تحليل الانحدار الخطي بطريقة المربعات الصغرى
يعتمد الانحدار الخطي البسيط على طريقة المربعات الصغرى العادية (OLS) لتقدير العلاقة بين متغير مفسِّر (x) ومتغير مفسَّر (y). تهدف هذه الطريقة الرياضية إلى تقليل مجموع مربعات الفروق الرأسية بين نقاط البيانات الفعلية والخط المستقيم المطابق. تضمن هذه العملية الحصول على خط يمثل أفضل تمثيل إحصائي للبيانات المتاحة، مما يسمح بفهم اتجاه العلاقة وتوقع القيم المستقبلية بدقة.
تتم المعالجة الحسابية بالكامل محليًا؛ حيث تبقى نقاط بياناتك وكل إحصاء في هذا المتصفح ولا يتم رفعها أبدًا. يضمن هذا الأسلوب في المعالجة عدم إرسال أي بيانات إلى خوادم خارجية.
إعدادات المدخلات وتنسيق البيانات
تتيح الأداة مرونة كاملة في إدخال البيانات عبر خيارين لتنسيق المخطط:
- صفوف مزدوجة: يمثل هذا الخيار "قيمة x و y واحدة لكل صف". يسهل هذا التنسيق عملية نسخ البيانات مباشرة من جداول البيانات (مثل Excel)؛ حيث يتم تجاهل الصف الأول تلقائيًا إذا كان يحتوي على نصوص غير رقمية، مما يسمح بلصق الأعمدة مع صف الرأس دون الحاجة لتعديلها يدويًا.
- قائمتان: يتيح إدخال البيانات عبر حقلين منفصلين: "قيم x (المتغير المفسِّر)" و"قيم y (المتغير المفسَّر)".
قواعد الإدخال والحدود الرياضية:
- الحد الأدنى والحد الأقصى: تتطلب الأداة إدخال نقطتين على الأقل لإجراء الحسابات. وتدعم معالجة ما يصل إلى 50,000 نقطة وبيانات بحجم 1 ميجابايت كحد أقصى.
- الفواصل العشرية: تدعم الأداة اتفاقيتين للفصل العشري:
- عند استخدام النقطة العشرية (مثل
12.5): يجب الفصل بين القيم في القوائم باستخدام مسافات، أو فواصل، أو أسطر جديدة. - عند استخدام الفاصلة العشرية (مثل
12,5): يجب الفصل بين القيم باستخدام مسافات، أو فواصل منقوطة، أو أسطر جديدة لتجنب تداخل الفواصل.
- عند استخدام النقطة العشرية (مثل
- التوقعات: يمكن إدخال ما يصل إلى 50 قيمة في حقل "توقع y عند x" للحصول على قيم التنبؤ وفترات الثقة المقابلة لها.
المعادلات الرياضية وخطوات التعويض
تعتمد الحاسبة على صيغ معيارية دقيقة لحساب المعاملات الإحصائية، وتظهر خطوات الحل بالتفصيل في قسم "المعادلة والتعويض" كالآتي:
1. حساب المتوسطات الحسابية
يتم حساب المتوسط الحسابي لكل من x و y:
"المتوسطات: x̄ = ‹sumX› ÷ ‹n› = ‹meanX› و ȳ = ‹sumY› ÷ ‹n› = ‹meanY›"
2. حساب الانحرافات والتحرك المشترك
يتم حساب مجموع مربعات الانحرافات لـ x والتحرك المشترك بين x و y لتجنب فقدان الدقة الحسابية:
"الانتشار والتحرك المشترك: Sxx = ‹sxx› و Sxy = ‹sxy›"
3. حساب الميل والتقاطع
يُمثل الميل معدل التغير في y لكل وحدة زيادة في x، بينما يمثل التقاطع قيمة y عندما تكون x صفرًا:
"الميل: b = Sxy ÷ Sxx = ‹sxy› ÷ ‹sxx› = ‹slope›"
"التقاطع: a = ȳ − b·x̄ = ‹meanY› − (‹slope›)·‹meanX› = ‹intercept›"
4. تقييم جودة المطابقة والتباين
يتم حساب معامل التحديد R² لقياس نسبة التباين المفسر بواسطة الخط:
"نسبة التباين المفسر: R² = SSR ÷ SST = ‹ssr› ÷ ‹sst› = ‹r2›"
"انتشار البواقي: s = √(SSE ÷ (n − 2)) = √(‹sse› ÷ ‹df›) = ‹s›"
5. الاختبارات الإحصائية والدلالة
يُحسب الخطأ المعياري للميل وقيمة t واختبار الدلالة p على درجات حرية قدرها n - 2:
"الخطأ المعياري للميل: SE(b) = s ÷ √Sxx = ‹s› ÷ √‹sxx› = ‹se›"
"t = b ÷ SE(b) = ‹slope› ÷ ‹se› = ‹t›، وبالتالي p = ‹p› بدرجات حرية قدرها ‹df›."
الحالات الخاصة ورسائل الخطأ
تتعامل الحاسبة مع عدة حالات رياضية خاصة تفرض قيودًا على التحليل الإحصائي:
- نقطتان فقط: تظهر رسالة "تحدد نقطتان الخط تمامًا، لذا لا يتبقى شيء لتقدير عدم اليقين منه.".
- المطابقة التامة: إذا وقعت جميع النقاط على الخط تمامًا، تظهر رسالة "تقع النقاط تمامًا على الخط، لذا لا يوجد انتشار للبواقي ولا يمكن تقدير أي فترة ثقة أو قيمة p.".
- قيم y ثابتة: تظهر رسالة "كل قيم y متطابقة، لذا فإن الخط أفقي وتكون قيم r و R² واختبار الدلالة غير معرفة.".
- قيم x ثابتة (خط رأسي): يتوقف الحساب وتظهر رسالة الخطأ "كل قيم x متطابقة، مما يعني أن الخط سيكون رأسيًا وسينقسم الميل على صفر.".
رسائل الأخطاء الشائعة:
- عند إدخال قيم غير رقمية في الصفوف:
"‹token›" ليس رقمًا (الصف ‹position›).. - عند إدخال قيم غير رقمية في القوائم:
"‹token›" ليس رقمًا (القيمة ‹position›).. - عند عدم اكتمال الزوج الإحداثي:
يتطلب الصف ‹position› رقمين بالضبط: x ثم y.. - عند عدم تساوي طول القائمتين:
يوجد ‹countX› من قيم x و ‹countY› من قيم y — يجب أن تكون القائمتان بنفس الطول.. - عند إدخال بيانات غير كافية:
أدخل نقطتين على الأقل؛ فنقطة واحدة لا تحدد خطًا..
جدول تحليل التباين (ANOVA)
يقدم جدول "تباين مفسر" تفصيلاً لمصادر الاختلاف في النموذج الإحصائي، حيث يعرض القيم العددية المحسوبة للأعمدة والصفوف التالية:
- الأعمدة: "المصدر"، و"df"، و"مجموع المربعات"، و"متوسط المربعات"، و"F"، و"p".
- الصفوف: "مفسر بواسطة الخط"، و"المتبقي"، و"الإجمالي".
الأسئلة الشائعة
هل يهم أي عمود أضعه في x؟
نعم. تقلل طريقة المربعات الصغرى الفجوات الرأسية، لذا فهي تعامل y كمتغير مفسَّر و x كمتغير مفسِّر. وإذا قمت بتبديلهما فستحصل على ميل مختلف وتقاطع مختلف — فقط r و R² تظلان كما هما. ضع المتغير الذي تريد توقعه في y؛ وإذا أُدخل العمودان بشكل خاطئ، فإن زر التبديل يعيد كتابتهما في مكانهما.
ما الذي تخبرني به قيمة R² فعليًا؟
تمثل R² نسبة الحركة الصعودية والهبوطية في y التي يفسرها الخط: 0.96 تعني أن 96% منها يتماشى مع x و 4% لا يتماشى معه. وهي لا تخبرك بشيء عما إذا كان الخط المستقيم هو الشكل الصحيح للتمثيل — إذ يمكن لمنحنى واضح أن يحقق درجة عالية أيضًا — لذا اقرأها إلى جانب مخطط البواقي. أما الارتباط r فهو الجذر التربيعي لـ R² حاملًا إشارة الميل، ولهذا السبب تكون r سالبة للخط المتجه نحو الأسفل.
هل تعني قيمة p الصغيرة أن x يسبب y؟
لا. تجيب قيمة p عن سؤال ضيق واحد فقط: لو كان الميل الحقيقي 0، فكم مرة ستنتج عينة بهذا الحجم ميلاً يبتعد عن 0 بهذه المسافة على الأقل؟ القيمة الصغيرة تجعل تفسير "عدم وجود أي علاقة" تفسيرًا مستبعدًا، ولا شيء أكثر من ذلك. أما السببية فتحتاج إلى تصميم الدراسة نفسه ليدعمها — إذ إن وجود عامل ثالث يحرك كلا العمودين، أو عينة لم تُجمع بشكل مستقل، ينتج قيم p صغيرة بالسهولة نفسها.
لماذا تأتي التوقعات مصحوبة بفترتين؟
تجيب الفترتان عن سؤالين مختلفين. تسأل فترة المتوسط عن مكان وجود متوسط y لجميع الأفراد عند قيمة x تلك، لذا يؤخذ في الاعتبار فقط عدم اليقين في الخط نفسه. بينما تسأل الفترة الفردية عن مكان وقوع ملاحظة جديدة واحدة، مما يضيف تشتت النقاط حول الخط — وهذا الحد الإضافي هو السبب في أنها دائمًا الأوسع بين الفترتين. وتتسع كلتا الفترتين كلما ابتعدت x عن مركز بياناتك.