البيانات المفقودة: MCAR مقابل MAR
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 أعتى العقبات المنهجية والإبستمولوجية التي تواجه الباحثين وعلماء البيانات في شتى حقول المعرفة، بدءاً من العلوم الطبية والوبائية وصولاً إلى القياس النفسي والاقتصاد القياسي والتعلم الآلي. فعندما تنقص مصفوفة البيانات عن الاكتمال، لا تتآكل فقط القوة الإحصائية (Statistical Power) للدراسة نتيجة تقلص حجم العينة الفعال، بل ينبثق خطر أشد فداحة يتمثل في تسلل التحيز المنهجي (Systematic Bias) إلى التقديرات النقطية وفترات الثقة، مما قد يفرغ الاستدلال العلمي برمته من مصداقيته ويقود إلى استنتاجات مضللة قد تترتب عليها قرارات علاجية أو سياسات عامة خاطئة.
تاريخياً، كان التعامل مع هذه الظاهرة يتسم بالارتجال والاعتماد على حلول تبسيطية بالغة الضرر، مثل الحذف الشامل للحالات غير المكتملة (Listwise Deletion) أو التعويض بالمتوسط الحسابي (Mean Imputation)، وهي ممارسات تستند إلى افتراضات مضمرة ونادراً ما تخضع للاختبار النظري أو الرياضي. وظل المشهد العلمي يفتقر إلى إطار مفاهيمي موحد يصف الكيفية التي نشأت بها هذه الثقوب في نسيج البيانات، حتى أحدث عالم الإحصاء الأمريكي دونالد روبين (Donald B. Rubin) ثورته المنهجية الكبرى عام 1976، بصياغته نموذجاً رياضياً صارماً يصنف آليات الفقد إلى ثلاثة أنماط رئيسية تحكم العلاقة بين المتغيرات المرصودة وتلك المفقودة ومؤشر الفقد نفسه.
وفي قلب هذا الثالوث الإحصائي، يبرز التمايز بين الفقد التام عشوائياً (Missing Completely at Random – MCAR) والفقد عشوائياً (Missing at Random – MAR) كأحد أدق وأخطر محاور التحليل المنهجي. فرغم التقارب اللفظي الخادع في التسميات الإنجليزية والعربية على حد سواء، فإن الهوة الرياضية والتطبيقية بينهما شاسعة؛ إذ يمثل الأول استقلالاً إحصائياً مطلقاً يتيح قدراً من التساهل في الحذف على حساب الكفاءة، بينما يجسد الثاني استقلالاً مشروطاً بالمعلومات المرصودة يحظر الحذف القائم على السجلات ويفرض مسارات نمذجة وتعويض فائقة التعقيد. يهدف هذا المرجع الشامل إلى تفكيك هذين المفهومين وتشريحهما بعمق رياضي وتطبيقي استثنائي لتمكين الباحثين من اتخاذ قرارات تحليلية رصينة ومحصنة منهجياً.
1. مقدمة: مشكلة البيانات المفقودة وإطار روبين الإحصائي
1.1 إشكالية الفقد في التحليل الإحصائي وعلوم البيانات
تشكل البيانات المفقودة في جوهرها انقطاعاً في تدفق المعلومات التي بنيت عليها النظريات الإحصائية الكلاسيكية القائمة على افتراض مصفوفات البيانات الكاملة والمستطيلة. تتجلى أولى التحديات الناجمة عن هذا الانقطاع في الانخفاض الحاد للقوة الإحصائية (Statistical Power). فعندما تفقد العينة نسبة معينة من سجلاتها، يتقلص الحجم الفعال للعينة (Effective Sample Size)، مما يؤدي بالضرورة إلى تضخم الخطأ المعياري (Standard Error) لمقدرات المعلمات وتوسيع فترات الثقة (Confidence Intervals). هذا التضاؤل في الكفاءة الإحصائية يقلل من قدرة الاختبارات الفرضية على رصد التأثيرات الحقيقية (True Effects) والظواهر المدروسة، مما يرفع احتمالية ارتكاب الخطأ من النوع الثاني (Type II Error).
غير أن فقدان الكفاءة لا يمثل سوى الوجه الأقل خطورة للمشكلة؛ فالخطر الحقيقي والمدمر يكمن في إدخال التحيز المنهجي (Systematic Bias) في تقدير معلمات المجتمع كالمتوسطات، والتباينات، ومعاملات الانحدار، ونسب الأرجحية. إذا كان نمط الفقد مرتبطاً بخصائص الأفراد أو بالمتغير التابع نفسه، فإن العينة المتبقية للتحليل تتوقف عن كونها ممثلة للمجتمع الأصلي المسحوبة منه. وبالتالي، فإن أي تعميم للنتائج (Generalizability) يسقط منهجياً، إذ تعكس النتائج حينئذٍ واقع العينة الفرعية المتاحة فحسب، لا واقع المجتمع الإحصائي الشامل.
من هنا تنبع الضرورة الحتمية لتحديد الآلية الدقيقة المولدة للفقد (Missing Data Generating Mechanism) قبل الشروع في أي معالجة تحليلية. إن البدء بتطبيق خوارزميات التعويض (Imputation) أو التطهير دون تشخيص منشأ الفقد يشبه وصف علاج سريري لمرض مجهول؛ إذ إن المنهجية التي تعد صالحة ومثالية تحت افتراض معين قد تقود إلى كارثة إحصائية وتشويه فادح للبيانات إذا طُبقت تحت مظلة افتراض آخر مغاير لطبيعة البيانات الحقيقية.
1.2 تصنيف دونالد روبين لآليات الفقد (Rubin’s Taxonomy)
تعود الجذور المعرفية للتعامل العلمي مع مشكلة الفقد إلى الورقة التأسيسية الفارقة التي نشرها دونالد روبين في مجلة Biometrika عام 1976 بعنوان “Inference and Missing Data”. في هذا العمل التاريخي، لم ينظر روبين إلى الفقد كحدث عرضي مؤسف يُعالج بحيل حسابية تكميلية، بل صاغه كعملية تصادفية (Stochastic Process) تخضع لقوانين الاحتمالات، وتتطلب نمذجة صريحة لآلية الفقدان ذاتها بالتوازي مع نمذجة البيانات الأصلية محل الاهتمام العلمي.
لبناء هذا الإطار، وضع روبين تمييزاً رياضياً دقيقاً بين أركان مصفوفة البيانات؛ حيث عرف مصفوفة البيانات الكاملة المخطط جمعها بالرمز $Y$، والتي تتألف من جزأين رئيسيين: البيانات المرصودة فعلياً $Y_{obs}$ (Observed Data)، والبيانات المفقودة التي تعذر رصدها $Y_{mis}$ (Missing Data)، بحيث يكون $Y = (Y_{obs}, Y_{mis})$. وإلى جانب مصفوفة البيانات، أدخل روبين متغيراً عشوائياً بنيوياً فائق الأهمية هو مصفوفة مؤشر الفقد أو الاستجابة $R$ (Missingness Indicator Matrix)، والتي تأخذ عناصرها القيمة (1) إذا كانت القيمة المقابلة في المصفوفة مرصودة، وتأخذ القيمة (0) إذا كانت القيمة مفقودة، وتخضع هذه المصفوفة لتوزيع احتمالي مشروط يُعبر عنه بالصيغة $P(R mid Y, psi)$، حيث تمثل $psi$ المعلمات الرياضية التي تحكم آلية الفقدان.
بناءً على الشروط الاحتمالية التي يفرضها هذا التوزيع، صاغ روبين ثالوثه الشهير لآليات الفقد: الفقد التام عشوائياً (Missing Completely at Random – MCAR)، والفقد عشوائياً (Missing at Random – MAR)، والفقد غير العشوائي (Missing Not at Random – MNAR). يمثل كل من MCAR و MAR ركيزتي هذا التصنيف في التحليلات القياسية؛ حيث يفصل بينهما مستوى استقلال آلية الفقدان عن قيم المتغيرات المدروسة، مما يحدد بدقة ما إذا كانت الآلية قابلة للإهمال (Ignorable) في الاستدلال الإحصائي أم تستوجب نمذجة معقدة لمصفوفة $R$.
1.3 دواعي المقارنة وأسباب الالتباس المنهجي بين MCAR و MAR
تعد المقارنة المعمقة بين MCAR و MAR ضرورة منهجية ملحة، لا سيما مع تفشي الالتباس المفاهيمي حولهما في أوساط الباحثين عبر مختلف التخصصات. يعود الجزء الأكبر من هذا الالتباس إلى التسمية غير الموفقة تاريخياً لمفهوم MAR؛ فاستخدام كلمة “عشوائي” (at Random) يوحي ظاهرياً وبشكل مضلل بأن عملية الفقد تجري كيفما اتفق وبلا نمط محدد، تماماً كما يوحي مصطلح “التام عشوائياً” (Completely at Random). يقع الكثيرون في فخ الاعتقاد الخاطئ بأن MAR يعني غياب النسق المنظم، في حين أن حقيقته الإحصائية تناقض ذلك تماماً، إذ إنه فقد منظم وموجه بالكامل ومرتبط بالبيانات المرصودة، وعشوائيته مشروطة فقط بعد عزل تأثير تلك البيانات المرصودة.
يترتب على هذا الخلط النظري تداعيات تطبيقية غاية في الخطورة؛ فعندما يفترض المحلل خطأً أن بياناته تتبع آلية MCAR بينما هي في الواقع تتبع MAR، فإنه قد يلجأ بكل طمأنينة إلى تقنيات الحذف الكامل للحالات غير المكتملة، متوهماً أن العينة المتبقية ستبقى غير متحيزة، بينما تؤدي هذه الخطوة تحت شرط MAR إلى نسف تمثيل العينة وإحداث تحيزات كارثية في التقديرات. إن هذا الافتراض الخاطئ يقود بالتبعية إلى تقويض صدق النماذج التنبؤية واختبارات الفرضيات المعتمدة عليها.
علاوة على ذلك، يختلف المساران برمجياً ورياضياً في بيئات التحليل الحديثة؛ إذ إن الخوارزميات المتقدمة، مثل التعويض المتعدد بالسلاسل المقيدة (MICE) وتقدير الإمكان الأعظم للمعلومات الكاملة (Full Information Maximum Likelihood – FIML)، بنيت خوارزمياتها في الأصل لتعمل بكفاءة تحت مظلة افتراض MAR، في حين أن متطلبات النمذجة لـ MCAR أقل تعقيداً لكنها نادراً ما تتحقق بحذافيرها في بيانات العالم الواقعي. ومن ثم، فإن استيعاب الفوارق العميقة بينهما يعد صمام الأمان لمنع الانزلاق في متاهات التقدير المشوه.
2. نظرة شاملة على الفقد التام عشوائياً (MCAR)
2.1 التعريف النظري والصياغة الرياضية
يمثل الفقد التام عشوائياً (Missing Completely at Random – MCAR) الحالة المثالية والأنقى من الوجهة النظرية في طيف آليات الفقد. في هذا النمط، تكون عملية فقدان البيانات مستقلة استقلالاً إحصائياً تاماً ومطلقاً عن جميع متغيرات الدراسة، سواء كانت تلك المتغيرات مرصودة بالفعل في قاعدة البيانات أو كانت هي القيم المفقودة ذاتها التي لم نتمكن من جمعها. وبمعنى إبستمولوجي، فإن حدوث الفقد لا يحمل أي معلومة على الإطلاق حول قيم المتغيرات الخاضعة للقياس، ولا يتأثر بأي سمة مميزة للأفراد أو الوحدات التجريبية.
تتم صياغة هذا المفهوم رياضياً عبر دالة التوزيع الاحتمالي المشروط لمصفوفة مؤشر الفقد $R$. وفقاً لتعريف روبين (1976)، يتحقق شرط MCAR إذا وفقط إذا تساوى التوزيع المشروط لـ $R$ مع توزيعه الهامشي المستقل، أي أن احتمالية حدوث الفقد لا تتغير بتغير قيم $Y_{obs}$ أو $Y_{mis}$:
$$P(R mid Y_{obs}, Y_{mis}, \psi) = P(R mid \psi) \quad \forall ; Y, \psi$$
حيث تمثل $psi$ المعلمات الرياضية المعبرة عن احتمالات الفقد، و$Y_{obs}$ الجزء المرصود من البيانات، و$Y_{mis}$ الجزء المفقود. تعني هذه المساواة الاحتمالية الصارمة أن توزيع مؤشر الفقد يعمل كعينة عشوائية بسيطة ومستقلة (Simple Random Sample) مسحوبة من مجتمع الدراسة الكامل؛ فاحتمال غياب نقطة بيانات معينة لمشارك ما هو احتمال ثابت ومتساوٍ لجميع المشاركين، ولا يتأثر بعمرهم، أو جنسهم، أو حالتهم الصحية، أو بمستوى المتغير المفقود نفسه كالدخل أو درجة الاكتئاب.
2.2 الخصائص الجوهرية والافتراضات الإحصائية لـ MCAR
تنبثق عن الصياغة الرياضية لـ MCAR مجموعة من الخصائص الإحصائية الاستثنائية التي تجعل منه حالة فريدة في القياس والتحليل. الخاصية الجوهرية الأولى هي بقاء العينة الفرعية المكتملة (Complete Cases) عينة ممثلة تمثيلاً أصيلاً للمجتمع الإحصائي الأصلي؛ ذلك أن عملية الفقد في ظل MCAR لا تقود إلى أي انتقائية ذاتية أو فرز منهجي للحالات. وبالتالي، فإن توزيعات المتغيرات المحسوبة من الحالات المكتملة تطابق توزيعاتها في العينة الكلية المخططة دون أي انزياح أو تشويه في المتوسطات أو التباينات أو الارتباطات المشتركة.
يترتب على ذلك ميزة منهجية كبرى؛ إذ يحافظ الاستدلال الإحصائي على خاصية الاتساق الرياضي (Consistency) وعدم التحيز (Unbiasedness) لمقدرات المربعات الصغرى العادية (OLS) ومقدرات الإمكان الأعظم (Maximum Likelihood). فإذا قام الباحث بحساب متوسط عينة مكتملة خضعت لآلية MCAR، فإن القيمة الناتجة تكون مقدراً غير متحيز لمتوسط المجتمع الحقيقي $\mu$، وينطبق الأمر ذاته على معاملات الانحدار المحسوبة على السجلات الكاملة.
ومع ذلك، فإن غياب التحيز لا يعني غياب الضرر بالكلية؛ فالأثر السلبي الوحيد لـ MCAR ينحصر في تقليص الكفاءة الإحصائية (Efficiency). إن إسقاط الحالات التي تحتوي على قيم مفقودة يؤدي حكماً إلى فقدان جزء من المعلومات وتراجع حجم العينة الفعال ($N_{effective} < N_{total}$)، وهو ما يقود رياضياً إلى تضخم الأخطاء المعيارية للمقدرات، وتوسيع فترات الثقة، وانخفاض قدرة الاختبارات الإحصائية على رفض الفرضيات الصفرية الخاطئة، مما قد يحرم الباحث من إثبات فرضيات جوهرية بسبب شح البيانات وليس لغياب الأثر.
2.3 أمثلة واقعية وسيناريوهات الفقد العشوائي تماماً
نظراً للصرامة الفائقة لاشتراطات MCAR، فإن تحققها في بحوث العلوم الاجتماعية والسلوكية والطبية السريرية يعد نادراً وصعب المنال؛ إلا أن هناك سياقات وسيناريوهات فيزيائية وبيئية واقعية تجسد هذه الآلية بدقة بالغة. من أبرز هذه السيناريوهات تلف العينات المخبرية نتيجة حوادث عرضية محضة؛ كأن يقوم فني المختبر بإسقاط أنبوب اختبار يحتوي على عينة دم لمريض بطريق الخطأ فيتهشم، أو أن يتعطل جهاز الطرد المركزي فجأة فيتلف مجموعة عشوائية من الأنابيب. في هذه الحالة، يرتبط الفقد بحادث ميكانيكي بحت لا صلة له بتركيز المادة الكيميائية في الدم، ولا بعمر المريض، أو تشخيصه، أو أي متغير مرصود أو غير مرصود في التجربة.
سيناريو آخر يتكرر في جمع البيانات الرقمية الحديثة يتمثل في الانقطاع العشوائي للاتصال بالشبكة العنكبوتية أو توقف خادم الويب (Server Crash) لجزء من الثانية أثناء قيام المشاركين بملء استبيان نفسي موسع عبر الإنترنت. يؤدي هذا الخلل التقني العارض إلى فقدان حزمة الإجابات الخاصة بأولئك المشاركين الذين تصادف إرسالهم للبيانات في تلك اللحظة بالذات. هذا الفقد غير مرتبط إطلاقاً بالسمات النفسية للمبحوثين، ولا بمحتوى الأسئلة التي كانوا يجيبون عنها، بل هو وليد صدفة تكنولوجية عمياء تحاكي تماماً التوزيع العشوائي المنتظم.
وينطبق الأمر ذاته على الأبحاث الأرشيفية والميدانية التاريخية؛ كأن تبتل بعض الصفحات من السجلات الورقية المحفوظة في مستودع للأرشيف بسبب تسرب مياه الأمطار من ثقب في السقف، أو أن تحترق زاوية من أرشيف المستشفى متلفةً بطاقات طبية تعود لمرضى عشوائيين. في هذه الأمثلة الثلاثة، نجد أن احتمالية تلف السجل مستقلة كلياً عن المعلومات المدونة فيه، مما يجعل البيانات المتبقية محتفظة بخصائصها الأصلية دون تحيز منهجي يعيب الاستقراء الرياضي اللاحق.
3. نظرة شاملة على الفقد عشوائياً (MAR)
3.1 التعريف المنهجي والنمذجة الرياضية المشروطة
يعد الفقد عشوائياً (Missing at Random – MAR) الآلية الأكثر واقعية وانتشاراً في بيانات العالم الحقيقي، وفي الوقت ذاته الأكثر إثارة للجدل الرياضي واللبس الإجرائي. في ظل افتراض MAR، تكون احتمالية فقدان قيمة معينة لمتغير ما غير عشوائية بالمعنى المطلق، بل هي مرتبطة بصورة مباشرة وقوية بالبيانات الأخرى التي تم رصدها بالفعل وقياسها في نفس الدراسة لمجتمع البحث، لكنها—وهذا هو الشرط الجوهري—مستقلة تماماً عن القيمة المفقودة المحتملة ذاتها بعد التحكم بالمتغيرات المرصودة وتثبيتها إحصائياً.
تتضح هذه الآلية عبر الصياغة الرياضية الاحتمالية لنموذج روبين (1976)؛ حيث ينص شرط MAR على أن التوزيع الاحتمالي لمصفوفة مؤشر الفقد $R$ المشروط بمصفوفة البيانات الكاملة $Y = (Y_{obs}, Y_{mis})$ يعتمد فقط وبشكل حصري على المكون المرصود $Y_{obs}$، ويفقد أي اعتماد على المكون المفقود $Y_{mis}$:
$$P(R mid Y_{obs}, Y_{mis}, \psi) = P(R mid Y_{obs}, \psi) \quad \forall ; Y_{mis}, \psi$$
تؤكد هذه المعادلة أن أي معلومة تنبؤية باحتمالية الفقد مخزنة بالكامل في البيانات المرصودة والمتاحة للباحث. فإذا قمنا بتكييف التحليل وضبطه (Conditioning) بناءً على القيم المرصودة $Y_{obs}$، فإن احتمالية غياب البيانات تتحول إلى عملية عشوائية صرفة بالنسبة لما تبقى من المتغيرات غير المرصودة.
وهنا يبرز الدور المحوري للمتغيرات المساعدة (Auxiliary Variables)؛ وهي متغيرات تُجمع أثناء الدراسة وتُدرج في مصفوفة $Y_{obs}$ ليس لكونها محور الاهتمام النظري المباشر لفرضيات البحث، بل لقدرتها العالية على التنبؤ باحتمالية فقدان البيانات في المتغيرات التابعة أو المستقلة، أو لارتباطها الوثيق بالقيم المفقودة ذاتها. إن إدخال هذه المتغيرات المساعدة يرفع بدرجة كبيرة من رجاحة افتراض MAR ويحول الفقد الذي قد يكون في الأصل مفقوداً لسبب غير عشوائي (MNAR) إلى فقد مشروط عشوائياً يمكن ضبطه وتعويضه رياضياً بالكامل.
3.2 مفارقة التسمية وطبيعة الارتباط المشروط
لتفكيك مفارقة التسمية (Nomenclature Paradox) الكامنة في مصطلح “الفقد عشوائياً”، يجب على الباحث أن ينفض عن الكلمة معناها الدارج في اللغة المحكية، والذي يطابق في الأذهان الفوضى أو الصدفة الصرفة الخالية من أي علاقة سببية أو ترابط إحصائي. في الإحصاء الحديث، كلمة “عشوائياً” في MAR تعني تحديداً “العشوائية المشروطة” (Conditional Randomness)؛ أي أن هناك نسقاً سببياً محكماً ومرئياً يفسر لمَ فُقدت هذه السجلات، لكن هذا النسق قابل للوصف والقياس الرياضي الكامل بواسطة المتغيرات المتوفرة في مصفوفة البيانات المرصودة دون استثناء.
تستند آلية التكيف الإحصائي هنا إلى تحويل الفقد من حالة تحيز ظاهري غير منضبط إلى حالة فقد يمكن نمذجته والسيطرة عليه حسابياً. فلو نظرنا إلى العينة المتبقية بنظرة سطحية دون ضبط، لرأيناها منحازة تشوه معالم التوزيع الأصلي؛ إذ إن احتمالية الفقد تختلف بين شرائح المجتمع الإحصائي. ولكن بمجرد إدراج المتغيرات التفسيرية المسؤولة عن هذا الفارق في نماذج إحصائية متقدمة كمعادلات التعويض المشروط أو نماذج الإمكان الأعظم، يتفكك هذا التحيز وتُستعاد بنية المجتمع الحقيقية.
تفرض هذه الخاصية ضرورة قصوى لتحقيق ما يسمى بـ “شمولية النموذج” (Model Inclusiveness)؛ حيث أثبت كولينز وشيفر وكام في دراستهم المنشورة عام 2001 (Collins, Schafer, & Kam, 2001) أن تبني استراتيجية تحليلية تشتمل على كافة المتغيرات التفسيرية المرتبطة بآلية الفقد—حتى تلك التي تبدو فائضة عن الحاجة النظرية للتحليل النهائي—يعد الضمانة الوحيدة لمنع انحراف نموذج MAR وسقوطه في فخ التحيز المنهجي، إذ إن إغفال متغير مرصود يحرك آلية الفقد يعيد تصنيف البيانات جبرياً إلى آلية الفقد غير العشوائي المدمرة للاستدلال الإحصائي.
3.3 أمثلة وسياقات تطبيقية لظاهرة MAR
تزخر التطبيقات التجريبية والمسحية في الطب النفسي وعلوم الصحة بسيناريوهات نموذجية تجسد آلية MAR بكل وضوح. لنفترض دراسة وبائية تبحث في مستويات الاكتئاب لدى البالغين، حيث طُلب من المشاركين تسجيل جنسهم (ذكر/أنثى) والإجابة عن مقياس لشدة الاكتئاب. أظهرت النتائج أن نسبة استجابة الذكور عن أسئلة مقياس الاكتئاب كانت أقل بكثير مقارنة بالإناث، والسبب يعود إلى تردد الرجال عموماً في الكشف عن مشاعر الضعف النفسي لأسباب اجتماعية. هنا، ترتبط احتمالية غياب البيانات بمتغير الجنس وهو متغير مرصود ومتاح في قاعدة البيانات ($Y_{obs}$)، ولكن ضمن فئة الذكور، لا ترتبط احتمالية الفقد بشدة الاكتئاب الحقيقية لديهم؛ فالرجل المكتئب اكتئاباً حاداً لديه نفس احتمالية الامتناع عن الإجابة مقارنة بالرجل الذي يعاني من اكتئاب طفيف. هذا هو جوهر MAR: الفقد مرتبط بالمرصود (الجنس)، لا بالمفقود ذاته (درجة الاكتئاب) مشروطاً بالجنس.
يتجلى سياق تطبيقي آخر في التجارب السريرية الطولية (Longitudinal Clinical Trials) لتقييم فعالية عقار لضغط الدم؛ حيث يُطلب من المرضى الحضور دورياً لقياس الضغط. لوحظ تخلف شريحة من المرضى الأكبر سناً عن حضور زيارات المتابعة في العيادة، مما ولد بيانات مفقودة في قراءات الضغط اللاحقة. عند تفحص السجلات، تبين أن هذا التخلف لم يكن سببه ارتفاع ضغط الدم لديهم أو انخفاضه، بل كان نتيجة صعوبات التنقل والمواصلات التي يعاني منها كبار السن، وهو متغير تم توثيقه ورصده في ملفات المرضى المسبقة. إذن، احتمالية الفقدان خاضعة تماماً لمتغير العمر والحالة الحركية المرصودين، مما يتيح التنبؤ بها وتصحيحها رياضياً كحالة MAR كلاسيكية.
كذلك تظهر هذه الآلية بوضوح في المسوح الاقتصادية والاجتماعية عند استطلاع مستويات الدخل السنوي للأسرة. غالباً ما تشهد أسئلة الدخل نسب عزوف ورفض عالية جداً من المستجيبين؛ لكن الأبحاث تثبت مراراً أن هذا العزوف يرتبط بمستوى التعليم المحصل، أو نوع المهنة، أو المنطقة الجغرافية للسكن. فإذا كانت احتمالية الامتناع عن الإفصاح عن الدخل متطابقة بين خريجي الجامعات ذوي الدخل المرتفع ونظرائهم خريجي الجامعات ذوي الدخل المنخفض، فإن آلية الفقد هنا هي MAR مشروطة بمستوى التعليم؛ مما يمكن الباحث من استخدام التعليم المرصود كرافعة إحصائية لتعويض بيانات الدخل المفقودة بدقة متناهية.
4. الفروق الجوهرية بين MCAR و MAR
4.1 آلية الاعتمادية وشبكة العلاقات الاحتمالية
يكمن الاختلاف المحوري والجوهري بين آليتي MCAR و MAR في طبيعة شبكة العلاقات الاحتمالية وشروط الاعتمادية التي تحكم مصفوفة مؤشر الفقد $R$ ومصفوفة البيانات $Y$. يمثل MCAR حالة نادرة من “الاستقلال الإحصائي المطلق أو غير المشروط” (Marginal Independence)؛ حيث تنقطع أواصر الارتباط الرياضي تماماً بين احتمالية حدوث الفقد وأي معلومات تقع داخل مصفوفة التصميم التجريبي أو مسح البيانات. ينعكس هذا الاستقلال في التطابق الرياضي بين التوزيع الاحتمالي الهامشي للمتغيرات في العينة المكتملة وتوزيعها المشروط في العينة المفقودة؛ إذ لا توجد أي فروق جوهرية في المتوسطات، أو التباينات، أو المقاييس الرتبية بين فئة المستجيبين (Respondents) وفئة غير المستجيبين (Non-respondents) على مستوى أي متغير خارجي أو وسيط.
في المقابل الصريح، يؤسس نموذج MAR لشبكة من “الاستقلال الإحصائي المشروط” (Conditional Independence). هنا، تترابط احتمالية الفقدان بشكل بنيوي ووثيق مع التوزيع الهامشي للمتغيرات المرصودة في النظام الإحصائي، مما يعني حتماً وجود فروق إحصائية دالة وجوهرية بين المستجيبين وغير المستجيبين على صعيد المتغيرات الخارجية المرصودة $Y_{obs}$. التوزيع الهامشي للبيانات المكتملة لم يعد متطابقاً مع توزيع المجتمع الأصلي؛ إذ إنه يتعرض لتشوه وانزياح ناتج عن الارتباط بين الفقد وتلك المتغيرات المرصودة. وتستعاد صفة التمثيل والمطابقة فقط عند الانتقال إلى التوزيعات الشرطية، أي داخل الطبقات أو المستويات المحددة التي تنتج عن تثبيت قيم $Y_{obs}$.
تترجم هذه الفروق الاحتمالية في لغة الرسوم البيانية السببية الموجهة (Directed Acyclic Graphs – DAGs) إلى أن مؤشر الفقد $R$ في نموذج MCAR لا يمتلك أي أسهم واردة إليه من أي عقد تمثل متغيرات البيانات $Y$، مما يجعله عقداً خارجياً حراً يتصرف كضجيج عشوائي بحت؛ بينما في نموذج MAR، تتجه أسهم سببية أو ترابطية مباشرة من عقد المتغيرات المرصودة $Y_{obs}$ نحو عقدة مؤشر الفقد $R$، حاجبة ومغلقة أي مسارات ارتباطية قد تنطلق من المتغيرات المفقودة $Y_{mis}$، وهو ما يجعل السيطرة على المتغيرات المرصودة كافية لعزل وإبطال التحيز المحتمل للفقد.
4.2 قابلية التحقق التجريبي والاختبارات الإحصائية
تعد مسألة القابلية للاختبار والتحقق التجريبي (Empirical Testability) أحد أعمق التمايزات الإبستمولوجية بين النموذجين، والتي تفرض حدوداً حاسمة على عمل الممارس الإحصائي. ففرضية الفقد التام عشوائياً (MCAR) هي فرضية قابلة للاختبار والتحقق التجريبي المباشر من خلال البيانات المتاحة في مصفوفة البحث؛ نظراً لأنها تفترض عدم وجود فروق بين توزيعات المتغيرات المرصودة عبر مختلف أنماط الفقدان، وهو افتراض يمكن فحصه ومقارنته عددياً بكل يسر.
في هذا المضمار، قدم عالم الإحصاء رودريك ليتل (Roderick J. A. Little) اختباره الشهير متعدد المتغيرات عام 1988 في ورقة مرجعية نُشرت في مجلة Journal of the American Statistical Association. يقوم “اختبار ليتل لـ MCAR” (Little’s MCAR Test) على صياغة اختبار كاي-تربيعي ($\chi^2$) يقيس المسافة التباعدية لمهالانوبيس (Mahalanobis Distance) بين متوسطات المتغيرات المرصودة ضمن مختلف أنماط البيانات المفقودة، وبين المتوسطات المقدرة لنموذج الإمكان الأعظم للبيانات الكاملة وفق الصيغة التجميعية عبر أنماط الفقد $J$:
$$d^2 = \sum_{j=1}^{J} n_j (\bar{y}_{obs,j} – \hat{\mu}_{obs,j})^T \widehat{\Sigma}_{obs,j}^{-1} (\bar{y}_{obs,j} – \hat{\mu}_{obs,j})$$
حيث يمثل $n_j$ حجم العينة في نمط الفقد $j$، و$\bar{y}_{obs,j}$ متجه المتوسطات المرصودة في ذلك النمط، و$\hat{\mu}_{obs,j}$ و $\widehat{\Sigma}_{obs,j}$ المتوسطات ومصفوفات التباين والتباين المشترك المقدرة عبر خوارزمية التوقع والتعظيم (EM). بمقارنة القيمة الإحصائية الناتجة مع توزيع كاي-تربيعي بدرجات حرية محددة، تدل القيمة الاحتمالية غير الدالة إحصائياً ($p > 0.05$) على عدم وجود أدلة كافية لرفض فرضية العدم القائلة بأن البيانات مفقودة تماماً عشوائياً (MCAR).
وبالمقارنة، يواجه الباحث حقيقة رياضية صادمة عند التعامل مع MAR؛ إذ إن فرضية الفقد عشوائياً مستحيلة الإثبات أو التحقق القطعي تجريبياً من واقع مصفوفة البيانات وحدها. يعود سبب هذه الاستحالة المنطقية إلى أن التحقق من استقلال آلية الفقد عن القيم المفقودة مشروطاً بالمرصودة يتطلب معرفة ماهية تلك القيم المفقودة $Y_{mis}$ ومقارنتها بالمرصودة، وهي بحكم تعريفها قيم غير موجودة في أيدينا. يمكن للباحث عبر اختبارات $t$ المستقلة أو تحليل التباين (ANOVA) أو الانحدار اللوجستي لمؤشر الفقد أن يثبت بطلان فرضية MCAR عبر إظهار أن الفقد يرتبط بمتغيرات مرصودة معينة، ولكنه لا يستطيع إطلاقاً أن يجزم حسابياً بأن الفقد لا يرتبط أيضاً بالقيم المفقودة ذاتها (أي استبعاد MNAR). وبالتالي، يظل افتراض MAR رهيناً بالتبرير النظري، والعمق المعرفي بمجال الدراسة، واختبارات الحساسية المتقدمة.
4.3 أثر استخدام أسلوب الحذف الكامل (Listwise Deletion)
يعد أسلوب الحذف الكامل للحالات، والمعروف إحصائياً بالحذف القائم على السجلات (Listwise or Casewise Deletion)، الإجراء الافتراضي الأكثر تقليدية وشيوعاً في الحزم الإحصائية القديمة والممارسات الارتجالية، حيث يقوم هذا الإجراء بإسقاط أي صف أو حالة تتضمن ولو قيمة مفقودة واحدة في أي من المتغيرات المدرجة في التحليل، وحصر المعالجة الرياضية على “الحالات المكتملة” (Complete Cases) فقط. يبرز الفارق بين MCAR و MAR بصورة حادة ومصيرية في التداعيات المترتبة على استخدام هذا الأسلوب الجراحي العنيف.
تحت مظلة الفقد التام عشوائياً (MCAR)، يظل تطبيق الحذف الكامل سليماً رياضياً من منظور التحيز؛ حيث يؤدي إلى تقديرات غير متحيزة على الإطلاق لمتوسطات المجتمع، ومعاملات الانحدار، ومصفوفات التغاير، شريطة أن تكون الفرضية محققة فعلاً. يقتصر الثمن المدفوع هنا على تآكل القوة الإحصائية والتضحية بالكفاءة وارتفاع الأخطاء المعيارية، لأن إسقاط السجلات يقلص $N$. وبالتالي، ورغم أنه ليس الخيار الأمثل من وجهة نظر الكفاءة، إلا أنه لا يفسد الصدق الداخلي للدراسة.
أما تحت مظلة الفقد عشوائياً (MAR)، فإن استخدام الحذف الكامل يتحول إلى كارثة منهجية وجريمة تحليلية؛ إذ إنه يؤدي حتماً وبالضرورة إلى إنتاج تقديرات متحيزة تحيزاً منهجياً صارخاً (Severely Biased Estimates) لكافة معلمات النموذج الإحصائي دون استثناء. فبما أن احتمالية الفقدان تحت MAR تعتمد على متغيرات مرصودة (مثل العمر، أو الدخل، أو شدة المرض)، فإن حذف الحالات غير المكتملة يعني استئصال شريحة محددة ذات خصائص مميزة من العينة؛ مما يشوه التوزيع التجريبي للمتغيرات، ويزيف علاقات الارتباط، ويقود معاملات الانحدار إلى الانحراف بعيداً عن المعلمات الحقيقية للمجتمع. كما تتأثر مصفوفات التباين والتباين المشترك بحساسية بالغة وتفقد اتساقها الرياضي، مما يجعل كافة اختبارات الدلالة الإحصائية، وقيم فترات الثقة، ونماذج التنبؤ المبنية عليها فاقدة للقيمة العلمية ومضللة تماماً لصناع القرار.
4.4 مقارنة منهجية شاملة بين MCAR و MAR
لتلخيص المشهد التحليلي وبلورة الفروق الدقيقة بين هذين النموذجين المركزيين، يوضح الجدول التالي مقارنة تفصيلية تستعرض المعايير الرياضية، والتطبيقية، والبرمجية التي تحكم كل مسار:
| معيار المقارنة | الفقد التام عشوائياً (MCAR) | الفقد عشوائياً (MAR) |
|---|---|---|
| التعريف النظري | استقلال تام ومطلق لاحتمالية الفقد عن كافة القيم المرصودة والمفقودة في الدراسة. | اعتماد احتمالية الفقد على البيانات المرصودة، واستقلالها المشروط عن القيم المفقودة ذاتها. |
| الصيغة الرياضية الاحتمالية | $P(R mid Y_{obs}, Y_{mis}, \psi) = P(R mid \psi)$ | $P(R mid Y_{obs}, Y_{mis}, \psi) = P(R mid Y_{obs}, \psi)$ |
| مصدر ونمط العشوائية | عشوائية حقيقية وغير مشروطة تشبه السحب العشوائي البسيط من مجتمع تام التماثل. | عشوائية مشروطة بالبيانات المرصودة؛ الفقد في أصله منظم ومقيد بالمتغيرات المتاحة. |
| تمثيل العينة المكتملة | العينة المكتملة تظل ممثلة تماماً للمجتمع الأصلي، مع احتفاظ التوزيعات بخصائصها. | العينة المكتملة غير ممثلة ومنحازة منهجياً، وتتطلب وزناً أو ضبطاً إحصائياً شرطياً. |
| قابلية الاختبار التجريبي | قابلة للاختبار المباشر إحصائياً من مصفوفة البيانات (مثل اختبار ليتل، واختبارات الفروق). | غير قابلة للإثبات القطعي إحصائياً من البيانات وحدها، وتتطلب تبريراً نظرياً ومعرفياً. |
| أثر أسلوب الحذف الكامل | يفرز مقدرات غير متحيزة ولكنه يضحي بالكفاءة الإحصائية ويوسع الأخطاء المعيارية. | محظور؛ يولد مقدرات متحيزة بشدة، ويقود إلى انحراف نتائج اختبار الفرضيات وفشلها. |
| الخوارزميات والحلول المفضلة | التعويض المتعدد، الإمكان الأعظم، أو الحذف الكامل (في حدود ضيقة وأحجام عينات كبيرة). | التعويض المتعدد بالسلاسل المقيدة (MICE)، أو تقدير الإمكان الأعظم التام (FIML). |
| الحاجة للمتغيرات المساعدة | غير ضرورية لسلامة التقدير، ولكنها قد تسهم في استعادة طفيفة للقوة الإحصائية. | جوهرية وحاسمة؛ إدراجها يعزز إمكانية تحقق افتراض MAR ويقلل مخاطر السقوط في MNAR. |
| الدعم في الحزم البرمجية | مدعوم بجميع البرمجيات التحليلية التقليدية والحديثة دون تعقيدات نمذجة إضافية. | يتطلب حزم نمذجة متقدمة مثل (حزمة mice في R، ومكتبة IterativeImputer، و Mplus). |
| درجة الواقعية في الميدان | نادر التحقق في بيانات المسوح والبحوث السلوكية؛ شائع في الحوادث الميكانيكية المعزولة. | الافتراض الأكثر منطقية وقابلية للتحقق العملي في الأبحاث الاجتماعية والطبية التطبيقية. |
5. أوجه التشابه والتداخل المفاهيمي
5.1 مفهوم آلية الفقد القابلة للإهمال (Ignorability)
رغم التباين الجوهري المفصل سابقاً بين MCAR و MAR، إلا أنهما يشتركان في خاصية نظرية تعد حجر الزاوية في نظرية روبين للاستدلال الإحصائي المتقدم، وهي وقوعهما معاً تحت مظلة “آلية الفقد القابلة للإهمال” (Ignorable Missingness Mechanism) عند استخدام طرق الاستدلال المعتمدة على دالة الإمكان الأعظم (Likelihood-based Inference) أو الاستدلال البايزي (Bayesian Inference). إن توصيف الآلية بأنها “قابلة للإهمال” لا يعني الاستهانة بها أو ترك البيانات دون معالجة، بل يعني تحديداً عدم الحاجة إلى صياغة نموذج رياضي احتمالي صريح ومستقل لمصفوفة مؤشر الفقد $R$ أثناء تقدير معلمات نموذج البيانات الأساسي.
يتحقق هذا الإهمال الإحصائي المشروع رياضياً عند استيفاء شرطين متلازمين: الأول هو أن تكون آلية الفقد إما MCAR أو MAR، مما يضمن أن توزيع $R$ لا يتوقف على $Y_{mis}$. والشرط الثاني، والأكثر دقة، هو شرط “استقلال المعلمات” (Distinctness of Parameters)؛ والذي ينص على أن فضاء المعلمات $\theta$ الخاص بنموذج البيانات (مثل المتوسطات ومصفوفات التغاير) وفضاء المعلمات $psi$ الخاص بآلية الفقدان هما فضاءان مستقلان رياضياً من حيث الترابط البنيوي ومن حيث التوزيعات البعدية في التحليل البايزي، بحيث لا يحمل أي منهما قيوداً أو معلومات تفصيلية عن الآخر. في هذه الحالة، يمكن تحليل دالة الإمكان المشتركة الشاملة وتفكيكها إلى حاصل ضرب حدين مستقلين تماماً:
$$L(\theta, \psi mid Y_{obs}, R) = L_1(\theta mid Y_{obs}) \times L_2(\psi mid Y_{obs}, R)$$
بفضل هذا التفكيك الرياضي البديع، يستطيع الباحث تعظيم دالة الإمكان $L_1$ الخاصة بمعلمات البيانات $\theta$ اعتماداً على الجزء المرصود $Y_{obs}$ فقط، متجاهلاً الجزء الثاني $L_2$ المعني بآلية الفقد بالكامل، دون أن يترتب على ذلك أدنى تحيز في التقديرات أو تشويه في فترات الثقة، وهو الامتياز المشترك الذي يحرم منه تماماً الباحث في بيئات الفقد غير العشوائي (MNAR).
5.2 الاستفادة المشتركة من تقنيات التعويض المتقدمة
تتقاطع آليتا MCAR و MAR في كونهما البيئة التحليلية الخصبة والصالحة لتطبيق أرقى المنهجيات الإحصائية الحديثة المصممة لمعالجة الفقدان؛ وعلى رأسها أسلوب التعويض المتعدد بالسلاسل المقيدة (Multivariate Imputation by Chained Equations – MICE) وخوارزمية التوقع والتعظيم (Expectation-Maximization – EM). كلا النموذجين يستفيدان بصورة استثنائية من هذه التقنيات لاستعادة كفاءة التقدير دون المساس بصحة الاستدلال.
في حالة خوارزمية التعظيم المتوقع (EM Algorithm)، تعمل الخوارزمية عبر دورتين متكررتين: خطوة التوقع (E-step) التي تحسب دالة الإمكان التقديرية بناءً على المعلمات الحالية والبيانات المرصودة، وخطوة التعظيم (M-step) التي تعيد تقدير المعلمات لتعظيم الدالة حتى الوصول إلى نقطة التقارب (Convergence). تتوافق هذه الآلية بانسجام كامل مع شروط كل من MCAR و MAR، لأن التوزيع الشرطي لـ $Y_{mis}$ يعتمد فقط على $Y_{obs}$ في MAR، أو لا يعتمد على شيء في MCAR، مما يجعل حساب التوقعات الرياضية عملية صحيحة ومستقرة عددياً في الحالتين.
كذلك يوفر التعويض المتعدد (Multiple Imputation) مظلة تكاملية متفوقة تخدم النموذجين بكفاءة مطلقة؛ فبينما يمثل تطبيق MICE ضرورة قصوى تحت مظلة MAR لدرء التحيز الخبيث واستعادة التوازن الشرطي للبيانات، فإنه يمثل تحت MCAR وسيلة ممتازة لاستعادة الكفاءة الإحصائية واسترجاع حجم العينة الأصلي المهدور، دون تحيز. تتطلب كلتا الحالتين من الباحث الإلمام بالسياق النظري، وتوثيق سلاسل التنبؤ بدقة، واختيار نماذج التوزيع الاحتمالي الملائمة لكل متغير، كاستخدام الانحدار اللوجستي للمتغيرات الثنائية والانحدار الخطي للمتغيرات المستمرة في شبكة السلاسل المقيدة.
5.3 حدود التداخل في الدراسات الطولية والمعقدة
في الدراسات الطولية (Longitudinal Studies) والتصاميم التجريبية متعددة الموجات، تتلاشى الحدود الصارمة والفاصلة بين MCAR و MAR، وندخل في مساحات تداخل مفاهيمي معقدة تتغير فيها آلية الفقدان بمرور الوقت عبر موجات التتبع المتتالية للدراسة ذاتها. قد تبدأ الدراسة مثلاً في موجتها الأولى بتحقق كامل لآلية MCAR؛ حيث يفقد الباحث بعض الاستجابات لأسباب تقنية بحتة أو لغياب عارض لمشاركين محددين لا يرتبط بأي من متغيرات الدراسة، إلا أنه مع توالي الموجات الزمنية وانتقال المشاركين من مرحلة عمرية إلى أخرى أو تدهور حالتهم السريرية، يبدأ الفقد في التحول التدريجي إلى نمط MAR المنظم المشروط بالقياسات المسجلة في الموجات الأولى، كالعمر أو المؤشرات الحيوية الأولية للمرضى.
لمواجهة هذه الديناميكية الزمنية المركبة، برزت نماذج التأثيرات المختلطة الخطية (Linear Mixed-Effects Models – LMMs) ونماذج نمو المسار (Latent Growth Curve Models) كأدوات منهجية موحدة قادرة على استيعاب هذا التداخل بسلاسة. تتمتع هذه النماذج بقدرة استثنائية على تقدير المسارات التطورية للمشاركين باستخدام كافة المشاهدات المتوفرة دون اشتراط تماثل عدد القياسات لكل فرد، وهي صالحة بصورة تلقائية تحت مظلتي MCAR و MAR ما دامت التقديرات تستند إلى خوارزميات الإمكان الأعظم المقيد (REML) أو الإمكان الأعظم التام (Full Information ML).
علاوة على ذلك، يتشارك النموذجان في اعتمادهما المتبادل على جودة وحجم المتغيرات المشتركة المسجلة في كل موجة زمنية؛ فكلما كانت حزمة المتغيرات المرصودة غنية ووثيقة الصلة بطبيعة التسرب (Attrition)، زادت مناعة النموذج الإحصائي ضد الانزلاق الخطير نحو الفقد غير العشوائي (MNAR)، حيث تصبح المتغيرات المرصودة في الموجة $t-1$ وسيلة فعالة لتفسير الفقد الحاصل في الموجة $t$، مما يحافظ على استيفاء شروط MAR ويمنع فقدان السيطرة المنهجية على البيانات الطولية.
6. الدليل التطبيقي: متى ينطبق كل نموذج وكيفية التعامل معه؟
6.1 شجرة القرار التشخيصية لآليات الفقد
للانتقال من الأطر النظرية المجردة إلى الممارسة الميدانية الاحترافية، يتعين على محلل البيانات اتباع شجرة قرار تشخيصية منهجية (Diagnostic Decision Tree) ثلاثية الخطوات، تسمح بالتمييز الرصين بين آليات الفقد واختيار المسار التحليلي الأنسب:
الخطوة الأولى: الفحص البصري والاستكشاف الهيكلي لمصفوفة الفقدان
يبدأ التحقيق الاستكشافي للبيانات بتوليد مخططات بصرية تفاعلية تفحص مصفوفة الفقدان (Missingness Matrix)، مثل الرسوم البيانية للشريط التراكمي ومخططات التشتت المتعدد، باستخدام حزم متخصصة مثل مكتبة naniar في R أو missingno في Python. يتيح هذا الفحص مراقبة الأنماط التوافقية للفقدان؛ فإذا ظهر الفقد كبقع ضجيج متفرقة وغير منتظمة تماماً عبر جميع الصفوف والأعمدة، تتعزز الشكوك الأولية بوجود آلية MCAR، أما إذا لوحظت تكتلات منتظمة أو تركز لانقطاع البيانات في متغيرات معينة تتبع تجمعات محددة لمتغيرات أخرى، فإن المؤشر البصري يتجه بقوة نحو آلية MAR.
الخطوة الثانية: الاختبارات الإحصائية الاستدلالية
تلي مرحلة الاستكشاف البصري خطوة التحقق الإحصائي الصارم؛ حيث يُطبق اختبار ليتل لـ MCAR (Little’s Test) كخطوة أولى. إذا كانت النتيجة غير دالة إحصائياً ($p > 0.05$)، يظل فرض MCAR قائماً ومقبولاً إحصائياً. أما إذا كانت النتيجة دالة إحصائياً ($p < 0.05$)، تُرفض فرضية MCAR رفضاً قاطعاً، ويتحتم على الباحث الانتقال لاختبار فرضية MAR. يتم ذلك عبر إنشاء متغيرات ثنائية تمثل مؤشرات الفقد لكل متغير رئيسي، ثم تطبيق اختبارات الانحدار اللوجستي الثنائي (Binary Logistic Regression) أو اختبارات تباين المجموعات المستقلة لفحص ما إذا كانت المتغيرات المرصودة تتنبأ بحدوث الفقدان بدلالة إحصائية؛ وتأكيد هذا الارتباط يرسخ تصنيف البيانات تحت مظلة MAR.
الخطوة الثالثة: المعاينة الإبستمولوجية ومعرفة المجال الموضوعي
تعد هذه الخطوة هي الضابط النهائي؛ إذ يتعين على الباحث تقييم طبيعة الظاهرة المدروسة استناداً إلى المعرفة التخصصية العميقة (Domain Knowledge) للتحقق من عدم وجود قوى غير مرصودة تملي سلوك الفقد (استبعاد MNAR). إذا ثبت أن احتمالية الفقد مستوعبة بالكامل بالمتغيرات المرصودة بناءً على المنطق العلمي النظري ونتائج الانحدار الاستدلالي، يُعتمد تصنيف MAR بصورة نهائية وتُحدد استراتيجية المعالجة التعويضية المتوافقة معه.
6.2 الاستراتيجيات التحليلية المثلى في حالة MCAR
عندما يستقر التشخيص المنهجي على تحقق آلية الفقد التام عشوائياً (MCAR)، تتاح أمام الباحث خيارات تحليلية مرنة تتحدد وفقاً لحجم العينة والنسبة المئوية للفقد:
أولاً: أسلوب الحذف الكامل المقبول مشروطاً:
يُقبل استخدام أسلوب الحذف الكامل للحالات (Listwise Deletion) في نطاق استثنائي محدد: إذا كانت نسبة البيانات المفقودة ضئيلة جداً ولا تتجاوز عتبة 5% من إجمالي السجلات، مع توفر حجم عينة كلي ضخم يحافظ بعد الحذف على القوة الإحصائية المطلوبة لاختبار الفرضيات. في هذا السياق الحصري، يكون الحذف إجراءً آمناً تماماً من حيث التحيز، ومجدياً حسابياً لقلة تكلفته البرمجية.
ثانياً: التعويض المفرد في السياقات المحدودة:
في بعض التطبيقات التنبؤية للتعلم الآلي أو الأبحاث الاستطلاعية السريعة التي لا تتطلب استدلالاً إحصائياً حساساً أو اختبارات دلالة دقيقة لمعلمات المجتمع، يمكن استخدام تقنيات التعويض المفرد (Single Imputation)، مثل التعويض بالوسيط (Median Imputation) للبيانات الملتوية أو التعويض بمقدرات النماذج الشجرية البسيطة. ومع ذلك، يظل هذا المسار معيباً في النشر الأكاديمي الرصين لأنه يقلص التباين الاصطناعي للمتغير ويزيد من احتمالية تضخيم دلالة العلاقات الزائفة.
ثالثاً: تفضيل التعويض المتعدد لتعظيم الكفاءة:
حتى في ظل توافر آلية MCAR بنقاء تام، يظل تطبيق التعويض المتعدد (Multiple Imputation) هو المعيار الذهبي الموصى به منهجياً؛ إذ إنه يحمي الباحث من التضحية بالقوة الإحصائية، ويستعيد حجم العينة الكلي الأصلي، مما يؤدي إلى تقليص خطأ المعاينة والحصول على فترات ثقة أضيق وأكثر دقة حول معلمات النموذج.
6.3 الاستراتيجيات المنهجية الإلزامية في حالة MAR
إذا أظهرت التحليلات التشخيصية أن البيانات تخضع لآلية الفقد عشوائياً (MAR)، تتغير القواعد المنهجية بالكامل، وتتحول المسألة إلى مسار إلزامي مشدد لا يقبل التهاون:
الحظر الصارم للحذف الكامل:
يُحظر في هذه الحالة حظراً قاطعاً اللجوء إلى الحذف الكامل للحالات أو الحذف الزوجي (Pairwise Deletion)؛ إذ إن حذف السجلات في ظل ارتباط الفقد بمتغيرات مرصودة سيعطل توازن العينة ويقود إلى تشويه قاتل للنتائج، وتحيز دائم لا يمكن تداركه في التقديرات الإحصائية مهما كبر حجم العينة.
تطبيق الإسناد المتعدد بالسلاسل المقيدة (MICE):
يعد أسلوب MICE المسار الأكثر قوة واعتمادية تحت مظلة MAR. يقوم هذا النهج على نمذجة كل متغير يتضمن قيماً مفقودة عبر نموذج انحدار تكراري مشروط ببقية المتغيرات، مما يولد قيم تعويض احتمالية تعكس تباين المعلمات والخطأ العشوائي المتأصل. يجب على الباحث هنا دمج كافة “المتغيرات المساعدة” (Auxiliary Variables) ذات الارتباط بآلية الفقدان لضمان استيفاء شروط MAR بالكامل وتحييد التحيز.
تقدير الإمكان الأعظم بالمعلومات الكاملة (FIML):
يمثل استخدام خوارزميات FIML (المدمجة بكفاءة في برمجيات نمذجة المعادلات الهيكلية مثل lavaan في R و Mplus) بديلاً موازياً فائق التطور والدقة للتعويض المتعدد. لا يقوم FIML بملء الثقوب أو توليد بيانات بديلة، بل يحسب دالة الإمكان الأعظم لكل حالة على حدة استناداً إلى المتغيرات المرصودة فعلياً لتلك الحالة، مما يسمح بالاستفادة من جميع البيانات المتاحة وتقديم تقديرات متسقة وغير متحيزة للمعلمات وأخطائها المعيارية بجهد برمجي أقل وخالٍ من أخطاء التوليد العشوائي للتعويض.
6.4 تحليل الحساسية وأفضل ممارسات التوثيق الأكاديمي
نظراً لأن افتراض MAR غير قابل للبرهنة القطعية من واقع البيانات، فإن المنهجية الأكاديمية الرصينة تقتضي إجراء ما يسمى بـ “تحليل الحساسية” (Sensitivity Analysis). يستهدف هذا التحليل فحص مدى متانة الاستنتاجات العلمية وقوة النتائج عند حدوث انحرافات طفيفة أو متوسطة عن افتراض MAR باتجاه آلية الفقد غير العشوائي (MNAR). تُستخدم هنا أدوات نمذجة متقدمة مثل “طريقة تعديل دلتا” (Delta-Adjustment Method) ضمن إطار MICE، أو “نماذج خليط الأنماط” (Pattern-Mixture Models)، حيث يتم التلاعب بالقيم المعوضة اصطناعياً عبر إضافة هوامش انزياح موجبة أو سالبة لمحاكاة سيناريو تكون فيه القيم المفقودة أسوأ أو أفضل منهجياً من المتوقع، فإذا صمدت الدلالة الإحصائية للنموذج عبر هذه السيناريوهات المتطرفة، يطمئن الباحث إلى متانة خلاصاته العلمية ومناعته ضد التشكيك المنهجي.
يتكامل ذلك مع الالتزام الصارم بمعايير التوثيق الأكاديمي والشفافية العلمية في متن الأوراق البحثية، وخاصة ضمن قسم المنهجية، عبر اتباع إرشادات دولية مثل إرشادات STROBE و APA. يتطلب ذلك الإفصاح الواضح والمفصل عما يلي:
- نسبة البيانات المفقودة ونمطها لكل متغير من المتغيرات المدرجة في الدراسة بصورة رقمية دقيقة.
- المبررات النظرية والنتائج الإحصائية التشخيصية (بما فيها نتائج اختبار ليتل وانحدارات مؤشر الفقد) التي استند إليها قرار تصنيف الآلية (MCAR أو MAR).
- التفاصيل الكاملة لتقنية المعالجة المتبعة؛ كذكر اسم الحزمة البرمجية (مثل
mice v3.16)، ونوع الخوارزمية (مثل Predictive Mean Matching – PMM)، وعدد مجموعات البيانات المعوضة ($m$)، ومحددات التقارب ومطابقة النماذج. - مقارنة متوازية بين نتائج تحليل الحالات الكاملة ونتائج التحليل بعد التعويض لإبراز حجم التحيز الذي تم احتواؤه وتداركه منهجياً.
7. الأسئلة الشائعة حول MCAR و MAR
7.1 لماذا يُعد مصطلح “الفقد عشوائياً” (MAR) مضللاً في الأدبيات الإحصائية؟
يعد مصطلح “الفقد عشوائياً” (MAR) من أكثر المصطلحات المربكة والمضللة في تاريخ الإحصاء التطبيقي، ويرجع ذلك إلى الهوة الدلالية الكبرى بين المعنى اللغوي السائد لكلمة “عشوائي” والتطبيق الرياضي الدقيق الذي قصده دونالد روبين. ففي الخطاب المعرفي والعامي الدارج، تعني كلمة “عشوائي” الصدفة العمياء، والغياب التام للارتباط، والتوزيع الفوضوي المتجانس للأحداث. وبناءً على هذا المعنى، يتوقع الممارس غير المتخصص أن ظاهرة الفقد عشوائياً تشير إلى غياب أي نظام يحكم ضياع البيانات.
إلا أن الحقيقة الإحصائية لـ MAR تعني نقيض ذلك تماماً؛ إذ إن الفقد هنا هو في واقعه فقد منظم وممنهج إلى أبعد الحدود، وترتبط احتمالية حدوثه ارتباطاً سببياً أو ترابطياً قوياً بالمتغيرات المرصودة للمشاركين. تتجلى “العشوائية” فقط عندما نتحكم إحصائياً في هذه المتغيرات المرصودة؛ أي أنها عشوائية مشروطة ومقيدة (Conditional Randomness). وبذلك، فإن التسمية الصحيحة والأدق مفاهيمياً التي كان ينبغي صكها تاريخياً هي “الفقد المعتمد على المرصود” (Observed-Data-Dependent Missingness). وقد دفع هذا التضليل اللغوي كبار المنهجيين في العلوم السلوكية إلى التحذير المستمر من الخلط بين MAR و MCAR، والتأكيد على أن MAR لا يبرر إطلاقاً إهمال المعالجة المتقدمة أو الركون للحذف الارتجالي للسجلات.
7.2 هل يكفي اجتياز اختبار ليتل (Little’s Test) لإثبات MCAR بشكل قاطع؟
الإجابة المنهجية القاطعة هي: لا، لا يكفي اجتياز الاختبار وحده لإثبات MCAR. على الرغم من أن اختبار ليتل (Little’s MCAR Test) يمثل أداة القياس الكمية المعيارية المتاحة لاختبار فرضية الفقد التام عشوائياً عبر مصفوفات المتغيرات المتعددة، إلا أنه يعاني من قيود ومحددات إحصائية بنيوية تمنعه من أن يكون حكماً نهائياً مطلقاً في اتخاذ القرارات المنهجية الحساسة.
تتمثل أولى هذه المحدوديات في ضعف القوة الإحصائية (Low Statistical Power) للاختبار عندما يطبق على عينات صغيرة أو متوسطة الحجم، أو عندما تكون نسبة الفقد الإجمالية منخفضة نسبياً؛ في هذه الحالات، يعجز الاختبار عن رفض الفرضية الصفرية على الرغم من وجود انحراف منهجي وارتباطات فعلية دالة بين الفقد والمتغيرات، مما يعطي إشارة أمان خادعة بقبول MCAR زائفة. على النقيض من ذلك تماماً، في العينات الضخمة جداً، يصبح الاختبار فائق الحساسية (Overly Sensitive)، حيث يرفض فرضية MCAR بقيم $p$ متناهية في الصغر لمجرد وجود تباينات تافهة وغير ذات قيمة عملية في المتوسطات، مما يحرم الباحث دون داعٍ من افتراض صالح إحصائياً.
أضف إلى ذلك أن اختبار ليتل يفترض التوزيع الطبيعي المتعدد للمتغيرات (Multivariate Normality)، ويختبر فقط الفروق الخطية في المتوسطات بين أنماط الفقد؛ مما يجعله أعمى عن رصد الأنماط اللاخطية (Nonlinear Patterns) أو العلاقات المركبة والاقترانات التفاعلية المعقدة بين الفقد والبيانات المرصودة. وعليه، يجب دوماً اعتبار نتيجة اختبار ليتل مجرد قرينة مدعمة ضمن ملف استدلالي شامل، ويتحتم تعزيزها بالاختبارات اللوجستية الثنائية وفحص مصفوفات الارتباط والمعرفة المسبقة لظروف جمع البيانات الميدانية.
7.3 ما هو أثر سوء تصنيف البيانات (معاملة MAR كـ MCAR) على قرارات النمذجة؟
يترتب على خطأ سوء التصنيف المنهجي، والمتمثل في معاملة البيانات التي تتبع في واقعها آلية MAR كأنها بيانات تتبع MCAR، عواقب مدمرة تتسلسل عبر كافة مخرجات النمذجة الإحصائية وقراراتها الاستدلالية. فعندما ينبني النموذج على هذا التصنيف المعيب، يلجأ الباحث عادة إلى إسقاط السجلات الناقصة (الحذف الكامل) أو استخدام تقنيات التعويض الساذجة، متوهماً أن العشوائية المفترضة ستحميه من الاعوجاج التحليلي.
الأثر الفوري لهذا الخطأ هو ظهور انحياز منهجي جسيم (Severe Bias) في معاملات الانحدار وفترات الثقة؛ إذ إن العينة المتبقية بعد الحذف تفقد التوزيع الشرطي الأصلي وتتحول إلى عينة منتقاة ذاتياً، مما يؤدي إلى تضخيم تقديرات تأثيرات معينة أو إخفاء تأثيرات أخرى حقيقية بصورة مصطنعة. كما تتعرض الأخطاء المعيارية للتشوه الشديد؛ مما يقود إلى تزييف قيم الدلالة الإحصائية ($p$-values) وزيادة معدلات الوقوع في القرارات الإحصائية الخاطئة برفض فرضيات صحيحة أو قبول فرضيات باطلة.
تتعاظم خطورة هذا الخطأ عند استخدام هذه النماذج المنحازة في بناء أدوات التنبؤ في الذكاء الاصطناعي وأنظمة اتخاذ القرار المؤتمتة في مجالات مصيرية كالرعاية الصحية، أو تقييم الجدارة الائتمانية، أو رسم السياسات الاجتماعية؛ فالنموذج المشوه المبني على عينة منحازة سيفشل فشلاً ذريعاً عند نشره في بيئات الإنتاج الحقيقية لتعامله مع مجتمع يختلف جذرياً في تركيبته وتوزيع خصائصه عن العينة المقتطعة اصطناعياً، مما قد ينجم عنه تعميم توصيات طبية خاطئة لفئات معينة أو حرمان شرائح مجتمعية مستحقة بناءً على قياسات إحصائية مضللة.
7.4 كم عدد مجموعات البيانات المعوضة التي يجب إنشاؤها تحت مظلة MAR؟
شهدت الإجابة عن هذا التساؤل المنهجي تحولاً جذرياً في الأدبيات الإحصائية الحديثة نتيجة للقفزات الهائلة في القوة الحوسبية وتطور الفهم الرياضي لتقلبات خطأ المعاينة المتأصل في خوارزميات المحاكاة. تاريخياً، وبناءً على الحسابات المبكرة التي قدمها دونالد روبين في ثمانينيات القرن العشرين، كانت القاعدة السائدة والمتداولة في الكتب المنهجية توصي بإنشاء عدد محدود جداً من مجموعات البيانات المعوضة، يتراوح بين 3 إلى 5 مجموعات فقط ($m = 3 \text{ to } 5$). استند روبين في ذلك إلى معادلة الكفاءة النسبية (Relative Efficiency) التي تقيس كفاءة التقدير النقطي للمعلمات مقارنة بعدد لا نهائي من المجموعات المعوضة:
$$\text{RE} = \left(1 + \frac{\gamma}{m}\right)^{-1/2}$$
حيث تمثل $\gamma$ نسبة البيانات المفقودة، و$m$ عدد التعويضات؛ فإذا كانت نسبة الفقد 30%، فإن إنشاء 5 مجموعات فقط يحقق كفاءة نسبية تتجاوز 97% بالنسبة لتقدير المتوسطات والمعاملات النقطية.
إلا أن الدراسات المنهجية المعاصرة، لا سيما أبحاث بودنر (Bodner, 2008) ووايت وشركائه (White, Royston, & Wood, 2011)، كشفت القصور الخطير لهذه القاعدة التاريخية عند النظر إلى ما هو أبعد من مجرد التقدير النقطي؛ فالاعتماد على 5 مجموعات يؤدي إلى عدم استقرار إحصائي كبير وتذبذب ملحوظ في تقدير الأخطاء المعيارية وفترات الثقة والقيم الاحتمالية ($p$-values)، مما يجعل نتيجة اختبار الدلالة عرضة للتغير إذا أعاد الباحث تشغيل المحاكاة باستخدام بذرة عشوائية (Random Seed) مختلفة.
بناءً على ذلك، استقرت التوصيات الأكاديمية الصارمة اليوم على ما يُعرف بالقاعدة الإرشادية لنسبة الفقد (Rule of Thumb): يجب أن يكون عدد مجموعات التعويض ($m$) مساوياً على الأقل للنسبة المئوية لأعلى معدل فقدان في المتغيرات الرئيسية. فإذا كانت نسبة الفقد في أحد المتغيرات الجوهرية 30%، فيجب توليد 30 مجموعة بيانات معوضة على الأقل؛ وفي التحليلات الإحصائية المتقدمة والتجارب السريرية الحساسة، تتجه أفضل الممارسات إلى إنشاء ما بين 20 إلى 100 مجموعة بيانات معوضة لضمان أقصى قدر من استقرار فترات الثقة وقوة اختبار الفرضيات، وهو ما لم يعد يشكل أي عائق حوسبي في ظل إمكانيات المعالجة الحديثة.
8. الخلاصة والخاتمة المنهجية
8.1 توليف المقارنة بين MCAR و MAR
في ختام هذه المقارنة التشريحية الشاملة بين الفقد التام عشوائياً (MCAR) والفقد عشوائياً (MAR)، تتضح أمامنا الخارطة الإبستمولوجية التي تحكم جودة التعامل مع البيانات الناقصة في التحليل الكمي. يكمن الفارق الحاسم بين النموذجين في طبيعة الارتباط الحاكم لآلية الفقدان: انتقالاً من الاستقلال التام وغير المشروط في حالة MCAR، حيث يتصرف الفقد كعينة عشوائية بسيطة متفرقة لا تشوه التوزيع الأصلي للعينة وإن كانت تنال من كفاءتها؛ إلى الاستقلال المشروط بالمعلومات المتاحة في حالة MAR، حيث تصبح آلية الفقد مساراً منظماً مرتبطاً بالبيانات المرصودة، يحرم فيها الحذف الارتجالي ويفرض تدخلاً نموذجياً دقيقاً لفك الترابط واستعادة التوازن الإحصائي.
يلخص المسار المنهجي السليم حظر أسلوب الحذف الكامل نهائياً عند الاشتباه في MAR أو عند تجاوز الفقد عتبات دنيا في MCAR، والانتقال الواعي نحو استراتيجيات النمذجة الحديثة التي تستوعب فرضية الإهمال الإحصائي المشروع، سواء عبر خوارزميات التعويض المتعدد بالسلاسل المقيدة (MICE) أو تقدير الإمكان الأعظم بالمعلومات الكاملة (FIML). إن إتقان التمييز بين هذين النمطين هو الحد الفاصل بين دراسة علمية متماسكة تقدم نتائج رصينة قابلة للتعميم، وبين تحليل هش مشوه ينتج استنتاجات مضللة قد تهدم مصداقية البحث برمته.
8.2 الاتجاهات الحديثة وخوارزميات الذكاء الاصطناعي في التعامل مع آليات الفقد
تشهد علوم البيانات والإحصاء الرياضي اليوم ثورة حقيقية تعيد تشكيل كيفية التعامل مع آليات الفقدان، متجاوزة الأطر التقليدية التي سادت لعقود. في طليعة هذه الاتجاهات الحديثة يبرز توظيف الشبكات التوليدية التنافسية للتعويض (Generative Adversarial Imputation Networks – GAIN)، حيث يعمل نموذج توليدي (Generator) على تعويض القيم المفقودة بدقة متناهية تحت مظلة فرضية MAR المعقدة، بينما يحاول نموذج تمييزي (Discriminator) التفرقة بين البيانات المرصودة أصلاً وتلك المعوضة اصطناعياً، مما يجبر النموذج على تعلم التوزيعات الشرطية متعددة الأبعاد وفائقة التعقيد دون الحاجة لفرض توزيعات احتمالية مسبقة.
كما فرض عصر البيانات الضخمة (Big Data) تحديات غير مسبوقة تتمثل في مصفوفات الفقدان المتفرقة وعالية الأبعاد (High-Dimensional Sparse Matrices)، حيث يفوق عدد المتغيرات عدد الحالات ($P gg N$). لم تعد الخوارزميات الكلاسيكية كافية هنا، مما أفسح المجال لتقنيات إكمال المصفوفات المنتظمة (Matrix Completion)، وخوارزميات التعلم العميق المتخصصة مثل المشفرات التلقائية التباينية (Variational Autoencoders – VAEs) المصممة للتعامل مع البيانات الناقصة، والتي تتيح ضغط فضاء البيانات والتقاط التفاعلات اللاخطية الكامنة التي تحرك آليات MAR على نطاقات حوسبية هائلة.
وأخيراً، تشهد الساحة العلمية تكاملاً عميقاً بين الاستدلال السببي (Causal Inference) وآليات الفقدان؛ حيث يعاد صياغة مشكلة البيانات المفقودة كمسألة استدلال سببي تتعلق بتقدير “النتائج الكامنة” (Potential Outcomes) للوحدات التي لم يتم رصدها. يتيح هذا الدمج المفاهيمي استخدام مخططات التوجيه غير الدائري (DAGs) وأطر المطابقة السببية لتحديد الحدود الدقيقة التي يمكن في ظلها إثبات إمكانية تحديد المعلمات (Identifiability)، وتطوير نماذج حساسية فائقة الذكاء قادرة على رصد سيناريوهات التحول من MAR إلى MNAR. إن هذا التقاطع الخصب بين النمذجة الإحصائية الكلاسيكية لروبين وعلوم الحوسبة والتعلم الآلي الحديثة يفتح آفاقاً رحبة تضمن حماية الحقيقة العلمية المستخلصة من البيانات، مهما اعتراها النقص وتخللتها الثقوب المنهجية.
المراجع
- Collins, L. M., Schafer, J. L., & Kam, C. M. (2001). A comparison of inclusive and restrictive strategies in modern missing data procedures. Psychological Methods, 6(4), 330–351. https://doi.org/10.1037/1082-989X.6.4.330
- Little, R. J. A. (1988). A test of missing completely at random for multivariate data with missing values. Journal of the American Statistical Association, 83(404), 1198–1202. https://doi.org/10.1080/01621459.1988.10478722
- Little, R. J. A., & Rubin, D. B. (2019). Statistical analysis with missing data (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781119482260
- Rubin, D. B. (1976). Inference and missing data. Biometrika, 63(3), 581–592. https://doi.org/10.1093/biomet/63.3.581
- Schafer, J. L., & Graham, J. W. (2002). Missing data: Our view of the state of the art. Psychological Methods, 7(2), 147–177. https://doi.org/10.1037/1082-989X.7.2.147
- van Buuren, S. (2018). Flexible imputation of missing data (2nd ed.). Chapman and Hall/CRC. https://doi.org/10.1201/9780429492259
- White, I. R., Royston, P., & Wood, A. M. (2011). Multiple imputation using chained equations: Issues and guidance for practice. Statistics in Medicine, 30(4), 377–399. https://doi.org/10.1002/sim.4067