الانحدار الخطي مقابل الانحدار اللوجستي

يمثل الاستدلال الإحصائي والتعلم الآلي ركيزتين أساسيتين في البنية المعرفية لعلم البيانات المعاصر، حيث يقف الباحثون والممارسون باستمرار أمام معضلة اختيار النموذج الرياضي الأمثل القادر على تمثيل الظواهر المعقدة بدقة وكفاءة. ومن بين الترسانة الواسعة من الخوارزميات والنماذج، يبرز نموذجا الانحدار الخطي والانحدار اللوجستي كحجر الزاوية الذي تنبثق منه سائر المفاهيم التنبؤية المتقدمة. وعلى الرغم من بساطتهما الهيكلية مقارنة بالشبكات العصبية العميقة والنماذج التجميعية، إلا أن عمق أسسهما الرياضية وقابليتهما الاستثنائية للتفسير يجعلهما من أكثر الأدوات اعتمادية في مختلف التخصصات من الاقتصاد القياسي والعلوم الطبية إلى هندسة البرمجيات والذكاء الاصطناعي.

تنشأ الحاجة إلى عقد مقارنة منهجية متعمقة بين هذين النموذجين من حقيقة شائعة في أوساط الممارسين المبتدئين وحتى المحترفين، تتجلى في الالتباس الاصطلاحي الناجم عن اقتران كلا الاسمين بلفظ “الانحدار”، على الرغم من اختلاف الطبيعة الوظيفية والرياضية لكل منهما اختلافاً جذرياً؛ فالأول يسعى وراء تقدير المقادير الكمية المستمرة في فضاء إقليدي مفتوح، بينما يضطلع الثاني بمهمة الفصل بين الحالات وتحديد احتمالات الانتماء للفئات المنفصلة. إن هذا التباين الجوهري يملي فروقاً حاسمة في الافتراضات التأسيسية، وطرق التحسين الحسابي، وآليات قياس الأداء، ومعالجة البيانات المتطرفة.

يهدف هذا المقال الأكاديمي الموسع إلى تقديم تشريح شامل ومقارن بين الانحدار الخطي والانحدار اللوجستي، مستعرضاً جذورهما النظرية وصياغاتهما الجبرية، مع تفكيك ميكانيكا عمل كل خوارزمية على حدة. وسنتناول بالتحليل الدقيق الافتراضات الإحصائية الصارمة، ودوال التكلفة، وطرق التقدير الرقمي والتحليلي، وصولاً إلى رسم خارطة طريق عملية توضح معايير المفاضلة الدقيقة وسيناريوهات الاستخدام التطبيقية في الصناعة والبحث العلمي، بما يضمن بناء نماذج تنبؤية متينة وقابلة للتعميم الإحصائي الرصين.

1. المقدمة: تأطير العلاقة المفاهيمية بين الانحدار الخطي واللوجستي

1.1 النشأة التاريخية والجذور الإحصائية المشتركة

تعود الجذور التأسيسية لنظرية الانحدار إلى أوائل القرن التاسع عشر، عندما وضع عالما الرياضيات أدريان ماري ليجاندر وكارل فريدريش غاوس الأسس الأولى لطريقة المربعات الصغرى لحساب مدارات الأجرام السماوية وتحديد مسارات الكواكب بدقة متناهية. غير أن صياغة المفهوم بمصطلح “الانحدار” (Regression) ارتبطت تاريخياً بأعمال السير فرانسيس غالتون في أواخر القرن التاسع عشر إبان دراسته للوراثة البيولوجية، حيث لاحظ ظاهرة “الانحدار نحو المتوسط” عند مقارنة أطوال الآباء بأطوال الأبناء، لتتحول هذه الملاحظة الطبيعية لاحقاً عبر كارل بيرسون ويودني يول إلى صياغة رياضية مجردة تحلل التغير المشترك بين المتغيرات وتؤسس لما يُعرف اليوم بـ الانحدار الخطي الكلاسيكي.

في المقابل، تطور الانحدار اللوجستي كاستجابة موضوعية لدراسة نمو التجمعات السكانية وانتشار الأوبئة؛ حيث صاغ عالم الرياضيات البلجيكي بيير فرانسوا فيرهولست الدالة اللوجستية في منتصف القرن التاسع عشر لوصف تباطؤ النمو السكاني عند الاقتراب من السعة الاستيعابية للمحيط البيئي. وظلت هذه الصياغة حبيسة التطبيقات الديموغرافية والبيولوجية حتى منتصف القرن العشرين، عندما أعاد جوزيف بيركسون تقديمها كبديل حسابي أكثر كفاءة لنموذج البروبيت (Probit) في التحليل الحيوي، قبل أن يرسخ السير ديفيد كوكس عام 1958 الإطار الرياضي الحديث لتحليل البيانات الثنائية باستخدام الانحدار اللوجستي، مما نقل الخوارزمية من المختبرات البيولوجية إلى طليعة علم الاقتصاد القياسي وعلم الأوبئة والتعلم الإحصائي.

لقد شكلت هذه البدايات التاريخية مساراً تطورياً فريداً نقل كلا النموذجين من أروقة الإحصاء الوصفي والرياضيات الفلكية إلى صلب أنظمة تعلم الآلة المعاصرة. وتكمن أهمية النماذج الخطية عموماً في كونها اللبنة المفاهيمية التي استندت إليها الهياكل المعمارية المعقدة، كالشبكات العصبية الاصطناعية التي لا تعدو في أبسط صورها (مثل البيرسبترون) سوى تركيبة خطية تعقبها دالة تنشيط غير خطية، مما يجعل الاستيعاب المتعمق للنموذجين شرطاً لازماً لأي فهم رصين لمنظومات الذكاء الاصطناعي.

علاوة على ذلك، لا تقتصر وظيفة هذه النماذج على التنبؤ الآلي الأعمى، بل تؤدي دوراً محورياً في الاستدلال السببي والتحليل التفسيري، حيث تمكّن الباحثين من تفكيك شبكة العلاقات المعقدة بين المتغيرات التفسيرية والمتغيرات التابعة، وعزل التأثيرات الهامشية المستقلة مع تحييد المتغيرات الدخيلة، وهو ما يمنحها موثوقية لا تزال تتفوق بها على خوارزميات “الصندوق الأسود” في المجالات الحيوية التي تتطلب تبريراً علمياً وقانونياً لكل قرار تنبؤي.

1.2 دوافع المقارنة ومكمن الخلط الشائع

إن منشأ الخلط الشائع بين الانحدار الخطي والانحدار اللوجستي يعود بالدرجة الأولى إلى الاشتراك اللفظي في مصطلح “الانحدار”. ففي الأدبيات الإحصائية الكلاسيكية، يُقصد بالانحدار عموماً نمذجة القيمة المتوقعة لمتغير تابع مشروطاً بقيم متغيرات تفسيرية مستقلة. إلا أن الاستخدام المعاصر في حقل تعلم الآلة يفرّق بصرامة بين مهام “الانحدار” التي تتناول المخرجات المستمرة، ومهام “التصنيف” التي تتعامل مع المخرجات الفئوية المتقطعة. وهنا يكمن الالتباس: فالانحدار اللوجستي يُعد خوارزمية تصنيف بامتياز من حيث غايته الوظيفية، على الرغم من اعتماده على محرك انحداري لتقدير الاحتمالات المتصلة خلف الكواليس.

كما يعزز هذا اللبس التشابه الشكلي والتطبيقي الكبير في المرحلة الأولى من المعالجة الرياضية داخل كلا النموذجين؛ فكلاهما يقوم بحساب المجموع الموزون للمتغيرات المستقلة عن طريق ضرب كل متغير بمعامله الخاص وجمعها مع حد التقاطع الثابت. هذا التشابه في المعمارية الخطية للمدخلات يدفع بعض الباحثين والمبرمجين إلى الاعتقاد الخاطئ بإمكانية استبدال أحدهما بالآخر بسهولة، أو محاولة استخدام الانحدار الخطي مباشرة في مسائل التصنيف الثنائي عن طريق تقريب المخرجات إلى الصفر أو الواحد عبر عتبة تعسفية.

يترتب على هذا التبسيط الإجرائي غير المدروس أخطاء منهجية فادحة تؤثر سلباً على كفاءة النماذج التنبؤية وموثوقيتها الإحصائية؛ فالانحدار الخطي عند تطبيقه على فئات ثنائية يولّد تنبؤات غير منطقية تخرج تماماً عن النطاق الاحتمالي الطبيعي، كأن ينتج قيماً سالبة أو قيماً تتجاوز الواحد الصحيح، بالإضافة إلى انتهاك الافتراضات الجوهرية كافتراض تجانس التباين وافتراض التوزيع الطبيعي للبواقي. لذا، يصبح الترسيم الصارم للحدود التقنية والرياضية بين الخوارزميتين ضرورة ملحة لتفادي الوقوع في مصائد النمذجة المضللة.

1.3 التمييز بين مهام التنبؤ بالقيمة ومهام التصنيف الاحتمالي

يتجسد التباين الأساسي بين الخوارزميتين في طبيعة المسألة الإحصائية المطلوب حلها وفضاء الحالة الخاص بالمتغير التابع. يختص الانحدار الخطي بحل مشكلة “التقدير الكمي المستمر” (Continuous Estimation)، حيث يكون الهدف هو تخمين كمية عددية قابلة للقياس المادي أو المالي، وتمتلك خصائص الفضاء الإقليدي؛ كأن نسعى لتقدير دخل الأسرة، أو درجات الحرارة المتوقعة، أو أسعار الأسهم، أو حجم المبيعات الشهرية. وتتميز هذه القيم بكونها متصلة رياضياً، ولا تفصل بينها حواجز أو فجوات قطعية، مما يتيح للنموذج استنتاج قيم استقرائية حتى خارج نطاق البيانات المشاهدة تاريخياً.

أما الانحدار اللوجستي، فيتمحور تركيزه المعماري حول معالجة مشكلة “الفصل بين الفئات وحساب الاحتمالية” (Probabilistic Classification)، حيث ينتمي المتغير التابع إلى فضاء متقطع يتكون من حالتين أو أكثر، كالشفاء مقابل عدم الشفاء، أو التخلف عن السداد مقابل الالتزام المالي، أو احتيالية المعاملة المصرفية من شرعيتها. في هذا السياق، لا ينصب الاهتمام على مقدار التغير الفيزيائي، بل على احتساب احتمال وقوع الحدث محصوراً بصورة قطعية داخل المجال الرياضي المغلق بين الصفر والواحد الصحيح.

ينعكس هذا التمايز الوظيفي بعمق على مسار اتخاذ القرارات التحليلية وهندسة الخصائص؛ إذ يفرض التنبؤ بالقيم المستمرة استخدام مقاييس كفاءة تعتمد على قياس المسافة والانحراف التربيعي أو المطلق، في حين يتطلب التصنيف الاحتمالي أدوات تقيس نقاء الفئات والإنتروبيا ومعدلات الخطأ التمييزي. بناءً على ذلك، فإن تحديد طبيعة الظاهرة المدروسة يمثل الخطوة المنهجية الأولى والمفصلية التي تحسم المسار الخوارزمي المتبع، مانعة أي تداخل خاطئ بين المنطق الرياضي للتقدير والمنطق الرياضي للتصنيف.

2. الانحدار الخطي: المبادئ النظرية والخصائص المعمارية

2.1 الصياغة الرياضية وطبيعة المتغير التابع

يقوم الانحدار الخطي في جوهره على افتراض وجود علاقة خطية مستقيمة تربط بين متغير تابع كمي مستمر ومتغير تفسيري مستقل واحد (في حالة الانحدار الخطي البسيط) أو أكثر (في حالة الانحدار الخطي المتعدد). تتخذ المعادلة البنيوية للانحدار الخطي البسيط الشكل التالي:

$$Y_i = \beta_0 + \beta_1 X_i + \epsilon_i$$

حيث يمثل $Y_i$ المتغير التابع للمشاهدة رقم $i$، و$X_i$ يمثل المتغير المستقل المقابل، بينما تعبر $\beta_0$ عن نقطة التقاطع مع المحور الرأسي (وهي القيمة المتوقعة لـ $Y$ عندما تنعدم قيمة $X$)، في حين تمثل $\beta_1$ معامل الانحدار الميلِي الذي يعكس معدل التغير الهامشي في المتغير التابع الناتج عن زيادة المتغير المستقل بمقدار وحدة واحدة. أما الحد $\epsilon_i$ فهو الخطأ العشوائي غير الملاحظ، والذي يختزل أثر المتغيرات المحذوفة، والتشويش العشوائي في القياس، والطبيعة الاحتمالية للظواهر الحقيقية.

وعند الانتقال إلى الانحدار الخطي المتعدد لدراسة أثر مصفوفة من المتغيرات التفسيرية تتضمن $p$ من المتغيرات، تصاغ المعادلة في صيغة جبر المصفوفات على النحو الآتي:

$$\mathbf{Y} = \mathbf{X}boldsymbol{\beta} + boldsymbol{\epsilon}$$

حيث $\mathbf{Y}$ هو متجه عمودي للمخرجات بأبعاد $n \times 1$، و$\mathbf{X}$ تمثل مصفوفة التصميم بأبعاد $n \times (p + 1)$ (متضمنة عموداً من الآحاد لتمثيل حد التقاطع)، و$boldsymbol{\beta}$ هو متجه المعلمات غير المعلومة بأبعاد $(p + 1) \times 1$، و$boldsymbol{\epsilon}$ متجه الأخطاء العشوائية بأبعاد $n \times 1$. يفترض النموذج هنا أن المتغير التابع ينتمي إلى فضاء الأعداد الحقيقية المستمرة، دون فرض أي قيود حدودية مصطنعة، مما يجعل التنبؤات مستمرة وغير مقيدة بسقف أو قاع ما لم تنص النظرية الفيزيائية أو الاقتصادية على خلاف ذلك.

2.2 الافتراضات الإحصائية الكلاسيكية (مبرهنة غاوس-ماركوف)

لكي تحتفظ مقدرات الانحدار الخطي المحسوبة بخصائصها الإحصائية المثلى، ينبغي استيفاء منظومة من الافتراضات الكلاسيكية الصارمة المعروفة في أدبيات القياس الإحصائي باسم شروط مبرهنة غاوس-ماركوف (Gauss-Markov Theorem). تنص هذه المبرهنة على أنه في حال تحقق هذه الشروط، فإن مقدرات المربعات الصغرى العادية تُعد أفضل المقدرات الخطية غير المتحيزة (Best Linear Unbiased Estimators – BLUE)، مما يضمن امتلاكها أقل تباين ممكن بين جميع فئات المقدرات الخطية غير المتحيزة.

تشمل هذه الافتراضات الأساسية ما يلي:

• الخطية في المعلمات: يجب أن تكون العلاقة بين المتغير التابع والمتغيرات المستقلة خطية من حيث المعلمات ($\beta$)، بغض النظر عن كون المتغيرات ذاتها قد خضعت لتحويلات غير خطية (كالتحويل اللوغاريتمي أو التربيعي).
• العينات العشوائية والاستقلالية: يتم جمع المشاهدات بطريقة عشوائية ومستقلة، بحيث لا يرتبط الخطأ العشوائي لأي مشاهدة بالخطأ العشوائي لمشاهدة أخرى، مما يستبعد وجود الارتباط التلقائي (Autocorrelation).
• انعدام التعدد الخطي التام: يجب ألا توجد علاقة خطية تامة ومثالية بين أي متغيرين أو أكثر من المتغيرات التفسيرية، لضمان قابلية مصفوفة المعلومات للعكس حسابياً.
• متوسط الأخطاء المشروط يساوي صفراً: يُفترض أن القيمة المتوقعة للخطأ العشوائي مشروطة بقيم المتغيرات المستقلة تساوي صفراً، أي أن $\mathbb{E}(\epsilon | \mathbf{X}) = 0$، وهو ما يضمن استبعاد المتغيرات الهامة المؤثرة وتفادي التحيز الناتج عن الإغفال.
• تجانس تباين الأخطاء (Homoscedasticity): يجب أن يكون تباين الأخطاء العشوائية ثابتاً عبر جميع مستويات المتغيرات المستقلة، أي أن $\text{Var}(\epsilon_i | \mathbf{X}) = \sigma^2$.
• التوزيع الطبيعي للأخطاء: على الرغم من أن هذا الافتراض غير لازم لإثبات مبرهنة غاوس-ماركوف، إلا أنه يعد شرطاً حاسماً لإجراء الاختبارات الإحصائية الدقيقة (كاختبارات $t$ واختبارات $F$) وبناء فترات الثقة الموثوقة.

إن خرق أي من هذه الافتراضات يقود إلى عواقب وخيمة على سلامة التحليل؛ فانعدام تجانس التباين (Heteroscedasticity) أو وجود ارتباط ذاتي يؤدي إلى تضخيم أو تقزيم الأخطاء المعيارية للمقدرات، مما يولد استنتاجات خاطئة حول الدلالة المعنوية للمتغيرات، بينما يؤدي التعدد الخطي الشديد إلى تشتت التباين وعدم استقرار المعاملات المقدرة جراء التغيرات الطفيفة في البيانات.

2.3 آليات التقدير ودوال التكلفة ومقاييس الجودة

تُعد طريقة المربعات الصغرى العادية (Ordinary Least Squares – OLS) هي الآلية القياسية الأكثر انتشاراً لتقدير معلمات الانحدار الخطي. تعتمد هذه الطريقة على تقليل دالة التكلفة المتمثلة في مجموع مربعات البواقي (Residual Sum of Squares – RSS)، والتي تعبر عن الفارق التراكمي بين القيم الفعلية المشاهدة والقيم التنبؤية التي يفرزها النموذج:

$$\text{RSS} = \sum_{i=1}^{n} (y_i – \hat{y}_i)^2 = \sum_{i=1}^{n} (y_i – (\beta_0 + \sum_{j=1}^{p} \beta_j x_{ij}))^2$$

تتميز طريقة المربعات الصغرى بامتلاكها حلاً تحليلياً مغلقاً ومباشراً يستند إلى حساب التفاضل والتكامل وجبر المصفوفات، حيث يتم اشتقاق دالة التكلفة بالنسبة للمتجه $boldsymbol{\beta}$ ومساواة الناتج بالصفر، لنحصل على ما يُعرف بالمعادلات الطبيعية التي تنتج الحل الرياضي الفريد:

$$\hat{boldsymbol{\beta}} = (\mathbf{X}^T \mathbf{X})^{-1} \mathbf{X}^T \mathbf{Y}$$

ولتقييم الجودة التفسيرية للنموذج المقدر، يُستخدم معامل التحديد ($R^2$)، الذي يقيس النسبة المئوية للتباين في المتغير التابع المفسر بواسطة النموذج مقارنة بالتباين الكلي للبيانات. ونظراً لأن معامل التحديد يزداد طردياً وبشكل تلقائي بمجرد إضافة أي متغير مستقل جديد (حتى وإن كان عديم الجدوى)، يُفضل استخدام معامل التحديد المعدل (Adjusted $R^2$) الذي يفرض عقوبة رياضية تتناسب مع عدد المتغيرات المضافة ودرجات الحرية المستهلكة:

$$R^2_{\text{adj}} = 1 – \left[ \frac{(1 – R^2)(n – 1)}{n – p – 1} \right]$$

إلى جانب ذلك، يعتمد التقييم الكمي التنبؤي على مقاييس الانحراف مثل متوسط الخطأ التربيعي (Mean Squared Error – MSE)، وجذر متوسط مربع الخطأ (Root Mean Squared Error – RMSE) الذي يُفضل لقراءته بنفس وحدات قياس المتغير التابع، ومتوسط الخطأ المطلق (Mean Absolute Error – MAE) الذي يتميز بكونه أقل حساسية للقيم الشاذة والمتطرفة.

3. الانحدار اللوجستي: المبادئ النظرية والخصائص المعمارية

3.1 الدالة اللوجستية ومفهوم نسبة الأرجحية

ينطلق الانحدار اللوجستي من معالجة إشكالية جوهرية تواجه النماذج الخطية الكلاسيكية عند التعامل مع المتغيرات الفئوية؛ وهي أن احتمالية وقوع حدث ما يجب أن تكون محصورة بدقة داخل الفترة $[0, 1]$. لحل هذه المعضلة، لا يقوم النموذج اللوجستي بربط المتغيرات التفسيرية بالاحتمال مباشرة، بل يمرر التركيبة الخطية للمتغيرات عبر دالة تحويل غير خطية تُعرف باسم الدالة اللوجستية القياسية أو دالة السيجمويد (Sigmoid Function)، وصيغتها الرياضية كالتالي:

$$\sigma(z) = \frac{1}{1 + e^{-z}}$$

حيث تمثل $z$ المجموع الموزون للمدخلات الخطية:

$$z = \beta_0 + \beta_1 X_1 + dots + \beta_p X_p = \mathbf{X}boldsymbol{\beta}$$

تمتلك دالة السيجمويد خواص رياضية فريدة؛ إذ تقوم بضغط أي قيمة حقيقية ممتدة من $-\infty$ إلى $+\infty$ ضمن المدى الاحتمالي الهادئ بين الصفر والواحد، متخذة شكلاً منحنياً شبيهاً بالحرف “S”. ويرتبط بهذا المفهوم صياغة دالة اللوجيت (Logit Function)، وهي المعكوس الرياضي لدالة السيجمويد، وتُعرّف بأنها لوغاريتم نسبة الأرجحية (Log-Odds):

$$\text{logit}(p) = \ln\left(\frac{p}{1 – p}\right) = \mathbf{X}boldsymbol{\beta}$$

حيث تمثل النسبة $p / (1 – p)$ “الأرجحية” (Odds)، أي نسبة احتمال وقوع الحدث إلى احتمال عدم وقوعه. يترتب على هذه الصياغة ميزة تفسيرية بالغة الأهمية؛ فمعاملات الانحدار اللوجستي ($\beta_j$) لا تعكس تغيراً خطياً مباشراً في الاحتمال، بل تمثل التغير في لوغاريتم نسبة الأرجحية عند زيادة المتغير المستقل $X_j$ بمقدار وحدة واحدة مع ثبات باقي العوامل. وبأخذ الدالة الأسية للمعامل ($e^{\beta_j}$)، نحصل على نسبة الأرجحية النسبية (Odds Ratio – OR)، التي توضح كيف يتضاعف رجحان وقوع الحدث بتغير المتغير المستقل المعني.

3.2 الافتراضات التشغيلية وشروط التطبيق

على النقيض من الصرامة المفروضة على الانحدار الخطي، يتمتع الانحدار اللوجستي بمرونة تشغيلية ملحوظة تجعله أكثر تحرراً من القيود التوزيعية الكلاسيكية؛ إذ إنه لا يشترط التوزيع الطبيعي للمتغيرات المستقلة، ولا يفترض وجود تجانس في تباين الأخطاء عبر مستويات التوقع، كما لا يتطلب أن تكون العلاقة بين المتغيرات المستقلة والمتغير التابع علاقة خطية في الفضاء الأصلي للبيانات.

ومع ذلك، يخضع الانحدار اللوجستي لمنظومة من الافتراضات الخاصة التي لا بد من استيفائها لضمان صحة المعايرة:

• الخطية في لوغاريتم الأرجحية (Linearity in the Logit): يفترض النموذج أن العلاقة خطية تماماً بين كل متغير تفسيري مستمر ولوغاريتم نسبة الأرجحية للمتغير التابع، ويمكن التحقق من هذا الشرط عبر اختبار بوكس-تيدويل (Box-Tidwell Test).
• استقلالية أخطاء المشاهدات: يجب أن تكون الملاحظات مستقلة كلياً عن بعضها البعض، بحيث لا تتضمن البيانات أي قياسات متكررة للمفردة ذاتها أو بنية عنقودية غير معالجة إحصائياً.
• غياب التعدد الخطي الحاد: كما في الانحدار الخطي، يتسبب الارتباط العالي بين المتغيرات المستقلة في تشويه دقة تقديرات المعلمات وتضخيم أخطائها المعيارية.
• كفاية حجم العينة: تتطلب خوارزميات التقدير في الانحدار اللوجستي عينات كبيرة نسبياً لضمان تقارب الخوارزميات واستقرار المقدرات، وتعتمد المعايير الإرشادية غالباً على قاعدة “عشرة أحداث على الأقل لكل متغير” (10 Events Per Variable – EPV).
• خلو البيانات من الفصل التام (Complete Separation): يحدث الفصل التام عندما يتمكن متغير مستقل معين أو مجموعة خطية منه من التمييز بين فئات المتغير التابع بنسبة 100%، مما يؤدي إلى فشل الخوارزميات الحسابية وهروب المعاملات المقدرة نحو اللانهاية.

3.3 تقدير الاحتمال الأقصى ومقاييس جودة التصنيف

نظراً لأن المتغير التابع يتبع توزيع برنولي (Bernoulli Distribution) في حالة التصنيف الثنائي، تصبح طريقة المربعات الصغرى غير قابلة للتطبيق رياضياً، ويُستعاض عنها بطريقة تقدير الاحتمال الأقصى (Maximum Likelihood Estimation – MLE). تهدف هذه الطريقة إلى إيجاد متجه المعلمات $boldsymbol{\beta}$ الذي يعظم احتمالية مشاهدة العينة الحالية من البيانات. تصاغ دالة الإمكان (Likelihood Function) على النحو الآتي:

$$L(boldsymbol{\beta}) = \prod_{i=1}^{n} p_i^{y_i} (1 – p_i)^{1 – y_i}$$

ولتسهيل الحل الحسابي، يتم أخذ اللوغاريتم الطبيعي لهذه الدالة للوصول إلى دالة لوغاريتم الإمكان (Log-Likelihood):

$$ell(boldsymbol{\beta}) = \sum_{i=1}^{n} \left[ y_i \ln(p_i) + (1 – y_i) \ln(1 – p_i) \right]$$

وتُمثل هذه المعادلة الوجه الإحصائي المعاكس لدالة “فقد الإنتروبيا المتقاطعة الثنائية” (Binary Cross-Entropy Loss) المستخدمة بكثافة في تعلم الآلة. ونظراً لعدم توفر حل تحليلي مباشر ومغلق لتعظيم هذه الدالة، تعتمد الحزم البرمجية على طرق تحسين تكرارية تقريبية، مثل طريقة نيوتن-رافسون (Newton-Raphson) أو خوارزمية المربعات الصغرى الموزونة تكرارياً (Iteratively Reweighted Least Squares – IRLS).

أما لتقييم كفاءة النموذج اللوجستي وجودته التنبؤية، فتُستخدم مصفوفة الالتباس (Confusion Matrix) لحساب المقاييس التمييزية، مثل:

• الدقة الإجمالية (Accuracy): نسبة التنبؤات الصحيحة إلى إجمالي الحالات.
• الدقة التحديدية (Precision): نسبة الحالات الإيجابية الحقيقية إلى إجمالي الحالات التي تنبأ بها النموذج كإيجابية.
• الاسترجاع أو الحساسية (Recall/Sensitivity): قدرة النموذج على التقاط الحالات الإيجابية الفعلية من بين جميع الإيجابيات الحقيقية.
• درجة إف-1 (F1-Score): المتوسط التوافقي بين الدقة التحديدية والاسترجاع، وهو مقياس محوري في حالات البيانات غير المتوازنة.
• منحنى خصائص التشغيل للمستقبل ومساحته (ROC-AUC): يقيس قدرة النموذج التمييزية عبر مختلف عتبات القرار المحتملة، حيث تعكس المساحة تحت المنحنى (AUC) مدى قدرة النموذج على تصنيف حالة إيجابية عشوائية برتبة أعلى من حالة سلبية عشوائية.

4. الفروق الجوهرية بين الانحدار الخطي والانحدار اللوجستي

4.1 طبيعة المخرجات والفضاء الرياضي للهدف

يتجلى الاختلاف الأكثر بروزاً بين النموذجين في طبيعة الفضاء الرياضي الذي تتحرك فيه المخرجات؛ ففي الانحدار الخطي، يمثل الناتج التنبؤي قيمة كمية محضة تقع نظرياً ضمن الفضاء المفتوح $(-\infty, +\infty)$. هذا الامتداد غير المحدود يعني أن النموذج يمتلك استجابة خطية ثابتة ومستمرة؛ فإذا تسبب تغير المتغير المستقل بمقدار وحدة واحدة في زيادة المخرج بقيمة محددة عند نقطة انطلاق معينة، فإن التأثير الهامشي ذاته سيتحقق بنفس المقدار بغض النظر عن القيمة الابتدائية للمدخلات.

في المقابل، يرتبط الانحدار اللوجستي بفضاء احتمالي مغلق ومقيد بين الصفر والواحد الصحيح $[0, 1]$. يعكس هذا التقييد الطبيعة المشبعة لدالة السيجمويد، حيث يكون معدل التغير في الاحتمال غير ثابت، بل يعتمد اعتماداً كلياً على الموضع الحالي على المنحنى اللوجستي؛ إذ تكون الحساسية للتغير في المدخلات في ذروتها القصوى عندما يكون الاحتمال قريباً من المنتصف (0.5)، بينما تتلاشى هذه الحساسية وتصل إلى حد التشبع التام عندما يقترب الاحتمال من أطراف المنحنى (الصفر أو الواحد).

علاوة على ذلك، لا يمكن تحويل مخرجات الانحدار اللوجستي إلى قرارات تصنيفية حاسمة بصورة تلقائية، بل يتطلب الأمر تعيين “عتبة قرار” (Decision Threshold) مسبقة، تُضبط تقليدياً عند القيمة 0.5، بحيث تُصنف المشاهدات التي تتجاوز هذا الحاجز ضمن الفئة الموجبة، في حين تُسند المشاهدات الأخرى إلى الفئة السالبة، مع مرونة تامة في تحريك هذه العتبة وفقاً لاعتبارات التكلفة والمنفعة التشغيلية الخاصة بكل مجال.

وجه المقارنة	الانحدار الخطي (Linear Regression)	الانحدار اللوجستي (Logistic Regression)
طبيعة المتغير التابع ($Y$)	كمي مستمر (أعداد حقيقية غير متقطعة)	فئوي متقطع (ثنائي غالباً، أو متعدد الفئات)
فضاء المخرجات التنبؤية	غير محدود نظرياً: ممتد من $-\infty$ إلى $+\infty$	مقيد احتمالياً: محصور حصراً بين $0$ و $1$
المعادلة الهيكلية للنموذج	$\hat{Y} = \mathbf{X}boldsymbol{\beta}$	$\hat{P} = \frac{1}{1 + e^{-\mathbf{X}boldsymbol{\beta}}}$ أو $\ln(\frac{P}{1-P}) = \mathbf{X}boldsymbol{\beta}$
الغاية الوظيفية الأساسية	التقدير الكمي والتنبؤ بالمقادير العددية المستمرة	التصنيف، الفصل بين الحالات، وتقدير الاحتمالات
طريقة التقدير الإحصائي	المربعات الصغرى العادية (OLS) بالدرجة الأولى	تقدير الاحتمال الأقصى (Maximum Likelihood – MLE)
توفر حل تحليلي مغلق	نعم، يتوفر حل مباشر: $\hat{boldsymbol{\beta}} = (\mathbf{X}^T \mathbf{X})^{-1} \mathbf{X}^T \mathbf{Y}$	لا، يتطلب خوارزميات تحسين تكرارية عددية
دالة التكلفة / الفقد	متوسط مربع الخطأ (MSE) أو مجموع مربعات البواقي	فقد الإنتروبيا المتقاطعة (Log-Loss / Cross-Entropy)
توزيع الأخطاء المفترض	توزيع طبيعي بتباين متجانس ومستقل: $\mathcal{N}(0, \sigma^2)$	توزيع برنولي (في الثنائي) أو متعدد الحدود (في المتعدد)
تفسير المعاملات الانحدارية	التغير المطلق في قيمة $Y$ لكل تغير بمقدار وحدة في $X$	التغير النسبي في لوغاريتم الأرجحية لكل وحدة من $X$
مقاييس تقييم الأداء	$R^2$، $R^2_{\text{adj}}$، RMSE، MAE، اختبارات $F$ و $t$	ROC-AUC، الدقة، الاسترجاع، F1، الانحراف (Deviance)
حساسية النموذج للقيم الشاذة	حساسية مرتفعة جداً قد تؤدي لتشويه مسار الخط بأكمله	أقل تأثراً نسبياً بفضل مرحلة التشبع في دالة السيجمويد

4.2 دوال الفقد ومنهجيات التحسين الحسابي

تنبع الفروق الحسابية الجوهرية بين الخوارزميتين من البنية الهندسية لدوال الفقد المعتمدة. يعتمد الانحدار الخطي على دالة تربيعية لمتوسط مربع الخطأ، وتتميز هذه الدالة بكونها محدبة بدقة (Convex) وتمتلك قاعاً واحداً يمثل نقطة النهاية الصغرى المطلقة، مما يسهل اشتقاق حل تحليلي مباشر من خلال معادلات المصفوفات دون الحاجة إلى التكرار الحسابي، على الرغم من إمكانية استخدام خوارزمية الانحدار المتدرج (Gradient Descent) كبديل فعال عندما تكون مجموعات البيانات ضخمة للغاية وتتجاوز السعة الاستيعابية للذاكرة.

أما الانحدار اللوجستي، فإن تطبيق دالة المربعات الصغرى على مخرجاته يؤدي إلى تشكيل دالة تكلفة معقدة وغير محدبة (Non-Convex) تعج بالنقاط الحرجة والنهايات الصغرى المحلية، مما يعيق استقرار خوارزميات التحسين القياسية. لذلك، يُستعاض عنها بدالة فقد الإنتروبيا المتقاطعة (Cross-Entropy Loss) أو لوغاريتم الإمكان السالب، والتي تستعيد صفة التحدب الهندسي، وتضمن تقارب الحل الحسابي نحو النقطة الصغرى المطلقة بصورة حتمية.

تتطلب عملية تعظيم دالة الإمكان اللوجستية استخدام خوارزميات تحسين تكرارية تنتمي في الغالب إلى عائلة الطرق شبه النيوتونية، مثل خوارزمية نيوتن-رافسون أو خوارزمية (L-BFGS). تقوم هذه الخوارزميات بحساب متجهات التدرج (Gradient) ومصفوفة هسيان (Hessian Matrix) للمشتقات الجزئية من الدرجة الثانية لتحديث قيم المعلمات عبر خطوات تكرارية متتابعة حتى الوصول إلى شرط التقارب العددي المطلوب، وهو ما يستهلك طاقة حسابية إضافية مقارنة بالحل المغلق المباشر للانحدار الخطي.

4.3 المتانة أمام القيم المتطرفة والفرضيات الإحصائية

تظهر التباينات العملية بوضوح عند تفحص سلوك النموذجين في ظل وجود تشوهات في البيانات الواقعية؛ فالانحدار الخطي يتسم بحساسية مفرطة للنقاط الشاذة ذات الرافعة العالية (High Leverage Points)، حيث يقوم بتربيع مسافات الخطأ في دالة التكلفة، مما يمنح النقاط المتطرفة البعيدة وزناً غير متناسب قادر على تدوير خط الانحدار بأكمله وحرفه بعيداً عن الاتجاه العام للبيانات، وهو ما يتطلب تدخلاً مستمراً لتنظيف البيانات واستبعاد النقاط المؤثرة استناداً إلى مقاييس متقدمة مثل مسافة كوك (Cook’s Distance).

في المقابل، يبدي الانحدار اللوجستي حصانة ومناعة نسبية أعلى أمام القيم المتطرفة في المتغيرات المستقلة؛ فبفضل خاصية الضغط والتشبع المتأصلة في دالة السيجمويد، فإن أي مدخل متطرف يقع في أقصى اليمين أو أقصى اليسار يتم تحويله في النهاية إلى قيمة تقترب تدريجياً وبسلاسة من الواحد أو الصفر دون أن تتجاوزهما، مما يكبح الأثر التدميري للقيم الشاذة على ميل حد الفصل القرارِي، طالما أن تلك النقاط لا تتسبب في ظاهرة الانفصال التام بين الفئات.

ومن منظور الصرامة المنهجية، يفرض الانحدار الخطي اشتراطات توزيعية متشددة على بنية الأخطاء العشوائية لتحقيق كفاءة التقدير والاستدلال الإحصائي الدقيق، كالتوزيع الطبيعي وتجانس التباين وغياب الارتباط الذاتي. بينما يتخلى الانحدار اللوجستي عن هذه المتطلبات الصارمة، متقبلاً التباين غير المتجانس بصورة طبيعية لكون تباين متغير برنولي معتمداً بطبيعته الرياضية على متوسطه ($p(1-p)$)، مما يجعله أكثر ملاءمة للتطبيقات التجريبية التي تفتقر بياناتها إلى النقاء التوزيعي المثالي.

5. أوجه التشابه ونقاط التلاقي المنهجية

5.1 الانتماء الهيكلي لعائلة النماذج الخطية المعممة

على الرغم من التباينات الظاهرية في المخرجات والتطبيقات، يشترك الانحدار الخطي والانحدار اللوجستي في رابطة رياضية وثيقة تجمعهما تحت مظلة النماذج الخطية المعممة (Generalized Linear Models – GLMs)، وهو الإطار النظري الموحد الذي صاغه جون نيلدر وروبرت ويدربيرن عام 1972 لتأطير مختلف الأنماط الانحدارية ضمن هيكل رياضي متسق.

تتألف النماذج الخطية المعممة من ثلاثة مكونات جوهرية تتطابق فيها الخوارزميتان من الناحية البنائية:

• المكون العشوائي (Random Component): يحدد التوزيع الاحتمالي للمتغير التابع، والذي ينتمي بالضرورة إلى العائلة الأسية الطبيعية للتوزيعات (Exponential Dispersion Family)؛ حيث يتخذ التوزيع الطبيعي في الانحدار الخطي، وتوزيع برنولي في الانحدار اللوجستي.
• المكون المنهجي (Systematic Component): يمثل التركيبة الخطية للمتغيرات التفسيرية والأوزان المقترنة بها، والتي تصاغ بالشكل الجبري الموحد: $\eta = \mathbf{X}boldsymbol{\beta}$.
• دالة الربط (Link Function): المعادلة الرياضية $g(\cdot)$ التي تربط القيمة المتوقعة للمكون العشوائي ($\mu = \mathbb{E}(Y)$) بالمركبة الخطية النظامية، بحيث تكون العلاقة: $\eta = g(\mu)$.

وفي هذا السياق التوحيدي، يتضح أن الانحدار الخطي ليس إلا حالة خاصة من النماذج الخطية المعممة تُستخدم فيها “دالة الربط المطابقة” (Identity Link Function) حيث يكون $g(\mu) = \mu$. أما الانحدار اللوجستي فيستخدم “دالة ربط اللوجيت” (Logit Link Function) حيث يكون $g(\mu) = \ln(\frac{\mu}{1 – \mu})$. يثبت هذا التأطير النظري أن النموذجين يمثلان في الواقع وجهين لعملة رياضية واحدة تم تكييفها للتعامل مع بيئات احتمالية وتوزيعية مختلفة.

5.2 قابلية التفسير والشفافية التحليلية

تشترك الخوارزميتان في ميزة استراتيجية لا تقدر بثمن في بيئات الأعمال والبحوث الأكاديمية الصارمة، وهي الشفافية التحليلية الكاملة والانعتاق من مأزق “الصندوق الأسود” (Black Box) الذي يكتنف خوارزميات التعلم العميق ونماذج الغابات العشوائية المعقدة. ففي كلا النموذجين، يمتلك كل متغير تفسيري معاملاً حسابياً دقيقاً ومستقلاً يوضح بدقة طبيعة ومقدار مساهمته في تشكيل النتيجة التنبؤية النهائية مع تحييد تأثير باقي العوامل.

تتيح هذه الطبيعة البيضاء الشفافة للباحثين والمحللين ممارسة الاستدلال الإحصائي الكامل، من خلال حساب فترات الثقة لمعاملات النموذج، وإجراء اختبارات الفرضيات الإحصائية لتقييم الدلالة المعنوية لكل معلمة على حدة، مثل اختبار $t$ في الانحدار الخطي واختبار فالد (Wald Test) في الانحدار اللوجستي، مما يتيح التثبت مما إذا كان المتغير يمتلك تأثيراً جوهرياً حقيقياً في المجتمع الإحصائي أم أن تأثيره لا يعدو كونه مصادفة عشوائية ناتجة عن خطأ المعاينة.

بالإضافة إلى ذلك، يتقاسم النموذجان آليات تحسين وتطويع مشتركة للحد من ظاهرة فرط التخصيص (Overfitting) والتحكم في تعقيد النموذج عند التعامل مع مصفوفات البيانات الغنية بالمتغيرات، ومن أبرزها تقنيات التنظيم الرياضي (Regularization) كمعيار لاسو (L1 – Lasso) الذي يفرض جزاءً رياضياً يقود إلى تقليص بعض المعاملات إلى الصفر تماماً واختيار المتغيرات، ومعيار ريدج (L2 – Ridge) الذي يكبح تضخم المعاملات ويثبتها في مواجهة التعدد الخطي، إلى جانب نموذج الشبكة المرنة (Elastic Net) الذي يدمج بين محاسن النهجين.

5.3 متطلبات هندسة البيانات والمعالجة القبلية

تتلاقى الخوارزميتان في اعتمادهما الصارم على جودة هندسة البيانات والتحضير الإحصائي القبلي للمتغيرات قبل دفعها إلى مرحلة التدريب والتحسين؛ فنظراً لاعتمادهما المشترك على التركيبة الخطية للمدخلات، فإن أداءهما الحسابي وسرعة تقاربهما يتأثران بشدة بمقاييس رسم المتغيرات (Feature Scales) عند توظيف خوارزميات النزول المتدرج، مما يفرض ضرورة توحيد نطاقات المتغيرات المستمرة عبر تقنيات المعايرة المعيارية (Standardization) أو التدريج الميني-ماكسي (Min-Max Scaling).

كما يعاني النموذجان بالدرجة ذاتها من معضلة التعدد الخطي المرتفع بين المتغيرات التفسيرية (Multicollinearity). فعندما ترتبط المتغيرات المستقلة ببعضها بارتباطات قوية، تفقد مصفوفة التغاير استقرارها الرياضي، وتصبح محددات المصفوفات قريبة من الصفر، مما يرفع تباين المقدرات بصورة حادة ويجعل من المستحيل عزل الأثر الفريد لكل متغير بشكل موثوق، الأمر الذي يستوجب رصد هذه الظاهرة مبكراً عبر مؤشرات متقدمة كمعامل تضخم التباين (Variance Inflation Factor – VIF).

علاوة على ذلك، يتطلب كلا النموذجين معالجة منضبطة ومنهجية لملف البيانات المفقودة (Missing Values)، إما عبر تقنيات التعويض الإحصائي المتعدد (Multiple Imputation) أو النمذجة الموجهة، إلى جانب الحاجة للترميز الدقيق للمتغيرات النوعية والفئوية عبر أساليب الترميز الأحادي (One-Hot Encoding) أو الترميز المصدري المناسب، لضمان ترجمة المدخلات النوعية إلى أشكال مصفوفية متوافقة مع منطق العمليات الجبرية للنماذج.

6. معايير المفاضلة وسيناريوهات الاستخدام التطبيقية

6.1 سياقات التطبيق المثالية للانحدار الخطي

يمثل الانحدار الخطي الخيار الأمثل والمنهجي عندما تتطلب أهداف المشروع تقدير كمية رقمية متصلة ومفتوحة تحكمها علاقات تراكمية فيزيائية أو مالية واضحة. من أبرز هذه التطبيقات قطاع التسعير العقاري والتقييم المالي؛ حيث يُستخدم النموذج لتقدير القيمة السوقية العادلة للأصول والعقارات استناداً إلى حزمة من الخصائص المادية والموقعية مثل المساحة الإجمالية بالمتر المربع، وعدد الغرف، وعمر العقار الزمني، ومؤشرات الرفاهية المحيطة، وتوفر شبكات النقل العام.

كما يبرز الانحدار الخطي في مجالات إدارة سلاسل الإمداد وتخطيط العمليات اللوجستية، للتنبؤ بحجم الطلب التجاري المستقبلي، واحتياجات المخزون الدوري، وتقدير ساعات العمل الميداني المطلوبة لتنفيذ المشاريع الهندسية الضخمة بناءً على مواصفات التصميم ومؤشرات الكفاءة التشغيلية. وتعتمد الشركات هذا النهج لتفادي تكاليف التخزين الفائضة من جهة، ومخاطر نفاد المخزون من جهة أخرى.

وفي دراسات الاقتصاد القياسي والسياسات العامة، يشكل الانحدار الخطي حجر الزاوية في قياس مرونة الطلب السعرية، ونمذجة معدلات النمو الاقتصادي، وتحليل محددات الإنفاق الاستهلاكي للأسر، فضلاً عن التطبيقات المناخية والبيئية كتقدير معدلات استهلاك الطاقة الكهربائية في المدن استناداً إلى التقلبات في درجات الحرارة والرطوبة النسبية والنشاط الصناعي الموسمي.

6.2 سياقات التطبيق المثالية للانحدار اللوجستي

يعد الانحدار اللوجستي النموذج المرجعي القياسي عندما يتمحور الهدف حول اتخاذ قرارات تصنيفية حاسمة أو إدارة المخاطر القائمة على تقدير احتمالات التعرض لأحداث مفصلية محددة. في طليعة هذه الاستخدامات تقف أنظمة تقييم الجدارة الائتمانية وإدارة الائتمان المصرفي؛ حيث تستعين البنوك والمؤسسات التمويلية بالنموذج لحساب احتمالية تعثر العميل عن سداد القروض (Probability of Default – PD)، مما يمكنها من تصنيف المتقدمين وإقرار حدود التمويل والتسعير القائم على المخاطر بدقة متناهية.

وفي القطاع الطبي والرعاية الصحية، يضطلع الانحدار اللوجستي بدور حيوي في الطب الوقائي وأنظمة التشخيص الإكلينيكي المساعد؛ إذ يُوظف لتقدير احتمالية إصابة المريض باعتلال معين (كأمراض القلب التاجية أو داء السكري) بناءً على الفحوصات الحيوية كضغط الدم، ومستويات الكوليسترول، ومؤشر كتلة الجسم، والتاريخ العائلي الوراثي. ويوفر النموذج للأطباء مؤشراً رقمياً واضحاً ومفسراً يبرر التدخل العلاجي المبكر أو إجراء الفحوصات التداخلية المتقدمة.

كذلك تبرز قوة الانحدار اللوجستي في صناعة التقنية والاتصالات وتحليل سلوك المستهلكين، عبر نماذج التنبؤ بتسرب العملاء وإلغاء الاشتراكات (Customer Churn Prediction)، والتي تسمح لفرق التسويق برصد المشتركين المعرضين لمغادرة الخدمة وتقديم عروض استباقية لاستبقائهم. كما يمثل النموذج الخوارزمية الدفاعية الأساسية في أنظمة الأمن السيبراني لكشف المعاملات المالية الاحتيالية (Fraud Detection) وتصفية البريد الإلكتروني العشوائي (Spam Filtering) بسرعة استجابة لحظية.

6.3 إطار اتخاذ القرار الهندسي والإحصائي

يتطلب اتخاذ قرار علمي منضبط للاختيار بين الانحدار الخطي والانحدار اللوجستي اتباع مسار منهجي متكامل ينطلق من التوصيف الدقيق للمتغير التابع، ويمر عبر تقييم طبيعة تكاليف الأخطاء، وصولاً إلى فحص متطلبات النظام الإنتاجي. يوضح التسلسل التالي خارطة الطريق المنهجية المتبعة:

• الخطوة الأولى: تدقيق طبيعة المتغير التابع ($Y$):
  • إذا كان المتغير كمياً ومستمراً ويمتلك معنى فيزيائياً في كل نقطة (كالوزن، السعر، الوقت، درجة الحرارة) $\rightarrow$ الانحدار الخطي هو الخيار الطبيعي.
  • إذا كان المتغير يعبر عن تصنيف نوعي، أو حالة قطعية، أو خيار بين بدائل (كنعم/لا، ناجح/راسب، مريض/سليم) $\rightarrow$ الانحدار اللوجستي هو الخيار الحتمي.
• الخطوة الثانية: تقييم مصفوفة تكلفة الأخطاء التنبؤية:
  • في مسائل الانحدار الخطي، ترتبط التكلفة غالباً بحجم الانحراف الكمي المطلق أو التربيعي عن القيمة الحقيقية (كخسارة مادية تتناسب مع خطأ تسعير الأصول).
  • في مسائل الانحدار اللوجستي، ترتبط التكلفة بنوع الخطأ التصنيفي التمييزي؛ حيث يجب الموازنة بدقة بين الخطأ من النوع الأول (False Positive – الإيجابية الكاذبة) والخطأ من النوع الثاني (False Negative – السلبية الكاذبة). وفي سياقات مثل التشخيص الطبي لمرض خطير أو كشف الاحتيال، تكون تكلفة الخطأ من النوع الثاني كارثية، مما يتطلب ضبط عتبة التصنيف في النموذج اللوجستي عند مستوى حساس منخفض لتحقيق أقصى استرجاع ممكن.
• الخطوة الثالثة: دراسة إمكانية الدمج البنيوي في خطوط الأنابيب الهجينة:
  • في العديد من التطبيقات الصناعية المعقدة، لا يتم التعامل مع النموذجين كبديلين متنافسين، بل كعنصرين متكاملين داخل خط أنابيب تحليلي متعدد المراحل (Two-Stage Modeling Framework)؛ ومثال ذلك نماذج “العقبة” (Hurdle Models) في تقدير مطالبات التأمين:
    1. تُخصص المرحلة الأولى لنموذج انحدار لوجستي يتنبأ بما إذا كان العميل سيتقدم بمطالبة تعويضية خلال العام أم لا (تصنيف احتمالي: 0 أو 1).
    2. في حال كانت النتيجة إيجابية وتجاوزت العتبة المحددة، يُمرر الملف إلى المرحلة الثانية التي يديرها نموذج انحدار خطي لتقدير التكلفة المالية المتوقعة لتلك المطالبة بالدولار.

7. الأسئلة الشائعة حول الانحدار الخطي واللوجستي

7.1 لماذا لا نستخدم الانحدار الخطي لحل مسائل التصنيف الثنائي؟

يعد التفكير في استخدام الانحدار الخطي لحل مسائل التصنيف الثنائي من أكثر الأخطاء المفاهيمية جاذبية للمبتدئين، حيث يبدو من السهل ترميز الفئات بقيم رقمية مثل (0 و1) ثم تدريب خط انحدار وتحديد عتبة قرار عند القيمة 0.5 للفصل بين الفئتين. ومع ذلك، يؤدي هذا المسار إلى إخفاقات نظرية وتطبيقية جسيمة تجعل مخرجاته غير صالحة للاعتماد:

أولاً، تكمن المعضلة الكبرى في انتهاك الفضاء الاحتمالي الطبيعي؛ فالانحدار الخطي لا يحتوي على أي كوابح رياضية تلزم التنبؤات بالبقاء ضمن المجال $[0, 1]$. ونتيجة لذلك، فإن وجود مشاهدات تمتلك قيماً قصوى في المتغيرات المستقلة سيقود حتماً إلى توليد قيم تنبؤية شاذة، كأن يتنبأ باحتمال مقداره $1.4$ أو $-0.2$، وهي مخرجات تفقد أي معنى دلالي أو احتمالي يعتد به في اتخاذ القرارات.

ثانياً، يتسم خط الانحدار الخطي بحساسية مفرطة وتشوه كارثي لموقع حد الفصل عند إضافة مشاهدات جديدة صحيحة ومؤكدة تقع بعيداً في اتجاه الفئة؛ فعند إضافة مشاهدات تقع في أقصى اليمين وتنتمي بوضوح تام إلى الفئة (1)، سيسعى الانحدار الخطي لتقليل مجموع مربعات البواقي لهذه النقاط البعيدة عن طريق خفض ميل الخط بأكمله وإمالته نحو الأسفل. تؤدي هذه الإمالة غير المبررة إلى تحريك عتبة القرار وتغيير تصنيف العديد من النقاط القريبة من المركز، مما يرفع معدلات الخطأ التصنيفي بصورة مفارقة؛ أي أن زيادة دقة البيانات ووضوحها تقود النموذج الخطي إلى أداء تصنيفي أسوأ.

ثالثاً، يؤدي تطبيق الانحدار الخطي على استجابة ثنائية إلى الخرق التام لافتراض تجانس تباين الأخطاء العشوائية (Homoscedasticity). فبما أن المتغير التابع لا يأخذ سوى القيمتين 0 أو 1، فإن الخطأ العشوائي المقابل $\epsilon_i$ يمكن أن يأخذ فقط إحدى قيمتين مشروطتين: إما $(1 – \mathbf{X}_iboldsymbol{\beta})$ باحتمال $p_i$، أو $(-\mathbf{X}_iboldsymbol{\beta})$ باحتمال $(1 – p_i)$. ينتج عن ذلك أن تباين الخطأ يصبح معتمداً بصورة مطلقة على قيم المدخلات وفق المعادلة $\text{Var}(\epsilon_i) = p_i(1 – p_i) = \mathbf{X}_iboldsymbol{\beta}(1 – \mathbf{X}_iboldsymbol{\beta})$. هذا التباين غير المتجانس يقوض صلاحية الأخطاء المعيارية المحسوبة، ويبطل صحة جميع اختبارات المعنوية الإحصائية وفترات الثقة.

7.2 كيف يتعامل الانحدار اللوجستي مع التصنيف متعدد الفئات؟

تم تصميم الانحدار اللوجستي في أصله الكلاسيكي للتعامل مع المتغيرات الثنائية التي لا تتعدى حالتين، إلا أن التطور الرياضي للخوارزمية أتاح لها التوسع بسلاسة لمعالجة المسائل المعقدة التي تتضمن ثلاثة تصنيفات أو أكثر، وذلك عبر استراتيجيتين معماريتين رئيسيتين:

الاستراتيجية الأولى تعتمد على تفكيك المشكلة التعددية إلى منظومة من المشاكل الثنائية المستقلة، وتعرف في أدبيات التعلم الآلي بنهجين:

• استراتيجية فئة ضد البقية (One-vs-Rest / OvR): يتم تدريب عدد من النماذج اللوجستية الثنائية المستقلة يساوي تماماً عدد الفئات الكلي ($K$). وفي كل نموذج، تُعامل فئة واحدة كفئة موجبة وتُدمج سائر الفئات الأخرى في فئة سالبة واحدة موحدة. وعند التنبؤ بمشاهدة جديدة، تُمرر على جميع النماذج وتُمنح الفئة التي يسجل نموذجها أعلى احتمال نسبي.
• استراتيجية فئة ضد فئة (One-vs-One / OvO): يتم تدريب نموذج لوجستي ثنائي متخصص لكل زوج محتمل من الفئات، مما يتطلب إنشاء $K(K – 1) / 2$ من النماذج المستقلة. ويتم تحديد الفئة الفائزة النهائية عبر آلية تصويت الأغلبية بين جميع النماذج التنافسية.

أما الاستراتيجية الثانية، وهي الأكثر رصانة من المنظور الإحصائي المباشر، فتتمثل في تعميم المعادلة اللوجستية كلياً لتشكيل ما يُعرف بـ الانحدار اللوجستي متعدد الحدود (Multinomial Logistic Regression). في هذا الإطار، يتم استبدال دالة السيجمويد بدالة سوفت ماكس (Softmax Function)، والتي تقوم بحساب احتمالية انتماء المشاهدة لكل فئة $k$ من الفئات الكلية وفق المعادلة التالية:

$$P(Y = k mid \mathbf{X}) = \frac{e^{\mathbf{X}boldsymbol{\beta}_k}}{\sum_{j=1}^{K} e^{\mathbf{X}boldsymbol{\beta}_j}}$$

تضمن دالة سوفت ماكس أن يكون مجموع احتمالات جميع الفئات المتنافسة مساوياً للواحد الصحيح بدقة، مع الحفاظ على خصائص قابلية التفسير وتوليد حدود قرار خطية متعددة الأوجه تفصل بين مختلف الفئات في الفضاء البعدي للبيانات.

7.3 ما هو تأثير عدم توازن الفئات على أداء الانحدار اللوجستي؟

يمثل عدم توازن الفئات (Class Imbalance) أحد أبرز التحديات الميدانية التي تواجه تطبيق الانحدار اللوجستي، وتحدث هذه الظاهرة عندما تطغى إحدى الفئات عددياً على الفئة الأخرى في عينة التدريب، كما هو الحال في كشف الاحتيال المالي (حيث تمثل المعاملات الاحتيالية أقل من 0.1% من إجمالي المعاملات) أو تشخيص الأمراض النادرة.

في مثل هذه الظروف، يواجه النموذج اللوجستي مشكلة انحياز هيكلي في تقدير حد التقاطع ($\beta_0$)؛ فنظراً لأن دالة فقد الإنتروبيا المتقاطعة تسعى لتقليل الخطأ التراكمي الإجمالي، فإن النموذج يميل بشكل طبيعي إلى تقريب الاحتمالات المتوقعة نحو معدل الانتشار الأساسي الضعيف للفئة النادرة في العينة. يؤدي هذا السلوك إلى تراجع حاد في حساسية النموذج وتخلّفه عن رصد الحالات الإيجابية الحقيقية، على الرغم من أن مقياس الدقة الإجمالية (Accuracy) قد يبدو مرتفعاً بشكل مضلل (قد يصل إلى 99.9% ببساطة عبر التنبؤ بأن جميع المعاملات غير احتيالية).

للتغلب على هذا التشوه الإحصائي وإعادة ضبط توازن النموذج، يعتمد مهندسو وعلماء البيانات مجموعة من الحلول التقنية المنهجية:

• إعادة موازنة أوزان دالة التكلفة (Cost-Sensitive Learning): تعديل دالة الإمكان بحيث تفرض عقوبة خسارة مضاعفة على أخطاء تصنيف الفئة النادرة تتناسب عكسياً مع نسبة تمثيلها في البيانات، مما يجبر خوارزمية التحسين على إيلاء اهتمام كافٍ لتلك الفئة.
• إعادة أخذ العينات (Resampling Techniques): تقليص حجم الفئة الغالبة عشوائياً (Undersampling) أو مضاعفة عينات الفئة النادرة اصطناعياً عبر خوارزميات توليد البيانات مثل خوارزمية التوليد التخليقي للأقليات (SMOTE).
• إعادة ضبط وتعديل عتبة التصنيف (Threshold Tuning): التخلي عن العتبة القياسية الافتراضية (0.5)، وخفضها إلى مستويات تلائم طبيعة المخاطر (كأن تُحدد عند 0.1 أو 0.05)، لتعظيم مقياس الاسترجاع وضمان التقاط أكبر قدر ممكن من الحالات الحرجة.
• الاعتماد على مقاييس أداء متخصصة: استبعاد مقياس الدقة الإجمالية والتركيز حصرياً على مقاييس مثل درجة F1 الدقيقة، ومنحنى الدقة والاسترجاع (Precision-Recall Curve)، والمساحة تحته (PR-AUC).

8. الخاتمة: رؤية تكاملية في منظومة التحليل الإحصائي وتعلم الآلة

8.1 التكامل بين البساطة الرياضية والفعالية العملية

يقودنا هذا التحليل المتعمق إلى استنتاج مفاده أن المفاضلة بين الانحدار الخطي والانحدار اللوجستي لا تعبر عن مفاضلة تقنية تفترض تفوق أحدهما على الآخر، بل تمثل استجابة منطقية ومحكومة بطبيعة السؤال البحثي والخصائص الرياضية للبيانات محل الدراسة. فكلا النموذجين يقدم تجسيداً عبقرياً لكيفية تطويع الجبر الخطي ونظرية الاحتمالات لخدمة أغراض الاستدلال والتنبؤ بأعلى درجات الكفاءة والأناقة الحسابية.

وعلى الرغم من التسارع التكنولوجي وظهور نماذج متقدمة مثل الشبكات العصبية العميقة وآلات التعزيز التدرجي المعقدة، لا يزال الانحدار الخطي واللوجستي يمثلان خط الأساس المعياري (Baseline Model) الذي لا غنى عنه في أي مشروع جاد لعلم البيانات. وتعود هذه المكانة الراسخة إلى التوازن النادر الذي يحققه كلا النموذجين بين القوة التفسيرية والشفافية التامة من جهة، والسرعة الفائقة في التدريب والتشغيل وقلة استهلاك الموارد الحاسوبية من جهة أخرى، مما يجعلهما الحل الأمثل للأنظمة الإنتاجية الحساسة التي تفرض متطلبات صارمة على زمن الاستجابة وقابلية التدقيق القانوني كقطاعات المصارف، والرعاية الصحية، والتأمين.

إن إتقان الحدود النظرية والتشغيلية لهذين النموذجين يمثل الفارق الجوهري بين الممارس السطحي الذي يتعامل مع الخوارزميات ككتل برمجية معزولة، والباحث الإحصائي المتمكن القادر على تشخيص المشكلات الهيكلية في البيانات واختيار النموذج الذي يحقق التوازن الأمثل بين انحياز التقدير وتشتته (Bias-Variance Tradeoff).

8.2 التوجهات المستقبلية في استخدام النماذج الخطية المتقدمة

في عصر الذكاء الاصطناعي المعاصر، لم تعد النماذج الخطية واللوجستية حبيسة صورتها الكلاسيكية البسيطة، بل تشهد موجة تطوير متسارعة تدمجها في صلب التقنيات الناشئة؛ حيث تبرز اليوم كأداة مركزية في حقل “الذكاء الاصطناعي القابل للتفسير” (Explainable AI – XAI)، وتُستخدم كأدوات بديلة محلية لتفسير مخرجات النماذج المعقدة، كما هو الحال في خوارزميات التفسيرات المحلية المستقلة للنموذج (LIME)، والتي تعتمد على ملاءمة نماذج خطية أو لوجستية موضعية حول المشاهدة المستهدفة لفك شفرة القرارات التي تتخذها الشبكات العصبية العميقة وتوضيحها للمستخدمين بلغة إحصائية مفهومة وموثوقة.

كما تتطور أدوات القياس الإحصائي المتقدمة لتوسيع نطاق هذه النماذج لتلائم بيئات البيانات فائقة الأبعاد والبيانات الضخمة (Big Data) من خلال خوارزميات التحسين الموزعة ونماذج الانحدار المعاقبة زمنياً، مما يتيح معالجة ملايين المتغيرات والخصائص بالتزامن دون استنزاف البنية التحتية للحوسبة السحابية.

ختاماً، ستظل المبادئ التأسيسية التي رسخها الانحدار الخطي واللوجستي حجر الزاوية الذي لا غنى عنه في تكوين عقلية الباحث وعالم البيانات؛ فالاستيعاب العميق لكيفية بناء الفرضيات واختبارها، والتعامل مع دوال التكلفة واستقرار المقدرات، هو المعبر الأساسي والوحيد للتعامل الواعي والمسؤول مع أكثر منظومات الذكاء الاصطناعي تعقيداً في الحاضر والمستقبل.

المراجع

• Agresti, A. (2015). Foundations of Linear and Generalized Linear Models. John Wiley & Sons.
• Cox, D. R. (1958). The regression analysis of binary sequences. Journal of the Royal Statistical Society: Series B (Methodological), 20(2), 215–232. https://doi.org/10.1111/j.2517-6161.1958.tb00292.x
• Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). Springer. https://doi.org/10.1007/978-0-387-84858-7
• Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781118548387
• Montgomery, D. C., Peck, E. A., & Vining, G. G. (2021). Introduction to Linear Regression Analysis (6th ed.). John Wiley & Sons.
• Nelder, J. A., & Wedderburn, R. W. (1972). Generalized linear models. Journal of the Royal Statistical Society: Series A (General), 135(3), 370–384. https://doi.org/10.2307/2344614
• Wooldridge, J. M. (2020). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning.