كيفية إجراء اختبار كروسكال واليس في إكسيل

يحتل التحليل الإحصائي الاستدلالي مكانة محورية في معالجة الظواهر الإنسانية والسلوكية، حيث يسعى الباحثون والدارسون إلى اختبار الفرضيات واستخلاص الاستنتاجات العلمية الدقيقة من العينات التجريبية والوصفية. وفي إطار العلوم النفسية والاجتماعية والتربوية، غالباً ما يواجه الباحث تحدياً جوهرياً يتمثل في طبيعة البيانات المجمعة؛ إذ كثيراً ما تأتي في صورة رتبية (مثل مقاييس ليكرت) أو تتوزع على نحو يبتعد تماماً عن التوزيع الطبيعي الاعتدالي، فضلاً عن احتمالية صغر حجم العينات ووجود قيم متطرفة شاذة. في مثل هذه السياقات، تفقد الاختبارات المعلمية التقليدية—وعلى رأسها تحليل التباين أحادي الاتجاه (One-Way ANOVA)—صلاحيتها الإحصائية وقوتها الاستدلالية، مما يستوجب اللجوء إلى البدائل اللامعلمية المتينة التي لا تفترض شكلاً توزيعياً محدداً للمجتمع الأصلي.

يبرز اختبار كروسكال واليس (Kruskal-Wallis Test) كأحد أهم وأقوى الاختبارات اللامعلمية المتاحة لمقارنة ثلاثة مجتمعات إحصائية مستقلة أو أكثر. يهدف هذا الاختبار إلى فحص ما إذا كانت العينات المستقلة مسحوبة من مجتمعات ذات توزيعات متطابقة أو وسائط متساوية، معتمداً على تحويل الدرجات الخام إلى رتب تصاعدية مشتركة تلغي التأثير المشوه للقيم الشاذة. ورغم أن الحزم الإحصائية البرمجية الجاهزة توفر أدوات سريعة لإجراء هذا الاختبار، فإن تنفيذ اختبار كروسكال واليس خطوة بخطوة داخل بيئة مايكروسوفت إكسيل (Microsoft Excel) يمنح الباحث فهماً عميقاً للآليات الرياضية الكامنة خلف إحصائية الاختبار، ويعزز قدرته على تدقيق البيانات وتفسير النتائج بصورة علمية رصينة.

يقدم هذا الدليل المنهجي الشامل دليلاً تطبيقياً ونظرياً متكاملاً لإجراء اختبار كروسكال واليس في مايكروسوفت إكسيل دون الحاجة إلى إضافات برمجية معقدة. سنستعرض عبر هذا المقال الأسس النظرية والرياضية للاختبار، وشروط تطبيقه في الأبحاث السلوكية والنفسية، وتفكيك المعادلات الحسابية الدقيقة لإحصائية H المصححة للرتب المكررة، مروراً بالهيكلة المتقدمة للجداول، وبناء الدوال المخصصة لحساب الرتب والمجاميع والدلالة الإحصائية (p-value)، وصولاً إلى إجراء المقارنات البعدية، وتصميم المخططات الصندوقية التوضيحية، وصياغة التقارير الإحصائية وفق أحدث معايير جمعية علم النفس الأمريكية (APA 7th Edition).

1. مقدمة شاملة لاختبار كروسكال واليس (Kruskal-Wallis Test) وأهميته الإحصائية

1.1 المفهوم الإحصائي لاختبار كروسكال واليس

يُعرَّف اختبار كروسكال واليس بأنه اختبار استدلالي لامعلمي (Non-parametric Test) يُستخدم لتقييم الفروق الإحصائية بين ثلاث مجموعات مستقلة أو أكثر من البيانات الكمية أو الترتيبية. طُوِّر هذا الاختبار في مطلع خمسينيات القرن العشرين على يد عالمي الإحصاء ويليام كروسكال (William Kruskal) ودبليو ألين واليس (W. Allen Wallis) عام 1952، ليُمثل امتداداً مباشراً لاختبار مان-ويتني (Mann-Whitney U Test) الخاص بعينتين مستقلتين، ونظيراً لامعلمياً لاختبار تحليل التباين أحادي الاتجاه المعلمي (One-Way ANOVA).

تقوم الفلسفة الإحصائية للاختبار على فكرة “الاستبدال الرتبي”؛ حيث تُدمج كافة مشاهدات المجموعات المختلفة في وعاء تحليلي واحد وتُرتّب تصاعدياً من الأصغر إلى الأكبر بغض النظر عن انتمائها الفئوي. تُستبدل القيم الخام برتبها المتسلسلة (Ranks)، ثم يُعاد فرز هذه الرتب وفقاً للمجموعات الأصلية. إذا كانت الفرضية الصفرية صحيحة وتتساوى المجتمعات في خصائصها التوزيعية، فإن متوسطات الرتب لكل مجموعة ستتقارب حول القيمة المتوقعة الناتجة عن التوزيع العشوائي التام. أما إذا تباينت متوسطات الرتب بين المجموعات تبياناً جوهرياً يفوق ما يُعزى إلى الصدفة وأخطاء المعاينة، فإن الاختبار يرفض الفرضية الصفرية، مؤكداً وجود فروق ذات دلالة إحصائية في التوزيع التراكمي للمجموعات المدروسة.

يحتل الاختبار موقعاً استراتيجياً في منظومة الإحصاء الاستدلالي الحديث؛ إذ يُمكّن الباحثين من تجاوز قيود الافتراضات الصارمة للتوزيع الطبيعي، موفراً وسيلة تقييم متينة تركز على الموضع التوزيعي ومقارنة الوسائط الإحصائية (Medians) عند تماثل أشكال التوزيع، وهو ما يجعله أداة قياسية لا غنى عنها في مختلف فروع العلوم الإنسانية والبيولوجية والطبية.

1.2 المقارنة بين كروسكال واليس وتحليل التباين أحادي الاتجاه (ANOVA)

تشترك كلتا الأداتين—كروسكال واليس وتحليل التباين أحادي الاتجاه—في الهدف العام للتصميم التجريبي؛ فكلاهما مصمم لمقارنة متغير تابع عبر ثلاثة مستويات أو أكثر لمتغير تصنيفي مستقل في تصميم المجموعات المستقلة (Between-Subjects Design). ومع ذلك، تتجلى فروق جوهرية على مستوى البنية الرياضية، والافتراضات المنهجية، وطبيعة الفرضيات الإحصائية المختبرة.

يعتمد اختبار ANOVA المعلمي على مقارنة التباين بين المجموعات بالتباين داخل المجموعات عبر استخدام المتوسطات الحسابية والانحرافات المعيارية كمؤشرات مركزية وتشتتية. يتطلب هذا الاختبار افتراضات صارمة تشمل: التوزيع الطبيعي للبيانات في كل مجموعة، وتجانس التباين (Homogeneity of Variance)، ومستوى قياس فئوي أو نسبي مستمر. في المقابل، يتخلى اختبار كروسكال واليس عن متطلب التوزيع الطبيعي ومتطلب القياس المستمر، مكتفياً بمستوى القياس الترتيبي، ويعتمد على مجموع الرتب ومتوسطاتها بدلاً من المتوسطات الحسابية.

تتمثل الميزة الاستراتيجية لاختبار كروسكال واليس في مرونته العالية وصلابته (Robustness) ضد انتهاك الافتراضات المعلمية. فبينما يفقد اختبار ANOVA دقته الإحصائية وترتفع فيه احتمالية الوقوع في الخطأ من النوع الأول (Type I Error) أو تراجع القوة الإحصائية (Statistical Power) عند وجود التواء شديد في البيانات أو تباين غير متجانس مقرون بأحجام عينات غير متساوية، يحافظ اختبار كروسكال واليس على استقراره الدلالي، مما يجعله الخيار الأكثر أماناً وموثوقية في معالجة البيانات غير المثالية.

1.3 متى نلجأ للاختبارات اللامعلمية في البحوث النفسية والسلوكية

تتميز البحوث النفسية والسلوكية والتربوية بخصوصية منهجية ترتبط بأدوات القياس وطبيعة المتغيرات المقاسة. تتطلب هذه الخصوصية تطبيق أدوات إحصائية متطابقة مع طبيعة الظاهرة السلوكية، وتبرز الحاجة إلى اختبار كروسكال واليس والاختبارات اللامعلمية في الحالات الآتية:

• البيانات الترتيبية ومقاييس ليكرت (Likert Scales): تعتمد معظم الاستبانات والمقاييس النفسية على تدريجات رتبية (مثل: موافق بشدة، موافق، محايد، غير موافق، غير موافق بشدة). وعلى الرغم من شيوع معاملة هذه الدرجات كبيانات فئوية في بعض التطبيقات، فإن المسافات الفاصلة بين الخيارات ليست متساوية رياضياً بالضرورة، مما يجعل التحليل الرتبي عبر اختبار كروسكال واليس أكثر اتساقاً من الناحية المنهجية.
• صغر حجم العينات السريرية والتجريبية: في الدراسات الإكلينيكية وعلم النفس العصبي، قد يصعب تجنيد عينات ضخمة نظراً لندرة الحالات أو ارتفاع تكلفة الفحوصات والبرامج العلاجية. ومع عينات صغيرة (مثل 5 إلى 10 مفحوصين في كل مجموعة)، يتعذر التحقق الموثوق من اعتدالية التوزيع الإحصائي بواسطة اختبارات مثل شابيرو-ويلك (Shapiro-Wilk)، مما يجعل الاختبارات اللامعلمية حلاً مثالياً يضمن تجنب القرارات الخاطئة.
• وجود قيم متطرفة شاذة (Outliers): تتأثر المتوسطات الحسابية في اختبار ANOVA بالقيم المتطرفة الناتجة عن استجابات غير نمطية لبعض المفحوصين، مما يسفر عن تضخيم التباين وتشويه النتائج. ونظراً لأن اختبار كروسكال واليس يستبدل الأرقام الخام برتب تسلسلية، فإن القيمة الشاذة تأخذ ببساطة أعلى رتبة (مثل الرتبة 30 في عينة من 30 فرداً)، بغض النظر عن مدى ابتعاد قيمتها المطلقة عن بقية الدرجات، مما يُبطل أثرها المشوه.

2. الافتراضات والشروط المنهجية لتطبيق اختبار كروسكال واليس

2.1 صياغة الفرضيات الإحصائية بدقة علمية

تعتمد الصياغة الدقيقة للفرضيات الإحصائية في اختبار كروسكال واليس على الهدف البحثي والشكل التوزيعي للبيانات المقاسة. تُصاغ الفرضيات في صورتها العامة الشاملة بدلالة التوزيعات التراكمية، وفي صورتها المقيدة بدلالة الوسائط الإحصائية.

في الحالة العامة، تُحدد الفرضية الصفرية (Null Hypothesis – H0) والفرضية البديلة (Alternative Hypothesis – H1) على النحو التالي:

• الفرضية الصفرية (H0): كافة المجتمعات الإحصائية المستقلة (k من المجموعات) متطابقة في التوزيع؛ أي أن المشاهدات في كل مجموعة مسحوبة من مجتمع له نفس دالة التوزيع التراكمي:
  H0: F1(x) = F2(x) = … = Fk(x) لجميع قيم x.
• الفرضية البديلة (H1): يختلف مجتمع إحصائي واحد على الأقل في توزيعه التراكمي عن بقية المجتمعات؛ مما يعني ميل إحدى المجموعات إلى إنتاج قيم أعلى أو أدنى رتبياً مقارنة بالمجموعات الأخرى.

أما إذا كانت التوزيعات التكرارية للمجموعات تمتلك أشكالاً متماثلة هندسياً (نفس درجات الالتواء والتفرطح والتشتت)، فإن الفرضية تُصاغ بدقة لمقارنة وسائط المجموعات (Medians):

• الفرضية الصفرية (H0): تتساوى وسائط كافة المجموعات المستقلة (Median 1 = Median 2 = … = Median k).
• الفرضية البديلة (H1): يوجد وسيط لمجموعة واحدة على الأقل يختلف جوهرياً عن وسائط المجموعات الأخرى.

2.2 متطلبات تصميم التجربة واستقلالية المشاهدات

يشترط اختبار كروسكال واليس توافر عدد من المعايير التصميمية لضمان سلامة الاستدلال الإحصائي وصلاحية النتائج المستخلصة:

أولاً، استقلالية المشاهدات (Independence of Observations): يُعد هذا الشرط أهم افتراض غير قابل للتفاوض في الاختبار؛ إذ يجب أن تكون كل مشاهدة مستقلة تماماً عن أي مشاهدة أخرى، سواء داخل المجموعة نفسها أو عبر المجموعات المختلفة. يعني ذلك عدم جواز استخدام هذا الاختبار في تصاميم القياسات المتكررة (Repeated Measures) أو العينات المترابطة (Matched Pairs)؛ حيث يُستخدم في تلك الحالات اختبار فريدمان (Friedman Test). كما ينبغي التأكد من أن استجابة أي مفحوص لا تؤثر بأي شكل على استجابة مفحوص آخر داخل البيئة التجريبية.

ثانياً، طبيعة المتغير المستقل (Independent Variable): يجب أن يكون المتغير المستقل متغيراً نوعياً تصنيفياً (Categorical/Nominal) يحتوي على ثلاثة مستويات مستقلة أو أكثر (k ≥ 3). إذا كان المتغير المستقل يتضمن مستويين فقط، فإن الاختبار يؤول رياضياً إلى اختبار مان-ويتني.

ثالثاً، طبيعة المتغير التابع (Dependent Variable): يشترط أن يكون المتغير التابع مقاساً على الأقل وفق مستوى قياس ترتيبي (Ordinal Scale)، مثل التقييمات الرتبية ومقاييس ليكرت، أو مستوى قياس كمي مستمر فئوي/نسبي (Interval/Ratio) تعذر تطبيق الاختبارات المعلمية عليه لعدم تحقق شرط التوزيع الطبيعي.

2.3 فحص تماثل الأشكال التوزيعية للمجموعات

يرتبط التفسير الرياضي الدقيق لنتائج كروسكال واليس بطبيعة الأشكال التوزيعية (Distributional Shapes) للمجموعات المقارنة. إذا أظهرت الرسوم البيانية كالمخططات الصندوقية أو منحنيات الكثافة التكرارية تشابهاً واضحاً في شكل التوزيع والانتشار والالتواء بين المجموعات المقارنة، فإن الفروق الإحصائية المكتشفة تُعزى بصورة مباشرة ومطلقة إلى وجود فروق في “وسائط المجموعات” (Differences in Medians).

على العكس من ذلك، إذا كانت التوزيعات متباينة في أشكالها؛ كأن يكون توزيع المجموعة الأولى ملتflag-ياً التواءً موجباً شديداً، بينما توزيع المجموعة الثانية متماثل، وتوزيع المجموعة الثالثة ملتflag-ياً التواءً سالباً، فإن اختبار كروسكال واليس لا يقارن الوسائط حصراً، بل يقيم الفروق الشاملة في التوزيع التراكمي ومتوسطات الرتب (Mean Ranks). في هذا السياق، يجب على الباحث تجنب تقرير الفروق بدلالة الوسائط، والتركيز على تقرير متوسطات الرتب واتجاهاتها التراكمية، مع الإشارة المنهجية إلى تباين الأشكال التوزيعية للعينات.

3. الأساس الرياضي لحساب إحصائية الاختبار (H-Statistic)

3.1 تفكيك المعادلة الحسابية لإحصائية H

تعتمد إحصائية كروسكال واليس، والتي يُرمز لها بالرمز الإحصائي القياسي H، على تلخيص التباين بين مجاميع الرتب المرصودة في كل مجموعة مقارنة بالقيم المتوقعة بموجب الفرضية الصفرية. تتحدد الصيغة الرياضية الأساسية لإحصائية H غير المصححة بالمعادلة التالية:

H = [ 12 / (N * (N + 1)) ] * Σ (R_i^2 / n_i) – 3 * (N + 1)

حيث تُمثل الرموز الإحصائية ما يلي:

• N: حجم العينة الكلي المدمج عبر كافة المجموعات المستقلة (N = n1 + n2 + … + nk).
• k: عدد المجموعات المستقلة المقارنة في التحليل.
• n_i: حجم العينة الخاصة بالمجموعة رقم i.
• R_i: المجموع الكلي للرتب المسندة لأفراد المجموعة رقم i بعد ترتيب العينة الكلية الشاملة.
• Σ: علامة الجمع لجميع المجموعات من i = 1 إلى i = k.

يُمثل المقدار [ 12 / (N * (N + 1)) ] عاملاً ثابتاً مشتقاً من تباين التوزيع المنتظم المنفصل للأعداد الصحيحة من 1 إلى N، حيث يُستخدم لتقييس النتائج. أما المقدار Σ (R_i^2 / n_i) فهو المكون الديناميكي الأساسي الذي يختبر التباين بين مجاميع الرتب، في حين يُمثل الحد الثابت 3 * (N + 1) القيمة الرياضية المتوقعة لمجموع الرتب المرجح تحت مظلة الفرضية الصفرية.

3.2 معامل تصحيح الرتب المتساوية أو المكررة (Tied Ranks)

عند ترتيب البيانات، قد تتكرر بعض القيم الرقمية بين المشاهدات سواء داخل المجموعة الواحدة أو بين مجموعات مختلفة. تُعرف هذه القيم المتماثلة بـ “الرتب المكررة أو المتساوية” (Ties). في مثل هذه الحالات، تُسند للقيم المكررة رتبة موحدة تساوي المتوسط الحسابي للرتب التي كانت ستشغلها تلك القيم لو كانت متتالية ومختلفة.

يؤدي ظهور الرتب المكررة إلى تقليص التباين الإجمالي للرتب المشتركة، مما يجعل قيمة إحصائية H المحسوبة بالمعادلة البسيطة أقل من قيمتها الفعلية الحقيقية بصورة طفيفة. لمعالجة هذا الانكماش وتصحيح التقدير، تُحسب إحصائية H المصححة (H_corrected) بقسمة قيمة H الأصلية على “معامل تصحيح التكرار” (Correction Factor – C):

H_corrected = H / C

يُحسب معامل التصحيح C وفق المعادلة الرياضية التالية:

C = 1 – [ Σ (t^3 – t) / (N^3 – N) ]

حيث يُشير t إلى عدد المشاهدات المتطابقة في كل مجموعة تكرار محددة، ويشير Σ (t^3 – t) إلى جمع هذا المقدار لجميع مجموعات القيم المكررة عبر النطاق الكامل للبيانات. إذا لم توجد أي رتب متكررة في البيانات، فإن t = 1 دائماً، وبالتالي (1^3 – 1) = 0، ويصبح معامل التصحيح C = 1، وتظل قيمة H دون تغيير. أما إذا احتوت البيانات على تكرارات كثيفة—كما هو معتاد في مقاييس ليكرت—فإن تطبيق معامل التصحيح يُعد إلزامياً منهجياً لضمان دقة القيمة الاحتمالية.

3.3 توزيع مربع كاي (Chi-Square) ودرجات الحرية

عندما تكون أحجام العينات في المجموعات المقارنة كبيرة نسبياً (تضم كل مجموعة 5 مشاهدات أو أكثر كقاعدة إرشادية عامة)، يتقارب التوزيع العيني لإحصائية H تقارباً وثيقاً مع توزيع مربع كاي (Chi-Square Distribution) المستمر. يتيح هذا التقارب استخدام دوال التوزيع الاحتمالي لمربع كاي لتحديد الدلالة الإحصائية واستخراج القيم الحرجة.

تُحسب درجات الحرية (Degrees of Freedom – df) المرافقة للاختبار بالمعادلة البسيطة:

df = k – 1

حيث تمثل k عدد المجموعات المستقلة. فإذا كنا نقارن 3 مجموعات علاجية، فإن درجات الحرية تكون 3 – 1 = 2. وعندما يقل حجم العينات عن 5 مفحوصين في أي مجموعة، يُفضل استخدام الجداول الاحتمالية التوافقية الدقيقة لاختبار كروسكال واليس (Exact Permutation Tables)، إلا أن استخدام تقريب مربع كاي في إكسيل يظل واسع الاعتماد والقبول الأكاديمي في معظم التطبيقات السلوكية والنفسية.

4. إعداد وهيكلة البيانات النفسية في مايكروسوفت إكسيل

4.1 التصميم الهندسي لجدول البيانات داخل ورقة العمل

يُمثل التخطيط السليم لهيكل ورقة العمل في مايكروسوفت إكسيل الخطوة التأسيسية لمنع الأخطاء الحسابية وتسهيل استدعاء النطاقات عبر الدوال الإحصائية. توجد طريقتان رئيستان لتنظيم البيانات قبل تنفيذ اختبار كروسكال واليس: الهيكلة العمودية المنفصلة (Wide Format) والهيكلة المجدولة الموحدة (Long/Tidy Format).

في الهيكلة العمودية المنفصلة—وهي الأكثر وضوحاً وتفضيلاً للشرح اليدوي في إكسيل—يُخصص عمود مستقل لكل مجموعة تجريبية. على سبيل المثال، العمود A للمجموعة الأولى، والعمود B للمجموعة الثانية، والعمود C للمجموعة الثالثة، مع وضع أسماء المجموعات في صف العناوين الأول (Row 1). تتيح هذه الطريقة إدخال المشاهدات بصورة مريحة وسهلة المتابعة بالعين المجردة حتى لو اختلفت أحجام المجموعات.

لتحسين مقروئية الصيغ الرياضية وتجنب تكرار تحديد مراجع الخلايا يدparam-ترياً، يُستحسن استخدام خاصية “تسمية النطاقات” (Named Ranges) في إكسيل. يمكن تحديد بيانات كل مجموعة وتسميتها عبر شريط الصيغ (مثلاً: Group_CBT، Group_Pharm، Group_Control)، مما يجعل كتابة المعادلات المعقدة أكثر سلاسة ويقلل من احتمالية الخطأ عند تعديل مواضع الخلايا لاحقاً.

4.2 تدقيق جودة البيانات ومعالجة المدخلات المفقودة

قبل الشروع في كتابة معادلات الترتيب، يجب إخضاع مصفوفة البيانات لعملية تدقيق شاملة تضمن خلوها من الأخطاء المطبعية والفراغات غير المقصودة. يُوصى بتطبيق الخطوات الرقابية التالية داخل إكسيل:

• التحقق من صحة البيانات (Data Validation): استخدام أداة التحقق من صحة البيانات من قائمة Data > Data Validation لحصر نطاق القيم المدخلة ضمن المدى المنطقي للمقياس النفسي المطبق (مثلاً، أرقام صحيحة بين 0 و 50 لمقياس بيك للقلق).
• التأكد من التنسيق الرقمي (Number Formatting): التحقق من أن كافة الخلايا منسقة كأرقام (Numbers) وليست نصوصاً مخزنة كأرقام؛ إذ تتجاهل دوال الترتيب الإحصائي في إكسيل النصوص دون إشعار الباحث، مما يتسبب في إفساد المجموع الكلي للعينة.
• معالجة القيم المفقودة (Missing Values): إذا انسحب أحد المفحوصين من التجربة أو تعذر الحصول على قياسه، يجب ترك الخلية فارغة تماماً وعدم كتابة الرقم “0” إطلاقاً؛ لأن الصفر يُعد قيمة عددية حقيقية ستدخل في الترتيب وتغير رتب بقية المشاركين جذرياً. تتعامل دوال إكسيل الحديثة مع الخلايا الفارغة تلقائياً دون تعطيل الحسابات.

4.3 بناء النموذج التطبيقي: مقارنة استجابة القلق لثلاثة علاجات

لبناء مرجع تطبيقي عملي يُرافقنا طوال هذا الدليل، سنفترض دراسة تجريبية في علم النفس الإكلينيكي تقارن فاعلية ثلاثة تدخلات علاجية في خفض درجات القلق لدى عينة من 30 مريضاً يعانون من اضطراب القلق العام (GAD). تم توزيع المرضى عشوائياً على ثلاث مجموعات مستقلة، وقيس مستوى القلق بعد التدخل باستخدام مقياس رتبي مقنن تتراوح درجاته من 0 إلى 40 (حيث تعكس الدرجة الأعلى مستوى قلق أشد):

• المجموعة الأولى (CBT): 10 مرضى خضعوا للعلاج المعرفي السلوكي. الدرجات المرصودة: [14, 17, 12, 19, 15, 11, 20, 13, 18, 16].
• المجموعة الثانية (Pharmacotherapy – Meds): 10 مرضى تلقوا علاجاً دوائياً مقنناً. الدرجات المرصودة: [19, 24, 22, 25, 20, 21, 23, 18, 26, 22].
• المجموعة الثالثة (Control – Waitlist): 10 مرضى وُضعوا على قائمة الانتظار كمجموعة ضابطة. الدرجات المرصودة: [25, 29, 31, 27, 30, 26, 28, 33, 24, 32].

الهدف الإحصائي المباشر للنموذج هو فحص ما إذا كانت هناك فروق ذات دلالة إحصائية في متوسطات رتب درجات القلق بين المجموعات العلاجية الثلاث عند مستوى دلالة α = 0.05، تمهيداً لتحديد البرنامج الأكثر فاعلية في خفض القلق السريري.

5. الخطوة الأولى في إكسيل: ترتيب البيانات وتوليد الرتب المشتركة

5.1 استخدام دالة RANK.AVG لحساب الرتب

تُعد خطوة تحويل القيم الخام إلى رتب حجر الزاوية في اختبار كروسكال واليس. يوفر مايكروسوفت إكسيل دالتين للترتيب: RANK.EQ و RANK.AVG. من الأخطاء الشائعة والجسيمة استخدام دالة RANK.EQ؛ لأنها تمنح القيم المتساوية أعلى رتبة مكررة دون تقسيم، مما يؤدي إلى تشويه المجموع الكلي للرتب وخرق المبدأ الرياضي للاختبار.

يجب دائماً استخدام دالة RANK.AVG التي تحسب المتوسط الحسابي للرتب التي كانت ستشغلها القيم المتطابقة تلقائياً. تأخذ الدالة البنية التركيبية التالية:

=RANK.AVG(number, ref, [order])

• number: الخلية الفردية التي نريد استخراج رتبتها (مثلاً الخلية A2).
• ref: النطاق المرجعي الشامل لكافة المشاهدات في جميع المجموعات معاً (مثلاً $A$2:$C$11). يجب تثبيت هذا النطاق بعلامات الدولار ($) لضمان عدم انزياحه عند سحب الصيغة.
• [order]: وسيط اختياري يحدد اتجاه الترتيب. نضع القيمة 1 ليكون الترتيب تصاعدياً (Ascending Order)، بحيث تأخذ أقل درجة في القلق الرتبة 1، وهي القاعدة المعتمدة في اختبار كروسكال واليس.

تُكتب الصيغة في خلية الرتبة الأولى الخاصة بالمجموعة الأولى (لتكن الخلية E2 المقابلة لـ A2) على النحو التالي:

=RANK.AVG(A2, $A$2:$C$11, 1)

5.2 دمج البيانات في قائمة مرجعية موحدة للترتيب

لتسهيل تطبيق دالة الترتيب والتحكم في المصفوفات المعقدة، يُفضل إنشاء جدول موازٍ للرتب داخل ورقة العمل، بحيث يُخصص العمود E لرتب المجموعة الأولى، والعمود F لرتب المجموعة الثانية، والعمود G لرتب المجموعة الثالثة. يتم سحب الصيغة المكتوبة في الخلية E2 أفقياً ورأسياً لتغطي كامل النطاق من E2 إلى G11.

عند اكتمال عملية السحب، تقوم الدالة بمقارنة كل درجة مفردة بالنطاق الكامل المدمج (A2:C11)، وتُسند الرتبة التصاعدية الصحيحة لكل مشارك في مكانه المناظر. فإذا تكررت القيمة “19” مرتين في كامل الجدول وشغلت الترتيبين 9 و 10، فإن الدالة تسند تلقائياً الرتبة (9 + 10) / 2 = 9.5 لكلتا المشاهدتين، وهو ما يتطابق تماماً مع المتطلبات المنهجية الصارمة للاختبار اللامعلمي.

5.3 التحقق الرياضي من صحة المجموع الكلي للرتب

قبل الانتقال إلى الخطوة التالية، يتعين على الباحث إجراء تدقيق حسابي جوهري للتأكد من عدم وجود أي خطأ في تحديد النطاقات المرجعية أو إدخال الدوال. يستند هذا التدقيق إلى متطابقة المتواليات الحسابية لمجموع الأعداد الصحيحة الأولى من 1 إلى N:

Sum of Ranks = N * (N + 1) / 2

في نموذجنا التطبيقي الحالي، يبلغ حجم العينة الكلي N = 30 مشاركاً. وبتطبيق المعادلة النظرية:

المجموع النظري المتوقع = 30 * (30 + 1) / 2 = 30 * 31 / 2 = 465

يقوم الباحث بكتابة دالة الجمع في إكسيل أسفل مصفوفة الرتب لحساب مجموع كافة الرتب المستخرجة فعلياً:

=SUM(E2:G11)

إذا كان ناتج دالة SUM مساوياً للرقم 465 تماماً، يتأكد الباحث من دقة توزيع الرتب وتطبيق دالة الترتيب بصورة صحيحة خالية من أي انحيازات. أما إذا اختلف الناتج عن القيمة النظرية، فهذا مؤشر قطعي على وجود خطأ في مراجع الخلايا أو استخدام ترتيب تنازلي بدلاً من التصاعدي، أو إغفال بعض المشاهدات.

6. الخطوة الثانية في إكسيل: حساب مجاميع ومتوسطات الرتب لكل مجموعة

6.1 حساب مجموع الرتب لكل مجموعة (R_i)

بعد التحقق من سلامة مصفوفة الرتب الكلية، نقوم ببناء “جدول ملخص الاختبار” (Test Summary Table) داخل ورقة إكسيل في نطاق مجاور (مثلاً الخلايا I2:M5). يتضمن هذا الجدول ملخصاً حسابياً لكل مجموعة علاجية على حدة.

لحساب مجموع الرتب لكل مجموعة (R_i)، نستخدم دالة SUM البسيطة أسفل كل عمود رتب أو داخل الجدول التلخيصي:

• مجموع رتب المجموعة الأولى (CBT – R1): نكتب الصيغة =SUM(E2:E11) في الخلية المخصصة لمجموع رتب CBT.
• مجموع رتب المجموعة الثانية (Meds – R2): نكتب الصيغة =SUM(F2:F11) لمجموع رتب العلاج الدوائي.
• مجموع رتب المجموعة الثالثة (Control – R3): نكتب الصيغة =SUM(G2:G11) لمجموع رتب قائمة الانتظار.

في حال كانت البيانات مهيكلة في عمودين (عمود للتصنيف وعمود للدرجات)، يمكن استخدام دالة SUMIF المتقدمة على النحو التالي: =SUMIF($B$2:$B$31, "CBT", $D$2:$D$31)، حيث يمثل العمود B اسم المجموعة والعمود D عمود الرتب المشتركة.

6.2 حساب أحجام المجموعات (n_i) والمجموع الكلي (N)

لضمان ديناميكية النموذج وقابليته للتعديل في حال إضافة أو حذف مشاهدات لاحقاً، لا نكتب أحجام المجموعات كأرقام ثابتة، بل نعتمد على دالة العد COUNT في إكسيل:

• حجم المجموعة الأولى (n1): =COUNT(A2:A11)
• حجم المجموعة الثانية (n2): =COUNT(B2:B11)
• حجم المجموعة الثالثة (n3): =COUNT(C2:C11)
• حجم العينة الإجمالي (N): =SUM(n1:n3) أو باستخدام دالة العد الشاملة =COUNT(A2:C11).

يتيح هذا البناء الديناميكي للورقة الحسابية استيعاب أحجام عينات غير متساوية تلقائياً، كأن تضم المجموعة الأولى 12 مريضاً والثانية 9 والثالثة 11، حيث ستتكيف كافة الصيغ اللاحقة مع التغير في قيم n_i و N بصورة آلية ودقيقة.

6.3 حساب مربعات مجاميع الرتب مقسومة على أحجامها

يُمثل المقدار (R_i^2 / n_i) النواة الحسابية المركزية في معادلة إحصائية H، حيث يقيس مساهمة كل مجموعة مفردة في التباين الرتبي الإجمالي. ننشئ عموداً مخصصاً في الجدول التلخيصي لحساب هذه القيمة لكل مجموعة:

• للمجموعة الأولى: نكتب الصيغة =(R1^2) / n1 (بافتراض استبدال R1 و n1 بمراجع خلاياهما الحقيقية، مثلاً =(J2^2)/K2).
• للمجموعة الثانية: نكتب الصيغة =(J3^2)/K3.
• للمجموعة الثالثة: نكتب الصيغة =(J4^2)/K4.

في الخلية التالية أسفل هذا العمود، نحسب المجموع الإجمالي لهذه القيم باستخدام دالة SUM:

=SUM(L2:L4)

يُعطي هذا المجموع التراكمي القيمة الإجمالية لـ Σ (R_i^2 / n_i)، والتي ستُدمج مباشرة في معادلة H الرئيسية في الخطوة اللاحقة.

7. الخطوة الثالثة في إكسيل: حساب قيمة إحصائية الاختبار (H-Statistic)

7.1 كتابة الصيغة الرياضية الكاملة لإحصائية H غير المصححة

نصل الآن إلى مرحلة تجميع الأركان الرياضية لحساب إحصائية كروسكال واليس الأولية (غير المصححة للرتب المكررة). نخصص خلية بارزة داخل ورقة العمل (ولتكن الخلية I8) ونُسميها “H-Statistic (Uncorrected)”.

بالرجوع إلى المعادلة الرياضية القياسية: H = [ 12 / (N * (N + 1)) ] * Σ (R_i^2 / n_i) – 3 * (N + 1)، نترجم هذه المعادلة إلى صيغة إكسيل التنفيذية بالاعتماد على الخلايا التلخيصية التي أعددناها سابقاً (حيث الخلية K5 تحتوي على N، والخلية L5 تحتوي على مجموع R_i^2 / n_i):

=(12 / (K5 * (K5 + 1))) * L5 - 3 * (K5 + 1)

تقوم هذه الصيغة بتنفيذ العمليات الرياضية وفق ترتيب الأسبقية الحسابية المعياري؛ حيث يُحسب المعامل الموزون أولاً، ثم يُضرب في مجموع مربعات الرتب المنسوبة لأحجامها، وأخيراً يُطرح منه الحد الثابت 3*(N+1). تُعبر القيمة الرقمية الناتجة عن مدى التباعد بين توزيعات رتب المجموعات والتوزيع العشوائي المتوقع.

7.2 حساب معامل التصحيح وتطبيق إحصائية H المعدلة

نظراً لأن معظم البيانات السلوكية والنفسية تتضمن درجات مكررة (Ties)، يجب حساب معامل التصحيح لضمان أقصى درجات الدقة الإحصائية وتفادي تقليل قيمة H. لتنفيذ ذلك داخل إكسيل بطريقة منهجية:

1. حصر التكرارات: نُنشئ قائمة بالقيم الفريدة الموجودة في مصفوفة البيانات الأصلية باستخدام دالة UNIQUE (في إصدارات إكسيل الحديثة =UNIQUE(TOCOL(A2:C11))) أو عبر أداة إزالة التكرارات.
2. حساب تكرار كل قيمة (t): نستخدم دالة COUNTIF لحساب عدد مرات تكرار كل رقم عبر النطاق الكلي: =COUNTIF($A$2:$C$11, Unique_Value_Cell).
3. تصفية التكرارات الأكبر من 1: نُبقي فقط على القيم التي تكررت مرتين أو أكثر (t > 1).
4. حساب مقدار التعديل لكل تكرار: نُنشئ عموداً مخصصاً لحساب (t^3 – t) لكل تكرار عبر الصيغة =(t_cell^3 - t_cell)، ثم نجمع نواتج هذا العمود عبر دالة SUM للحصول على Σ(t^3 – t).
5. حساب معامل التصحيح (C): نكتب معادلة المعامل في خلية مخصصة:
   =1 - (Sum_Tied_Formula / (K5^3 - K5)).
6. حساب إحصائية H المصححة (H_corrected): في خلية مخصصة للنتيجة النهائية المعتمدة، نقسم قيمة H غير المصححة على معامل التصحيح C:
   =I8 / Correction_Factor_Cell.

تُعد هذه القيمة المصححة هي المؤشر الرياضي النهائي الذي سنعتمد عليه في استخراج مستوى الدلالة واتخاذ القرار العلمي.

7.3 التحقق من صحة النتائج عبر بناء معادلة مصفوفية متكاملة

للمستخدمين المتقدمين في إكسيل الذين يرغبون في اختصار مساحة ورقة العمل وتجنب الجداول الوسيطة، يمكن دمج كافة الخطوات السابقة في معادلة مصفوفية ديناميكية واحدة لحساب إحصائية H مباشرة من البيانات الخام. بافتراض أن البيانات تقع في النطاق A2:C11، يمكن دمج دوال الترتيب والجمع والتربيع ضمن صيغة موحدة باستخدام دوال الصفائف مثل LET و LAMBDA و MAP المتاحة في Microsoft 365.

توفر دالة LET إمكانية تعريف المتغيرات محلياً داخل المعادلة، مما يمنع تكرار الحسابات ويسهل مراجعة الكود الحسابي. كما يُنصح بمقارنة القيمة المحسوبة داخل إكسيل مع مخرجات حزمة إحصائية معيارية متخصصة (مثل SPSS أو R أو jamovi) لبيانات نموذجية تجريبية للتأكد من مطابقة النتائج حتى المنزلة العشرية الرابعة، مما يمنح الباحث ثقة مطلقة في خوارزمية الورقة الحسابية المبنية.

8. الخطوة الرابعة في إكسيل: حساب الدلالة الإحصائية (p-value) والقيمة الحرجة

8.1 تحديد درجات الحرية ومستوى الدلالة المستهدف

لاستكمال البنية الاستدلالية للاختبار، يجب تحديد المعالم الاحتمالية التي يستند إليها الحكم الإحصائي. نحدد في ورقة العمل خليتين مرجعيتين أساسيتين:

• درجات الحرية (Degrees of Freedom – df): نكتب معادلة طرح 1 من عدد المجموعات المقارنة:
  =COUNTA(A1:C1) - 1 أو =3 - 1، والتي تساوي في نموذجنا الحالي 2.
• مستوى الدلالة المستهدف (Alpha Level – α): نُدخل القيمة المعيارية المعتمدة في الأبحاث النفسية وهي 0.05 (أو 0.01 للدراسات الأكثر صرامة) في خلية مخصصة لتكون مرجعاً شرطياً للقرارات المؤتمتة.

8.2 استخراج القيمة الاحتمالية باستخدام دالة CHISQ.DIST.RT

نظراً لأن إحصائية كروسكال واليس تتبع تقريباً توزيع مربع كاي، وتُختبر الفروق في اتجاه التشتت الإيجابي للرتب (Right-Tailed Test)، نستخدم دالة التوزيع الاحتمالي اليميني لمربع كاي في إكسيل: CHISQ.DIST.RT.

تأخذ الدالة الصيغة البرمجية التالية:

=CHISQ.DIST.RT(x, deg_freedom)

• x: القيمة المحسوبة لإحصائية H المصححة (الموجودة في خلية H_corrected).
• deg_freedom: درجات الحرية (df) المحسوبة في الخطوة السابقة.

تُرجع هذه الدالة القيمة الاحتمالية الدقيقة (p-value). إذا كانت القيمة الناتجة بالغة الصغر (مثل 0.00014)، يُفضل تنسيق الخلية كـ Number مع إظهار أربع أو خمس منازل عشرية، أو استخدام التنسيق العلمي (Scientific) لتجنب ظهور القيمة كصفر مطلق (0.000)، مما يضمن الامتثال لمتطلبات التوثيق الأكاديمي الدقيق.

8.3 استخراج القيمة الجدولية الحرجة باستخدام دالة CHISQ.INV.RT

لتعزيز الفهم البصري للقرار الإحصائي ومقارنة القيمة المحسوبة بالقيمة الحرجة التقليدية، يوفر إكسيل دالة المعكوس اليميني لتوزيع مربع كاي: CHISQ.INV.RT. تُحدد هذه الدالة العتبة الرقمية الحرجة التي يبدأ عندها رفض الفرضية الصفرية عند مستوى ألفا المختار.

تأخذ الدالة التركيب التالي:

=CHISQ.INV.RT(probability, deg_freedom)

بتمرير مستوى الدلالة (0.05) ودرجات الحرية (2):

=CHISQ.INV.RT(0.05, 2)

تُرجع الدالة القيمة الحرجة الشهيرة لمربع كاي عند درجات حرية 2 ومستوى ألفا 0.05، وهي 5.991. ولأتمتة اتخاذ القرار داخل إكسيل بنص واضح ومباشر، نكتب في خلية مجاورة صيغة شرطية تعتمد على دالة IF المنطقية:

=IF(H_corrected > Critical_Value, "رفض الفرضية الصفرية (توجد فروق دالة إحصائياً)", "قبول الفرضية الصفرية (لا توجد فروق دالة)")

9. تفسير المخرجات الإحصائية واتخاذ القرار العلمي في البحوث النفسية

9.1 قواعد اتخاذ القرار الإحصائي وتفسير p-value

يقوم اتخاذ القرار الاستدلالي في اختبار كروسكال واليس على مقارنة القيمة الاحتمالية المستخرجة (p-value) بمستوى الدلالة المحدد مسبقاً (α = 0.05)، أو بمقارنة إحصائية H المحسوبة بالقيمة الحرجة المقابلة:

• حالة الدلالة الإحصائية (p ≤ α أو H > H_critical): نرفض الفرضية الصفرية (H0) ونقبل الفرضية البديلة (H1). نستنتج من ذلك وجود دليل إحصائي كافٍ يثبت أن المجموعات العلاجية لا تنتمي لنفس المجتمع التوزيعي، وأن هناك تبايناً حقيقياً في درجات القلق بين البرامج العلاجية لا يُعزى إلى عوامل الصدفة أو خطأ المعاينة العشوائية.
• حالة عدم الدلالة الإحصائية (p > α أو H ≤ H_critical): نفشل في رفض الفرضية الصفرية (Fail to Reject H0). يعني ذلك عدم وجود فروق إحصائية كافية ترجح تفوق أو اختلاف برنامج علاجي عن الآخر في عينة الدراسة، ويُعزى أي تفاوت طفيف في متوسطات الرتب إلى التباين العشوائي الطبيعي بين الأفراد.

من الضروري في البحوث النفسية التمييز الدقيق بين “الدلالة الإحصائية” (Statistical Significance) و”الدلالة العيادية أو العملية” (Clinical Significance)؛ فالأولى تخبرنا بوجود فرق لا يرتبط بالصدفة، بينما تتطلب الثانية فحص حجم التأثير لمعرفة مدى الأهمية التطبيقية للتحسن الملاحظ على صحة المرضى النفسية.

9.2 تفسير اتجاه الفروق ومقارنة وسائط المجموعات

عند تحقق الدلالة الإحصائية، لا يكتفي الباحث بتقرير رفض الفرضية الصفرية، بل يتعين عليه تفسير اتجاه هذه الفروق؛ أي تحديد أي المجموعات سجلت مستويات قلق أدنى (تحسناً أفضل) وأيها سجلت مستويات أعلى. لتحقيق ذلك، نلجأ إلى مؤشرين وصفيين مركزيين:

1. متوسطات الرتب (Mean Ranks): يُحسب بقسمة مجموع رتب كل مجموعة على حجم عينتها (R_i / n_i). المجموعة التي تحقق أدنى متوسط رتب هي المجموعة ذات درجات القلق الأقل في التوزيع المشترك، مما يشير إلى فاعليتها العلاجية الفائقة.
2. وسائط المجموعات (Medians): نستخدم دالة MEDIAN في إكسيل لحساب وسيط كل مجموعة من البيانات الخام: =MEDIAN(A2:A11). يُعبر الوسيط عن نقطة المنتصف التوزيعية غير المتأثرة بالالتواء.

لحساب حجم التأثير اللامعلمي العام للاختبار، يُوصى بحساب معامل إبسيلون-مربع (Epsilon-squared – ε^2) والذي يقيس نسبة التباين المفسر في المتغير التابع المنسوب للمجموعات المستقلة:

ε^2 = H / [ (N^2 – 1) / (N + 1) ] = H / (N – 1)

تُفسر قيم ε^2 وفق المعايير الإرشادية لكوهين: 0.01 إلى 0.06 (تأثير صغير)، 0.06 إلى 0.14 (تأثير متوسط)، وأكبر من 0.14 (تأثير كبير جداً يعكس فاعلية تطبيقية قوية للتدخل العلاجي).

9.3 صياغة التقرير الإحصائي وفق معايير جمعية علم النفس الأمريكية (APA)

تفرض معايير جمعية علم النفس الأمريكية (APA 7th Edition) قالباً قياسياً موحداً لتوثيق نتائج اختبار كروسكال واليس في المتن الأكاديمي للبحوث والرسائل الجامعية. يتضمن هذا التوثيق إحصائية H، ودرجات الحرية (df) بين قوسين، وحجم العينة الكلي (N)، والقيمة الاحتمالية الدقيقة (p)، وحجم التأثير، مصحوبة بالوسائط والمدى الربيعي (IQR) أو متوسطات الرتب لكل مجموعة.

نموذج توثيق لنتيجة دالة إحصائياً:

“أظهر اختبار كروسكال واليس وجود فروق ذات دلالة إحصائية في درجات القلق بين المجموعات العلاجية الثلاث، H(2) = 21.45, p < .001, ε^2 = 0.74. أظهرت النتائج أن مجموعة العلاج المعرفي السلوكي سجلت أدنى مستويات القلق (الوسيط = 15.50، متوسط الرتبة = 6.20)، تلتها مجموعة العلاج الدوائي (الوسيط = 21.50، متوسط الرتبة = 15.80)، في حين سجلت مجموعة قائمة الانتظار أعلى مستويات القلق (الوسيط = 28.50، متوسط الرتبة = 24.50).”

نموذج توثيق لنتيجة غير دالة إحصائياً:

“أشارت نتائج اختبار كروسكال واليس إلى عدم وجود فروق ذات دلالة إحصائية في مستويات القلق بين المجموعات الثلاث، H(2) = 1.82, p = .402، حيث تقاربت وسائط المجموعات تقارباً ملحوظاً (المجموعة الأولى: الوسيط = 20.00؛ المجموعة الثانية: الوسيط = 21.00؛ المجموعة الثالثة: الوسيط = 20.50).”

10. المقارنات البعدية المتعددة (Post-Hoc Tests) بعد كروسكال واليس في إكسيل

10.1 دواعي إجراء المقارنات البعدية والمخاطر المنهجية

يُعد اختبار كروسكال واليس اختباراً شاملاً عاماً (Omnibus Test)؛ وتقتصر وظيفته على إخبارنا بوجود فرق دال بين مجموعة واحدة على الأقل وبقية المجموعات، دون أن يحدد بدقة أي زوج من المجموعات هو المسؤول تحديداً عن هذا التباين (هل CBT يختلف عن الدواء؟ أم CBT يختلف عن الضابطة؟ أم كلاهما يختلفان عن الضابطة؟).

لذا، يصبح إجراء “المقارنات البعدية” (Post-Hoc Pairwise Comparisons) خطوة إلزامية عند رفض الفرضية الصفرية. غير أن إجراء مقارنات ثنائية متكررة يفرض خطراً إحصائياً منهجياً يُعرف بـ تضخم الخطأ من النوع الأول (Type I Error Inflation) أو معدل الخطأ العائلي (Family-wise Error Rate). فإذا أجرينا 3 مقارنات ثنائية بمستوى دلالة 0.05 لكل منها، فإن الاحتمال التراكمي لارتكاب خطأ إيجابي كاذب واحد على الأقل يرتفع إلى: 1 – (1 – 0.05)^3 = 0.143 (أي 14.3% بدلاً من 5%). لمعالجة هذا الخطر، يجب تطبيق تعديلات إحصائية صارمة لضبط مستوى الدلالة.

10.2 تنفيذ اختبار مان-ويتني (Mann-Whitney U) الثنائي في إكسيل

تتمثل إحدى الطرق المتاحة لتنفيذ المقارنات البعدية داخل إكسيل في عزل أزواج المجموعات المستقلة وإجراء اختبار مان-ويتني (Mann-Whitney U Test) لكل ثنائية على حدة في أوراق عمل مخصصة. في دراستنا الحالية، لدينا 3 مقارنات محتملة:

1. مجموعة العلاج المعرفي السلوكي (CBT) مقابل مجموعة العلاج الدوائي (Meds).
2. مجموعة العلاج المعرفي السلوكي (CBT) مقابل مجموعة قائمة الانتظار (Control).
3. مجموعة العلاج الدوائي (Meds) مقابل مجموعة قائمة الانتظار (Control).

يتم تطبيق خطوات مان-ويتني لكل مقارنة: عزل بيانات المجموعتين فقط، إعادة ترتيب درجاتهما الـ 20 معاً برتب تصاعدية مستقلة عبر دالة RANK.AVG، حساب مجموع رتب المجموعة الأولى (R1)، ثم حساب إحصائية U1 و U2 بالقوانين المعروفة:

U1 = n1 * n2 + [ n1 * (n1 + 1) / 2 ] – R1

ثم حساب درجة Z المعيارية واستخراج القيمة الاحتمالية غير المعدلة (Unadjusted p-value) باستخدام دالة التوزيع الطبيعي NORM.S.DIST في إكسيل.

10.3 تطبيق تصحيح بونفيروني (Bonferroni Correction)

لحماية التحليل من تضخم خطأ النوع الأول بعد استخراج القيم الاحتمالية الثنائية، نطبق تصحيح بونفيروني (Bonferroni Correction)، وهو التعديل الأكثر شهرة وصرامة في الأدبيات الإحصائية. يُحسب مستوى الدلالة المعدل (Alpha Adjusted – α_adj) بقسمة مستوى ألفا العام على عدد المقارنات البعدية المنجزة (m):

α_adj = α / m

في نموذجنا، لدينا 3 مقارنات ثنائية، وبالتالي يصبح مستوى الدلالة المعدل:

α_adj = 0.05 / 3 = 0.0167

نقارن كل قيمة احتمالية غير معدلة ناتجة عن اختبار مان-ويتني بالعتبة الجديدة (0.0167)؛ فإذا كانت p أقل من 0.0167، يُحكم على المقارنة الثنائية بأنها دالة إحصائياً بعد التعديل. بدلاً من ذلك، يمكن محاكاة “اختبار دان” (Dunn’s Test) للمقارنات المتعددة، والذي يعتمد على مقارنة الفروق بين متوسطات الرتب المشتركة المستخرجة من تحليل كروسكال واليس الكلي مقسومة على الخطأ المعياري للرتب، وهو الأسلوب الأكثر توصية في المراجع الإحصائية المتقدمة لتوافقه التام مع مصفوفة الرتب الأصلية.

11. التمثيل البياني المتقدم لنتائج كروسكال واليس في إكسيل

11.1 إنشاء المخطط الصندوقي (Box and Whisker Plot)

يُعد المخطط الصندوقي (Box and Whisker Plot) التمثيل البياني المعياري والأكثر كفاءة لعرض نتائج اختبار كروسكال واليس؛ إذ يُبرز خصائص التوزيع اللامعلمي المتمثلة في الوسيط (الخط الأفقي داخل الصندوق)، والمدى الربيعي IQR (المسافة بين الربيعين الأول Q1 والثالث Q3)، والمدى الكلي للبيانات عبر الشعيرات، بالإضافة إلى تمييز القيم المتطرفة الشاذة كنقاط منفصلة خارج الصندوق.

لإنشاء هذا المخطط باحترافية في إكسيل:

1. حدد نطاق البيانات الخام للمجموعات الثلاث بالكامل مع صف العناوين (A1:C11).
2. انتقل إلى التبويب Insert في الشريط العلوي، ثم من مجموعة Charts، اختر أيقونة Statistical Chart وحدد Box and Whisker.
3. يُولد إكسيل مخططاً يعرض ثلاثة صناديق متجاورة تمثل المجموعات العلاجية.
4. لتنسيق المخطط أكاديمياً: انقر نقراً مزدوجاً على سلاسل البيانات لفتح لوحة Format Data Series، وتأكد من تفعيل خيار Show Outlier Points وخيار Show Mean Line أو إخفائه للتركيز على الوسيط فقط.
5. أضف عناوين المحاور بوضوح (محور السينات: المجموعات العلاجية، محور الصادات: درجات مقياس القلق) وأزل خطوط الشبكة الزائدة لمنح الرسم طابعاً أنيقاً صالحاً للنشر العلمي.

11.2 تصميم مخططات أعمدة متوسطات الرتب مع أشرطة الخطأ

نظراً لأن اختبار كروسكال واليس يفحص الفروق المباشرة في الرتب، يفضل العديد من المحكمين الأكاديميين تضمين مخطط شريطي يعرض “متوسط الرتبة” (Mean Rank) لكل مجموعة بدلاً من الدرجات الخام فقط؛ ليعكس بصرياً الأرقام التي أُجريت عليها العمليات الرياضية للاختبار.

لتصميم هذا المخطط في إكسيل:

• نُنشئ جدولاً بيانياً صغيراً يحتوي على أسماء المجموعات وقيم متوسطات الرتب المحسوبة (مثلاً: CBT = 6.20، Meds = 15.80، Control = 24.50).
• نحدد الجدول ونُدرج مخطط أعمدة بسيط (2D Clustered Column Chart).
• نُضيف أشرطة الخطأ (Error Bars) من قائمة Add Chart Element > Error Bars > More Error Bar Options، ونختار قيمة مخصصة تمثل الانحراف المعياري للرتب أو الخطأ المعياري لكل مجموعة، مما يمنح القارئ انطباعاً دقيقاً حول تشتت الرتب داخل كل فئة تجريبية.

11.3 الترميز اللوني التفاعلي للنتائج باستخدام التنسيق الشرطي

يُعزز استخدام أدوات التنسيق الشرطي (Conditional Formatting) داخل إكسيل تجربة فحص البيانات وقراءة المؤشرات الإحصائية. يمكن تطبيق القواعد التالية لجعل ورقة العمل تفاعلية وذاتية التنبيه:

• تمييز القيمة الاحتمالية (p-value): تحديد خلية p-value وإضافة قاعدة تنسيق شرطي: إذا كانت القيمة < 0.05 تُلون الخلية تلقائياً باللون الأخضر الفاتح مع نص داكن، وإذا كانت أكبر تُلون باللون الأصفر الفاتح.
• تدرج ألوان الرتب (Color Scales): تطبيق تدرج لوني ثلاثي (Three-Color Scale) على مصفوفة الرتب من E2 إلى G11 (من الأخضر للرتب الدنيا إلى الأحمر للرتب العليا) لرصد تركز الرتب المنخفضة في المجموعة الفعالة وتكدس الرتب المرتفعة في المجموعة الضابطة بنظرة بصرية واحدة.
• لوحات المعلومات المصغرة (KPI Dashboards): ربط نتائج الاختبار ببطاقات مؤشرات ملخصة تعرض حالة الفرضية الصفرية (مرفوضة / مقبولة) بخطوط كبيرة وواضحة، مما يسهل تقديم المخرجات في التقارير الإدارية والإكلينيكية.

12. دراسة حالة نفسية متكاملة خطوة بخطوة وتجنب الأخطاء الشائعة

12.1 التطبيق العملي الكامل على بيانات علاج الاكتئاب

لترسيخ المفاهيم المكتسبة في سياق تطبيقي كامل، سنقوم الآن بإجراء المعالجة الحسابية المباشرة لنموذج دراسة الاكتئاب الافتراضية المكونة من 30 مريضاً (10 في CBT، و10 في Meds، و10 في Control). يلخص الجدول التالي سريان الحسابات الشامل داخل ورقة إكسيل:

المجموعة العلاجية	حجم العينة (n_i)	الوسيط الإكلينيكي	مجموع الرتب (R_i)	متوسط الرتبة	(R_i^2 / n_i)
العلاج المعرفي السلوكي (CBT)	10	15.50	62.0	6.20	384.40
العلاج الدوائي (Meds)	10	21.50	158.0	15.80	2496.40
قائمة الانتظار (Control)	10	28.50	245.0	24.50	6002.50
الإجمالي / المجموع	N = 30	—	ΣR = 465.0	—	Σ = 8883.30

بتطبيق الصيغ الحسابية في إكسيل:

• التحقق من مجموع الرتب: 30 * 31 / 2 = 465.0 (مطابق لمجموع الرتب الفعلي).
• حساب قيمة H غير المصححة:
  H = [12 / (30 * 31)] * 8883.30 – 3 * 31 = (12 / 930) * 8883.30 – 93 = 114.623 – 93 = 21.623.
• بعد حساب معامل تصحيح الرتب المكررة للقيم المشتركة، بلغت قيمة C = 0.9982، لتصبح قيمة H المصححة:
  H_corrected = 21.623 / 0.9982 = 21.662.
• حساب درجات الحرية: df = 3 – 1 = 2.
• حساب القيمة الاحتمالية باستخدام =CHISQ.DIST.RT(21.662, 2): نجد أن p = 0.0000197 (أو p < .001).
• حساب القيمة الحرجة باستخدام =CHISQ.INV.RT(0.05, 2): نجد أنها تساوي 5.991.

القرار السريري والإحصائي: بما أن قيمة H المحسوبة (21.662) أكبر بكثير من القيمة الحرجة (5.991)، وبما أن p < 0.001، فإننا نرفض الفرضية الصفرية رفضاً قاطعاً. واستناداً إلى متوسطات الرتب والوسائط، نستنتج أن العلاج المعرفي السلوكي (CBT) حقق تفوقاً جوهرياً في خفض أعراض المرض مقارنة بالعلاج الدوائي ومجموعة الانتظار، مما يوجه التوصيات الإكلينيكية لاعتماد برامج التدخل المعرفي السلوكي كخيار علاجي أولي ذي فاعلية مثبتة إحصائياً.

12.2 أخطاء برمجية وإحصائية شائعة في إكسيل وطرق تفاديها

يقع العديد من الباحثين في هفوات إجرائية عند تنفيذ التحليلات اللامعلمية في إكسيل؛ لذا يجب الانتباه للأخطاء المتكررة التالية وتجنبها تماماً:

• استخدام دالة RANK.EQ بدلاً من RANK.AVG: يؤدي استخدام دالة الترتيب المتساوي القديمة إلى توليد أرقام صحيحة مكررة دون حساب المتوسط، مما يغير مجموع الرتب الكلي عن القيمة المعيارية N(N+1)/2 ويفسد حسابات H جذرياً.
• نسيان التثبيت المطلق لمراجع الخلايا ($): عند كتابة صيغة الرتبة في أول خلية وإهمال وضع علامة $ حول نطاق الجدول الكلي، يتغير النطاق المرجعي تدريجياً أثناء السحب نحو الأسفل، مما يجعل رتب المشاهدات الأخيرة محسوبة بالنسبة لجزء صغير من العينة فقط.
• الخلط بين فرضيات المتوسطات وفرضيات الرتب/الوسائط: من الخطأ المنهجي الشائع صياغة نتائج اختبار كروسكال واليس بالقول “توجد فروق دالة بين متوسطات المجموعات”؛ فالاختبار لا يختبر المتوسطات الحسابية (Means) إطلاقاً، بل يختبر متوسطات الرتب (Mean Ranks) ووسائط التوزيعات (Medians).
• تطبيق الاختبار على قياسات مترابطة أو متكررة: استخدام كروسكال واليس لمقارنة درجات نفس المرضى (قبل العلاج، بعد شهر، بعد 6 أشهر) يمثل خرقاً صريحاً لشرط استقلالية المشاهدات؛ ويجب في تلك الحالة استخدام اختبار فريدمان حصراً.

12.3 أفضل الممارسات للتوثيق والتحقق من صحة النتائج

لضمان أعلى معايير الجودة والشفافية العلمية عند إعداد أوراق العمل الإحصائية في مايكروسوفت إكسيل، يُوصى باتباع البروتوكولات المنهجية التالية:

أولاً، الاحتفاظ بورقة البيانات الخام غير المعدلة (Raw Data Sheet): لا تقم بإجراء أي عمليات حسابية أو ترتيبية داخل الورقة الأصلية التي تضم البيانات المجمعة من الميدان؛ بل احتفظ بها كنسخة للقراءة فقط وأنشئ ورقة عمل جديدة باسم Analysis_KruskalWallis لإجراء التحليلات.

ثانياً، التحقق المتقاطع المستمر (Cross-Validation): تحقق دائماً من دقة نواتج إكسيل بمقارنتها ببرمجية إحصائية أخرى أو بحساب يدوي مبرمج قبل كتابة التقرير النهائي للبحث، وتأكد من أن مطابقة دوال الجمع والعد تعكس الأحجام الحقيقية للعينات دون سقطات إملائية أو رقمية.

ثالثاً، بناء قوالب ديناميكية قابلة لإعادة الاستخدام (Reusable Templates): صمم ورقة العمل الحسابية بحيث تتضمن صيغاً مرنة تعتمد على النطاقات المفتوحة ودوال COUNT و UNIQUE، بحيث يمكنك مستقبلاً نسخ بيانات دراسة جديدة ولصقها في أعمدة المدخلات ليقوم إكسيل بتوليد الرتب وإحصائية H والقيم الاحتمالية والمخططات البيانية بصورة فورية وموثوقة.

خاتمة

يُمثل اختبار كروسكال واليس أداة إحصائية متقدمة وضرورية في ترسانة الباحث العلمي، ولا سيما في مجالات العلوم النفسية والتربوية والاجتماعية التي تفرض تحديات منهجية تتعلق بخصائص البيانات ومستويات قياسها. ومن خلال تطبيق هذا الاختبار اللامعلمي بدقة داخل بيئة مايكروسوفت إكسيل، يتسنى للباحث التغلب على قيود التوزيع الطبيعي والتأثيرات المشوهة للقيم المتطرفة، مع الحفاظ على قدرة استدلالية متينة لمقارنة المجموعات المستقلة المتعددة.

لقد استعرض هذا الدليل خطوات التحليل الإحصائي المتكامل؛ بدءاً من التأسيس النظري والرياضي لمعادلات إحصائية H ومعامل تصحيح الرتب المتساوية، مروراً بالهيكلة المنهجية للبيانات وتوليد الرتب التراكمية المشتركة عبر دالة RANK.AVG، وحساب القيمة الاحتمالية ومقارنتها بالقيمة الحرجة لتوزيع مربع كاي، وصولاً إلى تنفيذ المقارنات البعدية المصححة بتعديل بونفيروني، وبناء المخططات الصندوقية المعيارية، وتوثيق النتائج بأسلوب أكاديمي رصين يتوافق مع معايير APA 7. إن التمكن من هذه الإجراءات الحسابية والمنهجية يمنح الباحثين فهماً عميقاً لآليات التحليل الاستدلالي، ويضمن دقة اتخاذ القرارات العلمية والتطبيقية في أبحاثهم ودراساتهم المستقبلية.

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
• Conover, W. J. (1999). Practical nonparametric statistics (3rd ed.). John Wiley & Sons.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621. https://doi.org/10.1080/01621459.1952.10483441
• Microsoft Corporation. (2023). Excel functions (alphabetical). Microsoft Support. https://support.microsoft.com/en-us/office/excel-functions-alphabetical-b3944572-255d-4efb-bb96-c6d90033e188
• Siegel, S., & Castellan, N. J. (1988). Nonparametric statistics for the behavioral sciences (2nd ed.). McGraw-Hill.
• Tomczak, M., & Tomczak, E. (2014). The need to report effect size estimates revisited. An overview of some recommended measures of effect size. Trends in Sport Sciences, 21(1), 19–25.