جدول مان ويتني يو

يحتل التحليل الإحصائي اللامعلمي (Non-parametric Statistics) مكانة بالغة الأهمية في حقل العلوم النفسية والتربوية والاجتماعية، حيث تتصف الظواهر السلوكية في كثير من الأحيان بتعذر إخضاعها لافتراضات التوزيع الطبيعي الصارمة. وفي قلب هذه الترسانة المنهجية، يبرز جدول مان ويتني يو (Mann-Whitney U Table) بوصفه المرجع المعياري الأكثر رسوخاً لتحديد الدلالة الإحصائية عند فحص الفروق بين مجموعتين مستقلتين لا تستوفيان شروط الاختبارات البارامترية التقليدية مثل اختبار “ت” للعينات المستقلة (Independent Samples t-test).

يمثل جدول مان ويتني يو الأداة المرجعية الأساسية التي تُترجم الحسابات التوافقية والتبادلية لرتب البيانات إلى قرارات إحصائية قاطعة؛ فهو يحدد بدقة متناهية “القيم الحرجة” (Critical Values) المقابلة لحجوم العينات المختلفة ومستويات الدلالة الاحتمالية المحددة مسبقاً من قِبل الباحث. وبفضل هذا الجدول، يستطيع علماء النفس والباحثون الإكلينيكيون دراسة العينات الصغيرة النادرة، كمرضى الاضطرابات العصبية المعقدة أو الحالات السريرية الاستثنائية، دون الوقوع في مأزق الانتهاك المنهجي للشروط الرياضية الكلاسيكية.

يهدف هذا الدليل المرجعي الشامل إلى تفكيك بنية جدول مان ويتني يو من مختلف أبعاده النظرية والتطبيقية، مقدماً للباحث الأكاديمي وطلبة الدراسات العليا خارطة طريق مفصلة تغطي الأسس الرياضية لبناء الجدول، وطرق قراءته الدقيقة، وآلية تطبيق قاعدة اتخاذ القرار المعكوسة التي تميزه عن غيره، إلى جانب استعراض مقارنات تفصيلية، وأمثلة حسابية وسيكومترية واقعية تسهم في تعزيز الفهم العملي وتفادي الأخطاء التحليلية الشائعة.

1. مقدمة إلى جدول مان ويتني يو ومفهومه الإحصائي

1.1 تعريف جدول مان ويتني يو وأهميته في الإحصاء اللامعلمي

يُعرَّف جدول مان ويتني يو بأنه مصفوفة إحصائية مرجعية تحتوي على القيم الحرجة للتوزيع الاحتمالي المنفصل لإحصائية الاختبار اللامعلمي المعروف باسم اختبار مان ويتني يو (Mann-Whitney U Test)، والذي يُعرف أيضاً في بعض الأدبيات باسم اختبار ويلكوكسون لمجموع الرتب للمجموعات المستقلة (Wilcoxon Rank-Sum Test). تكمن الوظيفة الجوهرية لهذا الجدول في توفير عتبات رقمية فاصلة تُمكن الباحث من الفصل بين التباين العشوائي الناتج عن الصدفة والمعاينة، وبين التباين المنهجي الحقيقي الدال إحصائياً بين مجموعتين مستقلتين من البيانات.

تنبع الأهمية القصوى لهذا الجدول من كونه يلغي الحاجة لافتراض توزيع طبيعي للبيانات في المجتمع الأصلي (Normality Assumption)، كما يتجاوز شرط تجانس التباين (Homogeneity of Variance) بصيغته المعلمية المتشددة. في البحوث السيكولوجية والسلوكية، يواجه الباحثون مراراً بيانات لا تنتمي إلى المقاييس الفئوية أو النسبية الخالصة، بل تقع ضمن مقاييس الرتب الترتيبية (Ordinal Scales)، مثل مقاييس التقدير السلوكي ومقاييس ليكرت المتعددة؛ وهنا يأتي جدول مان ويتني يو ليوفر الإطار الاحتمالي الدقيق لتقييم مثل هذه البيانات دون تشويه لبنيتها الرياضية.

علاوة على ذلك، يُعد الجدول ركناً أساسياً في الأبحاث التي تختبر الفروق في التوزيع الوسيطي بين المجموعات التجريبية والضابطة، حيث يتيح للباحث التحقق مما إذا كانت درجات إحدى المجموعتين تميل منهجياً إلى أن تكون أعلى أو أدنى من درجات المجموعة الأخرى، استناداً إلى مجموع رتب المشاهدات بعد دمجها وترتيبها تصاعدياً، مما يمنحه موثوقية عالية لا تتأثر بوجود قيم متطرفة قد تعصف بدقة الاختبارات المعلمية.

1.2 الأسس الرياضية والنظرية لبناء جدول مان ويتني يو

يستند بناء جدول مان ويتني يو إلى نظرية الاحتمالات التوافقية والتبادلية (Combinatorial Permutations). عند افتراض صحة الفرضية الصفرية ($H_0$)، والتي تنص على أن العينتين المستقلتين مسحوبتان من نفس المجتمع المتطابق، فإن كل ترتيب ممكن للمشاهدات المدمجة من العينتين ذات الحجمين $n_1$ و $n_2$ يكون متساوي الاحتمال. يبلغ العدد الإجمالي للتباديل الممكنة لترتيب هذه المشاهدات المقدار التوافقي الرياضي المعروف بـ $\binom{n_1 + n_2}{n_1} = \frac{(n_1 + n_2)!}{n_1! n_2!}$.

لكل تبديل محتمل من هذه التباديل، يتم حساب القيمة الناتجة لإحصائية $U$. وبحساب تكرار كل قيمة محتملة لـ $U$ وتقسيم هذا التكرار على العدد الكلي للتباديل، يتشكل التوزيع الاحتمالي التراكمي الدقيق (Exact Probability Distribution). يتم بعد ذلك استخراج القيم الحرجة التي تترك في ذيل التوزيع الاحتمالي مساحة تراكمية تتطابق مع مستوى الدلالة المستهدف ($\alpha$)، مثل $0.05$ أو $0.01$ أو $0.10$.

تتطابق قيم هذا الجدول نظرياً مع اختبار ويلكوكسون لمجموع الرتب عبر علاقة خطية محكمة؛ حيث ترتبط إحصائية $U$ بمجموع الرتب $W$ عبر المعادلة التحويلية: $U = W – \frac{n(n+1)}{2}$. ويتم عبر هذا التأسيس الرياضي ضبط معدل الخطأ من النوع الأول (Type I Error Rate) بدقة متناهية للعينات الصغيرة، مما يجعل القيم الجدولية ضمانة رياضية ضد رفض الفرضية الصفرية الصادقة دون مبرر إحصائي سليم.

1.3 متى يلجأ الباحث النفسي إلى جدول مان ويتني يو؟

يلجأ الباحث في ميدان العلوم السلوكية والنفسية إلى جدول مان ويتني يو في ظروف منهجية وإحصائية محددة تمنع استخدام اختبار “ت” لعينتين مستقلتين. الحالة الأولى والأكثر شيوعاً هي انتهاك شرط التوزيع الطبيعي للبيانات المدروسة، والذي يتم التحقق منه عبر اختبارات مثل شابيرو-ويلك (Shapiro-Wilk) أو كولموجوروف-سميرنوف (Kolmogorov-Smirnov)، حيث تُظهر البيانات التواءً حاداً (Skewness) أو تفرطحاً شاذاً (Kurtosis) يجعل المتوسط الحسابي مضللاً.

الحالة الثانية تتمثل في صغر حجم العينات المدروسة، كأن يكون حجم إحدى المجموعتين أو كلتيهما أقل من $20$ فرداً، وفي بعض الأحيان أقل من $10$ أفراد، وهو ما يتكرر في الدراسات الإكلينيكية ودراسات الحالة الفردية المعمقة في علم النفس العصبي (American Psychological Association). في مثل هذه الحجوم، تفقد نظرية النهاية المركزية فاعليتها، وتصبح المقاييس المعلمية شديدة الهشاشة.

الحالة الثالثة تتعلق بطبيعة أداة القياس نفسها، حين تُجمع الاستجابات عبر مقاييس ترتيبية مثل مقاييس التقدير المتدرجة (Likert Scales) لتقييم شدة الاكتئاب، أو مستويات القلق، أو درجات العدوانية؛ حيث تكون المسافات بين النقاط غير متساوية رياضياً. وأخيراً، يُعد الجدول الملاذ الآمن عند احتواء البيانات على قيم شاذة أو متطرفة حقيقية (Outliers) لا يمكن استبعادها لأسباب منهجية، إذ يقوم تحويل الدرجات إلى رتب بتحييد التأثير المشوه للقيم القصوى على القرار الإحصائي.

2. البنية الهيكلية لجدول مان ويتني يو وكيفية تنظيمه

2.1 محاور الجدول: حجوم العينات (n1 و n2)

تعتمد بنية جدول مان ويتني يو على نظام مصفوفي ثنائي المحاور مصمم بدقة؛ يمثل أحد المحورين (الأفقي عادة) حجم العينة الأولى ويرمز له بالرمز $n_1$، بينما يمثل المحور الآخر (الرأسي) حجم العينة الثانية ويرمز له بالرمز $n_2$. في الجداول الموسعة، تتراوح قيم $n_1$ و $n_2$ عادة من $1$ إلى $20$ مشاهدة لكل مجموعة، وتغطي مختلف التوليفات الحجمية المحتملة في العينات الصغيرة والمتوسطة.

تتسم مصفوفة مان ويتني بخاصية التناظر الرياضي والتبادلية التامة (Symmetry and Commutativity)؛ وهذا يعني أن القيمة الحرجة الناتجة عن تقاطع الصف الذي يمثل $n_1 = 5$ مع العمود الذي يمثل $n_2 = 8$ هي نفسها تماماً القيمة الحرجة الناتجة عن تقاطع الصف $n_1 = 8$ مع العمود $n_2 = 5$. هذه الخاصية تجعل الجدول مرناً وتسمح للباحث بوضع أي من العينتين على أي من المحورين دون التأثير على صحة القيمة المستخرجة.

عند التعامل مع تفاوت كبير في الحجم بين المجموعتين (كأن تكون $n_1 = 4$ بينما $n_2 = 18$)، تمتد الجداول الشاملة لتغطي هذه الفروق، شريطة ألا يتجاوز أي من الحجمين الحد الأقصى للجداول المنفصلة المطبوعة، حيث يستوجب تخطي ذلك الانتقال إلى أساليب التقريب المعياري كما سيتم تفصيله لاحقاً.

2.2 طريقة عرض القيم الحرجة داخل خلايا الجدول

تحتوي كل خلية ناتجة عن تقاطع قيمة معينة لـ $n_1$ وقيمة لـ $n_2$ على رقم صحيح محدد، يمثل هذا الرقم القيمة الحرجة الدنيا ($U_{\text{critical}}$ أو $U_{\alpha}$). تمثل هذه القيمة أقصى رقم لإحصائية $U$ المحسوبة يمكن عنده رفض الفرضية الصفرية بمستوى ثقة محدد؛ أي أن أي قيمة محسوبة تساوي أو تقل عن هذا الرقم تقع داخل منطقة الرفض وتعد دالة إحصائياً.

في بعض المراجع الإحصائية الرياضية المتقدمة، يتم إدراج القيم الحرجة العليا أيضاً، والتي يمكن اشتقاقها بسهولة بالاعتماد على المبدأ التناظري لتوزيع مان ويتني عبر المعادلة الحسابية: $U’_{\text{critical}} = (n_1 \times n_2) – U_{\text{critical}}$. إلا أن الغالبية الساحقة من الجداول التطبيقية في علم النفس تقتصر على إيراد القيم الحرجة الصغرى، لكونها تتطابق مباشرة مع القيمة الصغرى لإحصائية الاختبار المحسوبة ($U = \min(U_1, U_2)$).

التفسير الاحتمالي لهذه الأرقام يعني أن احتمالية الحصول بالصدفة البحتة على قيمة لإحصائية $U$ تساوي أو تقل عن القيمة المدرجة بالجدول هي احتمالية تساوي تماماً أو تقل قليلاً عن مستوى ألفا المختار، نظراً للطبيعة المنفصلة للتوزيع التوافقي الذي لا يأخذ سوى أرقام صحيحة موجبة.

2.3 نسخ وتنسيقات الجداول المختلفة في المراجع الأكاديمية

تختلف طرق تنسيق وإخراج جداول مان ويتني يو بين المراجع الأكاديمية بحسب التخصص والمستوى الرياضي للكتاب. التنسيق الأكثر شيوعاً في كتب الإحصاء النفسي والتربوي هو تخصيص صفحة كاملة أو جدول مستقل لكل مستوى من مستويات الدلالة ($\alpha = 0.05, \alpha = 0.01, \alpha = 0.10$)، مقسمة وفقاً لما إذا كان الاختبار أحادي الذيل (One-Tailed) أو ثنائي الذيل (Two-Tailed)، مما يسهل على الباحث العثور على القيمة المباشرة دون الحاجة لإجراء عمليات تحويلية إضافية.

أما التنسيق الآخر الشائع في المراجع الإحصائية الرياضية، فيتمثل في إدراج جدول مدمج يضم عدة مستويات دلالة داخل الخلية الواحدة؛ حيث يجد الباحث مستويات ألفا مرتبة رأسياً داخل كل تقاطع لـ $n_1$ و $n_2$ (مثلاً القيمة العلوية لـ $\alpha = 0.05$ والسفلية لـ $\alpha = 0.01$). يتطلب هذا النوع تركيزاً بصرياً دقيقاً لتفادي قراءة القيمة الخاطئة المجاورة لمستوى آخر.

كما توجد جداول احتمالية دقيقة (Exact Cumulative Probability Tables) لا تكتفي بوضع القيمة الحرجة الفاصلة، بل تسرد القيم الاحتمالية الدقيقة المقابلة لكل قيمة ممكنة لـ $U$ من الصفر وحتى القيمة القصوى لحجوم عينات محددة، وهي تفيد في البحوث الدقيقة التي تتطلب توثيق مستويات الدلالة الاحتمالية الفعلية ($p\text{-values}$) وليس فقط مقارنتها بنقطة قطع ثابتة.

3. مستويات الدلالة الإحصائية (Alpha Levels) في جدول مان ويتني يو

3.1 جدول مان ويتني عند مستوى دلالة ألفا = 0.05

يمثل مستوى الدلالة $\alpha = 0.05$ المعيار الذهبي والأكثر تطبيقاً في أدبيات علم النفس والعلوم السلوكية. يعكس هذا المستوى درجة ثقة إحصائية قدرها $95%$، مما يعني أن الباحث يقبل بنسبة مخاطرة لا تتعدى $5%$ لارتكاب خطأ من النوع الأول (رفض فرضية صفرية وهي صحيحة في الواقع). في جدول مان ويتني عند $\alpha = 0.05$، تكون القيم الحرجة متوازنة بحيث تمنح الاختبار قوة إحصائية كافية لاكتشاف الفروق الحقيقية دون إفراط في التساهل أو التشدد.

على سبيل المثال، عند فحص جدول الدلالة لمستوى $\alpha = 0.05$ (لاختبار ثنائي الذيل)، نجد أنه بالنسبة لحجم عينة $n_1 = 6$ و $n_2 = 6$، تبلغ القيمة الحرجة للجدول $U = 5$. هذا يعني أنه لكي يُعلن الباحث عن وجود فرق دال إحصائياً بين المجموعتين النفسيتين، يجب أن تنخفض قيمة $U$ المحسوبة وتصل إلى $5$ أو أقل (أي $5, 4, 3, 2, 1, 0$).

توفر جداول مستوى $0.05$ تغطية واسعة تبدأ من أصغر التوليفات الحجمية الممكنة إحصائياً، وتعد حساسية الاختبار عند هذا المستوى ممتازة للبحوث التجريبية العامة في المدارس ومراكز الإرشاد النفسي التي تتطلب اتخاذ قرارات مبنية على أدلة واضحة دون المغالاة في تقليل مناطق الرفض.

3.2 جدول مان ويتني عند مستوى دلالة ألفا = 0.01

يُعد مستوى الدلالة $\alpha = 0.01$ المعيار الأكثر صرامة وتحفظاً، ويُستخدم بصفة أساسية في البحوث النفسية الإكلينيكية، والطب النفسي، والدراسات الدوائية العصبية التي تترتب على نتائجها قرارات علاجية وتشخيصية حرجة. يضمن هذا المستوى درجة ثقة تبلغ $99%$، مما يقلص احتمالية الخطأ من النوع الأول إلى $1%$ فقط، إلا أن ذلك يترتب عليه بالضرورة تضييق منطقة الرفض ورفع احتمالية الوقوع في الخطأ من النوع الثاني (Type II Error).

عند الانتقال إلى جدول مان ويتني لمستوى $\alpha = 0.01$، يُلاحظ انخفاض واضح في القيم الحرجة المسجلة داخل الخلايا مقارنة بجدول $0.05$ لنفس حجوم العينات؛ ففي المثال السابق ($n_1 = 6, n_2 = 6$)، تنخفض القيمة الحرجة عند مستوى $0.01$ ثنائي الذيل لتصبح $2$ فقط. وبذلك، لن تصبح النتيجة دالة إلا إذا حققت إحصائية $U$ المحسوبة قيماً متطرفة جداً ($2$ أو $1$ أو $0$).

يفرض جدول $0.01$ قيوداً حجمية أكبر على العينات؛ حيث تظهر العديد من الخلايا الفارغة أو علامات الشرطة (Dash) في التوليفات الحجمية شديدة الصغر (مثل $n_1 = 3, n_2 = 3$)، نظراً لأن العدد الإجمالي للتباديل الممكنة في هذه العينات الصغيرة لا يسمح رياضياً ببلوغ احتمال دقيق يقل عن $0.01$ حتى لو انفصلت رتب المجموعتين انفصالاً تاماً.

3.3 جدول مان ويتني عند مستوى دلالة ألفا = 0.10

يُستخدم جدول مان ويتني يو عند مستوى الدلالة $\alpha = 0.10$ في الدراسات الاستكشافية (Exploratory Research)، والمراحل الأولية من بناء النظريات السيكولوجية، وبحوث تقييم الاحتياجات الميدانية الأولية. يتيح هذا المستوى درجة ثقة قدرها $90%$، مما يجعله أكثر تساهلاً في رفض الفرضية الصفرية، ويوفر قوة اختبار أعلى تتيح رصد المؤشرات الأولية للتأثيرات التجريبية الضعيفة التي قد تتلاشى في المستويات الأكثر تشدداً.

تكون القيم الحرجة في جدول $\alpha = 0.10$ أكبر عدداً وأوسع نطاقاً مقارنة بجداولي $0.05$ و $0.01$ لنفس حجوم العينات، مما يوسع منطقة الرفض ويسهل تحقيق الدلالة الإحصائية. ففي حالة $n_1 = 6$ و $n_2 = 6$ لاختبار ثنائي الذيل، ترتفع القيمة الحرجة إلى $7$.

يتطلب استخدام هذا الجدول انضباطاً منهجياً وأمانة أكاديمية؛ إذ يجب على الباحث التصريح المسبق بتبني هذا المستوى في خطة البحث قبل جمع البيانات لتفادي الانزلاق نحو التبرير البعدي، كما يُفضل في تقارير البحوث المحكمة تدعيم قرارات مستوى $0.10$ بحسابات دقيقة لحجم الأثر لضمان عدم تضليل المجتمع العلمي بفروق عشوائية المنشأ.

4. الفرق بين الاختبار أحادي الذيل وثنائي الذيل باستخدام الجدول

4.1 مفهوم الاختبار ثنائي الذيل (Two-Tailed) والرجوع للجدول

يُطبق الاختبار ثنائي الذيل عندما يصوغ الباحث فرضية بديلة غير موجهة ($H_1: \text{Distribution}_1 \neq \text{Distribution}_2$)، تفيد بوجود فروق جوهرية بين المجموعتين دون تحديد مسبق للجهة أو المجموعة التي ستتفوق في الرتب؛ كأن يفترض الباحث وجود فرق في مستوى القلق بين الذكور والإناث دون جزم أيهما أكثر قلقاً. في هذه الحالة، تتوزع منطقة الرفض المقدرة بـ $\alpha$ بالتساوي على طرفي التوزيع الاحتمالي لإحصائية $U$ بمقدار $\frac{\alpha}{2}$ لكل ذيل.

عند الرجوع للجدول المخصص للاختبارات ثنائية الذيل، يقرأ الباحث القيمة الحرجة مباشرة تحت مستوى $\alpha$ المطلوب (مثلاً $\alpha = 0.05$). تكون هذه القيمة أكثر تحفظاً وأصغر عدداً من نظيرتها في الاختبار أحادي الذيل لنفس المستوى الاسمي، لأنها تحسب حساب إمكانية ظهور الفروق في كلا الاتجاهين الإيجابي أو السلبي.

يعد الاختبار ثنائي الذيل الخيار الافتراضي والآمن في الأبحاث النفسية المحكمة، حيث يحمي الباحث من التحيزات المعرفية والنظرية، ويضمن عدم تضخيم دلالة النتائج غير المتوقعة التي تظهر في اتجاه معاكس للتوقعات النظرية الأولية.

4.2 قاعدة مضاعفة قيمة ألفا عند الاختبار أحادي الذيل (One-Tailed)

يُستخدم الاختبار أحادي الذيل عندما يمتلك الباحث تأطيراً نظرياً راسخاً أو أدلة تجريبية سابقة قاطعة توجه الفرضية البديلة في اتجاه محدد حصراً ($H_1: \text{Distribution}_1 > \text{Distribution}_2$)؛ مثل الافتراض بأن مجموعة العلاج السلوكي المعرفي ستُظهر درجات اكتئاب أقل حتماً من المجموعة التي لم تتلقَ أي علاج. هنا تتركز منطقة الرفض بالكامل ($\alpha$) في ذيل واحد فقط من التوزيع.

عند عدم توفر جدول مخصص للاختبارات أحادية الذيل، يطبق الباحث قاعدة التحويل القياسية: يتم البحث في جدول الاختبار ثنائي الذيل عند ضعف قيمة ألفا المستهدفة. على سبيل المثال، إذا كان الباحث يختبر فرضية موجهة عند مستوى دلالة أحادي الذيل $\alpha = 0.05$، فإنه يفتح جدول الاختبار ثنائي الذيل ويبحث تحت عمود $\alpha = 0.10$.

تنطوي هذه القاعدة على منطق رياضي مباشر؛ إذ إن قيمة $\alpha = 0.10$ الموزعة على ذيلين تضع في كل ذيل مساحة احتمالية قدرها $0.05$، وهو تماماً ما يحتاجه الباحث لاختباره أحادي الذيل. ومع ذلك، تحذر المعايير المنهجية لجمعية علم النفس الأمريكية (APA Style Guidelines) من اللجوء التعسفي للاختبارات أحادية الذيل لمجرد تسهيل الوصول للدلالة الإحصائية، وتشترط وجود مسوغ نظري حاسم وموثق سلفاً.

4.3 مقارنة بصرية وتطبيقية بين استخدام الجدول لكلا النوعين

تتجلى المقارنة التطبيقية بين النوعين في اتساع منطقة الرفض وارتفاع القيمة الحرجة المستخرجة من الجدول عند استخدام الاختبار أحادي الذيل مقارنة بالاختبار ثنائي الذيل. إذا افترضنا دراسة بحجم عينة $n_1 = 7, n_2 = 8$ ومستوى دلالة مستهدف قدره $0.05$:

• في الاختبار ثنائي الذيل ($\alpha = 0.05$ Two-Tailed)، تبلغ القيمة الحرجة من الجدول $U = 10$.
• في الاختبار أحادي الذيل لنفس المستوى ($\alpha = 0.05$ One-Tailed، بالرجوع لجدول ثنائي الذيل عند $\alpha = 0.10$)، ترتفع القيمة الحرجة لتصبح $U = 13$.

هذا الفارق الرقمي (من $10$ إلى $13$) يعني أن حصول الباحث على قيمة محسوبة قدرها $U = 12$ سيؤدي إلى رفض الفرضية الصفرية وإعلان الدلالة إذا كان الاختبار أحادي الذيل وموجهاً، في حين سيفشل في رفض الفرضية الصفرية وتعتبر نتيجته غير دالة إذا كان الاختبار ثنائي الذيل. يوضح هذا التباين الحاسم ضرورة التوثيق المنهجي الصريح لنوع الذيل ومبررات اختياره في متن التقرير البحثي لتفادي الالتباس التفسيري.

5. خطوات قراءة القيم الحرجة من جدول مان ويتني يو بدقة

5.1 تحديد المعطيات الأولية قبل فتح الجدول

تتطلب القراءة الصحيحة والناجحة من جدول مان ويتني استيفاء وتجهيز أربعة معطيات منهجية مسبقة لضمان عدم الوقوع في الخطأ الإحصائي:

1. الحجم الفعلي للعينة الأولى ($n_1$): حساب عدد الأفراد المشاركين فعلياً في المجموعة الأولى بعد استبعاد الحالات الشاردة أو الاستجابات غير المكتملة.
2. الحجم الفعلي للعينة الثانية ($n_2$): تحديد عدد أفراد المجموعة المقارنة المستقلة بنفس الدقة والتحقق من عدم وجود قيم مفقودة تؤثر على التعداد الحقيقي.
3. مستوى الدلالة المقبول ($\alpha$): تحديد قيمة ألفا المعتمدة للدراسة ($0.05$، $0.01$، أو $0.10$) بناءً على طبيعة البحث والمخاطر المترتبة على قراراته.
4. اتجاه الفرضية الإحصائية: الحسم المسبق لما إذا كانت الفرضية موجهة (One-Tailed) أو غير موجهة (Two-Tailed) لتحديد الجدول أو العمود الواجب اعتماده.

يجب كذلك التأكد التام من استيفاء بيانات البحث لشروط الاختبار اللامعلمي، واستقلالية المشاهدات تماماً بين المجموعتين، قبل الشروع في مطابقة الأرقام على الجداول المطبوعة.

5.2 مسار القراءة خطوة بخطوة داخل مصفوفة الجدول

لتنفيذ مسار القراءة البصرية المنهجية داخل مصفوفة مان ويتني، يتبع الباحث الخطوات التسلسلية التالية:

الخطوة الأولى: اختيار الصفحة أو القسم المخصص لمستوى الدلالة المحدد ونوع الذيل المطلوب؛ فإذا كانت الفرضية ثنائية الذيل عند $\alpha = 0.05$، يتم الانتقال مباشرة إلى الجدول المكتوب في ترويسته “Critical Values of the Mann-Whitney U for $\alpha = 0.05$ Two-Tailed”.

الخطوة الثانية: تحديد موقع حجم العينة الأولى ($n_1$) على المحور الأفقي الذي يمثل أعمدة الجدول في الجزء العلوي، وتحريك المؤشر البصري رأسياً للأسفل على طول هذا العمود.

الخطوة الثالثة: تحديد موقع حجم العينة الثانية ($n_2$) على المحور الرأسي الذي يمثل صفوف الجدول على الجانب الأيمن أو الأيسر، وتحريك المؤشر البصري أفقياً باتجاه الداخل.

الخطوة الرابعة: تحديد خلية التقاطع الدقيقة التي يلتقي فيها عمود $n_1$ مع صف $n_2$. يمثل الرقم المدون داخل هذه الخلية القيمة الحرجة ($U_{\text{critical}}$).

الخطوة الخامسة: للتحقق التام من دقة القراءة وتفادي الزلل البصري، يقوم الباحث بعكس العملية بالبحث عن $n_2$ على المحور الأفقي و $n_1$ على المحور الرأسي؛ إذ يجب أن تؤدي نقطة التقاطع المعكوسة إلى نفس الرقم تماماً نظراً للتماثل البنيوي للجدول.

5.3 معالجة الحالات الخاصة والتداخلات أثناء القراءة

قد يواجه الباحث أثناء تصفح الجدول بعض الحالات الخاصة التي تتطلب فهماً إحصائياً لطبيعة الجداول المنفصلة. من أبرز هذه الحالات مصادفة خلايا فارغة أو تحتوي على علامة شرطة ($-$) أو رموز خاصة مثل ($*$). تدل هذه الرموز على أنه في ظل حجوم العينات الصغيرة جداً ومستوى الدلالة المختار، يستحيل رياضياً رفض الفرضية الصفرية، حتى لو ترتبت جميع مشاهدات إحدى المجموعتين قبل مشاهدات المجموعة الأخرى بالكامل، لأن التوزيع الاحتمالي المنفصل لا يملك عدداً كافياً من التباديل لتوفير احتمال يقل عن ألفا المحددة.

في الحالات التي يقع فيها حجم إحدى المجموعتين على الحافة القصوى لنطاق الجدول المطبوع (كأن تكون $n_1 = 20$ و $n_2 = 21$) بينما يتوقف الجدول عند $20$، يجب الامتناع عن التخمين أو الاستيفاء الخطي الساذج، والتحول فوراً إلى استخدام معادلة التقريب المعياري لحساب الدرجة المعيارية $Z$ ومقارنتها بجدول التوزيع الطبيعي القياسي.

أما عند استخدام الجداول المدمجة التي تجمع مستويات ألفا متعددة في خلية واحدة مقسمة إلى أسطر فرعية، فيتعين على الباحث التحقق من مفتاح الجدول (Legend) في الهامش السفلي لمعرفة الترتيب الدقيق للأسطر (مثلاً: السطر الأول لـ $p = 0.05$، والسطر الثاني لـ $p = 0.01$) منعاً لتسجيل قيمة حرجة تخص مستوى آخر.

6. آلية اتخاذ القرار الإحصائي ومقارنة قيمة U المحسوبة بالحرجة

6.1 قاعدة القرار المعكوسة في اختبار مان ويتني يو

ينفرد اختبار مان ويتني يو بقاعدة قرار إحصائية معكوسة تماماً مقارنة بغالبية الاختبارات الإحصائية المعلمية واللامعلمية الشائعة (مثل اختبار “ت”، وتحليل التباين “ف”، واختبار كاي تربيع). في تلك الاختبارات الكلاسيكية، تُرفض الفرضية الصفرية عندما تكون القيمة المحسوبة أكبر من أو تساوي القيمة الحرجة، بينما تنص قاعدة اتخاذ القرار في مان ويتني يو على ما يلي:

تُرفض الفرضية الصفرية ($H_0$) ويُحكم بوجود دلالة إحصائية إذا وفقط إذا كانت:

$$\mathbf{U_{\text{calculated}} le U_{\text{critical}}}$$

يعود الأساس الرياضي لهذه القاعدة المعكوسة إلى تعريف إحصائية $U$ نفسها؛ حيث تمثل $U$ عدد المرات التي تسبق فيها درجة من المجموعة الأولى درجة من المجموعة الثانية عند ترتيب البيانات تصاعدياً. وبالتالي، كلما تباعدت المجموعتان وزادت الفروق بينهما، قلّ التداخل بين رتب المشاهدات، مما يؤدي إلى انخفاض قيمة $U$ المحسوبة نحو الصفر. وعندما تنفصل المجموعتان تماماً دون أي تداخل، تصبح قيمة $U$ الصغرى مساوية للصفر ($U = 0$).

من الضروري للباحثين، ولا سيما المبتدئين في التحليل اللامعلمي، إدراك هذا المنطق لتفادي الخطأ الكارثي المتمثل في قبول الفرضية الصفرية عندما تكون القيمة المحسوبة صغيرة، ظناً منهم أن صغر القيمة يعني غياب الفروق، في حين أن الصغر الشديد لقيمة $U$ هو الدليل الأقوى على عظم التباين وتمايز المجموعتين.

6.2 حساب إحصائية U للمجموعتين واختيار القيمة الصغرى (U_min)

للوصول إلى القيمة المحسوبة التي ستتم مقارنتها بجدول مان ويتني، يتم دمج درجات المجموعتين معاً وترتيبها تصاعدياً من الأصغر إلى الأكبر، مع إعطاء كل درجة رتبة عددية من $1$ إلى $(n_1 + n_2)$. بعد ذلك، يتم جمع الرتب الخاصة بالمجموعة الأولى ويرمز لها بالرمز ($R_1$)، وجمع الرتب الخاصة بالمجموعة الثانية ($R_2$).

تُحسب إحصائية $U$ لكل مجموعة بشكل مستقل عبر الصيغتين الرياضيتين التاليتين:

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

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

وللتحقق الصارم من سلامة الحسابات اليدوية، يتم تطبيق المعادلة التوازنية التي تشترط أن يكون مجموع القيمتين مساوياً لحاصل ضرب حجمي العينتين:

$$U_1 + U_2 = n_1 \times n_2$$

بعد التحقق، يختار الباحث القيمة الأصغر بين $U_1$ و $U_2$ لاعتمادها كقيمة محسوبة نهائية للاختبار:

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

تتم بعد ذلك مقارنة هذه القيمة الصغرى بالقيمة الحرجة المستخرجة من جدول مان ويتني يو لتطبيق قاعدة القرار بدقة.

6.3 صياغة القرار الإحصائي وتفسيره السيكولوجي

عندما تتحقق المقارنة وتكون $U_{\text{calculated}} le U_{\text{critical}}$، يصيغ الباحث قراره الإحصائي الرسمي برفض الفرضية الصفرية وقبول الفرضية البديلة، معلناً وجود فروق ذات دلالة إحصائية بين رتب المجموعتين عند مستوى الدلالة المحدد. أما إذا كانت $U_{\text{calculated}} > U_{\text{critical}}$، فإن القرار يكون الفشل في رفض الفرضية الصفرية (Fail to reject $H_0$)، واستنتاج عدم كفاية الأدلة الإحصائية لإثبات تباين المجموعتين.

لا يكتمل التقرير النفسي بمجرد إعلان الدلالة الرقمية، بل يجب أن يمتد ليشمل التفسير السيكولوجي السلوكي للنتيجة. يتم ذلك من خلال فحص متوسطات الرتب (Mean Ranks) أو الوسائط (Medians) للمجموعتين لتحديد اتجاه التفوق المعنوي؛ كأن يُذكر: “أظهرت النتائج أن أفراد المجموعة العلاجية حققوا متوسط رتب أدنى بصورة دالة في مقياس الرهاب الاجتماعي مقارنة بالمجموعة الضابطة، مما يشير إلى فاعلية التدخل العلاجي”.

ولدعم هذا القرار وتوثيقه أكاديمياً وفق معايير الجمعيات النفسية العالمية، يتعين حساب معامل حجم الأثر (Effect Size) المناسب للاختبارات اللامعلمية، وأشهره معامل الارتباط الرتبي المشتق من الدرجة المعيارية:

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

حيث يمثل $N$ الحجم الكلي للمشاهدات المدمجة ($N = n_1 + n_2$). يضمن هذا الإجراء التمييز الجوهري بين الدلالة الإحصائية المحضة المجردة المرتبطة بحجم العينة، وبين الأهمية الإكلينيكية والعملية للتأثير المرصود.

7. التعامل مع العينات الصغيرة في جدول مان ويتني يو

7.1 قوة الاختبار في العينات شديدة الصغر (Micro-samples)

تفرض العينات شديدة الصغر (Micro-samples)، كالتي تحتوي على $3$ أو $4$ أفراد فقط في كل مجموعة، تحديات منهجية بالغة عند التعامل مع جدول مان ويتني يو. تتمثل الإشكالية الرياضية الأولى في أن العدد الإجمالي للتباديل الممكنة يكون محدوداً جداً؛ فعندما يكون $n_1 = 3$ و $n_2 = 3$، فإن عدد التباديل الكلي يبلغ $\binom{6}{3} = 20$ تبديلاً فقط.

في هذا السياق، فإن أدنى احتمال دقيق يمكن بلوغه عند حدوث انفصال تام بين المجموعتين ($U = 0$) هو $\frac{1}{20} = 0.05$ لاختبار أحادي الذيل، أو $0.10$ لاختبار ثنائي الذيل. يترتب على ذلك استحالة رياضية مطلقة لتحقيق دلالة إحصائية عند مستوى $\alpha = 0.05$ ثنائي الذيل أو مستوى $\alpha = 0.01$ مهما كانت الفروق واضحة تجريبياً، وهو ما يفسر خلو جداول $0.01$ من القيم الحرجة لهذه العينات الميكروية.

تتأثر القوة الإحصائية (Statistical Power) للاختبار سلباً بصغر الحجم الشديد، مما يزيد من احتمالية الوقوع في الخطأ من النوع الثاني. ولمواجهة هذه المشكلة في التصاميم النفسية المتخصصة (مثل دراسات التدخلات السلوكية لمرضى متلازمات جينية نادرة)، ينبغي على الباحثين توسيع حجم العينة إلى الحد الأدنى الذي يسمح بالدلالة (على الأقل $n_1 = 4, n_2 = 4$ لمستوى $0.05$ ثنائي الذيل حيث تصبح $U_{\text{critical}} = 0$)، أو الاعتماد على تصاميم السلاسل الزمنية للحالة الفردية (Single-Case Experimental Designs) المعززة بالتحليل البصري والتكراري المتري.

7.2 تأثير الرتب المقيدة (Tied Ranks) على موثوقية المقارنة بالجدول

تحدث مشكلة الرتب المقيدة أو المتعادلة (Tied Ranks) عندما يحصل اثنان أو أكثر من المفحوصين من نفس المجموعة أو من مجموعتين مختلفتين على نفس الدرجة الخام تماماً في مقياس القياس النفسي. في هذه الحالة، يتم منح كل درجة متعادلة متوسط الرتب التي كانت ستشغلها هذه المشاهدات لو كانت متمايزة (مثلاً إذا تعادلت الدرجتان في الموقعين $4$ و $5$، تمنح كل منهما الرتبة $4.5$).

تؤدي الرتب المقيدة إلى تقليص التباين الكلي لتوزيع الرتب، مما يجعل التوزيع الاحتمالي التجريبي ينحرف قليلاً عن التوزيع المنفصل النظري غير المقيد الذي بُنيت على أساسه جداول مان ويتني يو المطبوعة. إذا كانت نسبة التعادلات منخفضة (أقل من $10%$ من مجمل البيانات)، فإن تأثيرها على القيم الحرجة المستخرجة من الجدول يظل مهملاً ولا يغير من سلامة القرار الإحصائي.

أما إذا كانت التعادلات كثيفة ومتكررة (وهو أمر شائع في مقاييس الاستجابة الثنائية أو المقاييس القصيرة جداً المكونة من $3$ نقاط)، فإن الاعتماد المباشر على القيم الحرجة غير المصححة في الجدول قد يصبح مضللاً؛ وفي هذه الظروف، يُنصح بحساب إحصائية $Z$ المعيارية مع تطبيق معادلة تصحيح التباين للرتب المقيدة (Variance Tie-Correction Formula) ومقارنة الناتج المعياري بجدول التوزيع الطبيعي:

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

حيث يمثل $t_i$ عدد المشاهدات المتعادلة في المجموعة المقيدة رقم $i$.

7.3 مقارنة جداول مان ويتني مع الحسابات الاحتمالية الدقيقة (Exact Tests)

مع التطور البرمجي في الحزم الإحصائية المتقدمة مثل IBM SPSS ولغة R وبرمجيات GraphPad Prism، أصبح توليد القيم الاحتمالية الدقيقة (Exact $p$-values) متاحاً بضغطة زر عبر خوارزميات التباديل الشاملة (Network Algorithms). يثير هذا التطور تساؤلاً حول الجدوى المعاصرة للرجوع إلى جداول مان ويتني يو المطبوعة.

تتطابق القيم الحرجة المستخرجة من جداول مان ويتني الدقيقة تطابقاً تاماً بنسبة $100%$ مع مخرجات الاختبارات الدقيقة الحاسوبية؛ فالجدول ليس سوى تمثيل جدولي ثابت لتلك الخوارزميات الاحتمالية عند نقاط قطع محددة سلفاً. وتبرز أهمية الجدول في كونه يوفر للباحث أداة مرجعية فورية للتحقق المستقل والتثبت اليدوي من مخرجات البرمجيات، ويمنع الوقوع ضحية أخطاء الإدخال الرقمي أو سوء تحديد الخيارات البرمجية (مثل اعتماد التقريب التقاربي Asymptotic بدلاً من الدقيق للعينة الصغيرة داخل البرنامج).

تظل جداول مان ويتني الركيزة التعليمية والمفاهيمية الأهم التي تبني لدى الباحث والدارس حساً إحصائياً عميقاً بكيفية تشكل الدلالة الاحتمالية من تراكيب الرتب، وتمنحه استقلالية معرفية تامة عن التبعية التقنية غير الواعية لنتائج البرمجيات الإحصائية المغلقة.

8. حدود الجدول والانتقال إلى التقريب التوزيعي الطبيعي (Z-Score)

8.1 متى يتوقف استخدام جدول مان ويتني يو؟

يتوقف استخدام جدول مان ويتني يو المطبوع عندما تتجاوز أحجام العينات الحدود الاستيعابية للجداول المنفصلة الدقيقة، وهو ما يحدث نمطياً عندما يتجاوز حجم أي من العينتين ($n_1$ أو $n_2$) الرقم $20$ مشاهدة، أو عندما يتجاوز الحجم الإجمالي التراكمي للعينتين ($n_1 + n_2$) الرقم $40$. في هذه النطاقات الحجمية، يصبح التوليد اليدوي أو الطباعي للجداول التوافقية أمراً معقداً نظراً للتضخم الهائل في عدد التباديل الممكنة.

لحسن الحظ، تضمن مبرهنة النهاية المركزية (Central Limit Theorem) أنه كلما كبرت أحجام العينات، يقترب التوزيع الاحتمالي المنفصل لإحصائية $U$ بسرعة كبيرة وشكل متصل من منحنى التوزيع الطبيعي المعياري المتماثل، بصرف النظر عن شكل التوزيع الأصلي للبيانات في المجتمع المسحوب منه. هذا التحول الرياضي يجعل الاعتماد على التوزيع الطبيعي كبديل تقريبي أمراً مبرراً علمياً ودقيقاً بدرجة مذهلة.

بالتالي، يستغني الباحث في هذه الحالة عن البحث في مصفوفات مان ويتني المعقدة، ويتحول إلى استخدام جدول التوزيع الطبيعي القياسي ($Z$-table)، الذي يعتمد على درجات معيارية ثابتة ومألوفة تسهل عملية اتخاذ القرار الإحصائي بأعلى درجات الموثوقية.

8.2 معادلات تحويل إحصائية U إلى الدرجة المعيارية (Z-Score)

لإجراء التحويل التقريبي من إحصائية $U$ إلى الدرجة المعيارية $Z$، يتم حساب المتوسط النظري المتوقع لتوزيع مان ويتني ($\mu_U$) والانحراف المعياري المقابل له ($\sigma_U$) بالاعتماد على حجوم العينات عبر المعادلات الرياضية التالية:

1. المتوسط المتوقع لـ U:

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

2. الانحراف المعياري لـ U (في حالة عدم وجود تعادلات كثيفة في الرتب):

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

3. حساب الدرجة المعيارية Z:

$$Z = \frac{U – \mu_U}{\sigma_U}$$

ولتحسين دقة التقريب التوزيعي عند الانتقال من توزيع منفصل (يمثله $U$ الذي يأخذ أعداداً صحيحة) إلى توزيع متصل (يمثله $Z$)، يُستحسن تطبيق تصحيح الاستمرارية (Continuity Correction) عبر إضافة أو طرح $0.5$ من بسط المعادلة باتجاه المتوسط المتوقع:

$$Z_{\text{corrected}} = \frac{|U – \mu_U| – 0.5}{\sigma_U}$$

يضمن هذا التصحيح تقليص الخطأ التقريبي إلى أدنى حد رياضي ممكن، مما يجعل القيمة الاحتمالية الناتجة مطابقة تقريباً للاحتمال التبادلي الحقيقي.

8.3 قراءة جدول التوزيع الطبيعي القياسي بدلاً من جدول U

بمجرد حساب قيمة $Z$ المحسوبة، يتخلى الباحث تماماً عن قاعدة القرار المعكوسة لمان ويتني، ويعود لتطبيق قاعدة القرار الكلاسيكية المباشرة الخاصة بجدول التوزيع الطبيعي المعياري:

تُرفض الفرضية الصفرية ($H_0$) إذا كانت القيمة المطلقة لـ $Z$ المحسوبة أكبر من أو تساوي القيمة الحرجة لـ $Z$ المستخرجة من جدول التوزيع الطبيعي:

$$|Z_{\text{calculated}}| ge Z_{\text{critical}}$$

تتميز القيم الحرجة لجدول $Z$ بثباتها التام لجميع أحجام العينات الكبيرة، وتتحدد وفقاً لمستوى الدلالة واتجاه الفرضية كما يلي:

• عند مستوى $\alpha = 0.05$ (اختبار ثنائي الذيل): $Z_{\text{critical}} = \pm 1.96$
• عند مستوى $\alpha = 0.01$ (اختبار ثنائي الذيل): $Z_{\text{critical}} = \pm 2.58$
• عند مستوى $\alpha = 0.05$ (اختبار أحادي الذيل): $Z_{\text{critical}} = \pm 1.645$
• عند مستوى $\alpha = 0.01$ (اختبار أحادي الذيل): $Z_{\text{critical}} = \pm 2.33$

تُظهر المخرجات الصادرة عن الحزم البرمجية الحديثة مثل SPSS كلاً من قيمة $U$ وقيمة $Z$ التقريبية والقيمة الاحتمالية التقاربية ($p$-value Asymptotic)، وتتوافق القرارات الإحصائية الناتجة عن كلا الأسلوبين توافقاً تاماً عند حدود العينات الكبيرة.

9. تطبيقات جدول مان ويتني يو في الأبحاث النفسية والسلوكية

9.1 تقييم التدخلات العلاجية النفسية في عينات إكلينيكية صغيرة

يواجه الباحث الإكلينيكي في المستشفيات والعيادات النفسية صعوبة بالغة في تجنيد أعداد ضخمة من المرضى المصابين باضطرابات محددة كاضطراب ما بعد الصدمة المعقد (C-PTSD) أو الوسواس القهري المستعصي؛ نظراً لندرة الحالات، وصعوبة الالتزام بالبروتوكولات، والاعتبارات الأخلاقية الحاكمة لتوزيع العينات الضابطة. في مثل هذه البيئات العلاجية، يشكل جدول مان ويتني يو الأداة المنهجية المثلى للتحقق من فاعلية التدخلات المعرفية والسلوكية المبتكرة.

في هذا النمط من البحوث، يتم توزيع المرضى المتاحين عشوائياً على مجموعتين صغيرتين: مجموعة تجريبية تتلقى العلاج السلوكي المعرفي القائم على التعرض والاستجابة ($n_1 = 8$)، ومجموعة ضابطة توضع على قائمة الانتظار ($n_2 = 8$). تُقاس شدة الأعراض بعد انتهاء البرنامج باستخدام مقاييس التقرير الذاتي الإكلينيكية، ثم تُحول الدرجات إلى رتب وتُحسب إحصائية $U$.

بالرجوع إلى جدول مان ويتني يو عند $n_1 = 8, n_2 = 8$ ومستوى $\alpha = 0.05$ ثنائي الذيل، يستخرج الباحث القيمة الحرجة الفاصلة ويقارنها بقيمة $U$ المحسوبة للتدخل. يتيح هذا الإجراء للمؤسسات العلاجية بناء أدلة موثوقة حول نجاعة البرامج النفسية بأقل تكلفة بشرية وزمنية ودون التضحية بالدقة المنهجية الرصينة.

9.2 دراسة الفروق الفردية في علم النفس العصبي والوظائف المعرفية

تعتمد دراسات علم النفس العصبي (Neuropsychology) وتجارب قياس الأداء المعرفي على مؤشرات زمنية ومهارية حساسة، مثل زمن الرجع بالمللي ثانية (Reaction Time)، وسعة الذاكرة العاملة، ومؤشرات الانتباه التنفيذي في اختبارات مثل اختبار ستروب (Stroop Test) أو اختبار تصنيف بطاقات ويسكونسن (WCST). تتسم هذه البيانات السيكوفسيولوجية بطبيعة لامتناظرة وتوزيعات ملتوية بشدة نحو اليمين لا يمكن إخضاعها للاختبارات المعلمية حتى مع محاولات التحويل اللوغاريتمي.

عند مقارنة مجموعة من المرضى ذوي التلف في الفص الجبهي ($n_1 = 7$) بمجموعة من الأصحاء المماثلين في العمر والتعليم ($n_2 = 9$) على مقياس زمن الاستجابة في اختبار تثبيط الاستجابة، يمثل جدول مان ويتني يو المرجع الإحصائي الحاسم لفحص الفروق. يتم استخدام الجدول لاستنتاج ما إذا كانت رتب زمن الرجع لدى المرضى تتفوق منهجياً وبشكل دال على رتب الأصحاء.

يوفر التحليل الرتبي عبر الجدول حماية ممتازة من التأثير المشوه للحالات التي تظهر أزمنة استجابة بطيئة للغاية ناتجة عن التشتت اللحظي أو الإجهاد العصبي، مما يضمن أن تعكس الدلالة الإحصائية الفروق الحقيقية في الكفاءة الوظيفية المعرفية بين الدماغ السليم والدماغ المتضرر.

9.3 بحوث علم النفس التربوي والمقاييس السلوكية المدرسية

في ميدان علم النفس التربوي والمدرسي، يعتمد الباحثون والمرشدون النفسيون على بطاريات الملاحظة السلوكية واستبيانات تقييم المعلمين للسمات التكيفية والدافعية، وهي مقاييس ترتيبية واضحة الدرجات. على سبيل المثال، عند تقييم برنامج إرشادي مستند إلى اللعب لخفض السلوك العدواني لدى عينة من طلاب المرحلة الابتدائية ذوي صعوبات التعلم، يتم مقارنة المجموعة المستفيدة من البرنامج ($n_1 = 10$) بمجموعة تقليدية ($n_2 = 11$).

تُسجل درجات الملاحظة السلوكية المكونة من بنود تدريجية (نادراً، أحياناً، غالباً، دائماً). وباستخدام جدول مان ويتني يو عند المستوى المعتمد تربوياً ($\alpha = 0.05$)، تتم مطابقة إحصائية $U$ الناتجة عن رتب السلوك العدواني بعد البرنامج بالقيم الحرجة لجدول التقاطع ($10 \times 11$).

يمكّن هذا التطبيق الباحثين التربويين من إثبات كفاءة البرامج الإرشادية لخفض التنمر أو تعزيز الدافعية الأكاديمية ونشرها في المجلات التربوية الرصينة، مستندين إلى برهان إحصائي صارم يعالج قيود الاستجابات الترتيبية بكفاءة وموثوقية متناهية.

10. أمثلة وحالات تطبيقية عملية لاستخدام جدول مان ويتني يو

10.1 مثال تطبيقي 1: دراسة نفسية ذات عينات متساوية (n1=6, n2=6)

أراد باحث نفسي مقارنة فاعلية تقنية الاسترخاء التدريجي في خفض درجات القلق لدى عينة من المراجعين. قُسم المشاركون إلى مجموعتين متساويتين: المجموعة التجريبية الأولى ($n_1 = 6$) تلقت تدريباً على الاسترخاء، والمجموعة الضابطة الثانية ($n_2 = 6$) لم تتلقَ التدريب. تم تطبيق مقياس القلق بعد التدخل، فكانت الدرجات كالتالي:

• المجموعة الأولى (التجريبية): $12, 15, 18, 20, 22, 25$
• المجموعة الثانية (الضابطة): $19, 23, 26, 28, 30, 32$

خطوات التحليل الإحصائي:

1. دمج جميع الدرجات ($12$ مشاهدة) وترتيبها تصاعدياً وتعيين الرتب من $1$ إلى $12$:

• $12$ (رتبة 1 – تجريبية)، $15$ (رتبة 2 – تجريبية)، $18$ (رتبة 3 – تجريبية)، $19$ (رتبة 4 – ضابطة)، $20$ (رتبة 5 – تجريبية)، $22$ (رتبة 6 – تجريبية)، $23$ (رتبة 7 – ضابطة)، $25$ (رتبة 8 – تجريبية)، $26$ (رتبة 9 – ضابطة)، $28$ (رتبة 10 – ضابطة)، $30$ (رتبة 11 – ضابطة)، $32$ (رتبة 12 – ضابطة).

2. حساب مجموع الرتب لكل مجموعة:

$$R_1 (\text{تجريبية}) = 1 + 2 + 3 + 5 + 6 + 8 = 25$$

$$R_2 (\text{ضابطة}) = 4 + 7 + 9 + 10 + 11 + 12 = 53$$

3. حساب قيمتي $U_1$ و $U_2$:

$$U_1 = (6 \times 6) + \frac{6(7)}{2} – 25 = 36 + 21 – 25 = 32$$

$$U_2 = (6 \times 6) + \frac{6(7)}{2} – 53 = 36 + 21 – 53 = 4$$

التحقق التوازني: $U_1 + U_2 = 32 + 4 = 36 = (6 \times 6)$ (الحساب صحيح تماماً).

القيمة المحسوبة المعتمدة: $U_{\text{calculated}} = \min(32, 4) = 4$.

الرجوع لجدول مان ويتني يو واتخاذ القرار:

عند فتح جدول مان ويتني عند مستوى دلالة $\alpha = 0.05$ (اختبار ثنائي الذيل)، وتحديد تقاطع العمود $n_1 = 6$ مع الصف $n_2 = 6$، نجد أن القيمة الحرجة المسجلة هي $U_{\text{critical}} = 5$.

بتطبيق قاعدة القرار المعكوسة ($U_{\text{calculated}} le U_{\text{critical}}$): بما أن $4 le 5$، فإننا نرفض الفرضية الصفرية ($H_0$) ونقبل الفرضية البديلة. نستنتج وجود فروق دالة إحصائياً بين المجموعتين لصالح المجموعة التجريبية التي أظهرت مستويات قلق أدنى بصورة جوهرية من المجموعة الضابطة.

10.2 مثال تطبيقي 2: دراسة تجريبية بعينات غير متساوية (n1=5, n2=8)

في دراسة لفحص الصلابة النفسية (Psychological Hardiness) لدى الأفراد العاملين في بيئات العمل عالية الضغط، قارن باحث بين المديرين التنفيذيين ($n_1 = 5$) والموظفين الميدانيين ($n_2 = 8$)، بافتراض عدم وجود فروق مسبقة (فرضية صفرية، مستوى دلالة صارم $\alpha = 0.01$ ثنائي الذيل). أظهرت البيانات بعد الترتيب وحساب الرتب ما يلي:

• مجموع رتب المديرين ($n_1 = 5$): $R_1 = 48$
• مجموع رتب الموظفين ($n_2 = 8$): $R_2 = 43$

حساب إحصائية الاختبار:

$$U_1 = (5 \times 8) + \frac{5(6)}{2} – 48 = 40 + 15 – 48 = 7$$

$$U_2 = (5 \times 8) + \frac{8(9)}{2} – 43 = 40 + 36 – 43 = 33$$

التحقق: $7 + 33 = 40 = (5 \times 8)$.

القيمة المحسوبة المعتمدة للاختبار: $U = min(7, 33) = 7$.

استخراج القيمة الحرجة والقرار الإحصائي:

بالرجوع إلى جدول مان ويتني يو الصارم عند $\alpha = 0.01$ ثنائي الذيل، والبحث في تقاطع الصف $n_1 = 5$ مع العمود $n_2 = 8$، نجد أن القيمة الحرجة للجدول هي $U_{\text{critical}} = 3$.

مقارنة القيمة المحسوبة بالحرجة: $U_{\text{calculated}} = 7$ وهي أكبر قطعا من القيمة الحرجة ($7 > 3$).

القرار: نفشل في رفض الفرضية الصفرية (Fail to Reject $H_0$). لا توجد أدلة إحصائية كافية عند مستوى الثقة $99%$ للقول بوجود فرق ذي دلالة إحصائية في درجات الصلابة النفسية بين المديرين والموظفين، وتُعزى الفروق الظاهرية في متوسطات الرتب إلى خطأ المعاينة العشوائي.

10.3 مثال تطبيقي 3: تحويل فرضية موجهة (أحادية الذيل) واستخدام الجدول

افترض باحث إكلينيكي استناداً إلى دراسات سابقة مؤكدة أن ممارسة “اليقظة الذهنية” (Mindfulness) تقلل بالضرورة من مستوى الاحتراق النفسي (Burnout) لدى الأطباء المقيمين مقارنة بمن لا يمارسونها (فرضية موجهة أحادية الذيل عند $\alpha = 0.05$). بلغ حجم عينة ممارسي اليقظة $n_1 = 6$، والمجموعة المقارنة $n_2 = 7$.

أسفرت حسابات الرتب عن الحصول على قيمة صغرى محسوبة قدرها $U_{\text{calculated}} = 8$ لصالح مجموعة اليقظة الذهنية في اتجاه الفرضية الموجهة.

تطبيق قاعدة التحويل واستخدام الجدول:

نظراً لعدم توفر جدول مخصص لأحادي الذيل، طبق الباحث قاعدة مضاعفة ألفا المنهجية: تم فتح جدول مان ويتني ثنائي الذيل عند مستوى $\alpha = 0.10$ (حيث إن $0.05 \times 2 = 0.10$).

بالبحث في تقاطع $n_1 = 6$ و $n_2 = 7$ في جدول $\alpha = 0.10$ ثنائي الذيل، وُجدت القيمة الحرجة $U_{\text{critical}} = 9$.

بالمقارنة: $U_{\text{calculated}} = 8 le U_{\text{critical}} = 9$.

التوثيق الأكاديمي بأسلوب جمعية علم النفس الأمريكية (APA 7th):

تتم صياغة التقرير في متن البحث كما يلي: “أشارت نتائج اختبار مان ويتني يو إلى وجود انخفاض دال إحصائياً في درجات الاحتراق النفسي لدى ممارسي اليقظة الذهنية مقارنة بالمجموعة الضابطة ($U = 8.00, n_1 = 6, n_2 = 7, p < .05$, One-Tailed)، مما يدعم صحة الفرضية التجريبية الموجهة بحجم أثر متوسط إلى كبير ($r = 0.52$)".

11. الأخطاء الشائعة عند قراءة واستخدام جدول مان ويتني يو

11.1 الخلط بين قاعدة القرار لمان ويتني والاختبارات المعلمية

يُمثل الخلط بين اتجاه قاعدة القرار في اختبار مان ويتني يو وبين الاختبارات الإحصائية الأخرى الخطأ الأكثر فداحة وشيوعاً بين طلبة الدراسات العليا والباحثين في مقتبل مسيرتهم الأكاديمية. في اختبارات مثل $t$ أو $F$، يترسخ في الذهن أن كبر القيمة المحسوبة يعني تجاوز العتبة الحرجة وتحقيق الدلالة؛ لذا يقوم بعض الباحثين آلياً برفض الفرضية الصفرية عندما يجدون $U_{\text{calculated}} > U_{\text{critical}}$، مما يؤدي إلى نشر استنتاجات بحثية زائفة بالكامل تعاكس الحقيقة الإحصائية للبيانات.

يؤدي هذا الخطأ إلى إعلان فاعلية برامج علاجية أو تربوية غير مجدية، أو العكس برفض برامج ناجحة حققت قيماً صغرى لـ $U$ لكونها “أصغر من الجدول”. لتفادي هذا الخطأ الجوهري، يجب ترسيخ القاعدة الذهبية التالية في التفكير الإحصائي:

• في اختبارات الفروق المعلمية ($t, F$): الأكبر هو الأقوى دلالة ($Calculated ge Critical$).
• في اختبار مان ويتني يو اللامعلمي ($U$): الأصغر هو الأقوى دلالة ($Calculated le Critical$).

11.2 أخطاء اختيار الجدول المناسب لنوع الفرضية ومستوى ألفا

يتعرض الباحثون لخطأ منهجي بارز يتمثل في إساءة اختيار الجدول المناسب من ملاحق المراجع الإحصائية؛ ومن أبرز هذه الممارسات الخاطئة استخدام جدول الاختبار ثنائي الذيل لاختبار فرضية موجهة أحادية الذيل دون مضاعفة قيمة ألفا، مما يجعل المعيار المستخدم مفرطاً في التحفظ ويحرم الباحث من اكتشاف الفروق الحقيقية التي يدعمها الإطار النظري.

الخطأ المعاكس يتمثل في تطبيق معايير الاختبار أحادي الذيل على فرضية مصاغة بأسلوب غير موجه لمجرد “اصطياد الدلالة” (Significance Fishing) بعد ظهور البيانات، وهو انتهاك منهجي صارخ لأخلاقيات البحث العلمي. كما يقع البعض في خطأ إغفال تحديد أحجام العينات الفعلية؛ كأن يعتمد الباحث على الحجم المسجل في بداية التجربة ($N = 20$) متجاهلاً استبعاد $3$ استجابات غير مكتملة، مما يجعله يقرأ القيمة الحرجة عند تقاطع غير صحيح ($10 \times 10$ بدلاً من $8 \times 9$).

يتطلب تدقيق النتائج مراجعة ثلاثية مسبقة: التأكد من تطابق ترويسة الجدول مع مستوى ألفا المعتمد في خطة البحث، والتحقق من نوع الفرضية، ومطابقة العدد النهائي الفعلي للمشاهدات المكتملة في كل مجموعة على حدة.

11.3 إساءة تفسير الدلالة الإحصائية للجدول وتجاهل حجم الأثر

تتمثل إحدى السقطات التفسيرية الشائعة في الاعتماد الحصري على مجرد رفض الفرضية الصفرية من خلال الجدول ($p < .05$)، والقفز مباشرة للحديث عن اكتشاف سيكولوجي ثوري دون فحص الفروق الفعلية في الوسائط، ودون قياس حجم الأثر (Effect Size). إن تحقيق الدلالة الإحصائية عبر الجدول يخبر الباحث فقط بأن الفارق بين المجموعتين ليس عشوائياً، ولكنه لا يقدم أي إجابة حول مدى أهمية هذا الفارق من الناحية العملية أو الإكلينيكية.

قد يحصل الباحث على دلالة إحصائية من الجدول لفارق طفيف جداً لا يقدم أي فائدة علاجية حقيقية للمريض النفسي، في حين قد تسفر دراسة أخرى عن فارق إكلينيكي هائل يفشل في بلوغ الدلالة الجدولية الصارمة بسبب صغر حجم العينة فقط. من هنا، تشترط المعايير الأكاديمية المعاصرة تقديم تحليل متكامل يجمع بين:

1. الدلالة الإحصائية المستندة لجدول مان ويتني يو أو الاحتمال الدقيق.
2. متوسطات الرتب والوسائط للمجموعتين لتوضيح الاتجاه والسياق.
3. معاملات حجم الأثر اللامعلمية المناسبة (مثل معامل $r$ الرتبي أو مربع إيتا $\eta^2$).
4. التقييم النوعي للأهمية الإكلينيكية والعملية للتغيرات السلوكية المرصودة.

12. مقارنة جدول مان ويتني يو بجداول الاختبارات اللامعلمية والمعلمية الأخرى

12.1 مقارنة جدول مان ويتني يو بجدول اختبار ويلكوكسون للإشارات والرتب

على الرغم من أن كلاً من جدول مان ويتني يو وجدول ويلكوكسون للإشارات والرتب (Wilcoxon Signed-Rank Test) يمثلان أدوات تحليلية لا معلمية تعتمد على الرتب، إلا أن الفروق المنهجية والبنيوية بين جدوليهما جوهرية وحاسمة في التصميم التجريبي:

• طبيعة التصميم والعينات: يُستخدم جدول مان ويتني يو حصرياً لتصاميم العينات المستقلة (Between-Subjects Design)؛ حيث تتكون المدخلات من مجموعتين منفصلتين تماماً من الأفراد ($n_1$ و $n_2$). بينما يُستخدم جدول ويلكوكسون للإشارات والرتب لتصاميم القياسات المتكررة والعينات المترابطة (Within-Subjects / Paired Samples)، مثل مقارنة درجات نفس العينة قبل التدخل وبعده.
• مدخلات محاور الجدول: يُنظم جدول مان ويتني بمصفوفة ثنائية الأبعاد تعتمد على حجمي العينتين المستقلتين ($n_1 \times n_2$). في المقابل، يُنظم جدول ويلكوكسون بمحور أحادي يمثل عدد أزواج الفروق غير الصفرية فقط ويرمز له بـ ($N$ أو $n$).
• طبيعة الإحصائية المحسوبة: تعتمد قيمة مان ويتني الجدولية على إحصائية $U$ الصغرى المتشكلة من تباديل الرتب المدمجة، بينما تعتمد القيمة الحرجة لجدول ويلكوكسون على إحصائية $W$ أو $T$ الصغرى لمجموع رتب الفروق ذات الإشارة الموجبة أو السالبة.

12.2 مقارنة جدول مان ويتني يو بجدول اختبار ‘ت’ للعينات المستقلة (t-table)

يمثل جدول اختبار “ت” للعينات المستقلة (Student’s t-Distribution Table) المقابل المعلمي المباشر لجدول مان ويتني يو، وتظهر المقارنة بينهما فروقاً عميقة على المستوى النظري والتطبيقي:

• درجات الحرية مقابل أحجام العينات: يُقرأ جدول “ت” بالاعتماد على مفهوم درجات الحرية الكلية ($df = n_1 + n_2 – 2$) ومستوى الدلالة، مما يعني دمج الحجمين في مؤشر رقمي واحد. بينما يتطلب جدول مان ويتني يو الإبقاء على تفصيل حجم كل عينة ($n_1, n_2$) مستقلاً داخل المصفوفة للحفاظ على دقة التوزيع الاحتمالي التبادلي المنفصل.
• اتجاه منطقة الرفض: في جدول “ت”، تكون منطقة الرفض في الأطراف البعيدة (القيم الكبيرة المطلقة لاختبار $t$)؛ بينما في جدول مان ويتني، تقع منطقة الرفض في القيم الصغرى المقتربة من الصفر لإحصائية $U$.
• كفاءة القوة الإحصائية النسبية التقاربية (Asymptotic Relative Efficiency – ARE): عندما تكون البيانات موزعة توزيعاً طبيعياً تماماً، تبلغ كفاءة اختبار مان ويتني وجدوله نحو $95.5%$ من كفاءة جدول “ت”. أما عندما تنتهك البيانات شرط التوزيع الطبيعي وتحتوي على التواءات أو ذيول ثقيلة وقيم متطرفة، يتفوق جدول مان ويتني يو تفوقاً كاسحاً، حيث ترتفع كفاءته النسبية لتتجاوز اختبار “ت” بكثير، مما يجعله الأكثر متانة وحصانة ضد القرارات الخاطئة.

12.3 مقارنة جدول مان ويتني يو بجدول كروسكال-واليس (Kruskal-Wallis Table)

يُعد اختبار كروسكال-واليس (Kruskal-Wallis Test) التوسيع المنطقي المباشر لاختبار مان ويتني يو ليشمل مقارنة ثلاث مجموعات مستقلة أو أكثر ($k ge 3$). وتتجلى الروابط بين جدوليهما في الاستخدامات المتتابعة داخل البحث الواحد:

عند فحص الفروق بين ثلاث مجموعات تجريبية، يُستخدم في البداية جدول كروسكال-واليس (أو جدول توزيع كاي تربيع $\chi^2$ بدرجات حرية $df = k – 1$ كبديل تقاربي شائع) لتحديد ما إذا كان هناك فرق عام دال بين المجموعات ككل دون تحديد أزواج التمايز. فإذا أظهر الاختبار الكلي دلالة إحصائية، يبرز دور جدول مان ويتني يو في مرحلة المقارنات البعدية المتعددة (Post-hoc Pairwise Comparisons).

في هذه المرحلة، يتم تطبيق اختبار مان ويتني يو وجدوله على كل زوج من المجموعات بشكل منفصل لتحديد موضع الفرق بدقة (مثلاً: مقارنة المجموعة 1 مع 2، ثم 1 مع 3، ثم 2 مع 3). ولمنع تضخم معدل الخطأ من النوع الأول الناتج عن تكرار استخدام الجدول على نفس البيانات، يلتزم الباحث بتطبيق تصحيح بونفيروني (Bonferroni Correction)، والذي يقضي بتقسيم مستوى ألفا الأصلي على عدد المقارنات الثنائية المجراة ($\alpha_{\text{adjusted}} = \frac{\alpha}{m}$)، واستخراج القيمة الحرجة من جدول مان ويتني المقابل لمستوى ألفا المصحح والمعدل، مما يضمن أعلى درجات النزاهة والصرامة الإحصائية للبحث.

خاتمة

يظل جدول مان ويتني يو ركيزة لا غنى عنها في بنية التحليل الإحصائي السلوكي والنفسي الرصين، وجسراً منهجياً متيناً يتيح للباحثين تفكيك تعقيدات البيانات الترتيبية واختبار الفروق في العينات الصغيرة المستقلة دون المساس بالاشتراطات الرياضية. إن الإلمام العميق بأسس بناء هذا الجدول، وفهم منطقه التوافقي، وتطبيق قاعدة قراره المعكوسة بدقة متناهية، يشكل فارقاً جوهرياً بين التحليل السطحي المضلل والاستنتاج العلمي الموثوق الذي يثري المعرفة السيكولوجية والتربوية المعاصرة.

References

• Conover, W. J. (1999). Practical Nonparametric Statistics (3rd ed.). John Wiley & Sons.
• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE Publications.
• Gibbons, J. D., & Chakraborti, S. (2020). Nonparametric Statistical Inference (6th ed.). Chapman and Hall/CRC. https://doi.org/10.1201/9781315110479
• Howell, D. C. (2013). Statistical Methods for Psychology (8th ed.). Cengage Learning.
• 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