يتكون الإحصاء الوصفي من مجموعة الأساليب التي تعنى بجمع مفردات الدراسة الإحصائية و تنظيمها وتلخيصها و من ثم عرضها بطريقة واضحة عادة ما تكون على شكل جداول أو أشكال بيانية، لتتيح فهم طبيعة عينة البحث (Sample) التي خضعت للاختبار و الدراسة.
التوصيف الجيد و العرض المناسب لطبيعة البيانات في مقدمة كل دراسة بحثية يعتبر من الأساسيات التي يقاس عليها مدى صحة النتائج عن غيرها. وعدم وجود هذه البيانات يخلق تساؤل كبير عند قراءة أو تقييم الدراسة!

استخدامات الإحصاء الوصفي

1. يستخدم هذا النوع من الإحصاء في الدراسات التجريبية و الميدانية
2. يستخدم الإحصاء الوصفي في حساب بعض المقاييس التي من شأنها وصف طبيعة البيانات التي تم جمعها
3. تستخدم نتائج تلك المقاييس في قراءة و تقييم الدراسات البحثية

المقاييس الوصفية في الإحصاء

هناك نوعان من المقاييس الوصفية:

1. مقاييس النزعة المركزية (Measures of Central Tendency): ومن مقاييسه ( الوسط الحسابي – الوسيط – و المنوال)
2. مقاييس التشتت (Measures of Dispersion): ومن مقاييسه (المدى – والانحراف المعياري)

مقاييس النزعة المركزية (Measures of Central Tendency)

تميل البيانات عادة إلى التمركز حول قيمة معينة يمكن تسميتها بالقيمة المركزية (Central Value). و في هذه الحالة، تستخدم المقاييس في التعرف على هذه القيمة المركزية لتمثيل البيانات. ومن أهم مقاييس النزعة المركزية:

1. الوسط الحسابي (Mean) : يحصل عليه بقسمة مجموع البيانات على عددها.
   مثال: لدينا 20 أسرة و نريد معرفة الوسط الحسابي لعدد أفراد الأسرة. نقوم بجمع عدد الأفراد في جميع الأسر ومن ثم نقسمها على 20 وهو عدد الأسر في عينة الدراسة.
2. الوسيط (Median):  وهو القيمة المركزية لمجموعة البيانات. ويتم الحصول عليه بترتيب قيمة البيانات تصاعديًا أو تنازليًا.
   إذا كان عدد المشاهدات فرديًا: فيكون الوسيط هو القيمة الوسطى.
   وإذا كان عدد المشاهدات زوجيًا: فيكون الوسيط هو الوسط الحسابي للقيمتين اللتين في المنتصف
3. المنوال (Mode): وهو القيمة الشائعة أو الأكثر تكرارًا بين البيانات أو المشاهدات

مقاييس التشتت (Measures of Dispersion)

في بعض الأحيان تكون البيانات قريبة من القيمة المركزية (Central Value) و أحيانًا تكون منتشرة في مدى أوسع حولها. ولقياس مدى قرب أو بعد البيانات عن تلك القيمة المركزية تستخدم مقاييس التشتت. ومن أهم و أشهر مقاييس التشتت:

1. المدى (Range): وهو الفرق بين أكبر قيمة في البيانات وأصغر قيمة.
   مثال: لدينا درجات الطلاب، ولحساب المدى نقوم بطرح أعلى درجة طالب في المجموعة ولتكن فرضًا (77) من أقل درجة طالب في المجموعة ولتكن فرضًا (50)
   فتكون قيمة المدى = 77 – 50 = 27
2. الانحراف المعياري (Standard Deviation): وهو من أهم مقاييس التشتت و أكثرها انتشارًا. فهو يعتمد في استدلالاته على جميع قيم بيانات العينة. وبالتحديد على انحرافات المشاهدات عن وسطها الحسابي. وطريقة حساب الانحراف المعياري تتطلب إلمام جيد بالعمليات الرياضية، لكنها تصبح معقدة كلما كان حجم العينة كبير. لذا فاللجوء إلى حسابه إلكترونيًا عن طريق دالات حسابية جاهزة أكثر صحة من حسابه يدويًا.

جميع المقاييس سابقة الذكر تعتبر من أشهر المقاييس الوصفية لمفردات الدراسة الإحصائية. بالإضافة إلى وجود مقاييس أخرى تستخدم في أغراض وصفية مختلفة.

عند القيام بعمل الاختبارات الإحصائية، هناك سبع خطوات رئيسة مهمة ينبغي القيام بها للحصول على نتائج صحيحة و هي:

1. صياغة السؤال البحثي.
2. صياغة الفرضيات الإحصائية.
3. اختيار العينة.
4. اختيار طريقة جمع البيانات.
5. اختيار الاختبار الإحصائي.
6. تحليل البيانات.
7. استخلاص النتائج و تفسيرها.

نناقش هذه الخطوات بشئ من التفصيل هنا.

١) صياغة السؤال البحثي

قبل القيام بأي خطوة، لابد للباحث من صياغة سؤال البحث أو أسئلة البحث المراد الإجابة عليها بشكل واضح جدًا و مبسّط. و إذا ماكان السؤال يحمل في داخله أكثر من استفسار، في هذه الحالة، يجب تقسيمه إلى عدد من الأسئلة المنفصلة المتفرعة كل على حدى.

من المهم أن يفكر الباحث في كيفية الإجابة على سؤال أو أسئلة البحث و إذا ما كان هنالك حاجة لاختبارات إحصائية معينة يستفاد منها في الإجابة على هذه الأسئلة.

٢) صياغة الفرضيات الإحصائية (Statistical Hypothesis)

يوجد نوعان من الفرضيات الإحصائية:

1. فرض العدم (Null Hypothesis): وهو الفرض الذي يصاغ في صورة عدم وجود فرق أو تاثير أو علاقة ويرمز له بالرمز H₀
2. الفرض البديل أو الفرض التجريبي (Experimental Hypothesis or Alternative Hypothesis): وهو الفرض الذي يجب أن يكون صحيحًا إذا كان فرض العدم غير صحيح ويرمز له بالرمز H_1.

٣) اختيار العينة

وكما في المثال السابق، سيتم اختيار عينة تضم رجالاً و نساءًا يشاهدون الإعلام. في مواضيع سابقة، تم التطرق إلى عينة البحث و كيفية اختيار عينة البحث.

٤) اختيار طريقة جمع البيانات المراد استخدامها

هناك عدد كبير من الطرق البحثية المستخدمة لجمع البيانات. يتم اختيار طريقة جمع البيانات بناءًا على نوع البيانات المراد جمعها.

في موضوع سابق تم التطرق لكيفية اختيار طريقة جمع البيانات. بعد ذلك، يتم جمع البيانات المراد اختبارها للإجابة على أسئلة البحث.

٥) اختيار الاختبار الإحصائي

بناءًا على النقاط السابقة يتم تحديد نوعية الاختبار الإحصائي المراد تطبيقه. هناك معايير لابد من أخذها في الاعتبار عند اختيار نوع الاختبار المراد إجراءه، علما بأن الإختبارات الإحصائية غالباً ما تقبل نوع أو أنوعا محددة من البيانات، لذلك، من الضروري التأكد مسبقاً و يفضل حتى إختبار طريقة جمع البيانات مبكراً للتأكد من مناسبتها أو مناسبة البيانات التي تقوم بجمعها للإختبار أو الإختبارات الإحصاذية التي يرغب الباحث في تطبيقها.
ينصح دوماً باختبار الاستراتيجيات المختلفة التي ينوي الباحث تطبيقها في دراسته أو بحثه بشكل تجريبي (Pilot Testing) أولاً، للتأكد من أن كل ما خطط له الباحث يسير بالشكل الصحيح.
عدم إختبار الإستراتيجيات أو الخطط مبكراً قد يؤدي لمشاكل كثيرة. على سبيل المثال، قد يجمع الباحث الكثير من البيانات من عينة البحث على مدى أشهر و يقوم بفرزها ليتفاجئ بعد كل هذا التعب أن البيانات التي قام بجمعها لن تساعده في الإجابة على أسئلة البحث، أن البيانات لا يمكن تطبيق الإختبار الإحصائي المطلوب عليها، أو غيرها من المشاكل. لذلك، جرّب كل شئ مبكراً.

٦) تحليل البيانات

وهي أحد أهم خطوات الاختبارات الإحصائية، و التي عليها ترتكز صحة النتائج و من ثم جودة الدراسة. في موضوع سابق، تم تناول كيفية تحليل البيانات

٧) استخلاص النتائج و تفسيرها

بناءًا على تحليل البيانات الذي تم في الخطوة السابقة، يتم استخلاص الإجابات على سؤال البحث الرئيسي و الفرعي.

و كلما تم تفسير النتائج بشكل مبسط وواضح، كلما كانت جودة الدراسة عالية. كما ينصح الاستعانة بالرسومات البيانية لتمثيل النتائج وتوضيحها بشكل مصور جنبًا إلى جنب التفسيرات المكتوبة.