كيفية إجراء الانحدار الخطي المتعدد في Stata

يمثل تحليل الانحدار الخطي المتعدد ركيزة محورية في منهجيات البحث الكمي المعاصر، إذ يوفر إطاراً إحصائياً قياسياً صارماً لدراسة وتفسير العلاقات المعقدة بين ظاهرة مستهدفة ومجموعة من العوامل المفسرة. في مختلف حقول المعرفة العلمية—من الاقتصاد والعلوم السياسية إلى علم النفس والعلوم السلوكية والطب الحيوي—يسعى الباحثون إلى تجاوز العلاقات الثنائية البسيطة التي قد تكون مضللة بفعل العوامل المتداخلة، متوجهين نحو بناء نماذج احتمالية قادرة على عزل التأثيرات الفردية لكل متغير وضبط المتغيرات المربكة بدقة متناهية.

تتبوأ حزمة البرمجيات الإحصائية Stata مكانة ريادية بين الأدوات البرمجية المخصصة لتحليل البيانات والنماذج القياسية؛ لما تتميز به من كفاءة برمجية وسرعة فائقة في معالجة المصفوفات الضخمة، فضلاً عن تقديمها بيئة عمل توثيقية تضمن إمكانية تكرار النتائج والتحقق من موثوقيتها الأكاديمية. إن استيعاب الأوامر الإحصائية في Stata لا يقتصر فقط على كتابة الشفرات وتنفيذها، بل يتطلب فهماً عميقاً للمفاهيم الرياضية الكامنة وراء كل تقدير، والقدرة على قراءة المخرجات وتفكيك جداول تحليل التباين، بالإضافة إلى إجراء فحوصات التشخيص البعدي للتأكد من سلامة الافتراضات الإحصائية الكلاسيكية.

يقدم هذا الدليل المرجعي الشامل مساراً تدريبياً وأكاديمياً متكاملاً لتطبيق نموذج الانحدار الخطي المتعدد في بيئة Stata، بدءاً من صياغة النموذج النظري والرياضي، مروراً باستيراد البيانات وفحصها استكشافياً، وتنفيذ أوامر التقدير الأساسية والمتقدمة، وصولاً إلى معالجة المشكلات القياسية الشائعة وتوثيق النتائج وفق المعايير الدولية للنشر العلمي مثل معايير جمعية علم النفس الأمريكية (APA).

1. مقدمة إلى الانحدار الخطي المتعدد ومفاهيمه الأساسية في برنامج Stata

1.1 التعريف النظري والرياضي لنموذج الانحدار الخطي المتعدد

يقوم نموذج الانحدار الخطي المتعدد (Multiple Linear Regression) على تقدير دالة خطية تفترض وجود علاقة سببية أو ترابطية بين متغير تابع وحيد ومتصل، ومصفوفة من المتغيرات المستقلة أو التفسيرية. رياضياً، تُصاغ المعادلة الخطية العامة للعينة على النحو الآتي:

Y = β0 + β1*X1 + β2*X2 + … + βk*Xk + ε

حيث يمثل Y القيمة الملاحظة للمتغير التابع، بينما يعبر β0 عن الحد الثابت أو المقطع الصادي (Intercept)، الذي يشير إلى القيمة المتوقعة لـ Y عندما تكون جميع المتغيرات المستقلة مساوية للصفر. وتمثل المعاملات الانحدارية الجزئية β1 إلى βk ميل خط الانحدار المرتبط بكل متغير مفسر على حدة، في حين يمثل ε حد الخطأ العشوائي (Error Term) الذي يجسد التباين في المتغير التابع غير المفسر بواسطة النموذج.

يكمن الفرق الجوهري بين الانحدار الخطي البسيط والانحدار المتعدد في قدرة الأخير على عزل وضبط المتغيرات المربكة (Confounding Variables). في الانحدار البسيط، قد يعكس معامل الانحدار تأثيراً زائفاً ناشئاً عن ارتباط المتغير المستقل بمتغيرات أخرى غير مدرجة في النموذج؛ أما في الانحدار المتعدد، فإن مفهوم معاملات الانحدار الجزئية (Partial Regression Coefficients) يضمن قياس الأثر الفريد والصافي للمتغير المستقل على المتغير التابع، مع تثبيت المتغيرات التفسيرية الأخرى إحصائياً.

تتعدد تطبيقات هذا النموذج في العلوم الاجتماعية والنفسية؛ ففي علم النفس التربوي، على سبيل المثال، يُستخدم الانحدار المتعدد للتنبؤ بالتحصيل الدراسي بالاعتماد على الذكاء، ودافعية الإنجاز، والمستوى الاقتصادي والاجتماعي للأسرة في آن واحد، مما يسمح بفهم الوزن النسبي الحقيقي لكل عامل من هذه العوامل دون تحيز.

1.2 بيئة العمل الإحصائية في برنامج Stata وتاريخ التعامل مع النماذج الخطية

تم تصميم بيئة Stata لتوفير منظومة متماسكة للباحثين والخبراء الإحصائيين، وتتميز بتفوقها على العديد من البرمجيات الأخرى بفضل سرعة المعالجة الحسابية واعتمادها على بنية مصفوفات متطورة مدعومة بلغة البرمجة المدمجة Mata. تتيح Stata بيئة تفاعلية تجمع بين واجهة سطر الأوامر (Command Line Interface) والقوائم المنسدلة، إلا أن الممارسة القياسية والأكاديمية تعتمد اعتماداً كلياً على سطر الأوامر لما يوفره من دقة وتحكم مطلق في خطوات التحليل.

تتبع أوامر Stata صيغة نحوية قياسية موحدة (Syntax Structure) تجعل تعلمها سلساً؛ إذ تبدأ الجملة البرمجية بالأمر الأساسي، يليه المتغير التابع، ثم المتغيرات المستقلة، متبوعة بالخيارات الإضافية بعد الفاصلة. هذا التناسق البرمجي يقلل من احتمالية الأخطاء ويسهل الانتقال بين النماذج الإحصائية البسيطة والمتقدمة دون الحاجة لتعلم تراكيب برمجية متباينة.

تبرز الأهمية القصوى لملفات الأوامر، المعروفة بـ Do-files، بصفتها الركيزة الأساسية للبحث العلمي القابل للتكرار (Reproducible Research). تتيح هذه الملفات كتابة وتخزين جميع خطوات استيراد وتنظيف وفحص وتحليل البيانات، مما يمكن الباحث من إعادة تشغيل التحليل بأكمله بنقرة واحدة، ومشاركة مسار العمل بدقة مع المراجعين والمجلات العلمية لضمان الشفافية والموثوقية.

1.3 الأهداف الأساسية لتطبيق نموذج الانحدار في الأبحاث الأكاديمية

يهدف تطبيق نموذج الانحدار الخطي المتعدد في الأوساط الأكاديمية إلى تحقيق ثلاثة أغراض رئيسية مترابطة. الهدف الأول هو التنبؤ (Prediction)؛ حيث يسعى الباحث إلى بناء دالة رياضية تسمح بتقدير قيم مستقبلية أو غير ملاحظة للمتغير التابع عند معرفة قيم المتغيرات المستقلة، وهو ما يستخدم على نطاق واسع في دراسات التخطيط والسياسات العامة والتنبؤ بالظواهر الاقتصادية والتربوية.

أما الهدف الثاني فيتمثل في التفسير والاختبار النظري (Explanatory Modeling)؛ حيث ينصب التركيز على تقييم الأهمية النسبية لكل متغير مستقل، وتحديد ما إذا كان تأثيره دالاً إحصائياً، ومعرفة اتجاه هذا التأثير (طردي أم عكسي). يسمح ذلك باختبار الفرضيات النظرية والتحقق من صحة النماذج المفاهيمية المقترحة في الأدبيات السابقة.

ويتمثل الهدف الثالث في التحكم التجريبي والإحصائي (Statistical Control)؛ إذ تسمح النمذجة المتعددة باستبعاد التأثيرات المشوشة أو العشوائية الناتجة عن تباين العينة، مما يوفر تقديراً غير متحيز للأثر السببي المفترض للمتغير التجريبي أو المتغير المستقل الرئيسي، وهو أمر حاسم في الدراسات غير التجريبية القائمة على الملاحظة الميدانية.

2. الافتراضات الإحصائية الواجب توفرها قبل بناء النموذج في Stata

2.1 افتراضات طبيعة البيانات ومستويات القياس

تتطلب موثوقية تقديرات طريقة المربعات الصغرى العادية (OLS) استيفاء مجموعة من الافتراضات الصارمة المتعلقة بطبيعة البيانات. يفترض النموذج في المقام الأول أن يكون المتغير التابع متغيراً كمياً مستمراً (Continuous Variable) مقاساً على مستوى مقياس الفترات (Interval) أو النسب (Ratio). إذا كان المتغير التابع ثنائياً أو ترتيبياً، فإن تطبيق الانحدار الخطي العادي يؤدي إلى تقديرات غير دقيقة وخرق لفروض الاحتمالية، ويتطلب الانتقال إلى نماذج الانحدار اللوجستي أو الترتيبي.

بالنسبة للمتغيرات المستقلة، يسمح نموذج الانحدار الخطي بمرونة واسعة؛ حيث يمكن أن تكون متغيرات كمية مستمرة، أو متغيرات ثنائية التفرع (Dichotomous)، أو متغيرات فئوية متعددة الفئات شريطة أن يتم ترميزها كمتغيرات وهمية (Dummy Variables) ومقارنتها بفئة مرجعية أساسية، وهو ما يوفره برنامج Stata بآليات مدمجة وفعالة.

إضافة إلى ذلك، يُشترط استقلالية المشاهدات (Independence of Observations)، مما يعني أن قياس أي فرد أو وحدة في العينة لا يؤثر ولا يتأثر بوحدة أخرى. يترتب على غياب هذا الاستقلال—كما هو الحال في البيانات الطولية أو البيانات العنقودية—وجود ارتباط متسلسل يؤدي إلى تضخيم الدلالة الإحصائية وتقليل الأخطاء المعيارية بشكل مضلل، مما يستلزم استخدام تقنيات متقدمة مثل نماذج التأثيرات المختلطة أو تصحيح الأخطاء المعيارية العنقودية.

2.2 افتراضات التوزيع والخطية في العلاقات الإحصائية

تفترض طريقة المربعات الصغرى أن العلاقة بين المتغيرات المستقلة والقيمة المتوقعة للمتغير التابع علاقة خطية في المعاملات (Linear in Parameters). يعني ذلك أن التغير في المتغير التابع الناتج عن وحدة تغير واحدة في المتغير المستقل يظل ثابتاً عبر جميع مستويات ذلك المتغير، ما لم يتم تضمين حدود تفاعلية أو دوال غير خطية صراحة في النموذج.

يرتبط الافتراض الثاني بالتوزيع الطبيعي للبواقي والأخطاء العشوائية (Normality of Residuals). من الأخطاء الشائعة الاعتقاد بضرورة التوزيع الطبيعي للمتغيرات نفسها؛ بينما يشترط النموذج في الواقع أن تكون الأخطاء المقدرة، أي الفروق بين القيم الحقيقية والمتنبأ بها، موزعة توزيعاً طبيعياً بمتوسط حسابي يساوي صفراً، وهو شرط جوهري لصحة اختبارات الدلالة الإحصائية (t-test و F-test) وفترات الثقة في العينات الصغيرة ومتوسطة الحجم.

كما يُعد ثبات تجانس تباين الأخطاء (Homoscedasticity) افتراضاً حيوياً؛ إذ يجب أن يظل تباين البواقي ثابتاً عبر جميع المستويات التنبؤية للنموذج. إذا تغير تباين الأخطاء بزيادة أو نقصان قيم المتغيرات المستقلة، يقع النموذج في مشكلة عدم تجانس التباين (Heteroscedasticity)، مما يؤدي إلى عدم كفاءة المقدرات وفقدان اختبارات الدلالة لموثوقيتها.

2.3 افتراضات العلاقات البينية بين المتغيرات التفسيرية

يشترط نموذج الانحدار الخطي غياب الارتباط الخطي التام أو المرتفع جداً بين المتغيرات المستقلة، وهو ما يُعرف بنفي التعددية الخطية (No Multicollinearity). عندما يرتبط متغيران مستقلان أو أكثر ارتباطاً شبه تام، يصبح من المستحيل رياضياً على خوارزميات OLS فصل التأثير المستقل لكل متغير على حدة، مما يؤدي إلى تضخم هائل في الأخطاء المعيارية ويجعل المعاملات تبدو غير دالة إحصائياً على الرغم من ارتفاع القدرة التفسيرية الإجمالية للنموذج.

يتطلب النموذج أيضاً خلو المتغيرات المفسرة من أخطاء القياس الشديدة؛ إذ إن وجود خطأ قياس عشوائي في المتغير المستقل يسبب ما يُعرف بالانحدار نحو الصفر أو التحيز التوهيني (Attenuation Bias)، مما يقلل من القيمة التقديرية الحقيقية للمعامل ويضعف القوة الإحصائية للاختبار.

وأخيراً، تلعب كفاية حجم العينة دوراً حاسماً في استقرار النموذج وقوته الإحصائية (Statistical Power). تنص القواعد المنهجية العامة على ضرورة توفر ما لا يقل عن 10 إلى 20 مشاهدة لكل متغير مستقل مدرج في النموذج كحد أدنى، مع تفضيل إجراء تحليل القوة الإحصائية المسبق لتحديد حجم العينة المثالي القادر على اكتشاف التأثيرات ذات الأهمية العملية بدقة.

3. استيراد البيانات وتجهيز ملف العمل في برنامج Stata

3.1 طرق تحميل مجموعات البيانات المدمجة والخارجية

يوفر برنامج Stata منظومة متكاملة ومرنة لاستيراد مجموعات البيانات من مصادر وتنسيقات متعددة. للتعامل مع ملفات Stata الأصلية ذات الامتداد (.dta)، يُستخدم الأمر المباشر use، مع إمكانية تحديد المسار الكامل للملف أو استدعائه مباشرة من خادم عبر الإنترنت:

use "C:Dataresearch_project.dta", clear

حيث يضمن الخيار clear تفريغ ذاكرة البرنامج من أي بيانات سابقة قبل تحميل الملف الجديد. في حال كانت البيانات مخزنة في جداول إلكترونية مثل Microsoft Excel، يتم استخدام الأمر المخصص import excel مع تحديد الورقة المطلوبة وجعل الصف الأول مصدراً لأسماء المتغيرات:

import excel "C:Datasurvey_results.xlsx", sheet("Data") firstrow clear

أما بالنسبة للملفات النصية المفصولة بفواصل أو علامات جدولة (CSV أو TXT)، فإن الأمر import delimited يوفر معالجة سريعة وفعالة:

import delimited "C:Datamacro_indicators.csv", clear

ولأغراض التدريب والتجريب البرمجي، توفر Stata مكتبة غنية من مجموعات البيانات الجاهزة والمدمجة في النظام، والتي يمكن استدعاؤها فوراً باستخدام أمر sysuse، مثل قاعدة بيانات السيارات الشهيرة عالمياً:

sysuse auto, clear

3.2 فحص هيكلية البيانات وتوصيف المتغيرات

بمجرد تحميل البيانات، يجب على الباحث فحص بنيتها المادية للتأكد من توافق الأنواع وصحة قراءة البرنامج لها. يُنفذ ذلك عبر أمر التوصيف الأساسي:

describe

يعرض هذا الأمر ملخصاً شاملاً لعدد المشاهدات (Observations)، وعدد المتغيرات (Variables)، وحجم الذاكرة المستهلكة، إضافة إلى أسماء المتغيرات وأنواع تخزينها (مثل int, float, double للمتغيرات الرقمية، أو str للمتغيرات النصية).

في كثير من الأحيان، تُستورد البيانات الرقمية بصيغة نصية نتيجة وجود رموز غير رقمية، مما يمنع البرنامج من إدراجها في العمليات الحسابية. لمعالجة ذلك، يُستخدم أمر destring مع خيار الإهمال التلقائي للرموز غير الرقمية أو أمر encode لتحويل المتغيرات الفئوية الاسمية إلى متغيرات رقمية ذات ملصقات:

destring income_var, replace ignore("$ ,")
encode gender_text, generate(gender_numeric)

ولضمان جودة التوثيق الأكاديمي، ينبغي إضافة ملصقات توضيحية لأسماء المتغيرات وقيمها عبر الأوامر القياسية التالية:

label variable gender_numeric "جنس المبحوث"
label define gender_lbl 1 "ذكر" 2 "أنثى"
label values gender_numeric gender_lbl

3.3 إدارة القيم المفقودة وتنظيف البيانات المبدئي

تُعد معالجة القيم المفقودة (Missing Values) خطوة محورية تسبق أي تحليل إحصائي، حيث يتعامل برنامج Stata مع القيمة المفقودة الرقمية برمز النقطة (.)، والتي تُعامل داخلياً كقيمة لا نهائية موجبة في المقارنات المنطقية. لاكتشاف نمط وتكرار القيم المفقودة عبر جميع المتغيرات، يُنفذ الأمر المتخصص:

misstable summarize

يقوم هذا الأمر بحصر المتغيرات التي تحتوي على بيانات مفقودة، وحساب نسبتها المئوية، وبيان ما إذا كانت المشاهدات مفقودة جزئياً أو كلياً. يتبع برنامج Stata في تحليل الانحدار أسلوب الحذف بقائمة المشاهدات (Listwise Deletion)، حيث يتم تلقائياً استبعاد أي مشاهدة تحتوي على قيمة مفقودة في المتغير التابع أو أي من المتغيرات المستقلة المدرجة في النموذج.

من الضروري توثيق كافة إجراءات التنظيف واستبعاد الحالات الشاذة الناتجة عن أخطاء الإدخال ضمن ملف Do-file موحد، مع تجنب تعديل ملف البيانات الأصلي نهائياً لضمان النزاهة العلمية وسهولة تتبع مسار العمل الإحصائي.

4. الفحص الاستكشافي للبيانات والإحصاء الوصفي في Stata

4.1 حساب مقاييس النزعة المركزية والتشتت للمتغيرات

يمثل التحليل الوصفي الاستكشافي المرحلة التأسيسية التي تسبق بناء النماذج السببية؛ حيث يساعد الباحث على استيعاب سلوك المتغيرات، واكتشاف القيم الشاذة، والتحقق من واقعية المقاييس. يُستخدم أمر summarize لاستخراج المؤشرات الوصفية الرئيسية:

summarize price mpg weight length

ينتج عن هذا الأمر جدول يحتوي على عدد المشاهدات، والمتوسط الحسابي (Mean)، والانحراف المعياري (Std. Dev.)، والقيمة الصغرى (Min)، والقيمة العظمى (Max) لكل متغير.

للحصول على تقييم أعمق لشكل التوزيع وخصائصه الالتوائية، يُضاف خيار التفصيل detail للأمر، والذي يوفر معلومات بالغة الأهمية حول المئينات (Percentiles)، والوسيط، ومعامل الالتواء (Skewness)، ومعامل التفرطح (Kurtosis):

summarize price, detail

إذا تجاوزت قيمة معامل الالتواء المطلقة عتبة (2.0) أو التفرطح عتبة (7.0)، فإن ذلك يشير إلى انحراف حاد عن التوزيع المعتدل، مما يستدعي التفكير في تطبيق تحويلات لوغاريتمية على المتغير لتحسين خطية العلاقة قبل تقدير الانحدار.

4.2 تحليل مصفوفة الارتباط الخطي البسيط

يساعد فحص مصفوفة الارتباط في تكوين رؤية مبدئية لطبيعة واتجاه وقوة العلاقات بين المتغيرات المرشحة للدخول في النموذج. يُستخدم أمر correlate لإنشاء مصفوفة ارتباط بيرسون الكلاسيكية للبيانات المكتملة:

correlate price mpg weight length

تتراوح قيم المعاملات بين (-1) للارتباط العكسي التام و (+1) للارتباط الطردي التام، بينما تدل القيمة صفر على غياب العلاقة الخطية. للتحقق من الدلالة الإحصائية لهذه المعاملات عند مستويات المعنوية المعروفة، يُفضل استخدام أمر الارتباط المزدوج pwcorr مع خيار sig:

pwcorr price mpg weight length, sig

يُعد هذا الفحص أداة تشخيص مبكرة لكشف التداخل الخطي؛ فإذا تبين وجود ارتباط خطي مرتفع جداً بين متغيرين مستقلين (مثلاً معامل ارتباط يتجاوز 0.80 أو 0.85 بين weight و length)، فإن ذلك يعطي إشارة تحذيرية لاحتمالية وقوع النموذج في مشكلة التعددية الخطية، مما يوجه الباحث نحو اختيار المتغير الأكثر أهمية نظرياً أو دمجهما معاً.

4.3 التمثيل البصري للعلاقات بين المتغيرات

توفر الأدوات البيانية في Stata فهماً بصرياً مباشراً للعلاقات الهيكلية بين المتغيرات لا يمكن للأرقام وحدها توفيره. يُعد مخطط التشتت الثنائي (Scatter Plot) الأداة الأكثر فعالية لمعاينة العلاقة بين المتغير التابع وأحد المتغيرات المستقلة، مع إمكانية إضافة خط الانحدار الخطي التوضيحي باستخدام الأمر المركب twoway:

twoway (scatter price weight) (lfit price weight)

يسمح هذا الرسم باكتشاف العلاقات غير الخطية (مثل العلاقات المنحنية أو اللوغاريتمية) ورصد المشاهدات المتطرفة بصرياً. وعند الرغبة في معاينة جميع العلاقات التبادلية بين عدة متغيرات في رسم موحد، يُستخدم أمر مصفوفة المخططات البيانية:

graph matrix price mpg weight length, half

يوفر خيار half رسماً للنصف السفلي من المصفوفة لمنع التكرار البصري، مما يمنح الباحث نظرة شمولية سريعة على جميع العلاقات الثنائية وطبيعة انتشار البيانات عبر المتغيرات المدروسة.

5. بناء وتنفيذ نموذج الانحدار الخطي المتعدد بأمر regress

5.1 الصيغة البرمجية وقواعد بناء أمر regress

يُمثل أمر regress (أو اختصاراً reg) حجر الزاوية في تنفيذ نماذج الانحدار الخطي في برنامج Stata. يخضع تركيب هذا الأمر لقاعدة برمجية صارمة ومباشرة تُصاغ على النحو التالي:

regress depvar indepvars [if] [in] [weight] [, options]

حيث يوضع المتغير التابع (depvar) مباشرة بعد اسم الأمر، متبوعاً بقائمة المتغيرات المستقلة (indepvars) مفصولة بمسافات فردية ودون استخدام فواصل.

يقوم البرنامج افتراضياً بتقدير الحد الثابت (_cons) للنموذج. وفي حالات نادرة تتطلبها أطر نظرية متخصصة تُجبر فيها الدالة على المرور بنقطة الأصل (0,0)، يمكن إضافة خيار noconstant لإلغاء تقدير الحد الثابت:

regress price weight mpg, noconstant

ومع ذلك، ينبغي الحذر الشديد عند استخدام هذا الخيار، نظراً لأن إلغاء الحد الثابت يجعل معامل التحديد التقليدي (R-squared) غير ذي معنى إحصائي دقيق وقد يؤدي إلى تحيز في تقديرات المعاملات الأخرى إذا لم تكن النظرية دقيقة تماماً.

5.2 تطبيق عملي على نموذج قياسي متعدد المتغيرات

لتطبيق النموذج عملياً، سنستخدم قاعدة البيانات auto.dta المدمجة في Stata، حيث نسعى لنمذجة محددات سعر السيارة (price) بالاعتماد على كفاءة استهلاك الوقود (mpg)، ووزن السيارة (weight)، وطولها الإجمالي (length):

regress price mpg weight length

عند الضغط على مفتاح الإدخال، تقوم خوارزمية OLS بمعالجة المصفوفات وحساب المقدرات في أجزاء من الثانية. يُخزن البرنامج كافة المعاملات والمصفوفات الإحصائية المحسوبة في ذاكرة النظام المؤقتة، مما يسمح باستدعائها واستخدامها لاحقاً.

للاحتفاظ بنتائج هذا النموذج ومقارنتها بنماذج بديلة لاحقة، يُنصح بحفظ التقديرات باسم مخصص باستخدام أمر estimates store:

estimates store Model_1

تتيح هذه الممارسة البرمجية للباحث بناء عدة نماذج متدرجة (Nested Models)، وتخزينها تحت مسميات مثل Model_1 و Model_2، ثم استدعاء جداول المقارنة المشتركة واختبار الفروق بينها بسهولة بالغة.

5.3 التحكم في فئات العينة والشروط الفرعية

تتميز لغة Stata بالمرونة العالية في تنفيذ النماذج على فئات فرعية من البيانات دون الحاجة لتقسيم ملف العمل الأصلي، وذلك من خلال دمج العبارات الشرطية if مباشرة مع أمر الانحدار. على سبيل المثال، لتقدير نموذج الانحدار للسيارات المصنعة محلياً فقط:

regress price mpg weight length if foreign == 0

كما يمكن تطبيق شروط مركبة باستخدام الروابط المنطقية مثل (& للجمع المنطقي و | للاختيار المنطقي):

regress price mpg weight length if foreign == 0 & weight > 3000

وفي المسوح الاجتماعية والاقتصادية المعقدة المعتمدة على عينات طبقية أو عنقودية، يجب تضمين أوزان المعاينة (Sampling Weights) لضمان تمثيل المجتمع بدقة وتجنب التحيز، ويتم ذلك باستخدام محددات الأوزان بين قوسين معقوفين:

regress income education experience [pweight = sample_wt]

علاوة على ذلك، يمكن تكرار تنفيذ نموذج الانحدار عبر جميع فئات متغير تصنيفي محدد باستخدام بادئة الفرز والتقسيم bysort:

bysort foreign: regress price mpg weight

يؤدي هذا السطر البرمجي إلى تنفيذ انحدارين منفصلين ومستقلين؛ الأول للسيارات المحلية والثاني للسيارات المستوردة، وعرض جدول مخرجات مستقل لكل فئة.

6. قراءة وتفسير مخرجات جدول الانحدار في Stata بدقة

6.1 تحليل جدول تحليل التباين (ANOVA Table) وجودة المطابقة

ينقسم جدول مخرجات الانحدار في Stata إلى ثلاثة أجزاء رئيسية؛ يقع جدول تحليل التباين في الجزء العلوي الأيسر، وهو مخصص لتفكيك التباين الكلي في المتغير التابع. يتضمن الجدول ثلاثة صفوف أساسية:

• Model (النموذج): يعرض مجموع المربعات المفسرة بواسطة النموذج (SS)، ودرجات الحرية (df) المساوية لعدد المتغيرات المستقلة، ومتوسط المربعات (MS).
• Residual (البواقي): يعرض مجموع مربعات الأخطاء غير المفسرة، ودرجات الحرية المساوية لـ (N – k – 1)، ومتوسط مربعات الخطأ.
• Total (الكلي): يعبر عن التباين الإجمالي في المتغير التابع حول وسطه الحسابي، ودرجات حريته تساوي (N – 1).

في الجزء العلوي الأيمن، تظهر مؤشرات جودة التوفيق الكلية (Goodness-of-Fit):

• عدد المشاهدات (Number of obs): يوضح حجم العينة الفعلي بعد استبعاد القيم المفقودة.
• الإحصاء الفائي (F-statistic) والدلالة (Prob > F): يختبر الفرضية الصفرية القائلة بأن جميع معاملات المتغيرات المستقلة تساوي الصفر معاً. إذا كانت القيمة الاحتمالية أقل من 0.05، يُرفض الفرض الصفري، مما يؤكد أن النموذج يمتلك قدرة تفسيرية دالة إحصائياً تفوق النموذج الخالي من المتغيرات.
• معامل التحديد (R-squared): يمثل النسبة المئوية للتباين في المتغير التابع المفسرة بواسطة المتغيرات المستقلة مجتمعة. فإذا بلغت القيمة 0.55، فإن ذلك يعني أن 55% من التباين في المتغير التابع مفسر بنموذج الانحدار.
• معامل التحديد المعدل (Adj R-squared): يقوم بتعديل قيمة R-squared لتعويض التحيز الناتج عن زيادة عدد المتغيرات المستقلة؛ حيث يفرض عقوبة رياضية عند إضافة متغيرات لا تسهم حقيقة في تحسين القوة التفسيرية، وهو المقياس الأدق للمقارنة بين النماذج ذات الأبعاد المختلفة.
• جذر متوسط مربعات الخطأ (Root MSE): يعبر عن الانحراف المعياري للبواقي مقاساً بنفس وحدة قياس المتغير التابع، ويمثل متوسط الخطأ المتوقع في التنبؤ الفردي.

6.2 تفسير المعاملات التقديرية (Coefficients) والحد الثابت

يحتوي الجزء السفلي من المخرجات على جدول المعاملات الانحدارية. يعبر عمود المعاملات (Coef.) عن المقدار والاتجاه الرياضي لتأثير كل متغير مستقل على المتغير التابع:

يشير الحد الثابت (_cons) إلى القيمة المتوقعة للمتغير التابع عندما تكون جميع المتغيرات التفسيرية مساوية للصفر رياضياً. وفي كثير من التطبيقات الاجتماعية والاقتصادية، قد لا يكون للحد الثابت معنى تطبيقي مباشر إذا كانت القيمة صفر خارج النطاق المنطقي للبيانات (مثل وزن السيارة أو عمر الإنسان)، لكنه يظل ضرورياً رياضياً لضبط موقع خط الانحدار وضمان أن متوسط البواقي يساوي صفراً.

أما معاملات الميل الجزئي (Partial Slopes) للمتغيرات التفسيرية، فيتم تفسيرها استناداً إلى مبدأ ثبات العوامل الأخرى (Ceteris Paribus). فعلى سبيل المثال، إذا كان معامل weight يساوي (2.04) والمتغير التابع هو السعر بالدولار والوزن بالأرطال، يُصاغ التفسير العلمي كالآتي: “لكل زيادة بمقدار رطل واحد في وزن السيارة، يرتفع سعرها المتوقع بمقدار 2.04 دولاراً أمريكياً، مع بقاء كفاءة استهلاك الوقود وطول السيارة ثابتين دون تغيير”.

6.3 تقييم الدلالة الإحصائية وفترات الثقة

للحكم على الأهمية الإحصائية لكل معامل انحداري، يوفر جدول المخرجات ثلاثة مقاييس متكاملة:

• الخطأ المعياري (Std. Err.): يقيس مدى التشتت وعدم اليقين في تقدير المعامل نتيجة التباين العيني؛ وكلما صغرت قيمته، زادت دقة التقدير الإحصائي.
• قيمة إحصاء تائي (t-statistic): تُحسب بقسمة المعامل التقديري على خطئه المعياري (Coef. / Std. Err.)، وتختبر الفرضية الصفرية القائلة بأن المعامل في المجتمع يساوي صفراً (H0: βj = 0).
• القيمة الاحتمالية (P > |t|): تمثل احتمال الحصول على قيمة تائية مساوية أو أكثر تطرفاً بالصدفة المحضة في حال كانت الفرضية الصفرية صحيحة. تُعد العلاقة دالة إحصائياً إذا كانت القيمة الاحتمالية أقل من مستوى المعنوية المعتمد (عادة 0.05 أو 0.01 أو 0.001).
• فترة الثقة 95% (95% Conf. Interval): توفر مجالاً رقمياً من الحد الأدنى إلى الحد الأعلى يُتوقع أن يقع داخله المعامل الحقيقي في المجتمع بدرجة ثقة 95%. إذا كانت فترة الثقة لا تشتمل على القيمة صفر (أي أن حديها موجبان معاً أو سالبان معاً)، فإن هذا يؤكد استقلالية ودلالة المعامل إحصائياً عند مستوى 5%.

7. فحص وتشخيص افتراضات النموذج بعد التقدير (Post-Estimation)

7.1 استخراج وتوليد البواقي والقيم المتنبأ بها

لا يكتمل التحليل القياسي بتقدير النموذج فحسب، بل يتطلب إجراء تشخيصات بعدية دقيقة للتأكد من عدم انتهاك افتراضات OLS. يتيح أمر predict في Stata توليد وحساب العديد من المتغيرات المشتقة استناداً إلى آخر نموذج تم تنفيذه.

لحساب وتخزين القيم المتنبأ بها (Fitted / Predicted Values) للمتغير التابع في متغير جديد يُدعى yhat، يُنفذ الأمر:

predict yhat, xb

أما لحساب البواقي الخام (Raw Residuals)، وهي الفروق الفعلية بين القيم المشاهدة والقيم المقدرة (e = Y – yhat)، يُستخدم الأمر:

predict e_raw, residuals

ولأغراض الفحص المتقدم ومقارنة الحالات عبر وحدات قياس موحدة، يُفضل توليد البواقي المعيارية (Standardized Residuals) أو البواقي المعتمدة على الطالب (Studentized Residuals):

predict e_std, rstandard
predict e_stud, rstudent

يساعد فحص هذه البواقي في تقييم مدى دقة النموذج في محاكاة البيانات وتحديد المشاهدات الفردية التي يبتعد تنبؤ النموذج عنها ابتعاداً كبيراً.

7.2 اختبار التوزيع الطبيعي للبواقي إحصائياً وبيانياً

يُعد اختبار التوزيع الطبيعي للأخطاء العشوائية خطوة أساسية لضمان صحة الاستدلال الإحصائي. يوفر برنامج Stata أدوات بيانية متقدمة لمعاينة شكل توزيع البواقي مقارنة بالتوزيع الطبيعي النظري. يمكن رسم المدرج التكراري للبواقي مع منحنى التوزيع الطبيعي الفوقي عبر أمر kdensity:

kdensity e_raw, normal

كما يُعتبر مخطط المئين-المئين النظري (Quantile-Quantile Plot) المولد بأمر qnorm من أقوى الأدوات البصرية لرصد الانحرافات في أطراف التوزيع (Tails):

qnorm e_raw

إذا تطابقت نقاط البيانات مع الخط المستقيم القطري، فإن البواقي تتبع التوزيع الطبيعي؛ أما إذا انحرفت عند الأطراف العلوية أو السفلية، دل ذلك على وجود التواء أو تفلطح غير طبيعي.

ولتأكيد النتيجة باختبارات إحصائية كمية صارمة، يُنفذ اختبار شابيرو-ويلك (Shapiro-Wilk) أو اختبار كاميرون-تريفيدي:

swilk e_raw
sktest e_raw

تتمثل الفرضية الصفرية لهذه الاختبارات في أن البواقي موزعة توزيعاً طبيعياً؛ وبالتالي، فإن القيمة الاحتمالية الأكبر من 0.05 تشير إلى سلامة الافتراض وعدم انتهاكه. وتجدر الإشارة إلى أنه وفق نظرية النهاية المركزية (Central Limit Theorem)، فإن انتهاك التوزيع الطبيعي للبواقي في العينات الكبيرة جداً (N > 500) لا يؤثر تأثيراً جوهرياً على نزاهة اختبارات المعاملات.

7.3 اختبار تجانس تباين البواقي (Homoscedasticity)

يؤدي خرق افتراض تجانس التباين إلى بقاء معاملات OLS غير متحيزة ولكنها تفقد كفاءتها الرياضية، مما يجعل الأخطاء المعيارية المحسوبة مضللة وفترات الثقة غير صحيحة. للتشخيص البصري المبدئي، يُستخدم أمر رسم البواقي مقابل القيم المتنبأ بها (Residuals vs. Fitted Plot):

rvfplot, yline(0)

في حالة تحقق التجانس، يجب أن تنتشر النقاط انتشاراً عشوائياً متماثلاً دون نمط محدد حول خط الصفر الأفقي؛ أما إذا اتخذ الانتشار شكلاً قمعياً (Funnel shape) يتسع أو يضيق مع زيادة القيم المتنبأ بها، فإن ذلك يعد مؤشراً بصرياً قوياً على تغاير التباين (Heteroscedasticity).

ولتأكيد ذلك باختبار إحصائي قياسي، يُنفذ اختبار كوك-وايزبرج / بروش-باغان (Breusch-Pagan / Cook-Weisberg) مباشرة بعد أمر الانحدار باستخدام أمر التشخيص البعدي:

estat hettest

يفترض هذا الاختبار كفرضية صفرية ثبات تجانس التباين (Constant variance). إذا كانت القيمة الاحتمالية (p-value) الناتجة أقل من 0.05، تُرفض الفرضية الصفرية، مما يثبت إحصائياً وجود مشكلة تغاير التباين. كما يمكن إجراء اختبار وايت العام (White’s Test) الأكثر شمولاً، والذي لا يشترط التوزيع الطبيعي للأخطاء، عبر الأمر:

estat imtest, white

7.4 اختبار خطية النموذج والخطأ في التحديد (Specification Error)

يقوم انحدار OLS على افتراض أن الدالة محددة تحديداً صحيحاً من حيث خطية المعاملات واكتمال المتغيرات الجوهرية. لاختبار ما إذا كانت هناك قوى غير خطية مهملة أو متغيرات مفسرة مفقودة تؤدي إلى خطأ في التحديد (Model Misspecification)، يُستخدم اختبار رامزي لإعادة التحديد (Ramsey RESET Test):

estat ovtest

يقوم هذا الاختبار بإدخال قوى المتغير التابع المتنبأ بها (مثل yhat^2 و yhat^3 و yhat^4) كمتغيرات مفسرة مساعدة في النموذج، ويختبر ما إذا كانت هذه الحدود تسهم مجتمعة في تفسير التباين. إذا كانت القيمة الاحتمالية لاختبار F أقل من 0.05، فإن هذا يثبت وجود خطأ في التوصيف الهيكلي، مما يشير إلى الحاجة لإدخال تحويلات غير خطية (كالحدود التربيعية أو التحويل اللوغاريتمي) لضبط النموذج.

بالإضافة إلى ذلك، تساعد مخططات المكون زائد الباقي (Component-plus-residual plots) في فحص خطية كل متغير مستقل على حدة:

cprplot weight, lowess

يوفر خيار lowess منحنياً مرناً يكشف بوضوح عما إذا كان أثر المتغير المستقل على المتغير التابع خطياً مستقيماً أم يتطلب إعادة صياغة رياضية متقدمة.

8. التعامل مع التعددية الخطية وتشخيص التداخل بين المتغيرات

8.1 حساب عوامل تضخم التباين (VIF) في Stata

تنشأ مشكلة التعددية الخطية (Multicollinearity) عندما تتداخل المتغيرات المستقلة تداخلاً قوياً فيما بينها، مما يجعل فصل تأثيراتها الفردية أمراً معقداً رياضياً. يوفر برنامج Stata أداة التشخيص المعيارية الأولى لحساب عوامل تضخم التباين ومؤشر التسامح (Tolerance) عبر الأمر البعدي المباشر:

estat vif

يقوم هذا الأمر بحساب قيمة VIF لكل متغير مستقل مدرج في المعادلة، بالإضافة إلى حساب المتوسط العام لعوامل التضخم (Mean VIF). يُحسب مؤشر التسامح رياضياً كمعكوس لعامل تضخم التباين (Tolerance = 1 / VIF)، ويمثل نسبة التباين في المتغير المستقل المعني غير المفسرة بواسطة بقية المتغيرات التفسيرية في النموذج.

8.2 المعايير المرجعية للحكم على وجود التعددية الخطية

في الأدبيات الإحصائية التطبيقية، تُعتمد مجموعة من القواعد الاسترشادية للحكم على خطورة التعددية الخطية:

• إذا كانت قيمة VIF لأي متغير فردي تتجاوز 10 (أو ما يقابل تسامحاً أقل من 0.10)، فإن ذلك يمثل دليلاً قاطعاً على وجود تعددية خطية شديدة تؤثر سلباً على جودة التقدير وتستوجب المعالجة الفورية.
• يقترح بعض الباحثين معياراً أكثر تحفظاً في الدراسات التجريبية الحساسة، بحيث تُعتبر أي قيمة VIF تتجاوز 5 مؤشراً يستدعي التدقيق والحذر.
• إذا كان المتوسط العام (Mean VIF) لجميع المتغيرات يتجاوز بصورة ملحوظة القيمة 1، فإن النموذج يعاني من درجة معينة من التداخل المشترك.

من الأهمية بمكان إدراك الأثر المباشر للتعددية الخطية؛ فهي لا تؤدي إلى تحيز معاملات الانحدار (تظل المقدرات غير متحيزة)، كما أنها لا تخفض من قيمة R-squared الكلية، بل ينصب ضررها بالكامل على تضخيم الأخطاء المعيارية للمعاملات. يترتب على هذا التضخيم انخفاض القيم التائية (t-statistics) واتساع فترات الثقة، مما يقود الباحث إلى ارتكاب خطأ من النوع الثاني بالاستنتاج الخاطئ بأن المتغير غير دال إحصائياً على الرغم من أهميته النظرية.

8.3 الحلول العلاجية لمشكلة التعددية الخطية

تتعدد الاستراتيجيات المنهجية لمعالجة التعددية الخطية تبعاً لطبيعة المشكلة وسياق البحث العلمي:

تتمثل الاستراتيجية الأولى في استبعاد أحد المتغيرين المتداخلين بشدة إذا كانا يقيسان نفس المفهوم النظري تقريباً (مثل استبعاد متغير مساحة السيارة إذا كان متغير الوزن مدرجاً ويؤدي نفس الغرض التفسيري).

أما الاستراتيجية الثانية، فتعتمد على دمج المتغيرات المترابطة لتكوين مقياس مركب أو مؤشر تركيبي (Composite Index)، سواء بجمع الدرجات المعيارية، أو حساب المتوسط الحسابي، أو باستخدام التحليل العاملي الاستكشافي (Exploratory Factor Analysis) لاستخلاص عامل كامن يمثل المتغيرات المتداخلة بأعلى كفاءة ممكنة.

وفي النماذج التي تتضمن حدود تفاعل أو قوى تربيعية—حيث تنشأ تعددية خطية هيكلية حتمية بين المتغير وحدوده المضروبة—يُعتبر توسيط المتغيرات حول متوسطاتها الحسابية (Mean Centering) الحل المنهجي الأمثل؛ إذ يتم طرح المتوسط من كل قيمة للمتغير قبل إنشاء حاصل الضرب، مما يلغي الارتباط المصطنع بين الحد التفاعلي والمتغيرات الأصلية المكونة له:

summarize weight
generate c_weight = weight - r(mean)

9. اكتشاف ومعالجة القيم الشاذة والمشاهدات المؤثرة في Stata

9.1 أدوات الكشف عن القيم المتطرفة في فضاء المتغيرات

يمكن لمشاهدة فردية شاذة أو متطرفة أن تغير ميل خط الانحدار تغييراً جذرياً وتؤدي إلى استنتاجات مضللة. للتمييز بين المفاهيم، تُعرف القيمة المتطرفة في المتغير التابع بالباقي الكبير (Outlier)، في حين تُعرف المشاهدة المتطرفة في فضاء المتغيرات المستقلة بنقطة الرافعة العالية (High Leverage Point).

لحساب مقياس الرافعة (Leverage / Hat values) في Stata، يُنفذ الأمر التالي بعد التقدير:

predict lev, hat

تتراوح قيم الرافعة بين (1/N) و (1). وتعتبر المشاهدة ذات نفوذ ورافعة مرتفعة إذا تجاوزت قيمتها العتبة الرياضية المعيارية المحددة بـ (2k + 2) / N أو (3k / N)، حيث k هو عدد المتغيرات المستقلة و N هو حجم العينة.

للمعاينة البصرية المشتركة بين البواقي المعيارية والرافعة، يوفر برنامج Stata رسماً بيانياً تشخيصياً بالغ الفعالية:

lvr2plot

يقوم هذا الأمر برسم قيم الرافعة على المحور الأفقي ومربع البواقي المعيارية على المحور الرأسي مع خطوط مرجعية للمتوسطات، مما يتيح التعرف الفوري على أرقام المشاهدات التي تجمع بين التطرف في المتغيرات المستقلة والخطأ التنبؤي الكبير معاً.

9.2 تقييم المشاهدات المؤثرة باستخدام مسافة كوك وDFBETA

تُعرف المشاهدة المؤثرة (Influential Observation) بأنها المشاهدة التي يؤدي حذفها من التحليل إلى تغير ملموس في قيم معاملات الانحدار المقدرة أو في القرارات الإحصائية المتعلقة بالدلالة. يُعد مقياس مسافة كوك (Cook’s Distance) الأداة الأكثر انتشاراً لتقييم التأثير الكلي للمشاهدة على جميع المعاملات مجتمعة، ويتم حسابه في Stata عبر الأمر:

predict dcook, cooksd

تقتضي القواعد المنهجية العامة فحص المشاهدات التي تتجاوز مسافة كوك الخاصة بها القيمة (4 / N) أو القيمة المطلقة (1.0) في العينات الصغيرة، باعتبارها نقاطاً تقود نتائج النموذج وتتطلب تدقيقاً خاصاً.

ولمعرفة التأثير التفصيلي لكل مشاهدة على معامل كل متغير مستقل على حدة، يُستخدم مقياس DFBETA:

dfbeta

يقوم هذا الأمر بإنشاء متغيرات جديدة تقيس عدد الانحرافات المعيارية التي يتغير بها معامل كل متغير مستقل عند استبعاد مشاهدة معينة. وتعتبر المشاهدة مؤثرة بشكل حرج على معامل متغير معين إذا تجاوزت القيمة المطلقة لـ DFBETA العتبة القياسية (2 / sqrt(N)).

9.3 استراتيجيات التعامل مع المشاهدات المؤثرة

عند تحديد مشاهدات مؤثرة، يجب على الباحث اتباع تسلسل منهجي رصين:

تبدأ الخطوة الأولى بالتحقق مما إذا كانت هذه القيم ناتجة عن أخطاء إدخال مادي أو أخطاء في التسجيل والترميز، وفي هذه الحالة يتم تصحيح الخطأ أو استبعاد المشاهدة إذا تعذر الرجوع إلى الأصل المصدري.

أما إذا كانت المشاهدات صحيحة وواقعية ولكنها متطرفة، فيُحظر حذفها عشوائياً لتحسين جودة النموذج. وبدلاً من ذلك، يُجرى تحليل الحساسية (Sensitivity Analysis) عبر تقدير النموذج كاملاً مع المشاهدات وبدونها، ومناقشة الفروق في النتائج بشفافية في التقرير العلمي.

وفي حال ثبات التأثير الشديد للمشاهدات الشاذة، يُنصح باللجوء إلى نماذج الانحدار المتين (Robust Regression) المتاحة في Stata عبر أمر rreg:

rreg price mpg weight length

تعتمد هذه التقنية على خوارزميات التقدير بالتكرار الموزون (Iteratively Reweighted Least Squares)، حيث تقوم بخفض أوزان المشاهدات ذات البواقي الكبيرة تدريجياً، وصولاً إلى استبعاد الحالات شديدة التطرف، مما يوفر تقديرات مستقرة للمعاملات لا تتأثر بالانحرافات الفردية الحادة.

10. إدراج المتغيرات الفئوية وتأثيرات التفاعل في نموذج Stata

10.1 استخدام مشغلات العوامل (Factor Variable Notation)

تتميز الإصدارات الحديثة من برنامج Stata بنظام ذكي لإدارة المتغيرات التصنيفية والفئوية دون الحاجة لإنشاء متغيرات وهمية (Dummy variables) يدوياً، وذلك عبر مشغلات العوامل (Factor Variables). تُستخدم البادئة i. قبل اسم المتغير لإعلام البرنامج بضرورة معاملته كمتغير فئوي وتوليد المتغيرات الوهمية تلقائياً أثناء التقدير:

regress price weight i.foreign

يقوم البرنامج تلقائياً باختيار الفئة الأولى ذات الترقيم الأدنى كفئة مرجعية أساسية (Base Level)، ويعرض في الجدول معاملات الفئات الأخرى مقارنة بها. وإذا رغب الباحث في تغيير الفئة المرجعية لتسهيل التفسير النظري، يمكنه استخدام محدد الفئة الأساسية ib. بأشكال متعددة:

regress price weight ib(2).foreign
regress price weight ib(last).rep78
regress price weight ib(freq).rep78

حيث يتيح الخيار ib(last) جعل الفئة الأخيرة هي المرجع، بينما يحدد ib(freq) الفئة الأكثر تكراراً في العينة كفئة مرجعية، مما يمنح مرونة كاملة في مقارنة المجموعات.

10.2 نمذجة حدود التفاعل والمؤثرات المشتركة

تكتسب النماذج الإحصائية عمقاً تحليلياً كبيراً عند اختبار الفرضيات التفاعلية (Moderation / Interaction Effects)، حيث يُفترض أن أثر أحد المتغيرات المستقلة على المتغير التابع يتغير بتغير مستوى متغير مستقل آخر. توفر Stata مشغلات تفاعلية مباشرة تُغني عن إنشاء متغيرات الضرب يدوياً:

• مشغل التفاعل البسيط (#): يقوم بتقدير حد التفاعل فقط دون إدراج التأثيرات الرئيسية للمتغيرات بصورة منفصلة (نادراً ما يُستخدم منفرداً).
• مشغل التفاعل الكامل (##): يقوم تلقائياً بتقدير التأثيرات الرئيسية الفردية لكلا المتغيرين بالإضافة إلى حد التفاعل المشترك بينهما، وهو الأسلوب القياسي الموصى به منهجياً.

لنمذجة تفاعل بين متغير تصنيفي ومتغير كمي مستمر (مثل تفاعل نوع السيارة مع الوزن)، يجب تحديد طبيعة المتغير الكمي باستخدام البادئة c. لضمان عدم معاملته كمتغير فئوي:

regress price i.foreign##c.weight

يُظهر جدول المخرجات في هذا النموذج ثلاثة تأثيرات رئيسية: التأثير الأساسي للسيارة الأجنبية، والتأثير الأساسي للوزن (عند الفئة المرجعية)، ومعامل التفاعل المشترك (foreign#c.weight). إذا كان معامل التفاعل دالاً إحصائياً، فإن هذا يثبت أن معدل الزيادة في سعر السيارة لكل رطل إضافي من الوزن يختلف جوهرياً بين السيارات المحلية والسيارات المستوردة.

10.3 حساب وتصور التأثيرات الهامشية (Marginal Effects)

يُعد أمر margins من أقوى وأهم الأوامر التحليلية في بيئة Stata؛ حيث يتولى ترجمة معاملات النماذج المعقدة والتفاعلية إلى متوسطات تنبؤية وتأثيرات هامشية قابلة للتفسير المباشر بوحدات القياس الطبيعية.

لحساب متوسط السعر المتوقع لكل فئة من فئات نوع السيارة مع تثبيت تأثير الوزن عند مستواه الفعلي في العينة، يُنفذ الأمر:

margins foreign

ولحساب ميل متغير الوزن (التأثير الهامشي للوزن) عند كل فئة من فئات متغير نوع السيارة على حدة، يُستخدم خيار المشتقة الهامشية dydx:

margins foreign, dydx(weight)

ولتتويج هذا التحليل بتمثيل بصري فائق الوضوح يُبرز طبيعة التفاعل في الأبحاث والمؤتمرات، يُنفذ أمر الرسم البعدي التلقائي مباشرة بعد أمر الهوامش:

marginsplot

يقوم هذا الأمر بإنشاء رسم بياني احترافي يوضح خطوط الانحدار المنفصلة لكل فئة مع فترات الثقة المحيطة بها، مما يسهل على القارئ استيعاب الأثر التفاعلي ومواضع التباعد الدالة إحصائياً بين المجموعات بصرياً دون الخوض في تعقيدات المعاملات الرياضية المباشرة.

11. توثيق وتصدير الجداول الإحصائية وفق معايير APA من Stata

11.1 تنسيق مخرجات الانحدار باستخدام الحزم الإضافية

تمثل مرحلة إعداد الجداول النهائية ونقل المخرجات من البرنامج إلى برامج تحرير النصوص (مثل Microsoft Word و LaTeX) خطوة حيوية لضمان الامتثال لمتطلبات النشر الأكاديمي. على الرغم من إمكانية نسخ النتائج يدوياً، فإن الممارسة العلمية الرصينة تعتمد على الأوامر التلقائية المبرمجة لمنع أخطاء النقل البشري.

تُعد حزمة outreg2 وحزمة estout (التي تتضمن أمر esttab) من أشهر الحزم الإضافية المستخدمة في هذا المجال. يمكن تثبيت هذه الحزم مباشرة من داخل Stata عبر شبكة الإنترنت باستخدام أمر البحث والتثبيت:

ssc install outreg2, replace
ssc install estout, replace

وفي الإصدارات الحديثة (Stata 17 و Stata 18)، قدمت شركة StataCorp منظومة مدمجة وقوية للجداول عبر أمر etable وأوامر collect، والتي تتيح بناء وتنسيق وتصدير جداول نماذج الانحدار مباشرة إلى صيغ (docx, xlsx, pdf) دون الحاجة لحزم طرف ثالث:

regress price mpg weight
etable, export(Regression_Table.docx), replace

11.2 تخصيص البيانات المعروضة في الجداول المنشورة

تتطلب المعايير الأكاديمية عرض مؤشرات إحصائية محددة وتنسيق مستويات الدلالة الإحصائية بالرموز النجمية القياسية (* p < .05, ** p < .01, *** p < .001). باستخدام أمر esttab، يمكن توليد جدول متكامل يجمع بين عدة نماذج مقارنة وتصديره بصيغة RTF المتوافقة مع Word:

estimates clear
regress price mpg
estimates store Model1
regress price mpg weight length
estimates store Model2
esttab Model1 Model2 using "regression_results.rtf", replace b(%9.3f) se(%9.3f) r2 ar2 f star(* 0.05 ** 0.01 *** 0.001) label title("جدول (1): نتائج تحليل الانحدار الخطي المتعدد للتنبؤ بأسعار السيارات")

يتيح هذا الكود تخصيص عدد الخانات العشرية للمعاملات (b(%9.3f)) والأخطاء المعيارية (se(%9.3f))، وإدراج قيم R2 و Adjusted R2 والإحصاء الفائي F، مع استخدام ملصقات المتغيرات الرسمية بدلاً من أسمائها البرمجية المختصرة، مما ينتج جدولاً منسقاً بالكامل وجاهزاً للإدراج المباشر في متن البحث العلمي.

11.3 الصياغة النصية لنتائج الانحدار في الأبحاث والرسائل العلمية

تفرض إرشادات APA (الإصدار السابع) أسلوباً دقيقاً في التقرير اللفظي لنتائج الانحدار؛ حيث يتم توثيق المؤشرات الكلية أولاً، تليها المعاملات الفردية ومستويات دلالتها. يجب كتابة الرموز الإحصائية (مثل F, t, p, R²) بالخط المائل، وتجنب وضع صفر قبل الفاصلة العشرية للقيم التي لا يمكن رياضياً أن تتجاوز الواحد الصحيح (مثل p و R²).

نموذج للصياغة الأكاديمية المعتمدة وفق APA:

“أُجري تحليل انحدار خطي متعدد للتنبؤ بسعر السيارة استناداً إلى كفاءة استهلاك الوقود ووزن السيارة وطولها الإجمالي. أظهرت النتائج أن النموذج ككل كان دالاً إحصائياً ويفسر ما يقارب 35.7% من التباين الكلي في الأسعار، F(3, 70) = 12.98, p < .001, R² = .357, R²_adj = .330.

وبفحص المعاملات الانحدارية الفردية، تبين أن وزن السيارة يمثل متنبئاً موجباً ودالاً إحصائياً بالسعر (B = 4.36, SE = 1.14, t = 3.82, p < .001, 95% CI [2.09, 6.64])، مما يشير إلى أن كل زيادة بمقدار رطل واحد في الوزن ترتبط بزيادة قدرها 4.36 دولاراً في السعر مع تثبيت بقية المتغيرات. في المقابل، لم يُظهر طول السيارة تأثيراً دالاً إحصائياً بعد ضبط المتغيرات الأخرى (B = -39.49, SE = 31.54, t = -1.25, p = .215).”

12. تقنيات متقدمة وأفضل الممارسات لتجنب الأخطاء الشائعة في Stata

12.1 معالجة خرق تجانس التباين باستخدام الأخطاء المعيارية المتينة

عندما تشير الاختبارات البعدية إلى خرق افتراض تجانس تباين البواقي (وجود Heteroscedasticity)، فإن الممارسة الإحصائية الحديثة لا تلجأ بالضرورة إلى تحويل المتغيرات، بل تعتمد على تقدير الأخطاء المعيارية المتينة (Robust Standard Errors) المعروفة بمصحح هوبر-وايت (Huber-White Sandwich Estimator). يُنفذ هذا التصحيح في Stata ببساطة بإضافة خيار robust أو vce(robust) إلى أمر الانحدار:

regress price mpg weight length, robust

تعمل هذه الطريقة على تعديل مصفوفة التباين والتباين المشترك لحساب أخطاء معيارية غير متحيزة تأخذ في الاعتبار تباين الأخطاء غير المتجانس، مما يصحح القيم التائية ومستويات الدلالة الإحصائية وفترات الثقة بدقة دون إحداث أي تغيير في قيم المعاملات التقديرية (التي تظل متطابقة تماماً مع مقدرات OLS الكلاسيكية).

وفي تصاميم العينات العنقودية، حيث يتجمع الأفراد داخل وحدات جغرافية أو مؤسسية (مثل الطلاب داخل المدارس أو المرضى داخل المستشفيات)، يجب استخدام خيار الأخطاء المعيارية العنقودية:

regress test_score teacher_exp student_income, vce(cluster school_id)

يضمن هذا الخيار ضبط الارتباط الداخلي المتبادل بين الملاحظات داخل نفس المدرسة، متجنباً التضخيم الزائف للدلالة الإحصائية ومعطياً نتائج قياسية رصينة.

12.2 المقارنة بين النماذج المتداخلة واختيار النموذج الأفضل

غالباً ما يواجه الباحث تحدي المفاضلة بين عدة نماذج نظرية متنافسة لتحديد النموذج الأكثر كفاءة واقتصاداً في المتغيرات (Parsimonious Model). عند المقارنة بين نماذج متداخلة (Nested Models)—أي نماذج يكون النموذج الأصغر فيها حالة خاصة من النموذج الأكبر بعد حذف بعض المتغيرات—يُستخدم أمر اختبار القيود الخطية المشتركة test:

regress price mpg weight length trunk turn
test trunk turn

يقوم هذا الأمر بإجراء اختبار فائي (Wald Test) للفرضية الصفرية القائلة بأن معاملي trunk و turn يساويان الصفر معاً. إذا كانت القيمة الاحتمالية للاختبار أكبر من 0.05، دل ذلك على أن إضافة هذين المتغيرين لا تقدم مساهمة إحصائية جوهرية، ويُفضل حذفهما التزاماً بمبدأ البساطة الرياضية وتجنباً للإفراط في التوفيق (Overfitting).

أما عند المقارنة بين نماذج غير متداخلة (Non-nested Models)، فيُعتمد على معايير المعلومات، وتحديداً معيار أكايكي للمعلومات (AIC) ومعيار بيز للمعلومات (BIC). يمكن استخراج هذه المعايير بعد كل نموذج باستخدام أمر التشخيص:

estat ic

يُعد النموذج الذي يحقق أدنى قيمة لمعياري AIC و BIC هو النموذج الأفضل؛ حيث تعكس القيم الأقل توازناً مثالياً بين القدرة التفسيرية العالية والعدد الأقل من المتغيرات التفسيرية.

12.3 دليل إرشادي لأبرز الأخطاء الشائعة في تطبيق انحدار Stata

لتفادي المزالق المنهجية والبرمجية الشائعة في تحليلات الانحدار، ينبغي مراعاة الإرشادات التالية:

• الخلط بين الارتباط والسببية: لا يعني وجود معامل انحدار دال إحصائياً ثبوت علاقة سببية حتمية، ما لم يكن تصميم البحث تجريبياً صارماً أو مدعوماً بمتغيرات مساعدة وأدوات قياسية تعالج التحيز الناشئ عن المتغيرات المغفلة (Omitted Variable Bias).
• الاعتماد الحصري على قيمة R-squared: لا تعني القيمة المرتفعة لمعامل التحديد بالضرورة جودة النموذج؛ فقد تكون ناتجة عن التعددية الخطية أو التضمين الزائد لمتغيرات غير مبررة، كما أن القيمة المنخفضة لا تعني فشل النموذج في حال كان الهدف هو اختبار دلالة معامل نظري محدد في ظواهر سلوكية شديدة التعقيد.
• إهمال تشخيص البواقي: التسرع في تفسير جداول الانحدار دون فحص تجانس التباين، والتوزيع الطبيعي للبواقي، والمشاهدات المؤثرة، قد يقود إلى نشر نتائج واهية وقرارات علمية غير قابلة للتكرار.
• الخطأ في ترميز المتغيرات الفئوية: إدخال المتغيرات الاسمية أو الترتيبية كمتغيرات كمية مستمرة مباشرة دون استخدام مشغلات العوامل (i.) يفترض ضمناً وجود فترات متساوية بين الفئات، وهو خطأ شائع يشوه المعاملات التقديرية بالكامل.

خاتمة

يمثل تحليل الانحدار الخطي المتعدد أداة استدلالية وتنبؤية بالغة القوة والأهمية في ترسانة الباحث العلمي. وتوفر بيئة Stata منصة برمجية متقدمة تجمع بين السرعة الفائقة والدقة الحسابية لإنجاز كافة مراحل التحليل، بدءاً من استكشاف البيانات وتنظيفها، وبناء النماذج وتخصيصها، وصولاً إلى الفحوصات التشخيصية البعدية المتقدمة وتصدير المخرجات بجودة النشر الدولي.

إن إتقان تطبيق الانحدار في Stata يتجاوز مجرد حفظ الأوامر؛ إذ يتطلب حساً نقدياً يربط بين النظرية الموضوعية والمعايير الرياضية الصارمة، مع الالتزام بأفضل الممارسات الإحصائية في فحص الافتراضات، وتصحيح المشكلات القياسية، وتوثيق مسار العمل عبر ملفات Do-files، بما يضمن إنتاج معرفة علمية رصينة تتسم بالشفافية والنزاهة وقابلية التكرار الأكاديمي.

References

• Acock, A. C. (2018). A gentle introduction to Stata (6th ed.). Stata Press.
• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Baum, C. F. (2006). An introduction to modern econometrics using Stata. Stata Press.
• Cameron, A. C., & Trivedi, P. K. (2022). Microeconometrics using Stata: Volume I: Cross-sectional and panel methods (2nd ed.). Stata Press.
• Cohen, J., Cohen, P., West, S. G., & Aiken, L. S. (2003). Applied multiple regression/correlation analysis for the behavioral sciences (3rd ed.). Routledge. https://doi.org/10.4324/9780203774441
• Fox, J. (2016). Applied regression analysis and generalized linear models (3rd ed.). SAGE Publications.
• Greene, W. H. (2018). Econometric analysis (8th ed.). Pearson.
• Long, J. S., & Freese, J. (2014). Regression models for categorical dependent variables using Stata (3rd ed.). Stata Press.
• Mitchell, M. N. (2021). Interpreting and visualizing regression models using Stata (2nd ed.). Stata Press.
• StataCorp. (2023). Stata 18 base reference manual. Stata Press. https://www.stata.com/manuals/r.pdf
• Stock, J. H., & Watson, M. W. (2019). Introduction to econometrics (4th ed.). Pearson.
• Wooldridge, J. M. (2020). Introductory econometrics: A modern approach (7th ed.). Cengage Learning.