‫‪ 11.

4‬اختبار األهمية في التحليل اإلحصائي المتعدد لالنحدار‬

‫حتى اآلن‪ ،‬تعلّمت كيفية تقدير المعامالت وضبط نموذج االنحدار المتعدد‪ .‬يمكنك اآلن اختبار مدى مالئمة النموذج‬
‫المضبوط وفحص ما إذا كانت المتغيرات المستقلة تسهم بشكل ملحوظ في تفسير التباين في 𝑌 أم ال‪ .‬لهذا الغرض‪،‬‬
‫نستخدم اختبار األهمية في تحديد تساوي التباينات لمتغيرات االنحدار‪.‬‬

‫إذا كان هناك عالقة خطية بين متغير االستجابة 𝑌 وأي من المتغيرات المستقلة 𝑝𝑋 ‪ ، 𝑋1 , 𝑋2 , … ,‬فنحن نستخدم‬
‫اختبار األهمية في التحليل اإلحصائي لالنحدار‪ .‬اختبار األهمية في التحليل اإلحصائي لالنحدار هو اختبار لتحديد العالقة‬
‫الخطية بين متغير االستجابة ومتغيرات االنحدار وغال ًبا ما يستخدم لفحص مدى مالئمة النموذج‪.‬‬

‫من أجل اختبار ما إذا كانت مساهمة المتغيرات المستقلة 𝑝𝑋 ‪ 𝑋1 , 𝑋2 , … ,‬ذات أهمية أم ال‪ ،‬نختبر ما إذا كانت قيم‬
‫𝑝𝐵 ‪𝐵1 , 𝐵2 , ⋯ ,‬جميعها تساوي الصفر في النموذج أو على األقل واحدة منها ليست تساوي الصفر‪ .‬يمكن كتابة‬
‫فرضية االختبار هذه على النحو التالي‪:‬‬

‫‪𝐻0 ∶ 𝐵1 = 𝐵2 = ⋯ = 𝐵𝑝 = 0‬‬

‫على األقل واحدة منها ليست تساوي الصفر ‪𝐻1 :‬‬

‫يمكن اختبارها عن طريق النظر في ‪ F-Ratio‬لتالية‪:‬‬

‫𝑃‪𝑆𝑆𝑅𝑒𝑔 /‬‬
‫=𝐹‬
‫)‪𝑆𝑆𝑅𝑒𝑠 /(𝑛 − 𝑝 − 1‬‬

‫في هذا االختبار‪ ،‬يتم تقسيم مجموع المربعات اإلجمالي 𝑇𝑆𝑆 إلى مجموع مربعات يرجع إلى مساهمة متغيرات‬
‫االنحدار) 𝑔𝑒𝑅𝑆𝑆( ومجموع مربعات المتبقية ‪ (𝑆𝑆𝑅𝑒𝑠 ).‬ومن المعادلة (‪ ،)17‬فإن مجموع المربعات المتبقية‬
‫) 𝑠𝑒𝑅𝑆𝑆(هو‪:‬‬

‫) 𝑝𝑋 ‪𝑆𝑆𝑅𝑒𝑠 = ∑𝑌𝑖2 − 𝐵̂0 (𝑌 ′ 𝑋0 ) − 𝐵̂1 (𝑌 ′ 𝑋1 ) − ⋯ − 𝐵̂𝑝 (𝑌 ′‬‬

‫̂𝐵𝑋 ‪𝑆𝑆𝑅𝑒𝑠 = 𝑌 ′ 𝑌 − 𝑌 ′‬‬

‫إذا 𝑝𝐵 ‪ 𝐵1 , 𝐵2 , ⋯ ,‬كانت جميعها تساوي الصفر‪ ،‬أي أن المتغيرات المستقلة ال تساهم في التغير في𝑌 ‪ ،‬فإن مجموع‬
‫المربعات اإلجمالي 𝑇𝑆𝑆 يعطى على النحو التالي‪:‬‬

‫‪(∑𝑌𝑖 )2‬‬
‫‪𝑆𝑆𝑇 = ∑𝑌𝑖2 − 𝑛𝑌̅ 2 = 𝑌 ′ 𝑌 −‬‬
‫𝑛‬
‫هذا هو التباين الكلي الموجود في 𝑌 حول المتوسط̅𝑌 يمكننا إعادة كتابة المعادلة (‪ )20‬على النحو التالي‪:‬‬

‫‪(∑𝑌𝑖 )2‬‬ ‫‪(∑𝑌𝑖 )2‬‬

‫‪𝑆𝑆𝑅𝑒𝑠 = ∑𝑌𝑖2 −‬‬ ‫‪− {∑𝐵𝑗 𝑌 ′ 𝑋𝑗 −‬‬ ‫}‬
‫𝑛‬ ‫𝑛‬
‫𝑠𝑒𝑅𝑆𝑆‬ ‫𝑔𝑒𝑅𝑆𝑆 ‪= 𝑆𝑆𝑇 −‬‬
 ‫بالتالي‪ ،‬فإن الفرق بين 𝑠𝑒𝑅𝑆𝑆 ‪ 𝑆𝑆𝑇 −‬يعطي مساهمة المتغيرات المستقلة 𝑝𝑋 ‪ 𝑋1 , 𝑋2 , … ,‬في تفسير التغير في𝑌 ‪،‬‬
‫أي‪:‬‬

‫‪𝑆𝑆𝑇 − 𝑆𝑆𝑅𝑒𝑠 = 𝐵̂0 (𝑌 ′ 𝑋0 ) + 𝐵̂1 (𝑌 ′ 𝑋1 ) + ⋯ + 𝐵̂𝑝 (𝑌 ′ 𝑋𝑝 ) − 𝑛𝑌̅ 2‬‬

‫‪(∑𝑌𝑖 )2‬‬
‫‪⟹ 𝑆𝑆𝑅𝑒𝑔 = {𝑌 ′ 𝑋𝐵̂ −‬‬ ‫}‬
‫𝑛‬
‫‪𝑆𝑆𝑅𝑒𝑔 = ∑𝐵̂𝑗 𝑌 ′ 𝑋𝑗 − 𝑛𝑌̅ 2‬‬

‫نلخص اآلن هذه النتائج في جدول ‪ ANOVA‬التالي‪:‬‬

‫‪ANOVA TABLE‬‬

‫‪Degree of‬‬ ‫)‪Sum of Squares (S.S.‬‬ ‫‪Mean‬‬

‫‪Sources of‬‬ ‫‪Variance‬‬
‫‪Freedom‬‬ ‫‪Sum of‬‬
‫‪Variation‬‬ ‫‪Ratio‬‬
‫)‪(d.f.‬‬ ‫‪Squares‬‬
‫‪Independent‬‬ ‫𝑝‬
‫𝑔𝑒𝑅𝑆𝑆‬
‫‪Variables‬‬ ‫𝑝‬ ‫‪𝑆𝑆𝑅𝑒𝑔 = ∑ 𝐵̂𝑗 𝑌 ′ 𝑋𝑗 − 𝑛𝑌̅ 2‬‬
‫𝑝‬ ‫𝐹‬
‫) 𝒑𝑿 ‪(𝑿𝟏 , 𝑿𝟐 , ⋯ ,‬‬ ‫‪𝑗=0‬‬ ‫𝑝‪𝑆𝑆𝑅𝑒𝑔 /‬‬
‫𝑝‬
‫=‬
‫‪Residuals‬‬ ‫)‪𝑆𝑆𝑅𝑒𝑠 /(𝑛 − 𝑝 − 1‬‬
‫𝑠𝑒𝑅𝑆𝑆‬
‫‪𝑛−𝑝−1‬‬ ‫𝑗𝑋 ‪𝑆𝑆𝑅𝑒𝑠 = 𝑌 ′ 𝑌 − ∑ 𝐵̂𝑗 𝑌 ′‬‬
‫) 𝒔𝒆𝑹𝑺𝑺(‬ ‫‪𝑛−𝑝−1‬‬
‫‪𝑗=0‬‬

‫‪Total‬‬ ‫‪𝑛−1‬‬ ‫‪𝑌 ′ 𝑌 − 𝑛𝑌̅ 2‬‬

‫تحت فرض الفرضية الصفراء‪ ،‬أي عندما تكون‪ ، 𝐵1 = 𝐵2 = ⋯ = 𝐵𝑝 = 0‬يتم توزيع 𝐹 كتوزيع فيشر 𝐹 مع‬
‫درجة الحرية 𝑝 و)‪.(𝑛 − 𝑝 − 1‬‬

‫)‪𝐹~𝐹𝑝(𝑛−𝑝−1‬‬

‫إذا كانت القيمة المحسوبة من ‪ F‬أقل من القيمة المدونة 𝑝𝐹 ‪(𝑛 − 𝑝 − 1) ،‬عند مستوى الداللة 𝛼 ‪ ،‬فإننا نستنتج‬
‫أن مساهمة 𝑝𝑋 ‪ 𝑋1 , 𝑋2 , … ,‬في التغير في 𝑌 غير معنوية‪ .‬وبالتالي‪ ،‬ليس لديهم أي مساهمة في التنبؤ‪ .‬ومن الممكن‬
‫أن يكون من ذوي االهتمام اإلضافي فحص ما إذا كان أي من معامالت( يقال ) 𝑗𝐵 المقابلة للمتغير المستقل 𝑗𝑋‬
‫مختل ًفا عن الصفر‪ ،‬بعد األخذ في االعتبار المتغيرات األخرى( 𝑘𝑋 الكل )𝑗 ≠ 𝑘( ‪.‬يمكن اختبار هذا باعتبار اإلحصائية‬
‫𝑡‪:‬‬

‫𝑗̂𝐵‬
‫=𝑡‬
‫) 𝑗̂𝐵( ‪𝑆. 𝐸.‬‬
 ‫حيث يستخدم) 𝑗̂𝐵( ‪ 𝑆. 𝐸.‬القيمة المقدرة لـ ‪ 𝜎̂ 2‬المعطاة في المعادلة (‪ .)18‬تحت فرض الفرض األولي ‪، 𝐵𝑗 = 0 ،‬‬
‫يتبع االختبار اإلحصائي المقترح 𝑡 توزيع الطالب 𝑡 مع درجة الحرية ‪ (𝑛 − 𝑝 − 1).‬بالتالي‪ ،‬إذا‬

‫‪|𝑡| ≤ 𝑡𝛼,𝑛−𝑝−1‬‬
‫‪2‬‬

‫نقبل فرضية الفراغ ‪ 𝐻0‬إال‪ ،‬نرفضها‪ .‬إذا كانت قيمة 𝑗𝐵 مختلفة بشكل كبير عن الصفر‪ ،‬فإنها تسهم بشكل كبير في‬
‫التباين في القيمة المتوقعة للمتغير االعتمادي 𝑌 بعد احتساب مساهمة المتغيرات األخرى‪ .‬إذا لم تكن قيمة 𝑗𝐵‬
‫مختلفة بشكل كبير عن الصفر‪ ،‬فإن مساهمتها غير مهمة بعد احتساب المتغيرات األخرى في النموذج‪.‬‬

‫مثال ‪ :4‬باستخدام بيانات المثال ‪ 1‬ونتائج المثال ‪ ،2‬يتم إنشاء جدول‪ ، ANOVA‬وتطبيق اختبار فرضية مناسب‬
‫وتفسير النتائج‪.‬‬

‫الحل‪ :‬وف ًقا للبيانات المعطاة في المثال ‪ 1‬ونتائج المثال ‪ ،2‬يتم التالي‪:‬‬
‫𝑝‬

‫‪𝑆𝑆𝑅𝑒𝑠 = 97.25 𝑎𝑛𝑑 ∑ 𝐵̂𝑗 𝑌 ′ 𝑋𝑗 = 3702.7845‬‬

‫‪𝑗=1‬‬

‫باستخدام هذه القيم‪ ،‬يتم إنشاء جدول ‪ ANOVA‬على النحو التالي‪:‬‬

‫‪Degree‬‬
‫‪Sources‬‬ ‫‪of‬‬ ‫‪of‬‬ ‫‪Variance‬‬
‫)‪Sum of Squares (S.S.‬‬ ‫‪Mean Sum of Squares‬‬
‫‪Variation‬‬ ‫‪Freedom‬‬ ‫‪Ratio‬‬
‫)‪(d.f.‬‬
‫‪Independent‬‬ ‫𝑝‬
‫𝑔𝑒𝑅𝑆𝑆‬ ‫𝑔𝑒𝑅𝑆𝑆‬
‫‪𝑆𝑆𝑅𝑒𝑔 = ∑ 𝐵̂𝑗 𝑌 ′ 𝑋𝑗 − 𝑛𝑌̅ 2‬‬
‫‪Variables‬‬ ‫‪2‬‬ ‫‪= 184.71‬‬ ‫𝑝‬
‫‪𝑗=0‬‬ ‫𝑝‬ ‫=𝐹‬
‫) 𝟐𝑿 ‪(𝑿𝟏 ,‬‬ ‫‪= 369.42‬‬ ‫𝑠𝑒𝑅𝑆𝑆‬
‫𝑝‬
‫‪𝑛−𝑝−1‬‬
‫‪Residuals‬‬ ‫𝑠𝑒𝑅𝑆𝑆‬
‫‪9‬‬ ‫‪𝑆𝑆𝑅𝑒𝑠 = 𝑌 ′ 𝑌 − ∑ 𝐵̂𝑗 𝑌 ′ 𝑋𝑗 = 97.25‬‬ ‫‪= 10.8056‬‬ ‫‪= 17.094‬‬
‫) 𝒔𝒆𝑹𝑺𝑺(‬ ‫‪𝑛−𝑝−1‬‬
‫‪𝑗=0‬‬

‫‪Total‬‬ ‫‪11‬‬ ‫‪𝑌 ′ 𝑌 − 𝑛𝑌̅ 2 = 466.67‬‬

‫تم الحصول على معامل تباين‪ ، F = 17.094‬بينما قيمة ‪ F‬المدرجة في الجدول لدرجة الحرية ‪ 2‬و ‪9‬‬
‫وعند ‪ 𝛼 = 0.05‬هي ‪ .4.26‬وبالتالي‪ ،‬نرفض الفرضية األولية ‪ 𝐻0‬ونستنتج أن ‪ 𝑋1‬و ‪ 𝑋2‬تساهمان بشكل كبير في‬
‫التباين‪ .‬ومن الممكن أن يثير االهتمام معرفة ما إذا كان معامل 𝑗𝐵 الخاص بالمتغير المستقل 𝑗𝑋 مختل ًفا عن الصفر‬
‫بعد احتساب المتغيرات األخرى( 𝑘𝑋 حيث ‪ ( k ≠ j).‬يمكن اختبار ذلك عن طريق النظر في اإلحصائي 𝑡 ‪:‬‬

‫𝑗̂𝐵‬
‫=𝑡‬
‫) 𝑗̂𝐵( ‪𝑆. 𝐸.‬‬
 ‫من نتيجة المثال ‪ ،2‬لدينا ً‬
‫أيضا‪:‬‬

‫‪𝐵̂1 = 1.3002 𝑎𝑛𝑑 𝐵̂2 = 0.1356‬‬

‫وبالتالي مصفوفة التباين‪-‬التغاير تكون‬

‫‪𝑉(𝐵̂) = 𝜎̂ 2 (𝑋 ′ 𝑋)−1‬‬
‫‪0.7139 −0.0658 −0.0028‬‬
‫)‪= 10.8056 (−0.0658 0.0095 −0.0005‬‬
‫‪−0.0028 −0.0005 0.0002‬‬
‫بالتالى‬

‫‪7.7141 −0.711‬‬ ‫‪−0.03‬‬

‫̂‬
‫‪𝑉(𝐵) = ( 0.711 0.10265‬‬ ‫) ‪−0.0054‬‬
‫‪−0.03 −0.0054 0.0021611‬‬
‫بإستخدام المعادلة (‪ ,)15‬يكون لدينا ‪:‬‬

‫‪𝑉(𝐵̂0 ) = 7.7141,‬‬ ‫‪𝑉(𝐵̂1 ) = 0.10265‬‬ ‫𝑑𝑛𝑎‬ ‫‪𝑉(𝐵̂2 ) = 0.0021611‬‬

‫وبالتالي‪،‬‬

‫‪S. E. (𝐵̂0 ) = √7.7141 = 2.777‬‬

‫‪𝑆. 𝐸. (𝐵̂1 ) = √0.10265 = 0.3204‬‬

‫‪𝑆. 𝐸. (𝐵̂2 ) = √0.0021611 = 0.04649‬‬

‫وبالتالي تكون اإلحصاء ‪ t‬كاآلتى ‪:‬‬

‫‪𝐵̂0‬‬ ‫‪1.8765‬‬
‫= ‪𝑡0‬‬ ‫=‬ ‫→ ‪= 0.6758‬‬ ‫"غير معنوى"‬
‫) ‪𝑆. 𝐸. (𝐵0‬‬ ‫‪2.777‬‬

‫‪𝐵̂1‬‬ ‫‪1.3002‬‬
‫= ‪𝑡1‬‬ ‫=‬ ‫→ ‪= 4.058‬‬ ‫"معنوى"‬
‫) ‪𝑆. 𝐸. (𝐵̂1‬‬ ‫‪0.3204‬‬

‫‪𝐵̂2‬‬ ‫‪0.1356‬‬
‫= ‪𝑡2‬‬ ‫=‬ ‫→ ‪= 2.91675‬‬ ‫"معنوى"‬
‫‪𝑆. 𝐸. (𝐵̂2 ) 0.04649‬‬

‫ولكن قيمة االختبار التي تم لإلحصائية الجدولية ‪t‬عند ‪ α = 0.05‬هي ‪ 2.262‬عند ‪ 22‬درجات حرية‪.‬‬
 ‫بالتالي‪ ،‬تُسهم كال المتغيرين بشكل كبير في التباين ف𝑌 ‪.‬‬

‫يمكنك اآلن حل التمرين التالي‪.‬‬

‫)‪ (E3‬إعداد جدول ‪ ANOVA‬وحساب األخطاء القياسية للتقديرات واختبار أهميتها باستخدام بيانات‪ E1‬وقم‬

‫بتفسير النتائج‪.‬‬

‫حل التمارين رقم (‪: )3‬‬

‫𝑝‬

‫‪𝑆𝑆𝑅𝑒𝑠 = 42.4205 𝑎𝑛𝑑 ∑ 𝐵̂𝑗 𝑌 ′ 𝑋𝑗 = 2865.5795‬‬

‫‪𝑗=1‬‬

‫باستخدام هذه القيم‪ ،‬يتم إنشاء جدول ‪ ANOVA‬على النحو التالي‪:‬‬

‫‪Degree‬‬
‫‪Sources‬‬ ‫‪of‬‬ ‫‪of‬‬ ‫‪Variance‬‬
‫‪Sum of Squares (S.S.) Mean Sum of Squares‬‬
‫‪Variation‬‬ ‫‪Freedom‬‬ ‫‪Ratio‬‬
‫)‪(d.f.‬‬
‫‪Independent‬‬ ‫𝑝‬

‫‪𝑆𝑆𝑅𝑒𝑔 = ∑ 𝐵̂𝑗 𝑌 ′ 𝑋𝑗 − 𝑛𝑌̅ 2‬‬ ‫𝑔𝑒𝑅𝑆𝑆‬ ‫𝑔𝑒𝑅𝑆𝑆‬

‫‪Variables‬‬ ‫‪2‬‬ ‫‪= 54.98975‬‬
‫‪𝑗=0‬‬ ‫𝑝‬ ‫𝑝‬
‫) 𝟐𝑿 ‪(𝑿𝟏 ,‬‬ ‫‪= 109.9795‬‬ ‫=𝐹‬
‫𝑠𝑒𝑅𝑆𝑆‬
‫𝑝‬ ‫‪𝑛−𝑝−1‬‬
‫‪Residuals‬‬ ‫𝑗𝑋 ‪𝑆𝑆𝑅𝑒𝑠 = 𝑌 ′ 𝑌 − ∑ 𝐵̂𝑗 𝑌 ′‬‬ ‫𝑠𝑒𝑅𝑆𝑆‬
‫‪7‬‬ ‫‪= 6.06007‬‬ ‫‪= 9.074‬‬
‫) 𝒔𝒆𝑹𝑺𝑺(‬ ‫‪𝑗=0‬‬ ‫‪𝑛−𝑝−1‬‬
‫‪= 42.4205‬‬
‫‪Total‬‬ ‫‪9‬‬ ‫‪𝑌 ′ 𝑌 − 𝑛𝑌̅ 2 = 152.40‬‬

‫تم الحصول على معامل تباين ‪ ، F = 9.074‬بينما قيمة ‪ F‬المدرجة في الجدول لدرجة الحرية ‪ 2‬و ‪7‬‬
‫وعند ‪ 𝛼 = 0.05‬هي ‪ .3.44‬وبالتالي‪ ،‬نرفض الفرضية الصفرية ‪ 𝐻0‬ونستنتج أن ‪ 𝑋1‬و ‪ 𝑋2‬تساهمان بشكل كبير في‬
‫التباين‪ .‬ومن الممكن أن يثير االهتمام معرفة ما إذا كان معامل 𝑗𝐵 الخاص بالمتغير المستقل 𝑗𝑋 مختل ًفا عن الصفر‬
‫بعد احتساب المتغيرات األخرى( 𝑘𝑋 حيث ‪ ( k ≠ j).‬يمكن اختبار ذلك عن طريق النظر في اإلحصائي 𝑡 ‪:‬‬
 ‫𝑗̂𝐵‬
‫=𝑡‬
‫) 𝑗̂𝐵( ‪𝑆. 𝐸.‬‬

‫لدينا ‪:‬‬

‫‪𝐵̂1 = −0.1729 𝑎𝑛𝑑 𝐵̂2 = 0.1062‬‬

‫وبالتالي مصفوفة التباين‪-‬التغاير تكون‬

‫‪𝑉(𝐵̂ ) = 𝜎̂ 2 (𝑋 ′ 𝑋)−1‬‬
‫‪8.1316 −0.069 −0.1108‬‬
‫) ‪= 6.06007 ( −0.069 0.0007 0.0007‬‬
‫‪−0.1108 0.0007 0.0022‬‬
‫بالتالى‬

‫‪49.278‬‬ ‫‪−0.418‬‬ ‫‪−0.671‬‬

‫)‪𝑉(𝐵̂) = (−0.418 0.004242 0.004242‬‬
‫‪−0.671 0.004242 0.013332‬‬
‫بإستخدام المعادلة (‪ ,)15‬يكون لدينا ‪:‬‬

‫‪𝑉(𝐵̂0 ) = 49.278,‬‬ ‫‪𝑉(𝐵̂1 ) = 0.004242‬‬ ‫𝑑𝑛𝑎‬ ‫‪𝑉(𝐵̂2 ) = 0.013332‬‬

‫وبالتالي ‪:‬‬

‫‪S. E. (𝐵̂0 ) = √49.278 = 7.019829‬‬

‫‪𝑆. 𝐸. (𝐵̂1 ) = √0.004242 = 0.06513‬‬

‫‪𝑆. 𝐸. (𝐵̂2 ) = √0.013332 = 0.115464‬‬

‫وبالتالي تكون اإلحصاء ‪ t‬كاآلتى ‪:‬‬

‫‪𝐵̂0‬‬ ‫‪26.7569‬‬
‫= ‪𝑡0‬‬ ‫=‬ ‫→ ‪= 3.811617‬‬ ‫"معنوى"‬
‫‪𝑆. 𝐸. (𝐵0 ) 7.019829‬‬

‫‪𝐵̂1‬‬ ‫‪−0.1729‬‬
‫= ‪𝑡1‬‬ ‫=‬ ‫→ ‪= −2.65469‬‬ ‫"معنوى"‬
‫) ‪𝑆. 𝐸. (𝐵̂1‬‬ ‫‪0.06513‬‬

‫‪𝐵̂2‬‬ ‫‪0.1062‬‬
‫= ‪𝑡2‬‬ ‫=‬ ‫→ ‪= 0.9197672‬‬ ‫"غير معنوى"‬
‫‪𝑆. 𝐸. (𝐵̂2 ) 0.115464‬‬
 ‫ولكن قيمة االختبار التي تم لإلحصائية الجدولية ‪t‬عند ‪ α = 0.05‬هي ‪ 2.37‬عند ‪ 7‬درجات حرية‪.‬‬

‫وبالتالي‪ ،‬يسهم المتغير المستقل ‪ X1‬بشكل كبير في تفسير التباين في المتغير التابع ‪ ، Y‬في حين ال ُيسهم المتغير‬
‫المستقل ‪ X 2‬بشكل كبير في ذلك ‪.‬وفيما يتعلق بتفسير معامالت االنحدار‪ ،‬يوجد زيادة بمقدار ‪ 0.1062‬ثانية في‬
‫الوقت بسبب تغيير وحدة واحدة في حاالت )‪ (X1‬بالمثل‪ ،‬يوجد انخفاض بمقدار ‪ 0.1729‬ثانية في الوقت بسبب‬
‫تغيير وحدة واحدة في‪X 2‬‬