اختبار t: Welch مقابل Student

يُعدّ اختبار t للعينات المستقلة من أكثر الأدوات استخداماً في البحث التطبيقي: لديك مجموعتان وتريد أن تعرف ما إذا كان الفرق بين متوسطيهما أكبر مما يفسّره تذبذب المعاينة وحده. لكن هناك في الحقيقة نسختين من هذا الاختبار، والنسخة التي تُدرّس افتراضياً في معظم الكتب — اختبار Student — تقوم على افتراضٍ كثيراً ما تخرقه البيانات الواقعية. يشرح هذا المقال الفرق بين اختبار Student واختبار Welch، ولماذا يوصي المنهجيّون المعاصرون باعتماد Welch افتراضاً، ولماذا تُعدّ العادة الشائعة في الاختيار بينهما عبر فحص تباينٍ تمهيدي خطأً إحصائياً.

الاختباران والافتراض الذي يفصل بينهما

يقارن كلا الاختبارين متوسطي مجموعتين بالمنطق نفسه: فرق المتوسطين مقسوماً على تقديرٍ لخطئه المعياري. ويكمن الاختلاف كلّه في طريقة بناء هذا الخطأ المعياري والتوزيع المرجعي.

يفترض اختبار Student تجانس التباين (homogeneity of variance): فهو يعامل تبايني المجتمعين على أنهما متساويان، ومن ثمّ يدمج (pools) تبايني العينتين في تقديرٍ واحد. وبأحجام عيّناتٍ n₁ وn₂، يكون التباين المدمج متوسطاً موزوناً للتباينين، وتكون درجات حرية الاختبار n₁ + n₂ − 2 تماماً.

أمّا اختبار Welch فيتخلّى عن افتراض تساوي التباين. فهو يقدّر الخطأ المعياري لكل مجموعة على حدة ولا يدمج إطلاقاً. ولأن التوزيع المعايني للإحصائية الناتجة لم يعد توزيع t بدرجات حريةٍ صحيحةٍ مضبوطة، يقرّبه Welch باستخدام معادلة Welch–Satterthwaite، التي تُنتج قيمة درجات حريةٍ غير صحيحة عادةً (كثيراً ما ترى df مكتوبة بصيغة مثل 37.4). وهذه الـ df الكسرية هي العلامة الظاهرة لاختبار Welch.

لماذا يُعدّ افتراض الدمج هشّاً

حين يتساوى تبايُنا المجتمعين فعلاً، يكون الدمج فعّالاً ويعطي الاختباران نتيجةً شبه متطابقة. تكمن المشكلة في الحالة غير المتماثلة. فحين تقترن العينة الأكبر بالتباين الأصغر، يصبح اختبار Student متساهلاً (liberal) — إذ يرتفع معدّل خطئه من النوع الأول فوق نسبة 5% الاسمية بكثير، فترفض فرضيات العدم الصحيحة أكثر مما ينبغي. وحين تقترن العينة الأكبر بالتباين الأكبر، ينقلب الاختبار متحفّظاً (conservative) ويفقد قدرته الإحصائية. وتساوي أحجام العينات يخفّف التشوّه لكنه لا يلغيه، والتصاميم المتوازنة تماماً نادرة عملياً.

التوصية المعاصرة: اعتمد Welch افتراضاً

تُجمل ورقة Delacre وLakens وLeys (2017) المؤثّرة الأمر بصراحة: ينبغي للباحثين اعتماد اختبار Welch افتراضاً عند مقارنة متوسطي مجموعتين مستقلتين. ويستند تبريرهم إلى ركيزتين.

• يضبط Welch معدّل الخطأ من النوع الأول عبر طيفٍ واسعٍ من الظروف — حتى حين يختلف التباين وحجم العينة معاً، وهي بالضبط الحالة التي يخفق فيها اختبار Student أشدّ الإخفاق.
• لا يكلّف Welch شيئاً تقريباً حين يتساوى التباين. ففي الموقف الوحيد الذي صُمّم له اختبار Student، يعطي Welch قيمة p مطابقةً عملياً مع فقدٍ ضئيلٍ جداً في القدرة. لا يوجد ثمنٌ واقعيٌّ لاعتماده.

بعبارة أخرى، Welch هو الخيار الأأمن في الحالة السيّئة والخيار شبه المجاني في الحالة الجيدة. وهذا اللاتماثل في العواقب هو ما يجعله الخيار الافتراضي الرشيد لا مجرد بديلٍ تلجأ إليه بعد اكتشاف مشكلة.

لماذا يجب ألّا تفحص التباين مسبقاً باختبار Levene

من سير العمل الشائعة جداً: إجراء اختبار Levene (أو اختبار F) لتساوي التباين أولاً، ثم استخدام Student إن لم يكن دالاً، وWelch إن كان دالاً. يبدو هذا الإجراء الشرطي ذو المرحلتين حصيفاً لكنه ضارٌّ إحصائياً. فأنت تترك نتيجةً تمهيديةً عشوائيةً تقرّر أيّ اختبارٍ تجري، وهذا الاشتراط يشوّه معدّل الخطأ الإجمالي للإجراء الذي تبلّغ عنه فعلاً. كما أن اختبار Levene ضعيف القدرة في العينات الصغيرة — وهي بالضبط الحالة التي يهمّ فيها تباينٌ غير متساوٍ — فكثيراً ما يخفق في كشف المشكلة الحقيقية ويوجّهك إلى الاختبار الخاطئ. والحلّ الأنظف هو تجاوز هذا «الحارس» تماماً وإجراء Welch دون شرط. وينطبق المنطق نفسه — ألّا تشترط تحليلك الأساسي على فحص افتراضٍ مشوّش — عند فحص الاعتدالية بشكل صحيح.

مثال محلول

لنفترض أن باحثاً يقارن مجموعة تدخّلٍ قرائيٍّ بمجموعةٍ ضابطةٍ على درجة استيعاب.

• المجموعة أ (التدخّل): n₁ = 30، المتوسط = 78.0، الانحراف المعياري = 8.0
• المجموعة ب (الضابطة): n₂ = 22، المتوسط = 72.5، الانحراف المعياري = 13.0

التباينان مختلفان بوضوح (64 مقابل 169) وحجما العينتين متفاوتان، فهذه بالضبط الحالة التي يسيء فيها اختبار Student التصرّف. إحصائية Welch هي فرق المتوسطين (5.5) مقسوماً على الخطأ المعياري غير المدمج √(8²/30 + 13²/22) ≈ 3.13، فينتج t ≈ 1.76. وتعيد معادلة Welch–Satterthwaite قيمة df ≈ 32.5 تقريباً — كسرية كما هو متوقّع — وp ≈ 0.089 ثنائية الذيل.

أمّا حجم الأثر، فتقيّس d لكوهين الفرق الخام معيارياً. وباستخدام انحرافٍ معياريٍّ مدمجٍ يقارب 10.4 هنا، يكون d ≈ 0.53، وهو أثرٌ متوسط، بفاصل ثقةٍ تقريبيٍّ 95% نحو [−0.03, 1.08]. لاحظ أن فاصل الثقة لـ d يعبر الصفر بما يتّسق مع قيمة p غير الدالة، وأن التقدير النقطي مع ذلك يشير إلى فرقٍ ذي معنىً عمليٍّ يستحقّ التكرار بعيّنةٍ أكبر.

كيف تكتب النتيجة

أبلغ عن المكوّنات الأربعة جميعاً: الإحصائية، ودرجات الحرية المعدّلة (الكسرية) بطريقة Welch، وقيمة p، وحجم الأثر مع فاصل ثقته. مثلاً: «Welch's t(32.5) = 1.76, p = .089, d = 0.53, 95% CI [−0.03, 1.08]». واقرن الاختبار دوماً بحجم أثرٍ — فالدلالة وحدها لا تخبرك إلا بالقليل عن المقدار. ويغطّي دليلنا حول كيف تكتب حجم الأثر بصيغة APA هذه الأعراف بالتفصيل.

جدول المقارنة

خلاصات أساسية

• يفترض اختبار Student تساوي تبايُني المجتمعين ويدمجهما؛ أمّا Welch فلا، بل يعدّل df عبر معادلة Welch–Satterthwaite فتأتي df كسرية.
• اجعل Welch خيارك الافتراضي: فهو يضبط الخطأ من النوع الأول حين يختلف التباين وحجم العينة، ولا يفقد شيئاً يُذكر حين يتساويان (Delacre وLakens وLeys، 2017).
• لا تختر الاختبار بناءً على فحص Levene أو F تمهيدي — فالإجراء الشرطي ذو المرحلتين يشوّه معدّل خطئك.
• أبلغ عن t ودرجات الحرية المعدّلة df وp وd لكوهين مع فاصل ثقته.
• وعند وجود أكثر من مجموعتين، يمتدّ منطق التباين نفسه إلى الاختيار بين ANOVA وKruskal–Wallis.

في MindStat، يطبّق اختبار t للعينات المستقلة هذا التوجيه تلقائياً — فيعتمد Welch ما لم يدعم فحصُ تساوي التباين الدمجَ بوضوح — ويعرض لك درجات الحرية المعدّلة وقيمة p وd لكوهين مع فاصل ثقته.