كيفية إجراء اختبار ماكنيمار في إكسيل

يمثل التحليل الإحصائي الركيزة الأساسية التي تستند إليها البحوث التجريبية والعيادية في العلوم النفسية، والسلوكية، والتربوية، والطبية. وعندما تتناول الدراسات تقييم فعالية تدخل علاجي أو برنامج تدريبي معين، يجد الباحث نفسه أمام تصاميم تجريبية تعتمد على القياس القبلي والبعدي لنفس عينة المفحوصين، أو تصاميم الأزواج المتطابقة. في كثير من هذه الحالات، تكون المتغيرات المدروسة ذات طبيعة نوعية اسمية ثنائية التفرع (مثل: وجود العرض النفسي مقابل غيابه، النجاح مقابل الفشل، الموافقة مقابل الرفض، أو الشفاء مقابل استمرار الاضطراب). وهنا تبرز الحاجة المنهجية الماسة لتطبيق اختبار إحصائي يتعامل بدقة مع الارتباط القائم بين القياسات المتكررة على العينة ذاتها، وهو ما يحققه بجدارة اختبار ماكنيمار (McNemar’s Test).

على الرغم من شيوع استخدام البرمجيات الإحصائية الجاهزة والمغلقة مثل SPSS أو SAS، فإن إجراء هذا التحليل باستخدام برنامج مايكروسوفت إكسيل (Microsoft Excel) يمنح الباحثين والأكاديميين فهماً عميقاً وشفافية رياضية كاملة لآلية معالجة البيانات وبناء مصفوفات التوافق واستخراج قيم الدلالة الإحصائية، فضلاً عن إمكانية بناء نماذج حسابية تفاعلية وقوالب ديناميكية قابلة لإعادة الاستخدام في مختلف الأبحاث الميدانية. يُتيح إكسيل تفكيك بنية الاختبار إلى معادلاتها الأولية، والتحكم الدقيق في تطبيق التصحيحات الإحصائية كتصحيح ييتس للاستمرارية، وحساب مؤشرات حجم الأثر وفترات الثقة ونسب الأرجحية، مما يجعل العملية البحثية متكاملة وقابلة للتدقيق المنهجي الدقيق.

يهدف هذا الدليل المرجعي الشامل إلى تقديم معالجة أكاديمية وتطبيقية معمقة لكيفية تنفيذ اختبار ماكنيمار في بيئة إكسيل من الصفر وحتى مرحلة التوثيق النهائي للنتائج وفق المعايير الدولية المعاصرة الصادرة عن جمعية علم النفس الأمريكية (APA) في إصدارها السابع. سنستعرض عبر هذا المقال الأسس النظرية للاختبار، والاشتقاقات الرياضية للصيغ القياسية والمصححة، وإعداد جداول البيانات، وتطبيق الدوال الإحصائية المتقدمة، وبناء لوحات تحكم تفاعلية، مع تفكيك دراسة حالة إكلينيكية واقعية وتوضيح الفروق الجوهرية بين الدلالة الإحصائية والدلالة العيادية.

1. مقدمة شاملة حول اختبار ماكنيمار (McNemar’s Test) وأهميته في القياس النفسي

1.1 التعريف الإحصائي لاختبار ماكنيمار وتاريخ نشأته

يُعد اختبار ماكنيمار (McNemar’s Test) أحد أبرز الاختبارات الإحصائية اللامعلمية (Non-parametric Tests) المصممة خصيصاً لتحليل البيانات الاسمية الثنائية المترابطة أو المزدوجة (Paired Nominal Data). تعود جذور هذا الاختبار إلى عام 1947 عندما قام عالم النفس والإحصائي الأمريكي كوين ماكنيمار (Quinn McNemar)، الأستاذ بجامعة ستانفورد، بنشر ورقته العلمية التأسيسية بعنوان “Note on the sampling error of the difference between correlated proportions or percentages” في مجلة Psychometrika المرموقة، لمعالجة قصور اختبار كاي تربيع التقليدي في التعامل مع القياسات المتكررة لنفس المفحوصين.

ينتمي الاختبار تصنيفياً إلى اختبارات جودة المطابقة والتجانس الهامشي، حيث يختبر ما إذا كانت النسب الهامشية للمتغير التابع المقاس في مناسبتين زمنيتين (قبلية وبعدية) متطابقة في المجتمع الأصلي. وتتجلى طبيعته اللامعلمية في عدم اشتراطه للتوزيع الطبيعي للبيانات، إلا أنه يعتمد في استدلاله المقارب على توزيع كاي تربيع بدرجة حرية واحدة ($df = 1$) لتقييم الفروق بين التكرارات المتغيرة.

يكمن الفرق الجوهري بين اختبار ماكنيمار واختبار كاي تربيع للاستقلالية (Pearson’s Chi-Square Test of Independence) في بنية العينة وطبيعة جمع البيانات. فاختبار كاي تربيع للاستقلالية يفترض استقلالية تامة بين المجموعات المقارنة (عينات مستقلة تماماً)، في حين يُلبي اختبار ماكنيمار شرط الارتباط بين أزواج الملاحظات الناتجة عن قياس المجموعة ذاتها قبل التدخل وبعده، أو استخدام أزواج متطابقة من الأفراد تم ربطهم مسبقاً بناءً على متغيرات ضابطة مثل العمر، والجنس، ومستوى الذكاء.

1.2 أهمية الاختبار في الأبحاث والعلوم النفسية والسلوكية

يحظى اختبار ماكنيمار بمكانة محورية في الدراسات النفسية والسلوكية، نظراً لأن العديد من الظواهر الإكلينيكية تقاس في صورة فئات ثنائية مثل: وجود نوبة هلع (نعم/لا)، أو استيفاء المعايير التشخيصية لاضطراب الاكتئاب وفق الدليل التشخيصي والإحصائي للاضطرابات النفسية (DSM-5)، أو الامتثال للتعليمات العلاجية. في هذه السياقات، يُستخدم الاختبار لتقييم الفعالية النوعية للتدخلات السلوكية والعلاج النفسي التحليلي أو المعرفي السلوكي (CBT)، من خلال رصد التحول الإيجابي أو السلبي في استجابات المرضى عبر الزمن.

كما يُستخدم الاختبار في دراسات قياس التغير في الاتجاهات والمواقف النفسية، كفحص تحول مواقف الأفراد نحو تقبل العلاج النفسي أو مناهضة التنمر المدرسي إثر التعرض لحملة إرشادية توعوية. بالإضافة إلى ذلك، يبرز دور الاختبار في مجالات القياس النفسي (Psychometrics) لتقييم حساسية ونوعية أدوات التشخيص المزدوجة، ومقارنة نتائج مقياسين تشخيصيين يُطبقان على نفس العينة السريرية لتحديد مدى توافقهما أو تباينهما في رصد الحالات المرضية.

في التصاميم شبه التجريبية والتجريبية التي تعتمد على مجموعات القياس المتكرر، يمنح اختبار ماكنيمار الباحث القدرة على عزل التباين الفردي الداخلي للمفحوصين، حيث يعمل كل فرد كضابط لنفسه (Self-control)، مما يزيد من القدرة على اكتشاف الأثر الحقيقي للمتغير المستقل دون تشويش من الفروق الفردية المسبقة بين المجموعات.

1.3 دواعي استخدام برنامج إكسيل في إجراء الاختبار

يوفر برنامج مايكروسوفت إكسيل بيئة تحليلية تتسم بالمرونة والشفافية الأكاديمية مقارنة بالبرمجيات الإحصائية المغلقة التي تعطي نتائج نهائية بضغطة زر دون توضيح الخطوات الوسيطة. يتيح إكسيل للمحلل بناء الخوارزمية الإحصائية خطوة بخطوة، ورؤية تفاعل الخلايا، وحساب الفروق المتباينة، وتطبيق التصحيحات الرياضية، مما يعزز الاستيعاب الإحصائي العميق لآلية عمل الاختبار.

تتمثل ميزة إكسيل الأساسية في انتشاره الواسع وتوفره لدى جميع الباحثين والطلاب دون الحاجة إلى شراء تراخيص باهظة الثمن للبرمجيات المتخصصة. كما يُمكّن الباحث من بناء نماذج حسابية مرنة يمكن تحديث بياناتها تلقائياً بمجرد إدخال درجات مبحوثين جدد، فضلاً عن سهولة تصدير الجداول المصممة ودمجها مباشرة في التقارير الأكاديمية، والرسوم البيانية المخصصة للعرض والنشر العلمي.

2. الأسس النظرية والافتراضات الإحصائية لاختبار ماكنيمار

2.1 الافتراضات المنهجية الواجب توفرها في البيانات

يتطلب التطبيق السليم لاختبار ماكنيمار استيفاء جملة من الشروط المنهجية والافتراضات الإحصائية الصارمة لضمان صحة الاستدلال وموثوقية القرارات المستخلصة:

• طبيعة المتغير التابع: يجب أن يكون المتغير خاضعاً لمستوى القياس الاسمي الثنائي التفرع (Dichotomous Nominal Variable)، بحيث تنحصر استجابات المفحوصين في فئتين حصريتين وشاملتين (مثل: مصاب / سليم، متكيف / غير متكيف، 1 / 0).
• ارتباط العينات (Paired Observations): يجب أن تجمع البيانات بطريقة الأزواج المترابطة، إما عبر القياس المتكرر على نفس الأفراد في فترتين زمنيتين ($T_1$ و $T_2$)، أو عبر استخدام أزواج متناظرة (Matched Pairs) تم ضبطها في متغيرات دخيلة حاسمة.
• استقلالية الأزواج (Independence of Pairs): يشترط أن تكون الملاحظات بين الأزواج المختلفة مستقلة تماماً، بمعنى ألا تؤثر استجابة زوج من الملاحظات (أو مفحوص معين) على استجابة زوج آخر في العينة.
• التركيز على الحالات غير المتوافقة: يعتمد الاختبار في جوهره على التكرارات المتعارضة أو المتغيرة فقط (Discordant Pairs)، متجاهلاً الحالات التي لم يطرأ عليها أي تغيير بعد التدخل.

2.2 بنية جدول التوافق الثنائي (2×2 Contingency Table)

تُنظم بيانات اختبار ماكنيمار في مصفوفة توافق ثنائية الأبعاد ($2 times 2$) تعكس تقاطع القياس القبلي مع القياس البعدي، كما هو موضح في البنية الرياضية التالية:

الحالة القبلية (Pre-test)	الحالة البعدية (Post-test)		المجموع الهامشي القبلي
	إيجابي (+) [1]	سلبي (-) [0]
إيجابي (+) [1]	الخلية (أ / $a$) توافق إيجابي	الخلية (ب / $b$) تحول سلبي (+ إلى -)	$a + b$
سلبي (-) [0]	الخلية (ج / $c$) تحول إيجابي (- إلى +)	الخلية (د / $d$) توافق سلبي	$c + d$
المجموع الهامشي البعدي	$a + c$	$b + d$	$N = a + b + c + d$

تُمثل الخلايا ($a$) و ($d$) التوافق التام (Concordant Cells)، حيث احتفظ الأفراد بنفس حالتهم التشخيصية أو السلوكية قبل وبعد التدخل دون أي تأثر. في المقابل، تُمثل الخلايا ($b$) و ($c$) الحالات المتغيرة أو غير المتوافقة (Discordant Cells)، حيث تمثل الخلية ($b$) الأفراد الذين فقدوا الخاصية بعد التدخل، بينما تمثل الخلية ($c$) الأفراد الذين اكتسبوا الخاصية بعد التدخل. يرتكز اختبار ماكنيمار حصرياً على فحص التماثل الهامشي بين الخلية ($b$) والخلية ($c$).

2.3 حجم العينة وكفاية التكرارات المتغيرة

لا يتحدد حجم العينة المطلوب لاختبار ماكنيمار بإجمالي عدد المفحوصين ($N$) فحسب، بل يعتمد بالدرجة الأولى على مجموع التكرارات في الخلايا غير المتوافقة ($b + c$). تُشير الأدبيات الإحصائية القياسية إلى القواعد الإرشادية التالية لضمان صحة التقريب إلى توزيع كاي تربيع:

• إذا كان مجموع الحالات المتغيرة $b + c ge 30$، فإن استخدام التوزيع التقريبي المقارب لكاي تربيع القياسي يكون دقيقاً ومقبولاً إحصائياً.
• إذا كان مجموع الحالات المتغيرة يقع في النطاق $10 le b + c < 30$، يُوصى بشدة بتطبيق تصحيح ييتس للاستمرارية (Yates’s Continuity Correction) لتقليل خطأ التقريب المنفصل إلى المتصل.
• إذا كان مجموع الحالات المتغيرة صغيراً جداً ($b + c < 10$، وفي بعض المراجع $b + c < 25$)، تصبح تقريبات كاي تربيع غير دقيقة، ويتعين استخدام اختبار ماكنيمار الثنائي الدقيق (Exact Binomial McNemar Test) المستند إلى توزيع ثنائي الحدين.

يؤدي إهمال كفاية التكرارات المتغيرة إلى انخفاض القوة الإحصائية (Statistical Power) للاختبار، مما يرفع احتمالية ارتكاب الخطأ من النوع الثاني (Type II Error – $\beta$) والفشل في اكتشاف التأثير الحقيقي للتدخل الإرشادي أو العلاجي عند وجوده بالفعل.

3. صياغة الفرضيات الإحصائية لاختبار ماكنيمار

3.1 صياغة الفرضية الصفرية (H0)

تنص الفرضية الصفرية ($H_0$) في اختبار ماكنيمار على وجود تماثل هامشي (Marginal Homogeneity) وتكافؤ تام بين احتمالات التحول في الاتجاهين، مما يعني عدم وجود أي أثر ذي دلالة إحصائية للتدخل التجريبي على السلوك المقاس. تُصاغ الفرضية الصفرية رياضياً على النحو التالي:

$$H_0: P(b) = P(c) \quad \text{أو} \quad P_{\text{pre}} = P_{\text{post}}$$

تُعبر هذه الفرضية مفاهيمياً عن أن احتمال تحول المفحوص من الإيجابية إلى السلبية مساوٍ تماماً لاحتمال تحوله من السلبية إلى الإيجابية، أي أن الفروق الملاحظة بين الحالات المتغيرة ناتجة عن خطأ المعاينة العشوائي فقط وليس عن فاعلية البرنامج النفسي، وبالتالي فإن نسبة النجاح الكلية قبل التدخل ($p_1 = \frac{a+b}{N}$) تتطابق مع نسبة النجاح الكلية بعد التدخل ($p_2 = \frac{a+c}{N}$).

3.2 صياغة الفرضية البديلة (Ha)

تنص الفرضية البديلة ($H_a$ أو $H_1$) على عدم تماثل الاحتمالات الهامشية، ووجود تحول منهجي جوهري في استجابات المفحوصين يُعزى إلى أثر التدخل التجريبي أو البرنامج الإرشادي. تأخذ الفرضية البديلة صيغتين تبعاً للإطار النظري للبحث:

1. الفرضية البديلة ثنائية الاتجاه (Two-Tailed Hypothesis): تُستخدم عندما لا يتوقع الباحث اتجاه التحول مسبقاً، وتُصاغ كالتالي:

$$H_a: P(b) \neq P(c) \quad \text{أو} \quad P_{\text{pre}} \neq P_{\text{post}}$$

2. الفرضية البديلة أحادية الاتجاه (One-Tailed / Directional Hypothesis): تُستخدم عند وجود افتراض نظري قوي بأن التدخل سيؤدي حتماً إلى زيادة السلوك الإيجابي وخفض السلوك السلبي، وتُصاغ كالتالي:

$$H_a: P(c) > P(b) \quad (\text{لإثبات التحسن الإيجابي المعنوي})$$

4. إعداد وتنظيم البيانات الخام في برنامج إكسيل

4.1 هيكلة جدول البيانات النفسية الخام

لإجراء اختبار ماكنيمار باحترافية في إكسيل، يجب تنظيم مصفوفة البيانات الخام في جدول منتظم يحتوي على أعمدة محددة لكل مفحوص وفق نموذج القياس المتكرر (Longitudinal Layout). يتكون الجدول القياسي من الأعمدة التالية:

• العمود A (رقم المفحوص – Subject ID): يُمثل المعرف الفريد لكل مريض أو مشارك في الدراسة (مثل: ID_001, ID_002).
• العمود B (القياس القبلي – Pre_Score): يتضمن الحالة التشخيصية أو السلوكية قبل التدخل، مكوّدة رقمياً ($1$ للدلالة على الاستجابة الإيجابية/وجود العرض، و $0$ للدلالة على الاستجابة السلبية/غياب العرض).
• العمود C (القياس البعدي – Post_Score): يتضمن الحالة السلوكية بعد انتهاء البرنامج التدخلي، مكوّدة بنفس النظام تماماً ($1$ أو $0$).

من الأهمية بمكان فحص اكتمال البيانات والتحقق من عدم وجود قيم مفقودة (Missing Values). يُستبعد المبحوث الذي يفتقر إلى أحد القياسين (القبلي أو البعدي) من التحليل الأساسي عبر تقنية تحليل الحالات المكتملة (Listwise Deletion)، لتجنب الإخلال بشرط التوافق المزدوج للبيانات.

4.2 استخدام دوال إكسيل المنطقية لتصنيف التغير

لتحديد مسار التغير الفردي لكل مبحوث وتسهيل التجميع اللاحق، نقوم بإنشاء أعمدة مساعدة (Helper Columns) في إكسيل باستخدام الدوال المنطقية ودوال الربط النصي:

الخطوة 1: توليد كود التحول النصي: نُنشئ في العمود D حقلاً يسمى Transition_Pattern ونطبق فيه دالة الربط النصي التالية في الخلية D2 ثم نسحبها للأسفل:

=CONCATENATE(B2, “-“, C2)

تولد هذه المعادلة أربعة أنماط محتملة للتغير: "1-1" (ثبات إيجابي)، "0-0" (ثبات سلبي)، "1-0" (تحول من إيجابي إلى سلبي – الخلية b)، و "0-1" (تحول من سلبي إلى إيجابي – الخلية c).

الخطوة 2: تصنيف الحالات بشرط دقيق: يمكننا تصنيف نوع الخلية مباشرة في العمود E المسمى Cell_Category باستخدام دالة IFS أو دالة IF المركبة بالشكل التالي:

=IFS(D2=”1-1″, “a”, D2=”1-0″, “b”, D2=”0-1″, “c”, D2=”0-0″, “d”)

4.3 تجهيز جدول التوزيع التكراري المتقاطع

لتوليد مصفوفة التوافق $2 times 2$ تلقائياً من البيانات المجهزة، نستخدم دالة العد الشرطي المتعدد COUNTIFS لبناء خلايا الجدول في نطاق مخصص كورقة عمل إكسيل (ولتكن الخلايا G2:H3):

الرمز الإحصائي	الخلية في إكسيل	معادلة إكسيل الآلية (COUNTIFS)	الوصف المفاهيمي
الخلية a	G2	=COUNTIFS(B2:B101, 1, C2:C101, 1)	الاستجابة القبلية = 1 والبعدية = 1
الخلية b	H2	=COUNTIFS(B2:B101, 1, C2:C101, 0)	الاستجابة القبلية = 1 والبعدية = 0
الخلية c	G3	=COUNTIFS(B2:B101, 0, C2:C101, 1)	الاستجابة القبلية = 0 والبعدية = 1
الخلية d	H3	=COUNTIFS(B2:B101, 0, C2:C101, 0)	الاستجابة القبلية = 0 والبعدية = 0

يُفضل تسمية هذه الخلايا داخل إكسيل باستخدام إدارة الأسماء (Name Manager)، مثل تسمية الخلية H2 بالاسم Cell_b وتسمية الخلية G3 بالاسم Cell_c، لتبسيط صياغة المعادلات الإحصائية المعقدة وضمان سهولة قراءتها وتدقيقها.

5. المعادلة الرياضية لاختبار ماكنيمار وتطبيقها في إكسيل

5.1 الاشتقاق الرياضي لإحصائية الاختبار القياسية

تستند إحصائية كاي تربيع لاختبار ماكنيمار القياسي (دون تصحيح) إلى مقارنة التكرارات الملاحظة في الخلايا المتباينة بالتكرارات المتوقعة في ظل صحة الفرضية الصفرية. بموجب الفرضية الصفرية القائلة بأن $P(b) = P(c) = 0.5$ من إجمالي الحالات المتغيرة ($b + c$)، يكون التكرار المتوقع لكل من الخليتين مساوياً لـ:

$$E(b) = E(c) = \frac{b + c}{2}$$

بتطبيق صيغة كاي تربيع العامة لبيرسون: $\chi^2 = \sum \frac{(O – E)^2}{E}$ على الخلايا المتباينة فقط، نحصل على الاشتقاق التالي:

$$\chi^2 = \frac{\left(b – \frac{b+c}{2}\right)^2}{\frac{b+c}{2}} + \frac{\left(c – \frac{b+c}{2}\right)^2}{\frac{b+c}{2}} = \frac{\left(\frac{b-c}{2}\right)^2 + \left(\frac{c-b}{2}\right)^2}{\frac{b+c}{2}} = \frac{2 \cdot \frac{(b-c)^2}{4}}{\frac{b+c}{2}} = \frac{(b – c)^2}{b + c}$$

نلاحظ أن بسط المعادلة $(b – c)^2$ يقيس مقدار التباعد والتباين بين اتجاهي التغير، بينما يمثل المقام $b + c$ التباين الكلي المقدر في ظل فرضية العدم. تتبع هذه الإحصائية توزيع كاي تربيع بدرجة حرية واحدة دائماً ($df = 1$).

5.2 كتابة صيغ إكسيل لحساب قيمة الاختبار القياسية

لحساب إحصائية ماكنيمار القياسية في إكسيل استناداً إلى الخلايا المحددة للقيمتين $b$ و $c$، نقوم بإدخال المعادلة في خلية مخصصة (ولتكن K2) باستخدام إحدى الصيغتين التاليتين:

الصيغة المباشرة البسيطة:

=((H2 – G3)^2) / (H2 + G3)

الصيغة المتقدمة باستخدام دوال إكسيل مع معالجة الأخطاء:

=IFERROR(POWER(Cell_b – Cell_c, 2) / (Cell_b + Cell_c), 0)

تضمن دالة IFERROR تجنب ظهور خطأ القسمة على صفر (#DIV/0!) في حال كانت العينة خالية تماماً من أي تحولات متغيرة ($b + c = 0$)، حيث تُرجع القيمة صفر تلقائياً كدليل على عدم وجود أي تغير ملاحظ.

6. تطبيق تصحيح ييتس للاستمرارية (Yates’s Continuity Correction) في إكسيل

6.1 مبررات استخدام تصحيح ييتس في العينات المتوسطة والصغيرة

ينشأ التوزيع النظري لاختبار ماكنيمار من توزيع ثنائي الحدين المنفصل (Discrete Binomial Distribution)، في حين أن توزيع كاي تربيع المستند إليه في استخراج الدلالة هو توزيع رياضي متصل (Continuous Distribution). عندما يكون حجم التكرارات المتغيرة ($b + c$) متوسطاً أو صغيراً، يؤدي تقريب التوزيع المنفصل بتوزيع متصل إلى تضخيم غير حقيقي لقيمة إحصائية كاي تربيع المحسوبة، مما يرفع معدل ارتكاب خطأ ألفا (الخطأ من النوع الأول – رفض فرضية العدم وهي صحيحة).

اقترح الإحصائي فرانك ييتس (Frank Yates) تعديلاً رياضياً يُعرف بـ تصحيح ييتس للاستمرارية، يقوم على طرح قيمة ثابتة قدرها ($0.5$) من القيمة المطلقة للفارق بين التكرارين المتغيرين$|b – c|$ قبل التربيع. على الرغم من أن هذا التصحيح يميل في بعض الأحيان إلى التحفظ الشديد (Conservatism) وتخفيض القوة الإحصائية قليلاً، إلا أنه يُعد الإجراء المعياري الأكثر أماناً وقبولاً في البحوث النفسية والطبية عندما يتراوح مجموع الحالات المتغيرة بين 10 و 30 حالة.

6.2 الصيغة الرياضية للاختبار مع التصحيح

تُعرف الصيغة الرياضية لاختبار ماكنيمار المصحح للاستمرارية بالمعادلة التالية:

$$\chi^2_{\text{corrected}} = \frac{\left(|b – c| – 0.5\right)^2}{b + c}$$

يشترط رياضياً أن يكون $|b – c| ge 0.5$؛ فإذا كان $|b – c| < 0.5$، فإن قيمة كاي تربيع المصححة تُحدد تلقائياً بالقيمة صفر ($0$). يعمل طرح القيمة $0.5$ على تقليص البسط نحو الصفر، مما ينتج عنه قيمة كاي تربيع أصغر وبالتالي قيمة احتمالية ($p\text{-value}$) أكبر وأكثر تحفظاً تحمي الباحث من الاستنتاجات الإيجابية الكاذبة.

6.3 صياغة معادلة التصحيح داخل إكسيل

لتطبيق معادلة تصحيح ييتس بدقة في إكسيل مع الأخذ في الاعتبار شرط ألا يكون الفارق المطلق أقل من $0.5$، نكتب الصيغة الشرطية المتقدمة التالية في الخلية K3:

=IF((Cell_b + Cell_c) = 0, 0, IF(ABS(Cell_b – Cell_c) <= 0.5, 0, (POWER(ABS(Cell_b – Cell_c) – 0.5, 2)) / (Cell_b + Cell_c)))

تستخدم هذه المعادلة دالة ABS لاستخراج القيمة المطلقة للفرق، ودالة POWER للتربيع، مدمجة ضمن دالة IF متداخلة لضمان الأمان الحسابي التام عند مختلف سيناريوهات البيانات المدخلة.

7. حساب القيمة الاحتمالية (P-Value) ومستوى الدلالة في إكسيل

7.1 استخدام دالة CHISQ.DIST.RT لحساب القيمة الاحتمالية

في الإصدارات المعاصرة من مايكروسوفت إكسيل، تُستخدم الدالة الإحصائية المتقدمة CHISQ.DIST.RT (Chi-Square Distribution Right-Tail) لحساب المساحة الاحتمالية في الذيل الأيمن للتوزيع، وهي الدالة التي تمثل القيمة الاحتمالية الدقيقة المقابلة لإحصائية كاي تربيع المحسوبة بدرجة حرية معينة. تأخذ الدالة البنية التالية:

=CHISQ.DIST.RT(x, deg_freedom)

حيث يُمثل x الخلية المحتوية على قيمة كاي تربيع المحسوبة (سواء القياسية أو المصححة)، بينما يُمثل deg_freedom درجة الحرية والتي تساوي دائماً 1 في اختبار ماكنيمار للجدول $2 times 2$.

تطبيق الصيغة في إكسيل:

=CHISQ.DIST.RT(K3, 1)

ملاحظة توافقية: في الإصدارات القديمة من إكسيل (Excel 2007 وما قبله)، كانت تُستخدم الدالة البديلة =CHIDIST(K3, 1)، ولكن يُفضل استخدام النسخة الأحدث لضمان أعلى مستويات الدقة الحسابية والاستقرار البرمجي.

7.2 تحديد القرار الإحصائي بناءً على مستوى الدلالة (Alpha)

يقارن الباحث القيمة الاحتمالية المستخرجة ($p\text{-value}$) بمستوى الدلالة المقبول مسبقاً في البحوث النفسية والاجتماعية (غالباً $\alpha = 0.05$ أو $\alpha = 0.01$). لأتمتة اتخاذ القرار الإحصائي في ورقة العمل، يمكننا كتابة صيغة منطقية مخصصة في إكسيل كالتالي:

=IF(L3 <= 0.05, "دال إحصائياً (رفض الفرضية الصفرية H0)", "غير دال إحصائياً (فشل رفض الفرضية الصفرية H0)")

كما يمكن للباحث حساب القيمة الحرجة (Critical Value) عند مستوى الدلالة 0.05 ودرجة الحرية 1 باستخدام دالة المعكوس لتوزيع كاي تربيع CHISQ.INV.RT للتأكد من تجاوز الإحصائية المحسوبة للحد الحرج المقدر بـ $3.841$:

=CHISQ.INV.RT(0.05, 1) ‘وتعطي النتيجة بدقة: 3.841458821

7.3 حساب الاحتمال الثنائي الدقيق (Exact Binomial P-Value) للعينات الصغيرة

عندما تكون العينة المتباينة صغيرة جداً ($b + c < 25$)، يفقد تقريب كاي تربيع دقته، ويجب اللجوء إلى التوزيع الدقيق ثنائي الحدين حيث $n = b + c$ واحتمال النجاح تحت فرضية العدم $p = 0.5$. لاختبار ثنائي الطرفين (Two-tailed Exact Test)، تُحسب القيمة الاحتمالية بجمع الاحتمالات لذيل التوزيع ومضاعفتها، أو باستخدام دالة إكسيل التراكمية BINOM.DIST كما يلي:

=2 * BINOM.DIST(MIN(Cell_b, Cell_c), Cell_b + Cell_c, 0.5, TRUE)

حيث تأخذ الدالة أصغر التكرارين المتغيرين MIN(Cell_b, Cell_c)، وإجمالي المحاولات Cell_b + Cell_c، ونسبة الاحتمال 0.5، مع ضبط المعامل التراكمي على TRUE لحساب المجموع التراكمي للاحتمالات من صفر وحتى أصغر القيمتين، ثم ضرب الناتج في 2 لمطابقة الطرفين. يُعد هذا الإجراء هو المعيار الذهبي المعتمد إكلينيكياً في العينات الصغيرة وتجارب الحالات المفردة المزدوجة.

8. حساب مقاييس حجم الأثر (Effect Size) ونسب الأرجحية في إكسيل

8.1 حساب نسبة الأرجحية للملاحظات المزدوجة (Paired Odds Ratio)

لا يكتمل التحليل الإحصائي بمجرد استخراج القيمة الاحتمالية؛ إذ تشترط الهيئات العلمية كجمعية علم النفس الأمريكية تقديم مقاييس واضحة لحجم الأثر (Effect Size) لتوضيح القوة العملية للتدخل. في البيانات الاسمية المزدوجة، يُمثل معدل الأرجحية للملاحظات المزدوجة (Paired Odds Ratio – OR) المقياس الأبرز، وتُشتق صيغته حصرياً من نسبة التكرارات المتغيرة:

$$OR = \frac{b}{c} \quad \text{أو} \quad OR = \frac{c}{b}$$

تُعبر هذه النسبة عن مقدار ترجيح حدوث التحول الإيجابي مقارنة بحدوث التحول السلبي. إذا كانت القيمة تساوي $1.0$، فهذا يعكس تكافؤاً تاماً وغياباً لأي أثر تفضيلي للتدخل. أما إذا كانت$OR = 3.5$ لصالح التحول الإيجابي، فإن ذلك يشير إلى أن احتمالية تحسن المريض بعد التدخل تفوق احتمالية انتكاسته بثلاث مرات ونصف.

صيغة إكسيل مع تصحيح هالدين-أنسكومب (Haldane-Anscombe Correction) للخلايا الصفرية:

=IF(Cell_c = 0, (Cell_b + 0.5) / 0.5, Cell_b / Cell_c)

8.2 حساب فترات الثقة (Confidence Intervals) لنسبة الأرجحية

لحساب فترة الثقة 95% لنسبة الأرجحية المزدوجة، نلجأ إلى التحويل اللوغاريتمي الطبيعي ($ln$) نظراً لأن توزيع نسبة الأرجحية ملتوي بطبيعته. يُحسب الخطأ المعياري للوغاريتم نسبة الأرجحية $SE(ln(OR))$ بالصيغة:

$$SE(\ln(OR)) = \sqrt{\frac{1}{b} + \frac{1}{c}}$$

وبالتالي فإن حدود فترة الثقة 95% تُحسب كالتالي:

$$CI_{95%} = \exp\left(\ln(OR) \pm 1.96 \cdot SE(\ln(OR))\right)$$

المؤشر الإحصائي	الرمز في النموذج	صيغة إكسيل المقابلة
الخطأ المعياري للوغاريتم	SE_lnOR	=SQRT((1/Cell_b) + (1/Cell_c))
الحد الأدنى لفترة الثقة 95%	Lower_CI	=EXP(LN(OR_Cell) – (1.96 * SE_Cell))
الحد الأعلى لفترة الثقة 95%	Upper_CI	=EXP(LN(OR_Cell) + (1.96 * SE_Cell))

إذا لم تشتمل فترة الثقة المستخرجة على القيمة $1.0$ (مثلاً: $[1.25, , 4.80]$)، فإن ذلك يعزز الدلالة الإحصائية للتدخل ويؤكد استقراره عند مستوى المجتمع الأصلي.

8.3 حساب معامل كوهين g وحجم الأثر النسبي

يُعد معامل كوهين $g$ (Cohen’s g) المقياس المعياري المفضل لحجم الأثر في اختبارات التوزيع ثنائي الحدين واختبار ماكنيمار. يُعرف المعامل بأنه المسافة المطلقة بين النسبة الملاحظة للتحول والنسبة المتوقعة تحت فرضية العدم ($0.5$):

$$g = left| \frac{b}{b + c} – 0.5 right| \quad \text{أو} \quad g = left| P(b) – 0.5 right|$$

تتراوح قيمة المعامل $g$ بين $0.0$ و $0.5$. وتُفسر نتائجه استناداً إلى المعايير المرجعية التي وضعها جاكوب كوهين (Jacob Cohen) كالتالي:

• أثر صغير (Small Effect): $g = 0.05$ (يعكس تحولاً طفيفاً يكاد لا يُلاحظ إكلينيكياً).
• أثر متوسط (Medium Effect): $g = 0.15$ (يعكس تحولاً ملحوظاً ذو أهمية تطبيقية).
• أثر كبير (Large Effect): $g ge 0.25$ (يعكس تحولاً جوهرياً وحاسماً لصالح التدخل).

صيغة إكسيل لحساب معامل كوهين g:

=ABS((Cell_b / (Cell_b + Cell_c)) – 0.5)

9. دراسة حالة تطبيقية كاملة: تقييم فعالية تدخل إرشادي لتعديل سلوك التدخين

9.1 وصف المشكلة النفسية والبيانات التجريبية

أجرى فريق من الباحثين في علم النفس الإكلينيكي دراسة شبه تجريبية لتقييم أثر برنامج إرشادي مستند إلى مبادئ العلاج السلوكي المعرفي (CBT) والمقابلات الدافعية (Motivational Interviewing) في تعديل الرغبة الملحة في التدخين لدى عينة من المدخنين المراجعين لمركز إرشادي، بلغ قوامها $N = 100$ مشارك.

قيس المتغير التابع ثنائياً (الرغبة في الإقلاع الفوري عن التدخين: نعم = 1، لا = 0) في مرحلتين:

• القياس القبلي ($T_1$): أظهرت النتائج أن $30$ مشاركاً فقط لديهم الرغبة في الإقلاع ($1$)، بينما $70$ مشاركاً لا يرغبون في الإقلاع ($0$).
• التدخل: خضع جميع المشاركين للبرنامج التدخلي المكثف لمدة 8 أسابيع.
• القياس البعدي ($T_2$): أعيد قياس الرغبة في الإقلاع لجميع أفراد العينة الـ $100$.

أفرزت عملية المطابقة والتصنيف المتقاطع للتغيرات الفردية البيانات التكرارية التالية في مصفوفة التوافق:

• الخلية ($a$): $18$ مشاركاً رغبوا في الإقلاع قبلياً واحتفظوا برغبتهم بعدياً (ثبات إيجابي $1 rightarrow 1$).
• الخلية ($b$): $12$ مشاركاً رغبوا في الإقلاع قبلياً ولكنهم فقدوا هذه الرغبة بعدياً (تحول سلبي $1 rightarrow 0$).
• الخلية ($c$): $34$ مشاركاً لم يرغبوا في الإقلاع قبلياً لكنهم اكتسبوا الرغبة الأكيدة بعد التدخل (تحول إيجابي $0 rightarrow 1$).
• الخلية ($d$): $36$ مشاركاً لم تكن لديهم الرغبة قبلياً وظلوا على موقفهم بعدياً (ثبات سلبي $0 rightarrow 0$).

9.2 التنفيذ العملي خطوة بخطوة على ورقة إكسيل

سنقوم الآن ببناء ورقة عمل تحليلية متكاملة في إكسيل لمعالجة هذه البيانات خطوة بخطوة واستخراج كافة الإحصاءات الوصفية والاستدلالية المصاحبة:

عنوان الحقل / المتغير	الخلية في إكسيل	القيمة المدخلة أو معادلة إكسيل	الناتج الحسابي
الخلية a (ثبات إيجابي)	B2	18	18
الخلية b (تحول سلبي)	C2	12	12
الخلية c (تحول إيجابي)	B3	34	34
الخلية d (ثبات سلبي)	C3	36	36
إجمالي الحالات المتغيرة ($b + c$)	E2	=C2 + B3	46
كاي تربيع القياسية (Uncorrected)	E3	=((C2 – B3)^2) / E2	10.5217
كاي تربيع المصححة (Yates)	E4	=((ABS(C2 – B3) – 0.5)^2) / E2	10.0543
القيمة الاحتمالية المصححة ($p$-value)	E5	=CHISQ.DIST.RT(E4, 1)	0.00152
الاحتمال الثنائي الدقيق (Exact Test)	E6	=2 * BINOM.DIST(MIN(C2,B3), E2, 0.5, TRUE)	0.00178
نسبة الأرجحية المزدوجة (OR)	E7	=B3 / C2	2.8333
معامل حجم الأثر كوهين (Cohen’s g)	E8	=ABS((B3 / E2) – 0.5)	0.2391

9.3 الاستنتاج وتفسير النتائج في السياق النفسي

تُظهر المخرجات الحسابية في إكسيل أن قيمة إحصائية ماكنيمار المصححة بلغت $\chi^2_{\text{corrected}}(1, N = 100) = 10.054$ مع قيمة احتمالية دالة جداً بلغت $p = 0.0015$. وبما أن القيمة الاحتمالية المستخرجة أقل بكثير من مستوى الدلالة المعتمد ($\alpha = 0.05$)، فإننا نرفض الفرضية الصفرية ($H_0$) ونقبل الفرضية البديلة ($H_a$).

يُفسر هذا القرار إحصائياً بوجود تحول جوهري غير عشوائي في رغبة المبحوثين نحو الإقلاع عن التدخين بعد الخضوع للبرنامج التدخلي. وقد كشف حساب نسبة الأرجحية المزدوجة ($OR = 2.83$) أن احتمال اكتساب الرغبة الإيجابية في الإقلاع كان أعلى بنحو مرتين و 83% مقارنة باحتمال التراجع والانتكاس السلبي.

أما من منظور حجم الأثر السلوكي، فقد بلغ معامل كوهين $g = 0.239$، وهي قيمة تقترب جداً من عتبة الأثر الكبير ($0.25$)، مما يؤكد أن البرنامج التدخلي لم يقتصر على تحقيق دلالة إحصائية مجردة ناتجة عن حجم العينة، بل أحدث تغييراً سلوكياً ومعرفياً ذا دلالة عيادية وتطبيقية واضحة في اتجاهات المشاركين نحو الإقلاع عن التدخين.

10. إنشاء لوحة تحكم وقالب ديناميكي تفاعلي لاختبار ماكنيمار في إكسيل

10.1 تصميم قالب إدخال بيانات قابل لإعادة الاستخدام

لبناء أداة تحليلية مستدامة في بيئة العمل الأكاديمية والمخبرية، يمكن تصميم ورقة عمل تفاعلية مؤتمتة بالكامل تضمن التحقق من جودة المدخلات ومنع الأخطاء البشرية. يتطلب ذلك تطبيق الممارسات التالية:

1. تقييد نوعية البيانات عبر التحقق من الصحة (Data Validation): نحدد نطاق إدخال الدرجات الخام ونطبق أداة التحقق من الصحة لتقبل الأرقام الصحيحة فقط المحصورة بين 0 و 1، من خلال التبويب Data -> Data Validation -> Whole Number (Min: 0, Max: 1)، لمنع إدخال درجات خاطئة أو رموز غير معتمدة.

2. التنسيق الشرطي التفاعلي (Conditional Formatting): نبرمج قواعد التنسيق الشرطي لتمييز الحالات المتغيرة تلقائياً داخل الجدول، حيث تُظلل صفوف التحول الإيجابي ($0 rightarrow 1$) باللون الأخضر الفاتح، بينما تُظلل صفوف التحول السلبي ($1 rightarrow 0$) باللون البرتقالي الخفيف، مما يمنح الباحث فحصاً بصرياً فورياً لطبيعة التغير أثناء الإدخال.

3. حماية الخلايا والمعادلات (Sheet Protection): بعد كتابة الصيغ الحسابية، نحدد خلايا المدخلات ونزيل علامة القفل عنها (Unlock Cells)، ثم نقوم بحماية ورقة العمل بالكامل لمنع مسح أو تعديل المعادلات الإحصائية الحساسة بطريق الخطأ.

10.2 أتمتة الحسابات الإحصائية باستخدام الدوال المتقدمة

توفر إصدارات مايكروسوفت 365 الحديثة دالة LET التي تتيح تعريف المتغيرات وحساب المعادلات المعقدة بكفاءة برمجية عالية دون الحاجة لتكرار العمليات. يمكننا كتابة صيغة واحدة متكاملة تُرجع تقريراً إحصائياً شاملاً لاختبار ماكنيمار:

=LET(
  b, COUNTIFS(Pre_Range, 1, Post_Range, 0),
  c, COUNTIFS(Pre_Range, 0, Post_Range, 1),
  n_disc, b + c,
  chi_stat, IF(n_disc=0, 0, (POWER(ABS(b – c) – 0.5, 2)) / n_disc),
  p_val, CHISQ.DIST.RT(chi_stat, 1),
  or_val, IF(c=0, “N/A”, b / c),
  “إحصائية كاي المصححة: ” & ROUND(chi_stat, 4) & ” | القيمة الاحتمالية: ” & ROUND(p_val, 5) & ” | ” & IF(p_val<=0.05, “دال إحصائياً”, “غير دال”)
)

كما يُبرمج القالب لإظهار رسائل تحذيرية ذكية في حال انخفاض مجموع الحالات المتغيرة عن 10 حالات، لتنبيه الباحث إلى ضرورة الاعتماد على القيمة الاحتمالية الدقيقة لثنائي الحدين وتجنب الاعتماد على كاي تربيع التقريبية.

10.3 التمثيل البصري للتحولات السلوكية في إكسيل

يُعزز التمثيل البصري الجيد من جودة التقارير النفسية وسهولة إيصال النتائج للجمهور الأكاديمي والمهني. يمكن تصميم المخططات البيانية التالية مباشرة داخل إكسيل:

• المخطط الشريطي المقسم (Stacked Bar Chart): يُستخدم لعرض النسب المئوية للاستجابات الإيجابية والسلبية في مرحلتي القياس القبلي والبعدي جنباً إلى جنب، لإبراز التغير الإجمالي في البنية الهامشية للمجموعة.
• مخطط التباين والتحول (Paired Shift Chart): مخطط مخصص يوضح تدفق الأفراد بين الحالات الأربع ($a, b, c, d$)، مما يبرز بصرياً هيمنة التحولات الإيجابية الصاعدة مقارنة بالتحولات المعاكسة.
• المؤشرات البيانية المصغرة (Sparklines): تُدرج داخل خلايا الجدول بجوار أسماء المجموعات الفرعية لإعطاء انطباع سريع عن الاتجاه العام للتحول السلوكي عبر الزمن.

11. الأخطاء الشائعة والقيود المنهجية أثناء إجراء الاختبار في إكسيل

11.1 الأخطاء الحسابية والبرمجية الشائعة في إكسيل

يقع بعض الباحثين أثناء إعداد واحتساب اختبار ماكنيمار في إكسيل في مجموعة من الأخطاء التقنية والحسابية التي تؤدي إلى نتائج مضللة، ومن أبرزها:

• استخدام دالة CHISQ.TEST الخاطئة: يعتمد البعض بطريق الخطأ على دالة إكسيل الجاهزة =CHISQ.TEST()، متناسين أن هذه الدالة مخصصة حصرياً لاختبار كاي تربيع للاستقلالية في العينات المستقلة وتفترض درجات حرية للمصفوفة، ولا تصلح إطلاقاً لبيانات ماكنيمار المزدوجة.
• الخلط بين الخلايا المتوافقة وغير المتوافقة: إدخال قيم الخلايا المتطابقة ($a$ و $d$) في بسط أو مقام معادلة كاي تربيع، وهو ما يفسد التحليل بالكامل؛ إذ أن اختبار ماكنيمار يعتمد حصرياً على الخلايا المتغيرة ($b$ و $c$).
• أخطاء ترتيب العمليات الحسابية: نسيان وضع الأقواس الرياضية بصورة صحيحة عند كتابة البسط، مثل كتابة =ABS(b-c)-0.5^2 بدلاً من =(ABS(b-c)-0.5)^2، مما يؤدي إلى تربيع القيمة $0.5$ وحدها بدلاً من تربيع كامل المقدار.
• إدخال درجات حرية خاطئة: كتابة درجة حرية مغايرة للرقم 1 في دالة CHISQ.DIST.RT، حيث أن درجة حرية اختبار ماكنيمار للجدول $2 times 2$ ثابتة رياضياً وتساوي $df = 1$ دائماً.

11.2 الأخطاء المنهجية والمفاهيمية في البحوث النفسية

بالإضافة إلى الأخطاء البرمجية، توجد محاذير منهجية ينبغي لدارسي العلوم السلوكية تفاديها بعناية:

• تطبيق الاختبار على عينات مستقلة: استخدام ماكنيمار لمقارنة مجموعتين منفصلتين تماماً من الأفراد (مثل مجموعة ذكور مقابل مجموعة إناث)، وهو انتهاك صارخ للافتراض الأساسي للاختبار الذي يشترط اقتران البيانات.
• تجاهل أثر التسرب التجريبي (Experimental Attrition): إسقاط الأفراد الذين تسربوا بين القياسين القبلي والبعدي دون فحص منهجي لنمط الفقد، مما قد يولد تحيزاً في تقدير فاعلية التدخل إذا كان التسرب مرتبطاً بعدم التحسن.
• الخلط بين الدلالة الإحصائية والدلالة الإكلينيكية: الاعتماد الأعمى على القيمة الاحتمالية الصغيرة ($p < 0.05$) الناتجة عن عينات ضخمة جداً، وتجاهل حساب حجم الأثر ($OR$ أو Cohen's $g$) لتقييم الجدوى العملية الحقيقية للبرنامج الإرشادي.

11.3 القيود المنهجية لاختبار ماكنيمار وكيفية التغلب عليها

على الرغم من القوة الاستدلالية لاختبار ماكنيمار، إلا أنه يعاني من قيود هيكلية محددة تستوجب استخدام بدائل إحصائية متقدمة في سياقات معينة:

1. محدودية البيانات متعددة الفئات ($k \times k$): يعجز اختبار ماكنيمار التقليدي عن معالجة المتغيرات الاسمية التي تزيد فئاتها عن مستويين (مثل: منخفض، متوسط، مرتفع). وفي هذه الحالة، يتعين استخدام اختبار ماكنيمار-باوكر (McNemar-Bowker Test of Symmetry) المخصص لجداول التوافق المربعة الأكبر من $2 times 2$.

2. العجز عن ضبط المتغيرات الدخيلة المربكة (Confounders): لا يتيح اختبار ماكنيمار إدراج متغيرات ضابطة كمية أو فئوية أثناء التحليل. وعند الرغبة في التحكم في متغيرات مثل العمر أو شدة المرض الأساسية، ينبغي الانتقال إلى نماذج الانحدار اللوجستي الشرطي للملاحظات المزدوجة (Conditional Logistic Regression).

3. تأثير الممارسة والترتيب (Order Effects): في القياسات النفسية المتكررة، قد يتحسن أداء المبحوث في القياس البعدي لمجرد اعتياده على أداة القياس السابقة وليس بفضل التدخل العلاجي، وهو ما يتطلب تصاميم تجريبية متوازنة واستخدام مجموعات ضابطة متطابقة.

12. صياغة وتوثيق نتائج اختبار ماكنيمار وفق معايير جمعية علم النفس الأمريكية (APA)

12.1 قواعد التوثيق الأكاديمي وفق الإصدار السابع (APA 7)

تضع جمعية علم النفس الأمريكية معايير دقيقة لكتابة وتوثيق النتائج الإحصائية في المتن الأكاديمي لضمان الشفافية وقابلية التدقيق العلمي. تتلخص هذه القواعد فيما يلي:

• كتابة الرموز الإحصائية بخط مائل (Italicized)، مثل: $\chi^2$, $p$,$N$,$OR$,$df$.
• إدراج درجة الحرية وحجم العينة الإجمالي بوضوح بجوار رمز كاي تربيع: $\chi^2(df, N = dots)$.
• تدوين القيم العشرية بدقة منزلتين لمعاملات كاي تربيع ومقاييس حجم الأثر (مثل: $\chi^2 = 10.05$, $OR = 2.83$).
• تدوين القيمة الاحتمالية بثلاث منازل عشرية دون وضع صفر قبل الفاصلة العشرية إذا كانت القيمة لا تتجاوز الواحد الصحيح (مثل: $p = .002$). وإذا كانت القيمة الاحتمالية صغيرة جداً، تُكتب بصيغة $p < .001$.
• تضمين فترات الثقة 95% ومؤشرات حجم الأثر دوماً لتعزيز التفسير السريري للنتائج.

12.2 نماذج عملية لصياغة النتائج باللغتين العربية والإنجليزية

نموذج الصياغة باللغة العربية (للنتائج الدالة إحصائياً):

“أظهرت نتائج اختبار ماكنيمار المصحح للاستمرارية وجود تحول دال إحصائياً في رغبة المفحوصين نحو الإقلاع عن التدخين إثر الخضوع للبرنامج الإرشادي المعرفي السلوكي، $\chi^2(1, N = 100) = 10.05$، $p = .002$. وارتفعت نسبة المشاركين الراغبين في الإقلاع من 30.0% في القياس القبلي إلى 52.0% في القياس البعدي. وكشف تحليل حجم الأثر أن نسبة الأرجحية المزدوجة بلغت $OR = 2.83$، مع فترة ثقة 95% بلغت $[1.42, , 5.65]$، ومعامل كوهين $g = 0.24$، مما يؤكد الفاعلية العملية الكبيرة للبرنامج في تعديل الاتجاهات السلوكية للعينة.”

Standard English Reporting Format (APA 7th ed.):

“A McNemar’s test with continuity correction was conducted to assess the effectiveness of the cognitive-behavioral intervention on smoking cessation desire among participants. The results indicated a statistically significant shift in desire to quit smoking from pre- to post-intervention, χ²(1, N = 100) = 10.05, p = .002. The proportion of participants willing to quit increased significantly from 30.0% at baseline to 52.0% at follow-up. The paired odds ratio was OR = 2.83, 95% CI [1.42, 5.65], with a Cohen’s g of 0.24, reflecting a substantial and clinically meaningful intervention effect.”

الجدول التوثيقي المتوافق مع معايير APA 7:

جدول 1: نتائج اختبار ماكنيمار لتقييم التحول في الرغبة في الإقلاع عن التدخين قبل وبعد التدخل ($N = 100$)

القياس القبلي	القياس البعدي		المجموع القبلي	$\chi^2_{\text{Yates}}$ ($df=1$)	$p$-value	$OR$ (95% CI)	Cohen’s $g$
	إيجابي (1)	سلبي (0)
إيجابي (1)	18	12	30	10.05	.002	2.83 [1.42, 5.65]	0.24
سلبي (0)	34	36	70
المجموع البعدي	52	48	100

12.3 أفضل الممارسات للتحقق من مصداقية التحليل وإعادة الإنتاجية (Reproducibility)

التزاماً بأعلى معايير النزاهة الأكاديمية والعلم المفتوح (Open Science)، يتعين على الباحث اتباع الإجراءات التوثيقية التالية عند إجراء التحليل في إكسيل:

• التوثيق الخلوي المفسر: تضمين تعليقات توضيحية (Cell Comments) داخل ورقة عمل إكسيل تشرح المنطق الرياضي لكل صيغة ودالة مستخدمة.
• التحقق المتقاطع (Cross-Validation): مقارنة نتائج ملف إكسيل بمخرجات حزمة إحصائية معيارية مثل حزمة mcnemar.test() في لغة البرمجة R أو مخرجات برنامج SPSS للتأكد من تطابق النتائج إلى أقصى منزلة عشرية.
• إتاحة البيانات المجهولة: مشاركة ملف إكسيل المحتوي على البيانات المجهولة الهوية والمعادلات البرمجية في مستودعات البيانات المفتوحة (مثل OSF أو Mendeley Data) لتعزيز شفافية النشر وقابلية إعادة الإنتاج العلمي.
• تجنب التنقيب عن الدلالة (p-hacking): الامتناع عن التبديل الانتقائي بين الصيغة القياسية وصيغة تصحيح ييتس أو الاختبار الدقيق بهدف الحصول المصطنع على قيمة $p < 0.05$، والالتزام الصارم بالمعايير المحددة سلفاً في خطة البحث.

الخلاصة والدروس المستفادة

يُعد اختبار ماكنيمار أداة إحصائية لامعلمية فائقة الأهمية والدقة لدراسة وتحليل التحولات السلوكية والنفسية المقاسة ثنائياً في تصاميم القياس القبلي والبعدي والأزواج المتطابقة. وقد أثبت برنامج مايكروسوفت إكسيل كفاءة استثنائية كبيئة تعليمية وبحثية تتيح بناء التحليل بالكامل انطلاقاً من الدوال المنطقية للبيانات الخام، ومروراً بإنشاء مصفوفات التوافق $2 times 2$، وتطبيق تصحيحات ييتس، واستخراج القيم الاحتمالية الدقيقة والمقاربة، وانتهاءً بحساب مقاييس حجم الأثر وفترات الثقة وبناء لوحات التحكم التفاعلية.

إن إتقان إجراء هذا الاختبار في إكسيل يمنح الباحث النفسي فهماً عميقاً يتجاوز مجرد الحصول على مخرجات صامتة، مما يعزز قدرته على التفسير العلمي الرصين، والربط المنهجي المحكم بين الدلالة الإحصائية المجردة والدلالة الإكلينيكية ذات القيمة الحقيقية في الواقع التطبيقي.

المراجع (References)

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000
• Agresti, A. (2013). Categorical data analysis (3rd ed.). John Wiley & Sons. https://www.wiley.com
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• McNemar, Q. (1947). Note on the sampling error of the difference between correlated proportions or percentages. Psychometrika, 12(2), 153–157. https://doi.org/10.1007/BF02295996
• Siegel, S., & Castellan, N. J. (1988). Nonparametric statistics for the behavioral sciences (2nd ed.). McGraw-Hill.
• Sheskin, D. J. (2020). Handbook of parametric and nonparametric statistical procedures (5th ed.). Chapman and Hall/CRC. https://doi.org/10.1201/9780429186196
• 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