الدليل الكامل: كيفية كتابة تقرير نتائج تحليل التباين (ANOVA)

يُعد تحليل التباين (Analysis of Variance – ANOVA) أحد أكثر الأساليب الإحصائية الاستدلالية رسوخاً واستخداماً في الأبحاث النفسية، والتربوية، والعلوم السلوكية والاجتماعية. تنبع أهمية هذا الاختبار المنهجي من قدرته الفائقة على فحص الفروق بين متوسطات ثلاث مجموعات تجريبية أو ضابطة أو أكثر في آنٍ واحد، متجاوزاً بذلك أوجه القصور الجسيمة المترتبة على تكرار اختبارات “ت” (t-tests) الثنائية وما ينتج عنها من تضخم خطير في معدل الخطأ من النوع الأول (Familywise Type I Error). ومع التطور المنهجي المطرد في تقنيات التحليل الكمي، لم يعد التحدي مقتصراً على الجانب الحسابي أو استخراج المخرجات عبر البرمجيات الإحصائية مثل SPSS أو R، بل بات الرهان الحقيقي متمثلاً في مهارة الباحث في نقل هذه النتائج المعقدة وصياغتها بدقة وشفافية علمية مطلقة تتوافق مع المعايير الدولية المعتمدة.

تضع جمعية علم النفس الأمريكية (American Psychological Association – APA) في دليلها الإرشادي السابع (APA 7th Edition) معايير تحريرية وتقريرية بالغة الصرامة تهدف إلى تعزيز الشفافية الإحصائية، وضمان إمكانية تكرار الدراسات وتوليد المعرفة التراكمية. لا تقتصر كتابة تقرير نتائج ANOVA على ذكر قيمة المعلمة الإحصائية F ومستوى الدلالة الإحصائية p، بل تتطلب توثيقاً متكاملاً لفحص الافتراضات القبلية، وعرض الإحصاءات الوصفية الدقيقة لكل مجموعة، وتقديم تقديرات أحجام الأثر (Effect Sizes) وفترات الثقة (Confidence Intervals)، وتفكيك التفاعلات المعقدة والمقارنات البعدية، مما يتيح للقارئ والمحكم الأكاديمي الحكم على الأهمية العملية والإكلينيكية للنتائج وليس فقط دلالتها الاحتمالية الصرفة.

يقدم هذا الدليل المرجعي الشامل دليلاً تطبيقياً متكاملاً موجهاً للباحثين، وطلاب الدراسات العليا، والممارسين في العلوم النفسية والاجتماعية؛ حيث يغطي بالتفصيل المعمق كافة الإجراءات المنهجية والصياغات اللفظية المعتمدة لتوثيق مختلف نماذج تحليل التباين (الأحادي، العاملي، القياسات المتكررة، والمصاحب). ومن خلال تتبع فصول هذا الدليل، سيكتسب الباحث المهارة التحليلية اللازمة لصياغة تقارير إحصائية رصينة، وتصميم الجداول والأشكال البيانية وفق مواصفات APA، وتجنب الأخطاء التفسيرية والمنهجية الشائعة التي تعيق نشر الأوراق العلمية في المجلات المحكمة ذات معامل التأثير العالي.

1. مقدمة عامة لتحليل التباين (ANOVA) وأهميته في البحوث النفسية والسلوكية

1.1 التعريف الإحصائي لاختبار تحليل التباين ودوره المنهجي

يقوم اختبار تحليل التباين في جوهره النظري والرياضي، الذي وضعه عالم الإحصاء الشهير رونالد فيشر (Ronald Fisher)، على تقسيم إجمالي التباين (Total Variance) الملاحظ في المتغير التابع إلى مصدرين أساسيين ومستقلين: التباين بين المجموعات (Between-Groups Variance) والتباين داخل المجموعات (Within-Groups Variance / Error Variance). يمثل التباين بين المجموعات مقدار الاختلاف الناجم عن المعالجة التجريبية أو تأثير تصنيف المتغير المستقل، مضافاً إليه خطأ القياس، في حين يمثل التباين الداخلي مقدار الفروق الفردية العشوائية وأخطاء القياس غير المفسرة داخل المجموعة الواحدة. تُحسب النسبة الفائية (F-ratio) بقسمة متوسط مربعات التباين بين المجموعات (MS_between) على متوسط مربعات التباين الداخلي (MS_within)، فإذا كانت المعالجة ذات أثر حقيقي، تكون القيمة الفائية المحسوبة أكبر بكثير من الواحد الصحيح بدرجة تتجاوز القيمة الحرجة المجدولة عند مستوى دلالة محدد.

تتجلى الأهمية المنهجية الكبرى لتحليل التباين عند مقارنة ثلاث مجموعات أو أكثر، حيث يؤدي اللجوء إلى إجراء اختبارات “ت” المتعددة لكل زوج من المجموعات إلى مشكلة إحصائية خطيرة تُعرف باسم “تضخم الخطأ التراكمي من النوع الأول” (Inflation of Alpha Level). فإذا كان لدينا أربع مجموعات تجريبية، فإننا سنحتاج إلى إجراء ستة اختبارات “ت” منفصلة، مما يرفع احتمال ارتكاب خطأ رفض الفرضية الصفرية وهي صحيحة من 0.05 إلى ما يقارب 26.5% استناداً للمعادلة الرياضية: α_familywise = 1 – (1 – α)^k (حيث k يمثل عدد المقارنات الثنائية). يوفر اختبار ANOVA آلية إحصائية متكاملة تقيم وجود أي فروق عامة عبر جميع المستويات تحت مظلة اختبار شامل واحد (Omnibus Test) مع الحفاظ على مستوى الخطأ الاسمي (Alpha = .05) بدقة متناهية.

تتعدد الاستخدامات الشائعة لتحليل التباين في حقول القياس النفسي، والبحوث الإكلينيكية، والطب النفسي التجريبي، حيث يُعد الأداة النموذجية لمقارنة فاعلية البروتوكولات العلاجية النفسية والدوائية المختلفة (مثل مقارنة العلاج المعرفي السلوكي، والعلاج بالقبول والالتزام، والمجموعة الضابطة في تخفيض أعراض الوسواس القهري). كما يُستخدم على نطاق واسع في دراسات علم النفس العصبي والتربوي لتقييم الفروق في العمليات المعرفية كالانتباه التنفيذي وسعة الذاكرة العاملة عبر فئات عمرية متباينة أو مستويات مختلفة من التحصيل الأكاديمي والذكاء الوجداني.

1.2 أنواع تحليل التباين الرئيسية المستخدمة في الدراسات النفسية

يتخذ تحليل التباين صوراً وتصميمات متعددة تتطابق مع طبيعة الفرضيات البحثية وهيكل تصميم التجربة. يُعد تحليل التباين الأحادي (One-Way ANOVA) أبسط هذه النماذج وأكثرها شيوعاً، ويُطبق عندما يكون لدى الباحث متغير مستقل تصنيفي واحد يتضمن ثلاثة مستويات أو أكثر (مثل نوع التدخل النفسي) ومتغير تابع كمي متصل واحد (مثل درجة الاكتئاب). يهدف هذا التحليل إلى تحديد ما إذا كانت هناك فروق ذات دلالة إحصائية بين متوسطات تلك المجموعات دون تفصيل لمصدر الفرق الدقيق إلا بعد إجراء الاختبارات البعدية المناسبة.

أما في التصميمات التجريبية الأكثر تعقيداً، يبرز تحليل التباين العاملي (Factorial ANOVA)، مثل التصميم العاملي الثنائي (2×2 أو 3×2)، والذي يتيح دراسة تأثير متغيرين مستقلين أو أكثر في آنٍ واحد على متغير تابع، مما يمكّن الباحث ليس فقط من تقييم “التأثيرات الرئيسية” (Main Effects) لكل متغير على حدة، بل والأهم من ذلك استكشاف “التأثيرات التفاعلية” (Interaction Effects). يتيح تحليل التفاعل الكشف عما إذا كان تأثير أحد المتغيرات المستقلة يتغير في اتجاهه أو شدته باختلاف مستويات المتغير المستقل الآخر، وهو أمر جوهري في فهم الظواهر النفسية متعددة العوامل مثل تفاعل مستوى القلق مع نوع بيئة التعلم في التأثير على الأداء المعرفي.

وفي السياقات البحثية التي تتطلب متابعة الأفراد عبر الزمن أو تعريض نفس العينة لعدة شروط تجريبية متعاقبة، يُستخدم تحليل التباين للقياسات المتكررة (Repeated Measures ANOVA)، وهو المعادل الإحصائي لتصميم القياسات داخل الأفراد (Within-Subjects Design). يمتاز هذا النموذج بقدرته الفائقة على عزل الفروق الفردية الأساسية بين المشاركين، مما يقلل من حجم تباين الخطأ ويزيد من القوة الإحصائية (Statistical Power) للاختبار. وأخيراً، يُعد تحليل التباين المصاحب (ANCOVA) أداة متقدمة تدمج بين الانحدار الخطي وتحليل التباين، وتهدف إلى ضبط المتغيرات الدخيلة والوسيطة المتصلة (Covariates) إحصائياً، مثل ضبط معدل الذكاء الأولي أو درجات القياس القبلي قبل فحص الفروق بين المجموعات التجريبية.

1.3 عناصر التقرير العلمي الرصين لنتائج التحليل الإحصائي

يتطلب إعداد التقرير الإحصائي الرصين التزاماً صارماً بمبادئ الشفافية والوضوح الأكاديمي، بحيث يتيح النص المكتوب للباحثين الآخرين إمكانية فهم المنهجية وتكرار التحليل بدقة (Replicability). تتضمن العناصر الجوهرية للتقرير الناجح نقل كافة القيم الإحصائية دون انتقائية، بما في ذلك درجات الحرية (Degrees of Freedom)، وقيمة الاختبار المحسوبة بدقة، ومستوى القيمة الاحتمالية الدقيق (Exact p-value)، فضلاً عن تقديم مقاييس النزعة المركزية والتشتت (المتوسطات والانحرافات المعيارية) لكافة المجموعات الفرعية والتفاعلات قيد الدراسة.

يرتبط نجاح التقرير الإحصائي بمدى قدرة الباحث على الربط الوثيق بين المعطيات الرقمية والفرضيات النظرية التي تأسست عليها الدراسة؛ إذ لا ينبغي أن تظل النتائج الإحصائية أرقاماً معزولة في فراغ، بل يجب أن تُوظف لتأكيد أو دحض الفرضيات المصاغة، مع بيان ما تعنيه هذه الفروق من منظور النظرية النفسية أو السلوكية المتبناة. يجب أن يوضح التقرير ما إذا كانت الفروق الملاحظة متوافقة مع التوقعات المعرفية، أو السلوكية، أو البيولوجية، مع إبراز القيمة المضافة لتلك النتائج في توسيع المعرفة العلمية القائمة في المجال.

وعلاوة على ذلك، يمثل الامتثال للمعايير الصياغية الصادرة عن جمعية علم النفس الأمريكية (APA Publication Manual, 7th Edition) الركيزة الأساسية للقبول في المجلات الدولية الرصينة. يفرض هذا الدليل نسقاً موحداً يشمل أسلوب كتابة الرموز الرياضية بخط مائل، والتحكم في الخانات العشرية وقواعد التقريب، وكيفية تنظيم الجداول والأشكال المرافقة لضمان تكاملها التام مع المتن السردي دون حشو أو تكرار، وهو ما سنفصله بدقة في الأقسام القادمة.

2. فحص وتوثيق الافتراضات الإحصائية القبلية لاختبار ANOVA

2.1 التحقق من التوزيع الطبيعي واستقلالية المشاهدات

يعد اختبار تحليل التباين من الاختبارات المعلمية (Parametric Tests) التي تشترط استيفاء مجموعة من الافتراضات الرياضية لضمان صحة الاستدلالات وتجنب تشويه معدلات الخطأ. أول هذه الافتراضات هو التوزيع الطبيعي (Normality) للمتغير التابع، والذي يُفترض تحققه داخل كل مجموعة من مجموعات المتغير المستقل، أو بشكل أكثر دقة، التوزيع الطبيعي للبواقي (Residuals). يتم التحقق من هذا الافتراض عبر مسارين: المسار الوصفي-البصري من خلال فحص التوزيع التكراري ومخططات الاحتمال الطبيعي (Q-Q Plots) وحساب معاملي الالتواء (Skewness) والتفرطح (Kurtosis)؛ حيث تشير القواعد الإرشادية إلى أن وقوع قيم الالتواء والتفرطح المعيارية (مقسومة على خطئها المعياري) بين [-1.96 و +1.96] عند مستوى دلالة 0.05، أو بقاء القيم المطلقة للالتواء أقل من |2| والتفرطح أقل من |7|، يشير إلى عدم وجود انحراف جوهري عن التوزيع السوي في العينات المتوسطة والكبيرة.

أما المسار الاستدلالي فيتضمن تطبيق اختبارات الدلالة الإحصائية مثل اختبار شابيرو-ويلك (Shapiro-Wilk Test) واختبار كولموجوروف-سميرنوف (Kolmogorov-Smirnov Test). يُعد اختبار شابيرو-ويلك الخيار الأمثل والأكثر حساسية في أحجام العينات الصغيرة والمتوسطة (أقل من 50 مفردة لكل مجموعة). عند كتابة تقرير فحص التوزيع الطبيعي، يوثق الباحث قيم هذه الاختبارات بوضوح؛ فعلى سبيل المثال، إذا كانت القيمة الاحتمالية لاختبار شابيرو-ويلك أكبر من 0.05 (p > .05)، يُقر الباحث بقبول الفرضية الصفرية القائلة باعتدالية التوزيع. أما في حال انتهاك الافتراض في العينات الصغيرة، يتعين توثيق ذلك وبيان ما إذا كان الباحث قد لجأ إلى استخدام التحويلات الرياضية للبيانات (مثل التحويل اللوغاريتمي أو تحويل الجذر التربيعي) أو الاعتماد على البدائل اللامعلمية مثل اختبار كروسكال-واليز (Kruskal-Wallis).

أما الافتراض الثاني والحاسم فهو استقلالية المشاهدات (Independence of Observations)، والذي يُعد أخطر افتراضات تحليل التباين؛ إذ إن انتهاكه يؤدي إلى نتائج غير موثوقة بدرجة لا يمكن تصحيحها رياضياً بعد جمع البيانات. يفترض هذا الشرط أن قياس أي فرد في العينة لا يؤثر ولا يتأثر بقياسات الأفراد الآخرين، وأن جمع البيانات تم من خلال المعاينة العشوائية والتوزيع العشوائي للمشاركين على المجموعات التجريبية. لا يتم اختبار الاستقلالية بمعادلات إحصائية، بل يتم توثيقه في قسم المنهجية عبر وصف إجراءات الضبط التجريبي الصارم، والتأكد من عدم وجود تفاعل أو تواصل بين المفحوصين أثناء إجراء المهام التجريبية، وضمان عدم تكرار القياس لنفس المفردات في التصميمات المستقلة.

2.2 اختبار تجانس التباين (Homogeneity of Variance)

يشترط تحليل التباين الكلاسيكي تكافؤ تباينات المجموعات المقارنة، وهو ما يُعرف بـ تجانس التباين (Homogeneity of Variance / Homoscedasticity). يعني هذا الافتراض أن تباين الخطأ في درجات المتغير التابع متساوٍ تقريباً عبر جميع مستويات المتغير المستقل (أي: σ₁² = σ₂² = … = σ_k²). يكتسب هذا الشرط حساسية خاصة عندما تكون أحجام العينات بين المجموعات غير متساوية (Unequal Sample Sizes)؛ حيث يؤدي عدم تجانس التباين مع عدم تساوي العينات إلى تشويه خطير في قيمة F ومستوى الدلالة الحقيقي، مما يرفع معدل الخطأ من النوع الأول في حال كانت المجموعة الأصغر ذات التباين الأكبر، أو يقلل من القوة الإحصائية في الحالة المعاكسة.

يُعد اختبار ليفين (Levene’s Test) الأداة الإحصائية القياسية المعتمدة عالمياً لفحص تجانس التباين. يعتمد هذا الاختبار على حساب الفروق المطلقة لدرجات المشاركين عن متوسط أو وسيط مجموعاتهم وإجراء تحليل تباين أحادي على تلك الفروق. تفترض الفرضية الصفرية لاختبار ليفين تساوي تباينات المجموعات، وبالتالي فإن النتيجة غير الدالة إحصائياً (p > .05) تدل على استيفاء الافتراض وسلامة تطبيق اختبار F المعياري لفيشر. يتم توثيق هذه النتيجة بالصيغة: “أظهر اختبار ليفين تجانس التباين عبر المجموعات، F(df1, df2) = [Value], p = [Value]”.

وفي المقابل، عند ظهور دلالة إحصائية في اختبار ليفين (p < .05)، فإن ذلك يؤكد انتهاك فرضية التجانس، مما يحظر استخدام اختبار F الكلاسيكي دون تصحيح. يتطلب التوثيق العلمي الصارم في هذه الحالة الإفصاح عن الانتهاك وتحديد الإجراء البديل الذي تم اللجوء إليه، والمتمثل في اختبار ويلش لتحليل التباين (Welch’s ANOVA) أو اختبار براون-فورسيز (Brown-Forsythe Test). تعد هذه الاختبارات تصحيحات قوية وموثوقة تقوم بوزن تباين كل مجموعة بحجم عينتها وتعديل درجات الحرية تلقائياً للحد من الانحياز، مع ضرورة الإشارة الصريحة في التقرير إلى استخدام Welch’s F بدلاً من Fisher’s F المعتاد.

2.3 التعامل مع القيم الشاذة والمتطرفة (Outliers)

تمارس القيم الشاذة والمتطرفة (Univariate and Multivariate Outliers) تأثيراً مشوهاً بالغاً على نتائج تحليل التباين، حيث تؤدي إلى تضخيم الانحرافات المعيارية وزيادة التباين الداخلي غير المبرر، مما يقلل من القوة الإحصائية للاختبار أو يقود أحياناً إلى إيجاد فروق وهمية لا تمثل الواقع السلوكي للعينة. يستند تشخيص القيم المتطرفة أحادية المتغير إلى تقنيات استكشاف البيانات الإحصائية، وعلى رأسها فحص المخططات الصندوقية (Boxplots) لحساب المدى الربيعي (Interquartile Range – IQR)، واعتبار أي درجة تتجاوز 1.5 ضعف المدى الربيعي قيمة شاذة، وما يتجاوز 3 أضعاف قيمة متطرفة شديدة. كما يُستخدم تحويل الدرجات الخام إلى درجات معيارية (Z-scores)، وتصنيف أي قيمة تتجاوز القيمة المطلقة |3.29| (عند مستوى دلالة 0.001) كقيمة متطرفة تستوجب التدخل.

يتعين على الباحث توثيق استراتيجية التعامل مع القيم المتطرفة بشفافية مطلقة في تقريره المنهجي، حيث تنحصر الخيارات العلمية المعتمدة في ثلاثة مسارات رئيسية:
(1) الحذف المبرر (Exclusion): عند ثبوت أن القيمة ناتجة عن خطأ في إدخال البيانات أو عدم التزام المفحوص بالتعليمات التجريبية، مع ذكر عدد الحالات المستبعدة وخصائصها؛
(2) التحويل الرياضي (Transformation): لتعديل التوزيع ككل وتقليص المسافة بين القيم المتطرفة والوسط الحسابي؛
(3) التعديل الحدي (Winsorization): بإحلال أعلى قيمة مقبولة ضمن التوزيع محل القيمة الشاذة، أو الإبقاء على القيم المتطرفة مع تطبيق أساليب تحليل التباين المتينة (Robust ANOVA methods).

يجب أن يتضمن التقرير تبريراً أكاديمياً صريحاً للإجراء المتخذ، مع بيان تأثيره المباشر على حجم العينة النهائي ودرجات الحرية المصاحبة لقيمة F. يُستحسن في الدراسات المتقدمة إجراء “تحليل الحساسية” (Sensitivity Analysis)، والذي يقوم على مقارنة نتائج اختبار ANOVA قبل استبعاد القيم المتطرفة وبعد استبعادها؛ لبيان ما إذا كانت الاستنتاجات العلمية مستقرة وقوية (Robust) بغض النظر عن وجود تلك القيم، وتوثيق ذلك في فقرة مستقلة ضمن قسم النتائج.

3. المعايير المعتمدة من APA لصياغة نتائج تحليل التباين

3.1 قواعد التنسيق الطباعي والرموز الإحصائية

يفرض الدليل الإرشادي السابع لجمعية علم النفس الأمريكية (APA 7th Edition Guidelines) قواعد صارمة ومحددة بدقة لتنسيق التقارير الإحصائية؛ بهدف الحفاظ على التناسق والوضوح المعياري في الإنتاج العلمي العالمي. تنص القاعدة الأساسية الأولى على كتابة كافة الرموز والحروف الإحصائية والرياضية اللاتينية بخط مائل (Italicized Font) عندما تمثل مقاييس إحصائية أو معلمات مجتمعية مستنتجة من عينات. تشمل هذه الرموز الحرف F الدال على النسبة الفائية، والحرف p الدال على القيمة الاحتمالية لمستوى الدلالة، والحرف M الممثل للمتوسط الحسابي، و SD الممثل للانحراف المعياري، و t لاختبارات ت، و SE للخطأ المعياري، و N لإجمالي حجم العينة الكلية، و n لحجم المجموعة الفرعية. وفي المقابل، لا تُكتب الرموز الإغريقية (اليونانية) بخط مائل، مثل إيتا المربعة (η²)، وبيتا (β)، وأوميغا (ω²)، ولا تُمال الحروف التي تعبر عن اختصارات رياضية غير متغيرة مثل log أو ln.

وفيما يتعلق بقواعد التقريب العشري، يوجه دليل APA إلى كتابة معظم الأرقام والمقاييس الإحصائية برقمين عشريين بعد الفاصلة (Two Decimal Places)، ويشمل ذلك قيم المتوسطات، والانحرافات المعيارية، وقيم F المحسوبة، وفترات الثقة، وأحجام الأثر (مثل M = 24.35, SD = 4.12, F = 5.84, η² = .14). وتستثنى من ذلك القيم الاحتمالية (p-values)، حيث تُقرب إلى ثلاثة أرقام عشرية (Three Decimal Places) مثل (p = .024 أو p = .401) لضمان الدقة في تقييم الدلالة، ما لم تكن القيمة أقل من ألف، حيث تُكتب بصيغة خاصة.

تتم صياغة النتيجة الإحصائية لاختبار تحليل التباين بنسق تركيبي مقنن وثابت؛ حيث توضع درجات الحرية بين قوسين هلاليين ملتصقين بالحرف المائل F مباشرة دون مسافة، مفصولة بفاصلة ومسافة واحدة. يمثل الرقم الأول درجات الحرية بين المجموعات (Numerator / Between-groups df)، بينما يمثل الرقم الثاني درجات الحرية لداخل المجموعات (Denominator / Within-groups df / Error df)، متبوعاً بمسافة، ثم علامة المساواة، ثم قيمة F، تليها فاصلة ومسافة، ثم قيمة p، وأخيراً حجم الأثر. يظهر التركيب الشكلي الدقيق على النحو التالي: F(2, 87) = 4.65, p = .012, η²_p = .10.

3.2 صياغة مستوى الدلالة الإحصائية (p-value) بدقة

شهدت منهجية كتابة التقارير الإحصائية في دليل APA 7 تحولاً جذرياً في التعامل مع مستويات الدلالة الإحصائية، حيث حظر الدليل بشكل قاطع استخدام التعبيرات الاحتمالية القديمة المبهمة والقائمة على علامات التباين التقديرية (مثل p < .05 أو p < .01 أو p > .05 أو وضع عبارة NS للإشارة لعدم الدلالة). يتعين على الباحثين الآن ذكر القيمة الاحتمالية الدقيقة والمحسوبة من البرمجيات الإحصائية كما هي تماماً (Exact p-value) برقمين أو ثلاثة أرقام عشرية؛ لما توفره هذه الشفافية من قدرة للقارئ على التمييز بين نتيجة حاسمة (مثل p = .003) ونتيجة متأرجحة تقع على حافة مستوى الشك (مثل p = .049).

وتبرز حالة استثنائية وحيدة لاستخدام علامة الأصغر من (<) عند صياغة مستويات الدلالة، وذلك عندما يظهر المخرج الإحصائي في البرمجيات قيمة صفرية كلية للـ p-value (كالصيغة الشائعة في SPSS: .000). ونظراً لأن الاحتمال في التوزيعات الاحتمالية المستمرة لا يمكن رياضياً أن يساوي صفراً مطلقاً، يُحظر تماماً كتابة p = .000، ويجب استبدالها إلزامياً بالصيغة التحريرية: p < .001. كما تنص قواعد APA الصارمة على عدم وضع الصفر قبل الفاصلة العشرية (Leading Zero) للأرقام والمؤشرات الإحصائية التي لا يمكن نظرياً ورياضياً أن تتجاوز الواحد الصحيح، وينطبق ذلك تحديداً على القيم الاحتمالية (تُكتب p = .035 وليس 0.035 p =)، ومعاملات الارتباط، وأحجام الأثر (η² = .08 وليس 0.08).

إضافة إلى ذلك، يشدد الدليل على ضرورة التمييز المنهجي والمفاهيمي بين مفهومين متباينين: الدلالة الإحصائية (Statistical Significance) والدلالة العملية أو الإكلينيكية (Practical / Clinical Significance). إن الدلالة الإحصائية تدل فقط على أن الفروق الملاحظة غير ناتجة عن المصادفة العشوائية بمستوى ثقة معين، لكنها تتأثر بشدة بحجم العينة؛ حيث يمكن لأدنى فرق تافه أن يصبح دالاً إحصائياً في العينات الضخمة. ولذلك، يحظر الدليل الاكتفاء بالدلالة الإحصائية وحدها، ويوجب اقترانها دائماً بتقدير حجم الأثر وفترات الثقة لتقييم الأهمية الميدانية والتطبيقية للنتيجة.

3.3 الهيكل البنائي للفقرة الوصفية الشاملة

يتطلب دمج النتائج الإحصائية في المتن التحريري للبحث اتباع هيكلية بنائية منطقية ومتسلسلة، تضمن استيعاب القارئ للنمط التجريبي دون تشتت. تبدأ الفقرة النموذجية بـ الجملة التمهيدية الموجهة، والتي تحدد بوضوح الهدف من التحليل، مع ذكر المتغير التابع المقاس، والمتغير المستقل المصنف، ومستوياته المختلفة التي خضعت للمقارنة التجريبية، مع الإشارة الصريحة إلى نوع اختبار ANOVA المستخدم وفحص افتراضاته.

تنتقل الفقرة بعد ذلك إلى عرض الإحصاءات الاستدلالية الرئيسية؛ حيث يُذكر ما إذا كان الاختبار الكلي الشامل (Omnibus F-test) قد أظهر فروقاً ذات دلالة إحصائية بين المجموعات أم لا، متبوعاً بالكتلة الإحصائية المتكاملة التي تضم الحرف F، ودرجات الحرية، وقيمة الاختبار المحسوبة، والقيمة الاحتمالية الدقيقة، وحجم الأثر المحسوب. يتكامل هذا العرض الاستدلالي بسلاسة مع الإحصاءات الوصفية الأساسية، حيث يتم تضمين المتوسط الحسابي والانحراف المعياري لكل مجموعة داخل النص (بين قوسين) مباشرة عند ذكر تلك المجموعة، أو الإحالة إلى جدول وصفي ملحق لتجنب ازدحام الفقرة بالأرقام إذا كان عدد المجموعات كبيراً.

تُختتم الفقرة الوصفية بـ عرض نتائج المقارنات البعدية (Post-Hoc Comparisons) في حال كانت قيمة F دالة إحصائياً؛ لبيان المجموعات المحددة التي نشأت بينها الفروق، وتحديد اتجاه تلك الفروق لصالح أي مجموعة، مع إدراج قيم الفروق بين المتوسطات، وفترات الثقة 95%، وقيم الدلالة المصححة لكل مقارنة ثنائية، قبل أن يُختم السرد بعبارة استنتاجية موجزة تفسر المعنى السيكولوجي والتطبيقي لهذه الفروق.

4. كيفية كتابة تقرير نتائج تحليل التباين الأحادي (One-Way ANOVA)

4.1 القالب النصي القياسي للنتائج الدالة إحصائياً

عندما يسفر اختبار تحليل التباين الأحادي عن قيمة فائية دالة إحصائياً عند مستوى المعنوية المعتمد (غالباً α = .05)، يتعين على الباحث صياغة النتيجة بنسق أكاديمي يربط المعالجة التجريبية بالأثر المقاس، يليه تفصيل الاختبارات البعدية. يوضح المثال التطبيقي التالي كيفية توثيق دراسة إكلينيكية قارنت بين تأثير ثلاثة أساليب للتدخل النفسي (العلاج المعرفي السلوكي CBT، العلاج باليقظة الذهنية Mindfulness، ومجموعة قائمة الانتظار الضابطة Waitlist Control) على تخفيض حدة القلق المقاس بمقياس بيك للقلق (BAI):

النموذج النصي المعتمد باللغة العربية:
“أُجري تحليل التباين الأحادي بين المجموعات (One-Way Between-Subjects ANOVA) لفحص تأثير نوع التدخل النفسي (العلاج المعرفي السلوكي، العلاج باليقظة الذهنية، وقائمة الانتظار) على مستوى أعراض القلق بعد المعالجة. أظهرت النتائج وجود أثر رئيسي دال إحصائياً لنوع التدخل على درجات القلق، F(2, 72) = 8.45, p < .001, η² = .19. وبناءً على ذلك، أُجريت مقارنات بعدية باستخدام اختبار توكي للفروق الجوهرية (Tukey’s HSD)؛ حيث تبين أن المشاركين في مجموعة العلاج المعرفي السلوكي (M = 16.40, SD = 3.82) أظهروا انخفاضاً دالاً إحصائياً في حدة القلق مقارنة بمجموعة قائمة الانتظار (M = 23.10, SD = 4.65)، بفارق متوسط قدره 6.70، وفترة ثقة 95% CI [3.20, 10.20]، p < .001. كما تفوقت مجموعة العلاج باليقظة الذهنية (M = 18.20, SD = 4.15) بدلالة إحصائية على مجموعة قائمة الانتظار، بفارق متوسط قدره 4.90، 95% CI [1.40, 8.40]، p = .004. في حين لم تظهر فروق ذات دلالة إحصائية بين مجموعتي العلاج المعرفي السلوكي والعلاج باليقظة الذهنية (p = .312).”

Standard English Reporting Format (APA 7th):
“A one-way between-subjects ANOVA was conducted to compare the effect of psychological intervention type on anxiety levels across three conditions: Cognitive Behavioral Therapy (CBT), Mindfulness-Based Intervention, and a Waitlist Control. The main effect of intervention type was statistically significant, F(2, 72) = 8.45, p < .001, η² = .19. Post hoc comparisons using Tukey’s HSD test indicated that the mean anxiety score for the CBT group (M = 16.40, SD = 3.82) was significantly lower than that of the waitlist control group (M = 23.10, SD = 4.65), 95% CI [3.20, 10.20], p < .001. Similarly, the mindfulness group (M = 18.20, SD = 4.15) reported significantly lower anxiety than the waitlist control group, 95% CI [1.40, 8.40], p = .004. However, the difference between the CBT and mindfulness groups was not statistically significant (p = .312).”

4.2 صياغة النتائج غير الدالة إحصائياً (Non-Significant Results)

يقع العديد من الباحثين المبتدئين في خطأ منهجي وتعبيري شائع عند ظهور نتائج غير دالة إحصائياً (أي عندما تكون p ≥ .05)؛ حيث يميل البعض إلى استخدام عبارات قطعية خاطئة مثل “أثبتت الدراسة تطابق المجموعات” أو “تم إثبات صحة الفرضية الصفرية”. يؤكد المنطق الإحصائي النيمني-بيرسوني أن الاختبارات الاستدلالية غير مصممة لإثبات فرضية العدم، بل إن النتيجة غير الدالة تعني حرفياً “الفشل في رفض فرضية العدم” (Fail to reject the null hypothesis)، نظراً لعدم كفاية الأدلة الإحصائية في العينة لدعم وجود فرق حقيقي في المجتمع.

عند تقرير النتائج غير الدالة، يجب على الباحث توثيق كافة المعطيات الإحصائية الوصفية والاستدلالية بنفس الدرجة من التفصيل والشفافية المتبعة مع النتائج الدالة، مع إبراز المتوسطات والانحرافات المعيارية وحجم الأثر لتوضيح الصورة الكلية للبيانات. يوضح النموذج التالي الصياغة الأكاديمية السليمة لحالة عدم الدلالة:

نموذج التوثيق:
“أُجري تحليل التباين الأحادي لفحص الفروق في درجات الاحتراق النفسي (Burnout) بين المعلمين وفقاً لسنوات الخبرة المهنية (أقل من 5 سنوات، من 5 إلى 15 سنة، وأكثر من 15 سنة). أظهرت النتائج عدم وجود فروق ذات دلالة إحصائية بين فئات الخبرة في مستوى الاحتراق النفسي، F(2, 117) = 1.34, p = .266, η² = .02. وبالرغم من أن المعلمين ذوي الخبرة الأقل سجلوا متوسطاً أعلى ظاهرياً (M = 48.60, SD = 9.40) مقارنة بذوي الخبرة المتوسطة (M = 45.80, SD = 8.90) وذوي الخبرة الطويلة (M = 44.70, SD = 9.10)، إلا أن حجم الأثر الصغير (η² = .02) يشير إلى أن سنوات الخبرة لم تفسر سوى 2% فقط من التباين في درجات الاحتراق النفسي، مما يشير إلى استقرار مستويات الاحتراق عبر المراحل المهنية المختلفة.”

4.3 كتابة تقرير تحليل تباين ويلش (Welch’s ANOVA)

في الحالات الميدانية التي ينتهك فيها توزيع البيانات فرضية تجانس التباين (ثبوت دلالة اختبار ليفين p < .05)، خاصة مع عدم تساوي أحجام العينات، يُعد اللجوء إلى تحليل تباين ويلش (Welch’s ANOVA) ضرورة منهجية لا غنى عنها؛ لتفادي تضخم معدلات الخطأ من النوع الأول. يختلف مخرج اختبار ويلش عن اختبار فيشر التقليدي في أنه يقوم بتعديل درجات الحرية لداخل المجموعات (Denom df) مما ينتج عنه غالباً درجات حرية تتضمن كسوراً وأرقاماً عشرية (Adjusted Fractional Degrees of Freedom)، وهو ما يجب أن ينعكس بدقة في صلب التقرير.

النموذج التطبيقي لتوثيق Welch’s ANOVA:
“نظراً لانتهاك فرضية تجانس التباين وفقاً لما أظهره اختبار ليفين، F(2, 65) = 5.82, p = .005، تم استخدام اختبار ويلش لتحليل التباين (Welch’s F) لمقارنة زمن الاستجابة الحركية-المعرفية عبر ثلاث فئات عمرية (شباب، متوسطو العمر، وكبار السن). كشفت النتائج عن وجود فروق دالة إحصائياً بين الفئات العمرية في زمن الاستجابة، Welch’s F(2, 38.42) = 12.78, p < .001, ω² = .24. وقد أُجريت المقارنات البعدية باستخدام اختبار جيمس-هويل (Games-Howell) المصمم خصيصاً لحالات عدم تجانس التباين؛ حيث أظهرت النتائج أن فئة كبار السن (M = 450.20 ms, SD = 62.40) كانت أبطأ بدلالة إحصائية مقارنة بكل من فئة الشباب (M = 340.50 ms, SD = 28.30, p < .001) وفئة متوسطي العمر (M = 385.10 ms, SD = 41.20, p = .014).”

5. توثيق المقارنات البعدية والمتعددة (Post-Hoc Tests)

5.1 اختيار وتوثيق اختبار توكي للمقارنات المتعددة (Tukey’s HSD)

يُمثل اختبار توكي للفروق ذات الدلالة الحقيقية (Tukey’s Honestly Significant Difference – HSD) المعيار الذهبي والأكثر استخداماً لإجراء المقارنات المتعددة البعدية في البحوث النفسية؛ وذلك عند تحقق فرضيتي التوزيع الطبيعي وتجانس التباين، خاصة عندما تكون أحجام العينات متساوية أو متقاربة للغاية بين المجموعات. يقوم اختبار توكي بحساب الفرق الحرج الأدنى المطلوب بين أي متوسطين ليكون الفرق بينهما دالاً إحصائياً، مع ضبط معدل الخطأ الكلي لجميع المقارنات الثنائية الممكنة عند المستوى المحدد سلفاً (α = .05) باستخدام توزيع المدى الممعير للمفردات (Studentized Range Distribution – q).

يتطلب توثيق اختبار توكي في التقرير العلمي إدراج الفروق المتوسطة بين كل زوج من المجموعات، ومستويات الدلالة الدقيقة المصححة، وفترات الثقة بفارق 95% المصاحبة لكل مقارنة؛ حيث تعكس فترة الثقة مدى دقة تقدير الفرق بين المتوسطين في مجتمع الدراسة الأصلي. يوضح النص التالي كيفية كتابة ذلك:

“أظهرت المقارنات البعدية باستخدام اختبار توكي (Tukey’s HSD) أن المشاركين الذين تلقوا برنامج التدريب العقلي المكثف (M = 85.40, SD = 7.20) حققوا درجات أداء تنفيذي أعلى بدلالة إحصائية مقارنة بالمشاركين في برنامج التدريب التقليدي (M = 76.10, SD = 6.80)، بفارق قدره 9.30 نقطة، 95% CI [4.50, 14.10]، p = .001، ومقارنة بمجموعة التحكم التي لم تتلقَ تدريباً (M = 70.20, SD = 8.10)، بفارق قدره 15.20 نقطة، 95% CI [10.40, 20.00]، p < .001. في حين لم يصل الفرق بين التدريب التقليدي ومجموعة التحكم إلى مستوى الدلالة الإحصائية، بفارق قدره 5.90، 95% CI [-0.20, 12.00]، p = .061.”

5.2 كتابة تقرير تصحيح بونفيروني واختبار شيفيه (Bonferroni & Scheffé)

في الحالات التي يرغب فيها الباحث في إجراء عدد محدود ومحدد سلفاً من المقارنات المخططة (Planned Contrasts)، أو عندما يتطلب الموقف البحثي صرامة فائقة للحد من احتمالية الوقوع في الخطأ من النوع الأول، يبرز تصحيح بونفيروني (Bonferroni Correction) كأحد الخيارات التحفظية الأكثر صرامة. يقوم هذا الإجراء بتعديل مستوى الدلالة الاسمي بقسمته على عدد المقارنات المحددة (α_altered = α / k)، أو ضرب القيمة الاحتمالية الناتجة بعدد المقارنات ومقارنتها بمستوى 0.05. يُوثق تصحيح بونفيروني ببيان مستوى الدلالة المعدل المستخدم كمعيار للحكم على المعنوية الإحصائية.

أما اختبار شيفيه (Scheffé’s Method)، فيُعد الاختبار الأكثر تحفظاً ومرونة على الإطلاق بين جميع اختبارات المقارنات البعدية؛ حيث يسمح بإجراء ليس فقط المقارنات الثنائية البسيطة (مقارنة مجموعة بمجموعة)، بل والمقارنات المعقدة غير المخططة (Complex Non-Pairwise Comparisons)، مثل مقارنة متوسط مجموعتين علاجيتين مجتمعتين بمتوسط المجموعة الضابطة (أي: [M₁ + M₂]/2 vs. M₃). ونظراً لشدة تحفظه، فإن اختبار شيفيه يقلل من احتمالية رفض الفرضية الصفرية عن غير قصد، ولكنه يوفر حماية مطلقة ضد الأخطاء عند استكشاف مقارنات مركبة بعد ظهور نتائج التحليل الشامل.

نموذج التوثيق لبونفيروني وشيفيه:
“أُجريت مقارنات بعدية مع تطبيق تصحيح بونفيروني لضبط خطأ النوع الأول لثلاث مقارنات محددة (مستوى الدلالة المعدل α = .017). أشارت النتائج إلى استمرار دلالة الفارق بين الاستراتيجية الأولى والثالثة (p = .008)، بينما تلاشت دلالة الفارق بين الاستراتيجية الأولى والثانية بعد التصحيح (p = .038 مقارنة بالمعيار المعدل .017). كما أظهر اختبار شيفيه للمقارنات المركبة أن متوسط أداء المجموعتين التجريبيتين مجتمعتين (M = 82.50) كان أعلى بدلالة إحصائية مقارنة بالمجموعة الضابطة (M = 68.30)، F_scheffé = 14.62, p < .001.”

5.3 المقارنات البعدية في ظل انتهاك التجانس (Games-Howell)

عندما تظهر نتائج الفحص القبلي انتهاكاً لفرضية تجانس التباين، تصبح نتائج اختبار توكي وتصحيح بونفيروني غير صالحة إحصائياً وتؤدي إلى معدلات تضخم حادة في الأخطاء الاستدلالية. في هذا السياق المنهجي، يُعد اختبار جيمس-هويل (Games-Howell Post-Hoc Test) البديل الإحصائي القياسي والموصى به دولياً؛ حيث لا يفترض هذا الاختبار تساوي تباينات المجموعات ولا يشترط تساوي أحجام العينات، بل يعتمد على درجات حرية ويلش المعدلة ومقاييس الأخطاء المعيارية المنفصلة لكل مقارنة ثنائية زوجية.

قالب توثيق اختبار Games-Howell وفق APA 7:
“نظراً لعدم تحقق شرط تجانس التباينات بين المجموعات التجريبية، أُجريت المقارنات البعدية بالاعتماد على اختبار جيمس-هويل (Games-Howell). أظهرت النتائج أن المرضى الذين خضعوا للتدخل العلاجي السلوكي المكثف (n = 35, M = 42.10, SD = 11.40) سجلوا تحسناً دالاً إحصائياً مقارنة بمرضى التدخل المعتاد (n = 22, M = 31.50, SD = 5.20)، بمتوسط فرق بلغ 10.60، وفترة ثقة 95% CI [4.85, 16.35]، p = .002. وتجدر الإشارة إلى أن اتساع فترة الثقة يعكس التباين غير المتماثل وحجم العينات غير المتساوي بين المجموعتين، ومع ذلك تظل الدلالة الإحصائية للتدخل المكثف راسخة وثابتة.”

6. كتابة نتائج تحليل التباين العاملي والتفاعلات (Factorial ANOVA)

6.1 توثيق التأثيرات الرئيسية (Main Effects)

في التصميمات العاملية (مثل التصميم العاملي الثنائي 2×2 أو 2×3)، يختبر تحليل التباين العاملي (Two-Way ANOVA) فرضيات متعددة تتعلق بالتأثير المنفصل لكل متغير مستقل على حدة، وهو ما يُعرف بـ التأثيرات الرئيسية (Main Effects). يمثل التأثير الرئيسي الفروق الإجمالية بين مستويات المتغير المستقل الأول عبر جميع مستويات المتغير المستقل الثاني (Marginal Means)، والعكس صحيح. يتطلب الدليل التحريري لـ APA تقرير كل تأثير رئيسي في جملة مستقلة وواضحة، تتضمن الإحصاء الاستدلالي الكامل (قيمة F، درجات الحرية، مستوى p، وحجم الأثر η²_p) مع ذكر المتوسطات الهامشية (Marginal Means) والانحرافات المعيارية المصاحبة.

نموذج توثيق التأثيرات الرئيسية لدراسة فحصت أثر (نوع التدريب: تقليدي / رقمي) و(مستوى الدافعية: منخفض / مرتفع) على التحصيل:
“كشف تحليل التباين العاملي الثنائي (2 × 2 Between-Subjects ANOVA) عن وجود تأثير رئيسي دال إحصائياً لنوع التدريب على التحصيل المعرفي، F(1, 116) = 14.28, p < .001, η²_p = .11؛ حيث حقق المشاركون في مسار التدريب الرقمي متوسط درجات أعلى (M = 78.40, SD = 8.10) مقارنة بالمشاركين في مسار التدريب التقليدي (M = 71.20, SD = 8.60). كما أظهر التحليل تأثيراً رئيسياً دالاً إحصائياً لمستوى الدافعية، F(1, 116) = 22.15, p < .001, η²_p = .16؛ حيث تفوق المشاركون ذوو الدافعية المرتفعة (M = 80.10, SD = 7.90) على ذوي الدافعية المنخفضة (M = 69.50, SD = 8.40).”

6.2 كتابة وتفسير التأثير التفاعلي (Interaction Effects)

يُعد فحص التأثير التفاعلي (Interaction Effect) جوهر التحليل العاملي والميزة المنهجية الكبرى التي تميزه عن النماذج الأحادية. يظهر التفاعل عندما يتوقف أثر أحد المتغيرات المستقلة على مستوى المتغير المستقل الآخر (أي أن تأثير المعالجة يختلف باختلاف الفئة). تفرض القواعد الإحصائية الصارمة قاعدة ذهبية: “عند وجود تأثير تفاعلي دال إحصائياً، يجب توخي الحذر الشديد في تفسير التأثيرات الرئيسية، وتوجيه الجهد التحليلي لتفسير طبيعة التفاعل عبر تحليل التأثيرات البسيطة”؛ لأن التأثيرات الرئيسية قد تصبح مضللة وغير ممثلة للواقع عند تقاطع خطوط التفاعل.

نموذج كتابة تقرير التفاعل الدال:
“علاوة على التأثيرات الرئيسية، كشفت النتائج عن وجود تأثير تفاعلي ثنائي دال إحصائياً بين نوع التدريب ومستوى الدافعية، F(1, 116) = 6.94, p = .010, η²_p = .06. يشير هذا التفاعل الدال إلى أن فاعلية نمط التدريب (الرقمي مقابل التقليدي) تباينت بصورة جوهرية باختلاف مستوى دافعية المتعلم، مما يستوجب تفكيك هذا التفاعل وإجراء اختبارات التأثيرات البسيطة لتحديد الشروط التي يتفوق فيها التدريب الرقمي بدقة.”

وفي الحالات التي يكون فيها التأثير التفاعلي دالاً بينما التأثيرات الرئيسية غير دالة إحصائياً (وهو ما يُعرف بالتفاعل المتقاطع Crossover Interaction)، يوثق التقرير ذلك مبيناً أن انعدام التأثير الرئيسي يعود إلى إلغاء التأثيرات الإيجابية في أحد المستويات للتأثيرات السلبية في المستوى المقابل، مما يبرز الأهمية الفائقة للتفاعل في الكشف عن البنى السلوكية المعقدة.

6.3 تقرير تحليلات التأثيرات البسيطة (Simple Main Effects)

عند ثبوت دلالة التأثير التفاعلي، لا تتوقف العملية التقريرية عند ذكر قيمة F للتفاعل، بل يتعين على الباحث تفكيك هذا التفاعل عبر إجراء تحليل التأثيرات البسيطة (Simple Main Effects Analysis). يقوم هذا التحليل باختبار تأثير المتغير المستقل الأول عند كل مستوى محدد ومنفصل من مستويات المتغير المستقل الثاني (على سبيل المثال: مقارنة التدريب الرقمي بالتقليدي داخل فئة ذوي الدافعية المرتفعة وحدها، ثم مقارنتهما داخل فئة ذوي الدافعية المنخفضة وحدها)، مع تطبيق تصحيح بونفيروني المناسب لضبط خطأ القياس المتعدد.

صياغة تقرير التأثيرات البسيطة المكتمل:
“لتفكيك التأثير التفاعلي الدال بين نوع التدريب ومستوى الدافعية، تم إجراء اختبار التأثيرات البسيطة مع تعديل مستوى الدلالة عبر تصحيح بونفيروني. أظهرت النتائج أنه بالنسبة للطلاب ذوي الدافعية المرتفعة، حقق التدريب الرقمي تفوقاً جوهرياً ودالاً إحصائياً على التدريب التقليدي في درجات التحصيل (M_diff = 12.80, 95% CI [8.10, 17.50], F(1, 116) = 20.45, p < .001, η²_p = .15). وفي المقابل، بالنسبة للطلاب ذوي الدافعية المنخفضة، لم تكن هناك فروق ذات دلالة إحصائية بين نمطي التدريب الرقمي والتقليدي (M_diff = 1.60, 95% CI [-3.10, 6.30], F(1, 116) = 0.45, p = .504, η²_p = .004). توضح هذه النتائج أن التدريب الرقمي يؤتي ثماره الإيجابية بصورة حصرية عندما يقترن بمستويات مرتفعة من الدافعية الذاتية للمتعلم.”

7. كتابة نتائج تحليل التباين للقياسات المتكررة (Repeated Measures ANOVA)

7.1 فحص وتوثيق فرضية الكروية (Mauchly’s Test of Sphericity)

يختص تحليل التباين للقياسات المتكررة (Within-Subjects / Repeated Measures ANOVA) بمعالجة البيانات التي تُجمع من نفس المشاركين عبر فترات زمنية متعاقبة (مثل: القياس القبلي، والبعدي، والتتبعي) أو عبر شروط تجريبية متعددة. يفرض هذا التحليل افتراضاً رياضياً حاسماً لا نظير له في التصميمات المستقلة يُعرف بـ افتراض الكروية (Sphericity)، والذي يقضي بأن تكون تباينات الفروق بين جميع الأزواج الممكنة من مستويات القياس المتكرر متساوية في المجتمع (أي: Var(X₁ – X₂) ≈ Var(X₁ – X₃) ≈ Var(X₂ – X₃)).

يُعد اختبار موتشلي للكروية (Mauchly’s Test of Sphericity) الأداة الإحصائية القياسية المعتمدة للتحقق من هذا الشرط. عند صياغة التقرير، يوثق الباحث نتيجة اختبار موتشلي متضمنة قيمة مربع كاي المحسوبة (χ²)، ودرجات الحرية، ومستوى الدلالة الاحتمالية. إذا كانت النتيجة غير دالة (p > .05)، يُقر الباحث باستيفاء فرضية الكروية ويُبقي على تقرير اختبار F المعياري المفترض للكروية (Sphericity Assumed F-test). أما إذا كانت النتيجة دالة إحصائياً (p < .05)، فإن ذلك يثبت انتهاك فرضية الكروية، مما يجعل درجات الحرية الكلاسيكية مضللة وتؤدي لقرارات إحصائية خاطئة، مما يلزم الباحث بتطبيق تصحيحات درجات الحرية وتوثيقها بوضوح.

7.2 توثيق تصحيحات غرينهاوس-غايسر وهونه-فيلت (Greenhouse-Geisser & Huynh-Feldt)

عند انتهاك فرضية الكروية، يلجأ الباحث إلى خفض درجات الحرية للبسط والمقام من خلال ضربهما في معامل تقدير الكروية إبسيلون (Epsilon ε)، مما يؤدي إلى زيادة صرامة القيمة الحرجة لاختبار F وحماية التحليل من تضخم الخطأ من النوع الأول. يوفر علم الإحصاء تصحيحين رئيسيين هما: تصحيح غرينهاوس-غايسر (Greenhouse-Geisser Correction) وتصحيح هونه-فيلت (Huynh-Feldt Correction).

تعتمد القاعدة الإرشادية لجمعية علم النفس الأمريكية في الاختيار بينهما على قيمة معامل إبسيلون (Greenhouse-Geisser Epsilon): إذا كانت قيمة ε < .75، يُعتمد تصحيح غرينهاوس-غايسر كونه أكثر تحفظاً وملاءمة للانتهاكات الحادة؛ أما إذا كانت قيمة ε > .75، فيُفضل الاعتماد على تصحيح هونه-فيلت لتجنب الإفراط في التحفظ الذي قد يقلل من القوة الإحصائية. يوثق التقرير المعامل المستخدم، ودرجات الحرية الكسرية الناتجة، والقيمة الفائية المصححة.

قالب توثيق انتهاك الكروية وتصحيح Greenhouse-Geisser:
“أظهر اختبار موتشلي انتهاكاً دالاً إحصائياً لفرضية الكروية، χ²(2) = 18.42, p < .001, ε = .68. وبناءً على ذلك، تم تصحيح درجات الحرية باستخدام تقدير غرينهاوس-غايسر للكروية. كشفت النتائج المصححة عن وجود تأثير رئيسي دال إحصائياً لعامل الزمن على مستوى الأعراض الاكتئابية، F(1.36, 47.60) = 34.12, p < .001, η²_p = .49.”

7.3 المقارنات المتعددة عبر الفترات الزمنية وتأثيرات الاتجاه (Trend Analysis)

لا يكتمل تقرير القياسات المتكررة بمجرد توثيق دلالة الزمن العامة، بل يتطلب مسارين تحليليين تكميليين:
(1) المقارنات البعدية المصححة عبر الفترات الزمنية لمقارنة كل نقطة قياس بسابقتها أو لاحقتها؛
(2) تحليل الاتجاه (Trend Analysis / Polynomial Contrasts) لتحديد المسار النمائي والتغير الديناميكي للظاهرة النفسية عبر الزمن.

يمكّن تحليل الاتجاه الباحث من اختبار ما إذا كان التغير عبر الزمن يتبع نمطاً خطياً مستقيماً (Linear Trend) يدل على زيادة أو نقصان مستمر مطرد، أو نمطاً تربيعياً منحنياً (Quadratic Trend) يدل على حدوث تحسن سريع يعقبه ثبات (Plateau) أو ارتداد طفيف نحو خط الأساس في مرحلة المتابعة، أو نمطاً تكعيبياً (Cubic Trend). يوثق التقرير قيمة F وحجم الأثر للاتجاه الأكثر تفسيراً للبيانات.

نموذج التوثيق لتحليل الاتجاه والمقارنات الزمنية:
“أشارت اختبارات التباين للاتجاهات المتعددة الحدود (Polynomial Trend Analysis) إلى وجود اتجاه تربيعي دال إحصائياً وبارز الأثر لمسار تحسن الكفاءة الذاتية عبر الفترات الأربع، F(1, 35) = 45.80, p < .001, η²_p = .57، في حين لم يفسر الاتجاه الخطي سوى جزء أقل من التباين، F(1, 35) = 12.10, p = .001, η²_p = .26. وقد أكدت المقارنات البعدية المصححة عبر بونفيروني حدوث قفزة تحسن جوهرية بين القياس القبلي (M = 32.40, SD = 5.10) والقياس البعدي المباشر (M = 54.80, SD = 6.20, p < .001)، مع استقرار وثبات هذا التحسن عند قياس المتابعة بعد 3 أشهر (M = 53.10, SD = 5.90, p = .620 مقارنة بالبعدي)، مما يدعم استدامة الأثر التدريبي للبرنامج.”

8. توثيق حجم الأثر وفترات الثقة (Effect Size & Confidence Intervals)

8.1 حساب وتقرير إيتا المربعة وإيتا المربعة الجزئية (Eta Squared & Partial Eta Squared)

يُعد حجم الأثر المؤشر الإحصائي المعياري الذي يقيس القوة العملية للعلاقة أو شدة الفروق بين المجموعات بمعزل تام عن تأثير حجم العينة. في أدبيات تحليل التباين، تبرز مقاييس “إيتا” كأكثر المقاييس استخداماً. تمثل إيتا المربعة (Eta Squared – η²) نسبة التباين الإجمالي في المتغير التابع التي يمكن تفسيرها بواسطة المتغير المستقل، وتُحسب بقسمة مجموع المربعات بين المجموعات على مجموع المربعات الكلي (SS_between / SS_total). تُستخدم η² الكلاسيكية أساساً في تحليل التباين الأحادي، حيث يتطابق إجمالي التباين المفسر مع تباين المعالجة.

أما في التصميمات العاملية والقياسات المتكررة، فيتعين استخدام إيتا المربعة الجزئية (Partial Eta Squared – η²_p)؛ حيث تقوم هذه المعلمة بحساب نسبة التباين المفسرة بواسطة تأثير معين بعد استبعاد تباين التأثيرات الرئيسية والتفاعلات الأخرى من المقام (SS_effect / [SS_effect + SS_error]). ووفقاً للمعايير المرجعية الاسترشادية الشهيرة التي وضعها جاكوب كوهين (Jacob Cohen, 1988)، تُفسر قيم η² و η²_p على النحو التالي:

• أثر صغير (Small Effect): القيمة تقارب 0.01 (تفسير 1% من التباين).
• أثر متوسط (Medium Effect): القيمة تقارب 0.06 (تفسير 6% من التباين).
• أثر كبير (Large Effect): القيمة تساوي 0.14 أو تتجاوزها (تفسير 14% أو أكثر من التباين).

قالب الصياغة:
“بلغ حجم الأثر للتدخل النفسي الرئيسي (η²_p = .18)، وهو ما يشير وفقاً لمعايير كوهين إلى أثر كبير؛ حيث فسر التدخل التجريبي بمفرده ما يقارب 18% من التباين الكلي المتبقي في درجات التنظيم الانفعالي بعد عزل تباينات العوامل الأخرى.”

8.2 استخدام وتوثيق أوميغا المربعة (Omega Squared)

بالرغم من الانتشار الواسع لمقياس إيتا المربعة الجزئية، إلا أن علماء القياس والإحصاء يؤكدون أنها تمثل مقياساً “متحيزاً تفاؤلياً” (Biased / Overestimated Estimator)؛ حيث تميل إلى تضخيم تقدير حجم الأثر في المجتمع، لا سيما في الدراسات التي تعتمد على أحجام عينات صغيرة (أقل من 30 فرداً في المجموعة). كبديل غير متحيز، يوصى بشدة باستخدام أوميغا المربعة (Omega Squared – ω²) أو أوميغا المربعة الجزئية (Partial Omega Squared – ω²_p).

تتميز أوميغا المربعة بدمج متوسط مربعات الخطأ (Mean Square Error – MS_error) في معادلتها الرياضية لضبط التحيز وتصحيح خطأ المعاينة، مما يجعلها تعطي تقديراً أدق وأكثر واقعية لحجم الأثر في مجتمع الدراسة الأصلي. تفرض العديد من المجلات العلمية المحكمة ذات معامل التأثير العالي تقرير ω² إلى جانب أو كبديل لـ η². تُطبق نفس حدود كوهين المرجعية (.01 للصغير، .06 للمتوسط، و.14 للكبير) عند تفسير أوميغا المربعة.

نموذج توثيق Omega Squared:
“أسفر تحليل التباين الأحادي عن أثر دال إحصائياً لطريقة التدريس، F(2, 42) = 4.18, p = .022. ونظراً لصغر حجم العينة الاستكشافية، تم حساب أوميغا المربعة كتقدير غير متحيز لحجم الأثر في المجتمع، حيث بلغت ω² = .12 (مقارنة بـ η² = .17)، مما يشير إلى أن طريقة التدريس تفسر فعلياً 12% من التباين الحقيقي في مهارات التفكير الناقد في مجتمع الطلاب الأصلي.”

8.3 أهمية صياغة فترات الثقة (Confidence Intervals) لحجم الفروق

يمثل إدراج فترات الثقة (Confidence Intervals – CIs) ركيزة أساسية في فلسفة التحليل الإحصائي الحديث وفق توصيات فرقة العمل المعنية بالاستدلال الإحصائي في جمعية علم النفس الأمريكية (APA Task Force on Statistical Inference). تدعو هذه التوصيات إلى التحول التدريجي من الاعتماد الحصري على اختبار الفرضيات الصفرية الثنائي (دال / غير دال) نحو “تقدير المعلمات ودرجة الدقة” (Parameter Estimation and Precision).

تعبر فترة الثقة 95% المصاحبة للفروق بين المتوسطات عن المدى العددي الذي يُحتمل بنسبة 95% أن يقع داخله الفرق الحقيقي بين المتوسطات في المجتمع عند تكرار المعاينة. يشير ضيق فترة الثقة إلى دقة متناهية في التقدير الإحصائي وقوة في حجم العينة، بينما يشير اتساعها المفرط إلى انخفاض الدقة وارتفاع تباين الخطأ، حتى وإن كانت القيمة الاحتمالية دالة إحصائياً. علاوة على ذلك، توفر فترة الثقة اختباراً بصرياً مباشراً للفرضية الصفرية؛ فإذا تضمنت فترة الثقة للفرق بين مجموعتين الرقم (صفر) داخل مداها (مثلاً: 95% CI [-1.20, 5.40])، فإن ذلك يبرهن بشكل قاطع على عدم دلالة الفرق إحصائياً عند مستوى 0.05.

الصياغة النموذجية لإدراج فترات الثقة:
“كشفت النتائج عن تفوق دال إحصائياً للمجموعة التجريبية على المجموعة الضابطة في درجات المرونة النفسية، بمتوسط فرق بلغ 8.40 درجات، مع فترة ثقة ضيقة بنسبة 95% بلغت 95% CI [6.10, 10.70]. يؤكد هذا النطاق الضيق، وخلوه التام من الصفر، استقرار وقوة التأثير العلاجي الإيجابي للبرنامج في تحسين درجات المرونة النفسية.”

9. تصميم وعرض الجداول الإحصائية المرافقة للتقرير وفق معايير APA

9.1 هيكل جدول ملخص تحليل التباين (ANOVA Summary Table)

يخضع تصميم الجداول الإحصائية في نظام APA 7 لمعايير بصرية وتبويبية دقيقة، تهدف إلى إبراز البيانات بأعلى درجات الوضوح والتجريد البصري دون أي زخرفة شكلية زائدة. تنص القاعدة الصارمة الأساسية في APA على الاستبعاد التام للخطوط الرأسية (Vertical Lines)، والاعتماد الحصري على ثلاثة خطوط أفقية رئيسية (Horizontal Lines) فقط: خط أفقي أعلى ترويسة الجدول، وخط أفقي أسفل ترويسة الجدول للفصل بين أسماء الأعمدة وقيم البيانات، وخط أفقي أخير يغلق قاعدة الجدول قبل الملاحظات التوضيحية.

يتضمن جدول ملخص تحليل التباين (ANOVA Summary Table) المعياري سبعة أعمدة رئيسية مرتبة على النحو التالي:
(1) مصدر التباين (Source)؛
(2) مجموع المربعات (Sum of Squares – SS)؛
(3) درجات الحرية (Degrees of Freedom – df)؛
(4) متوسط المربعات (Mean Square – MS)؛
(5) النسبة الفائية المحسوبة (F)؛
(6) مستوى الدلالة الدقيق (p)؛
(7) حجم الأثر (Partial Eta Squared – η²_p).
يُدرج ترقيم الجدول بخط عريض (مثل: Table 1) في السطر الأول، يليه في السطر التالي عنوان الجدول بخط مائل وبحروف كبيرة للكلمات الرئيسية (Title Case)، مثل: One-Way ANOVA Summary for Depression Scores Across Treatment Groups.

نموذج تصميم جدول ملخص تحليل التباين وفق APA 7:

Table 1
ملخص تحليل التباين الأحادي لدرجات الاكتئاب وفقاً لنوع المعالجة

مصدر التباين (Source)	SS	df	MS	F	p	η²p
بين المجموعات (Between Groups)	342.50	2	171.25	9.65	< .001	.19
داخل المجموعات / الخطأ (Error)	1471.20	83	17.73
المجموع الكلي (Total)	1813.70	85

ملاحظة. N = 86. تشير SS إلى مجموع المربعات، و df إلى درجات الحرية، و MS إلى متوسط المربعات، و η²_p إلى إيتا المربعة الجزئية.

9.2 جدول الإحصاءات الوصفية للمجموعات والمقارنات الثنائية

في كثير من الحالات التقريرية المعقدة، يفضل الباحثون دمج الإحصاءات الوصفية مع مؤشرات المقارنات البعدية في جدول موحد أنيق يسهل على القارئ استيعاب الفروق بين المجموعات دون الغوص في تفاصيل المتن السردي. يُنظم هذا الجدول بعرض المجموعات في الصفوف، مع أعمدة مخصصة لحجم العينة (n)، والمتوسط الحسابي (M)، والانحراف المعياري (SD)، وفترات الثقة 95% لكل متوسط.

لتوضيح دلالة المقارنات البعدية بصرياً داخل الجدول الوصفي، يُستخدم نظام الأحرف المرجعية المصغرة (Subscript Letters / Superscripts)؛ حيث تُوضع أحرف صغيرة بجانب قيم المتوسطات. تشير القاعدة الإحصائية المعتمدة إلى أن المتوسطات التي تشترك في نفس الحرف المرجعي (مثل: a أو b) لا توجد بينها فروق ذات دلالة إحصائية عند مستوى 0.05، في حين تشير الأحرف المتباينة إلى وجود فرق دال إحصائياً بين المجموعتين المعنيتين في اختبارات المقارنات البعدية. تُوضع ملاحظة تفسيرية أسفل الجدول لشرح دلالة هذه الرموز المرجعية بوضوح.

9.3 التكامل بين النص السردي والجدول الإحصائي

يمثل التكامل المتوازن بين النص والجداول أحد أهم معايير الجودة في الكتابة الأكاديمية؛ حيث تقع نسبة كبيرة من الأوراق البحثية في فخ “التكرار الإحصائي المزدوج” (Redundancy). تنص تعليمات APA على أن الجدول يجب أن يكون مكملاً للنص وليس مكرراً له حرفياً؛ فلا يجوز للباحث أن يعيد سرد كافة الأرقام وقيم SS و MS الموجودة في الجدول داخل الفقرات المكتوبة.

تتم الإحالة إلى الجداول داخل المتن بصيغة توجيهية صريحة وواضحة تحدد رقم الجدول المحدد، مثل: “(كما هو موضح في الجدول 1)” أو “يوضح الجدول 2 ملخص الإحصاءات الوصفية للمجموعات”. ويُحظر تماماً استخدام الصيغ المكانية المبهمة مثل “كما يتضح من الجدول أعلاه” أو “الجدول أدناه”؛ نظراً لأن التنسيق الطباعي النهائي في المجلات ودور النشر قد يغير موقع الجدول بالنسبة للفقرة. يقتصر دور النص السردي على إبراز الاتجاهات العامة، والأنماط الرئيسية، ومناقشة الفروق الجوهرية ذات الأهمية النظرية التي يدعمها الجدول المرفق.

10. التمثيل البياني لنتائج تحليل التباين في التقارير الأكاديمية

10.1 تصميم المخططات الشريطية (Bar Charts) مع أشرطة الخطأ

تُعد المخططات الشريطية (Bar Charts) الأسلوب البصري الأكثر شيوعاً وملاءمة لعرض نتائج تحليل التباين الأحادي والتصميمات متعددة المجموعات المستقلة. يُمثل كل شريط في المخطط المتوسط الحسابي (M) لمجموعة معينة، مع تحديد المتغير المستقل ومستوياته بوضوح على المحور الأفقي (X-axis)، وتحديد مقياس المتغير التابع ووحدات قياسه على المحور الرأسي (Y-axis).

تفرض المعايير المنهجية لـ APA ضرورة اقتران كل شريط بياني بـ أشرطة الخطأ (Error Bars) الرأسية؛ حيث يحظر نشر مخططات شريطية تعرض المتوسطات الصماء وحدها دون توضيح مقدار التشتت أو عدم اليقين في القياس. يتعين على الباحث تحديد نوع شريط الخطأ بوضوح تام في عنوان المخطط أو في الملاحظة التفسيرية أسفله، مبيناً ما إذا كان شريط الخطأ يمثل:
(1) الانحراف المعياري (Standard Deviation – SD) لتوضيح تشتت الدرجات الخام حول المتوسط؛
(2) الخطأ المعياري للمتوسط (Standard Error of the Mean – SEM) لتوضيح دقة تقدير المتوسط؛
(3) فترة الثقة 95% (95% CI) وهو الخيار المفضل عالمياً في التحليلات الاستدلالية.

كما يُراعى في التصميم الأكاديمي استخدام تدرجات اللون الرمادي (Grayscale) أو الأنماط التظليلية المتباينة (Cross-hatching) لتمييز الأشرطة، وتجنب استخدام الألوان الزاهية أو التأثيرات ثلاثية الأبعاد (3D Effects) المضللة للبصر.

10.2 التمثيل البياني للتفاعلات (Interaction Plots)

عند التعامل مع تحليل التباين العاملي، تبرز المخططات الخطية للتفاعل (Interaction Line Plots) كأداة بصرية بالغة القوة والأهمية لتفسير طبيعة التفاعل المعقد بين المتغيرات. يُوضع أحد المتغيرين المستقلين على المحور الأفقي، بينما يُمثل المتغير المستقل الثاني بخطوط منفصلة ومتباينة داخل الرسم، مع وضع قيم المتغير التابع على المحور الرأسي، واقتران كل نقطة بيانية بشريط خطأ يعبر عن فترة الثقة.

يتيح الرسم البياني للتفاعل للقارئ قراءة التفاعل وفهمه بصرياً بصورة فورية؛ فإذا كانت الخطوط الممثلة للمتغير الثاني متوازية تماماً (Parallel Lines)، فإن ذلك يدل بصرياً على انعدام التأثير التفاعلي، وأن تأثير المتغير الأول متطابق عبر جميع مستويات المتغير الثاني. وفي المقابل، إذا كانت الخطوط غير متوازية أو متقاطعة (Non-Parallel / Intersecting Lines)، فإن ذلك يبرهن بصرياً على وجود تفاعل جوهري، ويوضح بدقة الفئات التي يتعاظم فيها التأثير وتلك التي يتلاشى أو ينعكس فيها، مما يمهد الطريق للنقاش النظري في متن التقرير.

10.3 معايير توثيق الأشكال البيانية وفق نظام APA 7

تخضع الأشكال والرسوم البيانية في الدليل الإرشادي APA 7 لنظام تنسيقي صارم يتطابق مع نظام الجداول؛ حيث يُلغى التنسيق القديم الذي كان يضع كلمة “Figure” وتسميتها أسفل الرسم. بدلاً من ذلك، يُوضع ترقيم الشكل بخط عريض أعلى الرسم (مثل: Figure 1)، يليه في السطر التالي مباشرة عنوان وصفي واضح وموجز للشكل بخط مائل بحروف كبيرة للكلمات الرئيسية (Title Case)، مثل: Interaction of Training Modality and Motivation Level on Cognitive Performance.

يُوضع الرسم البياني بعد العنوان مباشرة بدقة وضوح رقمية عالية (لا تقل عن 300 DPI لضمان جودة الطباعة)، مع التأكد من وضوح تسميات المحاور وحجم الخطوط. وفي الجزء السفلي أسفل الرسم البياني، تُدرج الملاحظة التفسيرية (Figure Note) مسبوقة بكلمة Note. بخط مائل؛ لشرح كافة الرموز، ونوع أشرطة الخطأ المدرجة، وتحديد أحجام العينات، وبيان مستويات الدلالة إن وُجدت، مما يجعل الشكل البياني وحدة معرفية مكتفية بذاتها ومفهومة تماماً دون الحاجة للرجوع لمتن النص.

11. أخطاء شائعة عند كتابة وتفسير نتائج تحليل التباين وكيفية تجنبها

11.1 الأخطاء المنهجية في التفسير الإحصائي

تشهد ممارسات النشر والتحكيم الأكاديمي رصد العديد من الأخطاء المنهجية المتكررة التي يقع فيها الباحثون عند تفسير نتائج ANOVA. يأتي في مقدمة هذه الأخطاء الخلط بين دلالة الاختبار الشامل ودلالة المقارنات البينية؛ حيث يفترض بعض الباحثين خطأً أن دلالة قيمة F الكلية (p < .05) تعني حتماً أن جميع المجموعات تختلف عن بعضها البعض بدلالة إحصائية، وهو استنتاج باطل؛ إذ تكفي دلالة فرق واحد بين زوج من المجموعات لجعل قيمة F دالة إحصائياً، مما يستوجب الالتزام الصارم بعدم إطلاق التعميمات إلا بعد فحص المقارنات البعدية.

وثمة خطأ منهجي آخر يتمثل في إجراء اختبارات المقارنات البعدية دون وجود دلالة إحصائية للاختبار الشامل (Omnibus F) دون وجود مبرر نظري أو مقارنات مخططة مسبقاً (A Priori Contrasts). إن إجراء مقارنات استكشافية بعدية (Post-Hoc) في ظل عدم دلالة اختبار F العام يمثل انتهاكاً خطيراً لقواعد الضبط الإحصائي، ويُعد ممارسة غير مقبولة تُعرف بـ “صيد الدلالة” (p-hacking).

كما يُعد الادعاء بوجود “اتجاه نحو الدلالة” (Trend toward significance) أو “شبه دلالة” عند الحصول على قيم احتمالية هامشية تقع بالقرب من عتبة الخطأ (مثل p = .058 أو p = .063) من الأخطاء اللغوية والإحصائية المرفوضة في دليل APA؛ فالاستدلال الإحصائي النيمني قائم على قرار ثنائي قاطع: إما أن النتيجة دالة أو غير دالة، ولا توجد درجات بينية من “شبه الدلالة”.

11.2 أخطاء التوثيق الشكلي والرموز

تتكرر الأخطاء التحريرية الشكلية بصورة لافتة في كتابة التقارير الإحصائية، مما يضعف الرصانة الأكاديمية للبحث ويعرضه للرفض في مجلات الدرجة الأولى. تشمل هذه الأخطاء الشائعة ما يلي:

• إغفال كتابة الصفر قبل الفاصلة العشرية في المقاييس التي يمكن أن تتجاوز الواحد (ككتابة F = .45 بدلاً من F = 0.45)، أو العكس بوضع الصفر قبل الفاصلة للقيم الاحتمالية وأحجام الأثر (ككتابة p = 0.032 أو η² = 0.12 والصحيح حذفه: p = .032, η² = .12).
• إغفال ذكر درجات الحرية الكاملة أو ذكر درجة حرية واحدة فقط (ككتابة F(2) = 4.31)، مما يحرم القارئ من معرفة درجات حرية الخطأ أو حجم العينة الفعلي؛ والصحيح كتابة كِلا الرقمين: F(2, 57) = 4.31.
• عدم كتابة الرموز الإحصائية اللاتينية بخط مائل (كتابة F, p, M, SD بخط عادي والصحيح: F, p, M, SD).
• الاكتفاء بذكر مستوى الدلالة الإحصائية وتجاهل حجم الأثر وفترات الثقة، مما يحرم التحليل من تقييم الأهمية العملية للمتغيرات.

11.3 الأخطاء في معالجة انتهاكات الافتراضات الإحصائية

يمثل التعامل السطحي مع انتهاكات الافتراضات القبلية مصدراً رئيسياً للخلل المنهجي في البحوث المنشورة. يقع بعض الباحثين في خطأ تجاهل اختبار عدم تجانس التباين واستخدام اختبار F القياسي لفيشر رغم عدم تكافؤ التباينات وعدم تساوي أحجام العينات، مما يقود إلى تضخيم زائف في الدلالة ونتائج غير موثوقة؛ والواجب في هذه الحالة التحول الإلزامي لاختبار ويلش (Welch’s ANOVA).

وفي سياق تحليل التباين للقياسات المتكررة، يبرز خطأ إغفال اختبار الكروية وتجاهل تصحيحات درجات الحرية (Greenhouse-Geisser) عند دلالة اختبار موتشلي، والإبقاء على درجات الحرية الصحيحة الأصلية، وهو ما يضلل نتائج التحليل. وأخيراً، يؤدي عدم الإفصاح الشفاف عن أسلوب معالجة القيم المتطرفة أو استبعاد حالات من العينة دون تبرير إحصائي إلى إضعاف موثوقية البحث وسلامته المنهجية، مما يستوجب توثيق كافة القرارات الميدانية والإحصائية بنزاهة علمية مطلقة.

12. نماذج تطبيقية متكاملة وحالات دراسية في علم النفس لكتابة تقرير ANOVA

12.1 حالة دراسية 1: تقرير كامل لتحليل تباين أحادي في علم النفس الإكلينيكي

سياق الدراسة: هدفت دراسة تجريبية إكلينيكية إلى مقارنة فاعلية ثلاثة بروتوكولات علاجية في تخفيض حدة الأعراض لدى عينة من مرضى الاكتئاب الجسيم (N = 90، بواقع n = 30 في كل مجموعة): المجموعة الأولى خضعت للعلاج المعرفي السلوكي (CBT)، المجموعة الثانية خضعت للعلاج الدوائي بمثبطات استرداد السيروتونين الانتقائية (SSRI)، والمجموعة الثالثة خضعت لبروتوكول العلاج الوهمي المدعم (Placebo). قِيس المتغير التابع باستخدام مقياس بيك للاكتئاب (BDI-II) بعد 12 أسبوعاً من التدخل.

نص التقرير الأكاديمي المكتمل (وفق APA 7):
“أُجري تحليل التباين الأحادي بين المجموعات (One-Way Between-Subjects ANOVA) لاختبار الفروق في درجات الاكتئاب البعدية بين مجموعات العلاج الثلاث (CBT، SSRI، والعلاج الوهمي). أظهر فحص الافتراضات القبلية اعتدالية توزيع البيانات داخل المجموعات وفق اختبار شابيرو-ويلك (جميع قيم p > .120). كما أشار اختبار ليفين إلى تحقق فرضية تجانس التباين عبر المجموعات، F(2, 87) = 1.45, p = .240.

كشفت نتائج التحليل الشامل عن وجود أثر رئيسي دال إحصائياً لنوع المعالجة على درجات الاكتئاب بعد التدخل، F(2, 87) = 15.62, p < .001, η² = .26, 95% CI [.12, .39]. ووفقاً لمعايير كوهين، يمثل هذا الأثر حجماً كبيراً؛ حيث فسر نوع العلاج ما نسبته 26% من التباين في درجات الاكتئاب.

وقد أُجريت المقارنات البعدية باستخدام اختبار توكي (Tukey’s HSD) لضبط خطأ النوع الأول عند α = .05. أظهرت النتائج أن المرضى في مجموعة العلاج المعرفي السلوكي (M = 14.20, SD = 4.10) حققوا انخفاضاً دالاً إحصائياً في درجات الاكتئاب مقارنة بمجموعة العلاج الوهمي (M = 22.80, SD = 5.60)، بمتوسط فرق بلغ 8.60، 95% CI [5.40, 11.80]، p < .001. كما أظهر المرضى في مجموعة العلاج الدوائي (M = 16.10, SD = 4.80) درجات اكتئاب أقل بدلالة إحصائية مقارنة بمجموعة العلاج الوهمي، بمتوسط فرق بلغ 6.70، 95% CI [3.50, 9.90]، p < .001. في حين لم تظهر فروق ذات دلالة إحصائية بين مجموعتي العلاج المعرفي السلوكي والعلاج الدوائي، M_diff = 1.90, 95% CI [-1.30, 5.10], p = .335. تؤكد هذه النتائج الفاعلية الإكلينيكية المتكافئة لكل من العلاج السلوكي والدوائي مقارنة بالعلاج الوهمي في علاج الاكتئاب.”

12.2 حالة دراسية 2: تقرير تحليل تباين عاملي ثنائي (2×2 Factorial ANOVA)

سياق الدراسة: بحثت دراسة في علم النفس العصبي والمعرفي تأثير تفاعل (الحرمان من النوم: نوم طبيعي 8 ساعات / حرمان كلي 24 ساعة) و(مستوى الضغط النفسي الحاد: منخفض / مرتفع مستحث عبر اختبار تريير للضغط النفسي الاجتماعي TSST) على سعة الذاكرة العاملة (مقاسة بمهمة N-back Task) لدى عينة قوامها 120 مشاركاً (30 مشاركاً في كل خلية تجريبية).

نص التقرير الأكاديمي المكتمل:
“تم تطبيق تحليل التباين العاملي الثنائي (2 × 2 Factorial ANOVA) لفحص تأثير نمط النوم ومستوى الضغط النفسي وتفاعلهما على سعة الذاكرة العاملة. أظهرت النتائج تأثيراً رئيسياً دالاً إحصائياً لنمط النوم، F(1, 116) = 28.45, p < .001, η²_p = .20؛ حيث سجل المشاركون في شرط النوم الطبيعي أداءً أعلى في الذاكرة العاملة (M = 78.50, SD = 8.40) مقارنة بالمشاركين في شرط الحرمان من النوم (M = 66.20, SD = 9.10). كما ظهر تأثير رئيسي دال إحصائياً لمستوى الضغط النفسي، F(1, 116) = 11.32, p = .001, η²_p = .09؛ حيث تفوق المشاركون في شرط الضغط المنخفض (M = 75.10, SD = 8.80) على المشاركين في شرط الضغط المرتفع (M = 69.60, SD = 10.20).

والأهم من ذلك، كشف التحليل عن وجود تأثير تفاعلي ثنائي دال إحصائياً بين نمط النوم ومستوى الضغط النفسي، F(1, 116) = 8.74, p = .004, η²_p = .07. وقد تم تفكيك هذا التفاعل عبر اختبار التأثيرات البسيطة مع تطبيق تصحيح بونفيروني (α = .025). أظهرت النتائج أنه في ظل الحرمان من النوم، أدى الضغط النفسي المرتفع إلى تدهور حاد وفارق دال إحصائياً في أداء الذاكرة العاملة (M = 60.10, SD = 7.80) مقارنة بالضغط المنخفض (M = 72.30, SD = 6.90)، F(1, 116) = 19.85, p < .001, η²_p = .15. وفي المقابل، في ظل شرط النوم الطبيعي، لم يكن لمستوى الضغط النفسي المرتفع (M = 77.80, SD = 8.10) تأثير سلبي دال مقارنة بالضغط المنخفض (M = 79.20, SD = 8.70)، F(1, 116) = 0.21, p = .648, η²_p = .002. تشير هذه المعطيات إلى أن النوم الطبيعي الكافي يمارس دوراً وقائياً حاسماً يعزل العمليات التنفيذية للذاكرة العاملة عن الآثار السلبية للضغوط النفسية الحادة.”

12.3 حالة دراسية 3: تقرير تحليل تباين للقياسات المتكررة لبرنامج تدريبي

سياق الدراسة: أجرى باحثون دراسة لتقييم أثر برنامج تدريبي لتنمية المرونة النفسية (Psychological Resilience) لدى عينة من الممارسين الصحيين (N = 40). قِيس مستوى المرونة النفسية بمقياس كونور-ديفيدسون (CD-RISC) في أربع فترات زمنية متتالية: القياس القبلي (T1)، منتصف البرنامج (T2)، القياس البعدي المباشر (T3)، وقياس المتابعة بعد مرور ستة أشهر (T4).

نص التقرير الأكاديمي المكتمل:
“أُجري تحليل التباين للقياسات المتكررة داخل الأفراد (One-Way Repeated Measures ANOVA) لتقييم التغير في درجات المرونة النفسية عبر الفترات الزمنية الأربع. كشف اختبار موتشلي عن انتهاك فرضية الكروية، χ²(5) = 21.65, p < .001, ε = .71. وبناءً على انخفاض قيمة إبسيلون عن 0.75، تم اعتماد تصحيح غرينهاوس-غايسر لتعديل درجات الحرية.

أظهرت النتائج وجود تغير دال إحصائياً في مستويات المرونة النفسية عبر الزمن، F(2.13, 83.07) = 48.92, p < .001, η²_p = .56. وأكد تحليل الاتجاه وجود اتجاه تربيعي بارز ودال إحصائياً، F(1, 39) = 82.40, p < .001, η²_p = .68، يعكس نمطاً تصاعدياً سريعاً أثناء فترة التدخل تلاه استقرار نسبي في مرحلة المتابعة.

وقد أشارت المقارنات البعدية المزدوجة المصححة عبر بونفيروني إلى عدم وجود فرق دال بين القياس القبلي T1 (M = 52.10, SD = 6.40) ومنتصف التدريب T2 (M = 55.30, SD = 6.10, p = .082). في حين أظهر القياس البعدي T3 (M = 71.80, SD = 5.80) ارتفاعاً جوهرياً ودالاً إحصائياً مقارنة بالقياس القبلي بفارق قدره 19.70 درجة، 95% CI [15.20, 24.20]، p < .001. كما حافظ المشاركون في قياس المتابعة T4 (M = 70.40, SD = 6.20) على هذا التحسن دون انخفاض دال مقارنة بالقياس البعدي المباشر (p = .510)، مع بقائه أعلى بدلالة إحصائية مقارنة بالقياس القبلي (p < .001)، مما يبرهن على الفاعلية طويلة المدى للبرنامج التدريبي.”

خاتمة واستنتاجات منهجية

يمثل التوثيق الإحصائي الدقيق لنتائج تحليل التباين (ANOVA) جسر التواصل الحاسم بين المجهود الميداني التجريبي والإنتاج المعرفي الرصين. إن الالتزام بالقواعد التحريرية المنهجية لدليل جمعية علم النفس الأمريكية في نسخته السابعة ليس مجرد مسألة شكلية عابرة، بل هو التزام علمي عميق يضمن حماية الاستدلال الإحصائي من التفسيرات المضللة، ويعزز الشفافية العلمية وإمكانية تكرار الدراسات وتوليد التحليلات البعدية (Meta-Analyses) في المستقبل.

يتعين على الباحث النفسي المعاصر تجاوز النظرة التقليدية القاصرة التي تختزل جودة التحليل في الحصول على قيمة احتمالية دالة (p < .05)، والتركيز بدلاً من ذلك على الرؤية التكاملية التي تدمج فحص الافتراضات الصارم، والتحول إلى الاختبارات المتينة (مثل ويلش) عند الانتهاك، وتقديم تقديرات أحجام الأثر غير المتحيزة، وتضمين فترات الثقة، وتفكيك التفاعلات السلوكية بعمق تحليلي مستنير. إن امتلاك الباحث لهذه المهارات التقريرية المتقدمة يضمن الارتقاء بالبحث العلمي العربي، وتمكينه من المنافسة والنشر في أرقى الدوريات العلمية العالمية المحكمة.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Greenhouse, S. W., & Geisser, S. (1959). On methods in the analysis of profile data. Psychometrika, 24(2), 95–112. https://doi.org/10.1007/BF02289823
• Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863. https://doi.org/10.3389/fpsyg.2013.00863
• Maxwell, S. E., Delaney, H. D., & Kelley, K. (2018). Designing experiments and analyzing data: A model comparison perspective (3rd ed.). Routledge. https://doi.org/10.4324/9781315642956
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Wilkinson, L., & the Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594