كيفية إجراء اختبار شيفيه في إكسل

يحتل تحليل التباين (Analysis of Variance – ANOVA) مكانة مركزية في ترسانة المنهجيات الإحصائية المعتمدة في العلوم السلوكية والنفسية والتربوية، حيث يوفر للباحثين وسيلة دقيقة لتقييم الفروق الإجمالية بين متوسطات ثلاث مجموعات تجريبية أو أكثر. غير أن الحصول على قيمة دالة إحصائياً لاختبار F العام لا يقدم إجابة حاسمة حول موضع هذه الفروق على وجه التحديد، ولا يوضح أي من المجموعات يتفوق على الآخر أو يختلف عنه جوهرياً. من هنا تبرز الضرورة المنهجية لاستخدام الاختبارات البعدية (Post-Hoc Tests)، والتي تُمكّن الباحث من تفكيك التباين الكلي وإجراء مقارنات متزامنة تكشف البنية العميقة للبيانات التجريبية دون الوقوع في شرك تضخيم الأخطاء الاحتمالية.

من بين مختلف اختبارات المقارنات المتعددة، يبرز اختبار شيفيه (Scheffé’s Test) كأحد أكثر الأساليب الإحصائية رصانة ومرونة وتحفظاً. يتميز هذا الاختبار بقدرته الاستثنائية ليس فقط على إجراء المقارنات الزوجية البسيطة بين كل مجموعتين على حدة، بل وأيضاً على اختبار المقارنات الخطية المعقدة والمركبة، والتعامل بكفاءة عالية مع أحجام العينات غير المتساوية التي تشيع في الدراسات الميدانية والتطبيقية. وبالرغم من أن البرمجيات الإحصائية الجاهزة تقوم بحساب هذه الاختبارات بضغطة زر، إلا أن تنفيذ اختبار شيفيه خطوة بخطوة داخل بيئة مايكروسوفت إكسل (Microsoft Excel) يمنح الباحثين وطلاب الدراسات العليا فهماً عميقاً للميكانيزمات الرياضية المتحكمة في النتائج، ويمنحهم مرونة فائقة في بناء نماذج تحليلية مخصصة ومترابطة وديناميكية.

يهدف هذا الدليل المرجعي الشامل إلى تقديم تفصيل منهجي وتطبيقي دقيق لكيفية بناء وتنفيذ اختبار شيفيه للمقارنات البعدية عبر برنامج إكسل، بدءاً من تفكيك الأسس النظرية والرياضية للاختبار، مروراً بالتحقق الصارم من افتراضات التحليل الإحصائي المعلمي، ومقارنته بالاختبارات البديلة مثل توكي وبونفيروني وإل إس دي، ووصولاً إلى الشرح العملي المفصل لإدخال البيانات، واستخراج جدول ANOVA، وبرمجة المعادلات والدوال المنطقية واستخراج القيم الاحتمالية وفترات الثقة، مع تقديم دراسة حالة نفسية وتربوية تطبيقية، واستعراض قواعد التوثيق الأكاديمي الصارم وفق معايير جمعية علم النفس الأمريكية (APA 7th).

1. مقدمة إلى اختبار شيفيه للمقارنات البعدية وأهميته في البحوث النفسية والتربوية

1.1 مفهوم الاختبارات البعدية وسياق استخدامها بعد تحليل التباين

يُعد تحليل التباين أحادي الاتجاه (One-Way ANOVA) الأداة الإحصائية القياسية لاختبار الفرضية الصفرية العامة القائلة بتساوي متوسطات مجتمعات الدراسة عبر k من المجموعات المستقلة (H₀: μ₁ = μ₂ = … = μ_k). يعتمد هذا التحليل على مقارنة التباين المنسوب إلى المعالجة التجريبية أو الفروق بين المجموعات (Between-Groups Variance) بالتباين العشوائي غير المفسر داخل المجموعات (Within-Groups Variance / Error Variance) عبر النسبة الفائية (F-ratio).

على الرغم من القوة الاستدلالية لاختبار F العام، إلا أنه يُصنف كاختبار “إجمالي” أو “شامل” (Omnibus Test)؛ بمعنى أنه يخبر الباحث بوجود فرق ذي دلالة إحصائية في مكان ما بين المتوسطات، لكنه يعجز بنيوياً عن تحديد أي الأزواج المعينة تختلف عن بعضها، أو ما إذا كان الفرق يعود لتفوق مجموعة واحدة على البقية أو لتفاوت تدريجي بين جميع المجموعات. إن الاعتماد الحصري على النتيجة العامة لـ ANOVA يترك التساؤلات البحثية الجوهرية معلقة ومبتورة التفسير.

تأتي الاختبارات البعدية (Post-Hoc Comparisons) لتمثل المرحلة التفسيرية اللاحقة والضرورية؛ حيث تتيح استكشاف جميع التوليفات والفروق الممكنة بين المجموعات بعد رفض الفرضية الصفرية الشاملة. تكتسب هذه الاختبارات أهمية استثنائية في البحوث النفسية والتربوية والتجريبية، مثل مقارنة كفاءة عدة برامج علاجية سلوكية مقابل برنامج تدخلي معرفي ومجموعة ضابطة، حيث يتوقف اتخاذ القرار الإكلينيكي أو التربوي على معرفة أي البرامج يتفوق بدلالة إحصائية قاطعة على غيره.

1.2 طبيعة اختبار شيفيه (Scheffé’s Test) وخصائصه المنهجية

قام عالم الإحصاء الأمريكي هنري شيفيه (Henry Scheffé) بتطوير هذا الاختبار التحليلي عام 1953، بهدف تقديم إطار استدلالي شامل قادر على اختبار كافة المقارنات الخطية الممكنة بين المتوسطات دون التقيد بالمقارنات الثنائية البسيطة. يُعتبر اختبار شيفيه أداة عامة متكاملة تعتمد بالكامل على توزيع F لتقييم دلالة الفروق، مما يجعله متسقاً بنيوياً ومباشراً مع جدول تحليل التباين الأصلي.

تكمن القوة المنهجية لاختبار شيفيه في مرونته الفائقة؛ فهو يتيح للباحث اختبار المقارنات البسيطة (مقارنة المجموعة الأولى بالثانية) بالتوازي مع المقارنات المعقدة أو المركبة (مثل مقارنة متوسط المجموعتين العلاجيتين معاً بمتوسط المجموعة الضابطة، أو مقارنة استراتيجية تدريسية جديدة بمتوسط استراتيجيتين تقليديتين). بالإضافة إلى ذلك، لا يشترط الاختبار تساوي أحجام العينات (Unbalanced Sample Sizes) بين المجموعات، حيث يقوم بتعديل الأخطاء المعيارية تلقائياً وفقاً للوزن الحجمي لكل مجموعة تجريبية دون الحاجة إلى تقريبات رياضية خارجية معقدة.

يتسم اختبار شيفيه بطبيعته التحفظية الصارمة (Conservatism) مقارنة بكافة الاختبارات البعدية الأخرى؛ إذ يوفر أعلى درجات الحماية ضد الوقوع في قرارات إحصائية مضللة ناتجة عن التغيرات العشوائية في البيانات، مما يجعله الخيار المفضل لدى المجلات العلمية المحكمة ذات المعايير المنهجية الصارمة في العلوم الطبية والنفسية عندما تتعدد المقارنات المفتوحة غير المخططة مسبقاً.

1.3 مشكلة الخطأ من النوع الأول وضبط معدل الخطأ العائلي (Family-Wise Error Rate)

عندما يسعى الباحث لاكتشاف الفروق بين عدة مجموعات تجريبية، قد يتبادر إلى الذهن إجراء سلسلة من اختبارات t للعينات المستقلة بين كل زوج من المجموعات. إن هذه الممارسة التقليدية تمثل خطأ منهجياً فادحاً يشار إليه إحصائياً بتضخم الخطأ الاحتمالي العام أو تضخم معدل الخطأ من النوع الأول (Type I Error Inflation)، والمتمثل في رفض فرضية العدم الصائبة واكتشاف فروق وهمية لا وجود لها في المجتمع الأصلي.

تتحدد احتمالية ارتكاب خطأ من النوع الأول في اختبار واحد عند مستوى الدلالة المختار (α = 0.05). ولكن عند إجراء c من المقارنات المستقلة، يتسع معدل الخطأ العائلي الإجمالي (Family-Wise Error Rate – FWER) أو ما يعرف بمعدل الخطأ التجريبي (Experiment-Wise Error Rate) وفق المعادلة الاحتمالية التالية:

FWER = 1 – (1 – α)^c

فعلى سبيل المثال، عند دراسة 5 مجموعات تجريبية، يكون عدد المقارنات الثنائية الممكنة 10 مقارنات، مما يرفع معدل الخطأ العائلي التراكمي إلى ما يقارب 40%، وهو ما يعني أن هناك فرصة بنسبة 40% للحصول على نتيجة دالة إحصائياً كاذبة بالصدفة البحتة. تعمل آلية اختبار شيفيه على ضبط سقف الخطأ العائلي الإجمالي ليبقى ثابتاً تماماً عند مستوى 0.05 (أو المستوى المختار)، مهما بلغ عدد المقارنات البسيطة أو المركبة التي يختبرها الباحث عبر فضاء التجربة، محققاً بذلك توازناً استدلالياً منضبطاً يحمي الأبحاث النفسية من الاستنتاجات الزائفة.

2. الأساس النظري والرياضي لمعادلات اختبار شيفيه

2.1 المعادلة العامة لإحصاء شيفيه للمقارنات الزوجية

ينطلق البناء الرياضي لاختبار شيفيه في حالة المقارنات الزوجية (Pairwise Comparisons) من فحص فرضية العدم القائلة بعدم وجود فرق بين متوسطي مجموعتين محددتين: H₀: μ_i – μ_j = 0 في مقابل الفرضية البديلة: H₁: μ_i – μ_j ≠ 0. يتم تقييم هذا الفرق من خلال حساب نسبة الفارق المطلق الملاحظ بين المتوسطين الحسابيين للعينة إلى الخطأ المعياري التقديري لذلك الفرق.

تُصاغ معادلة النسبة الفائية المحسوبة لشيفيه للمقارنة الثنائية بين المجموعة i والمجموعة j على النحو التالي:

F_calc = (x̄_i – x̄_j)² / [MS_Within * (1 / n_i + 1 / n_j)]

حيث يمثل x̄_i و x̄_j المتوسطين الحسابيين للمجموعتين المقارنتين، و MS_Within يمثل متوسط مربعات الخطأ داخل المجموعات المستخرج من جدول ANOVA العام (وهو التقدير المجمع غير المتحيز لتباين المجتمع المشترك σ²)، في حين يمثل n_i و n_j أحجام العينات في المجموعتين على التوالي. تبرز هنا قدرة المعادلة على التعامل المباشر مع تباين أحجام العينات، حيث يعطي المقلوب الوزني للحجم (1/n_i + 1/n_j) وزناً دقيقاً لكل عينة يتناسب عكسياً مع حجمها لضمان ثبات الخطأ المعياري.

2.2 حساب القيمة الحرجة لشيفيه (Critical Scheffé Value)

تكمن النقلة النوعية في طريقة شيفيه في اشتقاق القيمة الحرجة التي تتم مقارنة الإحصاء المحسوب بها؛ إذ لا يعتمد شيفيه على التوزيع التائي (t) أو توزيع المدى المعتدل (Studentized Range Distribution)، بل يستند مباشرة إلى توزيع F المركزي المستخدم في اختبار تحليل التباين الكلي. يتم تعديل القيمة الحرجة عبر ضرب قيمة F المجدولة في درجات حرية المجموعات التجريبية.

تُحسب القيمة الحرجة لإحصاء شيفيه (S_crit) بالصيغة الرياضية:

S_crit = (k – 1) * F(α, df_Between, df_Within)

حيث k هو إجمالي عدد المجموعات المقارنة، و df_Between = k – 1 هي درجات الحرية بين المجموعات، و df_Within = N – k هي درجات حرية الخطأ داخل المجموعات، و α هو مستوى الدلالة المعياري (غالبًا 0.05). لكي يتم رفض الفرضية الصفرية وإثبات وجود فرق دال إحصائياً بين المتوسطين، يجب أن تكون القيمة المحسوبة F_calc أكبر من أو تساوي القيمة الحرجة S_crit.

بالإضافة إلى ذلك، يمكن التعبير عن هذا المعيار بصيغة مقياس “الفرق الحرج لشيفيه” (Scheffé’s Critical Difference – CD)، والذي يسمح بالمقارنة المباشرة مع فارق المتوسطات المطلق (|x̄_i – x̄_j|) من خلال المعادلة:

CD = √[(k – 1) * F_crit] * √[MS_Within * (1 / n_i + 1 / n_j)]

2.3 تطبيق شيفيه على المقارنات المركبة والمعقدة

لا تقتصر كفاءة اختبار شيفيه على الأزواج الثنائية، بل تمتد لتشمل المقارنات الخطية المركبة (Complex Linear Contrasts). المقارنة الخطية هي عبارة عن تجميعة موزونة لمتوسطات المجموعات يُعبر عنها بالرمز L، وتأخذ الصيغة العامة التالية:

L = ∑ (c_i * x̄_i) = c₁x̄₁ + c₂x̄₂ + … + c_kx̄_k

بشرط أساسي وجوهري وهو أن يكون مجموع الأوزان أو المعاملات صفراً: ∑ c_i = 0. فعلى سبيل المثال، إذا رغب باحث في مقارنة متوسط المجموعة التجريبية الأولى بمتوسط المجموعتين الثانية والثالثة معاً، فإن معاملات المقارنة تكون: c₁ = 1, c₂ = -0.5, c₃ = -0.5، وبذلك يكون مجموع المعاملات (1 – 0.5 – 0.5 = 0).

يتم حساب إحصاء F للمقارنة المركبة عبر الصيغة الرياضية التالية:

F_contrast = (∑ c_ix̄_i)² / [MS_Within * ∑ (c_i² / n_i)]

تتم مقارنة قيمة F_contrast المحسوبة بنفس القيمة الحرجة لشيفيه [(k – 1) * F_crit]. تبرهن هذه الخاصية الرياضية على عبقرية اختبار شيفيه؛ حيث أثبت هنري شيفيه رياضياً أنه إذا كان اختبار F العام لـ ANOVA دالاً إحصائياً، فإنه يوجد بالضرورة مقارنة خطية واحدة على الأقل (بسيطة أو معقدة) ستكون دالة إحصائياً وفق معيار شيفيه عند نفس مستوى الدلالة.

3. افتراضات وشروط تطبيق اختبار شيفيه في التحليل الإحصائي

3.1 افتراض التوزيع الطبيعي للبيانات (Normality Assumption)

يستند اختبار شيفيه، كونه امتداداً مباشراً لنموذج تحليل التباين الخطي العام، إلى افتراض أساسي مفاده أن المتغير التابع يتوزع توزيعاً طبيعياً داخل مجتمع كل مجموعة من المجموعات المقارنة. يُقصد بذلك أن تشتت الدرجات الفردية حول متوسط كل مجموعة يتبع منحنى غاوس المعياري ذو الجرس المتماثل دون وجود التواءات حادة أو قيم شاذة متطرفة تشوه تقدير المتوسط الحسابي.

في بيئة العمل الإحصائي، يتم التحقق من هذا الافتراض من خلال فحص معاملات الالتواء (Skewness) والتفرطح (Kurtosis) لبيانات كل مجموعة؛ حيث تُعتبر القيم الواقعة بين -1.0 و +1.0 مؤشراً قوياً على ملائمة التوزيع الطبيعي. كما يمكن تطبيق اختبارات كولموجوروف-سميرنوف أو شابيرو-ويلك للتحقق الشكلي.

يتميز اختبار شيفيه بقدر معتبر من المتانة (Robustness) ضد الانتهاكات البسيطة والمعتدلة لافتراض التوزيع الطبيعي، لا سيما عندما تكون أحجام العينات كافية نسبياً (n ≥ 20 في كل مجموعة) استناداً إلى نظرية النهاية المركزية (Central Limit Theorem)، حيث تقترب توزيعات المتوسطات من الطبيعية حتى لو أظهرت الدرجات الخام بعض الانحرافات الطفيفة.

3.2 افتراض تجانس التباين (Homogeneity of Variances)

يُعد افتراض تجانس التباين (Homoscedasticity) الشرط الأكثر حساسية وتأثيراً في دقة اختبار شيفيه؛ ويفترض هذا الشرط أن تباينات الأخطاء العشوائية للمجتمعات التي سُحبت منها العينات متساوية تماماً عبر جميع المجموعات التجريبية (σ₁² = σ₂² = … = σ_k²). يستمد هذا الافتراض أهميته من كون معادلة شيفيه تستخدم تقديراً موحداً ومجمعاً للتباين الداخلي ممثلاً في متوسط مربعات الخطأ (MS_Within).

للتحقق من استيفاء هذا الافتراض، يتم إجراء اختبار ليفين لتجانس التباين (Levene’s Test) أو اختبار بارتليت؛ وفي حال كانت القيمة الاحتمالية لاختبار التجانس غير دالة (p > 0.05)، يُقبل افتراض التجانس ويُعتمد اختبار شيفيه بأمان تام. أما في حال انتهاك التجانس مع وجود تباين كبير في أحجام العينات بين المجموعات، فإن معدل الخطأ من النوع الأول قد يتشوه، مما يجعل الاختبار إما مفرط التحفظ أو متساهلاً في قراراته.

كقاعدة عملية معتمدة في التحليلات النفسية، إذا كانت النسبة بين أكبر تباين لمجموعة وأصغر تباين لمجموعة أخرى لا تتجاوز نسبة 1:3 أو 1:4، مع تقارب معقول في أحجام العينات، فإن نموذج شيفيه يحافظ على دقته الاستدلالية ومستويات ألفا الاسمية بكفاءة عالية دون تشويه للنتائج.

3.3 استقلالية المشاهدات وتصميم التجربة النفسية

تمثل استقلالية المشاهدات (Independence of Observations) الركيزة المنهجية التي لا يمكن التهاون فيها أو تجاوزها بأي تقريب رياضي؛ ويتطلب هذا الشرط أن تكون استجابة أي مفحوص أو مشارك في الدراسة مستقلة تماماً عن استجابات بقية المشاركين الآخرين داخل نفس المجموعة وعبر المجموعات المختلفة، وألا تؤثر عملية القياس لأحد المفردات على غيرها بأي شكل تجريبي أو بيئي.

يتحقق هذا الشرط من خلال الضبط الصارم لإجراءات التصميم التجريبي، والتطبيق الفردي المعزول لأدوات القياس السيكومترية، والاعتماد الحتمي على التوزيع العشوائي التام (Random Assignment) للمشاركين على المعالجات التجريبية والمجموعات الضابطة. إن أي تداخل أو تفاعل غير منضبط بين المفحوصين يؤدي إلى ارتباط الأخطاء وانهيار صلاحية تقديرات MS_Within بالكامل.

من الناحية القياسية، يشترط تطبيق اختبار شيفيه أن يكون المتغير التابع مقاساً على مستوى كمي متصل سواء كان مقياس فترات (Interval Scale) أو مقياس نسبة (Ratio Scale)، كدرجات التحصيل الدراسي، أو زمن الاستجابة العصبي، أو درجات مقاييس القلق والاكتئاب المقننة، بما يضمن المعنى الرياضي الدقيق لحساب المتوسطات الحسابية والانحرافات المعيارية المعتمدة في معادلات الاختبار.

4. مقارنة شيفيه مع الاختبارات البعدية الأخرى (توكي، بونفيروني، وإل إس دي)

4.1 اختبار شيفيه مقابل اختبار توكي (Tukey’s HSD)

يُعد اختبار توكي للفرق المعنوي الصادق (Tukey’s Honestly Significant Difference – HSD) المنافس الأبرز لاختبار شيفيه في الأدبيات الإحصائية. تم تصميم اختبار توكي خصيصاً للمقارنات الزوجية البسيطة (All Pairwise Comparisons) بين كل زوج ممكن من المتوسطات، مستنداً إلى توزيع المدى المعتدل (q-distribution).

عندما ينحصر هدف الباحث بدقة وصرامة في فحص المقارنات الثنائية فقط دون الرغبة في إجراء أي مقارنات مركبة، وتكون أحجام العينات متساوية، يتفوق اختبار توكي بوضوح على اختبار شيفيه؛ حيث يمتلك توكي قوة إحصائية (Statistical Power) أعلى في كشف الفروق الزوجية الحقيقية وتفادي الخطأ من النوع الثاني (Type II Error / Beta)، نظراً لكون القيمة الحرجة لتوكي أقل صرامة في هذا السياق المحدد.

في المقابل، إذا كان لدى الباحث أي اهتمام باختبار توليفات مركبة من المجموعات (مثل مقارنة متوسط برنامجين معاً ببرنامج ثالث)، أو كانت خطة المقارنات استكشافية ومفتوحة بعد جمع البيانات، فإن اختبار شيفيه يصبح هو الخيار الصحيح رياضياً، حيث يحافظ على معدل الخطأ العائلي عبر الفضاء الإحصائي اللانهائي لجميع التراكيب الخطية الممكنة، في حين يفقد توكي قدرته على تغطية المقارنات غير الزوجية.

4.2 اختبار شيفيه مقابل تصحيح بونفيروني (Bonferroni Correction)

يقوم أسلوب تصحيح بونفيروني (Bonferroni Method) على مبدأ احتمالي بسيط وصارم يتمثل في تقسيم مستوى الدلالة الكلي المستهدف (α) على العدد الإجمالي للمقارنات المخططة مسبقاً (c)، ليصبح مستوى الدلالة المقبول لكل مقارنة فردية هو α_adj = α / c، واستخدام اختبارات t المعدلة وفق هذا المعيار المقتضب.

يُعتبر بونفيروني فعالاً للغاية وذا قوة إحصائية ممتازة عندما يكون عدد المقارنات المستهدفة محدوداً وصغيراً ومخططاً له مسبقاً قبل جمع البيانات (A Priori / Planned Contrasts). على سبيل المثال، إذا كان لدى الباحث 4 مجموعات ولكنه معني فقط باختبار مقارنتين محددتين تفرضهما النظرية النفسية، فإن بونفيروني يقدم حساسية واكتشافاً أعلى بكثير من شيفيه.

ومع ذلك، تنقلب المعادلة بشكل جذري عند زيادة عدد المجموعات وعدد المقارنات الممكنة؛ فمع ارتفاع قيمة c، يصبح مستوى الدلالة المقسم في بونفيروني متناهي الصغر وشديد القسوة (مثل 0.05 / 15 = 0.0033)، مما يؤدي إلى هبوط حاد في القوة الإحصائية وعجز عن اكتشاف الفروق الفعلية. في مثل هذه السيناريوهات الاستكشافية متعددة المجموعات، يتفوق اختبار شيفيه ويوفر مساراً أكثر واقعية وثباتاً من بونفيروني.

4.3 اختبار شيفيه مقابل أقل فرق معنوي (Fisher’s LSD)

يمثل اختبار أقل فرق معنوي لفيشر (Fisher’s Least Significant Difference – LSD) أقدم أساليب المقارنات البعدية، ويقوم على إجراء اختبارات t المعيارية التقليدية بين أزواج المجموعات دون إجراء أي تصحيح أو رفع للقيمة الحرجة، بشرط وحيد هو أن يكون اختبار F الإجمالي لـ ANOVA دالاً إحصائياً في المرحلة الأولى.

يتميز اختبار فيشر (LSD) بأعلى قوة إحصائية بين جميع الاختبارات البعدية، مما يجعله قادراً على التقاط أصغر الفروق بين المتوسطات. إلا أن هذا الامتياز الظاهري يأتي على حساب تضحية خطيرة بضبط معدل الخطأ؛ حيث يفشل اختبار LSD تماماً في السيطرة على معدل الخطأ العائلي عندما يتجاوز عدد المجموعات ثلاثة (k > 3)، وتتضخم احتمالية اكتشاف فروق زائفة بشكل كبير ومرفوض أكاديمياً.

يوضح الجدول المقارن التالي موقع اختبار شيفيه الاستراتيجي بين مختلف البدائل الإحصائية المعيارية للمقارنات البعدية:

اسم الاختبار	الأساس الرياضي	نوع المقارنات المفضلة	مستوى التحفظ وضبط الخطأ	القوة الإحصائية للمقارنات الزوجية
شيفيه (Scheffé)	توزيع F المعدل	مقارنات بسيطة + مركبة معقدة	تحفظي جداً (حماية فائقة لمعدل الخطأ)	منخفضة إلى معتدلة (أقل حساسية)
توكي (Tukey HSD)	توزيع المدى المعتدل q	مقارنات زوجية بسيطة فقط	معتدل ودقيق للمقارنات الزوجية	عالية جداً للمقارنات الثنائية
بونفيروني (Bonferroni)	توزيع t مع تجزئة α	مقارنات مخططة مسبقاً بعدد محدود	شديد التحفظ مع زيادة عدد المقارنات	عالية للعدد القليل، ومنخفضة للعدد الكبير
فيشر (Fisher’s LSD)	توزيع t غير المصحح	مقارنات زوجية لـ 3 مجموعات فقط	متساهل جداً (لا يضبط الخطأ لـ k > 3)	الأعلى على الإطلاق (مخاطرة بالأخطاء)

5. الخطوة الأولى: إعداد وهيكلة البيانات في برنامج إكسل (Excel)

5.1 تصميم جدول البيانات وفق المعايير الإحصائية

تبدأ المعالجة التحليلية الدقيقة في إكسل بالتنظيم المنطقي للمصفوفة الرقمية؛ حيث يُنصح دائماً في اختبارات التباين أحادية الاتجاه بتبني نسق الأعمدة المستقلة (Column-per-Group Format). في هذا النسق، يُخصص عمود مستقل بالكامل لكل مجموعة تجريبية أو ضابطة من مجموعات الدراسة، بحيث تمثل الصفوف المتتالية داخل ذلك العمود درجات المشاهدات والمفحوصين المنتمين لتلك المجموعة حصراً.

يجب كتابة تسميات المجموعات بوضوح في الصف الأول (Header Row)، مثل “المجموعة الضابطة”، “العلاج السلوكي”، “العلاج المعرفي”، “التدريب المدمج”. في حال كانت التجربة تعتمد على تصميم غير متكافئ في أحجام العينات (Unbalanced Design)، تترك الخلايا السفلية للأعمدة ذات العينات الأصغر فارغة تماماً دون وضع الرقم صفر (0)؛ لأن إكسل يتعامل مع الصفر كقيمة رقمية حقيقية ستدخل في حساب المتوسط وتشوه النتائج بالكامل، بينما يتجاهل الخلايا الفارغة تلقائياً عند حساب المؤشرات الوصفية.

من الضروري تجنب دمج الخلايا (Merge Cells) في نطاق البيانات أو ترك مسافات فارغة عشوائية بين الصفوف والأعمدة، مع التأكد من خلو مصفوفة الأرقام من أي محارف نصية أو فواصل غير رقمية لضمان قراءة النطاق بسلاسة تامة من قبل أدوات التحليل المتقدمة في البرنامج.

5.2 تنظيف وفحص جودة البيانات المدخلة في إكسل

قبل الشروع في المعالجة الإحصائية المتقدمة، يجب إجراء تدقيق سيكومتري وتنظيف شامل للبيانات المدخلة في ورقة العمل لضمان سلامة الاستدلال. يتم فحص وجود القيم الشاذة والمتطرفة (Outliers) التي قد تنشأ عن أخطاء في الإدخال اليدوي أو عن سلوك استجابة عشوائي من المفحوص، وذلك باستخدام مقياس الدرجات المعيارية عبر دالة =STANDARDIZE() أو من خلال حساب المدى الربيعي عبر دالتي =QUARTILE.INC(..., 3) و =QUARTILE.INC(..., 1).

يُنصح بتطبيق ميزة “التنسيق الشرطي” (Conditional Formatting) لتظليل أي درجات تخرج عن الحدود المنطقية للمقياس النفسي المطبق (مثلاً أي درجة تتجاوز الدرجة العظمى للاختبار). كما يجب التأكد من تصنيف جميع خلايا البيانات كأرقام عددية حقيقية (Number) من خلال قائمة تنسيق الخلايا (Format Cells)، وتفادي تخزين الأرقام كنصوص مشفرة.

كإجراء وقائي منهجي، يجب نسخ ورقة العمل الحاوية للبيانات الخام وتأمينها كنسخة أصلية (Raw Data Backup)، ثم إنشاء ورقة عمل جديدة مخصصة للتحليلات الإحصائية والحسابات الوسيطة، مما يضمن الرجوع للبيانات الأساسية عند الحاجة والاحتفاظ بمسار تدقيق موثوق (Audit Trail) لكافة العمليات الحسابية المنجزة.

5.3 تفعيل حزمة أدوات تحليل البيانات (Analysis ToolPak) في إكسل

تتضمن كافة إصدارات مايكروسوفت إكسل المكتبية حزمة برمجية إحصائية مدمجة عالية الكفاءة تُعرف باسم “حزمة أدوات تحليل البيانات” (Analysis ToolPak). لا تكون هذه الأداة مفعلة بالوضع الافتراضي عند تثبيت البرنامج لأول مرة، ويتطلب إظهارها اتباع خطوات ضبط بسيطة داخل إعدادات البرنامج.

لتفعيل الحزمة في نظام ويندوز (Windows):

• انقر على قائمة ملف (File) في الزاوية العلوية، ثم اختر خيارات (Options).
• من القائمة الجانبية لنافذة الخيارات، اختر الوظائف الإضافية (Add-Ins).
• في أسفل النافذة، تأكد من ضبط قائمة إدارة (Manage) على خيار وظائف Excel الإضافية (Excel Add-ins) ثم اضغط على زر انتقال (Go…).
• في مربع الحوار المنبثق، ضع علامة صح داخل مربع الاختيار بجانب Analysis ToolPak، ثم اضغط موافق (OK).

بمجرد إتمام هذه الخطوات، ستظهر أيقونة جديدة تحمل اسم تحليل البيانات (Data Analysis) في أقصى يمين تبويب بيانات (Data) في الشريط العلوي لإكسل. توفر هذه الأداة القدرة على توليد جداول تحليل التباين الشاملة بدقة رقمية متناهية وسرعة فائقة تشكل الأساس الذي سنبني عليه معادلات اختبار شيفيه البعدية.

6. الخطوة الثانية: تشغيل تحليل التباين أحادي الاتجاه (ANOVA) في إكسل

6.1 تنفيذ إجراء تحليل التباين عبر واجهة Data Analysis

مع جاهزية البيانات وتفعيل حزمة التحليل، تبدأ المرحلة الإجرائية بتشغيل نموذج تحليل التباين أحادي الاتجاه لاستخراج المؤشرات التباينية الكلية. يتم النقر على تبويب بيانات (Data) ثم اختيار تحليل البيانات (Data Analysis)، لتظهر قائمة منسدلة تتضمن العديد من الإجراءات الإحصائية المتقدمة؛ حيث يتم اختيار الخيار الأول: Anova: Single Factor ثم الضغط على OK.

في نافذة معلمات التحليل التي تظهر على الشاشة:

• في حقل نطاق الإدخال (Input Range): قم بتحديد نطاق كافة الأعمدة التي تحتوي على بيانات المجموعات، متضمناً ذلك خلايا الصف الأول الحاوية لتسميات المجموعات (مثال: $A$1:$D$25).
• في قسم تجميع حسب (Grouped By): تأكد من تفعيل الخيار الافتراضي أعمدة (Columns) لأن بيانات كل مجموعة موضوعة في عمود مستقل.
• ضع علامة صح في مربع الاختيار تسميات في الصف الأول (Labels in first row)؛ ليقوم البرنامج بالتعرف على أسماء المجموعات وتضمينها تلقائياً في جداول المخرجات.
• في حقل مستوى الدلالة (Alpha): يتم الإبقاء على القيمة الافتراضية 0.05 أو تعديلها إلى 0.01 وفقاً لمستوى الحذر الإحصائي المطلوب في البحث.
• في خيارات المخرجات Output options: اختر نطاق الإخراج (Output Range) وحدد خلية فارغة في نفس ورقة العمل (مثلاً $F$1) لطباعة النتائج بجوار البيانات، مما يسهل بناء مراجع المعادلات الحسابية اللاحقة.

6.2 قراءة وتفسير جدول ملخص المجموعات (Summary Table)

يولد الإجراء الإحصائي في إكسل جدولين متكاملين؛ يمثل الجدول الأول “جدول الملخص” (SUMMARY)، وهو جدول وصفي يقدم حصراً إحصائياً دقيقاً لكل مجموعة على حدة يتضمن أربعة مؤشرات رئيسية: الحجم التكراري للعينة (Count)، المجموع التراكمي للدرجات (Sum)، المتوسط الحسابي (Average)، والتباين المحسوب للعينة (Variance).

يوفر هذا الجدول فحصاً استكشافياً سريعاً للبيانات؛ حيث يتيح للباحث التأكد الفوري من مطابقة أحجام العينات المدخلة مع الأعداد الفعلية للمفحوصين، والمقارنة الأولية بين المتوسطات الحسابية لتلمس اتجاهات التفوق التجريبي، بالإضافة إلى الفحص البصري الأولي لافتراض تجانس التباينات من خلال مقارنة تباينات المجموعات والتأكد من عدم وجود فروق شاسعة بين أصغر وأكبر قيمة تباين مسجلة في الجدول.

تشكل هذه المؤشرات الوصفية المدخلات الرقمية الأساسية التي سيتم ربطها ديناميكياً في جداول شيفيه للمقارنات البعدية، حيث سيتم استدعاء المتوسطات وأحجام العينات مباشرة في معادلات الفروق المطلقة والأخطاء المعيارية.

6.3 تحليل جدول ANOVA واستيفاء شرط الانتقال لاختبار شيفيه

يمثل الجدول الثاني “جدول تحليل التباين” (ANOVA) جوهر المخرجات الإحصائية، حيث يقسم التباين الكلي إلى مصدرين أساسيين: التباين بين المجموعات (Between Groups) والتباين داخل المجموعات (Within Groups / Error). يتضمن الجدول أعمدة متسلسلة لمجموع المربعات (SS)، درجات الحرية (df)، متوسط المربعات (MS)، النسبة الفائية المحسوبة (F)، القيمة الاحتمالية الدقيقة (P-value)، وقيمة ف الحرجة المجدولة (F crit).

يمثل استيفاء الدلالة الإحصائية في هذا الجدول “شرط المرور الإلزامي” (Gatekeeper Condition) قبل الانتقال لتطبيق اختبار شيفيه؛ حيث يشترط منهجياً أن تكون قيمة F المحسوبة أكبر من قيمة F الحرجة المجدولة، وأن تكون القيمة الاحتمالية المقابلة أصغر من مستوى الدلالة المعتمد (P-value < 0.05). يبرهن هذا الشرط على أن الفروق الملاحظة بين المجموعات لا تعود للصدفة البحتة، مما يمنح المسوغ العلمي للبدء في إجراء المقارنات البعدية لشيفيه لتحديد الأزواج المسؤولة عن هذا التباين العام.

7. الخطوة الثالثة: استخراج المعلمات الإحصائية وبناء جدول وسيط للمقارنات

7.1 ربط مخرجات ANOVA بخلايا الحساب الديناميكية

لضمان بناء نموذج إحصائي احترافي وقابل لإعادة الاستخدام، يجب تجنب كتابة الأرقام الناتجة عن جدول ANOVA يدوياً داخل المعادلات الجديدة، والاعتماد بدلاً من ذلك على مراجع الخلايا الديناميكية (Cell References). تضمن هذه المنهجية تحديث جميع حسابات شيفيه تلقائياً وفورياً في حال تم تعديل أي قيمة عددية في بيانات العينات الأصلية أو تم تغيير تركيبة المجموعات.

يتم تحديد خلية مستقلة لمتوسط مربعات الخطأ داخل المجموعات (MS_Within) وربطها بالخلية المقابلة لها في جدول ANOVA (مثلاً: =I14). وبالمثل، يتم ربط درجات الحرية بين المجموعات (df_Between) ودرجات حرية الخطأ (df_Within) وقيمة F الحرجة المستخرجة، بالإضافة إلى خلايا المتوسطات الحسابية (x̄) وأحجام العينات (n) لكل مجموعة من جدول الملخص العلوي.

يُفضل استخدام التثبيت المطلق لمراجع هذه الخلايا الحاكمة باستخدام علامة الدولار (مثل $I$14) في المعادلات اللاحقة، لمنع انزياح المؤشر عند سحب وتطبيق الصيغ الرياضية عبر صفوف جدول المقارنات المتعددة.

7.2 إنشاء جدول أزواج المقارنات وتحديد الفروق المطلقة للمتوسطات

يتطلب اختبار شيفيه فحص كافة التوافيق الثنائية الممكنة بين المجموعات التجريبية والضابطة. يُحسب إجمالي عدد المقارنات الزوجية الممكنة لأي دراسة تتضمن k من المجموعات باستخدام صيغة التوافيق الرياضية:

Number of Pairs = k(k – 1) / 2

فإذا كانت الدراسة تشتمل على 4 مجموعات (أ، ب، ج، د)، فإن عدد المقارنات يكون 4(3)/2 = 6 مقارنات ثنائية (أ مقابل ب، أ مقابل ج، أ مقابل د، ب مقابل ج، ب مقابل د، ج مقابل د). يتم تصميم جدول وسيط في إكسل يضم عموداً لتسمية كل زوج من المقارنات بوضوح تام.

في العمود التالي لجدول المقارنات، يتم حساب الفارق المطلق بين متوسطي كل زوج باستخدام دالة القيمة المطلقة في إكسل =ABS()، لتفادي التعامل مع القيم السالبة والتركيز على المقدار الصافي للتباعد بين المجموعتين. على سبيل المثال، لحساب الفارق بين متوسط المجموعة 1 (في الخلية H5) ومتوسط المجموعة 2 (في الخلية H6)، تُكتب المعادلة التالية:

=ABS(H5 - H6)

7.3 حساب الخطأ المعياري للفرق بين كل زوج من المجموعات

يمثل الخطأ المعياري للفرق (Standard Error of the Difference – SE_diff) المقياس الأساسي لتشتت الفروق العشوائية المتوقعة بين متوسطي أي عينتين مسحوبتين من مجتمع الدراسة. تتحدد القيمة الدقيقة للخطأ المعياري بناءً على تباين الخطأ المشترك المجمع (MS_Within) وأحجام العينات في المجموعتين المقارنتين.

تُطبق الصيغة الرياضية لحساب الخطأ المعياري في إكسل باستخدام دالة الجذر التربيعي =SQRT() على النحو التالي:

=SQRT($I$14 * ((1 / F5) + (1 / F6)))

حيث تمثل الخلية $I$14 متوسط مربعات الخطأ المثبت MS_Within، في حين تمثل الخلايا F5 و F6 أحجام العينات المقابلة للمجموعتين (n₁ و n₂). يضمن هذا البناء البرمجي الدقيق للمعادلة التكيف التلقائي مع أي تفاوت في أحجام العينات، واستخراج القيمة المعيارية الدقيقة لكل زوج مقارنة على حدة دون أي تحيز حسابي.

8. الخطوة الرابعة: حساب القيمة الحرجة وإحصاء شيفيه في إكسل

8.1 حساب قيمة ف الحرجة الموسعة لاختبار شيفيه في إكسل

تتميز المنهجية الرياضية لاختبار شيفيه بتصعيد المعيار الحرج المعتمد في التحليل التبايني الأصلي ليتسع لتغطية جميع المقارنات الممكنة. للقيام بذلك في إكسل بشكل ديناميكي دون الاعتماد على الجداول الإحصائية المطبوعة في مراجع الكتب، نستخدم دالة التوزيع الفائي العكسي للذيل الأيمن: =F.INV.RT().

تأخذ معادلة استخراج قيمة F الحرجة الأساسية في إكسل الصيغة التالية:

=F.INV.RT(0.05, df_Between, df_Within)

ولحساب المعامل الحرج الكلي لاختبار شيفيه (Scheffé Critical Multiplier)، نقوم بضرب هذه القيمة في درجات الحرية بين المجموعات (k – 1)، ثم نأخذ الجذر التربيعي للناتج إذا أردنا استخدام مقياس الفروق الحرجة، وذلك عبر المعادلة المتكاملة التالية في خلية مخصصة:

=SQRT(($H$13) * F.INV.RT(0.05, $H$13, $H$14))

حيث تمثل الخلية $H$13 درجات الحرية بين المجموعات (k – 1)، وتمثل الخلية $H$14 درجات حرية الخطأ داخل المجموعات (N – k). يمثل الناتج النهائي لهذه الخلية القيمة التوسيعية الحاكمة التي ستحدد الحدود الفاصلة للدلالة الإحصائية لجميع المقارنات البعدية.

8.2 حساب إحصاء شيفيه ف المحسوب (Scheffé F-statistic) لكل مقارنة

هناك مساران متكافئان رياضياً لتنفيذ اختبار شيفيه في إكسل؛ المسار الأول يقوم على حساب قيمة F المحسوبة الخاصة بكل زوج ومقارنتها مباشرة بالقيمة الحرجة لاختبار شيفيه المضروبة في درجات الحرية. تُصاغ معادلة حساب F المحسوبة للزوج (بين المجموعة 1 و 2) في إكسل كما يلي:

=((H5 - H6)^2) / ($I$14 * ((1 / F5) + (1 / F6)))

ولتحويل هذه القيمة إلى إحصاء شيفيه المعياري الفردي الذي يمكن مقارنته مباشرة بقيمة F الحرجة الأساسية لجدول ANOVA، نقوم بقسمة الناتج على درجات الحرية بين المجموعات (k – 1) عبر الصيغة:

=(((H5 - H6)^2) / ($I$14 * ((1 / F5) + (1 / F6)))) / $H$13

يتم إدخال هذه المعادلة في الصف الأول من عمود “إحصاء شيفيه المحسوب” في جدول المقارنات، ثم سحب مقبض التعبئة التلقائي (AutoFill Handle) للأسفل لتطبيقها على بقية الأزواج، مع التأكد التام من تثبيت مراجع خلايا MS_Within و df_Between برمز الدولار ($) لضمان دقة العمليات الحسابية لكافة المقارنات.

8.3 حساب قيمة الفرق الحرج (Scheffé Critical Difference – CD)

يمثل المسار الثاني لحساب شيفيه، وهو الأكثر تفضيلاً وشيوعاً بين الباحثين في العلوم التربوية والنفسية لسهولة قراءته وتفسيره البصري المباشر، طريقة حساب “الفرق الحرج لشيفيه” (Scheffé’s Critical Difference – CD). تعبر هذه القيمة عن الحد الأدنى للفرق العددي الذي يجب أن يتجاوزه فارق المتوسطات المطلق بين أي مجموعتين لكي يُعتبر دالاً إحصائياً عند مستوى α المختار.

تُحسب قيمة CD لكل زوج مقارنة في إكسل بضرب المعامل الحرج لشيفيه في الخطأ المعياري المحسوب لذلك الزوج المحدد، عبر الصيغة التالية:

=SQRT($H$13 * $L$13) * SQRT($I$14 * ((1 / F5) + (1 / F6)))

حيث تمثل $H$13 درجات الحرية بين المجموعات، و $L$13 قيمة F الحرجة المجدولة لـ ANOVA، و $I$14 متوسط مربعات الخطأ MS_Within، و F5 و F6 أحجام عينات الزوج المقارن. بمجرد حساب هذا العمود، يصبح لدى الباحث معيار كمي مباشر يتيح له الحكم الفوري على أي مقارنة بمجرد مطابقة فرق المتوسطات الفعلي مع قيمة CD المقابلة له.

9. الخطوة الخامسة: بناء دوال اتخاذ القرار واستخراج القيم الاحتمالية (P-Values)

9.1 برمجة دالة القرار المنطقية IF لتحديد الدلالة الإحصائية تلقائياً

لتحويل جدول إكسل إلى أداة تحليل آلية وديناميكية خالية من التدخل اليدوي، نستخدم الدوال الشرطية والمنطقية لإصدار الحكم الاستدلالي النهائي حول كل مقارنة بعدية. تعتمد القاعدة المنطقية لاختبار شيفيه على أنه إذا كان الفارق المطلق للمتوسطات أكبر من أو يساوي الفرق الحرج (أو إذا كانت F المحسوبة المعدلة أكبر من F الحرجة)، فإن الفرق يكون دالاً إحصائياً، وما عدا ذلك يكون غير دال.

تُكتب دالة القرار الشرطية في العمود المخصص للدلالة الإحصائية على النحو التالي:

=IF(J20 >= K20, "دال إحصائياً عند 0.05", "غير دال إحصائياً")

حيث تمثل الخلية J20 الفارق المطلق لمتوسطي الزوج المقارن، في حين تمثل الخلية K20 قيمة الفرق الحرج لشيفيه (CD) المحسوبة لنفس الزوج.

لإضفاء وضوح بصري احترافي على المخرجات، يتم تطبيق “التنسيق الشرطي” (Conditional Formatting) على هذا العمود عبر إنشاء قاعدة تمييز نصية تقوم بتلوين الخلايا التي تحتوي على عبارة “دال إحصائياً” بخلفية خضراء ناعمة ونص أخضر داكن، وتلوين الخلايا “غير دال إحصائياً” بلون رمادي محايد، مما يمنح الباحث رؤية بصرية فورية وشاملة لخريطة الفروق المعنوية عبر كامل مصفوفة التجربة.

9.2 حساب القيمة الاحتمالية الدقيقة (Exact P-value) لاختبار شيفيه

لا تكتمل التقارير الأكاديمية المعاصرة بمجرد ذكر قبول أو رفض الفرضية الصفرية، بل تتطلب توثيق القيمة الاحتمالية الدقيقة (Exact P-value) المرتبطة بكل مقارنة بعدية لبيان مستوى الثقة في النتيجة. نظراً لأن إحصاء شيفيه يتبع توزيع F المعدل، يمكن استخراج القيمة الاحتمالية التراكمية في إكسل بدقة متناهية باستخدام دالة التوزيع الفائي للذيل الأيمن =F.DIST.RT().

تُصاغ معادلة حساب القيمة الاحتمالية لاختبار شيفيه في إكسل كما يلي:

=F.DIST.RT(F_pair_calc / $H$13, $H$13, $H$14)

حيث تمثل F_pair_calc قيمة F المحسوبة غير المعدلة للزوج، و $H$13 درجات الحرية بين المجموعات (df_Between = k – 1)، و $H$14 درجات حرية الخطأ داخل المجموعات (df_Within = N – k). تقوم المعادلة بقسمة F المحسوبة على درجات الحرية ثم حساب المساحة الاحتمالية تحت منحنى F عند تلك الدرجات.

يتم تنسيق خلايا عمود القيمة الاحتمالية لعرض أربعة منازل عشرية (مثلاً 0.0142). وفي حال كانت القيمة الاحتمالية بالغة الصغر وأقل من 0.001، يتم توثيقها أكاديمياً بالصيغة القياسية (p < .001) لتعكس دلالة إحصائية فائقة القوة.

9.3 حساب فترات الثقة المتزامنة لشيفيه (Simultaneous Confidence Intervals)

توفر فترات الثقة المتزامنة (Simultaneous Confidence Intervals) تقديراً لمقدار وحجم الفرق الحقيقي بين المتوسطات في المجتمع الأصلي عند مستوى ثقة محدد (غالباً 95%). تتميز فترات ثقة شيفيه بأنها متزامنة ومحمية؛ بمعنى أن احتمالية احتواء جميع الفترات المحسوبة لكافة المقارنات في نفس الوقت على المعلمات الحقيقية للمجتمع لا تقل عن 95%.

تُحسب حدود فترة الثقة 95% لشيفيه للفرق بين المتوسطين (μ_i – μ_j) عبر معادلتي الحد الأدنى والحد الأعلى في إكسل:

معادلة الحد الأدنى لفترة الثقة (Lower Limit):

=(Mean_i - Mean_j) - Critical_Difference

معادلة الحد الأعلى لفترة الثقة (Upper Limit):

=(Mean_i - Mean_j) + Critical_Difference

يتم تفسير فترة الثقة استدلالياً بالنظر إلى وقوع القيمة صفر (0) داخل نطاق الفترة: إذا كانت حدود الفترة (من الحد الأدنى إلى الحد الأعلى) موجبة بالكامل أو سالبة بالكامل ولا تتضمن الرقم صفر بينهما، فإن هذا يؤكد وجود فرق دال إحصائياً بين المجموعتين عند مستوى ثقة 95%. أما إذا كانت الفترة تبدأ بقيمة سالبة وتنتهي بقيمة موجبة (أي تتضمن الصفر)، فإن الفرق بين المجموعتين يُعتبر غير دال إحصائياً، حيث يظل احتمال انعدام الفرق في المجتمع فرضية قائمة ومقبولة رياضياً.

10. تطبيق عملي خطوة بخطوة: دراسة نفسية تجريبية على أساليب التعلم والتحصيل

10.1 وصف سيناريو الدراسة النفسية والبيانات الافتراضية

لتوضيح المنهجية التطبيقية الشاملة، نفترض قيام باحث في علم النفس التربوي بإجراء دراسة تجريبية تهدف إلى فحص أثر ثلاث استراتيجيات مختلفة لمعالجة المعلومات والمذاكرة على مستوى التحصيل الأكاديمي في مادة الإحصاء النفسي. تم توزيع 30 طالباً من طلاب المرحلة الجامعية عشوائياً وبشكل متكافئ على ثلاث مجموعات تجريبية (10 طلاب في كل مجموعة، N = 30):

• المجموعة الأولى (G1): استراتيجية الاسترجاع النشط (Active Retrieval Practice) – تعتمد على الاختبارات الذاتية وبطاقات الاستذكار دون مراجعة المادة الأصلية.
• المجموعة الثانية (G2): استراتيجية التلخيص التوليدي (Generative Summarization) – تعتمد على إعادة صياغة المفاهيم وبناء خرائط ذهنية للمفاهيم الأساسية.
• المجموعة الثالثة (G3): استراتيجية القراءة المتكررة التقليدية (Massed Rereading) – تعتمد على إعادة قراءة الفصول التعليمية عدة مرات بشكل سلبي.

بعد انتهاء فترة التدريب الممتدة لأربعة أسابيع، خضع جميع المشاركين لاختبار تحصيلي مقنن موحد يتكون من 100 درجة. سُجلت درجات الطلاب في مصنف إكسل في ثلاثة أعمدة مستقلة (الأعمدة A و B و C) من الصف 2 إلى الصف 11 على النحو التالي:

• بيانات G1 (الاسترجاع النشط): 88، 92، 85، 90، 94، 89، 91، 87، 93، 91
• بيانات G2 (التلخيص التوليدي): 80، 84، 78، 82، 85، 79، 83، 81، 86، 82
• بيانات G3 (القراءة المتكررة): 72، 75، 69، 74، 76، 70، 73، 71، 77، 73

10.2 التطبيق الرقمي الكامل للخطوات واستخراج النتائج في إكسل

تم تشغيل أداة Anova: Single Factor على نطاق البيانات $A$1:$C$11 مع تفعيل خيار Labels in first row وتحديد مستوى الدلالة α = 0.05، فأسفرت المخرجات الإحصائية في إكسل عن النتائج التالية:

أولاً: جدول ملخص المجموعات (SUMMARY):

• G1 (استرجاع نشط): n₁ = 10، المجموع = 900، المتوسط x̄₁ = 90.00، التباين s₁² = 7.56
• G2 (تلخيص توليدي): n₂ = 10، المجموع = 820، المتوسط x̄₂ = 82.00، التباين s₂² = 6.67
• G3 (قراءة متكررة): n₃ = 10، المجموع = 730، المتوسط x̄₃ = 73.00، التباين s₃² = 6.44

ثانياً: جدول تحليل التباين (ANOVA Table):

• مجموع المربعات بين المجموعات (SS Between) = 1446.67، بدرجات حرية df = 2، ومتوسط مربعات MS_Between = 723.33
• مجموع المربعات داخل المجموعات (SS Within) = 186.00، بدرجات حرية df = 27، ومتوسط مربعات الخطأ MS_Within = 6.89
• النسبة الفائية المحسوبة F = 105.00، القيمة الاحتمالية P-value = 3.25 × 10^-13 (p < .001)، وقيمة ف الحرجة F_crit = 3.354

نظراً لأن قيمة F المحسوبة (105.00) تفوق بمراحل القيمة الحرجة (3.354)، تم رفض الفرضية الصفرية العامة والانتقال لحساب جدول مقارنات شيفيه البعدية للأزواج الثلاثة الممكنة [3(2)/2 = 3]:

ثالثاً: حساب المعامل الحرج والخطأ المعياري لشيفيه:

• المعامل الحرج لشيفيه = √[(k – 1) * F_crit] = √[2 * 3.354] = √6.708 = 2.590
• الخطأ المعياري الموحد للفروق (نظراً لتساوي العينات n = 10) = √[MS_Within * (1/10 + 1/10)] = √[6.89 * 0.2] = √1.378 = 1.174
• الفرق الحرج لشيفيه (CD) = 2.590 * 1.174 = 3.04 درجة.

رابعاً: جدول نتائج المقارنات البعدية لشيفيه المبرمج في إكسل:

المقارنة الزوجية	فارق المتوسطات المطلق (|x̄i – x̄j|)	الفرق الحرج (CD)	إحصاء شيفيه المحسوب (F_pair / df)	القيمة الاحتمالية الدقيقة (P-value)	فترة الثقة 95% للفرق	قرار الدلالة الإحصائية (α = 0.05)
G1 (استرجاع) مقابل G2 (تلخيص)	|90.00 – 82.00| = 8.00	3.04	23.22	0.000001 (p < .001)	[4.96 , 11.04]	دال إحصائياً لصالح الاسترجاع
G1 (استرجاع) مقابل G3 (قراءة)	|90.00 – 73.00| = 17.00	3.04	104.83	3.31 × 10-13 (p < .001)	[13.96 , 20.04]	دال إحصائياً لصالح الاسترجاع
G2 (تلخيص) مقابل G3 (قراءة)	|82.00 – 73.00| = 9.00	3.04	29.39	0.0000002 (p < .001)	[5.96 , 12.04]	دال إحصائياً لصالح التلخيص

10.3 تفسير النتائج السيكولوجية والتربوية المستخلصة

أظهرت نتائج التحليل الإحصائي المتقدم باستخدام اختبار شيفيه للمقارنات البعدية فروقاً جوهرية ذات دلالة إحصائية قاطعة بين جميع استراتيجيات التعلم الثلاث عند مستوى دلالة α = 0.05. تجسد النتيجة الأولى تفوقاً حاسماً لمجموعة “الاسترجاع النشط” على مجموعة “التلخيص التوليدي” بفارق متوسط بلغ 8.00 درجات كاملة، وهو فارق يتجاوز بكثير قيمة الفرق الحرج البالغة 3.04 درجات، وبقيمة احتمالية فائقة الدقة (p < .001).

كما بينت المقارنة الثانية اتساع الفجوة التحصيلية لصالح مجموعة “الاسترجاع النشط” عند مقارنتها بمجموعة “القراءة المتكررة التقليدية” بفارق تحصيلي هائل بلغ 17.00 درجة، مع فترة ثقة 95% تتراوح بين [13.96 و 20.04] درجة، مما يؤكد أن الاسترجاع النشط يمثل التدخل التعليمي الأكثر فاعلية وتأثيراً في ترسيخ البنية المعرفية واستدعاء المعلومات المعقدة.

من جانب آخر، كشفت المقارنة الثالثة عن تفوق دال إحصائياً لمجموعة “التلخيص التوليدي” على مجموعة “القراءة المتكررة” بفارق 9.00 درجات (فترة الثقة: [5.96 , 12.04]، p < .001). تقدم هذه النتائج دعماً تجريبياً قوياً لنظريات معالجة المعلومات والتعلم المعرفي النشط؛ حيث تثبت أن المعالجة النشطة والتوليدية للمحتوى الأكاديمي تتفوق بصورة حاسمة على استراتيجيات التعلم السلبية المعتمدة على مجرد التكرار الآلي للمادة المقروءة، مما يوفر موجهات تطبيقية راسخة لخبراء المناهج والإرشاد الأكاديمي والتدريس الجامعي.

11. الأخطاء الشائعة واستكشاف الأخطاء وإصلاحها أثناء تطبيق شيفيه في إكسل

11.1 أخطاء الصيغ الرياضية والمراجع في إكسل (Formula & Reference Errors)

يواجه العديد من الباحثين عند بناء معادلات اختبار شيفيه في إكسل مجموعة من الأخطاء الحسابية والبرمجية الشائعة التي تؤدي إلى تشويه المخرجات. من أبرز هذه الأخطاء نسيان تثبيت مراجع الخلايا الثابتة باستخدام رمز الدولار ($)، وتحديداً خلية متوسط مربعات الخطأ (MS_Within) ودرجات الحرية وقيمة F الحرجة؛ فعند سحب المعادلة للأسفل لتطبيقها على بقية صفوف المقارنات، تنزاح المراجع إلى خلايا فارغة أو غير صحيحة، مما ينتج عنه قيم خاطئة بالكامل.

من الأخطاء الحسابية المتكررة أيضاً الخلط في ترتيب المعاملات داخل الدوال الإحصائية؛ كعكس إدخال درجات الحرية في دالة =F.INV.RT(alpha, df1, df2) بوضع درجات حرية الخطأ df_Within كمعامل أول بدلاً من درجات الحرية بين المجموعات df_Between، مما يؤدي إلى استخراج قيمة حرجة غير صحيحة. كما يقع البعض في خطأ إغفال الجذر التربيعي للمعامل الحرج عند حساب مقياس الفرق الحرج CD، مما يضخم قيمة المعيار بمقدار تربيعي يمنع اكتشاف أي فروق دالة.

عند ظهور أخطاء القيمة الشهيرة مثل #VALUE! أو #DIV/0!، يجب فحص نطاق البيانات للتأكد من عدم وجود مسافات نصية مخفية داخل خلايا الأرقام، والتحقق من عدم وجود خلايا فارغة في حقول أحجام العينات (n) في مقام معادلة الخطأ المعياري، حيث يؤدي وجود الصفر أو الفراغ في المقام إلى محاولة القسمة على صفر وانهيار المعادلة البرمجية.

11.2 الأخطاء المنهجية والمفاهيمية في تفسير شيفيه

تمتد الأخطاء إلى الجوانب المفاهيمية والمنهجية في توظيف الاختبار وتفسير نتائجه؛ ويأتي في مقدمة هذه الأخطاء تطبيق اختبار شيفيه للمقارنات البعدية بعد الحصول على قيمة F عامة غير دالة إحصائياً (p > 0.05) في جدول ANOVA الأساسي. إن إجراء مقارنات بعدية استكشافية في ظل غياب دلالة التباين الإجمالي يمثل انتهاكاً منهجياً صريحاً يؤدي إلى التقاط فروق وهمية ناتجة عن التذبذب العشوائي للبيانات.

من الانزلاقات المنهجية الشائعة أيضاً استخدام نموذج شيفيه المصمم للعينات المستقلة على بيانات تجريبية مستمدة من تصميمات القياسات المتكررة (Repeated Measures ANOVA) لنفس عينة المفحوصين عبر فترات زمنية متتالية؛ حيث تتطلب تصميمات القياسات المتكررة معادلات مخصصة لتقدير تباين الخطأ تأخذ في الاعتبار الارتباط الداخلي بين استجابات المفحوص نفسه، واستخدام النموذج المستقل يؤدي إلى تقدير خاطئ للخطأ المعياري.

علاوة على ذلك، يقع بعض الباحثين في خطأ تفسير عدم دلالة اختبار شيفيه كدليل قاطع على انعدام التأثير العملي، متجاهلين الطبيعة شديدة التحفظ للاختبار. لذلك، يجب دائماً تدعيم قرارات الدلالة الإحصائية بحساب مقاييس “حجم التأثير” (Effect Size)، مثل معامل إيتا تربيع (η²) لـ ANOVA، ومعامل كوهين دي (Cohen’s d) لكل مقارنة زوجية، لتحديد الأهمية التطبيقية والعملية للفروق المكتشفة بمعزل عن حجم العينة.

11.3 نصائح متقدمة لأتمتة النموذج الإحصائي في إكسل (Template Building)

لبناء لوحة تحكم إحصائية تفاعلية وديناميكية (Dynamic Statistical Dashboard) في إكسل تصلح للاستخدام المتكرر في المشاريع البحثية المستقبلية، يُنصح بتوظيف الدوال المتقدمة للبحث والفهرسة مثل دالتي INDEX و MATCH لسحب معلمات جدول ANOVA تلقائياً بمجرد إدراج البيانات في الأعمدة المخصصة، دون الحاجة لإعادة كتابة مراجع الخلايا يدوياً في كل تحليل جديد.

يُنصح بحماية وتأمين ورقة العمل (Protect Sheet) عبر قفل وتجميد الخلايا الحاوية للمعادلات الرياضية الوسيطة ودوال القرار المنطقي لشيفيه، مع إبقاء نطاقات إدخال درجات البيانات الخام مفتوحة للتعديل؛ مما يمنع الحذف أو العبث غير المقصود بالصيغ الحسابية المعقدة أثناء إدخال البيانات الميدانية السريعة.

كما يمكن تعزيز النموذج بأتمتة الرسوم البيانية التفاعلية (Clustered Column Charts) التي تعرض أعمدة المتوسطات الحسابية مزودة بأشرطة الخطأ المخصصة (Custom Error Bars) التي تمثل فترات ثقة شيفيه 95%؛ مما يمنح الباحث تمثيلاً بيانياً احترافياً فائق الجودة يسهل تصديره مباشرة إلى مسودات التقارير العلمية والأطروحات الأكاديمية.

12. توثيق وكتابة نتائج اختبار شيفيه وفق معايير جمعية علم النفس الأمريكية (APA 7th)

12.1 قواعد صياغة مخرجات شيفيه في متن البحث الأكاديمي

تضع جمعية علم النفس الأمريكية في دليلها السابع (APA 7th Edition) معايير دقيقة لكتابة وتوثيق مخرجات التحليلات الإحصائية في المتن التقريري للبحث؛ حيث تتطلب القواعد المنهجية البدء بعرض نتائج نموذج تحليل التباين الكلي متضمناً اتجاه التأثير، درجات الحرية بين وداخل المجموعات، القيمة الفائية المحسوبة بدقة، مستوى الدلالة، ومؤشر حجم التأثير، ثم يتبع ذلك التقرير المفصل لنتائج اختبار المقارنات البعدية لشيفيه.

يجب ذكر المتوسطات الحسابية والانحرافات المعيارية لكل مجموعة بالأرقام اللاتينية المائلة المعتمدة (M للمتوسط، SD للانحراف المعياري)، وتوضيح اتجاه الفروق بدقة متناهية مع ذكر فترات الثقة 95% المصاحبة للفرق. يتم تنسيق الرموز الإحصائية بحروف مائلة (F, p, M, SD, η_p²) مع ترك مسافة مفردة قبل وبعد علامات المساواة والأصغر من والأكبر من.

نموذج تطبيقي للصياغة الأكاديمية باللغة العربية:

“أظهرت نتائج تحليل التباين أحادي الاتجاه وجود تأثير دال إحصائياً لاستراتيجية المذاكرة على درجات التحصيل الأكاديمي، F(2, 27) = 105.00, p < .001, η_p² = .886. وأشارت نتائج المقارنات البعدية باستخدام اختبار شيفيه (Scheffé’s test) إلى أن درجات طلاب مجموعة الاسترجاع النشط (M = 90.00, SD = 2.75) كانت أعلى بدلالة إحصائية من درجات طلاب مجموعة التلخيص التوليدي (M = 82.00, SD = 2.58), p < .001, 95% CI [4.96, 11.04]، وأعلى بدلالة إحصائية من درجات طلاب مجموعة القراءة المتكررة (M = 73.00, SD = 2.54), p < .001, 95% CI [13.96, 20.04]. كما أظهرت النتائج تفوق مجموعة التلخيص التوليدي على مجموعة القراءة المتكررة بدلالة إحصائية، p < .001, 95% CI [5.96, 12.04]."

نموذج تطبيقي للصياغة الأكاديمية باللغة الإنجليزية:

“A one-way ANOVA revealed a statistically significant main effect of study strategy on academic achievement test scores, F(2, 27) = 105.00, p < .001, η_p² = .886. Scheffé’s post-hoc comparisons indicated that participants in the active retrieval condition (M = 90.00, SD = 2.75) scored significantly higher than those in the generative summarization condition (M = 82.00, SD = 2.58), p < .001, 95% CI [4.96, 11.04], and those in the massed rereading condition (M = 73.00, SD = 2.54), p < .001, 95% CI [13.96, 20.04]. Furthermore, the generative summarization group significantly outperformed the massed rereading group, p < .001, 95% CI [5.96, 12.04]."

12.2 تصميم وتنسيق جداول المقارنات البعدية وفق دليل APA

يفرض دليل النشر لجمعية علم النفس الأمريكية نسقاً بصرياً صارماً لتصميم الجداول الإحصائية؛ حيث يُمنع منعاً باتاً استخدام الخطوط الشبكية الرأسية (Vertical Lines)، ويقتصر التنسيق على ثلاثة خطوط أفقية رئيسية فقط: خط أعلى رأس الجدول، خط أسفل عناوين الأعمدة، وخط أفقي سفلي يغلق قاعدة الجدول قبل الملاحظات التوضيحية.

يتم عرض المتوسطات والانحرافات المعيارية لكل مجموعة بوضوح، مع استخدام نظام الأحرف العلوية المرتفعة (Superscript Letters) لتمييز المجموعات المتشابهة والمختلفة إحصائياً؛ حيث تشير المتوسطات التي تشترك في نفس الحرف إلى عدم وجود فرق دال إحصائياً بينها، بينما تشير الأحرف المختلفة إلى وجود فروق ذات دلالة إحصائية وفق اختبار شيفيه عند مستوى α = 0.05.

يوضح الجدول الأكاديمي التالي الصيغة المعيارية المعتمدة وفق APA 7th لعرض نتائج دراسة أساليب التعلم:

المجموعة التجريبية	n	المتوسط (M)	الانحراف المعياري (SD)	فترة الثقة 95% للمتوسط
1. الاسترجاع النشط	10	90.00 a	2.75	[88.03 , 91.97]
2. التلخيص التوليدي	10	82.00 b	2.58	[80.15 , 83.85]
3. القراءة المتكررة	10	73.00 c	2.54	[71.18 , 74.82]

ملاحظة. تشير الأحرف المرتفعة المختلفة (a, b, c) إلى وجود فروق ذات دلالة إحصائية بين المجموعات عند مستوى p < .05 استناداً إلى اختبار شيفيه (Scheffé's Post-Hoc Test) للمقارنات البعدية. جميع فترات الثقة محسوبة عند مستوى ثقة 95%.

12.3 أفضل الممارسات لنشر وتفسير نتائج التحليلات النفسية

تقتضي النزاهة المنهجية والشفافية العلمية في الأبحاث السلوكية والنفسية الالتزام بالإبلاغ الشامل عن جميع المقارنات البعدية التي تم إجراؤها دون انتقائية؛ حيث يمثل إخفاء المقارنات غير الدالة أو الإبلاغ الانتقائي عن النتائج الإيجابية فقط صورة من صور “اصطياد الدلالة” (P-hacking) وتشويه التراكم المعرفي العلمي.

يجب على الباحث تجاوز مجرد التفسير الرقمي البحت للقيمة الاحتمالية وربط الفروق الإحصائية بالسياق النظري والتطبيقي للظاهرة المدروسة. يتضمن ذلك مناقشة الأثر الإكلينيكي أو التربوي للتدخل، ومناقشة حجم العينة وتأثيره المحتمل على قوة الاختبار في ظل الطبيعة التحفظية لاختبار شيفيه، والإشارة الصريحة إلى محددات الدراسة التجريبية والتوصيات المستقبلية لتكرار البحث وضمان وثوقية النتائج عبر بيئات تعليمية ونفسية متباينة.

خاتمة

يقدم اختبار شيفيه (Scheffé’s Test) نموذجاً استدلالياً فائق الدقة والمرونة لإجراء المقارنات البعدية المتعددة بعد تحليل التباين، متميزاً بحمايته الصارمة ضد تضخم معدل الخطأ العائلي وقدرته الشاملة على فحص المقارنات البسيطة والمركبة تحت مختلف ظروف أحجام العينات. إن إتقان تنفيذ هذا الاختبار خطوة بخطوة داخل برنامج مايكروسوفت إكسل يمنح الباحثين فهماً عميقاً للمنطق الرياضي الكامن وراء القرارات الإحصائية، ويوفر أداة تحليلية ديناميكية وموثوقة لتحويل البيانات الخام إلى استنتاجات علمية دقيقة تسهم في تطوير البحوث النفسية والتربوية وفق أعلى المعايير المنهجية والأكاديمية العالمية.

المراجع (References)

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Cengage Learning.
• Keppel, G., & Wickens, T. D. (2004). Design and analysis: A researcher’s handbook (4th ed.). Pearson Prentice Hall.
• Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective (3rd ed.). Routledge. https://doi.org/10.4324/9781315642956
• Scheffé, H. (1953). A method for judging all contrasts in the analysis of variance. Biometrika, 40(1/2), 87–104. https://doi.org/10.2307/2333100
• Scheffé, H. (1959). The analysis of variance. John Wiley & Sons.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.