الإقتصاد القياسي مدعمة بحزمة من البرامج الإحصائية

‫جامعة يحي فارس بالمدية‬
‫كلية العلوم االقتصادية والعلوم‬

‫التجارية وعلوم التسيير‬
‫مطبوعة مقدمة من طرف‪:‬‬
‫الدكتور‪:‬‬
‫صغيري سيدعلي‬
‫محاضرات في‪:‬‬
‫االقتصاد القياسي مدعمة بحزمة من البرامج اإلحصائية‬
‫(‪ SPSS ،Stata ،Eviews‬و‪)Gretl‬‬

‫مقدمة لطلبة الس نة الثالثة ليسانس ختصص اقتصاد كي‪.‬‬
‫السنة الدراسية‪2020-2019 :‬‬

‫فهرس المحتويات‬
‫رقم الصفحة‬ ‫الموضوع‬
‫‪V-I‬‬ ‫فهرس المحتويات‬
‫‪01‬‬ ‫مقدمة عامة‬
‫‪19-03‬‬ ‫الفصل األول‪ :‬مقدمة في االقتصاد القياسي‬
‫‪04‬‬ ‫‪ -1-1‬مقدمة‬
‫‪04‬‬ ‫‪ -2-1‬لمحة تاريخية عن تطور علم االقتصاد القياسي‬
‫‪06‬‬ ‫‪ -3-1‬مفهوم االقتصاد القياسي‬
‫‪07‬‬ ‫‪ -4-1‬دور االقتصاد القياسي‬
‫‪07‬‬ ‫‪ -5-1‬عالقة االقتصاد القياسي بالفروع االخرى‬
‫‪09‬‬ ‫‪ -6-1‬أهداف االقتصاد القياسي‬
‫‪10‬‬ ‫‪ -7-1‬أنواع النماذج‬
‫‪10‬‬ ‫‪ -8-1‬منهج البحث في االقتصاد القياسي‬
‫‪12‬‬ ‫‪ -9-1‬مقدمة حول حزمة من البرامج اإلحصائية‬
‫‪36-20‬‬ ‫الفصل الثاني‪ :‬االرتباط‬
‫‪21‬‬ ‫‪ -1-2‬مقدمة‬
‫‪21‬‬ ‫‪ -2-2‬مفهوم االرتباط‬
‫‪22‬‬ ‫‪ -3-2‬معامل االرتباط البسيط‬
‫‪24‬‬ ‫‪ -4-2‬معامل ارتباط الرتب‬
‫‪24‬‬ ‫‪ -1-4-2‬معامل ارتباط سبيرمان‬
‫‪28‬‬ ‫‪ -2-4-2‬معامل ارتباط كندال‬
‫‪28‬‬ ‫‪ -5-2‬معامل االرتباط الجزئي‬
‫‪29‬‬ ‫‪ -6-2‬استخدام البرامج اإلحصائية‬
‫‪35‬‬ ‫‪ -7-2‬تمارين مقترحة‬
‫‪55-37‬‬ ‫الفصل الثالث‪ :‬النموذج الخطي البسيط‬
‫‪38‬‬ ‫‪ -1-3‬مقدمة‬
‫‪II‬‬
‫‪38‬‬ ‫‪ -2-3‬صياغة وتقدير النموذج الخطي البسيط‬
‫‪39‬‬ ‫‪ -3-3‬الفروض األساسية للخطأ العشوائي‬
‫‪41‬‬ ‫‪ -4-3‬خصائص مقدرات المربعات الصغرى‬
‫‪42‬‬ ‫‪ -5-3‬اختبار فرضيات النموذج الخطي البسيط‬
‫‪42‬‬ ‫‪ -1-5-3‬اختبار المعنوية اإلحصائية للمعلمات‬
‫‪43‬‬ ‫‪ -2-5-3‬معامل التحديد‬
‫‪43‬‬ ‫‪ -3-5-3‬اختبار المعنوية الكلية للنموذج الخطي البسيط‬
‫‪78-56‬‬ ‫الفصل الرابع‪ :‬النموذج الخطي المتعدد‬
‫‪57‬‬ ‫‪ -1-4‬مقدمة‬
‫‪57‬‬ ‫‪ -2-4‬صياغة النموذج الخطي المتعدد‬
‫‪58‬‬ ‫‪ -3-4‬تقدير وخواص مقدرات طريقة المربعات الصغرى العادية‬
‫‪58‬‬ ‫‪ -1-3-4‬فروض نموذج االنحدار الخطي المتعدد‬
‫‪59‬‬ ‫‪ -2-3-4‬تقدير معلمات النموذج الخطي المتعدد‬
‫‪60‬‬ ‫‪ -3-3-4‬تقدير تباين األخطاء وتباين أخطاء المعلمات‬
‫‪61‬‬ ‫‪ -4-4‬اختبار فرضيات النموذج الخطي المتعدد‬
‫‪61‬‬ ‫‪ -1-4-4‬اختبار المعنوية اإلحصائية للمعلمات‬
‫‪61‬‬ ‫‪ -2-4-4‬معامل التحديد ومعامل التحديد المعدل‬
‫‪62‬‬ ‫‪ -3-4-4‬اختبار المعنوية الكلية للنموذج الخطي المتعدد‬
‫‪63‬‬ ‫‪ -4-4-4‬استق ارريه المعلمات حسب اختبار ‪Chow‬‬
‫‪102-79‬‬ ‫الفصل الخامس‪ :‬مشكلة التعدد الخطي‬
‫‪III‬‬
‫‪80‬‬ ‫‪ -1-5‬مقدمة‬
‫‪80‬‬ ‫‪ -2-5‬الكشف عن مشكلة التعدد الخطي‬
‫‪80‬‬ ‫‪ -1-2-5‬معامل تضخم التباين‬
‫‪81‬‬ ‫‪ -2-2-5‬الجذور المميزة والدليل الشرطي‬
‫‪82‬‬ ‫‪ -3-2-5‬اختبار ‪Farrar-Glauber‬‬
‫‪84‬‬ ‫‪ -3-5‬طرق اختيار المتغيرات المستقلة في النموذج الخطي المتعدد‬
‫‪84‬‬ ‫‪ -1-3-5‬طريقة الحذف إلى الخلف ()‪(Backward (Step-Down‬‬
‫‪85‬‬ ‫‪ -2-3-5‬طريقة االختيار إلى األمام ()‪(Forward (Step-Up‬‬
‫‪85‬‬ ‫‪ -3-3-5‬طريقة االنحدار التدريجي )‪(Stepwise Regression‬‬
‫‪87‬‬ ‫‪ -4-5‬انحدار المركبات الرئيسية‬
‫‪88‬‬ ‫‪ -5-5‬طريقة انحدار الحرف‬
‫‪123-103‬‬ ‫الفصل السادس‪ :‬مشكلة االرتباط الذاتي‬
‫‪104‬‬ ‫‪ -1-6‬مقدمة‬
‫‪104‬‬ ‫‪ -2-6‬أشكال االرتباط الذاتي لألخطاء‬
‫‪104‬‬ ‫‪ -3-6‬أسباب مشكلة االرتباط الذاتي‬
‫‪104‬‬ ‫‪ -4-6‬اختبارات الكشف عن مشكلة االرتباط الذاتي‬
‫‪105‬‬ ‫‪ -1-4-6‬اختبار داربن واتسن )‪(Durbin Watson‬‬
‫‪106‬‬ ‫‪ -2-4-6‬اختبار بريش قوديفري (‪(Breusch-Godfry‬‬
‫‪106‬‬ ‫‪ -5-6‬األثار المترتبة على وجود مشكلة االرتباط الذاتي‬
‫‪107‬‬ ‫‪ -6-6‬معالجة مشكلة االرتباط الذاتي‬
‫‪118‬‬ ‫‪ -7-6‬طرق أخرى للتخلص من مشكلة االرتباط الذاتي‬
‫‪IV‬‬
‫‪143-124‬‬ ‫الفصل السابع‪ :‬مشكلة عدم تجانس التباين‬
‫‪125‬‬ ‫‪ -1-7‬مقدمة‬
‫‪125‬‬ ‫‪ -2-7‬األثار المترتبة على وجود عدم تجانس التباين‬
‫‪126‬‬ ‫‪ -3-7‬اختبارات اكتشاف عدم ثبات تباين الخطأ‬
‫‪126‬‬ ‫‪ -1-3-7‬إختبار معامل ارتباط الرتب لسبيرمان‬
‫‪128‬‬ ‫‪ -2-3-7‬اختبار كولدفيلد وكوانت )‪(Goldfeld- Quandt‬‬
‫‪129‬‬ ‫‪ -3-3-7‬اختبار بارتليت )‪)Bartlett‬‬
‫‪130‬‬ ‫‪ -4-3-7‬اختبار بروش وباقان ‪Breusch and Pagan‬‬
‫‪131‬‬ ‫‪ -4-7‬معالجة عدم ثبات تباين حد الخطأ‬
‫‪147-144‬‬ ‫قائمة المراجع‬
‫‪154-148‬‬ ‫المالحق‬
‫‪V‬‬
‫مقدمة عامة‬
‫مقدمة عامة‬
‫مقدمة عامة‪:‬‬
‫االقتصاد القياسي هو أحد فروع علم االقتصاد‪ ،‬الذي يهتم بالتقدير الكمي للعالقات بين المتغيرات‬
‫االقتصادية معتمدا في ذلك على النظرية االقتصادية‪ ،‬الرياضيات واإلحصاء للوصول إلى التنبؤ بالظواهر‬
‫االقتصادية أو للتحليل االقتصادي ورسم السياسات االقتصادية المناسبة التخاذ الق اررات المثلى‪.‬‬
‫وبهدف إلمام الطلبة بهذا المقياس‪ ،‬واإلحاطة به وكشف خباياه‪ ،‬ارتأينا وضع مطبوعة تحوي دروس‬
‫وتمارين في االقتصاد القياسي‪ ،‬بين أيديهم لتذليل الصعوبات التي يوجهونها في فهمه‪ ،‬وهي بذلك موجهة لطلبة‬
‫السنة الثالثة تخصص علوم اقتصادية‪ ،‬فرع االقتصاد الكمي على الخصوص وتم إعدادها وفقا للبرنامج المقترح‬
‫من طرف و ازرة التعليم العالي والبحث العلمي الجزائرية‪ .‬المطبوعة أيضا موجهة لكل الطلبة والباحثين المهتمين‬
‫بمجال االقتصاد القياسي بمختلف مستوياتهم بما في ذلك طلبة الماستر والدكتوراه‪.‬‬
‫والركيزة األساسية لفهم االقتصاد القياسي هو تحكم الطالب في كل من مقياس اإلحصاء والرياضيات‬
‫واالقتصاد الكلي والجزئي‪ ،‬كما يجب على كل طالب التحكم في البرامج اإلحصائية وعليه ركزت المطبوعة على‬
‫‪(𝐺𝑟𝑒𝑡𝑙 2019𝑏, 𝑆𝑃𝑆𝑆 25,‬‬ ‫حل التمارين واألمثلة من خالل البرمجيات األربعة بآخر إصدار وهي‪:‬‬
‫)‪ 𝑆𝑡𝑎𝑡𝑎 16, 𝐸𝑣𝑖𝑒𝑤𝑠 10‬التي بدورها عرفت شهرة في السنوات األخيرة وطلب متزايد لفهمها‪ ،‬لبلوغ الهدف‬
‫المنشود من خالل التحكم فيها‪.‬‬
‫وقد جاءت المادة العلمية لهذه المطبوعة في سبعة فصول تناول الفصل األول منه بعض التعاريف‬
‫والمفاهيم المتعلقة باالقتصاد القياسي ومقدمة أولية لفهم بعض الحزم اإلحصائية‪ ،‬أما الفصل الثاني فقد خصص‬
‫لدراسة االرتباط وطرق حسابه لكل نوع من أنواع االرتباط‪ ،‬وخصص الفصل الثالث لدراسة النموذج الخطي‬
‫البسيط‪ ،‬في حين خصص الفصل الرابع لدراسة النموذج الخطي المتعدد‪ ،‬أما الفصل الخامس والسادس والسابع‬
‫فقد خصص لدراسة المشكالت القياسية الثالث وهي على التوالي مشكلة التعدد الخطي‪ ،‬مشكلة االرتباط الذاتي‬
‫لألخطاء و مشكلة عدم ثبات التباين‪.‬‬
‫‪-2-‬‬
‫الفصل األول‪:‬‬
‫مقدمة في االقتصاد القياسي‬

‫الفصل األول‪ :‬مقدمة في االقتصاد القياسي‬
‫‪ -1-1‬مقدمة‪:‬‬
‫منذ منتصف القرن الماضي بدأ القياس االقتصادي يحظى باهتمام المزيد من الدارسين للعالقات‬
‫االقتصادية‪ ،‬وصار استخدامه أداة مهمة في تحليل تلك العالقات‪ ،‬والوصول إلى نتائج وقياسات دقيقة‪ ،‬ومع زيادة‬
‫تعقيدات القياسات االقتصادية وفر الحاسوب معالجات مناسبة أزالت الكثير من الصعوبات التي تواجه الباحثين‬
‫في الشأن االقتصادي‪.‬‬
‫وفي العادة يبني االقتصاديون نظرياتهم على مجموعة من الفرضيات‪ ،‬بين متغيرات عدة بقصد فهم الظواهر‬
‫االقتصادية والتنبؤ بحدوثها‪ .‬وهنا فإن القياس االقتصادي يهتم بتحليل تلك الظاهرة موضوع البحث‪ ،‬من خالل‬
‫إيجاد قيم عددية الختبار قوة المتغير المستقل (أو المتغيرات المستقلة) في تفسير سلوك المتغير التابع‪.‬‬
‫‪ -2-1‬لمحة تاريخية عن تطور علم االقتصاد القياسي‪:‬‬
‫يعد علم االقتصاد القياسي )‪ (Econometrics‬علما حديثا نسبيا إذا ما قورن بالعلوم االقتصادية األخرى‪،‬‬
‫ّ‬
‫وهو مشتق من كلمتين أصلهما إغريقي )‪ (Economy‬ومعناها اقتصاد و )‪ (Metrics‬ومعناها قياس‪( .‬داود و‬
‫السواعي‪ ،2013 ،‬صفحة ‪ )13‬ويعد بذلك من اساليب التحليل االقتصادي الذي يهتم بالتقدير العددي للعالقات‬
‫بين المتغيرات االقتصادية معتمدا في ذلك على النظرية االقتصادية والرياضيات واالحصاء للوصول الى اختبار‬
‫الفروض والتقدير ومن ثم التنبؤ بالظواهر االقتصادية في المستقبل مما يساعد متخذي القرار على رسم السياسات‬
‫االقتصادية للدول‪.‬‬
‫ويعد اإلحصائي األلماني أرنست إنجل )‪)Ernst Engel‬‬

‫(‪ )1896-1821‬أول من وضع قانونه الخاص الذي ارتبط بإسمه (قانون‬
‫إنجل)‪ ،‬حول الدخل واالستهالك على ضوء بيانات ميزانية األسرة‪ ،‬وتوصل‬
‫إلى أن نسبة االنفاق على استهالك الطعام تزداد كلما قل دخل األسرة‪.‬‬
‫)‪(Montoussé, 2008, p. 212‬‬
‫‪-4-‬‬
‫كما يعد العالم االقتصادي النروجي فريش )‪Frisch‬‬

‫‪ )Ragnar‬أول من استعمل مصطلح االقتصاد القياسي عام‬
‫)‪ ،(1926‬وكان أول من تحصل على جائزة نوبل )‪ (1969‬إلسهامه‬
‫في نشأة وتنظيم الفرع الجديد من علم االقتصاد‪( Barreto & .‬‬
‫)‪Howland, 2006, p. 10‬‬
‫نال تنبرجن جائزة نوبل مناصفة مع فريش عام ‪( Barreto 1969‬‬

‫)‪& Howland, 2006, p. 10‬وكان له دور كبير في تقدم االقتصاد‬
‫القياسي‪ .‬وفي عام ‪ 1936‬الذي صدرت فيه النظرية العامة لجون كينز‪ ،‬نشر‬
‫تنبرجن أول نموذج اقتصادي كلي شامل لبلده هولندا‪ .‬وكرس جهوده بعد ذلك‬
‫لالختبار نظرية صحة الدورات تجريبيا مما أسفر عن نشر مؤلفين عام ‪1936‬‬
‫تضمن أول نموذج اقتصادي كلي لالقتصاد األمريكي‪( .‬الفتالوي و الزبيدي‪،‬‬
‫‪ ،2011‬صفحة ‪)22‬‬
‫وتعد أول محاولة لتأسيس جمعية لنشر‬

‫االقتصاد الرياضي بقيادة كل من أرفينغ فيشر‬
‫وويسلي ميتشل كانت عام (‪ (1912‬وعلى الرغم‬
‫من فشلها إال أنها كانت تمهيدا لتكوين لجنة‬
‫هارفارد للبحوث االقتصادية التي سوف تؤسس في‬
‫عام ‪ 1919‬مجلة اإلحصاءات االقتصادية وفي‬
‫عام ‪ 1920‬أنشأ ميتشل المكتب الوطني للبحوث‬
‫االقتصادية وقد تولى رئاسته حتى عام ‪.1945‬‬
‫(زكي‪)2015 ،‬‬
‫‪-5-‬‬
‫أسس بعض واضعي الفكر االقتصادي األوائل من أمثال مور )‪ ،(H.Moore‬وشولتز )‪ ،(H.Schultz‬وفريش‬
‫وستون )‪ (R.Stone‬الجمعية الدولية لالقتصاد القياسي في عام (‪ .(1930‬وكان أول رئيس لها إرفينغ فيشر‬
‫)‪( .(Irving Fisher‬داود و السواعي‪ ،2013 ،‬صفحة ‪ )9‬وعقد االجتماع األول للجمعية في لوزان في العام‬
‫التالي‪ ،‬وفي يناير ‪ 1933‬صدر العدد األول من أكونومتريكا )‪ (Econometrica‬متضمنا افتتاحية بقلم رينجر‬
‫فريش الذي ظل محتفظا بهذا المنصب حتى عام ‪( .1954‬الفتالوي و الزبيدي‪ ،2011 ،‬صفحة ‪)20‬‬
‫وفي الواليات المتحدة تأسست في عام ‪ 1932‬لجنة كولز للبحوث االقتصادية‪ ،‬وهي مؤسسة وثيقة الصلة‬
‫بجمعية االقتصاد القياسي‪ ،‬وذلك مبادرة من ألفرد كولز‪ .‬وأصبحت هذه اللجنة الموجه الرئيس في مجال بحوث‬
‫االقتصاد القياسي‪ .‬وسرعان ما جذبت كبار االقتصاديين ونشرت إصداراتها الشهيرة التي تواصلت طوال العشرين‬
‫عام تحت شعار جملة اللورد كالفن (العلم قياس)‪ .‬وفي عام ‪ 1939‬إنتقلت اللجنة إلى شيكاجو ثم إنتسبت إلى‬
‫جامعتها حتى عام ‪ 1955‬قبل أن تستقر في ييل‪ ،‬وتغير إسمها إلى مؤسسة كولز‪( .‬الفتالوي و الزبيدي‪،2011 ،‬‬
‫صفحة ‪)21‬‬
‫‪ -3-1‬مفهوم االقتصاد القياسي‪:‬‬
‫يعتبر االقتصاد القياسي من العلوم االجتماعية‪ ،‬الذي يعتمد على النظرية االقتصادية‪ ،‬الرياضيات واالحصاء‬
‫في تحليل العالقات االقتصادية‪ ،‬ويهدف إلى اختبار الفروض في النظرية االقتصادية‪ ،‬ورسم السياسات المستقبلية‪،‬‬
‫)‪ (Mukras, 1993, p. 1‬وبصورة أكثر تفصيل يعرف بأنه فرع المعرفة الذي يهتم بقياس العالقات االقتصادية‬
‫من خالل بيانات واقعية‪ ،‬بغرض اختبار مدى صحة هذه العالقات كما تقدمها النظرية االقتصادية‪ ،‬أو تفسير‬
‫بعض الظواهر‪ ،‬أو التنبؤ بسلوك بعض المتغيرات االقتصادية‪( .‬عطية‪ ،2005 ،‬صفحة ‪)4‬‬
‫‪-6-‬‬
‫وقد عرفة الباحث أوسكار النكه )‪ (O. Lange‬بأنه‪« :‬العلم الذي يستعين بالطرق اإلحصائية لتحديد فعل‬
‫القوانين االقتصادية الموضوعة تحديدا كميا في الحياة االقتصادية» (كاظم‪ ،2012 ،‬صفحة ‪)2‬‬
‫وعليه يمكننا القول أن االقتصاد القياسي هو أحد فروع علم االقتصاد الذي يهتم أساسا بقياس وتحليل‬
‫الظواهر االقتصادية مستعينا بالنظرية االقتصادية والرياضيات واألساليب اإلحصائية‪ ،‬بهدف تحليل واختبار‬
‫النظريات االقتصادية المختلفة‪ ،‬لالعتماد عليها في رسم السياسات االقتصادية المالئمة‪( .‬داود و السواعي‪،2013 ،‬‬
‫صفحة ‪)13‬‬
‫‪ -4-1‬دور االقتصاد القياسي‪:‬‬
‫ويتمثل دور االقتصاد القياسي بتحقيق ما يلي‪( :‬عودة‪ ،2014 ،‬الصفحات ‪)412-411‬‬
‫‪ -‬تحديد النموذج القياسي المناسب لتمثيل العالقة أو العالقات القائمة بين المتغيرات االقتصادية‪ ،‬بوضع فروض‬
‫النظرية االقتصادية؛‬
‫‪ -‬تقدير معلمات النموذج القياسي‪ .‬تبدأ هذه المهمة بجمع اإلحصاءات االقتصادية حول ظاهرة ما‪ ،‬يراد دراستها‬
‫وتنتهي باستخدام األساليب اإلحصائية المناسبة لتقدير معالم النموذج لتمثيل العالقة بين المتغيرات؛‬
‫‪ -‬اختبار النموذج القياسي المطبق لمعرفة ما إذا كان يمثل فعال حقيقة الواقع المدروس أم أنه يجب على الباحث‬
‫اختيار نموذج آخر أكثر واقعية‪.‬‬
‫‪ -5-1‬عالقة االقتصاد القياسي بالفروع االخرى‪:‬‬
‫يستمد االقتصاد القياسي أصوله من العلوم الثالث (االقتصاد‪ ،‬الرياضيات واالحصاء) إال أن التزاوج بين‬
‫هذه العلوم الثالث أسفر عن نشأة مجاالت جديدة للمعرفة فهناك االقتصاد الرياضي الذي نشأ من االقتصاد‬
‫والرياضيات‪ ،‬كما نجد اإلحصاء االقتصادي الذي نشأ بين اإلحصاء واالقتصاد‪ ،‬ثم اإلحصاء الرياضي الذي نشأ‬
‫بين اإلحصاء والرياضيات‪ .‬وهكذا يتب ين لنا أن االقتصاد القياسي ال يستمد أصوله المباشرة من االقتصاد‪،‬‬
‫الرياضيات واالحصاء فحسب‪ ،‬بل ومن الفروع األخرى التي تولدت من التداخل بين هذه العلوم الثالثة أيضا‪.‬‬
‫(داود و السواعي‪ ،2013 ،‬صفحة ‪)14‬‬
‫ويوضح الشكل (‪ ،) 1‬كيفية التداخل بين العلوم الثالث من ناحية والفروع التي نتجت عنها من ناحية‬
‫أخرى‪ ،‬وبالتالي ظهور علم جديد أطلق عليه تسمية االقتصاد القياسي في المنطقة المشتركة بينهم جميعا‪ ،‬وفيما‬
‫يلي نستعرض دور كل فرع من االقتصاد القياسي‪( :‬بخيت و فتح هللا‪ ،2009 ،‬الصفحات ‪)21-20‬‬
‫‪-7-‬‬
‫‪ -1-5-1‬النظرية االقتصادية‪:‬‬
‫تقوم بدراسة العالقة بين المتغيرات االقتصادية وما ينبغي أن تكون عليه هذه العالقات‪ .‬مثال‪ :‬تفترض‬
‫النظرية االقتصادية أنه مع بقاء العوامل األخرى ثابتة‪ ،‬فإن انخفاض سعر سلعة معينة يؤدي إلى زيادة الكمية‬
‫المطلوبة من هذه السلعة‪ ،‬غير أن النظرية لم تقدم لنا مقدار الزيادة أو النقصان في الكمية المطلوبة كنتيجة للتغير‬
‫(باالنخفاض أو االرتفاع) في سعر السلعة‪( .‬حامد ‪ ،1999 ،‬صفحة ‪)37‬‬
‫‪ -2-5-1‬االقتصاد الرياضي‪:‬‬
‫يهتم االقتصاد الرياضي بإعادة صياغة العالقة التي تم تحديدها باالعتماد على النظرية االقتصادية رياضيا‬
‫أي على هيئة معادالت ورموز رياضية بدون قياس أو برهنة عددية لتلك الصياغات‪ ،‬اما مسألة برهنتها هي مهمة‬
‫االقتصاد القياسي‪( .‬بخيت و فتح هللا‪ ،2009 ،‬الصفحات ‪)21-20‬‬
‫‪ -3-5-1‬االحصاء االقتصادي‪:‬‬
‫يقتصر دور اإلحصاء االقتصادي على تجميع البيانات االقتصادية وتسجيلها وتبويبها ثم عرضها في‬
‫صورة جداول أو أشكال ورسومات‪( ،‬حامد ‪ ،1999 ،‬صفحة ‪ )37‬وينصب دور االقتصاد القياسي على تحليل‬
‫واختبار نوع العالقة بين المتغيرات بهدف معرفة مدى مطابقة النتائج مع منطق العالقة االقتصادية‪( .‬بخيت و‬
‫فتح هللا‪ ،2009 ،‬صفحة ‪)21‬‬
‫‪ -4-5-1‬االحصاء الرياضي‪:‬‬
‫يساعد على توفير االدوات التي تستخدم في تحليل العالقات بين المتغيرات االقتصادية بالطرق الخاصة‬
‫لمعالجة االخطاء الناجمة عن التقدير تمهيدا الستخدامها في تحقيق أهداف االقتصاد القياسي‪( .‬بخيت و فتح هللا‪،‬‬
‫‪ ،2009‬صفحة ‪)21‬‬
‫‪-8-‬‬
‫الشكل ‪ :1‬يمثل عالقة االقتصاد القياسي بالفروع األخرى‬
‫المصدر‪( :‬داود و السواعي‪ ،2013 ،‬صفحة ‪)14‬‬
‫‪ -6-1‬أهداف االقتصاد القياسي‪:‬‬

‫يمكن التعرف على ثالث أهداف أساسية لالقتصاد القياسي وهي‪:‬‬
‫‪ -1-6-1‬اختبار النظرية االقتصادية‪:‬‬
‫إن تحليل واختبار النظرية االقتصادية يعد هدفا رئيسيا من أهداف االقتصاد القياسي‪ ،‬وال يمكن عد النظرية‬
‫االقتصادية صحيحة ومقبولة ما لم تجتز اختبا ار كميا عدديا يوضح قوة العالقة بين المتغيرات االقتصادية‪( .‬بخيت‬
‫و فتح هللا‪ ،2009 ،‬صفحة ‪)19‬‬
‫‪ -2-6-1‬رسم السياسات واتخاذ القرار االقتصادي‪:‬‬
‫كما يوفر االقتصاد القياسي التقدير الكمي أو العددي لهذه المعلمات أو المؤشرات التي تساعد في عملية‬
‫المقارنات ورسم السياسة االقتصادية واتخاذ الق اررات سواء على المستوى الكلي (الدولة) أو على المستوى الجزئي‬
‫(األفراد والمنشآت) ول ذلك فإن االقتصاد القياسي يعد أداة ضرورية لصياغة ورسم السياسة االقتصادية‪( .‬داود و‬
‫السواعي‪ ،2013 ،‬صفحة ‪)20‬‬
‫‪ -3-6-1‬التنبؤ باتجاه المتغيرات االقتصادية عبر الزمن‪:‬‬
‫إن أهم أهداف االقتصاد القياسي هو التنبؤ )‪ (Prediction‬بسلوك المتغيرات االقتصادية‪ ،‬وهو أمر من‬
‫الصعب االستغناء عنه في ظل ظروف التطور االقتصادي‪ .‬وقد خطا االقتصاديون مراحل متقدمة في تصميم‬
‫‪-9-‬‬
‫النماذج القياسية واسعة النطاق والتي يمكن استخدامها في التنبؤ بحالة اقتصاد ما في المستقبل‪( .‬الفتالوي و‬
‫الزبيدي‪ ،2011 ،‬صفحة ‪)22‬‬
‫‪ -7-1‬أنواع النماذج‪:‬‬
‫النموذج هو تصميم مبسط‪ ،‬يوضح المتغيرات األساسية في اقتصاد معين‪ ،‬ويحدد العالقات السببية فيما‬
‫بين هذه المتغيرات ومعها بلغ تعقيده ال يقدم شرحا مفصال لعالم الواقع‪ ،‬بل هو أداة تساعد على فهم عالم الواقع‬
‫الذي يصعب تحليله‪ ،‬ويسهم في كيفية حل مشكلة اقتصادية معينة‪( .‬عبد الرزاق‪ ،2017 ،‬صفحة ‪ )19‬وهناك‬
‫عدة أنواع من النماذج التي يمكن تصنيفها كما يلي‪:‬‬
‫‪ -1-7-1‬حسب التحليل االقتصادي‪:‬‬
‫▪ النماذج االقتصادية الكلية‪ :‬هي تلك النماذج االقتصادية التي تربط بين متغيرات اقتصادية‪ ،‬تتصل بالسلوك‬
‫العام والبنية العامة لالقتصاد‪ ،‬مثل االستهالك الكلي‪ ،‬االدخار الكلي‪ ،‬االستثمار العام ‪...‬إلخ‪.‬‬
‫▪ النماذج االقتصادية الجزئية‪ :‬هي تلك النماذج االقتصادية التي تتعلق بالبنية الفردية أو بالوحدات‬
‫االقتصادية‪ ،‬وهي تتناول السلوك االقتصادي لهذه الوحدات كعالقة الطلب الفردي التي تربط بين الكميات‬
‫المطلوبة من سلعة معينة وأسعار هذه السلعة‪( .‬شاكر و قتاوي‪ ،2006 ،‬الصفحات ‪)13-12‬‬
‫‪ -2-7-1‬حسب معيار الزمن‪:‬‬
‫▪ نماذج ساكنة‪ :‬وهي النماذج التي ال يكون الزمن أحد متغيراتها أو مؤث ار في تغيير قيم أحد المتغيرات‬
‫الداخلة فيها‪ ،‬أي بدون فترة ارتداد زمني‪.‬‬
‫▪ نماذج حركية (ديناميكية)‪ :‬وهي النماذج التي يكون الزمن أحد متغيراتها أو مؤثر في أحد متغيراتها‪،‬‬
‫وبالتالي توضح تأثير الزمن في المتغيرات االقتصادية‪ ،‬وتعد من أكثر النماذج واقعية‪( .‬بخيت و فتح‬
‫هللا‪ ،2009 ،‬صفحة ‪)26‬‬
‫‪ -8-1‬منهج البحث في االقتصاد القياسي‪:‬‬
‫يمر البحث في االقتصاد القياسي بأربعة مراحل يمكن إيجازها فيما يلي‪:‬‬
‫‪ -1-8-1‬مرحلة توصيف أو صياغة النموذج‪:‬‬
‫يعني توصيف النموذج تحديد المتغيرات المستقلة والتابعة‪ ،‬وتوقع نظري مسبق بقيمة وإشارة المعلمات‪.‬‬
‫وتعد هذه المرحلة أكثر المراحل أهمية‪ ،‬ألنها تقوم على خبرة ومهارة االقتصادي وتمكنه من المعرفة االقتصادية‪،‬‬
‫فخاللها يستعين بالنظرية االقتصادية إليجاد العالقة الدالية بين متغيرين أو أكثر تمهيدا لوضعها في النموذج‪ ،‬لذا‬
‫‪- 10 -‬‬
‫فهو يقوم بوضع عدد من الفرضيات حول تلك المتغيرات‪ .‬ويتوقف ذلك على مدى إمكانية وضع العالقة في صيغة‬
‫رياضية باستخدام المعادالت والرموز‪( .‬الفتالوي و الزبيدي‪ ،2011 ،‬صفحة ‪ )29‬لذا نجد أن المرحلة تنطوي على‬
‫خطوات عدة أهمها‪( :‬داود و السواعي‪ ،2013 ،‬صفحة ‪)22‬‬
‫‪ -‬تحديد متغيرات النموذج سواء المتغير التابع أو المتغيرات المستقلة (المفسرة) من واقع النظرية االقتصادية‬
‫وأي معلومات عن الظاهرة؛‬
‫‪ -‬تحديد عدد العالقات الداخلة في النموذج؛‬
‫‪ -‬تحديد الشكل الرياضي للنموذج فيما إذا كانت العالقات خطية أو غير خطية؛‬
‫‪ -‬تحديد اإلشارات والقيم المتوقعة للمعلمات‪ :‬غالبا ما تدلنا النظرية االقتصادية على إشارة المعلمات (سالبة‬
‫أو موجبة) وفق طبيعة استجابة المتغير التابع ألي من المتغيرات المستقلة‪ .‬كما تدلنا النظرية االقتصادية‬
‫أيضا على المدى الذي تقع فيه قيمة هذه المعلمات‪ ،‬فمعامل الميل الحدي لالستهالك يجب أ‪ ،‬يقع بين‬
‫الصفر والواحد الصحيح وهكذا؛‬
‫‪ -‬تحويل النموذج الرياضي إلى نموذج قياسي بإدخال المتغير العشوائي‪.‬‬
‫‪ -2-8-1‬مرحلة تقدير معلمات النموذج‪:‬‬
‫وتشمل تجميع البيانات (بيانات مقطعية‪ ،‬سالسل زمنية أو بيانات السالسل الزمنية المقطعية) تمييز الدالة‪.‬‬
‫اختبار درجة االرتباط فيما بين المتغيرات المستقلة لتحديد درجة أو مشكلة التعدد الخطي‪ .‬واختيار طريقة التقدير‬
‫المناسبة‪( .‬تومي‪ ،2011 ،‬صفحة ‪)8‬‬
‫‪ -3-8-1‬مرحلة تقييم المعلمات المقدرة من النموذج‪:‬‬
‫يجب في هذه المرحلة تقييم المعلمات المقدرة من الناحية االقتصادية واإلحصائية والقياسية‪ ،‬فمن الناحية‬
‫االقتصادية تجري عملية مقارنة بين قيم وإشارات معالم النموذج التي تم تقديرها مع القيم واإلشارات المتوقعة لهذه‬
‫المعلمات على ضوء النظرية االقتصادية‪ .‬ومن الناحية اإلحصائية فيتم اختبار معنوية المعلمات من خالل اختبار‬
‫)‪ (t‬ومعامل التحديد ) ‪ .(𝑅 2‬أما من الناحية القياسية فيتم اختبار مدى انسجام وتحقق الفروض الخاصة بالمتغير‬
‫العشوائي على النموذج القياسي المقترح حيث أن وجود االختالف يعني وجود مشاكل منها مشكلة االرتباط الذاتي‪،‬‬
‫التعدد الخطي وعدم تجانس التباين‪( .‬بخيت و فتح هللا‪ ،2009 ،‬صفحة ‪)29‬‬
‫‪- 11 -‬‬
‫‪ -4-8-1‬مرحلة اختبار قدرة النموذج على التنبؤ‪:‬‬

‫تمثل هذه المرحلة آخر مراحل بناء النموذج القياسي‪ ،‬والهدف النهائي لعملية البناء‪ .‬إن الغاية النهائية من‬
‫هذه العمليات هو تكوين نماذج اقتصادية تحتوي على معادالت يتم إيجاد قيم لمعلماتها‪ ،‬ليتم بعدها كتابة المعادالت‬
‫المقدرة والتي تستخدم للتنبؤ بقيم المتغيرات التابعة اعتمادا على قيم المعلمات والثوابت والقيم الحقيقية لمشاهدات‬
‫المتغيرات المستقلة والتي تكون معطاة أصال‪( .‬الفتالوي و الزبيدي‪ ،2011 ،‬صفحة ‪)31‬‬
‫الشكل (‪ :)1-1‬يمثل منهج البحث في االقتصاد القياسي‬
‫تص ية‬ ‫ية‬
‫ي‬ ‫و‬ ‫ب‬
‫بي ت‬ ‫ت ي‬
‫ية‬ ‫بو‬ ‫ي‬ ‫و‬ ‫ت ي وت يي‬
‫ية تص ية‬ ‫وت ي‬ ‫ف‬

‫ية‬ ‫ة و توص‬
‫تب‬ ‫تص ية ي‬
‫المصدر‪( :‬بخيت و فتح هللا‪ ،2009 ،‬صفحة ‪)30‬‬
‫‪ -9-1‬مقدمة حول حزمة من البرامج اإلحصائية‪:‬‬

‫سنتعرض إلى كيفية نقل ملف عمل من ‪ Excel‬إلى البرمجيات األربعة وهي‪:‬‬
‫)‪ (𝐺𝑟𝑒𝑡𝑙 2019𝑏, 𝑆𝑃𝑆𝑆 25, 𝑆𝑡𝑎𝑡𝑎 16, 𝐸𝑣𝑖𝑒𝑤𝑠 10‬بحيث تمكن الباحث من استخدام البرامج‬
‫األربعة السالفة الذكر‪ ،‬في الفصول الالحقة في حل التمارين واألمثلة‪:‬‬
‫‪- 12 -‬‬
‫‪ -1-9-1‬إنشاء ملف عمل في ‪:Excel‬‬
‫‪ -2-9-1‬نقل ملف العمل البرمجيات اإلحصائية‪:‬‬

‫‪ -1-2-9-1‬نقل ملف العمل إلى ‪:Eviews‬‬
‫✓ الخطوة األولى‪ :‬فتح برمجية )𝑠𝑤𝑒𝑖𝑣𝐸( ونقل ملف )𝑙𝑒𝑐𝑥𝐸( إليها كما في الشكل التالي‪:‬‬
‫‪- 13 -‬‬
‫لف )𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫ك ن بي ت ف‬ ‫الخطوة الثانية‪ :‬تح ي‬ ‫✓‬
‫✓ الخطوة الثالثة‪ :‬تحديد نوع البيانات (بيانات مقطعية‪ ،‬سالسل زمنية‪ ،‬سالسل زمنية مقطعية (بيانات بانل))‬
‫كما في الشكل التالي‪:‬‬
‫✓ الخطوة الرابعة‪ :‬تم نقل بيانات ملف ) 𝑙𝑒𝑐𝑥𝐸( إلى )𝑠𝑤𝑒𝑖𝑣𝐸( كما في الشكل التالي‪:‬‬
‫‪- 14 -‬‬
‫‪ -2-2-9-1‬نقل ملف العمل إلى ‪:SPSS‬‬

‫✓ الخطوة األولى‪ :‬فتح برمجية )𝑆𝑆𝑃𝑆( واتباع الخطوات كما في الشكل التالي‪:‬‬
‫ك ن لف ) 𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫الخطوة الثانية‪ :‬تح ي‬ ‫✓‬
‫‪- 15 -‬‬
‫لف )𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫ك ن بي ت ف‬ ‫الخطوة الثالثة‪ :‬تح ي‬ ‫✓‬
‫تح ي ك ن بي ت‬
‫ف لف ‪Excel‬‬
‫✓ الخطوة الرابعة‪ :‬تم نقل بيانات ملف ) 𝑙𝑒𝑐𝑥𝐸( إلى )𝑠𝑤𝑒𝑖𝑣𝐸( كما في الشكل التالي‪:‬‬
‫‪- 16 -‬‬
‫‪ -3-2-9-1‬نقل ملف العمل إلى ‪:Stata‬‬

‫✓ الخطوة األولى‪ :‬فتح برمجية ) 𝑎𝑡𝑎𝑡𝑆( واتباع الخطوات كما في الشكل التالي‪:‬‬
‫لف ) 𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫ك ن لف ) 𝑙𝑒𝑐𝑥𝐸( و ك ن بي ت ف‬ ‫الخطوة الثانية‪ :‬تح ي‬ ‫✓‬
‫‪- 17 -‬‬
‫✓ الخطوة الثالثة‪ :‬تم نقل بيانات ملف ) 𝑙𝑒𝑐𝑥𝐸( إلى ) 𝑎𝑡𝑎𝑡𝑆( كما في الشكل التالي‪:‬‬
‫‪ -4-2-9-1‬نقل ملف العمل إلى ‪:Gretl‬‬

‫✓ الخطوة األولى‪ :‬فتح برمجية )𝑙𝑡𝑒𝑟𝐺( واتباع الخطوات كما في الشكل التالي‪:‬‬
‫‪- 18 -‬‬
‫ك ن لف ) 𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫الخطوة الثانية‪ :‬تح ي‬ ‫✓‬
‫لف )𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫ك ن بي ت ف‬ ‫الخطوة الثالثة‪ :‬تح ي‬ ‫✓‬
‫✓ الخطوة الرابعة‪ :‬تم نقل بيانات ملف ) 𝑙𝑒𝑐𝑥𝐸( إلى ) 𝑎𝑡𝑎𝑡𝑆( كما في الشكل التالي‪:‬‬
‫‪- 19 -‬‬
‫الفصل الثاني‪:‬‬
‫االرتباط‬
‫الفصل الثاني‪ :‬ا الرتباط‬
‫‪ -1-2‬مقدمة‪:‬‬
‫يعد االرتباط من أكثر الطرق اإلحصائية استخداما في دراسة نوع عالقة االرتباط بين المتغيرات‬
‫المدروسة لمختلف العلوم‪ ،‬وتبرز الحاجة إليها في عدة مجاالت مثل المجال االقتصادي واإلداري وغيرها‬
‫من المجاالت حسب حاجة الباحثين‪ ،‬كدراسة العالقة بين الدخل الشهري وحجم االنفاق األسري‪ ،‬دراسة‬
‫العالقة بين أطول وأوزان عينة من الطلبة‪ ،‬العالقة بين الرياضة وحرق الدهون ‪...‬إلخ‪.‬‬
‫وسيتم التركيز في هذا الفصل على دراسة االرتباط البسيط واالرتباط الجزئي والمتعدد‪ ،‬ودراسة ارتباط‬
‫الرتب وكذلك اختبار المعنوية اإلحصائية للعالقة االرتباطية بين المتغيرات لكل نوع من أنواع االرتباط‪.‬‬
‫‪ -2-2‬مفهوم االرتباط‪:‬‬
‫أبرز ما يمكن االهتمام به عند دراسة االرتباط بشكل عام‪ ،‬هو معرفة إذا كانت هناك عالقة بين‬
‫متغيرين أو مجموعة من المتغيرات‪ .‬ويمكن أن تكون العالقة بين ظاهرتين ولتكن )‪ (X‬و )‪ (Y‬عالقة طردية‬
‫إذا كانت قيم )‪ (Y‬تميل إلى االرتفاع كلما ارتفعت قيم )‪ ،(X‬أما إذا كانت قيم )‪ (Y‬تميل إلى االنخفاض‬
‫كلما ارتفعت قيم )‪ (X‬فيقال بأن االرتباط سالب‪ .‬ومن خواص معامل االرتباط أن قيمته تقع بين ‪ 1-‬و‪1‬‬
‫وعندما تكون قيمته مساوية للصفر فيعني عدم وجود أي نوع من االرتباط‪( .‬البلداوي ‪ ،2007 ،‬صفحة‬
‫‪)165‬‬
‫المصدر‪( :‬طبية‪ ،2008 ،‬صفحة ‪)123‬‬
‫‪- 21 -‬‬
‫‪ -3-2‬معامل االرتباط البسيط )𝒓(‪:‬‬

‫والذي يدعى أيضا بمعامل ارتباط بيرسون‪ ،‬وهو مؤشر إحصائي يستخدم لقياس القوة االرتباطية‬
‫الخطية بين متغيرين كميين‪ ،‬أي (يمكن قياسهما كميا)‪ ،‬كقياس العالقة بين الدخل الشهري لألسرة وحجم‬
‫إنفاق العائلة الشهري‪ ،‬ويرجع الفضل للعالم اإلنجليزي كارل بيرسون )‪ (Karl Pearson‬ويمكن إيجاده وفق‬
‫الصيغة التالية‪(Bourbonnais, 2015, p. 8) :‬‬
‫)𝑌 ‪𝐶𝑜𝑣(𝑋,‬‬ ‫)̅𝑌 ‪∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅) (𝑌𝑖 −‬‬
‫𝑌𝑋𝑟‬ ‫=‬ ‫=‬ ‫)‪(2.1‬‬
‫𝑌𝛿 𝑋𝛿‬
‫‪√∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅)2 √∑𝑛𝑖=1(𝑌𝑖 − 𝑌̅)2‬‬
‫حيث أن‪:‬‬
‫)𝑌 ‪ :𝐶𝑜𝑣(𝑋,‬التباين المشترك أو التغاير بين )‪ (X‬و )‪(Y‬‬
‫𝑋𝛿 ‪ :‬االنحراف المعياري لـ )‪(X‬‬
‫𝑌𝛿 ‪ :‬االنحراف المعياري لـ )‪(Y‬‬
‫𝑛‪ :‬عدد المشاهدات‬
‫ويمكن أن نكتب معامل ارتباط بيرسون بصيغة بديلة‪ ،‬على النحو التالي‪:‬‬
‫𝑖𝑌 ‪𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − ∑𝑛𝑖=1 𝑋𝑖 ∑𝑛𝑖=1‬‬
‫= 𝑌𝑋𝑟‬ ‫)‪(2.2‬‬
‫‪2‬‬ ‫‪2‬‬
‫) 𝑖𝑌 ‪√𝑛 ∑𝑛𝑖=1 𝑋𝑖2 − (∑𝑛𝑖=1 𝑋𝑖 ) √𝑛 ∑𝑛𝑖=1 𝑌𝑖2 − (∑𝑛𝑖=1‬‬
‫‪ -1-3-2‬خصائص معامل االرتباط البسيط‪:‬‬

‫يتصف معامل االرتباط البسيط لبيرسون بالخصائص التالية‪( :‬طعمة و حنوش‪ ،2009 ،‬صفحة‬
‫‪)166‬‬
‫أ‪ -‬أن قيمة معامل االرتباط البسيط )𝑟( تقع ضمن المجال )‪ (−1 ≤ 𝑟 ≤ 1‬وعليه‪:‬‬
‫▪ )‪ (𝑟 = 1‬يوجد ارتباط تام موجب (عالقة طردية)؛‬
‫▪ )‪ (𝑟 = −1‬يوجد ارتباط تام سالب (عالقة عكسية)؛‬
‫▪ )‪ (𝑟 = 0‬ال يوجد ارتباط بين المتغيرين (ارتباط معدوم)‪.‬‬
‫والشكل التالي‪ ،‬يوضح ذلك‪:‬‬
‫‪- 22 -‬‬
‫الشكل (‪ :)1-2‬يمثل خصائص معامل االرتباط البسيط لبيرسون‪.‬‬
‫المصدر‪( :‬طعمة و حنوش‪ ،2009 ،‬صفحة ‪)166‬‬

‫ب‪ -‬أن أية تحويالت خطية تجري على قيم أحد المتغيرين )‪ (X‬أو )‪ (Y‬أو كليهما‪ ،‬ال تؤثر على قيمة‬
‫معامل االرتباط البسيط )𝑟( المحسوب للقيم الجديدة‪.‬‬
‫ج‪ -‬تتأثر قيمة معامل االرتباط البسيط لبيرسون بالقيم الشاذة‪ ،‬مما يتوجب على متخذ القرار‪ ،‬توخي الدقة‬
‫عند تفسير قيمة هذا المعامل‪.‬‬
‫مثال (‪:)1-2‬‬
‫إذا توفرت لديك البيانات التالية‪:‬‬
‫𝒊‬ ‫‪1 2 3 4 5 6 7 8 9 10‬‬

‫𝒊𝒀‬ ‫‪20 28 40 45 37 52 54 43 65 56‬‬
‫𝒊𝟏𝑿‬ ‫‪2 3 4 4 3 5 7 6 7 8‬‬
‫𝒊𝟐𝑿‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪7‬‬
‫المطلوب‪ :‬أحسب‪:‬‬
‫‪ -1‬معامل ارتباط 𝑖‪𝑟𝑌𝑖𝑋1‬؟ ما نوع العالقة؟‬
‫‪ -2‬معامل ارتباط 𝑖‪𝑟𝑌𝑖𝑋2‬؟ ما نوع العالقة؟‬
‫‪ -3‬من بين المتغيرين 𝑖‪ 𝑋1‬و 𝑖‪ 𝑋2‬أيهما يرتبط أكثر مع المتغير 𝑖𝑌 ؟‬
‫الحل‪:‬‬
‫‪- 23 -‬‬
‫‪𝑛 = 10 ∑ 𝑌𝑖 = 440 ∑ 𝑋1𝑖 = 49 ∑ 𝑋1𝑖 = 60 ∑ 𝑌𝑖 𝑋1𝑖 = 2374‬‬
‫‪∑ 𝑌𝑖 𝑋2𝑖 = 2711 ∑ 𝑌𝑖2 = 21008‬‬ ‫‪2‬‬

‫𝑖‪∑ 𝑋1‬‬ ‫‪2‬‬
‫𝑖‪= 277 ∑ 𝑋2‬‬ ‫‪= 366‬‬
‫) 𝑖‪𝑐𝑜𝑣(𝑌𝑖 , 𝑋1‬‬ ‫𝑖‪𝑛 ∑ 𝑌𝑖 𝑋1𝑖 − ∑ 𝑌𝑖 ∑ 𝑋1‬‬

‫= 𝑖‪𝑟𝑌𝑖𝑋1‬‬ ‫= 𝑖‪⟺ 𝑟𝑌𝑖 𝑋1‬‬
‫𝑖‪𝛿𝑌𝑖 𝛿𝑋1‬‬
‫𝑖‪√𝑛 ∑ 𝑌𝑖2 − (∑ 𝑌𝑖 )2 √𝑛 ∑ 𝑋1‬‬
‫‪2‬‬
‫‪− (∑ 𝑋1𝑖 )2‬‬
‫)‪10(2374)−(440)(49‬‬
‫= 𝑖‪⟺ 𝑟𝑌𝑖𝑋1‬‬ ‫‪= 0.8840‬‬
‫‪√10(21008)−(440)2 √10(277)−(49)2‬‬
‫نوع العالقة‪ :‬بما أن معامل ارتباط موجب‪ ،‬فنوع العالقة طردية‬
‫) 𝑖‪𝑐𝑜𝑣(𝑌𝑖 , 𝑋2‬‬ ‫𝑖‪𝑛 ∑ 𝑌𝑖 𝑋2𝑖 − ∑ 𝑌𝑖 ∑ 𝑋2‬‬

‫= 𝑖‪𝑟𝑌𝑖𝑋2‬‬ ‫= 𝑖‪⟺ 𝑟𝑌𝑖𝑋2‬‬
‫𝑖‪𝛿𝑌𝑖 𝛿𝑋2‬‬
‫𝑖‪√𝑛 ∑ 𝑌𝑖2 − (∑ 𝑌𝑖 )2 √𝑛 ∑ 𝑋2‬‬
‫‪2‬‬
‫‪− (∑ 𝑋2𝑖 )2‬‬
‫)‪10(2711)−(440)(60‬‬
‫= 𝑖‪⟺ 𝑟𝑌𝑖𝑋2‬‬ ‫‪= 0.7140‬‬
‫‪√10(21008)−(440)2 √10(366)−(60)2‬‬
‫نوع العالقة‪ :‬بما أن معامل ارتباط موجب‪ ،‬فنوع العالقة طردية‬
‫‪ -3‬بما أن 𝑖‪ 𝑟𝑌𝑖𝑋1‬أكبر من 𝑖‪ 𝑟𝑌𝑖𝑋2‬فإن المتغير 𝑖‪ 𝑋1‬هو الذي يرتبط أكثر مع المتغير 𝑖𝑌‪.‬‬
‫‪ -4-2‬معامل ارتباط الرتب‪:‬‬

‫يستخدم معامل ارتباط الرتب عندما تكون البيانات وصفية ويمكن إعطاءها رتبة معينة‪ ،‬وهناك‬
‫نوعان من معامالت ارتباط الرتب وهما معامل ارتباط الرتب لسبيرمان ومعامل ارتباط الرتب لكندال‪( .‬أبو‬
‫النصر‪ ،2004 ،‬صفحة ‪)237‬‬
‫‪ -1-4-2‬معامل ارتباط سبيرمان‪ :‬ويعطى معامل ارتباط الرتب بالعالقة التالية‪( :‬الزهيري ‪،2017 ،‬‬
‫صفحة ‪)322‬‬
‫‪6 ∑ 𝐷2‬‬
‫‪𝑟𝑠 = 1 −‬‬ ‫)‪(2.3‬‬
‫)‪𝑛(𝑛2 − 1‬‬
‫𝑠𝑟‪ :‬معامل ارتباط الرتب لسبيرمان‬
‫𝐷 ‪ :‬هي الفرق بين رتب أزواج المتغيرين‬
‫𝑛‪ :‬عدد المشاهدات‬
‫‪- 24 -‬‬
‫مثال (‪:)2-2‬‬
‫البيانات التالية تمثل التقديرات التي حصل عليها )‪ (12‬طالب في مادتي الرياضيات واإلنجليزية‪.‬‬
‫‪ C C B F D A D F A B F A‬تقديرات الرياضيات‬
‫‪ 85 70 65 90 80 55 80 95 60 65 90 55‬تقديرات اإلنجليزية‬
‫المطلوب‪:‬‬
‫‪ -4‬معامل ارتباط بين تقديرات الرياضيات واإلحصاء؟ ما نوع العالقة؟‬
‫‪ -5‬اختبر المعنوية اإلحصائية عند مستوى داللة إحصائية ‪0.01‬؟‬
‫‪ -1‬معامل االرتباط المناسب معامل ارتباط الرتب لسبيرمان‪:‬‬
‫تقديرات‬ ‫تقديرات‬
‫رتبة ‪X‬‬ ‫رتبة ‪Y‬‬ ‫‪D‬‬ ‫‪D2‬‬
‫الرياضيات ‪X‬‬ ‫اإلنجليزية ‪Y‬‬
‫‪C‬‬ ‫‪6‬‬ ‫‪6,5‬‬ ‫‪85‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪2,5‬‬ ‫‪6,25‬‬
‫‪C‬‬ ‫‪7‬‬ ‫‪6,5‬‬ ‫‪70‬‬ ‫‪7‬‬ ‫‪7‬‬ ‫‪-0,5‬‬ ‫‪0,25‬‬
‫‪B‬‬ ‫‪4‬‬ ‫‪4,5‬‬ ‫‪65‬‬ ‫‪8‬‬ ‫‪8,5‬‬ ‫‪-4‬‬ ‫‪16‬‬
‫‪F‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪90‬‬ ‫‪2‬‬ ‫‪2,5‬‬ ‫‪8,5‬‬ ‫‪72,25‬‬
‫‪D‬‬ ‫‪8‬‬ ‫‪8,5‬‬ ‫‪80‬‬ ‫‪5‬‬ ‫‪5,5‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪A‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪55‬‬ ‫‪11‬‬ ‫‪11,5‬‬ ‫‪-9,5‬‬ ‫‪90,25‬‬
‫‪D‬‬ ‫‪9‬‬ ‫‪8,5‬‬ ‫‪80‬‬ ‫‪6‬‬ ‫‪5,5‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪F‬‬ ‫‪11‬‬ ‫‪11‬‬ ‫‪95‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪10‬‬ ‫‪100‬‬
‫‪A‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪60‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪-8‬‬ ‫‪64‬‬
‫‪B‬‬ ‫‪5‬‬ ‫‪4,5‬‬ ‫‪65‬‬ ‫‪9‬‬ ‫‪8,5‬‬ ‫‪-4‬‬ ‫‪16‬‬
‫‪F‬‬ ‫‪12‬‬ ‫‪11‬‬ ‫‪90‬‬ ‫‪3‬‬ ‫‪2,5‬‬ ‫‪8,5‬‬ ‫‪72,25‬‬
‫‪A‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪55‬‬ ‫‪12‬‬ ‫‪11,5‬‬ ‫‪-9,5‬‬ ‫‪90,25‬‬
‫‪/////////‬‬ ‫‪/////////‬‬ ‫‪////////‬‬ ‫‪/////////‬‬ ‫المجموع ‪///////‬‬ ‫‪0‬‬ ‫‪545,5‬‬
‫‪6 ∑ 𝐷2‬‬ ‫)‪6(545.5‬‬
‫‪𝑟𝑋𝑌 = 1 −‬‬ ‫⇔‬ ‫= 𝑌𝑋𝑟‬ ‫)‪1 − 12(122 −1‬‬
‫)‪𝑛(𝑛2−1‬‬
‫⇔‬ ‫𝟑𝟕𝟎𝟗 ‪𝑟𝑋𝑌 = 1 − 1.9073 = −𝟎.‬‬
‫• نوع العالقة ‪ :‬بما أن معامل ارتباط الرتب سالب‪ ،‬أي وجود عالقة عكسية بين مادة‬
‫الرياضيات ومادة اإلنجليزية‪.‬‬
‫‪ -2‬إختبار معنوية معامل ارتباط الرتب لسبيرمان‪:‬‬
‫| 𝑌𝑋𝑟|‬ ‫|‪|−0.9073‬‬
‫= المحسوبة𝑡‬ ‫‪2‬‬
‫=‬ ‫‪2‬‬
‫‪ =6.8234‬المحسوبة𝒕 ⇒‬
‫𝑌𝑋𝑟‪√1−‬‬ ‫)‪√1−(−0.9073‬‬
‫‪𝑛−2‬‬ ‫‪12−2‬‬
‫‪𝛼⁄‬‬
‫‪2‬‬ ‫‪0.01‬‬ ‫‪0.01‬‬
‫𝑡‬ ‫المجدولة𝑡 =‬ ‫‪=𝑡10‬‬ ‫‪= 3.1693‬‬
‫المجدولة‬
‫‪- 25 -‬‬
‫‪0.01‬‬
‫المجدولة𝑡 ومنه نقبل الفرض البديل‪ ،‬أي يوجد إرتباط قوي سالب بين الرياضيات‬ ‫المحسوبة𝑡 <‬
‫واإلنجليزية‪.‬‬
‫وبالتالي الطلبة الذين هم متفوقون في الرياضيات يكون مستواهم ضعيف في مادة اإلنجليزية‬
‫والعكس صحيح‪.‬‬
‫مثال (‪:)3-2‬‬
‫البيانات التالية تمثل التقديرات التي حصل عليها )‪ (10‬طالب في مادتي الرياضيات‪ ،‬الفيزياء واإلنجليزية‪.‬‬
‫‪ D‬تقديرات الرياضيات‬ ‫‪C‬‬ ‫‪B‬‬ ‫‪F‬‬ ‫‪D‬‬ ‫‪A‬‬ ‫‪D‬‬ ‫‪F‬‬ ‫‪A‬‬ ‫‪B‬‬
‫‪ 70 70 90 60 65 95 60 55 85 95‬تقديرات الفيزياء‬
‫‪ 80 70 65 90 80 55 80 95 60 65‬تقديرات اإلنجليزية‬
‫• معامل ارتباط بين تقديرات الرياضيات والفيزياء؟ ما نوع العالقة؟‬
‫• معامل ارتباط بين تقديرات الرياضيات واإلنجليزية؟ ما نوع العالقة؟‬
‫• أي مادة ترتبط أكثر مع مادة الرياضيات؟‬
‫• اختبر المعنوية اإلحصائية عند مستوى داللة إحصائية ‪0.01‬؟‬
‫‪ -1‬معامل االرتباط المناسب معامل إرتباط الرتب لسبيرمان‪:‬‬
‫رتبة ‪X‬‬ ‫رتبة ‪Y‬‬ ‫‪D‬‬ ‫‪D2‬‬
‫الرياضيات ‪X‬‬ ‫الفيزياء ‪Y‬‬
‫‪D‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪70‬‬ ‫‪5‬‬ ‫‪5,5‬‬ ‫‪1,5‬‬ ‫‪2,25‬‬
‫‪C‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪70‬‬ ‫‪6‬‬ ‫‪5,5‬‬ ‫‪-0,5‬‬ ‫‪0,25‬‬
‫‪B‬‬ ‫‪3‬‬ ‫‪3,5‬‬ ‫‪90‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪0,5‬‬ ‫‪0,25‬‬
‫‪F‬‬ ‫‪9‬‬ ‫‪9,5‬‬ ‫‪60‬‬ ‫‪8‬‬ ‫‪8,5‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪D‬‬ ‫‪7‬‬ ‫‪7‬‬ ‫‪65‬‬ ‫‪7‬‬ ‫‪7‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪A‬‬ ‫‪1‬‬ ‫‪1,5‬‬ ‫‪95‬‬ ‫‪2‬‬ ‫‪1,5‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪D‬‬ ‫‪8‬‬ ‫‪7‬‬ ‫‪60‬‬ ‫‪9‬‬ ‫‪8,5‬‬ ‫‪-1,5‬‬ ‫‪2,25‬‬
‫‪F‬‬ ‫‪10‬‬ ‫‪9,5‬‬ ‫‪55‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪-0,5‬‬ ‫‪0,25‬‬
‫‪A‬‬ ‫‪2‬‬ ‫‪1,5‬‬ ‫‪85‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪-2,5‬‬ ‫‪6,25‬‬
‫‪B‬‬ ‫‪4‬‬ ‫‪3,5‬‬ ‫‪95‬‬ ‫‪1‬‬ ‫‪1,5‬‬ ‫‪2‬‬ ‫‪4‬‬
‫‪/////////‬‬ ‫‪/////////‬‬ ‫‪////////‬‬ ‫‪/////////‬‬ ‫المجموع ‪///////‬‬ ‫‪0‬‬ ‫‪16,5‬‬
‫‪6 ∑ 𝐷2‬‬ ‫)‪6(16.5‬‬
‫‪𝑟𝑋𝑌 = 1 −‬‬ ‫⇔‬ ‫‪𝑟𝑋𝑌 = 1‬‬ ‫)‪− 10(102−1‬‬
‫)‪𝑛(𝑛2−1‬‬
‫⇔‬ ‫𝟎𝟗 ‪𝑟𝑋𝑌 = 1 − 0.1 = 𝟎.‬‬
‫‪- 26 -‬‬
‫• نوع العالقة‪ :‬بما أن معامل ارتباط الرتب موجب‪ ،‬أي وجود عالقة طردية بين مادة الرياضيات‬
‫ومادة الفيزياء‪.‬‬
‫| 𝑌𝑋𝑟|‬ ‫‪0.9‬‬
‫=‬ ‫‪2‬‬
‫‪ =5.8400‬المحسوبة𝒕 ⇒‬
‫𝑌𝑋𝑟‪√1−‬‬ ‫)‪√1−(0.90‬‬
‫‪𝑛−2‬‬ ‫‪10−2‬‬
‫‪𝛼⁄‬‬
‫𝑡‬ ‫‪2‬‬
‫‪= 𝑡 0.01 =𝑡80.01‬‬ ‫‪= 3.3554‬‬
‫المجدولة‬ ‫المجدولة‬
‫المحسوبة𝑡 < ‪ 𝑡 0.01‬ومنه نقبل الفرض البديل‪ ،‬أي يوجد إرتباط قوي موجب بين الرياضيات والفيزياء‪.‬‬
‫وبالتالي الطلبة الذين هم متفوقون في الرياضيات يكونون متفوقين أيضا في مادة الفيزياء والعكس صحيح‬
‫‪ -3‬معامل االرتباط المناسب معامل إرتباط الرتب لسبيرمان‪:‬‬

‫رتبة ‪X‬‬ ‫رتبة ‪Z‬‬ ‫‪D‬‬ ‫‪D2‬‬
‫الرياضيات ‪X‬‬ ‫اإلنجليزية‪Z‬‬
‫‪D‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪80‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪C‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪70‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪-1‬‬ ‫‪1‬‬
‫‪B‬‬ ‫‪3‬‬ ‫‪3,5‬‬ ‫‪65‬‬ ‫‪7‬‬ ‫‪7,5‬‬ ‫‪-4‬‬ ‫‪16‬‬
‫‪F‬‬ ‫‪9‬‬ ‫‪9,5‬‬ ‫‪90‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪7,5‬‬ ‫‪56,25‬‬
‫‪D‬‬ ‫‪7‬‬ ‫‪7‬‬ ‫‪80‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪A‬‬ ‫‪1‬‬ ‫‪1,5‬‬ ‫‪55‬‬ ‫‪10‬‬ ‫‪10‬‬ ‫‪-8,5‬‬ ‫‪72,25‬‬
‫‪D‬‬ ‫‪8‬‬ ‫‪7‬‬ ‫‪80‬‬ ‫‪5‬‬ ‫‪4‬‬ ‫‪3‬‬ ‫‪9‬‬
‫‪F‬‬ ‫‪10‬‬ ‫‪9,5‬‬ ‫‪95‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪8,5‬‬ ‫‪72,25‬‬
‫‪A‬‬ ‫‪2‬‬ ‫‪1,5‬‬ ‫‪60‬‬ ‫‪9‬‬ ‫‪9‬‬ ‫‪-7,5‬‬ ‫‪56,25‬‬
‫‪B‬‬ ‫‪4‬‬ ‫‪3,5‬‬ ‫‪65‬‬ ‫‪8‬‬ ‫‪7,5‬‬ ‫‪-4‬‬ ‫‪16‬‬
‫‪/////////‬‬ ‫‪/////////‬‬ ‫‪////////‬‬ ‫‪/////////‬‬ ‫المجموع ‪///////‬‬ ‫‪0‬‬ ‫‪317‬‬
‫‪6 ∑ 𝐷2‬‬ ‫)‪6(317‬‬
‫= 𝑍𝑋𝑟‬ ‫⇔ )‪1 − 𝑛(𝑛2−1‬‬ ‫)‪𝑟𝑋𝑍 = 1 − 10(102−1‬‬
‫⇔‬ ‫𝟐𝟏𝟐𝟗 ‪𝑟𝑋𝑍 = 1 − 1.9212 = −𝟎.‬‬
‫• نوع العالقة‪ :‬بما أن معامل ارتباط الرتب سالب‪ ،‬أي وجود عالقة عكسية بين مادة الرياضيات‬
‫ومادة اإلنجليزية‪.‬‬
‫‪ -4‬المادة التي ترتبط أكثر مع مادة الرياضيات هي مادة اإلنجليزية‪( .‬االرتباط العكسي لمادة الرياضيات‬
‫مع اإلنجليزية هو أكبر من االرتباط الطردي مع مادة الفيزياء)‪.‬‬
‫‪ -5‬اختبار معنوية معامل ارتباط الرتب لسبيرمان‪:‬‬
‫‪- 27 -‬‬
‫| 𝑌𝑋𝑟|‬ ‫|‪|−0.9212‬‬
‫=‬ ‫‪2‬‬
‫‪ =6.6965‬المحسوبة𝒕 ⇒‬
‫𝑌𝑋𝑟‪√1−‬‬ ‫)‪√1−(−0.9212‬‬
‫‪𝑛−2‬‬ ‫‪10−2‬‬
‫‪𝛼⁄‬‬
‫‪0.01‬‬
‫المجدولة𝑡 = ‪𝑡 2‬‬ ‫‪=𝑡80.01‬‬ ‫‪= 3.3554‬‬
‫المحسوبة𝑡 < المجدولة𝑡 ومنه نقبل الفرض البديل‪ ،‬أي يوجد ارتباط قوي سالب بين الرياضيات واإلنجليزية‪.‬‬
‫‪0.01‬‬
‫وبالتالي الطلبة الذين هم متفوقون في الرياضيات يكون مستواهم ضعيف في مادة اإلنجليزية والعكس صحيح‬
‫‪ -2-4-2‬معامل ارتباط كندال‪:‬‬

‫يستخدم معامل ارتباط كندال في حساب العالقة بين متغيرين في القياس الرتبي‪ ،‬أي نفس الغرض من‬
‫استخدام معامل ارتباط سبيرمان في قياس ارتباط الرتب‪ ،‬وقيمته أقل من قيمتي معامل بيرسون ومعامل‬
‫سبيرمان‪ ،‬ويمكن إيجاده وفق الصيغة التالية‪ ( :‬الكناني‪)2014 ،‬‬
‫𝑛∑‬
‫𝐷 ‪𝑖=1‬‬
‫‪𝑟𝑋𝑌 = 1‬‬ ‫)‪(2.4‬‬
‫)‪𝑛(𝑛−1‬‬
‫‪2‬‬
‫𝐷 ‪ :∑𝑛𝑖=1‬عدد الرتب األكبر منها الموجود على اليسار‪ -‬عدد الرتب األصغر منها الموجود على‬
‫اليمين‪.‬‬
‫‪ -5-2‬معامل االرتباط الجزئي‪:‬‬
‫يقيس معامل االرتباط الجزئي قوة واتجاه العالقة الخطية بين متغيرين بعد عزل أو استبعاد أثر‬
‫المتغيرات األخرى‪ ،‬وأن الفرق بين معامل االرتباط الخطي البسيط ومعامل االرتباط الجزئي‪ ،‬هو أن األول‬
‫يقيس قوة واتجاه العالقة بين المتغيرين دون استبعاد تأثير المتغيرات األخرى‪ .‬في حين يقيس معامل االرتباط‬
‫الجزئي قوة واتجاه العالقة بعد استبعاد تأثير المتغيرات األخرى فمثال إذا كان لدينا ثالث متغيرات‬
‫فمن الممكن قياس االرتباط بين اثنين منهم مع عزل أثر الثالث باستخدام معامل االرتباط الجزئي‪ ،‬ويرمز‬
‫لمعامل االرتباط الجزئي بين المتغير ‪ Y‬و‪ X1‬مثال بعد استبعاد ‪ X2‬وبالتالي‪:‬‬
‫‪𝑟𝑌𝑋1 − 𝑟𝑌𝑋2 𝑟𝑋1 𝑋2‬‬
‫‪𝑟𝑌𝑋1 ,𝑋2‬‬ ‫=‬ ‫)‪(2.5‬‬
‫‪2 )(1‬‬ ‫) ‪2‬‬
‫‪√(1 − 𝑟𝑌𝑋2‬‬ ‫‪− 𝑟𝑋1 𝑋2‬‬
‫ويسمى معامل االرتباط في هذه الحالة بمعامل االرتباط الجزئي من الدرجة األولى حيث تمثل‬
‫الدرجة عدد المتغيرات المستبعد أثرها‪ ،‬ويسمى معامل االرتباط الخطي البسيط بمعامل االرتباط من الدرجة‬
‫‪- 28 -‬‬
‫صفر ل عدم وجود متغيرات تم استبعاد تأثيرها‪ ،‬وبصورة عامة يأخذ معامل االرتباط الجزئي من المرتبة‬
‫) ‪(𝑘 − 1‬على النحو التالي‪:‬‬
‫𝑘𝑋‪𝑟𝑌𝑋1 ,𝑋2 …….‬‬ ‫)‪(2.6‬‬
‫‪ -6-2‬استخدام البرامج اإلحصائية‪:‬‬

‫باستخدام بيانات المثال (‪ )1-2‬مع معامل االرتباط البسيط لبيرسون حسب البرمجيات األربعة‬
‫)‪ (𝐺𝑟𝑒𝑡𝑙 2019𝑏, 𝑆𝑃𝑆𝑆 25, 𝑆𝑡𝑎𝑡𝑎 16, 𝐸𝑣𝑖𝑒𝑤𝑠 10‬للحصول على قيمته ومن ثم المعنوية‬
‫اإلحصائية كما يلي‪:‬‬
‫‪ -1-6-2‬استخدام برمجية ‪: Eviews 10‬‬
‫✓ الخطوة األولى‪ :‬نقوم بتضليل المتغيرات الثالث وجعلهم في مجموعة )‪ ،(as Groupe‬وتتبع الخطوات‬
‫حسب الشكل التالي‪:‬‬
‫✓ الخطوة الثانية‪ :‬نقوم بالضغط على األمر ) 𝑤𝑒𝑖𝑉( ومن ثم األمر )𝑠𝑖𝑠𝑦𝑙𝑎𝑛𝐴 𝑒𝑐𝑛𝑎𝑖𝑟𝑎𝑣𝑜𝐶(‬
‫‪- 29 -‬‬
‫✓ الخطوة الثالثة‪ :‬تنبثق لنا النافذة التالية ونقوم باختيار األمر )𝑦𝑟𝑎𝑛𝑖𝑑𝑟𝑂( والضغط على الخيارات‬
‫األخرى ومن ثم الضغط على األمر ) 𝐾𝑂( حسب الشكل التالي‪:‬‬
‫✓ الخطوة الرابعة‪ :‬الحصول على قيمة معامل االرتباط البسيط لبيرسون والمعنوية اإلحصائية حسب‬
‫الشكل التالي‪:‬‬
‫‪- 30 -‬‬
‫‪ -2-6-2‬استخدام برمجية ‪:SPSS 25‬‬

‫✓ الخطوة األولى‪ :‬نقوم بالضغط على األمر ) 𝑒𝑠𝑦𝑙𝑎𝑛𝐴( ومن ثم األمر )𝑛𝑜𝑖𝑡𝑎𝑙‪ (𝐶𝑜𝑟𝑟é‬فاألمر‬
‫) 𝑒‪ (𝐵𝑖𝑣𝑎𝑟𝑖é‬حسب الشكل التالي‪:‬‬
‫✓ الخطوة الثانية‪ :‬تنبثق لنا النافذة‪ ،‬ونتبع الخطوات ومن ثم الضغط على األمر ) 𝐾𝑂( حسب الشكل‬
‫التالي‪:‬‬
‫‪- 31 -‬‬
‫ ا الرتباط‬:‫الفصل الثاني‬
‫ الحصول على قيمة معامل االرتباط البسيط لبيرسون والمعنوية اإلحصائية حسب الشكل‬:‫✓ الخطوة الثالثة‬
:‫التالي‬
Corrélations
Y X1 X2
Y Corrélation de Pearson 1 ,884** ,714*
Sig. (bilatérale) ,001 ,020
N 10 10 10
X1 Corrélation de Pearson ,884** 1 ,739*

N 10 10 10
X2 Corrélation de Pearson ,714* ,739* 1

N 10 10 10
**. La corrélation est significative au niveau 0.01 (bilatéral).

*. La corrélation est significative au niveau 0.05 (bilatéral).
:STATA 16 ‫ استخدام برمجية‬-3-6-2

‫ نقوم بالضغط على األمر )𝑠𝑐𝑖𝑡𝑠𝑖𝑡𝑎𝑡𝑆( وتتبع الخيرات حتى الوصول إلى األمر‬:‫✓ الخطوة األولى‬
:‫)𝑠𝑒𝑐𝑛𝑎𝑖𝑟𝑎𝑣𝑜𝑐 𝑑𝑛𝑎 𝑛𝑜𝑖𝑡𝑎𝑙𝑒𝑟𝑟𝑜𝐶( حسب الشكل التالي‬
- 32 -
‫✓ الخطوة الثالثة‪ :‬الحصول على قيمة معامل االرتباط البسيط لبيرسون حسب الشكل التالي‪:‬‬
‫‪. correlate Y X1 X2‬‬ ‫)‪(obs=10‬‬
‫|‬ ‫‪Y‬‬ ‫‪X1‬‬ ‫‪X2‬‬

‫‪-------------+---------------------------‬‬
‫| ‪Y‬‬ ‫‪1.0000‬‬
‫| ‪X1‬‬ ‫‪0.8840‬‬ ‫‪1.0000‬‬
‫| ‪X2‬‬ ‫‪0.7140‬‬ ‫‪0.7393‬‬ ‫‪1.0000‬‬
‫‪- 33 -‬‬
‫‪ -4-6-2‬استخدام برمجية ‪:Gretl‬‬

‫✓ الخطوة األولى‪ :‬نقوم بالضغط على األمر ) 𝑤𝑒𝑖𝑉( ومن ثم األمر )𝑥𝑖𝑟𝑡𝑎𝑚 𝑛𝑜𝑖𝑡𝑎𝑙𝑒𝑟𝑟𝑜𝐶(‬
‫✓ الخطوة الثالثة‪ :‬الحصول على قيمة معامل االرتباط البسيط لبيرسون حسب الشكل التالي‪:‬‬
‫‪- 34 -‬‬
‫‪ -7-2‬تمارين مقترحة‪:‬‬
‫التمرين ‪ :1‬لدراسة العالقة بين أعمار طالب إحدى المدارس (‪ )x‬بالسنة وأوزانهم (‪ )y‬بالكيلو جرام اختير‬
‫(‪ )8‬طالب فتحصلنا على النتائج اآلتية‪:‬‬
‫‪x=88‬‬ ‫‪y = 224‬‬ ‫‪ x y = 2488‬‬
‫‪x2=984‬‬ ‫‪y2 = 6336‬‬
‫أ‪ -‬احسب معامل ارتباط بيرسون بين المتغيرين‪.‬‬
‫ب‪ -‬اختبر المعنوية اإلحصائية عند مستوى داللة إحصائية ‪0.05‬؟ و‪ 0.01‬ماذا تالحظ؟‬
‫التمرين ‪ :2‬لدراسة العالقة بين الدخل (‪ )x‬واالستهالك (‪ )y‬أخذت عينة من األسر فأعطت النتائج اآلتية‪:‬‬
‫الدخل‬ ‫‪5 4 5 6 9 10 9 12 11 9‬‬
‫‪ 5 4 5 5 8 6 8 11 10 8‬االستهالك‬
‫ا – احسب معامل ارتباط بيرسون بين المتغيرين؟‬

‫ب – احسب معامل ارتباط سبيرمان بين المتغيرين؟‬
‫ج‪ -‬اختبر المعنوية اإلحصائية عند مستوى داللة إحصائية ‪0.05‬؟‬
‫التمرين ‪ :3‬أحسب معامل ارتباط الرتب (سبيرمان) بين تقديرات ثمانية من الطلبة في مادتي الرياضيات‬
‫واإلحصاء من البيانات اآلتية‪:‬‬
‫‪ C B F D A B B A‬تقديرات الرياضيات‬
‫‪ 75 75 55 60 90 80 80 95‬درجات اإلحصاء‬
‫التمرين ‪ :4‬البيانات اآلتية توضح المبالغ المصروفة على الدعاية ( باآللف ) إلحدى المؤسسات في عدة‬
‫مناطق ‪ ,‬وحجم المبيعات (باآللف ) في تلك المناطق‪-:‬‬
‫مصاريف الدعاية (‪)x‬‬ ‫‪5‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪3 1‬‬
‫المبيعات(‪)y‬‬ ‫‪20 15 10 25 12 18 5‬‬
‫ا – احسب معامل ارتباط بيرسون بين الظاهرتين علماً بأن‪:‬‬

‫ب‪ -‬اختبر المعنوية اإلحصائية عند مستوى داللة إحصائية ‪0.05‬؟‬
‫‪- 35 -‬‬
‫التمرين ‪ :5‬إذا كان معروف أن هناك عالقة بين فترة اإلصابة بمرض ما‪ ،‬و عدد البكتريا في العضو‬
‫المصاب‪ ،‬تم اختيار عينه من (‪ )12‬مصاباً بهذا المرض وتم عد البكتريا لديهم عند دخولهم المستشفى‬
‫وسجلت أطوال فترات إصابتهم بالمرض فحصلنا على ما يلي‪-:‬‬
‫‪ 8 7 4 6 9 7 8 3 9 5 7 5‬عدد البكتريا (باألنف) (‪)x‬‬
‫‪ 11 10 9 8 12 9 13 7 10 6 11 8‬فتره االصابه (باليوم) ‪y‬‬
‫أوجد‪:‬‬
‫ا ‪ -‬معامل ارتباط بيرسون بين المتغيرين‪.‬‬
‫ب‪ -‬اختبر المعنوية اإلحصائية عند مستوى داللة إحصائية ‪0.05‬؟‬
‫ج‪ -‬اختبر المعنوية اإلحصائية عند مستوى داللة إحصائية ‪0.01‬؟‬
‫التمرين ‪ :6‬احسب معامل االرتباط المناسب بين التقديرات التي حصل عليها (‪ )8‬طالب في مادتي‬
‫الرياضيات والفيزياء‪.‬‬
‫‪ D C B F D A D F‬تقديرات الرياضيات‬
‫تقديرات الفيزياء‬ ‫‪D C A C D C B F‬‬
‫‪- 36 -‬‬
‫الفصل الثالث‪:‬‬
‫النموذج الخطي البسيط‬

‫الفصل الثالث‪ :‬النموذج الخطي البسيط‬
‫‪ -1-3‬مقدمة‪:‬‬
‫إن أول من استخدم مفهوم نماذج االنحدار هو العالم اإلنجليزي "فرانسيس كالتون" (‪-1822‬‬
‫‪ ،)1911‬وعلى وجه التحديد في التطبيقات البيولوجية ‪ ،‬بهدف الكشف عن العالقات فيما بين المتغيرات‬
‫البيولوجية (طعمة و حنوش‪ ،2009 ،‬صفحة ‪ ،)213‬وانتقلت لتشمل باقي العلوم الطبيعية واإلدارية‬
‫واالقتصادية‪ ،‬وتعتبر نماذج االنحدار في مجال االقتصادي أداة علمية في تحليل االقتصاد الكلي للتعبير‬
‫عن العالقات التي تربط المتغيرات االقتصادية فيما بينها‪ ،‬ألغراض عملية التنبؤ بأحد المتغيرات االقتصادية‪.‬‬
‫‪ -2-3‬صياغة وتقدير النموذج الخطي البسيط‪:‬‬
‫يعد النموذج الخطي البسيط‪ ،‬أبسط أشكال النماذج الرياضية‪ ،‬فهو عبارة عن عملية تقدير العالقة‬
‫الخطية بين متغيرين أحدهما تابع واآلخر مستقل‪ ،‬كما في نموذج االنحدار اآلتي‪(Bachioua, 2011, :‬‬
‫)‪p. 137‬‬
‫𝑖𝑈 ‪𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 +‬‬ ‫)‪(3.1‬‬
‫يمثل ) 𝑖𝑌( مشاهدات المتغير التابع مثل (اإلنفاق العائلي)‪ ،‬في حين يمثل ) 𝑖𝑋( مشاهدات المتغير‬
‫المستقل مثل (دخل األسرة)‪ ،‬في حين يمثل ) 𝑖𝑈( الخطأ العشوائي (يجب وجوده في النموذج ألنه ليس لدينا‬
‫عالقة تامة بين المتغيرين) والذي يمثل التغيرات الحاصلة في المتغير التابع نتيجة تأثير عدة متغيرات أخرى‬
‫غير مدروسة‪ .‬وأن ) ‪ (𝛽0‬و) ‪ (𝛽1‬تمثل معلمات نموذج االنحدار الخطي البسيط للمجتمع‪ ،‬وتستخدم إحدى‬
‫طرق التقدير في تقدير معلمات خط االنحدار البسيط للعينة‪ ،‬مثل طريقة المربعات الصغرى العادية‪،‬‬
‫(الزبيدي‪ ،2013 ،‬صفحة ‪ )189‬أي تقدير معلمات النموذج اآلتي‪:‬‬
‫𝑖𝑋 ‪̂𝑖 = 𝛽̂0 + 𝛽̂1‬‬

‫𝑌‬ ‫)‪(3.2‬‬
‫𝑌( يمثل القيم المقدرة للمتغير التابع من خالل النموذج المقدر أعاله‪ ،‬وأن ) ‪ (𝛽̂0‬و) ‪ (𝛽̂1‬تمثل‬
‫) 𝑖̂‬
‫معلمات النموذج المقدرة من العينة والتي يمكن حسابهما من خالل الصيغتين التاليتين‪:‬‬
‫𝑛 ‪1‬‬
‫)̅𝑌 ‪𝐶𝑜𝑣 (𝑋, 𝑌) 𝑛 ∑𝑖=1(𝑋𝑖 − 𝑋̅) (𝑌𝑖 −‬‬
‫= ‪𝛽̂1‬‬ ‫=‬
‫)𝑋( 𝑉‬ ‫𝑛 ‪1‬‬ ‫‪̅ )2‬‬
‫( ∑‬
‫𝑋 ‪𝑛 𝑖=1 𝑋𝑖 −‬‬
‫)̅𝑌 ‪∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅) (𝑌𝑖 −‬‬
‫=‬ ‫)‪(3.3‬‬
‫‪∑𝑛𝑖=1(𝑋𝑖 − 𝑋̅)2‬‬
‫ويمكن أن‪ ،‬يكتب كذلك كما يلي‪:‬‬

‫‪- 38 -‬‬
‫𝑛 ‪1‬‬
‫∑‬ ‫̅𝑌̅𝑋‪𝑋 𝑌 −‬‬ ‫𝑛∑ 𝑛‬ ‫𝑛‬ ‫𝑛‬
‫𝑖 𝑖 ‪𝑛 𝑖=1‬‬ ‫𝑖𝑌 ‪𝑖=1 𝑋𝑖 𝑌𝑖 −∑𝑖=1 𝑋𝑖 ∑𝑖=1‬‬
‫= ‪𝛽̂1‬‬ ‫𝑛 ‪1‬‬ ‫=‬ ‫‪2‬‬ ‫)‪(3.4‬‬
‫∑‬ ‫‪𝑋 2 −𝑋̅ 2‬‬ ‫𝑛∑ 𝑛‬ ‫‪2‬‬ ‫𝑛‬
‫) 𝑖𝑋 ‪𝑖=1 𝑋𝑖 −(∑𝑖=1‬‬
‫𝑖 ‪𝑛 𝑖=1‬‬
‫̅𝑋 ‪𝛽̂0 = 𝑌̅ − 𝛽̂1‬‬ ‫)‪(3.5‬‬
‫‪ -3-3‬الفروض األساسية للخطأ العشوائي‪:‬‬
‫قبل الخوض في خصائص الخطأ العشوائي‪ ،‬البد من القاء الضوء على المصادر األساسية لحدوث‬
‫هذا الخطأ حيث يمكن ارجاعه إلى عدة أسباب أهمها ما يلي‪( :‬كاظم و محمود‪ ،1999 ،‬صفحة ‪)39‬‬
‫‪ -‬حذف بعض المتغيرات من الدالة المدروسة؛‬

‫‪ -‬السلوك العشوائي للجنس البشري؛‬
‫‪ -‬الصياغة الناقصة للنموذج القياسي؛‬
‫‪ -‬أخطاء التجميع؛‬
‫‪ -‬أخطاء القياس‪.‬‬
‫يترتب على إسقاط هذا االفتراض حدوث أخطاء تحديد تتمثل فيما يلي‪( :‬شيخي‪ ،2011 ،‬صفحة ‪)20‬‬
‫‪ -‬تحديد خاطئ للمتغيرات المستقلة‪ :‬ويتمثل ذلك في إغفال متغيرات مستقلة هامة في نموذج‬
‫االنحدار المراد تقديره‪ ،‬أو احتواء هذا النموذج على متغيرات مستقلة غير هامة‪.‬‬
‫‪ -‬تغير معامالت االنحدار‪ :‬إن معامالت االنحدار قد ال تظل ثابتة أثناء الفترة الزمنية التي تم تجميع‬
‫البيانات عنها‪.‬‬
‫‪ -‬العالقة الحقيقية بين المتغير التابع والمستقل قد تكون غير خطية‬
‫ومن الجدير بالذكر أن مصادر األخطاء األربعة األولى تؤدي إلى إعطاء شكل خاطئ للمعادلة‪ ،‬وتعرف‬
‫عادة باألخطاء في المعادالت )‪ ،(Errors in Equations‬أما المصدر الخامس للخطأ فيسمى بخطأ‬
‫القياس للمشاهدة ذاتها‪ ،‬وإلخذ مثل هذه األخطاء في االعتبار يستوجب اإللمام بخواص الخطأ العشوائي‬
‫) 𝑖𝑈( في العالقة الخطية المدروسة‪( .‬الحسناوي‪ ،2002 ،‬صفحة ‪)12‬‬
‫✓ الفرضية األولى‪ :‬أن الخطأ العشوائي ) 𝑖𝑈( متغير حقيقي‪ ،‬تعتمد قيمته على الصدفة‪ ،‬فقد تكون موجبة‬
‫أو سالبة أو مساوية للصفر‪ ،‬والقيمة المتوقعة له أي متوسطه يكون مساوي للصفر )‪ .(𝐸 (𝑈) = 0‬ويمكن‬
‫إثبات ذلك رياضيا على النحو التالي‪( :‬الفتالوي و الزبيدي‪ ،2011 ،‬الصفحات ‪)42-41‬‬
‫𝑖𝑈 ‪𝑌𝑖 = 𝛽0 + 𝛽1 𝑋𝑖 +‬‬ ‫)‪(3.6‬‬

‫𝑖𝑋 ‪𝑈𝑖 = 𝑌𝑖 − 𝛽0 − 𝛽1‬‬ ‫)‪(3.7‬‬
‫‪- 39 -‬‬
‫وبأخذ الجمع لطرفي المعادلة‪:‬‬
‫) 𝑖𝑋 ‪∑ 𝑈𝑖 = ∑(𝑌𝑖 − 𝛽0 − 𝛽1‬‬ ‫)‪(3.8‬‬
‫وبما أن تقدير ) ‪ (𝛽0‬هو‪:‬‬
‫̅𝑋 ‪𝛽0 = 𝑌̅ − 𝛽1‬‬ ‫)‪(3.9‬‬
‫وبتعويض قيمة ) ‪ (𝛽0‬في المعادلة (‪ )...‬نحصل على‪:‬‬
‫) 𝑖𝑋 ‪∑ 𝑈𝑖 = ∑(𝑌𝑖 − 𝑌̅ + 𝛽1 𝑋̅ − 𝛽1‬‬
‫𝑖𝑋 ∑ ‪∑ 𝑈𝑖 = ∑ 𝑌𝑖 − 𝑛𝑌̅ + 𝛽1 𝑛𝑋̅ − 𝛽1‬‬
‫‪∑ 𝑈𝑖 = 0‬‬
‫✓ الفرضية الثانية‪ :‬أن تباين الخطأ العشوائي ) 𝑖𝑈( حول متوسطها ثابتا عند كل فترة زمنية بالنسبة‬
‫لجميع قيم المتغير المستقل ) 𝑖𝑋( أي‪:‬‬
‫‪𝑉𝑎𝑟(𝑈𝑖 ) = 𝐸 [𝑈𝑖 − 𝐸 (𝑈)]2 = 𝜎𝑢2‬‬ ‫)‪(3.10‬‬
‫✓ الفرضية الثالثة‪ :‬أن ) 𝑖𝑈( يتوزع توزيعا طبيعيا‪.‬‬
‫أي أن توزيع ) 𝑖𝑈( حول متوسطاتها يكون على شكل جرس‪ ،‬ويكون متماثال عند كل قيمة من قيم المتغير‬
‫المستقل ) 𝑖𝑋(‪ .‬ويمكن أن يكتب بشكل مختصر كما يلي‪:‬‬
‫) ‪𝑈𝑖 ~𝑁(0, 𝜎𝑢2‬‬
‫ويمكن تمثيل ذلك بيانيا‪:‬‬
‫المصدر‪( :‬كاظم ا‪ ،2012 ،.‬صفحة ‪)5‬‬
‫‪- 40 -‬‬
‫✓ الفرضية الرابعة‪ :‬أن القيم المختلفة للخطأ العشوائي ) 𝑖𝑈( تكون مستقلة عن بعضها البعض‪ ،‬أي أن‬
‫التباين المشترك ألي ) 𝑖𝑈( يكون مساويا للصفر‪ ،‬وأن قيمته في السنة ) 𝑡( ال تعتمد على قيمته في فترة‬
‫أخرى‪.‬‬
‫‪𝐶𝑜𝑣(𝑈𝑖 𝑈𝑗 ) = 0‬‬ ‫𝑗 ≠ 𝑖∀‬ ‫)‪(3.11‬‬
‫𝑛 ‪𝑖, 𝑗 = 1,2, … .‬‬
‫✓ الفرضية الخامسة‪ :‬قيم الخطأ العشوائي ) 𝑖𝑈( تكون مستقلة عن قيم المتغيرات المستقلة‪ ،‬أي أن التباين‬
‫المشترك بينهما يكون مساويا للصفر‪ .(𝐶𝑜𝑣(𝑈𝑖 𝑋𝑖 ) = 0) .‬ويتحقق هذا الفرض بثبوت قيم المتغير‬
‫المستقل ) 𝑖𝑋( من عينة إلى أخرى‪.‬‬
‫ويمكن إثبات ذلك كما يلي‪( :‬الفتالوي و الزبيدي‪ ،2011 ،‬صفحة ‪)43‬‬
‫])) 𝑖𝑋( 𝐸 ‪𝐶𝑜𝑣(𝑈𝑖 𝑋𝑖 ) = 𝐸[(𝑈𝑖 − 𝐸 (𝑈𝑖 ))(𝑋𝑖 −‬‬
‫])) 𝑖𝑋( 𝐸 ‪𝐶𝑜𝑣(𝑈𝑖 𝑋𝑖 ) = 𝐸[𝑈𝑖 (𝑋𝑖 −‬‬ ‫‪𝐸 (𝑈𝑖 ) = 0‬‬

‫) 𝑖𝑈(𝐸) 𝑖𝑋( 𝐸 ‪𝐶𝑜𝑣(𝑈𝑖 𝑋𝑖 ) = 𝐸 (𝑋𝑖 𝑈𝑖 ) −‬‬
‫) 𝑖𝑈 𝑖𝑋( 𝐸 = ) 𝑖𝑋 𝑖𝑈(𝑣𝑜𝐶‬
‫‪𝐶𝑜𝑣(𝑈𝑖 𝑋𝑖 ) = 𝑋𝑖 𝐸(𝑈𝑖 ) = 0‬‬ ‫)‪(3.12‬‬
‫ألن قيم المتغير المستقل ) 𝑖𝑋( ثابته‬
‫‪ -4-3‬خصائص مقدرات المربعات الصغرى‪:‬‬
‫إلثبات أن ‪ 𝛽̂0‬و ‪ 𝛽̂1‬أفضل تقدير غير متحيز لكل من ‪ 𝛽0‬و ‪ 𝛽1‬يجب تحقق الشروط الثالثة‬
‫التالية‪:‬‬
‫‪ -1-4-3‬خاصية الخطية‪:‬‬
‫يقصد بها أن معلمات النموذج عبارة عن تشكيلة أو أوزان من المتغير التابع‪ ،‬أو أنها دوال خطية‬
‫في قيم العينة للمتغير التابع‪ ،‬وبما أنه يمكن كتابة المعلمات ‪ 𝛽̂0‬و‪ 𝛽̂1‬كاآلتي‪( :‬الفتالوي و الزبيدي‪،‬‬
‫‪ ،2011‬الصفحات ‪)68-67‬‬
‫𝑛𝑌 𝑛𝑤 ‪𝛽̂1 = 𝑤1 𝑌1 + 𝑤2 𝑌2 … … +‬‬ ‫)‪(3.13‬‬

‫𝑛‬
‫‪1‬‬
‫𝑖𝑌 ) 𝑖𝑤̅𝑋 ‪𝛽̂0 = ∑ ( +‬‬ ‫)‪(3.14‬‬
‫𝑛‬
‫‪𝑖=1‬‬
‫‪- 41 -‬‬
‫𝑖𝑥‬
‫= 𝑖𝑤‬ ‫)‪(3.15‬‬
‫‪∑𝑛𝑖=1 𝑥𝑖2‬‬
‫وبالتالي ‪ 𝛽̂0‬و‪ 𝛽̂1‬هما دالتان خطيتان من قيم المتغير التابع‪.‬‬
‫‪ -2-4-3‬خاصية عدم التحيز‪:‬‬
‫التحيز هو ذلك الفرق بين مقدرة ما ووسط توزيعها‪ ،‬فإذا كان هذا الفرق يختلف عن الصفر نقول‬
‫عن ذلك المقدر بأنه متحيز‪ .‬وإذا عدنا إلى مقدرتي المربعات الصغرى فإننا نجد ‪، 𝐸(𝛽̂0 ) = 𝛽0‬‬
‫‪ 𝐸(𝛽̂1 ) = 𝛽1‬ومنه نقول أن ‪ 𝛽̂0‬و‪ 𝛽̂1‬هما مقدرتين غير متحيزتين ل ‪ 𝛽0‬و ‪ 𝛽1‬على التوالي‪( .‬شيخي‪،‬‬
‫‪ ،2011‬صفحة ‪)22‬‬
‫‪ -3-4-3‬خاصية األفضلية (أقل تباين)‪:‬‬
‫يقصد بأن تقدير معلمات طريقة المربعات الصغرى هي األفضل‪ ،‬ألن لديها أصغر تباين بين كل‬
‫التقديرات غير المتحيزة‪ ،‬وبالتالي يمكن إيجاد تباين المعلمات التي تحقق خاصية األفضلية كما يلي‪:‬‬
‫‪∑𝑛𝑖=1 𝑋𝑖2‬‬
‫‪𝜎̂𝛽̂20‬‬ ‫=‬ ‫( ‪𝜎̂𝑈2‬‬ ‫)‬ ‫)‪(3.16‬‬
‫‪𝑛 ∑𝑛𝑖=1 𝑥𝑖2‬‬
‫‪1‬‬
‫) ‪𝜎̂𝛽̂21 = 𝜎̂𝑈2 ( 𝑛 2‬‬ ‫)‪(3.17‬‬
‫𝑖𝑥 ‪∑𝑖=1‬‬
‫‪∑𝑛𝑖=1 𝜀𝑖2‬‬
‫‪𝜎̂𝑈2‬‬ ‫=‬ ‫)‪(3.18‬‬
‫‪𝑛−2‬‬
‫‪ -5-3‬اختبار فرضيات النموذج الخطي البسيط‬
‫يقدم تحليل اختبار الفروض اإلحصائية أهمية في تحليل االنحدار الخطي البسيط من خالل‬
‫االختبارات اإلحصائية التالية‪:‬‬
‫‪ -1-5-3‬اختبار المعنوية اإلحصائية للمعلمات‪ :‬نستخدم اختبار ‪ (T-Statistic) T‬الختبار معنوية‬
‫المعلمات المقدرة‪ ،‬أي تأثير كل متغير مستقل ) ‪ (𝑋1‬على المتغير التابع 𝑌‪ ،‬وذلك حسب الفروض التالية‪:‬‬
‫‪𝐻0 : 𝑏𝑗 = 0‬‬
‫{‬ ‫𝑘 ‪𝑗 = 0,1,2, … ,‬‬
‫‪𝐻1 : 𝑏𝑗 ≠ 0‬‬
‫ويكتب اختبار (‪ )T‬بالصيغة التالية‪:‬‬
‫|‪|𝑏̂𝑗 − 𝑏𝑗 | |𝑏̂𝑗 − 0‬‬
‫=𝑇‬ ‫=‬ ‫𝛼‪~𝑡𝑛−2,‬‬ ‫)‪(3.19‬‬
‫̂𝑏̂𝛿‬ ‫𝑗‬
‫̂𝑏̂𝛿‬ ‫‪2‬‬
‫𝑗‬
‫‪- 42 -‬‬
‫وبعد حساب قيمة (‪ )T‬تقارن قيمته مع القيمة الجدولية بدرجة حرية (‪ )n-2‬وعند مستوى معنوية معين‬
‫لتحديد قبول أو رفض فرضية العدم‪ ،‬ومن ثم اختبار معنوية المعلمات المقدرة‪ ،‬فإذا كانت‪:‬‬
‫‪ T -‬المحسوبة أكبر من ‪ t‬المجدولة نقبل الفرض البديل وبالتالي المتغير المستقل ) ‪ (𝑋1‬يؤثر في المتغير‬
‫التابع ‪.Y‬‬
‫‪ T -‬المحسوبة أقل من ‪ t‬المجدولة نقبل الفرض الصفري وبالتالي المتغير المستقل ) ‪ (𝑋1‬ال يؤثر في‬
‫المتغير التابع ‪.Y‬‬
‫‪ -2-5-3‬معامل التحديد‪ :‬يستخدم معامل التحديد كمقياس يحدد القدرة التفسيرية لنموذج الخطي البسيط‪،‬‬
‫بعبارة أخرى هو مقياس يوضح نسبة مساهمة متغير مستقل واحد في تفسير التغير الحاصل في المتغير‬
‫التابع‪ ،‬وتتراوح قيمته بين (‪ )0،1‬ويمكن كتابته بالصيغة التالية‪:‬‬
‫𝑆𝑆𝑅‬
‫𝑆𝑆𝑇 = ‪𝑅2‬‬ ‫)‪(3.20‬‬
‫ويمكن كتابته أيضاً‪:‬‬

‫𝑆𝑆𝐸‬
‫‪𝑅2 = 1 −‬‬
‫𝑆𝑆𝑇‬
‫𝑛‬
‫‪2‬‬
‫)̅𝑌 ‪RSS (Regression Sum of Squares) = ∑(𝑌̂𝑖 −‬‬
‫‪𝑖=1‬‬
‫𝑛‬
‫‪2‬‬
‫)̂𝑌 ‪ESS (Error Sum of Squares) = ∑(𝑌𝑖 −‬‬
‫‪𝑖=1‬‬
‫=)‪TSS (Total Sum of Squares‬‬ ‫𝑖𝑌(‪∑𝑛𝑖=1‬‬ ‫‪− 𝑌̅)2‬‬
‫وباستخدام المصفوفات يمكن كتابة صيغة معامل التحديد (‪ )R2‬كما يلي‪:‬‬
‫∑‬ ‫𝑛‬
‫‪𝑖=1‬‬
‫‪̂𝑖 − 𝑌̅)2‬‬
‫𝑌(‬
‫𝑛 = ‪𝑅2‬‬ ‫)‪(3.21‬‬
‫‪∑𝑖=1(𝑌𝑖 − 𝑌̅)2‬‬
‫‪ -3-5-3‬اختبار المعنوية الكلية للنموذج الخطي البسيط‪ :‬يمكن اختبار المعنوية الكلية للنموذج باستخدام‬
‫اختبار (‪ (F-Statistic) )F‬الذي يهدف إلى اختبار مدى معنوية العالقة الخطية حسب الفروض التالية‪:‬‬
‫‪𝐻 :𝑏 =0‬‬
‫‪{ 0 1‬‬
‫‪𝐻1 : 𝑏1 ≠ 0‬‬
‫بعد حساب قيمة )𝐹( تقارن مع قيمتها الجدولية بدرجة حرية )‪ (1‬و )‪ (𝑛 − 2‬للبسط والمقام وعند مستوى‬
‫معنوية معين‪ ،‬ويكتب اختبار بالصيغة التالية‪:‬‬
‫‪- 43 -‬‬
‫‪2‬‬
‫‪∑𝑛𝑖=1(𝑌̂𝑖 − 𝑌̅) ⁄‬‬ ‫‪𝑆𝑆𝑅⁄‬‬
‫=𝐹‬ ‫‪1‬‬ ‫=‬ ‫‪1‬‬
‫‪∑𝑖=1(𝑌𝑖 − 𝑌̂) ⁄‬‬
‫𝑛‬ ‫‪2‬‬ ‫‪𝑆𝑆𝐸⁄‬‬
‫‪𝑛−2‬‬
‫‪𝑛−2‬‬
‫‪𝑅 2⁄‬‬
‫=‬ ‫‪1‬‬ ‫)‪~𝐹𝑘,𝑛−𝑘−1 (3.22‬‬
‫‪2‬‬
‫‪(1 − 𝑅 )⁄‬‬
‫‪𝑛−2‬‬
‫بعد حساب قيمة )‪ (F‬تقارن مع قيمتها الجدولية بدرجة حرية )‪ (1‬و )‪ (n-2‬للبسط والمقام وعند مستوى‬
‫معنوية معين‪ ،‬فإذا كانت‪:‬‬
‫‪ F -‬المحسوبة أكبر من ‪ F‬الجدولية نقبل الفرض البديل ‪ .𝐻1‬أي أن المتغير المستقل ) ‪ (𝑋1‬قيمته تختلف‬
‫عن الصفر‪ ،‬وبذلك نحكم بوجود عالقة خطية بينه والمتغير التابع ‪ ،Y‬أي النموذج ككل معنوي‪( .‬الفتالوي‬
‫و الزبيدي‪)2011 ،‬‬
‫‪ F -‬المحسوبة أقل من ‪ F‬الجدولية نقبل فرضية العدم ‪ ،𝐻0‬أي أن المتغير المستقل ) ‪ (𝑋1‬قيمته مساوية‬
‫للصفر‪ .‬أي انعدام العالقة الخطية بينه والمتغير التابع ‪ ،Y‬أي النموذج ككل غير معنوي‪.‬‬
‫مثال (‪:)1-3‬‬
‫في عينة مكونة من (‪ )15‬موظف‪ ،‬تم قياس معدالت أدائهم ) 𝑖𝑌( بحسب عدد سنوات الخبرة في‬
‫العمل ) 𝑖𝑋(‪ ،‬والنتائج موضحة في الجدول التالي‪:‬‬
‫‪1‬‬ ‫‪2 3 4 5‬‬ ‫‪6 7 8 9‬‬ ‫‪10 11‬‬ ‫‪12‬‬ ‫‪13 14 15‬‬
‫𝑖𝑌‬ ‫‪15 17,5 19 17 18 19,5 17 15 18 15,5 12 14,5 18,5 15 16‬‬
‫𝑖𝑋‬ ‫‪2‬‬ ‫‪7 12 8 10‬‬ ‫‪14 7 4 8‬‬ ‫‪5 3‬‬ ‫‪4‬‬ ‫‪12 5 6‬‬
‫‪ -1‬أرسم شكل االنتشار بين معدل األداء وسنوات الخبرة؟‬
‫‪ -2‬قدر نموذج االنحدار الخطي البسيط؟‬
‫‪ -3‬أوجد معامل االرتباط‪ ،‬من قيمة معلمة ميل االنحدار؟‬
‫شكل االنتشار بين معدل األداء الذي يمثل المحور العمودي‪ ،‬وسنوات الخبرة التي تمثل المحور‬
‫األفقي هي كما يلي‪:‬‬
‫‪- 44 -‬‬
‫الشكل ‪ :1‬يمثل شكل االنتشار بين معدل األداء وسنوات الخبرة‬
‫من خالل شكل االنتشار نالحظ وجود عالقة خطية بين معدل األداء‪ ،‬وسنوات الخبرة‪ ،‬حيث‬
‫نالحظ من خالل العينة المختارة أن بزيادة سنوات الخبرة يزداد معدل األداء للموظفين (عالقة طردية)‪.‬‬
‫‪ -2‬تقدير النموذج الخطي بين معدل األداء وسنوات الخبرة‪:‬‬
‫‪𝑛 = 15‬‬ ‫‪∑𝑛𝑖=1 𝑌𝑖 = 247.5‬‬ ‫= 𝑖𝑌 𝑖𝑋 ‪∑𝑛𝑖=1 𝑋𝑖 = 107 ∑𝑛𝑖=1 𝑋𝑖2 = 941 ∑𝑛𝑖=1‬‬
‫‪1857‬‬
‫𝑖𝑌 ‪𝑛 ∑𝑛𝑖=1 𝑋𝑖 𝑌𝑖 − ∑𝑛𝑖=1 𝑋𝑖 ∑𝑛𝑖=1‬‬
‫= ‪𝛽̂1‬‬ ‫‪2‬‬
‫) 𝑖𝑋 ‪𝑛 ∑𝑛𝑖=1 𝑋𝑖2 − (∑𝑛𝑖=1‬‬
‫)‪15(1857) − (107)(247.5‬‬
‫=‬ ‫𝟖𝟒𝟏𝟓 ‪= 𝟎.‬‬
‫‪15(941) − (107)2‬‬
‫‪247‬‬ ‫‪107‬‬
‫𝟒𝟒𝟗𝟕 ‪𝛽̂0 = 𝑌̅ − 𝛽̂1 𝑋̅ ⇔ 𝛽̂0 = ( 15 ) − 0.5148 ∗ ( 15 ) = 𝟏𝟐.‬‬
‫‪ -3‬أيجاد معامل االرتباط‪ ،‬من قيمة معلمة ميل االنحدار‪:‬‬
‫‪∑𝑛𝑖=1 𝑌𝑖2 − 𝑛𝑌̅ 2‬‬ ‫‪4141.25 − 15(16.5)2‬‬

‫√ = 𝑌𝑆‬ ‫√=‬ ‫𝟔𝟔𝟐𝟎 ‪= 𝟐.‬‬
‫‪𝑛−1‬‬ ‫‪15 − 1‬‬
‫‪107 2‬‬
‫‪∑𝑛 𝑋 2‬‬
‫𝑖 ‪√ 𝑖=1‬‬
‫‪− 𝑛𝑋̅ 2‬‬ ‫) ‪√941 − 15 ( 15‬‬
‫= 𝑋𝑆‬ ‫=‬ ‫𝟎𝟑𝟔𝟓 ‪= 𝟑.‬‬
‫‪𝑛−1‬‬ ‫‪15 − 1‬‬
‫‪- 45 -‬‬
‫وبالتالي معامل االرتباط يكتب على النحو التالي‪:‬‬
‫𝑋𝑆‬ ‫‪3.5630‬‬
‫= 𝑌𝑋𝑟‬ ‫= ‪∗ 𝛽̂1‬‬ ‫𝟏𝟓𝟎𝟗 ‪∗ (0.5148) = 𝟎.‬‬
‫𝑌𝑆‬ ‫‪2.0266‬‬
‫وعليه يمكن القول بأنه يوجد ارتباط طردي قوي بين معدل األداء وعدد سنوات الخبرة‪ ،‬حسب العينة‬
‫المدروسة‪.‬‬
‫مثال (‪:)2-3‬‬
‫قام باحث بأخذ عينة من ‪ 12‬أسرة لدراسة أثر الدخل المتاح لألسرة )𝐗( على االستهالك العائلي‬
‫)𝐘( فتحصل على المعطيات التالية‪:‬‬
‫‪∑ 𝑋𝑖 𝑌𝑖 = 17487‬‬ ‫‪∑ 𝑌𝑖 = 378‬‬ ‫‪∑ 𝑋𝑖 = 456‬‬
‫̅𝑋 ‪∑ 𝑥𝑖 = 3938 / 𝑥𝑖 = 𝑋𝑖 −‬‬
‫‪2‬‬ ‫̅𝑌 ‪∑ 𝑦𝑖 = 2539 / 𝑦𝑖 = 𝑌𝑖 −‬‬
‫‪2‬‬
‫‪ .1‬قدر معلمات النموذج الخطي البسيط؟‬

‫‪ .2‬استنتج قيمة معامل التحديد ‪R2‬؟ فسر ذلك؟‬
‫‪ .3‬هل النموذج القياسي مقبول من الناحية االقتصادية؟ علل ذلك؟‬
‫‪n=12‬‬ ‫‪∑ 𝑋𝑖 𝑌𝑖 = 17487‬‬ ‫‪∑ 𝑌𝑖 = 378‬‬ ‫‪∑ 𝑋𝑖 = 456‬‬
‫̅𝑋 ‪∑ 𝑥𝑖2 = 3938 / 𝑥𝑖 = 𝑋𝑖 −‬‬ ‫‪∑ 𝑦𝑖2 = 2539 /‬‬ ‫̅𝑌 ‪𝑦𝑖 = 𝑌𝑖 −‬‬
‫‪ .1‬تقدير معلمات النموذج الخطي البسيط‪:‬‬
‫𝑖𝑌 ∑ 𝑖𝑋 ∑‬ ‫)‪(456)(378‬‬
‫‪∑ 𝑥𝑖 𝑦𝑖 = ∑ 𝑋𝑖 𝑌𝑖 −‬‬ ‫‪= 17487 −‬‬ ‫𝟑𝟐𝟏𝟑 =‬
‫𝑛‬ ‫‪12‬‬
‫𝑖𝑦 𝑖𝑥 ∑‬ ‫‪3123‬‬
‫= ̂𝑏‬ ‫⇔‬ ‫𝑏‬‫=̂‬
‫‪∑ 𝑥𝑖2‬‬ ‫‪3938‬‬
‫𝒃 ⇒‬‫𝟎𝟑𝟗𝟕 ‪̂ = 𝟎.‬‬
‫‪378‬‬ ‫‪456‬‬
‫( = ̂𝑎 ⇔ ̅𝑋 ̂𝑏 ‪𝑎̂ = 𝑌̅ −‬‬ ‫( )‪) − (0.7930‬‬ ‫)‬
‫‪12‬‬ ‫‪12‬‬
‫)‪⇔ 𝑎̂ = (31.5) − (0.7930)(38‬‬ ‫𝒂 ⇒‬ ‫𝟎𝟔𝟔𝟑 ‪̂ = 𝟏.‬‬
‫ومنه النموذج المقدر‪:‬‬
‫𝑡𝑋 ‪𝑌̂𝑡 = 1.3660 − 0.7930‬‬
‫‪ .2‬استنتاج قيمة معامل التحديد ‪:R2‬‬
‫‪- 46 -‬‬
‫𝟒𝟕𝟎𝟒 ‪SCE = 𝑏̂ 𝟐 ∑ 𝑥𝑖2 = (0.7930)2 (3938) = 𝟐𝟒𝟕𝟔.‬‬
‫‪SCT = ∑ 𝑦𝑖2 = 2539‬‬

‫‪𝑆𝐶𝐸 2476.4074‬‬
‫= ‪𝑅2‬‬ ‫=‬ ‫𝟑𝟓𝟕𝟗 ‪⇔ 𝑹𝟐 = 𝟎.‬‬
‫𝑇𝐶𝑆‬ ‫‪2539‬‬
‫النتيجة‪ X :‬يفسر ‪ Y‬بنسبة ‪ %97.53‬والباقي يترك إلى عوامل أخرى تدخل في مجال الخطأ‪.‬‬
‫‪ .3‬النموذج القياسي ومدى صالحيته من الناحية االقتصادية‪ ،‬مع التعليل‪:‬‬

‫✓ ) ̂𝑏( يمثل الميل الحدي لالستهالك وجاءت قيمته موجبة أي بزيادة الدخل يزداد االستهالك‪،‬‬
‫‪ ، 0 ≤ 𝑏̂ = 0.7930 ≤ 1‬وعلية الميل الحدي‬ ‫وقيمته محصورة بين الصفر والواحد أي‬
‫لالستهالك قيمته موافقة للنظرية االقتصادية؛‬
‫✓ )̂𝑎( يمثل االستهالك االبتدائي‪ ،‬أي قيمة االستهالك لما يكون الدخل معدوم‪ ،‬وبما أن إشارته‬
‫موجبة وأكبر من الصفر فهي موافقة للنظرية االقتصادية‪.‬‬

‫باستخدام بيانات المثال (‪ )1-3‬نقوم بتقدير النموذج الخطي البسيط حسب البرمجيات األربعة‬
‫)‪ (𝐺𝑟𝑒𝑡𝑙 2019𝑏, 𝑆𝑃𝑆𝑆 25, 𝑆𝑡𝑎𝑡𝑎 16, 𝐸𝑣𝑖𝑒𝑤𝑠 10‬كما يلي‪:‬‬
‫✓ الخطوة األولى‪ :‬نقوم بالضغط على األمر ) 𝑘𝑐𝑖𝑢𝑄( ومن ثم األمر )𝑛𝑜𝑖𝑡𝑎𝑢𝑞𝐸 𝑒𝑡𝑎𝑚𝑖𝑡𝑠𝐸(‬
‫‪- 47 -‬‬
‫✓ الخطوة الثانية‪ :‬تنبثق لنا النافذة التالية ونقوم بكتابة العبارة )𝑥 𝑐 𝑦( ومن ثم الضغط على األمر‬
‫) 𝐾𝑂( حسب الشكل التالي‪:‬‬
‫✓ الخطوة الثالثة‪ :‬الحصول على القيم المقدرة للمعلمات واالختبارات االحصائية حسب الجدول التالي‪:‬‬

‫✓ الخطوة األولى‪ :‬نقوم بالضغط على األمر ) 𝑒𝑠𝑦𝑙𝑎𝑛𝐴( ومن ثم األمر )𝑛𝑜𝑖𝑠𝑠𝑒𝑟𝑔‪ (𝑅é‬فاألمر‬
‫) 𝑒𝑟𝑖𝑎‪ (𝐿𝑖𝑛é‬حسب الشكل التالي‪:‬‬
‫‪- 48 -‬‬
‫✓ الخطوة الثالثة‪ :‬الحصول على القيم المقدرة للمعلمات واالختبارات االحصائية حسب الجداول التالية‪:‬‬
‫‪Régression‬‬
‫‪Variables introduites/éliminéesa‬‬
‫‪Modèle‬‬ ‫‪Variables introduites‬‬ ‫‪Variables éliminées‬‬ ‫‪Méthode‬‬

‫‪b‬‬
‫‪1‬‬ ‫‪x‬‬ ‫‪. Introduire‬‬
‫‪a. Variable dépendante : y‬‬
‫‪b. Toutes les variables demandées ont été introduites.‬‬
‫‪- 49 -‬‬
‫ النموذج الخطي البسيط‬:‫الفصل الثالث‬
Récapitulatif des modèles

Modèle R R-deux R-deux ajusté Erreur standard de l'estimation
a
1 ,905 ,819 ,805 ,8942
a. Prédicteurs : (Constante), x
ANOVAa
Somme des
Modèle carrés ddl Carré moyen F Sig.
1 Régression 47,106 1 47,106 58,914 ,000b
de Student 10,394 13 ,800
Total 57,500 14
a. Variable dépendante : y
b. Prédicteurs : (Constante), x
Coefficientsa
Coefficients
Coefficients non standardisés standardisés
Modèle B Erreur standard Bêta t Sig.
1 (Constante) 12,828 ,531 24,147 ,000
x ,515 ,067 ,905 7,676 ,000
a. Variable dépendante : y

‫ نقوم بالضغط على األمر )𝑠𝑐𝑖𝑡𝑠𝑖𝑡𝑎𝑡𝑆( وتتبع الخيارات حتى الوصول إلى األمر‬:‫✓ الخطوة األولى‬
:‫)𝑛𝑜𝑖𝑠𝑠𝑒𝑟𝑔𝑒𝑟 𝑟𝑎𝑒𝑛𝑖𝐿( حسب الشكل التالي‬
- 50 -
‫اختيار المتغير المستقل‬
‫‪.regress y x‬‬
‫| ‪Source‬‬ ‫‪SS‬‬ ‫‪df‬‬ ‫‪MS‬‬ ‫‪Number of obs‬‬ ‫=‬ ‫‪15‬‬

‫)‪----------------------------------+-------------F(1, 13‬‬ ‫=‬ ‫‪58.91‬‬
‫‪Model | 47.1056827‬‬ ‫‪1 47.1056827‬‬ ‫‪Prob > F‬‬ ‫=‬ ‫‪0.0000‬‬
‫‪Residual | 10.3943173‬‬ ‫‪13 .799562871‬‬ ‫‪R-squared‬‬ ‫=‬ ‫‪0.8192‬‬
‫‪----------------------------------+-------------Adj R-squared‬‬ ‫=‬ ‫‪0.8053‬‬
‫| ‪Total‬‬ ‫‪57.5‬‬ ‫‪14 4.10714286‬‬ ‫‪Root MSE‬‬ ‫=‬ ‫‪.89418‬‬
‫‪------------------------------------------------------------------------------‬‬
‫| ‪y‬‬ ‫‪Coef.‬‬ ‫‪Std. Err.‬‬ ‫‪t‬‬ ‫|‪P>|t‬‬ ‫]‪[95% Conf. Interval‬‬
‫‪----------------------------------------------------------------+-------------‬‬
‫| ‪x‬‬ ‫‪.5148162‬‬ ‫‪.0670721‬‬ ‫‪7.68‬‬ ‫‪0.000‬‬ ‫‪.3699158‬‬ ‫‪.6597167‬‬
‫_‬ ‫| ‪cons‬‬ ‫‪12.82764‬‬ ‫‪.5312403‬‬ ‫‪24.15‬‬ ‫‪0.000‬‬ ‫‪11.67997‬‬ ‫‪13.97532‬‬
‫‪------------------------------------------------------------------------------‬‬
‫‪- 51 -‬‬

‫✓ الخطوة األولى‪ :‬نقوم بالضغط على األمر ) 𝑙𝑒𝑑𝑜𝑀( ومن ثم األمر )𝑠𝑒𝑟𝑎𝑢𝑞𝑆 𝑡𝑠𝑎𝐿 𝑦𝑟𝑎𝑛𝑖𝑑𝑟𝑂(‬
‫‪- 52 -‬‬
‫‪Model 1: OLS, using observations 1-15‬‬
‫‪Dependent variable: y‬‬
‫‪Coefficient‬‬ ‫‪Std. Error‬‬ ‫‪t-ratio‬‬ ‫‪p-value‬‬

‫‪const‬‬ ‫‪12.8276‬‬ ‫‪0.531240‬‬ ‫‪24.15‬‬ ‫‪<0.0001‬‬ ‫***‬
‫‪x‬‬ ‫‪0.514816‬‬ ‫‪0.0670721‬‬ ‫‪7.676‬‬ ‫‪<0.0001‬‬ ‫***‬
‫‪Mean dependent var‬‬ ‫‪16.50000‬‬ ‫‪S.D. dependent var‬‬ ‫‪2.026609‬‬

‫‪Sum squared resid‬‬ ‫‪10.39432‬‬ ‫‪S.E. of regression‬‬ ‫‪0.894183‬‬
‫‪R-squared‬‬ ‫‪0.819229‬‬ ‫‪Adjusted R-squared‬‬ ‫‪0.805324‬‬
‫)‪F(1, 13‬‬ ‫‪58.91429‬‬ ‫)‪P-value(F‬‬ ‫‪3.51e-06‬‬
‫‪Log-likelihood‬‬ ‫‪−18.53315‬‬ ‫‪Akaike criterion‬‬ ‫‪41.06629‬‬
‫‪Schwarz criterion‬‬ ‫‪42.48239‬‬ ‫‪Hannan-Quinn‬‬ ‫‪41.05121‬‬
‫التمرين األول‪:‬‬
‫نعتبر النموذج الخطي البسيط‪:‬‬
‫𝑡𝑈 ‪Yt = 𝑎 + 𝑏 𝑋𝑡 +‬‬
‫𝑡𝜀 ‪Yt = 𝑎̂ + 𝑏̂ 𝑋𝑡 +‬‬
‫‪ -1‬أذكر الفرق بين ‪ a‬و ‪ b‬من ناحية و ̂𝑎 و ̂𝑏 من ناحية أخرى؟‬
‫‪ -2‬أذكر الفرق بين 𝑡𝑈 و 𝑡‪ε‬؟‬
‫‪ -3‬ما هي فرضيات طريقة المربعات الصغرى العادية؟‬
‫التمرين الثاني‪:‬‬
‫إذا توفرت لديك المعطيات التالية‪:‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫المجموع‬
‫‪y‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪18‬‬ ‫‪24‬‬ ‫‪30‬‬ ‫‪97‬‬
‫‪x‬‬ ‫‪50‬‬ ‫‪75‬‬ ‫‪90‬‬ ‫‪121‬‬ ‫‪148‬‬ ‫‪485‬‬
‫‪ -1‬أرس م ممم ش م ممكل االنتش م ممار لبيانات الجدول وحدد بالنظر ما إذا كانت توجد عالقة خطية تقريبية بين ‪ X‬و‬
‫‪Y‬؟‬
‫‪ -2‬قدر نموذج االنحدار الخطي؟ أرسم م ممم خط االنحدار وبين االنحرافات كل من ‪ Yi‬عن القيمة المناظرة‬
‫‪ Yi‬؟‬
‫‪- 53 -‬‬
‫‪ 𝜎̂𝑏̂ ، 𝜎̂𝑏̂2 ، 𝜎̂𝑎̂ ، 𝜎̂𝑎2̂ ،σ‬؟‬

‫‪ -3‬أوجد كل من‪̂2𝑢 :‬‬
‫‪ -4‬أذكر الفرض الصفري والفرض البديل الختبار المعنوية اإلحصائية لمعالم االنحدار المقدرة؟‬
‫وأي توزيع يجب استخدامه الختبار المعنوية اإلحصائية لكل من ‪ a‬و ‪b‬؟‬
‫‪ -5‬أختبر عند مستوى معنوية ‪ %5‬كل من ‪ a‬و ‪ b‬؟‬
‫‪ -6‬كون مجال الثقة عند ‪ %95‬لكل من ‪ a‬و ‪b‬؟‬
‫‪ -7‬أوجد معامل التحديد ‪ R2‬؟ ماذا تستنتج؟‬
‫التمرين الثالث‪:‬‬
‫إذا توفرت المعطيات التالية‪:‬‬
‫‪𝑛 = 10‬‬ ‫‪𝑣𝑎𝑟(𝑋) = 8.25‬‬ ‫‪𝑣𝑎𝑟(𝑌) = 175.16‬‬ ‫‪𝑐𝑜𝑣(𝑋, 𝑌) = 35.2‬‬
‫‪𝑋̅ = 5.5‬‬ ‫‪𝑌̅ = 26.2‬‬
‫‪ -1‬قدر معلمات النموذج‪𝑌𝑡 = 𝑎̂ + 𝑏̂ 𝑋𝑡 + 𝜀𝑡 :‬؟‬
‫‪ -2‬أوجد معامل التحديد ‪ R2‬؟ ماذا تستنتج؟‬
‫‪ -3‬احسب مقدار تباين األخطاء؟ وتباين ̂𝑎 و ̂𝑏 ؟‬
‫‪ -4‬أختبر عند مستوى معنوية ‪ %5‬كل من ‪ a‬و‪b‬؟‬
‫‪𝐻0 : 𝑎 = 0 𝐻1 : 𝑎 ≠ 0‬‬
‫‪𝐻0 : 𝑏 = 0 𝐻1 : 𝑏 ≠ 0‬‬
‫‪ -5‬كون مجال الثقة عند ‪ %99‬للمعلمات؟‬
‫‪ -6‬إذا علمت أن قيمة تنبؤ ‪ X‬هو‪ ، 20‬أوجد تقدير قيمة ‪Y‬؟ ومجال ثقة التنبؤ؟‬
‫التمرين الرابع‪:‬‬
‫إذا توفرت المعطيات التالية‪:‬‬
‫‪∑10‬‬ ‫‪2‬‬
‫‪𝑖 (𝑋𝑖 − 3) = 10‬‬ ‫‪∑10‬‬ ‫‪2‬‬
‫‪𝑖 (𝑌𝑖 − 5) = 100‬‬ ‫‪∑10‬‬
‫‪𝑖 (𝑋𝑖 − 3)(𝑌𝑖 − 5) = 30‬‬
‫‪ -1‬قدر معامالت نموذج االنحدار الخطي اآلتي‪𝑌𝑖 = 𝑎̂0 + 𝑎̂1 𝑋𝑖 + 𝜀𝑖 :‬؟‬
‫‪ -2‬حساب معامل التحديد ) ‪(𝑅 2‬؟ فسر النتيجة؟‬
‫‪ -3‬قدر تباين الخطأ؟‬
‫‪ -4‬اختبر مستوى المعنوية عند ‪ 5%‬لمعامالت المقدرة؟‬
‫‪- 54 -‬‬
‫‪ -6‬اختبر معنوية نموذج االنحدار‪ ،‬عند مستوى معنوية ‪%1‬؟‬

‫‪ -7‬التنبؤ بقيمة ‪ 𝑌̂i‬عند قيمة )‪(𝑋𝑖 = 7‬؟ ومجال ثقة التنبؤ؟‬
‫التمرين الخامس‪:‬‬
‫إذا توفرت لديك المعطيات التالية‪:‬‬
‫‪2010 2011 2012 2013 2014 2015 2016 2017 2018 2019‬‬
‫االستهالك االجمالي‬ ‫‪20‬‬ ‫‪21‬‬ ‫‪23‬‬ ‫‪25‬‬ ‫‪27‬‬ ‫‪28‬‬ ‫‪31‬‬ ‫‪35‬‬ ‫‪41‬‬ ‫‪50‬‬
‫الدخل المتاح‬ ‫‪41‬‬ ‫‪43‬‬ ‫‪51‬‬ ‫‪59‬‬ ‫‪71‬‬ ‫‪81‬‬ ‫‪88‬‬ ‫‪91‬‬ ‫‪100‬‬ ‫‪110‬‬
‫‪ -1‬أرسم شكل االنتشار لبيانات الجدول وحدد بالنظر ما إذا كانت توجد عالقة خطية تقريبية بين ‪X‬‬
‫و‪Y‬؟‬
‫‪ -2‬ما هو النموذج المناسب لتمثيل نوع العالقة بين االستهالك االجمالي والدخل المتاح؟‬
‫‪ -3‬قدر نموذج االنحدار الخطي البسيط‪𝑌̂𝑡 = 𝑎̂ + 𝑏̂ 𝑋𝑡 :‬‬
‫‪ -4‬احسب مقدار تباين األخطاء؟ وتباين ̂𝑎 و ̂𝑏 ؟‬
‫‪𝐻0 : 𝑎 = 0 𝐻1 : 𝑎 ≠ 0‬‬
‫‪𝐻0 : 𝑏 = 0 𝐻1 : 𝑏 ≠ 0‬‬
‫‪ -7‬أوجد معامل التحديد ‪R2‬؟ ماذا تستنتج؟‬
‫‪ -8‬إذا علمت أن الدخل المتاح لسنة ‪ 2020‬هو ‪ ،125‬أوجد تقدير قيمة االستهالك االجمالي؟‬
‫ومجال ثقة التنبؤ؟‬
‫التمرين السادس‪:‬‬
‫إذا توفرت لديك البيانات التالية‪:‬‬
‫‪𝑛 = 16‬‬ ‫‪𝛿𝑋 = 1.50‬‬ ‫‪∑ 𝑌 2 = 12260‬‬ ‫‪∑ 𝑋 𝑌 = 1530.91‬‬ ‫‪𝑋̅ = 3.59 ∑ 𝑌 = 435.55‬‬
‫‪ -1‬قدر معادلة االنحدار التالية‪𝑌̂𝑡 = 𝑎̂ + 𝑏̂ 𝑋𝑡 :‬؟‬
‫‪ -2‬أوجد معامل التحديد ‪R2‬؟ ماذا تستنتج؟‬
‫‪𝐻0 : 𝑎 = 0 𝐻1 : 𝑎 ≠ 0‬‬
‫‪𝐻0 : 𝑏 = 0 𝐻1 : 𝑏 ≠ 0‬‬
‫‪- 55 -‬‬
‫الفصل الرابع‪:‬‬
‫النموذج الخطي المتعدد‬

‫الفصل الرابع‪ :‬النموذج الخطي المتعدد‬
‫‪ -1-4‬مقدمة‪:‬‬
‫يعتبر النموذج الخطي المتعدد امتدادا للنموذج الخطي البسيط‪ ،‬حيث ال يمكن االعتماد على الواقع‬
‫االقتصادي على متغيرين لتحليل الظاهرة االقتصادية‪ ،‬لذلك البد من توسيع نموذج االنحدار ليشمل على‬
‫عدة متغيرات مستقلة‪.‬‬
‫‪ -2-4‬صياغة نموذج االنحدار الخطي المتعدد‪:‬‬
‫يستند النموذج الخطي المتعدد على افتراض وجود عالقة خطية بين متغير تابع وعدد من المتغيرات‬
‫المستقلة ) 𝑘𝑋 ‪( :(𝑋1 , 𝑋2 , … ,‬بخيت و فتح هللا‪ ،2009 ،‬الصفحات ‪)136-135‬‬
‫𝑖𝑈 ‪𝑌𝑖 = 𝑏0 + 𝑏1 𝑋𝑖1 + 𝑏1 𝑋𝑖2 + ⋯ + 𝑏𝑘 𝑋𝑖𝑘 +‬‬ ‫𝑛 ‪𝑖 = 1, … ,‬‬ ‫)‪(4.1‬‬
‫حيث‪:‬‬
‫(المف َّسر)‬
‫𝑖𝑌‪ :‬المتغير التابع َ‬
‫𝑘𝑏 ‪ :𝑏0 , 𝑏1 , … ,‬معلمات النموذج‪ ،‬معلمات االنحدار الجزئية‪.‬‬
‫ِّ‬
‫(المفسرة)‪.‬‬ ‫𝑘𝑖𝑋 ‪ : 𝑋𝑖1 , 𝑋𝑖2 , … ,‬المتغيرات المستقلة‬
‫𝑘‪ :‬عدد المتغيرات المستقلة‪.‬‬
‫𝑛‪ :‬عدد المشاهدات‪.‬‬
‫𝑖𝑈‪ :‬حد الخطأ العشوائي‪.‬‬
‫والمعادلة (‪ )2.1‬هي اختصار لعدد (‪ )n‬من المعادالت األنية التالية‪:‬‬
‫‪𝑌1 = 𝑏0 + 𝑏1 𝑋11 + 𝑏1 𝑋12 + ⋯ + 𝑏𝑘 𝑋1𝑘 + 𝑈1‬‬

‫‪𝑌2 = 𝑏0 + 𝑏1 𝑋21 + 𝑏1 𝑋22 + ⋯ + 𝑏𝑘 𝑋2𝑘 + 𝑈2‬‬
‫)‪(4.2‬‬
‫⋮‬
‫𝑛𝑈 ‪𝑌𝑛 = 𝑏0 + 𝑏1 𝑋𝑛1 + 𝑏1 𝑋𝑛2 + ⋯ + 𝑏𝑘 𝑋𝑛𝑘 +‬‬
‫وبإستخدام صيغ المصفوفات يمكن كتابة المعادلة (‪ )2.2‬على النحو التالي‪:‬‬
‫𝑖𝑌‬ ‫‪1‬‬ ‫‪𝑋11‬‬ ‫𝑘‪𝑋12 … 𝑋1‬‬ ‫‪𝑏0‬‬ ‫‪𝑈0‬‬

‫𝑖𝑌‬ ‫‪1‬‬ ‫‪𝑋21‬‬ ‫𝑘‪𝑋22 … 𝑋2‬‬ ‫‪𝑏1‬‬ ‫‪𝑈1‬‬
‫⋮ = ⋮‬ ‫⋮‬ ‫⋮ ⋮ ⋮‬ ‫⋮ ‪⋮ +‬‬ ‫)‪(4.3‬‬
‫⋮‬ ‫⋮‬ ‫⋮‬ ‫⋮ ⋮ ⋮‬ ‫⋮‬ ‫⋮‬
‫‪(𝑌𝑖 ) (1‬‬ ‫‪𝑋𝑛1‬‬ ‫) 𝑛𝑈( ) 𝑘𝑏( ) 𝑘𝑛𝑋 … ‪𝑋𝑛2‬‬
‫وبإختصار )‪ (2.3‬يمكن كتابة‪:‬‬
‫=𝑌‬ ‫𝑋‬ ‫‪𝑏 +‬‬ ‫𝑈‬ ‫)‪(4.4‬‬
‫)‪(𝑛, 1‬‬ ‫)‪(𝑛, 𝑘 + 1) (𝑘 + 1,1) (𝑛, 1‬‬
‫‪- 57 -‬‬
‫حيث‪:‬‬
‫𝑌‪ :‬متجه عمودي أبعاده )‪ (, 1‬يحتوي مشاهدات المتغير التابع‪.‬‬
‫𝑋‪ :‬مصفوفة أبعادها )‪ (𝑛, 𝑘 + 1‬تحوي مشاهدات المتغيرات المستقلة كما يحتوي عمودها األول‬
‫على قيم الوحد الصحيح يمثل الحد الثابت‪.‬‬
‫𝑏 ‪ :‬متجه عمودي أبعاده )‪ (𝑘 + 1,1‬يحتوي على المعلمات المطلوب تقديرها‪.‬‬
‫𝑈‪ :‬متجه عمودي أبعاده )‪ (𝑛, 1‬يحتوي على األخطاء العشوائية‪.‬‬
‫‪ -3-4‬تقدير وخواص مقدرات طريقة المربعات الصغرى العادية‪:‬‬
‫من أجل تقدير معلمات النموذج يجب توفر فروض أو شروط الستخدام طريقة المربعات الصغرى‬
‫)‪ ،(OLS‬وبذلك تكون المقدرات المتحصل عليها أفضل تقديرات خطية غير متحيزة ولها أقل تباين (أي‬
‫خاصية ‪.)Blue‬‬
‫‪ -1-3-4‬فروض نموذج االنحدار الخطي المتعدد‪( :‬داود و السواعي‪ ،2013 ،‬الصفحات ‪)223-221‬‬
‫‪ -‬وجود عالقة خطية بين المتغير التابع )‪ (Y‬والمتغيرات المستقلة ) 𝑘𝑋 ‪.(𝑋1 , 𝑋2 , … ,‬‬
‫‪ -‬أن القيمة المتوقعة لحد الخطأ العشوائي 𝑖𝑈 ثابت لجميع المشاهدات ويساوي الصفر‪ ،‬أي‪:‬‬
‫‪𝐸(𝑈𝑖 ) = 0‬‬
‫‪ -‬أن تباين حد الخطأ العشوائي 𝑖𝑈 ثابت لجميع المشاهدات يساوي ‪ ،σ2𝑈i‬أي‪:‬‬
‫‪𝐶𝑜𝑣(𝑈𝑖 , 𝑈𝑗 ) = 0‬‬ ‫𝑗 ≠ 𝑖∀‬
‫وهذا يعني تجانس تباينات األخطاء (‪.)Hommscedasticity‬‬
‫‪ -‬استقالل حدود الخطأ عن بعضها البعض‪ ،‬ويتطلب ذلك أن التغاير بين األخطاء يساوي الصفر‪.‬‬
‫وهذا يعني ال يوجد ارتباط ذاتي بين األخطاء )‪.(Autocorrelation‬‬
‫‪ -‬استقالل حدود الخطأ العشوائي عن قيم المتغيرات المستقلة‪ ،‬أي أن التغاير بين الخطأ والمتغيرات‬
‫المستقلة يساوي الصفر‪.‬‬
‫‪𝐶𝑜𝑣(𝑈𝑖 , 𝑋𝑗 ) = 0‬‬
‫‪ -‬غياب التعدد الخطي )‪ ، (Multicollinarity‬أي ال يوجد عالقة خطية تامة بين المتغيرات‬
‫المستقلة كما أن عدد المشاهدات يجب أن يكون أكبر من عدد المعلمات المطلوب تقديرها‪ ،‬أي‬
‫أن‪ 𝑛 > 𝑘 + 1 :‬وذلك لضمان وجود معكوس المصفوفة )𝑋‪ ،(𝑋′‬وبالتالي الحصول على‬
‫مقدرات المربعات الصغرى العادية‪.‬‬
‫‪- 58 -‬‬
‫‪ -‬حد الخطأ العشوائي 𝑖𝑈 يتبع التوزيع الطبيعي بمتوسط يساوي الصفر وتباين يساوي ‪ σ2𝑈i‬أي‬
‫أن‪:‬‬
‫) ‪𝑈𝑖 ~𝑁(0, σ2𝑈i‬‬
‫‪ -2-3-4‬تقدير معلمات النموذج الخطي المتعدد‪ :‬في ظل توفر الفرضيات السابقة هذا ما يمكننا من‬
‫استخدام طريقة المربعات الصغرى العادية )‪ (OLS‬في تقدير معلمات النموذج الخطي المتعدد‪ ،‬ولهذا‬
‫الغرض يمكن إعادة كتابة النموذج الخطي المتعدد في الشكل المصفوفي كاآلتي‪(Bourbonnais, :‬‬
‫)‪2015, p. 49‬‬
‫𝑈 ‪𝑌 = 𝑋𝑏 +‬‬ ‫)‪(4.5‬‬
‫وباستخدام طريقة المربعات الصغرى في التقدير‪ ،‬نهدف إلى الحصول على قيم المعلمات‬
‫) 𝑘̂𝑏 ‪ (𝑏̂0 , 𝑏̂1 , ⋯ ,‬التي تجعل مجموع مربعات البواقي أقل ما يمكن أي تصغير القيمة ‪ ∑ 𝑈𝑖2‬إلى أقل‬
‫قيمة ممكنة‪ ،‬أي‪:‬‬
‫) 𝑏𝑋 ‪𝑀𝑖𝑛 ∑ 𝑈𝑖2 = 𝑀𝑖𝑛 𝑈′𝑈 = 𝑀𝑖𝑛 (𝑌 − 𝑋𝑏 )′(𝑌 −‬‬ ‫)‪(4.6‬‬
‫حيث‪𝑈′ :‬هو مقلوب الشعاع𝑈‬
‫𝐵𝑋‪𝑈′𝑈 = 𝑌′𝑌 − 2𝑏′𝑋′𝑌 + 𝑏′𝑋′‬‬ ‫)‪(4.7‬‬
‫وبتفاضل المعادلة )‪ (4.6‬بالنسبة لـ ‪ b‬ومساوية مع الصفر نجد‪:‬‬
‫)‪(4.8‬‬
‫𝑈‪𝜕𝑈′‬‬
‫‪= −2𝑋′𝑌 + 2𝑋′𝑋𝑏 = 0‬‬
‫𝑏𝜕‬
‫𝑌‪𝑋′𝑋𝑏 = 𝑋′‬‬ ‫)‪(4.9‬‬ ‫إذن‪:‬‬

‫وبضرب المعادلة (‪ )4.9‬في ‪ (𝑋′𝑋)−1‬نجد‪:‬‬
‫𝑌‪(𝑋′𝑋)−1 𝑋′𝑋𝑏 = (𝑋′𝑋)−1 𝑋′‬‬ ‫)‪(4.10‬‬
‫𝑌‪𝑏̂ = (𝑋′𝑋)−1 𝑋′‬‬ ‫)‪(4.11‬‬ ‫ومنه‪:‬‬
‫)‪(No singular‬‬ ‫(‪)‬‬
‫وبذلك نحصل على المعلمات المقدرة بشرط أن تكون المصفوفة )‪ (𝑋′‬غير مفردة‬
‫فإذا رمزنا لـ ‪ A‬للمصفوفة ‪ (𝑋′𝑋)−1 𝑋′‬فإن المعادلة (‪ )4.11‬تصبح‪:‬‬
‫𝑘‬
‫𝑗𝑌 𝑗𝑖𝑎 ∑ = 𝑌‪𝑏̂ = A‬‬ ‫𝑘 ‪𝑖 = 1, ⋯ ,‬‬

‫‪𝑖=1‬‬
‫ومنه نرى أن مختلف المقدرات ) 𝑘̂𝑏 ‪ (𝑏̂0 , 𝑏̂1 , ⋯ ,‬هي على شكل خطي مع المتغير )‪ (Y‬من المعادلة‬
‫(‪ )4.11‬والمعادلة (‪ )4.5‬نجد‪(Bourbonnais, 2015, p. 52) :‬‬
‫( ‪ )‬المصفوفة )𝑋‪ (𝑋′‬غير مفردة‪ :‬يعني أن محددها ال يساوي الصفر‪ ،‬وبذلك يمكن إيجاد معكوسها ‪(𝑋′𝑋)−1‬‬
‫‪- 59 -‬‬
‫𝑈‪𝑏̂ = (𝑋′𝑋)−1 𝑋′(𝑋𝑏 + 𝑈) = (𝑋′𝑋)−1 𝑋′𝑋𝑏 + (𝑋′𝑋)−1 𝑋′‬‬

‫𝑈‪𝑏̂ = 𝑏 + (𝑋′𝑋)−1 𝑋′‬‬ ‫)‪(4.12‬‬
‫وبإدخال التوقع الرياضي‪:‬‬
‫‪𝐸(𝑏̂ ) = 𝑏 + (𝑋′𝑋)−1 𝑋′𝐸(𝑈) /𝐸(𝑈) = 0‬‬
‫𝑏 = ) ̂𝑏(𝐸‬ ‫)‪(4.13‬‬
‫وبذلك نستنتج أن التقدير ̂𝑏 لـ 𝑏 المحصل عليه من طريقة المربعات الصغرى العادية )‪ (OLS‬غير متحيز‪.‬‬
‫‪ -3-3-4‬تقدير تباين األخطاء وتباين أخطاء المعلمات‪:‬‬

‫]‪𝑉𝑎𝑟(𝑏̂ ) = 𝐸[(𝑏̂ − 𝑏)′‬‬
‫من المعادلة (‪ )2.12‬لدينا‪:‬‬
‫𝑈‪𝑏̂ − 𝑏 = (𝑋′𝑋)−1 𝑋′‬‬
‫‪(𝑏̂ − 𝑏)′ = [(𝑋′𝑋)−1 𝑋′𝑈]′ = U′X(𝑋′𝑋)−1‬‬
‫‪(𝑏̂ − 𝑏)(𝑏̂ − 𝑏)′ = (𝑋′𝑋)−1 𝑋′𝑈 U′X(𝑋′𝑋)−1‬‬
‫‪𝑉𝑎𝑟(𝑏̂ ) = 𝜎 ̂2 = (𝑋′𝑋)−1 𝑋′𝐸 (𝑈 U′)X(𝑋′𝑋)−1‬‬
‫𝑏‬
‫‪𝜎𝑏̂2‬‬ ‫=‬ ‫(‪2‬‬
‫‪𝜎𝑈 𝑋′𝑋)−1‬‬ ‫‪𝑋′X(𝑋′𝑋)−1‬‬
‫‪𝜎𝑏̂2‬‬ ‫=‬ ‫‪𝜎𝑈2 (𝑋′𝑋)−1‬‬ ‫)‪(2.14‬‬
‫بما أن 𝑈‪ σ2‬غير معلوم‪ ،‬فإن تباين ‪ 𝜎̂𝑈2‬يستخدم كتقدير غير متحيز للتباين ‪:𝜎𝑈2‬‬
‫𝜀‪𝜀′‬‬ ‫‪∑𝑛𝑖=1 𝜀𝑖2‬‬
‫‪𝜎̂𝑈2‬‬ ‫=‬ ‫=‬ ‫)‪(2.15‬‬
‫‪𝑛−𝑘−1 𝑛−𝑘−1‬‬
‫فتكون التقديرات غير المتحيزة للتباين )̂‪:(b‬‬
‫𝜀‪𝜀′‬‬
‫= ‪𝜎̂𝑏̂2‬‬ ‫‪(𝑋′𝑋)−1‬‬ ‫)‪(2.16‬‬
‫‪𝑛−𝑘−1‬‬
‫وحسب نظرية ‪ : Gauss-Markov‬فإن طريقة المربعات الصغرى تعطي أفضل تقدير من كل التقديرات‬
‫الخطية غير المتحيزة )‪ ،)( (Blue‬باإلضافة إلى ذلك تقدم أقل تباين وبذلك طريقة المربعات الصغرى‬
‫العادية )‪ (OLS‬تمتاز بالكفاءة ألنها خطية وغير متحيزة ولها أقل تباين‪( .‬شيخي‪ ،2011 ،‬صفحة ‪)25‬‬
‫‪() Best Linear Unbiaised Estimator.‬‬
‫‪- 60 -‬‬
‫‪ -4-4‬اختبار فرضيات النموذج الخطي المتعدد‪:‬‬

‫يقدم تحليل اختبار الفروض اإلحصائية أهمية في تحليل االنحدار الخطي المتعدد من خالل‬
‫االختبارات اإلحصائية التالية‪:‬‬
‫‪ -1-4-4‬اختبار المعنوية اإلحصائية للمعلمات‪ :‬نستخدم اختبار ‪ (T-Statistic) T‬الختبار معنوية‬
‫المعلمات المقدرة‪ ،‬أي تأثير كل متغير مستقل ) 𝑘𝑋 ‪ (𝑋1 , 𝑋2 , … ,‬على حدى بالمتغير التابع ‪ ،Y‬وذلك‬
‫حسب الفروض التالية‪:‬‬
‫‪𝐻0 : 𝑏𝑗 = 0‬‬
‫{‬ ‫𝑘 ‪𝑗 = 0,1,2, … ,‬‬
‫‪𝐻1 : 𝑏𝑗 ≠ 0‬‬
‫ويكتب إختبار (‪ )T‬بالصيغة التالية‪:‬‬
‫|‪|𝑏̂𝑗 − 𝑏𝑗 | |𝑏̂𝑗 − 0‬‬
‫=𝑇‬ ‫=‬ ‫𝛼‪~𝑡𝑛−𝑘−1,‬‬ ‫)‪(2.17‬‬
‫𝑗̂𝑏̂𝜎‬ ‫𝑗̂𝑏̂𝜎‬ ‫‪2‬‬
‫وبعد حساب قيمة (‪ )T‬تقارن قيمته مع القيمة الجدولية بدرجة حرية (‪ )n-k-1‬وعند مستوى معنوية معين‬
‫لتحديد قبول أو رفض فرضية العدم‪ ،‬ومن ثم إختبار معنوية المعلمات المقدرة‪ ،‬فإذا كانت‪:‬‬
‫‪ T -‬المحسوبة أكبر من ‪ t‬المجدولة نقبل الفرض البديل وبالتالي المتغير المستقل ) ‪ (𝑋k‬يؤثر في المتغير‬
‫التابع ‪.Y‬‬
‫‪ T -‬المحسوبة أقل من ‪ t‬المجدولة نقبل الفرض الصفري وبالتالي المتغير المستقل ) ‪ (𝑋k‬ال يؤثر في‬
‫المتغير التابع ‪.Y‬‬
‫‪ -2-4-4‬معامل التحديد ومعامل التحديد المعدل‪ :‬يستخدم معامل التحديد كمقياس يحدد القدرة التفسيرية‬
‫لنموذج اإلنحدار الخطي المتعدد‪ ،‬بعبارة أخرى هو مقياس يوضح نسبة مساهمة المتغيرات المستقلة في‬
‫تفسير التغير الحاصل في المتغير التابع‪ ،‬وتتراوح قيمته بين (‪ )0،1‬أي أن )‪ (0 ≤ 𝑅 2 ≤ 1‬ويمكن كتابته‬
‫بالصيغة التالية‪:‬‬
‫𝑆𝑆𝑅‬
‫𝑆𝑆𝑇 = ‪𝑅2‬‬ ‫)‪(2.18‬‬
‫ويمكن كتابته أيضاً‪:‬‬

‫𝑆𝑆𝐸‬
‫𝑆𝑆𝑇 ‪𝑅2 = 1 −‬‬
‫𝑛‬
‫‪2‬‬
‫𝑌‪RSS (Regression Sum of Squares) = ∑(𝑌̂𝑖 − 𝑌̅) = 𝑌′𝑌 − 𝑏̂ ′𝑋′‬‬
‫‪𝑖=1‬‬
‫‪- 61 -‬‬
‫𝑛‬
‫‪2‬‬
‫‪ESS (Error Sum of Squares) = ∑(𝑌𝑖 − 𝑌̂) = 𝑏̂ ′𝑋′𝑌 − 𝑛𝑌̅ 2‬‬
‫‪𝑖=1‬‬
‫=)‪TSS (Total Sum of Squares‬‬ ‫𝑖𝑌(‪∑𝑛𝑖=1‬‬ ‫‪− 𝑌̅)2 = 𝑌′𝑌 − 𝑛𝑌̅ 2‬‬
‫وباستخدام المصفوفات يمكن كتابة صيغة معامل التحديد (‪ )R2‬كما يلي‪:‬‬
‫‪𝑏̂ ′𝑋′𝑌 − 𝑛𝑌̅ 2‬‬
‫= ‪𝑅2‬‬ ‫)‪(2.19‬‬
‫‪𝑌′𝑌 − 𝑛𝑌̅ 2‬‬
‫يتصف معامل التحديد بأنه لو أضيف متغير مستقل للنموذج فإن قيمته سترتفع حتى لو لم تكن هناك أهمية‬
‫للمتغير المستقل في النموذج‪ ،‬حيث أن إضافة متغير مستقل إلى نموذج االنحدار يؤدي إلى زيادة ) ‪(𝑅 2‬‬
‫بسبب زيادة مجموع المربعات المفسرة ) 𝑅𝑆𝑆( مع ثبات مجموع المربعات الكلية ) 𝑇𝑆𝑆(‪ ،‬ولهذا يتم احتساب‬
‫معامل التحديد المعدل (المصحح)‪ ،‬الذي يأخذ في الحسبان النقصان الحاصل في درجات الحرية‪ ،‬وقيمته‬
‫دائما هي أقل من قيمة معامل التحديد ) ‪( .(𝑅 2‬الفقي‪ ،‬عبد الجواد‪ ،‬و مهدي‪ ،2013 ،‬صفحة ‪ )150‬ويتم‬
‫حسابه وفق الصيغة التالية‪:‬‬
‫𝑛‬
‫( ) ‪𝑅̅ 2 = 1 − (1 − 𝑅 2‬‬ ‫)‬ ‫)‪(2.20‬‬
‫‪𝑛−𝑘−1‬‬
‫كما يالحظ أن‪:‬‬
‫‪ -‬أن معامل التحديد المعدل يأخذ قيما أقل من قيم معامل التحديد‪.‬‬
‫‪ -‬قد يأخذ معامل التحديد المعدل قيما سالبة‪ ،‬إذا كان عدد المتغيرات كبي ار وحجم العينة (‪ )n‬صغي اًر‬
‫(الفتالوي و الزبيدي‪ ،2011 ،‬صفحة ‪ ،)115‬في حين معامل التحديد يكون دائما موجباً‪.‬‬
‫‪ -3-4-4‬اختبار المعنوية الكلية للنموذج الخطي المتعدد‪ :‬يمكن اختبار المعنوية الكلية للنموذج باستخدام‬
‫اختبار (‪ (F-Statistic) )F‬الذي يهدف إلى اختبار مدى معنوية العالقة الخطية بين المتغيرات المستقلة‬
‫) 𝑘𝑋 ‪ (𝑋1 , 𝑋2 , … ,‬والمتغير التابع ‪ ،Y‬وذلك حسب الفروض التالية‪:‬‬
‫‪𝐻 : 𝑏 = 𝑏2 = ⋯ = 𝑏𝑘 = 0‬‬
‫‪{ 0 1‬‬
‫‪𝐻1 : 𝑏1 ≠ 𝑏2 ≠ ⋯ ≠ 𝑏𝑘 ≠ 0‬‬
‫بعد حساب قيمة )‪ (F‬تقارن مع قيمتها الجدولية بدرجة حرية )‪ (k‬و )‪ (n-k-1‬للبسط والمقام وعند مستوى‬
‫معنوية معين‪ ،‬ويكتب اختبار بالصيغة التالية‪:‬‬
‫‪𝑏̂ ′𝑋′𝑌 − 𝑛𝑌̅ 2⁄‬‬ ‫‪𝑆𝑆𝑅⁄‬‬
‫=𝐹‬ ‫𝑘‬ ‫=‬ ‫𝑘‬
‫‪𝜀′𝜀⁄‬‬ ‫‪𝑆𝑆𝐸⁄‬‬
‫‪𝑛−𝑘−1‬‬ ‫‪𝑛−𝑘−1‬‬
‫‪- 62 -‬‬
‫‪𝑅 2⁄‬‬
‫=‬ ‫𝑘‬ ‫)‪~𝐹𝑘,𝑛−𝑘−1 (2.21‬‬
‫‪(1 − 𝑅 2 )⁄‬‬
‫‪𝑛−𝑘−1‬‬
‫بعد حساب قيمة )‪ (F‬تقارن مع قيمتها الجدولية بدرجة حرية )‪ (k‬و )‪ (n-k-1‬للبسط والمقام وعند مستوى‬
‫معنوية معين‪ ،‬فإذا كانت‪:‬‬
‫‪ F -‬المحسوبة أكبر من ‪ F‬الجدولية نقبل الفرض البديل ‪ .𝐻1‬أي يوجد على األقل متغير مستقل‬
‫) 𝑘𝑋 ‪ (𝑋1 , 𝑋2 , … ,‬يختلف عن الصفر‪ ،‬وبذلك نحكم بوجود عالقة خطية بين المتغيرات المستقلة والمتغير‬
‫التابع ‪ ،Y‬أي النموذج ككل معنوي‪( .‬الفتالوي و الزبيدي‪)2011 ،‬‬
‫‪ F -‬المحسوبة أقل من ‪ F‬الجدولية نقبل فرضية العدم ‪ ،𝐻0‬أي كل المعامالت مساوية للصفر‪ .‬أي إنعدام‬
‫العالقة الخطية بين المتغيرات المستقلة والمتغير التابع ‪ ،Y‬أي النموذج ككل غير معنوي‪.‬‬
‫‪ -4-4-4‬استقراريه المعلمات حسب اختبار ‪ :Chow‬بافتراض وجود عينتين مختلفتين لكل من ‪ X‬و‪Y‬‬
‫حجم كل منها ‪ n1‬و ‪ n2‬على التوالي‪ ،‬ولو قدرنا العالقة بين المتغيرات لكل عينة على حدة لتحصلنا على‪:‬‬
‫‪𝑌̂1 = 𝛼̂0 + 𝛼̂1 𝑋1‬‬
‫‪𝑌̂2 = 𝛽̂0 + 𝛽̂1 𝑋2‬‬
‫نستخدم إختبار )‪ (F‬لمعرفة معنوية الفروق بين التقديرات المختلفة لكل عينة‪ ،‬فإذا كانت الفروق معنوية‬
‫يعني‬
‫‪[∑ 𝜀𝑝2 − (∑ 𝜀12 + ∑ 𝜀12 )]⁄‬‬

‫=𝐹‬ ‫‪𝑘+1‬‬ ‫)‪(2.22‬‬
‫] ‪[∑ 𝜀12 + ∑ 𝜀22‬‬
‫‪⁄‬‬
‫‪𝑛1 + 𝑛2 − 𝑘 − 1‬‬
‫حيث أن‪ :‬مجموع مربعات الخطأ للعينة الكلية ‪∑ 𝜀𝑝2‬‬
‫مجموع مربعات الخطأ للعينة األولى ‪∑ 𝜀12‬‬
‫مجموع مربعات الخطأ للعينة الثانية ‪∑ 𝜀22‬‬
‫بعد حساب قيمة )‪ (F‬تقارن مع قيمتها الجدولية بدرجة حرية )‪ (𝑘 + 1‬و )‪ (𝑛1 + 𝑛2 − 𝑘 − 1‬للبسط والمقام‬
‫وعند مستوى معنوية معين‪ ،‬فإذا كانت‪:‬‬
‫‪ F -‬المحسوبة أكبر من ‪ F‬الجدولية نقبل الفرض البديل ‪ .𝐻1‬الدالتين مختلفتين كليا‪.‬‬
‫‪ F -‬المحسوبة أقل من ‪ F‬الجدولية نقبل فرضية العدم ‪ ،𝐻0‬الدالتين متماثلتان‪.‬‬
‫‪- 63 -‬‬
‫مثال (‪:)1-4‬‬
‫❖ باحث وضع نموذج خطي من أجل محاولة شرح المتغير )‪ (Y‬بداللة )‪ (X1‬و )‪ (X2‬فتحصل على‬
‫المعطيات التالية‪:‬‬
‫‪𝑛 = 22‬‬
‫‪∑ 𝑋1𝑡 = 112‬‬ ‫‪∑ 𝑋2𝑡 = 220‬‬ ‫‪∑ 𝑌𝑡 = 98‬‬
‫‪2‬‬ ‫‪2‬‬
‫𝑡‪∑ 𝑋1‬‬ ‫‪= 260‬‬ ‫𝑡‪∑ 𝑋2‬‬ ‫‪= 1020‬‬ ‫‪∑ 𝑌𝑡2 = 900‬‬
‫‪∑ 𝑌𝑡 𝑋1𝑡 = 528‬‬ ‫‪∑ 𝑌𝑡 𝑋2𝑡 = 719‬‬ ‫‪∑ 𝑋1𝑡 𝑋2𝑡 = 452‬‬
‫‪ -1‬إذا علمت أن‪:‬‬
‫‪1‬‬ ‫‪60896 −14800 −6576‬‬
‫= ‪(𝑋′𝑋)−1‬‬ ‫(‬ ‫) ‪−25960 14696‬‬
‫‪−1764608‬‬
‫?‬
‫‪−1‬‬
‫‪ -1‬بعد إتمام مجاهيل المصفوفة )𝑋‪ ، (𝑋′‬قدر معلمات هذا النموذج (يعني أوجد قيم ‪ 𝑎̂0‬و‪𝑎̂1‬‬
‫و ‪)â2‬؟‬
‫‪𝛼 ⁄2‬‬
‫‪𝑡19‬‬ ‫‪ -2‬اختبر مستوى المعنوية عند ‪ 5%‬للمعلمات المقدرة ‪â2‬؟ ‪= 2.093‬‬
‫‪ R‬ماذا تستنتج؟‬
‫‪ -3‬أوجد ‪ R2‬و ‪̅ 2‬‬
‫‪ -1‬إتمام مجاهيل المصفوفة ‪ ،(𝑋′𝑋)−1‬وتقدر معلمات النموذج‪:‬‬
‫)𝑌‪𝑎̂ = (𝑋′𝑋)−1 (𝑋′‬‬

‫𝑌∑‬ ‫‪98‬‬
‫)‪(𝑋′𝑌) = (∑ 𝑋1 𝑌 ) = (528‬‬
‫𝑌 ‪∑ 𝑋2‬‬ ‫‪719‬‬
‫𝑛‬ ‫‪∑ 𝑋1‬‬ ‫‪∑ 𝑋2‬‬ ‫‪22‬‬ ‫‪112 220‬‬

‫‪(𝑋′𝑋) = (∑ 𝑋1‬‬ ‫‪∑ 𝑋12‬‬ ‫‪∑ 𝑋1 𝑋2 )=(112‬‬ ‫) ‪260 452‬‬
‫‪∑ 𝑋2‬‬ ‫‪∑ 𝑋1 𝑋2‬‬ ‫‪∑ 𝑋22‬‬ ‫‪220‬‬ ‫‪452 1020‬‬
‫‪22‬‬ ‫‪112‬‬
‫( =?‬ ‫‪) = −6824‬‬
‫‪112‬‬ ‫‪260‬‬
‫‪1‬‬ ‫‪60896 −14800 −6576‬‬
‫𝑋‪(𝑋′‬‬ ‫‪)−1‬‬ ‫=‬ ‫(‬ ‫) ‪−25960 14696‬‬
‫‪−1764608‬‬
‫‪−6824‬‬
‫‪1‬‬ ‫‪60896 −14800 −6576‬‬ ‫‪98‬‬ ‫‪3.7259‬‬
‫= ̂𝑎‬ ‫(‬ ‫) ‪−25960 14696 ) (528) = ( 2.6016‬‬
‫‪−1764608‬‬
‫‪−6824 719‬‬ ‫‪−1.2516‬‬
‫‪- 64 -‬‬
‫‪𝑌̂𝑡 = 3.7259 + 2.6016 𝑋𝑡1 − 1.2516 𝑋𝑡2‬‬
‫‪ -2‬اختبار مستوى المعنوية عند ‪ 5%‬للمعلمة المقدرة ‪â2‬؟‬
‫• حساب مجموع مربعات األخطاء‪:‬‬
‫̂𝑌𝑌 ∑ ‪∑ 𝜀𝑡2 = ∑ 𝑌 2 −‬‬
‫) 𝑡‪∑ 𝜀𝑡2 = ∑ 𝑌 2 − ∑ 𝑌 (3.7259 + 2.6016 𝑋1𝑡 − 1.2516 𝑋2‬‬
‫‪∑ 𝜀𝑡2 = ∑ 𝑌 2‬‬
‫] 𝑡‪− [3.7259 ∑ 𝑌 + 2.6016 ∑ 𝑌 𝑋1𝑡 − 1.2516 ∑ 𝑌 𝑋2‬‬
‫])‪∑ 𝜀𝑡2 = 900 − [3.7259 (98) + 2.6016(528) − 1.2516 (719‬‬
‫‪∑ 𝜺𝟐𝒕 =61.1174‬‬

‫• حساب تباين األخطاء‪:‬‬
‫‪∑ 𝜀𝑡2‬‬ ‫‪61.1174‬‬
‫‪𝜎̂𝑈2‬‬ ‫=‬ ‫=‬ ‫‪= 3.2167‬‬
‫‪𝑛 − 𝑘 − 1 22 − 2 − 1‬‬
‫• حساب تباين الخطأ للمعلمة ‪:â2‬‬
‫‪3.2167‬‬ ‫‪60896 −14800 −6576‬‬
‫̂‪𝜎̂𝑎2‬‬ ‫=‬ ‫‪𝜎̂𝑈2 (𝑋′𝑋)−1‬‬ ‫=‬ ‫(‬ ‫) ‪−25960 14696‬‬
‫‪−1764608‬‬
‫‪−6824‬‬
‫‪3.2167‬‬
‫= ‪𝜎̂𝑎2̂ 2‬‬ ‫‪(−6824) = 0.0124‬‬
‫‪−1764608‬‬
‫• حساب قيمة اختبار ‪:t‬‬
‫‪𝑏̂2‬‬ ‫‪−1.2516‬‬ ‫‪⁄‬‬
‫‪𝛼 2‬‬
‫=𝑡‬ ‫⇔‬ ‫=𝑡‬ ‫‪= 11.2397‬‬ ‫‪𝑡19‬‬ ‫‪= 2.093‬‬
‫‪𝜎̂𝑎̂2‬‬ ‫‪√0.0124‬‬
‫بما أن قيمة ‪ t‬المحسوبة أكبر من قيمة ‪ t‬المجدولة عند مستوى داللة ‪ ،𝛼 = 0.05‬وعليه نقبل الفرض‬
‫البديل أي ‪ â2‬معنوية إحصائيا وبذلك المتغير المستقل ‪ 𝑋2‬يؤثر على المتغير التابع 𝑌‪.‬‬
‫‪- 65 -‬‬
‫‪ -3‬إيجاد ‪ R2‬و ‪̅ 2‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪𝑆𝐶𝑇 = ∑(𝑌𝑡 − 𝑌̅ )2 ⇔ 𝑆𝐶𝑇 = ∑ 𝑌 2 − (∑ 𝑌) = 900 − ( ) (98)2‬‬
‫𝑛‬ ‫‪22‬‬
‫𝟓𝟒𝟓𝟒 ‪⇒ 𝑺𝑪𝑻 = 𝟒𝟔𝟑.‬‬
‫𝑅𝐶𝑆‬ ‫‪61.1174‬‬
‫‪𝑅2 = 1 −‬‬ ‫‪⇔ 𝑅2 = 1 −‬‬ ‫⇒‬ ‫‪𝑅 2 = 0.8681‬‬
‫𝑇𝐶𝑆‬ ‫‪463.4545‬‬
‫‪𝑛−1‬‬ ‫‪22 − 1‬‬
‫( ) ‪𝑅̅ 2 = 1 − (1 − 𝑅 2‬‬ ‫( )‪) = 1 − (1 − 0.8681‬‬ ‫‪) = 0.8542‬‬
‫‪𝑛−𝑘−1‬‬ ‫‪22 − 2 − 1‬‬
‫االستنتاج‪ 𝑋1 :‬و ‪ 𝑋2‬يفسران ‪ Y‬بنسبة ‪ %85.42‬والباقي يترك إلى عوامل أخرى تدخل في مجال الخطأ‬
‫مثال (‪ :)2-4‬إذا توفرت لديك البيانات التالية‪:‬‬
‫‪2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018‬‬
‫‪Y‬‬ ‫‪12‬‬ ‫‪14‬‬ ‫‪10‬‬ ‫‪16‬‬ ‫‪14‬‬ ‫‪19‬‬ ‫‪21‬‬ ‫‪19‬‬ ‫‪21‬‬ ‫‪16‬‬ ‫‪19‬‬ ‫‪21‬‬ ‫‪25‬‬ ‫‪21‬‬
‫‪X1‬‬ ‫‪2‬‬ ‫‪1‬‬ ‫‪3‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪8‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪8‬‬ ‫‪4‬‬ ‫‪9‬‬ ‫‪12‬‬ ‫‪7‬‬
‫‪X2‬‬ ‫‪45‬‬ ‫‪43‬‬ ‫‪43‬‬ ‫‪47‬‬ ‫‪42‬‬ ‫‪41‬‬ ‫‪32‬‬ ‫‪33‬‬ ‫‪41‬‬ ‫‪38‬‬ ‫‪32‬‬ ‫‪31‬‬ ‫‪35‬‬ ‫‪29‬‬
‫‪X3‬‬ ‫‪121 132 154 145 129 156 132 147 128 163 161 172 174 180‬‬
‫• أوجد معادلة االنحدار باستخدام طريقة المربعات الصغرى لـ‪ Y :‬على ‪ X2 ، X1‬و ‪ X3‬؟‬
‫• أوجد‪ :‬أ‪ 𝜎̂𝑈2 -‬ب‪ 𝜎̂𝑏̂2 -‬؟‬
‫• اختبر معنوية المعلمات المقدرة عند مستوى ‪%5‬؟‬
‫• أوجد فترة الثقة عند مستوى ‪% 95‬؟‬
‫‪ R‬؟ ماذا تستنتج؟‬
‫• أوجد ‪ R2‬و ‪̅ 2‬‬
‫• اختبر المعنوية الكلية لالنحدار المقدر عند مستوى ‪%1‬؟‬

‫)𝑌‪𝑏̂ = (𝑋′𝑋)−1 (𝑋′‬‬
‫𝑌∑‬ ‫‪248‬‬
‫𝑌 ‪∑ 𝑋1‬‬ ‫‪1622‬‬
‫( = )𝑌‪(𝑋′‬‬ ‫(=)‬ ‫)‬
‫𝑌 ‪∑ 𝑋2‬‬ ‫‪9202‬‬
‫𝑌 ‪∑ 𝑋3‬‬ ‫‪37592‬‬
‫𝑛‬ ‫‪∑ 𝑋1‬‬ ‫‪∑ 𝑋2 ∑ 𝑋3‬‬ ‫‪14‬‬ ‫‪85‬‬ ‫‪532 2094‬‬

‫‪∑ 𝑋1‬‬ ‫‪∑ 𝑋12‬‬ ‫‪∑ 𝑋1 𝑋2 ∑ 𝑋1 𝑋3‬‬
‫= )𝑋‪(𝑋′‬‬ ‫‪2‬‬ ‫‪=( 85‬‬ ‫‪631‬‬ ‫) ‪3126 13132‬‬
‫‪∑ 𝑋2‬‬ ‫‪∑ 𝑋1 𝑋2‬‬ ‫‪∑ 𝑋2 ∑ 𝑋2 𝑋3‬‬ ‫‪532‬‬ ‫‪3126‬‬ ‫‪20666 78683‬‬
‫‪∑ 𝑋3‬‬ ‫‪∑ 𝑋1 𝑋3‬‬ ‫‪∑ 𝑋2 𝑋3 ∑ 𝑋3‬‬‫‪2‬‬ ‫‪2094‬‬ ‫‪13132‬‬ ‫‪78683 317950‬‬
‫(‬ ‫)‬
‫‪- 66 -‬‬
‫‪28782057869‬‬ ‫‪21499749‬‬ ‫‪−330295538 −108706778‬‬

‫‪1‬‬
‫‪(𝑋′𝑋)−1‬‬ ‫=‬ ‫‪( 21499749‬‬ ‫‪18844306‬‬ ‫‪1704494 −1341716‬‬ ‫)‬
‫‪1427069483 −330295538‬‬ ‫‪1704494‬‬ ‫‪5187458 821169‬‬
‫‪−108706778‬‬ ‫‪−1341716‬‬ ‫‪821169 572626‬‬
‫‪28782057869 21499749 −330295538 −108706778‬‬ ‫‪248‬‬ ‫‪32.8913‬‬

‫‪1‬‬ ‫‪21499749‬‬ ‫‪18844306‬‬ ‫‪1622‬‬
‫= ̂𝑏‬ ‫(‬ ‫‪1704494‬‬ ‫‪−1341716‬‬ ‫()‬ ‫) ‪) = ( 0.8019‬‬
‫‪1427069483 −330295538‬‬ ‫‪1704494‬‬ ‫‪5187458 821169‬‬ ‫‪9202‬‬ ‫‪−0.3814‬‬
‫‪−108706778 −1341716‬‬ ‫‪821169 572626‬‬ ‫‪37592‬‬ ‫‪−0.0371‬‬
‫‪𝑌̂𝑡 = 32.8913 + 0.8019 𝑋𝑡1 − 0.3814 𝑋𝑡2 − 0.0371 𝑋𝑡3‬‬
‫• حساب مجموع مربعات األخطاء‪:‬‬

‫̂𝑌𝑌 ∑ ‪∑ 𝜀𝑡2 = ∑ 𝑌 2 −‬‬
‫) ‪∑ 𝜀𝑡2 = ∑ 𝑌 2 − ∑ 𝑌 (32.8913 + 0.8019 𝑋𝑡1 − 0.3814 𝑋𝑡2 − 0.0371 𝑋𝑡3‬‬
‫] ‪∑ 𝜀𝑡2 = ∑ 𝑌 2 − [32.8913 ∑ 𝑌 + 0.8019 ∑ 𝑌 𝑋𝑡1 − 0.3814 ∑ 𝑌 𝑋𝑡2 − 0.0371 ∑ 𝑌 𝑋𝑡3‬‬
‫])‪∑ 𝜀𝑡2 = 4620 − [32.8913 (248) + 0.8019(1622) − 0.3814 (9202) − 0.0371 (37592‬‬
‫‪∑ 𝜺𝟐𝒕 =66.5818‬‬
‫• حساب تباين األخطاء‪:‬‬

‫‪∑ 𝜀𝑡2‬‬ ‫‪66.5818‬‬
‫‪𝜎̂𝑈2‬‬ ‫=‬ ‫=‬ ‫‪= 6.65818‬‬
‫‪𝑛 − 𝑘 − 1 14 − 3 − 1‬‬
‫• حساب تباين الخطأ للمعلمات المقدرة‪:‬‬
‫‪𝜎̂𝑏̂2 = 𝜎̂𝑈2 (𝑋 ′ 𝑋)−1‬‬
‫‪28782057869‬‬ ‫‪21499749‬‬ ‫‪−330295538‬‬ ‫‪−108706778‬‬
‫‪6.65818‬‬ ‫‪21499749‬‬ ‫‪18844306‬‬ ‫‪1704494 −1341716‬‬
‫=‬ ‫‪( −330295538‬‬ ‫‪1704494‬‬ ‫‪5187458 821169‬‬
‫)‬
‫‪1427069483‬‬
‫‪−108706778‬‬ ‫‪−1341716‬‬ ‫‪821169‬‬ ‫‪572626‬‬
‫‪6.65818‬‬
‫‪𝜎̂𝑏̂20‬‬ ‫=‬ ‫‪(28782057869) = 134.2865‬‬
‫‪1427069483‬‬
‫‪6.65818‬‬
‫= ‪𝜎̂𝑏̂21‬‬ ‫‪(18844306) = 0.0879‬‬
‫‪1427069483‬‬
‫‪6.65818‬‬
‫= ‪𝜎̂𝑏̂22‬‬ ‫‪(5187458) = 0.0242‬‬
‫‪1427069483‬‬
‫‪6.65818‬‬
‫= ‪𝜎̂𝑏̂23‬‬ ‫‪(572626) = 0.0027‬‬
‫‪1427069483‬‬
‫‪- 67 -‬‬
‫• اختبار معنوية المعلمات المقدرة‪:‬‬

‫‪𝐻 :𝑏 = 0‬‬
‫‪{ 0 0‬‬
‫‪𝐻1 : 𝑏0 ≠ 0‬‬
‫‪𝑏̂0‬‬ ‫‪32.8913‬‬ ‫‪𝛼 2‬‬ ‫‪⁄‬‬ ‫‪0.05‬‬
‫=𝑡‬ ‫=𝑡 ⇔‬ ‫‪= 2.8383‬‬ ‫‪𝑡𝑛−𝑘−1‬‬ ‫‪= 𝑡10‬‬ ‫‪= 2.228‬‬
‫‪𝜎̂ 𝑏̂0‬‬ ‫‪√134.2865‬‬
‫البديل أي ‪ b̂0‬معنوية إحصائيا‪.‬‬
‫‪𝐻 :𝑏 = 0‬‬
‫‪{ 0 1‬‬
‫‪𝐻1 : 𝑏1 ≠ 0‬‬
‫‪𝑏̂1‬‬ ‫‪0.8019‬‬ ‫‪⁄‬‬
‫‪𝛼 2‬‬ ‫‪0.05‬‬
‫=𝑡‬ ‫=𝑡 ⇔‬ ‫‪= 2.7047‬‬ ‫‪𝑡𝑛−𝑘−1‬‬ ‫‪= 𝑡10‬‬ ‫‪= 2.228‬‬
‫‪𝜎̂ 𝑏̂1‬‬ ‫‪√0.0879‬‬
‫البديل أي ‪ b̂1‬معنوية إحصائيا وبذلك المتغير المستقل ‪ 𝑋1‬يؤثر على المتغير التابع 𝑌‪.‬‬
‫‪𝐻 :𝑏 = 0‬‬
‫‪{ 0 2‬‬
‫‪𝐻1 : 𝑏2 ≠ 0‬‬
‫‪𝑏̂2‬‬ ‫|‪|−0.3814‬‬ ‫‪⁄‬‬
‫‪𝛼 2‬‬ ‫‪0.05‬‬
‫=𝑡‬ ‫=𝑡 ⇔‬ ‫‪= 2.4517‬‬ ‫‪𝑡𝑛−𝑘−1‬‬ ‫‪= 𝑡10‬‬ ‫‪= 2.228‬‬
‫‪𝜎̂ 𝑏̂2‬‬ ‫‪√0.0242‬‬
‫البديل أي ‪ b̂2‬معنوية إحصائيا وبذلك المتغير المستقل ‪ 𝑋2‬يؤثر على المتغير التابع 𝑌‪.‬‬
‫‪𝐻 :𝑏 = 0‬‬
‫‪{ 0 3‬‬
‫‪𝐻1 : 𝑏3 ≠ 0‬‬
‫‪𝑏̂3‬‬ ‫|‪|−0.0371‬‬ ‫‪⁄‬‬
‫‪𝛼 2‬‬ ‫‪0.05‬‬
‫=𝑡‬ ‫=𝑡 ⇔‬ ‫‪= 0.7140‬‬ ‫‪𝑡𝑛−𝑘−1‬‬ ‫‪= 𝑡10‬‬ ‫‪= 2.228‬‬
‫‪𝜎̂𝑏̂3‬‬ ‫‪√0.0027‬‬
‫بما أن قيمة ‪ t‬المحسوبة أقل من قيمة ‪ t‬المجدولة عند مستوى داللة ‪ ،𝛼 = 0.05‬وعليه نقبل الفرض‬
‫الصفري أي ‪ b̂3‬معنوية إحصائيا وبذلك المتغير المستقل ‪ 𝑋3‬ال يؤثر على المتغير التابع 𝑌‪.‬‬
‫‪- 68 -‬‬
‫• ايجاد فترة الثقة عند مستوى ‪:% 95‬‬

‫‪⁄‬‬
‫‪𝑏0 = 𝑏̂0 ∓ 𝑡𝛼𝑛−𝑘−1‬‬
‫‪2‬‬
‫‪̂ 𝑏̂0‬‬
‫𝜎‬
‫‪𝑏0 = 32.8913 ∓ 𝑡0.05‬‬
‫‪14−3−1 √134.2865‬‬
‫‪𝑏0 = 32.8913 ∓ (2.228) √134.2865‬‬

‫𝟖𝟗𝟎𝟕 ‪𝟕. 𝟎𝟕𝟐𝟖 ≤ 𝒃𝟎 ≤ 𝟓𝟖.‬‬
‫‪⁄2‬‬
‫‪𝑏1 = 𝑏̂1 ∓ 𝑡𝛼𝑛−𝑘−1‬‬ ‫‪̂ 𝑏̂1‬‬
‫𝜎‬
‫‪𝑏1 = 0.8019 ∓ 𝑡0.05‬‬
‫‪14−3−1 √0.0879‬‬
‫‪𝑏1 = 0.8019 ∓ (2.228) √0.0879‬‬

‫𝟓𝟐𝟔𝟒 ‪𝟎. 𝟏𝟒𝟏𝟑 ≤ 𝒃𝟏 ≤ 𝟏.‬‬
‫‪⁄‬‬
‫‪𝑏2 = 𝑏̂2 ∓ 𝑡𝛼𝑛−𝑘−1‬‬
‫‪2‬‬
‫‪̂ 𝑏̂2‬‬
‫𝜎‬
‫‪𝑏2 = −0.3814 ∓ 𝑡0.05‬‬
‫‪14−3−1 √0.0242‬‬
‫‪𝑏2 = −0.3814 ∓ (2.228) √0.0242‬‬

‫𝟖𝟒𝟑𝟎 ‪−𝟎. 𝟕𝟐𝟖𝟎 ≤ 𝒃𝟐 ≤ −𝟎.‬‬
‫‪⁄2‬‬
‫‪𝑏3 = 𝑏̂3 ∓ 𝑡𝛼𝑛−𝑘−1‬‬ ‫‪̂ 𝑏̂3‬‬
‫𝜎‬
‫‪𝑏3 = −0.0371 ∓ 𝑡0.05‬‬
‫‪14−3−1 √0.0027‬‬
‫‪𝑏3 = −0.0371 ∓ (2.228) √0.0027‬‬

‫𝟕𝟖𝟕𝟎 ‪−𝟎. 𝟏𝟓𝟐𝟗 ≤ 𝒃𝟑 ≤ 𝟎.‬‬
‫• إيجاد ‪ R2‬و ‪̅ 2‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪𝑆𝐶𝑇 = ∑(𝑌𝑡 − 𝑌̅ )2 ⇔ 𝑆𝐶𝑇 = ∑ 𝑌 2 − (∑ 𝑌) = 4620 − ( ) (248)2‬‬
‫𝑛‬ ‫‪14‬‬
‫𝟏𝟕𝟓𝟖 ‪⇒ 𝑺𝑪𝑻 = 𝟐𝟐𝟔.‬‬
‫𝑅𝐶𝑆‬ ‫‪66.5818‬‬
‫‪𝑅2 = 1 −‬‬ ‫‪⇔ 𝑅2 = 1 −‬‬ ‫⇒‬ ‫‪𝑅 2 = 0.7065‬‬
‫𝑇𝐶𝑆‬ ‫‪226.8571‬‬
‫‪𝑛−1‬‬ ‫‪14 − 1‬‬
‫( ) ‪𝑅̅ 2 = 1 − (1 − 𝑅 2‬‬ ‫( )‪) = 1 − (1 − 0.7065‬‬ ‫‪) = 0.6185‬‬
‫‪𝑛−𝑘−1‬‬ ‫‪14 − 3 − 1‬‬
‫االستنتاج‪ :‬المتغيرات المستقلة (‪ X2 ،X1‬و‪ )X3‬يفسرون ‪ Y‬بنسبة ‪ %61.85‬والباقي يترك إلى عوامل أخرى‬
‫تدخل في مجال الخطأ‬
‫‪- 69 -‬‬
‫• اختبار المعنوية الكلية لالنحدار المقدر‪:‬‬

‫‪𝐻 : 𝑏 = 𝑏2 = 𝑏3 = 0‬‬
‫‪{ 0 1‬‬
‫‪𝐻1 : 𝑏1 ≠ 𝑏2 ≠ 𝑏3 ≠ 0‬‬
‫‪𝑅 2⁄‬‬
‫=𝐹‬ ‫𝑘‬ ‫‪0.01‬‬
‫‪𝐹𝑘,𝑛−𝑘−1‬‬ ‫‪0.01‬‬
‫‪= 𝐹3,10‬‬ ‫‪= 6.55‬‬
‫‪(1 − 𝑅 2 )⁄‬‬
‫‪𝑛−𝑘−1‬‬
‫‪2‬‬
‫‪𝑅⁄‬‬ ‫‪0.7065⁄‬‬
‫=𝐹‬ ‫𝑘‬ ‫=‬ ‫‪3‬‬ ‫‪= 8.0239‬‬
‫‪2‬‬
‫‪(1 − 𝑅 )⁄‬‬ ‫‪(1 − 0.7065)⁄‬‬
‫‪𝑛−𝑘−1‬‬ ‫‪14 − 3 − 1‬‬
‫𝐹 المحسوبة أكبر من 𝐹 الجدولية نقبل الفرض البديل عند مستوى داللة ‪ .𝛼 = 0.01‬أي يوجد على األقل‬
‫متغير مستقل قيمته تختلف عن الصفر‪ ،‬وبذلك نحكم بوجود عالقة خطية بين المتغيرات المستقلة والمتغير‬
‫التابع ‪ ،Y‬أي النموذج ككل معنوي‪.‬‬

‫باستخدام بيانات المثال (‪ )2-4‬نقوم بتقدير النموذج الخطي المتعدد حسب البرمجيات األربعة‬
‫)‪ (𝐺𝑟𝑒𝑡𝑙 2019𝑏, 𝑆𝑃𝑆𝑆 25, 𝑆𝑡𝑎𝑡𝑎 16, 𝐸𝑣𝑖𝑒𝑤𝑠 10‬كما يلي‪:‬‬
‫✓ الخطوة األولى‪ :‬نقوم بالضغط على األمر ) 𝑘𝑐𝑖𝑢𝑄( ومن ثم األمر )𝑛𝑜𝑖𝑡𝑎𝑢𝑞𝐸 𝑒𝑡𝑎𝑚𝑖𝑡𝑠𝐸(‬
‫‪- 70 -‬‬
‫✓ الخطوة الثانية‪ :‬تنبثق لنا النافذة التالية ونقوم بكتابة العبارة )‪ (𝑦 𝑐 𝑥1 𝑥2 𝑥3‬ومن ثم الضغط على‬
‫األمر ) 𝐾𝑂( حسب الشكل التالي‪:‬‬

‫✓ الخطوة األولى‪ :‬نقوم بالضغط على األمر ) 𝑒𝑠𝑦𝑙𝑎𝑛𝐴( ومن ثم األمر )𝑛𝑜𝑖𝑠𝑠𝑒𝑟𝑔‪ (𝑅é‬فاألمر‬
‫) 𝑒𝑟𝑖𝑎‪ (𝐿𝑖𝑛é‬حسب الشكل التالي‪:‬‬
‫‪- 71 -‬‬
‫✓ الخطوة الثالثة‪ :‬الحصول على القيم المقدرة للمعلمات واالختبارات االحصائية حسب الجداول التالية‪:‬‬
‫‪Régression‬‬
‫‪Variables introduites/éliminéesa‬‬
‫‪Modèle‬‬ ‫‪Variables introduites‬‬ ‫‪Variables éliminées‬‬ ‫‪Méthode‬‬
‫‪1‬‬ ‫‪X3, X1,‬‬ ‫‪X2b‬‬ ‫‪. Introduire‬‬
‫‪a. Variable dépendante : Y‬‬
‫‪b. Toutes les variables demandées ont été introduites.‬‬
‫‪- 72 -‬‬
‫ النموذج الخطي المتعدد‬:‫الفصل الرابع‬
Récapitulatif des modèles

Erreur standard de
Modèle R R-deux R-deux ajusté l'estimation
1 ,838a ,703 ,613 2,597
a. Prédicteurs : (Constante), X3, X1, X2
ANOVAa
Somme des
Modèle carrés ddl Carré moyen F Sig.
1 Régression 159,409 3 53,136 7,878 ,005b
de Student 67,448 10 6,745
Total 226,857 13
a. Variable dépendante : Y
b. Prédicteurs : (Constante), X3, X1, X2
Coefficientsa
Coefficients
Coefficients non standardisés standardisés
Modèle B Erreur standard Bêta t Sig.
1 (Constante) 32,891 11,663 2,820 ,018
X1 ,802 ,298 ,571 2,687 ,023
X2 -,381 ,157 -,537 -2,436 ,035
X3 -,037 ,052 -,170 -,714 ,492
a. Variable dépendante : Y

‫ نقوم بالضغط على األمر )𝑠𝑐𝑖𝑡𝑠𝑖𝑡𝑎𝑡𝑆( وتتبع الخيارات حتى الوصول إلى األمر‬:‫✓ الخطوة األولى‬
:‫)𝑛𝑜𝑖𝑠𝑠𝑒𝑟𝑔𝑒𝑟 𝑟𝑎𝑒𝑛𝑖𝐿( حسب الشكل التالي‬
- 73 -
‫‪. regress Y X1 X2 X3‬‬

‫‪-------------+----------------------------------‬‬ ‫)‪F(3, 10‬‬ ‫=‬ ‫‪7.88‬‬
‫‪Model | 159.409477‬‬ ‫‪3 53.1364923‬‬ ‫‪Prob > F‬‬ ‫=‬ ‫‪0.0055‬‬
‫| ‪Residual‬‬ ‫‪67.447666‬‬ ‫‪10‬‬ ‫‪6.7447666‬‬ ‫‪R-squared‬‬ ‫=‬ ‫‪0.7027‬‬
‫‪-------------+----------------------------------‬‬ ‫‪Adj R-squared‬‬ ‫=‬ ‫‪0.6135‬‬
‫‪Total | 226.857143‬‬ ‫‪13 17.4505495‬‬ ‫‪Root MSE‬‬ ‫=‬ ‫‪2.5971‬‬
‫‪------------------------------------------------------------------------------‬‬
‫| ‪Y‬‬ ‫‪Coef.‬‬ ‫‪Std. Err.‬‬ ‫‪t‬‬ ‫|‪P>|t‬‬ ‫]‪[95% Conf. Interval‬‬
‫‪-------------+----------------------------------------------------------------‬‬
‫| ‪X1‬‬ ‫‪.8019007‬‬ ‫‪.2984358‬‬ ‫‪2.69‬‬ ‫‪0.023‬‬ ‫‪.1369442‬‬ ‫‪1.466857‬‬
‫‪X2 | -.3813624‬‬ ‫‪.1565807‬‬ ‫‪-2.44‬‬ ‫‪0.035‬‬ ‫‪-.7302459‬‬ ‫‪-.0324788‬‬
‫‪X3 | -.0371324‬‬ ‫‪.0520231‬‬ ‫‪-0.71‬‬ ‫‪0.492‬‬ ‫‪-.1530472‬‬ ‫‪.0787823‬‬
‫| ‪_cons‬‬ ‫‪32.89132‬‬ ‫‪11.66331‬‬ ‫‪2.82‬‬ ‫‪0.018‬‬ ‫‪6.90385‬‬ ‫‪58.8788‬‬
‫‪------------------------------------------------------------------------------‬‬
‫‪- 74 -‬‬

‫✓ الخطوة األولى‪ :‬نقوم بالضغط على األمر ) 𝑙𝑒𝑑𝑜𝑀( ومن ثم األمر )𝑠𝑒𝑟𝑎𝑢𝑞𝑆 𝑡𝑠𝑎𝐿 𝑦𝑟𝑎𝑛𝑖𝑑𝑟𝑂(‬
‫‪- 75 -‬‬
‫)‪Model 1: OLS, using observations 2005-2018 (T = 14‬‬
‫‪Dependent variable: Y‬‬
‫‪Coefficient‬‬ ‫‪Std. Error‬‬ ‫‪t-ratio‬‬ ‫‪p-value‬‬

‫‪const‬‬ ‫‪32.8913‬‬ ‫‪11.6633‬‬ ‫‪2.820‬‬ ‫‪0.0182‬‬ ‫**‬
‫‪X1‬‬ ‫‪0.801901‬‬ ‫‪0.298436‬‬ ‫‪2.687‬‬ ‫‪0.0228‬‬ ‫**‬
‫‪X2‬‬ ‫‪−0.381362‬‬ ‫‪0.156581‬‬ ‫‪−2.436‬‬ ‫‪0.0351‬‬ ‫**‬
‫‪X3‬‬ ‫‪−0.0371324‬‬ ‫‪0.0520231‬‬ ‫‪−0.7138‬‬ ‫‪0.4917‬‬
‫‪Mean dependent var‬‬ ‫‪17.71429‬‬ ‫‪S.D. dependent var‬‬ ‫‪4.177385‬‬

‫‪Sum squared resid‬‬ ‫‪67.44767‬‬ ‫‪S.E. of regression‬‬ ‫‪2.597069‬‬
‫‪R-squared‬‬ ‫‪0.702687‬‬ ‫‪Adjusted R-squared‬‬ ‫‪0.613493‬‬
‫)‪F(3, 10‬‬ ‫‪7.878181‬‬ ‫)‪P-value(F‬‬ ‫‪0.005452‬‬
‫‪Log-likelihood‬‬ ‫‪−30.87120‬‬ ‫‪Akaike criterion‬‬ ‫‪69.74240‬‬
‫‪Schwarz criterion‬‬ ‫‪72.29863‬‬ ‫‪Hannan-Quinn‬‬ ‫‪69.50578‬‬
‫‪rho‬‬ ‫‪−0.599613‬‬ ‫‪Durbin-Watson‬‬ ‫‪3.186886‬‬
‫التمرين األول‪:‬‬
‫بيانات الجدول رقم (‪ )01‬تعطي مشاهدات عن ‪ X2 ، X1 ، Y‬كما يلي‪:‬‬
‫𝒊‬ ‫‪1 2 3 4 5 6 7 8 9 10‬‬
‫𝒊𝒀‬ ‫‪20 28 40 45 37 52 54 43 65 56‬‬
‫𝒊𝟏𝑿‬ ‫‪2 3 4 4 3 5 7 6 7 8‬‬
‫𝒊𝟐𝑿‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪6‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪7‬‬
‫‪ -1‬أوجد معادلة االنحدار باستخدام طريقة المربعات الصغرى لـ‪ Y :‬على ‪ X2 ، X1‬؟‬
‫‪ -2‬فسر كل من ‪ b̂0‬و ‪ b̂1‬و ‪b̂2‬؟‬
‫‪ -3‬أوجد‪ :‬أ‪ 𝜎̂𝑈2 -‬ب‪ 𝜎̂𝑏̂21 -‬ج‪ 𝜎̂𝑏̂22 -‬؟‬
‫‪ -4‬اختبر عند مستوى معنوية ‪ %1‬و ‪ %5‬لكل من‪ b1 :‬و ‪b2‬؟‬
‫‪ -5‬أوجد فترة الثقة عند مستوى ‪% 95‬و ‪ %99‬لكل من ‪ b1 :‬و ‪b2‬؟‬
‫‪ R‬وهل يجب أن تدخل ‪ X2‬في معادلة االنحدار؟‬
‫‪ -6‬أوجد ‪ R2‬و ‪̅ 2‬‬
‫‪ -7‬اختبر المعنوية الكلية لالنحدار المقدر عند مستوى ‪ %5‬و‪%1‬؟‬

‫‪ -8‬أوجد ‪ rYX2 ,X1 ، rYX1 ,X2‬؟وأي متغير مستقل يساهم أكثر في القدرة التفسيرية للنموذج؟‬
‫‪- 76 -‬‬
‫التمرين الثاني‪:‬‬
‫❖ باحث وضع نموذج خطي من أجل محاولة شرح المتغير )‪ (Y‬وهو معدل البطالة لبلد ما ومن أجل هذا‬
‫قام بـ‪:‬‬
‫شرح هذا المتغير )‪ (Y‬بداللة االستثمار )‪ (X‬باستعمال نموذج خطي بسيط من الشكل‪yt = a0 + :‬‬
‫‪a1 xt + ut‬‬
‫فتحصلنا على معطيات ‪ 15‬سنة متتالية لـ)‪ (X‬و)‪:(Y‬‬
‫‪𝑛 = 15 ∑ 𝑋𝑡 = 105 ∑ 𝑋𝑡2 = 795 ∑ 𝑌𝑡 = 135 ∑ 𝑌𝑡 𝑋𝑡 = 917 ∑ 𝑌𝑡2 = 1255‬‬
‫‪ -1‬باستعمال طريقة المربعات الصغرى أعط صيغ ‪ 𝑎̂0‬و ‪𝑎̂1‬‬
‫‪ -2‬باستعمال المعطيات السابقة أحسب كال من ‪ 𝑎̂0‬و ‪ ، 𝑎̂1‬ماذا يمثل ‪𝑎̂1‬‬
‫‪ -3‬أعط الصيغة ثم قدر تباين األخطاء ‪σ2u‬‬
‫̂‬
‫‪ -4‬أعط الصيغة ثم قدر التباين ‪ 𝑎̂0‬و ‪𝑎̂1‬‬
‫‪ -5‬ما هي قيمة ‪ R2‬لهذا النموذج‪ ،‬ماذا تستنتج؟‬
‫❖ بعد ذلك أضاف الباحث متغير مستقل ثاني( ‪ )X2‬والمتمثل في معدل التضخم لكي يصبح النموذج من‬
‫الشكل‪:‬‬
‫𝑡𝑢 ‪𝑦𝑡 = 𝑎0 + 𝑎1 𝑥1𝑡 + 𝑎2 𝑥2𝑡 +‬‬
‫فتحصلنا على النتائج التالية‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪∑ 𝑋1𝑡 = 105‬‬ ‫𝑡‪∑ 𝑋1‬‬ ‫‪= 795‬‬ ‫‪∑ 𝑌𝑡 𝑋1𝑡 = 917‬‬ ‫𝑡‪∑ 𝑋2‬‬ ‫‪= 2234 ∑ 𝑌𝑡2 = 1255‬‬
‫‪∑ 𝑌𝑡 = 135 ∑ 𝑋2𝑡 = 180 ∑ 𝑋1𝑡 𝑋2𝑡 = 1248‬‬ ‫‪∑ 𝑌𝑡 𝑋2𝑡 = 1658‬‬ ‫‪∑ 𝜀𝑡2 = 12.272‬‬
‫‪ -2‬باستعمال طريقة المربعات الصغرى أعط صيغ ‪ 𝑎̂0‬و ‪ 𝑎̂1‬و ‪â2‬؟‬

‫‪ -3‬أوجد المصفوفة )𝑋 ‪ (𝑋 ′‬و )𝑌 ‪(𝑋 ′‬؟‬
‫‪ -4‬قدر معامالت هذا النموذج ؟‬
‫‪ -5‬اختبر مستوى المعنوية عند ‪ %5‬لمعامالت المقدرة؟‬
‫‪ -6‬أوجد فترة الثقة عند مستوى ‪% 95‬؟‬
‫‪ -7‬أوجد ‪ R2‬و ‪̅ 2‬‬
‫‪ -8‬اختبر المعنوية الكلية لالنحدار المقدر عند مستوى ‪ %5‬؟‬

‫‪ -9‬أوجد ‪rYX2 ,X1 ، rYX1 ,X2‬؟ وأي متغير مستقل يساهم أكثر في القدرة التفسيرية للنموذج؟‬
‫‪- 77 -‬‬
‫إذا وجدت المعطيات التالية‪:‬‬
‫‪𝑛 = 14‬‬ ‫‪∑ 𝑋1𝑡 = 85‬‬ ‫‪∑ 𝑋2𝑡 = 532‬‬ ‫‪∑ 𝑋3𝑡 = 2094 ∑ 𝑌𝑡 = 248‬‬
‫𝑡‪∑ 𝑌𝑡2 = 4620 ∑ 𝑋1‬‬
‫‪2‬‬
‫‪= 631‬‬ ‫‪∑ 𝑋1𝑡 𝑋2𝑡 = 3126‬‬ ‫‪∑ 𝑋1𝑡 𝑋3𝑡 = 13132‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪∑ 𝑋2𝑡 𝑌3𝑡 = 78683 ∑ 𝑋2𝑡 = 20666 ∑ 𝑋3𝑡 = 317950 ∑ 𝑌𝑡 𝑋1𝑡 = 1622‬‬
‫‪∑ 𝑌𝑡 𝑋2𝑡 = 9202 ∑ 𝑌𝑡 𝑋3𝑡 = 37592‬‬
‫‪ -1‬باستعمال طريقة المربعات الصغرى أعط صيغ المعامالت المقدرة؟‬

‫)𝑋 ‪ (𝑋 ′‬و )𝑌 ‪(𝑋 ′‬؟‬ ‫‪ -2‬أوجد المصفوفة‬
‫‪ -3‬قدر معامالت هذا النموذج؟‬
‫المصفوفة العكسية‪:‬‬
‫‪28782057869‬‬ ‫‪21499749‬‬ ‫‪−330295538 −108706778‬‬
‫‪1‬‬
‫‪)−1‬‬
‫‪(X′X‬‬ ‫=‬ ‫‪( 21499749‬‬ ‫‪18844306‬‬ ‫) ‪1704494 −1341716‬‬
‫‪1427069483 −330295538‬‬ ‫‪1704494‬‬ ‫‪5187458 821169‬‬
‫‪−108706778‬‬ ‫‪−1341716‬‬ ‫‪821169 572626‬‬
‫‪ -4‬أوجد ‪ R2‬و ‪̅ 2‬‬
‫‪ -5‬اختبر المعنوية الكلية لالنحدار المقدر عند مستوى ‪%5‬؟‬

‫‪ -6‬أوجد ‪ rYX2 ,X1 X3 ،𝑟𝑌𝑋1 ,𝑋2 𝑋3‬و ‪𝑟𝑌𝑋3 ,𝑋1 𝑋2‬؟ وأي متغير مستقل يساهم أكثر في القدرة‬
‫التفسيرية للنموذج؟‬
‫‪- 78 -‬‬
‫الفصل الخامس‪:‬‬
‫مشكلة التعدد الخطي‬

‫الفصل الخامس‪ :‬مشكلة التعدد الخطي‬
‫‪ -1-5‬مقدمة‪:‬‬
‫تحصل مشكلة التعدد الخطي عندما يرتبط اثنان أو أكثر من المتغيرات المستقلة بعالقة خطية قوية‬
‫جدا‪ ،‬بحيث يصبح من الصعب فصل أثر كل متغير على المتغير المعتمد‪ .‬في الواقع التطبيقي‪ ،‬وخاصة‬
‫فيما يتعلق بالدوال السلوكية‪ .‬حيث أنه غالبا ما تكون هناك عالقة ما بين المتغيرات المستقلة وذلك نتيجة‬
‫لتأثر المتغيرات االقت صادية ببعضها البعض‪ ،‬حيث أنه إذا ما انعدمت العالقة ما بين المتغيرات المستقلة‪،‬‬
‫فال تصبح الحاجة ملحة إلى استخدام نموذج خطي متعدد‪ ،‬إذ يمكن عندها االستعاضة عن النموذج الخطي‬
‫العام )‪ (𝑘 − 1‬من النماذج الخطية البسيطة والتي تتمثل بعالقة متغير معتمد مع متغير مستقل فقط‪.‬‬
‫تواجه مشكلة التعدد الخطي حينما تكون قيمة أحد المتغيرات المستقلة متساوية لكافة المشاهدات‪،‬‬
‫أو عندما تعتمد قيمة أحد المتغيرات المستقلة على قيمة واحدة أو أكثر من المتغيرات المستقلة في النموذج‬
‫المدروس‪ ،‬علما بأن مثل هذه المشكلة تواجه الباحث سواء في ظل فرضية التجانس أو عدمه‪ ،‬وسواء أخذت‬
‫البيانات شكل السالسل الزمنية أو المقطعية‪ .‬وعليه يمكن تلخيص الفرض الخاص بالتعدد الخطي كما يلي‪:‬‬
‫أن ال توجد عالقة خطية تامة أو سبه تامة بين أي من المتغيرات المستقل‪ ،‬إضافة إلى ذلك يجب أن يكون‬
‫عدد المعامالت المطلوب تقديرها أقل من حجم العينة تحت البحث أي أن‪( :‬كاضم‪ ،2009 ،‬صفحة ‪)211‬‬
‫‪Rank(X) = k + 1 < n‬‬
‫‪ -2-5‬الكشف عن مشكلة التعدد الخطي‪ :‬تظهر مشكلة التعدد الخطي من ارتفاع قيمة ‪ 𝑅 2‬وعدم معنوية‬
‫المعلمات المقدرة للمتغيرات المفسرة‪ .‬كما يعد ارتفاع معامالت االرتباط بين المتغيرات التفسيرية مؤشر على‬
‫وجود المشكلة ‪ ،‬غير أنه ال يمكن االعتماد على ذلك في الكشف عن مشكلة التعدد الخطي بين ثالث‬
‫متغيرات أو أكثر وذلك قد يرجع إلى وجود مشكلة التعدد الخطي بدرجة كبيرة ما يقابلها وجود معامالت‬
‫ارتباط ضعيفة‪ (Gujarati, 2004, p. 359) .‬كما توجد عدة مؤشرات للكشف عن مشكلة التعدد الخطي‬
‫نذكرها كما يلي‪:‬‬
‫‪ -1-2-5‬معامل تضخم التباين )‪ :(VIF‬إن معامالت تضخم التباين )‪(Variance Inflation Factor‬‬
‫هي عناصر القطر الرئيسي لمعكوس مصفوفة االرتباط للمتغيرات التفسيرية ‪ (𝑋′𝑋)−1‬والتي يمكن أن‬
‫يعبر عنها بالصيغة التالية‪(Xin & Xiao , 2009, p. 86) :‬‬
‫‪1‬‬
‫= 𝐹𝐼𝑉‬ ‫)‪(5.1‬‬
‫‪1 − 𝑅𝑗2‬‬
‫‪- 80 -‬‬
‫حيث أن ) ‪ (𝑅𝑗2‬هو معامل التحديد النحدار المتغير ) 𝑗𝑋( على بقية المتغيرات التفسيرية‪ .‬فإذا كانت‬
‫قيم )‪ (VIF‬أكبر من ‪ 10‬فهذا دليل على وجود مشكلة تعدد خطي بين المتغيرات التفسيرية‪ .‬وتوضح‬
‫المعادلة بأنه لوجود مشكلة تعدد خطي بين المتغيرات المستقلة تكون قيمة ) ‪ (𝑅𝑗2‬قريبة أو مساوية للواحد‬
‫وبذلك قيمة )‪ (VIF‬كبيرة‪ ،‬أما إذا كانت قيمة ) 𝑗𝑋( مستقلة عن بقية المتغيرات المستقلة األخرى‬
‫)‪ (𝑅𝑗2 = 0‬وبذلك قيمة )‪.(VIF = 1‬‬
‫‪ -2-2-5‬الجذور المميزة والدليل الشرطي‪:‬‬

‫يعد حساب الجذور المميزة لمصفوفة االرتباط من المؤشرات الهامة التي تستخدم لقياس التعدد الخطي فهي‬
‫تبين مقدار التباين الكلي بين المتغيرات‪ ،‬فإذا كانت الجذور المميزة مساوية للصفر فإنه يدل على تعدد‬
‫خطي تام‪ ،‬أما إذا كانت قريبة من الصفر فهذا مؤشر على وجود تعد خطي كبير‪ ،‬أما إذا كانت مساوية‬
‫للواحد ففي هذه الحالة ال توجد مشكلة التعدد الخطي‪ ،‬كما تستخدم الجذور المميزة لحساب الدليل الشرطي‬
‫)‪ ( Condition Index‬والعدد الشرطي )‪ (Condition Number‬ويتم حساب الدليل الشرطي ) 𝑗𝐼𝐶(‬
‫و العدد الشرطي )‪ (CN‬بالصيغ التالية‪(Rawlings, Pantula, & Dickey, 2001, p. 371) :‬‬
‫𝑥𝑎𝑀𝜆‬
‫√ = 𝐽𝐼𝐶‬ ‫𝑘 ‪… … … 𝑗 = 1,2, … ,‬‬ ‫)‪(5.2‬‬
‫𝑗𝜆‬
‫حيث أن‪ : 𝜆𝑀𝑎𝑥 :‬قيمة أكبر جذر مميز‪.‬‬

‫𝑗𝜆 ‪ :‬الجذر المميز رقم 𝑗‬
‫أما العدد الشرطي )‪ (CN‬فيتم حسابه كما يلي‪:‬‬
‫𝑥𝑎𝑀𝜆‬
‫√ = 𝑁𝐶‬ ‫)‪(5.3‬‬
‫𝑛𝑖𝑀𝜆‬
‫فإذا كانت قيمة العدد الشرطي )‪ (Belsley, Kuh, & Welsch, 1980, p. 105‬من ‪ 5‬إلى ‪ 10‬فإن هذا‬
‫دليل على وجود تعدد خطي ضعيف‪ ،‬أما التعدد الخطي من المعتدل إلى المرتفع تكون قيمة العدد الشرطي‬
‫من ‪ 30‬إلى ‪.100‬‬
‫‪- 81 -‬‬
‫‪ -3-2-5‬اختبار ‪ :Farrar-Glauber‬نشر هذا االختبار في عام ‪ 1967‬ويعتمد على ثالث اختبارات‬

‫هي‪:‬‬
‫✓ اختبار ‪ :Chi-Square‬إن اختبار ‪ χ2‬يبين وجود المشكلة من عدمها ويتم حسابه وفق الخطوات‬
‫اآلتية‪:‬‬
‫‪ -‬حساب محدد مصفوفة معامالت االرتباط البسيط بين المتغيرات المستقلة | 𝑅| وهذ المصفوفة‬
‫يكون القطر الرئيس فيها يساوي واحد ألن إرتباط المتغير مع نفسه يساوي (‪.)1‬‬
‫‪ -‬يحسب ‪ χ2‬وفق الصيغة اآلتية‪( :‬الفتالوي و الزبيدي‪ ،2011 ،‬صفحة ‪)170‬‬
‫‪1‬‬
‫| 𝑅|𝑛𝐿 ∗ ])‪𝜒 2 = − [𝑛 − 1 − (2𝑘 + 5‬‬ ‫)‪(5.4‬‬
‫‪6‬‬
‫و | 𝑅|𝑛𝐿 هو اللوغاريتم الطبيعي لمحدد مصفوفة معامالت االرتباط البسيط بين المتغيرات‪ ،‬وبما أن محدد‬
‫| 𝑅| تقع قيمته بين الصفر والواحد‪ ،‬فإن قيمة | 𝑅|𝑛𝐿 تكون سالبة دائما‪.‬‬
‫ويهدف اختبار ‪ 𝜒 2‬إلى إختبار الفرضيتين التاليتن‪:‬‬

‫إذا كانت القيمة المحسوبة أقل من القيمة الجدولية عند مستوى معين ودرجات حرية )‪ 2 𝑘(𝑘 − 1‬حيث‬
‫‪1‬‬
‫) 𝑘( يمثل عدد المتغيرات المستقلة‪ ،‬هنا نقبل فرضية العدم أي عدم وجود مشكلة التعدد الخطي‪ ،‬أما إذا‬
‫كانت القيمة المحسوبة أكبر من القيمة الجدولية نرفض فرضية الصفرية ونقبل الفرضية البديلة‪ ،‬أي وجود‬
‫مشكلة التعدد الخطي‪.‬‬
‫✓ اختبار ‪ :Fisher‬يساعد اختبار 𝐹 في تحديد وجود أو عدم وجود ارتباط بين أحد المتغيرات وباقي‬
‫المتغيرات المستقلة‪ ،‬بمعنى آخر يستخدم لتحديد المتغيرات المستقلة والتي تعتبر السبب في وجود مشكلة‬
‫التعدد الخطي‪ ،‬ويتم اختبار الفرضيات التالية‪( :‬داود و السواعي‪ ،2013 ،‬الصفحات ‪)386-385‬‬
‫‪𝐻0 : 𝑅𝑋2𝑖,𝑋2 𝑋3 …𝑋𝑘 = 0‬‬
‫{‬
‫‪𝐻1 : 𝑅𝑋2𝑖,𝑋2 𝑋3 …𝑋𝑘 ≠ 0‬‬
‫وتكون قيمة 𝐹 المحسوبة للمتغير 𝑖𝑋 تكون‪:‬‬
‫‪𝑅𝑋2𝑖,𝑋2 𝑋3 …𝑋𝑘 ⁄𝑘 − 1‬‬
‫𝑙𝑎𝑐𝐹‬ ‫=‬ ‫)‪(5.5‬‬
‫𝑘 ‪1 − 𝑅𝑋2𝑖,𝑋2 𝑋3 …𝑋𝑘 ⁄𝑛 −‬‬
‫حيث‪ (𝑛) :‬حجم العينة و ) 𝑘( عدد المتغيرات‪.‬‬
‫هذه العلوم الثالثة أيضا‪( .‬داود و السواعي‪ ،2013 ،‬صفحة ‪)14‬‬
‫‪- 82 -‬‬
‫وبمقارنة قيمة 𝐹 المحسوبة مع قيمة 𝐹 المجدولة عند درجة حرية )‪ (𝑘 − 1‬و ) 𝑘 ‪ (𝑛 −‬للبسط والمقام‪،‬‬
‫وعند مستوى معنوية معين‪ ،‬فإذا كانت قيمة 𝐹 المحسوبة أقل من الجدولية‪ ،‬فإننا نقبل فرضية الصفرية‬
‫والذي يقضي بأن المتغير 𝑖𝑋 ليس مرتبطا مع غيره وأنه ليس أحد عناصر مشكلة التعدد الخطي‪ .‬أما إذا‬
‫كانت قيمة 𝐹 المحسوبة أكبر من الجدولية‪ ،‬فإننا نقبل فرضية البديلة والذي يقضي بأن المتغير 𝑖𝑋 مرتبطا‬
‫مع غيره من المتغيرات المستقلة ويعتبر أحد عناصر مشكلة التعدد الخطي‪.‬‬
‫✓ اختبار 𝑻 ‪ :‬ويستخدم هذا االختبار لتحديد المتغيرات المستقلة المتسببة في حدوث التعدد الخطي لكل‬
‫متغيرين مستقلين فمثال إذا كان لدينا ثالث متغيرات مستقلة ) ‪ ،(𝑋1 , 𝑋2 , 𝑋3‬ونقوم بقياس معامالت االرتباط‬
‫الجزئي من الدرجة األولى على النحو التالي‪( :‬داود و السواعي‪ ،2013 ،‬الصفحات ‪)387-386‬‬
‫‪𝑟𝑋1 𝑋2 − 𝑟𝑋1 𝑋3 𝑟𝑋2 𝑋3‬‬
‫= ‪𝑟𝑋1 𝑋2 ,𝑋3‬‬ ‫)‪(5.6‬‬
‫‪2 )(1‬‬ ‫) ‪2‬‬
‫‪√(1 − 𝑟𝑋1 𝑋3‬‬ ‫‪− 𝑟𝑋2 𝑋3‬‬
‫‪𝑟𝑋2 𝑋3 − 𝑟𝑋1 𝑋2 𝑟𝑋1 𝑋3‬‬
‫= ‪𝑟𝑋2 𝑋3 ,𝑋1‬‬ ‫)‪(5.7‬‬
‫) ‪√(1 − 𝑟𝑋21 𝑋2 )(1 − 𝑟𝑋21 𝑋3‬‬
‫‪𝑟𝑋1 𝑋3 − 𝑟𝑋1 𝑋2 𝑟𝑋2 𝑋3‬‬
‫= ‪𝑟𝑋1 𝑋3 ,𝑋2‬‬ ‫)‪(5.8‬‬
‫) ‪√(1 − 𝑟𝑋21 𝑋3 )(1 − 𝑟𝑋22 𝑋3‬‬
‫حيث‪:‬‬
‫) ‪ (𝑟𝑋1 𝑋2 , 𝑟𝑋1 𝑋3 , 𝑟𝑋2 𝑋3‬معامالت اإلرتباط لبيرسون بين أزواج المتغيرات ) ‪(𝑋1 𝑋2 , 𝑋1 𝑋3 , 𝑋2 𝑋3‬‬
‫على التوالي‪.‬‬
‫معامل االرتباط الجزئي ‪ ، 𝑟𝑋1 𝑋2 ,𝑋3‬فإذا كان ‪ 𝑋1‬و ‪ 𝑋2‬هما المسببان لمشكلة التعدد الخطي يتم حساب‬
‫معامل االرتباط الجزئي بين ‪ 𝑋1‬و ‪ 𝑋2‬بإستبعاد المتغير المستقل ‪ 𝑋3‬ويتم إختبار الفرضيات التالية‪:‬‬
‫‪𝐻0 : 𝑟𝑋1 𝑋2 ,𝑋3 = 0‬‬
‫{‬
‫‪𝐻1 : 𝑟𝑋1 𝑋2 ,𝑋3 ≠ 0‬‬
‫ويتم إيجاد قيمة ‪ T‬المحسوبة كما يلي‪:‬‬
‫𝑘 ‪𝑟𝑋1 𝑋2 ,𝑋3 √𝑛 −‬‬
‫= 𝑙𝑎𝑐𝑇‬ ‫)‪(5.9‬‬
‫‪√1 − 𝑟𝑋21 𝑋2 ,𝑋3‬‬
‫‪- 83 -‬‬
‫ويتم إيجاد قيمة 𝑇 المجدولة عند درجة حرية ) 𝑘 ‪ (𝑛 −‬ومستوى معنوية ‪ ، 2‬فإذا كانت قيمة ‪ T‬المحسوبة‬
‫𝛼‬
‫أقل من الجدولية فإننا نقبل الفرض الصفري وبالتالي فإن ‪ 𝑋1‬و ‪ 𝑋2‬ال يتسببان في حدوث مشكلة التعدد‬
‫الخطي‪ ،‬فإذا كانت قيمة ‪ T‬المحسوبة أكبر من الجدولية فإننا نقبل الفرض البديل وبالتالي فإن ‪ 𝑋1‬و ‪𝑋2‬‬
‫يتسببان في حدوث مشكلة التعدد الخطي‪.‬‬
‫ظهرت العديد من أساليب وتقنيات تقدير واختبار المتغيرات في النماذج القياسية في العقدين الماضيين‬
‫األمر الذي أدى إلى تحسن كبير في تقدير المعلمات ودقة التنبؤ‪ ،‬وفيما يلي بعض الطرق المستخدمة في‬
‫هذه الدراسة‪:‬‬
‫‪ -3-5‬طرق اختيار المتغيرات المستقلة في نموذج االنحدار الخطي المتعدد‪:‬‬
‫من أفضل طرق اختيار المتغيرات المستقلة التي تدخل في نموذج االنحدار‪ ،‬وهي الطريقة التي‬
‫نضمن بها التوصل إلى نموذج لديه أعلى قيمة لمعامل التحديد ) ‪ (𝑅 2‬وإختبار ) 𝐹( وأقل قيمة لإلنحراف‬
‫المعياري‪ .‬وتتطلب الوصول إلى هذه الطريقة بناء كل النماذج الممكن توفيقها من المتغيرات المستقلة‪ ،‬ومن‬
‫ثم ترتيبها وفق للمعايير المذكورة آنفا إلختيار أفضل نموذج‪ .‬وبصورة عامة إذا كان لدينا عدد )‪ (k‬متغير‬
‫مستقل فإن عدد النماذج الممكن توفيقها يساوي )‪ .(2𝑘 − 1‬ويمكن أن نلخصها في الطرق التالية‪:‬‬
‫(إسماعيل‪ ،2001 ،‬الصفحات ‪)328-324‬‬
‫‪ -1-3-5‬طريقة الحذف إلى الخلف ()‪ :(Backward (Step-Down‬في هذه الطريقة تتبع الخطوات‬
‫التالية‪:‬‬
‫‪ -‬يتم أوال بناء نموذج يحتوي على كل المتغيرات المستقلة المرشحة‪.‬‬
‫‪ -‬يتم حساب إحصاءات ) 𝐹( الجزئية لكل متغير على أساس أنه آخر متغير أضيف لبقية المتغيرات‬
‫المستقلة األخرى كما يلي‪:‬‬
‫]) ‪[RSS(X1 , X2 , … Xk ) − R(X1‬‬
‫= ) ‪F1 (X1 /X 2 , X3 , … Xk‬‬ ‫)‪(5.10‬‬
‫)‪ESS(X1 , X2 , … Xk )/(n − k − 1‬‬
‫]) ‪[RSS(X1 , X2 , … Xk ) − R(X 2‬‬
‫= ) ‪F2 (X2 /X1 , X3 , … Xk‬‬ ‫)‪(5.11‬‬
‫)‪ESS(X1 , X2 , … Xk )/(n − k − 1‬‬
‫⋮‬
‫]) ‪[RSS(X1 , X 2 , … Xk ) − R(Xk‬‬ ‫)‪(5.12‬‬
‫= ) ‪Fk (X1 /X 2 , X3 , … Xk−1‬‬
‫)‪ESS(X1 , X2 , … Xk )/(n − k − 1‬‬
‫‪ -‬يتم تحديد أقل قيمة إلحصاءات ) 𝐹( الجزئية ومن ثم يتم إجراء اختبار المعنوية لهذا المتغير‪ ،‬فإذا‬
‫كانت قيمة إحصاء ) 𝑝𝐹( الجزئي أكبر من قيمة ) 𝐹( المستخرجة من جدول توزيع ) 𝐹( عند‬
‫‪- 84 -‬‬
‫درجة حرية ‪ 1‬و )‪ (𝑛 − 𝑘 − 1‬ومستوى معنوية معين‪ ،‬فإن ذلك يعني أن المتغيرات المضمنة‬
‫في النموذج معنوية في تأثيرها على المتغير التابع‪ .‬وأما إذا كانت قيمة إحصاء ) 𝐹( الجزئي أقل‬
‫من قيمة ) 𝐹( المجدولة يتم حذف هذا المتغير من النموذج ويتم بناء نموذج آخر يحتوي على كل‬
‫المتغيرات المستقلة ما عدا المتغير المحذوف‪.‬‬
‫‪ -‬يتم تكرار الخطوتين ‪ 2‬و‪ 3‬إلى أن نصل إلى نموذج يتضمن متغيرات جميعها ذات داللة إحصائية‪.‬‬
‫‪ -2-3-5‬طريقة االختيار إلى األمام ()‪ :(Forward (Step-Up‬فيما يلي خطوات طريقة االختيار إلى‬
‫األمام الختيار أفضل نموذج‪:‬‬
‫‪ -‬يتم أوال حساب معامل االرتباط الخطي البسيط بين كل من المتغيرات المستقلة والمتغير التابع‪.‬‬
‫‪ -‬يتم بناء نموذج انحدار خطي بسيط بين المتغير التابع والمتغير المستقل الذي لديه أعلى قيمة‬
‫معامل ارتباط مع المتغير التابع‪ .‬ومن بعد ذلك يتم اختبار معنوية المتغير المستقل بواسطة إحصاء‬
‫) 𝐹( أو ) 𝑡(‪ .‬فإذا كان المتغير المستقل غير معنوي نخلص إلى أنه ال يوجد متغير مستقل يمكن‬
‫أن يسهم في تفسير تباين المتغير التابع‪ .‬أما إذا كان المتغير المستقل ذات داللة إحصائية فسيتم‬
‫تضمين هذا المتغير في النموذج وننتقل إلى الخطوة التالية‪.‬‬
‫‪ -‬في هذه الخطوة يتم بناء نماذج انحدار خطي يضم أي واحد منهما متغيرين أحدهما المتغير الذي‬
‫تم اختياره في الخطوة الثانية‪ ،‬واألخر من بقية المتغيرات المستقلة‪ ،‬ومن بعد ذلك يتم إجراء اختبار‬
‫) 𝐹( الجزئي للمتغير الذي أضيف للنموذج في هذه الخطوة فقط‪.‬‬
‫‪ -‬في هذه الخطوة يتم بناء نماذج تضم ثالثة متغيرات شريطة أن يضم كل نموذج المتغيرين الذين‬
‫تمت إضافتهما في المراحل السابقة‪ ،‬ويتم إجراء اختبار المتغير الثالث الذي أضيف في هذه الخطوة‬
‫بنفس الطريقة التي تم شرحها في الخطوة السابقة‪ .‬وتستمر هذه العملية إلى أن نصل إلى الحد الذي‬
‫ال يترك فيه أي متغير يمكن أن يسهم في تفسير تباين المتغير التابع‪ .‬ومن عيوب طريقة االختيار‬
‫لألمام‪ ،‬أن أي متغير تم تضمينه في أي خطوة من الخطوات سيظل في النموذج إلى أن تنتهي‬
‫عملية االختيار‪.‬‬
‫‪ -3-3-5‬طريقة االنحدار التدريجي )‪ :(Stepwise Regression‬تعتبر طريقة االنحدار التدريجي‬
‫تطوي ار لطريقة االختيار لألمام‪ ،‬وتختلف عنها في أنه يتم اختبار معنوية المتغيرات المستقلة التي سبق‬
‫‪- 85 -‬‬
‫إدخالها في نموذج االنحدار في أي خطوة من خطوات عملية االختيار‪ .‬وفيما يلي خطوات االنحدار‬
‫التدريجي‪:‬‬
‫‪ -‬كما في طريقة االختيار إلى األمام تبدأ هذه الطريقة ببناء نموذج انحدار خطي بسيط يضم المتغير‬
‫الذي لديه أعلى قيمة لمعامل االرتباط مع المتغير التابع‪ ،‬ومن ثم يتم اختيار معنوية هذا المتغير‬
‫بالطرق المعتادة‪ .‬فإذا كان المتغير المستقل غير معنوي تتوقف عملية االختيار ونخلص إلى أنه ال‬
‫يوجد متغير يسهم في تفسير تباين المتغير التابع‪ .‬أما إذا كان المتغير المستقل ذو داللة إحصائية‬
‫سيتم ضمه غلى النموذج وننتقل إلى الخطوة الثانية‪.‬‬
‫‪ -‬في هذه الخطوة يتم اختيار المتغير الثاني الذي سيدخل معادلة االنحدار على أساس قدرته على‬
‫تفسير أكبر قدر من التباين المتبقي‪ .‬فلو افترضنا أن المتغير الذي تم إدخاله في الخطوة األولى‬
‫هو ) ‪ ،(𝑋1‬سيتم بناء نموذج انحدار يضم متغيرين أحدهما المتغير الذي اختير في الخطوة األولى‬
‫) ‪ ، (𝑋1‬وآخر من بقية المتغيرات المستقلة ومن بعد ذلك يتم حساب إحصاء ) 𝐹( الجزئي لكل‬
‫المتغيرات التي ضمها للمتغير ) ‪ (𝑋1‬لتحديد أعلى قيمة إحصاء ) 𝐹(‪ ،‬وبالتالي تحديد المتغير‬
‫المستقل الثاني الذي سيدخل النموذج‪ .‬فإذا كان المتغير الذي أضيف ذات داللة إحصائية يتم‬
‫تضمينه في النموذج‪ ،‬أما إذا كان غير دال إحصائيا نعلن أنه ال توجد متغيرات أخرى تسهم في‬
‫تفسير تباين المتغير التابع ويكتفي بنموذج االنحدار البسيط الذي يضم المتغير ) ‪ (𝑋1‬فقط‪.‬‬
‫‪ -‬نفترض أن المتغير الذي أضيف لنموذج االنحدار في الخطوة الثانية هو ) ‪ .(𝑋3‬واألن يكون لدينا‬
‫نموذج يضم متغيرين هما ) ‪ (𝑋1‬و) ‪ ،(𝑋3‬وقبل البدء في إضافة متغير ثالث يتم اختبار معنوية‬
‫المتغير الذي أدخل في الخطوة األولى ) ‪ (𝑋1‬وهل مازال يسهم في تفسير تباين المتغير التابع‬
‫بمستوى معنوية بوجود المتغير الذي أدخل في الخطوة الثانية ) ‪.(𝑋3‬‬
‫‪[𝑅𝑆𝑆(𝑋1 , 𝑋3 ) − 𝑅𝑆𝑆(𝑋1 )]/1‬‬

‫= ) ‪𝐹 (𝑋1 /𝑋3‬‬ ‫)‪(5.13‬‬
‫)‪𝐸𝑆𝑆(𝑋1 , 𝑋3 )/(𝑛 − 3‬‬
‫وفي الخطوات الالحقة يكون لدينا عد من إحصاءات ) 𝐹( لكل متغير في النموذج بجانب المتغير‬
‫الذي أضيف أخيرا‪ ،‬ويكون المتغير الذي لديه أقل قيمة إلحصاء ) 𝐹( هو المرشح للحذف‪ .‬فإذا‬
‫كانت قيمة أقل إحصاءه ) 𝐹( أكبر من القيمة الجدولية لتوزيع ) 𝐹( سيبقى هذا المتغير في‬
‫النموذج‪ .‬ولو حدث العكس سيتم حذف هذا المتغير‪.‬‬
‫‪- 86 -‬‬
‫‪ -‬نفترض أن المتغير ) ‪ (𝑋3‬ذات داللة إحصائية وبذلك يكون النموذج يضم المتغيرين ) ‪ (𝑋1‬و) ‪.(𝑋3‬‬
‫ولتحديد المتغير الثالث المرشح إدخاله في النموذج يتم إتباع الخطوتين السابقتين‪ .‬وتستمر هذه‬
‫العملية إلى الحد الذي ال يترك فيه أي متغير يمكن أن يسهم في تفسير تباين المتغير التابع‪.‬‬
‫‪ -4-5‬انحدار المركبات الرئيسية‪:‬‬
‫تعمل طريقة انحدار المركبات الرئيسية )‪ (Principal Components Regression‬على تحويل‬
‫المتغيرات المستقلة المرتبطة خطيا ) 𝑛𝑋 ‪ (𝑋1 , 𝑋2 , … ,‬إلى مركبات خطية متعامدة ) 𝑛𝐹 ‪(𝐹1 , 𝐹2 , … ,‬‬
‫بحيث يتم إختيار مركبات خطية أقل عددا بحيث تكون قادرة على تفسير معظم التباين الكلي للقيم األصلية‪،‬‬
‫ويمكن إجراء تحليل المركبات الرئيسية باستخدام مصفوفة التباين والتباين المشترك عندما تكون جميع‬
‫المتغيرات المستقلة لها وحدات القياس نفسها‪ ،‬في حين تستخدم مصفوفة االرتباطات البسيطة عندما تختلف‬
‫المتغيرات المستقلة في وحدات قياسها‪ ،‬ويمكن كتابة المكونات الرئيسية كاالتي‪( :‬مزاحم‪ ،2008 ،‬الصفحات‬
‫‪)150-149‬‬
‫‪Fj = a1j X1 + a2j X2 + ⋯ + akj Xn‬‬ ‫‪j = 1,2, … , n‬‬ ‫)‪(5.14‬‬
‫ويمكن كتابتها بصيغة المصفوفات كاآلتي‪:‬‬
‫‪F=XV‬‬ ‫)‪(5.15‬‬
‫بحيث‪:‬‬
‫𝐹‪ :‬مصفوفة المركبات الرئيسية ) 𝑛𝐹 ‪(𝐹1 , 𝐹2 , … ,‬‬

‫𝑋‪ :‬مصفوفة المتغيرات المستقلة ) 𝑛𝑋 ‪.(𝑋1 , 𝑋2 , … ,‬‬
‫𝑉‪ :‬مصفوفة المتجهات المميزة المعدلة ذات الرتبة )𝑛 ∗ 𝑛( للمصفوفة‬
‫إن كل عمود من المصفوفة )‪ (V‬يحوي على معامالت إلحدى المركبات الرئيسية والتي تجعل‬
‫تباين المركب الرئيسي ) ‪ (𝐹1‬أكبر ما يمكن‪ ،‬إن المركب الرئيسي األول هو عبارة عن توليفة خطية من‬
‫المتغيرات األصلية وإن تباينه هو أكبر من تباين أي مركب رئيسي آخر‪ ،‬وإن المركب الرئيسي الثاني ) ‪(𝐹2‬‬
‫هو توليفة خطية من المتغيرات األصلية وإنه غير مرتبط مع المركب الرئيسي األول‪ ،‬وأن له تباينا أقل من‬
‫تباين المركب الرئيسي األول ولكن أكبر من تباين أي مركب رئيسي آخر‪ ،‬وهكذا لبقية المركبات‪ ،‬كما أن‬
‫لكل مركب رئيسي له تباين مساو لقيمة الجذر المميز التابع له‪.‬‬
‫‪- 87 -‬‬
‫إن مما يجدر ذكره أن من الممكن إيجاد مركبات رئيسية بقدر عدد المتغيرات األصلية ولكن عمليا‬
‫فإن معظم التباين الكلي يفسر من قبل مركبات رئيسية أقل‪ ،‬كذلك يمكن إعادة صياغة معادلة االنحدار‬
‫بداللة المركبات الرئيسية الممثلة لمعظم التباين الكلي باستعمال طريقة المربعات الصغرى العادية‪ ،‬حيث‬
‫نحصل على تقديرات لمعامالت انحدار المركبات الرئيسية ومن ثم تحويلها بداللة المتغيرات األصلية من‬
‫أجل الوصول إلى مقدرات خالية من أثر التعدد الخطي‪ .‬وفيما يتعلق بعدد المركبات التي يتم استخدامها في‬
‫معادلة االنحدار فليس هناك طريقة متفق عليها ولكن من المعتاد أن المركبات التي تدخل في النموذج هي‬
‫المركبات الرئيسية التي تكون جذورها المميزة أكبر من الواحد أو المركبات الرئيسية التي تكون نسبة التباين‬
‫المفسر لها (‪ )%75‬أو أكثر‪ ،‬مع مالحظة أن استبعاد المركبات التي تكون جذورها المميزة قريبة من الصفر‪،‬‬
‫والتي يمكن أن تكون مرتبطة بشكل أكبر مع المتغير المعتمد يؤدي إلى التقليل من معامل )‪ ،(VIF‬ولكن‬
‫ذلك يكون على حساب تعظيم التحيز‪.‬‬
‫‪ -5-5‬طريقة انحدار الحرف‪:‬‬

‫يعتبر أسلوب انحدار الحرف )‪(Ridge‬أحد بدائل التقدير عندما يكون هناك مشكلة تعدد خطي‬
‫بين المتغيرات المستقلة للنموذج الخطي العام‪ ،‬ففي عام ‪ 1970‬اقترح الباحثان )‪(Hoeral and Bennard‬‬
‫أسلوب لمعالجة مثل هذه المشكلة وذلك يهدف إلى معالجة هذه المشكلة حيث أن‪( :‬كاضم‪ ،2009 ،‬صفحة‬
‫‪)221‬‬
‫) ‪UJ ~N(0, σ2 In‬‬
‫∀ ‪E(𝑈𝑖 , 𝑈𝑗 ) ≠ 0‬‬ ‫𝑗≠𝑖‬
‫‪E(𝑈𝑖 , 𝑋𝑖 ) = 0‬‬
‫من المالحظ في إتباع هذا األسلوب تستخدم الصيغة المعيارية للمتغيرات المعتمدة والمستقلة وذلك بطرح‬
‫الوسط الحسابي والقسمة على االنحراف المعياري لكل متغير إذ تجري جميع الحسابات الخاصة بانحدار‬
‫الحرف على أساس ذلك‪ .‬وبوضع المتغيرات بالصيغة المعيارية تتحول المصفوفة )𝑋‪ (𝑋′‬إلى مصفوفة‬
‫إرتباط المتغيرات التوضيحية‪.‬‬
‫وكما هو معلوم في حالة التعدد الخطي شبه التام‪ ،‬يمكن الحصول على تقدير أولي لمعلمات النموذج الخطي‬
‫العام‪ ،‬من خالل تطبيق أسلوب )‪ (OLS‬كاآلتي‪:‬‬
‫)𝑌‪𝑏̂𝐿𝑆 = (𝑋′𝑋)−1 (𝑋′‬‬ ‫)‪(5.16‬‬
‫وكذلك لمصفوفة التباين والتباين المشترك كاآلتي‪:‬‬
‫‪- 88 -‬‬
‫‪δ̂2bLS = δ2U (X′X)−1‬‬ ‫)‪(5.17‬‬

‫وتعد طريقة انحدار الحرف تحسين لطريقة )‪ (OLS‬عند وجود التعدد الخطي شبه التام وذلك بإضافة كمية‬
‫موجبة صغيرة )𝜆( للعناصر القطرية للمصفوفة )𝑋‪ (𝑋′‬قبل أخذ معكوسها ليصبح تقدير المعلمات بالشكل‬
‫التالي‪( Cornillon & Lober, 2011, p. 170) :‬‬
‫)𝑌‪𝑏̂𝑅𝑅 = (𝑋 ′ 𝑋 + 𝜆 𝐼𝑛 )−1 (𝑋′‬‬ ‫‪0≤𝜆≤1‬‬ ‫)‪(5.18‬‬
‫حيث أن )‪ ،(𝜆 ≥ 0‬وتمثل قيمة ثابت الحرف وهي معلمة غير عشوائية عندما )‪ (𝜆 = 0‬فإن مقدرات‬
‫إنحدار الحرف )‪ (Ridge‬هي نفسها تقديرات )‪.(OLS‬‬
‫ويمكن تحديد قيمة )𝜆(بعدة طرق منها الطريقة التحليلية والطريقة البيانية التي وضعها ( ‪Hoerl and‬‬
‫‪ )Kannard‬شكال بيانيا أسمياه أثر الحرف )‪ (Ridge Trace‬وهو عبارة عن التمثيل البياني لمقدرات‬
‫انحدار الحرف المناظرة لقيمة )𝜆( وتحدد قيمته ضمن المجال ]‪.[1,0‬‬
‫عندما تكون ظاهرة التعدد الخطي واضحة وتمثل مشكلة حقيقية فإن مقدرات الحرف تتغير تغي ار متذبذبا‬
‫عند أي زيادة في قيمة )𝜆( عن الصفر‪ ،‬وأخي ار تتجه هذه المقدرات نحو اإلستقرار عن القيم الكبيرة لـ)𝜆(‪.‬‬
‫(محمد‪)2011 ،‬‬
‫متوسط مربعات الخطأ لمقدرات انحدار الحرف تكون أقل من متوسط مربعات الخطأ لطريقة المربعات‬
‫الصغرى العادية أي أن )) 𝑆𝐿𝑂𝑏( 𝐸𝑆𝑀 < ) 𝑅𝑅𝑏( 𝐸𝑆𝑀( لهذا نقبل بمقدار معين من التحيز مقابل‬
‫تقليل التباين للمقدرات‪( .‬عبد هللا و مزاحم‪ ،2007 ،‬صفحة ‪)177‬‬
‫مثال (‪ :)1-5‬باحث اقتصادي تحصل على النتائج التالية‪:‬‬
‫السنوات‬ ‫𝒕𝒀‬ ‫𝒕𝟏𝑿‬ ‫𝒕𝟐𝑿‬ ‫𝒕𝟑𝑿‬
‫‪1999‬‬ ‫‪33‬‬ ‫‪40‬‬ ‫‪10‬‬ ‫‪18‬‬
‫‪2000‬‬ ‫‪36‬‬ ‫‪42‬‬ ‫‪11‬‬ ‫‪18‬‬
‫‪2001‬‬ ‫‪38‬‬ ‫‪45‬‬ ‫‪14‬‬ ‫‪20‬‬
‫‪2002‬‬ ‫‪40‬‬ ‫‪50‬‬ ‫‪16‬‬ ‫‪23‬‬
‫‪2003‬‬ ‫‪42‬‬ ‫‪55‬‬ ‫‪18‬‬ ‫‪26‬‬
‫‪2004‬‬ ‫‪44‬‬ ‫‪60‬‬ ‫‪22‬‬ ‫‪36‬‬
‫‪2005‬‬ ‫‪46‬‬ ‫‪62‬‬ ‫‪24‬‬ ‫‪39‬‬
‫أ‪ -‬اختبر وجود مشكلة التعدد الخطي حسب معامل تضخم التباين )‪(VIF‬؟‬
‫‪- 89 -‬‬
‫ب‪ -‬اختبر وجود مشكلة التعدد الخطي باستخدام طريقة ‪Farrar Glauber‬؟‬
‫ج‪ -‬ما هي أهم الطرق للتخلص من مشكلة التعدد الخطي حسب علمك؟‬
‫السنوات‬ ‫𝒕𝒀‬ ‫𝒕𝟏𝑿‬ ‫𝒕𝟐𝑿‬ ‫𝒕𝟑𝑿‬ ‫𝒕𝟐𝑿 ∗ 𝒕𝟏𝑿‬ ‫𝒕𝟑𝑿 ∗ 𝒕𝟏𝑿‬ ‫𝒕𝟑𝑿 ∗ 𝒕𝟐𝑿‬
‫‪1999‬‬ ‫‪33‬‬ ‫‪40‬‬ ‫‪10‬‬ ‫‪18‬‬ ‫‪400‬‬ ‫‪720‬‬ ‫‪180‬‬
‫‪2000‬‬ ‫‪36‬‬ ‫‪42‬‬ ‫‪11‬‬ ‫‪18‬‬ ‫‪462‬‬ ‫‪756‬‬ ‫‪198‬‬
‫‪2001‬‬ ‫‪38‬‬ ‫‪45‬‬ ‫‪14‬‬ ‫‪20‬‬ ‫‪630‬‬ ‫‪900‬‬ ‫‪280‬‬
‫‪2002‬‬ ‫‪40‬‬ ‫‪50‬‬ ‫‪16‬‬ ‫‪23‬‬ ‫‪800‬‬ ‫‪1150‬‬ ‫‪368‬‬
‫‪2003‬‬ ‫‪42‬‬ ‫‪55‬‬ ‫‪18‬‬ ‫‪26‬‬ ‫‪990‬‬ ‫‪1430‬‬ ‫‪468‬‬
‫‪2004‬‬ ‫‪44‬‬ ‫‪60‬‬ ‫‪22‬‬ ‫‪36‬‬ ‫‪1320‬‬ ‫‪2160‬‬ ‫‪792‬‬
‫‪2005‬‬ ‫‪46‬‬ ‫‪62‬‬ ‫‪24‬‬ ‫‪39‬‬ ‫‪1488‬‬ ‫‪2418‬‬ ‫‪936‬‬
‫المجموع‬ ‫‪279‬‬ ‫‪354‬‬ ‫‪115‬‬ ‫‪180‬‬ ‫‪6090‬‬ ‫‪9534‬‬ ‫‪3222‬‬
‫المجموع مربع‬ ‫‪11245‬‬ ‫‪18358‬‬ ‫‪2057‬‬ ‫‪5070‬‬
‫‪SCT‬‬ ‫‪455,7143‬‬ ‫‪167,7143‬‬ ‫‪441,4286‬‬
‫أ‪ -‬اختبار وجود مشكلة التعدد الخطي حسب عامل تضخم التباين )‪:(VIF‬‬
‫أ‪ -1-‬حساب عامل تضخم التباين )‪ (VIF‬بالنسبة لـ ‪:X1‬‬
‫)𝑌‪𝑏̂ = (𝑋′𝑋)−1 (𝑋′‬‬

‫‪∑ 𝑋1‬‬ ‫‪354‬‬
‫)‪(𝑋′𝑌) = ( ∑ 𝑋2 𝑋1 ) = (6090‬‬
‫‪∑ 𝑋3 𝑋1‬‬ ‫‪9534‬‬
‫𝑛‬ ‫‪∑ 𝑋2‬‬ ‫‪∑ 𝑋3‬‬ ‫‪7‬‬ ‫‪115‬‬ ‫‪180‬‬
‫‪(𝑋′𝑋) = (∑ 𝑋2‬‬ ‫‪∑ 𝑋22‬‬ ‫)‪∑ 𝑋2 𝑋3 )=(115 2057 3222‬‬
‫‪∑ 𝑋3‬‬ ‫‪∑ 𝑋3 𝑋2‬‬ ‫‪∑ 𝑋32‬‬ ‫‪180 3222 5070‬‬
‫‪1‬‬ ‫‪47706 −3090‬‬ ‫‪270‬‬

‫𝑋‪(𝑋′‬‬ ‫‪)−1‬‬
‫=‬ ‫)‪(−3090 3090 −1854‬‬
‫‪27192‬‬
‫‪270‬‬ ‫‪−1854 1174‬‬
‫‪1‬‬ ‫‪47706 −3090‬‬ ‫‪270‬‬ ‫‪354‬‬ ‫‪23.6836‬‬
‫= ̂𝑏‬ ‫) ‪(−3090 3090 −1854) (6090) = ( 1.7727‬‬
‫‪27192‬‬
‫‪270‬‬ ‫‪−1854 1174‬‬ ‫‪9534‬‬ ‫‪−0.0869‬‬
‫𝑡‪𝑋̂1𝑡 = 23.6836 + 1.7727 𝑋2𝑡 − 0.0869 𝑋3‬‬
‫‪- 90 -‬‬
‫𝑡‪∑ 𝜀𝑡2 = ∑ 𝑋1‬‬

‫‪2‬‬
‫𝑡‪− ∑ 𝑋1𝑡 𝑋̂1‬‬
‫𝑡‪∑ 𝜀𝑡2 = ∑ 𝑋1‬‬

‫‪2‬‬
‫) 𝑡‪− ∑ 𝑋1𝑡 (23.6836 + 1.7727 𝑋2𝑡 − 0.0869 𝑋3‬‬
‫𝑡‪∑ 𝜀𝑡2 = ∑ 𝑋1‬‬

‫‪2‬‬
‫] 𝑡‪− [23.6836 ∑ 𝑋1𝑡 + 1.7727 ∑ 𝑋1𝑡 𝑋2𝑡 − 0.0869 ∑ 𝑋1𝑡 𝑋3‬‬
‫])‪∑ 𝜀𝑡2 = 18358 − [23.6836 (354) + 1.7727 (6090) − 0.0869(9534‬‬

‫‪∑ 𝜺𝟐𝒕 =6.7672‬‬
‫(النتيجة المحصل عليها باألكسل) ‪∑ 𝜺𝟐𝒕 =6.9629‬‬
‫ايجاد معامل التحديد ‪R2‬‬
‫𝑅𝐶𝑆‬
‫‪𝑅2 = 1 −‬‬
‫𝑇𝐶𝑆‬
‫𝟑𝟒𝟏𝟕 ‪𝑆𝐶𝑇 = ∑(𝑋1𝑡 − 𝑋̅1 )2 ⇒ 𝑺𝑪𝑻 = 𝟒𝟓𝟓.‬‬
‫𝑅𝐶𝑆‬ ‫‪6.7672‬‬
‫‪𝑅2 = 1 −‬‬ ‫‪⇔ 𝑅2 = 1 −‬‬ ‫⇒‬ ‫𝟐𝟓𝟖𝟗 ‪𝑹𝟐 = 𝟎.‬‬
‫𝑇𝐶𝑆‬ ‫‪455.7143‬‬
‫‪1‬‬ ‫‪1‬‬
‫= ) ‪𝑉𝐼𝐹 (𝑋1‬‬ ‫⇔‬ ‫𝐹𝐼𝑉‬ ‫(‬‫𝑋‬ ‫)‬ ‫=‬ ‫⇒‬ ‫𝟔𝟕𝟔𝟓 ‪𝑽𝑰𝑭(𝑿𝟏 ) = 𝟔𝟕.‬‬
‫‪1‬‬
‫‪1 − 𝑅2‬‬ ‫‪1 − 0.9852‬‬
‫)𝑌‪𝑏̂ = (𝑋′𝑋)−1 (𝑋′‬‬

‫‪∑ 𝑋2‬‬ ‫‪115‬‬
‫)‪(𝑋′𝑌) = ( ∑ 𝑋1 𝑋2 ) = (6090‬‬
‫‪∑ 𝑋3 𝑋2‬‬ ‫‪3222‬‬
‫𝑛‬ ‫‪∑ 𝑋1‬‬ ‫‪∑ 𝑋3‬‬ ‫‪7‬‬ ‫‪354‬‬ ‫‪180‬‬
‫‪(𝑋′𝑋) = (∑ 𝑋1‬‬ ‫‪∑ 𝑋12‬‬ ‫)‪∑ 𝑋1 𝑋3 )=(354 18358 9534‬‬
‫‪∑ 𝑋3‬‬ ‫‪∑ 𝑋3 𝑋1‬‬ ‫‪∑ 𝑋32‬‬ ‫‪180 9534 5070‬‬
‫‪1‬‬ ‫‪2177904 −78660 70596‬‬

‫𝑋‪(𝑋′‬‬ ‫‪)−1‬‬ ‫=‬ ‫‪( −78660‬‬ ‫‪3090‬‬ ‫)‪−3018‬‬
‫‪106968‬‬
‫‪70596‬‬ ‫‪−3018‬‬ ‫‪3190‬‬
‫‪- 91 -‬‬
‫‪1‬‬ ‫‪2177904 −78660 70596‬‬ ‫‪115‬‬ ‫‪−10.4716‬‬

‫= ̂𝑏‬ ‫‪( −78660‬‬ ‫‪3090‬‬ ‫) ‪−3018) (6090) = ( 0.4506‬‬
‫‪106968‬‬
‫‪70596‬‬ ‫‪−3018‬‬ ‫‪3190‬‬ ‫‪3222‬‬ ‫‪0.1599‬‬
‫𝑡‪𝑋̂2𝑡 = −10.4716 + 0.4506 𝑋1𝑡 + 0.1599 𝑋3‬‬
‫‪2‬‬
‫𝑡‪∑ 𝜀𝑡2 = ∑ 𝑋2‬‬ ‫𝑡‪− ∑ 𝑋2𝑡 𝑋̂2‬‬
‫‪2‬‬
‫𝑡‪∑ 𝜀𝑡2 = ∑ 𝑋2‬‬ ‫) 𝑡‪− ∑ 𝑋2𝑡 (−10.4716 + 0.4506 𝑋1𝑡 + 0.1599 𝑋3‬‬
‫‪2‬‬
‫𝑡‪∑ 𝜀𝑡2 = ∑ 𝑋2‬‬
‫] 𝑡‪− [−10.4716 ∑ 𝑋2𝑡 + 0.4506 ∑ 𝑋1𝑡 𝑋2𝑡 + 0.1599 ∑ 𝑋3𝑡 𝑋2‬‬
‫])‪∑ 𝜀𝑡2 = 2057 − [−10.4716 (115) + 0.4506 (6090) + 0.1599(3222‬‬

‫‪∑ 𝜺𝟐𝒕 =1.8822‬‬
‫𝑅𝐶𝑆‬
‫‪𝑅2 = 1 −‬‬
‫𝑇𝐶𝑆‬
‫𝟑𝟒𝟏𝟕 ‪𝑆𝐶𝑇 = ∑(𝑋1𝑡 − 𝑋̅1 )2 ⇒ 𝐒𝐂𝐓 = 𝟏𝟔𝟕.‬‬

‫𝑅𝐶𝑆‬ ‫‪1.8822‬‬
‫‪𝑅2 = 1 −‬‬ ‫‪⇔ 𝑅2 = 1 −‬‬ ‫⇒‬ ‫𝟖𝟖𝟖𝟗 ‪𝐑𝟐 = 𝟎.‬‬
‫𝑇𝐶𝑆‬ ‫‪167.7143‬‬
‫‪1‬‬ ‫‪1‬‬
‫= ) ‪𝑉𝐼𝐹 (𝑋2‬‬ ‫⇔‬ ‫𝐹𝐼𝑉‬ ‫(‬‫𝑋‬ ‫)‬ ‫=‬ ‫⇒‬ ‫𝟕𝟓𝟖𝟐 ‪𝐕𝐈𝐅(𝐗 𝟐 ) = 𝟖𝟗.‬‬
‫‪2‬‬
‫‪1 − 𝑅2‬‬ ‫‪1 − 0.9888‬‬

‫)𝑌‪𝑏̂ = (𝑋′𝑋)−1 (𝑋′‬‬
‫‪∑ 𝑋3‬‬ ‫‪180‬‬
‫)‪(𝑋′𝑌) = ( ∑ 𝑋1 𝑋3 ) = (9534‬‬
‫‪∑ 𝑋2 𝑋3‬‬ ‫‪3222‬‬
‫𝑛‬ ‫‪∑ 𝑋1‬‬ ‫‪∑ 𝑋2‬‬ ‫‪7‬‬ ‫‪354‬‬ ‫‪115‬‬
‫‪(𝑋′𝑋) = (∑ 𝑋1‬‬ ‫‪∑ 𝑋12‬‬ ‫)‪∑ 𝑋1 𝑋2 )=(354 18358 6090‬‬
‫‪∑ 𝑋2‬‬ ‫‪∑ 𝑋2 𝑋1‬‬ ‫‪∑ 𝑋22‬‬ ‫‪115 6090 2057‬‬
‫‪- 92 -‬‬
‫‪1‬‬ ‫‪674306 −27828 44690‬‬

‫𝑋‪(𝑋′‬‬ ‫‪)−1‬‬
‫=‬ ‫‪(−27828‬‬ ‫‪1174‬‬ ‫)‪−1920‬‬
‫‪8380‬‬
‫‪44690‬‬ ‫‪−1920‬‬ ‫‪3190‬‬
‫‪1‬‬ ‫‪674306 −27828 44690‬‬ ‫‪180‬‬ ‫‪6.4568‬‬
‫̂‬
‫=𝑏‬ ‫‪(−27828‬‬ ‫‪1174‬‬ ‫)‪−1920) (9534) = (−0.2821‬‬
‫‪8380‬‬
‫‪44690‬‬ ‫‪−1920‬‬ ‫‪3190‬‬ ‫‪3222‬‬ ‫‪2.0406‬‬
‫𝑡‪𝑋̂3𝑡 = 6.4568 − 0.2821 𝑋1𝑡 + 2.0406 𝑋2‬‬
‫‪2‬‬
‫𝑡‪∑ 𝜀𝑡2 = ∑ 𝑋3‬‬ ‫𝑡‪− ∑ 𝑋3𝑡 𝑋̂3‬‬
‫‪2‬‬
‫𝑡‪∑ 𝜀𝑡2 = ∑ 𝑋3‬‬ ‫) 𝑡‪− ∑ 𝑋2𝑡 (6.4568 − 0.2821 𝑋1𝑡 + 2.0406 𝑋2‬‬
‫‪2‬‬
‫𝑡‪∑ 𝜀𝑡2 = ∑ 𝑋3‬‬ ‫] 𝑡‪− [6.4568 ∑ 𝑋3𝑡 −0.2821 ∑ 𝑋3𝑡 𝑋1𝑡 + 2.0406 ∑ 𝑋3𝑡 𝑋2‬‬
‫])‪∑ 𝜀𝑡2 = 5070 − [6.4568 (180) − 0.2821 (9534) + 2.0406(3222‬‬

‫‪∑ 𝜺𝟐𝒕 =22.5042‬‬
‫𝑅𝐶𝑆‬
‫‪𝑅2 = 1 −‬‬
‫𝑇𝐶𝑆‬
‫𝟔𝟖𝟐𝟒 ‪𝑆𝐶𝑇 = ∑(𝑋1𝑡 − 𝑋̅1 )2 ⇒ 𝐒𝐂𝐓 = 𝟒𝟒𝟏.‬‬
‫𝑅𝐶𝑆‬ ‫‪22.5042‬‬ ‫𝟎𝟗𝟒𝟗 ‪𝐑𝟐 = 𝟎.‬‬

‫‪𝑅2 = 1 −‬‬ ‫‪⇔ 𝑅2 = 1 −‬‬ ‫⇒‬
‫𝑇𝐶𝑆‬ ‫‪441.4286‬‬
‫‪1‬‬ ‫‪1‬‬
‫= ) ‪𝑉𝐼𝐹 (𝑋3‬‬ ‫⇔‬ ‫𝐹𝐼𝑉‬ ‫(‬‫𝑋‬‫‪3‬‬ ‫)‬ ‫=‬ ‫⇒‬ ‫𝟖𝟕𝟎𝟔 ‪𝐕𝐈𝐅(𝐗 𝟑 ) = 𝟏𝟗.‬‬
‫‪1 − 𝑅2‬‬ ‫‪1 − 0.9490‬‬
‫ب‪ -‬اختبار وجود مشكلة التعدد الخطي باستخدام طريقة ‪:Farrar Glauber‬‬
‫ب‪ -1-‬اختبار ‪ :Chi-Square‬إن اختبار ‪ χ2‬يبين وجود المشكلة من عدمها ويتم حسابه وفق الخطوات‬
‫اآلتية‪:‬‬
‫‪ -‬حساب محدد مصفوفة معامالت االرتباط البسيط بين المتغيرات المستقلة | 𝑅|‪:‬‬
‫‪- 93 -‬‬
‫‪1‬‬ ‫‪0.99213744 0.96126837‬‬

‫‪𝑅𝑋 = (0.99213744‬‬ ‫‪1‬‬ ‫)‪0.97341143‬‬
‫‪0.96126837 0.97341143‬‬ ‫‪1‬‬
‫‪|𝑅𝑋 | = 0.0008017‬‬
‫‪ -‬يحسب ‪ χ2‬وفق الصيغة اآلتية‪:‬‬
‫‪1‬‬
‫| 𝑅|𝑛𝐿 ∗ ])‪𝜒 2 = − [𝑛 − 1 − (2𝑘 + 5‬‬
‫‪6‬‬
‫‪1‬‬
‫)‪𝜒 2 = − [7 − 1 − (2(3) + 5)] ∗ 𝐿𝑛(0.0008017‬‬
‫‪6‬‬
‫𝟐‬
‫‪𝝌 =29.7032‬‬
‫)‪2(𝛼=0.05‬‬ ‫)‪2(𝛼=0.05‬‬
‫‪𝜒2‬‬ ‫‪= 𝜒12𝑘(𝑘−1) = 𝜒1‬‬ ‫‪= 𝜒3‬‬ ‫𝟕𝟒𝟏𝟖 ‪= 𝟕.‬‬
‫الجدولية‬ ‫‪2‬‬ ‫‪2‬‬
‫)‪(3)(3−1‬‬
‫بما أن القيمة المحسوبة أكبر من القيمة الجدولية عند مستوى داللة إحصائية )‪ ،(𝛼 = 0.05‬وعليه نرفض‬
‫الفرض الصفري ونقبل الفرض البديل‪ ،‬أي وجود مشكلة التعدد الخطي‪.‬‬
‫ب‪ -2-‬إختبار ‪ : Fisher‬يستخدم لتحديد المتغيرات المستقلة والتي تعتبر السبب في وجود مشكلة التعدد‬
‫الخطي‪ ،‬ويتم إختبار الفرضيات التالية‪:‬‬
‫‪𝐻0 : 𝑅𝑋2𝑖,𝑋2 𝑋3 …𝑋𝑘 = 0‬‬
‫{‬
‫‪𝐻1 : 𝑅𝑋2𝑖,𝑋2 𝑋3 …𝑋𝑘 ≠ 0‬‬
‫▪ وتكون قيمة ‪ F‬المحسوبة للمتغير ‪ 𝑋1‬تكون‪:‬‬
‫‪𝑅𝑋21 ,𝑋2 𝑋3 ⁄𝑘 − 1‬‬ ‫‪(𝟎. 𝟗𝟖𝟓𝟐)⁄3 − 1‬‬
‫𝑙𝑎𝑐𝐹‬ ‫=‬ ‫=‬ ‫𝟏𝟓𝟑𝟏 ‪= 𝟏𝟑𝟑.‬‬
‫𝑘 ‪1 − 𝑅𝑋21 ,𝑋2 𝑋3 ⁄𝑛 −‬‬ ‫‪1 − (𝟎. 𝟗𝟖𝟓𝟐)⁄7 − 3‬‬
‫‪𝛼=0.05‬‬ ‫‪𝛼=0.05‬‬ ‫‪𝛼=0.05‬‬
‫𝑏𝑎𝑡𝐹‬ ‫)𝑘‪= 𝐹(𝑘−1,𝑛−‬‬ ‫)‪= 𝐹(2,4‬‬ ‫𝟒𝟗 ‪= 𝟔.‬‬
‫بما أن قيمة ‪ F‬المحسوبة أكبر من قيمة ‪ F‬الجدولية عند مستوى داللة إحصائية )‪ ،(𝛼 = 0.05‬وعليه‬
‫نقبل الفرضية البديلة والذي يقضي بأن المتغير ‪ 𝑋1‬مرتبط مع غيره من المتغيرات المستقلة ويعتبر أحد‬
‫عناصر مشكلة التعدد الخطي‪.‬‬
‫▪ وتكون قيمة ‪ F‬المحسوبة للمتغير ‪ 𝑋2‬تكون‪:‬‬
‫‪𝑅𝑋22 ,𝑋1 𝑋3 ⁄𝑘 − 1‬‬ ‫‪(0.9888)⁄3 − 1‬‬
‫𝑙𝑎𝑐𝐹‬ ‫=‬ ‫=‬ ‫𝟒𝟏𝟕𝟓 ‪= 𝟏𝟕𝟔.‬‬
‫𝑘 ‪1 − 𝑅𝑋22 ,𝑋1 𝑋3 ⁄𝑛 −‬‬ ‫‪1 − (0.9888)⁄7 − 3‬‬
‫‪𝛼=0.05‬‬ ‫‪𝛼=0.05‬‬ ‫‪𝛼=0.05‬‬
‫𝑏𝑎𝑡𝐹‬ ‫)𝑘‪= 𝐹(𝑘−1,𝑛−‬‬ ‫)‪= 𝐹(2,4‬‬ ‫𝟒𝟗 ‪= 𝟔.‬‬
‫‪- 94 -‬‬
‫بما أن قيمة ‪ F‬المحسوبة أكبر من قيمة ‪ F‬الجدولية عند مستوى داللة إحصائية )‪ ،(𝛼 = 0.05‬وعليه‬
‫▪ وتكون قيمة 𝐹 المحسوبة للمتغير ‪ 𝑋3‬تكون‪:‬‬

‫‪𝑅𝑋23 ,𝑋1 𝑋2 ⁄𝑘 − 1‬‬ ‫‪(0.9490)⁄3 − 1‬‬
‫𝑙𝑎𝑐𝐹‬ ‫=‬ ‫=‬ ‫𝟕𝟓𝟏𝟐 ‪= 𝟑𝟕.‬‬
‫𝑘 ‪1 − 𝑅𝑋23 ,𝑋1 𝑋2 ⁄𝑛 −‬‬ ‫‪1 − (0.9490)⁄7 − 3‬‬
‫‪𝛼=0.05‬‬ ‫‪𝛼=0.05‬‬ ‫‪𝛼=0.05‬‬
‫𝑏𝑎𝑡𝐹‬ ‫)𝑘‪= 𝐹(𝑘−1,𝑛−‬‬ ‫)‪= 𝐹(2,4‬‬ ‫𝟒𝟗 ‪= 𝟔.‬‬
‫بما أن قيمة 𝐹 المحسوبة أكبر من قيمة 𝐹 الجدولية عند مستوى داللة إحصائية )‪ ،(𝛼 = 0.05‬وعليه‬
‫ب‪ .3-‬اختبار 𝑻‪ :‬ويستخدم هذا االختبار لتحديد المتغيرات المستقلة المتسببة في حدوث التعدد الخطي لكل‬
‫متغيرين مستقلين‪ ،‬حيث‪ (𝑟𝑋1 𝑋2 , 𝑟𝑋1 𝑋3 , 𝑟𝑋2 𝑋3 ) :‬معامالت اإلرتباط لبيرسون بين أزواج المتغيرات‬
‫) ‪ (𝑋1 𝑋2 , 𝑋1 𝑋3 , 𝑋2 𝑋3‬على التوالي‪ .‬ونقوم بقياس معامالت االرتباط الجزئي من الدرجة األولى على‬
‫النحو التالي‪:‬‬
‫‪𝑟𝑋1 𝑋2 −𝑟𝑋1 𝑋3 𝑟𝑋2 𝑋3‬‬
‫= ‪𝑟𝑋1 𝑋2 ,𝑋3‬‬ ‫‪=0.8938‬‬
‫) ‪√(1−𝑟𝑋21 𝑋3 )(1−𝑟𝑋22 𝑋3‬‬
‫‪𝑟𝑋1 𝑋3 −𝑟𝑋1 𝑋2 𝑟𝑋2 𝑋3‬‬
‫= ‪𝑟𝑋1 𝑋3 ,𝑋2‬‬ ‫‪=-0.1566‬‬
‫‪√(1−𝑟𝑋2‬‬ ‫) ‪)(1−𝑟𝑋22 𝑋3‬‬
‫‪1 𝑋3‬‬
‫‪𝑟𝑋2 𝑋3 − 𝑟𝑋1 𝑋2 𝑟𝑋1 𝑋3‬‬
‫= ‪𝑟𝑋2 𝑋3 ,𝑋1‬‬ ‫‪= 0.5711‬‬
‫) ‪√(1 − 𝑟𝑋21 𝑋2 )(1 − 𝑟𝑋21 𝑋3‬‬
‫▪ حساب معامل االرتباط الجزئي بين ‪ 𝑋1‬و ‪ 𝑋2‬بإستبعاد المتغير المستقل ‪ 𝑋3‬واختبار الفرضيات التالية‪:‬‬
‫‪𝐻0 : 𝑟𝑋1 𝑋2 ,𝑋3 = 0‬‬
‫{‬
‫‪𝐻1 : 𝑟𝑋1 𝑋2 ,𝑋3 ≠ 0‬‬
‫إيجاد قيمة ‪ T‬المحسوبة كما يلي‪:‬‬
‫𝑘 ‪𝑟𝑋1 𝑋2 ,𝑋3 √𝑛 −‬‬ ‫‪(0.8938)√7 − 3‬‬
‫= 𝑙𝑎𝑐𝑇‬ ‫=‬ ‫𝟎𝟔𝟖𝟗 ‪= 𝟑.‬‬
‫‪√1 −‬‬ ‫‪𝑟𝑋21 𝑋2 ,𝑋3‬‬ ‫‪√1 − (0.8938)2‬‬
‫‪𝛼⁄‬‬
‫‪0.05‬‬
‫‪𝑇𝑡𝑎𝑏 = 𝑇𝑛−𝑘2 = 𝑇7−3‬‬ ‫𝟒𝟔𝟕𝟕 ‪= 𝑇40.05 = 𝟐.‬‬
‫‪- 95 -‬‬
‫بما أن قيمة 𝑇 المحسوبة أكبر من 𝑇 الجدولية عند مستوى داللة إحصائية )‪ ،(𝛼 = 0.05‬فإننا نقبل‬
‫الفرض البديل وبالتالي فإن ‪ 𝑋1‬و ‪ 𝑋2‬يتسببان في حدوث مشكلة التعدد الخطي‪.‬‬
‫‪𝐻0 : 𝑟𝑋1 𝑋3 ,𝑋2 = 0‬‬
‫{‬
‫‪𝐻1 : 𝑟𝑋1 𝑋3 ,𝑋2 ≠ 0‬‬
‫إيجاد قيمة 𝑇 المحسوبة كما يلي‪:‬‬
‫𝑘 ‪𝑟𝑋1 𝑋3 ,𝑋2 √𝑛 −‬‬ ‫‪(|−0.1566|)√7 − 3‬‬
‫= 𝑙𝑎𝑐𝑇‬ ‫=‬ ‫𝟏𝟕𝟏𝟑 ‪= 𝟎.‬‬
‫‪√1 − 𝑟𝑋21 𝑋3 ,𝑋2‬‬ ‫‪√1 − (−0.1566)2‬‬
‫‪𝛼⁄‬‬
‫‪0.05‬‬
‫‪𝑇𝑡𝑎𝑏 = 𝑇𝑛−𝑘2 = 𝑇7−3‬‬ ‫𝟒𝟔𝟕𝟕 ‪= 𝑇40.05 = 𝟐.‬‬
‫بما أن قيمة 𝑇 المحسوبة أقل من 𝑇 الجدولية عند مستوى داللة إحصائية )‪ ،(𝛼 = 0.05‬فإننا نقبل‬
‫الفرض الصفري وبالتالي فإن ‪ 𝑋1‬و ‪ 𝑋3‬ال يتسببان في حدوث مشكلة التعدد الخطي‪.‬‬
‫‪𝐻0 : 𝑟𝑋2 𝑋3 ,𝑋1 = 0‬‬
‫{‬
‫‪𝐻1 : 𝑟𝑋2 𝑋3 ,𝑋1 ≠ 0‬‬
‫إيجاد قيمة 𝑇 المحسوبة كما يلي‪:‬‬
‫𝑘‪𝑟𝑋2 𝑋3 ,𝑋1 √𝑛−‬‬ ‫‪(0.5711)√7−3‬‬
‫= 𝑙𝑎𝑐𝑇‬ ‫=‬ ‫‪=1.3914‬‬
‫‪√1−𝑟𝑋22 𝑋3 ,𝑋1‬‬ ‫‪√1−(0.5711)2‬‬
‫‪𝛼⁄‬‬
‫‪0.05‬‬
‫‪𝑇𝑡𝑎𝑏 = 𝑇𝑛−𝑘2 = 𝑇7−3‬‬ ‫𝟒𝟔𝟕𝟕 ‪= 𝑇40.05 = 𝟐.‬‬
‫بما أن قيمة 𝑇 المحسوبة أقل من 𝑇 الجدولية عند مستوى داللة إحصائية )‪ ،(𝛼 = 0.05‬فإننا نقبل‬
‫الفرض الصفري وبالتالي فإن ‪ 𝑋2‬و ‪ 𝑋3‬ال يتسببان في حدوث مشكلة التعدد الخطي‪.‬‬
‫وللحصول على النموذج األمثل قمنا بتقدير عدة نماذج وتحصلنا على النتائج التالية‪:‬‬
‫‪- 96 -‬‬
‫الجدول (‪ :)1-5‬يمثل نتائج تقدير المثال (‪ )1-5‬باستخدام طريقة المربعات الصغرى العادية‬
‫النموذج‬ ‫تقدير النموذج‬ ‫‪VIF, C.N‬‬
‫𝑡𝜀 ‪𝐘𝐭 = 11.0482 + 0.6335 𝐗1 − 0.1255 𝐗 3 +‬‬

‫‪1‬‬ ‫‪Vif=13.16‬‬
‫*)‪(2.59‬‬ ‫*** )‪(3.94‬‬ ‫)‪(0.77‬‬
‫‪C.N=48.65‬‬
‫‪𝑛=7‬‬ ‫‪𝑅 = 0.9713 𝑅̅ = 0.9569‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪𝐹 = 67.62‬‬
‫𝑡𝜀 ‪𝐘𝐭 = 25.8339 + 1.3409 𝐗 2 − 0.3113 𝐗 3 +‬‬
‫‪2‬‬ ‫‪Vif=19.06‬‬
‫***)‪(30.30‬‬ ‫*** )‪(6.18‬‬ ‫***)‪(2.33‬‬
‫‪C.N=36.26‬‬
‫‪𝑛=7‬‬ ‫‪𝑅 2 = 0.9867 𝑅̅ 2 = 0.9801‬‬ ‫‪𝐹 = 148.71‬‬
‫𝑡𝜀 ‪𝐘𝐭 = 13.8263 + 0.5147 𝐗1 +‬‬
‫‪3‬‬ ‫*** )‪(6.35‬‬ ‫*** )‪(12.11‬‬
‫‪𝑛=7‬‬ ‫‪𝑅 2 =0.9670 𝑅̅ 2 = 0.9604‬‬ ‫‪𝐹 = 146.70‬‬
‫𝑡𝜀 ‪𝐘𝐭 = 25.9055 + 0.8492 𝐗 2 +‬‬
‫‪4‬‬
‫***)‪(22.15‬‬ ‫*** )‪(12.45‬‬
‫‪𝑛=7‬‬ ‫‪𝑅 2 = 0.9687 𝑅̅ 2 = 0.9625‬‬ ‫‪𝐹 = 154.99‬‬
‫𝑡𝜀 ‪𝐘𝐭 = 27.1748 + 0.4932 𝐗 3 +‬‬
‫‪5‬‬
‫***)‪(11.35‬‬ ‫*** )‪(5.54‬‬
‫‪𝑛=7‬‬ ‫‪𝑅 2 = 0.8600 𝑅̅ 2 = 0.8320‬‬ ‫‪𝐹 = 30.72‬‬
‫(*) (**) (***) تشير إلى مستوى المعنوية ‪ %1 ،%5 ،%10‬على التوالي‪.‬‬
‫(‪ :).‬قيم ‪ t‬ستودنت‬
‫يالحظ من خالل (الجدول ‪ )1-5‬أن قيمة (‪ )VIF‬في النموذج (‪ )01‬والنموذج (‪ )02‬ما زالت أكبر‬
‫من (‪ )10‬ويدل ذلك على خطورة مشكلة التعدد الخطي‪ .‬كما يالحظ أن الجذور المميزة أكبر من ‪ ،30‬وهذا‬
‫دليل على وجود مشكلة التعدد الخطي‪ .‬وفي هذه الحالة نرجع إلى النموذج الخطي البسيط لتحليل الظاهرة‪،‬‬
‫وال نحتاج إلى استخدام نموذج خطي متعدد‪ ،‬وبالتالي يكون ) ‪ (𝑋2‬هو المتغير األكثر تفسي ار للمتغير التابع‪.‬‬
‫والنموذج (‪ )04‬هو النموذج األمثل‪.‬‬
‫ومع فشل طريقة المربعات الصغرى في إيجاد نموذج خطي متعدد للمتغيرات المستقلة الثالت قمنا‬
‫باستخدام برمجية )‪ (SAS 9.4‬إليجاد طرق أخرى تعتبر أفضل للتخلص من مشكلة التعدد الخطي وهي‬
‫كل من طريقة انحدار الحرف وانحدار المركبات الرئيسية والنتائج موضحة أدناه‪:‬‬
‫‪- 97 -‬‬
‫الشكل (‪ :)1-5‬يمثل الشكل البياني استق ارريه المعلمات المقدرة وقيم ‪ VIF‬حسب طريقة (‪)Ridge‬‬
‫يظهر (الشكل ‪ )1-5‬العالقة بين القيم المختلفة لمعلمات انحدار الحرف وعوامل تضخم التباين )‪(VIF‬‬
‫وبزيادة قيم )𝜆(‪ ،‬يبدأ معامل تضخم التباين في االنخفاض إلى أقل من ‪ ،1‬وبذلك التخلص من وجود مشكلة‬
‫التعدد الخطي‪.‬‬
‫الجدول (‪ :)2-5‬التقدير باستخدام انحدار الحرف ‪Ridge Regression‬‬
‫‪The SAS System‬‬
‫‪Obs‬‬ ‫‪_MODEL‬‬ ‫_‪_TYPE‬‬ ‫_‪_DEPVAR‬‬ ‫‪_RIDGE‬‬ ‫_‪_RMSE‬‬ ‫‪Intercept‬‬ ‫‪X1‬‬ ‫‪X2‬‬ ‫‪X3‬‬ ‫‪Y‬‬
‫‪1‬‬ ‫‪MODEL1‬‬ ‫‪RIDGEVIF‬‬ ‫‪Y‬‬ ‫‪0.0000‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪65.4486‬‬ ‫‪94.7525‬‬ ‫‪19.5376‬‬ ‫‪-1‬‬
‫‪2‬‬ ‫‪MODEL1‬‬ ‫‪RIDGE‬‬ ‫‪Y‬‬ ‫‪0.0000‬‬ ‫‪0.70942‬‬ ‫‪22.3919‬‬ ‫‪0.1453‬‬ ‫‪1.0833‬‬ ‫‪-0.2987‬‬ ‫‪-1‬‬
‫‪3‬‬ ‫‪MODEL1‬‬ ‫‪RIDGESEB‬‬ ‫‪Y‬‬ ‫‪0.0000‬‬ ‫‪0.70942‬‬ ‫‪6.4362‬‬ ‫‪0.2688‬‬ ‫‪0.5332‬‬ ‫‪0.1492‬‬ ‫‪-1‬‬
‫‪4‬‬ ‫‪MODEL1‬‬ ‫‪RIDGEVIF‬‬ ‫‪Y‬‬ ‫‪0.0145‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪9.4302‬‬ ‫‪9.7419‬‬ ‫‪8.9419‬‬ ‫‪-1‬‬
‫‪5‬‬ ‫‪MODEL1‬‬ ‫‪RIDGE‬‬ ‫‪Y‬‬ ‫‪0.0145‬‬ ‫‪0.83914‬‬ ‫‪19.4649‬‬ ‫‪0.2765‬‬ ‫‪0.6170‬‬ ‫‪-0.1449‬‬ ‫‪-1‬‬
‫‪6‬‬ ‫‪MODEL1‬‬ ‫‪RIDGESEB‬‬ ‫‪Y‬‬ ‫‪0.0145‬‬ ‫‪0.83914‬‬ ‫‪3.1927‬‬ ‫‪0.1207‬‬ ‫‪0.2022‬‬ ‫‪0.1194‬‬ ‫‪-1‬‬
‫‪7‬‬ ‫‪MODEL1‬‬ ‫‪RIDGEVIF‬‬ ‫‪Y‬‬ ‫‪0.0335‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪3.7636‬‬ ‫‪3.0035‬‬ ‫‪4.9545‬‬ ‫‪-1‬‬
‫‪8‬‬ ‫‪MODEL1‬‬ ‫‪RIDGE‬‬ ‫‪Y‬‬ ‫‪0.0335‬‬ ‫‪0.97508‬‬ ‫‪19.7933‬‬ ‫‪0.2686‬‬ ‫‪0.4901‬‬ ‫‪-0.0612‬‬ ‫‪-1‬‬
‫‪9‬‬ ‫‪MODEL1‬‬ ‫‪RIDGESEB‬‬ ‫‪Y‬‬ ‫‪0.0335‬‬ ‫‪0.97508‬‬ ‫‪2.6554‬‬ ‫‪0.0886‬‬ ‫‪0.1305‬‬ ‫‪0.1033‬‬ ‫‪-1‬‬
‫‪10‬‬ ‫‪MODEL1‬‬ ‫‪RIDGEVIF‬‬ ‫‪Y‬‬ ‫‪0.1330‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪0.6279‬‬ ‫‪0.3924‬‬ ‫‪0.9969‬‬ ‫‪-1‬‬
‫‪11‬‬ ‫‪MODEL1‬‬ ‫‪RIDGE‬‬ ‫‪Y‬‬ ‫‪0.1330‬‬ ‫‪1.27776‬‬ ‫‪21.6189‬‬ ‫‪0.2136‬‬ ‫‪0.3480‬‬ ‫‪0.0669‬‬ ‫‪-1‬‬
‫‪12‬‬ ‫‪MODEL1‬‬ ‫‪RIDGESEB‬‬ ‫‪Y‬‬ ‫‪0.1330‬‬ ‫‪1.27776‬‬ ‫‪2.3101‬‬ ‫‪0.0474‬‬ ‫‪0.0618‬‬ ‫‪0.0607‬‬ ‫‪-1‬‬
‫‪- 98 -‬‬
‫يظهر (الجدول ‪ )2-5‬العالقة بين القيم المختلفة لمعلمات انحدار الحرف وعوامل تضخم التباين )‪(VIF‬‬
‫أن أنسب قيمة لمعلمة انحدار الحرف هي )‪ ،(𝑐 = 0.0145‬وذلك ألنها أقل قيمة جعلت عوامل تضخم‬
‫التباين تنخفض إلى أقل من ‪ ،10‬وبالتالي تراجع درجة خطورة مشكلة التعدد الخطي‪.‬‬
‫الجدول (‪ :)3-5‬التقدير باستخدام انحدار المركبات الرئيسية ‪Principal Components‬‬

‫‪Regression‬‬
‫‪The SAS System‬‬
‫‪Obs‬‬ ‫‪_MODEL‬‬ ‫_‪_TYPE‬‬ ‫_‪_DEPVAR‬‬ ‫_‪_PCOMIT‬‬ ‫_‪_RMSE‬‬ ‫‪Intercept‬‬ ‫‪X1‬‬ ‫‪X2‬‬ ‫‪X3‬‬ ‫‪Y‬‬
‫‪1‬‬ ‫‪MODEL1‬‬ ‫‪IPCVIF‬‬ ‫‪Y‬‬ ‫‪0‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪65.4486‬‬ ‫‪94.7525‬‬ ‫‪19.5376‬‬ ‫‪-1‬‬
‫‪2‬‬ ‫‪MODEL1‬‬ ‫‪IPC‬‬ ‫‪Y‬‬ ‫‪0‬‬ ‫‪0.70942‬‬ ‫‪22.3919‬‬ ‫‪0.1453‬‬ ‫‪1.0833‬‬ ‫‪-0.2987‬‬ ‫‪-1‬‬
‫‪3‬‬ ‫‪MODEL1‬‬ ‫‪IPCSEB‬‬ ‫‪Y‬‬ ‫‪0‬‬ ‫‪0.70942‬‬ ‫‪6.4362‬‬ ‫‪0.2688‬‬ ‫‪0.5332‬‬ ‫‪0.1492‬‬ ‫‪-1‬‬
‫‪4‬‬ ‫‪MODEL1‬‬ ‫‪IPCVIF‬‬ ‫‪Y‬‬ ‫‪1‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪6.9863‬‬ ‫‪1.6698‬‬ ‫‪15.3159‬‬ ‫‪-1‬‬
‫‪5‬‬ ‫‪MODEL1‬‬ ‫‪IPC‬‬ ‫‪Y‬‬ ‫‪1‬‬ ‫‪0.73296‬‬ ‫‪15.6856‬‬ ‫‪0.4317‬‬ ‫‪0.4877‬‬ ‫‪-0.2205‬‬ ‫‪-1‬‬
‫‪6‬‬ ‫‪MODEL1‬‬ ‫‪IPCSEB‬‬ ‫‪Y‬‬ ‫‪1‬‬ ‫‪0.73296‬‬ ‫‪2.5325‬‬ ‫‪0.0908‬‬ ‫‪0.0731‬‬ ‫‪0.1365‬‬ ‫‪-1‬‬
‫‪7‬‬ ‫‪MODEL1‬‬ ‫‪IPCVIF‬‬ ‫‪Y‬‬ ‫‪2‬‬ ‫‪.‬‬ ‫‪.‬‬ ‫‪0.1131‬‬ ‫‪0.1141‬‬ ‫‪0.1117‬‬ ‫‪-1‬‬
‫‪8‬‬ ‫‪MODEL1‬‬ ‫‪IPC‬‬ ‫‪Y‬‬ ‫‪2‬‬ ‫‪1.15269‬‬ ‫‪22.0895‬‬ ‫‪0.1713‬‬ ‫‪0.2835‬‬ ‫‪0.1729‬‬ ‫‪-1‬‬
‫‪9‬‬ ‫‪MODEL1‬‬ ‫‪IPCSEB‬‬ ‫‪Y‬‬ ‫‪2‬‬ ‫‪1.15269‬‬ ‫‪1.9334‬‬ ‫‪0.0182‬‬ ‫‪0.0301‬‬ ‫‪0.0183‬‬ ‫‪-1‬‬
‫يظهر (الجدول ‪ )3-5‬نتائج التقدير باستخدام طريقة االنحدار المركبات الرئيسية أن إشارة المعلمات‬
‫المقدرة للمتغيرات المستقلة ) ‪ (𝑋1 , 𝑋2 , 𝑋3‬كانت متفقة مع منطق العالقة بينها وبين المتغير التابع بعد‬
‫حذف مركبين رئيسيين وهذا ما جعل معامل تضخم التباين تنخفض إلى أقل من ‪ ،1‬وبالتالي التخلص من‬
‫مشكلة التعدد الخطي‪.‬‬
‫‪- 99 -‬‬

‫باستخدام بيانات المثال (‪ )1-5‬وحسب برمجية )‪ (𝑆𝑡𝑎𝑡𝑎 16‬سنقوم بالكشف عن مشكلة التعدد‬
‫الخطي كما يلي‪:‬‬
‫‪(regress‬‬ ‫‪y x1 x2‬‬ ‫✓ الخطوة األولى‪ :‬نقوم بتقدير النموذج الخطي المتعدد وذلك بكتابة األمر‬
‫في خانة األوامر فنتحصل على ما يلي‪:‬‬ ‫)‪x3‬‬
‫‪.regress y x1 x2 x3‬‬

‫)‪----------------------------------+-------------F(3, 3‬‬ ‫=‬ ‫‪81.70‬‬
‫‪Model | 123.347319‬‬ ‫‪3‬‬ ‫‪41.115773‬‬ ‫‪Prob > F‬‬ ‫=‬ ‫‪0.0022‬‬
‫‪Residual | 1.50982381‬‬ ‫‪3 .503274602‬‬ ‫‪R-squared‬‬ ‫=‬ ‫‪0.9879‬‬
‫‪----------------------------------+-------------Adj R-squared‬‬ ‫=‬ ‫‪0.9758‬‬
‫‪Total | 124.857143‬‬ ‫‪6 20.8095238‬‬ ‫‪Root MSE‬‬ ‫=‬ ‫‪.70942‬‬
‫‪---------------------------------------------------------------------------‬‬
‫| ‪y‬‬ ‫‪Coef.‬‬ ‫‪Std. Err.‬‬ ‫‪t‬‬ ‫|‪P>|t‬‬ ‫]‪[95% Conf. Interval‬‬
‫‪-------------------------------------------------------------+-------------‬‬
‫| ‪x1‬‬ ‫‪.1453289‬‬ ‫‪.2688478‬‬ ‫‪0.54‬‬ ‫‪0.626‬‬ ‫‪-.7102647‬‬ ‫‪1.000923‬‬
‫| ‪x2‬‬ ‫‪1.083281‬‬ ‫‪.5332279‬‬ ‫‪2.03‬‬ ‫‪0.135‬‬ ‫‪-.6136886‬‬ ‫‪2.78025‬‬
‫‪x3 | -.2987071‬‬ ‫‪.1492478‬‬ ‫‪-2.00‬‬ ‫‪0.139‬‬ ‫‪-.7736801‬‬ ‫‪.176266‬‬
‫_‬ ‫| ‪cons‬‬ ‫‪22.39194‬‬ ‫‪6.436241‬‬ ‫‪3.48‬‬ ‫‪0.040‬‬ ‫‪1.908947‬‬ ‫‪42.87493‬‬
‫‪---------------------------------------------------------------------------‬‬
‫✓ الخطوة الثانية‪ :‬نقوم بكتابة األمر )‪ (vif‬في خانة األوامر فنتحصل على معامل تضخم التباين كما‬
‫يلي‪:‬‬
‫‪.vif‬‬
‫| ‪Variable‬‬ ‫‪VIF‬‬ ‫‪1/VIF‬‬

‫‪----------------------+-------------‬‬
‫| ‪x2‬‬ ‫‪94.75‬‬ ‫‪0.010554‬‬
‫| ‪x1‬‬ ‫‪65.45‬‬ ‫‪0.015279‬‬
‫| ‪x3‬‬ ‫‪19.54‬‬ ‫‪0.051183‬‬
‫‪----------------------+-------------‬‬
‫| ‪Mean VIF‬‬ ‫‪59.91‬‬
‫‪ (collin‬في خانة األوامر فنتحصل على الجذور‬ ‫✓ الخطوة الثالثة‪ :‬نقوم بكتابة األمر )‪x1 x2 x3‬‬
‫المميزة والدليل الشرطي كما يلي‪:‬‬
‫‪- 100 -‬‬

‫ مشكلة التعدد الخطي‬:‫الفصل الخامس‬
collin x1 x2 x3 (obs=7)
Collinearity Diagnostics
SQRT R-
Variable VIF VIF Tolerance Squared
----------------------------------------------------
x1 65.45 8.09 0.0153 0.9847
x2 94.75 9.73 0.0106 0.9894
x3 19.54 4.42 0.0512 0.9488
----------------------------------------------------
Mean VIF 59.91
Cond
Eigenval Index
---------------------------------
1.0000 3.9393 1
8.2518 0.0579 2
38.9099 0.0026 3
128.5875 0.0002 4
---------------------------------
Condition Number 128.5875
Eigenvalues & Cond Index computed from scaled raw sscp (w/ intercept)
Det(correlation matrix) 0.0008
‫( في خانة األوامر فنتحصل على اختبار‬fgtest y x1 x2 x3) ‫ نقوم بكتابة األمر‬:‫✓ الخطوة الرابعة‬
:‫( كما يلي‬Farrar-Glauber)
.fgtest y x1 x2 x3
====================================================================
*Farrar-Glauber Multicollinearity Tests
====================================================================
Ho: No Multicollinearity - Ha: Multicollinearity
)1( *Farrar-Glauber Multicollinearity Chi2-Test:
Chi2 Test = 29.7032 P-Value > Chi2(3) 0.0000
)2( *Farrar-Glauber Multicollinearity F-Test:
+--------------------------------------------------------+
|Variable | F_Test | DF1 | DF2 | P_Value|
|----------+----------+----------+----------+------------|
|x1 | 128.897 | 4.000 | 2.000 | 0.008|
|x2 | 187.505 | 4.000 | 2.000 | 0.005|
|x3 | 37.075 | 4.000 | 2.000 | 0.026|
+--------------------------------------------------------+
)3( *Farrar-Glauber Multicollinearity t-Test:
+-------------------------------------+
|Variable | x1 | x2 | x3|
|--------+--------+--------+----------|
|x1| | | . |
|x2 | 15.855| | . |
|x3 | 6.975 | 8.499| . |
+-------------------------------------+
- 101 -
‫باحث اقتصادي تحصل على النتائج التالية‪:‬‬ ‫التمرين األول‪:‬‬
‫السنوات‬ ‫𝒕𝒀‬ ‫𝒕𝟏𝑿‬ ‫𝒕𝟐𝑿‬ ‫𝒕𝟑𝑿‬
‫‪2008‬‬ ‫‪33‬‬ ‫‪40‬‬ ‫‪10‬‬ ‫‪18‬‬
‫‪2009‬‬ ‫‪36‬‬ ‫‪42‬‬ ‫‪11‬‬ ‫‪18‬‬
‫‪2010‬‬ ‫‪38‬‬ ‫‪45‬‬ ‫‪14‬‬ ‫‪20‬‬
‫‪2011‬‬ ‫‪40‬‬ ‫‪50‬‬ ‫‪16‬‬ ‫‪23‬‬
‫‪2012‬‬ ‫‪42‬‬ ‫‪55‬‬ ‫‪18‬‬ ‫‪26‬‬
‫‪2013‬‬ ‫‪44‬‬ ‫‪60‬‬ ‫‪22‬‬ ‫‪36‬‬
‫‪2014‬‬ ‫‪46‬‬ ‫‪62‬‬ ‫‪24‬‬ ‫‪39‬‬
‫‪2015‬‬ ‫‪48‬‬ ‫‪68‬‬ ‫‪16‬‬ ‫‪40‬‬
‫‪2016‬‬ ‫‪55‬‬ ‫‪70‬‬ ‫‪36‬‬ ‫‪46‬‬
‫‪ -1‬اختبر وجود مشكلة التعدد الخطي حسب عامل تضخم التباين )‪(VIF‬؟‬
‫‪ -2‬اختبر وجود مشكلة التعدد الخطي باستخدام طريقة ‪ Farrar Gluber‬؟‬
‫‪ -3‬ما هي أهم الطرق للتخلص من مشكلة التعدد الخطي حسب علمك؟‬
‫التمرين الثاني‪ :‬باحث اقتصادي تحصل على النتائج التالية‪:‬‬
‫𝒕𝒀‬ ‫𝒕𝟏𝑿‬ ‫𝒕𝟐𝑿‬
‫‪33‬‬ ‫‪40‬‬ ‫‪10‬‬
‫‪36‬‬ ‫‪42‬‬ ‫‪11‬‬
‫‪38‬‬ ‫‪45‬‬ ‫‪14‬‬
‫‪40‬‬ ‫‪50‬‬ ‫‪16‬‬
‫‪42‬‬ ‫‪55‬‬ ‫‪18‬‬
‫‪44‬‬ ‫‪60‬‬ ‫‪22‬‬
‫‪46‬‬ ‫‪62‬‬ ‫‪24‬‬
‫‪ -1‬قدر معلمات النموذج؟‬

‫‪ -2‬اختبر وجود مشكلة التعدد الخطي حسب عامل تضخم التباين )‪(VIF‬؟‬
‫‪- 102 -‬‬
‫الفصل السادس‪:‬‬
‫مشكلة االرتباط الذاتي‬

‫الفصل السادس‪ :‬مشكلة االرتباط الذاتي‬
‫‪ -1-6‬مقدمة‪:‬‬
‫تنشأ مشكلة االرتباط الذاتي في النماذج القياسية التي تعتمد على بيانات السالسل الزمنية وبعض‬
‫بيانات المقطع العرضي بين قيم المتغير العشوائي في الفترة ) 𝑡( وقيمته في الفترات الالحقة‬
‫) … ‪ (𝑡 + 1, 𝑡 + 2,‬أو الفترات السابقة ) … ‪ ،(𝑡 − 1, 𝑡 − 2,‬أي أن التباين والتباين المشترك للمتغير‬
‫العشوائي ال يساوي الصفر‪ ،‬أي‪:‬‬
‫𝑗 ≠ 𝑖 ∀ ‪𝑐𝑜𝑣(𝑈𝑖 , 𝑈𝑗 ) ≠ 0‬‬ ‫)‪(6.1‬‬
‫‪ -2-6‬أشكال االرتباط الذاتي لألخطاء‪ :‬قد يكون االرتباط من الرتبة األولى أو الرتبة الثانية أو رتبة أعلى‬
‫ففي حالة وجود ارتباط من الرتبة األولى فيكتب بمعادلة االنحدار التالية‪( :‬داود و السواعي‪،2013 ،‬‬
‫الصفحات ‪)306-305‬‬
‫‪Ut = ρUt−1 + vt‬‬ ‫)‪( 6.2‬‬
‫أما إذا كان من الرتبة الثانية فيمكن كتابتيه‪:‬‬
‫‪Ut = ρ1 Ut−1 + ρ2 Ut−2 + vt‬‬ ‫)‪(6.3‬‬
‫وأما بالنسبة للرتب األعلى يمكن كتابته على النحو التالي‪:‬‬
‫) ‪Ut = 𝑓 (Ut−s‬‬ ‫𝑛 ‪𝑠 = 1,2, … ,‬‬ ‫)‪(6.4‬‬
‫‪ -3-6‬أسباب مشكلة االرتباط الذاتي‪ :‬هناك عدد من األسباب التي تقف وراء حدوث مشكلة االرتباط‬
‫الذاتي هي‪( :‬الفتالوي و الزبيدي‪ ،2011 ،‬الصفحات ‪)147-146‬‬
‫‪ -‬حذف بعض المتغيرات التفسيرية (المستقلة) من النموذج المراد تقديره‪.‬‬

‫‪ -‬الصياغة غير الكاملة للنموذج‪ ،‬أو التوصيف غير الدقيق له‪.‬‬
‫‪ -‬عدم دقة بيانات السالسل الزمنية‪ ،‬وذلك نتيجة الخطأ في معالجة البيانات‪.‬‬
‫‪ -‬اآلثار الممتدة لبيانات السالسل الزمنية‪ ،‬كما هو الحال آلثار الحروب والكوارث مما يؤدي إلى‬
‫حدوث اإلرتباط الذاتي بين األخطاء‪.‬‬
‫‪ -4-6‬اختبارات الكشف عن مشكلة االرتباط الذاتي‪ :‬تستعمل عدة اختبارات للكشف على هذا االختالل‬
‫منها ما يلي‪:‬‬
‫‪- 104 -‬‬

‫‪ -1-4-6‬اختبار داربن واتسن )‪ :(Durbin Watson‬يعتبر من أهم االختبارات الشائعة في اكتشاف‬

‫االرتباط الذاتي من الدرجة األولى‪ ،‬ويكتب‪:‬‬
‫‪∑𝑛𝑡=2(𝜀𝑡 − 𝜀𝑡−1 )2‬‬
‫= 𝑊𝐷‬ ‫)‪(6.5‬‬
‫‪∑𝑛𝑡=1 𝜀𝑡2‬‬
‫ويتم اختبار الفرضيات التالية‪:‬‬
‫‪𝐻0 : 𝜌 = 0‬‬
‫{‬
‫‪𝐻1 : 𝜌 ≠ 0‬‬
‫حيث‪:‬‬
‫)̂𝜌 ‪𝐷𝑊 = 2(1 −‬‬ ‫)‪(6.6‬‬
‫‪∑𝑛𝑡=2 𝜀𝑡 𝜀𝑡−1‬‬
‫‪𝜌̂ = 𝑛 2‬‬ ‫)‪(6.7‬‬
‫‪∑𝑡=1 𝜀𝑡−1‬‬
‫وتأخد قيمة 𝑊𝐷 القيمة بين ‪ 0‬و‪ ،4‬ويتضح من المعادلة السابقة أنه إذا كان ‪ 𝜌 = 0‬فإن ‪.𝐷𝑊 = 2‬‬
‫ويتم استخدام جدول داربن واتسون )‪(DW‬إليجاد القيمة الجدولية ومقارنتها مع القيمة المحسوبة ليتم رفض‬
‫أو قبول وجود االرتباط الذاتي‪ .‬مع األخذ في الحسبان عدد المشاهدات )𝑛(وعدد المتغيرات المستقلة‬
‫)‪ (k − 1‬ومستوى المعنوية )‪ .(α‬كما يحتوي الجدول على قيمتين إحداهما ) 𝑙𝑑( وهي القيمة الصغرى‪،‬‬
‫واألخرى ) 𝑢𝑑( وهي القيمة العليا ويتم مقارنتها حسب الشكل (‪.)1-2‬‬
‫الشكل رقم (‪ :)1-2‬مناطق القبول والرفض إلختبار )‪(Durbin Watson‬‬
‫المصدر‪ :‬شيخي محمد‪ .‬مرجع سابق‪ ،‬ص ‪.99‬‬
‫باالعتماد على الشكل رقم (‪ )1-2‬يمكن أن نستنتج ما يلي‪:‬‬

‫‪ -‬إذا كانت 𝑙𝑑 < 𝑊𝐷 أو 𝑙𝑑 ‪ 𝐷𝑊 > 4 −‬يرفض ‪.𝐻0‬‬
‫‪ -‬إذا كانت 𝑢𝑑 > 𝑊𝐷 > 𝑢𝑑 ‪ 4 −‬يقبل ‪.𝐻0‬‬
‫‪ -‬إذا كانت 𝑙𝑑 ‪ 4 − 𝑑𝑢 ≤ 𝐷𝑊 ≤ 4 −‬أو 𝑢𝑑 ≤ 𝑊𝐷 ≤ 𝑙𝑑‪ ،‬تكون نتيجة اإلختبار غير‬
‫محددة‪.‬‬
‫وال يمكن استعمال هذا االختبار إال في ظل الشروط التالية‪:‬‬
‫‪ -‬البد أن تحتوي معادلة االنحدار في النموذج على الثابت‪.‬‬
‫‪- 105 -‬‬

‫‪ -‬النموذج المقدر ال يحتوي على متغيرات تابعة ذات فترات إبطاء كمتغيرات مستقلة‪.‬‬
‫‪ -2-4-6‬اختبار بريش قوديفري (‪ :(Breusch-Godfry‬يرتكز هذا االختبار على مضاعف الغرانج‬
‫والذي يسمح باختبار وجود ارتباط ذاتي من درجة أكبر من الواحد‪ ،‬ويرتكز على ثالث خطوات رئيسية‪:‬‬
‫‪ -‬تقدير النموذج العام بطريقة المربعات الصغرى العادية تم حساب البواقي‪.‬‬
‫‪ -‬تقدير المعادلة التالية‪:‬‬
‫𝑡𝑈 ‪𝜀𝑡 = 𝑏0 + 𝑏1 𝑋𝑡1 + ⋯ + 𝑏𝑘 𝑋𝑡𝑘 + 𝜌1 𝜀𝑡−1 + 𝜌2 𝜀𝑡−2 + ⋯ + 𝜌𝑝 𝜀𝑡−𝑝 +‬‬ ‫)‪(6.8‬‬
‫‪ -‬حساب معامل التحديد الخاص بهذه المعادلة ‪ ،𝑅 2‬وإختبار فرضية إستقاللية األخطاء‪:‬‬
‫‪𝐻0 : 𝜌1 = 𝜌2 = ⋯ = 𝜌𝑝 = 0‬‬
‫‪ -‬حساب مضاعف الغرانج ‪ 𝐿𝑀 = (𝑛 − 𝑝)𝑅 2‬التي تتبع توزيع ‪ χ2‬بدرجة حرية 𝑝‪ .‬فإذا كانت‬
‫قيمة )𝑝( ‪ 𝐿𝑀 > χ2‬عند مستوى داللة معين ‪ ،α‬فإننا نرفض ‪ ،𝐻0‬وبالتالي حدوث إرتباط ذاتي‬
‫لألخطاء‪.‬‬
‫‪ -5-6‬األثار المترتبة على وجود مشكلة االرتباط الذاتي‪ :‬ويمكننا تلخيص األثار المترتبة على استخدام‬
‫طريقة المربعات الصغرى العادية )‪ (OLS‬في تقدير معالم نموذج االنحدار الخطي في ظل معاناة النموذج‬
‫من مشكلة االرتباط الذاتي كما يلي‪( :‬داود و السواعي‪ ،2013 ،‬صفحة ‪)312‬‬
‫‪ -‬تظل تقديرات المربعات الصغرى العادية خطية وغير متحيزة‪ ،‬حيث ال يتأثر توقع التقديرات بوجود‬
‫مشكلة االرتباط الذاتي بين قيم األخطاء‪ ،‬إال أن هذه التقديرات ال تكون هي أفضل‪.‬‬
‫‪ -‬تفقد تقديرات المربعات الصغرى خاصية الكفاءة حيث تتميز بتباينات كبيرة بالمقارنة مع تلك التي‬
‫يتم التوصل إليها بواسطة طرق قياس أخرى‪ ،‬مثل طريقة المربعات الصغرى المعممة )‪.(GLS‬‬
‫‪ -‬تقلل صيغة المربعات الصغرى العادية من القيمة الحقيقية لتباين التقديرات للمعلمات‪ ،‬في ظل‬
‫وجود االرتباط الذاتي بين األخطاء‪ ،‬ومن ثم تقل قيمة اختبارات المعنوية وتكوين فترات الثقة‪ ،‬وتكون‬
‫اختبارات ستودنت )‪ (t‬وإختبار )‪ (F‬خاطئة‪ ،‬مما ينعكس على المعنوية اإلحصائية لمعالم اإلنحدار‬
‫المقدرة مما يقود إلى استنتاجات إحصائية خاطئة‪.‬‬
‫‪ -‬يمكن أن يكون تباين األخطاء العشوائية ) 𝑖‪(𝛿̂𝑢2‬المقدرة أقل من حقيقته في ظل اإلرتباط الذاتي‪.‬‬
‫‪ -‬التنبؤ المحسوب من خالل تقديرات المربعات الصغرى العادية في ظل وجود االرتباط الذاتي لن‬
‫يتسم بالكفاءة والدقة التي يجب توفرها حتى يمكن االطمئنان إلى نتائج هذه التقديرات‪.‬‬
‫‪- 106 -‬‬

‫‪ -6-6‬معالجة مشكلة االرتباط الذاتي‪ :‬تتوقف الطريقة التي تعالج بها مشكلة االرتباط الذاتي عموما على‬
‫سبب حدوث المشكلة كما يلي‪( :‬بخيت و فتح هللا‪ ،2009 ،‬الصفحات ‪)202-201‬‬
‫‪ -‬عندما يكون السبب هو إهمال متغير مستقل أو أكثر من النموذج يتعين إضافة ذلك المتغير أو‬
‫المتغيرات إلى النموذج‪.‬‬
‫‪ -‬عندا يكون سبب المشكلة هو الصياغة غير الدقيقة‪ ،‬فإن المعالجة تتم من خالل صياغة النموذج‬
‫بالشكل المناسب‪.‬‬
‫‪ -‬أما إذا كان سبب المشكلة هو وجود عالقة فعلية بين البواقي‪ ،‬فيوجد عدة طرق لمعالجة االرتباط‬
‫الذاتي من الدرجة األولى منها (طريقة التحويل‪ ،‬طريقة التكرار‪ ،‬طريقة الفرق العام‪ ،‬وطريقة الفرق‬
‫األول‪ ،‬طريقة داربن واتسون ذات المرحلتين وطريقة المربعات الصغرى المعممة )‪.)(GLS‬‬
‫مثال (‪ :)1-6‬في دراسة قام بها أحد الباحثين حيث قدر المتغير التابع ‪ Y‬بداللة ثالث متغيرات مستقلة‬
‫‪.X1, X2, X3‬‬
‫𝑖‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪6‬‬ ‫‪7‬‬ ‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪14‬‬
‫𝑖𝑌‬ ‫‪46‬‬ ‫‪44‬‬ ‫‪42‬‬ ‫‪40‬‬ ‫‪38‬‬ ‫‪36‬‬ ‫‪33‬‬ ‫‪46‬‬ ‫‪44‬‬ ‫‪42‬‬ ‫‪40‬‬ ‫‪38‬‬ ‫‪36‬‬ ‫‪33‬‬
‫‪𝑋𝑖1‬‬ ‫‪62‬‬ ‫‪60‬‬ ‫‪55‬‬ ‫‪50‬‬ ‫‪45‬‬ ‫‪42‬‬ ‫‪40‬‬ ‫‪62‬‬ ‫‪60‬‬ ‫‪55‬‬ ‫‪50‬‬ ‫‪45‬‬ ‫‪42‬‬ ‫‪40‬‬
‫‪𝑋𝑖2‬‬ ‫‪24‬‬ ‫‪22‬‬ ‫‪18‬‬ ‫‪16‬‬ ‫‪14‬‬ ‫‪11‬‬ ‫‪10‬‬ ‫‪24‬‬ ‫‪22‬‬ ‫‪18‬‬ ‫‪16‬‬ ‫‪14‬‬ ‫‪11‬‬ ‫‪10‬‬
‫‪𝑋𝑖3‬‬ ‫‪39‬‬ ‫‪36‬‬ ‫‪26‬‬ ‫‪23‬‬ ‫‪20‬‬ ‫‪18‬‬ ‫‪18‬‬ ‫‪39‬‬ ‫‪36‬‬ ‫‪26‬‬ ‫‪23‬‬ ‫‪20‬‬ ‫‪18‬‬ ‫‪18‬‬
‫المطلوب‪ :‬اختبر وجود مشكلة االرتباط الذاتي؟‬
‫أ‪ -‬تقدير النموذج الخطي المتعدد‪:‬‬
‫‪𝑛 = 14‬‬
‫‪∑ 𝑋𝑖1 = 708‬‬ ‫‪∑ 𝑋𝑖2 = 230‬‬ ‫‪∑ 𝑋𝑖3 = 360‬‬ ‫‪∑ 𝑌𝑖 = 558‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪∑ 𝑋𝑖1‬‬ ‫‪= 36716‬‬ ‫‪∑ 𝑋𝑖2‬‬ ‫‪= 4114‬‬ ‫‪∑ 𝑋𝑖3‬‬ ‫‪= 10140‬‬ ‫‪∑ 𝑌𝑖2 = 22490‬‬
‫‪∑ 𝑌𝑖 𝑋𝑖1 = 28688‬‬ ‫‪∑ 𝑌𝑖 𝑋𝑖2 = 9452‬‬ ‫‪∑ 𝑌𝑖 𝑋𝑖3 = 14784‬‬
‫‪∑ 𝑋𝑖1 𝑋𝑖2 = 12180‬‬ ‫‪∑ 𝑋𝑖1 𝑋𝑖3 = 19068‬‬ ‫‪∑ 𝑋𝑖2 𝑋𝑖3 = 6444‬‬
‫)𝑌‪𝑎̂ = (𝑋′𝑋)−1 (𝑋′‬‬
‫‪- 107 -‬‬

‫𝑖𝑌 ∑‬ ‫‪558‬‬
‫𝑖𝑌 ‪∑ 𝑋𝑖1‬‬ ‫‪28688‬‬
‫= )𝑌‪(𝑋′‬‬ ‫(=‬ ‫)‬
‫𝑖𝑌 ‪∑ 𝑋𝑖2‬‬ ‫‪9452‬‬
‫) 𝑖𝑌 ‪(∑ 𝑋𝑖3‬‬ ‫‪14784‬‬
‫𝑛‬ ‫‪∑ 𝑋𝑖1‬‬ ‫‪∑ 𝑋𝑖2‬‬ ‫‪∑ 𝑋𝑖3‬‬ ‫‪14‬‬ ‫‪708‬‬ ‫‪230 360‬‬
‫‪∑ 𝑋𝑖1‬‬ ‫‪∑ 𝑋𝑖1‬‬‫‪2‬‬ ‫‪∑ 𝑋𝑖1 𝑋𝑖2‬‬ ‫‪∑ 𝑋𝑖1 𝑋𝑖3‬‬
‫= )𝑋‪(𝑋′‬‬ ‫‪708‬‬
‫‪=(230‬‬ ‫‪36716‬‬ ‫)‪12180 19068‬‬
‫‪∑ 𝑋𝑖2‬‬ ‫‪∑ 𝑋𝑖1 𝑋𝑖2‬‬ ‫‪∑ 𝑋𝑖2‬‬‫‪2‬‬ ‫‪∑ 𝑋𝑖2 𝑋𝑖3‬‬ ‫‪12180‬‬ ‫‪4114 6444‬‬
‫𝑋∑‬ ‫‪∑ 𝑋𝑖1 𝑋𝑖3‬‬ ‫‪∑ 𝑋𝑖2 𝑋𝑖3‬‬ ‫‪∑ 𝑋𝑖3‬‬‫‪2‬‬ ‫‪360‬‬ ‫‪19068‬‬ ‫‪6444 10140‬‬
‫‪( 𝑖3‬‬ ‫)‬
‫‪124675968 −5152032‬‬ ‫‪8961024 −432864‬‬ ‫‪558‬‬
‫‪1‬‬
‫= ̂𝑎‬ ‫‪( −5152032‬‬ ‫‪217536‬‬ ‫)‪−385632 18912 ) (28688‬‬
‫‪3029376 8961024‬‬ ‫‪−385632‬‬ ‫‪855744 −136800‬‬ ‫‪9452‬‬
‫‪−432864‬‬ ‫‪18912‬‬ ‫‪−136800 67040‬‬ ‫‪14784‬‬
‫‪22.3919‬‬
‫) ‪= ( 0.1453‬‬
‫‪1.0833‬‬
‫‪−0.2987‬‬

‫𝒊𝟑𝑿 𝟕𝟖𝟗𝟐 ‪̂ 𝒊 = 𝟐𝟐, 𝟑𝟗𝟏𝟗 + 𝟎, 𝟏𝟒𝟓𝟑 𝑿𝟏𝒊 + 𝟏, 𝟎𝟖𝟑𝟑 𝑿𝟐𝒊 − 𝟎.‬‬
‫𝒀‬
‫ب‪ -‬حساب قيمة داربن واتسون ‪:DW‬‬
‫𝑖‬ ‫𝑌‬ ‫̂𝑌‬ ‫𝑖𝜀‬ ‫‪𝜀𝑖−1‬‬ ‫) ‪(𝜀𝑖 − 𝜀𝑖−1‬‬ ‫‪(𝜀𝑖 − 𝜀𝑖−1 )2‬‬
‫‪1‬‬ ‫‪33‬‬ ‫‪33,6612‬‬ ‫‪-0,6612‬‬
‫‪2‬‬ ‫‪36‬‬ ‫‪35,0351‬‬ ‫‪0,9649‬‬ ‫‪-0,6612‬‬ ‫‪1,6261‬‬ ‫‪2,6441‬‬
‫‪3‬‬ ‫‪38‬‬ ‫‪38,1235‬‬ ‫‪-0,1235‬‬ ‫‪0,9649‬‬ ‫‪-1,0884‬‬ ‫‪1,1846‬‬
‫‪4‬‬ ‫‪40‬‬ ‫‪40,1206‬‬ ‫‪-0,1206‬‬ ‫‪-0,1235‬‬ ‫‪0,0029‬‬ ‫‪0,0000‬‬
‫‪5‬‬ ‫‪42‬‬ ‫‪42,1177‬‬ ‫‪-0,1177‬‬ ‫‪-0,1206‬‬ ‫‪0,0029‬‬ ‫‪0,0000‬‬
‫‪6‬‬ ‫‪44‬‬ ‫‪44,1904‬‬ ‫‪-0,1904‬‬ ‫‪-0,1177‬‬ ‫‪-0,0727‬‬ ‫‪0,0053‬‬
‫‪7‬‬ ‫‪46‬‬ ‫‪45,7515‬‬ ‫‪0,2485‬‬ ‫‪-0,1904‬‬ ‫‪0,4389‬‬ ‫‪0,1926‬‬
‫‪8‬‬ ‫‪33‬‬ ‫‪33,6612‬‬ ‫‪-0,6612‬‬ ‫‪0,2485‬‬ ‫‪-0,9097‬‬ ‫‪0,8275‬‬
‫‪9‬‬ ‫‪36‬‬ ‫‪35,0351‬‬ ‫‪0,9649‬‬ ‫‪-0,6612‬‬ ‫‪1,6261‬‬ ‫‪2,6441‬‬
‫‪10‬‬ ‫‪38‬‬ ‫‪38,1235‬‬ ‫‪-0,1235‬‬ ‫‪0,9649‬‬ ‫‪-1,0884‬‬ ‫‪1,1846‬‬
‫‪11‬‬ ‫‪40‬‬ ‫‪40,1206‬‬ ‫‪-0,1206‬‬ ‫‪-0,1235‬‬ ‫‪0,0029‬‬ ‫‪0,0000‬‬
‫‪12‬‬ ‫‪42‬‬ ‫‪42,1177‬‬ ‫‪-0,1177‬‬ ‫‪-0,1206‬‬ ‫‪0,0029‬‬ ‫‪0,0000‬‬
‫‪13‬‬ ‫‪44‬‬ ‫‪44,1904‬‬ ‫‪-0,1904‬‬ ‫‪-0,1177‬‬ ‫‪-0,0727‬‬ ‫‪0,0053‬‬
‫‪14‬‬ ‫‪46‬‬ ‫‪45,7515‬‬ ‫‪0,2485‬‬ ‫‪-0,1904‬‬ ‫‪0,4389‬‬ ‫‪0,1926‬‬
‫‪somme‬‬ ‫‪558‬‬ ‫‪558 -1,64E-10‬‬ ‫‪-0,2485‬‬ ‫‪0,9097‬‬ ‫‪8,8808‬‬
‫‪∑14‬‬
‫) ‪𝑡=2(𝜀𝑖 − 𝜀𝑖−1‬‬
‫‪2‬‬
‫‪8,8808‬‬
‫= ‪DW‬‬ ‫‪14‬‬ ‫‪2‬‬ ‫=‬ ‫‪= 2,9411‬‬
‫𝑖𝜀 ‪∑𝑡=1‬‬ ‫‪2,9579‬‬
‫‪- 108 -‬‬

‫ج‪ -‬تفسير النتائج‪𝜶 = 𝟎, 𝟎𝟏 :‬‬

‫‪DW= 2,9411‬‬
‫‪𝑑𝑙 = 0.547 𝑑𝑢 =1.490‬‬
‫بما أن قيمة داربن وتسون محصورة بين 𝑢𝑑 ‪ 4 − 𝑑𝑙 ≤ 𝐷𝑊 ≤ 4 −‬وعليه نتيجة غير مؤكدة وبالتالي‬
‫قرار غير حاسم بوجود أو غياب مشكلة االرتباط الذاتي لألخطاء‪.‬‬
‫د‪ -‬تفسير النتائج‪𝜶 = 𝟎, 𝟎𝟓 :‬‬

‫‪DW= 2,9411‬‬
‫‪dL= 0.767 du=1.779‬‬
‫بما أن قيمة داربن وتسون محصورة بين 𝑢𝑑 ‪ 4 − 𝑑𝑙 ≤ 𝐷𝑊 ≤ 4 −‬وعليه نتيجة غير مؤكدة وبالتالي‬
‫قرار غير حاسم بوجود أو غياب مشكلة االرتباط الذاتي لألخطاء‪.‬‬
‫‪- 109 -‬‬

‫ه‪ -‬اختبار االرتباط الذاتي من رتبة أعلى من األولى‪:‬‬

‫‪i‬‬ ‫‪et‬‬ ‫‪X1‬‬ ‫‪X2‬‬ ‫‪X3‬‬ ‫‪et_1‬‬ ‫‪et_2‬‬ ‫‪et_3‬‬
‫‪1‬‬ ‫‪-0,661174‬‬ ‫‪40‬‬ ‫‪10‬‬ ‫‪18‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪0,9648878‬‬ ‫‪42‬‬ ‫‪11‬‬ ‫‪18‬‬ ‫‪-0,661174‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪3‬‬ ‫‪-0,123526‬‬ ‫‪45‬‬ ‫‪14‬‬ ‫‪20‬‬ ‫‪0,9648878‬‬ ‫‪-0,661174‬‬ ‫‪0‬‬
‫‪4‬‬ ‫‪-0,120611‬‬ ‫‪50‬‬ ‫‪16‬‬ ‫‪23‬‬ ‫‪-0,123526‬‬ ‫‪0,9648878‬‬ ‫‪-0,661174‬‬
‫‪5‬‬ ‫‪-0,117696‬‬ ‫‪55‬‬ ‫‪18‬‬ ‫‪26‬‬ ‫‪-0,120611‬‬ ‫‪-0,123526‬‬ ‫‪0,9648878‬‬
‫‪6‬‬ ‫‪-0,190392‬‬ ‫‪60‬‬ ‫‪22‬‬ ‫‪36‬‬ ‫‪-0,117696‬‬ ‫‪-0,120611‬‬ ‫‪-0,123526‬‬
‫‪7‬‬ ‫‪0,2485106‬‬ ‫‪62‬‬ ‫‪24‬‬ ‫‪39‬‬ ‫‪-0,190392‬‬ ‫‪-0,117696‬‬ ‫‪-0,120611‬‬
‫‪8‬‬ ‫‪-0,661174‬‬ ‫‪40‬‬ ‫‪10‬‬ ‫‪18‬‬ ‫‪0,2485106‬‬ ‫‪-0,190392‬‬ ‫‪-0,117696‬‬
‫‪9‬‬ ‫‪0,9648878‬‬ ‫‪42‬‬ ‫‪11‬‬ ‫‪18‬‬ ‫‪-0,661174‬‬ ‫‪0,2485106‬‬ ‫‪-0,190392‬‬
‫‪10‬‬ ‫‪-0,123526‬‬ ‫‪45‬‬ ‫‪14‬‬ ‫‪20‬‬ ‫‪0,9648878‬‬ ‫‪-0,661174‬‬ ‫‪0,2485106‬‬
‫‪11‬‬ ‫‪-0,120611‬‬ ‫‪50‬‬ ‫‪16‬‬ ‫‪23‬‬ ‫‪-0,123526‬‬ ‫‪0,9648878‬‬ ‫‪-0,661174‬‬
‫‪12‬‬ ‫‪-0,117696‬‬ ‫‪55‬‬ ‫‪18‬‬ ‫‪26‬‬ ‫‪-0,120611‬‬ ‫‪-0,123526‬‬ ‫‪0,9648878‬‬
‫‪13‬‬ ‫‪-0,190392‬‬ ‫‪60‬‬ ‫‪22‬‬ ‫‪36‬‬ ‫‪-0,117696‬‬ ‫‪-0,120611‬‬ ‫‪-0,123526‬‬
‫‪14‬‬ ‫‪0,2485106‬‬ ‫‪62‬‬ ‫‪24‬‬ ‫‪39‬‬ ‫‪-0,190392‬‬ ‫‪-0,117696‬‬ ‫‪-0,120611‬‬
‫‪somme‬‬ ‫‪-1,64E-10‬‬ ‫‪708‬‬ ‫‪230‬‬ ‫‪360 -0,248511‬‬ ‫‪-0,248511‬‬ ‫‪-0,248511‬‬
‫‪s. carré‬‬ ‫‪3,0196476‬‬ ‫‪36716‬‬ ‫‪4114‬‬ ‫‪10140 2,9578901‬‬ ‫‪2,9578901‬‬ ‫‪2,9578901‬‬
‫و‪ -‬اختبار بريش‪-‬كودفري من الدرجة الثالثة‬

‫‪𝜀̂𝑡 = 5,92 − 0,24 𝑋1𝑖 + 0,82 𝑋2𝑖 − 0,29 𝑋3𝑖 − 1,95 𝜀̂𝑡−1 − 1,35𝜀̂𝑡−2 − 0,66𝜀̂𝑡−3‬‬
‫ومنه‪:‬‬
‫‪(𝑛 − 𝑚) 𝑅 2 = (14-3)*0.984148=10.8256‬‬
‫نالحظ بأن القيمة المحسوبة ‪ 10.8256‬أكبر مع القيمة الجدولية ‪ 7.82‬في جدول كاي تربيع عند مستوى‬
‫معنوية ‪ 0.05‬ودرجة حرية ‪ ،3‬وبذلك نقبل الفرض البديل ونرفض الفرض الصفري وبالتالي يوجد ارتباط‬
‫ذاتي بين األخطاء (البواقي) من الدرجة ‪.3‬‬
‫ز‪ -‬اختبار بريش‪-‬كودفري من الدرجة الثانية‪:‬‬

‫‪𝜀̂𝑡 = 10,49 − 0,43 𝑋1𝑖 + 1,04 𝑋2𝑖 − 0,23 𝑋3𝑖 − 1,86 𝜀̂𝑡−1 − 0,76𝜀̂𝑡−2‬‬
‫ومنه‪:‬‬
‫‪(𝑛 − 𝑚) 𝑅 2 = (14-2)*0.947905=11.3975‬‬
‫نالحظ بأن القيمة المحسوبة ‪ 11.3975‬أكبر مع القيمة الجدولية ‪ 5.99‬في جدول كاي تربيع عند مستوى‬
‫معنوية ‪ 0.05‬ودرجة حرية ‪ ،2‬وبذلك نقبل الفرض البديل ونرفض الفرض الصفري وبالتالي يوجد ارتباط‬
‫ذاتي بين األخطاء بين األخطاء من الدرجة ‪.2‬‬
‫‪- 110 -‬‬

‫ح‪ -‬اختبار بريش‪-‬كودفري من الدرجة الثانية والثالثة حسب مخرجات برمجية ‪:EVIEWS‬‬
‫ط‪ -‬اختبار بريش‪-‬كودفري حسب مخرجات برمجية ‪:STATA‬‬

‫ط‪ -1-‬اختبار بريش‪-‬كودفري ) 𝟐𝑹*‪:(n‬‬
‫)‪. estat bgodfrey,lags(1/10‬‬
‫‪Breusch-Godfrey LM test for autocorrelation‬‬
‫)‪lags(p‬‬ ‫‪chi2‬‬ ‫‪df‬‬ ‫‪Prob > chi2‬‬
‫‪1‬‬ ‫‪9.244‬‬ ‫‪1‬‬ ‫‪0.0024‬‬

‫‪2‬‬ ‫‪13.271‬‬ ‫‪2‬‬ ‫‪0.0013‬‬
‫‪3‬‬ ‫‪13.778‬‬ ‫‪3‬‬ ‫‪0.0032‬‬
‫‪4‬‬ ‫‪13.793‬‬ ‫‪4‬‬ ‫‪0.0080‬‬
‫‪5‬‬ ‫‪13.947‬‬ ‫‪5‬‬ ‫‪0.0159‬‬
‫‪6‬‬ ‫‪13.951‬‬ ‫‪6‬‬ ‫‪0.0302‬‬
‫‪7‬‬ ‫‪13.953‬‬ ‫‪7‬‬ ‫‪0.0520‬‬
‫‪8‬‬ ‫‪13.956‬‬ ‫‪8‬‬ ‫‪0.0829‬‬
‫‪9‬‬ ‫‪13.979‬‬ ‫‪9‬‬ ‫‪0.1231‬‬
‫‪10‬‬ ‫‪14.000‬‬ ‫‪10‬‬ ‫‪0.1730‬‬
‫‪H0: no serial correlation‬‬
‫‪- 111 -‬‬

‫ط‪ -2-‬اختبار بريش‪-‬كودفري ) 𝟐𝑹*)‪((n-m‬‬

‫‪. estat bgodfrey,lags(1/10) nomiss0‬‬
‫‪Breusch-Godfrey LM test for autocorrelation‬‬
‫)‪lags(p‬‬ ‫‪chi2‬‬ ‫‪df‬‬ ‫‪Prob > chi2‬‬
‫‪1‬‬ ‫‪9.151‬‬ ‫‪1‬‬ ‫‪0.0025‬‬

‫‪2‬‬ ‫‪11.597‬‬ ‫‪2‬‬ ‫‪0.0030‬‬
‫‪3‬‬ ‫‪11.000‬‬ ‫‪3‬‬ ‫‪0.0117‬‬
‫‪4‬‬ ‫‪10.000‬‬ ‫‪4‬‬ ‫‪0.0404‬‬
‫‪5‬‬ ‫‪9.000‬‬ ‫‪5‬‬ ‫‪0.1091‬‬
‫‪6‬‬ ‫‪8.000‬‬ ‫‪6‬‬ ‫‪0.2381‬‬
‫‪7‬‬ ‫‪7.000‬‬ ‫‪7‬‬ ‫‪0.4289‬‬
‫‪8‬‬ ‫‪6.000‬‬ ‫‪8‬‬ ‫‪0.6472‬‬
‫‪9‬‬ ‫‪5.000‬‬ ‫‪9‬‬ ‫‪0.8343‬‬
‫‪10‬‬ ‫‪4.000‬‬ ‫‪10‬‬ ‫‪0.9473‬‬
‫‪H0: no serial correlation‬‬
‫مثال (‪ :)2-6‬البيانات التالية تمثل الواردات )‪ (M‬وعالقتها بالناتج الداخلي الخام )‪(GDP‬‬
‫‪1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018‬‬
‫‪M‬‬ ‫‪3748 4010 3711 4004 4151 4569 4582 4697 4753 5063 5669 5628 5736 5946 6501 6549 6705 7104 7609 8100‬‬
‫‪Y‬‬ ‫‪21777 22418 22308 23319 24180 24893 25310 25799 25886 26868 28134 29091 29450 30705 32372 33152 33764 33411 35429 36200‬‬
‫المطلوب‬
‫أ‪ -‬تقدير دالة الواردات؟‬
‫ب‪ -‬اختبر مشكلة االرتباط الذاتي؟‬
‫ج‪ -‬استخدم طريقة الفرق العام للتخلص من المشكلة؟‬
‫‪𝑛 = 20‬‬ ‫‪∑ 𝑀𝑡 𝑌𝑡 = 3186809471‬‬ ‫‪∑ 𝑀𝑡 = 108835‬‬ ‫‪∑ 𝑌𝑡 = 564466‬‬
‫‪∑ 𝑌𝑡2 = 625470895‬‬
‫𝒂 = 𝒕̂‬
‫𝑴‬ ‫أ‪ -‬تقدير معادلة االنحدار التالية‪̂𝒀𝒕 :‬‬
‫𝒃‪̂+‬‬
‫𝑡𝑌 ∑ 𝑡𝑀 ∑ ‪𝑛 ∑ 𝑀𝑡 𝑌𝑡 −‬‬ ‫)‪20(3186809471) − (108835)(564466‬‬
‫= ̂𝑏‬ ‫‪2‬‬ ‫= ̂𝑏 ⇔‬
‫) 𝑡𝑌 ∑( ‪𝑛 ∑ 𝑌𝑡 −‬‬ ‫‪2‬‬ ‫‪20(625470895) − (564466)2‬‬
‫𝟐𝟑𝟖𝟐 ‪̂ = 𝟎.‬‬
‫𝒃‬
‫‪108835‬‬ ‫‪564466‬‬
‫( = ̂𝑎 ⇔ ̅𝑋 ̂𝑏 ‪𝑎̂ = 𝑌̅ −‬‬ ‫( )‪) + (0.2832‬‬ ‫𝒂 ⇔ )‬
‫𝟔𝟖𝟖𝟎 ‪̂ = −𝟐𝟓𝟓𝟏.‬‬
‫‪20‬‬ ‫‪20‬‬
‫𝑡𝑌 ‪̂𝑡 = −2551.0886 + 0.2832‬‬

‫𝑀‬
‫‪- 112 -‬‬

‫ب‪ -‬اختبار مشكلة االرتباط الذاتي‪:‬‬

‫‪M‬‬ ‫‪Y‬‬ ‫𝑴‬‫̂‬ ‫𝒕‬ ‫𝟏‪𝒕−‬‬ ‫‪( 𝒕-‬‬ ‫) 𝟏‪𝒕−‬‬
‫‪1‬‬ ‫‪1999‬‬ ‫‪3748‬‬ ‫‪21777‬‬ ‫‪3616,1578‬‬ ‫‪131,8422‬‬
‫‪2‬‬ ‫‪2000‬‬ ‫‪4010‬‬ ‫‪22418‬‬ ‫‪3797,689‬‬ ‫‪212,311‬‬ ‫‪131,8422‬‬ ‫‪80,4688‬‬
‫‪3‬‬ ‫‪2001‬‬ ‫‪3711‬‬ ‫‪22308‬‬ ‫‪3766,537‬‬ ‫‪-55,537‬‬ ‫‪212,311‬‬ ‫‪-267,848‬‬
‫‪20‬‬ ‫‪2018‬‬ ‫‪8100‬‬ ‫‪36200‬‬ ‫‪7700,7514‬‬ ‫‪399,2486‬‬ ‫‪126,5958‬‬ ‫‪272,6528‬‬

‫‪somme‬‬ ‫‪108835‬‬ ‫‪564466‬‬ ‫‪0,0008‬‬ ‫‪267,4064‬‬
‫‪s. carres‬‬ ‫‪6,25E+08 1,6338E+10‬‬ ‫‪611927,6296‬‬ ‫‪692509,8883‬‬
‫‪∑20‬‬
‫) ‪𝑡=2(𝜀𝑡 − 𝜀𝑡−1‬‬
‫‪2‬‬
‫‪692509,8883‬‬
‫= ‪DW‬‬ ‫‪20‬‬ ‫‪2‬‬ ‫=‬ ‫‪= 1,1317‬‬
‫𝑡𝜀 ‪∑𝑡=1‬‬ ‫‪611927,6296‬‬
‫تفسير النتائج‪𝜶 = 𝟎, 𝟎𝟓 :‬‬
‫‪𝐃𝐖= 1,1317‬‬
‫‪𝑑𝑙 = 1,201 𝑑𝑢 =1.411‬‬
‫بما أن قيمة داربن وتسون محصورة بين 𝑙𝑑 ≤ 𝑊𝐷 ≤ ‪ 0‬وعليه نقبل الفرض البديل أي وجود مشكلة‬
‫االرتباط الذاتي لألخطاء (إرتباط ذاتي موجب)‪.‬‬
‫ج‪ -‬استخدم طريقة الفرق العام للتخلص من المشكلة‬
‫𝝆‪:‬‬
‫ج‪ -1-‬تقدير قيمة ̂‬
‫• حسب قانون داربن واتسون )‪:(DW‬‬
‫𝑊𝐷‬ ‫‪1,1317‬‬
‫‪𝜌̂ = 1 −‬‬ ‫‪⟺ 𝜌̂ = 1 −‬‬ ‫‪̂ =0,43415‬‬
‫𝝆⇒‬
‫‪2‬‬ ‫‪2‬‬
‫• حسب طريقة كوكران أوركات‪:‬‬
‫‪∑20‬‬
‫‪𝑡=2 𝜀𝑡 𝜀𝑡−1‬‬ ‫‪177281,7803‬‬
‫= 𝑜𝑐̂𝜌‬ ‫‪∑20‬‬ ‫‪2‬‬ ‫‪̂ 𝒄𝒐 =0,3918‬‬
‫𝝆 ⇒ ‪= 452528,1850‬‬
‫‪𝑡=1 𝜀𝑡−1‬‬
‫• حسب طريقة ثايل ناجار‪:‬‬

‫𝑊𝐷‬ ‫‪1,1317‬‬
‫‪𝑛2 (1−‬‬ ‫‪)+𝑘 2‬‬ ‫‪(20)2 (1−‬‬ ‫‪)+(2)2‬‬
‫‪2‬‬ ‫‪2‬‬
‫= 𝑁𝑇̂𝜌‬ ‫=‬ ‫𝟔𝟖𝟒𝟒 ‪̂ 𝑻𝑵 = 𝟎,‬‬
‫𝝆⇒‬
‫‪𝑛2 −𝑘 2‬‬ ‫‪(20)2 −(2)2‬‬
‫‪- 113 -‬‬

‫وبتقدير القيم المحولة باستخدام طريقة المربعات الصغرى تحصلنا على النتائج التالية‪:‬‬
‫∗𝑡𝑌 ‪̂𝑡∗ = −1546,7019 + 0.2811‬‬
‫𝑀‬
‫وباستخدام اختبار داربن واتسون )‪ (DW‬تحصلنا على النتائج التالية‪:‬‬
‫‪∑20‬‬
‫) ‪𝑡=2(𝜀𝑡 − 𝜀𝑡−1‬‬
‫‪2‬‬
‫‪1626903,5562‬‬
‫= ‪DW‬‬ ‫=‬ ‫‪= 1,6983‬‬
‫‪∑20‬‬ ‫𝜀‬
‫𝑡 ‪𝑡=1‬‬
‫‪2‬‬ ‫‪957977,5660‬‬
‫‪𝐃𝐖= 1,6983‬‬
‫‪𝑑𝑙 = 1,201 𝑑𝑢 =1.411‬‬
‫بما أن قيمة داربن وتسون محصورة بين 𝑙𝑑 ‪ 𝑑𝑢 ≤ 𝐷𝑊 ≤ 4 −‬وعليه نقبل الفرض الصفري أي غياب‬
‫مشكلة االرتباط الذاتي لألخطاء‪.‬‬
‫وعليه النموذج الجديد المقدر خالي من مشكلة االرتباط الذاتي‪:‬‬
‫∗𝑡𝑌 ‪̂𝑡∗ = −1546,7019 + 0.2811‬‬
‫𝑀‬
‫وبتعديل قيمة الحد الثابت نجد‪:‬‬
‫‪- 114 -‬‬

‫‪−1546,7019‬‬
‫= ̂𝑎 ⟺ )̂𝜌 ‪−1546,7019 = 𝑎̂(1 −‬‬
‫)̂𝜌 ‪(1 −‬‬
‫‪−1546,7019‬‬
‫= ̂𝑎 ⟺‬ ‫)‪(1−0,3918‬‬
‫𝟏𝟏𝟖𝟎 ‪̂ = −𝟐𝟓𝟒𝟑,‬‬
‫𝒂⟺‬
‫وعليه يمكن كتابة النموذج األصلي الخالي من مشكلة االرتباط الذاتي كما يلي‪:‬‬
‫𝒕𝒀 𝟏𝟏𝟖𝟐 ‪̂ 𝒕 = −𝟐𝟓𝟒𝟑, 𝟎𝟖𝟏𝟏 + 𝟎.‬‬
‫𝑴‬
‫❖ حسب برمجية ‪:Gretl‬‬
‫‪- 115 -‬‬

‫ مشكلة االرتباط الذاتي‬:‫الفصل السادس‬
:stata ‫❖ حسب برمجية‬
. prais M Y, rhotype(regress)
Iteration 0: rho = 0.0000

Prais-Winsten AR(1) regression -- iterated estimates
Source SS df MS Number of obs = 20

F(1, 18) = 386.21
Model 11501440.6 1 11501440.6 Prob > F = 0.0000
Residual 536040.515 18 29780.0286 R-squared = 0.9555
Adj R-squared = 0.9530
Total 12037481.1 19 633551.635 Root MSE = 172.57
M Coef. Std. Err. t P>|t| [95% Conf. Interval]
Y .2860936 .0130612 21.90 0.000 .2586531 .3135341

_cons -2615.754 374.6233 -6.98 0.000 -3402.808 -1828.7
rho .4083557
Durbin-Watson statistic (original) 1.131695

Durbin-Watson statistic (transformed) 1.817219
- 116 -
‫❖ طريقة داربن واتسون ذات المرحلتين‬
‫نقوم بتقدير الدالة التالية‪:‬‬
‫ومنه قيمة 𝟑𝟓𝟔𝟕𝟖𝟒 ‪̂ = 𝟎.‬‬

‫𝛒‬
‫‪- 117 -‬‬

‫وكانت نتائج التقدير‪:‬‬
‫‪ -7-6‬طرق أخرى للتخلص من مشكلة االرتباط الذاتي لألخطاء‪:‬‬

‫‪ -1-7-6‬المتغير التابع ذو الفجوة الزمنية‪:‬‬
‫استخدام المتغير التابع ذو الفجوة الزمنية كأحد المتغيرات المستقلة‪:‬‬

‫𝑡𝑌‪̂𝑡 = −1883 + 0,3353𝑀𝑡−1 + 0,1974‬‬
‫𝑀‬
‫)‪(584,71‬‬ ‫)‪(0,2323‬‬ ‫)‪(0,0619‬‬
‫‪𝑛 = 19‬‬ ‫‪𝐷𝑊 = 1,6491‬‬
‫في هذه الحالة‪ ،‬ال يمكن االستعانة باختبار داربن واتسون ألنه غير فعال ومتحيز لذلك اقترح ‪Durbin‬‬
‫)‪ (1970‬إحصائية أخرى سميت بإحصائية » ‪ « Durbin’s h‬بحيث‪( :‬شيخي‪ ،2011 ،‬صفحة ‪)135‬‬
‫الفرضية الصفرية‪ :‬غياب مشكلة االرتباط الذاتي ‪ℎ = 0‬‬
‫الفرضية البديلة‪ :‬وجود مشكلة االرتباط الذاتي ‪ℎ ≠ 0‬‬
‫نقبل الفرضية الصفرية إذا كانت قيمة ‪−1,96 < ℎ < 1,96‬‬
‫وباستخدام إختبار ‪ Durbin’s h‬على المثال السابق‪:‬‬
‫𝑛‬ ‫𝑊𝐷‬ ‫𝑛‬
‫√)̂𝜌( = ‪ℎ‬‬ ‫‪= (1 −‬‬ ‫√)‬
‫‪1 − 𝑛𝛿̂𝑏2̂1‬‬ ‫‪2‬‬ ‫̂‪1 − 𝑛𝛿̂𝑏2‬‬ ‫‪1‬‬
‫‪1,6491‬‬ ‫‪19‬‬
‫‪= (1 −‬‬ ‫‪2‬‬
‫‪) √1−19(0,2323)2‬‬
‫‪- 118 -‬‬

‫وبما أن ‪ 𝑛𝛿̂𝑏2̂1 > 1‬فمن المستحيل استخدام إختبار ‪ Durbin’s h‬وعليه نستعين باختبار داربن واتسون‬
‫الختبار مشكلة االرتباط الذاتي‪.‬‬
‫❖ حسب برمجية ‪:Gretl‬‬
‫‪ -2-7-6‬إضافة المتغيرات الوهمية (الصورية)‬

‫في كثير من األحياان‪ ،‬نعتقاد بوجود متغيرات ذات أهمياة عظمى ذات طبيعاة نوتياة تاأخاذ القيمتين‬
‫‪ 0‬أو‪ 1‬ويطلق عليها بالمتغيرات الوهمية (الصا ا ا ااورية)‪ .‬ونرمز لها بالرمز »‪ «D‬بحيث‪( :‬شا ا ا اايخي‪،2011 ،‬‬
‫الصفحات ‪)81-80‬‬
‫» ‪ « D=1‬وقوع الحدث‬
‫» ‪ « D=0‬عدم وقوع الحدث‬
‫وبالرجوع للمثال السابق‪:‬‬
‫فلو علم الباحث أنه وقع تراجع للواردات في الس اانوات‪ 2014 ،2013 ،2012 :‬و‪ 2015‬فإض ااافة المتغير‬
‫الوهمي تكون حسب الجدول الموالي‪:‬‬
‫‪- 119 -‬‬

‫‪M‬‬ ‫‪Y‬‬ ‫̂‬

‫𝑴‬ ‫𝒕‬ ‫‪D‬‬
‫‪1‬‬ ‫‪1999‬‬ ‫‪3748‬‬ ‫‪21777‬‬ ‫‪3616,1578‬‬ ‫‪131,8422‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪2000‬‬ ‫‪4010‬‬ ‫‪22418‬‬ ‫‪3797,689‬‬ ‫‪212,311‬‬ ‫‪0‬‬
‫‪3‬‬ ‫‪2001‬‬ ‫‪3711‬‬ ‫‪22308‬‬ ‫‪3766,537‬‬ ‫‪-55,537‬‬ ‫‪0‬‬
‫‪4‬‬ ‫‪2002‬‬ ‫‪4004‬‬ ‫‪23319‬‬ ‫‪4052,8522‬‬ ‫‪-48,8522‬‬ ‫‪0‬‬
‫‪5‬‬ ‫‪2003‬‬ ‫‪4151‬‬ ‫‪24180‬‬ ‫‪4296,6874‬‬ ‫‪-145,6874‬‬ ‫‪0‬‬
‫‪6‬‬ ‫‪2004‬‬ ‫‪4569‬‬ ‫‪24893‬‬ ‫‪4498,609‬‬ ‫‪70,391‬‬ ‫‪0‬‬
‫‪7‬‬ ‫‪2005‬‬ ‫‪4582‬‬ ‫‪25310‬‬ ‫‪4616,7034‬‬ ‫‪-34,7034‬‬ ‫‪0‬‬
‫‪8‬‬ ‫‪2006‬‬ ‫‪4697‬‬ ‫‪25799‬‬ ‫‪4755,1882‬‬ ‫‪-58,1882‬‬ ‫‪0‬‬
‫‪9‬‬ ‫‪2007‬‬ ‫‪4753‬‬ ‫‪25886‬‬ ‫‪4779,8266‬‬ ‫‪-26,8266‬‬ ‫‪0‬‬
‫‪10‬‬ ‫‪2008‬‬ ‫‪5063‬‬ ‫‪26868‬‬ ‫‪5057,929‬‬ ‫‪5,071‬‬ ‫‪0‬‬
‫‪11‬‬ ‫‪2009‬‬ ‫‪5669‬‬ ‫‪28134‬‬ ‫‪5416,4602‬‬ ‫‪252,5398‬‬ ‫‪0‬‬
‫‪12‬‬ ‫‪2010‬‬ ‫‪5628‬‬ ‫‪29091‬‬ ‫‪5687,4826‬‬ ‫‪-59,4826‬‬ ‫‪0‬‬
‫‪13‬‬ ‫‪2011‬‬ ‫‪5736‬‬ ‫‪29450‬‬ ‫‪5789,1514‬‬ ‫‪-53,1514‬‬ ‫‪0‬‬
‫‪14‬‬ ‫‪2012‬‬ ‫‪5946‬‬ ‫‪30705‬‬ ‫‪6144,5674‬‬ ‫‪-198,5674‬‬ ‫‪1‬‬
‫‪15‬‬ ‫‪2013‬‬ ‫‪6501‬‬ ‫‪32372‬‬ ‫‪6616,6618‬‬ ‫‪-115,6618‬‬ ‫‪1‬‬
‫‪16‬‬ ‫‪2014‬‬ ‫‪6549‬‬ ‫‪33152‬‬ ‫‪6837,5578‬‬ ‫‪-288,5578‬‬ ‫‪1‬‬
‫‪17‬‬ ‫‪2015‬‬ ‫‪6705‬‬ ‫‪33764‬‬ ‫‪7010,8762‬‬ ‫‪-305,8762‬‬ ‫‪1‬‬
‫‪18‬‬ ‫‪2016‬‬ ‫‪7104‬‬ ‫‪33411‬‬ ‫‪6910,9066‬‬ ‫‪193,0934‬‬ ‫‪0‬‬
‫‪19‬‬ ‫‪2017‬‬ ‫‪7609‬‬ ‫‪35429‬‬ ‫‪7482,4042‬‬ ‫‪126,5958‬‬ ‫‪0‬‬
‫‪20‬‬ ‫‪2018‬‬ ‫‪8100‬‬ ‫‪36200‬‬ ‫‪7700,7514‬‬ ‫‪399,2486‬‬ ‫‪0‬‬
‫وبتقدير النموذج تحصلنا على النتائج التالية‪:‬‬

‫𝑡𝑌 ‪̂𝑡 = −2913,40 − 366,433 𝐷 + 0,2986‬‬
‫𝑀‬
‫‪n = 20 DW = 1,7172‬‬
‫‪- 120 -‬‬

‫‪DW= 1,7172‬‬
‫‪𝑑𝑙 = 1,201 𝑑𝑢 =1.411‬‬
‫بما أن قيمة داربن وتسون محصورة بين 𝑙𝑑 ‪ 𝑑𝑢 ≤ 𝐷𝑊 ≤ 4 −‬وعليه نقبل الفرض الصفري أي غياب‬
‫مشكلة االرتباط الذاتي لألخطاء‬
‫التمرين األول‪ :‬باحث اقتصااادي أسااتخدم طريقة المربعات الصااغرى )‪ (MCO‬في تقدير النموذج المدروس‬
‫فتحصل على النتائج التالية‪:‬‬
‫𝑡𝑋 ‪𝑌̂𝑡 = −2461 + 0.28‬‬
‫‪𝑆𝐸 (250) (0.01) 𝑅2 = 0.98‬‬
‫ومن حساب البواقي وجدنا‪:‬‬
‫‪20‬‬ ‫‪20‬‬
‫‪∑(𝜀𝑡 − 𝜀𝑡−1 )2 = 537192‬‬ ‫‪∑ 𝜀𝑡2 = 573069‬‬

‫‪𝑡=2‬‬ ‫‪𝑡=1‬‬
‫المطلوب‪ :‬أحسب إحصاءه )‪ (D.W‬واختبر لوجود مشكلة االرتباط الذاتي‪ ،‬استخدم مستوى معنوية‬
‫(‪)0.05‬؟‬
‫التمرين الثاني‪ :‬الجدول يتض ا ا اامن البيانات الخاص ا ا ااة بعدد حوادث الس ا ا اارقات ) ‪ (𝑌t‬وعدد مكاتب الش ا ا اارطة‬
‫) ‪ (𝑋t‬في إحدى الدول في الفترة ‪ 2009-2000‬وبإسا ااتخدم طريقة المربعات الصا ااغرى )‪ (MCO‬تم تقدير‬
‫العالقة اآلتية‪:‬‬
‫𝑡𝑋 ‪𝑌̂𝑡 = 1346.28941 − 12.1003047‬‬
‫𝑡‬ ‫)‪(5.319‬‬ ‫)‪(3.105‬‬ ‫‪𝑅 2 = 0.546‬‬
‫‪- 121 -‬‬

‫السنة‬ ‫السرقات ‪Y‬‬ ‫مكاتب الشرطة ‪X‬‬ ‫𝑡̂𝑌‬ ‫𝑡𝜀‬ ‫‪𝜀𝑡−1‬‬ ‫‪𝜀𝑡 − 𝜀𝑡−1‬‬ ‫‪(𝜀𝑡 − 𝜀𝑡−1 )2‬‬ ‫‪𝜀𝑡2‬‬
‫‪2000‬‬ ‫‪580‬‬ ‫‪60‬‬ ‫‪620,2866‬‬ ‫‪----‬‬ ‫‪----‬‬ ‫‪----‬‬

‫‪2001‬‬ ‫‪890‬‬ ‫‪59‬‬ ‫‪632,3866‬‬
‫‪2002‬‬ ‫‪430‬‬ ‫‪77‬‬ ‫‪414,5858‬‬ ‫‪15,414‬‬ ‫‪237,598‬‬
‫‪2003‬‬ ‫‪690‬‬ ‫‪52‬‬ ‫‪717,0870‬‬ ‫‪-27,087‬‬ ‫‪15,414‬‬ ‫‪-42,501‬‬ ‫‪1806,350‬‬ ‫‪733,703‬‬
‫‪2004‬‬ ‫‪310‬‬ ‫‪87‬‬ ‫‪16,415‬‬ ‫‪-27,087‬‬ ‫‪1892,393‬‬ ‫‪269,442‬‬
‫‪2005‬‬ ‫‪750‬‬ ‫‪50‬‬ ‫‪8,713‬‬ ‫‪16,415‬‬ ‫‪59,317‬‬
‫‪2006‬‬ ‫‪460‬‬ ‫‪80‬‬ ‫‪378,2856‬‬ ‫‪81,714‬‬ ‫‪8,713‬‬ ‫‪73,001‬‬ ‫‪5329,206‬‬ ‫‪6677,236‬‬
‫‪2007‬‬ ‫‪630‬‬ ‫‪52‬‬ ‫‪717,0870‬‬ ‫‪81,714‬‬ ‫‪-168,801‬‬ ‫‪28493,885‬‬
‫‪2008‬‬ ‫‪800‬‬ ‫‪53‬‬ ‫‪704,9869‬‬ ‫‪182,100‬‬ ‫‪33160,427‬‬ ‫‪9027,487‬‬
‫‪2009‬‬ ‫‪215‬‬ ‫‪67‬‬ ‫‪535,5863‬‬ ‫‪-320,586‬‬ ‫‪-415,599‬‬ ‫‪172722,812 102775,546‬‬
‫‪n=10‬‬ ‫‪5755‬‬ ‫‪637‬‬ ‫‪5755,1641‬‬ ‫‪00‬‬
‫‪ -1‬أكمل الجدول؟‬
‫‪ -2‬اختبر إذا كان نموذج االنحدار يعاني من مشكلة االرتباط الذاتي عند ‪α = 0.05‬؟‬
‫التمرين الثالث‪ :‬فرضا باحث قدر العالقة بين المتغير )‪ (Yt‬والمتغير )‪ (Xt‬وحصل على النتائج التالية‪:‬‬
‫𝑡𝑋 ‪𝑌̂𝑡 = 6.65 + 2.75‬‬
‫‪𝑛=15‬‬ ‫‪𝑛=15‬‬
‫‪2‬‬
‫‪𝐷. 𝑊 = 0.8229‬‬ ‫‪∑ 𝜀𝑡 𝜀𝑡−1 = 110.29‬‬ ‫‪∑ 𝜀𝑡−1‬‬ ‫‪= 185.6775‬‬
‫‪𝑡=2‬‬ ‫‪𝑡=2‬‬
‫‪ -1‬اختبر إذا كان نموذج االنحدار يعاني من مشكلة االرتباط الذاتي عند ‪α = 0.05‬؟‬
‫‪ -2‬قدر معامل االرتباط الذاتي حسب الطرق التي تراها مناسبة؟‬
‫‪ -3‬استنتج قيمة ‪SCR‬؟‬
‫التمرين الرابع‪:‬‬
‫فرضا باحث قدر العالقة بين المتغير األجر السنوي )‪ (Yt‬والمتغير المستقل والمتمثل في عدد سنوات‬
‫الخدمة )‪ (Xt‬لعينة تمثل ‪ 10‬عمال وحصل على النتائج التالية‪:‬‬
‫𝑡𝑋 ‪𝑌̂𝑡 = 27.76689 + 1.244126‬‬
‫‪- 122 -‬‬

‫العمال‬ ‫‪X‬‬ ‫‪Y‬‬ ‫𝑡̂𝑌‬ ‫𝑡𝜀‬ ‫‪𝜀𝑡−1‬‬ ‫‪𝜀𝑡 − 𝜀𝑡−1‬‬ ‫‪(𝜀𝑡 − 𝜀𝑡−1 )2‬‬ ‫‪𝜀𝑡2‬‬
‫‪01‬‬ ‫‪4‬‬ ‫‪25,6‬‬ ‫‪32,743‬‬ ‫‪-7,143‬‬ ‫‪----‬‬ ‫‪----‬‬ ‫‪----‬‬ ‫‪51,028‬‬
‫‪02‬‬ ‫‪8‬‬ ‫‪32,7‬‬ ‫‪37,720‬‬ ‫‪-5,020‬‬ ‫‪-7,143‬‬ ‫‪2,123‬‬ ‫‪4,509‬‬ ‫‪25,199‬‬
‫‪03‬‬ ‫‪12‬‬ ‫‪45,4‬‬ ‫‪42,696‬‬ ‫‪2,704‬‬ ‫‪-5,020‬‬ ‫‪7,723‬‬ ‫‪59,652‬‬ ‫‪7,309‬‬
‫‪04‬‬ ‫‪16‬‬ ‫‪53,9‬‬ ‫‪47,673‬‬ ‫‪6,227‬‬ ‫‪2,704‬‬ ‫‪3,523‬‬ ‫‪12,415‬‬ ‫‪38,777‬‬
‫‪05‬‬ ‫‪20‬‬ ‫‪59,0‬‬ ‫‪52,649‬‬ ‫‪6,351‬‬ ‫‪6,227‬‬ ‫‪0,123‬‬ ‫‪0,015‬‬ ‫‪40,330‬‬
‫‪06‬‬ ‫‪24‬‬ ‫‪62,6‬‬ ‫‪57,626‬‬ ‫‪4,974‬‬ ‫‪6,351‬‬ ‫‪-1,377‬‬ ‫‪1,895‬‬ ‫‪24,742‬‬
‫‪07‬‬ ‫‪28‬‬ ‫‪65,0‬‬ ‫‪62,602‬‬ ‫‪2,398‬‬ ‫‪4,974‬‬ ‫‪-2,577‬‬ ‫‪6,638‬‬ ‫‪5,748‬‬
‫‪08‬‬ ‫‪32‬‬ ‫‪65,8‬‬ ‫‪67,579‬‬ ‫‪-1,779‬‬ ‫‪2,398‬‬ ‫‪-4,177‬‬ ‫‪17,443‬‬ ‫‪3,165‬‬
‫‪09‬‬ ‫‪34‬‬ ‫‪67,3‬‬ ‫‪70,067‬‬ ‫‪-2,767‬‬ ‫‪-1,779‬‬ ‫‪-0,988‬‬ ‫‪0,977‬‬ ‫‪7,657‬‬
‫‪10‬‬ ‫‪38‬‬ ‫‪69,1‬‬ ‫‪75,044‬‬ ‫‪-5,944‬‬ ‫‪-2,767‬‬ ‫‪-3,177‬‬ ‫‪10,090‬‬ ‫‪35,327‬‬
‫‪n=10‬‬ ‫‪216‬‬ ‫‪546,4‬‬ ‫‪546,4‬‬ ‫‪00.00‬‬
‫‪ -1‬اختبر وجود مشكلة االرتباط الذاتي بين األخطاء العشوائية بمستوى معنوية )‪(0.05‬؟‬
‫‪ -2‬قدر معامل االرتباط الذاتي حسب الطرق التي تراها مناسبة؟‬
‫‪ -3‬تخلص من مشكلة االرتباط الذاتي باستخدام طريقة الفرق العام؟‬
‫‪ -4‬إذا توفرت معادلة االنحدار التالية‪:‬‬
‫‪𝑌̂𝑡 = 14.6532 + 0.8670 𝑌𝑡−1 − 0.0180 𝑋𝑡 − 0.1184 𝑋𝑡−1‬‬
‫استخدم طريقة داربن واتسون ذات المرحلتين لتخلص من مشكلة االرتباط الذاتي؟‬
‫‪ -5‬إذا توفرت معادلة االنحدار التالية‪:‬‬
‫𝑡𝑋 ‪𝑌̂𝑡 = 15.1155 + 0.8697 𝑌𝑡−1 − 0.1431‬‬ ‫‪𝐷𝑊 = 1.9646‬‬
‫̂𝑏̂𝛿‬ ‫)‪(3.9634) (0.1729‬‬ ‫)‪(0.2553‬‬
‫اختبر إذا كان نموذج االنحدار يعاني من مشكلة االرتباط الذاتي؟‬
‫‪- 123 -‬‬

‫الفصل السابع‪:‬‬
‫عدم تجانس التباين‬

‫الفصل السابع‪ :‬مشكلة عدم تجانس التباين‬
‫‪ -1-7‬مقدمة‪:‬‬
‫عند اعتمددنادد على طريقد اممرعاددا امر د د د د د د د ر االعتيددنةد )‪ (OLS‬في تقد رر امماددم اعتمد ادد في‬
‫فعليد ف ت ني تق رر اادم امنم ال في ام ايب امتمتيقي ات يم على ا‬ ‫امتق رر على فرضدديدا اسدددسددي‬
‫صد ددذ الف امارضد دديدا ف اا كدات باض امارضد دديدا دقر ن يق بدمنإد ددا مى فايب ااق اصد ددا اسد ددت ا‬
‫امارضيدا األسدسي امتي‬ ‫فالى ستقل اممثدل ح‬ ‫امنم ال اار دقر انمقي فيؤني مى اتدئج دقر ن يق‬
‫(كدظ‬ ‫تادر ام م امتدمي‬ ‫اعتم علقهد في تق رر اادم امنم ال ام مي اماإد د د د د دديج اي فرضد د د د د ددي ت‪:‬دا‬
‫‪ 2012‬صاذ ‪)127‬‬
‫‪E(Ui2 ) = δ2U‬‬
‫‪E(Ui Uj ) = 0 ∀ i ≠ j‬‬
‫فامتي ت فضاهد على شكل ارا فدا فا جهدا في حدم امنم ال ام مي اماد‬
‫‪E(U U′) = δ2U In‬‬
‫بم جب الف امارضي ةك ت تادر ام م كدآلتي‬
‫‪δ2U1 = δ2U2 = ⋯ = δ2Un‬‬
‫اثل الا االفتراض ي ال ةك ت بدمضد د ددرفم يدئ‬ ‫تادر ام م فم‬ ‫فتارف الف امارضد د ددي بارضد د ددي ت‪:‬دا‬
‫فاي اات ام امسدددا ام يدسددي فددصد امتي تاتم انهد‬ ‫ا ضد بي بدمنإددا ململددكل امم مفسد‬ ‫على اسد‬
‫على امتيدادا اإلحرد د د دددئي امتي ت دل شد د د ددكل امتيدادا اممقمهي ف ت تلد د د ددتت الد د د دددا اا امتيدادا اممقمهي‬
‫امى ادر ا اإت يدا اممت قراا اممإتقل‬ ‫ام دص بدممت قر امماتم ي ة تلم ادتالفد ش ر ا ا اإت‬
‫‪ -2-7‬األثار المترتبة على وجود عدم تجانس التباين‪:‬‬
‫‪ 2005‬صاذ ‪)499‬‬ ‫(عمي‬ ‫فيترتب على فج ن امملكل ا اآلثدم امتدمي‬
‫امتذقز فاالتإدق فم نهد تاق صا‬ ‫‪ -‬تاقى اممادم اممق م بدست ا اممرعادا امر ر اترا با‬
‫ام ادء‬
‫‪ -‬ترا امتادرندا اممق م فكلمك امتادرندا امملترك )‪ (Covariances‬ام دص بدممادم اممق م‬
‫فملا ف ت ادتادماا امارضيدا ال ترا ن يق اف االئم‬ ‫اتذقز فدقر اتإق‬
‫‪ -‬بدمرد ا ات امتنتؤاا امقدئم على اسدس اممادم اممق م بدست ا اممرعادا امر ر امادنة تتل‬
‫دقر اتذقز ال ااهد تاق صا ام ادء فا اد ةاني ااهد ت ت ايل ار ا ي ا امتنتؤاا األدر‬
‫‪- 125 -‬‬

‫‪ -3-7‬اختبارات اكتشاف عدم ثبات تباين الخطأ‪:‬‬

‫رت اكتلدف ع ثادا تادر األدمدء ب اسم ع ادتادماا انهد اد رلي‬
‫‪ -1-3-7‬إختبار معامل ارتباط الرتب لسبيرمان‪:‬‬
‫الا االدتادم اادال امتادط امرتب مإتقرادت حقث ة حإدب اادال امتادط امرتب مإتقرادت‬ ‫ةإت‬
‫(نافن ف امإ اعي ‪ 2013‬امراذدا ‪-283‬‬ ‫فادتادمف م ل ا امت ايي فاممت قراا اممإتقل كل على ح‬
‫‪)284‬‬
‫‪6 ∑ 𝐷2‬‬
‫𝑋‪𝑟|𝜀|,‬‬ ‫‪=1−‬‬ ‫)‪(7.1‬‬
‫) ‪𝑛 (𝑛 2 − 1‬‬
‫حقث ات‬
‫𝑋‪ :𝑟|𝜀|,‬اادال امتادط امرتب مإتقرادت‬
‫𝐷 متا ‪ - X‬متا امت ايي‬
‫𝑛 ع ن امملدا اا‬
‫دم اا جراء ادتادم اادال امرتب ت ت على امنذ امتدمي‬
‫تق رر اادنم االاذ ام ت رت اة‪:‬دن امت ايي‬ ‫‪-‬‬
‫رت اامدل شدم امت ايي ب دل ام يم اممملق مهد‬ ‫‪-‬‬
‫ترتقب ي اممت قر اممإتقل فكلمك ام ي اممملق ملت ايي تردع ةد اف تندزميد‬ ‫‪-‬‬
‫امقدا ت امإدبق ممادال امتادط امرتب‬ ‫اإت‬ ‫‪-‬‬
‫‪ -‬رت جراء ادتادم اان ي اادال امتادط امرتب مإتقرادت بدست ا ادتادم 𝑇 على فرض ات اادال‬
‫امتادط امرتب في امم‪:‬تمب ةإدفي صار اي‬
‫امارض امراري ثادا تادر األدمدء فال ر ج الكل ‪𝐻0 : 𝑟 = 0‬‬
‫‪𝐻1 : 𝑟 ≠ 0‬‬ ‫امارض امت رل ع ثادا تادر األدمدء في ج الكل‬
‫𝑘 ‪𝑟|𝜀|,𝑋 √𝑛 −‬‬
‫= 𝑙𝑎𝑐𝑡‬ ‫𝑘‪𝑡𝑡𝑎𝑏 = 𝑡𝑛−‬‬ ‫)‪(7.2‬‬
‫‪2‬‬
‫‪√1 −‬‬ ‫𝑋‪𝑟|𝜀|,‬‬
‫فعمقدما يم ‪ t‬اممذإ ع ف‪ t‬امم‪ :‬فم ةك ت‬

‫✓ ‪ t‬اممذإ ع اكتر ا ‪ t‬امم‪ :‬فم يت ل امارض امت رل‬
‫✓ ‪ t‬اممذإ ع ايل ا ‪ t‬امم‪ :‬فم يت ل امارض امراري‬
‫‪- 126 -‬‬

‫مثال (‪ :)1-7‬اا ت فرا امماميدا امتدمي‬

‫‪𝑣𝑎𝑟(𝑋) = 3‬‬ ‫‪𝑐𝑜𝑣(𝑋, 𝑌) = −1.25‬‬ ‫𝑋 ̂𝑏 ‪𝑌̂ = 5.25 +‬‬
‫‪X‬‬ ‫‪Y‬‬ ‫̂𝑌‬ ‫𝑡𝜀‬ ‫| 𝑡𝜀|‬ ‫رتبة ‪x‬‬ ‫رتبة | 𝑡𝜀|‬ ‫𝐷‬ ‫‪𝐷2‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪6‬‬ ‫‪4,8333‬‬ ‫‪1,1667‬‬ ‫‪1,1667‬‬ ‫‪1,5‬‬ ‫‪6‬‬ ‫‪-4,5‬‬ ‫‪20,25‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪4‬‬ ‫‪4,8333‬‬ ‫‪-0,8333‬‬ ‫‪0,8333‬‬ ‫‪1,5‬‬ ‫‪4‬‬ ‫‪-2,5‬‬ ‫‪6,25‬‬
‫‪3‬‬ ‫‪2‬‬ ‫‪3‬‬ ‫‪4,4166‬‬ ‫‪-1,4166‬‬ ‫‪1,4166‬‬ ‫‪3,5‬‬ ‫‪7‬‬ ‫‪-3,5‬‬ ‫‪12,25‬‬
‫‪4‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪3,9999‬‬ ‫‪1,0001‬‬ ‫‪1,0001‬‬ ‫‪5‬‬ ‫‪5‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪5‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪4,4166‬‬ ‫‪-0,4166‬‬ ‫‪0,4166‬‬ ‫‪3,5‬‬ ‫‪2‬‬ ‫‪1,5‬‬ ‫‪2,25‬‬
‫‪6‬‬ ‫‪4‬‬ ‫‪5‬‬ ‫‪3,5832‬‬ ‫‪1,4168‬‬ ‫‪1,4168‬‬ ‫‪6‬‬ ‫‪8‬‬ ‫‪-2‬‬ ‫‪4‬‬
‫‪7‬‬ ‫‪5‬‬ ‫‪3‬‬ ‫‪3,1665‬‬ ‫‪-0,1665‬‬ ‫‪0,1665‬‬ ‫‪7‬‬ ‫‪1‬‬ ‫‪6‬‬ ‫‪36‬‬
‫‪8‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪2,7498‬‬ ‫‪-0,7498‬‬ ‫‪0,7498‬‬ ‫‪8‬‬ ‫‪3‬‬ ‫‪5‬‬ ‫‪25‬‬
‫‪106‬‬
‫‪ -1‬افج يم ̂𝑏؟‬
‫نالم ‪0 05‬؟‬ ‫اادال امتادط امرتب مإتقرادت في اكتلدف الكل ع ثادا امتادر عن اإت‬ ‫‪ -2‬است‬
‫)𝑌‪𝑐𝑜𝑣 (𝑋,‬‬ ‫‪−1.25‬‬
‫= ̂𝑏‬ ‫) (‬
‫=‬ ‫‪= −0.4167‬‬
‫𝑋 𝑟𝑎𝑣‬ ‫‪3‬‬
‫‪6 ∑ 𝐷2‬‬ ‫)‪6(106‬‬

‫‪𝑟𝑋|𝜀𝑡| = 1‬‬ ‫)‪− 𝑛(𝑛2−1‬‬ ‫⇔‬ ‫)‪𝑟𝑋|𝜀𝑡| = 1 − 8(82−1‬‬
‫⇔‬ ‫𝟗𝟏𝟔𝟐 ‪𝑟𝑋|𝜀𝑡| = 1 − 1.2619 = −𝟎.‬‬

‫| | 𝑡𝜀|𝑋𝑟|‬ ‫|‪|−0.2619‬‬
‫= المحسوبة𝑡‬ ‫=‬ ‫‪2‬‬
‫‪ =0.6647‬المحسوبة𝒕 ⇒‬
‫‪1−𝑟2‬‬
‫| 𝑡𝜀|𝑋‬ ‫)‪√1−(−0.2619‬‬
‫√‬ ‫‪8−2‬‬
‫‪𝑛−2‬‬
‫‪𝛼⁄‬‬
‫‪2‬‬ ‫‪0.05‬‬
‫𝑡‬ ‫المجدولة𝑡 =‬ ‫‪=𝑡60.05‬‬ ‫‪=2.447‬‬
‫‪0.05‬‬
‫المجدولة𝑡 ومنه نقبل الفرض الصفري‪ ،‬أي غياب وجود مشكلة عدم ثبات‬ ‫المحسوبة𝑡 أقل‬
‫التباين لألخطاء‪.‬‬
‫‪- 127 -‬‬

‫‪ -2-3-7‬اختبار كولد فيلد وكوانت )‪:(Goldfeld- Quandt‬‬

‫تادر ام م فيت است ااد في‬ ‫ةا ا االدتادماا اممهم م رض ام لم ع الكل ع ت‪:‬دا‬
‫حدم اماقندا كتقر امذ‪ :‬حقث رت (اماتالفي ف امزعق ي ‪ 2011‬صاذ ‪)190‬‬
‫✓ ترتقب امتيدادا ام دص بدممت قر اممإتقل 𝑖𝑋 ا اص ر يم مى اكتر يم‬
‫امملدا اا‬ ‫✓ حلف امملدا اا ام سمي ا بيدادا اماقن فياضل حلف دم‬
‫✓ تقإي امملدا اا اماد ي مى عقنتق جزئقتق اتإدفيتق تنم ي األفمى على ي 𝑖𝑋 امر قر فامثداي‬
‫على ي 𝑖𝑋 ام تقر‬
‫✓ رت تق رر ااداالا اماالي ام مي بق اممت قر امتدبب فاممت قر اممإتقل م ل عقن جزئي على اااران‬
‫فملاقن ام‪:‬زئي امثداي ‪ 𝑆22‬بم جب امري‬ ‫✓ رت احتإدب تادر ام م ملاقن ام‪:‬زئي األفمى ‪𝑆12‬‬
‫(امإ اعي ‪ 2012‬صاذ ‪)171‬‬ ‫اآلتي‬
‫بدمنإا ملاقن ام‪:‬زئي األفمى‬
‫‪∑ 𝜀12‬‬
‫‪𝑆12‬‬ ‫=‬ ‫)‪(7.3‬‬
‫‪𝑇1 − 2‬‬
‫ا‪:‬م ع ارعادا امت ايي في اماقن ام‪:‬زئي األفمى‬ ‫‪∑ 𝜀12‬‬
‫‪ 𝑇1‬ح‪ :‬اماقن ام‪:‬زئي األفمى‬
‫بدمنإا ملاقن ام‪:‬زئي امثداي‬
‫‪∑ 𝜀22‬‬
‫‪𝑆22‬‬ ‫=‬ ‫)‪(7.4‬‬
‫‪𝑇2 − 2‬‬
‫ا‪:‬م ع ارعادا امت ايي في اماقن ام‪:‬زئي امثداي‬ ‫‪∑ 𝜀22‬‬
‫‪ 𝑇2‬ح‪ :‬اماقن ام‪:‬زئي امثداي‬
‫امتدمي‬ ‫حإدب حردءف فيلر 𝐹 ففق امري‬
‫‪𝑆2‬‬
‫‪𝐹 = 𝑆22‬‬ ‫)‪(7.5‬‬
‫‪1‬‬
‫اان ي ااق فنمج‬ ‫يم 𝐹 ام‪ :‬فمي عن اإت‬ ‫ف اا كدات يم 𝐹 اممذتإا اص ر ا‬

‫فج ن الكل‬ ‫امتي تنص على ع‬ ‫حري ي ماد ‪ 𝑇2 − 2‬ملاإج ف‪ 𝑇1 − 2‬ملمقد اقتل فرضي اما‬
‫‪δ2U1 = δ2U2 = ⋯ = δ2Un‬‬ ‫تادر ام م حقث‬ ‫ت‪:‬دا‬
‫‪- 128 -‬‬

‫‪ -3-3-7‬اختبار بارتليت )‪:)Bartlett‬‬

‫(ب قت ف فت هللا ‪ 2009‬امراذدا ‪-277‬‬ ‫فإلجراء ادتادم بدمتلقت اتاب ام م اا األسدسي اآلتي‬
‫‪)278‬‬
‫‪ -‬احتإدب ‪ Q/L‬حقث ات‬
‫𝑚‬
‫𝑚∑‬ ‫‪2‬‬
‫𝑖𝑆 𝑖𝑛 ‪𝑖=1‬‬
‫( 𝑔𝑜𝐿 𝑁 = 𝑄‬ ‫‪) − ∑ 𝑛𝑖 𝐿𝑜𝑔 𝑆𝑖2‬‬ ‫)‪(7.8‬‬
‫𝑁‬
‫‪𝑖=1‬‬
‫‪m‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪𝐿 =1+‬‬ ‫) ‪((∑ ) −‬‬ ‫)‪(7.9‬‬
‫)‪3(𝑚 − 1‬‬ ‫‪ni‬‬ ‫‪N‬‬
‫‪i=1‬‬
‫فات‬
‫𝑚‬
‫‪1‬‬ ‫‪2‬‬
‫= ‪𝛿𝑖2‬‬ ‫) 𝑖̅𝑌 ‪∑(𝑌𝑖𝑗 −‬‬ ‫)‪(7.10‬‬
‫𝑖𝑛‬
‫‪𝑖=1‬‬
‫𝑚‬
‫‪1‬‬
‫= 𝑖̅𝑌‬ ‫𝑗𝑖𝑌 ∑‬ ‫)‪(7.11‬‬
‫𝑖𝑛‬
‫‪𝑖=1‬‬
‫اان ي ااق‬ ‫فاممق م ‪ Q/L‬رت زع بر م اقدمع مى ت زيب ك ‪ (khi-deux) ²‬ب مج حري )‪ (m-1‬فاإت‬
‫ف اا كدت‬
‫‪𝑄⁄‬‬ ‫‪2‬‬
‫‪𝐿 ≤ 𝜒𝑚−1‬‬ ‫)‪(7.12‬‬
‫اي ات تادر ام م اممذإ ب ا اماقندا ام‪:‬زئي ثدبت (ات‪:‬دا )‬ ‫تقتل فرضي اما‬
‫ااد اا كدات‬
‫‪𝑄⁄‬‬ ‫‪2‬‬
‫‪𝐿 ≥ 𝜒𝑚−1‬‬ ‫)‪(7.13‬‬
‫امتادر‬ ‫فيقتل امارض امت رل اي ات تادر ام م دقر ات‪:‬دا اي فج ن الكل ع ت‪:‬دا‬
‫مثال (‪ :)2-7‬اا ت فرا م ةك امتيدادا امتدمي‬
‫عدد األسر ‪ ni‬إنفاق األسرة على المالبس ‪Y‬‬ ‫‪i‬‬ ‫دخل األسرة ‪X‬‬
‫‪40 ،50 ،48 ،52‬‬ ‫‪4‬‬ ‫‪1‬‬ ‫‪500‬‬
‫‪95 ،100 ،100 ،85 ،110 ،90‬‬ ‫‪6‬‬ ‫‪2‬‬ ‫‪1000‬‬
‫‪240 ،210 ،250 ،190 ،120 ،160 ،180‬‬ ‫‪7‬‬ ‫‪3‬‬ ‫‪1500‬‬
‫اان ي ‪%5‬؟‬ ‫المطلوب ادتتر فرض ثادا تادر األدمدء بدست ا ادتادم بدمتلقت عن اإت‬
‫‪- 129 -‬‬

‫دتادم فرض ثادا األدمدء بدست ا ادتادم بدمتلقت عن ‪𝛼 = 0.05‬‬
‫𝑚‬
‫𝑚∑‬ ‫‪2‬‬
‫𝑖𝛿 𝑖𝑛 ‪𝑖=1‬‬
‫( 𝑔𝑜𝐿 𝑁 = 𝑄‬ ‫‪) − ∑ 𝑛𝑖 𝐿𝑜𝑔 𝛿𝑖2‬‬
‫𝑁‬
‫‪𝑖=1‬‬
‫𝑚‬
‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪𝐿 =1+‬‬ ‫) ‪((∑ ) −‬‬
‫)‪3(𝑚 − 1‬‬ ‫𝑖𝑛‬ ‫𝑁‬
‫‪𝑖=1‬‬
‫𝑚‬ ‫𝑚‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬
‫) 𝑖̅𝑌 ‪𝛿𝑖2 = ∑(𝑌𝑖𝑗 −‬‬ ‫𝑗𝑖𝑌 ∑ = 𝑖̅𝑌‬
‫𝑖𝑛‬ ‫𝑖𝑛‬
‫‪𝑖=1‬‬ ‫‪𝑖=1‬‬
‫𝑖‬ ‫𝑖𝑛‬ ‫‪𝛿𝑖2‬‬ ‫‪𝑛𝑖 𝛿𝑖2‬‬ ‫‪𝐿𝑜𝑔 𝛿𝑖2‬‬ ‫‪𝑛𝑖 𝐿𝑜𝑔 𝛿𝑖2‬‬ ‫‪1‬‬
‫𝑖𝑛‬
‫‪1‬‬ ‫‪4‬‬ ‫‪20.75‬‬ ‫‪83.00‬‬ ‫‪1.317‬‬ ‫‪5.268 1⁄4 = 0.25‬‬
‫‪2‬‬ ‫‪6‬‬ ‫‪63.889‬‬ ‫‪383.334‬‬ ‫‪1.805‬‬ ‫‪10.833 1⁄6 = 0.167‬‬
‫‪3‬‬ ‫‪7‬‬ ‫‪1763.265‬‬ ‫‪12342.857‬‬ ‫‪3.246‬‬ ‫‪22.724 1⁄7 = 0.143‬‬
‫‪12809.1905‬‬ ‫‪38.825‬‬ ‫‪0.56‬‬
‫‪𝑄 = 48.910 − 38.825 = 10.085‬‬
‫‪𝐿 = 1 + 3(3−1) (0.56 − 0.0588)=1.083‬‬

‫‪1‬‬
‫‪𝑄⁄‬‬ ‫‪10.085‬‬
‫𝐿‬ ‫=‬ ‫‪= 9.308‬‬
‫‪1.083‬‬
‫فعمقدما يم 𝐿‪ 𝑄⁄‬اب يم ‪ χ2‬ام‪ :‬فمي عن ‪ 𝛼 = 0.05‬فنمج حري ‪(𝑚 − 1) = (3 − 1) =2‬‬
‫تإدفي ‪ 5 991‬االحظ ات ام يم ام‪ :‬فمي ايل ا ام يم اممذإ ع فعلمك اقتل امارض امت رل اي فج ن‬
‫امملكل فعدمتدمي ع ثادا تادر األدمدء‬
‫‪ -4-3-7‬اختبار بروش ‪-‬باقان )‪:)Breusch - Pagan‬‬

‫ت تق رر الا االدتادم عد ‪ 1979‬فا ادتادم ةاتم على است ا امت ايي فف ر است ا اضدعم‬
‫براز دم اا الا االدتادم كمد رلي (نافن ف امإ اعي ‪ 2013‬امراذدا ‪)294-293‬‬ ‫الدرااج فيمك‬
‫‪- 130 -‬‬

‫‪ Y = X + ‬بمريق اممرعادا امر ر امادنة ث حإدب ارعادا امت ايي‬ ‫‪ -‬تق رر امنم ال اماد‬
‫‪𝜀𝑖2‬‬
‫‪ -‬تق رر اممادنم امتدمي ‪:‬‬
‫‪𝜀𝑖2‬‬
‫= 𝑖̂𝑔‬ ‫𝑖𝑉 ‪= 𝛼0 + 𝛼1 𝑍𝑖1 + 𝛼1 𝑍𝑖2 + ⋯ + 𝛼𝑘 𝑍𝑖𝑃 +‬‬ ‫)‪(7.14‬‬
‫‪∑ 𝜀𝑖2‬‬
‫(‬ ‫)‬
‫𝑛‬
‫‪ -‬اذرل على ا‪:‬م ع اممرعادا امماإر (‪ )RSS‬ا االاذ ام فا ج يم ‪ Q‬حقث‬
‫𝑆𝑆𝑅‬
‫=𝑄‬ ‫)‪(7.15‬‬
‫‪2‬‬
‫اان ي ‪α‬‬ ‫حقث تت زع الف ام يم حإب ت زيب ) ‪ (𝜒 2‬ب مج حري )‪ (𝑃 − 1‬فعن اإت‬
‫‪ -‬فيت دتادم فرضي ثادا تادر األدمدء ‪ H0‬امتي رنا ي ادتادماد اي‪:‬‬
‫‪𝐻0 : 𝛼0 = 𝛼1 = ⋯ = 𝛼𝑝 = 0‬‬
‫{‬
‫‪𝐻1 : : 𝛼0 ≠ 𝛼1 ≠ ⋯ ≠ 𝛼𝑝 ≠ 0‬‬
‫اان ي ‪ α‬ف ت‬ ‫يم ) ‪ (𝜒 2‬ب مج حري )‪ (𝑃 − 1‬فعن اإت‬ ‫‪ -‬اا كدت ‪ Q‬اممذإ ع اكتر ا‬
‫امقرام ةك ت برفض امارضي امراري فيت ل امارض امت رل فاملي ةقضي با ثادا تادر األدمدء‬
‫اي فج ن امملكل‬
‫اان ي ‪ α‬ف ت‬ ‫يم ) ‪ (𝜒 2‬ب مج حري )‪ (𝑃 − 1‬فعن اإت‬ ‫‪ -‬اا كدت ‪ Q‬اممذإ ع ايل ا‬
‫امقرام ةك ت بقت ل امارضي امراري فمفض امارض امت رل فاملي ةقضي با ثادا تادر األدمدء‬
‫اي غيدب امملكل‬
‫‪ -4-7‬معالجة عدم ثبات تباين حد الخطأ‪:‬‬
‫الف‬ ‫فتق‬ ‫ا ابرز اممرق اممإت ا مترذي امملكل اي طريق اممرعادا امر ر اممرجذ‬
‫اما ر على عمدء ام ي ااا االاذراف األيل على دج االاذ ام فزاد اكتر ا ام ي ااا االاذراف األكتر‬
‫اممذ َّ ل‬
‫‪ 2005‬صاذ ‪ )513‬فيت يم شكل امنم ال األصلي ُ‬ ‫في تق رر اماالي اذل االعتادم (عمي‬
‫على امج ع ثادا امتادر اممكتلم في امنم ال األصلي اممق م‬
‫اامدط‬ ‫فعارض ات امنم ال األصلي كدت كمد رلي ‪ Yi =  0 + 1 X i +  i , i = 1, ..., n‬ف ت اندك ع‬
‫ثادا تادر األدمدء في تلم امنم ال اف اممادنم اممذ م ا افتراض مى آدر كمد‬ ‫(افتراضدا) ما‬
‫رلي (نافن ف امإ اعي ‪ 2013‬امراذدا ‪)302-299‬‬
‫‪- 131 -‬‬

‫فطاقد مهلا االفتراض رت تذ يل امنم ال األصلي مى املكل‬ ‫) (‬

‫‪E  i2 =  2 X i2‬‬ ‫❖ االفتراض األفل‬
‫امتدمي‬
‫‪‬‬ ‫‪‬‬
‫)‪(7.16‬‬
‫‪Yi‬‬ ‫‪1‬‬
‫‪= 0 + 1 + i =  0‬‬ ‫‪+ 1 +  i‬‬
‫‪Xi Xi‬‬ ‫‪Xi‬‬ ‫‪Xi‬‬
‫‪i‬‬
‫حقث ‪  i‬بادم ع ح ام م اممذ ل‬
‫‪Xi‬‬
‫‪Y‬‬
‫اإت اد طريق اممرعادا امر ر امادنة اذرل على‬ ‫فع جراء ااذ ام ‪ i‬على‬
‫‪1‬‬
‫‪Xi‬‬ ‫‪Xi‬‬
‫‪ Yî  ˆ 1‬‬
‫‪  = 0‬‬
‫‪X ‬‬ ‫‪+ ˆ1‬‬ ‫)‪(7.17‬‬
‫‪ ‬‬ ‫‪i‬‬ ‫‪X‬‬ ‫‪i‬‬
‫با‬ ‫األصلي ‪Yî = ˆ0 + ˆ1 X i‬‬ ‫فعضرب اممادنم اممذ م اممق م امإدبق في ‪ Xi‬رت امذر ل على امنم ال‬
‫ثادا امتادر ‪  2‬فيتض امد ستق ات امذ امثدبت في امنم ال اممذ ل ( ‪ ) 1‬ا بادم ع‬ ‫اادم‪ :‬ع‬
‫اقل اادال االاذ ام ملنم ال األصلي فاقل اادال االاذ ام ملنم ال اممذ ل ا بادم ع امذ امثدبت‬
‫في امنم ال األصلي‬
‫فطاقد مهلا االفتراض رت تذ يل امنم ال األصلي مى اممادنم‬ ‫) (‬
‫‪E  i2 =  2 X i‬‬ ‫❖ االفتراض امثداي‬
‫امتدمي‬
‫‪Yi‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪= 0 + 1 X i + i =  0‬‬ ‫)‪+ 1 X i + i (7.18‬‬
‫‪Xi‬‬ ‫‪Xi‬‬ ‫‪Xi‬‬ ‫‪Xi‬‬
‫‪i‬‬
‫‪Xi  0‬‬ ‫حقث ‪  i‬بادم ع ح ام م اممذ ل‬
‫‪Xi‬‬
‫‪1‬‬ ‫‪Yi‬‬
‫ب اسم اممرعادا امر ر امادنة‬ ‫‪Xi‬‬ ‫على‬ ‫امذدم األفمى ا‪:‬ري ااذ ام‬ ‫فعنا‬
‫‪Xi‬‬ ‫‪Xi‬‬
‫فطاقد مهلا االفتراض ت ت اممادنم اممذ م ا املكل‬ ‫) (‬

‫‪E  i2 =  2 Yi 2‬‬ ‫❖ االفتراض امثدمث‬
‫‪Yi  0‬‬ ‫‪X ‬‬ ‫‪X‬‬
‫)‪+ 1 i + i =  0 + 1 i +  (7.19‬‬
‫‪1‬‬
‫=‬
‫‪Yi Yi‬‬ ‫‪Yi Yi‬‬ ‫‪Yi‬‬ ‫‪Yi‬‬
‫فيتضم الا االفتراض ات تادر ح ام م نام دمي مت ايي‬ ‫) (‬

‫‪E  i2 =  2 î‬‬ ‫❖ االفتراض امرابب‬
‫طريق اممرعادا امر ر امادنة فطاقد مهلا ت ت اممادنم اممق م كمد رلي‬
‫‪i‬‬
‫)‪(7.20‬‬
‫‪Yi‬‬ ‫‪1‬‬ ‫‪Xi‬‬
‫‪= 0‬‬ ‫‪+ 1‬‬ ‫‪+‬‬
‫‪î‬‬ ‫‪î‬‬ ‫‪î‬‬ ‫‪î‬‬
‫‪- 132 -‬‬

‫امل ددميتمي‬ ‫ت تذ يل امنم ال األصلي مى امري‬ ‫امتذ يالا امل ددميتمي‬ ‫❖ االفتراض ام دا‬
‫اممزنفج س ف رؤني ددماد مى تقلقل نمج ع ثادا تادر ح ام م فا ث طاقد مهلا االفتراض‬
‫ت ت اممادنم اممذ م اممندسا ملنم ال األصلي كمد رلي ‪LnYi =  0 + 1 LnX i +  i‬‬

‫ب ة‪:‬دن ادتادم برفش‪-‬بديدت (‪ )Breusch - Pagan‬حإب‬ ‫بدست ا بيدادا اممثدل (‪ )2-4‬اق‬
‫)‪ (𝐺𝑟𝑒𝑡𝑙 2019𝑏, 𝑆𝑃𝑆𝑆 25, 𝑆𝑡𝑎𝑡𝑎 16, 𝐸𝑣𝑖𝑒𝑤𝑠 10‬كمد رلي‬ ‫امترا‪:‬يدا األمعا‬
‫بدمض ج على األار ) 𝑘𝑐𝑖𝑢𝑄( فا ث األار )𝑛𝑜𝑖𝑡𝑎𝑢𝑞𝐸 𝑒𝑡𝑎𝑚𝑖𝑡𝑠𝐸(‬ ‫✓ الخطوة األولى‪ :‬اق‬
‫حإب املكل امتدمي‬
‫بكتدب امهادم )‪ (𝑦 𝑐 𝑥1 𝑥2 𝑥3‬فا ث امض ج على‬ ‫✓ الخطوة الثانية‪ :‬تنتثق مند امندفل امتدمي فاق‬
‫األار ) 𝐾𝑂( حإب املكل امتدمي‬
‫‪- 133 -‬‬

‫✓ الخطوة الثالثة‪ :‬امذر ل على ام ي اممق م ملمالمدا فاالدتادماا االحردئي حإب ام‪ :‬فل امتدمي‬
‫بدمض ج على األار ) 𝑤𝑒𝑖𝑉( فا ث األار )𝑠𝑐𝑖𝑡𝑠𝑜𝑛𝑔𝑎𝑖𝐷 𝑙𝑎𝑢𝑑𝑖𝑠𝑒𝑅(‬ ‫✓ الخطوة الرابعة‪ :‬اق‬
‫فدألار )𝑠𝑡𝑠𝑒𝑇 𝑦𝑡𝑖𝑐𝑖𝑡𝑠𝑎𝑑𝑒𝑘𝑠𝑜𝑟𝑒𝑡𝑒𝐻( حإب املكل امتدمي‬
‫‪- 134 -‬‬

‫بددتيدم ادتادم برفش فعديدت (‪Breusch - Pagan-‬‬ ‫✓ الخطوة الخامسة‪ :‬تنتثق مند امندفل امتدمي فاق‬
‫‪ )Godfrey‬فا ث امض ج على األار ) 𝐾𝑂( حإب املكل امتدمي‬
‫✓ الخطوة السادسة‪ :‬بدمض ج على األار ) 𝐾𝑂( اذرل على ادتادم برفش‪-‬بديدت‪-‬ي نفري‬
‫(‪ )Breusch - Pagan-Godfrey‬حإب ام‪ :‬فل امتدمي‬
‫‪- 135 -‬‬

‫‪ -2-5-7‬استخدام برمجية ‪:STATA 16‬‬

‫بدمض ج على األار )𝑠𝑐𝑖𝑡𝑠𝑖𝑡𝑎𝑡𝑆( فتتاب ام يدماا حتى ام ص ل مى األار‬ ‫✓ الخطوة األولى‪ :‬اق‬
‫)𝑛𝑜𝑖𝑠𝑠𝑒𝑟𝑔𝑒𝑟 𝑟𝑎𝑒𝑛𝑖𝐿( حإب املكل امتدمي‬
‫✓ الخطوة الثانية‪ :‬تنتثق مند امندفل فاتاب ام م اا فا ث امض ج على األار ) 𝐾𝑂( حإب املكل‬
‫امتدمي‬
‫‪- 136 -‬‬

‫‪. regress Y X1 X2 X3‬‬

‫‪-------------+----------------------------------‬‬ ‫)‪F(3, 10‬‬ ‫=‬ ‫‪7.88‬‬
‫‪Model | 159.409477‬‬ ‫‪3 53.1364923‬‬ ‫‪Prob > F‬‬ ‫=‬ ‫‪0.0055‬‬
‫| ‪Residual‬‬ ‫‪67.447666‬‬ ‫‪10‬‬ ‫‪6.7447666‬‬ ‫‪R-squared‬‬ ‫=‬ ‫‪0.7027‬‬
‫‪-------------+----------------------------------‬‬ ‫‪Adj R-squared‬‬ ‫=‬ ‫‪0.6135‬‬
‫‪Total | 226.857143‬‬ ‫‪13 17.4505495‬‬ ‫‪Root MSE‬‬ ‫=‬ ‫‪2.5971‬‬
‫‪------------------------------------------------------------------------------‬‬
‫| ‪Y‬‬ ‫‪Coef.‬‬ ‫‪Std. Err.‬‬ ‫‪t‬‬ ‫|‪P>|t‬‬ ‫]‪[95% Conf. Interval‬‬
‫‪-------------+----------------------------------------------------------------‬‬
‫| ‪X1‬‬ ‫‪.8019007‬‬ ‫‪.2984358‬‬ ‫‪2.69‬‬ ‫‪0.023‬‬ ‫‪.1369442‬‬ ‫‪1.466857‬‬
‫‪X2 | -.3813624‬‬ ‫‪.1565807‬‬ ‫‪-2.44‬‬ ‫‪0.035‬‬ ‫‪-.7302459‬‬ ‫‪-.0324788‬‬
‫‪X3 | -.0371324‬‬ ‫‪.0520231‬‬ ‫‪-0.71‬‬ ‫‪0.492‬‬ ‫‪-.1530472‬‬ ‫‪.0787823‬‬
‫| ‪_cons‬‬ ‫‪32.89132‬‬ ‫‪11.66331‬‬ ‫‪2.82‬‬ ‫‪0.018‬‬ ‫‪6.90385‬‬ ‫‪58.8788‬‬
‫‪------------------------------------------------------------------------------‬‬
‫بدمض ج على األار )𝑠𝑐𝑖𝑡𝑠𝑖𝑡𝑎𝑡𝑆( فاتاب األفاار حتى ام ص ل مألار‬ ‫✓ الخطوة الرابعة‪ :‬اق‬
‫) ‪ (𝑆𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑇𝑒𝑠𝑡𝑠 𝑒𝑡𝑐.‬حإب املكل امتدمي‬
‫‪- 137 -‬‬

‫✓ الخطوة الخامسة‪ :‬تنتثق مند امندفل فاتاب ام م اا فا ث امض ج على األار ) 𝐾𝑂( حإب املكل‬
‫امتدمي‬
‫✓ الخطوة السادسة‪ :‬بدمض ج على األار ) 𝐾𝑂( اذرل على ادتادم برفش‪-‬بديدت ( ‪Breusch -‬‬
‫‪ )Pagan‬حإب املكل امتدمي‬
‫‪- 138 -‬‬

‫ مشكلة عدم تجانس التباين‬:‫الفصل السابع‬
✓
❖ estat hettest X1 X2 X3
Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: X1 X2 X3
chi2(3) = 2.22
Prob > chi2 = 0.5274
❖ estat hettest X1 X2 X3, iid

Variables: X1 X2 X3
chi2(3) = 3.04
Prob > chi2 = 0.3856
❖ estat hettest X1 X2 X3, fstat

Variables: X1 X2 X3
F(3 , 10) = 0.92
Prob > F = 0.4641
:Gretl ‫ استخدام برمجية‬-3-5-7
(𝑂𝑟𝑑𝑖𝑛𝑎𝑟𝑦 𝐿𝑎𝑠𝑡 𝑆𝑞𝑢𝑎𝑟𝑒𝑠) ‫بدمض ج على األار ) 𝑙𝑒𝑑𝑜𝑀( فا ث األار‬ ‫ اق‬:‫✓ الخطوة األولى‬
‫حإب املكل امتدمي‬
- 139 -
‫✓ الخطوة الثانية‪ :‬تنتثق مند امندفل فاتاب ام م اا فا ث امض ج على األار ) 𝐾𝑂( حإب املكل‬
‫امتدمي‬
‫‪- 140 -‬‬

‫بدمض ج على األار )𝑠𝑡𝑠𝑒𝑇( فا ث األار )𝑦𝑡𝑖𝑐𝑖𝑡𝑠𝑎𝑑𝑒𝑘𝑠𝑜𝑟𝑒𝑡𝑒𝐻(‬ ‫✓ الخطوة الرابعة‪ :‬اق‬

‫فدألار )𝑛𝑎𝑔𝑎𝑃 ‪ (𝐵𝑟𝑒𝑢𝑠𝑐ℎ −‬حإب املكل امتدمي‬
‫✓ الخطوة الخامسة‪ :‬بدمض ج على األار )𝑛𝑎𝑔𝑎𝑃 ‪ (𝐵𝑟𝑒𝑢𝑠𝑐ℎ −‬اذرل على ادتادم برفش‪-‬بديدت‬
‫(‪ )Breusch - Pagan‬حإب املكل امتدمي‬
‫‪- 141 -‬‬

‫التمرين األول‪ :‬ام‪ :‬فل رتضدم امتيدادا ام دصد با ن ح انا امإدريدا ) ‪ (𝑌t‬فع ن اكدتب املدرط ) ‪(𝑋t‬‬
‫ام فل في اماتر ‪ 2009-2000‬فعدسدت ا طريق اممرعادا امرد ر )‪ (MCO‬ت تق رر اماالي‬ ‫في ح‬
‫اآلتي‬
‫𝑡𝑋 ‪𝑌̂𝑡 = 1346.28941 − 12.1003047‬‬
‫السنة‬ ‫السرقات ‪Y‬‬ ‫مكاتب الشرطة ‪X‬‬ ‫𝑡̂𝑌‬ ‫𝑡𝜀‬ ‫رتبة ‪X‬‬ ‫رتبة 𝑡𝜀‬ ‫‪D‬‬ ‫‪D2‬‬
‫‪2000‬‬ ‫‪580‬‬ ‫‪60‬‬ ‫‪620,2866‬‬
‫‪2001‬‬ ‫‪890‬‬ ‫‪59‬‬ ‫‪632,3866‬‬
‫‪2002‬‬ ‫‪430‬‬ ‫‪77‬‬ ‫‪15,414‬‬
‫‪2003‬‬ ‫‪690‬‬ ‫‪52‬‬ ‫‪717,0870‬‬ ‫‪-27,087‬‬
‫‪2004‬‬ ‫‪310‬‬ ‫‪87‬‬ ‫‪16,415‬‬
‫‪2005‬‬ ‫‪750‬‬ ‫‪50‬‬
‫‪2006‬‬ ‫‪460‬‬ ‫‪80‬‬ ‫‪378,2856‬‬ ‫‪81,714‬‬
‫‪2007‬‬ ‫‪630‬‬ ‫‪52‬‬ ‫‪717,0870‬‬
‫‪2008‬‬ ‫‪800‬‬ ‫‪53‬‬ ‫‪704,9869‬‬
‫‪2009‬‬ ‫‪215‬‬ ‫‪67‬‬ ‫‪535,5863‬‬ ‫‪-320,586‬‬
‫‪n=10‬‬ ‫‪5755‬‬ ‫‪637‬‬ ‫‪5755,1641‬‬ ‫‪00‬‬
‫‪ -1‬اكمل ام‪ :‬فل؟‬
‫اان ي ‪1%‬؟‬ ‫‪ -2‬دتتر فرض ثادا تادر األدمدء بدست ا اادال امتادط امرتب مإتقرادت عن اإت‬
‫التمرين الثاني‪ :‬ام‪ :‬فل اآلتي ةامي ع ن امادالق ‪ X‬فات سج األج م ‪ Y‬في ‪ 30‬اؤسإ‬
‫ات سج األج م‬ ‫ع ن امادالق‬

‫‪8.4‬‬ ‫‪8.5‬‬ ‫‪8.7‬‬ ‫‪8.9‬‬ ‫‪8.8‬‬ ‫‪9‬‬ ‫‪100‬‬
‫‪9.1‬‬ ‫‪9.2‬‬ ‫‪9.8‬‬ ‫‪9.7‬‬ ‫‪9.4‬‬ ‫‪9.6‬‬ ‫‪200‬‬
‫‪9.9‬‬ ‫‪9.9‬‬ ‫‪10‬‬ ‫‪10.2‬‬ ‫‪10.4‬‬ ‫‪10.5‬‬ ‫‪300‬‬
‫‪11.2‬‬ ‫‪10.8‬‬ ‫‪10.9‬‬ ‫‪11.5‬‬ ‫‪11.6‬‬ ‫‪11.3‬‬ ‫‪400‬‬
‫‪11.9‬‬ ‫‪12‬‬ ‫‪12.3‬‬ ‫‪12.6‬‬ ‫‪12.8‬‬ ‫‪14.2‬‬ ‫‪500‬‬
‫اان ي ‪%5‬؟‬ ‫‪ 1‬ادتتر فرض ثادا تادر األدمدء بدست ا ادتادم ج م فق فك اات عن اإت‬
‫‪- 142 -‬‬

‫اا ت فرا م ةك امتيدادا امتدمي‬
‫إنفاق األسرة على المالبس ‪Y‬‬ ‫عدد األسر ‪ni‬‬ ‫‪i‬‬ ‫دخل األسرة ‪X‬‬
‫‪70 ،60 ،40 ،50 ،48 ،52‬‬ ‫‪6‬‬ ‫‪1‬‬ ‫‪500‬‬
‫‪95 ،100 ،85 ،110 ،90‬‬ ‫‪5‬‬ ‫‪2‬‬ ‫‪1000‬‬
‫‪260 ،240 ،210 ،250 ،190 ،120 ،160 ،180‬‬ ‫‪7‬‬ ‫‪3‬‬ ‫‪1500‬‬
‫المطلوب‬
‫اان ي ‪%5‬؟‬ ‫‪ 1‬ادتتر فرض ثادا تادر األدمدء بدست ا ادتادم بدمتلقت عن اإت‬
‫‪ 2‬اد اي اسادب فج ن امملكل حإب ماةك؟‬
‫‪ 3‬ايترح ام م اا امالزا ممادم‪ :‬اثر الف امملكل ؟‬
‫‪- 143 -‬‬

‫قائمة المراجع‬
‫❖ قائمة المراجع باللغة العربية‪:‬‬
‫‪ -1‬أحمد عبد السميع طبية‪ .)2008( .‬مبادئ اإلحصاء‪ .‬عمان‪ :‬دار البداية‪.‬‬
‫‪ -2‬إسماعيل الفقي‪ ،‬محمد قايد عبد الجواد‪ ،‬و مرفت مهدي‪ .)2013( .‬التحليل االحصائي للبيانات باستخدام‬
‫‪ .SPSS-WIN‬الرياض‪ :‬العبيكان للنشر‪.‬‬
‫‪ -3‬أموري هادي كاضم‪ .)2009( .‬مقدمة في القياس االقتصادي‪ .‬عمان‪ :‬زهران للنشر‪.‬‬
‫‪ -4‬أموري هادي كاظم الحسناوي‪ .)2002( .‬طرق القياس االقتصادي‪ .‬عمان‪ :‬دار وائل للنشر‪.‬‬
‫‪ -5‬أموري هادي كاظم‪ .)2012( .‬مقدمة في القياس االقتصادي‪ .‬عمان‪ :‬دار زهران للنشر والتوزيع‪.‬‬
‫‪ -6‬أموري هادي كاظم‪ ،‬و عصام خضير محمود‪ .)1999( .‬طبيعة البيانات االحصائية وبناء النماذج‬
‫القياسية‪ .‬عمان‪ :‬دار وائل للنشر‪.‬‬
‫‪ -7‬جهاد عودة‪ .)2014( .‬مقدمة في العالقات الدولية المتقدمة‪ .‬القاهرة‪ :‬دار المكتب العربي للمعارف‪.‬‬
‫‪ -8‬حسام علي داود‪ ،‬و خالد محمد السواعي‪ .)2013( .‬االقتصاد القياسي بين النظرية والتطبيق باستخدام‬
‫برنامج ‪ .Eviews 7‬عمان‪ :‬دار المسيرة للنشر والتوزيع والطباعة‪.‬‬
‫‪ -9‬حسين علي بخيت‪ ،‬و سحر فتح هللا‪ .)2009( .‬االقتصاد القياسي‪ .‬عمان‪ :‬دار اليازوري العلمية للنشر‬
‫والتوزيع‪.‬‬
‫‪ -10‬حسين ياسين طعمة‪ ،‬و إيمان حسين حنوش‪ .)2009( .‬أساليب االحصاء التطبيقي‪ .‬عمان‪ :‬دار صفاء‪.‬‬
‫‪ -11‬حيدر عبد الكريم محسن الزهيري ‪ .)2017( .‬مناهج البحث التربوي‪ .‬عمان‪ :‬مركز ديبونو لتعليم التفكير‪.‬‬
‫‪ -12‬رواء صالح محمد‪ .)2011( .‬إستخدام إنحدار الحرف (‪ )Ridge‬لدراسة أثر بعض العوامل على المؤشر‬
‫العام لسوق األوراق المالية"‪ ، .‬مج ‪ ،13‬ع ‪ ،)2011( ،1‬مجلة القادسية للعلوم اإلدارية واإلقتصادية‪،‬‬
‫‪ ،)1(13‬الصفحات ‪.240-220‬‬
‫‪ -13‬صالح تومي‪ .)2011( .‬مدخل لنظرية القياس االقتصادي‪ :‬دراسة نظرية مدعمة بأمثلة وتمارين‪ .‬الجزائر‪:‬‬
‫ديوان المطبوعات الجامعية‪.‬‬
‫‪ -14‬طه حسين الزبيدي‪ .)2013( .‬مبادئ اإلحصاء‪ .‬عمان‪ :‬دار غيداء‪.‬‬
‫‪ -15‬عايد كريم عبدعون الكناني‪ .)2014( .‬مقدمة في اإلحصاء وتطبيقات ‪ .spss‬عمان‪ :‬دار اليازوري‬
‫العلمية‪.‬‬
‫‪ -16‬عبد الحميد عبد المجيد البلداوي ‪ .)2007( .‬أساليب البحث العلمي والتحليل االحصائي‪ :‬التخطيط للبحث‬
‫وجمع وتحليل البيانات يدويا وباستخدام برنامج ‪ .SPSS‬عمان‪ :‬دار الشروق‪.‬‬
‫‪ -17‬عبد القادر محمد عبد القادر عطية‪ .)2005( .‬الحديث في االقتصاد القياسي بين النظرية والتطبيق‪.‬‬
‫االسكندرية‪ :‬الدار الجامعية‪.‬‬
‫‪ -18‬عمرو حامد ‪ .)1999( .‬إدارة األعمال الدولية‪ .‬القاهرة‪ :‬المكتبة األكاديمية‪.‬‬
‫‪145‬‬
‫‪ -19‬فارس عياد شاكر‪ ،‬و عزت قتاوي‪ .)2006( .‬مبادئ االقتصاد القياسي والرياضي‪ .‬مصر‪ :‬دار العلم‬
‫للنشر والتوزيع‪.‬‬
‫‪ -20‬كامل عالوي كاظم الفتالوي‪ ،‬و حسن لطيف الزبيدي‪ .)2011( .‬القياس االقتصادي النظرية والتحليل‪.‬‬
‫عمان‪ :‬دار صفاء للنشر والتوزيع‪.‬‬
‫‪ -21‬محمد حمدون عبد هللا‪ ،‬و محمد يحي مزاحم‪ .)2007( .‬تشخيص التعدد الخطي وإستخدام إنحدار الحرف‬
‫في إختيار متغيرات دالة اإلستثمار الزراعي في العراق للفترة ‪ .2000-1980‬مجلة تكريت للعلوم‬
‫اإلدارية واإلقتصادية‪ ،)8(3 ،‬الصفحات ‪.187-171‬‬
‫‪ -22‬محمد شيخي‪ .)2011( .‬طرق االقتصاد القياسي‪ :‬محاضرات وتطبيقات‪ .‬عمان‪ :‬دار الحامد‪.‬‬
‫‪ -23‬محمد عادل زكي‪ .)2015 ,09 26( .‬الموجز في تاريخ االقتصاد القياسي‪ .‬الحوار المتمدن(‪ .)4937‬تم‬
‫االسترداد من الحوار المتمدن‪http://www.ahewar.org :‬‬
‫‪ -24‬محمد عبد الرحمان إسماعيل‪ .)2001( .‬تحليل اإلنحدار الخطي‪ .‬الرياض‪ :‬معهد اإلدارة العامة‪.‬‬
‫‪ -25‬محمد يحي مزاحم‪ .) 2008( .‬إستخدام المكونات الرئيسية وإنحدار الحرف في تقدير معادلة السعر العالمي‬
‫للقمح للفترة من ‪ .2002-1961‬مجلة تكريت للعلوم اإلدارية واإلقتصادية(‪ ،)10‬الصفحات ‪.156-146‬‬
‫‪ -26‬محمود عبد الرزاق‪ .)2017( .‬االقتصاد الجزئي‪ .‬القاهرة‪ :‬دار حميثرا للنشر والترجمة‪.‬‬
‫‪ -27‬مدحت أبو النصر‪ .)2004( .‬قواعد ومراحل البحث العلمي‪ .‬القاهرة‪ :‬مجموعة النيل العربية‪.‬‬
‫قائمة المراجع باللغة األجنبية‪:‬‬ ‫❖‬
‫‪28- Bachioua, L. (2011). Fundamentals of Statistics Concepts and Applications An‬‬

‫‪Arabic Text. Phillips Publishing Co.‬‬
‫‪29-Barreto, H., & Howland, F. (2006). Introductory econometrics: Using Monte‬‬

‫‪Carlo simulation with Microsoft Excel. New York: Cambridge University Press.‬‬
‫‪30- Belsley, D. A., Kuh, E., & Welsch, R. E. (1980). Regression Diagnostics: Identifying‬‬
‫‪Influential Data and Sources of Collinearity. New Jersy: Wiley Interscience.‬‬
‫‪31- Bourbonnais, R. (2015). Econometrie (éd. 9). Paris: Dunod.‬‬
‫‪32- Cornillon, P., & Lober, E. (2011). Regression avec R. Paris: Springer.‬‬
‫‪33- Gujarati, D. (2004). Basic Econometrics (éd. 4). New York: McGraw-Hill.‬‬
‫‪34- Montoussé, M. (2008). Sciences économiques et sociales: seconde. Rosny:‬‬
‫‪Bréal.‬‬
‫‪146‬‬
35- Mukras, M. (1993). Elementary Econometrics: Theory, Application and Policy.

Nairobi: East African Publishers.
36- Rawlings, J. O., Pantula, S., & Dickey, D. (2001). et al. Applied Regression
Analysis A Research Tool. 2 ed (éd. 2, Vol. John O. Rawlings, Sastry G. Pantula,
David A. Dickey). USA: Springer.
37- Xin, Y., & Xiao , G. (2009). Lineaire Regression Analysis. Singapore: World
Scientific.
147
‫المالحق‬
‫‪149‬‬
‫‪150‬‬
‫‪151‬‬
‫‪152‬‬
‫‪153‬‬
‫‪154‬‬

الإقتصاد القياسي مدعمة بحزمة من البرامج الإحصائية

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

الإقتصاد القياسي مدعمة بحزمة من البرامج الإحصائية

Uploaded by

Copyright:

Available Formats

‫جامعة يحي فارس بالمدية‬

‫كلية العلوم االقتصادية والعلوم‬

‫مطبوعة مقدمة من طرف‪:‬‬

‫(‪ SPSS ،Stata ،Eviews‬و‪)Gretl‬‬

‫السنة الدراسية‪2020-2019 :‬‬

‫مقدمة في االقتصاد القياسي‬

‫ويعد اإلحصائي األلماني أرنست إنجل )‪)Ernst Engel‬‬

‫كما يعد العالم االقتصادي النروجي فريش )‪Frisch‬‬

‫نال تنبرجن جائزة نوبل مناصفة مع فريش عام ‪( Barreto 1969‬‬

‫وتعد أول محاولة لتأسيس جمعية لنشر‬

‫الشكل ‪ :1‬يمثل عالقة االقتصاد القياسي بالفروع األخرى‬

‫المصدر‪( :‬داود و السواعي‪ ،2013 ،‬صفحة ‪)14‬‬

‫‪ -6-1‬أهداف االقتصاد القياسي‪:‬‬

‫‪ -4-8-1‬مرحلة اختبار قدرة النموذج على التنبؤ‪:‬‬

‫الشكل (‪ :)1-1‬يمثل منهج البحث في االقتصاد القياسي‬

‫تص ية‬ ‫ية‬

‫ي‬ ‫و‬ ‫ب‬

‫ية‬ ‫بو‬ ‫ي‬ ‫و‬ ‫ت ي وت يي‬

‫ية تص ية‬ ‫وت ي‬ ‫ف‬

‫‪ -9-1‬مقدمة حول حزمة من البرامج اإلحصائية‪:‬‬

‫‪ -1-9-1‬إنشاء ملف عمل في ‪:Excel‬‬

‫‪ -2-9-1‬نقل ملف العمل البرمجيات اإلحصائية‪:‬‬

‫لف )𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫ك ن بي ت ف‬ ‫الخطوة الثانية‪ :‬تح ي‬ ‫✓‬

‫‪ -2-2-9-1‬نقل ملف العمل إلى ‪:SPSS‬‬

‫ك ن لف ) 𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫الخطوة الثانية‪ :‬تح ي‬ ‫✓‬

‫لف )𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫ك ن بي ت ف‬ ‫الخطوة الثالثة‪ :‬تح ي‬ ‫✓‬

‫‪ -3-2-9-1‬نقل ملف العمل إلى ‪:Stata‬‬

‫‪ -4-2-9-1‬نقل ملف العمل إلى ‪:Gretl‬‬

‫ك ن لف ) 𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫الخطوة الثانية‪ :‬تح ي‬ ‫✓‬

‫لف )𝑙𝑒𝑐𝑥𝐸( كما في الشكل التالي‪:‬‬ ‫ك ن بي ت ف‬ ‫الخطوة الثالثة‪ :‬تح ي‬ ‫✓‬

‫المصدر‪( :‬طبية‪ ،2008 ،‬صفحة ‪)123‬‬

‫‪ -3-2‬معامل االرتباط البسيط )𝒓(‪:‬‬

‫‪ -1-3-2‬خصائص معامل االرتباط البسيط‪:‬‬

‫الشكل (‪ :)1-2‬يمثل خصائص معامل االرتباط البسيط لبيرسون‪.‬‬

‫المصدر‪( :‬طعمة و حنوش‪ ،2009 ،‬صفحة ‪)166‬‬

‫𝒊‬ ‫‪1 2 3 4 5 6 7 8 9 10‬‬

‫‪𝑛 = 10 ∑ 𝑌𝑖 = 440 ∑ 𝑋1𝑖 = 49 ∑ 𝑋1𝑖 = 60 ∑ 𝑌𝑖 𝑋1𝑖 = 2374‬‬

‫‪∑ 𝑌𝑖 𝑋2𝑖 = 2711 ∑ 𝑌𝑖2 = 21008‬‬ ‫‪2‬‬

‫) 𝑖‪𝑐𝑜𝑣(𝑌𝑖 , 𝑋1‬‬ ‫𝑖‪𝑛 ∑ 𝑌𝑖 𝑋1𝑖 − ∑ 𝑌𝑖 ∑ 𝑋1‬‬

‫) 𝑖‪𝑐𝑜𝑣(𝑌𝑖 , 𝑋2‬‬ ‫𝑖‪𝑛 ∑ 𝑌𝑖 𝑋2𝑖 − ∑ 𝑌𝑖 ∑ 𝑋2‬‬

‫‪ -4-2‬معامل ارتباط الرتب‪:‬‬

‫⇔‬ ‫𝟑𝟕𝟎𝟗 ‪𝑟𝑋𝑌 = 1 − 1.9073 = −𝟎.‬‬

‫⇔‬ ‫𝟎𝟗 ‪𝑟𝑋𝑌 = 1 − 0.1 = 𝟎.‬‬

‫‪ -3‬معامل االرتباط المناسب معامل إرتباط الرتب لسبيرمان‪:‬‬

‫⇔‬ ‫𝟐𝟏𝟐𝟗 ‪𝑟𝑋𝑍 = 1 − 1.9212 = −𝟎.‬‬

‫‪ -2-4-2‬معامل ارتباط كندال‪:‬‬

‫𝑘𝑋‪𝑟𝑌𝑋1 ,𝑋2 …….‬‬ ‫)‪(2.6‬‬

‫‪ -6-2‬استخدام البرامج اإلحصائية‪:‬‬

‫‪ -2-6-2‬استخدام برمجية ‪:SPSS 25‬‬

X1 Corrélation de Pearson ,884** 1 ,739*

X2 Corrélation de Pearson ,714* ,739* 1

**. La corrélation est significative au niveau 0.01 (bilatéral).

:STATA 16 ‫ استخدام برمجية‬-3-6-2

‫|‬ ‫‪Y‬‬ ‫‪X1‬‬ ‫‪X2‬‬

‫‪ -4-6-2‬استخدام برمجية ‪:Gretl‬‬

‫ا – احسب معامل ارتباط بيرسون بين المتغيرين؟‬

‫المبيعات(‪)y‬‬ ‫‪20 15 10 25 12 18 5‬‬

‫ا – احسب معامل ارتباط بيرسون بين الظاهرتين علماً بأن‪:‬‬

‫‪ 8 7 4 6 9 7 8 3 9 5 7 5‬عدد البكتريا (باألنف) (‪)x‬‬

‫‪ 11 10 9 8 12 9 13 7 10 6 11 8‬فتره االصابه (باليوم) ‪y‬‬

‫النموذج الخطي البسيط‬

‫𝑖𝑋 ‪̂𝑖 = 𝛽̂0 + 𝛽̂1‬‬

‫ويمكن أن‪ ،‬يكتب كذلك كما يلي‪:‬‬

‫̅𝑋 ‪𝛽̂0 = 𝑌̅ − 𝛽̂1‬‬ ‫)‪(3.5‬‬