كيفية قراءة جدول توزيع كاي تربيع

يُمثّل التحليل الإحصائي الركيزة المنهجية الصلبة التي تستند إليها البحوث العلمية المعاصرة، لا سيما في ميادين العلوم النفسية والاجتماعية والتربوية والطبية، حيث يسعى الباحثون جاهدين إلى تحويل الملاحظات والظواهر السلوكية الخام إلى بيانات كمية دقيقة قابلة للتفسير الموضوعي والاختبار المنهجي. وفي خضم هذه المنظومة الإحصائية المتكاملة، يحتل توزيع كاي تربيع (Chi-Square Distribution) مكانة محورية وفريدة بوصفه أحد أهم التوزيعات الاحتمالية اللامعلمية والمعلمية المتقاطعة، والتي تُمكّن الباحث من فحص الفرضيات المتعلقة بالبيانات الاسمية والترتيبية واختبار مدى مطابقة التكرارات المشاهدة مع التوزيعات النظرية المتوقعة بدقة رياضية متناهية.

وعلى الرغم من التطور التكنولوجي الهائل والاعتماد المتزايد على الحزم البرمجية الإحصائية المتطورة مثل SPSS و SAS و R و Python في استخراج المخرجات الرقمية الفورية، فإن الفهم العميق لكيفية قراءة وتفسير «جدول توزيع كاي تربيع» الورقي والمرجعي يظل مهارة أكاديمية أساسية لا غنى عنها لكل باحث وأكاديمي رصين. إن استيعاب البنية التركيبية للجدول، وإدراك ديناميكية تقاطع درجات الحرية مع مستويات الدلالة الإحصائية، يمنح الباحث بصيرة نقدية تمكنه من تقييم سلامة الاستدلال الإحصائي، واكتشاف الأخطاء البرمجية المحتملة، والتحقق من صحة النتائج المنشورة في الأدبيات السيكومترية بدقة واقتدار.

يقدم هذا الدليل المرجعي الشامل تفصيلاً معمقاً وغير مسبوق لكيفية قراءة جدول توزيع كاي تربيع من الألف إلى الياء؛ بدءاً من تفكيك الجذور الرياضية والخصائص المنحنية لهذا التوزيع، مروراً بتوضيح المفاهيم المركزية كدرجات الحرية ومستويات ألفا والمساحات الحرجة تحت المنحنى، ووصولاً إلى الخطوات العملية الدقيقة، والأمثلة التطبيقية المحلولة خطوة بخطوة من صميم الدراسات النفسية والسلوكية، وطرق التعامل مع القيم الشاذة والمرتفعة غير المجدولة، ليكون هذا المرجع بمثابة مرشد إحصائي ومنهجي متكامل لكل باحث وطالب دراسات عليا يسعى للتميز في التحليل الإحصائي المتقدم.

1. مقدمة شاملة حول جدول توزيع كاي تربيع وأهميته الإحصائية

1.1 التعريف بجدول توزيع كاي تربيع وسياقه الرياضي

يُعرَّف جدول توزيع كاي تربيع بأنه أداة مرجعية احتمالية قياسية تم تصميمها لحساب وتوثيق القيم الحرجة (Critical Values) المقابلة لمساحات ذيل التوزيع الاحتمالي عند مستويات ثقة مختلفة ودرجات حرية متباينة. رياضياً، ينشأ توزيع كاي تربيع ($$\chi^2$$) من خلال مجموع مربعات $k$ من المتغيرات العشوائية المستقلة التي يتبع كل منها التوزيع الطبيعي المعياري (Standard Normal Distribution) بمتوسط حسابي مقداره صفر وتباين مقداره واحد. هذا الأساس الرياضي الصارم يمنح جدول كاي تربيع قوته الاستدلالية الفائقة، حيث يُمكّن الباحثين من قياس حجم التباعد أو الانحراف بين التكرارات الملاحظة ميدانياً والتكرارات المتوقعة نظرياً تحت مظلة الفرضية الصفرية.

تاريخياً، ارتبط هذا التوزيع بأعمال العالم البريطاني الشهير كارل بيرسون (Karl Pearson) في مطلع القرن العشرين، وتحديداً في عام 1900، عندما طرح اختبار جودة التوفيق لتقييم مدى انسجام البيانات التجريبية مع النماذج الرياضية المقترحة. وقد مثّل الجدول الورقي لسنوات طويلة الوسيلة الحسابية الوحيدة والأساسية التي يلجأ إليها العلماء للبت في صحة الفرضيات البحثية قبل ظهور الحواسيب، وما زال حتى يومنا هذا يشكل حجر الزاوية في تدريس الإحصاء الاستدلالي وبناء التفكير النقدي لدى الباحثين في تقييم دلالة العلاقات والارتباطات بين المتغيرات الفئوية.

إن الرجوع إلى جدول كاي تربيع يمثل خطوة أساسية لترسيخ الفهم المنطقي لكيفية ولادة القرارات الإحصائية؛ فالأرقام المضمنة في شبكة الجدول ليست مجرد أعداد عشوائية، بل هي نقاط فاصلة دقيقة تم اشتقاقها عبر دوال التكامل الاحتمالية المعقدة مثل دالة غاما (Gamma Function). ومن هنا فإن إتقان قراءة الجدول يزود الباحث بفهم بنيوي لمعنى «المنطقة الحرجة» و«مستوى الدلالة»، مما يجعله قادراً على تجاوز الاستخدام الآلي الأصم للبرمجيات الإحصائية نحو استيعاب رياضي ومنهجي رصين ينعكس إيجاباً على كتابة ومناقشة النتائج في الأطروحات العلمية المحكمة.

1.2 استخدامات توزيع كاي تربيع في البحوث النفسية والاجتماعية

تتعدد التطبيقات الإحصائية لاختبار وتوزيع كاي تربيع في مجالات العلوم الإنسانية والنفسية، حيث يتعامل الباحثون في الغالب مع متغيرات نوعية واسمية وتصنيفية يصعب إخضاعها للاختبارات المعلمية البارامترية التقليدية التي تشترط الاعتدالية والقياس الفتري. ويبرز في مقدمة هذه الاستخدامات «اختبار حسن المطابقة» (Goodness of Fit Test)، والذي يُستخدم للتحقق مما إذا كان توزيع عينة من الأفراد على فئات سلوكية أو تشخيصية معينة يطابق توزيعاً نظرياً محدداً مسبقاً، كالتأكد من التوزيع المتساوي لسمات الشخصية أو مطابقة استجابات الأفراد للتوزيع الطبيعي المفترض.

أما الاستخدام الجوهري الثاني فيتمثل في «اختبار الاستقلالية» (Test of Independence)، والذي يُعد العمود الفقري لدراسة الارتباط والعلاقات التفاعلية بين متغيرين اسميين أو رتبيين ضمن جداول التوافق (Contingency Tables). يُطبق هذا الاختبار بكثافة في علم النفس الاجتماعي والعيادي؛ مثل فحص العلاقة بين النوع الاجتماعي ومستوى الاضطراب النفسي (اكتئاب، قلق، وسواس)، أو دراسة استقلالية أنماط التعلق العاطفي عن الأنماط القيادية، حيث يساعد الجدول في تحديد ما إذا كانت الفروق المشاهدة بين الخلايا تعكس علاقة حقيقية قائمة في المجتمع أم أنها مجرد تباينات عشوائية طارئة.

علاوة على ذلك، يمتد تطبيق توزيع كاي تربيع إلى «اختبار التجانس» (Test of Homogeneity) لمقارنة تجمعات سكانية فرعية متعددة ومعرفة ما إذا كانت تشترك في نفس التوزيع النسبي لسمة سلوكية محددة، فضلاً عن التطبيقات السيكومترية المتقدمة في بناء المقاييس النفسية وتحليل البنود، واختبار جودة مطابقة النماذج البنائية في نمذجة المعادلة البنائية (SEM)، وتحليل استجابة المفردة الاختبارية (IRT)، مما يجعل جدول كاي تربيع مرجعاً يومياً للباحث السلوكي في شتى مراحل التحليل والتقنين.

1.3 الخصائص المنحنية لتوزيع كاي تربيع وتأثيرها على قراءة الجدول

يتميز توزيع كاي تربيع بمجموعة من الخصائص الرياضية والهندسية الفريدة التي تميزه بصورة جذرية عن منحنى التوزيع الطبيعي المتماثل (الجرس)، وهذه الخصائص تنعكس بشكل مباشر وعميق على طريقة تصميم وقراءة الجدول الإحصائي. أولى هذه الخصائص هي «الالتواء الموجب الشديد نحو اليمين» (Positive Skewness)، حيث يتكدس الجزء الأكبر من المساحة الاحتمالية بالقرب من نقطة الصفر عند درجات الحرية المنخفضة، ثم يمتد ذيل المنحنى الطويل تدريجياً نحو القيم الموجبة اللانهائية جهة اليمين.

الخاصية الثانية البالغة الأهمية هي «عدم وجود قيم سالبة إطلاقاً» في هذا التوزيع؛ فنظراً لأن قيمة كاي تربيع تتولد من مجموع مربعات أعداد معيارية ($$\sum Z^2$$)، فإن جميع قيمه تكون موجبة حتماً وتبدأ رياضياً من الصفر ($$\chi^2 ge 0$$). هذا يعني أن منحنى التوزيع مقيد من جهة اليسار بحاجز الصفر، في حين يظل مفتوحاً من جهة اليمين، وهو السبب المباشر الذي يجعل جداول كاي تربيع تركز بشكل أساسي على حساب المساحات الاحتمالية وقيم الذيل الأيمن دون الحاجة إلى تضمين قيم سالبة كما هو الحال في جداول درجات $Z$ أو درجات $t$.

وتتجلى الخاصية الثالثة في «تغير شكل المنحنى ودالته الاحتمالية كلياً مع تغير درجات الحرية»؛ فعندما تكون درجة الحرية صغيرة جداً ($df = 1$ أو $df = 2$)، يكون المنحنى شديد الالتواء وشبيهاً بالدالة الأسية الهابطة. ومع تزايد درجات الحرية تدريجياً، يقل الالتواء وينزاح متوسط التوزيع وقيمته المنوالية نحو اليمين، ليقترب المنحنى شيئاً فشيئاً من التماثل والاعتدالية التامة التابعة للتوزيع الطبيعي عندما تتجاوز درجات الحرية 30 درجة، وهو ما يفسر سبب التزايد المطرد في القيم الحرجة داخل صفوف الجدول كلما انتقلنا لأسفل نحو درجات حرية أعلى.

2. المفاهيم الإحصائية الأساسية اللازمة لاستخدام الجدول

2.1 مفهوم درجات الحرية (Degrees of Freedom – df)

يُعد مفهوم درجات الحرية ($df$) من أدق المفاهيم المركزية وأكثرها جوهرية في علم الإحصاء الاستدلالي عموماً، وعند التعامل مع جدول كاي تربيع على وجه الخصوص. تُعرَّف درجات الحرية نظرياً بأنها عدد القيم أو الملاحظات المستقلة التي تملك الحرية الكاملة للتغير والاختلاف الرياضي في التحليل الإحصائي بعد فرض عدد معين من القيود والمعالم الرياضية الثابتة على مجموعة البيانات. وبعبارة مبسطة، إذا كان لدينا مجموع نهائي ثابت لعدة تكرارات، فإن جميع هذه التكرارات تكون حرة في اتخاذ أي قيمة ما عدا التكرار الأخير الذي يصبح مجبراً ومقيداً لتحقيق المجموع الكلي المطلوب.

تتجلى الأهمية الإحصائية لتحديد درجات الحرية في أنها تُمثل المعلمة الوحيدة (Parameter) التي تحدد الشكل الدقيق لدالة كثافة الاحتمال لمنحنى كاي تربيع؛ فبدون معرفة درجات الحرية، يستحيل على الباحث تحديد أي توزيع من عائلة توزيعات كاي تربيع اللانهائية هو التوزيع الواجب استخدامه. ولذلك، فإن البداية الصحيحة لقراءة الجدول تتطلب تحديد رقم الصف المقابل تماماً لدرجات حرية الاختبار المصمم في البحث النفسي أو الاجتماعي بدقة بالغة وبلا أدنى التباس.

في التطبيقات السلوكية والنفسية، يرتبط حساب درجات الحرية مباشرة بهندسة التصميم التجريبي للبحث؛ ففي دراسات تفضيلات المستهلكين أو تقييم أبعاد الشخصية باستخدام تصنيفات مفردة، تُحسب درجات الحرية على أنها عدد الفئات مطروحاً منها واحد ($df = k – 1$). أما في الدراسات الارتباطية المعقدة التي تفحص التفاعلات بين عدة متغيرات داخل مصفوفات التوافق، فتُحسب عبر ضرب عدد الصفوف ناقص واحد في عدد الأعمدة ناقص واحد ($df = (r-1)(c-1)$)، ويقود أي خطأ حسابي في تحديد هذا الرقم إلى القراءة من الصف الخاطئ في الجدول مما يبطل النتيجة الإحصائية برمتها.

2.2 مستوى الدلالة الإحصائية والخطأ من النوع الأول (Alpha Level – α)

يمثل مستوى الدلالة الإحصائية، والذي يُرمز له بالحرف الإغريقي ألفا ($\alpha$)، المعيار الاحتمالي الصارم الذي يضعه الباحث مسبقاً قبل جمع البيانات للتحكم في احتمالية ارتكاب الخطأ من النوع الأول (Type I Error). والخطأ من النوع الأول هو ذلك القرار الإحصائي الخاطئ المتمثل في رفض الفرضية الصفرية ($H_0$) واعتماد وجود علاقة أو أثر حقيقي، في حين أن الفرضية الصفرية صحيحة تماماً في الواقع، وتلك الفروق المشاهدة لم تكن سوى وليدة الصدفة وتقلبات المعاينة العشوائية.

في ميدان البحوث السلوكية والتربوية، تواضع المجتمع العلمي على اعتماد مستويات دلالة معيارية تحكم عملية اتخاذ القرار، ويأتي في مقدمتها المستوى التقليدي $\alpha = 0.05$ (احتمال خطأ بنسبة 5% وثقة 95%)، يليه المستوى الأكثر تحفظاً $\alpha = 0.01$ (احتمال خطأ 1% وثقة 99%)، والمستوى فائق الصرامة $\alpha = 0.001$ (احتمال خطأ 0.1% وثقة 99.9%). إن اختيار مستوى ألفا المناسب يتطلب موازنة منهجية حذرة بين الرغبة في تقليل الخطأ من النوع الأول وتفادي الوقوع في الخطأ من النوع الثاني ($\beta$) وهو الإخفاق في اكتشاف الأثر الحقيقي الموجود فعلياً.

تنعكس هذه المستويات الاحتمالية بشكل مباشر على التنظيم الهيكلي لأعمدة جدول توزيع كاي تربيع؛ حيث يُخصص لكل مستوى ألفا عمود مستقل يحمل قيمته الاحتمالية في رأس الصفحة. ويقع على عاتق الباحث مسؤولية اختيار العمود المتوافق تماماً مع مستوى الدلالة المصرح به في خطة بحثه، لضمان استخراج القيمة المقابلة التي تحقق التوازن الرياضي المطلوب لاختبار فروضه العلمية دون تحيز أو تضخيم زائف للدلالة.

2.3 القيمة الحرجة (Critical Value) ومنطقة الرفض

تُمثّل القيمة الحرجة ($\chi^2_{\text{crit}}$) النقطة الهندسية والحسابية الفاصلة والمحددة بدقة متناهية على المحور الأفقي لمنحنى توزيع كاي تربيع، والتي تفصل فصلاً قاطعاً بين منطقتين رئيسيتين في فضاء اتخاذ القرار الإحصائي: «منطقة عدم رفض الفرضية الصفرية» (منطقة القبول التوافقي) الواقعة إلى يسار القيمة الحرجة، و«منطقة الرفض» (Rejection Region) الواقعة إلى يمينها مباشرة نحو أقصى الذيل الأيمن للمنحنى الاحتمالي.

إن المساحة الاحتمالية الواقعة تحت المنحنى إلى يمين هذه القيمة الحرجة تتطابق رياضياً تماماً مع مستوى الدلالة المحدد ($\alpha$). فإذا حدد الباحث مستوى دلالة $\alpha = 0.05$، فإن القيمة الحرجة المجدولة ستكون هي النقطة التي تعزل تماماً 5% من أقصى المساحة الإجمالية للمنحنى جهة اليمين، وتترك 95% من المساحة المتبقية على يسارها. هذه الآلية تضمن للباحث رياضياً أنه إذا تجاوزت قيمته المحسوبة تجريبياً هذا الحاجز الحرج، فإن احتمال أن يكون هذا التجاوز ناتجاً عن الصدفة المحضة يقل عن 5%.

من هنا يتضح الدور الاستراتيجي الحاسم للقيمة الحرجة في بناء الحكم الإحصائي النهائي؛ فالقيم الحرجة المستخرجة من جداول كاي تربيع تمثل «معايير القياس المرجعية» الثابتة التي تُقارن بها القيمة المحسوبة تجريبياً من بيانات عينة البحث النفسي. وبناءً على موقع القيمة المحسوبة مقارنة بهذه القيمة الحرجة، يتمكن الباحث من صياغة قراره المنهجي برفض الفرضية الصفرية وتأكيد الدلالة الإحصائية للنموذج أو الإخفاق في ذلك وتأييد فرضية الاستقلال والحياد.

3. البنية الهيكلية لجدول توزيع كاي تربيع وكيفية تنظيمه

3.1 العمود الرأسي لدرجات الحرية (df)

عند فتح أي جدول مرجعي لتوزيع كاي تربيع في المراجع الإحصائية القياسية، يلاحظ الباحث فوراً وجود عمود رأسي رئيسي يقع عادة في أقصى الجانب الأيسر من الصفحة (أو في أقصى اليمين في بعض الجداول المعربة)، ويحمل هذا العمود عادة رمزاً واضحاً مثل $df$ أو $\nu$ (الرمز الإغريقي نيو) أو الاختصار العربي (د.ح). يحتوي هذا العمود على تسلسل رقمي منتظم يبدأ من القيمة 1 ويتدرج تصاعدياً ليمثل مختلف درجات الحرية المحتملة للاختبارات الإحصائية.

في أغلب الجداول النموذجية، تتوالى درجات الحرية بشكل متسلسل خطوة بخطوة من 1 إلى 30 ($1, 2, 3, dots, 30$)، وذلك لأن التغيرات في شكل المنحنى الاحتمالي وقيمه الحرجة تكون دراماتيكية وسريعة جداً عند هذه الدرجات المنخفضة. ولكن بمجرد تجاوز الرقم 30، تلجأ معظم الجداول المطبوعة إلى عرض درجات الحرية بفواصل أكبر (مثل: $40, 50, 60, 70, 80, 90, 100$) نظراً لتباطؤ معدل تغير المنحنى الذي يقترب تدريجياً من الاعتدالية التامة.

يواجه الباحثون أحياناً إشكالية منهجية عند التعامل مع عينات نفسية ضخمة تسفر عن درجات حرية تقع في تلك الفجوات غير المذكورة نصاً في الجدول (كأن تكون درجة الحرية المحسوبة $df = 47$). في مثل هذه الحالات، تفرض القواعد الإحصائية إما اللجوء إلى مبدأ التحفظ الإحصائي عبر اختيار أقرب درجة حرية أصغر مسجلة في الجدول (كالرجوع إلى $df = 40$)، أو تطبيق تقنيات رياضية أكثر دقة مثل الاستيفاء الخطي (Linear Interpolation) أو استخدام معادلات التحويل التقريبي المعياري لضمان دقة القيمة الحرجة المستخرجة.

3.2 الصفوف الأفقية لمستويات الدلالة الإحصائية (α)

يمتد على طول الحافة العلوية لجدول توزيع كاي تربيع صف أفقي رئيسي يعرض مختلف مستويات الدلالة الاحتمالية ($\alpha$ أو $p$)، والتي تمثل مساحة الذيل العلوي الأيمن للتوزيع. وتتدرج هذه القيم عادة من اليمين إلى اليسار أو العكس بقيم عشرية قياسية تبدأ من القيم الكبيرة نسبياً مثل $0.995, 0.99, 0.95, 0.90$، وتنتقل عبر المستويات المتوسطة $0.50, 0.20, 0.10$، لتصل إلى المستويات الأكثر استخداماً في البحوث النفسية وهي $0.05, 0.025, 0.01, 0.005, 0.001$.

من الأهمية بمكان أن يتنبه الباحث إلى طريقة تصميم الجدول وتوجيهه الاحتمالي المحدد في الترويسة العلوية قبل الشروع في القراءة؛ فبعض الجداول تعرض في رأسها المساحة الواقعة في الذيل الأيمن الصرف وتكتب بوضوح $P(\chi^2 > \chi^2_{\text{crit}}) = \alpha$، في حين تقدم بعض المراجع نادرة الاستخدام المساحة التراكمية المتبقية إلى اليسار $P(\chi^2 le \chi^2_{\text{crit}}) = 1 – \alpha$. عدم الانتباه لهذا التمايز الجوهري قد يقود الباحث غير المتمرس إلى قراءة القيمة المقابلة للمستوى $0.95$ ظناً منه أنها تمثل مستوى دلالة $0.05$، وهو خطأ منهجي فادح يقلب النتائج رأساً على عقب.

تشتمل الترويسات النموذجية للجداول المعتمدة من قبل الجمعيات العلمية الكبرى كجمعية علم النفس الأمريكية (APA) على رسم توضيحي مصغر لمنحنى كاي تربيع مع تظليل دقيق لمنطقة الذيل الأيمن المشار إليها بالأعمدة. يُلزم هذا المعيار الباحث بالتحقق البصري السريع من الرسم للتأكد من أن العمود المختار، وليكن $0.05$، يمثل بالفعل مساحة الرفض الطرفية المستهدفة في اختباره السيكومتري المحدد.

3.3 مصفوفة القيم الحرجة المتقاطعة داخل جسم الجدول

يشكل جسم الجدول الداخلي مصفوفة عددية ضخمة متكاملة من القيم الإحصائية، حيث تمثل كل خلية رقمية داخل هذه الشبكة القيمة الحرجة الدقيقة لكاي تربيع الناتجة عن التقاطع المباشر بين صف درجة حرية محددة ($df$) وعمود مستوى دلالة احتمالي معين ($\alpha$). وتُحسب هذه الأرقام المجدولة رياضياً باستخدام حلول معادلات التكامل غير المكتمل لدالة غاما لضمان دقة تصل عادة إلى منزلتين أو ثلاث منازل عشرية.

وعند تأمل هذه المصفوفة العددية، يبرز نمطان رياضيان بديهيان يعكسان السلوك الطبيعي للمنحنى الاحتمالي:

• النمط الرأسي: بزيادة درجات الحرية والتحرك رأسياً إلى أسفل مع تثبيت مستوى ألفا، تتزايد القيم الحرجة باطراد مستمر؛ حيث يتسع المدى الإحصائي لمجموع المربعات مع زيادة المتغيرات المستقلة المدمجة في التحليل.
• النمط الأفقي: بالتحرك أفقياً عبر الصف الواحد من اليسار إلى اليمين باتجاه مستويات ألفا الأصغر والأكثر صرامة (من $0.10$ إلى $0.05$ ثم $0.01$ فـ $0.001$)، تتزايد القيمة الحرجة بصورة ملحوظة، مما يعكس الحاجة إلى انحراف تجريبي أضخم بكثير للتمكن من اختراق منطقة الرفض الضيقة عند مستويات الثقة العالية جداً.

إن إدراك هذه الأنماط الرقمية يمنح الباحث حساً إحصائياً فطرياً يمكّنه من التحقق السريع والبديهي من صحة القيمة الحرجة المستخرجة؛ فإذا لاحظ الباحث انخفاضاً في القيمة الحرجة عند زيادة درجات الحرية أو عند الانتقال لمستوى دلالة أكثر صرامة، فإن ذلك يشير فوراً إلى وجود خطأ في تتبع مسار الصفوف والأعمدة داخل مصفوفة الجدول، وهو ما يستوجب إعادة الضبط والتركيز البصري المنهجي.

4. خطوات عملية متسلسلة لقراءة وتحديد القيمة الحرجة من الجدول

4.1 الخطوة الأولى: تحديد نوع الاختبار وصياغة الفرضيات الإحصائية

تبدأ الممارسة الإحصائية الرصينة قبل فتح الجدول المطبوع بتحديد طبيعة الاختبار الإحصائي المستهدف بدقة وصياغة الفرضيات الإحصائية صياغة علمية محكمة. يجب على الباحث أولاً تحديد ما إذا كان يطبق «اختبار حسن المطابقة» لمتغير أحادي بهدف مقارنة نسب فئاته بنسب نظرية مفترضة، أم أنه يطبق «اختبار الاستقلالية» على جدول توافق ثنائي لفحص الارتباط والاقتران بين متغيرين تصنيفيين مستقلين في دراسته السلوكية.

تتطلب هذه الخطوة كتابة الفرضية الصفرية ($H_0$) والفرضية البديلة ($H_1$) برموز واضحة وصريحة:

• في اختبار حسن المطابقة: تنص $H_0$ على أن التكرارات الملاحظة في الميدان تتطابق تماماً مع التكرارات المتوقعة نظرياً، بينما تنص $H_1$ على وجود اختلاف جوهري بين التوزيعين.
• في اختبار الاستقلالية: تنص $H_0$ على أن المتغيرين محل الدراسة مستقلان تماماً ولا توجد بينهما أي علاقة ارتباطية في المجتمع، بينما تنص $H_1$ على أن المتغيرين غير مستقلين وتوجد بينهما علاقة اقتران ذات دلالة.

علاوة على ذلك، ينبغي على الباحث توثيق هذه الفروض في تقريره الأكاديمي وتحديد الاتجاه المنهجي لاختباره. ومن الجدير بالذكر أن اختبار كاي تربيع، وعلى الرغم من أنه يتعامل عادة مع فرضيات غير موجهة في بنيتها الاسمية، إلا أن اتخاذ القرار فيه يتم دائماً عبر ذيل التوزيع الأيمن، مما يلزم الباحث بفهم منطق هذا الذيل الموجه لاحتساب الفروق والانحرافات التراكمية الإيجابية الناتجة عن تربيع الفروق.

4.2 الخطوة الثانية: حساب درجات الحرية الخاصة بالتحليل

تتمثل الخطوة الإجرائية الثانية في التطبيق الدقيق للمعادلة الرياضية الخاصة بحساب درجات الحرية ($df$) بناءً على التصميم التجريبي المحدد للبيانات. يمثل هذا الرقم الإحداثي الرأسي الذي سيقود الباحث إلى الصف الصحيح داخل الجدول، ويتطلب حسابه تركيزاً منهجياً لتجنب الخلط الشائع بين حجم العينة الكلي ($N$) وعدد الفئات الحرة في التحليل.

إذا كان التحليل يخص اختبار حسن مطابقة لمتغير وحيد، يتم تطبيق المعادلة البسيطة $df = k – 1$، حيث يمثل $k$ عدد المستويات أو الفئات التصنيفية للظاهرة السلوكية المقاسة. أما إذا كان التحليل يخص جدول توافق ثنائي الأبعاد يحتوي على صفوف وأعمدة ($r \times c$)، فيتعين تطبيق معادلة الجداء $df = (r – 1) \times (c – 1)$، مع ضرورة التأكد من فحص جدول البيانات والتأكد من استبعاد أي فئات فارغة أو دمج المستويات التي لا تحتوي على تكرارات كافية قبل اعتماد الرقم النهائي لدرجة الحرية.

يجب تدوين هذا الرقم الناتج بوضوح قاطع؛ فإذا كان لدينا جدول توافق يدرس العلاقة بين أربعة أنماط للشخصية وثلاثة مستويات للدافعية للإنجاز، فإن درجات الحرية تكون حتماً $df = (4 – 1) \times (3 – 1) = 3 \times 2 = 6$. هذا الرقم (6) يمثل الآن تذكرتك الحصرية لتحديد الصف المستهدف في مصفوفة الجدول الإحصائي، وأي تهاون في اعتماده سيفضي إلى استخراج قيمة حرجة غير ملائمة لتصميم التجربة الحالية.

4.3 الخطوة الثالثة: تحديد مستوى الدلالة وتحديد نقطة التقاطع

بعد تحديد رقم الصف من خلال درجات الحرية، ينتقل الباحث إلى المسطرة الأفقية في أعلى الجدول لتحديد العمود المطابق لمستوى الدلالة الإحصائية المعتمد في دراسته (وليكن $\alpha = 0.05$ أو $\alpha = 0.01$). يمثل هذا المستوى الاحتمالي الإحداثي الأفقي الذي يلتقي مع الإحداثي الرأسي لدرجات الحرية ليشكلا معاً نقطة التقاطع الحسابية الفريدة.

لتطبيق هذه الخطوة عملياً وبأعلى درجات الدقة دون الوقوع في خطأ الانزلاق البصري:

• ضع مسطرة أفقية أو حافة ورقية مستقيمة مباشرة تحت الصف المقابل لدرجة الحرية المحددة في عمود $df$.
• تتبع بعينيك العمود الرأسي الهابط من ترويسة مستوى الدلالة المحدد ($\alpha$) في رأس الصفحة نزولاً إلى أسفل.
• حدد الخلية المتقاطعة تماماً حيث يلتقي الخط الأفقي لدرجة الحرية مع الخط الرأسي لمستوى الدلالة.
• اقرأ الرقم المسجل بدقة داخل هذه الخلية ودونه بوصفه «القيمة الحرجة المجدولة» ($\chi^2_{\text{crit}}$)، مسجلاً كافة المنازل العشرية الواردة بالجدول.

على سبيل المثال، عند التقاطع بين الصف $df = 6$ والعمود $\alpha = 0.05$، نجد القيمة الحرجة المجدولة هي $12.592$. هذه القيمة المسجلة تصبح هي المعيار القياسي النهائي الذي سيتم على أساسه محاكمة القيمة الإحصائية المحسوبة من بيانات التجربة السلوكية والبت في مصير الفرضية الصفرية بحزم وثقة تامة.

5. حساب درجات الحرية لمختلف الاختبارات النفسية قبل الرجوع للجدول

5.1 حساب درجات الحرية لاختبار حسن المطابقة ذي البعد الواحد

يُعد اختبار حسن المطابقة أحادي البعد من أكثر الأدوات شيوعاً في تقييم مدى انسجام التوزيعات التجريبية للسمات النفسية والتربوية مع النماذج النظرية المقترحة. في هذا السياق، ترتبط درجات الحرية بعدد الفئات التصنيفية المستقلة ($k$) المتاحة للمفحوصين، حيث يخضع التحليل لقيد إحصائي واحد يتمثل في ثبات المجموع الكلي للتكرارات الملاحظة ومطابقته لحجم العينة الكلي المجموع، وتأخذ المعادلة الرياضية الأساسية الصيغة البسيطة:

$$df = k – 1$$

تتجلى هذه الصيغة في دراسات علم النفس العيادي عند تصنيف المرضى وفق استجاباتهم على مقياس تشخيصي يشتمل على خمس فئات مستقلة (مثال: سليم، قلق طفيف، قلق متوسط، قلق شديد، قلق حاد). هنا تصبح درجات الحرية $df = 5 – 1 = 4$. وبالمثل، عند تحليل استجابات الأفراد على مقياس ليكرت الخماسي لتقييم الرضا الأكاديمي، تكون درجات الحرية دائماً مساوية لعدد فئات الاستجابة مطروحاً منها واحد.

ومع ذلك، تبرز حالة خاصة بالغة الأهمية السيكومترية عندما يتطلب اختبار حسن المطابقة تقدير معالم مجتمعية مجهولة انطلاقاً من بيانات العينة نفسها (مثل حساب المتوسط الحسابي والانحراف المعياري للتحقق من مطابقة درجات الذكاء للتوزيع الطبيعي). في هذه الحالة المتقدمة، يتم خصم درجات حرية إضافية بعدد المعالم المقدرة ($m$)، وتصبح الصيغة الحسابية المعدلة $df = k – 1 – m$. فإذا تم تقدير معلمتين (المتوسط والتباين) لعشر فئات تصنيفية، تصبح درجات الحرية $df = 10 – 1 – 2 = 7$، وهو ما يستوجب الحذر الشديد عند اختيار الصف المناسب في جدول كاي تربيع.

5.2 حساب درجات الحرية لجداول التوافق ثنائية الأبعاد (r × c)

عند الانتقال إلى دراسة التفاعل والاقتران بين متغيرين تصنيفيين مستقلين، تُنظم البيانات داخل مصفوفة متقاطعة تُعرف بجدول التوافق ذي البعدين ($r \times c$)، حيث يمثل $r$ عدد الصفوف (مستويات المتغير الأول) ويمثل $c$ عدد الأعمدة (مستويات المتغير الثاني). في هذه البنية المزدوجة، تخضع البيانات لقيود متعددة تتمثل في ثبات المجموع الهامشي لكل صف ولكل عمود، بالإضافة إلى ثبات المجموع الكلي للمفحوصين، وتصاغ معادلة درجات الحرية على النحو التالي:

$$df = (r – 1) \times (c – 1)$$

ولفهم المنطق الرياضي الكامن وراء هذه المعادلة في الدراسات النفسية، لنفترض باحثاً يدرس العلاقة بين النوع الاجتماعي (مستويين: ذكور، إناث؛ إذن $r = 2$) والنمط القيادي المفضل (أربعة أنماط: ديمقراطي، أوتوقراطي، تحويلي، فوضوي؛ إذن $c = 4$). بتطبيق المعادلة نجد أن: $df = (2 – 1) \times (4 – 1) = 1 \times 3 = 3$. هذا يعني أن معرفة ثلاثة تكرارات فقط داخل هذا الجدول المكون من ثماني خلايا، مع بقاء المجاميع الهامشية ثابتة، تكفي لحساب وتحديد قيم الخلايا الخمس المتبقية جبرياً دون أي حرية في الاختلاف.

وتجدر الإشارة إلى حالة جداول التوافق الرباعية البسيطة من النمط ($2 \times 2$)، والتي تتكرر بكثرة في بحوث العلوم الطبية والسلوكية المقارنة (مثل: تجريبي/ضابط مقابل شفاء/عدم شفاء)؛ حيث تكون درجات الحرية فيها دائماً $df = (2 – 1) \times (2 – 1) = 1 \times 1 = 1$. يمثل هذا الصف الأول في جدول كاي تربيع حالة خاصة تحظى باهتمام إحصائي دقيق، نظراً لحساسيتها العالية للتقلبات العشوائية وحاجتها أحياناً لتصحيحات إحصائية تضمن اتساقها مع التوزيعات المتصلة.

5.3 حساب درجات الحرية في النماذج اللوغاريتمية الخطية المتقدمة

في الأبحاث السلوكية والاجتماعية المعقدة، قد يتطلب التصميم المنهجي دراسة التفاعلات المشتركة بين ثلاثة متغيرات اسمية أو أكثر في آن واحد (مثل: فحص التفاعل بين النوع الاجتماعي، والمستوى الاقتصادي، والتوجه المهني). في مثل هذه التصاميم متعددة الأبعاد ($r \times c \times l$)، يصبح التحليل الثنائي التقليدي عاجزاً عن كشف التفاعلات المركبة، ويلجأ الباحثون إلى النماذج اللوغاريتمية الخطية (Log-Linear Models) لتحليل مصفوفات التوافق متعددة الاتجاهات.

يرتبط حساب درجات الحرية في هذه النماذج المتقدمة بالفرق بين إجمالي عدد الخلايا المتاحة في المصفوفة متعددة الأبعاد وعدد المعالم والتأثيرات التي يتم تضمينها في النموذج المقترح (المؤثرات الرئيسية وتأثيرات التفاعل الثنائي والثلاثي). وتأخذ الصيغة المنهجية العامة لحساب درجات حرية مطابقة النموذج الكلي الشكل الآتي:

$$df = \text{Total Cells} – \text{Estimated Parameters}$$

على سبيل المثال، في جدول توافق ثلاثي الأبعاد من النمط ($2 \times 3 \times 4$)، يبلغ إجمالي عدد الخلايا المتقاطعة $2 \times 3 \times 4 = 24$ خلية. إذا اختبر الباحث نموذج الاستقلال التام الذي يقدر فقط التأثيرات الرئيسية للمتغيرات الثلاثة دون أي تفاعلات، فإن المعالم المقدرة تستنزف عدداً محدداً من القيود، وتكون درجات الحرية لاختبار جودة توفيق النموذج هي $df = (r \cdot c \cdot l) – 1 – (r-1) – (c-1) – (l-1) = 24 – 1 – 1 – 2 – 3 = 17$.

يقود هذا الرقم المستخرج الباحث مباشرة للبحث في الصف $df = 17$ في جدول توزيع كاي تربيع لتقييم ما إذا كان النموذج النظري المقترح يطابق البيانات الميدانية بجدارة. ويبرز هنا الرابط العميق بين التحليلات الإحصائية المتقدمة متعددة المتغيرات والجدول المرجعي البسيط؛ فالأساس الاستدلالي الذي يحكم قبول النماذج البنائية واللوغاريتمية هو ذاته منطق القيمة الحرجة المجدولة المستند إلى درجات الحرية ومستويات ألفا.

6. مستويات الدلالة الإحصائية (Alpha) وتطبيقاتها في العلوم السلوكية

6.1 اختيار مستوى الدلالة التقليدي 0.05 وأسبابه المنهجية

يُمثل مستوى الدلالة $\alpha = 0.05$ المعيار الذهبي الأكثر رسوخاً وانتشاراً في بحوث العلوم الإنسانية والنفسية والتربوية منذ عقود طويلة. يعود هذا الاختيار تاريخياً إلى الأب الروحي للإحصاء الحيوي والاستدلالي الحديث السير رونالد فيشر (Ronald Fisher) في عشرينيات القرن العشرين، حين اقترح في كتابه الكلاسيكي «الطرائق الإحصائية للباحثين» اعتماد معيار الانحراف بمقدار ضعفي الخطأ المعياري تقريباً (المقابل لاحتمال 5%) كنقطة ملائمة تفصل بين التقلبات العشوائية المقبولة والفروق الجوهرية الجديرة بالدراسة العلمية.

ينبع الاستقرار على هذا المستوى في البحوث النفسية والسلوكية من الموازنة المنهجية الدقيقة والواقعية بين نوعي الخطأ الإحصائي؛ فالعلوم الإنسانية تتعامل مع ظواهر سلوكية معقدة تتداخل فيها مئات المتغيرات النفسية والبيئية غير المنضبطة كلياً، ومحاولة فرض مستوى صرامة مفرط (مثل $0.001$) في كل دراسة استطلاعية قد يؤدي إلى تضخيم الخطأ من النوع الثاني وتجاهل تأثيرات وتدخلات علاجية نفسية مفيدة وواعدة بمجرد أنها لم تصل إلى الصرامة المطلقة.

عند استخدام جدول كاي تربيع، يتجه الباحث السلوكي في الغالبية العظمى من التحليلات الاستكشافية والمقارنة نحو العمود المعنون بالقيمة $0.05$. ويعني الوصول إلى قيمة كاي تربيع تتجاوز القيمة الحرجة في هذا العمود أن الباحث يملك ثقة بنسبة 95% بأن الفروق أو العلاقات الملاحظة بين متغيراته الاسمية ليست ناجمة عن الصدفة العشوائية، مما يمنحه الترخيص العلمي لرفض الفرضية الصفرية ونشر استنتاجاته بثقة أكاديمية مقبولة ومتعارف عليها دولياً.

6.2 متى يجب استخدام مستويات دلالة أكثر صرامة (0.01 و 0.001)؟

على الرغم من شيوع المستوى 0.05، إلا أن هناك سياقات بحثية حرجة في علم النفس والطب النفسي والعلوم العيادية تفرض حتماً الانتقال إلى مستويات دلالة فائقة الصرامة مثل $\alpha = 0.01$ أو $\alpha = 0.001$. من أبرز هذه السياقات: الدراسات السريرية الدوائية لتقييم الآثار الجانبية الخطيرة للعقاقير النفسية، أو أبحاث التشخيص النفسي الجنائي التي يترتب على نتائجها قرارات حاسمة تمس حرية الأفراد ومصائرهم، أو الاختبارات التي تقيس كفاءة برامج التدخل الانتحاري، حيث يصبح ارتكاب خطأ من النوع الأول (إقرار أثر وهمي) أمراً غير مقبول أخلاقياً أو مهنياً.

كما تبرز الضرورة الحتمية لرفع مستوى الصرامة الإحصائية عند إجراء «المقارنات البعدية المتعددة» (Multiple Comparisons) على مصفوفة بيانات واحدة؛ حيث يؤدي تكرار تطبيق اختبار كاي تربيع لعدة مرات متتالية على نفس العينة إلى تراكم تضخمي خطير في معدل الخطأ الإجمالي للعائلة (Familywise Error Rate). ولمواجهة هذا التضخم، يلجأ الباحثون إلى تطبيق أساليب التعديل الصارمة مثل تعديل بونفيروني (Bonferroni Correction)، والذي يقوم على قسمة مستوى ألفا الأساسي على عدد الاختبارات المنجزة ($\alpha^* = \alpha / k$).

فإذا أجرى باحث خمسة اختبارات كاي تربيع مستقلة لمقارنة أنماط الاستجابة العلاجية، يصبح مستوى الدلالة الفعلي لكل اختبار فردي هو $\alpha = 0.05 / 5 = 0.01$. في هذه الحالة، يتجاهل الباحث عمود $0.05$ تماماً في جدول كاي تربيع، ويتجه مباشرة إلى عمود $0.01$ أو عمود $0.001$ لاستخراج القيمة الحرجة الجديدة التي تكون أعلى وأكثر صعوبة في التجاوز، مما يضمن الحفاظ على الرصانة العلمية للنتائج وتجنب المخرجات الإيجابية الزائفة.

6.3 التعامل مع مستويات ألفا ذات الاتجاه الواحد وتوزيع الذيل الأيمن

تثير مسألة اتجاه الاختبار (ذيل واحد مقابل ذيلين – One-tailed vs. Two-tailed) قدراً كبيراً من اللبس المفاهيمي لدى المشتغلين بالبحوث النفسية عند قراءة جدول كاي تربيع، والسبب في ذلك يعود إلى الطبيعة الهندسية الخاصة بالتوزيع. في اختبارات $Z$ أو $t$ المتماثلة، يضطر الباحث إلى قسمة مستوى ألفا على اثنين عند صياغة فرضية غير موجهة لفحص كلا الطرفين، لكن الوضع يختلف بصورة جذرية في اختبار كاي تربيع.

إن اختبار كاي تربيع هو بطبيعته الرياضية والتركيبية «اختبار ذيل أيمن دائماً» في جميع استخداماته القياسية لجداول التوافق وحسن المطابقة، حتى وإن كانت الفرضية البحثية السلوكية في صياغتها اللفظية غير موجهة. يرجع هذا إلى أن معادلة كاي تربيع تقوم بتربيع الفروق بين التكرارات الملاحظة والمتوقعة ($$(O – E)^2$$)، وبالتالي فإن أي انحراف عن الفرضية الصفرية — سواء بالزيادة أو النقصان — يتحول تلقائياً إلى قيمة موجبة تتراكم دائماً في اتجاه الذيل الأيمن للمنحنى الاحتمالي.

بناءً على هذه الحقيقة الرياضية الراسخة، لا يحتاج الباحث إطلاقاً إلى قسمة مستوى ألفا على اثنين عند البحث عن القيمة الحرجة لاختبار كاي تربيع في الجدول المعتاد؛ فإذا كان مستوى الدلالة المستهدف هو $\alpha = 0.05$، يتم التوجه مباشرة ودون أي تعديل إلى عمود $0.05$. إن محاولة البحث في عمود $0.025$ تحت زعم إجراء اختبار ثنائي الطرف تمثل خطأً منهجياً شائعاً يعكس عدم إدراك للأساس الرياضي لاختبار كاي تربيع، مما يرفع القيمة الحرجة بصورة غير مبررة ويزيد من احتمالية الفشل في اكتشاف الدلالة الحقيقية.

7. مقارنة القيمة المحسوبة بالقيمة المجدولة وقواعد اتخاذ القرار

7.1 قاعدة القرار الإحصائي الأساسية لرفض الفرضية الصفرية

ترتكز عملية اتخاذ القرار الإحصائي في اختبار كاي تربيع على مقارنة رياضية قطعية ومباشرة بين قيمتين أساسيتين: «القيمة المحسوبة» ($\chi^2_{\text{calc}}$) التي استخرجها الباحث يدوياً أو حاسوبياً من واقع بيانات عينته الميدانية، و«القيمة الحرجة المجدولة» ($\chi^2_{\text{crit}}$) المستخرجة من جدول توزيع كاي تربيع عند درجة الحرية ومستوى الدلالة المحددين مسبقاً. وتنص القاعدة الإحصائية الذهبية لرفض الفرضية الصفرية على الشرط الآتي:

$$\text{Reject } H_0 \quad \text{if} \quad \chi^2_{\text{calc}} ge \chi^2_{\text{crit}}$$

يعني هذا الشرط الرياضي الصارم أن القيمة المحسوبة من البيانات التجريبية قد تجاوزت الحاجز الحرج واخترقت منطقة الرفض الواقعة في أقصى الذيل الأيمن للمنحنى الاحتمالي. وتفسير ذلك سيكولوجياً ومنهجياً هو أن حجم التباعد والتنافر بين ما تمت ملاحظته في الواقع وما كان متوقعاً حدوثه بموجب الصدفة أو الاستقلال كبير جداً لدرجة يستحيل معها عزو هذا التباعد إلى خطأ المعاينة العشوائية بمستوى ثقة $1-\alpha$.

عند تحقق هذا الشرط، يصيغ الباحث قراره الأكاديمي برفض الفرضية الصفرية ($H_0$) وقبول الفرضية البديلة ($H_1$)، ويعلن بثقة علمية أن هناك فروقاً ذات دلالة إحصائية بين التوزيعين في اختبار حسن المطابقة، أو أن هناك علاقة ارتباط واقتران دالة إحصائياً بين المتغيرين في اختبار الاستقلالية، موثقاً مستوى الدلالة المتحقق الذي تجاوزته القيمة التجريبية في تقرير بحثه النهائي.

7.2 قاعدة الإخفاق في رفض الفرضية الصفرية وتفسيرها العلمي

في المقابل، إذا أسفر التحليل الإحصائي عن قيمة كاي تربيع محسوبة تقع على يسار القيمة الحرجة المستخرجة من الجدول، فإن القاعدة الإحصائية الحاكمة تصاغ رياضياً على النحو التالي:

$$\text{Fail to Reject } H_0 \quad \text{if} \quad \chi^2_{\text{calc}} < \chi^2_{\text{crit}}$$

في هذه الحالة، تسقط القيمة المحسوبة في «منطقة عدم الرفض» (أو منطقة القبول التوافقي)، وهو ما يلزم الباحث منهجياً بالإخفاق في رفض الفرضية الصفرية. ويجب التأكيد هنا على دقة الصياغة اللغوية والأكاديمية؛ فالإحصاء الاستدلالي الحديث يرفض عبارة «قبول الفرضية الصفرية وإثبات صحتها المطلقة»، ويستبدلها بعبارة «الإخفاق في رفض الفرضية الصفرية»، لأن عدم وجود دليل كافٍ على وجود علاقة لا يعني بالضرورة إثبات عدم وجودها في المجتمع الكلي بصورة قطعية.

ويكمن التفسير العلمي لهذا الموقف في أن الفروق الملاحظة بين التكرارات المشاهدة والتكرارات المتوقعة هي فروق طفيفة وهامشية للغاية، ويمكن تفسيرها وتبريرها بسهولة على أنها تقلبات عشوائية طبيعية ناتجة عن أخطاء المعاينة المتوقعة في أي تجربة نفسية. وفي هذه الحالة، يوثق الباحث في تقريره الأكاديمي عدم وجود دلالة إحصائية عند مستوى الدلالة المحدد، مما يشير إلى أن البيانات الميدانية لا تقدم سنداً كافياً لافتراض وجود اقتران أو تفضيل سلوكي مميز بين فئات الظاهرة المدروسة.

7.3 الربط بين القيمة الحرجة المجدولة والقيمة الاحتمالية (P-value)

ترتبط القيمة الحرجة المجدولة ارتباطاً عضوياً بمفهوم «القيمة الاحتمالية» (P-value أو الدلالة المحسوبة Asymptotic Significance)، والتي تمثل الاحتمال الدقيق للحصول على قيمة كاي تربيع مساوية أو تفوق القيمة المحسوبة تجريبياً في حال كانت الفرضية الصفرية صحيحة تماماً. إن العلاقة بين المنظورين هي علاقة تكاملية تمثل وجهين لعملة اتخاذ القرار الإحصائي الواحدة.

عند استخدام الجدول الورقي التقليدي، لا يستطيع الباحث عادة معرفة القيمة الاحتمالية الدقيقة بالأرقام العشرية التفصيلية، ولكنه يستطيع وبكفاءة عالية «حصر هذه القيمة الاحتمالية ضمن نطاق محدد» عبر مقارنة قيمته المحسوبة بمختلف القيم الحرجة الواردة في نفس الصف لدرجة الحرية. فإذا كانت القيمة المحسوبة لدرجة حرية $df=3$ هي $\chi^2 = 8.50$، وبالرجوع لصف الجدول نجد القيمة الحرجة عند $alpha=0.05$ هي $7.815$ وعند $alpha=0.01$ هي $11.345$، فإن الباحث يستنتج فوراً أن القيمة الاحتمالية تنحصر حتماً بين هذين المستويين ($0.01 < p < 0.05$).

تتجلى أهمية هذا الربط المنهجي عند قراءة المخرجات الحاسوبية ومقارنتها بالجداول؛ حيث تشير القاعدة المكافئة إلى أن رفض الفرضية الصفرية بناءً على الشرط ($\chi^2_{\text{calc}} ge \chi^2_{\text{crit}}$) يتطابق منطقياً تماماً مع الشرط الحاسوبي الحديث ($p le \alpha$). هذا الاستيعاب المزدوج يحمي الباحث السيكومتري من الوقوع في فخ التناقضات الرقمية، ويمكّنه من كتابة تقارير إحصائية تجمع بين دقة القيمة الاحتمالية الرقمية وصلابة الأساس المرجعي لقيم الجداول القياسية.

8. أمثلة تطبيقية محلولة خطوة بخطوة من واقع الأبحاث النفسية

8.1 مثال 1: اختبار حسن المطابقة لتقييم تفضيلات أساليب التعلم لدى الطلاب

سياق الدراسة: أجرى باحث في علم النفس التربوي دراسة لتقييم تفضيلات أساليب التعلم لدى عينة عشوائية قوامها $N = 120$ طالباً جامعياً، حيث صُنفت الأساليب إلى أربعة أنماط معرفية رئيسية: (بصري، سمعي، حركي، قرائي/كتابي). انطلق الباحث من فرضية صفرية تفترض التوزيع المتساوي لتفضيلات الطلاب عبر الأساليب الأربعة بالتساوي ($H_0: P_1 = P_2 = P_3 = P_4 = 0.25$).

البيانات وحساب القيمة المحسوبة:

• التكرارات الملاحظة ميدانياً ($O$): بصري = 42، سمعي = 28، حركي = 32، قرائي = 18 (المجموع = 120).
• التكرارات المتوقعة نظرياً ($E$): $120 \times 0.25 = 30$ طالباً لكل أسلوب تعلم.
• تطبيق معادلة كاي تربيع: $\chi^2 = \sum \frac{(O – E)^2}{E}$
• الحسابات التفصيلية:
  • بصري: $\frac{(42 – 30)^2}{30} = \frac{144}{30} = 4.80$
  • سمعي: $\frac{(28 – 30)^2}{30} = \frac{4}{30} = 0.133$
  • حركي: $\frac{(32 – 30)^2}{30} = \frac{4}{30} = 0.133$
  • قرائي: $\frac{(18 – 30)^2}{30} = \frac{144}{30} = 4.80$
• القيمة المحسوبة الإجمالية: $\chi^2_{\text{calc}} = 4.80 + 0.133 + 0.133 + 4.80 = 9.866$

خطوات قراءة الجدول واتخاذ القرار:

1. حساب درجات الحرية: $df = k – 1 = 4 – 1 = 3$.
2. تحديد مستوى الدلالة الإحصائية المعتمد مسبقاً: $\alpha = 0.05$.
3. الانتقال إلى جدول كاي تربيع: البحث عن تقاطع الصف $df = 3$ مع العمود $\alpha = 0.05$.
4. استخراج القيمة الحرجة المجدولة: $\chi^2_{\text{crit}}(3, 0.05) = 7.815$.
5. المقارنة وتطبيق قاعدة القرار: نلاحظ أن $\chi^2_{\text{calc}} (9.866) > \chi^2_{\text{crit}} (7.815)$.

الاستنتاج العلمي: بما أن القيمة المحسوبة أكبر من القيمة المجدولة، نرفض الفرضية الصفرية ($H_0$) ونقبل الفرضية البديلة ($H_1$) عند مستوى دلالة $0.05$. ويفسر ذلك بوجود تفضيل دال إحصائياً ومتباين لدى الطلاب لأساليب معينة (حيث يبرز تفضيل الأسلوب البصري بشكل لافت بينما ينخفض الإقبال على الأسلوب القرائي)، مما يستوجب تكييف الاستراتيجيات التعليمية الجامعية لتلائم هذه التفضيلات السلوكية المشاهدة.

8.2 مثال 2: اختبار الاستقلالية بين مستويات القلق والتحصيل الدراسي

سياق الدراسة: أرادت باحثة في الإرشاد النفسي فحص ما إذا كانت مستويات قلق الاختبار ترتبط بالتحصيل الأكاديمي لدى عينة من المراهقين قوامها $N = 200$ تلميذ، وصُممت البيانات في جدول توافق ($3 \times 3$) يشتمل على ثلاثة مستويات للقلق (منخفض، متوسط، مرتفع) وثلاثة مستويات للتحصيل الأكاديمي (منخفض، متوسط، مرتفع).

البيانات وحساب القيمة المحسوبة:
بعد حساب التكرارات المتوقعة لكل خلية من خلال الصيغة الهامشية ($E = \frac{\text{Row Total} \times \text{Column Total}}{N}$) وحساب مجموع الفروق النسبية المربعة لكافة الخلايا التسع، أسفر التحليل الإحصائي عن قيمة كاي تربيع محسوبة مقدارها:

$$\chi^2_{\text{calc}} = 14.25$$

خطوات قراءة الجدول واتخاذ القرار:

1. حساب درجات الحرية للدراسة: $df = (r – 1) \times (c – 1) = (3 – 1) \times (3 – 1) = 2 \times 2 = 4$.
2. تحديد مستوى الدلالة الإحصائية؛ قررت الباحثة استخدام مستوى صارم لمزيد من الموثوقية: $\alpha = 0.01$.
3. الرجوع إلى جدول توزيع كاي تربيع: تتبع الصف المقابل لدرجة الحرية $df = 4$ أفقياً حتى عمود مستوى الدلالة $\alpha = 0.01$.
4. استخراج القيمة الحرجة المجدولة: $\chi^2_{\text{crit}}(4, 0.01) = 13.277$.
5. المقارنة الرياضية: نجد أن $\chi^2_{\text{calc}} (14.25) > \chi^2_{\text{crit}} (13.277)$.

الاستنتاج العلمي: نرفض الفرضية الصفرية للاستقلال عند مستوى ثقة 99% ($p < 0.01$). تشير هذه النتيجة السيكولوجية القاطعة إلى وجود علاقة اقتران ارتباطية ذات دلالة إحصائية عالية بين مستوى قلق الاختبار والتحصيل الدراسي للمراهقين؛ حيث كشفت التكرارات الملاحظة أن القلق المرتفع يرتبط ارتباطاً وثيقاً بالتحصيل المنخفض، مما يؤكد الحاجة إلى تصميم برامج علاج معرفي سلوكي لتخفيض القلق لدى الفئات المعرضة للتعثر الدراسي.

8.3 مثال 3: اختبار استقلالية استجابات العلاج النفسي وفق النوع الاجتماعي

سياق الدراسة: أجرى فريق بحثي في الطب النفسي تجربة عيادية لفحص استجابة عينة من مرضى الاكتئاب لبرنامج علاجي سلوكي مقترح، وتكونت العينة من $N = 80$ مريضاً ومريضة موزعين في جدول توافق رباعي ($2 \times 2$) يربط بين المتغير المستقل (النوع: ذكور، إناث) والمتغير التابع (الاستجابة للعلاج: تحسن ملحوظ، عدم تحسن).

البيانات وحساب القيمة المحسوبة:

• ذكور: 22 تحسن، 18 لم يتحسن (المجموع = 40)
• إناث: 26 تحسن، 14 لم يتحسن (المجموع = 40)
• المجاميع الهامشية: إجمالي المتحسنين = 48، إجمالي غير المتحسنين = 32.
• بعد تطبيق معادلة كاي تربيع مع تطبيق تصحيح ييتس للاستمرارية لجداول ($2 \times 2$)، بلغت القيمة المحسوبة النهائية: $\chi^2_{\text{calc}} = 0.833$.

خطوات قراءة الجدول واتخاذ القرار:

1. حساب درجات الحرية: $df = (2 – 1) \times (2 – 1) = 1 \times 1 = 1$.
2. تحديد مستويات الدلالة الإحصائية للمقارنة: تم فحص الجدول عند مستويين هما $\alpha = 0.05$ و $\alpha = 0.01$.
3. استخراج القيم الحرجة من الصف الأول في الجدول ($df = 1$):
   • عند $\alpha = 0.05$: القيمة الحرجة المجدولة هي $\chi^2_{\text{crit}} = 3.841$.
   • عند $\alpha = 0.01$: القيمة الحرجة المجدولة هي $\chi^2_{\text{crit}} = 6.635$.
4. المقارنة وتطبيق قاعدة القرار: نلاحظ بوضوح أن $\chi^2_{\text{calc}} (0.833) < \chi^2_{\text{crit}} (3.841)$.

الاستنتاج العلمي: يخفق الباحثون في رفض الفرضية الصفرية عند مستوى الدلالة $0.05$. هذا يعني عدم وجود أي فروق أو ارتباطات ذات دلالة إحصائية في معدلات الاستجابة للبرنامج العلاجي السلوكي تعزى لمتغير النوع الاجتماعي، ويُستدل من ذلك علمياً بأن البرنامج العلاجي يتمتع بكفاءة وفعالية متكافئة ومحايدة تماماً بين الذكور والإناث، ولا يتأثر جنسياً في نتائجه السريرية.

9. التعامل مع الحالات الخاصة ودرجات الحرية المرتفعة غير المتوفرة في الجدول

9.1 طريقة الاستيفاء الخطي (Linear Interpolation) للقيم الوسيطة

عند إجراء دراسات مسحية ضخمة أو تحليلات سيكومترية تشتمل على عدد كبير جداً من الفئات، قد ينتج عن التحليل درجات حرية غير مذكورة نصاً في الجداول المطبوعة المختصرة. على سبيل المثال، قد يحصل الباحث على درجة حرية $df = 45$، في حين ينتقل الجدول المطبوع مباشرة من الصف $df = 40$ إلى الصف $df = 50$. في مثل هذه الحالات الأكاديمية، يُعد اللجوء إلى طريقة الاستيفاء الخطي (Linear Interpolation) الحل الرياضي الأنسب لتقدير القيمة الحرجة بدقة بالغة.

تعتمد معادلة الاستيفاء الخطي على حساب معدل التغير النسبي للقيمة الحرجة بين الدرجتين المعروفتين في الجدول، وتأخذ المعادلة الرياضية التقديرية الصيغة الآتية:

$$\chi^2_{\text{target}} = \chi^2_1 + \left( \frac{df_{\text{target}} – df_1}{df_2 – df_1} \right) \times (\chi^2_2 – \chi^2_1)$$

حيث يمثل $df_1$ و $df_2$ درجات الحرية الأدنى والأعلى المسجلتين في الجدول، بينما تمثل $\chi^2_1$ و $\chi^2_2$ القيم الحرجة المقابلة لهما عند مستوى ألفا المختار. ولتطبيق ذلك عملياً، لنفترض أننا نريد إيجاد القيمة الحرجة لدرجة الحرية $df = 45$ عند مستوى دلالة $\alpha = 0.05$:

• من الجدول: القيمة عند $df = 40$ هي $\chi^2_1 = 55.758$.
• من الجدول: القيمة عند $df = 50$ هي $\chi^2_2 = 67.505$.
• تطبيق المعادلة:
  $$\chi^2_{45} = 55.758 + \left( \frac{45 – 40}{50 – 40} \right) \times (67.505 – 55.758)$$
  $$\chi^2_{45} = 55.758 + (0.5) \times (11.747) = 55.758 + 5.8735 = 61.6315$$

يُعد هذا التقدير الرياضي المحسوب ($61.632$) قريباً بصورة شبه متطابقة من القيمة الحاسوبية الحقيقية البالغة ($61.656$) بفارق ضئيل لا يؤثر على القرار الإحصائي إطلاقاً، وتلقى هذه الممارسة قبولاً منهجياً واسعاً في المجلات الأكاديمية المحكمة في حال غياب البرمجيات الفورية.

9.2 استخدام التقريب التوزيعي الطبيعي لدرجات الحرية الكبيرة جداً

عندما تتجاوز درجات الحرية حاجز $df = 30$ وتصل إلى قيم كبرى تفوق $df = 100$ (كما في اختبارات المطابقة للبنود المتعددة في القياس النفسي المتقدم)، يتوقف جدول كاي تربيع عن تقديم أي قيم مجدولة. في هذا النطاق الواسع، تنص النظريات الإحصائية المركزية على أن توزيع كاي تربيع يقترب بدرجة عالية جداً من التوزيع الطبيعي، مما يسمح للباحثين باستخدام معادلات التقريب المعياري لتحويل قيمة كاي تربيع إلى قيمة $Z$ معيارية قابلة للقراءة من جدول التوزيع الطبيعي القياسي.

طرح السير رونالد فيشر صيغة تقريب كلاسيكية شهيرة تنص على أن المتغير $\sqrt{2\chi^2}$ يتوزع توزيعاً طبيعياً بمتوسط حسابي قدره $\sqrt{2df – 1}$ وتباين يساوي 1، مما يقود إلى معادلة حساب الدرجة المعيارية $Z$ التالية:

$$Z = \sqrt{2\chi^2} – \sqrt{2df – 1}$$

إذا كانت قيمة $Z$ المحسوبة من هذه المعادلة أكبر من أو تساوي القيمة الحرجة المعيارية المألوفة (مثل $1.645$ لمستوى $0.05$ باتجاه واحد، أو $2.326$ لمستوى $0.01$)، فإننا نرفض الفرضية الصفرية تماماً كأننا استخدمنا جدول كاي تربيع.

كما توجد صيغة أكثر حداثة ودقة فائقة تُعرف بـ تحويل ويلسون-هيلفرتي (Wilson-Hilferty Transformation)، والتي تحسب القيمة الحرجة التقديرية لكاي تربيع مباشرة لدرجات الحرية الضخمة من خلال الصيغة:

$$\chi^2_{\text{crit}} \approx df \times \left( 1 – \frac{2}{9df} + Z_\alpha \sqrt{\frac{2}{9df}} \right)^3$$

حيث تمثل $Z_\alpha$ القيمة المعيارية للتوزيع الطبيعي عند مستوى ألفا المطلوب (مثلاً $Z_{0.05} = 1.6449$). توفر هذه التحويلات المتقدمة حلولاً رياضية مذهلة تدمج بين مرونة التوزيع الطبيعي واستقلالية كاي تربيع، مما يحرر الباحث من قيود الجداول المطبوعة مهما بلغ حجم البيانات وعينات القياس السلوكي.

9.3 التعامل مع الجداول غير المكتملة أو المصممة بنماذج احتمالية غير مألوفة

يواجه طلاب الدراسات العليا والباحثون في بعض الأحيان مراجع إحصائية أجنبية أو قديمة تتضمن جداول لكاي تربيع تبدو غريبة في تنظيمها ومخالفة للنسق المألوف؛ كأن تبدأ مستويات الاحتمال من أرقام مرتفعة جداً مثل $0.999, 0.995, 0.990, 0.950$. يرجع هذا الاختلاف إلى أن تلك المراجع صممت جداولها لتعرض المساحة التراكمية الواقعة إلى «يسار» القيمة الحرجة ($P(\chi^2 le \chi^2_{\text{crit}}) = 1 – \alpha$) بدلاً من مساحة الذيل الأيمن المعتادة في الاستدلال النفسي.

للتعامل السليم مع هذه الجداول دون ارتباك، يجب على الباحث تطبيق قاعدة المكملة الاحتمالية البسيطة:

$$\text{Table Area} = 1 – \alpha$$

فإذا كان مستوى الدلالة المستهدف هو $\alpha = 0.05$، فإن الباحث لا يبحث عن العمود $0.05$ (الذي سيمثل في هذا الجدول غير المألوف منطقة أقصى اليسار الشاذة)، بل يبحث عن العمود المقابل للمساحة المكملة $1 – 0.05 = 0.950$. القيمة المجدولة المسجلة في هذا العمود هي ذاتها القيمة الحرجة التقليدية التي تعزل 5% في الذيل الأيمن.

ولتفادي الوقوع في هذا الفخ المنهجي، يُنصح دائماً بفحص الترويسة العليا والرسوم البيانية التوضيحية المرفقة في الصفحة الأولى من ملحق الجداول الإحصائية؛ فإذا كان التظليل يغطي المنحنى كاملاً من أقصى اليسار حتى الخط الحرج، فإن الجدول يتبع النموذج التراكمي الأيسر ($1-\alpha$). أما إذا كان التظليل مقتصراً فقط على الطرف المدبب الصغير في أقصى اليمين، فإن الجدول يتبع النموذج الطرفي الأيمن المباشر ($\alpha$)، وهو ما يجب التأكد منه قبل البدء في استخراج الأرقام وقراءة النتائج.

10. الأخطاء الشائعة والمنهجية عند قراءة واستخدام جدول كاي تربيع

10.1 الخلط بين حجم العينة الكلي (N) ودرجات الحرية (df)

يُعد الخلط بين حجم العينة الإجمالي المشارك في البحث ($N$) ودرجات الحرية ($df$) من أكثر الأخطاء الإحصائية فداحة وشيوعاً بين الباحثين المبتدئين في ميادين العلوم السلوكية. يقع هذا الخطأ عندما يقوم الباحث بحساب قيمة كاي تربيع لجدول توافق يضم عينة تتألف من 500 مفحوص، ثم يتجه مباشرة نحو عمود درجات الحرية في الجدول ليبحث عن الرقم 500، بدلاً من حساب درجات الحرية الحقيقية المستندة إلى أبعاد الجدول التصنيفية.

إن هذا الخلط يترتب عليه نتائج كارثية ومدمرة لسلامة القرار الاستدلالي برمتها؛ ففي جدول توافق بسيط من النمط ($2 \times 2$) مطبق على عينة قوامها $N = 500$ فرد، تبلغ درجات الحرية الحقيقية $df = (2-1)(2-1) = 1$ فقط، وتكون القيمة الحرجة المجدولة المقابلة لها عند مستوى $\alpha = 0.05$ هي $3.841$. ولكن إذا بحث الباحث عن الرقم 500 كدرجة حرية، فسيجد قيمة حرجة تقديرية تفوق $550.0$، مما يجعله يخفق في رفض الفرضية الصفرية ويهدر جهود بحثية وتأثيرات حقيقية مؤكدة نتيجة هذا الخطأ المفاهيمي الصادم.

لتجنب هذا المنزلق المنهجي، يجب ترسيخ قاعدة بديهية راسخة في الأذهان: «اختبار كاي تربيع لا يعتمد إطلاقاً في تحديد صف الجدول على عدد الأفراد أو حجم العينة ($N$)، بل يعتمد حصراً على عدد الفئات التصنيفية الحرة ($df$)». يمثل حجم العينة جزءاً من معادلة حساب التكرارات المتوقعة والقيمة المحسوبة فقط، في حين تنفرد درجات الحرية بتحديد موقع القراءة في جدول التوزيع القياسي.

10.2 سوء فهم اتجاه الذيل ومستويات الدلالة المتناظرة

ينبع هذا الخطأ الشائع من محاولة إسقاط قواعد قراءة جداول التوزيعات المتماثلة (مثل توزيع $Z$ أو توزيع $t$ لستيودنت) على توزيع كاي تربيع دون مراعاة لاختلاف الطبيعة الرياضية بينهما. يقع بعض الباحثين في خطأ قسمة مستوى ألفا على اثنين ($\alpha / 2$) عندما يصيغون فرضياتهم البحثية بصورة غير موجهة، مفترضين أن عدم التوجيه يستلزم قراءة العمود $0.025$ بدلاً من $0.05$ لاقتطاع منطقتي رفض متناظرتين.

كما تم التوضيح سابقاً، فإن توزيع كاي تربيع غير متماثل ومقيد بحاجز الصفر من جهة اليسار، وتتراكم فيه جميع الانحرافات التجريبية الموجبة والسالبة في صورة قيم مربعة موجبة دائماً تقع حتماً في الذيل الأيمن للمنحنى. إن قسمة ألفا على اثنين في هذا السياق تقود إلى تطبيق اختبار فائق الصرامة غير مبرر رياضياً، مما يرفع القيمة الحرجة المطلوبة لرفض الفرضية الصفرية من $3.841$ إلى $5.024$ لدرجة الحرية الواحدة، ويحرم الباحث من إثبات الدلالة الإحصائية لفروق حقيقية قائمة في الميدان السلوكي.

يتطلب التفادي الصارم لهذا الخطأ استيعاب أن اختبار كاي تربيع يتعامل تلقائياً وببنيته الجبرية الداخلية مع الفرضيات غير الموجهة من خلال الذيل الأيمن؛ لذا يجب دائماً التوجه إلى عمود مستوى ألفا الكامل والمحدد سلفاً في خطة البحث ($0.05$ أو $0.01$) دون أي تجزئة أو تعديل ذاتي غير قائم على سند رياضي سليم.

10.3 تجاهل الشروط الأساسية لتطبيق اختبار كاي تربيع

من الأخطاء المنهجية الجسيمة التي يرتكبها الباحثون هو اللجوء المتسرع إلى قراءة جدول كاي تربيع وتطبيق قواعد اتخاذ القرار في حين أن البيانات الميدانية المجمعة تنتهك بصورة صارخة الشروط الرياضية والافتراضات المنهجية الأساسية التي يقوم عليها هذا الاختبار اللامعلمي. إن قراءة الجدول واستخراج القيمة الحرجة لا معنى لهما إذا كانت بنية البيانات الأصلية غير مؤهلة للتحليل بكاي تربيع.

تشمل أهم الشروط الواجب التحقق منها بدقة قبل فتح الجدول ما يلي:

• استقلالية الملاحظات: يجب أن ينتمي كل مفحوص إلى خلية واحدة فقط من خلايا الجدول دون تكرار، فلا يجوز استخدام كاي تربيع للقياسات القبلية والبعدية لنفس الأفراد (حيث يُستخدم اختبار ماكنيمار كبديل).
• حجم التكرارات المتوقعة (Expected Frequencies): تشترط قواعد كوكوران الإحصائية ألا يقل التكرار المتوقع في أي خلية من خلايا جدول التوافق عن 5 في أكثر من 20% من الخلايا، وألا يقل التكرار المتوقع في أي خلية على الإطلاق عن 1.
• جداول 2×2: في الجداول الرباعية الصغيرة، إذا قل التكرار المتوقع في أي خلية عن 5، يصبح تقريب كاي تربيع للمنحنى المتصل غير دقيق، ويجب التخلي عن جدول كاي تربيع واستخدام اختبار فيشر الدقيق (Fisher’s Exact Test) كبديل رياضي ملزم.
• تصحيح ييتس للاستمرارية (Yates’ Correction for Continuity): يُنصح بتطبيقه في جداول $2 \times 2$ ذات العينات المتوسطة لتعديل الفروق المتقطعة قبل مقارنتها بالقيمة المجدولة عند $df = 1$.

إن إغفال هذه الشروط والاعتماد الأعمى على مطابقة الأرقام بالجدول يقود إلى استنتاجات بحثية مشوهة وفاقدة للمصداقية العلمية، مما يفرض على الباحث فحص مصفوفة التكرارات المتوقعة والتأكد من استيفاء كافة المتطلبات المنهجية قبل الشروع في استخراج القيمة الحرجة وتفسير النتائج.

11. المقارنة بين القراءة اليدوية للجدول والمخرجات البرمجية الحديثة

11.1 قراءة وتفسير مخرجات كاي تربيع في برنامج SPSS

يُعد برنامج IBM SPSS Statistics الحزمة البرمجية الأكثر شيوعاً واستخداماً في الأوساط الأكاديمية لتحليل بيانات العلوم النفسية والتربوية. عند تطبيق إجراء جداول التوافق (Crosstabs) واختيار إحصاء كاي تربيع، يُنتج البرنامج جدول مخرجات قياسياً بعنوان «Chi-Square Tests» يشتمل على عدة أعمدة رقمية رئيسية ترتبط ارتباطاً مباشراً بمفاهيم الجدول اليدوي.

يحتوي هذا الجدول الحاسوبي في صفه الأول المسمى «Pearson Chi-Square» على ثلاثة أرقام جوهرية:

• عمود القيمة (Value): يمثل القيمة المحسوبة تجريبياً ($\chi^2_{\text{calc}}$).
• عمود درجات الحرية (df): يمثل درجات الحرية المحسوبة لتصميم الجدول.
• عمود الدلالة التقريبية (Asymptotic Significance – 2-sided): يمثل القيمة الاحتمالية الدقيقة ($p$-value).

وهنا تبرز القيمة الهائلة للتمكن من قراءة الجدول الورقي؛ فالباحث المتمرس لا يكتفي بالنظر إلى عمود الدلالة الجاهز، بل يستطيع مطابقة وتدقيق الأرقام عبر أخذ القيمة المحسوبة ودرجات الحرية ومقارنتها فوراً بالقيمة الحرجة المجدولة. فإذا أظهر برنامج SPSS قيمة محسوبة $\chi^2 = 6.25$ عند $df = 2$ ودلالة $p = 0.044$، يعلم الباحث فوراً أن هذه القيمة تجاوزت القيمة الحرجة المجدولة بالجدول الورقي ($5.991$) عند مستوى $\alpha = 0.05$.

هذا الفهم المتبادل يمنح الباحث ثقة مطلقة في قراءة مخرجات البرنامج، ويحميه من أخطاء الإدخال الشائعة كتحديد متغيرات كمية متصلة بدلاً من المتغيرات الفئوية، كما يُمكنه من توثيق وصياغة النتائج بدقة وفق متطلبات الجمعيات العلمية التي تشترط تضمين درجات الحرية والقيمة المحسوبة ومستوى الدلالة معاً في المتن البحثي.

11.2 استخراج ومطابقة القيم باستخدام لغة R وبيئة Python

مع التحول الرقمي المتسارع نحو لغات البرمجة مفتوحة المصدر في تحليلات البيانات الضخمة والسيكومترك المتقدم، أصبح استخراج القيم الحرجة والاحتمالية لكاي تربيع يتم عبر أسطر برمجية مرنة في بيئتي R و Python، مما يوفر بديلاً برمجياً فائق الدقة للجداول المطبوعة الثابتة.

في لغة R الإحصائية، يمكن استخراج القيمة الحرجة الدقيقة المجدولة لأي درجة حرية ومستوى ألفا باستخدام دالة التوزيع الاحتمالي الكمي qchisq() عبر كتابة الأمر:

qchisq(p = 0.05, df = 4, lower.tail = FALSE)

حيث يعيد هذا الأمر البرمجي القيمة الحرجة المجدولة $13.2767$ بدقة متناهية، في حين تقوم دالة chisq.test() بإجراء الاختبار الكامل على مصفوفة البيانات وحساب التكرارات المتوقعة والقيمة الاحتمالية فوراً.

أما في لغة Python، فيتم الاعتماد على مكتبة الحوسبة العلمية scipy.stats وتحديداً الموديول chi2، حيث يمكن حساب القيمة الحرجة المجدولة من خلال دالة نقطة النسبة المئوية:

from scipy.stats import chi2

crit_val = chi2.ppf(1 - 0.05, df=4)

تكمن الأهمية المنهجية لهذه الأدوات البرمجية في قدرتها على حساب القيم الحرجة لدرجات حرية كسرية أو فائقة الضخامة لا يمكن للكتب الورقية تغطيتها، ومع ذلك، فإن مطابقة هذه المخرجات الرقمية بالقيم المجدولة في الجداول القياسية يظل خطوة التحقق المرجعية الأولى التي يوصي بها خبراء القياس للتأكد من خلو الشيفرات البرمجية من أي أخطاء في تحديد المعالم أو مساحات الذيل الاحتمالي.

11.3 القيمة التعليمية والمعرفية للتمكن من القراءة اليدوية للجدول

قد يتساءل البعض في عصر الذكاء الاصطناعي والحوسبة السحابية: ما هي الجدوى المعرفية من تعليم الباحثين كيفية القراءة اليدوية لجداول التوزيعات الإحصائية الورقية؟ تكمن الإجابة في أن القراءة اليدوية تمثل أداة بيداغوجية لا غنى عنها لبناء «الحس الإحصائي والتفكير الاستدلالي النقدي» لدى الباحث في العلوم السلوكية.

إن التعامل البصري والمكاني مع مصفوفة الجدول، ورؤية كيفية تضخم القيم الحرجة مع تزايد درجات الحرية وتناقص مستويات ألفا، يُرسخ في العقل الباطن للباحث المعنى الحقيقي للاستدلال الإحصائي؛ فالأمر يتجاوز مجرد فحص رقم $p$-value عابر على الشاشة ومقارنته بالرقم $0.05$ بطريقة آلية صماء، ليصل إلى استيعاب ميكانيكية المفاضلة بين النماذج ومنطق مناطق الرفض الاحتمالية.

علاوة على ذلك، يمنح التمكن من القراءة اليدوية للجدول الباحث ميزة استثنائية في تقييم وتحكيم الإنتاج العلمي للآخرين؛ حيث يستطيع المحكم العلمي المتمرس أثناء قراءته لمقال بحثي منشور اكتشاف التناقضات والأخطاء المطبعية في تقارير كاي تربيع بمجرد النظر السريع، كأن يلاحظ إقرار باحث بوجود دلالة لقيمة $\chi^2 = 5.20$ عند $df = 3$، ليعلم المحكم فوراً ودون الرجوع لأي حاسوب أن هذه النتيجة باطلة لأن القيمة الحرجة عند $df=3$ تتطلب حداً أدنى مقداره $7.815$، مما يحفظ نزاهة ورصانة الأدبيات العلمية المنشورة.

12. دليل مرجعي سريع وتطبيقات عملية شاملة للباحثين

12.1 جدول مصغر لأكثر القيم الحرجة استخداماً في البحوث النفسية

تسهيلاً على الباحثين وطلاب الدراسات العليا أثناء جلسات التحليل والنقاشات الأكاديمية السريعة، يوضح الجدول المرجعي المصغر التالي أكثر القيم الحرجة تكراراً واستخداماً في دراسات العلوم النفسية والاجتماعية لدرجات الحرية من 1 إلى 10 عند أشهر ثلاثة مستويات للدلالة الإحصائية ($\alpha = 0.05, 0.01, 0.001$):

درجات الحرية ($df$)	$\alpha = 0.05$ (ثقة 95%)	$\alpha = 0.01$ (ثقة 99%)	$\alpha = 0.001$ (ثقة 99.9%)
1	3.841	6.635	10.828
2	5.991	9.210	13.816
3	7.815	11.345	16.266
4	9.488	13.277	18.467
5	11.070	15.086	20.515
6	12.592	16.812	22.458
7	14.067	18.475	24.322
8	15.507	20.090	26.124
9	16.919	21.666	27.877
10	18.307	23.209	29.588

يُنصح الباحث السيكومتري بحفظ بعض القيم القياسية الأكثر شيوعاً؛ فالقيمة 3.841 (المقابلة لدرجة حرية 1 عند مستوى 0.05) تمثل الرقم المرجعي الأهم لاختبارات الجداول الرباعية $2 \times 2$ واختبارات الفروق في النسب الثنائية، وحفظ هذا الرقم يتيح إصدار أحكام إحصائية فورية أثناء متابعة العروض التقديمية ومناقشات الرسائل الجامعية دون الحاجة لفتح أي مرجع.

12.2 تمارين تدريبية ذاتية مع إجاباتها النموذجية ومبرراتها

تمرين 1: تحديد القيمة الحرجة

المسألة: أجرى باحث دراسة تجريبية لاختبار جودة توفيق استجابات عينة على مقياس نفسي يشتمل على سبع فئات استجابة مستقلة ($k = 7$). حدد القيمة الحرجة المجدولة الواجب استخدامها عند مستوى دلالة $\alpha = 0.05$.

الإجابة والحل التفصيلي:

• حساب درجات الحرية: بما أنه اختبار حسن مطابقة ذو بعد واحد، إذن $df = k – 1 = 7 – 1 = 6$.
• تحديد العمود المستهدف: عمود $\alpha = 0.05$.
• الرجوع للجدول: البحث عن تقاطع الصف $df = 6$ مع العمود $0.05$.
• القيمة الحرجة المستخرجة: $\chi^2_{\text{crit}} = 12.592$.

تمرين 2: اتخاذ القرار الإحصائي لبحث عيادي

المسألة: في بحث عيادي لفحص استقلالية الاستجابة للعلاج عن نوع الاضطراب لدى المرضى، أسفرت الحسابات عن قيمة كاي تربيع محسوبة مقدارها $\chi^2_{\text{calc}} = 11.20$، وكانت درجات حرية جدول التوافق هي $df = 4$. ما هو القرار الإحصائي للباحث عند مستوى الدلالة الصارم $\alpha = 0.01$؟ برر إجابتك بالدليل الرياضي.

الإجابة والحل التفصيلي:

• استخراج القيمة الحرجة: بالرجوع لجدول كاي تربيع عند تقاطع الصف $df = 4$ مع عمود $\alpha = 0.01$، نجد أن $\chi^2_{\text{crit}} = 13.277$.
• المقارنة وتطبيق شرط القرار: $\chi^2_{\text{calc}} (11.20) < \chi^2_{\text{crit}} (13.277)$.
• القرار الإحصائي: الإخفاق في رفض الفرضية الصفرية ($H_0$).
• التبرير العلمي: بما أن القيمة المحسوبة سقطت في منطقة القبول (أقل من القيمة الحرجة المجدولة)، فلا توجد أدلة إحصائية كافية عند مستوى ثقة 99% لإثبات وجود علاقة دالة بين نوع الاضطراب والاستجابة للعلاج.

تمرين 3: دراسة استقلالية بأبعاد مركبة

المسألة: صمم باحث جدول توافق بأبعاد $3 \times 4$ لفحص العلاقة بين المستوى التعليمي للوالدين (3 مستويات) ومستوى التحصيل الدراسي للأبناء (4 مستويات). حدد منطقة الرفض والقيمة الحرجة عند مستوى $\alpha = 0.05$.

الإجابة والحل التفصيلي:

• حساب درجات الحرية لجداول التوافق: $df = (r – 1) \times (c – 1) = (3 – 1) \times (4 – 1) = 2 \times 3 = 6$.
• استخراج القيمة الحرجة عند $\alpha = 0.05$: بالرجوع للصف $df = 6$ والعمود $0.05$ نجد القيمة الحرجة المجدولة $12.592$.
• تحديد منطقة الرفض: منطقة الرفض هي كافة قيم كاي تربيع المحسوبة التي تحقق الشرط الرياضي: $\chi^2 ge 12.592$.

12.3 إرشادات كتابة وتوثيق نتائج كاي تربيع والجدول وفق معايير جمعية علم النفس الأمريكية (APA)

تفرض المعايير الأكاديمية الصادرة عن جمعية علم النفس الأمريكية في دليلها السابع (APA 7th Edition) قواعد شكلية ومنهجية بالغة الدقة والصرامة لتوثيق نتائج اختبار كاي تربيع والرجوع للقيم المجدولة في المتن البحثي وملاحق الأطروحات العلمية.

تأخذ الصياغة النموذجية المعيارية للتقرير الإحصائي في متن البحث الصيغة الرياضية الآتية:

$$\chi^2(df, N = dots) = dots, p = dots$$

حيث يوضع رمز كاي تربيع باليونانية مائلاً ($\chi^2$)، يليه بين قوسين رقم درجات الحرية وحجم العينة الكلي مفصولين بفاصلة، ثم علامة المساواة وقيمة كاي تربيع المحسوبة مقربة إلى منزلتين عشريتين، يليها القيمة الاحتمالية الدقيقة ($p$).

نماذج تطبيقية للصياغة في تقارير البحوث النفسية:

• في حالة وجود دلالة إحصائية: «أظهرت نتائج اختبار كاي تربيع للاستقلالية وجود علاقة ارتباطية دالة إحصائياً بين النوع الاجتماعي ونمط التعلق العاطفي، $\chi^2(3, N = 180) = 11.45, p = .010$. وقد تجاوزت القيمة المحسوبة القيمة الحرجة المجدولة عند مستوى $\alpha = .01$ والبالغة $11.35$.»
• في حالة عدم وجود دلالة إحصائية: «أشارت النتائج إلى عدم وجود فروق ذات دلالة إحصائية بين التكرارات الملاحظة والمتوقعة لتفضيل البرامج الإرشادية، $\chi^2(2, N = 90) = 2.14, p = .343$، حيث كانت القيمة المحسوبة أدنى من القيمة الحرجة المجدولة البالغة $5.99$ عند مستوى الدلالة $.05$.»

كما تشترط معايير APA عند عرض جداول التوافق المركبة في متن الرسائل أو الملاحق تضمين كل من التكرارات المشاهدة ($O$) والتكرارات المتوقعة ($E$) والنسب المئوية لكل خلية، مع إبراز درجات الحرية والمستويات الحرجة في حواشي الجدول السفلية، وتجنب استخدام الخطوط الرأسية داخل الجداول تماشياً مع الأسلوب التيبوغرافي القياسي للنشر العلمي الدولي.

خاتمة

في الختام، يتجلى لنا بوضوح أن مهارة قراءة جدول توزيع كاي تربيع تتجاوز كونها مجرد إجراء حسابي روتيني، لتشكل ركناً أساسياً من أركان الثقافة الإحصائية العميقة والتفكير الأكاديمي الرصين للباحث في ميادين العلوم النفسية والاجتماعية والتربوية. إن فهم البنية الهندسية للمنحنى الملتوي موجباً، واستيعاب المنطق الاستدلالي لدرجات الحرية، والإدراك الواعي لمناطق الرفض الحرجة ومستويات الدلالة، يمنح الباحث الرؤية الشاملة والقدرة على التحكم في أدواته المنهجية بكفاءة واقتدار.

وعلى الرغم من هيمنة البرمجيات الإحصائية الآلية على معالجة البيانات المعاصرة، فإن الجدول المرجعي المطبوع يظل هو المعيار النظري والميزان الضابط الذي يحمي الممارسة البحثية من الانزلاق في فخ الاستنتاجات الآلية غير المبررة. إن التمكن من مقارنة القيم المحسوبة بالقيم المجدولة، وتطبيق تقنيات الاستيفاء والتقريب المعياري عند الحاجة، والالتزام الصارم بشروط الاختبار ومعايير التوثيق الدولية وفق دليل APA، يمثل الضمانة الأكاديمية الأكيدة لجودة الأبحاث العلمية ورصانة نتائجها المنشورة خدمة للمعرفة الإنسانية وتطبيقاتها السلوكية الهادفة.

المراجع (References)

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cochran, W. G. (1952). The $\chi^2$ test of goodness of fit. The Annals of Mathematical Statistics, 23(3), 315–345. https://doi.org/10.1214/aoms/1177729380
• Cochran, W. G. (1954). Some methods for strengthening the common $\chi^2$ tests. Biometrics, 10(4), 417–451. https://doi.org/10.2307/3001616
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Fisher, R. A. (1922). On the interpretation of $\chi^2$ from contingency tables, and the calculation of P. Journal of the Royal Statistical Society, 85(1), 87–94. https://doi.org/10.2307/2340521
• Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd.
• Gravetter, F. J., Wallnau, L. B., Forzano, L. B., & Witnauer, J. E. (2020). Essentials of statistics for the behavioral sciences (10th ed.). Cengage Learning.
• McHugh, M. L. (2013). The chi-square test of independence. Biochemia Medica, 23(2), 143–149. https://doi.org/10.11613/BM.2013.018
• Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 50(302), 157–175. https://doi.org/10.1080/14786440009463897
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Wilson, E. B., & Hilferty, M. M. (1931). The distribution of chi-square. Proceedings of the National Academy of Sciences of the United States of America, 17(12), 684–688. https://doi.org/10.1073/pnas.17.12.684
• Yates, F. (1934). Contingency tables involving small numbers and the $\chi^2$ test. Supplement to the Journal of the Royal Statistical Society, 1(2), 217–235. https://doi.org/10.2307/2983604