مصفوفة التغاير: بوصلة العلاقات الإحصائية والنفسية

تُعد مصفوفة التغاير الركيزة الإحصائية والرياضية الأكثر جوهرية في تحليل البيانات متعددة المتغيرات، حيث توفر إطاراً موحداً لفهم وتفسير التباينات الفردية والعلاقات المتبادلة بين الظواهر النفسية المعقدة. من خلال تلخيص درجات التشتت والارتباط المتزامن بين عدة متغيرات عشوائية، تشكل هذه المصفوفة حجر الأساس للعديد من النماذج القياسية المعاصرة، مثل تحليل العوامل، ونمذجة المعادلات البنائية، والتحليل التمييزي، مما يجعلها أداة لا غنى عنها في البحث النفسي المتقدم.

مصفوفة التغاير (Covariance Matrix)

1. التعريف الموجز والدقيق

مصفوفة التغاير هي مصفوفة مربعة ومتماثلة رياضياً، تحتوي عناصر قطرها الرئيسي على قيم التباين لكل متغير على حدة، بينما تمثل العناصر الواقعة خارج القطر الرئيسي قيم التغاير المشترك بين أزواج المتغيرات المختلفة. تقدم هذه المصفوفة تمثيلاً شاملاً لبنية التشتت والترابط الداخلي لمجموعة من المتغيرات العشوائية ضمن فضاء احتمالي محدد.

في سياق القياس النفسي والإحصاء الحيوي، لا تقتصر وظيفة هذه المصفوفة على مجرد تجميع الأرقام الجبرية، بل تُعبّر عن كيفية تباين السمات النفسية، أو السلوكيات المقاسة، أو استجابات المقاييس بالتوازي مع بعضها البعض. فعندما نقيس أبعاداً معقدة كالقلق، والاكتئاب، واليقظة الذهنية، تعكس مصفوفة التغاير مقدار التغير المشترك بين هذه الحالات الوجدانية، مما يتيح للباحثين تفكيك التعقيد الكامن وراء بنية الشخصية والسلوك الإنساني.

وتُعرف أيضاً باسم “مصفوفة التباين والتغاير” (Variance-Covariance Matrix)، نظراً لاحتوائها على كلا المفهومين معاً. تُعتبر هذه المصفوفة موجبة شبه محددة (Positive Semi-Definite) في الحالات القياسية، وهو شرط رياضي حاسم لضمان إمكانية إجراء العمليات الإحصائية المتقدمة كالمعاكسة المصفوفية واستخراج القيم والمتجهات الذاتية.

2. التأصيل اللغوي والاشتقاقي

يأتي مصطلح “التغاير” في اللغة العربية من الجذر (غ – ي – ر)، والذي يحمل دلالات التحول والاختلاف والتبدل؛ ويُستخدم في الاصطلاح الإحصائي للإشارة إلى اقتران التغير بين متغيرين، أي كيف يتغير أحدهما بالنسبة لتغير الآخر. أما لفظ “مصفوفة” فيعود للجذر (ص – ف – ف)، ويعني لغةً ترتيب الأشياء في سياق منظم ومستوٍ، وهو ما يقابل تماماً المفهوم الرياضي للمصفوفات (Matrices) كترتيب ثنائي الأبعاد للأرقام.

في اللغة الإنجليزية، نشأ مصطلح Covariance من دمج البادئة اللاتينية co- التي تعني “معاً” أو “بالمشاركة”، مع كلمة variance المشتقة من اللاتينية variare بمعنى التغير والتباين. دخل المصطلح الفضاء الرياضي في أوائل القرن العشرين عبر أعمال علماء الإحصاء الحيوي الكبار لتوصيف التغير المتزامن بين الصفات البيولوجية والوراثية، قبل أن ينتقل تدريجياً إلى القياس النفسي ونظرية الاختبارات الكلاسيكية.

3. النطق والصيغة الصرفية واستخدام المصطلح

تُنطق باللغة العربية بضم الميم الأولى وفتح الفاء وسكون الواو: مَصْفُوفَةُ التَّغَايُرِ، وتُعرب مصفوفة حسب موقعها في الجملة وهي مضاف، والتغاير مضاف إليه مجرور وعلامة جره الكسرة الظاهرة. تجمع على “مصفوفات التغاير”، وتُستخدم كاسم مركب علمي يعبر عن كينونة جبرية واحدة.

في الأدبيات الأكاديمية العربية، يُقبل مصطلح “مصفوفة التباين المشترك” أو “مصفوفة التباين والتغاير” كمرادفات دقيقة وواسعة الانتشار. يُستخدم المصطلح غالباً بوصفه فاعلاً في التحليلات الإحصائية؛ كأن يُقال: “أظهرت مصفوفة التغاير تجانساً ملحوظاً”، أو مفعولاً به كأن يُقال: “قام الباحث بتقدير مصفوفة التغاير لعينة الدراسة”.

4. الشرح المفاهيمي التفصيلي والأبعاد الرياضية

تجسد مصفوفة التغاير جوهر الجبر الخطي المطبق في دراسة السلوك؛ فإذا كان لدينا متجه يتكون من عدد p من المتغيرات العشوائية، فإن مصفوفة التغاير الناتجة ستكون مصفوفة مربعة بأبعاد p × p. تكمن القوة النظرية لهذه المصفوفة في قدرتها على التقاط التباين الفردي لكل متغير عبر قطريتها، وتوضيح اتجاه وقوة الترابط الخطي بين أي متغيرين عبر العناصر غير القطرية. إذا كانت قيمة التغاير بين متغيرين موجبة، فهذا يشير إلى أنهما يميلان إلى الارتفاع أو الانخفاض سوياً؛ أما إذا كانت سالبة، فذلك يعني علاقة عكسية حيث يرتبط ارتفاع أحدهما بانخفاض الآخر.

تختلف مصفوفة التغاير عن مصفوفة الارتباط في نقطة حرجة تتعلق بوحدات القياس. تعتمد مصفوفة التغاير كلياً على المقاييس الأصلية للمتغيرات المدروسة، مما يجعل قيم التغاير غير معيارية وغير محصورة بين مجال ثابت، خلافاً للارتباط الذي يتراوح بين -1 و +1. هذا التباين في الوحدات يمنح مصفوفة التغاير ثراءً خاصاً، إذ تحتفظ بالمعلومات الخام حول درجات التشتت الحقيقية داخل المجتمع المدروس، وهو ما يعد ركيزة لا غنى عنها في نماذج النمذجة الإحصائية المتقدمة.

من الناحية الجبرية، تعد مصفوفة التغاير كائناً متماثلاً تماماً؛ فالتغاير بين المتغير الأول والثاني يساوي بالضرورة التغاير بين المتغير الثاني والأول. إضافة إلى ذلك، تشترط النظريات الإحصائية أن تكون المصفوفة “موجبة شبه محددة” (Positive Semi-Definite)، مما يعني عملياً أن التباين الناتج عن أي تركيبة خطية من هذه المتغيرات لا يمكن أن يكون سالباً أبداً، إذ يستحيل منطقياً وإحصائياً وجود تباين ذي قيمة سالبة في العالم الواقعي.

تتحدد أبعاد مصفوفة التغاير أيضاً بكيفية تعاملها مع فضاء المتجهات متعدد الأبعاد. فعند تمثيل توزيع احتمالي متعدد المتغيرات، مثل التوزيع الطبيعي متعدد المتغيرات، فإن شكل السحابة البيانية (Hyper-ellipsoid) يحدده بصورة مباشرة مصفوفة التغاير. يحدد القطر الرئيسي للمصفوفة مدى امتداد هذه السحابة عبر المحاور الأصلية، في حين تحدد قيم التغاير خارج القطر مدى دوران هذه السحابة وميلها في الفضاء الإحصائي.

5. التطور التاريخي والمعالم البارزة

تعود الجذور التاريخية لحسابات التباين والتغاير إلى النصف الثاني من القرن التاسع عشر وبدايات القرن العشرين، في خضم الثورة الفكرية التي قادها رواد القياس والإحصاء. يُعد السير فرانسيس غالتون (Francis Galton) الأب الروحي لهذه المفاهيم من خلال أبحاثه الرائدة حول الانحدار نحو المتوسط والارتباط البيولوجي في ثمانينيات القرن التاسع عشر، حيث سعى لفهم كيفية توريث الصفات الجسدية والنفسية بين الآباء والأبناء.

قام كارل بيرسون (Karl Pearson) بصياغة هذه الأفكار رياضياً في تسعينيات القرن التاسع عشر، مطوراً معامل الارتباط الخطي ومفهوم التباين المشترك كأداة رياضية صارمة. بعد ذلك، أسهم رونالد فيشر (Ronald Fisher) في ترسيخ مفهوم تحليل التباين في عشرينيات القرن الماضي، ممهداً الطريق لدمج هذه المقاييس ضمن حساب المصفوفات الذي طوره علماء الرياضيات الكلاسيكيون كأرثر كايلي.

شهد منتصف القرن العشرين، ولا سيما مع تطور علم النفس القياسي وظهور أجهزة الحاسوب، نقطة التحول الكبرى في توظيف مصفوفة التغاير؛ حيث قام لويس ثورستون (L. L. Thurstone) وهارولد هوتلينغ (Harold Hotelling) بتطوير التحليل العاملي وتحليل المكونات الرئيسية معتمدين كلياً على مصفوفة التغاير. ومع بزوغ سبعينيات القرن العشرين، قدم كارل يوريسكوغ (Karl Jöreskog) ثورة نمذجة المعادلات البنائية، والتي اتخذت من مطابقة مصفوفة التغاير التجريبية مع المصفوفة المفترضة نظرياً جوهراً لتقييم النظريات السيكولوجية برمتها.

6. الأسس والأطر النظرية

تستند مصفوفة التغاير إلى نظرية الاحتمالات وتوزيعات المتغيرات المتعددة، وبشكل أخص التوزيع الطبيعي المتعدد (Multivariate Normal Distribution). يفترض هذا الإطار النظري أن السلوكيات الإنسانية المقاسة تتبع توزيعات متصلة يمكن تمثيلها بنقاط في فضاء هندسي، حيث تتحدد كثافة الاحتمال بالكامل بواسطة متجه المتوسطات ومصفوفة التغاير. يشكل هذا الافتراض الأساس الرياضي لمعظم الاختبارات الإحصائية المعلمية المستخدمة في علم النفس المعاصر.

في نظرية القياس النفسي، وتحديداً في إطار نظرية الاختبارات الكلاسيكية، تُفترض تجزئة التباين الكلي إلى تباين حقيقي وتباين خطأ. هنا تبرز مصفوفة التغاير كأداة لا غنى عنها لتحليل التباين المشترك بين فقرات المقياس؛ إذ تعكس العناصر غير القطرية مقدار مشاركة البنود في قياس السمة الكامنة المشتركة، بينما يُعزى التباين المتبقي إلى خصوصية كل بند أو إلى أخطاء القياس العشوائية.

يرتكز إطار نمذجة المعادلة البنائية (SEM) الحديث على مفهوم مصفوفة التغاير كبنية بنائية أساسية. يرى هذا التوجه أن الهدف الأسمى للباحث النفسي ليس نمذجة الحالات الفردية للمفحوصين، بل نمذجة بنية التباين والتغاير داخل المجتمع. تهدف هذه النماذج إلى تقليص الفجوة الرياضية بين مصفوفة التغاير المستخلصة من عينة البحث، وتلك التي يتنبأ بها النموذج النظري المطور من قِبل الباحث.

7. المكونات الرئيسية والأنواع والأبعاد

تتألف مصفوفة التغاير من عناصر محددة تمتلك خصائص جبرية دقيقة، وتتوزع بنيتها على النحو التالي:

• عناصر القطر الرئيسي: تمثل قيم التباين الأحادي لكل متغير على حدة، وتكون دائماً أرقاماً موجبة تماماً (أو صفراً في الحالات النظرية غير الواقعية للثوابت)، وهي تعبر عن مدى تشتت استجابات الأفراد حول المتوسط في ذلك المتغير المعين.
• العناصر خارج القطر الرئيسي: تمثل قيم التباين المشترك أو التغاير بين المتغيرات المتقاطعة؛ وقد تكون هذه القيم موجبة (علاقة طردية)، أو سالبة (علاقة عكسية)، أو مساوية للصفر (انعدام العلاقة الخطية).
• مصفوفة التغاير للمجتمع (Σ): وهي المصفوفة النظرية الحقيقية غير المعروفة التي تمثل العلاقات الكلية بين المتغيرات في كامل مجتمع الدراسة المستهدف.
• مصفوفة التغاير للعينة (S): وهي المصفوفة التجريبية التي يتم حسابها مباشرة من البيانات المجمعة من المشاركين في البحث، وتُستخدم كمقدر غير متحيز لمصفوفة المجتمع.
• مصفوفة التغاير المقيدة بنموذج: في النمذجة البنائية، تُعرف بالمصفوفة المُعاد إنتاجها، وهي التي يُتوقع ظهورها استناداً إلى المعلمات والمسارات المفترضة في النظرية النفسية.

8. أمثلة وحالات توضيحية

لتوضيح ذلك في سياق عملي، لنفترض دراسة سيكولوجية تقيس ثلاث سمات مترابطة لدى عينة من الموظفين: الاحتراق النفسي (X1)، وضغط العمل المدرك (X2)، والرضا الوظيفي (X3). بعد جمع البيانات على مقاييس متصلة، ينتج لدينا مصفوفة تغاير ذات أبعاد 3 × 3.

تتضمن عناصر القطر الرئيسي تباين الاحتراق النفسي، وتباين ضغط العمل، وتباين الرضا الوظيفي، ولتكن القيم مثلاً (4.5، 3.8، 5.2) على الترتيب؛ وهي أرقام تصف بدقة مدى انتشار الاستجابات وتنوعها لكل بعد وظيفي بشكل منفرد. هذه القيم تعكس تمايز الموظفين وتفاوت تجاربهم الفردية داخل بيئة العمل.

أما العناصر خارج القطر، فتوضح التفاعل البيني؛ إذ نجد أن التغاير بين الاحتراق النفسي وضغط العمل يبلغ قيمة موجبة عالية (مثل 2.9)، مما يشير إلى اقتران ارتفاع أحدهما بالآخر. في المقابل، نجد أن التغاير بين الاحتراق النفسي والرضا الوظيفي يظهر بقيمة سالبة (مثل -3.1)، مما يؤكد إحصائياً أن استنزاف الموظف نفسياً يتزامن بشكل منهجي مع تدني مشاعر الرضا عن الوظيفة.

9. طرق الحساب والقياس والتقدير

يتم تقدير مصفوفة التغاير التجريبية للعينة من خلال جمع حاصل ضرب انحرافات كل متغير عن متوسطه الحسابي، ثم قسمة الناتج على درجات الحرية (حجم العينة مطروحاً منه واحد) للحصول على تقدير غير متحيز لمصفوفة التغاير الخاصة بالمجتمع. تُجرى هذه الحسابات عادة باستخدام خوارزميات المصفوفات المبرمجة في الحزم الإحصائية المتقدمة لتسهيل التعامل مع مجموعات البيانات الكبيرة.

تتأثر دقة المصفوفة بشدة بحجم العينة والبيانات المفقودة؛ لذا طُوّرت طرق حديثة كتقدير الإمكانية الأعظم للبيانات الكاملة (FIML)، والتي تتيح استخلاص مصفوفة تغاير غير متحيزة حتى في ظل وجود قيم شاردة أو غير مكتملة، دون الحاجة لحذف المشاركين بشكل يقلل من القوة الإحصائية للبحث.

علاوة على ذلك، يجب فحص الحالة الشرطية للمصفوفة؛ فإذا كان أحد المتغيرات عبارة عن تركيبة خطية تامة من متغيرات أخرى، تصبح المصفوفة “منفردة” (Singular)، مما يعني أن محددها يساوي صفراً ويستحيل إيجاد معكوسها الرياضي. يُعد تفادي حالة عدم التحديد هذه شرطاً فاصلاً لإتمام التحليلات المتقدمة بنجاح وتفادي الأخطاء البرمجية الناتجة عن التعدد الخطي التام.

10. التطبيقات والأهمية العملية في علم النفس

تحتل مصفوفة التغاير موقع الصدارة في تحليل بنية الاستبيانات والاختبارات النفسية؛ إذ تبدأ إجراءات الصدق البنائي والتحليل العاملي الاستكشافي والتوكيدي دائماً من تفكيك مصفوفة التغاير. يتيح هذا الإجراء للباحثين التحقق مما إذا كانت الأسئلة الموضوعة في أداة القياس تتجمع حقاً حول الأبعاد النظرية المستهدفة أم تقيس أبعاداً عشوائية دخيلة.

في بيئات الإرشاد النفسي والطب النفسي، تعتمد تقنيات التنبؤ بالمآل السريري والتشخيص الفارق على مصفوفات التغاير لتحديد كيف تتزامن الأعراض المرضية المختلفة (كالذهان، والوسواس، واضطرابات النوم) لدى فئات نوعية من المرضى، مما يساعد الفرق العلاجية على وضع بروتوكولات تدخل مبنية على الارتباط العضوي والوظيفي المثبت إحصائياً بين هذه المتغيرات.

كما تُطبق المصفوفة بصورة واسعة في علم النفس الصناعي والتنظيمي؛ حيث تُستخدم لنمذجة الأداء الوظيفي والتنبؤ بمعدلات الدوران الوظيفي وقياس فاعلية البرامج التدريبية المعقدة، من خلال دمج تقييمات المهارات المتعددة واختبارات السمات الشخصية وتحليل تأثيراتها المتقاطعة في نموذج تنبؤي موحد وشامل.

11. الأبحاث والأدلة التجريبية المعاصرة

أكدت الأبحاث الميثودولوجية الرائدة، مثل دراسات ماكالوم وتوكر في القياس النفسي، أن جودة الاستنتاجات النظرية تعتمد بشكل كلي على دقة تقدير مصفوفة التغاير. بينت هذه الدراسات أن استخدام مصفوفات الارتباط كبديل مباشر لمصفوفات التغاير في نمذجة المعادلات البنائية قد يقود أحياناً إلى أخطاء شائعة في حساب الأخطاء المعيارية ومؤشرات مطابقة النموذج، خاصة عند مقارنة مجموعات مختلفة تتباين في تشتت استجاباتها.

في مجال علم النفس العصبي الحديث، أظهرت أبحاث التصوير بالرنين المغناطيسي الوظيفي (fMRI) التي قادها باحثون متخصصون في دراسة الاتصالية الوظيفية للدماغ، أن مصفوفات التغاير بين الإشارات العصبية الملتقطة من مناطق الدماغ المختلفة تمثل مفتاحاً جوهرياً لفهم الشبكات العصبية المرتبطة بالوظائف التنفيذية والانفعالية، مما وسّع نطاق استخدام هذه المصفوفة من المقاييس الورقية إلى دراسة الفسيولوجيا العصبية المعقدة.

12. الاعتبارات الثقافية وعبر الحضارية

عند استخدام أدوات القياس النفسي عبر ثقافات أو لغات مختلفة، تُستخدم مصفوفات التغاير لفحص ما يُعرف بـ “التكافؤ القياسي” (Measurement Invariance). لا يمكن افتراض أن الاستبيان يقيس نفس السمة بنفس المعنى لدى مجتمعات مختلفة ما لم يثبت رياضياً تكافؤ مصفوفات التغاير أو البنى العاملية المنبثقة عنها عبر المجموعات الحضارية المتنوعة.

قد يؤدي اختلاف أسلوب الإجابة الثقافي، مثل ميل بعض الشعوب نحو أقصى مقياس التدرج أو تفضيل البعض الآخر للخيارات الحيادية المعتدلة، إلى تضخيم تباينات البنود أو تقليصها بصورة مصطنعة؛ مما يغير بنية مصفوفة التغاير بين المجتمعات. يفرض ذلك على الباحثين فحص ثبات المصفوفة قبل عقد أي مقارنات عبر ثقافية، لضمان أن الفروق المكتشفة تعكس اختلافات حقيقية في السمة المقاسة وليست مجرد انعكاس لتحيزات أسلوب الاستجابة.

13. الانتقادات والجدليات والحدود المنهجية

رغم القوة الرياضية لمصفوفة التغاير، إلا أنها تواجه نقداً كلاسيكياً يتعلق بحساسيتها المفرطة تجاه القيم الشاذة والمتطرفة (Outliers)؛ فبما أن التغاير يعتمد على مربعات الانحرافات وحاصل ضربها، فإن وجود بضع حالات متطرفة قد يغير قيم المصفوفة تغييراً جذرياً ويشوه العلاقات الحقيقية بين المتغيرات. دفع هذا القصور علماء الإحصاء إلى تطوير بدائل متينة وقوية (Robust Covariance Estimators) لمعالجة البيانات الملوثة بالقيم الشاذة.

يكمن القيد الآخر في افتراض المصفوفة للعلاقات الخطية البسيطة حصراً؛ حيث تعجز مصفوفة التغاير التقليدية عن رصد الأنماط غير الخطية، كالعلاقات المنحنية أو التفاعلات الديناميكية المركبة بين السمات النفسية. يؤدي ذلك في بعض الأحيان إلى ظهور قيمة تغاير تقارب الصفر بين متغيرين، على الرغم من وجود رابطة حتمية وثيقة ولكن غير خطية بينهما (مثل قانون يركيز-دودسون الذي يربط الاستثارة بالأداء عبر منحنى جيبي).

14. المصطلحات ذات الصلة وأوجه التمايز

لتجنب اللبس والخلط المنهجي الشائع في الكتابات النفسية، يجب التمييز بوضوح بين مصفوفة التغاير ومجموعة من المفاهيم الإحصائية المرتبطة بها:

• مصفوفة الارتباط (Correlation Matrix): هي ببساطة مصفوفة تغاير لمتغيرات جرى تحويلها معيارياً (بمتوسط 0 وانحراف معياري 1). تكون عناصر قطرها الرئيسي مساوية للرقم 1 دائماً، وقيمها غير القطرية محصورة دوماً بين -1 و +1، مما يسهل مقارنة شدة الروابط بصرف النظر عن وحدات القياس.
• مصفوفة المسافات (Distance Matrix): تعبر عن مقادير التباعد والتباعد الهندسي المطلق بين النقاط أو الأفراد، على عكس مصفوفة التغاير التي تهتم بنمط التغير المتزامن المشترك.
• مصفوفة التباين المتبقي (Residual Covariance Matrix): تمثل التغايرات المتبقية بين المتغيرات بعد استبعاد أثر العوامل الكامنة أو المتغيرات المستقلة المفسرة في النموذج الإحصائي، وتستخدم كمعيار لتقييم كفاءة النموذج ونوعيته.
• مصفوفة الدقة أو الهيسيان (Precision/Hessian Matrix): هي المعكوس الرياضي المباشر لمصفوفة التغاير؛ وتُستخدم بشكل متقدم في الإحصاء البايزي والشبكات النفسية لتمثيل الارتباطات الجزئية الشرطية بين المتغيرات.

15. الخلاصة والنقاط الجوهرية

تمثل مصفوفة التغاير الأساس الرياضي الأهم الذي يربط بين النظرية النفسية التجريدية والبيانات الإمبيريقية الملموسة. تجمع هذه المصفوفة المتماثلة في نسيج واحد بين تباينات السمات المنفردة وتغايراتها المتقاطعة، مما يجعلها نقطة الانطلاق الإلزامية لنماذج القياس، والتحليل العاملي، ونمذجة المسارات البنائية، ودراسة الاتساق البنائي عبر الثقافات.

يتطلب التطبيق الرصين لمصفوفة التغاير الوعي التام بحدودها المنهجية، وخاصة حساسيتها الشديدة للقيم الشاذة، وافتراضها للعلاقات الخطية، وتأثرها بحجم العينة وحالات التعدد الخطي التام. ومع التقدم التقني المستمر، تواصل مصفوفة التغاير إثبات ريادتها كأداة لا غنى عنها في استكشاف وفهم التعقيد المتشابك للسلوك البشري والظواهر النفسية المتعددة.

المراجع

• Bollen, K. A. (1989). Structural equations with latent variables. John Wiley & Sons. https://doi.org/10.1002/9781118619179
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning. https://www.cengage.com
• Jöreskog, K. G. (1970). A general method for analysis of covariance structures. Biometrika, 57(2), 239-251. https://doi.org/10.1093/biomet/57.2.239
• Kline, R. B. (2023). Principles and practice of structural equation modeling (5th ed.). Guilford Publications. https://www.guilford.com/books/Principles-and-Practice-of-Structural-Equation-Modeling/Rex-Kline/9781462551910
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson. https://www.pearson.com