كيفية إجراء اختبار t لعينتين في برنامج Stata

يُعد اختبار t لعينتين مستقلتين (Two-Sample Independent t-test) أحد أكثر الأساليب الإحصائية المعلمية شيوعاً ورسوخاً في حقول العلوم النفسية، الاجتماعية، والتربوية، بالإضافة إلى الدراسات الوبائية والاقتصادية التطبيقية. تنبع المكانة المركزية لهذا الاختبار من قدرته المنهجية على تقديم برهان كمي حاسم حول ما إذا كان الفرق الملاحظ بين متوسطي مجموعتين إحصائيتين يعكس تبايناً حقيقياً وأصيلاً في المجتمع الإحصائي المسحوب منه العينات، أم أنه مجرد نتاج للتقلبات العشوائية وخطأ المعاينة (Sampling Error). ومع تعاظم حجم البيانات الاستقصائية والتجريبية، أضحى الاعتماد على الحزم البرمجية الرصينة ضرورة منهجية لا غنى عنها لضمان دقة الحسابات، وسرعة استخلاص المؤشرات، وقابلية إعادة الإنتاج العلمي.

تتصدر بيئة البرمجيات الإحصائية Stata المنظومات المفضلة لدى الباحثين والأكاديميين حول العالم بفضل جمعها الاستثنائي بين واجهات الأوامر السطرية القوية والمرنة (Command-Line Interface)، والتحكم الصارم في معالجة البيانات الضخمة، ودقة الخوارزميات المدمجة. يوفر برنامج Stata منظومة متكاملة لا تقتصر على مجرد إجراء اختبار t الكلاسيكي فحسب، بل تمتد لتشمل حزمة تشخيصية واسعة للتحقق من الافتراضات المسبقة، وإجراء التعديلات التصحيحية عند انتهاك التجانس، واستخراج مقاييس أحجام الأثر، وتصدير النتائج في جداول قياسية متوافقة مع أرقى معايير النشر الأكاديمي الدولي الصادرة عن جمعية علم النفس الأمريكية (APA).

يقدم هذا الدليل المرجعي الشامل تفصيلاً معمقاً وممنهجاً لكيفية تطبيق اختبار t لعينتين مستقلتين في برنامج Stata، بدءاً من الأطر الرياضية والمفاهيمية الحاكمة للاختبار، مروراً ببروتوكولات فحص البيانات بصرياً وإحصائياً، وصولاً إلى كتابة التقرير النهائي بأسلوب علمي رصين. إن فهم الفلسفة الكامنة خلف مخرجات البرنامج، والقدرة على قراءة أدق تفاصيل جداول النتائج، يشكلان الفارق الحقيقي بين التطبيق الآلي السطحي والتحليل الإحصائي الواعي القادر على إثراء الأدبيات العلمية باستنتاجات موثوقة وقابلة للتعميم.

1. الأسس النظرية والمفاهيمية لاختبار t لعينتين مستقلتين

1.1 التعريف الرياضي والمنطق الإحصائي للاختبار

يقوم المنطق الإحصائي لاختبار t للعينات المستقلة على مقارنة النسبة بين الفرق الفعلي الملاحظ بين متوسطي عينتين (المتغير في البسط) ومقدار التشتت المتوقع الناتج عن خطأ المعاينة المعياري (المتغير في المقام). يهدف هذا الإجراء إلى اختبار فرضية حول المعلمة المجتمعية، حيث يتم فحص ما إذا كان المجتمعان المسحوب منهما العينات يشتركان في نفس المتوسط الحسابي الحقيقي. في الصيغة الرياضية، يُعبر عن إحصاء t بالمعادلة التي تقسم الفرق بين متوسط المجموعة الأولى ومتوسط المجموعة الثانية على الخطأ المعياري لفرق المتوسطين. هذا الخطأ المعياري يمثل الانحراف المعياري للتوزيع العيني لفروق المتوسطات في ظل افتراض صحة الفرضية الصفرية.

تتطلب الصياغة الإحصائية الدقيقة تحديد فرضيتين متنافستين: الفرضية الصفرية (Null Hypothesis – H0) والتي تنص بصورة قطعية على عدم وجود فروق ذات دلالة إحصائية بين متوسطي المجتمعين (أي أن الفرق يساوي صفراً)، والفرضية البديلة (Alternative Hypothesis – H1) التي تقترح وجود فرق حقيقي. يمكن صياغة الفرضية البديلة بصورة ثنائية الاتجاه (Two-tailed) إذا كان الباحث يختبر وجود أي فرق بغض النظر عن اتجاهه، أو أحادية الاتجاه (One-tailed) إذا كانت الأدبيات النظرية تدعم فرضية موجهة مسبقاً تفترض تفوق مجموعة معينة على الأخرى.

يرتبط إحصاء t ارتباطاً وثيقاً بمفهوم درجات الحرية (Degrees of Freedom – df)، والتي تعبر عن عدد القيم الحرة في التباين داخل التحليل بعد تثبيت المعالم المقدرة. في سياق اختبار t للعينات المستقلة القياسي ذي التباينات المتساوية، تُحسب درجات الحرية الإجمالية بطرح 2 من مجموع حجمي العينتين (df = N1 + N2 – 2). يحدد هذا الرقم شكل توزيع t الاحتمالي الخاص بالدراسة، والذي يقترب تدريجياً من التوزيع الطبيعي المعياري مع زيادة حجم العينة ودرجات الحرية المقابلة لها.

1.2 التمييز بين العينات المستقلة والعينات المترابطة

يعد التمييز بين العينات المستقلة (Independent Samples) والعينات المترابطة أو المزدوجة (Paired/Related Samples) ركيزة جوهرية في التصميم التجريبي والإحصائي، حيث يؤدي الخلط بينهما إلى أخطاء فادحة في حساب القوة الإحصائية ومعدلات الخطأ. تُصنف العينات كمجموعات مستقلة تماماً عندما يكون تخصيص أي فرد في المجموعة الأولى مستقلاً احصائياً عن تخصيص أي فرد في المجموعة الثانية، بحيث لا توجد أي علاقة قرابة، أو تشابه مدروس، أو قياسات متكررة على نفس الأفراد عبر الزمن. في المقابل، تشمل العينات المترابطة تصاميم القياس القبلي والبعدي (Pretest-Posttest Designs) على نفس المبحوثين أو تصاميم الأزواج المتطابقة (Matched Pairs).

يمارس نوع التصميم تأثيراً مباشراً على القوة الإحصائية (Statistical Power) ونوع المعادلة الرياضية المستخدمة؛ فالتصاميم المترابطة تقوم بضبط التباين الفردي الداخلي (Within-Subject Variance)، مما يقلل من مقدار الخطأ المعياري في المقام ويزيد من حساسية الاختبار لرصد الفروق البسيطة. أما اختبار العينات المستقلة، فيعتمد على تقدير التباين بين المجموعات والتباين داخلها، مما يتطلب حجماً أكبر من العينات لتعويض أثر التباينات الفردية الطبيعية بين المشاركين المختلفين في المجموعتين.

تزخر البحوث النفسية والسلوكية بنماذج متعددة للمتغيرات المستقلة ثنائية التصنيف التي تفرض استخدام اختبار العينات المستقلة. من أبرز هذه الأمثلة مقارنة مستويات القلق الاجتماعي بين الذكور والإناث، أو دراسة الفروق في مهارات التكيف الأكاديمي بين الطلاب المقيمين في السكن الجامعي والطلاب القاطنين مع أسرهم، أو تقييم الفروق في سرعة معالجة المعلومات بين الأفراد الذين يمارسون ألعاب الفيديو بانتظام وأولئك الذين لا يمارسونها مطلقاً. في كل هذه السيناريوهات، يشكل الأفراد في كل مستوى من مستويات المتغير المستقل مجتمعاً منفصلاً تماماً في بنية الملاحظة الميدانية.

1.3 أهمية ودواعي استخدام اختبار t في التحليل النفسي والاجتماعي

يمثل اختبار t لعينتين الأداة المعيارية والنموذجية الأولى لتقييم فاعلية البرامج التدخلية والتجريبية في العلوم الإنسانية. في الدراسات السريرية والنفسية، يتم تقسيم المشاركين عشوائياً إلى مجموعتين: مجموعة تجريبية تتلقى بروتوكولاً علاجياً مستحدثاً (مثل العلاج المعرفي السلوكي المطور)، ومجموعة ضابطة تتلقى تدخلاً تقليدياً أو علاجاً وهمياً (Placebo). يسمح اختبار t للباحث بالتحقق مما إذا كان التحسن الملاحظ في المؤشرات النفسية (مثل انخفاض حدة أعراض الاكتئاب) عائداً بشكل دال إلى التدخل العلاجي ذاته مقارنة بالمجموعة الضابطة.

يمتد نطاق استخدام الاختبار ليشمل الدراسات المسحية والاستكشافية الهادفة إلى رصد الفروق الديموغرافية والاجتماعية في الأنماط السلوكية والاتجاهات القيمية. يستخدم الباحثون هذا الاختبار لفحص التمايزات الطبقية، أو الفروق بين القطاعين العام والخاص في الرضا الوظيفي، أو التباين في معدلات الاحتراق النفسي بين العاملين في الرعاية الصحية الأولية مقارنة بالعاملين في أقسام الطوارئ. يتيح الاختبار تحويل الملاحظات النظرية المجردة إلى تقديرات رقمية قابلة للاختبار والتمحيص الإمبريقي.

على الرغم من القيمة المنهجية الكبرى للاختبار، إلا أن هناك محددات صارمة تحكم استخداماته وتحد من إمكانية تعميم نتائجه. لا يستطيع اختبار t معالجة المتغيرات المستقلة التي تشتمل على أكثر من مستويين تصنيفيين (حيث يتطلب ذلك استخدام تحليل التباين الأحادي ANOVA لمنع تضخم خطأ النوع الأول)، كما أنه يعجز عن النمذجة المعقدة للعلاقات غير الخطية أو التفاعلية التي تتطلب نماذج الانحدار المتعدد. علاوة على ذلك، فإن الدلالة الإحصائية الناتجة عن الاختبار لا تعني بالضرورة وجود دلالة عملية أو إكلينيكية، ما لم يتم إسنادها بحسابات أحجام الأثر وفترات الثقة الدقيقة.

2. الافتراضات الإحصائية والشروط المسبقة للاختبار

2.1 افتراض الاستقلالية ومستوى قياس المتغيرات

يعد افتراض استقلالية المشاهدات (Independence of Observations) الشرط الأكثر خطورة وأهمية في البنية الإحصائية لاختبار t. يعني هذا الافتراض رياضياً ومنهجياً أن قيمة أي مشاهدة مسجلة لأحد الأفراد لا تؤثر ولا تتأثر بأي شكل من الأشكال بقيم المبحوثين الآخرين، سواء داخل المجموعة الواحدة أو عبر المجموعتين. يؤدي انتهاك هذا الافتراض—كما يحدث في حالات العمل الجماعي التعاوني داخل الفصول الدراسية أو تكرار قياس نفس الأفراد—إلى تشويه جسيم في قيمة الخطأ المعياري، مما ينتج عنه معدلات مرتفعة جداً من الأخطاء الاستدلالية التي لا يمكن تصحيحها بالتحويلات الرياضية اللاحقة.

يتطلب الاختبار شروطاً دقيقة بخصوص مستوى قياس المتغيرات الداخلة في النموذج. يجب أن يكون المتغير التابع (Dependent Variable) مقاساً على مستوى متصل، أي أن ينتمي لمستوى القياس الفتري (Interval Scale) كدرجات مقاييس الذكاء والاتجاهات، أو مستوى القياس النسبي (Ratio Scale) كزمن الرجع، أو الدخل الشهري، أو عدد ساعات النوم. تضمن طبيعة المتغيرات المتصلة إمكانية حساب المتوسط الحسابي والانحراف المعياري بوصفهما معالم إحصائية معبرة وذات معنى رياضي سليم.

في المقابل، يشترط في المتغير المستقل (Independent Variable) أن يكون متغيراً فئوياً اسمياً أو رتبياً ثنائياً تماماً (Dichotomous)، يحتوي على مستويين حصريين فقط يقسمان عينة الدراسة إلى مجموعتين منفصلتين. إذا كان المتغير المستقل يحتوي على ثلاثة مستويات أو أكثر (مثل: منخفض، متوسط، مرتفع)، فلا يجوز تطبيق اختبارات t متعددة ومكررة بين كل زوج من المجموعات، بل يتعين اللجوء إلى تحليل التباين أو تحديد مقارنات مسبقة ومقيدة لتجنب تراكم الخطأ الإحصائي التراكمي (Family-wise Error Rate).

2.2 افتراض التوزيع الطبيعي للبيانات (Normality)

ينص افتراض التوزيع الطبيعي على ضرورة أن تتبع درجات المتغير التابع توزيعاً طبيعياً معيارياً متماثلاً (شكل الجرس) داخل كل مجتمع من المجتمعات الفرعية على حدة. لا يكفي فحص اعتدالية المتغير التابع لكامل العينة الإجمالية مدمجة، بل يجب التأكد من تحقق هذا التوزيع التماثلي في المجموعة التجريبية بمعزل عن المجموعة الضابطة، نظراً لأن الفروق المحتملة بين المتوسطين قد تخلق تشوهاً خادعاً في توزيع البيانات المجمعة يوحي بوجود التواء غير حقيقي أو قمم ثنائية مصطنعة.

يتمتع اختبار t بقدر معتبر من المتانة المنهجية (Robustness) ضد الانحرافات الخفيفة إلى المعتدلة عن التوزيع الطبيعي، لا سيما في الدراسات التي تعتمد على عينات كبيرة الحجم استناداً إلى مبرهنة النهاية المركزية (Central Limit Theorem). تؤكد هذه النظرية الرياضية أن التوزيع العيني لمتوسط العينة يقترب بصورة مطردة من التوزيع الطبيعي كلما زاد حجم العينة (عادة عندما يتجاوز حجم كل مجموعة 30 مبحوثاً)، حتى لو كان التوزيع الأصلي للبيانات في المجتمع يتسم ببعض الالتواء الطفيف، مما يمنح الباحثين مرونة مقبولة في التطبيق العملي.

على النقيض من ذلك، يمثل الانحراف الشديد عن التوزيع الطبيعي—المتمثل في الالتواء الحاد (Severe Skewness) أو التفرطح المفرط (Extreme Kurtosis) المصحوب بوجود قيم متطرفة وشاذة—تهديداً مباشراً لصلاحية الاختبار، لا سيما في العينات الصغيرة والمتوسطة. يؤدي عدم الاعتدالية في هذه الحالات إلى تضخيم غير منضبط في معدل الخطأ من النوع الأول (Type I Error) برفض الفرضية الصفرية وهي صحيحة، أو تراجع حاد في القوة الإحصائية للاختبار (ارتفاع خطأ النوع الثاني Type II Error)، مما يفرض اللجوء إلى الاختبارات البديلة أو التحويلات الرياضية المعيارية للبيانات.

2.3 افتراض تجانس التباين (Homogeneity of Variance)

يقتضي افتراض تجانس التباين (المعروف في الأدبيات الإحصائية بمصطلح Homoscedasticity) أن يكون مقدار تشتت وتنوع الدرجات حول المتوسط الحسابي متساوياً في كلا المجتمعين المدروسين (أي أن تباين المجموعة الأولى يساوي تباين المجموعة الثانية). يسمح هذا التساوي الحسابي بدمج التباينين في تقدير موحد ومركب يُعرف بالتباين المشترك المجمع (Pooled Variance)، والذي يُستخدم لاحقاً كعنصر رئيسي في حساب الخطأ المعياري المشترك في الصيغة الكلاسيكية لاختبار t للعينات المستقلة.

تتجلى المخاطر المنهجية لانتهاك هذا الافتراض بصورة كارثية عندما يقترن عدم تجانس التباين بعدم تساوي أحجام العينات بين المجموعتين (Unbalanced Sample Sizes). إذا كانت المجموعة ذات الحجم الأصغر تمتلك التباين الأكبر، فإن اختبار t الكلاسيكي يصبح مفرط التحرر (Liberal)، مما يؤدي إلى خفض القيمة الاحتمالية المحسوبة وتضخيم احتمالية ارتكاب خطأ من النوع الأول. أما إذا كانت المجموعة الأكبر حجماً هي التي تمتلك التباين الأكبر، فإن الاختبار يصبح مفرط التحفظ (Conservative)، مما يؤدي إلى إهدار فروق جوهرية حقيقية وتراجع غير مبرر في القوة الإحصائية.

لحسن الحظ، لا يمثل انتهاك افتراض تجانس التباين عائقاً مطلقاً أمام الاستمرار في التحليل البارامتري، حيث وفر الإحصائيون تعديلات رياضية دقيقة وعالية الكفاءة لمعالجة هذه المشكلة الهيكلية. تبرز صيغة ويلش-ساترثويت (Welch-Satterthwaite approximation) كحل رياضي متفوق يقوم بتعديل درجات الحرية نزولاً وتكييف صيغة الخطأ المعياري دون الحاجة إلى تجميع التباينات، وهو الإجراء الذي تدعمه برمجية Stata بمرونة فائقة كما سيتم بيانه لاحقاً في هذا الدليل.

3. إعداد واستيراد وإدارة البيانات في برنامج Stata

3.1 طرق استيراد مجموعات البيانات الخارجية والشبكية

توفر بيئة Stata منظومة متقدمة لاستيراد البيانات من مصادر متعددة سواء كانت مخزنة محلياً على أقراص التخزين أو مرفوعة على خوادم شبكية ومستودعات سحابية. لتحميل مجموعات البيانات المحفوظة بصيغة النظام الأصلية ذات الامتداد (.dta)، يستخدم الباحث الأمر المباشر use متبوعاً باسم الملف أو مساره السحابي المباشر عبر الإنترنت. تتيح هذه الخاصية لفرق البحث العالمية استدعاء البيانات المشتركة من مستودعات Stata Press أو منصات الأبحاث المفتوحة بضغطة زر واحدة دون الحاجة إلى التنزيل اليدوي المسبق.

في الغالبية العظمى من الممارسات الميدانية، تُجمع البيانات وتُسجل أولياً عبر برمجيات الجداول الممتدة مثل Microsoft Excel أو نماذج الاستبيانات الإلكترونية المصدرة بصيغ القيم المفصولة بفواصل (CSV). لاستيراد هذه الملفات إلى Stata، يُستخدم الأمر import excel للتعامل مع ملفات (.xlsx) مع تحديد الخيار firstrow لتعيين الصف الأول كعناوين رسمية للمتغيرات، بينما يُستخدم الأمر import delimited لقراءة ملفات النصوص وCSV بدقة بالغة والتحكم الكامل في محددات الفواصل والترميز الحسابي.

يمثل التعامل مع النصوص العربية وترميز الأحرف تحدياً تقنياً بارزاً عند استيراد البيانات الإقليمية، حيث قد تؤدي التهيئات غير المتوافقة إلى ظهور الرموز التالفة والمحارف غير المقروءة. تتجاوز الإصدارات الحديثة من Stata هذه المعضلة من خلال دعمها الشامل لترميز اليونيكود القياسي (UTF-8). يمكن للباحث استخدام أوامر تحويل الترميز مثل unicode analyze وunicode encoding set متبوعة بالأمر unicode translate لتنظيف مجموعات البيانات والتأكد من ظهور كافة التسميات والتصنيفات العربية بنقاء بصري تام داخل الجداول والمخططات.

3.2 هيكلة البيانات للتوافق مع اختبار t لعينتين

تتطلب بنية الحسابات في برنامج Stata فهماً دقيقاً للفرق بين الشكل الطولي للبيانات (Long Format) والشكل العريض (Wide Format). في الشكل الطولي القياسي لاختبار العينات المستقلة، تُنظم البيانات بحيث يمثل كل صف مبحوثاً واحداً مستقلاً، وتتوزع المعلومات على عمودين رئيسيين: عمود رقمي يحتوي على قيم المتغير التابع، وعمود تصنيفي يحدد رمز المجموعة التي ينتمي إليها المبحوث (مثل 1 للمجموعة الضابطة و2 للمجموعة التجريبية). أما في الشكل العريض، فتوضع درجات كل مجموعة في عمود منفصل ومستقل بذاته تماماً.

على الرغم من أن Stata تستطيع إجراء الاختبار في كلا الشكلين، إلا أن الشكل الطولي هو الأكثر كفاءة والمعتمد كمعيار تشغيلي مفضل في كافة التحليلات الإحصائية المتقدمة ونماذج الانحدار اللاحقة. لتحويل البيانات من الشكل العريض إلى الشكل الطولي، يوفر البرنامج الأمر الهيكلي القوي reshape long، والذي يعيد تنظيم الأعمدة في بنية موحدة تتناسب تماماً مع متطلبات خوارزميات المقارنة بين المجموعات دون الحاجة إلى التعديل اليدوي المرهق والمعرض للأخطاء البشرية.

يتطلب التحضير المهني للمتغيرات في Stata تطبيق بروتوكول التسمية والترميز المعياري لضمان مقروئية المخرجات. يتم ذلك عبر خطوتين متكاملتين: أولاً تعريف قاموس للقيم الوصفية للمتغير المستقل عبر الأمر label define (مثل تعيين القيمة 1 للنص “ضابطة” والقيمة 2 للنص “تجريبية”)، ثم ربط هذا القاموس بالمتغير المستقل في مصفوفة البيانات عبر الأمر label values. يضمن هذا الإجراء ظهور الأسماء الفئوية بوضوح في جداول التحليل بدلاً من الأرقام الصماء، مما يسهل قراءة وتفسير النتائج بدقة وسلاسة.

3.3 فحص سلامة البيانات والتعامل مع القيم المفقودة

تبدأ الخطوة التشغيلية الأولى بعد الاستيراد بفحص مصفوفة البيانات الخام للتأكد من خلوها من الأخطاء الإدخالية والتشوهات الهيكلية. يتيح برنامج Stata نافذة استعراض البيانات السريعة عبر الأمر browse التي تتيح معاينة السجلات في وضع القراءة فقط لحمايتها من التعديل العرضي، أو الأمر edit الذي يفتح نافذة التحرير المباشر إذا تطلب الأمر تصحيح قيم شاذة مدخلة خطأً. يوفر الفحص البصري للمصفوفة نظرة أولية حاسمة على تماسك البيانات وتناسق الترميز اللوني للمتغيرات.

من الضروري التحقق الصارم من النوع الحوسبي للمتغيرات المسجلة؛ إذ يفترض اختبار t أن يكون المتغير التابع متغيراً رقمياً حقيقياً (Numeric – مثل float أو double). إذا تم استيراد المتغير بطريق الخطأ كمتغير نصي (String) نتيجة وجود مسافات فارغة أو أحرف غير رقمية، سيظهر بلون مميز في نافذة المحرر ولن تقبله أوامر التحليل. يُعالج هذا الخلل فوراً باستخدام الأمر destring مع خيار replace أو ignore لتطهير العمود وتحويله إلى نسق رقمي صالح للعمليات الرياضية الحسابية.

تشكل القيم المفقودة (Missing Values) خطراً منهجياً يهدد صدق النتائج ما لم يتم رصدها وتوصيف أسباب غيابها بدقة. تخصص Stata النقطة (.) كرمز افتراضي للقيمة المفقودة في المتغيرات الرقمية. يُمكن للباحث استعراض وفحص نمط الفقد في كامل العينة باستخدام الأمر التشخيصي المتقدم misstable summarize، والذي يقدم جرداً كمياً لعدد ونسبة القيم الغائبة في كل متغير، مما يساعد الباحث على اتخاذ القرار المنهجي المناسب سواء بالاستبعاد التلقائي للحالات في التحليل (Listwise Deletion) أو تطبيق تقنيات التعويض المتعدد المتقدمة.

4. الاستكشاف الإحصائي الأولي والوصف الإحصائي للبيانات

4.1 حساب المؤشرات الإحصائية الوصفية حسب المجموعات

يمثل التوصيف الإحصائي الأولي خطوة تمهيدية إلزامية تسبق إجراء أي اختبار استدلالي، حيث يتيح للباحث تكوين رؤية شاملة حول الخصائص التوزيعية للعينات وموقع مراكز الثقل وتشتت البيانات في كل مجموعة. توفر Stata الأمر الأساسي summarize لتوليد الإحصاءات الوصفية، ولكن عند مقارنة مجموعتين، يتعين فرز البيانات وتقسيم الحسابات بحسب مستويات المتغير المستقل. يتم ذلك بكفاءة عبر دمج أمر الفرز التلقائي bysort مع أمر التلخيص في صياغة موحدة تستخرج المتوسط الحسابي، الانحراف المعياري، أدنى قيمة، وأعلى قيمة لكل فئة بشكل منفصل.

للحصول على تقرير وصفي أكثر شمولاً وتنظيماً في جدول إحصائي مقارن وموحد، يُعد الأمر tabstat الأداة المثلى في Stata. يتيح هذا الأمر للمحلل تحديد قائمة دقيقة من المؤشرات الإحصائية المرغوبة عبر الخيار statistics، بما في ذلك المتوسط الحسابي (mean)، الوسيط (median)، الانحراف المعياري (sd)، التباين (variance)، المدى (range)، ونصف المدى الربيعي (iqr)، مع تقسيمها بدقة عبر المجموعات باستخدام الخيار by(). يمنح هذا الجدول المقارن الباحث القدرة على الموازنة الفورية بين المقاييس المعلمية واللامعلمية لكل مجموعة على حدة.

ينبغي التركيز بشكل خاص على استخراج الخطأ المعياري للمتوسط (Standard Error of the Mean – semean) لكل مجموعة وحساب فترات الثقة الوصفية لمتوسط كل فئة. يعكس الخطأ المعياري مدى دقة تقدير متوسط العينة لمتوسط المجتمع الأصلي، وهو يتأثر طردياً بالانحراف المعياري للمجموعة وعكسياً بالجذر التربيعي لحجمها. يوفر تقييم هذه المقاييس مجتمعة أساساً متيناً للحكم الأولي على مدى تمايز المجموعتين وتوافق خصائصهما العددية مع الفرضيات المطروحة للبحث.

4.2 التحقق من اتساق العينة وتوزيع التكرارات

يعد فحص توزيع التكرارات وأحجام العينات النسبية داخل كل فئة خطوة جوهرية لتقييم مدى اتزان التصميم التجريبي (Design Balance). يُستخدم الأمر tabulate في Stata لاستخراج جدول التكرارات البسيط والنسب المئوية لكل مجموعة من مجموعات المتغير المستقل. يتيح هذا التحليل البسيط الكشف الفوري عما إذا كان هناك تفاوت حاد وغير متوازن في أحجام المجموعات (كأن تضم إحدى المجموعتين 100 مشارك بينما لا تضم الأخرى سوى 15 مشاركاً)، وهو التفاوت الذي يفرض تدابير إحصائية صارمة عند فحص تجانس التباين لاحقاً.

يمتد الفحص الاستكشافي ليشمل التحقق من مصفوفات الارتباط والاتساق الداخلي للمشاهدات، خاصة في المسوح النفسية متعددة الأبعاد. على الرغم من أن اختبار t يركز على مقارنة المتوسطات لمتغير واحد، إلا أن فحص ارتباط هذا المتغير مع متغيرات ديموغرافية وسلوكية أخرى باستخدام الأمر correlate يساعد في رصد المتغيرات المربكة المحتملة (Confounding Variables) التي قد تتداخل مع تأثير المتغير المستقل وتشوه الفروق الملاحظة بين المجموعتين.

يرتبط اتساق العينة بضرورة رصد المشاهدات الشاذة والمتباعدة مبدئياً على المستوى الرقمي قبل الانتقال للتحليلات البيانية المعمقة. من خلال مقارنة الفروق بين المتوسطات الحسابية والوسائط في كل مجموعة عبر مخرجات tabstat، يمكن الاستدلال على وجود قيم متطرفة تسحب المتوسط بقوة نحو الأطراف. إذا كان المتوسط الحسابي ينحرف بشكل ملحوظ عن الوسيط، فإن ذلك يعد مؤشراً أولياً على عدم تماثل التوزيع، مما يوجه الباحث نحو تدقيق الفحص البصري للافتراضات القبلية للاختبار.

5. التمثيل البصري للبيانات واستكشاف الفروق بيانياً في Stata

5.1 إنشاء الرسوم الصندوقية للمقارنة بين المجموعات

تعتبر الرسوم الصندوقية (Boxplots) إحدى أقوى الأدوات الاستكشافية البصرية لمقارنة توزيعات المجموعات الإحصائية، حيث تقدم تلخيصاً بيانياً متكاملاً يستند إلى الأرقام الخمسة الأساسية: القيمة الصغرى، الربيع الأول (Q1)، الوسيط (Q2)، الربيع الثالث (Q3)، والقيمة العظمى. في بيئة Stata، يُنشأ الرسم الصندوقي المقارن باستخدام الأمر graph box متبوعاً بالمتغير التابع مع تضمين الخيار over() لتحديد المتغير التصنيفي المستقل. يتيح هذا العرض مقارنة فورية بين المجموعتين من حيث الموقع المركزي، ومدى انتشار البيانات، والتماثل العام للتوزيع.

تتجلى الأهمية التشخيصية الكبرى للرسم الصندوقي في قدرته الفائقة على رصد القيم المتطرفة والشاذة (Outliers) بصرياً وتحديد درجاتها بدقة. تُمثل النقاط المنفصلة التي تقع خارج حدود “شاربي” الصندوق (Whiskers) قيماً تبعد أكثر من 1.5 ضعف المدى الربيعي عن حدود الصندوق الداخلي، بينما تُشير النقاط البعيدة جداً (أكثر من 3 أضعاف المدى الربيعي) إلى قيم شاذة حادة (Extreme Outliers). يساعد تحديد هذه القيم في اتخاذ القرارات المنهجية المتعلقة بإمكانية تصحيح أخطاء الإدخال أو إجراء التحليل بحضور هذه المشاهدات وبدونها لتقييم مدى تأثر النتائج بها.

لإعداد رسوم بيانية ذات مظهر احترافي يلبي المعايير الدقيقة لمجلات النشر الأكاديمي الدولي، توفر Stata حزمة واسعة من الخيارات التخصيصية الملحقة بالأمر graph box. يمكن تعديل سمة المخطط العام عبر خيار scheme(sj) أو scheme(s2mono)، وإضافة عناوين رئيسية واضحة باستخدام title()، وتسمية المحاور بدقة عبر ytitle() وxtitle()، بالإضافة إلى تخصيص ألوان وتعبئة الصناديق لتسهيل القراءة والتمييز اللوني المريح للمحكمين والقراء على حد سواء.

5.2 رسم المدرجات التكرارية والمنحنيات البيانية

يوفر رسم المدرجات التكرارية (Histograms) فهماً تفصيلياً لطبيعة تكرار القيم وشكل القمم التوزيعية للمتغير التابع في كل مجموعة. في برمجية Stata، يمكن توليد مدرجات تكرارية متجاورة ومقارنة عبر الأمر المزدوج twoway histogram مع تفعيل الخيار by() لتقسيم العرض حسب فئات المتغير المستقل. يتيح هذا الرسم المقارن معاينة مدى اتساق الأعمدة، والتحقق من وجود قمة مركزية واحدة (Unimodal) أو تعدد القمم (Multimodal) الذي قد يشير إلى تداخل مجتمعات فرعية غير متجانسة داخل المجموعة الواحدة.

لتجاوز حساسية المدرج التكراري لحجم الفئات والفترات التجميعية (Bin Width)، يُفضل اللجوء إلى منحنيات الكثافة الاحتمالية الملساء (Kernel Density Plots) باستخدام الأمر kdensity. يتيح Stata تركيب وتراكب هذه المنحنيات للمجموعتين على نفس المحور البياني عبر أوامر الرسم الثنائي twoway (kdensity var if group==1) (kdensity var if group==2). يوفر هذا التراكب البصري صورة جلية ومباشرة حول مدى التباعد أو التطابق بين توزيعي المجموعتين والمساحات المشتركة بينهما.

يسهم التحليل البصري لمنحنيات الكثافة في التقييم الدقيق لدرجات الالتواء (Skewness) والتفرطح (Kurtosis) لكل مجموعة على حدة. إذا أظهر المنحنى ذيلاً طويلاً ممتداً نحو اليمين، دل ذلك على التواء موجب، بينما يشير الذيل الممتد يساراً إلى التواء سالب. كما يكشف انبساط المنحنى أو حدة قمته عن طبيعة التفرطح مقارنة بالتوزيع الطبيعي القياسي، مما يمنح الباحث حكماً بيانياً مبدئياً يسند الاختبارات الإحصائية الرقمية اللاحقة للاعتدالية.

5.3 مخططات التوزيع الطبيعي والرسوم التشخيصية

تعد مخططات الاحتمال الطبيعي الكمية (Quantile-Quantile Plots – Q-Q Plots) الأداة التشخيصية الأكثر موثوقية وحساسية للكشف البصري عن مدى مطابقة توزيع العينة للتوزيع الطبيعي النظري. في Stata، يُستخدم الأمر qnorm لإنشاء هذا المخطط، حيث يقوم برسم ربيعات وكميات التوزيع الفعلي للبيانات على المحور الرأسي في مواجهة الكميات المتوقعة للتوزيع الطبيعي المعياري على المحور الأفقي. إذا كانت البيانات تتبع توزيعاً طبيعياً تاماً، فإن جميع النقاط التجريبية ستصطف بدقة متناهية على طول خط المستقيم المرجعي المائل بزاوية 45 درجة.

يكشف انحراف النقاط عن الخط المستقيم في مخطط Q-Q عن طبيعة ونوع الخلل التوزيعي بدقة؛ فالانحرافات المقوسة عند الأطراف تشير إلى وجود التواء حاد في البيانات، بينما تشير الانحرافات المتعرجة على شكل حرف (S) إلى قصر أو طول ذيول التوزيع (التفرطح الشديد). تتيح Stata إجراء هذا التشخيص لكل مجموعة بشكل مستقل من خلال إضافة شرط الفرز if group==1 ثم تكراره للمجموعة الثانية، للتأكد من اعتدالية البيانات في كل شق من شقوق التجربة البحثية.

تكتمل المنظومة التشخيصية البيانية باستخدام مخططات الاحتمال التراكمي (Percent-Percent Plots – P-P Plots) عبر الأمر pnorm في Stata. يركز هذا المخطط على فحص تطابق الاحتمالات التراكمية المشاهدة مع الاحتمالات المتوقعة، ويتميز بحساسيته العالية لرصد الانحرافات وعدم الاستقرار في منطقة مركز التوزيع ووسطه الحسابي، على عكس مخطط Q-Q الذي يتميز بحساسية أكبر للأطراف والذيول. يوفر الجمع بين هذين المخططين ترسانة بصرية متكاملة تحسم مسألة الاعتدالية قبل الانتقال للاختبارات الفرضية الرسمية.

6. الفحص الإحصائي الرسمي للافتراضات القبلية في Stata

6.1 اختبارات التوزيع الطبيعي الرسمية

على الرغم من الأهمية الفائقة للتشخيص البياني، إلا أن المعايير الأكاديمية الصارمة تتطلب تأكيد الرؤية البصرية باختبارات إحصائية استدلالية رقمية ومحددة لفحص افتراض التوزيع الطبيعي. يتربع اختبار شابيرو-ويلك (Shapiro-Wilk Test) على قمة هذه الاختبارات بوصفه الاختبار الأكثر قوة وقدرة على كشف الانحرافات عن الاعتدالية في العينات الصغيرة والمتوسطة (أقل من 2000 مشاهدة). يُنفذ هذا الاختبار في Stata عبر الأمر swilk، ويجب تطبيقه لكل مجموعة على حدة عبر استخدام صياغة الفرز bysort groupvar: swilk depvar.

تتمحور الفرضية الصفرية في اختبار Shapiro-Wilk حول أن توزيع البيانات يطابق التوزيع الطبيعي، وبالتالي فإن الباحث يسعى لعدم رفض الفرضية الصفرية. يُعد تحقق القيمة الاحتمالية الأكبر من مستوى الدلالة المعتمد (p > 0.05) دليلاً إحصائياً على اعتدالية التوزيع وسلامة البيانات من الانحرافات المؤثرة. أما إذا كانت القيمة الاحتمالية دالة إحصائياً (p < 0.05)، فهذا يعني انتهاك افتراض التوزيع الطبيعي رسمياً في تلك المجموعة، مما يتطلب تقييم حجم العينة أو التفكير في خيارات بديلة.

توفر Stata اختبارات مكملة تدعم هذا الفحص، مثل اختبار شابيرو-فرانسيا عبر الأمر sfrancia المخصص للعينات المتوسطة والأكبر حجماً، واختبار التواء وتفرطح التوزيع D’Agostino عبر الأمر sktest. يقوم هذا الأخير باختبار معاملي الالتواء والتفرطح بشكل منفصل ثم يدمجهما في إحصاء كاي تربيع كلي لاختبار الاعتدالية الشاملة، مما يوفر للمحلل فهماً دقيقاً للمصدر المحدد لعدم الاعتدالية إن وجد، سواء كان ناتجاً عن عدم تماثل التوزيع أو عن ثقل ذيوله الإحصائية.

6.2 اختبارات تجانس التباين

يعد اختبار تجانس التباين بين المجموعتين الركيزة الثانية التي تحدد المسار الحسابي لاختبار t. توفر Stata الأمر المتقدم robvar لتنفيذ اختبار ليفين (Levene’s Test) والنسخ المطورة والمعدلة منه لاختبار تساوي التباينات. يتميز هذا الأمر بتوليد ثلاثة إحصاءات تشخيصية متباينة في درجة متانتها ضد الانحراف عن التوزيع الطبيعي، وهي الإحصاء القياسي W0 المحسوب حول المتوسط الحسابي، والإحصاء المتين W50 (اختبار Brown-Forsythe) المحسوب حول الوسيط، والإحصاء W10 المحسوب حول المتوسط المشذب (Trimmed Mean).

في حالة تحقق افتراض التوزيع الطبيعي للبيانات، يُعتمد على إحصاء Levene التقليدي (W0)؛ أما إذا كانت البيانات تعاني من التواءات أو قيم متطرفة خفيفة، فإن الأدبيات الإحصائية توصي بالاعتماد على إحصاء Brown-Forsythe (W50) لكونه أكثر ثباتاً ومقاومة للتشوهات التوزيعية. تنص الفرضية الصفرية لكافة هذه الاختبارات على تساوي تباينات المجتمعات، ويشير الحصول على قيمة احتمالية غير دالة (p > 0.05) إلى تحقق شرط تجانس التباين بنجاح وجواز استخدام اختبار t القياسي ذي التباين المجمع.

إذا أظهرت نتائج أمر robvar قيمة احتمالية دالة إحصائياً (p < 0.05)، يُرفض افتراض تجانس التباين بصورة قاطعة، ويُستنتج أن المجموعتين تمتلكان تشتتاً متبايناً في المجتمع الأصلي. يفرض هذا القرار المنهجي التخلي التام عن معادلة التباين الموحد التقليدية، والتحول المباشر إلى تطبيق اختبار t المعدل لعدم تجانس التباين (مثل اختبار Welch)، وذلك لتفادي تضخم معدلات الأخطاء الاستدلالية وضمان متانة وقوة الاستنتاجات الإحصائية المستخلصة.

7. تنفيذ اختبار t لعينتين متساويتي التباين في Stata

7.1 الصيغة الأساسية وبناء الأوامر الإحصائية

بعد التحقق من استيفاء شروط الاستقلالية، والاعتدالية، وتجانس التباين، يتم الانتقال إلى تنفيذ اختبار t لعينتين مستقلتين بالصيغة القياسية الكلاسيكية (Equal Variance t-test). يعتمد بناء الأمر الأساسي في بيئة Stata على بنية قواعدية مباشرة ومحكمة للغاية، حيث يُكتب الأمر ttest متبوعاً باسم المتغير التابع الرقمي، ثم فاصلة متبوعة بالخيار الإلزامي by() الذي يحدد المتغير المستقل الفئوي الثنائي: ttest depvar, by(groupvar). يقوم هذا الأمر باستدعاء الخوارزمية الرياضية لتقدير المتوسطات، التباين المشترك، الخطأ المعياري، وإحصاء t المقابل.

في السيناريوهات التي تكون فيها البيانات مهيكلة وفق الشكل العريض (Wide Format)—أي عندما تكون درجات المجموعة الأولى مخزنة في متغير ودرجات المجموعة الثانية في متغير منفصل آخر—توفر Stata صياغة بديلة مكافئة تماماً دون الحاجة لإعادة هيكلة البيانات مسبقاً. تُكتب هذه الصياغة بالشكل التالي: ttest var1 == var2, unpaired. يُعد الخيار unpaired جوهرياً هنا لتوجيه البرنامج نحو معاملة المتغيرين كعينتين مستقلتين منفصلتين وليس كقياسات مترابطة أو متكررة لنفس الحالات.

يتحكم الباحث في مستوى الثقة المعتمد لحساب المجالات التقديرية للفروق من خلال إضافة الخيار level(#) إلى نهاية الأمر. القيمة الافتراضية المعتمدة في Stata هي مجال ثقة 95% (level(95))، ولكن يمكن تعديلها بسهولة إلى 99% (level(99)) في الدراسات الطبية أو السريرية الصارمة، أو خفضها إلى 90% (level(90)) في المسوح الاستكشافية الواسعة، مما يوفر مرونة كاملة في تكييف حدود مجالات الثقة بما ينسجم مع الأهداف البحثية المحددة للتحليل.

7.2 الخيارات المتقدمة والتحكم في إعدادات التنفيذ

تتيح لغة الأوامر في Stata للمحلل تطبيق شروط منطقية متقدمة لحصر التحليل على قطاعات فرعية محددة من العينة دون المساس بسلامة مصفوفة البيانات الأصلية. يتم ذلك عبر دمج العبارة الشرطية if ضمن أمر التحليل، كأن يُطلب تنفيذ الاختبار لفئة عمرية معينة فقط أو لمنطقة جغرافية محددة: ttest depvar if age >= 18, by(groupvar). تمنح هذه المرونة الباحثين القدرة على استكشاف الفروق بين المجموعات عبر الطبقات الديموغرافية والاجتماعية المختلفة بكل دقة وسرعة وبأقل جهد برمجي ممكن.

يتعامل البرنامج بكفاءة واقتدار مع الترميزات الرقمية غير القياسية للمتغير المستقل الثنائي؛ فليس من المشترط أن تكون قيم المتغير التصنيفي محصورة بين (0 و 1) أو (1 و 2)، بل يقبل البرنامج أي قيمتين رقميتين متمايزتين (مثل 10 و 20 أو 100 و 200). يقوم البرنامج تلقائياً بالتعرف على المستويين وحساب الفروق بينهما، مع تحذير الباحث فوراً والتوقف عن التنفيذ في حال احتوى المتغير المستقل على أكثر من قيمتين مختلفتين، وذلك التزاماً بالبنية الرياضية للاختبار ثنائي الفئات.

تتميز Stata بنظام تخزين النتائج الداخلية المتقدمة في الذاكرة الحوسبية المؤقتة، مما يسمح باسترجاع المعالم المحسوبة واستخدامها في إجراءات برمجية لاحقة. بمجرد تنفيذ الأمر ttest، يتم تخزين كافة المؤشرات الإحصائية (مثل قيمة t، درجات الحرية، الفروق، والأخطاء المعيارية) تحت مصفوفات القيم القياسية r-class. يمكن للمحلل استعراض هذه القيم باستخدام الأمر return list، أو حفظ النموذج كاملاً في الذاكرة عبر الأمر estimates store لاستدعائه لاحقاً عند بناء جداول مقارنة النماذج المتقدمة أو إعداد الرسوم البيانية التوضيحية.

8. قراءة وتفسير مخرجات اختبار t القياسي بالتفصيل

8.1 تفسير الجداول الإحصائية الوصفية وفروق المتوسطات

يقدم جدول مخرجات اختبار t في Stata تنظيماً بالغ الدقة والوضوح للمعلومات الإحصائية الأساسية. ينقسم الجزء العلوي من المخرجات إلى ثلاثة صفوف رئيسية: صف للمجموعة الأولى، صف للمجموعة الثانية، وصف مركب يوضح البيانات المجمعة (combined) بالإضافة إلى صف ختامي مخصص لفرق المتوسطين (diff). تتوزع هذه البيانات عبر أعمدة تفصيلية تبدأ بعدد المشاهدات الصالحة (Obs)، يليه المتوسط الحسابي (Mean)، ثم الخطأ المعياري للتقدير (Std. Err.)، والانحراف المعياري لدرجات المجموعة (Std. Dev.)، وينتهي بحدود مجال الثقة 95% لمتوسط كل مجموعة على حدة.

يركز التحليل الاستدلالي بشكل جوهري على سطر الفروق (diff = mean(group1) – mean(group2))، حيث يُعرض تقدير النقطة لفرق المتوسطين الحسابيين بين المجموعتين. يُحسب الخطأ المعياري لهذا الفرق بناءً على معادلة التباين المشترك المجمع (Pooled Variance)، والذي يمثل الأساس لتقييم الدقة الرياضية للتقدير. تعكس هذه القيمة مدى التباعد المطلق بين متوسطي الفئتين بوحدات قياس المتغير التابع ذاته، مما يمنحها دلالة مباشرة وقابلة للفهم الواقعي في سياق مشكلة الدراسة.

يكتسب مجال الثقة 95% لفرق المتوسطين (95% Confidence Interval of the Difference) أهمية استدلالية قصوى تفوق أحياناً القيمة الاحتمالية المجردة. يوضح هذا المجال النطاق الرقمي الذي يُحتمل بنسبة 95% أن يقع داخله الفرق الحقيقي بين متوسطي المجتمعين. وتتمثل القاعدة الذهبية في تفسير هذا المجال في التحقق من احتواء النطاق على القيمة صفر (Zero)؛ فإذا كانت حدود المجال تشمل الصفر (كأن يمتد المجال من قيمة سالبة إلى قيمة موجبة)، دل ذلك بشكل قاطع على عدم وجود فرق دال إحصائياً، بينما يشير عدم احتواء المجال على الصفر إلى وجود فرق جوهري وثابت إحصائياً.

8.2 تحليل إحصاء t ودرجات الحرية

يظهر في الجزء السفلي من نافذة النتائج ملخص الحسابات الاستدلالية الحاسمة التي بني عليها القرار الإحصائي. يُعرض إحصاء الاختبار المحسوب تحت الرمز t، وتُمثل هذه القيمة حاصل قسمة فرق المتوسطين الملاحظ على الخطأ المعياري للفرق. كلما ابتعدت قيمة t المحسوبة عن الصفر (سواء بالاتجاه الموجب أو السالب)، زادت قوة الأدلة الإحصائية المتوفرة ضد صحة الفرضية الصفرية، مما يشير إلى أن الفروق الملاحظة تتجاوز بمراحل ما يمكن أن يُعزى إلى الصدفة المحضة أو خطأ المعاينة العشوائي.

تُعرض درجات الحرية في نفس السطر تحت الرمز degrees of freedom، والتي تساوي مجموع حجمي العينتين مطروحاً منه اثنان في حالة الاختبار القياسي متساوي التباين. تُعد هذه القيمة المعلمة المحددة للشكل الدقيق لمنحنى توزيع t المعتمد في استخراج القيم الاحتمالية. في العينات الكبيرة، تقترب قيم درجات الحرية من اللانهاية النسبية، ويتحول توزيع t تدريجياً ليطابق تماماً منحنى التوزيع الطبيعي المعياري (z distribution)، في حين يعوض اتساع ذيول التوزيع في العينات الصغيرة عن زيادة عدم اليقين في تقدير التباين المجتمعي.

تتضمن الخوارزمية البرمجية في Stata توليداً تلقائياً لدالة التوزيع التراكمي لدرجات الحرية المحسوبة لحساب المساحات الواقعة تحت المنحنى بدقة متناهية تصل إلى أربعة خانات عشرية. تتيح هذه الدقة الحسابية مقارنة فورية بين القيمة المحسوبة والقيم الحرجة النظرية دون الحاجة إلى الرجوع للجداول الإحصائية الورقية الملحقة بكتب الإحصاء التقليدية، مما يلغي تماماً احتمالات الخطأ البشري في استقراء القرارات الاستدلالية.

8.3 تقييم القيم الاحتمالية (p-values) للفرضيات المختلفة

تتميز مخرجات برنامج Stata بتقديم ثلاثة اختبارات فرضية متزامنة في أسفل الجدول لتغطية كافة الصياغات الممكنة للفرضية البديلة، مما يفرض على الباحث قراءة السطر المناسب لفرضيته البحثية المصاغة مسبقاً. يُعرض الاختبار المركزي في المنتصف تحت الصيغة: Ha: diff != 0 والمقترنة بالقيمة الاحتمالية Pr(|T| > |t|). يمثل هذا السطر الاختبار ثنائي الاتجاه (Two-tailed test) الذي يختبر الفرضية الصفرية القائلة بعدم وجود فرق مطلق بين المتوسطين، وهو الاختبار الأكثر شيوعاً واعتماداً كمعيار افتراضي في البحوث التجريبية والنفسية الرصينة.

على الجانبين، يُعرض الاختباران أحاديا الاتجاه (One-tailed tests)؛ حيث يختبر السطر الأيسر Ha: diff < 0 مع القيمة Pr(T < t) ما إذا كان متوسط المجموعة الأولى يقل دلالياً عن متوسط المجموعة الثانية، بينما يختبر السطر الأيمن Ha: diff > 0 مع القيمة Pr(T > t) ما إذا كان متوسط المجموعة الأولى يزيد دلالياً عن متوسط المجموعة الثانية. يُستخدم هذان الاختباران الموجهان حصراً عندما تتوفر خلفية نظرية ودراسات استطلاعية سابقة قاطعة تتنبأ مسبقاً باتجاه محدد للفروق، ولا يجوز اختيارهما بأثر رجعي لمجرد الحصول على قيمة احتمالية أصغر.

تخضع عملية اتخاذ القرار الإحصائي لقاعدة المقارنة المعيارية الصارمة مع مستوى الدلالة المحدد سلفاً (معامل ألفا Alpha، وعادة ما يُحدد عند 0.05). إذا كانت القيمة الاحتمالية الناتجة أصغر من أو تساوي 0.05 (p ≤ 0.05)، يتم رفض الفرضية الصفرية (Reject H0) وتأييد الفرضية البديلة، مما يعني وجود فرق ذي دلالة إحصائية بين المجموعتين. أما إذا كانت القيمة أكبر من 0.05 (p > 0.05)، فيتم الفشل في رفض الفرضية الصفرية (Fail to Reject H0)، ويُستنتج أن البيانات المتاحة لا تقدم أدلة كافية لإثبات وجود فرق حقيقي في المجتمع عند هذا المستوى من الثقة.

9. معالجة عدم تجانس التباين: اختبار Welch وSatterthwaite في Stata

9.1 تنفيذ اختبار t للتباين غير المتساوي

عندما تكشف اختبارات التجانس التشخيصية (مثل أمر robvar) عن انتهاك صريح لافتراض تساوي التباينات بين المجموعتين، يصبح تطبيق اختبار t القياسي خطأً منهجياً يهدد مصداقية البحث كلياً. لمعالجة هذا الخلل البنيوي في بيئة Stata، يُضاف الخيار unequal مباشرة إلى أمر التحليل الأساسي: ttest depvar, by(groupvar) unequal. يوجه هذا الخيار البرمجية نحو التخلي الفوري عن حساب التباين المشترك المجمع، والاعتماد بدلاً من ذلك على تباينات المجموعتين المنفصلة في تقدير الخطأ المعياري لفروق المتوسطات.

يقوم التعديل الإحصائي المطبق—المعروف تاريخياً بتعديل ويلش-ساترثويت (Welch-Satterthwaite Equation)—بإعادة حساب وتعديل درجات الحرية نزولاً بطريقة كسرية غير صحيحة بناءً على الأوزان النسبية لتباين وحجم كل مجموعة. يؤدي خفض درجات الحرية إلى زيادة طفيفة في القيمة الحرجة المطلوبة لتحقيق الدلالة، وهو ما يعوض بدقة عن التضخم الاصطناعي في خطأ النوع الأول الناتج عن عدم تجانس التباين، مما يجعل الاختبار محكماً ومتحفظاً بالقدر العلمي المطلوب.

عند مقارنة مخرجات اختبار التباين غير المتساوي مع مخرجات الاختبار القياسي، يلاحظ الباحث بقاء قيم المتوسطات وفروقها ثابتة تماماً دون أي تغيير، بينما يتغير الخطأ المعياري، وتنخفض درجات الحرية (لتظهر غالباً كأرقام عشرية كسرية مثل df = 37.42 بدلاً من 48)، وتتعدل قيمة t والقيم الاحتمالية المصاحبة لها. يضمن هذا التعديل بقاء النتائج دقيقة وموثوقة حتى في ظل وجود تباينات حادة بين المجموعات التجريبية والضابطة.

9.2 استخدام خيار welch المباشر وتعديلاته

توفر Stata خياراً إضافياً مباشراً وموازياً يحمل اسم الخبير الإحصائي برنارد ويلش، ويتم تفعيله عبر كتابة الأمر: ttest depvar, by(groupvar) welch. على الرغم من أن الخيار welch والخيار unequal يطبقان نفس المنطق الرياضي العام في معالجة تباين المجموعات المستقلة، إلا أن خيار welch يستخدم خوارزمية ويلش الأصلية المعدلة لحساب التقريب الاحتمالي لدرجات الحرية، مما يجعله مطابقاً بصورة حرفية للمخرجات المعتمدة في بعض الحزم البرمجية الأخرى مثل R وSPSS.

تتجلى الأهمية البالغة لتطبيق اختبار Welch عند التعامل مع التصاميم التجريبية غير المتوازنة (Unbalanced Designs) التي تتباين فيها أحجام المجموعات تزامناً مع تباين درجات التشتت. في مثل هذه البيئات البحثية المعقدة، يفقد اختبار t التقليدي صموده تماماً وتصبح نتائجه مضللة إلى حد بعيد؛ بينما يحافظ اختبار Welch على ثبات معدلات الخطأ الحقيقية عند مستوى ألفا الاسمي بدقة مذهلة، بغض النظر عن نسبة التفاوت في التباين أو نسبة عدم التساوي في حجم العينات.

نتيجة لهذه المزايا المنهجية الفائقة، تشهد الأدبيات الإحصائية والمنهجية الحديثة توجهاً أكاديمياً متزايداً يدعو إلى اعتماد اختبار Welch كإجراء افتراضي وقياسي أول (Default Procedure) لمقارنة متوسطي عينتين مستقلتين في كافة البحوث الإمبيريقية، دون الحاجة حتى لإجراء اختبارات فحص التجانس القبلية. يستند هذا التوجه إلى حقيقة أن اختبار Welch يوفر قوة إحصائية مماثلة تماماً لاختبار t القياسي عند تحقق تجانس التباين، بينما يتفوق عليه تفوقاً ساحقاً في حماية التحليل من التشويه والزلل عند انتهاك هذا الافتراض.

10. حساب وتقدير أحجام الأثر (Effect Size) وفترات الثقة في Stata

10.1 حساب معامل كوهين (Cohen’s d) وتصحيح هيدجز (Hedges’ g)

لم تعد القيمة الاحتمالية (p-value) وحدها كافية لتقييم النتائج العلمية في الأبحاث الحديثة، نظراً لأنها تتأثر بشدة بحجم العينة؛ فالعينات الضخمة جداً قد تجعل أصغر الفروق التافهة دالة إحصائياً، بينما قد تعجز العينات الصغيرة عن إبراز فروق جوهرية كبرى. من هنا، تنبع الأهمية القصوى لحساب حجم الأثر (Effect Size) الذي يقيس القوة والحجم المطلق للفرق بين المجموعتين بوحدات الانحراف المعياري، بمعزل تام عن تأثير حجم العينة المدروسة.

توفر برمجية Stata أمراً رسمياً مخصصاً وشاملاً لحساب مقاييس أحجام الأثر للعينات المستقلة عبر الأمر: esize twosample depvar, by(groupvar). يقوم هذا الأمر باستخراج مقياسين رئيسيين: معامل كوهين (Cohen’s d) الكلاسيكي الذي يقسم فرق المتوسطين على الانحراف المعياري المشترك، وتصحيح هيدجز (Hedges’ g) الذي يدخل معامل تصحيح لمعالجة التضخم والتحيز الإحصائي الطفيف الذي يعاني منه معامل كوهين في العينات الصغيرة (أقل من 20 مشاركاً في كل مجموعة).

تستند القراءة والتفسير الأكاديمي لهذه المعاملات إلى المحكات التوجيهية الكلاسيكية التي وضعها جاكوب كوهين في العلوم السلوكية والنفسية، حيث يُصنف حجم الأثر كما يلي:

• أثر صغير (Small Effect): عندما تكون قيمة d أو g تقارب 0.20، مما يعني أن الفرق بين المجموعتين يمثل خُمس انحراف معياري فقط.
• أثر متوسط (Medium Effect): عندما تقارب القيمة 0.50، وهو فرق يمكن ملاحظته بوضوح بالعين المجردة في الممارسات السريرية والتربوية.
• أثر كبير (Large Effect): عندما تصل القيمة إلى 0.80 أو تتجاوزها، مما يشير إلى تباعد جوهري وحاسم في التوزيعين ونجاح فائق للتدخل التجريبي.

10.2 حساب معاملات الدلالة العملية الأخرى

بالإضافة إلى عائلة الفروق المعيارية (d-family)، توفر Stata مقاييس أخرى تنتمي إلى عائلة الارتباط وتفسير التباين (r-family)، وعلى رأسها معامل ارتباط العزوم ثنائي النقطة (Point-Biserial Correlation) ومربع إيتا (Eta-Squared / η²). يُستخرج مربع إيتا مباشرة عند إضافة خيارات متقدمة لأمر esize، وهو يعبر عن النسبة المئوية الدقيقة من التباين الكلي في المتغير التابع التي يمكن تفسيرها وعزوها إلى الانتماء لفئات المتغير المستقل (مثلاً: التدخل التجريبي يفسر 18% من التباين في درجات التحصيل).

يتميز أمر esize في Stata بقدرته الفائقة على توليد فترات الثقة 95% لمعاملات أحجام الأثر (Confidence Intervals for Effect Sizes). تكتسب هذه الفترات أهمية استراتيجية في تقييم الدقة التقديرية لحجم التدخل؛ فالنطاق الضيق لمجال الثقة يشير إلى دقة متناهية في تقدير الأثر الحقيقي في المجتمع، بينما يشير اتساع النطاق إلى وجود قدر كبير من عدم اليقين يتطلب زيادة حجم المعاينة في الدراسات المستقبلية لتحسين دقة القياس.

يُعد التمييز الحاسم بين الدلالة الإحصائية (Statistical Significance) والدلالة العملية أو الإكلينيكية (Clinical Significance) جوهر الممارسة البحثية الأخلاقية والرصينة. فقد يثبت الباحث أن برنامجاً علاجياً يخفض درجات القلق بدلالة إحصائية قاطعة (p = 0.001)، ولكن عند حساب حجم الأثر يتبين أنه بالغ الضآلة (d = 0.08) ولا ينعكس على تحسن حقيقي في جودة حياة المريض. يضمن تضمين مؤشرات حجم الأثر وفترات ثقتها حماية المجتمع العلمي من القرارات التطبيقية المتسرعة والترويج لتدخلات عقيمة عملياً.

11. البدائل اللامعلمية واختبارات إعادة التوزيع عند انتهاك الافتراضات

11.1 اختبار مان-ويتني (Mann-Whitney U) في Stata

عندما تتعرض الافتراضات البارامترية لاختبار t للانتهاك الصريح والجوهري—مثل التوزيعات شديدة الالتواء، أو المتغيرات التابعة الرتبية (Ordinal Scales)، أو وجود قيم شاذة حادة لا يمكن معالجتها أو استبعادها—يصبح التوجه نحو البدائل اللامعلمية (Non-parametric Tests) حتمية منهجية لا مناص منها. يبرز اختبار مان-ويتني، والمعروف رسمياً في الأدبيات الإحصائية باسم اختبار مجموع الرتب لـ ويلكوكسون (Wilcoxon Rank-Sum Test)، كبديل مباشر ومثالي لاختبار t للعينات المستقلة.

يُنفذ هذا الاختبار في برنامج Stata بكل سهولة ويسر عبر استخدام الأمر المباشر: ranksum depvar, by(groupvar). تعتمد فلسفة هذا الاختبار على إلغاء الاعتماد على القيم المطلقة للبيانات والمتوسطات الحسابية، وتحويل كافة المشاهدات بدلاً من ذلك إلى رتب تصاعدية مجمعة (Ranks) من الرتبة 1 إلى N، ثم مقارنة مجموع الرتب ومتوسطها بين المجموعتين للتحقق مما إذا كان هناك تفوق احتمالي منتظم لإحدى المجموعتين على الأخرى في التوزيع العام.

يُظهر جدول مخرجات أمر ranksum ملخصاً لرتب كل مجموعة، متبوعاً بإحصاء الاختبار المعياري z المقارب للتوزيع الطبيعي، بالإضافة إلى القيمة الاحتمالية المقابلة (p-value) للاختبار ثنائي الاتجاه. إذا كانت القيمة الاحتمالية دالة إحصائياً (p < 0.05)، يستنتج الباحث وجود فرق جوهري دال بين وسيطي المجموعتين أو تمايز في توزيع الرتب، مما يوفر استنتاجاً إحصائياً حصيناً لا يتأثر مطلقاً بتشوهات التوزيع أو تطرف القيم المفردة.

11.2 اختبارات التباديل وإعادة التدوير (Permutation and Bootstrapping)

تمثل الأساليب الحسابية الحديثة المكثفة، مثل أسلوب التمهيد الإحصائي (Bootstrapping) واختبارات التباديل العشوائية الدقيقة (Permutation Tests)، قمة التطور المنهجي في معالجة البيانات المعقدة والصغيرة جداً دون الحاجة لافتراض أي توزيع احتمالي مسبق. تتيح تقنية التمهيد الإحصائي تقدير فترات الثقة القوية لفرق المتوسطين عبر إعادة سحب آلاف العينات العشوائية المتكررة مع الإحلال (Resampling with Replacement) من داخل بيانات الدراسة ذاتها.

في بيئة Stata، يُنفذ التمهيد الإحصائي لاختبار t بسهولة بالغة من خلال إضافة بادئة الأمر bootstrap متبوعة بعدد مرات إعادة السحب المرغوبة وتحديد الفرق الإحصائي المستهدف:
bootstrap r(p), reps(1000) seed(12345): ttest depvar, by(groupvar).
تقوم هذه الخوارزمية ببناء توزيع عيني تجريبي كامل لفروق المتوسطات مستخرج مباشرة من صلب العينة المتاحة، واستخلاص فترات ثقة متينة تعكس التشتت الحقيقي وتلغي أثر الانحرافات التوزيعية بشكل نهائي.

في المقابل، توفر اختبارات التباديل الدقيقة عبر الأمر permute حلاً رياضياً استثنائياً للعينات المتناهية في الصغر التي تفشل معها كافة التقنيات التقاربية التقليدية. يعمل اختبار التباديل على إعادة توزيع درجات المشاركين عشوائياً بين المجموعتين لآلاف المرات تحت افتراض صحة الفرضية الصفرية، وحساب نسبة المرات التي يظهر فيها فرق يفوق أو يساوي الفرق المشاهد فعلياً. إن مقارنة نتائج هذه الطرق الحسابية القوية مع نتائج اختبار t الكلاسيكي تمنح الباحث ثقة مطلقة في مصداقية استنتاجاته البحثية المنشورة.

12. توثيق النتائج وفق معايير APA وتصدير الجداول الإحصائية للنشر

12.1 صياغة التقرير الإحصائي بأسلوب الجمعية الأمريكية لعلم النفس (APA 7th)

يتطلب التوثيق العلمي الدقيق لنتائج اختبار t التزاماً صارماً بالقوالب اللغوية والرمزية المعتمدة في الإصدار السابع من دليل النشر التابع لجمعية علم النفس الأمريكية (APA 7th Edition). تشترط هذه المعايير تقديم وصف إحصائي متكامل يتضمن المتوسط الحسابي والانحراف المعياري لكل مجموعة، متبوعاً بقيمة إحصاء t، ودرجات الحرية بين قوسين، والقيمة الاحتمالية الدقيقة p، مقترنة بقيمة حجم الأثر (Cohen’s d) وفترة ثقته 95%. تُكتب الرموز الإحصائية الأساسية (مثل M, SD, t, df, p, d) بخط مائل (Italic) بالكامل وفق القواعد التحريرية الدولية.

في حال تحقق كافة الافتراضات واستخدام اختبار t القياسي متساوي التباين، تُصاغ النتيجة باللغة العربية في المتن الأكاديمي وفق النموذج التالي:
“أظهرت نتائج اختبار t للعينات المستقلة وجود فرق ذي دلالة إحصائية بين درجات المجموعة التجريبية (M = 45.20, SD = 6.30) ودرجات المجموعة الضابطة (M = 38.10, SD = 5.80) في مستوى الدافعية للأداء؛ t(58) = 4.55, p < .001, d = 1.17, 95% CI [0.63, 1.71]، مما يشير إلى تفوق كبير وملموس للمجموعة التجريبية بأثر مرتفع."

أما في حال انتهاك تجانس التباين واستخدام تعديل ويلش (Welch’s t-test)، فيجب النص صراحة على ذلك في التقرير مع توثيق درجات الحرية الكسرية الناتجة عن التعديل:
“نظراً لعدم تحقق افتراض تجانس التباين، تم تطبيق اختبار ويلش لعينتين مستقلتين، وأسفرت النتائج عن وجود تباين دال إحصائياً بين الذكور (M = 78.40, SD = 12.50) والإناث (M = 86.20, SD = 6.20) في مهارات التواصل؛ t(41.32) = -2.88, p = .006, d = -0.79. يعكس هذا النموذج الشفافية الإحصائية والالتزام المنهجي بأدق ضوابط التوثيق العلمي الرصين.”

12.2 تصدير الجداول الإحصائية بجودة النشر العلمي

يمثل النقل اليدوي لجداول المخرجات والأرقام من نافذة Stata إلى برامج معالجة النصوص خطأً منهجياً شائعاً يعرض التقارير للأخطاء الطباعية والخلط في الخانات العشرية. لتفادي ذلك، تدعم Stata حزم برمجية وتوسيعات آلية متطورة لتصدير الجداول الإحصائية بجودة نشر مطابقة تماماً للمجلات العلمية المفهرسة. تبرز حزمة asdoc وحزمة outreg2 كأدوات مجانية شائعة يتم تثبيتها عبر الأمر ssc install، وتتيح إرسال جداول المقارنات وفروق المتوسطات مباشرة إلى مستندات Word بصيغة منسقة وجاهزة بضغطة زر واحدة.

توفر الإصدارات الحديثة من Stata منظومة داخلية فائقة القوة تُعرف بأوامر التجميع والجداول collect بالإضافة إلى الحزمة الرسمية المدمجة putdocx. تتيح هذه الأدوات المتقدمة كتابة نصوص برمجية (Do-files) مؤتمتة بالكامل تقوم بتشغيل الاختبارات الإحصائية، ورسم المخططات البيانية بدقة عالية، ثم تصدير تقرير بحثي متكامل بصيغة (.docx) يتضمن النصوص، الجداول، وأرقام المعالم منسقة تلقائياً حسب إرشادات النشر، مما يحقق أعلى درجات الشفافية وقابلية إعادة الإنتاج (Reproducibility).

لتجنب الأخطاء الشائعة في كتابة تقارير اختبار t، يجب على الباحثين تجنب كتابة القيمة الاحتمالية كصفر مطلق (مثل p = 0.000)، بل يجب تدوينها كـ (p < .001) عند صغرها الشديد، والحرص على عدم حذف أصفار البداية في مقاييس أحجام الأثر، والتأكد التام من تطابق اتجاه الفروق في المتن مع اتجاه الإشارات الحسابية لفرق المتوسطين. إن العناية بهذه التفاصيل الدقيقة ترتقي بالبحث العلمي وتضمن قبوله وسلاسته التحكيمية في المحافل الدولية.

خاتمة واستنتاجات علمية

يظل اختبار t لعينتين مستقلتين ركيزة أساسية لا غنى عنها في ترسانة التحليل الكمي المعاصر، حيث يجمع بين البساطة المفاهيمية والقوة الاستدلالية عند استخدامه وفق ضوابطه المنهجية الصارمة. إن إجراء هذا الاختبار في بيئة برمجية متقدمة مثل Stata يوفر للباحث ليس مجرد خوارزمية سريعة لحساب الفروق، بل منظومة استكشافية وتشخيصية متكاملة تضمن فحص الافتراضات القبلية، والتعامل مع المشكلات الهيكلية كعدم تجانس التباين عبر تعديلات ويلش الموثوقة، وتقدير الدلالة العملية عبر أحجام الأثر الدقيقة وفترات ثقتها.

تتمثل الرسالة المنهجية المركزية لهذا الدليل في ضرورة تجاوز النظرة الضيقة التي تختزل التحليل الإحصائي في مجرد ملاحقة القيمة الاحتمالية (p-value < 0.05). إن الممارسة العلمية الرصينة تقتضي التقييم المتكامل للبيانات بدءاً من الرسوم البيانية الاستكشافية، ومروراً بالتحقق الإحصائي من التوزيع الطبيعي والتجانس، وصولاً إلى الموازنة الحكيمة بين الدلالة الإحصائية والدلالة الإكلينيكية والعملية. ومن خلال الالتزام بهذه الخطوات واستثمار إمكانيات Stata البرمجية في التوثيق الآلي وفق معايير APA، يستطيع الباحثون تقديم إسهامات علمية رصينة تتسم بأعلى مستويات المصداقية، والدقة، وقابلية التكرار في المشهد الأكاديمي الدولي.

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.
• 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
• Hedges, L. V., & Olkin, I. (1985). Statistical methods for meta-analysis. Academic Press.
• 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
• Longest, K. C. (2019). Using Stata for quantitative analysis (3rd ed.). SAGE Publications.
• 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
• StataCorp. (2023). Stata base reference manual: Release 18. Stata Press. https://www.stata.com/manuals/r.pdf