نظرة عامة على البيانات المفقودة: الأنواع والآثار والتعامل معها

تُعد قضية البيانات المفقودة (Missing Data) واحدة من أكثر التحديات المنهجية والإحصائية إلحاحاً وتعقيداً في مسار البحث العلمي المعاصر، ولا سيما في حقول العلوم السلوكية والنفسية والاجتماعية. فعندما ينخرط الباحث في دراسة الظواهر الإنسانية المعقدة، نادراً ما يحصل على مصفوفة بيانات مكتملة الأركان وخالية من الفجوات؛ إذ تتضافر عوامل شتى — بدءاً من الطبيعة الديناميكية للسلوك البشري ووصولاً إلى عوارض القياس الميداني — لتترك خلايا فارغة في جداول التحليل الإحصائي. إن التعامل مع هذه الفجوات لا يمثل مجرد مسألة تنظيمية أو خطوة ثانوية تسبق التحليل، بل هو قرار منهجي جوهري يمس في الصميم دقة الاستدلال العلمي وصدق النتائج وقابليتها للتعميم.

تاريخياً، كان التعاطي مع القيم الشاغرة يتسم بنوع من التبسيط المخل؛ حيث سادت لعقود طويلة ممارسات الحذف التلقائي للحالات غير المكتملة أو التعويض بقيم سريعة كالمتوسطات الحسابية، وهي ممارسات أثبتت الأدبيات الإحصائية الحديثة خطورتها البالغة على المعالم الإحصائية للعينات والمجتمعات المدروسة. ومع التطور المتسارع في نظرية القياس ونمذجة المعادلات البنائية، تبلورت أطر نظرية متقدمة، قادها رواد مثل دونالد روبين (Donald Rubin)، أعادت تعريف مشكلة الفقد ليس كعجز في البيانات فحسب، بل كظاهرة احتمالية بحد ذاتها تتطلب نمذجة واعية لفهم آلياتها، سواء كانت مفقودة تماماً بشكل عشوائي، أو مفقودة عشوائياً، أو غير مفقودة عشوائياً.

يهدف هذا الدليل المرجعي الشامل إلى تقديم رؤية متعمقة ومفصلة حول ظاهرة البيانات المفقودة، مخصصاً لجمهور الباحثين والأكاديميين وطلاب الدراسات العليا. سنستعرض عبر محاوره المختلفة الأصول المفاهيمية للبيانات المفقودة، وجذورها الميدانية في القياس السلوكي، والأسس الرياضية لتصنيفاتها الثلاثية، مروراً بالآثار الوخيمة لتجاهلها على القوة الإحصائية ومصفوفات التغاير، وصولاً إلى المقارنة الدقيقة بين الأساليب التقليدية والحلول الحديثة المتطورة مثل التعويض المتعدد (Multiple Imputation) وتقدير أقصى احتمالية للبيانات الكاملة (FIML)، وانتهاءً بوضع خارطة طريق عملية وفق أحدث معايير جمعية علم النفس الأمريكية (APA) لتوثيق وإدارة هذه البيانات في التقارير والأطروحات العلمية.

1. مدخل مفاهيمي: ما هي البيانات المفقودة في سياق البحوث النفسية؟

1.1 تعريف البيانات المفقودة وطبيعتها في العلوم السلوكية

تُعرّف البيانات المفقودة في أدبيات القياس النفسي والإحصاء التطبيقي بأنها غياب القيمة الرقمية أو الوصفية المقابلة لمتغير معين لدى وحدة معاينة محددة (فرد، مؤسسة، أو قياس زمني) في مصفوفة البيانات المستهدفة، بالرغم من أن تصميم البحث كان يتطلب قياسها وتسجيلها. في العلوم السلوكية، تتخذ هذه المشكلة طابعاً فريداً شديد الحساسية؛ فالبيانات النفسية ليست مجرد تسجيل لقراءات مخبرية صلبة أو مخرجات أدوات آلية، بل هي انعكاس لبناءات نفسية معقدة واستجابات ذاتية تصدر عن مشاركين يتمتعون بإرادة حرة وحالات وجدانية متغيرة ودوافع متباينة، مما يجعل الفجوات البيانية جزءاً لا يتجزأ من واقع جمع البيانات السلوكية.

تعتمد معظم البحوث السيكولوجية على أدوات التقرير الذاتي (Self-Report Inventories)، ومقاييس ليكرت، والمقابلات الإكلينيكية، والملاحظات السلوكية المباشرة. وفي هذا السياق، تظهر خلايا القياس الشاغرة عندما يتجاهل المفحوص الإجابة عن عبارة معينة، أو عندما يرفض الإفصاح عن معلومة ذات حساسية خاصة كالدخل أو الصدمات النفسية، أو حين يعجز عن فهم معنى المفردة المقاسة. إن مصفوفة البيانات في مثل هذه الدراسات تتحول من بنية مستطيلة متكاملة الأبعاد (ن مشارك × م متغير) إلى بنية متخلخلة تحتوي على فجوات متفاوتة الحجم والتوزيع، وهو ما يفرض تحديات جمة على الخوارزميات الحسابية التي بُنيت أصلاً على افتراض اكتمال البيانات.

من الضروري هنا التفريق المنهجي الدقيق بين “القيم المفقودة الحقيقية” (True Missing Data) والبيانات الشاغرة الناتجة عن خطأ مقصود في التصميم التجريبي؛ فالأولى تحدث عندما يكون السؤال مستهدفاً لجميع العينة ولكن يتعذر الحصول على الاستجابة، بينما الثانية تمثل فراغات مقصودة مخططاً لها سلفاً، مثل استخدام تصاميم العينات المتداخلة أو الاستبيانات ذات المسارات التفرعية الشرطية (Skip Logic)، حيث لا يُطلب من غير المتزوجين، مثلاً، الإجابة عن أسئلة الرضا الزواجي. هذا التمييز حاسم لأن معالجة البيانات المفقودة تستهدف سد الفجوات غير المقصودة التي تشوه الصورة الواقعية للمجتمع المستهدف، لا الفجوات المنطقية الناتجة عن البنية التفرعية للمقياس.

1.2 أهمية دراسة المشكلة وتجاوز مجرد انخفاض حجم العينة

ينظر كثير من الباحثين المبتدئين إلى مشكلة البيانات المفقودة بنظرة اختزالية تقصر الضرر على مجرد انخفاض حجم العينة الإجمالي (N). ورغم أن تناقص حجم العينة يمثل في حد ذاته معضلة كبرى تؤدي إلى استنزاف القوة الإحصائية (Statistical Power) وتقليل قدرة الاختبارات المعلمية على اكتشاف الفروق الحقيقية أو التأثيرات الصغيرة والمتوسطة بين المجموعات، إلا أن هذا الانخفاض لا يمثل سوى قمة جبل الجليد مقارنة بالتهديدات الإحصائية والمنهجية الأعمق التي تحيط بالبحث.

تكمن الخطورة الكبرى في أن الفقد نادراً ما يحدث بشكل عشوائي معزول، مما يؤدي إلى الإخلال الفادح بالتمثيل الديموغرافي والنفسي للعينة الأصلية. فعندما تنخفض العينة بسبب انسحاب فئة محددة من المشاركين — كذوي الدخل المنخفض، أو الأفراد الأكثر معاناة من القلق، أو المجموعات الأقل تعليماً — فإن العينة المتبقية لم تعد تمثل المجتمع الأصلي الذي سُحبت منه. هذا التشوه يقوض “الصدق الخارجي” (External Validity) للبحث، ويجعل التعميمات السيكولوجية المستخلصة مقصورة على شريحة منتقاة ذات خصائص نوعية معينة، مثل الأفراد الأكثر التزاماً أو الأقل اضطراباً أو الأكثر مهارة في القراءة والكتابة.

علاوة على ذلك، تولد البيانات المفقودة تحيزات منهجية جسيمة في تقدير المعالم الأساسية؛ حيث تؤدي إلى تشويه المتوسطات الحسابية (Means)، وتضخيم أو تقليص التباينات (Variances)، وحرف مصفوفة التغاير والارتباطات البينية (Covariance & Correlation Matrices) عن قيمتها الحقيقية. هذه التحيزات تنعكس بصورة كارثية على نتائج التحليلات متعددة المتغيرات، مثل الانحدار المتعدد ونمذجة المعادلات البنائية والتحليل العاملي، مما قد يقود إلى رفض فرضيات صفرية صحيحة أو قبول فرضيات بديلة زائفة، وتأسيس ممارسات إكلينيكية وتربوية على استنتاجات سيكولوجية مضللة لا تعكس الواقع الموضوعي.

2. الأسباب الجذرية لتولد البيانات المفقودة في الدراسات السلوكية

2.1 عوامل متعلقة بالمشاركين والمفحوصين

تشكل العوامل المرتبطة بالمشاركين أنفسهم المصدر الأول والأكثر تعقيداً لتولد البيانات المفقودة في البحوث السيكولوجية. يأتي في مقدمة هذه العوامل “إرهاق الاستجابة” (Response Fatigue)، الذي ينشأ عندما يستخدم الباحثون بطاريات قياس طويلة ومزدحمة بالمقاييس المتعددة، مما يستنزف الموارد المعرفية والانتباهية للمفحوص. في مثل هذه الحالات، يبدأ المفحوص بالإجابة بدقة في بداية الجلسة، لكنه سرعان ما يلجأ إلى تخطي الصفحات الأخيرة أو ترك بنود كاملة دون إجابة نتيجة الشعور بالملل والإجهاد الذهني، مما يولد نمط فقدان تراكمي يزداد كثافة مع الاقتراب من نهاية الاستبيان.

كما تلعب “الحساسية السلوكية والوصمة الاجتماعية” (Social Desirability & Stigma) دوراً محورياً في امتناع الأفراد عن الإجابة. ففي الدراسات التي تتناول موضوعات شائكة مثل تعاطي المواد المخدرة، أو الممارسات الجنسية، أو الأفكار الانتحارية، أو تجارب العنف الأسري، يخشى المفحوصون انتهاك خصوصيتهم أو التعرض لأحكام أخلاقية، مما يدفعهم إلى إسقاط هذه الأسئلة عمداً. حتى مع وجود تطمينات السرية التامة وحماية الهوية، يظل الحاجز النفسي قائماً، مما يجعل الفقد هنا مرتبطاً بشكل وثيق بنفس السلوك أو السمة المراد قياسها، وهو ما يضع البيانات في أصعب فئات الفقد الإحصائي.

أما في الدراسات التتبعية والطولية (Longitudinal & Follow-up Studies)، فتظهر مشكلة “التسرب أو الانسحاب الطوعي” (Attrition / Dropout) كسبب رئيسي لفقدان مصفوفات كاملة من البيانات بمرور الوقت. تتعدد أسباب الانسحاب بين تغيير محل الإقامة، أو فقدان الدافع لمواصلة المشاركة في دراسة تمتد لعدة سنوات، أو التدهور الصحي للمفحوص، أو حتى الوفاة في دراسات الشيخوخة والأمراض المزمنة. هذا التسرب التراكمي لا يقلل حجم العينة فحسب، بل يغير تركيبتها النفسية والديموغرافية عبر موجات القياس المتتالية (Waves).

2.2 عوامل متعلقة بأدوات القياس وجمع البيانات

لا تقتصر أسباب الفقد على المفحوصين، بل تمتد لتشمل البنية الفنية والمنهجية لأدوات القياس وظروف تطبيقها الميداني. في العصر الرقمي، اعتمدت الغالبية العظمى من الدراسات على منصات الاستبيانات الإلكترونية (مثل Qualtrics وGoogle Forms وSurveyMonkey)، ورغم مزاياها الجمة، إلا أنها تسببت في أنماط فقد فريدة ناجمة عن الأخطاء البرمجية والانقطاع المفاجئ للاتصال بالإنترنت، أو عدم توافق واجهة الاستبيان مع شاشات الهواتف الذكية للمستخدمين، مما يؤدي إلى إغلاق الجلسة قبل تسجيل الاستجابات وفقدان البيانات كلياً أو جزئياً.

وتُعد “الصياغة اللغوية المعقدة والغموض الدلالي” في بنود المقاييس من الأسباب المنهجية المباشرة التي تدفع المشارك للتراجع عن الإجابة. عندما يحتوي البند على مصطلحات تخصصية مبهمة، أو صياغات مزدوجة المعنى (Double-barreled items)، أو تركيبات نحوية شديدة التعقيد، يعجز المفحوص عن فك شفرة السؤال وتحديد موقفه بدقة، فيفضل ترك البند شاغراً لتجنب الإجابة العشوائية. هذا الخلل في الصدق الظاهري وصدق المحتوى للأداة يحول دون الحصول على قياس دقيق ويزيد من معدلات الفجوات البيانية.

وفي التطبيقات الميدانية التي ما زالت تعتمد على الاستبيانات الورقية والاختبارات النفسية الكلاسيكية، تبرز مشكلات التسجيل اليدوي والتلف الفيزيائي للأدوات. يشمل ذلك تخطي المشارك لصفحة مطبوعة عن طريق الخطأ بسبب التصاق الأوراق، أو وضع إشارات غير واضحة بين خيارات الإجابة تتعذر قراءتها، أو تعرض أوراق القياس للتلف والرطوبة أثناء النقل والتخزين الميداني في المناطق النائية أو بيئات الأزمات الإنسانية، مما يقود إلى فقدان قطاعات كاملة من البيانات المجمعة.

2.3 أخطاء الإدخال والترميز وإدارة قواعد البيانات

تمثل المرحلة الانتقالية بين جمع البيانات الورقية وتفريغها في البرمجيات الإحصائية (مثل SPSS وR وStata) بؤرة شائعة لتولد أخطاء إدارة قواعد البيانات التي تؤدي إلى فقد غير مبرر. يقع الباحثون ومساعدو البحث غير المدربين في أخطاء السهو والإغفال البشري أثناء الإدخال اليدوي، مثل القفز عبر الخلايا وتجاوز تسجيل بعض القيم، أو إدخال قيم مشوهة تتجاوز المدى المنطقي للمتغير (Out-of-range values) كإدخال الرقم 7 في مقياس ليكرت خماسي، مما يضطر النظام لاحقاً إلى معاملتها كقيم مفقودة أثناء تنظيف البيانات.

من الأخطاء الكارثية واسعة الانتشار في هذا السياق الخلط بين “القيم المفقودة” و”القيم الصفرية” (Missing vs. Zero Values)؛ حيث يعمد بعض جامعي البيانات إلى إدخال الرقم صفر للتعبير عن عدم وجود إجابة، فيتعامل البرنامج الإحصائي مع الصفر كقيمة رقمية فعلية، مما يغير المتوسطات الحسابية ويخفضها بشكل حاد ويشوه تباين التوزيع تماماً. كما أن عدم تعيين أكواد موحدة للقيم المفقودة (مثل 999- أو NA) وتوثيقها بدقة يؤدي إلى اختلاط المفاهيم عند انتقال الملف الإحصائي بين أعضاء الفريق البحثي.

أخيراً، تشكل مشكلات تلف الملفات الإلكترونية والتعمية الرقمية لبيانات الهوية تهديداً خطيراً لسلامة قواعد البيانات. في الدراسات التي تعتمد على تصاميم متعددة المصادر (Multi-informant) كربط تقييم الطفل بتقرير الوالدين والمعلم، فإن أي خلل في شفرات الربط الفريدة (Unique Identifiers) أو تلف في مفاتيح التشفير يؤدي حتماً إلى العجز عن دمج ملفات القياس المنفصلة، وبالتالي ضياع البيانات التراكمية للحالة بالكامل بالرغم من جمعها بنجاح في الميدان.

3. تصنيف آليات الفقد: إطار روبين النظري (Rubin’s Taxonomy)

3.1 الأسس الرياضية لنظرية البيانات المفقودة لدى دونالد روبين

أحدث عالم الإحصاء دونالد روبين (Donald Rubin, 1976) ثورة منهجية في الأدبيات الإحصائية عندما صاغ الإطار النظري والرياضي المتكامل لتصنيف آليات الفقد. قبل روبين، كان التعامل مع البيانات المفقودة عشوائياً وتجريبياً دون تأصيل رياضي. وضع روبين مصفوفة كاملة للبيانات المستهدفة، ويرمز لها رياضياً بالرمز $Y = (Y_{obs}, Y_{mis})$، حيث تمثل $Y_{obs}$ الجزء الملاحظ والمقاس فعلياً من البيانات، بينما تمثل $Y_{mis}$ الجزء المفقود أو غير الملاحظ الذي كان ينبغي قياسه.

قدم روبين مفهوماً محورياً هو “متغير مؤشر الفقد” (Missingness Indicator Matrix)، ويرمز له بالرمز $R$. يتكون هذا المؤشر من مصفوفة ثنائية تأخذ خلاياها القيمة (1) إذا كانت القيمة المقابلة في المصفوفة الأصلية مفقودة، والقيمة (0) إذا كانت القيمة ملاحظة وموجودة بالفعل. وبناءً على هذا التأطير، أصبحت المشكلة الإحصائية تتمحور حول دراسة التوزيع الاحتمالي الشرطي لمؤشر الفقد $R$ بالاعتماد على البيانات الملاحظة $Y_{obs}$ والبيانات المفقودة $Y_{mis}$، وصيغت المعادلة الاحتمالية الأساسية كالتالي: $P(R | Y_{obs}, Y_{mis}, \phi)$، حيث تمثل $phi$ معالم نموذج الفقد.

إن إدراك هذه العلاقة الرياضية يوضح أن تصنيف آلية الفقد ليس مجرد ترف أكاديمي، بل هو الأساس المنطقي الذي يُبنى عليه قرار اختيار أسلوب المعالجة الإحصائية. فالهدف الأساسي ليس تخمين القيمة المفقودة بدقة مطلقة، بل استعادة التوزيع الاحتمالي السليم للمجتمع الأصلي وتقدير المعالم (المتوسطات، التباينات، معاملات الانحدار) دون تحيز، وهو ما لا يمكن أن يتحقق إلا إذا وافقت طريقة المعالجة الفرضيات الرياضية التي تمليها آلية الفقد الحاكمة لتوزيع $R$.

3.2 المقارنة العامة بين الآليات الثلاث الرئيسية

قسّم روبين آليات تولد البيانات المفقودة إلى ثلاثة أصناف رئيسية متباينة في فرضياتها الرياضية وآثارها التطبيقية:

• البيانات المفقودة تماماً عشوائياً (Missing Completely at Random – MCAR): وفيها يكون احتمال الفقد مستقلاً تماماً عن كل من البيانات الملاحظة $Y_{obs}$ والبيانات المفقودة $Y_{mis}$. يمثل هذا النوع الحالة المثالية نادرة التحقق، حيث تعتبر الحالات المكتملة عينة عشوائية بسيطة ونقية من العينة الكلية الأصلية.
• البيانات المفقودة عشوائياً (Missing at Random – MAR): وفيها يعتمد احتمال الفقد على البيانات الملاحظة $Y_{obs}$ المسجلة في المصفوفة، لكنه مستقل تماماً عن القيم المفقودة نفسها $Y_{mis}$ بعد ضبط وتثبيت المتغيرات الملاحظة. يُعد هذا الافتراض حجر الزاوية لمعظم الطرق الإحصائية الحديثة.
• البيانات المفقودة غير العشوائية (Missing Not at Random – MNAR): وتحدث عندما يظل احتمال الفقد معتمداً ومرتبطاً بصورة مباشرة بالقيم المفقودة نفسها $Y_{mis}$ حتى بعد أخذ جميع المتغيرات الملاحظة في الحسبان. يمثل هذا النوع المأزق الإحصائي الأصعب لأنه يعكس تحيزاً غير ملاحظ يرتبط بجوهر الظاهرة المدروسة.

تختلف هذه الآليات جذرياً في قابليتها للاختبار الإمبيريقي؛ فبينما يمكن اختبار فرضية MCAR إحصائياً ومقارنتها بالبيانات الملاحظة، فإن التفريق بين MAR و MNAR مستحيل إحصائياً بشكل قاطع بمجرد النظر في مصفوفة البيانات المتاحة، لأن القيم التي نحتاجها لاختبار الفرضية ($Y_{mis}$) هي بالتعريف غير موجودة. يشكل هذا التمييز مستويات متفاوتة من التهديد للصدق الداخلي والخارجي للبحوث، ويتطلب من الباحثين بناء مبرراتهم على أسس نظرية ومنهجية رصينة تدعم اختيار النماذج الرياضية المستخدمة.

4. البيانات المفقودة تماماً عشوائياً (MCAR): الخصائص والتشخيص

4.1 التعريف والافتراضات المنهجية لـ MCAR

تتحقق آلية “البيانات المفقودة تماماً عشوائياً” (MCAR) عندما يكون احتمال أن تكون القيمة مفقودة غير مرتبط على الإطلاق بأي متغير داخل مصفوفة البحث، سواء أكان متغيراً ديموغرافياً، أو درجة على مقياس نفسي ملاحظ، أو القيمة الحقيقية للمتغير المفقود نفسه. رياضياً، يُعبر عن هذا الشرط الصارم بالصيغة: $P(R | Y_{obs}, Y_{mis}, \phi) = P(R | \phi)$، مما يعني أن توزيع مصفوفة الفقد $R$ هو توزيع مستقل تماماً وثابت عبر جميع المفحوصين والحالات بغض النظر عن خصائصهم أو سلوكياتهم السيكولوجية.

لتوضيح هذه الآلية بأمثلة واقعية من البيئة البحثية: إذا أسقط باحث حقيبة تحوي جزءاً من الاستبيانات المطبوعة في بركة مياه فتلفت دون قصد، أو إذا تعطل خادم الموقع الإلكتروني لمدة ساعة واحدة بصورة فجائية تماماً نتيجة انقطاع عام للكهرباء مما منع مجموعة عشوائية من المفحوصين من إرسال استجاباتهم، فإن هذا الفقد يصنف بامتياز على أنه MCAR. في هذه السيناريوهات، لا توجد علاقة بين رغبة الفرد، أو مستواه المعرفي، أو سماته النفسية، وبين حادثة الفقد الفيزيائية أو التقنية العارضة.

تتميز آلية MCAR بميزة رياضية استثنائية تتمثل في “عدم التحيز” (Unbiasedness) لتقديرات المعالم الإحصائية للبيانات المتبقية؛ فالحالات ذات البيانات المكتملة تمثل صورة طبق الأصل مصغرة وعشوائية تماماً من العينة المستهدفة الكلية. ونتيجة لذلك، فإن المتوسطات، والانحرافات المعيارية، ومعاملات الارتباط المحسوبة من الحالات المكتملة تظل غير متحيزة وتبقى متقاربة رياضياً مع القيم الحقيقية للمجتمع، وتقتصر الخسارة هنا على انخفاض الدقة الإحصائية (Precision) واتساع فترات الثقة الناتج عن تقلص حجم العينة الفعلي فحسب دون تشويه اتجاهات العلاقات.

4.2 الاختبارات الإحصائية للتحقق من شرط MCAR

نظراً لأن افتراض MCAR يضع قيوداً صارمة جداً، فقد طور علماء القياس اختبارات إحصائية إمبيريقية تتيح للباحث التحقق من مدى ملاءمة هذا الافتراض لبياناته. يُعد اختبار ليتل (Little’s MCAR Test)، الذي ابتكره العالم رودريك ليتل (Roderick Little, 1988)، المعيار الإحصائي الذهبي المعتمد عالمياً في هذه المهمة، والمدمج في أشهر البرمجيات التحليلية مثل SPSS عبر حزمة تحليل القيم المفقودة (Missing Value Analysis – MVA).

يعتمد اختبار ليتل على مقارنة أنماط الفقد المتعددة داخل العينة، حيث يقوم بفرز المشاركين إلى مجموعات فرعية بناءً على نمط البنود المكتملة والمفقودة لديهم، ثم يفحص ما إذا كانت الفروق بين متوسطات المتغيرات الملاحظة عبر هذه الأنماط تختلف جوهرياً عن التباين المتوقع بالصدفة البحتة. يُحسب الاختبار إحصائية كاي تربيع ($\chi^2$) لدلالة التباعد؛ فإذا كانت القيمة الاحتمالية الناتجة (p-value) دالة إحصائياً ($p 0.05$)، يفشل الباحث في رفض الفرضية ويكون لديه مسوغ إحصائي لافتراض تحقق شرط MCAR.

على الرغم من الأهمية المنهجية لاختبار ليتل، إلا أن له حدوداً وحساسيات ينبغي الحذر منها؛ ففي العينات الكبيرة جداً، يصبح الاختبار فائق الحساسية لأبسط الفروق الهامشية التافهة غير ذات المعنى العملي، مما يؤدي إلى رفض فرضية MCAR حتى وإن كان الانحراف طفيفاً للغاية. وعلى النقيض، في العينات الصغيرة، يفتقر الاختبار إلى القوة الإحصائية الكافية لاكتشاف انتهاكات افتراض العشوائية التامة. بالإضافة إلى ذلك، فإن اجتياز اختبار ليتل لا ينفي بشكل قاطع وجود آلية غير عشوائية (MNAR)، لأن الاختبار يقتصر على مقارنة المتغيرات الملاحظة ببعضها ولا يمكنه رصد العلاقات الكامنة مع القيم المفقودة غير المسجلة.

5. البيانات المفقودة عشوائياً (MAR): المفهوم والتطبيقات السيكولوجية

5.1 طبيعة آلية MAR وشروطها الرياضية

تمثل “البيانات المفقودة عشوائياً” (Missing at Random – MAR) الآلية الأكثر شيوعاً وقبولاً في التطبيقات النفسية والاجتماعية المعاصرة. قد يبدو المصطلح مربكاً للوهلة الأولى؛ فكلمة “عشوائياً” هنا لا تعني الاستقلال المطلق كما في MCAR، بل تعني أن الفقد مشروط بالمتغيرات الملاحظة والمقاسة فعلياً في الدراسة. رياضياً، يُصاغ شرط MAR على النحو التالي: $P(R | Y_{obs}, Y_{mis}, \phi) = P(R | Y_{obs}, \phi)$، وهو ما يعني أن احتمالية حدوث الفقد تصبح مستقلة تماماً عن القيمة الحقيقية المفقودة $Y_{mis}$ بمجرد إدخال وضبط المتغيرات الملاحظة $Y_{obs}$ في النموذج التحليلي.

لتوضيح هذا المفهوم بسيناريو سيكولوجي: لنفترض دراسة تبحث مستويات الاكتئاب لدى عينة من الذكور والإناث، ووجدنا أن الذكور يميلون بدرجة أكبر من الإناث إلى الامتناع عن الإجابة عن بنود مقياس الاكتئاب (أي أن نسبة الفقد أعلى بين الذكور). إذا كان سبب امتناع الذكور راجعاً ببساطة إلى انتمائهم لفئة “الذكور” وثقافتهم العامة في التعبير عن المشاعر، ولكن داخل فئة الذكور نفسها لا توجد علاقة بين درجة الاكتئاب الحقيقية واحتمال الإجابة، فإن هذا الفقد يصنف كـ MAR. في هذه الحالة، نستطيع التنبؤ باحتمالية الفقد وتفسيرها بالكامل بالاعتماد على المتغير الملاحظ في مصفوفة البيانات وهو “الجنس” (Gender).

تكمن الأهمية القصوى لآلية MAR في أنها تفتح الباب واسعاً أمام “الاسترداد الإحصائي” للمعلومات المفقودة دون تحيز، وتُعرف في الأدبيات الإحصائية بأنها آلية “قابلة للتجاهل المباشر” (Ignorable Missingness Mechanism). هذا التعبير لا يعني إهمال البيانات المفقودة، بل يعني أن الباحث ليس مضطراً إلى بناء نموذج رياضي معقد لصياغة عملية الفقد ذاتها، بل يكفيه استخدام أساليب إحصائية متقدمة تستند إلى المعلومات الملاحظة — مثل التعويض المتعدد (MI) وتقدير أقصى احتمالية للبيانات الكاملة (FIML) — للوصول إلى تقديرات دقيقة وغير متحيزة لمعالم المجتمع الأصلي.

5.2 استراتيجيات التحقق والتنبؤ بنمط MAR

على عكس MCAR، لا يوجد اختبار إحصائي مباشر ونهائي يثبت بنسبة 100% أن البيانات تتبع آلية MAR مقابل MNAR، وذلك لاستحالة قياس القيم المفقودة. ومع ذلك، يمتلك الباحثون ترسانة من الاستراتيجيات التشخيصية المنهجية التي تمكنهم من اختبار الفرضيات المرتبطة بـ MAR والتحقق من مدى قدرة المتغيرات الملاحظة على تفسير نمط الفقد في المصفوفة وتوقع حدوثه بدقة مقبولة.

تتمثل إحدى أقوى هذه الاستراتيجيات في بناء نماذج الانحدار اللوجستي الثنائي (Binary Logistic Regression). يقوم الباحث بتحويل متغير الفقد المستهدف إلى متغير ثنائي (0 = القيمة موجودة، 1 = القيمة مفقودة)، ثم يجعله متغيراً تابعاً ويستخدم المتغيرات الديموغرافية والنفسية الملاحظة الأخرى كمتغيرات مستقلة ومنبئة. إذا أظهر النموذج أن بعض المتغيرات الملاحظة (مثل العمر، والمستوى التعليمي، ودرجات القلق الأساسية) تتنبأ بدلالة إحصائية باحتمالية الفقد، فإن هذا يقدم دليلاً إمبيريقياً قوياً على أن آلية الفقد ليست MCAR، بل ترتبط بالمتغيرات الملاحظة، مما يدعم معقولية افتراض آلية MAR.

بالإضافة إلى ذلك، تُستخدم استراتيجية مقارنة المجموعات، حيث يتم تقسيم العينة إلى مجموعتين: مجموعة الحالات المكتملة ومجموعة الحالات التي تحتوي على بيانات مفقودة في المتغير الهدف، ثم يُجرى اختبار ت (t-test) أو تحليل التباين المتعدد (MANOVA) لمقارنة المجموعتين في سائر المتغيرات المقاسة. إذا كشفت النتائج عن فروق جوهرية بين المجموعتين في الخصائص الملاحظة، يتأكد الباحث من ضرورة إدخال هذه المتغيرات كـ “متغيرات مساعدة” (Auxiliary Variables) في النماذج المتقدمة للتعويض، لضمان استيفاء شروط MAR وتقليل التحيز الإحصائي إلى أدنى مستوياته الممكنة.

6. البيانات المفقودة غير العشوائية (MNAR): التحدي الإحصائي الأكبر

6.1 مفهوم وآليات حدوث الفقد غير العشوائي

تُعد “البيانات المفقودة غير العشوائية” (Missing Not at Random – MNAR)، والتي يُطلق عليها أحياناً “الفقد غير القابل للتجاهل” (Non-ignorable Missingness)، المأزق المنهجي الأكثر خطورة وإرباكاً في التحليل الإحصائي. تحدث هذه الآلية عندما يرتبط احتمال غياب القيمة بنفس القيمة الكامنة غير الملاحظة المفترض قياسها، حتى بعد السيطرة الإحصائية التامة على جميع المتغيرات الأخرى المتاحة في قاعدة البيانات. رياضياً، تظل احتمالية الفقد في معادلة روبين تابعة لـ $Y_{mis}$، بحيث لا يمكن تبسيط دالة الاحتمال: $P(R | Y_{obs}, Y_{mis}, \phi)$.

تتعدد التطبيقات الإكلينيكية والسلوكية الدالة على هذه الآلية المعقدة. على سبيل المثال، في التجارب السريرية التي تقيم فعالية مضادات الاكتئاب، يميل المرضى الذين يعانون من تدهور إكلينيكي حاد وشدة أعراض قصوى إلى التوقف عن حضور جلسات التقييم وعدم ملء استبيانات الاكتئاب بسبب انعدام الطاقة واليأس، بينما يستمر المرضى المتحسنون في التقييم. في هذه الحالة، فإن سبب الفقد هو شدة الاكتئاب المرتفعة ذاتها (وهي القيمة غير المسجلة). مثال آخر يظهر في دراسات الدخل والثروة، حيث يمتنع أصحاب الدخول الفلكية العالية جداً أو المنخفضة جداً عن الإفصاح عن دخلهم بدافع الخصوصية أو الحرج، مما يجعل الفقد دالة مباشرة لمستوى الدخل الفعلي غير المقاس.

إن خطورة آلية MNAR تكمن في أن جميع الطرق التقليدية وحتى الأساليب القياسية المعتمدة على افتراض MAR (كالتعويض المتعدد القياسي أو FIML الاعتيادي) تفشل تماماً في إزالة التحيز الإحصائي؛ إذ ستقود هذه الأساليب إلى تقديرات مشوهة للمتوسطات ونماذج الانحدار لأنها تفترض أن سلوك الحالات المفقودة يمكن استنتاجه بالكامل من سلوك الحالات المشابهة في البيانات الملاحظة، وهو افتراض باطل في ظل وجود انحياز مرتبط بالقيم الغائبة نفسها.

6.2 التعامل المنهجي مع آليات MNAR المعقدة

يتطلب التصدي لآلية MNAR الانتقال إلى أساليب النمذجة المتقدمة التي تدمج صراحة “نموذج القياس” مع “نموذج آلية الفقد” في بنية رياضية واحدة مشتركة. تبرز في هذا الإطار مدرستان إحصائيتان رئيسيتان: الأولى هي نماذج خلط النمط (Pattern-Mixture Models)، وتقوم فكرتها على تقسيم العينة إلى طبقات متعددة وفقاً لنمط الفقد الخاص بها، وتقدير معالم النموذج الإحصائي داخل كل طبقة على حدة، ثم دمج هذه التقديرات كمتوسط مرجح، مما يسمح باختلاف التوزيعات الاحتمالية بين المجموعات المكتملة وغير المكتملة.

المدرسة الثانية هي نماذج الاختيار (Selection Models)، والتي تعود جذورها إلى النموذج الاقتصادي القياسي الشهير الذي طوره جيمس هيكمان (James Heckman, 1979) الحائز على جائزة نوبل. تعتمد طريقة هيكمان لانتقاء العينة (Heckman Correction) على مرحلتين: الأولى يتم فيها تقدير معادلة اختيار باستخدام نموذج بروبيت (Probit) لحساب احتمالية بقاء المشارك في العينة ومن ثم استخراج نسبة تسمى “نسبة ميلز المعكوسة” (Inverse Mills Ratio)، وفي المرحلة الثانية تُدمج هذه النسبة كمتغير ضابط في معادلة الانحدار الأصلية لتصحيح التحيز الناجم عن الفقد غير العشوائي.

ونظراً لأن جميع نماذج MNAR تعتمد على افتراضات رياضية ونظرية غير قابلة للاختبار المباشر، يُلزم المنهج العلمي الحديث الباحثين بإجراء تحليلات الحساسية (Sensitivity Analysis). تتضمن هذه التحليلات محاكاة سيناريوهات متعددة لمدى انحراف البيانات المفقودة عن الملاحظة (Tipping Point Analysis)، واختبار ما إذا كانت الاستنتاجات الجوهرية للدراسة وحجم التأثيرات تظل ثابتة ومستقرة تحت فرضيات الفقد المختلفة، وهو ما يمنح النتائج متانة علمية وشفافية عالية أمام المجتمع الأكاديمي.

7. الآثار الإحصائية والمنهجية للبيانات المفقودة على البحث العلمي

7.1 الآثار على التقديرات الإحصائية ومعاملات الارتباط

تمتد التداعيات التدميرية للبيانات المفقودة لتضرب البنية الرياضية للمعالم الإحصائية للبيانات. أول هذه الآثار يتجلى في “تحيز التقديرات النقطية” (Point Estimation Bias)؛ فعندما لا تكون البيانات MCAR، تنحرف المتوسطات الحسابية المقدرة انحرافاً منهجياً عن المتوسطات الفعلية للمجتمع. كما تتأثر التباينات والانحرافات المعيارية بالتمدد أو الانضغاط غير المبرر، مما يغير الشكل العام للتوزيع التكراري ويبعده عن التوزيع الطبيعي المفترض في الإحصاء المعلمي.

أما على مستوى العلاقات الارتباطية، فإن الفقد يؤدي إلى تشويه بالغ في مصفوفة التغاير والارتباط (Covariance/Correlation Structure). في كثير من الأحيان، يؤدي غياب البيانات غير العشوائي إلى ظاهرة “تقييد المدى” (Restriction of Range)، والتي تقود رياضياً إلى خفض قيم معاملات الارتباط (مثل معامل بيرسون) وتقليل حجم التأثير المحسوب مقارنة بالواقع، أو على العكس، قد يؤدي الفقد إلى خلق ارتباطات زائفة وغير حقيقية (Spurious Correlations) نتيجة تكتل فئات معينة من المشاركين في التحليل النهائي واختفاء فئات أخرى.

ينعكس هذا الخلل الإحصائي مباشرة على فترات الثقة والأخطاء المعيارية (Standard Errors)؛ حيث يؤدي فقد البيانات وتناقص التباين المشترك إلى تضخم الأخطاء المعيارية، مما يوسع فترات الثقة ويجعلها غير دقيقة. هذا التذبذب في الأخطاء المعيارية يرفع بصورة حادة من احتمالية الوقوع في الخطأ من النوع الثاني (Type II Error)، المتمثل في الفشل في اكتشاف فروق وتأثيرات حقيقية موجودة بالفعل، أو في المقابل، الوقوع في الخطأ من النوع الأول (Type I Error) برفض الفرض الصفري ظلماً نتيجة انكماش الخطأ المعياري المتحيز في بعض أساليب التعويض الرديئة.

7.2 التأثير على الصدق المنهجي وتعميم النتائج

لا تتوقف خسائر البيانات المفقودة عند المعادلات الحسابية، بل تتجاوزها لتقوض الأركان المنهجية للبحث العلمي السلوكي، وفي مقدمتها الصدق البنائي (Construct Validity) للأدوات والمقاييس. عند إجراء التحليل العاملي التوكيدي (CFA) أو الاستكشافي (EFA) لتطوير مقياس نفسي، فإن وجود فجوات بيانية يغير بنية العوامل وتشبعات البنود (Factor Loadings) والمؤشرات التطابقية للنموذج، مما يجعل الباحث يخطئ في تحديد الأبعاد الكامنة للظاهرة السلوكية المدروسة أو يحذف عبارات صالحة بناءً على مؤشرات إحصائية ملوثة بالفقد.

كما يمثل الفقد خطراً داهماً على الصدق الداخلي (Internal Validity) للتصاميم التجريبية وشبه التجريبية؛ ففي برامج التدخل الإكلينيكي وتعديل السلوك، إذا كان معدل تسرب أفراد المجموعة التجريبية أعلى من المجموعة الضابطة (Differential Attrition) بسبب الآثار الجانبية للعلاج أو صعوبة البرنامج، فإن المقارنة البعدية بين المجموعتين تفقد صفتها التجريبية وتصبح مقارنة متحيزة بين فئات غير متكافئة أصلاً، مما يحرم الباحث من إمكانية عزو التحسن الملاحظ إلى فاعلية البرنامج التدخلي بموثوقية.

وأخيراً، يتلاشى الصدق الخارجي وقابلية تعميم النتائج؛ فالبحوث السيكولوجية تسعى بطبيعتها لبناء تعميمات تفسر السلوك الإنساني. إن تآكل العينة وتغير خواصها بفعل الفقد يجعل التوصيات التطبيقية الصادرة عن الدراسة غير صالحة للتطبيق على عموم المجتمع، بل تصبح مقصورة على العينة الفرعية الملتزمة بالاختبارات، وهو ما يشكل انتكاسة لأهداف البحث العلمي في تقديم حلول واقعية وشاملة لمشكلات المجتمع النفسية والتربوية.

8. فحص مصفوفة البيانات وتشخيص أنماط الفقد قبل المعالجة

8.1 تقنيات التصور البصري للبيانات المفقودة

قبل الشروع في تطبيق أي خوارزمية إحصائية لمعالجة البيانات المفقودة، تقتضي قواعد التحليل الاستكشافي المتقدم للبيانات (Exploratory Data Analysis – EDA) إجراء فحص بصري دقيق للمصفوفة. يتيح التصور البصري للباحث بناء فهم حدسي وعميق لكثافة الفقد ومواضعه والروابط الخفية بين البنود، بدلاً من التعامل مع أرقام مجردة وجداول صماء قد تخفي وراءها تشوهات هيكلية خطيرة.

تتصدر المخططات الحرارية للفقد (Missing Data Heatmaps) قائمة الأدوات البصرية الفعالة في حزم مثل `VIM` و`Amelia` و`naniar` في بيئة البرمجة R. في هذه المخططات، تُمثّل مصفوفة البيانات بالكامل كصورة شبكية، حيث تأخذ الخلايا الملاحظة لوناً موحداً (كالرمادي الفاتح)، بينما تُلوّن الخلايا المفقودة بلون متباين لافت (كالأحمر الداكن). يكشف هذا المخطط على الفور عن وجود أنماط فقد جماعية، مثل غياب استجابات صفحة كاملة لدى مجموعة من المفحوصين، أو وجود متغير معين يحتوي على فراغات شاسعة بطول المصفوفة.

كما توفر مخططات الأنماط المتزامنة للفقد (Pattern Combination Plots / Upset Plots) إمكانية فريدة لرصد التقاطعات المشتركة بين المتغيرات المفقودة. يوضح هذا النوع من الرسوم البيانية التكرارات الدقيقة لتوليفات الفقد؛ كأن يظهر للمحلل أن 15% من العينة يشتركون في فقدان درجات متغيري “الدخل” و”مستوى القلق” معاً في آن واحد، في حين تكتمل لديهم سائر البيانات. يتيح هذا التحليل البصري تحديد نسب الفقد التراكمية على مستوى كل مفردة (Item-level missingness) وعلى مستوى كل مشارك (Case-level missingness)، وهو ما يوجه استراتيجية المعالجة التالية.

8.2 التمييز بين الفقد الأحادي والفقد المونوتوني والمتشعب

يعد تصنيف النمط الهندسي للفقد في مصفوفة البيانات خطوة تشخيصية محورية تحدد الخوارزميات الحسابية الصالحة للمعالجة. تنقسم أنماط الفقد الرياضية إلى ثلاثة أشكال رئيسية تختلف جذرياً في بنيتها التركيبية:

• نمط الفقد أحادي المتغير (Univariate Missingness): وهو أبسط الأنماط، حيث تتركز جميع البيانات المفقودة في متغير وحيد فقط من متغيرات الدراسة ($X_k$)، بينما تكون جميع المتغيرات الأخرى في المصفوفة ($X_1, X_2, …, X_{k-1}$) مكتملة تماماً لجميع المفحوصين. يُعد التعامل الإحصائي مع هذا النمط مباشراً وأقل تعقيداً.
• النمط الرتيب أو المونوتوني (Monotone Missing Data Pattern): يتخذ شكل درج منتظم أو مثلثي داخل المصفوفة؛ فإذا فقد المفحوص القيمة المقابلة للمتغير $X_j$، فإنه يفقد تلقائياً جميع المتغيرات اللاحقة له ($X_{j+1}, X_{j+2}, …$). هذا النمط هو السمة المميزة للدراسات الطولية والمسحية المتتابعة الناتجة عن التسرب التدريجي للمشاركين بمرور الزمن دون عودة.
• النمط العشوائي المعقد غير الرتيب (Non-monotone / Arbitrary Missing Pattern): وهو النمط الأكثر تعقيداً وانتشاراً في المسوح النفسية الميدانية؛ حيث تتناثر الخلايا المفقودة بصورة متفرقة ومتشعبة عبر مختلف المتغيرات والمشاركين دون أي ترتيب خطي، فتجد مشاركاً يفتقد البند رقم 3 ورقم 12 بينما تكتمل لديه البقية، وتجد آخر يفتقد البنود 5 و6 و9، مما يتطلب تقنيات تعويض متكررة تستوعب هذا التداخل الشبكي.

يوضح الجدول المقارن التالي الفروق الجوهرية بين الأنماط الهندسية الثلاثة ومتطلباتها الحسابية:

نمط الفقد الهندسي	الخصائص الهيكلية في المصفوفة	السياق البحثي الأكثر شيوعاً	الخوارزميات الإحصائية المفضلة
الفقد أحادي المتغير	الفقد محصور في عمود واحد فقط وتكتمل بقية الأعمدة	الأسئلة الحساسة الفردية (كالدخل)	الانحدار الخطي أو اللوجستي البسيط
النمط المونوتوني (الرتيب)	تسلسل تراتبي للفقد؛ غياب متغير يتبعه غياب ما بعده	الدراسات الطولية والتتبعية (Longitudinal)	التعويض بالسلاسل البارامترية الرتيبة / FIML
النمط غير الرتيب (المتشعب)	توزيع متشعب وفجوات عشوائية في مواقع متفرقة	المسوح النفسية والاستبيانات المتشعبة الكبيرة	طريقة MICE / نمذجة MVN المتعددة

9. الأساليب التقليدية للتعامل مع البيانات المفقودة: المزايا والمآخذ

9.1 طرق الحذف: الحذف القائم على القوائم وحذف الأزواج

هيمنت طرق الحذف المباشر لعقود طويلة على الممارسات البحثية لسهولتها البالغة ولكونها الخيار الافتراضي (Default) في كثير من البرمجيات الإحصائية القديمة. تتمثل الطريقة الأولى في الحذف الكامل للحالات أو الحذف القائم على القوائم (Listwise Deletion / Complete-Case Analysis)؛ وفيها يقوم البرنامج باستبعاد أي مشارك يحتوي سجله على قيمة مفقودة واحدة في أي متغير من المتغيرات الداخلة في التحليل، وحصره فقط في الحالات المكتملة 100%.

تتمثل الكارثة الكبرى لأسلوب الحذف القائم على القوائم في الاستنزاف الهائل لحجم العينة؛ ففي استبيان يحتوي على 50 بنداً، إذا كان لدى كل مشارك فقدان في بند واحد مختلف عن الآخرين بنسبة فقد لا تتجاوز 2% لكل بند، فإن الحذف الكامل قد يؤدي إلى حذف 80% أو أكثر من إجمالي أفراد العينة! هذا التناقص الحاد يدمر القوة الإحصائية للاختبارات. والأسوأ من ذلك، أنه إذا لم تكن البيانات مفقودة تماماً عشوائياً (MCAR) بدقة متناهية، فإن الحذف الكامل يولد تحيزات فادحة في جميع المعالم المقدرة ويشوه طبيعة المجتمع المدروس بصورة لا يمكن تداركها.

أما الطريقة الثانية فهي الحذف المزدوج أو حذف الأزواج (Pairwise Deletion / Available-Case Analysis)، والتي تحاول تلافي إهدار البيانات من خلال الإبقاء على الحالات وحساب كل معامل إحصائي ثنائي (مثل معامل الارتباط بين $X$ و $Y$) باستخدام جميع المشاركين الذين تتوفر لديهم بيانات لهذين المتغيرين معاً. ورغم أنها تحافظ على حجم عينة أكبر لكل زوج، إلا أنها تولد مأزقاً رياضياً خطيراً يتمثل في اختلاف أحجام العينات ($N$) عبر خلايا مصفوفة الارتباط الواحدة، مما ينتج عنه مصفوفات تغاير غير متسقة رياضياً وغير موجبة التحديد (Non-positive Definite Matrices)، مما يمنع تنفيذ التحليلات المتقدمة كالانحدار المتعدد ونمذجة المعادلات البنائية أو يؤدي إلى حساب نسب تباين مستحيلة تتجاوز 100%.

9.2 طرق التعويض الفردي البسيط ومخاطرها الإحصائية

سعى الباحثون لتجاوز مشكلات الحذف عبر ابتداع أساليب “التعويض الفردي” (Single Imputation)، التي تقوم على استبدال القيمة المفقودة بقيمة تقديرية واحدة ثابتة لملء الفراغ واستعادة مصفوفة متكاملة. تأتي في مقدمة هذه الأساليب طريقة التعويض بالمتوسط الحسابي (Mean Imputation)، والتي تستبدل كل قيمة مفقودة بمتوسط الدرجات الملاحظة لذلك المتغير في العينة. على الرغم من جاذبيتها الظاهرية وسهولتها، إلا أنها تُعد من أسوأ الطرق إحصائياً وأشدها تدميراً لجودة البيانات.

يؤدي التعويض بالمتوسط الحسابي إلى ضغط وتصغير التباين الطبيعي للمتغير (Variance Deflation) بصورة مصطنعة؛ لأن إضافة قيم متطابقة عند نقطة المركز يقلل من تشتت الدرجات، كما يؤدي إلى خفض وتشوه قيم معاملات الارتباط بين المتغير والمتغيرات الأخرى نتيجة إدخال قيم تفتقر لأي تباين مشترك مع بقية الأبعاد. وبالمثل، فإن طريقة التعويض بالانحدار الفردي (Single Regression Imputation)، التي تتنبأ بالقيمة المفقودة من معادلة انحدار مبنية على المتغيرات المكتملة، تعاني من عيب جوهري يتمثل في وضع القيم المعوضة على خط الانحدار مباشرة دون إضافة أي خطأ عشوائي ($e$)، مما يؤدي إلى تضخيم زائف لمعاملات الارتباط وتصغير مضلل للأخطاء المعيارية.

وفي سياق التجارب السريرية والأبحاث الدوائية، شاع لعقود أسلوب نقل آخر ملاحظة للأمام (Last Observation Carried Forward – LOCF) في التصاميم التكرارية؛ حيث تُعوض القيم المفقودة للمريض المنسحب بآخر قياس سُجل له قبل انسحابه. تعرض هذا الأسلوب لانتقادات أكاديمية لاذعة من الهيئات العلمية كإدارة الغذاء والدواء الأمريكية (FDA)؛ لأنه يفترض بثبات واستقرار حالة المريض النفسية أو العضوية تماماً منذ لحظة انسحابه وحتى نهاية التجربة، وهو افتراض غير واقعي تماماً ينتهي إما بالمبالغة في تقدير فاعلية العقار أو بخفضها بصورة زائفة.

10. الأساليب الإحصائية الحديثة: التعويض المتعدد (Multiple Imputation)

10.1 المراحل الثلاث لعملية التعويض المتعدد

يُعد التعويض المتعدد (Multiple Imputation – MI)، الذي أرسى قواعده دونالد روبين، القفزة النوعية الأبرز في معالجة البيانات المفقودة تحت افتراض MAR. تنبع عبقرية هذا الأسلوب من تجاوزه للعيب القاتل في طرق التعويض الفردي؛ حيث يقر التعويض المتعدد بحالة “عدم اليقين” (Uncertainty) المتأصلة في محاولة تخمين القيم المجهولة، فلا يستبدل القيمة المفقودة برقم واحد ثابت، بل يولد توزيعاً احتمالياً من التقديرات الممكنة عبر ثلاث مراحل منهجية متتابعة ودقيقة:

• 1. مرحلة التوليد والتعويض (Imputation Step): يتم فيها إنشاء عدد ($m$) من قواعد البيانات المكتملة المتطابقة في البيانات الملاحظة، ولكنها تختلف في القيم المعوضة. تُحسب القيم المجهولة في كل قاعدة عبر سحب عشوائي من التوزيع التنبؤي الخلفي (Posterior Predictive Distribution)، مع إضافة تباين وخطأ عشوائي لكل قيمة لمحاكاة التشتت الطبيعي وعدم اليقين المحيط بعملية التقدير.
• 2. مرحلة التحليل المستقل (Analysis Step): يقوم الباحث بتطبيق النموذج الإحصائي المستهدف (مثل الانحدار الخطي، أو تحليل المسار، أو اختبار ت) على كل قاعدة بيانات من القواعد الـ ($m$) المعوضة بصورة منفصلة ومستقلة تماماً، لينتج لديه ($m$) من مجموعات النتائج والمعالم وتقديرات الأخطاء المعيارية.
• 3. مرحلة التجميع والدمج (Pooling Step): تُدمج مخرجات التحليلات الـ ($m$) في تقدير نهائي موحد باستخدام معادلات رياضية محكمة تُعرف بـ قواعد روبين للتجميع (Rubin’s Rules). تحسب هذه القواعد المعلم النهائي كمتوسط بسيط للمعالم عبر القواعد، بينما يُحسب الخطأ المعياري الكلي بدمج نوعين من التباين: التباين داخل قواعد البيانات المعوضة (Within-imputation Variance) والتباين الحاصل بين قواعد البيانات المختلفة (Between-imputation Variance).

تضمن هذه المراحل الثلاث استعادة كاملة للقوة الإحصائية، مع الحفاظ على التباينات والارتباطات الطبيعية دون تضخيم، وتقديم فترات ثقة وأخطاء معيارية واقعية وغير متحيزة تعبر بدقة عن مستوى الدقة الإحصائية المتاح.

10.2 خوارزميات التعويض المتعدد الشائعة

يعتمد التطبيق العملي للتعويض المتعدد على خوارزميات نمذجة متقدمة تختلف بحسب طبيعة المتغيرات وأنماط الفقد في البيانات. تبرز خوارزمية المعادلات المترابطة بالتعويض المتعدد (Fully Conditional Specification – FCS / Multiple Imputation by Chained Equations – MICE) كأكثر الطرق مرونة وانتشاراً في العلوم السلوكية. تعمل هذه الخوارزمية عبر نمذجة كل متغير يحتوي على قيم مفقودة كدالة في جميع المتغيرات الأخرى في دورات تكرارية متتابعة (Gibbs Sampler)، مما يتيح التعامل بسلاسة مع مصفوفات تحوي مزيجاً من المتغيرات الفئوية (Categorical) والرتبية (Ordinal) والكمية المتصلة (Continuous)، واختيار نموذج الانحدار الملائم لطبيعة كل متغير.

أما الخوارزمية الكلاسيكية الثانية فهي التعويض القائم على التوزيع الطبيعي متعدد المتغيرات (Multivariate Normal Imputation – MVN)؛ وتفترض هذه الطريقة أن جميع المتغيرات في المصفوفة تتبع توزيعاً طبيعياً مشتركاً متعدد الأبعاد. ورغم كفاءتها الحسابية العالية وسرعتها، إلا أنها قد تواجه قيوداً عندما تنتهك البيانات فرضية التوزيع الطبيعي بشدة، أو عند التعامل مع متغيرات ثنائية أو تصنيفية بحتة، بالرغم من أن الدراسات المحاكية الحديثة أظهرت متانة جيدة لـ MVN حتى مع بعض الانحرافات الطفيفة عن الاعتدالية.

وفيما يخص معايير اختيار عدد مرات التكرار والتعويض ($m$)، ساد في الأدبيات القديمة الاعتقاد بأن توليد $m = 3$ إلى $5$ قواعد بيانات يُعد كافياً. غير أن أبحاث المحاكاة الحديثة التي قادها غراهام وزملاؤه (Graham et al., 2007) أثبتت أن استقرار الأخطاء المعيارية والقوة الإحصائية في الاختبارات التي تعاني من نسب فقد مرتفعة (20% – 50%) يتطلب توليد عدد أكبر من التعويضات يتراوح غالباً بين $m = 20$ إلى $100$ تعويض، لضمان الحصول على مخرجات قابلة للتكرار العلمي ولتقليل خطأ المعاينة الحسابي المحاكاتي (Monte Carlo Error).

11. أسلوب تقدير أقصى احتمالية للبيانات الكاملة (FIML)

11.1 المفهوم الرياضي لتقدير أقصى احتمالية FIML

يُمثل تقدير أقصى احتمالية للبيانات الكاملة (Full Information Maximum Likelihood – FIML) المدخل المنهجي الأكثر رقياً وأناقة في التعامل مع البيانات المفقودة ضمن عائلة النماذج البنائية ونماذج القياس المتقدمة. يختلف FIML جذرياً عن التعويض المتعدد في فلسفته؛ فهو ليس أسلوباً “لتعويض” أو ملء الفجوات البيانية، بل هو طريقة “تقدير بارامترية مباشرة” (Direct Estimation Method) تحسب معالم النموذج الرياضي دون توليد أي قيمة بديلة في قاعدة البيانات الأصلية.

يعتمد الأساس الرياضي لـ FIML على دالة الإمكانية اللوغاريتمية الفردية (Individual Log-Likelihood Function). في الطرق الكلاسيكية لتقدير أقصى احتمالية (ML)، تُبنى دالة الإمكانية الإجمالية بافتراض اكتمال جميع المتغيرات لكل مشارك. أما في FIML، فإن البرنامج يقوم بحساب دالة الإمكانية لكل فرد في العينة بشكل مستقل ومفصل، بالاعتماد الحصري والكامل على المتغيرات المتاحة والمقاسة فعلياً لدى ذلك الفرد تحديداً ($Y_{obs, i}$). تُجمع هذه الإمكانيات الفردية عبر جميع المشاركين (سواء من يمتلكون بيانات كاملة أو جزئية) لتشكيل دالة الإمكانية الكلية للنموذج وتعظيمها رياضياً للوصول إلى تقديرات المعالم الأكثر توافقاً مع البيانات المرصودة.

يتجلى التفوق الإحصائي الاستثنائي لـ FIML عند تطبيقه في نماذج المعادلات البنائية (Structural Equation Modeling – SEM)، والتحليل العاملي التوكيدي، وتحليلات المنحنى النمائي الكامن (Latent Growth Curve Modeling)؛ حيث يتم التحليل بخطوة واحدة موحدة (One-step estimation) تدمج فرضيات الفقد وتصحح الأخطاء المعيارية وتعدل درجات الحرية تلقائياً بما يطابق حجم المعلومات المتاحة فعلياً، مما يجعله المعيار الذهبي في نمذجة الظواهر النفسية المعقدة.

11.2 المقارنة بين التعويض المتعدد (MI) وتقدير الإمكانية الكاملة (FIML)

يضع الباحثون المنهجيون كلاً من التعويض المتعدد (MI) وتقدير أقصى احتمالية للبيانات الكاملة (FIML) في مرتبة “الحلول الحديثة المتكافئة نظرياً”؛ فكلاهما يستند إلى افتراض آلية البيانات المفقودة عشوائياً (MAR)، وكلاهما ينتج تقديرات متقاربة وغير متحيزة للمعالم والأخطاء المعيارية عند تطبيقهما على عينات كبيرة وبشروط مضبوطة. ومع ذلك، توجد فروق عملية جوهرية تمليها طبيعة التصميم البحثي والبرمجيات المتاحة.

وجه المقارنة	التعويض المتعدد (Multiple Imputation – MI)	تقدير أقصى احتمالية الكامل (FIML)
طبيعة المعالجة	توليد وتكرار $m$ من مصفوفات البيانات البديلة	تقدير المعالم مباشرة دون تعويض الخلايا الشاغرة
سهولة الاستخدام	يتطلب 3 مراحل (توليد، تحليل، دمج) وإدارة ملفات متعددة	يتم في خطوة واحدة مدمجة ضمن التحليل الأساسي
المرونة مع أنواع البيانات	مرونة فائقة مع المتغيرات التصنيفية وغير الخطية عبر MICE	أكثر ملاءمة للمتغيرات الكمية التابعة للتوزيع الطبيعي
البرمجيات الداعمة	شائع في R (حزمة mice) و SPSS و Stata و SAS	مدمج بكفاءة في برمجيات SEM مثل Mplus و AMOS و R (حزمة lavaan)
فصل مرحلة المعالجة عن النموذج	مستقل؛ يمكن استخدام القواعد المعوضة لنماذج تحليلية متعددة	مرتبط بالنموذج الإحصائي المحدد في خطوة التقدير مباشرة

تتمثل القاعدة الإرشادية للمفاضلة في الآتي: إذا كان الباحث يركز على نماذج المعادلات البنائية والتحليل العاملي الكامن باستخدام برمجيات مثل Mplus أو Lavaan، فإن FIML يُعد الخيار الأسرع والأكثر اتساقاً من الناحية الإجرائية. أما إذا كانت الدراسة تشتمل على تحليلات إحصائية متنوعة وغير معلمية، أو نماذج انحدار لوجستي متعدد المستويات، أو متغيرات تصنيفية معقدة، فإن التعويض المتعدد عبر MICE يمنح مرونة لا تضاهى في استيعاب هذه التعقيدات.

12. أفضل الممارسات المنهجية وتوثيق إدارة البيانات المفقودة في التقارير الأكاديمية

12.1 استراتيجيات الوقاية وتقليل الفقد أثناء مرحلة جمع البيانات

إن أفضل وأنجع استراتيجية للتعامل مع البيانات المفقودة هي “منع حدوثها من الأساس” في الميدان؛ فالطرق الإحصائية الأكثر تقدماً تظل مجرد حلول تعويضية تحاول تقليل الأضرار، ولا يمكن لأي خوارزمية رياضية أن تعوض تماماً جودة ودقة البيانات الحقيقية المجمعة من الميدان. تتطلب الوقاية تخطيطاً منهجياً استباقياً يبدأ من مرحلة بناء التصميم التجريبي وأدوات القياس.

تتضمن استراتيجيات الوقاية تحسين تصميم أدوات القياس عبر الدراسات الاستطلاعية (Pilot Testing)؛ حيث يتم تطبيق الاستبيان على عينة مصغرة لفحص وضوح البنود، وتقدير الزمن الفعلي اللازم للإجابة، ورصد مواضع الإبهام اللغوي أو الإرهاق المعرفي لتعديلها أو اختصارها قبل النزول للميدان النهائي. كما ينبغي تجنب المقاييس الطويلة غير المبررة، والاعتماد على نسخ مصغرة ومقننة (Short-form validated scales) كلما كان ذلك متاحاً دون الإخلال بالثبات والصدق.

وعلى مستوى إدارة المشاركين، يجب تفعيل استراتيجيات التواصل والتحفيز المستمر؛ كتقديم مكافآت معنوية أو مادية مناسبة لتقدير وقت المفحوص، وتأكيد مبادئ السرية وحماية الهوية بعبارات واضحة وصريحة تبدد المخاوف السيكولوجية المرتبطة بالوصمة. وفي المسوح الإلكترونية، يُنصح باستخدام الفحوصات الإلزامية للإجابة (Forced-choice constraints) بحذر شديد؛ فالإلزام التعسفي قد يدفع المشارك إلى إدخال إجابات عشوائية لتجاوز الصفحة أو إغلاق الاستبيان بالكامل، والأفضل استخدام “التنبيهات اللطيفة” (Prompting) لتذكير المفحوص بالبنود المتروكة سهواً قبل الإرسال النهائي.

12.2 معايير APA وإرشادات النشر الأكاديمي لتوثيق البيانات المفقودة

أكدت الإرشادات الصادرة عن جمعية علم النفس الأمريكية (APA) في دليل النشر الأكاديمي السابع (JARS – Journal Article Reporting Standards) على الشفافية المنهجية المطلقة في الإبلاغ عن البيانات المفقودة وتوثيق كل خطوة إجرائية اتخذت بشأنها، رافضة تماماً الممارسات الضبابية التي تتجاهل ذكر حجم الفقد أو تكتفي بالإشارة العابرة إلى تقليص حجم العينة.

يتعين على الباحث استيفاء المعايير التوثيقية التالية في قسم المنهجية والنتائج:

• الإبلاغ الكمي الدقيق: تقديم جداول أو نسب مئوية مفصلة توضح حجم ونسبة البيانات المفقودة لكل متغير من متغيرات الدراسة، بالإضافة إلى توضيح عدد الحالات ذات البيانات المكتملة والحالات التي تحتوي على فقدان جزئي أو كلي.
• تأصيل آلية الفقد: شرح الفرضية التي استند إليها الباحث حول آلية الفقد الحاكمة لبياناته (MCAR أو MAR أو MNAR)، وتقديم الأدلة الإحصائية الإمبيريقية المدعمة لذلك (مثل نتائج اختبار Little’s MCAR، أو نماذج الانحدار اللوجستي للتنبؤ بالفقد)، وتبرير المنطق السيكولوجي خلف هذا الافتراض.
• التوثيق الإجرائي لأسلوب المعالجة: الوصف التفصيلي والدقيق للطريقة الإحصائية المستخدمة لمعالجة الفقد؛ فإذا استُخدم التعويض المتعدد (MI)، يجب تحديد الخوارزمية (مثل MICE)، وعدد قواعد البيانات المعوضة ($m$)، والمتغيرات المساعدة المدرجة في نموذج التعويض، والبرمجية وحزمتها المستخدمة. وإذا استُخدم FIML، يجب توضيح دالة الاحتمال وطريقة معالجة الأخطاء المعيارية.
• تقديم تحليلات الحساسية (Sensitivity Analyses): مقارنة النتائج النهائية المشتقة بعد معالجة الفقد بالنتائج المستخلصة من التحليل الأولي للحالات المكتملة، وإبراز مدى تطابق أو تباين الاستنتاجات العلمية؛ لضمان أعلى درجات النزاهة والمصداقية العلمية أمام المحكمين والقراء.

خاتمة

لم تعد مشكلة البيانات المفقودة في العصر الحديث مجرد عائق تقني عابر يُحل بإجراءات حذف سريعة وميكانيكية، بل غدت حقلاً معرفياً ومنهجياً قائماً بذاته يقع في صلب الصرامة الأكاديمية ونزاهة الاستدلال الإحصائي في العلوم النفسية والسلوكية. إن التطور المنهجي الهائل الذي قاده إطار روبين النظري نقل المجتمع العلمي من مرحلة “التخلص المشوه من البيانات” إلى مرحلة “النمذجة الرياضية الواعية لعدم اليقين”، مما أتاح استرداداً دقيقاً للمعلومات وحماية لمعالم المجتمعات المدروسة من التحيزات التدميرية.

إن المسؤولية الأكاديمية تفرض على الباحث المعاصر تبني رؤية شمولية تبدأ بالوقاية الصارمة أثناء جمع البيانات في الميدان، وتمر بالتشخيص البصري والإحصائي المتعمق لآليات وأنماط الفقد، وتنتهي بالتوظيف الرشيد للأساليب الحديثة المتفوقة مثل التعويض المتعدد وتقدير أقصى احتمالية للبيانات الكاملة. ومن خلال الالتزام بمعايير الشفافية والتوثيق المنهجي الدقيق التي تفرضها الهيئات الأكاديمية العالمية، نضمن ترسيخ بيئة بحثية رصينة تنتج معرفة سيكولوجية صادقة وموثوقة تسهم بفاعلية في فهم وتطوير السلوك الإنساني.

References

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Enders, C. K. (2010). Applied missing data analysis. Guilford Press. https://www.guilford.com/books/Applied-Missing-Data-Analysis/Craig-Enders/9781462549863
• Graham, J. W., Olchowski, A. E., & Gilreath, T. D. (2007). How many imputations are really needed? Some practical clarifications of multiple imputation theory. Prevention Science, 8(3), 206–213. https://doi.org/10.1007/s11121-007-0070-9
• Heckman, J. J. (1979). Sample selection bias as a specification error. Econometrica, 47(1), 153–161. https://doi.org/10.2307/1912352
• Little, R. J. A. (1988). A test of missing completely at random for multivariate data with missing values. Journal of the American Statistical Association, 83(404), 1198–1202. https://doi.org/10.1080/01621459.1988.10478722
• Little, R. J. A., & Rubin, D. B. (2019). Statistical analysis with missing data (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781119482260
• Rubin, D. B. (1976). Inference and missing data. Biometrika, 63(3), 581–592. https://doi.org/10.1093/biomet/63.3.581
• Rubin, D. B. (1987). Multiple imputation for nonresponse in surveys. John Wiley & Sons. https://doi.org/10.1002/9780470316696
• Schafer, J. L., & Graham, J. W. (2002). Missing data: Our view of the state of the art. Psychological Methods, 7(2), 147–177. https://doi.org/10.1037/1082-989X.7.2.147
• van Buuren, S. (2018). Flexible imputation of missing data (2nd ed.). CRC Press. https://doi.org/10.1201/9780429492259