المحتوى الرئيسي

السؤال الرئيسي

كيف يمكننا الاستنتاج من عينة إلى مجتمع كامل، وكيف نقيس عدم اليقين في هذا الاستنتاج؟ الفكرة الأساسية أن الاستدلال الإحصائي يستنتج من العينة إلى المجتمع. التقدير يعطي قيمة (نقطية) أو مدى (فاصل، مع مستوى ثقة)؛ واختبار الفرضيات يوازن بين فرضية العدم والفرضية البديلة باستخدام القيمة الاحتمالية ومستوى الدلالة. كل ذلك يحمل قدرًا من عدم اليقين — والدلالة الإحصائية ليست هي نفسها الأهمية العملية.

مرحلة الاستدلال الإحصائي

الاستدلال الإحصائي: استخدام بيانات عينة لتقدير خصائص المجتمع أو اختبار ادعاءات عنه، مع مراعاة عدم اليقين وشروط تصميم الدراسة. ينقسم عمومًا إلى نهجين:

بما أن العينة ليست سوى جزء من المجتمع، فإن الاستدلال يتضمن دائمًا عدم يقين، ويُتخذ الحكم مع مراعاة درجة عدم اليقين هذا.

التقدير النقطي والتقدير الفاصل

• التقدير النقطي: تقدير خاصية للمجتمع بقيمة واحدة تُحسب من العينة. فإذا كان متوسط طول العينة 168 سم، نستخدم 168 سم تقديرًا نقطيًا لمتوسط طول المجتمع.
• التقدير الفاصل: تقدير أن خصائص المجتمع تقع ضمن مدى معين (فاصل). مثال: يُقدَّر متوسط طول المجتمع بأنه يقع في المدى من 166 سم إلى 170 سم.

يُسمى الفاصل فترة ثقة، ويصف مستوى الثقة أداء طريقة بناء الفترات عند تكرار أخذ العينات، لا احتمالًا لاحقًا لاحتواء فترة بعينها. فعند مستوى ثقة 95%، إذا كررنا أخذ عينات وبناء فترات بالطريقة نفسها مرات كثيرة، فستحتوي نحو 95% من الفترات على القيمة الحقيقية. يُختار المستوى قبل التحليل وفق الغرض.

التقدير النقطي سهل الفهم لأنه يُعرض كقيمة واحدة، ولكن عدم يقين التقدير يكون غير مرئي. أما التقدير الفاصل فله عرض، لذا يلزم الحذر في تفسير النتيجة، لكنه يتميز بإظهار درجة عدم اليقين أيضًا.

فكرة اختبار الفرضيات

اختبار الفرضيات: إجراء يستخدم البيانات لتقييم الدليل ضد فرضية العدم، ولا يثبت صحة فرضية أو خطأها يقينًا. تُوضع فرضيتان:

نحدد فرضية عدم مرجعية ونستخدم اختبارًا مناسبًا لقياس مدى ندرة النتيجة التي رأيناها (أو نتيجة أشد تطرفًا) إذا كانت H0 صحيحة. كلما كانت النتيجة أقل توافقًا مع H0، زاد الدليل الإحصائي ضدها — وهذا لا يساوي احتمال أن H0 صحيحة أو خاطئة. بناءً على التقييم، يُحكم على فرضية العدم إما بأنها مرفوضة (منفية) أو غير مرفوضة.

إجراء اختبار الفرضيات

1. حدّد فرضية العدم H0 والفرضية البديلة H1 بما يناسب السؤال قبل النظر إلى النتيجة.
2. حدّد مستوى الدلالة α مسبقًا؛ ومن القيم الشائعة 0.05 و0.01.
3. اختر الاختبار المناسب، وتحقق من افتراضاته، ثم احسب القيمة الاحتمالية (p-value) من البيانات.
4. قارن القيمة الاحتمالية بمستوى الدلالة واتخذ حكمًا.

• القيمة الاحتمالية (p-value): احتمال الحصول على نتيجة مساوية في التطرف للنتيجة المرصودة أو أشد منها، بافتراض صحة H0 وبحسب نموذج الاختبار. كلما صغرت، كانت النتيجة أقل توافقًا مع H0؛ لكنها ليست احتمال صحة H0.
• مستوى الدلالة (α): القيمة الحدية التي يحددها الباحث مسبقًا لقرار رفض H0، وترتبط باحتمال خطأ النوع الأول ضمن شروط الاختبار.

معايير الحكم:

مثال: اختبار الادعاء بأن “طريقة التعلم الجديدة تحقق متوسط درجات أعلى من طريقة التعلم التقليدية”. الفرضية الصفرية H0: “لا يوجد فرق في متوسط الدرجات بين طريقتي التعلم”. الفرضية البديلة H1: “طريقة التعلم الجديدة تحقق متوسط درجات أعلى”. يُحدَّد α = 0.05 مسبقًا. تُحسب من البيانات قيمة احتمالية $p = 0.02$. بما أن $p = 0.02 < \alpha = 0.05$، نرفض H0. الاستنتاج: يمكن الحكم إحصائيًا بأن “طريقة التعلم الجديدة تحقق متوسط درجات أعلى”.

طرق اختبار الفرضيات الرئيسية

تنبيهات بخصوص الاستدلال

دائمًا هناك احتمال لأخطاء الحكم، بنوعين:

عند ثبات حجم العينة وتصميم الدراسة وبقية العوامل، يقلل خفض α احتمال خطأ النوع الأول، لكنه قد يزيد احتمال خطأ النوع الثاني (علاقة مفاضلة). يمكن تحسين التصميم أو زيادة حجم العينة أحيانًا لتقليل كليهما.

يلزم الحذر في تفسير القيمة الاحتمالية؛ تجنّب سوء الفهم التالي:

1. القيمة الاحتمالية ليست “احتمال صحة فرضية العدم”.
2. القيمة الاحتمالية الصغيرة لا تعني “أن التأثير كبير”.
3. قرار p مقابل α قاعدة إجرائية في الاختبار، لكنه لا يثبت صحة النتيجة أو أهميتها العملية.

الدلالة الإحصائية ≠ الأهمية العملية: كون النتيجة ذات دلالة إحصائية وكونها مهمة عمليًا أمران مختلفان. مثال: تجربة تقارن تصميمين لموقع إلكتروني ببيانات معدل نقر من 100,000 شخص؛ إذا كان معدل النقر للتصميم الجديد أعلى بمقدار 0.1 نقطة مئوية فقط، فبسبب كبر حجم مجموعة البيانات، من المرجح أن يكون هذا الفرق ذا دلالة إحصائية. لكن ما إذا كان هذا الفرق الضئيل يؤدي إلى ربح فعلي أو تحسين تجربة المستخدم يحتاج حكمًا من منظور منفصل.

أسئلة للمراجعة

1. اشرح سبب اختبار الباحثين فرضية العدم التي يأملون في دحضها، بدلًا من إثبات التأثير الذي يبحثون عنه مباشرة.

الإجابة: لأن الأساليب الإحصائية مصممة لقياس مدى تعارض البيانات مع فرضية محددة بدقة (فرضية العدم، كـ”لا فرق”)، لا لإثبات فرضية بديلة مباشرة بشكل قاطع. من الأسهل منطقيًا وإحصائيًا حساب احتمال ملاحظة بيانات بهذا التطرف إذا لم يكن هناك أي فرق حقيقي (بافتراض H0)، ثم الحكم على مدى ندرة ذلك، بدلًا من محاولة إثبات وجود فرق مباشرة بيقين تام (وهو أمر لا تستطيع البيانات الإحصائية فعله). فرفض فرضية العدم بدليل قوي يمنح ثقة غير مباشرة في الفرضية البديلة، دون الادعاء بإثباتها يقينًا.

2. في اختبار فرضيات حُدد فيه مستوى الدلالة عند 0.05، وكانت القيمة الاحتمالية 0.03، ما الحكم؟ وماذا لو كانت القيمة الاحتمالية 0.08؟

الإجابة: في الحالة الأولى، بما أن $p = 0.03 \le \alpha = 0.05$، نرفض فرضية العدم H0 وتكون النتيجة ذات دلالة إحصائية وفق المستوى المحدد (دون إثبات H1 يقينًا). في الحالة الثانية، بما أن $p = 0.08 > \alpha = 0.05$، لا نرفض فرضية العدم — أي لا يمكن القول بوجود دلالة إحصائية بناءً على هذا الاختبار وهذا المستوى المحدد مسبقًا.

3. يختبر متجر إلكتروني لونين لزر الدفع باستخدام بيانات من 200,000 زائر، ويجد أن معدل النقر للون الجديد أعلى بمقدار 0.05 نقطة مئوية فقط، بقيمة احتمالية 0.01 عند مستوى دلالة 5%. حدد ما إذا كانت النتيجة ذات دلالة إحصائية، واشرح لماذا قد يقرر المتجر مع ذلك عدم تغيير الزر.

الإجابة: النتيجة ذات دلالة إحصائية؛ لأن $p = 0.01 \le \alpha = 0.05$، فتُرفض فرضية العدم (“لا فرق بين اللونين”). ومع ذلك، قد يقرر المتجر عدم تغيير الزر لأن الدلالة الإحصائية لا تعني بالضرورة أهمية عملية: الفرق البالغ 0.05 نقطة مئوية فرق ضئيل جدًا، وقد ظهر ذا دلالة إحصائية أساسًا بسبب الحجم الهائل للعينة (200,000 زائر) الذي يجعل حتى الفروق الطفيفة تصل إلى مستوى دلالة إحصائية بسهولة. يحتاج المتجر إلى تقييم منفصل: هل يستحق هذا التحسن الضئيل تكلفة تغيير التصميم فعليًا (من حيث الوقت والموارد وتجربة المستخدم)؟ فقد يكون الفرق حقيقيًا إحصائيًا لكنه غير ذي قيمة عملية تُذكر.