الإحصاءبرنامج إكسيلتحليل البيانات

كيفية إجراء التحليل الاستكشافي للبيانات في إكسيل

دليل أكاديمي شامل يوضح خطوات إجراء التحليل الاستكشافي للبيانات (EDA) باستخدام ميكروسوفت إكسيل، متضمناً المقاييس الإحصائية، الرسوم البيانية، ومعالجة القيم المفقودة.

تاريخ النشر

يمثل التحليل الاستكشافي للبيانات (Exploratory Data Analysis – EDA) حجر الزاوية في علم البيانات والإحصاء التطبيقي؛ إذ يُعد المرحلة التأسيسية الجوهرية التي تسبق بناء أي نموذج تنبؤي أو اختبار للفرضيات العلمية. ففي خضم التدفق الهائل للبيانات في العصر الرقمي، يواجه الباحثون والمحللون تحدياً مزدوجاً يتمثل في فهم البنية المعقدة للمجموعات البيانية واستخلاص الأنماط الكامنة فيها دون الوقوع في فخ التحيزات المسبقة أو الافتراضات غير المختبرة. إن الممارسة العلمية الرشيدة تقتضي فحص البيانات الخام بعناية فائقة، وتحسس سماتها الإحصائية، ورصد شذوذها، وتحديد مسارات التوزيع قبل صياغة الاستنتاجات النهائية.

وعلى الرغم من التطور المتسارع للغات البرمجة المتخصصة مثل بايثون (Python) وآر (R)، يظل برنامج مايكروسوفت إكسيل (Microsoft Excel) إحدى أقوى البيئات الحسابية وأكثرها مرونة وانتشاراً لإجراء التحليل الاستكشافي المتكامل. تتيح الواجهة التفاعلية لإكسيل، مقترنةً بترسانة ضخمة من الدوال الإحصائية وأدوات التلخيص الديناميكي والمخططات البصرية، قدرة استثنائية على سبر أغوار البيانات وتفكيك تشابكاتها بصورة مرئية وعددية فورية. إن هذا الدليل الشامل مصمم ليقدم دليلاً منهجياً وأكاديمياً رصيناً يرشدك خطوة بخطوة عبر كافة مراحل التحليل الاستكشافي داخل بيئة إكسيل، بدءاً من المعالجة الأولية وحتى التقييم متعدد المتغيرات والتوثيق الأكاديمي الصارم.

جدول المحتويات

1. مفهوم التحليل الاستكشافي للبيانات (EDA) وأهميته المنهجية

1.1 التعريف الأكاديمي للتحليل الاستكشافي للبيانات

تعود الجذور المعرفية لمفهوم التحليل الاستكشافي للبيانات (EDA) إلى إسهامات عالم الإحصاء الأمريكي الرائد جون توكي (John Tukey) في سبعينيات القرن العشرين، ولا سيما عبر مؤلفه المرجعي الصادر عام 1977 بعنوان Exploratory Data Analysis. رأى توكي أن المجتمع الإحصائي كان يفرط في التركيز على اختبار الفرضيات الصارمة على حساب الاستماع الفعلي لما تخبرنا به البيانات؛ فدعا إلى تبني فلسفة تحليلية مرنة تعتمد على الرسوم البيانية التفاعلية والإحصاء الوصفي غير المعلمي لتمكين البيانات من الكشف عن أنماطها وهياكلها الدفينة دون حصرها ضمن قوالب احتمالية مسبقة.

يكمن الفرق الجوهري بين التحليل الاستكشافي للبيانات (EDA) والتحليل التوكيدي للبيانات (Confirmatory Data Analysis – CDA) في الاتجاه المعرفي لعملية الاستدلال؛ فبينما ينطلق التحليل التوكيدي من فرضيات محددة سلفاً ويسعى لاختبار دلالتها الإحصائية وقبولها أو دحضها باستخدام أدوات الاستدلال المعلمية، يسير التحليل الاستكشافي في الاتجاه المعاكس حيث يبدأ بتوليد الفرضيات، واكتشاف الأنماط غير المتوقعة، ورصد الانحرافات والتشوهات البنيوية في العينة قبل الانتقال إلى النمذجة الرياضية المعقدة.

تتجلى أهمية هذا الفحص الأولي في التحقق من صحة الفروض الإحصائية الكلاسيكية (Statistical Assumptions) التي تشترطها معظم النماذج الاستدلالية المتقدمة مثل الانحدار الخطي وتحليل التباين، مثل افتراض التوزيع الطبيعي (Normality)، وتجانس التباين (Homoscedasticity)، واستقلال المشاهدات، وخلو البيانات من القيم الشاذة المؤثرة؛ مما يحمي الباحث من الوقوع في أخطاء الاستدلال الإحصائي من النوع الأول أو الثاني.

1.2 الركائز الأساسية لعملية استكشاف البيانات

ترتكز عملية استكشاف البيانات المنهجية على أربعة أعمدة رئيسية تتكامل فيما بينها لبناء فهم شامل للمشهد الإحصائي. تبدأ أولى هذه الركائز بالتلخيص العددي الشامل عبر مقاييس النزعة المركزية والتشتت، والشكل التوزيعي؛ إذ تمنح هذه المؤشرات الأولية فكرة مركزة عن متوسطات الظاهرة ومستوى عدم اليقين المحيط بها، وتضع حداً للتعميمات المتسرعة المبنية على الانطباعات الفردية للمشاهدات المتطرفة.

أما الركيزة الثانية فتتمثل في التصور البصري واستنطاق المتغيرات بيانياً؛ فالأرقام المجردة قد تخفي وراءها أنماطاً لا يمكن إدراكها إلا عبر المخططات الإحصائية مثل المدرجات التكرارية، ومخططات الصندوق، ومخططات الانتشار. يتيح التمثيل البصري الفعال المقارنة السريعة بين التوزيعات والتقاط العلاقات غير الخطية التي تعجز المؤشرات العددية التلخيصية، كمعامل ارتباط بيرسون، عن إظهارها بمفردها كما في معضلة رباعية أنسكومب الشهيرة (Anscombe’s Quartet).

وتشمل الركيزة الثالثة الاكتشاف الاستباقي للمشكلات الهيكلية والبنيوية في البيانات، وعلى رأسها القيم المفقودة، والتكرارات غير المبررة، والتناقضات المنطقية، والقيم الشاذة (Outliers) التي قد تشير إما إلى أخطاء في القياس والترميز أو إلى ظواهر استثنائية ذات قيمة بحثية بالغة. وتنتهي العملية بالركيزة الرابعة التي تُعنى بتقييم مدى ملاءمة البيانات وجاهزيتها لدعم القرارات أو التغذية في خوارزميات التعلم الآلي والنمذجة القياسية اللاحقة.

1.3 دور إكسيل كأداة قوية ومرنة في التحليل الاستكشافي

يتميز برنامج إكسيل ببيئة عمل حسابية بصرية تفاعلية تجعل عملية التفاعل مع البيانات حسية ومباشرة، حيث يمكن للباحث رؤية التغير الفوري في الحسابات والمخططات البيانية بمجرد تعديل خلية أو تطبيق تصفية معينة؛ مما يوفر حلقة تغذية راجعة سريعة للغاية لا تتوفر دائماً في بيئات البرمجة السطرية المعزولة عن العرض الفوري للبيانات المجدولة.

يضم إكسيل مكتبة متكاملة من الدوال الإحصائية القياسية المتوافقة مع معايير دقة الحوسبة العلمية، تغطي كافة احتياجات الإحصاء الوصفي والترتيبي، والاحتمالات، ومصفوفات الارتباط، والانحدار. كما يوفر حزم تحليل مدمجة تمكّن المستخدم من استخراج جداول تحليلية معقدة بضغطة زر واحدة، فضلاً عن الجداول المحورية (Pivot Tables) التي تتيح إعادة هيكلة وتلخيص ملايين نقاط البيانات بأبعاد متعددة في ثوانٍ معدودة.

ومع ذلك، يجب على المحلل الأكاديمي إدراك الحدود المنهجية والتقنية لبرنامج إكسيل؛ فالبرنامج يمتلك حداً أقصى لعدد الصفوف (1,048,576 صفاً) مما يجعله غير ملائم للبيانات الضخمة (Big Data). كما أن معالجة البيانات المعقدة التي تتطلب خوارزميات تعلم آلي متقدمة أو هياكل غير مجدولة تتطلب لغات متخصصة. ومع ذلك، يظل إكسيل الخيار الأمثل للمجموعات البيانية المتوسطة، ومراحل التدقيق السريع، وبناء النماذج الاستكشافية التفاعلية للشركات والمؤسسات الأكاديمية.

2. تجهيز وهيكلة مجموعة البيانات الأولية في إكسيل

2.1 معايير بناء وتنظيم الجداول المجدولة (Tidy Data)

تعتمد كفاءة التحليل الاستكشرافي بالدرجة الأولى على مدى نظافة وهيكلة البيانات وفق المبادئ المنهجية التي صاغها هادلي ويكهام في مفهوم “البيانات المنسقة” (Tidy Data). تنص هذه القواعد على أن كل عمود يجب أن يمثل متغيراً واحداً مستقلاً (Variable)، وكل صف يمثل حالة أو مشاهدة تجريبية واحدة (Observation)، وكل خلية تمثل قيمة وحيدة محددة (Value). إن دمج متغيرات متعددة في عمود واحد أو تقسيم مشاهدة واحدة على عدة صفوف يؤدي إلى شلل تام في عمل الدوال المتقدمة والجداول المحورية.

يجب الابتعاد عن الأخطاء الشائعة في تسمية رؤوس الأعمدة، مثل استخدام المسافات الطويلة، أو الرموز الخاصة، أو كتابة أسماء متعددة الأسطر داخل الخلية نفسها؛ ويفضل اعتماد نمط موحد مثل استخدام الشرطة السفلية (snake_case) أو الحروف الكبيرة للكلمات المركبة (CamelCase) لتسهيل استدعاء المتغيرات داخل الصيغ الرياضية والجداول الديناميكية.

يوفر تحويل النطاق العادي في إكسيل إلى “جدول رسمي” عبر الاختصار Ctrl + T فوائد هيكلية لا غنى عنها؛ حيث يتعامل إكسيل مع النطاق ككتلة بيانات ديناميكية ذات مرجعية هيكلية (Structured References)، تتوسع تلقائياً عند إضافة بيانات جديدة، وتضمن تطبيق المعادلات الحسابية على كافة الصفوف تلقائياً دون الحاجة للسحب اليدوي، مع الحفاظ الدائم على تجمد صف العناوين أثناء التمرير لأسفل.

2.2 إنشاء مجموعة بيانات نموذجية للتطبيق العملي

لضمان الاستيعاب العملي لكافة مفاهيم هذا الدليل، سنعتمد على مجموعة بيانات تطبيقية تمثل دراسة استقصائية شملت عينة من 50 موظفاً في قطاع التقنية، تشتمل على متغيرات ديموغرافية ومالية وأدائية متعددة:

  • Employee_ID: المعرف الرقمي الفريد للموظف (متغير اسمي).
  • Department: القسم الوظيفي (متغير فئوي: R&D, Sales, HR, IT, Marketing).
  • Education_Level: المؤهل العلمي (متغير رتبي: Bachelor, Master, PhD).
  • Years_Experience: سنوات الخبرة العملية (متغير كمي متصل).
  • Monthly_Salary: الراتب الشهري بالدولار (متغير كمي نسبي).
  • Performance_Score: تقييم الأداء السنوي من 100 درجة (متغير كمي فئوي).
  • Training_Hours: عدد ساعات التدريب المكتملة سنوياً (متغير كمي متقطع).

تم إدراج حالات واقعية مشوهة عمداً داخل هذا الجدول التجريبي لاختبار قدرات الفحص والتنظيف؛ حيث تتضمن المجموعة خلايا فارغة تمثل قيماً مفقودة، ومسافات بادئة ولاحقة غير مرئية في حقول النصوص، وتنسيقات غير متسقة للقيم المالية، بالإضافة إلى قيم متطرفة وشاذة حادة (Outliers) في متغيري الراتب وساعات التدريب.

من الناحية المنهجية، يجب دائماً عزل وتخصيص ورقة عمل مستقلة تحمل اسم Raw_Data للبيانات الخام غير المعالجة مع حمايتها من التعديل العرضي، في حين تُجرى كافة عمليات التنظيف والاشتقاق الرياضي في أوراق عمل موازية مثل Cleaned_Data و EDA_Summary لضمان الحفاظ على موثوقية السجلات الأصلية وسهولة تتبع خطوات المعالجة (Audit Trail).

2.3 التحقق من سلامة وصحة إدخال البيانات

تُعد أداة التحقق من صحة البيانات (Data Validation) خط الدفاع الأول لمنع تشوه البيانات أثناء الإدخال اليدوي أو التحديث؛ إذ تتيح تقييد نوع البيانات المسموح بإدخالها في عمود معين (مثل قصر الأرقام على أعداد صحيحة موجبة بين 1 و 100 لمتغير تقييم الأداء، أو فرض قائمة منسدلة مغلقة للخيارات الفئوية المعتمدة للأقسام).

من الضروري فحص وتوحيد التنسيقات الرقمية؛ فالخلط بين استخدام الفاصلة العشرية (Comma) والنقطة العشرية (Dot) بسبب اختلاف إعدادات اللغة الإقليمية في نظام التشغيل يؤدي إلى قراءة الأرقام كنصوص ميتة تعجز دوال الجمع والمتوسطات عن معالجتها. يمكن اكتشاف هذه المشكلة عبر تحديد العمود واستخدام أداة تحويل النص إلى أعمدة (Text to Columns) لإعادة ضبط التنسيق القياسي للأرقام والتواريخ بنقرة واحدة.

لتطهير البيانات النصية من الشوائب والمسافات غير المرئية التي قد تؤدي إلى فشل دوال المطابقة والبحث مثل VLOOKUP وXLOOKUP، نطبق الدوال النصية المدمجة في عمود معالجة جديد:

=TRIM(CLEAN(B2))

تقوم دالة TRIM بحذف كافة المسافات الزائدة البادئة واللاحقة والمضاعفة بين الكلمات مع الإبقاء على مسافة مفردة واحدة، بينما تتولى دالة CLEAN إزالة كافة المحارف غير القابلة للطباعة (Non-printable characters) ذات الرموز ASCII من 0 إلى 31 التي تنتقل غالباً عند تصدير البيانات من قواعد البيانات القديمة ومواقع الويب.

3. فحص ومعالجة القيم المفقودة (Missing Values)

3.1 تحديد وحصر القيم الفارغة وغير الصالحة

يمثل التعامل مع البيانات المفقودة (Missing Data) أحد أدق التحديات الإحصائية في مرحلة التحليل الاستكشافي؛ فالإغفال غير المحسوب للخلايا الفارغة قد يجر المحلل إلى تحيزات جسيمة في التقديرات الإحصائية. لحصر حجم الفقد في إكسيل، نبدأ بتطبيق دالة COUNTBLANK لحساب إجمالي الخلايا الفارغة في كل عمود بشكل مستقل:

=COUNTBLANK(Table1[Monthly_Salary])

إلى جانب الفراغات التامة، قد تحتوي البيانات على أخطاء برمجية ناتجة عن معادلات سابقة مثل (#N/A أو #VALUE! أو #DIV/0!)، والتي تعاملها الدوال الحسابية بشكل مختلف وتؤدي إلى تعطل العمليات الإحصائية التراكمية. لرصد مثل هذه القيم وتوثيق عددها، نستخدم دالة ISERROR أو ISNA مدمجة مع دالة الجمع الشرطي SUMPRODUCT:

=SUMPRODUCT(--ISERROR(Table1[Monthly_Salary]))

لتسهيل الفحص البصري التفاعلي، نطبق قواعد التنسيق الشرطي (Conditional Formatting) على نطاق البيانات بالكامل عبر اختيار Highlight Cells Rules ثم اختيار Blanks وتلوينها بدرجة شفافة من اللون الأحمر الفاتح؛ مما يمنح الباحث خريطة بصرية فورية لتوزيع الفقد عبر المشاهدات والمتغيرات المختلفة.

يجب بعد ذلك حساب النسبة المئوية للبيانات المفقودة لكل متغير عبر قسمة عدد الخلايا المفقودة على إجمالي عدد المشاهدات المستهدفة:

=COUNTBLANK(Table1[Monthly_Salary]) / ROWS(Table1)

إذا تجاوزت نسبة الفقد في متغير معين حداً حرجاً (غالباً ما يُحدد أكاديمياً بنسبة تتراوح بين 20% إلى 30%)، يجب تقييم ما إذا كان بالإمكان الوثوق بهذا المتغير أصلاً أو استبعاده كلياً من النماذج اللاحقة.

3.2 الأنماط الإحصائية لفقدان البيانات

من المنظور الإحصائي المتقدم (Rubin’s Missing Data Mechanisms)، لا يقتصر التحليل الاستكشافي على معرفة كمية الفقد، بل يتطلب تشخيص الآلية التوليدية المسببة له، والتي تنقسم أكاديمياً إلى ثلاثة أنماط رئيسية:

  • الفقد العشوائي تماماً (Missing Completely at Random – MCAR): حيث يكون احتمال فقدان البيانات لمتغير معين مستقلاً تماماً عن المتغير نفسه وعن أي متغيرات أخرى في الدراسة. هنا لا يؤدي الفقد إلى إدخال تحيز في التقديرات، وإنما يقلل فقط من القوة الإحصائية (Statistical Power) للعينة.
  • الفقد العشوائي (Missing at Random – MAR): حيث يرتبط نمط الفقد بمتغيرات أخرى ملحوظة في مجموعة البيانات وليس بالمتغير المفقود ذاته (مثال: ميل الموظفين الأصغر سناً لعدم الإفصاح عن تقييمات أدائهم السابقة، لكن الفقد داخل كل فئة عمرية يعتبر عشوائياً).
  • الفقد غير العشوائي (Missing Not at Random – MNAR): وهو النمط الأكثر خطورة، حيث يرتبط احتمال الفقد بقيمة المتغير المفقود نفسه (مثال: امتناع أصحاب الرواتب المرتفعة جداً أو المنخفضة جداً عن الكشف عن رواتبهم الشهرية). يترتب على هذا النمط تشوه منهجي في العينة لا يمكن معالجته بالأساليب الإحصائية التقليدية.

يتحتم على المحلل توثيق التحليلات الاستكشافية المرتبطة بمقارنة الفئات المفقودة بغير المفقودة عبر اختبارات الفروق، لتحديد نمط الفقد بدقة والإفصاح عن حجم العينة الفعلي (Effective Sample Size) بعد المعالجة في متن التقارير العلمية.

3.3 استراتيجيات التعامل مع القيم المفقودة في إكسيل

تتعدد الاستراتيجيات المتاحة داخل إكسيل لمعالجة البيانات المفقودة تبعاً لنمط الفقد وحجم العينة وطبيعة المتغير. تتمثل الاستراتيجية الأولى في الاستبعاد الكلي للحالات التي تحتوي على أي نقص (Listwise Deletion)؛ ويمكن تنفيذها بسهولة عبر تصفية الأعمدة (Filter) وإلغاء تحديد الفراغات، ثم نسخ النتائج المتكاملة فقط إلى جدول تحليلي جديد. تُعد هذه الطريقة آمنة إذا كان الفقد من نوع MCAR ولم يتجاوز 5% من العينة الإجمالية.

أما الاستراتيجية الثانية فهي التعويض الأحادي البسيط (Mean / Median Imputation)، حيث يتم استبدال القيمة المفقودة بالمتوسط الحسابي (في حال التوزيع الطبيعي المتماثل) أو بالوسيط (في حال التوزيع الملتوي أو وجود قيم شاذة). يمكن تنفيذ ذلك عبر معادلة شرطية داخل عمود جديد:

=IF(ISBLANK(E2), MEDIAN($E$2:$E$51), E2)

تتمثل الاستراتيجية الأكثر دقة وإحكاماً في التعويض المشروط وفق الفئات الفرعية (Subgroup Imputation)، حيث يُعوّض النقص بناءً على متوسط الفئة التي ينتمي إليها الفرد باستخدام دالة AVERAGEIFS؛ فمثلاً يُعوّض راتب الموظف المفقود بمتوسط رواتب زملائه في نفس القسم ولديهم نفس المستوى التعليمي:

=IF(ISBLANK(E2), AVERAGEIFS($E$2:$E$51, $B$2:$B$51, B2, $C$2:$C$51, C2), E2)

يجب التنبيه منهجياً إلى أن أساليب التعويض الأحادي، رغم فائدتها في الحفاظ على حجم العينة، تؤدي حتماً إلى تضييق التباين الطبيعي للبيانات (Variance Underestimation) وتضخيم معاملات الارتباط بشكل مصطنع، وهو ما ينبغي للمحلل بيانه والإفصاح عنه بشفافية مطلقة.

4. حساب مقاييس النزعة المركزية (Measures of Central Tendency)

4.1 المتوسط الحسابي (Arithmetic Mean) وتطبيقاته

يُعد المتوسط الحسابي (Mean) المقياس الأكثر شيوعاً واستخداماً لتحديد نقطة ارتكاز البيانات الكمية المتصلة التي تتمتع بتوزيع متماثل وخالٍ من الانحرافات الشديدة. يتم حسابه في إكسيل عبر دالة AVERAGE القياسية:

=AVERAGE(Table1[Monthly_Salary])

تتيح منظومة إكسيل إجراء تحليلات قطاعية معمقة لمتوسطات الفئات الفرعية باستخدام الدوال الشرطية AVERAGEIF و AVERAGEIFS؛ مما يسمح باستكشاف تباين النزعة المركزية بحسب التصنيفات الإدارية أو الديموغرافية دون الحاجة لتفكيك الجدول الأصلي:

=AVERAGEIFS(Table1[Monthly_Salary], Table1[Department], "IT", Table1[Education_Level], "Master")

على الرغم من الأهمية الرياضية الفائقة للمتوسط الحسابي كونه يمثل مركز الكتلة لكافة القيم ويستند إلى كامل المشاهدات في العينة، إلا أن نقطة ضعفه الهيكلية تكمن في حساسيته المفرطة للقيم الشاذة والمتطرفة (Lack of Robustness)؛ فإدراج راتب استثنائي واحد لمدير تنفيذي ضمن رواتب موظفين مبتدئين كفيل بسحب المتوسط نحو اليمين وتضليله، ليصبح رقماً لا يمثل الغالبية العظمى من عناصر العينة، مما يستوجب الحذر التام عند اعتماده منفرداً في التوزيعات الملتوية.

4.2 الوسيط (Median) والوسط المشذب (Trimmed Mean)

يُعرّف الوسيط (Median) بأنه القيمة التي تقسم مجموعة البيانات المرتبة تصاعدياً إلى نصفين متساويين تماماً، بحيث يقع 50% من المشاهدات تحتها و50% فوقها. يُحسب الوسيط في إكسيل باستخدام دالة MEDIAN:

=MEDIAN(Table1[Monthly_Salary])

يتميز الوسيط بمقاومته الفائقة (Robustness) للقيم الشاذة والالتواءات الشديدة؛ إذ يعتمد على الرتبة الترتيبية وليس على القيم المطلقة للأطراف، مما يجعله المقياس المفضل والمعياري لتمثيل النزعة المركزية للبيانات الاقتصادية والديموغرافية الملتوية كالرواتب وأسعار العقارات والمدد الزمنية للخدمة.

وللجمع بين ميزة المتوسط الحسابي في استخدام القيم الفعلية وميزة الوسيط في مقاومة التطرف، يبرز مقياس “الوسط الحسابي المشذب” (Trimmed Mean)، الذي يستبعد نسبة مئوية متناظرة ومحددة من أصغر وأكبر المشاهدات قبل حساب الوسط، ويتم تنفيذه في إكسيل عبر دالة TRIMMEAN:

=TRIMMEAN(Table1[Monthly_Salary], 0.1)

المعامل 0.1 يعني استبعاد 10% من إجمالي المشاهدات المتطرفة (5% من أدنى القيم و5% من أعلاها)، مما ينتج مقياساً حصيفاً للنزعة المركزية يقلل من تشويش الأطراف غير الممثلة للنسيج العام للبيانات.

4.3 المنوال (Mode) وتحليل التكرارات الأكثر شيوعاً

يُمثل المنوال (Mode) القيمة الأكثر تكراراً وشيوعاً بين عناصر مجموعة البيانات، وهو المقياس الوحيد الصالح للاستخدام مع البيانات الاسمية والفئوية البحتة (Nominal Data). يوفر إكسيل دالتين متميزتين للتعامل مع هذا المقياس وفق الطبيعة التكرارية للتوزيع:

دالة MODE.SNGL: تُستخدم لتقدير القيمة الأكثر تكراراً في حال وجود منوال وحيد:

=MODE.SNGL(Table1[Performance_Score])

دالة MODE.MULT: وهي دالة مصفوفية ديناميكية حديثة تُستخدم عندما يكون التوزيع متعدد المناويل (Multimodal)، حيث تُرجع مصفوفة عمودية تحتوي على كافة القيم التي حققت نفس التكرار الأقصى، مما يتيح اكتشاف وجود تكتلات سكانية أو مهنية متباينة داخل نفس العينة.

في حالة المتغيرات المتصلة المستمرة ذات الدقة العشرية العالية، قد ينعدم وجود منوال محدد بسبب ندرة تطابق قيمتين بدقة متناهية؛ وهنا تبرز الأهمية المنهجية لتجميع البيانات المتصلة في فئات تكرارية متساوية (Binning) قبل فحص التكرارات لاكتشاف القمم التوزيعية المهيمنة وفهم البنية النمطية للعينة المبحوثة.

5. حساب مقاييس التشتت والتباين (Measures of Dispersion)

5.1 المدى والمجال الربيعي (Range and IQR)

لا تكتمل الصورة الإحصائية للبيانات بالاعتماد على مقاييس النزعة المركزية وحدها دون قياس مدى تشتت وتباعد الدرجات عن مركزها. يُعد المدى المطلق (Range) أبسط مقاييس التشتت، ويقيس الفارق الإجمالي بين أعلى وأدنى قيمة، ويُحسب في إكسيل بدمج دالتي MAX و MIN:

=MAX(Table1[Monthly_Salary]) - MIN(Table1[Monthly_Salary])

نظراً لأن المدى يعتمد كلياً على القيمتين الطرفيتين القصويين، فإنه يتأثر بشدة بوجود أي قيمة شاذة واحدة؛ ولتجاوز هذا القصور المنهجي، يُستخدم المدى الربيعي (Interquartile Range – IQR)، وهو مقياس يقيس تشتت وانتشار النصف الأوسط (50% الوسطى) من البيانات الواقعة بين الربيع الأول (Q1) والربيع الثالث (Q3).

تتيح إصدارات إكسيل الحديثة دالتين دقيقتين لحساب الربيعيات: دالة QUARTILE.INC (التي تشمل حدود الربيع ضمن الحساب، وهي الأكثر توافقاً مع برامج التحليل الكلاسيكية) ودالة QUARTILE.EXC (التي تستبعد الحدود وتعتمد منهجية التوزيع الاحتمالي المستمر). يتم حساب الربيعين الأول والثالث كما يلي:

Q1: =QUARTILE.INC(Table1[Monthly_Salary], 1)

Q3: =QUARTILE.INC(Table1[Monthly_Salary], 3)

وبالتالي يُشتق المدى الربيعي بالمعادلة البسيطة:

=QUARTILE.INC(Table1[Monthly_Salary], 3) - QUARTILE.INC(Table1[Monthly_Salary], 1)

يُعد الـ IQR الركيزة الأساسية التي بُنيت عليها خوارزمية جون توكي الشهيرة للكشف عن الشذوذ وبناء مخططات الصندوق الإحصائية بدقة بالغة.

5.2 التباين والانحراف المعياري (Variance & Standard Deviation)

يقيس التباين (Variance) متوسط مربعات انحرافات المشاهدات عن وسطها الحسابي، بينما يمثل الانحراف المعياري (Standard Deviation) الجذر التربيعي للتباين، مما يعيد وحدة القياس إلى نفس وحدة البيانات الأصلية؛ مما يجعله المقياس المعياري الذهبي لوصف تشتت البيانات الكمية المتماثلة حول المتوسط.

يجب التمييز المنهجي الصارم بين قياس التباين للمجتمع الإحصائي الكامل وقياسه لعينة مسحوبة منه؛ ففي حالة دراسة عينة (Sample) يتم قسمة مجموع مربعات الانحرافات على درجات الحرية (n – 1) لتطبيق تصحيح بيسل (Bessel’s Correction) ومنع تحيز التقدير نحو الصغر، وتُستخدم الدوال التالية في إكسيل:

تباين العينة: =VAR.S(Table1[Monthly_Salary])

الانحراف المعياري للعينة: =STDEV.S(Table1[Monthly_Salary])

أما في حال كانت البيانات تمثل الحصر الشامل للمجتمع الكلي (Population)، فتُقسم الانحرافات على إجمالي الحجم (N) باستخدام الدوال:

تباين المجتمع: =VAR.P(Table1[Monthly_Salary])

الانحراف المعياري للمجتمع: =STDEV.P(Table1[Monthly_Salary])

يمثل الانحراف المعياري مقياساً دقيقاً لعدم اليقين والتقلب في البيانات؛ كما يُشتق منه الخطأ المعياري للمتوسط (Standard Error of the Mean – SEM) الذي يقيس دقة تقدير متوسط العينة لمتوسط المجتمع الحقيقي، ويُحسب في إكسيل بالصيغة:

=STDEV.S(Table1[Monthly_Salary]) / SQRT(COUNT(Table1[Monthly_Salary]))

5.3 معامل الاختلاف (Coefficient of Variation)

يواجه الباحث مشكلة منهجية عند الرغبة في مقارنة مستوى التشتت بين متغيرين يختلفان في وحدات القياس (مثل مقارنة تشتت الرواتب بالدولار مع تشتت سنوات الخبرة بالسنة)، أو عند مقارنة مجموعتين تختلفان اختلافاً جذرياً في مستوى النزعة المركزية (مثل مقارنة رواتب الموظفين المحليين برواتب الخبراء الدوليين). هنا يفقد الانحراف المعياري المطلق قدرته المقارنة، ويبرز معامل الاختلاف (Coefficient of Variation – CV) كمعيار نسبي موحد وخالٍ من وحدات القياس.

يُعرّف معامل الاختلاف بأنه النسبة المئوية للانحراف المعياري مقسوماً على المتوسط الحسابي، ويتم حسابه في إكسيل بصياغة المعادلة التالية وتنسيق الخلية كنسبة مئوية (Percentage):

=(STDEV.S(Table1[Monthly_Salary]) / AVERAGE(Table1[Monthly_Salary]))

تُمكّن قراءة معامل الاختلاف المحلل من تحديد درجة تجانس واستقرار الظاهرة المبحوثة بدقة؛ فكلما انخفضت قيمة CV (مثلاً أقل من 15%) دل ذلك على تجانس وتقارب شديد بين مشاهدات العينة، بينما تشير القيم المرتفعة لمعامل الاختلاف (التي تتجاوز 30% إلى 50%) إلى وجود تباين وتشتت نسبي واسع يقتضي تفكيك العينة إلى مجموعات فرعية أكثر تجانساً قبل الاستمرار في التحليلات التوكيدية.

6. تحليل شكل التوزيع واختبارات التماثل والتفرطح

6.1 قياس معامل الالتواء (Skewness)

يقيس معامل الالتواء (Skewness) درجة انعدام التماثل (Asymmetry) في توزيع البيانات حول متوسطها الحسابي؛ إذ يبين اتجاه وطول الذيل التوزيعي الممتد بعيداً عن المركز. يُحسب معامل الالتواء للعينة في إكسيل باستخدام دالة SKEW (بينما تُستخدم دالة SKEW.P لبيانات المجتمع الكلي):

=SKEW(Table1[Monthly_Salary])

تخضع قراءة قيمة الالتواء لمعايير إحصائية دقيقة تسترشد بالدلالات التالية:

  • التوزيع المتماثل (Symmetric): تكون القيمة مساوية للصفر تقريباً (أو تقع ضمن النطاق المقبول بين -0.5 و +0.5)، مما يشير إلى توزيع متطابق يتوسطه المتوسط والوسيط في نقطة واحدة.
  • الالتواء الموجب أو نحو اليمين (Positively Skewed / Right-skewed): تكون القيمة أكبر من +0.5 (وتعتبر التواءً شديداً إذا تجاوزت +1.0). يشير هذا إلى وجود ذيل طويل ممتد نحو القيم العالية، حيث يكون المتوسط الحسابي أكبر من الوسيط والمنوال.
  • الالتواء السالب أو نحو اليسار (Negatively Skewed / Left-skewed): تكون القيمة أقل من -0.5 (وتعتبر التواءً شديداً إذا قلت عن -1.0). يشير هذا إلى تركز أغلب البيانات في القيم المرتفعة مع امتداد الذيل نحو القيم المنخفضة، ويكون المتوسط أقل من الوسيط.

يساعد تحديد الالتواء المحلل في اختيار التحويلات الرياضية التصحيحية المناسبة للبيانات (مثل التحويل اللوغاريتمي Log Transformation) لاستعادة التماثل المطلوب قبل تطبيق نماذج الانحدار الخطي.

6.2 قياس معامل التفرطح (Kurtosis)

يقيس معامل التفرطح (Kurtosis) مدى حدة قمة منحنى التوزيع وسمك أطرافه (Tails) مقارنة بالتوزيع الطبيعي المعياري. وتجدر الإشارة المنهجية إلى أن دالة KURT في إكسيل لا تحسب التفرطح المطلق، بل تحسب ما يُعرف بـ “التفرطح الزائد” (Excess Kurtosis)، والذي يطرح القيمة 3 (وهي قيمة التفرطح للتوزيع الطبيعي) لتصبح نقطة الصفر هي المرجع المعياري:

=KURT(Table1[Monthly_Salary])

تُفسر نتائج دالة KURT وفق الأنماط التوزيعية الثلاثة المعروفة:

  • توزيع متوسط التفرطح (Mesokurtic): تقترب قيمة التفرطح الزائد من الصفر (0)، مما يعكس قمة وأطرافاً متطابقة في سلوكها الاحتمالي مع التوزيع الطبيعي المعياري.
  • توزيع مدبب التفرطح (Leptokurtic): تكون القيمة موجبة وأكبر من الصفر (+)، مما يعني تمتع التوزيع بقمة حادة وأطراف سميكة وثقيلة (Fat Tails)، وهو مؤشر إحصائي حاسم على ارتفاع احتمالية تولد القيم المتطرفة والشاذة النادرة.
  • توزيع مفلطح التفرطح (Platykurtic): تكون القيمة سالبة وأقل من الصفر (-)، مما يشير إلى قمة عريضة ومسطحة وأطراف رفيعة وخفيفة، مع انتشار متوازن للبيانات وانخفاض شديد في احتمالية ظهور القيم المتطرفة.

6.3 التقييم البصري والعددي للتوزيع الطبيعي

يُمثل التحقق من فرضية التوزيع الطبيعي (Normality) خطوة استكشافية حاسمة لتحديد ما إذا كان الباحث سيستخدم اختبارات إحصائية معلمية (Parametric Tests) مثل اختبار t وتحليل التباين، أو سيلجأ للاختبارات اللامعلمية المقاومة (Non-parametric Tests). يبدأ التقييم الأولي بمقارنة الفارق النسبي بين المتوسط والوسيط؛ فكلما تباعد الرقمان زادت الشكوك حول اعتدالية التوزيع.

تتمثل الخطوة التالية في تطبيق قاعدة التجريب الإحصائي الكلاسيكية (Empirical Rule 68-95-99.7) الخاصة بالتوزيعات الطبيعية، والتي تفترض أن:

  • حوالي 68.27% من المشاهدات تقع ضمن نطاق [المتوسط ± 1 انحراف معياري].
  • حوالي 95.45% من المشاهدات تقع ضمن نطاق [المتوسط ± 2 انحراف معياري].
  • حوالي 99.73% من المشاهدات تقع ضمن نطاق [المتوسط ± 3 انحرافات معيارية].

يمكن اختبار هذه القاعدة في إكسيل عبر تحويل القيم الأصلية إلى درجات معيارية (Z-Scores) عبر دالة STANDARDIZE في عمود مخصص:

=STANDARDIZE(E2, AVERAGE($E$2:$E$51), STDEV.S($E$2:$E$51))

ثم حساب النسبة الفعلية للمشاهدات التي تقع قيم Z المطلقة لها ضمن الحدود (1 و 2 و 3) باستخدام دالة COUNTIF، ومقارنة هذه النسب بالمعايير النظرية للوقوف بدقة على مدى اقتراب التوزيع الفعلي من التوزيع الغاوسي الطبيعي.

7. اكتشاف وتحليل القيم الشاذة والمتطرفة (Outlier Detection)

7.1 منهجية المدى الربيعي (Tukey’s IQR Method)

تُعد طريقة المدى الربيعي التي طورها جون توكي الطريقة الأكثر موثوقية وشيوعاً لاكتشاف القيم الشاذة في البيانات الحقيقية؛ لكونها لا تفترض مسبقاً أن البيانات تتبع التوزيع الطبيعي، وتعتمد كلياً على المقاييس الرتبية المقاومة. تقوم المنهجية على بناء حواجز أو حدود إحصائية (Fences) وهمية تحيط بالبيانات كما يلي:

  • الحد الأدنى الداخلي (Lower Inner Fence): Q1 - (1.5 * IQR)
  • الحد الأقصى الداخلي (Upper Inner Fence): Q3 + (1.5 * IQR)
  • الحدود الخارجية للقيم الشديدة (Outer Fences): Q1 - (3 * IQR) و Q3 + (3 * IQR)

يتم بناء صيغة شرطية مركبة في إكسيل لفحص كل قيمة في عمود الراتب وتحديد ما إذا كانت طبيعية أم شاذة معتدلة أم شاذة شديدة:

=IF(OR(E2 < ($H$2 - 1.5*$H$4), E2 > ($H$3 + 1.5*$H$4)), "Outlier", "Normal")

حيث تمثل الخلايا H2 وH3 وH4 قيم Q1 وQ3 وIQR على التوالي. كما يمكن تطبيق قاعدة تنسيق شرطي مخصصة عبر تظليل الصف بأكمله بلون مميز إذا تطابقت الخلية مع شرط الشذوذ؛ مما يتيح عزلاً بصرياً فورياً للمشاهدات التي تحتاج لمراجعة دقيقة.

7.2 منهجية الدرجات المعيارية (Z-Score Method)

تصلح طريقة الدرجات المعيارية (Z-Score Method) للاستخدام عندما تكون مجموعة البيانات متطابقة أو قريبة جداً من التوزيع الطبيعي المتماثل. تعبر الدرجة المعيارية عن المسافة التي تبعدها كل مشاهدة عن المتوسط الحسابي مقاسة بوحدات الانحراف المعياري. بعد حساب Z-Score لكل مشاهدة باستخدام دالة STANDARDIZE، يتم تطبيق المعيار الإحصائي الصارم الذي يعتبر أي مشاهدة تتجاوز قيمتها المطلقة 3 انحرافات معيارية (أي |Z| > 3) قيمة شاذة إحصائياً:

=IF(ABS(STANDARDIZE(E2, AVERAGE($E$2:$E$51), STDEV.S($E$2:$E$51))) > 3, "Outlier", "Normal")

تجدر الإشارة إلى أنه في العينات الصغيرة ذات التوزيعات الملتوية، قد تفشل طريقة Z-Score في رصد القيم الشاذة بسبب ما يُعرف بـ “أثر الإخفاء” (Masking Effect)، حيث تتسبب القيمة الشاذة الكبيرة نفسها في رفع قيمة المتوسط والانحراف المعياري المحسوبين، مما يقلل من الدرجة المعيارية المحسوبة لها، وهنا تتفوق طريقة IQR على طريقة Z-Score بلا منازع.

7.3 التعامل المنهجي والأكاديمي مع القيم المتطرفة

يحظر المنهج العلمي الصارم حذف أو استبعاد أي قيمة شاذة بصورة آلية ودون مبرر موضوعي موثق؛ إذ يجب أولاً إجراء تدقيق استكشافي لتصنيف مصدر الشذوذ:

  • أخطاء القياس والترميز (Data Entry / Measurement Errors): مثل إضافة صفر زائد سهواً أثناء كتابة الراتب (كتابة 50000 بدلاً من 5000)؛ وهذه القيم يجب تصحيحها بالرجوع للأصول أو استبعادها إن تعذر التحقق.
  • القيم الشاذة الطبيعية الناتجة عن التباين الحقيقي (True Variation): مثل تحقيق موظف عبقري لأرقام مبيعات خيالية؛ وهذه المشاهدات تمثل جزءاً أصيلاً من حقيقة الظاهرة وتوفر غالباً الرؤى التحليلية الأكثر أهمية، واستبعادها يُعد تزويراً لحقيقة الواقع المدروس.

في حال الرغبة في تحجيم الأثر المدمر للقيم المتطرفة على النماذج التنبؤية دون حذف الحالات وتقليص حجم العينة، نلجأ إلى تطبيق أسلوب “الوينسرة” (Winsorization)، حيث يتم تقييد القيم القصوى وتعديلها لتتساوى مع أعلى قيمة مسموح بها عند الحد المئوي 95 أو 99، وتعديل القيم الدنيا لتتساوى مع الحد المئوي 5 أو 1، ويمكن تطبيق ذلك في إكسيل باستخدام دالتي MIN و MAX مدمجتين مع دوال PERCENTILE.INC:

=MIN(MAX(E2, PERCENTILE.INC($E$2:$E$51, 0.05)), PERCENTILE.INC($E$2:$E$51, 0.95))

8. استخدام حزمة أدوات تحليل البيانات (Data Analysis ToolPak)

8.1 تفعيل وإعداد حزمة التحليل الإحصائي في إكسيل

تُمثل حزمة أدوات تحليل البيانات (Data Analysis ToolPak) إضافة برمجية مدمجة فائقة القوة ترفع من قدرات إكسيل الحسابية لتضاهي البرمجيات الإحصائية المتخصصة. نظراً لكون هذه الحزمة معطلة افتراضياً، يتم تفعيلها عبر الخطوات المنهجية التالية:

  • النقر على تبويب File (ملف) في الشريط العلوي، ثم اختيار Options (خيارات).
  • من القائمة الجانبية، الانتقال إلى قسم Add-ins (الوظائف الإضافية).
  • من القائمة المنسدلة في الأسفل بجانب خيار Manage، التأكد من اختيار Excel Add-ins ثم الضغط على زر Go….
  • في النافذة المنبثقة، تحديد خيار Analysis ToolPak بوضع علامة صح، ثم النقر على OK.

بمجرد اكتمال هذه الخطوات، سيظهر زر جديد يحمل اسم Data Analysis في أقصى يمين تبويب Data (بيانات)، ليمنح الباحث وصولاً فورياً إلى ترسانة من 19 أداة إحصائية متقدمة تشمل الإحصاء الوصفي، ومصفوفات الارتباط والتباين المشترك، وتوليد الأرقام العشوائية، والمدرجات التكرارية، واختبارات الفروق المعلمية.

8.2 توليد جدول الإحصاء الوصفي الشامل (Descriptive Statistics)

تُعد أداة الإحصاء الوصفي (Descriptive Statistics) داخل حزمة ToolPak الأداة المحورية لتلخيص المشهد الرقمي لأي متغير كمي في جدول واحد متكامل بدلاً من كتابة عشرات الدوال الفردية. لتوليد هذا الجدول، نتبع المسار الإجرائي التالي:

  • الضغط على زر Data Analysis واختيار Descriptive Statistics من القائمة.
  • في حقل Input Range، تحديد نطاق البيانات الرقمية المستهدفة (مثلاً $E$1:$E$51 مع تضمين رأس العمود).
  • تفعيل خيار Labels in first row لضمان استخدام اسم المتغير كعنوان في جدول المخرجات.
  • تحديد موضع المخرجات Output Range في ورقة العمل الحالية أو في ورقة جديدة.
  • تفعيل خيار Summary statistics، وخيار Confidence Level for Mean وضبطه عند 95% لتقدير فترة الثقة لمتوسط المجتمع.

يولد إكسيل جدولاً إحصائياً موحداً يحتوي على 14 مؤشراً إحصائياً شاملاً تشمل: المتوسط (Mean)، والخطأ المعياري (Standard Error)، والوسيط (Median)، والمنوال (Mode)، والانحراف المعياري (Standard Deviation)، وتباين العينة (Sample Variance)، والتفرطح الزائد (Kurtosis)، والالتواء (Skewness)، والمدى (Range)، والحد الأدنى (Minimum)، والحد الأقصى (Maximum)، والمجموع الكلي (Sum)، والعدد الإجمالي (Count)، وحدود فترة الثقة (Confidence Level).

8.3 إنشاء المدرجات التكرارية التلقائية (Histograms via ToolPak)

توفر حزمة التحليل أيضاً أداة كلاسيكية مخصصة لتوليد المدرجات التكرارية (Histogram) مع جداول التوزيع التكراري الدقيقة والنسب التراكمية. يتطلب تشغيل هذه الأداة بكفاءة تحديد مسبق لنطاق الفئات (Bin Range)؛ وهي مصفوفة عمودية ينشئها الباحث يدوياً تتضمن الحدود العليا لكل فئة تكرارية بناءً على المعايير الإحصائية لقسمة المدى على عدد الفئات المطلوب وفق معادلة ستورجس (Sturges’ Rule):

عدد الفئات = 1 + 3.322 * LOG10(n)

بعد إدخال حدود الفئات في عمود مستقل، نفتح أداة Histogram من قائمة Data Analysis، ونحدد نطاق البيانات الأصلية في Input Range ونطاق الفئات في Bin Range، ثم نفعّل خيار Cumulative Percentage وخيار Chart Output لتوليد المخطط البياني جنباً إلى جنب مع الجدول الرقمي المجدول الذي يحسب التكرارات المطلقة والنسب التراكمية، مما يمنح قراءة أولية فورية لاحتمالات التوزيع.

9. التمثيل البياني الاستكشافي للمتغير الفردي (Univariate Visualization)

9.1 المدرج التكراري (Histogram) وتحليل التوزيعات

يُمثل المدرج التكراري الأداة البصرية الأكثر فاعلية لاستكشاف شكل التوزيع الاحتمالي لمتغير كمي متصل بمفرده. تتيح الإصدارات الحديثة من إكسيل (بدءاً من إكسيل 2016 وما بعده) إدراج مدرج تكراري ديناميكي مباشر دون الحاجة لإنشاء جدول فئات وسيط، وذلك عبر تحديد عمود البيانات ثم التوجه إلى تبويب Insert ثم اختيار Statistical Chart ثم النقر على Histogram.

لضبط الدقة العلمية للمدرج، ننقر نقراً مزدوجاً على المحور الأفقي (X-Axis) لفتح نافذة Format Axis وتعديل خيارات تقسيم الفئات (Bins):

  • Bin Width (عرض الفئة): يتيح تحديد النطاق العددي الدقيق لكل عمود (مثلاً جعل عرض الفئة 1000 دولار في متغير الراتب).
  • Number of Bins (عدد الفئات): يتيح فرض عدد إجمالي محدد للأعمدة التكرارية لمراقبة تغير النمط البصري عند التجميع الموسع أو التفكيك الدقيق.
  • Underflow Bin & Overflow Bin: يتيح دمج القيم الطرفية الشاذة التي تقل عن حد معين أو تزيد عن حد محدد في فئات مجمعة عند أطراف المخطط.

يمكن من خلال المدرج التكراري رصد ما إذا كان التوزيع أحادي المنوال (Unimodal) يمتلك قمة واحدة مهيمنة، أو ثنائي المنوال (Bimodal) يمتلك قمتين منفصلتين تعكسان وجود مجتمعين فرعيين ممتزجين داخل العينة، فضلاً عن اكتشاف أي فجوات وانقطاعات مفاجئة في تسلسل البيانات قد تشير إلى مشكلات في عمليات الجمع والقياس الميداني.

9.2 مخطط الصندوق والساعدين (Box and Whisker Plot)

يُعد مخطط الصندوق والساعدين (Box and Whisker Plot) أحد أعظم الابتكارات المنهجية التي قدمها جون توكي؛ لكونه يختصر التلخيص الخمسي للبيانات (Five-Number Summary) في شكل هندسي بالغ التكثيف والدقة. يتضمن المخطط المكونات الهيكلية التالية:

  • جسم الصندوق (The Box): يمثل المدى الربيعي (IQR)، حيث يمثل حده السفلي الربيع الأول Q1، وحده العلوي الربيع الثالث Q3، ليحتوي الصندوق بداخله 50% من البيانات المركزية.
  • خط الوسيط وعلامة المتوسط: يقسم خط أفقي الصندوق عند قيمة الوسيط (Median)، بينما تظهر علامة (X) لتمثيل المتوسط الحسابي، ويتيح التقارب أو التباعد بينهما إدراكاً بصرياً فورياً للالتواء.
  • الساعدان أو الشاربان (The Whiskers): خطوط تمتد عمودياً من حافتي الصندوق لتصل إلى أصغر وأكبر قيمة تقع ضمن حدود التوزيع الطبيعي (1.5 * IQR).
  • نقاط القيم الشاذة (Outlier Points): تُرسم تلقائياً كنقاط منفصلة ومعزولة تقع خارج حدود الشاربين، مما يسهل رصدها وتحديد هويتها بصرياً.

لإنشاء هذا المخطط، نحدد المتغير الكمي ونختار Box and Whisker من قائمة المخططات الإحصائية. وتتعاظم فائدة هذا المخطط عند مقارنة توزيعات مجموعات متعددة؛ إذ يمكن تحديد عمودين معاً (عمود فئوي كالأقسام وعمود كمي كالرواتب) لتوليد صناديق مقارنة متجاورة تكشف تباين النزعة المركزية والتشتت والشذوذ بين الأقسام بوضوح لا نظير له.

9.3 المخططات الشريطية والدائرية للمتغيرات الفئوية

في حين تخضع المتغيرات الكمية للمدرجات التكرارية ومخططات الصندوق، تُعالج المتغيرات الفئوية والاسمية والرتبية بصرياً عبر المخططات الشريطية (Bar Charts) والمخططات العمودية (Column Charts). لإنشاء هذه المخططات بدقة، يتم أولاً تلخيص تكرارات كل فئة باستخدام دالة COUNTIF أو من خلال جدول محوري سريع، ثم إدراج مخطط شريطي ثنائي الأبعاد.

يقتضي المنهج العلمي السليم مراعاة قواعد الإخراج التالية:

  • ترتيب الفئات تنازلياً وفق تكراراتها (Pareto Order) لتسهيل القراءة والمقارنة السريعة بين الأوزان النسبية للفئات، باستثناء المتغيرات الرتبية التي يجب أن تحافظ على تسلسلها المنطقي (مثل: بكالوريوس، ماجستير، دكتوراه).
  • تجنب المخططات ثلاثية الأبعاد (3D Charts) والمؤثرات البصرية الزائدة والظلال المعقدة؛ لأنها تشوه الإدراك البصري للنسب وتضلل القارئ.
  • التعامل بحذر شديد مع المخططات الدائرية (Pie Charts)؛ إذ يجب قصر استخدامها على الحالات التي لا يتجاوز فيها عدد الفئات 3 إلى 5 فئات كحد أقصى وتكون الفروق بينها واضحة، مع كتابة النسب المئوية الصريحة على الشرائح دائماً؛ نظراً لأن العين البشرية تعجز عن التقدير الدقيق للمساحات الزاوية المتقاربة مقارنة بالأطوال الخطية للأعمدة.

10. استكشاف العلاقات الثنائية والارتباط بين المتغيرات (Bivariate EDA)

10.1 مخطط الانتشار (Scatter Plot) وخط الاتجاه العام

يُعد مخطط الانتشار (Scatter Plot) الأداة الاستكشافية الأولى لفحص طبيعة وقوة وشكل العلاقة الاقترانية بين متغيرين كميين مستمرين (مثل العلاقة بين سنوات الخبرة ومستوى الراتب الشهري). يتم إنشاؤه عبر تحديد العمودين معاً، واختيار Scatter من تبويب Insert.

يُمكّن مخطط الانتشار المحلل من رصد الأنماط الهندسية الكامنة للعلاقة:

  • علاقة خطية موجبة (Positive Linear): حيث تتزايد قيم المتغير التابع بالتوازي مع تزايد قيم المتغير المستقل.
  • علاقة خطية سالبة (Negative Linear): حيث تتناقص قيم المتغير التابع مع ارتفاع قيم المتغير المستقل.
  • علاقة غير خطية أو منحنية (Curvilinear / U-shaped): حيث تأخذ النقاط شكل منحنى جيبي أو قطعي، وهي علاقات تفشل معاملات الارتباط الخطية التقليدية في تقديرها بدقة.
  • انعدام العلاقة (No Correlation): حيث تتبعثر النقاط كغمامة عشوائية دائرية لا تشير إلى أي مسار منتظم.

لتعزيز القيمة التفسيرية للمخطط، ننقر بزر الفأرة الأيمن على نقاط البيانات ونختار Add Trendline، ونحدد خط الاتجاه الخطي (Linear)، ونفعّل خيارين جوهريين في أسفل القائمة: Display Equation on chart لإظهار معادلة خط الانحدار، و Display R-squared value on chart لإظهار معامل التحديد ($R^2$) الذي يبين النسبة المئوية للتباين في المتغير التابع التي يفسرها المتغير المستقل.

كما يتيح مخطط الانتشار كشف ما يُعرف بـ “القيم الشاذة ثنائية المتغير” (Bivariate Outliers)؛ وهي مشاهدات قد لا تكون متطرفة في أي من المتغيرين إذا أُخذا كل على حدة، ولكنها تبتعد بشكل شاذ وصارخ عن خط الاتجاه العام الذي يربطهما معاً.

10.2 حساب مصفوفة الارتباط الخطي (Correlation Matrix)

يُمثل معامل ارتباط بيرسون (Pearson Correlation Coefficient – r) المقياس المعياري الرياضي لقوة واتجاه الارتباط الخطي بين متغيرين كميين، وتتراوح قيمته دائماً بين -1.0 (ارتباط عكسي تام) و +1.0 (ارتباط طردي تام)، في حين تشير القيمة 0 إلى انعدام تام للارتباط الخطي. يُحسب الارتباط الزوجي في إكسيل عبر دالة CORREL:

=CORREL(Table1[Years_Experience], Table1[Monthly_Salary])

عندما تشتمل مجموعة البيانات على متغيرات كمية متعددة، يصبح حساب الارتباطات الفردية أمراً مضنياً؛ وهنا نلجأ إلى أداة Correlation المتاحة في حزمة Data Analysis ToolPak لتوليد مصفوفة ارتباط متكاملة (Correlation Matrix) بضغطة زر واحدة، وذلك بتحديد نطاق كافة الأعمدة الرقمية وتصدير المصفوفة المتقاطعة إلى جدول مستقل.

لتحويل هذه المصفوفة الرقمية الجافة إلى خريطة حرارية تفاعلية استكشافية (Correlation Heatmap)، نحدد قيم المصفوفة ونطبق التنسيق الشرطي Color Scales باختيار تدرج لوني ثلاثي (أخضر للأرقام الموجبة المرتفعة القريبة من +1، وأبيض للقيم الصفرية، وأحمر للقيم السالبة القريبة من -1)؛ مما يمنح المحلل مسحاً بصرياً فورياً يبرز أقوى الارتباطات في ثوانٍ معدودة.

يجب التذكير دوماً بالقاعدة الإبستمولوجية المركزية في علم الإحصاء: “الارتباط لا يعني السببية” (Correlation does not imply Causation)؛ فوجود ارتباط إحصائي وثيق بين متغيرين لا يثبت بالضرورة أن أحدهما يسبب الآخر، إذ قد يكون الارتباط ناتجاً عن الصدفة المحضة أو مدفوعاً بمتغير ثالث خفي ومربك (Confounding Variable).

10.3 استكشاف الفروق بين المجموعات (Categorical vs. Numeric)

ينطوي التحليل ثنائي المتغير في كثير من الأحيان على دراسة العلاقة بين متغير نوعي فئوي (مستقل) ومتغير كمي نسبي (تابع)؛ كاستكشاف ما إذا كانت مستويات الرواتب تختلف جوهرياً باختلاف الأقسام الوظيفية أو المؤهلات التعليمية. يتم إجراء هذا الفحص الاستكشرافي التمهيدي عبر بناء مخططات الأعمدة المجمعة لمتوسطات الفئات مدعومة بخطوط أشرطة الخطأ المعياري (Error Bars).

كما يُعد استخدام مخططات الصندوق المتعددة المقارنة (Comparative Box Plots) الأسلوب الأمثل للتحقق البصري المسبق من تجانس التباينات بين المجموعات (Homogeneity of Variances / Homoscedasticity)؛ وهو الشرط الأساسي الذي تتطلبه اختبارات تحليل التباين الكلاسيكية (ANOVA).

إذا أظهرت المخططات الصندوقية تفاوتاً هائلاً في أطوال الصناديق والشاربين بين مجموعة وأخرى (أي أن تشتت إحدى الفئات يتجاوز تشتت الفئات الأخرى بعدة أضعاف)، فإن ذلك يقدم دليلاً استكشافياً مبكراً على انتهاك فرض تجانس التباين، مما يوجه المحلل لاعتماد نماذج بديلة مثل اختبار ولش (Welch’s ANOVA) أو استخدام تحويلات الاستقرار الرياضية المناسبة.

11. التحليل متعدد المتغيرات باستخدام الجداول المحورية (Pivot Tables)

11.1 إنشاء وهيكلة الجداول المحورية لاستكشاف البيانات

تُمثل الجداول المحورية (Pivot Tables) المحرك الأكثر مرونة وقوة داخل إكسيل لاستكشاف التفاعلات المعقدة بين متغيرات متعددة في آن واحد دون الحاجة لكتابة كود برمجي أو دوال شرطية متداخلة. لإنشاء جدول محوري، نحدد أي خلية داخل جدول البيانات الرسمي، ونتوجه إلى Insert ثم نختار PivotTable.

تعتمد قوة الاستكشاف على التوزيع الاستراتيجي للمتغيرات بين الحقول الأربعة الرئيسية:

  • Rows (الصفوف): نضع فيها المتغير الفئوي الأساسي (مثل: Department).
  • Columns (الأعمدة): نضع فيها المتغير الفئوي الثانوي المقارن (مثل: Education_Level).
  • Values (القيم): نضع فيها المتغير الكمي المستهدف (مثل: Monthly_Salary).
  • Filters (عوامل التصفية): نضع فيها المتغيرات الديموغرافية لتقييد التحليل وفق شرائح محددة.

يمكن تعديل نوع التلخيص الحسابي في حقل القيم بالنقر على Value Field Settings والتبديل بين: المجموع (Sum)، أو المتوسط الحسابي (Average)، أو العدد (Count)، أو الانحراف المعياري (StdDev)؛ مما يتيح فحصاً متعدد الأوجه للمقاييس الإحصائية المجمعة لكل خلية تقاطع بين الفئات.

كما تتيح ميزة التجميع (Grouping) في الجداول المحورية تجميع المتغيرات الرقمية المستمرة (مثل سنوات الخبرة) في فئات متساوية (مثلاً: 1-5، 6-10، 11-15 سنة) أو تجميع التواريخ إلى أرباع وسنوات بمجرد النقر بزر الفأرة الأيمن واختيار Group؛ مما يسهم في تلخيص الأنماط العامة لقطاعات عريضة من البيانات.

11.2 عرض القيم كنسب مئوية وحسابات مخصصة

تتجاوز قدرات الجداول المحورية مجرد حساب القيم المطلقة لتشمل إجراء تحليلات نسبية معمقة تكشف عن التوزيعات الاحتمالية المشتركة والشرطية عبر ميزة Show Values As. يمكن الوصول إلى هذه الخاصية بالنقر بزر الفأرة الأيمن على أي رقم داخل الجدول المحوري واختيار الخيارات التالية:

  • % of Row Total: لحساب النسبة المئوية لكل فئة تعليمية داخل كل قسم بشكل مستقل، مما يوضح التركيبة الهيكلية للعمالة في كل إدارة.
  • % of Column Total: لحساب التوزيع النسبي للأقسام داخل كل مستوى تعليمي، مما يوضح أين يتركز حملة الدكتوراه أو الماجستير في الشركة.
  • % of Grand Total: لحساب الوزن النسبي لكل خلية تقاطع ثنائية من إجمالي حجم العينة الكلية للدراسة.
  • Difference From: لحساب مقدار الزيادة أو النقصان في متوسط الرواتب مقارنة بقسم مرجعي محدد كخط أساس.

كما يمكن اشتقاق مؤشرات إحصائية جديدة ومقاييس نسبية مركبة عبر ميزة “الحقول المحسوبة” (Calculated Fields) المتاحة من تبويب PivotTable Analyze ثم Fields, Items, & Sets؛ مما يتيح كتابة صيغ رياضية مخصصة تُطبق على البيانات المجمعة لحظياً.

11.3 استخدام المقسمات والمخططات المحورية (Slicers & Pivot Charts)

تتحول عملية التحليل الاستكشافي إلى تجربة تفاعلية ديناميكية بالغة الكفاءة عند دمج الجداول المحورية مع أدوات تقطيع البيانات (Slicers) والمخططات المحورية (Pivot Charts). تعمل المقسمات كلوحات تصفية بصرية بأزرار تفاعلية تتيح عزل وفحص مجموعات بيانات فرعية بنقرة واحدة.

لربط المنظومة بالكامل وبناء لوحة تحكم استكشافية مصغرة (EDA Mini-Dashboard) داخل إكسيل، نتبع الآتي:

  • إدراج مقسمات لمتغيرات الأقسام ومستويات التعليم عبر خيار Insert Slicer.
  • إنشاء مخططات محورية بيانية متصلة مباشرة بالجداول المحورية عبر PivotChart.
  • ربط المقسمات بكافة الجداول والمخططات المحورية في ورقة العمل من خلال النقر بزر الفأرة الأيمن على المقسم واختيار Report Connections وتحديد كافة الجداول المتاحة.

بمجرد اكتمال هذا الربط، يصبح بإمكان الباحث والمحلل الضغط على أي قسم وظيفي أو مؤهل تعليمي داخل المقسم؛ لتتحدث كافة الجداول والمخططات والمؤشرات الإحصائية في لوحة التحكم لحظياً؛ مما يتيح اختبار سيناريوهات استكشافية متعددة واستخراج الرؤى المعقدة بسرعة ودون جهد.

12. الاعتبارات المنهجية وأفضل الممارسات في توثيق التحليل الاستكشافي

12.1 توثيق خطوات وإجراءات تنظيف وفحص البيانات

تُعد قابلية التكرار وإعادة الإنتاج (Reproducibility) أحد الأركان الجوهرية للنزاهة الأكاديمية والبحثية؛ ولذلك يحظر إجراء أي تعديل عشوائي غير موثق على البيانات دون تسجيل تفاصيله بدقة. يجب على المحلل إنشاء ورقة عمل مخصصة باسم Data_Dictionary_&_Log تتضمن سجلاً تفصيلياً لكافة مراحل المعالجة والتحويلات الإحصائية المنفذة.

يجب أن يشتمل سجل التوثيق الإحصائي على العناصر التالية:

  • تاريخ وتوقيت كل عملية تنظيف أو تحويل أُجريت على البيانات.
  • الاسم الصريح للمتغير المعدل، والدافع المنهجي وراء التعديل (مثل: وجود قيم مفقودة، أو معالجة التواء شديد).
  • الصيغ الرياضية والمعادلات الدقيقة المستخدمة في الاشتقاق والتعويض.
  • إجمالي عدد الحالات التي تأثرت بالإجراء ونسبتها المئوية من حجم العينة الكلي.

كما يُنصح بشدة بإدراج تعليقات توضيحية خلوية (Cell Comments & Notes) داخل بيئة إكسيل فوق رؤوس الأعمدة والصيغ الحسابية المركبة؛ لضمان وضوح المعالجات لأي مراجع خارجي أو باحث شريك في الفريق العلمي.

12.2 صياغة تقرير التحليل الاستكشافي الأكاديمي

يُمثل تقرير التحليل الاستكشافي للبيانات الوثيقة التأسيسية التي تُبنى عليها كافة المراحل اللاحقة في مشاريع البحث والتحليل المالي والتشغيلي. يجب أن يُهيكل التقرير وفق معايير الكتابة العلمية الرصينة، بحيث يتضمن الأقسام المنهجية التالية:

  • ملخص هيكل البيانات (Dataset Overview): توصيف شامل لحجم العينة، وعدد المتغيرات، وأنواع القياس (اسمي، رتبي، فئوي، نسبي)، ومعدلات اكتمال البيانات ونسب الفقد.
  • جدول الإحصاءات الوصفية المركزية (Summary Statistics Table): جدول مجمع وفق المعايير الأكاديمية (مثل دليل جمعية علم النفس الأمريكية APA) يشتمل على المتوسط، الانحراف المعياري، الوسيط، المدى الربيعي، ومعاملي الالتواء والتفرطح لكل متغير كمي.
  • الملاحظات البصرية الاستكشافية (Visual Insights): إدراج المخططات الأكثر دلالة فقط (مثل المخططات الصندوقية المقارنة ومصفوفة الارتباط الحرارية) مع تعليق تحليلي ناقد يفسر الظواهر المرصودة دون إطناب وصفي مجرد.
  • قائمة الفرضيات المقترحة (Generated Hypotheses): صياغة دقيقة للفرضيات البحثية التي انبثقت عن عملية الاستكشاف، وتحديد الاختبارات التوكيدية ونماذج الانحدار المقترح تطبيقها للتحقق منها لاحقاً.
  • القيود المنهجية (Methodological Limitations): مناقشة شفافة لمحدودية حجم العينة، والتحيزات المحتملة في طريقة جمع البيانات، وتأثير عمليات التعويض على تباين المتغيرات.

12.3 المحاذير الإحصائية وتجنب التحيزات الشائعة

تنطوي مرحلة استكشاف البيانات على مخاطر منهجية جسيمة إذا أُسيء استخدام مرونتها؛ وعلى رأس هذه المخاطر ممارسة ما يُعرف بـ “التنقيب غير المبرر في البيانات” أو “صيد الدلالة الإحصائية” (Data Dredging / P-hacking)، حيث يقوم المحلل باختبار مئات العلاقات المتقاطعة عشوائياً حتى يعثر بالصدفة البحتة على علاقة تبدو دالة إحصائياً عند مستوى دلالة $p < 0.05$، ثم يقوم بصياغة فرضية بأثر رجعي لتبدو وكأنها كانت الهدف الأصلي للدراسة (HARKing – Hypothesizing After the Results are Known).

كما يجب الحذر من التحيزات الإدراكية التالية:

  • تحيز التأكيد (Confirmation Bias): الميل النفسي للتركيز فقط على المخططات والعلاقات التي تؤيد توقعات الباحث المسبقة أو تطلعات الإدارة، وإهمال أو استبعاد النتائج المتناقضة التي تظهرها البيانات بوضوح.
  • التعميم الزائد من الملاحظات البصرية (Over-interpreting Visual Artifacts): بناء استنتاجات قاطعة بناءً على شكل مدرج تكراري أو مخطط انتشار دون التحقق من الدلالة الرياضية والخطأ المعياري المحيط بالتقدير؛ فالرسوم الاستكشافية وُجدت لتوليد الأسئلة لا لتقديم الأحكام النهائية.
  • التعديل الانتقائي للقيم الشاذة (Selective Outlier Removal): استبعاد المشاهدات المتطرفة التي تضعف النماذج فقط والإبقاء على المشاهدات المتطرفة التي تعزز قوة العلاقات؛ وهو سلوك يخل بقواعد الأمانة والنزاهة العلمية المعترف بها دولياً.

خاتمة شاملة

يُمثل التحليل الاستكشافي للبيانات (EDA) في جوهره فلسفة منهجية متكاملة قبل أن يكون مجرد مجموعة من الأدوات التقنية؛ إنه حوار علمي رصين بين الباحث والبيانات الخام، يتطلب حساً نقدياً يقظاً ورغبة صادقة في فهم الواقع كما تصوره الأرقام لا كما نشتهيه في افتراضاتنا النظرية. لقد أثبتنا عبر هذا الدليل التطبيقي الشامل أن برنامج مايكروسوفت إكسيل، عند استخدامه بمنهجية إحصائية محكمة، يوفر بيئة استكشافية متكاملة تضاهي أعتى الأدوات البرمجية، وتمنح المحلل القدرة على تنظيف البيانات، وحساب معالم التوزيع، ورصد الانحرافات والشذوذ، وسبر أغوار العلاقات المعقدة بين المتغيرات بصورة مرئية وعددية فائقة الدقة.

إن إتقان هذه المهارات الاستكشافية داخل إكسيل يشكل الأساس المتين الذي ينطلق منه الباحث نحو آفاق التحليل المتقدم وبناء النماذج التنبؤية المعقدة بأعلى درجات الثقة والموثوقية العلمية؛ مما يجعل من مخرجات التحليل ركيزة صلبة لاتخاذ القرارات الاستراتيجية وصياغة المعرفة البحثية الرصينة.

المراجع (References)

اقتباس هذا المقال

looti, M. (2026, سبتمبر 1). كيفية إجراء التحليل الاستكشافي للبيانات في إكسيل. عرب سايكلوجي. https://arabpsychology.com/statistics/how-to-perform-exploratory-data-analysis-in-excel/
looti, Mohammed. “كيفية إجراء التحليل الاستكشافي للبيانات في إكسيل.” عرب سايكلوجي, 1 سبتمبر 2026, https://arabpsychology.com/statistics/how-to-perform-exploratory-data-analysis-in-excel/.
looti, Mohammed. “كيفية إجراء التحليل الاستكشافي للبيانات في إكسيل.” عرب سايكلوجي. سبتمبر 1, 2026. https://arabpsychology.com/statistics/how-to-perform-exploratory-data-analysis-in-excel/.