التباين المفسر: بوصلة الدقة في القياس النفسي

يمثل فهم التشتت والتباين في السلوك البشري والسمات النفسية حجر الزاوية في البحوث السيكولوجية والقياس النفسي المتقدم. ويُعد مفهوم التباين المفسر (Explained Variance) المؤشر الرياضي والإبستمولوجي الأكثر رصانة لتقدير مدى قدرة النماذج النظرية والمتغيرات التفسيرية على جلاء الغموض المحيط بالتغيرات السلوكية الفردية والجماعية.

التباين المفسر: المفهوم الإحصائي والدلالة السيكومترية

1. التعريف الدقيق والموجز

التباين المفسر (Explained Variance) هو النسبة المئوية أو الحصة الرياضية من التشتت الإجمالي الملاحظ في متغير تابع (أو مجموعة استجابات سلوكية) والتي يمكن أن تُعزى منطقياً وإحصائياً إلى التباين في متغير مستقل واحد أو أكثر ضمن نموذج إحصائي محدد. بعبارة أخرى، يمثل هذا المفهوم مقدار الانخفاض في خطأ التنبؤ بقيم الظاهرة المدروسة بعد معرفة معلومات المتغير المنبئ مقارنة بالاعتماد على المتوسط الحسابي وحده كأداة تنبؤ أولية.

وفي إطار القياس السيكومتري، لا يقتصر التباين المفسر على كونه مجرد رقم حسابي مجرد ينبثق من مخرجات الانحدار الخطي أو تحليل التباين، بل يُعد مقياساً لقوة الفعالية السببية أو الترابطية للبناء النظري المفترض؛ حيث يكشف عن المدى الذي ينجح فيه المفهوم النفسي (كالذكاء، أو القلق، أو السمات الشخصية) في تفسير الفروق الفردية الواقعية بين البشر ضمن سياقات تجريبية أو ميدانية منضبطة.

2. التأصيل اللغوي والاشتقاق الاصطلاحي

يعود الأصل اللغوي لمفردة “التباين” في اللسان العربي إلى الجذر الثلاثي (ب-ي-ن)، وهو يدل في المعاجم التراثية مثل “لسان العرب” و”القاموس المحيط” على الفُرقة والانفصال والوضوح، ومنه “بان الشيء” أي اتضح وانفصل عن غيره، و”التباين” هو التغاير والاختلاف في الصفات والأقدار. أما لفظ “المُفَسَّر” فينحدر من الجذر (ف-س-ر)، وهو البيان وكشف المغطى وإيضاح المعنى الملتبس، فالتفسير هو إماطة اللثام عن أسباب الشيء وتفاصيله.

أما في المصطلح الغربي اللاتيني، فإن كلمة “Variance” تشتق من الفعل اللاتيني (Variare) والذي يعني التبدل، والتحول، والتمايز الشكلي والكمي، وقد دخلت الإحصاء للدلالة على تشتت القيم عن نقطة مركزية. وكلمة “Explained” مشتقة من (Explanare) اللاتينية، والتي تعني جعل الشيء مستوياً وواضحاً وسهل الفهم عبر بسط عناصره. وقد تم دمج اللفظين في مطلع القرن العشرين في الأدبيات البيومترية والسيكومترية البريطانية للإشارة إلى ذلك الجزء من التشتت الإجمالي الذي تم إخضاعه للنمذجة والتحكم الرياضي الواضح.

3. النطق والبنية النحوية والصرفية

يُنطق المصطلح باللغة العربية الفصحى: “التَّبَايُنُ المُفَسَّرُ”، بفتح التاء والباء وألف بعدها ياء مضمومة ونون، يليه اسم المفعول “المُفَسَّر” بضم الميم وفتح الفاء وتشديد السين المفتوحة. من حيث البنية النحوية، يقع المصطلح في جملة السياق كمركب وصفي؛ حيث يعرب “التباين” اسماً، وتأتي كلمة “المفسر” نعتاً تابعاً له في علامات الإعراب والتعريف والتذكير.

يُستخدم المصطلح بصيغ اصطلاحية متقاربة ومتكافئة في المعاجم الأكاديمية العربية، منها: “التباين المشروح”، أو “التباين الموصوف”، أو “التباين العائد إلى النموذج”، إلا أن مصطلح “التباين المفسر” هو الأكثر شيوعاً ورسوخاً في كتب القياس النفسي ومناهج البحث في العالم العربي. ويقابله في السياقات الأكاديمية الغربية مصطلح (Explained Variance)، ويرمز له رياضياً بعدة رموز تبعاً للتقنية المستخدمة، وأشهرها معامل التحديد ($R^2$) أو مربع إيتا الجزئي ($\eta_p^2$).

4. الشرح المفاهيمي التفصيلي والأبعاد الرياضية

لتفكيك المفهوم بعمق، يجب أولاً إدراك الطبيعة العشوائية والمنظمة للبيانات النفسية؛ فعند دراسة أي سمة نفسية، كالأداء المعرفي لدى مجموعة من الطلاب، نجد تبايناً كلياً (Total Variance) في الدرجات حول المتوسط العام. ينشأ هذا التشتت من تفاعل معقد بين مئات العوامل الوراثية، والبيئية، والمعرفية، إضافة إلى أخطاء القياس العشوائية. يتمثل دور النموذج الإحصائي في تقسيم هذا التباين الإجمالي إلى شقين جوهريين: تباين يمكن عزوه بدقة وتفسيره بواسطة المتغيرات المستقلة المضمنة في الفرضية، وتباين متبقٍ يسمى التباين غير المفسر (Unexplained Variance) أو تباين الخطأ (Residual/Error Variance).

يتجلى التباين المفسر رياضياً من خلال فكرة مجموع المربعات (Sum of Squares)، حيث يقسم إجمالي مجموع المربعات (SST) إلى مجموع المربعات الخاص بالنموذج (SSM أو SSR) ومجموع مربعات البواقي أو الخطأ (SSE). وبالتالي، فإن النسبة الناتجة عن قسمة مجموع مربعات النموذج على مجموع المربعات الكلي تمثل النسبة المئوية الدقيقة للتباين المفسر. هذا الكسر الرياضي، المحصور حتماً بين الصفر والواحد الصحيح، يقدم للمشخص النفسي والباحث تقييماً رقمياً لمدى كفاية الأطر الفكرية المطروحة لفهم تعقيدات النفس الإنسانية.

يمتد النطاق المفاهيمي للتباين المفسر ليشمل حدوداً سيكولوجية غاية في الحساسية؛ فالوصول إلى تباين مفسر بنسبة 100% يعد أمراً مستحيلاً بل ومريباً في البحوث النفسية والسلوكية، نظراً للطبيعة الديناميكية غير الحتمية للشخصية والسلوك البشري ولحتمية وجود أخطاء في أدوات التقدير والقياس النفسي. في المقابل، فإن نسبة تباين مفسر تبلغ 15% أو 20%، والتي قد يعتبرها الفيزيائي أو المهندس ضئيلة للغاية، قد تعد في علم النفس العيادي أو التربوي كشفاً علمياً باهراً، حيث تعني السيطرة المعرفية على خُمس الظاهرة المعقدة، مما يتيح التنبؤ بمسارات سلوكية وتصميم برامج تدخل فعالة.

5. التطور التاريخي ومحطات التأسيس

ترجع الجذور الأولى لهذا المفهوم إلى الربع الأخير من القرن التاسع عشر وبدايات القرن العشرين، وتحديداً مع الجهود الرائدة التي بذلها السير فرانسيس غالتون (Francis Galton) في محاولاته لقياس توارث القدرات العقلية والصفات الجسدية، وما تلا ذلك من صياغة تلميذه كارل بيرسون (Karl Pearson) لمفهوم معامل الارتباط الخطي ومصفوفات الارتباط المتعددة.

غير أن التأسيس الرياضي الصارم للتباين وتجزئته يعود بالأساس إلى العبقري البريطاني رونالد فيشر (Ronald Fisher) في عشرينيات القرن الماضي؛ حيث ابتكر فيشر منهجية تحليل التباين (ANOVA) عام 1925، مبيناً إمكانية تقسيم التشتت الكلي للبيانات إلى مكونات ناتجة عن معالجات تجريبية محددة وأخرى متبقية كخطأ تجريبي، وهو ما شكل الولادة الرسمية لمفهوم التباين المفسر.

توالت بعد ذلك القفزات المنهجية على يد علماء مثل سيوال رايت (Sewall Wright) وتطويره لتحليل المسار (Path Analysis) في عشرينيات وثلاثينيات القرن العشرين، والذي سمح بتتبع مسارات التباين المفسر المباشرة وغير المباشرة. وفي منتصف القرن العشرين، أسهمت ثورة النمذجة بالمعادلات البنائية (SEM) على يد كارل يوريسكوغ (Karl Jöreskog) في تعميق فهم التباين المفسر داخل المتغيرات الكامنة (Latent Variables)، مما نقل المفهوم من حيز الحسابات الإحصائية البسيطة إلى قلب التحقق السيكومتري من النظريات النفسية المعقدة.

6. الأسس النظرية والنماذج الإحصائية الحاكمة

يستند مفهوم التباين المفسر في جوهره إلى النموذج الخطي العام (General Linear Model – GLM)، وهو الإطار المرجعي الشامل الذي يبتلع تحته معظم التحليلات البارامترية المألوفة مثل الانحدار المتعدد، وتحليل التباين، وتحليل التغاير. يفترض هذا النموذج أن القيمة المشاهدة لأي فرد على متغير نفسي ما هي حصيلة دالة خطية تجمع بين تأثيرات محددة لعوامل مستقلة بالإضافة إلى مركب خطأ عشوائي ينبع من توزيع طبيعي مستقل ومتجانس.

وفي الفلسفة الإحصائية للقياس، يتماشى التباين المفسر تماماً مع نظرية القياس الكلاسيكية (Classical Test Theory – CTT)، التي تفترض أن الدرجة المرصودة تنقسم إلى درجة حقيقية ودرجة خطأ. يمثل التباين المفسر هنا ذلك الجزء من تباين الدرجات المرصودة الذي يعكس تبايناً حقيقياً في السمة النفسية المقاسة (True Score Variance)، مقارنة بتباين الخطأ (Error Variance) الذي يسعى السيكومتريون إلى تقليصه من خلال ضبط معامل الثبات والأدوات المعيارية.

أما من منظور إبستمولوجي، يندرج التباين المفسر ضمن النزعة الوضعية التجريبية التي تبحث عن تقليل الشك والإنتروبيا المعرفية. فكلما ارتفعت قيمة التباين المفسر بواسطة النموذج، دل ذلك على أن النموذج يقدم تمثيلاً أمثل للواقع النفسي، ويوفر ضغطاً بيانياً معرفياً مقتضباً يفسر التعدد الهائل في السلوك البشري عبر عدد محدود ومحكم من المفاهيم التفسيرية، استناداً إلى مبدأ نصل أوكام (Occam’s Razor) في تفضيل النماذج البسيطة ذات القدرة التفسيرية العالية.

7. المكونات الرئيسية والأنواع والأبعاد الإحصائية

يتفرع التباين المفسر إلى أشكال وأبعاد ومؤشرات إحصائية تتكامل فيما بينها لتحديد قوة النماذج، ومن أبرز هذه المكونات:

• معامل التحديد العادي ($R^2$): يمثل النسبة المباشرة لإجمالي التباين المفسر في المتغير التابع بواسطة كل المتغيرات المستقلة الداخلة في نموذج الانحدار الخطي.
• معامل التحديد المعدل (Adjusted $R^2$): تعديل إحصائي صارم لقيمة $R^2$ يأخذ في الحسبان عدد المتغيرات المستقلة وحجم العينة؛ وهو يحمي الباحث من التضخم الزائف للتباين المفسر الناتج عن مجرد حشو المتغيرات في النموذج.
• التباين الفريد (Unique Variance): نسبة التباين في المتغير التابع التي يفسرها متغير مستقل محدد حصراً ولا يشترك فيها مع أي متغير مستقل آخر في النموذج، ويقاس عادة عبر التغير في معامل التحديد ($\Delta R^2$) أو معاملات الانحدار شبه الجزئية (Semipartial Correlations).
• التباين المشترك (Shared/Common Variance): التباين الذي تتشارك في تفسيره عدة متغيرات مستقلة نتيجة لوجود علاقات ارتباطية وتعدد خطي بينها، مما يجعل فصل أثر أحدها عن الآخر أمراً معقداً.
• الشيوعية أو الاشتراكية (Communality – $h^2$): في سياق التحليل العاملي، تمثل الشيوعية نسبة التباين في بند أو اختبار محدد والتي تفسرها كل العوامل المشتركة المستخرجة، وتعد مؤشراً حاسماً على جودة البند القياسي.
• مربع إيتا ومربع إيتا الجزئي ($\eta^2$ و $\eta_p^2$): مؤشرات لتقدير نسبة التباين المفسر العائد لتأثير محدد في تصاميم تحليل التباين (ANOVA)، حيث يقيس مربع إيتا الجزئي حجم أثر المعالجة بعد تحييد التباين الناتج عن المعالجات الأخرى وتفاعلاتها.
• مربع أوميغا ($\omega^2$): مقياس أقل تحيزاً وأكثر دقة لحجم الأثر في مجتمعات البيانات، ويُعتبر بديلاً متحفظاً لمربع إيتا خاصة عندما تكون أحجام العينات صغيرة.

8. أمثلة وحالات تطبيقية من علم النفس

تتعدد التطبيقات الإكلينيكية والتربوية التي تجعل التباين المفسر حجر الزاوية في البرهان السيكولوجي؛ فعلى سبيل المثال، في دراسة تناولت التنبؤ بالتحصيل الأكاديمي الجامعي، وجد الباحثون أن اختبارات القدرات العقلية العامة (الذكاء العام – $g$) تقدم تبايناً مفسراً قدره 25% ($R^2 = 0.25$) من التباين في المعدل التراكمي للطلاب. وعند إضافة متغير غير معرفي كسمة “يقظة الضمير” (Conscientiousness) من نموذج العوامل الخمسة الكبرى للشخصية إلى النموذج، قفز التباين المفسر إلى 36%. هذا الارتفاع بمقدار 11% يسمى بالتباين الفريد المضاف، وهو يثبت بالأدلة التجريبية أن الاجتهاد الشخصي والانضباط يفسران مساحة ملحوظة من النجاح الأكاديمي لا يغطيها الذكاء وحده.

وفي دراسة سريرية تقارن بين فاعلية العلاج المعرفي السلوكي (CBT) والعلاج الدوائي في خفض أعراض الاكتئاب الجسيم المقاسة بمقياس بيك للاكتئاب، أظهرت نتائج تحليل التباين المشترك أن نوع التدخل العلاجي فسر ما مقداره ($\eta_p^2 = 0.18$) من التباين في التحسن العيادي بعد التحكم في شدة الاكتئاب الأولية. هذا يعني أن 18% من التباين في معدلات شفاء المرضى تعود مباشرة لاختلاف نوع البروتوكول العلاجي المتبع، وهو ما يوفر مسوغاً علاجياً قوياً لتبني هذا التدخل في السياسات الصحية الوقائية.

حالة تطبيقية ثالثة تتعلق بالصدمات النفسية؛ حيث يُبين باحثو اضطراب ما بعد الصدمة (PTSD) أن الجمع بين الاستعداد الوراثي، وشدة الحدث الصدمي، والدعم الاجتماعي اللاحق يفسر ما يقارب 45% من التباين في حدة الأعراض التفككية لدى الناجين من الكوارث، في حين يظل الـ 55% المتبقية تبايناً غير مفسر يرجع لعوامل مرونة نفسية غير مقاسة وتفاصيل دقيقة في تاريخ الطفولة لم ترصدها أدوات المسح الإحصائي.

9. طرائق القياس والحساب الرياضي

يتم احتساب التباين المفسر عبر تسلسل حسابي دقيق ينطلق من تحليل مصفوفات البيانات الأولية. يبدأ الحساب بحساب التباين الكلي في المتغير التابع، والذي يشار إليه بمجموع المربعات الكلي (Total Sum of Squares – SST)، ويحسب بطرح المتوسط الحسابي العام للمتغير من كل درجة فردية وتربيع تلك الفروق ثم جمعها معاً:

$$SST = \sum (Y_i – \bar{Y})^2$$

عقب بناء خط الانحدار أو تعيين مجموعات المعالجة، يتم حساب القيم المتنبأ بها ($\hat{Y}_i$) لكل مفحوص بناءً على معادلة النموذج. يُحسب حينها مجموع مربعات النموذج أو الانحدار (Model Sum of Squares – SSM)، وهو تشتت القيم المتنبأ بها حول المتوسط العام:

$$SSM = \sum (\hat{Y}_i – \bar{Y})^2$$

من هذه الصيغة يُستنتج معامل التحديد ($R^2$) الذي يعكس نسبة التباين المفسر مباشرة:

$$R^2 = \frac{SSM}{SST} = 1 – \frac{SSE}{SST}$$

حيث يمثل SSE مجموع مربعات الخطأ أو الفروق بين الدرجة الحقيقية والدرجة المتنبأ بها. ونظراً لأن إضافة أي متغير جديد إلى النموذج، حتى لو كان عشوائياً كرمي قطعة نقدية، تؤدي رياضياً إلى خفض SSE ورفع $R^2$ قليلاً بمحض الصدفة، يلجأ الباحثون إلى حساب معامل التحديد المعدل:

$$R_{adj}^2 = 1 – \left[ \frac{(1 – R^2)(N – 1)}{N – k – 1} \right]$$

حيث يمثل $N$ الحجم الكلي للعينة، ويمثل $k$ عدد المتغيرات المستقلة في النموذج. هذه الصياغة الرياضية تكبح جماح التضخم وتعاقب النموذج على زيادة عدد المتغيرات التي لا تقدم قيمة تفسيرية حقيقية.

10. التطبيقات والأهمية العملية في الميدان النفسي

يحتل التباين المفسر موقع الصدارة في العديد من الميادين التطبيقية لعلم النفس؛ ففي علم النفس التنظيمي والصناعي، تعتمد عمليات انتقاء الموظفين والقيادات على اختبارات التعيين التي تقدم أعلى نسبة تباين مفسر في الأداء الوظيفي المستقبلي. إن استبدال مقابلة شخصية ذات تباين مفسر لا يتجاوز 4% باختبار عينات العمل (Work Sample Tests) واختبارات القدرة المعرفية التي قد تفسر أكثر من 25% من تباين الأداء، يوفر على المؤسسات خسائر مالية فادحة ويسهم في تحسين الإنتاجية الشاملة.

وفي القياس النفسي السريري، يعد استخراج التباين المفسر الخطوة الذهبية للحكم على صدق البناء (Construct Validity) لمقاييس الشخصية والاضطرابات؛ فعند تصميم مقياس جديد للاحتراق النفسي، لا يكفي الاكتفاء بحساب معامل ألفا كرونباخ للثبات، بل يُجرى تحليل عاملي استكشافي أو توكيدي لإثبات أن الأبعاد النظرية للمقياس (الإنهاك العاطفي، وتبلد المشاعر، ونقص الإنجاز) تفسر حصة كبرى من تباين الاستجابات (يفضل أن تتجاوز 50% كمعيار سيكومتري عام)، مما يدل على أن المقياس يقيس بالفعل الظاهرة ولا يقيس ضجيجاً عشوائياً.

أما في علم النفس العصبي والتربوي، فيساعد التباين المفسر في تحديد الأهمية العملية (Clinical Significance) للمشكلات النمائية وصعوبات التعلم، متجاوزاً الانخداع بـ حجم الأثر الشكلي، وموجهاً خطط الدعم والتأهيل نحو المتغيرات التي تمسك بالجزء الأكبر من تباين العجز الوظيفي لدى الأطفال.

11. الأدلة التجريبية والبحوث الأكاديمية

أكدت الأدبيات الإمبيريقية الحديثة على مدار عقود على خطورة الاعتماد المنفرد على الدلالة الإحصائية وقيمة $p$ (p-value)، وألزمت جمعية علم النفس الأمريكية (APA) في أدلة النشر التابعة لها بضرورة تقرير مقاييس التباين المفسر وأحجام التأثير لمختلف الاختبارات. وقد وثقت دراسات ميتا-تحليلية (Meta-analyses) ضخمة أجراها باحثون بارزون مثل جون هاتي (John Hattie) في كتابه الرائد “التعلم المرئي”، والذي حلل فيه آلاف الدراسات لتقدير حجم التباين المفسر في تحصيل الطلاب، مبيناً أن استراتيجيات التغذية الراجعة والتقييم التكويني تفسر نسباً عالية جداً مقارنة بالمتغيرات الهيكلية كتقليص حجم الفصل الدراسي.

وفي دراسة مرجعية لجاكوب كوهين (Jacob Cohen) عام 1988، صنف نسب التباين المفسر في البحوث السلوكية وفق معايير إرشادية شهيرة لقيمة $R^2$؛ حيث اعتبر أن نسبة 1% ($R^2 = 0.01$) تعبر عن أثر صغير، ونسبة 9% ($R^2 = 0.09$) تشير إلى أثر متوسط، في حين تمثل نسبة 25% ($R^2 = 0.25$) أثراً كبيراً جداً في سياق الظواهر النفسية متعددة الأسباب والتعقيد.

وعلاوة على ذلك، برهن الباحثان ماير وزملاؤه (Meyer et al., 2001) في دراستهم المنشورة في مجلة “American Psychologist” على أن قوة التباين المفسر للاختبارات النفسية (مثل مقياس رورشاخ واختبار مينيسوتا متعدد الأوجه للشخصية MMPI) في التنبؤ بالصحة النفسية ومآلات العلاج تضاهي، بل وتتفوق في كثير من الأحيان على التباين المفسر للعديد من الفحوصات الطبية المرموقة كالتصوير بالرنين المغناطيسي وتخطيط القلب في التنبؤ بالأمراض الجسدية، مما رد الاعتبار العلمي لدقة المقاييس السيكومترية وقوة نماذجها التفسيرية.

12. الاعتبارات الثقافية والسياقية في القياس النفسي

إن مقدار التباين المفسر ليس خاصية مطلقة أو ثابتة محفورة في البنية الحيوية للسلوك الإنساني، بل هو دالة مشروطة بالسياق الثقافي والاجتماعي للعينة المفحوصة؛ فالمتغير المستقل الذي ينجح في تفسير 30% من التباين في الاكتئاب داخل مجتمع غربي فرداني (مثل مفهوم تحقيق الذات والاستقلالية الشخصية) قد ينحدر تباينه المفسر إلى أقل من 5% عند تطبيقه في مجتمع شرقي جمعي تسوده قيم الترابط الأسري والتكافل، حيث تبرز متغيرات أخرى كالانسجام الجماعي والدعم العائلي لتفسر الحصة الأكبر من التباين.

تواجه الدراسات العابرة للثقافات معضلة منهجية كبرى تعرف باسم “تكافؤ القياس” (Measurement Invariance)؛ فعندما يختلف مقدار التباين المفسر لعامل الشخصية عبر الثقافات، فإن ذلك قد لا يعني بالضرورة اختلافاً حقيقياً في بنية السلوك الإنساني، بل قد ينبع من تحيزات لغوية في ترجمة أدوات المسح، أو تباين في أساليب الاستجابة (كالميل إلى الأطراف أو الرغبة الاجتماعية). لذلك، ينبغي للباحثين الحذر الشديد من تعميم النسب الرياضية للتباين المفسر خارج البيئات الثقافية والبيئية التي استخرجت منها تلك النماذج الإحصائية.

13. الانتقادات والمناظرات الإبستمولوجية والمحددات

على الرغم من المكانة الرفيعة للتباين المفسر، إلا أنه تعرض لعدة انتقادات إحصائية وفلسفية حادة؛ يرتكز أولها على أن مفهوم “المفسر” هو توصيف مضلل في كثير من الأحيان، إذ يخلط عامة الباحثين وطلاب العلم بين التفسير الرياضي والتفسير السببي؛ فمجرد قدرة متغير على تفسير نسبة تباين لا يثبت مطلقاً أنه هو العلة أو السبب الحقيقي للظاهرة، فقد تكون هناك متغيرات كامنة خفية مهملة هي المحرك الفعلي للطرفين (معضلة المتغير الثالث الإرباكي).

ويتمثل النقد الثاني في حساسية التباين المفسر الشديدة لمدى تباين العينة؛ فإذا كانت العينة تتسم بما يعرف بـ “تقييد المدى” (Restriction of Range) — كدراسة أثر الذكاء على النجاح الأكاديمي لدى طلبة الدكتوراه في الفيزياء فقط — فإن النطاق الضيق جداً لدرجات الذكاء سيؤدي حتماً إلى هبوط رياضي مصطنع في قيمة التباين المفسر قد يقترب من الصفر، مما يوقع الباحث في فخ استنتاج خاطئ بأن الذكاء ليس مهماً، في حين أن السبب هو تجانس العينة الشديد في تلك السمة.

أما النقد الثالث فيتعلق بظاهرة “فرط المطابقة” (Overfitting)؛ حيث يمكن للمحلل عبر حشو النموذج بعدد هائل من المتغيرات والتفاعلات الوصول إلى تباين مفسر يقارب 80% داخل العينة الأصلية عبر التقاط التباين العشوائي والضوضاء، إلا أن هذا النموذج ينهار تماماً وتنحدر قدرته التفسيرية إلى الصفر تقريباً بمجرد تطبيقه على عينة مستقلة أخرى، مما جعل استخدام طرائق التحقق المتقاطع (Cross-Validation) وتعديل العينات واختبارات كفاءة النماذج ضرورة حتمية لتلافي أوهام التباين الزائف.

14. المصطلحات ذات الصلة والفروق الجوهرية

لتجنب اللبس الشائع في الأدبيات السيكومترية، يجب التمييز بوضوح بين التباين المفسر ومجموعة من المفاهيم الإحصائية المتشابكة:

• التباين المفسر مقابل معامل الارتباط ($r$): معامل الارتباط يقيس قوة واتجاه العلاقة الخطية الثنائية بين متغيرين ويتراوح بين -1 و +1، بينما التباين المفسر ($r^2$) يمثل مربع هذه القيمة، ويعبر حصراً عن نسبة التشتت المتداخل دون إشارة لاتجاه العلاقة.
• التباين المفسر مقابل الدلالة الإحصائية ($p$-value): تخبرنا القيمة الاحتمالية بما إذا كان الأثر المرصود ناتجاً عن الصدفة العشوائية أم لا دون أن تحدد قوته العملية، بينما يحدد التباين المفسر الحجم الحقيقي والتطبيقي للأثر ومقدار فائدته في الواقع الإنساني.
• التباين المفسر مقابل التباين الكلي (Total Variance): التباين الكلي هو المقدار الخام لجميع الفروق الفردية في السمة، أما التباين المفسر فهو الجزء الذي استطاع النموذج المعرفي إخضاعه للقوانين المنطقية، وما تبقى يسمى التباين غير المفسر أو تباين الخطأ.
• التباين المفسر مقابل التباين المتبقي (Residual Variance): التباين المتبقي هو المتمم الرياضي للتباين المفسر ($1 – R^2$)، وهو يمثل كل ما يعجز نموذجنا الحالي عن فهمه وتفسيره من تقلبات الظاهرة النفسية.

15. الخاتمة وخلاصة القول

يعد التباين المفسر ركيزة لا غنى عنها في منهجية البحث النفسي والقياس السلوكي؛ فهو بمثابة المرآة التي تعكس رصانة الأفكار النظرية ومدى قدرتها على استيعاب العالم الإنساني الواقعي. ومع أنه لا يحل مشكلة الاستدلال السببي بمفرده ويظل محكوماً بطبيعة العينات وطرق القياس، إلا أنه يقدم الترياق الأكثر فاعلية ضد الوهم بالدلالات الإحصائية الجوفاء، موجهاً البوصلة نحو الفهم الحقيقي لأسرار التباين في النفس البشرية.

المراجع

• Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates. https://www.routledge.com/Statistical-Power-Analysis-for-the-Behavioral-Sciences/Cohen/p/book/9780805802832
• Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd. https://psychclassics.yorku.ca/Fisher/Methods/
• Hattie, J. (2008). Visible Learning: A Synthesis of Over 800 Meta-Analyses Relating to Achievement. Routledge. https://www.routledge.com/Visible-Learning-A-Synthesis-of-Over-800-Meta-Analyses-Relating-to-Achievement/Hattie/p/book/9780415476188
• Meyer, G. J., Finn, S. E., Eyde, L. D., Kay, G. G., Moreland, K. L., Dies, R. R., Eisman, E. J., Kubiszyn, T. W., & Reed, G. M. (2001). Psychological testing and psychological assessment: A review of evidence and issues. American Psychologist, 56(2), 128–165. https://doi.org/10.1037/0003-066X.56.2.128
• Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson. https://www.pearson.com/en-us/subject-catalog/p/using-multivariate-statistics/P200000003444