نُقدم اختبار الفرضيات في التحليل الإحصائي، خطوات اختبار الفرضيات في البحث العلمي، وأنواع اختبارات الفرضيات، وأنواع الأخطاء، خطأ من النوع الأول وخطأ من النوع الثاني، وأهم الأسئلة الشائعة في اختبارات الفرضيات.
ما هو اختبار الفرضيات في التحليل الإحصائي؟
اختبار الفرضيات هو اختبار إحصائي يُستخدم في اختبار الافتراضات أو الفرضيات المُتعلقة بمعلمة مجتمع إحصائي، كما يتضمن اختبار الفرضيات صياغة فرضية العدم أو الفرضية الصفرية (H0) وفرضية بديلة (Ha)، ويتم جمع البيانات، وتحديد ما إذا كانت الأدلة كافية لرفض فرضية العدم أو قبولها.
والهدف الأساسي من اختبار الفرضيات هو استخلاص استنتاجات ونتائج حول مجتمع إحصائي بناءً على عينة من البيانات ممثلة للمجتمع ككل، فهي تُمكّن الباحثين والمحللين من تحديد احتمالية أن تكون الاختلافات أو العلاقات الملحوظة في البيانات أو المجموعات تعكس تأثيرًا حقيقيًا في المجتمع الإحصائي، أم قد حدثت بالصدفة.
كما يُعد اختبار الفرضيات أسلوب إحصائي يُستخدم لتقييم الادعاءات أو الأسئلة المتعلقة بالمجتمعات الإحصائية بناءً على بيانات عينة ممثلة له.
كما يُعدّ اختبار الفرضيات جزءًا أساسيًا من التحليل الإحصائي، ويُساعد الباحث على اتخاذ قرارات مدروسة في مجالات متنوعة، مثل الطب والاقتصاد والعلوم الاجتماعية.
ما هي خطوات اختبار الفرضيات في البحث العلمي؟
صياغة الفرضيات.
جمع البيانات وإعدادها.
اختيار الاختبار الإحصائي المناسب.
حساب إحصائية الاختبار وقيمة p.
اتخاذ القرار.
عرض النتائج.
والآن دعونا نستعرض كيفية إجراء اختبار الفرضيات خطوة بخطوة في البحث العلمي؟
الخطوة 1: صياغة الفرضيات.
أي صياغة سؤال البحث في فرضيتين متنافستين كما يلي:
فرضية العدم (H0): وهي الافتراض الأساسي بعدم وجود أي تأثير أو فرق بين البيانات أو المجموعات، وتسمى أيضًا الفرضية الصفرية.
الفرضية البديلة (Ha): وهي الفرضية التي تنص على وجود تأثير أو فرق بين البيانات أو المجموعات.
مثال على الفرضية العدمية أو البديلة:
H0: متوسط طول الرجال يساوي متوسط طول النساء. (الفرضية الأساسية)
الفرضية البديلة H1: متوسط طول الرجال لا يساوي متوسط طول النساء.
ولمزيد من المعلومات إقرأ أيضًا طريقة استخدام الفرض العدمي والفرض البديل في البحث،شرح بسيط للمبتدئين
الخطوة ٢: جمع البيانات وإعدادها.
حيث يتم جمع البيانات من خلال التجارب أو الاستبيانات أو الدراسات الرصدية، ولابد من التأكد من أن طريقة جمع البيانات مُصممة لاختبارالفرضية بشكٍل صحيح وأنها تمثل المجتمع الإحصائي تمثيلًا صحيحًا، كما تتضمن هذه الخطوة عادةً ما يلي:
تحديد المجتمع الإحصائي المستهدف.
اختيار طريقة أخذ العينات المناسبة.
تحديد حجم العينة.
جمع البيانات وتنظيمها.
ولمعرفة المزيد من المعلومات عن طريقة تحديد حجم العينة إقرأ أيضًا كيفية تحديد حجم العينة في الأبحاث العلمية، وملف اكسل جاهز لحساب حجم العينة مباشرا
الخطوة 3: اختيار الاختبار الإحصائي المُناسب.
حيث يتم اختيار اختبارًا إحصائيًا بناءً على نوع البيانات و الفرضية الإحصائية، حيث يعتمد الاختيار على عوامل عديدة مثل:
نوع البيانات (مستمرة، فئوية، إلخ)
توزيع البيانات (طبيعي، غير طبيعي)
حجم العينة
عدد المجموعات المراد مقارنتها
كما تشمل الاختبارات الشائعة كلًاما يلي:
اختبارات t (لمقارنة المتوسطات)
اختبارات مربع كاي (للبيانات الفئوية)
تحليل التباين (ANOVA) (لمقارنة متوسطات مجموعات متعددة)
الخطوة 4: حساب إحصائية الاختبار وقيمة p-value.
حيث باستخدم برامج أو معادلات إحصائية لحساب إحصائية الاختبار وقيمة p-value المقابلة، حيث تُحدد هذه الخطوة مدى انحراف بيانات العينة عن الفرضية الصفرية (العدمية).
كما تُعد قيمة p مفهومًا مهمًا في اختبار الفرضيات في التحليل الإحصائي، فهي تُمثل احتمال الحصول على نتائج متطرفة مثل بيانات العينة، بافتراض الفرضية الصفرية صحيحة.
اقرأ أيضًا تفسير قيمة الدلالة الإحصائية p-value في spps خطوة خطوة.
الخطوة 5: اتخاذ القرار.
وفيه يتم مقارن قيمة الاحتمال (p-value) بمستوى الدلالة المحدد مسبقًا (α)، والذي يُحدد عادةً عند 0.05 في معظم الأبحاث العلمية، وقاعدة القرار هي كالتالي:
إذا كانت قيمة الاحتمال≤ α: يتم رفض الفرضية الصفرية، مما يُشير إلى أن النتائج تدعم الفرضية البديلة.
إذا كانت قيمة الاحتمال > α: لا ترفض الفرضية الصفرية، مما يشير إلى أن النتائج لا تدعم الفرضية البديلة.
ملحوظة: من المهم ملاحظة أن عدم رفض الفرضية الصفرية لا يثبت صحتها إحصائيًا، بل يُعني ببساطة إلى عدم وجود أدلة كافية لاستنتاج خلاف ذلك.
إقرأ أيضًا كل ما يخص مستوى الدلالة الإحصائية sig، وما الفرق بين sig وقيمة p-value؟
الخطوة 6: عرض النتائج
يتم عرض النتائج، وكذلك إحصائية الاختبار، وقيمة الاحتمال، والاستنتاجات، ومناقشة ما إذا كانت النتائج تدعم الفرضية الأولية وآثارها أم لا، ولابد عند عرض النتائج، ضع في اعتبارك كلًامما يلي:
توفير سياق للدراسة.
توضيح الفرضيات بوضوح.
عرض إحصائية الاختبار وقيمة الاحتمال.
شرح النتائج بلغة بسيطة.
مناقشة الأهمية العملية للنتائج.
مثال تطبيقي لاختبار الفرضيات.
فمثلًاللتوضيح: لنفترض أنك تريد تحديد ما إذا كان هناك طريقة تدريس جديدة تُحسّن درجات الطلاب في الاختبارات، فيمكنك صياغة الفرضيات التالية في بحثك كما يلي:
الفرضية الصفرية (H₀): ليس هناك أي تأثير لطريقة التدريس الجديدة على درجات الطلاب في الاختبارات.
الفرضية البديلة (H₁): هناك تأثير في تُحسّن نتائج الطلاب في الاختبارات بالنسبة لطريقة التدريس الجديدة.
حيث نجد أن بحث طريقة التدريس الجديدة يتضمن اختبار الفرضيات جمع بيانات العينة، وحساب إحصائيات الاختبار، وتحديد احتمالية الحصول على هذه النتائج إذا كانت الفرضية الصفرية صحيحة. وبناءً على هذه الاحتمالية، يُمكننا تحديد ما إذا كنا سنرفض الفرضية الصفرية لصالح الفرضية البديلة أو لا نرفضها.
ولذلك تتوفر عدة اختبارات إحصائية لاختبار الفرضيات، وذلك بحسب أنواع البيانات وأسئلة البحث المطروحة ومنها ما يلي تابع الشرح.
ما هي أنواع اختبارات الفرضيات؟
حيث يمكن تصنيف اختبارات الفرضيات بشكٍل عام إلى نوعين رئيسيين:
الاختبارات المعلمية.
الاختبارات غير المعلمية.
أولًا:الاختبارات المعلمية
حيث تفترض الاختبارات المعلمية أن البيانات تتبع توزيعًا احتماليًا محددًا، وعادةً ما يكون التوزيع الطبيعي، وتكون هذه الاختبارات المعلمية أكثر فعالية عند تحقق هذه الافتراضات، ومن أكثر الاختبارات المعلمية الشائعة كما يلي:
اختبارات t (لعينة واحدة، وعينات مستقلة، وعينات مزدوجة)
تحليل التباين (أحادي الاتجاه، وثنائي الاتجاه، وقياسات متكررة)
اختبارات Z (لعينة واحدة، وعينتين)
اختبارات F (أحادي الاتجاه، وثنائي الاتجاه)
ثانيًا:الاختبارات غير المعلمية
حيث لا تفترض الاختبارات غير المعلمية توزيعًا محددًا للبيانات، وهي مفيدة عند التعامل مع البيانات الترتيبية أو عند عدم تحقق افتراضات الاختبارات المعلمية، ومن أكثر الاختبارات اللامعلمية استخدامًا كما يلي:
اختبار مان-ويتني يو
اختبار ويلكوكسون للرتب الموقعة
اختبار كروسكال-واليس
اختيار الاختبار المناسب
ملاحظات هامة عند اختبار الفرضيات.
حيث نجد عند اختيار اختبار الفرضيات، لابد من الأخذ في الاعتبار بعض الفئات العامة ومنها:
توزيع البيانات.
عدد المجموعات.
استقلالية المجموعات.
نوع البيانات.
توزيع البيانات: وتحديد ما إذا كانت بيانات البحث موزعة توزيعًا طبيعيًا، حيث تفترض العديد من الاختبارات التوزيع الطبيعي.
عدد المجموعات: تحديد عدد المجموعات التي تقارنها (مثل مجموعة واحدة، مجموعتان، أو أكثر).
استقلالية المجموعات: تحديد ما إذا كانت مجموعات البحث مستقلة (أفراد مختلفون) أو تابعة (تم قياس نفس الأفراد عدة مرات).
نوع البيانات: حيث تنقسم البيانات إلى العديد من الأنواع مثل:
متصل (مثل الطول، الوزن)،
ترتيبي (مثل التصنيفات)،
اسمي (مثل الفئات غير المرتبة).
وبناء على جميع هذه الاعتبارات والفئات السابقة، يمكننا اختيار الاختبار الإحصائي المناسب، على سبيل المثال، إذا كانت البيانات موزعة توزيعًا طبيعيًا ولدينا مجموعتان مستقلتان ببيانات متصلة، سوف يتم استخدام اختبار t المستقل.
أما إذا لم تكن البيانات موزعة توزيعًا طبيعيًا مع مجموعتين مستقلتين وبيانات ترتيبية، يُنصح باستخدام اختبار مان-ويتني يو بديل اختبار t للاختبارات اللامعلمية.
ما هي الأساليب الحديثة لاختبار الفرضيات؟
بالإضافة إلى أساليب اختبار الفرضيات التقليدية، توجد عدة أساليب حديثة ومنها ما يلي:
اختبارات التبديل أو العشوائية.
التمهيد (Bootstrapping).
محاكاة مونت كارلو.
اختبارات التبديل أو العشوائية.
حيث تتضمن هذه الاختبارات إعادة ترتيب البيانات المرصودة بطريقة عشوائية عدة مرات، وذلك لإنشاء توزيع للنتائج المحتملة في ظل الفرضية الصفرية.
وهي مفيدة بشكٍل خاص عند التعامل مع أحجام عينات صغيرة جدًا أو عندما لا تتحقق افتراضات الاختبارات المعلمية.
التمهيد (Bootstrapping).
التمهيد هو أسلوب لإعادة أخذ العينات، حيث يتضمن أخذ عينات متكررة مع الإحلال من مجموعة البيانات الأصلية، ويمكن استخدامه لتقدير توزيع المعاينة لإحصائية ما وبناء فترات ثقة.
محاكاة مونت كارلو.
حيث تًستخدم طرق مونت كارلو أخذ عينات عشوائية متكررة للحصول على نتائج عددية في اختبار الفرضيات، ويُمكننا استخدامها لتقدير قيم p-value للنماذج الإحصائية المعقدة أو عندما يصعب الحصول على حلول تحليلية.
ما هي أنواع الأخطاء الناتجة من اختبارات الفرضيات؟
حيث عند إجراء اختبارات الفرضيات، من الأفضل فهم الأخطاء المحتملة وطريقة التحكم فيها، حيث يوجد نوعين من الأخطاء:
الخطأ من النوع الأول.
الخطأ من النوع الثاني.
حيث يحدث الخطأ من النوع الأول عند رفض الفرضية الصفرية أو العدمية Hoعندما تكون صحيحة (إيجابية خاطئة).
كما يحدث الخطأ من النوع الثاني عند عدم رفض الفرضية الصفرية عندما تكون خاطئة (سلبية خاطئة).
كما يتحكم مستوى الدلالة (α) بشكٍل مباشر في احتمالية الخطأ من النوع الأول، كما يؤدي خفض قيمة α إلى تقليل احتمالية حدوث الخطأ من النوع الأول، ولكنه يزيد من خطر الخطأ من النوع الثاني.
ولتحقيق التوازن بين هذين النوعين من الأخطاء يجب على الباحث عمل ما يلي:
ضبط مستوى الدلالة بناءً على عواقب كل نوع من أنواع الأخطاء.
زيادة حجم العينة لتحسين قوة الاختبار.
استخدام اختبارات أحادية الطرف عند الحاجة.
ملخص المصطلحات والتعريفات الأساسية في اختبار الفرضيات.
الفرضية الصفرية (H0): الافتراض الافتراضي أو الأساسي بعدم وجود أي تأثير أو فرق بين المجموعات وتسمى أيضًا الفرض العدمي.
الفرضية البديلة (Ha): هي الفرضية التي تنص على وجود تأثير أو فرق بين المجموعات.
قيمة الاحتمال (P-value): احتمال الحصول على نتائج الاختبار في ظل الفرضية الصفرية، ويتم مقارنتها بقيمة ألفا المحسوبة مُسبقًا لاتخاذ القرار بالقبول أو بالرفض لفرضيات البحث.
مستوى الدلالة (α): الحد الأدنى لرفض الفرضية الصفرية، ويُحدد عادةً عند أو 0.01،0.05 في معظم الأبحاث والدراسات العلمية.
إحصائية الاختبار: هي قيمة معيارية تُستخدم لمقارنة البيانات المرصودة مع الفرضية الصفرية. Ho .
الخطأ من النوع الأول: رفض الفرضية الصفرية الصحيحة (نتيجة إيجابية خاطئة).
الخطأ من النوع الثاني: عدم رفض الفرضية الصفرية الخاطئة (نتيجة سلبية خاطئة).
القوة الإحصائية: هو احتمال رفض فرضية صفرية خاطئة بشكٍل صحيح.
فترة الثقة: نطاق من القيم التي من المُحتمل أن تحتوي على معلمة المجتمع الحقيقية.
حجم التأثير: مقياس لحجم الفرق أو العلاقة قيد الاختبار.
إقرأ أيضًا كيفية حساب فترات الثقة في برنامج إكسل(Excel)؟
الأسئلة الشائعة حول اختبار الفرضيات
لماذا من المهم التحكم في البيئة المحيطة عند إجراء اختبار الفرضيات؟
حيث يساهم التحكم في البيئة المحيطة لاختبار الفرضيات في تقليل المتغيرات الخارجية التي قد تؤثر على دقة النتائج، ويمكننا بهذه الطريقة تعزيز مصداقية نتائج الاختبار.
ما هي الفرضية الصفرية؟
الفرضية الصفرية، والتي يُرمز لها غالبًا بـ H0 ، هي افتراض أساسي على عدم وجود أي تأثير أو فرق بين المجموعات أو الظروف قيد الاختبار، وهي بمثابة بيان يسعى الباحث إلى قبوله أو رفضه من خلال التحليل الإحصائي، ومن خلال رفض الفرضية الصفرية أو قبولها يتم تقديم رؤيا أساسية حول العلاقة بين المتغيرات والفروقات بين المجموعات.
كيف ترتبط قيمة الاحتمال (p-value) بفترات الثقة في اختبار الفرضيات؟
تُستخدم كل من قيمة الاحتمال (p-value) وفترات الثقة كأدوات آحصائية لاستخلاص استنتاجات حول معلمات المجتمع الإحصائي بناءً على بيانات عينة ممثلة للمجتمع.
كما تُشير قيمة الاحتمال إلى احتمال الحصول على نتائج متطرفة كتلك الموجودة في العينة إذا كانت الفرضية الصفرية صحيحة.
أما فترات الثقة، فتُحدد نطاقًا من القيم التي من الميُرجح أن يقع ضمنها قيمة مُعلمة المجتمع الإحصائي الحقيقي، حيث إذا لم تتضمن فترة الثقة لمتوسط الفرق أو حجم التأثير قيمة الفرضية الصفرية (مثلًا، فرق صفري)، فهذا يُشير إلى إمكانية رفض الفرضية الصفرية عند مستوى ثقة الفترة، وهو ما يتوافق مع قيمة احتمال p-value منخفضة.
ما هي الأخطاء التي يقع فيها الباحث من النوع الأول والنوع الثاني؟
يحدث الخطأ من النوع الأول عندما يتم رفض الفرضية الصفرية بشكٍل خاطئ، مما يؤدي إلى اكتشاف تأثير غير موجود (إيجابية خاطئة).
أما الخطأ من النوع الثاني فيحدث عندما لا يتم رفض الفرضية الصفرية بشكٍل خاطئ، مما يؤدي إلى إغفال تأثير حقيقي (سلبية خاطئة).
ويُعدّ تحقيق التوازن بين هذين النوعين من الأخطاء في البحث، أمرًا مهمًا لإجراء تحليل إحصائي ذات نتائج دقيقة.
كيف يؤثر حجم العينة على اختبار الفرضيات؟
يؤثر حجم العينة بشكٍل مباشر على قوة اختبار الفرضية، وهي احتمال رفض الفرضية الصفرية الخاطئة بشكٍل صحيح (أي تجنب الخطأ من النوع الثاني).
كما توفر أحجام العينات الأكبر عمومًا تقديرات أكثر دقة وصحة لمعلمات المجتمع الحيقية، وهي تزيد من قوة الاختبار الإحصائي، وتقلل من هامش الخطأ عند حساب فترات الثقة.
ماذا لو لم تكن بيانات العينة غير ممثلة للمجتمع الإحصائي ككل؟
إذا لم تكن بيانات العينة ممثلة للمجتمع بشكٍل صحيح، فقد تكون نتائج اختبار الفرضية متحيزة وغير قابلة للتعميم على المجتمع ككل.
وقد يكون ذلك نتيجةً لأساليب أخذ العينات، مثل التحيز أثناء الاختيار، أوالعينة لا تُغطي جميع فئات المجتمع المتنوعة أو خصائص المجتمع.
ما الفرق بين الاختبارات المعلمية والاختبارات غير المعلمية؟
حيق تفترض الاختبارات المعلمية أن البيانات تتبع توزيعًا محددًا، وغالبًا تتبع التوزيع الطبيعي،
أما الاختبارات غير المعلمية فلا تفترض اتباع أي توزيع محدد للبيانات، وتُستخدم غالبًا عند التعامل مع البيانات الترتيبية، أو البيانات غير الموزعة توزيعًا طبيعيًا، أو عندما تكون أحجام العينات صغيرة جدًا.
ما الفرق بين الدلالة الإحصائية والدلالة العملية؟
حيث تُشير الدلالة الإحصائية إلى احتمالية حدوث تأثير ما بالصدفة، الدلالة العملية تُعنى بالأثر الفعلي أو أهمية هذا التأثير من الناحية العملية.
وقد تكون النتيجة ذات دلالة إحصائية دون أن تكون ذات دلالة عملية إذا كان حجم التأثير صغيرًا جدًا بحيث لا يكون له أي تأثير فعلي في الواقع.
إقرأ أيضًا حساب المتوسط المرجح: طريقة حسابه في Excel خطوة بخطوة.وبالتالي تم تناول اختبار الفرضيات، فهي تُعد جزء أساسي من أساسيات التحليل الإحصائي والوصول إلى النتائج في الأبحاث العلمية.
ولخدمات التحليل الإحصائي من خلال الموقع يمكنك التواصل من خلال رابط الواتس أب.
تعليقات
إرسال تعليق