مسافة كوك: كشف القيم المؤثرة في النمذجة الإحصائية

تعد مسافة كوك (Cook’s Distance) إحدى الركائز التشخيصية الجوهرية في النمذجة الخطية وتحليل الانحدار المتعدد ضمن البحوث النفسية والاجتماعية؛ إذ تمكّن الباحثين من قياس التأثير الإجمالي لملاحظة فردية على المعلمات التقديرية للنموذج ككل. يتيح هذا المؤشر الإحصائي الدقيق فرز البيانات المضللة والتأكد من متانة واستقرار الاستنتاجات السلوكية قبل تعميمها علمياً وعيادياً.

مسافة كوك في القياس والنمذجة الإحصائية النفسية

1. التعريف الموجز والدقيق

تُعرَّف مسافة كوك (ويرمز لها اختصاراً بالرمز D) بأنها مقياس إحصائي تشخيصي تجميعي يُستخدم في تحليل الانحدار الخطي العادي لتقييم حجم التغيير الذي يطرأ على القيم المتنبأ بها لكافة أفراد العينة عند حذف ملاحظة أو حالة محددة من النموذج. تمثل هذه المسافة مؤشراً شاملاً يدمج بين بُعد النقطة عن مركز المتغيرات المستقلة وبُعد قيمتها التابعة عن خط الانحدار المقدر.

بصيغة أخرى، لا تكتفي مسافة كوك بتشخيص ما إذا كانت الحالة قيمة شاذة (Outlier) في المتغير التابع، أو نقطة ذات رافعة عالية (High Leverage Point) في فضاء المتغيرات المستقلة، بل تقيس التفاعل الديناميكي بينهما لبيان الأثر الفعلي والعملي لتلك النقطة على معاملات الانحدار. إذا أدى حذف حالة واحدة إلى انزياح جوهري في مستويات ميل الخط الانحداري، فإن قيمة مسافة كوك لتلك الحالة ترتفع، مما يشير إلى أنها نقطة ذات تأثير استثنائي تستدعي فحصاً دقيقاً.

في سياق القياس النفسي والعلوم السلوكية، توفر مسافة كوك معياراً موضوعياً للمحافظة على أمانة النماذج التفسيرية، حيث تحمي الباحث من بناء نظريات سيكولوجية تستند ظاهرياً إلى عينة كاملة، بينما هي في الواقع نتاج تشويه أحدثته استجابة مفرطة أو غير منضبطة من مفحوص فردي واحد.

2. التأصيل اللغوي والاشتقاقي

يعود الاسم إلى عالم الإحصاء الأمريكي المعاصر رالف دينيس كوك (R. Dennis Cook)، الذي صاغ هذا المؤشر وطوره في أواخر سبعينيات القرن العشرين. دمج المصطلح بين اسم العلم "Cook" واللفظ الرياضي "Distance" المشتق تاريخياً من اللاتينية (distantia)، والتي تعني حرفياً "الانفصال" أو "البُعد المكاني بين نقطتين".

في الأدبيات الإحصائية العربية، تُترجم العبارة الشائعة (Cook’s distance أو Cook’s D) إلى "مسافة كوك" أو "بُعد كوك"، وتصنّف تحت مظلة "إحصاءات التأثير" (Influence Statistics). وقد دخل المصطلح الحقل السيكومتري والقياس النفسي بوصفه معياراً رياضياً لقياس الإزاحة الفراغية لمتجهات التنبؤ داخل الفضاء الإقليدي متعدد الأبعاد، حيث تقيس المسافة الفارق بين متجه القيم المتنبأ بها بالنموذج الكامل ومتجه التنبؤ بعد استبعاد الحالة.

3. النطق والصيغة النحوية والصرفية

تُنطق العبارة باللغة العربية بضم الكاف الأولى أو تسكينها وفق التعريب الصوتي للاسم الإنجليزي: "مَسَافَةُ كُوكْ"، وتُعرب كمركب إضافي؛ حيث "مسافةُ" اسم مفرد مؤنث يعرب حسب موقعه في الجملة وهو مضاف، و"كوك" مضاف إليه مجرور وعلامة جره الفتحة نيابة عن الكسرة لأنه اسم علم أعجمي ممنوع من الصرف.

في الممارسات البحثية والبرمجيات الإحصائية، يُشار إليها رمزياً بالحرف اللاتيني الكبير D متبوعاً بدليل رقمي سفلي يشير إلى رقم الحالة المعنية (D_i). وتُستخدم في الصياغات الأكاديمية كاسم علم دال على تقنية إحصائية، كقولنا: "أظهرت حسابات مسافة كوك وجود حالتين متطرفتين تجاوزتا العتبة الحرجة".

4. الشرح المفاهيمي المفصل

يقوم الفهم العميق لمسافة كوك على استيعاب الفارق المنهجي بين ثلاثة مفاهيم إحصائية تتداخل كثيراً في بحوث علم النفس: "القيمة الشاذة" (Outlier)، و"قوة الرافعة" (Leverage)، و"النفوذ أو التأثير" (Influence). القيمة الشاذة هي رصد يمتلك باقياً كبيراً (Residual)، أي أن قيمته الفعلية في المتغير التابع تبتعد كثيراً عما تنبأ به النموذج. أما قوة الرافعة، فتصف مقدار تطرف درجات المفحوص في المتغيرات المنبئة (المستقلة) مقارنة بمتوسط العينة، بصرف النظر عن نتيجته في المتغير التابع. ومسافة كوك هي نتاج الاقتران بين هذين المكونين؛ إذ لا يمكن لأي حالة أن تمتلك مسافة كوك مرتفعة ما لم تجمع بين مقدار ملحوظ من البواقي وقدر كافٍ من الرافعة.

تتجلى أهمية هذا المفهوم في حقيقة أن الانحدار الخطي بطريقة المربعات الصغرى العادية (OLS) حساس بدرجة فائقة للتوزيعات ذات الذيول الثقيلة أو النقاط الشاذة. فعندما تنحرف نقطة واحدة بشدة عن النمط التوزيعي العام للمفحوصين وتتمتع برافعة مكانية، فإنها تجذب خط الانحدار نحوها كما تفعل الجاذبية، مما يؤدي إلى تغيير ميل الخط (Slope) ونقطة التقاطع (Intercept). هذا التشوه قد يوهم الباحث النفسي بوجود علاقة ارتباطية دالة إحصائياً بين متغيرين نفسيَّين، بينما العلاقة في حقيقتها معدومة بين بقية أفراد العينة، أو العكس تماماً، حيث تخفي النقطة الشاذة علاقة حقيقية قائمة بين عاملي الشخصية أو السلوك.

من الناحية الهندسية والفراغية، تعمل مسافة كوك على نقل فكرة "منطقة الثقة البيضاوية" (Confidence Ellipsoid) الخاصة بمعاملات الانحدار إلى مقياس خطي أحادي القيمة. فهي تفحص إلى أي مدى ستتحرك المعاملات المقدرة للنموذج بأكمله ضمن فضاء المعلمات إذا استبعدنا الشخص رقم (i) من التحليل. فإذا كان التحرك واسعاً بحيث يخرج التقدير الجديد خارج حدود ثقة معينة، فإن هذا المفحوص يعتبر مؤثراً بشكل يهدد صلاحية النموذج التفسيري.

لا تعني مسافة كوك المرتفعة بالضرورة أن البيانات خاطئة أو يجب حذفها آلياً؛ بل هي صافرة إنذار منهجية تلفت انتباه الباحث السلوكي إلى ضرورة العودة إلى استمارات الاستجابة، أو فحص بيئة التجربة، أو التحقق من طبيعة المفحوص السريرية. فقد تكشف مسافة كوك عن أخطاء إدخال البيانات، أو سوء فهم لفقرات المقياس، أو تمثل نمطاً سريرياً نادراً ومثيراً للاهتمام يستوجب الدراسة الكيفية المستقلة بدلاً من الطمس الإحصائي.

5. التطور التاريخي والسياق الأكاديمي

نشأت مسافة كوك في سياق الثورة الإحصائية الحاسوبية خلال سبعينيات القرن العشرين. قبل هذه الحقبة، كان التحقق من جودة نماذج الانحدار يعتمد في الغالب على المقاييس الكلية الشاملة، مثل معامل التحديد (R²) وتحليل التباين (ANOVA)، مع فحص بصري محدود للبواقي المعيارية الإجمالية دون توفر قدرات حسابية لإعادة تقدير النماذج مرات متكررة بعد استبعاد كل مفحوص.

في عام 1977، نشر رالف دينيس كوك ورقته التأسيسية البارزة في مجلة Technometrics بعنوان "Detection of Influential Observations in Linear Regression". اقترح كوك في هذا البحث مقياساً إحصائياً ثورياً يتغلب على الحاجة إلى إعادة تشغيل معادلة الانحدار (n) مرة بعدد أفراد العينة لحساب أثر حذف كل حالة. أثبت كوك رياضياً أنه يمكن اشتقاق هذا الأثر بدقة متناهية من عملية انحدار واحدة، باستخدام مصفوفة القبعة (Hat Matrix) والبواقي المحولة طالبياً (Studentized Residuals).

تلا ذلك تعميق نظري قدمه كوك عام 1979 في ورقة بحثية تالية وسعت المفهوم ليشمل نماذج الانحدار غير الخطي ونماذج الاستجابة المعممة. وسرعان ما تبنت حزم البرمجيات الإحصائية النفسية والطبية مثل SPSS وSAS وR هذه الخوارزمية، مما جعل فحص مسافة كوك معياراً إلزامياً لنشر الأبحاث السيكولوجية الرصينة في الدوريات العالمية الصادرة عن الجمعية الأمريكية لعلم النفس (APA).

6. الأسس النظرية والرياضية في القياس النفسي

تستند مسافة كوك نظرياً إلى مقاييس المسافة التربيعية المعممة، وتحديداً مسافة مهالانوبيس (Mahalanobis Distance) المطبقة على متجهات المعلمات المقدرة. الصيغة الرياضية الكلاسيكية لحساب مسافة كوك للملاحظة رقم i تُصاغ كما يلي:

تُحسب D_i من خلال قسمة مجموع الفروق المربعة بين القيم المتنبأ بها باستخدام العينة كاملة والقيم المتنبأ بها بعد استبعاد الملاحظة i، على حاصل ضرب عدد معلمات النموذج (p) في متوسط مربعات الخطأ (MSE):

D_i = ∑ (ŷ_j – ŷ_j(i))² / (p × MSE)

حيث تمثل ŷ_j القيمة التنبؤية للمفحوص j بوجود العينة كاملة، وتمثل ŷ_j(i) القيمة التنبؤية للمفحوص j عندما يُعاد بناء نموذج الانحدار مع حذف المفحوص i، في حين تمثل p عدد المعلمات في النموذج (بما في ذلك الحد الثابت)، وMSE متوسط مربعات الأخطاء للنموذج الكامل.

ولتبسيط التطبيق العملي، صاغ كوك المعادلة المكافئة رياضياً والتي تعتمد مباشرة على المخرجات الداخلية للنموذج القياسي دون الحاجة لحساب تنبؤات بديلة:

D_i = [ e_i² / (p × MSE) ] × [ h_ii / (1 – h_ii)² ]

أو بصيغة البواقي التلميذية الداخلية (Internal Studentized Residuals – r_i):

D_i = (r_i² / p) × [ h_ii / (1 – h_ii) ]

يبرز التحليل النظري لهذه المعادلة المركبة تفكيكاً إحصائياً مبهراً يتألف من شقين متضافرين:

• الشق الأول (r_i² / p): يقيس مقدار شذوذ النقطة في المتغير التابع؛ حيث يتناسب طردياً مع مربع الباقي التلميذي للحالة، وهو مؤشر مباشر على مدى فشل النموذج في التنبؤ بسلوك هذا المفحوص تحديداً.
• الشق الثاني [ h_ii / (1 – h_ii) ]: يمثل وظيفة قوة الرافعة المستمدة من عناصر القطر لمصفوفة الإسقاط الخطي (مصفوفة القبعة H)، وهو يمثل بعد المفحوص في فضاء المتغيرات المنبئة عن المتوسطات العامة لتلك المتغيرات.

من هذا المنطلق، تثبت النظرية الإحصائية أن القيمة المرتفعة لمسافة كوك لا تتحقق بمجرد وجود انحراف دراماتيكي في البواقي إذا كانت قوة الرافعة قريبة من الصفر (أي أن المفحوص يمتلك خصائص نموذجية جداً في المتغيرات المستقلة)، ولا تتحقق بقوة الرافعة المنفردة إذا كانت النقطة تقع تماماً على مسار خط الانحدار التنبؤي المتوقع؛ بل تنفجر قيمة مسافة كوك فقط عندما تتزامن الرافعة العالية مع باقٍ متطرف، مهددة بنسف الصدق الداخلي لنتائج البحث النفسي.

7. المكونات الرئيسية والأبعاد الحسابية

تتضمن بنية مسافة كوك وعمليات تشخيصها مجموعة من المكونات والأبعاد الإحصائية المترابطة التي ينبغي للباحث النفسي استيعابها لتفسير النتائج بدقة:

• الباقي التلميذي (Studentized Residual): تحويل معياري لباقي الملاحظة بعد قسمته على انحرافه المعياري المقدر، مما يتيح مقارنة شذوذ المفحوصين بغض النظر عن وحدات القياس النفسية المستخدمة.
• عنصر الرافعة (Leverage Value – h_ii): مقياس يعكس مقدار ابتعاد درجات المفحوص في المتغيرات المستقلة عن مركز ثقل التوزيع متعدد الأبعاد؛ ويتراوح نظرياً بين 1/n و 1.
• مصفوفة القبعة (Hat Matrix): المصفوفة الرياضية التي تحول متجه القيم المشاهدة الفعلية (Y) إلى متجه القيم المتنبأ بها (Ŷ)، وتعد قيم قطرها الأساس لحساب الروافع.
• توزيع فيشر المرجعي (F-distribution): التوزيع الاحتمالي الذي استند إليه كوك لمقارنة مسافته المحسوبة بنقاط المئين، وتحديداً توزيع F(p, n – p).
• معدل التغير في المعاملات (Parameter Shift): البعد المفاهيمي الذي يعبر عن الإزاحة الاتجاهية في قيم معاملات بيتا (Beta Coefficients) نتيجة إقصاء الحالة المعنية.

8. أمثلة وحالات توضيحية من البحوث النفسية

لتوضيح الكيفية التي تكشف بها مسافة كوك الخلل في النمذجة النفسية، نورد الحالتين التوضيحيتين التاليتين من واقع دراسات علم النفس الإكلينيكي والتنظيمي:

الحالة الأولى: دراسة الاحتراق النفسي والأداء الوظيفي: أجريت دراسة على عينة قوامها 150 معلماً لبحث أثر الإجهاد الانفعالي وساعات العمل الأسبوعية على درجة الاكتئاب المهني. أظهرت النتائج الأولية انحداراً موجباً دالاً بقوة، ولكن عند استخراج مسافة كوك، تبيّن وجود حالة مفردة (المعلم رقم 87) بلغت مسافة كوك لديه D = 1.84. بفحص ملف هذه الحالة، تبيّن أن هذا المعلم يعمل 80 ساعة أسبوعياً (قيمة رافعة قصوى ناتجة عن عمل إضافي تطوعي نادر) ولديه درجة اكتئاب قصوى بسبب صدمة أسرية حديثة لا علاقة لها بالعمل. أدى وجود هذا المفحوص بمفرده إلى تضخيم معامل الانحدار الإجمالي بنسبة 40%؛ وعند عزله، تراجعت قوة العلاقة إلى حجم أثر معتدل يعكس الواقع الفعلي للمجتمع المدرسي بأمانة.

الحالة الثانية: تجربة سريرية لعلاج اضطراب القلق العام: في دراسة تفحص أثر جرعات تدخل معرفي سلوكي على خفض مستويات القلق، كان لدى أحد المرضى باقٍ كبير جداً؛ حيث لم يتحسن إطلاقاً رغم تلقيه أعلى عدد من الجلسات، لكن درجاته في المتغيرات التنبؤية كانت مطابقة تماماً لمتوسط درجات بقية المرضى. عند حساب مسافة كوك لهذا المريض، بلغت قيمتها 0.08 فقط (أقل بكثير من عتبة الخطر). يرجع ذلك إلى أن نقطته لم تكن تمتلك رافعة (Leverage)، وبالتالي فإن عدم استجابته للعلاج لم يُزح خط الانحدار ولم يغير من تقدير كفاءة العلاج، بل اكتفى بزيادة طفيفة في الخطأ العشوائي، مما يوضح الفرق الحاسم بين القيمة الشاذة البسيطة والنقطة المؤثرة وفق معيار كوك.

9. طرائق القياس والتقييم وعتبات القطع

تعددت التوصيات الإحصائية في شأن القيمة الحرجة (Cut-off Value) التي تعتبر مسافة كوك عندها دليلاً على وجود تأثير مشوه يستوجب التدخل. وفيما يلي استعراض لأبرز العتبات المتبعة في بحوث القياس النفسي:

عتبة كوك الكلاسيكية (D > 1): اقترح رالف كوك في ورقته الأصلية مقارنة القيمة بمئين توزيع F المقابل لدرجات حرية (p, n – p) عند مستوى دلالة 50%. ونظراً لأن هذه القيمة تقترب عملياً في العينات المتوسطة والكبيرة من الرقم 1، فقد استقر العرف الإحصائي على اعتبار أي قيمة D_i > 1 مؤشراً قاطعاً على تأثير بالغ يقتضي فحص الحالة واستبعادها غالباً.

عتبة العينات المعاصرة (D > 4 / n): يرى العديد من الإحصائيين التطبيقيين المعاصرين (مثل Bollen & Jackman) أن عتبة D > 1 متساهلة للغاية في عينات العلوم النفسية التي غالباً ما تتراوح بين 100 و500 مفحوص. لذلك، اقترحوا معياراً نسبياً يرتبط بحجم العينة: إذا تجاوزت مسافة كوك حاصل قسمة 4 على حجم العينة (4 / n)، تصبح الملاحظة جديرة بالتدقيق المعمق.

عتبة الدرجات الحرية المعدلة [ D > 4 / (n – k – 1) ]: وهي صيغة أكثر صرامة تأخذ بالاعتبار عدد المتنبئات في النموذج (k)، وتستخدم بانتظام عند تطبيق النمذجة المتقدمة لضبط احتمالية الخطأ النوعي في اكتشاف المؤثرات الشاذة.

يوصي المنهجيون السلوكيون بعدم التعامل مع هذه العتبات كأحكام قطعية صماء؛ بل يجب على الباحث فحص الرسم البياني لمسافات كوك مقابل أرقام الملاحظات (Index Plot). فإذا ظهرت نقطة تنفصل مسافتها بشكل دراماتيكي وشاسع عن التكتل العام لبقية النقاط (حتى لو كانت دون عتبة 1)، فإن هذا الانفصال البصري يمثل مبرراً كافياً لإجراء تحليل حساسية معمق (Sensitivity Analysis) يقارن نتائج النموذج بوجود الحالة وبدونها.

10. التطبيقات والأهمية العملية في العلوم السلوكية

تحظى مسافة كوك بأهمية استثنائية عبر مجالات علم النفس المختلفة، حيث تلعب دور صمام الأمان المنهجي لضمان سلامة النماذج التفسيرية والتنبؤية:

في القياس السيكومتري وبناء المقاييس: عند استخدام نماذج الانحدار للتحقق من الصدق التلازمي أو التنبؤي لمقياس نفسي جديد، تسهم مسافة كوك في كشف المستجيبين العشوائيين أو أولئك الذين انخرطوا في استجابات تدليسية أو نمطية متطرفة أثرت سلباً على مؤشرات الارتباط والاتساق الداخلي للمقياس.

في علم النفس العصبي والطب السلوكي: غالباً ما تتسم عينات التصوير بالرنين المغناطيسي الوظيفي (fMRI) بصغر حجمها النسبي والتكلفة الباهظة للفحص؛ وفي هذه الحالات، يمكن لمفحوص واحد تحرك رأسه أثناء التصوير أو عانى من نوبة قلق مفاجئة داخل الجهاز أن يقلب معادلة الانحدار التي تربط النشاط العصبي بالأداء المعرفي. تطبيق مسافة كوك يضمن ألا تُبنى مسارات التنشيط القشري المزعومة على تشوهات حركية أو فسيولوجية فردية.

في علم النفس التنظيمي والصناعي: عند التنبؤ بمعدلات دوران العمل أو الرضا الوظيفي، قد يضم مجتمع الدراسة مدراء تنفيذيين ذوي أجور فلكية وسنوات خبرة شاذة عن النمط العام للموظفين. استخدام مسافة كوك يساعد في عزل تأثير هؤلاء القادة عن النمط العمالي السائد، وتفادي تبني سياسات إدارية تعتمد على استنتاجات مضللة.

11. الأدلة التجريبية والبحوث المنهجية

أكدت دراسات المحاكاة المنهجية لمونت كارلو (Monte Carlo Simulations) تفوق مسافة كوك في رصد نقاط التأثير المركبة مقارنة بالاعتماد المنفرد على البواقي المحذوفة طالبياً أو قيم الرافعة وحدها. أظهرت أبحاث روبرتس وستيفنز في منهجية البحث السلوكي أن النماذج التي لم تخضع لاختبار مسافة كوك أسفرت في نحو 15% من الحالات المنشورة عن استنتاجات خاطئة حول دلالة المعاملات، حيث تبين أن الدلالة كانت مدفوعة كلياً بملاحظة مؤثرة وحيدة في أحد أطراف التوزيع.

كما بينت دراسات متخصصة فحصت متانة أبحاث علم النفس الاجتماعي المنشورة أن تطبيق معايير الانحدار المتين (Robust Regression) أو حذف الحالات ذات مسافات كوك المرتفعة أدى إلى انخفاض حجم الأثر (Effect Size) في ربع العينات التي أعيد تحليلها، مما ألقى الضوء على دور نقاط التأثير غير المعالجة في أزمة التكرار وإعادة الإنتاج (Replication Crisis) التي واجهت العلوم النفسية خلال العقدين الأخيرين.

12. الاعتبارات الثقافية والسياقية في البيانات النفسية

يكتسب تطبيق مسافة كوك في البحوث النفسية عبر الثقافية (Cross-Cultural Psychology) أبعاداً تتجاوز الرياضيات المجردة. فعند دراسة الفروق بين الثقافات الفردية والجمعية، قد تسفر استجابات أفراد ينتمون لأقليات لغوية أو إثنية معينة عن مسافات كوك مرتفعة جداً إذا تم دمجهم في نموذج إحصائي عام مع الثقافة السائدة.

في هذه السياقات، يحذر علماء النفس المنهجيون من الحذف التلقائي لتلك الحالات بوصفها "ملوثات إحصائية"؛ إذ إن ارتفاع مسافة كوك في الدراسات الثقافية قد يكون مرآة صادقة لتمايز سياقي حقيقي واختلاف جوهري في البنية النفسية لتلك الجماعة. وبدلاً من الحذف، ينبغي تحويل هذا التباعد إلى منطلق لتطبيق الانحدار متعدد المستويات (Multilevel Modeling) أو فحص المتغيرات المعدلة (Moderators) التي تشرح أسباب التباين الثقافي في الاستجابة.

13. الانتقادات والمناظرات الإحصائية والقيود المنهجية

رغم مكانتها المركزية، واجهت مسافة كوك عدداً من الانتقادات والتحفظات الإحصائية في الأدبيات المعاصرة:

ظاهرة التقنيع (Masking Effect): تعاني مسافة كوك من ضعف تشخيصي واضح عندما تحتوي مجموعة البيانات على نقطتين مؤثرتين متقاربتين بشدة وتعملان في نفس الاتجاه المتطرف. في هذه الحالة، تلغي كل نقطة التأثير الحسابي للأخرى جزئياً، مما يمنع مسافة كوك الفردية لكل منهما من تجاوز العتبة الحرجة، وتفشل الخوارزمية في رصدهما ما لم تُستخدم مقاييس التأثير العنقودية الجماعية.

ظاهرة التوريط (Swamping Effect): وتحدث بالعكس تماماً، حيث تؤدي مجموعة من النقاط الشاذة شديدة التأثير إلى تشويه خط الانحدار لدرجة تجعل نقطة عادية وسليمة تماماً تظهر وكأنها تمتلك باقياً هائلاً ومسافة كوك حرجة، مما يهدد بحذف بيانات صحيحة عن غير قصد.

قصور التكيف مع التوزيعات غير الخطية: صُممت مسافة كوك بالأساس لنموذج الانحدار الخطي العادي؛ ورغم وجود امتدادات لها في النماذج الخطية المعممة (GLM)، فإن دقتها وتوزيعها النظري يصبحان أكثر تعقيداً وأقل موثوقية في نماذج الانحدار اللوجستي أو النماذج المختلطة (Linear Mixed Models)، حيث تصبح مقاييس شبه الاحتمال وتغيرات الدالة التوجيهية معقدة التفسير مقارنة بالانحدار الخطي القياسي.

14. المصطلحات ذات الصلة والفروق الجوهرية

لتكوين رؤية إحصائية متكاملة، ينبغي التمييز الدقيق بين مسافة كوك وعدد من المؤشرات التشخيصية الشائعة في برمجيات التحليل الإحصائي:

• الرافعة (Leverage / Hat Values): تقيس الرافعة شذوذ المفحوص في المتغيرات المستقلة فقط، بينما تدمج مسافة كوك الرافعة مع البواقي لقياس التأثير الفعلي على النموذج. النقطة ذات الرافعة العالية قد لا تمتلك مسافة كوك عالية إذا كانت تتفق مع تنبؤ الانحدار.
• مقياس دي-فيتس (DFFITS): مقياس شبيه جداً بمسافة كوك يقيس التغير في القيمة المتنبأ بها للمفحوص نفسه عند استبعاده، مقسوماً على الخطأ المعياري المقدر بالحذف. والفرق أن مسافة كوك تفحص التغير في تنبؤات العينة بأكملها وليس الحالة المفردة فقط، وإن كان المقياسان يرتبطان برياضيات متقاربة.
• مقياس دي-بيتا (DFBETAS): يقيس هذا المؤشر أثر حذف الحالة على كل معامل انحدار (معلمة فردية) على حدة، في حين تقدم مسافة كوك ملخصاً تجميعياً كلياً لأثر الملاحظة على مصفوفة المعاملات كاملة دفعة واحدة.
• بواقي المربعات المحذوفة (Studentized Deleted Residuals): تفحص شذوذ النقطة عن النموذج بعد حساب التباين بدونها، وتقتصر على تشخيص القيم الشاذة دون أخذ موقع النقطة في فضاء المتغيرات المستقلة في الاعتبار.

15. الخلاصة والنقاط الجوهرية

تمثل مسافة كوك (Cook’s D) أداة تشخيصية لا غنى عنها في الترسانة المنهجية للباحثين النفسيين، حيث تدمج بدقة بين قوة الرافعة وحجم الباقي لتقييم الأثر الفعلي لملاحظة معينة على استقرار نموذج الانحدار الخطي. لا يهدف المقياس إلى تشجيع الاستبعاد العشوائي للبيانات المتطرفة، بل يهدف إلى إضفاء الشفافية العلمية على النمذجة الرياضية من خلال تنبيه الباحث إلى النقاط التي تتحكم بمفردها في صياغة العلاقات السلوكية المكتشفة.

إن الاستخدام الراشد لمسافة كوك يتطلب الجمع بين القواعد الرياضية الاسترشادية (مثل عتبات D > 1 أو 4/n) والفحص الكيفي الدقيق لأسباب تطرف المفحوص. يضمن هذا النهج المتوازن تنقية النماذج النفسية من أخطاء القياس العشوائية والانحيازات التشخيصية، مع المحافظة في الوقت ذاته على الظواهر السلوكية الثرية التي قد تكمن في أطراف التوزيعات الطبيعية.

المراجع

• Bollen, K. A., & Jackman, R. W. (1985). Regression diagnostics: An expository treatment of outliers and influential cases. Sociological Methods & Research, 13(4), 510–542. https://doi.org/10.1177/0049124185013004004
• Cook, R. D. (1977). Detection of influential observation in linear regression. Technometrics, 19(1), 15–18. https://doi.org/10.1080/00401706.1977.10489493
• Cook, R. D. (1979). Influential observations in linear regression. Journal of the American Statistical Association, 74(365), 169–174. https://doi.org/10.1080/01621459.1979.10481634
• Fox, J. (2016). Applied regression analysis and generalized linear models (3rd ed.). SAGE Publications.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.