«ما أثر القيادة التحويلية في الالتزام التنظيمي؟» كيف تنتقل من هذا السؤال إلى جدول يقول إن القيادة تفسر 34% من تباين الالتزام؟ الجواب هو تحليل الانحدار الخطي، وهو الاختبار الذي يُحوّل أسئلة «الأثر» و«القدرة التنبؤية» إلى معادلة ونِسب تباين مفسَّر. لكنه أيضًا الاختبار الأكثر شروطًا في الرسائل، ومعظم الاعتراضات تدور حول شروط لم تُفحص أو جداول قُرئت خطأ. هذا الدليل يوضح الفرق بين الانحدار البسيط والمتعدد، والشروط الثمانية وكيف تفحص كل شرط في SPSS، وقراءة الجداول الثلاثة، وتفسير B وBeta وR²، وقالب الصياغة بصيغة APA، وحجم العينة المطلوب.
هذا المقال جزء من دليل كتابة رسالة الماجستير الذي يُعدّه فريق Mastermind PhD، ويرتبط بخدمة التحليل الإحصائي. آخر تحقق من المصادر: نوفمبر 2026.
ما هو الانحدار الخطي؟ أسلوب إحصائي يقدّر العلاقة بين متغير تابع كمي ومتغير مستقل واحد (الانحدار البسيط) أو أكثر (الانحدار المتعدد) بمعادلة خط مستقيم من الصورة Y = a + b1X1 + b2X2 + … + e، ويحدد نسبة التباين في المتغير التابع التي تفسرها المتغيرات المستقلة (R²)، والأثر النسبي لكل متغير مستقل مع ثبات الباقي (Beta).
متى تستخدم تحليل الانحدار بدل الارتباط؟
الارتباط يجيب عن «هل توجد علاقة وما قوتها». تحليل الانحدار يجيب عن «ما أثر X في Y» و«ما القدرة التنبؤية» و«أي المتغيرات المستقلة أكثر تأثيرًا مع ضبط الباقي». استخدم البسيط عند متغير مستقل واحد، والمتعدد عند متغيرَين فأكثر. المتغير التابع يجب أن يكون كميًا؛ إذا كان ثنائيًا (ناجح أو راسب) فالمطلوب الانحدار اللوجستي، وإذا كان ترتيبيًا فالانحدار الترتيبي.
الشروط الثمانية وكيف تفحصها في SPSS
| الشرط | كيف تفحصه | الحد المقبول الشائع | إذا لم يتحقق |
|---|---|---|---|
| متغير تابع كمي ومستقلات كمية أو ثنائية مرمَّزة 0/1 | طبيعة المتغيرات | المتغير الاسمي متعدد الفئات يُحوَّل إلى متغيرات صورية (Dummy) | ترميز صوري |
| الخطية | مخططات الانتشار الجزئية (Plots ← Produce all partial plots) | اتجاه خطي واضح | تحويل المتغير أو نموذج غير خطي |
| استقلال الأخطاء | إحصاء دوربن-واتسون (Statistics ← Durbin-Watson) | بين 1.5 و2.5 تقريبًا | مراجعة التصميم؛ مهم مع البيانات الزمنية |
| تجانس تباين الأخطاء | مخطط ZRESID مقابل ZPRED (Plots) | سحابة نقاط بلا شكل قمعي | خطأ معياري متين أو تحويل |
| غياب التعدد الخطي | Statistics ← Collinearity diagnostics | VIF أقل من 10 (ويُفضَّل أقل من 5) وTolerance أكبر من 0.1 (ويُفضَّل أكبر من 0.2) | حذف أو دمج المتغيرات المتداخلة |
| اعتدالية البواقي | Plots ← Normal probability plot، وفحص ZRE_1 المحفوظ في Explore | نقاط P-P قريبة من الخط | متانة مع العينات الكبيرة أو Bootstrap |
| غياب الحالات المؤثرة | Save ← Cook’s distance وStandardized residuals؛ Statistics ← Casewise diagnostics | Cook أقل من 1، والبواقي المعيارية ضمن ±3 | فحص الحالة وتوثيق القرار |
| حجم عينة كافٍ | قاعدة Green (1991): N ≥ 50 + 8k لاختبار النموذج الكلي، وN ≥ 104 + k لاختبار كل متغير | k = عدد المستقلات | توسيع العينة أو تقليل المستقلات |
افحص الشروط وأبلغ عنها في فقرة قصيرة قبل جدول الانحدار؛ هذا ما يميز فصل نتائج يُقبل من فصل يُطلب تعديله.
📱 اسأل مختصًا إحصائيًا عن بياناتك — أرسل وصف أداة الدراسة وحجم العينة على واتساب، ونرد عليك بخطة التحليل المناسبة. مع كل تحليل تستلم ملف SPSS الخام وتقرير النتائج.
خطوات تحليل الانحدار في SPSS
- Analyze ← Regression ← Linear.
- انقل المتغير التابع إلى Dependent والمستقلات إلى Independent(s). اترك Method = Enter (الإدخال المتزامن) وهو المناسب للنماذج المبنية نظريًا؛ طريقة Stepwise تُنتقد في الرسائل لأنها تختار المتغيرات بالبيانات لا بالنظرية.
- Statistics: Estimates، Confidence intervals، Model fit، R squared change، Descriptives، Part and partial correlations، Collinearity diagnostics، Durbin-Watson، Casewise diagnostics.
- Plots: ضع ZRESID في Y وZPRED في X، وفعِّل Histogram وNormal probability plot وProduce all partial plots.
- Save: Standardized residuals وCook’s distance.
- OK. للانحدار الهرمي (إدخال المتغيرات الديموغرافية أولًا ثم المتغيرات الرئيسية) استخدم زر Next لتعريف كتلة ثانية، وسيُخرج R² Change لكل كتلة.
كيف تقرأ الجداول الثلاثة؟
Model Summary: R هو الارتباط المتعدد، وR² نسبة التباين المفسَّر (0.34 تعني 34%)، وAdjusted R² النسبة المعدلة لعدد المتغيرات والعينة وهي التي تُبلَّغ في النماذج المتعددة، وStd. Error of the Estimate متوسط خطأ التنبؤ، وDurbin-Watson في آخر الجدول.
ANOVA: يختبر نموذج تحليل الانحدار ككل؛ قيمة F ودلالتها تقولان هل المتغيرات المستقلة مجتمعة تفسر تباينًا دالًا في التابع. درجات الحرية (k، N − k − 1).
Coefficients: لكل متغير مستقل:
- B (غير المعياري): مقدار تغيّر Y بوحدة واحدة من X مع ثبات الباقي؛ يُستخدم في كتابة المعادلة ويُفسَّر بوحدات المتغير.
- Beta (المعياري): الأثر النسبي بوحدات الانحراف المعياري؛ يُستخدم لمقارنة المتغيرات المستقلة بعضها ببعض لأن وحداتها مختلفة.
- t ودلالتها: هل مساهمة هذا المتغير دالة مع وجود الباقي في النموذج.
- فترة الثقة 95% لـ B: إذا شملت الصفر فالأثر غير دال.
- Tolerance وVIF: فحص التعدد الخطي.
الثابت (Constant) في تحليل الانحدار هو قيمة Y المتوقعة حين تكون كل المستقلات صفرًا، ولا يُفسَّر نظريًا في معظم دراسات ليكرت.
كيف تكتب النتيجة بصيغة APA بالعربية؟
للنموذج: «أظهر تحليل الانحدار المتعدد أن النموذج المكوَّن من أبعاد القيادة التحويلية الأربعة يفسر 34% من تباين الالتزام التنظيمي، R² = 0.34، R² المعدل = 0.33، F(4, 295) = 37.9، p < .001». للمتغيرات: «وكان التحفيز الإلهامي أقوى المتنبئات (B = 0.41، SE = 0.07، β = 0.36، t = 5.83، p < .001)، يليه الاعتبار الفردي (β = 0.22، p = .001)، بينما لم يسهم التأثير المثالي إسهامًا دالًا (β = 0.06، p = .310)». ثم المعادلة إن طلبتها الكلية: الالتزام = 1.12 + 0.41 (التحفيز) + 0.25 (الاعتبار) + …
جدول تحليل الانحدار في الرسالة: صف لكل متغير مستقل بأعمدة B وSE وβ وt وp وVIF، وأسفله R² وR² المعدل وF ودلالتها ودوربن-واتسون في ملاحظة.
مثال تطبيقي: أربعة أبعاد تتنبأ بالالتزام
عينة من 300 موظف، المتغير التابع الالتزام التنظيمي، والمستقلات أبعاد القيادة التحويلية الأربعة. حجم العينة يتجاوز الحد الأدنى (50 + 8 × 4 = 82) بكثير. فحص الشروط: VIF بين 1.8 و3.4 (لا تعدد خطي مؤثر)، دوربن-واتسون 1.93 (استقلال الأخطاء)، مخطط ZRESID مقابل ZPRED سحابة بلا شكل قمعي، ومخطط P-P للبواقي قريب من الخط، وأكبر مسافة Cook 0.08.
Model Summary: R = .58، R² = .34، R² المعدل = .33، الخطأ المعياري للتقدير 0.56. ANOVA: F(4, 295) = 37.9 بدلالة أقل من .001. Coefficients: التحفيز الإلهامي B = 0.41 (SE = 0.07)، β = .36، t = 5.83، p < .001؛ الاعتبار الفردي B = 0.25، β = .22، p = .001؛ الاستثارة الفكرية B = 0.14، β = .12، p = .048؛ التأثير المثالي B = 0.07، β = .06، p = .310 (غير دال). التفسير: كل زيادة بدرجة واحدة في التحفيز الإلهامي تصاحبها زيادة 0.41 درجة في الالتزام مع ثبات الأبعاد الأخرى، وهو أقوى المتنبئات لأن Beta له أعلى القيم، بينما لا يضيف التأثير المثالي تفسيرًا دالًا مع وجود الأبعاد الأخرى، وقد يُعزى ذلك إلى ارتباطه القوي بالتحفيز الإلهامي (r = .71) لا إلى انعدام علاقته بالالتزام.
أخطاء شائعة في تحليل الانحدار
- تفسير B وكأنه Beta أو العكس عند مقارنة المتغيرات.
- إغفال فحص التعدد الخطي رغم أن أبعاد المقياس الواحد كثيرًا ما ترتبط فوق 0.80.
- استخدام Stepwise ثم تقديم النتيجة كأنها نموذج نظري.
- إدخال متغير اسمي بأربع فئات (التخصص) مباشرة كرقم من 1 إلى 4.
- عينة من 60 حالة مع ثمانية متغيرات مستقلة.
- الإبلاغ عن R² بدل R² المعدل في النماذج المتعددة الصغيرة العينة.
- تحويل الأثر إلى سببية مطلقة في المناقشة مع تصميم مقطعي؛ يبقى الاستنتاج «يتنبأ» و«يفسر» لا «يسبب».
📱 استفسر الآن على واتساب — 5 سنوات خبرة في كل التخصصات و14 خدمة أكاديمية. الدفع على مرحلتين (80/20)، والتعديلات مجانية حتى اعتماد المشرف في حدود 30% من الفصل.
الأسئلة الشائعة
كم متغيرًا مستقلًا يمكن إدخاله في النموذج؟
القاعدة العملية 10 إلى 15 حالة لكل متغير مستقل على الأقل، أو معادلة Green (50 + 8k). خمسة مستقلات تحتاج 90 حالة على الأقل لاختبار النموذج، ونحو 109 لاختبار كل متغير. الأهم أن يكون لكل متغير مبرر نظري.
VIF لأحد الأبعاد 6.8، هل أحذفه؟
القيمة أقل من 10 لذا هي مقبولة وفق الحد المتساهل لكنها فوق الحد المحافظ 5. افحص الارتباط بين هذا البعد وغيره؛ إذا تجاوز 0.85 فالأبعاد تقيس الشيء نفسه تقريبًا، ويمكن دمجها في درجة كلية أو الإبلاغ عن النموذج بالدرجة الكلية وبالأبعاد في نموذجَين منفصلَين مع توضيح.
ما الفرق بين الانحدار المتعدد والهرمي والتدريجي؟
المتعدد (Enter) يُدخل كل المستقلات معًا. الهرمي يُدخلها في كتل بترتيب يحدده الباحث نظريًا ويُبلغ عن الزيادة في R² لكل كتلة، وهو مفضَّل لضبط المتغيرات الديموغرافية. التدريجي (Stepwise) يترك للبرنامج اختيار المتغيرات إحصائيًا، ويُنتقد في الرسائل الأكاديمية لأنه يستغل خصائص العينة.
كيف أدخل متغيرًا اسميًا كالتخصص في تحليل الانحدار؟
بالترميز الصوري: لمتغير بأربع فئات تُنشأ ثلاثة متغيرات ثنائية (0/1) وتُترك فئة مرجعية؛ Transform ← Recode into Different Variables لكل متغير، أو Create Dummy Variables في الإصدارات الحديثة. يُفسَّر B لكل متغير صوري بوصفه الفرق عن الفئة المرجعية.
هل أحتاج التوزيع الطبيعي للمتغيرات المستقلة؟
لا. شرط الاعتدالية في الانحدار يخص البواقي لا المتغيرات نفسها. يمكن أن يكون متغير مستقل ثنائيًا أو منحرفًا؛ المهم مخطط البواقي ومخطط P-P بعد تشغيل النموذج.
المصادر
- Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE.
- Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson.
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage.
- Green, S. B. (1991). How many subjects does it take to do a regression analysis? Multivariate Behavioral Research, 26(3), 499–510. https://doi.org/10.1207/s15327906mbr2603_7
- Laerd Statistics. Multiple Regression Analysis using SPSS Statistics. https://statistics.laerd.com/spss-tutorials/multiple-regression-using-spss-statistics.php
- IBM. IBM SPSS Statistics documentation: Linear Regression. https://www.ibm.com/docs/en/spss-statistics
آخر تحقق من المصادر: نوفمبر 2026. المقال تعليمي عام ولا يغني عن لائحة جامعتك أو توجيهات مشرفك. كيف نُعد محتوانا.