تُعد النمذجة الإحصائية المعتمدة على الانحدار الخطي المتعدد إحدى الركائز المنهجية الجوهرية في حقول القياس النفسي والعلوم السلوكية والتربوية؛ حيث يُعول عليها الباحثون في نمذجة العلاقات المعقدة بين المتغيرات النفسية، واستقراء الفروق الفردية في الأداء الأكاديمي والقدرات المعرفية. غير أن كفاءة وموثوقية المعالم المقدرة عبر طريقة المربعات الصغرى العادية (Ordinary Least Squares – OLS) لا تقوم بمعزل عن استيفاء حزمة من الافتراضات الكلاسيكية الصارمة التي صاغتها نظرية غاوس-ماركوف، ويأتي في مقدمتها افتراض ثبات وتجانس تباين الأخطاء العشوائية عبر جميع مستويات المتغيرات المستقلة المدرجة في النموذج.
عندما يتعرض هذا الافتراض للانتهاك وتنشأ ظاهرة تباين الأخطاء العشوائية أو ما يُعرف اصطلاحاً بـ “عدم تجانس التباين” (Heteroscedasticity)، تفقد مقدرات المربعات الصغرى خاصية الكفاءة، ويصبح الاستدلال الإحصائي القائم على اختبارات الفروض وفترات الثقة مضللاً بدرجة قد تقود الباحثين إلى استنتاجات خاطئة تماماً حول فاعلية البرامج التربوية أو ديناميات المتغيرات النفسية. ومن هنا تبرز الأهمية البالغة لاختبار “بروش-باغان” (Breusch-Pagan Test) بوصفه أحد أدق وأهم الفحوص التشخيصية الاستدلالية التي تكشف عن طبيعة هذا الخلل في النماذج الخطية.
يهدف هذا الدليل المرجعي الموسع إلى تقديم مراجعة أكاديمية شاملة ومفصلة لكيفية تطبيق وتفسير اختبار بروش-باغان باستخدام نظام التحليل الإحصائي الرائد SAS (Statistical Analysis System). سنتناول معاً التأصيل الرياضي والنظري للاختبار، وتداعياته على القياس والتقويم السلوكي، ثم ننتقل إلى آليات إعداد مصفوفات البيانات، وتنفيذ الاختبار عبر إجراءات SAS المتقدمة مثل PROC MODEL وPROC REG، واستعراض سبل التشخيص البصري المكمل، وصولاً إلى استراتيجيات المعالجة الإحصائية، وكتابة التقارير المتوافقة مع معايير الدليل الإرشادي لجمعية علم النفس الأمريكية (APA).
1. مقدمة لاختبار بروش-باغان وأهميته الإحصائية في القياس النفسي
1.1 مفهوم عدم تجانس التباين في البحوث السلوكية والتربوية
يُقصد بظاهرة عدم تجانس التباين (Heteroscedasticity) في سياق الانحدار الخطي الحالة التي يتغير فيها تباين حد الخطأ العشوائي أو البواقي المتبقية عبر مستويات مختلفة من المتغيرات التفسيرية، بدلاً من بقائه ثابتاً ومستقراً عند قيمة تباينية محددة. في البحوث السلوكية والتربوية، تظهر هذه الظاهرة بتكرار ملحوظ نظراً للطبيعة الديناميكية للسلوك البشري؛ إذ تزداد تباينات استجابات الأفراد في المهام المعرفية المعقدة بزيادة مستويات المتغيرات المستقلة مثل الذكاء، أو ساعات التعلم، أو سنوات الخبرة. على سبيل المثال، قد يظهر الطلاب الذين يخصصون ساعات قليلة جداً في الاستذكار مستويات أداء منخفضة ومتقاربة بشدة، مما يولد تبايناً صغيراً في البواقي، بينما الطلاب الذين يقضون فترات طويلة في الدراسة قد تتفاوت درجاتهم بشكل واسع تبعاً لتدخل عوامل أخرى كجودة البيئة التعليمية والدافعية الداخلية، مما يؤدي إلى اتساع تشتت الأخطاء.
إن أثر التباين غير المتجانس على مقدرات المربعات الصغرى العادية (OLS) ينصب تحديداً على خاصية الكفاءة (Efficiency)؛ فالتقديرات تظل غير متحيزة (Unbiased) وتتسق مقارباً مع قيم المعلمات الحقيقية، إلا أنها تفقد ميزة التباين الأدنى (Minimum Variance) المنصوص عليها في نظرية غاوس-ماركوف، وبذلك تتوقف عن كونها أفضل المقدرات الخطية غير المتحيزة (BLUE). يؤدي ذلك إلى فقدان دقة التقدير وزيادة حساسية النتائج للتذبذبات العشوائية للبيانات.
1.2 الأساس الرياضي لاختبار بروش-باغان
قدم الباحثان تريفور بروش وأدريان باغان هذا الاختبار ضمن ورقتهما البحثية المنشورة عام 1979 بهدف تطوير اختبار دلالة مقاربي يعتمد على مبدأ مضاعف لاغرانج (Lagrange Multiplier) للكشف عن عدم ثبات التباين. يستند الاختبار إلى صياغة فرضية عدم (Null Hypothesis) مفادها أن تباين حدود الخطأ متجانس وثابت لجميع المشاهدات، في مقابل الفرضية البديلة (Alternative Hypothesis) التي تفترض أن تباين الأخطاء يرتبط دالياً بمجموعة من المتغيرات التفسيرية، سواء كانت هي ذات المتغيرات المستقلة في النموذج أو متجهات فرعية منها.
رياضياً، يتم تقدير نموذج الانحدار الأصلي بالمربعات الصغرى واستخراج البواقي، ثم تحسب مربعات هذه البواقي وتقسم على تقدير التباين المشترك للخطأ لتكوين متغير تابع جديد في انحدار مساعد (Auxiliary Regression). يتم في هذا الانحدار المساعد نمذجة مربعات البواقي المقننة كدالة خطية في المتغيرات التفسيرية المشتبه في تسببها في عدم التجانس. تتبع إحصائية الاختبار المحسوبة توزيع كاي تربيع (Chi-Square) بدرجات حرية مساوية لعدد المتغيرات التفسيرية المستخدمة في معادلة الانحدار المساعد، مما يوفر محكاً استدلالياً صارماً لرفض أو قبول فرضية ثبات التباين.
1.3 تداعيات إهمال فحص تجانس التباين على الاستدلال الإحصائي
يقود تجاهل التحقق من افتراض تجانس التباين إلى عواقب وخيمة تمس صلب العملية الاستدلالية في الأبحاث النفسية. فالأخطاء المعيارية لمعاملات الانحدار، والتي تُشتق في طريقة المربعات الصغرى العادية بافتراض ثبات التباين، تصبح متحيزة وغير متسقة؛ وغالباً ما ينتج عن ذلك تقليص مصطنع للأخطاء المعيارية المقدرة، الأمر الذي يضخم بصورة زائفة قيم اختبار “ت” (t-test) واختبار “ف” (F-test).
هذا التشويه يرفع بشكل حاد من احتمالية الوقوع في الخطأ من النوع الأول (Type I Error)، حيث يميل الباحثون إلى رفض الفرضية الصفرية وإقرار معنوية تأثيرات تجريبية أو علاقات سببية وهمية لا وجود لها في المجتمع الأصلي. وعلاوة على ذلك، تفقد فترات الثقة اتساعها الصحيح وتفشل في احتواء المعلمات السكانية الحقيقية بنسبة الثقة المحددة (كالـ 95%)، مما يجعل أي تنبؤات قائمة على هذه النماذج بخصوص السلوك الإنساني أو التحصيل الأكاديمي المستقبلي فاقدة للدقة والموثوقية العلمية.
2. الافتراضات النظرية والمنهجية المصاحبة لاختبار بروش-باغان
2.1 افتراض التوزيع الطبيعي للأخطاء العشوائية
يقوم الاختبار الأصلي الذي اقترحه بروش وباغان على فرضية حساسة تفترض أن الأخطاء العشوائية تتبع التوزيع الطبيعي المعياري؛ حيث تستند صياغة مضاعف لاغرانج المعتمدة على دالة الإمكان الأعظم (Maximum Likelihood) إلى التفرطح النظري للتوزيع المعتدل. في حال انتهاك هذا الافتراض وظهور تفرطح شاذ (Kurtosis) في بيانات البواقي، يفقد الاختبار استقراره، وقد يؤدي ذلك إلى تضخيم معدلات الرفض الكاذب لفرضية التجانس.
ولمعالجة هذه المسألة، طور الباحث كوينكر (Koenker) عام 1981 تعديلاً طلابياً (Studentized Test) لاختبار بروش-باغان، والذي يقلص حساسية الاختبار المفرطة تجاه غياب التوزيع الطبيعي ويعزز قوته في البيانات اللامعلمية. ومن ثم، يتوجب على الباحثين في القياس النفسي فحص اعتدالية البواقي باستخدام اختبارات كولموجوروف-سميرنوف أو شابيرو-ويلك كخطوة تمهيدية توفر رؤية واضحة حول مدى الاعتمادية على الصيغة الكلاسيكية للاختبار.
2.2 استقلالية المشاهدات وغياب الارتباط الذاتي
يشترط اختبار بروش-باغان الاستقلالية التامة بين المشاهدات المتضمنة في العينة التحليلية، وهو شرط يرتبط ارتباطاً وثيقاً بسلامة التصميم التجريبي وإجراءات المعاينة العشوائية. ففي حال وجود ارتباط ذاتي (Autocorrelation) بين حدود الأخطاء، كما هو الحال في السلاسل الزمنية أو البيانات المقطعية ذات الطبيعة المكانية المترابطة، تتداخل مشكلة الارتباط الذاتي مع مشكلة عدم تجانس التباين بصورة تعقد التمييز بينهما.
تتضح هذه الإشكالية في الدراسات النفسية ذات القياسات المتكررة (Repeated Measures) أو الأبحاث الطولية؛ حيث تترابط درجات المفحوصين عبر الزمن. إذا لم تُعالج بنية التباين والتغاير داخل الفرد الواحد عبر نماذج التأثيرات المختلطة (Mixed-Effects Models)، فإن تطبيق اختبار بروش-باغان التقليدي سيعطي قراءات مضللة ناجمة عن التداخل الهيكلي في الأخطاء العشوائية وليس عن عدم استقرار التباين الحقيقي عبر المتغيرات التفسيرية.
2.3 حساسية الاختبار لحجم العينة والبيانات الشاذة
تتأثر إحصائية كاي تربيع في اختبار بروش-باغان بحجم العينة شأنها شأن معظم الاختبارات المقاربة الكبيرة. ففي العينات النفسية الضخمة التي تضم آلاف المشاهدات، يتمتع الاختبار بقوة إحصائية مفرطة (Overpowered) تجعله قادراً على كشف الانحرافات الطفيفة جداً عن تجانس التباين ورفض الفرضية الصفرية، حتى وإن كانت تلك الانحرافات عديمة الأثر عملياً وإكلينيكياً على كفاءة النموذج.
في المقابل، تؤدي القيم المتطرفة والبيانات الشاذة (Outliers) سواء في المتغيرات التفسيرية أو في المتغير التابع إلى تضخيم مربعات البواقي لنقاط معينة دون غيرها، مما يدفع الاختبار بصورة زائفة نحو رفض فرضية العدم. يستلزم هذا الواقع المنهجي فحص المسافات التباعدية مثل مسافة كوك (Cook’s Distance) والرافعة (Leverage Values) قبل تمرير البيانات للاختبار التشخيصي لضمان خلو المصفوفة من النقاط شديدة التأثير التي قد تعصف بدقة التقدير.
3. إعداد بيئة العمل وهيكلة البيانات النفسية في SAS
3.1 بنية لغة البرمجة داخل نظام التحليل الإحصائي SAS
تتميز بيئة البرمجة في نظام التحليل الإحصائي SAS بهندسة معمارية فريدة قائمة على الفصل الهيكلي بين مرحلتين رئيسيتين: خطوة معالجة البيانات (DATA Step)، وخطوة إجراءات التحليل الإحصائي (PROC Step). تتولى خطوة البيانات مهام قراءة المصادر الخارجية، وإعادة هيكلة المتغيرات، وإجراء العمليات الحسابية والمنطقية، وتوليد مصفوفات التحليل. بينما تتولى خطوات الإجراءات تنفيذ الخوارزميات الإحصائية المتخصصة وعرض التقارير المخرجة.
يعد التوثيق والترتيب المنطقي للشيفرات البرمجية داخل بيئة SAS ركيزة أساسية للأمان الأكاديمي وقابلية التكرار؛ حيث يتيح استخدام التعليقات التوضيحية وتنسيق الأوامر ضبط المتغيرات بكفاءة. كما يتيح نظام تسليم المخرجات (Output Delivery System – ODS) المدمج في SAS السيطرة المطلقة على تنسيق الجداول والرسومات الإحصائية الناتجة وتصديرها بصيغ علمية ملائمة للنشر الرصين.
3.2 إنشاء مجموعة البيانات التجريبية لدرجات الطلاب
لتطبيق اختبار بروش-باغان تطبيقاً عملياً، نقوم ببناء مجموعة بيانات سلوكية-تربوية محاكاة ترصد الأداء الأكاديمي المعرفي لـ 15 طالباً. يتضمن النموذج درجات الطلاب في الاختبار النهائي كمتغير تابع، مقاسة كدرجة مركبة في التحصيل، إلى جانب متغيرين مستقلين هما: ساعات الاستذكار الأسبوعية، وعدد الاختبارات التجريبية أو التحضيرية التي خاضها الطالب قبل الاختبار الفعلي. تعكس هذه المتغيرات فرضية كلاسيكية في علم النفس التربوي مفادها أن الجهد والممارسة الموزعة يفسران التباين في الأداء.
يتم تغذية البيانات إلى بيئة SAS عبر استخدام الأمر البرمجي DATALINES ضمن خطوة البيانات DATA؛ حيث يتم ترقيم الحالات وتحديد مقاييس النسبة والفترة بدقة رياضية. تتيح هذه التغذية المباشرة فحص التباين والتحقق من العلاقات الخطية بين الساعات والاختبارات والأداء النهائي دون تشويش من مصادر بيانات ملوثة، وتوفر أساساً متيناً للخطوات اللاحقة في النمذجة.
3.3 فحص البيانات والتحقق المبدئي باستخدام PROC PRINT
قبل الشروع في تشغيل النماذج المعقدة، يُلزم النهج الأكاديمي الباحث بإجراء مراجعة استكشافية للمصفوفة المدخلة للتأكد من خلوها من أخطاء الرقن والترميز. يُستخدم إجراء PROC PRINT في SAS لاستعراض محتويات مجموعة البيانات المولدة والتحقق من التنسيق السليم للأعمدة والصفوف. يضمن هذا الإجراء التأكد من استيراد كافة المشاهدات الـ 15 بنجاح، وعدم وجود قيم مفقودة (Missing Values) قد تؤدي إلى حذف غير متوازن للحالات أثناء تقدير مصفوفة التغاير.
إلى جانب ذلك، يتم فحص الاتساق المنطقي للأرقام؛ كالتأكد من أن ساعات الاستذكار وعدد الاختبارات التجريبية تقع ضمن الحدود الإنسانية المعقولة وتتطابق مع مقاييس النسبة المعتمدة. يعزز هذا الفحص المبدئي سلامة البيانات الداخلية ويجنب الباحث الوقوع في تحليلات خاطئة ناجمة عن انحرافات إدخالية بسيطة يمكن تداركها بسهولة في المراحل الأولى.
4. بناء وتحديد نموذج الانحدار الخطي المتعدد في SAS
4.1 صياغة النموذج الرياضي للأداء المعرفي والتحصيلي
تتطلب دراسة الأداء التحصيلي صياغة نموذج رياضي خطي واضح المعالم يُترجم النظريات السلوكية إلى علاقات كمية قابلة للقياس والاختبار. في هذا السياق، يُعرّف المتغير التابع (Y) على أنه درجة الاختبار النهائي للطالب، ويُنظر إليه كدالة خطية تتأثر بمدخلين رئيسيين: ساعات الاستذكار (X1) وعدد الاختبارات التجريبية (X2)، بالإضافة إلى حد الخطأ العشوائي الصامت (ε) الذي يجمع التأثيرات غير المقيسة والفروق الفردية العشوائية.
تأخذ المعادلة الرياضية الكلية للنموذج الصورة الكلاسيكية التالية: Y = β0 + β1*X1 + β2*X2 + ε. في هذه الصياغة، يُفترض أن كل زيادة بمقدار وحدة واحدة في ساعات الاستذكار أو الاختبارات التجريبية تقترن بتغير خطي ثابت في متوسط الدرجة المتوقعة، شريطة ثبات المتغير الآخر؛ وهي صياغة قياسية تتيح اختبار تأثيرات الممارسة التحضيرية والوقت الزمني المخصص للتعلم على مستوى الكفاءة المعرفية النهائية للمتعلم.
4.2 تحديد المعلمات وخصائص النموذج النظري
تمثل المعلمة β0 الحد الثابت (Intercept) في النموذج، وهي تعبر رياضياً عن متوسط الأداء التحصيلي المتوقع لطالب لم يقضِ أي ساعات استذكار ولم يشارك في أي اختبارات تجريبية. على الرغم من أن هذه النقطة قد تحمل طابعاً نظرياً مجرداً، إلا أنها تضبط نقطة الانطلاق الأساسية لخط الانحدار وتمنع تحيز المعاملات الأخرى المائلة.
أما المعاملان β1 وβ2، فيمثلان الأوزان الانحدارية الجزئية (Partial Regression Slopes) لكل من ساعات الدراسة والاختبارات التجريبية على الترتيب. توضح هذه المعالم الأثر المستقل لكل متغير على حدة بعد عزل والتحكم الإحصائي في أثر المتغير الآخر. يعكس تقييم هذه المعالم عبر معامل التحديد الإجمالي (R-Square) مدى قدرة النموذج بمتغيراته المختارة على تفسير حصة التباين الكلي في درجات الطلاب، وهو ما يمهد لفحص ما إذا كان التباين المتبقي في الأخطاء العشوائية يتسم بالاستقرار أم يعاني من شذوذ عدم التجانس.
4.3 أهمية ضبط النموذج قبل الشروع في فحص الفروض التشخيصية
لا يمكن إجراء اختبار بروش-باغان بمعزل عن التحقق من التحديد الرياضي السليم للنموذج الأصلي (Model Specification)؛ إذ إن الخلل في شكل الدالة الخطية، كإهمال حدود غير خطية هامة (كالتأثيرات التربيعية) أو استبعاد متغيرات تفسيرية رئيسية ترتبط بالمتغيرات المدرجة، يؤدي تلقائياً إلى نقل أثر هذه العوامل المهملة إلى حدود الأخطاء العشوائية. هذا الخلل يجعل البواقي تبدو وكأنها تعاني من عدم تجانس التباين في حين أنها تعاني في الأصل من سوء تحديد النموذج (Misspecification).
وعلاوة على ذلك، يجب التحقق من خلو المتغيرات المستقلة من التعددية الخطية العالية (Multicollinearity) من خلال فحص معامل تضخم التباين (VIF) ومؤشر التسامح (Tolerance). فإذا كانت ساعات الاستذكار وعدد الاختبارات التجريبية ترتبط ببعضها ارتباطاً شديداً يقترب من الخطية الكاملة، فإن ذلك يرفع من تباين معاملات الانحدار نفسها ويجعل عملية تقدير البواقي غير مستقرة، مما يضعف كفاءة اختبار بروش-باغان وقدرته على الفصل بين التباين غير المتجانس وتضخم التباين الناجم عن التعددية.
5. تنفيذ اختبار بروش-باغان باستخدام إجراء PROC MODEL في SAS
5.1 البنية البرمجية لإجراء PROC MODEL وقدراته التشخيصية
يُعد إجراء PROC MODEL المضمن في حزمة SAS/ETS (Econometric and Time Series) واحداً من أقوى الإجراءات وأكثرها تطوراً لتقدير وتشخيص النماذج الرياضية والإحصائية المتقدمة. على خلاف الإجراءات الكلاسيكية البسيطة، يتميز هذا الإجراء بمرونة استثنائية في التعامل مع المعادلات الخطية وغير الخطية، وأنظمة المعادلات المتزامنة، ويوفر حزمة شاملة من الاختبارات التشخيصية المتعلقة ببنية مصفوفة تباين وتغاير الأخطاء العشوائية.
تتمثل الميزة المحورية لتوظيف PROC MODEL في سياق القياس النفسي في قدرته على تنفيذ اختبار بروش-باغان الأصلي بدقة متناهية عبر تحكم كامل في المتغيرات المسؤولة عن تشكيل دالة التباين. يستدعي الباحث الإجراء عبر تحديد مجموعة البيانات المستهدفة، وتجهيز البيئة الحسابية لاحتساب المشتقات وتطبيق طرق التقدير المقاربة وفق مبادئ الإمكان الأعظم أو المربعات الصغرى غير الخطية.
5.2 تعريف المعلمات وصياغة المعادلة باستخدام تعليمة PARMS
يتطلب استخدام PROC MODEL تحديداً صريحاً لمعلمات النموذج التي يسعى الإجراء إلى تقديرها حسابياً؛ ويتم ذلك عبر تعليمة PARMS (Parameters). يقوم الباحث بتعريف الرموز الخاصة بالثوابت والانحدارات (مثل b0 وb1 وb2) وإسناد قيم أولية تقريبية لها لمساعدة خوارزمية الحل على التقارب السريع وتفادي التعثر الموضعي.
تلي ذلك كتابة المعادلة الرياضية بأسلوب صريح ومباشر يربط المتغير التابع (درجات الاختبار) بالمتغيرات المستقلة المقاسة في خطوة إدخال البيانات؛ حيث يتم تمثيل العلاقة على النحو التالي: الدرجة = b0 + b1 * الساعات + b2 * الاختبارات. تتكامل هذه الصياغة الرمزية مع محرك SAS الرياضي لاشتقاق مصفوفة التصميم واستخراج سلاسل البواقي التقديرية بدقة فائقة تمهيداً لإجراء الفحوص التشخيصية المتقدمة عليها.
5.3 تطبيق تعليمة PAGAN لإجراء اختبار بروش-باغان
تتحقق النواة الأساسية لاختبار عدم تجانس التباين في PROC MODEL من خلال إضافة تعليمة PAGAN إلى جملة FIT داخل الإجراء. تأخذ هذه التعليمة مدخلات محددة تشمل المتغيرات التفسيرية التي يرغب الباحث في اختبار ما إذا كان تباين الأخطاء يتغير تبعاً لتغير قيمها؛ وهي في حالتنا هذه: ساعات الاستذكار وعدد الاختبارات التجريبية.
تتضمن الشيفرة النموذجية لتنفيذ هذا الاختبار البنية البرمجية التالية:
proc model data=student_data;
parms b0 b1 b2;
exam_score = b0 + b1 * study_hours + b2 * prep_exams;
fit exam_score / pagan=(study_hours prep_exams);
run;
quit;
يقوم هذا الكود البرمجي بتقدير معلمات النموذج أولاً، ثم يبني الانحدار المساعد تلقائياً لمربعات البواقي على المتغيرات المحددة داخل القوسين، ويستخرج جدولاً تشخيصياً متخصصاً يحتوي على قيمة إحصائية بروش-باغان، ودرجات الحرية المقابلة، والقيمة الاحتمالية الدقيقة؛ مما يتيح للباحث قراءة نتائج عدم تجانس التباين دون الحاجة لإجراء حسابات يدوية مجهدة.
6. طرق بديلة: إجراء الاختبار عبر PROC REG وخيار SPEC في SAS
6.1 توظيف إجراء الانحدار الخطي الكلاسيكي PROC REG
يعد إجراء PROC REG الأداة التحليلية الأكثر شيوعاً وشهرة بين باحثي العلوم النفسية والتربوية لإجراء تحليلات الانحدار الخطي القياسية؛ نظراً لبساطة تركيبه البرمجي وتغطيته لمعظم الفحوص الوصفية والاستدلالية الأساسية. داخل هذا الإجراء، يمكن للباحث تفعيل خيارات تشخيصية متقدمة داخل تعليمة MODEL، ويأتي في مقدمتها خيار SPEC (Specification Test).
يُصاغ الكود الأساسي لتنفيذ هذا الفحص كما يلي:
proc reg data=student_data;
model exam_score = study_hours prep_exams / spec;
run;
quit;
عند تضمين خيار SPEC، يقوم إجراء PROC REG بتشغيل اختبار وايت (White’s Test) الموسع لعدم ثبات التباين وخطأ التحديد. يتضمن هذا الاختبار انحدار مربعات البواقي ليس فقط على المتغيرات المستقلة بصورتها الأولية، بل يشمل أيضاً مربعات تلك المتغيرات (Squared Terms) وحواصل ضربها التفاعلية (Cross-Products)؛ مما يجعله اختباراً شاملاً يكشف عن الأشكال اللاخطية المعقدة لعدم تجانس التباين.
6.2 المقارنة المنهجية بين PROC MODEL و PROC REG
على الرغم من أن كلاً من الإجراءين يهدف إلى الكشف عن مشكلة عدم تجانس التباين، إلا أن هناك فروقاً منهجية وإحصائية جوهرية بين مخرجات تعليمة PAGAN في PROC MODEL ومخرجات خيار SPEC في PROC REG. يتميز اختبار بروش-باغان في PROC MODEL بأنه فحص موجه (Constructive Test) يركز بدقة على فرضية خطية دالة التباين استناداً إلى المتغيرات المحددة سلفاً من قبل الباحث، مما يمنحه درجات حرية أقل وقوة إحصائية أعلى في الكشف عن التغيرات التباينية الرتيبة.
في المقابل، فإن اختبار SPEC في PROC REG هو اختبار عام غير معلمي في جوهره؛ حيث يستهلك عدداً كبيراً من درجات الحرية بسبب تضمين الحدود التربيعية والتفاعلية. ينتج عن ذلك تراجع ملحوظ في القوة الإحصائية (Power) للاختبار في العينات السلوكية صغيرة الحجم، مما قد يؤدي إلى الفشل في اكتشاف عدم ثبات التباين الحقيقي، فضلاً عن صعوبة عزل المتغير المسؤول بدقة عن التباين المتغير مقارنة بما يقدمه اختبار بروش-باغان الصريح.
6.3 معايير اختيار الإجراء المناسب في التحليلات النفسية المتقدمة
يعتمد الاختيار بين PROC MODEL و PROC REG على طبيعة التصميم التجريبي، ومستويات قياس المتغيرات، والأهداف النظرية للبحث السلوكي. إذا كان لدى الباحث فرضية نظرية محددة تستند إلى دراسات سابقة تشير إلى أن متغيراً بعينه (مثل التباين في ساعات الاستذكار أو تفاوت مستويات القلق) هو المسبب الرئيسي لاختلاف دقة التنبؤ، فإن اختبار بروش-باغان عبر PROC MODEL يمثل الخيار الأرقى والأكثر تحديداً وقوة رياضية.
أما إذا كان التحليل استكشافياً بصورة بحتة، ويسعى الباحث إلى إجراء مسح وقائي شامل ضد أي انتهاكات محتملة لتجانس التباين المصحوبة بتشوهات لاخطية في النموذج دون تكبد عناء إعداد نماذج قياسية معقدة، فإن PROC REG مع خيار SPEC يفي بالغرض ويوفر نظرة أولية سريعة. كما تلعب الكفاءة الحسابية دوراً في العينات فائقة الضخامة؛ حيث يتميز PROC REG بسرعة معالجة عالية جداً تفوق الإجراءات المتقدمة المخصصة للنمذجة غير الخطية.
7. القراءة الأكاديمية والتفسير الإحصائي لمخرجات الاختبار في SAS
7.1 تحليل إحصائية كاي تربيع المقدرة ودرجات الحرية
يولد نظام SAS بعد تنفيذ تعليمة PAGAN جدولاً إحصائياً يحمل عنوان “Breusch-Pagan Test” يتضمن عموداً لإحصائية الاختبار المحسوبة والتي يُرمز لها غالباً بـ (Chi-Square) أو (Score Statistic). تعبر هذه الإحصائية عن مقدار التباين المفسر في مربعات البواقي بواسطة المتغيرات التفسيرية المحددة في الانحدار المساعد مقارنة بمجمل التباين الإجمالي للأخطاء.
تتحدد درجات الحرية (Degrees of Freedom – DF) المصاحبة لهذه الإحصائية بعدد المتغيرات التفسيرية المستقلة التي تم إدراجها داخل اختبار التباين، باستثناء الحد الثابت. فإذا استخدمنا كلاً من ساعات الاستذكار والاختبارات التجريبية، تكون درجات الحرية مساوية لـ (DF = 2). يقارن برنامج SAS هذه القيمة المحسوبة بالقيمة الحرجة المقابلة في جداول توزيع كاي تربيع النظري لتحديد مدى التطرف الإحصائي للنتيجة المرصودة ومقدار الأثر التبايني داخل العينة.
7.2 تفسير القيمة الاحتمالية واتخاذ القرار الإحصائي
تُعد القيمة الاحتمالية المقاربة (p-value) المعيار الحاسم الذي يعتمد عليه الباحث السلوكي في اتخاذ القرار المنهجي بقبول أو رفض الفرضيات التشخيصية. وفقاً للتقاليد الأكاديمية الراسخة في بحوث القياس النفسي، يُقارن هذا الاحتمال بمستوى دلالة ألفا (Alpha Level) المتفق عليه سلفاً، والذي يحدد غالباً عند 0.05.
إذا تجاوزت القيمة الاحتمالية مستوى الدلالة المعياري (p > 0.05)، يفشل الباحث في رفض فرضية العدم (Fail to Reject H0)، ويخلص التحليل إلى أن تباين حدود الأخطاء العشوائية متجانس ومستقر عبر كافة مستويات المتغيرات التفسيرية، وبذلك تكون مقدرات المربعات الصغرى العادية OLS محتفظة بكفاءتها الكاملة. أما إذا كانت القيمة الاحتمالية أقل من أو تساوي 0.05 (p ≤ 0.05)، يتم رفض فرضية العدم لصالح الفرضية البديلة، مما يثبت إحصائياً وجود مشكلة عدم تجانس التباين ويوجب الامتناع عن تفسير الأخطاء المعيارية التقليدية دون تصحيح.
7.3 إسقاط الدلالة الإحصائية على الأبعاد التربوية والسلوكية للبيانات
لا تتوقف المهمة الأكاديمية عند حدود استخراج الأرقام وقبول الفروض أو رفضها، بل تمتد إلى تفكيك المعنى السلوكي للنتيجة الإحصائية وربطها بنظريات التعلم والفروق الفردية. إن ثبوت وجود عدم تجانس تباين يعتمد على ساعات الاستذكار يعني دلالياً أن كفاءة ودقة التنبؤ بالدرجات ليست موحدة بين جميع فئات الطلاب؛ فالدرجات التحصيلية للطلاب الذين يدرسون ساعات قليلة يمكن التنبؤ بها بدقة وثبات عاليين نظراً لمحدودية تشتت نتائجهم.
في المقابل، فإن الطلاب الذين يقضون فترات طويلة في الاستذكار تتشتت نتائجهم بدرجة متسعة تجعل التنبؤ بأدائهم محفوفاً بدرجة أكبر من عدم اليقين؛ نظراً لأن زيادة المجهود الزمني تفتح المجال لتدخل استراتيجيات ما وراء المعرفة، أو تتأثر بمستويات الإرهاق الذهني المتباينة. يمنع هذا التفسير السلوكي الباحث من التعميم السطحي لنتائج النموذج، ويؤكد على أن العلاقات السببية في الظواهر النفسية محكومة بتباينات ديناميكية يجب مراعاتها عند تصميم التدخلات التربوية.
8. التشخيص البصري المكمل لاختبار بروش-باغان في SAS
8.1 رسم البواقي مقابل القيم المتنبأ بها باستخدام PROC SGPLOT
يمثل التحليل البصري للبواقي دعامة منهجية لا غنى عنها تدعم وتكمل الفحوص الاستدلالية الرقمية؛ إذ يمكن للاختبارات الصارمة مثل بروش-باغان أن تعطي دلالة رقمية مجردة، بينما تكشف الرسوم البيانية عن الهندسة الكامنة لانتشار الأخطاء. لتنفيذ ذلك في SAS، يتم أولاً استخراج مصفوفة البواقي والقيم المتنبأ بها عبر تعليمة OUTPUT في إجراء PROC REG أو PROC MODEL، وتخزينها في مجموعة بيانات جديدة تحت مسميات واضحة مثل Resid و PredVal.
يُستخدم بعد ذلك إجراء الرسوم الإحصائية المتقدم PROC SGPLOT لبناء شكل التشتت المبعثر (Scatter Plot) مع رسم خط مرجعي أفقي عند القيمة الصفرية للبواقي كما يتضح في الكود التالي:
proc reg data=student_data noprint;
model exam_score = study_hours prep_exams;
output out=reg_diagnostics r=residuals p=predicted_values;
run;
quit;
proc sgplot data=reg_diagnostics;
scatter x=predicted_values y=residuals / markerattrs=(symbol=circlefilled size=9);
refline 0 / axis=y lineattrs=(pattern=dash color=red);
xaxis label=”القيم المتنبأ بها للأداء التحصيلي”;
yaxis label=”البواقي العشوائية المقدرة”;
run;
إذا كانت البواقي تتوزع بانتظام عشوائي على جانبي الخط الصفري وبشكل مستطيل متجانس العرض، يُعد ذلك مؤشراً بصرياً على ثبات التباين. أما إذا ظهر انتشار البواقي على شكل “قمع” (Funnel Shape) أو مروحة تتسع كلما زادت القيم المتنبأ بها، فهذا دليل بياني قاطع يعزز نتائج اختبار بروش-باغان في إثبات عدم تجانس التباين.
8.2 المخططات الصندوقية ورسوم تشتت البواقي حسب المتغيرات التفسيرية
بالإضافة إلى تتبع البواقي ضد القيم التقديرية العامة، يتيح SAS تشريح أثر كل متغير مستقل على حدة للكشف عن المصدر الدقيق للخلل التبايني. عبر استخدام PROC SGPLOT لرسم البواقي على المحور الرأسي في مقابل ساعات الاستذكار أو عدد الاختبارات التجريبية على المحور الأفقي، يستطيع المحلل تحديد أي من المدخلات يقود التباين غير المتجانس.
كما يمكن تصنيف المتغير المستقل إلى فئات مستويات (مثل: جهد منخفض، متوسط، مرتفع) وتوليد مخططات صندوقية (Box Plots) تعرض مدى تشتت البواقي، والمدى الربيعي، والقيم الشاذة داخل كل مجموعة. يوفر هذا الفحص المنفصل فهماً عميقاً لطبيعة التأثير؛ حيث قد يتضح أن التباين يتفجر فقط عند المستويات العليا جداً من المتغير، مما يساعد في توجيه التعديلات الرياضية اللاحقة بصورة انتقائية دقيقة.
8.3 التكامل بين الفحص الرقمي الصارم والملاحظة البيانية الاستكشافية
يحذر المنهجيون في القياس النفسي من الارتكان الحصري إلى الاختبارات الرقمية كاختبار بروش-باغان دون دعمها بالملاحظة البيانية، أو العكس؛ فالاختبارات الرقمية حساسة جداً لحجم العينة وقد تعلن عن وجود مشكلة في العينات الضخمة بالرغم من خلو النموذج من أي أثر تشويهي عملي يظهر بالعين المجردة. وفي المقابل، قد يفشل التقييم البصري الانطباعي الذاتي في العينات الصغيرة في رصد الانحرافات التباينية الدقيقة التي يلتقطها الاختبار الإحصائي بدقة متناهية.
يتيح التكامل بين المنهجين قراءة تشخيصية متوازنة؛ فالرسم البياني يحدد الشكل الوظيفي لعدم ثبات التباين (هل هو اتساع خطي، أم نمط قوسي، أم انفجار تبايني عند عتبة معينة)، بينما يوفر اختبار بروش-باغان المعيار الرياضي الاحتمالي الذي يحكم بموجبه الباحث ما إذا كان هذا النمط المرصود بصرياً يمثل تشوهاً حقيقياً ذا دلالة إحصائية يتجاوز حدود الصدفة العشوائية البحتة.
9. الحلول والمعالجات الإحصائية في حال ثبوت عدم تجانس التباين
9.1 استخدام الأخطاء المعيارية المتسقة مع عدم تجانس التباين (HCCME)
تتمثل أولى وأفضل الاستراتيجيات الحديثة لمعالجة عدم تجانس التباين في اعتماد مقدرات الأخطاء المعيارية المتسقة مع عدم ثبات التباين (Heteroscedasticity-Consistent Covariance Matrix Estimators)، والمعروفة بمقدرات “وايت-هوبر” أو الأخطاء المعيارية القوية (Robust Standard Errors). تقوم هذه المنهجية على الإبقاء على معلمات الانحدار المقدرة بطريقة المربعات الصغرى العادية (OLS) دون أي تغيير، مع إعادة احتساب مصفوفة التباين والتغاير للمعاملات بصيغة تصحيحية تمتص أثر تباين الأخطاء غير المتجانس.
يوفر نظام SAS إمكانية تطبيق هذه المقدرات القوية بسهولة عبر إضافة خيار HCCME أو ROBUST في تعليمة MODEL داخل إجراء PROC REG. وتتيح هذه الخيارات استخدام التعديلات المتقدمة المخصصة للعينات المحدودة والصغيرة، مثل مقدر HC2 ومقدر HC3؛ حيث أثبتت الدراسات المنهجية قدرة مقدر HC3 الفائقة على ضبط معدلات الخطأ من النوع الأول عند مستواها الاسمي وحماية فترات الثقة من الانهيار حتى في ظل وجود قيم متطرفة شاذة في مصفوفة المتغيرات السلوكية.
9.2 تحويلات المتغيرات لتحقيق الاستقرار التبايني
يعد التحويل الرياضي للمتغيرات (Variable Transformations) من الحلول الكلاسيكية الفعالة لتقليص عدم تجانس التباين وإعادة البواقي إلى الاستقرار والتجانس المطلوبين. في العديد من الظواهر التربوية والنفسية التي يزداد فيها التشتت طردياً مع القيمة المتوسطة للمتغير التابع، يساهم تطبيق التحويل اللوغاريتمي الطبيعي (Log Transformation) على درجات الاختبار في ضغط القيم العليا وتقليص التشتت التبايني بصورة ملحوظة.
علاوة على ذلك، يوفر SAS إجراء PROC TRANSREG لتطبيق عائلة تحويلات “بوكس-كوكس” (Box-Cox Transformation) الأوتوماتيكية؛ حيث يقوم النظام بتقدير المعلمة التحويلية المثلى (Lambda) التي تقرب توزيع المتغير التابع من التوزيع الطبيعي وتحد من التباين غير المتجانس في آن واحد. تجدر الإشارة هنا إلى أن اعتماد التحويلات الرياضية غير الخطية يغير طبيعة تفسير معاملات الانحدار؛ حيث تتحول المعاملات من تفسير التغير المطلق بوحدات القياس الأصلية إلى تفسير النسب المئوية والمرونات النسبية للسلوك المقاس.
9.3 تطبيق انحدار المربعات الصغرى الموزونة (WLS)
عندما تكون دالة عدم تجانس التباين معروفة أو يمكن نمذجتها بدقة كدالة في متغير أو أكثر، يبرز انحدار المربعات الصغرى الموزونة (Weighted Least Squares – WLS) كحل مثالي يستعيد الكفاءة الإحصائية القصوى للنموذج المقدر وفق مبرهنة غاوس-ماركوف المعممة. تقوم الفكرة الجوهرية لـ WLS على منح كل مشاهدة وزناً ترجيحياً يتناسب عكسياً مع تباين الخطأ الخاص بها؛ فالطلاب ذوو التباين العالي يُمنحون أوزاناً أقل في تحديد خط الانحدار، بينما يُمنح الطلاب ذوو التباين المنخفض أوزاناً أكبر نظراً لدقة بياناتهم.
يتم تنفيذ انحدار المربعات الصغرى الموزونة في SAS من خلال استخدام تعليمة WEIGHT داخل إجراء PROC REG بعد تقدير مصفوفة الأوزان المناسبة (والتي تحسب غالباً كمقلوب تباينات البواقي التقديرية المأخوذة من انحدار مساعد). يؤدي هذا التعديل الوزني إلى تحويل النموذج غير المتجانس إلى نموذج متجانس كلياً، مما يعيد الأخطاء المعيارية إلى مسارها الصحيح ويضمن الحصول على أدنى تباين ممكن لمعلمات الانحدار، مما ينعكس إيجاباً على دقة الاختبارات الاستدلالية.
10. صياغة النتائج وفق دليل جمعية علم النفس الأمريكية (APA) وأفضل الممارسات
10.1 معايير كتابة تقارير الفحوص التشخيصية بأسلوب APA الإصدار السابع
يفرض الدليل الإرشادي لجمعية علم النفس الأمريكية في نسخته السابعة (APA 7th Edition) معايير توثيق دقيقة وشفافة للنتائج الإحصائية، تتطلب الإفصاح الكامل عن استيفاء افتراضات الانحدار الخطي قبل استعراض النتائج الاستدلالية الرئيسية. عند توثيق اختبار بروش-باغان، يجب ذكر الرمز الإحصائي الصحيح لتوزيع كاي تربيع متبوعاً بدرجات الحرية بين قوسين، ثم قيمة إحصائية الاختبار المحسوبة بدقة منزلتين عشريتين، وأخيراً القيمة الاحتمالية الدقيقة بصيغة (p = .xxx) وتفادي كتابة (p = .000) واستبدالها بـ (p < .001) عند الانخفاض الشديد.
يمكن صياغة التقرير في المتن السردي وفق الأسلوب الأكاديمي التالي: “أظهر فحص استقرار تباين الأخطاء العشوائية عدم انتهاك افتراض تجانس التباين عبر مستويات المتغيرات التفسيرية وفقاً لاختبار بروش-باغان، χ²(2) = 1.45, p = .484، مما يؤكد ملاءمة مقدرات المربعات الصغرى العادية OLS للاستدلال”. وفي حال ثبوت عدم التجانس واللجوء لحلول تصحيحية، يجب الإشارة بوضوح إلى الاعتماد على الأخطاء المعيارية القوية وفق مقدر HC3 لضمان النزاهة العلمية.
10.2 ضمان قابلية تكرار التحليل والنزاهة الأكاديمية في SAS
تعتبر إمكانية إعادة الإنتاج والتحقق المستقل (Reproducibility) المعيار الذهبي لجودة البحث العلمي في القياس والتقويم السلوكي. لتحقيق ذلك، يجب على الباحثين حفظ كامل نصوص الأكواد البرمجية المستخدمة في SAS في مستودعات مخصصة أو ملاحق تكميلية، بما يشمل خطوات استيراد البيانات الأصلية، وتنظيفها، وبناء النماذج، والإجراءات التشخيصية المتعاقبة.
يتعين أيضاً توثيق الإصدار الدقيق لحزمة برمجيات SAS المستخدمة (مثل SAS 9.4 أو SAS Viya)، والخيارات الفرعية المطبقة (كمواصفات خوارزميات التقارب الحسابي في PROC MODEL أو معاملات تصحيح درجات الحرية). يتيح هذا التوثيق الدقيق للمجتمع العلمي مراجعة المسارات التحليلية خطوة بخطوة، واكتشاف أي انزلاقات منهجية مبكرة، والتحقق من صدق النتائج المشتقة.
10.3 توصيات منهجية للباحثين في القياس النفسي والتقويم التربوي
ينبغي أن يشكل اختبار بروش-باغان جزءاً إلزامياً وروتينياً من بروتوكول النمذجة الإحصائية لدى كل باحث يعمل في حقل السلوك البشري؛ إذ إن الاعتماد التلقائي على المخرجات التقليدية لبرامج التحليل دون التحقق من ثبات التباين يمثل مخاطرة منهجية بالغة قد تهدر جهود سنوات من العمل الميداني. يجب استيعاب حقيقة أن الفروق الفردية البشرية غالباً ما تترجم إحصائياً إلى تباينات غير متجانسة في البواقي، مما يستوجب الحذر الشديد في التعامل مع الاستجابات المتطرفة.
يوصى ختاماً بالدمج المنهجي الواعي بين التشخيص الرقمي الصارم عبر إجراءات SAS المتخصصة، والتمثيل البصري الاستكشافي المتعمق، مع الاستعداد المنهجي المسبق لتبني النمذجة القوية (Robust Methods) أو انحدار المربعات الصغرى الموزونة كلما دعت الحاجة؛ فالارتقاء بجودة النموذج القياسي يمثل المدخل الحقيقي لبناء نظريات نفسية متماسكة وتدخلات تربوية قائمة على أدلة علمية بالغة الرصانة والمصداقية.
خاتمة
يعد اختبار بروش-باغان أداة تشخيصية فارقة في ترسيم الحدود الفاصلة بين النماذج الإحصائية الدقيقة وتلك المضللة التي قد تعصف بجوهر الاستدلال السلوكي والتربوي. من خلال هذا الدليل، اتضح أن غياب افتراض تجانس التباين لا يمثل مجرد إرباك رياضي عابر في تباين البواقي، بل هو خلل هيكلي يجرّد مقدرات المربعات الصغرى العادية من ميزة الكفاءة ويزيف نتائج اختبارات الفروض ومستويات الدلالة الإحصائية.
يوفر نظام التحليل الإحصائي SAS بيئة متكاملة تتيح تنفيذ الاختبار بطرق متعددة، تتراوح بين الأسلوب الهيكلي الدقيق عبر PROC MODEL الذي يمنح الباحث السيطرة الكاملة على محددات دالة التباين، والأسلوب الاستكشافي الكلاسيكي عبر PROC REG مع خيار SPEC. إن إتقان الباحث لتطبيق هذه الشيفرات وقراءة مخرجاتها، ودعمها بالتمثيل البياني البصري للبواقي، ثم المضي قدماً في اتخاذ الإجراءات العلاجية كالأخطاء المعيارية القوية (HCCME) أو انحدار المربعات الصغرى الموزونة (WLS)، هو ما يضمن في نهاية المطاف الخروج بنتائج علمية تتمتع بأعلى درجات الرصانة، والأمانة الأكاديمية، والقدرة التنبؤية بالظواهر الإنسانية المعقدة.
المراجع
- Breusch, T. S., & Pagan, A. R. (1979). A simple test for heteroscedasticity and random coefficient variation. Econometrica, 47(5), 1287–1294. https://doi.org/10.2307/1911963
- Hayes, A. F., & Cai, L. (2007). Using heteroskedasticity-consistent standard error estimators in OLS regression: An introduction and software implementation. Behavior Research Methods, 39(4), 709–722. https://doi.org/10.3758/BF03192961
- Koenker, R. (1981). A note on studentizing a test for heteroscedasticity. Journal of Econometrics, 17(1), 107–112. https://doi.org/10.1016/0304-4076(81)90062-2
- Long, J. S., & Ervin, L. H. (2000). Using heteroscedasticity consistent standard errors in the linear regression model. The American Statistician, 54(3), 217–224. https://doi.org/10.1080/00031305.2000.10474549
- White, H. (1980). A heteroskedasticity-consistent covariance matrix estimator and a direct test for heteroskedasticity. Econometrica, 48(4), 817–838. https://doi.org/10.2307/1912934