الإحصاء والقياس النفسيمناهج البحث العلمي

الافتراضات الستة للانحدار اللوجستي (مع أمثلة)

دليل أكاديمي شامل يشرح الافتراضات الستة الأساسية لنموذج الانحدار اللوجستي الثنائي، مع طرق التحقق العملي والأمثلة الإحصائية والتطبيقية.

تاريخ النشر

يُعد نموذج الانحدار اللوجستي الثنائي (Binary Logistic Regression) أحد الركائز المنهجية الأكثر رسوخاً واستخداماً في مجالات القياس النفسي، والعلوم السلوكية، والعلوم الطبية الحيوية، والأبحاث الاجتماعية المعاصرة. وتكمن القوة التحليلية لهذا النموذج في قدرته الفائقة على نمذجة الظواهر المصنفة وظيفياً على أنها ظواهر فئوية ثنائية التفرع (Dichotomous/Binary Outcomes)، كالتنبؤ بحدوث الإصابة باضطراب نفسي معين مقابل عدم حدوثه، أو نجاح تدخل علاجي محدد مقابل فشله، أو وقوع سلوك إنساني معين كالتسرب الدراسي أو الإدمان في مقابل استقرار الحالة. وعلى النقيض من النماذج الخطية التقليدية التي تفترض وجود متغير تابع مستمر يتوزع توزيعاً طبيعياً مع بقايا متجانسة التباين، فإن الانحدار اللوجستي يتحرر من قيود الخطية المباشرة من خلال تطويع حسابات الاحتمالية وتحويلها رياضياً إلى فضاء خطي قابل للقياس والتقدير الإحصائي الرصين.

ومع ذلك، فإن هذا التحرر المنهجي النسبي لا يعني أبداً أن الانحدار اللوجستي نموذج غير مقيد أو معفى من الشروط الصارمة؛ بل على العكس تماماً، يستند النموذج إلى مصفوفة محكمة من الافتراضات الإحصائية والرياضية الأساسية التي تضمن سلامة المعالم المقدرة، واتساق الأخطاء المعيارية، وصحة الاختبارات الاستدلالية مثل اختبار والد (Wald Test) واختبار نسبة الإمكان (Likelihood Ratio Test). إن إهمال الباحثين للتحقق المنهجي من هذه الافتراضات يمثل أحد أبرز المنزلقات المنهجية الشائعة في الأدبيات التطبيقية، حيث يؤدي انتهاكها إلى إنتاج تقديرات متحيزة لنسب الأرجحية (Odds Ratios)، وتضخم خطير في معدلات الأخطاء الإحصائية من النوعين الأول والثاني، فضلاً عن التدهور الحاد في قدرة النموذج على التعميم التنبؤي خارج حدود عينة الدراسة الأصلية.

يهدف هذا المقال الأكاديمي الموسع إلى تقديم دليل تأصيلي وتطبيقي شامل للافتراضات الستة الجوهرية التي يقوم عليها نموذج الانحدار اللوجستي الثنائي. وسنتناول في هذا الطرح تفكيك البنية الرياضية والمفاهيمية لكل افتراض، مع استعراض الأدوات الإحصائية المعاصرة واختبارات التشخيص الصارمة للكشف عن أي انتهاك، وتوضيح الاستراتيجيات التصحيحية والبدائل المنهجية المعممة المتاحة للباحث. كما ندعم هذا التحليل بدراسة حالة تطبيقية متكاملة في العلوم السلوكية والنفسية، مع تفصيل خطوات التحقق البرمجي بلغات التحليل الإحصائي الرائدة مثل لغة R، وبرنامج IBM SPSS، وبيئة Python الإحصائية، ليكون هذا الدليل مرجعاً متكاملاً للباحثين والمحللين الملتزمين بأعلى معايير الرصانة الإحصائية.

جدول المحتويات

1. مقدمة تأصيلية: ماهية الانحدار اللوجستي وأهمية التحقق من افتراضاته

1.1 التعريف الرياضي والإحصائي لنموذج الانحدار اللوجستي الثنائي

ينتمي الانحدار اللوجستي إلى عائلة النماذج الخطية المعممة (Generalized Linear Models – GLM) التي طورها العالمان نيلدر وودربيرن (Nelder & Wedderburn) في سبعينيات القرن العشرين. في هذا الإطار، يُفترض أن المتغير التابع $Y$ يتبع توزيع بيرنولي الاحتمالي بمعلمة احتمالية غير معروفة $\pi = P(Y=1|X)$، حيث تمثل $\pi$ احتمالية تحقق الحدث المستهدف مشروطة بالقيم المحددة لمجموعة من المتغيرات التفسيرية $X_1, X_2, dots, X_k$. ونظراً لأن قيمة الاحتمال محصورة بالضرورة ضمن الفترة المغلقة $[0, 1]$، فإن استخدام النموذج الخطي العام التقليدي يُعد غير ملائم رياضياً لكونه قد ينتج قيماً احتمالية تقع خارج هذه الحدود، فضلاً عن انتهاكه لافتراض تجانس التباين.

لحل هذه المعضلة الهيكلية، يعتمد الانحدار اللوجستي على دالة رابطة تُعرف باسم دالة السجل اللوجستي (Logit Link Function). تقوم هذه الدالة بتحويل الاحتمالية المقيدة $\pi$ إلى قيمة غير مقيدة تمتد نظرياً من سالب ما لا نهاية إلى موجب ما لا نهاية ($-\infty, +\infty$). تبدأ هذه العملية الرياضية بحساب الأرجحية (Odds)، وهي النسبة بين احتمالية وقوع الحدث إلى احتمالية عدم وقوعه، أي $\frac{\pi}{1-\pi}$. بعد ذلك، يتم أخذ اللوغاريتم الطبيعي لهذه النسبة لينتج ما يُعرف بـ لوغاريتم الأرجحية (Log-Odds) أو قيمة اللوجيت (Logit):

$$\text{Logit}(\pi) = \ln\left(\frac{\pi}{1-\pi}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + dots + \beta_k X_k$$

يتضح من خلال هذه الصيغة الرياضية أن الانحدار اللوجستي ينشئ علاقة خطية تامة بين المتغيرات المستقلة ولوغاريتم الأرجحية، وليس الاحتمال الخام ذاته. ولحساب الاحتمالية المتوقعة مباشرة بدلالة المتغيرات المستقلة، يتم تطبيق التحويل العكسي للوجيت (Inverse Logit Transformation)، والذي يُعبر عنه بالدالة السينية اللوجستية (Logistic Sigmoid Function):

$$\pi = P(Y=1|X) = \frac{1}{1 + e^{-(\beta_0 + \sum_{j=1}^k \beta_j X_j)}} = \frac{e^{\beta_0 + \sum_{j=1}^k \beta_j X_j}}{1 + e^{\beta_0 + \sum_{j=1}^k \beta_j X_j}}$$

يضمن هذا التحويل غير الخطي الرشيق أن تبقى كافة القيم الاحتمالية التنبؤية للنموذج محصورة بشكل قطعي وآمن بين الصفر والواحد الصحيح، متخذة منحنى شكل الحرف الإنجليزي (S-curve) يعكس التغير التدريجي والمتسارع للاحتمالية عند القيم المتوسطة للمتغيرات المستقلة، والتباطؤ التراكمي عند المستويات القصوى والدنيا.

1.2 أهمية تلبية الافتراضات الإحصائية لدقة الاستدلال

تستند موثوقية الاستنتاجات العلمية المشتقة من نماذج الانحدار اللوجستي إلى تلبية مجموعة محددة من الشروط الهيكلية والبياناتية. إن عملية تقدير المعالم ($\beta_j$) في هذا النموذج لا تتم باستخدام طريقة المربعات الصغرى العادية (OLS)، وإنما تُستخدم طريقة الإمكان الأعظم (Maximum Likelihood Estimation – MLE) التكرارية. تعتمد خوارزميات الإمكان الأعظم، مثل طريقة نيوتن-رافسون (Newton-Raphson)، على دالة الإمكان التراكمية المشتركة التي تفترض صراحة مطابقة البيانات للنماذج التوزيعية المفترضة.

عندما تُنتهك هذه الافتراضات، تفقد تقديرات الإمكان الأعظم خاصيتي الكفاءة المتقاربة (Asymptotic Efficiency) وعدم التحيز (Unbiasedness). ويقود ذلك إلى تشويه جذري في حساب مصفوفة التغاير والتباين (Covariance Matrix)، مما يؤثر بصورة مباشرة على تقدير الأخطاء المعيارية (Standard Errors). وبناءً عليه، تفقد الاختبارات الاستدلالية، ولا سيما اختبار نسبة الإمكان واختبار والد الإحصائي، دقتها المعيارية، مما يرفع احتمالية الوقوع في الخطأ من النوع الأول (Type I Error) المتمثل في تأكيد وجود علاقات إحصائية غير موجودة في الواقع المجتمعي، أو الوقوع في الخطأ من النوع الثاني (Type II Error) الذي يؤدي إلى إغفال تأثيرات تنبؤية حقيقية وجوهرية.

تتجلى خطورة هذه الانتهاكات بشكل خاص في حقول التشخيص السريري، والتدخل النفسي، وصياغة السياسات الاجتماعية والتربوية؛ حيث يُبنى اتخاذ القرارات المصيرية على دقة نسب الأرجحية وفترات الثقة المرافقة لها. إن نموذج الانحدار اللوجستي الذي يُعاني من انتهاك افتراضاته قد يُعطي انطباعاً زائفاً بدقة التنبؤ داخل عينة الدراسة، ولكنه ينهار تماماً عند محاولة تطبيقه على عينات جديدة أو تعميمه على المجتمع الأصلي.

1.3 نظرة عامة مسبقة على الافتراضات الستة الأساسية

يمكن تصنيف الافتراضات الجوهرية الستة لنموذج الانحدار اللوجستي الثنائي منهجياً إلى ثلاثة مستويات مترابطة تتكامل فيما بينها لضمان متانة النموذج:

  • المستوى الأول: افتراضات التصميم وطبيعة متغير الاستجابة: يشمل ذلك التأكد من ثنائية المتغير التابع (Binary Response) كخاصية حتمية للنموذج الثنائي، وضرورة استقلالية المشاهدات (Independence of Observations) التامة وخلو البيانات من أي ارتباط تسلسلي أو هيكل عنقودي غير مضبوط رياضياً.
  • المستوى الثاني: افتراضات البنية الهيكلية والعلاقات بين المتغيرات: ويتضمن ضرورة غياب التعددية الخطية الشديدة (Absence of Multicollinearity) بين المتغيرات التفسيرية، واشتراط العلاقة الخطية بين المتغيرات المستمرة ولوغاريتم الأرجحية (Linearity with Log-Odds) بدلاً من الخطية مع المتغير الخام.
  • المستوى الثالث: افتراضات الملاءمة الإحصائية وجودة العينة: ويغطي كفاية حجم العينة (Adequacy of Sample Size) ومعدل الأحداث لكل متغير (Events Per Variable) لتفادي ظواهر الفصل الإحصائي، فضلاً عن غياب القيم المتطرفة والنقاط المؤثرة ذات التأثير الحرج (No Outliers or Influential Points) التي تشوه تقديرات المعالم.

يشكل هذا البناء الثلاثي مصفوفة متماسكة سنقوم بتشريحها وتفصيل إجراءاتها التشخيصية والتصحيحية في الأقسام اللاحقة من هذا المقال.

2. الافتراض الأول: ثنائية المتغير التابع (The Response Variable is Binary)

2.1 المفهوم الإحصائي لثنائية المتغير التابع

يقوم نموذج الانحدار اللوجستي الثنائي الكلاسيكي على افتراض بديهي وحتمي، وهو أن المتغير التابع (المستجيب) يجب أن يكون متغيراً فئوياً ثنائي التفرع (Dichotomous/Binary). إحصائياً، يعني هذا أن فضاء الحالات الممكنة للمتغير $Y$ يقتصر تماماً على فئتين متنافيتين (Mutually Exclusive) وشاملتين كلياً (Exhaustive)، مما يعني أن كل وحدة تحليل أو مفحوص في الدراسة يجب أن ينتمي بالضرورة إلى إحدى الفئتين دون إمكانية للجمع بينهما أو الخروج عنهما.

رياضياً، يتم ترميز الفئتين اصطلاحياً باستخدام التوزيع البيرنولي الثنائي:

$$Y_i in {0, 1}$$

حيث يرمز الرقم (1) عادة إلى “وقوع الحدث” أو الحالة المستهدفة بالدراسة (كالإصابة بالمرض، النجاح، الاستجابة)، في حين يرمز الرقم (0) إلى “عدم وقوع الحدث” أو فئة المقارنة المرجعية (Reference Category). إن دقة هذا الترميز الرقمي محورية للغاية؛ فأي خطأ في تعيين الفئة المرجعية سيؤدي إلى قلب إشارات معاملات الانحدار ($\beta$)، وبالتالي عكس دلالة نسب الأرجحية المقدرة ($e^\beta$)، مما يحول عامل الخطر المفترض إلى عامل وقاية أو العكس في التفسير الموضوعي للنتائج.

2.2 أمثلة تطبيقية واقعية على المتغيرات الثنائية

تتعدد التطبيقات التي تتطلب بطبيعتها وجود متغير تابع ثنائي في مختلف فروع المعرفة الإنسانية والتطبيقية:

  • المجال الإكلينيكي والطب النفسي: نمذجة احتمالية تشخيص المريض بـ اضطراب الاكتئاب الجسيم (Major Depressive Disorder) حيث يُرمز للحالة بـ (1 = مصاب، 0 = غير مصاب)، أو قياس الاستجابة للعلاج السلوكي المعرفي بعد 12 أسبوعاً (1 = تحسن سريري دال، 0 = عدم استجابة).
  • المجال التربوي والعلوم السلوكية: التنبؤ باحتمالية التسرب الأكاديمي لطلاب المرحلة الجامعية الأولى (1 = تسرب، 0 = استمرارية)، أو التنبؤ بـ اجتياز اختبار الكفاءة المهنية (1 = اجتياز، 0 = إخفاق).
  • المجال الطبي والتشخيص السريري: تصنيف نتائج الفحوص الإشعاعية لـ الأورام المكتشفة (1 = ورم خبيث، 0 = ورم حميد)، أو التنبؤ بإعادة تنويم المريض في وحدة العناية المركزة خلال 30 يوماً من الخروج (1 = أعيد تنويمه، 0 = لم يُعد تنويمه).

2.3 طرق التحقق والإجراءات المتبعة عند تعدد الفئات

يتم التحقق من هذا الافتراض إجرائياً في مرحلة استكشاف البيانات الأولية عبر فحص جداول التوزيع التكراري البسيط (Frequency Tables) والتأكد من القيمة الفريدة للمتغير التابع (Unique Values). يجب أن يظهر الفحص وجود قيمتين رقميتين فقط (مثل 0 و 1) دون وجود قيم شاذة ناتجة عن أخطاء إدخال البيانات أو تصنيفات مفقودة غير معالجة.

في الحالات التي يتضح فيها أن المتغير التابع يحتوي على أكثر من فئتين، فإن الانحدار اللوجستي الثنائي لا يعود النموذج الرياضي المناسب، ويتعين على الباحث التحول نحو النماذج اللوجستية المعممة الأخرى بناءً على طبيعة القياس:

  • الانحدار اللوجستي الترتيبي (Ordinal Logistic Regression / Proportional Odds Model): يُستخدم عندما تكون الفئات المتعددة ذات طبيعة تراتبية متصاعدة، مثل مستويات شدة القلق (خفيف = 1، متوسط = 2، شديد = 3).
  • الانحدار اللوجستي المتعدد الفئات (Multinomial Logistic Regression): يُستخدم عندما تكون الفئات متعددة ولكنها اسمية بحتة تفتقر إلى الترتيب الهرمي الطبيعي، مثل تفضيل نوع العلاج النفسي (علاج دوائي، علاج معرفي، علاج تحليلي).

3. الافتراض الثاني: استقلالية المشاهدات وعدم الارتباط الذاتي (Independence of Observations)

3.1 معنى استقلالية المشاهدات في تصميم الدراسة

يقتضي افتراض استقلالية المشاهدات (Independence of Observations) أن تكون استجابة أي مفحوص أو وحدة تجريبية مستقلة إحصائياً تماماً عن استجابات كافة المفحوصين الآخرين داخل عينة الدراسة. بعبارة رياضية أكثر دقة، يُشترط أن تكون الأخطاء المتبقية (Residuals) للمشاهدات المختلفة غير مرتبطة ببعضها البعض، بحيث يكون التغاير بين خطأ المشاهدة $i$ وخطأ المشاهدة $j$ مساوياً للصفر لكل $i \neq j$:

$$\text{Cov}(\epsilon_i, \epsilon_j) = 0 \quad \forall i \neq j$$

يستند هذا الافتراض جوهرياً إلى جودة تصميم التجربة وطريقة جمع البيانات. يفترض الانحدار اللوجستي القياسي أسلوب المعاينة العشوائية البسيطة من المجتمع، حيث لا يؤثر اختيار أو سلوك مفردة ما على احتمالية اختيار أو سلوك مفردة أخرى. إذا كانت البيانات تحتوي على أي نوع من الترابط البنائي، فإن مصفوفة المعلومات المستندة إلى دالة الإمكان تصبح مغلوطة، وتفقد فترات الثقة وقيم الدلالة الإحصائية ($p$-values) مصداقيتها.

3.2 أمثلة شائعة على انتهاك افتراض الاستقلالية

يحدث انتهاك افتراض الاستقلالية بشكل متكرر في الأبحاث التطبيقية نتيجة عدة سيناريوهات منهجية شائعة، من أبرزها:

  • البيانات العنقودية أو الهرمية (Clustered/Hierarchical Data): مثل جمع بيانات طلاب موزعين داخل فصول دراسية محددة أو مدارس معينة؛ حيث يتشارك طلاب الفصل الواحد في نفس البيئة التعليمية ونفس المعلم، مما يخلق تشابهاً وترابطاً داخلياً (Intra-class Correlation) يجعل استجاباتهم غير مستقلة مقارنة بالطلاب من فصول أخرى.
  • القياسات المتكررة والدراسات الطولية (Repeated Measures / Longitudinal Studies): قياس استجابة نفس المريض النفسي عبر نقاط زمنية متعددة (قبل التدخل، في منتصف البرنامج، وبعد الانتهاء). تكون الاستجابات المتكررة للشخص الواحد مرتبطة ارتباطاً وثيقاً بخصائصه الفردية الثابتة.
  • البيانات الثنائية والأسرية (Dyadic/Family Data): دراسة السلوكيات الزوجية أو استجابات الإخوة؛ حيث تتسم القرارات والأنماط السلوكية بالتأثير والتأثر المتبادل والخصائص الجينية أو البيئية المشتركة.

3.3 طرق الكشف الإحصائي والحلول البديلة

لا يمكن في كثير من الأحيان الكشف عن انتهاك الاستقلالية بمجرد الفحص العددي للمتغيرات المعزولة، بل يتطلب ذلك فحصاً دقيقاً لبروتوكول جمع البيانات وتصميم المعاينة. ومع ذلك، يمكن تشخيص وجود الارتباط الذاتي للمتبقيات في البيانات المرتبة زمنياً عن طريق رسم المتبقيات مقابل الترتيب الزمني للمشاهدات، أو استخدام اختبارات الارتباط التسلسلي المعدلة للبيانات المصنفة.

عند ثبوت وجود انتهاك لافتراض الاستقلالية نتيجة البنية العنقودية أو التكرارية للبيانات، يحظر استخدام الانحدار اللوجستي القياسي، ويجب الانتقال إلى بدائل منهجية متقدمة تراعي بنية الترابط، منها:

  • معادلات التقدير المعممة (Generalized Estimating Equations – GEE): تُعد الخيار المثالي عند الرغبة في نمذجة التأثيرات المتوسطة على مستوى المجتمع (Population-Averaged Models) مع تصحيح الأخطاء المعيارية باستخدام مصفوفات الارتباط العاملية العاملة (Working Correlation Matrices).
  • النماذج الخطية المعممة المختلطة / الانحدار اللوجستي متعدد المستويات (Multilevel Logistic Models / GLMM): تُستخدم عندما يكون الهدف هو نمذجة التأثيرات الخاصة بكل عنقود أو فرد عن طريق إدراج تأثيرات عشوائية (Random Effects) تمثل التباين بين المستويات المختلفة (كالفصول أو العيادات).

4. الافتراض الثالث: غياب التعددية الخطية بين المتغيرات التفسيرية (Absence of Multicollinearity)

4.1 تعريف التعددية الخطية وأثرها على نموذج الانحدار اللوجستي

تشير التعددية الخطية (Multicollinearity) إلى وجود ارتباطات ارتباطية قوية أو علاقات خطية شبه تامة بين اثنين أو أكثر من المتغيرات المستقلة (التفسيرية) الداخلة في بناء نموذج الانحدار. على الرغم من أن التعددية الخطية لا تخل بقدرة النموذج الكلية على التنبؤ، ولا تؤثر على تقديرات مؤشرات الملاءمة العامة كمعامل التحديد اللوجستي، إلا أنها تسبب أضراراً بالغة في مرحلة الاستدلال وتفسير المعالم الفردية.

تتمثل المشكلة الرياضية الأساسية في أن التعددية الخطية العالية تجعل مصفوفة المعلومات ($X^T W X$) قريبة جداً من أن تكون مصفوفة شاذة (Singular Matrix)، أي أن محددها الرياضي يقترب من الصفر. يؤدي هذا الاقتراب إلى تضخم هائل في الأخطاء المعيارية (Inflated Standard Errors) المقابلة لمعاملات الانحدار ($\text{SE}(\beta)$)، مما يجعل فترات الثقة واسعة للغاية بصورة مفرطة، ويؤدي بالتالي إلى انخفاض حاد في القوة الإحصائية لاختبار والد، بحيث تبدو المتغيرات التفسيرية وكأنها غير معنوية إحصائياً رغم امتلاكها لقوة تأثير حقيقية وملموسة. إضافة إلى ذلك، تصبح معاملات الانحدار شديدة الحساسية والتقلب؛ حيث يمكن لإضافة أو حذف مشاهدة واحدة أو متغير إضافي أن يغير إشارة المعامل من الموجب إلى السالب كلياً.

4.2 أدوات ومؤشرات الكشف عن التعددية الخطية

لتشخيص التعددية الخطية في نماذج الانحدار اللوجستي، يعتمد الباحثون على ترسانة من المؤشرات الإحصائية المعتمدة والمترابطة:

  • مصفوفة معاملات الارتباط الثنائية (Bivariate Correlation Matrix): فحص معاملات ارتباط بيرسون (أو سبيرمان للمتغيرات غير المعلمية) بين أزواج المتغيرات المستقلة. تشير معاملات الارتباط التي تتجاوز القيمة المطلقة ($|r| > 0.70$ إلى $0.80$) إلى وجود خطر محتمل للتعددية الخطية.
  • معامل تضخم التباين (Variance Inflation Factor – VIF): يقيس هذا المؤشر مقدار تضخم تباين معامل الانحدار المقدر بسبب ارتباطه ببقية المتغيرات المستقلة. يُحسب المتغير $j$ بالصيغة:
    $$\text{VIF}_j = \frac{1}{1 – R_j^2}$$
    حيث يمثل $R_j^2$ معامل التحديد الناتج عن انحدار المتغير المستقل $X_j$ على كافة المتغيرات المستقلة الأخرى. المعايير المنهجية الشائعة تشير إلى أن قيمة $\text{VIF} > 5$ تستوجب الحذر والتفحص، بينما تشير قيمة $\text{VIF} > 10$ إلى وجود تعددية خطية حادة وغير مقبولة تؤثر على سلامة النموذج.
  • مؤشر التسامح (Tolerance): وهو المقلوب الرياضي المباشر لمعامل تضخم التباين ($\text{Tolerance} = \frac{1}{\text{VIF}}$). وتعتبر القيم الأقل من $0.10$ أو $0.20$ مؤشراً صريحاً على وجود تداخل خطي مفرط.
  • مؤشر الحالة (Condition Index): المستخرج من تحليل القيم الذاتية (Eigenvalues) لمصفوفة البيانات المصححة. تشير قيم مؤشر الحالة التي تتجاوز 30 إلى وجود تعددية خطية شديدة ترتبط بتوزيع التباين بين أبعاد خطية متعددة.

4.3 استراتيجيات التعامل مع التعددية الخطية المرتفعة

عند رصد مؤشرات تضخم تباين مرتفعة، يتوجب على الباحث التدخل المنهجي عبر اتباع إحدى الاستراتيجيات التصحيحية التالية وفقاً للسياق النظري للدراسة:

  • استبعاد المتغيرات الفائضة (Variable Elimination): حذف أحد المتغيرين شديدي الارتباط، وتحديداً المتغير الذي يمتلك مبرراً نظرياً أضعف أو ارتباطاً أقل بالمتغير التابع، أو الاعتماد على معايير الاختيار المنهجي كمعيار أكايكي للمعلومات (AIC).
  • تكوين الدرجات المركبة والتحليل العاملي (Data Reduction Techniques): دمج المتغيرات التي تقيس أبعاداً متقاربة في متغير مركب واحد عن طريق جمعها، أو استخدام تحليل المكونات الأساسية (PCA) أو التحليل العاملي الاستكشافي والتوكيدي لإنتاج درجات عاملية متعامدة تماماً (Orthogonal Factors) وخالية من التعددية الخطية لاستخدامها كمتغيرات مستقلة جديدة.
  • استخدام أساليب التنظيم والتنحيف الإحصائي (Penalized Logistic Regression): تطبيق خوارزميات الانحدار المنتظم مثل انحدار الحافة اللوجستي (Ridge Logistic Regression) الذي يفرض جزاءً تربيعياً ($L_2$) يقلص المعاملات ويحد من تضخم التباين، أو انحدار لاسو اللوجستي (Lasso Logistic Regression) الذي يفرض جزاءً مطلقاً ($L_1$) يتيح تقليص بعض المعاملات الفائضة إلى الصفر مباشرة، مما يحقق الاختيار الآلي للمتغيرات مع ضبط التعددية الخطية.

5. الافتراض الرابع: العلاقة الخطية بين المتغيرات المستقلة ولوغاريتم الأرجحية (Linearity with Log Odds)

5.1 مفهوم الخطية اللوغاريتمية في الانحدار اللوجستي

يقع كثير من المبتدئين في خطأ شائع مفاده أن الانحدار اللوجستي نموذج غير خطي كلياً وبالتالي فهو لا يتطلب أي افتراض للخطية. الحقيقة المنهجية هي أن الانحدار اللوجستي لا يشترط خطية العلاقة بين المتغيرات المستقلة والمتغير التابع الخام ($Y$)، ولا بينها وبين الاحتمالية المباشرة ($\pi$)، ولكنه يشترط صراحة وجود علاقة خطية تامة بين كل متغير مستقل مستمر ولوغاريتم أرجحية حدوث الحدث المستهدف ($\text{Logit}(\pi)$).

إذا كانت العلاقة الحقيقية بين المتغير المستقل $X$ وقيمة اللوجيت تأخذ منحنى غير خطي (كأن تكون علاقة من الدرجة الثانية على شكل حرف U، أو علاقة لوغاريتمية متناقصة)، فإن افتراض النموذج الخطي للوجيت ($\beta_j X_j$) سيؤدي إلى تمثيل قاصر ومشوه تماماً لتأثير المتغير. سينتج عن ذلك تقدير غير دقيق لقيمة $\beta_j$، مما يجعل نسبة الأرجحية الناتجة ($e^{\beta_j}$) غير صالحة للتعبير عن التغير الحقيقي في الأرجحية عبر مختلف مستويات المتغير المستقل، فضلاً عن التدهور الملحوظ في القدرة التنبؤية للنموذج وارتفاع تباين البقايا غير المفسرة.

5.2 طرق التحقق والاختبارات الإحصائية للخطية

يُعد اختبار بوكس-تيدويل (Box-Tidwell Transformation Test) المعيار الذهبي والمقبول إحصائياً للتحقق من افتراض الخطية مع لوغاريتم الأرجحية للمتغيرات المستمرة. يقوم هذا الاختبار إجرائياً على بناء نموذج لوجستي موسع يضم جميع المتغيرات المستقلة الأصلية، مضافاً إليها حدود تفاعلية غير خطية تتكون من حاصل ضرب كل متغير مستمر في لوغاريتمه الطبيعي:

$$\text{Interaction Term} = X_j \cdot \ln(X_j)$$

يتم تقييم المعنوية الإحصائية لمعامل هذا الحد التفاعلي باستخدام اختبار والد:

  • إذا كان معامل الحد التفاعلي $X_j \ln(X_j)$ غير دال إحصائياً ($p > 0.05$)، فإن هذا يدعم افتراض خطية العلاقة بين المتغير المستقل $X_j$ ولوغاريتم الأرجحية، ويتم الاحتفاظ بالمتغير في صورته الخطية البسيطة.
  • إذا كان معامل الحد التفاعلي دالاً إحصائياً ($p < 0.05$)، فإن ذلك يشكل دليلاً قاطعاً على انتهاك افتراض الخطية، مما يثبت أن تأثير المتغير على اللوجيت يتغير تداولياً بصورة غير خطية عبر تدريجه.

إلى جانب اختبار بوكس-تيدويل، يُنصح بإجراء فحص بصري باستخدام الرسوم المتبقية الملساء (Smoothed Residual Plots / Lowess Curve) أو رسوم المركب مضافاً إليه المتبقي (Component-plus-Residual Plots)، حيث يتم رسم متبقيات النموذج مقابل قيم المتغير المستمر؛ ويشير انحراف منحنى المطابقة المحلي الأملس عن الخط الأفقي المستقيم إلى مواضع الانتهاك غير الخطي.

5.3 المعالجات الرياضية والتحويلات عند عدم تحقق الخطية

عند ثبوت انتهاك افتراض الخطية اللوغاريتمية لأحد المتغيرات المستمرة، يمتلك الباحث الرياضي عدة خيارات علاجية فعالة لإعادة ضبط النموذج:

  • التحويلات الرياضية المباشرة (Power Transformations): تجريب تطبيق تحويلات رياضية على المتغير المستقل قبل إدخاله في النموذج، مثل التحويل اللوغاريتمي ($ln(X)$) لمعالجة التناقص الحدي، أو الجذر التربيعي ($\sqrt{X}$)، أو التحويل العكسي ($1/X$).
  • تضمين حدود كثيرة الحدود (Polynomial Terms): إضافة حدود تربيعية ($X^2$) أو تكعيبية ($X^3$) للمتغير المستقل داخل النموذج اللوجستي إذا كان النمط النظري أو التجريبي يتبع انحناءً على شكل قطع مكافئ (Parabolic Curve).
  • استخدام شرائح الاستيفاء المقيدة (Restricted Cubic Splines): تُعد هذه الطريقة من أكثر الطرق الحديثة مرونة وأناقة رياضية؛ حيث تقوم بتقسيم مجال المتغير المستمر إلى مقاطع عبر نقاط ربط (Knots) ملائمة وربطها بدوال تكعيبية ناعمة تضمن نمذجة المسار غير الخطي بدقة دون فقدان الطبيعة المستمرة للبيانات.
  • التقسيم الفئوي الهادف (Categorization / Binning): تحويل المتغير المستمر إلى متغير فئوي متعدد الرتب (مثل: منخفض، متوسط، مرتفع) بناءً على أرباع التوزيع أو عتبات إكلينيكية مقننة، مع استخدامه كمتغير وهمي (Dummy Variable). ورغم سهولة هذا الحل وتفسيره، إلا أنه ينطوي على عيب منهجي يتمثل في فقدان جزء من التباين والمعلومات الإحصائية وتقليل القوة الاختبارية.

6. الافتراض الخامس: كفاية حجم العينة وملاءمة التمثيل الإحصائي (Adequacy of Sample Size)

6.1 قواعد تقدير حجم العينة في الانحدار اللوجستي

على خلاف الانحدار الخطي الذي يعتمد تقدير حجم عينته الإجمالي على عدد المتغيرات المستقلة فقط، يخضع الانحدار اللوجستي لقواعد أكثر صرامة ترتبط مباشرة بـ تكرار الفئة الأقل حدوثاً (The Infrequent/Minority Class) للمتغير التابع. تعتمد موثوقية تقديرات طريقة الإمكان الأعظم في العينات الكبيرة على ما يُعرف بقاعدة الأحداث لكل متغير (Events Per Variable – EPV).

تُعرف الأحداث هنا بأنها العدد الفعلي للمشاهدات التي تنتمي إلى الفئة الأقل تكراراً بين فئتي المتغير التابع (أي $\min(N_{\text{events}}, N_{\text{non-events}})$). تنص القاعدة المنهجية التأسيسية التي رسخها بيدوزي وزملاؤه (Peduzzi et al.) على ضرورة توفر ما لا يقل عن 10 إلى 20 حدثاً لكل متغير تفسيري (أو لكل معلمة مقدرة بما في ذلك المتغيرات الوهمية) داخل النموذج:

$$\text{EPV} = \frac{\min(n_{Y=1}, n_{Y=0})}{k} ge 10 \text{ to } 20$$

حيث يمثل $k$ عدد المعلمات التفسيرية المقدرة. فإذا كان الباحث يدرس التنبؤ باضطراب نفسي نادر يبلغ معدل انتشاره في العينة 50 فرداً مصاباً فقط مقابل 950 فرداً غير مصاب، فإن العدد الفعّال لحجم العينة الذي يحكم كفاءة النموذج هو 50 وليس 1000. وبالتالي، فإن الحد الأقصى للمتغيرات التفسيرية المسموح بإدراجها في هذا النموذج دون الوقوع في خطر الانحياز الإحصائي يتراوح بين 2.5 إلى 5 متغيرات فقط ($50 / 20 = 2.5$). يؤدي انتهاك قاعدة EPV إلى ظاهرة الإفراط في مطابقة النموذج (Overfitting) وتضخم تحيز المعاملات بعيداً عن الصفر، مما يجعل النموذج عاجزاً عن التنبؤ بدقة في عينات مستقلة.

6.2 ظاهرة الفصل التام وشبه التام (Complete and Quasi-Complete Separation)

ترتبط مشكلة صغر العينة أو عدم كفاية تمثيل الفئات بظاهرة حسابية خطيرة في الانحدار اللوجستي تُعرف باسم الفصل الإحصائي (Separation) أو الملاءمة التامة (Monotone Likelihood):

  • الفصل التام (Complete Separation): يحدث عندما يتمكن متغير مستقل واحد أو توليفة خطية من المتغيرات من التنبؤ بالفئات الثنائية للمتغير التابع بنسبة دقة 100%. على سبيل المثال، إذا كان كل مريض يتناول جرعة علاجية أعلى من 50 ملغ يتعافى تماماً ($Y=1$)، وكل مريض يتناول أقل من ذلك لا يتعافى ($Y=0$).
  • الفصل شبه التام (Quasi-Complete Separation): يحدث عندما يتنبأ المتغير المستقل بالمتغير التابع بنسبة 100% لمعظم الحالات، مع وجود خلية أو فئة واحدة فارغة عند تقاطع المتغيرات الفئوية (وجود صفر تكراري في جدول التقاطع المشترك $2 \times 2$).

تؤدي ظاهرة الفصل إلى فشل رياضي تام في تقارب خوارزمية الإمكان الأعظم (Non-convergence)؛ حيث تحاول الخوارزمية التكرارية الوصول إلى القيمة العظمى لدالة الإمكان من خلال دفع معامل الانحدار المقابل نحو اللانهاية الإيجابية أو السلبية ($\beta to \pm\infty$). وتكون النتيجة المباشرة في مخرجات البرامج الإحصائية هي ظهور معاملات انحدار ذات قيم ضخمة جداً وغير منطقية (مثل $\beta = 48.2$) مصحوبة بـ أخطاء معيارية متضخمة إلى أرقام فلكية (مثل $\text{SE} = 4521.8$)، مما يجعل اختبار والد يعطي قيمة دلالة مضللة ($p = 0.999$) رغم أن المتغير يمثل في الواقع تنبؤاً شبه مثالي.

6.3 الحلول المنهجية لمعالجة صغر العينة وظاهرة الفصل

لمعالجة تحديات صغر حجم العينة والتعامل الحاسم مع ظواهر الفصل التام وشبه التام، تتوفر الحلول الإحصائية المتقدمة الآتية:

  • طريقة فيرث للانحدار اللوجستي الجزائي (Firth’s Penalized Likelihood Logistic Regression): تُعد المعيار العلمي الأقوى والحل المنهجي القياسي الموصى به للتغلب على مشاكل الفصل وانحياز العينات الصغيرة. تقوم هذه الطريقة بإدخال حد جزائي مستمد من مصفوفة معلومات جيفريز (Jeffreys Invariant Prior) داخل دالة الإمكان، مما يضمن تقارب الخوارزمية بصورة حتمية وإنتاج تقديرات متسقة وغير متحيزة للمعالم وأخطاء معيارية معقولة دون تأثر بالخلايا الصفرية.
  • الانحدار اللوجستي الدقيق (Exact Logistic Regression): يستند إلى حساب التوزيعات الاحتمالية التوافقية الدقيقة المشروطة بدلاً من الاعتماد على الخصائص التقاربية لنظرية العينات الكبيرة، وهو مفيد للغاية في مجموعات البيانات الإكلينيكية شديدة الصغر ذات المتغيرات المحدودة.
  • إعادة تجميع المستويات الفئوية وتوسيع المعاينة: دمج الفئات النادرة للمتغيرات المستقلة الفئوية لتقليل عدد الخلايا الشاغرة وإلغاء التكرارات الصفرية في جداول التقاطع، إلى جانب تعزيز جهود جمع البيانات لاستهداف الفئات الأقل تمثيلاً لرفع قيمة EPV.

7. الافتراض السادس: غياب القيم المتطرفة والنقاط المؤثرة ذات التأثير الحرج (No Extreme Outliers / Influential Values)

7.1 أنواع النقاط الشاذة في نماذج الاستجابة الثنائية

تختلف طبيعة وتشخيص القيم الشاذة في الانحدار اللوجستي عن نظيرتها في الانحدار الخطي، نظراً لأن المتغير التابع مقيد بقيمتين فقط (0 و 1). يتم تصنيف المشاهدات الشاذة منهجياً إلى ثلاثة أنواع رئيسية:

  • القيم المتطرفة في فضاء المتغيرات المستقلة (High Leverage Points): وهي المشاهدات التي تمتلك توليفة من قيم المتغيرات التفسيرية تبعد بعداً كبيراً عن مركز ثقل التوزيع الإحصائي لبقية العينة، بغض النظر عن قيمة استجابتها الفعلية.
  • القيم المتطرفة في الاستجابة والمتبقيات (Outliers in Response / Residuals): وهي الحالات التي يكون فيها التناقض حاداً جداً بين القيمة الفعلية للمتغير التابع والقيمة الاحتمالية التنبؤية للنموذج؛ كأن يكون للمشاهدة قيمة فعلية $Y=1$ بينما يعطيها النموذج احتمالية تنبؤية شبه معدومة تبلغ $\hat{\pi} = 0.001$، أو العكس ($Y=0$ مع $\hat{\pi} = 0.999$).
  • النقاط المؤثرة (Influential Observations): وهي المشاهدات التي تجمع بين كبر المتبقي وارتفاع قيمة الرافعة معاً، بحيث تمتلك القدرة المنفردة على “سحب” خط الانحدار اللوجستي وتغيير قيم معاملات الانحدار أو تبديل دلالتها الإحصائية بصورة جوهرية عند حذفها من التحليل.

7.2 مقاييس التشخيص والاكتشاف الرياضي

يتم تقييم الشذوذ والتأثير في الانحدار اللوجستي باستخدام مقاييس مصفوفية دقيقة مشتقة من مصفوفة الرافعة اللوجستية (Hat Matrix $H = W^{1/2} X (X^T W X)^{-1} X^T W^{1/2}$):

  • متبقيات بيرسون ومتبقيات ديفيانس المعيرة (Standardized Pearson & Deviance Residuals): تُستخدم لقياس مدى تباعد الاستجابة الفردية عن التنبؤ النموذجي. تُعد المشاهدات التي تتجاوز فيها القيمة المطلقة للمتبقي المعياري حدود $|\text{Residual}| > 2.5$ أو $3.0$ قيماً متطرفة تستوجب التدقيق والفحص.
  • قيم الرافعة (Leverage / Hat Values $h_{ii}$): تقيس مدى بعد قيم المتغيرات المستقلة للمشاهدة عن المتوسط. العتبة التحذيرية الشائعة للرافعة العالية هي تجاوز القيمة لضعف أو ثلاثة أضعاف متوسط قيم الرافعة في النموذج:
    $$h_{ii} > \frac{2(k+1)}{N} \quad \text{or} \quad \frac{3(k+1)}{N}$$
    حيث $k$ عدد المتغيرات و $N$ حجم العينة الكلي.
  • مسافة كوك اللوجستية (Cook’s Distance $D_i$): تقيس التغير التراكمي الإجمالي في جميع معاملات الانحدار المقدرة عند استبعاد المشاهدة $i$ من النموذج. تُعتبر المشاهدة التي تمتلك قيمة مسافة كوك تقترب من $1.0$، أو تتجاوز بصورة واضحة التوزيع العام لمسافات كوك في العينة، نقطة مؤثرة حرجة.
  • مقياس التغير في المعامل الفردي (DFBETA): يقيس مقدار التغير المعياري في تقدير معامل متغير محدد $\beta_j$ عند حذف المشاهدة المعنية. تشير القيم التي تتجاوز العتبة المعيارية $|\text{DFBETA}| > 1.0$ (أو $|\text{DFBETA}| > \frac{2}{\sqrt{N}}$ في العينات الكبيرة) إلى أن المشاهدة تمارس تأثيراً طاغياً وغير متوازن على تقدير ذلك المعامل بعينه.

7.3 إدارة النقاط المؤثرة وتأثيرها على نتائج النموذج

يتطلب التعامل العلمي مع النقاط المؤثرة نهجاً رصيناً يبتعد عن الحذف العشوائي أو المتسرع، ويسترشد بالخطوات المنهجية التالية:

  • التحقق من صحة البيانات وجودة القياس: التأكد من أن القيم الشاذة ليست ناجمة عن أخطاء إدخال بيانات رقمية خاطئة، أو عيوب في الترميز، أو أخطاء في أجهزة القياس والتسجيل. يجب تصحيح الأخطاء الموثقة فوراً.
  • إجراء تحليل الحساسية (Sensitivity Analysis): ملاءمة نموذج الانحدار اللوجستي مرتين؛ الأولى بوجود النقاط المؤثرة المشخصة، والثانية بعد استبعادها المؤقت. إذا ظلت تقديرات نسب الأرجحية ومستويات الدلالة مستقرة وثابتة جوهرياً، يتم الإبقاء على البيانات كاملة مع توثيق ذلك. أما إذا تغيرت الاستنتاجات العلمية بشكل جذري، فيتعين على الباحث مناقشة كلا النموذجين بوضوح وشفافية في التقرير النهائي.
  • تطبيق طرق الانحدار اللوجستي الحصين (Robust Logistic Regression): اللجوء إلى خوارزميات التقدير الحصينة مثل تقديرات $M$ أو $S$، والتي تقوم بوزن المشاهدات بأوزان احتمالية تتناقص تدريجياً مع زيادة متبقيات الحالة أو رافعتها، مما يحد تلقائياً من الأثر التخريبي للمتطرفات دون الحاجة إلى حذفها كلياً من العينة.

8. الأدوات والبرمجيات الإحصائية لفحص افتراضات الانحدار اللوجستي

8.1 فحص الافتراضات باستخدام لغة R

توفر بيئة R الإحصائية منظومة حزم برمجية فائقة التطور للتحقق الشامل من كافة افتراضات الانحدار اللوجستي بدقة متناهية:

  • فحص التعددية الخطية: يتم تركيب النموذج باستخدام الدالة القياسية glm(y ~ x1 + x2, family = binomial)، ثم تُستخدم الدالة vif() من حزمة car لحساب معاملات تضخم التباين بدقة.
  • اختبار بوكس-تيدويل للخطية: يُنفذ مباشرة عبر الدالة boxTidwell() من حزمة car لاختبار خطية المتغيرات المستمرة مع اللوجيت، أو من خلال حزمة rms المتقدمة واستخدام دوال الشرائح التكعيبية عبر الدالة rcs() لرسم العلاقات وملاءمتها.
  • تشخيص المتبقيات والنقاط المؤثرة: توفر حزمة broom الدالة augment() لحساب متبقيات ديفيانس الموحدة، ومسافات كوك، وقيم الرافعة لكل مشاهدة في خطوة واحدة، ليتم بعد ذلك رسمها بيانيا باستخدام حزمة ggplot2 لتحديد المشاهدات المارقة.
  • معالجة الفصل وصغر العينة: يتم تطبيق انحدار فيرث الجزائي بسهولة تامة عبر استدعاء الدالة logistf() من حزمة logistf المتخصصة، والتي تعطي تقديرات وفترات ثقة مصححة وموثوقة حتى مع وجود خلايا صفرية وفصل تام.

8.2 إجراءات التحقق في برنامج IBM SPSS

يتيح برنامج IBM SPSS بيئة عملية منظمة لتنفيذ الفحوصات التشخيصية للانحدار اللوجستي من خلال القوائم المنسدلة وأوامر البرمجة (Syntax):

  • فحص التعددية الخطية: نظراً لأن نافذة الانحدار اللوجستي الثنائي في SPSS لا تحتوي على زر مباشر لـ VIF، يلجأ المحلل إلى نافذة Linear Regression المساعدة، وتحديد نفس المتغيرات المستقلة مع متغير تابع وهمي، وطلب خيار Collinearity diagnostics من قائمة Statistics للحصول على جدول VIF و Tolerance ومؤشرات الحالة بدقة.
  • حفظ مقاييس التأثير والمتبقيات: من داخل نافذة Analyze -> Regression -> Binary Logistic، يتم الضغط على زر Save وتفعيل خيارات: Cook’s، و Leverage values، و Standardized Residuals، و DfBeta(s). يقوم البرنامج بإنشاء أعمدة جديدة في مصفوفة البيانات تمثل هذه القيم لكل مفحوص لتسهيل فرزها وتحديد الحالات المتطرفة.
  • اختبار الخطية بأسلوب بوكس-تيدويل: يتم بناء حدود التفاعل يدوياً داخل نافذة Transform -> Compute Variable لإنشاء متغيرات حاصل ضرب كل متغير مستمر في لوغاريتمه الطبيعي (مثل Compute X1_ln = X1 * LN(X1))، ثم إدخالها ككتلة إضافية (Block 2) في نموذج الانحدار اللوجستي لتقييم معنويتها الإحصائية.

8.3 التحقق المتقدم باستخدام Python وبيئاتها الإحصائية

تقدم بيئة بايثون عبر مكتباتها العلمية المتخصصة حلولاً استدلالية وتنبؤية متكاملة تضمن فحص كافة الافتراضات بدقة رياضية:

  • تقدير النموذج والاستدلال المتقدم: استخدام مكتبة statsmodels من خلال فئة statsmodels.api.Logit أو صيغة النمذجة statsmodels.formula.api.logit للحصول على ملخص شامل يتضمن مصفوفة التغاير، وقيم اختبار والد، وفترات الثقة لمعاملات اللوجيت.
  • حساب مؤشرات التعددية الخطية: الاستعانة بالدالة variance_inflation_factor من وحدة statsmodels.stats.outliers_influence لحساب VIF لكل متغير تفسيري في مصفوفة التصميم التكرارية.
  • التحليل البصري للبقايا والمؤثرات: دمج مكتبة matplotlib ومكتبة seaborn لرسم منحنيات Lowess للتحقق من الخطية اللوغاريتمية، ورسم مخططات مسافة كوك وقيم الرافعة لتحديد النقاط الشاذة، إلى جانب استخدام مكتبة scipy.stats لحساب احتمالات المتبقيات المعيارية والتحويلات الرياضية المناسبة.

9. دراسة حالة تطبيقية: فحص الافتراضات الستة في سياق تشخيص نفسي وسلوكي

9.1 توصيف مشكلة البحث والمتغيرات المعتمدة

لإضفاء الطابع التطبيقي الواقعي، نفترض إجراء دراسة ميدانية في علم النفس المعرفي والسلوكي تهدف إلى بناء نموذج انحدار لوجستي ثنائي للتنبؤ بـ الإصابة بمتلازمة الاحتراق النفسي الأكاديمي الشديد (Academic Burnout Syndrome) لدى عينة قوامها $N = 400$ من طلبة كليات الطب والعلوم الصحية. تم جمع البيانات عبر استبانات ومقاييس مقننة ذات موثوقية قياسية عالية.

تتضمن بنية متغيرات الدراسة ما يلي:

  • المتغير التابع ($Y$): تشخيص الإصابة بالاحتراق النفسي الأكاديمي وفق محك Maslach المقنن، ورُمز ثنائياً إلى: (1 = مصاب بالاحتراق النفسي، 0 = غير مصاب / سليم). بلغت نسبة المصابين في العينة 120 طالباً (30%) مقابل 280 طالباً غير مصاب (70%).
  • المتغيرات المستقلة المستمرة:
    • مستوى الضغط النفسي المدرك ($X_1$ – Stress): مقياس مستمر يتراوح بين (0 – 50 درجة).
    • ساعات الدراسة الأسبوعية ($X_2$ – Study_Hours): متغير مستمر يعبر عن الساعات الفعلية للدراسة والمناوبة الأسبوعية.
    • مؤشر جودة النوم ($X_3$ – Sleep_Quality): مقياس مستمر يتراوح بين (0 – 20 درجة، حيث تدل الدرجات الأعلى على جودة نوم أفضل).
  • المتغير المستقل الفئوي:
    • مستوى الدعم الاجتماعي المدرك ($X_4$ – Social_Support): متغير فئوي ثنائي (1 = دعم اجتماعي مرتفع، 0 = دعم اجتماعي منخفض كفئة مرجعية).

9.2 تطبيق الاختبارات التشخيصية خطوة بخطوة

1. فحص ثنائية الاستجابة واستقلالية المشاهدات: أظهرت جداول التكرار خلو المتغير التابع من أي تصنيفات مفقودة وانحصاره القطعي في الفئتين (0 و 1). كما تم التحقق من استقلالية المشاهدات من خلال تصميم المعاينة الذي اعتمد الاختيار العشوائي الفردي عبر دفعات دراسية مختلفة مع تطبيق الاستبانات بشكل منفصل دون عمل جماعي يولد ارتباطاً عنقودياً.

2. فحص كفاية حجم العينة والتمثيل: يبلغ عدد الأحداث في الفئة الأقل تكراراً $n_{Y=1} = 120$ حدثاً. يتضمن النموذج 4 متغيرات مستقلة، وبالتالي فإن معدل الأحداث لكل متغير يبلغ:

$$\text{EPV} = \frac{120}{4} = 30$$

وهي قيمة تتجاوز بكثير الحد الأدنى المشترط (10-20 حدث لكل متغير)، مما يؤكد كفاية القوة الإحصائية وانتفاء مخاطر التحيز وانعدام ظاهرة الفصل التام.

3. فحص التعددية الخطية (Multicollinearity): تم حساب مصفوفة الارتباط ومؤشرات VIF، وكانت النتائج كالتالي:

  • الضغط النفسي ($X_1$): $\text{VIF} = 1.42$ (التسامح = $0.704$)
  • ساعات الدراسة الأسبوعية ($X_2$): $\text{VIF} = 1.28$ (التسامح = $0.781$)
  • جودة النوم ($X_3$): $\text{VIF} = 1.65$ (التسامح = $0.606$)
  • الدعم الاجتماعي ($X_4$): $\text{VIF} = 1.15$ (التسامح = $0.869$)

نظراً لأن جميع قيم VIF أقل بكثير من العتبة الحرجة (5)، وتتراوح مؤشرات التسامح في حدود آمنة، يتأكد لنا غياب مشكلة التعددية الخطية تماماً واستقرار تقديرات النموذج.

4. اختبار الخطية مع لوغاريتم الأرجحية (بوكس-تيدويل): تم إدخال الحدود التفاعلية اللوغاريتمية للمتغيرات المستمرة الثلاثة، وجاءت نتائج قيم الدلالة الإحصائية لمعاملات التفاعل كما يلي:

  • الضغط النفسي $\times \ln(\text{الضغط}): p = 0.412$ (غير دال، افتراض الخطية متحقق).
  • جودة النوم $\times \ln(\text{جودة النوم}): p = 0.285$ (غير دال، افتراض الخطية متحقق).
  • ساعات الدراسة $\times \ln(\text{ساعات الدراسة}): p = 0.018$ (دال إحصائياً عند مستوى $0.05$).

كشفت النتيجة عن انتهاك افتراض الخطية لمتغير ساعات الدراسة الأسبوعية. أظهر الفحص البصري للمنحنى الأملس وجود تسارع غير خطي لتأثير ساعات الدراسة بعد حاجز 50 ساعة أسبوعياً. ولمعالجة هذا الانتهاك، تم تطبيق تحويل تربيعي للمتغير بإدراج الحد $(\text{Study_Hours})^2$ في النموذج النهائي، مما أعاد ضبط الخطية بنجاح وأدى إلى هبوط معنوية الحد التفاعلي لبوكس-تيدويل إلى مستوى غير دال ($p = 0.340$).

5. فحص القيم المتطرفة والنقاط المؤثرة: أسفر فحص متبقيات ديفيانس المعيرة عن وجود 3 مشاهدات فقط تتجاوز قيمتها المطلقة 2.5، ولكن فحص مسافة كوك لجميع المفحوصين أظهر أن أعلى قيمة مسجلة بلغت $D_{\max} = 0.082$، وهي أدنى بكثير من الحد الحرج (1.0). كما كانت كافة قيم DFBETAs محصورة ضمن النطاق الآمن $[-0.15, +0.18]$، مما يؤكد عدم وجود أي نقاط شاذة ذات تأثير مشوه على معاملات الانحدار.

9.3 تفسير النتائج النهائية وصياغة التقرير الأكاديمي

بعد التحقق الكامل وتصحيح الانتهاكات، تم استخراج تقديرات نموذج الانحدار اللوجستي النهائي، وأظهر اختبار هوسمر-ليمشو لجودة المطابقة (Hosmer-Lemeshow Goodness-of-Fit Test) ملاءمة ممتازة للبيانات ($\chi^2(8) = 5.64, p = 0.687$). كما بلغت قيمة معامل التحديد لـ Nagelkerke $R^2 = 0.462$، وبلغت المساحة تحت منحنى الخصائص التشغيلية للمستقبل ($\text{AUC-ROC} = 0.865$).

صياغة فقرة التحقق والنتائج وفق معايير APA (الإصدار السابع):

“أُجري تحليل الانحدار اللوجستي الثنائي لتقييم أثر الضغط النفسي المدرك، وساعات الدراسة الأسبوعية، وجودة النوم، والدعم الاجتماعي على احتمالية الإصابة بالاحتراق النفسي الأكاديمي لدى طلبة الطب ($N = 400$). جرى التحقق المسبق من كافة الافتراضات الإحصائية للنموذج؛ حيث أكدت قيم معامل تضخم التباين غياب التعددية الخطية ($\text{VIF} < 1.65$). وكشف اختبار بوكس-تيدويل عن وجود علاقة غير خطية لمتغير ساعات الدراسة مع لوغاريتم الأرجحية ($p = .018$)، وعولج ذلك بنجاح بإدراج الحد التربيعي للمتغير. وأكدت تشخيصات مسافة كوك ($D_i < .082$) ومتبقيات ديفيانس المعيرة خلو البيانات من أي نقاط مؤثرة شاذة."

“أظهر النموذج النهائي ملاءمة إحصائية ممتازة للبيانات بحسب اختبار هوسمر-ليمشو ($\chi^2(8) = 5.64, p = .687$). ارتبط ارتفاع الضغط النفسي بزيادة دالة في أرجحية الإصابة بالاحتراق النفسي ($B = 0.118, \text{SE} = 0.024, \text{Wald} = 24.20, p < .001, \text{OR} = 1.125, 95% \text{ CI } [1.073, 1.179]$). في المقابل، شكلت جودة النوم المرتفعة عاملاً وقائياً دالاً يخفض من أرجحية الاحتراق ($B = -0.195, \text{SE} = 0.045, \text{Wald} = 18.78, p < .001, \text{OR} = 0.823, 95% \text{ CI } [0.753, 0.899]$)، وكذلك أدى وجود الدعم الاجتماعي المرتفع إلى خفض أرجحية الإصابة بنسبة 58% مقارنة بفئة الدعم المنخفض ($\text{OR} = 0.420, 95% \text{ CI } [0.245, 0.720], p = .002$)."

10. الإجراءات التصحيحية والبدائل الإحصائية عند انتهاك الافتراضات

10.1 البدائل المنهجية عند غياب الاستقلالية والبيانات المترابطة

عندما تُظهر البيانات طبيعة عنقودية هرمية أو قياسات متكررة عبر الزمن تخرق افتراض الاستقلالية، يتعين على الباحث تجاوز الانحدار اللوجستي الكلاسيكي وتطبيق إحدى المنهجيات المتقدمة المصممة خصيصاً للبيانات المترابطة:

  • نماذج الانحدار اللوجستي متعدد المستويات (Multilevel Logistic Models / GLMM): تتيح هذه النماذج فصل التباين الكلي إلى تباين عائد للأفراد داخل العناقيد وتباين عائد للاختلافات بين العناقيد ذاتها، وذلك من خلال تقدير قواطع ومنحدرات عشوائية (Random Intercepts & Slopes) تأخذ في الحسبان التأثيرات البيئية والتنظيمية المشتركة.
  • معادلات التقدير المعممة (GEE): تمثل الإطار المنهجي المفضل في الدراسات الوبائية والتتبعية واسعة النطاق؛ حيث تركز على تقدير التأثيرات المتوسطة في المجتمع مع ضبط الارتباط الداخلي باستخدام مصفوفة ارتباط مختارة (مثل: المستقلة، التبادلية Exchangeable، أو ذاتية الانحدار AR(1)). تتميز GEE بأنها تعطي تقديرات متسقة للأخطاء المعيارية باستخدام مقدر التباين القائم على الساندويتش الحصين (Robust Sandwich Estimator) حتى لو تم تحديد بنية مصفوفة الارتباط بشكل غير دقيق تماماً.

10.2 معالجة غياب الخطية والتعقيدات غير المعلمية

إذا كانت العلاقات بين المتغيرات المستقلة ولوغاريتم الأرجحية معقدة للغاية وتتضمن انحناءات متعددة يتعذر ضبطها بالتحويلات كثيرة الحدود البسيطة، يمكن للباحث الاستعانة بالبدائل الإحصائية الحديثة التالية:

  • النماذج الجمعية المعممة (Generalized Additive Models – GAM): تُعد الامتداد غير المعلمي الأبرز للانحدار اللوجستي. تستبدل هذه النماذج الحدود الخطية ($\beta_j X_j$) بدوال تنعيم مرنة غير معلمية $f(X_j)$ يتم تقديرها آلياً من البيانات عبر تقنيات Splines، مما يسمح باكتشاف ونمذجة أي نمط غير خطي مهما بلغت درجة تعقيده دون فرض أي شكل رياضي مسبق.
  • خوارزميات التصنيف القائمة على أشجار القرار والتجميع (Tree-Based Ensembles): مثل نماذج الغابات العشوائية (Random Forests) وخوارزميات التعزيز المتدرج (Gradient Boosting / XGBoost). تتميز هذه النماذج بتحررها التام من افتراضات الخطية، والتعددية الخطية، والتوزيع الطبيعي، وقدرتها الفائقة على التقاط التفاعلات المعقدة بين المتغيرات تلقائياً، مع إمكانية استخدام أساليب التفسير المتقدمة مثل قيم شابليه (SHAP Values) لتفسير تأثير كل متغير.

10.3 معالجة البيانات النادرة والاختلال الشديد في الفئات

في حالات عدم التوازن الحاد في تصنيف المتغير التابع (Class Imbalance)، حيث تشكل الفئة المستهدفة نسبة ضئيلة جداً (أقل من 5% أو 1%)، يفقد الانحدار اللوجستي التقليدي قدرته التنبؤية ويميل تلقائياً للتنبؤ بالفئة الأكثر شيوعاً. تشمل المعالجات المنهجية المعتمدة في هذا السياق:

  • تقنيات إعادة موازنة العينة (Resampling Methods): تطبيق أسلوب توليد العينات الاصطناعية للفئة الأقلية (SMOTE – Synthetic Minority Over-sampling Technique) لخلق مشاهدات تركيبية واقعية تعزز تمثيل الفئة النادرة، أو استخدام أسلوب التقليل العشوائي للفئة الغالبة (Random Undersampling).
  • تعديل أوزان الفئات ودوال الخسارة (Cost-Sensitive Weighting): منح أوزان جزائية مضاعفة للأخطاء الناتجة عن سوء تصنيف الفئة النادرة أثناء حساب دالة الإمكان، مما يجبر الخوارزمية على إيلاء اهتمام كافٍ للخصائص المميزة للحالات النادرة.
  • نموذج كينغ وزينغ لتصحيح الأحداث النادرة (King & Zeng Rare Events Logistic Correction): وهو تعديل رياضي مصمم خصيصاً للبيانات النادرة في العلوم السياسية والاجتماعية، يقوم بتصحيح القاطع والتحيز في الاحتمالات التنبؤية المشتقة من عينات الحالات والشواهد غير المتناسبة.

11. الأخطاء الشائعة في تقييم افتراضات الانحدار اللوجستي وكيفية تفاديها

11.1 الخلط بين افتراضات الانحدار الخطي والانحدار اللوجستي

يقع عدد كبير من الباحثين في فخ إسقاط افتراضات الانحدار الخطي الكلاسيكي (OLS) على نموذج الانحدار اللوجستي، وهو ما يمثل جهلاً بالفروق الهيكلية العميقة بين النموذجين. من أبرز هذه المفاهيم المغلوطة:

  • اشتراط التوزيع الطبيعي للمتغيرات (Normality): يعتقد البعض خطأً أن المتغيرات المستقلة أو المتغير التابع يجب أن تتوزع توزيعاً طبيعياً. الحقيقة هي أن الانحدار اللوجستي لا يشترط نهائياً التوزيع الطبيعي للمتغيرات المستقلة، إذ يمكن أن تكون مستمرة بأي توزيع، أو فئوية، أو ثنائية، كما أن المتغير التابع يتبع بالضرورة توزيع بيرنولي المتقطع وليس التوزيع الطبيعي.
  • اشتراط تجانس تباين الأخطاء (Homoscedasticity): يفترض الانحدار الخطي ثبات تباين المتبقيات عبر مستويات التنبؤ. أما في الانحدار اللوجستي، فإن التباين هو دالة حتمية تعتمد على الاحتمالية المحسوبة ذاتها ($\text{Var}(Y|X) = \pi(1-\pi)$)، مما يعني أن عدم تجانس التباين (Heteroscedasticity) هو خاصية بنيوية مدمجة في النموذج ومقبولة رياضياً بحكم طبيعة التوزيع الاحتمالي.
  • اختبار الخطية بالنسبة للمتغير التابع الخام: محاولة فحص العلاقة الخطية بين المتغيرات المستقلة والمتغير $Y$ مباشرة عبر خطوط الانحدار البسيطة بدلاً من فحص خطيتها مع لوغاريتم الأرجحية عبر اختبار بوكس-تيدويل، وهو إجراء باطل منهجياً يؤدي دائماً إلى رفض زائف للخطية نظراً للطبيعة الفئوية لـ $Y$.

11.2 إغفال فحص ظاهرة التعددية الخطية وحجم العينة الفعّال

تتمثل إحدى الهفوات الشائعة في اكتفاء الباحثين بفحص الحجم الكلي الإجمالي للعينة ($N$) دون الالتفات إلى عدد الحالات في الفئة الأقل تكراراً (حساب EPV). قد يمتلك الباحث عينة ضخمة تتجاوز ألف مشاهدة، ولكنه يدرس حدثاً نادراً لا يتعدى حدوثه 15 مرة، ثم يقوم بإدخال 10 متغيرات مستقلة في النموذج؛ فيحدث تدهور حاد وإفراط في الملاءمة دون أن يدري المحلل سبب تضخم الأخطاء المعيارية.

كما يتجاهل البعض التعددية الخطية الخفية التي تنشأ ليس فقط من الارتباطات الثنائية البسيطة بين متغيرين، وإنما من التداخل الخطي المعقد الناتج عن تفاعل عدة متغيرات مستقلة معاً، وهو ما لا تكشفه مصفوفة الارتباط البسيطة، مما يستوجب فحص معاملات VIF ومؤشرات الحالة بدقة في كل تحليل.

11.3 التعامل غير العلمي مع القيم المتطرفة والمتبقيات

يمارس بعض الباحثين ممارسات مخلة بالنزاهة المنهجية عند التعامل مع القيم المتطرفة؛ تتراوح بين الحذف التعسفي التلقائي لأي مشاهدة تمتلك متبقياً مرتفعاً لتحسين جودة ملاءمة النموذج ظاهرياً، وبين الإهمال التام لتشخيص النقاط المؤثرة ذات الرافعة العالية، مما يترك معاملات النموذج عرضة للتشوه بتأثير مشاهدة واحدة شاذة.

تقتضي الرصانة الأكاديمية عدم حذف أي نقطة بيانات إلا إذا ثبت يقيناً أنها خطأ في القياس أو الإدخال، وفيما عدا ذلك يجب استخدام تحليلات الحساسية أو الانحدار الحصين مع التوثيق المنهجي الشفاف لأسباب وآليات التعامل مع كل حالة شاذة في تقرير البحث.

12. خاتمة وإرشادات إرشادية للباحثين والمحللين الإحصائيين

12.1 قائمة التحقق المنهجية (Methodological Checklist) قبل النمذجة

لضمان استيفاء النموذج لكافة معايير الرصانة الإحصائية قبل اعتماد النتائج وتفسيرها، يوصى باتباع قائمة التحقق المنهجية المتسلسلة التالية:

  • [ ] المتغير التابع: هل تم التأكد من أنه متغير فئوي ثنائي مشفر بدقة (0 = المرجع، 1 = الحدث)؟
  • [ ] استقلالية البيانات: هل يضمن تصميم الدراسة استقلالية المشاهدات وخلوها من الهياكل العنقودية أو القياسات المتكررة؟
  • [ ] حجم العينة الفعّال: هل يبلغ معدل الأحداث لكل متغير ($\text{EPV}$) 10 على الأقل بالنسبة للفئة الأقل تكراراً؟
  • [ ] التعددية الخطية: هل تم حساب قيم VIF والتأكد من أنها دون العتبات الحرجة ($\text{VIF} < 5$)؟
  • [ ] الخطية مع اللوجيت: هل تم تطبيق اختبار بوكس-تيدويل على كافة المتغيرات المستمرة والتأكد من عدم معنوية حدود التفاعل اللوغاريتمي ($p > .05$)؟
  • [ ] القيم المؤثرة: هل تم فحص مسافات كوك وقيم الرافعة والتأكد من عدم وجود نقاط شاذة تشوه المعالم المقدرة؟
  • [ ] جودة الملاءمة الكلية: هل تم تقييم النموذج باستخدام اختبار هوسمر-ليمشو، ومؤشرات Pseudo-$R^2$، ومنحنى AUC-ROC؟

12.2 توصيات كتابة النتائج والنشر العلمي المحكم

عند إعداد المخطوطات العلمية للنشر في المجلات المحكمة الرائدة، يجب أن يتضمن قسم المنهجية والنتائج بياناً تفصيلياً يوثق الخطوات الإجرائية لفحص الافتراضات. لا يكفي الادعاء العام بأن “الافتراضات قد تم فحصها واستيفاؤها”، بل ينبغي إيراد القيم الرقمية لاختبار بوكس-تيدويل، ونطاق قيم VIF، ونتائج اختبارات جودة الملاءمة، فضلاً عن تضمين جداول التحليل التشخيصي في الملاحق التكميلية (Supplementary Materials) إذا لزم الأمر.

كما يجب الحذر التام عند تفسير نسب الأرجحية؛ ففي حال تم تطبيق تحويلات رياضية على المتغيرات المستقلة (كالتحويل اللوغاريتمي أو التربيعي) لمعالجة غياب الخطية، فإن تفسير نسبة الأرجحية يجب أن يُعاد صياغته ليعكس التغير النسبي في المتغير المحول وليس التغير الخطي بوحدة واحدة بسيطة.

12.3 الآفاق المستقبلية لتطوير النمذجة اللوجستية في البحوث النفسية

تشهد النمذجة اللوجستية في العلوم النفسية والسلوكية المعاصرة تحولات متسارعة نحو التكامل مع أحدث تقنيات الذكاء الاصطناعي القابل للتفسير (Explainable AI – XAI). يتيح هذا التكامل الجمع بين القوة التنبؤية الفائقة لخوارزميات التعلم الآلي والقدرة التفسيرية العالية لمعاملات الانحدار اللوجستي من خلال أطر عمل تفسيرية متقدمة مثل SHAP و LIME.

علاوة على ذلك، يتسع نطاق تطبيق الانحدار اللوجستي البايزي (Bayesian Logistic Regression) كبديل متقدم لمعالجة قيود العينات الصغيرة والظواهر النادرة؛ حيث يتيح الاستدلال البايزي دمج المعرفة والخبرات السابقة عبر التوزيعات القبلية (Priors) والحصول على فترات مصداقية خلفية دقيقة (Credible Intervals) تتجاوز قيود النظريات التقاربية التقليدية، مما يفتح آفاقاً جديدة للبحث العلمي الرصين في مواجهة أعقد التحديات القياسية والبياناتية في العلوم الإنسانية والتطبيقية.

المراجع (References)

اقتباس هذا المقال

looti, M. (2026, أغسطس 27). الافتراضات الستة للانحدار اللوجستي (مع أمثلة). عرب سايكلوجي. https://arabpsychology.com/statistics/assumptions-of-logistic-regression-with-examples/
looti, Mohammed. “الافتراضات الستة للانحدار اللوجستي (مع أمثلة).” عرب سايكلوجي, 27 أغسطس 2026, https://arabpsychology.com/statistics/assumptions-of-logistic-regression-with-examples/.
looti, Mohammed. “الافتراضات الستة للانحدار اللوجستي (مع أمثلة).” عرب سايكلوجي. أغسطس 27, 2026. https://arabpsychology.com/statistics/assumptions-of-logistic-regression-with-examples/.