جدول مان ويتني U

يمثل التحليل الإحصائي الركيزة الأساسية التي يستند إليها الباحثون في العلوم النفسية والسلوكية والتربوية لتحويل الملاحظات الخام والبيانات القياسية إلى استنتاجات علمية دقيقة ذات موثوقية عالية. وفي خضم التحديات المنهجية التي تواجه الباحث الميداني والسريري—بدءاً من صعوبة استيفاء شروط التوزيع الطبيعي، ووصولاً إلى محدودية أحجام العينات في الحالات الإكلينيكية النادرة—تبرز الأساليب الإحصائية اللابارامترية (Non-parametric Statistics) كبديل منهجي متين يوفر حلولاً صارمة لتحليل الفروق بين المجموعات التجريبية والضابطة دون الوقوع في أخطاء التحيز القياسي.

ويحتل اختبار مان ويتني U وجدوله الإحصائي المرجعي مكانة الصدارة بين هذه الأدوات، حيث يُعد المعادل اللابارامتري الأكثر كفاءة لاختبار “ت” للعينات المستقلة (Independent Samples t-test). إن جدول مان ويتني U ليس مجرد مصفوفة من الأرقام الصماء، بل هو خارطة احتمالية دقيقة تسمح للباحثين والعياديين بتحديد ما إذا كانت الفروق الرتبية الملاحظة بين عينتين تعكس تبايناً حقيقياً في المجتمع الإحصائي أم أنها مجرد تباينات عشوائية ناتجة عن خطأ المعاينة، مما يجعله أداة حاسمة في تقييم فاعلية التدخلات العلاجية والبرامج التأهيلية وتفسير نتائج القياس النفسي العصبي.

يهدف هذا الدليل المرجعي الشامل إلى تفكيك كافة الجوانب النظرية والرياضية والتطبيقية المرتبطة بجدول مان ويتني U، مستعرضاً بنيته الهيكلية، وقواعد قراءته، وكيفية التحويل بين مستويات الدلالة، وآليات التعامل مع العينات الصغيرة والحرجة، مع تقديم أمثلة سريرية واقعية ترشد الأكاديميين والممارسين نحو اتخاذ قرارات إحصائية تتسم بأعلى درجات الدقة والموضوعية وفق معايير النشر العلمي المعتمدة.

1. مقدمة شاملة حول جدول مان ويتني U وأهميته في القياس النفسي

1.1 تعريف جدول مان ويتني U وسياقه التاريخي

يُعرَّف جدول مان ويتني U بأنه مرجع رياضي احتمالي يحتوي على مصفوفة من القيم الحرجة (Critical Values) المحسوبة بدقة بناءً على التوزيع التوافقي التبادلي للرتب، ويُستخدم لتحديد مناطق رفض أو قبول الفرضية الصفرية عند إجراء مقارنات ثنائية بين عينتين مستقلتين. يعود الأساس النظري لهذا الجدول إلى الإسهامات الرائدة لعالم الإحصاء الأمريكي فرانك ويلكوكسون في عام 1945 عندما قدم اختباره لمجموع الرتب لعينتين متساويتين في الحجم. وسرعان ما قام العالمان هنري مان (Henry Mann) ورالف ويتني (Ralph Whitney) في عام 1947 بتعميم هذه النظرية لتشمل العينات غير المتساوية في الحجم، مع صياغة دالة احتمالية كاملة لحساب توزيع الإحصائية التي عُرفت لاحقاً باسم إحصائية U، وتوثيق جداولها المعيارية الأولى.

يكمن الفارق الجوهري بين جدول مان ويتني وجدول توزيع t للعينات المستقلة في أن الأخير يفترض أن البيانات تتبع توزيعاً مستمراً ومعيارياً يخضع لشروط التوزيع الطبيعي وتجانس التباين، مما يجعل قيمه الحرجة تعتمد على درجات الحرية والمتوسطات الحسابية والانحراف المعياري. في المقابل، يستند جدول مان ويتني إلى التوزيع التكراري البسيط للرتب المنفصلة دون اشتراط أي معالم بارامترية لشكل المجتمع الأصلي. هذا التمييز يمنح جدول مان ويتني قوة استثنائية في تقييم الفرضيات الصفرية ($H_0$) التي تفترض تطابق توزيعي المجتمعين، مقابل الفرضيات البديلة ($H_1$) التي تشير إلى وجود إزاحة تصنيفية أو تباين رتبي بين المجموعات في العلوم السلوكية.

1.2 مبررات استخدام جدول مان ويتني في الأبحاث النفسية

تفرض طبيعة الظواهر النفسية والسلوكية تحديات معقدة على أدوات القياس؛ فالعديد من المقاييس السريرية مثل مقاييس التقدير الذاتي، ومقاييس ليكرت، واختبارات قياس شدة الاكتئاب أو القلق، تُنتج بيانات ذات مستوى قياس ترتيبي (Ordinal Data). وفي هذه المستويات، لا يمكن ضمان تساوي المسافات بين الدرجات المتتالية، مما يجعل استخدام المتوسطات الحسابية مضللاً علمياً. هنا يأتي جدول مان ويتني ليوفر إطاراً موثوقاً لتحليل هذه الدرجات عبر تحويلها إلى رتب متسلسلة تعكس الترتيب النسبي للأفراد دون التورط في افتراضات مسافية غير متحققة.

علاوة على ذلك، تواجه الأبحاث الإكلينيكية والطبية النفسية قيوداً أخلاقية وميدانية تجعل أحجام العينات صغيرة جداً، كدراسة تأثير علاج مبتكر على فئة نادرة من المصابين باضطراب ما بعد الصدمة المعقد. في مثل هذه البيئات ذات العينات المحدودة، يفقد اختبار t قدرته الإحصائية ويصبح شديد الحساسية للقيم المتطرفة (Outliers) التي قد تشوه النتائج بالكامل. يتميز جدول مان ويتني بمقاومته الفائقة لتأثير القيم الشاذة؛ فالدرجة الشاذة المتطرفة تأخذ رتبة واحدة فقط في التسلسل، مما يحمي القرار الإحصائي من الانحياز، ويوفر للباحث النفسي معياراً دقيقاً لاتخاذ قرارات رفض أو قبول الفرضيات بثقة منهجية عالية.

1.3 الافتراضات الإحصائية اللازمة قبل الرجوع للجدول

على الرغم من تصنيف اختبار مان ويتني كاختبار لا معلمي متحرر من قيود التوزيع الطبيعي، إلا أن الرجوع إلى جدوله الإحصائي المرجعي يظل مشروطاً باستيفاء مجموعة من الافتراضات المنهجية الصارمة لضمان سلامة الاستدلال:

• استقلالية الملاحظات: يجب أن تكون البيانات المجمعة من المجموعة الأولى (مثل المجموعة التجريبية) مستقلة تماماً عن بيانات المجموعة الثانية (المجموعة الضابطة)، بحيث لا يؤثر وجود أي فرد في مجموعة ما على قياسات الأفراد في المجموعة الأخرى، مع تجنب التصاميم المرتبطة كالقياس القبلي والبعدي لنفس الأفراد.
• مستوى القياس: يشترط أن يكون المتغير التابع مقاساً على الأقل بمستوى ترتيبي (Ordinal Scale)، أو أن يكون متغيراً فئويّاً أو نسبيّاً (Interval/Ratio) فشل في تلبية شروط التوزيع الطبيعي والاعتدالية.
• تماثل شكل التوزيع الاحتمالي: إذا كان الهدف من الاختبار مقارنة الوسيط (Median) بين المجموعتين وليس مجرد مقارنة المتوسطات الرتبية العامة، فيجب أن يتشابه التوزيع الاحتمالي لكلا المجموعتين من حيث الشكل والالتواء، بحيث تقتصر الفروق على إزاحة في الموقع المركزي (Location Shift).
• المعاينة العشوائية: ينبغي سحب العينات بطريقة عشوائية وممثلة للمجتمع المستهدف لضمان إمكانية تعميم النتائج وتقليل أخطاء المعاينة النظامية.

2. المفاهيم الإحصائية الأساسية المرتبطة بجدول مان ويتني U

2.1 مفهوم الرتب ومجموع الرتب (Rank Sum)

يقوم منطق اختبار مان ويتني على تجريد البيانات من قيمها العددية المطلقة واستبدالها بالرتب الترتيبية (Ranks). تبدأ هذه العملية الرياضية بدمج درجات أفراد المجموعتين معاً في مصفوفة بيانات واحدة تتألف من إجمالي العينة ($N = n_1 + n_2$)، ثم ترتيب هذه القيم تصاعدياً من الدرجة الأدنى إلى الدرجة الأعلى، بحيث تُمنح أصغر قيمة الرتبة (1) وتُمنح القيمة التي تليها الرتبة (2)، وهكذا حتى نصل إلى الرتبة الكبرى ($N$). وفي حال وجود درجات متساوية أو مكررة (Ties)، يتم حساب المتوسط الحسابي للرتب التي كانت ستشغلها تلك القيم وتخصيص هذا المتوسط لكل قيمة مكررة.

عقب إتمام الترتيب، يتم فرز الرتب وإعادتها إلى المجموعتين الأصليتين لحساب مجموع الرتب الخاص بكل مجموعة، ويُرمز لهما بالرمزين $W_1$ (أو $R_1$) للمجموعة الأولى و $W_2$ (أو $R_2$) للمجموعة الثانية. يمثل مجموع الرتب هذا حجر الزاوية الرياضي الذي يُبنى عليه حساب إحصائية U؛ فإذا كانت درجات إحدى المجموعتين تتفوق بانتظام على درجات المجموعة الأخرى، فإن مجموع رتبها سيكون كبيراً بصورة لافتة بينما ينخفض مجموع رتب المجموعة الأخرى، مما يعكس وجود فرق جوهري بين المجموعتين يستدعي مضاهاة القيمة الناتجة مع جدول مان ويتني.

2.2 إحصائية الاختبار (U-Statistic) والحد الأدنى

تُعبر إحصائية مان ويتني $U$ من الناحية النظرية عن عدد المرات التي تتفوق فيها درجة من أفراد العينة الأولى على درجة من أفراد العينة الثانية عند إجراء مقارنات زوجية شاملة بين جميع عناصر العينتين. ويتم حساب قيمتي $U$ لكلتا المجموعتين باستخدام الصيغتين الرياضيتين التاليتين:

$$U_1 = n_1 n_2 + \frac{n_1(n_1 + 1)}{2} – R_1$$

$$U_2 = n_1 n_2 + \frac{n_2(n_2 + 1)}{2} – R_2$$

حيث تمثل $n_1$ و $n_2$ أحجام العينات للمجموعتين، بينما تمثل $R_1$ و $R_2$ مجموع الرتب الخاص بكل مجموعة. وبعد حساب القيمتين، تنص القاعدة الإحصائية القياسية على اختيار القيمة الصغرى بينهما لتكون الإحصائية المحسوبة النهائية للاختبار، أي أن:

$$U = \min(U_1, U_2)$$

وللتحقق من الدقة الحسابية، يجب دائماً التأكد من استيفاء المعادلة التوازنية التي تربط بين القيمتين: $U_1 + U_2 = n_1 \times n_2$. تمثل هذه العلاقة الرياضية أداة مراجعة حاسمة تضمن للباحث خلو عملياته اليدوية من الأخطاء قبل التوجه إلى الجدول الإحصائي لاستخراج القيمة الحرجة.

2.3 القيم الحرجة (Critical Values) ومنطقة الرفض

تُعرَّف القيمة الحرجة المستخرجة من جدول مان ويتني بأنها العتبة الاحتمالية الفاصلة بين منطقة قبول (عدم رفض) الفرضية الصفرية ومنطقة رفضها عند مستوى دلالة محدد ($\alpha$). وتتميز إحصائية مان ويتني بخصوصية رياضية عكسية تختلف جذرياً عن معظم الاختبارات الإحصائية الشائعة كاختبار $z$ واختبار $t$ واختبار $F$؛ ففي تلك الاختبارات البارامترية، تدل القيم المحسوبة الكبيرة على وجود فروق دالة إحصائياً وتؤدي إلى رفض الفرضية الصفرية.

أما في اختبار مان ويتني، فإن انخفاض قيمة $U$ المحسوبة هو الذي يدل على التباعد الرتبي الكبير والانفصال الواضح بين المجموعتين؛ إذ يعني اقتراب $U$ من الصفر أن عناصر إحدى المجموعتين كانت جميعها متقدمة في الرتب على عناصر المجموعة الأخرى. وعليه، فإن القاعدة الإحصائية القاطعة لاتخاذ القرار تنص على:

يتم رفض الفرضية الصفرية ($H_0$) وقبول الفرضية البديلة ($H_1$) إذا وفقط إذا كانت قيمة $U$ المحسوبة أصغر من أو تساوي القيمة الحرجة المستخرجة من الجدول ($U_{\text{calc}} le U_{\text{crit}}$).

يرتبط هذا القرار مباشرة باحتمالية الوقوع في الخطأ من النوع الأول (Type I Error)، وهو احتمال رفض الفرضية الصفرية بينما هي صحيحة في الواقع، والذي يتم التحكم فيه من خلال مستوى الدلالة المختار مسبقاً.

3. البنية الهيكلية لجدول مان ويتني U وكيفية قراءته بدقة

3.1 تنظيم الصفوف والأعمدة وفق أحجام العينات (n1 و n2)

تعتمد هندسة جدول مان ويتني U على تنظيم مصفوفي متماثل يربط بين حجوم العينات المستقلة للمجموعتين المقارنتين. يتوزع الجدول عادة بحيث يمثل المحور الأفقي أحجام العينة الأولى ($n_1$) من أصغر حجم ممكن تجريبياً (غالباً $n=1$ أو $n=3$) وصولاً إلى الحد الأقصى للجداول الدقيقة (المحدد عادة بـ $n=20$)، في حين يمثل المحور الرأسي أحجام العينة الثانية ($n_2$) لنفس المدى الإحصائي.

تتميز دالة مان ويتني بخاصية التبادلية الرياضية الكاملة (Mathematical Symmetry)، مما يعني أنه لا يوجد أي تأثير لترتيب المجموعتين؛ فسواء اعتبر الباحث المجموعة التجريبية هي $n_1$ والمجموعة الضابطة هي $n_2$ أو العكس، فإن نقطة التقاطع بين الصف والعمود ستقود تماماً إلى نفس القيمة الحرجة الدقيقة. تقتصر معظم الجداول المعيارية المنشورة في أمهات كتب الإحصاء النفسي على الأحجام التي لا تتجاوز 20 فرداً لكل مجموعة، نظراً لأن زيادة الحجم عن ذلك تجعل التوزيع يقترب بشدة من التوزيع الطبيعي، مما يتيح استخدام الدرجة المعيارية $Z$ كبديل رياضي مكافئ كما سيتم توضيحه لاحقاً.

3.2 خطوات استخراج القيمة الحرجة بطريقة صحيحة

يتطلب الاستخراج السليم للقيمة الحرجة من جدول مان ويتني اتباع بروتوكول منهجي صارم يتألف من أربع خطوات متتابعة:

• تحديد مستوى الدلالة ($\alpha$): اختيار الصفحة أو القسم المخصص لمستوى المعنوية المستهدف في الدراسة (مثل $\alpha = 0.05$ أو $\alpha = 0.01$).
• تحديد اتجاه الفرضية: التحقق مما إذا كان الجدول المعروض مخصصاً لاختبار أحادي الذيل (One-tailed) أو ثنائي الذيل (Two-tailed)، واختيار الجدول المناسب لطبيعة صياغة الفرضية في البحث النفسي.
• تحديد إحداثيات التقاطع: البحث عن قيمة $n_1$ على المحور الأفقي وتتبع العمود نزولاً، والبحث عن قيمة $n_2$ على المحور الرأسي وتتبع الصف أفقياً حتى الوصول إلى خلية التقاطع المشتركة.
• تسجيل القيمة ومطابقتها: قراءة الرقم الصحيح داخل الخلية بدقة وتسجيله كقيمة حرجة ($U_{\text{crit}}$)، ثم مقارنته مباشرة بقيمة $U_{\text{calc}}$ المحسوبة للعينات قيد التحليل.

3.3 التعامل مع جداول الاحتمال التراكمي مقابل جداول القيم الحرجة

من الضروري للباحث المتقدم التمييز بين نمطين رئيسيين من جداول مان ويتني الموجودة في الأدبيات الإحصائية؛ النمط الأول هو جداول القيم الحرجة المباشرة (Critical Value Tables)، وهي الجداول الأكثر شيوعاً وعملية، حيث تحتوي الخلايا بداخلها مباشرة على العتبة الرقمية لـ $U$ التي إذا كانت القيمة المحسوبة مساوية لها أو أقل منها، تم اعتبار النتيجة دالة إحصائياً عند مستوى $\alpha$ المحدد في ترويسة الجدول.

أما النمط الثاني فهو جداول الاحتمال التراكمي الدقيق (Exact Cumulative Probability Tables)، والتي تعرض في خلاياها قيمة الاحتمال المباشر $P(U le u)$ عند أحجام عينات معينة وقيم $U$ مختلفة. في هذا النمط، يقوم الباحث بالبحث عن قيمة $U$ التي استخرجها من عينته داخل الجدول ليقرأ مباشرة القيمة الاحتمالية الدقيقة ($p\text{-value}$) المقابلة لها؛ فإذا كانت القيمة الاحتمالية المستخرجة أصغر من أو تساوي مستوى الدلالة المعتمد ($\alpha$)، يتم رفض الفرضية الصفرية. يوفر النمط الثاني دقة متناهية تفيد في كتابة التقارير السريرية ونشر الأبحاث في المجلات المصنفة وفق أسلوب جمعية علم النفس الأمريكية (APA)، ولكنه يتطلب حيزاً ورقياً كبيراً وتصفحاً متعدداً للصفحات.

4. مستويات الدلالة الإحصائية (Alpha) والتحويل بين الاختبارات الأحادية والثنائية الذيل

4.1 الفروق النظرية بين الاختبارات أحادية الذيل وثنائية الذيل

يرتبط اختيار مستوى الدلالة والاتجاه بنوعية الفرضية العلمية التي يصوغها الباحث النفسي. تُستخدم الفرضيات غير الموجهة (Non-directional Hypotheses) عندما يهدف الباحث إلى التحقق من وجود فروق بين المجموعتين دون التنبؤ المسبق باتجاه هذا الفرق؛ كأن يفترض وجود تباين في الكفاءة الذاتية بين الذكور والإناث. في هذه الحالة، يتم الاعتماد على الاختبار ثنائي الذيل (Two-tailed Test)، حيث يتم توزيع مساحة منطقة الرفض ($\alpha$) بالتساوي على طرفي التوزيع الاحتمالي (أي $alpha/2$ عند كل طرف).

في المقابل، تُصاغ الفرضيات الموجهة (Directional Hypotheses) عندما تستند الدراسة إلى أطر نظرية متينة أو دراسات سابقة قاطعة تتنبأ بتفوق مجموعة محددة؛ مثل التنبؤ بأن المرضى الخاضعين لبرنامج العلاج المعرفي السلوكي سيظهرون مستويات قلق أقل دلالة مقارنة بمرضى قائمة الانتظار. هنا يُستخدم الاختبار أحادي الذيل (One-tailed Test)، وتتركز منطقة الرفض بالكامل ($\alpha$) في اتجاه واحد من التوزيع، مما يزيد من القوة الإحصائية (Statistical Power) للاختبار ويسهل رفض الفرضية الصفرية. إلا أن الخبراء يحذرون بشدة من اختيار اتجاه الذيل بعد فحص البيانات وتفريغها، إذ يُعد ذلك تلاعباً منهجياً يضخم من معدل الخطأ الإحصائي.

4.2 قاعدة مضاعفة قيمة ألفا للتحويل بين الجداول

في كثير من المراجع الإحصائية، يتم توفير جداول محددة إما للاختبارات ثنائية الذيل فقط أو أحادية الذيل فقط لتوفير المساحة المطبوعة. لفهم كيفية التنقل بمرونة بين هذه الجداول، يجب إدراك القاعدة الرياضية الأساسية للتماثل الاحتمالي: القيمة الحرجة لاختبار أحادي الذيل عند مستوى دلالة $\alpha$ تتطابق كلياً مع القيمة الحرجة لاختبار ثنائي الذيل عند مستوى دلالة مقداره $2\alpha$.

بناءً على هذه القاعدة المنهجية، إذا كان الباحث يمتلك جدولاً ثنائي الذيل ويرغب في استخراج قيمة حرجة لاختبار موجه (أحادي الذيل) عند مستوى $\alpha = 0.05$، فعليه الرجوع إلى جدول الاختبار ثنائي الذيل عند مستوى دلالة $\alpha = 0.10$. وبالمثل، إذا أراد اختباراً أحادي الذيل عند مستوى $\alpha = 0.01$، فإنه يبحث في جدول ثنائي الذيل عند مستوى $\alpha = 0.02$. يمنع هذا الاستيعاب الرياضي الوقوع في أخطاء شائعة تؤدي إما إلى رفع التشدد الإحصائي دون مبرر أو التساهل غير المنهجي في قبول الفرضيات البديلة.

4.3 تأثير مستويات ألفا المختلفة على دقة القرار السريري

يتجاوز اختيار قيمة $\alpha$ في البحوث النفسية مجرد التفضيل الإحصائي المجرد، ليصل إلى صميم المسؤولية الأخلاقية والسريرية. يمثل الاختيار التقليدي لمستوى $\alpha = 0.05$ نقطة التوازن المعيارية المقبولة في معظم العلوم السلوكية بين الخطأ من النوع الأول والخطأ من النوع الثاني (Type II Error – وهو احتمال الفشل في اكتشاف أثر علاجي موجود فعلياً).

ومع ذلك، فإن الدراسات الإكلينيكية المعنية بتجريب عقاقير نفسية جديدة أو تقييم بروتوكولات تدخل عالية الخطورة تتطلب صرامة فائقة ($\alpha = 0.01$) لضمان عدم تمرير علاج غير فعال أو محفوف بالمخاطر. على النقيض من ذلك، قد تتبنى الدراسات الاستكشافية الأولية (Exploratory/Pilot Studies) مستوى أكثر مرونة ($\alpha = 0.10$) بهدف رصد المؤشرات الأولية دون إغفال أي أثر واعد. يجب على الباحث توثيق هذه القرارات بوضوح تام وتبرير اختياره لمستوى المعنوية واتجاه الاختبار عند صياغة تقرير البحث.

5. خطوات حساب قيمة U الإحصائية لمقارنتها بالقيم الحرجة في الجدول

5.1 الخطوة الأولى: دمج المجموعتين وترتيب الدرجات تصاعدياً

تبدأ المعالجة اليدوية لبيانات اختبار مان ويتني بإنشاء جدول بيانات يدمج جميع درجات أفراد المجموعة الأولى ($n_1$) والمجموعة الثانية ($n_2$) في عمود واحد، مع تخصيص رمز تصنيفي يوضح انتماء كل درجة لمجموعتها الأصلية لضمان عدم خلط البيانات. يتم بعد ذلك فرز هذه الدرجات فرزاً تصاعدياً صارماً من أدنى قيمة عددية إلى أعلاها.

تُعطى أصغر درجة الرتبة رقم (1)، والدرجة التالية الرتبة (2)، ويستمر التسلسل الرتبي تباعاً حتى الدرجة الأخيرة التي تحمل الرتبة الإجمالية ($N$). في حال وجود قيم متطابقة (Tied observations)، تُحدد الرتب التي كانت ستشغلها تلك القيم في حالة تباينها، ثم يُحسب المتوسط الحسابي البسيط لهذه الرتب ويُمنح لكل قيمة من القيم المكررة. على سبيل المثال، إذا احتلت ثلاث درجات متطابقة المواقع 4 و 5 و 6، فإن الرتبة المخصصة لكل منها تكون:

$$\text{Tied Rank} = \frac{4 + 5 + 6}{3} = 5$$

ويستمر ترقيم القيم التالية بدءاً من الرتبة 7، مما يحافظ على التوازن الكلي للمجموع الرياضي للرتب.

5.2 الخطوة الثانية: فصل الرتب وحساب المجموع لكل عينة

بمجرد الانتهاء من الترتيب العام وإسناد الرتب لكافة الدرجات المدمجة، تُعاد الرتب إلى المجموعتين المنفصلتين بحيث يُسجل بجانب كل فرد في المجموعة الأولى رتبته المستحقة، وكذلك الأمر لأفراد المجموعة الثانية. بعد ذلك، يقوم الباحث بعملية الجمع الرتبي لحساب:

• $R_1$: مجموع الرتب للمجموعة الأولى ($n_1$).
• $R_2$: مجموع الرتب للمجموعة الثانية ($n_2$).

ولضمان السلامة الحسابية وتفادي أخطاء الجمع اليدوي، يطبق الباحث متطابقة غاوس للمجموع الحسابي للتحقق من أن مجموع الرتب الكلي يتطابق مع المجموع الرياضي لجميع الأعداد الصحيحة من 1 إلى $N$ عبر المعادلة:

$$R_1 + R_2 = \frac{N(N + 1)}{2}$$

إذا ظهر أي خلل في هذا التساوي، فإن ذلك يشير حتماً إلى وجود خطأ في إسناد الرتب أو الجمع، ويجب تصحيحه فوراً قبل الانتقال للخطوة اللاحقة.

5.3 الخطوة الثالثة: تطبيق المعادلات واستخراج U الصغرى

بعد التحقق من صحة $R_1$ و $R_2$، يتم تطبيق صيغتي حساب إحصائية مان ويتني لتعيين قيمة $U$ لكل عينة على النحو الآتي:

$$U_1 = (n_1 \times n_2) + \frac{n_1(n_1 + 1)}{2} – R_1$$

$$U_2 = (n_1 \times n_2) + \frac{n_2(n_2 + 1)}{2} – R_2$$

تُجرى مراجعة توازنية أخرى للتأكد من أن $U_1 + U_2 = n_1 \times n_2$. بعد ذلك، يتم تحديد القيمة الصغرى واعتمادها كإحصائية نهائية للمقارنة: $U_{\text{calc}} = \min(U_1, U_2)$. تصبح هذه القيمة المحسوبة جاهزة كلياً لمقارنتها المباشرة بالقيمة الحرجة $U_{\text{crit}}$ التي سيتم استخراجها من جدول مان ويتني المناسب لحجمي العينتين ومستوى الدلالة المعتمد.

6. جدول مان ويتني U عند مستوى دلالة معياري α = 0.05

6.1 بنية جدول α = 0.05 ثنائي الذيل وتطبيقاته النفسية

يُمثل جدول مان ويتني عند مستوى الدلالة $\alpha = 0.05$ (ثنائي الذيل) المعيار الأكثر استخداماً وانتشاراً في الأبحاث النفسية والتجريبية. يعكس هذا الجدول عتبة الدلالة التي تضمن أن احتمالية رفض الفرضية الصفرية بالخطأ لا تتجاوز 5%، وهو المعيار الإرشادي المتعارف عليه دولياً لقبول الفروق التجريبية كفروق جوهرية غير راجعة للمصادفة.

عند فحص هذا الجدول، يُلاحظ أنه بالنسبة للعينات متناهية الصغر (مثل $n_1 = 3$ و $n_2 = 3$)، لا توجد في الغالب قيمة حرجة مدرجة (أو يُشار إليها بشرطة أو فراغ)، مما يشير رياضياً إلى أنه من المستحيل الوصول إلى دلالة إحصائية عند مستوى 0.05 ثنائي الذيل بهذا الحجم المحدود جداً مهما كان التباعد الرتبي تاماً. تبدأ القيم الحرجة في الظهور عندما تصل أحجام العينات إلى حدود تمكن التوزيع التوافقي من توليد احتمال يقل عن 0.05، مثل حالة $n_1 = 4$ و $n_2 = 4$ حيث تصبح القيمة الحرجة مساوية للصفر ($U_{\text{crit}} = 0$)، مما يتطلب انفصالاً رتبياً مطلقاً بين المجموعتين لتحقيق الدلالة.

6.2 تطبيق جدول α = 0.05 لاختبار أحادي الذيل عبر جدول α = 0.10

عندما يتبنى الباحث فرضية موجهة سريرياً تتنبأ بتفوق المعالجة التجريبية على المجموعة الضابطة عند مستوى معنوية $\alpha = 0.05$ أحادي الذيل، ولا يتوفر لديه جدول مخصص للذيل الواحد، فإنه يتجه مباشرة إلى جدول $\alpha = 0.10$ ثنائي الذيل استناداً إلى قاعدة التكافؤ الاحتمالي.

يتيح هذا التحول رفع القيمة الحرجة مقارنة بجدول 0.05 ثنائي الذيل؛ فالقيمة الحرجة للعينتين ($n_1 = 5, n_2 = 5$) عند مستوى 0.05 ثنائي الذيل هي (2)، بينما ترتفع القيمة الحرجة لنفس الحجمين عند استخدام جدول 0.10 ثنائي (المكافئ لـ 0.05 أحادي) لتصبح (4). هذا الارتفاع في القيمة الحرجة يجعل منطقة الرفض أكثر اتساعاً، مما يعزز الحساسية المنهجية للاختبار لاكتشاف الأثر الإيجابي للتدخل السلوكي، بشرط أن يكون اتجاه الفرق الفعلي متوافقاً تماماً مع الفرضية الموجهة المصاغة مسبقاً.

6.3 دراسة حالة تفصيلية: مقارنة فاعلية علاج معرفي سلوكي مقابل قائمة انتظار

لتوضيح التطبيق العملي للجدول، نفترض دراسة إكلينيكية قارنت بين مجموعة تلقت علاجاً معرفياً سلوكياً لاضطراب الاكتئاب ($n_1 = 8$) ومجموعة ظلت على قائمة الانتظار ($n_2 = 8$). تم قياس شدة الأعراض بعد 12 أسبوعاً باستخدام مقياس بيك للاكتئاب (Beck Depression Inventory – BDI-II)، وكانت الدرجات كالتالي:

• المجموعة التجريبية (CBT): 12, 14, 15, 17, 18, 20, 22, 25
• مجموعة قائمة الانتظار: 19, 23, 26, 28, 30, 32, 35, 38

تم دمج الدرجات وترتيبها تصاعدياً وحساب الرتب بدقة، فأسفرت الحسابات عن النتائج الرتبية التالية: $R_1 = 44$ للمجموعة التجريبية، و $R_2 = 92$ لمجموعة قائمة الانتظار. بالتحقق من متطابقة المجموع:

$$R_1 + R_2 = 44 + 92 = 136 = \frac{16 \times 17}{2} = 136$$

ثم حساب إحصائية $U$ للمجموعتين:

$$U_1 = (8 \times 8) + \frac{8 \times 9}{2} – 44 = 64 + 36 – 44 = 56$$

$$U_2 = (8 \times 8) + \frac{8 \times 9}{2} – 92 = 64 + 36 – 92 = 8$$

بالتالي، فإن القيمة المحسوبة هي $U_{\text{calc}} = \min(56, 8) = 8$.

بالرجوع إلى جدول مان ويتني U عند مستوى الدلالة المعياري $\alpha = 0.05$ (اختبار ثنائي الذيل) عند نقطة التقاطع بين $n_1 = 8$ و $n_2 = 8$، نجد أن القيمة الحرجة هي $U_{\text{crit}} = 13$.

القرار الإحصائي والسريري: بما أن القيمة المحسوبة ($U_{\text{calc}} = 8$) أصغر من القيمة الحرجة ($U_{\text{crit}} = 13$)، فإننا نرفض الفرضية الصفرية ($H_0$) ونقبل الفرضية البديلة ($H_1$) عند مستوى دلالة $p < 0.05$. نستنتج سريرياً أن برنامج العلاج المعرفي السلوكي أدى إلى خفض دال إحصائياً في درجات الاكتئاب مقارنة بمجموعة الانتظار.

7. جدول مان ويتني U عند مستويات الدلالة الصارمة α = 0.01 و α = 0.001

7.1 خصائص جدول α = 0.01 ثنائي الذيل والتطبيقات عالية الحساسية

يتميز جدول مان ويتني عند مستوى الدلالة $\alpha = 0.01$ (ثنائي الذيل) بمستوى حماية إحصائي مرتفع للغاية يقلص احتمال الوقوع في الخطأ الإيجابي الزائف إلى 1% فقط. هذا التشديد ينعكس مباشرة على بنية الأرقام داخل الجدول؛ فالقيم الحرجة تكون منخفضة جداً مقارنة بجدول 0.05، مما يضع شروطاً رتبية قاسية لقبول الدلالة الإحصائية ويستلزم وجود تباعد جذري بين درجات المجموعتين.

يُستخدم هذا المستوى الصارم في التجارب الدوائية النفسية المقارنة، ودراسات التدخلات العصبية الجراحية، وتقييم الآثار الجانبية الخطرة للاضطرابات النفسية، حيث يكون قبول علاج غير فعال مكلفاً وفادحاً من الناحية الإكلينيكية. في هذا الجدول، لا يمكن الكشف عن أي دلالة إحصائية في العينات الصغيرة جداً التي تقل عن ($n_1 = 5, n_2 = 5$)، حيث تتطلب العينات حتى حجم 6 قيم $U$ قريبة جداً من الصفر لتحقيق الدلالة المطلوبة.

7.2 جدول α = 0.01 للاختبارات أحادية الذيل (المكافئ لـ α = 0.02 ثنائي)

في الحالات السريرية التي تتطلب صرامة عالية مع وجود اتجاه نظري قاطع يستدعي اختباراً أحادي الذيل عند مستوى $\alpha = 0.01$، يتم استخراج القيمة الحرجة بالرجوع إلى جدول $\alpha = 0.02$ ثنائي الذيل. يمثل هذا النمط حلاً مثالياً للموازنة بين تجنب الإيجابيات الكاذبة وتوفير قدرة كافية لاكتشاف الفروق الموجهة في التدخلات النفسية الطارئة.

توضح المقارنة بين مستويات الدلالة المتعددة التدرج الصارم للقيم الحرجة؛ فعندما يكون حجم العينتين ($n_1 = 10, n_2 = 10$)، تكون القيمة الحرجة عند $\alpha = 0.05$ ثنائي الذيل هي 23، وتنخفض عند $\alpha = 0.02$ ثنائي (المكافئ لـ 0.01 أحادي) إلى 19، بينما تنحدر إلى 16 عند $\alpha = 0.01$ ثنائي الذيل. يوضح هذا التراجع كيف تتطلب المعايير الأكثر صرامة انخفاضاً مستمراً في قيمة $U$ المحسوبة لضمان موثوقية الاستنتاج العلمي.

7.3 التعامل مع مستويات الدلالة المتناهية في الصرامة (α = 0.001)

تندر الجداول المطبوعة الدقيقة لمستوى الدلالة $\alpha = 0.001$ في الأدبيات الكلاسيكية، خاصة للأحجام الصغيرة من العينات، نظراً لأن العدد الإجمالي للتباديل الممكنة للرتب في العينات الصغيرة لا يكفي رياضياً لتقسيم المساحة الاحتمالية إلى جزء من ألف دون الوصول إلى احتمالات صفرية مستحيلة التحقق.

تظهر الحاجة الماسة لمستوى $\alpha = 0.001$ في أبحاث القياس العصبي النفسي والجينات السلوكية والتصوير بالرنين المغناطيسي الوظيفي (fMRI)، حيث يُجري الباحث مئات المقارنات المتزامنة. في مثل هذه البيئات البحثية، يتم تطبيق أساليب ضبط الدلالة مثل تصحيح بونفيروني (Bonferroni Correction) عبر قسمة $\alpha$ الأصلية على عدد المقارنات. وفي حال تعذر استخراج القيمة من الجداول المطبوعة المحدودة عند هذا المستوى، يصبح الاعتماد على البرمجيات الإحصائية لحساب الاحتمال التوافقي التبادلي الدقيق (Exact Permutation Distribution) أمراً لا غنى عنه للمحافظة على الرصانة الأكاديمية.

8. جدول مان ويتني U عند مستوى الدلالة الاستكشافي α = 0.10

8.1 استخدامات جدول α = 0.10 في الدراسات الاستطلاعية والتجريبية

يُمثل مستوى الدلالة $\alpha = 0.10$ أداة منهجية مرنة ومخصصة للمراحل البحثية المبكرة والدراسات الاستطلاعية والتجريبية المحدودة (Pilot Studies). في هذه السياقات، لا يكون الهدف النهائي هو تقنين العلاج أو تعميمه، بل استكشاف ما إذا كانت هناك اتجاهات ومؤشرات إحصائية واعدة تبرر تخصيص موارد مالية وزمنية لتصميم تجارب عيادية موسعة ذات عينات كبرى.

يتميز جدول $\alpha = 0.10$ ثنائي الذيل بارتفاع قيمه الحرجة مقارنة بالمستويات الأخرى؛ مما يتيح منطقة رفض رحبة تسمح برصد الفروق المتوسطة والطفيفة بين المجموعات دون الحاجة إلى انفصال رتبي حاد. يقلل هذا المستوى من خطر الوقوع في الخطأ من النوع الثاني (إغفال فرضية صحيحة)، مما يجعله مرغوباً في البحوث الاستكشافية السلوكية الأولية.

8.2 استخراج القيمة الحرجة لاختبار أحادي الذيل عند α = 0.05 من هذا الجدول

يحظى جدول $\alpha = 0.10$ ثنائي الذيل بأهمية تطبيقية استثنائية في التحليل الإحصائي اليدوي، لكونه المصدر المباشر المعتمد لاستخراج القيم الحرجة للاختبارات أحادية الذيل عند المستوى المعياري الشائع $\alpha = 0.05$. فبموجب المبادئ الاحتمالية، فإن تخصيص مساحة رفض قدرها 5% في ذيل واحد من التوزيع يطابق تماماً توزيع مساحة 10% على ذيلي التوزيع بالتساوي.

يستفيد الباحثون في مجالات علم النفس العيادي وعلم النفس التربوي من هذا الجدول عند اختبار فاعلية برامج خفض الرهاب الاجتماعي أو تعزيز مهارات التعلم، حيث تكون الفرضية موجهة بوضوح نحو تحسن المجموعة التجريبية. عند استخدام هذا التحويل، يتعين على الباحث الإشارة بوضوح في تقريره المنهجي إلى أنه اعتمد القيمة الحرجة من جدول $\alpha = 0.10$ ثنائي الذيل لاختبار فرضيته الموجهة عند مستوى $\alpha = 0.05$ أحادي الذيل لضمان الشفافية المطلقة وتفادي أي لبس لدى المراجعين العلميين.

8.3 محاذير الاعتماد على مستوى α = 0.10 في اتخاذ القرارات العلاجية

على الرغم من الفوائد الاستكشافية لمستوى $\alpha = 0.10$، إلا أن الاعتماد عليه كمعيار نهائي لاتخاذ قرارات علاجية أو سياسات تربوية ينطوي على مخاطر منهجية جسيمة؛ حيث ترتفع احتمالية الوقوع في الخطأ من النوع الأول (الإنذار الكاذب) إلى 10%، مما يعني أن هناك احتمالاً بنسبة واحد من كل عشرة لأن تكون الفروق الملاحظة مجرد تقلبات عشوائية في العينة.

لذلك، تشدد الأدبيات السيكومترية على أن النتائج التي تحقق الدلالة عند هذا المستوى تُصنف كـ “دلالة هامشية” (Marginally Significant) أو مجرد اتجاهات أولية (Trends). ويصبح لزاماً على الباحث في هذه الحالة عدم الاكتفاء بالقرار الثنائي للجدول، بل دعم نتائجه بحساب حجم الأثر (Effect Size) المعتمد على الرتب، للتأكد من القيمة التطبيقية والعملية للفروق قبل صياغة التوصيات الإكلينيكية.

9. التعامل مع العينات الكبيرة والتقريب الطبيعي بدلاً من جدول مان ويتني U

9.1 حدود جدول مان ويتني ومتى يصبح التقريب التوزيعي إلزامياً

تتوقف الجداول المعيارية الدقيقة لاختبار مان ويتني في معظم المراجع الإحصائية عندما يصل حجم العينة إلى $n > 20$ لكل مجموعة. يرجع هذا التوقف المنهجي إلى سببين: أولهما الصعوبة الحسابية الفائقة في جدولة التباديل الاحتمالية الهائلة للعينات الكبيرة، وثانيهما التحقق الرياضي لمبرهنة النهاية المركزية (Central Limit Theorem)؛ حيث يتقارب التوزيع الاحتمالي لإحصائية مان ويتني $U$ تدريجياً وبسرعة نحو التوزيع الطبيعي المعياري المستمر كلما زادت أحجام العينات.

في ظل هذا التقارب، يصبح التوزيع النظري لـ $U$ متمركزاً حول متوسط حسابي نظري ($\mu_U$) وانحراف معياري محدد ($\sigma_U$) يُحسبان مباشرة من أحجام العينات عبر الصيغ التالية (في غياب الرتب المتكررة):

$$\mu_U = \frac{n_1 \times n_2}{2}$$

$$\sigma_U = \sqrt{\frac{n_1 n_2 (n_1 + n_2 + 1)}{12}}$$

تسمح هاتان المعلمتان بتحويل إحصائية مان ويتني إلى درجة معيارية معتادة والتعامل مع جدول التوزيع الطبيعي المعياري مباشرة.

9.2 معادلة تحويل إحصائية U إلى الدرجة المعيارية Z

عندما تتجاوز العينات الحدود الجدولية المتاحة، يتم تحويل قيمة $U$ المحسوبة إلى الدرجة المعيارية $Z$ باستخدام المعادلة القياسية للتحويل المعياري:

$$Z = \frac{U – \mu_U}{\sigma_U} = \frac{U – \frac{n_1 n_2}{2}}{\sqrt{\frac{n_1 n_2 (n_1 + n_2 + 1)}{12}}}$$

وفي العينات شبه الكبيرة (مثل $n$ بين 20 و 30)، يُنصح بتطبيق تصحيح الاستمرارية (Continuity Correction) لمعالجة الفجوة الناشئة عن تقريب المتغير الرتبي المنفصل بتوزيع طبيعي متصل، وذلك بطرح أو إضافة 0.5 من بسط المعادلة باتجاه المتوسط ($|U – \mu_U| – 0.5$).

أما في حالة وجود نسب ملحوظة من الرتب المتكررة (Ties)، فإن قيمة الانحراف المعياري تتأثر بالانكماش، مما يستلزم تطبيق معادلة التصحيح الموسعة للانحراف المعياري:

$$\sigma_{U\text{(corrected)}} = \sqrt{\frac{n_1 n_2}{N(N – 1)} \left( \frac{N^3 – N}{12} – \sum \frac{t_i^3 – t_i}{12} \right)}$$

حيث تمثل $N = n_1 + n_2$، ويمثل $t_i$ عدد التكرارات في كل مجموعة من الرتب المتطابقة. يتم بعد ذلك استخدام قيمة $Z$ المحسوبة لمقارنتها بالقيم الحرجة لجدول التوزيع الطبيعي ($Z_{\text{crit}} = \pm 1.96$ عند $\alpha = 0.05$ ثنائي الذيل).

9.3 مقارنة دقة القرارات الإحصائية بين جدول U وتقريب Z

تُظهر الدراسات الإحصائية المقارنة أن دقة تقريب الدرجة المعيارية $Z$ تصبح شبه متطابقة مع القيم المستخرجة من جدول $U$ الدقيق بمجرد وصول العينات إلى ($n_1 = 20, n_2 = 20$). إلا أن الإشكالية المنهجية تظهر بوضوح عند التعامل مع العينات غير المتكافئة بدرجة حادة؛ كأن تتألف المجموعة الأولى من 5 أفراد بينما تضم المجموعة الثانية 50 فرداً.

في مثل هذه الحالات غير المتوازنة، يفقد تقريب $Z$ دقته المعهودة نظراً لتأثر التوزيع التوافقي بالانحراف الرتبي للعينة الصغيرة. لذا يُوصى في هذه السيناريوهات بالاعتماد على خوارزميات التوزيع التبادلي الدقيق (Exact Permutation Tests) المدمجة في البرمجيات الإحصائية المتطورة، وتجنب الاعتماد الأعمى على تقريب $Z$ دون التحقق من استقرار التوزيع.

10. تطبيقات عملية لجدول مان ويتني U في البحوث النفسية والسريرية

10.1 دراسات علم النفس العصبي والوظائف التنفيذية

يواجه الباحثون في مجال علم النفس العصبي (Neuropsychology) تحديات جمة في جمع عينات ضخمة من المرضى المصابين بآفات دماغية بؤرية محددة؛ كمرضى إصابات الفص الجبهي أو السكتات الدماغية الحادة. في دراسة نموذجية تقارن بين مجموعة من مرضى الفص الجبهي ($n_1 = 7$) ومجموعة من الأصحاء المرجعيين ($n_2 = 9$) على اختبار ستروب للألوان والكلمات (Stroop Test) لقياس كف الاستجابة التنفيذية والتحكم الانتباهي، يمثل زمن الاستجابة وعدد الأخطاء متغيرات تميل بشدة نحو الالتواء الإيجابي غير الطبيعي.

من خلال تحويل أزمنة الاستجابة إلى رتب وتطبيق اختبار مان ويتني، يستخرج الباحث قيمة $U$ المحسوبة ثم يطابقها مع القيمة الحرجة المقابلة لـ ($n_1 = 7, n_2 = 9$) في جدول $\alpha = 0.05$ ثنائي الذيل، والتي تساوي $U_{\text{crit}} = 12$. إذا أسفرت النتائج عن قيمة $U_{\text{calc}} le 12$، يستنتج الباحث وجود عجز دال إحصائياً في وظائف الكف التنفيذي لدى المرضى دون انتهاك شروط القياس السيكومتري بسبب صغر العينة والتواء البيانات.

10.2 تقييم برامج التدخل والعلاج النفسي الجمعي

في أبحاث العلاج النفسي الجمعي، يتم استخدام جدول مان ويتني بانتظام للمقارنة بين بروتوكولات التدخل العلاجي. على سبيل المثال، مقارنة درجات مقياس جودة الحياة النفسية المعتمد على تدريج ليكرت الخماسي بين مجموعة من مرضى اضطراب الشخصية الحدية تلقوا العلاج السلوكي الجدلي (DBT) ($n_1 = 10$) ومجموعة أخرى تلقت الدعم النفسي التقليدي غير الموجه ($n_2 = 10$).

يوضح الجدول التوضيحي التالي البيانات الإحصائية والقرار المنهجي المستند إلى جدول مان ويتني:

المجموعة التدخلية	حجم العينة (n)	مجموع الرتب (R)	قيمة U المحسوبة	القيمة الحرجة (α = .05)	القرار الإحصائي
العلاج السلوكي الجدلي (DBT)	10	138.5	U = 16.5	Ucrit = 23	رفض الفرضية الصفرية (دال إحصائياً)
الدعم النفسي التقليدي	10	71.5

تؤكد المقارنة المباشرة تفوق مجموعة العلاج السلوكي الجدلي بدرجة دالة إحصائياً، حيث إن القيمة المحسوبة (16.5) أصغر بكثير من القيمة الحرجة المستخرجة من الجدول (23).

10.3 أبحاث علم النفس التربوي والفروق الفردية

تعتمد أبحاث القياس النفسي التربوي على جدول مان ويتني U عند تقنين وتطوير الاختبارات التشخيصية للفروق الفردية وصعوبات التعلم. عند مقارنة سرعة المعالجة الفونولوجية بين التلاميذ المشخصين بعسر القراءة (Dyslexia) ($n_1 = 6$) وأقرانهم العاديين ($n_2 = 8$)، تُظهر الدرجات الخام تباينات فردية مفرطة تؤدي إلى فشل اختبارات تجانس التباين البارامترية (كـ Levene’s Test).

يمكّن جدول مان ويتني الباحث من فحص الفروق الرتبية بدقة؛ حيث يتم استخراج القيمة الحرجة عند التقاطع ($n_1 = 6, n_2 = 8$) عند مستوى $\alpha = 0.01$ (والتي تساوي 5). يتيح هذا الإجراء للمشخص التربوي تأكيد وجود فجوة حقيقية في الكفاءة الفونولوجية، مما يوفر سنداً تشخيصياً علمياً لبناء الخطط التربوية الفردية داخل البيئات المدرسية.

11. الأخطاء الشائعة عند استخدام جدول مان ويتني U وتفسير نتائجه

11.1 الخلط في اتجاه منطقة الرفض (العلاقة العكسية)

يُعد الخلط في اتجاه اتخاذ القرار الإحصائي الخطأ الأكثر شيوعاً وتكراراً بين الباحثين المبتدئين في التحليل اللابارامتري. نظراً لاعتياد الباحثين على منطق اختبارات $t$ و $F$ و $z$ حيث تقود القيم الكبيرة المحسوبة إلى رفض الفرضية الصفرية، يقع البعض في خطأ عكسي كارثي برفض الفرضية الصفرية عندما تكون قيمة $U$ المحسوبة أكبر من القيمة الحرجة المستخرجة من الجدول.

يجب ترسيخ الفهم الهندسي والرياضي لإحصائية $U$؛ فالقيمة الكبيرة تعني تداخلاً رتبياً واسعاً وتشابكاً في درجات المجموعتين، وهو ما يتطابق مع صحة الفرضية الصفرية. أما القيمة الصغيرة لـ $U$، فهي الدليل الرياضي على الانفصال التام بين رتب المجموعتين وتمايز أفرادهما. وبالتالي، فإن القاعدة الثابتة التي لا تقبل الاستثناء هي: لا تُرفض الفرضية الصفرية إلا إذا كانت $U_{\text{calc}} le U_{\text{crit}}$.

11.2 إهمال اتجاه الفرضية ومستويات الذيل المناسبة

يتمثل الخطأ المنهجي الثاني في عدم المواءمة بين الفرضية المصاغة ونوع الجدول المستخدم للقراءة. يقود استخدام جدول ثنائي الذيل لاختبار فرضية موجهة نظرياً إلى فرض تشدد إحصائي غير مبرر، مما يرفع من احتمالية الوقوع في الخطأ من النوع الثاني ويفوت على الباحث فرصة رصد الفروق الحقيقية بسبب تقليص القوة الإحصائية.

وعلى العكس من ذلك، فإن اللجوء إلى جداول الاختبار أحادي الذيل دون تأسيس نظري مسبق وفقط لرفع احتمالية تحقيق الدلالة الإحصائية يُعد خرقاً لأمانة البحث العلمي وتضخيماً لمعدلات الخطأ الإيجابي الزائف. يجب دائماً تحديد اتجاه الفرضية قبل بدء جمع البيانات والالتزام بقواعد التحويل بين الجداول الأحادية والثنائية كما تم تفصيلها بدقة.

11.3 تجاهل تأثير الرتب المتكررة وحجم الأثر

يقع بعض الباحثين في خطأ الاعتماد المباشر على القيم الحرجة المستخرجة من جدول مان ويتني التقليدي عند تحليل بيانات تتضمن نسباً هائلة من الرتب المتطابقة (Tied Ranks)، كاستخدام مقاييس تتكون من ثلاثة خيارات فقط مع عينات متقاربة. يؤدي التكرار الكثيف للرتب إلى تضخيم قيمة $U$ وتشويه التوزيع الاحتمالي للجدول المعياري، مما يستلزم استخدام التصحيحات الرياضية أو البرمجيات الدقيقة.

بالإضافة إلى ذلك، يُعد الاكتفاء بتقرير القيمة المستخرجة من الجدول والقرار الثنائي (دال / غير دال) قصوراً منهجياً يتعارض مع توجهات القياس النفسي الحديث. يجب دائماً إرفاق النتائج بحساب حجم الأثر المناسب، مثل معامل ارتباط الرتب الثنائي (Rank-Biserial Correlation – $r_{rb}$) أو حساب معامل $r$ المشتق من الدرجة المعيارية:

$$r = \frac{Z}{\sqrt{N}}$$

حيث يسمح حجم الأثر بتقدير الأهمية السريرية والتطبيقية للفروق بمعزل عن التأثير الميكانيكي لحجم العينة.

12. المقارنة بين جدول مان ويتني U والجداول الإحصائية اللابارامترية والبارامترية الأخرى

12.1 مقارنة جدول مان ويتني U بجدول ويلكوكسون لرتب الإشارات (Wilcoxon Signed-Rank)

على الرغم من أن كلاً من الاختبارين يعتمدان على تحويل البيانات إلى رتب وينتميان لعائلة التحليلات اللابارامترية التي أسسها ويلكوكسون، إلا أن هناك تبايناً جذرياً في المنهجية التجريبية وبنية الجداول الإحصائية المقابلة لكل منهما:

• جدول مان ويتني U: مخصص حصرياً لتصاميم العينات المستقلة (Between-Subjects Design)، حيث تتم المقارنة بين مجموعتين منفصلتين تماماً من الأفراد، وتعتمد قراءة الجدول على تقاطع حجمين مستقلين ($n_1$ و $n_2$).
• جدول ويلكوكسون لرتب الإشارات ($W$ أو $T$): مخصص لتصاميم العينات المرتبطة أو القياسات المتكررة (Within-Subjects / Repeated Measures Design)، مثل مقارنة القياس القبلي والبعدي لنفس الأفراد، وتعتمد قراءة الجدول على حجم عينة واحد يمثل عدد الأزواج غير الصفرية ($N$).

يوضح هذا التمييز ضرورة اختيار الجدول الإحصائي الذي يطابق المخطط التجريبي للدراسة السريرية لمنع خرق استقلالية البيانات.

12.2 مقارنة جدول مان ويتني U بجدول اختبار كروسكال-واليز (Kruskal-Wallis)

يُمثل اختبار كروسكال-واليز (Kruskal-Wallis Test) الامتداد الطبيعي لاختبار مان ويتني U عندما يتوسع التصميم التجريبي ليشمل مقارنة ثلاثة مجموعات مستقلة أو أكثر (مثل مقارنة فاعلية ثلاثة بروتوكولات علاجية: علاج دوائي، علاج معرفي، وعلاج وهمي).

يختلف المرجع الجدولي في هذه الحالة؛ فاختبار كروسكال-واليز يولد إحصائية تُعرف بـ $H$، والتي تخضع في توزيعها الاحتمالي لـ جدول توزيع كاي تربيع ($\chi^2$) بدرجات حرية مساوية لـ ($k – 1$) حيث يمثل $k$ عدد المجموعات. ومع ذلك، يظل جدول مان ويتني U حاضراً وبقوة في هذه التصاميم كأداة لإجراء المقارنات البعدية الثنائية (Post-Hoc Pairwise Comparisons) لتحديد أي المجموعات تختلف نوعياً عن الأخرى، مع تطبيق تصحيحات تعديل مستوى الدلالة لحماية معدل الخطأ الكلي في الدراسة.

12.3 مقارنة جدول مان ويتني U بجدول توزيع t للعينات المستقلة

عند المفاضلة بين جدول مان ويتني وجدول توزيع $t$ للعينات المستقلة، يبرز مفهوم الكفاءة النسبية التقاربية (Asymptotic Relative Efficiency – ARE). تثبت الحسابات الرياضية الإحصائية أن كفاءة اختبار مان ويتني مقارنة باختبار $t$ تبلغ حوالي 95.5% حتى في حال استيفاء البيانات لشروط التوزيع الطبيعي الكامل، مما يعني أنه لا يضحي سوى بقدر ضئيل جداً من القوة الإحصائية في الحالات المثالية.

أما عندما تنتهك البيانات شروط الاعتدالية وتتسم بالالتواء الشديد أو وجود قيم متطرفة، فإن الكفاءة النسبية لجدول مان ويتني تتفوق بمراحل دراماتيكية على جدول $t$، حيث ترتفع قدرته على اكتشاف الفروق الحقيقية التي يعجز اختبار $t$ عن رصدها بسبب تضخم التباين الخ خطأ. يلخص المخطط المنهجي التالي معايير المفاضلة لاتخاذ القرار الأمثل في البيئات السيكومترية الميدانية والعيادية:

وجه المقارنة	جدول مان ويتني U	جدول توزيع t للعينات المستقلة
نوع الاختبار	لابارامتري (Non-parametric)	بارامتري (Parametric)
مستوى قياس البيانات	ترتيبي (Ordinal) أو كمي منحرف	فتري / نسبي (Interval / Ratio)
افتراض التوزيع الطبيعي	غير مشترط تماماً	افتراض جوهري وصارم
الحساسية للقيم المتطرفة	مقاومة فائقة وثابتة	شديد الحساسية والتشوه
منطق اتخاذ القرار	الدلالة عند $U_{\text{calc}} le U_{\text{crit}}$ (عكسي)	الدلالة عند $|t_{\text{calc}}| ge t_{\text{crit}}$ (طردي)

خاتمة

يُمثل جدول مان ويتني U إحدى الأدوات الرياضية والمنهجية الأكثر قيمة في ترسانة التحليل الإحصائي السيكومتري والإكلينيكي. إن الفهم العميق لبنية هذا الجدول، والوعي بالمنطق الرياضي العكسي لمنطقة الرفض، واستيعاب آليات التحويل الدقيقة بين الاختبارات الأحادية والثنائية الذيل، يمنح الباحثين والعياديين القدرة على استنطاق البيانات الترتيبية والمعقدة واستخراج استدلالات علمية تتسم بأعلى درجات الصرامة والموثوقية.

ومع التقدم الكبير في البرمجيات الإحصائية الحديثة، يظل استيعاب المبادئ اليدوية لقراءة جدول مان ويتني وتفسير قيمه الحرجة الأساس المعرفي الذي لا غنى عنه لأي باحث يسعى لتفسير مخرجات الحواسيب تفسيراً نقدياً واعياً يربط بين الأرقام الصماء والقرارات السريرية والتربوية التي تمس حياة الأفراد في الممارسة الميدانية الواقعية.

المراجع (References)

• Conover, W. J. (1999). Practical Nonparametric Statistics (3rd ed.). John Wiley & Sons. https://www.wiley.com/en-us/Practical+Nonparametric+Statistics%2C+3rd+Edition-p-9780471160687
• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE Publications. https://uk.sagepub.com/en-gb/rea/discovering-statistics-using-ibm-spss-statistics/book255940
• Gibbons, J. D., & Chakraborti, S. (2010). Nonparametric Statistical Inference (5th ed.). Chapman and Hall/CRC. https://doi.org/10.1201/EBK1439806128
• Hollander, M., Wolfe, D. A., & Chicken, E. (2013). Nonparametric Statistical Methods (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781118553299
• Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. The Annals of Mathematical Statistics, 18(1), 50–60. https://doi.org/10.1214/aoms/1177730491
• Siegel, S., & Castellan, N. J. (1988). Nonparametric Statistics for the Behavioral Sciences (2nd ed.). McGraw-Hill.
• Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin, 1(6), 80–83. https://doi.org/10.2307/3001968