المحتوى الرئيسي

السؤال الرئيسي

كيف يحوّل الانحدار البيانات إلى تنبؤ، وكيف نحكم على مدى إمكانية الوثوق بذلك التنبؤ؟ الفكرة الأساسية أن تحليل الانحدار يعبّر عن العلاقة بين متغير تفسيري (مدخل) ومتغير استجابة (نتيجة) كنموذج — خط $y = ax + b$ في حالة الانحدار البسيط، أو مجموع متغيرات موزونة في حالة الانحدار المتعدد. نحكم على النموذج باستخدام R2 وRMSE وMAE، ولا نخلط أبدًا بين الملاءمة الجيدة وإثبات السببية.

مرحلة تحليل الانحدار

تحليل الانحدار: طريقة لبناء نموذج رياضي يصف العلاقة المقدرة بين متغير استجابة ومتغير أو أكثر من المتغيرات التفسيرية، وقد يُستخدم للتفسير أو التنبؤ إذا كان النموذج مناسبًا وصالحًا للغرض.

• متغير الاستجابة (Response Variable): المتغير الذي يحاول النموذج تفسيره أو التنبؤ بقيمته.
• المتغير التفسيري (Explanatory Variable): متغير نستخدمه للمساعدة على التفسير أو التنبؤ، ولا يمثل سببًا مثبتًا بمجرد دخوله النموذج.

تُسمى المعادلة التي يُحصل عليها من البيانات النموذج، وهو تمثيل مبسط لعلاقة حقيقية (مثل وضع الاتجاه “كلما ارتفعت درجة الحرارة، ارتفعت المبيعات” في صيغة يمكن حسابها). لاستخدام النموذج عمليًا نحتاج إلى تقييم ملاءمته، وخطأ التنبؤ، وافتراضاته، وأدائه على بيانات مناسبة، وحدود النطاق الذي بُني منه.

الانحدار البسيط والمتعدد

• الانحدار البسيط: نمذجة متغير الاستجابة باستخدام متغير تفسيري واحد. مثال: نمذجة مبيعات الآيس كريم $y$ بدرجة الحرارة $x$ وفق خط $y = ax + b$. تُقدَّر معاملات الخط غالبًا بطريقة المربعات الصغرى التي تصغّر مجموع مربعات المتبقيات؛ والمتبقي هو الفرق بين القيمة الفعلية والقيمة المتوقعة.
• الانحدار المتعدد: نمذجة متغير الاستجابة باستخدام عدة متغيرات تفسيرية. قد يسمح بإدخال معلومات أكثر، لكنه لا يضمن تنبؤًا أفضل؛ بل يجب تقييم النموذج واختيار المتغيرات المناسبة. مثال: استخدام حجم المنزل وعمره والمسافة من محطة النقل متغيرات تفسيرية محتملة لسعره. لكل متغير معامل يصف مقدار تغير التنبؤ المرتبط بزيادة وحدة واحدة منه مع ثبات المتغيرات الأخرى، من دون تفسير سببي تلقائي.

مؤشرات تقييم النماذج

يشير كل من RMSE وMAE إلى حجم أخطاء التنبؤ، لكن RMSE يميل إلى إعطاء وزن أكبر للفروق الكبيرة. أما MAE فيقيّم الفروق في المتوسط، لذا فهو أقل تأثرًا بالقيم المتطرفة. تُستخدم الطريقتان بشكل مختلف وفقًا لغرض التحليل.

تنبيهات عند استخدام نماذج الانحدار

1. لا تخلط بين الارتباط والسببية: الانحدار وحده لا يثبت السببية. يحتاج الادعاء السببي إلى تصميم دراسة وأدلة إضافية تسمح بالاستدلال السببي؛ ولا تكفي الملاءمة أو الأسبقية الزمنية وحدهما.
2. النموذج لا يكتمل بمجرد إنشائه: تأكد من دقته باستخدام مؤشرات التقييم وتحقق من صلاحيته في ضوء الغرض.
3. لا تعتمد على R2 وحده؛ افحص أخطاء التنبؤ والافتراضات والأداء على بيانات لم تُستخدم في الملاءمة، ويمكن استخدام R2 المعدّل عند مقارنة نماذج مختلفة في عدد المتغيرات.
4. إضافة المزيد من المتغيرات التفسيرية لا يحسّن النموذج بالضرورة: يجب اختيار المتغيرات المناسبة وفقًا للغرض.

لا ينبغي التعامل مع نتائج تحليل الانحدار على أنها حقيقة مطلقة كما هي، بل كمنظور واحد تقدمه البيانات. من المهم تفسير النتائج بشكل مناسب واستخدامها في الحكم على أرض الواقع.

الملاءمة الجيدة ليست دليلًا على السببية

مثال توضيحي: لاحظت إحدى المدن أن الأشهر التي تشهد مبيعات أعلى للآيس كريم تشهد أيضًا عددًا أكبر من حوادث السباحة، وأن خط الانحدار يظهر ارتباطًا وثيقًا بينهما. هذا لا يعني أن الآيس كريم سبب الحوادث؛ فالعامل الخفي وراء كليهما هو درجة حرارة الطقس (الصيف): ترتفع مبيعات الآيس كريم وترتفع أعداد السباحين معًا في الأشهر الحارة، دون أن يسبب أحدهما الآخر. يُسمى هذا العامل الخفي العامل المربك (Confounding Factor): سبب ثالث خفي وراء ارتباط ما.

أسئلة للمراجعة

1. اشرح لماذا يمكن لنموذج انحدار ذي قيمة عالية لـR2 أن يظل أساسًا غير كافٍ للادعاء بأن متغيرًا ما يسبب متغيرًا آخر.

الإجابة: لأن R2 يقيس فقط مدى قدرة النموذج على تفسير التباين الإحصائي في البيانات — أي مدى ملاءمة الخط أو المعادلة للبيانات المرصودة — وهذا لا علاقة له بآلية سببية حقيقية بين المتغيرين. قد يرتفع R2 بسبب عامل مربك خفي يحرك المتغيرين معًا (كما في مثال الآيس كريم وحوادث السباحة اللذين يرتبطان بسبب الحرارة لا بسبب علاقة سببية مباشرة بينهما)، أو بسبب الصدفة الإحصائية في عينة معينة. إثبات السببية الحقيقية يتطلب أدلة إضافية غير الملاءمة الإحصائية: أسبقية زمنية واضحة (السبب يسبق النتيجة)، واستبعاد تأثير عوامل أخرى محتملة، ودعم نظري يفسر الآلية السببية المقترحة.

2. يريد مقصف مدرسي التنبؤ بمبيعاته اليومية من المشروبات الباردة. حدد متغير الاستجابة، واقترح متغيرين تفسيريين معقولين، وحدد نوع الانحدار المناسب (بسيط أم متعدد) إذا استُخدم كلا المتغيرين.

الإجابة: متغير الاستجابة: مبيعات المشروبات الباردة اليومية. متغيران تفسيريان معقولان: درجة حرارة اليوم، وعدد الطلاب الحاضرين في المدرسة (أو ما إذا كان يوم امتحان). إذا استُخدم كلا المتغيرين معًا، فهذا انحدار متعدد؛ لأنه يستخدم أكثر من متغير تفسيري واحد لنمذجة متغير الاستجابة، بخلاف الانحدار البسيط الذي يقتصر على متغير تفسيري واحد فقط.

3. نموذجان يتنبآن بالمشكلة نفسها بقيمة RMSE متقاربة تقريبًا، لكن قيمة MAE للنموذج الأول أقل بوضوح من الثاني. ماذا يوحي هذا الفرق بشأن طبيعة أخطاء كل نموذج؟

الإجابة: بما أن RMSE يعطي وزنًا أكبر للأخطاء الكبيرة بينما MAE يعكس متوسط حجم الخطأ بصرف النظر عن تطرفه، فتقارب قيمتي RMSE بين النموذجين مع كون MAE أقل وضوحًا للنموذج الأول يوحي بأن النموذج الثاني على الأرجح يرتكب أخطاء “متوسطة” أكبر في معظم تنبؤاته (فترتفع MAE)، بينما قد يكون أداء النموذج الأول أكثر اتساقًا (أخطاء صغيرة في الغالب) مع احتمال وجود عدد قليل من الأخطاء الكبيرة المتطرفة التي رفعت RMSE له حتى يقترب من الثاني رغم انخفاض متوسط خطئه. هذا مثال عملي على سبب أهمية النظر إلى المقياسين معًا: كل منهما يكشف جانبًا مختلفًا لا يظهره الآخر بمفرده.