الارتباط والانحدار: الفرق بينهما وكيف تفسر النتائج في رسالتك
متى تكتفي بمعامل الارتباط ومتى تحتاج إلى الانحدار، وكيف تفسر قوة العلاقة و R² و Beta، وتفحص الشروط والتداخل الخطي قبل كتابة النتائج.
يخلط كثير من الباحثين بين الارتباط والانحدار، فيستخدمون أحدهما في موضع الآخر، أو يستنتجون من معامل ارتباط أن متغيرًا «يؤثر» في آخر. والفرق بينهما ليس في طريقة الحساب فقط، بل في السؤال الذي يجيب عنه كل منهما، وفي حدود ما يمكن استنتاجه من النتيجة.
في هذا المقال ستتعرّف إلى معاملي بيرسون وسبيرمان، وكيف تحكم على قوة العلاقة، ولماذا لا يعني الارتباط السببية، ثم إلى الانحدار البسيط والمتعدد، وتفسير معامل التحديد ومعاملات بيتا، وشروط الانحدار، ونموذجًا لكتابة النتائج.
ما الفرق بين الارتباط والانحدار؟
| وجه المقارنة | الارتباط | الانحدار |
|---|---|---|
| السؤال | هل توجد علاقة بين متغيرين؟ وما قوتها واتجاهها؟ | إلى أي مدى يمكن التنبؤ بمتغير تابع من متغير مستقل أو أكثر؟ |
| دور المتغيرين | متماثلان، لا يوجد مستقل وتابع | يوجد متغير تابع ومتغيرات مستقلة (منبئة) |
| الناتج الأساسي | معامل يتراوح بين −1 و +1 | معادلة تنبؤ، ونسبة التباين المفسَّر، ومساهمة كل منبئ |
| عدد المتغيرات | متغيران في كل معامل | متغير تابع واحد ومنبئ واحد أو أكثر |
فإذا كانت فرضيتك «توجد علاقة ارتباطية بين أنماط القيادة والالتزام التنظيمي»، فالارتباط كافٍ. أما إذا كانت «تسهم أبعاد القيادة التحويلية في التنبؤ بالالتزام التنظيمي»، فأنت تحتاج إلى الانحدار.
متى تستخدم ارتباط بيرسون ومتى تستخدم سبيرمان؟
معامل ارتباط بيرسون
يقيس قوة العلاقة الخطية واتجاهها بين متغيرين متصلين. ويفترض أن تكون العلاقة خطية، وأن يقترب توزيع المتغيرين من الاعتدالية، وألا توجد قيم متطرفة مؤثرة. لذلك ابدأ دائمًا برسم شكل الانتشار من Graphs > Chart Builder قبل حساب المعامل، فقد تكون العلاقة منحنية فيعطيك بيرسون قيمة منخفضة مضللة.
معامل ارتباط سبيرمان
يعتمد على رتب القيم لا على القيم نفسها، ويقيس العلاقة الرتيبة، أي التي تسير في اتجاه واحد وإن لم تكن خطية. ويُستخدم عندما يكون أحد المتغيرين رتبيًّا، أو عندما يبتعد التوزيع بوضوح عن الاعتدالية، أو عند وجود قيم متطرفة.
ويُحسب المعاملان في SPSS من Analyze > Correlate > Bivariate، باختيار Pearson أو Spearman.
كيف تفسر قوة معامل الارتباط؟
تدل الإشارة على الاتجاه: الموجبة تعني أن المتغيرين يزيدان معًا، والسالبة تعني أن أحدهما يزيد حين ينقص الآخر. وتدل القيمة المطلقة على القوة. والأعراف الأكثر تداولًا هي التي اقترحها Cohen (1988):
| القيمة المطلقة لـ r | قوة العلاقة |
|---|---|
| .10 إلى .29 | ضعيفة |
| .30 إلى .49 | متوسطة |
| .50 فأكثر | قوية |
وهذا التقسيم بهذه الصورة يعرضه Pallant (2020) نقلًا عن Cohen، وهو عرف إرشادي لا قاعدة مطلقة. وتجد في بعض الرسائل تصنيفات أخرى، فاذكر المصدر الذي اعتمدته.
هل يعني الارتباط وجود علاقة سببية؟
لا. فوجود ارتباط بين متغيرين لا يثبت أن أحدهما سبب الآخر، لثلاثة أسباب على الأقل:
- اتجاه العلاقة غير محدد: قد يؤدي الرضا الوظيفي إلى الالتزام، وقد يحدث العكس.
- المتغير الثالث: قد يكون متغير لم تقسه، مثل الحوافز المالية، هو ما يرفع المتغيرين معًا.
- الصدفة: خاصة عند حساب عدد كبير من المعاملات.
وهذا ينطبق على الانحدار أيضًا عندما تكون البيانات مقطعية من استبانة؛ فكلمة «التنبؤ» في الانحدار إحصائية، ولا تعني إثبات التأثير السببي، الذي يحتاج إلى تصميم تجريبي أو أدلة نظرية وزمنية قوية.
كيف تفسر نتائج الانحدار البسيط والمتعدد؟
في الانحدار البسيط يوجد منبئ واحد، وفي الانحدار المتعدد يوجد منبئان أو أكثر. ويُجرى في SPSS من Analyze > Regression > Linear، ويعطيك عدة جداول، أبرزها ثلاثة:
- Model Summary: يعرض R²، أي نسبة تباين المتغير التابع التي تفسرها المنبئات مجتمعة، و Adjusted R² الذي يصحح التقدير بحسب عدد المنبئات وحجم العينة، وهو الأنسب عند تعدد المنبئات.
- ANOVA: يختبر دلالة النموذج ككل عبر قيمة F.
- Coefficients: يعرض لكل منبئ المعامل غير المعياري B، والمعامل المعياري Beta، وقيمة t ودلالتها.
الفرق بين B و Beta
المعامل B يعبر عن مقدار التغير في المتغير التابع بوحداته الأصلية عند زيادة المنبئ وحدة واحدة مع ثبات بقية المنبئات، ويُستخدم في معادلة التنبؤ. أما Beta فمعياري، يسمح بمقارنة الأهمية النسبية للمنبئات داخل النموذج نفسه لأنها تصبح بوحدة قياس واحدة.
طريقة إدخال المنبئات
يوفر SPSS عدة طرق لإدخال المنبئات. ففي الطريقة المعيارية Enter تدخل المنبئات كلها معًا، وهي الأنسب حين تختبر نموذجًا محددًا مسبقًا. وفي الانحدار الهرمي يحدد الباحث ترتيب الإدخال على أساس نظري، كإدخال المتغيرات الديموغرافية أولًا ثم متغيرات الدراسة، لمعرفة الإضافة التي تقدمها كل مجموعة. أما الطرق التدريجية مثل Stepwise فيختار فيها البرنامج المنبئات آليًّا بناءً على معايير إحصائية، وينتقدها Field (2018) لأن نتائجها قد تتأثر بتقلبات العينة، لذلك لا يُنصح بها في اختبار الفرضيات.
ما شروط الانحدار الخطي وكيف تفحصها؟
| الشرط | طريقة الفحص الشائعة |
|---|---|
| خطية العلاقة | أشكال الانتشار بين كل منبئ والمتغير التابع، ورسم البواقي |
| استقلال البواقي | إحصاءة Durbin-Watson؛ ويذكر Field (2018) أن القيم القريبة من 2 جيدة، وأن ما يقل عن 1 أو يزيد على 3 يستدعي القلق |
| تجانس تباين البواقي | رسم البواقي المعيارية مقابل القيم المتنبأ بها، ويُفترض ألا يظهر فيه نمط قمعي |
| اعتدالية البواقي | المدرج التكراري للبواقي ومخطط P-P |
| عدم وجود تداخل خطي حاد | قيم VIF و Tolerance من خيار Collinearity diagnostics |
التداخل الخطي وقيمة VIF
يحدث التداخل الخطي عندما ترتبط المنبئات فيما بينها ارتباطًا قويًّا، فتصبح تقديرات معاملاتها غير مستقرة. ويذكر Pallant (2020) أن قيمة Tolerance الأقل من .10، أو قيمة VIF الأكبر من 10، تدل على تداخل خطي يستدعي المعالجة، وهي حدود متعارف عليها لا قواعد مطلقة.
حجم العينة
ينقل Pallant (2020) عن Tabachnick و Fidell قاعدة تقريبية لحجم العينة في الانحدار المتعدد هي N > 50 + 8m، حيث m عدد المنبئات. فإذا كان لديك ثلاثة منبئات فالحد الأدنى التقريبي 74 مشاركًا.
نموذج لكتابة نتائج الارتباط والانحدار
المثال الآتي توضيحي بأرقام افتراضية، من دراسة عن «الرضا الوظيفي لدى معلمي المرحلة الثانوية في قطر» على عينة من 120 معلمًا.
«أظهر معامل ارتباط بيرسون وجود علاقة موجبة متوسطة بين القيادة التحويلية لمديري المدارس والرضا الوظيفي للمعلمين، r(118) = .42, p < .001.»
«وأُجري تحليل الانحدار الخطي المتعدد للتنبؤ بالرضا الوظيفي من القيادة التحويلية والمناخ المدرسي وسنوات الخبرة، بعد التحقق من الشروط، إذ لم تتجاوز قيم VIF الحد المتعارف عليه. وكان النموذج دالًّا إحصائيًّا، F(3, 116) = 17.37, p < .001، وفسّر 31% من تباين الرضا الوظيفي (R² = .31, Adjusted R² = .29). وكانت القيادة التحويلية أقوى المنبئات (β = .38, p < .001)، يليها المناخ المدرسي (β = .24, p = .006)، بينما لم تكن سنوات الخبرة منبئًا دالًّا (β = .05, p = .540).»
ويُستحسن عرض جدول للمعاملات يتضمن B والخطأ المعياري و Beta وقيمة t ودلالتها لكل منبئ.
أسئلة شائعة
ما الفرق بين الارتباط والانحدار؟
الارتباط يقيس قوة العلاقة واتجاهها بين متغيرين دون تمييز بين مستقل وتابع، ويعطي معاملًا بين −1 و+1. أما الانحدار فيحدد متغيرًا تابعًا ومنبئًا أو أكثر، ويعطي معادلة تنبؤ ونسبة التباين المفسَّر ومساهمة كل منبئ. وكلاهما لا يثبت السببية في البيانات المقطعية المجمعة بالاستبانة.
متى أستخدم معامل سبيرمان بدل بيرسون؟
استخدم معامل سبيرمان عندما يكون أحد المتغيرين رتبيًّا، أو عندما يبتعد توزيع البيانات بوضوح عن الاعتدالية، أو عند وجود قيم متطرفة مؤثرة، أو عندما تكون العلاقة رتيبة غير خطية. فسبيرمان يعتمد على رتب القيم، بينما يفترض بيرسون علاقة خطية بين متغيرين متصلين، لذلك ارسم شكل الانتشار قبل الاختيار.
كيف أفسر قيمة R² في الانحدار؟
معامل التحديد R² يمثل نسبة تباين المتغير التابع التي تفسرها المنبئات مجتمعة، فالقيمة .31 تعني أن النموذج يفسر 31% من التباين. وعند تعدد المنبئات يُفضل ذكر Adjusted R² لأنه يصحح التقدير بحسب عدد المنبئات وحجم العينة. ولا توجد قيمة مثالية عامة، فالحكم يعتمد على طبيعة المجال والدراسات السابقة.
ما القيمة المقبولة لمعامل VIF؟
يذكر Pallant (2020) أن قيمة VIF الأكبر من 10، أو قيمة Tolerance الأقل من .10، تدل على تداخل خطي يستدعي المعالجة بين المنبئات. وهذه حدود متعارف عليها وليست قواعد مطلقة، ويستخدم بعض الباحثين حدودًا أكثر تشددًا. وإذا ظهر تداخل حاد فقد تحتاج إلى دمج منبئين متقاربين أو حذف أحدهما بمبرر نظري.
استخدم الارتباط لوصف قوة العلاقة واتجاهها، والانحدار للتنبؤ وتحديد مساهمة كل منبئ، ولا تستنتج السببية من أي منهما في البيانات المقطعية. افحص الشروط، واذكر R² المعدل ومعاملات Beta، وانسب حدود التفسير إلى مصادرها.
المراجع
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
- Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
- Pallant, J. (2020). SPSS survival manual (7th ed.). Routledge.
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000
تحتاج من يراجع عملك؟
يقرأ ملفك متخصص من قسمك، ويرد عليك بخطة واضحة ونطاق عمل مكتوب قبل البدء.
تواصل عبر واتساب