شرح اختبار مان ويتني يو

يمثل الاستدلال الإحصائي الركيزة الأساسية التي يقوم عليها البحث العلمي المعاصر، لا سيما في حقول العلوم النفسية، السلوكية، التربوية، والطبية؛ حيث يسعى الباحثون دوماً إلى استخلاص استنتاجات دقيقة حول المجتمعات الأصلية استناداً إلى بيانات مستمدة من عينات دراسية محددة. وفي سياق مقارنة المجموعات المستقلة، واجه المنهجيون لعقود طويلة تحديات جوهرية تتعلق بمدى تحقق الافتراضات الصارمة التي تتطلبها النماذج الإحصائية المعلمية (Parametric Statistics)، وعلى رأسها افتراض التوزيع الطبيعي وتجانس التباين. وقد قادت هذه التحديات، خصوصاً عند التعامل مع عينات صغيرة أو بيانات مقاسة على مستويات ترتيبية مثل استبيانات ومقاييس الاتجاهات، إلى بلورة منهجيات بديلة تتسم بالمرونة والمناعة ضد الانحرافات التوزيعية.

يبرز اختبار مان ويتني يو (Mann-Whitney U Test) كواحد من أهم وأقوى الاختبارات الإحصائية اللامعلمية (Non-parametric Tests) المصممة لاختبار الفروق بين مجموعتين مستقلتين. يعتمد هذا الأسلوب على استبدال القيم الرقمية الخام برتب تصاعدية تعكس الترتيب النسبي للمفحوصين، مما يتيح للباحثين إجراء مقارنات دقيقة دون الوقوع في مأزق افتراض التوزيع الطبيعي الاعتدالي الذي نادراً ما يتحقق في الظواهر الإنسانية والعيادية المعقدة. وبفضل هذا المنطق الرياضي الرصين، تحول الاختبار إلى أداة معيارية يعتمد عليها الأكاديميون والممارسون في تقييم فعالية البرامج العلاجية، وفحص الفروق الفردية، وتطوير أدوات القياس السيكومتري بمستويات عالية من الدقة والموثوقية.

يهدف هذا الدليل المرجعي الشامل إلى تفكيك كافة الأبعاد النظرية، الرياضية، والتطبيقية لاختبار مان ويتني يو. سنستعرض في هذا المقال الأسس الإحصائية للاختبار، وتطوره التاريخي، وافتراضاته المنهجية، والمقارنة التفصيلية بينه وبين البدائل المعلمية مثل اختبار ت للعينات المستقلة (Independent Samples t-test). كما سنتناول بالتفصيل المعادلات الحسابية الدقيقة، ومعالجة الرتب المكررة، وحساب أحجام الأثر، وصولاً إلى التطبيق البرمجي عبر حزم SPSS، R، وPython، وطرق التوثيق المعتمدة وفقاً لمعايير الدليل السابع لجمعية علم النفس الأمريكية (APA 7)، مما يجعله مرجعاً متكاملاً للباحثين وطلاب الدراسات العليا في مختلف التخصصات العلمية.

1. مدخل تعريفي إلى اختبار مان ويتني يو (Mann-Whitney U Test)

1.1 المفهوم الإحصائي العام للاختبار

يُعرَّف اختبار مان ويتني يو بأنه أسلوب إحصائي استدلالي لامعلمي يُستخدم لاختبار الفرضيات المتعلقة بالفروق بين مجتمعين مستقلين بناءً على عينتين مسحوبتين منهما. يندرج هذا الاختبار ضمن فئة اختبارات الرتب (Rank-based tests)، حيث لا يعتمد في حسابه على المعالم الوصفية الكلاسيكية كالمتوسط الحسابي (Mean) والتباين (Variance)، بل يقوم بتحويل كافة البيانات الكمية أو الترتيبية إلى منظومة من الرتب المتسلسلة من الأصغر إلى الأكبر. ويهدف الاختبار بشكل أساسي إلى تحديد ما إذا كان التوزيع الاحتمالي للدرجات في إحدى المجموعتين ينزاح بشكل دال إحصائياً نحو قيم أعلى أو أدنى مقارنة بالتوزيع الاحتمالي للمجموعة الأخرى.

تتمحور فكرة الاختبار حول مقارنة مجموع الرتب (Rank Sums) أو متوسطات الرتب (Mean Ranks) بين المجموعتين المستقلتين. فإذا كانت المجموعتان تنتميان إلى نفس المجتمع الأصلي ولا توجد بينهما فروق جوهرية، فإن توزيع الرتب بينهما سيكون عشوائياً ومتساوياً تقريباً؛ أما إذا تفوقت إحدى المجموعتين وكانت درجات أفرادها أعلى بصورة منتظمة، فإن مجموع رتبها سيتضخم دالاً على وجود انزياح ذي دلالة إحصائية. ويحتل الاختبار مكانة مركزية في خريطة الإحصاء اللامعلمي، ويُعرف بأسماء متعددة ومترادفة في الأدبيات الإحصائية، مثل اختبار مان-ويتني-ولكوكسون (Mann-Whitney-Wilcoxon Test) أو اختبار ولكوكسون لمجموع الرتب (Wilcoxon Rank-Sum Test)، وهو النظير اللامعلمي المباشر لاختبار ت للعينات المستقلة.

1.2 السياق التاريخي وتطور الاختبار

تعود الجذور التاريخية لهذا الاختبار إلى منتصف الأربعينيات من القرن العشرين، في فترة شهدت ثورة في تطوير الأساليب الإحصائية الخالية من التوزيعات (Distribution-free methods). بدأت الانطلاقة الأولى عام 1945 على يد عالم الكيمياء والإحصاء الأمريكي فرانك ولكوكسون (Frank Wilcoxon)، الذي نشر ورقة علمية رائدة اقترح فيها استخدام مجموع الرتب للمقارنة بين مجموعتين، إلا أن مقترحه الأولي كان مقتصراً فقط على الحالات التي تكون فيها العينات متساوية الحجم تماماً (n1 = n2).

وفي عام 1947، قام عالما الرياضيات هنري مان (Henry Mann) ودونالد ويتني (Donald Whitney) بتوسيع وتطوير هذا النموذج الرياضي بصورة جذرية؛ حيث قدما صياغة احتمالية دقيقة تتيح تطبيق الاختبار على العينات ذات الأحجام غير المتساوية (Unequal sample sizes)، واستحدثا الإحصاء الرياضي المعروف بالحرف U مع جداول القيم الحرجة المرافقة له. ومع التطور المتسارع للحوسبة والبرمجيات الإحصائية في النصف الثاني من القرن العشرين، اكتسب الاختبار انتشاراً واسعاً، لا سيما في العلوم السلوكية، النفسية، والبيولوجية، التي غالباً ما تتعامل مع بيانات وظواهر يستحيل إخضاعها للتوزيع الطبيعي الصارم.

1.3 أهمية الاختبار في الأبحاث النفسية والتربوية

تكتسب العلوم النفسية والتربوية طبيعة خاصة تجعل من اختبار مان ويتني يو أداة بحثية لا غنى عنها؛ فالكثير من السمات السيكولوجية والتربوية، مثل القلق العيادي، التوافق الزواجي، التحصيل الأكاديمي المتطرف، أو الاضطرابات السلوكية، تفرز بطبيعتها بيانات ذات التواء شديد (Skewed Distributions) تخالف تماماً نموذج المنحنى الجرسي المعتدل. يتيح اختبار مان ويتني يو معالجة هذه البيانات دون الحاجة إلى اللجوء إلى التحويلات الرياضية المعقدة (Data Transformations) التي قد تؤدي في أحيان كثيرة إلى تشويه المعنى السيكولوجي للأدوات التشخيصية الأصلية.

علاوة على ذلك، تتميز الدراسات العيادية والتجريبية في علم النفس بصغر أحجام العينات المتاحة، كحالات الاضطرابات النادرة أو مجموعات العلاج النفسي المكثف، حيث يصعب التحقق من شروط الاعتدالية الإحصائية. كما توفر مقاييس الاتجاهات وسلالم التقدير المتدرجة، مثل مقياس ليكرت (Likert Scale)، بيانات ترتيبية وليست فئوية حقيقية، مما يجعل التعامل معها باستخدام المتوسطات والانحرافات المعيارية ممارسة منهجية غير دقيقة. يعمل اختبار مان ويتني يو على حماية الباحث من تضخيم النتائج وتقليل التحيز الناتج عن القيم المتطرفة والشاذة الشائعة في الاختبارات والمقاييس السيكومترية.

2. الأسس والافتراضات المنهجية لاختبار مان ويتني يو

2.1 طبيعة المتغيرات ومستويات القياس المطلوبة

يتطلب التطبيق السليم لاختبار مان ويتني يو استيفاء محددات دقيقة فيما يخص طبيعة ومستويات قياس المتغيرات الخاضعة للتحليل. يجب أن يتضمن التصميم البحثي متغيراً مستقلاً واحداً (Independent Variable) ثنائي التقسيم (Dichotomous)، يتألف من مجموعتين نوعيتين منفصلتين تماماً ومستقلتين (مثل: ذكور مقابل إناث، مجموعة تجريبية تتلقى علاجاً معرفياً سلوكياً مقابل مجموعة ضابطة تتلقى علاجاً وهمياً، أو مفحوصين يعانون من الاكتئاب مقابل أسوياء).

أما المتغير التابع (Dependent Variable)، فيجب أن يكون مقاساً على الأقل على مستوى ترتيبي (Ordinal Scale)، بحيث تمتلك الدرجات خاصية المفاضلة والترتيب المنطقي من الأدنى إلى الأعلى، كما هو الحال في رتب الأداء، تقييمات الشدة السريرية، وسلالم التقدير النفسي. كما يمكن تطبيق الاختبار بكفاءة عالية على المتغيرات المقاسة بمستوى فئوي (Interval) أو نسبي (Ratio) عندما تنتهك هذه المتغيرات افتراض الاعتدالية أو تشتمل على قيم متطرفة؛ حيث يتم تحويل هذه القيم المستمرة إلى رتب دون الإخلال بترتيبها النسبي، شريطة الالتزام التام باستقلالية المشاهدات داخل كل مجموعة وبين المجموعتين.

2.2 افتراض استقلالية المشاهدات وأهميته العيادية

يعد افتراض استقلالية المشاهدات (Independence of Observations) الشرط الأكثر حساسية وصرامة في التحليل اللامعلمي؛ إذ يعني أن استجابة أو درجة أي مفحوص في الدراسة لا ينبغي بأي حال من الأحوال أن تؤثر على أو تتأثر بدرجات المشاركين الآخرين سواء داخل نفس المجموعة أو بين المجموعتين المختلفتين. ويتحقق هذا الشرط من خلال استخدام تصاميم العينات المستقلة القائمة على السحب العشوائي والتوزيع العشوائي التام للمفحوصين على الظروف التجريبية والضابطة.

من الناحية العيادية والسلوكية، يعني هذا الافتراض استبعاد أي شكل من أشكال الاقتران الزوجي (Pairing) أو التوفيق القبلي (Matching)، كاستخدام نفس المفحوصين في قياس قبلي وبعدي؛ إذ إن هذه الحالات تتطلب اختبارات خاصة بالعينات المترابطة مثل اختبار ولكوكسون للإشارات والرتب (Wilcoxon Signed-Rank Test). كما يحذر المنهجيون من تأثيرات “العدوى السلوكية” أو التفاعل بين أفراد المجموعات في جلسات العلاج الجمعي، حيث يؤدي التفاعل غير المضبوط إلى انتهاك مبدأ الاستقلالية وتضخيم احتمالية الوقوع في الخطأ الإحصائي، مما يستوجب مراقبة بروتوكولات جمع البيانات بعناية فائقة.

2.3 شكل التوزيع وتفسير الفروق: الموقع مقابل التوزيع العام

توجد مغالطة شائعة في الأدبيات البحثية تزعم أن اختبار مان ويتني يو هو دائماً اختبار لمقارنة الوسيط (Medians) بين مجموعتين. إن الحقيقة الإحصائية الدقيقة تقتضي التمييز بين حالتين شكليتين أساسيتين لتوزيع البيانات في المجموعتين المقارنتين:

• الحالة الأولى: تماثل شكلي التوزيع (Similar Distribution Shapes): عندما يُظهر الفحص الاستكشافي للبيانات (عبر الرسوم البيانية كالهيستوغرام ومخططات الكثافة) أن التوزيعين لهما نفس درجة الالتواء ونفس الشكل العام ولكنهما متباعدان مكانياً، فإن اختبار مان ويتني يو في هذه الحالة يعمل كاختبار مباشر للفروق بين وسيطي المجموعتين (Difference in Medians).
• الحالة الثانية: اختلاف شكلي التوزيع (Different Distribution Shapes): إذا كان التوزيعان متباينين في الشكل (كأن يكون توزيع المجموعة الأولى ملت対وياً لليمين وتوزيع المجموعة الثانية ملت対وياً لليسار أو ثنائي القمة)، فإن الاختبار لا يقارن الوسيط إطلاقاً، بل يتحول إلى اختبار للفرضية العامة حول الهيمنة العشوائية والتطابق التوزيعي الشامل (Stochastic Dominance)، ويكون التفسير الصحيح معتمداً على متوسطات الرتب الإجمالية وموقع التوزيع الكلي.

3. المقارنة المنهجية بين اختبار مان ويتني يو واختبار ت للعينات المستقلة

3.1 أوجه التشابه والاختلاف النظرية

يشترك اختبار مان ويتني يو مع اختبار ت للعينات المستقلة (Independent Samples t-test) في الغاية المنهجية العامة؛ فكلاهما مصمم لتقييم الفروق الإحصائية بين مجموعتين منفصلتين لا ترتبطان بأي علاقة اقتران. ومع ذلك، ينطلق كل منهما من فلسفة إحصائية ونموذج رياضي مختلف تماماً؛ فاختبار “ت” هو اختبار معلمي (Parametric) يفترض مسبقاً أن البيانات مستمدة من مجتمع يتبع التوزيع الطبيعي المعياري، ويتطلب تجانساً في التباين بين المجموعتين (Homogeneity of Variance).

في المقابل، ينتمي اختبار مان ويتني يو إلى المدرسة اللامعلمية الخالية من التوزيعات (Distribution-free)، حيث لا يشترط اعتدالية التوزيع، ويتعامل مع البيانات على مستوى ترتيبي. وفي حين يقارن اختبار “ت” الفروق بين المتوسطات الحسابية المعتمدة على المسافات الرقمية المطلقة، يقارن اختبار مان ويتني يو الرتب النسبية التي تعبر عن مواقع القيم داخل المتسلسلة المدمجة. وتتميز الاختبارات اللامعلمية بقدرتها على ضبط معدل الخطأ من النوع الأول (Type I Error) بكفاءة عالية حتى عند الانتهاك التام لافتراضات النماذج الخطية العامة.

3.2 القوة الإحصائية (Statistical Power) والمفاضلة بين الاختبارين

تُعد القوة الإحصائية (Statistical Power) معياراً حاسماً للمفاضلة بين الأساليب الإحصائية؛ وهي احتمالية رفض الفرضية الصفرية بنجاح عندما تكون الفرضية البديلة صحيحة فعلياً (أي تجنب الوقوع في الخطأ من النوع الثاني Type II Error). تشير الدراسات الرياضية لنظرية الكفاءة التقاربية النسبية (Asymptotic Relative Efficiency – ARE) إلى أن اختبار مان ويتني يو يمتلك كفاءة تقارب 95.5% مقارنة باختبار “ت” في الحالات التي يتحقق فيها التوزيع الطبيعي المثالي، مما يعني أن خسارة القوة الإحصائية عند استخدامه كبديل لاختبار “ت” في ظل التوزيع الطبيعي تعد ضئيلة وهامشية للغاية.

أما في الحالات التي تنحرف فيها البيانات عن التوزيع الطبيعي، خصوصاً التوزيعات ذات الذيول الثقيلة (Heavy-tailed distributions) أو البيانات التي تعاني من التواءات حادة، فإن القوة الإحصائية لاختبار مان ويتني يو تتفوق بصورة ساحقة على اختبار “ت”. فاختبار “ت” يفقد حساسيته وقوته بسرعة نتيجة تضخم التباين والانحراف المعياري، بينما يحافظ اختبار مان ويتني على استقراره وقدرته العالية على رصد الفروق الحقيقية، مما يجعله الخيار الأكثر أماناً وموثوقية في معظم التطبيقات السيكولوجية والتربوية الواقعية.

3.3 التعامل مع القيم الشاذة والمتطرفة (Outliers)

تمثل القيم المتطرفة والشاذة (Outliers) أحد أكبر التحديات في التحليل الإحصائي الاستدلالي، نظراً لأن المتوسط الحسابي والانحراف المعياري شديدا الحساسية لهذه القيم. فوجود درجة قصوى واحدة ناتجة عن استجابة اندفاعية لمفحوص في مقياس نفسي، أو درجة متدنية جداً لمريض اكتئاب، يمكن أن يؤدي إلى سحب المتوسط الحسابي بأكمله وتضخيم التباين بصورة مصطنعة، مما يقود إلى قبول خاطئ للفرضية الصفرية أو رفض غير مبرر لها عند استخدام اختبار “ت”.

يوفر اختبار مان ويتني يو حماية ذاتية متقدمة ضد هذا التشويه الإحصائي؛ فعند تحويل الدرجات الخام إلى رتب تصاعدية، تصبح القيمة المتطرفة مجرد “الرتبة الأعلى” في الترتيب (مثل الرتبة رقم 30 في عينة قوامها 30 فرداً)، بغض النظر عما إذا كانت تلك القيمة تبتعد عن القيمة السابقة بنقطة واحدة أو بمئات النقاط. تضمن هذه الآلية الترتيبية ثبات التحليل وعدم تأثر النتائج بالحالات الحدية، مما يعزز صدق الاستنتاجات العلمية والعيادية المستخلصة من الاختبارات والمقاييس السلوكية.

4. الآلية الرياضية والخطوات الحسابية لاختبار مان ويتني يو

4.1 خطوة تجميع البيانات والترتيب التصاعدي

تبدأ العملية الحسابية لاختبار مان ويتني يو بخطوة دمج منهجية؛ حيث يتم تجميع درجات أفراد المجموعتين المستقلتين (العينة الأولى ذات الحجم n1 والعينة الثانية ذات الحجم n2) في مصفوفة بيانات موحدة وشاملة يبلغ حجمها الكلي N = n1 + n2. وتُجرى هذه الخطوة مع وضع علامة تعريفية أو ترميز رمزي دقيق يميز انتماء كل درجة إلى مجموعتها الأصلية دون تغيير قيمها الخام.

عقب عملية التجميع، تُرتَّب كافة المشاهدات والملاحظات في المصفوفة المشتركة ترتيباً تصاعدياً دقيقاً، بدءاً من أصغر قيمة خام على الإطلاق وحتى أكبر قيمة. يُمنح أصغر رقم الرتبة رقم 1، ويُمنح الرقم الذي يليه الرتبة رقم 2، ويستمر الترقيم التسلسلي حتى تمنح أكبر قيمة في المصفوفة الرتبة الإجمالية N. وبعد الانتهاء من الترتيب، تُفرز وتُفصل الرتب المخصصة لأفراد المجموعة الأولى على حدة، وتلك المخصصة للمجموعة الثانية على حدة تمهيداً لحساب المجاميع الرتبية.

4.2 المعادلات الرياضية الأساسية لحساب قيمة U

بعد تصنيف الرتب، يتم حساب مجموع الرتب للمجموعة الأولى ويُرمز له بالرمز R1، ومجموع الرتب للمجموعة الثانية ويُرمز له بالرمز R2. ثم يتم تطبيق المعادلتين الرياضيتين المخصصتين لحساب الإحصاء U لكل من المجموعتين على النحو التالي:

معادلة المجموعة الأولى:

U1 = n1 * n2 + [n1 * (n1 + 1)] / 2 – R1

معادلة المجموعة الثانية:

U2 = n1 * n2 + [n2 * (n2 + 1)] / 2 – R2

ترتبط قيمتا U1 و U2 بعلاقة تكاملية ثابتة تُستخدم للتحقق الرياضي من صحة الحسابات اليدوية، وصيغتها هي:

U1 + U2 = n1 * n2

تُمثل القيمة النهائية لاختبار مان ويتني يو (الإحصاء المحسوب المعتمد U) القيمة الصغرى من بين القيمتين (Minimum of U1 and U2)، أي أن:

U = min(U1, U2)

وتُقارن هذه القيمة الصغرى المحسوبة بالجداول الإحصائية المخصصة أو تُحوَّل إلى توزيع تقريبي لاتخاذ القرار الإحصائي.

4.3 التقريب للتوزيع الطبيعي للعينات الكبيرة (Z-approximation)

عندما تكون أحجام العينات صغيرة (أقل من 20 مفحوصاً في كل مجموعة)، يتم الاعتماد على جداول الاحتمال التوافقي الدقيق لقيم U الحرجة. أما عندما يتجاوز حجم أي من المجموعتين 20 مفحوصاً، فإن نظرية النهاية المركزية (Central Limit Theorem) تثبت أن توزيع المعاينة لإحصاء U يقترب بصورة شبه تامة من التوزيع الطبيعي المعياري (Standard Normal Distribution)، مما يتيح حساب المتوسط النظري والانحراف المعياري لتوزيع U والتحويل إلى الدرجة المعيارية Z.

يُحسب المتوسط النظري المتوقع (Expected Mean) لتوزيع U بالصيغة:

μ_U = (n1 * n2) / 2

بينما يُحسب الانحراف المعياري النظري (Standard Error) لتوزيع U بالصيغة:

σ_U = √[ (n1 * n2 * (n1 + n2 + 1)) / 12 ]

ويتم تحويل قيمة U المحسوبة إلى الدرجة المعيارية Z عبر تطبيق المعادلة القياسية التالية:

Z = (U – μ_U) / σ_U

تُتيح قيمة Z المستخرجة استخراج القيمة الاحتمالية الدقيقة (p-value) من جداول التوزيع الطبيعي المعياري، ومقارنتها بمستوى الدلالة المحدد مسبقاً (مثل α = 0.05).

5. التعامل مع الرتب المكررة أو المتساوية (Tied Ranks)

5.1 مفهوم الرتب المقيدة وأسباب حدوثها

تحدث ظاهرة الرتب المكررة أو المتساوية، والتي تُعرف في الأدبيات الإحصائية بالرتب المقيدة (Tied Ranks)، عندما يحصل اثنان أو أكثر من المفحوصين على نفس الدرجة الخام تماماً في المتغير التابع الخاضع للتحليل. تنتشر هذه المشكلة بكثرة في العلوم النفسية والسلوكية عند استخدام أدوات قياس قصيرة، أو مقاييس تقدير ذات خيارات استجابة محدودة (مثل مقاييس ليكرت الخماسية أو السباعية)، حيث يحصل العديد من المشاركين على تقييمات رقمية متطابقة.

تؤدي الرتب المتطابقة إلى إحداث خلل في البناء الرياضي النظري لاختبار مان ويتني يو، نظراً لأن التوزيع التوافقي الكلاسيكي يفترض أن كافة الدرجات مستمرة ومتميزة ولا تشترك في أي رتبة. يتسبب وجود تكرارات غير معالجة في تقليل التباين الفعلي للرتب، مما ينعكس سلباً على حساب الانحراف المعياري لتوزيع U، ويقود إلى تشويه القيمة الاحتمالية الناتجة (p-value) وزيادة خطر اتخاذ قرارات إحصائية مضللة إذا لم يتم التدخل المعياري لتصحيح التباين.

5.2 طريقة حساب متوسط الرتب (Mid-ranks)

لحل إشكالية الدرجات المتطابقة دون المساس بمنطق الترتيب التصاعدي، يطبق الإحصائيون طريقة موحدة تُعرف باسم طريقة “متوسط الرتب” (Mid-ranks method). تتلخص هذه التقنية في تحديد المواقع التسلسلية التي كان ينبغي أن تشغلها هذه الدرجات المتساوية فيما لو كانت مختلفة بفوارق طفيفة، ثم جمع أرقام هذه الرتب المفترضة وقسمتها على عدد الحالات المكررة، لمنح الرتبة المتوسطة الناتجة لكافة المفحوصين المشتركين في نفس الدرجة.

لتوضيح ذلك بمثال تطبيقي مبسط: افترض أن ثلاثة مفحوصين حصلوا على نفس الدرجة الخام (ولتكن 25)، وكان تسلسلهم في المصفوفة العامة يقع في الرتب 4 و 5 و 6. بدلاً من التخصيص العشوائي للرتب، يتم جمع هذه الرتب الثلاث: (4 + 5 + 6 = 15)، ثم قسمة المجموع على عدد التكرارات (15 / 3 = 5). وبناءً على ذلك، يتم تعيين الرتبة المعدلة (5.0) لكل من المفحوصين الثلاثة بالتساوي. وإذا جاءت بعدها قيمة خام أعلى (ولتكن 28)، فإنها تأخذ الرتبة رقم 7 مباشرة لمواصلة التسلسل الطبيعي.

5.3 معامل التصحيح الإحصائي لتعديل تباين U

عندما تظهر الرتب المكررة في البيانات، فإن الانحراف المعياري الكلاسيكي لإحصاء U يصبح غير دقيق، ويستلزم الأمر إدخال “معامل تصحيح الرتب المكررة” (Tie Correction Factor) في مقام معادلة الانحراف المعياري للدرجة المعيارية Z. يعتمد هذا المعامل على حساب حجم كل مجموعة من مجموعات التكرار (يرمز لحجم المجموعة المتكررة بالرمز t)، وتطبيق دالة التكعيب وفق المعادلة التالية:

صيغة معامل التصحيح:

Correction Factor = ∑ (t³ – t)

حيث يمثل t عدد المشاهدات المشتركة في كل رتبة مكررة معينة، ويجري جمع نواتج هذه العمليات لكافة المجموعات المكررة في مصفوفة البيانات بأكملها.

يُدمج هذا المعامل في صيغة التباين المعدل للدرجة المعيارية Z ليصبح الانحراف المعياري المصحح على النحو التالي:

σ_U(corrected) = √ [ ( (n1 * n2) / 12 ) * ( (n1 + n2 + 1) – ( ∑ (t³ – t) / [ (n1 + n2) * (n1 + n2 – 1) ] ) ) ]

يؤدي استخدام هذا التصحيح إلى تعديل طفيف وضروري في قيمة Z، مما يضمن حساب القيمة الاحتمالية بدقة بالغة، خاصة في البحوث السيكومترية التي تشهد نسب تكرار مرتفعة.

6. صياغة الفرضيات الإحصائية واتخاذ القرار التفسيري

6.1 صياغة الفرضية الصفرية (H0) والفرضية البديلة (H1)

تخضع عملية اختبار الفرضيات في اختبار مان ويتني يو لأطر الاستدلال الإحصائي الصارمة؛ حيث تُصاغ الفرضية الصفرية (Null Hypothesis – H0) والفرضية البديلة (Alternative Hypothesis – H1) بناءً على طبيعة الأسئلة البحثية والأهداف المحددة للدراسة. تُمثل الفرضية الصفرية فرضية العدم الأساسية، وتُنص صياغتها عموماً على النحو التالي: “لا توجد فروق ذات دلالة إحصائية بين التوزيعين الاحتماليين للمجموعتين المستقلتين في المجتمع الأصلي”، أو بصيغة رياضية: P(X > Y) = P(Y > X)، أي أن احتمالية تفوق درجة مفحوص من المجموعة الأولى على مفحوص من المجموعة الثانية تعادل تماماً 0.50.

في المقابل، يمكن صياغة الفرضية البديلة بنمطين رئيسيين وفقاً للموجهات النظرية للبحث:

• الفرضية البديلة ثنائية الذيل (Non-directional Alternative): تفترض مجرد وجود اختلاف جوهري بين توزيعي المجموعتين دون تحديد اتجاه التفوق، وتُصاغ كالتالي: “توجد فروق دالة إحصائياً بين توزيعي المجموعتين في المجتمع الأصلي” أو P(X > Y) ≠ 0.50.
• الفرضية البديلة أحادية الذيل (Directional Alternative): تفترض انزياح درجات إحدى المجموعتين بشكل منتظم نحو قيم أعلى مقارنة بالمجموعة الأخرى بناءً على أدبيات نظرية مسبقة، وتُصاغ كالتالي: “تنزاح درجات المجموعة التجريبية بشكل دال إحصائياً نحو قيم أعلى من درجات المجموعة الضابطة” أو P(X > Y) > 0.50.

6.2 استخراج ومقارنة القيم الحرجة والجداول الإحصائية

يعتمد اتخاذ القرار الإحصائي في اختبار مان ويتني يو على مقارنة الإحصاء المحسوب بالقيمة الحرجة (Critical Value) المحددة مسبقاً عند مستوى دلالة ألفا محدد (عادة ما يكون α = 0.05 أو α = 0.01). وتختلف آلية المقارنة باختلاف حجم العينة المستخدمة في الدراسة:

في حالة العينات الصغيرة (Small Samples): يتم الرجوع إلى جداول مان ويتني الإحصائية الخاصة بقيم U الحرجة بالاعتماد على حجم العينة الأولى n1 والعينة الثانية n2 ومستوى الدلالة المختار. تتبع قاعدة اتخاذ القرار في هذه الحالة معياراً مغايراً للاختبارات المعلمية؛ حيث يتم رفض الفرضية الصفرية (H0) إذا كانت قيمة U المحسوبة أصغر من أو تساوي القيمة الحرجة المستخرجة من الجدول (U_calc ≤ U_crit). ويعود السبب في ذلك إلى أن القيم الصغرى لـ U تدل على تركز الرتب العالية في إحدى المجموعتين والرتب المنخفضة في الأخرى.

أما في حالة العينات الكبيرة (Large Samples): يتم الاعتماد على الدرجة المعيارية Z المستخرجة من التحويل الطبيعي؛ حيث تُرفض الفرضية الصفرية عند مستوى دلالة 0.05 للاختبار ثنائي الذيل إذا كانت القيمة المطلقة لـ Z المحسوبة أكبر من أو تساوي 1.96 (|Z| ≥ 1.96). كما تتيح البرمجيات الإحصائية الحديثة استخراج القيمة الاحتمالية الدقيقة (Exact p-value) القائمة على التباديل الرياضية، وهي المفضلة دائماً مقارنة بالقيمة الاحتمالية التقاربية (Asymptotic p-value) في العينات الصغيرة والمتوسطة.

6.3 تفسير القيمة الاحتمالية ومستوى الدلالة (p-value)

تُعرَّف القيمة الاحتمالية (p-value) في سياق اختبار مان ويتني يو بأنها احتمالية الحصول على التباعد المرصود بين رتب المجموعتين (أو تباعد أشد تطرفاً) بمحض الصدفة العشوائية البحتة، بافتراض صحة الفرضية الصفرية تماماً. فإذا كانت القيمة الاحتمالية المستخرجة أصغر من أو تساوي مستوى الدلالة الاسمي (p ≤ 0.05)، يرفض الباحث الفرضية الصفرية ويقبل الفرضية البديلة، مستنتجاً وجود أثر حقيقي دال إحصائياً للفروق بين المجموعتين.

يشدد المنهجيون على ضرورة تجنب الخلط الشائع بين الدلالة الإحصائية (Statistical Significance) والدلالة العيادية أو السيكولوجية (Clinical Significance). فالقيمة الاحتمالية الدالة تخبرنا فقط بأن الفرق المرصود من غير المرجح أن يكون وليد الصدفة، لكنها لا تقدم أي معلومة حول حجم أو أهمية هذا الفرق في الواقع التطبيقي. كما يجب على الباحثين عند إجراء مقارنات متعددة متزامنة (Multiple Comparisons) باستخدام اختبار مان ويتني يو تطبيق تصحيحات إحصائية صارمة لضبط معدل الخطأ العائلي، مثل تصحيح بونفيروني (Bonferroni Correction)، للحيلولة دون تضخيم احتمالية الرفض الخاطئ للفرضيات الصفرية.

7. حساب وتفسير حجوم الأثر (Effect Size) لاختبار مان ويتني يو

7.1 معامل الارتباط النقطي الترتيبي r (Rank-Biserial Correlation)

لم يعد الإبلاغ عن القيمة الاحتمالية كافياً في البحوث المحكمة، حيث تؤكد توجيهات الجمعيات العلمية الكبرى، مثل الجمعية النفسية الأمريكية (APA)، على الإلزامية المطلقة لحساب وتفسير مقاييس حجم الأثر (Effect Size). يُعد معامل الارتباط النقطي الترتيبي (Rank-Biserial Correlation – r_rb) المقياس الرياضي المباشر والأكثر التصاقاً بالبناء النظري لاختبار مان ويتني يو؛ حيث يقيس قوة واتجاه العلاقة الارتباطية بين المتغير المستقل ثنائي التقسيم والمتغير التابع الترتيبي.

تُحسب قيمة معامل الارتباط النقطي الترتيبي بالصيغة الرياضية المباشرة التالية:

r_rb = 1 – [ (2 * U) / (n1 * n2) ]

حيث تأخذ قيمة r_rb مدى يتراوح بين -1.00 و +1.00. تشير القيمة 0 إلى انعدام تام للفروق في الرتب بين المجموعتين، في حين تشير القيم القريبة من +1.00 أو -1.00 إلى هيمنة رتبية شبه مطلقة لإحدى المجموعتين على الأخرى.

كما يمكن حساب معامل حجم الأثر r القائم على الدرجة المعيارية Z بالصيغة الرياضية الشائعة التي طورها روزنثال (Rosenthal, 1991):

r = |Z| / √N

حيث يمثل N الحجم الكلي للمفحوصين في المجموعتين معاً (N = n1 + n2)، وتتراوح قيمة r الناتجة بين 0 و 1.00، معبرة عن القوة النسبية للتباين المشترك في الرتب.

7.2 مؤشر الاحتمالية المشتركة للتفوق (Common Language Effect Size)

يُعد مؤشر الاحتمالية المشتركة للتفوق (Common Language Effect Size – CLES)، ويُرمز له إحصائياً بالحرف A أو مؤشر فارغا-ديلاني (Vargha-Delaney A Measure)، من أكثر مقاييس حجم الأثر وضوحاً وسهولة في التفسير للممارسين والمهنيين غير المتخصصين في الإحصاء الرياضي. يعبر هذا المؤشر عن احتمالية أن يحصل فرد تم اختياره عشوائياً من المجموعة الأولى على درجة أعلى في المتغير التابع مقارنة بفرد آخر تم اختياره عشوائياً من المجموعة الثانية.

يُحسب مؤشر الاحتمالية المشتركة للتفوق بالصيغة المباشرة التالية:

A = U1 / (n1 * n2)

تتراوح قيمة المقياس A بين 0.0 و 1.00. وعندما تتطابق المجموعتان تماماً في توزيع الرتب، تكون قيمة A = 0.50 (فرصة متكافئة للطرفين بنسبة 50%). وإذا كانت قيمة A = 0.78 في تجربة علاج نفسي مثلاً، فإن التفسير المباشر هو: “توجد احتمالية تبلغ 78% أن يُظهر المريض الخاضع للبرنامج العلاجي التجريبي درجات تحسن أعلى من المريض الخاضع للعلاج التقليدي”، وهو مؤشر عيادي بالغ الأهمية لاتخاذ القرارات العلاجية والتربوية.

7.3 معايير كوهين لتفسير حجم الأثر اللامعلمي

لتوحيد التفسيرات الأكاديمية لحجوم الأثر، اقترح جاكوب كوهين (Jacob Cohen) عتبات مرجعية إرشادية لتفسير معامل حجم الأثر r المستخرج من التحويل المعياري (r = |Z| / √N)، وجرى تكييفها في الأدبيات اللامعلمية على النحو التالي:

• أثر صغير (Small Effect Size): عندما تكون قيمة r تقع بين 0.10 وأقل من 0.30 (أو ما يقابل مؤشر تفوق A يتراوح بين 0.56 و 0.64).
• أثر متوسط (Medium Effect Size): عندما تكون قيمة r تقع بين 0.30 وأقل من 0.50 (أو ما يقابل مؤشر تفوق A يتراوح بين 0.64 و 0.71).
• أثر كبير (Large Effect Size): عندما تكون قيمة r تبلغ 0.50 فأكثر (أو ما يقابل مؤشر تفوق A يبلغ 0.71 فما فوق).

ورغم الانتشار الواسع لمعايير كوهين، يحذر المنهجيون من تطبيق هذه الحدود الرقمية بصورة آلية جامدة بمعزل عن السياق الموضوعي والتخصصي؛ ففي البحوث السريرية والتدخلات النفسية الحساسة، قد يمثل حجم الأثر الصغير (مثل r = 0.15) فارقاً جوهرياً يسهم في حماية حياة الأفراد أو تحسين نوعية معيشتهم، مما يستوجب دوماً ربط الحجم الإحصائي بالأثر التطبيقي وحساب فترات الثقة (Confidence Intervals) لحجم الأثر لضمان دقته.

8. تطبيقات اختبار مان ويتني يو في العلوم النفسية والسلوكية

8.1 أبحاث علم النفس العيادي والتدخلات العلاجية

تحظى التطبيقات الإكلينيكية باهتمام بالغ في استخدامات اختبار مان ويتني يو؛ حيث تتسم العينات العيادية بصعوبة الاستقطاب وصغر الحجم، فضلاً عن الطبيعة غير الاعتدالية للبيانات الناتجة عن استجابات المرضى النفسيين. على سبيل المثال، في دراسات مقارنة فعالية التدخلات النفسية، قد يقيس الباحث درجات شدة الأعراض الاكتئابية بعد تطبيق برنامج علاجي معرفي سلوكي (CBT) على عينة قوامها 12 مريضاً، ومقارنتها بمجموعة ضابطة تلقت العلاج الدوائي المعتاد وقوامها 12 مريضاً آخرين عبر مقاييس سريرية تفرز درجات رتبية شديدة الالتواء.

يتيح الاختبار في مثل هذه التصاميم فحص ما إذا كانت رتب التحسن في الأعراض تنزاح بشكل دال إحصائياً لصالح إحدى المجموعتين العلاجيتين، دون التأثر بالدرجات القصوى لبعض المرضى المقاومين للعلاج. كما يُستخدم الاختبار على نطاق واسع في دراسات الطب النفسي لمقارنة مستويات الرضا عن جودة الحياة بين مجموعات تشخيصية مختلفة (مثل مرضى الفصام المستقرين مقابل مرضى الاضطراب الوجداني ثنائي القطب)، حيث تفشل النماذج البارامترية في توفير تحليلات موثوقة نظراً لعدم تجانس التباين.

8.2 دراسات القياس النفسي وتطوير المقاييس

في حقل السيكومترك وبناء الاختبارات النفسية والتربوية، يؤدي اختبار مان ويتني يو وظائف منهجية أساسية تتعلق بفحص الخصائص السيكومترية للأدوات الجديدة؛ ومن أبرز هذه الاستخدامات التحقق من الصدق التمييزي (Discriminant Validity) والقدرة التمييزية للفقرات (Item Discrimination Index). يُطبق الباحثون الاختبار للمقارنة بين أداء “المجموعات الطرفية” (Extreme Groups)، من خلال عزل أعلى 27% من المفحوصين درجات على المقياس الكلي ومقارنتهم بأدنى 27% عبر كل فقرة من فقرات المقياس الترتيبية لتحديد قدرة الفقرة على التمييز بين المستويات العليا والدنيا من السمة المقاسة.

كما يُستعان بالاختبار في دراسات التحيز في بنود المقاييس (Differential Item Functioning – DIF)، لفحص الفروق بين الجنسين (ذكور وإناث) أو الفروق الثقافية في الاستجابة على مقاييس الشخصية المستندة إلى تدريجات ليكرت، حيث تسهم المعالجة الرتبية في تفادي افتراض المسافات المتساوية بين بدائل الاستجابة التقديرية، مما يعزز دقة وموثوقية المعايير السيكومترية المستخلصة للأداة.

8.3 علم النفس الاجتماعي والتنظيمي

يمتد النطاق التطبيقي لاختبار مان ويتني يو ليشمل أبحاث السلوك التنظيمي والاتجاهات الاجتماعية، والتي تعتمد في غالبها على استطلاعات الرأي والمسوح الميدانية المشحونة ببيانات سوسيومترية ورتبية. ففي دراسات علم النفس الصناعي والتنظيمي، يُستخدم الاختبار لمقارنة مستويات الرضا الوظيفي أو الاحتراق النفسي (Burnout) بين فئات مهنية مختلفة، كالكوادر التمريضية العاملة في أقسام الطوارئ مقارنة بزملائهم في الأقسام الهادئة، أو مقارنة إدراك العدالة التنظيمية بين الإدارات التنفيذية والموظفين الميدانيين.

وفي حقل علم النفس الاجتماعي، يُمكّن الاختبار الباحثين من تحليل الفروق في المواقف والاتجاهات نحو القضايا العامة المشحونة بالانحيازات الاجتماعية، مثل التوجهات نحو التنوع الثقافي أو التقبل الاجتماعي للأقليات؛ حيث تؤدي الاستجابات الاجتماعية المرغوبة (Social Desirability) إلى تكدس التوزيع عند الأطراف العليا للمقاييس، مما يجعل اختبار مان ويتني يو الأداة اللامعلمية المثلى لاستخلاص الفروق البينية دون تشويه إحصائي.

9. التطبيق العملي لاختبار مان ويتني يو باستخدام الحزم الإحصائية

9.1 التنفيذ العملي عبر حزمة SPSS

تُعد حزمة IBM SPSS Statistics من أكثر البرمجيات استخداماً لتطبيق اختبار مان ويتني يو في الأوساط الأكاديمية. يمكن للباحث تنفيذ الاختبار عبر طريقتين برمجيتين داخل الحزمة:

الطريقة الأولى (القوائم المتقدمة الحديثة):

• التوجه إلى القائمة العلوية واختيار: Analyze ثم Nonparametric Tests ثم Independent Samples.
• في نافذة Fields، يتم إدراج المتغير التابع في حقل Test Fields، وإدراج المتغير التصنيفي المستقل في حقل Groups.
• في نافذة Settings، يتم اختيار Customize test وتحديد Mann-Whitney U (2 samples)، ثم الضغط على Run للحصول على مخرجات تفاعلية شاملة تتضمن الرسوم البيانية وقيمة الفرضية وحجم الأثر.

الطريقة الثانية (الحوارات الكلاسيكية المباشرة):

• التوجه إلى: Analyze > Nonparametric Tests > Legacy Dialogs > 2 Independent Samples.
• إدراج المتغير التابع في Test Variable List، وتحديد المتغير المستقل في Grouping Variable مع تعريف المجموعتين عبر زر Define Groups (مثلاً: 1 و 2).
• التأكد من تفعيل خيار Mann-Whitney U، والضغط على زر Exact لتحديد حساب القيمة الاحتمالية الدقيقة للعينات الصغيرة، ثم الضغط على OK.

تتضمن مخرجات SPSS جدولين أساسيين: جدول Ranks الذي يوضح حجم العينة (N)، ومتوسط الرتب (Mean Rank)، ومجموع الرتب (Sum of Ranks) لكل مجموعة؛ وجدول Test Statistics الذي يعرض قيمة U المحسوبة، وقيمة الدرجة المعيارية Z، ومستوى الدلالة التقاربي والدقيق (Asymp. Sig. & Exact Sig.).

9.2 التحليل البرمجي المتقدم باستخدام لغة R

توفر بيئة لغة R الإحصائية قدرات حوسبية متقدمة ومرونة فائقة لإجراء اختبار مان ويتني يو وحساب فترات الثقة وأحجام الأثر بدقة بالغة. الدالة الأساسية المدمجة في بيئة R الأساسية هي دالة wilcox.test()، وتُستخدم لتنفيذ الاختبار بمختلف خياراته.

لتنفيذ الاختبار الأساسي، يتم كتابة الكود البرمجي التالي، حيث يُحدد معامل paired = FALSE للدلالة على استقلالية العينات، ويُحدد نوع الفرضية البديلة عبر المعامل alternative (سواء كانت "two.sided" أو "greater" أو "less"):

wilcox.test(Score ~ Group, data = my_data, paired = FALSE, exact = TRUE, conf.int = TRUE)

ولإجراء تحليل احترافي شامل يتضمن استخراج حجم الأثر r وفترات الثقة الرتبية، يُوصى باستخدام مكتبة rstatix المتقدمة عبر الأوامر التالية:

library(rstatix)
my_data %>% wilcox_test(Score ~ Group, detailed = TRUE)
my_data %>% wilcox_effsize(Score ~ Group)

كما يمكن توظيف حزمة coin لحساب الدلالة الدقيقة في ظل وجود رتب مكررة عبر دالة wilcox_test() الخاصة بها، واستخدام مكتبة ggplot2 لبناء مخططات بيانية متقدمة (كالمخططات الصندوقية ومخططات الكمان) لعرض توزيع الرتب ومقارنة المجموعات بصرياً بصورة متوافقة مع معايير المجلات العلمية المصنفة.

9.3 التحليل الإحصائي بلغة بايثون (Python)

أصبحت لغة بايثون (Python) ركيزة رئيسية في علوم البيانات والتحليل النفسي الحديث، وتوفر مكتبات علمية قوية لتنفيذ التحليلات اللامعلمية. المكتبة المعيارية الأولى لتطبيق الاختبار هي مكتبة SciPy عبر دالتها scipy.stats.mannwhitneyu.

يتم تنفيذ الاختبار الأساسي عبر استدعاء الدالة وتمرير مصفوفتي البيانات الخاصتين بالمجموعتين، مع تحديد المعامل alternative='two-sided' لضبط الفرضية ثنائية الذيل:

from scipy import stats
u_stat, p_val = stats.mannwhitneyu(group1_scores, group2_scores, alternative='two-sided')

وللحصول على تقرير إحصائي متكامل وشامل يماثل المخرجات الأكاديمية لحزم SPSS و R بصورة آلية متقدمة، تُستخدم مكتبة pingouin الإحصائية عبر الكود التالي:

import pingouin as pg
results = pg.mwu(x=group1_scores, y=group2_scores, alternative='two-sided')
print(results)

تُظهر مخرجات pingouin قيمة U، والدرجة المعيارية Z، والقيمة الاحتمالية p-val، ومؤشر حجم الأثر المشترك للتفوق CLES، وقيمة معامل الارتباط الترتيبي النقطي r_rb بصورة متكاملة، ويمكن دمجها مع مكتبات seaborn و matplotlib لتوليد الرسوم البيانية الاستكشافية ذات الجودة العالية.

10. كتابة وتوثيق نتائج اختبار مان ويتني يو وفق معايير جمعية علم النفس الأمريكية (APA 7)

10.1 المكونات الإلزامية في صياغة النص الإحصائي

يضع دليل النشر العلمي التابع لجمعية علم النفس الأمريكية في نسخته السابعة (APA 7) معايير دقيقة لكتابة وتوثيق نتائج الاختبارات اللامعلمية في المتن والتقارير البحثية. يهدف هذا التوثيق الصارم إلى تمكين القارئ من فهم الطبيعة التوزيعية للبيانات، واتجاه الفروق بين المجموعات، وحجم التأثير الفعلي، دون الاكتفاء بالقيمة الاحتمالية وحدها.

يتطلب التوثيق المكتمل وفق معايير APA 7 تضمين العناصر والمكونات الإلزامية التالية بشكل متسلسل ومترابط داخل الفقرة المخصصة لعرض النتائج:

• مقاييس النزعة المركزية والتشتت اللامعلمية: ذكر وسيط كل مجموعة (Median – Mdn) والمدى الربيعي (Interquartile Range – IQR) لكل مجموعة على حدة، نظراً لأن الوسيط يمثل المقياس الوصفي المفضل للبيانات غير الاعتدالية.
• متوسطات ومجاميع الرتب: ذكر متوسط الرتبة (Mean Rank) و/أو مجموع الرتب (Sum of Ranks) لتوضيح الاتجاه الترتيبي الدقيق للفروق.
• الرموز الإحصائية المائلة (Italicized Symbols): كتابة الرموز الإحصائية بصورة مائلة متبوعة بقيمها الدقيقة، وتشمل: قيمة إحصاء الاختبار (U)، والدرجة المعيارية (z)، والقيمة الاحتمالية الدقيقة (p) حتى ثلاثة منازل عشرية.
• حجم الأثر (Effect Size): توثيق مؤشر حجم الأثر المعتمد، سواء كان معامل الارتباط (r) أو مؤشر التفوق (A)، مع تفسير لفظي لمدى قوته العملية.

10.2 نماذج وقوالب جاهزة لصياغة التقارير الأكاديمية

لتيسير كتابة التقارير الإحصائية وفق أسلوب APA 7، نستعرض فيما يلي نماذج تطبيقية احترافية تُغطي حالتي الدلالة الإحصائية وعدم تحققها:

نموذج لحالة وجود فروق دالة إحصائياً:

“أُجري اختبار مان ويتني يو للعينات المستقلة لفحص الفروق في درجات القلق النفسي بين المجموعة التجريبية الخاضعة لبرنامج اليقظة الذهنية والمجموعة الضابطة. أظهرت النتائج وجود فرق ذي دلالة إحصائية بين المجموعتين، U = 42.50، z = -2.84، p = .004، r = .47. حيث أظهر أفراد المجموعة التجريبية (Mdn = 18.00, IQR = 4.50, متوسط الرتب = 11.04) مستويات قلق أقل بصورة جوهرية مقارنة بأفراد المجموعة الضابطة (Mdn = 26.50, IQR = 6.00, متوسط الرتب = 21.96)، مما يشير إلى حجم أثر متوسط إلى كبير لبرنامج التدخل.”

نموذج لحالة عدم وجود فروق دالة إحصائياً:

“أشارت نتائج اختبار مان ويتني يو إلى عدم وجود فروق ذات دلالة إحصائية في درجات التوافق المهني بين الموظفين الذكور (Mdn = 42.00, IQR = 8.00, متوسط الرتب = 16.20) والإناث (Mdn = 40.50, IQR = 7.50, متوسط الرتب = 14.80)، U = 117.00، z = -0.45، p = .655، r = .08. تدل هذه النتيجة على أن مستويات التوافق المهني متكافئة بين الجنسين في بيئة العمل المدروسة.”

10.3 تمثيل البيانات بيانياً لدعم التقرير الإحصائي

يعد التمثيل البياني عنصراً مكملاً وأساسياً للتقرير الإحصائي في الأبحاث المنشورة؛ حيث يمنح القارئ رؤية بصرية فورية لشكل توزيع البيانات ومواقع التباين بين المجموعات. لا يُنصح باستخدام الأعمدة البيانية الكلاسيكية (Bar Charts) المعتمدة على المتوسطات والانحرافات المعيارية عند الإبلاغ عن نتائج اختبار مان ويتني يو، نظراً لأنها تخفي الطبيعة اللامعلمية للبيانات وتضلل القارئ بشأن التوزيع الفعلي.

البديل المنهجي المعتمد في دليل APA هو استخدام المخططات الصندوقية (Boxplots)، والتي تعرض بيانياً قيمة الوسيط (الخط الأفقي داخل الصندوق)، والمدى الربيعي بين المئين 25 والمئين 75 (جسم الصندوق)، والمدى الكلي للملاحظات (الشوارب Whiskers)، بالإضافة إلى إبراز أي قيم شاذة أو متطرفة بنقاط منفصلة. كما تكتسب المخططات الكمانية (Violin Plots) ومخططات التوزيع التراكمي شعبية واسعة في النشر العلمي الحديث؛ حيث تدمج المخطط الصندوقي مع تقدير كثافة النواة (Kernel Density Estimation)، مما يوضح شكل الالتواء الفعلي وتماثل التوزيع بدقة فائقة تدعم الاستنتاجات الإحصائية المكتوبة.

11. الأخطاء الشائعة والقيود المنهجية في استخدام اختبار مان ويتني يو

11.1 المفاهيم الخاطئة حول قدرات وافتراضات الاختبار

تسود بين بعض الباحثين مجموعة من المفاهيم الإحصائية المغلوطة المتعلقة باختبار مان ويتني يو؛ لعل أبرزها هو الاعتقاد الشائع بأن الاختبار “خالٍ تماماً من أية شروط أو افتراضات” لمجرد تصنيفه كاختبار لامعلمي. يؤدي هذا المفهوم الخاطئ إلى إسقاط افتراض استقلالية المشاهدات أو تجاهل اشتراط قياس المتغير على مستوى ترتيبي على الأقل، مما يفرغ التحليل من مصداقيته العلمية.

من المغالطات الشائعة أيضاً الخلط بين اختبار الفروق في الرتب واختبار الفروق في الوسيط؛ حيث يعمد بعض الباحثين إلى الجزم بوجود فروق بين وسيطي المجموعتين بمجرد ظهور دلالة إحصائية في قيمة U، دون التحقق المسبق من تماثل شكلي التوزيع في المجموعتين عبر الفحص البياني. كما يقع بعض المبتدئين في خطأ تطبيق اختبار مان ويتني على بيانات القياس القبلي والبعدي لنفس المفحوصين، متجاهلين أن البيانات المترابطة تتطلب اختبار ولكوكسون للإشارات والرتب وليس اختبار مان ويتني المخصص حصراً للعينات المستقلة.

11.2 المزالق الإحصائية أثناء التطبيق العملي

ينطوي التطبيق العملي للاختبار على عدد من المزالق الإحصائية التي قد تشوه القرارات البحثية؛ من أهمها الاعتماد الحصري والمطلق على القيمة الاحتمالية (p-value) في الحكم على الفرضيات، وإهمال استخراج وتفسير حجوم الأثر (Effect Sizes). ففي العينات الضخمة جداً، يمكن لاختبار مان ويتني أن يعطي دلالة إحصائية عالية لفروق تافهة لا تمتلك أي وزن تطبيقي أو سيكولوجي حقيقي في الواقع الميداني.

ومن الأخطاء الإجرائية الأخرى إسقاط تصحيح الرتب المكررة عند وجود نسب تطابق مرتفعة في الدرجات؛ أو استخدام التقريب الطبيعي Z بشكل غير مبرر مع عينات شديدة الصغر (أقل من 10 مفحوصين لكل مجموعة) بدلاً من استخراج الاحتمال الدقيق (Exact Test)، فضلاً عن إجراء مقارنات ثنائية متتالية ومتعددة دون ضبط معدل الخطأ المتراكم (Family-wise Error Rate)، مما يرفع بصورة حادة احتمالية قبول نتائج زائفة ناتجة عن الصدفة وحدها.

11.3 القيود المنهجية وحدود القوة التفسيرية

على الرغم من المرونة العالية والمزايا الفريدة لاختبار مان ويتني يو، إلا أنه ينطوي على قيود منهجية متأصلة يجب أن يدركها الباحث بدقة. يأتي في مقدمة هذه القيود فقدان جزء من المعلومات الدقيقة الكامنة في البيانات؛ فعند تحويل المتغيرات الكمية النسبية إلى رتب تسلسلية، يتم إهدار المسافات الرياضية الحقيقية بين الأفراد لصالح الترتيب المجرد، مما يقلل من حساسية التحليل لبعض الأنماط الدقيقة مقارنة بالنماذج الخطية العامة في حال تحقق شروطها.

كما يعجز اختبار مان ويتني يو الكلاسيكي عن التعامل مع التصاميم العاملية المعقدة (Factorial Designs)؛ حيث يقتصر فقط على دراسة أثر متغير مستقل واحد ثنائي التقسيم، ولا يمكنه الكشف عن تأثيرات التفاعل بين المتغيرات (Interaction Effects) كما يفعل تحليل التباين (ANOVA). بالإضافة إلى ذلك، تبرز صعوبة ضبط المتغيرات الدخيلة والمربكة (Confounding Variables) إحصائياً أثناء التحليل، لغياب مكافئ لامعلمي مباشر وبسيط لتحليل التباين المشترك البارامتري (ANCOVA).

12. الامتدادات المتقدمة والبدائل الإحصائية لاختبار مان ويتني يو

12.1 اختبار كروسكال واليس (Kruskal-Wallis) لتوسيع التحليل لأكثر من مجموعتين

عندما يتسع التصميم البحثي ليشمل مقارنة ثلاثة مجتمعات مستقلة أو أكثر بناءً على متغير تابع ترتيبي أو كمي غير معتدل (مثل مقارنة فاعلية ثلاثة برامج علاجية مختلفة: معرفي سلوكي، دينامي، وعلاج بالقبول والالتزام، بالإضافة إلى مجموعة ضابطة)، فإن اختبار مان ويتني يو بصيغته الثنائية يصبح غير ملائم من الناحية المنهجية. يبرز هنا اختبار كروسكال واليس (Kruskal-Wallis H Test) بوصفه الامتداد الطبيعي واللامعلمي المباشر لاختبار مان ويتني لعدة مجموعات، والبديل اللامعلمي لتحليل التباين أحادي الاتجاه (One-Way ANOVA).

يقوم اختبار كروسكال واليس على نفس المنطق الترتيبي، حيث يدمج درجات كافة المجموعات ويرتبها تصاعدياً ثم يحسب مجموع الرتب لكل مجموعة لتوليد الإحصاء H. وفي حال أظهر الاختبار دلالة إحصائية عامة تشير إلى وجود فروق بين المجموعات ككل، يُلجأ إلى المقارنات البعدية المزدوجة (Post-hoc Pairwise Comparisons)، والتي تُجرى عادة باستخدام اختبار مان ويتني يو المزدوج مع تطبيق تعديلات بونفيروني الصارمة، أو باستخدام اختبار دن للمقارنات المتعددة (Dunn’s Test) لتحديد المجموعات المسؤولة بدقة عن هذا التباعد.

12.2 النماذج الخطية المعممة والانحدار الترتيبي (Ordinal Logistic Regression)

لتجاوز محدودية اختبار مان ويتني يو في عزل أثر المتغيرات الدخيلة واستكشاف العلاقات المتعددة، يتجه التحليل الإحصائي الحديث نحو الانحدار اللوجستي الترتيبي (Ordinal Logistic Regression) كإطار نمذجة متقدم وأكثر مرونة. يندرج هذا الأسلوب تحت مظلة النماذج الخطية المعممة (Generalized Linear Models)، ويتيح التنبؤ بالمتغير التابع الترتيبي باستخدام عدة متغيرات مستقلة مستمرة وفئوية في آن واحد.

يتيح الانحدار الترتيبي للباحث النفسي دراسة الفروق بين المجموعات التجريبية والضابطة مع التحكم إحصائياً في متغيرات مرافقة مثل العمر، المستوى الاقتصادي، أو شدة الاضطراب الأساسية قبل بدء التجربة. كما يوفر هذا النموذج مخرجات متقدمة تتمثل في نسب الأرجحية الترتيبية المتراكمة (Cumulative Odds Ratios)، والتي توفر تفسيرات تنبؤية احتمالية تتفوق في عمقها ومداها التفسيري على المقارنات الرتبية البسيطة التي يقدمها اختبار مان ويتني يو، خصوصاً في المسوح السيكولوجية والتربوية الكبرى.

12.3 أساليب إعادة المعاينة الحديثة (Permutation & Bootstrap Methods)

مع التطور الهائل في القدرات الحاسوبية والخوارزميات البرمجية لعلوم البيانات، برزت أساليب إعادة المعاينة الحاسوبية (Resampling Techniques) كبدائل متينة ودقيقة للاختبارات الإحصائية التقليدية؛ وعلى رأسها اختبارات التباديل العشوائية التامة (Permutation Tests) وتقنيات البوتستراب غير المعلمية (Non-parametric Bootstrapping).

تقوم اختبارات التباديل على فكرة إعادة توزيع البيانات الفعلية للمفحوصين على المجموعتين آلاف المرات بطريقة عشوائية حاسوبية، لبناء توزيع معاينة تجريبي دقيق للبيانات قيد الدراسة بدلاً من الاعتماد على التوزيعات النظرية التقريبية، مما يمنحها قوة استدلالية هائلة وقدرة فريدة على التعامل مع التصاميم غير المتوازنة والانحرافات الشديدة. وتُمكن تقنيات البوتستراب الباحثين من استخراج فترات ثقة موثوقة للفروق بين الرتب والوسيط وحجوم الأثر، مما يرسم آفاقاً مستقبلية واعدة للتحليل اللامعلمي في علوم البيانات السلوكية والنفسية المعاصرة.

---

خاتمة واستنتاجات منهجية

يظل اختبار مان ويتني يو (Mann-Whitney U Test) علامة فارقة في تطور الفكر الإحصائي الاستدلالي، وأداة منهجية لا غنى عنها للباحثين في مجالات العلوم النفسية، التربوية، السلوكية، والطبية. إن قدرة هذا الاختبار على التعامل الرصين مع البيانات الترتيبية، والعينات الصغيرة، والتوزيعات المنحرفة، فضلاً عن مناعته الفائقة ضد تشويه القيم الشاذة والمتطرفة، تجعل منه بديلاً قوياً وموثوقاً للنماذج المعلمية الكلاسيكية التي كثيراً ما تفشل في تلبية متطلبات الواقع البحثي الميداني.

ومع ذلك، تقتضي الأمانة العلمية والممارسة البحثية الرصينة ألا يُنظر إلى هذا الاختبار كأداة سحرية معفاة من الضوابط المنهجية؛ فالاستخدام الصحيح لاختبار مان ويتني يو يتطلب فهماً عميقاً لافتراضاته الأساسية، وعلى رأسها استقلالية المشاهدات، وفحص التماثل الشكلي للتوزيع لضمان التفسير السليم للفروق، والحرص على معالجة الرتب المكررة وتطبيق التصحيحات الرياضية اللازمة. كما يقع على عاتق الباحثين التزام أكاديمي بدمج الدلالة الإحصائية (p-value) بحسابات دقيقة لحجم الأثر (كحساب معامل الارتباط الترتيبي r ومؤشر التفوق CLES)، وصياغة التقارير وفق المعايير الدولية المعتمدة مثل APA 7، بما يضمن الارتقاء بجودة الاستنتاجات العلمية والعيادية وخدمة المعرفة الإنسانية.

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.
• Gibbons, J. D., & Chakraborti, S. (2010). Nonparametric statistical inference (5th ed.). Chapman and Hall/CRC. https://doi.org/10.1201/EBK1420077612
• 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
• Rosenthal, R. (1991). Meta-analytic procedures for social research (Revised ed.). SAGE Publications. https://doi.org/10.4135/9781412984997
• Vargha, A., & Delaney, H. D. (2000). A critique and improvement of the CL common language effect size statistics of McGraw and Wong. Journal of Educational and Behavioral Statistics, 25(2), 101–132. https://doi.org/10.3102/10769986025002101
• Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin, 1(6), 80–83. https://doi.org/10.2307/3001968