كيفية إجراء اختبار ماكنيمار في ستاتا

يُعد التحليل الإحصائي للبيانات الاسمية المزدوجة ركيزة أساسية في الأبحاث النفسية والعلوم السلوكية والطبية المعاصرة، لا سيما عند تقييم أثر التدخلات التجريبية أو البرامج العلاجية عبر الزمن. عندما يخضع نفس المشاركين للقياس في نقطتين زمنيتين مختلفتين—مثل القياس القبلي والبعدي—أو عندما تُطبق أزواج متطابقة من الحالات والشواهد، تصبح الاختبارات الإحصائية التقليدية المستندة إلى استقلالية الملاحظات غير صالحة للاستخدام. في هذا السياق، يبرز اختبار ماكنيمار (McNemar’s Test) كأحد أقوى وأدق الأدوات اللامعلمية المصممة خصيصاً للتعامل مع المتغيرات الثنائية التفرع المرتبطة، حيث يركز التحليل على رصد وتفسير التحولات النوعية في استجابات الأفراد.

تكمن قوة برنامج ستاتا (Stata) في قدرته الفائقة على معالجة هذا النوع من البيانات المعقدة بكفاءة برمجية وإحصائية عالية. تتيح ستاتا للباحثين تنفيذ اختبار ماكنيمار عبر مسارين متكاملين: إما باستخدام الأوامر الفورية المبنية على الجداول التلخيصية، أو من خلال التعامل المباشر مع ملفات البيانات الخام الموسعة ومصفوفات التوافق. هذا التنوع يمنح المحلل النفسي والسلوكي مرونة استثنائية في التحقق من الفرضيات الإحصائية، وحساب فترات الثقة الدقيقة، وتقدير نسب الأرجحية المقترنة، وتطبيق تصحيحات الاستمرارية اللازمة بدقة متناهية تتوافق مع أرقى معايير النشر الأكاديمي الدولي.

يهدف هذا الدليل الشامل والمفصل إلى تزويد الباحثين والأكاديميين وطلاب الدراسات العليا بفهم نظري وتطبيقي عميق لاختبار ماكنيمار وبيئته الحسابية في برنامج ستاتا. سنتناول بالتفصيل الأسس الرياضية للاختبار، وشروط تطبيقه، والتمايز المنهجي بينه وبين الاختبارات المجاورة، مروراً بخطوات التنفيذ العملي لكافة الأوامر، وتفسير المخرجات الإحصائية والسريرية، وصولاً إلى استراتيجيات التعامل مع العينات الصغيرة، وتجنب الأخطاء الشائعة، وتوثيق النتائج وفق متطلبات الإصدار السابع لدليل الجمعية الأمريكية لعلم النفس (APA 7).

1. مقدمة تأسيسية: ما هو اختبار ماكنيمار (McNemar’s Test) وأهميته الإحصائية

1.1 التعريف النظري لاختبار ماكنيمار وسياقه الرياضي

طُوِّر اختبار ماكنيمار في عام 1947 على يد عالم النفس والإحصائي الأمريكي كوين ماكنيمار (Quinn McNemar)، وذلك استجابة للحاجة المنهجية الملحة لوجود أداة إحصائية قادرة على تقييم التغيرات في النسب المئوية للمتغيرات الاسمية الثنائية عند دراسة نفس العينة عبر مناسبتين زمنيتين. يُصنف هذا الاختبار ضمن الاختبارات اللامعلمية (Non-parametric Tests)، وهو مخصص بشكل حصري للبيانات الثنائية التفرع المقترنة أو المترابطة (Paired/Matched Nominal Data)، حيث تأخذ الاستجابة إحدى حالتين متنافيتين فقط (مثل: نجاح/فشل، وجود العرض/غياب العرض، موافق/غير موافق).

يرتكز الأساس الرياضي لاختبار ماكنيمار على تفكيك مصفوفة التوافق الرباعية (2×2 Contingency Table) إلى نوعين من الخلايا: الخلايا المتوافقة (Concordant Cells) التي لا يطرأ على أفرادها أي تغيير بين القياسين، والخلايا غير المتوافقة أو المتنافرة (Discordant Cells) التي تمثل الأفراد الذين تحولوا من حالة إلى أخرى بفعل التدخل أو عامل الزمن. وتتجلى عبقرية ماكنيمار في إهمال الخلايا المتوافقة تماماً عند حساب القيمة الإحصائية، وتركيز التحليل حصراً على دراسة التوازن والاحتمالية الحدية داخل الخلايا غير المتوافقة لتقييم ما إذا كان التحول في اتجاه معين يفوق التحول في الاتجاه المعاكس بصورة تتجاوز حدود الصدفة العشوائية.

1.2 دواعي استخدام الاختبار في الدراسات النفسية والعلوم السلوكية

يكتسب اختبار ماكنيمار أهمية بالغة واستثنائية في بحوث علم النفس الإكلينيكي والعلوم السلوكية نظراً لطبيعة الظواهر النفسية التي تُقاس غالباً كحالات وجود أو غياب لمعايير تشخيصية محددة. يُستخدم الاختبار على نطاق واسع في تقييم فاعلية التدخلات العلاجية السلوكية والمعرفية؛ فعلى سبيل المثال، عند فحص ما إذا كان برنامج علاجي معين قد ساهم في تخليص المرضى من معايير تشخيص اضطراب الهلع أو الاكتئاب الجسيم، يقارن الاختبار نسبة الحالات المشخصة إيجابياً قبل البرنامج بنظيرتها بعد اكتماله لنفس الأفراد الخاضعين للعلاج.

إلى جانب الدراسات العلاجية، يبرز دور الاختبار في دراسات قياس تحول الاتجاهات النفسية والمواقف السلوكية إثر التعرض لحملات توعوية أو محفزات تجريبية موجهة. كما يشيع استخدامه في التصاميم شبه التجريبية، ودراسات التتبع الطولي (Longitudinal Follow-up)، ومقارنة الكفاءة السيكومترية والتشخيصية لأداتين أو مقياسين نفسيين مختلفين عند تطبيقهما بالتزامن على نفس العينة السريرية لتحديد مدى تطابق أحكامهما التقويمية.

1.3 مقارنة الفرضية الصفرية والفرضية البديلة في ماكنيمار

تتمحور صياغة الفرضيات الإحصائية في اختبار ماكنيمار حول مفهوم التجانس الهامشي (Marginal Homogeneity). تنص الفرضية الصفرية (H0) على تساوي الاحتمالات الهامشية لشرائح الاستجابة، مما يعني انعدام وجود أي تأثير تفريقي أو دال إحصائياً للتدخل أو العامل التجريبي بين القياسين القبلي والبعدي. ورياضياً، تفترض الفرضية الصفرية أن احتمالية تحول المفحوص من الحالة السلبية إلى الإيجابية تعادل تماماً احتمالية تحوله من الإيجابية إلى السلبية داخل المجتمع الأصلي، أي أن التكرارات المتوقعة في الخلايا غير المتوافقة متساوية.

في المقابل، تقرر الفرضية البديلة (H1) وجود فروق ذات دلالة إحصائية حقيقية بين نسب الاستجابة في القياسين، مما يعكس عدم تماثل هوامش التوزيع، ووجود ميل ترجيحي لتحول الأفراد نحو نمط استجابة محدد دون الآخر. يتم اختبار هذه الفرضيات مقابل مستوى دلالة إحصائية محدد مسبقاً (غالباً Alpha = 0.05)، حيث تُقارن الإحصاءة المحسوبة بالقيمة الحرجة المستخرجة من توزيع كاي تربيع (Chi-Square Distribution) بدرجة حرية واحدة لتحديد قرار الرفض أو القبول للفرضية الصفرية.

2. الافتراضات الإحصائية وشروط تطبيق اختبار ماكنيمار

2.1 طبيعة المتغيرات ومستوى القياس المطلوب

يشترط اختبار ماكنيمار بدقة متناهية أن يكون المتغير التابع متغيراً اسمياً ثنائياً (Dichotomous/Binary Variable) مقاساً عند مستويين متمايزين فقط لكل مفحوص. يتعين على الباحث ترميز هذه البيانات بصيغة رقمية متسقة وموحدة (مثل: 0 للغياب أو الفشل أو الاستجابة السلبية، و1 للوجود أو النجاح أو الاستجابة الإيجابية) في كلا القياسين لضمان سلامة العمليات الحسابية وبناء مصفوفة الاقتران بصورة منطقية خالية من الإزاحات البرمجية.

كما يقتضي الاختبار استقلالية الأزواج بين المفحوصين المختلفين؛ بمعنى أن استجابة أي زوج من القياسات العائد لمفحوص معين يجب ألا تؤثر على استجابات الأزواج العائدة لمفحوصين آخرين داخل العينة، في حين يكون الارتباط الداخلي بين قياسي المفحوص نفسه هو جوهر البناء التحليلي. ولا يجوز تطبيق الاختبار مباشرة على البيانات الترتيبية أو الفئوية متعددة المستويات ما لم يتم تحويلها واختزالها منطقياً ونظرياً إلى فئتين ثنائيتين واضحتين، أو اللجوء لتوسيعات ماكنيمار المتقدمة مثل اختبار ستيوارت-ماكسويل.

2.2 هيكل العينة والتصميم التجريبي المزدوج

يقوم الهيكل التجريبي لاختبار ماكنيمار على تصاميم القياسات المتكررة (Repeated Measures) أو دراسات الأزواج المتطابقة (Matched Pairs). في تصاميم القياس القبلي والبعدي، يمثل كل صف في قاعدة البيانات فرداً واحداً تم قياسه مرتين متتاليتين تحت شروط تجريبية متباينة أو عبر فاصل زمني محدد. أما في دراسات الحالات والشواهد المتطابقة فردياً، فيتم إقران كل مريض بحالة شاهدة تتطابق معه تماماً في المتغيرات الديموغرافية والسريرية المربكة كالعمر والجنس والخلفية الاجتماعية.

تتطلب موثوقية النتائج تعيين العينة بأساليب المعاينة الاحتمالية العشوائية قدر الإمكان لتقليل تحيزات الاختيار وضمان صلاحية التعميم الخارجي. علاوة على ذلك، يمثل التعامل مع البيانات المفقودة (Missing Data) تحدياً حاسماً؛ إذ إن فقدان أي من القياسين (القبلي أو البعدي) لأي مشارك يؤدي تلقائياً إلى استبعاد الزوج بأكمله من التحليل الإحصائي، مما يستوجب فحص آليات الفقدان والتأكد من كونها عشوائية تماماً لتفادي اختلال توازن العينة.

2.3 شروط حجم العينة وتكرار الخلايا غير المتوافقة

لا يستند اختبار ماكنيمار في افتراضاته الحجمية إلى إجمالي حجم العينة الكلي فحسب، بل يركز بصورة قطعية على مجموع تكرارات الخلايا غير المتوافقة (b + c). لتطبيق صيغة التقريب التقاربي المعتمدة على توزيع كاي تربيع بدقة وموثوقية، تشترط الأدبيات المنهجية أن يكون مجموع التكرارات في هذه الخلايا مساوياً أو متجاوزاً لـ 25 مفحوصاً (b + c >= 25). يضمن هذا الشرط تقارب التوزيع التجريبي من التوزيع النظري لكاي تربيع وتفادي أخطاء التقدير الاحتمالي.

إذا كان مجموع هذه التكرارات أقل من 25، تصبح الدلالة الإحصائية المحسوبة بالصيغة التقليدية غير دقيقة، مما يفرض استخدام تصحيح ييتس للاستمرارية (Yates’ Continuity Correction) أو الانتقال المباشر إلى اختبار ماكنيمار الدقيق (Exact McNemar’s Test) المعتمد على التوزيع الثنائي الحقيقي. يؤثر هذا الشرط تأثيراً مباشراً على القوة الإحصائية (Statistical Power) للدراسة؛ حيث إن العينات التي تظهر ثباتاً عالياً وتغيراً نادراً تتطلب أحجاماً كلية ضخمة جداً لتوليد عدد كافٍ من التكرارات المتنافرة القابلة للتحليل الموثوق.

3. التمييز بين اختبار ماكنيمار والاختبارات الإحصائية ذات الصلة

3.1 ماكنيمار مقابل اختبار كاي تربيع للاستقلالية (Chi-Square Test of Independence)

يتمثل الفارق الجوهري الفاصل بين اختبار ماكنيمار واختبار كاي تربيع التقليدي للاستقلالية في فرضية طبيعة الملاحظات؛ حيث يفترض كاي تربيع للاستقلالية التامة استقلال المجموعات المفحوصة تماماً، كأن نقارن بين مجموعتين منفصلتين من الذكور والإناث. في المقابل، صُمم اختبار ماكنيمار خصيصاً للبيانات المترابطة أو المزدوجة الناتجة عن قياس نفس المجموعة مرتين أو قياس أزواج متطابقة.

إن الخطأ الشائع المتمثل في تطبيق كاي تربيع التقليدي على بيانات القياس القبلي والبعدي يؤدي إلى انتهاك خطير لافتراض استقلالية المشاهدات، مما يقود إلى التقليل من شأن الارتباط الداخلي، وتشويه حساب التكرارات المتوقعة، وبالتالي تضخيم معدل الخطأ من النوع الأول (Type I Error) أو فقدان القوة الإحصائية. يمتلك ماكنيمار درجة حرية واحدة دائماً في جداول 2×2، ويعتمد على اشتقاق التباين استناداً إلى الأزواج المتنافرة فقط، خلافاً لكاي تربيع بيرسون الذي يوزع الفروق على خلايا الجدول بأكمله.

3.2 ماكنيمار مقابل اختبار كوكران كيو (Cochran’s Q Test)

يُعد اختبار كوكران كيو (Cochran’s Q Test) الامتداد الرياضي والمنهجي الطبيعي لاختبار ماكنيمار ليشمل التصاميم التجريبية التي تتضمن أكثر من نقطتين زمنيتين (k > 2) لنفس العينة، أو مطابقة ثلاثية ورباعية بين الحالات. فبينما يقتصر ماكنيمار على دراسة الفروق بين لحظتين (مثل: قبل التدخل وبعده مباشرة)، يتيح كوكران كيو تتبع التغيرات الثنائية عبر مراحل متعددة (مثل: قبل التدخل، بعد التدخل مباشرة، ومتابعة بعد ستة أشهر).

من الناحية الرياضية، يتطابق اختبار كوكران كيو تماماً مع اختبار ماكنيمار عندما تقتصر مستويات القياس على نقطتين فقط (k = 2)، حيث تعطي كلتا المعادلتين نفس القيمة الإحصائية والقيمة الاحتمالية. وعندما يسفر اختبار كوكران كيو عن دلالة إحصائية عبر نقاط زمنية متعددة، يلجأ الباحث النفسي إلى تطبيق اختبار ماكنيمار كتحليل بعدي للمقارنات الثنائية (Post-Hoc Pairwise Comparisons) مع ضبط مستوى ألفا باستخدام تصحيح بونفيروني للتحكم في تراكم الخطأ العشوائي.

3.3 ماكنيمار مقابل اختبار تي للعينات المزدوجة (Paired Samples t-test)

يكمن التمايز الرئيسي بين اختبار ماكنيمار واختبار تي للعينات المزدوجة في مستوى قياس المتغير التابع وطبيعة الفرضية المختبرة. يُطبق اختبار تي المزدوج كاختبار مَعلمي عندما يكون المتغير التابع متصلاً وكمياً (مثل درجات مقياس القلق من 0 إلى 100) ويتبع التوزيع الطبيعي لفروق الأزواج، حيث يختبر دلالة الفرق بين متوسطي القياسين.

في المقابل، يُطبق اختبار ماكنيمار عندما يُصاغ المتغير في هيئة فئات نوعية ثنائية (مثل: مصاب بالقلق مقابل غير مصاب). ورغم أن بعض الباحثين يلجأون أحياناً إلى تحويل البيانات الكمية المتصلة إلى بيانات ثنائية باستخدام نقاط قطع معيارية (Cut-off scores)، إلا أن هذا الإجراء ينطوي على محاذير منهجية وإحصائية تتمثل في فقدان التباين التفصيلي والمعلومات الدقيقة التي يوفرها المقياس المتصل، مما يقلل الكفاءة الإحصائية المقارنة ما لم تكن هناك ضرورة تصنيفية أو تشخيصية تستدعي التحويل الثنائي الصارم.

4. هيكل البيانات المزدوجة ومصفوفة التوافق 2×2 في ستاتا

4.1 بناء جدول التوافق الثنائي (2×2 Contingency Table)

يتطلب الفهم الدقيق لاختبار ماكنيمار استيعاب الهندسة المصفوفية لجدول الاقتران الثنائي (2×2). يتألف هذا الجدول من أربع خلايا ناتجة عن تقاطع حالتي القياس القبلي والبعدي. تُمثل الخلية (a) عدد المفحوصين الذين كانت استجابتهم إيجابية في كلا القياسين (إيجابي/إيجابي)، في حين تمثل الخلية (d) عدد الأفراد الذين كانت استجابتهم سلبية في المرتين (سلبي/سلبي)؛ وتُعرف هاتان الخليتان بالخلايا المتوافقة (Concordant Cells) التي تعكس الثبات السلوكي أو المرضي.

أما الخلايا الحيوية للتحليل الإحصائي فهي الخلايا غير المتوافقة (Discordant Cells)؛ حيث تُمثل الخلية (b) عدد الأفراد الذين تحولوا من الحالة الإيجابية في القبلي إلى السلبية في البعدي (إيجابي/سلبي)، بينما تمثل الخلية (c) الأفراد الذين تحولوا من السلبية في القبلي إلى الإيجابية في البعدي (سلبي/إيجابي). يستند الاشتقاق الرياضي لقيمة ماكنيمار الإحصائية المعتمدة على توزيع كاي تربيع إلى مربع الفرق بين هاتين الخليتين مقسوماً على مجموعهما وفق الصيغة الرياضية التالية:

Chi2 = ((b – c)^2) / (b + c)

4.2 تنظيم ملف البيانات داخل ستاتا (Data Reshaping and Layout)

يمكن تنظيم البيانات المزدوجة داخل برنامج ستاتا وفق نمطين رئيسيين: النمط العريض (Wide Format) والنمط الطويل (Long Format). في النمط العريض—وهو النمط المفضل والمباشر لمعظم أوامر التوافق الثنائي—يحتوي ملف البيانات على سطر واحد لكل مفحوص، ويتضمن عمودين منفصلين يمثلان المتغير في فترتي القياس؛ على سبيل المثال: المتغير القبلي باسم (var_pre) والمتغير البعدي باسم (var_post)، وكل منهما يحمل القيمة 0 أو 1.

أما في النمط الطويل، فتكون القياسات مكدسة فوق بعضها بحيث يشغل كل مفحوص سطرين في قاعدة البيانات مع وجود متغير فرز يحدد الزمن (time=1 أو time=2) ومتغير واحد للاستجابة. توفر ستاتا مرونة تامة للتحويل السلس بين هذين النمطين باستخدام أوامر إعادة التشكيل الهيكلية مثل (reshape wide) و (reshape long). من الضروري التحقق الصارم من صحة التسميات والترميز العددي للمتغيرات قبل البدء بالتحليل لضمان عدم حدوث تضارب في معالجة مصفوفة الاقتران.

4.3 إنشاء الجداول المتقاطعة الاستكشافية في ستاتا

قبل الشروع في تشغيل أوامر اختبار ماكنيمار الرسمية، يوصى دائماً بإجراء فحص استكشافي بصري وتوزيعي للبيانات المزدوجة داخل ستاتا باستخدام الأمر الكلاسيكي التكراري (tabulate). يتيح الأمر (tabulate var_pre var_post) للمحلل استعراض التكرارات التراكمية في خلايا المصفوفة الأربع بوضوح، مما يمنح رؤية أولية حول اتجاه وحجم التحولات الملاحظة في العينة.

لتعزيز هذا التحليل الاستكشافي، يمكن إضافة خيارات النسب المئوية مثل (cell) لحساب نسبة كل خلية من المجموع الكلي، أو (row) و (col) لحساب التوزيعات النسبية لصفوف وأعمدة القياسين. يُسهم هذا الإجراء الأولي في التحقق من عدم وجود قيم مفقودة متباينة بين القياسين، والتأكد من سلامة ترميز الفئات، ومعاينة ما إذا كان مجموع الخلايا غير المتوافقة يفي بالحد الأدنى المطلوب للتوزيع التقاربي دون مفاجآت برمجية لاحقة.

5. استخدام الأمر الفوري mcci في ستاتا (Immediate Command)

5.1 بنية الأمر mcci والقيم المدخلة

تتميز بيئة ستاتا بتقديم الأوامر الفورية (Immediate Commands) التي تنتهي بالحرف “i”، والتي تتيح للمحلل الإحصائي إجراء التحليلات المتقدمة مباشرة من خلال إدخال القيم التلخيصية للجداول دون الحاجة إلى تحميل ملف بيانات كامل على البرنامج. يُعد الأمر mcci الأداة الفورية المتخصصة في تنفيذ اختبار ماكنيمار وبيانات الأزواج المتطابقة بكفاءة وسرعة فائقة.

تتطلب بنية الأمر الفوري إدخال أربعة أرقام محددة تفصل بينها مسافات، وتمثل خلايا مصفوفة التوافق الرباعية بالترتيب القياسي الدقيق: (mcci a b c d). يمثل الحرف (a) كلاً من الحالات المتوافقة الإيجابية، و(b) الحالات المتحولة من التعرض/القبلي الإيجابي إلى السلبي، و(c) الحالات المتحولة من السلبي إلى الإيجابي، و(d) الحالات المتوافقة السلبية. يجب توخي الحذر الشديد والالتزام بهذا الترتيب التتابعي؛ إذ إن أي تبديل بين موقعي الخلية (b) والخلية (c) سيؤدي إلى عكس اتجاه فترات الثقة ونسب الأرجحية المقترنة تماماً.

5.2 تطبيق عملي: سيناريو تغيير الاتجاهات النفسية بعد التعرض لإعلان توعوي

لتوضيح التطبيق العملي للأمر الفوري، نفترض دراسة تجريبية في علم النفس الاجتماعي تهدف إلى فحص أثر إعلان توعوي مرئي على مواقف 100 مشارك تجاه قانون حماية الصحة النفسية. قبل مشاهدة الإعلان، كان 42 مشاركاً يؤيدون القانون، بينما عارضه 58 مشاركاً. بعد التعرض للإعلان، تم إعادة قياس مواقف نفس الأفراد بدقة؛ حيث حافظ 30 مشاركاً على موقفهم المؤيد (الخلية a = 30)، بينما تحول 12 مشاركاً من التأييد إلى المعارضة (الخلية b = 12). في المقابل، غيّر 40 مشاركاً موقفهم من المعارضة إلى التأييد (الخلية c = 40)، بينما استمر 18 مشاركاً في معارضتهم (الخلية d = 18).

يتم تنفيذ هذا التحليل في نافذة أوامر ستاتا بكتابة الأمر التالي مباشرة: mcci 30 12 40 18. عند تنفيذ هذا السطر، تقوم ستاتا فوراً بإنشاء مصفوفة التوافق المنظمة، وعرض المجاميع الهامشية لكلا القياسين، وحساب الفروق المطلقة في النسب، ونسب الأرجحية المقترنة، وإحصاء كاي تربيع لماكنيمار مع القيمة الاحتمالية المقترنة، مما يوفر تقييماً إحصائياً شاملاً وفورياً لفاعلية الإعلان التوعوي.

5.3 خيارات متقدمة مع الأمر mcci في ستاتا

يوفر الأمر (mcci) في ستاتا مجموعة من الخيارات البرمجية المتقدمة التي ترفع من دقة المخرجات الإحصائية وتكيفها مع طبيعة العينة والفرضيات البحثية. من أهم هذه الخيارات خيار (exact) الذي يوجه البرنامج لحساب القيمة الاحتمالية الدقيقة المستندة إلى التوزيع الثنائي الحقيقي (Binomial Distribution)، وهو إجراء لا غنى عنه عند التعامل مع العينات الصغيرة أو التكرارات المتنافرة المحدودة التي لا تستوفي شروط التقريب الطبيعي.

بالإضافة إلى ذلك، يمكن استخدام خيار (level(#)) لضبط وتحديد مستويات فترات الثقة المطلوبة للفروق ونسب الأرجحية (مثل level(99) للحصول على فترات ثقة عند مستوى 99% بدلاً من المستوى الافتراضي 95%). كما يمكن تصدير هذه المخرجات وتخزين نتائج المصفوفات في مصفوفات نظام ستاتا الداخلية عبر مصفوفات الحفظ (return list) للاستفادة منها لاحقاً في برمجة الجداول والرسومات التلقائية والتقارير المجدولة بدقة متناهية.

6. إجراء اختبار ماكنيمار باستخدام البيانات الخام (Raw Data) وأمر symmetry

6.1 استيراد وتجهيز مجموعات البيانات الكبيرة في ستاتا

في الدراسات الإكلينيكية والمسوح النفسية الميدانية واسعة النطاق، يتعامل الباحث مع ملفات بيانات خام تحتوي على آلاف الملاحظات الفردية. يدعم برنامج ستاتا استيراد البيانات بمختلف الامتدادات الشائعة مثل ملفات ستاتا الأصلية (.dta)، أو ملفات إكسل (.xlsx)، أو الملفات النصية المفصولة بفواصل (.csv) عبر أوامر الاستيراد المخصصة مثل (import excel) و (use).

عقب استيراد البيانات، يتعين إجراء فحص سيكومتري وإحصائي صارم لطبيعة المتغيرات المقترنة باستخدام أوامر الاستكشاف والتدقيق مثل (describe) و (codebook). يساعد هذا الفحص على التأكد من أن المتغيرين القبلي والبعدي قد تم تخزينهما كمتغيرات عددية صحيحة مرمزّة بيانياً (0 و 1)، والتخلص من أي تسميات نصية غير متوافقة، بالإضافة إلى إمكانية تصفية وتنقية العينة من المشاهدات الشاذة أو غير المستوفية للشروط باستخدام عبارات الشروط الشرطية مثل (if) و (in).

6.2 تطبيق أمر symmetry لاختبار التماثل الهامشي والاقتران

عند التعامل مع البيانات الخام في النمط العريض داخل ستاتا، يُعد الأمر symmetry الأداة المعتمدة والرسمية لإجراء اختبار ماكنيمار واختبارات التماثل والتجانس الهامشي العامة. تتمثل الصيغة البرمجية الأساسية لتنفيذ الاختبار بكتابة الأمر متبوعاً باسمي المتغيرين: symmetry var_pre var_post. يقوم هذا الأمر بمقارنة التوزيع التكراري المشترك بين المتغيرين واختبار فرضية التماثل المحوري حول القطر الرئيسي للجدول.

يقدم أمر (symmetry) ميزة منهجية كبرى؛ إذ إنه لا يقتصر فقط على جداول 2×2 الثنائية الخاصة بماكنيمار، بل يمتد تلقائياً لاختبار التماثل في الجداول متعددة الفئات k×k عبر اختبار ستيوارت-ماكسويل (Stuart-Maxwell Test). عند تطبيقه على متغيرين ثنائيين، تكون النتيجة الرياضية متطابقة تماماً مع اختبار ماكنيمار الكلاسيكي. كما يدعم الأمر خيار (exact) لإجراء الحسابات التوافقية الدقيقة للبيانات الخام عند تدني التكرارات في بعض الخلايا المتقاطعة.

6.3 استخدام حزم ومكتبات خارجية (Community-Contributed Commands)

يمتاز مجتمع ستاتا بوجود مكتبة ضخمة من الحزم البرمجية الإحصائية التي يطورها كبار الإحصائيين حول العالم والتي يمكن تثبيتها بسهولة عبر مستودع (SSC) باستخدام أمر (ssc install). من بين هذه الحزم، تبرز أدوات متخصصة في تحليل الأزواج المتطابقة مثل حزمة (mcnemar) أو الحزم المتطورة لحساب فترات الثقة غير الخطية مثل (ci2) و (propmod).

تتيح هذه الحزم المتقدمة مزايا فريدة لا تتوفر في الأوامر الافتراضية، مثل الحساب الآلي لحجوم الأثر المتعددة، ورسم فترات الثقة المقارنة بصيغ بيانية جذابة، وتصدير النتائج مباشرة إلى جداول مهيأة للنشر. ومع ذلك، يجب على الباحث التأكد من توثيق الإصدار الدقيق للحزم المستخدمة وكتابة كود الإنشاء بدقة داخل ملفات الأوامر (Do-files) لضمان موثوقية وقابلية تكرار النتائج والتحليلات (Reproducibility) في الأوساط الأكاديمية.

7. تفسير مخرجات اختبار ماكنيمار في ستاتا بالتفصيل الأكاديمي

7.1 قراءة إحصاء كاي تربيع (Chi2) ومستوى الدلالة (p-value)

عند تنفيذ اختبار ماكنيمار في برنامج ستاتا، يظهر جدول مخرجات إحصائي متكامل يتضمن مصفوفة التوزيع التكراري وقيم المؤشرات التحليلية. يركز التفسير الأكاديمي أولاً على قيمة إحصاء كاي تربيع المنسوبة لماكنيمار والمقترنة بدرجة حرية واحدة دائماً (df = 1). تُمثل هذه القيمة مدى التباعد بين التكرارات الملاحظة في الخلايا المتنافرة والتكرارات المتوقعة في ظل افتراض صحة الفرضية الصفرية التي تقتضي التساوي التام بين التحولات المتضادة.

تُرافق هذه القيمة إحصاءة الدلالة الاحتمالية التقاربية (Asymptotic p-value). إذا كانت القيمة الاحتمالية الناتجة أقل من مستوى الدلالة المعتمد (p < 0.05)، يُرفض الافتراض الصفري القائل بتجانس الاحتمالات الهامشية، ويُستنتج وجود أثر دال إحصائياً للمتغير التجريبي أو الزمني في إحداث تغيير جوهري في نسب الاستجابة. في المقابل، إذا تجاوزت القيمة الاحتمالية هذا الحد، يُقبل الافتراض الصفري ويُعزى أي تفاوت ظاهري إلى التباين العشوائي الناتج عن المعاينة.

7.2 تفسير تصحيح الاستمرارية لاختبار ماكنيمار (Continuity Corrected Chi2)

نظراً لأن التوزيع التكراري للبيانات الاسمية المتقطعة منفصل في أصله الرياضي، بينما يمثل توزيع كاي تربيع دالة رياضية متصلة ومستمرة، فإن استخدام التقريب التقاربي المباشر قد يؤدي إلى التقليل المصطنع من القيمة الاحتمالية، لا سيما في العينات متوسطة وصغيرة الحجم. لمعالجة هذا الخلل، تطبق ستاتا صيغة إدواردز لتصحيح الاستمرارية (Edwards’ Continuity Correction)، والتي تخصم نصف وحدة عددية من الفرق المطلق بين الخلايا غير المتوافقة وفق الصيغة التالية:

Chi2_corrected = ((|b – c| – 1)^2) / (b + c)

تُظهر مخرجات ستاتا قيمة كاي تربيع المصححة جنباً إلى جنب مع قيمتها الاحتمالية المعدلة. يوصى في الكتابات المنهجية المتقدمة بالاعتماد على القيمة المصححة والإبلاغ عنها عند كتابة التقارير العلمية إذا كان حجم الخلايا المتنافرة يقع في المدى المتوسط (بين 20 و40)، نظراً لكونها تقدم تقديراً أكثر تحفظاً وموثوقية، وتحد من احتمالية الوقوع في أخطاء القرار الإحصائي الإيجابي الكاذب.

7.3 تحليل النسب الهامشية المتوافقة والمتنافرة

لا يكتمل التفسير الإحصائي بمجرد قراءة الدلالة وقيم كاي تربيع، بل يجب أن يمتد إلى تحليل النسب الهامشية (Marginal Proportions) واتجاه التحول السلوكي. تعرض ستاتا بوضوح نسبة الاستجابة الإيجابية الكلية في القياس القبلي ونظيرتها في القياس البعدي، إلى جانب الفرق المطلق بين النسبتين (Difference in Proportions) مصحوباً بفترة الثقة الخاصة به.

يسمح فحص الخلايا غير المتوافقة للباحث بتحديد الاتجاه الحقيقي للتأثير؛ فإذا كانت الخلية (c) التي تعبر عن الانتقال من السلب إلى الإيجاب أكبر بكثير من الخلية (b)، فإن ذلك يبرهن على أن التدخل كان موجهاً بصورة إيجابية وبناءة نحو إحداث الأثر المرغوب. هذا التفسير الهامشي هو ما يمنح الأرقام المجردة معناها الإكلينيكي والسلوكي المباشر في تشخيص مدى فاعلية البرامج النفسية والتطبيقية في الميدان.

8. حساب فترات الثقة وحجم الأثر ونسب الأرجحية المقترنة (Paired Odds Ratios)

8.1 نسبة الأرجحية للبيانات المزدوجة (Matched Odds Ratio)

تُعد نسبة الأرجحية المقترنة (Matched/Paired Odds Ratio – MOR) المقياس الأساسي والمعياري المفضل للتعبير عن حجم وقوة العلاقة في تصاميم الأزواج المتطابقة واختبار ماكنيمار. وخلافاً لنسبة الأرجحية التقليدية للعينات المستقلة التي تشمل خلايا الجدول الأربع، تُحسب نسبة الأرجحية المقترنة حصرياً بقسمة تكرار الخلية المتنافرة الأولى على تكرار الخلية المتنافرة الثانية وفق المعادلة المباشرة التالية:

MOR = b / c (أو c / b بناءً على اتجاه الترميز المعتمد للتحول)

تعكس هذه القيمة مقدار التضاعف في احتمالية التحول في أحد الاتجاهين مقارنة بالاتجاه المعاكس. إذا كانت قيمة MOR تساوي 1.0، فإن ذلك يدل على التكافؤ التام وانعدام أي أثر ترجيحي. وتزود مخرجات ستاتا الباحث بنسبة الأرجحية المقترنة وفترة الثقة المقابلة لها عند مستوى 95%. إذا كانت فترة الثقة لا تشتمل على القيمة 1.0 (مثل: 95% CI [1.45, 4.80])، فإن ذلك يمثل دليلاً إحصائياً قاطعاً على وجود أثر تفريقي جوهري للتدخل المفحوص.

8.2 فترات الثقة للفرق بين النسبتين المرتبطتين

يمثل حساب فترة الثقة للفرق بين النسبتين المرتبطتين ركيزة أساسية لتقدير عدم اليقين الإحصائي وحجم التغير الفعلي في المجتمع الأصلي. توفر ستاتا في مخرجات أمر (mcci) تقديراً دقيقاً للفرق المطلق بين نسبتي النجاح في القياسين القبلي والبعدي مصحوباً بحدوده الدنيا والعليا. تاريخياً، استُخدمت طريقة فالد (Wald Method) الخطية لحساب هذه الفترات، غير أنها تعاني من قصور شديد عندما تقترب النسب من الأطراف الصفرية أو المئوية التامة أو في العينات المحدودة.

تعتمد الإصدارات الحديثة من ستاتا خوارزميات هجينة متطورة مثل طريقة نيوكومب المبنية على درجات ويلسون (Newcombe-Wilson Hybrid Score Method)، والتي تقدم فترات ثقة متينة ودقيقة وغير متماثلة تتطابق مع التوزيع الاحتمالي الحقيقي. تتيح هذه الفترات للباحث النفسي استنتاج مدى الفائدة السريرية المتوقعة بدقة؛ حيث يشير الحد الأدنى لفترة الثقة إلى أدنى تحسن سريري يمكن ضمانه في المجتمع عند تطبيق التدخل النفسي المدروس.

8.3 مؤشرات حجم الأثر (Effect Size) للتصاميم الثنائية المرتبطة

في إطار حركة الإصلاح الإحصائي التي تقودها الجمعيات النفسية العالمية، لم يعد الإبلاغ عن الدلالة الإحصائية (p-value) كافياً بمفرده، بل أصبح حساب مؤشرات حجم الأثر (Effect Size) متطلباً إلزامياً لتقييم الأهمية العملية للنتائج. في سياق اختبار ماكنيمار، يُعد مؤشر كوهين جي (Cohen’s g) أحد أبرز مقاييس حجم الأثر للأزواج المتنافرة، ويُحسب وفق المعادلة التالية:

g = |(b / (b + c)) – 0.5|

تتراوح قيمة مؤشر كوهين جي من 0 (انعدام الأثر تماماً) إلى 0.5 (الأثر الأقصى الممكن حيث تكون جميع التحولات في اتجاه واحد دون سواه). وتُصنف قوة الأثر وفق معايير كوهين القياسية إلى: أثر صغير (g = 0.05 إلى 0.15)، أثر متوسط (g = 0.15 إلى 0.25)، وأثر كبير (g > 0.25). كما يمكن استخدام معامل فاي (Phi Coefficient) أو تحويل نسب الأرجحية المقترنة إلى مؤشرات موحدة تسهم في دمج النتائج بسهولة ضمن دراسات التحليل التجميعي والتلوي (Meta-Analysis).

9. التعامل مع العينات الصغيرة وتطبيق اختبار ماكنيمار الدقيق (Exact McNemar’s Test)

9.1 حدود التقريب التقاربي ومشكلات التكرارات النادرة

يواجه الباحثون في مجالات علم النفس الإكلينيكي والطب النفسي العصبي تحديات متكررة تتمثل في صعوبة الحصول على عينات ضخمة عند دراسة الاضطرابات النادرة أو التدخلات الجراحية والعصبية المتقدمة. في مثل هذه البيئات البحثية المحدودة، ينهار افتراض التوزيع الطبيعي والتقريب التقاربي لتوزيع كاي تربيع، خاصة عندما يكون مجموع الخلايا غير المتوافقة نادراً وصغيراً (b + c < 25).

إن الإصرار على تطبيق الصيغة الكلاسيكية لكاي تربيع في ظل التكرارات النادرة يؤدي إلى تشويه خطير في القيم الاحتمالية المحسوبة، مما يرفع احتمالية رفض الفرضية الصفرية بالخطأ أو العكس، ويعطي انطباعات مضللة عن فاعلية العلاج. لذا، تستوجب المعايير المنهجية الصارمة تحويل مسار التحليل في هذه الحالات نحو الاختبارات الدقيقة غير المعلمية التي لا تعتمد على أي تقريبات توزيعية مجردة لحساب الدلالة.

9.2 تنفيذ الاختبار الدقيق في ستاتا وتفسير نتائجه

تتعامل ستاتا مع مشكلة العينات الصغيرة بمرونة وسهولة برمجية فائقة من خلال تضمين خيار exact في الأوامر المخصصة لاختبار ماكنيمار؛ سواء عبر الأمر الفوري (mcci a b c d, exact) أو أمر البيانات الخام (symmetry var_pre var_post, exact). يعتمد هذا الخيار على تحويل المسألة برمتها إلى اختبار ذي الحدين التوافقي الدقيق (Exact Binomial Test) بافتراض أن احتمال النجاح المحايد يساوي 0.5 (p = 0.5).

تُظهر مخرجات الاختبار الدقيق في ستاتا القيمة الاحتمالية الدقيقة لاختبار الطرف الواحد (One-sided Exact p-value) واختبار الطرفين (Two-sided Exact p-value). تُمثل هذه القيم الاحتمال التراكمي الفعلي والدقيق للحصول على هذا التوزيع المتطرف أو الأكثر تطرفاً في الخلايا المتنافرة بالاعتماد على التوليفات التوافقية لذي الحدين، مما يمنح الباحث حكماً إحصائياً قاطعاً ودقيقاً بنسبة 100% بغض النظر عن مدى صغر حجم العينة المدروسة.

9.3 فترات الثقة الدقيقة (Exact Confidence Intervals)

بالتوازي مع حساب القيمة الاحتمالية الدقيقة، تقوم ستاتا عند تفعيل الخيارات الدقيقة بحساب فترات الثقة الدقيقة غير المعلمية لكل من نسبة التحول ونسبة الأرجحية المقترنة. تستند هذه التقديرات الدقيقة إلى منهجية كلوبر-بيرسون التوافقية (Clopper-Pearson Exact Method) المستمدة مباشرة من التوزيع الثنائي وتوزيعات بيتا و F التراكمية، متجنبة بذلك أي افتراضات خطية تماثلية مضللة.

تكتسب هذه الفترات الدقيقة أهمية حاسمة في بحوث الطب النفسي والعصبي؛ حيث تضمن للباحث عدم تجاوز حدود الثقة للمجال المنطقي للنسب (بين 0 و 1)، وتقدم تقديراً آمناً وموثوقاً يوثق في المجلات الطبية والنفسية المرموقة دون التعرض لانتقادات المحكمين المتعلقة بانتهاك افتراضات أحجام العينات الكبيرة.

10. تطبيقات عملية لاختبار ماكنيمار في البحوث النفسية والسلوكية عبر ستاتا

10.1 دراسة حالة 1: تقييم تدخل علاجي سلوكي معرفي (CBT) لاضطراب القلق

في دراسة إكلينيكية لتقييم فاعلية برنامج علاج سلوكي معرفي مكثف استمر لمدة 12 أسبوعاً في علاج نوبات الهلع، تم تتبع 80 مريضاً تم تشخيصهم رسمياً بوجود نوبات الهلع وفق معايير DSM-5. قيس وجود الاضطراب (1= مصاب، 0= متعافٍ) قبل بدء العلاج وبعد انتهائه مباشرة. أظهرت النتائج أن جميع المرضى الثمانين كانوا مصابين في القياس القبلي، ولكن بعد التدخل، استمر 25 مريضاً في المعاناة من النوبات (الخلية a = 25)، بينما تعافى 55 مريضاً تماماً من نوبات الهلع (الخلية b = 55). في المقابل، لم ينتكس أي فرد خارج العينة (الخلية c = 0)، وظل الأفراد غير المصابين خارج نطاق القياس المباشر (الخلية d = 0).

لتوسيع الحالة بما يشمل أزواجاً متناظرة ذات قياس مزدوج ثنائي كامل، نأخذ عينة أعم شملت 80 مريضاً تم تقييمهم قبلياً وبعدياً؛ حيث كان التوزيع المتقاطع كالتالي: (a=15 استمرت إصابتهم، b=35 تعافوا، c=5 أصيبوا بنوبات جديدة، d=25 ظلوا سليمين). عند إدخال البيانات في ستاتا عبر الأمر: mcci 15 35 5 25، أظهرت النتائج أن إحصاء كاي تربيع لماكنيمار بلغ χ² = 22.50 بقيمة احتمالية p < 0.0001. كما بلغت نسبة الأرجحية المقترنة MOR = 7.00 مع فترة ثقة 95% [2.76, 17.75]، مما يبرهن سريرياً وإحصائياً على أن احتمالية التعافي بفضل البرنامج تفوق احتمالية التراجع أو الانتكاس بمقدار 7 أضعاف.

10.2 دراسة حالة 2: دراسة الميول والتفضيلات الاستهلاكية والتسويق العصبي

في سياق أبحاث الاقتصاد السلوكي وعلم نفس المستهلك، أجرى فريق بحثي تجربة لدراسة أثر محفز بصري عاطفي (Emotional Visual Prime) على قرار المشاركين بشراء منتج نفسي رقمي مخصص لإدارة الضغوط. تم جمع بيانات 120 مستهلكاً حول نيتهم للشراء (1= يرغب في الشراء، 0= لا يرغب) قبل وبعد مشاهدة مقطع الفيديو العاطفي، وخُزنت البيانات في ملف بيانات خام باسم (consumer_decision.dta).

تم تشغيل التحليل في ستاتا باستخدام الأمر المباشر للبيانات الخام: symmetry buy_pre buy_post. أظهرت النتائج تحول 45 مستهلكاً من عدم الرغبة إلى الرغبة في الشراء مقابل 10 مستهلكين فقط تراجعوا عن نيتهم بعد المشاهدة، في حين ظل باقي الأفراد متوافقين في استجاباتهم. أسفر الاختبار عن كاي تربيع لماكنيمار قيمته χ² = 22.27 (p < 0.0001)، مما يثبت أن المحفز البصري يمتلك تأثيراً نفسياً دالاً في إعادة تشكيل التفضيلات الاستهلاكية اللحظية وترجيح السلوك الإيجابي نحو المنتج.

10.3 دراسة حالة 3: التحقق من التوافق التشخيصي بين أداتين للكشف عن الاكتئاب

هدفت دراسة سيكومترية إلى مقارنة الكفاءة التشخيصية لمقياس اكتئاب جديد ومختصر تم تطويره عبر الهواتف الذكية مقابل المقياس الإكلينيكي المعياري التقليدي عند تطبيقهما على نفس العينة المكونة من 150 مراجعاً في عيادة للرعاية النفسية الأولية. تم تصنيف كل مريض كإيجابي (مكتئب = 1) أو سلبي (غير مكتئب = 0) بواسطة كلا المقياسين في نفس الجلسة التقييمية.

أظهرت مصفوفة الاقتران الناتجة توافق المقياسين على تشخيص 40 مريضاً كإيجابيين، و80 مريضاً كسلبيين. في حين شخّص المقياس الجديد 16 مريضاً كإيجابيين بينما اعتبرهم المعياري سلبيين، وشخّص المقياس المعياري 14 مريضاً كإيجابيين بينما اعتبرهم الجديد سلبيين. عند تشغيل التحليل الفوري عبر الأمر: mcci 40 16 14 80، بلغت قيمة كاي تربيع ماكنيمار χ² = 0.13 مع قيمة احتمالية غير دالة إحصائياً (p = 0.715). يشير غياب الدلالة الإحصائية هنا إلى التكافؤ والتماثل الهامشي التام بين الأداتين، مما يعزز الصلاحية التقاربية للمقياس الرقمي الجديد كبديل موثوق للمقياس التقليدي.

11. الأخطاء الشائعة واستكشاف الأخطاء وإصلاحها (Troubleshooting) في ستاتا

11.1 الأخطاء الشائعة في إدخال بيانات الأمر الفوري mcci

يقع العديد من الباحثين المبتدئين في خطأ بنيوي متكرر عند استخدام الأمر الفوري (mcci)، يتمثل في التبديل غير المقصود بين مواقع الخلايا في مصفوفة الإدخال، خاصة قلب الخلية (b) والخلية (c). بالرغم من أن قيمة إحصاء كاي تربيع لن تتأثر بهذا التبديل نظراً للتربيع الجبري للفرق في المعادلة، إلا أن هذا الخطأ يترتب عليه انعكاس تام وكارثي في اتجاه نسبة الأرجحية المقترنة وإشارة الفرق بين النسبتين، مما يقود إلى استنتاج معاكس تماماً لحقيقة الأثر التجريبي الملاحظ.

كما يقع البعض في خطأ إدخال المجاميع الهامشية للأعمدة والصفوف بدلاً من تكرارات الخلايا الداخلية الفردية، أو كتابة فواصل بين الأرقام بدلاً من المسافات، مما يؤدي إلى ظهور رسائل خطأ برمجية شهيرة في ستاتا مثل (invalid syntax) أو (too many arguments). لتفادي هذه الانزلاقات، يجب التحقق الدائم من أن حاصل جمع الأرقام الأربعة المدخلة في سطر الأمر يطابق بدقة متناهية الحجم الكلي للعينة المدروسة (N = a + b + c + d).

11.2 مشاكل البيانات المفقودة وعدم تطابق القياسات في النمط الخام

تُعد مشكلة تسرب المشاركين وتناقص حجم العينة عبر الزمن (Attrition / Loss to Follow-up) من أبرز التحديات التي تواجه التصاميم التتبعية في علم النفس. عند تشغيل أمر (symmetry) على البيانات الخام، إذا كان المفحوص يمتلك درجة في القياس القبلي ولكنه يفتقر إلى درجة القياس البعدي (Missing Value)، تقوم ستاتا تلقائياً باستبعاد هذا السطر بالكامل من التحليل عبر الاستبعاد القائم على الحالة (Listwise Deletion).

قد يؤدي هذا الاستبعاد إلى انخفاض القوة الإحصائية وتحيز النتائج إذا كان الفقدان غير عشوائي. للتغلب على هذه المشكلة، يجب فحص مصفوفة الفقدان مسبقاً باستخدام أوامر التدقيق مثل (drop if missing(var_pre, var_post))، وإجراء تحليلات الحساسية (Sensitivity Analysis) ومقارنة خصائص المتسربين بالمستمرين، للتأكد من أن الاستبعاد لم يخل بتماثل العينة أو يوجه التحولات الواردة في الخلايا غير المتوافقة وجهة متحيزة.

11.3 سوء تفسير دلالة الخلايا المتوافقة (a و d)

من الأخطاء المفاهيمية الشائعة في الأوساط البحثية الاعتقاد بأن كبر حجم الخلايا المتوافقة (الخلية a والخلية d) يسهم في رفع القوة الإحصائية أو التأثير المباشر على قيمة كاي تربيع لماكنيمار. والواقع الرياضي الصارم يؤكد أن قيمة ماكنيمار تعتمد حصرياً واستقلالياً على التكرارات المتواجدة داخل الخلايا المتنافرة (b و c) ومقدار التباين بينهما، دون أي اعتبار لحجم التوافق الإيجابي أو السلبي.

تقتصر أهمية الخلايا المتوافقة فقط على تحديد النسبة المئوية للتوافق التشخيصي والمساهمة في بناء المقام الكلي لحجم العينة لتحديد النسب الهامشية. إن إدراك هذه الحقيقة الرياضية يمنع الباحث من الوقوع في فخ الاستنتاجات الزائفة حول فاعلية التدخل؛ إذ إن وجود ثبات هائل في العينة مع قلة نادرة في التحولات المتنافرة سيجعل من المستحيل إثبات دلالة الفروق حتى وإن بلغ حجم العينة الإجمالي عشرات الآلاف.

12. كتابة النتائج وتوثيقها وفق دليل الجمعية الأمريكية لعلم النفس (APA 7)

12.1 صياغة التقرير النصي لنتائج اختبار ماكنيمار

يقتضي التوثيق الأكاديمي الرصين للنتائج الإحصائية وفق دليل (APA 7) الإفصاح الكامل والدقيق عن كافة المؤشرات التحليلية ذات الصلة بالفرضيات المختبرة. يجب أن يتضمن التقرير النصي قيمة إحصاء كاي تربيع لماكنيمار، ودرجة الحرية، وحجم العينة الكلي، والقيمة الاحتمالية الدقيقة، إلى جانب النسب المئوية القبلية والبعدية، ونسبة الأرجحية المقترنة مع فترة ثقتها، مع تحديد ما إذا كان قد تم تطبيق تصحيح الاستمرارية أو استخدام التوزيع الدقيق.

نموذج تطبيقي للصياغة المعتمدة باللغة الإنجليزية:

“A McNemar’s test with continuity correction was conducted to assess the effect of the CBT intervention on panic disorder status. There was a statistically significant shift in diagnosis proportions from pre-intervention (85%) to post-intervention (35%), χ²(1, N = 80) = 22.50, p < .001. The matched odds ratio was 7.00, 95% CI [2.76, 17.75], with a large effect size (Cohen's g = 0.375), indicating that patients were significantly more likely to remit following the intervention."

نموذج التوثيق المكافئ باللغة العربية داخل الأطروحات والبحوث المحكمة:

“أُجري اختبار ماكنيمار مع تصحيح الاستمرارية لتقييم أثر البرنامج العلاجي المعرفي السلوكي في خفض معدلات تشخيص اضطراب الهلع. أظهرت النتائج تحولاً ذا دلالة إحصائية في نسب التشخيص بين القياس القبلي (85%) والقياس البعدي (35%)، حيث بلغت قيمة كاي تربيع χ²(1, N = 80) = 22.50، ومستوى الدلالة p < 0.001. وبلغت نسبة الأرجحية المقترنة MOR = 7.00 مع فترة ثقة 95% [2.76، 17.75]، ومؤشر حجم أثر كبير (Cohen's g = 0.375)، مما يؤكد فاعلية التدخل العلاجي في إحداث تعافٍ سريري جوهري."

12.2 تصميم الجداول والرسوم البيانية المرافقة وفق معايير APA

تفرض معايير الجمعية الأمريكية لعلم النفس نمطاً بصرياً دقيقاً للجداول والمخططات؛ حيث يُحظر تماماً استخدام الخطوط العمودية داخل الجداول، ويُكتفى فقط بثلاثة خطوط أفقية رئيسية تفصل العناوين، والمتن، وهوامش المجموع. يجب أن يتضمن جدول التوافق الثنائي مصفوفة التوزيع التكراري والنسب المئوية الهامشية مع توفير هوامش تفسيرية واضحة تشرح دلالة الرموز المستخدمة في أسفل الجدول.

يمكن تصدير الجداول المنسقة تلقائياً من ستاتا إلى برامج تحرير النصوص (مثل Microsoft Word) باستخدام أوامر الأتمتة المتقدمة مثل asdoc أو putdocx. كما يوصى بإرفاق النتائج برسومات بيانية معبرة، مثل المخططات الشريطية المجمعة (Grouped Bar Charts) أو مخططات سانكي التدفقية (Sankey Flow Diagrams) التي ترسم مسار انتقال الأفراد بصرياً بين فئات الاستجابة عبر الزمن، مما يرفع من جودة واستيعاب العرض الأكاديمي.

12.3 الربط التفسيري بين التحليل الإحصائي والنقاش النفسي

يجب ألا يقف التقرير الأكاديمي عند حدود التوثيق العددي المجرد للأرقام والقيم الاحتمالية، بل ينبغي أن يتجاوز ذلك إلى مرحلة التأطير النظري والسريري للتحولات السلوكية المرصودة في ضوء الأدبيات والدراسات السابقة. يتعين على الباحث مناقشة الآثار التطبيقية لحجم الأثر المكتشف، وتحديد ما إذا كان التحسن الملاحظ يمثل تغيراً سريرياً حقيقياً ينعكس على جودة حياة المفحوصين اليومية وليس مجرد دلالة إحصائية شكلية ناجمة عن حجم العينة.

علاوة على ذلك، يقتضي النقد العلمي الرصين الاعتراف الصريح بمحددات التصميم التجريبي المستخدم؛ مثل احتمالية وجود عوامل مربكة خارجية (Confounding Variables) حدثت خلال الفاصل الزمني، أو تأثيرات النضج الداخلي (Maturation Effects)، أو تأثير اختبارات القياس السابقة على وعي المفحوصين، مع تقديم توصيات منهجية دقيقة للبحوث المستقبلية لضبط هذه المتغيرات وتطوير نماذج التدخل النفسي والسلوكي المقترحة.

خاتمة

يمثل اختبار ماكنيمار أداة تحليلية لا غنى عنها لأي باحث يتصدى لدراسة المتغيرات النوعية الاسمية في سياقات القياسات المتكررة والتصاميم المزدوجة في علم النفس والعلوم السلوكية والطبية. ومن خلال البيئة التحليلية المرنة والشاملة التي يوفرها برنامج ستاتا—سواء عبر الأوامر الفورية المبسطة مثل (mcci) أو أوامر البيانات الخام المتطورة مثل (symmetry)—يستطيع المحلل الإحصائي الانتقال بسلاسة من مرحلة بناء الفرضيات واستكشاف مصفوفات التوافق إلى حساب التقديرات الدقيقة لنِسب الأرجحية المقترنة ومؤشرات حجم الأثر وفترات الثقة غير التماثلية بدقة منهجية فائقة تتوافق مع أعلى معايير الجودة العالمية.

References

• Agresti, A. (2013). Categorical data analysis (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/0471249688
• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Edwards, A. L. (1948). Note on the “correction for continuity” in testing the significance of the difference between correlated proportions. Psychometrika, 13(3), 185–187. https://doi.org/10.1007/BF02289261
• 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
• Newcombe, R. G. (1998). Improved confidence intervals for the difference between binomial proportions based on paired data. Statistics in Medicine, 17(22), 2635–2650. <a href="https://doi.org/10.1002/(SICI)1097-0258(19981130)17:223.0.CO;2-C”>https://doi.org/10.1002/(SICI)1097-0258(19981130)17:223.0.CO;2-C
• StataCorp. (2023). Stata base reference manual: Release 18. Stata Press. https://www.stata.com/manuals/r.pdf