كيفية إجراء اختبار t مع تباينات غير متساوية في إكسيل

تُعد عملية اتخاذ القرارات المبنية على البيانات حجر الزاوية في البحث العلمي المعاصر والتحليل الإحصائي التطبيقي، لا سيما في مجالات العلوم النفسية والتربوية والاجتماعية التي تتعامل مع ظواهر إنسانية معقدة تتسم بالتنوع والتباين الطبيعي. عندما يسعى الباحث إلى المقارنة بين مجموعتين مستقلتين—مثل مقارنة مستوى القلق بين مجموعتين خضعتا لتدخلين علاجيين مختلفين، أو قياس الفروق في التحصيل الأكاديمي بين طلاب يتبعون استراتيجيتين تعليميتين متباينتين—يبرز اختبار t للعينات المستقلة (Independent Samples t-test) كأحد أكثر الأدوات الاستدلالية شيوعاً وكفاءة لتقييم معنوية الفروق بين المتوسطات الحسابية.

ومع ذلك، يفترض هذا الاختبار البارامتري التقليدي جملة من الشروط المنهجية الصارمة، يأتي في مقدمتها افتراض تجانس التباين (Homoscedasticity)، والذي يقضي بأن تشتت الدرجات وتوزيعها حول المتوسط متكافئ إحصائياً بين المجتمعين الأصليين المسحوب منهما العينتان. غير أن الواقع الميداني في الدراسات الإنسانية والتطبيقية نادراً ما يتطابق مع هذه الفرضية المثالية؛ فالتباينات غالباً ما تكون غير متكافئة بشكل ملحوظ نظراً للفروق الفردية، أو التفاوت في أحجام العينات المتاحة، أو طبيعة التدخل التجريبي ذاته الذي قد يزيد من تشتت استجابات إحدى المجموعات دون الأخرى. وهنا يؤدي الإصرار على تطبيق اختبار t الكلاسيكي المفترض لتجانس التباينات إلى تضخيم معدلات الخطأ من النوع الأول (Type I Error)، مما يقود الباحث إلى استنتاج وجود فروق جوهرية وهمية لا وجود لها في المجتمع الإحصائي الحقيقي.

يقدم برنامج مايكروسوفت إكسيل (Microsoft Excel) بيئة حوسبية مرنة وشاملة تتيح للمحللين والباحثين تجاوز هذا المأزق المنهجي بدقة فائقة من خلال توفير تقنيات مدمجة لتنفيذ اختبار ويلش (Welch’s t-test)، المصمم خصيصاً لحالات التباينات غير المتساوية (t-Test: Two-Sample Assuming Unequal Variances). يستعرض هذا الدليل الأكاديمي الموسع كافة الأسس النظرية، والمعايير التشخيصية، والخطوات الإجرائية التطبيقية لتنفيذ هذا الاختبار المتقدم داخل بيئة إكسيل، سواء عبر واجهة حزمة أدوات تحليل البيانات (Analysis ToolPak) أو من خلال بناء المعادلات الرياضية والدوال الإحصائية الديناميكية، وصولاً إلى تفسير المخرجات وصياغتها وفق الضوابط التوثيقية الصارمة لجمعية علم النفس الأمريكية (APA).

1. مدخل نظري إلى اختبار t للعينتين المستقلتين ومفهوم التباين

1.1 مفهوم اختبار t للعينات المستقلة في الإحصاء الاستدلالي

يمثل اختبار t للعينات المستقلة أحد الركائز الأساسية في الإحصاء الاستدلالي (Inferential Statistics)، حيث يهدف بالدرجة الأولى إلى اختبار صحة الفرضيات المتعلقة بالفروق بين متوسطي مجتمعين إحصائيين مستقلين استناداً إلى بيانات عينتين مسحوبتين منهما بطريقة عشوائية. يعتمد هذا الإجراء على مقارنة الفرق الملاحظ بين المتوسطين الحسابيين للعينتين بمقدار الخطأ المعياري المقدر لذلك الفرق، والذي يعكس حجم التباين المتوقع حدوثه بفعل الصدفة أو خطأ المعاينة العشوائي وحده. إذا تجاوزت النسبة المحسوبة حداً حرجاً معيناً عند مستوى دلالة محدد سلفاً، يستنتج الباحث أن الفرق الملاحظ ذو دلالة إحصائية حقيقية ولا يمكن عزوه إلى مجرد التقلبات العشوائية للمعاينة.

وتتجلى الأهمية المنهجية لهذا الاختبار في الأبحاث النفسية والسلوكية المقارنة، حيث يعمل كأداة حاسمة للتحقق من فاعلية برامج التدخل الإكلينيكي، وفحص الفروق بين الجنسين في السمات المعرفية والانفعالية، وقياس التغيرات السلوكية الناجمة عن تباين البيئات التعليمية والاجتماعية. وتعتمد هذه الدراسات على تقسيم المشاركين إلى مجموعتين منفصلتين تماماً، بحيث لا يرتبط الأفراد في المجموعة الأولى بأي شكل من الأشكال بالأفراد في المجموعة الثانية، وهو ما يميز التصميم المستقل (Between-Subjects Design) عن التصميمات المرتبطة أو المقاييس المتكررة (Within-Subjects Design).

وفي هذا الإطار، تتم صياغة الفرضيات الإحصائية بوضوح تجريدي لا يقبل اللبس؛ حيث تفترض الفرضية الصفرية (Null Hypothesis – H0) عدم وجود أي فارق حقيقي بين متوسطي المجتمعين (μ1 = μ2)، مما يعني أن أي اختلاف مشاهد في متوسطات العينات يعود فقط إلى الصدفة الإحصائية. في المقابل، تفترض الفرضية البديلة (Alternative Hypothesis – H1) وجود فرق حقيقي جوهري بين المتوسطين (μ1 ≠ μ2 في حالة الاختبار ثنائي الذيل، أو μ1 > μ2 / μ1 < μ2 في الاختبار أحادي الذيل). ويتطلب الفصل الدقيق بين هاتين الفرضيتين استيفاء شروط مسبقة صارمة تتصل بالتوزيع وتكافؤ التشتت لضمان عدم تضليل الباحث في قبول فرضية خاطئة أو رفض فرضية صحيحة.

1.2 افتراض تجانس التباين (Homoscedasticity) وأثره المنهجي

يُعد افتراض تجانس التباين (Homoscedasticity) من أبرز الشروط الكلاسيكية التي يقوم عليها اختبار t لستيودنت، وينص على ضرورة أن يكون تباين درجات المجتمع الإحصائي الأول مساوياً تماماً لتباين درجات المجتمع الثاني (σ1² = σ2²). يعكس التباين هنا مدى تشتت وتباعد الدرجات الفردية عن المتوسط الحسابي العام؛ وعندما يتساوى التشتت بين المجموعتين، يمكن للإحصائيين حساب “التباين المجمع” (Pooled Variance)، وهو تقدير مرجح مشترك يدمج تبايني العينتين لإنتاج مقام أكثر استقراراً في معادلة حساب قيمة t.

غير أن انتهاك هذا الافتراض في الممارسات البحثية الميدانية يؤدي إلى عواقب منهجية وإحصائية وخيمة للغاية. فعندما يكون التباين في إحدى المجموعتين أكبر بكثير من التباين في المجموعة الأخرى، يفقد الانحراف المعياري المجمع دقته وصلاحيته الرياضية. وتتفاقم المشكلة بحدة حين يقترن عدم تساوي التباينات بعدم تساوي أحجام العينات (Unequal Sample Sizes). فإذا كانت العينة الأصغر حجماً تمتلك التباين الأكبر، فإن اختبار t التقليدي يميل إلى التقليل المفرط من قيمة الخطأ المعياري، مما يؤدي بدوره إلى تضخيم قيمة t المحسوبة بشكل مصطنع، وبالتالي زيادة معدل ارتكاب خطأ من النوع الأول (Type I Error)—وهو رفض الفرضية الصفرية بينما هي صحيحة في الواقع (الإيجابية الكاذبة)—إلى مستويات قد تتجاوز 10% أو 20% بدلاً من المستوى المعتمد البالغ 5%.

وعلى العكس من ذلك، إذا ارتبطت العينة الأكبر حجماً بالتباين الأكبر، فإن الاختبار الكلاسيكي يغدو متحفظاً بشكل مفرط، مما يرفع احتمالية ارتكاب خطأ من النوع الثاني (Type II Error) المتمثل في الفشل في اكتشاف فروق حقيقية قائمة بالفعل بين المجموعات. ولمعالجة هذه المعضلة الحسابية، صاغ عالم الإحصاء البريطاني برنارد ويلش تعديلاً رياضياً بارعاً يُعرف اليوم باسم اختبار ويلش (Welch’s t-test). يتجاوز هذا الحل الرياضي الحاجة لدمج التباينات، إذ يعالج كلاً من تباين وحجم العينة لكل مجموعة على حدة داخل معادلة الخطأ المعياري، مع إدخال تعديل جوهري على درجات الحرية يعكس عدم التجانس، موفراً بذلك حماية قوية ودقيقة من التحيزات الإحصائية.

1.3 الفرق بين نسختي اختبار t المتجانس وغير المتجانس في إكسيل

يميز برنامج مايكروسوفت إكسيل بدقة تقنية بين نسختين رئيستين لاختبار t للعينات المستقلة ضمن خياراته التحليلية: الأولى هي “اختبار t لعينتين بافتراض تساوي التباينات” (t-Test: Two-Sample Assuming Equal Variances)، والثانية هي “اختبار t لعينتين بافتراض عدم تساوي التباينات” (t-Test: Two-Sample Assuming Unequal Variances). يكمن الفرق الجوهري الفاصل بين هذين الخيارين في الصياغة الرياضية المستخدمة لحساب المقام (الخطأ المعياري) وفي تحديد درجات الحرية (Degrees of Freedom – df) المعتمدة في تقييم الدلالة.

في حالة اختبار التباين المتساوي، يحسب البرنامج التباين المشترك كمتوسط مرجح يعتمد على درجات الحرية الكلية المحسوبة وفق المعادلة الخطية البسيطة: df = n1 + n2 – 2، حيث يمثل n1 و n2 أحجام العينتين. أما في حالة اختبار التباين غير المتساوي، يطبق إكسيل معادلة ساتيرثويت-ويلش (Welch–Satterthwaite Equation) المعقدة لتعديل درجات الحرية. وتعتمد هذه المعادلة على صيغة تكسر قيد الأعداد الصحيحة، حيث تقوم بخفض درجات الحرية الفعلية لتتناسب مع حجم عدم التكافؤ بين تباينات وأحجام المجموعات، مما يؤدي في كثير من الأحيان إلى إنتاج درجات حرية تتضمن كسوراً عشرية (يتم تقريبها لأقرب عدد صحيح في واجهة جداول إكسيل المطبوعة).

وتدعم الأدبيات المنهجية المعاصرة تفضيل استخدام اختبار التباين غير المتساوي كإجراء افتراضي تلقائي في أبحاث العلوم الإنسانية والسلوكية، حتى لو بدا أن التباينات قريبة من التكافؤ. يعود هذا التوجه إلى أن اختبار ويلش يحافظ على تحكم ممتاز وصارم في معدلات الخطأ الاسمي (ألفا = 0.05) في حال عدم تحقق التجانس، بينما لا يتنازل إلا عن جزء ضئيل للغاية من القوة الإحصائية (Statistical Power) إذا كانت التباينات متكافئة بالفعل، مما يجعله الخيار الأكثر أماناً وموثوقية في معالجة البيانات الواقعية.

2. معايير الكشف عن عدم تساوي التباينات قبل تطبيق الاختبار

2.1 تطبيق قاعدة الإبهام لنسبة التباين (Variance Rule of Thumb)

قبل الشروع في تطبيق اختبار الفروق بين المتوسطات، يتحتم على المحلل المنهجي إجراء فحص استكشافي أولي لتحديد طبيعة العلاقة بين تباينات المجموعات المدروسة. ومن أبسط الوسائل الاستدلالية وأكثرها شيوعاً في الممارسات الإحصائية الاستكشافية ما يُعرف بـ “قاعدة الإبهام لنسبة التباين” (Variance Rule of Thumb). تنص هذه القاعدة التجريبية على حساب النسبة الرياضية الناتجة عن قسمة التباين الأكبر قيمة بين المجموعتين على التباين الأصغر قيمة، وفق الصيغة البسيطة: (F_ratio = S_max² / S_min²)، حيث يمثل S² تباين العينة.

المعيار الإرشادي الحاكم في هذه القاعدة هو القيمة “4” (وهناك من يقترح القيمة “3” في التصميمات شديدة الحساسية أو القيمة “1.5” إذا تم التعبير عن التشتت بالانحراف المعياري بدلاً من التباين، نظراً لأن الانحراف المعياري هو الجذر التربيعي للتباين؛ فإذا زادت نسبة الانحراف المعياري عن 2، فإن نسبة التباين ستتجاوز 4). فإذا كانت حاصل قسمة التباين الأكبر على الأصغر أقل من 4، يمكن اعتبار التباينات متساوية تقريباً، ويكون تأثير انتهاك التجانس طفيفاً، خاصة إذا كانت أحجام العينات متقاربة جداً. أما إذا بلغت النسبة 4 فما فوق، فإن هذا المؤشر يعد دليلاً قوياً على وجود تباين غير متكافئ جوهرياً يحظر معه استخدام اختبار t الكلاسيكي، ويجعل من اختبار ويلش حتمية منهجية لا غنى عنها.

لتوضيح ذلك بمثال تطبيقي، لنفترض أن باحثاً يقارن بين استجابات مجموعتين في مقياس الاكتئاب؛ حيث بلغ تباين المجموعة التجريبية (S1² = 12.5) بينما بلغ تباين المجموعة الضابطة (S2² = 58.2). بتطبيق القاعدة، نقسم 58.2 على 12.5 فنحصل على نسبة تبلغ 4.656. ونظراً لأن النتيجة تجاوزت عتبة القيمة 4، فإن فرضية التكافؤ التقريبي تسقط فوراً. وعلى الرغم من سرعة وسهولة تطبيق هذه القاعدة، إلا أنها تظل مجرد أسلوب تقريبي تجريبي يفتقر إلى حساب مستويات الدلالة الإحصائية الدقيقة والاحتمالات الخطئية، مما يفرض دعمها باختبارات استدلالية أكثر منهجية.

2.2 استخدام دالة التباين VAR.S في برنامج إكسيل لحساب تباين العينات

يتيح برنامج إكسيل حساب تباين العينات بدقة برمجية متناهية عبر دوال رياضية متخصصة. وتُعد دالة VAR.S (المقابلة لدالة التباين الكلاسيكية VAR في الإصدارات القديمة) الأداة المصممة خصيصاً لتقدير تباين العينة المستقلة بالاعتماد على درجات حرية مصححة رياضياً وفق صيغة بيسل (Bessel’s Correction)، حيث تُقسم مجموع مربعات الانحرافات عن المتوسط على (n – 1) بدلاً من n لتجنب التقليل المتحيز من تباين المجتمع الأصلي، وذلك بخلاف دالة VAR.P المخصصة حصرياً للمجتمعات الإحصائية الكاملة.

لتطبيق هذه الدالة عملياً، يفترض أن البيانات الخام للمجموعة الأولى تقع ضمن نطاق الخلايا من A2 إلى A31، بينما تمتد بيانات المجموعة الثانية من B2 إلى B26. يقوم الباحث بكتابة الصيغة =VAR.S(A2:A31) في خلية مستقلة لحساب تباين المجموعة الأولى، ثم يدرج الصيغة =VAR.S(B2:B26) في خلية مجاورة لحساب تباين المجموعة الثانية. توفر هذه العملية التقدير الرقمي الأولي للتشتت داخل كل صف دراسي أو تجريبي بأسلوب مباشر وفوري.

ولبناء جدول احترافي لمقارنة التباينات داخل ورقة العمل (Spreadsheet)، يُستحسن تصميم جدول منظم يتضمن أربعة أعمدة متجاورة: اسم المجموعة، حجم العينة المحسوب بدالة COUNT، المتوسط الحسابي المحسوب بدالة AVERAGE، والتباين المحسوب بدالة VAR.S. وفي أسفل الجدول، يمكن تخصيص خلية ذكية تحسب نسبة التباين تلقائياً بقسمة التباين الأكبر على الأصغر باستخدام الدالة الشرطية =MAX(تباين1, تباين2)/MIN(تباين1, تباين2). إذا تجاوزت هذه القيمة الرقم 4، يُعلم الباحث مباشرة بأن مسار التحليل يتطلب استخدام نموذج التباينات غير المتساوية دون أدنى تردد.

2.3 اختبار F لعينتين لتحديد التباين (F-Test Two-Sample for Variances)

بينما تقدم قاعدة الإبهام تقديراً استرشادياً سريعاً، يوفر برنامج إكسيل أداة إحصائية استدلالية دقيقة وحاسمة تتمثل في اختبار F لعينتين لتحديد التباين (F-Test Two-Sample for Variances). يهدف هذا الاختبار الرسمي إلى التحقق الصارم من الفرضية الصفرية القائلة بتكافؤ تبايني المجتمعين الأصليين (H0: σ1² = σ2²) مقابل الفرضية البديلة القائلة بعدم تساويهما (H1: σ1² ≠ σ2²)، من خلال وضع نسبة التباين الأكبر في البسط والتباين الأصغر في المقام ومقارنتها بتوزيع F الإحصائي النظري عند درجات حرية محددة.

يمكن تنفيذ هذا الاختبار المتقدم في إكسيل بخطوات بسيطة؛ إذ يتوجه المستخدم إلى تبويب “بيانات” (Data)، ثم ينقر على “تحليل البيانات” (Data Analysis)، ويختار من القائمة المنسدلة الخيار F-Test Two-Sample for Variances. في النافذة الحوارية التي تظهر، يتم إدخال نطاق المتغير الأول في خانة Variable 1 Range (ويشترط إحصائياً هنا، لتسهيل المقارنة المباشرة، أن يتم اختيار نطاق المجموعة ذات التباين الأكبر كمتغير أول لضمان أن تكون قيمة F المحسوبة أكبر من الواحد الصحيح)، ونطاق المتغير الثاني في خانة Variable 2 Range، مع تفعيل مربع Labels في حال احتواء الصف الأول على أسماء الأعمدة، وتحديد مستوى الدلالة الألفي (غالباً 0.05)، وتعيين مساحة الإخراج المطلوبة.

عند توليد جدول النتائج، تتجه الأنظار مباشرة نحو القيمة الاحتمالية المرفقة، والتي يعرضها إكسيل عادة كاختبار أحادي الذيل P(F<=f) one-tail. ولتقييم الفرضية في تصميم ثنائي الذيل (حيث لا يفترض الباحث مسبقاً أي المجموعتين أكبر تبايناً)، يتم مضاعفة هذه القيمة الاحتمالية بضربها في 2. إذا كانت القيمة الاحتمالية الناتجة أصغر من مستوى الدلالة المعتمد (p < 0.05)، تُرفض الفرضية الصفرية لتكافؤ التباين بصورة قاطعة، ويتحتم منهجياً الانتقال لاستخدام "اختبار t لعينتين بافتراض عدم تساوي التباينات" (Welch's t-test). أما إذا كانت p أكبر من 0.05، فإن الأدلة لا تكفي لرفض فرضية التجانس، مما يسمح بتطبيق الاختبار الكلاسيكي بأمان نسبي.

3. تحضير وتنظيم البيانات النفسية والسلوكية داخل إكسيل

3.1 هيكلة وترتيب مصفوفة البيانات في ورقة العمل

تعتمد كفاءة وموثوقية المعالجة الإحصائية في مايكروسوفت إكسيل اعتماداً مباشراً على الهيكلة البنائية السليمة لمصفوفة البيانات داخل ورقة العمل. تختلف بنية تنظيم البيانات الموجهة للتحليل عبر حزمة إكسيل (Analysis ToolPak) قليلاً عن بنية الجداول المعتادة في البرامج الإحصائية الأخرى مثل SPSS؛ حيث تتطلب أدوات اختبار t في إكسيل وضع كل مجموعة تجريبية أو ضابطة في عمود مستقل تماماً، بدلاً من استخدام أسلوب "متغير التصنيف" في عمود ومتغير الدرجات في عمود آخر.

على الباحث تنظيم ملف العمل بوضع درجات المشاركين في المجموعة الأولى في العمود A تحت مسمى وصفي واضح ومرجعي في الصف الأول، مثل "طريقة_التدريس_الحديثة" أو "المجموعة_التجريبية"، في حين تُدرج درجات المجموعة الثانية في العمود B تحت عنوان دقيق مثل "طريقة_التدريس_التقليدية" أو "المجموعة_الضابطة". يجب تجنب ترك أي مسافات فراغية معقدة أو استخدام الرموز الخاصة في التسميات لتفادي أخطاء القراءة البرمجية، مع الحرص التام على عدم دمج الخلايا في صفوف التسمية، حيث يؤدي دمج الخلايا في العناوين إلى ارتباك خوارزمية تحديد النطاقات الإحصائية داخل محرك الحزمة التحليلية.

وفي دراسات العلوم السلوكية الميدانية، من الشائع جداً أن تختلف أحجام المجموعات نتيجة التسرب الطبيعي لبعض المفحوصين، أو صعوبة الوصول إلى أعداد متماثلة من العينات الإكلينيكية النادرة. يمتلك إكسيل مرونة كاملة في التعامل مع الأعمدة غير متطابقة الأطوال؛ فإذا تضمن العمود الأول 35 حالة (من الخلية A2 إلى A36) وتضمن العمود الثاني 22 حالة فقط (من الخلية B2 إلى B23)، يتم إدخال البيانات كما هي دون محاولة حشو الخلايا الشاغرة بأصفار أو فراغات وهمية. إن وضع الصفر في خلية شاغرة سيُعامل إحصائياً كقيمة عددية فعلية للمشارك، مما يقود لتدمير حساب المتوسطات والتباينات، بينما تضمن الخلايا الفارغة تماماً استبعاد تلك المواضع تلقائياً من خوارزميات الحساب.

3.2 فحص سلامة البيانات واكتشاف القيم المتطرفة (Outliers)

تمارس القيم المتطرفة (Outliers)، أو الشواذ الإحصائية، تأثيراً مشوهاً بالغ الخطورة على معالم التوزيع التكراري، لا سيما في مقاييس النزعة المركزية والتشتت المعتمدة على المربعات. ونظراً لأن تباين العينة يحسب الفروق بين الدرجات والمتوسط الحسابي ويرفعها إلى القوة التربيعية، فإن وجود قيمة واحدة شاذة ومتطرفة بشكل كبير في إحدى المجموعات يمكن أن يرفع تباين تلك المجموعة بصورة مضللة للغاية، متسبباً في إحداث عدم تجانس مصطنع في التباينات لا يعكس الطبيعة الحقيقية للمجتمع الأصلي.

ولفحص البيانات السلوكية واكتشاف تلك القيم بدقة داخل إكسيل، يُعد استخدام المخططات الصندوقية (Boxplots) الأسلوب البصري الأكثر كفاءة. يمكن للمستخدم تظليل عمودي البيانات والانتقال إلى تبويب "إدراج" (Insert)، ثم اختيار قسم المخططات الإحصائية واختيار "مخطط الصندوق وطرفيه" (Box and Whisker). يوفر هذا المخطط تمثيلاً بيانياً للوسيط الحسابي، والربيعين الأدنى والأعلى، والمدى الربيعي (IQR)؛ حيث تظهر القيم المتطرفة المعتدلة أو الحادة كنقاط معزولة تقع خارج حدود الشاربين (أبعد من 1.5 ضعف المدى الربيعي من أطراف الصندوق).

عند تشخيص وجود قيم متطرفة، يتحتم على الباحث تفحص سجلات التوثيق الأصلية للتأكد من عدم وجود أخطاء في الإدخال اليدوي أو ترميز الدرجات. فإذا تبين أن الشذوذ ناجم عن خطأ في القياس أو تشتت عشوائي خارج عن نطاق التجربة، تُعالج القيمة بالحذف الإجرائي أو التحويل الرقمي. أما في حالات البيانات المفقودة (Missing Data)، فيجب مراجعة شاشات الإدخال والتأكد من خلو مصفوفة الأرقام من أي فراغات في منتصف السلاسل تمثل فقداناً منهجياً، وضمان بقاء الخلايا الشاغرة نظيفة تماماً دون إدراج مسافات نصية غير مرئية تفشل دوال الفحص الرياضي في معالجتها كأرقام.

3.3 التحقق من اعتدالية التوزيع (Normality Assumption)

بالإضافة إلى شرط تجانس التباين، ينبني اختبار t للاستدلال البارامتري على افتراض أساسي مفاده أن البيانات التابعة في كلا المجتمعين تتبع التوزيع الطبيعي الاعتدالي (Normal Gaussian Distribution). ويشكل التحقق من هذا الافتراض شرطاً مسبقاً لا يمكن إغفاله، خاصة في الأبحاث النفسية والتربوية التي تستخدم عينات صغيرة إلى متوسطة الحجم، حيث يمكن للالتواء الشديد في التوزيع أن يقود إلى استنتاجات خاطئة تماماً حول دلالة الفروق بين المتوسطات.

يوفر برنامج إكسيل مقياسين رياضيين حاسمين لتقييم شكل التوزيع وتطابقه مع المنحنى الاعتدالي: معامل الالتواء (Skewness) الذي يقيس درجة عدم التماثل في التوزيع حول المتوسط، ومعامل التفرطح (Kurtosis) الذي يحدد مدى تدبب أو تسطح قمة التوزيع مقارنة بالمنحنى الطبيعي. يمكن حساب معامل الالتواء عبر كتابة الدالة =SKEW(نطاق_البيانات)، بينما يتم استخراج معامل التفرطح عبر الدالة =KURT(نطاق_البيانات) لكل عمود من عمودي المجموعتين بشكل مستقل.

تشير المعايير الإحصائية المقبولة في العلوم السلوكية إلى أن التوزيع يُعد قريباً من الاعتدالية إذا وقعت قيمتا الالتواء والتفرطح ضمن النطاق الممتد من -1.0 إلى +1.0 (وتتساهل بعض المرجعيات الإحصائية بقبول النطاق بين -2.0 و +2.0 في العينات الميدانية). والجدير بالذكر هنا أن اختبار ويلش للتباينات غير المتساوية يتمتع بصلابة ومناعة رياضية متميزة (Robustness) حيال الانحرافات الطفيفة أو المعتدلة عن التوزيع الطبيعي، خاصة إذا تجاوز حجم العينة في كل مجموعة 20 إلى 30 مشاركاً، وذلك ارتكازاً على مبادئ نظرية النهاية المركزية (Central Limit Theorem)، مما يجعله آمناً للاستخدام في معظم السياقات التطبيقية.

4. تفعيل وتجهيز حزمة أدوات تحليل البيانات (Analysis ToolPak)

4.1 خطوات تفعيل حزمة التحليل الإحصائي في نظام Windows

تتضمن بيئة برنامج مايكروسوفت إكسيل مكتبة برمجية قوية مخصصة للأبحاث المتقدمة تُعرف باسم "حزمة أدوات تحليل البيانات" (Analysis ToolPak). لا تتوفر هذه الحزمة بشكل افتراضي ومباشر في واجهة الشريط الرئيسية فور تثبيت البرنامج، بل تظل ملحقة كإضافة غير مفعلة برمجياً لتوفير موارد التشغيل، مما يتطلب من المستخدم تفعيلها يدوياً لمرة واحدة لتظهر بشكل دائم ضمن أدوات العمل الإحصائي اليومي على أنظمة تشغيل ويندوز.

لتفعيل الحزمة بنجاح، يجب اتباع الخطوات المنهجية المتسلسلة التالية:

• انقر فوق قائمة "ملف" (File) الموجودة في الزاوية العلوية لنافذة إكسيل.
• انزل إلى أسفل القائمة الجانبية واختر "خيارات" (Options) لفتح نافذة إعدادات البرنامج المتكاملة.
• من اللوحة الجانبية لنافذة الخيارات، حدد الخيار "الوظائف الإضافية" (Add-ins).
• في الجزء السفلي من النافذة، تأكد من ضبط مربع القائمة المنسدلة "إدارة" (Manage) على الخيار "وظائف Excel الإضافية" (Excel Add-ins)، ثم انقر فوق زر "انتقال" (Go).
• ستنبثق نافذة صغيرة تتضمن قائمة بالملحقات المتاحة؛ ضع علامة اختيار واضحة بجانب الخيار الأول وهو Analysis ToolPak (حزمة أدوات التحليل)، ثم انقر على "موافق" (OK).

بمجرد إتمام هذه الخطوات، سيقوم محرك البرنامج بتحميل الحزمة وتثبيتها برمجياً دون الحاجة إلى إعادة تشغيل إكسيل.

للتحقق البصري والتشغيلي من نجاح التثبيت، يجب التوجه إلى شريط الأدوات العلوي واختيار تبويب "بيانات" (Data). سيلحظ المستخدم ظهور قسم جديد بالكامل في أقصى الطرف الأيمن (أو الأيسر تبعاً للغة الواجهة) يحمل عنوان "تحليل" (Analysis)، ويحتوي بداخله على أيقونة بارزة تسمى "تحليل البيانات" (Data Analysis). يمثل هذا الزر البوابة الرئيسية لتشغيل كافة الاختبارات الاستدلالية المتقدمة التي توفرها المنظومة.

4.2 تفعيل حزمة التحليل في إصدارات Excel لنظام macOS

بالنسبة لمستخدمي أجهزة أبل التي تعمل بنظام تشغيل ماك (macOS)، تتبع عملية تمكين حزمة أدوات التحليل مساراً مختلفاً قليلاً في واجهة المستخدم، على الرغم من أن المحرك الإحصائي والوظائف الرياضية الناتجة تظل متطابقة بالكامل مع بيئة ويندوز، مما يضمن دقة النتائج وقابليتها للمقارنة التامة بين مختلف المنصات الحوسبية.

لتفعيل الإضافة على نظام ماك، يتبع الباحث الإجراءات التالية بدقة:

• توجه إلى شريط القوائم العلوي العام للنظام وانقر فوق قائمة "أدوات" (Tools).
• اختر من القائمة المنسدلة الخيار "وظائف Excel الإضافية..." (Excel Add-ins).
• في النافذة الحوارية المنبثقة، قم بوضع علامة الاختيار في المربع المجاور لـ Analysis ToolPak.
• انقر فوق زر "موافق" (OK) لتأكيد التفعيل ودمج الأدوات في واجهة البرنامج.

سيظهر زر Data Analysis مباشرة ضمن تبويب Data في الشريط العلوي لإكسيل ماك.

وفي بعض الأحيان، قد يواجه المستخدمون مشكلة شائعة تتمثل في عدم ظهور الزر رغم تفعيله، أو ظهور رسائل خطأ تتعلق بتعذر تحميل الملف الإضافي. يرتبط هذا العطل غالباً بوجود تحديثات معلقة للبرنامج، أو وجود تعارض في صلاحيات الأمان الخاصة بنظام ماك لملفات الماكرو والإضافات الخارجية. يُحل هذا العائق بتحديث أوفيس إلى أحدث إصدار متاح عبر متجر التطبيقات أو خيار البحث عن التحديثات في قائمة المساعدة، مع التأكد من إعطاء الصلاحيات الكاملة لملفات مكتبات إكسيل البرمجية للعمل دون قيود مشددة.

4.3 نظرة عامة على أدوات اختبار t المتاحة في الحزمة

عند النقر فوق زر "تحليل البيانات" (Data Analysis)، تظهر للمستخدم نافذة حوارية تسرد قائمة طويلة من الإجراءات الإحصائية المتقدمة المصنفة أبجدياً. وتتضمن هذه الحزمة ثلاثة خيارات متخصصة ومتميزة لتنفيذ اختبارات t، يتطلب كل منها فهماً دقيقاً للفروق المنهجية لتجنب ارتكاب أخطاء كارثية في اختيار النموذج التحليلي المناسب للبيانات.

الأداة الأولى هي t-Test: Paired Two Sample for Means، وهي مخصصة حصرياً للتصميمات التجريبية المرتبطة، مثل قياس درجات نفس الأفراد قبل التدخل وبعده (القياس القبلي والبعدي)، أو دراسات الأزواج المتناظرة. والأداة الثانية هي t-Test: Two-Sample Assuming Equal Variances، وهي النموذج الكلاسيكي لاختبار ستيودنت الذي يشترط بالضرورة تحقق فرضية تجانس التباين بين المجموعتين المستقلتين بدقة تامة وبأحجام عينات متطابقة أو متقاربة جداً.

أما الأداة الثالثة، وهي محور هذا الدليل، فهي t-Test: Two-Sample Assuming Unequal Variances. تبرز هذه الأداة كخيار مصمم خصيصاً للتعامل مع المجموعات المستقلة التي تعاني من عدم تكافؤ التشتت، حيث توظف تعديل ويلش لحساب الخطأ المعياري دون دمج التباينات، وتعتمد صيغة ساتيرثويت لضبط درجات الحرية الكسرية. إن الاختيار البصري الدقيق لهذا الخيار بالذات يضمن الحماية الرياضية الكاملة للنتائج الإحصائية، ويحول دون الوقوع في شرك الاستنتاجات المضللة الناتجة عن الاعتماد التلقائي على نماذج التباين المتساوي.

5. التطبيق العملي لاختبار t بتباينات غير متساوية عبر حزمة الأدوات

5.1 تحديد مدخلات الاختبار وضبط معلمات النافذة الحوارية

للبدء في التطبيق العملي للاختبار، يتوجه الباحث إلى تبويب "بيانات" (Data) وينقر على أيقونة "تحليل البيانات" (Data Analysis)، ثم يمرر القائمة حتى يصل إلى الخيار t-Test: Two-Sample Assuming Unequal Variances، ويضغط عليه لتحديده ثم ينقر على زر "موافق" (OK). ستظهر فوراً النافذة الحوارية المخصصة للاختبار، والتي تتطلب تعبئة دقيقة وممنهجة لعدة معلمات إدخال أساسية لضمان سلامة العمليات الحسابية.

تتمثل الخطوة الأولى في تحديد نطاق بيانات المجموعة الأولى؛ حيث ينقر المستخدم داخل حقل "نطاق المتغير 1" (Variable 1 Range)، ثم يسحب المؤشر في ورقة العمل لتظليل عمود درجات المجموعة الأولى بالكامل، وليكن على سبيل المثال النطاق من $A$1:$A$31. يتبع ذلك الانتقال إلى حقل "نطاق المتغير 2" (Variable 2 Range) والنقر بداخله لتظليل عمود درجات المجموعة الثانية، وليكن النطاق من $B$1:$B$26. يُلاحظ هنا أن التثبيت المطلق للخلايا باستخدام علامات الدولار $ يتم بصورة تلقائية داخل حقول الإدخال لتجنب أي إزاحة غير مقصودة في النطاقات المحددة.

ويأتي بعد ذلك حقل "الفرق المفترض بين المتوسطين" (Hypothesized Mean Difference). يمثل هذا الحقل القيمة التي تفترضها الفرضية الصفرية للفارق بين المجتمعين؛ وفي الغالبية الساحقة من الدراسات النفسية والتربوية، يكون الهدف هو اختبار ما إذا كان هناك "أي فرق" بين المجموعتين، مما يجعل الفرضية الصفرية تفترض أن الفرق يساوي صفراً. لذلك، يمكن إما كتابة الرقم 0 داخل هذا المربع أو تركه فارغاً تماماً؛ حيث يتعامل محرك إكسيل مع الحقل الفارغ افتراضياً كقيمة صفرية. أما إذا كان الباحث يختبر فرضية خاصة تفترض وجود تفوق مسبق بمقدار معين (مثلاً تفوق المجموعة التجريبية بـ 5 درجات)، فيتم إدخال ذلك الرقم المحدد في هذا الحقل.

كما يجب إيلاء اهتمام فائق لمربع الاختيار المسمى "تسميات" (Labels). إذا قام الباحث بتضمين الصف الأول من الأعمدة أثناء السحب والتظليل (وهو الصف الذي يحتوي على أسماء المتغيرات مثل "طريقة 1" و"طريقة 2")، فيتحتم تفعيل هذا المربع بوضع علامة الاختيار بداخله. يوجه هذا الإجراء برنامج إكسيل للتعامل مع الخلية الأولى في كل عمود كنص وصفي يُستخدم لعنونة المخرجات، وليس كقيمة رقمية تدرج في الحسابات؛ حيث يؤدي نسيان تفعيل هذا المربع مع تضمين النصوص إلى توقف البرنامج وظهور رسالة خطأ تفيد باحتواء النطاق على بيانات غير رقمية.

5.2 ضبط مستوى الدلالة الألفي (Alpha Level)

يحتوي المربع التالي في النافذة الحوارية على معلمة "ألفا" (Alpha)، وهي المعيار المنهجي الذي يحدد عتبة الخطأ الإحصائي المقبول من النوع الأول (رفض الفرضية الصفرية وهي صحيحة). يضع إكسيل القيمة الافتراضية 0.05 تلقائياً داخل هذا الحقل، وهو المستوى المعياري الأكثر قبولاً وشيوعاً في بحوث العلوم الإنسانية والتربوية، والذي يشير إلى أن الباحث يقبل بنسبة مخاطرة لا تتجاوز 5% بأن تكون الفروق الناتجة راجعة لعوامل الصدفة الإحصائية وحدها.

ومع ذلك، يجب على الباحث تقييم طبيعة بحثه قبل اعتماد هذه القيمة بصورة آلية؛ ففي بعض البحوث الحساسة مثل الدراسات الدوائية العصبية أو البرامج التدخلية عالية المخاطر في علم النفس العيادي، قد يكون من الضروري تقليص مستوى ألفا إلى 0.01 لتقليل فرصة الوصول إلى نتائج إيجابية كاذبة لأقصى درجة ممكنة. يترتب على تغيير مستوى ألفا إعادة ضبط القيم الحرجة (Critical Values) لـ t التي يولدها البرنامج في جدول المخرجات، والتي يتم على أساسها اتخاذ القرار بقبول أو رفض الفرضية الصفرية عند مقارنتها بإحصائية t المحسوبة.

تتعلق الخطوة الأخيرة في هذا القسم بضبط خيارات الإخراج (Output options). يوفر البرنامج ثلاثة بدائل لإظهار النتائج: الخيار الأول هو "نطاق الإخراج" (Output Range)، حيث ينقر الباحث في هذا المربع ثم يحدد خلية فارغة واحدة داخل ورقة العمل الحالية (مثل $D$2) لتبدأ النتائج بالظهور منها. أما الخيار الثاني "ورقة عمل جديدة" (New Worksheet Ply)، فيقوم بإنشاء تبويب جديد داخل نفس ملف العمل ويعرض الجدول فيه بشكل منظم. والخيار الثالث "مصنف جديد" (New Workbook)، يفتح ملف إكسيل منفصلاً تماماً لعرض التقرير. ويُفضل دائماً استخدام خيار ورقة العمل الجديدة أو تحديد نطاق إخراج مجاور للبيانات لتسهيل المقارنة المباشرة وتطبيق العمليات التفسيرية اللاحقة.

5.3 تنفيذ الأمر واستخراج جدول المخرجات الإحصائية

بعد التحقق الدقيق والشامل من صحة كافة المدخلات والمعلمات في النافذة الحوارية—بما يشمل مطابقة نطاقات البيانات، وتأكيد وضع علامة مربع التسميات، والتحقق من قيمة ألفا، وتحديد مكان الإخراج—يتم الضغط على زر "موافق" (OK). في غضون أجزاء من الثانية، يقوم المحرك الإحصائي لإكسيل بإجراء آلاف العمليات الحسابية المتزامنة، متضمناً حساب المتوسطات، وتباينات العينات، وتقدير الخطأ المعياري المنفصل، واستخراج درجات الحرية عبر معادلة ساتيرثويت، وحساب القيمة الاحتمالية بدقة فائقة.

ينتج عن هذه العملية توليد جدول مخرجات إحصائي متكامل ومنظم يحمل العنوان القياسي: t-Test: Two-Sample Assuming Unequal Variances. يظهر هذا الجدول في الموقع الذي تم تحديده مسبقاً، ويتضمن عمودين رئيسيين يحتوي كل منهما على النتائج الخاصة بأحد المتغيرين أو المجموعتين اللتين تم تحليلهما، مع سرد كافة المؤشرات الإحصائية في صفوف أفقية متتالية تعكس التشريح الرياضي الدقيق للعلاقة بين المجموعتين.

يجب على الباحث إجراء فحص فوري وسريع لمصفوفة النتائج الصادرة لضمان عدم حدوث أخطاء فنية؛ ويبدأ ذلك بمراجعة صف "المشاهدات" (Observations) للتأكد من أن عدد الحالات المعروض لكل مجموعة يتطابق تماماً مع الحجم الفعلي للمشاركين في ملف البيانات الأصلي دون أي فقدان، والتحقق من أن أسماء الأعمدة في رأس الجدول تطابق تسميات المجموعات الصحيحة. يوفر هذا الفحص المبدئي قاعدة انطلاق موثوقة للبدء في قراءة المؤشرات التفصيلية وتفسير الأبعاد الإحصائية الكامنة وراء الأرقام المستخرجة.

6. تنفيذ اختبار t لتباينات غير متساوية باستخدام الدوال الإحصائية

6.1 استخدام دالة T.TEST لحساب مستوى الدلالة مباشرة

إلى جانب حزمة أدوات التحليل، يوفر مايكروسوفت إكسيل طريقة فائقة المرونة والتفاعلية لاستخراج نتائج اختبار t للتباينات غير المتساوية عبر الدوال الحسابية المباشرة المدمجة في ورقة العمل. تبرز دالة T.TEST (أو دالة TTEST في الإصدارات القديمة من البرنامج) كواحدة من أقوى هذه الأدوات؛ حيث تتيح للمحلل الحصول على القيمة الاحتمالية الدقيقة (p-value) بأسلوب ديناميكي يرتبط مباشرة بخلايا البيانات، مما يعني أن أي تعديل لاحق في درجات المشاركين أو حذف للقيم المتطرفة سينعكس فوراً وتلقائياً على مستوى الدلالة دون الحاجة لإعادة تشغيل الحزمة التحليلية من البداية.

تعتمد هذه الدالة على بناء صيغي محدد يتضمن أربع وسائط رياضية إجبارية وفق الشكل التالي:
=T.TEST(array1, array2, tails, type)
تمثل الوسيطة الأولى array1 نطاق خلايا المجموعة الأولى (مثلاً A2:A31)، بينما تمثل الوسيطة الثانية array2 نطاق خلايا المجموعة الثانية (مثلاً B2:B26). ويجب الحذر الشديد هنا من تضمين خلايا التسميات النصية داخل هذه النطاقات، حيث تتعامل دالة T.TEST مع المصفوفات الرياضية البحتة، وسيؤدي وجود أي نص ضمن النطاق الممرر لها إلى توليد خطأ القيمة #VALUE! فوراً.

أما الوسيطة الثالثة tails، فتحدد ما إذا كان الاختبار موجهاً أم غير موجه؛ حيث يتم إدخال الرقم 1 لاختبار ذي اتجاه واحد (One-tailed test) إذا كانت الفرضية البحثية تتوقع مسبقاً تفوق مجموعة معينة بالذات على الأخرى استناداً لأطر نظرية ودراسات سابقة قاطعة، أو إدخال الرقم 2 لاختبار ذي اتجاهين (Two-tailed test) لاختبار مجرد وجود فروق بين المجموعتين دون الجزم باتجاه التفوق، وهو النمط الأكثر أماناً وشيوعاً في البحوث الاستكشافية. وأخيراً، تأتي الوسيطة الرابعة type لتحديد الطبيعة الرياضية للاختبار؛ وهنا يكمن المفتاح الجوهري لموضوعنا، حيث يقدم البرنامج ثلاثة خيارات: 1 للعينات المزدوجة، 2 للعينات المستقلة بتباينات متساوية، والرقم 3 للعينات المستقلة بتباينات غير متساوية. وبالتالي، فإن كتابة الرقم 3 في هذه الخانة يوجه إكسيل لتطبيق معادلة ويلش مباشرة لحساب القيمة الاحتمالية بدقة متناهية.

6.2 حساب إحصائية t ودرجات الحرية يدوياً عبر دوال إكسيل المساعدة

على الرغم من أن دالة T.TEST تقدم القيمة الاحتمالية بكفاءة وسرعة، إلا أنها لا تعرض قيمة إحصائية t المحسوبة ولا مقدار درجات الحرية المصححة، وهي مؤشرات حيوية يشترط توثيقها بالكامل في التقارير الأكاديمية ونماذج النشر العلمي. ولتخطي هذا القصور، يمكن للباحث بناء محرك حسابي متكامل وشخصي داخل إكسيل بالاستعانة بمجموعة من الدوال الإحصائية المساعدة، مما يتيح فهماً عميقاً ومباشراً للميكانيزمات الحسابية لاختبار ويلش.

تبدأ هذه العملية بتنظيم خانات حسابية فرعية للعينتين؛ حيث يُحسب المتوسط الحسابي عبر دالة =AVERAGE(A2:A31) للمجموعة الأولى ودالة =AVERAGE(B2:B26) للمجموعة الثانية، وتُحسب التباينات عبر دالة =VAR.S(A2:A31) ودالة =VAR.S(B2:B26)، ويُستخرج حجم كل عينة بدالة =COUNT(A2:A31) ودالة =COUNT(B2:B26). بعد ذلك، يتم حساب الخطأ المعياري للفرق بين المتوسطين غير المتساويين (Standard Error of the Difference) وفق الصيغة الرياضية:
SE_diff = SQRT((s1^2 / n1) + (s2^2 / n2))
والتي تترجم داخل خلية إكسيل إلى المعادلة البرمجية التالية:
=SQRT((تباين1 / حجم1) + (تباين2 / حجم2))
ومن ثم، يتم حساب إحصائية t المحسوبة ببساطة بقسمة الفرق بين المتوسطين على هذا الخطأ المعياري:
=(متوسط1 - متوسط2) / SE_diff.

لحساب درجات الحرية المعدلة وفق معادلة ساتيرثويت-ويلش (Satterthwaite approximation)، تُصاغ المعادلة المعقدة التالية داخل خلية مستقلة:
=((s1^2/n1 + s2^2/n2)^2) / ( ((s1^2/n1)^2 / (n1-1)) + ((s2^2/n2)^2 / (n2-1)) )
حيث تُعوض الرموز بعناوين الخلايا المقابلة لها في ورقة العمل. تعطي هذه الصيغة القيمة الدقيقة لدرجات الحرية والتي غالباً ما تكون رقماً عشرياً كسرrowياً. وأخيراً، لحساب القيمة الاحتمالية ثنائية الذيل بالاعتماد على إحصائية t ودرجات الحرية المحسوبتين يدوياً، تُستخدم دالة التوزيع الاحتمالي العكسي T.DIST.2T عبر كتابة الصياغة: =T.DIST.2T(ABS(خلية_t), خلية_df)، حيث تضمن دالة ABS تحويل قيمة t إلى قيمة موجبة مطلقة نظراً لاشتراطات الإدخال في هذه الدالة البرمجية.

6.3 مقارنة دقة مخرجات الدوال مقارنة بحزمة أدوات التحليل

عند إجراء مقارنة فاحصة بين المخرجات الناتجة عن حزمة أدوات التحليل (Analysis ToolPak) وتلك المحسوبة عبر الصيغ اليدوية ودالة T.TEST، سيلاحظ الباحث تطابقاً شبه تام في كافة الأرقام والمؤشرات الأساسية، إلا أن هناك فروقاً دقيقة تتعلق بالتقريب والصلابة الرياضية تستحق التوقف المنهجي عندها.

أبرز هذه الفروق يتجلى في معالجة درجات الحرية (Degrees of Freedom). تقوم حزمة أدوات التحليل بتطبيق عملية تقريب جبري تلقائية لدرجات الحرية الكسرية المحسوبة بواسطة معادلة ويلش-ساتيرثويت لتقريبها إلى أقرب عدد صحيح أدنى أو مكافئ قبل حساب القيمة الاحتمالية المعروضة في تقريرها المطبوع. في المقابل، تحتفظ المعادلات اليدوية ودوال إكسيل الحديثة (مثل دالة T.TEST ودالة T.DIST.2T) بالكسور العشرية الكاملة لدرجات الحرية داخل ذاكرة الحوسبة أثناء استخراج القيمة الاحتمالية، مما يجعل النتيجة الصادرة عن الدوال الإحصائية الحسابية أكثر دقة في أجزاء المليون مقارنة بجدول الحزمة الثابت.

ومع ذلك، فإن هذا الفارق الضئيل جداً نادراً ما يمارس أي تأثير فعلي على القرار الإحصائي المتخذ في الأبحاث النفسية والتطبيقية، حيث تتطابق القيم الاحتمالية الصادرة عن الطريقتين عادة حتى المرتبة العشرية الرابعة أو الخامسة. وتكمن الميزة الاستراتيجية لحزمة الأدوات في تقديمها تقريراً شاملاً فورياً يجمع كافة المؤشرات الوصفية والاستدلالية في جدول واحد منسق، بينما تتفوق الدوال اليدوية بمرونتها الفائقة في التحديث التلقائي للبيانات الديناميكية ودمج المؤشرات ضمن لوحات المعلومات التفاعلية (Dashboards).

7. تفسير المخرجات الإحصائية لجدول t-Test: Two-Sample Assuming Unequal Variances

7.1 قراءة وتفسير المتوسطات والتباينات وأحجام العينات

عند استعراض جدول النتائج المتولد عن اختبار t للتباينات غير المتساوية في إكسيل، يجب أن تنطلق القراءة المنهجية الواعية من أعلى الجدول نزولاً نحو المؤشرات الاستدلالية الختامية. تتصدر الجدول ثلاثة مؤشرات وصفية أساسية لكلتا المجموعتين: المتوسط الحسابي (Mean)، وتباين العينة (Variance)، وعدد المشاهدات (Observations). تقدم هذه المؤشرات الأولية الصورة التشخيصية الكبرى التي يستند إليها كل الاستدلال الإحصائي اللاحق.

يوفر صف المتوسط الحسابي تقديراً للنزعة المركزية لأداء كل مجموعة؛ فإذا كان متوسط المجموعة التجريبية مثلاً 78.4 ومتوسط المجموعة الضابطة 68.2، فإن المقارنة الظاهرية المباشرة تكشف عن فارق أولي قدره 10.2 درجة لصالح المجموعة التجريبية. غير أن القراءة العلمية الرصينة لا تكتفي بالمتوسطات وحدها، بل تقرنها فوراً بصف التباين؛ حيث يعكس التباين مدى تجانس أو تشتت درجات المفحوصين داخل المجموعة الواحدة. فإذا أظهر الجدول تبايناً قدره 45.3 للمجموعة الأولى مقابل 198.6 للمجموعة الثانية، فإن هذا التفاوت الشاسع يؤكد بصرياً صحة القرار المنهجي باعتماد نموذج التباينات غير المتساوية، ويوضح أن المجموعة الثانية تتسم بتشتت واختلاف فردي واسع جداً في الاستجابات مقارنة بالمجموعة الأولى الأكثر تجانساً وتماسكاً.

أما صف عدد المشاهدات (Observations)، فيحدد حجم العينة الفعلي الذي دخل في الحسابات لكل مجموعة. ويعد هذا السطر بالغ الأهمية لرصد تأثير عدم تكافؤ الأحجام على سلوك الاختبار؛ ففي بيئات التباين غير المتساوي، يلعب التفاعل بين حجم العينة والتباين دوراً حاسماً في تقدير الخطأ المعياري. إذا تزامنت العينة الكبيرة مع التباين الأصغر، فإن تقدير الخطأ المعياري للفرق يكتسب دقة متزايدة ويسهم في استقرار النتائج، في حين يتطلب التزامن المعاكس (عينة صغيرة مع تباين ضخم) حذراً إضافياً وقراءة متأنية لقوة الاختبار الإحصائي.

7.2 فهم درجات الحرية (df) وإحصائية الاختبار (t Stat)

بالانتقال إلى الأجزاء الاستدلالية من الجدول، تبرز قيمة "درجات الحرية" (df - Degrees of Freedom) كأحد أهم المؤشرات الحسابية الفارقة في هذا الاختبار. على عكس اختبار t الكلاسيكي الذي تكون درجات حريته دائماً مساوية لمجموع العينتين مطروحاً منه 2 (df = n1 + n2 - 2)، يظهر صف df في جدول التباينات غير المتساوية برقم يقل بشكل ملحوظ عن هذا المجموع. يعود ذلك إلى التعديل الذي أجرته معادلة ساتيرثويت-ويلش لتخفيض درجات الحرية بما يتناسب مع حجم الفجوة بين تبايني المجموعتين؛ حيث يمثل هذا التخفيض الرياضي "عقوبة" إحصائية تفرضها المعادلة للتعويض عن غياب التجانس وضمان عدم الإفراط في رفض الفرضية الصفرية.

يلي ذلك صف إحصائية الاختبار، والمسمى في جدول إكسيل بـ t Stat. تمثل هذه القيمة النسبة الدقيقة الناتجة عن قسمة الفرق الملاحظ بين المتوسطين على الخطأ المعياري المصحح لذلك الفرق. تعكس إحصائية t المحسوبة عدد الانحرافات المعيارية التي يبعد بها الفرق الملاحظ عن الفرق المفترض بالفرضية الصفرية (وهو الصفر في أغلب الأحوال). وكلما ابتعدت قيمة t Stat عن الصفر، كلما كان ذلك دليلاً على تباعد أداء المجموعتين وتمايزه.

تحمل إشارة إحصائية t (الموجبة أو السالبة) دلالة اتجاهية بحتة لا تؤثر على قوة الدلالة الإحصائية؛ فالإشارة تتحدد فقط بناءً على ترتيب إدخال المجموعات في النافذة الحوارية. فإذا تم إدخال المجموعة ذات المتوسط الأعلى كمتغير أول، ستظهر قيمة t Stat موجبة، في حين ستظهر سالبة إذا أُدخلت المجموعة ذات المتوسط الأقل كمتغير أول. ولذلك، ينظر الإحصائيون دائماً إلى القيمة المطلقة لإحصائية t عند مقارنتها بالقيم الحرجة لتحديد مدى تجاوزها لعتبات الرفض الإحصائي المقررة.

7.3 تفسير القيم الاحتمالية (P-value) والقيم الحرجة (t Critical)

يقدم جدول إكسيل قسمين ختاميين لتقييم الدلالة الإحصائية، أحدهما مخصص للاختبار أحادي الذيل (One-Tail) والآخر مخصص للاختبار ثنائي الذيل (Two-Tail). ويتضمن كل قسم سطرين رئيسيين: القيمة الاحتمالية P(T<=t) والقيمة الحرجة للجدول التوزيعي t Critical. يعتمد القرار المنهجي السليم على الفرضية المصاغة مسبقاً قبل جمع البيانات؛ فإذا كانت الفرضية موجهة (Directional)، يُعتمد السطر أحادي الذيل، بينما يُعتمد السطر ثنائي الذيل إذا كانت الفرضية غير موجهة (Non-directional)، وهو النمط الموصى به علمياً في الغالبية الساحقة من الدراسات الأكاديمية.

يمثل سطر P(T<=t) two-tail مؤشر الدلالة الإحصائية الحاسم (p-value)؛ وهو يعبر عن احتمالية الحصول على فرق بين المتوسطين مساوٍ للفرق الملاحظ أو أكبر منه، بافتراض أن الفرضية الصفرية صحيحة تماماً في المجتمع. يقارن الباحث هذه القيمة الاحتمالية بمستوى الدلالة الألفي المعتمد سلفاً (غالباً α = 0.05):

• إذا كانت القيمة الاحتمالية أصغر من أو تساوي 0.05 (p ≤ 0.05)، يُتخذ القرار برفض الفرضية الصفرية (Reject H0) وقبول الفرضية البديلة، مما يعني وجود فرق ذي دلالة إحصائية بين المجموعتين لا يعود للصدفة.
• إذا كانت القيمة الاحتمالية أكبر من 0.05 (p > 0.05)، يفشل الباحث في رفض الفرضية الصفرية (Fail to Reject H0)، وتُعزى الفروق الظاهرية بين المتوسطات إلى أخطاء المعاينة وتقلبات الصدفة الإحصائية.

ولتدعيم القرار بالأسلوب الإحصائي الكلاسيكي، يمكن مقارنة إحصائية t Stat المحسوبة بالقيمة الحرجة t Critical two-tail. إذا كانت القيمة المطلقة لـ t Stat أكبر من القيمة الحرجة، فإن إحصائية الاختبار تقع في "منطقة الرفض" الحرجة الواقعة في أطراف المنحنى التوزيعي، وهو ما يتطابق رياضياً تماماً مع الوصول إلى قيمة p أصغر من 0.05. يمنح هذا التطابق الثنائي الباحث يقيناً حاسماً في صحة قراره الإحصائي وسلامة نتائجه الاستدلالية المستخرجة عبر البرنامج.

8. حساب حجم الأثر وفواصل الثقة المصاحبة للاختبار

8.1 حساب حجم الأثر كوهين دي (Cohen's d) في حالات عدم تجانس التباين

على الرغم من الأهمية الفائقة للدلالة الإحصائية (p-value) في تأكيد أن الفروق بين المجموعات لا تعود للصدفة، إلا أن الأدبيات المنهجية المعاصرة وتوصيات الجمعيات العلمية الكبرى تؤكد بحزم أن القيمة الاحتمالية وحدها غير كافية للحكم على الأهمية العملية أو التطبيقية للنتائج. فالقيمة الاحتمالية تتأثر بشدة بحجم العينة؛ حيث يمكن لعينات ضخمة جداً أن تظهر فروقاً تافهة إكلينيكياً وتربوياً كفروق ذات دلالة إحصائية مرتفعة. ومن هنا يبرز دور حجم الأثر (Effect Size) كمعيار معياري مستقل يعكس قوة وحجم التأثير الفعلي للمتغير المستقل على المتغير التابع.

يُعد مؤشر كوهين دي (Cohen's d) المقياس الأكثر استخداماً في مقارنات اختبار t. في الحالات الكلاسيكية المتجانسة، يتم حساب دي بقسمة الفرق بين المتوسطين على الانحراف المعياري المجمع. أما في حالة عدم تساوي التباينات، فإن الاعتماد على التباين المجمع التقليدي يعد خطأً حسابياً ينسف دقة التقدير. بدلاً من ذلك، يُستخدم الانحراف المعياري المرجح المصحح وفق صيغة ويلش، أو يتم استخدام انحراف المجموعة الضابطة كمعيار ثابت (المعروف بمؤشر جلاس دلتا - Glass's delta) إذا كانت المجموعة التجريبية هي مصدر التشتت المتزايد بفعل التدخل.

لحساب مؤشر كوهين دي المصحح في إكسيل، يُستخرج أولاً التباين المشترك غير المقيد باستخدام المعادلة التالية داخل خلية مستقلة:
=SQRT(( (COUNT(A2:A31)-1)*VAR.S(A2:A31) + (COUNT(B2:B26)-1)*VAR.S(B2:B26) ) / (COUNT(A2:A31) + COUNT(B2:B26) - 2))
ثم يُحسب كوهين دي بقسمة الفرق المطلق بين المتوسطين على ناتج هذا الانحراف المعياري: =ABS(متوسط1 - متوسط2) / الانحراف_المعياري_المحسوب. وتُفسر النتائج وفق محددات كوهين الاسترشادية الشهيرة:

• 0.20 = حجم أثر صغير (Small Effect).
• 0.50 = حجم أثر متوسط (Medium Effect).
• 0.80 فما فوق = حجم أثر كبير (Large Effect).

يسهم هذا التفسير في إبراز مدى القيمة التطبيقية للنتائج الميدانية بصورة تتجاوز مجرد الدلالة الرقمية الصامتة.

8.2 حساب فترات الثقة (Confidence Intervals) لفروق المتوسطات

تمثل فترات الثقة (Confidence Intervals - CI) المرافقة لفروق المتوسطات إحدى أقوى أدوات الاستدلال الإحصائي؛ إذ توفر مدى تقديرياً يرجح باحتمالية محددة (عادة 95%) أن يحتوي داخله على الفرق الحقيقي الحاصل بين متوسطي المجتمعين الأصليين. وتساعد فترات الثقة الباحثين في تقييم مدى دقة التقدير الإحصائي وحجم اللاتيقين المصاحب للمعاينة العشوائية بطريقة أكثر ثراءً وشفافية من الاكتفاء بالنقطة التقديرية الواحدة للفرق.

لحساب فترة الثقة 95% للفرق بين المتوسطين في حالات التباين غير المتساوي داخل إكسيل، يحتاج الباحث إلى ثلاثة عناصر رئيسية: الفرق الملاحظ بين المتوسطين (Mean Difference)، والخطأ المعياري للفرق (SE_diff) المحسوب سابقاً بصيغة ويلش، والقيمة الحرجة لـ t ثنائية الذيل (t_critical) عند مستوى ألفا 0.05 وباستخدام درجات حرية ويلش المعدلة. ويمكن الحصول على هذه القيمة الحرجة بدقة بالغة عبر كتابة الدالة الإحصائية التالية:
=T.INV.2T(0.05, خلية_درجات_الحرية_df).

بمجرد استخراج القيمة الحرجة، يُحسب "هامش الخطأ" (Margin of Error - ME) بضرب القيمة الحرجة في الخطأ المعياري للفرق: =خلية_t_critical * خلية_SE_diff. بعد ذلك، يتم تحديد طرفي فترة الثقة كما يلي:

• الحد الأدنى لفترة الثقة (Lower Limit): =(متوسط1 - متوسط2) - هامش_الخطأ
• الحد الأعلى لفترة الثقة (Upper Limit): =(متوسط1 - متوسط2) + هامش_الخطأ

تكتسب قراءة فترة الثقة دلالة حاسمة؛ فإذا لم تتضمن فترة الثقة الرقم صفر بين حديها الأدنى والأعلى (أي كانت كلتا القيمتين موجبتين أو كلتاهما سالبتين)، فإن هذا يعد تأكيداً رياضياً قاطعاً على أن الفرق بين المتوسطين ذو دلالة إحصائية عند مستوى 0.05، وهو ما يتطابق دائماً مع قرارات اختبار ويلش المتخذة عبر قيم p.

8.3 حساب نسبة التباين المفسر (Eta Squared / r-squared)

يعد مؤشر "نسبة التباين المفسر" (Eta Squared - η²)، أو ما يُعرف بمعامل التحديد الإحصائي المماثل لمربع معامل الارتباط النقطي ثنائي السلسلة (r²)، أحد المقاييس التكاملية البارزة لحجم الأثر في تصاميم المقارنة بين المجموعات. يجيب هذا المقياس عن تساؤل جوهري وبالغ الأهمية في الدراسات السلوكية والنفسية: ما هي النسبة المئوية من التباين الكلي الملاحظ في درجات المتغير التابع التي يمكن عزوها وتفسيرها مباشرة بالانتماء إلى المجموعة التجريبية أو الضابطة (المتغير المستقل)؟

يمكن اشتقاق قيمة معامل التفسير الرياضي (r²) بسهولة مذهلة ومباشرة من واقع مخرجات اختبار t الصادرة في إكسيل دون الحاجة للرجوع إلى مصفوفات تحليل التباين الكلية، وذلك عبر تطبيق المعادلة التحويلية الكلاسيكية الشهيرة التي تربط قيمة t بدرجات حريتها المصححة:
r^2 = (t_stat^2) / (t_stat^2 + df)
ولتنفيذ ذلك داخل خلية إكسيل، يقوم الباحث بكتابة المعادلة المباشرة التالية:
=(خلية_t_Stat^2) / (خلية_t_Stat^2 + خلية_df).

تتراوح النتيجة المحسوبة دائماً بين 0 و 1.0، ويتم تحويلها لنسبة مئوية بضربها في 100 لتبسيط التفسير التطبيقي. فإذا بلغت قيمة r² المحسوبة 0.14، فإن هذا يعني رياضياً أن 14% من التشتت والتباين الإجمالي في استجابات الأفراد يعود مباشرة إلى تأثير المعالجة أو الاستراتيجية المطبقة، بينما تعود الـ 86% المتبقية إلى الفروق الفردية وعوامل الصدفة والخطأ العشوائي. وتُصنف قيم التباين المفسر استرشادياً إلى: 0.01 أثر ضعيف، 0.06 أثر متوسط، و 0.14 فما فوق أثر قوي وجوهري يدعم التوصيات الإكلينيكية والتربوية المبنية على نتائج الدراسة.

9. صياغة وتوثيق نتائج الاختبار وفق معايير جمعية علم النفس الأمريكية (APA)

9.1 قواعد كتابة نتائج اختبار ويلش وفق دليل APA الإصدار السابع

يشدد الإصدار السابع من دليل النشر العلمي الصادر عن جمعية علم النفس الأمريكية (APA 7th Edition) على معايير توثيقية صارمة لنقل نتائج الاختبارات الاستدلالية، تهدف إلى ضمان الشفافية الأكاديمية والصرامة الإحصائية وقابلية النتائج للمقارنة وإعادة الإنتاج العلمي المنهجي. وعند كتابة نتائج اختبار ويلش للتباينات غير المتساوية، تبرز قواعد محددة تتعلق بترميز الرموز الرياضية وتوثيق درجات الحرية الكسرية على وجه الخصوص.

يتم تدوين رمز الاختبار بحرف مائل t، يليه مباشرة بين قوسين قيمة درجات الحرية المصححة، متبوعة بعلامة المساواة، ثم قيمة إحصائية t المحسوبة مقربة إلى منزلتين عشريتين، ثم فاصلة متبوعة بالقيمة الاحتمالية p مقربة إلى ثلاث منازل عشرية. وتتميز تقارير اختبار ويلش بظهور درجات الحرية كأرقام كسرية عشرية تعكس تعديل ساتيرثويت؛ ويتطلب دليل APA توثيق هذه الكسور بدقة (مثلاً: t(28.43) = 3.12) بدلاً من تقريبها إلى أرقام صحيحة، للإشارة الضمنية المباشرة للقارئ بأن التحليل المنفذ قد استخدم نموذج ويلش المعدل لعدم تجانس التباين وليس النموذج الكلاسيكي المتجانس.

علاوة على ذلك، تحظر قواعد APA وضع الصفر قبل الفاصلة العشرية في كتابة القيمة الاحتمالية (تُكتب p = .023 وليس p = 0.023) نظراً لأن قيمة p مقيدة رياضياً ولا يمكن أن تتجاوز الواحد الصحيح أبداً. وفي حال أظهر إكسيل قيمة احتمالية متناهية الصغر يرمز لها بالترميز العلمي (مثل 3.45E-05)، يجب تجنب كتابة p = .000 نهائياً كخطأ شائع، بل يُستعاض عنها بالصيغة التوثيقية p < .001. كما يلزم الدليل الباحثين بضرورة تضمين حجم الأثر المصاحب وفترة الثقة للفرق (95% CI) ملاصقة لإحصائية t لاستكمال البنية الاستدلالية للتقرير الأكاديمي.

9.2 صياغة الفقرة التفسيرية للنتائج بأسلوب علمي رصين

يتطلب العرض الأكاديمي للنتائج صياغة سردية متكاملة تتجاوز مجرد سرد الرموز الرياضية الصامتة؛ حيث يجب ربط المؤشرات الاستدلالية بالمعنى النفسي أو التربوي الميداني للمتغيرات، وتقديم إجابة حاسمة وواضحة عن تساؤلات وفروض البحث. تبدأ الفقرة النموذجية بذكر الفحص الاستكشافي للتباين ومبرر استخدام نموذج ويلش، ثم الانتقال للمتوسطات والانحرافات المعيارية، وعرض إحصائية الاختبار وقيمتها الاحتمالية، واختتام الفقرة بتفسير حجم الأثر وفترات الثقة.

وفيما يلي نموذج تطبيقي مكتمل لصياغة فقرة تدعم وجود فروق ذات دلالة إحصائية:

"أظهرت نتائج فحص تجانس التباين وجود عدم تكافؤ دال بين تبايني المجموعتين عبر اختبار F، مما استوجب تطبيق اختبار ويلش لعينتين مستقلتين بافتراض عدم تساوي التباينات (Welch's t-test). كشفت النتائج عن وجود فرق ذي دلالة إحصائية بين درجات طلاب المجموعة التجريبية الذين درسوا بالاستراتيجية النشطة (M = 84.35, SD = 6.21) وطلاب المجموعة الضابطة الذين درسوا بالطريقة التقليدية (M = 72.10, SD = 14.85)؛ حيث بلغت قيمة t(27.64) = 3.82, p < .001. وبلغ الفرق بين المتوسطين 12.25 درجة، مع فترة ثقة 95% تراوحت بين [5.68, 18.82]. كما أشار حجم الأثر المحسوب بمؤشر كوهين دي المعدل إلى أثر كبير جداً (d = 1.08)، مما يؤكد التفوق الجوهري والفاعلية الميدانية العالية للاستراتيجية التعليمية النشطة."

أما في الحالات التي لا تتحقق فيها الدلالة الإحصائية، فيمكن صياغة التقرير وفق النموذج التالي:

"أشارت نتائج اختبار ويلش المستقل بتباينات غير متساوية إلى عدم وجود فرق ذي دلالة إحصائية بين متوسط درجات الذكور (M = 45.20, SD = 8.12) والإناث (M = 43.80, SD = 13.45) في مقياس التفكير الناقد، t(31.18) = 0.43, p = .672, 95% CI [-5.24, 8.04]. وقد أظهر حجم الأثر قيمة متناهية الصغر (d = 0.12)، مما يعكس عدم تمايز الأداء بين الجنسين في هذا المتغير بصورة تعزز قبول الفرضية الصفرية."

9.3 تصميم الجداول والمخططات البيانية لعرض الفروق وفق معايير النشر

تفرض معايير النشر الأكاديمي (APA Style) تصميماً محدداً للجداول يتميز بالبساطة والتجرد؛ حيث تُمنع الخطوط العمودية الفاصلة داخل الجدول تماماً، ويقتصر التنسيق البصري على ثلاثة خطوط أفقية رئيسية فقط: خط أعلى ترويسة الجدول، وخط أسفل الترويسة للفصل بينها وبين البيانات، وخط ختامي في قاع الجدول للفصل بين البيانات والملاحظات التفسيرية المدونة في الأسفل (Notes).

ولتحقيق هذا المظهر داخل إكسيل، يتم نقل المخرجات إلى جدول مخصص يحتوي الأعمدة التالية: المتغير / المجموعة، حجم العينة (N)، المتوسط (M)، الانحراف المعياري (SD)، قيمة t المعدلة، درجات الحرية (df)، القيمة الاحتمالية (p)، ومؤشر حجم الأثر (d). يتم تنسيق الجدول بإلغاء كافة الحدود الداخلية، وتطبيق التظليل للخطوط الأفقية الثلاثة فقط بلون أسود دقيق، مع محاذاة النصوص إلى اليمين والأرقام إلى المنتصف لضمان الوضوح البصري وسهولة القراءة العلمية.

أما على صعيد التمثيل البياني، فإن المخطط الأمثل لتمثيل نتائج اختبار t وفق معايير APA هو مخطط الأعمدة البيانية (Bar Chart) المعزز بأشرطة الخطأ المعياري (Standard Error Bars). يتم إنشاء المخطط بتحديد متوسطي المجموعتين وإدراج رسم بياني عمودي ثنائي الأبعاد، ثم إزالة خطوط الشبكة الخلفية، وتلوين الأعمدة بدرجات رمادية أو ألوان أكاديمية محايدة. ومن ثم، يتم النقر على الأعمدة والانتقال إلى خيارات عناصر المخطط لإضافة "أشرطة الخطأ" (Error Bars)، وتحديد خيار "مخصص" (Custom) وتمرير قيم الخطأ المعياري المحسوبة بدقة لكل مجموعة على حدة. يمنح هذا التمثيل البصري قارئ البحث رؤية فورية وشاملة لموقع المتوسطات وتمدد تشتت البيانات والأخطاء المعيارية المحيطة بها.

10. الأخطاء المنهجية والتقنية الشائعة وكيفية تجنبها في إكسيل

10.1 الخلط بين نوعي اختبار t للعينات المستقلة والارتباطية

يعد الخلط بين تصميمات القياس المستقلة والتصميمات المرتبطة أحد أكثر الانزلاقات المنهجية خطورة وشيوعاً بين طلاب الدراسات العليا والباحثين المبتدئين عند استخدام بيئة إكسيل التحليلية. يتمثل جوهر هذا الخطأ في استخدام أداة التباينات غير المتساوية المخصصة للعينات المستقلة في معالجة بيانات مأخوذة من نفس الأفراد في سياق القياس القبلي والبعدي (Pretest-Posttest Design)، أو العكس باختيار أداة Paired Two Sample لمعالجة مجموعتين مختلفتين تماماً من الأفراد.

ينبع هذا الخطأ التقني من تشابه مظهر البيانات في ورقة العمل؛ حيث تظهر البيانات دائماً في عمودين متجاورين في الحالتين. غير أن التداعيات الإحصائية لهذا الخلط كارثية بكل المقاييس؛ فاختبار العينات المرتبطة (Paired t-test) يستند رياضياً إلى حساب الفروق الفردية المباشرة لكل مشارك بين القياسين (D = X1 - X2)، مما يزيل تباين الفروق الفردية الكلية بين الأفراد من مقام المعادلة، رافعاً بذلك القوة الإحصائية للاختبار إلى مستويات عالية جداً لاكتشاف التغير الطفيف.

عندما يطبق الباحث اختبار العينات المستقلة غير المتساوية بالخطأ على بيانات قياس قبلي وبعدي مرتبطة، فإنه يتجاهل تماماً الارتباط الداخلي الوثيق بين قياسات الفرد نفسه، مما يضخم مقام الخطأ المعياري بصورة مفرطة، ويؤدي بالتالي إلى إخفاء الفروق الحقيقية الفعالة للبرامج التدخلية والوقوع في شرك الخطأ من النوع الثاني (Type II Error). ولتفادي هذا العطب، يجب على المحلل ترسيخ قاعدة بديهية: إذا كانت الدرجات في الصف الأفقي الواحد تخص نفس الكائن البشري، فالاختبار حتماً هو Paired t-test، أما إذا كان المفحوص في العمود A شخصاً مختلفاً كلياً عن المفحوص في العمود B، فالمسار المنهجي الإلزامي هو اختبار العينات المستقلة.

10.2 الاعتماد الخاطئ على افتراض التباين المتساوي تلقائياً

يميل العديد من الباحثين إلى تشغيل الخيار t-Test: Two-Sample Assuming Equal Variances بشكل روتيني وتلقائي دون تكليف أنفسهم عناء فحص التباين الاستكشافي، انطلاقاً من اعتقاد مغلوط وشائع بأن الحواسيب البرمجية تتكفل بمعالجة التفاوت تلقائياً، أو ظناً بأن تساوي أحجام العينات يعفي بالكامل من شرط تجانس التباينات. وتزداد هذه المشكلة تفاقماً في الدراسات التربوية التي تتعامل مع عينات غير متكافئة التباين والأحجام بشكل بنيوي حاد.

تثبت الدراسات الإحصائية الاستدلالية باستخدام محاكاة مونت كارلو (Monte Carlo Simulations) أن الاعتماد على اختبار التباين المتساوي عند وجود عدم تكافؤ حقيقي في التشتت، مقترناً باختلاف في أحجام العينات، يؤدي إلى انهيار استقرار معدلات ألفا؛ حيث يمكن لمستوى الدلالة الحقيقي أن يقفز من 0.05 إلى مستويات تتجاوز 0.28 عند تباين الأحجام العكسي مع التباين، مما يحول التحليل الإحصائي برمته إلى مجرد مقامرة رياضية غير موثوقة تضلل صانعي القرار الإكلينيكي والتربوي.

إن أفضل الممارسات المنهجية الاستباقية لتجنب هذا الانزلاق تتطلب فحص التباين دائماً كخطوة أولى إلزامية عبر اختبار F أو قاعدة نسبة التباين. بل إن كبار المنهجيين في الإحصاء التطبيقي الحديث ينصحون بالتخلي التام عن نموذج التباين المتساوي، واعتماد نموذج ويلش للتباينات غير المتساوية (Welch's t-test) كاختيار افتراضي وحيد وثابت لكافة مقارنات العينات المستقلة؛ إذ لا ينجم عنه أي ضرر إحصائي عند تساوي التباينات، بينما يوفر طوق نجاة رياضي متين يحمي مصداقية البحث في حال عدم تحققها.

10.3 الأخطاء الرياضية في تحديد نطاقات الخلايا والمدخلات في إكسيل

تشكل الأخطاء الإجرائية أثناء إدخال المعلمات وضبط النطاقات داخل نوافذ إكسيل مصدراً رئيسياً لفشل التحليلات أو خروج نتائج مضللة بصمت دون أن يدرك المستخدم وقوع خطأ فني. ومن أبرز هذه الإخفاقات الشائعة إدراج خلايا نصية أو فراغات غير نظيفة ضمن نطاقات البيانات الرقمية دون قصد؛ فبينما يستبعد إكسيل الخلايا الفارغة الحقيقية تلقائياً، فإن وجود مسافة فارغة ناتجة عن النقر على مسطحة المفاتيح (Spacebar) داخل خلية تبدو فارغة يجعل البرنامج يعاملها كنص، مما يؤدي إما لتعطل العملية بظهور رسالة خطأ، أو استبعاد حالات بطريقة غير مقصودة تغير نتائج الحساب.

الخطأ التقني الثاني شديد التكرار يتعلق بمربع الاختيار "تسميات" (Labels). فإذا قام الباحث بتظليل عمود البيانات متضمناً رأس العمود النصي (مثلاً من A1 إلى A30) ولم يقم بتفعيل خيار "تسميات"، سيرى رسالة خطأ مزعجة تفيد بأن "Input range contains non-numeric data". والأسوأ من ذلك يحدث عندما يظلل البيانات متجاهلاً رأس العمود (مثلاً يبدأ التظليل من الدرجة الرقمية الأولى A2 إلى A30) ولكنه ينقر بالخطأ على تفعيل خيار "تسميات"؛ في هذه الحالة سيتعامل البرنامج مع الدرجة الرقمية الأولى للمشارك الأول في الخلية A2 كاسم للمتغير، ويستبعدها تماماً من التحليل الحسابي، مما يؤدي إلى تشويه حجم العينة وخفض المتوسط وتغيير قيمة t دون أن يكتشف المستخدم وقوع الخطأ!

وأخيراً، يقع الباحثون في خطأ التحديد غير المتسق للاتجاهية في دالة T.TEST؛ حيث يضع البعض الرقم 1 في وسيطة الذيول (tails) مع صياغة فرضيات صفرية غير موجهة، مما يقسم القيمة الاحتمالية الناتجة إلى النصف بصورة غير مشروعة تظهر فروقاً كاذبة لم يثبتها البحث علمياً، أو يضع الرقم 2 في نوع الاختبار (type) ظناً منه أنه يمثل التباين غير المتساوي بينما الرقم الصحيح المطلوب هو 3. يتطلب تلافي هذه المنزلقات فحصاً برمجياً دقيقاً لكل صيغة ومطابقة أعداد الحالات في المخرجات بملفات الحصر الميدانية الأصلية.

11. دراسة حالة تطبيقية: مقارنة فاعلية استراتيجيتين للتدريس الجامعي

11.1 عرض سياق الدراسة النفسية التربوية وبيانات العينات

لتجسيد كافة المفاهيم النظرية والإجراءات التقنية المشروحة سابقاً في سياق واقعي متكامل، نستعرض دراسة تطبيقية أجريت في قسم علم النفس التربوي بإحدى الجامعات؛ حيث استهدفت التجربة فحص وتقييم فاعلية استراتيجية جديدة قائمة على "التعلم القائم على حل المشكلات في بيئة تعاونية" (PBL) مقارنة بـ "طريقة المحاضرة التقليدية المباشرة" في تنمية مهارات التفكير التحليلي لدى طلاب السنة الأولى الجامعية.

تم تطبيق التجربة على شعبتين دراسيتين مختلفتين؛ حيث تلقت الشعبة الأولى المكونة من 15 طالباً التدريس وفق الاستراتيجية التعاونية الحديثة (المجموعة التجريبية)، بينما تلقت الشعبة الثانية المكونة من 12 طالباً التدريس بالطريقة التقليدية (المجموعة الضابطة). وفي ختام الفصل الدراسي، خضع جميع الطلاب لاختبار تحليلي موحد تم قياس درجاته على مقياس متصل من 0 إلى 100 نقطة. تعكس هذه التجربة الميدانية نموذجاً حياً للعينات المستقلة ذات الأحجام غير المتساوية في بيئة تعليمية حقيقية.

تمت صياغة الفرضيات الإحصائية للدراسة بأسلوب دقيق لاختبار الأثر المعرفي:

• الفرضية الصفرية (H0): لا توجد فروق ذات دلالة إحصائية بين متوسط درجات طلاب استراتيجية حل المشكلات التعاونية ومتوسط درجات طلاب طريقة المحاضرة التقليدية في اختبار التفكير التحليلي (μ1 = μ2).
• الفرضية البديلة (H1): توجد فروق ذات دلالة إحصائية بين متوسط درجات طلاب استراتيجية حل المشكلات التعاونية ومتوسط درجات طلاب طريقة المحاضرة التقليدية في اختبار التفكير التحليلي (μ1 ≠ μ2).

وقد رُتبت البيانات الخام المستخلصة داخل ورقة عمل إكسيل كما هو مبين في الجدول التالي:

المشارك	طريقة حل المشكلات (المجموعة التجريبية)	طريقة المحاضرة (المجموعة الضابطة)
1	88	65
2	92	78
3	85	55
4	90	82
5	87	60
6	94	72
7	89	58
8	91	80
9	86	66
10	93	50
11	88	75
12	95	68
13	84	-
14	90	-
15	89	-

11.2 تطبيق خطوات التحليل خطوة بخطوة على مجموعة البيانات

بدأ التحليل بفحص تباين المجموعتين للتحقق من شرط التجانس؛ أظهرت الحسابات عبر دالة =VAR.S(B2:B16) للمجموعة التجريبية تبايناً صغيراً مقداره 11.07 (بانحراف معياري 3.33)، مما يعكس تقارباً شديداً واستجابة متجانسة للطلاب تحت بيئة التعلم النشط. في المقابل، أسفرت الدالة =VAR.S(C2:C13) للمجموعة الضابطة عن تباين ضخم بلغ 111.97 (بانحراف معياري 10.58)، مما يشير إلى تشتت هائل في استيعاب الطلاب للمحاضرات التقليدية. بتطبيق قاعدة نسبة التباين، نقسم التباين الأكبر على الأصغر: 111.97 / 11.07 = 10.11. ونظراً لأن هذه النسبة تجاوزت القيمة 4 بشكل مضاعف، تأكد سقوط فرضية تجانس التباينات بصورة قاطعة، مما فرض حتمية تطبيق اختبار ويلش.

انتقل الباحث إلى تبويب "بيانات" (Data) وضغط على "تحليل البيانات" (Data Analysis)، ثم حدد الأداة t-Test: Two-Sample Assuming Unequal Variances. في النافذة الحوارية، حُدد نطاق المتغير الأول بالخلايا $B$1:$B$16، ونطاق المتغير الثاني بالخلايا $C$1:$C$13، وفُعّل مربع "تسميات" (Labels). تُرك حقل الفرق المفترض خالياً لافتراض القيمة صفر، وضُبطت ألفا على 0.05، مع توجيه المخرجات إلى ورقة عمل جديدة. وقد أنتج البرنامج التقرير الإحصائي الدقيق المبين في الجدول التالي:

t-Test: Two-Sample Assuming Unequal Variances
المؤشر الإحصائي	طريقة حل المشكلات (التجريبية)	طريقة المحاضرة (الضابطة)
Mean (المتوسط الحسابي)	89.467	67.417
Variance (التباين)	11.071	111.969
Observations (عدد المشاهدات)	15	12
Hypothesized Mean Difference	0
df (درجات الحرية المصححة)	13
t Stat (إحصائية t المحسوبة)	7.021
P(T<=t) one-tail (القيمة الاحتمالية أحادية الذيل)	4.12E-06
t Critical one-tail (القيمة الحرجة أحادية الذيل)	1.771
P(T<=t) two-tail (القيمة الاحتمالية ثنائية الذيل)	8.24E-06
t Critical two-tail (القيمة الحرجة ثنائية الذيل)	2.160

11.3 مناقشة النتائج واتخاذ القرار الأكاديمي

تكشف القراءة الاستدلالية المتأنية للمصفوفة الرقمية المستخرجة عن تفوق نوعي وجوهري لطلاب استراتيجية حل المشكلات التعاونية؛ حيث بلغ متوسط درجاتهم 89.47 مقارنة بمتوسط 67.42 لطلاب الطريقة التقليدية، محققين فارقاً مطلقاً شاسعاً قدره 22.05 درجة لصالح الاستراتيجية النشطة. وقد أظهرت إحصائية الاختبار قيمة t مرتفعة جداً بلغت t(13) = 7.02، متجاوزة بمراحل القيمة الحرجة المحددة عند 2.16.

وبالنظر إلى القيمة الاحتمالية ثنائية الذيل، نجد أن إكسيل قد أظهر الرقم بالترميز العلمي 8.24E-06، وهو ما يترجم رياضياً إلى 0.00000824، وهي قيمة متناهية في الصغر وأقل بكثير من عتبة الدلالة المعتمدة (p < .001). وبناءً على هذه المعطيات القاطعة، يتخذ الباحث قراره برفض الفرضية الصفرية وقبول الفرضية البديلة، مؤكداً وجود فروق ذات دلالة إحصائية فائقة لصالح استراتيجية حل المشكلات التعاونية.

ولتقييم البعد التطبيقي، أظهرت حسابات كوهين دي المعدلة حجماً أثرياً استثنائياً بلغ d = 2.76، مع نسبة تباين مفسر بلغت η² = 0.79 (مما يعني أن الاستراتيجية التدريسية مسؤولة بمفردها عن تفسير 79% من التباين في مهارات التفكير التحليلي للطلاب). تقود هذه النتائج إلى تقديم توصيات أكاديمية ملزمة لصناع القرار التربوي في التعليم الجامعي بضرورة تعميم وتطبيق استراتيجيات التعلم القائم على حل المشكلات في المقررات المعرفية المعقدة، والتحول التدريجي عن أساليب الإلقاء التقليدية التي ثبت مخبرياً ارتباطها بضعف الأداء العام وتباين التشتت المعرفي بين المتعلمين.

12. أفضل الممارسات والبدائل المتقدمة عند انتهاك الافتراضات

12.1 متى يجب التوقف عن استخدام اختبار t واللجوء للاختبارات اللامعلمية؟

على الرغم من الصلابة الرياضية والمناعة الفائقة التي يتمتع بها اختبار ويلش (Welch's t-test) وقدرته المثبتة على التكيف مع التباينات غير المتساوية والانحرافات الطفيفة عن التوزيع الطبيعي، إلا أن هناك حدوداً منهجية فاصلة يفرض معها الواقع الإحصائي التوقف التام عن استخدام كافة الاختبارات البارامتريّة، والتحول نحو الإحصاء اللامعلمي (Non-parametric Statistics).

يتعين هذا التحول الحاسم عندما يقترن صغر حجم العينات (أقل من 10 إلى 15 مشاركاً في كل مجموعة) بانتهاك صارم وحاد لشرط التوزيع الطبيعي—مثل ظهور التواء حاد (Skewness > ±2.0) أو وجود تفرطح شاذ لا يمكن علاجه، أو عندما تكون البيانات التابعة مقاسة على مستوى ترتيبي رتبي (Ordinal Scale) مثل درجات مقاييس ليكرت الرتبية الفردية التي لا يمكن معاملتها منهجياً كفواصل عددية حقيقية متساوية. في هذه البيئات المقيدة، تصبح النماذج المبنية على المتوسطات الحسابية والمربعات التباينية مضللة للغاية وفاقدة للصلاحية الحسابية.

في مثل هذه الحالات، يبرز اختبار مان-ويتني (Mann-Whitney U Test)—والمكافئ لاختبار ولكوكسون لرتب المجموعات (Wilcoxon Rank-Sum Test)—كالخيار اللامعلمي البديل والمثالي لاختبار ويلش. يعمل هذا الاختبار على استبدال الدرجات الخام برتبها المتسلسلة التراكمية، مما يجعله محصناً بالكامل ضد تأثير القيم المتطرفة والشاذة وغير متأثر بتشوهات التوزيع أو عدم تساوي التباينات؛ إذ يقارن توزيع الرتب والوسيط الحسابي للمجموعتين بدلاً من المتوسطات، موفراً تقييماً دقيقاً وموثوقاً للفروق دون الوقوع في أخطاء القرارات الإحصائية الزائفة.

12.2 التكامل بين إكسيل والبرمجيات الإحصائية المتقدمة (SPSS و R)

يمثل برنامج مايكروسوفت إكسيل منصة لا نظير لها في عمليات الإدخال الأولي للبيانات، والتدقيق والفرز، والتنظيف الرقمي، وإجراء الحسابات الاستكشافية السريعة والتحليلات البسيطة. غير أن الباحث المنهجي يجب أن يدرك الحدود الوظيفية للبرنامج متى ما تعقدت التصميمات التجريبية أو دعت الحاجة لنمذجة متعددة المتغيرات، مما يفرض ضرورة بناء جسر تكاملي بين إكسيل والبرمجيات الإحصائية التخصصية المتقدمة مثل IBM SPSS ولغة البرمجة الإحصائية R.

تتمثل إحدى أهم صور هذا التكامل في استثمار مرونة إكسيل لتجهيز ملفات البيانات بتنسيقات قياسية مثل .xlsx أو .csv، ثم استيرادها مباشرة إلى برنامج SPSS أو حزم بيئة R الإحصائية (مثل دالة t.test(x, y, var.equal = FALSE) التي تطبق اختبار ويلش كخيار افتراضي أولي). والجدير بالملاحظة أن النتائج الصادرة عن اختبار ويلش في إكسيل تتطابق بالكامل حتى الفواصل الدقيقة مع النتائج التي تظهر في جدول Independent Samples Test في برنامج SPSS تحت صف Equal variances not assumed، باستثناء أن البرمجيات التخصصية تعرض درجات الحرية بالكسور العشرية، وتوفر فترات الثقة وأحجام الأثر تلقائياً ضمن جدول المخرجات الرئيسي.

يتيح هذا الفهم التكاملي للباحث الاستفادة القصوى من سرعة إكسيل في معالجة الحسابات اليومية ووضع التصورات الأولية، مع الاحتفاظ بإمكانية التصدير السلس والمباشر إلى البيئات الإحصائية الأعمق لإجراء اختبارات كولموجروف-سمرنوف للتوزيع الطبيعي، أو بناء نماذج الانحدار الخطي متعدد المستويات، أو تنفيذ التحليلات اللامعلمية الصارمة التي تتجاوز قدرات الدوال المدمجة في إكسيل.

12.3 دليل إرشادي سريع للباحثين لضمان جودة التحليل الإحصائي

لضمان أعلى درجات النزاهة الأكاديمية والصرامة الإحصائية في معالجة البيانات السلوكية والتربوية، نختتم هذا الدليل بقائمة تدقيق منهجية سريعة مكونة من خمس خطوات إجرائية حاسمة يجب على الباحث استيفاؤها بدقة قبل اعتماد وتدوين نتائج اختبار t في تقريره النهائي:

1. التشخيص الاستكشافي للبيانات: فحص مصفوفة البيانات بدقة عبر الرسوم الصندوقية ودوال SKEW و KURT للتأكد من خلوها من القيم المتطرفة الشاذة أو الالتواء الحاد، والتأكد من نقاء النطاقات من الفراغات النصية غير المرئية.
2. التحقق الرسمي من شرط التجانس: حساب التباينات باستخدام دالة VAR.S وتطبيق قاعدة نسبة التباين أو اختبار F-Test؛ فإذا زادت النسبة عن 4 أو بلغت قيمة p للاختبار أقل من 0.05، يتم التوجه الإلزامي لاختبار التباين غير المتساوي.
3. الضبط التقني الدقيق للمدخلات: التأكد التام من تحديد نطاقات المتغيرات بشكل صحيح داخل النافذة الحوارية، ومطابقة تفعيل خيار "تسميات" (Labels) مع وجود أسماء الأعمدة في الصف الأول لتفادي أخطاء القراءة الحسابية.
4. الحساب التكاملي لمؤشرات الأثر والثقة: عدم الاكتفاء بالدلالة الإحصائية (p-value)، والالتزام بحساب حجم الأثر كوهين دي المصحح (Cohen's d) وتحديد فترات الثقة 95% لفروق المتوسطات لدعم الأهمية التطبيقية للنتائج.
5. الشفافية في التوثيق وفق معايير APA: كتابة التقرير النهائي بأسلوب أكاديمي شفاف يوضح بوضوح مبررات استخدام اختبار ويلش، وتدوين درجات الحرية الكسرية الناتجة بدقة، وتقديم البيانات في جداول ورسوم بيانية موحدة تستوفي معايير النشر الدولية.

إن اتباع هذه القواعد المنهجية الخمس يحصن الباحث ودراسته من الوقوع في شرك النتائج المزيفة، ويمنح المجتمع العلمي ثقة راسخة في الاستنتاجات النظرية والتطبيقية المترتبة على التحليل الإحصائي المنفذ عبر برنامج إكسيل.

خاتمة

يمثل اختبار t للعينتين المستقلتين بافتراض عدم تساوي التباينات (اختبار ويلش) حلاً رياضياً ومنهجياً رفيع المستوى لواحدة من أعقد المشكلات التي تواجه التحليل الإحصائي في بحوث العلوم الإنسانية والنفسية والتربوية. إن إدراك الباحث بأن التباينات الطبيعية في السلوك الإنساني نادراً ما تتطابق، والتعامل مع هذا الواقع بشفافية عبر تشخيص البيانات واختيار النماذج المصححة، يمثل جوهر الممارسة العلمية الرصينة. يوفر برنامج مايكروسوفت إكسيل، بقدراته البرمجية المدمجة في حزمة التحليل والدوال الرياضية المتقدمة، منصة قوية ودقيقة لإنجاز هذه التحليلات بأعلى مستويات الموثوقية متى ما اقترنت بوعي منهجي دقيق بالمدخلات، والمحددات، وقواعد التفسير الأكاديمي الصارم.

المراجع

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.

Delacre, M., Lakens, D., & Leys, C. (2017). Why psychologists should by default use Welch's t-test instead of Student's t-test. International Review of Social Psychology, 30(1), 92–101. https://doi.org/10.5334/irsp.82

Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.

Hayes, A. F., & Cai, L. (2007). Further evaluating the conditional process model: Testing hypotheses of conditional mediation and moderation. Psychological Methods, 12(1), 44–65.

Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863. https://doi.org/10.3389/fpsyg.2013.00863

Microsoft Corporation. (2024). Perform a t-test in Excel with the Analysis ToolPak. Microsoft Support. https://support.microsoft.com

Ruxton, G. D. (2006). The unequal variance t-test is an underused alternative to Student's t-test and the Mann–Whitney U test. Behavioral Ecology, 17(4), 688–690. https://doi.org/10.1093/beheco/ark016

Satterthwaite, F. E. (1946). An approximate distribution of estimates of variance components. Biometrics Bulletin, 2(6), 110–114. https://doi.org/10.2307/3002019

Welch, B. L. (1947). The generalization of 'Student's' problem when several different population variances are involved. Biometrika, 34(1/2), 28–35. https://doi.org/10.2307/2332510