لماذا لا تُصلح مضاعفة العيّنة مشكلة التمثيل؟
مضاعفة حجم العيّنة تصغّر خطأ المعاينة وحده — أما التحيّز الناتج عن إطار ناقص فيبقى كما هو، بل يصبح أدقّ في الخطأ.
حين يواجه الباحث ملاحظةً على تمثيل عيّنته، يكون ردّ الفعل الأول غالبًا: «سأزيد العدد». والحدس هنا يخونه. فزيادة العدد تعالج نوعًا واحدًا من الخطأ وتترك الآخر كما هو — بل قد تجعله أسوأ في نتيجته العملية.
نوعا الخطأ اللذان لا يُخلط بينهما
في أي معاينة خطآن مختلفان في مصدرهما وعلاجهما. خطأ المعاينة (Sampling error) مصدره الصدفة في اختيار من دخل العيّنة، وهو يتناسب عكسيًا مع جذر حجم العيّنة — أي أنه يقلّ كلما كبر العدد. أما الخطأ غير المعايني (Non-sampling error) فمصدره التغطية وعدم الاستجابة والقياس والإدخال، وهذا لا يقلّ بزيادة العدد، وقد يزداد مع اتساع العملية.
الفرق العملي حاسم: مضاعفة حجم العيّنة تصغّر خطأ المعاينة فقط. أما التحيّز الناتج عن إطار ناقص أو معدل استجابة منخفض فيبقى كما هو — بل يصبح تقديرك أدقّ في الخطأ. أنت تقيس القيمة المغلوطة نفسها بثقة أعلى.
أخطر ما يُهمل: خطأ التغطية
خطأ التغطية (Coverage error) هو الفجوة بين المجتمع المستهدف (Target population) — كل من نريد تعميم النتيجة عليهم — وإطار المعاينة (Sampling frame)، أي القائمة الفعلية التي نسحب منها. وهذه الفجوة هي أخطر ما يُهمل في تصميم الدراسة.
خذ مثالًا: تريد أن تصف مرضى السكري البالغين في محافظة، فتسحب عيّنتك من سجلّ المراكز الحكومية وحدها. بهذا تستبعد من يُعالَج في القطاع الخاص ومن لا يُعالَج أصلًا. نتيجتك لا تصف «مرضى المحافظة» مهما كبرت عيّنتك — لأن الإطار الذي سحبت منه لم يكن يمثّلهم من البداية.
لماذا العدد لا ينقذك
تخيّل أنك ضاعفت العيّنة من ذلك السجلّ الحكومي: جمعت ضعف العدد، لكن من الفئة المحدودة نفسها. تقديرك صار أكثر استقرارًا حول قيمة تصف مرضى القطاع الحكومي، لا مرضى المحافظة. لم تقترب من الحقيقة، بل ثبّتّ ابتعادك عنها بثقة أكبر.
القاعدة تُختصر في جملة: لا تعالج مشكلة تمثيل بزيادة العدد. التمثيل يُعالَج بإطار أفضل، لا بعيّنة أكبر.
ما الذي يعالج كلّ خطأ فعلًا؟
| الخطأ | مصدره | هل يقلّ بزيادة العيّنة؟ | علاجه |
|---|---|---|---|
| خطأ المعاينة | الصدفة في اختيار من دخل العيّنة | نعم — يتناسب عكسيًا مع جذر n | حساب حجم عيّنة كافٍ |
| الخطأ غير المعايني | التغطية، عدم الاستجابة، القياس، الإدخال | لا — وقد يزداد مع اتساع العملية | إطار جيد، متابعة الرافضين، أدوات معايرة، تدريب |
إن فرضت الظروف عيّنة محدودة
ليست كل عيّنة غير احتمالية (Non-probability sample) مرفوضة — لكن حدود الاستنتاج منها مختلفة، ويجب الإفصاح عنها. فإن فرضت ظروفك عيّنة ميسّرة (Convenience sample)، حسّنها بأقلّ كلفة ممكنة بثلاث خطوات: اجمع من عدة مواقع لا موقع واحد · ومن عدة أوقات في اليوم والأسبوع · وسجّل عدد من رفضوا وخصائصهم العامة. هذه الخطوات الثلاث ترفع مصداقية دراستك كثيرًا بلا ميزانية إضافية.
والقاعدة الأمينة في الكتابة: يمكنك استخدام عيّنة غير احتمالية، لكن لا تحسب لها هامش خطأ (Margin of error)، ولا تدّعِ أنها تمثّل المجتمع. اكتب في القيود صراحةً أن العيّنة ميسّرة وأن التعميم محدود — فالمحكّم يقبل القيد المعلن ويرفض الادعاء غير المبرّر.
خلاصة تحملها معك
قبل أن تفكّر في العدد، اسأل: هل الإطار الذي أسحب منه يمثّل من أريد أن أعمّم عليه؟ إن كان الجواب لا، فأيّ زيادة في العدد إنفاق على دقّة القيمة الخطأ. الدقّة تأتي من العدد؛ أما الصدق فيأتي من الإطار.
من تصميم المعاينة إلى العدد الصحيح
لكلّ قرارات المعاينة وحساب حجم العيّنة — طرق الاختيار، والصيغ، والأمثلة المحلولة، والبرامج خطوة بخطوة — يمشي معك دليل المعاينة وحساب حجم العينة من النظرية إلى البرنامج.
