مقدمة وإرشادات الاستخدام

الغرض من الخريطة · أهميتها · كيفية استخدامها · الاحتياطات الواجبة

أولاً: التقديم والغرض من الخريطة

تُعدّ خريطة القرار الإحصائي أداةً منهجية تُرشد الباحث إلى الاختبار الإحصائي الأنسب لبياناته، انطلاقاً من طبيعة المتغير التابع ومستوى قياسه (فتري أو نسبي أو رتبي أو اسمي)، وعدد المجموعات، ونوع التصميم البحثي (مستقل أو متكرر أو مختلط)، وما إذا كانت افتراضات الإحصاء المعلمي محقَّقةً أم لا. وقد صُمِّمت هذه الخريطة خصيصاً لطلاب مقرر (فجبت 501) بجامعة الملك سعود، مع مراعاة الشمولية لتناسب طيفاً واسعاً من البحوث في علوم الرياضة والصحة والعلوم الصحية والاجتماعية.

تستند الخريطة إلى ممارسات إحصائية راسخة في الأدبيات الأكاديمية، وتُجسِّد التسلسل المنطقي الذي يتبعه الباحث المتمرس عند مواجهة قرارات الاختيار الإحصائي في مراحل تحليل البيانات.

ثانياً: أهمية الخريطة
دقة الاستنتاج

اختيار الاختبار الخاطئ يُفضي إلى استنتاجات مُضلِّلة حتى لو كانت البيانات دقيقة؛ فالخريطة تُقلِّل هذا الخطأ المنهجي وتضمن صحة التحليل.

كفاءة البحث

توفِّر وقتاً ثميناً بتحويل قرار معقَّد يستغرق ساعات إلى مسار منطقي واضح لا يتجاوز دقائق.

التعلُّم المنهجي

تُساعد الطالب على بناء تفكير إحصائي منظَّم ومتسلسل يُرافقه طوال مسيرته البحثية الأكاديمية.

الالتزام بالافتراضات

تُذكِّر الباحث بفحص الافتراضات المسبقة (الاعتدالية، وتجانس التباين، والاستقلالية) قبل الشروع في التحليل الإحصائي.

ثالثاً: كيفية استخدام الخريطة — خطوة بخطوة
  1. حدِّد المتغير التابع: هل هو متغير مستمر (فتري أو نسبي)، أم فئوي (اسمي أو رتبي)، أم بيانات بقاء/وقت حدث، أم بيانات عدية (تكرار حدث)؟
  2. حدِّد عدد المجموعات أو المتغيرات المستقلة: مجموعة واحدة، مجموعتان، ثلاث مجموعات فأكثر، أم تحليل علاقة أو تنبؤ؟
  3. حدِّد نوع التصميم: هل العينات مستقلة أم مرتبطة (قياسات متكررة، مزدوجة، قبلي-بعدي)، أم مختلطة (بين المجموعات × داخلها)؟
  4. افحص افتراض الاعتدالية (التوزيع الطبيعي): استخدم اختبار Shapiro-Wilk (n ≤ 50) أو Kolmogorov-Smirnov مع تصحيح Lilliefors (n > 50)، ودعِّم النتيجة بالرسوم البيانية (مخطط Q-Q، الرسم البياني التكراري).
  5. افحص تجانس التباين (عند الحاجة): استخدم اختبار Levene للمجموعتين أو أكثر، واختبار ماوكلي للكروية (Mauchly's Test of Sphericity) لتصاميم القياسات المتكررة.
  6. اتبع مسار الخريطة: ابدأ من نقطة الانطلاق وتتبع الفروع وفق إجاباتك على الأسئلة المنهجية.
  7. طبِّق الاختبار المُشار إليه في البرنامج الإحصائي الذي تُجيده.
  8. أبلغ عن النتائج بشكل متكامل: قيمة الإحصاء الاختباري، درجات الحرية، قيمة p، حجم الأثر، وفترة الثقة 95%.
رابعاً: احتياطات جوهرية قبل الاستخدام
  • حجم العينة الكافي: تفترض الاختبارات المعلمية حجم عينة كافياً؛ يُوصى بـ30 مشاركاً في المجموعة الواحدة كحدٍّ أدنى مقبول، وإلا فإن الاختبارات اللامعلمية أكثر موثوقية مع العينات الصغيرة جداً.
  • مستوى قياس المتغيرات: لا تُطبِّق اختبارات المتغيرات الفترية والنسبية (t-test, ANOVA) على بيانات اسمية أو رتبية، فذلك خطأ منهجي فادح.
  • بيانات التكرار (Count Data): لا تُطبِّق t-test أو ANOVA على بيانات تكرارية (مثل عدد الإصابات في الموسم)؛ استخدم Poisson أو Negative Binomial Regression.
  • فحص الافتراضات أولاً: افحص الاعتدالية وتجانس التباين قبل اختيار الاختبار لا بعد تطبيقه.
  • الصدق والثبات: الاختبارات الإحصائية لا تُعوِّض عن ضعف أدوات القياس؛ تحقَّق من صدق مقاييسك وثباتها قبل جمع البيانات — استخدم معامل الارتباط داخل الصف (ICC) لقياس الموثوقية.
  • الاستقلالية: تحقَّق من أن المشاهدات مستقلة عن بعضها ما لم يكن التصميم مُصمَّماً للقياسات المتكررة أو المرتبطة.
  • القيم الشاذة: رصِّد القيم المتطرفة وعالجها بطريقة مبررة علمياً — كالتشذيب (Winsorizing) أو التحويل الرياضي — قبل الشروع في التحليل.
  • تعدد المقارنات: عند إجراء اختبارات متعددة، طبِّق تصحيحاً مناسباً كـ Bonferroni أو تحكُّم في معدّل الاكتشاف الكاذب (FDR) تفادياً لتضخُّم خطأ النوع الأول.
  • الأهمية العملية مقابل الإحصائية: قيمة p الدالة لا تعني بالضرورة أهمية عملية؛ احسب دائماً حجم الأثر المناسب وفسِّره في سياقه.
  • الإبلاغ المتكامل عن النتائج: لا تكتفِ بقيمة p وحدها؛ أبلغ عن الإحصاء الاختباري ودرجات الحرية وحجم الأثر وفترة الثقة 95%.
خامساً: فلسفة الخريطة في الاختيار

الاختبارات المعلمية (Parametric) هي الخيار الأول عند تحقُّق افتراضات الاعتدالية وتجانس التباين، لأنها أكثر قوة إحصائية. الاختبارات اللامعلمية (Non-Parametric) هي البديل الموثوق عند انتهاك هذه الافتراضات أو مع العينات الصغيرة. بدائل مثل Welch's t-test تتيح البقاء ضمن الإطار المعلمي مع تخفيف افتراض تجانس التباين، وهي مُصنَّفة في الخريطة تحت لون المعلمية (الأخضر الزيتي) للدلالة على أنها بدائل مرنة وليست لا معلمية.

خريطة القرار الإحصائي

المتغير التابع  →  نوع البيانات  →  التصميم  →  الافتراضات  →  الاختبار
اختبارات معلمية (Parametric)
اختبارات لا معلمية (Non-Parametric)
بيانات فئوية / رتبية (Categorical/Ordinal)
تحليل البقاء (Survival Analysis)
ارتباط (Correlation)
بديل معلمي مرن (Flexible Parametric)
عقدة معلومات (Assumption Guide)
نقطة قرار (Decision)
النتيجة النهائية (Endpoint)
اسحب الخريطة لتحريكها — عجلة الماوس أو أزرار التحكم للتكبير والتصغير — اتبع المسار المنطقي من أعلى إلى أسفل لاختيار الاختبار الإحصائي الأنسب