Professional Documents
Culture Documents
net/publication/335989056
ﺗﺤﻠﻴﻞ اﻻﻧﺤﺪار
CITATIONS READS
0 2,022
1 author:
Sahera Zain
College of Administration and Economics
12 PUBLICATIONS 0 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Sahera Zain on 23 September 2019.
تأليف
األستاذ الدكتورة
زهرة حسن عباس التميمي
الصفحة الموضـــــوع
7 The concept of simple linear regression . ٔ( مفيوـ االنحدار الخطي البسيط-ٕ)
11 Estimating linear regression function .( تقدير دالة االنحدار الخطي البسيط4-2)
ثانيا :تقدير القيمة التنبؤية الجديدة Estimating the point prediction .
)(92 – 45 الفصل الثالث :االستدالل في نموذج المربعات الصغرى Inferences in OLSModel
45 ) (1-3االستدالؿ حوؿ المعممات المقدرةInference about estimated parameters .
58 distribution for mean predictionprobability . ) (1-3-3التوزيع االحتمالي لػ Yˆf
59 ) (2-3-3حدود الثقة لمتوسط االستجابةConfidence interval for mean prediction .
61 Probability distribution and level of significance التنبؤية الجديدة ) (4-3التوزيع االحتمالي وحدود الثقة لػ ) (Y f
for individual prediction
64 ANOVA for simple Linear Regression Model. ) (5-3تحميؿ التبايف لنموذج االنحدار الخطي البسيط
70 ˆ
عبلقة معامؿ االرتباط مع معممة االنحدار . 1
74 عبلقة معامؿ االرتباط البسيط ومعامؿ التحديد في نموذج االنحدار البسيط.
93 ) (1-4النموذج الخطي العاـ ) مف خبلؿ نقطة األصؿ(through the originGeneral linear model
95 ) (2-4فرضيات نموذج االنحدار الخطي بصيغة المصفوفات Assumptions of classical linear regression model
in matrix form
98 ) (3-4تقدير المعممات بطريقة المربعات الصغرى االعتياديةParameter Estimation by OLS :
103 ) (4-4معنى معامبلت االنحدار في حالة ثبلثة متغيرات:Е(Yi / X1i , X2i) :
104 ) (5-4صفات متجو المعممات المقدرة Properties of estimated parameter vector
104
Variance-Covariance Vector . ) (6-4مصفوفة التبايف – والتبايف المشترؾ لػ ˆ
107 ) (7-4القيمة التقديرية لتبايف الخطأ Estimated value of Error Variance
111
) (8-4معادلة االنحدار مف خبلؿ نقطة األصؿ Regression equation through the mean . X , Y
116 ) (9-4معامؿ التحديد R2بالصيغة المصفوفيةCoefficient of Determination using matrix form.
119 ) (11-4األثر المباشر واألثر غير المباشر .Direct & Indirect effect
125 عبلقة معامؿ التحديد وتبايف معممة االنحدارRelation between coefficient of determination and regression .
parameter
129 Testing hypothesis about partial regression ) (1-5اختبار الفرضيات حوؿ معممة االنحدار الجزئية.
estimates
132 ) (2-5اختبار معنوية تركيب خطي بداللة المعممات Testing significance of linear combination of .
parameters
136 ) (3-5اختبار معنوية نموذج االنحدار ككؿTesting the overall significance.
138 جدوؿ تحميؿ التبايف باستخداـ معامؿ التحديدANOVA Tableusingcoefficient ofdetermination .
143 Test the additionalsignificancy of ) (5-5اختبار األىمية اإلضافية لمتغير معيف أو مجموعة جزئية مف المتغيرات.
one variable or partial of group of variables
160 ) (7-5مجاؿ الثقة لمتوسط االستجابة ولمقيمة التنبؤية الجديدة Confidence interval for mean prediction and .
individual prediction
164 Standard Partial regression coefficient ) (8-5معامؿ االنحدار الجزئي القياسي:
)(236 – 178 الفصل السادس :اختالل فروض التحليل التي تخص توصيف النموذج وحد االضطراب العشوائي
188 ٖ-اختبار سبير ماف الرتباط الرتب Spearman's Rank correlation Test
191 )Brusch- Pagen- Godfrey test(BPG ٘ -اختبار بروش _ بيجف -جودفري
209 Properties of the estimates in present of ) (5-4-6صفات المقدرات بوجود ارتباط ذاتي بصيغة ماركوؼ
autocorrelation
223 ) (8-4-ٙالتنبؤ في حالة وجود حدود خطأ ذاتية االرتباط Pridiction in autocorelated errors .
226 properties of the generalized least صفات المقدرات بطريقة المربعات الصغرى المعممةsquares . )(2-5-6
estimates
241 )(1-4-7التقدير في حالة مشكمة التعدد الخطي التاـ Perfect multicollinearity .
242 ) (2-4-7التقدير في حالة وجود تعدد خطي عالي ) شبو تاـ ( Semi multicollinearity
243 ) (٘ -ٚمعامؿ تضخـ التبايف ) Variance inflation factor (VIF
)(309 – 279 الفصل التاسع :اختيار أحسن المعادالت Selecting the best regression equation :
280 )(1-9طريقة الحذؼ العكسي أو الخمفي The Backward elimination procedure :
290 )(Forward Selection Procedure ) (2-9طريقة االختيار المباشر أو األمامي :
319 ) (2-10االنحدار في حالة أكثر مف متغير نوعي واحد Regression in case of more than one dummy variable
320 ) (4-10االنحدار في حالة عدد فئات المتغير الوىمي أكثر مف ٕ Regression in case of dummies with more
than two categories
324 )(5-10اختيار المعنوية في نماذج تحوي متغيرات وىمية"" Testing hypotheses of effects of Dummy
324 ) (1-5-10اختيار معنوية آثار متغير وىمي منفرد )(Intercept Dummy
325 ) (2-5-10اختيار المعنوية المشتركة ألثار عدد مف المتغيرات الوىميةTesting for the joint signficancy
326 )(3-5-10اختيار تساوي معادلتي انحدار باستخداـ المتغيرات الوىمية Testing for the equality of two regression .
using Dummy variable
328 ) (6-10تفسير المتغيرات الوىمية في معادلة االنحدار لمصيغة نصؼ الموغارتيمية Ineterpretation of the
dummyvariable in semi log regression
329 Dummy variables and hetroscedastisity )(7-10المتغيرات الوىمية ومشكمة عدـ تجانس االخطاء
329 ) (8-10المتغيرات الوىمية ومشكمة االرتباط الذاتي Dummy variables and autocorrelation
336 اختبار خطي االنحدار متطابقاف
344 المصادر
انفصم األول
طبيعة تحهيم االنحذار
( )3-3األساس التاريخي لمصطلح االنحدار )Historical Origin of the Term (Regression
)*(
التػػي درس فييػا اسػػتق اررية تػـ تقػديـ االنحػػدار مػف قبػػؿ فرانسػيس كػػالتوف ) ( Galton 1886فػػي مقالتػو
توزيع األطواؿ في المجتمع وذلؾ باستخداـ عينة ألكثر مف ألؼ عائمػة .وقػد أكػدت نتائجػو عمػى الػرغـ مػف
وجود ميؿ لجميع اآلباء طويمي القامة أف يحصموا عمى أطفاؿ طويمي القامة ،واف اآلباء قصار القامػة ليػـ
ميػػؿ لمحصػػوؿ عمػػى أطفػػاؿ قصػػار القامػػة .فػػاف متوسػػط طػػوؿ األطفػػاؿ المولػػوديف آلبػػاء مػػف طػػوؿ معػػيف
يتحرؾ باتجاه ) ينحدر( متوسط أطواؿ األطفاؿ في المجتمع ككؿ .وقد اسػتخدـ كػالتوف مصػطمح االنحػدار
لئلشارة إلى اتجاه األطواؿ نحو المتوسط العاـ.
وقػد تػـ تثبيػت قػانوف كػالتوف مػف قبػؿ كػارؿ بيرسػف ) (1)( Karl Pearson 1903إذ جمػع أكثػر مػف ألػؼ
سجؿ بوصفيا مجاميع ألطواؿ اآلباء ،وتوصمت النتائج إلى أف متوسط الطوؿ لؤلبناء عند تحديد مجاميع
اآلباء طواؿ القامة ،يكوف أقؿ مف أطواؿ آبائيـ .كما أف متوسط الطوؿ لؤلبناء عند تحديد مجاميع اآلبػاء
إف طوؿ األبناء
قصار القامة يكوف أطوؿ مف أطواؿ اآلباء .وعميو تمت صياغة القانوف عمى وفؽ اآلتيّ :
ينحدر اعتماداً عمى متوسط طوؿ اآلباء.
وقد توالت وتعددت استخدامات ىذا النوع مف التحميؿ وشممت مختمؼ جوانب الحياة.
(1) K. Pearson and A. Lee, " On the laws of Inheritance ", Biometrica, vol.2, Nov.1903, pp(357-462) .
1
( )3-1أمثمة عممية لتوضيح مفهوم االنحدار Examples
)ٔ( قػانوف كػالتوف Galtonالػذي ييػتـ بد ارسػة الكيفيػة التػي تتغيػر بيػا أطػواؿ األبنػاء فػي المتوسػط مػع
توفر أطواؿ آبائيـ .فممتنبؤ بمتوسط طوؿ األبناء مع معرفة طوؿ األب يستخدـ طوؿ األب بوصفو المتغير
التوضيحي ) المتغير المستقؿ ( في حيف يكوف طوؿ االبف ىو المتغير المعتمد.
وىناؾ أمثمة في كثير مف النواحي االقتصادية.
)ٖ( العبلقة بيف وزف الطفؿ وعمره ،يمكف دراستيا عف طريؽ تحميؿ االنحدار ،اذ يتحدد وزف الطفؿ بعمػره
فيكوف وزف الطفؿ ىو المتغير المعتمد ،وعمر الطفؿ يكوف المتغير التوضيحي )المستقؿ(.
2
( )4-1طبيعة العالقة بين المتغيرات Nature of the relation between variables
يمكف تحديد طبيعة العبلقة بيف المتغيرات عمى وفؽ الصيغ التالية:
ٔ -العبلقة المحددة Deterministic
الظواىر الطبيعية )أ( مثؿ قانوف الجاذبية لنيوتف .فاف كػؿ جسػيـ فػي األرض ينجػذب إلػى جسػيمات أخػرى
عمى وفؽ قانوف الجاذبية بقوة تتناسب طردياً مع حاصؿ ضرب كتمتييما وعكسياً مع مربع المسافة بينيما:
m1m2
F k
r2 : kمعامؿ التناسب.
i = 1,2 ، : miكتمة الجسيـ i
: rالمسافة بيف الجسيميف.
)ب( قانوف اوـ :التيار الكيربائي يتناسب مع مقدار الفولتية.
)ج( قانوف بويؿ لمغازات.
)د( قانوف نيوتف لمحركة.
مثاؿ :التكمفة الكمية تمثؿ التكمفة الثابتة يضاؼ إلييا التكمفة المتغيرة ،واف التكمفة المتغيرة تحدد بعدد
وحدات اإلنتاج لذلؾ فاف التكمفة الكمية ليست صيغة محددة ،فبلبد مف وجود جزء ثالث لمعالجة التوقؼ
العرضي إلف الكميات المنتجة تتأثر بفترة العطؿ وبتكاليؼ تصميح العطبلت العرضية فضبلً عف
التغيرات في نوعية المواد الخاـ.
ونماذج تحميؿ االنحدار ترتبط بالعبلقات اإلحصائية وليست المحددة أو التامة .وفي العبلقات اإلحصائية
يتـ التعامؿ مع المتغيرات العشوائية ) . Random (stochasticوىذا بدوره يجعؿ القيـ التنبؤية غير
تامة بسبب وجود الخطأ ) .(Errorبمعنى أف المتغير المعتمد يتضمف تغيرات عشوائية ال يمكف تفسيرىا
بالكامؿ برغـ عدد المتغيرات التوضيحية المستخدمة.
3
( )5-1االنحدار والسببية ) ( Regression vs. Causation
عمى الرغـ مف أف تحميؿ االنحدار يتعامؿ مع االعتمادية بيف أحػد المتغيػرات ومتغيػرات أخػرى تحػدد
)ٔ(
أف مشػػكمة معينػػة ،إال أف ذلػػؾ ال يعنػػي بػػاإلطبلؽ اسػػتنتاج اتجػػاه السػػببية .ولقػػد أكػػد كانػػداؿ وسػػتيوارت
العبلقات اإلحصائية ميما كانت قوية ال يمكنيا تحديد االرتبػاط ألسػببي الف فكػرة السػببية تػأتي مػف خػارج
اإلحصػاء وبشػكؿ أكيػد تعتمػد عمػػى نظريػات أخػرى .فمػثبلً فػي د ارسػػة نػاتج محصػوؿ معػيف ،ال يوجػد سػػبب
إحصائي الفتراض أف معدؿ األمطار ال يعتمد عمى ناتج المحصوؿ .واختيارنا بجعؿ الناتج متغي اًر معتمػداً
اعتماداً عمى افتراضات غير إحصائية .فالمنطؽ يقترح أف العبلقػة ال يمكػف أف تكػوف بالشػكؿ العكسػي ،إذ
ال يمكف السيطرة عمى معدؿ األمطار مف خبلؿ التغيرات فػي النػاتج ،وعميػو فػاف العبلقػات اإلحصػائية فػي
جميع أمثمة االنحدار ال يمكف أف تحدد السببية ،وال بد مف التركيز عمى الجوانب المسبقة والنظرية.
فاالنحدار البسيط يتضمف متغي اًر معتمداً يرمز لػو ) (Yومتغيػ اًر مسػتقبلً واحػداً يرمػز لػو ) (Xوتكػوف معادلػة
___________________
(1) M.G.Kendall & A. Stuart, "The Advanced theory of statistics ", charles Griffin publishers, New York,
1961, vol.2, ch.2, p.279.
4
كما يمكف اف نكتب كاآلتي:
) (Y X ) f ( X ,
اما في االنحدار المتعدد فيكوف المتغير المعتمد ) (Yموصوفاً بعدد مف المتغيرات المستقمة )التوضيحية
. Xk,……,X2,X1وتكوف معادلة االنحدار:
) Y f ( X1 , X 2 ,....., X k ,
أو
) Y f (X j, j
j 1,..........k
ومف أجؿ إجراء االنحدار البد مف تحديد شكؿ الصيغة الدالية ) ( fالتي يمكف استخداميا ،ومف أبرز
الصيغ الدالية ىي الصيغة الخطية التي تتمثؿ بخط مستقيـ ،والصيغ غير الخطية وىي متعددة ومنيا
الصيغ متعددة الحدود ) التربيعية والتكعيبية (....،والصيغ الموغاريتمية والكسرية ،والموجستية ،والمثمثية...
الخ
وفي دراستنا ىذه سيتـ التركيز عمى الصيغ الخطية في المقاـ األوؿ مع التطرؽ إلى بعض الصيغ
غير الخطية.
5
أسئمة الفصل األول:
سٔ :عرؼ مفيوـ تحميؿ االنحدار وبيف أنواع االنحدار؟
سٕ :ما أنواع العبلقات بيف المتغيرات ؟ وما نوع العبلقة في تحميؿ االنحدار؟
سٗ :إعط أمثمة مف الواقع العممي عمى تحميؿ االنحدار حسب أنواعيا المختمفة ؟
6
انفصم انثبني
االنحذار انخطي انبسيطSimple linear regression
( )1-2مفهوم االنحدار الخطي البسيط The concept of simple linear regression.
نعني باالنحدار البسيط أف يكوف المتغير المعتمد ) (Yدالة بداللة المعممات βومتغي اًر توضيحياً واحداً
ىو المتغير المستقؿ ) (Xفقط.
وتكوف الصيغة الدالية خطية بداللة المعممات وليس بالضرورة خطية بداللة المتغير المستقؿ ) ،(Xوبذلؾ
تكوف صيغة معادلة االنحدار الخطي البسيط عمى وفؽ اآلتي:
1 , 0معممات ثابتة غير معمومة يمكف الحصوؿ عمييا بعد إجراء عممية االنحدار ،وتسمى )(β0
المقطع الصادي أو الحد الثابت ) ،(Interceptوتمثؿ أيضا متوسط االستجابة عندما Xتساوي صف اًر.
في حيف ) (β1تمثؿ معممة الميؿ ).( Slope coefficient
واف ) ((Y Xتشير إلى المتوسط الشرطي لممتغير . Y
والمعادلة ) ( 1-2يطمؽ عمييا " دالة االنحدار الخطي لممجتمع ".
وخدمة لميدؼ الرئيس لتحميؿ االنحدار وىو " تقدير معممات العبلقة وتحقيؽ االستدالؿ حوؿ نتائج
التقدير" يتـ سحب عينة مف المجتمع لكؿ مف المتغيريف المعتمد ) (Yوالمستقؿ ) (Xونفترض أف حجـ
العينة ) ( nوبذلؾ فاف معادلة االنحدار ىي:
(Y X i ) 0 1 X i
وذلؾ يشير إلى قيـ Yالمشروطة لممشاىدة Xiستتمحور حوؿ المتوسط لقيـ ) (Yiولجميع العينات
المسحوبة عند قيمة .Xiوعميو يمكف حساب االنحراؼ لمقيـ المنفردة ) (Yiحوؿ قيميا المتوقعة وكاالتي:
: uiتمثؿ متغي اًر عشوائياً غير مشاىد تأخذ قيماً موجبة او سالبة ويسمى أيضاً حد الخطأ العشوائي).
(Stochastic error termويرمز لو أيضاً ) (eiفي بعض الكتب أو الدراسات.
والعبلقة ) ( 2-2تتكوف مف جزأيف.
األوؿ (Y X i ) :والذي يدؿ عمى متوسط ) (Yالشرطي لجميع المشاىدات عند المستوى المحدد نفسو لػ
) .(Xوتسمى ىذه المركبة الجزء المحدد ). (deterministic
7
أما الثاني ui :فيو الجزء العشوائي أو االحتمالي وىي متغيرات تساعد عمى فيـ التحميؿ مف جانب ،ومف
جانب آخر تشكؿ األساس لقياس دقة التقديرات وتعد بديبلً لجميع المتغيرات المحذوفة او الميممة التي قد
تؤثر في سموؾ المتغير المعتمد Yوالتي ال يمكف تضمينيا في معادلة االنحدار.
وبشكؿ عاـ فاف معادلة االنحدار الخطي البسيط تكتب عمى وفؽ اآلتي:
Yi 0 1i ui ... )(3 - 2
i = 1,2, . . . ,n
8
=Yمتجو لمشاىدات المتغير المعتمد بترتيب .
= Xمصفوفة بترتيب ) (n × 2أعمدتيا تمثؿ مشاىدات المتغير الوىمي الذي يعكس وجود المقطع
الصادي وكذلؾ مشاىدات المتغير التوضيحي . X
= uمتجو عمودي لمشاىدات المتغير العشوائي غير المشاىد.
( )3-2بناء نموذج انحدار خطي بسيط Construct simple linear model
لبناء نموذج انحدار خطي بسيط يتطمب إتباع الخطوات التالية:
ٔ -تحديد المشكمة التي تتطمب دراستيا ،وباعتماد األسس النظرية والمنطقية يحدد المتغير المعتمد )(Y
وكذلؾ المتغير المستقؿ ).(X
ٕ -جمع البيانات المطموبة بحجـ مناسب لحجـ المجتمع الذي يمثؿ المشكمة.
ٖ -ترتيب البيانات عمى شكؿ أزواج مرتبة في جدوؿ.
ٗ -التمثيؿ البياني لمبيانات مف خبلؿ جعؿ المحور العمودي مخصصاً لقيـ Yوالمحور األفقي يمثؿ قيـ
Xلمحصوؿ عمى رسـ االنتشار . scatter diagram
٘ -مف خبلؿ رسـ االنتشار تُحدد الصيغة الدالية المناسبة التي تكوف خطية بداللة المعممات.
-ٙاستخداـ الطرائؽ اإلحصائية المناسبة لتقدير معممات النموذج.
-ٚاالستدالؿ حوؿ صحة النتائج التقديرية.
-ٛاستخداـ النتائج بعد التأكد مف صحتيا أو تعديميا قبؿ استخداميا إلغراض:
) اتخاذ الق اررات او السيطرة او التنبؤ (.
أف الباحث يزمع دراسة إنتاج محصوؿ البطاطا بداللة المساحة المزروعة مف
مثاؿ ) : (1-2نفترض ّ
ذلؾ المحصوؿ.
ٔ -المشكمة ىي تحديد كمية اإلنتاج مف محصوؿ البطاطا ) (Yواعتماد المساحة المزروعة مف
المحصوؿ متغي اًر توضيحياً ).(X
ٕ -جمع بيانات عف مزارع مختمفة لكؿ مف المتغيريف Yو Xبما يتبلءـ مع حجـ المجتمع
المدروس ،نفترض اختيار ٓٔ مزارع عشوائياً.
ٖ -ترتيب البيانات في جدوؿ )(1-2
9
جدوؿ )(1-2
المزرعة ألؼ كغـ)(Y ىكتار)(X
1 ٓٗٔ ٓ٘
ٕ ٓٓ٘ ٕٓٓ
ٖ ٓٓٗ ٓٔٔ
ٗ ٖٓٓ ٓٛ
٘ ٖ٘ٙ ٕٓٔ
ٙ ٕ٘ٗٓ. ٘ٚٗ.
ٚ ٕٓٓ.ٙ ٛٛ.ٜ
ٛ ٖٖ٘. ٘.ٚ
ٜ ٜٙ.ٛ ٔٔ
ٓٔ ٔٛ.ٚ ٕٖ.
743.32259.1
شكل )(1-2
رسم االنتشار
Y
X
11
٘ -يتضح مف رسـ االنتشار أف الصيغة الخطية مبلئمة فيمكف استخداميا.
Yi 0 1i ui أي أف صيغة نموذج االنحدار المزمع استخدامو ىو:
i = 1,2, . . . ,10
-ٙلتقدير المعممات ىناؾ طرائؽ إحصائية متعددة أىميا :المربعات الصغرى االعتيادية وطريقة
اإلمكاف األعظـ التي سيتـ توضيحيا في الفقرات التالية.
11
والبواقي موضحة في الشكؿ )ٕ(ٕ-
شكل ()2-2
* Y4
Yˆ2
Yˆ1
*
n
n 2
والتي تمثؿ دالة اليدؼ التي تسعى الطريقة إلى تصغيرىا .وىي دالة بداللة المعممات . ˆ 1 , ˆ0
وعميو فاف التفاضؿ الجزئي ليذه الدالة بداللة ˆ 1 , ˆ0عمى التوالي يساوي صف اًر يمثؿ الشرط
الضروري*).(necessary condition
S
0
ˆ
n
2 Yi ˆ0 ˆ1 X i . . . )(6 - 2
i 1
________________
)*( أما الشرط الكافي ) (Sufficient conditionوىو شرط التحقيؽ مف صحة القيـ الحرجة في تحقيؽ تصغير الدالة فيكوف
S 2
باستخداـ المشتقات الجزئية الثانية التي يمكف وضعيا في مصفوفة تسمى مصفوفة ىيسيف Hessian
)( 2
i
12
S
0
ˆ1
X
n
2 Yi ˆ0 ˆ1 X i i . . . )(7 - 2
i 1
13
:أف
ّ حيث
Y1 1 X 1 ˆ
Y 1 X 0
Y( n1) 2 , X ( n2 ) 2
, ˆ ( 21)
ˆ
1
Yn 1 X n
:فأف
ّ لذا
n X i Yi
X X
2
,
XY
X i X i X iYi
: ( X X ) ( بمعكوس12-2)' نضرب طرفي المعادلة.وبحؿ المعادالت الطبيعية بالصيغة المصفوفية
X i2 X i
nS XX
nS
( X X ) 1 XX
X i n
nS XX nS XX
________________
S xy و S xx ٍّ * ىناؾ صيغ متعددة لكتابة
كؿ مف
(X i ) 2
S xy ( X i X )(Yi Y ) Yi ( X i X ) , S xx ( X i X ) 2 X i2
n
2
X i (Yi Y ) X iYi nXY X i nX
2
14
) (X i )(Yi
S xy X i Yi و
n
تمثؿ مجموع حاصؿ ضرب انحرافات كؿ مف . Y ، X
جدوؿ )(2-2
جدوؿ حسابات المجاميع
المشاىدات Y X X2 XY
1 ٓٗٔ ٓ٘ 2500 7000
15
وبالرجوع إلى المثاؿ باستخداـ المربعات الصغرى االعتيادية فاف جدوؿ حسابات المجاميع جدوؿ )(2-2
يساعد في تشكيؿ المعادالت الطبيعية بصيغة المصفوفات:
المعممات:
تفسير ْ
زيادة المساحة المزروعة بمقدار ىكتار واحد سوؼ يساعد عمى زيادة اإلنتاج بمقدار )( 2.564
الؼ كغـ .واف العبلقة بيف المساحة المزروعة وبيف اإلنتاج عبلقة طردية.
الفرضية :1
نموذج االنحدار يكوف خطياً بداللة المعممات وكما في العبلقة ):( 3-2
Yi 0 1i ui ... )(3 - 2
والبد مف التأكيد اف العبلقة ) (3-2ربما تكوف غير خطية بداللة المتغير المستقؿ Xأو المتغير المعتمد Y
،فالعبلقات:
(1) Yi 0 1i2 ui
(2) Yi 0 1 i ui و
16
1
)(3 0 1 X i u i
Yi
(4) log Yi 0 1 log i ui
جميعيا خطية بداللة المعممات ،عمى الرغـ مف كونيا غير خطية بداللة المتغيرات Yأو Xاو كبلىما.
Y 0 1 X i ui غير اف العبلقة:
ىي عبلقة غير خطية بداللة المعممة 1وعميو فبل تحقؽ الفرض ٔ.
الفرض : 2
قيـ المتغير Xثابتة في العينات المتكررة وبعبارة أخرى اف المتغير Xيفترض اف يكوف
غير عشوائي.
ففي مثاؿ قانوف كالتوف لمتنبؤ عف متوسط الطوؿ لؤلبناء مع معرفة طوؿ اآلباء والذي يتـ توضيحو في
رسـ االنتشار الشكؿ)(3-2
الشكل )(3-2
طول األبناء (انج)
Y
75
07
65
طول اآلباء(انج)
67
67 65 07 05 X
عند طوؿ معيف لآلباء ) (Xiمثبلً ) 70انج( يتـ سحب عائمة عشوائياً ويتـ النظر بطوؿ األبناء Yمثبلً
)٘ ٙانج( ،وتسحب عائمة أخرى عشوائياً وينظر بطوؿ األبناء Yمثبلً )ٕ ٚانج( .ففي أي مف السحبات
) عينات متكررة( فاف قيـ Xتبقى ثابتة عند )ٓ ٚانج( .ويمكف اعادة ىذه العممية لجميع قيـ Xالمحددة
لممجتمع الذي تـ دراستو.
وىذا يعني تحميؿ االنحدار ىو تحميؿ انحدار شرطي لقيـ محددة مف المتغير). (Xi
الفرض : 3
المتغير العشوائي uلو متوسط صفري عند قيـ محدودة لػ . X
(ui X i ) 0
17
الشكؿ ) (3-2يوضح ،عند قيـ معمومة مف Xiفاف uiبعضيا فوؽ الخط المقدر وبعضيا اآلخر تحت
الخط المقدر وبذلؾ في المتوسط تكوف انحرافات uiعف الخط المقدر عند قيمة معينة مف Xيجب اف
تساوي صف اًر.
والبد مف التأكيد باف تحقؽ ىذه الفرضية يعني اف العبلقة )ٕ (ٕ-متحققة.
(Yi X i ) 0 1 X i أي :
الفرض : 4
تجانس تبايف المتغير العشوائي ) ui( Homoscedasticityعند قيـ محددة لػ ، Xتبايف
المتغير العشوائي uiيكوف متساوياً لجميع المشاىدات.
أي:
) var(ui X i ) (ui (ui ) X i 2
(ui
2
) Xi
2 i 1,2,, n
وعمى النقيض مف ىذه الفرضية فاف التبايف الشرطي لػ Yيتغير مع ، Xوتسمى ىذه الحالة عدـ التجانس
. Hetroscedasticity
var(ui X i ) i2 وبالرموز:
ويمكف توضيح الحالتيف بالشكميف ) (4-2و ). (5-2
الشكل()4-2
Homoscedasticity
تباين الخطأ متجانس)f(u
الكثافة
االحتمالية
لـui
Y
X1
X2 خط االنحدار للمجتمع Yi 0 1i
X3
X
18
)f(u الشكل()5-2
الكثافة Hetroscedasticity
االحتمالية عدم تجانس تباين الخطأ
لـ ui
Y
X1
X2 Yi 0 1 i خط االنحدار للمجتمع
X3
X
19
شكل )(6-2
في الشكؿ ) (a)،(6-2يتضح اف قيـ uمرتبطة ذاتياً باتجاه طردي متزايد .حيث اف القيـ الموجبة مف u
تتبعيا قيـ موجبة مف .uفي حيف القيـ السالبة تتبع بقيـ سالبة أيضاً.
في الشكؿ ) (bفاف قيـ uمرتبطة ذاتياً بشكؿ عكسي ،اذ اف قيـ uالموجبة تتبعيا قيـ uالسالبة والعكس
صحيح.
وبذلؾ فالشكبلف ) (aو ) (bتعكس االرتباط الذاتي او المتسمسؿ.
في حيف الشكؿ ) (cيوضح عدـ وجود االرتباط الذاتي اذ اليتوضح وجود نمط مف نوع معيف.
21
الفرض (: )7
عدد المشاىدات ) (nيجب اف تكوف اكبر مف عدد المعممات المطموب تقديرىا.
شكل)(7-2
قٌم Xثابتة
Y
X
X0
21
)(3-4-2خواص المقدرات بطريقة المربعات الصغرى )(Proporties of least squares estimates
نظرية جاوس – ماركوف
حيث اف معممة االنحدار تمثؿ:
S xy xy
ˆ1
S xx x 2
x(Y Y ) xY Yx
x 2 x 2
حيث )(xi 0
xY
x 2
n xi
Yi
i 1 x 2
i
n
ki Yi
i 1
xi
ki
حيث xi2
وبذلؾ فاف ˆ1مقدر خطي النو دالة خطية بداللة Yحيث انيا تركيب خطي بداللة Yواف اوزاف التركيب
ىي . ki
وبالمثؿ فاف ˆ0ىي تركيب خطي أيضاً بداللة ) . Yيترؾ البرىاف واجب(
22
ˆ 1 1 ki ui )(13 2
حيث اف :
ki
xi
1
xi معمومة قيمة x 2
i الف
xi 2
xi2
و ) ، (xi 0مجموع االنحرافات عف المتوسط
ki 0
xi كما اف :
k i X i Xi
xi 2
xi
) ( xi X
xi2
xi2 xi X
xi2
x 2i xi
X ; x i 0
xi2 xi2
1
وبأخذ التوقع لطرفي المعادلة ): (13-2
) ( ˆ 1 ) 1 ki (ui
i
1
حيث (ui ) 0بموجب فروض التحميؿ
( ˆ 0 ) 0 وبالمثؿ يمكف البرىنة عمى اف ˆ 0غير متحيزة ايضاً أي:
)تمريف لمطالب(
اما الخاصية الثالثة :تبايف المعممات المقدرة ىو أقؿ ما يمكف مف بيف مجموع المقدرات غير المتحيزة
والخطية) ،يترؾ البرىاف(.
ولذلؾ تسمى المقدرات بموجب المربعات الصغرى االعتيادية ) (BLUEتشمؿ الصفات الثبلث ،خطية
وغير متحيزة وليا أقؿ تبايف .وىذه ما يطمؽ عمييا نظرية جاوس -ماركوؼ والتي تنص عمى اآلتي) :مع
23
تحقؽ فرضيات النموذج الخطي فاف المقدرات بموجب طريقة المربعات الصغرى تمتؿ أقؿ تبايف ضمف
مجموعة المقدرات الخطية وغير المتحيزة(.
كل المقدرات
تقدير OLS
̂ 1 ols
1
ولذلؾ فاف دالة الكثافة االحتمالية المشتركة لمشاىدات Yالمشروطة لػ 0 1 X iو 2
ويرمز ليا. f (Y1 ,Y2 . . . ,Yn / 0 1 X i , ) :
2
24
وحيث اف مشاىدات Yمستقمة الواحدة عف األخرى ،لذلؾ فاف الكثافة االحتمالية المشتركة تعد حاصؿ
ضرب الكثافات الحدية المنفردة لمشاىدات : Y
وبعد تبسيطيا .فاف المعادلتيف ) (15-2و ) (16-2ىي المعادالت الطبيعية نفسيا التي تـ الحصوؿ عمييا
عند استخداـ طريقة المربعات الصغرى االعتيادية .وبذلؾ فاف قيـ ˆ1 , ˆ0ليا القوانيف نفسيا المستخدمة
بطريقة المربعات الصغرى االعتيادية وذلؾ ينسجـ مع كوف الحد األخير في المعادلة ) (14-2مسبوقاً
25
بإشارة سالبة وعميو فاف تعظيـ دالة اإلمكاف يمثؿ تصغي اًر ليذا الحد ،والذي ينطبؽ مع المربعات الصغرى.
وبعد نعويض قيـ ˆ1 , ˆ0في المعادلة ) (17-2وتبسيطيا:
1
ˆ 2 (Yi ˆ0 ˆ1 X i ) 2
ML n
1
ˆ ML
2
ei
2
... )(18 - 2
n
ويتبيف مف المعادلة ) (19-2اف تقدير تبايف الخطأ بموجب طريقة اإلمكاف األعظـ متحيز نحو األسفؿ.
بمعنى اف اإلمكاف األعظـ يعطي مقد اًر لتبايف الخطأ أقؿ مف قيمتو الحقيقية σ2وخاصة في العينات
الصغيرة .في حيف مع كبر حجـ العينة فاف مقدار التحيز سيضمحؿ ويقترب مف قيمتو الحقيقية.
توضح المعادالت الطبيعية باف المقدرات ˆ 1 , ˆ0دواؿ بداللة بيانات العينة التي يتـ
استخداميا ،غير اف البيانات تتغير مف عينة إلى أخرى ،لذا فاف التقديرات ستتغير أيضاً ،ولذلؾ يتطمب
مقياساً لدقة المعممات المقدرة .واحصائياً فاف مقياس الدقة يعبر عنو بواسطة االنحراؼ المعياري.
عمى وفؽ اآلتي: واعتماداً عمى فرضيات جاوس فاف تبايف المعممة المقدرة 1
26
)الفرض ( 4 لجميع قيـ i (ui2 ) 2
)الفرض ( 5 i j , (ui u j ) 0
وبذلؾ:
التغيرات في المتغير المستقؿ كبيرة فاف التبايف يكوف صغي اَر ًً وبالتالي تزداد دقة المعممة 1المقدرة .اما
اذا كاف تبايف الخطأ كبي اًر فاف دقة المعممة المقدرة ستنخفض كما اف زيادة حجـ العينة ) (nيؤدي بدوره
الى اف عدد الحدود في xiيتزايد وبذلؾ يكوف التبايف منخفضاً بمعنى تتحسف دقة المعممة المقدرة.
2
ومف جانب آخر فاف الجذر التربيعي لمتبايف يعبر عف االنحراؼ المعياري لممعممة:
s.e( ˆ1 )
xi2
وبالمثؿ يمكف اشتقاؽ تبايف معممة المقطع الصادي المقدرة ˆ 0وانحرافيا المعياري:
X i2
var( ˆ0 ) 2 ... )(21 - 2
nx 2
i
1 X2
( 2
)
n xi2
)البرىاف يترؾ لمطالب(
العبلقة ) (21-2تؤكد عمى اف تبايف معممة الثابت المقدرة ˆ 0تتناسب طردياً σ2و X iوعكسياً مع
2
27
X i2
s.e( ˆ0 )
nxi2
"
ˆ1 , between
Covariance ˆ
0
ˆ " ˆ
ين_______:
1, 0 )(6-4-2التباين المشترك ب
معموـ اف المقدرات ˆ1 , ˆ0التتغير مف عينة الى أخرى وانما أيضاً في العينة المعطاة في
الغالب ترتبط ىذه المعممات مع بعضيا .واف ىذا االرتباط يمكف اف يقاس مف خبلؿ التبايف المشترؾ
بينيما .واعتماداً عمى تعريؼ التبايف المشترؾ:
) cov( ˆ0 , ˆ1 ) ˆ0 (ˆ0 ) ˆ1 (ˆ1
وبما اف المعممات غير متحيزة:
) (ˆ0 0 )(ˆ1 1 ... )(22 - 2
) ˆ0 (ˆ0 ) ˆ0 ( y ˆ1 X ولكف
y ˆ1 X y 1 X
) X (ˆ
1 1
2
X ... )(23 - 2
xi2
وحيث اف ) var( ˆ1دائماً موجب ) صفة أي متغير( فاف طبيعة االرتباط بيف ˆ1 , ˆ0يعتمد عمى اشارة
متوسط ) .X ( Xفاذا كاف Xموجباً فاف التبايف المشترؾ سيكوف سالباً.
يتضح مف العبلقات ) (23-2) ، (21-2) ، (20-2اف التبايف والتبايف المشترؾ لممعممات المقدرة يعتمد
عمى وىو تبايف المتغير العشوائي لممجتمع وىو بدوره غير معموـ لذا البد مف ايجاد طريقة لتقديره.
2
28
Yi Y 1 ( X i ) (ui u ) :وبالطرح ينتج
yi 1 xi (ui u )
uˆi 1 xi (ui u ) ˆ1 xi ، uˆi yi ˆ1 xi وحيث اف
(ˆ ) x (u u )
1 1 i i
2 (n 1) 2 2 2 (n 2) 2
uˆi2 e 2
ˆ
2
... (25 - 2)
n2 n2
(ˆ 2 ) 2 وىي غير متحيزة أيضاً الف
:( يمكف تبسيطو كاآلتي24-2) الحد الثاني مف العبلقة
(ui u ) 2 (ui2 2ui u u 2 )
u 2
i 2u ui u
2
u
ui2 2 i ui nu 2
n
2 ( u i ) 2 u i
2
ui 2 n
n n
2 ( u i ) 2 ( u i )
2
ui 2
n n
2 ( u i ) 2
ui
n
(ui ) 2
(u )
2
i
n
n n u
2 2
29
2
(u ) 2
وحيث اف:
n
(ui u ) 2 n 2 2 (n 1) 2
2(ˆ1 1 )xi (ui u ) 2 (ˆ1 1 )xiui u (ˆ1 1 )xi
2 ( ˆ1 1 )xi ui . . . )(26 - 2
حيث اف :
) xi yi xi ( 0 1 X i ui
ˆ1
xi2 xi2
ˆ1xi2 0xi 1xi X i xiui
1xi ( xi X ) xiui
1x 2 1 Xxi xi ui
i
ˆ x 2 x 2 x u
1 i 1 i i i
xi
2 2
وبالعودة إلى خطوات بناء نموذج انحدار خطي بسيط في المبحث ) (3-2فبعد تقدير معممات النموذج
ننتقؿ إلى خطوة االستدالؿ حوؿ صحة النتائج التقديرية ونحتاج لذلؾ حساب االنحراؼ المعياري لممعممات
وكذلؾ االنحراؼ المعياري لمخطأ.
وباستعادة المعمومات حوؿ تبايف المعممات:
X i2 1
var( ˆ0 ) ˆ 2
& var( ˆ1 ) ˆ
nS xx S xx
31
e 2
ˆ 2
MSE عمماً اف:
n2
وىذا يتطمب حساب اآلتي:
Yˆi 35.35 2.564 X iلكؿ مشاىدة مف مشاىدات الجدوؿ ). (ٔ-2 ، )ٔ( Yˆi
)ٕ( ثـ تحسب البواقي . ei Yi Yˆiكما موضحة في الجدوؿ )(3-2
جدوؿ )(3-2
31
S xx 33767.701
89017.19
var( ˆ0 ) 2308.38 608.53
10(33767.701)
ˆ ˆ 2 2308.38
var( 1 ) 0.068
S xx 33767.701
s.e( ˆ1 ) 0.261 :وبذلؾ فاف انحرافيا المعياري
squared error
ei Yi Yˆi
Yi ˆ0 ˆ1 X i
Yi (Y ˆ1 X ) ˆ1 X i
Yi Y ˆ1 ( X i X )
yi ̂1 xi
e i2 y i2 2ˆ1xi yi ˆ12xi2 :بتربيع الطرفيف وأخذ المجموع
x y
y 2i 2ˆ1xi yi ˆ1 i 2 i xi2
xi
y 2i ˆ1xi yi (27 2)
e 2 y 2 2ˆ ( ˆ x 2 ) ˆ x 2
i i 1 1 i 1 i
y 2i ˆ 12 x 2i ... (28 - 2)
(xi yi ) 2
y i
2
. . . (29 - 2) :أو
xi2
. y تمثؿ مجموع مربعات التغيرات في مشاىدات المتغير: (yi )
2
32
ويرمز ليا ) (TSSتمثؿ مجموع التغيرات االجمالية في مشاىدات المتغير yمقاسة حوؿ المتوسط.
(xi yi ) 2
تسمى التغيرات المشروحة مف قبؿ معادلة أما ˆ1 x i :أو ̂1xi yiأو
2 2
xi 2
اف مجموع التغيرات االجمالية تـ تقسيمو إلى مركبتيف :التغيرات المشروحة +التغيرات غير المشروحة.
وبالرجوع الى بيانات الجدوؿ) (ٔ-2واستخداـ الصيغ الرياضية يتـ حساب اآلتي:
(TSS ) yi2 (Yi Y ) 2 Yi 2 nY 2
) 750760.6 10(51035.3281
750760.6 510353.281
240407.309
33
)ٗ( استخدـ التقديرات التي حصمت عمييا في )ٕ( واحسب بواقي التقدير ثـ احسب مجموع مربعات
البواقي ؟
)٘( ما شكؿ االنحدار اذا 0صفر )أ( بالرسـ ) ،ب( جبرياً
) (ٙىؿ اف قوانيف تقدير المعممات بموجب OLSالمعادالت ) (10-2و ) (11-2تصبح مبلئمة اذا
عممت اف 0 0؟
) (ٚاذا 0 0حدد مجموع مربعات البواقي جبرياً ،ثـ استخدـ العينة لتقدير 1؟
) (ٛاستخدـ التقدير الذي حصمت عميو في ) (ٚوارسـ الخط المقدر عمى ورقة الرسـ نفسيا لبلنتشار.
ما استنتاجؾ؟
) (ٜاستخدـ التقدير في ) (ٚواحصؿ عمى البواقي ثـ احسب مجموع مربعات البواقي؟
)ٓٔ( قارف بيف النتائج في )ٗ( و ) (ٜ؟
)ٔٔ( افترض اف القيمة الحقيقية لػ 1صفر ما شكؿ االنحدار )أ( جبرياً ) ،ب( بالرسـ
)ٕٔ( ما نوع العبلقة بيف Yو Xاذا 1 0؟
الحؿ:
)ٔ( رسـ االنتشار
Y 7.33
X
X 3.5
34
( )2قوانٌن تقدٌر المٌل والمقطع الصادي بواسطة ) (OLSهً:
S xy
ˆ Y ˆ1 X ̂ 1
0حٌث ان: ،
S xx
S xy ( y y )( X X ) xy
S xx ( X X ) 2 x 2
ولحسابها ٌتطلب جدول الحسابات ).(5-2
جدول )(5-2
جدول الحسابات بالقٌم كانحرافات عن المتوسطات
رقم Y X xy x2
y Y Y xX X
المشاهدة
Y 7.33
X 3.5
S xy 22.33 ، S xx 17.5 ، ˆ1 1.276 1.28
ˆ0 7.33 1.28(3.5) 2.85
معادلة التقدٌر:
35
شكل ( :)9-2الخط المستقٌم المقدر لبٌانات الجدول ()4-2
6
5
4
3
2
1
36
ثم نحسب ei Yi Yˆi
e1 4 4.13 0.13
e6 11 10.35 0.47
وكما فً الجدول )(6-2
جدول )(6-2
جدول حسابات قٌم Yالمقدرة وأخطاء التقدٌر
( )6المعادالت ) (10-2و ) (11-2تصبح غٌر مالئمة للتقدٌر اذا 0 0الن دالة الهدف فً هذه
الحالة هً :
n
S ( ˆ1 ) (Yi ˆ1 X i ) 2
i 1
n
S ( ˆ1 ) (Yi ˆ1 X i ) 2 ()0حيث اف دالة اليدؼ ىي:
i 1
فالشرط الضروري:
S n
) 2 (Yi ˆ1 X i ) ( X i
ˆi i 1
37
S n n
0 X iYi ˆ1 X i2 0
ˆi i 1 i 1
n
X iYi 176
ˆ1 i 1
n
X i2 91
i 1
الشكل )(10-2
Y
X
( )9وللحصول على بواقً العالقة نحسب قٌم ˆ Yأوالً من معادلة التقدٌر.
Yˆi X i 1.934 X i
ثم نحسب األخطاء
ei Yi Yˆi
وكما موضحة فً الجدول ()7-2
38
جدول )(7-2
القٌم األصلٌة
XY X2 ˆY e e2
4 1 1.934 2.061 4.268
12 4 3.868 2.132 4.545
21 9 5.802 1.198 1.435
28 16 7.736 -.736 0.542
45 25 9.67 -.67 0.449
66 36 11.604 -.604 0.365
∑106 91 40.614 11.604
6
ei2 11.604
i 1
Yˆ i 2.85 1.28 X i eiعندما معادلة التقدٌر: ( 1.6854 )17
2
6
فً حٌن عند معادلة التقدٌر Yˆ i 1.934 X iفان ei2 11.604
i 1
اذن الخط المستقٌم المقدر ٌكون أكثر تمثٌالً للبٌانات اذا استخدمنا النموذج بوجود المقطع الصادي.
شكل )(11-2
الخط المقدر عندما 1 0
Y
Y 0
0
X
1 2 3 4
39
( )12مف الشكؿ يتضح إف قيـ Yال تتحدد عمى وفؽ قيـ ، Xفيي ال تتغير مع تغير قيـ Xبمعنى إف
أثر Xمعدوـ في تحديد قيـ . Y
) (1اختيار الفرضيات حوؿ سموؾ صيغة التقدير والذي بدوره يتكوف مف خطوتيف:
)أ( االختبارات اإلحصائية والتي سيتـ مناقشتيا في الفصؿ القادـ ) الفصؿ الثالث(.
)ب( اختبارات الدرجة الثانية والتي تمثؿ اختبارات تحقؽ فروض التحميؿ والتي يتـ تناوليا في الباب
الثاني.
)ٕ( واالتجاه الثاني لتطبيؽ نتائج االنحدار ىو التنبؤ بتأثير إحداث معينة عمى المتغير المستقؿ.
ويعد التنبؤ مف إحدى أىـ التطبيقات لنموذج االنحدار .فمثبلً بالرجوع إلى دالة اإلنتاج الزراعي
المقدرة في المثاؿ ) ،(1-2يمكف استخداميا لمتنبؤ عف حجـ اإلنتاج الزراعي في حاؿ استخداـ سياسة
توسعية لممساحات المزروعة .فعند افتراض توسع المساحة المزروعة إلى ) ، (Xfفتعوض قيمتو في دالة
اإلنتاج الزراعي المقدرة فنحصؿ عمى حجـ اإلنتاج المستقبمي المناظر لقيمة :Xf
Y f 0 1 X f u f
قيمة الخطأ العشوائي المستقبمي .والذي اليمكننا التنبؤ بو ألنو عشوائي وغير مرتبط باي حيث اف u f
قيمة سابقة لمخطأ العشوائي ) بموجب فروض التحميؿ ( cov(ui u j ) 0وكذلؾ غير مرتبط بقيـ
المتغير المستقؿ . cov(ui X j ) 0
وعميو يتبيف وجود مصدريف لعدـ التأكد في القيـ التنبؤية:
ˆ ˆ
االوؿ :عدـ معرفتنا بقيـ 1 , 0ويجب استخداـ التقديرات ليا ، 1 , 0وىذا يمثؿ متوسط االستجابة
Y fm (Y X f ) 0 1 X f
. اما مصدر عدـ التأكد الثاني ىو االثر الذي اليمكف التنبؤ بو لمخطأ العشوائي
ويتطمب ذلؾ الرغبة في الحصوؿ عمى التنبؤ Y fالى جانب مقياس لدقة التنبؤ والمتمثؿ في بناء فترة ثقة
لو.
41
) (1-5-2تكوين التنبؤات:
اوالً :تقدير متوسط االستجابة :Estimating the mean predictionفمع توافر المقدرات
ˆ1 , ˆ0والمعتمدة عمى عينة بحجـ ) (nلممتغيريف Xو ، Yوطالما اف المدة ) ( fىي مدة مستقبمية
ˆ0و ˆ1مقدرات غير منحازة .وبذلؾ يمكف فاف ) ( f nوبظؿ افتراضات النموذج فاف
استخدـ الصيغة:
وبالرجوع إلى مثاؿ اإلنتاج بداللة المساحة المزروعة وبافتراض توسيع المساحة المزروعة )(250ىكتار
فاف تقدير القيمة المتوقعة لئلنتاج:
كما ويطمؽ عمى ىذا النوع مف التنبؤ بالتنبؤ ضمف حدود العينة.
41
أسئهة انفصم انثبني:
س :1صحح الخطأ في كؿ مف العبارات التالية:
ٔ -اف االنحراؼ لمقيـ المنفردة ) (Yiحوؿ قيميا المتوقعة تمثؿ خطأ التنبؤ.
ٕ -اف عبلقة االنحدار تتكوف مف جزأيف ،الجزء األوؿ المتوسط الشرطي لػ Yعند مستوى محدد لػ X
،والجزء الثاني ىو الجزء المحدد غير الشرطي.
ٖ -في االنحدار البسيط ميؿ الخط المستقيـ ىو المعممة ) (β1تكوف موجبة.
ٗ -رسـ االنتشار ىو الشكؿ الذي تحدد بو قيـ المتغير المعتمد المقدرة.
٘ -معيار طريقة المربعات الصغرى ىو مجموع المسافة العمودية لكؿ نقطة مف البيانات عف الخط
المقدر تكوف أصغر ما يمكف.
-ٙالشرط الكافي لتحقيؽ مبدأ المربعات الصغرى يولد المعادالت الطبيعية.
-ٚاف تحميؿ االنحدار يسعى لتحديد مدى قرب Yالمقدرة بٔموجب طريقة التقدير المختارة مع حد
الخطأ.
-ٛتسمى عبلقة االنحدار خطية إذا كانت خطية بداللة المعمـٔات وكذلؾ خطية بداللة المتغيرات.
-ٜالمتغير العشوائي كروياً يعني متجانس التبايف.
ٓٔ -اف مجموع التغيرات اإلجمالية في االنحدار يقسـ إلى جزأيف ىما مجموع مربعات الخطأ مضافاً
الييا مجموع مربعات متوسط استجابة .Y
ٔٔ -عند ثبوت قيمة المتغير Yمقابؿ تغير واضح في قيـ ،Xفاف ذلؾ دليبلً عمى معنوية .X
42
Yi 0 1 i ui
0
Yi 2 X i2 ui
Xi
1
0 1 ln X i ui
Yi
Yi 0 1 X i ui
ln Yi 0 1 ln X i ui
Yi 0 X i1 e ui
Yi 0 i2 X i ui
س:7قارف بيف طريقتي OLSو MLمف حيث ) المبدأ ،نتائج التقدير ،صفات المقدرات( ؟
س :8اشتؽ صيغة مناسبة لتبايف كؿ مف :معممات االنحدار β1 ، β0والخطأ للمجتمع بموجب
) (OLSالمربعات الصغرى وبموجب ML؟
43
س :12الجدوؿ التالي يمثؿ عدد ساعات المطالعة اليومي ) (Xوالمعدؿ العاـ ) (Yلعينة مف طمبة قسـ
اإلحصاء:
ٔ .أفضؿ معادلة خطية تربط بيف Xو Yوتفسير معمماتيا ؟
X 4 5 3 6
Y 60 70 75 80 ٕ .قدر معدؿ طالب يدرس ) (2ساعة ؟
ٖ .رسـ الخط المقدر مع رسـ االنتشار ؟
44
انفصم انثبنث
بعد اف تـ تقدير معممات نموذج االنحدار األساسي ذي المتغيريف ،وتحديد صفات المقدرات وتوزيعيا في
الفصؿ السابؽ ننتقؿ الى مرحمة االستدالؿ حوؿ صحة النتائج التقديرية .ويتطمب ذلؾ مرحمتيف:
ٔ -االستدالؿ حوؿ المعممات المقدرة أو القيـ التنبؤية ويتمثؿ ذلؾ باختبار الفرضيات وكذلؾ فترات
الثقة.
Analysis of variance. ٕ -جدوؿ تحميؿ التبايف
Goodness of fit. ٖ -اختبار حسف التوفيؽ
المرحمة الثانية:وتتضمف ىذه المرحمة استخداـ اختبارات مناسبة لمتحقؽ مف اف فرضيات النموذج قد
تحققت.
وستختص فقرات الفصؿ الثالث لما تتطمبو المرحمة االولى .اما المرحمة الثانية فسيتـ عرضيا في الباب
الثاني.
بعد تقدير المعممات فالسؤاؿ المطروح ىؿ يمكف الركوف الى ىذه النتائج؟ وما مدى ثقتنا بيا.
عمى سبيؿ المثاؿ ما مدى ثقتنا في كوف المعممة 0موجبة في الحقيقة؟ فاذا كاف تقديرنا لػ 0
ىو ،0.001فيؿ يكوف مقنعاً بالقوؿ اف 0موجبة وليست صف اًر.
واذا افترضنا اف ، βٔ = 0.9فيؿ اف تقديرنا لػ ٔ (ˆ1 0.72) βغير متسؽ مع االفتراضβٔ = 0.9؟
فقد يكوف التفاوت بيف التقدير والقيمة الحقيقية نشأ مف حجـ العينة التي تـ استخداميا في التقدير .فاذا
كانت درجة مادة االحصاء في المرحمة االولى مف قسـ االحصاء في جامعة البصرة ىي ) ،(69فبل ينبغي
اف نتوقع اف الدرجة المتوسطة لمجموعة عشوائية مف ) (10أفراد مثبلً يكوف ) (69بالضبط.
في ىذه الفقرة نيتـ بدراسة التناسؽ بيف تقديرات المعممات والفرضيات المسبقة ،وكذلؾ بناء فترة ثقة حوؿ
تقديرنا ،لتمكننا مف استخداـ تقدير النقطة اليجاد التقدير بالفترة.
45
)(1-1-3تفسير اختبار الفرضيات Interpretation of testing hypothese
اف منيج االختبار يتمخص بوضع فرضية العدـ ) (H0وفرضية بديمة ) (H1ونسعى لقبوؿ فرضػية
العػػدـ أو رفضػػيا عمػػى اسػػاس الفػػرؽ بػػيف القيمػػة المفترضػػة لممعممػػة وتقػػديرنا ليػػا .فػػاذا كػػاف الفػػرؽ بػػيف ) ˆ(
وبيف القيمة المفترضة ) ( βأي ) قيمة المعممة فػي المجتمػع الػذي سػحبت منػو العينػة ( كبيػ اًر جػداً فيكػوف
القػرار بػرفض فرضػػية العػػدـ ،وفرضػػية العػػدـ تحػػدد فييػػا القػػيـ التػػي يعتقػػد الباحػػث بانيػػا ال تعبػػر عػػف القيمػػة
الحقيقية لممعممة .ولتحديد مقدار الفرؽ الكبير ،البد مف اختيار مستوى داللة معيف.
ٕ -اذا كنا نسعى الى اثبات اف ميؿ انحدار المجتمع موجباً او اف الحد الثابت موجباً فتكوف
الفرضية:
46
H0: β1 ≤ 0 vs. H1: β1> 0
. . .أو: )(2-3
H0: β0 ≤ 0 vs. >H1: β0
ويسمى االختبار في ىذه الحالة اختبار بجانب واحد )(One – tail test
ٖ -أما اذا أردنا اثبات اف ميؿ انحدار المجتمع سالباً او اف الحد الثابت سالباً فاف الفرضية تصاغ
عمى وفؽ اآلتي:
H0: β1 ≥ 0 vs. H1: β1< 0
. . .أو: )(3-3
H0: β0 ≥ 0 vs. H1: β0< 0
وىكذا يمكف تعميـ الحاالت الثبلث السابقة الي قيمة معمومة ) غير الصفر ( وكاآلتي:
الحالة االولى:
H0: β1 = (β1)0 vs. H1: β1 ≠ (β1)0
. . .أو: ')(1-3
H0: β0 = (β0)0 vs. H1: β0 ≠ (β0)0
الحالة الثانية:
H0: β1 ≤ (β1)0 vs. H1: β1> (β1)0
أو: . . . ')(2-3
H0: β0 ≤ (β0)0 vs. H1: β0> (β0)0
الحالة الثالثة:
H0: β1 ≥ (β1)0 vs. H1: β1< (β1)0
. . .أو: ')(3-3
H0: β0 ≥ (β0)0 vs. H1: β0< (β0)0
والجدير بالذكر اف صياغة الفرضيات واختيار حجـ الخطأ مف النوع االوؿ) (αينبغي اف تسبؽ تحميؿ
البيانات والحصوؿ عمى المقدرات.
47
اف دالتيا االحتمالية ىو المنحنػى الطبيعػي* وبػذلؾ يمكػف تحديػده بواسػطة الوسػط الحسػابي والتبػايف .والتػي
يمكف إدراجيا كاآلتي:
) ut ~ N ( 0 , σ2
) Y ~ N ( β0 + β1 X , σ2 فاف:
وكما أوضحنا في الفصؿ الثاني اف ˆ0و ˆ1توليفات خطية بداللة األخطاء العشوائية
un ، . . . ، u1لقيـ معطاة لممتغير المستقؿ . Xوىي مقدرات غير متحيزة ،وتـ اشتقاؽ صيغاً لتبايناتيا
وبذلؾ يمكف اف نكتب توزيع ىذه المقدرات كاآلتي:
2 X
2
ˆ
0 ~ N ( 0 , )
nx 2
2
ˆ1 ~ N ( 1 , ) وكذلؾ
x 2
وبذلؾ يمكننا استخداـ طرؽ اإلحصاء الختبار الفرضيات المرتبطة بػ β0و β1ومبادئ
اإلحصاء األولية التي يمكننا مف استخداـ توزيع Zالطبيعي المعياري وجداولو الخاصة .واستخداـ
االحصاءة Zيتطمب اف تكوف قيمة تبايف المجتمع معموماً .وحيث اف تبايف المعممات المقدرة ˆ0و ˆ1
تعتمد عمى تبايف الخطأ σ2وىي قيمة غير معمومة لذلؾ فاف تبايف المعممات المقدرة ˆ0و ˆ1ىي
األخرى غير معمومة .ولقد تـ استخداـ المقدر ˆ مف أجؿ الحصوؿ عمى تباينات المقدرات حيث
2
ei2
ˆ 2
)(n 2
ومع ىذا التعديؿ فميس باإلمكاف استخداـ المنحنى الطبيعي الختبار الفرضيات وانما يتـ اعتماد توزيع
ستيودنت** tبدرجات حرية ) . (n-2ويتـ استخداـ الجداوؿ الخاصة بتوزيع tولدرجات حرية )(n-2
الستخراج القيـ النظرية .وبذلؾ فاف االحصاءة المستخدمة ىي:
____________
* اف كثير مف النتائج المذكورة في ىذا الكتاب ال تتطمب مف الناحية الفنية ليذا االفتراض.
** يشبو توزيع tالتوزيع الطبيعي .ومع كبر حجـ العينة ) (nفاف التوزيع سوؼ يؤوؿ الى التوزيع الطبيعي.
48
ˆ0 ( 0 ) 0
ˆt
0
s.e( ˆ0 )
... )(4 - 3
ˆ1 ( 1 ) 0
ˆt
1
s.e( ˆ1 )
و . (3 3) و (2 3) الختبار الحاالت الثبلث المذكورة في المعادالت (1 3)
وتسمى القيـ في المعادلة ) (4-3قيـ tالعممية ) المحسوبة ( وتقارف ىذه القيـ العممية مع النظرية والتي
يتـ استخراجيا مف جداوؿ خاصة بتوزيع tولدرجات حرية ) (n-2وبموجب مستوى معنوية مختار مسبقاً
ويرمز لوtc ( n 2, ) :
: γىو االحتماؿ الذي يكوف متغير tبدرجات حرية ) (n-2أقؿ مف tcمع مبلحظة:
: في حالة اختبار الطرفيف.
2
: في حالة اختبار الطرؼ الواحد.
الحالة األولى :في حالة االختبار ذي الطرفيف ،اذا كانت قيمة المعممة المقدرة أكبر مف ضعؼ حجـ
الخطأ المعياري المقدر ،فاف االستنتاج يكوف اختبلؼ المعممة المقدرة معنوياً عف الصفر وعند مستوى
معنوية 5%بمعنى رفض فرضية العدـ المذكورة في المعادلة ). (1-3
أما اذا كانت قيمة المعممة المقدرة اكبر مف ثبلثة أمثاؿ حجـ الخطأ المعياري المقدر فاف ىذه المعممة
مختمفة عف الصفر عند مستوى معنوية . 1%
وبشكؿ عاـ المخطط التالي يوضح منطقة القبوؿ والرفض لمفرضية بجانبيف وبافتراض مستوى معنوية
:α %
منطقة القبول
Acceptance Region
49
المساحة المضممة تمثؿ منطقة الرفض ، Rejection Regionفعندما تقع القيمة المحسوبة لػ tفي
منطقة الرفض يكوف القرار برفض H0أي عدـ رفض . H1والعكس صحيح.
مثاؿ ) :(1-3لوحة البيانات عف دراسة لفحص العبلقة بيف الخبرة واالجر لمجموعة اف ارد في حرفة معينة
ومنطقة جغرافية معينة ،حيث اف الخبرة متمثمة بعدد سنوات الخدمة ) (Xواالجر ) (Yبالؼ دوالر ولعينة
مكونة مف ) (16حرفي.
1
S XY 13210 )(245)(750
16
13210 11484.38
1725.62
1
S XX 5291 (245) 2
16
5291 3755.238
1539.44
1725.62
ˆ1 1.121
1539.44
51
ˆ0 Y ˆ1 X
) 46.88 (1.121)(15.3125
29.71
H1: β1 ≠ 0
نسبة :t
ˆ1
t *ˆ
1
) s.e( ˆ1
ˆ 2 ˆ 2
s.e( ˆ1 ) var( ˆ1 )
x 2 S XX
e 2
ˆ 2
حيث اف:
n2
e 2 y 2 ŷ 2
yˆ 2 ESS ˆ1S xy (1.121)(1725.62) 1934.42 و
(Y ) 2 (750) 2
S yy TSS y Y 2
38080
2
2923.75
n 16
e2 RSS TSS ESS
2923.75 1934.42
989.33
989.33
ˆ 2 70.67
14
70.67
var( ˆ1 ) 0.046
1535.76
51
s.e(ˆ1 ) 0.046 0.214
1.121
t*ˆ ىي: نسبة tلممعممة ˆ1
1
0.214
5.238
نختار مستوى داللة 5%ونستخرج القيمة النظرية لمنسبة tمف جداوؿ tبدرجات حرية ) (n-2وتحت
tc (14, 0.025) 2.145 مستوى داللة 0.025الف االختبار ذو طرفيف:
القرار :الف ) t ˆ1 tc (14, 0.025نرفض H0أي اف المعممة β1في المجتمع تختمؼ عف
*
الصفر .أو اف المتغير Xميـ في تحديد التغيرات في المتغير .Yبعبارة أخرى اف سنوات الخبرة ميمة في
تحديد قيمة األجر السنوي.
وبالطريقة نفسيا يتـ اختبار الفرضية:
H0: β0 = 0
H1: β0 ≠ 0
29.71
t*ˆ 7.626
0
3.896
tc (14, 0.025) 2.145
اذف نرفض H0أي اف المعممة β0معنوية إحصائياً.
الحالة الثانية :في حالة االختبار بذيؿ واحد ) جانب واحد ( ،نكوف نسبة tمف المعادلة ) (4-3ونقارنيا
بػ ).tc(n-2,α
اذا كانت القيمة الحسابية ضمف منطقة القبوؿ ) . t ˆi tc ( n 2,
52
فاف القرار يكوف بقبوؿ الفرضية H0والعكس صحيح.
والمخطط يوضح ذلؾ.
منطقة القبول
t t
0.121
0.565
0.214
االختبار مف طرؼ واحد باستخداـ مستوى داللة 5%مثبلً:
t c (14,0.05) = 1.761
وبإتباع المخطط
منطقة القبول
t = -1.761 0.565
فاف القيمة المحسوبة لػ tتقع ضمف مجاؿ القبوؿ
فالقرار يكوف بقبوؿ فرضية العدـ باف β1اكبر مف واحد.
53
الحالة الثالثة :بعد تكويف نسبة tمف العبلقة ) (4-3تتـ مقارنتيا بػ tالنظرية بدرجات حرية )(n-2
ومستوى داللة .α %
منطقة القبول
-t t
t
والمنطقة المضللة تمثل منطقة الرفض.
H1: β1 ≥ 0
0.211
t *ˆ 0.78
1
0.27
باستخداـ مستوى داللة 5 %
t c (13,0.05) = 1.771
يتضح مف االمثمة المذكورة اف اختبارات المعنوية التي تخص المعممة β1ىي اكثر أىمية مف االختبارات
التي تخص معممة الحد الثابت ) . (β0اذ اف المعممة β1والتي تمثؿ معممة االنحدار فاف اختبار معنويتيا
54
تدؿ عمى اختبار معممة االنحدار واختبار لمعبلقة بيف متغير االستجابة Yمع المتغير المستقؿ Xفاف
قبوؿ الفرضية H0: β1 = 0
يشير إلى أحد األمريف:
-1اف المتغير المستقؿ Xليس لو تأثير معنوي حقيقي عمى االستجابة وبذلؾ فاف Y Y
ألي قيمة مف قيـ . X
المخطط يوضح ىذه الحالةY.
X
X1 X2 X3
X
X
ٕ -أو بالرغـ مف وجود تأثير خطي لػ Xعمى Yفاف نموذجاً بدرجات أعمى يكوف أفضؿ لتمثيؿ
البيانات ،والمخطط يوضح ذلؾ.
55
Y
X
كما ويمكف استخداـ حدود الثقة كأسموب الختبار معنوية معممة معينة فاذا كانت القيمة المختبر حوليا
( i ) 0تقع ضمف حدود الثقة فذلؾ يدلؿ عمى قبوؿ فرضية العدـ والعكس صحيح.
56
مثاؿ ) : (4-3استخدـ معمومات المثاؿ ) (1-3نفسيا ص.50
حدود الثقة لمعممة االنحدار β1باحتماؿ 95%ىي:
الحد األدنى:
)L ˆ1 s.e( ˆ1 ) tc (14, 0.025
1.121 0.214(2.145) 0.662
الحد األعمى:
)U ˆ1 s.e( ˆ1 ) tc (14, 0.025
1.121 0.214(2.145) 1.58
اذف يمكف استخداـ فترة الثقة أيضاً الختبار معنوية المعممة ،وبيذا فاف β1تعد معنوية باستخداـ مستوى
معنوية 5%وذلؾ ألف الصفر غير مضمف في فترة الثقة لممعممة باحتماؿ .95%
أي اف قيمة المقطع الصادي β0لممجتمع نجدىا في المجاؿ ) ( 21.35 , 38.066وباحتماؿ . 95%
ويمكف مبلحظة اف قيمة الصفر غير مضمنة في تمؾ الفترة لذا نستنتج باف المعممة β0تختمؼ معنوياً عف
الصفر.
اف الربط الجوىري بيف ) مجاؿ الثقة ( و ) اختبار المعنوية ( يمكف تمخيصو عمى وفؽ االتي:
-في حالة مجاؿ الثقة نحاوؿ تحديد المجاؿ او المدى الذي يمتمؾ احتمالية محدودة الحتواء القيمة
الحقيقية لممعممة والتي تكوف غير معمومة.
57
-اما في حالة اختبار المعنوية فاننا نفترض قيمة معينة لممعممة ثـ نحاوؿ اف نرى فيما اذا كانت القيمة
المقدرة ) ( ˆiمحصورة في مجاؿ معقوؿ حوؿ القيمة االفتراضية
)(3-3االستدالل حول متوسط االستجابة الحقيقي عند مستوى معموم لممتغير Inference about .X
mean prediction at given value of X
في الفصؿ الثاني تـ التطرؽ إلى أحدى أىـ التطبيقات لنموذج االنحدار وىو تكويف التنبؤات
والتي تـ تصنيفيا إلى تنبؤات ضمف حدود العينة أو تقدير متوسط االستجابة واآلخر ىو تقديرات لمقيمة
التنبؤية الجديدة .وفي ىذه الفقرة سيتـ تحديد توزيع المعاينة لكؿ مف متوسط االستجابة وكذلؾ لمقيمة
التنبؤية الجديدة مف اجؿ الحصوؿ عمى فترة ثقة أو اختبار الفرضيات حوليما.
نفترض اف Xfىي قيمة مف القيـ الحقيقية لممتغير . Xونرغب في عمؿ تقدير فترة ثقة لمتوسط االستجابة
) ، (Y X X fومع توافر المقدرات ˆ0و ˆ1باالعتماد عمى عينة بحجـ ) (nمف مشاىدات )(X
و ) ،(Yوحيث اف ˆ0و ˆ1ىي مقدرات غير متحيزة لػ β0و ، β1لذا فاف الصيغة
Yˆf ˆ0 ˆ1 X fىي مقدر غير متحيز لػ Yfبعبارة اخرى:
(Y X X f ) Yˆf ˆ0 ˆ1 X f
والقيمة المتوسطة لػ ˆ Yىي . Yfأما نوع التوزيع لػ Yfفيو التوزيع الطبيعي ،الي قيمة مف قيـ Xfالمعطاة،
) Y ˆ1 ( X f X
) var(Yˆf ) var Y ˆ1 ( X f X
) var(Y ) var ˆ1 ( X f X ) 2 cov Y , ˆ1 ( X f X
cov Y , ˆ1 ( X f X ) 0 وحيث اف ˆ1ال تعتمد عمى Y
2
var(Yˆf ) ) ( X f X ) 2 var( ˆ1
n
58
2 2
(X f X ) 2
... )(6 - 3
n S XX
1 ( X f X )2
2
Yˆ f 2
n S XX
ويمكف تمخيص ذلؾ:
1 ( X f X )2
Yˆf ~ N 0 1 X f ;
2
... )(7 - 3
n xi
2
ei2
ˆ
2
وحيث اف σ2غير معمومة ويمكف تقديرىا عمى وفؽ:
n2
) (2-3-3حدود الثقة لمتوسط االستجابة Confidence interval for mean prediction.
وبذلؾ فاف فترة الثقة باحتماؿ ) ( 1 – αلػ Yˆfيحسب عمى وفؽ اآلتي:
Yˆf t ˆ Yˆ (Y X X f ) Yˆf t ˆ ˆ Y ... )(9 - 3
) c ( n 2, f ) c ( n 2, f
2 2
مثاؿ ) :(5-3بالعودة الى المثاؿ ) (1-3لدراسة العبلقة بيف الخبرة واألجر .افترض اف عدد سنوات الخدمة
ألحد أفراد المجتمع Xf = 10فاف أجره يحدد عمى وفؽ:
)Yˆ10 29.71 1.121(10
40.9 2
) (40.92ألؼ دوالر أجرة الفرد الذي خدمتو ) (10سنوات.
e 2 1 ( X f X )
2
59
1
) 70.67 0.01833 70.67 (0.08083
16
5.7122
s.e(Yˆ10 ) 2.3900
مجاؿ الثقة لمتوسط االستجابة عندما Xf =10وباحتماؿ 95%ىو:
ويمكف بالطريقة نفسيا إيجاد فترة ثقة ) E (Y/X=Xfولكؿ قيمة مف قيـ Xاألصمية.
61
tc (13,0.025) 2.16
وبما اف القيمة المحسوبة )العممية( لنسبة tاكبر مف القيمة الجدولية ) النظرية( نرفض فرضية العدـ.
بمعنى اف متوسط االستجابة عند X f 10لممجتمع تختمؼ معنوياً عف الصفر.
التنبؤية الجديدةProbability distribution and : )(4-3التوزيع االحتمالي وحدود الثقة لـ Y f
level of significance for individual prediction
اف التنبؤ المستقبمي لػ ) ، Y (Y fيكوف متطابقاً مع المقدر Yˆf ˆ0 ˆ1 X f
الذي يمثؿ متوسط االستجابة عندما . X X f
غير اف ىناؾ فرقاً بيف تقدير متوسط االستجابة ) (Y X X fوبيف التنبؤ باالستجابة الجديدة
) . (Y f newفي األوؿ يتـ تقدير متوسط التوزيع إلى yفبتكرار المعاينة ستتولد لدينا عدة معادالت انحدار
تقديرية وبتقدير متوسط التوزيع إلى Yيتـ تقدير متوسط االستجابة .أما في حالة التنبؤ بالقيمة الجديدة
فإننا نتنبأ بنتيجة مفردة تسحب مف توزيع Yوىي مستقمة عف العينة األساسية.
Y f Yˆf u f وينشأ عف ذلؾ:
حيث اف ufخطأ عشوائي جديد باالفتراضات السابقة نفسيا وىو خطأ التنبؤ لمعينة المختارة.
) (e f Y f Yˆf والذي متوسطو = صفر
ويتوزع توزيعاً طبيعياً
) var(e f ) var(Y f ) var(Yˆf اما تباينو:
1 ( X f X )2
2 2
n S XX
1 (X f X )
2
1
2
n S XX
وباختصار e f ~ N (0, var(e f )) : وىو اكبر مف تبايف متوسط االستجابة.
وبذلؾ فاف:
ef
~ )N (0,1
) 1 (X f X
2
61
ˆ e 2
n2
وبذلؾ:
Y f Yˆf
~ ) t( n 2 )(11 - 3
) 1 (X f X
2
وفترة الثقة لمقيمة التنبؤية الجديدة تكوف أوسع مف فترة الثقة لمتوسط االستجابة ،ىذا فضبلً عف اف فترة
الثقة تزداد مع ابتعاد القيمة التنبؤية لػ ) X(Xfعف متوسط قيـ ) X ( Xلكؿ مف متوسط االستجابة أو
لمقيمة التنبؤية الجديدة.
ويمكف توضيح ذلؾ مف خبلؿ الشكؿ )(1-3
الشكل )(1-3
Y
ˆ0 ˆ1 X
) 1 (X f X
2
t ˆ 1 1 n t ˆ 1
n x2
X
X Xf
مثاؿ) :(7-3باالعتماد عمى معمومات المثاؿ) (1-3لفرد في الحرفة نفسيا خبرتو)سنوات خدمتو( )(25
سنة فاف فترة تنبؤية باحتماؿ 95%ألجره المتوقع يحسب عمى وفؽ اآلتي:
)Yˆ25 29.71 1.121(25
57.735
62
ˆ 1 (25 15.3125) 2
var(Y25 ) 70.67(1 )) 70.67(1.063 0.061
16 1539.44
79.433
ˆ 8.913
)57.735 8.913(2.145) Y25 57.735 8.913(2.145
38.617 Y25 76.853
لذا فاف فرداً بالحرفة نفسيا وبخبرة ) (25سنة ،يتوقع اف يكوف أجرة بيف 76.853الؼ دينار و 38.617
الؼ دينار.
ويمكف استخداـ مجاؿ الثقة الختبار فيما اذا كانت المشاىدات الجديدة ) ( X f , Y fمتولدة مف ىيكؿ
المولد نفسو لمشاىدات العينة اـ ال.
فمثبلً النقطة ) (25,80تكوف قيمة Yخارج مجاؿ الثقة وبالتالي نستنتج باف ىذه النقطة التتولد مف ىيكؿ
العينة نفسو.
var(Yˆ10 )
e
2
1
1 (10 X ) 2
X 2
,
n2 n S XX
) ( X 2
63
حدود الثقة باحتماؿ 99%لمقيمة التنبؤية الجديدة عندما : X f 10
)9.5 4.526(3.012) Y10 9.5 4.526(3.012
9.5 13.632 Y10 9.5 13.632
4.132 Y10 23.132
يمكف اف نستنتج مف فترة الثقة باف القيمة التنبؤية الجديدة غير معنويػة الف قيمػة الصػفر توجػد ضػمف فتػرة
الثقة.
)(5-3تحميل التباين لنموذج االنحـدار الخطـي البسـيط ANOVA for simple Linear Regression
Model.
فػػي ىػػذه الفق ػرة سػػتتـ د ارسػػة تحميػػؿ التبػػايف .والبػػد مػػف التأكيػػد ىنػػا الػػى اف اختبػػار معنويػػة
المتغي ػػر المس ػػتقؿ ( 0 : 1 0) . Xوال ػػذي تم ػػت د ارس ػػتو ف ػػي المبح ػػث ) ،(1-3يمك ػػف ايضػ ػاً معالجت ػػو
باستخداـ اطار تحميؿ التبايف ،والجدوؿ ) (1-3يوضح ذلؾ.
يتكػوف الجػػدوؿ مػف عػػدة أعمػدة ،العمػػود االوؿ يتمثػؿ بتقسػػيـ التغيػرات االجماليػػة فػي المتغيػػر Yالػى تغيػرات
مشػروحة مػف قبػؿ المتغيػر Xومتغيػرات غيػر مشػروحة متروكػة لحػد الخطػأ العشػوائي كمػا تػـ توضػيحو فػػي
الفقرة ). (8-4-2
والعمود الثاني يمثؿ مجموع المربعات لفقرات العمود االوؿ ،ويرمز لو . ss
والعمػػود الثالػػث يمثػػؿ درجػػات الحريػػة لفقػرات العمػػود االوؿ .ويرمػػز لػػو d.fوتتميػػز عناصػػر كػػؿ عمػػود بػػاف
حاصؿ جمعيا يمثؿ المجموع الكمي.
والعمود ال اربػع يتمثػؿ بمتوسػط المربعػات ) (MSيػتـ الحصػوؿ عمػى عناصػره بقسػمة عناصػر العمػود الثػاني
)مجموع المربعات( لكؿ سطر عمى عدد درجات الحرية المناظر لو في العمود الثالث.
واليفوتنا التأكيد عمػى اف التفسػير البػدييي لمفيػوـ درجػات الحريػة ) (d.fىػو عػدد القػيـ التػي يمكػف وضػعيا
بشكؿ كيفي )اعتباطي( .فمثبلً لقيـ yيمكف وضع ) (n-1مف قيمو كما نشاء .وتبقى المشاىدة االخيرة )(n
البػد مػف تحديػدىا تحػت شػرط y 0وكػذلؾ بالنسػبة لقػيـ االخطػاء ) (eيمكػف تحديػد ) (n-2مػف قيميػا
كيفما اتفؽ .حيث اف تقدير المربعات الصغرى يضع قيديف عمى ) (eوىما e 0و . Xe 0
وبذلؾ تبقى درجة حرية واحدة مرتبطة بمجموع المربعات المشروحة والتي تعتمد عمى معممة .β1
أما العمود االخير في الجدوؿ فيتمثػؿ بقيمػة Fوالمتمثمػة بقسػمة متوسػط المربعػات المشػروحة عمػى متوسػط
المربعات غير المشروحة
MES ESS 1
F ... )(13 - 3
)MRS RSS (n 2
64
وبذلؾ فاف أثر المتغير Xيمكف االستدالؿ حولو واختيار أىميتو لمعادلة االنحدار مف خبلؿ مقارنة القيمة
العممية لػ Fمع القيمة النظرية )الجدولية( والتي تستخرج مف جداوؿ Fالخاصة بدرجات حرية) (1لمبسط و
) (n-2لممقاـ ومستوى داللة . 5%
ESS 1
F )F(1,n2,0.95 فاذا كانت:
)RSS (n 2
فيكوف القرار برفض فرضية العدـ ( 0 : 1 0) :عند مستوى داللة . 5%
اف العبلقة ) (13-3يتـ الحصوؿ عمييا عمى وفؽ أساسيات اإلحصاء الرياضي كآالتي:
معموـ مف مباحث الفصؿ الثاني اف:
ˆ1 1
)~ N (0,1
S XX
( ˆ1 1 ) 2
)~ 2 (1
S XX
2
e 2
وكذلؾ~ 2 ( n 2 ) :
2
( ˆ1 1 ) 2 x 2
F ) ~ F(1, n 2
)e 2 (n 2
حيث اف Fىي النسبة لمتغيريف مستقميف كؿ منيما ذو توزيع χ2مقسوـ عمى عدد درجات الحرية
0 : 1 0 المناسبة .وتحت فرضية العدـ:
ˆ12 x 2
F . . . )(14 - 3
)e 2 (n 2
65
جدوؿ)(1-3
جدوؿ تحميؿ التبايف لبلنحدار البسيط
- ANOVA-
Source of variation Sum of squares Degree of Mean squares
مصدر المتغيرات ) (SSمجموع المربعات freedom MSSمتوسط مجموع
) (d.fدرجات الحرية المربعات
) : (xاالنحرافات الموضحة ESS yˆ 2 ˆ12x 2 1 ESS 1
̂1xy
(البواقي) :االنحرافات غير n-2 RSS n 2
الموضحة RSS e 2
مثاؿ ) : (9-3بالرجوع الى معمومات المثاؿ ) (1-3فاف اختبار أىمية المتغير التوضيحي ) عدد سنوات
الخدمة ( في تحديد االجر ،يمكف اختباره عمى وفؽ جدوؿ تحميؿ التبايف كاالتي:
vs 0 : 1 0 1 : 1 0
تحسب قيمة Fلمعينة:
ESS 1934.42
RSS 989.33
n 2 14
1934.42 1 1934.42
F 27.37
989.33 14 70.67
وبمقارنتيا مع القيمة الجدوليةF(1,14, 0.95) 4.60 :
نرفض فرضية العدـ ،أي اف المعممة β1معنوية أي اف قيمة Fلمعينة اكبر مف القيمة الجدولية
المتغير Xميـ في تحديد التغيرات في. Y
والنتيجة متماثمة مع مثاؿ) (1-3الذي تـ استخداـ نسبة tلبلختبار.
ويمكف وضع النتائج في الجدوؿ )(2-3
66
جدوؿ)(2-3
جدوؿ تحميؿ التبايف لممثاؿ )(9-3
S.o.v SS d.f MSS
X ESS 1934.42 ٔ 1934.42
مبلحظة :البد مف التنويو ىنا اف استخداـ جدوؿ تحميؿ التبايف يصمح الختبار الفرضية )( 0 : 1 0
حص اًر .اما اختبار الفرضيات حوؿ معنوية المقطع الصادي أو اختبار الفرضية ذات الطرؼ الواحد أو
اختبار الفرضيات باف 1تساوي قيمة معينة فبل يصح إال باستخداـ االحصاءة . t
67
22%فقط مف ىذه التغيرات اإلجمالية تركت لحد الخطأ.
فيو بذلؾ يقيس تشتت المشاىدات حوؿ خط االنحدار.
فكمما كانت المشاىدات قريبة مف الخط المقدر يعطي داللة عمى اف التقدير جيد .وعميو فاف R2تقيس
مقدار التغيرات في Yالتي تـ توضيحيا عف طريؽ التغيرات في . X
اما قيمة ىذا المؤشر فتمتمؾ الصفتيف:
ٔ -قيمتو غير سالبة النو نسبة بيف مجموع المربعات المشروحة الى الكمية.
ٕ -حدود قيمتو0 R 2 1 :
فاذا كانت القيمة تساوي واحد يعني اف جميع مشاىدات العينة تقع عمى معادلة الخط المقدر ،أي اف
العبلقة بيف Yو Xتامة ) ، (perfectأي اف ) (Yˆi Yi iكما في ) (aمف الشكؿ ).(2-3
وعمى النقيض مف ذلؾ اذا كانت R2=0فيذا يعني التوجد عبلقة بيف Yو ) Xبمعنى ( ˆ1 0وبذلؾ
. Yˆi ˆ0 Yبمعنى اف افضؿ تنبؤ لقيـ Yيكوف ببساطة ممثمة بقيمة المتوسط وفي ىذه الحالة فاف
الخط المستقيـ المقدر يكوف خطاً موازياً لممحور Xكما في الشكؿ ). (b
والبد مف التأكيد باف R2قد يكوف مقياساً غير جيد لمداللة عمى مبلءمة النموذج لمبيانات كما في ) (cو
) (dمف الشكؿ ). (2-3
الشكل )(2-3
Y Y
ˆ0
X X
)(a )(b
Y Y
Y X2
r0
X X
)(c )(d
68
مثاؿ ) : (11-3بيانات الجدوؿ ) (1-2لممثاؿ )(1-2
معامؿ التحديد:
ESS 221966.242
R2
TSS 240407.309
0.92329
ىذا يعني اف 92%مف التغيرات في المتغير Yتـ تحديدىا بواسطة التغيرات في المتغير ، Xكما اف
) (1-92.32976أي 7.67%مف التغيرات لـ تتمكف معادلة االنحدار توضيحيا بؿ تركت لحد الخطأ.
كما يمكف حساب معامؿ التحديد مف أحد القوانيف التالية:
ESS
R2
TSS
yˆ 2
y 2
)(16 3
ˆ12 x 2 ˆ 2 x
2
1
y 2
y
2
ˆ1xy xy
ˆ1
2
y 2 y
69
) ( X X )(Y Y XY XY n xy
r ˆ xy ). . . (17 - 3
) ( X X ) (Y Y
2 2
) (X2
) (Y 2
x y2 2
X 2 Y 2
n n
Y Y
X X
)(a )(b
r = -1r = +1
Y Y Y
71
ٕ -متماثمة أي) ( rXY = rYXوخالية مف الوحدات ومستقمة عف نقطة األصؿ .اذا كانت
X aX cو d ، c ، a > 0 ، b > 0 ، Y bY dثوابت ،فاف معامؿ ارتباط
* *
ٗ – بالرغـ مف اف المقياس يوضح درجة الترابط الخطي بيف متغيريف ولكنو في الوقت نفسو ال يبرر
وجود عبلقة سببية بيف المتغيريف فربما ينشأ الترابط بسبب وجود متغير ثالث يظير ذلؾ
الترابط.
-5قوة العبلقة بيف متغيريف يمكف تحديدىا مف حيث درجة قربيا أو بعدىا عف )( ± 1حيث اف
المدى لمعامؿ االرتباط البسيط ىو (1- < r < 1) :ويمكف تصنيؼ درجات القوة كما في الشكؿ
)(4-3
الشكؿ )(4-3
درجات قوة معامؿ االرتباط
ارتباط عكسي ارتباط طردي
* * * * * *
-1 1
قوي -0.9قوي جداً ضعيؼ -0.5متوسط -0.7 0 0.5ضعيؼ قوي جداً 0.9قوي 0.7متوسط
مثاؿ ) :(12-3افترض المساحة المزروعة باألعبلؼ الخضراء )ألؼ ىكتار( ) (Xواجمالي انتاج المحوـ
)) (Yألؼ طف( لمسنوات .2006-1999
السنة 1999 2000 2001 2002 2003 ٕٗٓٓ 2005 2006 المجاميع
المساحة X 305 313 297 289 233 214 240 217 2108
اإلنتاج Y 592 603 662 607 635 699 719 747 5264
المطموب :حساب معامؿ االرتباط بيف المساحة المزروعة وكمية إنتاج المحوـ .ووضح داللتو اإلحصائية.
71
الحؿ :بتطبيؽ العبلقة ) (17-3عمى وفؽ االتي:
-3نحسب المجاميع:
xy S xy 13528 , x 2 S xx 12040 , y 2 S yy 23850
72
13528
r
12040 23850
13528 13528
r 0.798
(109.727)(154.434) 16945.619
الداللة اإلحصائية :يوجد ارتباط عكسي قوي بيف المساحة المزروعة وكمية انتاج المحوـ .فزيادة
المساحات المزروعة تسيـ بانخفاض المساحات المحددة لمرعي وىذه بدورىا تؤدي الى انخفاض الثروة
الحيوانية أي انخفاض انتاج المحوـ.
)(2108)(5264
1373536
r 8
2
)(2108 (5264) 2
567498 558009
8 8
13528 13528
12040 23850 16945.619
0.798
وىي النتيجة السابقة نفسيا.
73
اختبار معنوية االرتباط البسيط:
معامؿ االرتباط بيف المتغيريف Xو Yلممجتمع قيمتو مجيولة ρXYوتـ تقدير معامؿ االرتباط
، ( ˆ XYولمتحقؽ مف معنوية المعممة المقدرة ) (rXYيتـ إتباع التالي: لمعينة ) rXY
H0 : 0
H1 : 0
r 0
t* ~t ... )(19 - 3
1 r 2 ) ( n 2,
2
n2
0.798
t* 3.244
0.246
tc ( 6, 0.025) 2.447
وبمقارنة قيمة * tالمحسوبة ) (3.244مع القيمة الجدولية ) t c(2.447يتضح اف:
t * tc
فيكوف القرار بمعنوية معامؿ االرتباط احصائياً.
اف ىذا االختبار ىو مطابؽ تماماً الختبارH 0 : 1 0 :
. اقتراب Yو ˆY ىو ) ̂ ( YYيمكف استخدامو لقياس مدى فمعامؿ االرتباط البسيط بيف Yو ˆY
وىو بذلؾ يعد مقياساً لقدرة نموذج االنحدار عمى تفسير قيـ .Y
74
:ويمكف برىنة ذلؾ عمى وفؽ اآلتي
rXY R2
xy
rXY
x 2 y 2
12
xy x 2 ˆ1 x 2 ˆ12x 2
2 2
x x y
2 2
y 2
y
12
ESS
R2
TSS
:( عمى وفؽ اآلتيryyˆ R 2 ) كما يمكف برىنة
(Y Y )(Yˆ Yˆ )
rYYˆ
(Y Y ) 2 (Y Yˆ )
2
Y (Yˆ e) ˆ
Y Y :ولكف
n n
:البسط
(Y Y )(Yˆ Y ) (Yˆ e) Y Yˆ Y
(Yˆ Y ) e Yˆ Y
(Yˆ Y )(Yˆ Y ) e(Yˆ Y )
(Yˆ Y )2 eYˆ Ye
:الف
eYˆ e( ˆ0 ˆ1 X ) ˆ0e ˆ1eX
0
75
ESS
rYYˆ R2 ... )(20 - 3
TSS
بعبارة اخرى فاف مربع معامؿ االرتباط بيف متغيريف ) (Xiو ) (Xjيقيس جزء التغيرات المشتركة بيف ىذيف
أي اف 31%مف التبايف يكوف مشتركاً بيف المتغير X المتغيريف فاذا كاف )(r2=0.31)(rXY = .56
و.Y
جدوؿ)(2-3
جدوؿ تحميؿ التبايف ANOVA Table
البواقي
(1 R) 2 (Y Y ) 2 n-2 )(1 R 2 ) (Y Y ) 2 (n 2
76
مثاؿ) :(14-3استخدـ بيانات المثاؿ ) (10-3في تحديد جدوؿ تحميؿ التبايف.
(Y Y ) 2 135 , R 2 0.78 , n 20 ممخص البيانات:
فجدوؿ تحميؿ التبايف:
كما ويمكف معرفة معنوية العبلقة الخطية المفترضة بيف المتغير المعتمد والمتغير المستقؿ مف خبلؿ
مقارنة قيمة Fالنظرية )الجدولية( بدرجات حرية ) (1البسط و ) (18لممقاـ وباستخداـ مستوى داللة
معيف.
مثاؿ ) :(15-3اكمؿ جدوؿ تحميؿ التبايف الختبار خطية العبلقة بيف Xو Yاذا توفرت لديؾ المعمومات:
77
M ( ESS ) 198.5
F* 31.61
M ( RSS ) 6.28
رقـ المشاىدة 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
عيوب المنتج )(Y 39 35 40 28 35 30 33 33 26 40 41 33 31 33 38
الخبرة )(X 5 11 4 12 11 13 9 11 12 4 5 6 7 9 6
Y
X
78
(125)(515)
4128
X iYi X i Yi n 163.67
ˆ1 15 1.142 -
X i (X i ) n
2 2 2
(125) 143.3
1185
15
ˆ0 Y ˆ1 X 34.34 1.142(8.34) 43.85 -
. 1≈1.142 زيادة سنوات الخبرة سنة واحدة تؤدي الى انخفاض عيوب المنتج بمقدار
: اختبار معنوية المعممات-
:المقطع الصادي
vs H 0 : 0 0 H1 : 0 0
2 X (X ) 2
2
ˆ
var( 0 ) ˆ ; S xx X 2
143.3
nS xx n
e2 (Y ) 2
ˆ 2
; y Y
2 2
291.33 ;
n2 n
H 0 : 1 0 vs H1 : 1 0 : ˆ1 الميؿ -
ˆ ˆ 2 8.035
var( 1 ) 0.056
S xx 143.3
79
1.142
t *ˆ 4.82
1 0.237
tc (13,0.025) 2.16
نرفض . H0أي اف المتغير المستقؿ ميـ لتحديد التغيرات في . Y t *̂1 tc
43.85 2.105(2.16) 43.85 4.547 -مجاؿ الثقة لػ : 0
(39.303 , )48.396 أي:
64 %مف التغيرات في ) Yعيوب المنتج( يتـ توضيحيا مف قبؿ معادلة االنحدار باستخداـ خبرة العامؿ.
ANOVA Table
S.o.v SS d.f MSS *F
X 186.88 1 186.88
23.258
Error 104.45 13 8.035
Total 291.33 14
81
)(32.43 0.85(2.16)) (32.43 1.84
)(30.59 , 34.27
المشاىدة الجديدة (10,30) :التتولد مف ىيكؿ العينة نفسو ،الف قيمة Yتكوف خارج حدود مجاؿ الثقة
34.266و . 30.59
مثاؿ ) (17-3لدراسة جودة منتج معيف تـ اختيار عينة مف خمس عشرة مشاىدة وتـ قياس عدد العيوب
في كؿ منتج مف المشاىدات ) (Yواعتمد عمى خبرة العامؿ بقياسيا بعدد سنوات الخدمة )، (X1
والبيانات معروضة في الجدوؿ )(3-3
الجدوؿ )(3-3
عدد العيوب ) (Yوسنوات الخدمة ) (X1لعينة مف ) (15مشاىدة سحبت عشوائياً مف مصنع معيف.
Y 39 ٓٗ ٖ٘ 28 35 30 33 33 26 40 41 33 ٖٔ 33 38
X1 5 11 4 12 11 13 9 11 12 4 5 6 ٚ ٜ ٙ
المصدرhttp // samehar. word press.com :
ومف أجؿ االجابة عف الفقرات التالية:
ٔ .تقدير معادلة االنحدار.
81
ٕ .اختبار معنوية المعممات المقدرة.
ٖ .اختبار معنوية النموذج.
ٗ .حساب معامؿ التحديد.
يتـ استخداـ برنامج SPSSفتظير نتائج التقدير وكما موضحة في الجدوؿ):(4-3
جدوؿ )(4-3
نتائج التقدير الخاصة بالمعامبلت
. ˆ1 1.142 و فالعمود االوؿ يمثؿ قيـ معممات النموذج المقدرةˆ0 43.849 :
والعمود الثاني يمثؿ قيـ الخطأ المعياري لممعممات بالتناظر s.e(ˆ0 ) 2.041وكذلؾ
s.e(ˆ ) 0.237 1
ˆi
t
*
ˆ في حيف القيـ في العمود ) (4تمثؿ قيـ االحصاءة tالمحسوبة لكؿ معممة والتي تمثؿ
) s.e( ˆi
i
فاف قيمة tالمحسوبة لممعممة ˆ 0ىي ) (20.837وكذلؾ قيمة tالمحسوبة لممعممة ˆ1ىي
).(-4.823
أما العمود ) (5مف الجدوؿ فيشير الى قيـ pوىو االحتماؿ الذي تكوف المعممة المعنية معنوية .فاذا
كانت قيمة pأقؿ مف (p < 0.05)٘%فدليؿ عمى معنوية المعممة المعنية باستخداـ مستوى داللة .٘%
يمكف عرض النتائج بالصيغة التالية:
Yˆ 43.849 1.142 X 1
)s.e : (2.104 )(0.237
*)t : (20.837)* (4.823
اذ تشير )*( الى اف المعممة المعنية معنوية باستخداـ .٘%
ويمكف تفسير المعممات المقدرة كاالتي:
82
(1) ˆ0 43.849تمثؿ أثر المتغيرات غير المضمنة في معادلة النموذج عمى عيوب المنتج وىي
قيمة موجبة وكبيرة ،وتدؿ عمى اف ىناؾ متغيرات اخرى ميمة محذوفة مف معادلة التقدير مثؿ المواد
االولية المستخدمة ،او طرؽ التصنيع . . .الخ.
وتشير ˆ1 1.142الى اف زيادة سنة اضافية مف سنوات الخبرة لدى العامؿ كفيمة بخفض العيوب
في المنتج بمقدار ).(1.142
) (2اف قيمة ) s.e( ˆiاالنحراؼ المعياري لممعممات المقدرة منخفضة وىي أقؿ مف ) قيمة المعممة
1
2
ˆi
i ، t
*
ˆ المقدرة( فيذا دليؿ عمى معنوية المعممات والتي تؤكدىا قيـ tالمحسوبة لممعممات:
) s.e( ˆi
i
= 1,2
tوىي كبيرة مقارنة بالقيمة الجدولية باحتماؿ 5%وبدرجات حرية ) ( n-2وىذا ما
*
ˆ
20.837
0
تؤكده قيـ pالمناظرة ليا وىي أقؿ مف ، 5%أي اف معممة المقطع الصادي معنوية باحتماؿ .5%
ىي االخرى اكبر مف وكما اف القيمة المطمقة لبلحصاءة tالخاصة بمعممة االنحدار t *ˆ 4.823
1
) (3كما اف مخرجات البرنامج توفر جدوؿ تحميؿ التبايف والذي يساعد في اختبار معنوية النموذج ككؿ
عمى وفؽ اختبار Fوكاالتي:
جدول ()5-3
نتائج تحميل التباين
ANOVA
83
فالجدوؿ ) (5-3يوضح نتائج تحميؿ تبايف االنحدار) (ANOVAالذي مف خبللو يتـ اختبار معنوية
النموذج ككؿ ،فالعمود ) (1يمثؿ قيـ مجموع مربعات التغيرات لكؿ فقرة مف فقرات الجدوؿ وىي االنحدار
والبواقي والتغيرات االجمالية ،وىي عمى التوالي . 291.333 ، 104.449 ، 186.884
أما القيـ المعروضة في العمود) (2مف الجدوؿ فتشير الى درجات الحرية وعمى التوالي لبلنحدار= ،1
لمبواقي = ، 13ولممجموع = . 14 = n-1
والعمود) (3ىو متوسطات القيـ ) (MSوالتي تمثؿ مجموع المربعات لكؿ فقرة مقسومة عمى درجات الحرية
المناسبة ليا.
EMS
( F والقيمة كبيرة مقارنة بالقيـ الجدولية والعمود ) (4يمثؿ قيـ Fالحسابية ) 23.260
RMS
بدرجات حرية ) (1لمبسط و ) (13لممقاـ وىذا ما تدعمو القيمة في العمود ) (5اف ) (P = 0.000وىو اقؿ
مف ) (0.05وبالتالي فاف قيمة ) (Fدالة إحصائياً ،اي يمكننا القوؿ اف معادلة االنحدار ككؿ دالة
احصائياً عند مستوى داللة اقؿ مف ).(0.05
) (4كما اف مخرجات البرنامج توفر قيمة معامؿ التحديد كما في الجدوؿ )(6-3
جدوؿ )(6-3
ممخص نتائج تحميؿ االنحدار
R )R Square (R2 2
) Adjusted R ( R Std. Error of the
)(1 )(2 Square Estimate
)(3 )(4
.801 .641 0.614 2.8345
المصدر :نتائج برنامج SPSSباالعتماد عمى بيانات العينة.
ونبلحظ في جدوؿ ) (6-3ممخص لنتائج تحميؿ االنحدار يظير العمود ) (1معامؿ االرتباط المتعدد
) (R= 0.801بيف المتغير التابع والمتغير المستقؿ وىو نفسو معامؿ بيرسوف الف النموذج يحوي عمى
متغير مستقؿ واحد ،فيو يدؿ عمى اف ىناؾ عبلقة عالية بيف المتغير المستقؿ )خبرة العامؿ( والمتغير
التابع ) جودة المنتج( ،ويشير العمود ) (2الى معامؿ التحديد الذي يفسر نتائج النموذج ،وقيمتو
تساوي)(R2 =0.641وتعني اف النموذج المقدر يعبر عف ) %(64مف البيانات أي اف المتغيرالمستقؿ
يفسر) %(64مف تبايف المتغير التابع ،وفي العمود )(3تـ حساب معامؿ التحديد المعدؿ لمنموذج والذي
يساوي ) ( R 0.614ويستخدـ لمغرض نفسو المذكو اًر آنفاً ولكف بصورة ادؽ.
2
84
الخواص الحسابية لمقدرات المربعات الصغرى االعتيادية:
ٔ -يمر الخط المستقيـ المقدر مف نقطة متوسطات العينة لػ Yو : X
ٕ -القيمة المتوسطة لقيـ Yالمقدرة ) ˆ (Yتساوي القيمة المتوسطة لقيـ Yالفعمية ) : (Y
Yˆ ˆ0 ˆ1 X (Y ˆ1 X ) ˆ1 X البرىاف:
Y
ٖ -مجموع البواقي يساوي صف اًر:
) ei (Yi Yˆi البرىاف:
(Yi ˆ0 ˆ1 X i ) 0 تمثؿ المعادلة االولى مف المعادالت الطبيعية.
e 0
=0
٘ -البواقي ال ترتبط بالقيمة المقدرة لػ : Yi
البرىاف:
(eiYˆi ) eyˆ i
85
2
ˆ1
t2 ... )(21 - 3
ˆ
s.e( 1 )
86
(W1 =W2 =1000) وبذلؾ فافYi 1000Yi X i* 1000 X i
*
,
:بشكؿ عاـ
: Yi , X i االف افترض االنحدار باستخداـ المتغيرات
* *
ˆ * , ˆ 2 (5)
2
2 2
. rX *Y * , rXY (6)
w1 ˆ
ˆ1* 1 . . . (26 - 3)
w2
ˆ * w12ˆ 2
2
:وىكذا يمكف البرىنة عمى
var(ˆ0* ) w12 var(ˆ0 ) ... (27 - 3)
87
2
w
var( ˆ ) 1
*
1
) var( ˆ1 ... )(28 - 3
w2
2
rXY * rX2*Y . . . )(29 - 3
خبلصة القوؿ :بمعرفة األوزاف ) (wiيمكف عممياً اختيار وحدات القياس المناسبة سواء لمحسابات أو
لمتفسير.
) (1فاذا كانت وحدات قياس المتغير Xوالمتغير Yمتساوية ) (w1=w2=wفاف معممة االنحدارβ1
وانحرافو المعياري ) s.e (β1ال تتغير في كبل معادلتي االنحدار باستخداـ المتغيرات ) ( Y , Xأو
) * .( Y* , Xفي حيف يكوف المقطع الصادي وانحرافو المعياري مرجحاً بالوزف . w
) (2اذا كانت وحدات Xلـ تتغير أي ) (w2=1في حيف وحدات قياس Yتتغير بالوزف ) (w1فاف الميؿ
) (β1والمقطع الصادي ) (β0وانحرافيما المعياري يتـ ترجيحيا بالوزف ). (w1
) (3اذا وحدات Yلـ تتغير أي ) (w1=1في حيف وحدات قياس Xتتغير) (w2فاف الميؿ ) ( 1
1
( في حيف يبقى المقطع الصادي ) (β0وانحرافو وانحرافو المعياري ) s.e (β1يتـ ترجيحيا بالوزف )
w2
المعياري ) s.e (β0اليتأثر.
) (4اف تحويؿ Xو Yالى * Xو * Yلف يؤثر في صفات المقدرات بطريقة . OLS
مثاؿ) : (18-3افترض باحث استخداـ بيانات الجدوؿ ) (1-2وأراد أف يحسب ) (Yبالكيموغرامات وتبقى X
باليكتار .فما ىي معادلة التقدير.
ˆ * 2308.3802
2
88
ويبقى تفسير المعممات.
) : ( ˆ1زيادة المساحة المزروعة بمقدار ىكتار واحد تؤدي الى زيادة االنتاج بمقدار ) (2564كغـ أو
) (2.564ألؼ كغـ.
89
أسئهة انفصم انثبنث:
سٔ :اجب باختصار عما يأتي:
أ .كيؼ نحدد فرضية العدـ
ب .الخطأ مف النوع االوؿ )(Type I error
ج .الخطأ مف النوع الثاني)(Type II error
د .رفض فرضية العدـH0 : β1 = 0 :
ىػ .قبوؿ فرضية العدـH0 : β0 = 0 :
و .حدود الثقة لممعممات المقدرة.
ز .الربط الجوىري بيف مجاؿ الثقة واختبار المعنوية.
ح .الفرؽ بيف متوسط االستجابة ) E(Yt / X = Xfوبيف التنبؤ باالستجابة الجديدة )(Yfnew
ط .التفسير البدييي لمفيوـ درجات الحرية.
ي .اف R2قد يكوف مقاساً غير جيد لمداللة عمى مبلءمة النموذج لمبيانات.
ؾ .تأثير االختبلؼ في وحدات قياس المتغيريف Xو Yعمى نتائج االنحدار.
91
ٓٔ .اف استخداـ جدوؿ تحميؿ التبايف يصمح الختبار معنوية المعممات المقدرة بشكؿ عاـ.
ٔٔ .معامؿ االرتباط البسيط ىو مقياس لدراسة الترابط بيف متغيريف ويعكس العبلقة السببية بينيما.
ٕٔ .اف دقة المعالـ المقدرة تعتمد عمى تحقيؽ الفروض والصيغة المستخدمة الختبار ىذه الفروض
ىو رسـ االنتشار.
ٖٔ .اذا كانت فترة الثقة لممعممة βىي (-0.3 ≤β≤ 0.9) :فاف المعممة βتكوف معنوية.
س :3اشتؽ التوزيع المناسب لمتوسط االستجابة عند مستوى معموـ لممتغير ) . X(X0وقارف بينو وبيف
التوزيع االحتمالي لػ Yfالتنبؤية الجديدة ؟
س :4بيف أىـ مبلمح االختبلؼ بيف تحميؿ االرتباط وتحميؿ االنحدار؟
س :5برىف اف معامؿ التحديد يعكس مربع معامؿ االرتباط البسيط بيف المتغيريف Xو Y؟
س :6اكتب جدوؿ تحميؿ التبايف ) (ANOVAمعتمداً عمى معامؿ التحديد وحجـ العيف ؟
91
س :11الجدوؿ التالي يمثؿ عدد ساعات المطالعة العممية اليومي ) (Xوالمعدؿ العاـ ) (Yلعينة مف
الطمبة:
س :13باحث يروـ استخداـ الصيغة الخطية لتقدير العبلقة بيف Yو Xوقد التبس عميو أي النموذجيف
Y 0 1 X i ui أم Yi 1 X i ui يستخدـ
ما مقترحاتؾ إلزالة ىذا المبس ؟
Yˆi 2.6 1.5 X i , i 1,,20 س :14اعتماداً عمى الخبلصة اإلحصائية التالية:
X 5 , Y 120 , Y 2 903.5 , X 2 568.9
اختبر معنوية متوسط االستجابة عندما X = 10باستخداـ مستوى داللة 5%؟
92
انفصم انرابع
االنحذار انخطي انمتعذد Multiple Linear Regression
يعػػد نمػػوذج االنحػػدار المتعػػدد ) النمػػوذج الخطػػي العػػاـ (General Linear Modelاالمتػػداد
الطبيعػ ػ ػػي والمنطقػ ػ ػػي لمنمػ ػ ػػوذج الخطػ ػ ػػي بمتغي ػ ػ ػريف .ففػ ػ ػػي حالػ ػ ػػة اسػ ػ ػػتخداـ kمػ ػ ػػف المتغي ػ ػ ػرات المسػ ػ ػػتقمة
) (X1,X2,…,Xkلتفسير تبايف المتغير المعتمد )التابع( Yفي معادلة االنحدار ،فاف جميع المفػاىيـ فػي ىػذه
الحالػػة تتشػػابو مػػع حالػػة نمػػوذج االنحػػدار البسػػيط .غيػػر اف تعػػدد المتغي ػرات المسػػتقمة تجعػػؿ التعامػػؿ مػػع
ط ارئ ػػؽ الجب ػػر الخط ػػي ) جب ػػر المص ػػفوفات ( ى ػػي المس ػػتخدمة لتق ػػدير واختب ػػار وتحمي ػػؿ نم ػػاذج االنح ػػدار
المتع ػػدد .وب ػػذلؾ يمك ػػف تعميمي ػػا وتطبيقي ػػا عم ػػى ح ػػاالت المتغيػ ػريف ،او ثبلث ػػة المتغيػ ػرات او أي ع ػػدد م ػػف
المتغيرات بشرط ال يفوؽ عدد المتغيرات عمى عدد المشاىدات المستخدمة لمتقدير.
ولعينة مػف ) (nمػف المشػاىدات ،فػاف العبلقػة ) (1-4تتحقػؽ لكػؿ مشػاىدة فيتكػوف nمػف المعػادالت وعمػى
وفؽ اآلتي:
Yi 0 1 X 11 2 X 21 ... k X k1 u1
Y2 0 1 X 12 2 X 22 ... k X k 2 u2
.
.
.
Yn 0 1 X 1n 2 X 2 n ... k X kn un
وباستخدام المصفوفات يحول نظام المعادالت على وفق:
93
0
Y1 1 X 11 X 21 . . . X k 1 u1
1
Y2 1 X 12 X 22 . . . X k 2 u2
. . 2 .
.
. . .
. .
. . .
Y
n un
1 X 1n
X 2 n . . . X kn k
وباختصار:
Y X u . . . )(2 - 4
حيث اف:
:Yمتجو عمودي لمشاىدات المتغير المعتمد وبترتيب ). (n 1
:Xمصػػفوفة تحتػػوي مشػػاىدات المتغي ػرات المسػػتقمة Xk ، . . . ، X2 ، X1وعمودىػػا االوؿ متغيػػر وىمػػي
لمدالل ػػة عم ػػى المقط ػػع الص ػػادي .وترتي ػػب المص ػػفوفة ) . n (k 1حي ػػث اف الص ػػؼ األوؿ م ػػف ى ػػذه
الطػػرؼ األيمػػف فػػي العبلقػػة ) (2-4يمثػػؿ الجػػزء المحػػدد بػػالمتغيرات المسػػتقمة )(Xβمضػػاؼ الييػػا الجػػزء
االحتمالي العشوائي ). (u
مثاؿ) :(1-4ولتوضيح التمثيؿ بالصيغة المصػفوفية فػي حالػة متغيػريف Yو Xولسػبعة مشػاىدات كمػا فػي
الجدوؿ ). (1-4
جدوؿ )(1-4
Y 70 65 90 95 111 115 120
X 80 100 120 140 160 180 200
94
70 1 80 u1
65 1 u
100
2
90 1 120 0 u3
90 1 140 1 u 4
110 1 160 u
5
115 1 180 u 6
120 1 200 u
7
Y X u
)(7 1 )(7 2 )(2 1 )(7 1
كمػػا فػػي حالػػة االنحػػدار الخطػػي البسػػيط .يكػػوف اليػػدؼ الػرئيس بعػػد جمػػع البيانػػات وتمثيػػؿ الصػػيغة الداليػػة
يكػػوف اليػػدؼ البلحػػؽ ىػػو تقػػدير معممػػات النمػػوذج المتمثػػؿ بالعبلقػػة ) (1-4عمػػى وفػػؽ الصػػيغة المصػػفوفية
العامػػة ) ، (2-4يكػػوف المطمػػوب إيجػػاد تقػػدير المتجػػو .βويػػتـ ذلػػؾ عمػػى وفػػؽ طريقػػة ) (OLSأو طريقػػة
اإلمكػػاف األعظػػـ . ML.وحيػػث اف الط ػريقتيف تعطػػي نتػػائج متماثمػػة فيمػػا يخػػص المعممػػات المقػػدرة βلػػذا
سيتـ التركيز عمى طريقة المربعات الصغرى . OLS
•الفرضية الثانية :تبايف المتغير العشوائي متجانس ،قيمة التبايف متساوية لكؿ مشاىدة .أي:
(ui u j ) var(ui ) 2 , )فرضية تجانس التبايفi j (Homoscedasticity
95
•الفرضية الثالثة :التبايف المشترؾ ألي مشاىدتيف مف مشاىدات المتغير العشوائي ،تساوي صف اًر أي:
96
u 1 u1u 2 u1u3 . . . u1u n
2
u 2u1 u 22 u 2u3 . . . u 2u n
. . . .
. . . .
. . . .
u n u1 u n u 2 u n u3 . . u n2
والمصفوفة الممثمة بالعبلقة ) (4-4تمثؿ مصفوفة التبايف .والتبايف المشػترؾ لممتغيػر العشػوائي uبالصػيغة
المصػػفوفية ،عناصػػر القطػػر ال ػرئيس ) (main diagonalتمثػػؿ تب ػايف مشػػاىدات المتغيػػر العش ػوائي .فػػي
حيف عناصر المثمث العموي تساوي عناصر المثمث السفمي ألنيا تمثؿ التبايف المشترؾ لمشاىدات المتغير
العشوائي .وغني عف الذكر المصفوفة تكوف متماثمة ).(symmetric
الفرضػػية الرابعػػة :المتغي ػرات X1,X2,…,Xkمتغي ػرات ثابتػػة لمعينػػة المختػػارة فيػػي غيػػر عش ػوائية بمعنػػى اف
المتغي ػرات التوضػػيحية تكػػوف متغي ػرات خارجيػػة ) ، (Exogenousوبػػذلؾ فػػاف المصػػفوفة Xذات الترتيػػب
) n (k 1غير عشوائية .بمعنى تحتوي عمى أرقاـ ثابتة.
الفرضػػية الخامسػػة :ال توجػػد عبلقػػة خطيػػة تامػػة بػػيف المتغيػرات التػػي تمثػػؿ المصػػفوفة . Xبمعنػػى ال وجػػود
لمتعدد الخطي.(Multicollinearity) .
ويمكف تجزئة الفرضية كاآلتي:
97
rx0 x j 0 (j 1,2,..., k )1
وتق أر باستقبلؿ العمود األوؿ ) والذي مشاىداتو واحد ( مع أي مف أعمدة المصفوفة األخرى.
وعممي ػ ػاً يعنػ ػػي وجػ ػػود تغيي ػ ػرات واضػ ػػحة وممموسػ ػػة فػ ػػي مشػ ػػاىدات كػ ػػؿ متغيػ ػػر مػ ػػف المتغي ػ ػرات المسػ ػػتقمة
) التوضيحية ( . Xk ، . . . ،X1
وبذلؾ يفترض استقبلؿ المتغيرات التوضيحية عف بعضيا اآلخر .فاألعمدة الثاني والثالث ......والعمود
) (k+1مستقمة عف بعضيا اآلخر.
ويمكف عرض ىذه الفرضية بالصيغة المصفوفية:
رتبة مصفوفة المعمومات ) (Xتامة مف ناحية األعمدة وىي أقؿ مف عدد المشاىدات ). (n
الفرضػػية السادسػػة :يفتػػرض اف مشػػاىدات المتغيػػر العشػوائي uتتػػوزع بشػػكؿ متماثػػؿ أي ليػػا توزيػػع طبيعػػي
) . (Normalوىذه الفرضية ميمة لمرحمة اختبار الفرضيات في الفصؿ الخامس.
وبصيغة المصفوفات:
u~N اف متجو المتغير العشوائي uلو توزيع طبيعي متعدد.
وبدمج الفرضيات ) (2و ) (3و ) (6يمكف صياغتيا مصفوفياً كاآلتي:
2
)u ~ N )0, σ In) . . . (6-4
)(3-4تقدير المعممات بطريقة المربعات الصغرى االعتيادية" Parameter Estimation by OLS ":
اف المعيػػار الػػذي تسػػتند إليػػو طريقػػة المربعػػات الصػػغرى االعتياديػػة ىػػو جعػػؿ مجمػػوع مربعػػات
الخطأ ) البواقي ( أقؿ ما يمكف .وحيث اف البواقي تمثؿ قيـ yالحقيقية مطروحاً منيا القيـ التقديريػة ) ˆ( y
ei Yi Yˆi i 1,2,..., n .أي:
وباستخداـ المصفوفات:
ˆe Y Y
̂ Y X
n
وبذلؾ فاف دالة اليدؼ بالصيغة المصفوفية:
e
i 1
2
i ee
98
e1
e2
.
(e1 e2 . . . en ) e12 e22 . . . en2
.
.
e
n
nˆ0 ˆ1 X 1i ˆ2 X 2i . . . ˆk X ki Yi
99
وبالصيغة المصفوفية:
n X 1i X 2i ... X ki ˆ0
Y
ˆ
X 1 X 1Y
X 12i X 1i X 2i . . . X 1i X ki ˆ
1i
2 X 2Y
ˆ
X ki X ki X 1i X ki X 2i . . . X ki2 k X k Y
X X ̂ X Y
(k 1) (k 1) (k 1) 1 (k 1) 1
حيث اف:
المصػػفوفة X Xتس ػػمى مصػػفوفة فيش ػػر لممعمومػػات ،ى ػػي بترتيػػب ) (k 1) (k 1وى ػػي مص ػػفوفة
مربعة ) (squareومتماثمة ) (symmetricوغير شاذة ) (nonsingularالنيا ذات رتبػة تامػة مػف ناحيػة
األعمػ ػػدة عمػ ػػى وفػ ػػؽ الفرضػ ػػية الخامسػ ػػة { العبلقػ ػػة ) }(5-4وبػ ػػذلؾ فػ ػػاف معكوسػ ػػيا موجػ ػػود ) . ( X X
1
وبضرب طرفي العبلقة ) (9-4بػ ) ( X Xوتبسيط الطػرفيف يػتـ الحصػوؿ عمػى قػانوف المربعػات الصػغرى
1
بالصيغة المصفوفية:
ˆ ( X X ) 1 X Y ... )(10 - 4
(k 1) 1 )(k 1) (k 1 (k 1) 1
ولتوضيح استخداـ المصفوفات ،يتـ استخداـ معمومات المثاؿ ) (1-4كحالة خاصة لبلنحدار الخطي
111
1.89 0.013 c c01
00
1
(X X ) C
0.013 0.000089 c10 c11
ˆ0 23.65
ˆ
ˆ1 0.12
X 12 55 , X 22 129 , X 1Y 76 , X 2Y 109
تمثيؿ النموذج بصيغة المصفوفات
1 3 5
3 u1
1 1 4
1 0 u2
8 1
5 6 1 u3
3 u4
2
5 1 2 4
u5
1 4 6
:المعادالت الطبيعية
X X ̂ X Y
5 15 25
ˆ0 20
15 55 81 ˆ 76
1
25 81 129 ˆ2 109
:وإليجاد المعممات المقدرة يتطمب
111
ٔ -حساب ) . ( X X
1
112
)(4-4معنى معامالت االنحدار في حالة ثالثة متغيرات:Е(Yi / X1i , X2i) :
(Yi X 1i , X 2i ) 0 1 X 1i 2 X 2i
: 1وىي معممة تقيس التغير في متوسط قيـ . Yلوحدة تغير في ، X1مع إبقاء X2ثابتاً .وىي تقػيس
ميؿ Yنسبة إلى X1مع إبقاء X2ثابتاً.
Y
( .X1وى ػػي تقػػيس األث ػػر المباش ػػر ) (directأو ورياض ػياً ف ػػاف المشػػتقة الجزئي ػػة لػ ػ Yنس ػػبة إلػػى )
X 1
الصػافي ) (netلوحػػدة التغيػػر فػػي X1عمػػى متوسػػط قػػيـ Yصػػافي ل ػ . X2وكػػذلؾ الحػػاؿ بالنسػػبة ل ػ 2
فيي تقيس األثر المباشر فقط X2عمى .Yويمكف قياس األثر المباشر بالطريقة التي تتركػز بإ ازلػة أثػر X2
عمى وفؽ الخطوات التالية:
a1 1
e2
113
)(5-4صفات متجه المعممات المقدرةProperties of estimated parameter vector
-1المعممػات المقػدرة تقػديرات غيػر متحيػزة لقػيـ المعممػات الحقيقيػة فػي المجتمػع .لبرىنػة ىػذه الصػفة
بالصيغة المصفوفية:
̂ ( X X ) 1 X Y
) ( X X ) 1 X ( X u
( X X ) 1 X X ( X X ) 1 X u
( X X ) 1 X u . . . )(11 - 4
وبػػذلؾ فػػاف المقػػدرات بطريقػػة OLSىػػي أفضػػؿ مقػػدرات خطيػػة غيػػر منحػػازة او مػػا يطمػػؽ عمييػػا اختصػػا اًر
).(BLUE
var cov( ˆ ) ˆ ( ) ˆ ( ) ... )(12 - 4
114
:وحيث اف
̂ ( X X ) 1 X Y
( X X ) 1 X ( X u)
( X X ) 1 X X ( X X ) 1 X u
ˆ ( X X ) 1 X u
ˆ ( X X ) 1 X u
var cov( ˆ ) ( X X ) 1 X u uX ( X X ) 1
( X X ) 1 X uu X ( X X ) 1
( X X ) 1 X (uu ) X ( X X ) 1
( X X ) 1 X 2 I n X ( X X ) 1 :(4-4) وباعتماد العبلقة
2 ( X X ) 1
var cov( ˆ ) 2C ... (13 - 4)
( تبػػيف عناصػػر التبػػايف لمعممػػات االنحػػدار فضػػبل عػػف التبػػايف المشػػترؾ فيمػػا بػػيف المعممػػات12-4) العبلقػػة
:المقدرة والتي يمكف كتابتيا بشكؿ صريح كاآلتي
ˆ0
ˆ
ˆ
var cov( ) var cov 1
ˆ
k
ˆ0 0
ˆ ˆ
1 1
( 0 0 ) ( ˆ1 1 ) . . . ( ˆk k )
ˆ
k k
115
ˆ
( 0 0 )
2
( ˆ0 0 )( ˆ1 1 ) . . . ( ˆ0 0 )( ˆ k k )
( ˆ1 1 ) 2 . . . ( ˆ1 1 )( ˆ k k )
.
var cov( ˆ )
.
.
( k k )
ˆ 2
var( ˆ0 ) cov( ˆ0 , ˆ1 ) . . . cov( ˆ0 , ˆk )
ˆ ˆ ˆ ˆ ˆ
cov( 1 0 ) var( 1 ) . . . cov( 1 , k )
.
.
.
cov( ˆ , ˆ ) cov( ˆ , ˆ ) . . . var( k )
ˆ
k 0 k 1
var( ˆ k ) 2 ckk
116
cov( ˆ0 , ˆ1 ) 2 c0 1
وهكذا.
وىكػػذا فػػاف المعممػػات المقػػدرة والتػػي تتصػػؼ بأنيػػا غيػػر متحيػزة وانيػػا تركيػػب خطػػي بداللػػة ،Yوبػػذلؾ فانيػػا
تحمػػؿ توزيػػع Yنفسػػو ،وحيػػث اف Yليػػا توزيػػع uنفسػػو الػػذي تػػـ افت ارضػػو بانػػو يتػػوزع توزيع ػاً طبيعي ػاً فػػاف
المعممات المقدرة تتوزع توزيعاً طبيعياً بمتوسط ( ˆi ) i
) ˆ0 ~ ( 0 , 2c00
)ˆ1 ~ ( 1 , 2c11
) ˆk ~ ( k , 2ckk
عمماً باف ) (تمثؿ تبايف الخطأ لممجتمع والتي تعد قيمة مجيولة يمكف تقديرىا باالعتماد عمى بيانات
2
n k 1
وبصيغة المصفوفات:
ee
2 ... )(15 - 4
n k 1
وحيث اف درجات الحرية ىي )(n-k-1
وسيتـ برىاف ذلؾ في الفقرة القادمة.
القيمة المقدرة لتبايف الخطأ غير متحيزة .واالجابة عف ذلؾ تكمف في الخطوات التالية:
117
e Y X̂
Y X ( X X ) 1 X Y
I n X ( X X ) 1 X Y
MY . . . (16 - 4)
n n
M I n X ( X X ) 1 X :حيث ان
118
(ee)
2
n k 1
:أو ان
ee
ˆ 2 ... (18 - 4)
(n k 1)
ولكن
ee (Y Yˆ )(Y Yˆ )
(Y ˆ X )(Y Xˆ )
Y Y 2ˆ X Y ˆ X Xˆ
Y Y 2ˆ X Y ˆ ( X X )( X X ) 1 X Y
Y Y 2ˆ X Y ˆ X Y
Y 2 Y Y
Y
وان
1
X Y
ˆ
0 ˆ1. . . ˆk ˆ X Y
X k
Y
:ويمكن حسابها باستخدام القيم كانحرافات وكاالتي
ee RSS Y ( ˆ0 Y ˆ1X 1Y ˆk X k Y )
2
Y 2 (Y ˆ1 X ˆk X k ) Y ˆ1X 1Y
2 (Y ) 2 ˆ X Y X k Y
Y 1 X 1Y 1 ˆk X kY
n n n
y 2 ˆ1x1 y ˆ2x2 y ˆk xk y)
RSS SYY ( ˆ1S X1Y ˆ2 S X 2Y ˆk S X kY ) ... (20 - 4)
119
والعبلقة ) (20-4تحسػب مجمػوع مربعػات االخطػاء بانيػا الفػرؽ بػيف مجمػوع المربعػات الكميػة ) (TSSوبػيف
مجمػػوع المربعػػات المشػػروحة مػػف قبػػؿ عبلقػػة االنحػػدار وبالصػػيغة المصػػححة ) (ESSأي البيانػػات تحسػػب
كانحرافات عف متوسطاتيا.
كما يمكف كتابة العبلقة ) (20-4بصيغة اخرى بعد ضرب حدود ESSبالمقدار
SX k X k SX 2 X 2 S X1 X1
على التوالي فينتج: ، ، ،
SX Xk
SX 2 X 2 S X1 X1
k
n k 1
العبلق ػ ػ ػ ػ ػ ػ ػ ػ ػػة ) (19-4تجػ ػ ػ ػ ػ ػ ػ ػ ػ ػ أز التغيػ ػ ػ ػ ػ ػ ػ ػ ػ ػرات الكمي ػ ػ ػ ػ ػ ػ ػ ػ ػػة ف ػ ػ ػ ػ ػ ػ ػ ػ ػػي المتغي ػ ػ ػ ػ ػ ػ ػ ػ ػػر ) Y (Y Yال ػ ػ ػ ػ ػ ػ ػ ػ ػػى تغيػ ػ ػ ػ ػ ػ ػ ػ ػ ػرات
مشروحة ) ( ˆ X Yوتغيرات لمخطأ ). (ee
(e) 0 -1
البرىاف:
حيث اف e Mu
) (e) ( Mu ) M(u
0
X e 0 -2
باالعتماد على المعادلة الطبيعية:
ˆX (Y Xˆ ) X Y X X
0
Yˆ e 0 -3
Yˆ e ( Xˆ )e
111
حيث ان ̂ X e :
X e 0 Yˆ e 0
Regression equation through theX. , Y )(8-4معادلة االنحدار من خالل نقطة المتوسط
mean
اف انتقػػاؿ الحسػػابات مػػف نقطػػة األصػػؿ إلػػى نقطػػة المتوسػػطات يعمػػؿ عمػػى تسػػييؿ العمميػػات الحسػػابية مػػف
اجؿ ايجاد معالـ النموذج المػدروس .اذ اف جميػع المتغيػرات )المتغيػر المعتمػد Yوالمتغيػرات المسػتقمة( يػتـ
التعامؿ معيا كانحرافات عف متوسطاتيا الحسابية.
وبالطرح:
) Yi Y 1 ( X1i X1 ) 2 ( X 2i X 2 ) ... k ( X ki X k ) (ui u
yi 1 x1i 2 x2i ... k xki ui وبصيغة أخرى:
تمثػ ػػؿ انح ارفػ ػػات المتغي ػ ػرات Y1i,X1i,X2i,Xkiعػ ػػف متوسػ ػػطاتيا اذ اف 0 uواف xki , x2i , x1i , yi
الحسابية عمى التوالي.
ويمكف إعادة كتابة النموذج بالصيغة المصفوفية العامة عمى وفؽ اآلتي:
111
* :βمتجههه معلمههات النمههوذر بترتيههب ) ، (k×1ونالحههظ ان المتجههه قههد حههذع منههه العنصههر ، β0والههذ
ˆ0 Y ˆ1 X ... ˆk X يستوجب تقديره خارر نطاق النموذر:
وبذلك تكون المعادالت الطبيعية للعالقة ) (22-4على وفق اآلتي:
1x 2
x x
1 2 . . . x x
1 k
x1 y
x 2 . . . x2 xk
2
x y
xy xx
2
,
x y
k
k 1
x x x x
k 2 . . . x 2
k
: xxهي مصفوفة فيشر للمعلومات كانحرافات عن متوسطاتها وهي بترتيب ). (k×k
112
ˆ0 Y 1 X 1 2 X 2 :ان الحد الثابت لنموذر بمتغيرين يمكن تقديره
E ( ˆ0 0 ) X 1 ( ˆ1 1 ) 2
E X 2 E (ˆ2 2 ) u 2
:( وتبسيط العبلقة ينتج27-4) بما يساوييا مف العبلقةvar( ˆ0 ) وبالتعويض عف قيمة
cov(ˆ0 , ˆ1 ) X1 var(ˆ1 ) X 2 cov(ˆ1 , ˆ2 ) ... (29 - 4)
: ˆ وˆ وبالطريقة نفسيا يمكف التوصؿ الى التبايف المشترؾ بيف
2 0
113
) ˆ var( cov( ˆ1 , ˆ2 )
cov( ˆ0 , ˆ1 ) X1
1
cov( ˆ , ˆ ) ... )(31 - 4
0 2 ) cov( ˆ2 , ˆ1 ˆ
var( 2 ) X2
ويمكف تعميـ العبلقة ) (31-4لػ kمف المتغيرات المستقمة.
cov( ˆ0 , ˆ1 ) 2 X1
X X X . . . X X
cov( ˆ , ˆ )
1 1 2 1 k
X2
0 2
2 ... )(32 - 4
2
ˆ ˆ
k 1
X X X X . . . X k X k
cov( 0 , k )
k 2
(33-4) cov( ˆ0 , ˆ j ) ( xx) X
2 1
. . .
مث ػػاؿ) :(3-4ب ػػالعودة ال ػػى المث ػػاؿ) (2-4حال ػػة ثبلث ػػة متغيػ ػرات ،وذل ػػؾ باس ػػتخداـ البيان ػػات كانح ارف ػػات ع ػػف
متوسطاتيا.
جدول )(3-4
y Y Y x1 X1 X1 x2 X 2 X 2 y2 x12 x22 x1 x2 x1 y x2 y
-1 0 0 1 0 0 0 0 0
-3 -2 -1 9 4 1 2 6 3
4 2 1 16 4 1 2 8 4
-1 -1 -1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1
Ʃ 0 0 28 10 4 6 16 9
114
3 3
1 ˆ1 1
( xx)
1 2 C 2 16 2.5
3 5 *
ˆ 3 5 9 1.5
2
2 2 2 2
4 2.5(3) (1.5(5))
4
Yˆ 4 2.5 X 1 1.5 X 2 :اذن معادلة االنحدار
اما تبايف المعممات المقدرة
ˆ1
var 2C*
ˆ
2
1
var( ˆ0 ) 2 (156 )
5
: فيمكف تقديرىا عمى وفؽˆ أما قيمة
RSS RSS RSS
n k 1 5 3 2
أما
RSS TSS ESS
TSS 28
ESS ̂* xy
115
16
(2.5 1.5)
9
40 13.5 26.5
RSS 28 26.5 1.5
ˆ 2 0.75
116
حيث اف R2تزداد ،عادة ،بإضافة متغيرات مستقمة جديدة في النموذج ) بغض النظػر عػف مػدى مبلءمتيػا
لػػو( .وتكمػػف الصػػعوبة مػػع R2ىػػو عػػدـ وجػػود تحديػػد عمػػى زيػػادة عػػدد المتغي ػرات المسػػتقمة المسػػتخدمة فػػي
تفسػػير المتغيػػر التػػابع .فػػي حػػيف اف معامػػؿ التحديػػد المعػػدؿ Rي ارعػػي نسػػبة االنخفػػاض فػػي تبػػايف )او
2
تغيير( المتغير Yوالتي تع از إلضافة Xiلمنموذج الذي يحوي . Xjويكوف معامؿ التحديد المعدؿ:
)RSS (n k 1
R 2 1
)TSS (n 1
n 1
R 2 1 ) (1 R 2 ... )(35 - 4
n k 1
ويمكػػف اف تػػزداد قيمػػة Rاو تظػػؿ عمػػى حاليػػا وقػػد تػػنقص اذا أضػػفنا متغيػرات مسػػتقمة إضػػافية لمنمػػوذج.
2
وذلؾ الف مثؿ ىذه المتغيرات المستقمة اإلضافية سوؼ تخفض عادة مف قيمة RSSولكنيػا وبالوقػت نفسػو
سوؼ تقمؿ مف ) (n-k-1وبعبارة أخرى يفضؿ عدـ إضافة متغير لمنموذج اذا تسببت إضافتو الى تخفيض
16
ESS ˆ xy 2.5 1.5 26.5
9
وبذلؾ فاف مجموع مربعات الخطأ:
RSS 28 26.5 1.5
وعميو يكوف معامؿ التحديد لمنموذج ) معامؿ االرتباط المتعدد (
26.5
RY2 X1 X 2 0.9464
28
أي اف استخداـ المتغيريف X1و X2تمكنت مف تفسير 94.64%مف التغيرات اإلجمالية في .Y
4
R 2 1 (1 0.9464) 0.8928 R 2 أما معامؿ التحديد المعدؿ:
2
) (10-4االنحدار المتعدد واالنحدار البسيطMultiple VS simple regression.
ىػػؿ توجػػد عبلقػػة بػػيف معػػامبلت االنحػػدار المتعػػدد ومعػػامبلت البسػػيط ؟ لئلجابػػة عػػف ىػػذا الس ػؤاؿ ،لػػنمعف
النظر في عبلقات االنحدار التالية:
117
Yi 0 1 X 1 2 X 2 u
حيث ان:
Y استبعاد أثر X2 Y استبعاد أثر X1
2 1
X 2 X2 constant X 1 X constant
1
dY dY
b1 , b2
dX 1 dX 2
ومف تفحص المعادالت ) (36-4و ) (37-4يتضح انػو فػي حػاؿ انعػداـ العبلقػة بػيف X1و X2فػاف b21و
b12تساوي صف اًر وكذلؾ R12و R21تساوي صف اًر .
2 2
• وبش ػػكؿ ع ػػاـ اذا كان ػػت مص ػػفوفة المعموم ػػات مص ػػفوفة فيش ػػر ) ( X Xمص ػػفوفة قطري ػػة ف ػػاف المعمم ػػات
المقدرة مف االنحدار المتعدد تكافئ معممات االنحدار المقابمة ليا في االنحدار البسيط.
118
برىاف ىذه الحالة تترؾ كتمريف.
)(11-4األثر المباشر واألثر غير المباشر .Direct & Indirect effect
اف االفتراض الذي ينص عمى تشخيص النموذج بشكؿ صحيح فضبلً عف كونو خالياً مف األخطاء
تعد فرضية ميمة .وعمى أساس تحقؽ ىذه الفرضية فاف المقدرات تتمتع بصفة ) .(BLUE
لتوضيح فكرة ىذا المبحث ،نفترض اف النموذج الصحيح ىو:
Y 0 1 X 1 2 X 2 ut . . . )(38-4
وبذلك فان معلمات االنحدار المتعدد المقدرة ˆ2 , ˆ1تمثل المشتقات الجزئية:
Y Y
ˆ1 & ˆ2
X 1 X 2
( ˆ1 ) 1 ومع تحقق الفروض فان:
119
:ويمكف توضيح ذلؾ مف خبلؿ المخطط التالي
(1-4) مخطط
.األثر المباشر واألثر غير المباشر في نموذج ثبلثة متغيرات
ˆ1 ˆ2
X1 X2
b2 1 bˆ2 1 ˆ2
Y 1 3 8 , X 1 1 2 3 , X 2 2 1 3 :(6-4) مثال
:قدر العالقات التالية
(i ) Yi 0 1 X 1i u1i
(ii ) Yi 0 2 X 2i u2i
(iii ) Yi 0 1 X 1i 2 X 2i uit
:ىؿ اف
ولماذا ؟ˆ1 ˆ1 ()أ
ولماذا ؟ˆ2 ˆ2 ()ب
:الحل
X 1 6 , X 2 0 , Y 12 , X 1Y 31 , X 2Y 19
X 12 14 , X 22 14 , X 1 2 , X 2 0 , Y 4
X 1Y (6)(12)
X 1Y 31
ˆ1 n 3
(X 1 ) 2
62
X 1
2
14
n 3
31 24 7
3.5
14 12 2
ˆ1 1.286
121
y 3 1 4 , x1 1 0 1 , x2 2 1 3
1 1
2
ˆ1 x x x 2 5 7
( xx) 1 xy 1 1 2 x1 y
ˆ x y 19
2 x2
2
2 14
14 5
3 3 7 32.67 31.67 1
1 ˆ1 1 , ˆ2 1
5 2 19 11.67 12.67
3 3
ˆ2 ˆ2 bˆ12ˆ1 واالختبلؼ يكمف في األثر غير المباشر ) ( ˆ1 bˆ1 2أي:
مثاؿ ) :(7-4عينة بحجـ ) (13مشاىدة لقيـ Yو X1و ، X2أعطت النتائج التالية:
121
(3) X 2 0.7 1.1X 1 r 0.4
فالمعادلة ) (3تعني عند زيادة X1بمقدار وحدة واحدة فاف X2يزداد بمقدار ) . (1.1ولكف عند زيادة X2
) . 1.65 (1.1) (1.5) (ˆ2 b2 1 بيذا القدر فاف أثره في Yسيكوف
وعميو فاف األثر الصافي= (-1.4) + 1.65
=0.25
122
:r12.3معامؿ االرتباط بيف Yو X2بافتراض اف X3ثابت.
:r13.2معامؿ االرتباط بيف Yو X3بافتراض اف X2ثابت.
:r23.1معامؿ االرتباط بيف X2و X3بافتراض اف Yثابتاً.
ويمكف تعميـ ذلؾ الي ثبلثة متغيرات k , j , iفاف معامؿ االرتباط الجزئي يتبع الصيغة التالية:
rij rik rjk
rij .k ... )(40 - 4
1 r 2
ik 1 r 2
jk
والعبلقة ) (40-4تسمى معامؿ االرتبػاط الجزئػي لمدرجػة األولػى ،وىكػذا r12.34ىػو معامػؿ االرتبػاط الجزئػي
لمدرجة الثانية و r12.345ىو معامؿ االرتباط لمدرجة الثالثة ،في حيف r12و r13و r23ىو معامؿ االرتباط
مف الدرجة صفر .ويتضح مف العبلقة ) (40-4اف معامؿ االرتباط الجزئي يكوف بداللة معامبلت االرتباط
البسيط )مف الدرجة صفر(.
اف معامػػؿ االرتبػػاط الجزئػػي r12.3يمكػػف حسػػابو بػػإجراء معامػػؿ االرتبػػاط بػػيف الب ػواقي الناتجػػة مػػف انحػػدار
) Yعمػى (X3وبػيف بػواقي انحػدار ) X2عمػى (X3وبالطريقػة نفسػيا يمكػف اسػتنتاج r13.2و r23.1وبشػكؿ
عاـ فاف معامؿ االرتباط الجزئي بيف متغيريف يقاس بعبلقة االرتباط بيف البواقي لكؿ متغير بعد إزالة األثر
الخطي لجميع المتغيرات التوضيحية التي يتـ تثبيتيا.
وباالعتماد عمى العبلقة ) (40-4يمكف التوصؿ إلى االستنتاجات التالية:
)ٔ( اذا rij = 0فاف rij.kتبقى مختمفة عف الصفر ما لـ يتحقؽ أحد الشرطيف او كبلىما:
أما rik = 0أو rjk = 0أو كبلىما.
123
)ٗ( اذا rik = 0و rjk = 0فاف rijليس بالضرورة يساوي صف اًر.
) (ٙفػي حالػة ثػبلث متغيػرات ،اف التغيػرات فػي المتغيػر ) ( iيمكػف تجزئتيػا إلػى جػزأيف ،األوؿ يمثػؿ
التغيػرات فػي المتغيػػر ) ( iوالتػػي يػتـ توضػػيحيا مػف قبػؿ المتغيػػر ) ( jفقػػط ) . (rijأمػا الجػػزء
2
اآلخػػر فيػػو الجػػزء غيػػر الموضػػح مػػف قبػػؿ المتغيػػر ) ( jوىػػو ) (1 rijومرجح ػاً بمقػػدار الجػػزء
2
أو:
Ri2. jk rik2 (1 rik2 ) rij2.k ... )(41 - 4
) (ٚوبشػػكؿ عػػاـ :معامػػؿ التحديػػد فػػي نمػػوذج االنحػػدار المتعػػدد يكػػوف اكبػػر مػػف معامػػؿ التحديػػد فػػي
نموذج االنحدار البسيط اذا كاف معامؿ التحديد الجزئي موجباً.
حيث اف البسط في العبلقة ) (42-4يمثؿ مجموع المربعات المشروحة مف قبؿ المتغير ) ( jفقط
بعد ازالة أثر المتغير ) . ( kأيESS ( j k ) :
فيػػو يمثػػؿ مجمػػوع مربعػػات الخطػػأ مػػف انحػػدار iعمػػى المتغيػػر ) ( kأي: أمػػا المقػػاـ ) (1 rik2
) . RSS (k
يفسر مربع التغيرات في المتغير ) ( iوالتي يػتـ توضػيحيا ) (ٜمربع معامؿ االرتباط الجزئي ) (rij2.k
مف قبػؿ المتغيػر ) ( jفػي حػيف يػتـ عػزؿ أثػر المتغيػر ) . ( kوىػو بػذلؾ مماثػؿ لمعامػؿ التحديػد،
فيو يقيس األىمية النسبية لمتغيرات المشروحة مف قبؿ المتغير ) ( jباعتبار أثر المتغيػر kيبقػى
ثابتاً وىو بذلؾ ينفع لقياس جودة المواءمة الجزئية اذا كاف ترميز المتغيرات عمى وفؽ التي:
المتغير : iىو المتغير المعتمد ) التابع (.
124
المتغير ، jوالمتغير kىما المتغيراف المستقبلف.
وعميو فاف العبلقة ) (42-4تعكس الحقيقة التالية:
) ESS ( j k
rij2.k ... )(43 - 4
) RSS (k
ويمكػػف تفسػػيره بانػػو نسػػبة االنخفػػاض فػػي تبػػايف المتغيػػر المعتمػػد ) ( iوالتػػي تعػ از إلضػػافة المتغيػػر ) ( j
لمنموذج والذي يتضمف المتغير التوضيحي ) .( k
وفي حالة أربعػة متغيػرات )متغيػر معتمػد ) i(Yوثبلثػة متغيػرات توضػيحية L ، k ، jوىػي .X4 ، X3 ، X2
فاف نسبة االنخفاض في تبايف Yبسبب إضافة المتغير X2لمنموذج الذي يتضمف X3و X4وىي:
) ESS ( X 2 X 3 X 4
rYX2 2 . X 3 X 4
) RSS ( X 3 X 4
1 1
var( ˆ j ) 2 ... )(44 - 4
) x j (1 R 2j
; j 1, . . . , k
حيث اف R jيمثؿ معامؿ التحديد النحدار المتغير Xjعمى جميع المتغيرات التوضيحية:
2
125
أسئهة انفصم انرابع:
س :1في نموذج خطي بثبلثة متغيرات X2 ،X1،Yحدد المعادالت الطبيعية لتقدير معادلة االنحدار مف
خبلؿ نقطة المتوسط ومف خبلؿ نقطة االصؿ.
س :3أ .ما ىو المعيار الذي تستند إليو طريقة المربعات الصغرى االعتيادية .OLS
اذكر معايير اخرى تستخدـ في التقدير.
ب .يعتمد مبدأ المربعات الصغرى عمى جممة مف الفرضيات ،ناقشيا مف الناحية العممية.
س :4اذا توافرت المعمومات التالية:
20 24 8
;n 20 ;Y 20 ;X 2 5 ;X 1 10 ;y y 60 x y ; x x
16 20
.1قدر معممات النموذج وفسر دالالتيا االحصائية.
ٕ .االنحراؼ المعياري لممقدرات.
x1 1 , ٖ .تنبأ عف قيـ yعندما x2 9
س٘ :في نموذج االنحدار الخطي المتعدد كيؼ تعبر إحصائياً عف عدـ وجود عبلقة خطية تامة بيف
المتغيرات التوضيحية .
س : :6لوحة بيانات انحدار Yعمى ، X2 ،X1أعطت معامؿ التحديد R 0.79عمما اف البيانات
2
ىي:
Y ٛ ٜ ٖٔ ٕٔ ٕٓ
X1 ٔ ٕ ٖ ٕ٘. ٗ
X2 ٘ ٚ ٜ ٔٔ ٓٔ
المطموب :
ٔ .فسر داللة Rلممعادلة.
2
126
اختبر االثر االضافي لتضميف X3لمعادلة االنحدار Y 0 1 X 2 U :
س :8اختبر معنوية تساوي معممتي االنحدار )مستوى داللة ٘ (%اذا عممت rX1 X 2 0.5 :
Yˆ 2.7 2.1X 1 0.78 X 2
t: 3.7 2.5
س :9المتغير المعتمد Yiيرتبط بالمتغيرات المستقمة Xijعمى وفؽ النموذج الخطي العاـ التالي:
Y X Uحيث . U ~ NID(0, ln ) :اشتؽ الصيغة لتقدير متجو المعممات )(β
2
تمثؿ النسبة التي تـ توضيحيا مف قبؿ X1لتبايف Y ٗ .عند انحدار Yعمى X2 ، X1فاف rY21.2
المتبقي دوف اف يوضحو .X2
127
س :13مع توافر لوحة البيانات:
Y 3 5 6 10 10 11
X1 1 2 1 3 ٖ 4
X2 3 2 3 3 2 3
ٔ -احسب معامبلت االرتباط البسيط.
ٕ -احسب معامبلت االرتباط الجزئي.
ٖ -اذكر خطوات حسابيا بطريقة االنحدار.
128
انفصم انخبمس
االستذالل في نمورج االنحذار انمتعذد
Inference in multiple linear regression
يعد ىذا الفصؿ استم ار اًر لمفصؿ الثالث .فيو توسيع لفكرة االستدالؿ في نموذج المربعات الصغرى عندما
يكوف عدد المتغيرات التوضيحية متغيريف أو أكثر ومع التركيز عمى بعض التمايز عف االنحدار البسيط
والتطرؽ إلى األنواع المختمفة مف االختبارات في االنحدار المتعدد.
في ىذا الصدد البد مف التأكيد عمى فرضية التوزيع االحتمالي لممتغير العشوائي )( uوالذي تـ افتراضو
بأنو يتبع التوزيع االحتمالي الطبيعي ) (Normalبمتوسط صفري وتبايف ثابت ζ2حيث إف ىذا
االفتراض مع االفتراضات األخرى وبتطبيؽ المربعات الصغرى فاف المعممات المقدرة تتميز بصفة
) ، (BLUEفضبلً عف إنيا تتبع التوزيع الطبيعي ويمكف تحديد التوزيع لممعممات المقدرة:
ˆ j ~ N ( j , 2c jj ) ، j = 0,1,2, . . . , k
وبتعويض قيمة ζ2بالقيمة المقدرة ˆ فاف:
2
)(1-5اختبار الفرضيات حول معممة االنحدار الجزئيةTesting hypothesis about partial .
regression estimates
لتوضيح آلية االختبار ،فاف فرضية العدـ:
H0: βj = 0 vs. )أ( H1: βj≠ 0 j 1,2,, k
فرضية العدـ .إذا ، t ̂ j t cأي إف المعممة المقدرة ˆ jتختمؼ معنوياً عف الصفر في )أ( ،أو
*
129
والبد مف تحديد التقابؿ بيف اختبارات المعنوية حوؿ المعممات الجزئية ومجاؿ الثقة المقدر فاف (1-α)%
ثقة لممعممة βjىو:
ˆ j t s.e( ˆ j ) j ˆ j t ) s.e( ˆ j
(c ) (c )
2 2
أي:
L j U
بمعنى أف ) ( βjتقع ما بيف الحديف األدنى Lوالحد األعمى Uوباحتماؿ ثقة (1-α)%
بعبارة أخرى :إذا تـ سحب )(100عينة كؿ بحجـ ) ( nمف المشاىدات وتـ عمؿ ) (100فترة ثقة
لممعممة ( ˆ j s.e( ˆ j ) tc ( ) ) jفأننا نتوقع 95%مف ىذه الفترات سوؼ تتضمف معممة المجتمع ).(βj
2
ˆ1 0
t
*
ˆ
1
) s.e( ˆ1 وبما إف:
s.e( ˆ1 ) ˆ c11 حيث إف:
10 6
( xx) , ( xx) 1 C
6 4
إذف :
1 1.5
C
1.5 2.5
e 2
ˆ
2
c11 1 ،واف
n k 1
RSS 1.5
ˆ 2 0.75
53 2
131
s.e( ˆ1 ) 0.75 1
2.5 إذف:
t
*
ˆ
2.89
1
0.75
*
tc ( 2,0.025) 4.3036 -تقارف t ˆ1مع القيمة الجدولية بمستوى داللة 5%ىو:
-الق ارر:إف المعممة β1غير معنوية.
ويتضح أف الصفر يقع ضمف فترة الثقة لممعممة ،β1بمعنى اف المعممةβ1التختمؼ معنوياً عف الصفر .
وىو النتيجة نفسيا التي تـ التوصؿ إلييا عند استخداـ اختبار المعنوية باالعتماد عمى النسبة .t
اختبار معنوية المعممة . β2
H0: β 2 = 0 vs. -الفرضية H1: β 2≠ 0:
إذف:
1.5 1.5
t *
ˆ
1.1
2
)0.75(2.5 1.369
131
وحيث إف الصفر يقع ضمف الفترة المذكورة ) ،( -7.391 , 4.39وىذا بدوره يدلؿ عمى اف المعممة
β2التختمؼ معنوياً عف الصفر وىي منسجمة مع نتيجة االختبار الذي اعتمد عمى النسبة tلممعممة
المقدرة .β2
وال يختمؼ اختبار موجبيو أو سالبيو معممة االنحدار الجزئي في الخطوات سوى بتحديد فترة القبوؿ أو
الرفض وكما تـ توضيحو في الفصؿ الثالث ونقطة االختبلؼ ىنا في تحديد درجات الحرية فيي
) (n-k-1وعوضاً عف ) (n-2في االنحدار البسيط.
H0: β1 + β2 = 1
c ،ajثوابت
فاف مثؿ ىكذا فرضية تسمى تركيب خطي بداللة المعممات .ويمكف اختبارىا عمى وفؽ طريقة اختبار
معممة االنحدار وذلؾ باستخداـ المختبر اإلحصائي ) نسبة tلمتركيب(إذ يتـ افتراض
k
a
j 1
j j
132
ˆ
t *ˆ
s.e(ˆ ) :ويمكف حساب االنحراؼ المعياري لمتركيب
k
s.e(ˆ ) var(ˆ ) a j 1
2
j var(ˆ j ) 2ai a j cov(ˆi ˆ j )
كانحرافات عفX3 وX2 وX1 وY ( إذا عممت أف مصفوفة العزـ الثاني لممتغيرات2-5): مثاؿ
:(مشاىدة24) متوسطاتيا لػ
10 10 5 7
xx xy
30 15 7
20 26
β1 + β2 + β3 = 0 : اختبر الفرضية/ـ
:الحؿ
H0: β1 + β2 + β3 = 0
H0: β 1+ β 2 + β 3≠ 0 vs.:
β3 + β2 + β1 = γ نفرض
ˆ : لمتركيب ىيt نسبة-
t*ˆ
s.e(ˆ )
ˆ3 ˆ2 ˆ1 ˆ -
var(ˆ ) var(ˆ1 ) var(ˆ2 ) var(ˆ3 ) 2 cov( ˆ1ˆ2 ) 2 cov(ˆ1ˆ3 ) 2 cov( ˆ2 ˆ3 )
RSS
ˆ
n4
̂ ( xx) 1 xy :يتطمب ذلؾ حساب المقدرات
133
1
10 10 5
ˆ
7 1
30 15 7 ˆ
2
26 ˆ
20 3
،نحسب المحدد باستخداـ طريقة سايروس. )( xx لحساب معكوس
375 125 0
cofactor 125 175 100
0 100 200
معكوس المصفوفة. وندورىا لحساب ad jointثـ نقسـ عناصر المرافقة عمى المحدد فنحصؿ عمى
0.15 0.05 0
( xx) 1 C 0.05 0.07 0.04
0 0.04 0.08
134
ˆ1 1.4
ˆ ˆ
2 ( xx) xy 0.2
1
ˆ3 1.8
ˆ 0.2
7
ESS ˆ xy 1.4 0.2 1.8 7 55.2
26
TSS y 2 60
نسبة tالمحسوبة:
0.2
t*ˆ 1.18
0.17
t*ˆ tc
القرار :ال نرفض فرضية العدـ ،أي أف مجموع المعممات الحقيقية ال تختمؼ معنوياً عف الصفر.
وبعبارة أخرى فاف مجموع المعممات الحقيقية لممجتمع ال تختمؼ معنوياً عف الصفر.
135
) (3-5اختبار معنوية نموذج االنحدار ككلTesting the overall significance.
H0: β1= β 2 = β 3= . . . = β k = 0 أف الفرضية التي نسعى الختبارىا ىي:
بمعنى أف جميع اآلثار المباشرة غير ميمة.
وىذه الفرضية ىي فرضية مشتركة تختبر اف β k ، . . . ،β 2 ،β 1تساوي صف اًر بشكؿ آني واالختبار
المستخدـ ىنا يسمى اختبار المعنوية الكمية لمخط المستقيـ المقدر .وبعبارة أخرى يتـ اختبار فيما إذا كاف
المتغير Yمرتبط خطياً لكؿ مف Xk ، . . . ، X2 ، X1
وفي ىذا المجاؿ ال يمكف استخداـ االحصاءة tالختبار الفرضية المشػتركة فػي حػيف تسػتخدـ االحصػاءة F
إذ أف فرضػػية العػػدـ عبػػارة عػػف عػػدة فرضػػيات تتحقػػؽ آنيػاً .وكػػؿ مػػف ىػػذه الفرضػػيات تتػػأثر بالمعمومػػات مػػف
الفرضيات الكمية في حيف اختبار tيفترض االستقبللية بيف العينات المسحوبة الختبار كؿ فرضية.
وبعبارة أخرى فاف اختبار سمسمة مف الفرضيات المنفردة ال تتماثؿ مع اختبار الفرضيات نفسيا بشػكؿ آنػي،
والسبب وراء ذلؾ ىو أف اختبار عدة فرضيات بشكؿ آنػي تكػوف الفرضػيات المنفػردة متػأثرة بالمعمومػات فػي
الفرضيات األخرى.
اف فرضية العدـ التي تتكوف مف عدة فرضيات مشتركة يمكف اختبارىا باستخداـ تحميؿ التبايف
).(ANOVA
كما تـ التوضيح باف مجموع مربعات االنحرافات الكمية ) (TSSتمت تجزئتيا إلى جزأيف وىي مجموع
مربعات االنحرافات المشروحة مف قبؿ المتغيرات التوضيحية أو مجموع مربعات االنحدار ((Explained
)) Sum of squares(ESSوالجزء الثاني ىو مجموع مربعات االنحرافات غير المشروحة أي مجموع
مربعات الخطأ أو )مجموع مربعات البواقي( )).(Residual sum of squares(RSS
ولحساب جدوؿ تحميؿ التبايف لمنموذج الخطي العاـ نتبع اآلتي:
ٔ -نحسب مجموع مربعات االنحرافات الكمية عف متوسطاتيا:
TSS SYY
(Y ) 2
Y Y Y Y nY 2 . . . )(2 - 5
n
-2نحسب مجموع المربعات العائدة لبلنحدار ESSباستخداـ أحد الصيغ التالية:
136
ˆee Y Y Yˆ Y ٖ-نحسب مجموع المربعات العائدة لمخطأ ):(RSS
أف جدوؿ تحميؿ التبايف في االنحدار الخطي العاـ يستخدـ الختبار معنوية العبلقة الخطية المستخدمة مف
0 : 1 2 . . . k 0 خبلؿ اختبار فرضية العدـ:
والتي تعرض باف عمى األقؿ أحد المتغيرات التوضيحية ) ( Xk ، . . . ، X2 ، X1ميمة في تحديد
التغيرات في .Yبمعنى آخر اف العبلقة الخطية مبلئمة لتمثيؿ البيانات:
ويكوف القرار بقبوؿ أو رفض فرضية العدـ بعد مقارنة القيمة العممية )المحسوبة( لبلحصاءة Fمع القيمة
النظرية )الجدولية( لبلحصاءة Fعمى وفؽ مستوى داللة مختار ودرجات حرية البسط kودرجات حرية
المقاـ ).(n-k-1
فإذا كانت )Fالمحسوبة( > ) Fالمجدولة( ولمستوى معنوية αفيكوف القرار برفض . H0أي اف العبلقة
الخطية مبلئمة والعكس صحيح.
كما ويستخدـ جدوؿ تحميؿ التبايف لمعرفة األىمية النسبية لمتغيرات المشروحة والتغيرات غير المشروحة
وبالتالي يمكف حسابو باالعتماد عمى معامؿ التحديد R2وعمى وفؽ اآلتي:
137
جدول تحميل التباين باستخدام معامل التحديدANOVA Table using coefficient of .
determination
ESS
R2 وحيث أف:
TSS
إذف يمكف التعويض عف ) (ESS = R2 TSSوكذلؾ
RSS = (1-R2) TSS
في جدوؿ تحميؿ التبايف وبذلؾ فاف االحصاءة :F
R2 k
F ... )(5 - 5
)(1 R 2 ) (n k 1
مثاؿ) :(3-5اعتماداً عمى بيانات الجدوؿ ) (3-4صٗٔٔ ،والختبار معنوية النموذج ككؿ:
وتقارف مع ) 19 = Fc (2,2,0.95وحيث أف ، F*< Fcالقرار :ال نرفض فرضية العدـ .أي أف العبلقة
الخطية غير مبلئمة لمبيانات .أو أف المتغيرات X1و X2غير ميمة معنوياً.
138
مثاؿ ) :(4-5مف بيانات المثاؿ ) (2-5الختبار معنوية النموذج ككؿ:
جدوؿ )(ANOVA
139
وكذلؾ يتـ تجزئة المتجو βإلى متجييف جزئييف يضـ β1مع β2والثاني يضـ β3و β4و β5وكاالتي:
Y X e
0 1 2 3 4 5 حيث اف:
Y X 1 1 X 2 2 e
وإليجاد مقدار مساىمة المتغيرات المستقمة X3و X4و X5لمتنبؤ لػ Yيكوف مف خبلؿ أثر المتغيرات في
المصفوفة الجزئية X2عمماً اف ) المتغيرات التوضيحية في المصفوفة الجزئية X1مضمنة أصبلً في
النموذج.ويرمز ليا ) SS ( X 3 , X 4 , X 5 X 0 X 1 X 2ويسمى مجموع المربعات اإلضافي العائد إلى
الحدود الموجودة في) . (γ2وىو بذلؾ يقيس مجموع المربعات العائدة مف إضافة المتغيرات المستقمة X3و
X4و X5إلى النموذج والذي يحتوي عمى المتغيرات المستقمة X1و X2و .X0
141
حيث اف:
c c c
33 34 35
c c c
43 44 45 ىي جزء مف مصفوفة معكوس فيشر والمرتبطة بالمتغيرات .X5 ، X4 ، X3
c53 c54 c55
وىكذا وبشكؿ عاـ يمكف حساب مجموع المربعات المشروحة اإلضافية ألي مجموعة جزئية Xk ، Xj ، Xi
إلى نموذج عاـ بالطريقة المباشرة.
وبالطريقة المختصرة
1
cii cij cik ˆi
ESS ( X i X j X k
جميع المتغيرات
التوضيحية االخرى
) ˆi ˆ j ˆk c c c
ji jj jk
ˆ
j
). . . (7 - 5
ˆ
cki ckj ckk k
وبالطريقة نفسيا يمكف إيجاد مجموع مربعات االنحدار اإلضافي العائد لمتغير مستقؿ واحد عمى وفؽ
اآلتي:
) ESS ( X1 X 2 X 3 X 4 X 5 ) ESS ( X1 X 2 X 3 X 4 X 5 ) ESS ( X 2 X 3 X 4 X 5
ˆ12
c1 1
ˆ2 2
ESS ( X 2 X 1 X 3 X 4 X 5 )
c22
وبشكؿ عاـ :
ˆi 2
ESS ( X i X 1 X 2 , . . . , X i 1 , X i 1 , . . . X K ) ... )(8 - 5
cii
141
مثاؿ ) :(5-5مع توافر المعمومات التالية:
yˆ i 0.75 x1i 3 x2i 1.5 x3i i 1, . . . 15 ; Y 2 436
Y 75
5.6 0.8 0.8 3
xx xy
8.4 2.4 21
3
2.4
احسب التغيرات المشروحة مف قبؿ المتغيرات X1و X2عمماً بوجود المتغير . X3
الحؿ:
يمكف إيجاد مجموع المربعات المشروحة باستخداـ الطريقة المباشرة كاآلتي:
ESS ( X 1 X 2 X 3 ) ̂ xy
3
0.75 3 1.5 21 60.75
3
ESS ( X 3 ) ˆ3x3 y
142
مثاؿ) :(6-5مع توافر المعمومات التالية النحدار Yعمى X2و :X3
20
Yˆ 0.6 X 2 3 X 3 , e
i 1
2
i 3.67
9.1 0.8 2.3
( X X ) 1 0.16 0.2
0.7
احسب مجموع المربعات اإلضافية المشروحة لممتغير X2عمماً بتثبيت ، X3ولممتغير X3عمماً بتثبيت
.X2
ˆ22 1 الحؿ :باستخداـ الطريقة المختصرة:
ESS ( X 2 X 3 ) 6.25
c22 0.16
ˆ 2 32
ESS ( X 3 X 2 ) 2
4.2
c33 0.7
)(5-5اختبار األهمية اإلضافية لمتغير معين او مجموعة جزئية من المتغيراتTest the .
significancy of one variable or partial of group of additional variables
نفترض إف انحدار Yعمى X2تـ تقديرىا أوالً ،وتـ التأكد مف معنوية المعممة . β2ثـ أضيؼ
المتغير X3لمنموذج ،لدراسة فيما إذا كاف المتغير X3قد أسيـ في توضيح ،Yوالمساىمة التي يقدميا X3
تفيد بزيادة التغيرات المشروحة لػ ) (Yعند إضافة X3لمنموذج،وكذلؾ زيادة R2بشكؿ معنوي نسبة إلى
التغيرات غير المشروحة ) . (RSSأف ىذه المساىمة تسمى المساىمة اإلضافية آو الحدية Marginal
.contributionومف خبلؿ ذلؾ يمكف التأكد فيما إذا كاف في إضافة متغير جديد لمنموذج ) عمماً بوجود
متغيرات أخرى في النموذج ( ميماً .حيث أف الباحث ال يرغب بإضافة متغيرات تكوف مساىمتيا ضئيمة
في زيادة التغيرات المشروحة.
والسؤاؿ المطروح ىنا ،كيؼ نقرر فيما إذا كاف متغير معني يسيـ في تقميص RSSأي زيادة )(ESS
والجواب عمى ىذا السؤاؿ يكمف في توسيع جدوؿ ) (ANOVAبما ينسجـ مع فكرة األىمية اإلضافية.
143
جدوؿ تحميؿ التبايف لتوضيح فكرة األىمية اإلضافية لمتغير إضافي ) أو متغيرات إضافية (
جدول )(2-5
S.O.V SS d.f MSS
الجدول ( )2-5يعرض في السطر األول معمومات عف معادلة التقدير النحدار Yعمى : X2
ىي القيمة المقدرة النحدار Yعمى X2فقط ،وتحسب في Yˆi ˆ1 ˆ12 X 2iحيث أف ̂12
ˆ x y
وفؽ العبلقة 12 22 :
x2
وبعد إضافة المتغير X3إلى النموذج الذي يتضمف X2وكما في السطر الثاني مف الجدوؿ فاف معادلة
Yˆi ˆ1 ˆ2 X 2 ˆ3 X 3 التقدير:
والمعممات ˆ2و ˆ3ىي األثر المباشر لػ X2و X3عمى Yوتحسب عمى وفؽ:
ˆ2
( xx) 1 xy
ˆ
3
ˆ yx2 x32 yx3x2 x3
2 أو
(x22 )(x32 ) (x2 x3 ) 2
لذلؾ فاف التغيرات التي يتـ توضيحيا مف قبؿ المتغير X3النحدار ) (Y 0 12 X 2 u
144
يمكف تقديره بالفرؽ بيف ) مجموع المربعات المشروحة مف قبؿ المتغيريف X2و X3معاً( وبيف مجموع
المربعات التي يتـ توضيحيا مف قبؿ المتغير X2فقط:
)ESS(X3/X2) = ESS(X2,X3)-ESS(X2
وبدرجات حرية مقدارىا عدد المتغيرات التوضيحية المضافة لممعادلة األصمية ) وىو المتغير ( X3
أي إف متوسط المربعات المشروحة اإلضافية ىي:
) ESS ( X 3 X 2
1
أما مجموع مربعات بواقي العبلقة الجديدة ) RSS(X2,X3فتحسب عمى وفؽ القانوف:
145
1
1و 2 4 حيث اف 2 :
5
3
،حيث X1يشمؿ األعمدة التي تمثؿ المتغيرات وبذلؾ فاف معادلة االنحدارY X1 1 X 2 2 u :
األوؿ والثاني والثالث ،كما أف X2يمثؿ العموديف المذيف يمثبلف المتغيرات X4و . X5
والختبار أىمية إضافة المجموعة الجزئية γ2يتـ اختبار الفرضية:
-والتي تتطمب vs. H1: γ2≠ 0 H0: γ2 = 0
حساب مجموع المربعات المشروحة اإلضافية عند إضافة المتغيرات X4و X5لمنموذج القديـ:
. Y 1 X1 2 X 2 3 X 3 u1والتي يرمز ليا ESS ( X 4 X 5 X 1 X 2 X 3 ) :
ESS ( 2وبدرجات حرية عددىا )(2 -والتي يتـ حسابيا 1 ) ESS ( 1 2 ) ESS ( 1 ) :
والتي تمثؿ عدد المتغيرات التوضيحية المضافة.
-ثـ تحسب مجموع المربعات لبواقي االنحدار الجديد ) RSS ( X 1 X 2 X 3 X 4 X 5وبدرجات حرية
بضمتيا المقطع الصادي .β0 مقدارىا) :عدد المعممات في النموذج الجديد (n 6) (n
ESS ( X 4 X 5 X 1 X 2 X 3 ) 2
F وبذلؾ فاف المختبر المستخدـ ىو:
)RSS ( X 1 X 2 X 3 X 4 X 5 ) (n 6
أما في حاؿ استخداـ الطريقة الثانية ) الطريقة المختصرة ( لحساب مجموع المربعات اإلضافي لحدود γ2
فيتـ عمى وفؽ اآلتي:
1
ˆ
ESS ( X 4 X 5 X 1 X 2 X 3 ) ˆ4
ˆ5 c 44 c 45 4
c c ˆ5
54 55
حيث ˆ4و ˆ5ىي المقدرات التي يتـ الحصوؿ عمييا مف تقدير النموذج الكمي ) الجديد (،
وكذلؾ فاف c55 ، c45 ، c44ىي عناصر معكوس مصفوفة فيشر لمنموذج الكمي ) الجديد (
أما تعميـ ذلؾ فيتبع اآلتي:
ESS ( 2 1 ) ˆ2 CZ12 ˆ2 ... )(9 - 5
تمثؿ عناصر مصفوفة معكوس فيشر الخاصة بالمتغيرات .Z2 حيث cz2
وىكذا يمكف اختبار األىمية اإلضافية ألي مجموعة جزئية γ2وبأي عدد مف المتغيرات.
146
ESS ( 2 1 ) r
Fˆ*2 ˆ1 ... )(10 - 5
)RSS ( 1 , 2 ) (n k 1
حيث ) ( rتمثؿ عدد المتغيرات الموجودة في المصفوفة ) Z2المضافة لمنموذج القديـ (.
) ( kتمثؿ عدد المتغيرات في النموذج الكمي ) الموجودة في النموذج الجديد (.
كما يمكف التأكيد عمى استخداـ النسبة Fباعتماد معامؿ التحديد فقط ،وذلؾ باستخداـ العبلقة التالية:
2
( Rnew Rold
2
) r
F ... )(11 - 5
(1 Rnew
2
)) (n k 1
حيث أف:
2
: Rnewتمثؿ معامؿ التحديد لمنموذج الجديد ) الكمي ( الذي يتضمف المتغيرات Z1و Z2
2
:تمثؿ معامؿ التحديد لمنموذج القديـ والذي يتضمف المتغيرات Z1فقط. Rold
:تمثؿ عدد المتغيرات الموجودة في المصفوفة ) Z2المضافة لمنموذج القديـ( r
:تمثؿ عدد المتغيرات في النموذج الجديد ) الكمي (. k
وهكذا
147
حيث إف : RSS r eer :يمثؿ مجموع مربعات األخطاء لعبلقة االنحدار بعد إدخاؿ القيد
المفروض)عبلقة االنحدار المقيدة والتي تحقؽ فرضية العدـ(
: RSSUr eeUrتمثؿ مجموع مربعات األخطاء لعبلقة االنحدار الكمي ) غير المقيد(
: mتمثؿ عدد القيود . m=1
ولتوضيح الفكرة:
إذا افترضنا القيد 1 2 1
تعاد صياغتو كاألتي 1 (1 2 ) :وتعوض ىذه القيمة في النموذج األصمي ،فيصبح النموذج
Y 0 X1 2 X1 2 X 2 . . . k X k u
(Y X 1 ) 0 2 ( X 2 X 1 ) 3 X 3 . . . k X k u
وكاالتي:
2
( RUr Rr2 ) m
F
*
... )(14 - 5
(1 RUr
2
)) (n k 1
2
: RUrتمثؿ معامؿ التحديد لمنموذج غير المقيد والذي يمثؿ النموذج الجديد الذي يحوي جميع
المتغيرات.
148
: Rrتمثؿ معامؿ التحديد لمنموذج المقيد الذي يحقؽ فرضية العدـ والذي يتضمف المتغيرات X2 ، X1
2
ثانياً :في حالو كوف فرضية العدـ تتضمف أكثر مف فرضية خطية مستقمة .
مثاؿ )(1
و
فيمكف كتابتيا :
و
وتعاد صياغتيا بالصيغة المصفوفية :
)(2 مثاؿ:
و
[ ] ] [
[ ]
وىكذا H0 = β1 = β2 = ………..= βk = 0:
149
:Rمصفوفة معامبلت المعممات في القيود الخطية .ويكوف ترتيبيا j × kاذjتمثؿ عدد القيود الخطية
المطموب اختبارىا .
:Kعدد المتغيرات المستقمة في النموذج.
1
2
:βمتجو معممات النموذج بدوف المقطع الصادي :وبترتيب )( k × 1
k
: rمتجو القيـ المطمقة في معادالت القيود وبترتيب ) ( j × 1
والختيار الفرضية الخطية العامة RB = rنتبع اآلتي :
-1التأكد مف أف جميع القيود الخطية تكوف مستقمة بعضيا عف البعض .ويتـ حذؼ القيود غير المستقمة.
-2تعوض القيود المستقمة بالمعادلة األصمية لمحصوؿ عمى المعادلة المقيدة .
-3تحسب ESSلكؿ مف المعادلة الكمية ) األصمية ( والمعادلة المقيدة أو RSSلكمييما .
-4يتـ تطبيؽ المعادلة ) (12– 5أو ) . ( 13 – 5
-5أو تحسب R2لممعادلة الكمية والمعادلة المقيدة ويتـ تطبيؽ العبلقة ) ( 14 – 5لحساب النسبة Fمع
التأكيدعمى أف قيـ المتغير المعتمد في النموذج المقيد وغير المقيد ىي نفسيا وكذلؾ حجـ العينة.
-6تقارف مع Fالجدولية بدرجات حرية البسط )عدد القيود المستقمة= (mودرجات حرية المقاـn-
)(k-1
أمثمو توضيحية:
مثاؿ) :(7-5افترض النموذج التالي كانحرافات عف المتوسط Y 1 x1 2 x2 u :
وتـ توفير المعمومات حوؿ العينة :
493
x12 30 ، y 2 ، n 100
3
x22 3 ، x1 y 30 ، x2 y 20 x1 x2 0
ـ -/1قدر معممات النموذج باستخداـ OLSواحسب . R2
-2اختبر الفرضيات التالية:
)أ(
)ج( )ب(
1 : 2 71 VS 0 : 2 71
30 0 30
( x x) ; x y
0 3 20
151
الحؿ )(1
20
7
ˆ*t 3 5.679 , tc 2
2
0.0587
151
490
2
F
* ESS ( x1 x2 ) 2
3
490 * 97
7921.67
)RSS ( x1 x2 ) (n 3 1 97 6
القرار نرفض H0أيأف العبلقة الخطية مبلئمة لمبيانات المستخدمة.
ويمكف استخداـ R2لحساب F
R2 2 (490 / 493) / 2
F
*
7921.67
(1 R 2 ) (n 3) (1 490 / 493) / 97
)ج(
يمكف اعتبارىا كتركيب خطي 2 71وبذلؾ يتـ اختبارىا باستخداـ االحصاءة : t
ˆ2 7 ˆ1
t*
) s.e( ˆ2 7 ˆ1
1
) (c22 49c11 14c12
97
1 1 1
( 49 14(0)) 0.0203
97 3 30
20 1
7
t* 3 3 2.339 )tc ( 97, 0.025
0.1425 0.1425
152
في المعادلة األصمية : نعوض
y 1 ( x1 7 x2 ) u
( x1 7 x2 ) y x1 y 7x2 y
ˆ1
( x1 7 x2 ) 2 x12 14x1 x2 49x22
493
ESS r ˆ1( x1 7 x2 ) y 163.2 eer RSS r 163.2 1.13
3
ESSUr 163.333 eeUr 1
153
عمماَ باف : ) (6اختبر الفرضية :
( )
( )
الحؿ(1) :
⁄
̂ ́
́ [ ]
) (2األىمية النسبية لمتغيرات المشروحة مف قبؿ المتغيريف X1و X2عمماَ بوجود المتغير X3يتـ
حسابيا باالعتماد عمى العبلقة.
57.25
154
56.25
rX21 X 2 . X 3 0.983
57.25
)ٖ( األثر الكمي لممتغير X3يتـ حسابو مف االنحدار البسيط إذ انو يمثؿ األثر المباشر وغير المباشر
لممتغير X3عمى المتغير . Y
̂
̂ ̂
) (4األثر اإلضافي يعني اختبار أىمية إضافة المتغير X3إلى النموذج القديـ الذي يحتوي عمى X1مع
X2فقط وتحسب عمى وفؽ المختبر Fالعبلقة ): (9-5
155
ESS ( x1 x2 ) ̂ xy
̂ و ̂ مف انحدار Yضد X1و X2فقط: اوالً :يجب تقدير
والختيار األىميةاإلضافية لممتغيريف يتـ تطبيؽ العبلقة ) : (9-5حيث r = 2عدد المتغيرات المضافة
لمنموذج القديـ 3 = k .عدد المتغيرات في النموذج الجديد .
ESS ( X 1 X 2 / X 3 ) 56.25
156
) (6الختبار الفرضية الخطية العامة :
ويتضح أف الفرضيات ) (3و )(4ىي تركيب خطي بداللة الفرضيات ) (1و )(2
فالفرضية ) (3ىي الفرضية ) + (1الفرضية )(2
والفرضية ) (4ىي الفرضية ) ) *3 + (1الفرضية ( 2
وعمية فاف الفرضيات المستقمة ىي ) (1و ) ، (2تعوض في النموذج الكمي .
2 (3)2
1
0.104
5.6 2(0.8) 2.4 9.6
2
ESS Ur ( ˆ1 ˆ 2 ˆ3 ) x y (0.75 3 1.5) 21 1.5 63 4.5 60
3
ESSUr ESS r 59.896
وبتطبيؽ العبلقة )(13-5
(59.896) 2 29.948
F* 329.099
0.091 0.091
حيث أف r = 2وىي عدد القيود الخطية المستقمة في فرضية العدـ .
157
ويمكف حسابيا كاألتي):عدد المعممات في النموذج الكمي ( -عدد المعممات في النموذج المقيد
3-1=2
القرار :أف القيود المتضمنة في فرضية العدـ تساعد عمى تحسيف القدرة التنبؤية لمنموذج.
ESS ( X 1 X 2 X 3 )Ur
) (7معامؿ التحديد لمنموذج الكمي=
TSS
ESS r
الوقُذ = هعاهل التحذَذ للٌوىرج
TSS
كما يمكف اختبار الفرضية الخطية العامة باالعتماد عمى معامبلت التحديد لمنموذج الكمي والنموذج المقيد
وذلؾ بتطبيؽ العبلقة )(14-5
(0.984 0.0017) 2 0.49115
F* 327.4
)(1 0.984) (n 4 0.0015
والنتيجة غيرمنطبقة بسبب التقريب الذي تـ استخدامو .
غيراف االستنتاج النيائي متطابؽ تماماً .كما في استخداـ العبلقة ). (5-4
) (8الختبار الفرضية العامة :
تعني :
1 0 )(1
21 2 2 2 3 0 )(2 2 2 2 3 0 2 2 2 3
31 2 2 2 3 0 )(3
تصبح الفرضية ) (3غير مستقمة ،وبذلؾ فاف عدد الفرضيات المستقمة ىي ).(2
تعوض الفرضيات المستقمة في النموذج األصمي فنحصؿ عمى النموذج المقيد.
النموذج المقيد:
158
نحسب مجموع المربعات المشروحة لمنموذج المقيد :
ESS r 54
RSS
0.091
n4
وبتطبيؽ العبلقة ):(13-5
(60 54) / 2 3
F* 32.967
0.091 0.091
أيأف القيود تساعد عمى تحسيف القدرة التنبؤية لمنموذج .
فكـ مف التغيرات أسيـ X2في توضيحيا مف إجمالي التغيرات في yعمماً بوجود X1؟
ESS(X1)=65898.235 الحؿ :
159
ESS ( X 2 / X 1 ) / 1 64.7836 / 1
F* 9.81
RSS ( X 1 X 2 ) /( n 3) 79.2513 / 12
وكما يمكف االختبار باالعتماد عمى معامؿ التحديد لمنموذج األصمي والنموذج المقيد .
أما مجاؿ الثقة المشترؾ لمعممتيف أو أكثر يمكف تحديده اعتماداًعمى معادلة القيود الخطية :
⇔
أيأف :
يمكف كتابتيا كاألتي :
1 0 1 0
0 1 2 0
161
ومع تحققفرضية العدـ:
)R(ˆ ) Rˆ R Rˆ r ~ N(0, 2 RCR
-1
حيث اف:
والقيمة الحقيقية في الفترة التنبؤية ستكوف :
:تمثؿ القيمة الحقيقية المفترضة لممتغير العشوائي في الفترة التنبؤية .وعمية فيمكف تعريؼ خطأ
التنبؤ) (والذي يحسب عمى وفؽ اآلتي:
e f Y f Yˆf
1
2 R( X X ) R 2 2 R( X X ) R 1
1
1
var( R ) 2 R( X X ) R
الف :
e f Y f Yˆf ~ N 0 , 2 R( X X ) R 1
1
وبذلؾ :
Y f Yˆf
)~ N (0,1
1 R( X X ) R 1
161
ee
s ˆ
n k 1
فاف :
Y f Yˆf
~ t
ˆ 1 R( X X ) R 1 ) ( nk 1,
2
:القيمة المتوقعة لػ Yفي الفترة التنبؤية . أما فيما يخص مجاؿ الثقة لمتوسط االستجابة
. والتي تكوف أضيؽ مف مجاؿ الثقة لمقيمة التنبؤية الجديدة Yf
مثاؿ):(10-5
26.7 4.5 8.0
( X X ) 1.0 1.5 Yˆ 4 2.5 X 1 1.5 X 2
1
, , n5
2.5
ˆ 2 0.75
احسب مجاؿ الثقة باحتماؿ 95%لمقيمة التنبؤية الجديدة عندما تكوف X1=10و X2=10وكذلؾ
لمتوسطاالستجابة .
الحؿ :
26.7 4.5 8.0
R( X X ) 1 R 1 10 10 1.0 1.5
1.5 2.5
162
̂
ويمكف استخداـ البيانات كانحرافات عف متوسطاتيا وعمى وفؽ اآلتي :المتجو Xfكانحرافات:
1
var(Yˆf ) ˆ 2 x f ( xx) 1 xf
n
اما القيمة المقدرة لتبايف القيمة التنبؤية ل ػ : Yf
163
)(8-5معامل االنحدارالجزئي القياسStandard Partial regressio coefficient :
يرمز ليذا المعامؿ ، iوىو معامؿ االنحدار الجزئي عندما يتـ تحويؿ متغيرات النموذج الى
*
وكذلؾ :
وكذلؾ :
وبذلؾ فاف معادلة االنحدار القياسية تكوف خالية مف المقطع الصادي :
فذلؾ ضعؼ خالية مف الوحدات لذا يتـ استخداميا إلغراض المقارنة .فإذا كانت وحيث اف
يدلؿ عمى اف المتغير X2ىو ضعؼ أىمية المتغير X1في تقدير قيمة .Y
SX jX j
ˆ *j ˆ j
SYY
5.6
ˆ1* (0.75) 0.227
61
164
8.4
ˆ2* (3) 1.1132
61
2.4
ˆ3* (1.5) 0.298
61
وعمية فاف المتغير X2ىو أكثر المتغيرات أىمية في تفسير قيـ Yويميو المتغير X3في األىمية،
ثـ المتغير X1ىو اقميا أىمية .
165
الجواب (1):الصيغة التقديرية القياسية ،باالعتماد عمى العبلقة ): (7-4
x 2j
ˆ *j ˆ j
y 2j
60
ˆ1* (0.432) 0.2679
156
48
ˆ2* (0.82) 0.455
156
24
ˆ3* (0.789) 0.309
156
وعمية فاف أىمية المتغيرات التوضيحية بالتتابع ىي X3 , X2 :ثـ . X1
RSS ( X 3 ) 25.3
3.16
n2 8
2.333
t *ˆ 6.48
3
0.36
تقارف مع القيمة الجدولية
166
القرار X3 :ميـ معنوياً لتحديد التغيرات في . Y
الختبار األثراإلضافيالذييضيفو X3لمنموذج المتضمف X1و X2فاف فرضية العدـ :
0 : 3 X 1 X 2 0 vs. 1 : 3 X1 X 2 const 0
0.676 0.746
( x x) 1
0.845
=(2880-2809) =71المحدد
RSS ( X 1 X 2 X 3 ) 5.3
0.883
n k 1 6
4.268
F* 4.834
0.883
تقارف مع F(1,6,0.95) 5.99
اذف القرار ال نرفض فرضية العدـ .
أيأف X3غير ميـ في تحديد قيمة . Y
167
)(3األىميةاإلضافية لممتغير : X3
أي:
ىناؾ طريقتاف إلجراء االختبار .الطريقة األولى باستخداـ الفرضية الخطية العامة وعمى وفؽ آالتي:
النموذج الكمي )غير المقيد(
النموذج المقيد :بتعويض 2 3 :
y 1 x1 (3 ) x2 3 x3 u
y 1 x1 3 ( x3 x2 ) u
z1 z2
فالنموذج المقيد :
1
ˆ1 x12 x1 ( x3 x2 )
xy
ˆ 2 ( x3 x2 ) 2
المحدد
0.2845 0.185
( xx) z11z2
0.127
168
ˆ1 0.2845 0.185 91 25.889 25.53 0.3594
138 16.835 17.526 0.691
ˆ 2 0.127
60 53 34
( X X ) 48 31
24
في جميع أمثمة الفصميف ) الرابع و الخامس( تـ استخداـ الطرائؽ الحسابية االعتيادية في الحموؿ ،ويمكف
استخداـ البرامج الجاىزة ليذا الغرض وسيتـ استخداـ برنامج SPSSعمى بيانات المثاؿ ) (4-3بعد
إضافة المتغير) (X2الذي يمثؿ درجة ح اررة سائؿ تبريد الماكنة الى بيانات المثاؿ .
مثاؿ)٘ :( ٔٗ -اضافة المتغير) (X2الذي يمثؿ درجة ح اررة سائؿ تبريد الماكنة الى بيانات المثاؿ
) ،(4-3وكما ىو معروض في الجدوؿ) ٘( ٖ -
169
الجدوؿ )٘( ٖ -
عدد العيوب ) (Yوسنوات الخدمة ) (X1ودرجة ح اررة سائؿ التبريد ) (X2لعينة مف ) (15مشاىدة سحبت
عشوائياً مف مصنع معيف.
Y 39 ٓٗ ٖ٘ 28 35 30 33 33 26 40 41 33 ٖٔ 33 38
X1 5 11 4 12 11 13 9 11 12 4 5 6 ٚ ٜ ٙ
X2 36 35 31 30 37 32 36 34 37 30 31 32 33 34 35
الوصذسhttp // samehar. word press.com :
ويفسر معممة االنحدار الخاص بالمتغير المستقؿ ) ( X1اف زيادة خبرة العامؿ بمقدار سنة واحدة سيؤدي
الى انخفاض في عدد العيوب بمقدار ) ، (1.175وعند زيادة درجة ح اررة سائؿ تبريد الماكنة ) (X2بمقدار
درجة سيميزية واحدة تؤدي الى ارتفاع عيوب المنتج بمقدار ). (0.132
فالعمود ) (1يمثؿ قيـ المعممات المقدرة غير القياسية.
العمود ) (2يمثؿ الخطأ المعياري لممعممات المقدرة غير القياسية.
أما العمود) (3يمثؿ المعممات المقدرة القياسية ) المعيارية(.
171
وتظير القيـ اف المتغير X1ىو أكثر تأثي اًر فى Yمف المتغير X2عمى وفؽ قيمتو القياسية المقدرة.
والجدوؿ) ٘ (٘-يعرض معمومات تفيد الختبار معنوية المعممات عمى وفؽ االحصاءة tالى جانب
مجاؿ الثقة باحتماؿ 95%وكاالتي:
جدوؿ )(5-5
نتائج التحميؿ الخاصة بالمعممات
فالعمود ) (1يعرض قيـ االحصاءة tلممعممات المقدرة والتي تسمح الختبار الفرضيات:
H0: βi = 0 i = 0, 1, 2
vs.
H1: βi ≠ 0
ˆi
t *
ˆ
i
) s.e( ˆi
)t *ˆ (3.646 فاف
0
والعمػػود ) (2يعػػرض قػػيـ pآزاء كػػؿ معممػػة ،فػػنبلحظ اف قيمػػة pاقػػؿ مػػف ٘ (p < 0.05) %بالنسػػبة
لممتغيػػر المسػػقؿ X1وىػػذا يعنػػي اف المعممػػة ˆ1معنويػػة احصػػائياً باسػػتخداـ مسػػتوى داللػػة ٘ ،%أي اف
خبرة العاممميمػة فػي تفسػيرالتغيرات فػي جػودة المنػتج .كمػا نبلحػظ اف قيمػة pاكبػر مػف ٘(p > 0.05)%
بالنسػػبة لممتغيػػر المسػػقؿ X2وىػػذا يعنػػي اف المعممػػة ̂ 2غيػػر معنويػػة احصػػائياً أي اف درجػػة حػ اررة سػػائؿ
التبريد غير ميمة في تفسير التغيرات في عيوب المنتج.
اما العموداف ) (3و ) (4فتظير مجاؿ الثقة باحتماؿ 5%لممعممات المقدرة بحدييا االدنى واالعمى.
171
)ˆi s.e(ˆi ).(tc ( nk 1,0.025) ˆi ˆi s.e(ˆi ).(tc ( nk 1,0.025
أي اف مجاؿ الثقة باحتماؿ 5%لممعممات المقدرة يمكف تثبيتو مف الجدوؿ كاالتي:
لػ 15.978 ˆ0 63.438 ˆ0
واف مخرجات البرنامج توفر جدوؿ تحميؿ التبايف والذي يساعد في اختبار معنوية النموذج ككؿ عمى وفؽ
اختبار Fوكاالتي:
جدوؿ )(6-5
نتائج تحميؿ التبايف
ANOVA
ويوضح الجدوؿ ) (6-5نتائج تحميؿ تبايف االنحدار) (ANOVAفيستدؿ مف خبللو عمى نسبة التبايف
الذي تفسره المتغيرات المستقمة )خبرة العامؿ( و )درجة ح اررة سائؿ التبريد( مف تبايف المتغير التابع
) جودة المنتج( ،وبما اف مستوى الداللة ىو ) (P = 0.002وىو اقؿ مف ) (0.05وبالتالي فاف قيمة )(F
دالة إحصائياً ،اي يمكننا القوؿ اف النموذج يمثؿ البيانات خير تمثيؿ عند مستوى داللة اقؿ مف ).(0.05
وتكوف مخرجات البرنامج بالنسبة لمعامؿ التحديد كما في الجدوؿ )(7-5
جدوؿ )(7-5
ممخص نتائج تحميؿ االنحدار
R )R Square (R2 2
) Adjusted R ( R Std. Error of the
Square Estimate
.804 .646 0.587 2.93
المصدر :نتائج برنامج SPSSباالعتماد على بٌانات العٌنة.
172
نبلحظ في جدوؿ ) (7-5معامؿ االرتباط المتعدد = 0.804) (Rوالذي يبيف مدى تأثير المتغيريف
المستقميف في المتغير التابع أي اف ىناؾ ارتباطاً قوياً بيف المتغيرات المستقمة والمتغير التابع في النموذج.
كما يظير في الجدوؿ أيضا معامؿ التحديد الذي يفسر نتائج النموذج ،وقيمتو ) (R2 = 0.646وتعني اف
النموذج المقدر يعبر عف أكثر مف) %(64مف البيانات أي اف المتغيراتالمستقمة تفسر أكثر مف)% (64
مف تبايف المتغير التابع ،وتـ حساب معامؿ التحديد المعدؿ لمنموذج والذي
يساوي ) ( R 2 0.587ويستخدـ لمغرض نفسو اعبله ولكف بصورة ادؽ.
173
أسئهة انفصم انخبمس
س):1أ( اشتؽ صيغة مبلئمة لحساب مصفوفة التبايف والتبايف المشترؾ لممعممة β0بافتراض
. Y 0 1 X 1 2 X 2 ui النموذج:
)ب( اختبر معنوية المعممة β0مف واقع المعموماتYˆ 5.3 2.5 X1 0.78 X 2 :
)ج( تنبأ عف قيمة Yعندما X2 = 10 ، X1 = 10ثـ احسب مجاؿ الثقة لمقيمة التنبؤية الجديدة.
س :3في نموذج االنحدار الخطي المتعدد كيؼ تعبر إحصائيا عما يمي:
ٔ .عدـ وجود عبلقة خطية تامة بيف المتغيرات التوضيحية.
ٕ .خاصية تجانس خطأ التقدير.
ٖ .االستقبلؿ الذاتي لخطأ التقدير.
174
س :4عينة مف ) (30مشاىدة X3 ،X2 ،X1 ،Yولدت لوحة البيانات التالية:
ٔ .افترض تحقؽ فروض التحميؿ ،ىؿ نتائج التقدير باستخداـ OLSتختمؼ عنيا عند استخداـ طريقة
اإلمكاف األعظـ.
ٕ .احسب معادلة التقدير وفسر نتائج التقدير.
ٖ .اختبر األىمية اإلضافية لممتغيريف X2و X3لمنموذج. Y 0 1 X ui :
ٗ .احسب األىمية النسبية إلضافة المتغيريف X2و . X3
٘ .احسب القيمة التنبؤية لػ Yعندما X1 = 2و X2 = 5و X3 = -2واحسب مجاؿ الثقة لمقيمة
التنبؤية باحتماؿ .95%
175
س :7مع توافر المعمومات:
9.1 0.5 0.8 2.3
0.25 0 0 20
( X X ) 1
0.16 0.2
, e 2
i 3.67
i 1
0.7
س :9ما الشروط الواجب توافرىا ألجؿ تساوي المعممات المقدرة باستخداـ صيغة النموذج المتعدد مع
نظيراتيا مف النموذج الخطي البسيط .وضح حالة االنحدار بثبلثة متغيرات Yو X1و . X2
176
س :11صحح الخطأ إف وجد.
ٔ .رتبة المصفوفة Xتكوف تامة مف ناحية األعمدة إذا انعدـ وجود ارتباط خطي تاـ بيف المتغيرات
التوضيحية.
2
var( ˆ 2 ) يكوف ٕ .في االنحدار Y 0 1 X 1 2 X 2 ui
) x 22 (1 r122
ٖ .تفضؿ العبلقة Yˆ ˆ0 ˆ1 X 1 ˆ2 X 2مع R2 = 0.8عمى العبلقة
Zˆ ˆ 0 ˆ1 ln X 1 ˆ 2 ln X 2مع R2 = 0.7إذا كاف حجـ العينة 12في العبلقتيف
متساوياً.
ٗ .إف أثر المتغير Xعمى المتغير Yيتحدد بمقدار β1إذا كانت معادلة التقدير ln Yˆ ˆ0 ˆ1 X
.
٘ .إذا كانت فترة الثقة لمقيمة التنبؤية باحتماؿ 99%ىي ) ( 0.3 ≤ Yof≤ 7.8فاف القيمة التنبؤية تعد
غير معنوية باستخداـ مستوى معنوية .1%
.ٙإذا r12 = 0و r13≠ 0و r23≠ 0فاف . r12.3> 0
.ٚرفض الفرضية H 0 : 1 2 3 0 :دليؿ عمى إف جميع المتغيرات المستقمة ميمة
لتحديد استجابة .Y
.ٛيتساوى األثر المباشر مع األثر اإلجمالي في معادالت تحميؿ االنحدار بشكؿ عاـ،
177
انفصم انسبدس
اختالل فروض انتحهيم انتي تخص توصيف اننمورج وحذ
االضطراة انعشوائي
178
المحدود أو الصغير فبل تتحقؽ صفة التوزيع الطبيعي .ومعموـ إحصائياً إف فرضية التوزيع الطبيعي تكوف
ميمة إذا كاف اليدؼ ىو الختبار الفرضيات.
وعميو فانو مع العمؿ بحجـ محدود أو صغير مف المشاىدات يتطمب إجراء اختبار لمتحقؽ مف التوزيع
الطبيعي .ومف االختبارات المستخدمة في ىذا الشأف ىو اختبار Jarque - Bera testوالذي يعتمد
عمى اختبار الفرضية:
0 : s 0 ; k 3
s
مربع العزـ الثالث حوؿ المتوسط
(Y ) 3 2
) (1 6
مكعب العزـ الثاني
(Y ) 2 3
وعميو الختبار التوزيع الطبيعي لممتغير العشوائي uيتـ حساب s :و kلبواقي عبلقة االنحدار ) (eiثـ
،وبدرجات يطبؽ المختبر ، J.Bعمماً أف المختبر ) (J.Bيتوزع توزيع مربع كاي J .B ~ 22 :
حرية مقدارىا ). (2
كما ويمكف بشكؿ عاـ استخداـ المدرج التكراري لمبواقي ) (Histogramومف خبلؿ المدرج يستدؿ فيما اذا
كاف يشبو التوزيع الطبيعي أـ ال .
أما االختبار اآلخر فيكمف بمقارنة االنحراؼ المعياري لبلنحدار) ˆ (مع مدى قيـ البواقي مقسومة
هذي ˆe
( s فاف التوزيع الطبيعي يتحقؽ. عمى) (6فاذا كاف) :
6
عمماً باف المدى ىو ) قيمة eاألكبر -القيمة األصغر(.
179
مثاؿ ) :(1-6في أدناه بواقي عبلقة انحدار ؿ )٘ٔ( مشاىدة:
e -2.857 -4.68 3.807 1.984 0.161 3.338 -3.33 5.312 -1.821
i 1 2 3 4 5 6 7 8 9
et2 227.1668
ˆ 2 17.47
ˆ 4.1797
̂ s
هذي
2.47
6
إما باستخداـ اختبار Jarqa – Beraفيمكف تطبيؽ القوانيف ) (ٔ-ٙو) (ٕ-ٙو) (ٖ-ٙتباعا كما
باإلمكاف اعتماد البرنامج الجاىز) ( SPSSلحساب األحصاءة ):(J-B
s = 0.230483
k = 2.415689 و
181
مثاؿ ) :(2-6توفرت اخطاء عبلقة انحدار Yعمى X1و X2عمى وفؽ اآلتي:
e 5.777 -4.746 9.848 2.563 -0.746 4.07702 -1.426 22.82884
i 1 2 3 4 5 6 7 8
n=12 , e 6988.634
2
اختبر اف البواقي تتوزع توزيعاً طبيعياً ؟
الحؿ:
نستخدـ اختبار Jarqua – Bera
S = -1.506426
k = 6.128895
J .B 9.433629
22( 0.05) 7.81473 نقارف مع الجدولية
181
يتضح أف التوزيع غير طبيعي وىو ما يؤكد ما توصمنا إليو باستخداـ اختبار)(Jarque - Bera test
وبالنظر لمدى : eالقيمة األكبر = ، 38.85023القيمة األصغر = - 68.7819
هذي
se = 776.5 ، 17.9 وعميو الفرضية لمتوزيع الطبيعي ال تتحقؽ.
6
مثاؿ) (ٖ-ٙاستخدـ بيانات المثاؿ ) ٘ ( ٔٗ-نفسيا لتوضيح استخداـ البرنامج الجاىز ) ( SPSS
الختبار جاركا -بي ار ) ( Jarque - Bera (JB)Test
ولمتابعة تحميؿ النتائج مف خبلؿ اختبار فرضيات التحميؿ يمكف اعتماد برنامج SPSSوباستخداـ
المختبر االحصائي ) Jarque - Bera (JBالختبار تحقؽ فرض التوزيع الطبيعي .
(Y )
2
3
E (Y ) 4
s , k
(Y ) E (Y )
3 2
2 2
s 2 (k 3) 2
J B n ~ 22
6 24
باستخداـ البرنامج يمكف حساب القيمة المقدرة لػ ˆ Yمنيا تحسب eiحيث اف ei Yi Yˆi
) (ei eثـ نحسب معامؿ التماثؿ s -ثـ نحسب (ei e ) 2و (ei e )3و
4
(141.64) 2
s 0.02
(103.09)3
)(1576.93 ومعامؿ التفمطح: k
k 0.15
(103.09) 2
ثـ نحسب معامؿ ):(J.B
(0.02) 2 (0.15 3) 2
J .B 15
6 24
15 0.00007 0.34
5.08
وبمقارنتيا مع القيمة الجدولية لمربع كاي c2( 2,0.05) 5.99 :
182
بما إف قيمة J.Bالحسابية أقؿ مف χ2الجدولية نقبؿ فرضية العدـ وىذا ال يعني بالضرورة اف التوزيع
طبيعي وانما رفض الفرضية القائمة . s 0 , k 3
أما كيفية تجاوز مشكمة إف بواقي العبلقة يتوزع توزيعاً غير طبيعي فيمكف توسيع حجـ العينة أو
تضميف متغيرات توضيحية إضافية إلى النموذج كما يمكف أف نغير الصيغة الدالية المستخدمة فبدؿ اف
نستخدـ الصيغة الخطية يتـ استخداـ الصيغة الموغاريتمية المزدوجة.
إف اختبلؿ التوزيع الطبيعي لمخطأ يتبلزـ مع عدـ تحقؽ فرضية تجانس تبايف األخطاء والتي
سيتـ تناوليا في الفقرة القادمة.
183
var ui 2
12 0 0
0 22 0
0 2 n
شكؿ)(1-6
أخطاء الطباعة
ساعات التدريب
ٕ .طبيعة بعض الدراسات توحي الى أف تشتت بواقي العبلقة غير ثابتة .مثبل في دراسة دالة
االدخار ،فاف تبايف االدخار يتغير عمى وفؽ فئات الدخؿ المختمفة .ففي المتوسط اف الفئات
الدخمية العالية تميؿ الى االدخار أكثر مف فئات الدخؿ المنخفضة ،مع بقاء وجود تغيرات في
االدخار لمعوائؿ المختمفة .وبذلؾ فاف انحدار االدخار كدالة بداللة الدخؿ يولد تبايناً متزايداً مع
الدخؿ وذلؾ الف األفراد تكوف لدييـ خيارات أوسع حوؿ سموكيـ االدخاري.
والحاؿ نفسو عند دراسة األرباح لعينة مف الشركات فالشركات التي تكوف أرباحيـ كبيرة يتوقع
اف تكوف لدييـ تغيرات واسعة حوؿ سياساتيـ االستثمارية أكثر مف الشركات ذات األرباح
المنخفضة.
ٖ .تحسيف طرائؽ جمع البيانات بشكؿ عاـ يولد اتجاه حوؿ انخفاض التبايف.
ٗ .وجود المشاىدات الشاردة )الشاذة( سبباً لظيور عدـ التجانس لؤلخطاء .فاف حذؼ او تضميف
مشاىدات شاذة تكوف حاف اًز لمتأثير فى النتائج وخاصة في حالة العينة الصغيرة.
184
٘ .سوء توصيؼ النموذج يعد مصد اًر خصباً لوجود عدـ التجانس .ويتولد سوء التوصيؼ في نموذج
االنحدار مف أمريف .األوؿ ىو حذؼ متغير ميـ أو إضافة متغير ليس بذي جدوى .أما األمر
الثاني فيو عدـ استعماؿ الصيغة الدالية المبلئمة لمبيانات .فاستعماؿ الصيغية الخطية عوضاً
عف الصيغة الموغارتمية المزدوجة قد تكوف سبباً لظيور مشكمة عدـ التجانس .كما إف إجراء
التحويبلت غير المناسبة لمبيانات تعد سبباً لحدوث مشكمة عدـ التجانس.
ال بد مف التنويو عمى اف مشكمة عدـ التجانس تظير غالبا في دراسات المقاطع العرضية (Cross-
) sectionاذ يتـ التعامؿ مع أفراد مف المجتمع في لحظة زمنية معينة ،وتكوف ىذه األفراد غير متجانسة
:مثؿ شركات كبيرة ومتوسطة وصغيرة ،او فئات دخمية مختمفة .غير اف دراسات السبلسؿ الزمنية)
(Time-Seriesليست بمأمف مف ىذه المشكمة.
ki i
i i 2 2
1
x i
2 2 واف تبايف معممة االنحدار :
والبد مف التأكيد عمى اف البرامجيات الجاىزة في حالة عدـ التجانس ترتكب خطأيف:
األوؿ :يتـ باستخداـ الصيغة ) (ٗ-ٙلحساب تبايف معممة االنحدار عوضاً عف الصيغة )(5-6
أما األمر الثاني :فيو استخداـ الصيغة ) ˆ (عوضاً عف ) ، (ˆ iحيث إف
RSS ei
2
ˆ
2
n2 n2
185
وبذلؾ فاف تبايف المعممات يكوف متحي اًز .في حيف تبقى المقدرات تتصؼ بخاصية عدـ التحيز وخطية
العبلقة بداللة Yكما إف المعممات تكوف متسقة غير أنيا تفقد خاصية الكفاءة الف تباينيا ال يكوف اقؿ ما
يمكف .وبذلؾ فاف اختبارات المعنوية تكوف متحيزة )ألنيا تعتمد عمى تبايف المعممات( وكذلؾ مجاالت
الثقة لممعممات المقدرة أو لمتوسط االستجابة أو لمقيمة التنبؤية الجديدة تكوف متحيزة ىي األخرى وال يعتد
بيا )تفقد مصداقيتيا(.
عمى المحور األفقي. التحميؿ عمى أساس رسـ قيـ ) ] (eعمى المحور العمودي و ) (Xأو ˆY
فإذا كاف الشكؿ يظير نمطاً معيناً يمكف استنتاج وجود أو عدـ وجود المشكمة وكذلؾ النمط المناسب لعدـ
التجانس .واألشكاؿ التالية توضح ذلؾ:
شكؿ )(2-6
أنماط رسـ البواقي
e2 e2
ˆY ˆY
)(a )(b
e2 e2 e2
فالشكؿ ) (a ٕ-6يبيف عدـ وجود نمط محدد وذلؾ يقترح باف البيانات ال تظير عدـ تجانس لتغيرات
األخطاء .أما األشكاؿ المتبقية فتشير إلى وجود مشكمة عدـ التجانس وبأنماط مختمفة:
186
الشكؿ ) (bيبيف إف تبايف األخطاء متزايد مع قيـ Yالمقدرة والشكؿ ) (cيبدي نمطاً خطياً يبف مربع
األخطاء وقيـ Yالمقدرة .والشكؿ d ,eتؤكد وجود عبلقة تربيعية بيف تبايف األخطاء وبيف قيـ Y
المقدرة.
وجدير بالذكر إف استخداـ تحميؿ البواقي يساعد في تحديد نمط عدـ التجانس وبذلؾ تكويف الخطوة األولى
في حؿ مشكمة عدـ التجانس مف خبلؿ معرفة نمط عدـ التجانس لتحويؿ المشاىدات .وتعد ىذه الطريقة
تأشيرية إذ إنيا تعتمد عمى الحكـ الشخصي وخاصة مع محدودية مشاىدات العينة .ويجب اف تقرف مع
اختبارات إحصائية .واالختبارات اإلحصائية متعددة منيا ما يعتمد عمى التوزيع الطبيعي وبعضيا عاـ
ومف أىـ االختبارات اإلحصائية :
) ( iغير معروفة بشكؿ عاـ ،لذا فقد اقترح بارؾ استخداـ بواقي عبلقة االنحدار ) (eiعوضا عنيا.
2
ويتـ اختبار معنوية معممة االنحدار ،فإذا أثبتت معنويتيا فذلؾ دليؿ عمى وجود مشكمة عدـ التجانس.
187
مع مبلحظة إف العبلقة ) (g),(fغير خطية بداللة المعممات ،لذا ال يمكف تقديرىا بطريقة المربعات
الصغرى االعتيادية.
ويمكف اعتماد طريقة اختبار كميزر لمعرفة نمط عدـ التجانس لممساعدة في تحويؿ المشاىدات.
مثاؿ ) :(3-6مف عبلقة انحدار اإلنفاؽ االستيبلكي Yواإلنتاجية Xتوفرت لوحة البيانات التالية:
اختبر مشكمة عدـ التجانس عمى وفؽ اختبار كميزر وكذلؾ اختبار بارؾ.
الحؿ:
عمى وفؽ اختبار كميزر :نحسب قيـ tالحسابية لمعممة االنحدار في العبلقة األولى:
0.02
t ˆ 0.296
1
0.0675
اذف معممة االنحدار غير معنوية.
وذلؾ يعكس اف النموذج ال يعاني مف مشكمة عدـ التجانس ،وكذلؾ عمى وفؽ طريقة بارؾ ،حيث اف
قيمة tالحسابية لمعممة االنحدار في العبلقة الثانية ) (-0.667وىي اقؿ مف قيمة tالجدولية بدرجات
حرية ) (n-2ومستوى داللة ٕ٘ٓ ،ٓ.وعميو يمكف االطمئناف باف النموذج المستخدـ ال يعاني مف
مشكمة عدـ التجانس.
حيث إف:
diفرؽ الرتب n ،حجـ العينة )( n > 8
ونمخص خطوات االختبار:
188
-انحدار Yعمى Xوتستخرج البواقي ) . (ei
او) ˆ (Yˆ ) (Y تحسب رتبة القيمة المطمقة لمبواقي ei وكذلؾ رتبة ) ( X ) ( X i -
في حالة االنحدار المتعدد ثـ يطبؽ القانوف ).(ٙ-6
H0 : 0 vs H1 : 0 -نختبر الفرضية :
باستخداـ اختبار tيمكف معرفة معنوية rex ) rexيشير الى معامؿ االرتباط البسيط بيف البواقي
) (eومشاىدات المتغير :( X
n2
t reX ~ t
1 reX
2 c ( n 2,
2
)
معنوية rتدؿ عمى وجود مشكمة عدـ تجانس تبايف الخطأ وبعبارة أخرى:
اذا t t cوجود مشكمة عدـ التجانس.
*
مالحظة :في حالة وجود قيـ مكررة فاف حساب الرتب يتـ بجمع الرتب لمقيـ المتكررة ثـ قسمتيا عمى عدد
التك اررات وتحدد الرتبة نفسيا لكؿ قيمة مف القيـ المكررة.
مثاؿ):(4-6الجدوؿ في أدناه يوضح حساب معامؿ ارتباط الرتب لسبيرماف لعشر مشاىدات لقيـ Yو .X
Y 12.4 14.4 14.6 16.0 11.3 10.0 16.2 10.4 13.1 11.3
X 12.1 21.4 18.7 21.7 12.5 10.4 20.8 10.2 16.0 12.0
e 1.03 1.24 0.20 0.22 0.26 0.59 0.83 0.10 0.06 `0.03
e 9 10 4 5 6 7 8 3 2 1
) (X 4 9 7 10 5 2 8 1 6 3
d 5 1 -3 -5 1 5 0 2 -4 -2
d2 25 1 9 25 1 25 0 4 16 4
d
i
2
110
189
110
reX 1 6 0.333
)10(100 1
0.333 8
t 0.9998 , tc (8, 0.225) 2.447
1 0.111
فيكوف القرار :ال توجد مشكمة عدـ تجانس التبايف.
c 4 if n 30
ويتـ اختيار cعمى وفؽ االتي :
c 8 if n 60
-يتـ اجراء االنحدار لكؿ جزء مف المشاىدات ،باستخداـ ، OLSويحسب مجموع مربعات الخطأ
لكؿ جزء منيا.
ٔ :RSSىي مجموع مربعات االخطاء لممجموعة ذات التبايف االصغر.
:RSS2ىي مجموع مربعات االخطاء لممجموعة ذات التبايف االكبر.
وبدرجات حرية متماثمة لكؿ جزء وىي:
n c n c 2k
k
2 2
:kعدد المعممات بضمنيا المقطع الصادي.
-تحسب النسبة λكاالتي:
RSS 2 / d . f
~ Fc nc2 k , nc2 k , 1
RSS1 / d . f 2 2
ويكوف القرار باف عدـ التجانس موجود فيما اذا كاف Fc
مبلحظة :مدى نجاح االختبار يعتمد عمى اختيار) (cوكذلؾ المتغير التوضيحي الذي يسبب المشكمة في
حاؿ وجود اكثر مف متغير توضيحي تكرر العممية لكؿ متغير.
191
مثاؿ) :(5-6انحدار عمى أوؿ )ٖٔ( مشاىدة :
Yˆi 3.4 0.69 X i , r 2 0.8887
s.e : (0.07) , RSS1 377.17 , d . f 11
لعينة حجميا ، n = 30وعميو فاف عدد المشاىدات الوسطية المحذوفة )(c = 4
واف النسبة λالمحسوبة ىي:
1536.8
4.07 , Fc (11,11,0.95) 2.82
377.17
وبذلؾ فاف القرار يؤكد وجود مشكمة عدـ تجانس تبايف البواقي .
. en ,, e1 Xليتـ الحصوؿ عمى األخطاء -نجري انحدار Yعمى كؿ S
ei2
ˆ والتي تمثؿ تقدير اإلمكاف األعظـ لتبايف الخطأ. -يقدر
2
u
n
2
ei
-نعرؼ ، Pi 2 :أي قسمة eعمى ˆ 2
2
نرمز لو .Pi i
̂
,
:z s -نقدر Piعمى:
Pi 0 1 z1 2 z2 . . . m zm vi
191
يتـ الحصوؿ عمى ) ESSمجموع المربعات المشروحة( ومع افتراض تحقؽ التوزيع الطبيعي -
لممتغير . u
1
BPG ESS -تعرؼ االحصاءة ) (BPGكآالتي:
2
asy
-وتتوزع االحصاءة ) (BPGحسب توزيع مربع كآي BPG ~ m21
ً فشض H 0أي يكوف القرار بوجود مشكمة عدـ التجانس . اذا BPG c2
مثاؿ):(6-6يتـ استخداـ لوحة البيانات التالية لتوضيح فكرة اختبار بورش-جود فري-بيجيف :
-انحدار Yعمى Xيوفر المعمومات التالية:
Yˆi 9.29 0.64 X i , i 1,...,30 , RSS 2361.2
s.e )(0.028 , R 2 0.9466
asy
1
BPG ESS 5.214 ~ 12 3.841
2
-وحيث أف BPG 2 :
-فيكوف القرار :برفض H0أي توجد مشكمة عدـ التجانس.
مالحظة :البد مف مبلحظة إف االختبار يتحقؽ بالنسبة لمعينات الكبيرة إذ يتطمب االختبار افتراض التوزيع
الطبيعي.
192
-6اختبار وايت لعدم التجانس العامWhite test )1981( .
مما تقدـ يتضح اف اختبار كولد فيمد -كواندت يتطمب معرفة أي متغير توضيحي ىو الذي
يسبب المشكمة .واختبار) (BPGيفترض التوزيع الطبيعي لممتغير العشوائي ،او بافتراض كبر العينة.
في حيف نجد اف اختبار whiteعاـ .وبافتراض النموذج:
Y 0 1 X 1 2 X 2 u
فاف خطوات االختبار
ٔ -نقدر النموذج لمحصوؿ عمى البواقي.ei
عمى X 1 X 2 , X 2 , X 1 , X 2 , X 1والثابت
2 2
ٕ -نجري انحدار (ei ) 2
ei2 0 1 X1 2 X 2 3 X1 X 2 4 X12 5 X 22 vi
ٖ -نحسب قيمة R2مف معادلة االنحدار ،ثـ ) . (nR
2
asy
~ ٗ -نحسب االحصاءة ،وتتوزع االحصاءة حسب توزيع مربع كاي:
2 2
nR 5
52 11.0705 وبمقارنتيا مع مربع كاي الجدولية بمستوى داللة ٘ %و 5درجات حرية
193
فيكوف القرار بموجب اختبار Whiteال توجد مشكمة عدـ التجانس.
مثاؿ ) (8-6استخدـ بيانات المثاؿ ) (4-3نفسيا الختبار مشكمة عدـ التجانس باعتماد اختبار white
وذلؾ باالعتماد عمى برنامج .SPSS
ei Yi Yˆi منيا تحسب eiحيث اف الحؿ :بعد حساب القيمة المقدرة لػ ˆY
-يحسب ei2و X 2
بداللة المقطع الصادي و Xو . X2 -ثـ تقدر ei2
وايت(W ) nR :
2
وتحسب االحصاءة ei2 0 1 X 2 X 2 u أي:
ونتائج SPSSتعرض في الجدوؿ )(5-6
جدوؿ )(5-6
نتائج التحميؿ الخاصة بالمعممات المقدرة
غير اف الذي ييمنا لحساب اختبار وايت ىو معامؿ التحديد لمنموذج المذكور آنفاً والذي يمكف استخراجو
مف الجدوؿ )(6-6
194
جدوؿ )(6-6
ممخص النموذج
195
ui 1 i2
var(u ) var 2 var(ui ) 2 1
أي اف تبايف المتغير العشوائي في النموذج المحوؿ يكوف متجانساً .لذا يتـ تقدير معممات النموذج المحوؿ
بواسطة طريقة المربعات الصغرى االعتيادية لمحصوؿ عمى ˆ 2 , ˆ1والتي تكوف . BLUEثـ ربطيا
* *
ثانيا :عندما تكوف iغير معروفة فيمكف إتباع الخطوات التالية لتقديرىا:.
2
ٔ -طريقة Whiteلمعينات الكبيرة .وتذكر في العديد مف البرامجيات الجاىزة وتتمخص كآالتي:
اقترح Whiteتقدير لػ i2باستخداـ مربع البواقي المقدرة ) (eˆi2
,
حيث اف ei :ىي بواقي عبلقة انحدار Yعمى جميع المتغيرات التوضيحية) ( X Sأما
معممات االنحدار فتحسب تبايناتيا في حالة االنحدار البسيط عمى وفؽ:
var( ˆ j )
wˆ e 2 2
j i
wˆ j
2 2
ˆ ei2
i 2
2
vˆi
ٕ -معرفة نمط عدـ التجانس مف خبلؿ اختبار Parkاو Glejserاو مف خبلؿ تحميؿ البواقي
وكما في الشكؿ ).(2-6
196
ٖ -في حالة مشاىدات Yiىي عبارة عف متوسطات فاف iتمثؿ تبايف الوسط الحسابي
2
ˆ 2
. i
2
np
أي اف
1
0 0
n1
1
0 0
n2
0 0 0
1
n p
حيث اف :pتمثؿ عدد المجموعات.
و :npعدد مشاىدات المجموعة p
وبعد تقدير قيمة iيتـ تحويؿ المشاىدات كما في )أوالً( واألمثمة توضح ذلؾ .
2
E ui X iباالعتماد عمى رسـ مربع البواقي ضد مثاؿ ) :(9-6عند معرفة نمط التجانس
2 2 2
0 X
لذا فاف التحويؿ المناسب يكوف بقسمة الطرفيف عمى قيـ Xiكاآلتي :
Yi u
0 1 i
Xi Xi Xi
Y 0 X 1 u
اذ يكوف (u ) متجانساً وبذلؾ تكوف المعادالت الطبيعية:
* 2
Y 1
i nˆ1 ˆ0 أي أف المعادالت الطبيعية:
Xi Xi
197
Yi 1 1 1
ˆ1 ˆ0 2
Xi Xi Xi Xi
وبحؿ المعادالت نحصؿ عمى المعممات المقدرة لمنموذج األصمي . ˆ1 , ˆ0
مثاؿ ) :(10-6نفترض )التبايف يتناسب مع (Xكما يوضحو رسـ تحميؿ البواقي المجاور:
i2
0 X
) *e* (Y * ˆ0 X1* ˆ1 X 2 اي اف عبلقة االنحدار بدوف مقطع صادي وبذلؾ
Q
2(Y * ˆ0 X 1* ˆ1 X 2* ) ( X 1* ) 2( X 1*Y * ˆ0 X 1* ˆ1 X 1* X 2* ) 0
2
0
Q
2(Y * ˆ0 X 1* ˆ1 X 2* ) ( X 2* ) 2( X 2*Y * ˆ0 X 1* X 2* ˆ1 X 2* ) 0
2
1
اذف المعادالت الطبيعية:
198
X *2 X * X * ˆ0
X Y 1
* *
1 2
1
* * * * *
2
كما في ).(7-6
ويبلحظ اف التحويؿ يعمؿ عمى تغيرات تؤثر في تفسير المعممات ففي المثاؿ ) (9-6يكوف المقطع
الصادي لمنموذج المحوؿ ىو ٔ βفي حيف معممة االنحدار ىي ٓ. β
وكذلؾ في المثاليف ) (10-6و ) (11-6فاف معممة االنحدار لممتغير التوضيحي األوؿ ىي ٓ βفي حيف
معممة االنحدار لممتغير التوضيحي الثاني ىي ٔ. β
لذا بعد التقدير لمنموذج المحوؿ يعاد تعويض قيـ المتغيرات كؿ حسب االفتراض المسبؽ ليا.
-كما إف ىناؾ طرائؽ عبلج أخرى تؤكد محاولة ترميـ الخمؿ الذي أدى إلى ظيور مشكمة عدـ
التجانس وذلؾ مف خبلؿ إتباع اآلتي:
199
أ -في حالة كوف مشكمة عدـ التجانس سببيا حذؼ متغيرات ميمة مف النموذج فتتـ المبادرة إلضافة
متغيرات جديدة لمنموذج.
ب -اذا كانت الصيغة الخطية ىي المستخدمة فيتـ استخداـ الصيغة الموغاريتمية المزدوجة ثـ
نختبر البواقي الناتجة فيما إذا كانت خالية مف عدـ التجانس .أو تحويؿ بعض المتغيرات في
النموذج إلى صيغ أخرى .غير إف التحويؿ الموغاريتمي ال يمكف تطبيقو إذا كانت احد قيـ
المتغيرات Yأو Xتساوي صف ار أو قيمة سالبة.
ىذا فضبل عف إف طريقة تحويؿ المشاىدات لتخميص النموذج مف مشكمة عدـ التجانس ال تخمو مف
مشكبلت ومنيا حدوث مشكمة االرتباط الزائؼ
ج -طريقة المربعات الصغرى المعممة ) (GLSوسيتـ عرضيا بشيء مف التفصيؿ في المبحث).(5-6
211
في ىذا المبحث سيتـ التركيز عمى االرتباط الذاتي مف خبلؿ اإلجابة عف األسئمة التالية :
ٔػ ما طبيعة االرتباط الذاتي؟
ٕػ ما اآلثار النظرية و العممية لبلرتباط الذاتي؟
ٖػ اف فرضية االرتباط الذاتي تخص المتغير العشوائي ،و ىو متغير غير مشاىد ،فكيؼ يمكف االستدالؿ
حوؿ تحقؽ الفرضية مف عدميا؟
ٗػ كيؼ نضع حموالً لمعالجة مشكمة االرتباط الذاتي؟
211
( )2-4-6أنماط االرتباط الذاتيPattern of autocorrelation.
ىناؾ العديد مف أنماط االرتباط الذاتي منيا الخطية وغير الخطية .والخطية قد تكوف تصاعدية أو اتجاه
زمني خطي متناقص .كما إف األنماط غير الخطية قد تكوف تربيعيو أو دورية ويمكف عرض ىذه األنماط
مف خبلؿ رسـ بواقي عبلقة االنحدار) (etضد الزمف ) ( tو كما في الشكؿ )(3-ٙ
الشكؿ )(3-6
بعض أنماط االرتباط الذاتي
ˆe u ˆe u
t t
t
t t
ˆe u
t
212
فاالشكاؿ (a) :تشير الى وجود ارتباط ذاتي خطي متصاعد موجب.
) (bتوضح اف ىناؾ ارتباطاً ذاتياً خطياً متناقصاً سالباً.
) (cو ) (dكؿ منيما تممح الى وجود ارتباط ذاتي غير خطي تربيعي ودوري عمى التوالي.
فيما يشير الشكؿ في ) (eالى عدـ وجود ارتباط ذاتي.
)(3-4-6أسباب ظهور االرتباط الذاتي Causes of autocorrelation
-1القصور"Inertia" .
اغمػػب المتغي ػرات االقتصػػادية مثػػؿ ، GNPاألسػػعار القياسػػية ،اإلنتػػاج ،البطالػػة ،والتشػػغيؿ
تظيػػر دورات .تبػػدأ مػػف أسػػفؿ الركػػود ثػػـ باالنتعػػاش اغمػػب ىػػذه الػػدورات تبػػدأ بالصػػعود وفػػي ىػػذه الحركػػة
الصعودية فاف قيـ السمسمة في نقطة معينة مف الزمف تكوف اكبر مف قيمتيا السابقة .وبذلؾ يتولد عزـ فػي
ىػػذه المتغيػرات و يسػػتمر ذلػػؾ إلػػى إف يحصػػؿ شػػيء مػػا )مػػثبلً زيػػادة سػػعر الفائػػدة أو األسػػعار أو كبلىمػػا(
فتبػػدآ ىػػذه المتغيػرات باالنخفػػاض و عميػو فػػي حالػػة السبلسػػؿ الزمنيػػة ،فػػاف المشػػاىدات المتتاليػػة تكػػوف فػػي
الغالب مترابطة فيما بينيا .
-2تحييز التوصيؼ :ويظير سوء التوصيؼ في حالتيف:
)أ( -في حالة حذؼ متغيرات مف التوصيؼ .
في اإلشكاؿ السابقة ) (d – aتقترح باف بعض المتغيرات تـ حذفيا مف النموذج.
فإذا كاف النموذج األصمي ىو:
Y = β0 + β1X1+ β2X2+ β3X3+ u . . . )(9-6
و لسبب ما تـ استخداـ النموذج :
Y = β0+ β1X1+ β2X2+ v . . . )(10-6
فإذا كانت العبلقة ) (9-6ىي النموذج الصحيح أو العبلقة الحقيقية فاف استخداـ العبلقة ) (10-6تعني
ضمنياً افتراض .v = β3 X3+ uوبذلؾ فاف المتغير العشوائي vسوؼ يعكس نمطاً منتظماً مما يولد
ارتباطاً ذاتياً كاذباً.
)ب( بسبب استخداـ صيغ دالية غير مناسبة .
إذا كاف النموذج الحقيقي لمتكاليؼ الحدية
MC = β1+ β2 X+ β3 X2 + u . . . )(11-6
و لكف تـ استخداـ
MC = α1+ α2 X + v . . . )(12-6
فاف ذلؾ يولد تحي اًز حيث إف ) (v= β3 X2+ uيعكس نمطاً منتظماً يرتبط بمربع Xوىو )الناتج( مما يولد
ارتباطاً ذاتياً ،بسبب استخداـ التوصيؼ الدالي الخاطئ .
213
شكؿ )(4-6
التكاليؼ الحدية
MC
B
A
X
مف خبلؿ الشكؿ ) (4-6فاف القيـ ما بيف النقطتيف Aو Bتعكس اف MCالخطية ستكوف متحيزة
لؤلعمى عف التكمفة الحدية الحقيقية ،و فيما عدا ىذه المسافة فإنيا تكوف متحيزة لؤلسفؿ عف القيمة الحدية
الحقيقية.
ٖ -ظاىرة النسيج العنكبوتي ) :(Cobweb Modelعرض اغمب السمع الزراعية يعكس ظاىرة ما
يسمى النسيج العنكبوتي الف العرض يتأثر باألسعار لسنة متباطئة الف ق اررات العرض تتطمب زمناً
لتحقيقيا) ،فترة التفريخ( .ففي بداية سنة الزراعة ،يكوف المزارع متأث اًر باألسعار السائدة في السنة السابقة
لذلؾ فاف دالة العرض الزراعي :
وبافتراض إف السعر) ( Ptاقؿ مف ) ، ( Pt-1لذا في السػنة ) ( t + 1يقػرر المػزارع التقميػؿ مػف الز ارعػة
عمػا كػاف عميػة فػي السػنة ) ( tوبػذلؾ فػاف) ( utال يتوقػع إف يكػوف عشػوائياً الف إذا زاد المػزارع إنتاجػو
في السنة tفأنة سوؼ يقمص أنتاجو في السنة ) (t+1وىكذا عمى وفؽ مبدأ النسيج ألعنكبوتي.
ٗ -اإلبطاء ) ( Lags
وجود متغير داخمي متباطئ مثبلً في دالة االستيبلؾ ،تكوف دالة بداللة الدخؿ و االستيبلؾ
السابؽ لمداللة عمى العادات و التطوير التقني وألسباب مؤسساتية وفسيولوجية.
214
٘ -التعديبلت في البيانات.
في الدراسات التطبيقية غالباً ما يمجأ إلى تعديبلت في البيانات األولية .مثبلً لدراسة انحدار
السبلسؿ الزمنية ربع السنوية يتـ إضافة بيانات ثبلثة أشير وقسمة المجموع عمى ) ،(3واف عممية
استخداـ المتوسطات سيولد تنعيـ لمبيانات .وبذلؾ فاف الرسـ لمبيانات الفصمية تظير تنعيماً أكثر مف
المشاىدات الشيرية .وىذا التنعيـ نفسو سيمنح نمطاً متماثبلً لمبواقي و بذلؾ تتسبب باالرتباط الذاتي.
كما إف نوع آخر مف التعديؿ لممشاىدات ىو ) (interpolationأو ) ،(extrapolationمثبلً إذا
كانت البيانات عف التعداد السكاني تعد كؿ )ٓٔ( سنوات في العراؽ و آخر تعداد كاف عاـ ٕٓٓٓ و
التعداد السابؽ كاف ٓ ،ٜٜٔفإذا ىناؾ حاجة لمحصوؿ عمى معمومات لمفترة)ٓ (ٕٓٓٓ-ٜٜٔفاف الطريقة
المعتادة ىي interpolationعمى أساس فرضيات معينة ،مثبلً باستخداـ خط االتجاه العاـ الخطي أو
ألتربيعي أو الدالة الموجستية ،التي ستدخؿ عمى البيانات نمطاً معيناً ربما ال يكوف موجوداً في البيانات
األصمية.
-ٙتحويؿ المشاىدات ) ( Transformation
تحويؿ المشاىدات قد تكوف مصد اًر خصباً لبلرتباط الذاتي .
Yt = β1+ β2 Xt + ut مثبلً:
utغير مرتبط ذاتياً.
في حيف يفضؿ في بعض الدراسات التطبيقية استخداـ الصيغة:
Yt-1 1 2 X t 2 ut 1 ) (16 6 أو بصيغة الفروؽ )الفرؽ األوؿ(
Yt 2 X t ut )(17 6
ut vt
بصيغة الموغاريتمات :Yاإلنفاؽ االستيبلكي فإذا كانت
:Xالدخؿ و
215
فاالرتباط الذاتي قد يكوف موجباً وقد يكوف سالباً أيضاً .وعممياً فاف السبلسؿ الزمنية االقتصادية تكوف
غالباً موجبة الف اغمبيا إما تتحرؾ نحو األعمى أو لؤلسفؿ عبر فترة ممتدة .وال تظير تغيرات ثابتة نحو
األعمى و األسفؿ .والشكؿ ) (٘-ٙيوضح ذلؾ :
الشكؿ )(٘-6
ut ut
t
)ارتباط ذاتي موجب( ut-1
ut ut
)ارتباط ذاتي سالب(
t ut-1
216
.
*
لجوُع s 0 cov( t t s ) 0 , var t 2 , t 0
و العبلقة ) (18-6اختصا اًر يرمز ليا ) . AR(1فيي تمثؿ عبلقة انحدار ) (utعمى نفسو بتباطؤ سنة.
وبذلؾ فاف أقصى إبطاء ىو )ٔ(
...u t-2 ,u t-1 و حيث إف العبلقة ) (18-6تتحقؽ لجميع الفترات الزمنية لذا يمكف إيجاد
ut 1 ut 2 t 1
ut 2 ut 3 t 2
. . . ………, uيتـ الحصوؿ عمى : t-2 ,u t-1 وىكذا بالتعويض المتسمسؿ عند قيـ
ut t t 1 2 t 2 n t n
و ىي بذلؾ توليفة خطية بداللة εtوابطاءاتيا المختمفة :
ut s t s ... )(19 - 6
s 0
1
1 2 ( 2 ) 2 ( 2 )3 مجموع المتوالية اليندسية :
1 2
(ut ut 1 ) u2 2 و كذلؾ فاف التبايف المشترؾ :
1 2
وخبلصة القوؿ اف نمط ) AR(1لبلرتباط الذاتي يمكف تمخيصو عمى وفؽ اآلتي:
______________________
)*( ويسمى ايضاً في بعض الدراسات القياسية بالضوضاء البيضاء )(white noise
217
ut ut 1 t s t s
s 0
(ut ) 0
... )(20 - 6
(ut ut 1 ) 2 u2
1 2
2
(ut )
2 2
1 2
218
)(5-4-6صفات المقدرات بوجود ارتباط ذاتي بصيغة ماركوف Properties of the estimates
in present of autocorrelation
سػوؼ نتطػرؽ فػي ىػذه الفقػرة إلػى د ارسػة صػفات المقػدرات بطريقػة المربعػات الصػغرى فػي حػػاؿ
ع ػػدـ تحق ػػؽ الف ػػرض )٘( م ػػف فرض ػػيات االنح ػػدار القياس ػػية .ولتوض ػػيح الفكػ ػرة ي ػػتـ االعتم ػػاد عم ػػى نم ػػوذج
االنحدار البسيط:
حيث اف:
Y 0 1 X u
ut ut s 0 . . ,s 0
وسيتـ اعتماد النمط العممي بصيغة ماركوؼ ) AR(1العبلقة ) (19-6وعمى وفؽ افتراضات النموذج
فاف معممة االنحدار المقدرة يمكف التعبير عنيا :
( X t X )ut
ˆ1 1
( X t X ) 2
( X t X ) 2 A , Wt X t X نفترض :
إذف:
W1 W W
ˆ1 1 u1 2 u2 n un ... )(21 - 6
A A A
وبافتراض أف قيـ المتغير Xمعطاة ومف ثـ w sو Aأيضاً معطاة فاف ˆ1تكوف توليفة خطية
,
بداللة األخطاء العشوائية .وحيث إف ) ،( E(u)=0لذا فاف المقدرات تبقى غير متحيزة برغـ اختبلؿ
الفرض ) cov(ut ut 1 ) 0، (5
و كذلؾ فاف معممة المقطع الثابت :β0
ˆ0 Y ˆ1 X
ˆ0 ( 0 1 X u ) ˆ1 X
) ( ˆ0 ) 0 1 X (u ) X( ˆ1
0
وبذلؾ فاف وجود نمط االرتباط الذاتي في المتغير العشوائي لعبلقة االنحدار ال يؤدي إلى إيجاد مقدرات
متحيزة لممعممات إي إف المعممات المقدرة بموجب المربعات الصغرى االعتيادية تبقى غير متحيزة بالرغـ
مف وجود مشكمة االرتباط الذاتي .غير إف صيغة تبايف المعممات المقدرة لـ تعد صحيحة .حيث إف
العبلقة ) (ٕٔ-ٙتنبئ عف وجود ارتباط بيف حدود العبلقة وعمى وفؽ اآلتي :
219
n1 n2
2
2 2 1 xt xt 1 2 x x t t 2
x1 xn
var( ˆ1 ) 2 2 1
n1 ) (22 6
xt xt xt2 x 2
t xt2
ˆ 2
وبذلؾ فاف استخداـ الصيغة التقميدية لتبايف معممة االنحدار(var( 1 ) 2 ) :
x
تكوف غير صحيحة في حاؿ وجود ارتباط ذاتي لؤلخطاء.
)var( ˆ1 )OLS (var(ˆ1 ) AR (1 وىذا يدلؿ عمى إف
وبصيغة أخرى فأف معممة االنحدار باستخداـ المربعات الصغرى عند افتراض ) AR(1تكوف متحيزة نحو
األسفؿ أي ال تمتمؾ أقؿ تبايف .ىذا مف جية و مف جية أخرى فاف) ˆ( ىي األخرى تختمؼ وىي اكبر
2
مف قيمتيا الحقيقية و كنتيجة لذلؾ فاف نتائج االختبارات بالنسبة لممعممات المقدرة اليوثؽ بيا.
وخبلصة القوؿ فاف المعممات المقدرة )مع وجود ارتباط ذاتي ( تبقى خطية وغير متحيزة ولكنيا غير
كفوءة .وىي النتيجة نفسيا التي توصمنا الييا عند وجود عدـ التجانس مما يقتضي استخداـ طريقة أخرى
أكثر كفاءة وىي المربعات الصغرى الموزونة) ˆ ( والتي ىي صيغة خاصة مف المربعات الصغرى
*
المعممة ).(GLS
____________________________
)*( اف بواقي عبلقة االنحدار تعكس خصائص المتغيرات المستقمة وكما تعكس خصائص األخطاء.
211
شكؿ )(7-6
رسـ بواقي عبلقة االنحدار
̂u ̂u
او ei او ei
̂ ̂
t t
يشير الشكؿ ) (aالى مجموعة مف البواقي سالبة تتبعيا مجموعة موجبة وىكذا . . .وىذا دليؿ عمى عدـ
وجود العشوائية لمبواقي .والشكؿ يعكس االرتباط الذاتي الموجب ،في حيف الشكؿ ) (bيظير تناوب قيـ
البواقي باإلشارة دليؿ عمى وجود ارتباط ذاتي سالب.
ج( كما يمكف رسـ البواقي etضد البواقي المتباطئة et-1فعندما تكوف البواقي عشوائية فتكوف جميع
المشاىدات مبعثرة فإذا اقتصر التبعثر في الربعيف الرابع و الثاني فاف ذلؾ يعكس ارتباطاً ذاتياً موجباً
لممتغير العشوائي وكذلؾ إذا كانت جميع مشاىدات األخطاء مبعثرة في الربعيف األوؿ و الثالث فذلؾ يدؿ
عمى وجود ارتباط ذاتي سالب لممتغير العشوائي.
وتجدر اإلشارة إلى أف االختبارات التي تعتمد عمى الرسـ تكوف اختبارات تأشيرية وذلؾ ألنيا تعتمد
عمى الحكـ الشخصي وعمى خبرة الباحث وخاصة في العينات الصغيرة ،لذا البد مف دعميا باالختبارات
اإلحصائية والتي تعد صيغيا عامة.
شكؿ )(8-6
ارتباط ذاتي سالب ارتباط ذاتي موجب عدـ وجود ارتباط ذاتي
211
ثانياً :طرائق االختبار اإلحصائية Formal methods:
أ)اختيار دربن واتسن DW : Durbin –Watson
وىو مف أكثر االختبارات انتشا اًر واستخداماً لمتحقؽ مف مشكمة االرتباط الذاتي ويعتمد ىذا
االختبار عمى عدد مف االفتراضات أىميا :
-1أف يتضمف نموذج االنحدار عمى مقطع صادي )ثابت(.
-2تكوف المتغيرات التوضيحية متغيرات غير عشوائية .
-3أف تكوف صيغة االرتباط الذاتي لممتغير العشوائي مف نمط صيغة ماركوؼ :االرتباط الذاتي برتبة
) (1حص اًر )). ( AR(1
-4أف المتغير العشوائي يتوزع توزيعاً طبيعياً .
-5ال يمتمؾ نموذج االنحدار أي متغير داخمي متباطئ كأحد المتغيرات التوضيحية .
-6ال توجد مشاىدات محذوفة مف النموذج .
و مع تحقؽ ىذه الفروض فاف االحصاءه المستخدمة لبلختبار ىي :
n
n
( et t 1
e )
d 21
* t 2
n
t 1
e 2
t
212
n
ولكف:
e e t t 1
̂ t 2
n
e
t 1
2
t
لذلؾ فاف:
) ˆ. . . d 2(1 )( ٕٗ- 6
*
ويمكف تمخيص ميكانيكية دربف واتسف بعد تحقؽ الفروض كاآلتي :
,
-1نجري انحدار Yعمى X Sوالحصوؿ عمى البواقي ei
-2يتـ استخداـ البواقي إليجاد االحصاءة * dعمى وفؽ القانوف )(ٕٖ-ٙ
-3لعدد المشاىدات المستخدمة nوعدد المتغيرات التوضيحية kتستخدـ الجداوؿ الخاصة إليجاد dlو
duعند مستوى داللة معيف .
213
-4أتباع المخطط ) (9-ٙلتحديد القرار المناسب.
وجدير بالذكر إف جميع البرامجيات الجاىزة توفر ىذه االحصاءة وعندما تكوف قيمة االحصاءة *d
المحسوبة تقع في المجاؿ غير الحاسـ فيمكف استخداـ االختبار المعدؿ لػ * (modified d test) dوعند
مستوى داللة . α%
)modified- d) testواختصا ار يكتب )( m-test
مثاؿ): (12-6اختبر فيما اذا كاف االرتباط الذاتي لحدود الخطأ موجباً أـ ال .إذا عممت أف حجـ العينة
المستخدمة لبلنحدار .n = 20وبتوافر المجاميع التالية :
19 20
(e
2
t et 1 ) 0.0979 ،
2
e
1
2
t 0.1333
0.0979
d* 0.734
0.1333
( du = 1.15 , وحيث أف حجـ العينة 20و k´ = 1فاف القيـ الجدولية dl = 0.95 ):
وواضح اف قيمة) * (dأقؿ مف ) (dlفاف قاعدة القرار تشير إلى اف االستنتاج المناسب ىو H1أي اف
حدود الخطأ مرتبطة ذاتياً بصورة موجبة.
214
مثاؿ ) :(13-6يمكف استخداـ بيانات المثاؿ ) (4-3نفسيا باستخداـ برنامج SPSSالختبار مشكمة
االرتباط الذاتي بصيغة ). AR(1
الحؿ :بتطبيؽ SPSSباالعتماد عمى بيانات الجدوؿ ) (4-3يتـ الحصوؿ عمى االحصاءة D.Wوالتي
تساعد الختبار مشكمة االرتباط الذاتي كما في الجدوؿ)(6-6
D.W=1.885
وبمقارنتيا مع القيـ الجدولية باستخداـ مستوى داللة 5%وحجـ العينة ) (15مشاىدة( dl =1.08 , ):
) . (=1.36فتكوف d*< duلذا نقبؿ فرضية العدـ التي تدعـ عدـ وجود مشكمة االرتباط du
الذاتي.
215
مثاؿ ) (ٔٗ-ٙنفس بيانات المثاؿ ) ٘ .( ٔٗ -
الختبار مشكمة االرتباط الذاتي عمى وفؽ اختبار ، (BG)Breusch - Godfrey Testاعتمادآ عمى
البرنامج الجاىز ):( SPSS
فيتـ في ىذه الفقرة انحدار etضد X1و X2و et-1وكما موضحة في جدوؿ ) . (ٔٓ -ٙ
جدوؿ ) (ٔٓ-ٙ
نتائج التحميؿ الخاصة بالمعممات
Model Unstandardized
Coefficients t Sig.
B Std. Error
)(Constant 0.705 12.77 0.055 0.957
X1 0.012 0.320 0.067 0.948
X2 -0.028 0.413 -0.067 0.948
et-1 -0.0054 0.324 -0.017 0.987
Square Estimate
0.025 0.001 -0.299 3.208
المصدر :نتائج برنامج SPSSباالعتماد عمى بيانات العينة.
BG (15 1)(0.001) 0.014
c2(1,0.05) 3.84
216
نرى اف قيمة BGالحسابية أقؿ مف χ2الجدولية نقبؿ فرضية العدـ أي اف النموذج ال يعاني مف مشكمة
االرتباط الذاتي.
وتقارف القيمة الحسابية d4مع جداوؿ .Wallisوتكوف عمى نوعيف إما مع وجود مقطع صادي أو بوجود
متغيرات وىمية لتعكس حالة الموسمية.
217
هـ -ويمكن استخدام اختبار ) :(g-statisticالختبار فيما إذا كاف
1 : 0 0 : 0ضذ
وباستخداـ االحصاءة :g
n
مثاؿ ) :(15-6إذا عممت إف الدخؿ الشخصي المتاح Xtواالستيبلؾ الشخصي Ytوالبيانات مقاسة
بمميوف دينار .اختبر خمو البواقي مف االرتباط الذاتي مف نوع AR(1) .
Yt : 199 204 216 218 224 233 238 256 264 270
Xt : 212 214 231 237 244 255 257 273 284 290
الحؿ:
Yˆ 7.25 0.901X معادلة التقدير:
ˆe Y Y تحسب بواقي العبلقة:
et : 0.74 3.94 0.62 -2.79 -3.09 -4.01 -0.81 2.78 0.87 1.46
Δet : 3.2 -3.3 -3.4 -0.3 -0.9 3.2 3.6 -1.9 0.6
تحسب االحصاءة *d
60.83
d* 0.99
61.04
تقارف مع القيمة الجدولية لعدد مشاىدات)ٓٔ( ومستوى داللة % 1وعدد متغيرات مستقمة = 1
dl = 0.604 , du =1.001
مف المقارنة نجد اف القيمة الحسابية تقع في مجاؿ غير الحاسـ.
218
-وبالنظر إلى قيـ البواقي نجد أف القيـ موجبة ثـ سالبة ثـ موجبة تكوف بييأة ) (cycleمما يعطي
انطباعاً باف مشكمة االرتباط الذاتي موجودة.
مثاؿ ) :(ٔٙ -6إذا عممت إف بواقي عبلقة انحدار Yعمى Xىي :
et : 0.73 1.05 1.60 2.37 2.14 2.68 0.45 -1.00 -2.23 -2.69 -
2.14 -1.37 -0.60 -0.05 -0.51
et2 42.06
12.14
d* 0.289
42.06
مف جداوؿ دربف واتسف لعدد مشاىدات n = 15والمتغيرات التوضيحية k´=1 :ولمستوى داللة
5%يمكف استخراج ) ( dl = 1.077 &du = 1.361
يتضح مف المخطط ) (ٜ-6اف النموذج يعاني مف مشكمة االرتباط الذاتي الموجب .عمى وفؽ اختبار
دربف واتسف.
219
مثاؿ ) :( ٔٛ- ٙلقيـ Yو :X
X 1 2 3 4 5
Y -5 -3 2 7 9
9.36
d* 2.6 ثـ نحسب االحصاءة :
3.6
( dl = 0.6 , du = 1.4 ) عند مستوى داللة 5%فأف قيـ& : dudl
وبذلؾ فأف القرار :ال توجد مشكمة ارتباط ذاتي بصيغة ). AR(1
مبلحظة:
{عند استخداـ االحصاءة دربف واتسف البد مف التأكد مسبقاً مف إف التوزيع لمبواقي يكوف طبيعياً }
221
)(7-4-6معالجة االرتباط الذاتيRemedies of autocorrelation.
بعػػد اكتشػػاؼ وجػػود حػػدود خطػػأ مرتبطػػة ذاتي ػاً .يػػتـ التأكػػد فيمػػا إذا كانػػت المشػػكمة ارتبػػاط ذاتػػي
حقيقي ) (pure autocorrelationأـ بسبب سوء توصيؼ النموذج :فقد يكوف السبب حذؼ متغير ميـ
أو اسػػتخداـ صػػيغة داليػػة غيػػر مبلئمػػة .ولمتأكػػد مػػف ذلػػؾ وفػػي حػػاؿ السبلسػػؿ الزمنيػػة يػػتـ إدخػػاؿ عنصػػر
الػػزمف كأحػػد المتغي ػرات التوضػػيحية فػػي المعادلػػة لمعالجػػة االتجػػاه الزمنػػي فػػي المتغي ػرات واختبػػار االرتبػػاط
ال ػػذاتي ،ف ػػإذا ل ػػـ ت ػػتخمص المعادل ػػة م ػػف االرتب ػػاط ال ػػذاتي ي ػػتـ البح ػػث ع ػػف متغيػ ػرات توض ػػيحية محذوف ػػة و
تضمينيا فػي المعادلػة وتختبػر المعادلػة مػف االرتبػاط الػذاتي .فػإذا اسػتمرت النتػائج تعمػف عػف وجػود مشػكمة
االرتبػػاط الػػذاتي يػػتـ التحقػػؽ مػػف الصػػيغة الداليػػة المسػػتخدمة فيػػتـ اسػػتبداؿ الخطيػػة بالصػػيغة التربيعيػػة أو
الموغاريتميػػة ،واذا اسػػتمرت النتػػائج تؤكػػد وجػػود االرتبػػاط الػػذاتي فيػػذا يػػدؿ عمػػى وجػػود ارتبػػاط ذاتػػي حقيقػػي
ويتطمب معالجتو بتحويؿ المشاىدات بالشكؿ الذي يضمف تخميص النموذج مف المشكمة.
221
طرائق تقدير ( ) ρ
في حاؿ كوف ) ( ρغير معمومة فيتـ تقديرىا بإحدى الطرائؽ التالية:
ٔ= ρأو = -1 . ρوتكوف طريقة التحويؿ مناسبة إذا كاف -1طريقة الفرؽ األوؿ .إي يتـ افتراض
معامؿ االرتباط الذاتي عالياً جداً .وعندما تكوف قيمة االحصاءة )* ( dقميمة جداً ،قريبة مف الصفر.
ويمكف استخداـ اختبار ) (g-statisticالختبار فيما إذا كاف
1 : 0 0 : 0ضذ
فعند قبوؿ فرضية العدـ فاف ذلؾ دليؿ عمى إمكاف استخداـ )ٔ= (ρفي التحويؿ.
*d
ˆ 1 -2يمكف استخداـ تقريب دربف واتسف إعتمادآ عمى العبلقة ): (ٕ4-ٙ
2
وىذا التقريب يكوف صحيحاً في حاؿ كوف العينة كبيرة.
-3يمكف إجراء انحدار etبداللة et-1وبدوف مقطع ثابت :
et et 1 vt . . . )(31-ٙ
وعمى وفؽ طريقة المربعات الصغرى فاف :
n
e 2
2
t 1
222
ˆ̂ ىي تقدير ρلمجولة الثانية و ىكذا تستمر الجوالت بشكؿ متكرر .ويتـ التوقؼ عندما تكوف قيمة ρ
المتتابعة شبة مستقرة .أي إف التغيرات فييا تكوف اقؿ مف ) (0.01وعممياً فاف الجولة الرابعة تكوف ىي
الجولة األخيرة.
وجدير بالقوؿ إف اختيار الطريقة لتقدير ) ( ρال ييـ كثي اًر حيث إف جميعيا تعطي مقدرات متسقة.
) )8-4-6التنبؤ في حالة وجود حدود خطأ ذاتية االرتباط Prediction in autocorelated .
errors
يعد التنبؤ إحدى االستخدامات الميمة لنماذج انحدار الخطأ ذاتي االنحدار .ففي ىذه النماذج
يمكف االستفادة مف المعمومات عف حد الخطأ في الفترة األخيرة ) (nلمقياـ بالتنبؤ بالفترة المستقبمية
) (n+1وىذا سيولد تنبؤاً أكثر دقة .وذلؾ لترابط حدود الخطأ في الفترات المتتالية.
Yt 0 1 X t ut باستخداـ نموذج االنحدار الخطي البسيط
ut ut 1 t و المتغير العشوائي بصيغة:
Yt 0 1 X t ut 1 t فنحصؿ عمى :
ولمفترة (n + 1) Yn1 0 1 X n1 un n1
وبذلؾ فاف Yn+1تتكوف مف ثبلثة مركبات :
) Yˆn1 ( ˆ0 ˆ1 X n1 -1متوسط االستجابة ) القيمة المتوقعة في المدة ): ((n + 1
-2حد الخطأ السابؽ unمضاعؼ بمعامؿ االرتباط .ρ
( n1 ) 0 -3متغير عشوائي مستقؿ وبتوقع صفري
وبذلؾ فاف التنبؤ لمفترة التالية ) ( n + 1والذي يرمز لو بػ ) (Y f n 1وىي تنبؤات شرطية عمى
المشاىدات السابقة . . . ، Yn-1 ، Ynوكذلؾ شرطية عمى Xn+1والتي في الغالب يتـ الحصوؿ عمييا
Y f ( n1) Fn1 Yˆn1 ̂ e وبطريقة اإلسقاط
وبذلؾ فاف مجاؿ الثقة باحتماؿ (1-α)%لمقيمة التنبؤية الجديدة تحسب عمى وفؽ:
Y f n1 t ˆ Y f
) c ( n 3, n1
2
ويبلحظ إف درجات الحرية لتقدير )( ρ ، β1 ، β0ىي ) (n-3الف لدينا ) (n-1مف البيانات المحولة ما
عدا في حاؿ استخداـ . ρ = 1
وبشكؿ عاـ فاف التنبؤ ألكثر مف فترة مستقبمية ) (hمثبلً يمكف إيجاده:
Yˆt h ˆ0 ˆ1 X t h ˆ h et
223
Yˆ 6.1641 1.066 X مثاؿ) :( 18-6افترض إف معادلة التقدير :
ˆ 0.342 و إف قيمة ρالمقدرة :
Yˆt 2 6.1641 1.066 X t 2 (0.342) 2 et القيمة التنبؤية لممدة ): (t+2
و ىكذا . . .
224
وباالعتماد عمى نتائج التحويؿ بصيغ المصفوفات يمكف تحويؿ المتغير العشوائي غير الكروي إلى متغير
كروي وذلؾ باالعتماد عمى القاعدة التالية :الي مصفوفة موجبة قطعياً ) (Ωيمكف إيجاد مصفوفة غير
شاذة ) (Pبحيث :
(34-6) P Y P X P u
1 1 1
. . .
وبافتراض:
* P 1u u* ، P 1 X X * ، P 1Y Y
فاف النموذج المحوؿ:
وبذلؾ فاف النموذج المحوؿ تـ تخميصو مف عدـ كروية المتغير العشوائي وأصبحت مصفوفة التبايف
والتبايف المشترؾ لممتغير العشوائي المحوؿ * uعبارة عف ثابت ) (مضروبة بمصفوفة الوحدة )،(In
2
وبذلؾ فاف تطبيؽ المربعات الصغرى عمى النموذج المحوؿ يعطي مقدرات ) (BLUEلممعممة .β
وبذلؾ فاف معيار المربعات الصغرى المعممة ىو تصغير مجموع مربعات بواقي النموذج المحوؿ.
أي:
* ˆMin uˆ *u )(37 - 6
ei* ui* P 1u أو
وباستخداـ المصفوفات:
225
Min ( P 1e)( P 1e)
:أي
Min P ee( P)
1 1
( X 1 X ) 1 X 1(u )
E(u) = 0 :حيث اف
226
ٕ -تركيب خطي بداللة .Y
حيث اف قيـ المتغيرات التوضيحية في المصفوفة Xثابتة لمعينة المختارة لذا فاف الصيغة ) (40-6تعد
تركيب خطي بداللة قيـ .Y
ٖ -مصفوفة التبايف والتبايف المشترؾ لممعالـ المقدرة بطريقة GLSيمكف اشتقاقيا عمى وفؽ االتي:
باالعتماد عمى العبلقة ):(41-6
ˆGLS ( X 1 X ) 1 X 1u
اذف:
ˆGLS ( X 1 X ) 1 X 1u . . . )(42-6
ولحساب التبايف والتبايف المشترؾ يتبع االتي:
ˆ وذلؾ الف ̂ GLSغير متحيزة
var cov( ˆGLS ) ( ˆGLS ) ( ˆGLS )
المعممات المقدرة ،اما التبايف المشترؾ بيف المعممات المقدرة فيتمثؿ بالعناصر غير القطرية.
عمماً باف تمثؿ تبايف المتغير العشوائي والذي يتـ تقديره عمى وفؽ القانوف:
2
* *
e e
( 2 ) ˆ 2
n k 1
e* e* (e1e) TSSGLS ESS GLS حيث اف:
227
Y 1Y ˆGLS X 1Y
ˆ
2
. . . )(46-6
)(n k 1
وىي تقدير غير متحيز لتبايف الخطأ في النموذج ).(32-6
تبايف المعممات المقدرة عمى وفؽ GLSيكوف كفوءاً مقارنة بالمقدرات وفؽ .OLS
var cov( ˆGLS ) 2 ( X 1 X ) 1 يتضح مف المعادلة ): (44-6
عندما (uu ) 2
والعبلقة ) (36-6أوضحت أف النموذج المحوؿ يحقؽ الفرضية التي تستمزـ المربعات الصغرى ،وعميو
فاف المقدرات ̂ GLSىي أفضؿ مقدرات خطية غير متحيزة لمعممات النموذج . β
أما في حاؿ استخداـ طريقة المربعات الصغرى االعتيادية لمنموذج ) (32-6فاف مصفوفة التبايف والتبايف
المشترؾ ىي:
(ˆOLS ) (ˆOLS )
) ( X X 1
X u uX ( X X ) 1
( X X ) 1 X (u u) X ( X X ) 1
var cov( ˆOLS ) 2 ( X X ) 1 X X ( X X ) 1 . . . )(47-6
ولقياس كفاءة التقدير بموجب GLSنسبة إلى OLSيتـ حساب معامؿ الكفاءة عمى وفؽ الصيغة:
فإذا كانت قيمة معامؿ الكفاءة أقؿ مف الواحد الصحيح فاف المعممات المقدرة بطريقة GLSأكثر كفاءة
مف المقدرات بطريقة .OLSوبمقارنة العبلقة ) (44-6و ) (47-6يتضح أف معامؿ الكفاءة اقؿ مف
واحد.
وجدير بالذكر أف قيمة المعممة المقدرة بطريقة GLSعمى وفؽ العبلقة ) (40-6تعتمد عمى معرفة
-1
عناصر المصفوفة Ωمف أجؿ تحديد المعكوس) .(Ωوقد تكوف عناصر المصفوفة Ωمعمومة وغالباً
تكوف غير معمومة وبذلؾ ينبغي تقديرىا .وسوؼ نخصص الفقرة التالية لتحديد أىـ األنماط المستخدمة
لعناصر مصفوفة .Ω
228
) (3-5-6أشكال " " ΩالخاصةSpecial forms of ) Ω ( .
كما تـ توضيحو في الفقرات السابقة أف اختبلؿ الفرضية الكروية لممتغير العشوائي
أي ( uu I n ) :فيكوف سبب اختبلليا مف عدد مف األمور ،منيا وجود مشكمة عدـ التجانس
2
أي اف تبايف المتغير العشوائي مختمفاً باختبلؼ المشاىدات .واألمر اآلخر الميـ ىو وجود مشكمة االرتباط
الذاتي بيف مشاىدات المتغير العشوائي وبإشكالو وىياكمو المختمفة .ىذا فضبلً عف أمور أخرى ىي خارج
نطاؽ مفردات ىذا الكتاب وىي اآلنية أو النماذج غير المرتبطة ظاىرياً ". "seemingly unrelated
-1اذا المتغيرات العشوائية تعاني مشكمة عدـ التجانس ) (hetroscedasticityفقط ولكنيا غير مرتبطة
ذاتياً ،وبذلؾ فاف مصفوفة Ωتكوف قطرية:
diag i2
12 0 0 0
0 22 0 0
0 0 32 0
0 n2
0 0
فيي غالباً تكوف غير معمومة وسنتطرؽ إلى بعض األمثمة البسيطة في ىذا المجاؿ. أما قيـ i2
229
ni
Yi Yij
j 1
ni
X i X ij
j 1
ni
ui uij
j 1
وبالرغـ مف افتراض تجانس التبايف لممتغير العشوائي في العبلقة ) (48-6فاف المتغير العشوائي لمعبلقة
) ui ~ IID( 0, ni 2 ) (49-6يعاني مف مشكمة عدـ التجانس فيو يتوزع كاآلتي:
i2 ni 2
حيث اف:
n1 0 0
0 n2 0
... )(50 - 6
0 0 n
m
ويحتاج بذلؾ تقدير ) (nمف التباينات وذلؾ ال يكوف ممكناً عند توافر ) (nمف المشاىدات فقط لذا لتقدير
عناصر Ωيكوف ىناؾ خياراف:
الخيار األوؿ :المشاىدات المتكررة.
أما الخيار الثاني :فيكوف مف خبلؿ افتراض معمومات إضافية حوؿ نمط عدـ التجانس.
حيث اف Yij :االنفاؽ االستيبلكي عمى الغذاء لممشاىدات المتكررة لؤلسر ذوات نفس الدخؿ ). (Xi
231
أي :دالة انحدار الفئة الدخمية االولى:
Y1 j X1 u1 j
j = 1,2, . . . ,n1
n1عدد األسر المسحوبة بشكؿ عشوائي ذات الدخؿ .X1
(Y
j 1
ij Yi ) 2
ˆ i2 ... )(52 - 6
)(ni 1
حيث:
ni
Y
j 1
ij
Yi
ni
أما الطريقة الثانية فتحسب عمى وفؽ اآلتي:
ni
e
2
ij
j 1
ˆ i2 ... )(53 - 6
ni
eij Yij ˆ ˆX i حيث eijتمثؿ بواقي انحدار المربعات الصغرى.
والتقديرف ) (52-6و ) (53-6تقديرات متسقة ) (consistentلػ . i
2
الخيار الثاني :توقع نمط عدـ التجانس عمى وفؽ المشكمة التي تتـ معالجتيا.
231
مثاؿ ) :(21-6دراسة بيانات مقطعية لمربح بداللة المبيعات
نتوقػػع اف الشػػركات الكبي ػرة تمتمػػؾ مصػػادر تحويػػؿ اكبػػر ويمكنيػػا افت ػراض كميػػات اكبػػر او اسػػتثمار
اكبر او تكوف خسارتيا او ربحيا اكبر مف الشركات الصغيرة .وعميو فاف نمط عدـ التجانس يكػوف مرتبطػاً
مع حجـ الشركة والذي يعكس المتغير المستقؿ كأف يكوف المبيعات او أي متغير آخر يقيس الحجـ.
وبشكؿ عاـ يمكف تقدير iعمى وفؽ اآلتي:
2
cov(ui ut s ) s u2
2
2
عمماً باف:
1 2
u
(u u) 2 وبذلؾ فاف مصفوفة Ωتحدد عناصرىا عمى وفؽ اآلتي :
1 2 n 1
1 n2
2 1 n 3
. . . )(56-6
n 1 n2 n 3 1
232
. MA(1) )ب( اذا كاف المتغير العشوائي يتبع نمط
ut t t 1 :أي اف
. متغير عشوائي ضوضاء بيضاء كما أسمفناεt حيث اف
:وحيث اف
var(u1 ) cov(u1u2 ) cov(u1u3 ) cov(u1un )
var(u ) cov(u u ) cov(u 2 n
u )
var cov(u ) 2 2 3
var( u n )
233
أسئمة الفصل السادس:
س .1 :1وضح المقصود إحصائياً بأف متوسط المتغير العشوائي يساوي صف اًر.
.2ناقش احتماالت عدـ تحقؽ الفرض في اعبله موضحاً تأثير ذلؾ فى نتائج التقدير.
س .1 :2وضح المقصود احصائياً باف متوسط المتغير العشوائي يساوي صف اًر.
.2ناقش تأثير اختبلؿ الفرض عمى نتائج التقدير.
.3اذكر أىـ االختبارات المستخدمة لمكشؼ عف تحقؽ الفرض.
.4اذكر أىـ الطرائؽ لتجاوز مشكمة عدـ تحقؽ التوزيع الطبيعي.
.5اذكر مثاالً عممياً يتوضح بو عدـ تحقؽ التوزيع الطبيعي.
234
س :4وضح أىـ الحاالت التي تولد سوء التوصيؼ في انموذج االنحدار ،وضح أثر ذلؾ فى نتائج
التقدير.
س :5ناقش أىـ الطرائؽ المستخدمة لمتحري عف مشكمة عدـ تجانس تبايف اخطاء االنحدار.
س:ٜ
أ( أىـ االفتراضات الستخداـ االحصاءة دربف واتسف.
ب( االختبارات البديمة مع عدـ تحقؽ بعض مف الفروض.
ج( أىـ الطرائؽ المتفؽ عمى استخداميا لتقدير معامؿ االرتباط الذاتي.
235
سٔٔ:
أ( صفات المقدرات بطريقة OLSو GLSفي الحاالت التالية:
var(u) 2 X .1
ut 0.9ut 1 t .2
ب( حدد تبايف المعممات المقدرة بطريقتي OLSو GLSلكؿ مف الحاالت ) (1و)(2
ج( اذكر الصيغة المناسبة لتقدير تبايف الخطأ عمى وفؽ كؿ مف OLSو . GLS
د( احسب كفاءة التقدير.
236
انفصم انسببع
تمهيد:
يتضمف ىذا الفصؿ مناقشة فرضيات التحميؿ التي تخص البيانات وىي الفرضيات ،7 ،6 ،2
.10 ،8وبذلؾ فإف فقرات ىذا الفصؿ تـ تخصيصيا لمناقشة االختبلؿ في ىذه الفرضيات تباعا:
) (1-7اختالل الفرض ): (2بمعنى أن المتغيرات التوضيحية عشوائية.
,
() Xمتغيرات مستقمة أي اف مشاىداتيا s الفرض ) (2ينص عمى اف المتغيرات التوضيحية
ثابتة لمعينة المختارة .أي اف كؿ مف ىذه المتغيرات تكوف غير عشوائية.
وعند نقض ىذه الفرضية أي اذا كاف أحد المتغيرات التوضيحية أو جميعيا متغي اًر عشوائياً.
وتتأكد ىذه عند الحاالت الثبلث التالية:
أX -متغير عشوائي وغير مرتبط بحد االضطراب العشوائي ) (uوىذا ما تنص عميو الفرضية ) .(6وبذلؾ
تبقى المربعات الصغرى واإلمكاف األعظـ تولد مقدرات غير متحيزة وخطية وكفوءة أي أنيا )(BLUE
وبذلؾ التوجد مشكمة قياسية في تقبؿ النتائج.
ب -عندما Xمتغير عشوائي ظاىرياً .وىذه الحالة تبرز عندما يكوف أحد المتغيرات التوضيحية ىو متغير
معتمد متباطئ مثبلً Yt-1أو Yt-2وىكذا.
وكمثاؿ عمى ذلؾ عند دراسة اإلنفاؽ االستيبلكي Ytكدالة بداللة العادات االستيبلكية كأف تكوف الدراسة
ىي تقدير االنفاؽ االستيبلكي لمتدخيف فتصاغ الدالة Ytدالة بداللة العادات االستيبلكية والتي يمكف
تمثيميا بالمتغير() Yt-1وىو متغير االستيبلؾ في المدة السابقة وبذلؾ فاف دالة االنحدار:
237
yt 1 ut ) (yt 1 ut
yt21 ) (yt21
Yt
Y الف ) yt 1 (Yt 1Yواف Yتتضمف Ytحيث
n
وحيث ) (EYt ut ≠ 0وبذلؾ ( ˆ )
غير اف التحيز مع كبر حجـ العينة يزوؿ وعميو فاف المعممة المقدرة تكوف متسقة بمعنى مع وجود
متغير داخمي متباطئ فاف المقدرات بطريقة OLSتكوف متحيزة ولكنيا متسقة وكفوءة وخطية مع كبر حجـ
العينة.
متغير عشوائياً وبالوقت نفسو مرتبط بحد االضطراب العشوائي . u
اً )ج( عندماتكوفX
وعندىا فاف المربعات الصغرى تكوف متحيزة وكذلؾ غير متسقة أي اف مقدار التحيز يستمر حتى مع
كبر حجـ العينة وبذلؾ تصبح المربعات الصغرى غير مرغوبة ويستعاض عنيا بطرائؽ اخرى.
وىناؾ عدة حاالت يتـ انتياؾ ىذه الفرضية فييا ومف أبرز ىذه المسائؿ ىي:
وجود خطأ في القياسات . error in measurement .i
حالة المتغيرات الداخمية المتباطئة عندما يكوف حد الخطأ مرتبط ذاتياً. .ii
حالة المعادالت اآلنية . simultaneous equations .iii
ومناقشة ىذه الحاالت ىي خارج منيج الكتاب .غير انو مف المفيد معرفة أف استخداـ المربعات الصغرى
في حالة وجود ترابط موجب بيف uiو Xiفاف المقطع الصادي المقدر يكوف متحيز سفمي
) . (under - estimatedومعممة االنحدار) الميؿ( يكوف متحي اًز عموياً ).(over- estimated
أما في حالة كوف الترابط بيف uiو Xiسالباً فاف المقطع الصادي المقدر يكوف متحي اًز لؤلعمى
) . (over- estimatedويكوف الميؿ متحي اًز تحي اًز سفمياً ) .(under- estimatedعمماً باف مقدار
التحيز يستمر مع كبر حجـ العينة فتبقى المعممات غير متسقة.
,
X sتكوف مستقمة أو غير مرتبطة. الفرضية ) :(6اذا X sتكوف عشوائية فاف حد االضطراب uو
,
الفرضية ) :(7عدد المشاىدات ) (nيجب اف يكوف اكبر مف عدد المتغيرات التوضيحية ) (kأي
> . kn
238
واختبلؿ الفرضية سوؼ يجعؿ درجات الحرية سالبة وىذا غير منطقي وبذلؾ يجعؿ االختبارات االحصائية
غير موثوؽ بيا وغير ممكنة التطبيؽ.
239
) :( k+ 1عدد المعممات في المعادلة بضمنيا المقطع الثابت.
والمفيوـ يتضمف " التعدد الخطي التاـ ") "(perfect multicolinearityكما يتضمف التعدد الخطي شبو
التاـ )(semi- perfect multicolinearity
اف التعدد الخطي التاـ يتحقؽ اذا كاف واحد أو اكثر مف المتغيرات التوضيحية ) المستقمة ( توليفة خطية
تامة مف المتغيرات األخرى كاآلتي:
1 X 1 2 X 2 k X k 0
:λًُ Sثوابت ليست جميعيا أصفا اًر .
اما التعدد الخطي شبو التاـ فيتحقؽ اذا ارتبطت المتغيرات التوضيحية أو المستقمة ببعضيا ارتباطاً قوياً
1 X1 2 X 2 k X k ei 0 ولكف غير تاـ :
:eiمتغير عشوائي.
) وفي حالة انعداـ مشكمة التعدد الخطي فاف المتغيرات التوضيحية تسمى متغيرات متعامدة
(orthogonalأي اف كؿ متغير توضيحي يؤثر في المتغير التابع بطريقو منفصمة تماماً .وبذلؾ تكوف
نتائج التقدير في االنحدار المتعدد متطابقة تماماً مع نتائج التقدير في االنحدار البسيط حيث اف مصفوفة
فيشر) (X´Xتكوف قطرية الف معامؿ االرتباط بيف المتغيرات التوضيحية معدوـ ) (rX i X j 0أو اف
االرتباط المشترؾ بيف المتغيرات التوضيحية يسأوي صف اًر .
n
(X
t 1
ti X i )( X tj X j ) 0 i j 1,2., k
__________________
)*( سيتـ توضيح ذلؾ في الفصؿ الخاص بالمتغيرات الوىمية ).( Dummy variables
241
أما األسباب التي تولد مشكمة التعدد الخطي شبو التاـ فيي كثيرة ومتعددة نمخص أىميا.
(1ميؿ المتغيرات التوضيحية لمتغير سوياً عبر الزمف خاصة في دراسات السبلسؿ الزمنية.
(2وجود متغيرات توضيحيو متباطئة ) متخمفة زمنياً (.
(3وجود مشاىدات شاذة ) متطرفة (.
(4قد يكمف السبب في طريقة جمع البيانات لمعينة .فمثبلً عند جمع عينة مف مجاؿ محدود لقيـ
المتغيرات التوضيحية في المجتمع.
(5وجود قيود في المجتمع الذي تؤخذ منو العينة .عمى سبيؿ المثاؿ عند دراسة الطمب عمى
الكيرباء بداللة الدخؿ وحجـ السكف ،يوجد قيد في المجتمع ليذه العوائؿ ،فالعوائؿ ذات فئات
الدخؿ العالي تمتمؾ بيوتاً كبيرة بنسبة الى فئات الدخؿ المنخفضة.
(6قد توجد مشكمة التعدد الخطي شبو التاـ عندما يكوف عدد المتغيرات التوضيحية كبي اًر )مقارنة بعدد
المشاىدات لمعينة (.
ˆ (yx2 )(x32 ) (yx3 )(x2 x3 ) yx2 2 x22 2 yx2 x22 0
2
(x22 )(x32 ) (x2 x3 ) 2 (x22 )2 (x22 ) 2 (x22 ) 2 0
ˆ ) (yx3 )(x22 ) (yx2 )(x2 x3 yx2 x22 yx2 x22 0
3
(x22 )(x32 ) (x2 x3 ) 2 (x22 )2 (x22 ) 2 (x22 ) 2 0
0
2 0
ˆ
ˆ
ˆ3عمى وفؽ القانوف بشكؿ منفصؿ أي اليمكف تحديد قيمة ˆ2و
ˆ 0
3
0
ولكف يمكف التعويض في النموذج كاآلتي:
241
y 2 x2 3 x2 u
( 2 3 ) x2 u
x2 u ; 2 3
x2 y
ˆ ˆ2 ˆ3
x22
معادلة واحدة بمجيوليف ) ˆ3و ( ˆ2ال يمكف حميا إليجاد ˆ2و ˆ3بشكؿ منفرد .
وبذلؾ نستنتج انو:
في حالة التعدد الخطي التاـ اليمكف إيجاد حؿ وحيد لكؿ معممة مف معممات النموذج .وانما يمكف إيجاد
تقدير التراكيب الخطية مف ىذه المعممات.
( )2-4-7التقدير في حالة وجود تعدد خطي عالي ( شبه تام ) Semi multicollinearity
في الواقع العممي ال يوجد ارتباط خطي تاـ بيف المتغيرات التوضيحية وخاصة في دراسات
السبلسؿ الزمنية وانما تكوف العبلقة بيف المتغيرات شبو تامة :
x3t x2t vt افترض :
: λثابت
: vمتغير عشوائي غير مرتبط مع .X2بمعنى اف عبلقة االرتباط الخطي بيف المتغيريف X2وX3
) (0 rX 2 X 3 1ال تسأوي واحدا.
وبذلؾ اف تقدير المعممات يصبح ممكناً ولكف ىناؾ آثا اًر أخرى يمكف توضيحيا.
اف استخداـ المربعات الصغرى يولد مقدرات غير متحيزة ومتسقة واالنحراؼ المعياري لمخطأ يتـ تقديره
بشكؿ صحيح ولكف قيمتو تكوف كبيرة.
ei2
ˆ
2
n k 1
-اذ اف عدـ التحيز بمفيومو النظري ) اف قيمة المعممة المقدرة في المتوسط تكوف مسأوية الى قيمة
المعممة في المجتمع ،بشرط تكرار العينة ( يكوف متحققاً .غير اف ذلؾ ال يعني شيئاً حوؿ صفات
المقدرات في أي عينة مف عينات المجتمع.
ػ كما اف االنحراؼ المعياري لممعممات المقدرة يكوف صحيحاً .
Y 0 1 X 1 2 X 2 u افترض عبلقة االنحدار:
في االنحدار يحسب التبايف والتبايف المشترؾ عمى وفؽ:
242
ˆ 2
var( ˆ1 )
) x12 (1 r122
ˆ 2
var( ˆ2 ) ... )(2 - 7
) x22 (1 r122
r12 ˆ 2
cov( ˆ1 , ˆ2 )
(1 r122 ) x12 x22
وعممياً فاف المقدرات تمتمؾ تبايناً وتبايناً مشتركاً كبي اًر اعتماداً عمى العبلقات في ).(2-7
-وىػذا بػدوره يقػود الػى اف اختبػار ) ( tالحػد المعممػػات ) أو أكثػر ( يكػوف غيػر معنػوي فػي حػيف معامػػؿ
التحديد R2يكوف عالياً.
-كما اف مجاؿ الثقة لممعممات المقدرة يكوف كبي اًر مما يدفع الباحث الى قبوؿ فرضية العدـ بشكؿ اكبر.
-وفػػوؽ ذلػػؾ كمػػو فػػاف المقػػدرات وانحرافيػػا المعيػػاري ربمػػا يكػػوف حساس ػاً لمتغي ػرات فػػي البيانػػات .فقػػد يتولػػد
تغيير ممموس عند تغيير بسيط في حجـ العينة.
بمعنػػى عنػػد توسػػيع حجػػـ العينػػة بمقػػدار بسػػيط ) كػػأف يػػزداد عػػدد المشػػاىدات بمقػػدار مشػػاىدتيف ( ينػػتج
مقدرات مختمفة تماماً وربما يكوف االختبلؼ حتػى فػي اتجػاه العبلقػة ) قيمػة المعممػات سػالبة بعػد اف كانػت
موجبة (.
243
ˆ ˆ 2
) var( 1 ) 2 (VIF
x1
ˆ ˆ 2
) var( 2 ) 2 (VIF
x2
وبشكؿ عاـ في نموذج االنحدار:
. . . )(3-7 Y 0 1 X 1 2 X 2 k X k u
2
فاف ) (VIFيعتمد عمى معامؿ االرتباط المساعد ) ( R j ) (Auxiliary correlationويعرؼ عمى
وفؽ المعادلة :
1
VIF ... )(4 - 7
1 R 2j
2
حيث اف ) ( R jيمثؿ معامؿ االرتباط المتعدد بيف المتغير Xjوالمتغيرات التوضيحية األخرى ،ويمكف
حسابيا مف عبلقة االنحدار Xjمع باقي المتغيرات التوضيحية.
. . . (5-7) X j 0 1 X 1 j 1 X j 1 j 1 X j 1 k X k u
ثـ نحسب معامؿ التحديد لمعبلقة ) (5-7وىو ما يسمى . R j
2
مثاؿ) :(1-7العبلقة بيف معامؿ تضخيـ تبايف المقدرات وبيف معامؿ االرتباط البسيط بيف المتغيريف X1
و X2في عبلقة االنحدار المتعدد بمتغيريف توضيحييف يمكف توضيحيا مف خبلؿ الجدوؿ التالي:
يبيف الجدوؿ اف معامؿ تضخيـ التبايف في تزايد بشكؿ متسارع مع معامؿ االرتباط فكمما ازدادت قيمتو
عف ) (2تسارعت قيمة التبايف بالتزايد .وىذا يشير الى اف ارتفاع قيمة معامؿ االرتباط ) (r12عف )(0.7
فأف قيمة تبايف المعممة المقدرة يتسارع بالتزايد وبشكؿ مضطرد.
الجدوؿ )(ٔ-ٚ
عبلقة معامؿ االرتباط بتبايف معممة االنحدار
) var( ˆ1 ˆ 2 1.33A 1.96A 2.78A 6.76A 10.26A 50.25A 500.0A
A
x12
244
)(6-7الكشف عن وجود مشكمة التعدد الخطي Detecting multicollinearity
ذكر الباحث ) ( Kmentaتحذي اًر ميماً يمكف تمخيص مبلمحو كآالتي:
-1مشكمة التعدد الخطي مسألة تتعمؽ بالدرجة وليست بالنوع .إذ غالباً ما تكوف ىناؾ عبلقة بيف
المتغيرات المستقمة نظ اًر لمتأثير الحاصؿ بيف بعضيا ببعض .وفي حاؿ انعداـ العبلقة بيف المتغيرات
المستقمة ) التوضيحية ( انتفت الحاجة الى استخداـ نموذج انحدار خطي متعدد ،ويستعاض عنو بػ )(k
مف النماذج الخطية البسيطة والذي يحتوي كؿ واحد منيا عمى العبلقة بيف المتغير المعتمد وواحد مف
المتغيرات المستقمة.
-2مشكمة التعدد الخطي ىي مشكمة عينة وليست مشكمة مجتمع ،فأساس المشكمة يعود الى االفتراض
باف المتغيرات التوضيحية ىي متغيرات غير عشوائية أي ثابتة لمعينة المختارة.
واستناداً الى ذلؾ التحذير فأننا ال نختبر وجود أو عدـ وجود المشكمة وانما نقيس درجتيا في العينة.
أضؼ إلى ذلؾ أف المشكمة تظير في الغالب بسبب جمع البيانات في اغمب العموـ االجتماعية لذلؾ توجد
طرائؽ متعددة لمكشؼ عف المشكمة بعضيا بسيط Rule of thumbواآلخر إحصائي Formalأو
.informal
245
R 12 k 1
F
1
*
)(1 - R 12 ) (n - k
وبشكؿ عاـ لممتغير التوضيحي : Xj
R 2j k 1
F *
j 2
j 1,, k )(6 7
)(1 - R ) (n - k
j
-4اختبار ) ( kleinتشير قاعدة االبياـ ) لكبل يف( باف التعدد الخطي يكوف مشكمة مؤثرة في النتائج
وتتطمب مداخمة لمعبلج اذا ) ( R jلبلنحدار المساعد يكوف اكبر مف ) (R2لمنموذج الكمي. R j R ،
2 2 2
-5معامؿ تضخيـ التبايف ) (VIFيعد تشخيصاً إضافيا ،فمع ازدياد قيمة VIFعف ) (2يكوف دليبلً ميماً
عمى وجود المشكمة بشكؿ يؤثر فى النتائج .بالرغـ مف انو ال يعد شرطاً ضرورياً وال كافياً.
والختبار مشكمة التعدد الخطي باستخداـ اختبار ) (kleinلبيانات المثاؿ) ٘ ( 14 -نفسيا واعتمادا عمى
البرنامج الجاىز ) ،( SPSSندرس عبلقة ارتباط بيرسف بيف المتغيريف X1و X2والتي يحسبيا البرنامج:
rX1X2 = 0.332ثـ نربعيا ) (rX1 X 2 0.11022وتقارف مع معامؿ التحديد لمنموذج
2
) ( R2 = 0.646وىذا دليؿ عمى خمو النموذج مف مشكمة التعدد الخطي عمى وفؽ اختبار) ،( klein
246
-2اختبار فاراركميبر " " Farrar - Glauber-test
ىذا االختبار يجري عمى ثبلث مراحؿ.
المرحمة األولى :يستخدـ اختبار مربع كاي لمكشؼ عف درجة )شدة( التداخؿ الخطي المتعدد وتكوف
,
orthogonal X s :H0 فرضية العدـ :المتغيرات التوضيحية متعامدة
,
H1 : multicollinear مقابؿ الفرضية البديمة :المتغيرات التوضيحية مترابطة X s
والمختبر الذي يستخدـ ىو :
1
2 n 1 (2k 5) Ln R ... )(8 - 7
6
حيث اف | | Rيمثؿ محدد مصفوفة معامبلت االرتباط البسيط .
Lnتمثؿ الموغاريتـ لؤلساس الطبيعي .
: kعدد المتغيرات المستقمة التوضيحية .
:nحجـ العينة المستخدمة .
)k (k 1
ومستوى داللة.α % وتقارف القيمة المحسوبة لمربع كاي مع القيمة الجدولية بدرجة حرية
2
ومع رفض فرضية العدـ يجب االنتقاؿ الى المرحمة الثانية .
لعبلقة انحدار Xjكمتغير معتمد مع باقي المتغيرات التوضيحية والمقطع الثابت ،ويحسب معامؿ التحديد
لكؿ عبلقة انحدار مساعد.
247
المرحمة الثالثة :تحديد نمط التعدد الخطيof multicollinearity" "Pattern
وتتطمب ىذه المرحمة الخطوات التالية .
حساب معامبلت االرتباط الجزئي بيف المتغيرات التوضيحية.
نختبر معنويتيا اإلحصائية باعتماد اختبار tالجزئي.
H0: rxj,xi. others constant = 0 لفرضية العدـ
vs.: H1: rxj,xi .all others constant ≠ 0
والمختبر المستخدـ ىو:
nk
tij. others rij. others constan t )(9 7
constan t
1 rij. others constan t
عمماً اف معامؿ االرتباط الجزئي يحسب عمى وفؽ القانوف:
rij ril rjl
rij .l , i, j , l 1, , k
1 r 2
il 1 r 2
jl
حيث اف rijتمثؿ معامؿ االرتباط البسيط بيف المتغيريف Xiو ، Xjومع رفض فرضية العدـ فاف القرار
يكوف باف المتغير Xiىو المسؤوؿ عف وجود التداخؿ الخطي المتعدد مع المتغير Xjالذي أفرزتو المرحمة
الثانية.
248
والدخؿ المتاح يقيسا الشيء نفسو وىػو حجػـ السػوؽ فػي د ارسػة الطمػب لػذا يفضػؿ إضػافة احػدىما فقػط فػي
معادلة الطمب .وبذلؾ يعتمد عمى ىدؼ الباحث وفرضيتو.
-3تحويػػؿ المتغي ػرات التػػي تعػػاني مػػف ارتفػػاع عبلقػػة االرتبػػاط بينيمػػا إذا كػػاف كبلىمػػا ميم ػاً ف ػي د ارسػػة
الباحث ونوع التحويؿ يكوف :
أ( خمؽ تركيب بداللة كبل المتغيريف وتضمينو كمتغير جديد في المعادلة وخاصة إذا كاف اليدؼ
إلغراض التنبؤ .أو استخداـ القيود المسبقة مف دراسات تطبيقية سابقة أو باالعتماد عمى
النظريات في اطار معيف ،عمى سبيؿ المثاؿ استخداـ دالة االنتاج مف نوع كوب دوجبلص
تفترض عائد حجـ ثابت ،لذا يتـ استخداـ ىذا القيد في المعادلة يعمؿ عمى تحويؿ صيغة
المتغيرات الى النسب )الناتج/العمؿ ،رأس الماؿ /العمؿ ( وتسمى ىذه الطريقة المربعات
الصغرى المقيدة.
ب( تحويؿ المتغيرات باستخداـ الفرؽ األوؿ .وحيث اف التعدد الخطي غالباً ما يوجد في دراسات
السبلسؿ الزمنية فاف استخداـ الفرؽ األوؿ يعمؿ عمى تحريؾ التغيرات إلى األعمى بنسبة اقؿ مف
القيـ األصمية .وجدير بالذكر اف استخداـ الفرؽ األوؿ ال يصمح لدراسات المقاطع العرضية .كما
اف استخدامو في دراسات السبلسؿ الزمنية يخمؽ مشكمة االرتباط الذاتي فضبل عف انو يعمؿ
عمى فقداف درجات الحرية.
ج( كما اف استخداـ القيـ المعيارية لممتغيرات التوضيحية بدالً مف القيـ العادية يكوف مبلئماً لمتخفيؼ
مف حده التعدد الخطي عمماً باف القيـ المعيارية ىي :
Xi X
X i* i 1,, n
) s.e( X i
-4العمؿ عمى زيادة حجـ العينة .واحدى أىـ طرائؽ زيادة حجـ العينة ىو دمج المقاطع العرضية مع
السبلسؿ الزمنية .حيث أف تضميف المقاطع العرضية التي تكوف غير متداخمة مع السبلسؿ الزمنية تعمؿ
عمى تقميص التعدد الخطي في النموذج الكمي* .وتبقى المشكمة مرتبطة بتفسير النتائج وطريقة التقدير.
وبعضيـ يرى مشكبلت تفسير النتائج في حالة الدمج تكوف أسوأ مف التبعات التي تخمقيا مشكمة التعدد
الخطي .
-5ىناؾ بعض الطرؽ التي تعالج المشكمة إحصائياً مثؿ :التحميؿ العاممي)،(Factor Analysis
المركبات الرئيسة ) ،(principle componentطريقة الحرؼ) (Ridge Regressionأو طريقة
_______________
)*( مثبلً لدراسة الطمب عمى سمعة في قطر معيف اقترح االقتصادي ) ( Tobinاستخداـ بيانات مقطعية مف ميزانية األسرة لمحصوؿ
عمى المرونة الدخمية ثـ استخداميا في دالة الطمب لمسبلسؿ الزمنية لمحصوؿ عمى المرونة السعرية.
249
االنحدار المتسمسؿ ) (Stepwise Regressionأو طريقة التقدير المختمط المقترحة مف قبؿ ) ثايؿ
وكولد بيرجر(.
وجدير بالذكر إف لكؿ طريقة مف طرائؽ التخفيؼ مف حدة المشكمة مساوئ وأضرار جانبية منيا
ما يخمؽ مشكبلت أخرى تحتاج إلى حؿ وتضع الباحث في دوامة مستمرة ،وبعضيـ اآلخر يخمؽ
مشكبلت تتعمؽ بتفسير نتائج التقدير .وتبقى خبرة الباحث وىدؼ الدراسة ىي الفيصؿ في اختيار طريقة
دوف سواىا أو ترؾ النتائج دوف تعديؿ .عمماً باف التعدد الخطي ال يشكؿ خط اًر ميماً اذا كاف اليدؼ ىو
التنبؤ فالمعيار في ىذه الحالة ىو كبر R2عمى شرط اف المتغيرات التوضيحية تتبع نمط االرتباط نفسو
في فترة التنبؤ كما في فترة البيانات المستخدمة في الدراسة.
251
أسئهة انفصم انسببع:
سٔ :أ( وضح مفيوـ التعدد الخطي وانواعو.
ب( اذكر أىـ مصادر ظيور مشكمة التعدد الخطي.
ج( اذكر أىـ المبلمح التي تشير الى وجود مشكمة التعدد الخطي.
الخطي.
س :5اشرح أثر االرتباط المتعدد في حالة كوف قيـ أحد المتغيرات التوضيحية متسأوية المشاىدات.
س :6أعط مثاالً توضح فيو إف معامبلت االرتباط البسيط بيف المتغيرات التوضيحية ال تكوف كافية
لمكشؼ عف وجود مشكمة التعدد الخطي.
251
س :7اذا عممت اف مصفوفة االرتباط البسيط بيف المتغيرات التوضيحية لنموذج مكوف مف ثبلث متغيرات
توضيحية ولعينة مكونة مف 60مشاىدة ىي:
1 0.879 0.339
R 1 0.305
1
ىؿ اف النتائج تتأثر بمشكمة التعدد الخطي باستخداـ:
أ( اختبار . Beaton&Glauber
ب( اختبار . Farrar – Glauber
252
انفصم انثبمن
االنحذار غير انخطيNonlinear regression
تمهيد
أف أوؿ فرضيات التحميؿ في االنحدار ىي الفرضية ) (1ىذه الفرضية تنص عمى اف عبلقة االنحدار
تكوف خطية بداللة المعممات.
ومعموـ اف العبلقات أما تكوف خطية بداللة المعممات وبداللة المتغيرات وىي العبلقة التي تمت دراستيا
في الفصوؿ السابقة مف الكتاب.
العبلقة العامة التي تتضمف ) ( kمف المتغيرات التوضيحية والتي يمكف كتابتيا بالصيغة:
Yt 0 1 X1t 2 X 2t . . . k X kt ut
أو
k
Yt jt X jt ut t 1,..., n
j 0
j 1, , k
ىي عبلقة خطية بداللة المعممات ،وكذلؾ بداللة المتغيرات.
أو اف تكوف خطية بداللة المعممات وغير خطية بداللة المتغيرات )ومعادالتيا تسمى عبلقات االنحدار
غير الخطية( والتي ستتـ دراستيا في ىذا الفصؿ والنوع الثالث اف تكوف عبلقة االنحدار غير خطية
بداللة المعممات ومف أمثمتيا:
Y o 1 X u
2
... )(2
فالمعادالت )ٔ( و)ٕ( ىي غير خطية بداللة المعممات ولكنيا خطية بداللة المتغيرات في حيف العبلقة
)ٖ( غير خطية بداللة المعممات والمتغيرات.
وىذا النوع مف عبلقات االنحدار ال يمكف تقدير معمماتو باستخداـ معيار المربعات الصغرى االعتيادية بؿ
يتـ استخداـ اسموب االنحدار غير الخطي المتكرر ،والذي ىو خارج مفردات ىذا الكتاب.
ولقد أوضحنا في الفصوؿ السابقة مف ىذا الكتاب باف اختبار العبلقة الخطية يمكف اف يعبر عنو بأختبار
Fلمنموذج الكمي والذي يختبر الفرضية
253
H o 1 2 . . . k 0
وذلؾ باستخداـ جدوؿ تحميؿ التبايف.
ويمكف عمؿ االختبار بشكؿ أولي مف خبلؿ رسـ االنتشار في حالة النموذج البسيط أو باستخداـ تحميؿ
البواقي وذلؾ برسـ األخطاء أو األخطاء القياسية أو مربع األخطاء عمى المحور العمودي بداللة Yˆiأو
Xiعمى المحور األفقي .فإذا كاف الشكؿ الناتج يوضح نمطاً معيناً كما في الشكؿ) (ٔ-ٛفذلؾ يدلؿ عمى
اف العبلقة غير خطية أو اف فرضية العبلقة الخطية غير متحققة.
شكؿ )(1-8
e e
مثاؿ) :(ٔ-8اذا توفرت البيانات لممتغير المعتمد Yوالمتغير المستقؿ Xفيؿ اف معادلة الخط المستقيـ
تبلئـ البيانات.
Y 1 4 3 8 9
1 1 1 1 1
X
0 1 2 3 4
1
̂
2
254
تحسب القيـ Yˆiو eiلكؿ قيمة مف قيـ X
Yˆ 1 3 5 7 9 , e 0 1 2 1 0
Yˆi
المصدر :برنامج SPSSباالعتماد على بيانات المثال )) 1-8
اما باالعتماد عمى رسـ االنتشار فيتـ وضع قيـ Yعمى المحور العمودي وقيـ Xعمى المحور االفقي كما
في الشكؿ )(ٖ-ٛ
شكؿ )(3-8
شكؿ انتشار بيانات المثاؿ )(1-8
Y
X
المصدر :برنامج SPSSعلى بيانات المثال )(1-8
255
نؤكد في ىذا الصدد اف طريقة الرسـ تعتمد عمى الحكـ الشخصي وخاصة مع صغر حجـ العينة وكذلؾ
تعتمد عمى خبرة الباحث ،لذا البد مف اقترانيا باالختبارات اإلحصائية النظامية ومنيا جدوؿ تحميؿ
التبايف.
H o : 1 0 vs H1 : 1 0
وباستخداـ جدوؿ تحميؿ التبايف
جدوؿ )(ٖ-ٛ
جدوؿ تحميؿ التبايف لممثاؿ )(ٔ-ٛ
S.O.V df SS MS F
Regression 1 40 40 20 Fc (1,3,0.95) 10.13
Error 3 ٙ 2
والختيار األشكاؿ الدالية المختمفة البد مف إعطاء عناية خاصة ألمريف ميميف ىما حد متغير االضطراب
العشوائي ، uiاما األمر االخر فيو يخص تفسير المعممات.
256
) (1-1-8نموذج الموغاريتم الخطي :Log linear model
2
Yi 1 X i لنمعف النظر في العبلقة:
فيي عبلقة أسية ") "exponentialغير خطية بداللة (βوإلغراض التقدير يمكف إعادة صياغتيا
كاآلتي:
2
Yi 1 X i e ui )(1 8
2
Yi 1 X i ui أو )(2 8
2
Yi 1 X i ui أو )(3 8
وبأخذ لوغاريتـ الطرفيف تعاد كتابتيا كاآلتي:
ln Yi ln 1 2 ln X i ln eui 2 ln X i ui )(a1 8
حيث اف ln 1
فالعبلقة ) (1-8خطية بداللة المعممات اذ بأخذ الموغاريتـ لمطرفييف تـ تحويمػو الػى خطػي بداللػة المعممػات
αو β2وكذلؾ الحاؿ بالنسبة لمعبلقة ) .(2-8غير انو ال بد مف التحقيؽ حػوؿ صػفات المتغيػر العشػوائي
ف ػ ػ ػ ػػي المعػ ػ ػ ػ ػػادالت ) (a1-8و ) .(a2-8فمػػ ػ ػ ػػع افت ػ ػ ػ ػ ػراض اف المتغيػ ػ ػ ػ ػػر العش ػ ػ ػ ػ ػوائي uiيتػ ػ ػ ػ ػػوزع طبيعي ػ ػ ػ ػ ػاً.
) ui ~ N(0, 2 بمتوسط صفر وتبايف متجانس وارتباط ذاتي صفري .
ف ػالمتغير العش ػوائي فػػي المعادلػػة) ، ( ln ui ) ، (aٕ-8ال يكػػوف كػػذلؾ .وعميػػو البػػد مػػف إعطػػاء عنايػػة
خاصة لحد الخطأ عند تحويؿ النموذج ألغراض االنحدار.
أمػػا العبلقػػة ) (a3-8فيػػي فػػي حقيقػػة األمػػر غيػػر خطيػػة بداللػػة المعممػػات .وال توجػػد طريقػػة بسػػيطة ألخػػذ
لوغاريتـ الطرفيف ليذه العبلقة ،وعميو يجب حمو باستخداـ طرائؽ غير خطية.
ام ػػا بخص ػػوص معمم ػػات العبلق ػػة ) (1-8والت ػػي تع ػػد خطي ػػة بدالل ػػة لوغ ػػاريتـ المتغيػ ػرات Yو Xعن ػػد اخ ػػذ
لوغ ػ ػػاريتـ الطػ ػ ػرفيف كم ػ ػػا ف ػ ػػي العبلق ػ ػػة ) (a1-8والت ػ ػػي يمك ػ ػػف تق ػ ػػديرىا باس ػ ػػتخداـ OLSفتك ػ ػػوف المق ػ ػػدرات
ˆ و ) (ˆ 2مقدرات غير متحيزة وخطية وباقؿ تبايف لممعممات αو βعمى التوالي:
عمماً باف ˆ1 eوبذلؾ فاف ) ˆ (ln 1حيث اف(e 2.718) :
ˆ
257
dY
d ln Y
ˆ2 Y
d ln X dX
X
dY
القيمة الحدية
Y
dX القيمة المتوسطة
X
وحيث اف ˆ2تكوف ثابتة لذا يسمى النموذج نموذج المرونة الثابتة )(Constant elasticity model
258
-وإلغراض التقدير يمكف إعادة المعادلة ) (4-8بالصيغ التالية:
Yt Yo (1 r )t u )(9 8
Yt Yo (1 r )t eu ) (10 8 أو
Yt Yo (1 r )t u )(11 8 أو
ويتبيف كما في الفقرة ) (ٔ-ٔ-8اف ) (9-8و) (10-8تصبح خطية بداللة المعممات مع التحفظ حوؿ
توزيع حد االضطراب اما ) (11-8فيي غير خطية بداللة المعممات.
تفسير المعممات:
المعممة ) (ln(1 r ) 2تقيس التغير النسبي في Yنسبة الى تغير مطمؽ بقيمة المتغير .t
d ln y
2 وىي بذلؾ تقيس معدؿ النمو الجاري ) .(instantaneousوبذلؾ فالعبلقة )(8-8
dt
تسمى نموذج النمو الثابت .constant growth model
r (e 2
اما معدؿ النمو المركب فيمكف حسابو مف العبلقة ) 1)100 % : (7-8
المعممة β1تمثؿ المقطع الثابت وبموجب العبلقة ) (ٙ-ٛفاف قيمة التغير المعتمد في بداية المدة يمكف
Y 0 e 1 حسابو:
مالحظة :اف نتائج تقدير العبلقة ) (ٛ-ٛتعتمد عمى استق اررية السمسمة.
Y
2
X
X
X
بمقدار وحدة واحدة فاف تغي ار مطمقا في Yيكوف بمقدار ) ((0.01) 2اما القيمة فمع تغير
X
الحدية أو األثر لممتغير Xعمى) (Yفيمكف حسابو عمى وفؽ العبلقة:
dY 2
dX X
259
)(Reciprocal Model ( )3-1-8نموذج المعكوس
الصيغة العامة لمنموذج:
1
Y 1 2 u ... )(12 - 8
X
وبالرغـ مف اف العبلقة ) (12-8ىي غير خطية بداللة Xولكنيا خطية بداللة المعممات β1و β2
1
X فتتحوؿ الصيغة إلى: وذلؾ مف خبلؿ افتراض
X
Y 1 2 X u . . . )(a12-8
ويتميز النموذج ) (12-8بالميزات التالية:
1
مع زيادة Xبشكؿ ال نيائي فاف ) ( 2تنخفض الى الصفر وبذلؾ فاف Yتبمغ β1والتي تسمى
X
المحاذي ) (Asymptoteأو الغاية ) (Limitوالشكؿ ) (4-8يوضح بعض اشكاؿ المنحنيات التي تتمثؿ
بالعبلقة )(ٕٔ-ٛ
الشكؿ )(4-9
1
Y 1 2 أشكاؿ العبلقة العكسية:
X
Y Y Y
2 0 2 0 2 0
1 0 1 0 1 0
1
1 X 0 X 0 X
1
2
1
)(a )(b )(c
وعند تقدير العبلقة ) (a12-8فاف تفسير معممات االنحدار β2ال تمثؿ القيمة الحدية بؿ اف اثر المتغير
Xعمى المتغير Yيمكف حسابيا كاآلتي:
dY 1
2 2
dX X
261
2
مف أي اف زيادة Xبمقدار وحدة واحدة فاف ذلؾ يقود الى انخفاض في المتغير Yبمقدار 2
X
الوحدات.
مثاؿ) :(2-8بيانات عف الكميات المنتجة Yالؼ طف وعدد العماؿ في أحد الصناعات ) Xالؼ عامؿ(
لمدة ) (ٙسنوات متتالية:
جدوؿ )(4-8
شكؿ )(5-8
Y
X
مف خبلؿ رسـ االنتشار الشكؿ ) (5-8يتضح اف الصيغة التي تمثؿ البيانات ىي الصيغة الموغارتمية
ln Y o 1 ln X u المزدوجة ،لذلؾ نستخدـ نموذج االنحدار:
261
وبحساب ln Yو ln Xثـ تطبيؽ المربعات الصغرى يتـ الحصوؿ عمى معادلة التقدير والجدوؿ)(5-8
يتضمف الحسابات البلزمة لتقدير العبلقة.
l nY 1.94 0.64 ln X
ˆ 1 0.64وىي تمثؿ مرونة اإلنتاج بالنسبة لمعمؿ.
اما اثر عدد العماؿ فى الكميات المنتجة )في المتوسط( فيتـ حسابو عمى وفؽ الصيغة:
dY Y
1
dX X
Y أو
Y
تمثؿ
Y
حيث
X X X
جدوؿ )(٘-ٛ
جدوؿ الحسابات
262
1 Yt
e o 1 X
Yt
1 Yt
( ( o 1 X ) ln )
Yt
Yt
o 1 X ln
1 Yt
Yt
واضافة حد االضطراب العشوائي فيصبح النموذج : (ln ) Y وبافتراض
1 Yt
t
Yt o 1 X t ut )(14 8
فالعبلقة ) (14-8عبلقة خطية بداللة المتغيرات * .X ، Yكما انيا خطية بداللة المعممات β0و β1
ويمكف تقديرىا بموجب المربعات الصغرى االعتيادية والصيغة ) (14-8توضح اف معدؿ النمو يتزايد أوالً
0
، X ثـ يبدأ معدؿ النمو
إلى نقطة محددة )وىي نقطة االنقبلب( والتي تظير عندما 1
باالنخفاض .وبذلؾ فاف المعممة β1تسيطر عمى السرعة .وبالمقابؿ فاف قيمة Yعند نقطة االنقبلب
0
X
1
Y 1
0
X 1 2
(. حد اإلشباع ( e 0 وىناؾ تشابو كبير بيف الصيغة الموجستية وبيف الموغاريتـ المعكوس وىي اف
Y 1
وتكوف عمى بعد ونقطة االنقبلب تظير عندما 0.135 e : X 1
X 2 2
13%مف حد اإلشباع.
263
والشكؿ ) (6-8يوضح ذلؾ :
شكؿ )(6-8
المنحنى الموجستي والموغاريتـ المعكوس
Y Y
1
1
2
0.135 e 0
0 0 0
0
1 1
)(a )(b
1 1
الموغاريتـ المعكوس ln Yt 0 1 u : Yt 1 X u
المنحنى الموجستي u :
X 1 e
وبشكؿ عاـ يمكف تحديد صيغ مختمفة التي يمكف اف تتصؼ بيا العبلقة غير الخطية بيف Yو
Xوذلؾ مف خبلؿ استخداـ ما يسمى )محوؿ بوكس – كوكس( Box- Cox transformationوالتي
تعتمد عمى الصيغة العامة:
Y 1 o 1 X 2 u )(15 8
بحيث :
Y 1 1
1 0 ارا
Y 1 1
ln Y 1 0 ارا
وكذلؾ:
2
X 1
2 0 ارا
X 2
2
ln X 2 0 ارا
264
مثاؿ) :(3-8اذا 1 2 1فاف الصيغة ىي:
Y 1
1
Y 1 ) (Y 1 1 1 0
1
X 1 1
X 2 ) ( X 1 2 1 0
1
وبذلؾ فاف الصيغة بعد التعويض في العبلقة ) (15-8نحصؿ عمى:
(Y 1) o 1 ( X 1) u
Y (1 o 1 ) 1 X u
Y 1 X u )(16 - 8 أٌ
o 1 o 1 حُث :
و . 1 والعبلقة ) (16-8ىي عبلقة خطية بداللة المتغيرات Xو Yوكذلؾ بداللة بالمعممات
ln Y o 1 ln X u
مثاؿ) :(5-8اذا كاف 2 1 , 1 0فاف تحويؿ بوكس – كوكس ينتج عبلقة الموغاريتـ
المعكوس . log - reciprocal
1
ln Y 0* 1* ln u
X
مثاؿ) :(6-8تقدير معدؿ التضخـ ) (Xومعدؿ البطالة ) (Yلمجتمع خبلؿ مدة ) (7سبع سنوات.
جدوؿ )(6-8
Y X
20 4
16 6
14 8
13 10
12.5 12
12.25 14
12.125 16
265
1
Y o 1ىي المبلئمة لمبيانات رسـ االنتشار يوضح اف الصيغة u
X
شكؿ )(7-8
Y
X
X
266
1 1
0.43 43 مف النقطة في المتوسط. 2
43 2
)(10 X
43
0.3 وىي تشير الى اف االرتفاع في وبذلؾ فاف المرونة )مرونة البطالة لمتضخـ(
)10(14.268
معدؿ التضخـ بنسبة 10%يصاحبو انخفاض في معدؿ البطالة بنسبة 3%في المتوسط.
شكؿ )(8-8
منحنى تربيعي Quadratic
X X
)(a )(b
الصيغة ) (18-8خطية بداللة المعممات ولكنيا غير خطية بداللة المتغيرات ،ولتحويميا الى
و X2 X 2 خطية بداللة المتغيرات ايضاً ،يتـ افتراض X 1 X
Y o 1 X 1 2 X 2 u فتصبح معادلة االنحدار:
وىي معادلة انحدار خطي متعدد .وألجؿ تقدير المعممات بموجب β0و β1و β2يمكف تطبيؽ المربعات
الصغرى االعتيادية وعمى وفؽ القانوف :
267
ˆ0
ˆ1 X X 1 X Y
ˆ
ˆ
2
Y n X X 2
3
X Y XY واى ، X X X X X 2
حُث :
X 2Y X 2 X X 3 4
وىكذا فاف الصيغة التكعيبية نحصؿ عمييا عندما نعوض k=3في المعادلة ) (ٔٚ-8فنحصؿ عمى:
Y 0 1 X12 X 2 3 X 3 u )(19 - 8
وبالطريقة نفسيا يتـ تحويميا الى صيغة خطية.
بافتراض:
X X1
X 2 X2
X 3 X3
فتصبح العبلقة ) (19-8نموذج انحدار خطي متعدد بداللة المتغيرات. X3 ، X2، X1
وىكذا لكؿ نماذج االنحدار متعدد الحدود.
مثاؿ) :(7-8البيانات التالية خاصة بمعدؿ النمو االقتصادي ) (Xوالنصيب النسبي لمطبقة الفقيرة مف
الدخؿ الكمي ) ، (Yلعدد مف الدوؿ التي تختمؼ في مرحمة النمو االقتصادي .
ـ /تقدير العبلقة بيف المتغيريف
268
جدوؿ )(8-8
ٚ ٙ ٘ ٗ ٖ ٕ ٔ الدولة
ٔٔ ٖٔ ٜ ٚ ٘ ٖ ٔ معدؿ النمو (X)%
ٖٛ ٕٛ ٕٔ ٔٚ ٕٕ ٕٛ ٖ٘ النصيب النسبي )(Y
مف خبلؿ رسـ االنتشار الشكؿ ) (9-8يتضح أف الصيغة التربيعية ىي التي تمثؿ المشاىدات وبذلؾ
تستخدـ :
Y o 1 X 2 X 2 u
شكؿ )(9-8
شكؿ االنتشار العبلقة بيف معدؿ النمو وتوزيع الدخؿ
40
20
15
0 5 10 15
جدوؿ ) ( ٜ-ٛ
حسابات المثاؿ )(7-8
Y X1=X X2=X2 y yx2 x12 2
x1 x2 yx1 x2 x1 x2
35 1 1 8 -6 -64 -48 -512 36 4096 384
28 3 9 1 -4 -56 -4 -56 16 3136 224
22 5 25 -5 -2 -40 10 200 4 1600 80
10 0 49 - 0 -16 0 167 0 256 0
10
21 9 81 -6 2 16 -12 -96 4 256 32
28 11 121 1 4 56 4 56 16 3136 224
38 13 169 11 6 104 66 1144 36 10816 624
89 49 455 16 896 112 23296 1568
269
49 455 189
X1 7 , X2 65 , Y 27
7 7 7
اذف المعادالت الطبيعية لمقيـ كانحرافات عف متوسطاتيا :
16 112ˆ1 1568ˆ2
ˆ896 1568ˆ 23296
1 2
ˆ1 6.857 , ˆ2 0.5 وبحؿ المعادلتيف ينتج :
تعوض القيـ في المعادلة ˆo Y ˆ1 X 1 ˆ2 X 2 :لمحصوؿ عمى المقطع الصادي ˆo 42.5
Yˆ 42.5 6.857 X 0.5 X 2 وبذلؾ فاف معادلة االنحدار:
ومف معادلة التقدير نجد اف النصيب النسبي لمطبقة الفقيرة مف الدخؿ قبؿ بدء عممية النمو )عندما
يكوف معدؿ النمو = صفر( يسأوي ٕٗ.٘ %في المتوسط .وبذلؾ فاف النصيب النسبي لمطبقة الغنية
٘ٚ.٘ %في المتوسط . ىو
ولمحصوؿ عمى الحد األدنى لمنصيب النسبي لمطبقة الفقيرة مف الدخؿ ،نفاضؿ معادلة االنحدار ونجعميا
= صفر
ˆdY
6.857 X
dX
X 6.857
وبتعويض القيمة في معادلة االنحدار:
)Yˆ X 6.857 42.5 6.857(6.857) 0.5(6.857 2
18.98
أي أف الحد األدنى لنصيب الطبقة الفقيرة ىو %ٜٔتقريبا ولمتأكد مف أف ىذه القيمة تمثؿ نياية صغرى
نتحقؽ مف ذلؾ بالمشتقة الثانية :
ˆd 2Y
6.857 0
dX 2
اذف النقطة ىي نياية صغرى.
271
اختبار أهمية المتغير Xفي نماذج متعددة الحدود.
اف االمر الذي سيتـ توضيحو في ىذه الفقرة بشأف اختبار األىمية لممتغيرات التوضيحية في
معادلة االنحدار .اف اختبار معنوية المعممات بشكؿ عاـ في نماذج االنحدار غير الخطي ال يختمؼ كثي ار
عنيا في معادلة االنحدار الخطي ،فاالختبلؼ يكمف في تفسير المعممة وكما أوضحنا في الفقرات السابقة.
فاف معممة االنحدار في نموذج الموغاريتـ المزدوج تمثؿ مرونة Yبالنسبة الى ، Xوفي النموذج شبو
الموغاريتـ لػ ) Y (Log – Linتمثؿ معدؿ النمو المحظي ومنيا يحسب معدؿ النمو المركب لممتغير Yاذا
كاف Xيمثؿ الزمف.
dy
في وىكذا في النماذج غير الخطية األخرى والجدوؿ التالي يبيف اثر المتغير Xفى Yوالمتمثؿ
dx
انماط المعادالت غير الخطية المختمفة.
جدوؿ )(10-8
أما اختبار معنوية المعممات المقدرة ) ( ˆ1فيعني معنوية المتغير المرافؽ ) ( Xفي العبلقة
المعنية نسبة الى ) (Y ففي الصيغة الموغاريتمية المزدوجة Log .Logفاف ) ˆ ( تمثؿ مرونة Yبالنسبة
1
271
لػ ) X Y logYو ، ( X log Xوىكذا معنوية ) ( ˆ1في العبلقة العكسية تعني معنوية المتغير
بالنسبة لػ ،Yوفي عبلقة الموغاريتـ العكسي تدؿ عمى معنوية المتغير عمى .log Y
1 1
X X
أما بالنسبة لنماذج متعدد الحدود فاف الحالة تختمؼ قميبلً .ولتوضيح ذلؾ نفترض نموذج االنحدار
متعدد الحدود:
Y 0 1 X 2 X 2 ... k X k u
فعند اختبار معنوية انحدار جزئي معيف )مثبل أختبار معنوية ( 1فتكوف فرضية العدـ:
H 0 : 1 0
ومع افتراض اف جميع المعممات بدرجات أعمى تسأوي صف اًر أي 2 3 ... k 0 :
اما في حالة االنحدار الخطي المتعدد :
Y 0 1 X 2 X 2 3 X 3 ... k X k u
فاف اختبار معنوية ) (1اليعني تجاىؿ أو اىماؿ k ,..., 3 , 2فالغاية مف االختبار )( 1 0
في االنحدار الخطي المتعدد ىؿ اف اضافة X1الى المعادلة سيساعد معنويا في التنبؤ لمعدؿ Yبوجود
غيره مف المتغيرات .Xk ، . . . ،X3 ،X2في حيف تكوف الغاية مف اختبار ) ( 1 0في االنحدار
متعدد الحدود ىو لتحديد درجة المعادلة.
والمثاؿ التالي يوضح االختبلفات التي نود توضيحيا مف خبلؿ مقارنتيا مع نماذج االنحدار المتعدد
الخطي.
مثاؿ ) :(ٛ-8البيانات في الجدوؿ (ٔٔ-8) :تمثؿ مقدار السكر المتحوؿ ) (Yفي عممية كيميأوية معينة
عند درجات ح اررة مختمفة ).(Xi
جدوؿ )(11-8
272
جدوؿ )(ٔ2-8
ومف حسابات الجدوؿ ) (ٔٓ-8فاف المعادالت الطبيعية لمنموذج متعدد الحدود مف الدرجة الثالثة :
273
باختبار فرضية العدـ:
H o 1 2 3 0
H1 1 2 3 0
ينظـ جدوؿ تحميؿ التبايف في جدوؿ )(13-8
جدوؿ )(13-8
s.o.v d.f SS MS F
) Re gression( X 1 X 2 X 3 3 57.0129 19.0043
1367.2158
) Error( X 1 X 2 X 3 4 0.0557 0.0139
Total 7 57.0068
وباختبار مستوى داللة 1%فاف قيمة Fالجدولية F(3, 4, 0.99) 16.69وبمقارنة Fالمحسوبة مف
جدوؿ تحميؿ التبايف جدوؿ ) (11-8وىي )ٕ (ٖٔٙٚ.مع Fالجدولية ) (ٔٙ.ٜٙفيكوف القرار برفض H0
أي اف ىناؾ انحدار عاـ باستخداـ المتغيرات . X 3 , X 2 , X 1
Ho : 2 0 -والختبار ىؿ اف أضافة X 2سيساعد في تنبؤ Yفاف فرضية العدـ:
عمى افتراض اف 3تسأوي صف اًر) .أي ضمنياً ىذه الفرضية تفترض اف Yتتحدد بػ X 2 , X 1فقط(
فالمختبر االحصائي المستخدـ في ىذه الحالة:
ESS ( X 2 / X 1 ) / 1
F
)RSS ( X 1 , X 2 ) /( n 3
X Y
1 1
S X Y
1
1
n 8 S X X
1 1
274
( X 1 ) 2
(76) 2
S X X X
2
1 764 42
1 1
n 8
46.75
ˆ1 1.1130
42
ESS ( X 1 ) ˆ1 S X Y 1.1130(46.75) 52.0372
1
ESS ( X 1 X 2 ) ˆ X Y
Y 56.8702 2
n
وعميو فاف ) ESS ( X 2 / X 1يمكف حسابو كاآلتي:
ESS X 2 / X 1 56.8702 52.0372 4.833
RSS X 1 X 2يمكف حسابو:
في حيف
RSS X 1 X 2 TSS ESS X 1 X 2 0.1967
وبذلؾ فاف قيمة Fالحسابية الختبار أىمية اضافة X 2ىي:
4.833 4.833
F 122.85
0.196 / 5 0.03934
275
H 0 : Y 2 X 2 -اما اذا كاف اليدؼ ىو اختبار الفرضية:
H 0 : 0 1 3 0 فتصاغ الفرضية كاآلتي:
وبذلؾ فاف خطوات االختبار تكوف .
ٔ -نحسب مجموع المربعات المشروحة االجمالية غير المصححة :
ESS X o X 1 X 2 X 3
ˆ X Y
678.294
ٕ -نحسب مربعات االنحدار غير المصححة لػ : X 2
ESS X 2 ˆ
2 X 2Y
حيث ̂ 2تحسب مف االنحدار البسيط Y o 2 X 2عمى وفؽ األتي:
7649.5
ˆ2 0.0866
88292
ESS X 2 (0.0866)(7649.5) 662.742
وبذلؾ فاف مجموع المربعات المشروحة لفرضية العدـ ىي:
ESS X 0 X 1 X 3 / X 2
ESS X 0
X 1 X 2 X 3 ESS X 2 15.552
H0 : Y 2 X 2 وبذلؾ فاف جدوؿ تحميؿ التبايف الختبار الفرضية :
كما موضح في جدوؿ )(12-8
جدوؿ )(12-8
جدوؿ تحميؿ التبايف الختبار H 0 : Y 2 X 2 :
s.o.v d.f SS MS F
Re g X 0 X 1 X 2 X 3
4 678.294
Re g X 0 X 1 X 3 / X 2
3 15.552 5.184 370.28
Error 4 0.056 0.014
Total 8 678.35
وبذلؾ فاف القرار ىو رفض فرضية العدـ .بعبارة اخرى اف )( 0 1 3 0
أي أف الصيغة . Y 2 X
2
276
أسئهة انفصم انثبمن
س .1 :1وضح الداللة اإلحصائية لمعبارة التالية:
الخطية في نموذج االنحدار.
.2بيف أي مف النماذج التالية ىي عبلقة انحدار خطية.
Y 0 1 X 2 X 2 u
ln Y 0 1 X 1 2 X 2 u
1
0 1 X 2 X u
Y
Y 0 1 X 2 ln X u
Y 0 1 2 X u
س :3اذا عممت اف معادلة تقدير الصادرات ) (Yكدالة نصؼ لوغاريتمية بداللة الناتج المحمي االجمالي
) (Xاعطت الصيغة التالية.
Yˆ 12.5 0.85 ln X
أ( فسر معممة الناتج المحمي االجمالي.
ب( ما ىو أثر الناتج المحمي االجمالي فى قيمة الصادرات؟
س :4وضح أىـ اشكاؿ العبلقة العكسية بالرسـ ،ثـ اذكر أىـ التطبيقات التي يمكف اعتمادىا لكؿ
شكؿ ،موضحاً القيود الممكنة لمعممات كؿ شكؿ منيا.
س :5في عبلقة انحدار الكميات المنتجة مف الجبف في مصنع معيف ) (Yبداللة عدد العماؿ ) (Xتـ
الحصوؿ عمى االتي:
ln Yˆ 3.5 0.8 ln X
277
أ( فسر المدلوؿ لممعممات المقدرة.
ب( ما أثر عدد العماؿ فى الكميات المنتجة مف االلباف؟
س :6عمى وفؽ تحويؿ بوكس-كوكس بيف الصيغة المبلئمة لمحاالت التالية.
1
2 , 1 0 )(1
2
2 1 , 1 1 )(2
2 0 , 1 1 )(3
2 0 , 1 1 )(4
س :7اذا عممت اف نصيب النسبي لمطبقة الفقيرة مف الدخؿ الكمي ) (Yومعدؿ النمو االقتصادي )(X
لعينة مف االقطار المختمفة قد اعطت الصيغة التقديرية.
Yˆ 39.7 5.32 X 0.3 X 2
أ( احسب النصيب النسبي لمطبقة في المتوسط.
ب( احسب الحد االدنى لمنصيب النسبي لمطبقة الفقيرة مف الدخؿ.
س :8وضح أىـ الفروؽ الرئيسة الختبار الفرضيات في النموذج الخطي لمتعدد المتغيرات مع االنحدار
غير الخطي البسيط.
278
انفصم انتبسع
Selecting the best regression اختيبرأحسنبنمعبدالت
equation
سيتـ في ىذا الفصؿ التعريؼ بأىـ الطرائؽ التي تستخدـ مف اجؿ اختبار أحسف معادلة
خطية مؤلفة مف متغير معتمد واحد ،Yوعددمف المتغيرات المستقمة )التوضيحية( ). (X1 ,X2 ,…..Xk
مف المشكبلت التي تواجو الباحث في مجاؿ تطبيؽ نظاـ معادالت االنحدار مشكمة وجود عدد كبير مف
المتغيرات المفسرة في حيف يرغب الباحث في اختيار أفضؿ مجموعة مف ىذه المتغيرات لتكويف نموذج
أمثؿ يعبر عف ىذا النظاـ نظ اًر الف إدخاؿ إعدادا كبيرة مف المتغيرات المستقمة في المعادلة يكمؼ ثمناً
كبي اًر ،ممايكمفو مف جيد ،ووقت وماؿ .
ويعرؼ النموذج األمثؿ بأنة النموذج الذي ينتج عف اختيار متغيراتو المفسرة عمى وفؽ معايير عدة
-1أدنى قيمة لمحدد مصفوفة متوسطات أخطاءالتنبؤ أو أقؿ قيمة لمتوسط مربعات الخطأ :
RSS
n k 1
-2معيارمعامؿ التحديد R2 .أومعيار ) R 2معامؿ التحديد المعدؿ( أعمى قيمة )اكبر مف (%60اذ يتـ
اختيار النموذج الذي يمتمؾ أعمى قيمة لػ . R2أو R 2
-3معيار) CPاحصاءة مالو(Mallows static
وىناؾ العديد مف طرائؽ االختيار وسيتـ التركيز عمى ثبلث طرائؽ منيا وىي :
The Backward elimination procedure طريقة الحذؼ العكسي أو الخمفي
The Forward Selection procedure طريقة االختيار األمامي أو المباشر
The stepwise selection procedure طريقة االختيار التدريجي
والبد مف التأكيد عمى إف النتائج قد تختمؼ باستخداـ طريقة دوف أخرى .
279
) (1-9طريقة الحذف العكسي أو الخمفي The Backward elimination procedure :
تتمخص الطريقة بالخطوات التالية :
-نبدأ باعتماد جميع المتغيرات المستقمة في المعادلة ثـ تحذؼ المتغيرات مف المعادلة واحداً بعد
األخر اعتماداً عمى قيمة ) (Fالجدولية والتي تسمى ) (Foutوسيتـ تفصيؿ الخطوات عمى وفؽ األتي:
الخطوة األولى:
يتـ العمؿ عمى تضميف جميع المتغيرات المستقمة في معادلة االنحدار وتحسب قيـ ) (Fالجزئية
لكؿ متغير) Fاإلضافية( عمى وفؽ الصيغة التالية :
) ESS ( X i all other exp lanatory var iables
Fi i 1,, k
)RSS ( X 1 ,, X k ) (n k 1
ويختار المتغير الذي لو )أقؿ قيمة( Fجزئية ) ( Fiوبعد مقارنتيا مع ).(Fout
يتـ حذؼ المتغير المعني مف المعادلة .ويتـ االنتقاؿ إلى الخطوة الثانية . فإذا اثبت إف
وبمستوى داللة .α % حيث إف ) (Foutقيمة جدوليو بدرجات حرية البسط واحد والمقاـ
الخطوة الثانية:
المتغيرات التوضيحية عدا الذي تـ حذفو في الخطوة األولى.
يتـ احتساب ) (Fالجزئية لكؿ متغير مف المتغيرات الباقية مف الخطوة األولى ،ويتـ اختيار أصغرىا،
وتقارف مع ) (Foutبدرجات حرية البسط ) (1والمقاـ )(n-k-2
(Fالجزئية المحسوبة )اصغر( مف ) (Foutيحذؼ المتغير المعني ويتـ االنتقاؿ إلى )األصغر فإذا كانت
الخطوة الثالثة وىكذا تستمر الخطوات إلى إف يتـ الحصوؿ عمى إف (اصغر) قيمة ( (Fجزئية تكون
(اكبر) من ( (Foutفيتوقف الحل.
RSS
C p لكؿ خطوة ، وال بد مف التأكيد انو مف الضروري احتساب مقاييس المفاضمة R p2
n p2
مف خطوات الحؿ.
281
مثاؿ) :(1-9عينة بحجـ ) (25مشاىدة لممتغير المعتمد yمع المتغيرات المستقمة X4 ، X3 ، X2 ، X1
وباستخداـ طريقة المربعات الصغرى أعطت المعمومات التالية TSS 63.77 :
المتغيرات X1 X2 X3 X4 X1X2 X1X3 X1X4 X2X3 X2X4 X3X4
ESS 14.35 1.19 18.33 9.31 20.15 26.61 22.07 19.34 10.89 18.69
X1 X 2 X 3 X 4
30.9 26.35 27.33 19.81 32.1
ـ /إيجاد أفضؿ معادلة انحدار باستخداـ طريقة الحذؼ العكسي :
الخطوة األولى :
12.29
F1* 7.76 , Fc (1, 20,0.95) 4.35
1.5835
وكذلؾ نحسب F2و F3و F4كما في الجدوؿ :
* * *
281
الخطوة الثانية :
ESS ( X 1 X 3 ) / 2 13.305
F* 7.873
RSS ( X 1 X 3 ) / 22 1.69
26.61
R* 0.42 )F * Fc (1, 20, 0.95
63.77
282
مثاؿ):(2-9عينة بحجـ ) (13مشاىدة لممتغير المعتمد Yمع المتغيرات المستقمة ،X4، X3، X2 ، X1
مع توافر المعمومات التالية:
X2X4 X3X4
871.836
283
الحؿ :بطريقة الحذؼ العكسي:
الخطوة األولى :
الخطوة الثانية:
S.O.V d.f SS MS * Fi )Fout(1,9,0.95
284
الخطوة الثالثة:
S.O.V d.f SS * Fi Fout
ESS ( X 3 X 4 ) / 2 435.918
F* 8.445
RSS ( X 3 X 4 ) / 10 51.6164
871.836
R* 0.63 )F * Fc (1, 20, 0.95
1388
285
الخطوة األولى :نحسب ESS
*
األصغر X1 ← Fout FX1يحذؼ مف المعادلة .
الخطوة الثانية:
S.O.V d.f SS MS *Fi )Fout(1,17,0.95
األصغر
يحذؼ X3مف المعادلة
إذف
) ESS ( X 2 63 63
F2* 14 الخطوة الثالثة :
RSS ( X 2 ) n 2 83 18 4.6
Fout (1 , 18 , 0.95) = 4.41
286
مثاؿ) :(4-9الجدوؿ يعرض مجموعة مربعات أخطاء العبلقة باستخداـ خيارات مختمفة لعينة )(n=13
TSS 11.058
RSS 0.607 10.795 10.663 1.522 0.499 0.600 0.580 10.168
المتغيرات X1 X2 X3 X4 X1X2 X1X3 X1X4 X2X3
الخطوةاألولى :
X3يحذؼ ←
) Y f ( X1 X 2 X 4
287
الخطوة الثانية:
← X4يحذؼ
الخطوة الثالثة:
← X2يحذؼ
الخطوة الرابعة:
X1معنوي ←
أفضؿ معادلة انحدار:
288
لعينة مثاؿ ) :(5-9الجدوؿ يوضح نتائج انحدارYعمى توليفات مختمفة لممتغيرات
بحجـ ) (15مشاىدة :
ـ /حدد أفضؿ معادلة انحدار باستعماؿ الحذؼ العكسي ) .استخدـ مستوى داللة (5%
الخطوةاألولى :
725 645
F2* ← 1.46668 األصغر
54.545
725 44
F3* 5.702
54.545
645 325
F3* ← 5.647 األصغر
56.67
أصغر Fجزئية ىي F3
289
)(Forward Selection Procedure ) (2-9طريقة االختيار المباشر أو األمامي :
تعتمد ىذه الطريقة عمى البدء بدوف إي متغير مستقؿ ،ثـ يتـ اختيار المتغيرات المستقمة
لتضمينيا في المعادلة واحداً تمو اآلخر ،اعتماداً عمى مقارنة Fالجزئية لكؿ متغير مع قيمة جدوليو
بمستوى داللة محدد مسبقاً ) (αوتسمى ) . (FINإذ يتـ اختيار أعمى قيمة Fالجزئية لكؿ خطوة وبعد
التأكد مف إف قيمتيا اكبر مف ) (FINيتـ إدخاؿ المتغير المعني إلى المعادلة وتستمر الخطوات بإضافة
المتغيرات المستقمة واحداً تمو اآلخر إلى إف نصؿ إلى إف أعمى ) (Fجزئية تقؿ عف ) . (FINفعندئذ
يتوقؼ الحؿ.
558.054
F3* ← 7.396 األكبريرشحوىومعنوي
75.449
291
الخطوة الثالثة:
ويمكف حؿ المثاؿ ) (5-9اعتماداً عمى فكرة معامبلت االرتباط ،حيث يتـ اختبار المتغير المستقؿ الذي
تكوف قيمة معامؿ ارتباطو البسيط مع (riy) Yأعمى قيمة في كؿ خطوة ثـ تختبر معنويتو باستخداـ
اختبار Fالجزئي .
291
يرشح ← X4
إذف ينتيي الحؿ ،وبذلؾ فاف افضؿ معادلة انحدار: وحيث اف،
292
مثاؿ) :(7-9استخدـ بيانات المثاؿ) (3-9الختبار افضؿ معادلة انحدار عمى وفؽ طريقة االختيار
األمامي.
الخطوة األولى:
66 63
r1Y .2 0.190
83
يتبيف اف معامؿ ارتباط Yمع X3مع تثبيت X2تعد االكبر ،لذلؾ يرشح المتغير X3ونختبر أىميتو :
) ESS ( X 3 / X 2 16
F3* 4.06 FIN (1,16,0.95) 4.45
ESS ( X 2 X 3 ) /( n 3) 3.94
أذف ينتيي الحؿ:
ىي Y 0 2 X 2 u : أفضؿ معادلة انحدار
293
ESS 1460.07 1809.4 776.3 1831.8 2667.8
Var X1 X2 X3 X4
الحؿ:
X1 108.23
294
مثاؿ ) :(9-9استعمؿ طريقة االنحدار المتسمسؿ " "Stepwise regressionالختبار أفضؿ معادلة
Y 50 ، Y Y 396 ، انحدار اذا توفرت البيانات التاليةn 10 :
1.00 0.988 0.896 0.972
1 .00 0.913 0 .9795
R
1.00 0.946
1.00
الحؿ:
الخطوة األولى :أعمى معامؿ ارتباط بسيط بيف المتغيرات التوضيحية وبيف المتغير Yىو :
← المتغير X2ىو المتغير المرشح لتضمينو في المعادلة .
نختبر معنويتو باختبار :F
أو
r1Y r12r2Y )0.972 (0.988)(0.9795
1 r122 1 r22Y 1 (0.988) 2 1 (0.9795) 2
0.134
295
) ESS ( X 3 X 2
F3*
)RSS ( X 2 X 3 ) /( n 3
) ESS ( X 3 X 2
rYX2 3 . X 2
) RSS ( X 2
ولممعمومات نفسيا يتـ استخداـ طريقة االختبار االمامي لممقارنة وتكوف خطوات االنحدار المتسمسؿ
نفسيا.
ـ/اعتمد طريقة االنحدار التدرجي )المتسمسؿ( " "Stepwise Regressionالختيار أفضؿ معادلة
انحدار.
296
الحؿ:
مثاؿ) :(11-9اعتمد طريقة االنحدار المتسمسؿ الختيار أفضؿ معادلة انحدار ،اذا توافرت البيانات
التالية.
74 10 3 33
xx xy 14
1 4 , y 2 74 , n 25
17 13
باستخداـ مستوى داللة .5%وقرب النتائج إلى مرتبتيف عشريتيف فقط .
297
: الحؿ
:الخطوة األولى
يضمف في المعادلةX1المتغير
: الخطوة الثانية
ESS ( X 2 / X 1 )
r2Y .1 , ESS ( X 1 X 2 ) ̂ x y
RSS ( X 1 )
xx 12 936
1
1 74 10 33 0.0149 0.0107 33 0.54
2 10 14
4 0.0107 0.0791
4 0.67
33
ESS ( X 1 , X 2 ) ( 0.54 0.67 ) 20.5 , RSS ( X 1 , X 2 ) 53.5
4
298
ESS ( X 2 X 1 )
r2Y .1 0.3123
RSS ( X 1 )
ESS ( X 3 X 1 )
r3Y .1
RSS ( X 1 )
1
ˆ1 74 3 33
ˆ
2 17 13
0.014 0.0024 ˆ1 0.43
xx 1.3 1249 ( xx) 1
0.06 ˆ
1.3
3 0.70
ESS ( X 1 X 3 ) 23.29
ESS ( X 3 / X 1 ) 23.29 14.72 8.57
8.57
r3Y .1 0.380
59.28
يرشحX3 ← المتغيرr3Y .1 0.380 ،األكبر
ESS ( X 1 / X 3 ) 13.349
F1* 12.605 FIN (1, 22,0.95) 4.3
RSS ( X 1 X 3 ) /( n 3) 1.059
: حيث إف
132
ESS ( X 1 / X 3 ) ESS ( X 1 X 3 ) ESS ( X 3 ) 23.29 13.349 FIN 4.3
17
Y f ( X 1 , X 3 ) . النموذج
Y 0 1 X 1 3 X 3 u
:الخطوة الثالثة
ESS ( X 2 / X 1 X 3 )
r2Y .1,3
RSS ( X 1 X 3 )
استخدـ طريقة االنحدار التدريجي إليجاد أفضؿ معادلة انحدار .باستخداـ مستوى داللة . 5%
الحؿ:
الخطوة األولى:
) ESS ( X 1 1489.95
r1Y 0.74
TSS 2715.63
ESS ( X 4 ) 1831.77
F4* 22.797 , الجذولُت Fc (1,11, 0.95) 4.4
) RMS ( X 4 80.35
← يثبت X4في النموذج.
311
لذا ينتخب ،X1فتكوف معادلة االنحدار:
الخطوة الثالثة:
ESS ( X 1 X 2 X 4 ) 820.9
F1* 154.01 )Fc (1,n4, 0.95
) RMS ( X 1 X 2 X 4 5.33
ولكف F4مع وجود X2و F4 1.86 :X1غير معنوي ) لذا يحذؼ X4مف النموذج( .
* *
الخطوة الرابعة:
يضاؼ المتغير X3
311
وبمقارنتيا مع القيـ الجدولية يتضح اف X3غير معنوي.
لذا يحذؼ .X3
وتكونأفضممعادلةانحدار :
الخطوة الثالثة:
F2*( X 2 / X1X 4 ) 5.02 F3*( X 3 / X1X 4 ) 4.23 , FIN 5.12
Y 0 4 X 4 u نتوقؼ :افضؿ معادلة انحدار
312
مثاؿ) :(14-9مف لوحة المعمومات التالية :
حددأفضؿ معادلة انحدار باستخداـ االختيار األمامي وقارنيا مع االنحدار التدرجي .
القيـ الجدولية :
F3* 1.759
الخطوة الثانية:
الخطوة الثالثة:
313
الخطوة الثانية:أيضا تحسب
استخدـ طريقة االنحدار التسمسمي لتقدير أفضؿ معادلة انحدار الستجابة Yوالمتغيرات
استخدـ مستوى داللة ،%10اذكر الخطوتيف األولى والثانية فقط.
الحؿ:
الخطوة األولى:
x1 y 33
r1Y 0.479
x12y 2 )(74)(64
أو يمكف حسابيا عمى وفؽ االتي:
) ESS ( X 1 14.68
االكبر ← 0.479
TSS 64
وكذلؾ:
وحيث اف معامؿ ارتباط Yمع X1ىو االكبر ،لذا نختار المتغير X1لتضمينو في المعادلة ،ثـ نحسب
قيمة Fالختبار معنوية المتغيرX1
314
X1ميـ يثبت في المعادلة.
الخطوة الثانية :نحسب معامبلت االرتباط الجزئية بيف المتغير Yوالمتغيرات المستقمة X2و X3عمماً
باف X1ثابت
وبما اف r3Y.1ىي األكبر ← X3يضمف في المعادلة وتحسب معنويتو عمى وفؽ اختبار: F
ولحساب )ESS(X3/X1
) ESS ( X 3 X 1
r32Y .1 ) ESS ( X 3 X 1 ) RSS ( X 1 ) r32Y .1 0.16 RSS ( X 1
) RSS ( X 1
ولكف
) RSS ( X 1
TSS
1 r12Y .
RSS ( X 1 ) 1 (0.479) 2 (64) 49.32
315
) RSS ( X1 X 3 ) TSS ESS ( X1 X 3
وتقارف مع
وبذلؾ نستدؿ اف X3ميـ معنوياً ويضمف بالنموذج.
كما ويجب اف نستدؿ حوؿ معنوية المتغير X1عند تضميف المتغير X3في النموذج.
ونختبره باستخداـ Fالجزئي:
) ESS ( X 1 X 3
F1*
)RSS ( X 1 X 3 ) (n 3
316
أسئهة انفصم انتبسع:
سٔ :عينة عشوائية بحجـ )(20مشاىدة لقيـ المتغير Yمع المتغيرات التوضيحية ، X3 ، X2 ، X1فاذا
توافرت المعمومات التالية:
أ( استخدـ طريقة االنحدار التسمسمي لتقدير افضؿ معادلة انحدار الستجابة Yوالمتغيرات X2 ، X3
. X1،
ب( قارف النتائج باستخداـ طريقة االختيار االمامي.
س :3حدد افضؿ معادلة انحدار باستخداـ اسموب الحذؼ العكسي مع توافر لوحة المعمومات حوؿ
استجابة Yعمى المتغيرات .X1، X2 ، X3
317
سٗ :مع توافر لوحة المعمومات التالية:
)s.o.v R(X1 X2 X3/X0 )R(X1 X2 /X0 )R(X1 X3/X0) R(X2 X3/X0 )R(X1 /X0
318
انفصم انعبشر
في الفصوؿ السابقة مف الكتاب تمت دراسة االنحدار بالنسبة لممتغيرات التي يمكف توصيفيا كمياً،
غيػػر أف ىنػػاؾ متغي ػرات أخػػرى اليمكػػف توصػػيفيا كمي ػاً والتػػي تػػؤثر فػػي الظ ػواىر االقتصػػادية نوعي ػاً مثػػؿ
الجػػنس ،الديانػػة ،الجنسػػية ،الحػػروب ،الػزالزؿ أو االضػػطرابات أو التغيػرات فػػي السياسػػات الحكوميػػة ومػػا
الػػى ذلػػؾ .ويشػػار الػػى ىػػذه المتغي ػرات بػػالمتغيرات الوىميػػة ،أو المتغي ػرات الثنائيػػة ) (Binaryأو المتغي ػرات
النوعية ) (Qualitative variablesأو المتغيػرات الفئويػة ) (categoricalوسيخصػص ىػذا الفصػؿ فػي
دراسة ىذا النوع مف المتغيرات.
اف المتغيػرات الوىميػػة ىػػي متغيػرات نوعيػػة تشػػير الػػى وجػػود أو عػػدـ وجػػود ظػػاىرة معينػػة.
وتعػد أداة قويػة وفاعمػػة لتمثيػؿ السػػموؾ الوصػفي لممشػاىدات ) األفػراد ( .فػالمتغير الػػوىمي يصػؼ الحػوادث
والتي تمتمؾ صفتيف فقط ،وتأخذ ىذه المتغيرات قيمتيف تحكميتيف فقط ىما الصفر والواحد*.
فيي تأخذ القيمة واحد) (1عنػد تػوافر الصػفة وتحققيػا ،فػي حػيف تأخػذ صػفر) (0عنػد غيػاب الصػفة وعػدـ
تحققي ػ ػػا .وتك ػ ػػوف المتغيػ ػ ػرات الوىمي ػ ػػة متغي ػ ػػرات مس ػ ػػتقمة )التوض ػ ػػيحية() وت ػ ػػدعى نم ػ ػػاذج تحمي ػ ػػؿ التب ػ ػػايف
) .(ANOVAوالتي يظير تأثيرىا فى المقطع الثابت وتسػمى أيضػاً )(intercept-dummy-variables
وشكميا العاـ:
___________________
319
شكؿ )(1-10
متغير وىمي مقطعي
An intercept-Dummy
Yi 0 1 X i Di
0 X
أم ػػا اذا احت ػػوت النم ػػاذج عم ػػى متغيػ ػرات توض ػػيحية كمي ػػة ال ػػى جان ػػب متغيػػرات توض ػػيحية نوعي ػػة )وىمي ػػة(
فتسمػػى نمػاذج تحميػؿ التغػاير) ،(ANCOVAوبػذلؾ يكػوف تأثيرىػا فػى الميػؿ ويسػمى ) slope dummy
(variblesأو معامؿ التداخؿ مف خبلؿ ضػرب المتغيػر الػوىمي ) (Diبػالمتغير الكمػي ) ،(Xiالمتغيػر) Di
،(Xiويػتـ اسػتخدامو عنػدما يكػػوف التغيػر فػي ) (Yiنسػػبة الػى المتغيػر التوضػػيحي ) (Xiيعتمػد عمػى مسػػتوى
متغير توضيحي آخر ىو .Di
dYi
1 , Di 0 عندما :
dX i
dYi
1 , Di 1
dX i
عندما :
ولقد تـ تضميف) (δDiمف اجؿ منع التحييز في معممة حد الميؿ الوىمي ) ( Di Xiالمقدرة ) ˆ. (
311
والشكؿ ) (2-10يوضح ذلؾ :
شكؿ)(2-10
متغير الميؿ الوىمي
Slope Dummy
)Y 0 1 X D ( XD
Y
)(Y Di 1
المٌل 1
)(Y Di 0
0 المٌل 1
0
0 X
مثال) :(1-10دراسات المقاطع العرضية :دراسة اسعار السكف ) (Yبداللة حجـ السكف ) ،(Xتـ اختيار
عينة مف محافظة البصرة وبذلؾ فاف سعر السكف Yبداللة حجـ السكف Xوبالصيغة الخطية:
Yi 0 1 X i ei
:β1تمثؿ قيمة المتر المربع اإلضافي لوحدة السكف.
____________
)*( موضوع المتغيرات الوىمية الداخمية ىو خارج نطاؽ الكتاب.
311
:β0تمثؿ قيمة األرض فقط.
معموـ اف أسعار السكف في المحافظة تتأثر أيضاً بموقػع السكف ،فوجود السكػف في موقع متكامؿ الخدمات
يختمؼ عف سعػر السكف بالحجـ نفسو وفي موقع آخر أقؿ تكامبلً لمخػدمات ،ويمكػف مواجيػة ىػذه المشػكمة
بتقػػدير معػػادلتيف منفصػػمتيف لسػػعر السػػكف وذلػػؾ عػػف طريػػؽ اسػػتخداـ بيانػػات أسػػعار السػػكف فػػي الموقػػع
متكامػػؿ الخػػدمات لتقػػدير سػػعر السػػكف فػػي ذلػػؾ الموقػػع .واسػػتخداـ البيانػػات ألسػػعار السػػكف فػػي المواقػػع
األخرى وىكذا يتـ الحصوؿ عمى معادلتيف مختمفتيف ألسعار السكف بداللة حجـ السكف.
ولكػػف ىنػػاؾ طريقػػة أكثػػر كفػػاءة وىػػي تقػػدير معادلػػة واحػػدة ولممواقػػع جميعيػػا ولكػػف بعػػد وضػػع االفت ارضػػات
الخاصة.
ولنفتػػرض اف القيػػود عمػػى اسػػعار السػػكف ف ػي المواقػػع غيػػر متكاممػػة الخػػدمات التغيػػر الميػػؿ الحػػدي لمسػػعر
ولكنيا تخفض الميؿ المتوسط لو كما في الشكؿ ).(3-10
وىكذا يمكف تضميف متغير الموقع Dالى معادلة االنحدار ويتـ توصيؼ المتغير ) الموقع ( كاالتي:
مف ذلؾ يتبيف اف متوسط االستجابة لسعر السكف في محافظو البصرة كاآلتي:
)Y 0 1 X D ( XD
312
وبمكف توضيح ذلؾ في الشكؿ البياني التالي:
شكؿ)(3-10
العبلقة بيف سعر السكف وموقعو
intercept Dummy variable
Y
الموقع متكامؿ الخدمات )(Y D 1
0
0 X
يتضح مف الشكؿ ) (3-10اف اضافة المتغير الوىمي Diالى معادلػة االنحػدار سػوؼ يخمػؽ انتقػاالً
بشكؿ مواز في عبلقة االنحدار وبمقدار ) (δمعامؿ المتغير الوىمي .Diحيػث اف δيمكػف تفسػيرىا بانيػا
الفرؽ في سعر السكف ) (location premiumبسبب وجوده في الموقع ذي الخدمات المتكاممة.
وفي ىذه الحالة فاف المتغير الوىمي Dيسمى ).(intercept dummy variable
أف المعممة δتعكس أىميػة المتغيػر الػوىمي ) الموقػع ( وبػذلؾ فيػي تعكػس اخػتبلؼ سػعر السػكف اعتمػاداً
عمى الموقع.
وفػي حػاؿ افتػراض تػػداخؿ بػيف حجػـ السػػكف ) (Xوبػيف تكامػؿ خػػدمات الموقػع ) ،( Dفيػتـ توصػػيؼ
متغير التداخؿ بحاصؿ ضػرب ) ( Xi Diويسػمى متغيػر التػداخؿ ) (interactionأو قػد يسػمى ) Slops
(Dummy Variableاذ اف ىذا المتغير يسمح بتغييرات في الميؿ لعبلقة االنحدار :
313
وبذلؾ فاف متوسط االستجابة لمموقعيف :
وبذلؾ فاف ) γمعامؿ التػداخؿ( ىػو الفػرؽ بسػعر المتػر المربػع لمسػكف فػي المػوقعيف ويكػوف موجبػاً اذا كػاف
الموقع لو أفضمية عمى المواقع األخرى.
الشكؿ )(4-10
العبلقة بيف سعر السكف وموقعو في حاؿ تداخؿ حجـ السكف مع الموقع
)( Slopc Dummy Variable
Y
)(Y D 1
γ
)(Y D 0
1
0
0 X
وبعبارة أخرى فاف اثر التداخؿ يمكف توضيحو مف خبلؿ المشتقة الجزئية لتوقع سعر السكف نسبة الى
حجـ السكف والذي يتمثؿ بالميؿ :
وبشكؿ عاـ يمكف افتراض اف الموقع ) (Dيؤثر فى المقطع والميؿ بالوقت ذاتو فتكوف معادلة االنحدار:
314
Yi 0 1 X i Di ( X i Di ) ei ... )(4 -10
( 0 ) ( 1 ) X i
if Di 1
(Yi ) ... )(5 - 10
0
1 X i if Di 0
ويمكف تمثيميا بالشكؿ )(5-10
الشكؿ )(5-10
تأثير المتغير الوىمي )الموقع (Dفى الحد الثابت والميؿ بالوقت نفسو.
مثال ( :)2-10دراسة اختبلؼ البيئة ) ريؼ ػ حضر( :مقارنة دالتي االستيبلؾ في الريؼ والحضر وذلؾ
مف خبلؿ عينة مف اسر الريؼ حجميا ) (n1ونقدر دالة االستيبلؾ منيا ،وتأخذ عينة مف اسر الحضر
حجميا) (n2ثـ نقدر دالة االستيبلؾ منيا كاآلتي .
315
د( دالتا االستيبلؾ متماثمتاف تماما : α1 = β1&α2 = β2ال اختبلؼ بيف دالة االستيبلؾ في الحضر
والريؼ.
ويمكف اعتماد ىذه االفتراضات جميعيا بإدخاؿ المتغير الوىمي ،اذ يساعد استخداـ المتغيرات الوىمية
عمى اختبار كؿ االحتماالت السابقة مف خبلؿ تقدير معادلة انحدار واحدة بدالً مف تقدير معادلتيف
ومقارنتيما .ويتـ استخداـ عينة كبيرة حجميا n = n1+ n2وتكوف صيغة االنحدار
الحضر
1
Di
الريؼ
0
مثــال ( :)3-10فػػي د ارسػػات السبلسػػؿ الزمنيػػة :د ارسػػة اإلنفػػاؽ االسػػتيبلكي عمػػى سػػمعة معينػػة يعتمػػد عمػػى
مستوى الدخؿ المتاح ،وعند اخذ عينة لسنوات معينة منيا سنوات حرب وأخرى سنوات سمـ ،وإلدخاؿ تأثير
وقػت السػػمـ أو وقػػت الحػرب فػػي معادلػػة االنحػػدار يكػوف بأحػػد الطػريقتيف .األولػػى عػزؿ سػػنوات الحػػرب عػػف
س ػػنوات الس ػػمـ وتق ػػدير دال ػػة االس ػػتيبلؾ كدال ػػة بدالل ػػة مس ػػتوى الػ ػدخؿ المت ػػاح ع ػػف طري ػػؽ اس ػػتخداـ بيان ػػات
منفصػػمة لكػػؿ فق ػره بشػػكؿ منعػػزؿ وبػػذلؾ يػػتـ الحصػػوؿ عمػػى معػػادلتيف مختمفتػػيف لبلسػػتيبلؾ .امػػا الطريقػػة
الثانيػػة وىػػي أكث ػػر كفػػاءة وذلػػؾ تق ػػدير معادلػػة واحػػدة ولمفتػ ػرتيف بعػػد وضػػع ف ػػروض وىػػي اف القيػػود عم ػػى
االستيبلؾ وقت الحرب التغير الميؿ الحدي لبلستيبلؾ ،ولكنيا تخفض الميؿ المتوسػط لػو وبػذلؾ نفتػرض
اف دالػػة االسػػتيبلؾ خػػبلؿ سػػنوات الحػػرب ليػػا الميػػؿ نفسػػو فػػي سػػنوات السػػمـ ولكػػف ليػػا حػػد ثابػػت اصػػغر
وبذلؾ فاف دالة االستيبلؾ إلجمالي المدة يمكف التعبير عنيا بمعادلة انحدار واحدة كاآلتي:
316
0 (*) سنوات السلم
Di
1 سنوات الحرب
:β0حد الكفاؼ
:β1الميؿ الحدي لبلستيبلؾ
:δتعكس أىميو السمـ وىي بذلؾ تعكس تأثير الحرب السمبي فى اإلنفاؽ االستيبلكي.
___________________
)*( يمكف توصيؼ Dكآالتي:
1 سنوات السلم
Di
0
سنوات الحرب ويكمف االختبلؼ في تفسير النتائج
(Ct D 1) 0 وبذلؾ فاف متوسط االستجابةفي فتره السمـ ىي 1Ydt :
(Ct D 0) 0 1Ydt وفي فتره الحرب:
317
وبذلؾ فعند مستويات الدخؿ المنخفضة ،فاف النفقات االستيبلكية تنخفض بمقدار ) ( خبلؿ سنوات
الحرب .الشكؿ ) (6-10يوضح ذلؾ:
الشكؿ )(6-10
C )(C D 0
االنفاق االستهالكً
)(C D 1
δ
0
الدخل المتاح Yd
)( 0
اما اذا كاف االفتراض اف ظروؼ وقت الحرب تقمؿ الميؿ الحدي لبلستيبلؾ دوف الحد الثابت في معادلة
االستيبلؾ وبذلؾ فاف معادلة االنحدار لتمثيؿ دالة االستيبلؾ في كمتا الفترتيف :
Ct 0 1Ydt (Ydt Dt ) ut
وبذلؾ فاف متوسط االستجابة لمفترتيف ىو :
(Ct D 1 )( ( )Yسنواتالحرب
0 1 dt
الشكؿ )(7-10
C السلم )(C D 0
اإلنفاق االستهالكً γ
الحرب )(C D 1
0
الدخل المتاح Yd
)( 0
318
)(2-10االنحدار في حالة أكثر من متغير نوعي واحد Regression in case of more than
one dummyvariable
يمكػػف اسػػتخداـ عػػدد كبيػػر مػػف المتغي ػرات النوعيػػة ) الصػػورية ( بقػػدر مػػا يتطمػػب التحميػػؿ ،شػػرط
توافر عدد كاؼ مف المشاىدات تسمح بتقدير المعادلػة عمػى سػبيؿ المثػاؿ ،فػي د ارسػة السػموؾ االسػتيبلكي
ألسر مختمفة فقد يعتمد مستوى االستيبلؾ عمى عدد مف السمات المميزة مثػؿ وجػود األطفػاؿ مػف عػدميـ،
أو اذا كانت االسرة تقطف في منزؿ ممؾ أو لئليجار ،جنس رب األسرة فيما اذا كاف انثػى أو ذكػر وغيرىػا
مػػف المتغي ػرات النوعيػػة الػػى جانػػب المتغيػػر الكمػػي وىػػو الػػدخؿ المتػػاح فػػيمكف إضػػافة عػػدد مػػف المتغي ػرات
النوعية عمى وفؽ ىدؼ الدراسة مع وجوب مراعاة االتي:
يجب اف تحدد عدد الفئات لكؿ متغير نوعي.
تحدد الفئة المرجعية لكؿ متغير نوعي.
اما الخطوات االخرى فيي نفسيا في حالة متغير نوعي واحد.
وقد تنشأ حاالت خاصة يمكف توضيحيا مف خبلؿ دراسة التداخؿ بيف المتغيرات الوىمية.
)(3-10التداخل بين المتغيرات الوهمية Interaction between dummies
فػػي الفق ػرات السػػابقة تػػـ توضػػيح اف اثػػر المتغي ػرات الوىميػػة يكػػوف مػػف خػػبلؿ االخػػتبلؼ فػػي
المقطػػع العمػػودي ) الصػػادي( ) أو قػػد يكػػوف مػػف خػػبلؿ االخػػتبلؼ فػػي الميػػؿ فػػي حالػػة وجػػود تػػداخؿ بػػيف
المتغير الوىمي والمتغير الكمي التوضيحي( كما انو يمكف استخداـ عدد كبير مف المتغيرات الوىمية بقػدر
ما يتطمب التحميؿ.
والسؤاؿ ىنا ىؿ اف آثار المتغيرات الوىمية تكوف مستقمة عف بعضيا اآلخر ؟
اإلجابة عف ىذا السؤاؿ يكوف مف خبلؿ المثاؿ التالي:
مثال) :(4-10دراسة األجر الوظيفي Yدالة بداللػة الخبػرة ، Xالػى جانػب عوامػؿ أخػرى تتعمػؽ باإلنتاجيػة
والقابمية .لذا يضمف متغير الجنس )ذك اًر أو أنثى ( فضبل عف الحالة الزوجية )متزوج أو غير متزوج(
وبذلؾ فاف معادلة االنحدار:
Y 0 1 X 1D1 2 D2 u ... )(9 -10
حيث اف:
1 غُشهتزوج 1 ركش
D2 و D1
0 هتزوج 0 اًثً
وبافتراض وجود تداخؿ بيف المتغيرات الوىميو فاف عبلقة االنحدار تصبح:
319
حيث اف :
: δ1تقيس اثر الجنس في حيف ٕ δتقيس اثر الحالة الزوجية.
و : γتقيس اثر كوف الموظؼ ذك اًر وغير متزوج.
وبذلؾ فاف متوسط االستجابة لؤلجر يتـ توصيفيا عمى وفؽ اآلتي:
( )4-10االنحدار في حالة عدد فئات المتغيرالوهمي أكثر من Regression in case of : 2
dummies with more than two categories
ىناؾ العديد مف المتغيرات الوصفية تمتمؾ أكثر مف صفتيف .مػثبلً الموقػع الجغ ارفػي أو مسػتوى
التعميـ أو فصوؿ السنة ،أو اشير السنة .في ىذه الحالة سيتـ توليد متغير وىمي لكؿ فئػة بشػكؿ منفصػؿ.
ىذا ويجب مراعاة عدـ تضميف جميػع المتغيػرات الوىميػة المتولػدة فػي معادلػة االنحػدار منعػاً لحػدوث تعػدد
خطي تاـ وتسمى بمصيدة المتغير الػوىمي)*( .لػذلؾ يجػب توليػد متغيػرات وىميػة بقػدر ) عػدد الفئػات ٔ -
( .ويكوف المتغير الوىمي المحذوؼ ممثبلً لمجموعة المقارنة ) ( Reference group
ورياضياً الييـ أي فئة تعد االساس لممقارنة .وسيتـ عرض مجموعة امثمة لتوضيح ذلؾ.
مثــال) :(5-10د ارسػػة األجػػور ) (Yدالػػة بداللػػة عػػدد سػػنوات الخب ػرة ) (Xوالتحصػػيؿ الد ارسػػي .ونفتػػرض اف
العينة المدروسة تحصيميـ الدراسي ىو :أقؿ مف ثانوي ،ثانوي ،بكػالوريوس ،دبمػوـ عػالي .وحيػث اف عػدد
الفئات ىو) (4لذا نولد المتغيرات الوىمية كاآلتي :
1 دبلىم 1 جاهعٍ 1 ثاًىٌ
D3 , D2 , D1
0 غُشرلك 0 غُشرلك 0 غُشرلك
321
وبذلؾ فاف معادلة االنحدار لؤلجر حسب التحصيؿ والخبرة :
Y 0 1 X 1D1 2 D2 3 D3 u
واف متوسط االستجابة لؤلجر:
اقل من ثانوي
0 1 X
( 0 1 ) 1 X ثانــوي
(Y ) بكالورٌوس
0 2 1 X
دبلوم عالً
( 0 3 ) 1 X
حيث اف:
:δ3يقيس الفرؽ في متوسط األجر لموظؼ حاصؿ عمى دبموـ عالي مقارنة بشخص آخر
تحصيمو أقؿ مف ثانوي.
:δ2يقيس الفرؽ في متوسط األجر لموظؼ حاصؿ عمى بكالوريوس مقارنة بأقؿ مف ثانوي
:δ1يقيس الفرؽ في متوسط األجر لموظؼ حاصؿ عمى ثانوية.
:β1يمثؿ األجر األساسي لموظؼ بدوف خبرة وتحصيمو اقؿ مف ثانوي.
ويمكف توضيح ذلؾ مف خبلؿ الشكؿ )(8-10
الشكؿ )(8-10
دالة األجر بداللة التحصيؿ الدراسي والخبرة
Y دبلوم عالً دبلوم عالً
بكالورٌوس
3 ثانوي
2 متوسط االجر دون الثانوي
1
0
X
321
مثـــال( :)6-10ف ػػي د ارس ػػة الموس ػػمية :أف التقمب ػػات الموس ػػمية م ػػف ب ػػيف العوام ػػؿ الت ػػي ت ػػؤثر ف ػػي الظػ ػواىر
االقتصػػادية .عمػػى سػػبيؿ المثػػاؿ فػػي د ارسػػة الطمػػب عمػػى المبلبػػس الصػػوفية أو المبلبػػس الثقيمػػة بوجػػو عػػاـ
يزداد عند دخوؿ الموجات الباردة في فصؿ الشتاء في حيف يقؿ الطمب عمييػا فػي فصػؿ الصػيؼ ،كمػا اف
الطمػػب عمػػى المشػػروبات البػػاردة وااليػػس ك ػريـ يػػزداد فػػي الموجػػات الحػػارة فػػي فصػػؿ الص ػيؼ ويقػػؿ الطمػػب
عمييا في الموجات الباردة مف فصؿ الشتاء .في حيف الطمب عمى الحموى واليدايا يزداد في موسـ االعيػاد
بصورة ممحوظة بالمقارنة مع األوقات االخرى مف السنة .
ولد ارسػػة اثػػر الموجػػات الحػػارة فػػى الطمػػب عمػػى المشػػروبات البػػاردة يػػتـ إدخػػاؿ متغيػػر وىمػػي Dيػػتـ
توصيفو عمى وفؽ اآلتي :
1 الصُف
D
0 غُشرلك
Y 0 1 X D u وبذلؾ تكوف معادلة الطمب عمى المثمجات عمى وفؽ اآلتي :
وبذلؾ فاف المعممة تقيس االختبلؼ في الطمب في موسـ الموجة الحارة في الصيؼ عف باقي اياـ السنة
وبذلؾ فاف التأثير يظير مف خبلؿ المقطع الثابت كما يمكف اف يكوف التأثير مف خبلؿ الميؿ الحدي :
Yi 0 1 X i ( Di X i ) ui
أو قد يكوف التأثير مف خبلؿ المقطع الثابت والميؿ الحدي Yi 0 1 X i Di X i vi :
وإلظيار اثر المواسـ األربعة ) صيؼ ،خريؼ ،شتاء ،ربيع ( فيتـ مف خبلؿ إدخاؿ عػدد مػف المتغيػرات
الوىمية D4، D3، D2، D1لنموذج ال يحوي عمى مقطع صػادي ويكػوف توصػيؼ المتغيػرات الوىميػة عمػى
وفؽ اآلتي :
1 صُف خشَف 1 1 شتاء 1 سبُع
D4 , D3 , D2 , D1
0 غُشرلك غُشرلك 0 0 غُشرلك 0 غُشرلك
Y 1D1 2 D2 3 D3 4 D4 u وتكوف معادلة االنحدار:
أو يكػػوف النمػػوذج بإدخػػاؿ ثبلثػػة متغي ػرات وىميػػة وحػػذؼ المتغيػػر الػػوىمي الػػذي يعػػد موسػػـ المقارنػػة مػػع
المقطع الصادي ،ويكوف موسـ المقارنة خيارياً يعتمد عمػى الباحػث .فػاذا جعمنػا فصػؿ الصػيؼ ىػو الفصػؿ
الذي تتـ عمى وفقو المقارنة يحذؼ .D1
Yi 0 2D2i 3 D3i 4 D4i ui وتكوف معادلة االنحدار :
اما اذا رغب الباحث في جعؿ فصؿ الخريؼ ىو فصؿ المقارنة فتكوف معادلة االنحدار :
Y 0 1Di1 3 D3i 4 D4i ui
وىكذا . . .
ومف ضمف االستخدامات الميمة االخرى لممتغيرات الوىمية يكوف بدراسة المنحنى المنكسر.
322
مثال) :(7-10يستخدـ المتغير الوىمي لدراسة المنحنى المنكسػر .وذلػؾ مػف خػبلؿ قيػاس التغيػر فػي الميػؿ
بعد مستوى معيف.
لد ارسػػة منحنػػى عػػرض العمػػؿ ،فارتفػػاع األجػػر يػػؤدي الػػى زيػػادة عػػدد سػاعات العمػػؿ الػػى حػػد معػػيف.
وبعد ىذا المستوى يؤدي ارتفاع األجر الى تقميؿ ساعات العمؿ ،وكما في الشكؿ ).(9-10
اذ اف معادلة االنحدار التي تصؼ عرض العمؿ ىي:
W 0 1D u ... )(13 -10
الشكؿ )(9-10
منحنى عرض العمؿ
Wاألجر
W 0 1D u
مثال) :(8-10كما ويعد المتغير الوىمي مؤش اًر ميماً لدراسة المتغيرات الرقمية :ففي الحػاالت التػي ال تتػاح
بيانات كافية عف ىذه المتغيرات .مثبلً دراسة دالة االدخار لعدد مف اإلفراد ،فاف العمر يعػد احػد المتغيػرات
التوضيحية تؤثر فى االدخار اذ يعتقػد بانػو كممػا تقػدـ الفػرد فػي السػف زادت حكمتػو وبالتػالي تػزداد مقدرتػو
عمى االدخار .ولكف ال يكوف االختبلؼ في العمر بعاـ أو عاميف فقد يكوف ذلؾ ليس بالتأثير الكبير الذي
يػػؤثر فػػى اتخػػاذ قػ اررات االدخػػار وانمػػا االختبلفػػات الكبيػرة ىػػي التػػي تػػؤثر .فػػاذا كانػػت أعمػػار العينػػة تتػرأوح
بيف 15سنة و 65سنة فقد يكوف مف المناسب تقسيميـ الى ثبلث مجاميع:
المجموعة األولى :تضـ اإلفراد الذيف تترأوح أعمارىـ بيف 30-15سنة
المجموعة الثانية :تضـ اإلفراد الذيف تترأوح أعمارىـ بيف 45-31سنة
المجموعة الثالثة :تضـ اإلفراد الذيف تترأوح أعمارىـ بيف 65-46سنة
323
St 0 1Yt 1D1t 2 D2t 1D1tYt 2 D2tYt ut ... )(14 - 10
وبذلؾ فاف دالة االدخار والتي يعتقد بأنيا تتأثر بمستوى الدخؿ وعمر الفرد يمكف صياغتيا عمى وفؽ
اآلتي:
:Sاالدخار :Y ،الدخؿ
1 الفرد من المجموعة الثانية
D1
0 غير ذلك
1 الفرد من المجموعة الثالثة
D2
غير ذلك
0
وبذلؾ تكوف فئة األساس ىي الفئة األولى .
كم ػػا ويمك ػػف اس ػػتخداـ المتغيػ ػرات الوىمي ػػة لد ارس ػػة قطاع ػػات مختمف ػػة عب ػػر ع ػػدد م ػػف الس ػػنوات وىن ػػاؾ
استخدامات أخرى واسعة ومتعددة ،تعد خارج نطاؽ منيج الكتاب.
مع افتراض اف المتغير العشوائي يتوزع توزيعاً طبيعياً أو اف حجـ العينة كبير فاف اختبار
ستيودنت tيمكف إتباعو الختبار معنوية اثر احد المتغيرات الوىمية:
0 : 0
vs. 1 : 0 or 2 : 0
ˆ
t
*
يمكف استخداـ : t
)ˆs.e(
ومقارنتيا بالقيـ الجدولية لطرفيف في الحالة األولى ولطرؼ واحد لمحالة الثانية.
وبذلؾ فاف الفشؿ في معنوية ) ( يكوف عدـ وجود اختبلؼ معنوي لمصفة التي يمتمكيا المتغيػر الػوىمي .
وبالعودة الى المثػاؿ ) (1-10الختبػار فيمػا إذا كػاف الموقػع ذا داللػة معنويػة عمػى سػعر السػكف فيكػوف ذلػؾ
1 : 0وبذلؾ فاف الفشػؿ مف خبلؿ اختبار معنوية ) ( اذ تكوف فرضية العدـ 0 : 0ضذ
في معنوية ) ( يمكف تفسيره باف الموقع متكامؿ الخدمات ليس بذي أىمية الخػتبلؼ السػعر لمسػكف .ويػتـ
ذلؾ باستخداـ المختبر ).(t
324
( (2-5-10اختيار المعنوية المشتركة آلثار عدد من المتغيرات الوهمية .
"" Testing for the joint signficancy
كما ويمكف اختبار األىمية المشتركة لممتغيرات الوىمية ،بافتراض وجود متغيريف وىمييف.
Y 1 2 X 1D1 2 D2 D1D2 u معادلة االنحدار ىي:
والختبار المعنوية المشتركة فاف فرضية العدـ :
0 : 1 2 0
vs. 1 : 1 2 0 والبذَلت :
ويتـ استخداـ المختبر Fعمى وفؽ القانوف:
(eer eeUr ) J
F*
) eeUr (n k
J:عدد المتغيرات الوىمية = عدد الفرضيات المشتركة.
k:عدد المعممات المطموب تقديرىا في نموذج االنحدار غير المقيد.
ويتـ الحصوؿ عمى مجموع مربعات األخطاء لمنموذج المقيد ) (eerمف تقدير النموذج :
Y 1 2 X error
اما مجموع مربعات األخطاء لمنموذج غير المقيد ) ( eeUrمف تقدير النموذج:
Y 1 2 X 1D1 2 D2 D1D2 e
والختبار أىمية الموسمية في البيانات البد مف اختبار المعنوية المشتركة لجميع المتغيرات الوىمية التي
تمثؿ الموسمية.
Y 0 2D2 3 D3 4 D4 u ففي النموذج:
حيث D4 ، D3 ، D2متغيرات وىمية تمثؿ الموسمية وباعتبار الموسـ األوؿ ىو موسـ المقارنة.
والختبار الموسمية البد مف اختبار الفرضية:
0 : 2 3 4 0
عدم وجود الموسمٌة H0 :
والتي تستوجب استخداـ المختبر Fعوضاً عف ، tحيث اف النموذج غير المقيد ىو :
Y 0 2D2 3 D3 4 D4 u
في حيف يكوف النموذج المقيد:
Y 0 u
حيث اف الموسمية ىي مركبة مشتركة لجميع المتغيرات الوىمية التي تمثؿ الموسمية.
325
(eer eeUr ) 3
F*
)eeUr (n 4
وبالمنيجية نفسيا فاف اختبار البيانات الشيرية تكوف باستخداـ Fاذ نختبر المعنوية المشتركة لجميع
المتغيرات الوىمية التي تمثؿ البيانات الشيرية.
يمكف استخداـ المتغيرات الوىمية لدراسة تسأوي اآلثار لمعادلة النموذج ككؿ.
ففي دراسة قيمة السكف كدالة بداللة ) مساحة السكف ( وموقعو فاف متوسط االستجابة تحدد عمى وفؽ:
والتي تدؿ عمى عدـ وجود اختبلؼ في سعر السكف بغض النظر عف الموقع 0 : 0
vs
1 : 0 والتي تدؿ عمى وجود اختبلؼ في سعر السكف اعتماداً عمى اثر الموقع
ونبلحظ في حالة تحقؽ فرضية العدـ فاف النموذج المستخدـ:
P 1 2 St et الموقع الكامل
P 1 2 St et
الموقع اآلخر
وىو النموذج المقيد.
326
حيث اف :
1 1 0
و 2 2 0
في حيف النموذج غير المقيد ىوPt (1 ) ( 2 )St et :
ويتـ اختبار الفرضية عمى وفؽ اختبار Fكما في الفقرة السابقة .وىو ما يعرؼ ).(chow test
مثال ( :)9-10افترض بيانات عف االستثمار اإلجمالي ) (Yفػي عػدد اآلالت لشػركتيف مػثبلً جنػراؿ الكتػرؾ
) (Iويستنج ىأوس ) (IIلمسنوات ) (1954-1935بأسعار 1947كدالة بداللة قيمة الشركتيف لممػدة نفسػيا
X1ورصيد رأس الماؿ في الشركتيف لممدة نفسيا ، X2وبذلؾ فاف دالة االنحدار ىي:
Y 0 1X 1 2 X 2 e n 20
Y 0 1X 1 2 X 2 e n 20
وعند دمج الشركتيف بعينة واحده فيكوف حجـ العينة = 40
Y 0 1X1 2 X 2 e
وبذلؾ يكوف دمج العينة ىو الدالة المقيدة )افتراض تسأوي الميميف والمقطعيف الثابتيف ( ونحسب مجموع
مربعات البواقي لمدمج . eer
. (ee) r (e
في حيف مجموع مربعات البواقي لبلنحدار غير المقيد ىو ) e ee
ثـ نستخدـ اختبار F :
(eer eeUr ) 3
F*
) eeUr (n n 2k
ويمكف أيضاً استخداـ ) (chow - testمف خبلؿ إدخاؿ متغير وىمي Dيوصؼ كآالتي :
327
Yˆ 17.872 0.0152 X 1 0.1436 X 2
eer 16563.00 ,
)t : (2.544 )(2.452 )(7.719
وكذلؾ معادلة التقدير باستخداـ المتغيرات الوىمية ىي:
) Yˆ 9.9563 9.4469 D 0.0266 X 1 0.0263( DX1 ) 0.1517 X 2 0.0593( DX 2
)t : (0.421 )(0.328 )(2.265 )(0.767 )(7.837 )(0.507
eeUr 14989.82
وبتطبيؽ :F
(eer eeUr ) J (16563.00 14989.82) 3
F* 1.1894
) eeUr (n k )14989.82 (40 6
عند زيادة سنوات الخدمة سنة واحدة فاف متوسط الدخؿ يمثؿ )(β1
δ1وطرحيا مف الواحد. اما فيما يخص تفسير) (1فيكوف بأخذ العدد المقابؿ بأساس eلممعممة
1 e 1
بعبارة اخرى فاف التغيير النسبي في متوسط Yنسبة الى الشيادة يتمثؿ بػ 1 (anti ln(ˆ))
328
مثــال) :(10-10افتػػرض معادلػػة التقػػدير لػػدخؿ التدريسػػي كدالػػة بسػػنوات الخدمػػة ) (Xواف العينػػة مجموعػػة
تدريسييف بعضيـ حاصؿ عمى شيادة دكتوراه واآلخريف شيادة ماجستير.
LnYˆ 2.9298 0.0546 X 1 0.1341D
)t : (481.524 )(48.3356 )(27.225
R2 = 0.9958 d =2.51
0 للمدة األولى
D
1 للمدة الثانٌة
329
Y 0 1X D ( XD) u وبذلؾ فاف معادلة االنحدار:
ut ut 1 t بافتراض اف المتغير العشوائي يمتمؾ ):AR(1
:εtمتغير عشوائي ضوضاء بيضاء
( t ) 0
(var t ) 2
cov( ) 0
t t s
بذلؾ البد مف تحويؿ المشاىدات بالشكؿ الذي يخمص األخطاء مف مشكمة االرتباط الذاتي واف وجود
المتغير الوىمي يولد مشكمة تحويؿ المشاىدات بالنسبة لممتغير الوىمي ألف قيميا اما ) (1أو )صفر( .يتـ
التحويؿ عمى وفؽ اآلتي:
حيث اف:
0 للمدة األولى
D
1 للمدة الثانية
يتـ تحويميا :
0
المدة األولى
D
*
1 )(15 10
1 المشاهدة األولى
1
للمشاهدة األخرى
331
مثال ( :)11-10انحدار ) Yالدخؿ الشخصي ( دالة بداللة ) Xسنوات الخدمة ( D2، D1 ،الحالة
التعميمية ،ومعادلة التقدير:
Yˆ 1360.638 375.5 X 1592.1D1 4707.4D2 515.3D1 X 339.5D2 X
ـ (1/حدد دالة االستجابة لكؿ مستوى مف مستويات الدالة التعميمية ،وفسر مدلوؿ العبلقات المقدرة.
(2ىؿ اف خطوط االنحدار متطابقة ؟
(3ىؿ يوجد تداخؿ بيف المتغيرات D2 ، D1والمتغير التوضيحي .Xبافتراض توافر المعمومات التالية:
الحؿ:
) (1دالة االستجابة ىي(Y ) ˆ0 ˆ1 X 1D1 2 D2 1 ( D1 X ) 2 ( D2 X ) :
وبذلؾ فاف دالة االستجابة لممستويات المختمفة:
أساس المقارنة:
ˆ D 0
Y 1 0 ˆ1 X 1360 375 X
D2 0
المستوى الثاني
(Y D2 1, D1 0) (1360 4707.4) (375 339.5) X
المستوى الثالث
(Y D1 1, D2 0) (1360 1592) (375 515.3) X
331
ESS ( D1 D2 , D1 X , D2 X X ) 4 41.58625
F* 3.14
RSS ( X , D1 , D2 , D1 X , D2 X ) (n 6) 13.23785714
Fc ( 4,14, 0.95) 3.11
خطوط االستجابة غير متطابقة ← المتغيرات الوىمية معنوية.
) (3الختبار التداخؿ بيف المتغيرات الوىمية والمتغير الكمي ، Xتصاغ فرضية العدـ:
0 : 1 2 0
vs. 1 : 1 2 0
والختبار التغيرات الييكمية يستخدـ ) اختبار ( chowوكبديؿ الختبار chowيتـ استخداـ المتغيرات
الوىمية بعد تحديد نقطة التغير.
ويمكف توضيح االحتماالت بالشكؿ البياني):(10-10
332
(10-10) الشكؿ
Y Y 2 2
2 2 1
γ1
1
1 1 1
X X
(1) (2)
Y 2 Y 2
2 2
1
1 1 1
X X
(3) (4)
333
مثال) :(13-10لدراسة العبلقة بيف مقدار الراتب السنوي ) ، (Yوعدد سنوات الخدمة ) (X1والخبرة االداريػة
) (Dلعشريف موظؼ في مؤسسة معينة.
334
المتغير النوعي Dذو فئتيف:
1 له خبرة
D
0 ليست له خبرة
دالة االستجابة(Y ) ˆ0 ˆ1 X ˆ D :
(Y ) ˆ0 ˆ1 X دالة االستجابة لموظؼ ليست لو خبرة إدارية:
الشكؿ )(11-10
335
s.o.v SS d.f MS F
)ESS(X,D 1142860793.148 2 571430396.574 0.980
Error 9910466206.852 17 582968600.403
Total 11053327000.000 19
ولبيانات المثاؿ نفسيا فاف النتائج باستخداـ OLSوبافتراض وجود تداخؿ بيف المتغير النوعي والمتغير
)Yˆ 5530.750 24.968 X 12976.137 D 330.378( XD الكمي:
336
0 : 0
vs. 1 : 0
)MES ( XD X , D
F* 0.017 Fc ( 0.95) 3.63
) MRS ( X , D, XD
مثال) :(14-10دراسة دالة االجر لعينة مف 20موظفاً بداللة سنوات الخدمة Xوالحالة التعميمية لمعينة
وتتضمف ثبلث فئات ) :ثانوية ،جامعة ،دراسات عميا (.
1 عليا
جامعة 1
D2 , D1
0
0
غير ذلك غير ذلك
337
رقـ الموظؼ ) X1متغير كمي( )الحمة التعميمية( Y
D1 D2
1 5 ٔ كمية 0 3250
2 1 ٓ عميا 1 1600
3 16 ٓ ثانوية ٓ 7500
4 10 ٔ كمية 0 13750
5 5 0 ثانوية 0 6000
6 1 0 عميا 1 8700
7 3 1 كمية 0 11350
8 4 1 كمية 0 3000
9 15 0 عميا 1 15700
10 6 0 عميا 1 113500
11 8 0 عميا 1 ٕٕٓ٘ٔ
12 2 0 ثانوية 0 700
13 4 0 عميا 1 10250
14 8 0 ثانوية 0 3500
15 10 0 ثانوية 0 4500
16 13 1 كمية 0 16350
17 6 1 كمية 0 3800
18 3 0 عميا 1 9800
19 2 1 كمية 0 10800
20 3 1 كمية 0 23300
338
Yˆ 982.238 661.249 X 7880.059 D1 21935.460 D2
t: )(0.514 )(0.551 )(1.486
s.e : 1285.579 14295.797 14758.984
:δ1تعنػػي الفػػرؽ فػػي ال ارتػػب السػػنوي لموظػػؼ حاصػػؿ عمػػى شػػيادة بكػػالوريوس عػػف موظػػؼ بشػػيادة ثانويػػة
مقدار 7880.059دينا اًر.
أم ػػا الف ػػرؽ ب ػػيف ال ارت ػػب الس ػػنوي لموظ ػػؼ حاص ػػؿ عم ػػى ش ػػيادة عمي ػػا ع ػػف موظ ػػؼ بش ػػيادة ثانوي ػػة مق ػػدار
21935.460دينا اًر ،وعف موظؼ بشيادة بكالوريوس بمقدار 14055.401دينا اًر.
وبافتراض وجود تداخؿ بيف المتغير الكمي والمتغيرات النوعية باستخداـ طريقة المربعات الصغرى ،اعطت
النتائج التالية:
) Yˆ 1360.638 375.532 X 7425.473D1 17125.6361D2 42.682( XD1
) 740.154( XD2
-اختبار فيما اذا كانت خطوط االنحدار متطابقة:
0 : 1 2 1 2 0
vs. 1 : 1 2 1 2 0
F*< Fc
أي اف خطوط االنحدار متطابقة.
والختبار معنوية التداخؿ بيف المتغير النوعي والكمي
0 : 1 2 0
vs. 1 : 1 2 0
339
MES ( XD1 , XD2 D1 , D2 , X ) ESS ( X , D1 , D2 , XD1 , XD2 ) ESS ( X , D1 , D2 ) 2
F*
) MRS ( X , D1 , D2 , XD1 , XD2 RSS ( X , D1 , D2 , XD1 , XD2 ) 14
0.037
)F * Fc ( 2,14,0.95
مثاؿ) :(13-10دراسة العبلقة بيف الراتب السنوي ) (Yوعدد سنوات الخدمة ) (Xوالخبرة االدارية السابقة
) (D1والحالة التعميمية.
عمماً اف D1ىو متغير نوعي بفئتيف
واف الحالة التعميمية وىي متغير نوعي لو ثبلث فئات .يمثؿ بواسطة متغيريف .D3 ، D2
1 له خبشة
D1
0 لُست له خبشة
341
(Y ) ˆ0 ˆ1 X موظع ليست له خبرة وحاصل على شهادة ثانوية.
(Y ) ( ˆ0 ˆ1 ) ˆ1 X
(Y ) ( ˆ0 ˆ2 ) ˆ1 X موظع له خبرة وحاصل على شهادة ثانوية.
(Y ) ( ˆ0 ˆ1 ˆ3 ) ˆ1 X موظع له خبرة وخريج جامعة.
:δ1تقيس مقدار الفرؽ بالراتب السنوي بسبب الخبرة التي يحصؿ عمييا خريج الثانوية.
عليا.لخريج الكمية مقارنة لشيادة الثانوية.
السنوي
اتبشهادة
خبرةبالر
مع مقدار لهالفرؽ
تقيس ليست
:δ2موظع
:δ3تقيس مقدار الفرؽ بالراتب السنوي بسبب الشيادة العميا نسبة الى الشيادة الثانوية.
) :(δ3 - δ2تقيس مقدار الفرؽ بالراتب السنوي لمشيادة العميا نسبة الى الشيادة الكمية.
موظع له خبرة مع شهادة عليا.
كما اف معادلة التقدير:
Yˆ 1395.550 534.722 X 2768.826 D1 2224.934 D2 7254.145D3
t: **)(10.53 **)(4.75 **)(3.29 **)(14.36
وتشير قيـ tالى معنوية المعممات المقدرة.
: ˆ1تشير الى اف الراتب السنوي سيزداد بمقدار) (534.722دينا اًر لكؿ سنة زيادة في الخدمة مع بقاء
بقية المتغيرات ثابتة.
:δ1تشير الى اف مقدار الفرؽ بالراتب السنوي بسبب الخبرة االدارية ىو 2768.826دينا اًر.
:δ2تشير الى اف مقدار الفرؽ بالراتب السنوي لخريج الكمية عف خريج الثانوية 2224.934 :دينا اًر.
:δ3تشير باف مقدار الفرؽ بالراتب السنوي العميا عف خريج الثانوية 7254.145 :دينا اًر.
أما الفرؽ بالراتب السنوي لموظؼ حاصؿ عمى شيادة عميا وآخر خريج كمية فيو 5029.211 :دينا اًر.
وفي حالة وجود تداخؿ بيف المتغيرات المستقمة فاف دالة االستجابة تتمثؿ كاآلتي:
) (Y ) ˆ0 ˆ1 X ˆ1D1 ˆ2 D2 ˆ3 D3 ˆ4 ( XD1 ) ˆ5 ( XD2 ) ˆ6 ( XD3 ) ˆ7 ( D1D2
) ˆ ( D D
8 1 3
341
اسئهة انفصم انعبشر
س :1بيانات عف أسعار السكف ) (Yومساحة السكف ) ،(X1عمر بناء السكف ) ( X2لػ ) ( 4682سكناً تـ
بيعيا في محافظة معينة لمسنوات 1991كانوف الثاني إلى 1996كانوف األوؿ.
لدراسة عبلقة االنحدار لتحديد أسعار السكف في تمؾ المحافظة تتـ إضافة متغيرات وىمية لسنوات الدراسة
D=1 كآالتي:
السكي تن بُعه فٍ 1992
1
D1
غُش رلك
0
1 السكن تم بيعه في 1993
D2
0 غير ذلك
1 السكن تم بيعه في 1994
D3
0 غير ذلك
السكف تـ بيعو في 1 1995
D4
0 غير ذلؾ
1 السكن تم بيعه في 1996
D5
0 غير ذلك
وبذلؾ تكوف معادلة االنحدار:
Y 0 1 X1 2 X 2 1D1 2 D2 3 D3 4 D4 5 D5
) :(1فسر معممات المتغيرات الوىمية المقدرة .اذا تـ استخداـ الصيغة الخطية.
) :(2فسر معممات المتغيرات الوىمية المقدرة .اذا تـ استخداـ الصيغة الموغاريتمية المزدوجة.
) ٖ ( :وضح كيؼ تختبر أنو التأثير لسنة البيع عمى السعر .
س :2نموذج انحدار لدراسة الدخؿ الشخصي السنوي ) (Yكدالة بداللة سنوات الدراسة ) (Eوالتحصيؿ
العممي لعينة تحصيميـ الدراسي ) بكالوريوس ،اعدادية ،ابتدائية (.
ـ :(1) //وصؼ كيؼ يتـ تضميف متغير التحصيؿ العممي باالنحدار.
342
Yˆ 4.5 0.5E 1.0D1 1.5D2 ) :(2اذا عممت اف معادلة التقدير :
ارسـ الدخؿ المقدر كدالة بداللة سنوات الدراسة Xوحسب التحصيؿ العممي لممستويات
الثبلث عمماً اف الدراسة لمعينة المختارة ىي ما بيف ).(16-8
) (3اذا عممت اف معادلة التقدير بوجود تداخؿ بيف Eوالمتغيرات الوىمية ىي
Yˆ 4.5 0.5E 1.4D1 0.3D2 0.2D1 0.1D2
ارسـ خط انحدار الدخؿ المقدر ولمستويات التحصيؿ العممي الثبلث.
B 2.6 3.0 3.6 3.7 3.8 4.1 4.4 7.1 8.0 8.9 9.7 10.2 10.1 7.9 8.9 9.1 10.1
Y 2.4 2.8 3.1 3.4 3.9 4.0 4.2 5.1 6.3 8.1 8.8 9.6 9.7 9.6 10.4 12.0 12.9
343
انمصــبدر:
ٔ -الراوي ،خاشع محمد " .ٜٔٛٚ،المدخؿ الى تحميؿ االنحدار " ،دار الكتب لمطباعة والنشر،
الموصؿ.
ٕ -شربجي،عبد الرزاؽ محمد صبلح " .ٜٔٛٔ ،االنحدار الخطي المتعدد " ،دار الكتب لمطباعة
والنشر ،الموصؿ.
ٖ -عبد الرحمف ،عبد المحمود محمد " مقدمة في االقتصاد القياسي " ،جامعة الممؾ سعود لمطباعة
والنشر.
ٗ -عطية ،عبد القادر محمد عبد القادر " .2004 ،الحديث في االقتصاد القياسي :بيف النظرية
والتطبيؽ"،مكة المكرمة.
٘ -كمجياف ،ىاري و اؤتس ،والس " .1995 ،مقدمة في االقتصاد القياسي المبادئ والتطبيقات "،
ترجمة المرسي السيد حجازي وعبد القادر محمد عطية ،جامعة الممؾ سعود.
-ٙنتر ،جوف ،وازماف ويمياـ و كتنر ،ميخائيؿ " نماذج احصائية تطبيقية" ،ترجمة انيس اسماعيؿ
كنجد ،عبد الحميد بف عبد اهلل الزيد وابراىيـ بف عبد العزيز الواصؿ والحسيني عبد البر راضي،
الجزء االوؿ ) االنحدار ( جامعة الممؾ سعود لمطباعة والنشر.
-ٚىادي ،اموري و مسمـ ،باسـ شمبية " .2002 ،القياس االقتصادي المتقدـ ،النظرية والتطبيؽ"،
مطبعة الطيؼ.
1- Draper, N.R. & Smith, H., 1966. " Applied Regression Analysis ", New
York, john Wiley & Sons , Inc.
2- Franses, Philip Hans , " A concise introduction to econometrics ", An
intuitive guide, Cambridge . org .
3- Gujarati, Damodar N. 1995." Basic Econometrics " , 3rd ed., ., Me
Grow – Hill international, Edition, Singapore
4- Johnston, J., 1984. " Econometric methods ", 3rd ed., Me Grow – Hill
international, New York.
5- Maddala, G.S., 2002." Introduction to Econometrics ", Third Edition, ,
New York, John willey & sons, 1 td .
جممة مف منشورات عبر الويب.
344