سؤال البحث وفرضياته

دليل

في هذه الصفحة

معظم المشكلات في التحليل الإحصائي لا تولد في التحليل – بل تولد قبله، حين لم يتحوّل سؤال البحث إلى فرضية قابلة للدحض، وحين اتُّخذت القرارات التي كان ينبغي اتخاذها قبل جمع البيانات بعده. تتبع هذه الصفحة مسار Field (2024، الفصول 1-3): ملاحظة ← نظرية ← فرضية ← تنبؤ ← بيانات، ثم الفرضية الصفرية والبديلة، واتجاه الاختبار، ومستوى الدلالة، وحجم العينة – وما تبيّن في العقد الأخير عمّا يحدث حين تُتّخذ هذه القرارات بأثر رجعي. وتنتهي بما تقوله p وما لا تقوله، وبحجم الأثر – الرقم الذي ينبغي أن يرافق كل p.

1. عملية البحث – ولماذا الفرضية ليست التنبؤ

يبدأ البحث بملاحظة تتطلب تفسيرًا – قصصية ("لاحظتُ أن...") أو قائمة على البيانات – وبالسؤال "لماذا". ولفحص ما إذا كانت الملاحظة نفسها صحيحة وغير متحيّزة، يلزم أولًا متغيّر واحد على الأقل يقيسها كمّيًا؛ ثم يُتوجَّه إلى النظريات ذات الصلة، ويُشتق منها تفسير (فرضية)، ومن الفرضية – تنبؤات. والتنبؤات تحتاج إلى بيانات: يُحدَّد ما يمكن قياسه، ويُجمع، ويُحلَّل. ويدعم التحليل الفرضية، أو يولّد فرضية جديدة، أو يعدّل النظرية – ولذلك فجمع البيانات والنظرية مرتبطان في الاتجاهين (Field, 2024, Sections 1.2-1.3).

التمييز الأسهل إغفالًا – والذي يخصّص له Field (2024، القسم 1.4) تصحيحًا صريحًا – هو بين الفرضية والتنبؤ. الفرضية تفسير، أي قول عن آلية، ولا يمكن ملاحظتها. والتنبؤ هو ما يُشتق منها وينقلها إلى المجال المُشاهَد: هو ما يتيح جمع بيانات لها انعكاس على معقولية الفرضية. مثال سنعود إليه في هذه الصفحة: الملاحظة – في البلدات التي توجد فيها جمعية أهلية نشطة، يُبلغ السكان عن شعور أعلى بالانتماء. النظرية – رأس المال الاجتماعي: شبكات المعرفة والثقة تولّد الانتماء والعمل المشترك. الفرضية – المشاركة في النشاط المجتمعي تعزّز الشعور بالانتماء إلى البلدة. التنبؤ – السكان الذين يشاركون في النشاط المجتمعي سيُبلغون عن انتماء أعلى من السكان غير المشاركين، حتى عند مقارنة سكان لهم مدة الإقامة نفسها في البلدة. والآن هناك ما يُقاس: المشاركة (ساعات في الشهر، أو نعم/لا) والانتماء (مقياس متعدد الفقرات – انظروا الثبات والصدق).

لاحظوا أن الملاحظة نفسها تتّسق أيضًا مع فرضية معاكسة – من يشعر بالانتماء أصلًا هو من ينضم إلى النشاط – ومع فرضية ثالثة: مدة الإقامة في البلدة تولّد الانتماء والمشاركة معًا. التنبؤ الجيد يميّز بين الفرضيات: إذا كانت الفرضية الأولى صحيحة، فمن انضم إلى النشاط هذا العام يُفترض أن يُظهر ارتفاعًا في الانتماء مقارنة بالعام الماضي؛ وإذا كانت الثانية صحيحة – فالانتماء سبق الانضمام. وما تتطلبه الفرضيات المتنافسة هو تصميم بحث قادر على الفصل بينها، وهذا موضوع لصفحة المتغيرات ومستويات القياس وتصاميم البحث. والأساس هنا: الفرضية التي تفسّر كل نتيجة ممكنة ليست فرضية.

2. النظرية، الفرضية، التنبؤ – وما الذي يجعل القول علميًا

يميّز Field (2024، القسم 1.4) بين الثلاثة بحسب الاتساع والمكانة: النظرية تفسّر مجموعة واسعة من الظواهر بمنظومة صغيرة من المبادئ الراسخة؛ والفرضية تفسّر ظاهرة أضيق، ولم تُختبر بعد؛ والتنبؤ هو القول المُشاهَد المشتق من الفرضية. والقول علمي حين يمكن التحقق منه أو دحضه في مقابل أدلة تجريبية. "البيتلز هي الفرقة الأكثر تأثيرًا على الإطلاق" ليس قولًا علميًا – إذ يبدو أن "التأثير" لا يمكن قياسه كمّيًا على نحو ذي معنى – أما "البيتلز هي الفرقة الأكثر مبيعًا على الإطلاق" فقول علمي، لأنه يمكن جمع بيانات المبيعات وفحصها. ويمكن أحيانًا إعادة صياغة الأقوال غير العلمية لتصبح أقوالًا علمية، والنظرية الجيدة تولّد تنبؤات هي أقوال من هذا النوع (يذكر Field هنا بوبر). وبلغة البحث الاجتماعي: "البرنامج عزّز المجتمع المحلي" ليس تنبؤًا؛ أما "بعد عام من البرنامج، سترتفع نسبة السكان الذين يعرفون بالاسم خمسة جيران على الأقل" – فهو تنبؤ.

الوجه الآخر للعملة نفسها هو الدحض: بيانات تناقض الفرضية. ويوضح Field ذلك بقصة طويلة عن متسابقي برامج تلفزيون الواقع وعن نظرية له فشلت: دُحض تنبؤ واحد منها، ولم تتّسق معها نتائج باحثين آخرين، وانتصرت نظرية منافسة – فسّرت الملاحظة الأصلية والنتائج الجديدة معًا. واختبار النظرية ليس أنها تبدو صحيحة؛ بل أنها تفسّر البيانات، وأن تنبؤاتها تتحقق في بيانات جديدة، وأنها تفسّر أيضًا نتائج الآخرين. النظرية التي لا يمكن أن تفشل أمام أي بيانات لا تفسّر شيئًا.

3. من التنبؤ إلى الفرضية الإحصائية

يتفكّك التنبؤ إلى فرضيتين إحصائيتين (Field, 2024, Section 2.10.2). الفرضية البديلة (H₁) هي التنبؤ المشتق من النظرية – عادةً أن هناك أثرًا: سيُبلغ المشاركون عن انتماء أعلى. والفرضية الصفرية (H₀) هي عكسها – لا يوجد أثر: سيُبلغ المشاركون وغير المشاركين عن الانتماء نفسه. والفرضية الصفرية مفيدة لأنها تعطي خط أساس: ما مدى احتمال الحصول على البيانات التي حصلنا عليها – أو على بيانات أكثر تطرفًا منها – لو لم يكن هناك أي أثر؟ هذا ما تقيسه p، لا أكثر. ويحذّر Field من لغة "قبول" الفرضيات و"رفضها": قيم p لا تقدّم دليلًا على أحكام قاطعة كهذه، وحتى حين تكون البديلة أكثر معقولية من الصفرية، قد توجد نماذج أخرى – لم نفحصها – تطابق البيانات على نحو أفضل. الحديث عن معقولية نسبية، لا عن حقيقة.

الاتجاه. الفرضية الموجَّهة تقول أيضًا في أي اتجاه يكون الأثر ("سيُبلغ المشاركون عن انتماء أعلى")؛ وغير الموجَّهة تقول فقط إن هناك أثرًا ("المشاركة مرتبطة بالانتماء"). والاختبار الإحصائي للفرضية الموجَّهة ذو طرف واحد؛ ولغير الموجَّهة – ذو طرفين (Field, 2024, Section 2.10.6). والفرق ليس تقنيًا: في الاختبار ذي الطرف الواحد لا تُحتسب النتيجة الدالّة في الاتجاه المعاكس – ولذلك لا يكون مسوَّغًا إلا حين كانت النتيجة المعاكسة ستؤدي إلى الإجراء نفسه الذي تؤدي إليه نتيجة غير دالّة (دواء أسوأ من الموجود لن يُعتمد، تمامًا كدواء ليس أفضل منه)، أو حين تكون النتيجة المعاكسة بلا معنى نظري. ويورد Field مسحين لمجلات في علم البيئة: في أحدهما "بدت جميع استخدامات الاختبارات ذات الطرف الواحد غير صالحة"، وفي الآخر كان مقال واحد فقط من 17 مقالًا مسوَّغًا. والإغراء واضح: p = .06 ذات الطرفين تصبح p = .03 ذات طرف واحد – لكن لا يمكن تغيير القواعد بعد جمع البيانات. الإعداد الافتراضي في الموقع، كما عند Field: ذو طرفين.

4. ما يُحدَّد قبل جمع البيانات – وكم يكلّف تحديده بعده

الاختبار الإحصائي لا يعمل إلا إذا حُدّدت الفرضيات والمعايير قبل جمع البيانات (Field, 2024, Section 2.10.3). مَثَل Field: الرهان على كأس العالم. يُختار فريق ويُحصل على نسبة الرهان قبل البطولة؛ لا يمكن تبديل الفريق في المنتصف، ولا يستطيع مكتب المراهنات تغيير النسبة بعد المباراة النهائية. والباحثون "يغشّون" حين يصوغون الفرضيات بعد جمع البيانات، أو يغيّرونها في المنتصف، أو يختارون مستوى الدلالة بعد رؤية النتيجة – وكل تغيير كهذا يزيد فرصة الحصول على نتيجة دالّة، ويزيد أيضًا فرصة ألّا ينجح أحد في استنساخها. أربعة قرارات تنتمي إلى هذه المرحلة:

مستوى الدلالة (α). معدل الخطأ على المدى الطويل الذي نحن مستعدون لتحمّله – احتمال إعلان أثر غير موجود (الخطأ من النوع I). ويؤكد Field أن هذا يُفترض أن يكون قرارًا ذا معنى بحسب مجال البحث وما يُختبر، ويقرّ بأن الجميع عمليًا يستخدمون .05 "دون التفكير في معناه ولماذا"؛ وفيشر نفسه لم يقل قط إن .05 رقم سحري (Field, 2024, Sections 2.10.1, 2.10.3; Box 3.1). القاعدة: يُحدَّد مسبقًا، ويُعلَّل إن خُولف الاصطلاح.

حجم العينة – ومسبقًا. قيمة p احتمال على المدى الطويل: كم مرة كنا سنحصل على إحصاءة كهذه لو كرّرنا عملية المعاينة نفسها عددًا لا نهائيًا من المرات. ولذلك يجب جمع عدد المشاركين الذي خُطّط له: هناك طريقة لحساب p لمعاينات متكررة من 80، لكن لا طريقة لمعرفة p لمعاينات من 74 "لأن الفصل الدراسي انتهى ولم نجد مشاركين آخرين" (Field, 2024, Section 2.10.3). التوقف المبكر أو الاستمرار حتى تصبح النتيجة دالّة – وجهان للخطأ نفسه. كم مشاركًا نحتاج؟ هذا سؤال القوة الإحصائية: احتمال أن يجد الاختبار أثرًا موجودًا في المجتمع، 1 − β، حيث β هو احتمال تفويته (الخطأ من النوع II). والاصطلاح، اتباعًا لـCohen (1988, 1992, as cited in Field, 2024, Sections 2.10.7 and 2.10.9)، هو قوة مقدارها .80 – فرصة 80% لاكتشاف أثر حقيقي، أي تفويت أثر واحد من كل خمسة. وتعتمد القوة على حجم الأثر وα وحجم العينة؛ وحين تُعرف ثلاثة منها، يُحسب الرابع. والاستخدام المفيد، بحسب Field، هو قبل البحث: يُقدَّر حجم الأثر المتوقع من دراسات سابقة، ويُحدَّد α = .05 وقوة .80، فيُحصل على عدد المشاركين اللازم – بأداة مجانية مثل G*Power أو حزمة pwr في R. أما حساب القوة بعد البحث، كما يضيف، فلم يفهمه قط: إن كانت النتيجة غير دالّة – لم تكن هناك قوة كافية؛ وإن كانت دالّة – كانت هناك.

الفرضيات والخطة التحليلية. "درجات حرية الباحث" (Simmons et al., 2011, as cited in Field, 2024, Section 3.3.2) هي كل القرارات التي يتخذها الباحث في الطريق: أي نموذج، وماذا يُفعل بالقيم المتطرفة، وأي متغيرات ضبط، وأي مقاييس، ومتى يُتوقَّف عن الجمع. ويورد Field دراسة تلقّى فيها 29 فريقًا البيانات نفسها والسؤال نفسه – هل يُكثر حكّام كرة القدم من منح البطاقة الحمراء للاعبين ذوي البشرة الداكنة – فوجد 20 منها أثرًا دالًّا ولم تجده تسعة، عبر طيف واسع من النماذج. وحين تُختار هذه القرارات بحسب ما يُنزل p دون .05 – تُجرَّب عدة تحليلات ويُبلَّغ عن واحد، وتُضاف متغيرات أو تُزال بحسب تأثيرها في p، وتُقاس عشر نتائج ويُبلَّغ عن الدالّة منها – فهذا p-hacking؛ وحين تُعرض في المقال فرضية صيغت بعد النتائج كأنها صيغت قبلها – فهذا HARKing، "الافتراض بعد معرفة النتائج" (Field, 2024, Section 3.3.3). والعلاج الذي تبنّاه العلم هو التسجيل المسبق (preregistration): النشر العلني للمسوّغ والفرضيات والتصميم وخطة معالجة البيانات وتحليلها قبل جمع البيانات – في تقرير مسجَّل في مجلة، يُحكَّم قبل وجود النتائج ويُنشر أيًّا كانت، أو ببساطة في مستودع مفتوح مثل Open Science Framework (Field, 2024, Section 3.6). والانحراف عن الخطة مسموح – لكنه يصبح شفافًا فحسب. وفي البحث بلا تسجيل رسمي: وثيقة تخطيط مؤرَّخة، بالفرضيات والاختبارات والعينة، قبل الاستبانة الأولى.

5. ما تقوله p – وما لا تقوله

p هي احتمال الحصول على النتيجة التي حصلنا عليها، أو على نتيجة أكثر تطرفًا منها، بافتراض أن الفرضية الصفرية صحيحة. يفتتح Field (2024، القسم 3.2.1) بثلاثة أخطاء شائعة فيما يُستنتج من نتيجة دالّة. "دالّ" لا يعني "مهم": p تعتمد على حجم العينة، ولذلك ستكون الآثار الضئيلة عديمة الأهمية دالّة إن جمعنا بيانات كافية، وستُفوَّت الآثار الكبيرة والمهمة في عينة صغيرة. غير الدالّ لا يعني "الفرضية الصفرية صحيحة": النتيجة غير الدالّة تقول فقط إن الأثر لم يكن كبيرًا بما يكفي ليُعثر عليه في هذه العينة؛ ولا تقول إن حجمه صفر. أثر قدره .000000001 في المجتمع ليس صفرًا، وفي عينة كبيرة بما يكفي "سيُعثر عليه" هو أيضًا؛ ولذلك لا تُفسَّر النتيجة غير الدالّة بأنها "لا فرق" أو "لا علاقة". والدالّ لا يعني "الفرضية الصفرية خاطئة": الاستدلال الاحتمالي لا يتيح هذا الاستنتاج – ويوضح Field ذلك بقياس منطقي عن فرقة Iron Maiden: "إذا كان شخص يعزف على الغيتار، فمن غير المرجّح أنه عضو في Iron Maiden؛ هذا الشخص عضو في الفرقة؛ إذن من غير المرجّح أنه يعزف على الغيتار" – والاستنتاج خاطئ، لأن نصف أعضاء الفرقة يعزفون على الغيتار. الدلالة الإحصائية لا تقدّم دليلًا على أيٍّ من الفرضيتين.

المشكلة العملية الكبرى هي تفكير الكل أو لا شيء (Field, 2024, Section 3.2.2): p = .0499 دالّة وp = .0501 غير دالّة، ويُتوصَّل إلى استنتاجات متعاكسة من رقمين الفرق بينهما .0002 ويعكسان حجم الأثر نفسه. يعرض Field عشر دراسات عن الدواء الوهمي نفسه: أربع دالّة وست غير دالّة – ووفق كتاب وصفات NHST، "الأدلة متناقضة". ثم يُنظر إلى فترات الثقة: الفروق العشرة كلها موجبة، وفترات الثقة متداخلة إلى حد كبير، ومعظم كل فترة فوق الصفر – دليل متّسق على أن الأثر في المجتمع موجب على الأرجح. فترة الثقة تُظهر الاتساق الذي تُخفيه p. وفي فصل "الحسّ السليم" (القسم 3.5) يورد التوجيهات الست للجمعية الإحصائية الأمريكية (Wasserstein & American Statistical Association, 2016, as cited in Field): يمكن لـp أن تدل على مدى عدم اتساق البيانات مع الفرضية الصفرية – وتُستخدم قيمتها الدقيقة، لا جهتها من العتبة؛ p ليست احتمال صحة الفرضية، ولا احتمال أن البيانات نشأت بالصدفة؛ الاستنتاجات العلمية وقرارات السياسات لا تُبنى على تجاوز العتبة وحده؛ لا يُبلَّغ عن قيم p انتقائيًا، ويُبلَّغ عن عدد الفرضيات التي فُحصت؛ الدلالة الإحصائية ليست أهمية عملية؛ وp وحدها ليست مقياسًا جيدًا للدليل لصالح نموذج أو فرضية.

6. حجم الأثر – الرقم الذي يرافق كل p

الحل لنقد "الدالّ ليس مهمًا" هو قياس حجم الأثر: مقدار الأثر واتجاهه (Field, 2024, Section 3.7). وهناك نوعان. خام – بوحدات القياس الأصلية: فرق قدره 2 دقيقة بين مجموعتين، ومعامل b في الانحدار يقول كم نقطة انتماء تضيفها كل ساعة مشاركة. ويرى فيه Field (اتباعًا لـBaguley) الطريقة الأكثر فائدة لقياس الأثر كمّيًا، لأنه مفهوم مباشرة – بشرط أن تكون الوحدات ذات معنى. معياري – بوحدات الانحراف المعياري، للمقارنة بين دراسات قاست متغيرات مختلفة: d لكوهين للفرق بين المتوسطات، وr للعلاقة، ونسبة الأرجحية للنتائج الثنائية. وثمنه: الحدس. ما معنى "نصف انحراف معياري" في الواقع؟ وفي غياب الفهم المباشر يتشبّث الناس بالمساطر.

مساطر Cohen (1988, 1992, as cited in Field, 2024, Sections 3.7.3-3.7.4) – d بمقدار .2 (صغير)، .5 (متوسط)، .8 (كبير)؛ r بمقدار .10 (1% من التباين)، .30 (9%)، .50 (25%) – شائعة، لكن Field يذكّر بأن كوهين نفسه اعترف بأنها تشجّع التفكير الكسول وتتجاهل سياق الأثر: أداة القياس، والمعايير في المجال. ويقتبس Lenth: حين يُفسَّر حجم الأثر فنحن لا نشتري قمصانًا – "سآخذ أثر ميتاليكا بمقاس M". يُقيَّم الأثر في سياق سؤال البحث: r = .30 بين المشاركة والانتماء نتيجة في مسح يضم عشرات المتغيرات الخلفية، ونتيجة أخرى حين يكون هو الوحيد الذي وُجد. وميزة أخرى لحجم الأثر (القسم 3.7.6): ليست له قاعدة حسم. فهو يُفسَّر على متّصل، ولذلك لا ينكسر بين .0499 و.0501، وهو أقل حساسية لإنهاء جمع البيانات مبكرًا أو متأخرًا – وإن كان يُقدَّر على نحو أفضل في عينة كبيرة.

7. الصياغة وعرض النتائج

في مقترح البحث: سؤال البحث في جملة؛ والفرضية بوصفها تفسيرًا؛ والتنبؤات بوصفها أقوالًا مُشاهَدة، موجَّهة أو غير موجَّهة، كلٌّ منها مع المتغيرات التي تقيسه، والاختبار الذي سيفحصه ومؤشر الأثر؛ ومستوى الدلالة؛ وحجم العينة المخطَّط وكيف حُدّد (حجم الأثر المقدَّر، القوة الإحصائية). وما لم يُصَغ هنا ليس تنبؤًا – بل نتيجة استكشافية، ويُبلَّغ عنها بوصفها كذلك.

في فصل النتائج (Field, 2024, Sections 2.11 and 3.9): قيمة p دقيقة – p = .023، لا p < .05 – لأن الحاسوب يحسبها، وهي تعطي القارئ معلومات أكثر من "دون عتبة اعتباطية"؛ والاستثناء الوحيد هو p < .001، التي لا تهمّ المنازل العشرية دونها. وفترة الثقة بين قوسين معقوفين، مع مستواها: M = 30, 95% CI [20, 40]. وحجم الأثر إلى جانب كل p، لأن p تعتمد على حجم العينة: "كان الانتماء أعلى لدى المشاركين، t(148) = 2.31, p = .022, d = 0.38, 95% CI [0.05, 0.71]". ويُبلَّغ عن النتيجة غير الدالّة بالصيغة نفسها، مع p دقيقة وحجم الأثر – لا "لم يوجد فرق". وفي الموقع، كما في APA (2020، القسم 6.36)، تُكتب المعاملات التي لا يمكن أن تتجاوز 1 بلا صفر قبل الفاصلة العشرية (p = .023، r = .30)؛ ويذكر Field القاعدة ويختار ألّا يتّبعها في كتابه – أما جمل عرض النتائج التي تولّدها حاسبات الموقع فتتّبعها.

أخطاء شائعة

صياغة الفرضية كتنبؤ. "سيوجد فرق بين المجموعات" ليس تفسيرًا لأي شيء. الفرضية تقول لماذا؛ والتنبؤ يقول ماذا سنرى. وبلا "لماذا" لا توجد نظرية تُعدَّل حين يفشل التنبؤ.

فرضية تؤكدها كل نتيجة. إذا كان ارتفاع الانتماء يدعم النظرية، وكذلك انخفاضه ("مقاومة أولية")، وكذلك غياب التغيّر ("تأثير مؤجَّل") – فلا يوجد هنا تنبؤ. التنبؤ يُكتب بحيث تدحضه نتيجة معيّنة.

تقرير الاختبار ذي الطرف الواحد بعد رؤية p = .06. الاختبار ذو الطرف الواحد مسوَّغ فقط حين كانت النتيجة المعاكسة ستؤدي إلى الإجراء نفسه الذي تؤدي إليه نتيجة غير دالّة، وفقط حين يُحدَّد مسبقًا. وإلا – فذو طرفين، والنتيجة غير دالّة.

"سنجمع قليلًا بعد ونرى." الاستمرار في الجمع حتى تصبح النتيجة دالّة، أو التوقف حين تصبح دالّة، يهدم معنى p. يُحدَّد حجم العينة مسبقًا من حساب القوة الإحصائية ويُلتزَم به؛ وإن لم يُبلَغ، يُبلَّغ عن ذلك.

حساب القوة الإحصائية بعد البحث لتفسير نتيجة غير دالّة. هذا دوري: النتيجة غير الدالّة ستبدو دائمًا "منخفضة القوة". تُحسب القوة قبل البحث، لتحديد العينة.

الإبلاغ عن الدالّ والسكوت عن الباقي. عشرون اختبارًا، واحد منها دالّ – عند عتبة .05 هذا بالضبط ما يُتوقَّع بالصدفة. يُبلَّغ عن عدد الفرضيات التي فُحصت، وتُعرض النتيجة التي لم يُتنبأ بها بوصفها استكشافية، للفحص في عينة جديدة.

قراءة "غير دالّ" على أنه "لا علاقة". النتيجة غير الدالّة ليست دليلًا على الصفر؛ بل دليل على أن هذه العينة لم تكفِ. وفترة الثقة تقول أي أحجام الأثر لا تزال معقولة.

الاعتماد على مسطرة الحجم بدلًا من السياق. "أثر متوسط" ليس تفسيرًا. السؤال هو ماذا تعني d = 0.4 بالوحدات الأصلية، وما قيمتها في هذا البحث – فلمن يخطط لبرنامج مجتمعي، نقطتان على مقياس انتماء من 7 نتيجة مختلفة عمّا هي عليه للمنظِّر.

قائمة تحقق – قبل الاستبانة الأولى

المراجع

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000

Field, A. (2024). Discovering statistics using IBM SPSS statistics (6th ed.). SAGE.