التحليل الإحصائي ·9 دقائق قراءة

تحليل التباين المصاحب ANCOVA في SPSS: ضبط القياس القبلي بمثال

شرح تحليل التباين المصاحب ANCOVA في SPSS: الشروط، وفحص تجانس الميل، والخطوات، ومثال يقارن اختبار t البعدي بـANCOVA مع جدول المتوسطات الخام والمعدلة.

في هذه المقالة
  1. لماذا تحتاج إلى المتغير المصاحب؟
  2. شروط تحليل التباين المصاحب
  3. فحص تجانس الميل قبل أي شيء
  4. خطوات تحليل التباين المصاحب في SPSS
  5. مثال محسوب: مخرجات تحليل التباين المصاحب مقابل اختبار t البعدي
  6. المتوسطات المعدلة: من أين تأتي؟
  7. مربع إيتا الجزئي وكتابة النتيجة
  8. أخطاء شائعة
  9. أسئلة شائعة
  10. هل أستخدم ANCOVA إذا لم يكن الفرق في القياس القبلي دالًا؟
  11. ما الفرق بين تحليل التباين المصاحب وتحليل درجات الكسب؟
  12. ما الفرق بين ANOVA وANCOVA؟
  13. هل أكتب المتوسطات الخام أم المعدلة في جدول النتائج؟

طبقت استراتيجية جديدة على فصل تجريبي، وقارنته بفصل ضابط، ثم اكتشفت عند تفريغ البيانات أن الفصل الضابط بدأ أعلى من التجريبي في الاختبار القبلي. هنا يقول المشرف عادةً: «لا تكتف باختبار t على القياس البعدي، بل استخدم تحليل التباين المصاحب». وقد تعرف أزرار SPSS، لكن يبقى السؤال: ماذا يتغير في النتيجة نفسها، ولماذا تختلف المتوسطات في جدول ANCOVA عن متوسطاتك الوصفية؟ هذا المقال يأخذك من الشروط إلى فحص تجانس الميل، ثم الخطوات في SPSS، ثم مثال محسوب يقارن اختبار t البعدي بتحليل ANCOVA على البيانات نفسها، مع جدول المتوسطات الخام والمعدلة ونموذج لكتابة النتيجة في الفصل الرابع.

لماذا تحتاج إلى المتغير المصاحب؟

تحليل التباين المصاحب (Analysis of Covariance, ANCOVA)، ويسمى أيضًا تحليل التغاير، هو تحليل تباين يضاف إليه متغير كمي يرتبط بالمتغير التابع، ويعرف بالمتغير المصاحب (Covariate). في الدراسات شبه التجريبية التي ينتشر فيها تصميم المجموعتين مع القياس القبلي والبعدي، يكون المتغير المصاحب غالبًا هو درجة الاختبار القبلي. وإن أردت مراجعة موقع هذا التصميم بين التصاميم التجريبية وتهديدات صدقها الداخلي، فارجع إلى شرح مناهج البحث العلمي وتصاميمها.

المتغير المصاحب يؤدي وظيفتين في وقت واحد:

  • تعديل الفروق القبلية: يقدر التحليل متوسط كل مجموعة في القياس البعدي لو أن المجموعتين بدأتا من الدرجة القبلية نفسها.
  • تقليل تباين الخطأ: جزء من اختلاف الطلاب في القياس البعدي يفسره مستواهم السابق. حين ينزع التحليل هذا الجزء من الخطأ، تصبح المقارنة بين المجموعتين أدق وأقوى إحصائيًا.

والوظيفة الثانية مفيدة حتى حين تتكافأ المجموعتان. فقد خلصت مذكرة فيكرز وألتمان في مجلة BMJ إلى أن تحليل التباين المصاحب هو الخيار العام المفضل في التجارب ذات القياس القبلي والبعدي (والمذكرة تتناول التجارب العشوائية)، لأنه لا يتأثر باختلال التوازن القبلي وتكون قوته الإحصائية عادةً أعلى من تحليل البعدي وحده ومن تحليل درجات الكسب.

شروط تحليل التباين المصاحب

يرث ANCOVA شروط تحليل التباين، ويضيف إليها شروطًا خاصة بالمتغير المصاحب. افحصها بهذا الترتيب واذكر نتيجة كل فحص في الرسالة:

  1. قياس المتغير المصاحب قبل المعالجة: الاختبار القبلي يطبق قبل بدء التجربة، فلا يمكن أن تكون المعالجة قد أثرت فيه. أما المتغير الذي يقاس بعد التجربة وقد يتأثر بها، فلا يصلح متغيرًا مصاحبًا.
  2. ثبات قياس المتغير المصاحب: الخطأ في قياس الاختبار القبلي يضعف التعديل ويجعله ناقصًا، فاذكر ثبات الأداة القبلية.
  3. علاقة خطية بين المتغير المصاحب والتابع داخل كل مجموعة: افحصها بشكل انتشار (Scatterplot) للقبلي والبعدي، مع تمييز المجموعتين بلونين.
  4. تجانس ميل الانحدار: أي أن العلاقة بين القبلي والبعدي متقاربة في المجموعتين. هذا هو الشرط الذي يميز ANCOVA، وله قسم مستقل أدناه.
  5. استقلال الملاحظات: كل طالب يظهر مرة واحدة في البيانات، ولا تؤثر إجابته في إجابة غيره.
  6. اعتدالية البواقي وتجانس تباين الخطأ: الثاني يفحص باختبار ليفين من نافذة الخيارات، وقد شرحنا قراءته والتصرف حين يكون دالًا في مقال اختبار ليفين للتجانس.

فحص تجانس الميل قبل أي شيء

يرسم تحليل التباين المصاحب لكل مجموعة خطًا، ويفرض على الخطوط كلها ميلًا مشتركًا واحدًا، ثم يقارن ارتفاعها. فإذا كان الاختبار القبلي يتنبأ بالبعدي بقوة في المجموعة التجريبية وبضعف في الضابطة، فالميل المشترك لا يمثل أيًا منهما، وتصبح المتوسطات المعدلة مضللة.

تجري الفحص في SPSS بنموذج مؤقت تضيف إليه حد التفاعل بين المجموعة والمتغير المصاحب:

  1. من قائمة Analyze اختر General Linear Model ثم Univariate.
  2. ضع البعدي في Dependent Variable، والمجموعة في Fixed Factor(s)، والقبلي في Covariate(s).
  3. اضغط Model واختر بناء الحدود يدويًا (Build terms، أو Custom في الإصدارات الأقدم)، ثم أضف المجموعة، والقبلي، وحد التفاعل بينهما بتحديد المتغيرين معًا واختيار Interaction.
  4. شغل التحليل وانظر إلى سطر التفاعل group * pre في جدول Tests of Between-Subjects Effects.

إذا لم يكن التفاعل دالًا فالشرط متحقق: احذف حد التفاعل وأكمل التحليل الأساسي.

وإن كان دالًا فلا تعرض متوسطات معدلة، لأن أثر المعالجة يختلف باختلاف المستوى القبلي. في هذه الحالة يصبح سؤالك سؤال تعديل (Moderation)، وتعرض الفرق بين المجموعتين عند مستويات مختارة من القبلي، أو تستخدم طريقة جونسون-نيمان (Johnson-Neyman) لتحديد المدى الذي يكون فيه الفرق دالًا، وهي متاحة في ماكرو PROCESS لهايز داخل SPSS.

خطوات تحليل التباين المصاحب في SPSS

بعد أن يتحقق شرط تجانس الميل، أعد فتح النافذة نفسها:

  1. في Model أرجع الاختيار إلى Full factorial. مع وجود متغير مصاحب، يتضمن هذا النموذج الأثر الرئيس للمجموعة والمتغير المصاحب دون حد التفاعل، ويستخدم مجموع المربعات من النوع Type III.
  2. اضغط EM Means (في الإصدارات الأقدم تجده داخل Options)، وانقل المجموعة إلى Display Means for، وفعل Compare main effects واختر تصحيح Bonferroni. هذه الخطوة هي التي تعطيك المتوسطات المعدلة.
  3. في Options فعل Descriptive statistics وEstimates of effect size وHomogeneity tests.
  4. من Save احفظ البواقي (Residuals) إن أردت فحص اعتداليتها بعد التحليل.
  5. اضغط Paste لتحفظ الأوامر، ثم OK.

إن فضلت الأوامر المكتوبة (Syntax)، فهذا مختصر الأوامر التي ينتجها الإجراء السابق، بأسماء متغيرات افتراضية:

UNIANOVA post BY group WITH pre /METHOD=SSTYPE(3) /EMMEANS=TABLES(group) WITH(pre=MEAN) COMPARE ADJ(BONFERRONI) /PRINT=ETASQ DESCRIPTIVE HOMOGENEITY /DESIGN=pre group.

ولفحص تجانس الميل يكفي أن تستبدل بالسطر الأخير /DESIGN=group pre group*pre.

مثال محسوب: مخرجات تحليل التباين المصاحب مقابل اختبار t البعدي

لنفترض دراسة شبه تجريبية بعنوان: «أثر استراتيجية التعلم المقلوب في تحصيل الرياضيات لدى طالبات الصف الثاني المتوسط»، أجرتها باحثة في مدرسة متوسطة للبنات في الرياض على فصلين قائمين، في كل فصل 15 طالبة، باختبار تحصيلي من 30 درجة. البيانات افتراضية للتوضيح فقط، وقد أعيدت الحسابات عليها كاملة.

أول ما ظهر أن الفصلين غير متكافئين قبليًا: متوسط الضابطة 15.20 ومتوسط التجريبية 12.27، والفرق دال (t(28) = −3.00، p = .006). وكان اختبار تجانس الميل غير دال (F(1, 26) = 0.15، p = .70)، إذ بلغ ميل الانحدار داخل التجريبية 0.78 وداخل الضابطة 0.67، والميل المشترك 0.711. هذا جدول نتائج تحليل التباين المصاحب بعد حذف حد التفاعل:

مصدر التباين مجموع المربعات درجات الحرية متوسط المربعات F p مربع إيتا الجزئي
القياس القبلي (المصاحب) 101.85 1 101.85 25.43 < .001 .49
المجموعة 47.32 1 47.32 11.81 .002 .30
الخطأ 108.15 27 4.01
الكلي المصحح 214.80 29

والآن قارن ما يقوله كل تحليل عن البيانات نفسها:

البند اختبار t على القياس البعدي تحليل التباين المصاحب
الفرق المقدر لصالح التجريبية 0.80 درجة 2.89 درجة
مجموع مربعات الخطأ 210.00 (درجات حرية 28) 108.15 (درجات حرية 27)
الإحصاءة t(28) = 0.80 F(1, 27) = 11.81
الدلالة p = .43 p = .002
حجم الأثر d = 0.29 η²p = .30
القرار لا فرق دال فرق دال لصالح التجريبية

سبب الاختلاف أمران: الأول أن اختبار t قارن مجموعتين بدأت إحداهما أعلى بنحو 3 درجات، فأخفى تقدم التجريبية. والثاني أن القياس القبلي فسر جزءًا كبيرًا من تباين الخطأ، فانخفض مجموع مربعات الخطأ من 210.00 إلى 108.15 وصارت المقارنة أدق. وإن احتجت مراجعة شروط اختبار t نفسه وقراءة مخرجاته، فانظر اختبار t لعينتين مستقلتين في SPSS.

المتوسطات المعدلة: من أين تأتي؟

يحسب المتوسط المعدل لكل مجموعة بهذه المعادلة: المتوسط المعدل = المتوسط البعدي − الميل المشترك × (المتوسط القبلي للمجموعة − المتوسط القبلي العام). والمتوسط القبلي العام في مثالنا 13.73، وهو القيمة التي يذكرها SPSS في حاشية جدول Estimates إذ ينص على أن المتغير المصاحب يقدر عند هذه القيمة.

  • التجريبية: 16.60 − 0.711 × (12.267 − 13.733) = 16.60 + 1.04 = 17.64.
  • الضابطة: 15.80 − 0.711 × (15.200 − 13.733) = 15.80 − 1.04 = 14.76.

استخدمنا هنا ثلاث خانات عشرية للمتوسطات القبلية حتى لا يتراكم خطأ التقريب. ولاحظ أن التعديل رفع متوسط المجموعة التي بدأت أقل وخفض متوسط المجموعة التي بدأت أعلى. والفرق المعدل يساوي الفرق الخام مضافًا إليه الميل مضروبًا في الفرق القبلي: 0.80 + 0.711 × 2.933 = 2.89 (والفرق بين المتوسطين المعدلين بعد تقريبهما 2.88، والفارق ناتج عن التقريب وحده). هذا الجدول يجمع الأرقام التي تعرضها في الرسالة:

المجموعة العدد القبلي: المتوسط (الانحراف) البعدي الخام: المتوسط (الانحراف) البعدي المعدل (الخطأ المعياري)
التجريبية 15 12.27 (2.37) 16.60 (3.02) 17.64 (0.56)
الضابطة 15 15.20 (2.96) 15.80 (2.43) 14.76 (0.56)
الفرق −2.93 0.80 2.89

المتوسطات الخام تعرضها في الإحصاء الوصفي، أما تفسير أثر المعالجة فيبنى على المتوسطات المعدلة وحدها. ومن الخطأ الشائع أن تكتب F من جدول ANCOVA بجوار المتوسطات الخام، فيرى القارئ فرقًا قدره 0.80 مع دلالة لا تخصه.

مربع إيتا الجزئي وكتابة النتيجة

يعرض SPSS حجم الأثر في عمود Partial Eta Squared، ويحسب بقسمة مجموع مربعات الأثر على مجموع مربعات الأثر والخطأ معًا: 47.32 ÷ (47.32 + 108.15) = .30. ومعناه أن المجموعة تفسر نحو 30% من التباين الذي يبقى في البعدي بعد ضبط القبلي، لا 30% من التباين الكلي.

هذا الفرق مهم عند المقارنة بالدراسات السابقة. فلو حسبت مربع إيتا من القياس البعدي وحده لكان 4.80 ÷ 214.80 = .02 تقريبًا. ويذكر لاكنز (2013) في دليله لحساب أحجام الأثر أن إدخال المتغيرات المصاحبة يؤثر في قيمة مربع إيتا الجزئي، فاذكر دائمًا أن القيمة مضبوطة بالقياس القبلي. وينبه لاكنز أيضًا إلى أن معايير كوهين المعروفة لم توضع لتصاميم فيها متغيرات مصاحبة، فاستعملها بحذر هنا. وللتحويل بين d وإيتا وقراءة المعايير، ارجع إلى دليل حساب حجم الأثر.

نموذج صياغة تنقله بعد تعديل أرقامه:

للتحقق من الفرضية الأولى استخدمت الباحثة تحليل التباين المصاحب، وأدخلت القياس القبلي متغيرًا مصاحبًا، بعد التحقق من تجانس ميل الانحدار (F(1, 26) = 0.15، p = .70). وأظهرت النتائج فرقًا دالًا إحصائيًا بين المجموعتين في التحصيل البعدي بعد ضبط القياس القبلي، F(1, 27) = 11.81، p = .002، η²p = .30، لصالح المجموعة التجريبية (المتوسط المعدل = 17.64، الخطأ المعياري = 0.56) مقارنة بالمجموعة الضابطة (المتوسط المعدل = 14.76، الخطأ المعياري = 0.56).

ولتنسيق الجدول نفسه وفق APA 7، انظر كيف تكتب نتائج التحليل الإحصائي في الرسالة.

أخطاء شائعة

  • تخطي فحص تجانس الميل: ومثله إبقاء حد التفاعل في النموذج النهائي، فتصبح أرقام الأثر الرئيس غير قابلة للتفسير.
  • عرض المتوسطات الخام مع F المعدلة: المتوسطات التي تفسر بها النتيجة هي مخرجات EM Means.
  • اختيار المتغير المصاحب بعد رؤية النتائج: حدده في خطة البحث قبل جمع البيانات، كما توصي مذكرة BMJ بتحديد طريقة التحليل مسبقًا بدل اختيار الطريقة الأكثر دلالة.
  • اعتبار الضبط الإحصائي بديلًا عن التوزيع العشوائي: مع الفصول القائمة يفترض التعديل أن الفرق القبلي كله يفسره خط واحد، فاكتب في حدود الدراسة أن ضبط التكافؤ كان إحصائيًا لا تجريبيًا.
  • إضافة متغيرات مصاحبة كثيرة بلا سند: لا يوجد حد ثابت لعددها، لكن كل متغير يأخذ درجة حرية من الخطأ، والمتغير الضعيف الارتباط بالتابع لا يضيف إلا تعقيدًا. اكتف بالقليل الذي له سند نظري ويقاس قبل المعالجة، وناقش الاختيار مع مشرفك.

وإن ترددت بين ANCOVA وتحليل التباين المختلط أو اختبار t لدرجات الكسب، فجرب مساعد اختيار الاختبار الإحصائي، وراجع موقع ANCOVA بين أنواع الاختبارات الإحصائية.

أسئلة شائعة

هل أستخدم ANCOVA إذا لم يكن الفرق في القياس القبلي دالًا؟

نعم، بل يستحسن، لأن المتغير المصاحب يقلل تباين الخطأ ويرفع القوة الإحصائية حتى مع التكافؤ. والأفضل أن تحدد التحليل في خطة البحث، لا أن تقرره بناءً على دلالة اختبار t القبلي.

ما الفرق بين تحليل التباين المصاحب وتحليل درجات الكسب؟

درجات الكسب تطرح القبلي من البعدي وتفترض ضمنًا أن الميل يساوي 1، أما ANCOVA فيقدر الميل من البيانات (0.711 في مثالنا). لذلك يكون ANCOVA عادةً أقوى، وقد يختلف التحليلان في النتيجة مع الفصول غير المتكافئة.

ما الفرق بين ANOVA وANCOVA؟

تحليل التباين ANOVA يقارن متوسطات المجموعات في المتغير التابع وحده. أما تحليل التباين المصاحب ANCOVA فيضيف متغيرًا كميًا مصاحبًا، مثل الاختبار القبلي، فيعدل المتوسطات ويقلل تباين الخطأ. لذلك تختلف نتيجتا التحليلين حين تبدأ المجموعات من مستويات مختلفة.

هل أكتب المتوسطات الخام أم المعدلة في جدول النتائج؟

اكتب النوعين، كلًا في موضعه: الخام مع الانحرافات المعيارية في الإحصاء الوصفي، والمعدلة مع أخطائها المعيارية بجوار نتيجة ANCOVA. ونبه القارئ في عنوان الجدول إلى أن المتوسطات معدلة بالقياس القبلي.

تحليل التباين المصاحب يجيب عن سؤال أدق من اختبار t: كم تفوقت المجموعة التجريبية لو بدأت المجموعتان من النقطة نفسها؟ ولا تقرأ أرقامه قراءة صحيحة إلا بعد فحص تجانس الميل واعتماد المتوسطات المعدلة. وإن أردت من يراجع معك التصميم والتحليل قبل المناقشة، فتعرف على خدمة التحليل الإحصائي، أو احجز استشارة مجانية.

هل أفادك هذا المقال؟ تصلك أدلة مثله في بريدك

نرسل أدلة عملية في البحث العلمي والتحليل الإحصائي، وأخبار المركز وعروضه. رسالتان في الشهر تقريبًا، ويمكنك الإلغاء بنقرة.

سنرسل إليك رسالة لتأكيد اشتراكك. بالاشتراك توافق على سياسة الخصوصية.

آخر تحديث:
ESC
اكتب كلمة مفتاحية ثم اضغط Enter — مثل: «منهجية»، «إحصاء»، «اقتباس»، «نشر».