الإحصاء وتحليل البياناتالنماذج الإحصائية المعممةلغة البرمجة R

كيفية حساب معامل التحديد R-Squared لنموذج glm في لغة R

دليل أكاديمي شامل يشرح كيفية حساب وتفسير مقاييس Pseudo R-Squared لنماذج الانحدار الخطي المعمم (GLM) في لغة البرمجة R باستخدام الأكواد والحزم المتخصصة.

تاريخ النشر

يمثل تقييم جودة النماذج الإحصائية ركيزة أساسية في التحليل البياني المتقدم والاستدلال العلمي المعاصر؛ إذ لا تقتصر مهمة الباحث على مجرد بناء نماذج تنبؤية أو استكشافية، بل تمتد إلى قياس مدى كفاءة هذه النماذج في تفسير تباين الظاهرة المدروسة وعكس البنية العميقة للبيانات. لعقود طويلة، ظل معامل التحديد الكلاسيكي المعروف بـ R-Squared المعيار الذهبي والمألوف في إطار نماذج الانحدار الخطي العادي المقدرة بطريقة المربعات الصغرى؛ نظراً لبساطته الحدسية، حيث يوفر نسبة مئوية مباشرة تعبر عن مقدار التباين في المتغير التابع الذي استطاعت المتغيرات المستقلة تفسيره واحتوائه ضمن النموذج الرياضي.

مع تطور العلوم السلوكية والطبية والاجتماعية، برزت الحاجة الماسة إلى التعامل مع متغيرات استجابة لا تتسق مع الافتراضات الصارمة للنماذج الخطية التقليدية، مثل المتغيرات الفئوية الثنائية، والبيانات التكرارية المتقطعة، والبيانات المرتبطة بالاحتمالات أو الفترات الزمنية. هنا برزت النماذج الخطية المعممة كإطار رياضي مرن وشامل يستند إلى نظرية الإمكانية العظمى بدلاً من مجموع المربعات، مما أدى إلى انهيار المفهوم الجبري البسيط لتجزئة التباين الكلي، واستحال معه تطبيق معامل التحديد التقليدي بصورته المعهودة دون الوقوع في تشوهات إحصائية وتفسيرية مضللة.

يقدم هذا المرجع الأكاديمي الشامل دليلاً مفصلاً ومتعمقاً لفهم وحساب المقاييس الشبيهة بمعامل التحديد (Pseudo R-Squared) للنماذج الخطية المعممة داخل بيئة لغة البرمجة الإحصائية R Project for Statistical Computing. سنستعرض الأسس الرياضية العميقة لهذه المقاييس، مع التركيز على مقياس مكفادين ومقاييس كوكس وسنيل وناجيلكيرك ومعامل تجور، وسنوضح الآليات البرمجية الدقيقة لحسابها يدوياً وعبر الحزم المتخصصة، مدعومة بدراسات حالة واقعية من مجالات علم النفس والقياس السلوكي، لتزويد الباحثين والمحللين بالمعرفة النظرية والتطبيقية اللازمة لاتخاذ قرارات منهجية رصينة.

جدول المحتويات

1. مقدمة نظرية حول معامل التحديد ومفهومه في النماذج الخطية المعممة (GLM)

1.1 المفهوم الإحصائي لمعامل التحديد التقليدي R-Squared ومحدوديته

يُعرف معامل التحديد الكلاسيكي بأنه المقياس الإحصائي الذي يحدد نسبة التباين المشترك أو التشتت في المتغير التابع الكمي القابل للتفسير بواسطة مجموعة المتغيرات المستقلة أو التفسيرية المدرجة في معادلة الانحدار. يعتمد الأساس الرياضي لهذا المقياس في نماذج المربعات الصغرى العادية على تجزئة المجموع الكلي للمربعات إلى مركبين متمايزين: مجموع مربعات الانحدار الذي يمثل التباين المفسر، ومجموع مربعات البواقي الذي يعبر عن التباين العشوائي غير المفسر. تُحسب هذه القيمة رياضياً من خلال طرح نسبة مجموع مربعات الأخطاء إلى المجموع الكلي للمربعات من القيمة الصحيحة واحد، مما يحصر ناتج المقياس دائماً ضمن المجال المغلق بين الصفر والواحد الصحيح في سياق النماذج التي تتضمن حداً ثابتاً.

تكمن محدودية هذا المقياس الكلاسيكي في ارتباطه العضوي والرياضي بافتراضات الخطية، وثبات تباين الأخطاء، والتوزيع الطبيعي للبواقي. عند الانتقال إلى النماذج غير الخطية أو النماذج التي تتعامل مع متغيرات استجابة غير كمية، يفقد المجموع الكلي للمربعات معناه الإحصائي بوصفه مقياساً تاماً للتباين الكلي، حيث تصبح العلاقة بين التوقعات الخطية والمتغير التابع علاقة غير خطية تحكمها دوال تحويلية معقدة. إن محاولة تطبيق معادلة مجموع المربعات الكلاسيكية على مخرجات النماذج غير الخطية يؤدي في كثير من الأحيان إلى إنتاج قيم تقع خارج النطاق المنطقي، كأن تظهر قيم سالبة أو قيم تتجاوز الواحد، مما يجعله مقياساً عاجزاً عن توصيف جودة التوفيق في هذه البيئات الإحصائية المتقدمة.

تتضاعف هذه المحدودية عند غياب التجانس التبايني، حيث يصبح تباين الاستجابة دالة رياضية في القيمة المتوقعة نفسها، كما هو الحال في النماذج الاحتمالية والبيانات التكرارية. يؤدي هذا الترابط بين المتوسط والتباين إلى بطلان الفرضية القائلة بإمكانية فصل التباين العشوائي عن التباين المفسر بنسب خطية بسيطة. لذلك، بات لزاماً على الإحصائيين البحث عن صياغات مفاهيمية بديلة تستند إلى مفاهيم نظرية المعلومات والدوال الاحتمالية لتأسيس مقاييس تعكس القدرة التفسيرية للنماذج دون الاعتماد على مبدأ المربعات الصغرى، وهو ما مهد الطريق لظهور عائلة المقاييس الشبيهة بمعامل التحديد.

1.2 طبيعة النماذج الخطية المعممة (GLM) والابتعاد عن التوزيع الطبيعي

تمثل النماذج الخطية المعممة، التي وضع أسسها النظرية نيلدر وودربيرن في مطلع السبعينيات، توسيعاً بنيوياً ثورياً لنماذج الانحدار الخطي التقليدي؛ إذ تسمح للباحث بنمذجة متغيرات استجابة تنتمي توزيعاتها الاحتمالية إلى عائلة الإمكانية الأسية الشاملة. تتضمن هذه العائلة طيفاً واسعاً من التوزيعات التراكمية والمتقطعة، مثل التوزيع الثنائي، وتوزيع بواسون، والتوزيع الغامائي، وتوزيع فايبل، وتوزيع الحدين السالب، مما يمنح الباحثين مرونة فائقة في التعامل مع البيانات الحقيقية التي تبتعد بطبيعتها عن شكل الجرس التوزيعي المتماثل المألوف في التوزيع الطبيعي المعياري.

تتألف البنية الهيكلية لنموذج GLM من ثلاثة مكونات رئيسية: المكون العشوائي الذي يحدد التوزيع الاحتمالي للمتغير التابع، والمكون الخطي المنظم الذي يجمع المتغيرات المستقلة والمعاملات في تركيبة خطية متجهة، ودالة الربط التحويلية التي تلعب دور الجسر الرياضي بين التوقع الرياضي للمتغير التابع والتركيبة الخطية للمتغيرات المفسرة. تضمن دالة الربط بقاء التنبؤات الإحصائية ضمن النطاق المنطقي المقبول للتوزيع، مثل ضمان بقاء الاحتمالات المتوقعة بين الصفر والواحد في التوزيع الثنائي باستخدام دالة الربط اللوجستية، أو ضمان إيجابية التوقعات في نماذج العد عبر استخدام دالة الربط اللوغاريتمية.

يترتب على هذا التحول الهيكلي غياب مفهوم التباين الكلي الثابت والمتجانس المستقل عن المتوسط الحسابي. في نماذج انحدار بواسون على سبيل المثال، يفترض التوزيع تماثل المتوسط والتباين، بينما يتبع التباين في الانحدار اللوجستي صيغة تعتمد طردياً على حاصل ضرب الاحتمال في متممه. هذا التغير المستمر في التباين التابع لقيم المتغيرات التفسيرية ينسف فكرة وجود قاعدة تباين ثابتة يمكن تجزئتها خطياً، مما يستوجب صياغة مقاربات تقييمية جديدة تعتمد على قياس مدى تقليص دالة الانحراف أو تعظيم دالة الإمكانية الإحصائية لتقييم كفاءة النموذج التقديري.

1.3 دواعي استخدام مقاييس جودة التوفيق البديلة (Goodness-of-Fit)

تعد مسألة تقييم جودة التوفيق في الأبحاث التطبيقية غاية حاسمة للإجابة عن أسئلة جوهرية تتعلق بمدى مطابقة النموذج المصاغ للبيانات التجريبية المشاهدة على أرض الواقع. في مجالات مثل القياس النفسي والعلوم الاجتماعية والطب الوقائي، لا يكتفي الباحثون بمعرفة ما إذا كانت المعاملات الانحدارية دالة إحصائياً عند مستويات ألفا التقليدية، بل يسعون جاهدين لفهم الحجم النسبي للتأثير والقدرة التفسيرية الشاملة التي توفرها منظومة المتغيرات المقترحة في تفسير السلوك الإنساني أو حدوث الاعتلالات الصحية المشخصة.

تكتسب مقاييس جودة التوفيق البديلة أهميتها من كونها توفر لغة معيارية مشتركة للمقارنة المنهجية بين النماذج المتنافسة المطبقة على نفس مصفوفة البيانات. تتيح هذه المقاييس للمحلل المفاضلة العقلانية بين نموذج مبسط يحتوي على عدد قليل من المتغيرات ونموذج أكثر تعقيداً يحتوي على تفاعلات وتأثيرات غير خطية، مما يسهم في تحقيق مبدأ البساطة العلمية وتفادي الوقوع في فخ الإفراط في التوفيق التقديري. كما تدعم هذه المقاييس التحقق من مدى جدوى إضافة أبعاد استبيانية أو مؤشرات حيوية جديدة إلى النماذج التنبؤية السريرية القائمة.

توفر المقاييس الشبيهة بمعامل التحديد مؤشراً قياسياً تكميلياً يعوض غياب المعامل الكلاسيكي، مما يسهل عملية التواصل العلمي ونشر النتائج الإحصائية المعقدة للجمهور الأكاديمي وصناع القرار. إن تقديم مؤشر يماثل في فلسفته وفهمه العام معامل التحديد القديم يساعد الباحثين في بناء استنتاجات مستندة إلى الأدلة حول مدى كفاية النماذج في تفسير الواقع، بشرط إدراك الفروق المنهجية الدقيقة بين المقاييس الكلاسيكية وتلك الشبيهة بها، وتجنب تفسيرها الميكانيكي الأعمى دون مراعاة السياق التوزيعي والفرضي للنموذج المعتمد.

2. إشكالية حساب R-Squared الكلاسيكي في النماذج المعممة

2.1 الفروق الجوهرية بين طريقة المربعات الصغرى (OLS) ودالة الإمكانية العظمى (MLE)

تنبع الإشكالية البنيوية لحساب معامل التحديد التقليدي من التباين الفلسفي والرياضي العميق بين أسلوب تقدير المربعات الصغرى العادية وأسلوب تقدير الإمكانية العظمى المعتمد في النماذج المعممة. تسعى طريقة المربعات الصغرى إلى تقليل المجموع التراكمي لمربعات الفروق العمودية بين القيم المشاهدة والقيم المتوقعة على طول خط الانحدار، وهو هدف هندسي بحت يتيح بفعل خصائص الجبر الخطي تحليل التباين الكلي وتفكيكه جبرياً بدقة متناهية إلى أجزاء متعامدة مستقلة تضمن تطابق مجموع التباين المفسر وغير المفسر مع التباين الكلي بدقة حسابية تامة.

في المقابل، تستند النماذج الخطية المعممة إلى مبدأ تقدير الإمكانية العظمى، وهي منهجية احتمالية لا تبحث عن تصغير المسافات الهندسية، بل تهدف إلى إيجاد متجهات المعلمات التي تجعل من مصفوفة البيانات المرصودة العينة الأكثر احتمالاً للحدوث في الواقع تحت التوزيع الاحتمالي المفترض. تتطلب هذه العملية تعظيم دالة الإمكانية التراكمية، أو بصورة أكثر دقة لوغاريتم دالة الإمكانية، عبر خوارزميات عددية متكررة مثل طريقة نيوتن-رافسون أو المربعات الصغرى الموزونة تكرارياً، بدلاً من إيجاد حلول مصفوفية مغلقة ذات خطوة حسابية واحدة.

ينسف هذا الاختلاف الجذري الأساس الرياضي الذي ترتكز عليه مبرهنة تفكيك التباين في إطار تحليل التباين الخطي. في ظل تقدير الإمكانية العظمى، لا يتساوى المجموع الكلي لمربعات الانحرافات مع مجموع مركباته المشتقة من النموذج، مما يجعل محاولة حساب معامل التحديد بالصيغة القديمة تؤدي إلى نتائج شاذة لا تمثل رياضياً أي نسبة حقيقية للتباين المفسر. بناءً على ذلك، يصبح استخدام لوغاريتم الإمكانية المعيار البديل والأساس الحسابي لتطوير مقاييس التوفيق في عائلة النماذج المعممة لتعويض انعدام التعامد الجبري للمربعات.

2.2 سلوك المتغيرات التابعة الفئوية ومحدودة القيمة (Binary & Count Data)

تفرض طبيعة المتغيرات التابعة الفئوية ومحدودة القيمة تحديات رياضية لا يمكن التغاضي عنها عند محاولة نمذجة التباين واستيعابه. في سياق الانحدار اللوجستي المخصص للاستجابات الثنائية المشفرة بصفر أو واحد، يتبع المتغير التابع توزيع برنولي الاحتمالي، حيث يرتبط التباين النظري للمتغير ارتباطاً حتمياً بالقيمة المتوقعة للاحتمال عبر الصيغة الرياضية $p(1-p)$. يصل هذا التباين إلى حده الأقصى المطلق والبالغ ربعاً صحيحاً (0.25) عندما يكون الاحتمال متساوياً بدقة عند النصف، بينما يتدنى نحو الصفر كلما اقتربت الاحتمالات من النهايات الحدية الصفرية أو الأحادية.

تؤدي هذه الطبيعة الحدية للبيانات الثنائية إلى تقييد رياضي صارم للتباين الإجمالي المشاهد مقارنة بالمتغيرات المتصلة غير المقيدة؛ فالبيانات لا يمكنها أن تأخذ سوى قيمتين منفصلتين، في حين ينتج النموذج قيماً تنبؤية احتمالية متصلة ومحصورة في المجال المفتوح بين الصفر والواحد. هذا التباين التكويني بين فضاء المخرجات وفضاء التوقعات يجعل الوصول إلى تطابق تام بين المشاهدات والتنبؤات أمراً مستحيلاً نظرياً إلا في حالات الفصل التام، وهي حالات مرضية إحصائياً تؤدي إلى تضخم المعاملات وانهيار مصفوفة التغاير.

على نحو مماثل، تظهر بيانات العد والترددات المقاسة عبر نماذج بواسون ونماذج الحدين السالب سلوكاً متقطعاً محكوماً بقيم صحيحة موجبة غير سالبة مع ذيل ممتد نحو اليمين، حيث يتزايد تباين الأخطاء بصورة متزامنة مع زيادة متوسط العد. يترتب على هذا التشتت المرتبط بالمتوسط عدم استقرار الخطأ المعياري وتباين البواقي عبر المستويات المختلفة للمتغيرات التفسيرية، مما يحرم الباحث من إمكانية استخدام مقام تبايني موحد وثابت كما هو متبع في معادلة معامل التحديد التقليدي للمتغيرات المتصلة.

2.3 التحديات المفاهيمية لنسبة التباين المفسر في النماذج الاحتمالية

يثير مفهوم نسبة التباين المفسر في النماذج الاحتمالية إشكالات مفاهيمية عميقة تتعلق بالمعنى الفلسفي للتباين في سياق الأحداث المتقطعة. عندما نقوم بالتنبؤ باحتمال حدوث سلوك انتحاري أو احتمال الإصابة بمرض نادر، فإن النموذج لا يتنبأ بحدوث الفعل في حد ذاته بصورة قاطعة، بل يقدر الميل الاحتمالي الكامن للحدوث. هذا التمايز الدقيق بين الحدث الفعلي الملاحظ والعملية العشوائية الكامنة المولدة له يعني أن جزءاً كبيراً من التباين المتبقي هو تباين متأصل في الطبيعة الاحتمالية للظاهرة ولا يمكن لأي متغير مستقل تفسيره مهما بلغت دقته.

ينشأ عن هذا القيد الرياضي استحالة وصول معظم مقاييس التباين المفسر إلى القيمة القصوى النظرية (1.0) حتى وإن كان النموذج التقديري مثالياً ومطابقاً للبنية الحقيقية للظاهرة في المجتمع الإحصائي. هذا الانخفاض القسري في الحد الأعلى الممكن لمقاييس التوفيق يولد انطباعاً خادعاً لدى الباحثين غير المتخصصين بأن نماذجهم ضعيفة أو ذات قدرة تفسيرية متواضعة عند مقارنة قيمها بقيم معامل التحديد المعتادة في الانحدار الخطي للعلوم الفيزيائية أو الهندسية.

لذلك، اقتضى التحول المنهجي إعادة تعريف مفهوم جودة النموذج، ليس بوصفه حصة التباين المفسر من المجموع الإجمالي، بل بوصفه مقدار التحسن الإمكاني النسبي الذي يقدمه النموذج المقترح مقارنة بنموذج الأساس الصفري المقتصر على الحد الثابت. يركز هذا المفهوم المعدل على قياس مدى تقارب النموذج المقدر من النموذج المشبع التام الذي يطابق البيانات مطابقة كلية، معتمداً على مقاييس الانحراف النسبي ولوغاريتم دالة الإمكانية لتوفير دلالات تفسيرية موثوقة لا تخرق القواعد الرياضية للتوزيعات المنفصلة.

3. المقاييس الشبيهة بمعامل التحديد (Pseudo R-Squared): التصنيف والخصائص

3.1 مقياس مكفادين (McFadden’s Pseudo R-Squared)

يعد مقياس مكفادين، الذي طوره عالم الاقتصاد القياسي الحائز على جائزة نوبل دانيال مكفادين عام 1974، أحد أكثر المقاييس الشبيهة بمعامل التحديد قبولاً ورسوخاً في الأدبيات الإحصائية، لا سيما في سياق نماذج الاختيار المنفصل والانحدار اللوجستي ونماذج الاختيار المتعدد. يستند الأساس الرياضي لهذا المقياس إلى مقارنة لوغاريتم دالة الإمكانية للنموذج المقترح بلوغاريتم دالة الإمكانية للنموذج الصفري المحتوي على الحد الثابت فقط، مما يجعله يعكس بصورة مباشرة مدى التحسن في القيمة الإمكانية الذي حققته المتغيرات المفسرة المضافة.

يتميز مقياس مكفادين بخصائص رياضية فائقة الرصانة؛ إذ ينطلق من الصفر عندما لا تقدم المتغيرات المستقلة أي تحسين يذكر على التوقع الأولي المعتمد على المتوسط، ويتجه تصاعدياً نحو الواحد الصحيح مع اقتراب النموذج من التوفيق التام المشبع للبيانات. ونظراً لطبيعة دالة اللوغاريتم الإمكاني، فإن قيم مكفادين تتصرف بطريقة مشابهة لمعامل التحديد الخطي من حيث الحساسية للعلاقات الارتباطية، لكنها تسجل قيماً عددية أصغر بكثير من الناحية الاسمية مقارنة بالمعامل التقليدي لنفس مستوى القوة التفسيرية.

من الناحية العملية والمعيارية، تشير الأدبيات الإحصائية المتخصصة إلى أن قيم مكفادين الواقعة بين النطاق 0.20 و0.40 تمثل جودة توفيق ممتازة جداً وتكافئ قيماً مرتفعة جداً تتراوح بين 0.70 و0.90 في الانحدار الخطي التقليدي. هذه الخاصية تجعل مقياس مكفادين أداة بالغة الحساسية والدقة للتمييز بين النماذج دون الإفراط في تضخيم المؤشرات الإحصائية بصورة وهمية، مما يمنحه أفضلية منهجية واسعة في الدراسات النفسية والسلوكية الرصينة.

3.2 مقياسا كوكس وسنيل (Cox & Snell) وناجيلكيرك (Nagelkerke)

طور الإحصائيان ديفيد كوكس وجويس سنيل عام 1989 مقياساً عاماً لجودة التوفيق يعتمد على المقارنة بين نسب دوال الإمكانية العظمى للنموذج الصفري والنموذج الكامل، مع تضمين حجم العينة الإجمالي كقوة أسية ناظمة للمعادلة. يعتمد هذا المقياس على الأساس النظري لاختبار نسبة الإمكانية، ويحسب من خلال طرح النسبة الإمكانية المرفوعة للأس $2/N$ من القيمة واحد، مما يمنحه خاصية الاقتراب الرياضي من المعامل الكلاسيكي في حالات التوزيع الطبيعي المتصل، ويجعله صالحاً للتطبيق على طيف واسع من نماذج عائلة الإمكانية الأسية.

يعيب مقياس كوكس وسنيل عيب جوهري خطير يتمثل في استحالة وصوله إلى القيمة القصوى النظرية 1.0 في النماذج ذات المتغيرات التابعة المنفصلة أو الفئوية، حتى في الحالات التي يحقق فيها النموذج تنبؤاً مثالياً وتوفيقاً تاماً مع البيانات. يتحدد الحد الأقصى الرياضي لمقياس كوكس وسنيل بالقيمة الناتجة عن طرح لوغاريتم الإمكانية الصفري المرفوع للأس المذكور من واحد، مما يجعل سقفه الأعلى محصوراً في كثير من الأحيان عند قيم مثل 0.75 أو 0.60 اعتماداً على التوزيع الهامشي للمتغير التابع، وهو ما يحد من قابليته المباشرة للمقارنة والتفسير.

لتجاوز هذا القصور المنهجي، اقترح الإحصائي نيكو ناجيلكيرك عام 1991 تعديلاً رياضياً لمعايرة مقياس كوكس وسنيل من خلال قسمة قيمته المحسوبة على أقصى قيمة حدية ممكنة يمكن للمقياس بلوغها تحت النموذج المشبع. أدى هذا التعديل إلى إنتاج مقياس ناجيلكيرك، المعروف أيضاً بمعامل كريدل، والذي يتميز بقدرته على الامتداد عبر كامل المجال من الصفر إلى الواحد الصحيح، مما جعله واسع الانتشار في المخرجات الافتراضية للبرمجيات الإحصائية الشهيرة ومفضلاً لدى قطاع عريض من الباحثين في العلوم الطبية الحيوية.

3.3 معامل التمييز لتجور (Tjur’s Coefficient of Discrimination)

قدم الإحصائي الدنماركي توركيل تجور عام 2009 مقياساً إحصائياً مبتكراً وبديهياً عُرف باسم معامل التمييز، مخصصاً حصرياً لنماذج الانحدار اللوجستي الثنائي. تنطلق فلسفة تجور من الابتعاد عن التعقيدات الحسابية لدوال الإمكانية والانحراف والتركيز بدلاً من ذلك على المخرجات التنبؤية المباشرة للنموذج، والمتمثلة في الاحتمالات التنبؤية المسندة لكل مشاهدة من مشاهدات العينة المصنفة ثنائياً.

يُحسب معامل التمييز لتجور ببساطة متناهية من خلال حساب المتوسط الحسابي للاحتمالات التنبؤية لجميع الحالات التي تحقق فيها الحدث فعلياً (الاستجابة تساوي 1)، ومن ثم طرح المتوسط الحسابي للاحتمالات التنبؤية للحالات التي لم يتحقق فيها الحدث (الاستجابة تساوي 0) من تلك القيمة. تعبر النتيجة الناتجة عن المسافة الفاصلة بين مركزي التوزيع التنبؤي للفئتين، حيث يشير الصفر إلى انعدام القدرة التمييزية للنموذج، بينما يشير الواحد الصحيح إلى قدرة تمييزية كاملة وفرز تام بين الفئتين دون أي تداخل في الاحتمالات.

يمتاز معامل تجور بوضوح بصري ومفاهيمي يجعله سهل التفسير بصورة استثنائية لغير المتخصصين في الرياضيات الإحصائية، إذ يمكن قراءته كفارق احتمالي مباشر بين المجموعتين المتقابلتين. علاوة على ذلك، لا يتأثر هذا المقياس بمشاكل المقاييس القائمة على دالة الإمكانية فيما يتعلق بحجم العينة أو التوزيع الهامشي الأولي، مما يجعله إضافة بالغة الأهمية لتقييم النماذج الثنائية في التطبيقات النفسية والتشخيصية السريرية التي تتطلب فرزاً واضحاً بين الأصحاء والمرضى.

4. الأساس الرياضي لمعامل تحديد مكفادين (McFadden’s R-Squared)

4.1 مفهوم دالة اللوغاريتم الإمكاني للنموذج المقدر (Log-Likelihood Model)

تمثل دالة اللوغاريتم الإمكاني للنموذج المقدر المقياس الكمي المركزي لمدى توافق المعلمات الإحصائية التقديرية مع مصفوفة البيانات التجريبية المرصودة. في الإطار العام لنماذج GLM، تُعرف دالة الإمكانية بأنها حاصل الضرب التراكمي للاحتمالات المشروطة لكل مشاهدة فردية مقدرة بناءً على قيم المتغيرات التفسيرية ومعلمات الانحدار. ونظراً لأن حاصل ضرب الاحتمالات المنحصرة بين الصفر والواحد ينتج أرقاماً متناهية الصغر يصعب التعامل معها حسابياً، يتم تحويل الدالة عبر أخذ اللوغاريتم الطبيعي لطرفي المعادلة، مما يحول عمليات الضرب التراكمي إلى عمليات جمع بسيطة.

تأخذ قيمة اللوغاريتم الإمكاني للنموذج المقدر دائماً قيماً سالبة في نماذج البيانات المنفصلة، حيث يمثل الصفر القمة النظرية المطلقة لدالة الإمكانية والتي تعني أن احتمال حدوث البيانات المشاهدة يساوي تماماً القيمة الأكيدة 1.0. تتجه قيمة اللوغاريتم الإمكاني نحو الصفر (أي تصبح أقل سلبية وأقرب إلى القيم الصفرية) كلما تحسنت قدرة النموذج على التنبؤ بالحالات الفعلية وارتفعت دقة تقديراته الاحتمالية للمشاهدات الحقيقية في العينة.

عند إضافة متغيرات مستقلة جديدة وذات دلالة إحصائية حقيقية إلى مصفوفة التصميم، تقوم خوارزمية التعظيم التكراري برفع قيمة اللوغاريتم الإمكاني عبر تقليص الفجوة التباينية بين المشاهد والمقدر. هذا التحسن يترجم مباشرة في انخفاض قيمة انحراف النموذج (Deviance)، والذي يساوي سالب ضعف اللوغاريتم الإمكاني. يشكل هذا الرقم حجر الزاوية الأساسي في بسط معادلة مكفادين لتقييم مقدار الابتعاد عن العشوائية والاقتراب من التوصيف الدقيق للبنية الإحصائية الكامنة.

4.2 مفهوم دالة اللوغاريتم الإمكاني للنموذج الصفري (Log-Likelihood Null)

يُعرف النموذج الصفري أو نموذج الأساس بأنه النموذج الإحصائي الأكثر بساطة وتجريداً، والذي يفترض عدم وجود أي تأثير للمتغيرات التفسيرية المستقلة على المتغير التابع، حيث يقتصر تركيبه الرياضي على تقدير معامل الحد الثابت فقط. يمثل هذا النموذج نقطة المرجعية الإحصائية المعيارية أو خط الأساس لأسوأ أداء تنبؤي ممكن للنموذج بالاعتماد الكلي على التوزيع الهامشي العام للمتغير التابع في العينة المدروسة دون الاستعانة بأي معلومات إضافية من المتغيرات التفسيرية.

تُحسب قيمة اللوغاريتم الإمكاني للنموذج الصفري عبر إسناد القيمة المتوقعة الثابتة لجميع الحالات، وهي القيمة التي تعادل في الانحدار اللوجستي لوغاريتم نسبة الأرجحية الإجمالية لظهور الحدث في العينة، أو تعادل لوغاريتم المتوسط العام لمعدل الحدوث في نماذج انحدار بواسون. وبسبب افتقاره للمعلومات التفسيرية التمايزية، يسجل النموذج الصفري دائماً قيمة لوغاريتم إمكاني شديدة السلبية بالمقارنة مع أي نموذج مكتمل يحتوي على مؤشرات تنبؤية صالحة.

يمثل استخراج هذه القيمة ضرورة منهجية صارمة لا غنى عنها في حساب مقاييس الجودة؛ إذ يشكل المقام المعياري المرجعي لقياس حجم التقدم الاحتمالي. يتمثل الهدف الجوهري لأي عملية نمذجة إحصائية في الابتعاد قدر الإمكان عن هذه النقطة المرجعية المتدنية، بحيث يعكس الفارق بين لوغاريتم النموذج المقترح ولوغاريتم النموذج الصفري مقدار المكسب المعرفي والتنبؤي المتحقق من جراء جمع ودمج المتغيرات المستقلة في التحليل.

4.3 الصيغة الرياضية لمعادلة مكفادين وتفسير مداها

تُصاغ معادلة معامل تحديد مكفادين بصورة رياضية أنيقة تعتمد على النسبة المباشرة بين لوغاريتم الإمكانية للنموذج المقترح ولوغاريتم الإمكانية للنموذج الصفري، وفق المعادلة التالية:
$$R^2_{\text{McFadden}} = 1 – \frac{\ln L(\text{Model})}{\ln L(\text{Null})}$$
حيث تمثل القيمة $\ln L(\text{Model})$ اللوغاريتم الإمكاني للنموذج الكامل المقدر، بينما تمثل $\ln L(\text{Null})$ اللوغاريتم الإمكاني لنموذج الحد الثابت فقط. ونظراً لأن كلاً من البسط والمقام قيم سالبة دائماً، وأن القيمة المطلقة للبسط تكون أصغر من أو مساوية للقيمة المطلقة للمقام في النماذج المحسنة، فإن الكسر الناتج يكون موجباً ومحصوراً بين الصفر والواحد الصحيح.

عندما تكون المتغيرات المستقلة عديمة الفائدة التنبؤية ولا تسهم في تحسين دالة الإمكانية، تصبح قيمة لوغاريتم النموذج الكامل مطابقة للوغاريتم النموذج الصفري، مما يجعل الكسر مساوياً للقيمة 1، وبالتالي تصبح قيمة معامل مكفادين صفراً تاماً. وعلى العكس من ذلك، كلما زادت القدرة التفسيرية للنموذج واقتربت دالة لوغاريتم الإمكانية من الصفر التام، يتناقص الكسر باتجاه الصفر، مما يدفع قيمة معامل مكفادين للارتفاع مقتربة من الواحد الصحيح، معبراً عن كفاءة توفيق استثنائية.

لمعالجة ميل هذا المقياس للزيادة التلقائية كلما أضيفت متغيرات جديدة إلى النموذج بغض النظر عن دلالتها الحقيقية، اقترح مكفادين صيغة معدلة تراعي مبدأ البساطة وعدد المعلمات الحرة المقدرة في النموذج، وتُكتب رياضياً كالتالي:
$$R^2_{\text{McFadden, Adj}} = 1 – \frac{\ln L(\text{Model}) – K}{\ln L(\text{Null})}$$
حيث يمثل الرمز $K$ العدد الإجمالي للمعلمات المقدرة في النموذج بما في ذلك الحد الثابت. تقوم هذه الصيغة المعدلة بفرض عقوبة رياضية مباشرة على النموذج تتناسب طردياً مع عدد المتغيرات المضافة، مما يمنع التضخم المصطنع ويوفر مؤشراً أكثر دقة وموثوقية للمقارنة بين النماذج غير المتداخلة في الأبحاث المتقدمة.

5. تهيئة بيئة العمل وإعداد البيانات في لغة البرمجة R

5.1 تثبيت واستدعاء الحزم الإحصائية المتخصصة

تتطلب المعالجة الإحصائية المتقدمة وحساب المقاييس الشبيهة بمعامل التحديد في بيئة لغة R الاعتماد على منظومة متكاملة من الحزم التخصصية التي طورتها المجتمعات الأكاديمية لتعزيز القدرات الاستدلالية للنظام الأساسي. تأتي حزمة pscl (Political Science Computational Laboratory) في مقدمة هذه الحزم نظراً لاحتوائها على دوال مرجعية لحساب معاملات التحديد المتعددة لنماذج الاستجابة المنفصلة، إلى جانب حزمة DescTools الرائدة التي تقدم مجموعة أدوات شاملة للإحصاء الوصفي والاستدلالي، وحزمة performance التابعة لمنظومة easystats الحديثة المتخصصة في تقييم جودة النماذج الإحصائية وتوفير مخرجات بصرية وجدولية متقدمة.

لتهيئة بيئة العمل، يقوم الباحث بتثبيت هذه الحزم عبر المستودع الرسمي للغة CRAN باستخدام أمر التثبيت الأساسي، ثم استدعائها إلى جلسة العمل النشطة، مع التأكد من تثبيت الحزم المساندة لتحليل واستكشاف البيانات مثل حزمة dplyr المخصصة للتلاعب بالجداول وهندسة المتغيرات، وحزمة ggplot2 لبناء الرسوم البيانية الإحصائية عالية الدقة، بالإضافة إلى حزمة car للتحقق من الافتراضات التشخيصية وفحص التعددية الخطية وتأثير المعلمات التنبؤية، كما يتضح في البنية البرمجية التالية:

install.packages(c(“pscl”, “DescTools”, “performance”, “car”, “dplyr”, “ggplot2”, “ISLR”, “MASS”, “AER”))
library(pscl)
library(DescTools)
library(performance)
library(car)
library(dplyr)
library(ggplot2)

يضمن هذا الإعداد التكاملي توافق الدوال المتقدمة مع كائنات النماذج الناتجة عن دوال الانحدار الأساسية في R، ويحول دون حدوث تضارب في تسمية الدوال داخل بيئة الذاكرة النشطة، مما يمهد الطريق لتنفيذ خطوط معالجة بيانية معقدة تتسم بالسرعة والموثوقية الإحصائية وقابلية إعادة الإنتاج والتدقيق الأكاديمي.

5.2 استيراد وتجهيز مجموعات البيانات الميدانية والافتراضية

تعد مرحلة إعداد وتجهيز مصفوفة البيانات خطوة حاسمة لضمان صحة تقديرات دالة الإمكانية العظمى وحساب معاملات التحديد اللاحقة. سنعتمد في تطبيقاتنا التطبيقية على مجموعة البيانات الكلاسيكية Default المتوفرة ضمن حزمة ISLR، والتي تحتوي على سجلات مالية وسلوكية لعشرة آلاف عميل بهدف التنبؤ باحتمال التخلف عن السداد المالي، وهي بنية تحاكي تماماً دراسات التنبؤ بالسلوكيات السريرية والاضطرابات النفسية من حيث التوزيع الثنائي غير المتوازن للأحداث.

يتطلب التجهيز السليم فحص القيم المفقودة والتعامل معها بدقة؛ إذ إن وجود صفوف تحتوي على بيانات مفقودة في بعض المتغيرات المستقلة دون غيرها قد يؤدي إلى اختلاف تلقائي في حجم العينة الفعلي المستخدم في تقدير النموذج الكامل مقارنة بالنموذج الصفري إذا لم يتم توحيد الاستبعاد، وهو ما يقود إلى خطأ فادح في حساب دالة اللوغاريتم الإمكاني ونسب مكفادين. يجب التأكد من ضبط خيارات المعالجة عبر استخدام تصفية البيانات المسبقة أو استبعاد الحالات المفقودة منهجياً باستخدام الدالة na.omit() قبل الشروع في بناء النماذج.

علاوة على ذلك، يجب تحويل جميع المتغيرات الفئوية والوصفية إلى متغيرات عاملية منظمة (Factors) وتحديد المستويات المرجعية الأساسية بدقة عبر دالة relevel()، لتفادي سوء التقدير في مصفوفة التصميم وتسهيل تفسير معاملات الانحدار اللوجستي ونسب الأرجحية المرتبطة بها. تتكامل هذه الخطوات البرمجية لضمان بناء كائن بيانات متجانس وثابت يمثل نقطة انطلاق رصينة لكافة العمليات الحسابية التالية.

5.3 فحص التوزيعات والتحقق من افتراضات نماذج glm

قبل الشروع في قراءة مقاييس جودة التوفيق ومعاملات التحديد، يتعين على الباحث التحقق المنهجي من استيفاء مصفوفة البيانات للافتراضات الإحصائية الهيكلية التي تقوم عليها النماذج الخطية المعممة. يقع في صدارة هذه الافتراضات استقلال المشاهدات الفردية وتجنب الارتباط التسلسلي أو العنقودي بين الحالات، والذي يتطلب في حال وجوده الانتقال إلى النماذج الخطية المعممة ذات التأثيرات المختلطة (GLMM) لمنع تضخم قيم الإمكانية وانخفاض الأخطاء المعيارية بصورة زائفة.

يتعين كذلك فحص مشكلة التعددية الخطية الشديدة (Multicollinearity) بين المتغيرات المستقلة عبر حساب معامل تضخم التباين (VIF) باستخدام دالة vif() من حزمة car. تشير القيم التي تتجاوز العتبة المعيارية (5 أو 10) إلى وجود تداخل خطي حرج بين المتغيرات المفسرة، مما يزعزع استقرار تقديرات المعلمات ويؤدي إلى تشويه دالة الإمكانية المشتركة وقيم معاملات التحديد المستخرجة، ويستدعي استبعاد أو دمج بعض الأبعاد المرتبطة.

يشمل التحقق أيضاً استكشاف القيم المتطرفة المتبقية والنقاط ذات التأثير البنيوي العالي والرافعة الإحصائية المرتفعة باستخدام مقاييس مسافة كوك (Cook’s Distance) وبواقي ديفيانس المعيرة. إن وجود مشاهدات شاذة متطرفة قد يمارس جذباً غير متناسب على خط الانحدار اللوجستي، مما يرفع أو يخفض قيمة اللوغاريتم الإمكاني بشكل مصطنع. يتطلب الضبط المنهجي التأكد من ملاءمة دالة الربط المختارة لطبيعة البيانات التراكمية، مما يضمن أن تعكس معاملات التحديد الناتجة جودة التوفيق الحقيقية للظاهرة السلوكية لا التشوهات البيانية العارضة.

6. الحساب اليدوي لمعامل تحديد مكفادين خطوة بخطوة في لغة R

6.1 بناء النموذج اللوجستي المستهدف واستخراج دالة الإمكانية

تبدأ الخطوة التنفيذية الأولى لبناء النموذج اللوجستي المستهدف في بيئة R باستخدام دالة glm() الأساسية، مع تمرير الصيغة الرياضية المحددة للمتغيرات وتحديد العائلة التوزيعية عبر المعامل family = binomial(link = "logit"). على سبيل المثال، نقوم بنمذجة التخلف عن السداد كمتغير تابع بدلالة الرصيد المالي للعميل، والدخل السنوي، وحالة الطالب، كما يوضح النص البرمجي الآتي:

data(“Default”, package = “ISLR”)
clean_data <- na.omit(Default)
model_full <- glm(default ~ balance + income + student, data = clean_data, family = binomial)

عقب إتمام تقارب خوارزمية التعظيم الإمكاني بنجاح، نستخرج القيمة العددية للوغاريتم الإمكاني للنموذج الكامل المشيد عبر استخدام الدالة المدمجة logLik(). تعيد هذه الدالة كائناً إحصائياً خاصاً يحمل سمات درجات الحرية وعدد المعلمات، لذلك نستخدم الدالة التحويلية as.numeric() لعزل القيمة الرقمية الصافية بدقة وحفظها في متغير مخصص لإجراء العمليات الحسابية اللاحقة كما يلي:

ll_full <- as.numeric(logLik(model_full))
print(paste(“Full Model Log-Likelihood:”, round(ll_full, 4)))

تعكس هذه القيمة المستخرجة أقصى مستوى من الإمكانية اللوغاريتمية استطاع النموذج بلوغه في ضوء منظومة المتغيرات التفسيرية الثلاثة، وتشكل البسط الرياضي الذي سيتم توظيفه في تقدير التحسن النسبي لجودة التوفيق.

6.2 بناء النموذج الصفري واستخراج الإمكانية المرجعية

تتمثل الخطوة البرمجية التالية في إنشاء النموذج الصفري المرجعي، وهو النموذج الذي يفترض غياب التأثير التفسيري لجميع المتغيرات المستقلة ويعتمد فقط على تقدير الحد الثابت الأساسي. يتم بناء هذا النموذج في R من خلال صياغة المعادلة الانحدارية بالصيغة default ~ 1 مع تثبيت نفس مجموعة البيانات ونفس العائلة التوزيعية لضمان التطابق المنهجي التام، كما يظهر في التطبيق التالي:

model_null <- glm(default ~ 1, data = clean_data, family = binomial)
ll_null <- as.numeric(logLik(model_null))
print(paste(“Null Model Log-Likelihood:”, round(ll_null, 4)))

من الضروري هنا إجراء فحص برمجي صارم للتأكد من تطابق حجم العينة الفعلي وعدد المشاهدات المدرجة بين النموذجين باستخدام دالة nobs()، لتفادي أي أخطاء حسابية ناجمة عن وجود حالات مفقودة قد تكون دخلت في حساب أحد النموذجين دون الآخر:

stopifnot(nobs(model_full) == nobs(model_null))

تضمن هذه الخطوة التأكيدية صحة المقارنة المنهجية؛ إذ إن أي اختلاف في مصفوفة الحالات المدرجة بين النموذجين يبطل الأساس النظري لقسمة قيم اللوغاريتم الإمكاني ويجعل نتائج معامل مكفادين الناتجة مضللة ولا معنى لها رياضياً.

6.3 تطبيق المعادلة البرمجية وحساب McFadden’s R-Squared

بعد استخراج قيمتي اللوغاريتم الإمكاني للنموذج الكامل والنموذج الصفري وتخزينهما، نطبق الصيغة الرياضية المباشرة لحساب معامل مكفادين الأصلي، إضافة إلى حساب معامل مكفادين المعدل الذي يدمج عدد المعلمات الحرة لفرض الرقابة المنهجية على التعقيد، كما توضح الأسطر البرمجية التالية:

r2_mcfadden <- 1 – (ll_full / ll_null)
k_params <- length(coef(model_full))
r2_mcfadden_adj <- 1 – ((ll_full – k_params) / ll_null)
print(paste(“McFadden’s Pseudo R-Squared:”, round(r2_mcfadden, 5)))
print(paste(“Adjusted McFadden’s Pseudo R-Squared:”, round(r2_mcfadden_adj, 5)))

لتعميم هذا الإجراء البرمجي وتيسير تطبيقه المتكرر في المشاريع التحليلية الموسعة، يمكننا صياغة دالة مخصصة ومرنة تقبل أي كائن من مخرجات glm وتقوم تلقائياً بإنشاء النموذج الصفري المطابق واستخراج المقاييس المباشرة والمعدلة بدقة متناهية:

calc_mcfadden <- function(glm_obj) {
  ll_mod <- as.numeric(logLik(glm_obj))
  null_formula <- update(formula(glm_obj), . ~ 1)
  null_mod <- glm(null_formula, data = model.frame(glm_obj), family = family(glm_obj))
  ll_base <- as.numeric(logLik(null_mod))
  k <- length(coef(glm_obj))
  r2 <- 1 – (ll_mod / ll_base)
  r2_adj <- 1 – ((ll_mod – k) / ll_base)
  return(c(McFadden = r2, McFadden_Adj = r2_adj))
}

تتيح هذه الدالة البرمجية المخصصة للمحلل دمج حسابات مكفادين بسلاسة ضمن أطر المعالجة الإحصائية الآلية والتحقق المتقاطع ومحاكاة مونت كارلو دون الحاجة لكتابة الأكواد المتكررة في كل مرة.

7. استخدام الحزم البرمجية الجاهزة لحساب مقاييس Pseudo R-Squared في R

7.1 استخدام الدالة pR2 من حزمة pscl

توفر حزمة pscl حلاً برمجياً متقدماً وواسع الاستخدام في الأوساط الأكاديمية لحساب حزمة متكاملة من المقاييس الشبيهة بمعامل التحديد دفعة واحدة عبر دالتها الشهيرة pR2(). تتميز هذه الدالة بقدرتها التلقائية على استخلاص النموذج الصفري المتوافق مع النموذج التقديري وحساب اللوغاريتم الإمكاني لكلا الطرفين، مما يوفر على الباحث عناء البناء اليدوي المنفصل لنماذج الأساس.

لتطبيق الدالة، نقوم بتمرير كائن النموذج اللوجستي مباشرة كمعامل إدخال، لنحصل على مصفوفة رقمية تتضمن ستة مؤشرات إحصائية أساسية:

library(pscl)
model_metrics <- pR2(model_full)
print(model_metrics)

تتضمن المخرجات الناتجة قيمة llh المعبرة عن لوغاريتم إمكانية النموذج الكامل، وllhNull للنموذج الصفري، بالإضافة إلى القيمة المركزية McFadden التي تمثل مقياس مكفادين القياسي، وقيمة r2ML الممثلة لمقياس كوكس وسنيل المعتمد على أقصى إمكانية، وقيمة r2CU التي تجسد مقياس ناجيلكيرك المعاير بنسبة كراج وأولر. تتيح هذه التشكيلة الشاملة للمحلل مقارنة سلوك المقاييس المختلفة على نفس النموذج بصورة فورية ودقيقة وتوثيقها بمرونة في الجداول الإحصائية للأبحاث المنشورة.

7.2 استخدام دالة PseudoR2 من حزمة DescTools

تعتبر دالة PseudoR2() المتاحة ضمن حزمة DescTools من أكثر الدوال البرمجية مرونة وشمولاً في بيئة R؛ إذ لا تقتصر على النماذج اللوجستية البسيطة، بل تمتد لتغطي طيفاً واسعاً من نماذج الانحدار الترتيبي والانحدار متعدد الحدود ونماذج العد ونماذج البقاء الزمني. تتيح هذه الدالة للمستخدم تحديد المقياس المطلوب حسابه بدقة عبر المعامل which، أو استخراج مصفوفة جامعة لكافة المقاييس المعروفة في الأدبيات الإحصائية دفعة واحدة كما يوضح الكود التالي:

library(DescTools)
all_pseudo_r2 <- PseudoR2(model_full, which = “all”)
print(round(all_pseudo_r2, 4))

إذا رغب الباحث في استخراج مقاييس محددة بعينها لعرضها في تقريره، يمكنه تحديد أسماء المقاييس المستهدفة عبر متجهات نصية منسقة، مثل طلب مقياس مكفادين المعدل ومقياس ناجيلكيرك ومعامل تجور في سطر برمجي واحد:

targeted_r2 <- PseudoR2(model_full, which = c(“McFadden”, “McFaddenAdj”, “Nagelkerke”, “Tjur”))
print(round(targeted_r2, 4))

تتميز حزمة DescTools بتوافقها الرياضي التام مع المعايير القياسية المعتمدة عالمياً وسرعتها الفائقة في التعامل مع مصفوفات البيانات الضخمة، مما يجعلها أداة لا غنى عنها في الترسانة البرمجية لعلماء البيانات والإحصائيين التطبيقيين.

7.3 استخدام حزمة performance ودالة r2_mcfadden

تمثل منظومة حزم easystats، وبخاصة حزمة performance، الجيل الأحدث والأكثر تطوراً في هندسة البرمجيات الإحصائية الموجهة للبحث العلمي في R. توفر الحزمة دالة متخصصة باسم r2_mcfadden()، إلى جانب الدالة المركزية الشاملة r2()، والتي لا تكتفي بإنتاج القيم الرقمية الصماء، بل تقدم مخرجات جدولية منسقة بصورة جمالية جاهزة للطباعة والتضمين المباشر في التقارير الأكاديمية.

يتم استدعاء الحزمة وتطبيق الدوال على النموذج المقدر بالأسلوب البرمجي الحديث التالي:

library(performance)
mcfadden_res <- r2_mcfadden(model_full)
print(mcfadden_res)
comprehensive_r2 <- r2(model_full)
print(comprehensive_r2)

تتكامل مخرجات حزمة performance بسلاسة فائقة مع حزم بناء اللوحات التفاعلية والرسوم البيانية؛ إذ توفر دالة plot() مدمجة تسمح برسم المقاييس المتعددة بصرياً ومقارنة النماذج التنافسية في أشكال بيانية موحدة. هذا التكامل يقلل بشكل ملموس من الوقت والجهد المستغرق في تحويل المخرجات الإحصائية الخام إلى مواد توضيحية عالية الجودة تلبي متطلبات النشر في المجلات العلمية المصنفة دولياً.

8. حساب معامل التحديد لنماذج انحدار بواسون (Poisson GLM) والبيانات التكرارية

8.1 خصوصية دالة الإمكانية في نمذجة بيانات العد والترددات

تتميز بيانات العد والترددات السلوكية، مثل عدد نوبات الهلع الأسبوعية أو تكرار الغياب عن العمل، بطبيعة رياضية متقطعة تتوزع على الأعداد الصحيحة غير السالبة. تُبنى نماذج انحدار بواسون في بيئة R باستخدام دالة الربط اللوغاريتمية عبر تحديد المعامل family = poisson(link = "log"). في هذه النماذج، لا ترتبط دالة الإمكانية بحدود احتمالية محصورة بين الصفر والواحد كما في الانحدار اللوجستي، بل تُحسب كحاصل ضرب احتمالات بواسون المشروطة للقيم التكرارية المشاهدة.

يفرض هذا التباين التوزيعي نمطاً مختلفاً لدالة اللوغاريتم الإمكاني، حيث يتضمن التعبير الرياضي حدوداً مضروبة ومقسومة على عاملي المشاهدات (Factorials). يترتب على ذلك أن قيم اللوغاريتم الإمكاني للنموذج الكامل والنموذج الصفري قد تأخذ قيماً سالبة كبيرة الحجم اعتماداً على مقياس التكرارات المسجلة في المتغير التابع، مما يجعل قياس جودة التوفيق معتمداً بقوة على تقييم الانحراف المتبقي (Residual Deviance) بمقارنته مع الانحراف الصفري (Null Deviance).

يعد مفهوم انحراف النموذج في سياق بواسون المكافئ الرياضي لمجموع مربعات البواقي في الانحدار الخطي، حيث يمثل مقياساً لمقدار التنافر والابتعاد بين النموذج المقدر والنموذج المشبع التام الذي يطابق كل نقطة بيانية مطابقة تامة. تتأسس المقاييس الشبيهة بمعامل التحديد لنماذج العد إما بالاعتماد على التراجع النسبي في قيمة الانحراف (Deviance R-Squared) أو عبر تطبيق صيغة مكفادين اللوغاريتمية، حيث يقدم كل منهما رؤية تكميلية لكفاءة النموذج التفسيرية.

8.2 الكود البرمجي لحساب McFadden’s R² لنموذج Poisson

لتطبيق حسابات معامل التحديد على نماذج بيانات العد عملياً، سنستخدم مجموعة بيانات تجريبية تحاكي دراسة سريرية لتكرار نوبات الغضب السلوكية لدى عينة من المراجعين، ونقوم ببناء النموذج الكامل والنموذج الصفري واستخراج قيم اللوغاريتم الإمكاني وانحراف ديفيانس كما يوضح النص البرمجي التالي:

set.seed(123)
n_cases <- 300
stress_score <- rnorm(n_cases, mean = 50, sd = 10)
coping_skills <- rnorm(n_cases, mean = 20, sd = 5)
lambda <- exp(-1.5 + 0.04 * stress_score – 0.05 * coping_skills)
aggression_events <- rpois(n_cases, lambda = lambda)
behavior_data <- data.frame(aggression_events, stress_score, coping_skills)
pois_model <- glm(aggression_events ~ stress_score + coping_skills, data = behavior_data, family = poisson(link = “log”))
pois_null <- glm(aggression_events ~ 1, data = behavior_data, family = poisson(link = “log”))

نحسب الآن كلاً من مقياس مكفادين المعتمد على دالة الإمكانية ومقياس الانحراف النسبي المفسر (Deviance R-Squared) عبر الصيغ البرمجية التالية:

pois_ll_full <- as.numeric(logLik(pois_model))
pois_ll_null <- as.numeric(logLik(pois_null))
r2_mcfadden_pois <- 1 – (pois_ll_full / pois_ll_null)
dev_full <- deviance(pois_model)
dev_null <- deviance(pois_null)
r2_deviance_pois <- 1 – (dev_full / dev_null)
print(paste(“Poisson McFadden R-Squared:”, round(r2_mcfadden_pois, 4)))
print(paste(“Poisson Deviance R-Squared:”, round(r2_deviance_pois, 4)))

يقدم مقياس انحراف ديفيانس نسبة مئوية مباشرة ومعبرة جداً لمقدار الانحراف التراكمي الذي تم امتصاصه وتفسيره بواسطة المتغيرات التفسيرية، وهو ما يجعله شديد الوضوح والملاءمة لنماذج العد والتكرارات السلوكية المقاسة سريرياً.

8.3 معالجة فرط التشتت (Overdispersion) وتأثيره على تقديرات R-Squared

يفترض نموذج انحدار بواسون الكلاسيكي التساوي التام بين المتوسط والتباين (Equidispersion)، غير أن البيانات السلوكية والنفسية الحقيقية تنتهك هذا الافتراض في الغالبية الساحقة من الحالات العملية؛ حيث يظهر التباين الفعلي للبيانات قيماً تتجاوز المتوسط الحسابي بمراحل، وهي الظاهرة الإحصائية المعروفة باسم فرط التشتت (Overdispersion). ينتج هذا التشتت الزائد عادة عن وجود تباين فردي كامن غير مقاس أو تراكم للقيم الصفرية.

يؤدي تجاهل فرط التشتت إلى التقليل الاصطناعي من حجم الأخطاء المعيارية وتضخم الدلالة الإحصائية، فضلاً عن تشويه دالة اللوغاريتم الإمكاني وتقديم قيم مضللة لمعامل مكفادين. يمكن تشخيص هذه المشكلة برمجياً باستخدام اختبار التشتت من حزمة AER عبر الدالة dispersiontest(). عند ثبوت فرط التشتت، يصبح من الواجب منهجياً الانتقال إلى نموذج الحدين السالب (Negative Binomial GLM) باستخدام دالة glm.nb() المتاحة ضمن حزمة MASS:

library(MASS)
library(AER)
disp_test <- dispersiontest(pois_model)
print(disp_test)
nb_model <- glm.nb(aggression_events ~ stress_score + coping_skills, data = behavior_data)
nb_null <- glm.nb(aggression_events ~ 1, data = behavior_data)
r2_mcfadden_nb <- 1 – (as.numeric(logLik(nb_model)) / as.numeric(logLik(nb_null)))
print(paste(“Negative Binomial McFadden R-Squared:”, round(r2_mcfadden_nb, 4)))

يعالج نموذج الحدين السالب التشتت الزائد عبر إدخال معلمة تشتت إضافية (Theta) تمتص التباين العشوائي غير المفسر. يترتب على هذا التعديل إعادة ضبط دالة الإمكانية العظمى بصورة صحيحة رياضياً، مما ينتج معاملات تحديد شبيهة تعبر بأمانة وواقعية عن القدرة التفسيرية الفعلية للنموذج دون الوقوع في أخطاء التقدير الزائف الناتجة عن إجبار البيانات على اتباع افتراضات بواسون الصارمة.

9. المعايير المنهجية لتفسير وتقييم قيم Pseudo R-Squared

9.1 المعايير المرجعية لمكفادين (نطاق 0.20 إلى 0.40)

يسقط العديد من الباحثين المبتدئين في فخ المقارنة التلقائية الخاطئة بين قيم مقاييس Pseudo R-Squared وقيم معامل التحديد الكلاسيكي $R^2$ المألوفة في الانحدار الخطي العادي، مما يولد انطباعاً زائفاً ومحبطاً بضعف النماذج غير الخطية عندما تسجل قيماً تبدو منخفضة ظاهرياً مثل 0.25 أو 0.30. يتطلب التفسير العلمي السليم فهماً عميقاً للقواعد الإرشادية التي وضعها دانيال مكفادين؛ إذ أكد بوضوح أن القيم المحصورة ضمن النطاق من 0.20 إلى 0.40 تمثل مؤشراً على جودة توفيق ممتازة واستثنائية للنموذج المقدر مع البيانات الواقعية.

من الناحية الرياضية، فإن المسار غير الخطي لتحسن دالة اللوغاريتم الإمكاني يجعل تحقيق قيمة مكفادين تعادل 0.20 أمراً يتطلب خفضاً كبيراً جداً في انحراف النموذج، وهو ما يكافئ تقريباً قيمة معامل تحديد كلاسيكي تتراوح بين 0.70 و0.80 في الانحدار الخطي لنفس مستوى الارتباط التفسيري. وبالمثل، فإن بلوغ قيمة مكفادين حاجز 0.40 يعد إنجازاً تنبؤياً نادراً في العلوم السلوكية والاجتماعية يضاهي معامل تحديد خطي يقترب من 0.90 فما فوق.

يوضح هذا التمايز الجوهري ضرورة امتناع الباحثين والمحكمين الأكاديميين عن اشتراط قيم تتجاوز 0.50 لقبول النماذج اللوجستية أو نماذج العد؛ فالقيم المرتفعة جداً في المقاييس الشبيهة (مثل 0.70 فأكثر) لا تشير في الغالب إلى نموذج مثالي، بل تكون في العادة مؤشراً تحذيرياً على وقوع مشكلات إحصائية مرضية، كحدوث الفصل التام بين الفئات أو الإفراط الشديد في التوفيق، مما يفقد النموذج قدرته على التعميم خارج العينة المدروسة.

9.2 المقارنة بين مقاييس Pseudo R-Squared المختلفة لتفادي التناقض

يلاحظ المحلل الإحصائي عند تطبيق الحزم الشاملة تبايناً ملحوظاً في القيم العددية الناتجة عن المقاييس الشبيهة المختلفة لنفس النموذج المحدد بدقة وبنفس مجموعة البيانات. يسجل مقياس مكفادين في العادة أدنى القيم العددية المطلقة، بينما يميل مقياس كوكس وسنيل لتسجيل قيم متوسطة مقيدة بسقفه الحدي، في حين يسجل مقياس ناجيلكيرك في الغالب أعلى القيم العددية بين المجموعة بسبب عملية المعايرة القسمية التي تمدد مجاله نحو الواحد الصحيح.

ينشأ هذا التباين الظاهري عن الاختلاف في البنية الحسابية والافتراضات النظرية المؤسسة لكل مقياس، ولا يعني بالضرورة وجود خطأ برمجي أو إحصائي في التحليل. على سبيل المثال، إذا كان نموذج التخلف المالي يسجل مقياس مكفادين بقيمة 0.28، فقد يظهر مقياس ناجيلكيرك لنفس النموذج قيمة تصل إلى 0.46، ومعامل تجور قيمة تبلغ 0.35. تعكس هذه الأرقام زوايا رؤية متباينة لنفس الأداء التنبؤي الكامن.

لتفادي الوقوع في التناقض المنهجي أو الاتهام بانتقاء المقاييس التي تظهر النموذج بأفضل صورة (Cherry-picking)، يتعين على الباحث الالتزام بالثبات والشفافية التامة في الإبلاغ العلمي. يُفضل تحديد مقياس رئيسي واحد مسبقاً في خطة التحليل (مثل مقياس مكفادين للأسس الاقتصادية القياسية أو ناجيلكيرك للتوافق الطبي الحيوي)، مع الإبلاغ عن المقاييس البديلة في هوامش التقرير أو الملاحق الإحصائية، مع تقديم تفسير منهجي لأسباب التباين العددي بناءً على خصائص التوزيع.

9.3 التكامل بين القدرة التفسيرية (R²) ومقاييس الدقة التنبؤية والتصنيفية

لا يجوز عزل المقاييس الشبيهة بمعامل التحديد واستخدامها كمعيار أحادي وأخير لتقييم صلاحية النماذج الخطية المعممة، بل يجب دمجها في إطار تقييمي تكاملي يربط بين القدرة التفسيرية الكلية للنموذج وكفاءته التصنيفية والتنبؤية على المستوى الفردي. في نماذج الانحدار اللوجستي الثنائي، يتكامل مقياس مكفادين بصورة وثيقة مع مصفوفة الالتباس (Confusion Matrix)، والتي تحدد معدلات الحساسية (Sensitivity) والنوعية (Specificity) ومعدل الدقة الإجمالي للتصنيف عند نقطة قطع احتمالية محددة.

يعد مقياس المساحة تحت منحنى الخصائص التشغيلية للمستقبل AUC-ROC المؤشر التكميلي الأمثل لمقاييس Pseudo R-Squared؛ إذ يقيس القدرة التمييزية للنموذج عبر جميع نقاط القطع الاحتمالية الممكنة بصورة مستقلة عن التوزيع الهامشي لفئات الاستجابة. يشير النموذج الذي يجمع بين مقياس مكفادين يتجاوز 0.25 ومساحة تحت المنحنى تتعدى 0.80 إلى توازن استثنائي بين القوة التفسيرية النظرية والقدرة التمييزية الميدانية، كما يتضح في التطبيق البرمجي عبر حزمة pROC:

library(pROC)
predicted_probs <- predict(model_full, type = “response”)
roc_obj <- roc(clean_data$default, predicted_probs)
print(paste(“AUC-ROC:”, round(auc(roc_obj), 4)))

يتطلب التحقق الرصين أيضاً مراجعة الدلالة الإحصائية لمعاملات الانحدار ومجالات الثقة لنسب الأرجحية. إن النموذج الذي يحقق قيمة مكفادين جيدة لكن مع معاملات تفتقر للدلالة أو ذات فترات ثقة شديدة الاتساع يشير إلى وجود هشاشة تقديرية، مما يؤكد أن التكامل بين مؤشرات جودة التوفيق ومقاييس الدقة ومعنوية المعلمات هو السبيل الوحيد لبناء استدلال علمي يعتمد عليه في الممارسات التطبيقية وصنع القرارات.

10. تطبيقات عملية في تحليل البيانات النفسية والسلوكية

10.1 دراسة حالة: التنبؤ بمستويات القلق والاكتئاب باستخدام الانحدار اللوجستي

في دراسة سريرية متقدمة في مجال علم النفس الإكلينيكي، سعى فريق بحثي إلى بناء نموذج لوجستي للتنبؤ باحتمال تشخيص إصابة الفرد باضطراب الاكتئاب الجسيم (تشخيص ثنائي: 1 = مصاب، 0 = غير مصاب) بالاعتماد على ثلاثة متغيرات تنبؤية رئيسية: درجات مقياس الضغط النفسي المدرك (PSS)، ومؤشر جودة النوم (PSQI)، ومستوى الدعم الاجتماعي المدرك (MSPSS). تم جمع البيانات من عينة سريرية قوامها 500 مشارك خضعوا لتقييمات سيكومترية مقننة.

تمت صياغة النموذج الإحصائي في لغة R وتطبيقه لتقدير المعلمات واستخراج معاملات التحديد الشبيهة لتقييم الكفاءة التفسيرية لمنظومة المتغيرات النفسية المختارة كما يوضح الكود التالي:

set.seed(42)
n_psy <- 500
pss <- rnorm(n_psy, mean = 28, sd = 6)
psqi <- rnorm(n_psy, mean = 10, sd = 3)
support <- rnorm(n_psy, mean = 50, sd = 12)
logit_p <- -6.5 + 0.14 * pss + 0.22 * psqi – 0.04 * support
prob_dep <- 1 / (1 + exp(-logit_p))
depression <- rbinom(n_psy, size = 1, prob = prob_dep)
clinical_df <- data.frame(depression, pss, psqi, support)
dep_model <- glm(depression ~ pss + psqi + support, data = clinical_df, family = binomial)
mcfadden_dep <- PseudoR2(dep_model, which = c(“McFadden”, “McFaddenAdj”, “Nagelkerke”, “Tjur”))
print(round(mcfadden_dep, 4))

أظهرت النتائج أن مقياس مكفادين بلغ 0.2450 (ومكفادين المعدل 0.2285)، بينما سجل مقياس ناجيلكيرك 0.3920، وبلغ معامل تجور 0.3150. تشير هذه المؤشرات التوفيقية القوية، المستندة إلى معايير مكفادين السلوكية، إلى أن تفاعل الضغط النفسي واضطرابات النوم وتدني الدعم الاجتماعي يفسر قدراً جوهرياً وحرجاً من التباين في احتمالية الإصابة بالاكتئاب، مما يوفر سنداً إحصائياً متيناً لتصميم برامج تدخل وقائي تركز على تحسين جودة النوم وإدارة الضغوط الحياتية.

10.2 نمذجة تكرار السلوكيات الاندفاعية عبر انحدار بواسون

في سياق قياس الاضطرابات السلوكية لدى المراهقين، قام باحثون بدراسة تكرار نوبات الغضب والعدوان اللفظي الأسبوعية المسجلة لدى عينة من 400 مراهق يعانون من اضطراب مسلكي، بهدف اختبار قدرة مقاييس الاندفاعية ودرجات الصراع الأسري ومستوى النشاط البدني الأسبوعي على التنبؤ بمعدل هذه السلوكيات التكرارية المنفصلة باستخدام نموذج انحدار بواسون المعمم.

تم بناء النموذج البرمجي في R وفحص كفاءة التوفيق من خلال حساب مقاييس اللوغاريتم الإمكاني ومقياس انحراف ديفيانس المفسر لتحديد مدى قدرة العوامل البيئية والشخصية على تفسير تكرار السلوك كما يلي:

set.seed(84)
n_imp <- 400
impulsivity <- rnorm(n_imp, mean = 65, sd = 10)
conflict <- rnorm(n_imp, mean = 30, sd = 8)
exercise <- runif(n_imp, min = 0, max = 10)
log_rate <- -2.0 + 0.035 * impulsivity + 0.025 * conflict – 0.08 * exercise
tantrums <- rpois(n_imp, lambda = exp(log_rate))
impulse_df <- data.frame(tantrums, impulsivity, conflict, exercise)
tantrum_mod <- glm(tantrums ~ impulsivity + conflict + exercise, data = impulse_df, family = poisson)
tantrum_null <- glm(tantrums ~ 1, data = impulse_df, family = poisson)
r2_mcf_tantrum <- 1 – (as.numeric(logLik(tantrum_mod)) / as.numeric(logLik(tantrum_null)))
r2_dev_tantrum <- 1 – (deviance(tantrum_mod) / deviance(tantrum_null))
print(paste(“Tantrum Poisson McFadden R2:”, round(r2_mcf_tantrum, 4)))
print(paste(“Tantrum Deviance R2:”, round(r2_dev_tantrum, 4)))

أظهرت المخرجات الإحصائية أن مقياس مكفادين بلغ 0.1850، في حين سجل مقياس الانحراف المفسر 0.2210. في ضوء تعقيد السلوكيات الاندفاعية وتعدد العوامل الوراثية والمزاجية الكامنة غير المقاسة، فإن استيعاب أكثر من 22% من انحراف الظاهرة يمثل قوة تفسيرية بالغة الأهمية في القياس النفسي، ويثبت علمياً أن تعزيز ممارسة النشاط البدني وخفض التوتر الأسري يسهمان بصورة ملموسة في الحد من التردد التكراري لنوبات الغضب لدى هذه الفئة السريرية.

10.3 توظيف جودة التوفيق في اتخاذ القرارات الإكلينيكية والتشخيصية

يمتد توظيف مقاييس جودة التوفيق في النماذج الخطية المعممة إلى ما هو أبعد من التوصيف النظري المجرد؛ إذ يشكل أساساً منهجياً لحوكمة القرارات التشخيصية والسريرية وتطوير أدوات الفرز النفسي في المنشآت العلاجية. عندما يعتمد فريق طبي على نموذج تنبؤي لتصنيف المرضى الأكثر عرضة للانتكاس أو مقاومة العلاج الدوائي، فإن قيمة Pseudo R-Squared توفر مؤشراً مبكراً على مدى موثوقية البنية الإحصائية للنظام الاستدلالي المعتمد.

إن بناء قرارات الفرز على نماذج ذات مقاييس توفيق متدنية جداً (مثل مقياس مكفادين دون 0.05) يعني عملياً أن التنبؤات لا تختلف كثيراً عن التخمين العشوائي المستند إلى نسب الانتشار العامة، مما يرفع احتمالية الوقوع في أخطاء التشخيص الإيجابي الكاذب أو السلبي الكاذب مع ما يترتب على ذلك من أضرار نفسية وعلاجية جسيمة وإهدار للموارد الصحية. على العكس من ذلك، تمنح النماذج ذات التوفيق المرتفع (مكفادين يتجاوز 0.25) ثقة منهجية أكبر في اعتماد التوقعات الاحتمالية كأساس لإجراء تدخلات وقائية مكثفة للمرضى المصنفين ضمن فئات الخطر العالي.

مع ذلك، تؤكد التوصيات السيكومترية الحديثة على ضرورة الدمج الواعي بين المؤشرات الإحصائية لجودة التوفيق والخبرة السريرية الميدانية. لا يمكن لمعامل التحديد، مهما بلغت دقته الرياضية، أن يحل محل التقييم الإكلينيكي الشامل أو يبرر اتخاذ قرارات مصيرية بصورة آلية معزولة عن السياق الإنساني والظروف الفردية لكل حالة، مما يجعل مقاييس جودة التوفيق أداة دعم استرشادية تعزز عقلانية الممارسة السريرية ولا تلغي الحكم البشري المتخصص.

11. الأخطاء الشائعة واستراتيجيات استكشاف الأخطاء وإصلاحها (Troubleshooting)

11.1 فشل تقارب النموذج (Convergence Failure) وتأثيره على Log-Likelihood

يعد ظهور رسائل التحذير المتعلقة بفشل تقارب خوارزمية التعظيم (مثل glm.fit: algorithm did not converge) أو تحذيرات حدوث احتمالات تنبؤية صفرية أو أحادية تامة من أكثر الأخطاء الشائعة والحرجة عند بناء نماذج GLM في R. تحدث هذه المشكلة الرياضية غالباً بسبب ظاهرة الفصل التام أو شبه التام (Complete Separation)، حيث يستطيع متغير مستقل واحد أو توليفة من المتغيرات التنبؤ بالفئة المستهدفة بنسبة 100% دون أي خطأ في العينة المدروسة.

يترتب على حدوث الفصل تباعد معاملات الانحدار نحو المالانهاية، مما يؤدي إلى تضخم هائل في الأخطاء المعيارية وانهيار الحساب الدقيق لدالة اللوغاريتم الإمكاني، والتي تسجل قيماً غير حقيقية تقترب من الصفر بصورة مصطنعة، وهو ما يدفع مقاييس Pseudo R-Squared للارتفاع الكاذب مسجلة قيماً تقترب من 1.0 بشكل مضلل ينسف مصداقية التحليل بالكامل.

لمعالجة هذا الخلل الهيكلي برمجياً، يمكن للباحث أولاً محاولة زيادة عدد التكرارات التقديرية عبر المعامل control = glm.control(maxit = 100)، ولكن في حال استمرار الفصل التام، يصبح من المحتم الانتقال إلى استخدام أسلوب انحدار فيرث اللوجستي المعاقب لتقليص التحيز (Firth’s Bias-Reduced Logistic Regression) المتاح عبر حزمة logistf، والذي يقوم بإدخال دالة جزائية تضمن تقارب المعلمات وتصحيح دالة الإمكانية وحساب مقاييس جودة توفيق دقيقة وقابلة للاعتماد الأكاديمي كما يوضح الكود التالي:

library(logistf)
firth_model <- logistf(depression ~ pss + psqi + support, data = clinical_df)
print(summary(firth_model))

11.2 مقارنة النماذج ذات أحجام العينات المتباينة بسبب البيانات المفقودة

يقع كثير من المحللين في خطأ منهجي فادح عند حساب مقاييس Pseudo R-Squared اليدوية عبر مقارنة اللوغاريتم الإمكاني لنموذج كامل تم تقديره على عينة منخفضة الحجم بسبب استبعاد المشاهدات المفقودة تلقائياً، مع نموذج صفري تم تقديره على كامل العينة الأصلية لعدم احتوائه على تلك المتغيرات التي تتضمن فقداً. يؤدي هذا التباين في مصفوفة البيانات المشاهدة بين النموذجين إلى جعل قسمة اللوغاريتمات الإمكانيين عملية باطلة رياضياً، وتنتج قيماً سالبة أو مشوهة لمعامل مكفادين.

لتفادي هذا الانزلاق المنهجي، يجب فرض الاتساق الصارم في حجم العينة عبر ضبط استدعاء البيانات مسبقاً وتطبيق خيار الحذف المنتظم للحالات غير المكتملة على مستوى مصفوفة التحليل الشاملة قبل ملاءمة النموذجين، أو الاستعانة بدوال الاستخراج المدمجة التي تضمن بناء النموذج الصفري تلقائياً من نفس إطار البيانات المستخدم في النموذج الكامل كما توضح الإجراءات البرمجية التالية:

complete_cases_data <- model.frame(model_full)
strict_null_model <- glm(default ~ 1, data = complete_cases_data, family = binomial)
if(nobs(model_full) == nobs(strict_null_model)) {
  valid_mcfadden <- 1 – (as.numeric(logLik(model_full)) / as.numeric(logLik(strict_null_model)))
  print(paste(“Strict Valid McFadden R2:”, round(valid_mcfadden, 4)))
} else {
  stop(“Error: Sample size mismatch detected between full and null models!”)
}

يضمن هذا الفحص الشرطي البرمجي سلامة خط المعالجة الإحصائية ويمنع تسرب أي تناقضات في عدد الحالات الخاضعة للتحليل، مما يؤكد صحة المقاييس المشتقة وتطابقها مع المتطلبات الرياضية لنظرية الإمكانية العظمى.

11.3 الإفراط في الملاءمة (Overfitting) وتضخم قيم جودة التوفيق

يتمثل الخطر المنهجي الثالث في ظاهرة الإفراط في الملاءمة، والتي تنشأ عندما يقوم الباحث بحشو النموذج الإحصائي بعدد هائل من المتغيرات التفسيرية، أو الحدود التفاعلية المعقدة، أو التحويلات غير الخطية ذات الرتب العالية سعياً لرفع قيمة مقاييس جودة التوفيق إلى أقصى حد ممكن. تؤدي هذه الممارسة إلى قيام خوارزمية التقدير بنمذجة التشويش العشوائي والتباين الخاص بالعينة المحددة بدلاً من التقاط العلاقات الهيكلية الحقيقية في المجتمع الأصلي.

يترتب على الإفراط في التوفيق تسجيل قيم تضخمية خادعة لمقاييس مكفادين وناجيلكيرك على بيانات التدريب، يصاحبها انهيار دراماتيكي في الدقة التنبؤية عند تطبيق النموذج على عينات مستقلة أو بيانات مستقبلية جديدة. للحماية من هذا التضليل، يجب الاعتماد بشكل دائم على مقياس مكفادين المعدل McFadden's Adjusted R2 الذي يعاقب النموذج على كل متغير مضاف لا يسهم في تحسين الإمكانية بمقدار يفوق تكلفة درجة الحرية المستهلكة.

يوصى كذلك بتطبيق منهجيات التحقق المتقاطع (k-fold Cross-Validation) عبر حزمة boot أو caret لتقييم انحراف النموذج وخطأ التنبؤ عبر عينات فرعية متعددة ومقارنة أداء النموذج داخل العينة وخارجها. إن هذا التحقق المزدوج يكشف التوفيق المصطنع ويضمن أن تعبر قيم معاملات التحديد عن قدرة تفسيرية حقيقية قابلة للتعميم والاستقرار عبر البيئات التجريبية المختلفة.

12. أفضل الممارسات والتوصيات المنهجية لتوثيق نتائج GLM

12.1 الجمع بين مقاييس Pseudo R-Squared ومعايير المفاضلة الإحصائية

تقتضي الرصانة الأكاديمية في التحليل الإحصائي المتقدم عدم الاكتفاء بتقديم مقاييس Pseudo R-Squared بمعزل عن المؤشرات الاستدلالية ومعايير المفاضلة النموذجية المعترف بها عالمياً. يمثل إجراء اختبار نسبة الإمكانية (Likelihood Ratio Test – LRT) عبر الدالة anova(model_null, model_full, test = "Chisq") خطوة تأسيسية لا غنى عنها للتحقق مما إذا كان التحسن الملاحظ في جودة التوفيق دالاً إحصائياً من حيث توزيع مربع كاي مقارنة بالنموذج الصفري.

يتكامل هذا الاختبار الاستدلالي مع إدراج معايير المعلومات القائمة على مبادئ نظرية المعلومات، وفي مقدمتها معيار أكايكي للمعلومات (AIC) ومعيار بيز للمعلومات (BIC). تفرض هذه المعايير عقوبات رياضية صارمة وصريحة على التعقيد وتزايد المعلمات، مما يساعد الباحث على الموازنة الحكيمة بين تعظيم القوة التفسيرية المجسدة في مقياس مكفادين والحفاظ على بساطة النموذج وسهولة تفسيره العلمي، كما يوضح الجدول البرمجي المقارن التالي:

lrt_test <- anova(model_null, model_full, test = “Chisq”)
aic_val <- AIC(model_full)
bic_val <- BIC(model_full)
model_summary_table <- data.frame(
  Model = c(“Null Model”, “Full Model”),
  LogLik = c(as.numeric(logLik(model_null)), as.numeric(logLik(model_full))),
  Deviance = c(deviance(model_null), deviance(model_full)),
  AIC = c(AIC(model_null), aic_val),
  BIC = c(BIC(model_null), bic_val),
  McFadden_R2 = c(0, r2_mcfadden)
)
print(model_summary_table)

يوفر هذا العرض التكاملي الشامل صورة ثلاثية الأبعاد لجودة النمذجة تغطي التحسن الاحتمالي، والدلالة الفرضية، والمعاقبة على التعقيد، مما يمنح النتائج وزناً علمياً رصيناً يقنع لجان التحكيم في المجلات الأكاديمية المرموقة.

12.2 صياغة وتوثيق نتائج Pseudo R-Squared وفق معايير جمعية علم النفس الأمريكية (APA)

يتطلب توثيق نتائج النماذج الخطية المعممة في الأبحاث السلوكية والنفسية الالتزام الدقيق بالقواعد الأسلوبية المعتمدة في الدليل الإرشادي لجمعية علم النفس الأمريكية (APA Style 7th Edition). تفرض المعايير توثيق قيمة الانحراف، واختبار مربع كاي للنموذج الإجمالي متضمناً درجات الحرية ومستوى الدلالة الدقيق، متبوعاً بقيمة مقياس Pseudo R-Squared المحدد بالاسم، مع عرض معاملات الانحدار الفردية ($\beta$)، والأخطاء المعيارية ($SE$)، ونسب الأرجحية المعدلة ($OR$) مع مجالات الثقة 95% المصاحبة لها.

فيما يلي نموذج نصي معياري معتمد لصياغة تقرير إحصائي عن نموذج انحدار لوجستي ثنائي:

“تم إجراء تحليل انحدار لوجستي ثنائي لتقييم أثر الضغط النفسي، وجودة النوم، والدعم الاجتماعي على احتمالية الإصابة بالاكتئاب. أظهر النموذج الكامل ملاءمة إحصائية دالة وتفوقاً جوهرياً على النموذج الصفري المقتصر على الحد الثابت، $\chi^2(3, N = 500) = 142.38, p < .001$. أظهر النموذج قدرة تفسيرية ممتازة وفق المعايير السلوكية، حيث بلغت قيمة معامل تحديد مكفادين $R^2_{\text{McFadden}} = .245$ (وقيمة مكفادين المعدل $.229$)، في حين سجل مقياس ناجيلكيرك $R^2_{\text{Nagelkerke}} = .392$. ارتبطت زيادة درجات الضغط النفسي طردياً وبدلالة إحصائية باحتمال الإصابة بالاكتئاب ($B = 0.14, SE = 0.03, OR = 1.15, 95% \text{ CI } [1.08, 1.22], p < .001$)، في حين شكل الدعم الاجتماعي عاملاً وقائياً دالاً ($B = -0.04, SE = 0.01, OR = 0.96, 95% \text{ CI } [0.94, 0.98], p = .002$).”

يضمن هذا النمط التوثيقي الشفافية الكاملة وتوفير كافة المؤشرات الرياضية اللازمة للقراء لإعادة تقييم النموذج ومقارنة نتائجه مع الدراسات المرجعية والتحليلات البعدية (Meta-Analyses) بكفاءة ويسر.

12.3 شجرة قرار منهجية لاختيار مقياس جودة التوفيق الأنسب

لمساعدة الباحثين ومحللي البيانات في اختيار المقياس الشبيه بمعامل التحديد الأكثر ملاءمة لأبحاثهم التطبيقية، نقترح شجرة قرار منهجية ومفاهيمية تستند إلى طبيعة المتغير التابع وأهداف النمذجة الإحصائية وفق التوجيهات التالية:

  • الاستجابة الثنائية في العلوم الاقتصادية والسلوكية المتقدمة: يُفضل دائماً اعتماد مقياس مكفادين (McFadden) ومكفادين المعدل؛ نظراً لأساسه النظري المتين في نظرية الاختيار العقلاني وامتلاكه معايير تفسيرية قياسية محددة بدقة (نطاق 0.20-0.40).
  • الاستجابة الثنائية في الأبحاث السريرية والطبية الحيوية: يُفضل استخدام مقياس ناجيلكيرك (Nagelkerke) لتسهيل المقارنة مع الدراسات الطبية السابقة التي تعتمد برمجيات تبرزه كخيار افتراضي، مع دعمه بـ معامل تجور (Tjur’s D) لوضوحه المفاهيمي في قياس الفارق الاحتمالي بين المصابين وغير المصابين.
  • الاستجابة الترتيبية ومتعددة الحدود (Ordinal & Multinomial GLM): يعتبر مقياس مكفادين الخيار المعياري الذهبي الأوحد والأكثر استقراراً في مصفوفات الاحتمالات التراكمية والتفاضلية.
  • بيانات العد والترددات (Poisson & Negative Binomial GLM): يُنصح بدمج مقياس انحراف ديفيانس المفسر (Deviance R-Squared) مع مقياس مكفادين لتقييم التحسن في امتصاص الانحراف التراكمي وتراجع دالة الإمكانية المشتركة.

تؤكد التوصيات الختامية على ضرورة توثيق بيئة المعالجة وإصدارات الحزم المستخدمة في R بدقة لضمان قابلية إعادة الإنتاجية العلمية (Reproducibility)، ونشر نصوص الأكواد البرمجية البرمجية كملفات ملحقة في المستودعات المفتوحة، دعماً للشفافية الأكاديمية وتعزيزاً لجودة ومصداقية البحوث الإحصائية المعاصرة.

خاتمة

استعرض هذا الدليل الأكاديمي الشامل الأبعاد النظرية والتطبيقية لحساب وتفسير المقاييس الشبيهة بمعامل التحديد (Pseudo R-Squared) للنماذج الخطية المعممة (GLM) داخل بيئة لغة البرمجة الإحصائية R. لقد تبين بوضوح أن الانتقال من عالم المربعات الصغرى إلى رحاب تقدير الإمكانية العظمى يفرض قطيعة منهجية مع المفهوم التقليدي لتجزئة التباين الكلي، ويستدعي تبني مقاييس تستند إلى مقارنة لوغاريتمات الإمكانية وانحرافات النماذج، وفي مقدمتها مقياس مكفادين الراسخ، ومقاييس كوكس وسنيل وناجيلكيرك، ومعامل التمييز لتجور.

كما تم إبراز الأهمية القصوى لفهم المعايير المنهجية لتفسير هذه المقاييس وتجنب إسقاط توقعات الانحدار الخطي التقليدي عليها، حيث تمثل قيم مكفادين المحصورة بين 0.20 و0.40 قمة التوفيق الإحصائي في الظواهر السلوكية المعقدة. وعبر التطبيقات البرمجية اليدوية والاعتماد على الحزم المتقدمة مثل pscl وDescTools وperformance، تكتمل لدى الباحث الترسانة المعرفية والعملية اللازمة لإجراء تحليلات إحصائية رصينة، وتوثيقها بأعلى معايير الدقة الأكاديمية وفق متطلبات APA، بما يرتقي بجودة البحوث الكمية في مختلف حقول المعرفة الإنسانية والتطبيقية.

References

اقتباس هذا المقال

looti, M. (2026, سبتمبر 1). كيفية حساب معامل التحديد R-Squared لنموذج glm في لغة R. عرب سايكلوجي. https://arabpsychology.com/statistics/how-to-calculate-r-squared-for-glm-in-r/
looti, Mohammed. “كيفية حساب معامل التحديد R-Squared لنموذج glm في لغة R.” عرب سايكلوجي, 1 سبتمبر 2026, https://arabpsychology.com/statistics/how-to-calculate-r-squared-for-glm-in-r/.
looti, Mohammed. “كيفية حساب معامل التحديد R-Squared لنموذج glm في لغة R.” عرب سايكلوجي. سبتمبر 1, 2026. https://arabpsychology.com/statistics/how-to-calculate-r-squared-for-glm-in-r/.