الإحصاء النفسيتحليل البيانات

كيفية إجراء اختبارات t في إكسيل

دليل أكاديمي شامل يشرح كيفية إجراء اختبارات t الإحصائية بأنواعها المختلفة في برنامج إكسيل، مع تفسير المخرجات وحساب حجم الأثر بدقة منهجية.

تاريخ النشر

يمثل الاستدلال الإحصائي الركيزة الأساسية التي تقوم عليها الأبحاث التجريبية والكمية المعاصرة، حيث يسعى الباحثون عبر مختلف التخصصات الأكاديمية—من العلوم النفسية والسلوكية إلى العلوم الطبية والاقتصادية—إلى استخلاص استنتاجات علمية دقيقة حول المجتمعات الإحصائية انطلاقاً من ملاحظة وتحليل عينات ممثلة. ومن بين الترسانة الإحصائية الواسعة المتاحة للباحث الكمي، يبرز اختبار ت (Student’s t-Test) كأحد أكثر الأدوات البارامترية استخداماً وأكثرها أهمية لدراسة الفروق بين المتوسطات الحسابية والتحقق من صدق الفرضيات الصفرية والبديلة. تكمن القوة المنهجية لهذا الاختبار في دقته العالية وقدرته الاستدلالية الفائقة عندما تكون تباينات المجتمعات مجهولة وأحجام العينات المدروسة محدودة نسبياً.

وعلى الرغم من التطور الهائل في البرمجيات الإحصائية المتخصصة، يظل برنامج مايكروسوفت إكسيل (Microsoft Excel) بيئة حسابية واستدلالية واسعة الانتشار، ومرنة للغاية، ومتاحة للغالبية العظمى من الأكاديميين والممارسين دون الحاجة إلى تكاليف ترخيص باهظة أو تدريب برمجي معقد. يدمج إكسيل بين بساطة تنظيم جداول البيانات والقدرات الحسابية المتقدمة التي تتيحها حزمة أدوات تحليل البيانات (Data Analysis ToolPak)، بالإضافة إلى الدوال الإحصائية المدمجة فائقة الدقة. يتيح ذلك للباحث إجراء مختلف صيغ اختبارات t، والتحقق من افتراضاتها المنهجية، وحساب أحجام التأثير، وبناء فترات الثقة، وإنتاج الرسوم البيانية بدقة تتطابق تماماً مع أرقى الحزم الإحصائية مثل SPSS وR.

يهدف هذا الدليل المرجعي الشامل إلى تقديم تفكيك منهجي وتطبيقي متقدم لكيفية تنفيذ وتفسير وتقرير اختبارات t بأنواعها المختلفة داخل برنامج إكسيل. سنستعرض الأسس النظرية والرياضية التي بني عليها الاختبار، مروراً بفحص الافتراضات الإحصائية الصارمة مثل التوزيع الطبيعي وتجانس التباين، ووصولاً إلى الخطوات الإجرائية التفصيلية لكل من اختبار العينات المستقلة، واختبار العينات المترابطة، واختبار العينة الواحدة. كما يغطي المقال حساب المؤشرات التكميلية مثل معامل كوهين دي (Cohen’s d) وفترات الثقة، وصولاً إلى صياغة النتائج بصورة أكاديمية معيارية متوافقة تماماً مع إرشادات جمعية علم النفس الأمريكية (APA 7th Edition).

جدول المحتويات

1. مقدمة نظرية حول اختبارات t واستخدام برنامج إكسيل في التحليل الإحصائي

1.1 التعريف باختبار t وأهميته المنهجية في البحوث النفسية والسلوكية

تعود الجذور التاريخية لاختبار t إلى مطلع القرن العشرين، وتحديداً في عام 1908 عندما قام العالم والكيميائي البريطاني ويليام سيلي جوسيت (William Sealy Gosset) بنشر ورقته العلمية الكلاسيكية تحت الاسم المستعار “Student” أثناء عمله في مصانع جينيس. واجه جوسيت معضلة تطبيقية تمثلت في الحاجة إلى مراقبة جودة الإنتاج الكيميائي والمحاصيل الزراعية عبر عينات صغيرة جداً، حيث أثبتت النظرية الإحصائية الكلاسيكية القائمة على التوزيع الطبيعي المعياري (z-distribution) عدم ملاءمتها نظراً لأن الانحراف المعياري للمجتمع الأصلي يكون مجهولاً تماماً في الممارسة الواقعية. قاد هذا التحدي جوسيت إلى تطوير توزيع t، الذي يتميز بذيول أثقل (Heavier Tails) مقارنة بالتوزيع الطبيعي، مما يوفر هامش خطأ أكبر يراعي التباين المتأصل في تقديرات العينات المحدودة، ويقترب تدريجياً من التوزيع الطبيعي كلما اقترب حجم العينة من اللانهاية وفق نظرية النهاية المركزية (Central Limit Theorem).

في ميدان البحوث النفسية والسلوكية المعاصرة، يشكل اختبار t الأداة الاستدلالية المركزية لاختبار الفرضيات (Hypothesis Testing) في التصميمات التجريبية وشبه التجريبية. يتيح الاختبار للباحثين الفصل الرياضي الحاسم بين الفروق الحقيقية الناتجة عن المتغيرات المستقلة (مثل فعالية التدخلات العلاجية أو البرامج التدريبية) والفروق العشوائية الناتجة عن مجرد خطأ المعاينة (Sampling Error). يقوم منطق الاختبار على صياغة فرضيتين متنافستين: الفرضية الصفرية (Null Hypothesis – H0) التي تفترض انعدام الفروق الحقيقية بين المتوسطات، والفرضية البديلة (Alternative Hypothesis – H1) التي تدعي وجود فرق ذي دلالة إحصائية يتجاوز التذبذب العشوائي.

تتعاظم الأهمية المنهجية لاختبار t عند دراسة المتغيرات السلوكية المعقدة؛ إذ يندر أن يمتلك الباحث النفسي معرفة مسبقة بتباين المجتمع ككل. يتيح اختبار t التغلب على هذا القيد من خلال استخدام الانحراف المعياري للعينة كتقدير غير متحيز للتباين المجتمعي، مع تعديل درجات الحرية (Degrees of Freedom) لتعويض عدم اليقين. ولضمان الرصانة العلمية، يتعين على الباحث تحديد مستوى الدلالة المعياري (Significance Level – Alpha) مسبقاً—والذي يُحدد تقليدياً عند 0.05 في العلوم الاجتماعية والنفسية—إلى جانب حساب القوة الإحصائية (Statistical Power) للحد من الوقوع في الخطأ من النوع الأول (Type I Error) أو الخطأ من النوع الثاني (Type II Error).

1.2 لماذا يعد إكسيل خياراً فعالاً ومتاحاً لإجراء التحليلات الإحصائية؟

على الرغم من انتشار البرمجيات الإحصائية المخصصة مثل SPSS وSAS وبيئات البرمجة مثل R وPython، يحتفظ برنامج مايكروسوفت إكسيل بمكانة فريدة تجعله منصة تحليلية بالغة الكفاءة للباحثين والأكاديميين. تنبع الميزة الأولى لإكسيل من تواجده الشامل وتكامله التلقائي في مختلف المؤسسات البحثية والجامعية حول العالم، مما يزيل الحواجز المالية المرتبطة باشتراكات البرامج الإحصائية الاحترافية التي قد تشكل عبئاً كبيراً على الباحثين المستقلين أو طلبة الدراسات العليا في الدول النامية. يوفر إكسيل بيئة عمل متكاملة تجمع بين إدارة البيانات الخام، وإجراء العمليات الحسابية، وتوليد الجداول التلخيصية، وتصميم الرسوم البيانية عالية الجودة في واجهة واحدة موحدة ومألوفة.

تتمثل إحدى أهم المزايا المنهجية والتعليمية لبرنامج إكسيل في “الشفافية الحسابية المطلقة”. فبينما تعمل معظم البرمجيات المتخصصة كـ “صناديق سوداء” تخرج أرقاماً نهائية بضغطة زر دون توضيح الآليات الرياضية الوسيطة، يسمح إكسيل للباحث بتفكيك المعادلات وبناء النماذج خطوة بخطوة. يمكن للباحث حساب المتوسطات، وتباينات المجموعات، والانحرافات المعيارية، والتباين المجمع، ودرجات الحرية، وقيمة t المحسوبة يدوياً باستخدام الدوال الأولية، ثم مقارنتها بالمخرجات الآلية التي توفرها حزمة تحليل البيانات. هذه الشفافية تعزز الفهم العميق للمفاهيم الإحصائية وتضمن التحقق التام من صحة البيانات وعدم وجود أخطاء في الإدخال أو الترميز.

علاوة على ذلك، يتميز إكسيل بمرونة فائقة في التعامل مع العينات الصغيرة والمتوسطة، والتي تشكل النسبة الغالبة من الدراسات التجريبية السلوكية والطبية. توفر حزمة تحليل البيانات (Data Analysis ToolPak) خوارزميات حسابية مجربة تخضع لمعايير دقة صارمة تحاكي تماماً مخرجات الحزم الإحصائية المتقدمة. تتيح هذه المنظومة للباحثين تصميم لوحات تحليلية تفاعلية وقوالب إحصائية قابلة لإعادة الاستخدام، مما يرفع من إنتاجية العمل البحثي ويوفر وسيلة تدقيق مباشرة وموثوقة لكافة مراحل التحليل الإحصائي.

1.3 التصنيفات الرئيسية لاختبارات t المتاحة في إكسيل

يتضمن الإطار البارامتري لاختبارات t ثلاثة تصنيفات رئيسية صُممت لمعالجة هياكل محددة من البيانات وتصميمات البحث التجريبي، ويدعم برنامج إكسيل جميع هذه التصنيفات عبر أدواته التحليلية ودواله الرياضية:

  • اختبار t للعينة الواحدة (One-Sample t-Test): يُستخدم هذا الاختبار عندما يسعى الباحث إلى مقارنة المتوسط الحسابي لعينة فردية واحدة بقيمة مرجعية ثابتة أو متوسط معياري معروف مسبقاً في المجتمع (مثل مقارنة متوسط درجات الذكاء لعينة من الموهوبين بالمتوسط المعياري العام البالغ 100، أو مقارنة زمن استجابة سلوكي بقيمة حدية نظرية).
  • اختبار t للعينات المستقلة (Independent Samples t-Test): يُطبق هذا الاختبار عند مقارنة متوسطي مجموعتين منفصلتين تماماً من الأفراد؛ حيث لا ينتمي أي مشارك في المجموعة الأولى إلى المجموعة الثانية. يتفرع هذا الاختبار إلى صيغتين رياضيتين جوهريتين في إكسيل:
    • اختبار العينات المستقلة بافتراض تجانس التباين (Equal Variances): الصيغة التقليدية لجوسيت، وتُستخدم عند تساوي التباين بين المجموعتين.
    • اختبار العينات المستقلة بافتراض عدم تجانس التباين (Unequal Variances): المعروف باختبار ويلش (Welch’s t-Test)، وهو تعديل رياضي يحمي نتائج الاختبار من التضخيم الخاطئ لمعدلات الخطأ عندما تكون التباينات غير متكافئة.
  • اختبار t للعينات المزدوجة أو المترابطة (Paired Samples t-Test): يُستخدم هذا الاختبار عندما تكون الملاحظات في المجموعتين مرتبطة ارتباطاً مباشراً، كما هو الحال في تصميمات القياس القبلي والبعدي (Pretest-Posttest Designs) لنفس المجموعة من الأفراد بعد تعرضهم لتدخل سلوكي، أو في دراسات التوائم والأزواج المتطابقين (Matched Pairs). يعتمد الاختبار على تحليل الفروق الفردية داخل كل زوج وليس مقارنة المتوسطات الخام للمجموعتين بمعزل عن بعضهما.

يتطلب الاختيار السليم بين هذه الاختبارات فهماً عميقاً لبنية الفرضيات البحثية وطبيعة تصميم العينة؛ فالاستخدام الخاطئ لاختبار العينات المستقلة على بيانات مترابطة يؤدي إلى إهدار القوة الإحصائية، بينما يؤدي تطبيق اختبار العينات المترابطة على بيانات مستقلة إلى انتهاك جذري لفرضية الاستقلالية وتقديم استنتاجات خاطئة تماماً.

2. الافتراضات الإحصائية الواجب فحصها قبل تنفيذ اختبار t في إكسيل

2.1 فحص افتراض التوزيع الطبيعي للبيانات داخل إكسيل

يعد افتراض اعتدالية توزيع البيانات (Normality Assumption) الركيزة الأولى للاختبارات المعلمية (Parametric Tests). يفترض اختبار t أن المتغير التابع يتوزع توزيعاً طبيعياً داخل المجتمع الإحصائي المسحوب منه العينات. في برنامج إكسيل، يتم فحص هذا الافتراض عبر مسارين متكاملين: التحليل الإحصائي الوصفي والتحليل البصري الاستكشافي. من الناحية الوصفية، يوفر إكسيل دالتين مدمجتين لقياس شكل التوزيع: دالة معامل الالتواء =SKEW(Data_Range) التي تقيس مدى انحراف البيانات عن التماثل حول المتوسط، ودالة معامل التفرطح =KURT(Data_Range) التي تقيس مدى تدبب أو تسطح التوزيع مقارنة بالمنحنى الطبيعي الجرسى.

وفقاً للمعايير المنهجية المتبعة في العلوم السلوكية (مثل معايير George & Mallery)، تعد البيانات قريبة من التوزيع الطبيعي إذا كانت قيم الالتواء والتفرطح تقع ضمن النطاق المقبول بين -1.0 و +1.0 للدراسات الدقيقة، أو بين -2.0 و +2.0 كحد أقصى مسموح به في العينات النفسية الكبيرة. أما على الصعيد البصري، يتيح إكسيل إنشاء المدرجات التكرارية (Histograms) ورسوم الصندوق والشعيرات (Box and Whisker Plots) بسهولة فائقة، مما يمكن الباحث من فحص شكل الجرس وتحديد ما إذا كان التوزيع أحادي القمة وخالياً من الالتواء الحاد.

بالإضافة إلى ذلك، يلعب فحص القيم المتطرفة (Outliers) دوراً حاسماً؛ فالقيم الشاذة تمارس تأثيراً مشوهاً على المتوسط والانحراف المعياري، مما يؤدي إلى تزييف قيمة t الناتجة. في إكسيل، يمكن استخدام التنسيق الشرطي (Conditional Formatting) أو حساب الدرجات المعيارية z-scores عبر الدالة =STANDARDIZE(X, Mean, StDev) لتحديد المشاهدات التي تتجاوز $\pm 3.0$ درجات معيارية وإخضاعها للمراجعة المنهجية. وفي حال تبين وجود انتهاك جسيم لافتراض التوزيع الطبيعي في عينات صغيرة الحجم ($n < 30$)، يتعين على الباحث استخدام تحويلات البيانات (Data Transformations) مثل التحويل اللوغاريتمي، أو اللجوء إلى البدائل اللابارامترية مثل اختبار مان ويتني (Mann-Whitney U) أو اختبار ويلكوكسون (Wilcoxon Signed-Rank).

2.2 التحقق من تجانس التباين باستخدام اختبار F في إكسيل

يتطلب تطبيق اختبار t التقليدي للعينات المستقلة افتراض تجانس التباين (Homoscedasticity)، وهو ما يعني أن تباين درجات المجتمع في المجموعة الأولى يساوي تقريباً تباين درجات المجتمع في المجموعة الثانية ($\sigma_1^2 = \sigma_2^2$). يؤدي انتهاك هذا الافتراض—خاصة عند عدم تساوي أحجام العينات بين المجموعتين—إلى تشويه خطير في حساب درجات الحرية ومعدلات الخطأ من النوع الأول، حيث قد تظهر النتائج دالة إحصائياً بينما هي في الواقع ناتجة عن تباين غير متكافئ.

يوفر برنامج إكسيل أداة مخصصة لاختبار هذا الافتراض داخل حزمة تحليل البيانات تحت مسمى “اختبار F لتباين عينتين” (F-Test Two-Sample for Variances). يقوم هذا الاختبار بحساب النسبة بين تبايني المجموعتين ($F = s_1^2 / s_2^2$). ولتنفيذه بشكل صحيح في إكسيل، يوصى دائماً بوضع المجموعة ذات التباين الأكبر كمتغير أول (Variable 1 Range) والمجموعة ذات التباين الأصغر كمتغير ثانٍ (Variable 2 Range) لضمان أن تكون قيمة F المحسوبة أكبر من أو تساوي 1، مما يسهل مقارنتها بالقيمة الحرجة للطرف الأيمن للتوزيع.

يتم اتخاذ القرار بناءً على القيمة الاحتمالية لاختبار F المعروضة في مخرجات إكسيل تحت السطر P(F<=f) one-tail. إذا كانت القيمة الاحتمالية $p > 0.05$، فإننا نفشل في رفض الفرضية الصفرية لتساوي التباين، مما يعني تحقق شرط التجانس وصلاحية استخدام اختبار t للعينات المستقلة متساوية التباين (Equal Variances). أما إذا كانت $p < 0.05$، فإن التباينات تعد متباينة وغير متجانسة بشكل دال إحصائياً، وهنا يفرض المسار المنهجي الصارم الانتقال مباشرة إلى تطبيق اختبار ويلش المعدل لعدم تجانس التباين (Unequal Variances) لتجنب الاستنتاجات المضللة.

2.3 استقلالية المشاهدات ومستوى قياس المتغيرات

تمثل استقلالية المشاهدات (Independence of Observations) الفرضية الأكثر خطورة وحرجاً بين جميع افتراضات التحليل الإحصائي؛ إذ لا توجد أي معالجة رياضية أو تصحيح إحصائي قادر على تعويض انتهاك الاستقلالية في البيانات المستقلة. يقتضي هذا الشرط أن تكون درجات كل مفحوص في العينة غير متأثرة ولا تؤثر على درجات أي مفحوص آخر سواء داخل نفس المجموعة أو بين المجموعتين، وأن يتم جمع البيانات عبر المعاينة العشوائية والتعيين العشوائي.

إذا حدث تداخل أو تفاعل بين أفراد المجموعتين (مثل أن يتبادل المشاركون في المجموعة التجريبية والمجموعة الضابطة معلومات حول التجربة، أو أن تُجمع البيانات في بيئة جماعية تؤدي إلى محاكاة الاستجابات)، فإن التباين الحقيقي يقل بشكل مصطنع، مما يؤدي إلى انخفاض مقلق في الخطأ المعياري وتضخيم هائل لاحتمالية الوقوع في الخطأ من النوع الأول، حيث يُعلن عن فروق وهمية لا وجود لها في الواقع. الاستثناء المنهجي الوحيد لهذا المبدأ هو تصميم القياسات المتكررة الخاضع صراحة لاختبار العينات المترابطة، حيث تكون التبعية الداخلية للفرد الواحد هي موضع التحليل والضبط الإحصائي.

بالإضافة إلى الاستقلالية، يحدد مستوى قياس المتغيرات صلاحية اختبار t؛ إذ يشترط الاختبار أن يكون المتغير التابع مقاساً على مقياس كمي مستمر—سواء كان مقياساً فترياً (Interval Scale) مثل درجات مقاييس القلق والاكتئاب المقننة، أو مقياساً نسبياً (Ratio Scale) مثل أزمنة الاستجابة ومعدلات الخطأ والوزن والراتب. أما المتغير المستقل فيجب أن يكون متغيراً فئوياً ثنائياً (Dichotomous Categorical Variable) يقسم العينة بدقة إلى مستويين متمايزين فقط (مثل: ذكور/إناث، تجريبية/ضابطة، علاج معرفي/علاج دوائي). لا يجوز تطبيق اختبار t على متغيرات تابعة رتبية محدودة التدريج أو اسمية، حيث تصبح المتوسطات الحسابية في تلك الحالات مضللة رياضياً.

3. تهيئة برنامج إكسيل وتفعيل حزمة أدوات تحليل البيانات (Data Analysis ToolPak)

3.1 خطوات تثبيت أداة Data Analysis في أنظمة ويندوز (Windows)

تحتوي النسخ القياسية من برنامج مايكروسوفت إكسيل على أداة إحصائية احترافية مدمجة تُعرف باسم “حزمة أدوات تحليل البيانات” (Data Analysis ToolPak)، إلا أنها تكون غير مفعلة بصورة افتراضية عند تثبيت البرنامج لأول مرة. لتفعيل هذه الأداة على أنظمة التشغيل ويندوز عبر مختلف إصدارات إكسيل (Excel 2016, 2019, 2021, و Microsoft 365)، يتبع الباحث الخطوات الإجرائية التالية بدقة:

  • فتح برنامج إكسيل، ثم النقر على تبويب ملف (File) الموجود في الزاوية العلوية اليسرى من الشاشة.
  • الانتقال إلى أسفل القائمة الجانبية واختيار خيارات (Options) لفتح نافذة خيارات إكسيل المتقدمة.
  • من القائمة الجانبية لنافذة الخيارات، النقر على قسم الوظائف الإضافية (Add-ins).
  • في أسفل النافذة، التأكد من أن القائمة المنسدلة المسماة إدارة (Manage) محددة على خيار وظائف Excel الإضافية (Excel Add-ins)، ثم النقر على زر انتقال… (Go…).
  • ستظهر نافذة منبثقة جديدة تحتوي على قائمة بالوظائف المتاحة؛ يتم وضع علامة صح داخل المربع المجاور لخيار Analysis ToolPak (وكذلك Analysis ToolPak – VBA إذا رغب الباحث في إجراء أتمتة برمجية لاحقة).
  • النقر على زر موافق (OK) لحفظ التغييرات وإغلاق النوافذ.

بمجرد إتمام هذه الخطوات، سيظهر تبويب جديد تماماً يسمى تحليل البيانات (Data Analysis) في أقصى اليمين (أو أقصى اليسار حسب لغة الواجهة) ضمن شريط أدوات تبويب بيانات (Data) الرئيسي. بالنقر على هذا الخيار، تفتح نافذة متكاملة تحتوي على خوارزميات تحليل التباين، واختبارات F، وكافة صيغ اختبارات t الجاهزة للاستخدام الفوري.

3.2 تفعيل حزمة أدوات التحليل في نظام ماك (macOS)

تتمتع بيئة العمل على أجهزة أبل بنظام التشغيل macOS بتوافق كامل مع حزمة أدوات التحليل الإحصائي لإكسيل، مع اختلافات طفيفة في مسارات الوصول والواجهة الرسومية مقارنة بنظام ويندوز. لتفعيل الحزمة في نظام ماك، يرجى اتباع التعليمات التالية:

  • تشغيل إكسيل لنظام ماك، والتوجه إلى شريط القوائم الرئيسي في أعلى الشاشة.
  • النقر على قائمة أدوات (Tools)، ثم اختيار وظائف إكسيل الإضافية… (Excel Add-ins…) من القائمة المنسدلة.
  • في النافذة الحوارية المنبثقة، تفعيل مربع الاختيار بجانب Analysis ToolPak.
  • النقر على زر موافق (OK) لتأكيد التثبيت.

في حال عدم ظهور الأداة في شريط البيانات (Data Tab) بعد إجراء التثبيت، يعود ذلك في الغالب إلى عدم تحديث حزمة مايكروسوفت أوفيس للماك أو وجود تعارض في صلاحيات النظام. يمكن حل هذه المشكلة بالتوجه إلى قائمة Help > Check for Updates وتثبيت أحدث الحزم التراكمية، ثم إعادة تشغيل البرنامج بالكامل. تتطابق المخرجات الإحصائية الناتجة عن نسخة الماك تطابقاً رياضياً مطلقاً مع نظيرتها في نظام ويندوز، مما يضمن موثوقية تبادل ملفات العمل بين الباحثين الذين يستخدمون منصات تشغيل مختلفة.

3.3 التعرف على دوال اختبار t الإحصائية المدمجة كبديل مباشر للأداة

بالإضافة إلى الحزمة التحليلية الجاهزة، يوفر إكسيل منظومة متقدمة من الدوال الإحصائية الديناميكية التي تمكن الباحث من إجراء التحليلات مباشرة داخل خلايا ورقة العمل دون فتح نوافذ منبثقة. تتميز هذه الدوال بقدرتها على التحديث التلقائي اللحظي؛ فإذا قام الباحث بتعديل أي درجة خام، يعاد حساب النتائج وقيم p-value فوراً. تتربع الدالة =T.TEST() على قمة هذه المنظومة بصيغتها المعيارية الحديثة:

=T.TEST(array1, array2, tails, type)

تتطلب هذه الدالة أربعة مدخلات إلزامية مفصلة كالتالي:

  • array1: نطاق الخلايا الذي يحتوي على درجات المجموعة الأولى أو القياس القبلي.
  • array2: نطاق الخلايا الذي يحتوي على درجات المجموعة الثانية أو القياس البعدي.
  • tails: يحدد اتجاه الاختبار؛ وتأخذ القيمة 1 للاختبار أحادي الذيل (One-Tailed Test)، أو القيمة 2 للاختبار ثنائي الذيل (Two-Tailed Test).
  • type: يحدد البنية الرياضية للاختبار؛ وتأخذ القيمة 1 لاختبار العينات المترابطة (Paired)، أو القيمة 2 لاختبار العينات المستقلة متساوية التباين (Equal Variance)، أو القيمة 3 لاختبار العينات المستقلة غير متساوية التباين (Welch’s Unequal Variance).

كما يدعم إكسيل دوال مساعدة لحساب القيم التوزيعية والحرجة مثل =T.INV(probability, deg_freedom) للتوزيع أحادي الذيل، و =T.INV.2T(probability, deg_freedom) للتوزيع ثنائي الذيل. يفضل العديد من الإحصائيين استخدام الدوال المباشرة عند بناء نماذج التقييم الآلية أو عند الرغبة في إدراج النتائج ضمن تقارير إكسيل التفاعلية دون الحاجة لتكرار تشغيل حزمة Data Analysis يدوياً عند كل تحديث للبيانات.

4. إعداد وهيكلة البيانات النفسية في أوراق عمل إكسيل للتحليل الإحصائي

4.1 تنظيم بيانات المجموعات المستقلة في أعمدة منفصلة

تعتمد دقة المخرجات الإحصائية في إكسيل اعتماداً مطلقاً على طريقة هيكلة وتنظيم البيانات الخام داخل ورقة العمل (Worksheet). عند التعامل مع تصميمات المجموعات المستقلة (مثل مقارنة مجموعة تجريبية بمجموعة ضابطة)، فإن التنسيق الأنسب والأكثر توافقاً مع أداة تحليل البيانات في إكسيل هو وضع درجات كل مجموعة في عمود منفصل ومستقل بذاته تماماً.

يجب تخصيص الصف الأول (الصف 1) لتسميات المتغيرات (Headers) بوضوح ودقة (مثال: العمود A يحمل التسمية “المجموعة_التجريبية” والعمود B يحمل التسمية “المجموعة_الضابطة”). يتيح ذلك تفعيل خيار “التسميات” (Labels) أثناء التحليل لتضمين أسماء المجموعات تلقائياً في جداول المخرجات. تبدأ الدرجات الرقمية للمفحوصين من الصف الثاني نزولاً دون أي فواصل أو نصوص وصفية داخل خلايا البيانات.

يجب الانتباه بدقة لمعالجة القيم المفقودة (Missing Data)؛ ففي حال غياب درجة مفحوص معين، يجب ترك الخلية فارغة تماماً وعدم كتابة أرقام مثل 0 أو 999 أو رموز مثل “NA”؛ إذ يتعامل إكسيل مع الصفر كقيمة رقمية حقيقية تؤدي إلى انحراف شديد في المتوسط، بينما تتسبب النصوص داخل نطاقات الأرقام في توقف الدوال أو توليد أخطاء حسابية (#VALUE!). كما ينبغي التحقق من تنسيق الخلايا بتحديدها والتأكد من ضبط نوع البيانات على “رقم” (Number) لضمان القراءة البرمجية الصحيحة للقيم.

4.2 تنظيم بيانات القياسات المترابطة (القبلي والبعدي)

يخضع إعداد بيانات القياسات المتكررة أو العينات المرتبطة لمنطق هيكلي صارم يختلف عن العينات المستقلة؛ إذ يشكل كل سطر أفقي في ورقة العمل وحدة المشاهدة الكاملة لمفحوص واحد (Subject / Case). يتطلب هذا التصميم محاذاة البيانات في أعمدة متوازية تتطابق تماماً في عدد الصفوف لتفادي اختلال الأزواج المرتبطة.

يوصى بتخصيص العمود الأول (A) للرقم التعريفي للمشارك (Subject_ID)، والعمود الثاني (B) لدرجات القياس القبلي (Pre_Test)، والعمود الثالث (C) لدرجات القياس البعدي (Post_Test). من الممارسات المنهجية الممتازة إنشاء عمود رابع اختياري (D) لحساب الفروق الفردية لكل مشارك باستخدام معادلة رياضية بسيطة مثل =C2-B2؛ إذ يتيح هذا العمود فحص اتجاه التغير المبدئي، واستكشاف المشاهدات الشاذة، والتحقق من التوزيع الطبيعي لدرجات الفروق ذاتها.

يمكن استخدام ميزة التنسيق الشرطي (Conditional Formatting) على عمود الفروق لتمييز الأفراد الذين حققوا تحسناً كبيراً بالألوان الخضراء والذين أظهروا تراجعاً بالألوان الحمراء، مما يوفر رؤية بصرية حدسية للأداء قبل الانتقال للتحليل الاستدلالي. ويجب التأكد من عدم وجود أي تفاوت في عدد الخلايا بين عمود القياس القبلي والبعدي، حيث يشترط اختبار t المترابط تماثلاً تاماً في أزواج القياس ($N_{pre} = N_{post}$).

4.3 بناء قواعد البيانات وفق التنسيق الطولي (Long Format) والتنسيق العريض (Wide Format)

يواجه الباحثون في إكسيل نمطين رئيسيين لهيكلة قواعد البيانات الإحصائية: التنسيق العريض (Wide Format) والتنسيق الطولي (Long Format). في التنسيق العريض، تمثل كل مجموعة أو قياس زمني عموداً منفرداً، وهو التنسيق الذي تفضله وتتطلبه حصراً أداة تحليل البيانات (Data Analysis ToolPak) ودوال =T.TEST() المباشرة داخل إكسيل. أما التنسيق الطولي، فيتم فيه تكديس جميع الدرجات الرقمية للمتغير التابع في عمود واحد عملاق، بينما يخصص عمود مجاور لتحديد كود المجموعة أو التوقيت الزمني (مثل: 1 للمجموعة التجريبية، و2 للمجموعة الضابطة)، وهو التنسيق المفضل في برمجيات مثل R وSPSS والتحليلات المتقدمة للنماذج الخطية المختلطة.

لتحقيق أقصى درجات الكفاءة في إكسيل، يمكن للباحث الانتقال بسلاسة بين التنسيقين باستخدام الجداول المحورية (Pivot Tables) أو أداة Power Query المدمجة. إذا كانت البيانات مدخلة بالتنسيق الطولي، يمكن استخدام Power Query عبر أمر “Unpivot Columns” أو بناء Pivot Table بوضع المتغير التصنيفي في الأعمدة والمتغير التابع في حقل القيم، مما يحولها فوراً إلى التنسيق العريض الجاهز لاختبار t.

من الضروري توثيق قاعدة البيانات بإنشاء ورقة عمل إضافية داخل نفس المصنف تسمى “قاموس البيانات” (Data Dictionary) أو “كود المتغيرات”، تتضمن تعريفاً تفصيلياً لكل متغير، ووحدات القياس المستخدمة، ودلالة الأكواد الرقمية، وحدود الدرجات المقبولة على المقاييس النفسية. هذه الممارسة تضمن الامتثال لأعلى معايير الشفافية الأكاديمية وإمكانية إعادة إنتاج البحث (Reproducibility) ومراجعة التدقيق الإحصائي من قبل المحكمين والزملاء دون أي غموض.

5. إجراء اختبار t للعينات المستقلة متساوية التباين (Equal Variances) في إكسيل

5.1 الخطوات التطبيقية عبر أداة تحليل البيانات Data Analysis

عندما تظهر نتائج اختبار F لتجانس التباين أن التباين متكافئ بين المجموعتين ($p > 0.05$)، يتم اللجوء إلى اختبار t التقليدي للعينات المستقلة. يوفر إكسيل خوارزمية دقيقة لهذا الاختبار يمكن تنفيذها باتباع الخطوات التالية:

  • التوجه إلى شريط الأدوات العلوي والنقر على تبويب بيانات (Data)، ثم النقر على أيقونة تحليل البيانات (Data Analysis) في أقصى اليمين.
  • من القائمة المنسدلة للأدوات المتاحة، التمرير لأسفل واختيار الأمر: t-Test: Two-Sample Assuming Equal Variances، ثم النقر على موافق (OK).
  • في حقل نطاق المتغير 1 (Variable 1 Range)، تحديد نطاق خلايا المجموعة الأولى شاملاً خلية العنوان في الصف الأول (مثلاً: $A$1:$A$31).
  • في حقل نطاق المتغير 2 (Variable 2 Range)، تحديد نطاق خلايا المجموعة الثانية شاملاً خلية العنوان (مثلاً: $B$1:$B$31).
  • في حقل الفارق المفترض بين المتوسطين (Hypothesized Mean Difference)، إدخال القيمة 0 (التي تمثل الفرضية الصفرية القائلة بعدم وجود أي فرق بين المجتمعين). في حال ترك هذا الحقل فارغاً، يعتبره إكسيل تلقائياً صفراً.
  • تفعيل مربع الاختيار تسميات (Labels) لتأكيد أن الصف الأول في التحديد يحتوي على أسماء المتغيرات وليس أرقاماً.
  • في حقل ألفا (Alpha)، التأكد من ضبط القيمة على 0.05 (أو تعديلها إلى 0.01 إذا كان التصميم البحثي يتطلب صرامة أعلى).
  • في قسم خيارات الإخراج (Output Options)، تحديد نطاق الإخراج (Output Range) واختيار خلية فارغة في نفس الصفحة (مثل $D$1)، أو اختيار ورقة عمل جديدة (New Worksheet Ply).
  • النقر على موافق (OK) لإنشاء جدول المخرجات الإحصائية الكامل فوراً.

5.2 تنفيذ الاختبار باستخدام المعادلات الإحصائية المباشرة

للراغبين في التحقق الحسابي المستقل أو أتمتة العملية داخل الجداول، يمكن تطبيق الاختبار باستخدام دالة =T.TEST() والدوال المساعدة الأخرى باتباع المنطق الرياضي الصارم للاختبار المعياري. صيغة الدالة المباشرة هي:

=T.TEST(A2:A31, B2:B31, 2, 2)

تُرجع هذه المعادلة مباشرة القيمة الاحتمالية ثنائية الذيل ($p-value$). لفهم البنية الرياضية الكاملة والتحقق من حساب إحصائية $t$， يمكن تقسيم العمليات كالتالي:

  • حساب متوسط كل مجموعة: =AVERAGE(A2:A31) و =AVERAGE(B2:B31)
  • حساب تباين العينة لكل مجموعة: =VAR.S(A2:A31) و =VAR.S(B2:B31)
  • حساب حجم كل عينة: =COUNT(A2:A31) و =COUNT(B2:B31)
  • حساب التباين المجمع (Pooled Variance – $s_p^2$) بالصيغة:

    =((COUNT(A2:A31)-1)*VAR.S(A2:A31) + (COUNT(B2:B31)-1)*VAR.S(B2:B31)) / (COUNT(A2:A31) + COUNT(B2:B31) - 2)
  • حساب الخطأ المعياري لفروق المتوسطات (Standard Error of Difference):

    =SQRT(Pooled_Variance * (1/COUNT(A2:A31) + 1/COUNT(B2:B31)))
  • حساب قيمة t الإحصائية المحسوبة (t Stat):

    =(AVERAGE(A2:A31) - AVERAGE(B2:B31)) / Standard_Error
  • تحديد درجات الحرية الكلية:

    =COUNT(A2:A31) + COUNT(B2:B31) - 2

يضمن هذا التسلسل الحسابي التطابق المطلق مع مخرجات حزمة التحليل، مما يبرز الدقة الهائلة التي يوفرها إكسيل في تفكيك واختبار النماذج الاستدلالية خطوة بخطوة.

5.3 تطبيق عملي: دراسة الفروق في مستوى القلق بين مجموعتين تجريبية وضابطة

لنفترض إجراء دراسة في علم النفس العيادي تهدف إلى تقييم فعالية برنامج علاج سلوكي معرفي (CBT) في خفض حدة القلق المقاس بمقياس بيك للقلق (BAI). تم تقسيم 40 مريضاً عشوائياً إلى مجموعتين متساويتين ($n_1 = 20, n_2 = 20$): المجموعة الأولى تجريبية خضعت لجلسات العلاج، والمجموعة الثانية ضابطة وضعت على قائمة الانتظار. تم تسجيل درجات القلق بعد انتهاء فترة التجربة كالتالي:

المجموعة التجريبية (العمود A): 14، 16، 12، 15، 18، 11، 13، 17، 14، 15، 10، 12، 16، 14، 13، 15، 11، 14، 13، 12.
المجموعة الضابطة (العمود B): 24، 26، 22، 25، 28، 21، 23، 27، 24، 25، 20، 22، 26، 24، 23، 25، 21، 24، 23، 22.

عند تنفيذ اختبار t بافتراض تجانس التباين في إكسيل، يُظهر جدول النتائج الآتي: بلغ متوسط المجموعة التجريبية $\bar{X}_1 = 13.75$ بانحراف معياري $s_1 = 2.07$ (تباين $s_1^2 = 4.30$)، بينما بلغ متوسط المجموعة الضابطة $\bar{X}_2 = 23.75$ بانحراف معياري $s_2 = 2.07$ (تباين $s_2^2 = 4.30$). بلغت درجات الحرية $df = 20 + 20 – 2 = 38$. أظهرت المخرجات أن قيمة $t Stat = -15.26$، وبلغت القيمة الاحتمالية ثنائية الذيل $P(T le t) = 1.48 \times 10^{-17}$ (وهي أقل بكثير من مستوى الدلالة المعياري 0.05). تقود هذه النتيجة مباشرة إلى رفض الفرضية الصفرية وتأكيد وجود فرق جوهري ودال إحصائياً لصالح المجموعة التجريبية في خفض مستويات القلق.

6. إجراء اختبار t للعينات المستقلة غير متساوية التباين (Welch’s t-Test) في إكسيل

6.1 الخطوات التطبيقية لأداة العينات غير متساوية التباين

عندما يسفر اختبار تجانس التباين عن رفض فرضية التساوي ($p < 0.05$)، يصبح تطبيق اختبار t الكلاسيكي غير صالح منهجياً لتسببه في رفع احتمالية الخطأ الاستدلالي. يوفر إكسيل الحل الرياضي القياسي لهذه المعضلة من خلال أداة اختبار ويلش (Welch’s t-Test)، والذي يقوم بتعديل الخطأ المعياري وحساب درجات حرية تقريبية كسرية بناءً على معادلة ساترويت (Welch–Satterthwaite Equation). يتم تطبيق الاختبار كالتالي:

  • النقر على تبويب بيانات (Data) ثم فتح نافذة تحليل البيانات (Data Analysis).
  • تحديد الخيار: t-Test: Two-Sample Assuming Unequal Variances، ثم النقر على موافق (OK).
  • إدخال نطاق المتغير الأول (Variable 1 Range) ونطاق المتغير الثاني (Variable 2 Range).
  • ضبط الفارق المفترض بين المتوسطات (Hypothesized Mean Difference) على 0.
  • تأكيد تفعيل خيار التسميات (Labels) وتحديد مستوى ألفا عند 0.05.
  • تحديد نطاق الإخراج (Output Range) والنقر على موافق (OK).

عند استعراض جدول المخرجات، سيلاحظ الباحث أن سطر درجات الحرية (df) لا يمثل عملية الطرح البسيطة المعتادة ($n_1 + n_2 – 2$)، بل يُعرض في إكسيل كرقم صحيح مقرب ناتج عن خوارزمية ساترويت المعقدة التي تعكس عدم تكافؤ الأوزان النسبية لتباينات المجموعتين.

6.2 تنفيذ اختبار ويلش عبر الدوال المباشرة

يمكن استدعاء اختبار ويلش مباشرة داخل أي خلية في ورقة العمل باستخدام دالة =T.TEST() بضبط المعامل الرابع (Type) على القيمة 3:

=T.TEST(array1, array2, 2, 3)

يمثل الرقم 2 في المعامل الثالث اختبار الطرفين (Two-Tailed)، بينما يحدد الرقم 3 في المعامل الرابع صيغة ويلش للتباين غير المتساوي. يقوم إكسيل في هذه الحالة بحساب الخطأ المعياري غير المجمع (Unpooled Standard Error) وفق المعادلة:

$$SE_{\bar{X}_1 – \bar{X}_2} = \sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}$$

ثم تُحسب إحصائية $t$ بقسمة الفارق بين المتوسطين على هذا الخطأ المعياري المنفصل. كما يتم حساب درجات الحرية المعدلة وفق الصيغة الرياضية:

$$df = \frac{\left(\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}\right)^2}{\frac{\left(\frac{s_1^2}{n_1}\right)^2}{n_1 – 1} + \frac{\left(\frac{s_2^2}{n_2}\right)^2}{n_2 – 1}}$$

تتميز صيغة ويلش بقوة إحصائية وحصانة عالية تجعل العديد من الإحصائيين المعاصرين (مثل Delacre et al., 2017) يوصون باستخدامها كخيار افتراضي لمقارنة المجموعات المستقلة بغض النظر عن نتائج اختبار F، نظراً لأنها توفر حماية ممتازة عندما تكون التباينات متباينة، وتطابق نتائج الاختبار الكلاسيكي عندما تكون التباينات متساوية تماماً دون أي فقدان يذكر للقوة الإحصائية.

6.3 سيناريو تطبيقي: مقارنة المرونة النفسية بين فئات ذات أحجام عينات متباينة

في دراسة تفحص الفروق في درجات “المرونة النفسية” (Psychological Resilience) بين رواد الأعمال ($n_1 = 15$) والموظفين الإداريين ($n_2 = 35$)، أسفر جمع البيانات عن وجود تفاوت واسع في التباين وأحجام العينات. تم إدخال الدرجات في إكسيل وجاءت المؤشرات كالتالي:

رواد الأعمال (المجموعة 1): $\bar{X}_1 = 88.40$, $s_1^2 = 145.20$, $n_1 = 15$
الموظفون (المجموعة 2): $\bar{X}_2 = 74.10$, $s_2^2 = 32.50$, $n_2 = 35$

أظهر اختبار F المسبق عدم تجانس التباين بشكل دال ($F = 145.20 / 32.50 = 4.47, p < 0.001$). تم تطبيق اختبار t بافتراض عدم تساوي التباين (Welch's t-test) عبر إكسيل، فجاءت النتائج كالتالي: بلغت درجات الحرية المعدلة بساترويت $df = 17$ (بدلاً من $df = 48$ في الاختبار الكلاسيكي). بلغت قيمة $t Stat = 4.41$، وسجلت القيمة الاحتمالية ثنائية الذيل $P(T le t) = 0.00038$. وبما أن $p < 0.05$، تم استنتاج وجود فروق ذات دلالة إحصائية جوهرية لصالح رواد الأعمال في المرونة النفسية، مع ضمان سلامة القرار الاستدلالي من التأثير المشوه للتباين العالي في العينة الصغيرة.

7. إجراء اختبار t للعينات المترابطة (Paired Samples t-Test) في إكسيل

7.1 تنفيذ اختبار العينات المترابطة عبر حزمة التحليل الإحصائي

عند تطبيق تصميم القياسات المتكررة (قبل وبعد التدخل) على نفس أفراد العينة، يتم استخدام أداة العينات المزدوجة لاختبار ما إذا كان متوسط الفروق داخل الأفراد يختلف جوهرياً عن الصفر. يتم تنفيذ الاختبار عبر حزمة التحليل كالتالي:

  • فتح نافذة تحليل البيانات (Data Analysis) من تبويب بيانات (Data).
  • اختيار الأمر: t-Test: Paired Two Sample for Means ثم النقر على موافق (OK).
  • تحديد نطاق القياس الأول في Variable 1 Range (مثل درجات القياس البعدي $C$1:$C$26). يفضل وضع القياس البعدي أولاً ليكون اتجاه الطرح موجباً في حال التحسن.
  • تحديد نطاق القياس الثاني في Variable 2 Range (مثل درجات القياس القبلي $B$1:$B$26).
  • إدخال القيمة 0 في حقل Hypothesized Mean Difference.
  • تفعيل مربع التسميات (Labels) وتحديد Alpha عند 0.05.
  • تحديد موضع الإخراج والنقر على موافق (OK).

ينتج إكسيل جدولاً إحصائياً غنياً يحتوي على مؤشر إضافي فائق الأهمية وهو معامل ارتباط بيرسون (Pearson Correlation) بين القياسين القبلي والبعدي. يوفر هذا المعامل تقييماً لمدى ثبات واستقرار القياسات عبر الزمن، ويوضح مقدار التباين المشترك الذي نجح الاختبار في عزله من الخطأ العشوائي لتعظيم القوة الإحصائية.

7.2 حساب اختبار t المترابط باستخدام الدوال الرياضية المباشرة

يمكن استخراج القيمة الاحتمالية لاختبار العينات المترابطة مباشرة عبر دالة =T.TEST() بضبط المعامل الرابع على القيمة 1:

=T.TEST(C2:C26, B2:B26, 2, 1)

يقوم المنطق الحسابي لاختبار العينات المترابطة على تحويل مشكلة العينتين إلى اختبار عينة واحدة على عمود الفروق ($D_i = X_{2i} – X_{1i}$). يمكن التحقق من ذلك خطوة بخطوة في إكسيل:

  • إنشاء عمود الفروق في العمود D بالصيغة: =C2-B2 وتعميمها على جميع الصفوف.
  • حساب متوسط الفروق ($\bar{D}$): =AVERAGE(D2:D26)
  • حساب الانحراف المعياري لدرجات الفروق ($s_D$): =STDEV.S(D2:D26)
  • حساب الخطأ المعياري لمتوسط الفروق ($SE_D$): =STDEV.S(D2:D26) / SQRT(COUNT(D2:D26))
  • حساب قيمة t المحسوبة: =AVERAGE(D2:D26) / (STDEV.S(D2:D26) / SQRT(COUNT(D2:D26)))
  • حساب درجات الحرية ($df = n – 1$ حيث $n$ هو عدد الأزواج): =COUNT(D2:D26) - 1

يظهر هذا البناء الحسابي بوضوح كيف يقوم الاختبار باستبعاد الفروق الفردية بين المشاركين (Inter-individual variability) من مقام الكسر، مما يجعل اختبار العينات المترابطة أكثر حساسية وقدرة على اكتشاف التأثيرات الحقيقية مقارنة بتصميم المجموعات المستقلة.

7.3 تطبيق عملي: قياس فاعلية برنامج تدريبي على خفض الضغط النفسي (قبلي – بعدي)

أجريت دراسة شبه تجريبية لفحص تأثير برنامج تدريب على اليقظة الذهنية (Mindfulness) في خفض الضغط النفسي المدرك (Perceived Stress Scale – PSS) لدى 15 ممرضاً في قسم العناية المركزة. تم قياس درجات الضغط قبل البرنامج (العمود B) وبعد 8 أسابيع من التدريب (العمود C). جاءت مخرجات إكسيل لاختبار t-Test: Paired Two Sample for Means كالتالي:

  • متوسط الضغط النفسي القبلي: $\bar{X}_{pre} = 28.60$ ($s^2 = 14.54$)
  • متوسط الضغط النفسي البعدي: $\bar{X}_{post} = 18.20$ ($s^2 = 12.17$)
  • معامل ارتباط بيرسون بين التطبيقين: $r = 0.78$ ($p < 0.001$)
  • درجات الحرية: $df = 15 – 1 = 14$
  • قيمة إحصائية الاختبار: $t Stat = -11.45$
  • القيمة الاحتمالية ثنائية الذيل: $P(T le t) = 1.85 \times 10^{-8}$

أظهرت النتائج انخفاضاً جوهرياً في متوسط درجات الضغط النفسي بمقدار 10.40 درجات. وبما أن القيمة الاحتمالية أقل بكثير من 0.001، يتم رفض الفرضية الصفرية واستنتاج أن برنامج اليقظة الذهنية حقق تأثيراً علاجياً دالاً إحصائياً في تقليص مستويات الإجهاد المهني لدى التمريض.

8. إجراء اختبار t للعينة الواحدة (One-Sample t-Test) في إكسيل

8.1 المنطق الإحصائي لاختبار العينة الواحدة وغيابه كأداة مباشرة في حزمة التحليل

يهدف اختبار t للعينة الواحدة إلى فحص ما إذا كان متوسط عينة مسحوبة من مجتمع ما يختلف دلالياً عن قيمة مرجعية ثابتة محددة مسبقاً ($\mu_0$). تُستمد هذه القيمة المرجعية عادة من معايير وطنية مقننة (مثل متوسط مقياس ذكاء وكسلر البالغ 100)، أو معيار نظري ثابت، أو قيمة محايدة على مقياس ليكرت (مثل القيمة 3 على مقياس خماسي).

عند استعراض حزمة أدوات تحليل البيانات (Data Analysis ToolPak) في إكسيل، يلاحظ الباحث غياب خيار مخصص يحمل اسم “One-Sample t-Test”. يعود هذا القصور البرمجي في واجهة إكسيل إلى تركيز المطورين على مقارنات المجموعات الثنائية. ومع ذلك، يمكن للباحث التغلب على هذا التحدي بسهولة فائقة عبر طريقتين معتمدتين منهجياً: حيلة العمود المرجعي الثابت باستخدام أداة القياسات المترابطة، أو البناء الحسابي المباشر عبر دوال إكسيل الرياضية.

8.2 حيلة العمود الإضافي الثابت لتنفيذ الاختبار عبر أداة العينات المترابطة

تمثل هذه التقنية حلاً عملياً ذكياً يتيح استخراج جدول مخرجات إحصائي متكامل لاختبار العينة الواحدة باستخدام أدوات إكسيل الجاهزة دون الحاجة لكتابة معادلات معقدة:

  • إدخال بيانات العينة في العمود A مع وضع العنوان في الخلية A1 (مثال: “درجات_العينة”).
  • إنشاء عمود مجاور جديد تماماً في العمود B وتسميته في الخلية B1 (مثال: “المعيار_المرجعي”).
  • تعبئة جميع خلايا العمود B بالقيمة المعيارية المرجعية الثابتة ($\mu_0$) بحيث تكرر نفس القيمة تماماً مقابل كل مفحوص في العمود A.
  • فتح حزمة تحليل البيانات (Data Analysis) واختيار: t-Test: Paired Two Sample for Means.
  • تحديد نطاق درجات العينة في Variable 1 Range، وتحديد نطاق العمود المعياري الثابت في Variable 2 Range.
  • ضبط الفارق المفترض على 0، وتفعيل التسميات (Labels)، وتحديد موضع الإخراج.
  • النقر على موافق (OK).

نظراً لأن تباين العمود المعياري الثابت يساوي صفراً تماماً والانحراف المعياري لفرقه يساوي الانحراف المعياري للعينة مقسوماً على الجذر التربيعي لـ n، فإن قيمة $t Stat$، ودرجات الحرية ($df = n – 1$)، والقيم الاحتمالية الناتجة عن هذه الحيلة تتطابق تطابقاً رياضياً مطلقاً بنسبة 100% مع اختبار t للعينة الواحدة الحقيقي.

8.3 البناء الحسابي لاختبار العينة الواحدة باستخدام معادلات إكسيل المباشرة

يفضل النهج الأكاديمي الصارم بناء الحسابات اليدوية المنظمة داخل ورقة العمل عبر تفكيك المعادلة الأصلية لاختبار العينة الواحدة:

$$t = \frac{\bar{X} – \mu_0}{s / \sqrt{n}}$$

يمكن تنفيذ ذلك في جدول حسابي منسق داخل إكسيل باتباع الخطوات التالية:

  • إدخال القيمة المعيارية المرجعية في خلية مستقلة (مثال: الخلية E1 تحتوي على 100).
  • حساب متوسط العينة في الخلية E2: =AVERAGE(A2:A51)
  • حساب الانحراف المعياري للعينة في الخلية E3: =STDEV.S(A2:A51)
  • حساب حجم العينة في الخلية E4: =COUNT(A2:A51)
  • حساب الخطأ المعياري في الخلية E5: =E3 / SQRT(E4)
  • حساب إحصائية t المحسوبة في الخلية E6: =(E2 - E1) / E5
  • حساب درجات الحرية في الخلية E7: =E4 - 1
  • حساب القيمة الاحتمالية ثنائية الذيل في الخلية E8: =T.DIST.2T(ABS(E6), E7)
  • استخراج القيمة الحرجة ثنائية الذيل ($\alpha = 0.05$) في الخلية E9: =T.INV.2T(0.05, E7)

يتيح هذا النموذج للباحث مرونة كاملة في تغيير القيمة المرجعية في الخلية E1 وملاحظة التغير الفوري في كافة المؤشرات الاستدلالية بدقة ووضوح تام.

9. التعمق في دوال إكسيل المتقدمة ذات الصلة باختبارات t الإحصائية

9.1 الدوال التوزيعية T.DIST و T.DIST.2T و T.DIST.RT

يقدم برنامج إكسيل عائلة متطورة من الدوال التوزيعية التي تحسب بدقة متناهية المساحات تحت منحنى توزيع t، وهي المساحات التي تترجم مباشرة إلى القيم الاحتمالية (p-values) المستخدمة في اختبار الفرضيات:

  • دالة =T.DIST(x, deg_freedom, cumulative): تحسب هذه الدالة التوزيع التراكمي الأيسر (Left-tailed probability) لقيمة t المعطاة. إذا تم ضبط المعامل cumulative على TRUE، فإن الدالة تُرجع الاحتمال $P(T le x)$. تُعد هذه الدالة أساسية عند اختبار الفرضيات الموجهة نحو الذيل الأيسر (التي تفترض أن المتوسط أقل من القيمة المرجعية).
  • دالة =T.DIST.2T(x, deg_freedom): تحسب القيمة الاحتمالية ثنائية الذيل (Two-tailed probability) مباشرة. تشترط هذه الدالة أن تكون قيمة المدخل $x$ موجبة تماماً؛ وإذا تم إدخال قيمة سالبة ستُرجع الدالة رسالة الخطأ الشائعة #NUM!. ولتفادي ذلك، يوصى دائماً باستخدام دالة القيمة المطلقة داخل الصيغة: =T.DIST.2T(ABS(t_value), df).
  • دالة =T.DIST.RT(x, deg_freedom): تحسب الاحتمال التراكمي للطرف الأيمن (Right-tailed probability) لقيمة t المعطاة $P(T > x)$. تُستخدم هذه الدالة في اختبار الفرضيات الموجهة نحو الزيادة أو التحسن.

يتيح الإلمام الدقيق بهذه الدوال للباحث اختيار الدالة المناسبة التي تتوافق تماماً مع طبيعة صياغة الفرضيات الإحصائية وتجنب الأخطاء الشائعة في حساب الدلالة.

9.2 الدوال العكسية لحساب القيم الحرجة T.INV و T.INV.2T

تعمل الدوال العكسية بالاتجاه المعاكس للدوال التوزيعية؛ حيث تستقبل مستوى الاحتمال المطلوب (Alpha) ودرجات الحرية، لتقوم بحساب وتحديد “القيمة الحرجة” (Critical Value) لاختبار t. تمثل القيمة الحرجة النقطة الفاصلة على منحنى التوزيع التي تبدأ عندها منطقة رفض الفرضية الصفرية (Rejection Region):

  • دالة =T.INV.2T(probability, deg_freedom): تُستخدم لتحديد القيمة الحرجة للاختبارات ثنائية الذيل. لحساب القيمة الحرجة عند مستوى دلالة $\alpha = 0.05$ مع 25 درجة حرية، تُكتب الصيغة: =T.INV.2T(0.05, 25)، والتي تُرجع القيمة $2.0595$. يعني ذلك أنه إذا كانت القيمة المطلقة لقيمة t المحسوبة أكبر من $2.0595$، فإن النتيجة تعد دالة إحصائياً عند مستوى 95% من الثقة.
  • دالة =T.INV(probability, deg_freedom): تُرجع القيمة الحرجة أحادية الذيل للطرف الأيسر. لحساب القيمة الحرجة للطرف الأيمن عند مستوى $\alpha = 0.05$، يتم إدخال متمم الاحتمال: =T.INV(1 - 0.05, df).

تغني هذه الدوال الباحث تماماً عن الرجوع إلى الجداول الإحصائية المطبوعة في ملاحق الكتب، وتتيح إنشاء جداول ديناميكية وتفاعلية داخل إكسيل للمقارنة التلقائية بين القيم المحسوبة والقيم الحرجة.

9.3 أتمتة اتخاذ القرار الإحصائي باستخدام الدوال الشرطية (IF Functions)

يمكن تسخير قوة إكسيل المنطقية لتحويل جداول التحليل إلى لوحات استدلالية ذكية تتخذ القرارات المنهجية وتصيغ الاستنتاجات بصورة آلية فور إدخال البيانات، وذلك من خلال دمج الدوال الإحصائية مع الدوال الشرطية =IF() و =AND():

لكتابة نص القرار الإحصائي آلياً بناءً على القيمة الاحتمالية، يمكن استخدام الصيغة المركبة التالية:

=IF(p_value <= 0.001, "دال إحصائياً عند مستوى فائق (p < 0.001)", IF(p_value <= 0.01, "دال إحصائياً عند مستوى (p < 0.01)", IF(p_value <= 0.05, "دال إحصائياً عند مستوى (p < 0.05)", "غير دال إحصائياً (فشل في رفض H0)"))))

ولأتمتة مقارنة قيمة t المحسوبة بالقيمة الحرجة ثنائية الذيل وتحديد القرار بوضوح:

=IF(ABS(t_stat) >= t_critical, "رفض الفرضية الصفرية (H0)", "قبول / الفشل في رفض الفرضية الصفرية (H0)")

بالإضافة إلى ذلك، يمكن تطبيق “قواعد التنسيق الشرطي” (Conditional Formatting Rules) لتمييز الخلايا الدالة إحصائياً؛ كأن تتلون الخلية تلقائياً باللون الأخضر الفاتح إذا كانت $p < 0.05$ وباللون الرمادي إذا كانت غير دالة، مما يسهل قراءة التقارير الإحصائية الضخمة متعددة المقاييس وتلخيصها بكفاءة متناهية.

10. قراءة وتفسير المخرجات الإحصائية لنتائج اختبار t في إكسيل

10.1 التشريح الدقيق لجدول نتائج إكسيل وفهم المؤشرات

عند تشغيل أي اختبار من اختبارات t عبر حزمة Data Analysis، يولد إكسيل جدولاً إحصائياً منظماً يحتوي على صفوف قياسية تتطلب فهماً عميقاً لدلالتها الاستدلالية:

  • Mean (المتوسط الحسابي): يمثل المتوسط الحسابي البسيط للدرجات في كل مجموعة ($\bar{X}$). يقدم المؤشر الأولي لاتجاه الفروق قبل الحكم على دلالتها.
  • Variance (التباين): يمثل تباين العينة ($s^2$). يفيد في التحقق من مدى تشتت الدرجات وتجانس المجموعات.
  • Observations (عدد المشاهدات): حجم العينة الفعلي ($n$) المدرج في التحليل لكل عمود.
  • Pooled Variance (التباين المجمع): يظهر فقط في اختبار التباين المتساوي، وهو المتوسط الموزون لتباينات المجموعتين بناءً على درجات الحرية لكل منهما.
  • Pearson Correlation (ارتباط بيرسون): يظهر حصرياً في جدول العينات المترابطة، ويوضح قوة واتجاه العلاقة الخطية بين القياسين القبلي والبعدي.
  • Hypothesized Mean Difference: الفارق الصفري المفترض الذي تم إدخاله في إعدادات الاختبار (عادة 0).
  • df (Degrees of Freedom): درجات الحرية المتاحة لتقدير معالم النموذج الإحصائي، وتحدد شكل توزيع t المعتمد.
  • t Stat (إحصائية t المحسوبة): القيمة الاستدلالية المركزية التي تم الحصول عليها من البيانات. تدل الإشارة الموجبة على أن متوسط المجموعة الأولى أكبر، بينما تدل الإشارة السالبة على أن متوسط المجموعة الثانية هو الأكبر. الإشارة بحد ذاتها لا تؤثر على قوة الدلالة بل تحدد اتجاه الفرق فقط.

10.2 التمييز بين الاختبار أحادي الذيل وثنائي الذيل في مخرجات إكسيل

يولد إكسيل في نفس جدول المخرجات مؤشرات تفصيلية لكل من الفرضيات أحادية الذيل وثنائية الذيل، ويقع على عاتق الباحث مسؤولية اختيار السطر الصحيح المتوافق مع فرضيته المسبقة:

  • P(T<=t) one-tail و t Critical one-tail: تُستخدم هذه المؤشرات فقط إذا كان لدى الباحث “فرضية موجهة” (Directional Hypothesis) تم تحديدها بدقة قبل جمع البيانات بناءً على إطار نظري رصين (مثل: “سيؤدي التدريب إلى تحسن درجات الاختبار” أو “درجات الذكور أعلى من الإناث”). في هذه الحالة، يتم تخصيص منطقة الرفض بالكامل ($\alpha = 0.05$) في ذيل واحد من التوزيع.
  • P(T<=t) two-tail و t Critical two-tail: تمثل الخيار المعياري الافتراضي في الأغلبية الساحقة من الأبحاث العلمية الرصينة، وتُستخدم عند اختبار “فرضية غير موجهة” (Non-directional Hypothesis) تفترض مجرد وجود فرق بين المجموعتين دون تحديد مسبق للاتجاه (مثل: “توجد فروق ذات دلالة إحصائية بين المجموعتين في التحصيل”). هنا يتم تقسيم منطقة الرفض مناصفة ($\alpha / 2 = 0.025$) على كلا الذيلين.

تحذر الأدبيات المنهجية بشدة من “ممارسة التحيز الاستدلالي” المتمثلة في اختيار السطر أحادي الذيل بعد ملاحظة البيانات لمجرد الحصول على قيمة $p$ أصغر من 0.05؛ إذ يعد ذلك خرقاً للأمانة العلمية ما لم تكن الفرضية موجهة وموثقة في خطة البحث الأصلية مسبقاً.

10.3 اتخاذ القرار الإحصائي: رفض الفرضية الصفرية أو الفشل في رفضها

يرتكز اتخاذ القرار الإحصائي في إكسيل على قاعدتين متكافئتين رياضياً تفضيان إلى نفس النتيجة دائماً:

  • قاعدة القيمة الاحتمالية (p-value Approach): نقوم بمقارنة القيمة المعروضة في سطر P(T<=t) two-tail بمستوى الدلالة المحدد مسبقاً ($\alpha = 0.05$). إذا كانت القيمة الاحتمالية $p le 0.05$، فإننا نتخذ القرار العلمي بـ رفض الفرضية الصفرية (Reject H0) وتأييد الفرضية البديلة، مما يعني أن الفارق الملاحظ ذو دلالة إحصائية حقيقية ولا يُعزى للصدفة. أما إذا كانت $p > 0.05$، فإن القرار يكون الفشل في رفض الفرضية الصفرية (Fail to Reject H0)، مما يعني عدم كفاية الأدلة الإحصائية لإثبات وجود فرق.
  • قاعدة القيمة الحرجة (Critical Value Approach): نقوم بمقارنة القيمة المطلقة لإحصائية t المحسوبة $|t Stat|$ بالقيمة الحرجة المعروضة في سطر t Critical two-tail. إذا كانت $|t Stat| ge t Critical$، تقع إحصائية الاختبار داخل منطقة الرفض الحرجة، ونتخذ قرار رفض الفرضية الصفرية.

يجب التنبيه أكاديمياً إلى تجنب استخدام مصطلح “قبول الفرضية الصفرية” في التقارير العلمية؛ فالأصح منهجياً هو القول بأننا “فشلنا في رفضها” لعدم توفر أدلة كافية تدحضها في هذه العينة المحددة. كما ينبغي للباحث الرصين عدم الخلط بين “الدلالة الإحصائية” (Statistical Significance) و”الأهمية العملية” (Practical Significance)؛ فالفرق الإحصائي الدال قد يكون ضئيلاً جداً من الناحية التطبيقية إذا كانت العينة ضخمة، وهو ما يستدعي دائماً حساب حجم الأثر.

11. حساب حجم الأثر وفترات الثقة في إكسيل لتكملة اختبار t

11.1 حساب معامل كوهين دي (Cohen’s d) للعينات المستقلة في إكسيل

تشدد رابطة علم النفس الأمريكية (APA) في كافة أدلتها المنهجية على أن تقرير القيمة الاحتمالية (p-value) بمفردها لم يعد كافياً لتقييم النتائج؛ نظراً لأن القيمة الاحتمالية تتأثر بشدة بحجم العينة. يمثل مؤشر كوهين دي (Cohen’s d) المقياس المعياري لحجم الأثر، حيث يعبر عن الفارق بين المتوسطين بوحدات الانحراف المعياري، دون أن يتأثر مباشرة بتضخم حجم العينة.

يُحسب معامل كوهين دي للعينات المستقلة بقسمة الفارق بين المتوسطين على الانحراف المعياري المجمع المشترك ($s_{pooled}$):

$$d = \frac{\bar{X}_1 – \bar{X}_2}{s_{pooled}} = \frac{\bar{X}_1 – \bar{X}_2}{\sqrt{\frac{(n_1 – 1)s_1^2 + (n_2 – 1)s_2^2}{n_1 + n_2 – 2}}}$$

يمكن بناء معادلة إكسيل المباشرة لحساب كوهين دي بالإشارة إلى خلايا جدول مخرجات اختبار t كالتالي (بافتراض أن متوسط المجموعة 1 في الخلية B4، ومتوسط المجموعة 2 في C4، والتباين المجمع في الخلية B8):

=ABS(B4 - C4) / SQRT(B8)

تخضع قيمة معامل كوهين دي للمعايير التفسيرية الكلاسيكية التي وضعها جاكوب كوهين:

  • أثر صغير (Small Effect): $d \approx 0.20$ (يمثل فرقاً طفيفاً قد لا يُلاحظ بالعين المجردة في الممارسة السلوكية).
  • أثر متوسط (Medium Effect): $d \approx 0.50$ (يمثل فرقاً واضحاً وملموساً وذا أهمية سريرية وتربوية).
  • أثر كبير (Large Effect): $d ge 0.80$ (يمثل تأثيراً قوياً جداً يعكس تبايناً جوهرياً وحاسماً بين المجموعتين).

11.2 حساب حجم الأثر للعينات المترابطة ومؤشر إيتا تربيع (Eta Squared)

في تصميمات العينات المترابطة (القياس القبلي والبعدي)، يُحسب معامل كوهين دي للفروق المترابطة ($d_z$) بقسمة متوسط درجات الفروق ($\bar{D}$) على الانحراف المعياري لتلك الفروق ($s_D$):

$$d_z = \frac{\bar{D}}{s_D} = \frac{t}{\sqrt{n}}$$

يمكن كتابة الصيغة في إكسيل ببساطة بالإشارة إلى خلية قيمة t stat وخلية عدد الأزواج n:

=ABS(t_stat) / SQRT(n_pairs)

علاوة على ذلك، يُعد مؤشر إيتا تربيع الجزئي ($\eta^2$ / Partial Eta Squared) من المؤشرات المفضلة لقياس نسبة التباين في المتغير التابع التي يفسرها التدخل التجريبي. يمكن حسابه مباشرة من إحصائية t ودرجات الحرية بالصيغة الرياضية:

$$\eta^2 = \frac{t^2}{t^2 + df}$$

تتم صياغة المعادلة في إكسيل كالتالي:

=(t_stat^2) / ((t_stat^2) + df)

تفسر قيم إيتا تربيع كالتالي: $0.01$ تمثل حجماً صغيراً، و $0.06$ حجماً متوسطاً، و $0.14$ فأكثر تمثل حجماً كبيراً للأثر المفسر.

11.3 حساب فترات الثقة (Confidence Intervals) لفروق المتوسطات

توفر فترات الثقة بنسبة 95% (95% Confidence Intervals) للمتوسطات تقديراً مجالياً يوضح النطاق الذي يقع ضمنه الفارق الحقيقي بين متوسطات المجتمعات بدرجة ثقة تصل إلى 95%. يُعد حساب فترة الثقة لفارق المتوسطين متطلباً إلزامياً وفق معايير النشر في المجلات العلمية المصنفة عالمياً.

يتم حساب فترة الثقة 95% وفق الصيغة:

$$CI_{95%} = (\bar{X}_1 – \bar{X}_2) \pm (t_{critical} \times SE)$$

يقدم إكسيل دالة مدمجة لحساب “هامش الخطأ” (Margin of Error) وهي الدالة =CONFIDENCE.T(alpha, standard_dev, size). ولكن لحساب فترة الثقة لفارق المتوسطين بدقة تامة انطلاقاً من جدول مخرجات اختبار العينات المستقلة، نتبع الخطوات الحسابية في إكسيل كالتالي:

  • حساب فارق المتوسطين: =Mean1 - Mean2
  • حساب الخطأ المعياري لفارق المتوسطين ($SE$):

    =SQRT(Pooled_Variance * (1/n1 + 1/n2))
  • حساب القيمة الحرجة $t_{critical}$: =T.INV.2T(0.05, df)
  • حساب هامش الخطأ (Margin of Error): =t_critical * SE
  • حساب الحد الأدنى لفترة الثقة (Lower Limit): =(Mean1 - Mean2) - Margin_of_Error
  • حساب الحد الأعلى لفترة الثقة (Upper Limit): =(Mean1 - Mean2) + Margin_of_Error

يقدم تحليل فترات الثقة دليلاً استدلالياً قاطعاً؛ فإذا كانت فترة الثقة (بين الحدين الأدنى والأعلى) لا تشتمل على القيمة صفر (كأن تكون الفترة بأكملها موجبة مثل $[2.15, 6.85]$ أو سالبة بأكملها مثل $[-8.40, -3.10]$)، فإن ذلك يثبت استدلالياً أن الفارق بين المتوسطين دال إحصائياً عند مستوى $\alpha = 0.05$. أما إذا اشتملت الفترة على الصفر (مثل $[-1.20, +3.50]$)، فإن ذلك يؤكد عدم وجود دلالة إحصائية.

12. الأخطاء الشائعة واستراتيجيات توثيق وكتابة نتائج اختبار t وفق معايير APA

12.1 الأخطاء الفنية والإحصائية الشائعة عند استخدام إكسيل في اختبار t

على الرغم من سهولة استخدام برنامج إكسيل، إلا أن هناك العديد من الأخطاء المنهجية والفنية الشائعة التي يقع فيها الباحثون، والتي يجب تجنبها لضمان نزاهة النتائج:

  • الخلط في اختيار نوع الاختبار المناسب: تطبيق اختبار العينات المستقلة بافتراض تجانس التباين دون إجراء اختبار F المسبق، مما يؤدي إلى نتائج مضللة عند عدم تكافؤ التباينات، أو استخدام اختبار العينات المستقلة على بيانات مرتبطة قبلية وبعدية مما يهدر قوة الاختبار تماماً.
  • تحديد نطاقات بيانات غير متماثلة في الاختبار المترابط: محاولة تشغيل t-Test: Paired Two Sample مع وجود تباين في عدد الخلايا بين العمودين بسبب قيم مفقودة، مما يولد رسائل خطأ في إكسيل أو يعطي مخرجات غير متسقة.
  • تضمين صفوف التسميات دون تفعيل خيار Labels: يؤدي عدم تفعيل مربع Labels عند تحديد خلايا العناوين إلى محاولة إكسيل قراءة النص كرقم، مما يفسد حساب درجات الحرية أو ينتج خطأ #VALUE!.
  • الاعتماد الحصري على p-value وإهمال حجم الأثر: الاكتفاء بذكر أن النتيجة دالة ($p < 0.05$) دون حساب معامل كوهين دي أو فترات الثقة، مما يعيب التقرير الأكاديمي ويحرم القارئ من تقييم الأهمية الميدانية للنتائج.
  • الخلط بين السطر أحادي الذيل وثنائي الذيل: تقرير القيمة الاحتمالية أحادية الذيل كأنها ثنائية الذيل لتضخيم الدلالة دون وجود مبرر نظري مسبق.

12.2 صياغة وتوثيق نتائج اختبار t وفق دليل الرابطة الأمريكية لعلم النفس (APA 7th)

يحدد دليل النشر العلمي الصادر عن جمعية علم النفس الأمريكية (APA Style 7th Edition) قالباً قياسياً دقيقاً لكتابة وتوثيق نتائج اختبارات t في المتن الأكاديمي. يتطلب القالب تضمين: رمز الاختبار مائلاً ($t$)، درجات الحرية بين قوسين، قيمة t المحسوبة مقربة إلى منزلتين عشريتين، القيمة الاحتمالية الدقيقة مقربة إلى ثلاث منازل عشرية، وحجم الأثر ($d$) مقرباً لمنزلتين عشريتين، وفترة الثقة 95%.

وفقاً لقواعد APA، يُحذف الصفر الذي يسبق الفاصلة العشرية في كتابة القيمة الاحتمالية ($p$) ومعامل الارتباط ($r$) لأن هذه القيم لا يمكن رياضياً أن تتجاوز الرقم 1 (تكتب$.024$ وليس $0.024$). وإذا كانت القيمة الاحتمالية في إكسيل صغيرة جداً مثل $1.4 times 10^{-6}$، تكتب الصيغة كالتالي:$p < .001$.

نماذج التوثيق النصي الأكاديمي:

  • نموذج العينات المستقلة:
    “أظهرت نتائج اختبار t للعينات المستقلة وجود فروق ذات دلالة إحصائية بين درجات طلاب المجموعة التجريبية ($M = 85.40, SD = 6.25$) وطلاب المجموعة الضابطة ($M = 72.15, SD = 7.10$) في التحصيل الأكاديمي، $t(58) = 7.66, p < .001, d = 1.98, 95% \text{ CI } [9.79, 16.71]$، مما يشير إلى وجود حجم أثر كبير جداً للتدخل التعليمي."
  • نموذج العينات المترابطة:
    “كشف اختبار t للعينات المترابطة عن انخفاض دال إحصائياً في متوسط درجات الاكتئاب لدى المشاركين بعد إتمام البرنامج العلاجي ($M = 14.20, SD = 3.10$) مقارنة بمستوياتهم قبل العلاج ($M = 26.80, SD = 4.50$)، $t(19) = 12.45, p < .001, d_z = 2.78, 95% \text{ CI } [10.49, 14.71]$."
  • نموذج العينة الواحدة:
    “أشارت نتائج اختبار t للعينة الواحدة إلى أن متوسط درجات الرضا الوظيفي للموظفين ($M = 4.25, SD = 0.65$) كان أعلى بدلالة إحصائية من المتوسط النظري المحايد للمقياس البالغ 3.00، $t(49) = 13.60, p < .001, d = 1.92$."

عند كتابة قسم المنهجية، يشار إلى الأداة التحليلية بالصيغة: “تم إجراء كافة التحليلات الإحصائية واختبار الفرضيات باستخدام برنامج Microsoft Excel (الإصدار 365) عبر حزمة Data Analysis ToolPak والدوال الإحصائية المدمجة.”

12.3 إنشاء رسوم بيانية احترافية في إكسيل مع أشرطة الخطأ (Error Bars)

لا تكتمل المعالجة الإحصائية المتقنة دون تمثيل بصري عالي الجودة للنتائج. يتيح إكسيل تصميم مخططات الأعمدة البيانية (Clustered Column Charts) المضاف إليها “أشرطة الخطأ” (Error Bars) لتمثيل الانحراف المعياري أو الخطأ المعياري أو فترات الثقة 95% بما يفي بالمعايير الصارمة للمجلات الأكاديمية. لتصميم هذا المخطط، يتبع الآتي:

  • إنشاء جدول تلخيصي صغير يحتوي على أسماء المجموعات وقيم المتوسطات الحسابية وقيم الخطأ المعياري ($SE$) المحسوبة لكل مجموعة.
  • تحديد أسماء المجموعات وقيم المتوسطات، ثم التوجه إلى تبويب إدراج (Insert) واختيار مخطط عمودي ثنائي الأبعاد (2-D Clustered Column Chart).
  • تنسيق المخطط وفق متطلبات APA: إزالة خطوط الشبكة الخلفية (Gridlines)، وضبط لون الأعمدة على تدرجات الرمادي أو ألوان متباينة هادئة، وإضافة عناوين واضحة للمحاور الرأسية والأفقية.
  • لإضافة أشرطة الخطأ المخصصة: النقر على أعمدة المخطط لتحديدها، ثم النقر على علامة الجمع الخضراء (+) بجانب المخطط (أو الذهاب إلى تبويب Chart Design > Add Chart Element).
  • وضع علامة صح بجانب أشرطة الخطأ (Error Bars)، ثم النقر على السهم المجاور واختيار مزيد من الخيارات… (More Options…).
  • في اللوحة الجانبية لأشرطة الخطأ، تحت قسم Direction اختيار Both، وتحت قسم End Style اختيار Cap.
  • في أسفل لوحة الخيارات تحت Error Amount، تحديد خيار مخصص (Custom) ثم النقر على زر تحديد القيمة (Specify Value).
  • في النافذة المنبثقة، تحديد خلايا قيم الخطأ المعياري ($SE$) التي تم حسابها مسبقاً في كل من حقلي Positive Error Value و Negative Error Value، ثم النقر على موافق (OK).

ينتج عن هذه الخطوات مخطط بياني أكاديمي رصين ومتقن يعرض المتوسطات مدعومة بأشرطة الخطأ المعياري الحقيقية والدقيقة لكل مجموعة. يمكن نسخ هذا المخطط ولصقه مباشرة في برامج معالجة النصوص مثل Microsoft Word كملف متجهي عالي الدقة يظل قابلاً للتعديل والتنسيق، مما يمنح التقرير البحثي مظهراً احترافياً متكاملاً يتوافق مع أرقى المعايير العالمية.

خاتمة

يوفر برنامج مايكروسوفت إكسيل بيئة إحصائية فائقة القوة والشمول تتيح للباحثين تنفيذ كافة أشكال اختبارات t البارامترية بقدر عالٍ من الدقة والموثوقية العلمية. بدءاً من اختبار العينات المستقلة بصيغتيه المتجانسة وغير المتجانسة (ويلش)، مروراً باختبار العينات المترابطة، ووصولاً إلى الحلول الرياضية لاختبار العينة الواحدة، أثبت إكسيل قدرته على محاكاة أدق البرمجيات الإحصائية المتخصصة. تكمن القيمة المضافة لإكسيل في شفافيته الحسابية المطلقة التي تمكن الباحث من تتبع معادلات التباين المجمع، والخطأ المعياري، ودرجات الحرية، وحساب أحجام الأثر المعيارية مثل كوهين دي وإيتا تربيع وفترات الثقة 95%. إن الالتزام بفحص الافتراضات المنهجية بدقة، وتجنب الأخطاء الفنية في هيكلة البيانات، وصياغة المخرجات وفق دليل جمعية علم النفس الأمريكية (APA 7th)، يضمن للباحث إنتاج أبحاث علمية رصينة تتسم بأعلى درجات المصداقية الأكاديمية وقابلية التكرار والتعميم.

المراجع

اقتباس هذا المقال

looti, M. (2026, أغسطس 26). كيفية إجراء اختبارات t في إكسيل. عرب سايكلوجي. https://arabpsychology.com/statistics/how-to-do-t-tests-in-excel/
looti, Mohammed. “كيفية إجراء اختبارات t في إكسيل.” عرب سايكلوجي, 26 أغسطس 2026, https://arabpsychology.com/statistics/how-to-do-t-tests-in-excel/.
looti, Mohammed. “كيفية إجراء اختبارات t في إكسيل.” عرب سايكلوجي. أغسطس 26, 2026. https://arabpsychology.com/statistics/how-to-do-t-tests-in-excel/.