الفعلية الخام لهؤلاء المفحوصين الأربعة هي بالتحديد: 32، 35، 35، 38.

تثبت هذه العملية الحسابية السلسة كيف يمكن للباحث إعادة بناء مصفوفة البيانات الخام كاملة بمجرد توفر نسخة من مخطط الساق والورقة، مما يعكس الشفافية الاستثنائية لهذا التمثيل الرسومي.

7.3 تفسير صفوف القيم الشاذة المتطرفة (Extremes) في أسفل أو أعلى المخطط

عندما تشتمل العينة على درجات شديدة البعد عن الكتلة الرئيسية للبيانات، يتوقف SPSS عن إنشاء سيقان فارغة متتالية لملء المسافة الشاسعة، وبدلاً من ذلك، يقوم بتوليد صف خاص يحمل تسمية Extremes (قيم متطرفة). قد يظهر هذا الصف في الجزء العلوي للمخطط إذا كانت الدرجات متطرفة صغرى (Low Extremes)، أو في الجزء السفلي إذا كانت الدرجات متطرفة كبرى (High Extremes).

يعتمد البرنامج خوارزمية إحصائية معيارية لتحديد هذه الحالات؛ حيث يعتبر أي قيمة تتجاوز مسافة 1.5 ضعف المدى الربيعي (1.5 × IQR) مقاسة من الربيع الأول (Q1) أو الربيع الثالث (Q3) قيمة شاذة، وإذا تجاوزت 3 أضعاف المدى الربيعي تُصنف كقيمة متطرفة حادة.

في صف القيم المتطرفة، لا تُعرض الأرقام كأوراق مفردة مدمجة مع الساق، بل يُكتب التكرار الإجمالي في خانة التكرار، وتُعرض الدرجات الخام الحقيقية لتلك الحالات بين قوسين في عمود الأوراق مع إظهار أرقامها الفعلية (مثال: Extremes: (>= 95) أو سرد الأرقام 98, 102, 115). يوجه هذا التنبيه البصري الفوري الباحث نحو إجراء فحص تشخيصي نوعي لتلك الحالات الاستثنائية ودراسة مدى تأثيرها على القرارات الإحصائية.

8. فحص خصائص التوزيع واستكشاف القيم الشاذة باستخدام المخطط

8.1 تقييم التماثل والالتواء (Skewness) من خلال التوزيع البصري للأوراق

يمثل التقييم البصري لشكل توزيع الأوراق في المخطط وسيلة تشخيصية متقدمة لتحديد مدى تماثل البيانات أو التوائها، ويمكن للمحلل الاستدلال على ذلك بمجرد تدوير المخطط ذهنياً بزاوية 90 درجة عكس اتجاه عقارب الساعة لتأمل شكل المنحنى التكراري المتشكل من نهايات صفوف الأوراق:

• التوزيع المتماثل الطبيعي (Symmetric Distribution): تظهر فيه صفوف الأوراق تدرجاً متناسقاً يشبه الجرس المقلوب؛ حيث تكون الأسطر الأطول (الأكثر تكراراً) متمركزة في المنتصف تماماً، وتتدرج أطوال الأسطر في القصر بصورة متساوية ومنتظمة عند الصعود نحو الأعلى أو الهبوط نحو الأسفل.
• الالتواء الموجب (Positive / Right Skewness): تتكدس الأوراق في الصفوف العليا ذات القيم العددية المنخفضة مشكلة كتلة عريضة، في حين يمتد “ذيل” طويل ورفيع من الأوراق القليلة والمتباعدة نحو أسفل المخطط باتجاه القيم المرتفعة.
• الالتواء السالب (Negative / Left Skewness): تتكدس معظم الأوراق في الصفوف السفلية ذات القيم المرتفعة، بينما يمتد الذيل الرفيع صعوداً نحو أعلى المخطط باتجاه القيم المتدنية.

يتيح هذا الفحص البصري للمحلل التأكد من دقة معامل الالتواء الإحصائي (Skewness Statistic) المستخرج في الجداول الوصفية المرافقة، وتفسير أسباب تجاوزه للحدود المعيارية المقبولة (±1.0 أو ±1.96 حسب المعيار الإحصائي المعتمد).

8.2 فحص التفرطح (Kurtosis) وقمم التوزيع (Modality)

يقدم مخطط الساق والورقة تشخيصاً دقيقاً لخاصية التفرطح (Kurtosis) وعدد قمم التوزيع (Modality) للبيانات المدروسة. من خلال مراقبة طول السطر الأكثر تكراراً ومقارنته ببقية الأسطر، يستطيع الباحث التعرف على النمط التفرطحي العام:

• التوزيع المدبب (Leptokurtic): يظهر في المخطط كساق وحيد أو ساقين متجاورين يحتويان على أسطر بالغة الطول تزدحم فيها معظم أوراق العينة، مع وجود أسطر قصيرة جداً أو شبه فارغة في بقية السيقان، مما يدل على تركيز عالٍ للدرجات حول المركز وتفرطح إيجابي مرتفع.
• التوزيع المفلطح (Platykurtic): تظهر فيه أطوال أسطر الأوراق شبه متساوية على امتداد مساحة واسعة من السيقان المتتالية، دون وجود قمة مهيمنة واضحة، مما يعكس تفرطحاً سالباً وتشتتاً منتظماً للدرجات.
• التوزيع ثنائي القمة (Bimodal) أو متعدد القمم: يبرز بوضوح مدهش عندما تظهر قمتان طويلتان من الأوراق مفصولتان بسيقان ذات تكرارات منخفضة أو صفوف فارغة. يعد هذا الاكتشاف البصري ذا أهمية قصوى في العلوم النفسية؛ إذ يكشف للباحث فوراً أن العينة قد تتألف في الواقع من فئتين مختلفتين تماماً جرى دمجهما بالخطأ دون عزل المتغيرات الوسيطة.

8.3 تحديد الفجوات التوزيعية والتكتلات غير المتوقعة

من أهم المزايا التشخيصية لمخطط الساق والورقة قدرته على إبراز “الفجوات التوزيعية” (Distributional Gaps) بدقة متناهية؛ وتتمثل الفجوة في ظهور ساق أو عدة سيقان متتالية بتكرار صفري (Frequency = 0) مع خلوها تماماً من أي أوراق، واقعة بين مجموعتين من السيقان المأهولة بالبيانات.

يكشف وجود هذه الفجوات عن انقطاعات غير طبيعية في الظاهرة المدروسة؛ فقد يشير ذلك إلى مشكلات في أداة القياس النفسي، أو عزوف المفحوصين عن اختيار درجات متوسطة معينة، أو وجود تقسيم طبقي حاد في المجتمع البحثي يفصل بين مستويين متمايزين من الأداء دون وجود حالات انتقالية وسطى.

كما يسهم المخطط في الكشف المبكر عن ظاهرتي “تأثير السقف” (Ceiling Effect) و”تأثير الأرضية” (Floor Effect). يتجلى تأثير السقف في تكدس الأوراق بشكل جداري مصمت عند الساق الممثل لأعلى درجة ممكنة في المقياس، في حين يظهر تأثير الأرضية بتكدس الأوراق عند الساق الأدنى، مما ينبه الباحث إلى أن أداة القياس الحالية تفتقر إلى القدرة التمييزية الكافية لقياس التباين الحقيقي بين أفراد العينة في تلك الحدود.

9. دراسة حالة تطبيقية في علم النفس: تحليل درجات مقياس القلق الإكلينيكي

9.1 وصف البيانات والسياق النفسي للدراسة التطبيقية

لتجسيد التطبيق العملي لمخطط الساق والورقة، نفترض إجراء دراسة نفسية استكشافية تهدف إلى تقييم مستوى القلق لدى عينة إكلينيكية تتألف من 30 مريضاً تم تشخيصهم باضطراب الهلع، قبل التحاقهم ببرنامج علاجي معرفي سلوكي مكثف. تم قياس درجات القلق باستخدام مقياس بيك للقلق (Beck Anxiety Inventory – BAI)، والذي يتراوح مداه النظري للدرجات الكلية بين (0 و 63) درجة.

سُجلت الدرجات الخام للمرضى الثلاثين في قاعدة بيانات SPSS كالتالي:

14, 18, 19, 21, 22, 23, 24, 25, 26, 26, 27, 28, 28, 29, 30, 31, 31, 32, 33, 34, 35, 36, 37, 39, 41, 42, 45, 48, 52, 61.

يهدف الفحص الاستكشرافي الأولي للبيانات إلى التحقق من اعتدالية توزيع درجات القلق قبل تطبيق النماذج الإحصائية المعلمية لاختبار فاعلية البرنامج العلاجي، وفحص ما إذا كانت العينة تشتمل على درجات قلق حادة جداً أو منخفضة بصورة شاذة قد تؤثر على تماسك المجموعة العلاجية وتجانسها الإكلينيكي.

9.2 استخراج وتوليد المخرجات الإحصائية في SPSS

تم إدخال المتغير باسم BAI_PreTest مع تعريفه كمقياس كمي (Scale). وعبر اتباع الخطوات الإجرائية القياسية الموضحة سابقاً من قائمة Analyze > Descriptive Statistics > Explore، تم نقل المتغير إلى صندوق Dependent List، وتفعيل خيار Stem-and-leaf وخيار Normality plots with tests.

أنتج برنامج SPSS في شاشة المخرجات مخطط الساق والورقة التالي، مسبوقاً بمؤشرات القياس الهيكلية:

BAI_PreTest Stem-and-Leaf Plot
Frequency    Stem    Leaf
3.00             1        489
11.00           2        12345667889
10.00           3        0112345679
4.00             4        1258
1.00             5        2
1.00             6        1

Stem width: 10.00
Each leaf: 1 case(s)

توضح معاملات المقياس في التذييل أن كل ساق يمثل خانة العشرات (عرض الساق 10)، وأن كل رقم في الورقة يمثل مريضاً واحداً (Leaf unit = 1.0)، مما يتيح قراءة فورية لكل درجة إكلينيكية مسجلة.

9.3 التحليل النفسي والإحصائي المعمق لنتائج المخطط

يكشف التحليل التشريحي للمخطط الناتج عن خصائص إحصائية وسلوكية بالغة الأهمية للبيانات. يظهر التوزيع قمة واضحة ومهيمنة تتمركز في السيقان (2 و 3)، حيث تضم هذه المنطقة 21 مريضاً من أصل 30 (ما يعادل 70% من إجمالي العينة)، مع درجات تتراوح تحديداً بين 21 و 39 درجة، وهي الفئة التي تصنف وفق معايير مقياس بيك بأنها تمثل مستوى “قلق متوسط إلى شديد” (Moderate to Severe Anxiety).

من الناحية التوزيعية، يُظهر المخطط شكلاً شبه جرسي متماسكاً في كتلته الرئيسية، ولكنه يتسم بالتواء إيجابي طفيف يمتد نحو السيقان 5 و 6 (الدرجات 52 و 61). يمثل هذان المريضان مستويات قلق بالغة الحدة والخطورة الإكلينيكية تقترب من السقف الأقصى للمقياس. ومع ذلك، لم يقم البرنامج بتصنيفهما في صف Extremes منفصل، مما يشير رياضياً إلى أنهما يقعان ضمن المدى الإحصائي المقبول (أقل من 1.5 ضعف IQR) ولا يشكلان شذوذاً يفسد اعتدالية التوزيع العامة.

تؤكد النتائج المرافقة لاختبار شابيرو-ويلك (Shapiro-Wilk Test: W = 0.962, p = 0.354) سلامة التوزيع واعتداليته الإحصائية، مما يمنح الباحث النفسي مبرراً منهجياً صلباً لاستخدام الاختبارات المعلمية (كتحليل التباين واختبار t للعينات المرتبطة) لتقييم أثر التدخل العلاجي، مع التوصية السريرية بوضع برنامج مراقبة مكثف للحالتين ذواتي الدرجتين (52 و 61) لضمان استجابتهما للتدخل السلوكي.

10. المقارنة المنهجية والتكامل مع الرسوم البيانية الأخرى في SPSS

10.1 أوجه التكامل والتباين مع المدرج التكراري (Histogram)

رغم أن مخطط الساق والورقة والمدرج التكراري يشتركان في تقديم تمثيل هندسي لتوزيع البيانات والترددات التكرارية، إلا أن المقارنة المنهجية بينهما تكشف عن تمايزات جوهرية تجعل لكل منهما مجالات استخدام مثالية تتكامل مع الأخرى في التحليل الشامل:

تتمثل الميزة التنافسية الكبرى لمخطط الساق والورقة في العينات الصغيرة والمتوسطة (N < 300) في احتفاظه بالبيانات الأصلية الدقيقة، مما يمنع التحيز أو التشويه الناتج عن التحديد العشوائي لحجم الفئات (Bin Width) في المدرجات التكرارية. ففي المدرج التكراري، قد يؤدي تغيير بسيط في عرض الفئة إلى تغيير جذري في الشكل البصري للمنحنى وإخفاء تكتلات حقيقية، وهو ما لا يمكن أن يحدث في الساق والورقة لكونه محكوماً بالنظام العددي العشري الطبيعي للبيانات.

في المقابل، يتفوق المدرج التكراري تفوقاً ساحقاً عند التعامل مع العينات الكبيرة جداً؛ حيث يصبح مخطط الساق والورقة غير قابل للقراءة نتيجة ازدحام مئات الأرقام في السطر الواحد. ومن هنا تتجلى أفضل الممارسات المنهجية في استخدام مخطط الساق والورقة كأداة تشخيص مجهري وتدقيق للعينات البحثية القياسية، واستخدام المدرج التكراري المزود بمنحنى التوزيع الطبيعي المتراكب (Normal Curve Overlay) للعرض العام والعينات المليونية.

10.2 الربط التحليلي مع مخطط الصندوق والطرفين (Boxplot)

يقدم الدمج التشخيصي بين مخطط الساق والورقة ومخطط الصندوق والطرفين (Boxplot) أسلوباً معيارياً مزدوجاً ومحكماً لفحص جودة البيانات واستكشاف معالمها الإحصائية، حيث يترجم كل رسم معالم التوزيع بأسلوب هندسي مكمل للآخر:

يرسم مخطط الصندوق المعالم الخمسة الرئيسية للبيانات (الحد الأدنى، الربيع الأول، الوسيط، الربيع الثالث، الحد الأقصى) ويوضح المدى الربيعي ككتلة هندسية مغلقة. يستطيع المحلل استقراء هذه المؤشرات بصرياً من مخطط الساق والورقة؛ فالوسيط يقع في منتصف الأوراق تماماً، والربيعات تقسم أسطر الأوراق إلى أرباع متساوية العدد.

أما في جانب تشخيص القيم الشاذة، فيظهر التطابق الإحصائي المطلق بين المخططين؛ إذ إن الحالات التي تظهر كدوائر صغيرة (Outliers) أو نجوم (Extreme Outliers) في مخطط الصندوق مع إظهار رقم الحالة (Case Number)، هي ذاتها التي تظهر في صفوف Extremes أو على أطراف السيقان المنعزلة في مخطط الساق والورقة. يمنح هذا التكامل للباحث قدرة فائقة على التأكد البصري والعددي من طبيعة الحالات الشاذة وموقعها من التوزيع.

10.3 تكامل المخطط مع منحنيات الاحتمال الطبيعي (Q-Q Plots)

يعد مخطط الاحتمال الطبيعي (Normal Q-Q Plot) الأداة الرسومية الأكثر حساسية وصرامة لاختبار مدى مطابقة البيانات النظرية للتوزيع الطبيعي المعياري. وفي سياق التحليل الاستكشافي المتكامل داخل SPSS، يعمل مخطط الساق والورقة كأداة تفسيرية تشرح وتعلل الانحرافات التي يرصدها مخطط Q-Q:

عندما تبتعد النقاط في مخطط Q-Q عن الخط المستقيم المرجعي عند الأطراف العليا أو الدنيا، يوضح مخطط الساق والورقة للباحث السبب البصري والعددي الدقيق لهذا الانحراف؛ كأن يظهر وجود التواء حاد ناتج عن تكتل أوراق منخفضة، أو وجود فجوة توزيعية قطعت اتصال المنحنى، أو ظهور قيم متطرفة شاذة تسببت في سحب الذيل الاحتمالي.

يسهم هذا الفحص التكاملي المزدوج في توجيه الباحث نحو اتخاذ القرار المنهجي الصحيح لمعالجة البيانات غير الطبيعية؛ فإذا أظهر المخططان التواءً موجباً منتظماً، يُوجه الباحث لتطبيق تحويل الجذر التربيعي (Square Root Transformation) أو التحويل اللوغاريتمي (Log Transformation)، أما إذا كان الانحراف ناتجاً عن حالات شاذة منعزلة، فيتجه القرار نحو معالجة تلك الحالات الفردية دون تشويه بقية المتغير.

11. الأخطاء الشائعة أثناء بناء وتفسير مخطط الساق والورقة وكيفية تصحيحها

11.1 أخطاء قراءة وتفسير وحدات الساق والورقة

يقع العديد من الباحثين المبتدئين في أخطاء فادحة عند قراءة وتفسير وحدات الساق والورقة في مخرجات SPSS، وتأتي في مقدمة هذه الأخطاء إسقاط أو إهمال قراءة قيمة Stem Width و Leaf Unit الموضحة في تذييل المخطط، مما يقود إلى تشويه كامل للقيمة الحقيقية للبيانات المسترجعة.

على سبيل المثال: إذا كانت قيمة الساق (4) والورقة (2)، وكان عرض الساق يساوي (100) ووحدة الورقة تساوي (10)، فإن القيمة الحقيقية للدرجة هي (420). إن إهمال هذه الوحدات قد يجعل الباحث يفسر الدرجة بالخطأ على أنها (42) أو (4.2)، مما ينسف مصداقية التقرير البحثي بالكامل.

خطأ شائع آخر يتمثل في الخلط بين المنازل العشرية والأرقام الصحيحة؛ حيث يفترض البعض خطأً أن كل ورقة تمثل دائماً كسراً عشرياً أو خانة آحاد حصراً، دون التحقق من كيفية معالجة SPSS للأرقام الكبيرة التي تتطلب تقريباً أو بتر أرقام المئات والآلاف لتلائم هيكل الورقة الواحدة. يُصحح هذا الخطأ بالرجوع دائماً لمعادلة الاسترجاع الرياضية الدقيقة المدونة في تذييل الجدول.

11.2 الأخطاء المنهجية في التعامل مع أحجام العينات الكبيرة والبيانات الشاذة

من الأخطاء المنهجية البارزة محاولة استخدام مخطط الساق والورقة مع عينات بالغة الكبر (N > 1000)؛ حيث يؤدي ذلك إلى إنتاج صفوف أوراق تمتد لعدة صفحات متتالية بآلاف الأرقام المتلاصقة، مما يدمر الوظيفة الاستكشافية التلخيصية للرسم البياني. ويكمن التصحيح المنهجي في قصر استخدام المخطط على العينات الملائمة، والاعتماد على المدرجات التكرارية ومنحنيات الكثافة للعينات الكبيرة.

كما يقع باحثون آخرون في خطأ الحذف الآلي والمتسرع للقيم المصنفة في صف Extremes بمجرد ظهورها في المخطط، دون التحقق من السياق السلوكي والنفسي لتلك الدرجات. إن الحذف غير المبرر للحالات المتطرفة يُعد إخلالاً علمياً قد يخفي ظواهر إكلينيكية هامة أو يقود إلى تضخيم زائف لمعاملات الارتباط وقوة التأثير.

ويخطئ البعض أيضاً في تفسير ظاهرة “انشطار السيقان” (Split Stems)، حيث يظنون أن تكرار ظهور نفس رقم الساق في سطرين متتاليين يمثل خللاً برمجياً في SPSS، في حين أنه إجراء رياضي مقصود تتبعه الخوارزمية لتوسيع المدى البصري عند تكدس البيانات ومنع انضغاطها، وتصحيح ذلك يتطلب فهم قواعد توزيع الأوراق (0-4 للسطر الأول و 5-9 للسطر الثاني).

11.3 المشاكل التقنية في برنامج SPSS واستراتيجيات حلها

قد تواجه الباحث بعض المشاكل التقنية والرسائل التحذيرية أثناء توليد المخطط في SPSS؛ ومن أشهرها ظهور رسالة تحذير تفيد بأن “The stem-and-leaf plot cannot be produced because the variance is zero or data are constant”. تشير هذه الرسالة إلى غياب التباين تماماً في المتغير؛ ويتم حل هذه المشكلة بالتحقق من مصفوفة البيانات والتأكد من إدخال المتغير الصحيح وعدم وجود خطأ في اختيار عمود ثابت القيمة.

تظهر مشكلة تقنية أخرى عند التعامل مع المتغيرات ذات القيم السالبة (Negative Values)؛ حيث يقوم SPSS بوضع إشارة السالب أمام الساق (مثلاً: -0 أو -1). يكمن التحدي الإدراكي هنا في أن الأوراق التابعة للساق السالب تُقرأ باتجاه تنازلي (مثلاً الساق -1 والورقة 5 تعني -15). يجب على الباحث الانتباه الدقيق للإشارات السالبة لتجنب عكس اتجاه الفروق في التفسير.

ولمعالجة مشاكل مظهر المخرجات في شاشات العرض الحديثة، يُنصح بتعديل إعدادات الخطوط (Font Settings) الخاصة بجدول المخرجات النصية في SPSS، واختيار خطوط متساوية العرض (Monospaced Fonts مثل Courier New) لضمان المحاذاة العمودية الدقيقة لصفوف الأوراق عند نسخها إلى برامج تحرير النصوص الخارجية كالـ Microsoft Word.

12. توثيق وكتابة نتائج مخطط الساق والورقة وفق دليل APA (الإصدار السابع)

12.1 معايير الصياغة الأكاديمية لنتائج التحليل الاستكشافي للبيانات

يفرض دليل النشر الأكاديمي لجمعية علم النفس الأمريكية (APA Publication Manual – 7th Edition) معايير دقيقة لكتابة وتوثيق نتائج الفحص الاستكشافي للبيانات. لا يُكتفى في التقرير الأكاديمي بذكر المؤشرات الرقمية المعلمية فقط، بل يجب تقديم وصف نوعي دقيق لشكل التوزيع وتماثله استناداً إلى المعاينة البصرية لمخطط الساق والورقة ومخططات الاعتدالية المرافقة.

يجب أن تتضمن فقرة النتائج العناصر المنهجية الأساسية التالية:

• تحديد الهدف من الفحص الاستكشرافي (التحقق من اعتدالية البيانات وخلوها من التشويه).
• الوصف البصري لتماثل التوزيع (طبيعي متماثل، ملتوٍ موجباً أو سالباً، مدبب أو مفلطح) مع الإشارة الصريحة لمخرجات مخطط الساق والورقة.
• ذكر نتائج اختبارات الاعتدالية المعيارية المرافقة (قيمة Shapiro-Wilk ومستوى الدلالة الإحصائية p-value).
• الإفصاح الدقيق عن أي قيم شاذة مكتشفة وتحديد أرقام حالاتها وكيفية التعامل المنهجي معها (استبقاء، تحويل، أو حذف مبرر).

نموذج صياغة أكاديمية موثقة وفق APA 7th:

“أظهر الفحص الاستكشافي الأولي لدرجات مقياس القلق القبلي (BAI) اعتدالاً مقبولاً في شكل التوزيع الإحصائي العام؛ حيث بيّن مخطط الساق والورقة (Stem-and-Leaf Plot) تدرجاً جرسياً متماسكاً يتركز في مداه المتوسط بين الدرجتين 21 و 39، مع وجود التواء إيجابي طفيف تمثل في درجتين مرتفعتين (52 و 61) لم تتجاوزا الحدود المعيارية للقيم المتطرفة. وقد عززت نتائج اختبار شابيرو-ويلك عدم وجود انتهاك جوهري لفرضية التوزيع الطبيعي، W(30) = 0.962, p = .354، مما يدعم ملاءمة البيانات لتطبيق التحليلات الإحصائية المعلمية اللاحقة.”

12.2 تضمين المخطط كشكل توضيحي أو جدول ملحق في الأبحاث والرسائل

وفقاً لمعايير APA الإصدار السابع، يُعامل مخطط الساق والورقة بوصفه شكلاً بيانياً (Figure) أو جدولاً نصياً استكشافياً (Table)، وتخضع طريقة إدراجه وتسميته في المتن لقواعد تنسيقية صارمة لضمان الوضوح والاحترافية الأكاديمية:

يُوضع رقم الشكل في الأعلى بخط عريض (مثال: Figure 3)، يليه في السطر التالي عنوان وصفي مائل وموجز للشكل (مثال: Stem-and-Leaf Plot of Pre-Treatment Beck Anxiety Inventory Scores). ويجب أن يتميز المخطط بنقاء بصري ومحاذاة تامة للأسطر والأعمدة دون استخدام خطوط شبكية زائدة تشوش القراءة.

في الجزء السفلي من الشكل، يُشترط وضع ملاحظة توضيحية تبدأ بكلمة مائلة (Note.)، تتضمن شرحاً تفصيلياً لعرض الساق ووحدة الورقة وإجمالي حجم العينة لتمكين القارئ من فهم وتفكيك المخطط باستقلالية تامة عن متن البحث (مثال: Note. N = 30. Stem width = 10.00. Each leaf = 1 case. The stem represents tens and the leaf represents units of the total BAI score).

ومن الناحية المنهجية، يُفضل في المقالات العلمية المنشورة في الدوريات المحكمة وضع المخطط ضمن الملاحق الإلكترونية التكميلية (Supplementary Materials) إذا كان الهدف مجرد توثيق إجراءات الفحص الأولي، في حين يُستحسن تضمينه مباشرة داخل متن الرسائل الجامعية (الماجستير والدكتوراه) في فصل النتائج لتعزيز عمق المناقشة المنهجية.

12.3 الاعتبارات الأخلاقية والشفافية العلمية في إعداد التقارير الإحصائية

تفرض التوجهات الحديثة نحو العلم المفتوح (Open Science) والممارسات البحثية المسؤولة معايير صارمة للنزاهة الإحصائية في التعامل مع نتائج مخطط الساق والورقة والتحليل الاستكشافي عموماً. يُلزم الباحث بالشفافية الكاملة في الإفصاح عن كافة الحالات المصنفة كقيم شاذة أو متطرفة، ويُحظر تماماً الحذف الانتقائي للبيانات بهدف الوصول المصطنع إلى الدلالة الإحصائية (p-hacking).

إذا قرر الباحث استبعاد حالة شاذة معينة تم رصدها في صف Extremes، يجب تقديم تبرير موضوعي صلب يستند إما إلى خطأ مؤكد في القياس أو ظروف استثنائية موثقة للمفحوص، مع التوصية المنهجية بتقديم تحليل الحساسية (Sensitivity Analysis)؛ وهو إجراء يعرض النتائج التحليلية في حالتي وجود الحالات الشاذة واستبعادها لإظهار مدى متانة الاستنتاجات البحثية.

إن مشاركة الأوامر البرمجية (SPSS Syntax) المستخدمة لتوليد المخططات والمؤشرات الوصفية ضمن مستودعات البيانات العامة يمثل الركيزة الأساسية للشفافية العلمية المعاصرة، مما يتيح للمجتمع الأكاديمي تدقيق النتائج، وإعادة إنتاجها، والبناء عليها بثقة تامة.

خاتمة

يمثل مخطط الساق والورقة أداة تشخيصية واستكشافية استثنائية تحتفظ برونقها وقيمتها المنهجية العالية في عصر الإحصاء المعاصر. فمن خلال قدرته المتفردة على الجمع بين العرض الهندسي البصري لشكل التوزيع والاحتفاظ الرقمي الكامل بالبيانات الخام، يوفر المخطط للباحثين نافذة مجهرية لفهم الطبيعة الحقيقية لبياناتهم قبل الاندفاع نحو التحليلات المعلمية المعقدة.

لقد أثبتت التجربة الإحصائية عبر العقود أن التطبيق الواعي لأوامر برنامج SPSS المتقدمة—سواء عبر القوائم التفاعلية لأمر Explore أو عبر الأوامر البرمجية المباشرة (Syntax)—يمنح الباحثين في العلوم النفسية، والاجتماعية، والطبية قدرة غير مسبوقة على كشف الالتواءات، وضبط القيم الشاذة، ورصد الفجوات التوزيعية، وتأكيد افتراضات النماذج الرياضية بكفاءة وموثوقية بالغة.

إن الإلمام المتكامل ببناء وقراءة وتوثيق هذا المخطط وفق أعلى المعايير الأكاديمية لا يعزز فقط من جودة التحليلات الإحصائية، بل يرسخ مبادئ الشفافية والنزاهة العلمية في التقارير والأطروحات، مؤكداً المكانة التاريخية والمعاصرة لرؤية جون توكي الرائدة: “إن أعظم فائدة للرسم البياني هي أن يجبرنا على ملاحظة ما لم نكن نتوقع رؤيته على الإطلاق”.

المراجع (References)

• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications. https://edge.sagepub.com/field5e
• 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.). Open University Press. https://www.mheducation.co.uk/spss-survival-manual
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson. https://www.pearson.com/
• Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley. https://en.wikipedia.org/wiki/Exploratory_Data_Analysis_(book)
• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000