التعويض بالمتوسط مقابل التعويض بالانحدار
تمت المراجعة العلمية · د. مروة عبد العظيم · 16 نوفمبر، 2026
معايير التدقيق والاعتماد السريري
يخضع هذا المحتوى لمعايير ضبط الجودة والتدقيق العلمي والأكاديمي الصارمة في شبكة علم النفس العربي، لضمان صحة المعلومات ودقتها السريرية ومطابقتها لأحدث الأدلة والبراهين الصادرة عن الجمعيات النفسية والطبية المعتمدة (APA / WHO).
تمثل معضلة البيانات المفقودة (Missing Data) إحدى أقدم الإشكاليات المنهجية وأكثرها تعقيداً في مسار البحث العلمي والاستدلال الإحصائي؛ إذ نادراً ما تسفر المسوح الميدانية، أو التجارب السريرية، أو سجلات التنقيب في قواعد البيانات الضخمة عن مصفوفات معلوماتية مكتملة الأركان وخالية من الثغرات. يضع هذا الواقع الباحثين وعلماء البيانات أمام مفترق طرق حاسم: فإما التضحية بجزء جوهري من حجم العينة عبر تقنيات الحذف، وما يترتب على ذلك من تآكل للقوة الإحصائية (Statistical Power) وربما الوقوع في فخ التحيز النظامي، وإما اللجوء إلى معالجة استباقية تستند إلى ملء تلك الفجوات عبر أساليب التعويض الإحصائي (Imputation Techniques). وتتراوح خيارات التعويض بين حلول بدائية سريعة وأخرى بالغة التعقيد تتطلب فهماً عميقاً للخصائص الرياضية والافتراضات التوزيعية للبيانات المجمعة.
في قلب هذا المشهد المعرفي، يبرز التنافس التاريخي والمفاهيمي بين أسلوبين من أقدم أساليب التعويض الفردي وأوسعها انتشاراً: أسلوب “التعويض بالمتوسط” (Mean Imputation) وأسلوب “التعويض بالانحدار” (Regression Imputation). يجسد الأسلوب الأول استجابة بديهية تقوم على الاستعاضة عن المجهول بأبسط مقاييس النزعة المركزية المتاحة ضمن المتغير المفرد، في حين يمثل الثاني نقلة استدلالية متقدمة تستثمر العلاقات البينية والارتباطات الهيكلية المتشابكة بين المتغيرات للتنبؤ بالقيمة الأكثر احتمالاً لكل مفردة غائبة على حدة. ورغم أن كلا الأسلوبين يشتركان في هدفهما النهائي المتمثل في استعادة اكتمال المصفوفة وتفادي شطب المشاهدات، إلا أن المسارات الرياضية والآثار التوزيعية المترتبة على كل منهما تختلف اختلافاً جذرياً يصل إلى حد التناقض المنهجي التام.
تستهدف هذه الدراسة المقارنة المتعمقة تفكيك البنية النظرية والتطبيقية لكلا الأسلوبين، متتبعة جذورهما الرياضية، والافتراضات الضمنية التي تحكم صلاحيتهما، وصولاً إلى فحص دقيق للآثار الجانبية العميقة التي يتركها كل منهما على تباين البيانات، وأخطاء القياس المعيارية، ومصفوفات الارتباط، وقرارات اختبار الفرضيات. سننطلق في هذا التحليل من التأصيل المنهجي لظاهرة الفقد الإحصائي، مروراً بالتشريح التفصيلي لآليات الحساب، وصولاً إلى بناء مصفوفة معايير عملية وشجرة قرار واضحة تُمكّن الباحثين في ميادين العلوم الاجتماعية، والطبية، وعلوم البيانات التطبيقية من الاختيار الرشيد والمبني على البراهين بين بساطة المتوسط التقديرية وتماسك الانحدار التنبؤي.
1. مقدمة تأصيلية: إشكالية البيانات المفقودة وموقع تقنيات التعويض الفردي
1.1 توصيف مشكلة القيم المفقودة في التحليل الإحصائي وتنقيب البيانات
تشكل الفجوات البيانية الناتجة عن امتناع المستجيبين عن الإجابة، أو تعطل أجهزة القياس، أو انقطاع المتابعة في الدراسات الطولية تحدياً هيكلياً يمس جوهر النزاهة الاستدلالية لأي تحليل كمي. عندما تفقد المشاهدات بصورة جزئية، فإن الخطر لا يقتصر على مجرد انخفاض حجم العينة الإجمالي، بل يمتد مباشرة إلى تقويض الكفاءة الرياضية للتقديرات وتوليد تقديرات متحيزة لمعالم المجتمع الأصلي (Population Parameters). يؤدي فقدان البيانات إلى إضعاف قوة الاختبارات الإحصائية (Statistical Power)، مما يجعل النماذج عاجزة عن رصد الفروق الحقيقية أو العلاقات الجوهرية، فضلاً عن تشويه الأداء التنبؤي لخوارزميات تعلم الآلة التي تفترض في معظم خوارزمياتها الكلاسيكية اكتمال مصفوفة السمات الحسابية.
لفهم الأبعاد النظرية لهذه الأزمة، رسخ الإحصائي دونالد روبين تصنيفاً معيارياً لآليات الفقد يرتكز على ثلاث فرضيات متباينة تحكم طبيعة الارتباط بين احتمالية الغياب والقيم المسجلة أو غير المسجلة. النمط الأول هو “المفقود تماماً عشوائياً” (Missing Completely at Random – MCAR)، وفيه تكون احتمالية فقدان القيمة مستقلة تماماً عن قيمة المتغير ذاته، ومستقلة كذلك عن قيم جميع المتغيرات الأخرى في مصفوفة البيانات؛ أي أن الحالات المكتملة تشكل عينة عشوائية بسيطة وممثلة تماماً للعينة الأصلية. النمط الثاني هو “المفقود عشوائياً” (Missing at Random – MAR)، وهو المصطلح الأكثر خضوعاً لسوء الفهم، إذ لا يعني العشوائية المطلقة، بل يشير إلى أن احتمالية الفقدان ترتبط فقط بالمتغيرات المرصودة والمكتملة في التحليل، ولكنها غير مشروطة أو مرتبطة بالقيمة الحقيقية للبيانات المفقودة نفسها بمجرد ضبط المتغيرات الأخرى والتنبؤ بالغياب بناء عليها، كما هو الحال في تتبع معدلات الالتزام والمتابعة في التجارب والتدخلات النفسية والطبية عبر الفضاء الرقمي (Christensen et al., 2009).
أما النمط الثالث والأشد تعقيداً فهو “المفقود غير العشوائي” (Missing Not at Random – MNAR)، وفيه تعتمد احتمالية الفقدان اعتماداً مباشراً على القيمة المجهولة ذاتها حتى بعد السيطرة الإحصائية على كافة المتغيرات المرصودة؛ ومثاله التقليدي تحرج ذوي الدخول المرتفعة جداً أو المنخفضة جداً عن الإفصاح عن دخلهم الحقيقي، أو إخفاق الأفراد في استكمال التقييمات السريرية بسبب تدهور حالتهم المرضية بصورة حادة تمنعهم من المشاركة (Karyotaki et al., 2021). أمام هذه الآليات، يجد الباحث نفسه أمام خيارين إجرائيين رئيسيين: أساليب الحذف أو أساليب التعويض. يتضمن الحذف إما استبعاد الحالة بالكامل بمجرد وجود قيمة مفقودة واحدة في أي من متغيراتها (Listwise Deletion / Complete Case Analysis)، مما يؤدي إلى استنزاف هائل في درجات الحرية وتشويه المجتمع المدروس إن لم يتحقق فرض MCAR بصرامة؛ أو الحذف الجزئي الزوجي (Pairwise Deletion) الذي يحسب كل معامل استناداً للحالات المكتملة لزوج المتغيرات المعني، وهو مسار يفرز مصفوفات ارتباط غير متسقة رياضياً قد تؤدي إلى مصفوفات تباين وتغاير غير موجبة التعريف (Non-positive definite matrices). ومن هنا نشأت الحاجة الملحة لأساليب التعويض الإحصائي (Imputation Techniques) كبديل يهدف إلى ترميم النقص مع الحفاظ على الهيكل العام للعينة.
1.2 التعريف الموجز بأسلوبي التعويض بالمتوسط والتعويض بالانحدار ومبررات المقارنة
ضمن طيف خيارات التعويض، يقف “التعويض بالمتوسط” (Mean Imputation) كأقدم الحلول الحسابية وأكثرها بديهية في تاريخ المعالجة الإحصائية. يعتمد هذا الإجراء على حساب المتوسط الحسابي البسيط لكافة المشاهدات المكتملة لمتغير كمي معين، ثم إسناد هذه القيمة الثابتة الواحدة إلى جميع الخلايا الشاغرة في ذلك المتغير تحديداً دون أي تمييز بين خصائص الأفراد الذين فقدت بياناتهم. يمثل هذا المنحى استجابة موجهة لحفظ النزعة المركزية للمتغير في صورتها الخام، دون أي محاولة لقراءة السياق الخارجي للمفردة الإحصائية أو الاستفادة من المعلومات الكامنة في المتغيرات المصاحبة. إنه حل أحادي البعد (Univariate) يتعامل مع كل عمود بياني بمعزل مطلق عن باقي أعمدة المصفوفة، مدفوعاً بفرضية ضمنية تبسط الواقع إلى أقصى حد ممكن.
في المقابل التام، يبرز “التعويض بالانحدار” (Regression Imputation) كحل استدلالي تنبؤي متعدد المتغيرات (Multivariate)، ينقل تركيز المعالجة من مجرد الحساب الوصفي إلى النمذجة الرياضية السببية والارتباطية. في هذا الإجراء، يتم تحويل المتغير الحاوي للقيم المفقودة إلى “متغير تابع” (Dependent Variable)، بينما تُوظف المتغيرات المكتملة الأخرى كـ “متغيرات تنبؤية مستقلة” (Predictor Variables). يتم تقدير معاملات نموذج الانحدار باستخدام الحالات المكتملة فقط، ثم تُعوض قيم المتغيرات المستقلة للأفراد ذوي البيانات المفقودة في المعادلة التقديرية لاستخراج القيمة المتوقعة شرطياً (Conditional Expectation) لكل فرد على حدة. وبناءً على ذلك، لا يحصل الأفراد على قيمة متطابقة كما في التعويض بالمتوسط، بل تعكس القيمة المعوضة الخصائص الفردية والتركيبية المميزة لكل حالة بناءً على موقعها ضمن شبكة العلاقات الإحصائية.
تنبع مبررات المقارنة الصارمة بين هذين الأسلوبين من تكرار ورودهما كنقاط مرجعية في الأدبيات المنهجية التطبيقية، والتنافس الدائم بينهما في التطبيقات الأولية ومشاريع علوم البيانات المبتدئة. يميل العديد من الممارسين إلى اختيار المتوسط بدافع السهولة المطلقة وغياب تكاليف النمذجة، متجاهلين الثمن الباهظ الذي تدفعه البنية التوزيعية للمتغير جراء هذا الخيار. في الوقت نفسه، يُروج للتعويض بالانحدار كترقية علمية فائقة التطور تحافظ على الهيكل العام، غير أن هذه الترقية محفوفة بمزالق إحصائية دقيقة ترتبط بتضخيم العلاقات الخطية وتجاهل تباين البواقي إن طُبقت في نسختها الحتمية البسيطة. إن المقارنة المنهجية بينهما ليست مجرد استعراض لخوارزميتين حسابيتين، بل هي تفكيك لفلسفتين في التعامل مع البيانات: فلسفة تعتمد على الثبات المركزي المحض، وفلسفة ترتكز على التنبؤ الشرطي القائم على بنية التغاير.
2. التعويض بالمتوسط (Mean Imputation): الإطار النظري والتطبيقي
2.1 المفهوم الرياضي وآلية العمل الإجرائية
ينطلق الإطار الرياضي للتعويض بالمتوسط غير المشروط (Unconditional Mean Imputation) من مبدأ التعويض بقيمة نقطية متماثلة مستمدة حصرياً من عينة الحالات المكتملة. إذا افترضنا متغيراً كمياً عشوائياً مستمراً نرمز له بالرمز $Y$، مقاساً على عينة إجمالية حجمها $N$، حيث تتوفر قيم حقيقية لهذا المتغير لعدد $n_{obs}$ من المشاهدات (حيث تمثل الحالات المرصودة)، بينما تغيب القيم لدى عدد $n_{mis}$ من المشاهدات (حيث $N = n_{obs} + n_{mis}$). في الخطوة الأولى، تُحسب القيمة المتوقعة للعينة المرصودة عبر المتوسط الحسابي الكلاسيكي:
$\bar{Y}_{obs} = \frac{1}{n_{obs}} \sum_{i=1}^{n_{obs}} Y_i$
عقب هذه الخطوة المباشرة، تتحدد آلية العمل الإجرائية بإسناد ناتج هذه المعادلة ($\bar{Y}_{obs}$) إلى كل مفردة $j$ تنتمي إلى مجموعة الحالات المفقودة، بحيث تصبح القيمة المعوضة مساوية تماماً للمتوسط: $\hat{Y}_j = \bar{Y}_{obs}$ لجميع قيم $j in {1, 2, dots, n_{mis}}$. تتسم هذه العملية بقطعية تامة، حيث تتلاشى أي فروق فردية كامنة بين المفردات المفقودة، وتُجبر جميعها على التمركز الحسابي في النقطة ذاتها.
يتفرع عن هذا المفهوم نمط آخر يُعرف بالتعويض بالمتوسط المشروط بالفئات أو الطبقات (Group-based / Conditional Mean Imputation). في هذا النمط، لا يُحسب المتوسط على مستوى العينة الكلية ككتلة صماء واحدة، بل تُقسم البيانات إلى فئات فرعية استناداً إلى متغير تصنيفي مكتمل (مثل النوع الاجتماعي، أو الفئة العمرية، أو المستوى التعليمي). يُحسب بعد ذلك المتوسط الحسابي الخاص بكل فئة فرعية على حدة، وتُعوض القيم المفقودة داخل كل فئة بالمتوسط الخاص بفئتها فقط. ورغم أن هذا التعديل يمنح العملية مرونة طفيفة عبر إدخال شرط تصنيفي، إلا أنه يظل من الناحية الهيكلية تعويضاً بمتوسط مجزأ يعاني من ذات القيود المفاهيمية للأسلوب العام.
يكمن الافتراض الجوهري والحاسم الذي يشترطه التعويض بالمتوسط لضمان عدم توليد تقديرات متحيزة للمتوسط في فرضية البيانات المفقودة تماماً عشوائياً (MCAR). بموجب هذا الفرض الصارم، يجب أن تكون احتمالية فقدان أي قيمة غير مرتبطة بخصائص المستجيب ولا بأي متغير آخر في الدراسة. فإذا كان هناك أي انحياز نظامي يقف وراء آلية الغياب، كأن يكون كبار السن هم الأكثر ميلاً لعدم الإفصاح عن استخدام التكنولوجيا، فإن المتوسط المحسوب من العينة المكتملة ($\bar{Y}_{obs}$) لن يمثل على الإطلاق متوسط المجتمع الأصلي ($\mu_Y$)، وسيترتب على تعويض هذا المتوسط المشوه نقل التحيز بصورة دائمة وثابتة إلى مصفوفة البيانات النهائية المعدة للتحليل.
2.2 المزايا التشغيلية والسرعة الحسابية
تحظى تقنية التعويض بالمتوسط بشعبية واسعة في البيئات التطبيقية السريعة ومختبرات البيانات الأولية بفضل مجموعة من الخصائص التشغيلية التي تجعلها الخيار الأقل تكلفة من الناحية الهندسية والبرمجية. تتصدر هذه المزايا سهولة التنفيذ البرمجي وانعدام التعقيد الحسابي؛ إذ لا تتطلب العملية سوى استدعاء دالة اختزال بسيطة ذات تعقيد زمني من الرتبة الخطية $O(N)$ لحساب المجموع وقسمته على العدد، دون الحاجة إلى تشغيل خوارزميات الاستمثال التكراري (Iterative Optimization Algorithms)، أو مصفوفات الانعكاس المعقدة، أو استهلاك سعة معالجة مركزية (CPU) أو ذاكرة وصول عشوائي (RAM) مرتفعة. يتيح ذلك معالجة جداول عملاقة تضم مئات الملايين من السجلات في أجزاء من الثانية، وهو ما يفسر استمرار تضمينها كخيار افتراضي أولي في حزم البرمجيات الإحصائية الشهيرة ومكتبات معالجة البيانات.
تتمثل المزية المنهجية المباشرة للتعويض بالمتوسط مقارنة بإجراءات الحذف الكامل في الحفاظ على الحجم الكلي للعينة ($N$). يضمن ملء الخلايا الفارغة بقيم عددية عدم إسقاط أي صف من مصفوفة التحليل عند الانتقال إلى نماذج إحصائية لاحقة، مما يحول دون التناقص الكارثي في درجات الحرية (Degrees of Freedom) الذي قد يحدث عند تطبيق الحذف على استبانات طويلة تضم متغيرات كثيرة يتوزع الفقد بينها بنسب صغيرة مبعثرة، كما يحدث في الدراسات الاستقصائية الواسعة للقيم الإنسانية أو الدافعية التنظيمية عبر الثقافات المتعددة (Schwartz et al., 2012; Gagné et al., 2014). يسمح الحفاظ على درجات الحرية من حيث المبدأ باستبقاء القوة الاسمية لحجم العينة لتنفيذ الاختبارات الإحصائية متعددة الأبعاد.
علاوة على ذلك، يتميز التعويض بالمتوسط بخاصية حسابية فريدة ومحددة: إن المتوسط الحسابي العام للمتغير بعد إجراء التعويض يظل مطابقاً تماماً وبدقة متناهية للمتوسط الحسابي للبيانات المرصودة قبل التعويض. يتضح ذلك رياضياً من خلال المعادلة:
$\bar{Y}_{post} = \frac{1}{N} \left( \sum_{i=1}^{n_{obs}} Y_i + \sum_{j=1}^{n_{mis}} \bar{Y}_{obs} \right) = \frac{1}{N} \left( n_{obs} \bar{Y}_{obs} + n_{mis} \bar{Y}_{obs} \right) = \frac{N \bar{Y}_{obs}}{N} = \bar{Y}_{obs}$
تعني هذه النتيجة الرياضية الحتمية أن الباحث يضمن عدم انزياح أو انحراف القيمة المتوقعة الخطية الأولى للمتغير جراء عملية المعالجة، شريطة أن يكون هدفه الوصفي ينحصر فقط في الحفاظ على استقرار مقياس النزعة المركزية الأولي للعينة، دون الاكتراث بباقي الخصائص التوزيعية الهامة.
2.3 العيوب الهيكلية والآثار الجانبية على البنية الإحصائية
على الرغم من الجاذبية البراغماتية للمزايا التشغيلية سالفة الذكر، إلا أن التعويض بالمتوسط يحمل في طياته عيوباً هيكلية مدمجة تصيب البنية الإحصائية للبيانات بتشوهات فادحة تجعل الاعتماد عليه في الاستدلال المتقدم ممارسة غير مقبولة منهجياً. يكمن العيب الأبرز في “التقليص الاصطناعي لتباين المتغير” (Artificial Underestimation of Variance). عندما يُعوض عدد كبير من القيم المفقودة بقيمة واحدة ثابتة تطابق تماماً مركز التوزيع، تصبح فروق هذه القيم المعوضة عن المتوسط مساوية للصفر بالضرورة ($(Y_j – \bar{Y}_{post})^2 = 0$). وبالتالي، فإن بسط معادلة التباين (مجموع مربعات الانحرافات) لا يتغير على الإطلاق عما كان عليه في العينة المكتملة الجزئية، في حين يزداد المقام من $(n_{obs} – 1)$ إلى $(N – 1)$. وتكون النتيجة الرياضية المباشرة أن تباين ما بعد التعويض ينكمش حتماً وفق الصيغة:
$s^2_{post} = \frac{n_{obs} – 1}{N – 1} s^2_{obs}$
يؤدي هذا الانكماش القسري إلى ضغط التوزيع نحو المركز، مما يولد قمة حادة غير طبيعية في منحنى التوزيع، مما يشوه التفرطح (Kurtosis) ويحول التوزيع الطبيعي المتجانس إلى توزيع مفرط التفرطح (Leptokurtic). يتسبب هذا التشويه في إخفاء التباين البيولوجي أو النفسي أو الاقتصادي الأصيل الكامن في العينة.
يترتب على تقليص التباين أثر جانبي أشد خطورة يتمثل في تضخيم معدل الخطأ من النوع الأول (Type I Error Rate) في كافة اختبارات الدلالة الإحصائية اللاحقة. إن انخفاض التباين المحسوب يقود تلقائياً إلى انخفاض مصطنع في الخطأ المعياري (Standard Error) لتقدير المتوسط، والمحسوب بالصيغة:
$SE(\bar{Y}) = \frac{s}{\sqrt{N}}$
حيث أصبح البسط ($s$) أصغر من قيمته الواقعية، بينما أصبح المقام ($\sqrt{N}$) أكبر حجماً بفعل إيهام النموذج بزيادة حجم العينة الفعلي. هذا الخطأ المعياري المنكمش زوراً يؤدي إلى تضييق فترات الثقة (Confidence Intervals) بصورة مصطنعة، ورفع قيم الاختبارات الإحصائية مثل اختبار “ت” ($t$-test) واختبار “ف” ($F$-test) في تحليل التباين، مما يدفع الباحث إلى رفض الفرضية الصفرية وقبول وجود فروق جوهرية وهمية لا وجود لها في الحقيقة، وهو انتهاك منهجي صارم لمبادئ الاستدلال العلمي الرصين.
أما على صعيد العلاقات البينية، فإن التعويض بالمتوسط يتسبب في ظاهرة “تثبيط الارتباط” (Correlation Attenuation) وتشويش مصفوفة التغاير. عند إسناد قيمة ثابتة ($\bar{Y}$) لجميع المفقودين في المتغير $Y$، فإن تلك القيم المعوضة تقترن بالقيم المتباينة للمتغيرات الأخرى المكتملة $X_i$ لدى أولئك الأفراد. وبما أن انحراف $Y$ عن متوسطه لتلك الحالات يساوي صفراً، فإن مساهمتها في حساب التغاير (Covariance) بين $X$ و $Y$ ستكون صفراً مطلقاً:
$(X_i – \bar{X})(Y_j – \bar{Y}) = (X_i – \bar{X})(0) = 0$
وبالتالي، يظل مجموع نواتج الانحرافات ثابتاً كما كان في العينة الجزئية، بينما يتضخم المقام عند حساب معامل ارتباط بيرسون ($r_{XY}$) بفعل زيادة أحجام العينات، مما يدفع معامل الارتباط دفعاً باتجاه الصفر. يؤدي هذا الخلل إلى تبديد العلاقات الإحصائية الحقيقية بين المتغيرات، ويقوض أي تحليل بعدي متعدد المتغيرات مثل الانحدار الخطي المتعدد، أو التحليل العاملي، أو نمذجة الشبكات الارتباطية الدقيقة (Epskamp & Fried, 2018).
3. التعويض بالانحدار (Regression Imputation): الإطار النظري والتطبيقي
3.1 الأسس الرياضية والنماذج التنبؤية المستخدمة
يمثل التعويض بالانحدار (Regression Imputation) منهجية نمذجة شرطية ترتقي بمعالجة البيانات المفقودة من النطاق الوصفي الأحادي إلى الفضاء التنبؤي متعدد الأبعاد. تستند هذه التقنية إلى فرضية إبستمولوجية مؤداها أن القيم المفقودة ليست كيانات معزولة، بل تترك ظلالاً وانعكاسات على المتغيرات المرصودة الأخرى المقاسة على ذات الوحدة الإحصائية. رياضياً، يُفصل المتغير الذي يحوي الفواقد، ونرمز له بالرمز $Y$, ليكون هو المتغير التابع أو الهدف (Target/Dependent Variable)، في حين تُحدد مجموعة من المتغيرات المكتملة (أو التي عُولجت فواقدها سابقاً) $X_1, X_2, dots, X_p$ لتشكل مصفوفة المتنبئات المستقلة $X$. في المرحلة الأولى، يُبنى نموذج الانحدار الخطي المتعدد الكلاسيكي استناداً حصرياً إلى الحالات المرصودة بالكامل ($n_{obs}$):
$Y_i = \beta_0 + \sum_{k=1}^p \beta_k X_{ik} + \epsilon_i \quad \text{حيث} \quad i in {1, 2, dots, n_{obs}}$
باستخدام أسلوب المربعات الصغرى العادية (Ordinary Least Squares – OLS)، يتم تقدير متجهات المعاملات الانحدارية $\hat{\beta} = (\hat{\beta}_0, \hat{\beta}_1, dots, \hat{\beta}_p)^T$ من خلال حل المعادلة المصفوفية المعيارية:
$\hat{\beta} = (X_{obs}^T X_{obs})^{-1} X_{obs}^T Y_{obs}$
بمجرد معايرة النموذج والحصول على الأوزان التنبؤية، يتم الانتقال إلى المرحلة الإجرائية الثانية، حيث تُعوض القيم المرصودة للمتغيرات المستقلة لدى الأفراد الذين يمتلكون بيانات مفقودة في المتغير $Y$ (أي $j in {1, 2, dots, n_{mis}}$) داخل المعادلة التقديرية المشتقة. وبذلك، تُحسب القيمة التعويضية كقيمة متوقعة شرطياً (Conditional Mean):
$\hat{Y}_j = \hat{\beta}_0 + \sum_{k=1}^p \hat{\beta}_k X_{jk}$
لا تتوقف هذه المنهجية عند حدود الانحدار الخطي للمتغيرات المستمرة؛ إذ تتيح المرونة الرياضية للنموذج استبداله بنماذج الانحدار الخطي المعمم (Generalized Linear Models – GLM). فإذا كان المتغير المفقود تصنيفياً ثنائياً (Binary Categorical)، يُستخدم نموذج الانحدار اللوجستي (Logistic Regression) لحساب الاحتمالية الشرطية لوقوع الحدث ثم إسناد الفئة ذات الاحتمالية الأعلى، أو استخدام الانحدار متعدد الحدود (Multinomial Regression) في حالة المتغيرات الفئوية الاسمية المتعددة، أو انحدار بواسون للمتغيرات التعدادية المتقطعة.
تتمثل القوة النظرية العظمى للتعويض بالانحدار في استناده الراسخ إلى فرضية البيانات المفقودة عشوائياً (MAR). فبينما ينهار التعويض بالمتوسط إذا لم يتحقق شرط MCAR بالغ الصعوبة، يمتلك التعويض بالانحدار القدرة على إنتاج تقديرات غير متحيزة إحصائياً حتى لو ارتبطت آلية الغياب بالمتغيرات المستقلة المكتملة في التحليل. إن استغلال بنية التباين والتغاير بين المتغيرات التنبؤية والمتغير الهدف يُمكّن النموذج من تعديل القيمة التعويضية تلقائياً بما ينسجم مع الملف التعريفي الخاص بكل مستجيب، وهو ما يعكس استجابة حركية غائبة تماماً عن أساليب التعويض الثابتة.
3.2 الأنماط الفرعية: التعويض الحتمي مقابل التعويض العشوائي بالانحدار
ينقسم التعويض بالانحدار إلى مسارين إجرائيين جوهريين يترتب على التمييز بينهما نتائج إحصائية متباينة للغاية: التعويض الحتمي (Deterministic Regression Imputation) والتعويض العشوائي (Stochastic Regression Imputation). في النمط الحتمي، وهو الأسلوب الافتراضي الأكثر شيوعاً، يُسند الناتج الحسابي الدقيق لمعادلة الانحدار ($\hat{Y}_j$) مباشرة إلى القيمة المفقودة دون أي إضافة. يترتب على هذا الإجراء سقوط كافة القيم المعوضة بصورة صارمة ومثالية فوق مستوى أو خط الانحدار الفائق (Regression Hyperplane). هذا التموضع الهندسي الصارم يجرّد القيم المعوضة من أي تباعد طبيعي عن خط الاتجاه العام، معاملاً التنبؤ وكأنه حقيقة مطلقة خالية من أي عدم يقين.
تكمن الكارثة المنهجية الكبرى في التعويض الحتمي في أنه، ورغم حفاظه النسبي على انحدار المتغيرات، يفرط في تضخيم الارتباطات بين المتغير التابع والمتغيرات المستقلة بما يفوق واقعيتها الطبيعية، كما أنه يمارس تقليصاً اصطناعياً لتباين بواقي النموذج ذاته. ولتجاوز هذه المعضلة الحادة، تم ابتكار “التعويض العشوائي بالانحدار” (Stochastic Regression Imputation)، والذي يُعد نقلة فارقة في تصحيح التوزيعات. لا يكتفي هذا الأسلوب بحساب القيمة المتوقعة الشرطية $\hat{Y}_j$، بل يعمد إلى إعادة حقن وتوليد المكون العشوائي الطبيعي للبيانات عبر إضافة “حد خطأ عشوائي” أو باقي تقديري ($e_j$) مستمد من التوزيع التقديري لبواقي النموذج الأصلي:
$\hat{Y}_{j(\text{stochastic})} = \hat{\beta}_0 + \sum_{k=1}^p \hat{\beta}_k X_{jk} + e_j$
حيث يتم سحب الخطأ العشوائي $e_j$ عشوائياً من توزيع طبيعي متوسطه صفر وتباينه يساوي تباين البواقي المتبقية من تحليل المربعات الصغرى للعينة المكتملة:
$e_j \sim \mathcal{N}(0, \hat{\sigma}^2_e) \quad \text{حيث} \quad \hat{\sigma}^2_e = \frac{\sum_{i=1}^{n_{obs}} (Y_i – \hat{Y}_i)^2}{n_{obs} – p – 1}$
يلعب هذا المكون العشوائي دوراً تصحيحياً محورياً في البنية التوزيعية؛ إذ يؤدي بعثرة النقاط المعوضة حول خط الانحدار بالقدر الإحصائي الصحيح المطابق للظاهرة الأصلية إلى استعادة التباين الكلي الطبيعي للمتغير ($s^2_Y$) وتفادي التراكم الشاذ على خط التنبؤ، فضلاً عن منع التضخيم الزائف لقوة معامل الارتباط، مما يجعله الجسر المنهجي والمنطقي الأساسي الذي مهد لاحقاً لظهور خوارزميات التعويض المتعدد المتطورة.
3.3 المزايا المنهجية والمثالب الإحصائية والقيود
يوفر التعويض بالانحدار حزمة من المزايا المنهجية التي تضعه في مرتبة متقدمة على أساليب النزعة المركزية البسيطة. الميزة الكبرى تتجسد في قدرته الفائقة على الحفاظ على شبكة العلاقات الارتباطية ومصفوفة التباين والتغاير بين المتغيرات المدروسة، شريطة تضمين كافة المتغيرات ذات الصلة داخل النموذج التنبؤي. وبما أن كل مفردة تحظى بتقدير مشتق من مصفوفة سماتها الذاتية، فإن العلاقات التبادلية بين المتغير التابع والمتغيرات المستقلة تظل مستقرة ومتماسكة، مما يمنع انكماش معاملات الانحدار أو تهاوي الأوزان التفسيرية عند إجراء تحليلات معقدة لاحقة كالنمذجة بالمعادلات البنائية أو فحص المسارات المتعددة في دراسات الصحة النفسية والصدمات المتداخلة (Kessler et al., 2010; Nelson et al., 2016).
ومع ذلك، تكتنف التعويض بالانحدار مثالب إحصائية ومحددات تطبيقية تستوجب حذراً شديداً من قبل الباحثين. يتصدر هذه المثالب الحساسية المفرطة لظاهرة التعددية الخطية (Multicollinearity) بين المتغيرات المستقلة؛ فإذا كانت المتغيرات التنبؤية تعاني من ارتباطات داخلية مرتفعة جداً (تضخم التباين VIF > 10)، فإن معاملات الانحدار ($\hat{\beta}$) تصبح شديدة الهشاشة وغير مستقرة، مما يترتب عليه إنتاج تنبؤات تعويضية بالغة التطرف والتقلب عند حدوث أدنى تذبذب في بيانات العينة المكتملة. كما يعتمد نجاح الأسلوب بأكمله على مدى جودة النموذج الانحداري الأولي؛ فإذا كان النموذج ضعيفاً بقدرة تفسيرية ضئيلة (معامل تحديد متدنٍ جداً $R^2 \approx 0$)، فإن التنبؤات تنحدر في جوهرها لتقترب تماماً من التعويض بالمتوسط، مجردة النموذج من قيمته المضافة ومبقية على مشاق الحساب دون جدوى.
تتمثل إحدى العيوب البصرية والمنطقية الصارمة للتعويض بالانحدار في خطر “التنبؤ خارج النطاق المنطقي للبيانات” (Out-of-Bounds Predictions). نظراً لأن الانحدار الخطي يفترض اتصالاً خطياً يمتد نظرياً من سالب المالانهاية إلى موجب المالانهاية، فإنه لا يمتلك آليات داخلية تقيده بالحدود الفيزيائية أو الإجرائية للمقاييس المقاسة. فقد يسفر النموذج عن التنبؤ بقيم سالبة لمتغيرات يستحيل منطقياً أن تكون سالبة كالدخل، أو العمر، أو عدد أيام الإقامة في المستشفى؛ أو قد يتنبأ بقيم تتجاوز الحد الأقصى للمقاييس المقيدة كأن يقدر درجة قدرها 8 على مقياس ليكرت السباعي الذي يتراوح بين 1 و 7. يتطلب هذا القصور تدخلاً لاحقاً من الباحث لقص الأطراف (Clipping / Truncation)، وهو إجراء ترقيعي قد يُدخل بدوره تشوهات جديدة على شكل الذيل التوزيعي للمتغير.
4. أبرز الفروق الجوهرية بين التعويض بالمتوسط والتعويض بالانحدار
4.1 الأبعاد الرياضية والمنهجية الفاصلة
تنطلق المقارنة المنهجية بين التعويض بالمتوسط والتعويض بالانحدار من فوارق فلسفية ورياضية تحكم كيفية التعامل مع المجهول الإحصائي. البعد الفاصل الأول يتجلى في طبيعة المدخلات: فالتعويض بالمتوسط هو أسلوب أحادي المتغير (Univariate Imputation) محض؛ حيث يعمل المتغير المعزول داخل حدوده المغلقة كمعطى ومستهدف في آن واحد دون أي حاجة للاطلاع على سائر أعمدة مصفوفة البيانات. في المقابل، ينتمي التعويض بالانحدار إلى عائلة الأساليب متعددة المتغيرات (Multivariate Imputation)، حيث تتأسس معالجة أي ثغرة على تفكيك التفاعلات والروابط الهيكلية بين المتغير الهدف وكامل منظومة المتغيرات التنبؤية المتاحة في قاعدة البيانات.
يقود هذا التباين المدخلي إلى اختلاف جذري في طريقة توليد القيمة وإسنادها. فالتعويض بالمتوسط ينتج ما يمكن تسميته بـ “القيمة المصمتة الثابتة”؛ حيث تُعامل جميع المفردات المفقودة ككتلة متطابقة الخصائص وتُمنح ذات الرقم بصورة جامدة بغض النظر عما إذا كانت المفردة تنتمي لشاب أو شيخ، لغني أو فقير. أما التعويض بالانحدار، فيولد قيماً ديناميكية متباينة تعكس التقدير الشرطي الفردي؛ حيث تتحدد القيمة كدالة رياضية في السمات المحددة للمشاهدة. إذا كانت المفردة المفقودة تمتلك قيماً عالية في المتغيرات المستقلة المرتبطة طردياً بالمتغير الهدف، فستحصل على قيمة تعويضية مرتفعة، والعكس صحيح، مما يضمن احترام التنوع الداخلي لعينة البحث.
ينعكس هذا التباين الإجرائي مباشرة على التعقيد الحسابي والموارد البرمجية المستهلكة. فالتعويض بالمتوسط لا يتطلب سوى جمع البيانات وقسمتها، وهو ما يمكن تنفيذه في بيئات حسابية متواضعة وبزمن يقترب من الصفر رياضياً. في المقابل، يتطلب التعويض بالانحدار عمليات جبر خطي متقدمة تشمل تدوير المصفوفات، وضربها، وحساب مقلوب مصفوفة التغاير ($O(p^2 n + p^3)$ حيث $p$ عدد المتغيرات)، إضافة إلى فحص الافتراضات التشخيصية للنموذج كفحص التوزيع الطبيعي للبواقي، وتجانس التباين، وغياب الارتباط الذاتي والتعددية الخطية، مما يجعله إجراءً يتطلب موارد حاسوبية وخبرة تحليلية أعلى بكثير من مجرد استخراج النزعة المركزية.
4.2 الأثر على الخصائص التوزيعية والاستدلال الإحصائي
يتشعب الأثر الإحصائي للأسلوبين ليمس مباشرة استقرار المعالم الاستدلالية الأساسية المتمثلة في التشتت، والخطأ المعياري، والارتباط، وفترات الثقة. ففي حين يتسبب التعويض بالمتوسط في انكماش قسري وكارثي في تباين المتغير وانحرافه المعياري، يُظهر التعويض بالانحدار سلوكاً مزدوجاً يعتمد على نمطه الفرعي: فالانحدار الحتمي يخفض أيضاً تباين المتغير التابع التقديري مقارنة بالواقع لأنه يتجاهل البواقي، لكنه يحافظ على التباين المفسر بواسطة النموذج؛ في حين ينجح التعويض العشوائي بالانحدار في الحفاظ المتوازن والكامل على التباين الإجمالي الأصلي للمجتمع دون أي تقليص يذكر.
أما على صعيد معاملات الارتباط والتغاير البيني، فإن التباين بينهما يبلغ ذروته المنهجية. فالتعويض بالمتوسط، كما أسلفنا، يقود حتماً إلى تآكل معاملات الارتباط وتسطيحها نحو الصفر جراء إدخال أزواج لا تسهم في التغاير ولكنها تضخم حجم العينة، مما قد يؤدي إلى إجهاض فرضيات بحثية حقيقية تتناول شبكات التأثير الاجتماعي والديناميات النفسية كالسعادة أو إيذاء الذات عبر الشبكات المترابطة (Fowler & Christakis, 2008; Taylor et al., 2017). على النقيض من ذلك، يتجه التعويض الحتمي بالانحدار نحو الخطأ المعاكس تماماً، وهو المبالغة في تقدير الارتباط (Overestimation of Correlation) ونفخ قيم معامل التحديد ($R^2$)؛ لأن إجبار النقاط المفقودة على السقوط فوق خط الانحدار يحولها إلى نقاط تطابق مثالي تعزز قوة العلاقة الرياضية بصورة اصطناعية تتجاوز الواقع الطبيعي المشوب بالتشويش المعتاد للظواهر الإنسانية والطبيعية.
يلخص الجدول المنهجي الشامل التالي المقارنة المتكاملة بين الأبعاد الإجرائية والتوزيعية والاستدلالية لكل من التعويض بالمتوسط، والتعويض الحتمي بالانحدار، والتعويض العشوائي بالانحدار، لتقديم رؤية بانورامية واضحة للباحثين:
| البُعد المنهجي والإحصائي | التعويض بالمتوسط (Mean Imputation) | التعويض الحتمي بالانحدار (Deterministic Regression) | التعويض العشوائي بالانحدار (Stochastic Regression) |
|---|---|---|---|
| الآلية الحسابية الأساسية | إسناد المتوسط الحسابي للبيانات المرصودة ($\bar{Y}_{obs}$) لكافة الخلايا المفقودة. | إسناد القيمة التنبؤية الشرطية الناتجة عن خط الانحدار ($\hat{Y} = X\hat{\beta}$) مباشرة. | إسناد القيمة التنبؤية مضافاً إليها حد خطأ عشوائي مسحوب من توزيع البواقي ($\hat{Y} + e$). |
| طبيعة المدخلات ونوع النموذج | أحادي المتغير (Univariate)، يعتمد على عمود بياني واحد بمعزل عن المحيط. | متعدد المتغيرات (Multivariate)، يعتمد على مصفوفة المتنبئات المستقلة المكتملة. | متعدد المتغيرات مع محاكاة عشوائية احتمالية (Multivariate with Residual Simulation). |
| الفرضية الجوهرية لآلية الفقد | المفقود تماماً عشوائياً (MCAR) بدقة متناهية؛ ينهار التحيز في حال غيابها. | المفقود عشوائياً (MAR)؛ شريطة صحة توصيف النموذج الانحداري المستند للمتغيرات المرصودة. | المفقود عشوائياً (MAR)؛ يتطلب نمذجة ملائمة للمتنبئات وتوزيع البواقي. |
| التأثير على تباين المتغير المعوض ($s^2$) | انكماش وتقليص اصطناعي حاد؛ يتناسب حجم الانكماش طردياً مع نسبة البيانات المفقودة. | تقليص جزئي في التباين؛ لفقدان تباين البواقي وتمركز الحالات فوق خط الانحدار تماماً. | حفاظ ممتاز ومطابق على التباين الإجمالي الأصلي؛ بفضل حقن البواقي التقديرية. |
| التأثير على معاملات الارتباط ($r$) | تثبيط وانكماش حاد نحو الصفر (Correlation Attenuation) مع كافة المتغيرات الأخرى. | تضخيم مفرط ومصطنع للارتباط (Inflation) بين المتغير التابع والمتغيرات التنبؤية. | حفاظ واقعي وغير مشوه على مصفوفة الارتباط والتغاير الأصلية بين كافة المتغيرات. |
| التأثير على الأخطاء المعيارية وفترات الثقة | تضييق مصطنع للغاية في فترات الثقة وتضخيم هائل لمعدلات الخطأ من النوع الأول. | تضييق زائف للأخطاء المعيارية لتقديرات المعالم لغياب التشتت الفردي عن النموذج. | أفضل نسبياً من الحتمي، لكنه يظل يقلل الخطأ المعياري النهائي لكونه تعويضاً مفرداً. |
| أبرز نقاط الضعف والمخاطر الميدانية | تشويه التوزيع الطبيعي، خلق قمم شاذة، وتدمير العلاقات الهيكلية بين المتغيرات. | الحساسية للتعددية الخطية، خطر فرط التخصيص، والتنبؤ بقيم تقع خارج النطاق المقبول. | التعقيد البرمجي الإضافي مقارنة بالمتوسط، واستمرار إغفال ارتياب تقدير معالم الانحدار. |
5. أوجه التشابه ونقاط الالتقاء المنهجي
5.1 السمات العامة كأساليب تعويض فردي قطعي
على الرغم من التباينات العميقة في الجوانب التنبؤية والتوزيعية بين الأسلوبين، إلا أنهما ينتميان نظرياً إلى نفس العائلة المنهجية الكبرى: عائلة “التعويض الفردي” أو “التعويض المفرد” (Single Imputation). يكمن القاسم المشترك الأكبر بينهما في المبدأ الإجرائي القائم على استبدال كل خلية مفقودة بقيمة تقديرية واحدة فقط، لتكتمل مصفوفة البيانات وتُعامل بعد ذلك في كافة التحليلات الإحصائية الموالية كما لو كانت بيانات حقيقية تم جمعها ورصدها ميدانياً بدقة مطلقة، دون أي تفريق شكلي بين الرقم المرصود والرقم المعوض.
يقود هذا المبدأ إلى إخفاق بنيوي مشترك يتجلى في “تجاهل ارتياب التعويض” (Imputation Uncertainty). في الواقع الإحصائي، تظل القيمة المفقودة كياناً مجهولاً محفوفاً بالشك، وأي قيمة تُسند إليها—سواء كانت متوسطاً بسيطاً أو تنبؤاً مشتقاً من أعتى نماذج الانحدار—هي في الحقيقة مجرد تخمين يحمل خطأً معيارياً لا يمكن إنكاره. إن تثبيت قيمة واحدة يحذف هذا المكون من عدم اليقين من معادلات التحليل اللاحقة، مما يخدع خوارزميات الاستدلال في برمجيات مثل SPSS أو R أو SAS، فتقوم بحساب درجات الحرية استناداً إلى الحجم الكلي الاسمي للعينة ($N$)، متناسية أن جزءاً من هذه البيانات لم يكن موجوداً أصلاً، وهو ما يمنح النتائج هالة زائفة من الدقة الإحصائية المطلقة.
يشترك الأسلوبان كذلك في الهدف البراغماتي الأسمى الذي يبرر استخدامهما في مشاريع التطوير والبحوث: الوصول إلى مصفوفة بيانات مكتملة مائة بالمائة تمهيداً للتحليلات متعددة المتغيرات اللاحقة. ترفض العديد من حزم تعلم الآلة الكلاسيكية، ونماذج المعادلات البنائية (SEM)، وتحليلات المكونات الرئيسية (PCA) العمل بوجود قيم مفقودة، وتتوقف خوارزمياتها عن التنفيذ. هنا يلتقي التعويض بالمتوسط والتعويض بالانحدار كأدوات “إسعافية” تسد الفجوات وتسمح بتدفق خط أنابيب المعالجة (Data Pipeline) دون انقطاع، مما يوفر على الباحث عناء كتابة استراتيجيات معقدة للتعامل مع الفواقد في مراحل التجريب الأولي.
5.2 المحددات المشتركة عند الاستدلال النهائي
تشترك التقنيتان في عجز هيكلي واضح عند محاولة تطبيق الاستدلال البارامتري المتقدم لاختبار الفرضيات وتقدير معالم المجتمع الأصلي. يشمل هذا العجز الميل العام المشترك نحو تقليل الخطأ المعياري الحقيقي للمعالم المقدرة. ففي التعويض بالمتوسط، يأتي هذا التقليل نتيجة مباشرة لسحق التباين في المتغير؛ وفي التعويض بالانحدار الحتمي، يأتي نتيجة حشر القيم فوق الخط التنبؤي وإلغاء تشتت البواقي. وحتى في التعويض العشوائي بالانحدار، يظل الخطأ المعياري دون مستواه الحقيقي المستحق؛ لأن عملية التعويض العشوائي تُجرى لمرة واحدة فقط باستخدام قيم ثابتة لمعاملات الانحدار المقدرة ($\hat{\beta}$)، متجاهلة تباين العينة وتذبذب خطأ التقدير لمعالم النموذج الانحداري ذاته.
من ناحية أخرى، يقف الأسلوبان عاجزين ومجردين من أي كفاءة استدلالية عند مواجهة نمط البيانات المفقودة غير العشوائية (MNAR). فإذا كان دافع الغياب مرتبطاً ارتباطاً جوهرياً بالقيمة غير المرصودة نفسها—كأن يرفض المرضى الأكثر اكتئاباً في تجربة دوائية استكمال مقاييس التحسن السريري لشدة معاناتهم (Goodwin et al., 2022)—فإن كلاً من المتوسط والانحدار سينتجان بيانات مضللة حتماً. سيعوض المتوسط قيمة مركزية مستمدة من الفئة الأقل اكتئاباً المستمرة في الدراسة، وسيعوض الانحدار قيمة مبنية على نموذج متحيز تم تدريبه حصراً على الحالات المتبقية المتجانسة، مما يقود إلى تضخيم فاعلية العلاج وإعطاء انطباعات كاذبة عن كفاءة التدخل الطبي أو الاجتماعي.
أخيراً، يتطلب الاستخدام الرصين لكلا الأسلوبين التزاماً صارماً بمرحلة فحص استكشافي وتشخيص بعدي دقيق لا غنى عنه. لا يجوز للباحث بأي حال من الأحوال إغلاق ملف التعويض فور اكتمال المصفوفة؛ بل يتحتم عليه إجراء مقارنات رسومية وإحصائية لتوزيعات المتغيرات قبل التعويض وبعده (عبر المخططات الصندوقية Boxplots ومخططات الكثافة Density Plots)، وفحص معاملات الالتواء والتفرطح، ومراقبة التغيرات الطارئة على مصفوفة التغاير. يضمن هذا الفحص البعدي رصد أي تشوهات دراماتيكية قد تكون حقنتها عملية التعويض خلسة داخل النسيج الهيكلي للبيانات الأصلية.
6. معايير الاختيار والملاءمة التطبيقية: متى يُستخدم كل أسلوب؟
6.1 سياقات تفضيل أو قبول التعويض بالمتوسط
على الرغم من الانتقادات الإحصائية اللاذعة الموجهة للتعويض بالمتوسط، إلا أن هناك سياقات تطبيقية ضيقة يظل فيها هذا الإجراء مقبولاً منهجياً أو مفضلاً من منظور الفاعلية والتكلفة الحسابية. أول هذه السياقات هو انخفاض نسبة البيانات المفقودة إلى حدود دنيا جداً، والتي تتراوح عادة بين أقل من 3% إلى 5% كحد أقصى من إجمالي مشاهدات العينة. عند هذه المعدلات الهامشية المتدنية للغاية، يكون الأثر التقليصي للتباين والأثر المثبط للارتباط محدوداً للغاية ويكاد لا يمتلك أي وزن نوعي يذكر في تغيير مخرجات اختبارات الدلالة الإحصائية أو معالم النماذج النهائية؛ إذ إن النسبة الساحقة من العينة (95% فأكثر) تظل سليمة ومحتفظة بخصائصها التوزيعية الأصيلة دون أي تلاعب.
يتأكد قبول التعويض بالمتوسط في الحالة المنهجية التي تكشف فيها مصفوفة الارتباط الاستكشافية عن انعدام تام لأي علاقات ارتباطية ذات دلالة إحصائية بين المتغير الذي يحوي القيم المفقودة وسائر المتغيرات الأخرى في قاعدة البيانات ($r \approx 0$ و $R^2 \approx 0$). في هذه الحالة المعزولة إحصائياً، يفقد التعويض بالانحدار كل مسوغاته المنطقية؛ إذ إن محاولة بناء نموذج انحداري في ظل غياب التنبؤ لن تسفر سوى عن معاملات انحدارية تقترب من الصفر، لتنتهي المعادلة بإعادة إنتاج المتوسط الحسابي نفسه مع استهلاك جهد حاسوبي لا طائل منه. وبالتالي، يصبح اللجوء المباشر للمتوسط خياراً عقلانياً ومباشراً يفي بالغرض دون مواربة.
إضافة إلى ذلك، يبرز التعويض بالمتوسط كأداة براغماتية مرحب بها في المراحل الاستكشافية المبكرة لمشاريع معالجة البيانات الضخمة (Big Data Streaming)، والنماذج التجريبية الأولية السريعة (Prototyping)، وخطوط المعالجة المستمرة فائقة السرعة التي تتطلب اتخاذ قرارات تصنيفية لحظية لا تحتمل التأخير الزمني الناتج عن حساب معادلات الانحدار المصفوفية. كما يُقبل المتوسط في السياقات التي تقتصر فيها متطلبات النموذج النهائي على تحليل مؤشرات مركزية عامة دون الحاجة لتقدير التباين، أو في خوارزميات تعلم الآلة القوية المعتمدة على الأشجار التجميعية (مثل خوارزميات Random Forest أو Gradient Boosting) التي تتميز بقدرة ذاتية على مقاومة تشوهات التباين الفردي في السمات المستقلة إلى حد معقول.
6.2 سياقات وجوب الاعتماد على التعويض بالانحدار
في الطرف المقابل، يتحول الاعتماد على التعويض بالانحدار من مجرد خيار مفضل إلى واجب منهجي صارم في حزمة واسعة من الظروف البحثية والتحليلية المتقدمة. يتصدر هذه السياقات وجود علاقات ارتباطية خطية قوية أو متوسطة ($r > 0.40$ و $R^2 > 0.20$) بين المتغير الهدف الحاوي للغياب ومجموعة من المتغيرات التنبؤية المكتملة في العينة. في ظل هذه البنية الارتباطية الواضحة، يُعد تجاهل تلك الروابط واللجوء للمتوسط إهداراً فادحاً للمعلومات الاستدلالية المتاحة وجريمة منهجية تؤدي إلى تدمير مصفوفة التغاير؛ في حين يسمح الانحدار باستثمار هذه المنظومة لاستعادة القيم الغائبة بأعلى قدر ممكن من الموثوقية التنبؤية.
تتعاظم ضرورة الانحدار في الأبحاث والدراسات الميدانية التي تتعامل مع ظاهرة الفقد العشوائي (MAR) كافتراض تشغيلي أساسي، وهي الحالة الغالبة في المسوح الديموغرافية والاجتماعية والطبية الكبرى. فإذا كان فقدان بيانات الدخل يرتبط بالتعليم والوظيفة والعمر، فإن الانحدار يمتلك الآلية الرياضية لضبط هذا الانحراف عبر موازنة التنبؤ بالسمات المكتملة لكل مستجيب، مما يحمي التقديرات من التحيز النظامي الكارثي الذي يفرضه المتوسط غير المشروط. يضمن ذلك احترام الفروق البينية وتسكين كل مفردة في موقعها الطبيعي المتناسق مع مستواها الاجتماعي أو حالتها الصحية المقاسة.
يغدو التعويض بالانحدار (خاصة في نسخته العشوائية) متطلباً لا غنى عنه في الدراسات الإحصائية المتقدمة التي تشكل مصفوفة التغاير والارتباط المدخل المحوري والوحيد لحساباتها اللاحقة. يبرز ذلك بوضوح في تحليلات النمذجة بالمعادلات البنائية (Structural Equation Modeling – SEM)، والتحليل العاملي التوكيدي (CFA)، وتحليل المسارات (Path Analysis). في هذه النماذج الدقيقة، يؤدي أي تسطيح أو تثبيط في قيم التغاير—كالذي يحدثه المتوسط—إلى تهاوي مؤشرات جودة المطابقة (Goodness of Fit Indices مثل CFI و TLI و RMSEA)، وفشل النموذج الهيكلي بأكمله في التقارب الحسابي (Convergence Failure)، مما يحرم الباحث من التحقق من نظرياته العلمية.
6.3 شجرة القرار المنهجية لاختيار الأسلوب الأنسب
لتسهيل عملية اتخاذ القرار الميداني للباحثين ومحللي البيانات، تم تطوير مسار منطقي متسلسل يمكن صياغته في صورة شجرة قرار منهجية تفاضل بدقة بين البدائل المتاحة بناءً على خصائص البيانات وطبيعة التحليل النهائي. يمكن تلخيص هذه الخطوات الإجرائية في المراحل المترابطة التالية:
- المرحلة الأولى: تقييم آلية الفقد ونسبة الغياب في المتغير:
يقوم الباحث بإجراء اختبار ليتل للمفقود تماماً عشوائياً (Little’s MCAR Test). إذا كانت نسبة الفقد متناهية الصغر (أقل من 3%) وثبت تحقق فرض MCAR، فإن التعويض بالمتوسط يعتبر خياراً كافياً ومقبولاً توفيراً للموارد الحسابية. أما إذا تجاوزت النسبة 5% إلى 20%، فيجب الانتقال فوراً للمرحلة التالية لاستبعاد المتوسط كلياً. وفي حال الشك بوجود نمط MNAR، يجب التوقف والتحول نحو نماذج الاختيار (Selection Models) أو نماذج خليط الأنماط (Pattern-Mixture Models). - المرحلة الثانية: فحص مصفوفة الارتباط والقوة التنبؤية للمتغيرات المساندة:
يتم استخراج مصفوفة معاملات الارتباط بين المتغير المفقود والمتغيرات المكتملة. إذا أظهر الفحص غياباً تاماً لأي ارتباطات جوهرية ($R^2 < 0.05$)، يتوقف الباحث عن تطبيق الانحدار لأن النموذج لن يقدم أي إضافة نوعية، ويُفضل هنا التعويض بالمتوسط الحسابي المشروط بالفئات كحل وسيط إن توفرت متغيرات تصنيفية، أو المتوسط العام. أما إذا كشف الفحص عن وجود ارتباطات قوية ومتوسطة ($R^2 ge 0.20$)، يُعتمد التعويض بالانحدار كمسار إلزامي. - المرحلة الثالثة: تحديد طبيعة النمط الانحداري بناءً على الهدف الاستدلالي:
إذا كان الهدف النهائي ينحصر في مهام تنبؤية عامة في تعلم الآلة تهدف لتقليل متوسط مربعات الخطأ (MSE) في السمة ذاتها، يمكن استخدام التعويض الحتمي بالانحدار. أما إذا كان الهدف هو الاستدلال البارامتري، أو اختبار الفرضيات، أو تقدير فترات الثقة، أو التحليل متعدد المتغيرات، فيتعين رفض الأسلوب الحتمي والاعتماد حصراً على التعويض العشوائي بالانحدار لحماية التباين وحفظ استقرار الارتباطات الطبيعية.
7. الأسئلة الشائعة (FAQ)
7.1 هل يمكن تفضيل التعويض بالمتوسط على التعويض بالانحدار في أي سيناريو متقدم؟
نعم، يمكن تفضيل التعويض بالمتوسط في سيناريوهات إحصائية وهندسية متقدمة محددة، رغم أن هذا التفضيل لا ينبع من دقة المتوسط الذاتية، بل من تجنب المخاطر الجسيمة المترتبة على استخدام الانحدار السيئ. يبرز ذلك بوضوح في الحالات التي تعاني فيها مصفوفة البيانات من صغر مفرط في حجم العينة المكتملة المرصودة مقترناً بعدد كبير من المتغيرات المستقلة (مشكلة الأبعاد العالية $p gg n$). في مثل هذه الظروف، يواجه نموذج الانحدار خطر “فرط التخصيص” (Overfitting) الحاد، وتصبح تقديرات المعاملات الانحدارية مشوبة بتشتت هائل وتذبذب فوضوي، مما يجعل التنبؤات التعويضية الناتجة عن الانحدار شاذة ومتطرفة للغاية وتفسد البيانات بشكل أسوأ بكثير من خطأ المتوسط الثابت.
يتأكد هذا التفضيل أيضاً في تطبيقات معالجة التدفقات البيانية الهائلة في الزمن الحقيقي (Real-Time Ultra-High-Speed Streaming Data)، مثل رصد بيانات أجهزة الاستشعار في شبكات إنترنت الأشياء (IoT) أو معالجة المعاملات المالية المليونية اللحظية. في هذه البيئات البرمجية المعقدة، تكون الميزانية الزمنية المخصصة لمعالجة كل سجل مفقود مقيدة بأجزاء من الميلي ثانية، وتصبح تكلفة تشغيل نموذج انحداري لكل استعلام غير مجدية هندسياً واقتصادياً. هنا يوفر التعويض بالمتوسط الثابت حلاً استقرارياً سريعاً يسمح باستمرار تدفق العمليات دون تعريض النظام لخطر الاختناق المعالجاتي، شريطة أن تكون نسبة الفقد ضئيلة ولا تستهدف بناء استدلالات بارامترية حساسة.
7.2 ما هو التعويض العشوائي بالانحدار وكيف يحل أزمة التباين الزائف؟
التعويض العشوائي بالانحدار (Stochastic Regression Imputation) هو تطوير تصحيحي بارع للتعويض الحتمي، صُمم خصيصاً للتغلب على معضلة التقليص الاصطناعي للتباين والتضخيم الزائف للارتباط. تنبع المشكلة الأصلية في الانحدار الحتمي من أن كل قيمة معوضة تُسند بدقة مطلقة على خط أو مستوى الانحدار التنبؤي ($\hat{Y}_i$)، متجاهلة حقيقة أن أي ظاهرة واقعية تتألف من جزء يمكن تفسيره عبر المتنبئات وجزء آخر غير مفسر يمثل العشوائية والاضطراب والتباين الفردي الطبيعي (Natural Variability).
يحل التعويض العشوائي هذه الأزمة من خلال خطوة رياضية إضافية حاسمة: بعد حساب القيمة المتوقعة الشرطية $\hat{Y}_i$، يقوم النظام بسحب قيمة عشوائية مستقلة ($e_i$) من توزيع البواقي المقدر للبيانات المكتملة، وتوليد القيمة النهائية عبر جمعهما معاً ($\hat{Y}_i + e_i$). يؤدي هذا الاضطراب المحقون عمداً إلى زحزحة وبعثرة النقاط المعوضة بعيداً عن خط الانحدار بنفس التشتت الهندسي والتوزيعي للبيانات الحقيقية الأصلية. هذا الإجراء الرياضي البسيط يعيد استعادة تباين المتغير الكلي إلى مستواه الطبيعي المستحق، ويمنع الحالات المعوضة من تكوين تجمع شاذ فوق خط الاتجاه، مما يضمن الحفاظ على معاملات الارتباط في حدودها الواقعية غير المضخمة، ويشكل الجسر المنهجي نحو المحاكاة الاحتمالية الكاملة.
7.3 كيف يتعامل كل من الأسلوبين مع المتغيرات الفئوية والنوعية المفقودة؟
يواجه التعويض بالمتوسط الحسابي عجزاً مفاهيمياً ورياضياً تاماً عند التعامل مع المتغيرات الفئوية والنوعية المفقودة؛ إذ يستحيل رياضياً حساب متوسط لمتغيرات اسمية لا تقبل الترتيب مثل “النوع الاجتماعي”، أو “الحالة الاجتماعية”، أو “الجنسية”، أو “نوع التشخيص الطبي”. في هذه الحالة، يتم استبدال المتوسط بإجراء موازٍ يُعرف بـ “التعويض بالمنوال” (Mode Imputation)، وفيه تُعوض الخلايا المفقودة بالفئة الأكثر تكراراً وشيوعاً بين الحالات المكتملة. غير أن هذا البديل يعاني من ذات المثالب البنيوية للمتوسط؛ إذ يؤدي إلى تضخيم شاذ في الوزن النسبي للفئة الشائعة وتشويه التوزيع التكراري للفئات النادرة، فضلاً عن قطعيته الأحادية التي تتجاهل سياق الحالة.
في المقابل، يُظهر التعويض بالانحدار مرونة فائقة وقدرة استيعابية متقدمة للبيانات النوعية عبر تطويع نماذج الانحدار المعممة (GLM). فإذا كان المتغير المفقود ثنائياً (Binary)، يُطبق “الانحدار اللوجستي الثنائي” (Binary Logistic Regression) لحساب احتمالية انتماء المفردة المفقودة لإحدى الفئتين بناءً على سماتها الأخرى، ثم إسناد الفئة احتماليا أو وفق عتبة القطع (Cutoff Threshold). وإذا كان المتغير متعدد الفئات، يُستخدم “الانحدار اللوجستي متعدد الحدود” (Multinomial Logistic Regression). ومع ذلك، تواجه هذه النماذج تحديات تتعلق بضرورة التحويل والترميز الرقمي (Dummy Coding) للمتغيرات الفئوية المستقلة، مما يرفع عدد المعالم الواجب تقديرها ويتطلب أحجام عينات مكتملة أكبر لتفادي مشاكل الفصل التام (Complete Separation) التي تعطل تقديرات الانحدار اللوجستي.
7.4 لماذا يُوصى غالباً بالتعويض المتعدد (MICE) كبديل متفوق لكلا الأسلوبين؟
يستمد أسلوب التعويض المتعدد بواسطة المعادلات المتسلسلة المترابطة (Multivariate Imputation by Chained Equations – MICE) تفوقه الكاسح في الأوساط الأكاديمية والمجلات العلمية المحكمة من معالجته الجذرية لنقطة الضعف القاتلة المشتركة بين التعويض بالمتوسط والتعويض بالانحدار المفرد: وهي معضلة “التعويض بقيمة وحيدة” وتجاهل ارتياب التقدير (Imputation Uncertainty). لا يكتفي MICE بإنتاج قيمة تعويضية واحدة، بل يقوم بتوليد عدد $m$ من مصفوفات البيانات المكتملة الموازية (تتراوح عادة بين 5 إلى 20 مصفوفة أو أكثر)، حيث تحظى كل مصفوفة بقيم تعويضية مختلفة قليلاً مسحوبة من التوزيعات التنبؤية اللاحقة للنماذج.
تخضع كل مصفوفة من المصفوفات الناتجة للتحليل الإحصائي المستهدف بصورة منفصلة ومتطابقة، وفي الخطوة الختامية، يتم تجميع النتائج ودمجها في تقدير نهائي موحد باستخدام صيغ وقواعد روبين الرياضية (Rubin’s Rules). تتيح هذه الهندسة الاحتمالية تفكيك التباين الإجمالي إلى مكونين متمايزين: التباين داخل مجموعات البيانات المعوضة (Within-imputation Variance) والتباين بين مجموعات البيانات المتعددة (Between-imputation Variance). هذا المكون الأخير يعكس رياضياً مقدار الشك والارتياب الناجم عن حقيقة أن البيانات كانت مفقودة في الأصل، مما يسفر عن أخطاء معيارية وفترات ثقة وقيم دلالة بالغة النزاهة والواقعية، تجعل النتائج خالية من الزيف الاستدلالي ومتوافقة مع أعلى معايير النشر في الدوريات العلمية العالمية الرصينة.
8. خاتمة وخلاصة مقارنة متوازنة
8.1 خلاصة التقييم المنهجي بين البساطة السطحية والدقة الاستدلالية
يقدم التحليل المقارن المستفيض بين التعويض بالمتوسط والتعويض بالانحدار درساً منهجياً عميقاً في المفاضلة الكلاسيكية بين سهولة التشغيل السطحية والأمانة الاستدلالية التوزيعية. يقف التعويض بالمتوسط كحل حسابي أولي شديد الإغراء من زاوية البساطة المباشرة والسرعة الحسابية الفائقة، غير أن هذه المزايا التشغيلية تقابلها تكلفة إحصائية باهظة تتمثل في الانكماش القسري لتباين الظاهرة، وتشويه شكل التوزيع الطبيعي، وتثبيط الارتباطات البينية، وتضخيم الأخطاء من النوع الأول عبر توليد أوهام الدلالة الإحصائية الزائفة؛ مما يجعله قاصراً بشدة عن تلبية متطلبات الاستدلال العلمي المتقدم إلا في أضيق الحدود المتمثلة في نسب الفقد المتدنية للغاية والغياب التام للارتباط.
في المقابل، يمثل التعويض بالانحدار قفزة نوعية في فهم البيانات كنسيج تركيبي مترابط، متجاوزاً الانعزال الأحادي إلى رحاب التنبؤ الشرطي متعدد المتغيرات الذي يستثمر المعلومات الكامنة في مصفوفة التغاير. ينجح هذا الأسلوب—لا سيما في نسخته العشوائية—في حماية شبكة العلاقات الارتباطية، واستعادة التباين الطبيعي، والتعامل الرشيد مع البيانات المفقودة عشوائياً (MAR). ومع ذلك، فإن هذه القوة التنبؤية مشروطة بحساسية مفرطة للتعددية الخطية، وخطر الانزلاق نحو التنبؤ خارج النطاق المقبول، وتضخيم الارتباط الاصطناعي في نسخته الحتمية، فضلاً عن استمراره ضمن قيود التعويض المفرد التي تتنكر لعدم اليقين التقديري الكامن في عملية ملء البيانات المفقودة.
تؤكد هذه الخلاصة أن الباحث لا يملك رفاهية المفاضلة العشوائية بين الأسلوبين دون استقراء مسبق ودقيق للآليات المولدة للفقد وللهدف النهائي من المشروع التحليلي. إن المعالجة المسؤولة للبيانات المفقودة تتطلب رؤية تفكيكية واعية تحاذر الوقوع في فخ الحلول السريعة الجاهزة، وتدرك أن أي معالجة قسرية لبيانات مجهولة ستترك بصمتها التوزيعية حتماً على كافة الاستنتاجات والقرارات العلمية والسياساتية المترتبة عليها لاحقاً.
8.2 توصيات إرشادية للمحللين والباحثين في علوم البيانات
بناءً على النتائج المنهجية والاستدلالية المفصلة في هذه الدراسة، نضع بين أيدي الباحثين، وعلماء البيانات، والمحللين الإحصائيين حزمة متكاملة من التوصيات الإرشادية الإجرائية لترشيد التعامل مع مشكلة البيانات المفقودة في الممارسات التطبيقية المعاصرة:
- تجنب التعويض بالمتوسط الحسابي في الدراسات الاستدلالية:
يُوصى بالحظر الصارم لاستخدام التعويض بالمتوسط الحسابي غير المشروط كإجراء افتراضي في أي دراسة أكاديمية تستهدف اختبار الفرضيات، أو فحص العلاقات السببية، أو بناء نماذج تنبؤية متعددة الأبعاد، إلا إذا كانت نسبة الغياب هامشية بشكل مطلق (أقل من 3%) وثبت استقلاليتها التامة (MCAR). - تفضيل النسخة العشوائية عند الاضطرار للتعويض بالانحدار المفرد:
في الحالات التي تقتضي فيها البيئة التحليلية استخدام تعويض فردي لمرة واحدة عبر الانحدار، يجب الامتناع التام عن استخدام “التعويض الحتمي” نظراً لمخاطره الكبيرة في تضخيم معاملات الارتباط وسحق تباين البواقي، واستبداله حتماً بـ “التعويض العشوائي بالانحدار” الذي يحقن المكون العشوائي الطبيعي للبواقي للحفاظ على التشتت الأصيل للبيانات. - التشخيص الصارم للافتراضات قبل النمذجة الانحدارية:
يتعين على المحلل قبل الشروع في التعويض بالانحدار فحص مؤشرات تضخم التباين (VIF) لاستبعاد المتغيرات التي تعاني من التعددية الخطية الشديدة، وفحص قوة الارتباط ($R^2$) لضمان الجدوى التنبؤية، مع ضرورة وضع آليات برمجية لاحقة لتقليم أو قص القيم الشاذة الناتجة (Clipping) لضمان عدم تجاوزها للحدود المنطقية والمادية للمتغيرات. - الشفافية الكاملة والتوثيق المنهجي لبروتوكول التعويض:
يتحتم على الباحثين في تقاريرهم وأوراقهم العلمية الإفصاح الدقيق والشفاف عن: النسبة المئوية للمشاهدات المفقودة في كل متغير، التحليلات التشخيصية المستخدمة لتقييم آلية الفقد (MCAR/MAR)، الخوارزمية التعويضية المتبعة مع تفاصيل صياغتها، وإجراء “تحليل حساسية” (Sensitivity Analysis) يقارن بين نتائج العينة الكاملة المحذوفة ونتائج البيانات المعوضة للتأكد من متانة الاستنتاجات. - الارتقاء نحو استراتيجيات التعويض المتعدد والتعلم الآلي الحديث:
يُوصى وبشدة بتبني تقنيات التعويض المتعدد المتطورة كإجراء قياسي مفضل (Gold Standard)، لا سيما حزم (MICE)، أو اللجوء لخوارزميات التعلم الآلي القائمة على أقرب الجيران (KNN Imputation) أو الغابات العشوائية التكرارية (MissForest) عند التعامل مع البيانات فائقة التعقيد وغير الخطية، مع استيفاء متطلبات روبين للاستدلال المجمع، لضمان أعلى درجات النزاهة العلمية والموثوقية الاستدلالية.
المراجع
- Christensen, H. M., Griffiths, K. M., & Farrer, L. M. (2009). Adherence in Internet Interventions for Anxiety and Depression. Journal of Medical Internet Research. https://doi.org/10.2196/jmir.1194
- Epskamp, S., & Fried, E. I. (2018). A tutorial on regularized partial correlation networks. Psychological Methods. https://doi.org/10.1037/met0000167
- Fowler, J. H., & Christakis, N. A. (2008). Dynamic spread of happiness in a large social network: longitudinal analysis over 20 years in the Framingham Heart Study. BMJ. https://doi.org/10.1136/bmj.a2338
- Gagné, M., Forest, J., Vansteenkiste, M., Crevier‐Braud, L., Van den Broeck, A., Aspeli, A. K., et al. (2014). The Multidimensional Work Motivation Scale: Validation evidence in seven languages and nine countries. European Journal of Work and Organizational Psychology. https://doi.org/10.1080/1359432x.2013.877892
- Goodwin, G. M., Aaronson, S. T., Alvarez, O., Arden, P. C., Baker, A., Bennett, J. C., et al. (2022). Single-Dose Psilocybin for a Treatment-Resistant Episode of Major Depression. New England Journal of Medicine. https://doi.org/10.1056/nejmoa2206443
- Karyotaki, E., Efthimiou, O., Miguel, C., Bermpohl, F. M. G., Furukawa, T. A., Cuijpers, P. J., et al. (2021). Internet-Based Cognitive Behavioral Therapy for Depression: A Systematic Review and Individual Patient Data Network Meta-analysis. JAMA Psychiatry. https://doi.org/10.1001/jamapsychiatry.2020.4364
- Kessler, R. C., McLaughlin, K. A., Green, J. G., Gruber, M. J., Sampson, N. A., Zaslavsky, A. M., et al. (2010). Childhood adversities and adult psychopathology in the WHO World Mental Health Surveys. The British Journal of Psychiatry. https://doi.org/10.1192/bjp.bp.110.080499
- Nelson, J., Klumparendt, A., Doebler, P., & Ehring, T. W. (2016). Childhood maltreatment and characteristics of adult depression: Meta-analysis. The British Journal of Psychiatry. https://doi.org/10.1192/bjp.bp.115.180752
- Schwartz, S. H., Cieciuch, J., Vecchione, M., Davidov, E., Fischer, R. D., Beierlein, C., et al. (2012). Refining the theory of basic individual values. Journal of Personality and Social Psychology. https://doi.org/10.1037/a0029393
- Taylor, P. J., Jomar, K., Dhingra, K., Forrester, R. L., Shahmalak, U., & Dickson, J. M. (2017). A meta-analysis of the prevalence of different functions of non-suicidal self-injury. Journal of Affective Disorders. https://doi.org/10.1016/j.jad.2017.11.073