(Biostatistics) المتغيرات الإحصائية

مقدِّمةٌ في الإحصاء biostatistics و statistical significance

يحتاج المهتم في البحث العلمي إلى معرفةٍ بمبادئ الإحصاء، وذلك ليتمكَّن تحديد الاختبار الإحصائيِّ الصَّحيح قبل أن يبدأ في عمل دراسته. وفي التخصُّصات الصِّحِّيَّة، يهتمُّ الباحثون في biostatistics و statistical significance وذلك أنَّ الباحث يكون على علمٍ بـ المتغيرات الإحصائية التي سوف يقيسها، قبل البدء بجمع البيانات، سواءً كان ذلك من خلال تجربةٍ عمليَّةٍ، أو استبيانٍ، أو غير ذلك. وتكمن أهميَّة اختيار الاختبار الإحصائي الصَّحيح في أنَّ حجم العيِّنة، وطريقة جمع وكتابة البيانات، تختلف بحسب نوع الاختبار. ولكنَّه يجب الانتباه إلى أنَّ الاختبار الإحصائيَّ قد يختلف بعد جمع البيانات وتحليلها تحليلاً أوَّليَّاً. وحتَّى نسهِّل عمليَّة اختيار الاختبار الإحصائيِّ، إليك الدَّليل التَّالي.

لنتمكَّن من اختيار الاختبار الإحصائيِّ الصَّحيح، والَّذي نصل من خلاله إلى statistical significance بحيث نستطيع تعميم نتائج البحث، يجب أوَّلاً أن نعرف أنواع المتغيِّرات (variables)، حيث أنَّ الاختبار يُبنى على نوع المتغيِّر، وتوزيع القياسات (distribution).

أوَّلاً، أنواع المتغيرات الإحصائية

• Nominal: هي تسيماتٌ، ولا تفيد التَّرتيب، فالجنس، مثلاً، لا يعني أنَّ الرَّجل أعلى من المرأة في مقياسٍ معيَّنٍ مثلاً، واسم المدينة لا يعني أنَّ مدينةً معيَّنةً أفضل من غيرها.
• Ordinal: تستخدم كثيرا في الاستبايانات، وفرقها الجوهريُّ عن (Nominal) أنَّها تفيد التّرتيب، فمثلاً Excellent, Very good, Good, Fair, Poor، لا تمثِّل رقماً معيِّناً، ولكنها في نفس الوقت، تفيد التَّرتيب، فـ(Excellent) أفضل أو أعلى من (Very good)، وهكذا. أشبِّهها أحياناً بحروف العطف (الواو) و (ثمَّ)، فـ(الواو) لا تفيد التّرتيب، مثل قولنا: جاء عبدالله ومحمَّد، بينما (ثمَّ) تفيد الترتيب، مثل قولنا: جاء عبدالله ثمَّ محمَّد.
• Continuous: وهي المتغيِّرات الرقميَّة، أو الَّتي يُعبَّر عنها بالأرقام، والفرق بين كلِّ رقمين متتاليين له معنى وقيمة، ومثالها: الطُّول، والوزن، ودرجة الحرارة. هناك قسمان أساسيَّان لهذا النَّوع، هما:
  • Interval: يتميَّز هذا النَّوع من المتغيِّرات بأنَّ المسافة بين كلِّ درجةٍ وأخرى متساويةٌ، ومثاله: درجة الحرارة بمقياس فهرنهايت.
  • Ratio: وميزتها الأساسيَّة أنها تحتوي على صفرٍ (0) حقيقيٍّ، وهذا يعني أنَّ الصِّفر معناه أنَّه لا يتبقى شيء من المتغيِّر، ومثاله: الوزن والطُّول.

ولمعرفة المزيد، يمكنك الاطلاع على هذه المقالة في مدونة Statistics by Jim.