كيف تكتب حجم الأثر بصيغة APA

أجريت الاختبار، وجاءت قيمة p أقل من .05، فأصبح المُغري أن تكتب «كان الفرق دالاً إحصائياً» وتمضي. توقّف هنا. قيمة p تخبرك فقط باحتمال أن يكون الأثر غير صفري عند حجم عينتك، لكنها لا تقول شيئاً تقريباً عن حجم هذا الأثر أو عن أهميته العملية. فمع عينة كبيرة بما يكفي، يصبح أي فرق ضئيل وتافه «دالاً إحصائياً». حجم الأثر (effect size) هو الرقم الذي يجيب عن السؤال الذي يهمّ القارئ فعلاً: كم يبلغ مقدار الأثر؟

تشترط الطبعة السابعة من دليل APA ذلك صراحةً، إذ تُلزم الباحث بتقرير حجم الأثر، وكلما أمكن، فترة الثقة (confidence interval) المصاحبة له بجانب كل اختبار استدلالي. يوضّح هذا الدليل كيف تختار حجم الأثر المناسب للاختبار الذي أجريته وتحسبه وتكتبه، مع قوالب جاهزة بصيغة APA ومثال محلول.

لماذا يهمّ حجم الأثر وفترة ثقته

تخلط قيمة p بين مقدار الأثر ودقة التقدير. يمكن لدراستين أن تُبلغا بـ p = .04، بينما تصف إحداهما فرقاً ضئيلاً بلا معنى عملي في عينة من 5000 مشارك، وتصف الأخرى فرقاً كبيراً في عينة من 30 فقط. حجم الأثر يفصل بين قوة الأثر وحجم العينة.

أما فترة الثقة فتخبرك بمدى الدقة التي حدّدت بها هذا الأثر. إنّ قيمة Cohen's d تساوي 0.50 بفترة ثقة 95% قدرها [0.10, 0.90] تختلف جذرياً عن d = 0.50 بفترة [0.45, 0.55]؛ فالأولى تتوافق مع أثر شبه منعدم، والثانية ضيّقة ومحدّدة. اربط دائماً التقدير النقطي بفترته. والفترة الواسعة التي تعبر الصفر هي بحد ذاتها نتيجة: بياناتك ببساطة لا تستطيع حسم الأثر.

Cohen's d لاختبارات t

عند مقارنة متوسطين، حجم الأثر المعياري هو Cohen's d، وهو فرق المتوسطات المعيَّر. تأخذ الفرق بين متوسطَي المجموعتين وتقسمه على الانحراف المعياري المُجمَّع (pooled SD):

d = (M1 − M2) / SDpooled

القسمة على الانحراف المعياري تضع الفرق بوحدات انحراف معياري، فيصبح قابلاً للمقارنة عبر الدراسات والمقاييس المختلفة. المعايير التقريبية لكوهين هي 0.2 (صغير) و0.5 (متوسط) و0.8 (كبير)، لكن تعامل معها كأعراف لا كقوانين قاطعة (سيأتي تفصيل ذلك لاحقاً).

Hedges' g للعينات الصغيرة

يميل Cohen's d إلى المبالغة قليلاً في العينات الصغيرة. يطبّق Hedges' g معامل تصحيح بسيطاً (يقارب 1 − 3/(4df − 1)) يُقلّص التقدير. فإذا كان مجموع حجم العينة أقل من 50 تقريباً، أبلغ بـ Hedges' g بدلاً من d؛ أما في العينات الكبيرة فالقيمتان متطابقتان عملياً. لاحظ أن الاختيار بين اختبار t المُجمَّع وWelch لا يغيّر حجم الأثر الموصى به، لكنه يؤثر في الانحراف المعياري الذي تُعيِّر به. راجع اختبار t: Welch مقابل Student لهذا القرار.

Eta-squared وpartial eta-squared لتحليل التباين

في تحليل التباين (ANOVA) يُعبَّر عن حجم الأثر بنسبة التباين في المتغير التابع التي يفسّرها عامل ما. إيتا تربيع (η²) هي مجموع مربعات العامل مقسوماً على المجموع الكلي للمربعات. وفي التصاميم العاملية، عادةً ما تُخرج البرامج إيتا تربيع الجزئية (η²_p)، التي تقسم مجموع مربعات العامل على مجموعه مضافاً إليه مجموع مربعات الخطأ، فتُزيل أثر العوامل الأخرى من المقام.

معايير كوهين لـ η² هي 0.01 (صغير) و0.06 (متوسط) و0.14 (كبير). وانتبه: قيم η²_p من تصميم متعدد العوامل ليست قابلة للمقارنة بقيم η² من تصميم أحادي، كما أن مجموعها لا يساوي 1. وضّح أيّ مقياس أخرجه برنامجك.

لماذا يكون omega-squared أفضل غالباً

تميل η² إلى المبالغة في تقدير التباين المُفسَّر، خصوصاً في العينات الصغيرة. أما أوميغا تربيع (ω²) فيطبّق تصحيحاً ويُعدّ مقدّراً أقل تحيّزاً لأثر المجتمع. فإن أتاحه برنامجك، فضّل ω² (أو نسخته الجزئية) في ANOVA. وإن كنت تتردد بين ANOVA وبديل رتبي، فراجع متى تستخدم ANOVA مقابل Kruskal-Wallis.

Pearson r للارتباط

في الارتباط، معامل Pearson r هو نفسه حجم الأثر؛ فهو مُعيَّر أصلاً بين −1 و+1. ومعايير كوهين هي 0.1 (صغير) و0.3 (متوسط) و0.5 (كبير). وتربيعه يعطي r² ، معامل التحديد، أي نسبة التباين المشترك بين المتغيّرين. فقيمة r تساوي .30 تعني أن المتغيرين يتقاسمان 9% فقط من تباينهما، وهو تذكير واقعي مفيد ضد المبالغة في تفسير ارتباط «متوسط». أبلغ بـ r مع فترة ثقته 95%. واختيار المعامل ذاته مهم؛ ويغطّي مقال اختيار معامل الارتباط المناسب متى يصلح Pearson.

حجم الأثر حسب الاختبار: مرجع سريع

قوالب جُمَل بصيغة APA

نمط APA ثابت: تُبلغ بإحصاءة الاختبار، ثم درجات حريتها، ثم قيمة p الدقيقة، ثم حجم الأثر مع فترة ثقته بين قوسين معقوفين. واستخدم الخط المائل للرموز الإحصائية.

• اختبار t: «كان الفرق دالاً، t(48) = 2.74، p = .009، d = 0.77، 95% CI [0.19, 1.35].»
• ANOVA: «كان الأثر الرئيس للشرط دالاً، F(2, 87) = 6.41، p = .003، η²_p = .13، 90% CI [.03, .24].» (يجري العُرف على فترة 90% لـ η²_p.)
• الارتباط: «ارتبط القلق بالأداء ارتباطاً سالباً، r(98) = −.34، p < .001، 95% CI [−.50, −.16].»

مثال محلول

افترض أن مجموعة التدريب (M = 82.4، SD = 9.1، n = 25) تفوّقت على المجموعة الضابطة (M = 75.8، SD = 10.2، n = 25). الانحراف المعياري المُجمَّع نحو 9.66، فيكون d = (82.4 − 75.8) / 9.66 ≈ 0.68. ولأن مجموع العينة 50، نطبّق تصحيح Hedges (المعامل ≈ 0.984)، فنحصل على g ≈ 0.67 — أثر متوسط إلى كبير. ومع إخراج اختبار t للعينتين المستقلتين t(48) = 2.41، p = .020، تكتب:

«سجّلت مجموعة التدريب درجات أعلى دلالةً من المجموعة الضابطة، t(48) = 2.41، p = .020، Hedges' g = 0.67، 95% CI [0.10, 1.24].» وعند تشغيل هذا في MindStat تحصل على d وg وفترة الثقة تلقائياً، فتلصق سطراً جاهزاً بصيغة APA دون حساب يدوي.

أخطاء شائعة احذرها

الاكتفاء بقيمة p. هذا أكثر ما يأخذه المحكّمون عليك. فقيمة p دالة بلا حجم أثر نتيجةٌ ناقصة.

معاملة العتبات كقوانين مطلقة. وصف كوهين نفسه قيم 0.2/0.5/0.8 بأنها أعراف اعتباطية لميادين بلا معايير سابقة. ففي أدبيات ناضجة قد يكون d = 0.2 كبيراً، وفي سياق تطبيقي مشوّش قد يكون 0.8 عادياً. فسّر أثرك في ضوء الآثار المعتادة في مجالك، لا في جدول عام.

إغفال فترة الثقة. التقدير النقطي وحده يُخفي عدم اليقين. أبلغ دائماً بكليهما.

خلاصات أساسية

• قيمة p تخبرك هل يوجد أثر، وحجم الأثر يخبرك كم يبلغ. أبلغ بكليهما دائماً.
• استخدم Cohen's d (أو Hedges' g للعينات الصغيرة) لاختبارات t، وη²/ω² لـ ANOVA، وPearson r للارتباط.
• فضّل المقدّرات الأقل تحيّزاً (Hedges' g وأوميغا تربيع) حين تكون العينات صغيرة.
• اربط حجم الأثر دائماً بفترة ثقته، والتزم بترتيب APA: الإحصاءة، ثم df، ثم p، ثم حجم الأثر وفترته بين قوسين.
• المعايير أدلّة تعتمد على المجال، لا قوانين كونية.