كيفية اختبار التباينات في إكسيل

يُعد التباين الإحصائي أحد الركائز الجوهرية التي يستند إليها التحليل الكمي في العلوم السلوكية والنفسية والتربوية والاجتماعية. فبينما ينصب اهتمام الكثير من الباحثين المبتدئين على مقاييس النزعة المركزية، وتحديداً المتوسط الحسابي، فإن فهم تشتت البيانات وتمايز استجابات الأفراد يمثل نافذة حاسمة للكشف عن البنية الكامنة للظواهر المقاسة. إن اختبار الفروق بين تباينات المجموعات ليس مجرد إجراء روتيني مكمل للتحليل الإحصائي، بل هو فحص منهجي حاسم يُلقي الضوء على مدى تجانس العينات واستقرار الأدوات القياسية وسيكومترية المقاييس، فضلاً عن كونه شرطاً بنائياً لا غنى عنه لتطبيق النماذج الاستدلالية المعلمية المتقدمة.

يقدم برنامج مايكروسوفت إكسيل بيئة حاسوبية مرنة وواسعة الانتشار تمكن الباحثين والأكاديميين من تنفيذ أدق المعالجات الإحصائية المتعلقة بفحص التباين، سواء عبر حزمة أدوات تحليل البيانات المتخصصة أو عبر المعادلات والدوال الرياضية المباشرة. تتيح هذه الأدوات إمكانية الانتقال من مرحلة استكشاف البيانات وتنظيفها وفحص اعتداليتها، إلى مرحلة إجراء اختبار نسبة التباين (F-Test for Equality of Variances)، واشتقاق القيم الاحتمالية والحرجة بدقة فائقة، وتفسير المخرجات بما يخدم الفرضيات البحثية في شتى مجالات القياس والتقويم.

يهدف هذا الدليل المرجعي الشامل والموسع إلى تفكيك كافة الأبعاد النظرية والتطبيقية المرتبطة باختبار التباينات في إكسيل. سنستعرض بعمق المفاهيم الرياضية والسيكومترية للتباين، والأسس الاحتمالية لتوزيع إف، وصياغة الفرضيات الصفرية والبديلة، وشروط التطبيق الدقيقة، مع تقديم شرح تطبيقي مفصل خطوة بخطوة لكيفية تنفيذ الاختبار وقراءة جداول المخرجات وتفسيرها، وصولاً إلى مناقشة التطبيقات الإكلينيكية والقياسية وتجنب الأخطاء المنهجية الشائعة وصياغة النتائج النهائية وفق معايير جمعية علم النفس الأمريكية في إصدارها السابع.

1. مقدمة مفاهيمية: التباين وأهميته في القياس النفسي والإحصائي

1.1 تعريف التباين (Variance) كمقياس للتشتت

يُعرَّف التباين رياضياً بأنه متوسط مربعات انحرافات القيم عن وسطها الحسابي. إنه المؤشر العددي الذي يلخص درجة تباعد أو تقارب المشاهدات داخل التوزيع الاحتمالي. يكمن الفارق المفاهيمي بين التباين والانحراف المعياري في أن التباين يُعبر عن التشتت بالوحدات المربعة للقياس الأصلي، مما يمنحه خصائص جبرية فريدة تجعله قابلاً للتجزئة والجمع في النماذج الخطية العامة، في حين يمثل الانحراف المعياري الجذر التربيعي الموجب للتباين، مما يعيد التشتت إلى نفس وحدة قياس المتغير الأصلي ويسهل تفسيره المباشر في سياق الدرجات الخام.

في إطار القياس السلوكي والنفسي، لا يُنظر إلى التباين بوصفه مجرد خطأ عشوائي أو تشويش إحصائي، بل هو التجسيد الكمي الصريح لمفهوم الفروق الفردية. إذا كانت استجابات جميع المفحوصين على مقياس الاكتئاب أو القلق متطابقة تماماً، فإن التباين سينعدم، وتفقد الأداة قدرتها على التمييز والتصنيف. إن تباين الدرجات داخل العينة يعكس تفاوت السمات الكامنة والقدرات المعرفية والأنماط الوجدانية لدى الأفراد، مما يجعل دراسة هذا التشتت جوهر عملية القياس والتقويم برمتها.

من الناحية الرياضية الاستدلالية، يجب التمييز بدقة بين تباين المجتمع الكلي الذي يُرمز له بالرمز الإغريقي سيغما المربعة، وتباين العينة الذي يُرمز له بالحرف اللاتيني إس المربعة. نظراً لأن تباين العينة المحسوب بالقسمة على حجم العينة يميل إلى التقليل غير المتحيز من تباين المجتمع، فإن الإحصاء الاستدلالي يطبق تصحيح بيسل بالقسمة على درجات الحرية (حجم العينة ناقص واحد)، وهو ما يضمن الحصول على مقدر غير متحيز لتباين المجتمع الأصلي، وهو المبدأ الذي تبنى عليه دوال إكسيل الحديثة.

1.2 الاستدلال الإحصائي ومقارنة تشتت المجموعات

يقوم الاستدلال الإحصائي على ركيزة أساسية تتمثل في إمكانية تعميم المؤشرات المحسوبة من العينات العشوائية المسحوبة بدقة على المجتمعات الإحصائية الكلية التي اشتُقت منها. وفي حين يركز أغلب الباحثين على استدلال المعالم المركزية كالمتوسطات، فإن استدلال التشتت يمثل بعداً موازياً في الأهمية والخطورة المنهجية. إن مقارنة تشتت مجموعتين تمكننا من اختبار ما إذا كانت الظاهرة المدروسة تتصف بنفس درجة الاستقرار والتباين عبر الظروف التجريبية المختلفة أو عبر الفئات السكانية المتباينة.

لا يمكن للاكتفاء بمقارنة المتوسطات الحسابية وحدها أن يقدم صورة دقيقة وشاملة عن حقيقة الفروق بين المجموعات. فقد تتساوى مجموعتان تجريبية وضابطة في متوسط درجات الأداء الأكاديمي أو سرعة الاستجابة الحركية، غير أن المجموعة الأولى تُظهر تبايناً ضئيلاً جداً يعكس تجانساً عالياً واستقراراً في السلوك، بينما تُظهر المجموعة الثانية تبايناً هائلاً يشير إلى وجود استقطاب حاد بين درجات بالغة الارتفاع ودرجات بالغة الانخفاض. إن إغفال التشتت في هذه الحالة يقود الباحث إلى استنتاجات مضللة حول تماثل المجموعتين.

يلعب اختبار التباين دوراً محورياً في تقييم موثوقية واستقرار استجابات الأفراد داخل المقاييس النفسية. فعند تطبيق أداة قياس جديدة، يشير تباين الاستجابات المتكافئ عبر التطبيقات المتكررة إلى ثبات الأداة واستقرار الدرجة المقاسة عبر الزمن. كما يُستخدم فحص التباين للكشف عن مدى تماسك المجموعات التجريبية وتأثير المتغيرات المستقلة ليس فقط في تحريك المتوسط العام صعوداً أو هبوطاً، بل في توسيع أو تضييق فجوة الفروق الفردية بين المشاركين.

1.3 أهمية اختبار التباين كشرط مسبق للاختبارات المعلمية

تشترط الاختبارات الإحصائية المعلمية المتقدمة، وعلى رأسها اختبار ت للعينات المستقلة وتحليل التباين الأحادي، تحقق مجموعة صارمة من الافتراضات الرياضية، ويأتي في مقدمتها افتراض تجانس التباين (Homoscedasticity). يقضي هذا الافتراض بضرورة تساوي تباينات المجتمعات التي سُحبت منها عينات الدراسة. ويعد التحقق من هذا الشرط خطوة منهجية إلزامية قبل الشروع في فحص الفروق بين المتوسطات، لكون النماذج الرياضية لتلك الاختبارات تفترض خطأ معيارياً موحداً يجمع تباين المجموعات في تقدير مشترك.

يترتب على انتهاك فرضية تجانس التباين، خاصة في حالات عدم تساوي أحجام العينات، عواقب وخيمة على القرارات الإحصائية الاستدلالية. إذ يؤدي عدم التجانس إلى تضخيم معدل الخطأ من النوع الأول، وهو احتمال رفض الفرضية الصفرية في حين أنها صحيحة في الواقع (الادعاء بوجود فروق وهمية). وفي سيناريوهات أخرى، قد يؤدي الانتهاك إلى إضعاف القوة الإحصائية للاختبار ورفع معدلات الخطأ من النوع الثاني، مما يعطل قدرة الباحث على اكتشاف التأثيرات الحقيقية الموجودة بالفعل في المجتمع.

يسهم إجراء اختبار التباين عبر إكسيل في توجيه الباحث نحو اختيار المسار التحليلي الدقيق والنموذج الرياضي المطابق للبيانات. فعند إثبات تجانس التباينات، يمكن للباحث المضي قدماً بأمان في تطبيق اختبار ت التقليدي الذي يفترض التباين المتساوي. أما في حال رفض فرضية التجانس، فإن الباحث يكون ملزماً منهجياً بالتحول إلى اختبارات بديلة لا تفترض تساوي التباين، مثل اختبار ت لـ ويلش المعدل لدرجات الحرية، أو اللجوء إلى الاختبارات اللامعلمية المقابلة لتفادي الوقوع في التقديرات المتحيزة.

2. الأسس النظرية لاختبار إف لعينتين (F-Test Two-Sample for Variances)

2.1 طبيعة توزيع إف (F-Distribution)

يُعد توزيع إف، الذي سمي تكريماً لعالم الإحصاء الشهير رونالد فيشر، توزيعاً احتمالياً متصلاً ينشأ من النسبة بين متغيرين عشوائيين مستقلين يتبع كل منهما توزيع كاي تربيع مقسوماً على درجات حريته. يتميز توزيع إف بمجموعة من الخصائص الرياضية الفريدة؛ فهو توزيع غير متماثل وموجب الالتواء إلى اليمين بوضوح، ولا يأخذ أي قيم سالبة على الإطلاق نظراً لكونه ناتج قسمة كميات مربعة موجبة حتماً، ويمتد مداه النظري من الصفر إلى ما لا نهاية الإيجابية.

يتحدد الشكل الهندسي والتوزيعي لمنحنى إف عبر معلمتين أساسيتين هما درجات الحرية للبسط ودرجات الحرية للمقام. تتغير درجة التواء المنحنى وقمته بتغير هاتين القيمتين؛ فعندما تكون درجات الحرية صغيرة، يكون التوزيع شديد الالتواء نحو اليمين مع ذيل طويل ممتد، بينما كلما زادت درجات الحرية للبسط والمقام واقتربت من اللانهاية، يقترب توزيع إف تدريجياً من التماثل ويقترب سلوكه الاحتمالي من التوزيع الطبيعي المعياري.

ترتبط البنية الرياضية لتوزيع إف ارتباطاً وثيقاً بالتوزيع الطبيعي وتوزيع كاي تربيع. فإذا كانت لدينا عينات عشوائية مسحوبة من مجتمعات تتبع التوزيع الطبيعي، فإن مجموع مربعات الانحرافات المعيارية يتبع توزيع كاي تربيع بدرجات حرية تساوي حجم العينة ناقص واحد. وعند قسمة تبايني عينتين مستقلتين مستمدتين من مجتمعات طبيعية، نحصل رياضياً على نسبة إف التي تتبع هذا التوزيع الاحتمالي المستمر، مما يوفر الأساس الرياضي المتين لاختبار الفرضيات حول تساوي التشتت.

2.2 معادلة اختبار إف وحساب النسبة الإحصائية

تقوم المعادلة الأساسية لاختبار إف لعينتين على مبدأ غاية في البساطة والعمق الرياضي، حيث تُحسب إحصائية إف كنسبة مباشرة بين تباين العينة الأولى مقسوماً على تباين العينة الثانية. رياضياً، تُكتب الصيغة على النحو التالي: F = s1² / s2². تقيس هذه النسبة مقدار التضاعف بين تشتت المجموعة الأولى مقارنة بالمجموعة الثانية؛ فإذا كانت التباينات متطابقة تماماً، فإن قيمة إف المحسوبة ستساوي تماماً الواحد الصحيح، وكلما ابتعدت القيمة عن الواحد، دل ذلك على تباعد التشتت بين المجموعتين.

جرت العادة في الممارسة الإحصائية الكلاسيكية، وتحديداً عند استخدام الجداول الإحصائية المطبوعة، على وضع التباين الأكبر قيمة في البسط والتباين الأصغر في المقام. تهدف هذه القاعدة الإجرائية إلى جعل النسبة المحسوبة دائماً أكبر من أو تساوي الواحد الصحيح، مما يسمح للباحثين بالاعتماد فقط على الجداول الإحصائية للذيل الأيمن لتوزيع إف، وتجنب تعقيدات حساب القيم الحرجة للذيل الأيسر التي تتطلب حساب المقلوب الرياضي لدرجات الحرية المعكوسة.

تستند هذه النسبة الإحصائية إلى افتراضات رياضية بالغة الدقة. يفترض النموذج الرياضي أن درجات المجموعتين مستمدة من مجتمعات موزعة توزيعاً طبيعياً تماماً، وأن التباين المحسوب لكل عينة هو مقدر غير متحيز لتباين مجتمعه الأصلي. إن أي خلل جوهري في هذه الافتراضات قد يؤدي إلى تشويه سلوك نسبة إف المحسوبة وانحرافها عن التوزيع النظري المتوقع، مما يبرز أهمية الفحص الحذر للبيانات قبل إجراء القسمة الحسابية المباشرة.

2.3 الفروق بين الاختبارات أحادية الذيل وثنائية الذيل

يتحدد الاختيار المنهجي بين الاختبار أحادي الذيل (One-tailed test) والاختبار ثنائي الذيل (Two-tailed test) بناءً على طبيعة الفرضية البحثية المصاغة والأساس النظري للدراسة. يُستخدم الاختبار أحادي الذيل عندما يمتلك الباحث افتراضاً موجهاً ومسبقاً ينص على أن تباين مجموعة محددة سيكون بالضرورة أكبر من تباين المجموعة الأخرى، كما هو الحال عند توقع أن برنامجاً تدريبياً جديداً سيقلل من تشتت الأداء مقارنة بالمجموعة الضابطة التي لم تتلق التدريب.

في المقابل، يُطبق الاختبار ثنائي الذيل عندما تكون الفرضية البحثية غير موجهة، وتهدف فقط إلى استكشاف ما إذا كان هناك اختلاف عام في التشتت والتباين بين المجموعتين دون الجزم المسبق بأي المجموعتين ستظهر تبايناً أعلى. ويُعد الاختبار ثنائي الذيل هو المعيار الأكثر شيوعاً وحذراً في الأبحاث الاستكشافية والتحقق من الشروط المسبقة للاختبارات المعلمية، حيث يركز الباحث على ضمان التجانس بغض النظر عن اتجاه عدم التجانس إن وُجد.

ينعكس هذا التمييز بصورة مباشرة على كيفية حساب وتفسير القيمة الاحتمالية في بيئة إكسيل. فبينما تعطي أداة تحليل البيانات التلقائية في إكسيل القيمة الاحتمالية للذيل الواحد، يتعين على الباحث الذي يختبر فرضية غير موجهة أن يضاعف هذه القيمة الاحتمالية بضربها في اثنين للحصول على القيمة الاحتمالية ثنائية الذيل، وذلك لضمان توزيع مستوى الخطأ المسموح به بالتساوي على كلا طرفي التوزيع الاحتمالي للتباينات.

3. صياغة الفرضيات الإحصائية لاختبار التباين

3.1 صياغة الفرضية الصفرية (Null Hypothesis – H0)

تمثل الفرضية الصفرية في اختبار التباين نقطة الانطلاق الأساسية التي تفترض غياب أي فروق حقيقية أو جوهرية بين تباينات المجتمعات الإحصائية قيد الدراسة. تُصاغ الفرضية الصفرية رياضياً بالصيغة: H0: σ1² = σ2²، أو بصيغة مكافئة تنص على أن نسبة التباين بين المجتمعين تساوي الواحد الصحيح (H0: σ1² / σ2² = 1). تفترض هذه الصيغة أن أي اختلاف يُلاحظ بين تباين العينة الأولى وتباين العينة الثانية ليس سوى تباين عشوائي ناتج عن خطأ المعاينة الصدفية.

من المنظور السيكومتري والقياسي، تعني صحة الفرضية الصفرية أن الأداة النفسية أو الاختبار المقنن يعمل بنفس درجة الاستقرار والدقة عبر المجموعتين المقارنتين. يشير ذلك إلى أن تشتت السلوك المقاس أو السمة النفسية المفحوصة يمتلك نفس البنية التوزيعية في كلا المجتمعين، مما يعزز الثقة في تكافؤ المجموعات من حيث التنوع الداخلي وعدم وجود عوامل خارجية غير منضبطة تؤثر على تباين استجابات إحدى الفئات دون الأخرى.

تخضع الفرضية الصفرية لقرار إحصائي ثنائي صارم: إما الرفض أو الإخفاق في الرفض (القبول الإحصائي). يُتخذ قرار رفض الفرضية الصفرية عندما تكون القيمة الاحتمالية المحسوبة أصغر من أو تساوي مستوى الدلالة المعنوية المحدد سلفاً، أو عندما تتجاوز قيمة إف المحسوبة القيمة الحرجة المجدولة. في هذه الحالة، يستنتج الباحث بوجود دليل إحصائي كافٍ يثبت عدم تساوي التباينات في المجتمع الأصلي.

3.2 صياغة الفرضية البديلة (Alternative Hypothesis – H1)

تُعبر الفرضية البديلة عن التوقع البحثي بوجود فرق حقيقي ودال إحصائياً بين تباينات المجتمعات المدروسة، وتأتي كنقيض مباشر للفرضية الصفرية. في الاختبارات غير الموجهة، تُصاغ الفرضية البديلة ثنائية الاتجاه بالرمز: H1: σ1² ≠ σ2². تعني هذه الصياغة أن الباحث يفترض اختلاف التشتت بين المجموعتين دون تحديد مسبق للجهة التي ستمتلك التباين الأكبر، وهو الموقف العلمي الأنسب عند استكشاف ظواهر جديدة أو مقارنة بيئات علاجية غير مسبوقة.

أما في الدراسات التجريبية المقارنة ذات الإسناد النظري القوي، تُصاغ الفرضية البديلة كفرضية أحادية الاتجاه تأخذ إحدى الصورتين: إما H1: σ1² > σ2² أو H1: σ1² < σ2². يتطلب تبني هذا النمط من الفرضيات مبررات علمية قوية مستمدة من الأدبيات السابقة؛ كأن يفترض باحث علم النفس الإكلينيكي أن مجموعة المرضى الذين يعانون من اضطراب ما بعد الصدمة ستظهر تبايناً أعلى في مستويات الكورتيزول مقارنة بمجموعة الأصحاء المتجانسة بطبيعتها.

تكمن أهمية التحديد الدقيق لاتجاه الفرضية البديلة في تأثيرها المباشر على توزيع المنطقة الحرجة على منحنى إف الاحتمالي وقوة الاختبار الإحصائي. فالفرضيات الموجهة تركز كامل القوة الإحصائية في طرف واحد من التوزيع، مما يسهل رفض الفرضية الصفرية بقيم إف أقل تطرفاً مقارنة بالاختبارات ثنائية الاتجاه، شريطة أن تتوافق نتائج البيانات الفعلية مع الاتجاه المحدد مسبقاً في الفرضية.

3.3 تحديد مستوى الدلالة الإحصائية (Alpha Level)

يمثل مستوى الدلالة الإحصائية، ويرمز له بالرمز الإغريقي ألفا (α)، أقصى احتمال يقبل به الباحث للوقوع في الخطأ من النوع الأول، وهو رفض الفرضية الصفرية بينما هي صحيحة بالفعل في المجتمع. في سياق الأبحاث النفسية والسلوكية والتربوية، يُحدد مستوى المعنوية القياسي تقليدياً عند 0.05، مما يعني أن هناك فرصة لا تتجاوز 5% لأن تكون الفروق الملاحظة في التباين مجرد نتاج للصدفة العشوائية للمعاينة.

في بعض السياقات الإكلينيكية والطبية النفسية الحساسة التي ترتبط باتخاذ قرارات تشخيصية مصيرية أو تقييم أمان التدخلات العلاجية، يتم رفع مستوى الصرامة الإحصائية بتحديد قيمة ألفا عند 0.01 أو حتى 0.001. يهدف هذا التشديد إلى تقليص احتمالية الادعاء الخاطئ بوجود فروق في التباين إلى أدنى حد ممكن، غير أن هذا الإجراء يتطلب موازنة حذرة لتفادي زيادة احتمالية الوقوع في الخطأ من النوع الثاني (إغفال الفروق الحقيقية القائمة).

يرتبط مستوى الدلالة المختار ارتباطاً عضوياً بحجم العينة وحساسية القرار الإحصائي. ففي العينات بالغة الضخامة، قد يؤدي مستوى ألفا 0.05 إلى اعتبار فروق طفيفة جداً وغير ذات معنى في التباين دالة إحصائياً، بينما في العينات الصغيرة، قد يعجز الاختبار عند نفس المستوى عن اكتشاف فروق تباين جوهرية. لذا يجب على الباحث أن يربط بين اختيار مستوى ألفا وحجم العينة المتاحة وطبيعة القرارات المترتبة على نتائج اختبار التباين في إكسيل.

4. افتراضات وشروط تطبيق اختبار التباين في إكسيل

4.1 شرط التوزيع الطبيعي للبيانات (Normality Assumption)

يُعد شرط التوزيع الطبيعي للبيانات في كلا المجتمعين الأصلين الشرط الأكثر حساسية وحرجاً في اختبار إف لتباين عينتين. تشير الأدبيات الإحصائية المتقدمة إلى أن اختبار إف لنسبة التباين يتصف بعدم متانته الشديدة تجاه انتهاك شرط الاعتدالية؛ فإذا كانت البيانات تعاني من التواء شديد أو تفرطح حاد، فإن التوزيع الفعلي لإحصائية إف يبتعد جذرياً عن توزيع إف النظري، مما يؤدي إلى قيم احتمالية خاطئة تماماً وارتفاع هائل في معدلات الخطأ الاستدلالي.

يوفر برنامج إكسيل مجموعة من الأدوات الحسابية لفحص هذا الشرط بدقة قبل الشروع في اختبار التباين. يمكن للباحث حساب معامل الالتواء (Skewness) باستخدام دالة SKEW ومعامل التفرطح (Kurtosis) باستخدام دالة KURT. كقاعدة إرشادية عامة، إذا وقعت قيمتا الالتواء والتفرطح للمتغيرات النفسية داخل النطاق المقبول بين -1 و +1، يُعتبر التوزيع قريباً بدرجة كافية من التوزيع الطبيعي لتبرير المضي في تطبيق اختبار إف.

بالإضافة إلى المؤشرات الرقمية، يتيح إكسيل أدوات مرئية استكشافية لفحص اعتدالية البيانات، مثل إنشاء المدرجات التكرارية (Histograms) ورسم منحنيات التوزيع التراكمي. يساعد الفحص البصري على اكتشاف القمم المتعددة أو الذيول السميكة أو التجمعات الشاذة للبيانات التي قد تغفلها بعض المعاملات الرقمية الملخصة، مما يمنح الباحث رؤية سيكومترية شاملة حول طبيعة توزيع الدرجات داخل المجموعات المقارنة.

4.2 استقلالية المشاهدات والعينات (Independence)

يقضي افتراض الاستقلالية بضرورة أن تكون المشاهدات والدرجات داخل كل عينة مستقلة تماماً عن بعضها البعض، وأن تكون العينة الأولى بأكملها مستقلة تماماً عن العينة الثانية. يعني هذا رياضياً أن الحصول على درجة معينة لأحد المفحوصين لا يحمل أي تأثير احتمالي أو ارتباط مع درجات المفحوصين الآخرين داخل نفس المجموعة أو في المجموعة المقابلة، وهو شرط هيكلي يمس صميم التصميم التجريبي للدراسة.

يؤدي استخدام اختبار إف لعينتين على بيانات غير مستقلة، كحالات القياسات المتكررة (قبل وبعد تطبيق برنامج نفسي على نفس الأفراد) أو العينات المترابطة أزواجاً (كالدرجات بين التوائم أو الأزواج)، إلى نتائج باطلة منهجياً. فالارتباط الداخلي بين القياسات المتكررة يُدخل تبايناً مشتركاً (Covariance) لا تأخذه صيغة اختبار إف البسيطة في الحسبان، مما يتطلب استخدام نماذج متخصصة في القياسات المتكررة بدلاً من اختبار نسبة التباين للعينات المستقلة.

يتحقق الباحث من استقلالية المشاهدات عبر الالتزام الصارم بأساليب المعاينة العشوائية والتخصيص العشوائي للأفراد في المجموعات التجريبية والضابطة، والتأكد من تطبيق الاختبارات النفسية في ظروف معيارية متطابقة تمنع التفاعل أو التأثير المتبادل بين المفحوصين أثناء جلسات القياس، مما يضمن أن التباين المرصود يعكس فقط الخصائص الفردية والظروف التجريبية المحددة.

4.3 مستوى قياس المتغيرات وحجم العينات

يتطلب اختبار إف لنسب التباين أن تكون المتغيرات النفسية والسلوكية قيد الدراسة مقاسة على مستوى فتري (Interval Scale) أو نسبي (Ratio Scale). يرجع ذلك إلى أن حساب التباين يتطلب إجراء عمليات الجمع والطرح وضرب الفروق في نفسها وحساب المتوسط الحسابي، وهي عمليات رياضية لا تكون ذات معنى علمي إلا إذا كانت المسافات بين وحدات القياس متساوية وتمثل كميات فعلية للسمة المقاسة.

فيما يتعلق بكفاية حجم العينات، فإن الكفاءة الإحصائية لاختبار إف وقدرته على الوصول إلى قرارات استدلالية دقيقة ترتفع طردياً مع زيادة حجم العينات. ورغم أن إكسيل يستطيع إجراء الحسابات الرياضية لأي حجم عينة مهما كان صغيراً، إلا أن العينات الصغيرة جداً (أقل من 15 مفحوصاً لكل مجموعة) تعاني من ضعف شديد في القوة الإحصائية وتكون شديدة التأثر بأي انحراف طفيف عن التوزيع الطبيعي، مما يجعل من الصعب الوثوق بنتائجها في الدراسات النفسية التقنينية.

تلعب القيم المتطرفة (Outliers) دوراً تدميرياً في حساب تباين العينة، حيث يقوم التباين بتربيع الفروق عن المتوسط، مما يضخم أثر أي قيمة شاذة بصورة أسية غير متناسبة. إن وجود مفحوص واحد يمتلك درجة متطرفة جداً نتيجة لخطأ في الإدخال أو لعدم الجدية في الإجابة قد يضاعف تباين العينة بأكملها عدة مرات، مما يبرز حتمية فحص وتنقية البيانات قبل إدخالها في أدوات التحليل في إكسيل.

5. تنظيم وإعداد البيانات داخل إكسيل للتحليل الإحصائي

5.1 هيكلة الأعمدة والمتغيرات بشكل سليم

تبدأ المعالجة الإحصائية الناجحة لاختبار التباين في إكسيل من الهيكلة المنطقية والمنظمة لورقة العمل. أفضل ممارسة إحصائية لإجراء اختبار إف لعينتين هي وضع بيانات كل مجموعة في عمود مستقل مخصص لها. على سبيل المثال، يتم تخصيص العمود A لدرجات المجموعة التجريبية وتخصيص العمود B لدرجات المجموعة الضابطة، مع الحفاظ على وضع كل مشاهدة في صف مستقل، مما يسهل عملية تحديد النطاقات البرمجية بدقة لاحقة.

يجب إعطاء عناوين واضحة ومحددة في الصف الأول لكل عمود تعكس طبيعة المتغير النفسي أو المجموعة المقاسة (مثل: درجات_القلق_المجموعة_التجريبية و درجات_القلق_المجموعة_الضابطة). تضمن هذه التسميات الصريحة سهولة قراءة الجداول وتجنب الخلط بين المتغيرات عند تفعيل خيار التسميات في الحزمة الإحصائية، وتجعل تقارير المخرجات الناتجة جاهزة للنقل المباشر إلى التقارير الأكاديمية دون لبس.

ينبغي توخي الحذر الشديد لتفادي وجود صفوف فارغة غير متسقة أو خلايا تحتوي على فراغات غير مرئية داخل نطاق البيانات. إذا كانت أحجام المجموعتين غير متساوية، وهو أمر شائع ومقبول تماماً في اختبار إف، فيجب أن تترك الخلايا في نهاية العمود الأقصر فارغة تماماً دون وضع الرقم صفر أو مسافات نصية، حيث سيتعرف إكسيل تلقائياً على نهاية نطاق كل مجموعة بناءً على الخلايا الرقمية الفعلية المتوفرة.

5.2 تنظيف البيانات وفحص القيم الشاذة

يُمثل تنظيف البيانات مرحلة استكشافية حاسمة تسبق تطبيق الاختبار الإحصائي المباشر. يُنصح بحساب المؤشرات الوصفية الأولية لكل عمود باستخدام دالتي إكسيل الأساسيتين: دالة AVERAGE لحساب المتوسط الحسابي، ودالة STDEV.S لحساب الانحراف المعياري للعينة. تتيح هذه الحسابات السريعة تكوين صورة مبدئية حول مدى انتشار البيانات وتكافؤ التشتت بين المجموعتين واكتشاف أي مؤشرات أولية على وجود أخطاء في البيانات المدخلة.

يُعد تطبيق أداة التنسيق الشرطي (Conditional Formatting) وسيلة بصرية فعالة للكشف السريع عن القيم الشاذة والمتطرفة داخل جداول إكسيل. يمكن ضبط قواعد التنسيق لتظليل الخلايا التي تبتعد عن المتوسط بأكثر من ثلاثة انحرافات معيارية بلون مميز. كما يمكن إنشاء مخطط الصندوق وطرفيه (Box Plot) المدمج في إصدارات إكسيل الحديثة لعرض الوسيط والربيعات وتحديد النقاط الشاذة العائمة خارج حدود الصندوق بوضوح تام.

يتطلب التعامل مع القيم الشاذة اتخاذ قرار منهجي وا واعٍ يستند إلى المعايير العلمية للقياس النفسي. فإذا تبين أن القيمة المتطرفة ناتجة عن خطأ طباعي في الإدخال، يتم تصحيحها بالرجوع إلى استمارات القياس الأصلية. أما إذا كانت درجة حقيقية لمفحوص متطرف، فيجب على الباحث تقييم ما إذا كان استبعادها مبرراً لكونها تنتمي لمجتمع فرعي آخر، أو الاحتفاظ بها مع توثيق أثرها على نتائج تباين العينة وتفسير النتائج في ضوء ذلك بحيادية علمية كاملة.

5.3 التأكد من التنسيق الرقمي للبيانات

من المشكلات التقنية الشائعة في بيئة إكسيل استيراد الأرقام بتنسيق نصوص مخفية، وهو ما يحدث غالباً عند نسخ البيانات من منصات الاستبيانات الإلكترونية مثل Google Forms أو Qualtrics. إذا كانت الخلايا منسقة كنص، فإن دوال إكسيل وأداة تحليل البيانات ستتجاهل تلك الخلايا في الحساب أو تظهر رسائل خطأ برمجية تؤدي إلى تقليص حجم العينة الفعلي وتشويه حساب درجات الحرية ونسبة إف.

للتحقق من سلامة التنسيق، يجب تحديد نطاقات البيانات والتأكد من ضبط نوع التنسيق على رقم (Number) من خلال تبويب الصفحة الرئيسية في إكسيل. كما يجب التأكد من عدم وجود رموز أو فواصل غير رقمية داخل الخلايا، ومراجعة إعدادات الفاصلة العشرية (نقطة أم فاصلة) لتتوافق مع إعدادات اللغة الإقليمية المثبتة في نظام التشغيل لمنع تفسير الأرقام العشرية كقيم نصية أو تواريخ خاطئة.

يُنصح أيضاً بتوحيد عدد الخانات العشرية المعروضة لكافة المشاهدات (مثلاً خانتين أو ثلاث خانات عشرية). ورغم أن إكسيل يحتفظ بالدقة الحسابية الكاملة للأرقام في الذاكرة بغض النظر عن طريقة العرض، فإن توحيد العرض يمنح ورقة العمل مظهراً أكاديمياً رصيناً ويساعد الباحث على ملاحظة أي خلل في نسق إدخال الدرجات وفق تدريج المقياس النفسي المعتمد (مثل مقياس ليكرت خماسي أو سباعي التدريج).

6. تفعيل حزمة أدوات تحليل البيانات (Data Analysis ToolPak)

6.1 خطوات تفعيل الأداة في بيئة ويندوز (Windows)

تحتوي حزمة مايكروسوفت إكسيل على مكون برمجي إضافي مدمج فائق القوة يُعرف باسم Analysis ToolPak، غير أنه يكون غير مفعل افتراضياً عند تثبيت البرنامج لأول مرة. لتفعيل هذه الحزمة في بيئة نظام تشغيل ويندوز، يبدأ الباحث بفتح برنامج إكسيل، ثم النقر على تبويب ملف (File) الموجود في الزاوية العلوية، واختيار خيارات (Options) من القائمة المنسدلة للوصول إلى لوحة التحكم الرئيسية لإعدادات المصنف.

من داخل نافذة خيارات إكسيل، يتم النقر على خيار الوظائف الإضافية (Add-ins) من الشريط الجانبي الأيسر. في الجزء السفلي من النافذة الظاهرة، يوجد حقل إدارة (Manage) مضبوط افتراضياً على وظائف Excel الإضافية (Excel Add-ins)، يتم النقر على زر انتقال (Go…). ستفتح نافذة منبثقة صغيرة تحتوي على قائمة بالوظائف المتاحة؛ يتم وضع علامة صح في المربع المقابل لخيار Analysis ToolPak، ثم النقر على موافق (OK).

بمجرد إتمام هذه الخطوات، سيقوم إكسيل بتحميل الحزمة البرمجية في شريط الأدوات دون الحاجة إلى إعادة تشغيل البرنامج. للتأكد من نجاح التفعيل، ينتقل الباحث إلى تبويب بيانات (Data) في الشريط العلوي الرئيسي، وسيلاحظ ظهور قسم جديد في أقصى اليمين تحت عنوان تحليل (Analysis) يحتوي على زر تحليل البيانات (Data Analysis)، وهو المدخل الرئيسي لكافة الاختبارات الإحصائية المعلمية واللامعلمية المتقدمة.

6.2 خطوات تفعيل الأداة على أجهزة ماك (macOS)

يتميز مستخدمو أجهزة أبل ماك بإجراءات تفعيل ميسرة ومباشرة للغاية للوصول إلى نفس حزمة التحليل الإحصائي في إكسيل. لتفعيل الأداة على نظام macOS، يفتح الباحث مصنف إكسيل، ثم يتوجه إلى شريط القوائم العلوي للنظام وينقر على قائمة أدوات (Tools)، ثم يختار من القائمة المنسدلة خيار وظائف إكسيل الإضافية (Excel Add-ins…).

ستظهر نافذة منبثقة تعرض الوظائف الإضافية المتوفرة على نظام ماك؛ يقوم الباحث بتحديد المربع المجاور لخيار Analysis ToolPak، ثم النقر على زر موافق (OK). في بعض الإصدارات الحديثة من إكسيل لماك، يمكن أيضاً الوصول إليها مباشرة من خلال تبويب إدراج (Insert) أو من تبويب بيانات (Data) عبر النقر على أيقونة الوظائف الإضافية المخصصة.

إذا واجه الباحث مشكلة عدم ظهور زر تحليل البيانات في تبويب Data بعد تفعيل الوظيفة الإضافية على نظام ماك، فإن ذلك يرجع غالباً إلى الحاجة لتحديث إصدار إكسيل إلى أحدث نسخة، أو التحقق من أذونات النظام وصلاحيات تثبيت الإضافات. بمجرد اكتمال التثبيت، تتطابق واجهة الحزمة الإحصائية ومخرجاتها الرياضية تماماً مع نسخة الويندوز، مما يضمن توافقية كاملة للنتائج بين مختلف منصات العمل البحثية.

6.3 استكشاف واجهة حزمة التحليل وتحديد أداة اختبار F

عند النقر على زر تحليل البيانات (Data Analysis) في تبويب بيانات، تفتح نافذة حوارية تعرض قائمة أبجدية منظمة تضم أكثر من عشرين أداة واختباراً إحصائياً متقدماً، تشمل نماذج الانحدار الخطي، وتحليل التباين بأنواعه، واختبارات ت المتعددة، والارتباط، وتوليد الأرقام العشوائية، وأخذ العينات، ورسم المدرجات التكرارية التفصيلية.

لإجراء اختبار التباين لعينتين، يقوم الباحث بالتمرير داخل القائمة وتحديد الخيار الدقيق المسمى: F-Test Two-Sample for Variances (اختبار F لعينتين للتباينات)، ثم الضغط على زر موافق (OK). يفتح هذا الخيار نافذة الإعدادات الخاصة باختبار إف، والتي تطلب من الباحث إدخال النطاقات الجغرافية للخلايا وضبط مستوى الدلالة وتحديد مكان طباعة جدول النتائج النهائي.

تتضمن واجهة الأداة مدخلات واضحة تشمل نطاق المتغير الأول (Variable 1 Range) ونطاق المتغير الثاني (Variable 2 Range)، ومربع اختيار لتضمين التسميات (Labels)، وحقل تحديد قيمة ألفا (Alpha)، بالإضافة إلى خيارات المخرجات المتعددة. إن استيعاب وظيفة كل حقل في هذه الواجهة هو المفتاح الأساسي لضمان تنفيذ التحليل الإحصائي بدقة متناهية ودون ارتكاب أي أخطاء في تحديد البيانات المستهدفة.

7. الخطوات التطبيقية لإجراء اختبار F عبر أداة Data Analysis

7.1 تحديد نطاقات الإدخال للمتغيرات (Input Range)

تبدأ الخطوة التنفيذية الأولى داخل نافذة اختبار F بتحديد نطاقات الخلايا التي تحتوي على بيانات المجموعتين. في حقل نطاق المتغير 1 (Variable 1 Range)، يقوم الباحث بالنقر على أيقونة التحديد وسحب المؤشر لتظليل خلايا المجموعة الأولى (مثلاً من A1 إلى A31). وفي حقل نطاق المتغير 2 (Variable 2 Range)، يتم تظليل خلايا المجموعة الثانية (مثلاً من B1 إلى B31).

تتمثل أفضل ممارسة إحصائية وتطبيقية عند استخدام أداة إكسيل في وضع بيانات العينة ذات التباين الأكبر في حقل المتغير الأول (Variable 1 Range)، وبيانات العينة ذات التباين الأصغر في حقل المتغير الثاني (Variable 2 Range). يضمن هذا الترتيب الذكي أن تكون نسبة إف المحسوبة الناتجة أكبر من الواحد الصحيح (F > 1)، مما يجعل مخرجات إكسيل للقيم الاحتمالية والحرجة المجدولة مباشرة وواضحة ومتوافقة مع التفسير القياسي دون الحاجة لإجراء تحويلات مقلوبة لدرجات الحرية.

إذا قام الباحث بتضمين رؤوس الأعمدة النصية في التحديد (وهو الإجراء الموصى به لتنظيم المخرجات)، فيجب حتماً وضع علامة صح في مربع الاختيار المسمى تسميات (Labels). يوجه هذا الإجراء البرنامج للتعامل مع الصف الأول كعناوين تعريفية للمتغيرات وليست كقيم رقمية، مما يمنع حدوث أخطاء عدم تطابق أنواع البيانات ويجعل جدول المخرجات معنوناً بنفس أسماء المتغيرات النفسية المحددة في ورقة العمل الأصلية.

7.2 ضبط معاملات الاختبار الإحصائي (Alpha Options)

يحتوي مربع الحوار على حقل مخصص لضبط مستوى الدلالة المعنوية تحت اسم ألفا (Alpha)، ويكون مضبوطاً افتراضياً على القيمة 0.05. تُمثل هذه القيمة العتبة الاحتمالية القياسية المعتمدة في غالبية البحوث النفسية والتربوية لرفض الفرضية الصفرية وقبول الفرضية البديلة لوجود فروق ذات دلالة إحصائية بين تباين المجموعتين.

إذا كانت طبيعة الدراسة تتطلب مستوى أعلى من الدقة والصرامة لتقليل مخاطر الخطأ من النوع الأول، كما في الدراسات الدوائية العصبية أو تقنين الاختبارات الإكلينيكية الحساسة، يمكن للباحث تعديل هذه القيمة يدوياً بكتابة 0.01 في هذا الحقل. يقوم إكسيل باستخدام هذه القيمة المحددة لحساب القيمة الحرجة لإحصائية إف (F Critical) المقابلة لمستوى الدلالة المختار ودرجات حرية العينات المدروسة.

من الأهمية بمكان إدراك أن تغيير قيمة ألفا في هذه النافذة يؤثر فقط على القيمة الحرجة المجدولة المعروضة في سطر F Critical one-tail في جدول المخرجات، ولكنه لا يغير على الإطلاق من قيمة إحصائية إف المحسوبة الفعلية ولا من القيمة الاحتمالية الدقيقة (P-value)؛ حيث إن هاتين القيمتين الأخيرتين تعتمدان كلياً وبشكل حصري على التباينات الفعلية لبيانات العينات ودرجات حريتها المستخرجة.

7.3 تحديد خيارات المخرجات وتنسيقها (Output Options)

توفر أداة تحليل البيانات ثلاثة خيارات مرنة لتحديد الموضع الذي سيتم فيه طباعة جدول النتائج الإحصائية. الخيار الأول هو نطاق المخرجات (Output Range)، ويتيح للباحث تحديد خلية واحدة مستهدفة داخل نفس ورقة العمل الحالية (مثل الخلية D1)، ليقوم إكسيل برسم جدول النتائج ابتداءً من تلك الخلية، مما يتيح معاينة البيانات الأصلية ونتائج اختبار التباين جنباً إلى جنب في شاشة واحدة.

الخيار الثاني هو ورقة عمل جديدة (New Worksheet Ply)، وهو الخيار الأنسب عند الرغبة في تنظيم مصنف العمل وعزل مخرجات التحليل الإحصائي عن جداول إدخال الدرجات الخام. يمكن للباحث كتابة اسم مخصص لورقة العمل الجديدة في الحقل المقابل (مثل: نتائج_اختبار_F)، ليقوم البرنامج بإنشاء الورقة وطباعة النتائج فيها بصورة تلقائية وأنيقة.

أما الخيار الثالث فهو مصنف جديد (New Workbook)، ويُستخدم عند إعداد تقارير إحصائية مستقلة لتسليمها لجهات بحثية أخرى أو أرشفتها بشكل منفصل. بمجرد ضبط هذه الخيارات بدقة، ينقر الباحث على زر موافق (OK)، ليقوم إكسيل في أجزاء من الثانية بتنفيذ كافة المعالجات الرياضية المعقدة وعرض جدول المخرجات الإحصائية المتكامل لاختبار إف لعينتين.

8. إجراء اختبار التباين باستخدام دوال إكسيل المباشرة (Formulas)

8.1 استخدام دالة F.TEST لحساب القيمة الاحتمالية المباشرة

يوفر إكسيل للمحللين والباحثين مساراً بديلاً فائق المرونة لإجراء اختبار التباين عبر الدوال البرمجية المباشرة، وتأتي في مقدمتها دالة F.TEST. تتميز هذه الدالة بصيغتها البسيطة: =F.TEST(array1, array2)، حيث يتم استبدال array1 بنطاق خلايا العينة الأولى واستبدال array2 بنطاق خلايا العينة الثانية (مثال: =F.TEST(A2:A31, B2:B31)). تقوم هذه الدالة بإرجاع القيمة الاحتمالية (P-value) الدقيقة الناتجة عن اختبار نسبة التباين مباشرة في الخلية المحددة.

من الأمور الرياضية الجوهرية التي يجب أن يعيها الباحث النفسي أن دالة F.TEST في إكسيل تُرجع تلقائياً القيمة الاحتمالية للاختبار ثنائي الذيل (Two-tailed P-value) المرتبط باختبار الفرضية الصفرية لتساوي التباينين. يعكس هذا التصميم البرمجي التوجه الأكثر حذراً وشيوعاً في القياس السلوكي الذي يفترض عدم وجود اتجاه مسبق للفروق في التشتت، مما يوفر على الباحث خطوة مضاعفة قيمة P يدوياً.

تتمتع الدوال المباشرة بميزة كبرى تتفوق بها على مخرجات أداة Data Analysis الثابتة، وتتمثل في خاصية التحديث التفاعلي التلقائي اللحظي. فعند تعديل أي درجة لأي مفحوص في النطاق الأصلي أو تنظيف قيمة شاذة تم اكتشافها لاحقاً، تقوم معادلة F.TEST بإعادة حساب القيمة الاحتمالية وتحديث النتيجة بصورة فورية دون الحاجة لإعادة تشغيل خطوات التحليل من البداية، وهو ما يمنح الباحث مرونة هائلة أثناء مراحل تنقيح البيانات.

8.2 حساب القيمة الحرجة باستخدام دالة F.INV و F.INV.RT

لاستكمال البناء الاستدلالي لاختبار التباين عبر المعادلات، يحتاج الباحث إلى معرفة القيمة الحرجة المجدولة لتوزيع إف لمقارنتها بقيمة إف المحسوبة. يقدم إكسيل دالة F.INV.RT المخصصة لحساب القيمة الحرجة للذيل الأيمن للتوزيع، وتأخذ الصيغة العامة التالية: =F.INV.RT(probability, deg_freedom1, deg_freedom2). في هذا السياق، تُمثل probability مستوى الدلالة المختار (مثلاً 0.05)، بينما تمثل المعلمتان الأخريان درجات حرية البسط والمقام على التوالي.

لحساب درجات الحرية تلقائياً داخل المعادلة لضمان مرونتها، يمكن دمج دالة العد الإحصائي COUNT. فتُكتب الصيغة الرياضية المتكاملة لحساب القيمة الحرجة على النحو التالي: =F.INV.RT(0.05, COUNT(A2:A31)-1, COUNT(B2:B31)-1). تقوم هذه المعادلة بقراءة حجم كل عينة تلقائياً وطرح 1 لحساب درجات الحرية بدقة واستخراج القيمة الحرجة المطابقة لجداول توزيع إف الإحصائية المعتمدة.

أما في الحالات التي يتعامل فيها الباحث مع فرضيات ذات نهايات يسرى أو رغبة في استخراج النقاط المئينية للتوزيع التراكمي العكسي، يمكن استخدام دالة F.INV التي تقيس المساحة الاحتمالية التراكمية من أقصى اليسار. إن الربط بين قيمة إف المحسوبة الناتجة عن قسمة التباينات والقيمة الحرجة المستخرجة عبر F.INV.RT يمكن الباحث من كتابة دوال منطقية متقدمة مثل دالة IF لاتخاذ قرار الرفض أو القبول برمجياً وتلقائياً بالكامل داخل ورقة العمل.

8.3 بناء جدول مخصص لاختبار F بالمعادلات اليدوية في إكسيل

يمثل بناء جدول إحصائي مخصص بالمعادلات اليدوية أحد أرقى التطبيقات المنهجية التي تمنح الباحث تحكماً كاملاً وفهماً عميقاً لكافة مراحل الحساب الإحصائي لاختبار التباين. يبدأ تصميم هذا الجدول بتخصيص خلايا لحساب تباين العينة الأولى باستخدام المعادلة: =VAR.S(A2:A31) وحساب تباين العينة الثانية بالمعادلة: =VAR.S(B2:B31). يُشار هنا إلى ضرورة استخدام دالة VAR.S المخصصة للعينات وليس دالة VAR.P المخصصة للمجتمعات التامة لضمان تصحيح درجات الحرية.

في الخلية التالية، يتم حساب إحصائية إف المحسوبة بقسمة التباين الأكبر على التباين الأصغر باستخدام معادلة مباشرة، مثل: =MAX(Var1, Var2) / MIN(Var1, Var2). وفي خلايا تالية، يتم حساب درجات حرية البسط والمقام كحجم العينة ناقص واحد. ثم يتم استخدام دالة F.DIST.RT المتقدمة لحساب القيمة الاحتمالية للذيل الواحد عبر الصيغة: =F.DIST.RT(F_stat, df_num, df_denom)، حيث F_stat هي قيمة إف المحسوبة، وdf_num درجات حرية البسط، وdf_denom درجات حرية المقام.

للحصول على القيمة الاحتمالية ثنائية الذيل، يتم ببساطة ضرب ناتج دالة F.DIST.RT في الرقم 2. كما يمكن استخراج القيمة الحرجة عبر دالة F.INV.RT، وصياغة خلية للقرار الإحصائي النهائي باستخدام الدالة الشرطية: =IF(P_value < 0.05, "التباينات غير متجانسة (رفض H0)", "التباينات متجانسة (قبول H0)"). يمنح هذا الجدول التفاعلي المصمم يدوياً ورقة عمل احترافية وديناميكية بالكامل تتحدث ذاتياً وتصلح كنموذج تطبيقي جاهز لكافة تحليلات التباين اللاحقة في أبحاث الباحث وفريقه.

9. قراءة وتفسير المخرجات الإحصائية لجدول F-Test في إكسيل

9.1 تحليل مقاييس النزعة المركزية والتشتت في المخرجات

عند تنفيذ اختبار F عبر أداة تحليل البيانات، يولد إكسيل جدولاً إحصائياً مكثفاً يحتوي على صفوف منظمة تلخص البنية الوصفية والاستدلالية للبيانات المقارنة. يبدأ الجدول بصف المتوسط الحسابي (Mean) لكل من المتغيرين. يتيح فحص المتوسطين للمحلل النفسي إجراء مقارنة مبدئية استكشافية حول مستوى أداء أو استجابة المجموعتين، وإن كان الهدف الأساسي للاختبار ليس مقارنة المتوسطات ذاتها بل مقارنة التشتت المحيط بها.

يعرض الصف الثاني قيمة التباين الفعلي المحسوب (Variance) لكل مجموعة. يمثل هذا الصف النواة الصلبة للتحليل؛ حيث يمكن للباحث ملاحظة الفرق العددي المباشر بين تشتت العينة الأولى وتشتت العينة الثانية. إن فحص نسبة التباعد العددي بين قيمتي التباين يمنح مؤشراً أولياً وفورياً حول مدى التفاوت في تجانس الاستجابات النفسية بين أفراد المجموعة التجريبية وأفراد المجموعة الضابطة.

يتضمن الجدول كذلك صف عدد المشاهدات (Observations)، والذي يوضح حجم كل عينة دخلت في الحساب الفعلي. يجب على الباحث تدقيق هذه الأرقام بعناية فائقة لمطابقتها مع عدد المفحوصين الحقيقي في دراسته، والتأكد من عدم استبعاد أي خلايا أو وجود قراءات مفقودة لم تُحتسب نتيجة لأخطاء في تحديد النطاقات، حيث إن دقة درجات الحرية والقرارات الاستدلالية اللاحقة ترتبط ارتباطاً مباشراً بصحة هذه الأعداد.

9.2 تفسير قيمة F المحسوبة ودرجات الحرية (df)

يحتوي جدول المخرجات على صف درجات الحرية ويرمز له بالرمز (df). يعرض هذا الصف درجات حرية العينة الأولى (حجم العينة 1 ناقص 1) والتي تمثل بسط النسبة الإحصائية، ودرجات حرية العينة الثانية (حجم العينة 2 ناقص 1) والتي تمثل مقام النسبة. تمثل هاتان القيمتان الإحداثيات الأساسية التي تحدد الشكل الدقيق لمنحنى توزيع إف الاحتمالي المستخدم في استخراج القيم الحرجة والدلالات المعنوية للاختبار.

يلي ذلك السطر الأهم في المخرجات وهو إحصائية إف المحسوبة ويرمز لها بالحرف (F). تمثل هذه القيمة النسبة الرياضية الفعلية الناتجة عن قسمة تباين المتغير الأول على تباين المتغير الثاني. إذا كانت قيمة F قريبة جداً من 1.0 (مثلاً 1.05 أو 1.12)، فإن هذا يشير إلى تقارب شديد وتطابق شبه تام في تشتت المجموعتين في العينة، مما يرجح فرضية تجانس التباين.

أما إذا ارتفعت قيمة F المحسوبة بصورة ملحوظة (مثلاً 2.50 أو 3.80 أو أكثر)، فإن ذلك يعكس أن تباين المجموعة في البسط يبلغ ضعفين ونصف أو قرابة أربعة أضعاف تباين المجموعة في المقام. يشير هذا التباعد الكبير إلى وجود فروق جوهرية في مدى تشتت واستقرار الاستجابات بين المجموعتين، ويضع الباحث على أعتاب الرفض الإحصائي لفرضية تجانس التباين شريطة تأكيد ذلك عبر القيمة الاحتمالية والقيمة الحرجة المجدولة.

9.3 مقارنة P-value مع مستوى الدلالة وتحديد القيمة الحرجة

يقدم جدول إكسيل صفين حاسمين لاتخاذ القرار الإحصائي النهائي: الأول هو القيمة الاحتمالية المعروضة تحت اسم P(F<=f) one-tail، والثاني هو القيمة الحرجة المعروضة تحت اسم F Critical one-tail. تمثل القيمة الاحتمالية احتمالية الحصول بالصدفة على نسبة تباين مساوية أو أكثر تطرفاً من قيمة F المحسوبة بافتراض صحة الفرضية الصفرية في المجتمع.

إذا كانت الفرضية البحثية أحادية الاتجاه موجهة، يقارن الباحث قيمة P(F<=f) one-tail المعروضة مباشرة بمستوى ألفا المحدد (0.05). إذا كانت قيمة P أصغر من 0.05، يتم رفض الفرضية الصفرية واستنتاج وجود فرق دال إحصائياً في التباين في الاتجاه المحدد. أما إذا كانت الفرضية ثنائية الاتجاه (غير موجهة)، فيجب على الباحث مضاعفة قيمة P(F<=f) بضربها في 2، ثم مقارنة الناتج بمستوى الدلالة 0.05 لاتخاذ القرار الصحيح.

بالمثل، يمكن اتخاذ نفس القرار المنهجي عبر مقارنة إحصائية إف المحسوبة (F) بالقيمة الحرجة (F Critical)؛ فإذا كانت قيمة F المحسوبة أكبر من القيمة الحرجة المجدولة، فإن النتيجة تقع في منطقة الرفض الحرجة في ذيل التوزيع، وهو ما يؤكد رفض الفرضية الصفرية واستنتاج عدم تجانس التباين بين المجموعتين. أما إذا كانت F المحسوبة أصغر من القيمة الحرجة، فإن الباحث يعجز عن رفض الفرضية الصفرية ويقبل بوجود تجانس إحصائي كافٍ بين تباينات المجموعات المقارنة.

10. تطبيقات سيكومترية ونفسية لاختبار التباين في إكسيل

10.1 مقارنة تشتت الاستجابة بين مجموعات تجريبية وضابطة

يُعد اختبار التباين في إكسيل أداة تقييمية بالغة القوة في دراسات علم النفس الإكلينيكي والعلاجي التي تهدف إلى قياس فاعلية التدخلات السلوكية والمعرفية. فعند تطبيق برنامج تدريبي لتنمية مهارات إدارة الضغوط على مجموعة تجريبية ومقارنتها بمجموعة ضابطة، لا يقتصر هدف المعالج على خفض متوسط درجات التوتر فحسب، بل يمتد ليشمل فحص مدى تجانس واستقرار التحسن النفسي لدى كافة أفراد المجموعة التجريبية.

إذا أظهر اختبار إف عبر إكسيل انخفاضاً ذا دلالة إحصائية في تباين درجات القلق لدى المجموعة التجريبية بعد العلاج مقارنة بالتباين المرتفع والمشتت للمجموعة الضابطة، فإن ذلك يُفسر سيكومترياً بأن التدخل العلاجي لم يكن مفيداً في تحريك المتوسط العام فقط، بل نجح في إحداث أثر علاجي متسق ومستقر قلص الفروق الفردية في الشعور بالتوتر وجعل استجابات معظم المرضى تتجمع بالقرب من المستويات الطبيعية المنخفضة.

على العكس من ذلك، إذا كشف التحليل عن زيادة دالة في تباين المجموعة التجريبية مقارنة بالمجموعة الضابطة، فإن هذا يمثل مؤشراً إكلينيكياً بالغ الخطورة؛ إذ يعني أن بعض الأفراد في المجموعة قد استفادوا بشكل هائل من التدخل بينما انتكست حالات أفراد آخرين أو لم يستجيبوا مطلقاً، مما أدى إلى اتساع تشتت المجموعة وتمايز استجاباتها، وهو استنتاج نوعي لا يمكن للمتوسط الحسابي وحده الكشف عنه أبداً دون اللجوء لاختبار التباين.

10.2 التحقق من ثبات وتكافؤ بطاريات الاختبارات النفسية

في سياق القياس النفسي ونظرية القياس الكلاسيكية (Classical Test Theory)، يشترط تقنين الصور المتكافئة للاختبارات النفسية (Parallel Forms) تحقق شروط صارمة تشمل تساوي المتوسطات وتساوي تباينات الدرجات الحقيقية وتباينات الخطأ. يُستخدم اختبار إف للتباينات في إكسيل كأداة إحصائية أساسية للتحقق من شرط تساوي التباين بين صورتين مختلفتين من مقياس الذكاء أو اختبار القدرات المعرفية المطبقين على نفس الفئة المعيارية.

إذا أظهرت نتائج اختبار F عبر إكسيل عدم وجود فروق ذات دلالة إحصائية بين تباين درجات الصورة (أ) وتباين درجات الصورة (ب) لمقياس سمات الشخصية عند مستوى ألفا 0.05، فإن هذا يمنح دليلاً سيكومترياً قوياً على تكافؤ القوة التمييزية وتماثل التشتت للصور الاختبارية، مما يسمح للباحثين والممارسين باستخدام أي من الصورتين بالتبادل في جلسات التقييم النفسي والتشخيص الإكلينيكي دون خوف من تحيز التشتت القياسي.

كذلك يُطبق اختبار التباين لفحص مدى تجانس استجابات المفحوصين على بنود الاختبار النفسي عبر الفئات العمرية أو النوعية المختلفة أثناء مراحل التقنين المعياري للمقاييس. إن إثبات تساوي التباين عبر الفئات الفرعية يضمن خلو الاختبار من تحيزات القياس الناتجة عن تفاوت تشتت المفاهيم النفسية بين الذكور والإناث أو بين فئات الطفولة والمراهقة، مما يعزز الصدق البنائي والاتساق القياسي للأداة السيكومترية المطورة.

10.3 دراسة الفروق الفردية في الأداء المعرفي والإدراكي

يمثل تباين زمن الرجع (Reaction Time) في علم النفس العصبي والمعرفي مؤشراً وظيفياً فائق الأهمية على سلامة وكفاءة المعالجة المركزية في الدماغ البشري. تشير الأدبيات إلى أن تشتت وسرعة تقلب زمن الرجع (Intra-individual variability) لدى الأفراد المصابين باضطراب فرط الحركة وتشتت الانتباه (ADHD) أو المراحل المبكرة من التدهور المعرفي والزهايمر يكون أعلى بكثير مقارنة بالأفراد الأصحاء من نفس الفئة العمرية.

باستخدام برنامج إكسيل، يمكن للباحث المعرفي إدخال مصفوفات أزمنة الرجع للمجموعتين وإجراء اختبار إف للتحقق من فرضية أن التباين في أداء الفئة الإكلينيكية يفوق بمراحل دالة تباين فئة الأصحاء. إن إثبات هذه الفرضية إحصائياً عبر قيمة إف المرتفعة وقيمة P الصغرى يقدم إسناداً تجريبياً حاسماً لفرضية تذبذب الضبط التنفيذي وعدم استقرار كفاءة النواقل العصبية لدى الفئة السريرية أثناء أداء المهام المعرفية المعقدة.

يمتد هذا التطبيق ليشمل دراسات الانتباه والتركيز والإدراك البصري تحت ظروف بيئية متباينة (مثل الضوضاء الشديدة، أو الحرمان من النوم، أو الضغوط النفسية الحادة). يُمكن لاختبار التباين في إكسيل أن يكشف بوضوح كيف تؤدي تلك الضغوط إلى تفكيك تجانس الأداء المعرفي للأفراد، مما يثري التحليل النفسي ويقدم أدلة كمية دامغة تسهم في بناء النماذج النظرية وتطوير استراتيجيات التدخل المعرفي الوقائي.

11. الأخطاء الشائعة والقيود المنهجية عند اختبار التباين في إكسيل

11.1 الأخطاء الرياضية والتقنية الشائعة في إكسيل

من أكثر الأخطاء الشائعة التي يقع فيها الباحثون عند استخدام أداة Data Analysis في إكسيل هو وضع العينة ذات التباين الأصغر في نطاق المتغير الأول (Variable 1) والعينة ذات التباين الأكبر في نطاق المتغير الثاني (Variable 2). ينتج عن هذا الترتيب المعكوس قيمة إف محسوبة أقل من الواحد الصحيح (F < 1)، مما يعرض الباحث للارتباك عند مقارنتها بالقيمة الحرجة المجدولة للذيل الأيمن التي تكون دائماً أكبر من 1، ويقود إلى تفسيرات خاطئة للنتائج ما لم يكن الباحث ملماً بكيفية حساب مقلوب التوزيع.

يتمثل خطأ فادح آخر في الاعتماد التلقائي على قيمة P(F<=f) one-tail المعروضة في مخرجات إكسيل واعتبارها تمثل الدلالة الإحصائية النهائية للدراسة في سياق فرضيات غير موجهة ثنائية الذيل. إن إغفال مضاعفة هذه القيمة بضربها في اثنين يؤدي إلى تضخيم زائف للدلالة الإحصائية ومضاعفة احتمالية الوقوع في الخطأ من النوع الأول ورفض الفرضية الصفرية دون وجه حق علمي.

تتضمن الأخطاء التقنية أيضاً تضمين خلايا تحتوي على نصوص أو مسافات فارغة مخفية أو رموز خاصة داخل نطاق البيانات المحددة دون تفعيل خيار Labels، مما يسبب ظهور أخطاء حسابية مثل #VALUE! أو #DIV/0!. كما يؤدي سوء ضبط الفاصلة العشرية في الأنظمة متعددة اللغات إلى اعتبار الأرقام قيماً نصية، مما يشوه حجم العينات الفعلي ويفسد حسابات درجات الحرية في جدول التحليل.

11.2 القيود المنهجية لاختبار إف مقارنة ببدائل أخرى

تكمن أهم القيود المنهجية لاختبار إف لعينتين في حساسيته المفرطة والهشاشة البالغة لافتراض التوزيع الطبيعي. ففي حين أن اختبارات مقارنة المتوسطات (مثل اختبار ت) تتصف بدرجة مقبولة من المتانة تجاه الانحرافات الطفيفة عن الاعتدالية بفضل نظرية النهاية المركزية، فإن اختبار إف لنسبة التباينات ينهار سريعاً وتتضخم أخطاؤه الاحتمالية بصورة خطيرة إذا كانت البيانات الأصلية ملتوية أو مفرطحة، مما يجعله خياراً محفوفاً بالمخاطر عند التعامل مع استجابات نفسية غير معتدلة.

تتفوق برمجيات إحصائية بديلة عبر توفير اختبارات تباين أكثر متانة ومناعة ضد الالتواء، وعلى رأسها اختبار ليفين (Levene’s Test) القائم على فحص تشتت الانحرافات المطلقة عن المتوسط أو الوسيط (Brown-Forsythe Test). يفتقر برنامج إكسيل في أدواته الافتراضية المدمجة لوظيفة جاهزة ومباشرة لتنفيذ اختبار ليفين، مما يفرض على الباحث بناء نموذج حسابي معقد وطويل يدوياً لحسابه أو الاكتفاء باختبار إف الحساس.

يتمثل قيد منهجي إضافي في عدم قدرة أداة إكسيل الافتراضية على مقارنة تباينات أكثر من مجموعتين في وقت واحد (كحالة مقارنة تباين ثلاث مجموعات علاجية مختلفة)، وهو ما يتطلب في البرمجيات المتقدمة استخدام اختبارات مثل اختبار بارتليت (Bartlett’s Test) أو اختبار فليجنر-كيلين اللامعلمي (Fligner-Killeen Test)، مما يجعل إكسيل محدوداً في التصاميم التجريبية متعددة المجموعات المعقدة.

11.3 أفضل الممارسات لضمان نزاهة النتائج العلمية

لضمان النزاهة العلمية والدقة المنهجية الصارمة عند استخدام إكسيل لاختبار التباينات، يتعين على الباحث اتباع بروتوكول تحليلي استباقي يبدأ بالفحص الإلزامي المسبق لخصائص التوزيع التكراري واعتدالية البيانات للمجموعات قيد الدراسة. لا يجوز الاعتماد على اختبار إف إلا بعد التيقن من أن معاملات الالتواء والتفرطح تقع ضمن الحدود المقبولة إحصائياً وأن الفحص البصري للمدرجات التكرارية يؤكد التماثل والاعتدالية.

يُنصح الباحثون بتوثيق كافة خطوات المعالجة الإحصائية والمعادلات المستخدمة وتحديد نطاقات الخلايا بوضوح تام داخل ورقة العمل، مع وضع تعليقات شارحة وملاحظات تفصيلية بجانب جداول المخرجات. تسهم هذه الشفافية التوثيقية في تسهيل المراجعة الأكاديمية وتمكين الباحثين المستقلين من تكرار التحليل والتحقق من صحة النتائج والقرارات الاستدلالية المتخذة دون أي غموض أو لبس.

يجب دائماً المزاوجة بين النتائج الإحصائية الكمية الدقيقة والرؤية الكيفية والسيكومترية لسياق الظاهرة المدروسة. لا ينبغي أن يقتصر تقرير الباحث على إعلان قيمة إف وقيمة P فقط، بل يجب أن يمتد ليشمل تفسير المغزى السلوكي والتطبيقي للفروق في التشتت، وتأثير ذلك على فهم الفروق الفردية وفعالية الأدوات القياسية والبرامج التدريبية المطبقة في أرض الواقع النفسي والتربوي.

12. مقارنة إكسيل بالبرمجيات الإحصائية المتقدمة والخطوات اللاحقة

12.1 مقارنة بين إكسيل و SPSS و R في اختبارات التباين

يقدم برنامج إكسيل ميزة تنافسية لا تضاهى من حيث سهولة الوصول والانتشار الواسع والقدرة على الفحص والتعديل اليدوي السريع للبيانات، مما يجعله بيئة تعليمية واستكشافية مثالية للباحثين والمحللين في المراحل الأولية لإعداد البيانات وتحليل المجموعات البسيطة. تتيح مرونة الجداول الحسابية إمكانية الربط التفاعلي بين المعادلات ورؤية أثر كل مشاهدة على حسابات التباين والنسبة الإحصائية بشكل مباشر وملموس.

في المقابل، تتفوق الحزم الإحصائية المتخصصة مثل SPSS بتوفيرها التلقائي لاختبار ليفين لتجانس التباين مدمجاً ضمن مخرجات اختبار ت وتحليل التباين، مما يتيح فحص التجانس واختبار الفروق بين المتوسطات في خطوة برمجية واحدة، مع توفير مؤشرات المتانة الإحصائية ضد التواء البيانات تلقائياً دون تدخل يدوي من الباحث، وهو ما يقلل من احتمالية ارتكاب الأخطاء الحسابية.

تتفوق البيئات البرمجية المتقدمة مثل لغة R الإحصائية ولغة بايثون بقدرتها غير المحدودة على معالجة البيانات الضخمة وبناء النماذج غير الخطية واستخدام الحزم الإحصائية المتقدمة مثل حزمة (car) لتطبيق اختبارات التباين اللامعلمية الفائقة والمتطورة مثل Fligner-Killeen و Brown-Forsythe وتصدير الرسوم البيانية التفاعلية المتقدمة، مما يجعلها الخيار الاحترافي الأول للدراسات القياسية والميتا-تحليلية الكبرى ذات البيانات المتشعبة.

12.2 الخطوات المنهجية التالية لاختبار التباين

بمجرد الانتهاء من قراءة وتفسير نتائج اختبار إف للتباين في إكسيل، ينتقل الباحث إلى مرحلة اتخاذ القرار المنهجي حول الخطوة التحليلية اللاحقة المناسبة لاختبار الفروق بين المتوسطات. إذا أكدت النتائج تجانس التباينات (عدم رفض الفرضية الصفرية، P > 0.05)، يختار الباحث بثقة أداة t-Test: Two-Sample Assuming Equal Variances في إكسيل لإجراء اختبار ت الكلاسيكي للعينات المستقلة.

أما إذا كشفت النتائج عن عدم تجانس التباينات (رفض الفرضية الصفرية، P <= 0.05)، فإن الباحث يكون ملزماً منهجياً بتجنب اختبار ت الكلاسيكي والتوجه مباشرة نحو استخدام أداة t-Test: Two-Sample Assuming Unequal Variances في إكسيل. يطبق هذا الخيار نموذج ويلش-ساترثويت (Welch’s t-test) الذي يقوم بتعديل درجات الحرية وتصحيح الخطأ المعياري المشترك بما يحمي نتائج الفروق بين المتوسطات من التضخم الزائف ومخاطر الخطأ من النوع الأول.

في الحالات التي تكشف عن عدم تجانس حاد مقترن بالتواء البيانات في عينات صغيرة، يمكن للباحث كمسار منهجي بديل تطبيق التحويلات الرياضية على البيانات الخام (Data Transformation)، مثل التحويل اللوغاريتمي (Log Transformation) أو تحويل الجذر التربيعي، لإعادة البيانات إلى التوزيع الطبيعي واستعادة تجانس التباين قبل إعادة إجراء الاختبارات المعلمية، أو اللجوء إلى الاختبارات اللامعلمية البديلة مثل اختبار مان-وتني (Mann-Whitney U Test).

12.3 إرشادات كتابة النتائج وفق دليل النشر العلمي APA 7

تقتضي المعايير العلمية لنشر البحوث النفسية الصادرة عن جمعية علم النفس الأمريكية في دليلها السابع (APA 7th Edition) تدوين نتائج اختبار إف للتباينات وفق نسق قياسي دقيق ومحدد. تُكتب الصيغة المعيارية في متن البحث بذكر الحرف المائل F يليه درجات حرية البسط والمقام بين قوسين، ثم علامة يساوي وقيمة إف المحسوبة مقربة إلى خانتين عشريتين، تليها علامة الفاصلة وقيمة الدلالة الاحتمالية الدقيقة p.

على سبيل المثال، تُكتب النتيجة وفق النسق التالي: F(29, 29) = 2.45, p = .018. يجب كتابة الحروف الرمزية (F, p, df) بالخط المائل، وتجنب وضع الصفر قبل الفاصلة العشرية لقيمة p نظراً لكون الاحتمال لا يمكن أن يتجاوز الواحد الصحيح إحصائياً. وفي حال كانت القيمة الاحتمالية متناهية الصغر في إكسيل وتظهر بصيغة الأرقام العلمية (مثل 0.00004)، يتم تدوينها وفق الدليل بصيغة: p < .001.

إلى جانب التدوين الرقمي، يجب أن يتضمن التقرير النفسي فقرة سردية توضح التفسير العلمي للنتيجة وسياقها السيكومتري؛ كأن يذكر الباحث: “أظهر اختبار إف للعينات المستقلة وجود عدم تجانس دال إحصائياً في تباين درجات القلق بين المجموعة التجريبية (M = 45.20, SD = 12.40) والمجموعة الضابطة (M = 44.80, SD = 7.90)، حيث كانت F(29, 29) = 2.46, p = .018، وبناءً على هذه النتيجة، تم استخدام اختبار ت لعينتين بافتراض عدم تساوي التباين (Welch’s t-test) لاختبار الفروق بين المتوسطات”.

خاتمة

يُمثل اختبار التباينات في برنامج مايكروسوفت إكسيل أداة منهجية وتحليلية لا غنى عنها لكل باحث وممارس في مجالات القياس النفسي والتربوي والعلوم السلوكية والاجتماعية. إن إدراك أن التباين ليس مجرد قيمة تشتت إضافية، بل هو المعبر الأساسي عن الفروق الفردية واستقرار الظواهر المقاسة، يغير النظرة التحليلية للبيانات الكمية ويوجه القرارات المنهجية نحو أعلى مستويات الدقة والنزاهة العلمية.

من خلال تفعيل حزمة أدوات تحليل البيانات (Data Analysis ToolPak) أو توظيف الدوال الحسابية المباشرة مثل F.TEST و F.INV.RT، يمنح إكسيل الباحثين قدرات تحليلية متقدمة تضاهي البرمجيات المتخصصة في التعامل مع مقارنات التباين لعينتين. ويتيح ذلك الانتقال المنهجي الآمن من استكشاف البيانات وتنظيفها والتحقق من اعتداليتها واستقلاليتها، إلى التحقق من شرط تجانس التباين كمنطلق أساسي لاختيار النماذج المعلمية المناسبة وصياغة التقارير الأكاديمية الرصينة وفق أعلى معايير النشر الدولي.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Fisher, R. A. (1925). Statistical methods for research workers. Oliver and Boyd.
• Gravetter, F. J., & Wallnau, L. B. (2017). Statistics for the behavioral sciences (10th ed.). Cengage Learning.
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, Cengage Learning.
• Levene, H. (1960). Robust tests for equality of variances. In I. Olkin, S. G. Ghurye, W. Hoeffding, W. G. Madow, & H. B. Mann (Eds.), Contributions to probability and statistics: Essays in honor of Harold Hotelling (pp. 278–292). Stanford University Press.
• Microsoft Corporation. (2023). Load the Analysis ToolPak in Excel. Microsoft Support. https://support.microsoft.com/en-us/office/load-the-analysis-toolpak-in-excel-6a63e598-cd6d-42e3-9317-6d40a1a6da37
• Snedecor, G. W., & Cochran, W. G. (1989). Statistical methods (8th ed.). Iowa State University Press.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.