كيفية إيجاد القيمة الاحتمالية من جدول توزيع مربع كاي

تعد الإحصاءات الاستدلالية الركيزة الأساسية التي يستند إليها الباحثون في العلوم السلوكية والنفسية والتربوية لتحويل الملاحظات والبيانات الخام إلى استنتاجات علمية رصينة تتجاوز حدود العينة لتشمل المجتمع بأكمله. وفي قلب هذه الممارسات الإحصائية، يبرز اختبار مربع كاي (Chi-Square Test) بوصفه أحد أقدم وأهم الاختبارات اللامعلمية المصممة للتعامل مع المتغيرات النوعية والاسمية، حيث يوفر آلية دقيقة لتقييم الفروق بين التكرارات المشاهدة وتلك المتوقعة نظرياً وفق فرضيات محددة.

ومع ذلك، لا تكتمل القيمة المعرفية لحساب قيمة إحصائية الاختبار دون ربطها بمفهوم القيمة الاحتمالية (P-Value)، والتي تمثل البوصلة المنهجية التي تسترشد بها القرارات الإحصائية لقبول أو رفض الفرضيات الصفرية. إن فهم كيفية استخراج وتقدير هذه القيمة من جداول التوزيع الاحتمالي لمربع كاي يمثل مهارة جوهرية لكل باحث يسعى إلى بناء حدس رياضي متين، وإدراك الآلية التي تعمل بها البرمجيات الإحصائية الحديثة خلف كواليس الخوارزميات الرقمية المعقدة.

يقدم هذا الدليل المرجعي الشامل تفصيلاً معمقاً ومتكاملاً لجميع الخطوات والأسس الرياضية والنظرية اللازمة لاستخراج وتقدير القيمة الاحتمالية من جدول توزيع مربع كاي، مع التركيز على التطبيقات السيكولوجية والعلوم الإنسانية، بدءاً من البنية الرياضية للمنحنى وجداول الدلالة، ومروراً بالمنهجيات اليدوية والتقريبية كالاستيفاء الخطي، ووصولاً إلى التوثيق الأكاديمي الصارم وفق معايير جمعية علم النفس الأمريكية (APA).

1. مقدمة شاملة لاختبار مربع كاي ومفهوم القيمة الاحتمالية في البحث النفسي

1.1 التعريف النظري لاختبار مربع كاي (Chi-Square)

ينتمي اختبار مربع كاي، الذي طوره عالم الإحصاء البريطاني كارل بيرسون في مطلع القرن العشرين، إلى فئة الاختبارات الإحصائية اللامعلمية (Non-Parametric Tests). تتميز هذه الفئة من الاختبارات بعدم اشتراطها لتوزيع اعتدالي للمجتمع الأصلي، مما يجعلها الأداة المثلى في معالجة البيانات الاسمية (Nominal) والرتبية (Ordinal) التي تشكل الجانب الأكبر من مقاييس البحث السلوكي والنفسي، مثل تصنيف الأنماط الشخصية، وتشخيص الاضطرابات النفسية، وتحديد التفضيلات السلوكية والاتجاهات الاجتماعية.

يرتكز الاختبار نظرياً على المقارنة المباشرة بين التوزيع التجريبي للبيانات، وهو ما يُعرف بـ التكرارات الملاحظة (Observed Frequencies)، وبين التوزيع النظري المفترض في حال تحقق شرط الصدفة البحتة أو النموذج النظري، والمسمى بـ التكرارات المتوقعة (Expected Frequencies). ومن خلال قياس حجم الانحراف أو التباعد بين هذين التوزيعين، يستطيع الباحث تحديد ما إذا كان التباين الحاصل يعكس ظاهرة نفسية حقيقية أم أنه مجرد خطأ معاينة عشوائي.

تتجلى أهمية هذا الإجراء في عملية اختبار الفرضيات، حيث ينطلق الباحث من صياغة الفرضية الصفرية (H₀) التي تنص على عدم وجود فروق دالة أو عدم وجود علاقة ارتباطية بين المتغيرات المصنفة، في مقابل الفرضية البديلة (H₁) التي تفترض وجود نمط منظم أو علاقة ذات دلالة إحصائية. يمثل اختبار مربع كاي الجسر الحسابي الذي يقيس مدى توافق البيانات الميدانية مع افتراضات الفرضية الصفرية تمهيداً لحسم القرار العلمي.

1.2 المفهوم الإحصائي للقيمة الاحتمالية (P-Value)

تُعرف القيمة الاحتمالية (P-Value) رياضياً بأنها احتمال الحصول على نتائج تجريبية متطرفة تساوي أو تزيد عن النتيجة التي تمت ملاحظتها بالفعل في العينة، بشرط افتراض أن الفرضية الصفرية صحيحة تماماً في المجتمع الإحصائي. إنها تمثل مقياساً لقوة الأدلة ضد الفرضية الصفرية؛ فكلما تضاءلت هذه القيمة، تراجعت احتمالية أن تكون البيانات المشاهدة ناتجة عن التباين العشوائي للصدفة، مما يرجح كفة رفض الفرضية الصفرية.

يعتمد اتخاذ القرار الإحصائي في الأوساط الأكاديمية على مقارنة القيمة الاحتمالية المحسوبة بمستويات دلالة معيارية تُحدد مسبقاً قبل جمع البيانات، وتُعرف بمستوى المعنوية ($\alpha$). وتعد المستويات 0.05 و0.01 و0.001 المعايير الذهبية في العلوم السلوكية. فعندما يتبنى الباحث مستوى $\alpha = 0.05$، فإنه يقبل بمخاطرة نسبتها 5% لرفض فرضية صفرية صحيحة بالخطأ، وهو ما يُعرف بخطأ النوع الأول (Type I Error).

في سياق القياس النفسي، تعكس القيمة الاحتمالية مدى موثوقية الفروق الفردية المقاسة أو الاستجابات السلوكية المرصودة. إن الحصول على قيمة احتمالية منخفضة جداً يمنح الأخصائي النفسي أو الباحث الميداني الثقة الكافية للتأكيد على أن الفروق الملاحظة في الاستجابة للعلاج النفسي، أو التباين في مستويات القلق بين فئات مجتمعية مختلفة، ليست مجرد نتاج تباين غير منتظم في اختيار أفراد العينة.

1.3 العلاقة بين إحصائية الاختبار وجدول التوزيع الاحتمالي

تتولد إحصائية اختبار مربع كاي ($X^2$) من خلال تجميع الفروق النسبية بين التكرارات الملاحظة والمتوقعة في قيمة رقمية موحدة تعبر عن المدى الكلي لانحراف النموذج الواقعي عن النموذج النظري. هذه القيمة المحسوبة ليست دليلاً كافياً في حد ذاتها دون مقارنتها بمرجع احتمالي قياسي يأخذ في الحسبان التعقيد البنائي للبيانات وحجم جدول التقاطع المستخدم.

يمثل جدول توزيع مربع كاي هذا المرجع القياسي؛ فهو عبارة عن جدول رياضي مسبق الحساب يعتمد على دالة الكثافة الاحتمالية لتوزيع كاي. يتيح هذا الجدول للباحثين ترجمة القيمة الإحصائية المجردة إلى تقدير احتمالي دقيق عبر ربط القيمة المحسوبة بدرجات الحرية المتاحة في التصميم التجريبي، مما يحدد بدقة المساحة الواقعة تحت منحنى التوزيع الاحتمالي.

يستند المنطق الإحصائي لمربع كاي إلى فكرة التوزيع التراكمي للطرف الأيمن (Right-Tailed Distribution). فنظراً لأن الفروق بين الملاحظ والمتوقع يتم تربيعها، فإن إحصائية الاختبار تكون دائماً موجبة، وكلما زادت الفروق اتجهت القيمة الإحصائية بعيداً نحو الطرف الأيمن للمنحنى، مما يؤدي بالضرورة إلى انكماش المساحة الاحتمالية المتبقية في الذيل، وهو ما يترجم إلى قيمة P منخفضة تدعم الدلالة الإحصائية.

2. البنية الهيكلية والرياضية لجدول توزيع مربع كاي

2.1 مكونات الجدول الإحصائي وقراءة الأعمدة والصفوف

يتألف جدول توزيع مربع كاي القياسي من مصفوفة ثنائية الأبعاد مصممة بدقة لتسهيل القراءة السريعة للقيم الحرجة (Critical Values). يحتوي المحور الرأسي في أقصى يسار الجدول (أو يمينه في بعض الجداول المعربة) على قائمة متسلسلة لـ درجات الحرية (Degrees of Freedom – df)، والتي تبدأ عادةً من الرقم 1 وتتدرج تصاعدياً لتصل إلى 30 أو 50 أو حتى 100 في الجداول المتقدمة.

يمثل المحور الأفقي العلوي للجدول مستويات الدلالة الاحتمالية المختلفة ($\alpha$ أو مساحات الذيل الأيمن)، وتتراوح هذه القيم عادة بين المستويات الشائعة جداً مثل 0.10 و0.05 و0.025 و0.01 و0.001، بالإضافة إلى بعض القيم الدنيا التي تخدم أغراضاً إحصائية متخصصة. تعبر كل قيمة في هذا الشريط العلوي عن المساحة التراكمية المتبقية تحت المنحنى والتي تقع على يمين القيمة الحرجة المقابلة.

تتشكل مصفوفة الأرقام المركزية في الجدول من تقاطع صفوف درجات الحرية مع أعمدة مستويات الاحتمال. يمثل كل رقم في هذه الخلايا “القيمة الحرجة لمربع كاي” ($X^2_{crit}$)؛ وهي الإحداثي الأفقي على خط التوزيع الذي يفصل بين منطقة القبول الإحصائي ومنطقة الرفض عند درجة حرية محددة ومستوى معنوية مستهدف.

2.2 الخصائص الرياضية لمنحنى توزيع مربع كاي

يتميز منحنى توزيع مربع كاي بخصائص رياضية فريدة تميزه عن التوزيع الطبيعي المعياري، وأهمها الالتواء الإيجابي الحاد (Positive Skewness) عندما تكون درجات الحرية منخفضة. يكون المنحنى منحدراً بشدة نحو اليمين مع ذيل طويل يمتد نحو المالانهاية الموجبة، حيث تتركز معظم المساحة الاحتمالية بالقرب من الصفر في المراحل الأولى للتوزيع.

مع تزايد درجات الحرية، يتغير شكل المنحنى تدريجياً وبصورة منتظمة؛ إذ يقل الالتواء ويتسع التوزيع ويبدأ في التحول نحو التماثل، مقترباً في شكله الهندسي من خصائص التوزيع الطبيعي (Gaussian Distribution) بفضل مبرهنة النهاية المركزية. فعندما تتجاوز درجات الحرية القيمة 30، يصبح المنحنى شبيهاً جداً بالجرس المتماثل، وهو ما يسمح في بعض التطبيقات الرياضية المتقدمة باستخدام التقريب الطبيعي لتقدير الاحتمالات.

ومن الخصائص الأساسية أيضاً أن التوزيع معرف فقط في المجال الموجب؛ أي أن قيم مربع كاي تمتد من الصفر إلى ما لا نهاية ($0 le X^2 < \infty$). ينبع هذا الانطلاق الحصري من نقطة الصفر من حقيقة أن الإحصائية مبنية على مجموع مربعات الفروق، والمربعات الحسابية للأعداد الحقيقية لا يمكن أن تسفر عن نواتج سالبة إطلاقاً، مما يجعل التوزيع أحادي الاتجاه بطبيعته الرياضية.

2.3 الفروق بين جداول الذيل الواحد وجداول الذيلين

في التطبيقات السلوكية والنفسية لاختبار مربع كاي، يُعامل الاختبار دائماً باعتباره اختباراً أحادي الذيل الأيمن (One-Tailed Right-Sided Test). يعود ذلك إلى أن الباحث يبحث عن مقدار “التباعد” الكلي بين البيانات المشاهدة والمتوقعة؛ وكلما كان هذا التباعد كبيراً، كبرت قيمة $X^2$ واتجهت حصراً نحو الذيل الأيمن المتطرف، بغض النظر عما إذا كانت التكرارات الملاحظة أعلى أو أدنى من المتوقعة في خلايا معينة.

مع ذلك، يجب على الباحثين توخي الحذر عند استخدام المراجع الإحصائية، حيث تنقسم الجداول المنشورة إلى نمطين رئيسيين: النمط الأول يعرض مساحة الذيل الأيمن العليا ($P(X^2 ge X^2_{crit})$)، وهو النمط الأكثر شيوعاً في كتب علم النفس القياسي، بينما يعرض النمط الثاني المساحة التراكمية اليسرى للمنحنى من الصفر وحتى القيمة الحرجة ($P(X^2 le X^2_{crit})$).

لتفادي الوقوع في خطأ تحديد القيمة الاحتمالية، يتعين فحص رأس الجدول أو الرسم التوضيحي المرفق به بدقة. فإذا كان الجدول يعرض المساحة اليسرى التراكمية وكان الباحث يستهدف مستوى معنوية $\alpha = 0.05$ في الذيل الأيمن، فيجب عليه البحث في العمود المقابل للمساحة التراكمية $1 – \alpha = 0.95$. يضمن هذا التحويل الرياضي البسيط التطابق التام بين القيم الحرجة المستخرجة وأهداف الفرضية البحثية.

3. المتطلبات والبيانات الأساسية لاستخراج القيمة الاحتمالية

3.1 حساب إحصائية الاختبار المحسوبة (Chi-Square Statistic)

تتطلب عملية استخراج القيمة الاحتمالية حساب القيمة الإحصائية التجريبية لمربع كاي بدقة رياضية متناهية. تستند هذه العملية إلى المعادلة القياسية المعتمدة من بيرسون:

$$X^2 = \sum \frac{(O – E)^2}{E}$$

حيث يرمز الحرف $O$ (Observed) إلى التكرار الملاحظ الفعلي في كل فئة أو خلية، بينما يرمز الحرف $E$ (Expected) إلى التكرار المتوقع حسابه نظرياً بناءً على الفرضية الصفرية. تتضمن العملية الحسابية إيجاد الفارق بين الملاحظ والمتوقع لكل خلية، ثم تربيع هذا الفارق للتخلص من الإشارات السالبة، ثم قسمة الناتج المربع على التكرار المتوقع لنفس الخلية، وأخيراً جمع كافة النواتج الجزئية للوصول إلى القيمة الإجمالية للإحصائية.

تتطلب معايير التدقيق الإحصائي التأكد من صحة الحسابات التكرارية قبل البدء بعملية البحث في الجداول. يجب أن يتساوى المجموع الكلي للتكرارات الملاحظة مع المجموع الكلي للتكرارات المتوقعة ($\sum O = \sum E = N$). كما يوصى بالاحتفاظ بما لا يقل عن منزلتين إلى ثلاث منازل عشرية أثناء العمليات الحسابية الوسيطة لتفادي أخطاء التقريب التراكمية التي قد تؤدي إلى تحريف موقع القيمة المحسوبة داخل الجدول الإحصائي.

3.2 تحديد درجات الحرية بدقة تامة (Degrees of Freedom)

تمثل درجات الحرية ($df$) عدد القيم أو الفئات التي تملك حرية التغير الفعلي بعد فرض قيود رياضية معينة على المجموع الكلي للبيانات. يترتب على أي خطأ في تحديد درجات الحرية اختيار صف غير صحيح في جدول التوزيع، مما يقود حتماً إلى استنتاج احتمالي مضلل وقرار إحصائي خاطئ تماماً بخصوص الفرضيات المدروسة.

تختلف معادلة حساب درجات الحرية باختلاف التصميم التجريبي المستخدم في البحث النفسي على النحو التالي:

• في اختبار حسن المطابقة (Goodness-of-Fit Test): تُحسب درجات الحرية بالمعادلة: $df = k – 1$، حيث يمثل $k$ عدد الفئات أو المستويات المستقلة للمتغير المصنف.
• في اختبار الاستقلالية وجداول التوافق (Test of Independence): تُحسب درجات الحرية وفق مصفوفة الصفوف والأعمدة بالمعادلة: $df = (r – 1) \times (c – 1)$، حيث يمثل $r$ عدد الصفوف و$c$ عدد الأعمدة في جدول التقاطع.

يجب التنبيه إلى أنه في بعض الدراسات المتقدمة التي يقوم فيها الباحث بتقدير معالم إحصائية معينة من بيانات العينة ذاتها (مثل تقدير المتوسط الحسابي أو الانحراف المعياري للبيانات قبل حساب التكرارات المتوقعة)، فإن كل معلمة يتم تقديرها تخصم درجة حرية إضافية، مما يجعل المعادلة العامة تأخذ الشكل: $df = k – 1 – m$، حيث يمثل $m$ عدد المعالم المقدرة مجتمعياً من العينة.

3.3 تحديد مستوى المعنوية النظري المستهدف (Alpha Level)

يمثل تحديد مستوى المعنوية ($\alpha$) العتبة المعيارية الصارمة التي يقبل بها الباحث كحد أقصى للوقوع في خطأ النوع الأول (رفض فرضية صفرية صحيحة). في معظم البحوث النفسية والمسوح السلوكية الاستكشافية، يُعتمد مستوى الدلالة القياسي $\alpha = 0.05$ كنقطة قطع تفصل بين النتائج ذات الدلالة الإحصائية وتلك التي يمكن إرجاعها إلى الصدفة.

غير أن طبيعة القرار العلمي في بعض الميادين التطبيقية تفرض استخدام مستويات أكثر صرامة؛ ففي مجالات التشخيص الإكلينيكي الحرج، وتجارب العلاج الدوائي النفسي، وتقييم مخاطر السلوك الانتحاري، يلجأ الباحثون إلى مستويات دلالة متشددة مثل $\alpha = 0.01$ أو حتى $\alpha = 0.001$. يهدف هذا التشدد إلى تقليص احتمالية الإيجابية الكاذبة لأدنى مستوى ممكن لحماية سلامة المفحوصين والمبحوثين.

تتطلب المنهجية العلمية الرصينة إجراء موازنة واعية بين خطأ النوع الأول وخطأ النوع الثاني ($\beta$)؛ إذ إن المبالغة في تقليل مستوى ألفا تزيد تلقائياً من احتمالية الوقوع في خطأ النوع الثاني (الفشل في رفض فرضية صفرية خاطئة)، مما قد يتسبب في إغفال تأثيرات علاجية أو فروق نفسية حقيقية وفاعلة لم تبلغ العتبة المتشددة المختارة.

4. خطوات تحديد مجال القيمة الاحتمالية (P-Value) من الجدول

4.1 الخطوة الأولى: تحديد الصف المناسب لدرجات الحرية

تبدأ الخطوة التنفيذية الأولى لاستخراج القيمة الاحتمالية من خلال تحديد الموقع الدقيق لصف درجات الحرية ($df$) المحسوبة مسبقاً على المحور الرأسي الأيسر لجدول مربع كاي. يجب التأكد من عدم الخلط بين درجات الحرية وحجم العينة الكلي ($N$)، حيث تتطابق درجات الحرية مع التعقيد التصنيفي وليس التعداد العددي للمشاركين.

في حال كانت درجات الحرية الناتجة عن الدراسة مدرجة بشكل صريح ومباشر في الجدول (مثل $df = 1, 2, 3, dots, 30$)، يتم وضع مسطرة أو مؤشر بصري على هذا الصف لتتبعه أفقياً بدقة ومنع الانزلاق البصري إلى صفوف مجاورة أثناء القراءة الحسابية.

أما في الحالات التي تسفر فيها التصاميم التجريبية الضخمة عن درجات حرية كبيرة لا ترد بشكل تفصيلي في الجداول الورقية المختصرة (مثل $df = 47$ حيث يقفز الجدول من 40 إلى 50)، فإنه يتعين على الباحث اتباع أسلوب التقريب المحافظ (Conservative Approach) باختيار درجة الحرية الأدنى الأقرب ($df = 40$). يضمن هذا الإجراء الحذر رفع القيمة الحرجة المطلوبة مما يقلل من احتمالية رفض الفرضية الصفرية بالخطأ، أو اللجوء إلى تقنيات الاستيفاء الخطي لتقدير القيم بدقة أعلى.

4.2 الخطوة الثانية: مسح القيم الحرجة عبر الصف أفقياً

بمجرد تثبيت صف درجات الحرية المناسب، يقوم الباحث بالتحرك أفقياً من اليسار إلى اليمين لمسح القيم الحرجة المتسلسلة تصاعدياً داخل خلايا ذلك الصف المحدد. يتم خلال هذا المسح مقارنة القيمة المحسوبة ($X^2_{calc}$) المستخرجة من البيانات بالقيم المدونة في الجدول بهدف حصرها بين قيمتين حرجتين متتاليتين تمثلان حداً أدنى وحداً أعلى لموقع الإحصائية التجريبية.

إذا كانت القيمة المحسوبة تقع مثلاً بين القيمة الحرجة المسجلة في العمود الرابع والقيمة المسجلة في العمود الخامس لنفس الصف، يتم تحديد هاتين النقطتين بدقة متناهية. تضمن هذه الخطوة تطويق النتيجة التجريبية ضمن مساحة احتمالية محددة بدقة على منحنى التوزيع، مما يمهد لتحديد المجال الاحتمالي النهائي.

في بعض الدراسات ذات التأثيرات التجريبية القوية جداً، قد يجد الباحث أن القيمة المحسوبة تتجاوز أقصى قيمة حرجة مسجلة في أقصى يمين الصف (كالقيم المقابلة لمستوى $\alpha = 0.001$). في هذه الحالة الاستثنائية، يُسجل الباحث أن القيمة المحسوبة تقع في أقصى الذيل الأيمن المتطرف متجاوزة كافة العتبات المجدولة، مما يشير إلى دلالة إحصائية فائقة القوة.

4.3 الخطوة الثالثة: تتبع الأعمدة صعوداً لقراءة القيم الاحتمالية

بعد تحديد القيمتين الحرجتين المجاورتين للقيمة المحسوبة داخل الصف، يقوم الباحث بالصعود رأسياً وبشكل مستقيم من كلتا النقطتين باتجاه الشريط العلوي للجدول لقراءة مستويات الدلالة الاحتمالية المقابلة لهذين العمودين. يمثل الرقمان المستخرجان من رأس الجدول الحدود الرياضية العليا والدنيا للمجال الاحتمالي الحقيقي للقيمة المحسوبة.

تتم صياغة المجال الاحتمالي الناتج باستخدام متباينة رياضية دقيقة تعكس العلاقة العكسية بين القيمة الإحصائية والقيمة الاحتمالية. فإذا وقعت القيمة المحسوبة بين القيمة الحرجة عند مستوى $\alpha = 0.05$ والقيمة الحرجة عند مستوى $\alpha = 0.025$، فإن المتباينة الصحيحة تُكتب على النحو التالي:

$$0.025 < P < 0.05$$

يسمح هذا التقدير المحصور للباحث بإجراء التقييم النهائي لفرضيته البحثية؛ فإذا كان مستوى المعنوية المعتمد مسبقاً في خطة البحث هو $\alpha = 0.05$، فإن وقوع كامل المجال الاحتمالي عند مستويات أدنى من 0.05 يتيح للباحث الجزم برفض الفرضية الصفرية بثقة إحصائية تامة دون الحاجة إلى معرفة القيمة النقطية العشرية الدقيقة.

5. المنهجية الأولى: اتخاذ القرار عبر مقارنة الإحصائية بالقيمة الحرجة

5.1 تحديد القيمة الحرجة المقابلة لمستوى ألفا محدد

تعتبر منهجية القيمة الحرجة (Critical Value Approach) المنهجية الكلاسيكية الأكثر رسوخاً في الأدبيات الإحصائية لاتخاذ القرارات المتعلقة باختبار الفرضيات. تبدأ هذه المنهجية بالانطلاق من قرار قبلي يحدد فيه الباحث مستوى الدلالة المستهدف (وليكن $\alpha = 0.05$) ودرجات الحرية المقابلة لتصميمه البحثي.

يتوجه الباحث مباشرة إلى جدول مربع كاي لتحديد نقطة التقاطع المباشرة بين صف درجات الحرية ($df$) وعمود مستوى المعنوية المحدد سلفاً ($\alpha$). يمثل الرقم المستخرج من خلية التقاطع هذه القيمة الحرجة الدقيقة ($X^2_{crit}$)، والتي تعمل بمثابة العتبة الإحصائية الفاصلة على خط الأعداد للمنحنى التوزيعي.

تقسم هذه القيمة الحرجة المنحنى التوزيعي بدقة متناهية إلى منطقتين وظيفيتين متباينتين: منطقة القبول أو عدم الرفض (Fail to Reject Region) والتي تمتد من الصفر وحتى ما دون القيمة الحرجة وتغطي $(1 – \alpha)$ من إجمالي المساحة (أي 95% عند مستوى 0.05)، ومنطقة الرفض أو المنطقة الحرجة (Rejection Region) التي تمتد من القيمة الحرجة باتجاه المالانهاية الموجبة وتغطي مساحة $\alpha$ المتبقية في الذيل الأيمن.

5.2 قاعدة القرار الإحصائي للمقارنة المباشرة

تستند قاعدة القرار الإحصائي في منهجية القيمة الحرجة إلى منطق رياضي مباشر وصارم لا يقبل اللبس، وتُصاغ وفق القواعد الثنائية التالية:

• رفض الفرضية الصفرية ($H_0$): إذا كانت القيمة الإحصائية المحسوبة أكبر قطعياً من القيمة الحرجة المستخرجة من الجدول ($X^2_{calc} > X^2_{crit}$). يفسر ذلك بوقوع الإحصائية التجريبية داخل منطقة الرفض في الذيل الأيمن المتطرف.
• عدم رفض (قبول) الفرضية الصفرية ($H_0$): إذا كانت القيمة الإحصائية المحسوبة أقل من أو تساوي القيمة الحرجة المستخرجة من الجدول ($X^2_{calc} le X^2_{crit}$). يفسر ذلك بوقوع الإحصائية التجريبية ضمن منطقة التوزيع المتوقعة بحكم الصدفة.

يرتبط هذا القرار ارتباطاً عضوياً بمفهوم القيمة الاحتمالية؛ فعندما تنجح القيمة المحسوبة في تجاوز العتبة الحرجة نحو اليمين، فإن المساحة الاحتمالية المتبقية على يمينها تكون بالضرورة الرياضية أصغر من مساحة الذيل المحجوزة لمستوى ألفا ($P < \alpha$)، مما يؤدي تلقائياً إلى توافق تام في اتخاذ القرار بين كلا المنهجين.

5.3 مثال تطبيقي عملي على منهج القيمة الحرجة

لتوضيح هذه المنهجية بدراسة حالة واقعية من ميدان علم النفس الإكلينيكي، نفترض أن باحثاً أجرى دراسة لمقارنة استجابات فئات تشخيصية متعددة لاختبار إسقاطي، وبعد إتمام العمليات الحسابية لمصفوفة التكرارات، حصل على النتائج التجريبية التالية: قيمة مربع كاي المحسوبة $X^2_{calc} = 27.42$، ودرجات حرية مصاحبة $df = 14$، مع اعتماد مستوى دلالة معياري $\alpha = 0.05$.

لتطبيق منهج القيمة الحرجة، يتجه الباحث إلى جدول توزيع مربع كاي:

1. يبحث في المحور الرأسي عن صف درجات الحرية المقابل للرقم 14 ($df = 14$).
2. يتحرك أفقياً عبر الصف حتى يصل إلى تقاطعه مع العمود الخاص بمستوى الدلالة $\alpha = 0.05$.
3. يستخرج القيمة الحرجة المسجلة عند هذا التقاطع، والتي تبلغ تحديداً: $X^2_{crit(0.05, 14)} = 23.685$.

بالمقارنة المباشرة بين القيمتين، يجد الباحث أن: $27.42 > 23.685$، وبما أن القيمة المحسوبة ($X^2_{calc}$) قد تجاوزت القيمة الحرجة المجدولة ($X^2_{crit}$)، فإن القرار الإحصائي النهائي ينص على: رفض الفرضية الصفرية عند مستوى دلالة 0.05، وتأكيد وجود فروق دالة إحصائياً بين الفئات التشخيصية لا يمكن عزوها إلى مجرد الصدفة العشوائية.

6. المنهجية الثانية: التقدير الحصري لمجال القيمة الاحتمالية ومقارنتها بمستوى ألفا

6.1 حصر القيمة المحسوبة بين قيمتين حرجتين متتاليتين

تتميز المنهجية الثانية بكونها تركز على استنتاج وتقدير المجال الاحتمالي الحقيقي (P-Value Interval) للبيانات بدلاً من الاكتفاء بالقرار الثنائي الجامد (رفض/قبول). تتيح هذه الطريقة للباحث تقديم تقرير أكثر شفافية وعمقاً حول مدى قوة الأدلة المناهضة للفرضية الصفرية.

لتطبيق هذا الحصر الإحصائي، يمسح الباحث صف درجات الحرية المحدد بحثاً عن القيمتين الحرجتين المجاورتين مباشرة لقيمته المحسوبة؛ بحيث تمثل إحداهما حداً أدنى مباشراً والأخرى حداً أعلى مباشراً:

$$X^2_{lower} < X^2_{calc} < X^2_{upper}$$

في الحالات النادرة التي تتطابق فيها القيمة المحسوبة تماماً مع إحدى القيم الحرجة المسجلة بالجدول في منزلتها العشرية، فإن القيمة الاحتمالية تُقرأ كنقطة محددة تساوي تماماً مستوى ألفا المدون في رأس ذلك العمود (مثال: $P = 0.05$). أما في سائر الحالات المستمرة، فإن النتيجة تستقر حتماً داخل نطاق احتمالي محصور بين عمودين متتاليين.

6.2 صياغة المتباينات الاحتمالية وكتابة التقرير

تتطلب الكتابة الإحصائية السليمة لمجال القيمة الاحتمالية التزاماً صارماً بقواعد المنطق المتباين. فنظراً لأن مساحات الذيل تتناقص كلما اتجهنا نحو اليمين وتزايدت قيم مربع كاي الحرجة، فإن القيمة الاحتمالية للقيمة المحسوبة تكون محصورة بين احتمالي هذين العمودين باتجاه متعاكس عددياً لقيم $X^2$:

$$\alpha_{upper_X^2} < P < \alpha_{lower_X^2}$$

يوضح الجدول التالي التنسيق الرياضي القياسي لصياغة مجالات القيمة الاحتمالية في مختلف المواقع التوزيعية:

• عند وقوع القيمة في النطاقات المجدولة: تُكتب بصيغة حصر مزدوج: $0.01 < P < 0.025$ أو $0.025 < P < 0.05$.
• عند تجاوز أقصى قيم الجدول يميناً: تُكتب بصيغة متباينة صغرى متطرفة: $P < 0.001$.
• عند الوقوع يسار أدنى قيم الجدول (قيمة صغيرة جداً): تُكتب بصيغة متباينة كبرى: $P > 0.10$ أو $P > 0.20$.

تتيح هذه الصياغة للباحث إجراء المقارنة الحاسمة؛ فإذا كان كامل المجال الاحتمالي المستنتج يقع دون مستوى ألفا النظري المستهدف (مثلاً: إذا كان $0.01 < P < 0.025$ ومستوى ألفا هو 0.05)، فإن النتيجة تقتضي حتماً رفض الفرضية الصفرية بثقة مضاعفة تفوق مجرد التحقق من تجاوز القيمة الحرجة المنفردة.

6.3 مثال تطبيقي كامل على منهج حصر القيمة الاحتمالية

بالعودة إلى نفس المعطيات السابقة حيث بلغت القيمة المحسوبة $X^2_{calc} = 27.42$ مع درجات حرية $df = 14$، نقوم بتطبيق منهجية الحصر الاحتمالي من خلال الخطوات المنظمة التالية:

1. التوجه إلى صف درجات الحرية 14 في جدول مربع كاي القياسي.
2. مسح القيم الحرجة المسجلة في الصف 14 للعثور على أقرب قيمتين تحيطان بالقيمة 27.42:
   • نجد القيمة الحرجة: 26.119 (المقابلة لمستوى الاحتمال $\alpha = 0.025$).
   • ونجد القيمة الحرجة التالية: 29.141 (المقابلة لمستوى الاحتمال $\alpha = 0.010$).
3. صياغة متباينة الحصر المكاني لإحصائية الاختبار:
   $$26.119 < 27.42 < 29.141$$
4. الارتفاع إلى رأس الجدول لقراءة قيم الاحتمال المرافقة وصياغة متباينة القيمة الاحتمالية:
   $$0.010 < P < 0.025$$

يوفر هذا الاستنتاج للباحث معرفة دقيقة بأن القيمة الاحتمالية الفعلية تقع يقيناً بين 1% و2.5%. وبناءً على ذلك، بما أن الحد الأعلى لهذا المجال (0.025) أصغر تماماً من مستوى الدلالة القياسي المعتمد ($\alpha = 0.05$)، يتم رفض الفرضية الصفرية رسمياً مع الإفادة بأن مستوى المعنوية المتحقق أقوى بكثير من مجرد الوقوع تحت عتبة الـ 5%، مما يثري التقرير العلمي بمزيد من الدقة الإحصائية.

7. إيجاد القيمة الاحتمالية في اختبار حسن المطابقة لمربع كاي (Goodness of Fit)

7.1 طبيعة اختبار حسن المطابقة وتطبيقاته في علم النفس

يُعد اختبار حسن المطابقة (Chi-Square Goodness-of-Fit Test) الأداة الإحصائية الأساسية للتحقق من مدى تطابق التوزيع التكراري الملاحظ لمتغير نوعي أحادي مع توزيع نظري مفترض مسبقاً. يستخدم هذا الاختبار بكثافة في الدراسات النفسية والسلوكية لتقييم فرضيات مثل التوزيع المتساوي لسمات الشخصية عبر فئات مجتمعية، أو مدى مطابقة معدلات انتشار اضطراب نفسي معين في عينة محلية مع المعدلات الوبائية العالمية المعتمدة.

تعتمد صلاحية هذا الاختبار على استيفاء شروط منهجية محددة وضعتها الأدبيات الإحصائية الكلاسيكية (مثل شروط كوكران). من أبرز هذه الشروط: الاستقلال التام للملاحظات التكرارية، وأن تكون العينة ممثلة عشوائياً، وألا يقل التكرار المتوقع في أي فئة عن 5 ملاحظات ($E_i ge 5$) لضمان عدم انتهاك تقريب التوزيع الاحتمالي المستمر لمربع كاي.

عندما يسعى الباحث إلى فحص ما إذا كانت الأنماط السلوكية موزعة بالتساوي بين الفئات، فإن التكرار المتوقع لكل فئة يُحسب بقسمة إجمالي حجم العينة ($N$) على عدد الفئات ($k$): $E = N / k$. أما إذا كانت هناك نسب مجتمعية معروفة مسبقاً (مثل نسب مئوية محددة لكل نمط)، فيُحسب التكرار المتوقع بضرب النسبة النظرية لكل فئة في الحجم الكلي للعينة ($E_i = N \times p_i$).

7.2 حساب درجات الحرية واستخراج P-Value لاختبار المطابقة

يخضع حساب درجات الحرية في اختبار حسن المطابقة لقاعدة بسيطة تعتمد حصراً على عدد الفئات المستقلة الداخلة في التحليل دون النظر إلى عدد المشاركين في العينة، وتصاغ رياضياً كما يلي:

$$df = k – 1$$

حيث يمثل $k$ عدد المستويات أو الفئات التصنيفية للمتغير. ينشأ خصم الدرجة الواحدة ($-1$) من القيد الرياضي المفروض على المجموع الكلي، حيث إن معرفة تكرارات $(k-1)$ من الفئات يحدد تلقائياً تكرار الفئة الأخيرة المتبقية لضمان تطابق المجموع مع حجم العينة $N$.

بعد حساب القيمة الإجمالية لإحصائية مربع كاي ($X^2$) عبر جميع الفئات، ينتقل الباحث إلى جدول التوزيع الاحتمالي حاملاً قيمة $df = k – 1$. يتم فحص الصف المحدد لتحديد موقع القيمة الإحصائية واستخراج المجال الاحتمالي ($P$-value). في هذا السياق، يشير الحصول على قيمة احتمالية كبرى ($P > 0.05$) إلى فشل الباحث في رفض الفرضية الصفرية، مما يعني أن البيانات الواقعية “تتطابق بنجاح” وبشكل دال مع النموذج النظري المفترض.

7.3 تحليل مثال نفسي تطبيقي لاختبار حسن المطابقة

أراد فريق بحثي في الصحة النفسية دراسة التفضيل العلاجي لدى عينة من 150 مريضاً يعانون من اضطراب القلق العام، حيث خُيّر المرضى بين ثلاثة أساليب علاجية رئيسية: العلاج السلوكي المعرفي (CBT)، والعلاج بالقبول والالتزام (ACT)، والعلاج التحليلي المعاصر (Psychodynamic). كانت الفرضية الصفرية تنص على عدم وجود تفضيل متمايز بين العلاجات الثلاثة (أي توزيع متساوٍ بنسبة 1:1:1).

جاءت التكرارات الملاحظة ميدانياً على النحو التالي:

• العلاج المعرفي السلوكي (CBT): $O_1 = 68$ مريضاً.
• العلاج بالقبول والالتزام (ACT): $O_2 = 48$ مريضاً.
• العلاج التحليلي (Psychodynamic): $O_3 = 34$ مريضاً.
• إجمالي حجم العينة: $N = 150$ مريضاً.

لحساب التكرارات المتوقعة نظرياً تحت فرضية التساوي: $E_1 = E_2 = E_3 = 150 / 3 = 50$ مريضاً لكل نمط علاجي.

تُحسب إحصائية مربع كاي بتطبيق معادلة الفروق النسبية:

$$X^2 = \frac{(68 – 50)^2}{50} + \frac{(48 – 50)^2}{50} + \frac{(34 – 50)^2}{50}$$

$$X^2 = \frac{(18)^2}{50} + \frac{(-2)^2}{50} + \frac{(-16)^2}{50} = \frac{324}{50} + \frac{4}{50} + \frac{256}{50} = 6.48 + 0.08 + 5.12 = 11.68$$

لحساب درجات الحرية: $df = k – 1 = 3 – 1 = 2$.

بالانتقال إلى جدول توزيع مربع كاي والبحث في الصف $df = 2$:

• القيمة الحرجة عند $\alpha = 0.01$ تساوي 9.210.
• القيمة الحرجة عند $\alpha = 0.001$ تساوي 13.816.

بما أن القيمة المحسوبة (11.68) تقع بدقة بين هاتين القيمتين المجدولتين ($9.210 < 11.68 < 13.816$)، فإننا نستنتج أن مجال القيمة الاحتمالية هو:

$$0.001 < P < 0.010$$

وبما أن $P < 0.05$ (بل وحتى $P < 0.01$)، يرفض الباحث الفرضية الصفرية ويستنتج وجود تفضيل علاجي دال إحصائياً بين مرضى القلق لصالح العلاج السلوكي المعرفي يليه العلاج بالقبول والالتزام.

8. إيجاد القيمة الاحتمالية في اختبار استقلالية مربع كاي (Test of Independence)

8.1 مفهوم استقلالية المتغيرات النفسية وجداول التوافق (Contingency Tables)

يُستخدم اختبار استقلالية مربع كاي (Chi-Square Test of Independence) لفحص طبيعة العلاقة الارتباطية بين متغيرين تصنيفيين اسميين أو رتبيين، وتحديد ما إذا كان توزيع مستويات أحد المتغيرين يعتمد وظيفياً على مستويات المتغير الآخر. يُبنى هذا التحليل على ما يُعرف بجداول التوافق أو جداول الاقتران (Contingency Tables)، والتي تتراوح بين جداول بسيطة ثنائية التقسيم ($2 \times 2$) ومصفوفات متعددة المستويات ($r \times c$).

تعتمد الفلسفة الرياضية للاستقلالية على نظرية الاحتمالات المركبة للأحداث المستقلة؛ فإذا كان المتغيران مستقلين بالفعل، فإن احتمال وقوع مفحوص معين في خلية تقاطع محددة يساوي حاصل ضرب الاحتمال الهامشي للصف في الاحتمال الهامشي للعمود. وتترجم هذه القاعدة لحساب التكرار المتوقع ($E_{ij}$) لكل خلية في الجدول بالصيغة القياسية التالية:

$$E_{ij} = \frac{\text{مجموع الصف } i \times \text{مجموع العمود } j}{N}$$

حيث يمثل $N$ المجموع الكلي لكافة الملاحظات في جدول التوافق. تتطلب الصرامة المنهجية التأكد من أن التكرارات المتوقعة في خلايا الجدول تفوق أو تساوي 5 في ما لا يقل عن 80% من الخلايا، مع عدم وجود أي خلية يقل تكرارها المتوقع عن 1، وفي حال مخالفة ذلك يُلجأ إلى دمج الفئات أو تطبيق اختبار فيشر الدقيق (Fisher’s Exact Test).

8.2 حساب درجات الحرية واستخراج P-Value لجداول التوافق

تُحسب درجات الحرية لجداول التوافق متعددة الخلايا بأخذ الأبعاد الهندسية للمصفوفة في الاعتبار، وفق المعادلة المعتمدة:

$$df = (r – 1) \times (c – 1)$$

حيث يرمز $r$ إلى عدد الصفوف (Rows) ويرمز $c$ إلى عدد الأعمدة (Columns). يعكس هذا الحساب عدد الخلايا الداخلية التي يمكن تعبئتها بحرية تامة داخل مصفوفة الجدول قبل أن تصبح باقي الخلايا مقيدة حتمياً بالقيم الهامشية الثابتة للمجاميع.

بمجرد الانتهاء من حساب قيمة $X^2$ التراكمية الناتجة عن جمع الفروق المربعة لجميع خلايا الجدول، يتم التوجه مباشرة إلى صف درجات الحرية المحدد بهذه الصيغة لمسح قيم الجدول الإحصائي رأسياً وأفقياً، وتحديد مجال القيمة الاحتمالية المقابل. يدل انخفاض قيمة $P$ عن مستوى ألفا المعياري (0.05) على وجود ارتباط دال إحصائياً ورفض فرضية استقلالية المتغيرين.

8.3 دراسة حالة سيكولوجية: فحص العلاقة بين القلق والتحصيل الدراسي

أجرى مرشد نفسي دراسة لفحص العلاقة بين مستوى القلق النفسي ومستوى التحصيل الأكاديمي لدى عينة قوامها 200 طالب جامعي. تم تصنيف الطلاب في جدول توافق بأبعاد $3 \times 3$ وفق ثلاثة مستويات للقلق (منخفض، متوسط، مرتفع) وثلاثة مستويات للتحصيل (منخفض، متوسط، مرتفع)، وكانت البيانات التكرارية الملاحظة كما يلي:

بعد حساب المجاميع الهامشية وتطبيق معادلة التكرار المتوقع $E_{ij} = (R_i \times C_j)/N$ على الخلايا التسع، ثم حساب مجموع مربعات الانحرافات النسبية لكافة الخلايا، أسفرت الحسابات التفصيلية عن إحصائية مربع كاي قدرها: $X^2_{calc} = 14.85$.

لحساب درجات الحرية الخاصة بمصفوفة $3 \times 3$:

$$df = (3 – 1) \times (3 – 1) = 2 \times 2 = 4$$

بالرجوع إلى جدول توزيع مربع كاي عند صف درجات الحرية $df = 4$ وتتبع القيم الحرجة عبر الصف:

• القيمة الحرجة عند $\alpha = 0.010$ تساوي 13.277.
• القيمة الحرجة عند $\alpha = 0.005$ تساوي 14.860.

بمقارنة القيمة المحسوبة (14.85) بالقيم المجدولة، نجد أنها تقع مباشرة أسفل القيمة 14.860 وفوق القيمة 13.277:

$$13.277 < 14.85 < 14.860$$

وبالصعود إلى رؤوس الأعمدة، يتحدد مجال القيمة الاحتمالية الدقيق بالصيغة المتباينة:

$$0.005 < P < 0.010$$

وبناءً على هذا المجال الاحتمالي الذي يقل بوضوح عن مستوى الدلالة القياسي ($\alpha = 0.05$)، يتخذ الباحث قراره بـ رفض الفرضية الصفرية للاستقلالية، وتأكيد وجود علاقة ارتباطية دالة إحصائياً بين مستوى القلق والتحصيل الأكاديمي، مع ملاحظة أن القيمة الاحتمالية قريبة جداً من العتبة المتشددة 0.005.

9. تقنيات الاستيفاء الخطي للتقدير الدقيق للقيمة الاحتمالية يدوياً

9.1 مفهوم الاستيفاء الخطي (Linear Interpolation) في الجداول الإحصائية

على الرغم من أن حصر القيمة الاحتمالية داخل مجال متباين (مثل $0.01 < P < 0.025$) يُعد كافياً تماماً في معظم التطبيقات لاتخاذ القرار الإحصائي بقبول أو رفض الفرضية الصفرية، إلا أن الباحث قد يحتاج في بعض الأحيان إلى تقدير قيمة نقطية عشرية محددة لقيمة $P$ عند العمل اليدوي دون توفر حزم برمجية. يمثل الاستيفاء الخطي (Linear Interpolation) التقنية الرياضية الأكثر كفاءة لتحقيق هذا الغرض.

يقوم الاستيفاء الخطي على افتراض رياضي مفاده أن دالة الكثافة الاحتمالية لمنحنى توزيع مربع كاي تسلك سلوكاً خطياً مستقيماً ومتقارباً عبر المسافات الضيقة جداً الواقعة بين أي نقطتين حرجتين متتاليتين في الجدول. ورغم أن المنحنى الحقيقي يتميز بانحناء مستمر، إلا أن الخطأ الرياضي الناتج عن هذا الافتراض الخطي الموضعي يكون ضئيلاً للغاية ولا يؤثر على دقة التقدير الإحصائي العام.

تعتمد المعادلة العامة للاستيفاء الخطي لحساب القيمة الاحتمالية التقديرية ($P_{est}$) المقابلة لقيمة مربع كاي المحسوبة ($X^2_{calc}$) على النسبة والتناسب بين فروق القيم الإحصائية وفروق الاحتمالات المقابلة، وتأخذ الشكل الرياضي التالي:

$$P_{est} = P_1 + \left( \frac{X^2_{calc} – X^2_1}{X^2_2 – X^2_1} \right) \times (P_2 – P_1)$$

حيث يمثل $X^2_1$ و$X^2_2$ القيمتين الحرجتين المجدولتين المحيطتين بالقيمة المحسوبة، بينما يمثل $P_1$ و$P_2$ مستويي الدلالة المقابلين لهما في رأس الجدول على التوالي.

9.2 خطوات الحساب اليدوي الدقيق لقيمة P بواسطة الاستيفاء

لتطبيق الحساب اليدوي بدقة منهجية عالية، نأخذ المعطيات التطبيقية السابقة لاختبار الاستقلالية حيث بلغت القيمة المحسوبة $X^2_{calc} = 14.85$ مع درجات حرية $df = 4$.

البيانات المرجعية المستخرجة من الجدول للصف $df = 4$ هي:

• النقطة الأولى: $X^2_1 = 13.277$ ويقابلها مستوى احتمال $P_1 = 0.010$.
• النقطة الثانية: $X^2_2 = 14.860$ ويقابلها مستوى احتمال $P_2 = 0.005$.

نطبق خطوات الاستيفاء الخطي بالتتابع الحسابي الدقيق:

1. حساب المسافة الكلية بين القيمتين الحرجتين في الجدول:
   $$\Delta X^2_{table} = X^2_2 – X^2_1 = 14.860 – 13.277 = 1.583$$
2. حساب المسافة الجزئية بين القيمة المحسوبة والنقطة الحرجة الأولى:
   $$\Delta X^2_{calc} = X^2_{calc} – X^2_1 = 14.850 – 13.277 = 1.573$$
3. حساب نسبة الموقع النسبي ($Ratio$):
   $$\text{Ratio} = \frac{1.573}{1.583} \approx 0.99368$$
4. حساب التغير الاحتمالي المقابل ($\Delta P$):
   $$\Delta P = P_2 – P_1 = 0.005 – 0.010 = -0.005$$
5. حساب القيمة الاحتمالية المقدرة ($P_{est}$):
   $$P_{est} = 0.010 + (0.99368 \times -0.005) = 0.010 – 0.004968 = 0.005032$$

توضح هذه النتيجة المستنتجة بالاستيفاء اليدوي ($P \approx 0.00503$) أن القيمة الاحتمالية تقع ملاصقة تقريباً للحد 0.005، وهو تقدير دقيق للغاية يقترب بصورة مذهلة من المخرجات الرقمية للبرمجيات الإحصائية المتطورة.

9.3 تقييم دقة الاستيفاء الخطي والحدود الرياضية لتطبيقه

عند مقارنة القيمة المقدرة بالاستيفاء الخطي ($P = 0.005032$) مع القيمة الدقيقة المولدة خوارزمياً عبر برمجيات الحاسوب لنفس المعطيات ($X^2 = 14.85, df = 4$) والتي تبلغ تحديداً $P = 0.005021$، نلاحظ أن هامش الخطأ الحسابي يقتصر على $0.000011$، وهو خطأ متناهي في الصغر ومعدوم الأثر في سياق اتخاذ القرارات البحثية في العلوم الاجتماعية والنفسية.

مع ذلك، يجب أن يدرك الباحث الحدود الرياضية لهذه التقنية؛ إذ تزداد دقة الاستيفاء الخطي كلما كانت الفجوة بين أعمدة الجدول ضيقة، بينما تنخفض هذه الدقة عندما تكون المسافة بين القيم الحرجة واسعة جداً (كما هو الحال في النطاقات الاحتمالية العليا مثل المسافة بين $\alpha = 0.10$ و$\alpha = 0.90$)، نظراً لزيادة تأثير تقوس المنحنى التوزيعي.

في الممارسات الأكاديمية المعاصرة، يُفضل عند كتابة الأطروحات والتقارير البحثية الرسمية الاكتفاء بذكر المجال الاحتمالي المباشر المستخرج من الجدول (مثال: $0.005 < P < 0.010$) ما لم تكن هناك حاجة نظرية ملحة لتدوين قيمة رقمية دقيقة، وفي تلك الحالة يُوصى بالاعتماد على المخرجات الرقمية للبرمجيات الإحصائية المعتمدة توخياً لأعلى درجات الدقة والشفافية.

10. المقارنة بين القراءة اليدوية من الجدول والمخرجات البرمجية الإحصائية

10.1 قراءة وتفسير القيمة الاحتمالية في مخرجات حزمة SPSS

تعد حزمة SPSS (Statistical Package for the Social Sciences) من أكثر البرمجيات استخداماً في تحليل البيانات النفسية والسلوكية. عند إجراء اختبار مربع كاي عبر جداول الاقتران في SPSS، ينتج البرنامج جدولاً يحمل عنوان “Chi-Square Tests” يتضمن عدة مؤشرات إحصائية أساسية.

تتضمن الخانة الأولى في هذا الجدول قيمة Pearson Chi-Square المحسوبة مصحوبة بدرجات الحرية ($df$)، وتظهر القيمة الاحتمالية تحت عمود يُعرف بـ Asymptotic Significance (2-sided)، أي “الدلالة المقاربة ذات الطرفين”. ورغم التسمية البرمجية الثابتة بـ (2-sided)، فإن الحساب الرياضي لمربع كاي يمثل بطبيعته اختباراً أحادي الطرف للمساحة المتطرفة في الذيل الأيمن لمجموع الانحرافات المربعة.

من الأخطاء الشائعة بين الباحثين المبتدئين عند التعامل مع مخرجات SPSS قراءة القيمة الاحتمالية المدونة كـ (.000) وتفسيرها على أن الاحتمال يساوي صفراً مطلقاً. في الواقع الإحصائي، لا يمكن لاحتمال الذيل المتطرف أن يساوي صفراً رياضياً؛ وإنما يشير هذا التدوين البرمجي إلى أن القيمة الاحتمالية بالغة الصغر بحيث تقل عن ثلاثة منازل عشرية ($P < 0.001$). وتفرض قواعد النشر الأكاديمي تدوينها بصيغة $p < .001$ وتجنب كتابة $p = .000$ نهائياً.

10.2 استخراج القيمة الاحتمالية باستخدام لغة R وبيئة Python

توفر البيئات البرمجية الحديثة مثل R وبايثون (Python) حلولاً حسابية تعتمد على خوارزميات رقمية متقدمة لتكامل دوال الكثافة الاحتمالية بدقة مطلقة، مما يتجاوز الحدود التقديرية للجداول المطبوعة.

في لغة البرمجة الإحصائية R، يتم استخراج القيمة الاحتمالية بدقة فائقة باستخدام الدالة المدمجة chisq.test()، والتي تطبع قيمة $p\text{-value}$ بشكل صريح وفوري، كما يمكن حساب القيمة الاحتمالية مباشرة من قيمة $X^2$ ودرجات الحرية عبر دالة التوزيع التراكمي العكسي (دالة البقاء):

p_value <- 1 - pchisq(14.85, df = 4)

وفي بيئة Python، توفر مكتبة scipy.stats دالة البقاء الرياضية chi2.sf (Survival Function) المخصصة لحساب مساحة الذيل الأيمن التراكمي بدقة متناهية:

from scipy import stats
p_value = stats.chi2.sf(14.85, 4)

تعتمد هذه الدوال البرمجية على تقريبات تحليلية متطورة (مثل دوال غاما غير المكتملة Incomplete Gamma Functions)، مما يوفر نتائج احتمالية تصل دقتها إلى أكثر من 10 منازل عشرية، متفوقة على الحسابات اليدوية والتقريبية في معالجة مصفوفات البيانات الضخمة والتصاميم التجريبية المعقدة.

10.3 مزايا وعيوب الاعتماد على الجداول الورقية مقابل الحاسوب

يوفر التحليل المقارن بين القراءة اليدوية من الجداول والمعالجة الرقمية الآلية رؤى منهجية عميقة حول المزايا والحدود التطبيقية لكل منهما، كما هو موضح في النقاط التالية:

• الأهمية التعليمية والمنهجية للجداول اليدوية: تسهم قراءة الجداول الإحصائية يدوياً في بناء “الحدس الرياضي” لدى الباحث؛ إذ تجعله يدرك بعمق مفهوم العتبات الحرجة، وتأثير درجات الحرية على توزيع المساحات الاحتمالية، والمنطق الكامن خلف اتخاذ القرارات، بدلاً من التعامل مع البرمجيات كـ “صناديق سوداء” تفرز نتائج دون استيعاب فلسفتها الرياضية.
• مزايا المعالجة البرمجية: تتميز البرمجيات بالسرعة الفائقة، والقدرة على التعامل مع بيانات ضخمة ومعقدة، واستخراج قيم احتمالية نقطية بالغة الدقة ($P$-values)، بالإضافة إلى حساب مقاييس حجم التأثير وتطبيق تصحيحات الاستمرارية تلقائياً.
• عيوب الجداول اليدوية: تقتصر على تقديم مجالات احتمالية تقريبية محصورة، وتصبح غير عملية عند التعامل مع درجات حرية ضخمة أو غير قياسية، فضلاً عن احتمالية وقوع الباحث في أخطاء القراءة البصرية والانزلاق بين الصفوف والأعمدة.

تظل مهارة القراءة اليدوية لجداول التوزيع متطلباً أكاديمياً أصيلاً للمشرفين والباحثين لتقييم مدى منطقية المخرجات الحاسوبية وتدقيق النتائج المنشورة في الأدبيات العلمية بصورة نقدية مستقلة.

11. الأخطاء الشائعة والمنهجية عند استخراج وتفسير القيمة الاحتمالية

11.1 أخطاء اختيار درجات الحرية والصفوف غير الصحيحة

يعد الخلط بين حجم العينة الإجمالي ($N$) ودرجات الحرية ($df$) من أكثر الأخطاء المنهجية شيوعاً بين الباحثين المبتدئين في العلوم النفسية. فعلى سبيل المثال، في دراسة استطلاعية تشمل 500 مفحوص موزعين على 4 فئات تشخيصية في اختبار حسن المطابقة، يقع البعض في خطأ البحث عن صف درجات الحرية المقابل لحجم العينة ($N-1 = 499$)، في حين أن درجات الحرية الصحيحة تعتمد حصراً على عدد الفئات التصنيفية ($df = 4 – 1 = 3$).

يتكرر هذا الخطأ بصورة أخرى في جداول التوافق المركبة ($r \times c$)؛ حيث يلجأ بعض الباحثين إلى استخدام صيغة المجموع الإجمالي للفئات ناقصاً واحداً ($(r \times c) – 1$) بدلاً من الصيغة المعتمدة الصحيحة: $(r – 1) \times (c – 1)$. يؤدي هذا الخطأ إلى تضخيم درجات الحرية المعتمدة بصورة وهمية، مما يترتب عليه خفض القيمة الحرجة المطلوبة للرفض بشكل غير علمي والوقوع في خطأ النوع الأول.

كما يقع الباحثون في خطأ تقريب درجات الحرية الكبيرة غير المجدولة في الجداول الورقية المختصرة باتجاه الأعلى بدلاً من الأدنى (مثل اختيار $df = 50$ لبيانات تملك $df = 44$). يؤدي التقريب للأعلى إلى تصغير القيمة الحرجة المرجعية مما يسهل رفض الفرضية الصفرية بصورة غير مبررة إحصائياً، في حين يفرض المنهج العلمي المحافظ التقريب إلى أدنى صف متاح ($df = 40$) حمايةً للنزاهة الإحصائية.

11.2 سوء تفسير اتجاه القيمة الاحتمالية وقراءة مساحات الذيل

ينطوي التفسير المفاهيمي لمربع كاي على علاقة رياضية عكسية كثيراً ما يُساء فهمها؛ إذ يخلط بعض الباحثين بين اتجاه تزايد قيمة إحصائية الاختبار ($X^2$) واتجاه تزايد القيمة الاحتمالية ($P$). إن زيادة قيمة $X^2$ تعني ابتعاد الملاحظ عن المتوقع وتوغل الإحصائية في أقصى الذيل الأيمن، مما يؤدي رياضياً إلى تناقص القيمة الاحتمالية $P$ وليس زيادتها.

يترتب على هذا الفهم الخاطئ ارتباك كبير عند قراءة المتباينات الاحتمالية؛ فالقيمة الإحصائية الكبيرة جداً تقابلها قيمة $P$ صغيرة جداً تدل على دلالة إحصائية قوية. كما يقع البعض في خطأ الخلط بين مساحة الذيل الأيمن العليا ($P(X^2 ge X^2_{crit})$) والمساحة التراكمية على يسار النقطة ($P(X^2 le X^2_{crit})$) عند استخدام جداول تعتمد النظام التراكمي الأيسر دون الانتباه لرأس الجدول.

لتجنب هذا الانزلاق المنهجي، يجب دائماً تذكر القاعدة البسيطة: “كلما كبرت إحصائية كاي المحسوبة، صغرت المساحة الاحتمالية المتبقية في الطرف الأيمن، مما يعزز الأدلة ضد الفرضية الصفرية ويدعم الدلالة الإحصائية للنتيجة”.

11.3 مغالطات تفسيرية في تقارير البحوث النفسية

تشهد تقارير البحوث السلوكية والنفسية مغالطة منهجية واسعة تتمثل في مساواة الدلالة الإحصائية العالية (الحصول على $p < .001$) بالأهمية العملية أو الإكلينيكية (Clinical Significance). إن القيمة الاحتمالية المنخفضة تدل فقط على أن النتيجة يصعب إرجاعها إلى الصدفة، لكنها لا تعكس إطلاقاً حجم أو قوة العلاقة بين المتغيرات في الواقع الميداني؛ إذ يمكن لعينات ضخمة جداً أن تسفر عن قيم $P$ بالغة الصغر لفروق تافهة لا قيمة لها تطبيقياً.

كما يتجاهل العديد من الباحثين التحقق من الشروط البنائية لصحة الاختبار؛ فيقومون باستخراج وتفسير القيمة الاحتمالية لجداول توافق تشتمل على خلايا بتكرارات متوقعة تقل عن 5 ملاحظات، مما يؤدي إلى تشويه خطير في توزيع مربع كاي الحقيقي وجعل القيمة الاحتمالية المستخرجة غير صالحة لاتخاذ القرارات العلمية الرصينة.

ولمعالجة هذا القصور، تشترط المعايير المنهجية المعاصرة عدم الاكتفاء بذكر القيمة الاحتمالية المنفردة، ودمجها دائماً بحساب مؤشرات حجم التأثير (Effect Size) المعتمدة للمتغيرات التصنيفية، مثل معامل كرامر (Cramér’s V) للجداول العامة متعددة الخلايا، أو معامل فاي ($phi$) لجداول $2 \times 2$، لتقييم القوة الحقيقية للعلاقة الارتباطية بمعزل عن تأثير حجم العينة.

12. التطبيقات العملية وصياغة النتائج الإحصائية وفق معايير APA

12.1 قواعد توثيق نتائج مربع كاي والقيمة الاحتمالية في دليل APA (الإصدار السابع)

يضع دليل النشر الأكاديمي الصادر عن جمعية علم النفس الأمريكية في نسخته السابعة (APA 7th Edition) معايير موحدة وصارمة لتوثيق نتائج اختبارات مربع كاي والقيم الاحتمالية في المتون البحثية والجداول الإحصائية لضمان الدقة والاتساق العلمي.

تتمثل الصيغة القياسية لتوثيق نتيجة اختبار مربع كاي في كتابة الحرف اليوناني كاي مائلاً مع التربيع ($\chi^2$)، متبوعاً بقوسين يتضمنان درجات الحرية ($df$) وحجم العينة الكلي الإجمالي الملاحظ ($N$)، تليها علامة التساوي وقيمة إحصائية الاختبار المحسوبة مقربة إلى منزلتين عشريتين، ثم القيمة الاحتمالية ($p$) مقربة إلى ثلاث منازل عشرية، وأخيراً مؤشر حجم التأثير المناسب، وفق النسق العام التالي:

$$\chi^2(df, N = dots) = dots, p = dots, V = dots$$

تفرض قواعد APA إمالة الحروف اللاتينية والرموز الإحصائية (مثل $\chi^2, N, df, p, V$) بالخط المائل، مع عدم وضع صفر قبل الفاصلة العشرية للقيمة الاحتمالية (كتابة $p = .023$ بدلاً من $p = 0.023$) نظراً لأن الاحتمال الإحصائي لا يمكن أن يتجاوز الرقم واحد صحيح. وفي الحالات التي تقل فيها القيمة الاحتمالية عن $0.001$، يتم تدوينها حصراً بصيغة المتباينة ($p < .001$).

12.2 نماذج واقعية لكتابة فقرات النتائج في الدراسات السلوكية والنفسية

يقدم هذا القسم نماذج تطبيقية مصاغة وفق أعلى المعايير الأكاديمية لكتابة تقارير النتائج في الدراسات السلوكية والنفسية لمختلف تصاميم مربع كاي:

نموذج 1: اختبار استقلالية دال إحصائياً (ارتباط بين متغيرين):

“أُجري اختبار مربع كاي للاستقلالية لفحص العلاقة بين نوع الاضطراب النفسي (اكتئاب، قلق، وسواس قهري) والالتزام بالبرنامج العلاجي (ملتزم، غير ملتزم). أظهرت النتائج وجود علاقة ارتباطية دالة إحصائياً بين المتغيرين، $\chi^2(2, N = 180) = 12.45, p = .002, V = .26$. وتشير هذه النتيجة إلى أن مرضى الاكتئاب أظهروا معدلات التزام علاجي أدنى بصورة ملحوظة مقارنة بمرضى القلق والوسواس القهري، مع تسجيل حجم تأثير متوسط وفق معايير كوهين لتقييم معامل كرامر.”

نموذج 2: اختبار حسن مطابقة غير دال إحصائياً (تطابق النموذج النظري):

“تم تطبيق اختبار حسن المطابقة لمربع كاي للتحقق من مدى تطابق التوزيع الملاحظ لأنماط الشخصية الأربعة في العينة الميدانية مع النسب المعيارية المجتمعية المفترضة. وأسفرت التحليلات عن عدم وجود فروق دالة إحصائياً بين التوزيع الملاحظ والتوزيع النظري، $\chi^2(3, N = 240) = 2.18, p = .536$. تؤكد هذه النتيجة أن العينة المسحوبة تمثل المجتمع الأصلي تمثيلاً متطابقاً ومتوازناً عبر كافة الأنماط الشخصية المدروسة.”

12.3 دليل إرشادي ختامي لاتخاذ القرارات المنهجية للباحثين

لتلخيص الإجراءات المنهجية وضمان سلامة القرارات الإحصائية في الرسائل والأطروحات الجامعية، يمكن للباحثين اتباع هذا المخطط الإجرائي المنظم قبل صياغة الاستنتاجات النهائية:

1. التدقيق القبلي للبيانات: التأكد من طبيعة البيانات الاسمية/الرتبية، واستقلالية الملاحظات، وتحقق شرط التكرارات المتوقعة ($E_i ge 5$).
2. الحساب الرياضي: حساب التكرارات المتوقعة بدقة، واستخراج إحصائية $X^2$ المحسوبة وتدقيق مجموع الفروق.
3. تحديد درجات الحرية: تطبيق المعادلة الصحيحة وفق نوع الاختبار ($k-1$ للمطابقة، أو $(r-1)(c-1)$ للاستقلالية).
4. استخراج الدلالة من الجدول: تحديد صف درجات الحرية، ومسح القيم الحرجة، وقراءة المجال الاحتمالي الصاعد لرؤوس الأعمدة، أو استخدام الاستيفاء الخطي عند الحاجة.
5. المقارنة واتخاذ القرار: مقارنة القيمة المحسوبة بالقيمة الحرجة (أو مجال $P$ بمستوى $\alpha$)، وتحديد قرار الرفض أو عدم الرفض للفرضية الصفرية.
6. حساب حجم التأثير: حساب معامل فاي أو V كرامر لتقدير الأهمية العملية للنتائج وتجنب الاكتفاء بالدلالة الإحصائية المنفردة.
7. التوثيق العلمي: صياغة فقرة النتائج متضمنة المعالم الإحصائية الكاملة ($\chi^2, df, N, p, \text{Effect Size}$) وفق دليل أسلوب APA.

الخاتمة (Conclusion)

يمثل اختبار مربع كاي واستخراج قيمته الاحتمالية من جداول التوزيع ركناً مفاهيمياً ومنهجياً أصيلاً في بنية الإحصاء الاستدلالي الموجه لخدمة البحوث الإنسانية والاجتماعية. إن التمكن من قراءة الجداول الإحصائية يدوياً وتتبع آليات حصر القيمة الاحتمالية وربطها بالبنية الهندسية لمنحنى التوزيع يمنح الباحث عمقاً معرفياً يحميه من الوقوع في فخ التفسيرات المضللة للمخرجات الحاسوبية الجاهزة.

إن استيعاب العلاقات المتبادلة بين إحصائية الاختبار، ودرجات الحرية، ومستويات الدلالة الاحتمالية، وحجم التأثير يضمن للباحثين والأخصائيين النفسيين اتخاذ قرارات علمية وإكلينيكية تتسم بأعلى درجات الرصانة والموثوقية، مما يرتقي بجودة الممارسات البحثية ويسهم في بناء معرفة علمية دقيقة قادرة على تفسير السلوك البشري بصورة منهجية وموضوعية.

المراجع (References)

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cochran, W. G. (1954). Some methods for strengthening the common $\chi^2$ tests. Biometrics, 10(4), 417–451. https://doi.org/10.2307/3001616
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Gravetter, F. J., Wallnau, L. B., Forzano, L. A. B., & Witnauer, J. E. (2021). Essentials of statistics for the behavioral sciences (10th ed.). Cengage Learning.
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, 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
• Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine Series 5, 50(302), 157–175. https://doi.org/10.1080/14786440009463897
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108