الوحدة الثامنة: الارتباط والانحدار الخطي البسيط
التحول المهم: لم تعد هذه الموضوعات جزءاً من "اختيار الرسم البياني" فقط. مخطط الانتشار يساعدك على الرؤية، لكن الارتباط والانحدار أدوات استدلالية تتطلب افتراضات وتفسيراً وفترات ثقة.
في علوم الرياضة نستخدم الارتباط لفهم قوة واتجاه العلاقة بين متغيرين، مثل القوة والسرعة أو الحمل التدريبي والتعب. ونستخدم الانحدار عندما نريد تقدير مقدار التغير المتوقع أو بناء معادلة تنبؤ. الفرق الجوهري: الارتباط يصف علاقة متناظرة، أما الانحدار فيحدد متغيراً تابعاً نريد تفسيره أو التنبؤ به.
معامل الارتباط Pearson r
يقيس Pearson r قوة واتجاه العلاقة الخطية بين متغيرين كميين. لا يثبت السببية، ولا يرى العلاقات المنحنية جيداً، ويتأثر بشدة بالقيم الشاذة.
قبل حساب r، ارسم مخطط الانتشار دائماً. قد يعطي r قيمة قريبة من الصفر رغم وجود علاقة منحنية واضحة، وقد يعطي r عالياً بسبب قيمة شاذة واحدة. لذلك يبدأ التحليل الجيد بالسؤال: هل العلاقة تبدو خطية؟ وهل توجد نقاط مؤثرة؟
| قيمة r | تفسير شائع | تحذير |
|---|---|---|
| 0.10 | ضعيف | قد يكون مهماً في عينات أو سياقات عالية الحساسية |
| 0.30 | متوسط | افحص الرسم وفترة الثقة |
| 0.50 أو أعلى | قوي | لا يعني علاقة سببية بالضرورة |
الإشارة الموجبة تعني أن القيم الأعلى في X ترتبط بقيم أعلى في Y. الإشارة السالبة تعني أن القيم الأعلى في X ترتبط بقيم أقل في Y. في بعض المتغيرات الرياضية تكون القيمة الأقل أفضل، مثل زمن العدو؛ لذلك يجب تفسير الإشارة في ضوء معنى المتغير لا بوصفها "جيدة" أو "سيئة" تلقائياً.
بعد حساب r، اختبر هل تختلف العلاقة عن الصفر باستخدام t = r × √[(n−2)/(1−r²)] بدرجات حرية n−2، ثم أبلغ عن r وفترة الثقة وليس p فقط.
Spearman والارتباط الجزئي
Spearman rho
استخدمه عندما تكون البيانات ترتيبية، أو العلاقة رتيبة غير خطية، أو تحتوي البيانات قيماً شاذة مؤثرة.
Partial correlation
يقيس العلاقة بين متغيرين بعد ضبط أثر متغير ثالث، مثل العلاقة بين القوة والسرعة بعد ضبط العمر.
| الحالة | الاختيار الأنسب | سبب الاختيار |
|---|---|---|
| متغيران كميان وعلاقة خطية تقريباً | Pearson r | يقيس قوة العلاقة الخطية بين القيم الأصلية |
| علاقة رتيبة لكنها منحنية | Spearman rho | يعتمد على الرتب، فلا يشترط خطية صارمة |
| بيانات ترتيبية مثل مقياس الرضا أو الألم | Spearman rho | الرتب أكثر ملاءمة من الفروق الرقمية الخام |
| علاقة بين القوة والسرعة قد تتأثر بالعمر | Partial correlation | يضبط أثر العمر إحصائياً قبل تقدير العلاقة |
إذا كان الارتباط بين كتلة الجسم والقوة r = 0.70، فقد تكون العلاقة مدفوعة بالعمر أو مستوى النضج. بعد ضبط العمر قد ينخفض الارتباط إلى r = 0.32. هنا لا نقول إن العلاقة اختفت؛ بل نقول إن جزءاً كبيراً منها كان مشتركاً مع العمر.
الارتباط الجزئي يقلل أثر متغيرات محددة، لكنه لا يضمن إزالة كل العوامل المربكة. إذا كان السؤال سببياً، فالتصميم الطولي أو التجريبي أقوى من الضبط الإحصائي بعد جمع البيانات.
الانحدار الخطي البسيط
الانحدار يصف كيف تتغير قيمة متغير تابع عند تغير متغير مستقل واحد. إذا كان الارتباط يجيب عن "هل توجد علاقة؟"، فالانحدار يجيب عن "كم نتوقع أن تتغير النتيجة؟".
إذا كانت معادلة التنبؤ بزمن العدو: الزمن = 7.20 - 0.04 × قوة القفز، فإن زيادة قوة القفز وحدة واحدة ترتبط بانخفاض متوقع قدره 0.04 ثانية في الزمن، ضمن نطاق البيانات المدروسة فقط.
R2 يوضح نسبة التباين في المتغير التابع التي يفسرها النموذج. إذا كان r = 0.70 فإن R2 = 0.49؛ أي أن 49% من تباين النتيجة مرتبط بالمتغير المستقل في هذا النموذج.
| مخرجات الانحدار | معناها | كيف تفسرها؟ |
|---|---|---|
| B أو b | الميل غير المعياري | تغير y بوحدته الأصلية لكل وحدة واحدة في x |
| Beta | الميل المعياري | يفيد في مقارنة قوة المتنبئات في الانحدار المتعدد |
| SE of estimate | خطأ التنبؤ النموذجي | كلما صغر كان التنبؤ أدق بوحدة y |
| R2 | نسبة التباين المفسر | لا يعني أن النموذج يسبب النتيجة، بل يصف مقدار التباين المرتبط بالنموذج |
افتراضات الارتباط والانحدار
| الافتراض | كيف تفحصه؟ | ما الخطر عند عدم استيفائه (Violation of Assumptions)؟ |
|---|---|---|
| الخطية | مخطط الانتشار | r منخفض أو مضلل لعلاقة منحنية |
| تجانس التباين | مخطط البواقي مقابل القيم المتنبأ بها | فترات ثقة وقيم p غير موثوقة |
| طبيعية البواقي | Q-Q plot للبواقي | اختبارات الدلالة قد تضلل في العينات الصغيرة |
| الاستقلالية | تصميم الدراسة و Durbin-Watson عند السلاسل | تضخيم الدلالة |
| غياب القيم المؤثرة | Cook's distance والرافعة | نموذج تقوده حالة واحدة |
- قبل التحليل: مخطط الانتشار بين X وY لاكتشاف اللاخطية والقيم الشاذة.
- بعد الانحدار: مخطط البواقي مقابل القيم المتنبأ بها لفحص تجانس التباين.
- بعد الانحدار: Q-Q plot للبواقي، وليس للمتغيرات الخام فقط.
- للقيم المؤثرة: افحص Cook's distance ولا تحذف الحالات إلا بسبب واضح ومعلن.
القيمة الشاذة في X وحده ليست دائماً مشكلة، والقيمة الشاذة في Y وحده ليست دائماً مؤثرة. المشكلة الأكبر هي الحالة ذات الرافعة العالية التي تغير الميل بوضوح. أعد التحليل مع وبدون الحالة كتحليل حساسية قبل اتخاذ قرار نهائي.
التنبؤ المسؤول
- لا تتنبأ خارج نطاق البيانات التي بُني عليها النموذج.
- أبلغ عن R2 وSEE وفترة الثقة للميل، لا عن قيمة p فقط.
- فرّق بين نموذج تفسيري ونموذج تنبؤي؛ النموذج التفسيري الجيد ليس دائماً أفضل متنبئ.
- اربط النتائج بالرسوم من وحدة 2: مخطط الانتشار ليس زينة، بل تشخيص بصري مبكر.
- القوة وسرعة العدو: علاقة قوية لا تعني أن زيادة القوة وحدها تكفي لتحسين السرعة؛ التقنية والتدريب العصبي عوامل مربكة محتملة.
- حمل التدريب والإصابة: الارتباط بين الحمل والإصابة يحتاج تصميماً زمنياً وضبطاً للتعرض، ولا يكفي مخطط مبعثر منفرد.
- التنبؤ خارج النطاق: نموذج بُني على لاعبي هواة لا ينبغي استخدامه مباشرة لتنبؤ أداء النخبة.
أظهر الانحدار الخطي البسيط أن قوة القفز تنبأت بزمن العدو، B = -0.04 ثانية لكل وحدة، 95% CI [-0.06, -0.02], p = 0.002. فسّر النموذج 38% من تباين زمن العدو، R2 = 0.38، وكان خطأ التقدير المعياري 0.18 ثانية. لم تظهر مخططات البواقي عدم استيفاء جوهرياً للافتراضات المتعلقة بالخطية وتجانس التباين.
| لا تفعل | الأفضل |
|---|---|
| تفسير r على أنه سبب مباشر | قل "ارتبط بـ" أو "تنبأ بـ" حسب التصميم والتحليل |
| استخدام النموذج خارج نطاق العينة | اذكر نطاق القيم التي بُني عليها النموذج |
| الاكتفاء بـ p < 0.05 | أبلغ عن الميل، R2، SEE، وفترات الثقة |
تطبيق SPSS ومجموعة البيانات
استخدم `ds4_correlation.sav` أو `ds4_correlation.xlsx` لتطبيق مصفوفة الارتباط والانحدار الخطي البسيط. سجّل قرارك حول Pearson أو Spearman قبل النظر إلى قيمة p.
جدول وصفي للمتغيرات، مخطط انتشار، قيمة r أو rho مع فترة الثقة، معادلة الانحدار إذا استخدمت التنبؤ، R2 وSEE، وملخص مختصر لفحص الافتراضات.