كيفية استخراج قيمة R-Squared من الدالة lm() في لغة R

تُعد النمذجة الإحصائية عبر تحليل الانحدار الخطي أحد الركائز الجوهرية في استكشاف العلاقات السببية والارتباطية بين المتغيرات في مختلف الحقول العلمية، بدءاً من القياسات النفسية والعلوم السلوكية وصولاً إلى النمذجة الاقتصادية والبيولوجية. وتبرز بيئة الحوسبة الإحصائية R Project for Statistical Computing كواحدة من أكثر المنصات مرونة وقوة في بناء هذه النماذج وتقدير معاملاتها، بفضل بنيتها البرمجية الوظيفية وكائناتها الإحصائية الغنية. ومن بين المؤشرات الإحصائية العديدة التي تُولدها النماذج الخطية، يحتل معامل التحديد، المعروف إحصائياً بالرمز R²، مكانة مركزية في تقييم نسبة التباين في المتغير التابع التي استطاع النموذج تفسيرها بواسطة المتغيرات المستقلة.

وعلى الرغم من سهولة استدعاء الدالة الأساسية للانحدار الخطي lm() وطباعة النتائج الإجمالية عبر الدالة التلخيصية summary()، إلا أن التحدي البرمجي والمنهجي يكمن في القدرة على استخراج قيمة معامل التحديد بصورة دقيقة ومؤتمتة من البنية الداخلية المعقدة لتلك الكائنات البرمجية. إن الاعتماد على النسخ اليدوي للمؤشرات الإحصائية لا يفتح الباب فحسب للأخطاء البشرية القاتلة في الدراسات واسعة النطاق، بل يحد أيضاً من إمكانية دمج النماذج الإحصائية داخل خطوط المعالجة المتقدمة (Data Pipelines)، وعمليات المحاكاة الحاسوبية المتقدمة مثل أساليب مونت كارلو وإعادة التعيين التكراري (Bootstrapping).

يهدف هذا الدليل المنهجي والتطبيقي الشامل إلى تقديم تفكيك معمق للآليات البرمجية والإحصائية المتبعة لاستخراج قيم معامل التحديد القياسي والمعدل والجزئي من مخرجات الدالة lm() في لغة R. سنستعرض الهيكل البرمجي الداخلي لكائنات الانحدار، والاشتقاقات الرياضية المباشرة من مجموع المربعات، وطرق التعامل مع النماذج عبر بيئة التحليل الحديثة Tidyverse، فضلاً عن تقديم أفضل الممارسات الأكاديمية لتفسير هذه القيم وتوثيقها وفق المعايير المعترف بها دولياً مثل معايير جمعية علم النفس الأمريكية (APA).

1. مقدمة تأصيلية لمعامل التحديد (R-Squared) والدالة lm() في لغة R

1.1 المفهوم الإحصائي لمعامل التحديد R² في النمذجة الإحصائية

يمثل معامل التحديد (Coefficient of Determination)، ويرمز له بالرمز الرياضي R²، المقياس الإحصائي الأساسي الذي يعبر عن نسبة التباين الكلي في المتغير التابع (Outcome/Dependent Variable) الذي يتمكن نموذج الانحدار الخطي من تفسيره أو التنبؤ به بالاعتماد على المتغير أو المتغيرات المستقلة (Predictor/Independent Variables). من منظور هندسي ورياضي، يتراوح هذا المؤشر بين القيمة 0 والقيمة 1 في نماذج المربعات الصغرى العادية القياسية المزودة بحد ثابت (Intercept)، حيث تشير القيمة الصفرية إلى العجز التام للنموذج عن تفسير أي جزء من تشتت البيانات، بينما تعبر القيمة 1 عن تطابق تام ووجود علاقة خطية مثالية تجعل البواقي الإحصائية مساوية للصفر تماماً.

تتجلى الأهمية المنهجية لمعامل التحديد في كونه مقياساً لجودة توفيق النموذج (Goodness of Fit)، مما يتيح للباحثين تقييم مدى كفاءة البناء النظري المفترض في تمثيل الظاهرة المدروسة في الواقع التجريبي. ومع ذلك، فإن القوة التفسيرية لـ R² تخضع لحدود سياقية حرجة، لا سيما في حقول القياس النفسي والعلوم السلوكية، حيث تتسم الظواهر الإنسانية بالتعقيد العالي وتعدد العوامل غير المقاسة، مما يجعل قيماً تتراوح بين 0.15 و 0.30 ذات دلالة عملية ونظرية بالغة الأهمية، بخلاف التجارب الفيزيائية المعملية المحكمة التي تتطلب قيماً تتجاوز 0.90 لتأكيد الصلاحية النموذجية.

من الضروري أيضاً التمييز بين معامل الارتباط البسيط (مثل معامل بيرسون r) ومعامل التحديد في سياق الانحدار المتعدد؛ فبينما يقتصر معامل الارتباط على قياس قوة واتجاه العلاقة الثنائية المجردة بين متغيرين دون افتراض سببية أو اتجاه تأثير، يقيس R² الأثر التراكمي والمشترك لشبكة من المتغيرات المفسرة على تباين المتغير المستهدف، مع الأخذ في الحسبان التداخل والتباين المشترك بين المتغيرات المستقلة ذاتها.

1.2 بنية الدالة lm() وآلية توليد النماذج الخطية

تُعد الدالة lm()، وهي اختصار لعبارة Linear Model، الأداة الأساسية في حزمة base الإحصائية في لغة R لمواءمة نماذج الانحدار الخطي المتعدد والبسيط. تعتمد هذه الدالة على صيغة موحدة لتحديد بنية العلاقات الرياضية بين المتغيرات تأخذ الشكل العام lm(formula, data, subset, weights, na.action)، حيث يتم تمثيل العلاقة عبر المعامل التعبيري (Formula Interface) مثل y ~ x1 + x2، مشيراً إلى أن المتغير y هو المتغير التابع المتأثر بالمتغيرين المستقلين x1 و x2.

تقوم الدالة في نواتها البرمجية بتنفيذ خوارزمية المربعات الصغرى العادية (Ordinary Least Squares – OLS) باستخدام تحليل المصفوفات الجبرية وطريقة التفكيك المتعامد QR Decomposition للمصفوفة التصميمية (Design Matrix)، مما يضمن استقراراً عددياً فائقاً وسرعة حسابية عالية في تقدير متجهات المعاملات الانحدارية (Beta Coefficients). لا تقتصر مخرجات الدالة على تقدير المعاملات فقط، بل تنتج كائناً إحصائياً متكاملاً ومعقداً ينتمي إلى فئة S3، يحتوي على تفاصيل دقيقة تشمل القيم التقديرية (Fitted Values)، والبواقي (Residuals)، ودرجات الحرية، والتصنيفات الرياضية المرتبطة ببنية النموذج.

يوفر هذا الكائن الأساس الرياضي الأولي لحساب التباينات المشتركة والمصفوفات المتغيرة؛ حيث تحتفظ الدالة lm() بجميع المكونات الأولية الضرورية لحساب مجموع المربعات الكلي ومجموع مربعات الخطأ، وهي العناصر الأساسية التي ستُبنى عليها لاحقاً العمليات الاستدلالية المتقدمة لتقييم معنوية النموذج ككل واستخراج مقاييس جودة التوفيق الإحصائي.

1.3 أهمية الاستخراج البرمجي التلقائي للقيم الإحصائية

في الممارسات البحثية المعاصرة، يُعد الاعتماد على القراءة البصرية المباشرة للمخرجات والنسخ اليدوي للأرقام الإحصائية ممارسة غير دقيقة تنطوي على مخاطر منهجية كبرى؛ إذ تزيد من احتمالية حدوث أخطاء الإدخال والتحويل في التقارير الأكاديمية وجداول النشر العلمية، خاصة عند التعامل مع عشرات النماذج المتداخلة أو الدراسات متعددة المراحل. يوفر الاستخراج البرمجي التلقائي لقيمة R² وسيلة صارمة لضمان دقة الأرقام المنشورة ومطابقتها التامة للبيانات الخام.

تتجلى القيمة الاستثنائية للاستخراج الآلي عند الرغبة في أتمتة بناء جداول المقارنة بين النماذج المتنافسة (Model Comparison Tables)، أو إعداد لوحات المتابعة التفاعلية، أو كتابة أوراق بحثية تعتمد على الحوسبة التكرارية القابلة لإعادة الإنتاج (Reproducible Research). إن دمج عملية استخراج المعاملات مباشرة داخل مستندات التحليل الديناميكية يضمن تحديث جميع النتائج والمناقشات المعتمدة عليها بصورة لحظية وبمجرد تعديل البيانات أو تنقيحها دون أدنى تدخل يدوي.

علاوة على ذلك، يشكل الاستخراج البرمجي شرطاً لا غنى عنه لتنفيذ أساليب المحاكاة الإحصائية المتقدمة وتطبيقات التعلم الآلي؛ فعند تنفيذ خوارزميات مثل محاكاة Monte Carlo أو تقنيات إعادة التعيين اللابارامترية (Bootstrapping) التي تتطلب مواءمة آلاف النماذج الخطية على عينات متكررة، يصبح من المستحيل تتبع المؤشرات يدوياً، ويغدو تخزين قيم R² المستخرجة في متجهات أو أطر بيانات برمجية منظمة هو السبيل الوحيد لبناء فترات الثقة وتحليل استقرار النماذج إحصائياً.

2. البنية البرمجية لكائن الانحدار الخطي lm وملخصه summary.lm

2.1 التمييز الهيكلي بين كائن lm وكائن summary(lm)

من أهم المفاهيم البرمجية التي يجب على محلل البيانات في لغة R استيعابها بدقة هو التمييز الهيكلي بين الكائن الناتج عن استدعاء الدالة lm() والكائن الذي تولده الدالة التلخيصية summary(). الكائن الأساسي الناتج عن model <- lm(y ~ x, data = df) هو كائن خفيف الوزن ينتمي لفئة S3، تم تصميمه ليحتفظ فقط بالحد الأدنى من الحسابات الرياضية المباشرة الناتجة عن عملية مواءمة النموذج، مثل المعاملات المقدرة (coefficients)، والقيم المتبقية (residuals)، ورتبة المصفوفة (rank)، والتأثيرات (effects).

وعلى النقيض من ذلك، فإن استدعاء summary(model) لا يقوم بمجرد طباعة النتائج على الشاشة التفاعلية، بل يقوم بإجراء عمليات حسابية استدلالية إضافية ومكلفة حاسوبياً لإنتاج كائن جديد كلياً ينتمي لفئة summary.lm. تقوم هذه الدالة بحساب الأخطاء المعيارية للمعاملات، وقيم اختبارات t ودلالاتها الإحصائية، وإحصاء اختبار F الكلي للنموذج، إضافة إلى حساب معامل التحديد R² ومعامل التحديد المعدل Adjusted R².

يفسر هذا التمايز الهيكلي السبب المباشر لعدم وجود عنصر يحمل اسم r.squared داخل كائن model الأساسي؛ حيث يؤدي محاولة استدعاء model$r.squared إلى إرجاع القيمة NULL، نظراً لأن لغة R تتبنى فلسفة الكفاءة التخزينية التي تفصل بين التقدير الرياضي الأولي للحسابات وبين الاشتقاق الإحصائي الاستدلالي الذي يتم توليده حسب الحاجة عبر كائن التلخيص.

2.2 تشريح المكونات الداخلية لكائن summary.lm

عند فحص البنية الداخلية لكائن summary.lm، نجد أنه يتكون برمجياً من قائمة مهيكلة (Named List) تضم اثني عشر عنصراً أو أكثر، يمثل كل منها جانباً إحصائياً محدداً من التحليل الاستدلالي للنموذج. ومن بين هذه العناصر الأساسية يبرز المتغير r.squared الذي يخزن القيمة الرقمية لمعامل التحديد القياسي، والمتغير adj.r.squared المخصص لمعامل التحديد المعدل لدرجات الحرية.

تضم القائمة كذلك مصفوفة المعاملات الكاملة coefficients، والتي تحتوي على أربعة أعمدة رئيسية هي: التقدير النقطي للمعامل (Estimate)، والخطأ المعياري (Std. Error)، وقيمة الاختبار التائي (t value)، ومستوى الدلالة الاحتمالي (Pr(>|t|)). كما تشتمل على الخطأ المعياري المتبقي sigma، ودرجات حرية النموذج المتبقية df، ومصفوفة التغاير والتباين للمعاملات cov.unscaled، ومعلومات تفصيلية عن اختبار F الكلي عبر العنصر fstatistic.

يتيح فهم بنية هذه القائمة للباحث الوصول الدقيق والموجه إلى أي مؤشر إحصائي يرغب في استخلاصه باستخدام معامل الفهرسة الشهير $ أو عبر الأقواس المزدوجة [[ ]]. فعلى سبيل المثال، يضمن استدعاء summary(model)$r.squared عزل القيمة العددية لمعامل التحديد بدقة متناهية دون الحاجة إلى معالجة النصوص أو استخراج المخرجات المطبوعة كحروف، مما يمهد لتوظيفها الفوري في التحليلات اللاحقة.

2.3 استكشاف خصائص الكائن برمجياً عبر دالتي names() و str()

لتطوير مهارات فحص الكائنات البرمجية والتحقق من محتوياتها الداخلية في لغة R، تبرز الدالتان الاستكشافيتان names() و str() كأداتين أساسيتين في ترسانة المحلل الإحصائي. يؤدي تمرير كائن الملخص إلى الدالة names(summary(model)) إلى طباعة مصفوفة نصية تحتوي على الأسماء المباشرة لجميع المكونات والعناصر القابلة للاستخراج المخزنة داخل الكائن، مما يتيح التعرف على المسميات الدقيقة للمتغيرات وتجنب أخطاء التهجئة الشائعة أثناء كتابة الشيفرات.

من جانب آخر، تقدم دالة الفحص البنيوي str(summary(model))، وهي اختصار لكلمة Structure، تشريحاً شاملاً ومعمقاً لأنواع البيانات وهياكلها داخل الكائن. عند تطبيق هذه الدالة، يظهر المتغير r.squared كمتجه عددي أحادي البعد بنوع بيانات رقمي (Numeric Vector) بطول 1 (length of 1)، وهو ما يؤكد أنه ليس مصفوفة معقدة أو جدولاً بل قيمة عددية نقية مجردة.

يعد هذا التحقق البرمجي ذا أهمية قصوى لضمان جاهزية العنصر المستخرج للدخول في العمليات الرياضية والحسابية الإضافية، مثل الضرب لتحويله إلى نسبة مئوية، أو استخدامه كمعامل في معادلات التقييم الأخرى، أو ضخه مباشرة في دوال التقريب الرياضي مثل round() دون حدوث أخطاء تعارض في أنواع البيانات (Type Mismatch Errors).

3. الاستخراج المباشر لمعامل التحديد R-Squared القياسي

3.1 الصيغة البرمجية القياسية لاستخراج R²

تعتمد الصيغة البرمجية الأكثر شيوعاً وموثوقية في بيئة R الأساسية لاستخراج معامل التحديد القياسي على الدمج المباشر بين الدالة التلخيصية ومعامل الوصول إلى عناصر القوائم. تتجسد هذه الشفرة في الصورة القياسية: r2_val <- summary(model)$r.squared. يقوم هذا السطر البرمجي المقتضب بتمرير كائن النموذج إلى دالة التلخيص، ثم النفاذ فوراً إلى العنصر المسمى r.squared وتخزينه في المتغير الجديد r2_val كقيمة رقمية مفردة ذات دقة مزدوجة (Double-precision float).

بالإضافة إلى استخدام معامل الدولار، يمكن استخدام أسلوب الفهرسة عبر الأقواس المربعة المزدوجة من خلال الشفرة: r2_val <- summary(model)[["r.squared"]]. يُفضل هذا الأسلوب بشكل خاص داخل كتابة الدوال المخصصة وتطوير الحزم البرمجية، نظراً لكونه يوفر حماية برمجية أعلى تمنع المطابقة الجزئية للأسماء (Partial Matching) وتضمن إرجاع خطأ صريح في حال عدم العثور على المتغير بالاسم المحدد تماماً.

بمجرد عزل القيمة في متغير مستقل، يمكن للمحلل تطبيق دوال المعالجة العددية عليها بحرية وسلاسة؛ حيث تستخدم دالة round(r2_val, digits = 3) لتقريب القيمة العشرية إلى ثلاثة منازل لتناسب معايير النشر في الجداول الإحصائية، أو استخدام الدالة format(r2_val, nsmall = 4) لضمان الحفاظ على عدد ثابت من الأصفار العشرية عند إعداد التقارير النصية المؤتمتة.

3.2 تطبيق عملي: بناء نموذج انحدار واستخراج قيمته

لتجسيد هذه المفاهيم في إطار تطبيقي ملموس، نفترض وجود دراسة في علم النفس المعرفي تبحث في تأثير “ساعات النوم” (Sleep_Hours) و”مستوى التوتر الأكاديمي” (Stress_Level) على “الأداء في اختبار الذاكرة العاملة” (Working_Memory). يمكننا أولاً إنشاء مجموعة بيانات محاكية عبر توليد مصفوفة بيانات تحتوي على 100 مشارك باستخدام التوزيعات العشوائية المنتظمة والطبيعية، وبناء علاقة خطية محددة تربط بين هذه المتغيرات.

نقوم بمواءمة نموذج الانحدار الخطي المتعدد عبر الشفرة: fit <- lm(Working_Memory ~ Sleep_Hours + Stress_Level, data = memory_study). بعد توليد كائن النموذج fit، نقوم باستخراج معامل التحديد مباشرة دون طباعة التقرير الطويل بأكمله من خلال تنفيذ: extracted_r2 <- summary(fit)$r.squared، ثم طباعة القيمة المستخرجة باستخدام print(extracted_r2) لتظهر على سبيل المثال القيمة: 0.4582194.

عند مقارنة هذه القيمة المقتضبة بالمخرجات الشاملة التي تطبعها الدالة summary(fit)، نجد أنها تتطابق تماماً مع السطر المكتوب في أسفل المخرجات النصية تحت مسمى “Multiple R-squared: 0.4582”. ومع ذلك، فإن الميزة الحاسمة للسطر البرمجي المستخرج تكمن في تحويل هذه المعلومة من نص مقروء بصرياً إلى متغير رقمي خام جاهز للاستخدام الفوري في الحسابات أو التمثيل البياني.

3.3 تفسير النتيجة الإحصائية المستخرجة سياقياً

لا يكتمل الاستخراج البرمجي لقيمة معامل التحديد دون امتلاك القدرة على تفكيك دلالته الإحصائية وتفسيره تفسيراً علمياً رصيناً داخل السياق النظري للدراسة. عندما نحصل على قيمة R² مستخرجة تساوي 0.458، فإن ذلك يعني بعملية حسابية بسيطة (الضرب في 100) أن 45.8% من إجمالي التباين الإحصائي الملاحظ في درجات اختبار الذاكرة العاملة لدى المشاركين يمكن تفسيره والتنبؤ به بالاعتماد على التباين المشترك في ساعات النوم ومستويات التوتر الأكاديمي.

وفي المقابل، تشير النسبة المتبقية البالغة 54.2% (1 – R²) إلى التباين غير المفسر (Unexplained Variance) أو تباين الخطأ المتبقي، والذي يُعزى إلى عوامل ومتغيرات فردية وبيئية لم يتضمنها النموذج، مثل الفروق الفردية في الذكاء العام، أو التغذية، أو التحفيز الذاتي، إضافة إلى أخطاء القياس العشوائية المتأصلة في أدوات القياس النفسي.

يجب على الباحث تقييم هذه النسبة المستخرجة في ضوء المعايير الإحصائية التخصصية وحجم العينة؛ ففي حين أن تفسير ما يقارب نصف التباين في ظاهرة سلوكية يعد نجاحاً نظرياً كبيراً ومؤشراً قوياً على جودة النموذج وملاءمته لدعم الفرضيات البحثية، إلا أنه يجب الحذر من الجزم بوجود علاقة سببية حتمية استناداً فقط إلى ارتفاع قيمة R²، حيث تقتصر دلالتها الرياضية على رصد الارتباط التبايني المشترك دون إثبات التسلسل السببي للظاهرة.

4. استخراج معامل التحديد المعدل (Adjusted R-Squared)

4.1 الفروق الإحصائية بين R² القياسي والمعدل

على الرغم من الأهمية الكبيرة لمعامل التحديد القياسي R²، إلا أنه يعاني من قصور رياضي بنيوي خطير يُعرف في الأدبيات الإحصائية بخاصية التضخم الرتيب (Monotonic Inflation)؛ إذ ترتفع قيمة R² القياسي حتماً أو تظل ثابتة في أحسن الأحوال كلما تمت إضافة متغيرات مستقلة جديدة إلى النموذج، حتى وإن كانت تلك المتغيرات عشوائية تماماً ولا ترتبط بأي علاقة حقيقية مع المتغير التابع. يرجع ذلك إلى أن خوارزمية OLS تستغل أي تباين عشوائي أو ضوضاء إحصائية في العينة لتقليل مجموع مربعات البواقي ظاهرياً.

لمعالجة هذه المشكلة المنهجية، تم تطوير معامل التحديد المعدل (Adjusted R-Squared)، والذي يقوم بفرض عقوبة رياضية على النموذج تتناسب طردياً مع عدد المتغيرات المضافة وعكسياً مع درجات الحرية المتبقية. تُعطى المعادلة الرياضية لمعامل التحديد المعدل بالصيغة: Adj R² = 1 - [(1 - R²)(n - 1) / (n - p - 1)]، حيث تمثل n حجم العينة الإجمالي، بينما تمثل p عدد المتغيرات المستقلة المفسرة في النموذج باستثناء الحد الثابت.

تكمن الأهمية القصوى لمعامل التحديد المعدل في دوره الحاسم في حماية الباحث من الوقوع في فخ الإفراط في التوفيق (Overfitting)، حيث يقدم تقديراً غير متحيز لجودة توفيق النموذج في المجتمع الأصلي بدلاً من الاقتصار على عينة الدراسة فقط. وبذلك، يتيح R² المعدل إجراء مقارنات موضوعية وعادلة بين النماذج المتنافسة ذات الأبعاد والتعقيدات المختلفة واختيار النموذج الأكثر كفاءة وإيجازاً (Parsimonious Model).

4.2 الصيغة البرمجية لاستخراج R² المعدل

تتيح بيئة R استخراج معامل التحديد المعدل بنفس السهولة والكفاءة البرمجية عبر النفاذ المباشر إلى الخاصية المخصصة له داخل كائن التلخيص. تتمثل الصيغة البرمجية القياسية في تنفيذ السطر: adj_r2_val <- summary(model)$adj.r.squared، أو باستخدام صيغة الفهرسة المزدوجة الأكثر صرامة: adj_r2_val <- summary(model)[["adj.r.squared"]].

يقوم هذا الإجراء البرمجي بعزل القيمة المعدلة كقيمة رقمية مفردة يمكن تخزينها واستدعاؤها بسهولة. ومن الجدير بالذكر برمجياً وإحصائياً أن معامل التحديد المعدل يمتلك خاصية رياضية مميزة تجعله قادراً على اتخاذ قيم سالبة في الحالات التي يكون فيها النموذج رديء التوفيق للغاية وتقل قدرته التفسيرية عن الصدفة العشوائية، أي عندما يكون مجموع مربعات الانحدار أقل مما هو متوقع بموجب فرضية العدم بالنسبة لدرجات الحرية المستخدمة.

لذلك، يوصى برمجياً عند بناء السكربتات التحليلية التي تعتمد على استخراج القيمة المعدلة تضمين شروط معالجة رقمية لحالات القيم السالبة، مثل استخدام الدالة pmax(0, adj_r2_val) إذا كان الهدف هو حصر النتائج في النطاق التفسيري الإيجابي، أو الإبقاء عليها كما هي مع إدراج تنبيه إحصائي يشير إلى فشل النموذج في تجاوز عتبة التباين العشوائي.

4.3 مقارنة القيمتين برمجياً لتقييم جودة النموذج

يمثل حساب الفارق بين معامل التحديد القياسي ومعامل التحديد المعدل أداة تشخيصية برمجية سريعة وبالغة الفعالية لاكتشاف وجود متغيرات حشوية غير ضرورية داخل النموذج. يمكن برمجة هذه المقارنة بصورة آلية من خلال كتابة تعبير حسابي بسيط يحسب الفرق المطلق: r2_gap <- summary(model)$r.squared - summary(model)$adj.r.squared.

عندما يكون هذا الفارق صغيراً جداً (أقل من 0.02 إلى 0.05 مثلاً)، يشير ذلك إلى أن جميع المتغيرات المضمنة تسهم بشكل حقيقي وفعال في تفسير التباين، وأن النموذج يتمتع بدرجة عالية من الاستقرار. أما إذا اتسع الفارق بشكل ملحوظ، فإن ذلك يعد مؤشراً تحذيرياً قوياً على أن النموذج يعاني من التضخم المصطنع، ويحتوي على متغيرات تستهلك درجات الحرية دون تقديم مساهمة تفسيرية حقيقية.

يمكن أتمتة هذه المراقبة التشخيصية بإنشاء جدول مقارنة موحد باستخدام إطار بيانات منظم يدمج القيمتين والفارق بينهما ونسبة التراجع، عبر تطبيق شفرة مثل: data.frame(R2 = summary(model)$r.squared, Adj_R2 = summary(model)$adj.r.squared, Difference = r2_gap)، مما يسهل على المحلل اتخاذ قرارات حاسمة بشأن تبسيط النموذج أو حذف بعض المتغيرات وفقاً لمبدأ التوفير الإحصائي.

5. الحساب والاشتقاق اليدوي لمعامل التحديد من مكونات النموذج

5.1 الاشتقاق الرياضي القائم على مجموع مربعات البواقي (RSS)

لتعميق الفهم الرياضي لكيفية وصول لغة R إلى قيمة R²، يمكن للمحلل إعادة بناء واشتقاق هذه القيمة يدوياً بالاعتماد الكامل على المكونات الخام المستخرجة من كائن النموذج الأساسي lm. يرتكز الاشتقاق الأول على تفكيك التباين الكلي للمتغير التابع باستخدام مجموع مربعات البواقي (Residual Sum of Squares – RSS)، ومجموع المربعات الكلي (Total Sum of Squares – TSS).

نبدأ أولاً باستخراج متجه البواقي الحسابية للنموذج عبر الدالة المخصصة: res <- residuals(model)، أو بالوصول المباشر إلى model$residuals. يُحسب مجموع مربعات البواقي عن طريق تربيع هذه القيم وجمعها باستخدام الشفرة: RSS <- sum(res^2). بعد ذلك، نحسب مجموع المربعات الكلي للمتغير التابع y، والذي يمثل التباين الأصلي للبيانات حول متوسطها الحسابي من خلال: TSS <- sum((y - mean(y))^2).

بتطبيق المعادلة التعريفية الكلاسيكية لمعامل التحديد: R2_manual <- 1 - (RSS / TSS)، نحصل على قيمة عددية متطابقة تماماً حتى أدنى كسر عشري مع القيمة المستخرجة من summary(model)$r.squared. يثبت هذا التطبيق العملي كيف أن معامل التحديد هو في جوهره النسبة المتبقية بعد طرح نسبة التباين الضائع في البواقي من التباين الكلي.

5.2 الاشتقاق القائم على القيم التقديرية والمتوقعة (Fitted Values)

يقوم المسار البديل للاشتقاق الرياضي لمعامل التحديد على قياس مقدار التباين الذي نجح النموذج في الإمساك به وتوليده عبر القيم المتنبأ بها، والمعروف بمجموع مربعات النموذج أو الانحدار (Model Sum of Squares – MSS أو Explained Sum of Squares – ESS). يتيح هذا الأسلوب التحقق من تماسك نظرية تحليل التباين (ANOVA) المرتبطة بالنماذج الخطية القياسية.

يتم أولاً استخراج القيم المتوقعة المحسوبة لكل مشاهدة من كائن النموذج عبر الدالة: y_hat <- fitted(model)، أو مباشرة من model$fitted.values. يمثل تشتت هذه القيم التقديرية حول المتوسط الحسابي العام للمتغير التابع المقدار الفعلي للتغير المفسر، ويتم حسابه عبر جمع مربعات انحرافاتها عن المتوسط: MSS <- sum((y_hat - mean(y))^2).

تُعطى قيمة معامل التحديد في هذه الحالة بالصيغة المباشرة: R2_from_fitted <- MSS / TSS. وفي النماذج الخطية التقليدية التي تحتوي على حد ثابت (Intercept)، يتطابق هذا الناتج تماماً مع الناتج المشتق من طريقة البواقي السابقة، محققاً المعادلة التباينية الشهيرة: TSS = MSS + RSS. يؤكد هذا التطابق الحسابي سلامة المواءمة الخطية وتوازن توزيع التباين بين الجزء المفسر والجزء المتبقي.

5.3 بناء دوال مخصصة (Custom Functions) لحساب واستخراج R²

في العديد من سيناريوهات الحوسبة الإحصائية المكثفة، قد يكون استدعاء الدالة الكاملة summary(model) فقط من أجل استخراج R² خياراً غير فعال من حيث استهلاك الذاكرة وسرعة المعالجة، نظراً لأن الدالة تقوم بحساب مصفوفات المعاملات والخطأ المعياري واختبارات t لجميع المتغيرات دون حاجة إليها. هنا تبرز أهمية كتابة دوال R مخصصة وعالية الكفاءة لحساب واستخراج معامل التحديد مباشرة من كائن lm.

يمكننا بناء دالة برمجية مخصصة ومحكمة تعتمد على معالجة البواقي السريعة مع التحقق من صحة المدخلات؛ حيث تبدأ الدالة بفحص ما إذا كان الكائن الممرر إليها ينتمي بالفعل إلى الفئة المطلوبة عبر inherits(model, "lm")، ثم تستخرج البواقي والقيم التقديرية لحساب R² العادي والمعدل في أجزاء من الثانية دون إنشاء كائن الملخص الكامل.

يمكن ضبط هذه الدالة لتعيد النتائج في هيئة قائمة مسماة (Named List) أو متجه رقمي منظم يضم كلاً من: R2 و Adj_R2 ودرجات الحرية، مما يحقق تسريعاً كبيراً في الأداء الحسابي قد يصل إلى أضعاف السرعة الأصلية، وهو فارق جوهري بالغ التأثير عند تكرار العملية مئات الآلاف من المرات داخل حلقات المحاكاة الكبرى.

6. استخراج وتنسيق R² باستخدام حزم نظام Tidyverse و Broom

6.1 استخدام دالة glance() من حزمة broom

أحدثت منظومة broom ثورة في كيفية تعامل مبرمجي ومحللي لغة R مع مخرجات النمذجة الإحصائية، حيث نقلت المجال من الاعتماد على القوائم العشوائية والكائنات المعقدة إلى بيئة البيانات المنظمة (Tidy Data Principles). توفر حزمة broom دالة متخصصة وشهيرة تحمل اسم glance()، صُممت خصيصاً لاستخراج جميع مؤشرات جودة التوفيق الإجمالية للنموذج في سطر واحد داخل إطار بيانات منظم (Tibble).

عند تطبيق الدالة عبر الشفرة: glance_output <- broom::glance(model)، يتم إنتاج جدول أحادي السطر يحتوي على أعمدة محددة وثابتة تشمل: r.squared، و adj.r.squared، و sigma، و statistic (قيمة اختبار F)، و p.value، و AIC، و BIC. يتيح هذا التنظيم الهيكلي النفاذ إلى معامل التحديد مباشرة كعمود بيانات عبر الصيغة: glance_output$r.squared.

تتمثل الميزة الاستثنائية لاستخدام glance() في التوحيد القياسي للمسميات والأنماط البرمجية؛ إذ تعمل هذه الدالة بالأسلوب نفسه ومع نفس المسميات عبر العشرات من أنواع النماذج المختلفة في R (مثل glm و nls ونماذج السلاسل الزمنية)، مما يعفي المحلل من حفظ البنى الداخلية المختلفة لكل نوع من أنواع الكائنات الإحصائية.

6.2 الدمج مع دوال dplyr و tibble لمعالجة البيانات

يفتح استخراج مؤشرات النموذج بصيغة جداول منظمة الباب واسعاً للاستفادة الكاملة من قوة ومرونة حزمة dplyr في تصفية وتنسيق ومقارنة معاملات التحديد لنماذج متعددة بسلاسة فائقة. باستخدام عامل الربط الأنبوبي (Pipe Operator %>% أو الأنبوب الأصلي |>)، يمكن بناء سلاسل تحليلية متكاملة تنقل البيانات من مرحلة النمذجة إلى مرحلة التقارير النهائية في خطوات مقروءة وأنيقة.

على سبيل المثال، عند بناء ثلاثة نماذج خطية بدرجات تعقيد متزايدة (نموذج أولي، ونموذج وسيط، ونموذج كامل)، يمكن مواءمة النماذج ودمج ملخصات جودتها في جدول واحد باستخدام الدالة: bind_rows(Model1 = glance(fit1), Model2 = glance(fit2), Model3 = glance(fit3), .id = "Model_Name"). ينتج عن ذلك إطار بيانات متكامل يضم النماذج الثلاثة في صفوف منفصلة.

يمكن بعد ذلك تطبيق دوال select() لاختيار أعمدة R² و R² المعدل فقط، ودالة mutate() لتحويل القيم إلى نسب مئوية مقربة، ودالة arrange(desc(adj.r.squared)) لترتيب النماذج تنازلياً وفقاً لقدرتها التفسيرية الحقيقية، مما يختزل ساعات من العمل اليدوي في أسطر برمجية محدودة وعالية الكفاءة.

6.3 التعامل مع النماذج المجمعة والمتداخلة عبر purrr

تبرز القوة الحقيقية لدمج حزمة broom مع البرمجة الوظيفية المتقدمة عبر حزمة purrr عند التعامل مع مجموعات البيانات المقسمة طبقياً (Stratified/Grouped Data)، حيث يرغب الباحث في مواءمة نموذج انحدار خطي منفصل لكل فئة أو مجموعة سكانية أو تجريبية على حدة واستخراج معاملات التحديد المقابلة لكل فئة بنقرة واحدة.

يبدأ المسار التحليلي بتقسيم وتجميع البيانات عبر دالتي group_by() و nest()، مما ينتج إطار بيانات متداخل (Nested Data Frame) يحتوي على جدول بيانات فرعي لكل مجموعة داخل خلايا العمود data. باستخدام دالة purrr::map()، يتم مواءمة الدالة lm() عبر جميع الجداول الفرعية بصورة متوازية، تليها خطوة استخراج مقاييس الجودة عبر تطبيق map(model, glance).

في الخطوة الختامية، يتم فك التداخل واستخراج القيم الرقمية لمعامل التحديد لكل مجموعة عبر دالة unnest()، أو باستخدام الدالة المتخصصة map_dbl(model, ~summary(.x)$r.squared) لإنتاج عمود رقمي مباشر. تضمن هذه المنهجية البرمجية معالجة مئات المجموعات الفرعية دفعة واحدة بدقة متناهية ودون الحاجة لكتابة حلقات تكرار يدوية معقدة وعرضة للخطأ.

7. استخراج معاملات التحديد الجزئية وشبه الجزئية في النماذج المتعددة

7.1 مفهوم التباين الجزئي وشبه الجزئي للمتغيرات الفردية

في نماذج الانحدار الخطي المتعدد التي تحتوي على متغيرين مستقلين أو أكثر، لا يعكس معامل التحديد الكلي R² الصورة الكاملة لديناميكية التأثيرات المتبادلة؛ نظراً لأن المتغيرات المستقلة غالباً ما ترتبط ببعضها البعض وتتشارك في تفسير أجزاء من تباين المتغير التابع (Multicollinearity / Shared Variance). من هنا تنشأ الحاجة المنهجية لتفكيك R² الكلي إلى مقاييس تباين جزئية تعزل المساهمة الفريدة لكل متغير على حدة.

يُعرف معامل التحديد الجزئي (Partial R²) بأنه نسبة التباين في المتغير التابع التي يفسرها متغير مستقل معين بعد استبعاد وحذف أثر التباين المفسر بواسطة بقية المتغيرات المستقلة في النموذج من كل من المتغير التابع وذلك المتغير المستقل معاً. بعبارة أخرى، يمثل Partial R² نسبة التحسن الإضافي في النموذج عند إدراج هذا المتغير مقارنة بنموذج يستبعده تماماً.

أما معامل التحديد شبه الجزئي (Semipartial أو Part R²)، فيمثل نسبة التباين الإجمالي الكلي للمتغير التابع التي يفسرها المتغير المستقل بشكل فريد وحصري بعد استبعاد أثر بقية المتغيرات المستقلة من ذلك المتغير فقط مع إبقاء المتغير التابع على تباينه الكلي الأصلي. يعد هذا التمييز ذا أهمية بالغة في العلوم النفسية والتربوية لتحديد الأوزان النسبية الحقيقية للمتنصلات والمحددات السلوكية بدقة.

7.2 استخراج R² الجزئي باستخدام حزمة rsq وحزمة ppcor

توفر حزمة rsq المتخصصة في لغة R دوالاً إحصائية متقدمة ومباشرة لحساب واستخراج معاملات التحديد الجزئية لنماذج الانحدار الخطي والتعميمي. باستخدام دالة rsq.partial(model)، تقوم الحزمة بتحليل مصفوفات التباين واستخراج المساهمة الجزئية لكل متغير مستقل مدرج في كائن lm بصورة تلقائية وتنسيقها في جدول منظم يوضح اسم كل متغير وقيمة Partial R² المرتبطة به.

من جانب آخر، تقدم حزمة ppcor الشهيرة إمكانية حساب معاملات الارتباط الجزئية وشبه الجزئية بدقة عالية عبر الدالتين pcor() و spcor(). للحصول على معامل التحديد شبه الجزئي (Semipartial R²)، يتم تمرير مصفوفة البيانات إلى دالة spcor(data_matrix)، ثم استخراج مصفوفة التقديرات ورفع قيمها إلى القوة التربيعية (Squaring the estimate values) عبر الشفرة: spcor_result$estimate^2.

يتيح هذا الإجراء البرمجي للمحلل عزل النسبة المئوية الدقيقة للتباين الكلي التي يقدمها كل متغير مستقل بمفرده، مما يمنع التفسير المضلل للمتغيرات ذات الارتباط التبادلي المرتفع ويوفر فهماً حقيقياً للبنية التفسيرية الداخلية لنموذج الانحدار المتعدد.

7.3 تقييم الأهمية النسبية للمتغيرات المستقلة

نظراً لأن مجموع معاملات التحديد شبه الجزئية الفريدة لا يتطابق في الغالب مع معامل التحديد الكلي R² بسبب وجود التباين المشترك (Shared Variance) بين المتنبئات، فقد طُوّرت تقنيات متقدمة لتقسيم وتوزيع R² الكلي بشكل عادل بين المتغيرات المستقلة، وتتصدر حزمة relaimpo (Relative Importance) هذه الأدوات في بيئة R.

تعتمد الدالة الأساسية calc.relimp(model, type = "lmg") على مقياس Lindeman, Merenda, and Gold (LMG)، وهو خوارزمية رياضية متقدمة تقوم بحساب المساهمة الحدية المتسلسلة للمتغير عبر جميع التباديل والترتيبات الممكنة لإدخال المتغيرات في النموذج وأخذ متوسطها الحسابي. ينتج عن هذا التحليل تفكيك دقيق للـ R² الكلي يضمن أن يكون مجموع الأهميات النسبية للمتغيرات مساوياً تماماً لقيمة معامل التحديد الإجمالية للنموذج.

يمكن استخراج هذه النسب برمجياً عبر النفاذ إلى العنصر rel_imp@lmg من الكائن الناتج، وتحويله إلى جدول بياني أو رسمه عبر الدالة المدمجة plot()، مما يوفر وسيلة إيضاح بصرية ومنهجية قوية لإظهار المتغير الأكثر حسماً وتأثيراً في تفسير الظاهرة محل الدراسة.

8. أتمتة استخراج R² عبر نماذج وبيانات متعددة

8.1 استخدام حلقات التكرار (For Loops) لاستخراج القيم المتسلسلة

في البيئات التحليلية التي تتطلب معالجة ملفات بيانات متعددة أو تجربة توليفات مختلفة من المتغيرات عبر مسارات متسلسلة، تظل حلقات التكرار الكلاسيكية (For Loops) خياراً برمجياً واضحاً وسهل التتبع لأتمتة عملية استخراج معاملات التحديد وتخزينها بصورة منهجية ومنظمة.

تبدأ الممارسة البرمجية السليمة بإنشاء متجه فارغ مهيأ مسبقاً لاستقبال القيم لتجنب بطء عمليات إعادة تخصيص الذاكرة الديناميكية (Dynamic Memory Allocation)، مثل: r2_results <- numeric(length(data_list)). بعد ذلك، يتم تشغيل حلقة التكرار للمرور على عناصر القائمة، ومواءمة النموذج الخطي داخل كل دورة، واستخراج قيمة R² وحفظها مباشرة في الموقع المخصص لها في المتجه عبر: r2_results[i] <- summary(fit_i)$r.squared.

لضمان استقرار السكربت وعدم توقفه المفاجئ عند مواجهة مجموعات بيانات فرعية تحتوي على أخطاء أو حالات شاذة تمنع تقارب النموذج، يوصى بدمج الدالة الحمائية tryCatch() داخل حلقة التكرار، بحيث يتم تسجيل القيمة NA في حال فشل المواءمة مع الاستمرار في تنفيذ بقية الدورات بسلاسة وأمان.

8.2 تطبيق عائلة دوال Apply (lapply و sapply)

تمثل عائلة دوال Apply في لغة R الأساسية النمط الوظيفي الأكثر أناقة وسرعة في معالجة المهام التكرارية مقارنة بحلقات التكرار التقليدية. عندما يمتلك الباحث قائمة تحتوي على صيغ انحدارية متعددة (Formulas Vector) يرغب في مقارنتها على نفس مجموعة البيانات، يمكنه استخدام الدالة lapply() لمواءمة النماذج دفعة واحدة عبر السطر: models_list <- lapply(formulas, function(f) lm(f, data = df)).

بمجرد إنشاء قائمة كائنات النماذج، يمكن استخراج جميع معاملات التحديد في خطوة برمجية واحدة مقتضبة وفائقة السرعة باستخدام الدالة sapply() عبر الشفرة: all_r2 <- sapply(models_list, function(m) summary(m)$r.squared). تقوم الدالة sapply() بتبسيط المخرجات تلقائياً وإرجاع متجه رقمي مسمى (Named Numeric Vector) يحمل اسم كل صيغة وقيمتها المقابلة لمعامل التحديد.

يتميز هذا الأسلوب الوظيفي بكفاءته العالية في استهلاك الموارد وتوافقه التام مع إمكانيات المعالجة المتوازية (Parallel Processing) عبر حزمة parallel، حيث يمكن استبدال lapply بالدالة mclapply لتوزيع مواءمة آلاف النماذج واستخراج قيم R² عبر أنوية المعالج المتعددة في ثوانٍ معدودة.

8.3 مقارنة النماذج المتداخلة واستخراج التغير في R² (R-Squared Change)

يُعد تحليل الانحدار الخطي الهرمي (Hierarchical / Stepwise Linear Regression) أسلوباً منهجياً رصيناً في العلوم السلوكية لاختبار ما إذا كانت إضافة مجموعة معينة من المتغيرات المستقلة (الخطوة الثانية) تقدم زيادة دالة إحصائياً في القدرة التفسيرية للنموذج فوق ما يقدمه النموذج الأساسي المحتوي على المتغيرات الضابطة (الخطوة الأولى).

تتطلب أتمتة هذه العملية مواءمة النموذجين المتداخلين model1 و model2، ثم استخراج معاملي التحديد المقابلين وحساب الفارق المباشر بينهما، والذي يُعرف إحصائياً بالتغير في معامل التحديد (R-Squared Change): delta_r2 <- summary(model2)$r.squared - summary(model1)$r.squared. يمثل هذا التغير الإسهام الحصري الصافي لكتلة المتغيرات الجديدة المضافة.

لاختبار الدلالة الإحصائية لهذا التغير، يتم تمرير النموذجين إلى دالة تحليل التباين: anova_res <- anova(model1, model2)، واستخراج قيمة F التزايدية ومستوى الدلالة الاحتمالي p.value المرتبط بها عبر anova_res$`Pr(>F)`[2]. يتيح دمج هذه العناصر برمجياً بناء جدول هرمي آلي ومحكم يوضح R² الأساسي، و R² الجديد، وقيمة ΔR²، ومستوى المعنوية الإحصائي لكل خطوة بأسلوب أكاديمي قياسي.

9. تقدير فترات الثقة لمعامل التحديد عبر أسلوب إعادة التعيين (Bootstrapping)

9.1 المسوغات المنهجية لبناء فترات ثقة لمعامل التحديد

على الرغم من شيوع الاعتماد على التقدير النقطي المفرد لمعامل التحديد R²، إلا أن المنهجيات الإحصائية الحديثة تشدد على ضرورة تزويد هذا التقدير بفترات ثقة (Confidence Intervals – CI) تعكس دقة التقدير وهامش الخطأ العيني المحتمل. تنبع الصعوبة الرياضية في التقدير البارامتري الكلاسيكي لفترات ثقة R² من تعقيد توزيعه العيني في العينات المحدودة؛ حيث يكون التوزيع ملتوياً وغير متماثل ويقترب من توزيع مربع كاي أو توزيع فيشر غير المركزي.

تزداد هذه الصعوبة في عينات العلوم النفسية والاجتماعية التي تعاني غالباً من صغر الحجم النسبي وانتهاك افتراض التوزيع الطبيعي المتعدد (Multivariate Normality). في ظل هذه الظروف، تصبح الطرق البارامترية التقليدية غير دقيقة وتنتج فترات ثقة مشوهة قد تتجاوز النطاق المنطقي أو تفرط في التفاؤل بدقة النموذج.

يمثل أسلوب إعادة التعيين اللابارامتري (Non-parametric Bootstrapping) الحل الأمثل والأكثر متانة لتجاوز هذه القيود؛ إذ يعتمد على إعادة سحب آلاف العينات العشوائية المتكررة مع الإحلال من بيانات الدراسة الأصلية لتوليد التوزيع العيني التجريبي الفعلي لمعامل التحديد دون فرض أي شروط توزيعية مسبقة، مما يعزز الشفافية والموثوقية المنهجية للنتائج المنشورة.

9.2 تطبيق حزمة boot لاستخراج توزيع قيم R²

تُعد حزمة boot القياسية في R الأداة المعيارية المعتمدة لتنفيذ عمليات إعادة التعيين الإحصائي بكفاءة عالية. يتطلب تطبيق هذه الحزمة خطوتين برمجيتين أساسيتين: كتابة دالة إحصائية مخصصة متوافقة مع متطلبات الحزمة، ثم استدعاء دالة التشغيل الرئيسية boot().

تُعرف الدالة المخصصة لتستقبل وسيطين هما مصفوفة البيانات data ومتجه المؤشرات العشوائية indices. داخل جسم الدالة، يتم استخلاص العينة المعادة عبر d <- data[indices, ]، ومواءمة نموذج الانحدار الخطي عليها، ثم إرجاع قيمة معامل التحديد مباشرة من خلال return(summary(fit)$r.squared).

يتم بعد ذلك تشغيل المحاكاة التكرارية عبر الشفرة: boot_obj <- boot(data = my_data, statistic = r2_boot_fun, R = 2000)، حيث يحدد المعامل R = 2000 عدد العينات المولدة. يقوم هذا الإجراء بتخزين توزيع كامل يضم ألفي قيمة مستخرجة لمعامل التحديد داخل المتجه boot_obj$t، فضلاً عن حساب الانحياز العيني والخطأ المعياري التجريبي لـ R².

9.3 استخراج فترات الثقة المئوية وتفسيرها برمجياً

عقب إتمام عملية إعادة التعيين بنجاح، يتم استخراج فترات الثقة الإحصائية عند مستوى ثقة 95% باستخدام الدالة المتخصصة boot.ci(). توفر هذه الدالة عدة خوارزميات لحساب الفترات، من أهمها طريقة الرتب المئوية البسيطة (Percentile Bootstrap)، وطريقة التصحيح المعدل للانحياز والتسارع (Bias-Corrected and Accelerated – BCa)، والتي تُعد الخوارزمية الأكثر دقة وموصى بها أكاديمياً للتعامل مع التوزيعات الملتوية لـ R².

يتم استخراج فترات الثقة عبر تنفيذ: boot_ci_res <- boot.ci(boot_obj, type = c("perc", "bca")). يمكن الوصول البرمجي المباشر إلى الحد الأدنى (Lower Bound) والحد الأعلى (Upper Bound) لفترة ثقة BCa من خلال الفهرسة الرقمية لعنصر المخرجات عبر: ci_lower <- boot_ci_res$bca[4] و ci_upper <- boot_ci_res$bca[5].

عند صياغة التقرير الأكاديمي، تُعرض النتائج بالصيغة القياسية: “بلغ معامل التحديد للنموذج المقدر R² = 0.42 مع فترة ثقة 95% مبنية على 2000 عينة بوتستراب تتراوح بين [0.28, 0.54]”. يمنح هذا التوثيق القارئ تقييماً دقيقاً لمدى استقرار النموذج ويوضح النطاق الواقعي للقوة التفسيرية للظاهرة في المجتمع الإحصائي المسحوبة منه العينة.

10. استكشاف المشكلات البرمجية والأخطاء الشائعة وإصلاحها

10.1 معالجة خطأ استدعاء الخصائص مباشرة من كائن lm

من أكثر الأخطاء البرمجية شيوعاً بين المبتدئين والباحثين في لغة R هو محاولة استخراج معامل التحديد مباشرة من كائن النموذج الأولي عبر كتابة: model$r.squared. ينتج عن هذا الاستدعاء دائماً إرجاع القيمة الفارغة NULL دون إظهار رسالة خطأ صريحة توقف تنفيذ السكربت، مما قد يؤدي إلى تمرير قيم مفقودة إلى بقية العمليات التحليلية والتسبب في أخطاء صامتة متتالية يصعب اكتشافها وتصحيحها.

يعود السبب الجوهري لهذا السلوك البرمجي إلى ما وضحناه سابقاً في تشريح كائنات فئة S3؛ حيث أن كائن lm لا يحتوي في قائمته الأصلية على هذا الحقل. يتطلب التصحيح البرمجي دائماً استدعاء الدالة التلخيصية أولاً: summary(model)$r.squared، أو استدعاء الدوال الوسيطة المخصصة مثل broom::glance(model)$r.squared.

لتفادي هذا الخطأ في خطوط الإنتاج البرمجية المؤتمتة، يُنصح بتضمين اختبارات تحقق مسبقة في الشيفرات (Assertions) باستخدام دوال مثل stopifnot() للتأكد من أن القيمة المستخرجة ليست NULL وتتبع النوع الرقمي قبل المضي قدماً في تشغيل العمليات الحسابية أو تصدير التقارير.

10.2 التعامل مع القيم المفقودة (Missing Data) وتأثيرها

تؤثر آلية تعامل لغة R مع البيانات المفقودة (NA Values) تأثيراً مباشراً وحاسماً على حجم العينة الفعلي الداخل في حساب النموذج الخطي، وبالتالي على القيمة المقدرة لمعامل التحديد R². افتراضياً، تطبق الدالة lm() الخيار na.action = na.omit، والذي يقوم بحذف أي مشاهدة تحتوي على قيمة مفقودة في أي من المتغيرات الداخلة في المعادلة الانحدارية (Listwise Deletion).

تنشأ المشكلة المنهجية والبرمجية الخطيرة عند إجراء مقارنات بين نموذجين متنافسين يعتمدان على أعداد مختلفة من المتغيرات المستقلة؛ حيث قد يؤدي إدخال متغير جديد يحتوي على قيم مفقودة إضافية إلى تقليص حجم العينة الفعلي للنموذج الثاني تلقائياً دون انتباه الباحث. في هذه الحالة، يصبح من غير الجائز إحصائياً مقارنة قيمتي R² بين النموذجين، لأن كل نموذج تم حسابه على عينة مختلفة ومجموع مربعات كلي (TSS) غير متطابق.

للتغلب على هذه المعضلة برمجياً، يجب التحقق دائماً من عدد المشاهدات الفعلي المستخدم في مواءمة النموذج عبر استخراج الخاصية المخصصة: n_obs <- nobs(model)، أو فحص طول متجه البواقي عبر length(residuals(model)). كما يجب التأكد التام من تطابق حجم العينة في جميع النماذج المقارنة عبر تنقية البيانات مسبقاً أو تطبيق أساليب التعويض المتعدد للبيانات المفقودة (Multiple Imputation) لضمان نزاهة المقارنات الإحصائية.

10.3 حالة النماذج دون حد ثابت (Zero-Intercept Models) والتحذيرات المتعلقة بها

عند مواءمة نموذج انحدار خطي يتم فيه إجبار خط الانحدار على المرور بنقطة الأصل (Zero-Intercept / Regression Through the Origin) عبر كتابة الصيغة: lm(y ~ x - 1) أو lm(y ~ 0 + x)، تطبق لغة R تعريفاً رياضياً مختلفاً تماماً لمعامل التحديد يختلف عن التعريف القياسي للنماذج المزودة بحد ثابت.

في هذه النماذج الخالية من الثابت، يتم حساب مجموع المربعات الكلي دون طرح المتوسط الحسابي، أي كحاصل جمع المربعات الخام للمتغير التابع: TSS_raw = sum(y^2) بدلاً من sum((y - mean(y))^2). يؤدي هذا التغيير الرياضي الجوهري إلى تضخيم قيمة R² الناتجة بشكل اصطناعي ودراماتيكي، حيث تقترب القيمة غالباً من 0.95 أو أكثر حتى لو كان التوفيق الفعلي للبيانات ضعيفاً ومشوهاً.

تحذر الأدبيات الإحصائية الصارمة من مقارنة معامل التحديد المستخرج من نموذج خالٍ من الثابت بنظيره المستخرج من نموذج يحتوي على ثابت، نظراً لعدم تكافؤ الأساس المرجعي لمجموع المربعات. برمجياً، يجب فحص وجود الحد الثابت دائماً عبر التحقق من أسماء المعاملات: has_intercept <- "(Intercept)" %in% names(coef(model))، وتجنب استخدام R² كمقياس لجودة التوفيق في النماذج الصفرية، والاستعاضة عنه بمقاييس الأخطاء المعيارية للبواقي أو معيار المعلومات الأكائيكي (AIC).

11. إدراج قيم R² المستخرجة داخل الرسوم البيانية والتقارير الآلية

11.1 التضمين الديناميكي لقيمة R² داخل رسوم ggplot2

يمثل التوثيق البصري للنماذج الخطية وسيلة فائقة الفعالية لإيصال النتائج العلمية، وتتيح حزمة ggplot2 الرائدة دمج قيم معامل التحديد المستخرجة برمجياً بصورة ديناميكية وأنيقة داخل اللوحات البيانية إلى جانب خطوط الانحدار التوضيحية.

تعتمد الطريقة المنهجية على استخراج قيمة R² من النموذج، وتقريبها إلى منزلتين أو ثلاث منازل عشرية، ثم صياغة تعبير نصي رياضي يستفيد من محرك التنسيق الرياضي في R (Plotmath). يتم إنشاء النص باستخدام الدالة: r2_label <- paste0("italic(R)^2 == ", round(summary(model)$r.squared, 3)).

بعد ذلك، يتم تمرير هذا التعبير إلى طبقة التوضيح النصي عبر دالة annotate() داخل بنية الرسم البياني مع تفعيل الخيار parse = TRUE، مثل: ggplot(df, aes(x, y)) + geom_point() + geom_smooth(method = "lm", se = TRUE) + annotate("text", x = Inf, y = -Inf, label = r2_label, parse = TRUE, hjust = 1.1, vjust = -1.1). يضمن هذا التنسيق الرياضي ظهور الرمز بصورة طباعية أكاديمية أنيقة مع رمز R مائل ورقم 2 مرتفع (Superscript) متوافق تماماً مع متطلبات النشر العلمي.

11.2 استخدام حزمة ggpubr لإظهار معادلة الانحدار و R² آلياً

توفر حزمة ggpubr طبقة برمجية مبسطة وعالية الأداء فوق حزمة ggplot2، صُممت خصيصاً لتسهيل إنتاج رسوم بيانية جاهزة للنشر المباشر في المجلات العلمية. تتضمن الحزمة دالة سحرية مخصصة تحمل اسم stat_regline_equation() تتولى مواءمة النموذج الخطي وحساب واستخراج وإظهار معادلة الانحدار وقيمة R² آلياً على الرسم دون الحاجة لكتابة كود الاستخراج المسبق يدوياً.

بإضافة سطر برمجي واحد إلى الرسم: stat_regline_equation(aes(label = paste(..eq.label.., ..rr.label.., sep = "~~~~")), formula = y ~ x)، تقوم الحزمة باستخراج معاملات الانحدار وقيمة R² وطباعتها بصيغة رياضية متناسقة فوق خط الاتجاه العام.

تتألق هذه الميزة بشكل استثنائي عند استخدام الرسوم متعددة الألواح أو المقسمة إلى فئات تجريبية عبر دالة facet_wrap()؛ حيث تقوم الحزمة بحساب واستخراج وعرض قيمة R² المنفصلة والخاصة بكل لوحة فرعية ومجموعة تجريبية على حدة وبصورة تلقائية ومستقلة، مما يوفر جهداً برمجياً هائلاً ويمنح مقارنة بصرية فورية لجودة النموذج عبر الفئات المختلفة.

11.3 إنشاء تقارير متوافقة مع دليل نشر APA في بيئة R Markdown

في إطار تطبيق مبادئ الحوسبة القابلة لإعادة الإنتاج، يتيح نظام R Markdown و Quarto كتابة تقارير علمية ديناميكية تدمج الشيفرات البرمجية والتحليلات الإحصائية وصياغة النصوص الأكاديمية في مستند واحد ينتج ملفات بتنسيقات PDF و Word و HTML فائقة التنسيق.

تعتمد كتابة النصوص الديناميكية المتوافقة مع معايير جمعية علم النفس الأمريكية (APA 7th Edition) على الأكواد المضمنة داخل الفقرات (Inline R Code). تفرض معايير APA حذف الصفر الأولي قبل الفاصلة العشرية للمؤشرات الإحصائية التي لا يمكن أن تتجاوز القيمة 1 (مثل R² وقيم p-values)، وكتابة الرمز بخط مائل.

يمكن تحقيق هذا التنسيق الصارم برمجياً عبر كتابة تعبير مضمن مثل: `r paste0("*R*^2^ = ", sub("^0", "", sprintf("%.2f", summary(model)$r.squared)))` داخل متن الفقرة. عند تصدير المستند، يتحول هذا الكود تلقائياً في النص المطبوع إلى: “R² = .42″. كما يمكن استخدام حزم متخصصة مثل apaTables أو sjPlot لإنشاء وتصدير جداول انحدار شاملة تتضمن معاملات الانحدار والأخطاء المعيارية وقيم R² و ΔR² مهيأة بالكامل وفق قواعد APA بنقرة واحدة.

12. أفضل الممارسات المنهجية لتفسير وتوثيق معاملات التحديد المستخرجة

12.1 المعايير المنهجية لتفسير حجم الأثر المبني على R²

يعد الانتقال من الاستخراج العددي المجرد لقيمة R² إلى التقييم النوعي لحجم الأثر (Effect Size) خطوة منهجية تتطلب استناداً إلى أطر نظرية وإحصائية راسخة. وضع جاكوب كوهين (Jacob Cohen) في كتابه المرجعي الشهير معايير استرشادية لتفسير قيم معاملات التحديد في العلوم السلوكية والنفسية، حيث صنف القيمة R² = 0.01 كأثر صغير، و R² = 0.09 كأثر متوسط، و R² = 0.25 كأثر كبير.

ومع ذلك، يؤكد المنهجيون المعاصرون على ضرورة عدم التعامل مع هذه العتبات كقواعد جامدة بمعزل عن السياق الموضوعي للدراسة؛ ففي أبحاث التدخلات العلاجية أو الدراسات الوبائية واسعة النطاق، قد يمثل تفسير نسبة 2% أو 3% فقط من التباين في معدلات التعافي أو خفض السلوكيات الخطرة أثراً بالغ الأهمية وذا قيمة تطبيقية تسهم في إنقاذ الأرواح، بينما قد تعتبر نسبة 30% في دراسات قياس القدرات المعرفية المعملية توفيقاً متواضعاً.

يجب على الباحث أيضاً تجنب الخلط المفاهيمي بين القوة التفسيرية (Explanation) والقدرة التنبؤية (Prediction)؛ فارتفاع قيمة R² داخل عينة الدراسة الحالية لا يضمن بالضرورة قدرة النموذج على التنبؤ الدقيق بمشاهدات مستقبلية جديدة من خارج العينة، خاصة في ظل وجود خطأ القياس العشوائي في أدوات الاستبيان والتقييم السلوكي الذي يعمل دائماً على تخفيض القيمة المقدرة لمعامل التحديد (Attenuation Effect).

12.2 مؤشرات التحقق التبادلي المرافقة لمعامل التحديد

لضمان متانة النموذج الإحصائي والتحقق من صدقه التنبؤي الخارجي، تنص الممارسات البحثية المتقدمة على عدم الاكتفاء بالاعتماد المنفرد على قيمة R² المستخرجة من عينة التدريب، بل يجب دعمها بمؤشرات التحقق المتقاطع (k-fold Cross-Validation).

يقوم التحقق المتقاطع بتقسيم البيانات إلى عدة أجزاء متساوية (مثلاً k = 5 أو 10)، وتدريب النموذج على أجزاء واختبار قدرته التنبؤية على الجزء المتبقي، ثم حساب معامل التحديد التنبؤي خارج العينة (Out-of-sample R²). يتيح هذا الإجراء البرمجي فحص ما إذا كان النموذج يعاني من التوفيق المفرط مع تفاصيل وضوضاء العينة الأصلية، ويوفر تقديراً حقيقياً لقدرته على التعميم.

بالإضافة إلى ذلك، يُنصح بتعزيز تقرير النموذج بمقاييس المعلومات النسبية مثل معيار أكائيكي للمعلومات (Akaike Information Criterion – AIC) ومعيار المعلومات البيزي (Bayesian Information Criterion – BIC) عبر الدوال المباشرة AIC(model) و BIC(model). توفر هذه المؤشرات المكملة أساساً عقابياً أكثر صرامة لتعقيد النماذج وتساعد في الموازنة الدقيقة بين جودة التفسير وبساطة النموذج.

12.3 توثيق وضمان قابلية تكرار الشيفرات البرمجية (Reproducibility)

يمثل الالتزام بمبادئ العلوم المفتوحة (Open Science) وقابلية إعادة الإنتاج الصارمة المعيار الذهبي في النشر الأكاديمي والتحليل الإحصائي الحديث. لضمان قدرة الباحثين الآخرين على تكرار نفس النتائج البرمجية واستخراج نفس قيم معاملات التحديد بدقة متطابقة، يجب توثيق البيئة البرمجية وحزم R المستخدمة وإصداراتها بالتفصيل في ملحق الدراسة.

تتيح الدالة المدمجة sessionInfo() التقاط وحفظ تفاصيل إصدار لغة R الأساسية، ونظام التشغيل، وأرقام الإصدارات الدقيقة لجميع الحزم الإحصائية المحملة أثناء التحليل، مما يضمن الشفافية البرمجية الكاملة ويسهل تتبع أي اختلافات ناتجة عن تحديثات الحزم المستقبلية.

علاوة على ذلك، عند استخدام تقنيات إعادة التعيين أو خوارزميات المحاكاة العشوائية لاستخراج فترات ثقة R²، يجب دائماً تحديد وضبط بذرة التوليد العشوائي في بداية السكربت عبر الأمر: set.seed(12345). يضمن هذا الإجراء البرمجي الحاسم إعادة توليد نفس العينات العشوائية ونفس فترات الثقة الرقمية تماماً عند إعادة تشغيل التحليل بواسطة أي باحث في أي وقت ومن أي جهاز حاسوبي.

خاتمة

لقد استعرض هذا الدليل المنهجي والتطبيقي الشامل الأبعاد البرمجية والرياضية والإحصائية المتكاملة لاستخراج وتفسير معامل التحديد (R-Squared) بأنواعه المختلفة من مخرجات الدالة الأساسية lm() في لغة R. لقد اتضح بجلاء أن عملية الاستخراج البرمجي ليست مجرد خطوة تقنية بسيطة، بل هي ممارسة منهجية تستند إلى فهم عميق للبنية الهيكلية لكائنات فئات S3 في لغة R، والتمييز الدقيق بين التقدير الرياضي الأولي لحسابات المربعات الصغرى العادية وبين الاشتقاقات الاستدلالية المتقدمة التي توفرها كائنات التلخيص.

إن إتقان استخراج قيم R² و R² المعدل والجزئي، سواء عبر دوال R الأساسية أو من خلال بيئة البيانات المنظمة في tidyverse و broom، يمثل الأساس الصلب لأتمتة مسارات التحليل الإحصائي، وتوليد التقارير الأكاديمية التفاعلية والديناميكية المتوافقة مع معايير النشر الدولية مثل APA، فضلاً عن فتح آفاق متقدمة لتطبيق خوارزميات المحاكاة اللابارامترية عبر البوتستراب لتقدير فترات الثقة بدقة متناهية.

ختاماً، يجب التأكيد على أن المؤشرات الإحصائية المستخرجة برمجياً تظل مجرد أدوات كمية تكتسب قيمتها الحقيقية من كفاءة الباحث في توظيفها وسياقها النظري الرصين؛ فالقيمة المرتفعة لمعامل التحديد لا تعني بالضرورة جودة النموذج ما لم تكن مصحوبة بفحص صارم للبواقي وافتراضات الانحدار، وتقييم متوازن لحجم الأثر، وتوثيق دقيق يضمن قابلية تكرار النتائج وإعادة إنتاجها في المجتمع العلمي.

المراجع

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Fox, J., & Weisberg, S. (2019). An R companion to applied regression (3rd ed.). SAGE Publications.
• Grolemund, G., & Wickham, H. (2017). R for data science: Import, tidy, transform, visualize, and model data. O’Reilly Media. https://r4ds.had.co.nz/
• Kim, S. (2015). ppcor: An R package for a fast calculation to semi-partial and partial correlation coefficients. Communications for Statistical Applications and Methods, 22(6), 665–674. https://doi.org/10.5351/CSAM.2015.22.6.665
• Kassambara, A. (2020). ggpubr: ‘ggplot2’ based publication ready plots (R package version 0.4.0). CRAN. https://CRAN.R-project.org/package=ggpubr
• R Core Team. (2023). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org/
• Robinson, D., Hayes, A., & Couch, S. (2023). broom: Convert statistical analysis objects into tidy tibbles (R package version 1.0.5). CRAN. https://CRAN.R-project.org/package=broom
• Wickham, H. (2016). ggplot2: Elegant graphics for data analysis (2nd ed.). Springer-Verlag. https://doi.org/10.1007/978-3-319-24277-4
• Wickham, H. (2019). Advanced R (2nd ed.). Chapman and Hall/CRC. https://doi.org/10.1201/9781351201315