الاختبارات الإحصائية اللامعلمية
- قدّمه
- Henry Mann and Donald Whitney
- السنة
- 1947
- النوع
- Method
- العائلة
- distribution-free-methods
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
الاختبارات اللامعلمية (غير الموزعة) هي طرق إحصائية لاختبار الفرضيات لا تفترض أن البيانات تتبع توزيع احتمالات محدد (مثل التوزيع الطبيعي)، مما يجعلها قوية ضد الانحرافات عن التوزيع الطبيعي، والقيم المتطرفة، والبيانات الترتيبية. يوسع اختبار مان-ويتني يو (1947) واختبار كروسكال-واليس (1952) نطاق اختبار الفرضيات بما يتجاوز قيود الافتراضات المعلمية. تعد الاختبارات اللامعلمية ضرورية في علم الأحياء والطب وعلم النفس وأي مجال تكون فيه البيانات غير طبيعية، أو منحرفة بشدة، أو مقاسة بمقاييس ترتيبية (ترتيب، تقييمات)، وتوفر استدلالًا صالحًا عندما تفشل الافتراضات المعلمية.
الفكرة الحدسية وراء الطريقة
تفترض الاختبارات المعلمية (اختبار t، تحليل التباين ANOVA) التوزيعات الطبيعية وتكافؤ التباينات؛ يمكن أن تؤدي انتهاكات هذه الافتراضات إلى قيم p وفترات ثقة غير صحيحة. تتجنب الاختبارات اللامعلمية افتراضات التوزيع عن طريق ترتيب المشاهدات: بدلاً من تحليل القيم الخام، فإنها تحول البيانات إلى رتب (الأصغر الأول، الأصغر الثاني، ...، الأكبر) وتختبر ما إذا كانت توزيعات الرتب تختلف بين المجموعات. نظرًا لأن الرتب هي أعداد صحيحة وتحافظ على الترتيب، فهي قوية ضد القيم المتطرفة، وعدم الطبيعية، وعدم تجانس التباين. المقايضة: تفقد الاختبارات اللامعلمية القوة في الظروف المثالية (بيانات طبيعية، تباين متساوٍ) ولكنها تكتسب المتانة والصلاحية في الظروف الواقعية. الممارسة الحديثة: استخدم الاختبارات اللامعلمية بحرية؛ فهي قوية وغالبًا ما تكون قوية مثل البدائل المعلمية.
التاريخ
طور هنري مان ودونالد ويتني اختبار U في عام 1947 لمقارنة عينتين. وسع ويليام كروسكال وألين واليس النهج ليشمل عينات متعددة في عام 1952. طور فرانك ويلكوكسون بشكل مستقل اختبارات رتب العينات المزدوجة (اختبار الإشارة إلى الرتب، 1945). قدم تشارلز سبيرمان في وقت سابق معامل ارتباط الرتب (1904). ظلت هذه الطرق غير مستخدمة حتى جعلت الحوسبة الحديثة الحساب اليدوي قديمًا. الانتعاش الحالي مدفوع بـ: (1) الاعتراف بأن العديد من مجموعات البيانات غير طبيعية، (2) البيانات الترتيبية منتشرة (استبيانات، تقييمات)، (3) فلسفة الإحصاء القوية التي تؤكد على الحماية ضد انتهاك الافتراضات.
متى تُستخدم
استخدم الاختبارات اللامعلمية عندما يتم انتهاك افتراضات الاختبارات المعلمية ولا يمكن للتحويل (لوغاريتمي، جذر تربيعي) تطبيع البيانات، أو عندما تكون البيانات ترتيبية بطبيعتها. علم النفس: تحليل استجابات مقياس ليكرت (ترتيبية، غالبًا غير طبيعية)؛ تستخدم العديد من الدراسات مقاييس ذات فئات أقل من 10 حيث يكون التوزيع الطبيعي غير مرجح. الطب: مقارنة قيم المؤشرات الحيوية عبر مجموعات العلاج عندما تكون القياسات منحرفة بشدة (على سبيل المثال، بعض المرضى لديهم قيم صفرية، والبعض الآخر لديهم قيم عالية). علم الأحياء: تقييم المقاييس القائمة على الرتب (ترتيب وفرة الأنواع، ترتيب البطولات). استخدم أيضًا الطرق اللامعلمية كافتراضي في التحليل الاستكشافي المبكر عندما يكون توزيع البيانات غير معروف؛ إذا تزامنت النتائج مع الاختبارات المعلمية، فمن المحتمل أن يكون النهج المعلمي آمنًا للتحليل التأكيدي.
الحدود والاعتبارات
- فقدان القوة في الظروف المثالية: عندما تكون البيانات طبيعية حقًا مع تباينات متساوية، تفقد الاختبارات اللامعلمية 5-15٪ من القوة مقارنة باختبارات t (الكفاءة النسبية التقريبية ~ 0.95).
- أقل تطورًا للتصميمات المعقدة: توجد مكافئات لامعلمية أقل لتحليل التباين العاملي (factorial ANOVA)، وتحليل التباين متعدد المتغيرات (MANOVA)، أو تعديل المتغيرات المشتركة المعقدة؛ الطرق اللامعلمية متعددة المستويات أقل شيوعًا.
- حجم التأثير أقل توحيدًا: على عكس الاختبارات المعلمية ذات مقاييس حجم التأثير الراسخة (مثل d لكوهين)، فإن أحجام التأثير اللامعلمية (r، معامل ارتباط الرتب الثنائي) أقل شيوعًا في الممارسة العملية.
- الاختبارات اللاحقة معقدة: المقارنات الزوجية بعد اختبار كروسكال-واليس أقل توحيدًا؛ قد تقلل عقوبات تصحيح الاختبارات المتعددة من القوة.
- مقتصرة على اختبارات الموقع أو الارتباط: تختبر الطرق اللامعلمية بشكل أساسي ما إذا كانت التوزيعات تختلف؛ لا يمكنها تقدير المعلمات أو اختبار فرضيات محددة حول بنية المتوسط.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- قوية ضد عدم الطبيعية والقيم المتطرفة: قيم p صالحة حتى عندما تكون البيانات غير طبيعية بشدة أو تحتوي على قيم متطرفة لا يمكن إزالتها.
- تعمل مع البيانات الترتيبية: يمكن تحليل مقاييس ليكرت، أو الرتب، أو الفئات المرتبة الأخرى؛ تفترض الاختبارات المعلمية بيانات مستمرة، مما يجعلها غير صالحة تقنيًا للبيانات الترتيبية.
- حساب بسيط: إحصائيات الرتب بديهية وبسيطة حسابيًا؛ يمكن حسابها يدويًا للعينات الصغيرة.
- خالية من التوزيع: لا تفترض أي توزيع احتمالات محدد، مما يجعلها قابلة للتطبيق عالميًا على أنواع مختلفة من البيانات.
- قوة إحصائية جيدة في ظل انتهاك الافتراضات المعلمية: عندما تكون الافتراضات المعلمية خاطئة، تكون الاختبارات اللامعلمية أقوى من الاختبارات المعلمية التي تنتج قيم p غير صالحة.
التطبيقات
- البحث النفسي: مقارنة استجابات مقياس ليكرت (الرضا الوظيفي، شدة الاكتئاب) بين مجموعات العلاج؛ التقييمات عادة ما تكون ترتيبية وغير طبيعية.
- الطب السريري: تحليل مستويات المؤشرات الحيوية (غالبًا ما تكون منحرفة مع حدود الكشف) قبل/بعد العلاج؛ مقارنة تقييمات شدة الأعراض.
- الصحة المهنية: ترتيب مخاطر التعرض عبر مواقع العمل أو مقارنة تقييمات السلامة الترتيبية؛ بدائل عملية للطرق المعلمية.
- التقييم التعليمي: مقارنة درجات الاختبار أو الرتب عبر المدارس أو طرق التدريس؛ يستوعب توزيعات الدرجات غير الطبيعية.
- مراقبة الجودة: ترتيب شدة العيوب أو مقارنة مقاييس الجودة الترتيبية عبر دفعات الإنتاج دون افتراض الطبيعية.
كيف يعمل
كيف يعمل
قم بإجراء الاختبارات اللامعلمية عندما: (1) تكون بيانات النتائج غير طبيعية (تحقق من مخططات Q-Q، اختبار شابيرو-ويلك)، (2) تكون البيانات ترتيبية (رتب، تقييمات، مقاييس ذات قيم محدودة)، (3) تكون أحجام العينات صغيرة (< 30) حيث لا يمكن التحقق من الطبيعية، (4) توجد قيم متطرفة لا يمكن تبريرها أو إزالتها، (5) تكون التباينات غير متساوية (عدم تجانس التباين). جمع البيانات هو نفسه بالنسبة للاختبارات المعلمية؛ لا يلزم تصميم عينة خاص. الشرط الأساسي: يجب أن تكون المشاهدات مستقلة (لا توجد قياسات متكررة بدون تعديل)؛ يجب أن تكون البيانات قابلة للترتيب (يمكن تحديد الترتيب النسبي). يعمل مع البيانات المستمرة، أو الترتيبية، أو الثنائية.
بالنسبة لمجموعتين مستقلتين، استخدم اختبار مان-ويتني يو (البديل اللامعلمي لاختبار t المستقل): (1) رتب جميع المشاهدات من الأصغر إلى الأكبر، مع تجاهل انتماء المجموعة. (2) اجمع الرتب في كل مجموعة (R₁ و R₂). (3) احسب U₁ = n₁n₂ + [n₁(n₁+1)/2] − R₁ و U₂ = n₁n₂ + [n₂(n₂+1)/2] − R₂. (4) إحصائية الاختبار U = min(U₁, U₂). (5) احصل على قيمة p من جداول توزيع مان-ويتني (للعينات الصغيرة) أو التقريب الطبيعي (للعينات الكبيرة). أبلغ عن حجم التأثير: r = Z / √n حيث Z هي إحصائية الاختبار المعيارية، و n هو إجمالي حجم العينة؛ r ≈ 0.1 صغير، 0.3 متوسط، 0.5 كبير. بالنسبة لثلاث مجموعات مستقلة أو أكثر، استخدم اختبار كروسكال-واليس: نهج مشابه ولكن يحسب إحصائية مجموع الرتب الإجمالي H التي تتبع توزيع χ² مع k−1 درجة حرية. بالنسبة للعينات المزدوجة (القياسات المتكررة)، استخدم اختبار ويلكوكسون للإشارة إلى الرتب: يتم ترتيب الفروق بين الأزواج واختبارها مقابل الصفر. بالنسبة للارتباط، استخدم معامل ارتباط الرتب لسبيرمان ρ: ارتباط الرتب بدلاً من القيم الخام.
تفسير قيمة p هو نفسه كما في الاختبارات المعلمية: تشير p < 0.05 إلى فرق ذي دلالة إحصائية بين المجموعات (عند المستوى التقليدي). ومع ذلك، نظرًا لاستخدام الرتب، يختلف حجم التأثير والتفسير قليلاً. يجيب اختبار مان-ويتني يو على السؤال: هل توزيع المجموعة الأولى أكبر بشكل احتمالي من المجموعة الثانية؟ (أي، هل تميل القيم في المجموعة الأولى إلى أن تكون أعلى؟). غالبًا ما يتم تقدير الفرق الوسيط للتفسير العملي، ولكن من الناحية الفنية يختبر الاختبار التوزيعات، وليس فقط الوسائط. يوفر حجم التأثير r مقياسًا معياريًا للفصل بين المجموعات. بالنسبة لاختبار كروسكال-واليس، تشير قيمة p ذات الدلالة إلى أن مجموعتين على الأقل تختلفان؛ تحدد اختبارات مان-ويتني يو الزوجية اللاحقة أي أزواج (مع تصحيح بونفيروني). بالنسبة لمعامل سبيرمان ρ، فإن التفسير مشابه لمعامل بيرسون r؛ تتراوح القيم من −1 إلى +1؛ يشير ρ الإيجابي إلى توافق الرتب.
الأخطاء الشائعة
- سوء فهم ما يتم اختباره: يختبر اختبار مان-ويتني يو ما إذا كانت التوزيعات تختلف، وليس فقط الوسائط؛ يمكن أن يكون للتوزيعين وسائط متساوية ولكن أشكال مختلفة. افحص التوزيعات بصريًا دائمًا.
- تطبيق الاختبارات اللامعلمية على بيانات واضحة الطبيعية: يهدر القوة؛ استخدم الاختبارات المعلمية عندما يتم استيفاء الافتراضات.
- استخدام الاختبارات اللامعلمية على بيانات مصنفة بشدة دون طرق مناسبة: البيانات الترتيبية (على سبيل المثال، مقياس ليكرت ذو 5 نقاط) التي تم تحليلها باستخدام مان-ويتني قد تكون صالحة، ولكن مع فئتين فقط (ثنائية)، تنهار الاختبارات اللامعلمية القائمة على الرتب إلى اختبار مربع كاي.
- الفشل في التحقق من افتراض الاستقلالية: تفترض الاختبارات اللامعلمية مشاهدات مستقلة؛ تتطلب التصميمات المتجمعة، أو القياسات المتكررة، أو التصميمات المطابقة تعديلات (اختبار فريدمان للقياسات المتكررة، أو التقسيم الطبقي للتصميمات المطابقة).
- تحويل المتغيرات المستمرة إلى ثنائية: يؤدي تحويل البيانات المستمرة (العمر) إلى ترتيبية (صغير/كبير) ثم تطبيق الاختبارات اللامعلمية إلى فقدان المعلومات. احتفظ بالشكل المستمر عندما يكون ذلك ممكنًا.
- تفسير أحجام التأثير القائمة على الرتب على أنها أحجام تأثير عملية: حجم التأثير اللامعلمي r = 0.3 يقيس الفصل الإحصائي، وليس الأهمية العملية. افحص دائمًا الفرق الفعلي في الوسائط أو المتوسطات للأهمية العملية.
الأسئلة الشائعة
متى يجب أن أستخدم اختبار مان-ويتني يو بدلاً من اختبار t المستقل؟
استخدم اختبار مان-ويتني يو إذا: (1) البيانات ليست موزعة طبيعيًا (مخطط Q-Q يظهر انحرافًا، اختبار شابيرو-ويلك p < 0.05)، (2) التباينات غير متساوية (اختبار ليفين p < 0.05) وأحجام العينات غير متساوية، (3) البيانات ترتيبية (رتب، تقييمات)، (4) أحجام العينات صغيرة (n < 30) بحيث لا يمكن التحقق من الطبيعية، أو (5) توجد قيم متطرفة حقيقية (ليست خطأ قياس) ولا يمكن إزالتها. إذا كانت البيانات طبيعية بوضوح ومتساوية التباين، يُفضل اختبار t (أقوى). في الممارسة العملية، يعد اختبار مان-ويتني يو خيارًا متحفظًا؛ إنه يعمل بشكل معقول حتى مع البيانات الطبيعية (فقدان القوة ~ 5٪)، لذا فإن استخدامه بحرية أمر مبرر.
ما الذي يختبره اختبار مان-ويتني يو فعليًا - الوسائط أم التوزيعات؟
من الناحية الفنية، يختبر اختبار مان-ويتني يو ما إذا كانت التوزيعات تختلف (الهيمنة الاحتمالية). إذا كانت للتوزيعين نفس الشكل، فإن الاختبار يقترب من اختبار الفرق الوسيط. ومع ذلك، يمكن أن يكون للتوزيعين وسائط متساوية ولكن أشكال مختلفة (على سبيل المثال، واحد متماثل، والآخر منحرف). وعلى العكس من ذلك، فإن الوسائط المختلفة تعني توزيعات مختلفة. أفضل ممارسة: قم دائمًا بتصوير كلا التوزيعين باستخدام مخططات الصندوق أو مخططات الكثافة؛ يوضح فحص البيانات الفعلية ما إذا كانت نتيجة الاختبار تعكس فرقًا وسيطًا أم فرقًا توزيعيًا أوسع. أبلغ عن كل من قيمة p والفرق الوسيط للتفسير العملي.
كيف أتعامل مع الرتب المتساوية في الاختبارات اللامعلمية؟
يتم تعيين متوسط الرتب للقيم المتساوية (القيم المتساوية). على سبيل المثال، إذا تساوت ملاحظتان في المرتبة الخامسة، يتم تعيين الرتبة 5.5 لكليهما. هذا هو النهج القياسي وهو ما تنفذه البرامج الإحصائية. مع وجود العديد من القيم المتساوية، قد تحتاج إحصائية الاختبار إلى تعديل (اختبارات الرتب المتوسطة، اختبارات التبديل). إذا كانت القيم المتساوية شائعة جدًا (على سبيل المثال، العديد من القيم الصفرية أو البيانات المصنفة بشدة)، ففكر في بدائل: اختبارات التبديل، أو الطرق القوية المصممة للبيانات المنفصلة.
هل يمكنني استخدام الاختبارات اللامعلمية مع بيانات مقياس ليكرت؟
نعم، الاختبارات اللامعلمية مناسبة جدًا لمقاييس ليكرت (البيانات الترتيبية). يقارن اختبار مان-ويتني يو توزيعات استجابات ليكرت بين المجموعات؛ يقارن اختبار كروسكال-واليس ثلاث مجموعات أو أكثر. ومع ذلك، كن حذرًا مع المقاييس ذات الفئات القليلة جدًا (على سبيل المثال، مقياس ذو 3 نقاط): تقل قوة الاختبار مقارنة بالبيانات المستمرة. بدلاً من ذلك، بالنسبة لمقاييس ليكرت متعددة العناصر (على سبيل المثال، جمع عناصر متعددة في درجة مركبة)، قد تقترب الدرجة المركبة من التوزيع الطبيعي (نظرية النهاية المركزية)، مما يبرر الاختبارات المعلمية. استخدم الاختبارات اللامعلمية كافتراضي آمن للمقاييس الترتيبية ذات العنصر الواحد.
طرق ذات صلة
المصادر
Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. Annals of Mathematical Statistics, 18(1), 50–60.
افتح مرجع DOIتم النسخ.Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621.
افتح مرجع DOIتم النسخ.Conover, W. J. (1999). Practical Nonparametric Statistics (3rd ed.). John Wiley & Sons.
افتح مرجع المنشورتم النسخ.