كيفية إجراء اختبار Z لنسبة واحدة في إكسيل

يُعد الاستدلال الإحصائي الركيزة الأساسية التي تقوم عليها الأبحاث العلمية المعاصرة في مختلف الحقول المعرفية، بدءاً من العلوم الاجتماعية والسلوكية ووصولاً إلى العلوم الطبية والاقتصادية والإدارية. ومن بين الأدوات الاستدلالية الأكثر شيوعاً وأهمية يبرز اختبار Z لنسبة مجتمع واحدة (One Proportion Z-Test) كأداة بارامترية قوية تتيح للباحثين والمحللين اختبار الفرضيات المتعلقة بالبيانات الفئوية الثنائية، ومقارنة نسبة النجاح أو الاستجابة الملاحظة في عينة مسحوبة عشوائياً بنسبة معيارية مفترضة أو قيمة تاريخية محددة للمجتمع الأصلي.

وعلى الرغم من توفر العديد من الحزم البرمجية الإحصائية المتخصصة والمعقدة، يظل برنامج مايكروسوفت إكسيل (Microsoft Excel) الخيار الأكثر مرونة وتوافراً وشعبية لدى الباحثين وصناع القرار والمحللين لإجراء هذا الاختبار بدقة متناهية. إن فهم البنية الرياضية للاختبار وكيفية ترجمتها إلى دوال وصيغ حسابية ديناميكية داخل بيئة إكسيل يُمكّن الباحث ليس فقط من استخراج النتائج، بل ومن استيعاب المنطق الاستدلالي الذي يحكم عملية اتخاذ القرار الإحصائي وبناء مجالات الثقة وتفسير القيم الاحتمالية على نحو منهجي متين.

يهدف هذا الدليل المرجعي الشامل إلى تقديم تفكيك نظري وتطبيقي متكامل لكيفية بناء وتنفيذ واختبار وتفسير نتائج اختبار Z لنسبة واحدة خطوة بخطوة في إكسيل، مع استعراض الأسس الرياضية، والشروط المنهجية، والمعادلات التفصيلية، والحالات التطبيقية الواقعية، وتوثيق المخرجات وفقاً لمعايير النشر العلمي الدولية المعتمدة من قِبل الجمعية الأمريكية لعلم النفس (APA).

1. مقدمة شاملة لاختبار Z لنسبة مجتمع واحدة (One Proportion Z-Test)

1.1 مفهوم اختبار Z لنسبة واحدة وأهميته الإحصائية

يُعرَّف اختبار Z لنسبة مجتمع واحدة بأنه اختبار استدلالي بارامتري يُستخدم لتحديد ما إذا كان الفرق الملاحظ بين نسبة عينة مأخوذة من مجتمع ما ونسبة مفترضة مسبقاً في الفرضية الصفرية للمجتمع فرقاً ذا دلالة إحصائية حقيقية أم أنه مجرد تباين عشوائي ناتج عن خطأ المعاينة (Sampling Error). يختص هذا الاختبار بالتعامل مع المتغيرات النوعية الثنائية (Binary / Dichotomous Variables)، وهي المتغيرات التي لا تأخذ سوى قيمتين اثنتين متعارضتين وشاملتين، مثل: (نعم/لا)، (نجاح/فشل)، (موافق/غير موافق)، أو (مصاب/سليم).

تختلف طبيعة هذا التحليل جوهرياً عن اختبارات الفروق في المتوسطات الحسابية (مثل اختبار t لعينة واحدة)؛ فاختبار المتوسطات يتعامل مع بيانات كمية متصلة أو فترية تخضع لقياسات عددية مستمرة، بينما يتعامل اختبار النسبة مع بيانات اسمية أو فئوية يتم فيها حساب تكرار حدوث صفة معينة منسوبة إلى إجمالي حجم العينة. وتتجلى الأهمية البالغة لاختبار Z للنسبة في كونه يمنح الباحثين في العلوم النفسية، والسلوكية، والتربوية، وبحوث السوق، والتقييم المؤسسي وسيلة موضوعية دقيقة لتقدير احتمالية تعميم السمات السلوكية أو الاتجاهات العامة الملاحظة على مجتمعات أوسع نطاقاً بالاعتماد على أسس نظرية الاحتمالات.

1.2 استخدامات اختبار Z للنسبة الواحدة في البحث العلمي

يمتد النطاق التطبيقي لاختبار Z لنسبة مجتمع واحدة عبر مجموعة واسعة من السياقات البحثية التطبيقية والأكاديمية. ففي مجال بحوث الرأي العام والعلوم السياسية والاجتماعية، يُستخدم الاختبار للتحقق من الادعاءات الإحصائية حول توجهات الناخبين أو مواقف المواطنين تجاه سياسة عامة معينة؛ كأن يُدّعى أن نسبة مؤيدي قرار معين تتجاوز 50%، فيتم فحص عينة ميدانية للتحقق من صحة هذا الادعاء بدرجة يقين إحصائي محددة.

أما في العلوم النفسية والإكلينيكية والطب السلوكي، فيُعد الاختبار أداة رئيسية لتقييم فعالية البرامج العلاجية والتدخلات السلوكية من خلال مقارنة نسبة المرضى الذين أظهروا تحسناً ملموساً بعد البرنامج بنسبة الشفاء التلقائي المعروفة تاريخياً في الأدبيات العلمية. كما يحظى الاختبار بأهمية قصوى في عمليات مراقبة الجودة والتقييم المؤسسي في القطاعات الصناعية والخدمية، حيث يُطبق لاختبار ما إذا كان معدل العيوب المصنعية أو نسبة عدم الرضا بين المستفيدين تبقى ضمن الحدود المعيارية المقبولة عالمياً أم أنها تجاوزت العتبة الحرجة التي تستوجب التدخل التصحيحي الفوري.

1.3 دور برنامج مايكروسوفت إكسيل في التحليل الإحصائي للنسب

يوفر برنامج مايكروسوفت إكسيل بيئة مرنة وتفاعلية فائقة الكفاءة لإجراء الحسابات الإحصائية وبناء النماذج الاستدلالية دون الحاجة إلى اللجوء الإلزامي إلى برمجيات متخصصة باهظة التكلفة أو معقدة التشفير مثل SPSS أو SAS أو لغة R. تتيح الجداول الإلكترونية للباحث تفكيك كل خطوة حسابية وفهمها بصرياً، بدءاً من حصر البيانات الأولية، وتطبيق الشروط الرياضية، وحتى حساب الخطأ المعياري ودرجة Z المعيارية والقيمة الاحتمالية المقابلة.

علاوة على ذلك، يحتوي إكسيل على منظومة متكاملة من الدوال الإحصائية الحديثة وعالية الدقة مثل NORM.S.DIST و NORM.S.INV و COUNTIF، مما يُمكّن الباحث من أتمتة نموذج التحليل بالكامل ليصبح قالباً ديناميكياً يعيد حساب المؤشرات فور تغيير المدخلات. يمنح هذا الباحث فهماً برمجياً ورياضياً أعمق لآليات التحليل الإحصائي يندر تحقيقه في البرمجيات الجاهزة التي تقدم النتائج كصندوق أسود معزول عن خطوات الاشتقاق الحسابي، مع إمكانية إنشاء رسومات بيانية مساندة وتضمين المخرجات في تقارير إدارية وأكاديمية موحدة.

2. الأسس النظرية والرياضية لاختبار Z لنسبة واحدة

2.1 معادلة إحصائية الاختبار Z للنسبة الواحدة

تستند إحصائية الاختبار Z لنسبة واحدة إلى مقارنة الفارق بين نسبة العينة الملاحظة ونسبة المجتمع المفترضة مقسوماً على الخطأ المعياري للنسبة تحت مظلة الفرضية الصفرية. تأخذ المعادلة الرياضية الأساسية الصيغة التالية:

Z = (p – P₀) / SE

حيث تُمثل p نسبة العينة الملاحظة (والتي تُحسب بقسمة عدد النجاحات الملاحظة x على حجم العينة n)، وتُمثل P₀ النسبة المرجعية المفترضة في المجتمع بموجب الفرضية الصفرية، بينما يُرمز إلى الخطأ المعياري بالرمز SE (Standard Error). ويُحسب الخطأ المعياري للنسبة وفق القانون الرياضي الآتي:

SE = √[ (P₀ × (1 – P₀)) / n ]

يوضح هذا التركيب الرياضي أن الخطأ المعياري يتناسب عكسياً مع الجذر التربيعي لحجم العينة (n)؛ فكلما ازداد حجم العينة، قلّ التشتت والخطأ المعياري للتقدير، مما يجعل إحصائية Z أكثر حساسية للكشف عن الفروق الحقيقية الصغيرة بين النسبة الملاحظة والنسبة المفترضة، وهو ما يعكس استقرار التقديرات الإحصائية في العينات الكبيرة.

2.2 التوزيع الاعتدالي ومبرهنة النهاية المركزية

ينبثق الأساس المنطقي لاستخدام اختبار Z من مبرهنة النهاية المركزية (Central Limit Theorem)، والتي تنص على أن توزيع المعاينة لنسبة العينة يقترب تدريجياً من التوزيع الطبيعي المتماثل كلما زاد حجم العينة، حتى وإن كانت الظاهرة الأساسية تتبع توزيعاً منفصلاً كثنائي الحدين (Binomial Distribution). يُعرف هذا التحول في النظرية الإحصائية باسم “التقريب الطبيعي لتوزيع ثنائي الحدين” (Normal Approximation to Binomial).

لكي يكون هذا التقريب صالحاً ومبرراً رياضياً للاعتماد على التوزيع الطبيعي المعياري (Standard Normal Distribution ذي المتوسط 0 والانحراف المعياري 1)، يجب أن يتحقق شرطان متلازمان لحجم العينة والنسبة المفترضة، وهما: أن يكون حاصل ضرب حجم العينة في النسبة المفترضة مساوياً أو أكبر من 10 (أي: n × P₀ ≥ 10)، وأن يكون حاصل ضرب حجم العينة في المتمم الحسابي للنسبة مساوياً أو أكبر من 10 أيضاً (أي: n × (1 – P₀) ≥ 10). يضمن هذان الشرطان ابتعاد التوزيع عن الالتواء الشديد واقترابه من التماثل الجرسي المميز للمنحنى الاعتدالي.

2.3 الفرق بين الاختبار أحادي الذيل وثنائي الذيل

يتحدد نوع الاختبار الإحصائي—سواء كان أحادي الذيل (One-Tailed Test) أو ثنائي الذيل (Two-Tailed Test)—بناءً على التوجه النظري للفرضية البحثية وصياغة الفرضية البديلة. يُستخدم الاختبار ثنائي الذيل عندما يرغب الباحث في فحص وجود أي فرق ذي دلالة إحصائية بين نسبة العينة والنسبة المفترضة دون تحديد مسبق لاتجاه هذا الفرق، كأن يكون التساؤل: “هل تختلف نسبة الرضا الحالية عن نسبة 50%؟”. وفي هذه الحالة، تتوزع منطقة الرفض (مستوى الدلالة α) بالتساوي على طرفي المنحنى الطبيعي بمقدار (α/2) في كل ذيل.

في المقابل، يُلجأ إلى الاختبار أحادي الذيل عندما تتضمن الفرضية اتجاهاً نظرياً محدداً وموجهاً يستند إلى أدبيات علمية سابقة أو أهداف تدخلية واضحة. ينقسم الاختبار أحادي الذيل إلى: اختبار ذيل أيمن (Right-Tailed) إذا كان الهدف إثبات أن نسبة العينة أكبر من النسبة المفترضة (P > P₀)، حيث تتركز منطقة الرفض بالكامل في الطرف الأيمن الموجب، واختبار ذيل أيسر (Left-Tailed) إذا كان الهدف إثبات أن النسبة أقل من المفترضة (P < P₀). يؤثر هذا التحديد تأثيراً مباشراً على حساب القيمة الاحتمالية (P-value) والقيم الحرجة المقابلة في إكسيل.

3. شروط وافتراضات تطبيق اختبار Z لنسبة واحدة

3.1 افتراض العشوائية والاستقلالية

يستند اختبار Z لنسبة واحدة إلى جملة من الافتراضات المنهجية الصارمة التي يجب التحقق منها لضمان صدق الاستنتاجات الإحصائية وقابليتها للتعميم. أول هذه الشروط وأكثرها حرجاً هو شرط المعاينة العشوائية البسيطة (Simple Random Sampling)، والذي يقضي بأن يتم اختيار مفردات العينة بصورة عشوائية ومستقلة تماماً من المجتمع المستهدف، بحيث تتاح لكل فرد في المجتمع فرصة متكافئة وغير صفرية للظهور ضمن العينة، مما يقلل من احتمالية تحيز الاختيار (Selection Bias).

كما يرتبط بهذا الشرط افتراض استقلالية المشاهدات (Independence of Observations)، ويعني أن استجابة أي فرد في العينة لا تؤثر ولا تتأثر باستجابة أي فرد آخر. وعند إجراء المعاينة بدون إرجاع من مجتمعات محدودة الحجم، يجب استيفاء “قاعدة حجم المجتمع”، والتي تشترط ألا يتجاوز حجم العينة المسحوبة 10% من إجمالي حجم المجتمع الكلي (أي: n ≤ 0.10 N)؛ وذلك لمنع تأثر احتمالات الاختيار اللاحقة بانسحاب الأفراد السابقين، ولضمان بقاء التباين مستقراً دون الحاجة لتطبيق معامل تصحيح المجتمع المحدود (Finite Population Correction).

3.2 شرط النجاح والفشل لحجم العينة

يُمثل شرط النجاح والفشل (Success-Failure Condition) المعيار الرياضي الحاسم للتحقق من كفاية حجم العينة لإجراء اختبار Z. وكما أُشير سابقاً، يتطلب هذا الافتراض أن يشتمل تصميم الدراسة على ما لا يقل عن 10 حالات نجاح متوقعة و10 حالات فشل متوقعة تحت مظلة الفرضية الصفرية؛ أي أن:

• Expected Successes: n × P₀ ≥ 10
• Expected Failures: n × (1 – P₀) ≥ 10

إذا لم يتحقق هذا الشرط—بسبب صغر حجم العينة الكلي (n) أو كون النسبة المفترضة نادرة الحدوث جداً (مثل P₀ = 0.01) أو شائعة للغاية (مثل P₀ = 0.99)—فإن توزيع المعاينة يعاني من التواء حاد يفقد معه التقريب الطبيعي صلاحيته. وفي مثل هذه السيناريوهات، يُمنع استخدام اختبار Z ويجب اللجوء كبديل منهجي صارم إلى اختبار ثنائي الحدين الدقيق (Exact Binomial Test) المبني مباشرة على دالة الكتلة الاحتمالية لتوزيع ثنائي الحدين (Binomial Probability Distribution).

3.3 طبيعة البيانات ومستويات القياس

يشترط اختبار Z لنسبة واحدة أن يكون المتغير التابع متغيراً فئوياً اسمياً ثنائياً بطبيعته (Dichotomous Categorical Variable). يتم قياس هذا المتغير وتصنيفه إلى مجموعتين متنافستين لا تقبلان التداخل، كأن يتم ترميز الاستجابة رقمياً في جدول إكسيل باستخدام القيمتين (1) للدلالة على حدوث السمة المستهدفة أو النجاح، و (0) للدلالة على عدم حدوثها أو الفشل.

يتطلب الإعداد المنهجي للبيانات فحصاً دقيقاً لضمان خلو المصفوفة من القيم المفقودة غير المبررة أو الإدخالات الخاطئة خارج النطاق الثنائي المعتمد. كما يجب على الباحث التحقق من ثبات أداة جمع البيانات وخلوها من التحيزات المنهجية (Systematic Biases)، مثل تحيز الرغبة الاجتماعية في الاستبانات السلوكية، لضمان أن نسب الاستجابة المسجلة تعكس بدقة وبموضوعية الواقع المقاس في المجتمع.

4. صياغة الفرضيات الإحصائية وتحديد مستوى الدلالة

4.1 صياغة الفرضية الصفرية والفرضية البديلة

تمثل صياغة الفرضيات الخطوة المنطقية الأولى في مسار التحليل الاستدلالي. تنص الفرضية الصفرية (Null Hypothesis – H₀) دائماً على افتراض الحياد وعدم وجود فارق حقيقي؛ أي أن نسبة المجتمع الحقيقية (P) تساوي تماماً النسبة المرجعية المعيارية المحددة (P₀)، وتُكتب رياضياً كالتالي: H₀: P = P₀.

في المقابل، تعبر الفرضية البديلة (Alternative Hypothesis – H₁ أو Hₐ) عن ادعاء الباحث أو التغير المتوقع اكتشافه. وتأخذ الفرضية البديلة أحد الأشكال الرياضية الثلاثة التالية اعتماداً على أهداف البحث وأسئلته الموجهة:

• فرضية ثنائية الاتجاه (Two-Tailed): Hₐ: P ≠ P₀ (تفيد بأن النسبة تختلف فقط عن القيمة المرجعية زيادةً أو نقصاناً).
• فرضية أحادية الاتجاه نحو اليمين (Right-Tailed): Hₐ: P > P₀ (تفيد بأن النسبة الحقيقية تفوق القيمة المرجعية).
• فرضية أحادية الاتجاه نحو اليسار (Left-Tailed): Hₐ: P < P₀ (تفيد بأن النسبة الحقيقية تقل عن القيمة المرجعية).

4.2 تحديد مستوى الدلالة الإحصائية (Alpha)

يُعرف مستوى الدلالة الإحصائية، ويُرمز له بالرمز الإغريقي ألفا (α)، بأنه الحد الأقصى المقبول لاحتمالية الوقوع في الخطأ من النوع الأول (Type I Error)، وهو الخطأ الذي يحدث عندما يرفض الباحث الفرضية الصفرية بينما هي صحيحة في الواقع الميداني. يُحدد مستوى الدلالة مسبقاً قبل جمع البيانات وإجراء التحليلات لضمان الحياد والموضوعية العلمية التامة.

تعتمد الأبحاث الاجتماعية والسلوكية والإدارية عادةً مستوى دلالة α = 0.05، مما يعني أن هناك احتمالاً مقداره 5% لرفض الفرضية الصفرية بالخطأ، ويقابله مستوى ثقة (Confidence Level) مقداره 95% (1 – α). وفي الدراسات الطبية أو القرارات الإكلينيكية والحرجة، يتم تخفيض مستوى الدلالة إلى α = 0.01 أو α = 0.001 لتقليل هامش المجازفة وقبول النتائج الاستدلالية بأعلى درجات الموثوقية الممكنة، مع مراعاة أثر ذلك على تزايد احتمالية ارتكاب الخطأ من النوع الثاني (Type II Error – β) المتمثل في الفشل في رفض فرضية صفرية خاطئة بالفعل.

5. تجهيز وتنظيم البيانات في برنامج مايكروسوفت إكسيل

5.1 هيكلة ورقة العمل وتصميم الجداول

تبدأ المعالجة التطبيقية في إكسيل بتأسيس بنية جدولية منظمة ومحكمة داخل ورقة العمل (Worksheet). يُفضل تخصيص قسمين رئيسيين في الورقة: القسم الأول مخصص لبيانات العينة المدخلة (Data Input Matrix)، بينما يُخصص القسم الثاني للنواتج الحسابية والمعلمات الإحصائية (Calculations & Outputs). إن فصل المدخلات عن العمليات الحسابية يمنح النموذج وضوحاً هندسياً ويقلل من احتمالات الخطأ اليدوي في صياغة المعادلات.

ينبغي تنسيق الخلايا وتسميتها بوضوح لتعكس المفاهيم الإحصائية الأساسية؛ كأن تُخصص خلية لحجم العينة (Sample Size: n)، وأخرى لعدد النجاحات الملاحظة (Successes: x)، وخلية لنسبة المجتمع المفترضة (Hypothesized Proportion: P₀)، وخلية لمستوى الدلالة (Significance Level: α). يُنصح أيضاً بتنسيق خلايا النسب المئوية بصيغة النسبة المئوية المخصصة (Percentage Format) مع الاحتفاظ بمنزلتين أو ثلاث منازل عشرية لعرض التفاصيل بدقة متناهية.

5.2 استخدام الدوال الإحصائية لحساب التكرارات

في الحالات التي تتوفر فيها البيانات كاستجابات خام موزعة في عمود ممتد (يحتوي مثلاً على النصوص “نعم” و “لا”، أو الأكواد الرقمية 1 و 0)، يوفر إكسيل منظومة من الدوال الفعالة لحصر المؤشرات الأساسية دون الحاجة للحساب اليدوي. لحساب إجمالي حجم العينة (n)، يمكن استخدام دالة العد العام للمصفوفات النصية والرقمية:

=COUNTA(A2:A201) أو =COUNT(A2:A201)

أما لحساب عدد الاستجابات المستهدفة أو النجاحات الملاحظة (x)، فيتم توظيف دالة العد المشروط COUNTIF. على سبيل المثال، إذا كانت الاستجابات مسجلة بكلمة “نعم” في النطاق من A2 إلى A201، تُكتب الصيغة كالتالي:

=COUNTIF(A2:A201, "نعم")

ولضمان سلامة الإدخالات، يُنصح بتفعيل ميزة التحقق من صحة البيانات (Data Validation) من علامة التبويب “بيانات” في شريط إكسيل، وتحديد نطاق الإدخال ليقتصر حصراً على القيمتين المعياريين (0 و 1) أو (“نعم” و “لا”)، لتفادي أخطاء الإدخال الإملائية التي قد تؤدي إلى تشويه نتائج الدوال الحسابية.

6. حساب نسبة العينة والخطأ المعياري في إكسيل خطوة بخطوة

6.1 حساب نسبة العينة الملاحظة (p)

تُمثل نسبة العينة الملاحظة (ويُرمز لها بالرمز p أو p̂) التقدير النقطي (Point Estimate) الأساسي لنسبة المجتمع الحقيقية. تُحسب هذه القيمة رياضياً بقسمة عدد مرات تحقق الحدث أو الاستجابة الملاحظة (x) على إجمالي حجم العينة المأخوذة (n). وبناءً على خلايا إكسيل المنظمة، إذا كان عدد النجاحات مسجلاً في الخلية B2 وكان حجم العينة مسجلاً في الخلية B3، فإن صيغة إكسيل المباشرة تُكتب على النحو التالي:

=B2 / B3

يحتفظ برنامج إكسيل بالقيمة الحقيقية للناتج بدقة تصل إلى 15 رقماً عشرياً في ذاكرته الحسابية، حتى لو تم ضبط تنسيق الخلية ليُظهر منزلتين عشريتين فقط كنسبة مئوية. يضمن ذلك عدم حدوث تراكم لأخطاء التقريب (Rounding Errors) في العمليات الحسابية اللاحقة. تتيح هذه الخطوة للباحث إجراء معاينة بصرية سريعة لمقارنة نسبة العينة المستخرجة مع النسبة المفترضة مسبقاً قبل استكمال الاختبار الاستدلالي.

6.2 حساب الخطأ المعياري للنسبة باستخدام دالة SQRT

يُعد حساب الخطأ المعياري (Standard Error) الركيزة المحورية لتحويل الفرق الخام بين النسبتين إلى قيمة معيارية مجردة. ولأننا نعمل تحت مظلة الفرضية الصفرية القائلة بصحة P₀، فإن حساب الخطأ المعياري يجب أن يعتمد حصراً على النسبة المفترضة في الفرضية الصفرية (P₀) وليس على نسبة العينة الملاحظة (p).

لتطبيق معادلة الخطأ المعياري SE = √[ P₀(1 - P₀) / n ] داخل إكسيل، نستخدم دالة الجذر التربيعي SQRT. بافتراض أن النسبة المفترضة مسجلة في الخلية B4 وحجم العينة في الخلية B3، تُكتب الصيغة الدقيقة في إكسيل مع مراعاة الترتيب الصارم للأقواس الرياضية كما يلي:

=SQRT((B4 * (1 - B4)) / B3)

يضمن الاستخدام السليم للأقواس حول عملية الطرح (1 - B4) وحول حاصل الضرب في البسط أن يقوم البرنامج بعملية الضرب أولاً ثم القسمة على حجم العينة قبل استخراج الجذر التربيعي للناتج النهائي، مما يعطي القيمة الحقيقية الصحيحة للخطأ المعياري لتوزيع المعاينة.

7. حساب إحصائية الاختبار (Z-Score) باستخدام معادلات إكسيل

7.1 تركيب معادلة إحصائية Z في خلية إكسيل

بعد استخراج كل من نسبة العينة الملاحظة (p) والخطأ المعياري (SE)، تصبح الخطوة التالية هي دمج هذه المكونات لحساب إحصائية الاختبار Z المعيارية. تُعبر درجة Z عن مقدار انحراف نسبة العينة عن نسبة المجتمع المفترضة بوحدات الخطأ المعياري؛ أي كم خطأ معيارياً تبعد النسبة الملاحظة عن مركز التوزيع المفترض.

إذا كانت نسبة العينة في الخلية B5، والنسبة المفترضة في الخلية B4، والخطأ المعياري المحسوب في الخلية B6، تُصاغ معادلة Z المباشرة في إكسيل بالشكل التالي:

=(B5 - B4) / B6

كما يمكن كتابة الصيغة المركبة الكاملة في خلية واحدة دون الاعتماد على خلايا وسيطة للخطأ المعياري، وذلك على النحو التالي:

=(B5 - B4) / SQRT((B4 * (1 - B4)) / B3)

تحمل إشارة درجة Z دلالة تفسيرية مباشرة؛ فالإشارة الموجبة تشير إلى أن نسبة العينة أعلى من النسبة المفترضة للمجتمع، بينما تشير الإشارة السالبة إلى أن نسبة العينة أدنى من القيمة المفترضة. أما القيمة المطلقة لدرجة Z، فكلما تباعدت عن الصفر (وتجاوزت الحدود الحرجة المألوفة مثل ±1.96)، دلّ ذلك على تعاظم الشواهد الإحصائية ضد صحة الفرضية الصفرية.

7.2 أتمتة الحسابات لسيناريوهات متعددة

تتجلى القوة الحقيقية لبرنامج إكسيل في قدرته على تعميم هذه المعادلات لتشمل مصفوفات بحثية ضخمة تضم عينات ومجموعات متعددة يجري تحليلها في آن واحد. لتحقيق ذلك، يتم استخدام المراجع المطلقة (Absolute Cell References) باستخدام علامة الدولار ($) لتثبيت الخلايا المرجعية الثابتة أثناء سحب وتعبئة المعادلات عبر الصفوف والأعمدة.

علاوة على ذلك، يمكن للمحلل دمج ميزة التنسيق الشرطي (Conditional Formatting) لتلوين خلايا قيم Z تلقائياً؛ كأن يتم تمييز الخلايا باللون الأخضر إذا تجاوزت القيمة المعيارية الحرجة (+1.96 أو -1.96)، أو باللون الأحمر إذا وقعت ضمن منطقة القبول. يُحول هذا التنسيق جدول البيانات الممتد إلى لوحة مؤشرات بصرية ديناميكية تتيح الاستكشاف الفوري والآني للنتائج ذات الدلالة الإحصائية عبر مختلف السيناريوهات المدروسة.

8. حساب القيمة الاحتمالية (P-value) للاختبار في إكسيل

8.1 استخدام دالة NORM.S.DIST ودالة NORM.DIST

تُعد القيمة الاحتمالية (P-value) المعيار الكمي الأهم في اتخاذ القرار الإحصائي الحديث. وتُعرَّف بأنها احتمالية الحصول على إحصائية اختبار مساوية أو أكثر تطرفاً من القيمة الملاحظة بالفعل من العينة، بافتراض أن الفرضية الصفرية صحيحة تماماً. يوفر إكسيل دالتين رئيسيتين للتعامل مع التوزيع الطبيعي المعياري:

• NORM.S.DIST(z, cumulative): وهي الدالة المخصصة للتوزيع الطبيعي المعياري القياسي (حيث المتوسط = 0 والانحراف = 1). تأخذ الدالة وسيطين: قيمة درجة Z، وقيمة منطقية (Cumulative) تُضبط دائماً على TRUE لحساب المساحة التراكمية من أقصى الطرف الأيسر للمنحنى حتى قيمة Z المدخلة.
• NORM.DIST(x, mean, standard_dev, cumulative): وهي دالة عامة تُستخدم للتوزيع الطبيعي العام بمعالم محددة، ولكن دالة NORM.S.DIST هي الأنسب والأدق لاختبارات Z القياسية.

ملاحظة تاريخية: كانت الإصدارات القديمة من إكسيل تستخدم الدالة NORMSDIST(z)، وهي ما تزال تعمل للتوافق مع الإصدارات السابقة، ولكن يُوصى رسمياً باستخدام الدالة المحدثة NORM.S.DIST نظراً لدقتها الحسابية العالية في معالجة الذيول المتطرفة للمنحنى.

8.2 حساب P-value للاختبار ثنائي الذيل

في الاختبارات ثنائية الذيل، حيث تكون الفرضية البديلة Hₐ: P ≠ P₀، يتم حساب القيمة الاحتمالية عن طريق إيجاد مساحة الذيل الخارجي الأكثر تطرفاً ثم مضاعفة تلك المساحة بالضرب في (2) لتغطية احتمالية التطرف في كلا الاتجاهين الإيجابي والسلبي.

لضمان صحة المعادلة في إكسيل بغض النظر عما إذا كانت قيمة Z المحسوبة موجبة أو سالبة، نستخدم دالة القيمة المطلقة (ABS)، وتُكتب الصيغة الرياضية الاحترافية في إكسيل كالتالي:

=2 * (1 - NORM.S.DIST(ABS(z), TRUE))

حيث تقوم الدالة ABS(z) بتحويل أي قيمة سالبة لـ Z إلى قيمة موجبة، ثم تقوم الدالة NORM.S.DIST(ABS(z), TRUE) بحساب المساحة التراكمية الكلية على يسار هذه القيمة الموجبة. بطرح هذه المساحة من (1)، نحصل بدقة على مساحة الذيل الأيمن المتطرف، وبضرب الناتج في (2)، نصل إلى القيمة الاحتمالية الإجمالية للاختبار ثنائي الذيل، والتي تقع حتماً داخل النطاق المغلق بين [0 و 1].

8.3 حساب P-value للاختبارات أحادية الذيل

تختلف معادلة حساب القيمة الاحتمالية في الاختبارات أحادية الذيل باختلاف اتجاه الفرضية البديلة المعتمدة في تصميم الدراسة:

• حالة الاختبار أحادي الذيل الأيمن (Right-Tailed Test): حيث الفرضية البديلة Hₐ: P > P₀. في هذه الحالة، نبحث عن مساحة الذيل الأيمن الأعلى من قيمة Z المحسوبة، وتكون صيغة إكسيل:
  
  =1 - NORM.S.DIST(z, TRUE)
• حالة الاختبار أحادي الذيل الأيسر (Left-Tailed Test): حيث الفرضية البديلة Hₐ: P < P₀. في هذه الحالة، نبحث عن مساحة الذيل الأيسر الأدنى من قيمة Z المحسوبة مباشرة، وتكون صيغة إكسيل البسيطة:
  
  =NORM.S.DIST(z, TRUE)

يجب التنبيه إلى أن القيمة الاحتمالية الناتجة عن الاختبار أحادي الذيل تكون مساوية تماماً لنصف القيمة الاحتمالية الناتجة عن الاختبار ثنائي الذيل لنفس البيانات وقيمة Z، مما يوضح سبب تمتع الاختبارات أحادية الذيل بقوة إحصائية (Statistical Power) أعلى في اكتشاف الفروق عندما يكون الاتجاه النظري محدداً ومبرراً سلفاً.

9. حساب القيمة الحرجة ومجال الثقة (Confidence Interval) في إكسيل

9.1 حساب القيم الحرجة (Critical Values) باستخدام دالة NORM.S.INV

تُمثل القيمة الحرجة (Critical Value – Z_crit) النقطة الفاصلة على منحنى التوزيع الطبيعي المعياري التي تقسم مساحة المنحنى إلى منطقة القبول ومنطقة الرفض الإحصائي. تُحسب القيمة الحرجة باستخدام دالة المقلوب التراكمي للتوزيع الطبيعي المعياري في إكسيل وهي الدالة NORM.S.INV(probability).

تتحدد وسائط هذه الدالة بناءً على مستوى الدلالة المعتمد (α) ونوع الاختبار وفق المعادلات التالية في إكسيل:

• القيمة الحرجة لاختبار ثنائي الذيل (عند α = 0.05):
  
  =NORM.S.INV(1 - (0.05 / 2)) أو =NORM.S.INV(0.975)
  
  ينتج عن هذه المعادلة القيمة المعيارية الشهيرة +1.96، وتكون منطقة الرفض هي القيم الأعلى من +1.96 أو الأقل من -1.96.
• القيمة الحرجة لاختبار أحادي الذيل الأيمن (عند α = 0.05):
  
  =NORM.S.INV(1 - 0.05) أو =NORM.S.INV(0.95)
  
  ينتج عنها القيمة +1.645.
• القيمة الحرجة لاختبار أحادي الذيل الأيسر (عند α = 0.05):
  
  =NORM.S.INV(0.05)
  
  ينتج عنها القيمة -1.645.

9.2 بناء مجال الثقة لنسبة المجتمع (Confidence Interval for Proportion)

يُعد بناء مجال الثقة (Confidence Interval – CI) مكملاً جوهرياً لاختبار الفرضيات؛ إذ يقدم تقديراً مجالياً للنطاق الذي يُتوقع أن تقع داخله النسبة الحقيقية للمجتمع بدرجة يقين محددة (مثل 95%). يُصاغ مجال الثقة العام للنسبة بالمعادلة التالية:

CI = p ± [ Z_crit × SE_estimate ]

ومن الفروق المنهجية الحاسمة التي يجب مراعاتها هنا أن الخطأ المعياري المستخدم في بناء مجال الثقة (SE_estimate) يُحسب بالاعتماد على نسبة العينة الملاحظة (p) وليس على النسبة المفترضة في الفرضية الصفرية (P₀)، وذلك لأننا نسعى لتقدير معلمة المجتمع المجهولة استناداً إلى بيانات العينة المتوفرة لدينا:

SE_estimate = SQRT((p * (1 - p)) / n)

يتم حساب المكونات خطوة بخطوة في خلايا إكسيل كالتالي:

• حساب هامش الخطأ (Margin of Error – ME):
  
  =NORM.S.INV(1 - (alpha / 2)) * SQRT((p * (1 - p)) / n)
• حساب الحد الأدنى لمجال الثقة (Lower Limit):
  
  =p - ME
• حساب الحد الأعلى لمجال الثقة (Upper Limit):
  
  =p + ME

توجد قاعدة استدلالية ذهبية تربط بين الاختبار ومجال الثقة: إذا كانت النسبة المفترضة في الفرضية الصفرية (P₀) تقع خارج حدود مجال الثقة بنسبة 95% المحسوب، فإن ذلك يكافئ رياضياً رفض الفرضية الصفرية عند مستوى دلالة α = 0.05 في الاختبار ثنائي الذيل.

10. تفسير النتائج الإحصائية واتخاذ القرار العلمي

10.1 قواعد اتخاذ القرار الإحصائي (Decision Rules)

يستند اتخاذ القرار الإحصائي الرصين إلى مقارنة منهجية متسقة بين المؤشرات المحسوبة والمعايير النظرية المعتمدة. توجد طريقتان متطابقتان تماماً في استخلاص القرار العلمي النهائي:

1. طريقة القيمة الاحتمالية (P-value Approach):
   • إذا كانت P-value ≤ α: يتم رفض الفرضية الصفرية (Reject H₀) وقبول الفرضية البديلة، مع استنتاج وجود فرق ذي دلالة إحصائية حقيقية.
   • إذا كانت P-value > α: يتم الفشل في رفض الفرضية الصفرية (Fail to Reject H₀)، لعدم كفاية الأدلة الإحصائية لإثبات الفرق.
2. طريقة القيمة الحرجة (Critical Value Approach):
   • إذا كانت |Z_calculated| ≥ Z_critical: يتم رفض الفرضية الصفرية.
   • إذا كانت |Z_calculated| < Z_critical: يتم الفشل في رفض الفرضية الصفرية.

يمكن أتمتة نص القرار النهائي بصورة ذكية داخل إكسيل باستخدام دالة الشرط المنطقي IF، كأن نكتب الصيغة التالية في خلية النتيجة (بافتراض أن P-value في الخلية B8 ومستوى α في B7):

=IF(B8 <= B7, "رفض الفرضية الصفرية (دال إحصائياً)", "فشل في رفض الفرضية الصفرية (غير دال)")

من الناحية الأبستمولوجية والمنهجية، يجب التأكيد دائماً على استخدام مصطلح “الفشل في رفض الفرضية الصفرية” بدلاً من القول الخاطئ “قبول الفرضية الصفرية”؛ فالتحليل الإحصائي الاستدلالي لا يثبت صحة الفرضية الصفرية بصورة مطلقة، بل يقر فقط بعجز البيانات الحالية عن تقديم شواهد كافية لدحضها.

10.2 كتابة التقرير النهائي للنتائج وفق معايير APA

تقتضي المعايير العلمية المعتمدة لتوثيق نتائج التحليل الإحصائي—خاصة معايير الجمعية الأمريكية لعلم النفس (APA الإصدار السابع)—عرض كافة المؤشرات بدقة وإيجاز وشفافية داخل المتن البحثي، بما يتيح للقارئ والمحكم تقييم الأثر الإحصائي والعملي للدراسة.

يجب أن يشمل التقرير توثيقاً واضحاً لحجم العينة (n)، ونسبة العينة الملاحظة (p)، وقيمة إحصائية الاختبار المعيارية (Z)، والقيمة الاحتمالية الدقيقة (P-value)، ومجال الثقة للنسبة (Confidence Interval). وفيما يلي صياغة نموذجية قياسية:

“أظهرت نتائج اختبار Z لنسبة مجتمع واحدة وجود فرق ذي دلالة إحصائية بين نسبة الرضا الملاحظة في العينة ونسبة المجتمع المفترضة، Z = -2.36, p = .018, 95% CI [0.801, 0.899]. وبناءً على ذلك تم رفض الفرضية الصفرية عند مستوى دلالة α = .05.”

كما يُنصح الباحثون بتجنب الاكتفاء بذكر الدلالة الإحصائية المجردة، بل ينبغي مناقشة الأهمية التطبيقية وحجم التأثير (Practical Significance & Effect Size)، لبيان ما إذا كان الفارق المكتشف يمثل قيمة نوعية مؤثرة في الواقع العملي والمهني، أم أنه مجرد فرق طفيف ظهر دالاً إحصائياً بفعل كبر حجم العينة الفائق.

11. سيناريوهات تطبيقية وأمثلة عملية شاملة في إكسيل

11.1 تطبيق عملي 1: دراسة نسبة رضا العملاء عن خدمة جديدة

سيناريو المشكلة: تدعي إحدى المؤسسات الخدمية الرائدة أن نسبة رضا عملائها عن المنصة الرقمية الجديدة تصل إلى 90% (P₀ = 0.90). قرر فريق تدقيق الجودة المستقل التحقق من صحة هذا الادعاء عبر سحب عينة عشوائية بسيطة مكونة من 200 عميل (n = 200). بعد جمع الاستجابات، تبيّن أن 170 عميلاً فقط أعربوا عن رضاهم الفعلي عن الخدمة (x = 170).

خطوات المعالجة الحسابية في إكسيل:

• حساب نسبة العينة: p = 170 / 200 = 0.85 (85%)
• التحقق من شروط العينة:
  
  n × P₀ = 200 × 0.90 = 180 ≥ 10 (متحقق)
  
  n × (1 – P₀) = 200 × 0.10 = 20 ≥ 10 (متحقق)
• حساب الخطأ المعياري:
  
  SE = SQRT((0.90 * (1 - 0.90)) / 200) = SQRT(0.09 / 200) = 0.02121
• حساب إحصائية Z:
  
  Z = (0.85 - 0.90) / 0.02121 = -0.05 / 0.02121 = -2.357
• حساب P-value للاختبار ثنائي الذيل (α = 0.05):
  
  =2 * (1 - NORM.S.DIST(ABS(-2.357), TRUE)) = 0.0184
• حساب مجال الثقة 95%:
  
  SE_estimate = √[(0.85 × 0.15) / 200] = 0.02525
  
  ME = 1.96 × 0.02525 = 0.0495
  
  مجال الثقة: [0.85 – 0.0495, 0.85 + 0.0495] = [80.05%, 89.95%]

القرار والتفسير: بما أن القيمة الاحتمالية (P = 0.0184) أقل من مستوى الدلالة المعتمد (α = 0.05)، وبما أن النسبة المدعاة من المؤسسة (90%) تقع خارج حدود مجال الثقة 95%، فإننا نرفض الفرضية الصفرية. نستنتج بوجود شواهد إحصائية قاطعة على أن نسبة الرضا الفعلية للمتعاملين أدنى بكثير من النسبة التي تدعيها المؤسسة.

11.2 تطبيق عملي 2: فحص فعالية برنامج إرشادي نفسي

سيناريو المشكلة: تشير البيانات المعيارية لوزارة الصحة إلى أن نسبة التعافي التلقائي من اضطراب القلق العام دون تدخل علاجي مقنن هي 30% (P₀ = 0.30). قام فريق من الأخصائيين النفسيين بتطوير برنامج إرشادي سلوكي معرفي مكثف، وطُبق على عينة عشوائية مكونة من 80 مريضاً (n = 80). بعد انتهاء التدخل، لوحظ تعافي 34 مشاركاً تماماً من أعراض الاضطراب (x = 34). يسعى الباحثون لإثبات أن البرنامج يرفع نسبة التعافي عن المعدل المعياري (اختبار أحادي الذيل أيمن عند α = 0.05).

صياغة الفرضيات:

• H₀: P ≤ 0.30 (البرنامج لا يزيد من نسبة التعافي عن المعدل المعتاد)
• Hₐ: P > 0.30 (البرنامج يؤدي إلى زيادة حقيقية في نسبة التعافي)

العمليات الحسابية في إكسيل:

• نسبة العينة الملاحظة: p = 34 / 80 = 0.425 (42.5%)
• فحص شروط العينة: 80 × 0.30 = 24 ≥ 10 و 80 × 0.70 = 56 ≥ 10 (متحقق تماماً)
• الخطأ المعياري: =SQRT((0.30 * 0.70) / 80) = 0.05123
• إحصائية الاختبار: Z = (0.425 - 0.30) / 0.05123 = +2.4398
• القيمة الحرجة للذيل الأيمن: =NORM.S.INV(1 - 0.05) = +1.645
• حساب P-value للذيل الأيمن: =1 - NORM.S.DIST(2.4398, TRUE) = 0.0073

القرار والتفسير: تتجاوز إحصائية Z المحسوبة (+2.44) القيمة الحرجة (+1.645)، كما أن القيمة الاحتمالية (P = 0.0073) أدنى بكثير من مستوى الدلالة المقبول (0.05). بناءً على هذه المخرجات، يتم رفض الفرضية الصفرية وتأييد الفرضية البديلة، مما يقدم دليلاً إحصائياً وتطبيقياً قوياً على الفعالية الإيجابية للبرنامج الإرشادي في رفع نسب الشفاء والتعافي السلوكي.

11.3 تصميم قالب إكسيل جاهز وقابل لإعادة الاستخدام

لتحويل ورقة إكسيل إلى أداة مستدامة يمكن إعادة استخدامها في مئات المشاريع والتحليلات اللاحقة، يُنصح بتطبيق أفضل ممارسات هندسة النماذج الإلكترونية من خلال الخطوات التالية:

• حماية وتأمين الخلايا (Cell Protection): تحديد خلايا الإدخال فقط (مثل خلايا إدخال: x و n و P₀ و α) وإلغاء قفلها، ثم قفل وحماية بقية خلايا المعادلات الرياضية لمنع تعديلها أو حذفها بطريق الخطأ عبر تفعيل خيار Protect Sheet من علامة التبويب “مراجعة” (Review).
• إدراج القوائم المنسدلة (Dropdown Lists): استخدام أداة التحقق من صحة البيانات لإنشاء قائمة منسدلة لاختيار نوع الاختبار: [“ثنائي الذيل”, “أحادي الذيل (أيمن)”, “أحادي الذيل (أيسر)”]، واستخدام دالة SWITCH أو IFS البرمجية في إكسيل لحساب الـ P-value تلقائياً بناءً على الخيار المختار في القائمة.
• إضافة الرسوم البيانية التفاعلية: يمكن رسم منحنى التوزيع الطبيعي المعياري بتوليد متسلسلة لقيم Z من -3.5 إلى +3.5 واستخدام دالة NORM.S.DIST(z, FALSE) لحساب دالة الكثافة الاحتمالية، وإسقاط عمود رأسي يوضح موضع قيمة Z المحسوبة للمستخدم، مما يمنح القالب بعداً بصرياً متميزاً يُثري التقارير التنفيذية والأكاديمية.

12. الأخطاء الشائعة واستكشاف المشكلات وإصلاحها في إكسيل

12.1 الأخطاء المنهجية والإحصائية الشائعة

يقع العديد من الباحثين ومحللي البيانات في أخطاء مفاهيمية ومنهجية أثناء تنفيذ اختبار Z لنسبة واحدة. ومن أبرز تلك الأخطاء:

• الخلط بين نسبتي المجتمع والعينة في حساب الخطأ المعياري: استخدام نسبة العينة (p) بدلاً من النسبة المفترضة في الفرضية الصفرية (P₀) لحساب الخطأ المعياري للاختبار Z، وهو خطأ يبطل التوزيع النظري لاختبار الفرضيات (رغم صحة استخدامه في بناء فترات الثقة).
• تجاهل التحقق من شرط حجم العينة: التسرع في تطبيق اختبار Z على عينات صغيرة جداً تفشل في استيفاء شرط n × P₀ ≥ 10، وكان الواجب منهجياً تطبيق اختبار ثنائي الحدين الدقيق (Binomial Exact Test).
• الخلط في اتجاهات الاختبار: استخدام صيغة القيمة الاحتمالية الخاصة بالاختبار أحادي الذيل لفرضية تمت صياغتها بصورة ثنائية الاتجاه، أو نسيان ضرب الناتج في (2) في الاختبار ثنائي الذيل، مما يضاعف معدل ارتكاب الخطأ من النوع الأول دون إدراك الباحث.
• إساءة تفسير القيمة الاحتمالية: الاعتقاد الخاطئ بأن الـ P-value تُمثل “احتمالية صحة الفرضية الصفرية”؛ فالقيمة الاحتمالية هي في الحقيقة احتمالية البيانات الملاحظة بشرط افتراض صحة الفرضية الصفرية مسبقاً.

12.2 الأخطاء التقنية وصيغ المعادلات في إكسيل

أما من الناحية البرمجية والتقنية داخل بيئة برنامج إكسيل، فتتكرر مجموعة من الأخطاء التي يمكن تلافيها باتباع إرشادات التدقيق الآتية:

• أخطاء تركيب الأقواس الحسابية: نسيان وضع الأقواس حول بسط معادلة Z أو حول بسط الخطأ المعياري؛ فكتابة الصيغة بالشكل =p - P0 / SE تؤدي رياضياً إلى قسمة P0 على SE أولاً ثم طرح الناتج من p، والصحيح حتماً هو: =(p - P0) / SE.
• ظهور خطأ القسمة على الصفر #DIV/0!: يحدث غالباً عندما تكون الخلية المخصصة لحجم العينة فارغة أو تحتوي على الصفر. يمكن تفادي ذلك بتغليف المعادلة بدالة معالجة الأخطاء: =IFERROR((p - P0)/SE, "").
• ظهور خطأ القيمة #VALUE!: ينشأ عن وجود مسافات نصية غير مرئية أو رموز نصية داخل الخلايا المخصصة للأرقام.
• إهمال المعامل التراكمي في دوال التوزيع: كتابة دالة التوزيع كالتالي NORM.S.DIST(z, FALSE)؛ حيث يعيد المعامل FALSE دالة الكثافة الاحتمالية (ارتفاع المنحنى عند النقطة Z) بدلاً من المساحة التراكمية، في حين يشترط حساب الـ P-value استخدام المعامل المنطقي TRUE حصراً.

خلاصة واستنتاجات نهائية

يُمثل اختبار Z لنسبة مجتمع واحدة (One Proportion Z-Test) أداة إحصائية وتحليلية محورية في ترسانة الباحثين والمحللين للتعامل مع البيانات الفئوية الثنائية واتخاذ قرارات استدلالية رصينة وموضوعية. يتيح الفهم العميق للأسس الرياضية التي تحكم مبرهنة النهاية المركزية والتقريب الطبيعي تحويل الأرقام الخام إلى مؤشرات قابلة للتعميم والتفسير بدقة فائقة.

وكما فصّل هذا الدليل الشامل، يوفر برنامج مايكروسوفت إكسيل منظومة متكاملة، فائقة المرونة، ومجانية لإنجاز كافة مراحل الاختبار: بدءاً من التحقق المنهجي من شروط المعاينة وحجم العينة، وحساب الخطأ المعياري ودرجات Z، وحساب القيم الاحتمالية ومجالات الثقة، ووصولاً إلى أتمتة اتخاذ القرارات وصياغة التقارير وفق المعايير الأكاديمية العالمية. إن إتقان هذه المهارات يُمكّن الباحث من بناء نماذج تحليلية ديناميكية وقابلة لإعادة الاستخدام تسهم في الارتقاء بجودة المخرجات البحثية وصناعة القرارات المبنية على البيانات والأدلة الإحصائية القاطعة.

المراجع (References)

• Agresti, A. (2018). An Introduction to Categorical Data Analysis (3rd ed.). John Wiley & Sons. https://www.wiley.com/
• American Psychological Association. (2020). Publication Manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE Publications.
• Microsoft Corporation. (2023). NORM.S.DIST function – Microsoft Support. Microsoft Support Documentation. https://support.microsoft.com/
• National Institute of Standards and Technology. (2021). NIST/SEMATECH e-Handbook of Statistical Methods. U.S. Department of Commerce. https://www.itl.nist.gov/div898/handbook/
• Triola, M. F. (2021). Elementary Statistics (14th ed.). Pearson. https://www.pearson.com/
• Zaiontz, C. (2023). One-sample Proportion Testing in Excel. Real Statistics Using Excel. https://real-statistics.com/