‫ﻣﺤﺎﺿﺮات ﻓﻲ اﻹﻗﺘﺼﺎد اﻟﻘﯿﺎﺳﻲ‬

‫‪ECON382‬‬

‫اﻟﺪﻛﺘﻮر ﻣﺤﯿﻲ اﻟﺪﯾﻦ ﯾﺎﺳﯿﻦ أﯾﻮب‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪1‬‬

‫اﻹﻗﺘﺼﺎد اﻟﻘﯿﺎﺳﻲ‬
‫‪ ‬اﻹﻗﺘﺼﺎد اﻟﻘﯿﺎﺳﻲ ﯾﻌﻨﻲ ﺑﺘﻄﺒﯿﻖ وإﺳﺘﺨﺪام‪:‬‬
‫اﻟﻨﻈﺮﯾﺔ اﻹﻗﺘﺼﺎدﯾﺔ‪.‬‬ ‫‪‬‬

‫اﻟﺮﯾﺎﺿﯿﺎت‪.‬‬ ‫‪‬‬

‫اﻷﺳﺎﻟﯿﺐ اﻹﺣﺼﺎﺋﯿﺔ‪.‬‬ ‫‪‬‬

‫‪ ‬ﻣﻦ أﺟﻞ ‪:‬‬

‫إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‬ ‫‪‬‬

‫وإﺟﺮاء اﻟﺘﻨﺒﺆءات‬ ‫‪‬‬

‫‪ ‬ﻋﻦ ﻇﻮاھﺮ إﻗﺘﺼﺎدﯾﺔ ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪2‬‬

‫اﻹﻗﺘﺼﺎد اﻟﻘﯿﺎﺳﻲ واﻹﻧﺤﺪار‬
‫‪ ‬إرﺗﺒﻂ اﻹﻗﺘﺼﺎد اﻟﻘﯿﺎﺳﻲ ﺑﺎﻹﻧﺤﺪار ‪.‬‬
‫‪ ‬اﻹﻧﺤﺪار‪:‬‬
‫ﯾﺮﺑﻂ ﻣﺘﻐﯿﺮ ﺗﺎﺑﻊ‬ ‫‪‬‬
‫ﺑﻤﺘﻐﯿﺮأو ﻣﺘﻐﯿﺮات ﻣﺴﺘﻘﻠﺔ‬ ‫‪‬‬
‫‪ ‬ﺑﻤﺎ أن اﻟﻌﻼﻗﺔ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات اﻹﻗﺘﺼﺎدﯾﺔ ﻟﯿﺴﺖ ﻣﻀﺒﻮﻃﺔ او ﺗﺎﻣﺔ‬
‫‪ ‬ﻓﻼﺑﺪ ﻣﻦ إدراج ﻋﻨﺼﺮ ﺧﻄﺄ ﻓﻲ اﻟﻤﻌﺎدﻟﺔ وﯾﺴﻤﻰ ﻋﻨﺼﺮ اﻹﻗﻼق‬
‫‪ ‬ھﺬا اﻟﻌﻨﺼﺮ ذو ﺧﺼﺎﺋﺺ إﺣﺘﻤﺎﻟﯿﺔ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪3‬‬

‫ﻣﺜﺎل‪:‬ﻧﻤﻮذج إﻗﺘﺼﺎد ﻗﯿﺎﺳﻲ‬
‫‪ ‬داﻟﺔ اﻟﻄﻠﺐ ﯾﻤﻜﻦ أن ﺗﻤﺜﻞ ﻧﻤﻮذج إﻗﺘﺼﺎد اﻟﻘﯿﺎﺳﻲ ‪.‬‬
‫‪ ‬ﻓﻲ اﻟﻨﻤﻮذج ﯾﺮﺑﻂ اﻟﻄﻠﺐ ﻋﻠﻰ ﺳﻠﻌﺔ ﻣﺎ ﺑﻤﺤﺪدات اﻟﻄﻠﺐ‬
‫‪ ‬ﻣﺜﺎل ذﻟﻚ ‪:‬‬
‫‪ Q= α+β1P+β2 Y+µ‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪4‬‬

‫ﻣﺜﺎل‪:‬ﻧﻤﻮذج إﻗﺘﺼﺎد ﻗﯿﺎﺳﻲ‬
‫‪ ‬ﺣﯿﺚ ﯾﻤﺜﻞ اﻟﻄﻠﺐ ﻋﻠﻰ اﻟﺴﻠﻌﺔ‬
‫‪β1,β2 , α ‬ھﻲ ﺛﻮاﺑﺖ ﻣﺠﮭﻮﻟﺔ ﯾﻨﺒﻐﻲ ﺗﻘﺪﯾﺮھﺎ وﺗﺴﻤﻰ ﻣﻌﻠﻤﺎت‬
‫‪ ، α ‬ﯾﻤﺜﻞ اﻟﻤﻘﻄﻊ ‪ ،‬اﻟﻜﻤﯿﺎت اﻟﻤﻄﻠﻮﺑﺔ ‪ Q‬ﻋﻨﺪ اﻟﺜﻤﻦ ﺻﻔﺮ‪.‬‬
‫‪ β1 ‬ﯾﻤﺜﻞ اﻟﻤﯿﻞ‪ ،‬ھﻮ ﻣﻘﺪار اﻟﺘﻐﯿﺮ ﻓﻲ اﻟﻜﻤﯿﺎت اﻟﻤﻄﻠﻮﺑﺔ ‪ Q‬ﻋﻨﺪﻣﺎ‬
‫ﯾﺘﻐﯿﺮ اﻟﺜﻤﻦ ﺑﻮﺣﺪة واﺣﺪة‪ ،‬وﯾﻔﺘﺮض أن ﺗﻜﻮن اﻹﺷﺎرة ھﻨﺎ ﺳﺎﻟﺒﺔ‬
‫ﺑﺤﻜﻢ اﻟﻌﻼﻗﺔ اﻟﺴﻠﺒﯿﺔ ﺑﯿﻦ اﻟﺜﻤﻦ و اﻟﻜﻤﯿﺎت اﻟﻤﻄﻠﻮﺑﺔ ‪.‬‬
‫‪ ‬ﺑﻤﺎ أن ﻣﺤﺪدات اﻟﻄﻠﺐ ﻻ ﺗﻨﺤﺼﺮ ﻓﻲ اﻟﺜﻤﻦ ﻓﻘﻂ‪ ،‬ﻓﺈﻧﮫ ﯾﺠﺐ‬
‫إدراج ﻋﻨﺼﺮ اﻟﺨﻄﺄ ‪ µ‬ذو اﻟﺨﺼﺎﺋﺺ اﻹﺣﺘﻤﺎﻟﯿﺔ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪5‬‬

‫ﻣﺮاﺣﻞ ﺑﺤﻮث اﻹﻗﺘﺼﺎد اﻟﻘﯿﺎﺳﻲ‬
‫‪ ‬ﺗﺘﻀﻤﻦ اﻟﻤﺮاﺣﻞ اﻟﺘﺎﻟﯿﺔ‪:‬‬
‫‪ ‬ﺗﺤﺪﯾﺪ اﻟﻨﻤﻮذج ﻓﻲ ﺷﻜﻞ ﻣﻌﺎدﻟﺔ إﺣﺘﻤﺎﻟﯿﺔ واﺿﺤﺔ‪.‬‬
‫‪ ‬ﺗﺤﺪﯾﺪ اﻟﺘﻮﻗﻌﺎت اﻟﻨﻈﺮﯾﺔ ﻋﻦ إﺷﺎرات وأﺣﺠﺎم ﻣﻌﻠﻤﺎت اﻟﺪاﻟﺔ‪.‬‬
‫‪ ‬ﺟﻤﻊ ﺑﯿﺎﻧﺎت ﻣﺘﻐﯿﺮات اﻟﻨﻤﻮذج‪.‬‬
‫‪ ‬إﺟﺮاء اﻟﺘﻘﺪﯾﺮات ﺑﺈﺳﺘﺨﺪام أﺳﻠﻮب اﻹﻗﺘﺼﺎد اﻟﻘﯿﺎﺳﻲ اﻟﻤﻨﺎﺳﺐ‪.‬‬
‫‪ ‬ﺗﻘﯿﯿﻢ ﻣﻌﻠﻤﺎت اﻟﺪاﻟﺔ اﻟﻤﻘﺪرة ﺑﺎﺳﺘﺨﺪام اﻟﻤﻌﺎﯾﯿﺮ اﻹﻗﺘﺼﺎدﯾﺔ‬
‫واﻹﺣﺼﺎﺋﯿﺔ واﻟﻘﯿﺎﺳﯿﺔ اﻟﻤﻨﺎﺳﺒﺔ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪6‬‬

‫ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار اﻟﺒﺴﯿﻂ‬
‫‪ ‬ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار اﻟﺒﺴﯿﻂ ‪ ،‬ﺳﻤﻲ ﺑﺬﻟﻚ ﻹﺣﺘﻮاﺋﮫ ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ‬
‫واﺣﺪ ﻓﻘﻂ‪ ،‬ﺑﯿﻨﻤﺎ ﯾﺘﻀﻤﻦ اﻹﻧﺤﺪار اﻟﻤﺘﻌﺪد ﻣﺘﻐﯿﺮات ﻣﺴﺘﻘﻠﺔ‬
‫ﻣﺘﻌﺪدة‪.‬‬
‫‪ ‬ﻧﻤﻮذج ﺧﻄﻲ ﻟﺪراﺳﺔ اﻟﻌﻼﻗﺔ ﺑﯿﻦ ﻣﺘﻐﯿﺮ ﺗﺎﺑﻊ ‪ Y‬وﻣﺘﻐﯿﺮﻣﺴﺘﻘﻞ ‪X‬‬
‫‪Y= α+β X +µ ‬‬
‫‪ ‬ﯾﺘﻢ إﺳﺘﺨﺪام أﺳﻠﻮب اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻟﺘﻘﺪﯾﺮ ﻗﯿﻤﺔاﻟﻤﻌﻠﻤﺎت‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪7‬‬

 ‫ﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ‬
‫ﻣﺘﻐﯿﺮ ﺗﺎﺑﻊ‬
‫ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار اﻟﺒﺴﯿﻂ‬
‫‪ ‬ﯾﻤﻜﻦ ﻛﺘﺎﺑﺔ ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪارﺑﺎﻟﺸﻜﻞ اﻟﺘﺎﻟﻲ ‪:‬‬
‫‪Yˆ  ˆ  ˆX‬‬
‫‪ ‬اﻟﻤﻌﻠﻤﺎت ‪ α‬و ‪ β‬ﺛﻮاﺑﺖ ﻣﺠﮭﻮﻟﺔ ﯾﻨﺒﻐﻲ ﺗﻘﺪﯾﺮھﺎ‪ α ،‬اﻟﻤﻘﻄﻊ ‪ β ،‬اﻟﻤﯿﻞ ﯾﻌﻨﻲ‬
‫اﻟﺘﻐﯿﺮ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﻨﺎءا ﻋﻠﻰ اﻟﺘﻐﯿﺮ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ‪.‬‬
‫‪ ‬ﯾﻤﻜﻦ ﺣﺴﺎب ﺗﻘﺪﯾﺮات اﻟﻤﻌﻠﻤﺎت ﺑﺎﻟﻤﻌﺎداﻻت اﻟﺘﺎﻟﯿﺔ ‪:‬‬

‫‪ XY  n X Y‬‬
‫‪ˆ ‬‬
‫‪ X 2  nX 2‬‬
‫اﻟﻔﺮﺿﯿﺎت ﻋﻠﻰ ﻣﻌﻨﻮﯾﺎت‬
‫ﻛﺈﺧﺘﺒﺎر‪ˆ  Y‬‬
‫‪ ‬ﯾﻤﻜﻦ ﺑﻌﺪ ذﻟﻚ إﺟﺮاء ﺗﻘﻘﯿﯿﻢ ﺷﺎﻣﻞ‪ ˆ X‬‬
‫اﻟﻤﻌﻠﻤﺎت ﻛﻤﺎ ﺳﯿﺄﺗﻲ ﻓﻲ اﻟﻤﺜﺎل‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪8‬‬

 ‫ﻣﺜﺎل‪:‬‬

‫‪Y2‬‬ ‫‪X2‬‬ ‫‪XY‬‬ ‫اﻹﻋﻼﻧﺎت ‪X‬‬ ‫اﻟﻤﺒﯿﻌﺎت ‪Y‬‬

‫‪961‬‬ ‫‪25‬‬ ‫‪155‬‬ ‫‪5‬‬ ‫‪31‬‬

‫‪1600‬‬ ‫‪121‬‬ ‫‪440‬‬ ‫‪11‬‬ ‫‪40‬‬

‫‪900‬‬ ‫‪16‬‬ ‫‪120‬‬ ‫‪4‬‬ ‫‪30‬‬

‫‪1156‬‬ ‫‪25‬‬ ‫‪170‬‬ ‫‪5‬‬ ‫‪34‬‬

‫‪625‬‬ ‫‪9‬‬ ‫‪75‬‬ ‫‪3‬‬ ‫‪25‬‬

‫‪400‬‬ ‫‪4‬‬ ‫‪40‬‬ ‫‪2‬‬ ‫‪20‬‬

‫‪5642‬‬ ‫‪200‬‬ ‫‪1000‬‬ ‫‪30‬‬ ‫‪180‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪9‬‬

‫ﻣﺜﺎل ﻓﻲ اﻹﻧﺤﺪار وإﺧﺘﺒﺎر ﻓﺮﺿﯿﺎت اﻟﻤﻌﻨﻮﯾﺎت‪:‬‬
‫‪ ‬ﺑﺎﺳﺘﺨﺪام اﻟﺠﺪول ﻓﻲ اﻟﻤﺜﺎل اﻟﺴﺎﺑﻖ ﻋﻦ اﻟﻤﺒﯿﻌﺎت واﻹﻋﻼﻧﺎت‪ ،‬إﺣﺴﺐ‬
‫ﺗﻘﺪﯾﺮات ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار وﻣﻦ ﺛﻢ إﺧﺘﺒﺮ اﻟﻔﺮﺿﯿﺎت ﻋﻦ ﻣﻌﻨﻮﯾﺎت‬
‫اﻟﻤﻌﻠﻤﺎت‪.‬‬
‫‪ ‬اﻟﺤﻞ‪:‬اﻟﻤﻌﻄﯿﺎت ﻣﻦ اﻟﺠﺪول‪:‬‬
‫‪ XY 1000... X 2  200...X  5...Y  30...n  6‬‬
‫‪ ‬ﺑﻨﺎءا ﻋﻠﻰ ذﻟﻚ ﻓﺈن اﻟﻤﻌﻠﻤﺎت اﻟﻤﻘﺪرة‪:‬‬

‫‪ XY  n X Y‬‬ ‫‪1000  6 * 5 * 30‬‬

‫‪ˆ ‬‬ ‫‪‬‬ ‫‪ 2‬‬
‫‪ X  nX‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪200  6 * 5‬‬ ‫‪2‬‬

‫‪ˆ  Y  ˆ X  30  2 * 5  20‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪10‬‬

 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‪:‬‬
‫‪ ‬اﻟﻤﻌﺎدﻟﺔ اﻟﻤﻘﺪرة‪:‬‬

‫‪Yˆ  20  2 X‬‬
‫‪ ‬اﻟﻤﻌﺎدﻟﺔ ﺗﻌﻨﻲ ﺑﺄن إﺟﻤﺎﻟﻲ اﻟﻤﺒﯿﻌﺎت ﺳﯿﺘﻐﯿﺮ ﺑﻤﻘﺪار وﺣﺪﺗﯿﻦ ﻛﻠﻤﺎ ﺗﻐﯿﺮت‬
‫اﻹﻋﻼﻧﺎت ﺑﻮﺣﺪة واﺣﺪة‪.‬‬
‫‪ ‬ﻛﻤﺎ أن ﻗﯿﻤﺔ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﯾﺴﺎوي ‪ 20‬إذا ﻛﺎن اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﻣﺴﺎوﯾﺎ‬
‫ﻟﻠﺼﻔﺮ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪11‬‬

 ‫ﺗﻘﯿﯿﻢ ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار‪:‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻟﻤﻌﻨﻮﯾﺎت‬
‫اﻟﻤﻘﻄﻊ واﻟﻤﯿﻞ وﺟﻮدة اﻟﺘﻮﻓﯿﻖ‪.‬‬
‫‪ ‬ﺑﻌﺪ اﻟﺤﺼﻮل ﻋﻠﻰ ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار اﻟﻤﻘﺪرة ﯾﺠﺐ ﺗﻘﯿﯿﻤﮭﺎ ﺑﺈﺟﺮاء‬
‫اﻵﺗﻲ‪:‬‬
‫‪ .1‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻟﻤﻌﻨﻮﯾﺎت ﻛﻞ ﻣﻦ اﻟﻤﻘﻄﻊ واﻟﻤﯿﻞ‪.‬‬
‫‪ .2‬اﻟﺤﺼﻮل ﻋﻠﻰ ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ ‪. R2‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪12‬‬

 ‫إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻟﻤﻌﻨﻮﯾﺎت اﻟﻤﻘﻄﻊ‪ α‬واﻟﻤﯿﻞ ‪β‬‬
‫ﯾﺘﻢ إﺟﺮاء إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬ ‫‪‬‬
‫رﻓﺾ‬ ‫رﻓﺾ‬ ‫ﺻﯿﺎﻏﺔ اﻟﻔﺮﺿﯿﺔ‪:‬‬ ‫‪‬‬
‫‪%2.5‬‬ ‫‪2.5‬‬
‫‪.H0 ; β =0‬‬
‫ﻗﺒﻮل‬
‫‪%‬‬ ‫‪H1 :β ≠0‬‬
‫‪%95‬‬

‫ﺗﺤﺪﯾﺪ ﻣﻨﻄﻘﺘﻲ اﻟﻘﺒﻮل واﻟﺮﻓﺾ ﺑﺘﺤﺪﯾﺪ درﺟﺔ اﻟﺤﺮﯾﺔ ‪df=n- 2‬وإﺳﺘﺨﺮاج‬ ‫‪‬‬
‫ﻗﯿﻤﺔ ‪ t‬اﻟﺠﺪوﻟﯿﺔ ﻋﻨﺪ درﺟﺔ اﻷھﻤﯿﺔ اﻟﻤﺤﺪدة ‪.‬‬
‫ˆ‪‬‬ ‫ﺣﺴﺎب ﻗﯿﻤﺔ ‪.t‬‬ ‫‪‬‬
‫‪t‬‬
‫‪S‬‬ ‫اﻟﻤﻌﻠﻤﺔ اﻟﻤﻘﺪرة‬
‫اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪13‬‬
 ‫إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻟﻤﻌﻨﻮﯾﺎت اﻟﻤﻘﻄﻊ‪ α‬واﻟﻤﯿﻞ ‪β‬‬

‫‪ ‬اﻟﺨﻄﻮة اﻟﺴﺎﺑﻘﺔ ﺗﺘﻄﻠﺐ اﻟﺤﺼﻮل ﻋﻠﻰ اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري ﻟﻜﻞ ﻣﻦ‬

‫اﻟﻤﻘﻄﻊ‪ α‬واﻟﻤﯿﻞ‪. β‬‬
‫‪ ‬اﻟﻤﻘﺎرﻧﺔ ﺑﯿﻦ ﻗﯿﻤﺔ اﻟﻤﺤﺴﻮﺑﺔ ‪t‬وﻗﯿﻤﺔ ‪ t‬اﻟﺠﺪوﻟﯿﺔ‪.‬‬
‫‪ ‬اﻟﻘﺮار‪ :‬إﻗﺒﻞ ﻓﺮﺿﯿﺔ اﻟﻌﺪم ‪ H0‬إذا ﻛﺎﻧﺖ ﻗﯿﻤﺔ اﻟﻤﺤﺴﻮﺑﺔ ‪ t‬أﺻﻐﺮ‬
‫ﻣﻦ ﻗﯿﻤﺔ ‪ t‬اﻟﺠﺪوﻟﯿﺔ ﺑﻤﺴﺘﻮى اﻷھﻤﯿﺔ اﻟﻤﺤﺪد‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪14‬‬

 ‫ﻣﺜﺎل ﻹﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‬
‫‪ ‬ﺑﺎﺳﺘﺨﺪام ﻧﺘﯿﺠﺔ ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار ﻓﻲ اﻟﻤﺜﺎل اﻟﺴﺎﺑﻖ‪ ،‬إﺧﺘﺒﺮ ﻣﻌﻨﻮﯾﺔ اﻟﻤﻌﻠﻤﺎت‬
‫اﻟﻤﻘﻄﻊ‪ α‬واﻟﻤﯿﻞ ‪.β‬‬
‫رﻓﺾ‬
‫ﻗﺒﻮل‬
‫رﻓﺾ‬ ‫‪ ‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺔ ﻟﻤﻌﻨﻮﯾﺔ اﻟﻤﻘﻄﻊ ‪α‬‬
‫‪%2.5‬‬ ‫‪%2.5‬‬
‫‪%95‬‬
‫‪t= -2.776‬‬ ‫‪t=2.776‬‬ ‫‪ ‬ﺻﯿﺎﻏﺔ اﻟﻔﺮﺿﯿﺔ‪:‬‬
‫‪H0 : α=0‬‬ ‫‪‬‬
‫‪H1 ; α≠0‬‬ ‫‪‬‬
‫‪ ‬ﺣﺴﺎب ﻗﯿﻤﺔ ‪ t‬اﻟﺠﺪوﻟﯿﺔ وﺗﺤﺪﯾﺪ ﻣﻨﻄﻘﺔ اﻟﻘﺒﻮل واﻟﺮﻓﺾ‪:‬‬
‫ﻗﯿﻤﺔ ‪t‬اﻟﺠﺪوﻟﯿﺔ ﻋﻨﺪ ﻣﺴﺘﻮى أھﻤﯿﺔ ‪t=2.776 ،%5‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪15‬‬

 ‫اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري ﻟﻠﻤﻘﻄﻊ واﻟﻤﯿﻞ‪:‬‬
‫‪ ‬وﯾﻤﻜﻦ إﺳﺘﺨﺮاج ﻗﯿﻤﺔ اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري ﻟﻜﻞ ﻣﻦ اﻟﻤﻘﻄﻊ‪α‬‬
‫واﻟﻤﯿﻞ‪ β‬ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ ﺑﺈﺳﺘﺨﺪام اﻟﺠﺪول اﻷﺧﯿﺮ واﻟﻤﻌﺎدﻻت‬
‫اﻟﺘﺎﻟﯿﺔ ‪:‬‬

‫‪e‬‬ ‫‪2‬‬
‫‪S ‬‬
‫‪n  2  x2‬‬
‫‪e 2  X 2‬‬
‫‪S ‬‬
‫‪n2 n x‬‬ ‫‪2‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪16‬‬

 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‪:‬‬
‫‪e2‬‬ ‫‪e‬‬ ‫ˆ‪Y‬‬ ‫‪xy‬‬ ‫‪x2‬‬ ‫‪x‬‬ ‫‪y2‬‬ ‫‪y‬‬ ‫‪Y2‬‬ ‫‪X2‬‬ ‫‪XY‬‬ ‫‪X‬‬ ‫‪Y‬‬

‫‪1‬‬ ‫‪1‬‬ ‫‪30‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪961‬‬ ‫‪25‬‬ ‫‪155‬‬ ‫‪5‬‬ ‫‪31‬‬

‫‪4 -2‬‬ ‫‪42‬‬ ‫‪60 36‬‬ ‫‪6‬‬ ‫‪100‬‬ ‫‪10‬‬ ‫‪1600 121‬‬ ‫‪440 11‬‬ ‫‪40‬‬
‫‪-‬‬
‫‪4‬‬ ‫‪2‬‬ ‫‪28‬‬ ‫‪0‬‬ ‫‪11‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪900‬‬ ‫‪16‬‬ ‫‪120‬‬ ‫‪4‬‬ ‫‪30‬‬

‫‪16‬‬ ‫‪4‬‬ ‫‪30‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪16‬‬ ‫‪4‬‬ ‫‪1156‬‬ ‫‪25‬‬ ‫‪170‬‬ ‫‪5‬‬ ‫‪34‬‬
‫‪-‬‬
‫‪1 -1‬‬ ‫‪26‬‬ ‫‪10‬‬ ‫‪42‬‬ ‫‪25‬‬ ‫‪-5‬‬ ‫‪625‬‬ ‫‪9‬‬ ‫‪75‬‬ ‫‪3‬‬ ‫‪25‬‬
‫‪-‬‬
‫‪16 -4‬‬ ‫‪24‬‬ ‫‪30‬‬ ‫‪93‬‬ ‫‪100 -10‬‬ ‫‪400‬‬ ‫‪4‬‬ ‫‪40‬‬ ‫‪2‬‬ ‫‪20‬‬

‫‪42‬‬ ‫‪0 180‬‬ ‫‪100 50‬‬ ‫‪0‬‬ ‫‪242‬‬ ‫‪0‬‬ ‫‪5642 200 1000 30‬‬ ‫‪180‬‬
‫‪5‬‬ ‫‪30‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪17‬‬
 ‫ﻣﻼﺣﻈﺎت ﻋﻠﻰ اﻟﺠﺪول‬
‫‪ ‬اﻟﺤﺮف اﻹﻧﺠﻠﯿﺰي اﻟﺼﻐﯿﺮ ﯾﻌﻨﻲ اﻟﻔﺮق ﺑﯿﻦ ﻗﯿﻤﺔ اﻟﻤﺘﻐﯿﺮ وﻣﺘﻮﺳﻄﮫ أي‪:‬‬

‫‪x  X  X  55  0‬‬

‫‪y  Y  Y  31  30  1‬‬
‫‪ e ‬اﻟﻔﺮق ﻣﺎ ﺑﯿﻦ ‪ Y‬و اﻟﻤﻌﺎدﻟﺔ اﻟﻤﻘﺪرة ‪ ،‬ﻛﻤﺜﺎل‪:‬‬
‫‪e1  Y  Yˆ  31  ( 20  2 * 5)  1‬‬
‫‪e  Y  Yˆ  40  (20  2 *11)  2‬‬
‫‪2‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪18‬‬

 ‫ﺗﺎﺑﻊ اﻟﻤﺜﺎل‪:‬‬
‫‪ ‬اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري ﻟﻠﻤﻘﻄﻊ‪:‬‬
‫‪e 2  X 2‬‬ ‫‪42 200‬‬
‫‪S ‬‬ ‫‪‬‬ ‫*‬ ‫‪ 2.64‬‬
‫‪n  2 n  x2‬‬ ‫‪4 6 * 50‬‬
‫‪ ‬ﺣﺴﺎب ﻗﯿﻤﺔ ‪ t‬ﻟﻠﻤﻘﻄﻊ‪:‬‬
‫‪‬‬ ‫‪20‬‬
‫‪t ‬‬ ‫‪‬‬ ‫‪ 7 . 559‬‬
‫‪S‬‬ ‫‪2 . 64‬‬

‫‪ ‬ﺑﻤﺎ أن ﻗﯿﻤﺔ ‪ t‬اﻟﻤﺤﺴﻮﺑﺔ أﻛﺒﺮ ﻣﻦ ﻗﯿﻤﺔ ‪ t‬اﻟﺠﺪوﻟﯿﺔ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ‬

‫ﻓﺮﺿﯿﺔ اﻟﻌﺪم ‪H0‬وﻧﻘﺒﻞ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ‪ ،H1‬وﻧﻘﺮر ﺑﺄن اﻟﻤﻘﻄﻊ‬
‫‪ α‬ﻣﺨﺘﻠﻒ ﺗﻤﺎﻣﺎ ﻋﻦ اﻟﺼﻔﺮ ﺑﺄھﻤﯿﺔ ﻣﻘﺪارھﺎ ‪.%5‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪19‬‬

 ‫ﻣﺜﺎل ﻹﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‬

‫‪ ‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺔ ﻟﻤﻌﻨﻮﯾﺔ اﻟﻤﯿﻞ ‪β‬‬

‫رﻓﺾ‬ ‫رﻓﺾ‬
‫‪%2.5‬‬
‫ﻗﺒﻮل‬
‫‪%2.5‬‬
‫‪ ‬ﺻﯿﺎﻏﺔ اﻟﻔﺮﺿﯿﺔ‪H0 ; β =0 :‬‬
‫‪%95‬‬
‫‪H1 ; β ≠0‬‬ ‫‪‬‬
‫‪t= -2.776‬‬ ‫‪t=2.776‬‬

‫‪ ‬ﺣﺴﺎب ﻗﯿﻤﺔ ‪ t‬اﻟﺠﺪوﻟﯿﺔ وﺗﺤﺪﯾﺪ ﻣﻨﻄﻘﺔ اﻟﻘﺒﻮل واﻟﺮﻓﺾ‪:‬‬

‫ﻗﯿﻤﺔ ‪t‬اﻟﺠﺪوﻟﯿﺔ ﻋﻨﺪ ﻣﺴﺘﻮى أھﻤﯿﺔ ‪t=2.776 ،%5‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪20‬‬

 ‫ﺗﺎﺑﻊ ﺣﻞ إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺔ ﻟﻤﻌﻨﻮﯾﺔ اﻟﻤﯿﻞ ‪β‬‬
‫‪ ‬ﻗﯿﻤﺔ ‪ t‬اﻟﻤﺤﺴﻮﺑﺔ واﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري‪:‬‬
‫اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري‬
‫‪e2‬‬ ‫‪42‬‬
‫‪S ‬‬ ‫‪‬‬ ‫‪ 0.4583‬‬
‫‪n  2 x‬‬ ‫‪2‬‬
‫‪4*50‬‬

‫‪‬‬ ‫‪2‬‬ ‫ﺣﺴﺎب ﻗﯿﻤﺔ ‪ t‬ﻟﻠﻤﯿﻞ‪:‬‬

‫‪t‬‬ ‫‪‬‬ ‫‪ 4 . 364‬‬
‫‪S‬‬ ‫‪0 . 4583‬‬

‫ﺑﻤﺎ أن ﻗﯿﻤﺔ ‪t‬اﻟﻤﺤﺴﻮﺑﺔ أﻛﺒﺮ ﻣﻦ ﻗﯿﻤﺔ ‪ t‬اﻟﺠﺪوﻟﯿﺔ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ‬

‫ﻓﺮﺿﯿﺔ اﻟﻌﺪم ‪H0‬وﻧﻘﺒﻞ اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ ‪ ،H1‬وﻧﻘﺮر ﺑﺄن اﻟﻤﻘﻄﻊ‬
‫ﻣﺨﺘﻠﻒ ﺗﻤﺎﻣﺎ ﻋﻦ اﻟﺼﻔﺮ ﺑﺄھﻤﯿﺔ ﻣﻘﺪارھﺎ ‪.%5‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪21‬‬

 ‫ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ ‪R2‬‬
‫‪ ‬ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ ‪ R2‬ﯾﺸﺮح ﺟﻮدة اﻟﻤﻌﺎدﻟﺔ ‪ ،‬ﯾﻈﮭﺮ اﻟﻨﺴﺒﺔ اﻟﻤﻔﺴﺮة ﻣﻦ‬
‫اﻟﺘﻐﯿﺮات ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ‪.‬‬
‫‪ ‬ﺗﺘﺮاوح ﻗﻤﺘﮫ ﻣﺎ ﺑﯿﻦ اﻟﻮاﺣﺪ اﻟﺼﺤﯿﺢ واﻟﺼﻔﺮ أي أن‬
‫‪0≤ R2 ≤1‬‬
‫وﯾﻤﻜﻦ ﺣﺴﺎب ‪ R2‬ﺑﺎﻟﻤﻌﺎدﻟﺔ‪:‬‬

‫‪‬‬ ‫‪‬‬ ‫‪Y‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪XY‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪Y‬‬ ‫‪2‬‬
‫‪R2 ‬‬
‫‪ Y 2  nY 2‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪22‬‬

 ‫ﻣﺜﺎل ‪:‬ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ‪:‬‬
‫‪ ‬إﺣﺴﺐ ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ ﻟﻤﻌﺎدﻟﺔ اﻹﻧﺤﺪار اﻟﺴﺎﺑﻘﺔ‪:‬‬
‫‪ ‬اﻟﺤﻞ ﺑﺎﺳﺘﺨﺪام ﻧﺘﺎﺋﺞ اﻟﺠﺪول اﻷول وﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار اﻟﻤﻘﺪرة‪،‬‬
‫ﻧﺠﺪ أن ‪:‬‬
‫‪ Y    XY  nY 2 20*180 2*1000 6*302‬‬
‫‪R ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ 0.8264‬‬
‫‪Y  nY‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪5642 6*30‬‬‫‪2‬‬

‫‪ ‬أي أن اﻟﻤﻌﺎدﻟﺔ ﺗﻔﺴﺮ ﻣﺎ ﻧﺴﺒﺘﮫ ‪ %82.64‬ﻣﻦ اﻟﺘﻐﯿﺮات اﻟﺤﺎﺻﻠﺔ‬

‫ﻓﻲ اﻟﻤﺒﯿﻌﺎت ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪23‬‬

 ‫اﺳﻠﻮب اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫”‪Ordinary Least Squares “OLS‬‬
‫‪ ‬ﻣﻦ أھﻢ أﺳﺎﻟﯿﺐ اﻹﻧﺤﺪار وﻣﻦ أھﻢ وﺳﺎﺋﻞ اﻹﻗﺘﺼﺎد اﻟﻘﯿﺎﺳﻲ‪.‬‬
‫‪ ‬وھﻮ أﺳﻠﻮب ﯾﺴﺘﺨﺪم ﻹﯾﺠﺎد أﻓﻀﻞ وﺿﻊ ﻟﺨﻂ ﻣﺴﺘﻘﯿﻢ ﻟﻌﯿﻨﺔ ﻣﻦ‪ XY‬ﻣﻦ‬
‫اﻟﻤﺸﺎھﺪات‪.‬‬
‫‪ ‬ﯾﺘﻄﻠﺐ ذ ﻟﻚ أدﻧﻰ ﻣﺠﻤﻮع ﻗﯿﻢ ﻣﻦ اﻹﺧﺘﻼﻓﺎت ”اﻟﺮأﺳﯿﺔ اﻟﻤﺮﺑﻌﺔ“ ﻋﻦ ﻧﻘﺎط‬
‫اﻟﺨﻂ اﻟﻤﺴﺘﻘﯿﻢ‪:‬‬
‫‪‬‬
‫‪Min  Y i Yˆi‬‬ ‫‪‬‬
‫ھﻨﺎ ‪Yi‬ﯾﻌﻨﻲ اﻟﻘﯿﻢ اﻷﺻﻠﯿﺔ ﻟﻠﻤﺸﺎھﺪات‪ ،‬وˆ‪ Y‬ﺗﻌﻨﻲ اﻟﻘﯿﻢ اﻟﻤﻘﺪرة اﻟﻤﻘﺎﺑﻠﺔ ﻟﮭﺎ‪،‬‬
‫ﺑﺤﯿﺚ أن اﻟﻔﺮق ﺑﯿﻨﮭﻤﺎ ﺗﻌﻄﻲ اﻟﺒﻘﺎﯾﺎ أو ﻋﻨﺼﺮ اﻟﺨﻄﺄ‪:‬‬
‫‪Y‬‬ ‫‪i‬‬ ‫‪‬‬
‫‪Yˆi  ei‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪24‬‬
 ‫اﺳﻠﻮب اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫”‪Ordinary Least Squares “OLS‬‬
‫وذﻟﻚ ﯾﻌﻄﻲ اﻟﻤﻌﺎدﻟﺘﯿﻦ اﻟﻄﺒﯿﻌﯿﺘﯿﻦ‪:‬‬
‫‪Y i  nˆ  ˆXi‬‬
‫‪X iY i  ˆX i  ˆX i2‬‬
‫ﺣﯿﺚ ‪ n‬ﻋﺪد اﻟﻤﺸﺎھﺪات‪ ،‬و ‪ α‬و‪ β‬اﻟﻤﻘﺪرات ﻟﻠﻤﻌﻠﻤﺎت اﻟﺤﻘﯿﻘﯿﺔ ‪.‬‬
‫ﺑﺤﻞ اﻟﻤﻌﺎدﻟﺘﯿﻦ اﻟﻄﺒﯿﻌﯿﺘﯿﻦ ﻧﺤﺼﻞ ﻋﻠﻰ ﻛﻞ ﻣﻦ‬
‫‪n X iY i  X i Y i‬‬
‫‪ˆ ‬‬
‫‪n X i2   X i ‬‬
‫‪2‬‬

‫‪ˆ  Y  ˆ X‬‬
‫ﻛﻤﺎ أﻧﮫ ﯾﻤﻜﻦ اﻟﺤﺼﻮل ﻋﻠﻰ ﺗﻘﺪﯾﺮ ﺑﺎﻟﻤﻌﺎدﻟﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬
‫‪x y‬‬
‫‪ˆ  i 2 i‬‬
‫‪x i‬‬
‫ﺣﯿﺚ ‪ xi Xi X‬و ‪yi Yi Y‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪25‬‬
 ‫اﺳﻠﻮب اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫”‪Ordinary Least Squares “OLS‬‬
‫‪ ‬وﺗﻜﻮن ﻣﻌﺎدﻟﺔ اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻤﻘﺪرة ﻟﻺﻧﺤﺪار‪:‬‬
‫‪Yˆ ˆ  ˆX i‬‬

‫‪ ‬ﻟﻠﻤﺜﺎل اﻟﺴﺎﺑﻖ ﯾﻤﻜﻦ إﺳﺘﺨﺪام ﻣﻌﺎدﻟﺔ اﻟﻔﺮوق ﻟﻠﺤﺼﻮل ﻋﻠﻰ ﻧﻔﺲ‬

‫اﻟﻨﺘﯿﺠﺔ‪:‬‬
‫‪x y 100‬‬
‫‪ˆ  i 2 i   2‬‬
‫‪xi‬‬ ‫‪50‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪26‬‬

 ‫ﺧﺼﺎﺋﺺ اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫‪ ‬ﯾﻤﻜﻦ ﺗﻠﺨﯿﺺ ﺗﻠﻚ اﻟﺨﺼﺎﺋﺺ ﻓﻲ ﻋﺒﺎرة واﺣﺪة‪:‬‬
‫‪ ” ‬ﻣﻘﺪرات اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮي ﺗﻌﺘﺒﺮ أﻓﻀﻞ ﻣﻘﺪرات ﺧﻄﯿﺔ ﻧﺰﯾﮭﺔ“‬
‫‪ ‬أو‪:‬‬
‫‪BLUE ‬‬
‫‪BEST LINEAR UNBAISED ESTIMATORS ‬‬
‫‪ ‬ذﻟﻚ ﯾﻌﻨﻲ‪:‬‬
‫اﻟﻤﻘﺪرات ﻧﺰﯾﮭﺔ‪.‬‬ ‫‪‬‬
‫أﻓﻀﻞ ﻣﻘﺪرات ﻧﺰﯾﮭﺔ أي أﻧﮭﺎ ﻓﻌﺎﻟﺔ‪.‬‬ ‫‪‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪27‬‬

 ‫ﺧﺼﺎﺋﺺ اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫‪ ‬أوﻻ‪ :‬اﻟﻨﺰاھﺔ ﺗﻌﻨﻲ‪:‬‬
‫اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ ﻟﻠﻤﻌﻠﻤﺔ اﻟﻤﻘﺪرة ﺗﺴﺎوي اﻟﻤﻌﻠﻤﺔ اﻷﺻﻠﯿﺔ‪ .‬أي‪:‬‬ ‫‪‬‬

‫‪‬‬
‫‪E ˆ  ‬‬
‫‪‬‬
‫اﻟﺘﺤﯿﺰ ‪E ˆ   ‬‬
‫‪ ‬اﻟﻔﻌﺎﻟﯿﺔ‪ :‬ﺗﻌﻨﻲ ﺑﺄن اﻟﻤﻘﺪرات ذات أدﻧﻰ ﺗﺒﺎﯾﻦ‪.‬‬
‫‪ ‬وﻋﻠﯿﮫ ﻓﺈن أﺳﻠﻮب اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى ﯾﻌﻄﻲ أﻓﻀﻞ ﻣﻘﺪرات ﺧﻄﯿﺔ‬
‫ﻧﺰﯾﮭﺔ ﻣﻘﺎرﻧﺔ ﺑﺎﻷﺳﺎﻟﯿﺐ اﻷﺧﺮى‪.‬‬
‫‪ ‬ﻣﻘﺪرات اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻣﺘﻨﺎﺳﻘﺔ ‪ ،‬ﻷﻧﮭﺎ ﻣﻊ ﺗﺰاﯾﺪ ﺣﺠﻢ اﻟﻌﯿﻨﺔ‬
‫وإﻗﺘﺮاﺑﮭﺎ ﻣﻦ اﻟﻼﻧﮭﺎﯾﺔ ‪ ،‬ﻓﺈن ﻗﯿﻤﮭﺎ ﺗﻘﺘﺮب ﻣﻦ اﻟﻘﯿﻢ اﻟﺤﻘﯿﻘﺔ‬
‫ﻟﻠﻤﻌﻠﻤﺔ‪.‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪28‬‬
 ‫ﻣﺜﺎل آﺧﺮ‬
‫‪ ‬ﻣﻦ ﻛﺘﺎب اﻟﺪﻛﺘﻮر ﺳﻠﻔﺎﺗﻮر ‪:‬‬
‫‪ ‬اﻟﺠﺪول اﻟﺘﺎﻟﻲ ﯾﻈﮭﺮ ﺑﯿﺎﻧﺎت اﻟﻤﺤﺼﻮل اﻟﺰراﻋﻲ ﻟﻠﮭﻜﺘﺎر اﻟﻮاﺣﺪ‬
‫واﻟﻜﻤﯿﺎت اﻟﻤﺨﺘﻠﻔﺔ ﺑﺎﻟﺮﻃﻞ ﻣﻦ اﻟﺴﻤﺎد ﻟﻜﻞ ھﻜﺘﺎر‪.‬‬
‫‪ ‬اﻟﻤﻄﻠﻮب‪:‬‬
‫‪ ‬ﺣﺴﺎب ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار اﻟﻤﻘﺪرة‪.‬‬
‫‪ ‬ﺗﻘﺪﯾﻢ اﻟﺘﻘﯿﯿﻢ اﻟﻼزم ﻟﻠﻤﻌﺎدﻟﺔ‪.‬‬
‫‪ ‬اﻟﻤﺤﺼﻮل اﻟﻤﺘﻮﻗﻊ إذا ﺗﻢ إﺳﺘﺨﺪام ‪ 35‬رﻃﻞ ﻣﻦ اﻟﺴﻤﺎد ﻟﻠﮭﻜﺘﺎر ﻣﻊ‬
‫ﺗﻘﺪﯾﻢ ﻣﺠﺎل اﻟﺜﻘﺔ اﻟﻼزم اﻟﺬي ﯾﻤﻜﻦ أن ﯾﺤﻮي ذﻟﻚ اﻟﻤﺤﺼﻮل‬
‫اﻟﻤﺘﻮﻗﻊ‪.‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪29‬‬
 ‫ﻣﺜﺎل‬
‫‪Year‬‬ ‫‪n‬‬ ‫‪Y‬‬ ‫‪X‬‬
‫‪1971‬‬ ‫‪1‬‬ ‫‪40‬‬ ‫‪6‬‬
‫‪1972‬‬ ‫‪2‬‬ ‫‪44‬‬ ‫‪10‬‬
‫‪1973‬‬ ‫‪3‬‬ ‫‪46‬‬ ‫‪12‬‬
‫‪1974‬‬ ‫‪4‬‬ ‫‪48‬‬ ‫‪14‬‬
‫‪1975‬‬ ‫‪5‬‬ ‫‪52‬‬ ‫‪16‬‬
‫‪1976‬‬ ‫‪6‬‬ ‫‪58‬‬ ‫‪18‬‬
‫‪1977‬‬ ‫‪7‬‬ ‫‪60‬‬ ‫‪22‬‬
‫‪1978‬‬ ‫‪8‬‬ ‫‪68‬‬ ‫‪24‬‬
‫‪1979‬‬ ‫‪9‬‬ ‫‪74‬‬ ‫‪26‬‬
‫‪1980‬‬ ‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‪10‬‬ ‫‪80‬‬ ‫‪32‬‬ ‫‪30‬‬
 ‫ﺣﻞ اﻟﻤﺜﺎل‬
‫‪ ‬ﯾﻤﻜﻦ ﺗﻘﺪﯾﺮ اﻟﻤﻌﻠﻤﺎت ﺑﺎﻟﻤﻌﺎدﻟﺘﯿﻦ‪:‬‬
‫‪ n  X Y  X Y‬‬
‫‪‬‬
‫‪2‬‬
‫) ‪n  X ( X‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪ Y   X‬‬
‫‪ ‬وﻋﻠﯿﮫ ﯾﺠﺐ إﺿﺎﻓﺔ ﺑﻌﺾ اﻷﻋﻤﺪة إﻟﻰ اﻟﺠﺪول اﻟﺴﺎﺑﻖ ﻟﻠﺤﺼﻮل اﻟﻤﺠﺎﻣﯿﻊ‬
‫اﻟﻤﺨﺘﻠﻔﺔ اﻟﻼزﻣﺔ ﻟﺤﻞ اﻟﻤﻌﺎدﻟﺔ‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪31‬‬

 ‫ﺗﺎﺑﻊ ﺣﻞ اﻟﻤﺜﺎل‬
‫‪Year‬‬ ‫‪n‬‬ ‫‪Y‬‬ ‫‪X‬‬ ‫‪X2‬‬ ‫‪XY‬‬
‫‪1971‬‬ ‫‪1‬‬ ‫‪40‬‬ ‫‪6‬‬ ‫‪36‬‬ ‫‪240‬‬
‫‪1972‬‬ ‫‪2‬‬ ‫‪44‬‬ ‫‪10‬‬ ‫‪100‬‬ ‫‪440‬‬
‫‪1973‬‬ ‫‪3‬‬ ‫‪46‬‬ ‫‪12‬‬ ‫‪144‬‬ ‫‪552‬‬
‫‪1974‬‬ ‫‪4‬‬ ‫‪48‬‬ ‫‪14‬‬ ‫‪196‬‬ ‫‪672‬‬
‫‪1975‬‬ ‫‪5‬‬ ‫‪52‬‬ ‫‪16‬‬ ‫‪256‬‬ ‫‪832‬‬
‫‪1976‬‬ ‫‪6‬‬ ‫‪58‬‬ ‫‪18‬‬ ‫‪324‬‬ ‫‪1044‬‬
‫‪1977‬‬ ‫‪7‬‬ ‫‪60‬‬ ‫‪22‬‬ ‫‪484‬‬ ‫‪1320‬‬
‫‪1978‬‬ ‫‪8‬‬ ‫‪68‬‬ ‫‪24‬‬ ‫‪576‬‬ ‫‪1632‬‬
‫‪1979‬‬ ‫‪9‬‬ ‫‪74‬‬ ‫‪26‬‬ ‫‪676‬‬ ‫‪1924‬‬
‫‪1980‬‬ ‫‪10‬‬ ‫‪80‬‬ ‫‪32‬‬ ‫‪1024‬‬ ‫‪2560‬‬
‫‪Σ‬‬ ‫‪570‬‬ ‫‪180‬‬ ‫‪3816‬‬ ‫‪11216‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪32‬‬
 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‬
‫‪ ‬وﻋﻠﯿﮫ وﺑﺎﻟﺘﻌﻮﯾﺾ ﻓﻲ اﻟﻤﻌﺎدﻟﺘﯿﻦ‪ ،‬ﻓﺈن ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار اﻟﻤﻘﺪرة ‪:‬‬
‫)‪ 10(11216)(570)(180‬‬
‫‪‬‬ ‫‪1.6597‬‬
‫)‪10(3816‬‬‫‪‬‬‫)‪(180‬‬ ‫‪2‬‬
‫‪‬‬
‫‪57(1.66)(18)  27.12‬‬
‫‪Y  27.121.66X‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪33‬‬

 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‪ :‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻟﻤﻌﻨﻮﯾﺎت اﻟﻤﻘﻄﻊ‪α‬‬
‫واﻟﻤﯿﻞ ‪β‬‬
‫ﯾﺘﻢ إﺟﺮاء إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬ ‫‪‬‬
‫رﻓﺾ‬ ‫رﻓﺾ‬ ‫ﺻﯿﺎﻏﺔ اﻟﻔﺮﺿﯿﺔ‪:‬‬ ‫‪‬‬
‫‪%2.5‬‬ ‫‪2.5‬‬
‫‪.H0 ; β =0‬‬
‫ﻗﺒﻮل‬
‫‪%‬‬ ‫‪H1 :β ≠0‬‬
‫‪%95‬‬

‫ﺗﺤﺪﯾﺪ ﻣﻨﻄﻘﺘﻲ اﻟﻘﺒﻮل واﻟﺮﻓﺾ ﺑﺘﺤﺪﯾﺪ درﺟﺔ اﻟﺤﺮﯾﺔ ‪df=n- 2‬وإﺳﺘﺨﺮاج‬ ‫‪‬‬
‫ﻗﯿﻤﺔ ‪ t‬اﻟﺠﺪوﻟﯿﺔ ﻋﻨﺪ درﺟﺔ اﻷھﻤﯿﺔ اﻟﻤﺤﺪدة ‪.‬‬
‫ˆ‬ ‫ﺣﺴﺎب ﻗﯿﻤﺔ ‪.t‬‬ ‫‪‬‬
‫‪ 1.65‬‬
‫‪t ‬‬ ‫اﻟﻤﻌﻠﻤﺔ اﻟﻤﻘﺪرة‬
‫‪S S‬‬
‫اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪34‬‬
 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‪ :‬ﺗﻘﯿﯿﻢ اﻟﻤﻌﺎدﻟﺔ‬
‫‪ ‬أوﻻ ‪ :‬إﺧﺘﺒﺎرات اﻟﻔﺮوض ﻟﻤﻌﻨﻮﯾﺔ اﻟﻤﻌﻠﻤﺎت‪ ،‬ﯾﺘﻄﻠﺐ اﻷﻣﺮ اﻟﺤﺼﻮل‬
‫ﻋﻠﻰ اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري ﻟﻠﻤﻌﻠﻤﺘﯿﻦ‪.‬‬

‫‪e 2‬‬ ‫‪1‬‬

‫‪s‬‬ ‫‪‬‬ ‫*‬
‫‪n  k x 2‬‬
‫‪e 2  X 2‬‬
‫‪s ‬‬ ‫*‬
‫‪n  k n x 2‬‬

‫‪ ‬وھﺬا ﯾﺘﻄﻠﺐ إﺿﺎﻓﺔ اﻋﻤﺪة ﺟﺪﯾﺪة ﻟﻤﻜﻮﻧﺎت اﻟﻤﻌﺎدﻟﺘﯿﻦ اﻟﺴﺎﺑﻘﺘﯿﻦ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪35‬‬

 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‬
‫ˆ‪Y‬‬ ‫ˆ‪e Y Y‬‬ ‫‪x 2  X  X‬‬ ‫‪‬‬
‫‪2‬‬
‫‪e2‬‬ ‫‪y2‬‬
‫‪37.08‬‬ ‫‪2.92‬‬ ‫‪8.526‬‬ ‫‪144‬‬ ‫‪289‬‬
‫‪43.72‬‬ ‫‪0.28‬‬ ‫‪0.078‬‬ ‫‪64‬‬ ‫‪189‬‬
‫‪47.04‬‬ ‫‪-1.04‬‬ ‫‪1.0816‬‬ ‫‪36‬‬ ‫‪121‬‬
‫‪50.36‬‬ ‫‪-2.36‬‬ ‫‪5.5696‬‬ ‫‪16‬‬ ‫‪81‬‬
‫‪53.68‬‬ ‫‪-1.68‬‬ ‫‪2.822‬‬ ‫‪4‬‬ ‫‪25‬‬
‫‪57‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪1‬‬
‫‪63.64‬‬ ‫‪-3.64‬‬ ‫‪513.2‬‬ ‫‪16‬‬ ‫‪9‬‬
‫‪66.96‬‬ ‫‪1.04‬‬ ‫‪1.0816‬‬ ‫‪36‬‬ ‫‪121‬‬
‫‪70.28‬‬ ‫‪3.72‬‬ ‫‪13.838‬‬ ‫‪64‬‬ ‫‪289‬‬
‫‪80.24‬‬ ‫‪-0.24‬‬ ‫‪0.0576‬‬ ‫‪196‬‬ ‫‪529‬‬
‫‪0‬‬ ‫‪47.31‬‬ ‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬
‫‪576‬‬ ‫‪1634‬‬ ‫‪36‬‬
 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‪:‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‬

‫‪ ‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺔ ﻟﻤﻌﻨﻮﯾﺔاﻟﻤﻘﻄﻊ ‪α‬‬

‫رﻓﺾ‬ ‫رﻓﺾ‬
‫‪%2.5‬‬
‫ﻗﺒﻮل‬
‫‪%2.5‬‬
‫‪ ‬ﺻﯿﺎﻏﺔ اﻟﻔﺮﺿﯿﺔ‪H0 ; α =0 :‬‬
‫‪%95‬‬
‫‪H1 ; α ≠0‬‬ ‫‪‬‬
‫‪t= -2.306‬‬ ‫‪t=2.306‬‬

‫‪ ‬ﺣﺴﺎب ﻗﯿﻤﺔ ‪ t‬اﻟﺠﺪوﻟﯿﺔ وﺗﺤﺪﯾﺪ ﻣﻨﻄﻘﺔ اﻟﻘﺒﻮل واﻟﺮﻓﺾ‪:‬‬

‫ﻗﯿﻤﺔ ‪t‬اﻟﺠﺪوﻟﯿﺔ ﻋﻨﺪ ﻣﺴﺘﻮى أھﻤﯿﺔ ‪t=2.306 ،%5‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪37‬‬

 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‪:‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‬
‫‪ ‬وﺑﺤﺴﺎب ﻗﯿﻢ اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري وﻗﯿﻢ‪ t‬اﻟﻤﺤﺴﻮﺑﺔ‪:‬‬

‫‪S  43.3056* 3816  3.92 1.98‬‬

‫)‪102 10(576‬‬
‫‪‬‬
‫‪‬‬
‫‪t   27.12 13.697‬‬
‫‪S  1.98‬‬

‫‪ ‬وﺑﻤﺎ أن ﻗﯿﻤﺔ ‪ t‬اﻟﻤﺤﺴﻮﺑﺔ أﻛﺒﺮ ﻣﻦ اﻟﺠﺪوﻟﯿﺔ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﻧﻘﺒﻞ‬
‫اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻞ‪ ،‬ﻣﻤﺎ ﯾﻌﻨﻲ ﺑﺄن اﻟﻤﻘﻄﻊ ﻣﺨﺘﻠﻒ ﺗﻤﺎﻣﺎ ﻋﻦ اﻟﺼﻔﺮ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪38‬‬

 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‪ :‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‬

‫‪ ‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺔ ﻟﻤﻌﻨﻮﯾﺔ اﻟﻤﯿﻞ ‪β‬‬

‫رﻓﺾ‬ ‫رﻓﺾ‬
‫‪%2.5‬‬
‫ﻗﺒﻮل‬
‫‪%2.5‬‬
‫‪ ‬ﺻﯿﺎﻏﺔ اﻟﻔﺮﺿﯿﺔ‪H0 ; β =0 :‬‬
‫‪%95‬‬
‫‪H1 ; β ≠0‬‬ ‫‪‬‬
‫‪t= -2.306‬‬ ‫‪t=2.306‬‬

‫‪ ‬ﺣﺴﺎب ﻗﯿﻤﺔ ‪ t‬اﻟﺠﺪوﻟﯿﺔ وﺗﺤﺪﯾﺪ ﻣﻨﻄﻘﺔ اﻟﻘﺒﻮل واﻟﺮﻓﺾ‪:‬‬

‫ﻗﯿﻤﺔ ‪t‬اﻟﺠﺪوﻟﯿﺔ ﻋﻨﺪ ﻣﺴﺘﻮى أھﻤﯿﺔ ‪t=2.306 ،%5‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪39‬‬

 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‪:‬إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺎت‬
‫‪ ‬وﺑﺤﺴﺎب ﻗﯿﻢ اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري وﻗﯿﻢ‪ t‬اﻟﻤﺤﺴﻮﺑﺔ‪:‬‬
‫‪S  47.3056  .01 0.1‬‬
‫‪ (102)576‬‬
‫‪‬‬
‫‪t   1.66 16.6‬‬
‫‪ S‬‬ ‫‪0.1‬‬
‫‪‬‬
‫‪ ‬وﺑﻤﺎ أن ﻗﯿﻤﺔ ‪ t‬اﻟﻤﺤﺴﻮﺑﺔ أﻛﺒﺮ ﻣﻦ اﻟﺠﺪوﻟﯿﺔ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﻧﻘﺒﻞ‬
‫اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻞ‪ ،‬ﻣﻤﺎ ﯾﻌﻨﻲ ﺑﺄن اﻟﻤﯿﻞ ﻣﺨﺘﻠﻒ ﺗﻤﺎﻣﺎ ﻋﻦ اﻟﺼﻔﺮ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪40‬‬

 ‫ﺗﺎﺑﻊ اﻟﺤﻞ‪ :‬ﺟﻮدة اﻟﺘﻮﻓﯿﻖ‬
‫‪ ‬وﯾﻤﻜﻦ اﻟﺤﺼﻮل ﻋﻠﻰ ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ ﺑﺎﺷﺘﺨﺪام اﻟﺠﺪول اﻟﺴﺎﺑﻖ ﻋﻠﻰ‬
‫اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪‬‬ ‫‪e‬‬ ‫‪2‬‬ ‫‪47.31‬‬

‫‪2‬‬
‫‪R 1‬‬ ‫‪1‬‬ ‫‪ 0.9710‬‬
‫‪y 2‬‬ ‫‪1634‬‬

‫‪ ‬وﻋﻠﻰ ذﻟﻚ ﯾﻤﻜﻦ اﻟﻘﻮل ﺑﺄن اﻟﻤﻌﺎدﻟﺔ أﻣﻜﻨﮭﺎ أن ﺗﻔﺴﺮ أﻛﺜﺮ ﻣﻦ ‪ %97‬ﻣﻦ‬
‫اﻟﺘﻐﯿﺮات ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪41‬‬

 ‫اﻟﺼﯿﺎﻏﺔ اﻟﻨﮭﺎﺋﯿﺔ ﻟﻠﻤﻌﺎدﻟﺔ اﻟﻤﻘﺪرة‪.‬‬
‫‪ ‬ﯾﻤﻜﻦ ﺻﯿﺎﻏﺔ اﻟﻨﺘﺎﺋﺞ ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪Yˆ  27.12  1.66X‬‬

‫ٍ‬ ‫‪Se‬‬ ‫‪1.98‬‬ ‫‪0.01‬‬
‫‪t‬‬ ‫‪13.697‬‬ ‫‪16.6‬‬
‫‪R2‬‬ ‫‪0.97‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪42‬‬

 ‫ﺣﺴﺎﺑﺎت اﻟﺘﻮﻗﻌﺎت واﻟﺘﻨﺒﺆات‬
‫‪ ‬ﺣﺴﺎﺑﺎت اﻟﺘﻮﻗﻊ‪:‬‬
‫‪ ‬ﺗﻘﺪﯾﺮ ﻗﯿﻤﺔ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ‪ Yf‬ﻋﻨﺪﻣﺎ ﺗُﻌﻄﻰ اﻟﻘﯿﻤﺔ اﻟﻔﻌﻠﯿﺔ أو اﻟﻤُﺨﻄﻄﺔ‬
‫ﻟﻠﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ‪.Xf‬‬
‫‪ ‬وﯾﻤﻜﻦ أن ﺗﻜﻮن ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار اﻟﻤﻘﺪرة ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻤﺨﻄﻂ واﻟﻤﺘﻮﻗﻊ‪:‬‬

‫‪Yˆ ˆ ˆX‬‬

‫‪f‬‬ ‫‪f‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪43‬‬

‫ﺣﺴﺎﺑﺎت اﻟﺘﻮﻗﻌﺎت واﻟﺘﻨﺒﺆات‬
‫‪ ‬وﯾﻨﺒﻐﻲ ﻋﻤﻞ ﻣﺠﺎل ﺛﻘﺔ ﻟﻠﻘﯿﻤﺔ اﻟﻤﺨﻄﻄﺔ ﻟﻠﻤﺴﺘﻘﺒﻞ‬
‫‪ ‬وﯾﻤﻜﻦ ﺗﻘﺪﯾﺮ ﺗﺒﺎﯾﻦ ﺧﻄﺄ اﻟﺘﻨﺒﺆ ب‪S2f :‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪2‬‬
‫‪1‬‬ ‫‪X f X‬‬
‫‪S f  S 1  ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬
‫‪ n‬‬ ‫‪x 2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪e‬‬ ‫‪2‬‬
‫‪ ‬ﺣﯿﺚ‪:‬‬
‫‪S2 ‬‬
‫‪n k‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪44‬‬

 ‫ﻣﺜﺎل ‪ :‬ﺣﺴﺎﺑﺎت اﻟﺘﻮﻗﻌﺎت واﻟﺘﻨﺒﺆات‬
‫‪ ‬اﻟﻤﺜﺎل اﻟﺴﺎﺑﻖ ﻟﻠﻤﺤﺼﻮل اﻟﺰراﻋﻲ وﻛﻤﯿﺎت اﻟﻤﺤﺼﻮل‪.‬‬
‫‪ ‬إذا ﻛﺎن ﻣﺨﻄﻄﺎ اﺳﺘﺨﺪام ﻣﺎ ﻣﻘﺪاره ‪ 35‬رﻃﻼ ﻟﻠﮭﻜﺘﺎر ﻓﻲ ﻋﺎم ‪ 1981‬أي‪:‬‬
‫‪Xf=35‬ﻓﺈﻧﻨﺎ ﻧﺤﺼﻞ ﻋﻠﻰ اﻵﺗﻲ‪:‬‬
‫‪Yˆf  27.121.66(35)  45.38‬‬
‫‪, ‬وﯾﻤﻜﻦ ﻋﻤﻞ ﻣﺠﺎل ﺛﻘﺔ ﺑﻤﺴﺘﻮى ﯾﺤﺘﻮي ﺑﯿﻦ ﺣﺪﯾﮫ اﻟﻘﯿﻤﺔ اﻟﻔﻌﻠﯿﺔ ﻟﻠﻤﺤﺼﻮل‬
‫اﻟﺰراﻋﻲ ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬
‫‪‬‬
‫‪Yˆf  t 0.025S f‬‬
‫‪ ‬وﻋﻠﯿﮫ ﯾﻨﺒﻐﻲ ﺣﺴﺎب ﺗﺒﺎﯾﻦ اﻟﺘﻨﺒﺆ ‪S2f‬وﻣﻦ ﺛﻢ ﺣﺴﺎب اﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري ﻟﻠﺘﻨﺒﺆ‬
‫ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪45‬‬

‫ﻣﺜﺎل ‪ :‬ﺣﺴﺎﺑﺎت اﻟﺘﻮﻗﻌﺎت واﻟﺘﻨﺒﺆات‬
‫‪ ‬ﺗﺒﺎﯾﻦ اﻟﺘﻨﺒﺆ ﻟﻠﻤﺜﺎل‪ ،‬واﻟﺨﻄﺄ اﻟﻤﻌﯿﺎري ﻋﻠﻰ اﻟﺘﻮاﻟﻲ‪:‬‬
‫‪‬‬
‫‪‬‬ ‫‪2 ‬‬
‫‪‬‬
‫‪1‬‬ ‫‪(35‬‬ ‫)‪18‬‬
‫‪S f2 5.911‬‬‫‪ ‬‬
‫‪‬‬
‫‪‬‬ ‫‪  9.46‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪10‬‬ ‫‪576‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬

‫‪s  3.08‬‬
‫‪ ‬وﻣﺠﺎل اﻟﺜﻘﺔ ﻟﻠﻤﺤﺼﻮل اﻟﺰراﻋﻲ ﻟﻠﻌﺎم اﻟﻘﺎدم ‪:‬‬
‫)‪45.38 (2.31)(3.08‬‬

‫‪ ‬أي ﻣﺎﺑﯿﻦ ‪ 38.27‬و ‪ 52.49‬وذﻟﻚ ﺑﺜﻘﺔ ﻣﻘﺪارھﺎ ‪.%95‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪46‬‬

 ‫ﻓﺮﺿﯿﺎت اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫‪ .1‬ﻋﻨﺼﺮ اﻟﺨﻄﺄ ‪u‬ذو ﺗﻮزﯾﻊ ﻃﺒﯿﻌﻲ‪:‬‬
‫ﻧﺘﯿﺠﺔ ﻟﺬﻟﻚ ﻓﺈن اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ وﺗﻮزﯾﻊ اﻟﻤﻌﺎﯾﻨﺔ ﻟﻠﻤﻌﻠﻤﺎت اﻟﺨﺎﺻﺔ‬ ‫‪‬‬
‫ﺑﺎﻹﻧﺤﺪارأﯾﻀﺎ ﺗﺘﺒﻊ اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‪ ،‬وﻋﻠﯿﮫ ﯾﻤﻜﻦ إﺟﺮاء إﺧﺘﺒﺎرات اﻟﻤﻌﻨﻮﯾﺔ‬
‫ﻟﻠﻤﻌﻠﻤﺎت ‪.‬‬
‫‪ .2‬اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﻗﻌﺔ ﻟﻌﻨﺼﺮ اﻟﺨﻄﺄ ﺗﺴﺎوي اﻟﺼﻔﺮأي أن ‪:‬‬
‫‪E(u)=0‬‬ ‫‪‬‬
‫ھﺬه اﻟﻔﺮﺿﯿﺔ ﺗﺠﻌﻞ ‪ ،Y=α+β X‬وھﻲ ﺗﻌﻄﻲ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ ﻟـ‪.Y‬‬ ‫‪‬‬
‫ﺑﻤﺎ أن ﻗﯿﻢ ‪ X‬ﯾﻔﺘﺮض ﺑﺄﻧﮭﺎ ﺛﺎﺑﺘﺔ‪ ،‬ﻓﺈن ﻗﯿﻤﺔ ‪ Y‬ﺗﺘﺮاوح ﺑﯿﻦ أﻋﻠﻰ ﻣﻦ وأدﻧﻰ‬ ‫‪‬‬
‫ﻣﻦ ﻣﺘﻮﺳﻄﮫ ﻋﻨﺪﻣﺎ ﺗﺰﯾﺪ ﻗﯿﻤﺔ ﻋﻦ اﻟﺼﻔﺮأوﺗﻨﻘﺺ ﻓﻲ ‪Y=α+β X + u‬‬
‫وﺑﻤﺎأن ‪ E(u)=0‬ﻓﺈن اﻟﻤﻌﺎدﻟﺔ اﻷوﻟﻰ ﺗﻌﻄﻲ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ ﻟـ‪.Y‬‬ ‫‪‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪47‬‬

 ‫ﻓﺮﺿﯿﺎت اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫‪E(u)2 = σ2u‬‬ ‫‪.3‬‬
‫أي أن ﺗﺒﺎﯾﻦ ‪ µ‬ﺛﺎﺑﺖ ﻓﻲ ﻛﻞ ﻓﺘﺮة وﻟﻜﻞ ﻗﯿﻤﺔ‪.‬‬ ‫‪‬‬
‫ھﺬه اﻟﻔﺮﺿﯿﺔ ﺗﺆﻛﺪ ان ﻛﻞ ﻣﺸﺎھﺪة ﯾﻤﻜﻦ اﻹﻋﺘﻤﺎد ﻋﻠﯿﮭﺎ ﺑﺸﻜﻞ‬ ‫‪‬‬
‫ﻣﺘﺴﺎوي‪.‬‬
‫أي أن ﻣﻌﻠﻤﺎت اﻹﻧﺤﺪار ﻓﻌﺎﻟﺔ وأن اﺧﺘﺒﺎرات اﻟﻔﺮﺿﯿﺎت ﻏﯿﺮ‬ ‫‪‬‬
‫ﻣﺘﺤﯿﺰة وﯾﻤﻜﻦ اﻹﻋﺘﻤﺎد ﻋﻠﯿﮭﺎ‪.‬‬
‫اﻟﻔﺮﺿﯿﺎت اﻟﺜﻼﺛﺔ اﻟﺴﺎﺑﻘﺔ ﺗﻘﺮر‪:‬‬ ‫‪‬‬
‫) ‪u~N(0 ,σ2u‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪48‬‬

 ‫ﻓﺮﺿﯿﺎت اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫‪i≠j E(ui,uj ) = 0 .4‬‬
‫‪ ‬أي أن ﻋﻨﺼﺮ اﻟﺨﻄﺄ ‪ µ‬ﻟﻔﺘﺮة ﻣﺎ ﻏﯿﺮ ﻣﺘﻌﺎﻟﻘﺔ وﻣﺴﺘﻘﻠﺔ ﻋﻦ‬
‫ﻋﻨﺼﺮ اﻟﺨﻄﺄ ﻓﻲ ﻓﺘﺮة أﺧﺮى‪.‬‬
‫‪ ‬ھﺬا ﯾﺆﻛﺪ أن ﻣﺘﻮﺳﻂ ﻗﯿﻤﺔ ‪ Y‬ﯾﻌﺘﻤﺪ ﻓﻘﻂ ﻋﻠﻰ ‪ X‬وﻟﯿﺲ ﻋﻠﻰ ‪.µ‬‬
‫‪ ‬ھﺬا ﻣﻄﻠﻮب ﻣﻦ أﺟﻞ اﻟﺤﺼﻮل ﻋﻠﻰ ﺗﻘﺪﯾﺮات ﻓﻌﺎﻟﺔ ﻟﻤﻌﻠﻤﺎت‬
‫اﻹﻧﺤﺪار‪ ،‬وﻷﺧﺘﺒﺎرات ﻧﺰﯾﮭﺔ ﻟﻤﻌﻨﻮﯾﺎﺗﮭﺎ‬
‫‪E(X,ui) = 0 .5‬‬
‫‪ ‬اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ ﯾﻔﺘﺮض ﻗﯿﻢ ﺛﺎﺑﺘﺔ ﯾﻤﻜﻦ اﻟﺤﺼﻮل ﻋﻠﯿﮭﺎ ﻓﻲ‬
‫اﻟﻌﯿﻨﺎت اﻟﻤﺘﻜﺮرة‪ ،‬وﻟﺬا ﻓﺈﻧﮫ ﻏﯿﺮ ﻣﺮﺗﺒﻂ ﺑـﻌﻨﺼﺮ اﻟﺨﻄﺎ ‪.u‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪49‬‬

 ‫ﻓﺮﺿﯿﺎت اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫‪ .5‬إﻧﻌﺪام اﻹرﺗﺒﺎط ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ‪.‬‬
‫‪ ‬ﻋﺪم وﺟﻮد إرﺗﺒﺎط ﺧﻄﻲ ﺗﺎم ﺑﯿﻦ ‪X1, X2, X3,…Xk‬‬
‫‪ ‬اﻟﮭﺪف ﻣﻦ ذﻟﻚ اﻟﺤﺼﻮل ﻋﻠﻰ اﻷﺛﺮ اﻟﻤﺴﺘﻘﻞ ﻟـ ‪X1, X2,‬‬
‫‪ X3,…Xk‬ﻋﻠﻰ ‪Y‬‬
‫‪‬‬
‫‪ .6‬ﻋﺪم وﺟﻮد ﺗﺤﯿﺰ ﺗﺤﺪﯾﺪي‪:‬‬
‫‪ ‬أي أن اﻟﻨﻤﻮذج ﺗﻢ ﺗﺤﺪﯾﺪه ﺑﺸﻜﻞ ﺻﺤﯿﺢ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪50‬‬

 ‫ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار اﻟﻤﺘﻌﺪد‬
‫اﻟﻨﻤﻮذج ذو اﻟﻤﺘﻐﯿﺮﯾﻦ ﻗﺪ ﯾﻌﺠﺰ ﻋﻦ ﺗﻘﺪﯾﻢ اﻟﺘﻔﺴﯿﺮ اﻟﺪﻗﯿﻖ ﻟﺘﻐﯿﺮات اﻟﻤﺘﻐﯿﺮ‬ ‫‪‬‬
‫اﻟﺘﺎﺑﻊ‪.‬‬
‫اﻟﺪﺧﻞ ﻟﯿﺲ اﻟﻤﺘﻐﯿﺮ اﻟﻮﺣﯿﺪ اﻟﻤﺆﺛﺮ ﻓﻲ اﻹﺳﺘﮭﻼك‪،‬‬ ‫‪‬‬
‫ھﻨﺎك اﻟﻜﺜﯿﺮ ﻣﻦ اﻷﻣﺜﻠﺔ اﻟﺘﻲ ﺗﺴﺘﺪﻋﻲ ﺗﻄﻮﯾﺮ ﻧﻤﻮذج ﯾﺸﻤﻞ أﻛﺜﺮ ﻣﻦ ﻣﺘﻐﯿﺮﯾﻦ‪،‬‬ ‫‪‬‬
‫ﻣﺘﻐﯿﺮان ﻣﺴﺘﻘﻼن أو أﻛﺜﺮ وﻣﺘﻐﯿﺮ ﺗﺎﺑﻊ‪.‬‬
‫أﺑﺴﻂ ﻧﻤﻮذج ﯾﻤﻜﻦ أﺧﺬه‪ ،‬ﻧﻤﻮذج ذو ﺛﻼث ﻣﺘﻐﯿﺮات‪:‬‬ ‫‪‬‬
‫‪Yi=α+β1X1+β2X2+ui‬‬
‫اﻟﻤﻘﻄﻊ‪ ،α ،‬ﯾﻌﻄﻲ ﻣﺘﻮﺳﻂ اﺛﺮ ﻛﻞ اﻟﻤﺘﻐﯿﺮات اﻟﻐﯿﺮ ﻣﺪرﺟﺔ ﻓﻲ اﻟﻨﻤﻮذج‪،‬‬ ‫‪‬‬
‫ﻣﺘﻮﺳﻂ أﺛﺮھﺎ ﻋﻠﻰ ‪Y‬‬
‫اﻟﺘﻔﺴﯿﺮ اﻟﻤﯿﻜﺎﻧﯿﻜﻲ ﻟﻠﻤﻘﻄﻊ أﻧﮫ ﻣﺘﻮﺳﻂ ﻗﯿﻤﺔ ‪ Y‬ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻗﯿﻤﺔ ﻛﻞ‬ ‫‪‬‬
‫ﻣﻦ‪ X1,X2‬ﻣﺴﺎوﯾﺔ ﻟﻠﺼﻔﺮ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪51‬‬

 ‫ﺗﻔﺴﯿﺮ ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار اﻟﻤﺘﻌﺪد‬
‫‪ ‬ﺑﻮﺟﻮد اﻟﻔﺮﺿﯿﺎت اﻟﺴﺎﺑﻘﺔ ﻟﻨﻤﻮذج اﻹﻧﺤﺪار ‪.‬‬
‫‪ ‬وﺑﺄﺧﺬ اﻟﺘﻮﻗﻊ اﻟﺸﺮﻃﻲ ﻟﻨﻤﻮذج اﻹﻧﺤﺪار اﻟﻤﺘﻌﺪد ‪ ،‬ﻧﺤﺼﻞ ﻋﻠﻲ ‪:‬‬
‫‪Yi=α+β1X1+β2X2+ui‬‬
‫‪E(Y| X 1, X2)=α+β1X1+β2X2‬‬
‫‪ ‬أي ان ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار ﻣﺸﺮوط ﺑﻘﯿﻢ ﺛﺎﺑﺘﺔ ﻟﻠﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ‪.‬‬
‫‪ ‬ﻣﺎ ﻧﺤﺼﻞ ﻋﻠﯿﮫ ھﻮ ﻣﺘﻮﺳﻂ ﻗﯿﻤﺔ ‪ Y‬أو ﻣﺘﻮﺳﻂ إﺳﺘﺠﺎﺑﺔ ‪ Y‬ﻟﻘﯿﻢ‬
‫ﺛﺎﺑﺘﺔ ﻟﻠﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ‪.X‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪52‬‬

‫ﻣﻌﻨﻰ اﻟﻤﻌﻠﻤﺎت اﻟﺠﺰﺋﯿﺔ ﻓﻲ اﻹﻧﺤﺪار اﻟﻤﺘﻌﺪد‬
‫‪ ‬اﻟﻤﻘﻄﻊ‪ ،α ،‬ﯾﻌﻄﻲ ﻣﺘﻮﺳﻂ اﺛﺮ ﻛﻞ اﻟﻤﺘﻐﯿﺮات اﻟﻐﯿﺮ ﻣﺪرﺟﺔ ﻓﻲ‬
‫اﻟﻨﻤﻮذج‪ ،‬ﻣﺘﻮﺳﻂ أﺛﺮھﺎ ﻋﻠﻰ ‪Y‬‬
‫‪ ‬اﻟﺘﻔﺴﯿﺮ اﻟﻤﯿﻜﺎﻧﯿﻜﻲ ﻟﻠﻤﻘﻄﻊ أﻧﮫ ﻣﺘﻮﺳﻂ ﻗﯿﻤﺔ ‪ Y‬ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻗﯿﻤﺔ‬
‫ﻛﻞ ﻣﻦ‪ X1,X2‬ﻣﺴﺎوﯾﺔ ﻟﻠﺼﻔﺮ‪.‬‬
‫‪ ‬اﻟﻤﯿﻞ ‪ ، β1‬ﯾﻘﯿﺲ اﻟﺘﻐﯿﺮ ﻓﻲ ﻣﺘﻮﺳﻂ ﻗﯿﻤﺔ ‪E(Y| X 1, X2) ،Y‬‬
‫ﻟﻜﻞ وﺣﺪة ﺗﻐﯿﺮ ﻓﻲ‪ X1‬ﻣﻊ ﺛﺒﺎت ‪.X2‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪53‬‬

‫ﻣﻌﻨﻰ اﻟﻤﻌﻠﻤﺎت اﻟﺠﺰﺋﯿﺔ ﻓﻲ اﻹﻧﺤﺪار اﻟﻤﺘﻌﺪد‬
‫‪ β 1 ‬ﺗﻌﻄﻲ ﻣﯿﻞ )‪ E(Y| X 1, X2‬ﺑﺎﻟﻨﺴﺒﺔ ﻟـ ‪X1‬ﻣﻊ ﺛﺒﺎت ‪.X2‬‬
‫‪ ‬ﺗﻌﻄﻲ اﻟﺘﺄﺛﯿﺮ اﻟﻤﺒﺎﺷﺮ أو اﻟﺘﺄﺛﯿﺮ اﻟﺼﺎﻓﻲ ﻟﻜﻞ وﺣﺪة ﺗﻐﯿﺮ ﻓﻲ‪X1‬‬
‫ﻋﻠﻰ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ ﻟـ ‪ Y‬ﺑﺪون اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ اﻵﺧﺮ ‪.X2‬‬
‫‪ β2 ‬ﺗﻘﯿﯿﺲ اﻟﺘﻐﯿﺮ ﻓﻲ اﻟﻘﯿﻤﺔ اﻟﻤﺘﻮﺳﻄﺔ ﻟـ ‪ Y‬ﻟﻜﻞ وﺣﺪة ﺗﻐﯿﺮ ﻓﻲ‬
‫‪ X2‬ﻣﻊ ﺗﺜﺒﯿﺖ ‪.X1‬‬
‫‪ ‬أي اﻟﺘﺎﺛﯿﺮ اﻟﻤﺒﺎﺷﺮ أو اﻟﺼﺎﻓﻲ ﻟﺘﻐﯿﺮ وﺣﺪة ﻣﻦ ‪ X2‬ﻋﻠﻰ اﻟﻘﯿﻤﺔ‬
‫اﻟﻤﺘﻮﺳﻄﺔ ﻟـ ‪ Y‬ﺑﺪون ‪.X1‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪54‬‬

 ‫ﺗﻘﺪﯾﺮ ﻣﻌﻠﻤﺎت اﻹﻧﺤﺪار اﻟﻤﺘﻌﺪد‬
‫‪ ‬ﯾﻤﻜﻦ ﺗﻘﺪﯾﺮ ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار ذات اﻟﺜﻼث ﻣﺘﻐﯿﺮات ﻋﻠﻰ اﻟﻨﺤﻮ‬
‫اﻟﺘﺎﻟﻲ‪:‬‬

‫‪ˆ1 ‬‬
‫‪x‬‬ ‫‪y‬‬ ‫‪‬‬‫‪x‬‬ ‫‪2‬‬
‫‪‬‬
‫‪ 1  2    x 2 y   x 1x 2 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪  x   x     x x ‬‬
‫‪2‬‬
‫‪1‬‬
‫‪2‬‬
‫‪2‬‬ ‫‪1 2‬‬
‫‪2‬‬

‫ˆ‬
‫‪  x y    x     x y   x x ‬‬
‫‪2‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1 2‬‬
‫‪ ‬‬
‫‪  x   x     x x ‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1 2‬‬

‫‪ˆ Y  ˆ1X 1  ˆ2 X 2‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪55‬‬

 ‫ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ اﻟﻤﺘﻌﺪد ‪R2‬‬
‫‪ ‬ﯾﻔﺴﺮ ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ اﻟﻤﺘﻌﺪد ‪ R2‬ﻧﺴﺒﺔ ﻣﻦ اﻟﺘﻐﯿﺮات اﻟﻜﻠﯿﺔ ﻓﻲ‬
‫اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ ،‬وذﻟﻚ ﺑﺘﺤﺪﯾﺮ ‪Y‬ﻋﻠﻰ ‪ X1‬و ‪. X2‬‬
‫‪ ‬ﯾﻤﻜﻦ ﺣﺴﺎب اﻟﻤﻌﺎﻣﻞ ﻛﻤﺎ ﯾﻠﻲ‪:‬‬
‫‪ yˆ 2‬‬ ‫‪e 2 ˆ1  yx1  ˆ2  yx 2‬‬
‫‪R ‬‬‫‪2‬‬
‫‪1‬‬ ‫‪‬‬
‫‪y‬‬ ‫‪2‬‬
‫‪y‬‬ ‫‪2‬‬
‫‪y 2‬‬
‫‪ ‬ﻣﻦ اﻟﻤﺘﻮﻗﻊ أن ﺗﺘﺰاﯾﺪ ﻗﯿﻤﺔ ‪ R2‬ﻣﻊ ﺗﺰاﯾﺪ ﻋﺪد اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ‪.‬‬
‫‪ ‬وﻣﻦ إﺟﻞ اﻷﺧﺬ ﻓﻲ اﻟﺤﺴﺒﺎن ﺗﻨﺎﻗﺺ درﺟﺎت اﻟﺤﺮﯾﺔ ﻣﻊ ﺗﺰاﯾﺪ ﻋﺪد‬
‫اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﯾﻤﻜﻦ إﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ اﻟﻤﻌﺪل ‪2‬‬
‫‪R‬‬
‫‪n 1‬‬
‫‪‬‬
‫‪R 2 1 1 R 2‬‬ ‫‪‬‬ ‫‪n k‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪56‬‬

 ‫ﻣﻌﻨﻮﯾﺔ اﻟﻤﻌﺎدﻟﺔ ﻛﻜﻞ‬
‫‪ ‬ﯾﻤﻜﻦ إﺧﺘﺒﺎر ﻣﻌﻨﻮﯾﺔ ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار ﺑﺈﺳﺘﺨﺪام ﺗﻮزﯾﻊ ‪ F‬ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬
‫‪2‬‬
‫‪ y /k 1‬‬ ‫‪R2 /k 1‬‬
‫‪Fk 1,nk‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪ e /n  k  1 R2 /n  k ‬‬
‫‪ ‬وﺗﺘﻢ ﺻﯿﺎﻏﺔ اﻟﻔﺮﺿﯿﺔ ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‬
‫‪Ho: α=β1=β2=0‬‬
‫‪H1: α≠ β1 ≠ β2 ≠ 0‬‬
‫‪ ‬وﯾﺘﻢ ﻗﺒﻮل اﻟﻔﺮﺿﯿﺔ اﻟﺒﺪﯾﻠﺔ إذا ﻛﺎﻧﺖ اﻟﻘﯿﻤﺔ اﻟﺠﺪوﻟﯿﺔ ﻟـ ‪ F‬أﺻﻐﺮ ﻣﻦ اﻟﻤﺤﺴﻮﺑﺔ‬
‫ﻋﻨﺪ درﺟﺔ اﻟﺤﺮﯾﺔ ‪ k-1,n-k‬وﻣﺴﺘﻮى اﻷھﻤﯿﺔ اﻟﻤﺤﺪد‪ ،‬واﻟﻌﻜﺲ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪57‬‬

 ‫ﻣﺜﺎل‬
‫‪X2‬‬ ‫‪X1‬‬ ‫‪Y‬‬
‫‪8‬‬ ‫‪9‬‬ ‫‪6‬‬
‫‪ ‬ا‬ ‫‪ ‬اﻟﺠﺪول ﯾﻮﺿﺢ دﺧﻞ اﻟﻔﺮد ﺑﺂﻵف‬
‫‪13‬‬ ‫‪10‬‬ ‫‪8‬‬ ‫اﻟﺪوﻻرات وﻧﺴﺒﺔ اﻟﻌﻤﺎﻟﺔ ﻓﻲ‬
‫‪11‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫اﻟﻘﻄﺎع اﻟﺰراﻋﻲ وﺳﻨﻮات اﻟﺘﻌﻠﯿﻢ‬
‫‪10‬‬ ‫‪7‬‬ ‫‪7‬‬ ‫ﻟﻠﺴﻜﺎن ‪.‬‬
‫‪12‬‬ ‫‪10‬‬ ‫‪7‬‬
‫‪ ‬اﻟﻤﻄﻠﻮب دراﺳﺔ ذﻟﻚ‪ ،‬وﺗﻘﺪﯾﺮ داﻟﺔ‬
‫‪16‬‬ ‫‪4‬‬ ‫‪12‬‬
‫اﻹﻧﺤﺪار اﻟﺘﻲ ﺗﻔﺴﺮ اﻟﻌﻼﻗﺔ ﻣﺎ ﺑﯿﻦ‬
‫‪10‬‬ ‫‪5‬‬ ‫‪9‬‬
‫‪10‬‬ ‫‪5‬‬ ‫‪8‬‬
‫دﺧﻞ اﻟﻔﺮد وأﺛﺮ ﻛﻞ ﻣﻦ ﻧﺴﺒﺔ‬
‫‪12‬‬ ‫‪6‬‬ ‫‪9‬‬
‫اﻟﻌﻤﺎﻟﺔ ﻓﻲ اﻟﻘﻄﺎع اﻟﺰراﻋﻲ‬
‫‪14‬‬ ‫‪8‬‬ ‫‪10‬‬
‫وﺳﻨﻮات اﻟﺘﻌﻠﯿﻢ ﻟﻠﺴﻜﺎن ﻓﻮق ‪25‬‬
‫‪12‬‬ ‫‪7‬‬ ‫‪10‬‬ ‫ﺳﻨﺔ‪.‬‬
‫‪16‬‬ ‫‪4‬‬ ‫‪11‬‬ ‫‪ ‬ﺗﻘﺪﯾﻢ اﻟﺘﺤﻠﯿﻞ اﻟﻼزم واﻟﺘﻘﯿﯿﻢ‬
‫‪14‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫ﻟﻠﻨﺘﺎﺋﺞ‪.‬‬
‫‪10‬‬ ‫‪5‬‬ ‫‪10‬‬
‫‪12‬‬ ‫‪8‬‬ ‫‪11‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪58‬‬
‫‪180‬‬ ‫‪105‬‬ ‫‪135‬‬
 ‫اﻟﻨﺘﺎﺋﺞ‬
‫‪ ‬ﻟﻘﺪ ﺗﻢ ﺗﻘﺪﯾﺮ ﻣﻌﺎدﻟﺔ اﻟﺪﺧﻞ اﻟﺘﻲ ﺗﻢ ﺗﺤﺪﯾﺪھﺎ ﻋﻠﻰ أﻧﮭﺎ داﻟﺔ اﻟﻨﺴﺒﺔ‬
‫اﻟﻤﺌﻮﯾﺔ اﻟﻌﺎﻣﻠﺔ ﻓﻲ اﻟﻘﻄﺎع اﻟﺰراﻋﻲ وﻣﺘﻮﺳﻂ ﻋﺪد ﺳﻨﻮات اﻟﺘﻌﻠﯿﻢ‬
‫ﻟﻠﺴﻜﺎن اﻟﺬﯾﻦ ﺗﺰﯾﺪ أﻋﻤﺎرھﻢ ﻋﻠﻰ ال‪ 25‬ﻋﺎم ‪،‬‬
‫‪ ‬وﻗﺪ ﺗﻢ إﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ اﻟﺤﺎﺳﺐ اﻵﻟﻲ ﻟﻠﺤﺼﻮل ﻋﻠﻰ اﻟﺘﻘﺪﯾﺮات‬
‫اﻟﻼزﻣﺔ‪ .‬ﻓﻜﺎﻧﺖ اﻟﻨﺘﺎﺋﺞ اﻟﺘﻲ ﯾﻤﻜﻦ ﺗﻠﺨﯿﺼﮭﺎ ﻓﻲ اﻟﺠﺪول اﻟﺘﺎﻟﻲ‪:‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪59‬‬

 ‫ﻧﺘﺎﺋﺞ اﻹﻧﺤﺪار‬
SUMMARY OUTPUT
0.832588 Multiple R
0.693203 R Square
0.64207 Adjusted R Square
15 Observations
F MS SS df
13.5569 13.86406 27.72812 2 Regression
1.022657 12.27188 12 Residual
40 14 Total
P-value t Stat Stndard Error Coefficients
0.00598 3.3309 1.862253 6.20298 Intercept
0.01505 -2.83419 0.132724 -0.37616 X1
0.00259 3.786374 0.119511 0.452514 X2
‫ ﻣﺤﯿﻲ أﯾﻮب‬.‫د‬ 60
 ‫اﻟﻨﺘﺎﺋﺞ‬
‫‪ ‬وﯾﻤﻜﻦ ﺗﻠﺨﯿﺺ ذﻟﻚ ﻛﻤﺎ ﯾﻠﻲ‪:‬‬
‫‪Yˆ  6.203  0.38X 1  0.45X 2‬‬
‫‪SE 1.86 0.14 0.10‬‬
‫‪t 3.33 -2.834 3.786‬‬
‫‪R2 =0.693203‬‬
‫‪Adj R2 =0.64‬‬
‫‪F2,12 =13.56‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪61‬‬

 ‫ﺗﻔﺴﯿﺮ ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار‪:‬‬

‫‪ ‬ﺗﺸﯿﺮ اﻟﻨﺘﺎﺋﺞ اﻟﺴﺎﺑﻘﺔ ﻋﻠﻰ اﻟﻌﻼﻗﺔ اﻟﻌﻜﺴﯿﺔ ﻣﺎ ﺑﯿﻦ دﺧﻞ اﻟﻔﺮد ‪Y‬‬
‫وﻧﺴﺒﺔ اﻟﻌﻤﺎﻟﺔ ﻓﻲ اﻟﻘﻄﺎع اﻟﺰراﻋﻲ‪،X1 ،‬‬
‫‪ ‬ﺗﻔﯿﺪ اﻟﻤﻌﻠﻤﺔ ‪ β1‬ﻋﻠﻰ ان زﯾﺎدة ‪ %1‬ﻓﻲ ﻧﺴﺒﺔ اﻟﻌﻤﺎﻟﺔ ﻓﻲ اﻟﻘﻄﺎع‬
‫اﻟﺰراﻋﻲ ﯾﺮاﻓﻘﮫ ﻧﻘﺺ ﻓﻲ اﻟﺪﺧﻞ اﻟﻘﻮﻣﻲ ﺑﻤﺎ ﻣﻘﺪاره ‪ 380‬دوﻻر‪،‬‬
‫ﻣﻊ ﺑﻘﺎء ‪X2‬ﺛﺎﺑﺘﺎ‪.‬‬
‫‪ ‬ﻛﻤﺎ ان ﻧﺘﯿﺠﺔ اﻹﻧﺤﺪار ﺗﻮﺿﺢ ﺑﺄن اﻟﻌﻼﻗﺔ ﻣﺎ ﺑﯿﻦ ﺳﻨﻮات اﻟﺪراﺳﺔ‬
‫ﻟﻠﺴﻜﺎن ﻓﻮق ‪ 25‬ﺳﻨﺔ ودﺧﻞ اﻟﻔﺮد ﻋﻼﻗﺔ ﻣﺒﺎﺷﺮة" ﻛﻤﺎ ھﻮ ﻣﺘﻮﻗﻊ"‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪62‬‬

 ‫ﺗﻔﺴﯿﺮ ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار‪:‬‬

‫‪ ‬وﺗﻔﯿﺪ اﻟﻤﻌﻠﻤﺔ ‪ ،β2‬ﻋﻠﻰ أن زﯾﺎدة ﺳﻨﻮات اﻟﺘﻌﻠﯿﻢ ﺑﺴﻨﺔ واﺣﺪة‬

‫ﻟﻠﺴﻜﺎن ﻓﻮق ‪ 25‬ﺳﻨﺔ ﺗﺮاﻓﻖ زﯾﺎدة ﺑﻤﻘﺪار ‪ 450‬دوﻻر‪ ،‬ﻣﻊ إﺑﻘﺎء‬
‫اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ اﻵﺧﺮ ﺛﺎﺑﺘﺎ‪.‬‬
‫‪ ‬ﻋﻠﻰ أﻧﮫ ﻋﻨﺪ ﻏﯿﺎب ﻛﻼ ﻣﻦ اﻟﻤﺘﻐﯿﺮﯾﻦ ‪ X1, X2‬وﻣﺴﺎواﺗﮭﻤﺎ‬
‫ﻟﻠﺼﻔﺮ‪ ،‬ﻓﺄن دﺧﻞ اﻟﻔﺮد ﯾﻜﻮن ﻣﺴﺎوﯾﺎ ل ‪ 6203‬دوﻻر ﻛﻤﺎ ﯾﺸﯿﺮ‬
‫اﻟﻤﻘﻄﻊ ‪،α‬‬
‫‪ ‬وﯾﻤﻜﻦ اﻟﻘﻮل ھﻨﺎ ﻋﻠﻰ أن ﻣﺘﻮﺳﻂ اﺛﺮ ﻛﻞ اﻟﻤﺘﻐﯿﺮات اﻟﻐﯿﺮ ﻣﺪرﺟﺔ‬
‫ﻓﻲ اﻟﻨﻤﻮذج‪ ،‬ﻣﺘﻮﺳﻂ أﺛﺮھﺎ ﻋﻠﻰ ‪ ،Y‬ھﻮ ﻣﺎﻗﯿﻤﺘﮫ ‪ 6203‬دوﻻر‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪63‬‬

 ‫ﺗﺤﻠﯿﻞ ﻣﺼﺪاﻗﯿﺔ ﻣﻌﺎدﻟﺔ اﻷﻧﺤﺪار اﻟﻤﻘﺪرة‪:‬‬

‫‪ ‬ﻣﻦ أﺟﻞ اﻟﺤﺼﻮل ﻋﻠﻰ ﻧﺘﺎﺋﺞ ﯾﻤﻜﻦ اﻹﻋﺘﻤﺎد ﻋﻠﯿﮭﺎ وﻣﻦ أﺟﻞ‬
‫اﻟﺤﺼﻮل ﻋﻠﻰ إﺳﺘﻨﺘﺎﺟﺎت ﻧﺰﯾﮭﺔ ﻋﻦ اﻟﺘﻐﯿﺮات ﻓﻲ دﺧﻞ اﻟﻔﺮد‬
‫ﯾﻤﻜﻦ اﻟﻮﺛﻮق ﺑﮭﺎ‪ ،‬ﻛﺎن ﻻ ﺑﺪ ﻣﻦ إﺟﺮاء ﺑﻌﺾ اﻹﺧﺘﺒﺎرات‪:‬‬
‫‪ ‬ﻣﻌﻨﻮﯾﺎت اﻟﻤﻌﻠﻤﺎت وﻣﺼﺪاﻗﯿﺔ وﺟﻮدة اﻟﻤﻌﺎدﻟﺔ‪.‬‬
‫‪ ‬ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ‪: R2‬‬
‫‪ ‬إﺧﺘﺒﺎر ﻣﻌﻨﻮﯾﺔ ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار ﺑﺈﺳﺘﺨﺪام ﺗﻮزﯾﻊ ‪:F‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪64‬‬

‫إﺧﺘﺒﺎرات اﻟﻔﺮﺿﯿﺔ ﻋﻦ اﻟﻤﻌﻠﻤﺎت وﻣﻌﻨﻮﯾﺎﺗﮭﺎ‬
‫ﺗﻘﺪم اﻟﻨﺘﺎﺋﺞ اﻟﺴﺎﺑﻘﺔ ﻣﺎ ﺗﻮﺻﻠﺖ إﻟﯿﮫ إﺧﺘﺒﺎرات اﻟﻔﺮوض ﻋﻦ ﻣﺼﺪاﻗﯿﺔ‬
‫اﻟﻤﻌﺎدﻟﺔ وﺟﻮدﺗﮭﺎ‪.‬‬
‫‪ ‬ﻗﯿﻢ ‪ t‬اﻹﺣﺼﺎﺋﯿﺔ ﺗﺸﯿﺮإﻟﻰ ﻣﻌﻨﻮﯾﺔ ﺟﻤﯿﻊ اﻟﻤﻌﻠﻤﺎت اﻟﺴﺎﺑﻘﺔ‪ .‬ﺣﯿﺚ أن‬
‫اﻟﻘﯿﻤﺔ اﻟﺠﺪوﻟﯿﺔ ھﻲ ‪ 2.179‬وھﻲ اﺻﻐﺮ ﻣﻦ ﺟﻤﯿﻊ ﻗﯿﻢ ‪t‬‬
‫اﻹﺣﺼﺎﺋﯿﺔ اﻟﻤﺤﺴﻮﺑﺔ ﻋﻨﺪ إﺟﺮاء إﺧﺘﺒﺎرات اﻟﻔﺮﺿﯿﺎت‪.‬‬
‫‪ ‬أﺛﺒﺖ إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺔ ﺑﺄن اﻟﻤﻘﻄﻊ‪ ،α‬ﻣﺨﺘﻠﻒ ﺗﻤﺎﻣﺎ ﻋﻦ اﻟﺼﻔﺮ ﻋﻨﺪ‬
‫ﻣﺴﺘﻮى اﻷھﻤﯿﺔ ‪ .%5‬وﯾﺪل ذﻟﻚ ﻋﻠﻰ وﺟﻮد ﻣﺆﺛﺮات أﺧﺮى ﻏﯿﺮ‬
‫اﻟﻤﺘﻐﯿﺮﯾﻦ اﻟﻤﺴﺘﻘﻠﯿﻦ ﺗﺆﺛﺮ ﻓﻲ دﺧﻞ اﻟﻔﺮد ﺑﺜﻘﺔ ﻣﻘﺪارھﺎ ‪.%95‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪65‬‬

 ‫ﻣﻌﻨﻮﯾﺎت اﻟﻤﻌﻠﻤﺎت‬
‫‪ ‬ﻟﻘﺪ أﺛﺒﺖ إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺔ ﻣﻌﻨﻮﯾﺔ اﻟﻤﻌﻠﻤﺔ ‪ ، β1‬وأﻧﮭﺎ ﻣﺨﺘﻠﻔﺔ‬
‫ﺑﺸﻜﻞ ﻛﺒﯿﺮ ﻋﻦ اﻟﺼﻔﺮ ﻋﻨﺪ ﻣﺴﺘﻮى اﻷھﻤﯿﺔ ‪ .%5‬ذﻟﻚ ﯾﺆﻛﺪ أﺛﺮ‬
‫ﻧﺴﺒﺔ اﻟﻌﻤﺎﻟﺔ ﻓﻲ اﻟﻘﻄﺎع اﻟﺰراﻋﻲ ‪ X1‬ﻋﻠﻰ دﺧﻞ اﻟﻔﺮد‪ ،‬ﺑﺜﻘﺔ‬
‫ﻣﻘﺪارھﺎ ‪.%95‬‬
‫‪ ‬ﻛﻤﺎ أن اﻟﻨﺘﺎﺋﺞ ﺗﺸﯿﺮ إﻟﻰ ﻣﻌﻨﻮﯾﺔ ‪ ،β2‬ﺣﯿﺚ ﺑﺮھﻨﺖ إﺧﺘﺒﺎرات‬
‫اﻟﻔﺮوض ﻋﻠﻰ أن اﻟﻤﻌﻠﻤﺔ ﻣﺨﺘﻠﻔﺔ ﺑﺸﻜﻞ ﻛﺒﯿﺮ ﻋﻦ اﻟﺼﻔﺮ ﻋﻨﺪ‬
‫ﻣﺴﺘﻮى اﻷھﻤﯿﺔ ‪.%5‬‬
‫‪ ‬ذﻟﻚ ﯾﺆﻛﺪ أﺛﺮ ﻧﺴﺒﺔ ﺳﻨﻮات اﻟﺘﻌﻠﯿﻢ ‪ X2‬ﻋﻠﻰ دﺧﻞ اﻟﻔﺮد ﺑﺜﻘﺔ‬
‫ﻣﻘﺪارھﺎ ‪.%95‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪66‬‬

 ‫ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ‪R2 :‬‬

‫‪ ‬ﯾﻈﮭﺮ ‪R2‬ﻋﻠﻰ أن اﻟﻤﻌﺎدﻟﺔ إﺳﺘﻄﺎﻋﺖ أن ﺗﻔﺴﺮ ﺣﻮاﻟﻲ ‪ %69‬ﻣﻦ‬

‫اﻟﺘﻐﯿﺮات ﻓﻲ اﻟﺪﺧﻞ ‪ ،‬وأن ﺣﻮاﻟﻲ ‪ %30‬ﻣﻦ اﻟﺘﻐﯿﺮات ﻓﻲ اﻟﺪﺧﻞ‬
‫ﻗﺪ ﺗﻜﻮن ﺑﺴﺒﺐ ﻋﻮاﻣﻞ أﺧﺮى‪.‬‬
‫ﻋﻠﻰ‬ ‫(‬ ‫‪R‬‬ ‫‪2‬‬
‫‪ ‬وﯾﺸﯿﺮ ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ اﻟﻤﻌﺪل )‪ 0.64‬‬
‫إﻧﺨﻔﺎض اﻟﻨﺴﺒﺔ اﻟﻤﻔﺴﺮة ﻣﻦ اﻟﺘﻐﯿﺮات ﻓﻲ اﻟﺪﺧﻞ إﻟﻰ ﺣﻮاﻟﻲ‬
‫‪ %64‬ﻋﻨﺪﻣﺎ ﻧﺄﺧﺬ درﺟﺎت اﻟﺤﺮﯾﺔ ﻓﻲ اﻟﺤﺴﺒﺎن‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪67‬‬

 ‫إﺧﺘﺒﺎر ﻣﻌﻨﻮﯾﺔ اﻟﻤﻌﺎدﻟﺔ‬
‫‪ ‬ﻟﻘﺪ ﺗﻢ إﺟﺮاء إﺧﺘﺒﺎرﻓﺮﺿﯿﺔ ﻟﻤﻌﻨﻮﯾﺔ اﻟﻤﻌﺎدﻟﺔ إﺟﻤﺎﻻ‪ ،‬ﺑﺄن ﺟﻤﯿﻊ‬
‫ﻣﻌﻠﻤﺎت اﻟﻤﻌﺎدﻟﺔ ﻣﺨﺘﻠﻔﺔ ﺗﻤﺎﻣﺎ ﻋﻦ اﻟﺼﻔﺮ‪ ،‬وذﻟﻚ ﺑﺎﺳﺘﺨﺪم اﻟﻔﺮﺿﯿﺔ‪:‬‬
‫‪Ho: α= β1=β2=0‬‬
‫‪H1: α≠ β1≠β2≠0‬‬
‫وﻗﺪ ﺗﻢ اﻟﺤﺼﻮل ﻋﻠﻰ ﻗﯿﻤﺔ ‪ F‬اﻹﺣﺼﺎﺋﯿﺔ‪:‬‬

‫‪2‬‬
‫‪y /k 1‬‬ ‫‪R /k 1‬‬
‫‪2‬‬
‫‪Fk1,nk  2‬‬ ‫‪‬‬ ‫‪13.56‬‬
‫‪‬‬
‫‪e /nk 1 R /nk‬‬
‫‪2‬‬
‫‪‬‬
‫وﺑﻤﻘﺎرﻧﺘﮭﺎ ‪ F‬اﻟﺠﺪوﻟﯿﺔ ‪ ،3.88‬ﺗﻢ رﻓﺾ ﻓﺮﺿﯿﺔ اﻟﻌﺪم وﻗﺒﻮل اﻟﻔﺮﺿﯿﺔ‬
‫اﻟﺒﺪﯾﻠﺔ وأن ﻣﻌﻠﻤﺎت اﻟﻤﻌﺎدﻟﺔ ﻣﺨﺘﻠﻔﺔ ﺗﻤﺎﻣﺎ ﻋﻦ اﻟﺼﻔﺮ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪68‬‬

 ‫ﻣﻌﺎﻣﻞ اﻹرﺗﺒﺎط اﻟﺠﺰﺋﻲ‬
‫‪ ‬ﯾﻘﯿﺲ اﻹرﺗﺒﺎط اﻟﺼﺎﻓﻲ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ وﻣﺘﻐﯿﺮ ﻣﺴﺘﻘﻞ واﺣﺪ ﺑﻊ إﺳﺘﺒﻌﺎد‬
‫ﺗﺄﺛﯿﺮ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ اﻵﺧﺮ‪ ،‬أي ﺑﺘﺄﺛﯿﺮ اﻵﺧﺮ‪.‬‬
‫‪ rYX1,X2 ‬ھﻮ اﻹرﺗﺒﺎط اﻟﺠﺰﺋﻲ ﺑﻌﺪ إﺳﺘﺒﻌﺎد أﺛﺮ ‪ X2‬ﻣﻦ ﺑﯿﻦ ﻛﻞ ﻣﻦ ‪Y,X1‬‬

‫‪rY X 1  rY X 2 rX 1X 2‬‬
‫‪rY X 1 .X 2 ‬‬
‫‪1  r 2 X 1X 2 1  r 2 X 2Y‬‬
‫‪rY X 2  rY X 1 rX 1X 2‬‬
‫‪rY X 2 .X 1 ‬‬
‫‪1  r 2 X 1X 2 1  r 2 X 1Y‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪69‬‬

 ‫ﻣﻌﺎﻣﻞ اﻹرﺗﺒﺎط اﻟﺠﺰﺋﻲ‬
‫‪.Y,X1‬‬ ‫‪ rYX1 ‬ﻣﻌﺎﻣﻞ اﻹرﺗﺒﺎط اﻟﺒﺴﯿﻂ ﺑﯿﻦ‬
‫‪ rYX2 ‬ﻣﻌﺎﻣﻞ اﻹرﺗﺒﺎط اﻟﺒﺴﯿﻂ ﺑﯿﻦ ‪.Y,X2‬‬

‫‪ rX1X2 ‬ﻣﻌﺎﻣﻞ اﻹرﺗﺒﺎط اﻟﺒﺴﯿﻂ ﺑﯿﻦ ‪.X1,X2‬‬

‫‪ ‬ﻣﻌﺎﻣﻞ اﻹرﺗﺒﺎط اﻟﺠﺰﺋﻲ ‪1- ≤ r ≤1+‬‬
‫‪ ‬ﻟﮫ إﺷﺎرات اﻟﻤﻌﺎﻣﻞ اﻟﻤﻘﺪر‪.‬‬
‫‪ ‬ﯾﺴﺘﺨﺪم ﻟﺘﺤﺪﯾﺪ اﻷھﻤﯿﺔ اﻟﻨﺴﺒﯿﺔ ﻟﻤﺨﺘﻠﻒ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻓﻲ‬
‫ﻣﻌﺎدﻟﺔ اﻹﻧﺤﺪار اﻟﻤﺘﻌﺪد‪.‬‬
‫‪ ‬ﻣﻌﺎﻣﻞ اﻹرﺗﺒﺎط اﻟﺠﺰﺋﻲ ﯾﻌﻄﻲ اﻹرﺗﺒﺎط اﻟﺼﺎﻓﻲ اﻟﺘﺮﺗﯿﺒﻲ ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪70‬‬

 ‫ﻣﺜﺎل‬
‫‪ ‬ﻟﺤﺴﺎب ﻣﻌﺎﻣﻞ اﻹرﺗﺒﺎط اﻟﺠﺰﺋﻲ ﻟﻠﻤﺜﺎل اﻟﺴﺎﺑﻖ ﯾﻨﺒﻐﻲ ﺣﺴﺎب ﻣﻌﺎﻣﻼت‬
‫اﻹرﺗﺒﺎﻃﺎت ﺑﯿﻦ ﻣﺨﺘﻠﻒ اﻟﻤﺘﻐﯿﺮات ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬
‫‪ x 1y‬‬
‫‪rY X 1 ‬‬ ‫‪  0 .5 7 1 5‬‬
‫‪ x 12‬‬ ‫‪ y‬‬ ‫‪2‬‬

‫‪ x‬‬ ‫‪y‬‬

‫‪rY‬‬ ‫‪X‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪ 0 .6 9 8 4‬‬
‫‪ x‬‬ ‫‪2‬‬
‫‪ y‬‬ ‫‪2‬‬
‫‪2‬‬

‫‪2‬‬

‫‪ x 1x‬‬
‫‪rx 1 x 2 ‬‬ ‫‪2‬‬
‫‪  0 .1 8 0 1‬‬
‫‪ x 12‬‬ ‫‪ x‬‬ ‫‪2‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪71‬‬

 ‫ﺗﺎﺑﻊ اﻟﻤﺜﺎل‬
‫‪ ‬وﻋﻠﯿﮫ ﯾﻤﻜﻦ ﺣﺴﺎب اﻹرﺗﺒﺎط اﻟﺠﺰﺋﻲ اﻟﺼﺎﻓﻲ ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ وﻛﻞ‬
‫ﻣﺘﻐﯿﺮ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬

‫‪rY X 1  rY X 2 rX 1X 2‬‬
‫‪rY X 1 .X 2 ‬‬ ‫‪ 0.6331‬‬
‫‪1 r‬‬ ‫‪2‬‬
‫‪X 1X 2‬‬ ‫‪1 r‬‬ ‫‪2‬‬
‫‪YX 2‬‬

‫‪rY X 2  rY X 1 rX 1X 2‬‬
‫‪rY X 2 .X 1 ‬‬ ‫‪ 0.8072‬‬
‫‪1 r‬‬ ‫‪2‬‬
‫‪X 1X 2‬‬ ‫‪1 r‬‬ ‫‪2‬‬
‫‪YX1‬‬

‫‪ ‬وﻋﻠﯿﮫ ﯾﻤﻜﻦ اﻟﻘﻮل ﺑﺄن إﺳﮭﺎم اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ اﻟﺜﺎﻧﻲ أﻛﺒﺮ ﻣﻦ إﺳﮭﺎم‬
‫اﻟﻤﺘﻐﯿﺮ اﻷول إﻟﻰ اﻟﻨﻤﻮذج‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪72‬‬

‫ﺟﺪول‬
‫‪Y‬‬ ‫‪1X‬‬ ‫‪ y‬اﻟﺪﺧﻞ‪X‬‬ ‫‪yy‬‬ ‫‪x1‬‬ ‫‪x1*x1 x2‬‬ ‫‪x2x2 yx1‬‬ ‫‪yx2‬‬
‫‪6‬‬ ‫‪9‬‬ ‫‪8‬‬ ‫‪-3‬‬ ‫‪9‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪-4‬‬ ‫‪16‬‬ ‫‪-6‬‬ ‫‪12‬‬
‫‪8‬‬ ‫‪10‬‬ ‫‪13‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪-3‬‬ ‫‪-1‬‬
‫‪8‬‬ ‫‪8‬‬ ‫‪11‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪-1‬‬ ‫‪1‬‬
‫‪7‬‬ ‫‪7‬‬ ‫‪10‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪4‬‬
‫‪7‬‬ ‫‪10‬‬ ‫‪12‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪-6‬‬ ‫‪0‬‬
‫‪12‬‬ ‫‪4‬‬ ‫‪16‬‬ ‫‪3‬‬ ‫‪9‬‬ ‫‪-3‬‬ ‫‪9‬‬ ‫‪4‬‬ ‫‪16‬‬ ‫‪-9‬‬ ‫‪12‬‬
‫‪9‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪8‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪9‬‬ ‫‪6‬‬ ‫‪12‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪10‬‬ ‫‪8‬‬ ‫‪14‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪10‬‬ ‫‪7‬‬ ‫‪12‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪11‬‬ ‫‪4‬‬ ‫‪16‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪-3‬‬ ‫‪9‬‬ ‫‪4‬‬ ‫‪16‬‬ ‫‪-6‬‬ ‫‪8‬‬
‫‪9‬‬ ‫‪9‬‬ ‫‪14‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪10‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪-2‬‬ ‫‪4‬‬ ‫‪-2‬‬ ‫‪-2‬‬
‫‪11‬‬ ‫‪8‬‬ ‫‪12‬‬ ‫‪2‬‬ ‫‪4‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪2‬‬ ‫‪073‬‬
‫اﻟﺠﻤﻮع‬ ‫‪135‬‬ ‫‪105‬‬ ‫‪180‬‬ ‫‪0‬‬ ‫‪40‬‬ ‫‪0‬‬ ‫‪60‬‬ ‫‪0‬‬ ‫‪74‬‬ ‫‪-28‬‬ ‫‪38‬‬
 ‫اﻷﺷﻜﺎل اﻟﺪاﻟﯿﺔ ﻟﻺﻧﺤﺪار‬
‫‪ ‬ﻗﺪ ﯾﺘﻄﻠﺐ اﻷﻣﺮ ﻓﻲ ﻛﺜﯿﺮ ﻣﻦ اﻷﺣﯿﺎن إﺳﺘﺨﺪام ﻧﻤﺎذج ﻏﯿﺮ ﺧﻄﯿﺔ‪.‬‬
‫‪ ‬ﻧﻈﺮﯾﺔ اﻹﻧﺘﺎج ﻣﺜﻼ ﺗﺴﺘﺪﻋﻲ إﺳﺘﺨﺪام ﺟﻤﯿﻊ ﻋﻨﺎﺻﺮ اﻹﻧﺘﺎج ‪،‬‬
‫ﻣﺜﻞ اﻟﻌﻤﻞ ورأس اﻟﻤﺎل ‪ ،‬وﻋﺪم ﺗﻮاﺟﺪ أي ﻣﻨﮭﻤﺎ ﯾﻌﻨﻲ إﻧﺘﻔﺎء‬
‫اﻹﻧﺘﺎج‪.‬‬
‫‪ ‬اﻟﺪاﻟﺔ اﻟﺨﻄﯿﺔ ﻻ ﺗﺸﺘﺮط ﺗﻮاﺟﺪ ﺟﻤﯿﻊ اﻟﻤﺪﺧﻼت ﻣﻌﺎ‪.‬‬
‫‪ ‬ﻟﺬﻟﻚ ﻛﺎن ﻻ ﺑﺪ ﻣﻦ اﻟﻠﺠﻮء إﻟﻰ أﺷﻜﺎل ﻏﯿﺮ ﺧﻄﯿﺔ ﻟﻠﻮﻓﺎء‬
‫ﺑﺨﺼﺎﺋﺺ اﻹﻧﺘﺎج‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪74‬‬

 ‫اﻷﺷﻜﺎل اﻟﺪاﻟﯿﺔ ﻟﻺﻧﺤﺪار‬
‫‪ ‬اﻟﻤﻌﺎدﻻت ﯾﻤﻜﻦ أن ﺗﻜﻮن ﻏﯿﺮ ﺧﻄﯿﺔ ﻛﻠﯿﺎ أو ﺟﺰﺋﯿﺎ‪.‬‬
‫‪ ‬اﻟﻤﻌﺎدﻻت اﻟﻐﯿﺮ ﺧﻄﯿﺔ ﯾﻤﻜﻦ ﺗﺤﻮﯾﻠﮭﺎ إﻟﻰ ﺧﻄﯿﺔ ﻟﻮﻏﺎرﯾﺘﻤﯿﺔ ﺛﻢ‬
‫ﺗﻘﺪﯾﺮھﺎ ﺑﺈﺳﺘﺨﺪام أﺳﻠﻮب اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‪.‬‬
‫‪ ‬ﻣﻌﻠﻤﺎت اﻟﻤﻌﺎدﻻت اﻟﻤﺤﻮﻟﺔ ﻟﮭﺎ ﺧﺼﺎﺋﺺ ﻣﻔﯿﺪة ﻟﻠﻐﺎﯾﺔ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪75‬‬

 ‫اﻷﺷﻜﺎل اﻟﺪاﻟﯿﺔ ﻟﻼﻧﺤﺪار‬
‫‪ ‬ﻓﯿﻤﺎ ﯾﻠﻲ ﺑﻌﺾ اﻷﺷﻜﺎل اﻟﺪاﻟﯿﺔ اﻟﺘﻲ ﯾﻤﻜﻦ ﺗﺤﻮﯾﻠﮭﺎ‪:‬‬
‫‪ ‬اﻟﺸﻜﻞ اﻟﻠﻮﻏﺎرﯾﺘﻤﻲ اﻟﻤﺰدوج ‪ ،‬اﻟﺘﻲ ﺗﻜﻮن ﻓﻲ اﻷﺻﻞ‪:‬‬

‫‪Y  X 11 X 2 2 e ‬‬

‫‪ ‬وﺑﻌﺪ اﻟﺘﺤﻮﯾﻞ إﻟﻰ ﻟﻮﻏﺎرﯾﺘﻢ ﻃﺒﯿﻌﻲ ﺗﺼﺒﺢ اﻟﺪاﻟﺔ‪:‬‬

‫‪ln Y  ln   ln 1 X 1  ln  2 X 2  ln e ‬‬
‫‪ ‬اﻟﻤﻌﻠﻤﺎت ﺑﻌﺪ اﻟﺘﺤﻮﯾﻞ ھﻲ ﻣﺮوﻧﺎت اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻤﺘﻐﯿﺮات‬
‫اﻟﻤﺴﺘﻘﻠﺔ‪.‬‬
‫‪ ‬ھﺬه اﻟﻤﻌﻠﻤﺎت ﯾﻤﻜﻦ ﺗﻔﺴﯿﺮھﺎ ﻋﻠﻰ ﻣﻘﺪار اﻟﺘﻐﯿﺮ اﻟﻨﺴﺒﻲ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‬
‫اﻟﻤﺼﺎﺣﺐ ﻟﺘﻐﯿﺮ ﻧﺴﺒﻲ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪76‬‬

 ‫اﻷﺷﻜﺎل اﻟﺪاﻟﯿﺔ ﻟﻼﻧﺤﺪار‬
‫‪ ‬اﻟﺸﻜﻞ اﻟﺸﺒﮫ اﻟﻠﻮﻏﺎرﯾﺘﻤﻲ ‪:‬‬
‫‪lnY=α+βX+u‬‬
‫‪ ‬ﺗﺸﯿﺮ اﻟﻤﻌﻠﻤﺔ ھﻨﺎ إﻟﻰ اﻟﺘﻐﯿﺮ اﻟﻨﺴﺒﻲ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﻟﺘﻐﯿﺮ وﺣﺪة‬
‫واﺣﺪة ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‬
‫‪Y=α+lnβX+u‬‬ ‫أو‬
‫‪ ‬ﺗﺸﯿﺮ اﻟﻤﻌﻠﻤﺔ ھﻨﺎ إﻟﻰ ﻣﻘﺪار اﻟﺘﻐﯿﺮ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﻟﻜﻞ ﺗﻐﯿﺮ‬
‫ﻧﺴﺒﻲ ﻓﻲ اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‬
‫‪Y=α+β/X+u‬‬ ‫‪ ‬اﻟﺸﻜﻞ اﻟﻤﻌﻜﻮس‬
‫‪Y=α+β1X+ β2X2+ u‬‬ ‫‪ ‬ﺷﻜﻞ اﻟﻘﻮى‪ :‬أو‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪77‬‬
 ‫ﻣﺜﺎل‪:‬‬
‫‪Q‬‬ ‫‪L‬‬ ‫‪K‬‬ ‫‪l‬‬ ‫‪ ‬اﻟﻤﺜﺎل اﻟﺘﺎﻟﻲ ﻣﻦ ﻛﺘﺎب اﻟﺪﻛﺘﻮر‬
‫‪240‬‬ ‫‪1480‬‬ ‫‪410‬‬
‫‪400‬‬ ‫‪1660‬‬ ‫‪450‬‬
‫دوﻣﻨﻚ ﺳﻠﻔﺎﺗﻮر ﻋﻦ إﻧﺘﺎﺟﯿﺎت ‪14‬‬
‫‪110‬‬ ‫‪1150‬‬ ‫‪380‬‬ ‫ﻣﻨﺸﺄة‪ ,‬واﻟﻜﻤﯿﺎت اﻟﻤﺴﺘﺨﺪﻣﺔ ﻣﻦ‬
‫‪530‬‬ ‫‪1790‬‬ ‫‪430‬‬ ‫اﻟﻤﺪﺧﻼت‪ ،‬ﻋﻤﻞ ‪ L‬ورأﺳﻤﺎل ‪K‬‬
‫‪590‬‬ ‫‪1880‬‬ ‫‪480‬‬ ‫‪ ‬اﻟﻤﻄﻠﻮب‪ :‬ﺗﻘﺪﯾﺮ داﻟﺔ اﻹﻧﺘﺎج ﻟﺘﻠﻚ‬
‫‪470‬‬ ‫‪1860‬‬ ‫‪450‬‬ ‫اﻟﻤﻨﺸﺄءآت ﺑﺎﺳﺘﺨﺪام داﻟﺔ ﻛﻮب‪-‬‬
‫‪450‬‬ ‫‪1940‬‬ ‫‪490‬‬ ‫دﺟﻼس‪ ،‬وﺗﻘﺪﯾﻢ ﺷﺮح ﻋﻦ دﻻﻻت‬
‫‪160‬‬ ‫‪1240‬‬ ‫‪395‬‬
‫اﻟﻤﻌﻠﻤﺎت‪.‬‬
‫‪290‬‬ ‫‪1240‬‬ ‫‪430‬‬
‫‪490‬‬ ‫‪1850‬‬ ‫‪460‬‬
‫‪ ‬ﺗﻜﻠﻢ ﺑﺈﯾﺠﺎزﻋﻦ وﺿﻊ اﻟﺼﻨﺎﻋﺔ‪.‬‬
‫‪350‬‬ ‫‪1570‬‬ ‫‪435‬‬
‫‪550‬‬ ‫‪1700‬‬ ‫‪470‬‬
‫‪560‬‬ ‫‪2000‬‬ ‫‪480‬‬
‫‪430‬‬ ‫‪1850‬‬ ‫‪440‬‬ ‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪78‬‬
 ‫اﻟﺤﻞ‬
‫‪ ‬داﻟﺔ ‪:‬ﻛﻮب‪ -‬دﺟﻼس اﻹﻧﺘﺎﺟﯿﺔ‪:‬‬

‫‪Y  X 11 X 2 2 e ‬‬

‫‪ ‬اﻟﺪاﻟﺔ ﻧﺤﺘﻢ وﺟﻮد ﺟﻤﺒﻊ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻔﻠﺔ‪ ،‬اﻟﻤﺪﺧﻼت‪ ،‬وإﻻّ ﻓﺈن اﻟﺪاﻟﺔ‬
‫ﺗﺼﺒﺢ ﺻﻔﺮا‪.‬‬
‫‪ ‬وﺑﻌﺪ اﻟﺘﺤﻮﯾﻞ إﻟﻰ ﻟﻮﻏﺎرﯾﺘﻢ ﻃﺒﯿﻌﻲ ﺗﺼﺒﺢ اﻟﺪاﻟﺔ‪:‬‬

‫‪lnY  ln   1 ln X 1   2 ln X 2  ln u‬‬
‫‪ ‬وﻋﻠﯿﮫ ﯾﺠﺐ ﺗﺤﻮﯾﻞ ﺑﯿﺎﻧﺎت اﻟﺠﺪول إﻟﻰ ﺑﯿﺎﻧﺎت ﻟﻮﻏﺎرﯾﺘﻤﯿﺔ ﺛﻢ اﻟﻘﯿﺎم‬
‫ﺑﺎﻟﺘﺤﺪﯾﺮ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪79‬‬

 ‫اﻟﺠﺪول اﻟﻠﻮﻏﺎرﯾﺘﻤﻲ اﻟﻄﺒﯿﻌﻲ‬
‫‪lnQ‬‬ ‫‪lnL‬‬ ‫‪lnK‬‬
‫‪5.480639‬‬ ‫‪7.299797‬‬ ‫‪6.016157‬‬
‫‪5.991465‬‬ ‫‪7.414573‬‬ ‫‪6.109248‬‬
‫‪4.70048‬‬ ‫‪7.047517‬‬ ‫‪5.940171‬‬
‫‪6.272877‬‬ ‫‪7.489971‬‬ ‫‪6.063785‬‬
‫‪6.380123‬‬ ‫‪7.539027‬‬ ‫‪6.173786‬‬
‫‪6.152733‬‬ ‫‪7.528332‬‬ ‫‪6.109248‬‬
‫‪6.109248‬‬ ‫‪7.570443‬‬ ‫‪6.194405‬‬
‫‪5.075174‬‬ ‫‪7.122867‬‬ ‫‪5.978886‬‬
‫‪5.669881‬‬ ‫‪7.122867‬‬ ‫‪6.063785‬‬
‫‪6.194405‬‬ ‫‪7.522941‬‬ ‫‪6.131226‬‬
‫‪5.857933‬‬ ‫‪7.358831‬‬ ‫‪6.075346‬‬
‫‪6.309918‬‬ ‫‪7.438384‬‬ ‫‪6.152733‬‬
‫‪6.327937‬‬ ‫‪7.600902‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬
‫‪6.173786‬‬ ‫‪80‬‬

‫‪6.063785‬‬ ‫‪7.522941‬‬ ‫‪6.086775‬‬

 ‫ﻧﺘﺎﺋﺞ اﻹﻧﺤﺪار‬
Multiple R 0.937039
R Square 0.878041
Adjusted R
Square 0.855867
Standard Error 0.191279
Observations 14
df SS MS F
Regression 2 2.897539 1.448769 39.5972
Residual 11 0.402464 0.036588
Total 13 3.300003
Coefficients Standard Error t Stat
Intercept -23.2312 5.236462 -4.43643
lnL 1.430253 0.560843 2.550183
‫ ﻣﺤﯿﻲ أﯾﻮب‬.‫د‬ 81
lnK 3.045391 1.367235 2.227409
‫اﻟﻨﺘﺎﺋﺞ‬
‫‪ ‬ﯾﻤﻜﻦ ﺗﻠﺨﯿﺺ اﻟﻨﺘﺎﺋﺞ ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬
‫‪lnQ=-23.23+1.43lnL+3.05lnK‬‬
‫)‪t ( - 4.44) (2.55‬‬ ‫)‪(2.23‬‬
‫‪R2=0.878‬‬
‫‪Adj R2=0.856‬‬
‫‪F= 39.597‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪82‬‬

 ‫ﺷﺮح اﻟﻨﺘﺎﺋﺞ‬
‫‪ ‬ﺗﺸﯿﺮ اﻟﻨﺘﺎﺋﺞ ﻋﻠﻰ أن ﻣﺮوﻧﺔ اﻹﻧﺘﺎج ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻌﻤﻞ ھﻲ ‪، 1.43‬‬
‫ﻛﻤﺎ أن ﻣﺮوﻧﺔ اﻹﻧﺘﺎج ﺑﺎﻟﻨﺴﺒﺔ ﻟﺮأس اﻟﻤﺎل ھﻲ ‪. 3.05‬‬
‫‪ ‬أي أﻧﮫ ﻋﻨﺪﻣﺎ ﯾﺘﻐﯿﺮ اﻟﻌﻤﻞ ﺑﻨﺴﺒﺔ ‪ %1‬ﻓﺬﻟﻚ ﯾﺆدي إﻟﻰ ﺗﻐﯿﺮ ﻓﻲ‬
‫اﻹﻧﺘﺎج ﺑﻨﺴﺒﺔ ‪.%1.43‬‬
‫‪ ‬ﻋﻨﺪﻣﺎ ﺗﺘﻐﯿﺮ اﻟﻤﺪﺧﻼت اﻟﺮأﺳﻤﺎﻟﯿﺔ ﺑﻨﺴﺒﺔ ‪ ،%1‬ﻓﺈن اﻹﻧﺘﺎج ﺳﯿﺘﻐﯿﺮ‬
‫ﺑﻨﺴﺒﺔ ‪.%3.05‬‬
‫‪ ‬ﺑﻤﺎ أن ‪ β2 + β 2‬أﻛﺒﺮ ﻣﻦ اﻟﻮاﺣﺪ اﻟﺼﺤﯿﺢ ﻓﺬﻟﻚ ﯾﻌﻨﻲ أن‬
‫اﻟﺼﻨﺎﻋﺔ ﺗﺘﻤﺘﻊ ﺑﻌﺎﺋﺪ ﻏﻠﺔ ﻧﺴﺒﻲ ﻣﺘﺰاﯾﺪ ‪.‬‬
‫‪ ‬أي أن زﯾﺎدة ‪ %10‬ﻣﻦ ﻛﻼ اﻟﻤﺪﺧﻠﯿﻦ ﺗﺆدي إﻟﻰ زﯾﺎدة أﻛﺜﺮ ﻣﻦ‬
‫‪ %10‬ﻓﻲ اﻟﻤﺨﺮﺟﺎت‪.‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪83‬‬
 ‫ﺷﺮح اﻟﻨﺘﺎﺋﺞ‬
‫‪ ‬ﺑﻤﺎ أن ‪ ، 4.48= β2 + β 2‬ﻓﺈن ذﻟﻚ ﯾﻌﻨﻲ ﺑﺄن ھﺬه اﻟﺼﻨﺎﻋﺔ‬
‫ﺗﺘﻤﺘﻊ ﺑﺨﺎﺻﯿﺔ ﺗﺰاﯾﺪ اﻟﻐﻠﺔ اﻟﻨﺴﺒﻲ‪.‬‬
‫‪ ‬ﺑﻨﺎءاً ﻋﻠﻰ اﻟﻨﺘﯿﺠﺔ اﻟﺴﺎﺑﻘﺔ‪ ،‬ﻓﺈن زﯾﺎدة اﻟﻤﺪﺧﻼت ﺑﻨﺴﺒﺔ ‪%10‬‬
‫ﺗﺆدي إﻟﻰ زﯾﺎدة إﺟﻤﺎﻟﻲ اﻹﻧﺘﺎج ﺑﻨﺴﺒﺔ ‪.%44.8‬‬
‫‪ ‬اﻟﻨﺘﺎﺋﺞ ﺗﺸﯿﺮ إﻟﻰ أن ﻗﯿﻢ ‪ t‬اﻹﺣﺼﺎﺋﯿﺔ ﻟﻜﻞ اﻟﻤﻌﻠﻤﺎت أﻛﺒﺮ ﻣﻦ ﻗﯿﻢ ‪t‬‬
‫اﻟﺠﺪوﻟﯿﺔ‪.‬‬
‫‪ ‬وﻋﻠﯿﮫ ﻓﺈن إﺧﺘﺒﺎرات اﻟﻔﺮﺿﯿﺎت ﻋﻦ اﻟﻤﻌﻠﻤﺎت ﺗﺸﯿﺮ إﻟﻰ ﻣﻌﻨﻮﯾﺔ‬
‫اﻟﻤﻌﻠﻤﺎت ﻛﻞ ﻋﻠﻰ ﺣﺪة‪.‬‬
‫‪ ‬أي أن ﻛﻞ ﻣﻌﻠﻤﺔ ﻣﻦ اﻟﻤﻌﻠﻤﺎت ﻣﺨﺘﻠﻒ ﺑﺸﻜﻞ ﻛﺒﯿﺮ ﻋﻦ اﻟﺼﻔﺮ‪.‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪84‬‬
 ‫ﺷﺮح اﻟﻨﺘﺎﺋﺞ‬
‫‪ ‬ذﻟﻚ ﯾﺆﻛﺪ ﻋﻠﻰ أھﻤﯿﺔ ودور اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻓﻲ ﺷﺮح ﺳﻠﻮك‬
‫اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪ ،‬اﻹﻧﺘﺎج‪.‬‬
‫‪ ‬ﯾﺸﯿﺮ ﻣﻌﺎﻣﻞ ﺟﻮدة اﻟﺘﻮﻓﯿﻖ ‪ R2‬إﻟﻰ أن اﻟﻤﻌﺎدﻟﺔ ﺗﻤﻜﻨﺖ ﻣﻦ ﺷﺮح‬
‫ﺣﻮاﻟﻲ ‪ %88‬ﻣﻦ اﻟﺘﻐﯿﺮات ﻓﻲ اﻹﻧﺘﺎج‪.‬‬
‫‪ %12 ‬ﻣﻦ اﻟﺘﻐﯿﺮات ﻓﻲ ﻛﻤﯿﺎت اﻹﻧﺘﺎج ﻗﺪ ﺗﻜﻮن ﺑﺴﺒﺐ ﻣﺘﻐﯿﺮات‬
‫أﺧﺮى ﻟﻢ ﯾﺘﻢ إدراﺟﮭﺎ ﻓﻲ اﻟﻤﻌﺎدﻟﺔ ‪.‬‬
‫‪ ‬اﻟﺪاﻟﺔ ﺑﺸﻜﻠﮭﺎ اﻟﻜﻠﻲ ذات ﻣﻌﻨﻮﯾﺔ ‪ ،‬ﺣﯿﺚ أن ﻓﯿﻤﺔ ‪ F‬أﻹﺣﺼﺎﺋﯿﺔ‬
‫أﻛﺒﺮ ﻣﻦ ‪ F‬اﻟﺠﺪوﻟﯿﺔ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪85‬‬

 ‫اﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ‬
‫‪ ‬ﻓﻲ ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار ﯾﺘﺄﺛﺮ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺑﺎﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ‬
‫اﻟﻜﻤﯿﺔ‪ ،‬ﻣﺜﻞ‪:‬‬
‫‪ ‬اﻟﺪﺧﻞ‪ ،‬اﻷﺳﻌﺎر‪ ،‬اﻟﻤﺨﺮﺟﺎت‪. ... ،‬‬
‫‪ ‬وﯾﺘﺄﺛﺮ أﯾﻀﺎ ﺑﺎﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﻨﻮﻋﯿﺔ ‪ ،‬ﻣﺜﻞ‪:‬‬
‫‪ ‬اﻟﺠﻨﺲ ‪ ،‬اﻟﺤﺮوب‪ ،‬اﻟﺠﻨﺴﯿﺔ‪ ،‬اﻟﻠﻮن‪ ،‬اﻟﺪﯾﺎﻧﺔ‪....‬‬
‫‪ ‬ﻣﻊ ﺗﺜﺒﯿﺖ ﺟﻤﯿﻊ اﻷﻣﻮر اﻷﺧﺮى‪ ،‬ﻓﻘﺪ وﺟﺪ أن اﻟﺠﻨﺴﯿﺔ ﺗﻠﻌﺐ دورا‬
‫ﻓﻲ ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﯿﻦ‪.‬‬
‫‪ ‬ﻓﻲ ﺑﻌﺾ اﻟﺪول اﻟﻐﺮﺑﯿﺔ‪ ،‬وﺟﺪ أن‪:‬‬
‫اﻟﺬﻛﻮرﻣﺮﺗﺒﺎﺗﮭﻢ أﻋﻠﻰ ﻣﻦ اﻹﻧﺎث‪،‬‬ ‫‪‬‬

‫وأن اﻟﺒﯿﺾ ﯾﺤﺼﻠﻮن ﻋﻠﻰ ﻣﺮﺗﺒﺎت أﻋﻠﻰ ﻣﻤﻦ ﺳﻮاھﻢ‪.‬‬ ‫‪‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪86‬‬

 ‫اﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ‬
‫‪ ‬اﻟﻤﺘﻐﯿﺮات اﻟﻨﻮﻋﯿﺔ ﻟﮭﺎ دور أﺳﺎﺳﻲ ﻓﻲ اﻟﺘﺄﺛﯿﺮ ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ‪.‬‬
‫‪ ‬ﻟﺬا ﯾﺠﺐ إدراج اﻟﻤﺘﻐﯿﺮات اﻟﻨﻮﻋﯿﺔ ﺑﺸﻜﻞ ﻣﻨﺎﺳﺐ‪.‬‬
‫‪ ‬اﻟﻤﺘﻐﯿﺮات اﻟﻨﻮﻋﯿﺔ ﺗﺸﯿﺮ إﻟﻰ وﺟﻮد أو ﻋﺪم وﺟﻮد ﻧﻮع أو ﺻﻔﺔ‬
‫ﻣﺎ‪ ،‬ﻣﺜﻞ‪:‬‬
‫ذﻛﺮ أو أﻧﺜﻰ‪ ،‬ﻣﺘﻌﻠﻢ أو أﻣﻲ‪ ،‬ﺳﻌﻮدي أو ﻏﯿﺮ ﺳﻌﻮدي‪.‬‬ ‫‪‬‬
‫‪ ‬أﺣﺪ أﺳﺎﻟﯿﺐ إﺳﺘﺨﺪام اﻟﻤﺘﻐﯿﺮات اﻟﻨﻮﻋﯿﺔ ﻓﻲ اﻹﻧﺤﺪارھﻮ وﺿﻊ‬
‫ﻣﺘﻐﯿﺮات ﺻﻮرﯾﺔ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪87‬‬

 ‫اﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ‬
‫‪ ‬ﻓﻲ اﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ ﯾﺘﻢ إﺳﺘﺨﺪام اﻟﺮﻗﻢ ‪ 1‬أو ﺻﻔﺮ‪.‬‬
‫ﺻﻔﺮ ﯾﺸﯿﺮ إﻟﻰ ﻏﯿﺎب اﻟﺼﻔﺔ ‪ ،‬و‪ 1‬إﻟﻰ وﺟﻮدھﺎ‪.‬‬ ‫‪‬‬
‫‪ 1‬ﯾﻤﻜﻦ أن ﯾﺸﯿﺮ ﻋﻠﻰ ان اﻟﺸﺨﺺ ذﻛﺮ وﺻﻔﺮ ﯾﻌﻄﻲ ﻟﻸﻧﺜﻰ‪.‬‬ ‫‪‬‬
‫‪ 1‬ﯾﻤﻜﻦ أن ﯾﺸﯿﺮ ﻋﻠﻰ ان اﻟﺸﺨﺺ ﺟﺎﻣﻌﻲ وﺻﻔﺮ ﯾﻌﻄﻲ ﻟﻐﯿﺮ اﻟﺠﺎﻣﻌﻲ‪.‬‬ ‫‪‬‬

‫ﻣﺜﻞ ﺗﻠﻚ اﻟﻤﺘﻐﯿﺮات ‪ 1‬و ‪ ،0‬ﺗﺴﻤﻰ ﺑﺎﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ‪.‬‬ ‫‪‬‬

‫ﺗﻠﻚ اﻟﻤﺘﻐﯿﺮات ﯾﻤﻜﻦ أن ﺗﺴﻤﻰ ﺑﺎﻟﻤﺘﻐﯿﺮات اﻟﻤﺸﯿﺮة‪ ،‬اﻟﻤﺘﻐﯿﺮات اﻟﻨﻮﻋﯿﺔ‪،‬‬ ‫‪‬‬
‫اﻟﻤﺘﻐﯿﺮات ذات اﻟﻔﺌﺔ‪.‬‬
‫ﯾﻤﻜﻦ إﺳﺘﺨﺪام اﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ ‪ ،‬ﻓﻲ اﻻﻧﺤﺪار ﺑﻨﻔﺲ اﻟﺴﮭﻮﻟﺔ اﻟﺘﻲ ﯾﻤﻜﻦ‬ ‫‪‬‬
‫ﺑﮭﺎ إﺳﺘﺨﺪام اﻟﻤﺘﻐﯿﺮات اﻟﻜﻤﯿﺔ‪.‬‬
‫وﯾﻤﻜﻦ أن ﯾﺘﻀﻤﻦ ﻧﻤﻮذج اﻹﻧﺤﺪار ﻣﺘﻐﯿﺮات ﺻﻮرﯾﺔ ﻓﻘﻂ‪.‬‬ ‫‪‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪88‬‬

 ‫اﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ‬
‫‪ ‬ﻋﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل رواﺗﺐ اﻟﻤﻮﻇﻔﯿﻦ واﻟﻤﻮﻇﻔﺎت‪:‬‬
‫‪Y=α+βD+u‬‬ ‫)‪(1‬‬
‫ﺣﯿﺚ‪:‬‬
‫=‪Y‬‬ ‫اﻟﺮاﺗﺐ‬
‫‪D= 1‬‬ ‫ﻣﺪرس‬
‫‪D=0‬‬ ‫ﻣﺪرﺳﺔ‬
‫‪ ‬ھﺬا اﻟﻨﻤﻮذج ﻣﻦ ﻧﻤﺎذج اﻹﻧﺤﺪار ذات اﻟﻤﺘﻐﯿﺮﯾﻦ‪.‬‬
‫‪ ‬اﻟﻨﻤﻮذج ﺑﺪﻻ ﻣﻦ ان ﯾﺤﻮي ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ ‪X‬ﻓﮭﻮ ﯾﺤﻮي ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﺻﻮري ‪.D‬‬
‫‪ ‬اﻟﻨﻤﻮذج ﯾﻤﻜﻨﻨﺎ ﻣﻦ ﻣﻌﺮﻓﺔ ﻋﻤﺎ إذا ﻛﺎن اﻟﺠﻨﺲ ﯾﻜﻮن ﺳﺒﺒﺎ ﻓﻲ اﻟﺘﻔﺮﻗﺔ ﻓﻲ ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﯿﻦ ‪،‬‬
‫ﻣﻊ ﺛﺒﺎت اﻟﻌﻮاﻣﻞ اﻷﺧﺮى ﻣﺜﻞ اﻟﺘﺤﺼﯿﻞ اﻟﻌﻠﻤﻲ ‪ ،‬اﻟﺨﺒﺮة‪ ،‬اﻟﺴﻦ‪.‬‬
‫‪ ‬ﻟﻠﻨﻤﻮذج اﻟﺴﺎﺑﻖ ﯾﻤﻜﻦ أن ﻧﺤﺼﻞ ﻋﻠﻰ‪:‬‬
‫‪E(Y|D=0)=α‬‬ ‫ﻣﺘﻮﺳﻂ ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﺎت‪:‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪89‬‬

 ‫اﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ‬
‫ﻣﺘﻮﺳﻂ ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﯿﻦ‪E(Y|D=1)=α+β :‬‬
‫أي اﻟﻤﻘﻄﻊ اﻟﺮاﺳﻲ ‪ α‬ﯾﻤﻜﻦ أن ﯾﻌﻄﻲ ﻣﺘﻮﺳﻂ ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﺎت‪.‬‬ ‫‪‬‬
‫ﻣﻌﺎﻣﻞ اﻟﻤﯿﻞ ‪ β‬ﯾﺒﯿﻦ اﻟﻤﻘﺪار اﻟﺬي ﯾﺨﺘﻠﻒ ﻓﯿﮫ ﻣﺘﻮﺳﻂ ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﯿﻦ ﻋﻦ‬ ‫‪‬‬
‫ﻣﺘﻮﺳﻂ ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﺎت‪.‬‬
‫و ﯾﻤﺜﻞ ‪α+β‬ﻣﺘﻮﺳﻂ ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﯿﻦ‪.‬‬ ‫‪‬‬
‫وﯾﻤﻜﻦ إﺟﺮاء إﺧﺒﺎرات اﻟﻔﺮﺻﯿﺔ ﺑﻌﺪم وﺟﻮد ﻓﺮوق أو ﺗﻤﻤﯿﺰ ﺑﺴﺒﺐ اﻟﺠﻨﺲ‬ ‫‪‬‬
‫أي‬
‫)‪(H0 : β=0‬‬
‫وﺣﺴﺎب اﻟﻤﻌﺎدﻟﺔ ﺑﺎﻷﺳﻠﻮب اﻟﻤﻌﺘﺎد واﻟﺘﺄﻛﺪ ﻣﻦ اﻷھﻤﯿﺔ اﻹﺣﺼﺎﺋﯿﺔ ل ‪ β‬ﻋﻠﻰ‬ ‫‪‬‬
‫ﺿﻮء إﺧﺘﺒﺎر‪. t‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪90‬‬

 ‫اﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ‬
‫اﻟﻨﻤﻮذج اﻟﺴﺎﺑﻖ ﯾﺴﺘﺨﺪم ﺑﻜﺜﺮة ﻓﻲ أﺑﺤﺎث اﻟﺘﺴﻮﯾﻖ وﯾﻌﺾ اﻟﻌﻠﻮم‬ ‫‪‬‬
‫اﻹﺟﺘﻤﺎﻋﯿﺔ‪.‬‬
‫اﻷﺑﺤﺎث اﻹﻗﺘﺼﺎدﯾﺔ ﺗﺴﺘﺨﺪم ﻧﻤﺎذج ﺑﻤﺘﻐﯿﺮات ﻣﻔﺴﺮة ﻛﻤﯿﺔ‬ ‫‪‬‬
‫وﺑﻌﻀﮭﺎ ﻧﻮﻋﯿﺔ‪.‬‬
‫ﻧﻤﺎذج اﻹﻧﺤﺪاراﻟﺘﻲ ﺗﺤﻮي ﻋﻠﻰ ﺧﻠﯿﻂ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻜﻤﯿﺔ‬ ‫‪‬‬
‫واﻟﻨﻮﻋﯿﺔ ﺗﺴﻤﻰ ﻧﻤﺎذج ﺗﺤﻠﯿﻞ اﻟﺘﺒﺎﯾﻦ اﻟﻤﺸﺘﺮك )‪.(ACOVA‬‬
‫دراﺳﺘﻨﺎ ﺳﺘﺘﺮﻛﺰ ﻋﻠﻰ ﻣﺜﻞ ھﺬه اﻟﻨﻤﺎذج‪.‬‬ ‫‪‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪91‬‬

‫اﻹﻧﺤﺪار ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ‬
‫واﺣﺪ ﺑﺼﻨﻔﯿﻦ أوﻃﺒﻘﺘﯿﻦ‪.‬‬
‫‪ ‬ﻣﺜﺎل ﻟﻨﻤﻮذج ‪ ACOVA‬اﻟﻤﻌﺎدﻟﺔ اﻟﺘﺎﻟﯿﺔ‪:‬‬
‫‪Y=α0+ α1 Di+βXi +u‬‬ ‫)‪(2‬‬
‫وﻓﯿﮭﺎ‪:‬‬
‫=‪Y‬‬ ‫راﺗﺐ اﻟﻤﻮﻇﻒ‬
‫‪D=1‬‬ ‫إذا ﻛﺎن ذﻛﺮاً‬
‫‪D=0‬‬ ‫إذا ﻛﺎﻧﺖ أﻧﺜﻰ‬
‫ﻋﺪد ﺳﻨﻮات اﻟﺨﺒﺮة = ‪X‬‬
‫‪ ‬ھﺬا اﻟﻨﻤﻮذج ﯾﺤﻮي‪:‬‬
‫ﻣﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ ”ﺳﻨﻮات اﻟﺨﺒﺮة ﻓﻲ ﻣﺠﺎل اﻟﻌﻤﻞ“‪.‬‬ ‫‪.1‬‬
‫ﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ واﺣﺪ“ اﻟﺠﻨﺲ“ اﻟﺬي ﻟﮫ ﻃﺒﻘﺘﺎن أو ﺻﻨﻔﺎن ﻣﻦ ﺣﯿﺚ اﻟﺘﺼﻨﯿﻒ‬ ‫‪.2‬‬
‫ذﻛﺮ او اﻧﺜﻰ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪92‬‬

‫اﻹﻧﺤﺪار ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ‬
‫واﺣﺪ ﺑﺼﻨﻔﯿﻦ أوﻃﺒﻘﺘﯿﻦ‪.‬‬
‫‪ ‬ﺷﺮح اﻟﻨﻤﻮذج‪ :‬ﺑﺎﻓﺘﺮاض ‪ ،E(u)=0 :‬ﯾﻤﻜﻦ اﻟﻘﻮل ‪:‬‬
‫‪ ‬ﻣﺘﻮﺳﻂ ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﺔ‪:‬‬
‫‪E(Y|Xi, D=0)=α0+βXi‬‬ ‫)‪(3‬‬
‫‪ ‬ﻣﺘﻮﺳﻂ ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻒ‪:‬‬

‫‪E(Y|Xi, D=1)=(α0+ α1 ) +βXi‬‬ ‫)‪(4‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪93‬‬

‫اﻹﻧﺤﺪار ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ‬
‫واﺣﺪ ﺑﺼﻨﻔﯿﻦ أوﻃﺒﻘﺘﯿﻦ‪.‬‬
‫اﻟﻤﺮﺗﺐ‬
‫‪ ‬ھﻨﺪﺳﯿﺎ‪ ،‬ﺳﯿﻜﻮن ﻟﺪﯾﻨﺎ اﻟﺸﻜﻞ‪:‬‬
‫‪Y‬‬

‫ﻣﻮﻇﻒ‬

‫ﻣﻮﻇﻔﺔ‬

‫‪X‬‬
‫ﺳﻨﻮات‬
‫اﻟﺨﺒﺮة‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪94‬‬
‫اﻹﻧﺤﺪار ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ‬
‫واﺣﺪ ﺑﺼﻨﻔﯿﻦ أوﻃﺒﻘﺘﯿﻦ‪.‬‬
‫‪ ‬اﻟﻨﻤﻮذج ﯾﺒﯿﻦ ﺑﺎن ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﯿﻦ واﻟﻤﻮﻇﻔﺎت‪:‬‬
‫‪ ‬ﺗﺘﻨﺎﺳﺐ ﻣﻊ اﻟﻌﻼﻗﺔ ﻣﻊ ﻋﺪد ﺳﻨﻮات اﻟﺨﺒﺮة ﻓﻲ ﻣﺠﺎل اﻟﻌﻤﻞ ‪،‬‬
‫‪ ‬وﻟﮭﺎ ﻧﻔﺲ اﻟﻤﻌﺎﻣﻞ ‪β‬‬
‫‪ ‬ﻟﮭﺎ ﻣﻘﺎﻃﻊ ﻣﺨﺘﻠﻔﺔ‪.‬‬
‫‪ ‬ﻣﺴﺘﻮى ﻣﺘﻮﺳﻂ ﻣﺮﺗﺒﺎت اﻟﺬﻛﻮر ﯾﺨﺘﻠﻒ ﻋﻦ ﻣﺘﻮﺳﻂ ﻣﺮﺗﺒﺎت‬
‫اﻹﻧﺎث وﯾﺮي ﻓﻲ ‪. α0‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪95‬‬

 ‫اﻹﻧﺤﺪار ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ‬
‫واﺣﺪ ﺑﺼﻨﻔﯿﻦ أوﻃﺒﻘﺘﯿﻦ‪.‬‬
‫ﻣﻌﺪل اﻟﺘﻐﯿﺮ ﻓﻲ ﻣﺘﻮﺳﻂ اﻟﻤﺮﺗﺒﺎت اﻟﺴﻨﻮﯾﺔ اﻟﻤﺮﺗﺒﻂ ﺑﺴﻨﻮات اﻟﺨﺒﺮة‬ ‫‪‬‬
‫ھﻮ ﻧﻔﺴﮫ ﻟﻜﻼ اﻟﺠﻨﺴﯿﻦ‪.‬‬
‫ﯾﻤﻜﻦ إﺟﺮاء إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺔ ﺑﺄن اﻟﻤﻌﺎدﻟﺘﯿﻦ )‪(3‬و)‪ (4‬ﻟﮭﻤﺎ ﻧﻔﺲ‬ ‫‪‬‬
‫اﻟﻤﻘﻄﻊ‪ ،‬أي ﻋﺪم وﺟﻮد ﺗﻤﯿﯿﺰ ﺟﻨﺴﯿﻦ‪،‬‬
‫وذﻟﻚ ﺑﺈﺟﺮاء اﻹﻧﺤﺪار ﻋﻠﻰ )‪ (4‬وﻣﻼﺣﻈﺔ اﻷھﻤﯿﺔ اﻹﺣﺼﺎﺋﯿﺔ ﻟـ‬ ‫‪‬‬
‫‪ α1‬اﻟﻤﻘﺪرة ﻋﻠﻰ اﺳﺎس إﻣﺘﺤﺎن ‪.t‬‬
‫إذا ﻧﺘﺞ ﻋﻦ اﻹﺧﺘﺒﺎر ﺑﺄن ‪ α1‬اﻟﻤﻘﺪرة ﻟﮫ أھﻤﯿﺔ إﺣﺼﺎﺋﯿﺔ ‪ ،‬ﻓﯿﺘﻢ‬ ‫‪‬‬
‫رﻓﺾ ﻓﺮﺿﯿﺔ ﺗﺴﺎوي ﻣﺮﺗﺒﺎت اﻟﻤﻮﻇﻔﺎت واﻟﻤﻮﻇﻔﯿﻦ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪96‬‬

 ‫ﺑﻌﺾ اﻟﻘﻮاﻋﺪ ﻟﻠﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ‪.‬‬
‫أوﻻ‪ :‬ﻟﻠﺘﻔﺮﯾﻖ ﺑﯿﻦ ﺻﻨﻔﯿﻦ‪ ،‬ذﻛﺮ واﻧﺜﻰ ﻣﺜﻼ‪ ،‬ﯾﺘﻢ ﺗﻘﺪﯾﻢ ﻣﺘﻐﯿﺮ ﺻﻮري‬
‫واﺣﺪ‪.‬‬
‫‪ ‬ﻻﯾﻤﻜﻦ ﺗﻘﺪﯾﻢ ﻧﻤﻮذج ﻣﺜﻞ‪:‬‬
‫‪Y=α0+ α1 Di+ α2 D2+ βXi +u‬‬ ‫)‪(5‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪97‬‬

 ‫ﺑﻌﺾ اﻟﻘﻮاﻋﺪ ﻟﻠﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ‪.‬‬
‫وﻓﯿﮫ‬
‫‪D1=1‬‬ ‫‪ ‬ذﻛﺮ‬
‫‪D1=0‬‬ ‫‪ ‬ﻏﯿﺮ ذﻟﻚ‬
‫‪D2=1‬‬ ‫‪ ‬أﻧﺜﻰ‬
‫‪D2=0‬‬ ‫‪ ‬ﻏﯿﺮ ذﻟﻚ‬
‫‪ ‬ذﻟﻚ اﻟﻨﻤﻮذج ﻻ ﯾﻤﻜﻦ ﺗﻘﺪﯾﺮه ﺑﺴﺒﺐ اﻹرﺗﺒﺎط اﻟﺘﺎم ﺑﯿﻦ ‪D1 ,D2‬‬
‫‪ ‬ﻗﺎﻋﺪة‪ :.‬إذا ﻛﺎن ﻋﺪد اﻟﻤﺘﻐﯿﺮات اﻟﻨﻮﻋﯿﺔ = ‪ m‬ﻣﻦ اﻷﺻﻨﺎف‪ ،‬ﻓﺴﯿﺘﻢ‬
‫ﺗﻘﺪﯾﻢ ‪m-1‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪98‬‬

 ‫ﺑﻌﺾ اﻟﻘﻮاﻋﺪ ﻟﻠﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ‪.‬‬
‫ﺛﺎﻧﯿﺎ‪ :‬ﺗﺨﺼﯿﺺ ‪ 1‬و ‪ 0‬ﻟﻠﺼﻨﻔﯿﻦ ﻣﺜﻞ اﻟﺬﻛﺮ واﻷﻧﺜﻰ ھﻮ إﻋﺘﺒﺎﻃﻲ‬
‫ﻓﯿﻤﻜﻨﻨﺎ ﺗﺨﺼﯿﺺ ‪ D=1 :‬ﻟﻸﻧﺜﻰ و ‪ D=0‬ﻟﻠﺬﻛﺮ‪.‬‬
‫ﺛﺎﻟﺜﺎ‪ :‬اﻟﻤﺠﻤﻮﻋﺔ أو اﻟﺼﻨﻒ اﻟﺬي أﺧﺬ اﻟﻘﯿﻤﺔ ‪ 0‬ﯾﺴﻤﻰ داﺋﻤﺎ اﻷﺳﺎس‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪99‬‬

 ‫اﻹﻧﺤﺪار ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ‬
‫ﺑﺄﻛﺜﺮ ﻣﻦ ﻃﺒﻘﺔ‪.‬‬
‫‪ ‬إذا أردﻧﺎ ﻋﻤﻞ إﻧﺤﺪارﻋﻠﻰ ﺑﯿﺎﻧﺎت ﻣﺘﻘﺎﻃﻌﺔ ﻟﻺﻧﻔﺎق اﻟﺴﻨﻮي ﻋﻠﻰ‬
‫اﻟﺮﻋﺎﯾﺔ اﻟﺼﺤﯿﺔ ﻣﻦ ﻗﺒﻞ اﻷﻓﺮاد ﻛﺪاﻟﺔ ﻟﻠﺪﺧﻞ واﻟﻤﺴﺘﻮى اﻟﺘﻌﻠﯿﻤﻲ‪.‬‬
‫‪ ‬اﻟﻤﺘﻐﯿﺮ اﻟﺘﻌﻠﯿﻤﻲ ھﻮ ﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ ﺑﻄﺒﯿﻌﺘﮫ‪ ،‬ﻓﯿﻤﻜﻦ اﻟﻨﻈﺮإﻟﻰ ‪3‬‬
‫ﻣﺴﺘﻮﯾﺎت ﺗﻌﻠﯿﻤﯿﺔ ‪:‬‬
‫‪ ‬أﻗﻞ ﻣﻦ اﻟﺘﻌﻠﯿﻢ اﻟﺜﺎﻧﻮي‪.‬‬
‫‪ ‬ﺗﻌﻠﯿﻢ ﺛﺎﻧﻮي‪.‬‬
‫‪ ‬ﺗﻌﻠﯿﻢ ﺟﺎﻣﻌﻲ‪.‬‬
‫‪ ‬ﻟﺪﯾﻨﺎ أﻛﺜﺮ ﻣﻦ ﺻﻨﻔﯿﻦ ﻣﻦ اﻟﻤﺘﻐﯿﺮ اﻟﻨﻮﻋﻲ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪100‬‬

 ‫اﻹﻧﺤﺪار ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ‬
‫ﺑﺄﻛﺜﺮ ﻣﻦ ﻃﺒﻘﺔ‪.‬‬
‫‪ ‬ﺑﺈﺗﺒﺎع اﻟﻘﺎﻋﺪة ‪ ،‬ﯾﻜﻮن ﻋﺪد اﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔ أﻗﻞ ﺑﻮاﺣﺪ ﻣﻦ ﻋﺪد أﺻﻨﺎف‬
‫اﻟﻤﺘﻐﯿﺮ اﻟﻨﻮﻋﻲ‪ ،‬أي ﻣﺘﻐﯿﺮﯾﻦ ﺻﻮرﯾﯿﻦ إﺛﻨﯿﻦ ‪.‬‬
‫‪ ‬اﻟﻨﻤﻮذج اﻟﺬي ﯾﻤﻜﻦ ﺗﻘﺪﯾﻤﮫ‪:‬‬
‫‪Y=α0+ α1 D1+ α2 D2 +βXi +u‬‬ ‫)‪(2‬‬
‫‪ ‬وﻓﯿﮫ‪:‬‬
‫=‪Y‬‬ ‫اﻹﻧﻔﺎق اﻟﺴﻨﻮي ﻋﻠﻰ اﻟﺮﻋﺎﯾﺔ اﻟﺼﺤﯿﺔ‬
‫=‪X‬‬ ‫اﻟﺪﺧﻞ اﻟﺴﻨﻮي‬
‫‪D1 = 1‬‬ ‫ﺗﻌﻠﯿﻢ ﺛﺎﻧﻮي‬
‫‪D1 = 0‬‬ ‫ﻏﯿﺮ ذﻟﻚ‬
‫‪D2 = 1‬‬ ‫ﺗﻌﻠﯿﻢ ﺟﺎﻣﻌﻲ‬
‫‪D2 = 0‬‬ ‫ﻏﯿﺮ ذﻟﻚ‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪101‬‬
‫اﻹﻧﺤﺪار ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ‬
‫واﺣﺪ ﺑﺼﻨﻔﯿﻦ أوﻃﺒﻘﺘﯿﻦ‪.‬‬
‫ﺷﺮح اﻟﻨﻤﻮذج‪ :‬ﺑﺎﻓﺘﺮاض ‪ ،E(u)=0 :‬ﯾﻤﻜﻦ اﻟﻘﻮل ‪:‬‬ ‫‪‬‬
‫ﻣﺘﻮﺳﻂ اﻹﻧﻔﺎق ﻋﻠﻰ اﻟﺮﻋﺎﯾﺔ ﻟﻤﺎ دون اﻟﺜﺎﻧﻮي‪:‬‬ ‫‪‬‬
‫‪E(Y|Xi, D1 =0 D2 =0 )=α0+βXi‬‬
‫ﻣﺘﻮﺳﻂ اﻹﻧﻔﺎق ﻋﻠﻰ اﻟﺮﻋﺎﯾﺔ ﻟﻤﺴﺘﻮى اﻟﺜﺎﻧﻮي ‪:‬‬ ‫‪‬‬
‫‪E(Y|Xi, D1 =1, D2 =0 )=(α0+ α1 ) +βXi‬‬ ‫‪‬‬
‫ﻣﺘﻮﺳﻂ اﻹﻧﻔﺎق ﻋﻠﻰ اﻟﺮﻋﺎﯾﺔ ﻟﻤﺴﺘﻮى اﻟﺠﺎﻣﻌﻲ ‪:‬‬ ‫‪‬‬
‫‪E(Y|Xi, D1 =0, D2 =1 )=(α0+ α2 ) +βXi‬‬ ‫‪‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪102‬‬

 ‫اﻹﻧﺤﺪار ﻋﻠﻰ ﻣﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ‬
‫واﺣﺪ ﺑﺼﻨﻔﯿﻦ أوﻃﺒﻘﺘﯿﻦ‪.‬‬
‫اﻟﻤﺮﺗﺐ‬
‫‪ ‬ھﻨﺪﺳﯿﺎ‪ ،‬ﺳﯿﻜﻮن ﻟﺪﯾﻨﺎ اﻟﺸﻜﻞ‪:‬‬
‫‪Y‬‬
‫ﺟﺎﻣﻌﻲ‬

‫اﻟﺜﺎﻧﻮي‬

‫دون‬
‫اﻟﺜﺎﻧﻮي‬
‫‪α2‬‬
‫‪α1‬‬

‫‪α0‬‬
‫‪X‬‬
‫ﺳﻨﻮات‬
‫اﻟﺨﺒﺮة‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪103‬‬
‫اﻹﻧﺤﺪار ﺑﻤﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮﯾﻦ ﻧﻮﻋﯿﯿﻦ‬
‫ﯾﻤﻜﻦ اﻟﺘﻮﺳﻊ ﻓﺲ إﺳﺘﺨﺪام أﺳﻠﻮب اﻟﻤﺘﻐﯿﺮات اﻟﺼﻮرﯾﺔﻟﯿﻌﺎﻟﺞ أﻛﺜﺮ ﻣﻦ ﻣﺘﻐﯿﺮ ﻧﻮﻋﻲ‪.‬‬ ‫‪‬‬
‫ﻟﻨﺪرس ﺣﺎﻟﺔ اﻟﻤﺪرﺳﯿﻦ ورواﺗﺒﮭﻢ ﻓﻲ أﺣﺪ اﻟﻤﺠﺘﻤﻌﺎت ﺣﯿﺚ ﯾﺆﺛﺮ ﻓﻲ اﻟﺮواﺗﺐ ﻋﺪد ﺳﻨﻮات‬ ‫‪‬‬
‫اﻟﺨﺒﺮة واﻟﺠﻨﺲ واﻟﻠﻮن ‪.‬‬
‫وﻋﻠﯿﮫ ﯾﻤﻜﻦ ﺗﺤﺪﯾﺪ اﻟﻨﻤﻮذج ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬ ‫‪‬‬
‫‪Y=α0+ α1 D1+ α2D2 +βXi +u‬‬
‫وﻓﯿﮫ ‪:‬‬ ‫‪‬‬
‫=‪Y‬‬ ‫اﻟﺮاﺗﺐ‬ ‫‪.1‬‬
‫=‪X‬‬ ‫ﺳﻨﻮات اﻟﺨﺒﺮة‬ ‫‪.2‬‬
‫‪D1 =1‬‬ ‫ذﻛﺮ‬ ‫‪.3‬‬
‫‪D1 =0‬‬ ‫أﻧﺜﻰ‬ ‫‪.4‬‬
‫‪D2 =1‬‬ ‫أﺑﯿﺾ‬ ‫‪.5‬‬
‫‪D2 =0‬‬ ‫ﻏﯿﺮ ذﻟﻚ‬ ‫‪.6‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪104‬‬

‫اﻹﻧﺤﺪار ﺑﻤﺘﻐﯿﺮ ﻛﻤﻲ واﺣﺪ وﻣﺘﻐﯿﺮﯾﻦ ﻧﻮﻋﯿﯿﻦ‬
‫ﻻﺣﻆ أن ﻛﻼ اﻟﻤﺘﻐﯿﺮﯾﻦ اﻟﻨﻮﻋﯿﯿﻦ‪ ،‬اﻟﺠﻨﺲ واﻟﻠﻮن‪ ،‬ﻟﮫ ﺻﻨﻔﯿﻦ‪ ،‬ﻓﻨﺴﺘﺨﺪم ﻣﺘﻐﯿﺮ‬ ‫‪‬‬
‫ﺻﻮري واﺣﺪ ﻟﻜﻞ ﻣﻨﮭﻤﺎ‪.‬‬
‫اﻟﺼﻨﻒ اﻟﻤﺤﺬوف ‪ ،‬أو اﻷﺳﺎس‪ ،‬ھﻮ اﻟﻤﺪرﺳﺔ اﻟﺴﻮداء‪.‬‬ ‫‪‬‬
‫ﺑﺎﻓﺘﺮاض ‪E(u)=0‬‬ ‫‪‬‬
‫ﻣﺘﻮﺳﻂ راﺗﺐ اﻟﻤﺪرﺳﺔ اﻟﺴﻮداء‪:‬‬ ‫‪‬‬
‫‪E(Y|Xi, D1 =0 D2 =0 )=α0+βXi‬‬
‫ﻣﺘﻮﺳﻂ راﺗﺐ اﻟﻤﺪرس اﻷﺳﻮد ‪:‬‬ ‫‪‬‬
‫‪E(Y|Xi, D1 =1, D2 =0 )=(α0+ α1 ) +βXi‬‬
‫ﻣﺘﻮﺳﻂ راﺗﺐ اﻟﻤﺪرﺳﺔ اﻟﺒﯿﻀﺎء‪.‬‬ ‫‪‬‬
‫‪E(Y|Xi, D1 =0, D2 =1 )=(α0+ α2 ) +βXi‬‬
‫ﻣﺘﻮﺳﻂ راﺗﺐ اﻟﻤﺪرس اﻷﺑﯿﺾ ‪:‬‬ ‫‪‬‬
‫‪E(Y|Xi, D1 =1, D2 =1 )=(α0 +α1 + α2 ) +βXi‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪105‬‬
 ‫ﻣﺸﺎﻛﻞ ﻓﻲ ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار‬

‫‪ ‬أوﻻ‪ :‬اﻹرﺗﺒﺎط اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ﺑﯿﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻤﻔﺴﺮة‪:‬‬

‫‪Multicollinearity‬‬
‫‪ ‬اﻟﺤﺎﻟﺔ اﻟﺘﻲ ﯾﻜﻮن ﻓﯿﮭﺎ ﻣﺘﻐﯿﺮان ﻣﺴﺘﻘﻼن أو أﻛﺜﺮ ﻓﻲ ﻧﻤﻮذج‬
‫اﻹﻧﺤﺪار ﺑﯿﻨﮭﺎ إرﺗﺒﺎط ﻋﺎﻟﻲ‪.‬‬
‫‪ ‬ھﺬا اﻷﻣﺮ ﯾﺠﻌﻞ ﻋﺰل ﺗﺎﺛﯿﺮ ﻛﻞ ﻋﺎﻣﻞ أو ﻣﺘﻐﯿﺮ ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮ‬
‫اﻟﺘﺎﺑﻊ ﺻﻌﺒﺎ أو ﻣﺴﺘﺤﯿﻼ‪.‬‬
‫‪ ‬ﯾﻜﻮن اﻟﻤﺘﻐﯿﺮان اﻟﻤﺴﺘﻘﻼن ﻣﺘﺮاﺑﻄﺎن ﺧﻄﯿﺎ ﺑﺼﻮرة ﺗﺎﻣﺔ إذا ﻛﺎن‬
‫أﺣﺪ اﻟﻤﺘﻐﯿﺮات أو اﻛﺜﺮ ﯾﻤﻜﻦ اﻟﺘﻌﺒﯿﺮ ﻋﻨﮫ ﻛﺈﺗﺤﺎد ﺧﻄﻲ ﻣﻊ اﻟﻤﺘﻐﯿﺮ‬
‫اﻵﺧﺮ أو اﻟﻤﺘﻐﯿﺮات اﻷﺧﺮى‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪106‬‬

 ‫ﻣﺸﺎﻛﻞ ﻓﻲ ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار‬

‫‪ ‬ﻣﺜﺎل‪ :‬ﯾﻜﻮن ھﻨﺎك إرﺗﺒﺎط ﺧﻄﻲ ﺗﺎم ﺑﯿﻦ ‪ X2 ، X1‬إذا ﻛﺎن‬

‫‪ ، X1 = 2 X2‬أو ‪.X1 =5-0.3X2‬‬
‫‪ ‬ﻋﻨﺪﻣﺎ ﯾﻜﻮن ﻣﺘﻐﯿﺮان أو أﻛﺜﺮ ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻣﺮﺗﺒﻄﺎن‬
‫إرﺗﺒﺎط ﺗﺎم ‪ ،‬ﺳﯿﻜﻮن ﻣﺴﺘﺤﯿﻼ ﺣﺴﺎب ﺗﻘﺪﯾﺮات ‪ OLS‬ﻟﻠﻤﻌﻠﻤﺎت ‪،‬‬
‫ﻷن ھﯿﻜﻞ اﻟﻤﻌﺎدﻻت ﺳﯿﻜﻮن ﻣﺤﺘﻮﯾﺎ ﻋﻠﻰ ﻣﻌﺎدﻟﺘﯿﻦ او أﻛﺜﺮ ﻏﯿﺮ‬
‫ﻣﺴﺘﻘﻠﺔ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪107‬‬

 ‫ﻣﺸﺎﻛﻞ ﻓﻲ ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار‬

‫‪ ‬إذا ﻛﺎن اﻹرﺗﺒﺎط ﻋﺎﻟﯿﺎ وﻟﯿﺲ ﺗﺎﻣﺎ‪ ،‬ﻓﺈن ‪Multicollinearity‬‬

‫ﯾﻌﻨﻲ ﺣﺎﻟﺔ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ اﻟﺘﻲ ﺗﻜﻮن ﻣﺮﺗﺒﻄﺔ ﺑﺸﻜﻞ ﻋﺎل‪.‬‬
‫‪ ‬ھﺬا اﻷﻣﺮ ﯾﺠﻌﻞ ﻋﺰل أو ﻓﺼﻞ ﺗﺎﺛﯿﺮات ﻛﻞ ﻣﺘﻐﯿﺮ ﻣﻦ اﻟﻤﺘﻐﯿﺮات‬
‫اﻟﻤﺴﺘﻘﻠﺔ ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮ اﻟﺘﺎﺑﻊ ﺻﻌﺒﺎ أو ﻣﺴﺘﺤﯿﻼ‪.‬‬
‫‪ ‬ﻣﻌﻠﻤﺎت ‪ OLS‬ﻧﺰﯾﮭﺔ إذا ﺗﻢ ﺗﺤﺪﯾﺪ اﻟﻨﻤﻮذج ﺑﺸﻜﻞ ﺟﯿﺪ‪.‬‬
‫‪ ‬ﻻ ﯾﺸﻜﻞ ﻹرﺗﺒﺎط اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ‪ Multicollinearity‬ﻣﺸﻜﻠﺔ‬
‫ﻟﻠﺘﻨﺒﺆ إذا ﻛﺎن ﻧﻔﺲ اﻹرﺗﺒﺎط ﻣﻮﺟﻮدا ﺧﻼل ﻓﺘﺮة اﻟﺘﻨﺒﺆ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪108‬‬

 ‫ﻣﺸﺎﻛﻞ ﻓﻲ ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار‬

‫إﻛﺘﺸﺎف ﻹرﺗﺒﺎط اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ‪:Multicollinearity‬‬

‫‪ ‬ﯾﺒﺪو ﻇﺎھﺮا ﻋﻨﺪﻣﺎ ﻻ ﯾﻜﻮن أي ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ ﻓﻲ اﻟـ‬
‫‪OLS‬ﻟﮫ أھﻤﯿﺔ إﺣﺼﺎﺋﯿﺔ‪ .‬ﺣﺘﻰ أن ﺑﻌﻀﮫ ﯾﻜﻮن ﻟﮫ إﺷﺎرات ﻏﯿﺮ‬
‫ﺻﺤﯿﺤﺔ ﻋﻠﻰ اﻟﺮﻏﻢ ﻣﻦ ﻛﻮن ‪R2‬ﻋﺎﻟﯿﺎ ﺣﻮاﻟﻲ ‪.1‬‬
‫‪ ‬ﯾﻤﻜﻦ إﺳﺘﺨﺪام ﻣﻌﺎﻣﻼت اﻹرﺗﺒﺎط اﻟﺠﺰﺋﻲ أو اﻟﺒﺴﯿﻂ ﻛﻤﻘﺎﯾﯿﺲ ل‬
‫‪.Multicollinearity‬‬
‫‪ ‬اﻹرﺗﺒﺎط اﻟﺨﻄﻲ اﻟﻤﺘﻌﺪد ‪ Multicollinearity‬ﯾﻤﻜﻦ ان ﯾﻜﻮن‬
‫ﻣﻮﺟﻮدا ﺣﺘﻰ ﻟﻮ ﻛﺎن ﻣﻌﺎﻣﻞ اﻹرﺗﺒﺎط اﻟﺠﺰﺋﻲ او اﻟﺒﺴﯿﻂ‬
‫ﻣﻨﺨﻔﻀﺎن اﻗﻞ ﻣﻦ ‪.0.5‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪109‬‬

 ‫ﻣﺸﺎﻛﻞ ﻓﻲ ﺗﺤﻠﯿﻞ اﻹﻧﺤﺪار‬

‫اﻟﺘﺼﺤﯿﺢ‪:‬‬
‫‪ ‬اﻟﺘﻮﺳﻊ ﻓﻲ ﺣﺠﻢ ﺑﯿﺎﻧﺎت اﻟﻌﯿﻨﺔ ‪.‬‬
‫‪ ‬إﺳﺘﺨﺪام ﻣﻌﻠﻮﻣﺎت ﻣﺴﺒﻘﺔ ﻛﺄن ﻧﻌﻠﻢ ﺑﺄن ‪. B2=0.3B1‬‬
‫‪ ‬ﺗﺤﻮﯾﻞ اﻟﻌﻼﻗﺎت اﻟﺪاﻟﯿﺔ‪.‬‬
‫‪ ‬إﻟﻐﺎء اﻟﻤﺘﻐﯿﺮ ذواﻹرﺗﺒﺎط اﻟﻌﺎﻟﻲ ‪ ،‬ﻟﻜﻦ ﻗﺪ ﯾﺆدي ذﻟﻚ ﻏﻠﻰ إﺧﻄﺎء‬
‫او ﻋﺪم ﻧﺰاھﺔ ‪ ،‬إذا ﻛﺎﻧﺖ اﻟﻨﻈﺮﯾﺔ ﺗﺘﻀﻤﻦ وﺟﻮب ﺷﻤﻮل اﻟﻨﻤﻮذج‬
‫ﻟﻠﻤﺘﻐﯿﺮ اﻟﺬي ﺟﺮى ﺣﺬﻓﮫ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪110‬‬

 ‫اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﺑﯿﻦ ﻋﻨﺎﺻﺮ اﻟﺨﻄﺄ‬
‫‪ ‬ھﻮ اﻟﻌﻼﻗﺔ ﺑﯿﻦ أﻋﻀﺎء اﻟﻘﺮاءات اﻟﻤﺘﺴﻠﺴﻠﺔ ﻓﻲ اﻹﻧﺤﺪار ﻣﺮﺗﺒﺔ‪:‬‬
‫‪ .1‬ﻓﻲ اﻟﺰﻣﻦ ”ﻓﻲ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﯿﺔ“‪.‬‬
‫‪ .2‬أو ﻓﻲ اﻟﻤﻜﺎن ” اﻟﺒﯿﺎﻧﺎت اﻟﻤﻘﻄﻌﯿﺔ“‪.‬‬
‫‪ ‬اﻹﻧﺤﺪار اﻟﺘﻘﻠﯿﺪي ﯾﻔﺘﺮض ﻋﺪم وﺟﻮد ﻣﺜﻞ ھﺬا اﻻرﺗﺒﺎط ﺑﯿﻦ‬
‫ﻋﻨﺎﺻﺮ اﻟﺨﻄﺄ‪ ،‬رﻣﺰﯾﺎ‪:‬‬
‫‪E(εi, εj)=0‬‬
‫‪i≠j‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪111‬‬

 ‫اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﺑﯿﻦ ﻋﻨﺎﺻﺮ اﻟﺨﻄﺄ‬
‫‪ ‬اﻟﻨﻤﻮذج اﻟﺘﻘﻠﯿﺪي ﯾﻔﺘﺮض ﻋﺪم ﺗﺄﺛﺮ ﻋﻨﺼﺮ اﻟﺨﻄﺄ ﻷي ﻗﺮاءة‬
‫ﺑﻌﻨﺼﺮ اﻟﺨﻄﺄ ﻓﻲ أي ﻗﺮاءة أﺧﺮى‪.‬‬
‫‪ ‬ﻋﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل إذا ﺣﺪث ﻋﻄﻞ ﻓﻲ إﺣﺪى آﻻت اﻹﻧﺘﺎج ﻓﻲ‬
‫أﺣﺪ أرﺑﺎع اﻟﺴﻨﺔ ‪ ،‬ﻟﯿﺲ ھﻨﺎك ﻣﺎ ﯾﺪﻋﻮ ﻟﻺﻋﺘﻘﺎد ﺑﺄن ھﺬا اﻟﺨﻠﻞ‬
‫ﺳﯿﺘﻮاﺻﻞ أﺛﺮه أﻟﻰ اﻟﺮﺑﻊ اﻟﺘﺎﻟﻲ ﻣﻦ اﻟﺴﻨﺔ‪.‬‬
‫‪ ‬إذا إﻧﺨﻔﺾ اﻹﻧﺘﺎج ﻓﻲ اﻟﺮﺑﻊ اﻟﺬي ﺣﺼﻞ ﻓﯿﮫ اﻟﺨﻠﻞ‪ ،‬ﻓﻼ ﯾﻮﺟﺪ‬
‫ﻣﺎﯾﺪﻋﻮ ﻟﻺﻋﺘﻘﺎد ﺑﺄن اﻹﻧﺘﺎج ﺳﯿﻨﺨﻔﺾ ﻓﻲ اﻟﺮﺑﻊ اﻟﺘﺎﻟﻲ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪112‬‬

 ‫اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﺑﯿﻦ ﻋﻨﺎﺻﺮ اﻟﺨﻄﺄ‬
‫‪ ‬ﻋﻨﺪ اﻟﺘﻌﺎﻣﻞ ﻣﻊ ﺑﯿﺎﻧﺎت ﻣﻘﻄﻌﯿﺔ ﻟﺪﺧﻮل أﺳﺮ‪ ،‬وزاد دﺧﻞ إﺣﺪى‬
‫اﻷﺳﺮ ‪ ،‬ﻓﻼ ﻣﺒﺮر ﻟﻺﻋﺘﻘﺎد ﺑﺰﯾﺎدة اﻹﻧﻔﺎق ﻓﻲ اﻷﺳﺮ اﻷﺧﺮى‪.‬‬
‫‪ ‬إذا ﺣﺪث ﻣﺜﻞ ذﻟﻚ اﻹرﺗﺒﺎط‪ ،‬ﻓﺬﻟﻚ ﯾﻌﻨﻲ ﺣﺪوث إرﺗﺒﺎط ﺗﺴﻠﺴﻠﻲ‪،‬‬
‫أي‪:‬‬
‫‪E(εi, εj)=0‬‬
‫‪i≠j‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪113‬‬

 ‫اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﺑﯿﻦ ﻋﻨﺎﺻﺮ اﻟﺨﻄﺄ‬

‫ﻓﻲ ﻣﺜﻞ ھﺬه اﻟﺤﺎﻟﺔ ‪:‬‬ ‫‪‬‬

‫ﻓﺈن اﻟﺨﻠﻞ اﻟﺬي ﯾﺤﺪث ﻓﻲ ﻧﻈﺎم اﻹﻧﺘﺎج‪ ،‬ﯾﻤﻜﻦ أن ﯾﻤﺘﺪ إﻟﻰ ﻓﺘﺮة‬ ‫‪‬‬
‫ﻻﺣﻘﺔ‪ ،‬وﯾﺆﺛﺮ ﻓﻲ اﻹﻧﺘﺎج ﻓﯿﮭﺎ‪.‬‬
‫وإﺳﺘﮭﻼك أﺳﺮة ﻣﺎ ‪ ،‬ﯾﻤﻜﻦ أن ﯾﺆﺛﺮ ﻓﻲ إﺳﺘﮭﻼك أﺳﺮة أﺧﺮى‬ ‫‪‬‬
‫ﺣﺘﻰ ﺗﻜﻮن ﻓﻲ ﻧﻔﺲ اﻟﻤﺴﺘﻮى‪.‬‬
‫وھﻜﺬا ﻓﺈن اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﯾﻘﺼﺪ ﺑﮫ أن ﻋﺎﻣﻞ اﻟﺨﻄﺄ ﻓﻲ ﻓﺘﺮة‬ ‫‪‬‬
‫ﻣﺎ ﻣﺮﺗﺒﻂ ﺑﻌﺎﻣﻞ اﻟﺨﻄﺄ ﻓﻲ ﻓﺘﺮة أﺧﺮى‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪114‬‬

 ‫اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﺑﯿﻦ ﻋﻨﺎﺻﺮ اﻟﺨﻄﺄ‬
‫إذا ﻛﺎن ﻋﺎﻣﻞ اﻟﺨﻄﺄ ﻓﻲ ﻓﺘﺮة ﻣﺎ ﻣﺮﺗﺒﻂ ﺑﻌﺎﻣﻞ اﻟﺨﻄﺄ ﻓﻲ ﻓﺘﺮة‬ ‫‪‬‬
‫ﺳﺎﺑﻘﺔ ﻓﮭﺬا ﻣﺎ ﯾﺴﻤﻰ ﺑﺎﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﻣﻦ اﻟﺪرﺟﺔ اﻷوﻟﻰ‪.‬‬
‫ﻓﻲ اﻹﻗﺘﺼﺎد اﻟﻘﯿﺎﺳﻲ ﻓﺈن ﻣﻌﻈﻢ اﻟﺘﻄﺒﯿﻘﺎت ﻋﻠﻰ اﻟﺪرﺟﺔ اﻷوﻟﻰ‪.‬‬ ‫‪‬‬
‫ﻋﻠﻰ أن اﻹرﺗﺒﺎط اﻟﺴﻠﺒﻲ ﯾﻤﻜﻦ ﺣﺼﻮﻟﮫ‪.‬‬ ‫‪‬‬
‫ﻓﻲ ﻣﻌﻈﻢ ﺣﺎﻻت اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﯿﺔ اﻻﻗﺘﺼﺎدﯾﺔ ﻧﺠﺪ اﻹرﺗﺒﺎط‬ ‫‪‬‬
‫اﻟﺘﺴﻠﺴﻠﻲ اﻟﻤﻮﺟﺐ ﻣﻦ اﻟﺪرﺟﺔ اﻷوﻟﻰ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪115‬‬

 ‫اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﺑﯿﻦ ﻋﻨﺎﺻﺮ اﻟﺨﻄﺄ‬
‫‪ ‬اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ اﻟﻤﻮﺟﺐ‪:‬‬
‫‪ ‬ﯾﻜﻮن ﻋﻨﺪﻣﺎ ﺗﻜﻮن إﺷﺎرة ﻋﻮاﻣﻞ اﻟﺨﻄﺄ ﻣﺘﺴﻠﺴﻠﺔ ﻓﻲ ﻧﻔﺲ اﻹﺗﺠﺎه‬
‫ﻛﻤﺎ ﻓﻲ اﻟﺸﻜﻞ ‪:‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪116‬‬

 ‫ﺧﻄﻮات إﺧﺘﺒﺎر وﺟﻮد اﻹرﺗﺒﺎط اﻟﺬاﺗﻲ‪:‬‬

‫ﯾﻤﻜﻦ إﺧﺘﺒﺎر وﺟﻮد اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﺑﺤﺴﺎب إﺣﺼﺎء دورﺑﻦ –‬

‫واﻃﺴﻮن ‪Durbin-Watson ,d,‬‬
‫ﺧﻄﻮات إﺧﺘﺒﺎر وﺟﻮد اﻹرﺗﺒﺎط اﻟﺬاﺗﻲ‪:‬‬
‫أﺟﺮي اﻟﺘﺤﺪﯾﺮ واﺣﺼﻞ ﻋﻠﻰ ﻗﯿﻢ ‪e‬‬ ‫‪.1‬‬
‫اﺣﺼﻞ ﻋﻠﻰ ﻗﯿﻤﺔ ‪d‬اﻟﻤﺤﺴﻮﺑﺔ‪:‬‬ ‫‪.2‬‬
‫‪(et  et 1 ) 2‬‬
‫‪d‬‬
‫‪et2‬‬
‫وﯾﻤﻜﻦ اﻟﺤﺼﻮل ﻋﻠﯿﮭﺎ ﻣﻦ اﻟﺤﺎﺳﺐ اﻵﻟﻲ ﺑﺴﮭﻮﻟﺔ‪.‬‬
‫‪d L  d  dU‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪117‬‬

 ‫ﺧﻄﻮات إﺧﺘﺒﺎر وﺟﻮد اﻹرﺗﺒﺎط اﻟﺬاﺗﻲ‪:‬‬

‫ھﺬه اﻟﻘﯿﻤﺔ ﺗﺘﺮاوح ﺑﯿﻦ ‪ 0‬و ‪4‬‬ ‫‪.1‬‬

‫ﻻ ﯾﻜﻮن ھﻨﺎك إرﺗﺒﺎط ﻋﻨﺪﻣﺎ ‪ d‬ﺣﻮاﻟﻲ ‪2‬‬ ‫‪.2‬‬
‫وﯾﺘﻢ إﺧﺘﺒﺎر ‪ d‬ﻋﻨﺪ ﻣﺴﺘﻮى أھﻤﯿﺔ ‪ %5‬و ‪ %1‬ﻟﻌﺪد ‪ n‬ﻣﻦ‬ ‫‪.3‬‬
‫اﻟﻘﺮاءات و ‪ k‬ﻣﻦ اﻟﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ‪.‬‬
‫إذا ﻛﺎن ‪ d‬اﻟﻤﺤﺴﻮب أﻗﻞ ﻣﻦ ‪ ” dL‬اﻟﺤﺪ اﻷدﻧﻰ“ اﻟﻤﺠﺪول ﻓﺈن‬ ‫‪.4‬‬
‫ﻓﺮﺿﯿﺔ وﺟﻮد إرﺗﺒﺎط ﺗﺴﻠﺴﻠﻲ ﻣﻮﺟﺐ ﺗﻘﺒﻞ‪.‬‬
‫إذا ﻛﺎن ‪ d >du‬ﻓﺈن اﻟﻔﺮﺿﯿﺔ ﺗﺮﻓﺾ‪،‬‬ ‫‪.5‬‬
‫‪d L  d  dU‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪118‬‬

 ‫ﺧﻄﻮات إﺧﺘﺒﺎر وﺟﻮد اﻹرﺗﺒﺎط اﻟﺬاﺗﻲ‪:‬‬

‫‪d L  d  dU‬‬ ‫‪ .1‬ﻻ ﯾﻤﻜﻦ اﻟﺤﺴﻢ إذا ﻛﺎن‬

‫‪ .2‬أدﻧﻲ ﻋﺪد ﻟﻠﻘﺮاءات ﯾﺠﺐ أن ﯾﻜﻮن ‪ 15‬ﻗﺮاءة‪.‬‬
‫‪ .3‬ﯾﻤﻜﻦ إﺧﺘﺒﺎر وﺟﻮد اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﺑﺈﺟﺮاء إﺧﺘﺒﺎر اﻟﻔﺮﺿﯿﺔ ﻟﺬﻟﻚ ﻋﻠﻰ‬
‫اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‪:‬‬
‫ﻋﺪم وﺟﻮد إرﺗﺒﺎط ﺗﺴﻠﺴﻠﻲ ﻣﻮﺟﺐ ‪H0 :ρ=0‬‬
‫‪H1 :ρ≠0‬‬ ‫وﺟﻮد إرﺗﺒﺎط ﺗﺴﻠﺴﻠﻲ ﻣﻮﺟﺐ‬
‫وﺑﺠﻌﻞ‬
‫‪ e te‬‬
‫‪ ‬‬ ‫‪t 1‬‬
‫‪ e‬‬ ‫‪2‬‬

‫ﻛﻤﻌﻠﻤﺔ ﻟﻺرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ﻣﻦ اﻟﺪرﺟﺔ اﻷوﻟﻰ‪ ،‬وﺑﺎﻹﺑﻄﺎء ب ‪1‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪119‬‬
‫ﺧﻄﻮات إﺧﺘﺒﺎر وﺟﻮد اﻹرﺗﺒﺎط اﻟﺬاﺗﻲ‪:‬‬

‫وﯾﻤﻜﻦ اﻟﺘﻌﺒﯿﺮ ﻋﻦ ‪ d‬ﺑﻤﺎ ﯾﻠﻲ‪:‬‬

‫)‪d=2(1- ρ‬‬
‫إذا ﻛﺎن ‪ ρ=0‬و ‪ d=2‬ﻓﻼ وﺟﻮد ﻟﻺرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ‪.‬‬
‫وﯾﺘﻮﻗﻊ أن ﯾﻜﻮن ﺣﻮاﻟﻲ ‪2‬‬
‫ﻛﻠﻤﺎ إﻗﺘﺮب ﻣﻦ ‪ 0‬زادت دﻻﺋﻞ وﺟﻮد اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ اﻟﻤﻮﺟﺐ‪.‬‬
‫وﯾﻤﻜﻦ ﺗﻠﺨﯿﺺ اﻟﺨﻄﻮات ﻓﯿﻤﺎ ﯾﻠﻲ‪:‬‬
‫‪ .1‬إﺟﺮاء اﻹﻧﺤﺪار واﻟﺤﺼﻮل ﻋﻠﻰ ‪. es‬‬
‫‪ .2‬اﻟﺤﺼﻮل ﻋﻠﻰ‪d‬‬
‫‪ .3‬اﻟﺤﺼﻮل ﻋﻠﻰ ‪ dL‬و ‪du‬‬
‫‪ .4‬إذا ﻛﺎن ‪ d < dL‬إرﻓﺾ ‪ H0‬ﻋﺪم وﺟﻮد اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ‪.‬‬
‫‪ .5‬إذا ﻛﺎن ‪ d > du‬ﻻﺗﺮﻓﺾ ‪ H0‬ﻋﺪم وﺟﻮد اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ‪.‬‬
‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪120‬‬
 ‫‪Autocorelation‬‬
‫‪ .1‬إذا ﻛﺎﻧﺖ اﻟﻔﺮﺿﯿﺔ اﻷوﻟﻰ ‪ Ho‬ﻋﺪم وﺟﻮد إرﺗﺒﺎط ﺗﺴﻠﺴﻠﻲ ﺳﺎﻟﺐ‬
‫‪ ،‬ﻋﻨﺪﺋﺬ‪:‬‬
‫‪4dU  d  4dL‬‬

‫‪d>4 - dL‬‬ ‫‪ .2‬ارﻓﺾ ‪Ho‬إذا ﻛﺎن‬

‫‪4dU d 4dL‬‬ ‫‪d< 4 - dL‬‬ ‫‪ .3‬ﻻﺗﺮﻓﺾ ‪Ho‬إذا ﻛﺎن‬
‫‪ .4‬ﻻ ﯾﻤﻜﻦ اﻟﺘﻘﺮﯾﺮ إذا ﻛﺎن‬
‫‪d L  d  dU‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪121‬‬

 ‫‪4dU  d  4dL‬‬
‫‪Autocorelation‬‬
‫إذا ﻛﺎﻧﺖ اﻟﻔﺮﺿﯿﺔ اﻷوﻟﻰ ‪ Ho‬ذات ﺟﺎﻧﺒﯿﻦ ﻋﺪم وﺟﻮد إرﺗﺒﺎط‬
‫ﺗﺴﻠﺴﻠﻲ ﺳﺎﻟﺐ أو ﻣﻮﺟﺐ ‪ ،‬ﻋﻨﺪﺋﺬ‪:‬‬
‫‪d L  d  dU‬‬

‫‪d< dL‬‬ ‫‪ .1‬ارﻓﺾ ‪Ho‬إذا ﻛﺎن‬

‫‪d>4 - dL‬‬ ‫‪ .2‬ارﻓﺾ ‪Ho‬إذا ﻛﺎن‬

‫‪4dU d 4dL‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪122‬‬

 ‫‪4dU  d  4dL‬‬ ‫‪Autocorelation‬‬
‫ﻻ ﺗﺮﻓﺾ ‪Ho‬إذا ﻛﺎن ‪dU< d < 4 - dU‬‬ ‫‪.1‬‬
‫اﻹﺧﺘﺒﺎر ﻏﯿﺮ ﺣﺎﺳﻢ إذا ﻛﺎن‪d L  d  dU :‬‬ ‫‪.2‬‬
‫‪4dU d 4dL‬‬ ‫أو‪:‬‬
‫ﻻ ﯾﻤﻜﻦ اﻟﺘﻘﺮﯾﺮ ﺑﻮﺟﻮد أو ﻋﺪم وﺟﻮد اﻹرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ إذا‬ ‫‪.5‬‬
‫وﻗﻊ ‪ d‬ﻓﻲ اﻟﻤﻨﻄﻘﺔ اﻟﻐﯿﺮ ﺣﺎﺳﻤﺔ‪.‬‬
‫ﻋﻨﺪ ھﺬه اﻟﺤﺎﻟﺔ ﯾﻨﺒﻐﻲ اﻟﺤﺼﻮل ﻋﻠﻰ ﺑﯿﺎﻧﺎت إﺿﺎﻓﯿﺔ أو ﻋﯿﻨﺔ‬ ‫‪.6‬‬
‫أﺧﺮى‪.‬‬
‫ﻣﻊ ﻣﻼﺣﻈﺔ أن‬ ‫‪.7‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪123‬‬

‫ﺗﻐﯿﺮ ﺗﺒﺎﯾﻦ ﻋﺎﻣﻞ اﻟﺨﻄﺄ ‪Heteroscadasticity‬‬

‫‪ ‬ھﻲ اﻟﺤﺎﻟﺔ اﻟﺘﻲ ﯾﻜﻮن ﻓﯿﮭﺎ ﺗﺒﺎﯾﻦ ﻋﺎﻣﻞ اﻟﺨﻄﺄ ﻏﯿﺮ ﺛﺎﺑﺖ ﻟﻜﻞ ﻗﯿﻢ‬
‫اﻟﻤﺘﻐﯿﺮ اﻟﻤﺴﺘﻘﻞ‪:‬‬
‫‪E(Xi, εi)≠0‬‬ ‫‪ ‬أي‬
‫‪E( εi)2≠σ2‬‬ ‫‪ ‬أي‬
‫‪ ‬وھﺬا ﯾﺨﺎﻟﻒ اﻟﻔﺮﺿﯿﺔ اﻟﺜﺎﻟﺜﺔ ﻟﻨﻤﻮذج إﻧﺤﺪار ‪. OLS‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪124‬‬

 ‫ﺗﻐﯿﺮ ﺗﺒﺎﯾﻦ ﻋﺎﻣﻞ اﻟﺨﻄﺄ ‪Heteroscadasticity‬‬

‫‪ ‬وھﺬا ﯾﺤﺪث ﺑﺸﻜﻞ رﺋﯿﺴﻲ ﻓﻲ اﻟﺒﯿﺎﻧﺎت اﻟﻤﻘﻄﻌﯿﺔ‪.‬‬

‫‪ ‬ﻣﺜﺎل ذﻟﻚ ‪ :‬ﺗﺒﺎﯾﻦ اﻟﺨﻄﺄ اﻟﻤﺮاﻓﻖ ﻹﻧﻔﺎق أﺳﺮ اﻟﺪﺧﻮل اﻟﻤﻨﻔﻘﺔ أﺻﻐﺮ‬
‫ﻣﻦ ﺗﺒﺎﯾﻦ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻸﺳﺮ ذوي اﻟﺪﺧﻮل اﻟﻤﺮﺗﻔﻌﺔ ‪ ،‬ﺣﯿﺚ أن ﻣﻌﻈﻢ‬
‫إﻧﻔﺎق اﻷﺳﺮ اﻟﻔﻘﯿﺮة ﻋﻠﻰ اﻟﻀﺮورﯾﺎت ﻣﻊ إﻣﻜﺎﻧﯿﺔ ﻣﺤﺪودة‬
‫ﻟﻺﺧﺘﯿﺎر‪.‬‬
‫‪ ‬ﻋﺪم وﺟﻮد ﺗﻐﯿﺮ ﺗﺒﺎﯾﻦ ﻋﺎﻣﻞ اﻟﺨﻄﺄ ھﻮ ‪Homoscedasticity‬‬
‫‪.‬أي ﺛﺒﺎت اﻟﺘﺒﺎﯾﻦ‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪125‬‬

 ‫ﺗﻐﯿﺮ ﺗﺒﺎﯾﻦ ﻋﺎﻣﻞ اﻟﺨﻄﺄ ‪Heteroscadasticity‬‬

‫‪ ‬ﻧﺘﺎﺋﺞ وﺟﻮد اﻟﻤﺸﻜﻠﺔ‪:‬‬

‫‪ ‬وﺟﻮد اﻟﻤﺸﻜﻠﺔ ﻻ ﯾﻠﻐﻲ اﻟﻨﺰاھﺔ ﻟﻠﻤﻌﻠﻤﺎت ‪،‬‬
‫‪ ‬ﺗﻘﺪﯾﺮات ﻣﻌﻠﻤﺎت اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى ﺗﺼﺒﺢ ﻏﯿﺮ ﻓﻌﺎﻟﺔ‪ ،‬أي ﻟﮭﺎ‬
‫ﺗﺒﺎﯾﻨﺎت أﻛﺒﺮ ﻣﻦ أدﻧﻰ اﻟﺘﺒﺎﯾﻨﺎت‪.‬‬
‫‪ ‬وﺟﻮد اﻟﻤﺸﻜﻠﺔ ﯾﺠﻌﻞ ﺗﺒﺎﯾﻨﺎت اﻟﻤﻌﻠﻤﺎت ﻏﯿﺮ ﻧﺰﯾﮭﺔ اﻷﻣﺮ اﻟﺬي‬
‫ﯾﻘﻮد إﻟﻰ إﺧﺘﺒﺎرات ﻏﯿﺮ ﺻﺤﯿﺤﺔ ﻟﻠﻤﻌﻠﻤﺎت ‪ ،‬وﻣﺠﺎﻻت ﺛﻘﺔ ﻏﯿﺮ‬
‫ﻧﺰﯾﮭﺔ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪126‬‬

‫ﺗﻐﯿﺮ ﺗﺒﺎﯾﻦ ﻋﺎﻣﻞ اﻟﺨﻄﺄ ‪Heteroscadasticity‬‬
‫إﺧﺘﺒﺎر وﺟﻮد اﻟﻤﺸﻜﻠﺔ‪:‬‬
‫ﯾﻤﻜﻦ إﺧﺘﺒﺎر وﺟﻮد اﻟﻤﺸﻜﻠﺔ ﺑﺈﺟﺮاء إﺧﺘﺒﺎر ‪Gold Feld-Quandt‬ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﻟﻲ‬
‫‪ .1‬ﺗﺮﺗﯿﺐ اﻟﺒﯿﺎﻧﺎت ﻣﻦ اﻟﻘﯿﻢ اﻟﺼﻐﯿﺮة إﻟﻰ اﻟﻜﺒﯿﺮة ﻟﻠﻤﺘﻐﯿﺮات اﻟﻤﺴﺘﻘﻠﺔ‪.‬‬
‫‪ .2‬ﻋﻤﻞ إﻧﺤﺪارﯾﻦ ‪:‬‬
‫‪ .1‬اﻷول ﻟﻠﻘﯿﻢ اﻟﺼﻐﯿﺮة ﻟـ ‪X‬‬
‫‪ .2‬اﻟﺜﺎﻧﻲ ﻟﻠﻘﯿﻢ اﻟﻜﺒﯿﺮة ﻟـ ‪X‬‬
‫‪ .3‬إﻟﻐﺎء اﻟﻤﻨﺘﺼﻒ – اﻟﺨﻤﺲ‪ -‬ﻣﻦ اﻟﻘﺮاءات‪.‬‬
‫‪ .4‬ﻋﻤﻞ ﻧﺴﺒﺔ ‪ :‬إﺟﻤﺎﻟﻲ ﻣﺮﺑﻌﺎت اﻷﺧﻄﺎء ﻟﻺﻧﺤﺪاراﻟﺜﺎﻧﻲ‪/‬إﺟﻤﺎﻟﻲ ﻣﺮﺑﻌﺎت اﻷﺧﻄﺎء‬
‫ﻟﻺﻧﺤﺪار اﻷول‬
‫‪ESS‬‬ ‫‪2‬‬
‫‪ESS‬‬ ‫‪1‬‬

‫‪ .5‬إﺧﺘﺒﺎر اﻟﻨﺴﺒﺔ ﻹﯾﺠﺎد ﻣﺪى إﺧﺘﻼﻓﮭﺎ ﻋﻦ اﻟﺼﻔﺮ ﺑﺼﻮرة ﻛﺒﯿﺮة‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪127‬‬

‫ﺗﻐﯿﺮ ﺗﺒﺎﯾﻦ ﻋﺎﻣﻞ اﻟﺨﻄﺄ‪Heteroscadasticity‬‬

‫‪ .5‬إﺳﺘﺨﺪام ﺗﻮزﯾﻊ‪ F‬ﻟﮭﺬا اﻹﺧﺘﺒﺎر ﻣﻊ درﺟﺔ ﺣﺮﯾﺔ ‪.‬‬

‫‪n  d‬‬ ‫‪ 2k‬‬ ‫‪‬‬

‫‪2‬‬
‫‪ d‬ﻋﺪد اﻟﻘﺮءات اﻟﻤﺤﺬوﻓﺔ ‪ k‬ﻋﺪد‬ ‫وﻓﯿﮭﺎ ‪= n‬ﻋﺪد اﻟﻘﺮاءات‬
‫اﻟﻤﻌﻠﻤﺎت‪.‬‬
‫‪ .6‬ﯾﻜﻮن اﻹﺧﺘﺒﺎر أﻛﺜﺮ ﻓﻌﺎﻟﯿﺔ ﻣﻊ اﻟﻌﯿﻨﺎت اﻟﻜﺒﯿﺮة ‪ 30 ،‬أو أﻛﺒﺮ‪.‬‬
‫‪ .7‬إذا ﻟﻢ ﺗﺤﺬف اﻟﺒﯿﺎﻧﺎت اﻟﻮﺳﻄﻰ ‪ ،‬ﻓﻐﻦ اﻹﺧﺘﺒﺎر ﯾﻈﻞ ﺻﺤﯿﺤﺎ‪ ،‬وﻟﻜﻦ ﺗﻀﻌﻒ‬
‫ﻗﻮﺗﮫ ﻓﻲ إﻇﮭﺎر اﻟﻤﺸﻜﻠﺔ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪128‬‬

‫ﺗﻐﯿﺮ ﺗﺒﺎﯾﻦ ﻋﺎﻣﻞ اﻟﺨﻄﺄ‪Heteroscadasticity‬‬
‫‪ ‬ﺗﺼﺤﯿﺢ اﻟﻤﺸﻜﻠﺔ‪:‬‬
‫‪ ‬ﯾﻤﻜﻦ ﺗﺼﺤﯿﺢ اﻟﻤﺸﻜﻠﺔ ﺑﻘﺴﻤﺔ ﻛﻞ ﻋﻨﺼﺮ ﻣﻦ ﻋﻨﺎﺻﺮ اﻟﻨﻤﻮذج ﻋﻠﻰ ‪X‬‬
‫ﺛﻢ إﻋﺎدة ﺗﻘﺪﯾﺮ اﻹﻧﺤﺪار ﺑﺎﺳﺘﺨﺪام اﻟﻤﺘﻐﯿﺮات اﻟﻤﺤﻮﻟﺔ‪.‬‬
‫‪ ‬ﻓﻲ ﺣﺎﻟﺔ اﻹﻧﺤﺪار اﻟﺒﺴﯿﻂ ﻟﻨﻤﻮذج ﻣﺜﻞ‬
‫‪Y   0  1X  ‬‬
‫‪ ‬ﻧﺤﺼﻞ ﻋﻠﻰ ‪:‬‬
‫‪Y 0‬‬ ‫‪‬‬
‫‪   1‬‬
‫‪X X‬‬ ‫‪X‬‬
‫‪ ‬ﻓﯿﻜﻮن ﻋﻨﺼﺮ اﻟﺨﻄﺄ اﻟﻤﺤﻮل اﻵن ذو ﺗﺒﺎﯾﻦ ﺛﺎﺑﺖ‬
‫‪ ‬ﯾﻼﺣﻆ ﻓﻲ اﻟﻨﻤﻮذج ﺑﺄن اﻟﻤﻘﻄﻊ ﻗﺪ أﺻﺒﺢ اﻵن ﻣﺘﻐﯿﺮا‪ ،‬ﺑﯿﻨﻤﺎ ﻣﻌﺎﻣﻞ‬
‫اﻟﻤﯿﻞ ﻗﺪ أﺻﺒﺢ ﻣﻘﻄﻌﺎ‪.‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪129‬‬

‫ﺗﻐﯿﺮ ﺗﺒﺎﯾﻦ ﻋﺎﻣﻞ اﻟﺨﻄﺄ‪Heteroscadasticity‬‬
‫ﻧﺘﺎﺋﺞ اﻟﺘﺼﺤﯿﺢ‪:‬‬ ‫‪‬‬
‫ﯾﺠﺐ اﻟﺠﺬر ﻓﻲ ﺗﻔﺴﯿﺮ ﻧﺘﺎﺋﺞ اﻹﻧﺤﺪار‪.‬‬ ‫‪‬‬
‫وﺑﻤﺎ أن اﻹﻧﺤﺪار اﻟﺠﺪﯾﺪ ﻓﯿﮫ ذو ﺗﺒﺎﯾﻦ ﺛﺎﺑﺖ ﻓﺈن ﺗﻘﺪﯾﺮات ‪ OLS‬ﻟﯿﺴﺖ ﻓﻘﻂ‬ ‫‪‬‬
‫ﻧﺰﯾﮭﺔ وﻣﺘﺮاﺑﻄﺔ وﻟﻜﻦ ﻓﻌﺎﻟﺔ أﯾﻀﺎ‪.‬‬
‫ﻓﻲ ﺣﺎﻟﺔ اﻹﻧﺤﺪار اﻟﻤﺘﻌﺪد‪ ،‬ﻧﻘﺴﻢ ﻛﻞ ﻋﺎﻣﻞ ﻓﻲ اﻹﻧﺤﺪار ﻋﻠﻰ اﻟﻤﺘﻐﯿﺮ‬ ‫‪‬‬
‫اﻟﻤﺴﺘﻘﻞ اﻟﺬي ﯾﻈﻦ ﺑﺄﻧﮫ ﺳﺒﺐ اﻟﻤﺸﻜﻠﺔ ‪ ،‬ﻓﻠﻨﻘﻞ ‪X2‬‬
‫ﻓﯿﻜﻮن ﻟﺪﯾﻨﺎ‬ ‫‪‬‬
‫‪Y‬‬ ‫‪0‬‬ ‫‪X1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ 1‬‬ ‫‪ 2 ‬‬
‫‪X2 X2‬‬ ‫‪X2‬‬ ‫‪X2‬‬

‫د‪ .‬ﻣﺤﯿﻲ أﯾﻮب‬ ‫‪130‬‬