يعد انحدار بواسون أحد أهم النماذج الإحصائية المتقدمة المستخدمة في علم النفس والعلوم السلوكية لتحليل وتفسير بيانات العد المنفصلة التي تسجل تكرار حدوث سلوكيات أو أحداث معينة خلال فترة زمنية محددة. يتيح هذا النموذج للباحثين النفسيين تجاوز أوجه القصور الجوهرية للنماذج الخطية التقليدية، مقدماً إطاراً رياضياً دقيقاً يتوافق مع الخصائص التوزيعية للظواهر النفسية النادرة أو المتكررة بشكل غير متناظر.
انحدار بواسون (Poisson Regression)
1. التعريف الموجز
انحدار بواسون هو شكل من أشكال النماذج الخطية المعممة (Generalized Linear Models) المصممة خصيصاً للتنبؤ بمتغير تابع يمثل بيانات عد منفصلة غير سالبة (Count Data)، وذلك بناءً على واحد أو أكثر من المتغيرات التفسيرية المستقلة. يفترض هذا النموذج الرياضي أن اللوغاريتم الطبيعي للمعدل المتوقع للحدث يمثل دالة خطية تجمع بين العوامل التنبؤية المختلفة.
في السياق السيكولوجي والسلوكي، يُستخدم انحدار بواسون لنمذجة الظواهر التي تُقاس بأعداد صحيحة تعبر عن تكرار الحدث، مثل عدد نوبات الهلع التي يمر بها مريض القلق خلال شهر، أو عدد محاولات الانتحار السابقة، أو تكرار السلوكيات العدوانية لدى الأطفال في البيئة المدرسية. وبما أن هذه المتغيرات تتبع قيماً عددية تبدأ من الصفر ولا تقبل قيماً سالبة أو كسوراً، فإن النموذج يوفر وسيلة ملائمة رياضياً تحافظ على الطبيعة المنفصلة للبيانات وتلغي احتمالية التنبؤ بقيم يستحيل حدوثها واقعياً.
يتسم انحدار بواسون بافتراض إحصائي محوري يُعرف باسم “تساوي التشتت” (Equidispersion)، والذي يقضي بأن المتوسط الحسابي للبيانات المشروطة بالمتغيرات المستقلة يساوي تباينها الرياضي تماماً. ورغم مثالية هذا الافتراض، فإنه يشكل حجر الزاوية الذي تنطلق منه جميع التحليلات المتقدمة لبيانات التكرار السلوكي، وتنبثق عنه نماذج بديلة لمعالجة أي إخلال بهذا الشرط الإحصائي.
2. أصل التسمية والاشتقاق اللغوي
يُنسب مصطلح “بواسون” إلى عالم الرياضيات والفيزياء الفرنسي سيميون دينيس بواسون (Siméon Denis Poisson)، الذي عاش بين عامي 1781 و1840، والذي قدم في مؤلفه الشهير المنشور عام 1837 القانون الاحتمالي المعروف باسم توزيع بواسون، مطبقاً إياه على أحكام المحاكم والقضايا الجنائية. وكلمة “بواسون” (Poisson) في اللغة الفرنسية تعني حرفياً “السمكة”، إلا أن التسمية العلمية ترتبط ارتباطاً حصرياً باللقب العائلي للعالم المذكور تقديراً لإسهاماته الرياضية الجليلة.
أما كلمة “انحدار” (Regression)، فقد اشتُقت لغوياً في سياق الإحصاء من الفعل اللاتيني (Regredi) الذي يعني “الرجوع” أو “العودة إلى الوراء”. وقد أدخل عالم النفس والأنثروبولوجيا البريطاني السير فرانسيس غالتون (Francis Galton) هذا المصطلح إلى العلوم السلوكية في أواخر القرن التاسع عشر عند دراسته لوراثة السمات الجسدية والنفسية، حيث لاحظ ظاهرة “الرجوع أو الانحدار نحو المتوسط” (Regression toward the mean) بين الآباء والأبناء.
وعند دمج المصطلحين معاً، يشير “انحدار بواسون” (Poisson Regression) في الاصطلاح الأكاديمي الإحصائي إلى تطبيق منهجية تحليل الانحدار على المتغيرات العشوائية التي تخضع للدالة التوزيعية لبواسون، حيث ارتبط المصطلح في الأدبيات المنهجية المعاصرة بمجال النمذجة الإحصائية المتقدمة بعد ثورة الحوسبة ونشوء النماذج المعممة.
3. النطق والصيغة الصرفية واللغوية
يُنطق المصطلح باللغة العربية: “اِنْحِدَارُ بَوَاسُون”، بكسر الهمزة وتسكين النون وفتح الحاء في كلمة “انحدار”، في حين يُعرب الاسم الثاني بالبناء أو يُعامل معاملة الاسم الأعجمي الممنوع من الصرف المجرور بالفتحة نيابة عن الكسرة (بَوَاسُونَ)، ويُنطق بالإنجليزية: (/ˈpwɑːsɒn rɪˈɡrɛʃən/).
من الناحية الصرفية والتركيبية، يمثل المصطلح في المعاجم العربية “مركباً إضافياً” يتكون من مضاف وهو المصدر المشتق “انحدار” من الفعل الخماسي “انْحَدَرَ”، ومضاف إليه وهو العلم الأعجمي المعرّب “بواسون”. وتُستخدم هذه الصيغة كاسم علم على أداة إحصائية قياسية لا تقبل التأنيث، فنقول: “طُبّقَ انحدار بواسون في فحص الفرضيات النفسية” ولا يصح تأنيث الفعل معه.
توجد في الأدبيات العربية عدة تنويعات كتابية غير قياسية ناتجة عن الترجمة الصوتية للاسم الفرنسي، مثل: “انحدار بويسون” أو “انحدار بوازون”، إلا أن الصياغة المعتمدة في المجامع اللغوية والدوريات العلمية المحكمة الصادرة باللغة العربية هي “انحدار بواسون”. وتصنف الكلمة في المعاجم المتخصصة كمصطلح منهجي إحصائي-نفسي مركب.
4. الشرح المفاهيمي المفصل
يقوم الأساس الرياضي لانحدار بواسون على الربط بين مصفوفة المتغيرات التنبؤية ومتوسط المتغير التابع التكراري عبر “دالة ربط لوغاريتمية” (Log Link Function). بما أن نتائج العد السلوكي لا يمكن أن تكون قيماً سالبة (إذ يستحيل أن يقوم مريض بزيارة العيادة النفسية -2 مرة)، فإن استخدام الانحدار الخطي العادي لنمذجة هذه الحالات يقود حتماً إلى تنبؤات لا معنى لها منطقياً، مثل التنبؤ بقيم سالبة للتكرارات عند انخفاض قيم المتغير المستقل، فضلاً عن انتهاك فرضيات ثبات التباين واعتدالية البواقي.
تُصاغ معادلة نموذج بواسون إحصائياً بافتراض أن المتغير التابع المنفصل $Y$ يتّبع توزيع بواسون بمعلمة معدل تُدعى لامدا ($lambda$)، وتمثل القيمة المتوقعة لعدد مرات وقوع الحدث. وترتبط هذه المعلمة بالمتغيرات المستقلة $X$ عبر المعادلة:
$$\ln(\lambda) = \eta_0 + \eta_1 X_1 + \eta_2 X_2 + dots + \eta_k X_k$$
وهذا يعني أن المعدل المتوقع يمكن التعبير عنه بالدالة الأسية: $\lambda = \exp(\eta_0 + \sum \eta_i X_i)$. وبفضل هذه الصيغة، يظل التنبؤ بـ ($lambda$) دائماً موجباً مهما كانت قيم المعاملات أو المتغيرات التنبؤية، مما يحل المعضلة الرياضية الأولى في نمذجة بيانات العد.
يتم تفسير معاملات الانحدار ($eta$) في هذا النموذج عبر تحويلها إلى “نسب معدل الحدوث” (Incidence Rate Ratios – IRR) من خلال رفع الأساس الطبيعي إلى قوة المعامل ($exp(eta)$). على سبيل المثال، إذا كان الباحث يدرس تأثير الضغط النفسي على عدد نوبات الصداع الأسبوعية، ووجد أن معامل الضغط يساوي 0.20، فإن $exp(0.20) pprox 1.22$، مما يعني أن كل زيادة بمقدار وحدة واحدة في مقياس الضغط النفسي ترتبط بزيادة معدل نوبات الصداع بنسبة 22%، مع ثبات بقية العوامل.
يمتلك النموذج ميزة محورية أخرى تتمثل في إمكانية إدخال متغير الإزاحة (Offset Variable)، وهو متغير يُستخدم عندما تختلف فترات الملاحظة أو مساحات العينة بين الأفراد. فإذا قِيس السلوك العدواني لدى طالب خلال ساعتين من الملاحظة بينما قِيس لدى طالب آخر خلال ثماني ساعات، يتيح متغير الإزاحة ضبط هذا التباين الزمني لضمان مقارنة معدلات السلوك بدقة وعدالة إحصائية كاملة.
5. التطور التاريخي
تعود الجذور الأولى لانحدار بواسون إلى منتصف القرن التاسع عشر عندما صاغ سيميون دينيس بواسون نظريته كحالة حدّية خاصة من توزيع ذي الحدين (Binomial Distribution) عندما يكون احتمال وقوع الحدث نادراً جداً وعدد المحاولات كبيراً للغاية. وظل التوزيع عقوداً طويلة مهملاً كمعادلة نظرية مجردة، حتى نشره الإحصائي الروسي لاديسلاوس بورتكيفيتش (Ladislaus Bortkiewicz) عام 1898 في دراسته الشهيرة التي حللت عدد الجنود في الجيش البروسي الذين لقوا حتفهم إثر ركلات الخيول، مبرهناً على دقة التوزيع في نمذجة الحوادث النادرة والمفاجئة.
في منتصف القرن العشرين، ومع بزوغ القياس النفسي والتحليل التجريبي للسلوك، واجه علماء النفس صعوبات جمة في تحليل بيانات مثل زمن الاستجابة، وتكرار الأخطاء الإدراكية، وعدد السلوكيات الإدمانية؛ حيث كانت المعالجات المتبعة تقتصر على تحويل البيانات قسرياً باستخدام تحويلات مثل الجذر التربيعي (Square-root transformation) أو اللوغاريتم في محاولة لإخضاعها لشروط الانحدار الخطي العادي، وهي ممارسات أثبتت لاحقاً أنها تُحدث تشويهاً كبيراً في المعالم الإحصائية.
حدثت النقلة النوعية الكبرى في سبعينيات القرن العشرين، وتحديداً في عام 1972، عندما نشر العالمان جون نيلدر (John Nelder) وروبرت ويدربيرن (Robert Wedderburn) ورقتهما العلمية التاريخية التي أسست إطار “النماذج الخطية المعممة” (GLMs). دمجت هذه المنهجية انحدار بواسون رسمياً ضمن عائلة واحدة تشمل الانحدار الخطي واللوجستي، متيحة تقدير المعالم عبر خوارزميات الأرجحية القصوى (Maximum Likelihood Estimation).
مع التطور الهائل في القدرات الحاسوبية وظهور الحزم الإحصائية البرمجية مثل R وSPSS وSAS وStata في نهايات القرن العشرين ومطلع القرن الحادي والعشرين، أصبح استخدام انحدار بواسون ممارسة قياسية معتمدة في مجلات علم النفس الرصينة، وتطورت منه امتدادات متقدمة لمعالجة معضلات الإفراط في تكرار الأصفار والتشتت الزائد.
6. الأسس والنظريات المؤطرة
يستند انحدار بواسون في العلوم الإنسانية والنفسية إلى عدة أطر نظرية ومنهجية تبرر اعتماده كنموذج تفسيري للظواهر الإنسانية:
أولاً، إطار “عمليات بواسون ونظرية الاحتمالات”: تفترض النظرية أن الأحداث النفسية أو السلوكية تقع بشكل عشوائي ومستقل في فضاء زمني أو مكاني مستمر، وأن احتمال وقوع حدثين في اللحظة متناهية الصغر ذاتها يقترب من الصفر. هذا الأساس النظري يتلاءم تماماً مع دراسة سلوكيات معينة تظهر وكأنها “ومضات سلوكية”، مثل الاندفاعات العدوانية أو الانتكاسات الإدمانية غير المبرمجة زمنياً.
ثانياً، نظرية القياس الإحصائي السلوكي: تنظر هذه المدرسة المنهجية إلى السلوك البشري باعتباره نتاجاً لمعدل أساسي كامن (Latent Base Rate) يتأثر بالسمات الشخصية والمثيرات البيئية. ووفقاً لهذه الرؤية، فإن كل كائن بشري يمتلك معدلاً نوعياً لإصدار استجابة محددة، ويعمل نموذج بواسون على تقدير كيفية تباين هذا المعدل النوعي تبعاً لمتغيرات الفروق الفردية والمواقف التجريبية.
ثالثاً، نظرية النمذجة الخطية المعممة (GLM Framework): تعتمد هذه النظرية الرياضية على تصنيف التوزيعات الاحتمالية ضمن العائلة الأسية الطبيعية (Natural Exponential Family). وبموجبها، يُنظر إلى انحدار بواسون بوصفه توسيعاً منطقياً للانحدار الخطي الكلاسيكي، حيث يُستبدل توزيع الأخطاء الطبيعي بتوزيع بواسون، وتُستبدل دالة التطابق (Identity function) بدالة الربط اللوغاريتمية للحفاظ على الاتساق المنطقي للتنبؤات السيكومترية.
7. المكونات والأنواع والأبعاد الرئيسية
يتفرع انحدار بواسون ونماذج بيانات العد السلوكية إلى عدة مكونات وصيغ منهجية تتكامل مع بعضها لتغطية مختلف التحديات الإحصائية في البحوث النفسية:
- المكون التنبؤي الخطي (Linear Predictor): وهو التركيبة التجميعية الموزونة للمتغيرات المستقلة ومعاملاتها ($\eta = \eta_0 + \sum \eta_i X_i$) التي تعكس حجم واتجاه تأثير العوامل النفسية المدروسة.
- دالة الربط اللوغاريتمية (Log Link Function): العلاقة الرياضية التي تربط المكون الخطي بالقيمة المتوقعة لمتغير العد، وتضمن عدم إفراز قيم سالبة للحدث المرصود.
- انحدار بواسون القياسي (Standard Poisson Regression): النموذج الأساسي الذي يفترض تساوي التشتت الرياضي (Mean = Variance)، ويُستخدم عندما تتوافق البيانات المجمعة مع هذا الشرط المثالي.
- انحدار شبه بواسون (Quasi-Poisson Regression): تعديل منهجي لانحدار بواسون القياسي يسمح للتباين بأن يكون أكبر من المتوسط عبر إدخال معامل تشتت إضافي ($phi$) لضبط الأخطاء المعيارية دون تغيير قيم المعاملات المقدرة.
- نموذج بواسون ذو الأصفار الفائضة (Zero-Inflated Poisson – ZIP): نموذج مركب مخصص للتعامل مع الحالات التي تحوي فائضاً ضخماً من الأصفار، ويفترض وجود مصدرين لظهور الصفر: أصفار حتمية (مجموعة غير قادرة على إتيان السلوك إطلاقاً) وأصفار احتمالية عشوائية ناتجة عن عملية بواسون المعتادة.
- نموذج بواسون المقيد/المبتور عند الصفر (Zero-Truncated Poisson): نموذج يُستخدم عندما تُستبعد الأصفار تلقائياً من التصميم التجريبي، كما في دراسة مدة بقاء المرضى النفسيين في المستشفى بالشهور، حيث يكون الحد الأدنى للدخول شهراً واحداً على الأقل.
8. أمثلة وحالات توضيحية
تتعدد التطبيقات الإكلينيكية والبحثية التي تجعل من انحدار بواسون ضرورة علمية في علم النفس، وتوضح الحالات التالية أهميته العملية:
الحالة الأولى: علم النفس الإكلينيكي والطب النفسي
أراد فريق بحثي فحص فاعلية العلاج السلوكي الجدلي (DBT) في تقليل السلوكيات غير الانتحارية المؤذية للذات (NSSI) لدى عينة من المراهقين المشخصين باضطراب الشخصية الحدية. كان المتغير التابع هو “عدد حوادث إيذاء الذات المسجلة خلال 6 أشهر”. تتسم هذه البيانات بتجمع أغلب الأفراد حول أرقام صغيرة (0، 1، 2) مع وجود حالات نادرة وصلت إلى 30 حادثة. أظهر تطبيق انحدار بواسون أن الانضمام إلى برنامج العلاج خفض معدل الحوادث بنسبة 45% ($IRR = 0.55$) بعد ضبط متغيرات العمر والجنس والشدة المبدئية للاضطراب، وهو استنتاج كان سيتعرض للتشويه والخطأ المعياري لو استُخدم الانحدار الخطي العادي.
الحالة الثانية: علم النفس العصبي والمعرفي
في دراسة لفحص التدهور المعرفي لدى مرضى الزهايمر المبكر، طُلب من المشاركين إتمام اختبار ستروب (Stroop Task) تحت ظروف إجهاد مختلفة، وحُسب المتغير التابع باعتباره “عدد أخطاء التداخل اللوني المرتكبة”. استخدم الباحثون انحدار بواسون مع إدخال زمن إنجاز المهمة كمتغير إزاحة (Offset) للتحكم في بطء المعالجة الحركية، مما أتاح استخلاص دقيق لتأثير حمولة الذاكرة العاملة على تكرار الأخطاء الخالصة بمعزل عن التغيرات المرتبطة بزمن رد الفعل الحركي.
الحالة الثالثة: علم النفس التنظيمي والمهني
أجرى باحثون دراسة حول تأثير الاحتراق النفسي (Burnout) على “عدد أيام الغياب غير المبرر” لدى موظفي الرعاية الصحية في المستشفيات على مدار سنة كاملة. بما أن الغالبية الساحقة من الموظفين يملكون صفر أو يوم غياب واحد، في حين يمتلك قلة منهم عدداً مرتفعاً، مكّن انحدار بواسون (وبالتحديد نمط ZIP لاحقاً) من التمييز بين الموظفين الملتزمين هيكلياً بالدوام وأولئك الذين غابوا بسبب الإرهاق النفسي والضغوط الإدارية، موفراً تقديراً دقيقاً لحجم الخسائر الإنتاجية المتوقعة لكل درجة زيادة على مقياس ماسلاك للاحتراق النفسي.
9. القياس والتقييم الإحصائي
يتطلب التحقق من سلامة وصلاحية نموذج انحدار بواسون النفسي اتخاذ خطوات إحصائية صارمة تضمن مصداقية النتائج وقابليتها للتعميم:
يبدأ التقييم بفحص فرضية تساوي التشتت؛ إذ تُعد ظاهرة “التشتت الزائد” (Overdispersion) العائق الأبرز أمام تطبيق النموذج، وتحدث عندما يفوق التباين الفعلي للبيانات قيمة المتوسط الحسابي بدرجة دالة إحصائياً، مما يقود إلى تقدير أخطاء معيارية متدنية بصورة مصطنعة ترفع احتمال ارتكاب خطأ من النوع الأول (Type I Error). يتم فحص ذلك من خلال قسمة قيمة دالة الانحراف (Deviance) أو إحصاء مربع كاي لبيرسون (Pearson Chi-Square) على درجات الحرية؛ وإذا تجاوز الناتج قيمة 1.0 بشكل ملحوظ (غالباً أكثر من 1.2 إلى 1.5)، اعتُبرت البيانات متشتتة بصورة زائدة واستلزمت تصحيحاً عبر نماذج شبه بواسون أو الانحدار الثنائي السالب.
تُقاس جودة مطابقة النموذج الكلية (Goodness of Fit) بالاعتماد على إحصاءين رئيسيين: انحراف النموذج (Model Deviance) وإحصاء مربع كاي اللوجستي. ويشير عدم دلالة اختبار الانحراف ($p > 0.05$) إلى أن النموذج يتطابق بصورة جيدة مع البيانات المشاهدة ولا يختلف عنها جوهرياً. كما تُستخدم معايير المعلومات المقارنة، مثل معيار أكايكي للمعلومات (AIC) ومعيار المعلومات البايزي (BIC)، للمفاضلة بين النماذج التنافسية المختلفة، حيث يدل النموذج ذو القيمة الأقل على توفيق أفضل يجمع بين البساطة الرياضية والدقة التفسيرية.
كما يتضمن التقييم التحقق من عدم وجود مساهمات شاذة للمشاركين عبر استخراج مسافات كوك (Cook’s Distance) ومؤشرات الرافعة (Leverage Values)، لضمان أن النتائج الإجمالية لتكرارات السلوك لا تعتمد على مريض واحد يمتلك تكرارات متطرفة للغاية بصورة غير متسقة مع العينة الإكلينيكية.
10. التطبيقات والأهمية العملية في علم النفس
يمثل انحدار بواسون حجر الزاوية في تصميم العديد من التدخلات النفسية وبناء السياسات الوقائية نظراً لخصائصه القياسية المتقدمة:
في ميدان القياس النفسي والسيكومتري، يُسهم النموذج في نمذجة درجات المفردات في الاختبارات التي تعتمد على تكرار السلوكيات، مثل مقاييس التلعثم التعبيري، أو عدد الحركات النمطية اللاإرادية لدى المصابين بطيف التوحد، مما يساعد مطوري المقاييس على معايرة الأدوات دون الوقوع في أخطاء تسطيح التباين الناتجة عن جمع النقاط قسرياً.
أما في علم النفس الصحي والوبائي، فيُستخدم النموذج للتنبؤ بمعدلات المراضة النفسية ووتيرة استخدام المهدئات ومعدلات التردد على خدمات الطوارئ النفسية، مما يوفر لصناع القرار في مؤسسات الصحة النفسية نماذج تنبؤية دقيقة لتخصيص الموارد البشرية والمالية بحسب احتياجات الفئات المجتمعية الأكثر عرضة للأزمات الحادة.
في علم نفس الطفل وتعديل السلوك، يتيح النموذج للأخصائيين النفسيين تقييم فاعلية الخطط العلاجية السلوكية الميدانية في المدارس من خلال مقارنة معدلات السلوك المشاغب لكل ساعة قبل وبعد تطبيق برنامج الدعم السلوكي الإيجابي (PBIS)، مع ضبط الفروق في أزمنة الملاحظة بين المعلمين بصورة موثوقة.
11. البحث العلمي والأدلة التجريبية
أكدت الأدبيات المنهجية والنفسية عبر مئات الدراسات المنشورة تفوق انحدار بواسون والنماذج المنبثقة عنه على التحليلات الكلاسيكية القائمة على تحويلات البيانات التكرارية.
في ورقة منهجية رائدة، أثبت الباحثان جاري كينغ (Gary King) وزملاؤه خطأ الممارسة الشائعة المتمثلة في تحويل متغيرات العد النفسية عبر إدخال اللوغاريتم للقيم مع إضافة ثابت مثل $ln(Y + 1)$ لإخضاعها للانحدار الخطي العادي؛ حيث برهنوا على أن هذه الممارسة تؤدي إلى انحياز شديد في تقدير أحجام التأثير وتباين الأخطاء، وأوصوا بضرورة الاعتماد الحصري على عائلة نماذج بواسون والعد المنفصل.
وفي دراسة إكلينيكية طولية كلاسيكية لفحص مسار السلوك الانتحاري قادها الإحصائي النفسي جوزيف اتكينز (David C. Atkins) وزملاؤه، استُخدم انحدار بواسون والنماذج ثنائية الحدين السالبة لدراسة عدد محاولات الانتحار لدى عينات كبيرة عبر فترات زمنية ممتدة. أظهرت النتائج أن استخدام الانحدار الخطي المعتاد فشل تماماً في رصد التغيرات الطفيفة ولكن الدالة إكلينيكياً في الفئات الفرعية عالية الخطورة، في حين استطاع انحدار بواسون كشف التفاعلات الدقيقة بين المتغيرات المستقلة وحساب نسب معدل الحدوث بدقة عالية، مما عزز من مصداقية الاستنتاجات العلمية.
كما بينت أبحاث علم النفس الجنائي التي قادها باحثون متخصصون في نمذجة العود الإجرامي (Recidivism) وتكرار ارتكاب الجرائم العنيفة، أن نماذج بواسون المركبة توفر القدرة الأعلى على التنبؤ بمعدل الأفعال الجنائية اللاحقة استناداً إلى مقاييس السمات السيكوباتية وتاريخ الاضطراب السلوكي في الطفولة.
12. الاعتبارات الثقافية والسياقية
يستدعي تطبيق انحدار بواسون في أبحاث الثقافات المتعددة وعلم النفس الثقافي حساسية منهجية خاصة لضمان عدم الخلط بين الخصائص التوزيعية للنموذج والاختلافات الثقافية الموضوعية:
يؤثر السياق الثقافي بشكل جذري على “معدل الأساس الإحصائي” (Base Rate) للظواهر السلوكية. فالأعراض الجسدية المنشأ (Somatization) للاضطرابات النفسية تظهر بمعدلات تكرار أعلى بكثير في بعض المجتمعات الشرقية والنامية مقارنة بالمجتمعات الغربية التي تميل للتعبير عن المعاناة النفسية عبر مفردات وجدانية؛ وعليه، فإن مقارنة معدلات تكرار الشكاوى بين مجموعات ثقافية مختلفة يتطلب معايرة دالة الربط وضمان تكافؤ القياس حتى لا يفسر النموذج الفروق الثقافية الطبيعية كانتهاك لتجانس التشتت.
تلعب العوامل اللغوية والاجتماعية دوراً في نسبة الأصفار المشاهدة في المقاييس النفسية (الأصفار الثقافية)؛ ففي الثقافات التي تفرض وصمة اجتماعية شديدة على بعض السلوكيات، مثل شرب الكحول أو الممارسات الجنسية غير الآمنة أو أعراض الهوس، قد يسجل المشاركون أصفاراً مصطنعة ناتجة عن التحيز الاجتماعي (Social Desirability Bias)، مما يولد فائضاً مصطنعاً من الأصفار يفرض على الباحثين استخدام نماذج بواسون ذات الأصفار الفائضة (ZIP) لفصل الامتناع الحقيقي عن الإنكار الدفاعي.
13. الانتقادات والجدل الأكاديمي وحدود الاستخدام
على الرغم من الرصانة المنهجية لانحدار بواسون، فإنه يواجه انتقادات وجدليات قائمة تدور حول قيوده الرياضية في التطبيق الميداني:
يكمن الاعتراض الجوهري الأول في صلابة افتراض “تساوي التشتت” (المتوسط = التباين). في الواقع السلوكي العملي، نادراً ما تتطابق هذه القيمة؛ إذ غالباً ما تتسم السلوكيات البشرية بالتجميع (Clustering) والعدوى السلوكية، حيث يؤدي وقوع الحدث النفسي لمرة واحدة إلى زيادة احتمالية وقوعه مجدداً في المستقبل (مثل الإدمان أو نوبات الغضب)، مما يؤدي إلى حدوث “تشتت زائد” كبير يجعل نموذج بواسون القياسي غير كافٍ ومضللاً إذا لم يُصحح برمجياً.
يتمثل الانتقاد الثاني في صعوبة تفسير المعاملات الإحصائية مقارنة بالانحدار الخطي البسيط؛ إذ يتطلب فهم النتائج تحويلها إلى مقاييس لوغاريتمية ونسب معدلات حدوث، وهو ما يواجه مقاومة من بعض الممارسين الإكلينيكيين غير المتمرسين في الإحصاء المتقدم والذين يفضلون التفسيرات الخطية المباشرة للتغير في الدرجات الخام.
تتعلق القيود أيضاً بظاهرة “الارتباط الذاتي” في الدراسات الطولية المتكررة؛ حيث يفترض نموذج بواسون الكلاسيكي استقلالية المشاهدات الفردية تماماً. وعندما تُقاس تكرارات السلوك لنفس الأشخاص عبر نقاط زمنية متعاقبة، ينتهك هذا التصميم شرط الاستقلالية، مما يستلزم اللجوء إلى نماذج أكثر تعقيداً مثل نماذج بواسون ذات التأثيرات المختلطة (Poisson Mixed Models) أو معادلات التقدير المعممة (GEE).
14. المفاهيم ذات الصلة وأوجه التمايز
تتقاطع عدة أساليب إحصائية مع انحدار بواسون، مما يتطلب إيضاح الفروق الجوهرية بينها لحسن اختيار النموذج الأنسب:
- الانحدار الخطي العادي (Ordinary Least Squares – OLS): يتعامل مع متغيرات تابعة متصلة تفترض خطأ التوزيع الطبيعي وتماثل التباين، بينما يختص انحدار بواسون بالمتغيرات المنفصلة المعدودة غير السالبة ذات التوزيعات الملتوية.
- الانحدار اللوجستي (Logistic Regression): يقتصر على التنبؤ بحدوث الشيء من عدمه (متغير ثنائي 0 أو 1)، في حين يتنبأ انحدار بواسون بعدد مرات تكرار حدوث الشيء متجاوزاً القيود الثنائية.
- انحدار الحدين السالب (Negative Binomial Regression): يعد الامتداد المباشر لبواسون لعلاج مشكلة التشتت الزائد؛ إذ يضيف معلماً إحصائياً عشوائياً للنموذج يتيح للتباين أن يفوق المتوسط بشكل غير مقيد، مما يجعله أكثر متانة عند وجود تباين سلوكي واسع.
- نماذج العوائق (Hurdle Models): تفترض أن جميع الأصفار ناتجة عن عملية قرارية واحدة تجب “إزالتها أو تخطي عائقها” أولاً (انحدار لوجستي)، وفي حال تخطي الصفر يتم تقدير تكرار السلوك عبر نموذج بواسون مقيد، بخلاف نموذج ZIP الذي يدمج الأصفار عبر عمليتين متوازيتين.
15. الخلاصة وأبرز النتائج
يمثل انحدار بواسون أداة قياسية وسلوكية لا غنى عنها في البحث النفسي المعاصر، حيث يردم الفجوة بين الطبيعة المنفصلة للسلوك الإنساني والصرامة الرياضية للتحليل التنبؤي المتعدد. يوفر النموذج إطاراً موثوقاً لنمذجة تكرارات الأحداث الإكلينيكية والسلوكية مع الحفاظ على المنطق الإحصائي للأعداد الصحيحة غير السالبة، متغلباً على التشويهات الشائعة للتحليلات الخطية التقليدية.
تتوقف كفاءة هذا النموذج في التطبيقات النفسية على الفحص الدقيق لشروطه التوزيعية، ولا سيما فحص التشتت الزائد وفائض الأصفار، واختيار الامتداد الرياضي الأنسب (مثل شبه بواسون، أو الحدين السالب، أو ZIP) لضمان الوصول إلى استنتاجات سيكومترية وإكلينيكية تتمتع بأعلى مستويات الصدق والموثوقية.
يؤكد التطور المستمر لهذا النموذج وأدواته البرمجية ضرورة إلمام الباحثين والأخصائيين النفسيين بأسسه ومخرجاته، لتحويل سلاسل بيانات العد السلوكي المعقدة إلى مؤشرات إحصائية دقيقة ترشد التدخلات النفسية وتدعم الممارسات المبنية على الأدلة.
المراجع
Agresti, A. (2015). Foundations of linear and generalized linear models. John Wiley & Sons.
Atkins, D. C., & Gallop, R. J. (2007). Rethinking how we analyze count data in psychiatry: A tutorial on count regression and zero-inflated models. Archives of General Psychiatry, 64(6), 721-729. https://doi.org/10.1001/archpsyc.64.6.721
Coxe, S., West, S. G., & Aiken, L. S. (2009). The analysis of count data: A gentle introduction to Poisson regression and its alternatives. Journal of Personality Assessment, 91(2), 121-136. https://doi.org/10.1080/00223890802634175
King, G. (1988). Statistical models for political science: Event counts: Analyzing the count of events. American Journal of Political Science, 32(3), 838-863. https://doi.org/10.2307/2111248
Nelder, J. A., & Wedderburn, R. W. (1972). Generalized linear models. Journal of the Royal Statistical Society: Series A (General), 135(3), 370-384. https://doi.org/10.2307/2344614