كيفية إيجاد التكرار النسبي الشرطي في جدول ذي اتجاهين

تُعد معالجة البيانات الفئوية (Categorical Data) وتفسيرها بدقة حجر الزاوية في البحوث الكمية المعاصرة، ولا سيما في العلوم السلوكية والنفسية والاجتماعية والطبية، حيث يتعامل الباحثون والمحللون يومياً مع متغيرات نوعية لا تخضع بطبيعتها للقياس العددي المستمر. وفي خضم هذه المساعي البحثية، تبرز الجداول التكرارية المزدوجة (Two-Way Contingency Tables) كأداة لا غنى عنها لتلخيص البيانات وتصنيفها متعدد الأبعاد، إذ تتيح مصفوفة التقاطع بين متغيرين فئويين رؤية واضحة للتوزيعات المشتركة والهامشية لعناصر العينة قيد الدراسة.

مع ذلك، فإن قراءة الأرقام والتكرارات المطلقة المجردة داخل خلايا الجدول المزدوج غالباً ما تكون غير كافية، بل قد تقود أحياناً إلى استنتاجات مضللة، خاصة عند وجود تباين ملحوظ في حجوم الفئات أو عند المقارنة بين مجموعات غير متساوية في العدد الإجمالي. ومن هنا تنبثق الضرورة المنهجية لحساب ما يُعرف بـ التكرار النسبي الشرطي (Conditional Relative Frequency)، وهو المقياس الإحصائي الذي يُعيد تحجيم التكرارات داخل صف معين أو عمود محدد بنسبتها إلى المجموع الإجمالي لتلك الفئة المشروطة، متيحاً بذلك فهماً دقيقاً وعادلاً للعلاقات الارتباطية والأنماط التوزيعية الخفية.

يهدف هذا الدليل المرجعي الشامل إلى تقديم استعراض تفصيلي معمق لكيفية إيجاد وفهم وتفسير التكرارات النسبية الشرطية في الجداول ذات الاتجاهين. وسنغطي عبر أقسامه المتعددة البنية الرياضية لهذه الجداول، والفروق الجوهرية بين التكرارات المشتركة والهامشية والشرطية، والخطوات الحسابية الدقيقة لحساب الشروط الصفية والعمودية، مدعومة بنماذج تطبيقية واقعية، وتطبيقات عملية في البرمجيات الإحصائية المتقدمة، مع تسليط الضوء على المحاذير المنهجية والمغالطات الإحصائية الشائعة.

1. مقدمة إلى الجداول التكرارية المزدوجة (Two-Way Tables) وأهميتها الإحصائية

1.1 تعريف الجدول التكراري ذي الاتجاهين

يُعرّف الجدول التكراري ذو الاتجاهين، ويُطلق عليه أيضاً اسم جدول الاقتران أو التوافق (Contingency Table) أو مصفوفة التصنيف المزدوج (Cross-Tabulation)، بأنه هيكل تنظيمي مصفوفي يُستخدم لعرض التوزيع التكراري المشترك لمتغيرين فئويين نوعيين في آنٍ واحد. يتألف هذا الجدول من شبكة متقاطعة من الصفوف الأفقية (Rows) والأعمدة الرأسية (Columns)، حيث يمثل كل صف مستوى أو فئة من فئات المتغير الأول (المتغير الصفي)، بينما يمثل كل عمود فئة من فئات المتغير الثاني (المتغير العمودي). نقطة التقاطع بين أي صف وأي عمود تُعرف باسم “الخلية” (Cell)، وهي المساحة المخصصة لتسجيل التكرار المطلق للأفراد أو الحالات التي تشترك في الصفتين معاً.

يتمثل الدور المحوري للجداول المزدوجة في قدرتها الفائقة على اختزال كميات هائلة من البيانات الخام وتحويلها إلى مصفوفة رقمية متماسكة يمكن قراءتها وفحصها بصرياً ورياضياً. فعوضاً عن التعامل مع مئات أو آلاف السجلات الفردية غير المنظمة، يُمكّن الجدول الإحصائي الباحث من استيعاب البنية الهيكلية الشاملة للبيانات، مما يسهل رصد التمركزات التكرارية والأنماط المتقاطعة، ويوفر بيئة مثالية لفحص الفرضيات حول طبيعة العلاقة بين المتغيرين محل الاهتمام.

1.2 طبيعة المتغيرات الفئوية المستخدمة في الجداول المزدوجة

تنقسم المتغيرات الإحصائية في جوهرها إلى متغيرات كمية ومتغيرات فئوية، وتختص الجداول المزدوجة حصرياً بدراسة المتغيرات الفئوية (Categorical Variables). وتنقسم هذه المتغيرات إلى نوعين رئيسيين: المتغيرات الاسمية (Nominal Variables) التي تعبر عن تسميات وتصنيفات لا تنطوي على أي ترتيب تفضيلي أو تسلسلي منطقي، مثل النوع الاجتماعي (ذكر/أنثى)، والجنسية، ونوع الاضطراب النفسي؛ والمتغيرات الترتيبية (Ordinal Variables) التي تحمل تصنيفاتها معنى ترتيبياً أو تدرجياً تصاعدياً وتنازلياً، مثل المستوى التعليمي، أو مستويات الرضا (منخفض/متوسط/مرتفع)، أو شدة الأعراض السريرية.

يتطلب التحليل الدقيق للجداول المزدوجة وضع معايير صارمة في تعريف وتصنيف مستويات هذه المتغيرات. ويشترط في بناء الفئات أن تكون مانعة بالتبادل (Mutually Exclusive)، بحيث لا يمكن لأي مفردة في العينة أن تنتمي لأكثر من فئة واحدة ضمن نفس المتغير، وأن تكون شاملة كلياً (Exhaustive)، لتستوعب كافة الحالات المدروسة دون استثناء. يضمن هذا التحديد الدقيق سلامة الحسابات الإحصائية اللاحقة ويمنع الازدواجية أو فقدان البيانات أثناء عملية التصنيف والترميز.

1.3 أهمية الجداول المزدوجة في البحث الإحصائي والعلوم النفسية

تحتل الجداول التكرارية المزدوجة مكانة بالغة الأهمية في مجالات البحث العلمي الرصين، وبالأخص في حقول علم النفس، والطب السلوكي، والعلوم التربوية. تُعد هذه الجداول بمثابة الأداة الاستكشافية الأولى التي يعتمد عليها الباحث لفحص الاستقلالية (Independence) أو الاقتران (Association) بين الظواهر الإنسانية والسلوكية، مثل فحص الارتباط بين نوع الشخصية والاستجابة لضغوط العمل، أو بين تقنية الإرشاد النفسي المستخدمة ومعدلات الامتثال العلاجي.

تكمن القوة المنهجية للجداول المزدوجة أيضاً في كونها المدخل الإحصائي المباشر لتطبيق اختبارات الدلالة المعلمية واللامعلمية، وعلى رأسها اختبار كاي تربيع للاستقلالية (Chi-Square Test of Independence) واختبار فيشر الدقيق (Fisher’s Exact Test). كما تُعد اللبنة التأسيسية التي تُبنى عليها مؤشرات الارتباط الفئوي مثل معامل فاي (Phi Coefficient) ومعامل ف وتوافق كرامر (Cramer’s V)، ومقاييس نسب الأرجحية (Odds Ratios) والمخاطر النسبية (Relative Risk) في الدراسات الوبائية والنفسية الميدانية.

2. المفاهيم الأساسية: التكرارات المشتركة والتكرارات الهامشية

2.1 التكرارات المشتركة (Joint Frequencies)

تُعرّف التكرارات المشتركة (Joint Frequencies) بأنها القيم الرقمية الصريحة المسجلة في الخلايا الداخلية للجدول المزدوج، والتي تمثل نقاط التقاطع الفعلي بين صف محدد وعمود محدد. تُشير كل خلية داخلية إلى عدد الأفراد أو الحالات في العينة الذين يتسمون بخصائص الصفتين في وقت واحد؛ أي أنها تمثل التقاطع الرياضي للأحداث (Intersection of Events: $A cap B$).

إذا افترضنا أن لدينا دراسة تفحص نمط الاستجابة للعلاج (تحسن / عدم تحسن) مشروطاً بنوع التدخل السلوكي (فردي / جماعي)، فإن الخلية الواقعة عند تقاطع صف “العلاج الجماعي” وعمود “تحسن” تتضمن التكرار المشترك للأفراد الذين خضعوا للعلاج الجماعي وحققوا تحسناً في آنٍ واحد. تُشتق هذه القيم مباشرة من عملية تفريغ الاستجابات الخام للبيانات، وتُشكل المادة الخام الأساسية لكافة العمليات الحسابية والتحليلات النسبية التالية.

2.2 التكرارات الهامشية (Marginal Frequencies)

تُمثل التكرارات الهامشية (Marginal Frequencies) إجمالي التكرارات المحسوبة على أطراف أو هوامش الجدول المزدوج، وتنتج عن جمع التكرارات المشتركة عبر صف كامل أو عبر عمود كامل. وتُسمى “هامشية” لأنها تُدون عادة في الهوامش اليمنى (أو اليسرى بحسب لغة الجدول) والهوامش السفلية المخصصة للمجاميع.

يعكس التكرار الهامشي للصف المجموع الكلي للحالات المنتمية إلى فئة معينة من المتغير الأول بصرف النظر عن توزيعها على فئات المتغير الثاني. وبالمثل، يعكس التكرار الهامشي للعمود المجموع الكلي للحالات المنتمية لفئة معينة من المتغير الثاني متجاهلاً تصنيف المتغير الأول. تكمن الأهمية التحليلية للتكرارات الهامشية في إعطائها صورة كلية وشاملة عن حجم كل مجموعة فرعية ومستوى تمثيلها داخل العينة الكلية للدراسة.

2.3 العلاقة الرياضية بين التكرارات المشتركة والهامشية والإجمالي العام

ترتبط التكرارات داخل الجدول المزدوج بعلاقات رياضية صارمة ومحكمة تمثل الضابط الأساسي لسلامة البيانات. فإذا رمزنا للتكرار المشترك في الصف $i$ والعمود $j$ بالرمز $n_{ij}$، فإن التكرار الهامشي للصف $i$ (ويُرمز له بالرمز $R_i$) يُحسب بالمعادلة التالية:

$$R_i = \sum_{j=1}^{c} n_{ij}$$

حيث $c$ هو العدد الإجمالي للأعمدة في الجدول. وبالمثل، يُحسب التكرار الهامشي للعمود $j$ (ويُرمز له بالرمز $C_j$) بجمع كافة التكرارات المشتركة في ذلك العمود عبر الصفوف البالغ عددها $r$:

$$C_j = \sum_{i=1}^{r} n_{ij}$$

ويُمثل الحجم الكلي للعينة ($N$) القيمة النهائية الجامعة التي تقع في الزاوية الهامشية القصوى للجدول، ويجب أن تتطابق بالضرورة مع مجموع كافة التكرارات الهامشية للصفوف ومجموع كافة التكرارات الهامشية للأعمدة، وكذلك مجموع كافة الخلايا المشتركة:

$$N = \sum_{i=1}^{r} R_i = \sum_{j=1}^{c} C_j = \sum_{i=1}^{r} \sum_{j=1}^{c} n_{ij}$$

يُعد التحقق من هذه المطابقة الرياضية خطوة أولية إلزامية قبل الشروع في حساب التكرارات النسبية أو التكرارات الشرطية لتفادي نقل أي أخطاء حسابية في المجاميع.

3. ما هو التكرار النسبي الشرطي (Conditional Relative Frequency)؟

3.1 التعريف العلمي والمفهوم الإحصائي

يُعرّف التكرار النسبي الشرطي (Conditional Relative Frequency) بأنه النسبة المئوية أو التناسب الرياضي الذي يقيس تكرار حدوث قيمة أو صفة معينة ضمن مجموعة فرعية مقيدة بشرط مسبق، بدلاً من نسبتها إلى العينة الكلية الشاملة. يُجيب التكرار النسبي الشرطي عن السؤال المنهجي: “إذا علمنا مسبقاً أن الفرد ينتمي إلى الفئة المحددة (س)، فما هو احتمال أو نسبة أن يتصف بالسمة (ص)؟”.

تتمثل الصيغة الرياضية العامة للتكرار النسبي الشرطي للحدث $A$ بشرط تحقق الفئة $B$ فيما يلي:

$$\text{Conditional Relative Frequency} = \frac{\text{J\oint Frequency of } (A \text{ and } B)}{\text{Marginal Frequency of Condition } B}$$

تتميز هذه النسبة بكونها محصورة رياضياً بين القيمة 0 (انعدام التكرار التام تحت الشرط) والقيمة 1 أو 100% (انطباق السمة على جميع أفراد الفئة المشروطة بلا استثناء).

3.2 فلسفة وضع الشروط في تحليل البيانات

تنبع الفلسفة المنهجية لوضع الشروط في التحليل الإحصائي من الحاجة الملحة لعزل أثر تباين حجوم المجموعات الأساسية وتحقيق “العدالة الإحصائية” عند المقارنة. فعلى سبيل المثال، إذا كان حجم عينة الذكور في دراسة نفسية يبلغ 500 فرد، بينما حجم عينة الإناث 100 فرد فقط، فإن مقارنة التكرارات المطلقة للإصابة بالاكتئاب ستكون مضللة حتماً لصالح الذكور بسبب تضخم عينتهم، في حين أن حساب النسبة الشرطية (نسبة المكتئبين بين الذكور فقط مقارنة بنسبة المكتئبات بين الإناث فقط) يوفر تقييماً عادلاً وموضوعياً للمقارنة بين الجنسين.

يُسهم تقييد فضاء العينة بفئة فرعية محددة في تحييد المتغيرات المربكة جزئياً، والتركيز على السلوك التوزيعي الداخلي للمجموعة، مما يمنح المحلل قدرة عالية على اكتشاف الخصائص المميزة لكل فئة على حدة دون التأثر بالوزن النسبي لتلك الفئة داخل المجتمع الكلي للدراسة.

3.3 أنواع التكرارات النسبية الشرطية في الجداول المزدوجة

ينقسم التكرار النسبي الشرطي داخل الجداول المزدوجة إلى نوعين رئيسيين استناداً إلى اتجاه فرض الشرط، ولكل منهما استخداماته التحليلية وسياقاته التفسيرية المحددة:

• التكرارات النسبية الشرطية للصفوف (Row Conditionals): ويتم فيها تثبيت فئات الصفوف كشروط مسبقة؛ بحيث يُقسم كل تكرار مشترك داخل الصف على المجموع الهامشي لذلك الصف بعينه. ويُستخدم هذا النوع عندما يكون المتغير الصفي هو المتغير المستقل أو التفسيري المقترح.
• التكرارات النسبية الشرطية للأعمدة (Column Conditionals): ويتم فيها تثبيت فئات الأعمدة كشروط أساسية؛ بحيث يُقسم كل تكرار مشترك داخل العمود على المجموع الهامشي لذلك العمود المحدد. ويُفضل استخدام هذا النوع عندما يكون المتغير العمودي هو المتغير المستقل أو عندما نرغب في تقييم تركيبة فئات الاستجابة بدقة.

يتوقف الاختيار المنهجي بين الشرط الصفي والشرط العمودي على صياغة الفرضية البحثية والاتجاه المنطقي للسببية أو التفسير المراد اختباره.

4. الفرق بين التكرار النسبي المشترك والتكرار النسبي الهامشي والتكرار النسبي الشرطي

4.1 التكرار النسبي المشترك (Joint Relative Frequency)

يُمثل التكرار النسبي المشترك (Joint Relative Frequency) نسبة الأفراد الذين يشتركون في فئتين محددتين مقسومة على الحجم الكلي للعينة الشاملة ($N$). وتُحسب وفق المعادلة:

$$\text{J\oint Relative Frequency} = \frac{n_{ij}}{N}$$

تُعبر هذه القيمة عن الوزن النسبي للخلية المشتركة كجزء من المجتمع الكلي للدراسة. وعلى الرغم من أهميتها في تحديد نسبة انتشار تواجد الصفتين معاً في المجتمع العام، إلا أن حدودها التحليلية تكمن في حساسيتها الشديدة لحجم العينة الكلي وعدم قدرتها على توضيح قوة الارتباط الداخلي بين الفئات المعنية.

4.2 التكرار النسبي الهامشي (Marginal Relative Frequency)

يُعنى التكرار النسبي الهامشي (Marginal Relative Frequency) بحساب نسبة التكرار الإجمالي لصف كامل أو عمود كامل منسوباً إلى الحجم الكلي للعينة ($N$). ويُحسب عبر إحدى المعادلتين:

$$\text{Row Marginal Relative Frequency} = \frac{R_i}{N} \quad \text{أو} \quad \text{Column Marginal Relative Frequency} = \frac{C_j}{N}$$

يوفر التكرار النسبي الهامشي نظرة بانورامية شمولية حول التوزيع العام لمتغير واحد بمفرده في العينة دون الالتفات إلى تداخله مع المتغير الآخر. وتُشكل هذه النسب الهامشية الأساس الذي تُقارن به النسب الشرطية لتحديد ما إذا كان هناك اقتران إحصائي أم أن المتغيرين مستقلان تماماً.

4.3 المقارنة التفصيلية والتمييز الرياضي بين المفاهيم الثلاثة

تكمن النقطة الجوهرية للتمييز بين هذه المقاييس الإحصائية الثلاثة في تحديد المقام (Denominator) المستخدم في عملية القسمة الحسابية. يوضح الجدول التالي مقارنة منهجية دقيقة بين المقاييس الثلاثة:

المقياس الإحصائي	البسط المستخدم	المقام المستخدم	المجموع الإجمالي للجدول	سياق الاستخدام والهدف التحليلي
التكرار النسبي المشترك	تكرار الخلية المشتركة ($n_{ij}$)	حجم العينة الكلي ($N$)	مجموع كافة الخلايا = 100%	معرفة نسبة انتشار سمة مشتركة بين عموم العينة.
التكرار النسبي الهامشي	مجموع الصف ($R_i$) أو العمود ($C_j$)	حجم العينة الكلي ($N$)	مجموع النسب الهامشية للمتغير = 100%	معرفة التوزيع المنفرد لمتغير واحد دون ربطه بالآخر.
التكرار النسبي الشرطي	تكرار الخلية المشتركة ($n_{ij}$)	مجموع الصف المشروط ($R_i$) أو العمود ($C_j$)	مجموع كل صف (أو عمود) مشروط = 100%	مقارنة التوزيع النسبي للسمات داخل فئات فرعية محددة.

إن إدراك الفارق بين هذه المقامات الثلاثة يحمي الباحث من ارتكاب الأخطاء الحسابية والمفاهيمية الأكثر شيوعاً في تحليل وتفسير الجداول المزدوجة.

5. خطوات حساب التكرار النسبي الشرطي بناءً على الصفوف (Row Conditionals)

5.1 الخطوة الأولى: تحديد الصف المستهدف وحساب المجموع الهامشي للصف

تبدأ الخطوة المنهجية الأولى بالتركيز على الصف الأفقي المراد دراسته وتثبيته كشرط. يتعين على المحلل قراءة التكرارات المشتركة في جميع خلايا هذا الصف، والتحقق بدقة تامة من المجموع الهامشي لهذا الصف ($R_i$).

يصبح هذا المجموع الهامشي ($R_i$) هو المقام الوحيد والثابت لكافة عمليات القسمة الحسابية المتعلقة بهذا الصف، مع استبعاد الإجمالي العام للعينة ($N$) وتجاهل مجاميع الصفوف الأخرى أثناء هذه الخطوة.

5.2 الخطوة الثانية: قسمة كل تكرار مشترك في الصف على مجموع الصف

في هذه الخطوة، يتم الانتقال عبر خلايا الصف المستهدف خلية تلو الأخرى، وتُقسم قيمة التكرار المشترك في كل خلية ($n_{ij}$) على المجموع الهامشي المحدد للصف ($R_i$):

$$\text{Row Conditional Relative Frequency} = \frac{n_{ij}}{R_i}$$

تُضرب النتيجة العشرية الناتجة في 100 لتحويلها إلى نسبة مئوية مباشرة. وللتحقق من صحة الحساب، يجب أن يكون المجموع الجبري لكافة التكرارات النسبية الشرطية داخل الصف الواحد مساوياً للواحد الصحيح (1.00) أو ما يعادل 100% بدقة (مع مراعاة فروق التقريب العشري الطفيفة إن وجدت).

5.3 الخطوة الثالثة: إنشاء جدول التكرار النسبي الشرطي للصفوف

تُفرغ النتائج المحسوبة في جدول مخصص ومستقل يُعرف باسم “جدول التكرارات النسبية الشرطية للصفوف” (Row Conditional Table). تُسجل فيه النسب المئوية في خلاياها المقابلة، وتوضع خانة إجمالية في نهاية كل صف تحتوي على النسبة 100%، دلالة على اكتمال التوزيع المشروط لكل فئة صفية على حدة.

يُتيح هذا الجدول الجديد إجراء مقارنات أفقية مباشرة بين الصفوف المختلفة؛ حيث يسهل فحص كيف تتباين اختيارات أو سلوكيات الفئات الصفية عبر خيارات المتغير العمودي.

6. خطوات حساب التكرار النسبي الشرطي بناءً على الأعمدة (Column Conditionals)

6.1 الخطوة الأولى: تحديد العمود المستهدف وحساب المجموع الهامشي للعمود

عند الرغبة في اتخاذ فئات المتغير العمودي كشروط مرجعية للتحليل، تبدأ العملية باختيار العمود الرأسي المستهدف وحساب مجموعه الهامشي ($C_j$) بدقة فائقة من خلال جمع كافة التكرارات المشتركة الواقعة ضمنه رأسياً.

يُصبح التكرار الهامشي للعمود ($C_j$) هو المقام المعتمد لجميع العمليات الحسابية الخاصة بهذا العمود. ويتغير بذلك منظور التحليل كلياً ليصبح السؤال موجهاً نحو كيفية توزيع أفراد الفئة العمودية الواحدة على الفئات الصفية المختلفة.

6.2 الخطوة الثانية: قسمة كل تكرار مشترك في العمود على مجموع العمود

تُطبق المعادلة الحسابية للشرط العمودي على كل خلية مشتركة داخل العمود المعني وفق الصيغة التالية:

$$\text{Column Conditional Relative Frequency} = \frac{n_{ij}}{C_j}$$

يتم تحويل الكسور العشرية الناتجة إلى نسب مئوية. ويُشترط للتحقق من الدقة الحسابية أن يكون المجموع الرأسي لكافة النسب الشرطية داخل العمود الواحد مساوياً تماماً للعدد 1 أو 100%.

6.3 الخطوة الثالثة: بناء جدول التكرار النسبي الشرطي للأعمدة

تُنظم المخرجات في “جدول التكرارات النسبية الشرطية للأعمدة” (Column Conditional Table). وفي هذا الجدول، يُخصص السطر السفلي الهامشي لتسجيل النسبة 100% أسفل كل عمود، مما يُبرز بوضوح أن كل عمود يمثل توزيعاً احتمالياً مستقلاً بذاته لفئات المتغير الصفي تحت شرط تلك الفئة العمودية المحددة.

يُمكن هذا البناء الباحث من استخلاص الفروق الرأسية بين الأعمدة، واستكشاف الفئات الصفية الأكثر مساهمة في تشكيل كل فئة من فئات المتغير العمودي.

7. أمثلة عملية ونماذج تطبيقية مفصلة لحساب التكرارات النسبية الشرطية

7.1 المثال الأول: تحليل تفضيلات الأنشطة الرياضية حسب النوع الاجتماعي

لنفترض أن باحثاً قام بجمع بيانات من عينة عشوائية مكونة من 100 طالب جامعي (60 ذكراً و40 أنثى) لمعرفة رياضتهم المفضلة من بين ثلاثة خيارات: كرة السلة، كرة القدم، والكرة الطائرة. وكانت البيانات الخام ملخصة في الجدول التكراري المزدوج التالي:

النوع الاجتماعي	كرة القدم	كرة السلة	الكرة الطائرة	المجموع الهامشي للصف ($R_i$)
ذكور	30	20	10	60
إناث	10	15	15	40
المجموع الهامشي للعمود ($C_j$)	40	35	25	100 (N)

لحساب التكرارات النسبية الشرطية للصفوف (تفضيل الرياضة مشروطاً بالنوع الاجتماعي):

• بالنسبة لصف الذكور (المقام = 60):
  • كرة القدم: $30 div 60 = 0.50$ (50%)
  • كرة السلة: $20 div 60 = 0.333$ (33.3%)
  • الكرة الطائرة: $10 div 60 = 0.167$ (16.7%)
  • المجموع: $50% + 33.3% + 16.7% = 100%$
• بالنسبة لصف الإناث (المقام = 40):
  • كرة القدم: $10 div 40 = 0.25$ (25%)
  • كرة السلة: $15 div 40 = 0.375$ (37.5%)
  • الكرة الطائرة: $15 div 40 = 0.375$ (37.5%)
  • المجموع: $25% + 37.5% + 37.5% = 100%$

يُظهر هذا التحليل الشرطي بجلاء أن تفضيل كرة القدم يمثل 50% بين الذكور مقارنة بـ 25% فقط بين الإناث، في حين أن تفضيل الكرة الطائرة يرتفع لدى الإناث (37.5%) مقارنة بالذكور (16.7%).

7.2 المثال الثاني: دراسة مستويات القلق وفقاً للفئات العمرية في دراسة نفسية

أُجريت دراسة نفسية على عينة سريرية قوامها 200 مشارك مصنفين حسب الفئة العمرية (شباب، منتصف العمر، كبار السن) ومستوى القلق (منخفض، متوسط، مرتفع). ويوضح الجدول التالي التكرارات المرصودة:

الفئة العمرية	قلق منخفض	قلق متوسط	قلق مرتفع	المجموع الهامشي للصف
شباب (18-30)	15	35	30	80
منتصف العمر (31-55)	25	35	10	70
كبار السن (56+)	30	15	5	50
المجموع الهامشي للعمود	70	85	45	200

لحساب التكرار النسبي الشرطي للأعمدة لفئة “القلق المرتفع” (المقام = 45):

• نسبة الشباب بين ذوي القلق المرتفع: $30 div 45 = 0.667$ (66.7%)
• نسبة منتصف العمر بين ذوي القلق المرتفع: $10 div 45 = 0.222$ (22.2%)
• نسبة كبار السن بين ذوي القلق المرتفع: $5 div 45 = 0.111$ (11.1%)
• المجموع العمودي: $66.7% + 22.2% + 11.1% = 100%$

تُظهر النتيجة الشرطية للأعمدة أن ثلثي الأفراد المصابين بقلق مرتفع (66.7%) ينتمون إلى فئة الشباب، مما يوجه التدخلات العلاجية بصورة مركزة نحو هذه الشريحة العمرية.

7.3 المثال الثالث: تقييم الاستجابة للعلاج السلوكي المعرفي حسب نوع الاضطراب

في دراسة لتقييم فعالية العلاج السلوكي المعرفي (CBT)، تم تصنيف 150 مريضاً وفق نوع التشخيص (اضطراب الهلع، الرهاب الاجتماعي، اضطراب القلق العام) ومستوى الاستجابة السريرية للعلاج (استجابة كاملة، استجابة جزئية، عدم استجابة). وسُجلت البيانات كالتالي:

التشخيص السريري	استجابة كاملة	استجابة جزئية	عدم استجابة	مجموع الصف
اضطراب الهلع	35	10	5	50
الرهاب الاجتماعي	20	20	10	50
القلق العام	15	20	15	50
مجموع العمود	70	50	30	150

بحساب النسب الشرطية للصفوف (معدل الاستجابة لكل تشخيص على حدة):

• اضطراب الهلع: استجابة كاملة = $35/50 = 70%$ | جزئية = $20%$ | عدم استجابة = $10%$.
• الرهاب الاجتماعي: استجابة كاملة = $20/50 = 40%$ | جزئية = $40%$ | عدم استجابة = $20%$.
• القلق العام: استجابة كاملة = $15/50 = 30%$ | جزئية = $40%$ | عدم استجابة = $30%$.

تثبت الأدلة الإحصائية المستخلصة من التكرارات النسبية الشرطية تفوق كفاءة العلاج السلوكي المعرفي بشكل حاسم مع حالات اضطراب الهلع (70% استجابة كاملة) مقارنة باضطراب القلق العام (30% فقط).

8. تفسير النتائج وتحليل العلاقات الارتباطية بين المتغيرات الفئوية

8.1 تحديد الاستقلالية والارتباط الإحصائي بين المتغيرين

يُمثل التكرار النسبي الشرطي المعيار الحاسم لتقييم الاستقلالية الإحصائية (Statistical Independence) بين متغيرين فئويين بصرياً ومفاهيمياً. في حال كان المتغيران مستقلين تماماً، فإن التوزيع النسبي الشرطي لفئات المتغير التابع يجب أن يتطابق بدقة عبر كافة مستويات المتغير المستقل، بل ويجب أن يتطابق مع التكرار النسبي الهامشي الإجمالي لذلك المتغير.

إذا لوحظ وجود تباين جوهري واختلاف واضح بين التوزيعات النسبية الشرطية للصفوف المختلفة (أو الأعمدة المختلفة)، فإن ذلك يُعد دليلاً أولياً قوياً على وجود ارتباط أو اقتران (Association) بين المتغيرين، مما يشير إلى أن معرفة الفئة التي ينتمي إليها الفرد في المتغير الأول تُغير من احتمالية استجابته في المتغير الثاني.

8.2 قراءة الفروق الجوهرية واستخلاص الدلالات

يتطلب تفسير الفروق النسبية الشرطية حذراً أكاديمياً لتفادي الخلط بين مجرد “الاقتران الإحصائي” و”العلاقة السببية الحتمية” (Causation). إن وجود نسبة استجابة أعلى في فئة معينة لا يعني بالضرورة أن الانتماء لتلك الفئة هو السبب المباشر الوحيد في تلك النتيجة، إذ قد تتداخل عوامل وسيطة أو متغيرات كامنة (Confounding Variables) لم يتم رصدها في الجدول المزدوج.

ينبغي على المحلل تقييم الأثر العملي والتطبيقي للفروق النسبية بجانب دلالتها الإحصائية، مع الأخذ في الاعتبار حجم الفجوة النسبية ومقارنتها بالأدبيات النظرية والدراسات السابقة في المجال المعرفي التخصصي.

8.3 الربط بين التكرار النسبي الشرطي والاحتمال الشرطي ($P(A|B)$)

يُعد التكرار النسبي الشرطي الترجمة التجريبية المباشرة لمفهوم الاحتمال الشرطي (Conditional Probability) في نظرية الاحتمالات الكلاسيكية. وفقاً لقانون بايز ومبادئ الاحتمالات، يُعرّف احتمال وقوع الحدث $A$ بشرط وقوع الحدث $B$ كالتالي:

$$P(A|B) = \frac{P(A \cap B)}{P(B)}$$

عند إسقاط هذه المعادلة على الجداول المزدوجة، نجد أن $P(A cap B)$ تُمثل بالتكرار النسبي المشترك ($n_{ij} / N$)، بينما $P(B)$ تُمثل بالتكرار النسبي الهامشي للشرط ($R_i / N$ أو $C_j / N$). وباختصار المقام الكلي ($N$) من البسط والمقام، نحصل مباشرة على معادلة التكرار النسبي الشرطي ($n_{ij} / R_i$). تكتسب هذه العلاقة أهمية قصوى في مجالات التشخيص الطبي والنفسي لحساب الحساسية (Sensitivity) والنوعية (Specificity) والقيم التنبؤية الإيجابية والسلبية للفحوصات.

9. استخدام التكرار النسبي الشرطي في الأبحاث النفسية والسلوكية

9.1 دراسة التباين بين المجموعات التجريبية والضابطة

في التجارب السريرية والأبحاث شبه التجريبية في علم النفس، تُستخدم التكرارات النسبية الشرطية للمقارنة بين نتائج المجموعة التجريبية (التي تلقت تدخلاً علاجياً أو تدريبياً معيناً) والمجموعة الضابطة (التي تلقت علاجاً وهمياً أو لم تتلق تدخلاً). يتيح حساب نسب التعافي أو التحسن المشروطة بكل مجموعة رصد حجم الأثر التدخلي بشكل دقيق.

تتجلى الفائدة المنهجية الكبرى هنا عند تعذر تحقيق التكافؤ العددي التام بين أحجام المجموعتين التجريبية والضابطة لأسباب ميدانية أو أخلاقية، حيث تعمل النسب الشرطية على ضبط الفروق في الحجم وتوحيد مقياس المقارنة على أساس مئوي معياري.

9.2 تحليل السمات الشخصية والأنماط السلوكية

تعتمد دراسات الشخصية وعلم النفس الاجتماعي اعتماداً واسعاً على الجداول المزدوجة لربط الأنماط السلوكية الظاهرة (مثل أنماط القيادة، أساليب مواجهة الضغوط، أو السلوك العدواني) بالسمات الشخصية المستقرة كسمات نموذج العوامل الخمسة الكبرى (Big Five). يُمكن للتكرار النسبي الشرطي الكشف عن نسبة الأفراد ذوي العصابية المرتفعة الذين يتبنون آليات دفاعية تجنبية مقارنة بذوي العصابية المنخفضة.

يُساعد هذا الفحص الشرطي الأخصائيين النفسيين في تحديد “الفئات الأكثر عرضة للخطر” (At-Risk Groups)، وتصميم برامج وقائية وتدخلات إرشادية موجهة خصيصاً للفئات التي تسجل نسباً شرطية مرتفعة للسلوكيات غير التكيفية.

9.3 تطبيقات القياس النفسي والتحقق من صلاحية الاختبارات

في مجال السيكومتري والقياس النفسي، يُوظف التكرار النسبي الشرطي في فحص خصائص بنود المقاييس والاستبيانات. ومن أبرز هذه التطبيقات فحص الأداء التفاضلي للبنود (Differential Item Functioning – DIF)، للتأكد من أن فقرات الاختبار لا تنطوي على تحيز غير عادل ضد فئة ديموغرافية معينة (كالذكور مقابل الإناث، أو الأقليات اللغوية).

يتم ذلك بحساب التكرار النسبي الشرطي للإجابة الصحيحة على البند مشروطاً بالمستوى الكلي للقدرة أو السمة المقاسة؛ فإذا تساوت النسب الشرطية للحل الصحيح عبر المجموعات المختلفة لنفس مستوى القدرة، يُعتبر البند عادلاً وخالياً من التحيز القياسي.

10. الأخطاء الشائعة عند حساب وتفسير التكرار النسبي الشرطي وكيفية تفاديها

10.1 الخلط بين شروط الصفوف وشروط الأعمدة (عكس الشرط)

يُعد الوقوع في “مغالطة عكس الشرط” (Confusion of the Inverse) من أخطر الأخطاء التحليلية الشائعة بين الباحثين والطلاب. تتمثل هذه المغالطة في الافتراض الخاطئ بأن الاحتمال الشرطي $P(A|B)$ يساوي بالضرورة الاحتمال الشرطي المعكوس $P(B|A)$.

فعلى سبيل المثال، فإن نسبة المصابين بالفصام الذين يظهرون أعراض الهلاوس (شرط التشخيص) تختلف جذرياً في معناها الإحصائي والسريري عن نسبة الأشخاص الذين يعانون من الهلاوس والمشخصين بالفصام (شرط العَرَض). لتفادي هذا الخطأ، يجب تحديد “المتغير المعطى أو المشروط” بدقة بالغة ووضعه دائماً في مقام الكسر الحسابي، ومراجعة الصياغة اللغوية للتأكد من مطابقتها لاتجاه القسمة المنفذة.

10.2 تجاهل حجم العينة وتأثير القيم المتطرفة والصغيرة

قد تؤدي النسب المئوية الشرطية إلى استنتاجات خادعة ومضللة إذا تم حسابها استناداً إلى تكرارات هامشية شديدة الصغر في الصفوف أو الأعمدة. فإذا كان أحد الصفوف يحتوي على 3 حالات فقط ونجحت حالتان منها، فإن النسبة الشرطية للنجاح ستبدو مرتفعة جداً (66.7%)، في حين أنها تستند إلى بيانات هشة تفتقر إلى الاستقرار الإحصائي وقابلية التعميم.

يجب على الباحثين مراعاة القواعد الإحصائية القياسية، والتأكد من كفاية أحجام الخلايا الهامشية، وتجنب إبراز نسب مئوية لفئات فرعية لا تتضمن حداً أدنى كافياً من التكرارات (يُفضل ألا يقل التكرار الهامشي عن 20 إلى 30 حالة في التحليلات الاستدلالية الموثوقة).

10.3 مغالطة سيمبسون (Simpson’s Paradox) وتأثير المتغيرات المربكة

تحدث مغالطة سيمبسون (Simpson’s Paradox) عندما يظهر اتجاه أو نمط ارتباطي معين في كافة التكرارات النسبية الشرطية للمجموعات الفرعية المنفصلة، ولكنه ينعكس تماماً أو يختفي عند تجميع ودمج البيانات في جدول إجمالي موحد ذي اتجاهين. ينشأ هذا التناقض الصادم نتيجة وجود متغير كامن أو مربك ثالث غير مضبوط إحصائياً يرتبط بكلا المتغيرين المدروسين ويوجه توزيعهما الداخلي.

لتجنب التفسيرات المضللة الناتجة عن هذه المغالطة، يتعين على المحلل عدم الاكتفاء بالتحليل الثنائي البسيط عند الاشتباه في وجود متغيرات وسيطة أو ديموغرافية فارقة (مثل العمر أو الحالة الاجتماعية أو الشدة السريرية)، واللجوء إلى الجداول ثلاثية الأبعاد (Three-Way Tables) أو استخدام تقنيات التحليل متعدد المتغيرات مثل انحدار لوجستي (Logistic Regression) للتحكم في أثر المتغيرات الدخيلة.

11. تمثيل التكرارات النسبية الشرطية بيانياً وتحليلها بصرياً

11.1 الأشرطة البيانية المقسمة والمكدسة بنسبة 100% (Segmented Bar Charts)

تُعد الأشرطة البيانية المكدسة بنسبة 100% (100% Stacked Bar Charts) الأداة البصرية المثالية والمعيارية لعرض التكرارات النسبية الشرطية للصفوف أو الأعمدة. في هذا الرسم، يُمثل كل شريط عمودي فئة من فئات المتغير المشروط، ويمتد ارتفاع كافة الأشرطة ليصل دائماً وبشكل موحد إلى علامة 100% على المحور الرأسي.

يُقسم كل شريط داخلياً إلى مساحات لونية متتالية تتناسب أطوالها بدقة مع النسب الشرطية لفئات المتغير التابع. يتيح هذا التمثيل للعين البشرية المقارنة الفورية لتركيبة الفئات؛ حيث يدل الاختلاف في مواقع خطوط التقسيم الأفقية بين الأشرطة بوضوح تام على وجود اقتران وارتباط إحصائي بين المتغيرين.

11.2 الأشرطة البيانية المتجاورة (Clustered/Side-by-Side Bar Charts)

تُمثل الأشرطة المتجاورة (Side-by-Side Bar Charts) بديلاً بيانياً فعالاً، حيث يتم وضع أشرطة الفئات المستجيبة جنباً إلى جنب لكل مجموعة مشروطة، وتُقاس ارتفاعاتها بنسبتها المئوية من 0 إلى 100%. يتميز هذا النمط البصري بقدرته الفائقة على إبراز الفروق المباشرة في تكرار صفة معينة عبر المجموعات المختلفة.

يُفضل استخدام هذا النوع من الرسوم عند الرغبة في تركيز انتباه القارئ على مقارنة فئة استجابة محددة (مثل نسبة “التعافي الكامل”) عبر مجموعات علاجية متعددة، مع ضرورة استخدام ترميز لوني واضح ومفتاح للمصطلحات لتسهيل القراءة السريعة.

11.3 المخططات الفسيفسائية (Mosaic Plots)

يُعد المخطط الفسيفسائي (Mosaic Plot) التمثيل البياني الأكثر تقدماً وتكاملاً لتحليل البيانات الفئوية الثنائية والمتعددة. يجمع هذا المخطط بعبقرية بين عرض التكرارات النسبية الهامشية والتكرارات النسبية الشرطية في مساحة هندسية واحدة مقسمة إلى مستطيلات متباينة الأبعاد.

في المخطط الفسيفسائي، يمثل عرض كل عمود التكرار النسبي الهامشي للفئة المشروطة (حجم الفئة في العينة الإجمالية)، بينما يمثل ارتفاع التقسيمات داخل العمود التكرار النسبي الشرطي للمتغير الآخر. وبذلك، تتناسب مساحة كل مستطيل بصرياً مع التكرار المشترك الفعلي لتلك الخلية، مما يمنح المحلل رؤية بصرية متكاملة وشاملة لكل من حجم الفئة وقوة الاقتران في آنٍ واحد.

12. التطبيقات المتقدمة والبرمجيات الإحصائية لحساب الجداول المزدوجة (SPSS, R, Python)

12.1 استخراج التكرارات النسبية الشرطية باستخدام برنامج SPSS

يُعد الحساب اليدوي للنسب الشرطية مفيداً للأغراض التعليمية، إلا أن البحوث الضخمة تتطلب الاعتماد على الحزم البرمجية الإحصائية المتخصصة. في برنامج IBM SPSS Statistics، يتم استخراج الجداول المزدوجة والتكرارات الشرطية باتباع الخطوات التالية:

1. من القائمة الرئيسية، يتم اختيار: Analyze > Descriptive Statistics > Crosstabs.
2. يتم نقل المتغير المستقل إلى مربع الصفوف (Row(s)) والمتغير التابع إلى مربع الأعمدة (Column(s)).
3. يتم النقر على زر Cells لفتح نافذة خيارات عرض الخلايا.
4. تحت قسم Percentages، يتم تفعيل خيار Row للحصول على النسب الشرطية للصفوف، أو تفعيل خيار Column للحصول على النسب الشرطية للأعمدة، أو كلاهما معاً.
5. يتم الضغط على Continue ثم OK لتوليد مخرجات التحليل في نافذة النتائج (Output Viewer).

تُظهر مخرجات SPSS جدولاً متكاملاً يتضمن التكرارات المطلقة، متبوعة مباشرة بالنسبة المئوية المشروطة داخل كل صف (% within Row Variable) أو عمود (% within Column Variable)، مما يوفر صياغة جاهزة للاستخدام في التقارير العلمية المنشورة.

12.2 الحساب والتحليل الإحصائي باستخدام لغة R

توفر بيئة الحوسبة الإحصائية R مرونة برمجية فائقة لحساب التكرارات النسبية الشرطية ومعالجتها. يتم إنشاء الجدول التكراري الأساسي باستخدام الدالة table()، ثم تُطبق الدالة prop.table() لحساب النسب المئوية الشرطية بدقة متناهية:

لحساب التكرار النسبي الشرطي للصفوف (Row Conditionals):

• يتم تمرير المعامل margin = 1 إلى الدالة: prop.table(my_table, margin = 1) * 100

لحساب التكرار النسبي الشرطي للأعمدة (Column Conditionals):

• يتم تمرير المعامل margin = 2 إلى الدالة: prop.table(my_table, margin = 2) * 100

كما تتيح حزمة ggplot2 الشهيرة في R إنشاء أشرطة بيانية مقسمة مكدسة بنسبة 100% بسهولة عبر إضافة المعامل position = "fill" داخل الدالة geom_bar()، مما ينتج تمثيلات بصرية عالية الجودة ومطابقة لأعلى المعايير الأكاديمية.

12.3 التحليل المتقدم باستخدام مكتبة Pandas في لغة Python

في بيئة لغة Python الموجهة لعلوم البيانات والذكاء الاصطناعي، تُعد مكتبة Pandas الأداة القياسية لمعالجة البيانات الفئوية المتقاطعة. توفر الدالة pd.crosstab() حلاً شاملاً ومباشراً لحساب الجداول المزدوجة والنسب الشرطية عبر وسيط التطبيع normalize:

• لحساب النسب الشرطية للصفوف: يُحدد المعامل normalize='index'، ليقوم بتقسيم كل خلية على مجموع صفها مباشرة.
• لحساب النسب الشرطية للأعمدة: يُحدد المعامل normalize='columns'، ليقوم بالقسمة على مجاميع الأعمدة.
• لحساب النسب المشتركة الكلية: يُحدد المعامل normalize='all'.

علاوة على ذلك، يمكن دمج هذه المخرجات الحسابية بسلاسة مع مكتبة seaborn لرسم الخرائط الحرارية الملونة (Heatmaps) باستخدام الدالة sns.heatmap()، مما يحول الجداول الرقمية المعقدة إلى مصفوفات بصرية واضحة تُبرز التجمعات التكرارية ذات النسب الشرطية المرتفعة بألوان مميزة.

خاتمة واستنتاجات ختامية

تُمثل التكرارات النسبية الشرطية (Conditional Relative Frequencies) أداة تحليلية محورية وجسراً منهجياً لا غنى عنه للانتقال من مرحلة الوصف التكراري البسيط للبيانات الفئوية إلى مرحلة الاستدلال الإحصائي وفهم طبيعة الاقتران والعلاقات البينية بين المتغيرات. إن قدرة هذا المقياس على تقييد فضاء العينة وتثبيت الشروط المرجعية تمكّن الباحثين في كافة الحقول العلمية—ولاسيما في العلوم النفسية والسلوكية والطبية—من تجاوز قيود التباين في أحجام المجموعات وإجراء مقارنات موضوعية عادلة تعكس الواقع التجريبي بدقة.

يتطلب التطبيق الإحصائي الرصين لهذه الأداة وعياً كاملاً بالفروق الجوهرية في تحديد المقامات الحسابية، وتجنب مغالطات عكس الشروط أو الوقوع في فخ مغالطة سيمبسون، ودعم التحليلات الرقمية بالتمثيلات البيانية التوضيحية المناسبة واستخدام البرمجيات الحديثة الموثوقة. إن الالتزام بهذه الضوابط المنهجية يضمن الارتقاء بجودة التحليل الإحصائي وتقديم رؤى علمية دقيقة تدعم اتخاذ القرارات المبنية على الأدلة والبيانات الموثوقة.

References

• Agresti, A. (2018). An introduction to categorical data analysis (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781119405283
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Friendly, M., & Meyer, D. (2016). Discrete data analysis with R: Visualization and modeling techniques for categorical and count data. Chapman and Hall/CRC. https://doi.org/10.1201/b19001
• Gravetter, F. J., Wallnau, L. B., Forzano, L. A. B., & Witnauer, J. E. (2020). Essentials of statistics for the behavioral sciences (10th ed.). Cengage Learning.
• McHugh, M. L. (2013). The chi-square test of independence. Biochemia Medica, 23(2), 143–149. https://doi.org/10.11613/BM.2013.018
• Peck, R., Short, T., & Olsen, C. (2019). Introduction to statistics and data analysis (6th ed.). Cengage Learning.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for data science: Import, tidy, transform, visualize, and model data (2nd ed.). O’Reilly Media. https://r4ds.hadley.nz/