كيفية حساب مسافة ماهالانوبيس في R

تُعد مسألة قياس المسافات بين نقاط البيانات في الفضاءات الإحصائية متعددة الأبعاد إحدى الركائز الجوهرية التي تقوم عليها النمذجة الرياضية والتحليل الإحصائي الحديث. في سياق تحليل البيانات الكمية المعقدة، يفقد القياس الإقليدي التقليدي فاعليته الرياضية نظراً لعجزه البنيوي عن مراعاة التباينات الفردية للمتغيرات ودرجات الارتباط المشترك الكامنة بينها. من هذا المنطلق الإحصائي الدقيق، تبرز مسافة ماهالانوبيس (Mahalanobis Distance) كأداة متعددة المتغيرات فائقة الدقة، تتيح للباحثين والمحللين تقييم مدى ابتعاد مشاهدة معينة عن مركز التوزيع الاحتمالي مع الأخذ بعين الاعتبار البنية التغايرية الكاملة للمتغيرات الخاضعة للدراسة.

تكتسب هذه المسافة وزناً محورياً في حقول القياس النفسي، والعلوم السلوكية، وتحليل البيانات البيولوجية، والاقتصاد القياسي، بالإضافة إلى تطبيقات تعلم الآلة واكتشاف الشذوذ الإحصائي. تتجلى القوة المنهجية لمسافة ماهالانوبيس في قدرتها على التمييز الحصيف بين القيم الشاذة الحقيقية التي تنحرف عن النمط التوزيعي التعددي، وتلك القيم التي تبدو ظاهرياً شاذة عند دراستها أحادياً، لكنها تقع ضمن المسار التبايني الطبيعي عند فحصها ضمن منظومة الأبعاد المجتمعة. يُشكل استيعاب الأسس النظرية والتطبيقية لهذا المقياس متطلباً حتمياً لأي باحث يسعى إلى بناء نماذج إحصائية رصينة تتمتع بصدق بنيوي واستقرار بارامتري عالٍ.

يهدف هذا الدليل المرجعي الشامل إلى استعراض كيفية حساب وفهم وتطبيق مسافة ماهالانوبيس في بيئة البرمجة الإحصائية R. سنتناول في الأقسام التالية التفاصيل الرياضية الدقيقة للمعادلة الحاكمة، والشروط المنهجية الحاكمة لتطبيقها، مع تقديم خطوات برمجية تطبيقية تفصيلية، بدءاً من استخراج مصفوفات التغاير وتنفيذ الدوال المتخصصة، مروراً باختبارات الدلالة الإحصائية عبر توزيع كاي-تربيع، ووصولاً إلى المعالجات المتقدمة للمشكلات الإحصائية المعقدة كالبيانات المفقودة، والتعددية الخطية، والبدائل الحصينة المقاومة للتلوث الشاذ.

1. مقدمة إلى مسافة ماهالانوبيس وأهميتها الإحصائية

1.1 المفهوم الرياضي والتعريف النظري لمسافة ماهالانوبيس

تُمثل مسافة ماهالانوبيس مقياساً إحصائياً متقدماً يقيس البعد النسبي بين نقطة اختبار معينة ومركز توزيع احتمالي متعدد الأبعاد، أو المسافة الفاصلة بين توزيعين احتماليين مختلفين. تعود الجذور التاريخية لهذا المفهوم إلى عام 1936 عندما قام العالم الإحصائي الهندي البارز براسانتا شاندرا ماهالانوبيس (Prasanta Chandra Mahalanobis) بصياغة هذه المسافة أثناء تحليله للقياسات الأنثروبومترية لمجموعات سكانية مختلفة، حيث برزت الحاجة الماسة لمقياس لا يتأثر بالارتباطات الفسيولوجية القائمة بين المقاييس المقاسة.

في الفضاء متعدد المتغيرات، لا يمكن التعامل مع الأبعاد الإحصائية ككيانات مستقلة هندسياً ورياضياً؛ إذ إن كل متغير يمتلك تبايناً خاصاً به، فضلاً عن وجود ارتباطات مشتركة (Covariances) تربطه بباقي المتغيرات. تتفوق مسافة ماهالانوبيس على المقاييس أحادية البعد بقدرتها على التكيف الذاتي مع التشتت الإحصائي في كل اتجاه داخل الفضاء الإحصائي، مما يجعلها مقياساً عديم الأبعاد (Dimensionless) وغير متأثر باختلاف مقاييس الرسم (Scale-invariant). هذا يعني أن تغيير وحدة قياس أحد المتغيرات، كتحويل الوزن من الكيلوغرام إلى الغرام، أو الطول من السنتيمتر إلى المتر، لن يؤدي إطلاقاً إلى تغير قيمة مسافة ماهالانوبيس، نظراً لأن مصفوفة التغاير تمتص هذه التحويلات الخطية بدقة متناهية.

1.2 الفارق الجوهري بين المسافة الإقليدية ومسافة ماهالانوبيس

يكمن القصور الجوهري في المسافة الإقليدية (Euclidean Distance) التقليدية في افتراضها الضمني أن الفضاء الإحصائي يتميز بمتغيرات كروية متجانسة التباين (Homoscedastic) وغير مترابطة نهائياً (Orthogonal). في الواقع العملي للبيانات التجريبية، تندر استيفاء هذه الافتراضات الصارمة؛ حيث ترتبط المتغيرات النفسية والسلوكية والاقتصادية ببعضها البعض بدرجات متفاوتة، مما يجعل المسافة الإقليدية تعطي وزناً مضاعفاً للمعلومات المتكررة أو المترابطة.

تتجاوز مسافة ماهالانوبيس هذه المعضلة من خلال دمج مصفوفة التباين والتباين المشترك (Variance-Covariance Matrix) في صلب المعادلة الحسابية. هندسياً، تقوم المسافة الإقليدية برسم خطوط محيطية دائرية (أو كروية في الأبعاد الثلاثية) تمثل النقاط المتساوية في البعد عن المركز. في المقابل، تقوم مسافة ماهالانوبيس بتوليد قطوع ناقصة إحصائية (Ellipsoids) تتطابق محاورها الرئيسية مع اتجاهات التغاير الأعظم في البيانات. على سبيل المثال، إذا كان هناك ارتباط طردي وثيق بين ساعات الدراسة والتحصيل الأكاديمي، فإن طالباً يسجل ساعات دراسة مرتفعة وتحصيلاً منخفضاً سيحصل على مسافة ماهالانوبيس شاسعة تكشف تطرفه التركيبي، بينما قد تظهره المسافة الإقليدية ضمن النطاق المعتاد بسبب تجاهلها للارتباط السالب غير المتوقع لسلوكه مقارنة ببقية العينة.

1.3 أهمية مسافة ماهالانوبيس في القياس النفسي وتحليل البيانات السلوكية

تُعد مسافة ماهالانوبيس من الأدوات المنهجية التي لا غنى عنها في ميدان القياس النفسي والتحليل السلوكي، حيث يعتمد الباحثون عليها لاكتشاف وتطهير البيانات من أنماط الاستجابة غير المنطقية أو الاستجابات المزيفة (Careless or Inattentive Responding). في الاستبيانات متعددة المقاييس، قد يعمد بعض المفحوصين إلى اختيار إجابات عشوائية أو نمطية متناقضة عبر أبعاد متصلة نظرياً، مما يُحدث خللاً بنيوياً في البيانات يصعب رصده بالاختبارات الأحادية المتغير.

علاوة على ذلك، تلعب هذه المسافة دوراً محورياً في فحص الفروق الجماعية المركبة في التقييمات السلوكية والنفسية، حيث تُستخدم كأساس رياضي لحساب حجم التأثير التعددي ولتقييم التباعد المنهجي بين المجموعات التجريبية والضابطة. يمتد دورها الأساسي أيضاً إلى فحص متطلبات وافتراضات النمذجة الإحصائية المتقدمة، مثل التوزيع الطبيعي متعدد المتغيرات (Multivariate Normality)، والذي يشكل شرطاً لازماً لتطبيق نماذج المعادلات الهيكلية (SEM)، وتحليل التباين متعدد المتغيرات (MANOVA)، والتحليل العاملي التوكيدي (CFA).

2. الأسس الرياضية لحساب مسافة ماهالانوبيس

2.1 المعادلة الرياضية ومكوناتها الأساسية

تُعرف الصيغة الرياضية لمربع مسافة ماهالانوبيس ($D^2$) بين متجه مشاهدة مفردة $x$ ومتجه المتوسطات الحسابية للتوزيع $\mu$ وفق التركيب الجبري الخطي التالي:

$$D^2 = (x – \mu)^T \Sigma^{-1} (x – \mu)$$

حيث تُمثل الرموز العناصر الرياضية التالية بدقة:

• $x$: متجه عمودي بحجم $(p \times 1)$ يحتوي على قيم المتغيرات للمشاهدة الفردية المراد قياس بعدها، حيث يمثل $p$ عدد المتغيرات المشمولة في التحليل الإحصائي.
• $\mu$: متجه عمودي بحجم $(p \times 1)$ يمثل مركز الثقل الإحصائي (Centroid) للتوزيع، ويضم المتوسطات الحسابية لكافة المتغيرات $p$.
• $(x – \mu)^T$: المتجه المنقول (Transpose) لمتجه الفروق، وهو متجه صفي بحجم $(1 \times p)$ يقيس انحرافات المشاهدة عن المتوسطات المركزية.
• $\Sigma^{-1}$: معكوس مصفوفة التباين والتباين المشترك (Inverse Covariance Matrix)، والتي يبلغ حجمها $(p \times p)$ وتعمل كمعامل ترجيحي للأبعاد وتصحيحي للارتباطات المتبادلة.

يقوم المعكوس المصفوفي $\Sigma^{-1}$ بدور محوري في هذه المعادلة؛ فهو يعادل قسمة الفروق على التباين في الحالة الأحادية، لكنه في الفضاء المتعدد يقوم بإجراء تحويل خطي متعامد يلغي الارتباطات بين المتغيرات ويوحد تبايناتها، مما يسمح بحساب مسافة هندسية نقية داخل الفضاء المعياري الجديد.

2.2 دور متجه المتوسطات ومصفوفة التغاير في الفضاء متعدد الأبعاد

يُشكل متجه المركز (Centroid) نقطة الارتكاز الهندسية التي تُقاس بالنسبة إليها كافة المسافات، ويمثل الموقع المتوسط للمجتمع أو العينة في الفضاء ذي الأبعاد $p$. في المقابل، تُمثل مصفوفة التباين والتباين المشترك $\Sigma$ البنية الهيكلية لانتشار البيانات؛ حيث تحتوي عناصر القطر الرئيسي على التباينات الفردية لكل متغير ($\sigma_i^2$)، بينما تحتوي العناصر غير القطرية على التباينات المشتركة بين أزواج المتغيرات ($\sigma_{ij}$).

يرتبط تقدير هذه المصفوفة ارتباطاً وثيقاً بحجم العينة المتاحة ($n$). إذا كان حجم العينة صغيراً مقارنة بعدد المتغيرات ($p$)، فإن تقديرات عناصر التباين المشترك تعاني من خطأ معياري مرتفع، مما ينعكس سلباً على استقرار المعكوس المصفوفي $\Sigma^{-1}$. يؤدي التقدير غير الدقيق لمصفوفة التغاير إلى تشويه المسافات المحسوبة، حيث قد تظهر بعض النقاط كقيم متطرفة وهي ليست كذلك، أو العكس، مما يبرز أهمية امتلاك حجم عينة ملائم يفي بالمتطلبات الإحصائية المتعددة.

2.3 شروط وافتراضات القياس الرياضي

يتطلب الحساب السليم والموثوق لمسافة ماهالانوبيس الكلاسيكية استيفاء مجموعة من الافتراضات الرياضية والإحصائية الصارمة، والتي تشمل ما يلي:

• التوزيع الطبيعي متعدد المتغيرات: يُفترض أن تتبع المتغيرات المشتركة توزيعاً غاوسياً متعدد الأبعاد، وهو الافتراض الذي يضمن رياضياً أن تتبع مربعات المسافات ($D^2$) توزيع كاي-تربيع الإحصائي.
• مصفوفة تغاير موجبة ومحددة وغير مفردة (Positive-Definite and Non-singular): يجب أن تمتلك المصفوفة $\Sigma$ محدداً رياضياً (Determinant) يختلف تماماً عن الصفر ($|Sigma| \neq 0$)؛ لكي يتسنى حساب معكوسها الرياضي $\Sigma^{-1}$ بصورة فريدة ومستقرة عددياً.
• الاستقلالية الإحصائية للمشاهدات: يجب أن تكون الملاحظات المسجلة مستقلة تماماً عن بعضها البعض، دون وجود ارتباطات متسلسلة أو تجمعات هرمية غير مضبوطة.
• الحساسية للقيم المتطرفة الأولية: نظراً لأن كلاً من $\mu$ و $\Sigma$ يعتمدان على العزوم الكلاسيكية (المتوسطات والتباينات الحسابية)، فإن وجود قيم شاذة حادة داخل البيانات يؤدي إلى “تلويث” المصفوفة والمتجه، مما يسفر عن ظاهرتي الإخفاء (Masking) والإغراق (Swamping).

3. إعداد بيئة العمل وهيكلة البيانات في لغة R

3.1 تجهيز بيئة R والحزم الإحصائية المساعدة

توفر بيئة الحوسبة الإحصائية R بنية تحتية برمجية متطورة لتنفيذ التحليلات متعددة المتغيرات. بالرغم من أن الدالة الأساسية لحساب المسافة تأتي مدمجة تلقائياً ضمن حزمة stats التابعة للنواة البرمجية (Base R)، إلا أن استدعاء منظومة حزم إضافية يسهم بشكل كبير في تسهيل معالجة البيانات، وإجراء العمليات التشخيصية، وتمثيل النتائج بصرياً بكفاءة منهجية متقدمة.

يوصى بتثبيت واستدعاء الحزم التحليلية الرئيسية، ومن أبرزها حزمة tidyverse لمعالجة وجدولة البيانات وتوليد الرسوم البيانية المتقدمة، وحزمة psych المتخصصة في القياس النفسي والتحليل المتعدد، بالإضافة إلى حزمة robustbase لحساب المقاييس الحصينة. يمكن ضبط خيارات الجلسة البرمجية في R لمنع العرض العلمي للأرقام المفرطة في الصغر، وتحديد دقة المنازل العشرية، مما يُيسر القراءة المباشرة لمصفوفات التغاير ومخرجات المسافات الإحصائية المحسوبة.

3.2 إنشاء إطار البيانات (Data Frame) التجريبي

لبناء تطبيق عملي واقعي، نقوم بهيكلة إطار بيانات يحاكي دراسة في علم النفس التربوي، تقيس العلاقة بين متغيرات متعددة مثل: درجات الاختبار النهائي (Exam_Score)، ساعات المذاكرة الأسبوعية (Study_Hours)، درجات الاختبارات التجريبية (Mock_Exam)، والمعدل التراكمي السابق (Prior_GPA). يتم تخزين هذه المتغيرات في صورة أعمدة عددية مستمرة متجانسة البنية البرمجية.

عقب بناء إطار البيانات، يتعين على الباحث التحقق من الهيكلية الهندسية للبيانات من خلال الدوال الاستكشافية المرجعية. تُستخدم الدالة str() لفحص نوع البيانات والتأكد من أنها مُعرفة كمتغيرات رقمية عددية (Numeric/Double) وليست سلاسل نصية أو عوامل فئوية، بينما تتيح الدالة summary() استعراض مقاييس النزعة المركزية والتشتت والمدى لكل متغير، والتأكد من عدم وجود قيم مدخلة خارج النطاق المنطقي للقياس، مثل معدلات تراكمية سالبة أو درجات تتجاوز الحدود القصوى المقررة للاختبارات.

3.3 التحقق من نظافة البيانات واستيفاء المتطلبات الأولية

تتطلب خوارزمية حساب مسافة ماهالانوبيس في R بيانات مكتملة وخالية تماماً من القيم المفقودة (Missing Values – NA)؛ إذ إن وجود قيمة مفقودة واحدة في سطر ما يؤدي تلقائياً إلى فشل حساب المسافة لتلك المشاهدة، وتوليد قيمة مفقودة للمسافة بأكملها ما لم تتم معالجة المعضلة مسبقاً. يمكن استكشاف مواضع الفقد باستخدام الدالة is.na() مدمجة مع colSums() لحساب عدد القيم المفقودة في كل متغير فرعي.

علاوة على ذلك، ينبغي إجراء فحص أولي للارتباطات الخطية المتبادلة بين المتغيرات باستخدام الدالة cor(). يساعد هذا الفحص في التحقق من وجود ارتباطات إحصائية ذات مغزى تبرر استخدام مسافة ماهالانوبيس بدلاً من المسافة الإقليدية، مع التيقن في الوقت ذاته من عدم وجود ارتباطات خطية تامة (حيث يقترب معامل الارتباط من 1.0 أو -1.0)، وهو الأمر الذي يتسبب في انهيار مصفوفة التغاير ووقوع مشكلة التعدد الخطي التام التي تجعل حساب المعكوس المصفوفي أمراً مستحيلاً رياضياً.

4. خطوات حساب مسافة ماهالانوبيس باستخدام الدالة mahalanobis() في R

4.1 حساب متجه المتوسطات ومصفوفة التغاير برمجياً

تعتمد الدالة المعيارية في R لحساب المسافة على مدخلات بارامترية محددة تشمل مصفوفة البيانات، ومتجه المركز، ومصفوفة التغاير. يتم أولاً حساب متجه المتوسطات الحسابية لجميع المتغيرات الكمية باستخدام الدالة colMeans()، والتي تقوم بتوليد متجه عددي يضم المتوسط الخاص بكل عمود في إطار البيانات الخاضع للتحليل.

تتمثل الخطوة التالية في توليد مصفوفة التباين والتباين المشترك عبر استدعاء الدالة cov() وتمرير مصفوفة البيانات إليها. تتيح معاينة هذه المصفوفة التأكد من التوزيع التبايني؛ حيث تعكس قيم القطر الرئيسي مدى تشتت كل متغير حول وسطه، بينما توضح القيم غير القطرية طبيعة واتجاه العلاقات التشاركية بين المتغيرات. من الأهمية المنهجية بمكان فحص محدد المصفوفة باستخدام دالة det() للتأكد القاطع من أن المحدد موجب وأكبر من الصفر، مما يؤكد قابلية المصفوفة للعكس الجبري دون مواجهة مشكلات عدم الاستقرار الحسابي.

4.2 تنفيذ دالة mahalanobis() وتمرير المعلمات الأساسية

تُعد الدالة mahalanobis() هي الأداة الرياضية المباشرة المدمجة في بيئة R لإجراء هذه العملية. تأخذ الدالة ثلاثة وسائط رئيسية إلزامية لضمان التنفيذ الحسابي السليم:

• x: مصفوفة البيانات أو إطار البيانات المحتوي حصرياً على المتغيرات الكمية المستمرة قيد التحليل.
• center: متجه المتوسطات الحسابية المستخرج عبر دالة colMeans() أو نقطة المركز المستهدفة.
• cov: مصفوفة التباين والتباين المشترك المحسوبة عبر دالة cov() أو أي مصفوفة تغاير حصينة بديلة.

عند تنفيذ هذه الدالة، تقوم بيئة R بتطبيق العملية الجبرية $D^2 = (x – \mu)^T \Sigma^{-1} (x – \mu)$ بصورة متزامنة وسريعة على كافة أسطر مصفوفة البيانات دفعة واحدة، بالاعتماد على خوارزميات الجبر الخطي منخفضة المستوى المكتوبة بلغة C و Fortran. يتم تخزين المخرجات في صورة متجه عددي، يُفضل دمجه مباشرة كعمود جديد داخل إطار البيانات الأصلي تحت مسمى واضح مثل mahal_dist أو mahal_sq لتسهيل العمليات التشخيصية والفرز اللاحق.

4.3 قراءة المخرجات وتفسير قيم المسافة المحسوبة

من الضروري إدراك أن الدالة mahalanobis() في R تُرجع كناتج افتراضي مربع مسافة ماهالانوبيس ($D^2$) وليس الجذر التربيعي للمسافة ($D$). يُعد هذا السلوك البرمجي مقصوداً وذا فائدة إحصائية كبرى؛ لأن مربع المسافة هو الذي يتقارب نظرياً مع التوزيع الاحتمالي لكاي-تربيع ($\chi^2$)، مما يتيح استخدامه المباشر في اختبارات الفرضيات وتحديد القيم الحرجة دون الحاجة إلى إجراء تحويلات جبرية إضافية.

عند تفسير القيم الناتجة، تعكس القيمة الصفرية أو القريبة من الصفر تطابق المشاهدة التام مع مركز التوزيع متعدد الأبعاد، في حين تشير القيم المتزايدة إلى ابتعاد الملاحظة تدريجياً عن النمط التبايني العام للمجموعة. تُعد الملاحظات التي تسجل قيماً مرتفعة للغاية مقارنة بمتوسط المسافات مرشحات أولية للشذوذ متعدد المتغيرات (Multivariate Outliers). ومع ذلك، لا يمكن الحكم القاطع على تطرف المشاهدة بمجرد الفحص الظاهري للمسافة المطلقة، بل يتطلب ذلك إخضاعها للمعيار الاحتمالي المقابل بالاعتماد على درجات الحرية ومستويات الدلالة الإحصائية المقررة.

5. تحديد القيم الشاذة والمتطرفة باستخدام توزيع كاي-تربيع

5.1 الارتباط النظري بين مسافة ماهالانوبيس وتوزيع كاي-تربيع

يرتكز الاستدلال الإحصائي الخاص بمسافة ماهالانوبيس على مبرهنة رياضية تنص على أنه إذا كانت المتغيرات $p$ تتبع توزيعاً طبيعياً متعدد المتغيرات $\mathcal{N}_p(\mu, \Sigma)$، فإن مربع مسافة ماهالانوبيس ($D^2$) لمشاهدة مسحوبة عشوائياً من هذا المجتمع يتبع توزيع كاي-تربيع بدرجات حرية مساوية لعدد المتغيرات المشمولة في النموذج ($df = p$):

$$D^2 \sim \chi^2(df = p)$$

يوفر هذا الارتباط النظري الوثيق الأساس الرياضي لاختبار فرضية العدم القائلة بأن “المشاهدة المفحوصة تتبع نفس التوزيع الطبيعي متعدد الأبعاد للمجموعة الأصلية”. يتيح استخدام توزيع كاي-تربيع الانتقال من التقدير الوصفي النسبي للمسافة إلى التحديد الاحتمالي الصارم الذي يحدد بدقة احتمالية حدوث مثل هذا التباعد بالصدفة البحتة، مما يجعله معياراً حاسماً لتحديد العتبات الفاصلة بين التباين الطبيعي والتطرف الإحصائي الشاذ.

5.2 حساب القيمة الحرجة (Critical Value) في R

لتحديد ما إذا كانت قيمة مسافة ماهالانوبيس لمشاهدة ما مرتفعة بما يكفي لاعتبارها قيمة شاذة، يتم استخراج القيمة الحرجة من توزيع كاي-تربيع المقابل عبر دالة النسبة المئوية qchisq() المتوفرة في R. تأخذ الدالة المعلمات التالية: مستوى الثقة الاحتمالي المطلوب ($1 – \alpha$) ودرجات الحرية ($df$).

في الممارسات الإحصائية القياسية لعزل القيم المتطرفة متعددة المتغيرات، يوصى باستخدام مستويات دلالة محافظة وصارمة للغاية مثل $\alpha = 0.001$، بدلاً من المستوى المعتاد $\alpha = 0.05$؛ وذلك لتفادي تصنيف المشاهدات الطبيعية خطأً كقيم متطرفة بسبب التراكم الاحتمالي في الفضاءات المتعددة. تتم صياغة الكود البرمجي بربط درجات الحرية ديناميكياً بعدد أعمدة البيانات باستخدام ncol(df)، مما يضمن تحديث القيمة الحرجة تلقائياً إذا تم تعديل عدد المتغيرات المشمولة في التحليل، وتتم مقارنة كل مسافة محسوبة بهذه العتبة الرقمية المستخرجة.

5.3 عزل وتصنيف الحالات الشاذة برمجياً

بمجرد تحديد القيمة الحرجة، يمكن بناء متغير منطقي (Logical Variable) داخل إطار البيانات باستخدام لغة R، يعطي القيمة TRUE إذا تجاوزت قيمة مسافة ماهالانوبيس ($D^2$) القيمة الحرجة المحسوبة، والقيمة FALSE في حال كانت المسافة تقع ضمن النطاق المقبول إحصائياً. يمكن تنفيذ ذلك بسلاسة عبر دوال البيئة الأساسية أو عبر دالة mutate() في حزمة dplyr.

يسمح هذا التمييز البرمجي بتصفية وفرز الحالات المتطرفة المعزولة باستخدام دالة filter()، لفحص قيمها الأصلية في كافة المتغيرات ودراسة السلوك الإحصائي المركب الذي أدى إلى تصنيفها كحالات شاذة. كما يتم تقييم نسبة الحالات الشاذة المكتشفة قياساً بالحجم الكلي للعينة ($n$)؛ فإذا تجاوزت نسبة الحالات الشاذة 1% إلى 2% عند مستوى دلالة $\alpha = 0.001$، فإن ذلك يشير في الغالب إلى انتهاك جوهري لافتراض التوزيع الطبيعي المتعدد أو وجود تلوث منهجي في جمع البيانات يتطلب مراجعة شاملة لإجراءات القياس.

6. حساب القيمة الاحتمالية (p-values) وتفسير النتائج بدقة

6.1 توليد القيم الاحتمالية باستخدام الدالة pchisq()

بالإضافة إلى مقارنة المسافات بالقيمة الحرجة الثابتة، يُفضل في التحليلات الإحصائية المتقدمة حساب القيمة الاحتمالية الدقيقة (P-value) المرتبطة بكل مربع مسافة ماهالانوبيس محسوب. يُظهر هذا الإجراء الاحتمال التراكمي للحصول على مسافة مساوية للمسافة المرصودة أو أكبر منها تحت فرضية العدم التوزيعية.

تُستخدم الدالة pchisq() في R لتوليد هذه القيم الاحتمالية. يتم تمرير عمود مربعات المسافات كمعلمة أولى، ودرجات الحرية (عدد المتغيرات) كمعلمة ثانية، مع التأكيد الصارم على ضبط المعلمة lower.tail = FALSE. يضمن هذا الضبط قيام الدالة بحساب الاحتمال في الذيل العلوي الأيمن للتوزيع، وهو الذيل الممثل للقيم المتطرفة. تُدمج هذه القيم الاحتمالية كعمود إضافي داخل إطار البيانات، مع ضبط تنسيق العرض الرقمي لمنع التدوير التلقائي الذي قد يخفي مستويات الدلالة الدقيقة للمشاهدات المفرطة في التطرف.

6.2 تفسير المعنوية الإحصائية لتشخيص الشذوذ متعدد المتغيرات

يُمثل التفسير المنهجي للقيمة الاحتمالية ركيزة التشخيص الإحصائي الرصين. إذا كانت القيمة الاحتمالية $p < 0.001$، يُرفض فرض العدم الإحصائي وتُصنف المشاهدة رسمياً كقيمة شاذة متعددة المتغيرات. تتجلى القيمة المضافة لمسافة ماهالانوبيس في الحالات التي لا تظهر فيها المشاهدة أي انحراف شاذ عند فحصها عبر الدرجات المعيارية ($Z$-scores) للمتغيرات المنفردة، ولكنها تحقق معنوية إحصائية فائقة ($p < 0.0001$) عند فحصها ضمن التركيب المتعدد.

يحدث هذا التطرف التركيبي عندما تتبنى المشاهدة توليفة غير مألوفة إحصائياً من القيم؛ كأن يسجل مفحوص درجات مرتفعة جداً في مقياس مهارات القراءة وفي الوقت عينه درجات منخفضة جداً في مقياس المفردات، في حين أن الارتباط بين هذين المقياسين في مجتمع الدراسة يتجاوز $r = 0.85$. إن التحليل الدقيق لمساهمة كل متغير فردي في تركيبة المسافة يتيح للباحث فهم الآلية البنيوية الكامنة وراء هذا الشذوذ المكتشف.

6.3 فرز وترتيب الملاحظات حسب مستوى المعنوية

لإتمام عملية التشخيص المنهجي للبيانات، يتم فرز إطار البيانات ترتيباً تصاعدياً بناءً على عمود القيم الاحتمالية (أو تنازلياً وفق مربعات مسافات ماهالانوبيس) باستخدام دالة arrange() التابعة لحزمة dplyr. يضع هذا الإجراء الملاحظات الأكثر شذوذاً وتطرفاً في صدارة مصفوفة البيانات المعروضة، مما يُمكن الباحث من فحصها بسهولة وبدقة تفصيلية.

يساعد فحص المشاهدات الأكثر تطرفاً على رصد أي خصائص أو أنماط نوعية مشتركة بينها، مثل انتمائها إلى فئة عمرية محددة، أو جمعها في مركز اختباري معين، أو استغراقها زمناً قياسياً مفرطاً في القصر أثناء تعبئة أدوات القياس. يتم توثيق معرفات هذه الحالات وأرقام أسطرها في سجل تدقيق تحليلي (Audit Log)؛ ليكون ذلك بمثابة مرجع منهجي عند اتخاذ القرارات التحليلية اللاحقة بشأن استبعاد هذه الحالات أو معالجتها بالطرائق الإحصائية الحصينة.

7. التمثيل البصري والرسومي لمسافات ماهالانوبيس في R

7.1 إنشاء مخططات كاي-تربيع الربيعية (Chi-Square Q-Q Plot)

يُعد مخطط التطابق الربيعي لتوزيع كاي-تربيع (Chi-Square Quantile-Quantile Plot) الأداة البصرية المثلى للتحقق من افتراض التوزيع الطبيعي متعدد المتغيرات وفحص مدى انتشار القيم الشاذة داخل العينة ككل. يقوم المخطط بمطابقة الربيعيات التجريبية المرصودة والمشتقة من مسافات ماهالانوبيس المرتبة، مع الربيعيات النظرية المتوقعة لتوزيع كاي-تربيع المقابل بنفس درجات الحرية.

يتم بناء هذا الرسم في بيئة R عبر فرز مربعات مسافات ماهالانوبيس تصاعدياً، وتوليد الاحتمالات التراكمية المناظرة باستخدام صيغة موضع الرسم المعيارية مثل $(i – 0.5) / n$، ثم استخراج الربيعيات النظرية عبر دالة qchisq(). تُرسم النقاط ويُضاف إليها خط التطابق المرجعي بزاوية 45 درجة أو الخط الواصل بين الربيعين الأول والثالث. إذا كانت البيانات مستوفية للافتراض المتعدد، ستصطف النقاط بدقة على طول الخط المرجعي المستقيم، بينما يشير انحراف النقاط في الطرف العلوي الأيمن وارتفاعها الحاد عن الخط إلى وجود قيم متطرفة متعددة المتغيرات تنتهك التوزيع الطبيعي المشترك.

7.2 رسم بيضويات الثقة (Confidence Ellipses) باستخدام ggplot2

عند دراسة العلاقات الثنائية أو التحليلات التي تركز على بعدين رئيسيين، يُعد رسم بيضويات الثقة الإحصائية (Confidence Ellipses) باستخدام حزمة ggplot2 أسلوباً بيانياً متميزاً لتمثيل مسافات ماهالانوبيس. تعكس هذه البيضويات الهندسية الشكل الفعلي لمصفوفة التغاير، وتوضح كيف يتمدد التوزيع وينحني بناءً على قوة واتجاه الارتباط بين المتغيرين.

تتيح الدالة stat_ellipse() داخل ggplot2 رسم المحيط الإحصائي للمستوى الاحتمالي المحدد (مثل مستوى ثقة 95% أو 99%)، مع تحديد النوع بتوزيع $t$ أو التوزيع الطبيعي. يمكن ضبط كود الرسم بحيث يتم تلوين النقاط بشكل ثنائي مشروط بحالة الشذوذ المحسوبة عبر مسافة ماهالانوبيس؛ حيث تظهر النقاط الطبيعية بلون محايد تقع جميعها داخل نطاق البيضوي، بينما تبرز النقاط الشاذة بلون مغاير وواضح خارج حدود البيضوي، مما يمنح القارئ إدراكاً بصرياً فورياً لكيفية عزل هذه النقاط جراء خروجها عن المسار التغايري العام للعينة.

7.3 تمثيل المسافات عبر المخططات الصندوقية والتشتتية

تكتمل المنظومة الرسومية التوضيحية باستخدام المدرجات التكرارية (Histograms) والمخططات الصندوقية (Boxplots) المخصصة لعرض التوزيع التراكمي لمسافات ماهالانوبيس ذاتها. يمكن بناء مدرج تكراري دقيق يوضح الكثافة الاحتمالية للمسافات مع رسم خط عمودي متقطع وبارز يمثل القيمة الحرجة المستخرجة لتوزيع كاي-تربيع، مما يوضح حجم وتكرار الحالات التي تجاوزت هذه العتبة الفاصلة.

كما يمكن توظيف المخطط الصندوقي المدمج مع مخطط التشتت النقطي (Jittered Scatter Plot) لعرض مسافات المشاهدات مع تمييز الحالات الأكثر تطرفاً ببطاقات نصية تحمل أرقام الملاحظات (ID Labels) باستخدام حزمة ggrepel. يُسهم هذا الإخراج البياني عالي الدقة في تعزيز وضوح التقارير المنهجية وتسهيل عملية مراجعة النظراء في الأبحاث العلمية الرصينة، من خلال تقديم أدلة بصرية متسقة تتكامل مع الجداول العددية للنتائج الإحصائية.

8. التطبيق العملي في القياس النفسي والعلوم السلوكية

8.1 الكشف عن أنماط الاستجابة غير المبالية (Careless Responding)

يواجه الباحثون في العلوم السلوكية والنفسية تحدياً متنامياً يتمثل في ظاهرة الاستجابة غير المبالية أو العشوائية من قِبل بعض المشاركين في الاستبيانات الذاتية والمقاييس النفسية الرقمية. تتسبب هذه الاستجابات غير الجادة في إدخال تباينات خاطئة وتشويش إحصائي يهدد الصدق العاملي وثبات المقاييس المستخدمة.

تُعد مسافة ماهالانوبيس أداة بالغة الفعالية في كشف الاستجابات المتناقضة داخلياً؛ حيث ترصد بدقة الأفراد الذين يظهرون أنماط إجابة شاذة عبر المقاييس الفرعية المترابطة بنيوياً. على سبيل المثال، إذا كان المقياس يضم بُعدين ذوي ارتباط نظري سالب وثيق مثل “الرضا الوظيفي” و”نية ترك العمل”، فإن المفحوص الذي يجيب بأعلى الدرجات على كلا البُعدين بشكل غير منطقي سيُنتج مربع مسافة ماهالانوبيس مفرط الارتفاع، مما يكشف نمط استجابته غير الواعي، ويوفر للباحث مسوغاً إحصائياً دقيقاً لتنقية العينة من هذه الشوائب قبل الشروع في التحليلات الاستدلالية المتقدمة.

8.2 تطهير البيانات قبل نمذجة المعادلات الهيكلية (SEM)

تتسم أساليب النمذجة المتقدمة، وفي مقدمتها نمذجة المعادلات الهيكلية (Structural Equation Modeling – SEM) والتحليل العاملي التوكيدي (CFA)، بحساسية استثنائية لوجود القيم المتطرفة متعددة المتغيرات. تعتمد خوارزميات التقدير القياسية، مثل طريقة الإمكانية الأعظم (Maximum Likelihood – ML)، على افتراض التوزيع الطبيعي المتعدد الصارم؛ ويؤدي وجود مشاهدات ذات مسافات ماهالانوبيس متطرفة إلى تضخيم قيمة إحصاء كاي-تربيع للنموذج ($\chi^2$)، وخفض مؤشرات المطابقة المقارنة مثل (CFI و TLI)، بالإضافة إلى تضخيم الجذر التربيعي لمتوسط مربعات خطأ التقريب (RMSEA).

يُعد فحص مسافة ماهالانوبيس خطوة منهجية إلزامية قبل تطبيق برمجيات SEM مثل حزمة lavaan في R. يقوم الباحث بإجراء تقييم منهجي مزدوج لمؤشرات مطابقة النموذج قبل وبعد عزل الملاحظات الشاذة ذات $p < 0.001$. يجب توثيق هذه الإجراءات في المنهجية البحثية بتقرير علمي يوضح عدد الحالات التي تم فحصها، ومستويات الدلالة المعتمدة، وقيم المسافات القصوى المرصودة، وتأثير عملية التطهير على استقرار المعلمات المقدرة ومؤشرات جودة التوفيق البنيوي.

8.3 دراسة حالة نفسية تطبيقية متكاملة في R

لتطبيق المفاهيم السابقة بصورة شاملة، نفترض دراسة نفسية واقعية هدفت إلى قياس أربعة أبعاد سلوكية لدى عينة من الموظفين ($n = 300$): القلق الوظيفي ($X_1$)، الاكتئاب المهني ($X_2$)، الضغوط النفسية المدركة ($X_3$)، والصلابة النفسية ($X_4$). من الناحية النظرية، ترتبط المتغيرات الثلاثة الأولى ببعضها ارتباطاً طردياً وثيقاً، بينما ترتبط الصلابة النفسية بها ارتباطاً عكسياً قوياً.

عند بناء النموذج الحسابي في R وحساب مسافات ماهالانوبيس لجميع المفحوصين بدرجات حرية $df = 4$ وقيمة حرجة عند $\alpha = 0.001$ تبلغ تقريباً $\chi^2_{crit} = 18.47$، أظهرت النتائج وجود ثلاث حالات سجلت مسافات تجاوزت $D^2 = 24.50$. عند الفحص التفصيلي للحالة رقم 142 على سبيل المثال، تبين أن المفحوص سجل درجات قصوى في مقياس الصلابة النفسية متزامنة مع درجات قصوى في مقياس الاكتئاب الحاد، وهو نمط يستحيل قبوله نفسياً وسلوكياً في ضوء البناء النظري للمقاييس. إن عزل هذه الحالة لم يكن ممكناً بالفحص الأحادي للدرجات المعيارية لأن كل درجة بمفردها كانت تقع ضمن $\pm 2.5$ انحراف معياري، لكن مسافة ماهالانوبيس نجحت بدقة في كشف هذا الشذوذ التركيبي المتعدد وتطهير مصفوفة التحليل البنيوي منه.

9. معالجة التحديات والمشاكل الإحصائية أثناء الحساب في R

9.1 التعامل مع مصفوفة التغاير المفردة (Singular Covariance Matrix)

أحد أكثر الأخطاء البرمجية شيوعاً وإرباكاً للباحثين عند استخدام دالة mahalanobis() في R هو ظهور رسالة الخطأ الشهيرة: Error in solve.default(cov, ...): system is computationally singular. يحدث هذا الانهيار الحسابي عندما تكون مصفوفة التباين والتباين المشترك “مفردة” (Singular)، مما يعني أن محددها الرياضي يساوي صفراً تماماً ($|Sigma| = 0$)، وبالتالي لا يمكن حساب معكوسها الرياضي القياسي $\Sigma^{-1}$.

ينشأ هذا الوضع في الغالب نتيجة وجود تعددية خطية تامة (Perfect Multicollinearity)؛ كأن يكون أحد المتغيرات مشتقاً بالكامل من متغير آخر (كالجمع أو الضرب في ثابت)، أو أن يكون أحد المتغيرات عبارة عن مجموع درجات المتغيرات الفرعية الأخرى المشمولة في نفس مصفوفة الحساب. لمعالجة هذا الخلل برمجياً، يتم أولاً فحص مصفوفة الارتباط وحذف المتغيرات الزائدة أو المكررة. في الحالات التي تتطلب الحساب الرياضي الإجباري مع وجود شبه انفراد في المصفوفة، يمكن اللجوء إلى المعكوس المعمم (Generalized Inverse / Moore-Penrose Pseudoinverse) المتاح عبر دالة ginv() في حزمة MASS، واستخدامه داخل صيغة حساب المسافة بدلاً من المعكوس التقليدي.

9.2 مشكلة صغر حجم العينة مقارنة بعدد المتغيرات (p > n)

تظهر معضلة رياضية كبرى عندما يكون عدد المتغيرات المشمولة في التحليل ($p$) أكبر من عدد الحالات أو المشاهدات المتاحة في العينة ($n$)، أو مساوياً لها تقريباً ($p ge n$). في هذه الحالة، تصبح مصفوفة التباين والتباين المشترك غير كاملة الرتبة (Rank Deficient) وتتحول تلقائياً إلى مصفوفة مفردة يستحيل حساب محددها أو معكوسها الكلاسيكي بدقة وثبات.

لمواجهة هذا التحدي الإحصائي، يتبع الباحثون استراتيجيتين رئيسيتين:

• تقليل الأبعاد المنهجي (Dimensionality Reduction): تطبيق أسلوب تحليل المكونات الأساسية (Principal Component Analysis – PCA) لاختزال المتغيرات الأصلية المتعددة إلى عدد أقل من المكونات المتعامدة غير المترابطة، ثم حساب مسافة ماهالانوبيس على درجات هذه المكونات المستخلصة.
• تقنيات الانتظام والتقليص (Regularization / Shrinkage): استخدام مقدرات التغاير المنتظمة مثل مقدر “Ledoit-Wolf”، والتي تقوم بتقليص التباينات المشتركة غير القطرية تجاه مصفوفة قطرية متجانسة، مما يضمن الحصول على مصفوفة تغاير موجبة ومحددة قابلة للعكس حتى في ظل العينات الصغيرة جداً.

9.3 إدارة ومعالجة القيم المفقودة (Missing Data Handling)

يُمثل الفقد في البيانات عائقاً مباشراً أمام استمرارية خوارزمية حساب مسافة ماهالانوبيس. الاعتماد التقليدي على الاستبعاد الشامل للحالات التي تحتوي على فقد (Listwise Deletion) يؤدي إلى هدر كبير في حجم العينة وانخفاض القوة الإحصائية للاختبارات، فضلاً عن احتمالية إدخال تحيزات منهجية إذا لم يكن الفقد عشوائياً تماماً (MCAR).

تتمثل المقاربة الحديثة الأكثر رصانة في تطبيق خوارزميات التعويض الإحصائي المتقدمة قبل الشروع في حساب المسافات؛ مثل خوارزمية التوقع الأقصى (Expectation-Maximization – EM) أو التعويض المتعدد بالسلاسل المترابطة (Multiple Imputation by Chained Equations – MICE). يتم بعد ذلك حساب مصفوفة التغاير ومتجه المتوسطات على البيانات المعوضة، ثم تنفيذ دالة mahalanobis() على إطار البيانات المكتمل، مما يحافظ على تمثيلية العينة الإجمالية ويمنع التقدير المشوه لمعالم المجتمع الإحصائي.

10. المقارنة بين مسافة ماهالانوبيس والمقاييس الإحصائية البديلة

10.1 المقارنة مع مسافة كوك (Cook’s Distance)

على الرغم من أن كلاً من مسافة ماهالانوبيس ومسافة كوك تُستخدمان في تشخيص البيانات الشاذة، إلا أن لكل منهما غرضاً وظيفياً وسياقاً نظرياً مختلفاً تماماً في بنية التحليل الإحصائي. تُركز مسافة ماهالانوبيس على قياس الشذوذ الهندسي للمشاهدة داخل فضاء المتغيرات التفسيرية والمتعددة دون النظر إلى أي متغير تابع محدد؛ فهي مقياس شذوذ بنيوي نقي يحدد موقع النقطة بالنسبة لمركز التوزيع المشترك.

في المقابل، تُعد مسافة كوك (Cook’s Distance) مقياساً متخصصاً في نماذج الانحدار الخطي؛ حيث تقيس التأثير الفعلي الذي تحدثه مشاهدة معينة على معاملات الانحدار المقدرة ($\beta$) في حال تم استبعاد تلك المشاهدة من النموذج. تجمع مسافة كوك بين رافعة النقطة (Leverage) وحجم الخطأ المتبقي لها (Studentized Residual). وبالتالي، قد تمتلك مشاهدة ما مسافة ماهالانوبيس مرتفعة جداً لكنها تقع على نفس خط الانحدار المتوقع فلا تؤثر على الميل، مما يجعل مسافة كوك الخاصة بها منخفضة. يُفضل الجمع التكاملي بين المقياسين لتقييم شامل لسلامة نماذج الانحدار وتحديد النقاط الشاذة المؤثرة وغير المؤثرة بدقة.

10.2 المقارنة مع قيم الرافعة (Leverage Values)

توجد علاقة جبرية مباشرة ووثيقة تربط بين قيم الرافعة (المستخرجة من عناصر القطر الرئيسي لمصفوفة القبعة $H = X(X^TX)^{-1}X^T$ في نماذج الانحدار) ومسافة ماهالانوبيس. تقيس قيم الرافعة ($h_{ii}$) مدى بعد قيم المتغيرات المستقلة لحالة معينة عن متوسطات باقي المتغيرات المستقلة في الفضاء التفسيري للنموذج.

تتضح هذه الرابطة الرياضية من خلال المعادلة الصريحة التي تعبر عن قيمة الرافعة بدلالة مربع مسافة ماهالانوبيس:

$$h_{ii} = \frac{1}{n} + \frac{D_i^2}{n – 1}$$

تُظهر هذه العلاقة التطابق البنيوي بين المفهومين؛ فالمشاهدات التي تمتلك قيم رافعة مرتفعة هي ذاتها المشاهدات التي تحقق مسافات ماهالانوبيس متطرفة في فضاء المتغيرات المستقلة. يكمن الفارق التطبيقي في أن قيم الرافعة تكون محصورة دائماً في المدى الرياضي بين $[1/n, 1]$ وتُستخدم خصيصاً داخل بيئة تشخيص نماذج الانحدار، بينما تُقاس مسافة ماهالانوبيس عبر مقياس توزيع كاي-تربيع المفتوح وتُطبق على أي مجموعة متغيرات دون اشتراط وجود نموذج انحداري ذي متغير تابع.

10.3 المقارنة مع الموجهات الإحصائية الحديثة القائمة على تعلم الآلة

مع تطور خوارزميات تعلم الآلة، برزت تقنيات حديثة لاكتشاف الشذوذ متعدد المتغيرات، مثل خوارزمية غابة العزل (Isolation Forest) وخوارزمية معامل الشذوذ الموضعي (Local Outlier Factor – LOF). تتميز هذه الخوارزميات بأنها نماذج غير معلمية (Non-parametric) بالكامل، لا تشترط التوزيع الطبيعي المتعدد أو خطية العلاقات بين المتغيرات، وتمتلك قدرة استثنائية على كشف الشذوذ في البيانات غير الخطية والعنقودية المعقدة.

ومع ذلك، تظل مسافة ماهالانوبيس الخيار المفضل والمهيمن في الأبحاث الأكاديمية والقياس السلوكي الكلاسيكي؛ نظراً لأناقتها الرياضية، وقابليتها الكاملة للتفسير المنهجي، وارتكازها على أسس احتمالية صلبة تتيح حساب القيم الاحتمالية ومستويات الثقة الصارمة، وهو ما تفتقر إليه العديد من خوارزميات تعلم الآلة التي تعمل غالباً كـ “صناديق سوداء” تعطي درجات شذوذ نسبية مجردة يصعب تبرير عتباتها في سياقات النشر الأكاديمي الصارم.

11. حساب مسافة ماهالانوبيس الحصينة (Robust Mahalanobis Distance) في R

11.1 مشكلة تأثير القناع (Masking Effect) وتأثير الإغراق (Swamping)

تعتمد مسافة ماهالانوبيس الكلاسيكية بصورة مباشرة على المتوسطات الحسابية ومصفوفة التباين والتباين المشترك القياسية، وهي إحصاءات حساسة للغاية وتتأثر بشدة بوجود القيم المتطرفة ذاتها. يؤدي هذا الخلل البنيوي إلى ظاهرتين تشخيصيتين خطيرتين:

• تأثير القناع (Masking Effect): يحدث عندما تقوم مجموعة متقاربة من القيم الشاذة بجذب متجه المتوسطات نحوها وتضخيم مصفوفة التغاير في اتجاهها، مما يؤدي إلى انخفاض مسافات ماهالانوبيس المحسوبة لها، وبالتالي “تختفي” هذه القيم الشاذة وتبدو كبيانات طبيعية تفشل الاختبارات الكلاسيكية في رصدها.
• تأثير الإغراق (Swamping Effect): يحدث عندما يؤدي انتفاخ مصفوفة التغاير وتشوه متجه المتوسط بفعل الحالات الشاذة إلى جعل المشاهدات الطبيعية السليمة تبدو بعيدة عن المركز المشوه، مما يؤدي إلى تصنيف حالات سليمة خطأً كقيم متطرفة.

لتجنب هذا التضليل الإحصائي، يبرز الاحتياج المنهجي الحتمي لحساب مقدرات حصينة (Robust Estimators) للمتوسط والتباين لا تتأثر بوجود التلوث الشاذ في البيانات.

11.2 تطبيق محدد التغاير الأدنى (MCD) عبر حزمة robustbase

تُعد خوارزمية محدد التغاير الأدنى (Minimum Covariance Determinant – MCD)، وبخاصة نسختها السريعة (FastMCD)، من أكثر الطرق الحصينة كفاءة واعتماداً في الإحصاء الحديث. تقوم الخوارزمية بالبحث عن مجموعة فرعية من المشاهدات بحجم $h$ (حيث يمثل $h$ عادة ما بين 50% إلى 75% من إجمالي العينة) تمتلك أصغر محدد لمصفوفة التغاير، ومن ثم حساب متجه المتوسط ومصفوفة التغاير بالاعتماد الحصري على هذه المجموعة النقية الخالية من التلوث.

توفر حزمة robustbase في R دالة متقدمة للغاية هي covMcd() لتطبيق هذا المقدر الحصين. عند تمرير البيانات إلى هذه الدالة، تقوم بتقدير متجه المركز الحصين ومصفوفة التغاير الحصينة المعاد ترجيحها وتصحيحها. يتم استخدام هذه المعلمات الحصينة كمدخلات لدالة mahalanobis()، أو استخراج المسافات الحصينة مباشرة من كائن الدالة عبر covMcd(data)$mah. تتيح مقارنة المسافات الحصينة بالمسافات الكلاسيكية كشفاً دقيقاً لكافة الحالات المقنعة التي عجز المقياس الكلاسيكي عن تشخيصها.

11.3 استخدام حزمة psych لتحليل البيانات السلوكية الحصينة

تُقدم حزمة psych الموجهة لعلماء النفس والاجتماع وظائف برمجية متخصصة ومبسطة للتعامل الحصين مع الشذوذ متعدد المتغيرات في استبيانات ومقاييس ليكرت (Likert Scales). توفر الحزمة الدالة الشاملة outlier()، والتي تنفذ حسابات مسافة ماهالانوبيس الحصينة بشكل آلي ومتكامل.

تقوم دالة outlier() في حزمة psych بحساب المسافات ورسم مخطط كاي-تربيع الربيعي التشخيصي تلقائياً بنقرة برمجية واحدة، مع تمييز الحالات المتطرفة وترقيمها على الرسم البياني لتسهيل التعرف عليها. كما تتيح المعلمة plot = TRUE معاينة فورية لمدى انحراف البيانات عن التوزيع الطبيعي المتعدد. يتميز هذا الإجراء بتوافقه العالي مع البيانات السلوكية التي غالباً ما تعاني من الالتواء الطفيف والتفرطح، مما يوفر أداة تشخيصية سريعة وسهلة التطبيق لتقييم جودة الاستجابات قبل الشروع في التحليلات السيكومترية المتقدمة.

12. أفضل الممارسات البرمجية والمنهجية للباحثين

12.1 بناء دالة مخصصة (Custom Function) لأتمتة الحساب والتشخيص

لتعزيز كفاءة سير العمل التحليلي وتقليل احتمالية الأخطاء اليدوية المتكررة، يُنصح الباحثون ببناء دالة مخصصة قابلة لإعادة الاستخدام في R، تدمج كافة الخطوات الإحصائية السابقة ضمن إطار برمجي موحد ومنظم. يجب أن تستقبل هذه الدالة إطار البيانات ومستوى الدلالة المستهدف كمدخلات، وتقوم آلياً بالتحقق من اكتمال البيانات ونوعها، واستخراج المتوسطات ومصفوفة التغاير، وتوليد مربعات المسافات والقيم الحرجة والقيم الاحتمالية المرتبطة بها.

ينبغي أن تقوم الدالة بإرجاع قائمة (List) أو إطار بيانات مدمج يحتوي على البيانات الأصلية معززة بأعمدة المسافة ($D^2$)، والـ P-value، ومتغير منطقي ثنائي لتصنيف الشذوذ، مع إمكانية طباعة تقرير ملخص فوري يوضح إجمالي حجم العينة، وعدد الحالات الشاذة المكتشفة، ونسبتها المئوية من إجمالي البيانات. يتيح هذا التجريد البرمجي تطبيق التحليل بيسر عبر مشاريع بحثية متعددة، ويسهل تصدير الجداول التشخيصية النهائية بصيغ منسقة (مثل CSV أو Excel) لاستخدامها في الملاحق البحثية للأوراق العلمية.

12.2 معايير اتخاذ القرار بشأن القيم الشاذة بعد الكشف عنها

لا يعني الاكتشاف الإحصائي لقيمة شاذة عبر مسافة ماهالانوبيس وجوب حذفها الفوري والتلقائي من مجموعة البيانات؛ إذ إن الحذف غير المبرر قد يقود إلى تحيز النتائج وتزييف الواقع التجريبي. يقتضي المنهج العلمي الرصين فحص السبب الجذري الكامن وراء كل قيمة متطرفة وفق التدرج المنهجي التالي:

• الأخطاء الإدخالية والتقنية: التحقق مما إذا كان الشذوذ ناتجاً عن خطأ مطبعي أثناء تفريغ البيانات، أو عطل تقني في المنصة الرقمية، ويتم تصحيح هذه الأخطاء بالرجوع إلى السجلات الأصلية أو استبعادها تماماً في حال تعذر التحقق.
• حالات عدم الانتماء للمجتمع المستهدف: التأكد من استيفاء المشارك لكافة شروط العينة ومعايير الاشتمال والاستبعاد المقررة في المنهجية، واستبعاد الحالات التي دخلت خطأً ضمن العينة.
• التباين الإنساني الطبيعي النادر: إذا كانت المشاهدة صحيحة ومدخلة بدقة وممثلة لمشارك حقيقي تفاعل بجدية، يُمنع حذفها تعسفياً؛ بل يتم اللجوء إلى تحليل الحساسية الإحصائي (Sensitivity Analysis) عبر تنفيذ النماذج الإحصائية مرتين (مع وبدون الحالات الشاذة)، ومقارنة النتائج لتقييم مدى استقرار حجم التأثير، أو الانتقال للنمذجة الإحصائية الحصينة التي تقلل أوزان الحالات المتطرفة دون حذفها.

12.3 دليل التوثيق والتقرير في المجلات العلمية المحكمة

عند كتابة تقرير فحص الشذوذ متعدد المتغيرات في الأوراق البحثية المعدة للنشر في المجلات المصنفة، يجب الالتزام بالمعايير التوثيقية الصارمة الصادرة عن الجمعيات العلمية الرائدة، وفي مقدمتها دليل النشر التابع لجمعية علم النفس الأمريكية (APA 7th Edition). يتطلب التوثيق الرصين صياغة فقرة منهجية واضحة داخل قسم “التحليلات الأولية” (Preliminary Analyses) تتضمن التفاصيل التالية بدقة:

يجب ذكر المقياس المستخدم بوضوح (مسافة ماهالانوبيس الكلاسيكية أو الحصينة عبر مقدر MCD)، ومستوى الدلالة المعتمد لعزل الشذوذ (مثل $\alpha = 0.001$)، ودرجات الحرية وقيمة كاي-تربيع الحرجة المعتمدة كعتبة للقطع الإحصائي. كما يجب الإبلاغ عن العدد الكلي للحالات المعزولة ونسبتها المئوية من حجم العينة، والمسوغات المنهجية التي بني عليها قرار التعامل معها (الحذف أو الإبقاء أو التحويل أو استخدام التقدير الحصين)، مع إبراز أثر ذلك على استيفاء افتراض التوزيع الطبيعي المتعدد. ولتعزيز مبادئ الشفافية والبحث العلمي القابل للتكرار (Reproducibility)، يوصى بإرفاق كود R المستخدم ومصفوفة البيانات المعالجة في مستودعات الوصول المفتوح (مثل OSF أو GitHub).

الخاتمة

تُمثل مسافة ماهالانوبيس إحدى الأدوات الأكثر رصانة وقوة في ترسانة التحليل الإحصائي متعدد المتغيرات. بفضل قدرتها الفريدة على استيعاب البنية التغايرية والارتباطات البينية المعقدة، تمنح الباحثين وسيلة علمية منضبطة لتقييم المسافات، واكتشاف الشذوذ التركيبي، والتحقق من اعتدالية التوزيعات في مختلف فروع المعرفة من القياس النفسي إلى تعلم الآلة. يتيح توظيف هذه الأداة بكفاءة واحترافية داخل بيئة البرمجة الإحصائية R الجمع بين الدقة الرياضية، والسرعة الحاسوبية، والتمثيل البصري عالي الجودة، مما يسهم بشكل مباشر في رفع الموثوقية المنهجية والصلابة الإحصائية للأبحاث والنتائج العلمية المنشورة.

المراجع

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• De Maesschalck, R., Jouan-Rimbaud, D., & Massart, D. L. (2000). The Mahalanobis distance. Chemometrics and Intelligent Laboratory Systems, 50(1), 1–18. https://doi.org/10.1016/S0169-7439(99)00047-7
• Mahalanobis, P. C. (1936). On the generalised distance in statistics. Proceedings of the National Institute of Sciences of India, 2(1), 49–55.
• R Core Team. (2023). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/
• Revelle, W. (2023). psych: Procedures for psychological, psychometric, and personality research. Northwestern University, Evanston, Illinois. https://CRAN.R-project.org/package=psych
• Rousseeuw, P. J., & Driessen, K. V. (1999). A fast algorithm for the minimum covariance determinant estimator. Technometrics, 41(3), 212–223. https://doi.org/10.1080/00401706.1999.10485670
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Wickham, H., Averick, M., Bryan, J., Chang, W., McGowan, L. D., François, R., Grolemund, G., Hayes, A., Henry, L., Hester, J., Kuhn, M., Pedersen, T. L., Miller, E., Bache, S. M., Müller, K., Ooms, J., Robinson, D., Seidel, D. P., Spinu, V., … Yutani, H. (2019). Welcome to the Tidyverse. Journal of Open Source Software, 4(43), 1686. https://doi.org/10.21105/joss.01686