يمثل التحليل الإحصائي الدقيق حجر الزاوية في العلوم السلوكية والنفسية، حيث تتوقف مصداقية النتائج واستنتاجات البحوث على مدى ملاءمة الطرق الرياضية المستخدمة لتمثيل المتغيرات النوعية والتصنيفية. يُعد ترميز التأثير أحد الأساليب المنهجية الجوهرية في نماذج الانحدار الخطي العام، إذ يوفر إطاراً تحليلياً فريداً يقارن كل مستوى من مستويات المتغير التجريبي بالمتوسط العام لجميع المجموعات بدلاً من مقارنته بفئة مرجعية مفردة.
ترميز التأثير
1. التعريف الدقيق والموجز
ترميز التأثير (Effect Coding) هو نظام لترميز المتغيرات النوعية أو الفئوية ضمن نماذج الانحدار المتعدد وتحليل التباين، يُعيّن قيماً ثنائية (+1، -1، 0) للمستويات المختلفة بحيث يمثل الحد الثابت (Intercept) في معادلة الانحدار المتوسط الحسابي العام غير المرجح للمتغير التابع عبر جميع المجموعات. يعكس كل معامل انحدار انحراف متوسط فئة معينة عن هذا المتوسط العام الكلي بدقة متناهية.
في سياق القياس النفسي والبحوث الاجتماعية، يُستخدم هذا الأسلوب الرياضي لتحويل المتغيرات الاسمية، مثل المجموعات العلاجية أو الفئات الديموغرافية، إلى متجهات رقمية يمكن إدراجها مباشرة في النماذج الخطية العامة. وبخلاف الترميز الوهمي الذي يتطلب اختيار فئة مرجعية أساسية، يوفر ترميز التأثير رؤية متوازنة لتباين الاستجابات حول القيمة المركزية للتجربة ككل.
يتيح هذا الترميز للباحثين النفسيين اختبار الفرضيات المتعلقة بالفروق الفردية والمقارنات المتعددة دون الوقوع في انحياز اختيار المجموعة الضابطة كممثل وحيد للمقارنة، مما يجعله أداة استثنائية لتحليل التصاميم المتوازنة وغير المتوازنة وتفسير التفاعلات المعقدة بين المتغيرات المستقلة المتعددة.
2. التأصيل اللغوي والاشتقاقي
تعود جذور مصطلح «الترميز» في اللغة العربية إلى الفعل الثلاثي «رَمَزَ»، والذي يعني الإشارة والإيماء بالعين أو الشفتين أو اليد للدلالة على معنى خفي أو مختصر، ثم تطور اصطلاحياً في العصر الحديث ليشير إلى إعطاء دلالات رقمية أو رمزية اصطلاحية للبيانات والمعلومات لتسهيل معالجتها حاسوبياً ورياضياً.
أما كلمة «التأثير» فمشتقة من الفعل «أَثَّرَ» في الشيء، أي ترك فيه علامة أو أثراً ظاهراً، وتُستخدم في العلوم التجريبية للإشارة إلى التغيير أو الفارق المنسوب إلى عامل تجريبي أو معالجة نفسية معينة مقارنة بحالة خط الأساس أو المتوسط العام. ويقابل المصطلح في اللغة الإنجليزية التركيب الاصطلاحي (Effect Coding)، وهو مشتق بدوره من مفهوم «التأثيرات الثابتة» (Fixed Effects) في التقاليد الإحصائية التي أسسها رونالد فيشر.
دخل هذا المصطلح إلى حقل القياس النفسي والإحصاء الحيوي في منتصف القرن العشرين مع تطور النماذج الخطية المقارنة، ليعكس فكرة أن المعاملات الإحصائية المحسوبة تمثل مباشرة «تأثير» (Effect) المجموعة المدروسة، والذي يُعرّف بأنه الفارق بين متوسط تلك المجموعة والمتوسط الكلي لجميع المجموعات الخاضعة للدراسة.
3. النطق والصيغة الصرفية واللغوية
يُنطق المصطلح باللغة العربية الفصحى: «تَرْمِيزُ التَّأْثِير» بفتح التاء وسكون الراء وكسر الميم، يليه لفظ التأثير بهمزة ساكنة بعد تاء مفتوحة وياء مشددة مكسورة. كما يُستخدم في الكتابات الأكاديمية بصيغة النعت والمنعوت: «التَّرْمِيزُ التَّأْثِيرِيُّ».
من الناحية الصرفية، «ترميز» هو مصدر قياسي للفعل الرباعي المضعف «رَمَّزَ» على وزن «تَفْعِيل»، و«التأثير» مصدر للفعل الرباعي «أَثَّرَ» على وزن «تَفْعِيل» أيضاً. يُعامل المصطلح تركيباً إضافياً، ويكون إعرابه حسب موقعه في الجملة (مبتدأ، مضافاً إليه، أو مفعولاً به)، وتُجمع الكلمة إذا دعت الحاجة الاصطلاحية على «أنظمة ترميز التأثيرات».
4. الشرح المفاهيمي المفصل
يقوم ترميز التأثير على فكرة رياضية أنيقة تعيد هيكلة المتغير الفئوي المكون من (k) من المستويات إلى (k – 1) من المتغيرات المستقلة ذات القيم المصطنعة، مستخدماً القيم الرقمية (1)، و(0)، و(-1). يتم تخصيص القيمة (1) للمجموعة المستهدفة بالدراسة في ذلك المتغير، والقيمة (0) لجميع المجموعات الأخرى عدا المجموعة الأخيرة المحذوفة (أو المجموعة المرجعية الضمنية)، والتي تُعطى القيمة (-1) في كافة المتغيرات المشفرة، مما يُلزم مجموع المعاملات بالانحسار حول الصفر الرياضي.
تنبع الأهمية المفاهيمية الكبرى لهذا النظام من طبيعة تفسير المعلمات المقدرة؛ فعند صياغة نموذج الانحدار باستخدام ترميز التأثير، لا يعود الحد الثابت يمثل متوسط المجموعة المرجعية كما هو الحال في الترميز الوهمي التقليدي (Dummy Coding)، بل يمثل «المتوسط العام الكلي غير المرجح» (Grand Mean) لجميع المجموعات. وهذا التحول الرياضي يعيد صياغة الأسئلة البحثية، بحيث يصبح السؤال ليس: «هل تختلف هذه المجموعة العلاجية عن المجموعة الضابطة؟»، بل: «هل تختلف هذه المجموعة عن متوسط الأداء الكلي لكافة العلاجات المدروسة؟».
تكتسب هذه الخاصية قيمة استثنائية في دراسة المتغيرات التفاعلية ضمن التصاميم العاملية المعقدة؛ إذ يتيح ترميز التأثير فصل التأثيرات الرئيسية (Main Effects) عن تأثيرات التفاعل (Interaction Effects) بطريقة تتطابق تماماً مع المخرجات التقليدية لـ تحليل التباين (ANOVA)، مما يمنح الباحثين في علم النفس ميزة دمج المتغيرات الفئوية والمتغيرات الكمية المستمرة في معادلة انحدار متجانسة وقابلة للتفسير المباشر.
بالإضافة إلى ذلك، فإن ترميز التأثير يحل إشكالية تعدد الارتباط الخطي الوهمي بين المتغيرات في وجود التفاعلات، حيث يُقلل من الارتباط بين حدود التأثيرات الرئيسية وحدود التفاعل ذات الرتب العليا عند توسيط المتغيرات، مما يحقق استقراراً عددياً كبيراً في خوارزميات التقدير، ويحمي الاستنتاجات العلمية من التشويه الرياضي الناتج عن عدم استقرار مصفوفة البيانات.
5. التطور التاريخي والسياق العلمي
تعود الجذور الأولى لنماذج التأثيرات إلى أعمال عالم الوراثة والإحصاء السير رونالد فيشر في عشرينيات وثلاثينيات القرن العشرين، عندما وضع أسس تحليل التباين والتصميم التجريبي، حيث كانت الفرضيات تُصاغ دائماً بالنظر إلى انحرافات المعالجات الفردية عن المتوسط التجريبي العام.
ومع صعود أجهزة الحواسيب في ستينيات وسبعينيات القرن العشرين، بدأ علماء الإحصاء السلوكي، ولا سيما جاكوب كوهين (Jacob Cohen) وإلما كوهين (Elme Cohen)، في استكشاف إمكانية توحيد مختلف الأساليب الإحصائية تحت مظلة النموذج الخطي العام. نشر كوهين في عام 1968 مقالته الرائدة التي أثبتت أن تحليل التباين وتحليل التغاير ليسا سوى حالات خاصة من الانحدار المتعدد، وقدم فيها تحليلاً مفصلاً لكيفية استخدام أنظمة الترميز المختلفة بما في ذلك ترميز التأثير.
شهدت فترة الثمانينيات والتسعينيات ترسيخاً كبيراً لهذا الأسلوب عبر مؤلفات بيداهزور (Elazar J. Pedhazur) حول الانحدار المتعدد في البحوث السلوكية، حيث أوضح الفروق الدقيقة والفوائد التحليلية لترميز التأثير في مقابل الترميز المتعامد، مما مهد الطريق لتبنيه كخيار افتراضي في العديد من برمجيات التحليل المتقدمة مثل برمجيات النمذجة بالمعادلات البنائية والتحليل متعدد المستويات.
6. الأسس النظرية والأطر المرجعية
يستند ترميز التأثير بشكل مباشر إلى «النموذج الخطي العام» (General Linear Model – GLM)، وهو الإطار النظري الذي يفترض أن أي متغير استجابة يمكن التنبؤ به عبر تجميع خطي لمتغيرات مفسرة مضافاً إليها حد الخطأ العشوائي. يعتمد هذا الإطار على افتراضات التوزيع الطبيعي واستقلالية الأخطاء وتجانس التباين.
يرتبط ترميز التأثير ارتباطاً وثيقاً بنظرية التقدير الخطي غير المنحاز، حيث يحقق النموذج شرط «التقييد الصفري» (Zero-Sum Constraint). رياضياً، يُفترض في هذا الإطار أن مجموع التأثيرات المعاملية لجميع مستويات المتغير المستقل يساوي صفراً؛ أي أن التأثير الإيجابي لمجموعة ما يقابله بالضرورة تأثير سلبي لمجموعات أخرى للحفاظ على توازن النموذج حول المتوسط العام.
كما يتكامل هذا الترميز مع نظرية التباين المفسر في القياس النفسي، حيث يسمح بتفكيك تباين الدرجات المقاسة إلى مكونات مميزة: تباين ناتج عن الأداء الكلي، وتباين خاص بكل تدخل علاجي، وتباين غير مفسر (الخطأ). هذه البنية تمنح الباحث أساساً منطقياً لتقدير حجوم التأثير (Effect Sizes) بشكل يتماشى مع مفاهيم مربع إيتا (Eta-Squared) المستخدمة في الاختبارات الكلاسيكية.
7. المكونات الرئيسية والأبعاد والأنواع
يتألف نظام ترميز التأثير من بنية رياضية منظمة تتضمن الأبعاد التالية:
- المجموعة المرجعية المحذوفة (Omitted/Base Category): الفئة التي تُعطى القيمة (-1) في جميع المتغيرات المشفرة المنبثقة عنها، ولا يظهر معاملها مباشرة في جدول الانحدار بل يُستنتج رياضياً بأنه مقلوب مجموع المعاملات الأخرى.
- المجموعات المستهدفة (Target Categories): الفئات التي يُفرد لكل منها متغير ثنائي مستقل، وتأخذ القيمة (1) عند انتماء المشاهدة لها، والقيمة (0) لغيرها (باستثناء الفئة المرجعية).
- الحد الثابت الممثل للمتوسط العام (The Grand Mean Intercept): المعلمة الثابتة في معادلة الانحدار التي تعبر بدقة عن متوسط المتغير التابع لكافة المستويات بالتساوي دون ترجيح بحجم العينة.
- معاملات الانحراف (Deviation Coefficients): معاملات بيتا (Beta Coefficients) المقدرة، حيث يمثل كل معامل الفرق الإحصائي الدقيق بين متوسط المجموعة المقابلة والمتوسط الكلي.
- ترميز التأثير المرجح (Weighted Effect Coding): نوع متقدم يُستخدم في البيانات غير المتوازنة وتجارب المسح السكاني، حيث تُوزع قيم الترميز السلبية بنسب تعكس الأحجام الفعلية للمجموعات في المجتمع، ليظل الحد الثابت مطابقاً لمتوسط العينة الإجمالي المرجح.
8. أمثلة وحالات توضيحية
لتوضيح ذلك في سياق دراسة نفسية، لنفترض أن باحثاً يرغب في تقييم فاعلية ثلاثة برامج علاجية لخفض مستوى القلق: العلاج المعرفي السلوكي (CBT)، والعلاج بالتقبل والالتزام (ACT)، ومجموعة قائمة الانتظار (Control).
لدينا هنا متغير فئوي بثلاثة مستويات، لذا نحتاج إلى متغيرين مشفرين (k – 1 = 2):
- المتغير الأول (CBT): يأخذ القيمة (1) لمشاركي العلاج المعرفي السلوكي، والقيمة (0) لمشاركي القبول والالتزام، والقيمة (-1) لمشاركي قائمة الانتظار.
- المتغير الثاني (ACT): يأخذ القيمة (0) لمشاركي العلاج المعرفي السلوكي، والقيمة (1) لمشاركي القبول والالتزام، والقيمة (-1) لمشاركي قائمة الانتظار.
إذا أظهرت النتائج أن الحد الثابت يساوي 50، ومعامل الانحدار للمتغير الأول يساوي -8، وللمتغير الثاني يساوي -4؛ فإن التفسير المباشر هو أن متوسط مستوى القلق لجميع المشاركين عبر كافة البرامج هو 50 درجة. في المقابل، يُسهم العلاج المعرفي السلوكي في خفض القلق بمقدار 8 درجات عن المتوسط العام (أي أن متوسط هذه المجموعة هو 42)، بينما يُسهم العلاج بالتقبل والالتزام في خفض القلق بمقدار 4 درجات عن المتوسط العام (ليكون متوسطها 46).
أما بالنسبة لمجموعة قائمة الانتظار (المجموعة المشفرة بـ -1)، فيمكن حساب تأثيرها بجمع المعاملين وعكس الإشارة: -(-8 + -4) = +12. وهذا يعني أن متوسط مجموعة الانتظار يزيد بمقدار 12 درجة عن المتوسط العام للمشاركين (أي 62 درجة)، مما يظهر تدهور حالتهم مقارنة بالأداء الوسطي لجميع المجموعات دون الحاجة لإجراء حسابات معقدة خارج النموذج.
9. القياس والتقييم الإحصائي
يتم تقييم النماذج المبنية بترميز التأثير عبر مجموعة من المؤشرات الإحصائية الصارمة في القياس النفسي:
- اختبار (t) الفردي للمعاملات: يختبر الفرضية الصفرية القائلة بأن متوسط المجموعة لا يختلف عن المتوسط العام الكلي (H0: β = 0). الدلالة الإحصائية تعني أن المجموعة تبتعد جوهرياً عن الأداء العام.
- اختبار (F) الكلي للنموذج: يقيم ما إذا كان المتغير الفئوي بمجمله يفسر قدراً ذا دلالة إحصائية من التباين في المتغير التابع، وتتطابق قيمته تماماً مع اختبار (F) في تحليل التباين أحادي الاتجاه.
- معامل التحديد (R²): يعكس النسبة المئوية من التباين في المتغير النفسي التابع التي يمكن عزوها إلى الفروق بين المجموعات المصنفة.
- تشخيص الخطية المتعددة: يتم عبر فحص معامل تضخم التباين (VIF) ومؤشر التسامح (Tolerance)، حيث يتميز ترميز التأثير بكونه لا يُحدث تضخماً مصطنعاً للتباين في وجود تفاعلات مقارنة بالترميز الوهمي.
10. التطبيقات والأهمية العملية
يحتل ترميز التأثير مكانة محورية في العديد من التطبيقات النفسية والتربوية والسريرية، ومن أبرزها دراسة التفاعلات بين المتغيرات في التجارب العاملية (Factorial Designs). فعندما يُريد عالم النفس فحص كيفية تفاعل نوع التدخل العلاجي مع مستوى الدافعية لدى المريض، يوفر ترميز التأثير حماية رياضية تضمن بقاء تقديرات التأثيرات الرئيسية مستقلة إحصائياً عن تقدير تأثير التفاعل، وهو ما يعجز عنه الترميز الوهمي البسيط.
في علم النفس التنظيمي والتربوي، يُستخدم ترميز التأثير لتقييم أداء المؤسسات، مثل قياس أداء فروع الشركات أو المدارس مقارنة بالمعيار العام للمؤسسة. فبدلاً من مقارنة كل مدرسة بـ «مدرسة مرجعية» قد تكون استثنائية في تفوقها أو تدنيها، يُقارن أداء كل مدرسة بمتوسط النظام التعليمي العام، مما يمنح صانعي السياسات فهماً عادلاً ودقيقاً لتحديد الجهات التي تحتاج إلى دعم إضافي.
كما يبرز استخدامه في دراسات القياس المعاكس وتطوير الاختبارات النفسية المقننة، خصوصاً عند الرغبة في معايرة فقرات الاختبار واكتشاف الأداء التفاضلي للفقرة (Differential Item Functioning)، حيث يُقارن سلوك العينات الديموغرافية المتنوعة بالاستجابة العامة لمجتمع المعايرة ككل.
11. الأبحاث والأدلة التجريبية
أكدت الأدبيات الإحصائية والنفسية التطبيقية التفوق التفسيري لترميز التأثير في مواقف بحثية محددة. أظهرت دراسات كوهين ووست (Cohen, West, & Aiken, 2003) في كتابهم التأسيسي المتقدم حول الانحدار وتطبيقاته في العلوم السلوكية، أن الباحثين يرتكبون أخطاء جسيمة في تفسير «التأثيرات الرئيسية» عند وجود التفاعلات إذا تم استخدام الترميز الوهمي دون فهم دقيق، حيث تُختزل تلك التأثيرات إلى مجرد تأثيرات بسيطة مشروطة بالفئة المرجعية، في حين يضمن ترميز التأثير استعادة التأثيرات الرئيسية الحقيقية بدقة مماثلة لـ ANOVA.
وفي سياق أبحاث الميتا-أناليسيس (التحليل البعدي)، أشار الباحثون مثل بوشمان وتشو (Bushman & Chou) إلى أهمية استخدام ترميز التأثير لتقييم الفروق النوعية للدراسات المتعددة، نظراً لأن جعل نقطة الارتكاز هي التأثير العام للأدبيات العلمية يسهل عملية تجميع النتائج وتفسير التباين بين الدراسات المتغايرة.
12. الاعتبارات الثقافية والعابرة للثقافات
يعد ترميز التأثير الأداة المنهجية الأنسب في أبحاث علم النفس عبر الثقافي؛ حيث يُواجه الباحثون تحدياً أخلاقياً ومنهجياً يتمثل في «انحياز الفئة المرجعية». عند مقارنة السمات النفسية، كالقلق أو الفردانية والجمعية عبر ثقافات أو إثنيات متعددة، يؤدي استخدام الترميز الوهمي واختيار ثقافة غربية كفئة مرجعية إلى اعتبار تلك الثقافة هي «المعيار الطبيعي» الذي تُقاس عليه بقية الشعوب كانتكاسات أو انحرافات.
يُلغي ترميز التأثير هذا الانحياز الثقافي المنهجي تماماً؛ فبما أن نقطة الأساس في النموذج هي المتوسط العالمي لكافة المجتمعات الخاضعة للدراسة، فإن كل ثقافة تُقيَّم وفقاً لموقعها من النسيج الإنساني العام دون تفضيل أو تنميط فئة مرجعية مهيمنة، مما يعزز العدالة التفسيرية ويدعم الاستنتاجات العلمية الموضوعية في البيئات متعددة الأعراق والمجتمعات غير الغربية.
13. الانتقادات والجدل والقيود المنهجية
على الرغم من مزاياه المنهجية، يواجه ترميز التأثير بعض القيود الإحصائية والانتقادات التطبيقية. تبرز الإشكالية الأولى في حالة «البيانات غير المتوازنة» (Unbalanced Designs)، حيث تكون أحجام العينات في المجموعات غير متساوية إلى حد كبير. في هذا السيناريو، يمثل الحد الثابت المتوسط غير المرجح للمجموعات، وهو ما قد يبتعد عن متوسط العينة الفعلي الإجمالي المحسوب من الأفراد مباشرة، مما قد يقود غير المتخصصين إلى ارتباك في تفسير النتائج ما لم يتم استخدام ترميز التأثير المرجح (Weighted Effect Coding).
الانتقاد الثاني يرتبط بصعوبة تفسير المعاملات لدى الباحثين المعتادين على المقارنات الثنائية المباشرة؛ إذ يجد بعض الممارسين الإكلينيكيين أن المقارنة بين علاج نفسي ومجموعة ضابطة واضحة ومفهومة سريرياً أكثر من المقارنة بين العلاج والمتوسط التجريدي لكافة العلاجات المدروسة.
أخيراً، يؤدي إسقاط الفئة الأخيرة وتشفيرها بالقيم السالبة (-1) إلى عدم ظهور خطئها المعياري واختبار دلالتها بصورة مباشرة في مخرجات الجداول الإحصائية الجاهزة للحزم البرمجية، مما يضطر الباحث إلى إجراء خطوة إضافية لإعادة تدوير الترميز أو استخدام معادلات الخطأ التجميعي لاستخلاص الدلالة الإحصائية لتلك الفئة المرجعية المحذوفة.
14. المصطلحات المقارنة والتمييز المنهجي
تتعدد أساليب ترميز المتغيرات الفئوية في الإحصاء النفسي، ويمكن التمييز بين ترميز التأثير وبدائله عبر النقاط التالية:
- الترميز الوهمي (Dummy Coding): يستخدم القيمتين (1 و0) فقط، وفيه يمثل الحد الثابت متوسط الفئة المرجعية، وتختبر المعاملات الفرق بين كل فئة وتلك الفئة المرجعية، بينما يمثل الحد الثابت في ترميز التأثير المتوسط العام لجميع الفئات.
- الترميز المتعامد (Orthogonal Contrast Coding): يتطلب أن يكون مجموع جداء أوزان المقارنات مساوياً للصفر، ويُستخدم لاختبار فرضيات موجهة ونظرية محددة مسبقاً، بينما لا يشترط ترميز التأثير تعامد المتجهات المتقابلة بل يركز على الانحرافات عن المتوسط الكلي.
- ترميز الدرجات المعيارية (Criterion / Target Coding): أسلوب في التعلم الآلي يعوض عن الفئة بمتوسط قيمة المتغير التابع لها، وهو أسلوب تنبؤي قد يسبب فرط المطابقة، بخلاف ترميز التأثير الذي يمثل تصميماً رياضياً لمعلمات النموذج الخطي التقليدي.
15. ملخص وخاتمة
يعد ترميز التأثير (Effect Coding) ركيزة أساسية من ركائز النمذجة الإحصائية المتقدمة في علم النفس والعلوم السلوكية، حيث ينقل مركز المقارنة الإحصائية من فئة مرجعية اعتباطية إلى المتوسط العام الكلي لجميع مستويات الظاهرة المدروسة. عبر توليد مصفوفة من القيم (+1، 0، -1)، يكفل هذا النظام توافقاً كاملاً بين الانحدار المتعدد وتحليل التباين، ويوفر تقديراً دقيقاً ونقياً للتأثيرات الرئيسية والتفاعلية في التصاميم المعقدة.
ختاماً، إن الاختيار الواعي لنظام الترميز ليس مجرد تفصيل تقني هامشي في البرمجيات الإحصائية، بل هو قرار منهجي جوهري يُحدد طبيعة الفرضية العلمية وطريقة الإجابة عنها؛ لذا يظل ترميز التأثير الأداة الفضلى عندما يكون الهدف هو فهم كيفية تموضع المعالجات أو الجماعات النفسية المختلفة بالنسبة للصورة الإجمالية المتكاملة للمجتمع المدروس.
المراجع
- Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied multiple regression/correlation analysis for the behavioral sciences (3rd ed.). Lawrence Erlbaum Associates. https://www.routledge.com/Applied-Multiple-Regression-Correlation-Analysis-for-the-Behavioral-Sciences/Cohen-Cohen-West-Aiken/p/book/9780805822236
- Pedhazur, E. J. (1997). Multiple regression in behavioral research: Explanation and prediction (3rd ed.). Wadsworth Thomson Learning.
- Aiken, L. S., & West, S. G. (1991). Multiple regression: Testing and interpreting interactions. SAGE Publications. https://dx.doi.org/10.4135/9781483348735
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
- Fox, J. (2016). Applied regression analysis and generalized linear models (3rd ed.). SAGE Publications.