كيفية إجراء الانحدار التدريجي في SAS (مع مثال)

يمثل بناء النماذج التنبؤية واختيار المتغيرات التفسيرية أحد أكثر التحديات المنهجية تعقيداً في مجال الإحصاء التطبيقي والنمذجة الرياضية المعاصرة. فعندما يواجه الباحث أو المحلل الإحصائي مصفوفة بيانات واسعة تضم عشرات أو مئات المتغيرات المستقلة المحتملة، تبرز معضلة المفاضلة بين تضمين أكبر قدر ممكن من المتغيرات لتحقيق أقصى قدر من القوة التفسيرية، وبين الالتزام بمبدأ “شفرة أوكام” (Occam’s Razor) المتمثل في البحث عن البساطة والإيجاز وتجنب التعقيد غير المبرر. وفي هذا السياق المعرفي، يبرز الانحدار التدريجي (Stepwise Regression) كإحدى الخوارزميات المؤتمتة الأكثر استخداماً عبر العقود الأخيرة للمساعدة في استكشاف وتصفية المتغيرات وتحديد النموذج الأمثل وفق معايير إحصائية دقيقة ومحددة مسبقاً.

تعتبر بيئة التحليل الإحصائي SAS (Statistical Analysis System) المنصة الرائدة عالمياً في تنفيذ تحليلات الانحدار المتقدمة، حيث تتميز بكفاءتها الحسابية الفائقة وموثوقيتها الصارمة في معالجة مجموعات البيانات الضخمة والمتشابكة. ومن خلال إجراء PROC REG المتخصص، تتيح بيئة SAS للباحثين والخبراء في حقول العلوم الاجتماعية، والسلوكية، والإحصاء الحيوي، والاقتصاد، التحكم الكامل في آليات الدخول والاستبعاد للمتغيرات، مما يسهم في غربلة المتغيرات ذات الأثر العشوائي وإبقاء تلك التي تسهم حقيقة في تفسير تباين المتغير التابع، مع تقديم تقارير تشخيصية تفصيلية بالغة الدقة لجودة التوفيق الإحصائي.

يهدف هذا الدليل المرجعي الشامل إلى استعراض كيفية إجراء الانحدار التدريجي في نظام SAS خطوة بخطوة، بدءاً من البنية الرياضية والمفاهيمية للتحليل، ومروراً بالمعايير الإحصائية الحاكمة وقواعد البرمجة وتجهيز البيانات، وصولاً إلى التفسير الدقيق للمخرجات، والفحوصات التشخيصية للنموذج، والاعتبارات المنهجية والنقدية الموجهة لهذه الطريقة. سنقدم دليلاً تطبيقياً متكاملاً يتناول مثالاً واقعياً بالأكواد والنتائج الرقمية، بما يضمن تمكين الباحث من توظيف هذه الأداة بكفاءة واقتدار أكاديمي مع الالتزام بأحدث معايير التوثيق العلمي.

1. مقدمة عامة حول الانحدار التدريجي (Stepwise Regression)

1.1 المفهوم الإحصائي والرياضي للتحليل التدريجي

يُعرف الانحدار التدريجي (Stepwise Regression) بأنه استراتيجية خوارزمية مؤتمتة لبناء نماذج الانحدار الخطي المتعدد، تقوم على فكرة التقييم المتسلسل والمنهجي لكل متغير مستقل مرشح للدخول في معادلة التنبؤ، وذلك بهدف الوصول إلى النموذج الرياضي الأكثر كفاءة بأقل عدد ممكن من المتغيرات التفسيرية. من الناحية الإحصائية، لا ينظر التحليل التدريجي إلى جميع المتغيرات ككتلة واحدة ثابتة، بل يعتمد على إجراء اختبارات فرضية متتابعة—تعتمد في الغالب على اختبار نسبة التباين (F-test) أو اختبار “ت” (t-test)—لحساب الإسهام الجزئي الفريد (Partial Contribution) لكل متغير في تقليل مجموع مربعات الخطأ (Error Sum of Squares) بعد التحكم في المتغيرات الموجودة بالفعل داخل النموذج.

تنبثق فلسفة هذه الطريقة من السعي الدائم نحو موازنة دقيقة بين مفهومين أساسيين في نظرية النمذجة الإحصائية: كفاية النموذج (Model Adequacy) وبساطة النموذج (Parsimony). فبينما يؤدي الإفراط في إدخال المتغيرات إلى تشتيت التقدير وزيادة التباين المعياري للمعلمات، يؤدي إهمال المتغيرات المؤثرة إلى الوقوع في خطأ إغفال المتغيرات الملائمة (Omitted Variable Bias). وعليه، يتدخل الانحدار التدريجي كأداة رياضية تحسب الأثر الهامشي (Marginal Effect) لكل متغير مرشح، مفاضلةً بين المتغيرات وفق قدرتها على رفع معامل التحديد ($R^2$) بدرجة تبرر إحصائياً استهلاك درجة حرية إضافية (Degree of Freedom) في مصفوفة النموذج.

تجد هذه المنهجية رواجاً واسعاً وممتداً في العديد من الحقول التطبيقية، لا سيما في العلوم الاجتماعية وعلم النفس والأبحاث الوبائية والإحصاء الحيوي؛ حيث يواجه الباحثون ظواهر إنسانية وبيولوجية متعددة الأبعاد تتشابك فيها عشرات المتغيرات التفسيرية كالصفات الديموغرافية، والسمات الشخصية، والمؤشرات الحيوية، مما يجعل التصفية اليدوية مهمة شاقة ومحفوفة بأخطاء التقدير الذاتي، وهو ما يجعل الخوارزمية التدريجية خياراً جذاباً للاستكشاف الأولي.

1.2 الفروق الجوهرية بين الانحدار المتعدد التقليدي والانحدار التدريجي

يتجلى الفارق الجوهري بين الانحدار المتعدد التقليدي (Standard Multiple Regression) والانحدار التدريجي في فلسفة معالجة المتغيرات وتوقيت إدخالها إلى فضاء النموذج الرياضي. في أسلوب الإدخال الشامل التقليدي (Enter Method)، يُجبر الباحث البرنامج الإحصائي على إدخال جميع المتغيرات التفسيرية المحددة في مصفوفة النموذج دفعة واحدة وتقدير معالمها في خطوة حسابية وحيدة، بصرف النظر عما إذا كانت تلك المتغيرات تمتلك دلالة إحصائية حقيقية أم لا. هذا النهج يفترض ضمناً أن الباحث يمتلك مسبقاً تأسيساً نظرياً متيناً يبرر وجود كل متغير من تلك المتغيرات داخل المعادلة، بصرف النظر عن حجم إسهامها العددي في عينة الدراسة.

وعلى النقيض من ذلك، يتبع الانحدار التدريجي آلية تصفية ديناميكية مشروطة بسلسلة من القرارات الإحصائية التتابعية؛ فلا يدخل أي متغير إلى فضاء النموذج إلا إذا اجتاز حد عتبة إحصائية محددة مسبقاً، كما لا يبقى أي متغير داخل النموذج إذا فقد دلالته الإحصائية بعد دخول متغيرات أخرى لاحقة. هذه الديناميكية تعالج التعقيد الحسابي الناتج عن تشابك المتغيرات وتداخلها (Collinearity)، حيث قد يؤدي وجود متغير قوي الارتباط بمتغير آخر إلى حجب الأثر الحقيقي للمتغير الأضعف، وهو ما يستطيع التحليل التدريجي رصده وفصله بدقة من خلال فحص التغيرات في الدلالة عبر الخطوات المتعاقبة.

يميل الباحثون إلى تفضيل الأسلوب التدريجي على الأسلوب التقليدي في الدراسات الاستكشافية (Exploratory Studies) التي تفتقر إلى نظرية صلبة تحدد بدقة المتغيرات الحاكمة للظاهرة المدروسة، أو في الحالات التي يكون فيها الهدف الأساسي هو بناء نموذج تنبؤي براغماتي عالي الدقة بأقل تكلفة حسابية وميدانية ممكنة، في حين يظل الانحدار التقليدي هو الخيار المعياري في الدراسات التوكيدية (Confirmatory Studies) التي تهدف إلى اختبار فروض نظرية محددة مسبقاً بدقة متناهية.

1.3 أهمية ودوافع استخدام التحليل التدريجي في النمذجة الإحصائية

تتعدد الدوافع المنهجية والإحصائية التي تحفز المحللين والباحثين على تبني أسلوب الانحدار التدريجي كخيار رئيسي في تحليل البيانات المعقدة؛ ويأتي في مقدمة هذه الدوافع ضرورة تقليل أبعاد البيانات (Dimensionality Reduction). فمع تنامي القدرة على جمع وتخزين البيانات الضخمة، بات الباحثون يمتلكون مجموعات بيانات تحتوي على عشرات أو مئات المتغيرات التفسيرية، وهنا تنشأ صعوبة بالغة في صياغة نموذج خطي مستقر ومفهوم دون غربلة تلك المتغيرات وإقصاء العناصر الهامشية التي لا تخدم الغرض التنبؤي للبحث.

دافع آخر شديد الأهمية يتمثل في عزل الضجيج الإحصائي (Noise) والتباينات العشوائية؛ فإدراج متغيرات غير دالة إحصائياً في نموذج الانحدار الخطي يؤدي حتماً إلى تضخيم تباين التقديرات (Variance of Parameter Estimates)، مما يضعف كفاءة المعلمات المقدرة ويزيد من اتساع فترات الثقة، وبالتالي يقلل من القوة التنبؤية للنموذج عند تطبيقه على عينات مستقلة جديدة. ومن خلال استبعاد هذه المتغيرات غير الجوهرية، يسهم التحليل التدريجي في خفض الخطأ المعياري للتقدير وتعظيم جودة التنبؤ.

أخيراً، يؤدي تقليص النموذج إلى عدد محدود من المتغيرات الأكثر تأثيراً إلى تسهيل التفسير النظري للظواهر المعقدة وصياغة قرارات تطبيقية قابلة للتنفيذ. ففي مجالات مثل الإدارة، والسياسات الصحية، والعلوم التربوية، يصعب على صانع القرار مراقبة أو التدخل في عشرات المتغيرات المتشابكة في آن واحد، في حين يتيح النموذج المختصر التركيز على رافعات التأثير الأساسية (Key Drivers) التي تحدث الفارق الأكبر في المتغير التابع بأعلى قدر من الفعالية والجدوى الاقتصادية.

2. المبادئ النظرية لآلية عمل خوارزمية الانحدار التدريجي

2.1 استراتيجية الاختيار الأمامي (Forward Selection)

تعتبر استراتيجية الاختيار الأمامي (Forward Selection) إحدى أبسط وأقدم صور الانتقاء الآلي للمتغيرات التفسيرية في نماذج الانحدار الخطي. تبدأ هذه الخوارزمية بنموذج أولي فارغ تماماً من أي متغير مستقل، لا يحتوي إلا على الحد الثابت فقط (Intercept Model: $y = \beta_0 + \varepsilon$). وفي الخطوة الأولى، يقوم البرنامج بحساب معامل الارتباط البسيط بين كل متغير مستقل مرشح وبين المتغير التابع، ويتم اختيار المتغير صاحب أعلى قيمة ارتباط مطلق، والتي تقابل بالضرورة أعلى قيمة لاختبار F وأدنى قيمة احتمالية (p-value).

إذا كانت القيمة الاحتمالية لهذا المتغير الأول تقل عن حد العتبة المحدد مسبقاً للدخول—والمعروف في أدبيات التحليل الإحصائي بـ (Significance Level for Entry أو SLENTRY)—يتم إدخاله رسمياً إلى النموذج. وفي الخطوات اللاحقة، تقوم الخوارزمية بحساب مصفوفة الارتباط الجزئي (Partial Correlation) لجميع المتغيرات المتبقية خارج النموذج بعد تثبيت أثر المتغيرات التي تم إدخالها بالفعل. ويتم اختيار المتغير التالي الذي يحقق أعلى قيمة F جزئية؛ فإذا حقق شرط الدخول أُضيف إلى المعادلة، وتستمر العملية التكرارية على هذا النحو حتى تعجز جميع المتغيرات المتبقية خارج النموذج عن تلبية معيار الدخول.

على الرغم من بساطة وسرعة هذه الاستراتيجية حسابياً، إلا أنها تعاني من عيب هيكلي جوهري؛ حيث تتسم القرارات المتخذة فيها بأنها غير قابلة للإلغاء أو التراجع (Irreversible). فبمجرد دخول متغير مستقل إلى النموذج في خطوة مبكرة، فإنه يظل محبوساً داخله بشكل دائم، حتى لو أصبح هذا المتغير لاحقاً غير ذي دلالة إحصائية أو متكرراً وزائداً عن الحاجة نتيجة دخول متغيرات أخرى جديدة تشاركه تباينه وتتفوق عليه في القوة التفسيرية.

2.2 استراتيجية الاستبعاد الخلفي (Backward Elimination)

تمثل استراتيجية الاستبعاد الخلفي (Backward Elimination) المسار المعاكس تماماً لمنهج الاختيار الأمامي؛ حيث تنطلق الخوارزمية من نموذج كامل وشامل يحتوي على جميع المتغيرات المستقلة المتاحة للتحليل دفعة واحدة ($y = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + dots + \beta_k x_k + \varepsilon$). يتم تقدير معلمات هذا النموذج المشبع بالكامل وفحص الدلالة الإحصائية الفردية لكل معلمة باستخدام اختبارات F الجزئية أو اختبارات “ت” المقابلة لها.

في الخطوة التالية، تبحث الخوارزمية عن المتغير صاحب أدنى إسهام جزئي في النموذج، وهو المتغير الذي يمتلك أقل قيمة لاختبار F الجزئي وأعلى قيمة احتمالية (p-value). فإذا كانت هذه القيمة الاحتمالية تتجاوز حد العتبة الإحصائية المحدد مسبقاً للاستبعاد—والمعروف في برنامج SAS بـ (Significance Level for Staying أو SLSTAY)—يتم حذف هذا المتغير نهائياً من النموذج. وبمجرد استبعاد المتغير، يقوم البرنامج بإعادة تقدير جميع معلمات النموذج المتبقية من جديد، نظراً لأن حذف أي متغير يؤدي بالضرورة إلى إعادة توزيع التباين بين المتغيرات الباقية وتعديل درجات حرية الخطأ.

تستمر هذه الدورة التكرارية في مراجعة وحذف المتغيرات واحداً تلو الآخر حتى تصل الخوارزمية إلى نقطة تكون فيها جميع المتغيرات المتبقية داخل النموذج محققة للدلالة الإحصائية المطلوبة ومستوفية لشرط البقاء. يفضل العديد من الإحصائيين هذه الطريقة على الاختيار الأمامي لأنها تتيح فحص أثر المتغير المستقل في وجود كافة المتغيرات التفسيرية الأخرى منذ البداية؛ ومع ذلك، تصطدم الاستراتيجية بعائق منهجي خطير إذا كان عدد المتغيرات المستقلة أكبر من حجم العينة ($k ge n$)، أو في حالات وجود تعدد خطي شديد (Severe Multicollinearity) يجعل مصفوفة التغاير شبه شاذة وغير قابلة للانقلاب الرياضي في الخطوة الأولى.

2.3 الأسلوب التدريجي الهجين (Stepwise Hybrid Approach)

يُعد الأسلوب التدريجي الهجين—والذي يُطلق عليه في الغالب مجرد “الانحدار التدريجي” بالمعنى الدقيق—الحل التوفيقي الأكثر تطوراً ورصانة بين طريقتي الاختيار الأمامي والاستبعاد الخلفي. صُممت هذه الخوارزمية الذكية لتتغلب على العيوب المنهجية الكامنة في كلتا الطريقتين السابقتين من خلال الجمع التفاعلي بين آليتي الإضافة التتابعية والفحص التراجعي المستمر للمتغيرات المدرجة في فضاء النموذج.

تبدأ العملية تماماً كما في طريقة الاختيار الأمامي، حيث يُفحص النموذج فارغاً ويُدخل المتغير الأقوى ارتباطاً بالمتغير التابع وفق معيار الدخول SLENTRY. ولكن، يكمن التمايز الجوهري في الخطوات التالية؛ ففي كل مرة يتم فيها إدخال متغير جديد إلى النموذج، لا تكتفي الخوارزمية بالاستعداد للخطوة القادمة، بل تتوقف لتجري مراجعة إحصائية شاملة لجميع المتغيرات التي سبق قبولها في النموذج في الخطوات السابقة، وتعيد حساب قيم اختبار F واختبار “ت” الجزئية لكل منها في ضوء وجود العنصر الوافد حديثاً.

إذا تبين أن متغيراً كان دالاً إحصائياً في خطوة سابقة قد فقد دلالته وأصبح غير دال (تجاوزت قيمته الاحتمالية حد الاستبعاد SLSTAY) نتيجة دخول المتغير الجديد الذي امتص تباينه المشترك، تقوم الخوارزمية فوراً بطرده واستبعاده من النموذج قبل البحث عن متغير جديد لإدخاله. يستمر هذا التبادل الديناميكي بين الإدخال والفحص والاستبعاد حتى يتحقق شرط التوازن الرياضي التام، وهو الحالة التي لا يفي فيها أي متغير خارج النموذج بشرط الدخول، وفي الوقت ذاته تحافظ جميع المتغيرات داخل النموذج على شرط البقاء، وعندها تعلن الخوارزمية توقفها واعتماد النموذج النهائي المستقر.

3. معايير الدخول والاستبعاد الإحصائية في بيئة SAS

3.1 مستويات الدلالة الإحصائية للدخول والبقاء (SLENTRY و SLSTAY)

تعتمد محركات الاختيار التدريجي في بيئة SAS بشكل أساسي على معيارين محوريين يتحكمان في تدفق المتغيرات عبر فضاء النموذج: مستوى الدلالة للدخول (Significance Level for Entry ويُرمز له اختصاراً SLENTRY أو SLE)، ومستوى الدلالة للبقاء (Significance Level for Staying ويُرمز له اختصاراً SLSTAY أو SLS). يحدد هذان المعياران حدود القيمة الاحتمالية الحرجة (Critical p-value) لاختبارات F الجزئية المقترنة بكل خطوة برمجية تتخذها الخوارزمية.

القاعدة الإحصائية الصارمة التي تشدد عليها كافة مراجع القياس والتحليل تقتضي أن تكون قيمة SLSTAY أكبر من أو مساوية لقيمة SLENTRY، أو بمعنى أدق، أن يكون معيار البقاء أكثر تسامحاً أو مكافئاً لمعيار الدخول؛ إذ لو حدث العكس وكانت قيمة SLSTAY أقل من قيمة SLENTRY (أي أن معيار البقاء أكثر تشدداً من معيار الدخول)، فقد تقع الخوارزمية في حلقة مفرغة لامتناهية (Infinite Loop)، حيث يدخل المتغير في خطوة معينة محققاً شرط الدخول، ثم يُطرد في الخطوة ذاتها أو التالية لعدم تحقيقه شرط البقاء، ليعود ويدخل من جديد في الخطوة اللاحقة وهكذا دون توقف.

في إجراء PROC REG داخل برنامج SAS، تبلغ القيمة الافتراضية لكل من SLENTRY و SLSTAY مستوى 0.15 (أو 15%). هذا الاختيار الافتراضي من قِبل مطوري SAS لم يأت اعتباطاً، بل يستند إلى دراسات محاكاة مونت كارلو الكلاسيكية (مثل دراسات Bendel & Afifi و Kennedy & Bancroft) التي أظهرت أن استخدام مستوى الدلالة التقليدي 0.05 غالباً ما يكون شديد الصرامة في المراحل الاستكشافية، مما يتسبب في استبعاد متغيرات تفسيرية مهمة تمتلك تأثيراً حقيقياً ولكنها تعاني من ضعف مؤقت في القوة الإحصائية نتيجة تداخل المعلمات. ومع ذلك، يمتلك الباحث في SAS المرونة الكاملة لإعادة ضبط هذه القيم بما يلائم طبيعة بحثه وأهدافه المنهجية.

3.2 معايير جودة التوفيق ونظرية المعلومات

إلى جانب مستويات الدلالة الاحتمالية التقليدية، توفر بيئة SAS خيارات متقدمة للاختيار التدريجي للمتغيرات استناداً إلى معايير نظرية المعلومات وجودة التوفيق الإحصائي الشامل. من أبرز هذه المعايير معيار أكايكي للمعلومات (Akaike Information Criterion – AIC) ومعيار شوارتز البايزي (Schwarz Bayesian Criterion – SBC، والمعروف دولياً بـ BIC). تقوم هذه المقاييس على معاقبة النموذج بناءً على عدد المعلمات المقدرة؛ فبينما يؤدي إدخال أي متغير جديد حتماً إلى خفض مجموع مربعات الخطأ، يضيف المعيار جزاءً حسابياً (Penalty Term) يعوض هذا الانخفاض إذا لم يكن المتغير يضيف معلومة حقيقية تفوق كلفة تعقيد النموذج.

معيار آخر بالغ الأهمية هو مقياس مالوز الإحصائي ($C_p$ Statistic أو Mallows’ $C_p$). صُمم هذا المعيار خصيصاً لمقارنة النماذج المختصرة بالنموذج الكامل المشبع، حيث يقيس حجم الخطأ التربيعي المتوسط الكلي المعياري للتنبؤات. النموذج الأمثل وفق معيار مالوز هو النموذج الذي تكون فيه قيمة $C_p$ صغيرة وقريبة جداً من عدد المعلمات المقدرة في النموذج بما في ذلك الحد الثابت ($C_p \approx p$)، حيث تشير القيم التي تتجاوز $p$ بشكل كبير إلى وجود تحيز إحصائي ناتج عن إغفال متغيرات جوهرية (Model Underfitting)، في حين تشير القيم الأقل بكثير من $p$ إلى احتمالية وجود خطأ في تقدير تباين الخطأ الكامل.

كما يراقب المحللون تطور معامل التحديد ($R^2$) ومعامل التحديد المعدل (Adjusted $R^2$)؛ والجدير بالذكر أن الاعتماد على $R^2$ بمفرده كمعيار للاختيار التدريجي يُعد خطأً فادحاً، لأنه دالة متزايدة رتيبة تزداد دائماً بإضافة أي متغير جديد حتى لو كان رقماً عشوائياً خالصاً، في حين أن المعايير المعاقبة للتعقيد كمعيار $C_p$ و AIC و Adjusted $R^2$ توفر حماية منهجية ضد إغراق النموذج بحشو إحصائي عديم الفائدة.

3.3 مخاطر التحيز وظاهرة الإفراط في التوفيق (Overfitting)

على الرغم من القوة الحسابية الفائقة لخوارزميات الانحدار التدريجي، إلا أنها تنطوي على مخاطر إحصائية ومنهجية جوهرية يجب على الباحث إدراكها بوعي كامل؛ وفي مقدمة هذه المخاطر ظاهرة الإفراط في التوفيق (Overfitting). تحدث هذه الظاهرة عندما يصبح النموذج مفصلاً بدقة متطرفة على مقاس عينة البيانات المتاحة لدرجة أنه يلتقط التباين العشوائي (Noise) والأخطاء غير المنتظمة للعينة بدلاً من التقاط العلاقات الحقيقية الثابتة في المجتمع الإحصائي الأصلي، مما يجعل النموذج فاشلاً وغير قادر على التنبؤ بصورة موثوقة عند تطبيقه على عينات جديدة مستقلة.

تنشأ هذه المشكلة نتيجة ما يُعرف في الإحصاء بـ “تضخم معدل الخطأ من النوع الأول” (Inflation of Type I Error Rate). فبما أن الخوارزمية تقوم بفحص ومقارنة عدد كبير جداً من التباديل والتوافيق بين المتغيرات في كل خطوة واختيار الأفضل منها بناءً على الفروق العشوائية الطفيفة في العينة، فإن القيم الاحتمالية الاسمية (Nominal p-values) الناتجة في المخرجات لا تعود خاضعة لتوزيعات F أو t القياسية، بل تصبح متحيزة جداً نحو رفض الفرض الصفري بمعدل أعلى بكثير من مستوى ألفا الاسمي المختار، وهو ما يؤدي إلى تضليل الباحث وإعطائه ثقة زائفة في دلالة متغيرات قد لا تكون مؤثرة إطلاقاً في واقع الأمر.

يتعاظم هذا الخطر بشكل ملحوظ عندما يكون حجم العينة صغيراً مقارنة بعدد المتغيرات التفسيرية المرشحة؛ حيث تُظهر البيانات الصغيرة ارتباطات زائفة قوية بمحض الصدفة البحتة. وللحد من هذه الانحيازات المنهجية، يوصي الإحصائيون بعدم الاعتماد الأعمى على الآلية التلقائية، واستخدام استراتيجيات التحقق المتقاطع (Cross-Validation)، والالتزام بحجم عينة كافٍ، ومراجعة النموذج النهائي في ضوء النظريات الراسخة وليس فقط الأرقام المجردة التي تفرزها الشاشات الحسابية.

4. نظرة عامة على إجراء PROC REG في برنامج SAS

4.1 البنية الأساسية وكفاءة إجراء PROC REG

يحتل إجراء PROC REG مكانة القلب والركيزة الأساسية في نظام SAS للتحليلات الإحصائية الخطية. صُمم هذا الإجراء خصيصاً لتقدير نماذج الانحدار الخطي بطريقة المربعات الصغرى العادية (Ordinary Least Squares – OLS)، ويتميز بسرعة خوارزمياته وقدرته الفائقة على التعامل مع مصفوفات البيانات الكبيرة والمتعددة التي قد تعجز عن معالجتها البرمجيات الإحصائية الأخرى ذات البنية الرسومية الخفيفة.

بالمقارنة مع إجراءات SAS الأخرى مثل PROC GLM (الذي يركز على نماذج الخطية العامة وتحليل التباين باستخدام مصفوفات المؤشرات) أو PROC GLMSELECT (المخصص لتقنيات النمذجة الحديثة وانحدار الجزاء)، يركز PROC REG تركيزاً خالصاً على الانحدار المتعدد للمتغيرات المستمرة. تتيح هذه التخصصية لـ PROC REG توليد طيف واسع ومكثف من المؤشرات التشخيصية التي تشمل تحليل البواقي، واكتشاف القيم الشاذة والمشاهدات المؤثرة، وفحص مشاكل التعدد الخطي، بالإضافة إلى توفير خوارزميات انتقاء النماذج المتعددة تحت مظلة بيئية واحدة ذات استقرار برمجي عالٍ وموثوق تاريخياً في الأوساط الأكاديمية والسريرية.

تعتمد كفاءة الإجراء على معالجته الرياضية الذكية لمصفوفة الارتباط والتغاير دون الحاجة إلى إعادة قراءة جدول البيانات الأصلي من القرص الصلب في كل خطوة تكرارية، مما يوفر وقتاً حسابياً هائلاً عند تطبيق الخوارزميات التدريجية المعقدة التي تتطلب مئات العمليات الحسابية المتتابعة لعزل وتقييم المتغيرات التفسيرية المختلفة.

4.2 صياغة عبارة النموذج MODEL ومتغيراتها

تُمثل عبارة MODEL العصب التشغيلي الأساسي داخل إجراء PROC REG، حيث تحدد الهيكل الرياضي للعلاقة التنبؤية المراد اختبارها. الصياغة النحوية (Syntax) للعبارة تتبع قالباً منطقياً بسيطاً ومحكماً يبدأ باسم العبارة متبوعاً باسم المتغير التابع، ثم علامة المساواة، وتليها قائمة المتغيرات المستقلة المفصولة بمسافات بيضاء، وتنتهي بفاصلة منقوطة، كما هو موضح في البنية العامة التالية:

PROC REG DATA=Dataset_Name;
    MODEL Dependent_Variable = Independent_Variables / Options;
RUN;
QUIT;

ما يميز عبارة MODEL هو ما يلي الخط المائل (Slash /) من خيارات تشغيلية متقدمة (Options). يتيح هذا القسم للمستخدم التحكم في مخرجات التحليل، وتحديد أساليب اختيار المتغيرات، وطلب المؤشرات التشخيصية المتطورة. من الأخطاء البرمجية الشائعة التي يقع فيها المبتدئون محاولة إدراج متغيرات تصنيفية اسمية (Categorical/Class Variables) مباشرة داخل عبارة MODEL في PROC REG دون تحويلها مسبقاً إلى متغيرات وهمية (Dummy Variables)، حيث لا يدعم PROC REG عبارة CLASS الموجودة في إجراءات أخرى مثل PROC GLM، وهو ما يتطلب إعداداً مسبقاً للبيانات في خطوة DATA لضمان ترميز كافة المتغيرات بصيغة رقمية كمية ملائمة للتحليل الرياضي.

4.3 تفعيل خيار الانتقاء التلقائي SELECTION=

يُعد الخيار SELECTION= المفتاح السحري الذي يحول إجراء PROC REG من نمط الانحدار التقديري الثابت التقليدي إلى نمط الخوارزميات التلقائية لانتقاء المتغيرات وتصفيتها. من خلال إسناد قيم محددة لهذا الخيار بعد الخط المائل في عبارة MODEL، يوجه الباحث النظام البرمجي لتطبيق المنهجية التي تناسب خطته التحليلية. يدعم البرنامج مجموعة واسعة من القيم، من أهمها:

• SELECTION=STEPWISE: لتفعيل خوارزمية الانحدار التدريجي الهجين التي تجمع بين الإضافة الأمامية والفحص التراجعي المستمر.
• SELECTION=FORWARD: لتطبيق استراتيجية الاختيار الأمامي التتابعي دون إمكانية استبعاد أي متغير يتم إدخاله.
• SELECTION=BACKWARD: للبدء بنموذج مشبع بكافة المتغيرات وحذف العناصر غير الدالة خطوة بخطوة.
• SELECTION=MAXR: لتقنية التدوير وتحقيق أقصى زيادة ممكنة في معامل التحديد $R^2$ لكل حجم نموذج محدد.
• SELECTION=RSQUARE: لفحص وتوليد كافة النماذج الممكنة وتقييمها وفق معامل التحديد ومؤشر مالوز $C_p$.

وعند اختيار SELECTION=STEPWISE، يفتح نظام SAS إمكانية دمج خيارات فرعية إضافية ذات أهمية بالغة للتحكم في سلوك الخوارزمية؛ مثل تحديد معايير الدخول والاستبعاد البرمجية SLE= و SLS=، أو طلب التقارير التفصيلية لحسابات مصفوفات كل خطوة عبر الخيار DETAILS، مما يمنح الباحث شفافية كاملة وقدرة على مراقبة القرارات الإحصائية التي اتخذتها الآلة عبر مراحل البناء التتابعي للنموذج.

5. إعداد البيانات وتجهيز مصفوفة المتغيرات في SAS

5.1 وصف المتغيرات التجريبية وبنيتها الرياضية

لتطبيق خوارزمية الانحدار التدريجي بشكل عملي وملموس، سنعتمد في هذا الدليل على إحدى مجموعات البيانات الكلاسيكية الأكثر شهرة ورصانة في تاريخ الإحصاء التطبيقي، وهي بيانات “هالد” (Hald Cement Data)، والتي طالما استُخدمت في كبريات المراجع الأكاديمية (مثل مراجع Draper & Smith و Montgomery et al.) لشرح آليات اختيار المتغيرات وتشخيص التعدد الخطي.

تتألف هذه المصفوفة من متغير تابع مستمر واحد، يُرمز له بالرمز y، ويمثل كمية الحرارة المنبعثة من تفاعل تصلب الأسمنت بوحدات السعرات الحرارية لكل غرام (Calories per gram of cement). وتخضع هذه الظاهرة الفيزيائية لتأثير أربعة متغيرات تفسيرية مستقلة مستمرة ($x_1, x_2, x_3, x_4$) تمثل النسب المئوية للمكونات الكيميائية الأساسية في تركيبة الأسمنت البورتلاندي، وهي كالتالي:

• y: المتغير التابع (كمية الحرارة المنبعثة بعد التصلب).
• x1: النسبة المئوية لمركب ألومينات ثلاثي الكالسيوم (Tricalcium aluminate: $3CaO \cdot Al_2O_3$).
• x2: النسبة المئوية لمركب سيليكات ثلاثي الكالسيوم (Tricalcium silicate: $3CaO \cdot SiO_2$).
• x3: النسبة المئوية لمركب حديدات ألومينات رباعي الكالسيوم (Tetracalcium aluminoferrite: $4CaO \cdot Al_2O_3 \cdot Fe_2O_3$).
• x4: النسبة المئوية لمركب سيليكات ثنائي الكالسيوم (Dicalcium silicate: $2CaO \cdot SiO_2$).

البنية الرياضية لهذه البيانات تجعلها نموذجاً مثالياً لاختبار قدرات الانحدار التدريجي؛ إذ ترتبط هذه المكونات الكيميائية ببعضها البعض بعلاقات تشابكية قوية تخلق درجات ملحوظة من الارتباط الخطي التداخلي (Multicollinearity)، حيث يرتبط المتغيران $x_1$ و $x_3$ ارتباطاً عكسياً ملحوظاً، وكذلك المتغيران $x_2$ و $x_4$، مما يضع الخوارزمية أمام تحدٍ حقيقي لانتقاء التركيبة الأكثر كفاءة دون التورط في تضخيم تباين المعلمات التنبؤية.

5.2 إنشاء جدول البيانات باستخدام خطوة DATA و DATALINES

لبناء مجموعة البيانات التجريبية داخل بيئة SAS، نقوم بكتابة كود برمجي بسيط ومباشر يعتمد على خطوة DATA الأساسية. يتم تعريف جدول البيانات باسم my_data، وتُستخدم عبارة INPUT للإعلان عن المتغيرات الخمسة ونوعها الرقمي، ومن ثم تُدرج السجلات التجريبية البالغ عددها 13 مشاهدة قياسية عبر عبارة DATALINES. فيما يلي الكود المصدري الكامل لإنشاء الجدول داخل بيئة العمل:

DATA my_data;
   INPUT y x1 x2 x3 x4;
   DATALINES;
 78.5  7 26  6 60
 74.3  1 29 15 52
104.3 11 56  8 20
 87.6 11 31  8 47
 95.9  7 52  6 33
109.2 11 55  9 22
102.7  3 71 17  6
 72.5  1 31 22 44
 93.1  2 54 18 22
115.9 21 47  4 26
 83.8  1 40 23 34
113.3 11 66  9 12
109.4 10 68  8 12
;
RUN;

عند تنفيذ هذه الخطوة، من الأهمية المنهجية بمكان أن يقوم الباحث فوراً بفحص سجل العمليات البرمجي (SAS Log Window)؛ حيث يُعد السجل خط الدفاع الأول للتحقق من خلو الكود من أي أخطاء مطبعية أو إشارات تحذيرية. يجب التأكد من ظهور رسالة تؤكد إنشاء الجدول بنجاح: “NOTE: The data set WORK.MY_DATA has 13 observations and 5 variables”، والتأكد التام من عدم وجود قيم مفقودة ناتجة عن عدم تطابق مواضع الأرقام أو نسيان الفاصلة المنقوطة الختامية.

5.3 فحص سلامة البيانات واكتشاف القيم الشاذة مبدئياً

قبل الشروع المتهور في تشغيل خوارزميات النمذجة التلقائية، تقتضي الأعراف الإحصائية الصارمة إجراء فحص استكشافي أولي لسلامة البيانات واتساقها الداخلي. في بيئة SAS، يُعد إجراء PROC MEANS الأداة القياسية الأسرع لحساب الإحصاءات الوصفية الأساسية، بما في ذلك المتوسط الحسابي، والانحراف المعياري، والحدين الأدنى والأعلى لكل متغير، وذلك للتحقق من عدم وجود قيم مدخلة خارج النطاق المنطقي للتجربة:

PROC MEANS DATA=my_data N MEAN STD MIN MAX;
   VAR y x1 x2 x3 x4;
RUN;

يساعد هذا الفحص المبدئي في تأكيد عدم وجود أي خلايا مفقودة (Missing Values)، حيث إن وجود قيم مفقودة في أي مشاهدة سيؤدي افتراضياً إلى استبعاد تلك المشاهدة بالكامل من مصفوفة التحليل في إجراء PROC REG عبر تقنية الحذف القائم على السجل (Listwise Deletion)، مما قد يقلل من حجم العينة الفعال ويضعف القوة الإحصائية للاختبارات.

تجدر الإشارة هنا إلى أن حجم العينة في هذا المثال التطبيقي الكلاسيكي هو حجم صغير نسبي ($N = 13$)، وهو أمر مقصود بيداغوجياً لتسهيل التتبع الذهني واليدوي لكافة العمليات الحسابية ودرجات الحرية وقيم اختبار F التي تولدها الخوارزمية عبر خطواتها التتابعية. ومع ذلك، من الناحية المنهجية العامة، يجب التعامل بحذر شديد مع العينات الصغيرة في البحوث الواقعية، نظراً لحساسيتها العالية للقيم المتطرفة وقدرتها المحدودة على تمثيل العلاقات المعقدة في المجتمعات الواسعة.

6. التطبيق العملي: تنفيذ كود الانحدار التدريجي في SAS

6.1 صياغة الكود البرمجي الكامل لإجراء PROC REG

بعد التحقق من استقرار مصفوفة البيانات في بيئة العمل، ننتقل إلى صياغة الكود التطبيقي لإجراء الانحدار التدريجي. نستدعي إجراء PROC REG ونحدد جدول البيانات المصدر DATA=my_data، ثم نكتب عبارة MODEL محددين المتغير التابع y في الطرف الأيسر، والمتغيرات الأربعة ($x_1, x_2, x_3, x_4$) في الطرف الأيمن، ونرفق الخيار الإلزامي / SELECTION=STEPWISE لتفعيل الخوارزمية الهجينة، كما يوضح الكود الأساسي التالي:

/* تشغيل الانحدار التدريجي القياسي في SAS */
PROC REG DATA=my_data;
   MODEL y = x1 x2 x3 x4 / SELECTION=STEPWISE;
RUN;
QUIT;

عند إرسال هذا الكود إلى محرك التنفيذ في SAS، يقوم البرنامج بتطبيق خوارزمية الاختيار التدريجي تلقائياً عبر فحص تتابعي يبدأ بنموذج فارغ، ثم يضيف المتغير الأفضل، ويفحص المتغيرات المحذوفة، ويكرر العملية دون أي تدخل يدوي من الباحث. تُعرض النتائج في نافذة العرض المنسقة (Results Viewer) مقسمة بشكل منطقي يوضح بالتفصيل ما جرى في كل خطوة حسابية مستقلة، تليها جداول الملخص النهائي للنموذج المعتمد.

6.2 تخصيص معايير الدخول والبقاء البرمجية

كما أشرنا سابقاً، يعتمد إجراء PROC REG افتراضياً على مستوى دلالة $0.15$ لكل من الدخول والبقاء. ومع ذلك، في كثير من الأبحاث الأكاديمية والسريرية المحكمة، تتطلب المعايير المنهجية تطبيق مستويات دلالة أكثر صرامة، كاعتماد المستوى التقليدي $0.05$ لمنع دخول المتغيرات الضعيفة، أو اعتماد مستوى مرن مثل $0.10$. يتيح لنا نظام SAS التحكم المطلق في هذه المعايير عبر الخيارين SLE= (Significance Level for Entry) و SLS= (Significance Level for Staying).

يوضح الكود التالي كيفية تعديل هذه المعايير البرمجية لتصبح متوافقة مع عتبة دلالة صارمة تبلغ $0.05$ للدخول و $0.05$ للبقاء، مع إضافة خيار DETAILS لطلب طباعة تقرير مفصل يوضح مصفوفات العمليات الحسابية والمعايير لجميع المتغيرات المرشحة في كل مرحلة من مراحل التحليل:

/* تخصيص معايير الدخول والبقاء عند مستوى دلالة 0.05 */
PROC REG DATA=my_data;
   MODEL y = x1 x2 x3 x4 / SELECTION=STEPWISE 
                           SLE=0.05 
                           SLS=0.05 
                           DETAILS;
RUN;
QUIT;

إن تعديل هذه المعايير يحمل أثراً مباشراً وجوهرياً على بنية النموذج النهائي؛ فكلما كانت المعايير أكثر تحفظاً وصغراً (مثل $0.01$ أو $0.05$)، كلما كان النموذج المفرز مقتضباً وبسيطاً يحتوي على أقل عدد من المتغيرات فائقة القوة فقط. وعلى العكس، كلما كانت المستويات متساهلة (مثل $0.20$ أو $0.25$)، كلما سمحت الخوارزمية بإدراج متغيرات ذات تأثيرات متواضعة قد تكون مفيدة في سياقات التنبؤ الاستكشافي ولكنها تزيد من خطر الإفراط في التوفيق (Overfitting).

6.3 إدارة وحفظ مخرجات التحليل عبر نظام ODS

يوفر نظام تسليم المخرجات في SAS—المعروف اختصاراً بـ ODS (Output Delivery System)—مرونة استثنائية في إدارة وتوجيه وتصدير نتائج التحليل الإحصائي بدلاً من بقائها حبيسة شاشات العرض التقليدية. يتيح نظام ODS تحويل الجداول الإحصائية الناتجة مباشرة إلى ملفات منسقة بصيغ متعددة مثل PDF أو RTF أو جداول صفحات الويب HTML، فضلاً عن إمكانية حفظ جداول المعلمات وتقديرات النموذج في مجموعات بيانات SAS جديدة يمكن توظيفها في تحليلات تالية أو رسم منحنيات تنبؤية مخصصة.

يوضح النموذج البرمجي التالي كيفية استغلال نظام ODS لتصدير مخرجات الانحدار التدريجي كملف مخرجات نظيف، مع حفظ جدول ملخص الاختيار التدريجي وجدول تقديرات المعلمات كجداول بيانات منفصلة للتوثيق الأكاديمي:

/* تصدير النتائج وحفظ الجداول التشغيلية عبر ODS */
ODS HTML FILE='Stepwise_Regression_Report.html' STYLE=HTMLBLUE;
ODS OUTPUT SelectionSummary = Stepwise_Summary
           ParameterEstimates = Final_Parameters;

PROC REG DATA=my_data;
   MODEL y = x1 x2 x3 x4 / SELECTION=STEPWISE;
RUN;
QUIT;

ODS OUTPUT CLOSE;
ODS HTML CLOSE;

يضمن هذا الأسلوب المؤسسي في البرمجة أرشفة كافة الخطوات الرياضية والنتائج الرقمية وفق مبادئ “القابلية لإعادة الإنتاج العلمي” (Reproducibility)، حيث يستطيع الباحث في أي وقت إعادة توليد نفس الجداول الدقيقة ومشاركتها مع المراجعين والمحكمين دون أي تشويه في التنسيقات أو فقدان في الدقة الرقمية للحسابات الإحصائية.

7. قراءة وتفسير مخرجات الانحدار التدريجي في SAS خطوة بخطوة

7.1 تحليل الخطوة الأولى: دخول المتغير الأكثر ارتباطاً

عند تشغيل الكود القياسي للبيانات التجريبية، تفتتح شاشة مخرجات SAS تقريرها بعنوان صريح: Step 1: Variable x4 Entered. يشير هذا العنوان فوراً إلى أن الخوارزمية، بعد فحصها لمصفوفة الارتباط البسيط لكافة المتغيرات المرشحة ($x_1, x_2, x_3, x_4$) مع المتغير التابع $y$، وجدت أن المتغير $x_4$ هو صاحب أعلى ارتباط وأكبر قيمة لاختبار F المحسوب بين سائر المتغيرات.

تُظهر نتائج الخطوة الأولى ما يلي بالتفصيل الرياضي:

• قيمة اختبار F للدخول: $F = 22.799$ بدرجات حرية $(1, 11)$.
• القيمة الاحتمالية المرافقة: $p = 0.0006$ (وهي أصغر بكثير من حد العتبة الافتراضي $SLE = 0.15$).
• معامل التحديد الجزئي (Partial $R^2$): بلغ $0.6745$، وهو ذاته معامل التحديد الإجمالي للنموذج (Model $R^2$) في هذه المرحلة لأن النموذج لا يحتوي إلا على هذا المتغير المستقل فقط بجانب الثابت الإحصائي.
• قيمة مؤشر مالوز: $C_p = 138.731$ (وهي قيمة مرتفعة جداً مقارنة بعدد المعلمات $p=2$، مما يؤكد بوضوح أن نموذج المتغير الواحد يعاني من نقص حاد في المتغيرات التفسيرية ووجود تحيز تقديري كبير).

يتضح من خلال هذه المؤشرات أن المتغير $x_4$ بمفرده استطاع تفسير ما يقارب $67.45%$ من التباين الكلي في كمية الحرارة المنبعثة من الأسمنت، وبناءً على تحقيقه لمعيار الدخول الإحصائي المعتمد، تم ضمه رسمياً كأول لبنة في صرح النموذج التنبؤي المتدرج.

7.2 تحليل الخطوات المتتابعة: إضافة وحذف المتغيرات الإضافية

في الخطوة الثانية (Step 2: Variable x1 Entered)، انتقلت الخوارزمية لفحص مصفوفة الارتباط الجزئي للمتغيرات الثلاثة المتبقية خارج النموذج ($x_1, x_2, x_3$) بعد تثبيت أثر المتغير $x_4$. أظهرت الحسابات أن المتغير $x_1$ يمتلك أعلى إسهام جزئي إضافي؛ حيث حقق قيمة لاختبار F بلغت $F = 108.22$ بقيمة احتمالية فائقة الدلالة ($p < 0.0001$). أدى دخول المتغير $x_1$ إلى قفزة هائلة في معامل التحديد الإجمالي للنموذج حيث ارتفع من $0.6745$ إلى $0.9725$ (بإسهام جزئي بلغ $0.2979$)، كما هبطت قيمة مؤشر مالوز هبوطاً دراماتيكياً من $138.73$ إلى $2.678$. بعد ذلك، قامت الخوارزمية بمراجعة المتغير $x_4$ في ضوء وجود $x_1$، فتبين أنه لا يزال يحافظ على دلالته الإحصائية ($p < 0.05$) وبالتالي تقرر إبقاؤه داخل النموذج.

في الخطوة الثالثة (Step 3: Variable x2 Entered)، قامت الخوارزمية بفحص المتغيرين الباقيين ($x_2, x_3$) في ضوء وجود المتغيرين السابقين ($x_1, x_4$). أظهرت الحسابات أن المتغير $x_2$ استوفى شرط الدخول بقيمة احتمالية $p = 0.0517$ (وهي أقل من حد العتبة الافتراضي $0.15$)، فتم إدخاله، ليرتفع معامل التحديد الكلي طفيفاً إلى $0.9823$. وهنا تبرز العبقرية البرمجية للأسلوب الهجين؛ فبمجرد دخول $x_2$، أعادت الخوارزمية فحص المتغيرات السابقة، فتبين فوراً أن المتغير $x_4$ فقد دلالته الإحصائية تماماً، حيث تراجعت قيمة F الجزئية الخاصة به وارتفعت قيمته الاحتمالية لتسجل $p = 0.2046$، وهي قيمة تتجاوز حد البقاء الافتراضي ($SLS = 0.15$).

بناءً على ذلك، انتقلت الخوارزمية إلى الخطوة الرابعة (Step 4: Variable x4 Removed)؛ حيث قامت بطرد واستبعاد المتغير $x_4$ من النموذج. بعد حذفه، أُعيد تقدير النموذج ليحتوي فقط على المتغيرين ($x_1, x_2$)، حيث بلغ معامل التحديد الكلي $0.9787$ وقيمة مؤشر مالوز $C_p = 2.68$، وأظهر كلاهما دلالة إحصائية فائقة ($p < 0.0001$). في الخطوة التالية، فحصت الخوارزمية إمكانية إعادة إدخال أي من المتغيرين المتبقين في الخارج ($x_3, x_4$)، فوجدت أن أياً منهما لا يحقق شرط الدخول ($p > 0.15$)، وعند هذه النقطة الحاسمة أعلنت الخوارزمية توقفها التام واعتماد النموذج المكون من المتغيرين ($x_1, x_2$) كنموذج نهائي مستقر ومكتمل.

7.3 تفسير جدول ملخص الاختيار التدريجي (Summary of Stepwise Selection)

في ختام عملية الانتقاء، يولد إجراء PROC REG جدولاً بانورامياً بالغ الأهمية يُدعى “Summary of Stepwise Selection”. يُلخص هذا الجدول المسار التاريخي الكامل للقرارات الإحصائية التي اتخذتها الخوارزمية منذ انطلاقها وحتى وصولها إلى حالة الاستقرار. يحتوي هذا الجدول على أعمدة قياسية ثابتة تقدم قراءة معمقة لتطور جودة النموذج:

• Step: رقم الخطوة التتابعية الحسابية (من 1 إلى 4).
• Variable Entered / Removed: اسم المتغير الذي تم إدخاله إلى النموذج أو المتغير الذي تم استبعاده وحذفه في تلك الخطوة.
• Number of Vars In: العدد التراكمي للمتغيرات المستقلة الموجودة داخل النموذج في نهاية كل خطوة.
• Partial R-Square: مقدار التباين الجزئي الإضافي الذي أضافه المتغير المدخل (أو المفقود نتيجة حذف متغير).
• Model R-Square: معامل التحديد التراكمي الإجمالي لكافة المتغيرات الموجودة في النموذج عند نهاية الخطوة.
• C(p): قيمة مؤشر مالوز لجودة التوفيق، والتي تتيح تتبع مسار اقتراب النموذج من نقطة انعدام التحيز.
• F Value & Pr > F: قيمة اختبار F الجزئي والقيمة الاحتمالية المرافقة لقرار الدخول أو الاستبعاد في تلك الخطوة المحددة.

تكمن الأهمية التحليلية لهذا الجدول في قدرته على تزويد الباحث برؤية نسقية سريعة لديناميكية المتغيرات؛ حيث نلاحظ بوضوح كيف أن استبعاد المتغير $x_4$ في الخطوة الرابعة لم يُنقص معامل التحديد الإجمالي إلا بمقدار طفيف جداً لا يتعدى $0.0036$ (من $0.9823$ إلى $0.9787$)، ولكنه في المقابل وفر درجة حرية ثمينة وتخلص من متغير أصبح مكرراً وفاقداً للدلالة في وجود المتغير $x_2$، مما برهن بالدليل الحسابي على كفاءة الخوارزمية في تبسيط النموذج دون التضحية بقدرته التفسيرية المتميزة.

8. تقييم النموذج النهائي المستقر وتقدير المعلمات

8.1 تحليل جدول تقدير المعلمات (Parameter Estimates)

يمثل جدول تقدير المعلمات (Parameter Estimates) الثمرة التطبيقية الكبرى لتحليل الانحدار التدريجي، حيث يعرض القيم الرقمية الدقيقة للمعاملات غير المعيارية (Unstandardized Coefficients) التي تؤلف معادلة الانحدار النهائية، بجانب الأخطاء المعيارية وقيم اختبارات الدلالة الفردية. بالنظر إلى مخرجات النموذج النهائي المستقر لبيانات هالد، نجد التقديرات المحددة التالية:

• الحد الثابت (Intercept: $\beta_0$): القيمة المقدرة بلغت $52.57735$، بخطأ معياري قدره $2.28617$، وقيمة اختبار $t = 23.00$، مع قيمة احتمالية فائقة الصغر ($p < 0.0001$). يمثل هذا الرقم رياضياً القيمة التنبؤية المتوقعة للحرارة المنبعثة من الأسمنت عندما تكون نسب المكونين الكيميائيين $x_1$ و $x_2$ مساوية للصفر نظرياً.
• معامل المتغير x1 ($\beta_1$): القيمة المقدرة بلغت $1.46831$، بخطأ معياري قدره $0.12130$، وقيمة اختبار $t = 12.10$ ($p < 0.0001$). تشير هذه القيمة الإيجابية إلى وجود علاقة طردية قوية ذات دلالة إحصائية عالية؛ حيث إن زيادة نسبة مركب ألومينات ثلاثي الكالسيوم ($x_1$) بمقدار وحدة مئوية واحدة تؤدي، مع ثبات نسبة المركب الآخر، إلى زيادة متوسط الحرارة المنبعثة بمقدار $1.468$ سعرة حرارية تقريباً.
• معامل المتغير x2 ($\beta_2$): القيمة المقدرة بلغت $0.66225$، بخطأ معياري قدره $0.04585$، وقيمة اختبار $t = 14.44$ ($p < 0.0001$). تؤكد هذه النتيجة أيضاً وجود أثر إيجابي طردي دال إحصائياً؛ حيث تسهم زيادة نسبة مركب سيليكات ثلاثي الكالسيوم ($x_2$) بوحدة واحدة في رفع انبعاث الحرارة بمقدار $0.662$ سعرة حرارية بعد التحكم في أثر $x_1$.

بناءً على هذه التقديرات الصارمة، تتجسد معادلة الانحدار الرياضية التنبؤية النهائية المعتمدة للظاهرة على النحو التالي:

$$\hat{y} = 52.57735 + 1.46831(x_1) + 0.66225(x_2)$$

تتميز هذه المعادلة ببساطتها الرياضية الفائقة واعتمادها على متغيرين رئيسيين فقط من أصل أربعة متغيرات متداخلة، مما يجعل تطبيقها الميداني سهلاً ومنخفض التكلفة المعملية مع المحافظة على دقة تقديرية استثنائية.

8.2 تحليل تباين النموذج الإجمالي (ANOVA Table)

يقدم جدول تحليل التباين (Analysis of Variance – ANOVA) المصاحب للنموذج النهائي في بيئة SAS برهاناً رياضياً شاملاً على جودة التوفيق الكلية وصلاحية النموذج ككل للتنبؤ بالمتغير التابع. يقوم الجدول بتفكيك التباين الإجمالي للمتغير التابع (Total Sum of Squares) إلى مكونين أساسيين: التباين الذي استطاع النموذج تفسيره (Model Sum of Squares)، والتباين المتبقي غير المفسر المنسوب للأخطاء العشوائية والبواقي (Error Sum of Squares):

• مجموع مربعات النموذج (Model SS): بلغ $2657.8587$ بدرجتي حرية ($DF = 2$)، مما يعطي متوسط مربعات للنموذج قدره: $MS_{Model} = 1328.9293$.
• مجموع مربعات الخطأ (Error SS): بلغ $57.9045$ موزعة على $10$ درجات حرية ($DF = 10$)، مما ينتج متوسط مربعات للخطأ العشوائي قدره: $MS_{Error} = 5.79045$.
• المجموع الكلي للمربعات (Corrected Total SS): بلغ $2715.7631$ بعدد درجات حرية كلي بلغ $12$ ($N – 1$).

من خلال قسمة متوسط مربعات النموذج على متوسط مربعات الخطأ، يتم استخراج قيمة اختبار F العام لصلاحية النموذج الكلية:

$$F = \frac{MS_{Model}}{MS_{Error}} = \frac{1328.9293}{5.79045} = 229.50$$

وبما أن القيمة الاحتمالية المرافقة لاختبار F هذا هي $p < 0.0001$، فإننا نرفض الفرضية الصفرية القائلة بأن جميع معلمات النموذج مساوية للصفر ($\beta_1 = \beta_2 = 0$) بكل ثقة إحصائية، ونؤكد بصرامة أن النموذج النهائي يتمتع بقدرة تفسيرية حقيقية وفائقة تتجاوز بشكل قاطع أي احتمالية للمصادفة العشوائية في توزيع بيانات العينة.

8.3 تقييم القوة التفسيرية وجودة التوفيق للنموذج النهائي

لإصدار حكم منهجي رصين على كفاءة النموذج النهائي المستقر، يوفر إجراء PROC REG حزمة من مؤشرات جودة التوفيق القياسية التي تترجم الأداء التنبؤي للنموذج إلى أرقام نسبية ومعيارية دقيقة:

• معامل التحديد ($R^2$): استقر في النموذج النهائي عند $0.9787$. يعني هذا الرقم الاستثنائي أن التوليفة الثنائية المكونة من المتغيرين ($x_1, x_2$) استطاعت بمفردها تفسير ما نسبته $97.87%$ من إجمالي التباين الملاحظ في كمية الحرارة المنبعثة من الأسمنت، ولم يتبق سوى $2.13%$ فقط من التباين خاضعاً للأخطاء العشوائية أو لمتغيرات بيئية أخرى لم تقاس في التجربة.
• معامل التحديد المعدل (Adjusted $R^2$): سجل قيمة بلغت $0.9744$. يكتسب هذا المؤشر أهميته من كونه يصحح قيمة $R^2$ ضد تضخم التعقيد عبر احتساب درجات الحرية المستهلكة؛ وتقارب قيمته الكبيرة جداً مع معامل التحديد العادي يؤكد بجلاء أن النموذج لا يعاني من الحشو أو تضخم المعلمات التافهة.
• الجذر التربيعي لمتوسط مربعات الخطأ (Root MSE): سجل $2.4063$، وهو يمثل الانحراف المعياري الفعلي للأخطاء التنبؤية (البواقي) بنفس وحدة قياس المتغير التابع؛ وتعتبر هذه القيمة صغيرة جداً قياساً بمتوسط الظاهرة مما يعكس دقة تنبؤية عالية.
• معامل الاختلاف (Coefficient of Variation – Coeff Var): بلغ $2.5218%$؛ وهو مؤشر نسبي يُحسب بقسمة Root MSE على المتوسط الحسابي العام للمتغير التابع وضربه في مئة، ويشير انخفاضه إلى ما دون مستوى $5%$ إلى استقرار هندسي فائق لدقة النموذج التنبؤي عبر مختلف مستويات القياس.

تؤكد هذه المؤشرات مجتمعة أن الخوارزمية التدريجية نجحت نجاحاً تاماً في تحقيق الغاية المزدوجة المتمثلة في تعظيم الكفاءة التفسيرية والوصول إلى أقصى درجات الإيجاز الرياضي الرصين.

9. التحقق التشخيصي واختبار الفروض الإحصائية للنموذج في SAS

9.1 فحص مشكلة التعدد الخطي بين المتغيرات (Multicollinearity)

إن الوصول إلى نموذج نهائي عالي التوفيق لا يعفي الباحث بأي حال من الأحوال من فحص الافتراضات الإحصائية الهيكلية؛ وفي مقدمة هذه الفحوصات يبرز فحص مشكلة التعدد الخطي (Multicollinearity). تحدث هذه المشكلة عندما تكون المتغيرات المستقلة المتبقية في النموذج مرتبطة فيما بينها ارتباطاً خطياً قوياً، مما يؤدي إلى تضخيم الأخطاء المعيارية للمعلمات، وجعل التقديرات غير مستقرة وعالية الحساسية للتغيرات الطفيفة في البيانات، وصعوبة عزل الأثر الفريد لكل متغير.

في إجراء PROC REG داخل برنامج SAS، يمكن طلب أهم مؤشرات التعدد الخطي بسهولة عبر إضافة الخيارين VIF و TOL إلى نهاية عبارة MODEL، كما يوضح الكود التالي:

/* فحص مؤشرات التعدد الخطي للنموذج المختار */
PROC REG DATA=my_data;
   MODEL y = x1 x2 / VIF TOL;
RUN;
QUIT;

يقوم الخيار VIF بحساب معامل تضخم التباين (Variance Inflation Factor)، في حين يحسب الخيار TOL مقياس السماحية (Tolerance)؛ وهما وجهان لعملة رياضية واحدة حيث إن $TOL = 1 / VIF$. تشير الأدبيات القياسية المعتمدة إلى القواعد الإرشادية التالية:

• إذا كانت قيمة VIF تقترب من $1.0$، فهذا يدل على استقلال تام بين المتغيرات المستقلة.
• تعتبر قيمة VIF مقبولة ومطمئنة ما دامت دون عتبة $5.0$، في حين تشير القيم التي تتجاوز $10.0$ إلى وجود تعدد خطي حاد ومدمر يستوجب التدخل العلاجي الفوري.
• يقابل ذلك في مقياس السماحية: القيم الأقل من $0.10$ أو $0.20$ تُعد مؤشراً خطيراً على التداخل الخطي.

بالتطبيق على نموذجنا المختار ($x_1, x_2$)، سجل معامل تضخم التباين قيمة بلغت تقريباً $1.06$ لكلا المتغيرين، وبلغت السماحية $0.94$. تُعد هذه النتيجة نجاحاً تشخيصياً باهراً، حيث استطاعت الخوارزمية استبعاد المتغيرين ($x_3, x_4$) اللذين كانا يشتركان في علاقات ارتباط حادة مع ($x_1, x_2$)، مما خلص النموذج بالكامل من شبح التعدد الخطي ووفّر معلمات تتمتع باستقرار إحصائي وأخطاء معيارية متناهية الدقة.

9.2 تحليل البواقي وفحص تجانس التباين والاستقلالية

يقوم انحدار المربعات الصغرى العادية على فرضية محورية تقضي بأن الأخطاء العشوائية (البواقي: $e_i = y_i – \hat{y}_i$) تتسم بـ تجانس التباين (Homoscedasticity)، أي أن تباين الأخطاء يظل ثابتاً عبر كافة مستويات التنبؤ، فضلاً عن استقلالية الأخطاء (Independence) وعدم وجود ارتباط ذاتي بينها. في SAS، يمكن فحص استقلالية الأخطاء مباشرة بطلب اختبار دوربن-واتسون (Durbin-Watson) عبر الخيار DW في عبارة النموذج:

/* طلب اختبار دوربن-واتسون واستخراج المؤشرات التشخيصية */
PROC REG DATA=my_data;
   MODEL y = x1 x2 / DW;
   OUTPUT OUT=diagnostics PREDICTED=y_hat RESIDUAL=resid STUDENT=stud_resid COOKD=cooksd;
RUN;
QUIT;

تتراوح قيمة اختبار دوربن-واتسون الإحصائي بين $0$ و $4$؛ وتعتبر القيمة القريبة من $2.0$ دليلاً قاطعاً على استقلالية الأخطاء وخلوها من الارتباط الذاتي من الدرجة الأولى. تشير القيم الأقل بكثير من $2$ (القريبة من الصفر) إلى ارتباط ذاتي موجب، في حين تشير القيم القريبة من $4$ إلى ارتباط ذاتي سالب.

أما بالنسبة لتجانس التباين، فيتم تقييمه من خلال رسم البواقي المعيارية مقابل القيم التنبؤية؛ حيث يجب أن تتوزع النقاط بشكل عشوائي تماماً داخل نطاق أفقي متجانس دون أن تأخذ شكل القمع أو البوق (Funnel Shape). كما تُمكننا عبارة OUTPUT في الكود السابق من حساب مسافة كوك (Cook’s D) ومؤشر الرافعة (Leverage)، وذلك لاكتشاف أي مشاهدات متطرفة أو ذات تأثير جائر (Influential Points) قد تكون سحبت خط الانحدار نحوها وشوهت اتجاه العلاقات؛ وبصفة عامة، فإن أي مشاهدة تسجل مسافة كوك تتجاوز $1.0$ أو تتجاوز عتبة $4/n$ تستوجب مراجعة نقدية دقيقة ومستقلة لسجلها التجريبي.

9.3 فحص فرضية التوزيع الطبيعي للأخطاء العشوائية

تفترض الاختبارات الإحصائية الاستدلالية (اختبارات F واختبارات t وفترات الثقة) أن الأخطاء العشوائية للبواقي تتبع توزيعاً طبيعياً بمتوسط حسابي قدره صفر وتباين ثابت ($\varepsilon \sim N(0, \sigma^2)$). على الرغم من أن خرق هذا الافتراض لا يؤثر على خاصية عدم التحيز لمعلمات الانحدار، إلا أنه يقوض دقة وموثوقية القيم الاحتمالية ومستويات الدلالة الإحصائية، لا سيما في العينات الصغيرة.

للتحقق الصارم من اعتدالية البواقي التي قمنا باستخراجها في مجموعة البيانات diagnostics، نستدعي إجراء PROC UNIVARIATE ونفعل خيار الفحص التوزيعي NORMAL مع رسم مخطط الاحتمال الطبيعي PROBPLOT:

/* فحص اعتدالية بواقي النموذج عبر اختبارات التوزيع الطبيعي الرسمية */
PROC UNIVARIATE DATA=diagnostics NORMAL;
   VAR resid;
   PROBPLOT resid / NORMAL(MU=EST SIGMA=EST);
RUN;

يوفر هذا الإجراء حزمة من الاختبارات الإحصائية الصارمة للتوزيع الطبيعي، وأبرزها اختبار شابيرو-ويلك (Shapiro-Wilk Test)، وهو الاختبار الأكثر حساسية وموثوقية للعينات الصغيرة ($n < 50$). تنص الفرضية الصفرية للاختبار على أن البيانات تتبع التوزيع الطبيعي؛ وبالتالي، فإن الحصول على قيمة احتمالية غير دالة إحصائياً ($p > 0.05$) يُعد دليلاً على قبول الفرضية وتحقق شرط الاعتدالية.

في حال أظهرت النتائج انتهاكاً جسيماً لفرضية التوزيع الطبيعي للبواقي، يتوجب على الباحث اللجوء إلى تقنيات التحويل الرياضي للمتغير التابع، مثل التحويل اللوغاريتمي ($ln(y)$)، أو تحويل الجذر التربيعي ($\sqrt{y}$)، أو تطبيق تحويلات “بوكس-كوكس” (Box-Cox Transformations) لاستعادة التناظر والاعتدالية وضمان سلامة الاستدلال الإحصائي للنموذج المقدر.

10. تطبيقات الانحدار التدريجي في البحوث النفسية والسلوكية

10.1 نمذجة المتغيرات السلوكية والنفسية المعقدة

تتميز دراسات علم النفس والسلوك الإنساني بتعقيد بنيوي بالغ؛ فالظاهرة النفسية كالاكتئاب، أو الاحتراق النفسي والمهني، أو الرضا عن الحياة، لا تنشأ عن عامل أحادي منفرد، بل تتفاعل في تشكيلها منظومات متداخلة من المتغيرات المعرفية، والانفعالية، والاجتماعية، والبيولوجية. وفي كثير من الأحيان، يطبق الباحثون بطاريات قياس واسعة تتضمن عشرات المقاييس الفرعية لدراسة ظاهرة محددة، مما يخلق حاجة منهجية ماسة لأدوات قادرة على فرز وترتيب أولويات هذه المتغيرات.

يُستخدم الانحدار التدريجي في هذا السياق السلوكي كأداة استكشافية متقدمة لتحديد “الروافع التفسيرية الكبرى”؛ فعلى سبيل المثال، عند دراسة مسببات الاحتراق النفسي لدى المعلمين، قد يدخل الباحث حزمة تضم أبعاد عبء العمل، والدعم الإداري، والصلابة النفسية، وتقدير الذات، وسنوات الخبرة. ومن خلال الخوارزمية التدريجية، يمكن عزل المتغيرات التي تقدم إسهاماً تنبؤياً فريداً بعد استبعاد أثر المتغيرات الأخرى المتشابكة معها.

ومع ذلك، تفرض الأبحاث النفسية اشتراطاً أخلاقياً ومنهجياً بالغ الدقة: لا يجوز للباحث النفسي أن يكتفي بالقراءة الرقمية الصماء للنموذج المفرز آلياً. فإذا قامت الخوارزمية باستبعاد متغير مثل “الدعم الاجتماعي” وإبقاء “الصلابة النفسية”، فإن ذلك لا يعني أن الدعم الاجتماعي غير مهم سلوكياً، بل يعني غالباً أن تباينه قد تداخل مع تباين الصلابة النفسية في تلك العينة المحددة، مما يقتضي تفسير النتائج بحذر في ضوء الأطر النظرية السيكولوجية الرصينة وتجنب القفز إلى استنتاجات سببية متسرعة.

10.2 ترشيد وتطوير المقاييس والاختبارات السيكومترية

يُمثل التطوير السيكومتري للمقاييس والأدوات التشخيصية أحد أخصب مجالات التطبيق العملي للانحدار التدريجي في علم النفس والقياس التربوي. يعاني الممارسون الإكلينيكيون والميدانيون في كثير من الأحيان من الطول المفرط لبعض الاختبارات التشخيصية التي قد تتجاوز مئة فقرة، مما يسبب إجهاداً كبيراً للمفحوصين ويزيد من احتمالية الاستجابات العشوائية غير الدقيقة الناجمة عن الملل والتعب.

توفر الخوارزمية التدريجية وسيلة رياضية فعالة لترشيد وتطوير النسخ المختصرة (Short Forms) من المقاييس المعتمدة دون التفريط في صدقها التنبؤي؛ حيث يتم التعامل مع الدرجة الكلية للمقياس الكامل كمتغير تابع، وتُعامل الفقرات الفردية أو المقاييس الفرعية كمتغيرات تفسيرية مستقلة. ومن خلال التحليل التدريجي، يستطيع مطور المقياس عزل مجموعة صغيرة من الفقرات الجوهرية (مثلاً 10 أو 15 فقرة فقط) تكون قادرة على تفسير $90%$ أو أكثر من تباين المقياس الأصلي الكامل.

علاوة على ذلك، يسهم هذا التحليل في تقييم الصدق التنبؤي (Predictive Validity) للبطاريات التشخيصية المركبة؛ فمن خلال معرفة التوليفة الصغرى من المقاييس التي تتنبأ بنجاح التدخل العلاجي أو باحتمالية الانتكاسة، يستطيع الفريق الإكلينيكي تركيز موارده التشخيصية والميدانية الثمينة على المؤشرات الأكثر فاعلية وحسماً، مما يحقق كفاءة مزدوجة على المستويين العلمي والتطبيقي.

10.3 تحديات حجم العينة وتمثيل البيانات في الدراسات النفسية

يصطدم تطبيق الانحدار التدريجي في الأبحاث السلوكية والإكلينيكية بعائق منهجي متكرر يتمثل في محدودية أحجام العينات المتاحة، لا سيما عند دراسة اضطرابات نفسية نادرة أو التعامل مع عينات علاجية مقيدة داخل المصحات والمستشفيات. وتُعد خوارزميات الاختيار الآلي بالغة الحساسية والتأثر بصغر حجم العينة، حيث تزداد احتمالية الوقوع في أخطاء التقدير والالتقاط العشوائي للعلاقات الشاذة كلما صغرت العينة.

تؤكد المعايير الإحصائية المتقدمة في القياس النفسي على ضرورة الالتزام بقواعد نسبة حجم العينة إلى عدد المتغيرات التفسيرية (قاعدة $N/p$ Ratio). فبينما يكتفي الانحدار المتعدد التقليدي أحياناً بنسبة 10 إلى 15 مشاركاً لكل متغير مستقل، فإن الانحدار التدريجي يتطلب وفق توصيات العديد من المنهجيين (مثل Tabachnick & Fidell) نسباً تفوق 40 إلى 50 مشاركاً لكل متغير مرشح، وذلك لتوفير قوة اختبار كافية تضمن ثبات واستقرار قرارات الدخول والاستبعاد التي تتخذها الخوارزمية.

إن إغفال هذه الضوابط العددية قد يؤدي إلى ظاهرة شائعة في الدراسات النفسية تُعرف بـ “عدم استقرار النموذج” (Model Instability)؛ حيث يفرز التحليل على عينة معينة نموذجاً يضم متغيرات محددة، ولكن عند إعادة تطبيق الدراسة ذاتها على عينة أخرى من نفس المجتمع، يفرز التحليل توليفة مختلفة تماماً من المتغيرات، مما يسقط مصداقية البحث ويبرهن على أن النموذج الأول كان نتاج تباين العينة وتفاصيلها العرضية وليس انعكاساً لبنية نفسية ثابتة.

11. الانتقادات المنهجية الموجهة للانحدار التدريجي والبدائل المعاصرة

11.1 العيوب الإحصائية والمنهجية للاختيار الآلي للمتغيرات

على الرغم من الشعبية الطاغية لأسلوب الانحدار التدريجي بين الباحثين والمحللين الميدانيين لسهولته وجاذبيته البرمجية، إلا أنه واجه عبر العقود الماضية انتقادات لاذعة وحملات تفنيد منهجية واسعة النطاق من قِبل كبار علماء الإحصاء النظري (وفي مقدمتهم Frank Harrell في كتابه المرجعي Regression Modeling Strategies). وتتركز هذه الانتقادات العلمية حول عدة عيوب متأصلة في فلسفة عمل الخوارزمية:

• تضخيم معاملات الارتباط ومعامل التحديد ($R^2$): نظراً لأن الخوارزمية تبحث عن أعلى التباينات الممكنة في العينة، فإن معاملات التحديد المقدرة تكون منحازة تصاعدياً (Upwardly Biased) بشكل ملحوظ مقارنة بحقيقتها في المجتمع الأصلي.
• تضخيم معاملات الانحدار وأخطاء التقدير: تفرز الطريقة معلمات غير معيارية ذات قيم مطلقة متضخمة بشكل مصطنع، وهو ما يُعرف في الأدبيات بـ “لعنة الفائز” (The Winner’s Curse)، حيث يتم تضخيم تقديرات المتغيرات التي اجتازت العتبة الإحصائية بصعوبة بمحض الصدفة.
• تشويه القيم الاحتمالية وفترات الثقة: تصبح القيم الاحتمالية الاسمية (p-values) ضيقة وزائفة جداً ولا تعكس حقيقة التوزيع الاحتمالي لتعدد الاختبارات المتتابعة، مما يلغي الأساس الاستدلالي لاختبارات الفروض الكلاسيكية.
• تجاهل الأسس النظرية الرصينة: يؤدي الاعتماد الأعمى على الآلة إلى تهميش دور الباحث ومعرفته العميقة بسياق الظاهرة؛ إذ قد يستبعد البرنامج متغيراً حاسماً نظرياً لمجرد أن قيمته الاحتمالية سجلت $0.051$ بينما العتبة $0.050$.

هذه المثالب الجوهرية دفعت الكثير من المجلات العلمية المرموقة في مجالات الطب والإحصاء والعلوم النفسية إلى فرض قيود صارمة على نشر الأبحاث التي تعتمد اعتماداً حصرياً على الانحدار التدريجي التلقائي دون التحقق المستقل من مصداقية النماذج عبر طرائق وبدائل حديثة أكثر رصانة.

11.2 طرائق الانحدار المنظم كبدائل متقدمة (Regularization Methods)

استجابة للعيوب الهيكلية الكامنة في الانحدار التدريجي، طوّر علماء الإحصاء الرياضي الحديث عائلة متطورة من النماذج تُعرف بـ طرائق الانحدار المنظم أو الجزائي (Penalized / Regularization Regression Methods). تقوم هذه الطرق المتقدمة على فكرة تقليص المعلمات (Shrinkage) وتعديل دالة الهدف في المربعات الصغرى عبر إضافة حد جزائي يعاقب تضخم المعلمات ويدمج الاختيار بالتقدير في آن واحد:

• انحدار ريدج (Ridge Regression – $L_2$ Regularization): يضيف هذا الأسلوب جزاءً يتناسب مع مجموع مربعات قيم المعلمات ($\lambda \sum \beta_j^2$). ينجح انحدار ريدج ببراعة فائقة في معالجة مشاكل التعدد الخطي واستقرار التقديرات، ولكنه لا يقوم بحذف أي متغير نهائياً حيث تظل جميع المتغيرات موجودة في النموذج بمعاملات مقلصة جداً قريبة من الصفر.
• انحدار لاسو (Lasso Regression – $L_1$ Regularization): يمثل انحدار لاسو البديل المعاصر والوريث الشرعي الأكثر كفاءة للانحدار التدريجي؛ حيث يضيف جزاءً يتناسب مع مجموع القيم المطلقة للمعلمات ($\lambda \sum |\beta_j|$). يمتلك لاسو خاصية رياضية فريدة تُجبر معاملات المتغيرات الضعيفة وغير المجدية على الوصول إلى الصفر التام، مما يحقق انتقاءً تلقائياً ذكياً للمتغيرات وتقديرات متسقة خالية من تحيزات الانحدار التدريجي التقليدي.
• الشبكة المرنة (Elastic Net): تجمع هذه الطريقة بين مزايا انحدار ريدج وانحدار لاسو عبر دمج جزائي $L_1$ و $L_2$ معاً، مما يجعلها الخيار المثالي في حالات المصفوفات فائقة التعقيد التي تحتوي على مجموعات من المتغيرات المرتبطة ارتباطاً خطياً هائلاً.

في بيئة SAS، يتم تنفيذ هذه النماذج الحديثة بكفاءة برمجية فائقة عبر إجراء PROC GLMSELECT، والذي يوفر للمحللين ترسانة شاملة لتقنيات لاسو وانحدار ريدج وانحدار الزاوية الصغرى (LARS)، مما يمثل نقلة نوعية تتيح للباحثين تجاوز قيود إجراء PROC REG التقليدي عند معالجة البيانات المعاصرة الضخمة.

11.3 استراتيجيات التحقق المتقاطع (Cross-Validation)

يُمثل التحقق المتقاطع (Cross-Validation) الحصن المنهجي الأهم لتقييم القدرة التنبؤية الحقيقية لأي نموذج إحصائي وتفادي السقوط في فخ الإفراط في التوفيق (Overfitting). تقوم الفلسفة العامة لهذه الاستراتيجية على تقييم النموذج بناءً على بيانات خارجية لم تدخل إطلاقاً في عملية تقدير المعلمات أو انتقاء المتغيرات.

تتعدد أساليب التحقق المتقاطع، وأكثرها شيوعاً ورصانة:

• طريقة تقسيم العينة (Holdout Validation): وفيها تُقسم البيانات عشوائياً إلى عينة تدريب (Training Set) بنسبة مثلاً $70%$ لبناء النموذج وانتقاء المتغيرات، وعينة اختبار مستقلة (Testing Set) بنسبة $30%$ لاختبار كفاءة التنبؤ وحساب مؤشرات الخطأ الحقيقي.
• التحقق المتقاطع المتكرر (k-Fold Cross-Validation): يُقسم جدول البيانات إلى $k$ من الأجزاء المتساوية (عادة $5$ أو $10$ أجزاء)، ويتم تكرار التحليل $k$ مرة، بحيث يُستخدم جزء واحد كعينة اختبار في كل مرة وتُستخدم الأجزاء الباقية للتدريب، ثم يتم حساب متوسط دقة الأداء العام.

يوضح الكود التالي كيفية توظيف إجراء PROC GLMSELECT المتقدم في SAS لإجراء الاختيار التدريجي للمتغيرات مع تطبيق التحقق المتقاطع المدمج (Cross-Validation) آلياً لحماية النموذج من التحيز:

/* تطبيق الانحدار التدريجي مع التحقق المتقاطع في PROC GLMSELECT */
PROC GLMSELECT DATA=my_data;
   MODEL y = x1 x2 x3 x4 / SELECTION=STEPWISE(CHOOSE=CV) CVMETHOD=RANDOM(5);
RUN;

من خلال إدراج الخيار CHOOSE=CV، لا تتوقف الخوارزمية بناءً على قيمة احتمالية اسمية زائفة، بل تتوقف عند الخطوة التي تحقق أدنى خطأ تربيعي متوسط في بيانات التحقق المستقلة، مما يضمن خروج نموذج يتمتع بقدرة تعميم حقيقية وموثوقية عالية عند تطبيقه في العالم الواقعي.

12. أفضل الممارسات الأكاديمية والتوصيات لكتابة التقارير الإحصائية

12.1 معايير توثيق نتائج الانحدار التدريجي وفق دليل جمعية علم النفس الأمريكية (APA)

يتطلب إعداد التقارير الأكاديمية ونشر أبحاث الانحدار التدريجي في المجلات العلمية المصنفة التزاماً دقيقاً بإرشادات دليل النشر العلمي الصادر عن جمعية علم النفس الأمريكية في نسخته السابعة (APA 7th Edition). يشدد الدليل على الشفافية المنهجية الكاملة وتجنب الاكتفاء بتقديم النموذج النهائي المبتور دون توثيق الخطوات الانتقائية التي أدت إليه.

تشمل العناصر الأساسية الواجب تضمينها في التقرير الأكاديمي وفق أسلوب APA ما يلي:

• الإفصاح المنهجي الكامل في قسم المنهجية: يجب تحديد البرمجية المستخدمة وإصدارها (مثلاً: SAS Version 9.4)، والإجراء المطبق (PROC REG)، مع توضيح استراتيجية الاختيار (Stepwise Hybrid)، ومستويات الدلالة الدقيقة المعتمدة للدخول والبقاء (مثل: $SLE = 0.05$ و $SLS = 0.05$).
• عرض جدول مسار الخطوات التتابعية: يُفضل إعداد جدول ملخص يوثق التغيرات في كل خطوة، متضمناً: اسم المتغير المضاف أو المحذوف، ومعامل التحديد التراكمي ($R^2$)، ومقدار التغير في معامل التحديد ($\Delta R^2$)، وقيمة اختبار F للتغير ($F_{change}$)، ودرجات الحرية الدقيقة، ومستوى الدلالة.
• توثيق النموذج النهائي المستقر: عرض جدول المعلمات النهائية متضمناً المعاملات غير المعيارية ($B$) وأخطائها المعيارية ($SE_B$)، والمعاملات المعيارية ($\beta$)، وقيم اختبار $t$ المقابلة، وفترات الثقة بنسبة 95% لكل معلمة ($95% \text{ CI}$)، وقيم مؤشرات التعدد الخطي (Tolerance و VIF).
• توثيق الفحوصات التشخيصية: يجب أن يذكر النص صراحة التحقق من الفروض الهيكلية؛ مثل اعتدالية البواقي (قيمة شابيرو-ويلك)، وتجانس التباين، وخلو البيانات من المشاهدات المتطرفة المؤثرة استناداً لمسافة كوك.

12.2 الموازنة بين الدلالة الإحصائية والأهمية السريرية أو النظرية

من المزالق الشائعة في التقارير الإحصائية الخلط بين الدلالة الإحصائية (Statistical Significance) والأهمية السريرية أو النظرية (Practical / Clinical Significance). إن تحقيق متغير لقيمة احتمالية تقل عن $0.05$ ودخوله في نموذج الانحدار لا يعني بالضرورة أنه يمتلك وزناً تطبيقياً فارقاً في الميدان السريري أو التربوي؛ فقد يصبح متغير ضئيل التأثير دالاً إحصائياً لمجرد أن حجم العينة ضخم جداً.

وعلى المنوال ذاته، لا يجوز للباحث أن يتسرع في إعلان “عدم جدوى” المتغيرات المستبعدة التي رفضتها الخوارزمية؛ إذ قد يكون المتغير المستبعد يمتلك أهمية نظرية محورية ولكنه استُبعد لأسباب فنية بحتة تتعلق بتداخله الخطي مع متغير آخر دخل قبله في النموذج. يقتضي النضج الأكاديمي حساب ومناقشة حجم الأثر (Effect Size)—مثل معامل التحديد الجزئي ($Partial R^2$) ومربع إيتا الجزئي—بجانب القيم الاحتمالية، مع تفسير التوليفة النهائية للمتغيرات في سياق الأدبيات السابقة وليس بمعزل عنها.

يجب على الباحث تقديم رؤية نقدية تناقش حدود النموذج (Model Limitations)، وتحديد النطاق الذي تنطبق عليه معادلة التنبؤ، وتنبيه القارئ إلى أن العلاقات المفرزة عبر الانحدار التدريجي هي علاقات تنبؤية ترابطية (Correlational/Predictive Associations) لا ترقى لإثبات السببية المباشرة (Causality) ما لم تدعمها تصاميم تجريبية صارمة وضوابط عزل منهجي محكمة.

12.3 دليل إرشادي وقائمة تحقق شاملة للباحث والمحلل الإحصائي

لضمان أعلى درجات الرصانة العلمية وتجنب المزالق الإحصائية الشائعة، نقدم فيما يلي قائمة تحقق (Checklist) منهجية تلخص خطة عمل متكاملة للباحث قبل وأثناء وبعد تشغيل الانحدار التدريجي في نظام SAS:

• مرحلة ما قبل التحليل (Pre-Analysis Phase):
  • التحقق من خلو البيانات من أخطاء الإدخال والقيم المستحيلة منطقياً عبر PROC MEANS.
  • معالجة البيانات المفقودة واتخاذ قرار مبرر حول آلية الحذف أو التعويض (Imputation).
  • التأكد من كفاية حجم العينة بالنسبة لعدد المتغيرات المرشحة ($N/p ge 40$).
  • فحص مصفوفة الارتباط الأولية لرصد مؤشرات التعدد الخطي العنيف قبل البدء.
• مرحلة تنفيذ الكود واختيار النموذج (Execution Phase):
  • تحديد الخيار SELECTION=STEPWISE بدقة داخل عبارة MODEL في PROC REG.
  • ضبط معايير الدخول والبقاء (SLE= و SLS=) بناءً على فلسفة البحث (0.05 للدراسات التوكيدية و0.15 للدراسات الاستكشافية).
  • التحقق من أن SLS >= SLE لتجنب الوقوع في الحلقات المفرغة غير المنتهية.
  • توظيف نظام ODS لتصدير جداول الملخص والمعلمات بصيغة مهنية قابلة للأرشفة.
• مرحلة التشخيص والتحقق الإحصائي (Diagnostics Phase):
  • فحص مؤشرات التعدد الخطي للمتغيرات المتبقية والتأكد من أن $VIF < 5$ و $TOL > 0.20$.
  • فحص استقلالية البواقي عبر اختبار دوربن-واتسون ($DW \approx 2.0$).
  • فحص اعتدالية البواقي عبر اختبار شابيرو-ويلك في PROC UNIVARIATE ($p > 0.05$).
  • فحص المشاهدات المؤثرة الشاذة استناداً لمسافة كوك ($Cook’s D < 1.0$).
• مرحلة التقرير والمناقشة الأكاديمية (Reporting Phase):
  • توثيق مسار خطوات النموذج بالكامل وجدول المعلمات النهائية وفق ضوابط دليل APA.
  • مناقشة المتغيرات المستبعدة وتقديم تفسير علمي لعدم دخولها أو طردها من النموذج.
  • التأكيد على أن النموذج تنبؤي وترابطي وتجنب الادعاءات السببية غير المؤسسة تجريبياً.

خاتمة

يظل الانحدار التدريجي (Stepwise Regression) أداة حسابية بالغة القوة والأهمية في ترسانة التحليل الإحصائي المعاصر، حيث يفتح آفاقاً رحبة للمحللين والباحثين لاستكشاف العلاقات المعقدة وترشيد البيانات الضخمة وبناء نماذج تنبؤية عالية الكفاءة بأقل عدد من المتغيرات التفسيرية. ومن خلال بيئة SAS وإجرائها الرائد PROC REG، يحظى الباحث بتحكم فائق في مسار الخوارزمية، ومعايير الدخول والاستبعاد، والمؤشرات التشخيصية المتقدمة التي تضمن شفافية وسلامة كل قرار إحصائي يتم اتخاذه عبر خطوات البناء المتتالية.

ومع ذلك، فإن الاستخدام الأكاديمي والمهني الرصين لهذه الأداة يفرض على الباحث ألا يستسلم للجاذبية السحرية للأتمتة التلقائية؛ فالإحصاء الحق لا يقوم على مجرد خوارزميات صماء تفرز قرارات ميكانيكية، بل هو منهج تفكير نقدي يوازن بين الأرقام المجردة والنظرية العلمية الصلبة. إن إدراك حدود الطريقة، والتحقق الصارم من فروض النموذج، وفحص التعدد الخطي واعتدالية وتجانس البواقي، واللجوء لتقنيات التحقق المتقاطع والانحدار الجزائي الحديث عند الحاجة، يمثل صمام الأمان الحقيقي لضمان خروج أبحاث علمية رصينة تتسم بالدقة، والمصداقية، والقدرة الصادقة على خدمة المعرفة الإنسانية وتطبيقاتها الميدانية.

المراجع

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Bendel, R. B., & Afifi, A. A. (1977). Comparison of stopping rules in forward stepwise regression. Journal of the American Statistical Association, 72(357), 46–53. https://doi.org/10.1080/01621459.1977.10479905
• Draper, N. R., & Smith, H. (1998). Applied regression analysis (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781118625590
• Harrell, F. E. (2015). Regression modeling strategies: With applications to linear models, logistic and ordinal regression, and survival analysis (2nd ed.). Springer. https://doi.org/10.1007/978-3-319-19425-7
• Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer. https://doi.org/10.1007/978-0-387-84858-7
• Mallows, C. L. (1973). Some comments on $C_p$. Technometrics, 15(4), 661–675. https://doi.org/10.1080/00401706.1973.10489103
• Montgomery, D. C., Peck, E. A., & Vining, G. G. (2021). Introduction to linear regression analysis (6th ed.). John Wiley & Sons.
• SAS Institute Inc. (2023). SAS/STAT 15.3 user’s guide: The REG procedure. SAS Institute Inc. https://support.sas.com/documentation/onlinedoc/stat/
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Tibshirani, R. (1996). Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society: Series B (Methodological), 58(1), 267–288. https://doi.org/10.1111/j.2517-6161.1996.tb02080.x