الانحدار الخطي البسيط: المعادلة والشروط وقراءة مخرجات SPSS
شرح عملي للانحدار الخطي البسيط: معادلة خط الانحدار، وشروطه، وخطوات تنفيذه في SPSS، وقراءة جداول Model Summary و ANOVA و Coefficients، مع مثال محلول بالأرقام.
عندما يكون سؤال دراستك «ما أثر متغير في متغير آخر؟» أو «هل يتنبأ متغير بآخر؟»، فإن الارتباط وحده لا يكفي؛ لأنه يخبرك بقوة العلاقة واتجاهها فقط. أما الانحدار الخطي البسيط فيقدم لك معادلة تقدر بها مقدار التغير في المتغير التابع إذا زاد المتغير المستقل وحدة واحدة، ونسبة التباين التي يفسرها.
في هذا المقال ستتعرف إلى معادلة الانحدار ومعنى كل رمز فيها، والشروط التي يجب فحصها، وخطوات التنفيذ في SPSS، وكيف تقرأ جداول المخرجات الثلاثة، ثم تتابع مثالًا محلولًا بأرقام متسقة ونموذجًا لكتابة النتيجة وفق APA.
ما الانحدار الخطي البسيط؟ ومتى تستخدمه؟
الانحدار الخطي البسيط أسلوب إحصائي يقدر العلاقة الخطية بين متغير مستقل واحد (المتنبئ) ومتغير تابع واحد كمي، ويعبر عنها بمعادلة خط مستقيم. وكلمة «بسيط» تعني وجود متنبئ واحد فقط؛ فإذا تعددت المتغيرات المستقلة انتقلت إلى الانحدار المتعدد.
تستخدمه في الرسالة عندما:
- يكون سؤالك عن قدرة متغير على التنبؤ بآخر، مثل: ما مدى إسهام الدعم التنظيمي المدرك في التنبؤ بالأداء الوظيفي؟
- يكون المتغيران كميين، كالدرجة الكلية لمقياس أو متوسط أبعاد استبانة.
- تريد تقدير مقدار التغير، لا مجرد وجود علاقة.
معادلة الانحدار الخطي البسيط ومعنى رموزها
تكتب معادلة خط الانحدار المقدرة على النحو الآتي: Ŷ = b0 + b1X
| الرمز | اسمه في SPSS | معناه |
|---|---|---|
| Ŷ | القيمة المتنبأ بها | القيمة التقديرية للمتغير التابع |
| b0 | (Constant) | الثابت أو نقطة التقاطع: قيمة Ŷ عندما تكون X صفرًا |
| b1 | B | الميل: مقدار تغير Y عند زيادة X وحدة واحدة |
| β | Beta | الميل بعد تحويل المتغيرين إلى درجات معيارية، ويساوي معامل ارتباط بيرسون في الانحدار البسيط |
| R² | R Square | معامل التحديد: نسبة التباين في Y التي يفسرها X |
والفرق بين القيمة الفعلية Y والقيمة المتنبأ بها Ŷ يسمى البواقي (Residuals)، وعليها تقوم معظم شروط الانحدار. ولاحظ أن تفسير الثابت قد لا يكون له معنى عملي إذا كان الصفر خارج مدى المقياس، كما في ليكرت المرمز من 1 إلى 5.
ما شروط الانحدار الخطي البسيط؟ وكيف تفحصها؟
يعرض Field (2018) و Pallant (2020) الافتراضات الآتية، وأغلبها يُفحص من البواقي لا من البيانات الخام:
- الخطية: العلاقة بين X و Y خطية. افحصها بمخطط الانتشار (Scatterplot) قبل التحليل.
- استقلال البواقي: يعرض SPSS إحصاءة Durbin-Watson التي تتراوح بين 0 و 4، والقيمة القريبة من 2 تعني عدم وجود ارتباط بين البواقي. ويذكر Field (2018) قاعدة تقريبية متحفظة: القيم الأقل من 1 أو الأكبر من 3 مدعاة للقلق.
- تجانس تباين البواقي: في الرسم البياني بين البواقي المعيارية والقيم المتنبأ بها المعيارية يجب أن تنتشر النقاط عشوائيًّا دون شكل قمع أو منحنى.
- اعتدالية البواقي: افحصها بالمدرج التكراري ومخطط P-P للبواقي.
- غياب الحالات المتطرفة المؤثرة: يمكنك حفظ مسافة كوك (Cook's Distance)، والقيم الأكبر من 1 تستحق الفحص وفق المحك الذي ينقله Field (2018) عن Cook و Weisberg (1982).
وكلها محكات تقريبية متعارف عليها، لا حدود قاطعة؛ فاذكر في فصل الإجراءات ما فحصته وكيف تعاملت مع أي مخالفة.
خطوات تنفيذ الانحدار الخطي البسيط في SPSS
- من قائمة Analyze اختر Regression ثم Linear.
- انقل المتغير التابع إلى خانة Dependent، والمتغير المستقل إلى خانة Independent(s)، واترك Method على Enter.
- اضغط Statistics وفعّل: Estimates و Confidence intervals و Model fit و Descriptives، ومن قسم Residuals فعّل Durbin-Watson، ثم Continue.
- اضغط Plots وضع ZRESID* في المحور Y و ZPRED* في المحور X، وفعّل Histogram و Normal probability plot، ثم Continue.
- اضغط Save وفعّل Cook's إذا أردت فحص الحالات المؤثرة، ثم Continue و OK.
كيف تقرأ مخرجات الانحدار في SPSS؟
جدول Model Summary
يعرض R (معامل الارتباط المتعدد، ويساوي القيمة المطلقة لمعامل بيرسون في الانحدار البسيط)، و R Square، و Adjusted R Square، و Std. Error of the Estimate، وقيمة Durbin-Watson إذا طلبتها. والمهم هنا R² لأنه يجيب عن سؤال: كم نسبة التباين المفسر؟
جدول ANOVA
يختبر دلالة النموذج ككل: هل يتنبأ النموذج بالمتغير التابع أفضل من الاكتفاء بمتوسطه؟ اقرأ قيمة F ودرجتي الحرية في صفي Regression و Residual، وعمود Sig.
جدول Coefficients
فيه قيم B وخطؤها المعياري Std. Error، و Beta، وقيمة t، و Sig.، وفترة الثقة 95% للمعامل B. وفي الانحدار البسيط تكون قيمة t للمتنبئ مساوية للجذر التربيعي لقيمة F، ولهذا يتفق الجدولان في الدلالة.
مثال محلول: الدعم التنظيمي المدرك والأداء الوظيفي
مثال توضيحي افتراضي وليس دراسة منشورة: باحث يدرس قدرة الدعم التنظيمي المدرك على التنبؤ بالأداء الوظيفي لدى 150 موظفًا في جهة حكومية بالدوحة، وكلا المتغيرين متوسط عبارات على مقياس ليكرت خماسي. الإحصاءات الوصفية: الدعم (M = 3.40، SD = 0.75)، والأداء (M = 3.80، SD = 0.60)، ومعامل الارتباط بينهما r = .52.
| الجدول | القيم |
|---|---|
| Model Summary | R = .520، R² = .270، Adjusted R² = .266، الخطأ المعياري للتقدير = 0.514، Durbin-Watson = 1.92 |
| ANOVA | مجموع مربعات الانحدار 14.504 (df = 1)، ومجموع مربعات البواقي 39.136 (df = 148)، F = 54.85، Sig. < .001 |
| Coefficients: الثابت | B = 2.386، Std. Error = 0.196، t = 12.20 |
| Coefficients: الدعم التنظيمي | B = 0.416، Std. Error = 0.056، Beta = .520، t = 7.41، Sig. < .001، 95% CI [0.305, 0.527] |
التحقق من اتساق الأرقام
- B = r × (SDy ÷ SDx) = .52 × (0.60 ÷ 0.75) = 0.416.
- الثابت = My − B × Mx = 3.80 − 0.416 × 3.40 = 2.386.
- R² = .52² = .270، ومجموع المربعات الكلي = 0.60² × 149 = 53.64، وحصة الانحدار منه 53.64 × .2704 ≈ 14.50.
- t = 0.416 ÷ 0.056 ≈ 7.41، ومربعها ≈ 54.85 = F.
التفسير
معادلة التنبؤ: الأداء المتوقع = 2.386 + 0.416 × الدعم. فكل زيادة بمقدار درجة واحدة في الدعم التنظيمي المدرك يقابلها ارتفاع متوقع في الأداء قدره 0.42 درجة تقريبًا؛ فالموظف الذي متوسط دعمه 4 يتوقع أن يكون متوسط أدائه نحو 4.05. ويفسر الدعم 27% تقريبًا من تباين الأداء.
أخطاء شائعة في تحليل الانحدار الخطي البسيط
- تفسير الانحدار بوصفه دليلًا على السببية في دراسة مسحية ذات قياس واحد.
- الاكتفاء بالدلالة وإهمال R²: نموذج دال يفسر نسبة ضئيلة من التباين يختلف في قيمته العملية عن نموذج يفسر نسبة كبيرة.
- الخلط بين B و Beta: B بوحدات المقياس الأصلية وتستخدم في معادلة التنبؤ، و Beta معيارية وتستخدم للمقارنة بين متنبئات مختلفة الوحدات.
- إهمال فحص البواقي: كثير من الرسائل تفحص اعتدالية المتغيرات الأصلية فقط، بينما الشرط يتعلق بالبواقي.
- التنبؤ خارج مدى البيانات: المعادلة صالحة داخل مدى قيم X التي جمعتها فقط.
- كتابة Sig. = .000: اكتبها p < .001 وفق دليل APA.
أسئلة شائعة
ما الفرق بين الارتباط والانحدار الخطي البسيط؟
الارتباط يقيس قوة العلاقة بين متغيرين واتجاهها دون تمييز بين مستقل وتابع. أما الانحدار الخطي البسيط فيحدد متغيرًا متنبئًا وآخر تابعًا، ويقدم معادلة تقدر مقدار التغير في التابع عند زيادة المستقل وحدة واحدة، ونسبة التباين المفسر R². وفي الانحدار البسيط تساوي قيمة Beta معامل ارتباط بيرسون بين المتغيرين.
كيف أفسر قيمة R Square في الانحدار؟
قيمة R Square هي نسبة التباين في المتغير التابع التي يفسرها المتغير المستقل. فإذا كانت .27 فهذا يعني أن 27% من الاختلاف في درجات المتغير التابع بين أفراد العينة يرتبط بالمتغير المستقل، والباقي تفسره عوامل أخرى لم يتضمنها النموذج. واكتب معها دلالة النموذج من جدول ANOVA.
ما قيمة Durbin-Watson المقبولة؟
تتراوح إحصاءة Durbin-Watson بين 0 و 4، والقيمة القريبة من 2 تشير إلى استقلال البواقي. ويذكر Field في كتابه عن SPSS قاعدة تقريبية متحفظة مفادها أن القيم الأقل من 1 أو الأكبر من 3 مدعاة للقلق. وهي قاعدة إرشادية، وأهميتها أكبر في البيانات التي لها ترتيب زمني أو تسلسل في الجمع.
متى أستخدم الانحدار المتعدد بدل البسيط؟
تستخدم الانحدار المتعدد عندما يكون لديك أكثر من متغير مستقل تريد معرفة إسهام كل منها في التنبؤ بالمتغير التابع مع ضبط أثر الآخرين، كأن تدرس الدعم التنظيمي والرضا الوظيفي معًا في التنبؤ بالأداء. وفيه تظهر شروط إضافية أهمها فحص التداخل الخطي المتعدد بين المتغيرات المستقلة.
الانحدار الخطي البسيط يقدر معادلة تتنبأ بمتغير تابع من متغير مستقل واحد، ويجيب عن سؤالين: هل التنبؤ دال، وكم نسبة التباين المفسر؟ افحص الشروط من البواقي، واقرأ الجداول الثلاثة معًا، واكتب النتيجة بقيم F و R² و B وفترة الثقة و β.
المراجع
- Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
- Pallant, J. (2020). SPSS survival manual (7th ed.). Routledge.
- Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000
خدمات مرتبطة بهذا الموضوع
تحتاج من يراجع عملك؟
يقرأ ملفك متخصص من قسمك، ويرد عليك بخطة واضحة ونطاق عمل مكتوب قبل البدء.
تواصل عبر واتساب