اختبار ت للعينات المترابطة: التعريف ومتى يُستخدم

يمثل الاستدلال الإحصائي الدعامة المنهجية الصلبة التي ترتكز عليها المعرفة العلمية المعاصرة في تفكيك الظواهر، والتحقق من الفرضيات، وتفسير العلاقات السببية والارتباطية بين المتغيرات. وفي فضاء العلوم النفسية والتربوية والطبية والسلوكية، يواجه الباحثون تحدياً منهجياً جوهرياً يتمثل في كيفية عزل التباين الدخيل الناجم عن الفروق الفردية الهائلة بين البشر، بغية الكشف الدقيق عن فاعلية تدخل علاجي، أو برنامج تدريبي، أو أثر متغير تجريبي معين. ومن هنا، انبثقت الحاجة المنهجية إلى تصميمات بحثية متقدمة تعتمد على القياسات المتكررة أو العينات المترابطة، التي تتيح مقارنة أداء المفحوصين بأنفسهم عبر محطات زمنية مختلفة، أو مقارنة أزواج من المشاركين الذين يتشاركون خصائص بنيوية دقيقة.

يقف اختبار ت للعينات المترابطة (Paired Samples T-Test) كواحد من أكثر الأدوات الإحصائية البارامترية كفاءة ورسوخاً في الأدبيات البحثية الكلاسيكية والحديثة. وتكمن عبقرية هذا الاختبار في قدرته الرياضية الفريدة على تحويل مشكلة المقارنة المعقدة بين مجموعتين من البيانات المرتبطة إلى توزيع استدلالي مفرد يركز حصرياً على درجات الفروق الفردية، مما يرفع من القوة الإحصائية للتحليل إلى مستويات لا يمكن بلوغها عبر اختبارات العينات المستقلة عند استخدام نفس الحجم من العينة، ويوفر حلاً عملياً واقتصادياً فائق الأهمية في معالجة إشكاليات القياس والتجريب.

يسعى هذا الدليل المرجعي الشامل إلى تقديم تفكيك إبستيمولوجي ومنهجي وتطبيقي عميق لاختبار ت للعينات المترابطة؛ بدءاً من أصوله المفاهيمية وأسسه الرياضية، مروراً بشروط وافتراضات تطبيقه الصارمة، وصولاً إلى إجراءاته الحسابية اليدوية وتطبيقاته البرمجية عبر الحزم الإحصائية المتقدمة. كما يتناول الدليل استراتيجيات التعامل مع انتهاك الافتراضات والبدائل اللابارامترية المتاحة، ليقدم للباحث والأكاديمي والطالب في الدراسات العليا دليلاً موسوعياً يدمج بين الرصانة النظرية والدقة الإجرائية التطبيقية.

1. مدخل تعريفي إلى اختبار ت للعينات المترابطة

1.1 التعريف المفاهيمي والإحصائي للاختبار

يُعرَّف اختبار ت للعينات المترابطة، والمعروف إحصائياً بأنه أداة استدلالية بارامترية (Parametric Inferential Statistic)، بأنه اختبار مخصص لمقارنة متوسطي قياسين ينتميان إلى نفس مجتمع الأفراد أو إلى وحدات تجريبية مرتبطة ارتباطاً وثيقاً. ويعتمد هذا الاختبار الرياضي على فكرة جوهرية مؤداها أن البيانات المرصودة ليست مستقلة بل تظهر بنية ارتباطية داخلية تُعرف بمفهوم “أزواج المشاهدات” (Paired Observations)؛ حيث يرتبط كل قياس في الشق الأول من التجربة بقياس موازٍ ومحدد تماماً في الشق الثاني، كما هو الحال عند قياس مستوى دافعية الإنجاز لدى الطالب قبل وبعد خضوعه لبرنامج إرشادي.

يكمن الهدف الأساسي للاختبار في فحص ما إذا كان متوسط الفروق الحسابية بين هذين القياسين يختلف اختلافاً جوهرياً ذا دلالة إحصائية عن القيمة الصفرية المفترضة (Zero Difference) في المجتمع الأصلي. فالتحليل لا يقارن المتوسط العام للأول بالمتوسط العام للثاني بشكل منفصل ومنعزل، بل يحسب الفرق الفردي لكل مشارك أولاً، ثم يختبر ما إذا كان متوسط هذه الفروق ينحرف انحرافاً حقيقياً عن الصفر أم أن التغير الملاحظ لا يعدو كونه تقلباً عشوائياً ناتجاً عن خطأ المعاينة (Sampling Error).

تتعدد التسميات المنهجية التي تطلق على هذا الاختبار في المراجع الإحصائية العالمية، حيث يُشار إليه باختبار ت للعينات التابعة (Dependent Samples T-Test)، واختبار ت للقياسات المتكررة (Repeated Measures T-Test)، واختبار ت للأزواج المتطابقة (Matched-Pairs T-Test)، بالإضافة إلى مصطلح “اختبار ت داخل المجموعات” (Within-Subjects T-Test). وعلى الرغم من تنوع هذه المسميات، فإنها تشير جميعها إلى نموذج رياضي موحد يتعامل مع درجات الفروق الفردية بوصفها وحدة التحليل الإحصائي الأساسية.

1.2 الأهمية المنهجية للاختبار في العلوم النفسية والسلوكية

تحظى التصميمات المترابطة بمكانة استثنائية في بحوث العلوم الإنسانية وعلم النفس والطب النفسي نظراً لقدرتها العالية على إقصاء التباين الدخيل أو ما يُعرف بـ “التباين بين الأفراد” (Between-Subjects Variability). في الدراسات التجريبية التقليدية ذات المجموعات المستقلة، يتأثر المتغير التابع بفروق فردية فطرية وبيئية واسعة النطاق؛ كالذكاء والشخصية والخبرات السابقة والخلفية الاجتماعية والاقتصادية، مما قد يطمس الأثر الحقيقي للمتغير المستقل. أما في اختبار ت المترابط، فإن كل مشارك يعمل بمثابة “ضابط لنفسه” (Control for Himself)، مما يؤدي إلى تحييد هذه الفروق البنيوية وتجريد التباين المتبقي ليصبح عاكساً لتدخل الباحث حصراً.

يقود هذا العزل المنهجي المتقن للفروق الفردية إلى تقليص ملحوظ في قيمة التباين المتبقي أو تباين الخطأ (Error Variance)، وهو ما ينعكس مباشرة في صورة ارتفاع جوهري في القوة الإحصائية (Statistical Power) للدراسة. وتعني القوة الإحصائية المرتفعة زيادة قدرة الباحث على رفض الفرضية الصفرية الخاطئة واكتشاف التأثيرات الحقيقية حتى وإن كانت صغيرة أو متوسطة الحجم، وهي ميزة حاسمة تفتقر إليها تصميمات العينات المستقلة ما لم يتم تضخيم أحجام العينات بصورة كبيرة.

إلى جانب القوة الإحصائية، يتميز هذا النموذج بجدوى اقتصادية وعملية بالغة الأهمية؛ حيث يتيح للباحثين إجراء تجارب ذات مصداقية علمية عالية باستخدام نصف حجم العينة المطلوب في التصميمات المستقلة تقريباً. وتتجلى هذه الفائدة في الدراسات الإكلينيكية التي تتعامل مع فئات سكانية نادرة، كمرضى الاضطرابات العصبية المعقدة، أو في الدراسات الطولية والنمائية التي ترصد التغير السلوكي والمعرفي عبر الزمن وتتطلب متابعة نفس المفحوصين لتقييم استدامة الأثر التدخلي.

1.3 طبيعة المتغيرات المستخدمة في الاختبار

يتطلب التطبيق السليم لاختبار ت للعينات المترابطة فهماً دقيقاً لمستويات القياس والخصائص الهيكلية للمتغيرات قيد الفحص. يتكون النموذج من متغيرين رئيسيين: المتغير المستقل (Independent Variable) وهو متغير تصنيفي، اسمي أو ترتيبي، يمتلك مستويين محددين فقط من الشروط المترابطة أو القياسات المتكررة؛ مثل القياس القبلي (Pre-test) مقابل القياس البعدي (Post-test)، أو تطبيق الحالة التجريبية مقابل الحالة الضابطة على نفس المفحوص، أو تقسيم العينة إلى أزواج متطابقة تخضع للمعالجة (أ/ب).

أما المتغير التابع (Dependent Variable)، فيجب أن يكون متغيراً كمياً مستمراً يُقاس على مستوى مقياس فئوي (Interval Scale) أو مقياس نسبي (Ratio Scale). ويشترط في هذا المتغير أن يمتلك وحدات قياس متساوية تسمح بإجراء العمليات الحسابية الجبرية كالجمع والطرح وحساب المتوسطات؛ كدرجات الاختبارات التحصيلية، أو مقاييس القلق والاكتئاب المقننة، أو زمن الرجع بالمللي ثانية، أو القياسات البيولوجية والفسيولوجية كضغط الدم ومعدل ضربات القلب وتركيز الهرمونات في الدم.

تنبع خصوصية الاختبار من توليد متغير جديد تماماً داخل التحليل يُطلق عليه اسم “متغير درجات الفروق” (Difference Scores – D). يتم حساب هذا المتغير بطرح الدرجة القبلية من الدرجة البعدية لكل مفحوص على حدة وفق المعادلة ($D_i = X_{2i} – X_{1i}$). وتصبح هذه الفروق هي المتغير التابع الحقيقي الذي يخضع لكافة العمليات الاستدلالية اللاحقة، مما يحول المسألة من مقارنة توزيعين احتماليين إلى تحليل توزيع كمي موحد لدرجات التغير المباشر.

2. الأسس الرياضية والفلسفة الاستدلالية للاختبار

2.1 معادلة اختبار ت المترابط وتفكيك عناصرها

تستند البنية الرياضية لاختبار ت للعينات المترابطة إلى صياغة نسبية كلاسيكية تقارن متوسط الفروق الملاحظ بين القياسين بالخطأ المعياري المتوقع لتلك الفروق في ظل الصدفة العشوائية. وتُكتب الصيغة الرياضية الأساسية للاختبار على النحو التالي:

t = (D̄ – μ_d) / SE_D̄

حيث يمثل الرمز (D̄) المتوسط الحسابي لدرجات الفروق في العينة، ويُحسب بجمع كافة فروق الأفراد وقسمتها على حجم العينة الكلي (n)، أي أن:

D̄ = (Σ D) / n

أما الرمز ($\mu_d$) فيمثل متوسط مجتمع الفروق المفترض تحت مظلة الفرضية الصفرية، والذي يُفترض دوماً أنه يساوي صفراً ($\mu_d = 0$) ما لم يحدد الباحث قيمة مرجعية أخرى للتغير المتوقع. وبالتالي، تختزل المعادلة في أغلب التطبيقات البحثية إلى قسمة متوسط الفروق على خطئه المعياري.

يمثل المقام ($SE_{\bar{D}}$) الخطأ المعياري لمتوسط الفروق (Standard Error of the Difference Mean)، وهو المقياس الذي يحدد مقدار التشتت أو التذبذب العشوائي المتوقع لمتوسطات الفروق الناتجة عن المعاينة المتكررة من نفس المجتمع. ويتم حساب هذا الخطأ المعياري من خلال قسمة الانحراف المعياري لدرجات الفروق ($S_D$) على الجذر التربيعي لحجم العينة ($n$)، وفق الصيغة:

SE_D̄ = S_D / √n

حيث يُستخرج الانحراف المعياري للفروق ($S_D$) عبر حساب الانحرافات التربيعية لكل فرق عن المتوسط العام للفروق، مقسوماً على درجات الحرية:

S_D = √[ Σ(D – D̄)² / (n – 1) ]

ترتبط القيمة الناتجة للاختبار ارتباطاً وثيقاً بدرجات الحرية (Degrees of Freedom – df)، والتي تتحدد في هذا النموذج بـ ($df = n – 1$)؛ حيث يشير الرمز ($n$) إلى عدد أزواج المشاهدات (وليس إجمالي عدد القياسات المنفصلة). وتحدد درجات الحرية شكل التوزيع التائي والمنحنى المرجعي المستخدم لتحديد القيمة الحرجة والدلالة الإحصائية.

2.2 المنطق الاستدلالي لاختبار الفروق

يرتكز المنطق الاستدلالي لاختبار ت المترابط على خطوة اختزالية بالغة الذكاء في نظرية الاحتمالات؛ حيث ينقل الباحث من فضاء المقارنة ثنائية الأبعاد (مقارنة متوسطين مستقلين وتباينين منفصلين وتغاير مشترك) إلى فضاء أحادي البعد يتعامل مع سلسلة واحدة من الأرقام تمثل مقادير التغير الصافي لكل فرد. ومن خلال هذا التحويل، يتخلص النموذج الرياضي من الحاجة لحساب التباين الكلي بين الأفراد، ويركز بدقة على التباين داخل الأفراد (Within-Subjects Variation).

يقوم الاختبار بمقارنة حجم الإشارة (Signal) – المتمثلة في متوسط التغير الملاحظ ($D̄$) الناتج عن التدخل التجريبي أو الفارق الزمني – بحجم الضجيج الإحصائي (Noise) المتمثل في الخطأ المعياري ($SE_{\bar{D}}$). فإذا كان التغير الناتج عن التدخل حقيقياً ومنتظماً عبر مفحوصي العينة، فإن قيمة البسط ستكون أكبر بكثير من المقام، مما يؤدي إلى توليد قيمة تائية مرتفعة تبعد عن الصفر وتدخل في منطقة الرفض الإحصائي للفرضية الصفرية.

تتمحور الفلسفة الاستدلالية هنا حول فكرة العدم (Nullity)؛ إذ تفترض الفرضية الصفرية أن أي تباين ملاحظ بين القياس القبلي والبعدي هو مجرد نتاج للتقلبات القياسية العشوائية أو عدم ثبات أدوات القياس، وأن متوسط مجتمع الفروق الحقيقي يساوي صفراً مطلقاً. ومن ثم، فإن تجاوز القيمة المحسوبة للعتبة الحرجة يعكس دليلاً إحصائياً قوياً يدحض فرضية الصدفة، ويثبت أن التغير الملاحظ يعود بدرجة عالية من الثقة إلى المتغير التجريبي المدروس.

2.3 توزيع ت (t-distribution) والمنحنى المرجعي

يُعد توزيع ستيودنت التائي (Student’s t-distribution)، الذي ابتكره العالم الإحصائي وليام سيلي جوسيت عام 1908، المنظومة الاحتمالية النظرية التي يُقاس عليها أداء اختبار ت. يتشابه توزيع ت هيكلياً مع التوزيع الطبيعي القياسي (Z-distribution) في كونه توزيعاً متماثلاً وناقوسي الشكل وله متوسط حسابي يساوي صفراً، إلا أنه يتميز بامتلاكه ذيولاً أكثر سماكة وتفلطحاً (Heavier Tails)، مما يجعله أكثر ملاءمة ومرونة للتعامل مع العينات الصغيرة والمتوسطة التي يكون فيها التباين المجتمعي الحقيقي غير معلوم ويتم تقديره من تباين العينة.

يرتبط شكل منحنى توزيع ت ارتباطاً مباشراً بدرجات الحرية؛ فكلما كانت درجات الحرية صغيرة (حجم العينة صغير)، زاد تفرطح المنحنى وارتفعت سماكة ذيوله، مما يعني الحاجة إلى قيمة تائية أكبر لبلوغ حدود الدلالة الإحصائية وتجاوز منطقة الشك. وعلى العكس من ذلك، كلما ازداد حجم العينة وارتفعت درجات الحرية، يقترب توزيع ت تدريجياً وبشكل مقارب من التوزيع الطبيعي المعياري، حتى يتطابق معه عملياً عندما تتجاوز درجات الحرية 120 درجة.

تحدد القيم الحرجة (Critical Values) النقاط الفاصلة على منحنى التوزيع التائي التي تقسم المساحة الاحتمالية الكلية إلى منطقة قبول الفرضية الصفرية (منطقة الثقة) ومناطق الرفض (مناطق الدلالة الإحصائية الحرجة). وتعتمد هذه القيم على ثلاثة معايير أساسية: مستوى الدلالة الإحصائية المختار ($\alpha$، عادة 0.05 أو 0.01)، ودرجات الحرية ($df = n – 1$)، واتجاه الفرضية (أحادية الذيل أم ثنائية الذيل). فإذا تجاوزت القيمة التائية المحسوبة القيمة الجدولية الحرجة، يُرفض العدم وتُقبل الفرضية البديلة دلالياً.

3. متى يُستخدم اختبار ت للعينات المترابطة؟ الحالات والتطبيقات

3.1 تصميم القياس القبلي والبعدي (Pretest-Posttest Design)

يُمثل تصميم القياس القبلي والبعدي الحالة التطبيقية الأكثر شيوعاً واستخداماً لاختبار ت للعينات المترابطة في حقول التدخلات الإنسانية والعيادية والتربوية. في هذا النمط من التصميمات، يتم تطبيق مقياس كمي موحد على عينة محددة من المشاركين في زمن خط الأساس (Baseline / Time 1) للحصول على القياس القبلي، ثم يخضع المشاركون أنفسهم لبروتوكول علاجي، أو برنامج تدريبي، أو استراتيجية تدريسية معينة، وبعد انقضاء فترة التدخل يتم إعادة تطبيق نفس أداة القياس للحصول على القياس البعدي (Post-test / Time 2).

تتجلى قوة هذا التطبيق في تقييم فاعلية العلاجات النفسية والسلوكية؛ كقياس تراجع درجات الاكتئاب السريري على مقياس بيك للاكتئاب (BDI) قبل وبعد الخضوع لبرنامج قائم على العلاج المعرفي السلوكي (CBT) لمدة ثمانية أسابيع. وفي مثل هذه الحالة، يختبر الباحث ما إذا كان انخفاض الدرجات يمثل تغيراً دالاً إحصائياً يُعزى للتدخل النفسي، مع تحييد الفروق الفردية في سمات الشخصية والذكاء، لأن المقارنة تتم داخل كل فرد بذاته عبر الزمن.

يمتد تطبيق هذا التصميم ليشمل مجالات الموارد البشرية والتدريب والتطوير في المنظمات، حيث تُقاس الكفاءة القيادية أو مستويات الرضا المهني أو مهارات التواصل لدى الموظفين قبل إلحاقهم بورش عمل تخصصية وبعد انتهائها. كما يُستخدم على نطاق واسع في الطب السلوكي لقياس التغير في المؤشرات الفسيولوجية، كمستويات ضغط الدم أو كتلة الجسم، قبل وبعد تبني حمية غذائية أو برنامج لممارسة الرياضة الهوائية.

3.2 تصميم القياسات المتكررة تحت ظروف تجريبية مختلفة

يبرز الاستخدام الحيوي الثاني لاختبار ت المترابط في التجارب المعملية التي يتعرض فيها كل مشارك لكلا المستويين التجريبيين للمتغير المستقل بالتبادل (Within-Subjects Experimental Conditions). يتيح هذا التصميم للباحث التجريبي دراسة الاستجابة الإنسانية تحت ظروف متباينة بدقة متناهية ودون الحاجة إلى تجنيد مجموعتين منفصلتين قد تختلفان في سماتهما الأساسية.

من الأمثلة الكلاسيكية على هذا التصميم، تعريض نفس العينة من الطلاب لاختبار حل المشكلات الإدراكية تحت شرطين بيئيين متباينين: الشرط الأول في بيئة هادئة ومحفزة، والشرط الثاني في بيئة تتسم بالضوضاء والضغط النفسي. وفي هذه التجربة، يؤدي كل طالب المهمة تحت كلا الشرطين، ويقوم اختبار ت المترابط بمقارنة أداء الفرد في الموقف (أ) بأدائه في الموقف (ب) لتحديد الأثر الحقيقي للضوضاء على زمن الاستجابة ودقة الأداء المعرفي.

ينطبق هذا النمط على دراسات علم النفس العصبي والإدراك الحسي؛ كفحص سرعة القراءة والتمييز البصري تحت مستويات إضاءة مختلفة، أو قياس النشاط الكهربائي للدماغ (EEG) أثناء الاستماع لموسيقى كلاسيكية مريحة مقارنة بسماع أصوات مزعجة، أو اختبار قدرة التركيز والانتباه في فترات الصباح الباكر مقارنة بساعات الليل المتأخرة لنفس الأفراد.

3.3 تصميم الأزواج المتطابقة (Matched-Pairs Design)

لا يقتصر مفهوم “الترابط” في هذا الاختبار على قياس نفس الشخص مرتين، بل يمتد إبستيمولوجياً ومنهجياً ليشمل الحالات التي تتكون فيها العينة من أزواج متباينة فيزيائياً ولكنها متطابقة أو مترابطة نظرياً ومفاهيمياً ارتباطاً لا ينفصم. في تصميم الأزواج المتطابقة، يقوم الباحث باختيار زوج من الأفراد يتشابهان تشابهاً وثيقاً في متغيرات ضابطة حرجة قد تؤثر على النتيجة (مثل: التكافؤ في العمر، ونسبة الذكاء، والحالة الاقتصادية والاجتماعية، وسنوات الخبرة)، ثم يُسند أحدهما عشوائياً للمجموعة التجريبية والآخر للمجموعة الضابطة.

تُعد دراسات التوائم المتطابقة (Monozygotic Twins) النموذج المثالي لتصميم الأزواج المتطابقة في بحوث الوراثة السلوكية والطب النفسي المقارن؛ حيث يشترك التوأمان في جينات وراثية وبيئة أسرية متطابقة تماماً. فعند إخضاع أحد التوأمين لبرنامج تدريبي متطور وترك التوأم الآخر دون تدريب، يوفر اختبار ت للأزواج المتطابقة أداة مثالية للمقارنة الرياضية لعزل الأثر البيئي عن الأثر الجيني بدقة متناهية.

يشمل هذا التصميم أيضاً الأزواج المترابطين بصورة طبيعية واجتماعية ووظيفية؛ كدراسة التوافق الزواجي بمقارنة درجات الأزواج بزوجاتهم، أو دراسة التفاعل الصفي بمقارنة تقييمات المعلمين بتقديرات طلابهم المباشرين، أو مقارنة مستويات التوتر المهني بين المديرين ومساعديهم التنفيذيين في نفس بيئة العمل. في جميع هذه الحالات، تُعامل كل ثنائية بوصفها وحدة تحليل زوجية مترابطة رياضياً.

4. الفروق الجوهرية بين اختبار ت المترابط والاختبارات التائية الأخرى

4.1 المقارنة مع اختبار ت للعينات المستقلة (Independent Samples T-Test)

يتمحور التمايز الجوهري بين اختبار ت للعينات المترابطة واختبار ت للعينات المستقلة (Independent Samples T-Test) حول طبيعة العلاقة الرياضية والمنهجية بين المجموعات الخاضعة للمقارنة. ففي حين يتطلب اختبار العينات المستقلة عدم وجود أي تداخل أو ارتباط أو تأثير متبادل بين أفراد المجموعة الأولى والمجموعة الثانية (مجموعتان منفصلتان تماماً كالمقارنة بين الذكور والإناث أو بين مجموعة تجريبية ومجموعة ضابطة منفصلة)، يتأسس الاختبار المترابط على وجود ارتباطية مباشرة بين أزواج البيانات.

ينعكس هذا الاختلاف البنيوي في طريقة حساب درجات الحرية والتباين الإحصائي؛ ففي اختبار العينات المستقلة، تُحسب درجات الحرية بالمعادلة ($df = n_1 + n_2 – 2$) ويتم دمج تباين المجموعتين (Pooled Variance) لتقدير الخطأ المعياري، مما يجعل الاختبار عرضة لتأثير تباين الفروق الفردية بين الأفراد. بينما في الاختبار المترابط، تقتصر درجات الحرية على ($df = n – 1$) حيث تمثل ($n$) عدد الأزواج، ويتم استبعاد التباين بين المفحوصين تماماً من حسابات الخطأ المعياري.

يترتب على ذلك تفوق الاختبار المترابط في مستوى الحساسية الإحصائية (Sensitivity) والقدرة على اكتشاف الفروق الحقيقية الدقيقة. ومع ذلك، فإن تطبيق اختبار العينات المستقلة على بيانات مترابطة يعد خطأً منهجياً فادحاً يؤدي إلى تضخيم الخطأ المعياري وتقليل فرص رفض الفرضية الصفرية الخاطئة (الوقوع في الخطأ من النوع الثاني – Type II Error).

4.2 المقارنة مع اختبار ت للعينة الواحدة (One-Sample T-Test)

يُستخدم اختبار ت للعينة الواحدة (One-Sample T-Test) لاختبار ما إذا كان المتوسط الحسابي لعينة واحدة مسحوبة من مجتمع معين يختلف اختلافاً دالاً عن قيمة معيارية ثابتة أو متوسط معلوم ومحدد مسبقاً في الأدبيات النظرية (مثل مقارنة متوسط ذكاء عينة بقيمة الذكاء المعيارية العامة 100). أما اختبار ت المترابط، فيتعامل بنيوياً مع مجموعتين من القياسات المرتبطة لاستكشاف متوسط التغير الحاصل بينهما.

تكمن المفارقة الرياضية العميقة في أن اختبار ت للعينات المترابطة هو في جوهره الحسابي اختبار ت لعينة واحدة مطبق على متغير درجات الفروق ($D$). فبمجرد قيام الباحث بحساب ($D_i = X_{2i} – X_{1i}$) لكل زوج من البيانات، يتحول التحليل تلقائياً إلى اختبار عينة واحدة يقارن متوسط سلسلة الفروق ($D̄$) بالقيمة الصفرية المرجعية ($mu_0 = 0$).

يتجسد المعيار المنهجي الفاصل بين الأداتين في طبيعة السؤال البحثي؛ فإذا كان الباحث يمتلك قياساً واحداً فقط لكل مفحوص ويريد مقارنته بمعيار وطني أو معياري ثابت، فإن اختبار العينة الواحدة هو الخيار الحصري. أما إذا كان يمتلك قياسين مرتبطين ويهدف إلى تقييم التغير أو الفارق التبادلي، فإن الاختبار المترابط هو الأداة الصحيحة رياضياً ومنهجياً.

4.3 مصفوفة اتخاذ القرار لاختيار الاختبار التائي المناسب

يتطلب اتخاذ القرار الإحصائي الرشيد اتباع شجرة قرار منهجية تعتمد على تفكيك بنية التصميم التجريبي، ومستويات قياس المتغيرات، وطبيعة توزيع العينات. تبدأ هذه المصفوفة بسؤال رئيسي: هل المتغير التابع كمي ومستمر؟ إذا كانت الإجابة نعم، ينتقل الباحث لتحديد عدد المجموعات أو شروط القياس المراد مقارنتها. إذا كان الهدف مقارنة مستويين فقط، تبرز المفاضلة بين النماذج التائية الثلاثة.

لتجنب الأخطاء الشائعة، يلخص المسار المنهجي التالي معايير التمييز الدقيقة:

• اختبار ت للعينة الواحدة: عينة واحدة + قياس كمي واحد لكل مفحوص + المقارنة بقيمة معيارية ثابتة ($H_0: \mu = c$).
• اختبار ت للعينات المستقلة: عينتان منفصلتان تماماً من المفحوصين + قياس كمي واحد لكل فرد + المقارنة بين متوسطي المجموعتين ($H_0: \mu_1 = \mu_2$).
• اختبار ت للعينات المترابطة: عينة واحدة خضعت لقياسين (أو عينتان متطابقتان زوجياً) + قياسان كميان لكل وحدة تحليل + المقارنة لمتوسط درجات الفروق ضد الصفر ($H_0: \mu_d = 0$).

إن الخطأ في اختيار النموذج الملائم لا يقتصر أثره على تشويه النتائج، بل يمتد إلى الإخلال بمعدلات الخطأ الإحصائي؛ حيث يؤدي تطبيق اختبار العينات المستقلة على بيانات مترابطة إلى تقليل القوة الإحصائية وفقدان القدرة على رصد المعنوية، في حين يؤدي تطبيق الاختبار المترابط على بيانات مستقلة عشوائياً إلى انتهاك خطير لفرضية الاعتمادية وتوليد نتائج مضللة ترفع من معدل الخطأ من النوع الأول (Type I Error).

5. افتراضات وشروط تطبيق اختبار ت للعينات المترابطة

5.1 مستوى قياس المتغير التابع واستقلالية الأزواج

يستند التطبيق الدقيق لاختبار ت للعينات المترابطة إلى استيفاء مجموعة من الافتراضات الإحصائية الصارمة التي تضمن صحة وموثوقية الاستدلالات الناتجة. يكمن الشرط الأول في مستوى قياس المتغير التابع، والذي يجب أن يكون كمياً مقاساً على مستوى فئوي (Interval) أو نسبي (Ratio). تضمن هذه الخاصية امتلاك البيانات لفترات قياس متساوية رياضياً تبرر استخراج المتوسطات والانحرافات المعيارية وإجراء عمليات الطرح لحساب درجات الفروق.

أما الشرط الثاني، والذي غالباً ما يساء فهمه، فهو افتراض “استقلالية أزواج الملاحظات” (Independence of Pairs). في حين أن القياسين داخل كل زوج مترابطان ومعتمدان على بعضهما بالضرورة (القياس القبلي والبعدي لنفس الفرد)، يجب أن تكون الأزواج المختلفة مستقلة تماماً عن بعضها البعض. وهذا يعني أن استجابة المفحوص (أ) لا يجوز بأي حال من الأحوال أن تؤثر على استجابة المفحوص (ب)، مما يستدعي تجنب العمل الجماعي أثناء جلسات الاختبار وتطبيق أدوات القياس في بيئات مضبوطة تضمن خصوصية واستقلالية كل مشارك.

في المقاييس السيكومترية والاستبانات النفسية المقننة (مثل مقاييس ليكرت الخماسية أو السباعية)، يُقبل تطبيق الاختبار شريطة أن يتم تجميع الفقرات لتكوين درجات كلية مركبة (Composite Scores) مستمرة ذات ثبات وصدق مرتفعين، تبرر معاملتها كمتغير فئوي مستمر وفق التقاليد المنهجية الراسخة للجمعية الأمريكية لعلم النفس (APA).

5.2 افتراض الاعتدالية لدرجات الفروق (Normality of Differences)

ينص افتراض الاعتدالية في اختبار ت المترابط على ضرورة أن تتبع “درجات الفروق” ($D = X_2 – X_1$) توزيعاً طبيعياً معتدلاً في المجتمع الأصلي الذي سُحبت منه العينة. ومن الأخطاء الشائعة جداً بين الباحثين المبتدئين فحص التوزيع الطبيعي لدرجات القياس القبلي بمفردها ثم درجات القياس البعدي بمفردها؛ فالقاعدة المنهجية الحاسمة تنص على أن الاعتدالية المطلوبة هي اعتدالية الفروق الناتجة عن الطرح، حتى وإن كانت الدرجات الأصلية الخام في أي من القياسين منحرفة بدرجة طفيفة.

يتم التحقق من هذا الافتراض عبر استراتيجيات متعددة تجمع بين الفحص البصري البياني والاختبارات الإحصائية الرسمية:

• الفحص البصري: استخدام مدرجات التكرار (Histograms) المزودة بمنحنى التوزيع الطبيعي، والمخطط الاحتمالي الطبيعي (Normal Q-Q Plot)؛ حيث يشير اصطفاف نقاط الفروق بالقرب من الخط القطري المستقيم إلى تحقق شرط الاعتدالية.
• الاختبارات الإحصائية: إجراء اختبار شابيرو-ويلك (Shapiro-Wilk Test) وهو الأفضل والأكثر حساسية للعينات الصغيرة والمتوسطة ($n 0.05$) على تحقق شرط التوزيع الطبيعي لدرجات الفروق.

يتمتع اختبار ت المترابط بمتانة إحصائية ملحوظة (Robustness) ضد الانتهاكات الطفيفة والمتوسطة للاعتدالية بفضل نظرية النهاية المركزية (Central Limit Theorem)، شريطة أن يكون حجم العينة كبيراً نسبياً ($n ge 30$)، وأن تكون التوزيعات غير ملتوية بشدة وخالية من القيم المتطرفة الحادة.

5.3 القيم المتطرفة في درجات الفروق (Outliers)

تمثل القيم المتطرفة أو الشاذة في درجات الفروق تهديداً مباشراً لصدق اختبار ت للعينات المترابطة؛ نظراً لأن المتوسط الحسابي والانحراف المعياري لدرجات الفروق يتأثران بشكل حاد بالقيم القصوى. إن وجود فرق فردي واحد شاذ وشديد الارتفاع أو الانخفاض مقارنة ببقية العينة كفيل برفع قيمة الخطأ المعياري بصورة مصطنعة، أو بسحب متوسط الفروق باتجاه مضلل، مما يؤدي إما إلى تضخيم الدلالة الإحصائية زيفاً أو حجب تأثير حقيقي قائم.

يتم الكشف عن القيم المتطرفة في درجات الفروق عبر فحص المخطط الصندوقي (Boxplot)؛ حيث تظهر النقاط الشاذة كعلامات منفصلة تقع خارج حدود الذراعين (أكثر من 1.5 ضعف المدى الربيعي IQR عن الأرباع). كما يمكن تحويل درجات الفروق إلى درجات معيارية زائية ($Z-scores$)، وتُعد أي قيمة فروق تتجاوز قيمتها المعيارية مطلق ($\pm 2.58$) في العينات الصغيرة أو ($\pm 3.29$) في العينات الكبيرة قيمة متطرفة تستوجب التدقيق المنهجي.

عند اكتشاف قيم متطرفة، يتوجب على الباحث أولاً التأكد من عدم وجود أخطاء في إدخال البيانات أو تصحيح الاختبارات. فإذا كانت الدرجة حقيقية، تتعدد الاستراتيجيات المنهجية للتعامل معها؛ مثل فحص تأثير استبعادها عبر تحليل الحساسية (Sensitivity Analysis)، أو اللجوء إلى تقنيات تشذيب البيانات المعتمدة كـ (Winsorizing)، أو التحول الكامل نحو البدائل اللابارامترية كاختار ويلكوكسون.

6. صياغة الفرضيات الإحصائية في اختبار ت المترابط

6.1 الفرضية الصفرية (Null Hypothesis – H0)

تمثل الفرضية الصفرية ($H_0$) حجر الزاوية في اختبارات الدلالة الإحصائية النيومانية-البيرسونية؛ وتجسد الموقف الشكي الافتراضي القائم على عدم وجود أي تأثير، أو فاعلية، أو تغير حقيقي ناتج عن المعالجة التجريبية في مجتمع الدراسة الأصلي. وفي سياق اختبار ت للعينات المترابطة، تُصاغ الفرضية الصفرية رياضياً ورمزياً بدلالة متوسط مجتمع الفروق ($\mu_d$) على النحو التالي:

H₀: μ_d = 0

أو بصيغة مكافئة تشير إلى تطابق متوسطي المجتمعين المرتبطين:

H₀: μ₁ = μ₂

يحمل هذا التمثيل الرياضي دلالة إكلينيكية وتربوية عميقة؛ إذ يعني أن أي فارق عددي ملاحظ بين القياسين القبلي والبعدي في بيانات العينة لا يعدو كونه تقلباً عشوائياً ناتجاً عن تباين المعاينة والخطأ القياسي، وليس دليلاً على نجاح البرنامج العلاجي أو الاستراتيجية التدريبية. ولا يتم رفض هذه الفرضية إلا إذا قدمت البيانات دليلاً إحصائياً قاطعاً يثبت أن احتمالية حدوث هذا الفرق بالصدفة المحضة تقل عن مستوى الدلالة المعياري المعتمد ($\alpha = 0.05$).

6.2 الفرضية البديلة ثنائية الاتجاه (Two-Tailed Alternative Hypothesis)

تُستخدم الفرضية البديلة ثنائية الاتجاه (Non-Directional / Two-Tailed Alternative Hypothesis) عندما ينطلق الباحث من إطار نظري يستشرف وجود تغير أو فارق حقيقي بين القياسين، ولكنه لا يمتلك أدلة تجريبية أو مسوغات نظرية قطعية تحسم اتجاه هذا التغير (سواء كان تحسناً بالزيادة أو تدهوراً بالنقصان). وتُصاغ هذه الفرضية رمزياً بالمعادلة:

H₁: μ_d ≠ 0

أو بصيغة المتوسطين:

H₁: μ₁ ≠ μ₂

في هذا النموذج الاستدلالي، تُقسم منطقة الرفض الإحصائي ومستوى الدلالة ($\alpha$) بالتساوي على طرفي التوزيع التائي (أي تخصيص $\alpha / 2 = 0.025$ لكل ذيل عند مستوى ثقة 95%). ويتميز هذا المدخل بالتحفظ المنهجي والحياد العلمي العالي؛ حيث يتيح للباحث اكتشاف التأثيرات غير المتوقعة، كأن يؤدي دواء تجريبي جديد إلى تفاقم الأعراض بدلاً من تخفيفها، وهو ما يجعله الخيار الأكثر قبولاً وتفضيلاً في لجان التحكيم والأدبيات الأكاديمية الصارمة.

6.3 الفرضية البديلة أحادية الاتجاه (One-Tailed Alternative Hypothesis)

تُصاغ الفرضية البديلة أحادية الاتجاه (Directional / One-Tailed Alternative Hypothesis) عندما يمتلك الباحث تبريراً نظرياً قوياً وتراكماً معرفياً مسبقاً يقطع بأن التدخل التجريبي سيحدث تأثيراً في مسار محدد وحيد دون غيره؛ إما بالزيادة أو بالنقصان. وتأخذ هذه الصياغة أحد الشكلين التاليين:

H₁: μ_d > 0 (فرضية اتجاه الزيادة / الذيل الأيمن)

H₁: μ_d < 0 (فرضية اتجاه الانخفاض / الذيل الأيسر)

يتيح الاختبار أحادي الذيل تركيز القيمة الحرجة ومستوى الدلالة ($\alpha = 0.05$) بالكامل في جانب واحد من التوزيع، مما يقلل من القيمة التائية المطلوبة لبلوغ الدلالة ويرفع من القوة الإحصائية لاكتشاف التأثير المتوقع في ذلك الاتجاه المحدد. ومع ذلك، ينطوي هذا الخيار على مخاطر منهجية وأخلاقية جسيمة؛ فإذا تحركت النتائج في الاتجاه المعاكس للتوقع النظري، يلتزم الباحث منهجياً بعدم احتساب الدلالة وتجاهل الأثر حتى وإن كان ضخماً. لذلك، تشدد المراجع الإحصائية على عدم اللجوء إلى الفرضيات أحادية الاتجاه إلا في ظل تسويغات إبستيمولوجية صارمة ودراسات استطلاعية مسبقة مؤكدة.

7. التطبيقات النفسية والعيادية لاختبار ت للعينات المترابطة

7.1 بحوث العلاج النفسي والطب السلوكي

يقف اختبار ت للعينات المترابطة في طليعة الأدوات الإحصائية المستخدمة لتقييم بروتوكولات التدخل في الطب النفسي وعلم النفس العيادي المعاصر. ففي تجارب علاج اضطراب كرب ما بعد الصدمة (PTSD)، يُستخدم الاختبار لمقارنة درجات شدة الأعراض الاقتحامية والتجنبية على مقياس (PCL-5) لدى المرضى قبل بدء جلسات العلاج بحركات العين وإلغاء التحسس وإعادة المعالجة (EMDR) وبعد اختتام البروتوكول العلاجي، لتحديد مقدار الفاعلية العلاجية الصافية للتقنية المستحدثة.

يمتد التطبيق في الطب السلوكي إلى مجالات الفسيولوجيا النفسية (Psychophysiology) والارتباطات العصبية للانفعالات؛ حيث يُستخدم الاختبار لتحليل استجابة الجهاز العصبي الذاتي لجلسات التأمل الواعي (Mindfulness). ويتم ذلك عبر مقارنة تركيز هرمون الكورتيزول في اللعاب أو تقلب معدل ضربات القلب (HRV) لنفس المفحوصين أثناء فترات التوتر الحاد ومباشرة بعد تطبيق تمارين التنفس العميق والاسترخاء العضلي التدريجي.

كما يُعد الاختبار أداة رئيسية في الدراسات الدوائية النفسية المفتوحة (Open-label clinical trials) وتجارب التحسين السلوكي المرافقة؛ كتقييم التحسن في وظائف الانتباه التنفيذي لدى الأطفال المصابين باضطراب فرط الحركة وتشتت الانتباه (ADHD) قبل تطبيق برنامج التغذية العصبية الراجعة (Neurofeedback) وبعده، مما يساعد الإكلينيكيين على بناء استدلالات قائمة على البراهين الدقيقة.

7.2 علم النفس التربوي وصعوبات التعلم

في فضاء التربية وعلم النفس المدرسي، يوفر اختبار ت المترابط دعامة إحصائية راسخة لقياس نواتج التعلم وتطور البنى المعرفية والدافعية لدى الطلاب. يُطبق الاختبار بكثافة لتقييم الاستراتيجيات البنائية والتدريسية التفاعلية؛ كفحص مدى تحسن التفكير النقدي أو حل المشكلات الرياضية عبر اختبارين متكافئين يُطبقان قبل وبعد دمج بيئات التعلم الرقمية القائمة على المحاكاة المعرفية.

يحظى الاختبار بأهمية خاصة في تشخيص وتقييم برامج التدخل العلاجي الموجهة لذوي صعوبات التعلم النوعية؛ كعسر القراءة (Dyslexia) وعسر الحساب (Dyscalculia). إذ يقوم الباحثون بقياس سرعة المعالجة الفونولوجية ودقة التعرف على الكلمات لدى عينة من التلاميذ المتعثرين قرائياً قبل إخضاعهم لبرنامج تدريب إدراكي-بصري مكثف وبعد إنهائه، مما يوفر مؤشراً كمياً دقيقاً لمدى استجابة الطفل للتدخل (Response to Intervention – RTI).

كما يمتد التوظيف التربوي ليشمل الجوانب الوجدانية والانفعالية في البيئة المدرسية؛ مثل تتبع الانخفاض في حدة قلق الاختبارات (Test Anxiety) أو الخجل الاجتماعي المدرسي لدى المراهقين بعد مشاركتهم في ورش التوجيه والإرشاد الجمعي المعرفي السلوكي، وتحديد حجم الفائدة النمائية المكتسبة.

7.3 علم النفس الإدراكي والتجريبي

يُمثل الاختبار العمود الفقري للتحليل الإحصائي في مختبرات علم النفس المعرفي والإدراك البشري، حيث تُبنى معظم التجارب الكلاسيكية على تعريض المشارك لظروف تجريبية متغيرة داخل المختبر. ولعل أبرز هذه النماذج هي تجارب “تأثير ستروب” (Stroop Effect) الشهيرة؛ حيث يقيس الباحث زمن الرجع (Response Time) بالمللي ثانية للمشارك عند تسمية لون حبر الكلمات المتطابقة (كتابة كلمة “أحمر” باللون الأحمر) مقارنة بالكلمات غير المتطابقة (كتابة كلمة “أحمر” باللون الأزرق).

يسمح اختبار ت للعينات المترابطة بمقارنة زمن استجابة نفس الأفراد تحت الشرطين المتطابق وغير المتطابق، كاشفاً عن التباطؤ المعرفي الدال الناتج عن تداخل المعالجة الأوتوماتيكية للقراءة مع المعالجة الإرادية للتحكم التنفيذي وتسمية الألوان، مع عزل تام للفروق الفردية في سرعة الاستجابة الحركية العامة للأفراد.

يُستخدم الاختبار بالمثل في بحوث سعة الذاكرة العاملة (Working Memory Span) لاختبار مقدار التذكر الفوري تحت ظروف التشتيت السمعي مقابل الصمت المطبق، وتجارب التعرف على الوجوه والانتباه البصري المكاني، حيث تسهم الطبيعة المترابطة للتصميم في تقليص التباين العشوائي واكتشاف الفروق الزمنية والفسيولوجية المتناهية في الدقة.

8. خطوات الحساب اليدوي والنمذجة الرياضية للاختبار

8.1 تجهيز جدول البيانات وحساب الفروق الفردية

يتطلب الإجراء الحسابي اليدوي لاختبار ت للعينات المترابطة هيكلة البيانات في مصفوفة جدولية دقيقة لضمان سلامة العمليات الجبرية المتسلسلة. يتم بناء جدول يتضمن أعمدة محددة: العمود الأول يخصص لرقم أو رمز المشارك (المفحوصين من 1 إلى $n$)، والعمود الثاني يسجل درجات القياس القبلي ($X_1$)، والعمود الثالث يسجل درجات القياس البعدي ($X_2$).

تتمثل الخطوة الإجرائية الأولى في حساب درجة الفرق الفردي الصافي ($D$) لكل مفحوص على حدة بطرح القياس القبلي من القياس البعدي وفق المعادلة:

D_i = X_{2i} – X_{1i}

يجب الحفاظ الصارم على الإشارات الجبرية (الموجبة والسالبة) لدرجات الفروق؛ فالإشارة الموجبة تعكس ارتفاعاً في الدرجة البعدية بينما الإشارة السالبة تعكس انخفاضاً. بعد ذلك، يتم إنشاء عمود إضافي يُخصص لمربعات درجات الفروق الفردية ($D^2$)، حيث يُضرب كل فرق في نفسه للتخلص من الإشارات السالبة وتمهيداً لحساب مجموع المربعات الكلي ($\Sigma D^2$).

في نهاية الجدول، يتم استخراج المجاميع الرياضية النهائية التالية:

• حجم عينة الأزواج الكلي ($n$).
• مجموع درجات الفروق الجبرية ($\Sigma D$).
• مجموع مربعات درجات الفروق ($\Sigma D^2$).

8.2 حساب المتوسط والانحراف المعياري والخطأ المعياري للفروق

عقب تجهيز المجاميع، تبدأ مرحلة استخراج المؤشرات الإحصائية الوصفية لدرجات الفروق. يتم أولاً حساب المتوسط الحسابي للفروق ($\bar{D}$) بقسمة مجموع الفروق على عدد أزواج العينة:

D̄ = (Σ D) / n

الخطوة التالية هي حساب تباين الفروق ($S_D^2$) والانحراف المعياري للفروق ($S_D$)، والذي يحدد مدى تشتت الفروق الفردية حول متوسطها العام. وتُستخدم صيغة الحساب المباشر من المجاميع لتجنب أخطاء التقريب:

S_D = √[ ( Σ D² – ( (Σ D)² / n ) ) / ( n – 1 ) ]

بمجرد الحصول على الانحراف المعياري للفروق ($S_D$)، يتم حساب الخطأ المعياري لمتوسط الفروق ($SE_{\bar{D}}$)، وهو المقام الحاسم لمعادلة ت، عبر قسمة الانحراف المعياري على الجذر التربيعي لحجم العينة ($n$):

SE_D̄ = S_D / √n

يعكس هذا الخطأ المعياري الدقة التقديرية لمتوسط الفروق المستخرج، فكلما كبر حجم العينة وصغر الانحراف المعياري، تقلص الخطأ المعياري وارتفعت موثوقية التقدير الاستدلالي.

8.3 استخراج قيمة ت المحسوبة ومقارنتها بالجدولية

تتوج الخطوات الحسابية بتطبيق المعادلة النهائية لاختبار ت للعينات المترابطة لاستخراج القيمة التائية المحسوبة ($t_{calculated}$):

t_calc = D̄ / SE_D̄

تُقارن هذه القيمة المحسوبة (مع إهمال الإشارة السالبة إن وجدت بالتركيز على القيمة المطلقة $|t|$) بالقيمة التائية الجدولية الحرجة ($t_{critical}$). يتم استخراج القيمة الجدولية من جداول توزيع ستيودنت التائي بالاعتماد على محددين:

• درجات الحرية: ($df = n – 1$).
• مستوى الدلالة المحدد سلفاً: (غالباً $\alpha = 0.05$ لاختبار ثنائي الذيل).

يتم بناء القرار الإحصائي وفق القاعدة الاستدلالية الصارمة:

• إذا كانت $|t_{calc}| ge t_{crit}$، يتم رفض الفرضية الصفرية ($H_0$) وقبول الفرضية البديلة ($H_1$)، مما يعني وجود فرق ذي دلالة إحصائية بين القياسين القبلي والبعدي.
• إذا كانت $|t_{calc}| < t_{crit}$، يُخفق في رفض الفرضية الصفرية، ويُستنتج أن التغير الملاحظ ليس له دلالة إحصائية ويعود لتقلبات المعاينة العشوائية.

9. إجراء الاختبار باستخدام البرمجيات الإحصائية الحديثة

9.1 تطبيق الاختبار عبر برنامج SPSS

يُعد برنامج SPSS (Statistical Package for the Social Sciences) البيئة البرمجية الأكثر استخداماً في العلوم الإنسانية لإجراء اختبار ت للعينات المترابطة. يتطلب إدخال البيانات في البرنامج بنية عريضة (Wide Format)؛ حيث يُمثل كل سطر مفحوصاً واحداً، ويتم إنشاء عمودين منفصلين للمتغير التابع: العمود الأول يمثل القياس القبلي (Pre_Score) والعمود الثاني يمثل القياس البعدي (Post_Score).

لتنفيذ التحليل، يتبع الباحث المسار القوائمي التالي:

Analyze -> Compare Means -> Paired-Samples T Test

في النافذة المنبثقة، يتم نقل المتغير القبلي إلى خانة المتغير الأول (Variable 1) والمتغير البعدي إلى خانة المتغير الثاني (Variable 2) ضمن الحقل الزوجي (Paired Variables)، ثم الضغط على زر الموافقة (OK). يُخرج البرنامج ثلاثة جداول رئيسية:

• جدول الإحصاءات المترابطة (Paired Samples Statistics): يعرض المتوسط الحسابي، والانحراف المعياري، والخطأ المعياري لكل من القياسين القبلي والبعدي على حدة.
• جدول الارتباطات المترابطة (Paired Samples Correlations): يوضح معامل ارتباط بيرسون ($r$) بين القياسين وقيمته الاحتمالية، وهو مؤشر حاسم لمدى اعتمادية وتطابق القياسات المتكررة.
• جدول الاختبار المترابط (Paired Samples Test): وهو الجدول الأساسي الذي يعرض متوسط الفروق ($D̄$)، والانحراف المعياري للفروق، وفترة الثقة 95% لفرق المتوسطات، وقيمة ت المحسوبة ($t$)، ودرجات الحرية ($df$)، والدلالة الإحصائية ثنائية الاتجاه (Two-Sided p-value).

9.2 تنفيذ الاختبار باستخدام لغة البرمجة R

توفر بيئة الحوسبة الإحصائية R مرونة برمجية فائقة وإمكانيات متقدمة للتحقق من الافتراضات وإنتاج مخرجات رسومية عالية الجودة للأبحاث المنشورة دولياً. يتم تنفيذ الاختبار باستخدام الدالة القياسية t.test() مع تفعيل وسيط الاقتران الزوجي (paired = TRUE).

تتضمن خطوات التنفيذ النموذجية في بيئة R تسلسلاً تحليلياً متكاملاً:

أولاً، يتم حساب درجات الفروق واختبار اعتداليتها إحصائياً باستخدام كود:

diff_scores <- data$post – data$pre
shapiro.test(diff_scores)

ثانياً، يتم استدعاء دالة اختبار ت المترابط وفق الصياغة البرمجية:

t_result <- t.test(data$post, data$pre, paired = TRUE, conf.level = 0.95)
print(t_result)

ثالثاً، يمكن إنتاج رسوم بيانية توضيحية للتغير الفردي وفترات الثقة باستخدام حزمة ggplot2 عبر إنشاء مخططات الخطوط الزوجية (Paired Slopegraphs) أو مخططات التوزيع التكراري للفروق، مما يوفر رؤية بصرية متكاملة للديناميات السلوكية داخل العينة.

9.3 استخدام برمجيات التحليل الإحصائي مفتوحة المصدر (Jamovi و JASP)

أحدثت البرمجيات الإحصائية الحديثة مفتوحة المصدر مثل Jamovi و JASP ثورة في التحليل الإحصائي بفضل واجهاتها التفاعلية المباشرة، وقدرتها التلقائية على توليد النتائج وفق أحدث معايير التوثيق الأكاديمي الصادرة عن جمعية علم النفس الأمريكية (APA Format).

في كل من Jamovi و JASP، يتوجه الباحث إلى تبويب الاختبارات التائية (T-Tests) ويختار “Paired Samples T-Test”. وبمجرد سحب متغيري القياس القبلي والبعدي إلى حقل الأزواج، تتحدث شاشة النتائج فورياً لتشمل الجداول الوصفية والاستدلالية. كما توفر هذه البرمجيات خيارات بصرية وإجرائية بالغة الأهمية بضغطة زر واحدة:

• الفحص التلقائي للافتراضات عبر إدراج خياري (Normality test) و (Q-Q Plot).
• التفعيل المتزامن للاختبار اللابارامتري المقابل (Wilcoxon rank test) لمقارنة النتائج البارامترية باللابارامترية في نفس اللحظة.
• حساب مقاييس حجم الأثر المتعددة (Cohen’s d, Hedges’ g) وفترات الثقة الخاصة بها.
• توليد “مخططات الأمطار” (Raincloud Plots) والرسوم البيانية التوزيعية التي تدمج المخطط الصندوقي ونقاط البيانات الفردية ومنحنى الكثافة الاحتمالية.

10. تفسير النتائج، حجم الأثر، والتوثيق الأكاديمي

10.1 تفسير القيمة الاحتمالية (P-Value) وفترات الثقة (Confidence Intervals)

يقتضي التحليل الإحصائي الرصين التمييز الجذري بين “الدلالة الإحصائية” (Statistical Significance) و”الدلالة العملية أو الإكلينيكية” (Clinical / Practical Significance). تشير القيمة الاحتمالية ($p$-value) إلى احتمالية الحصول على فروق مساوية أو تفوق الفرق الملاحظ في العينة في حال كانت الفرضية الصفرية صحيحة تماماً في المجتمع. فإذا كانت ($p < 0.05$)، يُعد التأثير دالاً إحصائياً، إلا أن ذلك لا يعني بالضرورة أن الفارق كبير أو ذو قيمة تطبيقية حقيقية في الميدان الواقعي، إذ قد تظهر فروق تافهة كفروق دالة إحصائياً في العينات الضخمة جداً.

من هنا تنبع الأهمية القصوى لفترات الثقة بنسبة 95% لمتوسط الفروق (95% Confidence Intervals for Mean Difference). توفر فترة الثقة مجالاً يحدد بدقة النطاق الذي يقع داخله متوسط الفرق الحقيقي للمجتمع بدرجة يقين 95%. وتُفسر فترة الثقة بالمعايير التالية:

• إذا لم تتضمن فترة الثقة القيمة صفر (مثال: [CI 95% [2.15, 6.48)، فإن ذلك يؤكد دلالة الفرق إحصائياً عند مستوى $\alpha = 0.05$، ويوضح اتجاه وحجم التأثير المتوقع.
• إذا تضمنت فترة الثقة القيمة صفر (مثال: [CI 95% [-1.20, 3.50)، فإن التأثير غير دال إحصائياً، لأن الصفر يمثل قيمة محتملة لمتوسط الفروق في المجتمع.

كما يعكس اتساع أو ضيق فترة الثقة مستوى الدقة الإحصائية (Precision) للدراسة؛ فالفترات الضيقة تعكس تقديراً دقيقاً لحجم التدخل ناتجاً عن كبر حجم العينة وتجانس البيانات.

10.2 حساب مقاييس حجم الأثر (Effect Size)

أصبح الإبلاغ عن حجم الأثر متطلباً إلزامياً لا غنى عنه لنشر الأوراق العلمية في المجلات المحكمة عالمياً، حيث يقيس حجم الأثر القوة المطلقة للعلاقة أو مقدار التحسن المعياري بمعزل عن تأثير حجم العينة. المقياس الأكثر شيوعاً لاختبار ت للعينات المترابطة هو معامل “كوهين دي” (Cohen’s d for paired samples)، والذي يُحسب بقسمة متوسط درجات الفروق على الانحراف المعياري لتلك الفروق وفق المعادلة:

d = D̄ / S_D

تُفسر قيم معامل كوهين ($d$) وفق المعايير المعرفية الكلاسيكية التي وضعها جاكوب كوهين:

• أثر صغير: $d = 0.20$ (تغير طفيف يصعب ملاحظته بالعين المجردة).
• أثر متوسط: $d = 0.50$ (تغير ملحوظ ذو أهمية تطبيقية واضحة).
• أثر كبير: $d = 0.80$ فما فوق (تغير جوهري وفارق إكلينيكي واضح).

في حالات العينات الصغيرة ($n < 20$)، يتعرض معامل كوهين لتضخيم طفيف ناجم عن التحيز الإحصائي، ويوصى في هذه الحالة بحساب معامل "هيدجز جي" المصحح (Hedges' g)، الذي يدخل معامل تصحيح حسابي يعدل حجم الأثر ليتوافق مع الحجم الصغير للعينة بدقة عالية.

10.3 كتابة النتائج وتوثيقها وفق دليل الجمعية الأمريكية لعلم النفس (APA 7th)

يفرض دليل النشر الصادر عن جمعية علم النفس الأمريكية في طبعته السابعة (APA 7th) معايير موحدة وصارمة لكتابة نتائج اختبار ت للعينات المترابطة في المتن النصي للبحوث العلمية. تتطلب الصياغة الأكاديمية توفير الإحصاءات الوصفية الكاملة (المتوسطات والانحرافات المعيارية لكل قياس) متبوعة بالقيمة التائية الاستدلالية، ودرجات الحرية، ومستوى الدلالة الدقيق، وحجم الأثر مع فترة ثقته.

تأخذ الصياغة النموذجية الصيغة البنائية التالية:

t(df) = [Value], p = [Value], d = [Value], 95% CI [LL, UL]

نموذج تطبيقي لكتابة الفقرة في تقرير بحثي:

“أُجري اختبار ت للعينات المترابطة لتقييم أثر البرنامج العلاجي المعرفي السلوكي في خفض مستوى القلق لدى المشاركين ($N = 25$). أظهرت النتائج وجود انخفاض ذي دلالة إحصائية في درجات القلق بعد تطبيق البرنامج ($M = 18.40, SD = 4.12$) مقارنة بدرجات القلق في القياس القبلي ($M = 28.60, SD = 5.30$)، حيث بلغت قيمة الفارق التائي: $t(24) = 8.75, p < .001$، بحجم أثر كبير بلغ $d = 1.75$ وفترة ثقة 95% لمتوسط الفروق تراوحت بين $[7.80, 12.60]$. وتشير هذه النتائج بوضوح إلى الفاعلية الإكلينيكية المرتفعة للبرنامج العلاجي في تقليص حدة القلق."

11. القيود المنهجية والمخاطر الإجرائية في التصميمات المترابطة

11.1 تأثيرات الترتيب والانتقال (Carryover & Order Effects)

على الرغم من القوة المنهجية الفائقة للتصميمات المترابطة، فإنها تواجه مهددات جدية لصدق التجربة الداخلي (Internal Validity) تنبع من تطبيق شروط القياس المتكرر على نفس الأفراد. يتمثل الخطر الأول في “تأثير الممارسة والتعلم” (Practice Effects)؛ حيث يميل أداء المشاركين في القياس البعدي إلى التحسن التلقائي نتيجة التعود المسبق على طبيعة أسئلة الاختبار أو بيئة المهمة في القياس القبلي، وليس بالضرورة بسبب التدخل التجريبي ذاته.

وعلى النقيض من ذلك، قد يظهر “تأثير الإجهاد والملل” (Fatigue and Boredom Effects)؛ لا سيما في التجارب المعملية المعرفية الطويلة التي تتطلب تركيزاً متواصلاً تحت ظروف مختلفة، مما يؤدي إلى تدهور الأداء في القياس الثاني بفعل الإرهاق العصبي للمفحوصين. كما تشمل هذه المخاطر “تأثير الانتقال” (Carryover Effect)، حيث تستمر رواسب وأصداء المعالجة الأولى قائمة لتؤثر على استجابة المفحوص في المعالجة الثانية (كما في الدراسات الدوائية وتجارب التحفيز العصبي).

للحد من هذه التحيزات الإجرائية، يلجأ الباحثون إلى استراتيجية “الموازنة والمداورة” (Counterbalancing)؛ حيث يتم تقسيم العينة عشوائياً بحيث تبدأ نصف العينة بالشرط (أ) ثم الشرط (ب)، بينما تبدأ النصف الأخرى بالشرط (ب) ثم الشرط (أ)، مما يضمن توزيع وتحييد تأثيرات الترتيب بالتساوي عبر ظروف التجربة.

11.2 الانحدار نحو المتوسط وتأثير التاريخ والنضج

تتعرض الدراسات القائمة على القياس القبلي والبعدي لظاهرة إحصائية خادعة تُعرف بـ “الانحدار نحو المتوسط” (Regression to the Mean). تبرز هذه الظاهرة بقوة عندما يتم اختيار عينة الدراسة بناءً على امتلاكهم لدرجات متطرفة جداً في القياس القبلي (مثل اختيار المرضى الأكثر اكتئاباً على الإطلاق أو الطلاب الأقل تحصيلاً بشكل حاد). في مثل هذه الحالات، تميل درجات القياس البعدي إلى التراجع التلقائي نحو المتوسط العام للمجتمع في القياس الثاني بحكم الطبيعة الاحتمالية للأخطاء القياسية العشوائية، مما يوهم الباحث بحدوث تحسن ناتج عن برنامجه العلاجي.

يضاف إلى ذلك مهددات “النضج” (Maturation)؛ وهي التغيرات البيولوجية والنفسية والمعرفية الطبيعية التي تحدث للمفحوصين مع مرور الوقت أثناء الفترة الفاصلة بين القياسين (كالنمو اللغوي الطبيعي للأطفال أو التعافي العفوي من بعض نوبات الحزن). كما تبرز مهددات “التاريخ” (History) المتمثلة في الأحداث الخارجية الطارئة والظروف البيئية العامة التي تقع بين القياسين وتؤثر على المتغير التابع بشكل خارج تماماً عن سيطرة الباحث وتدrio.

لمواجهة هذه المهددات، يوصى دوماً بدمج تصميم القياسات المتكررة مع مجموعة ضابطة غير معالجة تخضع لنفس القياسين القبلي والبعدي، والتحول إحصائياً نحو نماذج تحليل التباين المختلط (Mixed ANOVA) لمقارنة التغير بين المجموعتين بشكل محكم.

11.3 أثر التسرب وفقدان المشاركين (Mortality/Attrition Effect)

يمثل تسرب المشاركين (Experimental Mortality / Participant Attrition) أحد أعقد التحديات المنهجية التي تهدد تصميمات القياسات المتكررة والدراسات الطولية. يحدث التسرب عندما يستجيب المشارك للقياس القبلي ولكنه ينسحب، أو يتعذر الوصول إليه، أو يرفض إكمال القياس البعدي نتيجة طول فترة المتابعة، أو صعوبة بروتوكول التدخل، أو انتقاله الجغرافي، أو شعوره بعدم الفائدة.

تتجاوز خطورة التسرب مجرد النقصان العددي لحجم العينة لتصل إلى إحداث “تحيز استقطابي منهجي” (Systematic Attrition Bias). فإذا كان المنسحبون من الدراسة يتشاركون سمات خاصة (كالمرضى الأكثر تدهوراً أو الأفراد الأقل دافعية)، فإن العينة الباقية التي خضعت للاختبار البعدي تصبح عينة متحيزة وغير ممثلة للمجتمع الأصلي، مما يؤدي إلى تضخيم معدلات النجاح العلاجي المحسوبة زيفاً.

للتعامل مع مشكلة البيانات المفقودة (Missing Data) الناتجة عن التسرب، تتجنب الأبحاث المتقدمة الحذف التلقائي للحالات (Listwise Deletion)، وتلجأ بدلاً من ذلك إلى استراتيجيات منهجية رصينة؛ مثل تحليل نية العلاج (Intention-to-Treat Analysis – ITT)، وتطبيق خوارزميات التعويض الإحصائي المتعدد (Multiple Imputation)، أو الانتقال إلى النماذج الخطية المختلطة (Linear Mixed Models – LMM) القادرة على معالجة البيانات غير المتوازنة بمرونة إحصائية فائقة.

12. البدائل اللامعلمية والامتدادات الإحصائية المتقدمة

12.1 اختبار ويلكوكسون للرتب الموقعة (Wilcoxon Signed-Rank Test)

يمثل اختبار ويلكوكسون للرتب الموقعة (Wilcoxon Signed-Rank Test) البديل اللابارامتري (Non-parametric) المباشر والمكافئ لاختبار ت للعينات المترابطة. يُلجأ إلى هذا الاختبار كضرورة منهجية عندما تُنتهك افتراضات اختبار ت؛ كأن يكون حجم العينة صغيراً جداً مع عدم تحقق اعتدالية توزيع درجات الفروق، أو عند قياس المتغير التابع على مستوى مقياس ترتيبي (Ordinal Scale)، أو في حالة وجود قيم متطرفة حادة يتعذر معالجتها أو استبعادها.

يعتمد منطق اختبار ويلكوكسون على تحويل فروق الدرجات الخام ($D$) إلى رتب تصاعدية مجردة، مع الاحتفاظ بالإشارة الأصلية للفرق (موجبة أو سالبة). تسير خطوات الاختبار وفق النحو التالي:

• حساب الفروق الفردية بين القياسين البعدي والقبلي لكل مفحوص.
• استبعاد الفروق التي تساوي صفراً (حيث لا يوجد تغير).
• أخذ القيم المطلقة للفروق وترتيبها تصاعدياً من الأصغر إلى الأكبر، وإعطاء الرتب المتوسطة للقيم المكررة (Ties).
• إعادة إسناد الإشارات الجبرية الأصلية (+ أو -) للرتب المحسوبة.
• جمع رتب الفروق الموجبة ($W^+$) وجمع رتب الفروق السالبة ($W^-$)، واستخدام المجموع الأصغر كإحصاء اختباري ($W$) للمقارنة بالجداول الحرجة.

يتميز اختبار ويلكوكسون بقوة إحصائية تقارب 95% من قوة اختبار ت البارامتري حتى في حالة التوزيعات الطبيعية، ويتفوق عليه تماماً في التعامل مع التوزيعات الملتوية والبيانات الرتبية النفسية.

12.2 اختبار الإشارة (Sign Test)

يُعد اختبار الإشارة (Sign Test) أبسط البدائل اللابارامترية للتعامل مع البيانات الزوجية والمترابطة، ويُستخدم في الحالات التي لا تتوفر فيها حتى شروط تطبيق اختبار ويلكوكسون؛ كأن تكون البيانات نوعية ثنائية التفضيل، أو عند الرغبة في إجراء فحص استكشافي سريع خالٍ من أي افتراضات شكلية حول توزيع الفروق.

يرتكز منطق اختبار الإشارة بشكل حصري على “اتجاه التغير” وليس “مقداره”؛ حيث يقوم الباحث بتحويل كل فرق فردي إلى إشارة موجبة (+) إذا كان القياس البعدي أعلى من القبلي، أو إشارة سالبة (-) إذا كان القياس البعدي أدنى، مع استبعاد الحالات التي تظهر تعادلاً (تطابق القياسين). بعد ذلك، يُستخدم التوزيع ثنائي الحدين (Binomial Distribution) بافتراض أن احتمالية التحسن تساوي احتمالية التراجع تحت فرضية العدم ($p = q = 0.5$).

على الرغم من بساطة وسرعة هذا الاختبار ومقاومته المطلقة للقيم الشاذة، فإنه يعاني من “ضعف القوة الإحصائية” (Low Statistical Power) مقارنة باختباري ت وويلكوكسون؛ نظراً لأنه يهمل تماماً حجم الفارق الفعلي بين القياسين ويكتفي برصد اتجاه الإشارة الجبرية، مما يجعله خياراً ثانوياً يُفضل تجاوزه نحو اختبار ويلكوكسون متى ما سمحت طبيعة البيانات الترتيبية بذلك.

12.3 الانتقال إلى تحليل التباين للقياسات المتكررة (Repeated Measures ANOVA)

يقف اختبار ت للعينات المترابطة عند حدود المقارنة بين مستويين أو نقطتي قياس زمنيتين فقط (قبل/بعد أو ظرف 1/ظرف 2). فعندما يتوسع التصميم التجريبي ليشمل ثلاثة قياسات متكررة أو أكثر لنفس المشاركين (مثل: قياس خط الأساس القبلي، قياس منتصف العلاج، القياس البعدي الفوري، وقياس المتابعة بعد ستة أشهر Follow-up)، يتوقف اختبار ت عن كونه الأداة المناسبة رياضياً.

إن إجراء اختبارات ت تائية متعددة للمقارنة بين هذه المحطات الزمنية (القبلي مع البعدي، البعدي مع المتابعة، والقبلي مع المتابعة) يؤدي إلى ظاهرة خطيرة تُعرف بـ “تضخم الخطأ من النوع الأول” (Inflation of Familywise Alpha Error Rate). فبدلاً من الحفاظ على مستوى خطأ 5%، يقفز معدل الخطأ التراكمي ليتجاوز 14% أو أكثر وفق معادلة ($\alpha_{cumulative} = 1 – (1 – \alpha)^k$).

في هذه الحالات المتعددة، يصبح تحليل التباين للقياسات المتكررة أحادي الاتجاه (One-Way Repeated Measures ANOVA) هو الامتداد المنهجي الإلزامي؛ حيث يختبر الفروق بين جميع محطات القياس في نموذج إحصائي كلي موحد. ويتطلب هذا التحليل استيفاء افتراض متقدم يُعرف بافتراض “التحدب والتناظر الدائري” (Sphericity) – والذي يتم فحصه عبر اختبار ماوتشلي (Mauchly’s Test) – مع تطبيق تصحيحات غرينهاوس-غايزر (Greenhouse-Geisser) في حال انتهاك التناظر، يليه إجراء المقارنات البعدية المصححة كـ (Bonferroni post-hoc tests) لتحديد مواضع التغير الدقيق بين الأزواج الزمنية المختلفة.

خاتمة واستنتاجات منهجية

يظل اختبار ت للعينات المترابطة (Paired Samples T-Test) واحداً من أرسخ الركائز الاستدلالية وأكثرها فاعلية في ترسانة المنهجية العلمية المعاصرة. وتكمن قيمته الاستثنائية في براعته الرياضية في تحييد الفروق الفردية، ورفع القوة الإحصائية للبحوث، وتمكين العلماء في حقول العلوم النفسية والتربوية والطبية من رصد التغيرات السلوكية والفسيولوجية المتناهية في الدقة بأعلى درجات الكفاءة والاقتصاد في حجم العينات.

إن الاستخدام الرشيد والاحترافي لهذا الاختبار يفرض على الباحثين تجاوز مجرد النقر الآلي على الأوامر في البرمجيات الإحصائية، والانتقال نحو وعي إبستيمولوجي ومنهجي عميق بشروط وافتراضات التحليل؛ بدءاً من فحص اعتدالية درجات الفروق والكشف عن القيم المتطرفة، مروراً بالتمييز بين الدلالة الإحصائية والدلالة الإكلينيكية، وصولاً إلى الحساب الإلزامي لمقاييس حجم الأثر وفترات الثقة وتوثيق النتائج وفق المعايير الأكاديمية العالمية الصارمة (APA 7th).

كما يتطلب الالتزام المنهجي الصارم إدراك حدود وإمكانات هذا النموذج؛ والوعي بالمخاطر الملازمة لتصميمات القياسات المتكررة كتأثيرات الممارسة والانحدار نحو المتوسط والتسرب، والجاهزية للانتقال الواعي نحو البدائل اللابارامترية كاختبار ويلكوكسون للرتب الموقعة عند تعذر استيفاء الشروط، أو الارتقاء نحو تحليل التباين للقياسات المتكررة والنماذج الخطية المختلطة عند تعقد التصميمات الزمنية. ومن خلال هذا الفهم الشمولي والمتكامل، يتحول اختبار ت المترابط من مجرد معادلة حسابية إلى أداة برهانية قاطعة تدعم اتخاذ القرارات العلاجية والتربوية القائمة على الدليل العلمي الرصين.

المراجع (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. https://doi.org/10.4324/9780203771587
• Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
• Gravetter, F. J., & Wallnau, L. B. (2017). Statistics for the behavioral sciences (10th ed.). Cengage Learning.
• Hedges, L. V. (1981). Distribution theory for Glass’s estimator of effect size and related estimators. Journal of Educational Statistics, 6(2), 107–128. https://doi.org/10.2307/1164588
• Howell, D. C. (2013). Statistical methods for psychology (8th ed.). Wadsworth, Cengage Learning.
• Navarro, D. J., & Foxcroft, D. R. (2022). Learning statistics with jamovi: A tutorial for psychology students and other beginners. https://doi.org/10.24384/k2jv-fw96
• Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3/4), 591–611. https://doi.org/10.2307/2333709
• Student [Gosset, W. S.]. (1908). The probable error of a mean. Biometrika, 6(1), 1–25. https://doi.org/10.2307/2331554
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Wilcoxon, F. (1945). Individual comparisons by ranking methods. Biometrics Bulletin, 1(6), 80–83. https://doi.org/10.2307/3001968