كيفية إجراء اختبار مربع كاي للاستقلالية في ستاتا

يمثل التحليل الإحصائي للبيانات الفئوية ركيزة محورية في البحوث السيكولوجية والعلوم السلوكية والاجتماعية المعاصرة؛ إذ تفرض طبيعة الظواهر النفسية في كثير من الأحيان تصنيف الاستجابات والسلوكيات ضمن فئات ومستويات نوعية متباينة، بدلاً من قياسها على متصلات كمية متصلة. ومن هنا تبرز الحاجة المنهجية إلى أدوات إحصائية استدلالية رصينة تمتلك القدرة على تفكيك بنية العلاقات المتبادلة بين المتغيرات الاسمية والرتبية، ويأتي اختبار مربع كاي للاستقلالية (Chi-Square Test of Independence)، الذي أرسى دعائمه العالم الإحصائي كارل بيرسون، في طليعة هذه الأدوات بفضل مرونته وقوته التحليلية الفائقة في فحص أنماط الاقتران والارتباط بين فئات الظواهر الملاحظة.

تكمن قوة هذا الاختبار اللامعلمي في كونه يوفر جسراً منهجياً صارماً يتيح للباحثين الإكلينيكيين وعلماء النفس الاجتماعيين اختبار فرضيات الاستقلالية بين المتغيرات التصنيفية؛ كالتحقق مما إذا كان نمط اضطراب الشخصية يختلف جوهرياً باختلاف الاستجابة لبروتوكول علاجي معين، أو ما إذا كانت استراتيجيات التكيف النفسي ترتبط بالخلفية الديموغرافية للمشاركين. ومع تعقد التصاميم التجريبية وشبه التجريبية وتضخم البيانات الميدانية، يغدو استخدام بيئة برمجية إحصائية متقدمة مثل برنامج ستاتا (Stata) ضرورة لا غنى عنها للباحث الأكاديمي الساعي نحو الدقة المتناهية، وإعادة الإنتاجية العلمية، والتحكم البرمجي الكامل في مصفوفات البيانات الضخمة.

يقدم هذا الدليل المرجعي الشامل دليلاً تطبيقياً متعمقاً لإجراء اختبار مربع كاي للاستقلالية في بيئة برنامج ستاتا، مستعرضاً الأسس النظرية والمعادلات الرياضية الناظمة للاختبار، مروراً بشروط كوشران وافتراضات القياس، وكيفية التعامل مع المتغيرات الفئوية وتجهيزها برمجياً، وانتهاءً بتنفيذ الاختبار عبر الأوامر البرمجية المباشرة وتحليل البواقي المعيارية وقياس حجوم التأثير وصياغة التقارير الإحصائية وفق أحدث معايير دليل جمعية علم النفس الأمريكية (APA الإصدار السابع).

1. الأسس النظرية لاختبار مربع كاي للاستقلالية في البحوث النفسية والاجتماعية

1.1 المفهوم الإحصائي لاختبار الاستقلالية وطبيعة الفرضيات

يُعرف اختبار مربع كاي للاستقلالية بأنه اختبار إحصائي استدلالي لا معلمي (Non-parametric Test) صُمم خصيصاً لتقييم ما إذا كانت هناك علاقة ارتباطية ذات دلالة إحصائية بين متغيرين تصنيفيين (فئويين) يتم قياسهما على نفس العينة من الأفراد. في سياق النظرية الإحصائية، تعني “الاستقلالية” أن التوزيع الاحتمالي الشرطي للمتغير الأول يظل متطابقاً وثابتاً عبر جميع مستويات وفئات المتغير الثاني؛ أي أن معرفة فئة الفرد على المتغير الأول لا تقدم أي معلومات تنبؤية إضافية حول فئته على المتغير الثاني، والعكس صحيح.

تتمحور المنهجية الاستدلالية للاختبار حول صياغة زوجين متقابلين من الفرضيات الإحصائية الصارمة:

• الفرضية الصفرية ($H_0$): تنص على أن المتغيرين مستقلان تماماً في المجتمع الإحصائي المسحوب منه العينة، ولا توجد بينهما أي علاقة اقتران ذات دلالة، بحيث يكون أي تباين ملاحظ في جدول التوزيع التكراري ناتجاً عن الصدفة المحضة أو خطأ المعاينة العشوائي.
• الفرضية البديلة ($H_1$): تنص على أن المتغيرين ليسا مستقلين، بل يرتبطان معاً بنمط اقتران حقيقي في المجتمع الإحصائي، مما يعني أن توزع تكرارات أحد المتغيرين يعتمد بصورة مباشرة أو غير مباشرة على فئات المتغير الآخر.

ومن الضروري التمييز بدقة بين “اختبار مربع كاي للاستقلالية” و”اختبار مربع كاي لجودة التوفيق” (Goodness of Fit)؛ فبينما يختبر الأخير مدى تطابق توزيع متغير تصنيفي واحد مع توزيع نظري مفترض مسبقاً (كتوزيع متساوٍ أو نسب محددة سلفاً)، يختبر فحص الاستقلالية التفاعل المتبادل والاقتران المشترك بين متغيرين تصنيفيين منفصلين تم تلخيصهما في جدول اقتران مزدوج ثنائي الأبعاد.

1.2 أهمية الاختبار في دراسات علم النفس والسلوك

تحظى البيانات الفئوية بانتشار واسع في حقول علم النفس الإكلينيكي، والقياس النفسي، وعلم النفس التنظيمي، وعلم الاجتماع المعرفي. وغالباً ما تتخذ المقاييس النفسية ومقاييس التقدير الذاتي وبطاريات الملاحظة السلوكية أشكالاً تصنيفية اسمية (Nominal) كالتشخيص الإكلينيكي (مثلاً: اكتئاب، قلق عام، وسواس قهري) أو رتبية (Ordinal) كمستويات شدة الأعراض أو الرضا النفسي. وفي هذا السياق، يُعد اختبار مربع كاي للاستقلالية أداة حاسمة للتحقق من الفرضيات السلوكية التي لا تتوافق مع اشتراطات التوزيع الطبيعي المتصل للبيانات البارامترية.

يتجلى دور هذا الاختبار بوضوح عند دراسة التفاعل بين الفئات الإكلينيكية والمتغيرات الديموغرافية والبيئية؛ مثل استكشاف ما إذا كانت معدلات الامتثال للتدخلات النفسية تختلف باختلاف الفئات العمرية أو الحالة الاجتماعية للمرضى. كما يسهم في التحقق من حساسية بنود الاختبارات النفسية وصلاحية المحتوى عند مقارنة أنماط استجابات مجموعات إكلينيكية بمجموعات ضابطة (غير إكلينيكية)، مما يوفر دعماً تجريبياً للقرارات التشخيصية السريرية دون الوقوع في أخطاء التعميم الإحصائي التعسفي.

1.3 المعادلة الرياضية ومفهوم التكرارات المتوقعة والمشاهدة

يرتكز الحساب الرياضي لإحصاء مربع كاي على مقارنة التكرارات المشاهدة فعلياً (Observed Frequencies) في خلايا جدول التقاطع التكراري مع التكرارات التي كان ينبغي توقع حدوثها نظرياً (Expected Frequencies) في حال كانت الفرضية الصفرية القائلة بالاستقلالية صحيحة تماماً. يُحسب التكرار المتوقع للخلية الواقعة في الصف $i$ والعمود $j$ وفق القانون الرياضي التالي:

$$E_{ij} = \frac{R_i \times C_j}{N}$$

حيث يمثل $R_i$ إجمالي تكرارات الصف $i$، ويمثل$C_j$ إجمالي تكرارات العمود $j$، بينما يمثل$N$ الحجم الكلي للعينة. وبمجرد استخراج التكرارات المتوقعة لكل خلية، تُحسب إحصائية بيرسون لمربع كاي ($\chi^2$) بتجميع الفروق المربعة بين القيم المشاهدة والمتوقعة مقسومة على القيم المتوقعة عبر كافة خلايا الجدول التكراري البالغ عدد صفوفه $r$ وأعمدته $c$:

$$\chi^2 = \sum_{i=1}^{r} \sum_{j=1}^{c} \frac{(O_{ij} – E_{ij})^2}{E_{ij}}$$

تتبع هذه الإحصائية توزيع مربع كاي النظري بدرجات حرية ($df$) تعتمد حصراً على أبعاد الجدول المتقاطع، وتُحسب بالصيغة:

$$df = (r – 1) \times (c – 1)$$

تحدد درجات الحرية شكل منحنى التوزيع الاحتمالي؛ فكلما كبرت الفروق بين التكرارات المشاهدة والتكرارات المتوقعة، ازدادت قيمة $\chi^2$ المحسوبة، مما يدفع بها نحو منطقة الرفض الحرجة (Critical Region) في الذيل العلوي للتوزيع الاحتمالي، ويقود إلى رفض الفرضية الصفرية عندما تكون القيمة الاحتمالية ($p$-value) المحسوبة أصغر من مستوى الدلالة الألفي المحدد مسبقاً (مثل$alpha = 0.05$).

2. الافتراضات المنهجية والشروط الإحصائية لتطبيق الاختبار

2.1 طبيعة المتغيرات وحجم العينة المطلوب

لكي تحظى مخرجات اختبار مربع كاي للاستقلالية بالموثوقية والصلاحية الإحصائية، يتعين على الباحث التحقق الصارم من استيفاء مجموعة من الافتراضات البنيوية في تصميم البحث ومصفوفة البيانات. أول هذه الافتراضات يتمثل في مستوى القياس؛ حيث يجب أن يكون كِلا المتغيرين مصنفين على المستوى الاسمي أو الرتبي، مع تقسيم كل متغير إلى فئتين متمايزتين على الأقل تكونان شاملتين بصورة جامعة ومانعة متبادلة (Mutually Exclusive and Exhaustive)، بحيث لا يمكن تصنيف الحالة الواحدة في أكثر من خلية واحدة ضمن جدول التقاطع المزدوج.

أما الافتراض الجوهري الثاني فيتمثل في استقلالية الملاحظات (Independence of Observations)، وهو اشتراط تصادفي حاسم يقتضي ألا تؤثر استجابة أو سلوك أي مشارك في العينة على استجابة مشارك آخر، مع حظر استخدام القياسات المتكررة (Repeated Measures) أو التصاميم الطولية (Longitudinal Designs) المرتبطة بنفس الأفراد داخل جدول مربع كاي الكلاسيكي (إذ تتطلب تلك الحالات اختبارات بديلة كاMarshall أو ماكنيمار McNemar). وبالإضافة إلى ذلك، يجب أن يكون حجم العينة الإجمالي كافياً لتحقيق القوة الاختبارية الإحصائية المطلوبة لتفادي الوقوع في خطأ قبول الفرضية الصفرية الخاطئة (خطأ من النوع الثاني Type II Error).

2.2 قاعدة التكرارات المتوقعة وشرط كوشران

ترتبط الدقة التقريبية لتوزيع مربع كاي النظري بحجم التكرارات المحسوبة داخل خلايا الجدول، حيث صاغ العالم الإحصائي ويليام كوشران (William Cochran) المعايير الذهبية المقبولة عالمياً لضمان سلامة التقريب الإحصائي لتوزيع كاي. ينص شرط كوشران المنهجي على نقطتين رئيسيتين:

• يجب ألا يقل التكرار المتوقع ($E_{ij}$) عن الرقم 5 في أكثر من 20% من إجمالي خلايا جدول الاقتران المزدوج.
• يُحظر تماماً وجود أي خلية ذات تكرار متوقع يقل عن 1 ($E_{ij} < 1$) في أي موضع من مواضع الجدول.

في الجداول الثنائية من الرتبة ($2 times 2$)، يشتد هذا الشرط ليصبح عدم قبول أي خلية يقل تكرارها المتوقع عن 5 على الإطلاق. وعندما تنتهك البيانات هذه القاعدة—وهو أمر شائع في البحوث النفسية الإكلينيكية التي تدرس اضطرابات نادرة أو مجموعات تشخيصية محدودة الحجم—تفقد إحصائية بيرسون لمربع كاي تقاربها مع التوزيع الاحتمالي النظري، مما يستوجب دمج الفئات منطقياً أو الانتقال المباشر إلى الاختبارات المعلمية الدقيقة كاختبار فيشر.

2.3 مخاطر انتهاك الافتراضات على الدلالة الإحصائية

إن تجاهل انتهاك افتراضات التكرارات المتوقعة واستقلالية الملاحظات يترتب عليه عواقب منهجية جسيمة تمس مصداقية الاستنتاجات العلمية؛ حيث يؤدي صغر التكرارات المتوقعة إلى انحراف دالة التوزيع التكراري الفعلي عن منحنى مربع كاي النظري، الأمر الذي يتسبب غالباً في تضخيم زائف لقيمة $\chi^2$ المحسوبة، مما يرفع احتمالية رفض الفرضية الصفرية الصائبة بصورة وهمية، وهو ما يُعرف بتضخم الخطأ من النوع الأول (Type I Error Inflation).

وعلى النقيض من ذلك، في الجداول التكرارية الكبيرة متعددة الخلايا ($R \times C$) ذات التوزيعات غير المتكافئة، قد يؤدي تشتت البيانات إلى انهيار القوة الإحصائية (Statistical Power)، مما يجعل الاختبار عاجزاً عن كشف العلاقات الاقترانية الحقيقية الموجودة بالفعل بين المتغيرات. لذا، تبرز ضرورة التقييم الاستكشافي الدقيق لجداول التقاطع في مرحلة ما قبل الاستدلال الإحصائي لاختيار الاستراتيجية التصحيحية الملائمة في برمجية ستاتا.

3. بيئة العمل في برنامج ستاتا (Stata) والتعامل مع المتغيرات التصنيفية

3.1 واجهة برنامج ستاتا ونافذة الأوامر ومحرر البيانات

تتميز بيئة العمل في برنامج ستاتا (Stata) ببنية متكاملة تجمع بين التنفيذ البرمجي الموجه بالأوامر النصية (Syntax-Driven) والمرونة التفاعلية عبر القوائم الرسومية (GUI). وتتألف الواجهة التشغيلية القياسية لستاتا من نوافذ تفاعلية رئيسية:

• نافذة النتائج (Results Window): وهي المساحة المركزية الكبرى المخصصة لعرض مخرجات التحليل، وجداول التقاطع، والتحذيرات المنهجية، والمؤشرات الإحصائية المرافقة.
• نافذة الأوامر (Command Window): الحقل المخصص لكتابة وتمرير الأوامر البرمجية والتعليمات التنفيذية بصورة فورية.
• نافذة المراجعة وسجل الأوامر (Review/History Window): تحفظ تاريخ الأوامر المنفذة سابقاً وتتيح استرجاعها وتعديلها بسهولة.
• نافذة المتغيرات وخصائص البيانات (Variables & Properties Window): تعرض أسماء المتغيرات المخزنة، وأنواعها، وبطاقات التسمية المرتبطة بها.
• محرر البيانات (Data Editor): يتيح استعراض المصفوفة الرقمية للبيانات وتعديل المدخلات بصورة بصرية مباشرة سواء بوضع التحرير (Edit) أو وضع القراءة فقط (Browse).

ويُنصح الباحثون في العلوم الإنسانية بإدارة أعمالهم التحليلية عبر محرر ملفات الأوامر المجمعة (Do-File Editor)، الذي يوفر سجلاً برمجياً دائماً وقابلاً لإعادة التكرار والتدقيق لجميع خطوات إدارة البيانات والتحليل الإحصائي.

3.2 ترميز وتعريف المتغيرات الفئوية (Categorical Variables)

يتطلب التحليل الإحصائي في برنامج ستاتا تحويل المتغيرات النصية (String Variables) إلى متغيرات عددية مدموغة ببطاقات تعريف وصفية (Value Labels)، حتى تتم معالجتها بكفاءة في جداول التقاطع وحسابات مربع كاي. إذا كانت البيانات مدخلة كنصوص (مثل “ذكور” و”إناث”، أو “قلق منخفض” و”قلق مرتفع”)، يُستخدم الأمر المباشر encode لتحويلها إلى متغيرات عددية فئوية ذات تصنيف رقمي داخلي منظم:

encode gender_text, generate(gender)

أما عند بناء المتغيرات الفئوية من الصفر، فإن الممارسة القياسية تقتضي تعريف قاموس البطاقات وتعيينه للمتغير الرقمي المعني عبر الأمرين label define وlabel values كالتالي:

label define depression_lbl 1 "خفيف" 2 "متوسط" 3 "شديد"
label values depression depression_lbl

تضمن هذه الخطوة المنهجية ظهور أسماء الفئات بوضوح في مخرجات جداول مربع كاي بدلاً من الأرقام الصامتة، مما يرفع دقة القراءة الإكلينيكية ويسهل نقل النتائج مباشرة إلى التقارير الأكاديمية.

3.3 التعامل مع القيم المفقودة في الاستجابات النفسية

تمثل الاستجابات غير المكتملة في استبيانات القياس النفسي تحدياً منهجياً بارزاً يؤثر على توازن مصفوفة البيانات وحجم العينة الفعال. يتعامل برنامج ستاتا مع القيم المفقودة افتراضياً من خلال اعتبار النقطة (.) قيمة لا نهائية موجبة أكبر من أي رقم حقيقي في العمليات الشرطية. وفي التحليلات اللامعلمية وجداول التقاطع، يستبعد ستاتا افتراضياً أي حالة تفتقر إلى استجابة مكتملة على أي من المتغيرين المتقاطعين (Listwise Deletion).

لفحص نمط وحجم القيم المفقودة قبل إجراء اختبار مربع كاي، يُستخدم الأمر misstable summarize لمعرفة مدى تغلغل الفقدان في المتغيرات الفئوية:

misstable summarize var1 var2

وفي حال الرغبة في فحص الفئات المفقودة كفئة قائمة بذاتها داخل جدول التقاطع للتأكد من عدم وجود نمط فقدان غير عشوائي (Non-Random Missingness) قد يسبب تحيزاً في التقدير السيكولوجي، يمكن إضافة الخيار missing إلى أمر الجدول التكراري:

tabulate var1 var2, missing

4. استيراد وتجهيز مصفوفة البيانات في برنامج ستاتا

4.1 تحميل البيانات المدمجة أو استيراد الملفات الخارجية

يدعم برنامج ستاتا مرونة واسعة في استيراد البيانات المنشأة عبر منصات جمع البيانات السلوكية وحزم التحليل المختلفة كملفات Microsoft Excel وجداول SPSS والملفات النصية المفصولة بفواصل (CSV). لاستيراد ملف بيانات إكسيل خارجي يحتوي على استجابات العينة، يُستخدم الأمر المباشر import excel مع تحديد معالجة الصف الأول كأسماء للمتغيرات:

import excel using "psych_survey.xlsx", firstrow clear

ولاستدعاء بيانات برنامج SPSS الجاهزة بصيغة (SAV)، يُستخدم الأمر:

import spss using "clinical_data.sav", clear

كما تتيح ستاتا استدعاء قواعد بيانات تعليمية مدمجة ومعيارية عبر الأمر sysuse لإجراء التطبيقات التجريبية والتحقق من بنية النماذج البرمجية كاستدعاء قاعدة بيانات السيارات الكلاسيكية الشهيرة:

sysuse auto, clear

عقب استيراد البيانات، يُنصح دائماً باستعراض الجدول وفحص توافقية المتغيرات وتطابق أسماء الأعمدة عبر الأمر browse للتحقق البصري من سلامة البنية الداخلية للمصفوفة.

4.2 تنظيف وتنظيم البيانات قبل التحليل

تتضمن مرحلة تنظيف البيانات الفئوية تصفية العينة واستبعاد السجلات الشاذة أو غير المؤهلة للتحليل النفسي، بالإضافة إلى إعادة هيكلة الفئات ذات التكرارات المتدنية التي قد تنتهك شروط كوشران. في حال رغبة الباحث في استبعاد المشاركين الذين لم يستكملوا معايير الأهلية التشخيصية، يُستخدم الأمر drop if:

drop if age < 18

وعندما يواجه الباحث مشكلة وجود فئات متعددة ذات تكرارات هامشية شحيحة، يُلجأ إلى تقنية إعادة الترميز لدمج المستويات المتجانسة منطقياً في فئة جامعة موحدة عبر الأمر recode:

recode phobia_level (1=1) (2/3=2), generate(phobia_collapsed)
label define phobia_lbl 1 "رهاب منخفض" 2 "رهاب متوسط/شديد"
label values phobia_collapsed phobia_lbl

يساعد هذا الدمج الإجرائي في تجميع التكرارات المشاهدة ورفع قيم التكرارات المتوقعة داخل خلايا الجدول المزدوج، مما يضمن تلبية افتراضات اختبار بيرسون لمربع كاي بصورة علمية سليمة.

4.3 فحص ملخص البيانات الإحصائي

قبل الشروع في التحليل المزدوج المتقاطع، يجب فحص الخصائص الوصفية لكل متغير بصورة أحادية منفصلة لضمان سلامة التوزيعات التكرارية واكتشاف أي شذوذ في الترميز. يوفر الأمر describe بطاقة توصيف شاملة لأسماء المتغيرات وأنماط تخزينها وبطاقات القيم التابعة لها:

describe var1 var2

ولاستعراض التوزيعات التكرارية البسيطة والنسب المئوية التراكمية لكل متغير على حدة، يُستخدم أمر الجداول الأحادية tab1:

tab1 var1 var2

تتيح هذه النظرة الاستكشافية المسبقة التأكد من أن التوزيعات المتكررة كافية، وأن العينة تتوزع بشكل متوازن يتيح إجراء اختبار الاستقلالية بدرجة موثوقة من الحساسية الإحصائية.

5. الاستكشاف الوصفي للمتغيرات وإنشاء جداول التقاطع التكراري

5.1 توليد جداول الاقتران المزدوج (Cross-Tabulation)

يمثل جدول الاقتران المزدوج (Contingency Table) حجر الزاوية في تحليل البيانات التصنيفية؛ إذ يلخص التوزيع التكراري المشترك للمتغيرين عبر تقاطع صفوف المتغير الأول مع أعمدة المتغير الثاني. في برنامج ستاتا، يُنشأ جدول الاقتران الأساسي عبر الأمر tabulate (الذي يمكن اختصاره إلى tab):

tabulate var1 var2

ولتعميق الفهم الوصفي للبيانات وتسهيل المقارنة بين المجموعات بغض النظر عن الاختلاف في أحجامها الإجمالية، تتيح ستاتا إضافة خيارات حساب النسب المئوية:

• الخيار row: لحساب النسب المئوية للصفوف (توزيع فئات العمود لكل صف على حدة، بحيث يكون مجموع كل صف 100%).
• الخيار col: لحساب النسب المئوية للأعمدة (توزيع فئات الصف لكل عمود على حدة، بحيث يكون مجموع كل عمود 100%).
• الخيار cell: لحساب النسب المئوية الإجمالية لكل خلية منسوبة إلى المجموع الكلي للعينة ($N$).

ويمكن الجمع بين هذه الخيارات في أمر استكشافي واحد:

tabulate var1 var2, row col

5.2 فحص التكرارات المتوقعة تجريبياً في ستاتا

لتقييم مدى مطابقة البيانات لشروط كوشران وافتراضات مربع كاي، توفر ستاتا إمكانية استخراج التكرارات المتوقعة ($E_{ij}$) وطباعتها مباشرة أسفل التكرارات المشاهدة في كل خلية عبر إضافة الخيار expected:

tabulate var1 var2, expected

يقوم هذا الأمر بعرض قيمة التكرار الملاحظ الفعلي تعلوها أو تجاورها القيمة النظرية المتوقعة تحت فرضية الاستقلالية الصفرية. ومن خلال الفحص البصري الفوري لمخرجات هذا الجدول، يستطيع الباحث حصر عدد الخلايا التي يقل تكرارها المتوقع عن 5 والتأكد من عدم وجود أي خلية بقيمة متوقعة دون 1، مما يحسم بصورة قاطعة القرار المنهجي حول ما إذا كان اختبار بيرسون التقليدي صالحاً للاستخدام أم يجب اللجوء للبدائل الدقيقة.

5.3 التمثيل البصري للبيانات الفئوية

يعد التمثيل البياني أداة إيضاحية مكملة للتحليل الوصفي تتيح استيعاب أنماط التفاعل والاقتران الفئوي قبل الانتقال إلى الاختبارات الاستدلالية. يوفر برنامج ستاتا حزمة من الأوامر الرسومية المتقدمة لتمثيل الجداول المتقاطعة؛ ومن أبرزها رسم الأعمدة البيانية المزدوجة والمجمعة باستخدام الأمر graph bar:

graph bar (count), over(var1) over(var2) asyvars ytitle("التكرار المشاهد")

كما يمكن إنشاء مخططات الأشرطة المكدسة بنسب مئوية نسبية للمقارنة بين التوزيعات الداخلية للفئات عبر الخيار percent:

graph bar, over(var1) over(var2) asyvars percent ytitle("النسبة المئوية (%)")

تكشف هذه المخططات البصرية للباحث السلوكي وجود أي ميل واضح أو تباين صريح في توزيع فئات الاستجابة بين المجموعات المستهدفة، مما يمهد لتفسير النتائج الاستدلالية اللاحقة على نحو تركيبي يجمع بين الرؤية البيانية والدلالة الرقمية.

6. خطوات تنفيذ اختبار مربع كاي للاستقلالية عبر أوامر ستاتا

6.1 صياغة الأمر البرمجي المباشر للاختبار

يتميز برنامج ستاتا بالبساطة والتركيز البرمجي العالي في تنفيذ اختبار مربع كاي للاستقلالية. يتم استدعاء الاختبار بإضافة الخيار chi2 إلى أمر جدول التقاطع المزدوج، وفق الصيغة القياسية التالية:

tabulate var1 var2, chi2

وللحصول على تقرير تحليلي وصفي واستدلالي متكامل يجمع بين التكرارات المشاهدة، والنسب المئوية للصفوف والأعمدة، وإحصائية مربع كاي، تُدمج الخيارات التحليلية معاً بسلاسة:

tabulate var1 var2, chi2 row col

كما يمكن كتابة الأمر بالاختصارات المعيارية المدعومة في ستاتا لتسريع العمل البرمجي أثناء المعالجة الاستكشافية اليومية:

tab var1 var2, chi2 expected

حيث يقوم هذا الأمر بحساب مصفوفة التكرارات المشاهدة والمتوقعة، ثم حساب قيمة إحصائية بيرسون لمربع كاي، ودرجات الحرية المقترنة بها، والقيمة الاحتمالية الدقيقة ($p$-value) الدالة على قبول أو رفض فرضية الاستقلالية.

6.2 إجراء الاختبار عبر القوائم الرسومية (GUI)

بالنسبة للمحللين والباحثين الذين يفضلون التفاعل البصري مع النوافذ الإحصائية بدلاً من كتابة الأسطر البرمجية المباشرة، يوفر ستاتا واجهة استخدام متطورة تتيح الوصول إلى كافة خيارات اختبار كاي بدقة فائقة عبر الخطوات التالية:

• الذهاب إلى القائمة العلوية واختيار Statistics.
• اختيار Summaries, tables, and tests ثم الانتقال إلى Frequency tables.
• النقر على الخيار Two-way table with measures of association.
• من النافذة المنبثقة، يتم تحديد متغير الصفوف في حقل Row variable، ومتغير الأعمدة في حقل Column variable.
• ضمن قسم Hypothesis tests، يتم تفعيل مربع الاختيار الخاص بـ Pearson’s chi-squared.
• يمكن تفعيل خيارات إضافية مفيدة مثل Expected frequencies وRelative row/column frequencies.
• الضغط على OK لتنفيذ التحليل وظهور النتائج الفورية في نافذة النتائج.

6.3 تنفيذ الاختبار على عينات فرعية محددة

تتطلب التصاميم البحثية المعقدة في علم النفس فحص فرضيات الاستقلالية ضمن شرائح سكانية فرعية محددة (مثل فحص العلاقة لدى الإناث فقط، أو لدى عينة سريرية معينة دون غيرها). تتيح ستاتا تنفيذ الاختبار المشروط باستخدام العبارة الشرطية if:

tabulate var1 var2 if gender == 2, chi2

كما تتيح بيئة ستاتا ميزة قوية لتكرار اختبار الاستقلالية عبر جميع مستويات متغير تصنيفي ثالث (كالفئات العمرية أو المراكز العلاجية) دفعة واحدة، من خلال الأمر المسبوق بالبادئة bysort:

bysort age_group: tabulate var1 var2, chi2

يقوم هذا الأمر البرمجي بفرز البيانات وتقسيمها داخلياً وحساب جدول اقتران مستقل واختبار كاي منفصل لكل فئة عمرية على حدة، مما يمكن الباحث من تتبع ما إذا كانت العلاقة الارتباطية بين المتغيرين تتأثر بمتغير وسيط أو معدل (Moderator Variable).

7. قراءة وتفسير المخرجات الإحصائية لاختبار مربع كاي في ستاتا

7.1 تفكيك جدول المخرجات الأساسي

عند تنفيذ أمر التحليل في ستاتا، تظهر النتائج في نافذة المخرجات متضمنة الجدول التكراري المزدوج متبوعاً بسطر إحصائي استدلالي مركّز يلخص نتائج الاختبار. يتألف هذا السطر من ثلاثة مكونات أساسية لا غنى عنها للتقييم الإحصائي:

• Pearson chi2(df): يمثل الرمز قيمة إحصائية بيرسون لمربع كاي المحسوبة، حيث يُكتب بين القوسين عدد درجات الحرية ($df$) الناتجة عن أبعاد الجدول ($(r-1)(c-1)$)، تليها إشارة المساواة والقيمة الرقمية لمربع كاي (مثلاً: Pearson chi2(2) = 14.5682).
• Pr: تمثل القيمة الاحتمالية الدقيقة المقابلة للإحصائية المحسوبة (تُعرف بـ $p$-value)، وهي تدل على احتمال الحصول على قيمة كاي مساوية للقيمة المحسوبة أو أكبر منها بمحض الصدفة إذا كانت الفرضية الصفرية صحيحة في المجتمع.

يقدم الجدول التكراري أعلاه تفصيلاً دقيقاً لتوزع التكرارات والنسب المشاهدة، مما يتيح للباحث التحقق المباشر من مصادر التباين بين المجموعات المصنفة.

7.2 اتخاذ القرار الإحصائي وتفسير الدلالة

يرتكز القرار الإحصائي المنهجي على مقارنة القيمة الاحتمالية ($Pr$) بمستوى الدلالة المعياري المعتمد سلفاً في البحث النفسي والاجتماعي (غالباً $\alpha = 0.05$ أو $\alpha = 0.01$):

• إذا كانت قيمة $Pr le 0.05$: يتم رفض الفرضية الصفرية ($H_0$) وقبول الفرضية البديلة ($H_1$)، مما يعني وجود علاقة اقترانية ذات دلالة إحصائية بين المتغيرين في المجتمع المدروس؛ أي أن توزيع فئات المتغير الأول يعتمد بصورة معنوية على فئات المتغير الثاني.
• إذا كانت قيمة $Pr > 0.05$: يُخفق الباحث في رفض الفرضية الصفرية (Fail to reject $H_0$)، ويُستنتج عدم وجود أدلة كافية في العينة تدعم وجود ارتباط ذي دلالة إحصائية بين المتغيرين، مما يشير إلى استقلالية المتغيرين المتبادلة.

ويجب الحذر من الخلط بين “الدلالة الإحصائية” (Statistical Significance) و”الدلالة العملية أو الإكلينيكية” (Clinical Significance)؛ فالأولى تشير فقط إلى أن الارتباط الملاحظ لا يعزى إلى الصدفة، بينما ترتبط الدلالة العملية بحجم التأثير الملموس وتطبيقاته السلوكية في الواقع الميداني.

7.3 تقييم التكرارات المتوقعة وتأكيد موثوقية النتيجة

يجب ألا يكتفي الباحث بقراءة القيمة الاحتمالية بمعزل عن فحص بنية التكرارات المتوقعة؛ حيث يقوم برنامج ستاتا بإطلاق تحذيرات تلقائية أسفل الجدول في بعض الحالات، أو يتطلب من الباحث التحقق اليدوي عبر خيار expected. في حال تبين وجود خلايا ذات تكرارات متوقعة دون الحد الأدنى الآمن (أقل من 5 في أكثر من 20% من الخلايا)، تصبح قيمة $Pr$ المستخرجة من توزيع كاي غير دقيقة ومنحازة نحو التضخيم.

وفي مثل هذه الحالات المنهجية، يمتنع الباحث الصارم عن اعتماد نتيجة بيرسون كاي التقليدية، ويتحول بدلاً من ذلك إلى الاستدلال عبر اختبار فيشر الدقيق، أو يقوم بدمج الفئات المنطقية لرفع كثافة الخلايا الشحيحة قبل اعتماد القرار النهائي حول فرضية البحث.

8. معالجة انتهاك الافتراضات: اختبار فيشر الدقيق وتصحيح ييتس

8.1 استخدام اختبار فيشر الدقيق (Fisher’s Exact Test) في ستاتا

يُعد اختبار فيشر الدقيق (Fisher’s Exact Test) البديل الاستدلالي الأمثل لمربع كاي عند التعامل مع عينات نفسية صغيرة أو عندما تنتهك البيانات شروط كوشران للتكرارات المتوقعة. لا يعتمد اختبار فيشر على تقريبات المنحنى النظري المستمر لمربع كاي، بل يحسب الاحتمال الدقيق لظهور التوزيع التكراري المشاهد مباشرة باستخدام التوزيع فوق الهندسي (Hypergeometric Distribution) بافتراض ثبات هوامش الجدول (Marginal Totals).

لتنفيذ اختبار فيشر الدقيق في ستاتا، يُضاف الخيار exact إلى أمر جدول التقاطع التكراري:

tabulate var1 var2, exact

يقدم ستاتا في مخرجات هذا الأمر قيمتين احتماليتين دقيقتين:

• Fisher’s exact (1-sided / one-sided p-value): تُستخدم عند اختبار فرضية موجهة مسبقاً ذات اتجاه محدد للعلاقة الارتباطية.
• Fisher’s exact (2-sided / two-sided p-value): وهي القيمة القياسية الأكثر استخداماً لاختبار فرضيات الاستقلالية غير الموجهة، وتُقارن مباشرة بمستوى الدلالة $\alpha = 0.05$.

8.2 تطبيق اختبار فيشر على الجداول الأكبر من 2×2

كان اختبار فيشر في بداياته محصوراً على الجداول المزدوجة من الرتبة ($2 times 2$)، غير أن التطور البرمجي في ستاتا مكنه من حساب الاحتمالات الدقيقة للجداول التكرارية الموسعة من الرتبة ($R times C$)، مثل جداول ($3 times 3$) أو ($4 times 3$)، عبر خوارزميات التباديل والعد الدقيق (Network Algorithms by Mehta & Patel).

عند تمرير الأمر tabulate var1 var2, exact على جدول متعدد المستويات، يبدأ ستاتا بحساب كافة التباديل الرياضية الممكنة لهوامش الجدول. وفي العينات الكبيرة نسبياً ذات الجداول المعقدة، قد يستغرق هذا الحساب الدقيق وقتاً برمجياً أطول، أو قد يتطلب زيادة الذاكرة المخصصة، إلا أنه يوفر بديلاً لا معلمياً فائق الرصانة العلمية لتجاوز إشكالية الخلايا الشحيحة دون الحاجة لحذف المشاركين أو تشويه التصنيف الأصلي للمتغيرات.

8.3 تصحيح ييتس للاستمرارية (Yates’ Continuity Correction)

يُعد تصحيح ييتس للاستمرارية (Yates’ Correction for Continuity) مقاربة رياضية تقليدية اقترحها فرانك ييتس لتعديل صيغة مربع كاي في جداول ($2 times 2$)، وذلك بطرح القيمة الثابتة ($0.5$) من الفارق المطلق بين التكرارات المشاهدة والمتوقعة قبل التربيع، بهدف معالجة الخطأ الناتج عن تقريب البيانات المنفصلة (Discrete) بواسطة التوزيع الاحتمالي المتصل لمربع كاي:

$$\chi^2_{\text{Yates}} = \sum \frac{(|O – E| – 0.5)^2}{E}$$

وعلى الرغم من إمكانية حساب هذا التصحيح في بيئات برمجية مختلفة، إلا أن الأدبيات الإحصائية الحديثة وتوصيات علماء القياس تشير إلى أن تصحيح ييتس يتسم بالتحفظ المفرط (Over-conservative)؛ إذ يقلل من قيمة كاي الحقيقية بصورة تتجاوز المطلوب، مما يؤدي إلى انخفاض حاد في القوة الإحصائية وصعوبة رفض الفرضية الصفرية. ولهذا السبب، تفضل المراجع الإحصائية المعاصرة استخدام اختبار فيشر الدقيق مباشرة في ستاتا بدلاً من الاعتماد على تصحيح ييتس.

9. قياس حجم التأثير وقوة الارتباط بين المتغيرات الفئوية

9.1 حساب معامل كرامر (Cramer’s V) ومعامل فاي (Phi)

تقتصر الدلالة الإحصائية ($p$-value) على إخبار الباحث بمدى موثوقية وجود علاقة اقترانية لا تعزى للصدفة، ولكنها لا تقدم أي معلومة حول قوة أو حجم تلك العلاقة (Effect Size). لتجاوز هذا القصور المنهجي، يُلجأ إلى حساب مؤشرات الاقتران المعيارية كمعامل فاي ($phi$) ومعامل كرامر الفوقي ($V$). في برنامج ستاتا، تُستخرج هذه المؤشرات بسهولة عبر إضافة الخيار V إلى أمر التحليل:

tabulate var1 var2, V

يقوم هذا الأمر بطباعة قيمة معامل كرامر للارتباط (Cramer’s V) أسفل الجدول المتقاطع. يُستخدم معامل فاي حصراً للجداول الثنائية ($2 times 2$)، بينما يُعد معامل كرامر التعميم الرياضي القياسي الصالح للجداول ذات الأبعاد المتعددة ($R times C$)، وتُحسب معادلته بالصيغة:

$$V = \sqrt{\frac{\chi^2}{N \times \min(r-1, c-1)}}$$

تتراوح قيمة $V$ دائماً بين $0$ (غياب تام للارتباط والاستقلالية الكاملة) و $1$ (اقتران تام وتنبؤ قطعي بين المتغيرين).

9.2 معايير تفسير حجم التأثير في الدراسات النفسية

يعتمد تفسير قوة معامل كرامر في البحوث النفسية والسلوكية على درجات حرية أبعاد الجدول المحسوبة من صيغة $min(r-1, c-1)$، وفق الإرشادات الإحصائية التي وضعها جاكوب كوهين (Jacob Cohen). يوضح الجدول التالي معايير تصنيف حجم التأثير وفقاً لأبعاد درجات الحرية الصغرى:

درجات حرية البعد الأصغر $min(r-1, c-1)$	تأثير صغير (Small)	تأثير متوسط (Medium)	تأثير كبير (Large)
$df^* = 1$ (جداول $2 times 2$)	$0.10$	$0.30$	$0.50$
$df^* = 2$ (جداول $3 times 2$ أو $3 times 3$)	$0.07$	$0.21$	$0.35$
$df^* = 3$ (جداول $4 times 2$ أو $4 times 4$)	$0.06$	$0.17$	$0.29$

تكتسب هذه العتبات أهمية استثنائية عند التعامل مع عينات ضخمة جداً؛ حيث يميل اختبار مربع كاي إلى إعطاء قيم دالة إحصائياً ($p < .001$) حتى في ظل وجود ارتباطات طفيفة وهامشية للغاية لا تنطوي على أي قيمة إكلينيكية حقيقية، وهنا يتدخل حجم التأثير ليقدم التقدير الموضوعي لوزن الظاهرة في الواقع النفسي.

9.3 نسبة الأرجحية (Odds Ratio) والمخاطر النسبية (Relative Risk)

في الدراسات الإكلينيكية ودراسات علم الوبائيات النفسية التي تعتمد تصميماً ثنائياً ($2 times 2$) (كالتعرض لصدمة نفسية: نعم/لا، والإصابة بالاكتئاب: نعم/لا)، تمثل نسبة الأرجحية (Odds Ratio – OR) المقياس المفضل لحجم التأثير. تعبر نسبة الأرجحية عن أرجحية حدوث النتيجة السلوكية لدى الفئة المعرضة لمتغير معين مقارنة بأرجحية حدوثها لدى الفئة غير المعرضة.

لحساب نسبة الأرجحية وفترات الثقة المقترنة بها (95% CI) في ستاتا، يُستخدم أمر دراسات الحالات والشواهد cc أو أمر الجداول tabulate مع تفعيل خيارات الاقتران الوبائي:

tabulate trauma depression, or

أو باستخدام الأمر المتخصص:

cc depression trauma

إذا كانت قيمة نسبة الأرجحية تساوي $1.0$، فهذا يدل على عدم وجود اختلاف في الأرجحية بين المجموعتين (استقلالية تامة). بينما تشير القيمة الأكبر من $1.0$ (مثلاً $OR = 2.45$) إلى أن المشاركين الذين تعرضوا للصدمة تزداد لديهم أرجحية الإصابة بالاكتئاب بمقدار 2.45 مرة مقارنة بمن لم يتعرضوا للصدمة، مع ضرورة التحقق من أن فترة الثقة 95% لا تشمل الرقم $1.0$ لضمان الدلالة الإحصائية للتقدير.

10. فحص البواقي المعيارية لتحديد مصادر الدلالة الإحصائية المحددة

10.1 أهمية تحليل البواقي في الجداول التكرارية المركبة

عند تطبيق اختبار مربع كاي على جداول اقتران مركبة تتجاوز رتبتها ($2 times 2$) (كالجداول من أبعاد $3 times 3$ أو $4 times 3$) وتظهر النتيجة دالة إحصائياً، يواجه الباحث محدودية تفسيرية جوهرية؛ إذ يعمل اختبار كاي كاختبار عام شامل (Omnibus Test) يخبرنا بوجود ارتباط غير محدد بين المتغيرين، دون أن يحدد بدقة أي الخلايا بعينها كانت المسؤولة عن إحداث هذا التباعد، وأي الفئات تقترن معاً بصورة موجبة أو سالبة.

وهنا يبرز دور تحليل البواقي (Residual Analysis) كأداة للمقارنات البعدية (Post-Hoc Comparisons) في التحليل اللامعلمي. يسمح فحص البواقي للباحث السلوكي بتفكيك الجدول وتحديد الأنماط النوعية المحددة للاستجابات التي تختلف تكراراتها المشاهدة عن التوقعات الرياضية بصورة جوهرية، مما يثري التحليل النفسي الكيفي للنتائج الاستدلالية.

10.2 استخراج البواقي المعيارية المعدلة (Adjusted Standardized Residuals)

تُعد البواقي المعيارية المعدلة (Adjusted Standardized Residuals – ASR) المعيار الإحصائي الأكثر دقة في فحص الخلايا؛ حيث تمثل الفارق بين التكرار المشاهد والمتوقع مقسوماً على تقدير دقيق لخطئه المعياري، مما يجعل هذه البواقي تتبع التوزيع الطبيعي المعياري ($Z$-distribution) بمتوسط حسابي $0$ وانحراف معياري $1$.

تُفسر قيم البواقي المعيارية المعدلة وفق القواعد الحدية للتوزيع الطبيعي:

• إذا تجاوزت قيمة الباقي المعدل للخلية $+1.96$، فهذا يعني أن التكرار المشاهد في هذه الخلية أكبر بصورة دالة إحصائياً من التكرار المتوقع عند مستوى دلالة $\alpha = 0.05$.
• إذا انخفضت قيمة الباقي المعدل عن $-1.96$، فهذا يدل على أن التكرار المشاهد أقل بصورة دالة إحصائياً من المتوقع عند مستوى $\alpha = 0.05$.
• تشير القيم التي تتجاوز العتبة الصارمة $\pm 2.58$ إلى دلالة إحصائية عالية جداً عند مستوى $\alpha = 0.01$.

في ستاتا، يمكن استخراج البواقي المعيارية بعد تشغيل جدول التقاطع عبر حزمة الأوامر المتقدمة أو باستخدام الأمر tabmodels أو استدعاء حزم البواقي اللامعلمية المخصصة.

10.3 ضبط التكرار لتفادي تضخم الخطأ (Bonferroni Adjustment)

نظراً لأن فحص البواقي المعيارية المعدلة في الجداول الكبيرة يتضمن إجراء مقارنات متعددة متزامنة (Multiple Comparisons) عبر خلايا الجدول (حيث يحتوي جدول $3 times 3$ على 9 مقارنات)، يرتفع خطر تضخم الخطأ من النوع الأول الإجمالي للتجربة (Familywise Error Rate). ولتفادي الوصول إلى استنتاجات خاطئة بوجود اقتران نوعي زائف، يتعين تطبيق تصحيح بونفيروني (Bonferroni Correction) لضبط مستوى الدلالة لكل خلية.

يُحسب مستوى الدلالة المعدل ($\alpha^*$) بقسمة مستوى الدلالة العام المستهدف (مثل $0.05$) على إجمالي عدد خلايا الجدول ($k = r times c$):

$$\alpha^* = \frac{0.05}{r \times c}$$

ففي جدول ($3 times 3$) المكون من 9 خلايا، تصبح العتبة الاحتمالية المعدلة$alpha^* = 0.05 / 9 = 0.0055$، وتتحول القيمة المعيارية الحرجة المقابلة لها في جدول التوزيع الطبيعي من$pm 1.96$ إلى ما يقارب $\pm 2.78$. وتضمن هذه العتبة المعدلة حماية المنهجية البحثية من الانجرار خلف تباينات هامشية ناتجة عن التكرار الاحتمالي الصرف.

11. تطبيقات عملية ونماذج دراسات نفسية واقعية باستخدام ستاتا

11.1 دراسة حالة 1: العلاقة بين شدة الاكتئاب والالتزام بالعلاج النفسي

في دراسة إكلينيكية أُجريت على عينة قوامها $N = 150$ مريضاً في مركز للصحة النفسية، سعى الباحثون لاختبار الفرضية القائلة بوجود علاقة اقترانية بين مستوى شدة الاكتئاب المقاس بمقياس بيك (ثلاث فئات: خفيف، متوسط، شديد) ومستوى الالتزام بالجلسات العلاجية السلوكية المعرفية (فئتان: ملتزم، غير ملتزم). تم ترميز البيانات في ستاتا وتسمية المتغيرات وفق المنهجية المعيارية.

تم تنفيذ التحليل في ستاتا بالأمر البرمجي:

tabulate depression adherence, chi2 expected row V

أظهرت مخرجات ستاتا النتائج الإحصائية التالية:

• قيمة إحصائية مربع كاي: $\chi^2(2) = 11.842$
• القيمة الاحتمالية: $p = 0.003$
• معامل كرامر: $V = 0.281$ (حجم تأثير متوسط إلى كبير في جدول $3 times 2$)
• أظهرت نسب الصفوف أن 78% من مرضى الاكتئاب الخفيف ملتزمون بالجلسات، مقارنة بـ 42% فقط لدى مرضى الاكتئاب الشديد.
• لم تسجل أي خلية تكراراً متوقعاً يقل عن 5، مما يؤكد سلامة شروط كوشران.

قادت النتائج إلى رفض الفرضية الصفرية وقبول الفرضية البديلة، مع استنتاج إكلينيكي مفاده أن شدة الأعراض الاكتئابية ترتبط سلباً بالالتزام العلاجي، مما يوصي بضرورة تقديم دعم نفسي إضافي لمرضى الحالات الشديدة لتعزيز استمرارهم في البرنامج التأهيلي.

11.2 دراسة حالة 2: النمط السلوكي ونوع الشخصية لدى عينة طلابية

هدفت دراسة سيكولوجية استكشافية إلى فحص العلاقة بين أنماط التفاعل الاجتماعي (3 مستويات: انعزالي، متوازن، انبساطي) والأنماط المزاجية (4 مستويات: صفراوي، دموي، بلغمي، سوداوي) لدى عينة استطلاعية صغيرة شملت $N = 45$ طالباً جامعياً. ونظراً لصغر حجم العينة وتعدد أبعاد الجدول ($4 times 3 = 12$ خلية)، واجه الباحث احتمالية انتهاك شرط التكرارات المتوقعة.

تم استدعاء الاختبار في ستاتا مع طلب فحص التكرارات المتوقعة واختبار فيشر الدقيق الموسع:

tabulate personality style, chi2 expected exact V

كشفت المخرجات أن 5 خلايا من أصل 12 خلية (أي بنسبة 41.7%) تحتوي على تكرارات متوقعة أقل من 5، مما يجعل إحصائية بيرسون لمربع كاي التقليدية ($\chi^2 = 14.21, p = 0.033$) غير صالحة للاستدلال المتحفظ. وبالرجوع إلى سطر اختبار فيشر الدقيق في مخرجات ستاتا، بلغت القيمة الاحتمالية الدقيقة للاتجاهين $p = 0.041$. ونظراً لأن القيمة الدقيقة لا تزال أقل من 0.05، تمكن الباحث من تأكيد وجود ارتباط دال إحصائياً بين النمط المزاجي والنمط السلوكي بثقة منهجية تامة متجاوزاً قيود العينة المحدودة بفضل خوارزميات ستاتا الدقيقة.

11.3 تطبيق على مجموعة بيانات السيارات (Auto Dataset) المدمجة

لتوضيح التطبيق البرمجي خطوة بخطوة على بيئة بيانات جاهزة ومتاحة لجميع مستخدمي برنامج ستاتا، نستعرض التحليل القياسي لفحص الاستقلالية بين سجل الإصلاح والصيانة لعام 1978 (متغير rep78 متعدد المستويات من 1 إلى 5) ومنشأ تصنيع السيارة (متغير foreign: محلي Domestic مقابل أجنبي Foreign).

تتضمن خطوات التنفيذ البرمجي التسلسل التالي في نافذة الأوامر:

sysuse auto, clear
describe rep78 foreign
tabulate rep78 foreign, chi2 expected col V

يظهر الجدول المتقاطع أن بعض فئات سجل الإصلاح ذات تكرارات متدنية، وتبرز نتائج إحصاء مربع كاي بقيمة $\chi^2(4) = 27.26$ وقيمة احتمالية بالغة الصغر $p < 0.001$، ومعامل كرامر مرتفع $V = 0.628$. يوضح هذا المثال التطبيقي المعياري كيف يمكن للمحلل الانتقال من تحميل البيانات الخام وتدقيقها إلى استخلاص المؤشرات الاستدلالية وحجم التأثير بأسلوب برمجي منظم ومحكم.

12. صياغة وتوثيق نتائج اختبار مربع كاي وفق معايير APA (الإصدار السابع)

12.1 الصيغة النصية المعتمدة لتقرير النتائج في المتن

تضع جمعية علم النفس الأمريكية في دليلها المرجعي السابع (APA 7th Edition) قواعد صارمة لكتابة وتوثيق نتائج التحليلات الإحصائية داخل المتن الأكاديمي للبحوث المنشورة. عند توثيق نتائج اختبار مربع كاي للاستقلالية، يجب تضمين الرموز الإحصائية المائلة، ودرجات الحرية، وحجم العينة الفعال، وقيمة مربع كاي المحسوبة مقربة إلى منزلتين عشريتين، والقيمة الاحتمالية الدقيقة ($p$-value)، بالإضافة إلى مؤشر حجم التأثير المناسب.

تأخذ الصيغة النصية المعيارية الشكل النموذجي التالي:

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

نموذج تطبيقي للصياغة في المتن:
“أُجري اختبار بيرسون لمربع كاي للاستقلالية لتقييم العلاقة بين شدة الاكتئاب ومستوى الالتزام بالعلاج النفسي. أظهرت النتائج وجود علاقة ارتباطية ذات دلالة إحصائية بين المتغيرين، $\chi^2(2, N = 150) = 11.84, p = .003, V = .28$. وكشفت نسب الصفوف المئوية أن المشاركين الذين يعانون من اكتئاب خفيف كانوا أكثر التزاماً بالجلسات العلاجية (78.0%) مقارنة بالمشاركين في فئة الاكتئاب الشديد (42.0%)، مما يشير إلى حجم تأثير متوسط وفق معايير كوهين.”

12.2 تصميم وتنسيق الجداول الإحصائية المتقاطعة وفق APA 7

يشترط الدليل السابع لجمعية علم النفس الأمريكية قواعد تنسيقية محددة للجداول الإحصائية تضمن الوضوح التام وخلو التصميم من التشتيت البصري. وتتلخص أبرز هذه القواعد في:

• استخدام ثلاثة خطوط أفقية رئيسية فقط: خط أعلى ترويسة الجدول، وخط أسفل الترويسة، وخط ختامي أسفل قاعدة الجدول.
• المنع التام للخطوط العمودية (Vertical Lines) والفواصل الرأسية بين الأعمدة.
• عرض التكرارات المشاهدة ($n$) والنسب المئوية داخل الخلايا بصيغة واضحة مثل$ntext{ (%)}$.
• إدراج حقل مخصص للهوامش التوضيحية (Notes) أسفل الجدول لتعريف الرموز وتوضيح مستويات الدلالة الإحصائية ($^*p < .05, ^{**}p < .01$).

يوضح الجدول التالي نموذجاً منسقاً بالكامل لجدول تقاطع تكراري يلتزم بأعلى معايير APA 7:

مستوى شدة الاكتئاب	ملتزم $n\text{ (%)}$	غير ملتزم $n\text{ (%)}$	الإجمالي $n\text{ (%)}$
خفيف	39 (78.0%)	11 (22.0%)	50 (100.0%)
متوسط	28 (56.0%)	22 (44.0%)	50 (100.0%)
شديد	21 (42.0%)	29 (58.0%)	50 (100.0%)
الإجمالي الكلي	88 (58.7%)	62 (41.3%)	150 (100.0%)

ملاحظة. $N = 150$. $\chi^2(2) = 11.84, p = .003, V = .28$. التكرارات تعبر عن الاستجابات المشاهدة والنسب المئوية منسوبة إلى إجمالي كل صف.

12.3 الأخطاء الشائعة في التوثيق وتفسير النتائج السيكولوجية

يقع بعض الباحثين في عثرات منهجية وتوثيقية متكررة عند تقديم نتائج مربع كاي؛ ومن أبرز هذه الأخطاء الوقوع في مغالطة السببية (Causality Fallacy)، حيث يجب التأكيد الصارم على أن اختبار كاي يكشف وجود “اقتران أو ارتباط” بين المتغيرات الفئوية، ولا يثبت بأي حال من الأحوال وجود علاقة سببية مباشرة مفادها أن المتغير الأول يسبب المتغير الثاني، إذ يتطلب إثبات السببية تصاميم تجريبية مضبوطة زمنياً وإجرائياً.

ومن الأخطاء التوثيقية الشائعة كتابة القيمة الاحتمالية مساوية للصفر ($p = .000$)؛ فالقيمة الاحتمالية رياضياً لا تصل إلى الصفر المطلق، وتوجب معايير APA كتابتها كقيمة أصغر من واحد بالألف ($p < .001$). كما يُعد إغفال تقرير حجم التأثير (كحذف Cramer's V) والاكتفاء بالدلالة الإحصائية وحدها خطأ منهجياً يحرم القارئ من تقييم الأثر الميداني للظاهرة، فضلاً عن خطأ تجاهل الإشارة إلى انتهاك افتراضات التكرارات المتوقعة عند الاعتماد على اختبار بيرسون في عينات صغيرة.

خاتمة

يعد اختبار مربع كاي للاستقلالية أحد الأعمدة الأساسية في بنية التحليل الإحصائي اللامعلمي للبحوث النفسية والاجتماعية والإكلينيكية. ومن خلال توظيف برنامج ستاتا (Stata)، يكتسب الباحث قوة منهجية استثنائية تتيح له إدارة مصفوفات البيانات التصنيفية المعقدة، والتأكد البرمجي الصارم من شروط كوشران وافتراضات القياس، وتنفيذ الاختبارات الاستدلالية الدقيقة كاختبار فيشر، فضلاً عن استخراج مؤشرات حجم التأثير وفحص البواقي المعيارية لتعميق الفهم السلوكي للظواهر المدروسة.

إن الالتزام بالخطوات المنهجية الموضحة في هذا الدليل—بدءاً من إعداد وتجهيز البيانات ومروراً بالصياغة البرمجية الصحيحة وانتهاءً بالتوثيق الأكاديمي الرصين وفق معايير APA 7—يضمن للباحثين والمحللين تقديم دراسات علمية موثوقة وقابلة لإعادة الإنتاج، تسهم بفاعلية في تطوير المعرفة الإنسانية وتوجيه القرارات الإكلينيكية والتنظيمية بدقة واقتدار.

المراجع

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Agresti, A. (2013). Categorical data analysis (3rd ed.). John Wiley & Sons. https://www.wiley.com
• 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. https://doi.org/10.4324/9780203771587
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications. https://us.sagepub.com
• Fisher, R. A. (1922). On the interpretation of $\chi^2$ from contingency tables, and the calculation of P. Journal of the Royal Statistical Society, 85(1), 87–94. https://doi.org/10.2307/2340521
• Long, J. S., & Freese, J. (2014). Regression models for categorical dependent variables using Stata (3rd ed.). Stata Press. https://www.stata-press.com
• Mehta, C. R., & Patel, N. R. (1983). A network algorithm for performing Fisher’s exact test in $r \times c$ contingency tables. Journal of the American Statistical Association, 78(382), 427–434. https://doi.org/10.1080/01621459.1983.10477989
• StataCorp. (2023). Stata base reference manual release 18. Stata Press. https://www.stata.com/manuals/r.pdf
• Yates, F. (1934). Contingency tables involving small numbers and the $\chi^2$ test. Supplement to the Journal of the Royal Statistical Society, 1(2), 217–235. https://doi.org/10.2307/2983604