التحليل الإحصائيالقياس النفسي والتربويلغة R

كيفية إيجاد معامل التحديد (R-Squared) في R

دليل أكاديمي شامل يوضح كيفية إيجاد وتفسير معامل التحديد R-Squared في لغة R الإحصائية لنماذج الانحدار الخطي البسيط والمتعدد بدقة واحترافية.

تاريخ النشر

تُعد النمذجة الإحصائية وتحليل الانحدار من الركائز الأساسية التي يعتمد عليها الباحثون ومحللو البيانات وعلماء القياس النفسي والاجتماعي لفهم العلاقات المعقدة بين المتغيرات والتنبؤ بالظواهر المستقبلية. وفي قلب هذه الممارسة الإحصائية، يبرز معامل التحديد (Coefficient of Determination)، المعروف رياضياً بالرمز R²، كأحد أهم المؤشرات التلخيصية وأكثرها استخداماً لتقييم كفاءة النماذج الخطية وجودة توفيقها للبيانات الواقعية. فهو يقدم إجابة كمية مباشرة عن سؤال جوهري: ما هي النسبة المئوية للتباين في المتغير التابع التي استطاع النموذج الرياضي تفسيرها بالاعتماد على المتغيرات المستقلة؟

وعلى الرغم من البساطة الظاهرية لهذا المفهوم، فإن استخراجه البرمجي بدقة وتفسيره بصورة منهجية سليمة يتطلبان فهماً عميقاً لبيئة الحوسبة الإحصائية لغة R، والأسس الرياضية التي تحكم تجزئة مجموع المربعات، والتمييز الجوهري بين معامل التحديد التقليدي ونظيره المعدل لدرجات الحرية. تقدم لغة R أدوات برمجية شديدة المرونة والقوة للتعامل مع النماذج الخطية، بدءاً من النماذج البسيطة ذات المتغير التفسيري الواحد وصولاً إلى النماذج المتعددة والتقنيات التنبؤية المتقدمة، مما يجعل استيعاب دلالات مخرجاتها أمراً لا غنى عنه لكل مشتغل بالبحث الكمي.

يهدف هذا الدليل المرجعي الموسع إلى تقديم معالجة أكاديمية وتطبيقية شاملة لكيفية حساب وإيجاد وتفسير معامل التحديد (R-Squared) في لغة R. سنستعرض عبر هذا المقال التأصيل الرياضي الكامل للمقياس، وخطوات بناء النماذج واستخلاص قيم R² برمجياً، وتحليل الفروق الدقيقة بين المؤشرات التفسيرية والتنبؤية، فضلاً عن معالجة المشكلات الإحصائية الشائعة مثل التعدد الخطي والإفراط في التخصيص، مع توفير تطبيق عملي متكامل يلتزم بأعلى معايير التوثيق والنشر الأكاديمي.

جدول المحتويات

1. مقدمة شاملة عن معامل التحديد (R-Squared) وأهميته الإحصائية

1.1 التعريف النظري لمعامل التحديد ودوره في النمذجة الإحصائية

يُعرف معامل التحديد، ويرمز له بالرمز R²، بأنه مقياس إحصائي وصفي يُعبر عن نسبة التشتت أو التباين الكلي في المتغير التابع (المستجيب أو المتنبأ به) الذي يمكن تفسيره أو إرجاعه إلى النموذج الرياضي المتضمن للمتغيرات المستقلة (التفسيرية). في سياق القياس النفسي والعلوم الاجتماعية، يمثل هذا المفهوم حجر الزاوية في بناء النظريات وتأكيد النماذج البنائية، حيث يسعى الباحث إلى معرفة مدى مساهمة السمات الشخصية أو المتغيرات البيئية في تفسير التباين الملاحظ في السلوك البشري أو الأداء الأكاديمي.

من الناحية الرياضية، ينحصر المدى الرقمي لمعامل التحديد في نماذج الانحدار الخطي العادي التي تحتوي على حد ثابت (Intercept) ضمن الفترة المغلقة بين 0 و 1 (أي بين 0% و 100%). تعني القيمة الصفرية تماماً (R² = 0) أن النموذج المقترح لا يمتلك أي قدرة تفسيرية، وأن معرفة قيم المتغيرات المستقلة لا تقدم أي معلومات إضافية للتنبؤ بقيم المتغير التابع تتجاوز ما يقدمه المتوسط الحسابي البسيط. في المقابل، تعني القيمة المساوية لواحد صحيح (R² = 1) وجود تطابق تام وتنبؤ خالٍ تماماً من الخطأ، حيث تقع جميع نقاط المشاهدات الفعلية مباشرة فوق خط الانحدار المقدر.

من الضروري هنا التمييز المنهجي الصارم بين معامل ارتباط بيرسون (r) ومعامل التحديد (R²). يعبر معامل الارتباط عن قوة واتجاه العلاقة الخطية الثنائية بين متغيرين كميين، وتتراوح قيمته بين -1 و +1. بينما يمثل معامل التحديد في الانحدار الخطي البسيط مربع معامل الارتباط (r²)، مما يجعله مقياساً لنسبة التباين المفسر مجرداً من إشارة الاتجاه، وقابلاً للتعميم في نماذج الانحدار المتعدد التي تشتمل على مصفوفة معقدة من المتغيرات المستقلة المتداخلة والمتفاعلة.

1.2 موقع معامل التحديد في تحليل الانحدار

يحتل معامل التحديد موقع الصدارة بوصفه المؤشر الأكثر شيوعاً لتقييم ما يُعرف بـ جودة المطابقة (Goodness of Fit) في النمذجة الخطية. وتكمن وظيفته الرئيسية في تزويد الباحث بملخص رقمي مكثف يصف مدى نجاح خط الانحدار المقدر في الاقتراب من البيانات المرصودة مقارنة بالنموذج المرجعي البسيط (Null Model) الذي يفترض غياب أي علاقة ويعتمد حصرياً على المتوسط الحسابي للتنبؤ بجميع الحالات.

يرتبط معامل التحديد ارتباطاً عضوياً بجداول تحليل التباين (ANOVA) الملحقة بنماذج الانحدار. ففي بنية تحليل التباين، يتم تقسيم التباين الكلي في الظاهرة إلى مكونين أساسيين: تباين مفسر ناتج عن العلاقة الخطية المفترضة مع المتغيرات المستقلة، وتباين غير مفسر ناتج عن العشوائية أو الخطأ الإحصائي أو عوامل محذوفة من النموذج. وهنا يعمل R² كنسبة ترجيحية تترجم هذا التقسيم مباشرة إلى قيمة موحدة تتيح المقارنة المعيارية.

علاوة على ذلك، يلعب معامل التحديد دوراً محورياً في قياس مقدار الانخفاض في الخطأ التنبؤي؛ إذ يوضح مقدار التحسن في التنبؤات الذي تم تحقيقه بفضل تضمين المتغيرات المستقلة مقارنة بالاعتماد الساذج على المتوسط الحسابي. هذا الدور يجعله أداة مفضلة ليس فقط لتقييم النموذج بمفرده، بل وأيضاً للمقارنة التفسيرية بين نماذج متعددة تحاول دراسة نفس الظاهرة المدروسة بتركيبات مختلفة من المتغيرات.

2. الأساس الرياضي والمعادلات المفسرة لقيمة R-Squared

2.1 تفكيك مجموع المربعات (Sum of Squares Decomposition)

يقوم البناء الرياضي لمعامل التحديد على نظرية تفكيك مجموع المربعات، وهي إحدى الركائز الجوهرية في نظرية التقدير بطريقة المربعات الصغرى العادية (Ordinary Least Squares – OLS). تبدأ هذه النظرية بحساب مجموع المربعات الكلي (Total Sum of Squares – SST)، والذي يعبر عن إجمالي التشتت الملاحظ في قيم المتغير التابع الفعلية حول متوسطها الحسابي العام، ويُحسب بالمعادلة التالية:

SST = ∑ (yᵢ – ȳ)²

حيث تمثل yᵢ المشاهدة الفعلية لكل حالة، بينما تمثل ȳ المتوسط الحسابي العام للمتغير التابع.

يتم بعد ذلك تفكيك هذا المجموع الكلي إلى عنصرين رئيسيين؛ الأول هو مجموع مربعات الانحدار (Regression Sum of Squares – SSR)، والذي يقيس مقدار التشتت الذي استطاع النموذج تفسيره عبر الفروق بين القيم المتنبأ بها والمتوسط الحسابي:

SSR = ∑ (ŷᵢ – ȳ)²

أما العنصر الثاني فهو مجموع مربعات البواقي أو الخطأ (Sum of Squares Residual/Error – SSE)، والذي يمثل التباين المتبقي الذي عجز النموذج عن استيعابه، وهو مجموع مربعات الفروق بين القيم الفعلية والقيم المتنبأ بها بواسطة النموذج:

SSE = ∑ (yᵢ – ŷᵢ)²

وفي ظل تحقق الشروط الهندسية لطريقة المربعات الصغرى (وخاصة تعامد متجهات البواقي مع فضاء المتغيرات المستقلة)، تتحقق المطابقة الرياضية الكاملة: SST = SSR + SSE. وبناءً على هذه العلاقة التفكيكية، تُصاغ المعادلة الأساسية لمعامل التحديد بإحدى الصورتين المتكافئتين رياضياً:

R² = SSR / SST = 1 – (SSE / SST)

2.2 الاشتقاق الخوارزمي في البرمجيات الإحصائية

في بيئة الحوسبة الإحصائية الحديثة ولغة R تحديداً، لا يتم حساب هذه القيم عبر الحلقات التكرارية اليدوية، بل تُستخدم مصفوفات الجبر الخطي المتقدمة. تعتمد لغة R داخلياً على تفكيك مصفوفة التصميم (Design Matrix X) ومتجه الاستجابة (y) باستخدام خوارزمية تفكيك QR (QR Decomposition)، وهي طريقة فائقة الاستقرار العددي لتفادي مشكلات التقريب ومحددات المصفوفات الشبه المفردة.

تقوم الخوارزمية بحساب القيم المتنبأ بها (Fitted Values) عبر إسقاط متجه الاستجابة y على الفضاء الجزئي الناتج عن أعمدة المصفوفة X باستخدام مصفوفة الإسقاط (Hat Matrix: H = X(X’X)⁻¹X’). ومن ثم يتم استخراج متجه البواقي (Residuals: e = y – ŷ)، وحساب مجموع مربعات البواقي SSE كحاصل ضرب داخلي لمتجه البواقي في نفسه (e’e). ومن خلال مقارنة هذا المقدار بمجموع المربعات الكلي بعد مركزة البيانات حول المتوسط (Centered SST)، يتم توليد قيمة R² المخرجة في التقارير الإحصائية بدقة متناهية.

من المهم جداً الإشارة إلى أن شرط تجزئة التباين (SST = SSR + SSE) وصلاحية انحصار R² بين 0 و 1 يعتمدان اعتماداً مطلقاً على وجود الحد الثابت (Intercept) في النموذج. إذا تم إجبار النموذج على المرور بنقطة الأصل (بدون حد ثابت)، فإن لغة R تعيد تعريف مجموع المربعات الكلي ليكون غير ممركز (Uncentered SST = ∑ yᵢ²)، الأمر الذي قد يولد قيماً مضللة ومتباينة لمعامل التحديد، وقد تصبح سالبة في بعض الحزم البرمجية إذا طُبقت المعادلة التقليدية خارج سياقها الهندسي الصحيح.

3. إعداد بيئة العمل واستيراد البيانات في لغة R

3.1 تجهيز بيئة R وجلسة العمل الإحصائية

قبل الشروع في كتابة نماذج الانحدار واستخراج المؤشرات الإحصائية، يجب تهيئة جلسة العمل الإحصائية في R أو ضمن بيئة التطوير المتكاملة RStudio لضمان إمكانية إعادة الإنتاج والتحقق من سلامة البيانات. تتضمن الخطوة الأولى التحقق من إصدار R المستخدم والتأكد من تحميل الحزم الأساسية التي تسهل المعالجة المجدولة والتصور البياني مثل حزمة tidyverse وحزمة broom.

تعتمد المعالجة الإحصائية الدقيقة على فحص بنية إطار البيانات (Data Frame) المستورد أو المنشأ برمجياً. تتيح دالة str() في R استعراض الطبيعة الهيكلية لكل متغير والتأكد من تصنيف المتغيرات الكمية كمتغيرات عددية (numeric أو integer) وليست سلاسل نصية أو عوامل فئوية غير مقصودة، بينما توفر دالة head() معاينة بصرية سريعة للأسطر الأولى من مصفوفة البيانات للتأكد من مطابقتها للتوقعات.

كما تشمل هذه المرحلة خطوة حاسمة لمعالجة القيم المفقودة (Missing Values – NA) والتأكد من خلو مصفوفة المتغيرات من القيم غير المنطقية. ففي النمذجة الخطية، يؤدي وجود أي قيمة مفقودة في أحد المتغيرات إلى استبعاد المشاهدة بالكامل تلقائياً بموجب سياسة الحذف لكل حالة (Listwise Deletion)، مما يتطلب معرفة حجم العينة الفعلي الصافي الذي ستُبنى عليه الحسابات الرياضية لمعامل التحديد.

3.2 كتابة وتطبيق كود بناء مصفوفة البيانات الأولية

لتطبيق المفاهيم النظرية على نموذج عملي واقعي، سنقوم بإنشاء إطار بيانات تعليمي وسلوكي يحاكي أداء 15 طالباً في أحد الاختبارات الأكاديمية المعيارية. يتضمن إطار البيانات ثلاثة متغيرات رئيسية: عدد ساعات الدراسة الأسبوعية المخصصة للاستعداد (hours)، وعدد الامتحانات التجريبية والتحضيرية التي خاضها الطالب قبل الاختبار الفعلي (prep_exams)، والدرجة النهائية المحرزة في الاختبار المعياري (score).

يتم تجميع هذه المتغيرات داخل كائن من نوع إطار بيانات باستخدام دالة data.frame() عبر الكود التالي:

df <- data.frame(hours = c(1, 2, 2, 3, 4, 4, 5, 6, 6, 7, 8, 9, 9, 10, 11), prep_exams = c(1, 1, 2, 1, 2, 3, 2, 3, 4, 3, 4, 4, 5, 5, 6), score = c(65, 68, 70, 72, 75, 76, 78, 82, 84, 85, 89, 91, 93, 95, 98))

عقب بناء الكائن، يُنصح بتطبيق الدالة الشاملة summary(df) للحصول على الإحصاءات الوصفية الأساسية متضمنة المتوسط الحسابي، والوسيط، والانحرافات الربيعية لكل متغير. تضمن هذه الخطوة التحقق المبدئي من خلو البيانات من الأخطاء الإدخالية والتأكد من أن نطاقات المتغيرات تقع ضمن الحدود المنطقية لدرجات وساعات الدراسة قبل المضي قدماً في نمذجة الانحدار الخطي.

4. بناء نموذج الانحدار الخطي البسيط واستخراج R-Squared في R

4.1 صياغة واستدعاء دالة lm() للانحدار البسيط

تُعد دالة lm()، وهي اختصار لمصطلح (Linear Models)، الدالة المركزية الأساسية في لغة R لتقدير معاملات الانحدار الخطي بطريقة المربعات الصغرى العادية. تستخدم الدالة تركيباً صيغياً مميزاً وأنيقاً يُعرف بصيغة ولكنسون وروجرز (Formula Syntax)، حيث يُوضع المتغير التابع في الطرف الأيسر متبوعاً برمز المدة (~) ثم المتغيرات المستقلة في الطرف الأيمن.

لبناء نموذج انحدار خطي بسيط يدرس تأثير ساعات الدراسة بمفردها على الدرجة النهائية للطالب، نكتب الأمر البرمجي التالي ونقوم بتخزينه في كائن مخصص:

model_simple <- lm(score ~ hours, data = df)

عند تنفيذ هذا الأمر، تقوم بيئة R داخلياً بحساب مصفوفات الانحدار وتقدير قيمة الحد الثابت (Intercept) وميل الانحدار (Slope Coefficient)، بالإضافة إلى حساب متجهات القيم المتنبأ بها والبواقي، وتخزين كافة هذه الحسابات والبيانات الوصفية داخل كائن إحصائي متكامل من فئة lm.

4.2 استعراض النتائج وقراءة قيمة R-Squared في المخرجات

لاستعراض المخرجات التفصيلية الشاملة لنموذج الانحدار البسيط، نطبق دالة التلخيص الإحصائي summary(model_simple). ينتج عن هذا الاستدعاء جدول مخرجات غني بالمعلومات يتضمن توزيع البواقي، وجدول معاملات الانحدار مع أخطائها المعيارية وقيم الاختبار التائي (t-value) والدلالة الإحصائية (p-value)، يليه المقطع السفلي الحاسم المخصص لمؤشرات جودة المطابقة.

في الأسطر الختامية من مخرجات دالة التلخيص، يظهر سطر نصي بارز يحتوي على القيمة: Multiple R-squared: 0.9782 (أو ما يقارب 0.978 وفق بيانات النموذج). تشير هذه النتيجة الرقمية مباشرة إلى معامل التحديد، وتُقرأ بأن ساعات الدراسة وحدها قادرة على تفسير ما يقارب 97.8% من التباين الإجمالي في درجات الطلاب، وهو ما يعكس قدرة تفسيرية استثنائية للنموذج البسيط.

ومن الخصائص الرياضية الرائعة التي يمكن التحقق منها برمجياً في لغة R، أننا إذا قمنا بحساب مربع معامل ارتباط بيرسون بين المتغيرين باستخدام الأمر: cor(df$hours, df$score)^2، فسنحصل تماماً على نفس القيمة العشرية (0.9782). هذا التطابق يبرهن عملياً على أن معامل التحديد في الانحدار الخطي البسيط هو المعادل الدقيق لمربع معامل الارتباط الخطي البسيط.

5. بناء نموذج الانحدار الخطي المتعدد وحساب R-Squared في R

5.1 صياغة النموذج المتعدد مع أكثر من متغير تفسيري

في أغلب الدراسات التطبيقية والبحثية، نادراً ما تتأثر الظاهرة المدروسة بعامل واحد فقط؛ لذا يتم اللجوء إلى الانحدار الخطي المتعدد (Multiple Linear Regression) لفحص التأثير المتزامن لعدة متغيرات تفسيرية وضبط التأثيرات المتبادلة بينها. في لغة R، تتم صياغة النموذج المتعدد ببساطة عبر إضافة المتغيرات المستقلة الإضافية إلى الطرف الأيمن من المعادلة باستخدام علامة الجمع (+).

لتوسيع نموذجنا الدراسي السابق ودمج تأثير كل من ساعات الدراسة وعدد الامتحانات التجريبية، نقوم ببناء النموذج المتعدد وتخزينه في كائن جديد كما يلي:

model_multiple <- lm(score ~ hours + prep_exams, data = df)

يقوم هذا النموذج بتقدير معاملات انحدار جزئية (Partial Regression Coefficients) لكل متغير مستقل على حدة، بحيث يعكس وزن كل متغير مقدار التغير المتوقع في الدرجة عند زيادة هذا المتغير بمقدار وحدة واحدة مع تثبيت المتغير الآخر إحصائياً عند قيمة ثابتة.

5.2 قراءة وتتبع التغير في قيمة Multiple R-squared

عند تطبيق دالة summary(model_multiple) على النموذج الجديد، سنجد أن قيمة Multiple R-squared قد ارتفعت إلى قيمة أعلى (على سبيل المثال: 0.9859 أو ما يعادل 98.6%). تعبر هذه القيمة عن نسبة التباين المشترك الإجمالي المفسر في درجات الطلاب بواسطة التأثير المتزامن والمجتمع لساعات الدراسة والامتحانات التجريبية معاً.

توضح المقارنة بين النموذجين أن إضافة متغير الامتحانات التجريبية قد أضاف ما يقارب 0.8% إلى القدرة التفسيرية للنموذج الأصلي. وفي لغة R، يمثل Multiple R-squared دائماً النسبة الكلية للتباين المفسر من جميع المتغيرات المدرجة، ويساوي رياضياً مربع معامل الارتباط المتعدد (R) بين القيم الفعلية للمتغير التابع والقيم المتنبأ بها المتولدة من التركيبة الخطية للمتغيرات المستقلة: cor(df$score, fitted(model_multiple))^2.

ومع ذلك، يجب على الباحث توخي الحذر الشديد؛ فالخاصية الرياضية الأصيلة لمعامل Multiple R-squared التقليدي هي أنه دالة غير متناقصة بالنسبة لعدد المتغيرات المستقلة. وهذا يعني أن قيمة R² ستزداد حتماً (أو على الأقل تبقى ثابتة) مع كل متغير إضافي يُدرج في النموذج، حتى لو كان هذا المتغير مجرد أرقام عشوائية لا تمت للظاهرة بأي صلة حقيقية، وهو ما يقودنا إلى ضرورة استخدام معامل التحديد المعدل.

6. معامل التحديد المعدل (Adjusted R-Squared) وحسابه برمجياً في R

6.1 مبررات استخدام معامل التحديد المعدل ومحدودية R2 التقليدي

تتمثل المشكلة المنهجية الكبرى في معامل التحديد التقليدي (R²) في ميله البنيوي للتضخم التلقائي كلما زاد تعقيد النموذج بإضافة متغيرات جديدة. ينتج هذا التضخم عن استغلال طريقة المربعات الصغرى لأي تقلبات عشوائية أو ارتباطات طفيفة بالصدفة في بيانات العينة لتقليل مجموع مربعات البواقي، مما يعطي انطباعاً زائفاً بتحسن النموذج ويشجع الباحثين على حشو النماذج بمتغيرات غير ضرورية.

لتجاوز هذا القصور الإحصائي، تم تطوير معامل التحديد المعدل (Adjusted R-Squared)، ويرمز له بالرمز R̄². يقوم هذا المقياس بفرض عقوبة رياضية (Penalty) على النموذج مع كل متغير جديد يُضاف إليه، موازناً بين مقدار التباين الإضافي المفسر وعدد درجات الحرية المستهلكة في التقدير. تُحسب قيمة معامل التحديد المعدل بالمعادلة التالية:

R̄² = 1 – [ (1 – R²) * (n – 1) / (n – k – 1) ]

حيث تمثل n حجم العينة الكلي، بينما تمثل k عدد المتغيرات المستقلة في النموذج (باستثناء الحد الثابت). توضح المعادلة بجلاء أنه إذا كان المتغير الجديد لا يقدم مساهمة تفسيرية تفوق ما هو متوقع بالمصادفة، فإن النسبة (n - 1) / (n - k - 1) سترتفع بمقدار أكبر من انخفاض (1 - R²)، مما يؤدي إلى هبوط وانخفاض قيمة R̄² الفعلية.

6.2 استخراج ومقارنة Adjusted R-squared في R

توفر مخرجات دالة summary() في لغة R قيمة معامل التحديد المعدل مباشرة بجوار القيمة التقليدية تحت مسمى: Adjusted R-squared. في نموذجنا المتعدد السابق، سنجد المخرج يعرض: Adjusted R-squared: 0.9835، وهي قيمة أقل قليلاً من القيمة التقليدية غير المعدلة (0.9859).

يعكس هذا الفارق الرقمي الطفيف مقدار التعديل الناتج عن خصم درجات الحرية المفقودة (حيث أصبح لدينا 12 درجة حرية للبواقي بدلاً من 13 في النموذج البسيط). يقدم تحليل الفارق بين المؤشرين للباحث معياراً حاسماً لاتخاذ القرارات المنهجية المتعلقة باختيار النموذج الأمثل (Model Selection)؛ فإذا أدى إدخال متغير جديد إلى انخفاض قيمة Adjusted R-squared، فإن هذا يعد مؤشراً قاطعاً على أن المتغير الجديد يمثل عبئاً إحصائياً ولا يستحق البقاء في النموذج.

تجدر الإشارة أيضاً إلى أن معامل التحديد المعدل، وخلافاً للتقليدي، يمكن أن يتخذ قيماً سالبة إذا كان النموذج سيئاً للغاية ومعدوم القدرة التفسيرية، وفي تلك الحالات يتم تفسيره عملياً على أنه صفر، مما يدل على فشل ذريع للنموذج في تقديم أي إضافة تفسيرية فوق المتوسط الحسابي.

7. استخراج معامل التحديد برمجياً كقيمة مستقلة من كائنات النماذج في R

7.1 الوصول المباشر إلى عناصر كائن ملخص النموذج

عند بناء برمجيات نصية متقدمة في لغة R، أو عند إجراء محاكاة إحصائية (Monte Carlo Simulations)، أو إعداد تقارير آلية، يحتاج الباحث إلى استخراج قيمة R² كرقم فردي مستقل لتخزينه في متغيرات أو مصفوفات بدلاً من طباعة جدول المخرجات الكامل على الشاشة. تتيح لغة R الوصول المباشر إلى العناصر الداخلية للكائنات باستخدام معامل الاستخراج $.

عند تمرير نموذج الانحدار إلى دالة التلخيص، يتم إنشاء كائن هيكلي من نوع قائمة (List) يسمى summary.lm. يحتوي هذا الكائن على عناصر مخصصة يمكن استدعاؤها مباشرة عبر الشيفرة البرمجية التالية:

r2_val <- summary(model_multiple)$r.squared
adj_r2_val <- summary(model_multiple)$adj.r.squared

تتميز هذه الطريقة بالكفاءة والسرعة العالية في المعالجة البرمجية، حيث تعيد أرقاماً عشرية نقية (Numeric values) يمكن استخدامها مباشرة في العمليات الحسابية اللاحقة، مثل حساب التغير في معامل التحديد (R² Change) بين النماذج المتداخلة أو التحقق من شروط التوقف في خوارزميات الانحدار المتدرج.

7.2 استخدام الدوال الإحصائية وحزم broom لاستخراج المؤشرات

في إطار الممارسات الحديثة للتعامل مع البيانات الضخمة والنماذج المتعددة، تُعد حزمة broom جزءاً لا يتجزأ من منظومة Tidymodels لتنظيف وهيكلة المخرجات الإحصائية في R. تقدم الحزمة دالة ثورية تسمى glance() تقوم بتحويل كافة المقاييس الإجمالية للنموذج إلى صف واحد داخل إطار بيانات منظم (Tibble / Data Frame).

عند تطبيق الدالة عبر الكود: broom::glance(model_multiple)، نحصل على جدول يحتوي على أعمدة واضحة تتضمن: r.squared، و adj.r.squared، و sigma (الخطأ المعياري للتقدير)، و statistic (قيمة اختبار F)، و p.value، و AIC، و BIC. وتبرز القوة الحقيقية لهذه الدالة عند مقارنة عشرات أو مئات النماذج دفعة واحدة باستخدام دوال التكرار مثل map() أو lapply().

يتيح هذا التنسيق المجدول للمؤشرات إمكانية تصدير نتائج جودة المطابقة فوراً إلى ملفات خارجية بصيغة CSV باستخدام دالة write.csv()، أو دمجها بانسيابية تامة داخل تقارير الأبحاث الديناميكية المبنية بواسطة R Markdown أو Quarto، مما يضمن تدفق عمل أكاديمي آلي وخالٍ من أخطاء النقل اليدوي.

8. التفسير النفسي والإحصائي لقيم R-Squared في النماذج السلوكية

8.1 ترجمة القيمة الرياضية إلى استنتاجات بحثية دقيقة

تتطلب الكتابة الأكاديمية الرصينة مهارة عالية في تحويل المخرجات الرقمية الجافة إلى صياغات لغوية دقيقة تعبر عن المعنى العلمي للظاهرة دون مبالغة أو تضليل. الخطوة الأولى في هذا السياق هي تحويل القيمة العشرية لمعامل التحديد إلى نسبة مئوية بضربها في 100؛ فالقيمة 0.9859 تُترجم إلى 98.59%.

تُصاغ النتيجة في الأبحاث والتقارير العلمية بالعبارة المنهجية المعيارية التالية: “أظهرت نتائج تحليل الانحدار المتعدد أن النموذج المتضمن لساعات الدراسة وعدد الامتحانات التجريبية يفسر ما نسبته 98.59% من التباين الكلي في درجات الاختبار المعياري للطلاب (R² = 0.986, F(2, 12) = 418.5, p < .001)”. يربط هذا الأسلوب بين نسبة التباين ومؤشرات الدلالة الإحصائية لاختبار النموذج ككل.

ومن الأخطاء الشائعة والجسيمة في التفسير الخلط بين التفسير الإحصائي والسببية المباشرة (Causality). يجب التأكيد دوماً على أن معامل التحديد R² هو مقياس للارتباط المشترك والقدرة التفسيرية التزامنية، ولا يثبت بمفرده أن المتغيرات المستقلة هي السبب الحقيقي المباشر في إحداث التغير في المتغير التابع؛ إذ قد تكون هناك متغيرات كامنة غير مقاسة تقف وراء هذا الارتباط، ما لم يُبنَ البحث على تصميم تجريبي صارم وضبط منهجي محكم.

8.2 خصوصية العلوم الإنسانية والنفسية في تقييم R-Squared

تختلف المعايير التقييمية لارتفاع أو انخفاض قيمة R² جذرياً بين العلوم الطبيعية والتطبيقية (كالفيزياء والهندسة) من جهة، والعلوم الإنسانية والسلوكية (كعلم النفس والاجتماع والتربية) من جهة أخرى. في العلوم الطبيعية والبيئات المعملية المحكومة، يُتوقع من النماذج الخطية أن تحقق قيم R² مرتفعة تتجاوز عادة 0.90 نظراً لدقة القياس وانحصار المتغيرات الدخيلة.

على النقيض من ذلك، تتميز الظواهر الإنسانية بتعقدها الشديد وتداخل عدد لا حصر له من العوامل الوراثية، والنفسية، والبيئية، والاجتماعية في توجيه السلوك الفردي. ونتيجة لذلك، فإن الحصول على قيمة R² تتراوح بين 0.10 و 0.30 (أي تفسير 10% إلى 30% من التباين) يُعد في كثير من الأبحاث النفسية كشفاً علمياً قيماً وذا أثر تطبيقي بالغ الأهمية.

لذلك، لا ينبغي للباحث السلوكي أن يشعر بالإحباط من قيم R² المتواضعة عددياً؛ فالقيمة الأساسية تكمن في الدلالة الإحصائية لمعاملات الانحدار ومقدار حجم التأثير النظري. فإذا كان معامل الانحدار دالاً إحصائياً بدرجة عالية (p < .001)، فهذا يعني أن النموذج قد كشف بنجاح عن نمط حقيقي وعلاقة غير عشوائية بين المتغيرات، حتى لو بقيت النسبة الأكبر من التباين غير مفسرة بسبب عوامل أخرى خارج نطاق الدراسة.

9. تقييم جودة النموذج: متى يعتبر معامل التحديد R-Squared جيداً ومقبولاً؟

9.1 المعايير المرجعية وتصنيفات كوهين (Cohen’s Benchmarks)

لتوحيد معايير الحكم على أحجام التأثير في الدراسات الاجتماعية والسلوكية، وضع عالم الإحصاء والقياس النفسي الشهير جاكوب كوهين (Jacob Cohen) معايير مرجعية واسعة الانتشار لتقييم معامل التحديد وحجم التأثير المشتق منه والمعروف بـ f². صنف كوهين مستويات التباين المفسر في نماذج الانحدار إلى ثلاثة مستويات رئيسية:

  • تأثير صغير (Small Effect): يقابل قيمة R² تقارب 0.02 (تفسير 2% من التباين).
  • تأثير متوسط (Medium Effect): يقابل قيمة R² تقارب 0.13 (تفسير 13% من التباين).
  • تأثير كبير (Large Effect): يقابل قيمة R² تساوي أو تتجاوز 0.26 (تفسير 26% فما فوق من التباين).

تؤكد هذه التصنيفات المرجعية على ضرورة ربط تقييم جودة النموذج بسياق المشكلة البحثية ومبدأ الإيجاز والرشاقة الإحصائية (Parsimony Principle). فالنموذج البسيط الذي يفسر 25% من التباين باستخدام متغيرين نظريين واضحين يُعد أفضل علمياً ومنهجياً من نموذج معقد يتضمن عشرين متغيراً ليفسر 30% من التباين مع التضحية بقابلية التفسير النظري.

9.2 مخاطر الاعتماد المنفرد على R-Squared دون فحص افتراضات الانحدار

من أخطر الممارسات الإحصائية الشائعة بين الباحثين الركون إلى قيمة R² المرتفعة كدليل وحيد وحاسم على كفاءة النموذج ودقته، وتجاهل فحص الافتراضات التشخيصية للانحدار الخطي (Regression Diagnostics). يمكن لنموذج غير خطي مشوه أن ينتج قيمة R² مرتفعة جداً بينما هو في الواقع غير ملائم إطلاقاً للبيانات، كما هو مشهور في رباعية أنسكومب (Anscombe’s Quartet).

لضمان صحة الاستنتاجات، يجب فحص الافتراضات التالية في بيئة R:

  • خطية العلاقة (Linearity): التحقق من أن العلاقة بين المتغيرات التفسيرية والتابع خطية وليست منحنية، ويتم ذلك بفحص رسم البواقي مقابل القيم المتنبأ بها عبر الأمر: plot(model, which = 1).
  • التوزيع الطبيعي للبواقي (Normality of Residuals): التأكد من أن أخطاء النموذج تتبع التوزيع الطبيعي باستخدام رسم Q-Q Plot واختبار شابيرو-ويلك: shapiro.test(residuals(model)).
  • ثبات تجانس تباين الخطأ (Homoscedasticity): فحص استقرار تباين البواقي عبر جميع مستويات المتغيرات المستقلة باستخدام اختبار بروش-باغان (Breusch-Pagan Test) المتاح في حزمة lmtest.
  • تأثير القيم الشاذة والمتطرفة (Outliers & High Leverage Points): تقييم مسافات كوك (Cook’s Distance) للتأكد من عدم وجود مشاهدات فردية شاذة تقوم بسحب خط الانحدار وتضخيم قيمة R² بشكل مصطنع عبر الأمر: plot(model, which = 4).

10. المشاكل والقيود الشائعة المرتبطة بمعامل التحديد R-Squared في R

10.1 مشكلة التعدد الخطي العالي (Multicollinearity)

تنشأ مشكلة التعدد الخطي عندما ترتبط المتغيرات المستقلة داخل النموذج ارتباطاً قوياً ببعضها البعض. ورغم أن التعدد الخطي لا يؤثر سلباً على القيمة الإجمالية لـ R² أو دقة التنبؤات العامة للنموذج، إلا أنه يحدث تشويهاً خطيراً في تقديرات معاملات الانحدار الفردية وأخطائها المعيارية، مما يجعل من المستحيل عزل التأثير الحقيقي لكل متغير على حدة.

في ظل التعدد الخطي الشديد، يواجه الباحث مفارقة إحصائية محيرة: يحقق النموذج قيمة Multiple R-squared مرتفعة جداً واختبار F ذو دلالة إحصائية فائقة، ولكن عند النظر إلى اختبارات t للمعاملات الفردية، نجد أن أياً من المتغيرات المستقلة لا يمتلك دلالة إحصائية بمفرده. هذا التضارب ينبه الباحث إلى وجود تكرار وتداخل في المعلومات التي تقدمها المتغيرات التفسيرية.

لتشخيص هذه المشكلة برمجياً في لغة R، يتم استخدام دالة عامل تضخم التباين (Variance Inflation Factor – VIF) المتاحة في حزمة car عبر كتابة الكود التالي:

car::vif(model_multiple)

تشير القاعدة الإرشادية العامة إلى أن أي قيمة VIF تتجاوز 5 أو 10 تدل على وجود تعدد خطي مقلق يستوجب معالجة منهجية، مثل حذف أحد المتغيرين المتطابقين، أو دمجهما في مؤشر تركيبي موحد عبر التحليل العاملي، أو اللجوء إلى نماذج انحدار الحرف (Ridge Regression).

10.2 ظاهرة الإفراط في التخصيص (Overfitting)

يحدث الإفراط في التخصيص عندما يتعلم النموذج الرياضي تفاصيل البيانات التدريبية والضوضاء العشوائية الملازمة لها بدقة مفرطة بدلاً من استيعاب النمط الأساسي العام للعلاقة. في مثل هذه الحالات، يسجل النموذج قيمة R² مرتفعة بشكل خيالي على بيانات العينة الأصلية، لكنه ينهار تماماً ويفشل فشلاً ذريعاً عند تطبيقه للتنبؤ بمشاهدات جديدة خارج العينة (Out-of-Sample Data).

يرتبط الإفراط في التخصيص ارتباطاً وثيقاً بنقص حجم العينة بالنسبة لعدد المتغيرات المستقلة ومصطلحات التفاعل والحدود متعددة الحدود (Polynomial terms). فالاستمرار في إضافة الحدود المربعة والتكعيبية يرفع قيمة R² باستمرار نحو الواحد الصحيح، ولكنه يحول خط الانحدار إلى منحنى متعرج يعكس عشوائية العينة المحددة فقط.

تتمثل الاستراتيجية المثلى لتجنب هذا الفخ الإحصائي في الالتزام الصارم بالنماذج المبنية على أطر نظرية متينة، واستخدام معامل التحديد المعدل لتقييم الإضافات المتتالية، وتطبيق تقنيات الانحدار الجزائي المتقدمة مثل (Lasso Regression) التي تفرض عقوبات صلبة على التعقيد غير المبرر وتقوم بتصفير المعاملات غير الفعالة.

11. تقنيات متقدمة للتحقق وحساب R-Squared التنبؤي في R

11.1 حساب معامل التحديد عبر التحقق المتقاطع (Cross-Validation)

للحصول على تقدير واقعي وغير متحيز للقدرة التفسيرية والتنبؤية للنموذج الإحصائي على بيانات غير مرئية، يُعد التحقق المتقاطع لعشر طيات (10-Fold Cross-Validation) الأسلوب المعياري الأكثر موثوقية في علم البيانات والإحصاء الحديث. يقوم هذا الأسلوب بتقسيم البيانات عشوائياً إلى 10 أجزاء متساوية، حيث يتم تدريب النموذج على 9 أجزاء واختباره على الجزء المتبقي، وتتكرر العملية بالتناوب لحساب متوسط الأداء.

توفر حزمة caret في لغة R منصة متكاملة لتنفيذ هذا الإجراء بسهولة فائقة عبر الكود التالي:

library(caret)
train_control <- trainControl(method = "cv", number = 10)
cv_model <- train(score ~ hours + prep_exams, data = df, method = "lm", trControl = train_control)
print(cv_model$results)

يقوم الكود السابق بطباعة القيمة التنبؤية الحقيقية لـ Cross-Validated R-squared. إذا وجد الباحث أن قيمة R² الناتجة عن التحقق المتقاطع قريبة جداً من قيمة R² المحسوبة على العينة الأصلية، فهذا يقدم دليلاً إمبريقياً قاطعاً على متانة النموذج واستقراره وثبات قدرته التنبؤية عبر العينات المستقلة.

11.2 حساب معامل التحديد التنبؤي (Predicted R-Squared)

يُعد معامل التحديد التنبؤي (Predicted R-Squared) مقياساً إحصائياً فائق التطور والصرامة، حيث يعتمد على مقياس إحصائي يعرف بـ مجموع مربعات أخطاء التنبؤ بالاستبعاد (Prediction Error Sum of Squares – PRESS). في هذا الأسلوب، يتم استبعاد مشاهدة واحدة في كل مرة، وتقدير النموذج على باقي المشاهدات (n-1)، ثم التنبؤ بقيمة المشاهدة المستبعدة وحساب خطأ التنبؤ الحقيقي لها.

يُحسب إحصاء PRESS بتجميع مربعات هذه الأخطاء المستقلة تماماً: PRESS = ∑ [ eᵢ / (1 – hᵢᵢ) ]²، حيث يمثل hᵢᵢ عنصر القطر المقابل في مصفوفة الإسقاط (Leverage). وبناءً عليه، تُصاغ معادلة R² التنبؤي كالتالي:

Predicted R² = 1 – (PRESS / SST)

يمكن كتابة دالة مخصصة وحساب هذا المقياس برمجياً في لغة R بدقة متناهية عبر الأوامر التالية:

pr <- residuals(model_multiple) / (1 - lm.influence(model_multiple)$hat)
press_stat <- sum(pr^2)
sst_val <- sum((df$score - mean(df$score))^2)
pred_r2 <- 1 - (press_stat / sst_val)

يساعد التحليل المقارن بين المؤشرات الثلاثة: R² التقليدي، و R² المعدل، و R² التنبؤي في تشخيص دقيق لبنية النموذج؛ فإذا كان الفارق بين R² التقليدي و R² التنبؤي كبيراً، فهذا يشير بوضوح إلى أن النموذج يفتقر إلى المتانة التنبؤية ويعاني من تضخم التقديرات نتيجة فرط التخصيص في البيانات التدريبية.

12. التطبيق العملي الشامل: دراسة حالة متكاملة خطوة بخطوة في لغة R

12.1 التحليل الإحصائي الكامل لكود المقال الأصلي وتطويره

نستعرض في هذا القسم التطبيق العملي المتكامل من البداية حتى النهاية، متضمناً تجهيز مصفوفة بيانات الـ 15 طالباً، وبناء النماذج، واستخراج المؤشرات، وتوثيق النتائج وفق المعايير الأكاديمية الصارمة لرابطة علم النفس الأمريكية (APA 7th Edition).

نبدأ بتنفيذ الشيفرة البرمجية الكاملة في بيئة R:

# 1. إدخال مصفوفة البيانات الأولية للطلاب
df <- data.frame(
  hours = c(1, 2, 2, 3, 4, 4, 5, 6, 6, 7, 8, 9, 9, 10, 11),
  prep_exams = c(1, 1, 2, 1, 2, 3, 2, 3, 4, 3, 4, 4, 5, 5, 6),
  score = c(65, 68, 70, 72, 75, 76, 78, 82, 84, 85, 89, 91, 93, 95, 98)
)
# 2. بناء نموذج الانحدار الخطي المتعدد
model <- lm(score ~ hours + prep_exams, data = df)
# 3. استخراج ملخص النموذج الإحصائي
model_sum <- summary(model)
# 4. استخراج قيم معامل التحديد كأرقام مستقلة
r_squared <- model_sum$r.squared
adj_r_squared <- model_sum$adj.r.squared
# 5. طباعة النتائج في سياق مقروء
cat("Multiple R-squared:", round(r_squared, 4), "n")
cat("Adjusted R-squared:", round(adj_r_squared, 4), "n")

كتابة فقرة النتائج وفق أسلوب APA:
“أُجري تحليل انحدار خطي متعدد للتنبؤ بدرجات الاختبار المعياري للطلاب بالاعتماد على ساعات الدراسة الأسبوعية وعدد الامتحانات التحضيرية. أسفرت النتائج عن نموذج ذي دلالة إحصائية فائقة (F(2, 12) = 418.5, p < .001). وبلغت قيمة معامل التحديد Multiple R² = .986 (Adjusted R² = .984)، مما يشير إلى أن المتغيرين المستقلين يفسران معاً ما يقارب 98.6% من التباين في درجات الاختبار. وقد أظهرت معاملات الانحدار الفردية تأثيراً موجباً ودالاً لكل من ساعات الدراسة (B = 2.87, SE = 0.28, p < .001) والامتحانات التحضيرية (B = 1.15, SE = 0.49, p = .039).”

12.2 التمثيل البياني لجودة التوفيق وتباين النموذج

يمثل التصور البياني أداة لا غنى عنها لتعزيز الفهم وتوصيل النتائج الإحصائية بوضوح. تُعد حزمة ggplot2 المعيار الذهبي للرسم الإحصائي في R. سنقوم هنا بإنشاء مخططين بيانيين متقدمين: الأول يوضح خط الانحدار وفترات الثقة مع تضمين قيمة R² تلقائياً، والثاني يوضح مقارنة القيم الفعلية بالقيم المتنبأ بها (Actual vs. Fitted Values Plot).

يتم تنفيذ الرسم الأول للانحدار البسيط عبر الكود التالي:

library(ggplot2)
r2_label <- paste("R² =", round(summary(lm(score ~ hours, data = df))$r.squared, 3))
ggplot(df, aes(x = hours, y = score)) +
  geom_point(color = "darkblue", size = 3, alpha = 0.8) +
  geom_smooth(method = "lm", color = "firebrick", fill = "gray80", se = TRUE) +
  annotate("text", x = 3, y = 92, label = r2_label, size = 5.5, fontface = "bold", color = "black") +
  labs(title = "العلاقة بين ساعات الدراسة والدرجة النهائية مع خط الانحدار",
       x = "ساعات الدراسة الأسبوعية", y = "درجة الاختبار المعياري") +
  theme_minimal(base_size = 13)

أما بالنسبة للنموذج المتعدد، فيُعد مخطط القيم الفعلية مقابل المتنبأ بها الأداة البصرية الأفضل لتقييم جودة المطابقة الإجمالية، ويُنفذ بالكود التالي:

df$predicted <- predict(model)
ggplot(df, aes(x = predicted, y = score)) +
  geom_point(color = "forestgreen", size = 3.5) +
  geom_abline(intercept = 0, slope = 1, linetype = "dashed", color = "red", size = 1) +
  labs(title = "القيم الفعلية مقابل القيم المتنبأ بها (الانحدار المتعدد)",
       subtitle = "يمثل الخط المتقطع التطابق التام بين النموذج والواقع",
       x = "الدرجات المتنبأ بها (Fitted Score)", y = "الدرجات الفعلية الملاحظة (Actual Score)") +
  theme_light(base_size = 13)

يوضح اقتراب النقاط الشديد من الخط المتقطع القطري (Identity Line) في الرسم البياني كفاءة النموذج وتطابقه العالي مع البيانات، وهو التجسيد البصري المباشر لقيمة R² البالغة 98.6%.

خاتمة وتوصيات منهجية

قدم هذا الدليل تحليلاً عميقاً وتطبيقياً لمعامل التحديد (R-Squared) في لغة R، مبيناً أنه ليس مجرد رقم يُستخرج من دالة إحصائية، بل هو منظومة متكاملة لتقييم التباين المفسر وجودة النماذج الرياضية. وقد استعرضنا كيفية حساب المقياس عبر تفكيك مجموع المربعات، والاشتقاق الخوارزمي في بيئة R، وصياغة نماذج الانحدار البسيط والمتعدد، بالإضافة إلى إبراز الأهمية البالغة لمعامل التحديد المعدل ومؤشرات التحقق التنبؤي المتقدمة.

ونوجز في الختام أهم التوصيات المنهجية للباحثين والمحللين:

  • عدم الاكتفاء بـ R² التقليدي: يجب دائماً الاعتماد على Adjusted R-squared عند مقارنة النماذج ذات الأعداد المختلفة من المتغيرات، وفحص Predicted R-squared للتأكد من السلامة التنبؤية.
  • التشخيص الإحصائي الإلزامي: لا ينبغي أبداً اعتبار R² دليلاً كافياً على صحة النموذج دون فحص خطية العلاقة، واعتدالية البواقي، وتجانس التباين، وخلو النموذج من التعدد الخطي المؤذي.
  • مراعاة السياق التخصصي: يُقيم معامل التحديد دائماً في ضوء طبيعة الظاهرة ومجال التخصص؛ فالقيم المتواضعة في العلوم الإنسانية قد تحمل دلالات تطبيقية ونظرية بالغة الأهمية ما دامت المعاملات دالة إحصائياً.
  • التوثيق البرمجي السليم: الاستفادة من حزم مثل broom و ggplot2 لضمان أتمتة استخراج التقارير وتصور العلاقات البيانية وفق أعلى المعايير العلمية المعتمدة.

References

اقتباس هذا المقال

looti, M. (2026, سبتمبر 1). كيفية إيجاد معامل التحديد (R-Squared) في R. عرب سايكلوجي. https://arabpsychology.com/statistics/how-to-find-coefficient-of-determination-r-squared-in-r/
looti, Mohammed. “كيفية إيجاد معامل التحديد (R-Squared) في R.” عرب سايكلوجي, 1 سبتمبر 2026, https://arabpsychology.com/statistics/how-to-find-coefficient-of-determination-r-squared-in-r/.
looti, Mohammed. “كيفية إيجاد معامل التحديد (R-Squared) في R.” عرب سايكلوجي. سبتمبر 1, 2026. https://arabpsychology.com/statistics/how-to-find-coefficient-of-determination-r-squared-in-r/.