كيفية إجراء اختبارات التوزيع الطبيعي متعدد المتغيرات في بايثون

يشكل التحليل الإحصائي متعدد المتغيرات حجر الزاوية في الأبحاث الكمية المتقدمة عبر طيف واسع من العلوم، بدءاً من القياس النفسي والعلوم السلوكية وصولاً إلى الاقتصاد القياسي وعلم البيانات والتعلم الآلي. في قلب هذه النماذج الرياضية المعقدة، تبرز فرضية التوزيع الطبيعي متعدد المتغيرات (Multivariate Normality – MVN) كشرط أساسي وجوهري لا غنى عنه لصحة الاستدلال الإحصائي ودقة المعلمات المقدرة. إن الافتراض القائل بأن مجموعة من المتغيرات العشوائية تتبع توزيعاً طبيعياً مشتركاً ليس مجرد رفاهية رياضية، بل هو الأساس البنيوي الذي تستند إليه اختبارات تحليل التباين متعدد المتغيرات (MANOVA)، ونمذجة المعادلات الهيكلية (Structural Equation Modeling – SEM)، والتحليل العاملي التوكيدي (CFA)، والانحدار اللوجستي والتمييزي الخطي.

على الرغم من الأهمية المحورية لهذا الافتراض، فإن الممارسة البحثية التطبيقية تشهد في كثير من الأحيان تساهلاً منهجياً خطيراً يتمثل في الاكتفاء باختبار التوزيع الطبيعي الأحادي (Univariate Normality) لكل متغير على حدة، وتعميم النتيجة افتراضياً على المستوى متعدد المتغيرات. هذا الخلط المنهجي يغفل حقيقة رياضية صارمة: التوزيع الطبيعي الأحادي لجميع المتغيرات هو شرط ضروري ولكنه غير كافٍ على الإطلاق لإثبات التوزيع الطبيعي المتعدد. يؤدي انتهاك هذا الافتراض إلى عواقب وخيمة، تشمل تضخيم معدلات الخطأ من النوع الأول (Type I Error)، وتشويه القيم الاحتمالية (p-values)، وتقويض دقة فترات الثقة، فضلاً عن إصدار أحكام مضللة حول جودة مطابقة النماذج الهيكلية المعقدة.

مع التطور المتسارع للبرمجيات الإحصائية ولغات البرمجة مفتوحة المصدر، أصبحت لغة بايثون (Python) البيئة البرمجية الرائدة التي تجمع بين مرونة الحوسبة العلمية وقوة المعالجة المصفوفية المتطورة. يقدم هذا الدليل الشامل والمفصل تحليلاً أكاديمياً وعملياً متكاملاً لكيفية تشخيص واختبار وتفسير التوزيع الطبيعي متعدد المتغيرات في بايثون. سنتناول في هذا المرجع الأسس النظرية والجبرية للمصفوفات، واستكشاف القيم الشاذة المتعددة عبر مسافة ماهالانوبيس، والتطبيق البرمجي لأدق الاختبارات الإحصائية مثل اختبار هينز-زيركلر (Henze-Zirkler) واختبارات مارديا (Mardia) ورويستون (Royston)، بالإضافة إلى التشخيص البصري المتقدم واستراتيجيات المعالجة المنهجية للبيانات الملتوية وفق أعلى معايير النشر الأكاديمي المعتمدة من قبل جمعية علم النفس الأمريكية (APA).

1. مفهوم التوزيع الطبيعي متعدد المتغيرات وأهميته الإحصائية

1.1 التعريف النظري للتوزيع الطبيعي متعدد المتغيرات (MVN)

يمثل التوزيع الطبيعي متعدد المتغيرات تعميماً رياضياً مباشراً للتوزيع الطبيعي أحادي البعد إلى فضاء متري نوني الأبعاد ($p$-dimensional space). إذا كان لدينا متجه عشوائي $\mathbf{X} = [X_1, X_2, dots, X_p]^T$ يتألف من $p$ من المتغيرات العشوائية المستمرة، فإننا نقول إن المتجه $\mathbf{X}$ يتبع توزيعاً طبيعياً متعدد المتغيرات بمتوسط $boldsymbol{\mu}$ ومصفوفة تباين وتباين مشترك $boldsymbol{\Sigma}$، ويُرمز له رياضياً بالصيغة $\mathbf{X} \sim \mathcal{N}_p(boldsymbol{\mu}, boldsymbol{\Sigma})$.

تُعرَّف دالة الكثافة الاحتمالية المشتركة (Joint Probability Density Function) للمتجه $\mathbf{X}$ بالصيغة الرياضية الدقيقة التالية:

$$f(\mathbf{x}) = \frac{1}{(2\pi)^{p/2} |boldsymbol{\Sigma}|^{1/2}} \exp\left( -\frac{1}{2} (\mathbf{x} – boldsymbol{\mu})^T boldsymbol{\Sigma}^{-1} (\mathbf{x} – boldsymbol{\mu}) \right)$$

حيث يمثل $|boldsymbol{\Sigma}|$ محدد مصفوفة التباين والتباين المشترك (Determinant)، بينما يمثل $boldsymbol{\Sigma}^{-1}$ المعكوس الرياضي للمصفوفة (Inverse Covariance Matrix). يلعب المقدار الأسي $(\mathbf{x} – boldsymbol{\mu})^T boldsymbol{\Sigma}^{-1} (\mathbf{x} – boldsymbol{\mu})$ دوراً محورياً في تحديد المسافة الإحصائية لنقطة البيانات عن مركز الثقل التوزيعي.

من الناحية الهندسية، لا يتخذ التوزيع شكلاً جرسياً بسيطاً كما في الحالة الأحادية، بل يشكل مجسماً متساوي الكثافة في الفضاء متعدد الأبعاد على هيئة سطح إهليلجي فائق (Hyper-ellipsoid). تحدد المتجهات الذاتية (Eigenvectors) لمصفوفة التغاير اتجاهات المحاور الرئيسية لهذا الشكل الإهليلجي، في حين تحدد القيم الذاتية (Eigenvalues) أطوال تلك المحاور ودرجة انتشار البيانات عبر كل بعد رياضي، مما يعكس البنية الترابطية الكاملة بين المتغيرات المدروسة.

1.2 أهمية التحقق من التوزيع الطبيعي في النماذج المتقدمة

تعتمد النماذج الإحصائية المعلمية المتقدمة على افتراض أساسي مؤداه أن الأخطاء العشوائية أو المتغيرات الملاحظة تتوزع توزيعاً طبيعياً مشتركاً. في سياق تحليل التباين متعدد المتغيرات (MANOVA)، يشترط النموذج أن تتبع المتغيرات التابعة مجتمعةً توزيعاً طبيعياً متعدد المتغيرات داخل كل مجموعة من مجموعات المتغير المستقل، وذلك لضمان صحة إحصاءات الاختبار الشائعة مثل أثر بيلائي (Pillai’s Trace) ولامبدا ويلكس (Wilks’ Lambda).

تزداد هذه الأهمية وضوحاً في نمذجة المعادلات الهيكلية (SEM) والتحليل العاملي التوكيدي (CFA)؛ حيث يُعد مقدر الأرجحية القصوى القياسي (Maximum Likelihood – ML) المقدر الافتراضي والأكثر كفاءة لحساب معالم النموذج. يفترض هذا المقدر أن البيانات تتبع توزيعاً طبيعياً متعدد المتغيرات لكي تكون التقديرات غير متحيزة وتتمتع بخاصية التقارب الأسي والكفاءة المقاربة.

عند انتهاك هذا الافتراض، تفقد مصفوفة المعلومات دقتها، مما يؤدي إلى تقدير غير دقيق للأخطاء المعيارية (Standard Errors)، والتي غالباً ما يتم تقديرها بأقل من قيمتها الحقيقية. ينجم عن ذلك تضخيم مصطنع للقيم التائية ($t$-values) والدلالة الإحصائية للمعالم، بالإضافة إلى تضخيم إحصاء كاي-تربيع ($\chi^2$) لجودة المطابقة، مما يدفع الباحثين إلى رفض نماذج نظرية صحيحة بشكل خاطئ وزيادة معدل الخطأ من النوع الأول بشكل كبير.

1.3 حدود ومخاطر الاعتماد على الاختبارات الأحادية فقط

من الأخطاء المنهجية الشائعة في التحليل الكمي الافتراض القائل بأن التحقق من التوزيع الطبيعي لكل متغير منفصلاً عبر اختبارات مثل شابيرو-ويلك أو كولموجوروف-سميرنوف يضمن تلقائياً أن المجموعة تتوزع توزيعاً طبيعياً متعدد المتغيرات. هذا الاستنتاج باطل رياضياً وإحصائياً؛ فالطبيعية الأحادية هي خاصية هامشية (Marginal Property)، بينما التوزيع الطبيعي المتعدد هو خاصية مشتركة (Joint Property).

يمكن رياضياً بناء توزيعات احتمالية مشتركة غير طبيعية تمتلك توزيعات هامشية طبيعية تماماً. يحدث هذا عندما تتضمن العلاقات بين المتغيرات ارتباطات غير خطية معقدة، أو عندما توجد قيم شاذة متعددة المتغيرات لا تظهر كقيم متطرفة على أي محور مفرد، أو في حالات الاعتماد الدائري أو الهلالي بين المتغيرات. في مثل هذه السيناريوهات، تنجح جميع الاختبارات الأحادية في إثبات الطبيعية بدرجة دلالة عالية، بينما يفشل التوزيع المشترك تماماً في تحقيق متطلبات الاستقرار الرياضي.

توضح الأدبيات الإحصائية أمثلة كلاسيكية عديدة لتوزيعات غير خطية (مثل توزيعات كواكوا أو اقترانات كوبيولا غير المتماثلة) التي تتطابق فيها التوزيعات الهامشية مع التوزيع الغاوسي المعياري بنسبة 100%، في حين ينهار السطح الإهليلجي متعدد الأبعاد إلى أشكال ملتفة تفقد معها الاختبارات المعلمية المتقدمة كل متانتها وقابليتها للتعميم.

2. مقارنة منهجية بين التوزيع الطبيعي أحادي المتغير ومتعدد المتغيرات

2.1 الفروق الرياضية والمعيارية بين المستويين

تتجاوز الفروق بين التوزيع الطبيعي أحادي المتغير ومتعدد المتغيرات مجرد زيادة عدد الأعمدة في مصفوفة البيانات؛ إنها تعكس تحولاً جذرياً في الطبيعة الجبرية للنمذجة الرياضية. في التحليل الأحادي، يتم وصف المتغير بالكامل بواسطة معلمتين قياسيتين فقط: المتوسط الحسابي ($\mu$) والتباين البسيط ($\sigma^2$). تنحصر دالة التوزيع التراكمي في مساحة تحت منحنى جرسي ثنائي الأبعاد يتحدد عرضه بمقدار الانحراف المعياري.

في المقابل، يتطلب الفضاء متعدد المتغيرات تحديد متجه للمتوسطات من الرتبة $p \times 1$، ومصفوفة متماثلة موجبة التعريف (Positive Definite Symmetric Matrix) للتباين والتباين المشترك من الرتبة $p \times p$. تحتوي هذه المصفوفة على التباينات الفردية على قطرها الرئيسي، بينما تمثل العناصر خارج القطر التباينات المشتركة بين كل زوج من المتغيرات:

$$boldsymbol{\Sigma} = \begin{\bmatrix} \sigma_1^2 &a\mp; \sigma_{12} &a\mp; \cdots &a\mp; \sigma_{1p} \ \sigma_{21} &a\mp; \sigma_2^2 &a\mp; \cdots &a\mp; \sigma_{2p} \ \vdots &a\mp; \vdots &a\mp; \ddots &a\mp; \vdots \ \sigma_{p1} &a\mp; \sigma_{p2} &a\mp; \cdots &a\mp; \sigma_p^2 \end{\bmatrix}$$

هذا التحول البنيوي يعني أن الكثافة الاحتمالية لا ترتبط بالمسافة الخطية المطلقة $|x – mu|$، بل تتحدد بالمسافة الهندسية الموزونة بمصفوفة التغاير، مما ينتج سطوحاً بيضاوية فائقة في الفضاء الإقليدي متعدد الأبعاد، حيث تتقاطع المتغيرات في شبكة معقدة من التغيرات المتزامنة.

2.2 مقارنة الاختبارات الإحصائية المقابلة في البيئتين

يقابل كل اختبار إحصائي تقليدي في العالم الأحادي نظيرٌ متعدد المتغيرات تم تطويره للتعامل مع التعقيد البنيوي للمصفوفات. يوضح الجدول والتحليل التالي الفروق الجوهرية بين الأدوات الإحصائية في كلا المستويين:

• اختبار شابيرو-ويلك (Shapiro-Wilk) مقابل اختبار هينز-زيركلر (Henze-Zirkler): بينما يعتمد اختبار شابيرو-ويلك على الارتباط بين إحصاءات الترتيب للبيانات والقيم المتوقعة للتوزيع الطبيعي الأحادي، يعتمد اختبار هينز-زيركلر على قياس المسافة الوظيفية بين دالة الكثافة المميزة التجريبية (Empirical Characteristic Function) ودالة الكثافة النظرية للتوزيع الغاوسي المتعدد عبر التكامل الموزون.
• اختبار جارك-بيرا (Jarque-Bera) مقابل اختبارات مارديا (Mardia’s Tests): يفحص جارك-بيرا معاملات الالتواء والتفرطح الأحادية بالاعتماد على العزوم الثالثة والرابعة المنفصلة. في المقابل، تقوم اختبارات مارديا بحساب معاملات الالتواء متعدد المتغيرات ($b_{1,p}$) والتفرطح متعدد المتغيرات ($b_{2,p}$) عبر دمج حاصل ضرب الانحرافات المعيارية لجميع التباديل الممكنة للمتغيرات داخل مصفوفة المسافات المشتركة.
• مخطط Q-Q الأحادي مقابل مخطط كاي-تربيع متعدد المتغيرات: يقارن مخطط Q-Q العادي المئينيات التجريبية لمتغير واحد بمئينيات التوزيع الطبيعي القياسي $\mathcal{N}(0, 1)$، بينما يقوم مخطط كاي-تربيع بمطابقة المسافات الإحصائية المربعة (مسافات ماهالانوبيس) لجميع الحالات مع مئينيات توزيع كاي-تربيع بدرجات حرية مساوية لعدد المتغيرات ($df = p$).

2.3 التحديات الحسابية في الأبعاد العالية

يفرض الانتقال إلى أبعاد عالية ($p > 10$) تحديات رياضية وحسابية جسيمة تُعرف في الأدبيات الإحصائية باسم لعنة الأبعاد (Curse of Dimensionality). كلما زاد عدد المتغيرات المضمنة في التحليل، زاد حجم الفضاء الهندسي بشكل أسي، مما يؤدي إلى تشتت البيانات وانخفاض الكثافة الاحتمالية في المركز، فتصبح العينات التجريبية متناثرة عند أطراف الفضاء الفائق (Sparse Data Phenomenon).

ينعكس هذا التحدي بشكل مباشر على استقرار مصفوفة التغاير $boldsymbol{\Sigma}$. تتطلب اختبارات التوزيع الطبيعي المتعدد حساب المعكوس الرياضي للمصفوفة ($boldsymbol{\Sigma}^{-1}$). في حالات الأبعاد المرتفعة مع أحجام عينات غير كافية، أو عند وجود ارتباطات بينية مرتفعة جداً (Multicollinearity)، تقترب قيمة محدد المصفوفة $|boldsymbol{\Sigma}|$ من الصفر وتصبح المصفوفة شبه مفردة (Singular or Ill-conditioned Matrix).

يؤدي هذا الوضع إلى عدم استقرار حسابي هائل يضخم الأخطاء الرقمية، ويجعل تقديرات مسافة ماهالانوبيس مشوهة بشكل حاد، مما يفقد الاختبارات الإحصائية قدرتها التمييزية وتصبح نتائج اختبارات مثل هينز-زيركلر ومارديا غير موثوقة ما لم يتم تطبيق تقنيات الانتظام الرياضي (Regularization) أو تقليص الأبعاد.

3. أهمية اختبار التوزيع الطبيعي متعدد المتغيرات في القياس النفسي

3.1 طبيعة البيانات النفسية والسلوكية المتعددة

تتميز البيانات في أبحاث القياس النفسي والعلوم السلوكية بخصائص تجعلها عرضة بشكل خاص لانتهاك افتراضات التوزيع الطبيعي. تعتمد معظم أدوات القياس النفسي على مقاييس ليكرت المتعددة (Likert Scales)، واستبيانات التقرير الذاتي لقياس السمات الشخصية، والاضطرابات الإكلينيكية، والاتجاهات النفسية. ينتج عن هذه الأدوات بيانات ترتيبية منفصلة يتم التعامل معها في الممارسة التحليلية كبيانات مستمرة زائفة.

ترتبط السمات النفسية بطبيعتها بشبكات ارتباط متبادلة معقدة؛ فالقلق والاكتئاب والضغط النفسي نادراً ما تتغير بشكل منعزل، بل تظهر استجابات متزامنة وغير خطية. علاوة على ذلك، تواجه البيانات النفسية انحيازات استجابة منهجية حادة مثل المرغوبية الاجتماعية (Social Desirability)، وظواهر السقف والأرضية (Ceiling and Floor Effects) حيث تتكدس استجابات العينة عند النهايات القصوى أو الدنيا للمقياس، مما يولد التواءات متعددة شديدة يصعب اكتشافها بالتحليل المنفصل.

3.2 تطبيقات النمذجة في التحليل العاملي ونمذجة المعادلات الهيكلية

في إطار التحليل العاملي الاستكشافي (EFA) والتوكيدي (CFA) ونمذجة المعادلات الهيكلية، تعتمد خوارزميات التقدير القياسية على دالة مطابقة الأرجحية القصوى التي تسعى إلى تصغير الفرق بين مصفوفة التباين الملاحظة ($\mathbf{S}$) ومصفوفة التباين الضمنية للنموذج ($boldsymbol{\Sigma}(boldsymbol{\theta})$):

$$F_{ML} = \ln |boldsymbol{\Sigma}(boldsymbol{\theta})| – \ln |\mathbf{S}| + \text{tr}\left(\mathbf{S} boldsymbol{\Sigma}^{-1}(boldsymbol{\theta})\right) – p$$

تستند هذه الدالة بصورة مباشرة إلى فرضية التوزيع الطبيعي المتعدد. يؤدي انتهاك هذا الافتراض إلى تشويه جذري لمؤشرات جودة المطابقة الأكثر شيوعاً؛ حيث يرتفع مؤشر كاي-تربيع بشكل مفرط، مما يقود إلى رفض النماذج المطابقة نظرياً، بينما تنخفض قيم مؤشر المطابقة المقارن (CFI) ومؤشر توكر-لويس (TLI)، وترتفع قيمة جذر متوسط مربعات خطأ التقريب (RMSEA) بصورة وهمية تعكس سوء توزيع البيانات لا سوء بناء النموذج.

3.3 متطلبات النشر في المجلات النفسية المحكمة

تفرض المجلات العلمية المحكمة ذات معامل التأثير المرتفع والمصنفة ضمن قواعد بيانات Scopus وWeb of Science، معايير منهجية صارمة تتوافق مع إرشادات جمعية علم النفس الأمريكية (APA 7th Edition). تلزم هذه المعايير الباحثين بالإفصاح الكامل والشفاف عن استيفاء الفرضيات الإحصائية للنماذج متعددة المتغيرات قبل تقديم الاستنتاجات.

لم يعد مقبولاً في الأوساط الأكاديمية الاكتفاء بعبارات عامة مثل “تم التحقق من التوزيع الطبيعي للبيانات”. بل يتطلب التوثيق العلمي الدقيق الإبلاغ عن القيم الرقمية لاختبارات التوزيع الطبيعي متعدد المتغيرات المحددة، مثل قيمة إحصاء هينز-زيركلر ($HZ$)، وقيم مارديا للالتواء والتفرطح المتعدد، بالإضافة إلى إحصاءات مسافة ماهالانوبيس لتشخيص القيم الشاذة. وفي حال فشل البيانات في تحقيق التوزيع الطبيعي المتعدد، يتعين على الباحث تقديم تبرير إحصائي لاختيار مقدرات قوية بديلة مثل مقدر Satorra-Bentler أو استخدام أساليب إعادة أخذ العينات المتكررة (Bootstrapping).

4. الأسس الرياضية والنظرية لاختبارات التوزيع الطبيعي متعدد المتغيرات

4.1 مصفوفات التباين والتباين المشترك ومصفوفة الارتباط

يعد بناء مصفوفة التغاير العينية ($\mathbf{S}$) الخطوة المركزية في تشخيص العلاقات الخطية بين المتغيرات. بالنظر إلى مصفوفة بيانات $\mathbf{X}$ بأبعاد $n \times p$ (حيث $n$ هو حجم العينة و$p$ عدد المتغيرات)، تُحسب مصفوفة التغاير عبر مركزة مصفوفة البيانات وطرح متجه المتوسطات $\bar{\mathbf{x}}$ وفق الصيغة:

$$\mathbf{S} = \frac{1}{n – 1} (\mathbf{X} – \mathbf{1}\bar{\mathbf{x}}^T)^T (\mathbf{X} – \mathbf{1}\bar{\mathbf{x}}^T)$$

تكشف عملية التحليل الطيفي للمصفوفة (Spectral Decomposition) عبر حساب القيم الذاتية ($\lambda_1, \lambda_2, dots, \lambda_p$) والمتجهات الذاتية المقابلة لها عن هندسة البيانات. إذا كانت إحدى القيم الذاتية مساوية للصفر أو قريبة جداً منه، فإن ذلك يشير إلى وجود تعدد خطي تام أو شبه تام (Multicollinearity)، مما يعني أن البيانات تقع في فضاء فرعي ذي أبعاد أقل، ويستحيل في هذه الحالة توليد توزيع طبيعي متعدد الأبعاد مكتمل الرتبة.

4.2 الفرضيات الصفرية والبديلة للاختبارات المتعددة

تخضع جميع اختبارات التوزيع الطبيعي متعدد المتغيرات لبنية فرضيات إحصائية موحدة وشاملة تختبر تطابق التوزيع التجريبي الملاحظ مع التوزيع النظري المستهدف:

• الفرضية الصفرية ($H_0$): البيانات متعددة المتغيرات المسحوبة من المجتمع تتبع توزيعاً طبيعياً متعدد المتغيرات بمعالم غير معلومة؛ أي أن $\mathbf{X} \sim \mathcal{N}_p(boldsymbol{\mu}, boldsymbol{\Sigma})$.
• الفرضية البديلة ($H_1$): البيانات الملاحظة لا تتبع توزيعاً طبيعياً متعدد المتغيرات؛ أي أن التوزيع الفعلي ينحرف عن الطبيعية المتعددة في الالتواء أو التفرطح أو كلاهما، أو يحتوي على ارتباطات غير خطية: $\mathbf{X} n\sim \mathcal{N}_p(boldsymbol{\mu}, boldsymbol{\Sigma})$.

يتم اتخاذ القرار الإحصائي بالاعتماد على القيمة الاحتمالية المحسوبة ($p$-value) بمقارنتها بمستوى دلالة محدد مسبقاً (غالباً $\alpha = 0.05$). إذا كانت $p < \alpha$، يتم رفض الفرضية الصفرية وقبول الفرضية البديلة بأن البيانات غير طبيعية متعددة المتغيرات. أما إذا كانت $p ge \alpha$، فإننا نفشل في رفض الفرضية الصفرية، مما يدعم افتراض الطبيعية المتعددة لمتابعة التحليلات المعلمية اللاحقة.

4.3 الدوال المميزة والمسافات الإحصائية المرجعية

تعتمد الاختبارات الحديثة والمتقدمة للتوزيع الطبيعي المتعدد على نظرية الدوال المميزة التجريبية (Empirical Characteristic Functions). الدالة المميزة لمتجه عشوائي $\mathbf{X}$ تُعرَّف بالتحويل الرياضي التالي في الفضاء العقدي:

$$\phi_{\mathbf{X}}(\mathbf{t}) = \mathbb{E}\left[ \exp(i \mathbf{t}^T \mathbf{X}) \right]$$

في حالة التوزيع الطبيعي متعدد المتغيرات، تتخذ الدالة المميزة شكلاً مغلقاً دقيقاً للغاية: $\phi_0(\mathbf{t}) = \exp\left(i \mathbf{t}^T boldsymbol{\mu} – \frac{1}{2} \mathbf{t}^T boldsymbol{\Sigma} \mathbf{t}\right)$. تقوم خوارزميات الاختبار بمقارنة الدالة المميزة المحسوبة من بيانات العينة الفعلية بالدالة النظرية الغاوسية؛ فكلما تباعدت الدالتان عبر مسافة هلبرت الفضائية الموزونة، زادت قوة الدليل الإحصائي ضد التوزيع الطبيعي.

يرتبط هذا المفهوم بنظرية النهاية المركزية متعددة المتغيرات (Multivariate Central Limit Theorem)، والتي تنص على أنه تحت شروط معينة، فإن متوسط المتجهات العشوائية المستقلة المتطابقة التوزيع يتقارب تقاربياً نحو التوزيع الطبيعي المتعدد مع زيادة حجم العينة، وهو ما يفسر استخدام التقريبات التقاربية لتوزيعات كاي-تربيع في حساب القيم الحرجة للاختبارات المعقدة.

5. استكشاف القيم الشاذة المتعددة باستخدام مسافة ماهالانوبيس

5.1 المعادلة الرياضية لمسافة ماهالانوبيس ودورها التشخيصي

تُعد مسافة ماهالانوبيس (Mahalanobis Distance – $D^2$) الأداة التشخيصية الأكثر قوة وموثوقية لتحديد القيم الشاذة متعددة المتغيرات (Multivariate Outliers). على النقيض من المسافة الإقليدية البسيطة التي تقيس البعد الهندسي المجرد وتفترض استقلال المتغيرات وتساوي تبايناتها، تأخذ مسافة ماهالانوبيس في الاعتبار البنية الكاملة للتباينات والارتباطات بين المتغيرات.

تُحسب المسافة المربعة لماهالانوبيس للحالة رقم $i$ (الممثلة بالمتجه $\mathbf{x}_i$) عن مركز الكتلة التوزيعي المتمثل في متجه المتوسطات $\bar{\mathbf{x}}$ وفق المعادلة:

$$D_i^2 = (\mathbf{x}_i – \bar{\mathbf{x}})^T \mathbf{S}^{-1} (\mathbf{x}_i – \bar{\mathbf{x}})$$

تتميز مسافة ماهالانوبيس بخاصية رياضية جوهرية وهي الاستقلال عن مقاييس القياس (Scale-Invariance)؛ حيث تؤدي مصفوفة التغاير المعكوسة $\mathbf{S}^{-1}$ وظيفة توحيد المقاييس وتدوير المحاور الإحداثية، مما يعزل التأثير التضخيمي للمتغيرات ذات التباين المرتفع ويقيس البعد الإحصائي الحقيقي لكل نقطة داخل السطح الإهليلجي متعدد الأبعاد.

5.2 تحديد النقاط الحرجة وفق توزيع كاي-تربيع

إذا كانت البيانات تتبع توزيعاً طبيعياً متعدد المتغيرات، فإن المسافات المربعة لماهالانوبيس $D^2$ لجميع المشاهدات تتبع تقاربياً توزيع كاي-تربيع بدرجات حرية مساوية لعدد المتغيرات المضمنة في النموذج ($D^2 \sim \chi^2_p$).

بناءً على هذه الخاصية، يتم تحديد نقطة قطع حرجة (Critical Value) من جدول توزيع كاي-تربيع عند مستوى دلالة شديد التحفظ (عادة ما يتم اعتماد $\alpha = 0.001$ في الأبحاث السلوكية والنفسية لتقليل احتمالية الاستبعاد الخاطئ للملاحظات الطبيعية). تُصنف الملاحظة بأنها قيمة شاذة متعددة المتغيرات إذا تجاوزت مسافتها المحسوبة القيمة الحرجة المقابلة:

$$D_i^2 > \chi^2_{p, , 1 – \alpha}$$

وجود هذه القيم الشاذة المتعددة يمارس تأثيراً مشوهاً بالغ الخطورة؛ حيث تؤدي نقطة واحدة متطرفة في الفضاء متعدد الأبعاد إلى زيادة مصطنعة في عناصر مصفوفة التغاير، وسحب متجه المتوسطات نحوها، مما يؤدي إلى فشل اختبارات التوزيع الطبيعي المتعدد حتى لو كانت باقي بيانات العينة موزعة طبيعياً بنسبة 99%.

5.3 تطبيق برمجي لحساب مسافة ماهالانوبيس في بايثون

لتطبيق هذا الإجراء التشخيصي عملياً، نستخدم مكتبات NumPy وSciPy لمعالجة المصفوفات وحساب المعكوس ثم استخراج الملاحظات المتطرفة بدقة عبر الخطوات البرمجية المعيارية التالية:

يتم أولاً حساب متجه المتوسطات ومصفوفة التغاير التجريبية للبيانات، ثم استخراج مصفوفة التغاير المعكوسة باستخدام خوارزمية الحساب المعكوس الدقيق numpy.linalg.inv. بعد ذلك، يتم حساب المسافة المربعة لكل صف في مصفوفة البيانات عبر ضرب الفروق المركزية في المصفوفة المعكوسة. وأخيراً، يتم حساب القيمة الاحتمالية لكل مسافة باستخدام دالة البقاء التراكمية (Survival Function: scipy.stats.chi2.sf) لتحديد الحالات التي تحقق شرط $p < 0.001$.

يتيح هذا التنفيذ البرمجي فرز الحالات الشاذة، وعزلها في مصفوفة منفصلة لفحصها كيفياً، واتخاذ القرار العلمي المناسب إما باستبعادها المبرر منهجياً أو إخضاع النموذج للتحليل الحساس (Sensitivity Analysis) مع وبدون هذه القيم الشاذة.

6. إعداد بيئة العمل وتثبيت المكتبات البرمجية المتخصصة في بايثون

6.1 تجهيز بيئة التحليل والمكتبات الإحصائية الأساسية

يتطلب التحليل الإحصائي المتقدم في بايثون بيئة عمل متكاملة تتضمن حزم الحوسبة العلمية ومعالجة البيانات وتوليد الرسومات البيانية. يتم تهيئة بيئة العمل بتثبيت وتحديث الحزم القياسية الأربع الأساسية في منظومة بايثون للبيانات:

• NumPy: الحزمة الأساسية للعمليات الجبرية الخطية، والحسابات المصفوفية السريعة متعددة الأبعاد، وتفكيك المصفوفات الرياضية.
• Pandas: توفر هياكل البيانات المتقدمة وخاصة أطر البيانات (DataFrames) لتنظيف، وفرز، وإدارة مجموعات البيانات الإحصائية المعقدة.
• SciPy: تتضمن الوحدة scipy.stats التي تحتوي على التوزيعات الاحتمالية المستمرة، والدوال التراكمية، والاختبارات الإحصائية المتقدمة.
• Matplotlib & Seaborn: المكتبتان الرائدتان في العرض المرئي، واللتان تتيحان إنشاء مخططات الكثافة، والمصفوفات النقطية، والرسومات ثلاثية الأبعاد بدقة نشر عالية.

6.2 تثبيت مكتبة Pingouin واستعراض إمكانياتها

تُعد مكتبة Pingouin واحدة من أقوى وأحدث الحزم الإحصائية المفتوحة المصدر في بايثون، وقد صُممت خصيصاً للباحثين في العلوم النفسية، والسلوكية، والطبية الحيوية. تتميز المكتبة بسد الفجوة بين بساطة لغة R وقوة بيئة بايثون المتكاملة.

توفر Pingouin واجهة برمجية موحدة تُرجع جميع النتائج الإحصائية مباشرة في صورة أطر بيانات Pandas DataFrames، متضمنةً إحصاءات الاختبار، ودرجات الحرية، والقيم الاحتمالية الدقيقة، وحجوم التأثير (Effect Sizes)، وفترات الثقة، وقوة الاختبار اللاحقة (Post-hoc Power). تتضمن الحزمة دوال متقدمة لاختبارات الطبيعية المتعددة، وتحليلات التباين المتكرر، والانحدار المتعدد، وتحليل الوساطة والاعتدال، مما يجعلها الأداة المثلى في المنهجية التطبيقية للقياس النفسي.

6.3 استيراد وتجهيز البيانات النفسية للتحليل

تبدأ المعالجة الإحصائية بفحص جودة البيانات المستوردة وتنظيفها لضمان مطابقتها للمتطلبات الرياضية لاختبارات التوزيع الطبيعي المتعدد. يشمل ذلك الخطوات المنهجية التالية:

• معالجة القيم المفقودة (Missing Data Handling): استكشاف نمط الفقدان، وتطبيق أسلوب الحذف في حال كان الفقد عشوائياً تماماً (MCAR) وبنسبة ضئيلة، أو استخدام التعويض المتعدد (Multiple Imputation) للحفاظ على البنية التغايرية للبيانات.
• التأكد من الطبيعة العددية للمتغيرات: تحويل جميع المتغيرات الترتيبية ومقاييس الاستجابة إلى مصفوفات رقمية متصلة من النوع float64 لتفادي مشاكل الدقة الحسابية أثناء عمليات ضرب المصفوفات.
• التقييس والمعايرة (Standardization): في حال كانت المتغيرات تقاس بوحدات قياس شديدة التباين، يتم تقييس البيانات بتحويلها إلى درجات معيارية ($Z$-scores) بمتوسط يساوي الصفر وانحراف معياري يساوي واحداً، لتسهيل التفسير البصري ومقارنة المسافات الإحصائية.

7. تطبيق اختبار هينز-زيركلر (Henze-Zirkler Test) في بايثون

7.1 الأساس النظري لاختبار هينز-زيركلر

يُصنف اختبار هينز-زيركلر (Henze-Zirkler Test – HZ) في الأدبيات الإحصائية الحديثة كواحد من أقوى الاختبارات الشاملة وأكثرها متانة للتحقق من التوزيع الطبيعي متعدد المتغيرات. يعتمد الاختبار على قياس المسافة الإحصائية الموزونة للتكامل المربع بين دالة الكثافة المميزة التجريبية ودالة الكثافة المميزة للتوزيع الطبيعي المتعدد المقابل.

يُحسب إحصاء الاختبار $HZ$ عبر دمج معلمة تنعيم تعتمد على حجم العينة وعدد المتغيرات وفق الصيغة الرياضية:

$$HZ = \frac{1}{n} \sum_{j=1}^n \sum_{k=1}^n \exp\left( -\frac{\beta^2}{2} D_{jk}^2 \right) – 2(1 + \beta^2)^{-p/2} \sum_{j=1}^n \exp\left( -\frac{\beta^2}{2(1 + \beta^2)} D_j^2 \right) + n(1 + 2\beta^2)^{-p/2}$$

حيث تمثل $D_{jk}^2 = (\mathbf{x}_j – \mathbf{x}_k)^T \mathbf{S}^{-1} (\mathbf{x}_j – \mathbf{x}_k)$ مسافة ماهالانوبيس المتبادلة بين الملاحظتين $j$ و$k$، بينما تمثل $\beta$ معلمة التنعيم المثلى المحددة بحجم العينة $n$ وعدد المتغيرات $p$.

يتميز إحصاء $HZ$ بأنه يتبع تقاربياً توزيعاً لوغاريتمياً طبيعياً (Log-normal Distribution) تحت الفرضية الصفرية، مما يمنحه قوة إحصائية فائقة وثابتة عبر مختلف أحجام العينات (الصغيرة والمتوسطة والكبيرة)، وقدرة استثنائية على كشف الانحرافات الدقيقة في البنية المشتركة للتوزيع.

7.2 تنفيذ الاختبار باستخدام دالة multivariate_normality في Pingouin

توفر مكتبة Pingouin تطبيقاً مباشراً ودقيقاً لاختبار هينز-زيركلر من خلال استدعاء الدالة المخصصة pingouin.multivariate_normality. يتم تمرير إطار البيانات أو المصفوفة العددية مباشرة إلى الدالة مع إمكانية تحديد مستوى المعنوية $\alpha$ المطلوب (الافتراضي 0.05).

تقوم الدالة بحساب معلمة التنعيم $\beta$ تلقائياً، واستخراج مصفوفة المسافات البينية المتبادلة، وحساب إحصاء $HZ$ والقيمة الاحتمالية المرتبطة به. تُرجع الدالة كائناً من نوع DataFrame يحتوي على أربعة مخرجات رئيسية:

• إحصاء الاختبار (hz): القيمة العددية المحسوبة لمعامل هينز-زيركلر.
• القيمة الاحتمالية (pval): الدلالة الإحصائية المقابلة لتوزيع اللوغاريتم الطبيعي.
• النتيجة الثنائية (normal): قيمة منطقية (True في حال تحقق التوزيع الطبيعي المتعدد، وFalse في حال انتهاك الافتراض).
• مستوى المعنوية (alpha): العتبة الحرجة المعتمدة في اتخاذ القرار.

7.3 تفسير المخرجات الإحصائية واتخاذ القرار العلمي

يتطلب تفسير نتائج اختبار هينز-زيركلر قراءة متأنية لقيمة $HZ$ والقيمة الاحتمالية المقترنة بها. إذا كانت القيمة الاحتمالية أكبر من أو تساوي 0.05، تُقبل الفرضية الصفرية، ويُستنتج علمياً أن مصفوفة المتغيرات تتبع توزيعاً طبيعياً متعدد المتغيرات في المجتمع المسحوبة منه العينة.

في سياق التوثيق الأكاديمي، تتم صياغة النتائج بأسلوب دقيق وفق الصيغة التالية: “أظهر اختبار هينز-زيركلر للتوزيع الطبيعي متعدد المتغيرات أن البيانات تحقق متطلبات التوزيع الطبيعي المشترك ($HZ = 0.842, p = 0.215$)، مما يبرر استخدام مقدرات الأرجحية القصوى في التحليلات الهيكلية اللاحقة”. أما في حال كانت $p < 0.05$، فيتم التقرير بانتهاك الفرضية الصفرية، وتوجيه التحليل نحو استكشاف مصادر الانحراف واستخدام البدائل القوية.

8. تطبيق اختبارات مارديا للالتواء والتفرطح (Mardia’s Tests) في بايثون

8.1 الأساس الرياضي لاختباري مارديا للالتواء والتفرطح المتعدد

قدم عالم الإحصاء الهندي K. V. Mardia في عام 1970 اختبارين كلاسيكيين يمثلان حجر الزاوية في التحليل التشخيصي متعدد المتغيرات: اختبار الالتواء متعدد المتغيرات (Multivariate Skewness – $b_{1,p}$) واختبار التفرطح متعدد المتغيرات (Multivariate Kurtosis – $b_{2,p}$).

يُعرف معامل مارديا للالتواء المتعدد بالصيغة الرياضية التالية التي تقيس عدم التناظر في الفضاء متعدد الأبعاد:

$$b_{1,p} = \frac{1}{n^2} \sum_{i=1}^n \sum_{j=1}^n g_{ij}^3$$

حيث يمثل $g_{ij} = (\mathbf{x}_i – \bar{\mathbf{x}})^T \mathbf{S}^{-1} (\mathbf{x}_j – \bar{\mathbf{x}})$ عنصر الجداء الداخلي الموزون بين المشاهدتين $i$ و$j$. تحت الفرضية الصفرية، يتبع المقدار $\frac{n}{6} b_{1,p}$ تقاربياً توزيع كاي-تربيع بدرجات حرية $df = \frac{p(p+1)(p+2)}{6}$. في العينات الصغيرة ($n < 20$)، يتم تطبيق تصحيح العينات الصغيرة لمارديا: $b_{1,p}^* = \frac{n \cdot c}{6} b_{1,p}$ لضمان ضبط معدل الخطأ الإحصائي.

أما معامل مارديا للتفرطح المتعدد، فيقيس ثقل الذيول وتفرطح التوزيع المشترك وفق الصيغة:

$$b_{2,p} = \frac{1}{n} \sum_{i=1}^n g_{ii}^2 = \frac{1}{n} \sum_{i=1}^n (D_i^2)^2$$

القيمة المتوقعة للتفرطح المتعدد لتوزيع طبيعي نوني الأبعاد هي $p(p + 2)$. يتم تحويل $b_{2,p}$ إلى درجة معيارية طبيعية قياسية ($Z$-score) تقاربية تُحسب بالمعادلة: $Z_{kurtosis} = \frac{b_{2,p} – p(p+2)}{\sqrt{8p(p+2)/n}}$، وتُقارن بالتوزيع الطبيعي القياسي $\mathcal{N}(0, 1)$.

8.2 تنفيذ اختبارات مارديا عبر مكتبات بايثون المتخصصة

يمكن تنفيذ اختبارات مارديا بكفاءة حسابية عالية عبر كتابة خوارزمية مخصصة تعتمد على المصفوفات في NumPy، أو من خلال حزم إحصائية متقدمة. تتضمن الخوارزمية حساب مصفوفة المسافات البينية الكاملة $\mathbf{G} = (\mathbf{X} – \bar{\mathbf{X}}) \mathbf{S}^{-1} (\mathbf{X} – \bar{\mathbf{X}})^T$ دفعة واحدة للاستفادة من تسريع الحوسبة المصفوفية (Vectorized Operations).

تقوم الخوارزمية برفع جميع عناصر المصفوفة $\mathbf{G}$ إلى الأس الثالث وجمعها لحساب معامل الالتواء ومقارنته بتوزيع $\chi^2$، بينما يتم أخذ عناصر القطر الرئيسي لمصفوفة $\mathbf{G}$ وتربيعها لحساب معامل التفرطح ومقارنته بالتوزيع الطبيعي القياسي. ينتج عن هذا الإجراء تقرير إحصائي متكامل يفصل نتائج الالتواء عن نتائج التفرطح مع استخراج القيم الاحتمالية الدقيقة لكل منهما بشكل مستقل ومجتمع.

8.3 التفسير الإكلينيكي والنفسي لمؤشرات مارديا

يوفر الفصل بين الالتواء والتفرطح في اختبارات مارديا ميزة تشخيصية لا تقدر بثمن في أبحاث القياس النفسي والسلوكي:

• دلالة التفرطح المتعدد المرتفع (Multivariate Leptokurtosis): تشير القيمة الموجبة العالية لدرجة التفرطح المعيارية ($Z > 1.96, p < 0.05$) إلى وجود ذيول ثقيلة جداً (Heavy Tails) وتجمع مفرط للاستجابات حول المركز. في القياس النفسي، يعكس هذا غالباً وجود مجموعات فرعية كامنة أو استجابات نمطية متطرفة تؤدي إلى تقليل التباين الظاهري وتضخيم الارتباطات بين المقاييس.
• دلالة الالتواء المتعدد المرتفع (Multivariate Skewness): تشير الدلالة الإحصائية لمعامل الالتواء ($p < 0.05$) إلى وجود عدم تناظر هيكلي حاد في فضاء الاستجابات، وهو ما ينتج عادة عن ظواهر الأرضية والسقف في استبيانات الاضطرابات الإكلينيكية (حيث يسجل معظم الأفراد الأصحاء درجات متدنية جداً على مقاييس الاكتئاب والعدوانية).

وفقاً للدراسات المنهجية الرائدة في نمذجة المعادلات الهيكلية (مثل أبحاث Bentler وWest)، فإن تجاوز معامل التفرطح المعياري لمارديا للقيمة الحرجة (5.00) يشير إلى تفرطح متعدد شديد، يستدعي حتماً تصحيح الأخطاء المعيارية ومؤشرات المطابقة باستخدام مقدرات سوتورا-بينتلر (Satorra-Bentler Scaled $\chi^2$) حتى وإن كان الالتواء معتدلاً.

9. اختبارات ونماذج إضافية للتحقق من التوزيع الطبيعي المتعدد

9.1 اختبار رويستون (Royston’s Test) وآلية عمله

يعد اختبار رويستون (Royston’s Test – $H$) امتداداً عبقرياً لاختبار شابيرو-ويلك الأحادي إلى الفضاء متعدد المتغيرات. يقوم الاختبار بتحويل قيم إحصاءات شابيرو-ويلك المحسوبة لكل متغير على حدة ($W_j$) إلى متغيرات طبيعية قياسية مكافئة ($Z_j$)، ثم يدمج هذه القيم في إحصاء واحد مركب يأخذ في الاعتبار مصفوفة الارتباط البيني بين المتغيرات.

يُحسب إحصاء رويستون $H$ وفق الصيغة:

$$H = \frac{e}{p} \sum_{j=1}^p \left( \Phi^{-1} \left[ \frac{1}{2} \Phi(-Z_j) \right] \right)^2$$

حيث تمثل $e$ درجات الحرية المكافئة المحسوبة بناءً على متوسط الارتباطات خارج القطر في مصفوفة الارتباط، بينما تمثل $Phi$ دالة التوزيع التراكمي للتوزيع الطبيعي القياسي. يتبع إحصاء $H$ تقاربياً توزيع كاي-تربيع بدرجات حرية $e$.

يُعد اختبار رويستون فعالاً للغاية في العينات الصغيرة والمتوسطة ($n le 100$) عندما يكون عدد المتغيرات محدوداً ($p le 10$). ومع ذلك، تبرز حدوده المنهجية عند وجود ارتباطات خطية تامة أو شبه تامة بين المتغيرات، حيث يؤدي تضخم الارتباط إلى فقدان تقدير درجات الحرية المكافئة $e$ لدقتها الرياضية.

9.2 اختبار الطاقة لاختبار التوزيع الطبيعي (Energy Test)

يمثل اختبار الطاقة (Energy Distance Test for MVN) توجهاً حديثاً لا بارامترياً متقدماً يعتمد على المسافات الإقليدية بين النقاط في الفضاء متعدد الأبعاد دون الحاجة إلى افتراض شكل مصفوفة التغاير. يستند الاختبار إلى قياس المسافة الطاقية بين التوزيع الاحتمالي للبيانات التجريبية والتوزيع الطبيعي المتعدد النظري المقابل.

تُعرَّف مسافة الطاقة الإحصائية $\mathcal{E}(\mathbf{X}, \mathbf{Y})$ بين عينتين متعددتي الأبعاد بالصيغة:

$$\mathcal{E}(\mathbf{X}, \mathbf{Y}) = 2\mathbb{E}|\mathbf{X} – \mathbf{Y}| – \mathbb{E}|\mathbf{X} – \mathbf{X}’| – \mathbb{E}|\mathbf{Y} – \mathbf{Y}’|$$

تكون مسافة الطاقة مساوية للصفر إذا وفقط إذا كان التوزيعان متطابقين تماماً في المجتمع. يتم حساب القيمة الاحتمالية لاختبار الطاقة في بايثون عبر أسلوب التباديل العشوائية المعززة (Random Permutations & Bootstrap). يتميز اختبار الطاقة بقوة إحصائية جبارة في كشف التوزيعات متعددة النسق (Multimodal Distributions) والتركيبات غير الخطية التي تعجز اختبارات العزوم التقليدية عن التقاطها.

9.3 مقارنة شاملة بين مختلف اختبارات التوزيع الطبيعي المتعدد

لتسهيل اتخاذ القرار المنهجي للباحثين، يقدم الجدول التالي مقارنة تفصيلية وشاملة بين أبرز خمسة اختبارات للتوزيع الطبيعي متعدد المتغيرات من حيث الحساسية، والحجم الأمثل للعينة، ونقاط القوة والقيود الحسابية:

اسم الاختبار الإحصائي	الأساس الرياضي	حجم العينة الأمثل	أبرز نقاط القوة	القيود والحدود المنهجية
هينز-زيركلر (Henze-Zirkler)	دوال الكثافة المميزة التجريبية والتكامل الموزون	جميع الأحجام (صغيرة، متوسطة، كبيرة)	أعلى قوة إحصائية شاملة وثبات ممتاز عبر مختلف الأبعاد	يتطلب عمليات حسابية مكثفة مع المصفوفات الضخمة
مارديا للالتواء (Mardia Skewness)	العزوم المشتركة من الرتبة الثالثة	$n ge 50$ (أو مع تصحيح العينات الصغيرة)	يشخص بالتحديد غياب التناظر الهندسي المشترك بدقة	حساس جداً لأبسط انحرافات العينات الصغيرة دون تصحيح
مارديا للتفرطح (Mardia Kurtosis)	العزوم المشتركة من الرتبة الرابعة ومسافات ماهالانوبيس	$n ge 100$	الأداة المعيارية المعتمدة لتقييم ثقل الذيول في نماذج SEM	يفترض تماثل التوزيع وقد يتأثر سلباً بالالتواء غير المعالج
رويستون (Royston)	تحويلات شابيرو-ويلك الأحادية الموزونة بالارتباط	العينات الصغيرة والمتوسطة ($n le 100, p le 10$)	قوة ممتازة في النماذج محدودة المتغيرات والعينات المحدودة	ينهار أدائه الإحصائي عند وجود تعدد خطي مرتفع
اختبار الطاقة (Energy Test)	مسافة الطاقة الإقليدية بين التوزيعات متعددة الأبعاد	العينات المتوسطة والكبيرة	يكشف الارتباطات غير الخطية والتوزيعات متعددة النسق	يعتمد على التباديل العشوائية مما يجعله بطيئاً حسابياً

توصي المنهجيات الإحصائية الصارمة بعدم الاعتماد على اختبار منفرد، بل الجمع المنهجي بين اختبار هينز-زيركلر كمعيار شامل لاتخاذ القرار، مع اختباري مارديا لتحديد الطبيعة الدقيقة لأي انحراف (التواء أم تفرطح).

10. الأساليب البصرية لتشخيص التوزيع الطبيعي متعدد المتغيرات في بايثون

10.1 مخطط كاي-تربيع الاحتمالي (Chi-Square Q-Q Plot)

يمثل مخطط كاي-تربيع الاحتمالي ($\chi^2$ Q-Q Plot) المعادل المرئي لمخطط Q-Q الأحادي، وهو الأداة البصرية الأكثر رسوخاً لتشخيص التوزيع الطبيعي متعدد المتغيرات. يستند المخطط إلى الخاصية النظرية القائلة بأن مربعات مسافات ماهالانوبيس ($D_i^2$) للبيانات الطبيعية متعددة المتغيرات يجب أن تتطابق مع المئينيات النظرية لتوزيع كاي-تربيع بدرجات حرية مساوية لعدد المتغيرات ($p$).

يتم بناء المخطط في بايثون عبر الخطوات التالية:

• حساب مسافات ماهالانوبيس المربعة $D_i^2$ لجميع الحالات البالغ عددها $n$.
• ترتيب هذه المسافات تصاعدياً: $D_{(1)}^2 le D_{(2)}^2 le dots le D_{(n)}^2$.
• حساب القيم المئينية الاحتمالية التجريبية المقابلة: $P_i = \frac{i – 0.5}{n}$ لكل نقطة.
• استخراج المئينيات النظرية لتوزيع كاي-تربيع: $Q_i = \chi^2_p(P_i)$ باستخدام الدالة scipy.stats.chi2.ppf.
• رسم المئينيات النظرية على المحور الأفقي ($X$) مقابل المسافات الملاحظة على المحور الرأسي ($Y$)، وإضافة خط مرجعي مستقيم بزاوية 45 درجة ($Y = X$).

إذا كانت البيانات تتبع توزيعاً طبيعياً متعدد المتغيرات، تتراصف جميع النقاط بدقة على طول الخط المستقيم المرجعي. أما إذا انحنت النقاط نحو الأعلى عند الطرف الأيمن، دل ذلك على وجود تفرطح موجب وذيول ثقيلة؛ بينما يشير تباعد النقاط المنعزلة عن مسار الخط إلى وجود قيم شاذة متعددة المتغيرات.

10.2 المخططات الكنتورية ومخططات التشتت ثلاثية الأبعاد

يتيح الفحص البصري التفاعلي للأزواج المتغيرة كشف الأنماط الترابطية غير الخطية التي تعجز المقاييس الرقمية الأحادية عن إظهارها. تشمل الأساليب البصرية المتقدمة في بايثون عبر مكتبات Matplotlib وSeaborn ما يلي:

مخططات الكثافة الكنتورية ثنائية الأبعاد (2D Contour Plots): تقوم برسم خطوط متساوية الكثافة الاحتمالية (Iso-density Contours) لكل زوج من المتغيرات. في التوزيع الطبيعي الثنائي المتغير، يجب أن تشكل هذه الخطوط أشكالاً بيضاوية متحدة المركز ومغلقة هندسياً وذات انتظام متناظر حول نقطة المتوسط المشترك.

المصفوفات التشتتية المزدوجة (Seaborn Pairplots): توفر نظرة بانورامية شاملة من خلال رسم التوزيعات الهامشية على القطر الرئيسي (باستخدام منحنيات الكثافة الملساء KDE)، ورسم مخططات التشتت الثنائية مع تراكب خطوط الانحدار والمنحنيات البيضاوية على الخلايا خارج القطر. يسمح هذا المخطط بالتحقق السريع من التناظر الثنائي والتجانس التبايني بين المتغيرات.

10.3 تكامل الأساليب البصرية مع الاختبارات الدلالية

تحذر التوجيهات المنهجية في القياس النفسي من الاعتماد الحصري والمطلق على القيم الاحتمالية للاختبارات الدلالية ($p$-values) دون دعمها بالتشخيص البصري المتعمق. تتأثر الاختبارات الدلالية مثل هينز-زيركلر ومارديا بشكل كبير بحجم العينة:

• في العينات الضخمة جدًا ($n > 1000$): تصبح الاختبارات شديدة الحساسية، وترفض الفرضية الصفرية عند وجود انحرافات رياضية متناهية الصغر ليس لها أي تأثير عملي أو إكلينيكي حقيقي على معالم النموذج، وهنا تبرز أهمية مخطط $\chi^2$ Q-Q لتأكيد أن الانحراف طفيف ولا يبرر التخلي عن النماذج المعلمية.
• في العينات الصغيرة جدًا ($n < 50$): تعاني الاختبارات من انخفاض القوة الإحصائية (Low Statistical Power)، وقد تفشل في رفض الفرضية الصفرية بالرغم من وجود تشوهات بصرية فجة وتكتلات غير خطية يظهرها الفحص الكنتوري بوضوح.

إن التكامل بين الدليل الرقمي المستمد من الاختبارات المعلمية والدليل الشكلي المستمد من المخططات البيانية هو السبيل الوحيد لبناء استنتاج إحصائي قوي وقابل للدفاع عنه أكاديمياً.

11. استراتيجيات التعامل مع انتهاك فرضية التوزيع الطبيعي المتعدد

11.1 تحويلات البيانات متعددة المتغيرات

عند ثبوت انتهاك التوزيع الطبيعي المتعدد، تمثل تحويلات البيانات الرياضية خط الدفاع الأول لإعادة مواءمة مصفوفة المتغيرات نحو الطبيعية. توفر مكتبة Scikit-Learn محولات متطورة لمعالجة الالتواء والتفرطح:

• تحويل ييو-جونسون (Yeo-Johnson Transformation): يُعد الامتداد الأكثر شمولاً لتحويل بوكس-كوكس الكلاسيكي (Box-Cox)، حيث يتميز بقدرته الفائقة على معالجة البيانات التي تحتوي على قيم سالبة أو أصفار بالإضافة إلى القيم الموجبة. يُطبق في بايثون عبر الصنف PowerTransformer(method='yeo-johnson') لتحسين التناظر وتثبيت التباين لكل متغير داخل المصفوفة.
• تطبيع المئينيات والتحويل الرتبي (Quantile Normalization): يعتمد على مطابقة مئينيات التوزيع التجريبي مباشرة مع مئينيات التوزيع الطبيعي القياسي عبر الصنف QuantileTransformer(output_distribution='normal'). يُجبر هذا التحويل المتغيرات على اتخاذ شكل التوزيع الغاوسي بدقة متناهية.

على الرغم من الفعالية الرياضية للتحويلات، يجب على الباحث في العلوم السلوكية توخي الحذر؛ حيث تؤدي التحويلات غير الخطية إلى تغيير مقياس القياس الأصلي، مما قد يزيد من صعوبة التفسير الموضوعي المباشر لدرجات المقاييس النفسية ومصفوفات التباين الأصلية.

11.2 استخدام الأساليب الإحصائية القوية (Robust Methods)

كبديل منهجي متقدم لتحويل البيانات، يُفضل العديد من الإحصائيين الاحتفاظ بالبيانات بمقياسها الأصلي وتطبيق أساليب التقدير القوية (Robust Estimation) المقاومة لعدم الطبيعية والقيم الشاذة:

مصفوفات التغاير القوية (Robust Covariance): استبدال مصفوفة التغاير التقليدية بمصفوفات مقاومة للانحراف، مثل محدد الحد الأدنى للطي (Minimum Covariance Determinant – MCD) المطبقة عبر sklearn.covariance.MinCovDet. تقوم هذه الخوارزمية بحساب التغايرات بناءً على النواة الأكثر تجانساً للبيانات وتستبعد تلقائياً تأثير الذيول الثقيلة والقيم الشاذة.

مقدرات تصحيح سوتورا-بينتلر (Satorra-Bentler Corrections): في نمذجة المعادلات الهيكلية، يتم استخدام مقدر الأرجحية القصوى القوي (Robust ML / MLM). يقوم هذا المقدر بحساب معالم النموذج عبر ML القياسي، ولكنه يطبق مصفوفة ساندويتش (Sandwich Variance Estimator) لتعديل الأخطاء المعيارية ومضاعفة إحصاء كاي-تربيع بمعامل تصحيح يعتمد على تفرطح مارديا المتعدد، مما يعيد ضبط مؤشرات CFI وRMSEA لمستوياتها الصحيحة.

11.3 أساليب إعادة أخذ العينات والتعزيز الذاتي (Bootstrapping)

تُعد تقنيات التعزيز الذاتي (Bootstrapping) الحل الذهبي والبديل اللابارامتري الأقوى عند انهيار فرضيات التوزيع تماماً في النماذج متعددة المتغيرات. لا تعتمد هذه الأساليب على أي افتراضات مسبقة حول شكل التوزيع النظري في المجتمع.

في سياق النمذجة الهيكلية ونماذج المسار المتقدمة، يُطبق أسلوب Bollen-Stine Bootstrap، وهو إجراء مخصص يعيد تحويل مصفوفة البيانات التجريبية لتتطابق تماماً مع قيود النموذج الهيكلي، ثم يسحب آلاف العينات العشوائية المعززة ذات الإحلال ($B ge 2000$) لحساب التوزيع التجريبي الدقيق لإحصاء كاي-تربيع واشتقاق قيمة $p$ مصححة غير معلمية.

يمكن بناء خوارزميات البوتستراب في بايثون بكفاءة متناهية لتوليد فترات الثقة المصححة مئينياً ومتسارعة الانحياز (BCa Confidence Intervals) لمعالم الانحدار، والتأثيرات غير المباشرة في نماذج الوساطة، ومؤشرات الارتباط المتعدد، مما يضمن دقة استدلالية متناهية بمعزل تام عن التوزيع الطبيعي المتعدد.

12. دراسة حالة تطبيقية شاملة: تحليل استبيان نفسي واقعي وتفسير النتائج

12.1 وصف مجموعة البيانات النفسية وفرضيات الدراسة

لتجسيد كافة المفاهيم النظرية والخطوات المنهجية التي تمت مناقشتها، نستعرض دراسة حالة تطبيقية شاملة تحاكي دراسة في القياس النفسي والعيادي تهدف إلى فحص العلاقات البنيوية بين أربعة متغيرات نفسية رئيسية لدى عينة من البالغين ($n = 250$):

• مستوى القلق العام (Generalized Anxiety – $X_1$): مقاس بواسطة استبيان GAD-7 (درجات متصلة 0-21).
• أعراض الاكتئاب (Depressive Symptoms – $X_2$): مقاسة بواسطة استبيان PHQ-9 (درجات متصلة 0-27).
• الضغط النفسي المدرك (Perceived Stress – $X_3$): مقاس بمقياس PSS-10 (درجات متصلة 0-40).
• الصلابة النفسية (Psychological Resilience – $X_4$): مقاسة بمقياس CD-RISC (درجات متصلة 0-40).

الفرضية المنهجية المستهدفة: تسعى الدراسة إلى إجراء تحليل انحدار متعدد واختبار MANOVA لفحص تأثير متغيرات الحالة النفسية على الأداء المعرفي. تشترط هذه النماذج استيفاء التوزيع الطبيعي متعدد المتغيرات للمتغيرات الأربعة مجتمعة ($\mathbf{X} \sim \mathcal{N}_4(boldsymbol{\mu}, boldsymbol{\Sigma})$). يتطلب المسار المنهجي تنظيف البيانات، وتشخيص القيم الشاذة المتعددة عبر مسافة ماهالانوبيس، واختبار التوزيع عبر هينز-زيركلر ومارديا، والتمثيل البصري لمخطط كاي-تربيع.

12.2 التنفيذ البرمجي المتسلسل لجميع مراحل الفحص في بايثون

تتم معالجة البيانات وتحليل التوزيع الطبيعي متعدد المتغيرات عبر مسار برمجي متكامل ومنهجي يمر بالمراحل التالية:

المرحلة الأولى: توليد البيانات واستكشافها: يتم تحميل مصفوفة البيانات في إطار بيانات Pandas وفحص الإحصاءات الوصفية الأساسية (المتوسطات، الانحرافات المعيارية، الالتواء الأحادي والتفرطح الأحادي لكل متغير) للتحقق من عدم وجود قيم مفقودة والتأكد من الطبيعة المستمرة للبيانات.

المرحلة الثانية: فحص واستبعاد القيم الشاذة متعددة المتغيرات: يتم حساب مصفوفة التغاير وتطبيق خوارزمية مسافة ماهالانوبيس المربعة لكل مشاهدة، ومقارنتها بالقيمة الحرجة لتوزيع كاي-تربيع عند أربعة درجات حرية ومستوى دلالة $\alpha = 0.001$ ($\chi^2_{4, , 0.999} \approx 18.467$). يتم تحديد الحالات الشاذة واستبعادها لضمان نقاء العينة الأساسية.

المرحلة الثالثة: إجراء الاختبارات الإحصائية الشاملة: يتم تمرير البيانات النظيفة إلى دالة pg.multivariate_normality لتنفيذ اختبار هينز-زيركلر، متبوعاً بحساب معاملات مارديا للالتواء والتفرطح المتعدد عبر الجداءات المصفوفية الموزونة، واستخراج كافة المؤشرات الإحصائية والقيم الاحتمالية المقترنة بها.

المرحلة الرابعة: التشخيص البصري المتقدم: يتم رسم مخطط كاي-تربيع الاحتمالي ($\chi^2$ Q-Q Plot) بمقارنة مسافات ماهالانوبيس المرتبة بالمئينيات النظرية لكاي-تربيع مع رسم خط الهوية 45 درجة، وتوليد مصفوفة الكثافة التشتتية الثنائية عبر Seaborn.

12.3 كتابة ومناقشة النتائج وفق المعايير الأكاديمية

بناءً على المخرجات البرمجية المستخلصة من التحليل المتسلسل، تُصاغ نتائج الفحص الإحصائي في متن البحث وفق متطلبات دليل النشر الأكاديمي APA 7th Edition على النحو التالي:

“للتحقق من الفرضية الصفرية القائلة بأن المتغيرات النفسية الأربعة (القلق، الاكتئاب، الضغط النفسي، والصلابة النفسية) تتبع توزيعاً طبيعياً متعدد المتغيرات، خضعت مصفوفة البيانات لسلسلة من الاختبارات التشخيصية الشاملة. أظهر فحص مسافات ماهالانوبيس المربعة ($D^2$) وجود حالتين متطرفتين تجاوزت مسافتهما القيمة الحرجة لتوزيع كاي-تربيع عند درجات حرية $df = 4$ ومستوى دلالة $\alpha = 0.001$ ($\chi^2_{crit} = 18.47$)، وتم استبعادهما من التحليلات اللاحقة. أظهرت نتائج اختبار هينز-زيركلر (Henze-Zirkler) أن مصفوفة البيانات بعد استبعاد القيم المتطرفة تحقق فرضية التوزيع الطبيعي متعدد المتغيرات بدرجة دلالة مقبولة ($HZ = 0.912, p = 0.148$). بالإضافة إلى ذلك، كشف اختبار مارديا للالتواء المتعدد عن غياب عدم التناظر الهيكلي الدال ($b_{1,4} = 3.82, \chi^2 = 15.65, p = 0.268$)، وتوافق معامل مارديا للتفرطح المتعدد مع الحدود المعيارية للتوزيع الطبيعي ($b_{2,4} = 23.41, Z = 0.89, p = 0.373$). أكد مخطط كاي-تربيع الاحتمالي التراصف الخطي التام لمسافات ماهالانوبيس على طول الخط المرجعي، مما يؤكد استيفاء البيانات الكامل لكافة الشروط الإحصائية المطلوبة لتطبيق تحليل التباين متعدد المتغيرات ونمذجة المعادلات الهيكلية بالاعتماد على مقدر الأرجحية القصوى (ML).”

يقدم هذا التوثيق الأكاديمي الشامل نموذجاً معيارياً يجمع بين الصرامة المنهجية، والشفافية الإحصائية، والامتثال لأرقى معايير النشر الدولي، مما يمنح النتائج المترتبة على النموذج أعلى درجات الموثوقية والمصداقية العلمية.

الخاتمة والاستنتاجات المنهجية

يمثل التحقق من التوزيع الطبيعي متعدد المتغيرات ركيزة لا غنى عنها لضمان سلامة النمذجة الإحصائية المتقدمة وتفادي الاستنتاجات العلمية المضللة. أظهرت هذه الدراسة الشاملة أن الاكتفاء باختبارات التوزيع الطبيعي الأحادي يمثل قصوراً منهجياً خطيراً، نظراً لعجزها عن التقاط الارتباطات غير الخطية والتشوهات الهيكلية في الفضاءات متعددة الأبعاد.

توفر بيئة لغة بايثون—من خلال مكتبات الحوسبة المتقدمة مثل SciPy وPingouin وNumPy—ترسانة برمجية متكاملة تتيح للباحثين الجمع بين القوة الرياضية لاختبارات هينز-زيركلر ومارديا، والدقة التشخيصية لمسافة ماهالانوبيس، والوضوح الإدراكي لمخططات كاي-تربيع الاحتمالية. إن تبني هذا البروتوكول الإحصائي المتسلسل يضمن الانتقال الواعي نحو استخدام البدائل القوية كتحويلات ييو-جونسون ومقدرات سوتورا-بينتلر وأساليب البوتستراب عند الضرورة، مما يرتقي بجودة البحوث الكمية ويلبي المعايير المنهجية الصارمة للمجلات العلمية العالمية المحكمة.

المراجع (References)

• Bentler, P. M. (2006). EQS 6 structural equations program manual. Multivariate Software Inc.
• Bollen, K. A. (1989). Structural equations with latent variables. John Wiley & Sons. https://doi.org/10.1002/9781118619179
• Henze, N., & Zirkler, B. (1990). A class of invariant consistent tests for multivariate normality. Communications in Statistics – Theory and Methods, 19(10), 3595–3617. https://doi.org/10.1080/03610929008830400
• Kline, R. B. (2023). Principles and practice of structural equation modeling (5th ed.). Guilford Press.
• Mahalanobis, P. C. (1936). On the generalized distance in statistics. Proceedings of the National Institute of Sciences of India, 2(1), 49–55.
• Mardia, K. V. (1970). Measures of multivariate skewness and kurtosis with applications. Biometrika, 57(3), 519–530. https://doi.org/10.1093/biomet/57.3.519
• Royston, J. P. (1992). Approximating the Shapiro-Wilk W-test for non-normality. Statistics and Computing, 2(3), 117–119. https://doi.org/10.1007/BF01891203
• Satorra, A., & Bentler, P. M. (1994). Corrections to test statistics and standard errors in covariance structure analysis. In A. von Eye & C. C. Clogg (Eds.), Latent variables analysis: Applications for developmental research (pp. 399–419). SAGE Publications.
• Székely, G. J., & Rizzo, M. L. (2005). A new test for multivariate normality. Journal of Multivariate Analysis, 93(1), 58–80. https://doi.org/10.1016/j.jmva.2003.12.002
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Vallat, R. (2018). Pingouin: statistics in Python. Journal of Open Source Software, 3(31), 1026. https://doi.org/10.21105/joss.01026