استخدام وتقييم تحليل الانحدار
Use and Evaluation of Regression Analysis
هدفك من الدرس:- تشرح الانحدار البسيط والمتعدد
- تقيّم النموذج بـ R² وRMSE وMAE وتفرّق بين الارتباط والسببية
Regression analysis
طريقة بتعبّر عن العلاقة بين المتغيرات بمعادلة وتستخدمها للتنبؤ والمحاكاة. مثال: من بيانات الحرارة والمبيعات نتنبأ بمبيعات بكرة.
- Response variable (التابع): النتيجة (المبيعات).
- Explanatory variable (المفسِّر): المتغير المستخدم للتفسير/التنبؤ (الحرارة).
- المعادلة الناتجة اسمها model.
Simple vs Multiple
- Simple regression: متغير مفسّر واحد. المعادلة خط مستقيم y = ax + b (regression line). بتتحدد a وb بطريقة least squares (تقليل مجموع مربعات الفروق/residuals).
- Multiple regression: أكتر من متغير مفسّر: y = a1x1 + a2x2 + b. مناسبة لما النتيجة بتتأثر بعوامل كتير (سعر البيت: المساحة، العمر، المسافة للمحطة).
- البسيط أسهل في التفسير؛ المتعدد يعبّر عن علاقات أعقد.
مؤشرات تقييم النموذج
- R²: من 0 إلى 1 — كلما اقترب من 1 فسّر النموذج جزء أكبر من تباين البيانات.
- RMSE: جذر متوسط مربعات الفروق — كلما قلّ كان أدق، بنفس وحدة المتغير التابع، وبيعاقب الأخطاء الكبيرة أكتر.
- MAE: متوسط القيم المطلقة للفروق — كلما قلّ كان أدق، وأقل تأثراً بالأخطاء الضخمة (outliers).
تحذيرات
- الارتباط ≠ السببية. لإثبات السببية: أسبقية زمنية، استبعاد العوامل الأخرى، ودعم نظري.
- النموذج مش بيخلص بمجرد إنشائه: تحقق من الدقة وما تطبقهوش خارج مدى البيانات اللي اتبنى عليها.
- ما تحكمش على النموذج بـ R² لوحده.
- زيادة المتغيرات المفسرة مش دايماً بتحسّن النموذج.
- الـ overfit بيتبع الضوضاء (noise) مش الاتجاه الحقيقي.
مصطلحات الدرس
| Regression analysis | التعبير عن العلاقة بمعادلة للتنبؤ |
| Response variable | المتغير التابع (النتيجة) |
| Explanatory variable | المتغير المفسِّر |
| Simple regression | متغير مفسر واحد |
| Multiple regression | عدة متغيرات مفسرة |
| Least squares | تقليل مجموع مربعات الفروق |
| R² | نسبة التباين المُفسَّر (0–1) |
| RMSE / MAE | مقياسان لحجم خطأ التنبؤ |
تطبيق تعليمي مستقل وغير تابع لوزارة التربية والتعليم. الكتاب المدرسي هو المرجع الأساسي. سياسة الخصوصية