Stat Academy | فترة التنبؤ (Prediction Interval): مفهومها واستخداماتها في التحليل الإحصائي

فترة التنبؤ (Prediction Interval): مفهومها واستخداماتها في التحليل الإحصائي

تُعد فترة التنبؤ (Prediction Interval) من المفاهيم المهمة في الإحصاء وتحليل البيانات، خاصة عند استخدام نماذج الانحدار والتنبؤ بالقيم المستقبلية. وتساعد فترة التنبؤ الباحث على تحديد نطاق متوقع يمكن أن تقع داخله قيمة مستقبلية جديدة مع مستوى ثقة محدد.

ويختلف مفهوم فترة التنبؤ عن فترة الثقة (Confidence Interval)، رغم وجود تشابه بينهما، ولذلك من المهم فهم الفرق بينهما عند تفسير نتائج التحليل الإحصائي.

ما المقصود بفترة التنبؤ (Prediction Interval)؟

فترة التنبؤ هي نطاق إحصائي يُستخدم لتقدير المكان المتوقع أن تقع فيه قيمة مستقبلية أو ملاحظة فردية جديدة بناءً على البيانات المتاحة والنموذج الإحصائي المستخدم.

على سبيل المثال، إذا استخدم الباحث نموذجًا إحصائيًا للتنبؤ بدرجة طالب بناءً على عدد ساعات المذاكرة، فقد يعطي النموذج توقعًا بأن درجة الطالب ستكون 80 درجة.

لكن التنبؤ لا يعني بالضرورة أن الدرجة الفعلية ستكون 80 بالضبط، ولذلك يمكن استخدام فترة التنبؤ، مثل:

80 ± 10 درجات

أي أن فترة التنبؤ عند المستوى المحدد تمتد من 70 إلى 90 درجة.

وتعكس هذه الفترة مقدار عدم اليقين المرتبط بالتنبؤ بقيمة فردية جديدة.

لماذا نستخدم فترة التنبؤ؟

لا تكون التنبؤات الإحصائية مؤكدة بشكل كامل، لأن البيانات الواقعية تحتوي على قدر من التباين وعدم اليقين.

لذلك تساعد فترة التنبؤ في:

تقدير نطاق القيم التي يمكن أن تظهر في المستقبل.
قياس درجة عدم اليقين حول التنبؤ.
تفسير نتائج نماذج الانحدار بصورة أكثر واقعية.
دعم اتخاذ القرارات المبنية على النماذج الإحصائية.
تحديد نطاق متوقع للملاحظات الجديدة.

فترة التنبؤ في نموذج الانحدار

تظهر أهمية Prediction Interval بشكل واضح في تحليل الانحدار.

فإذا كان لدينا نموذج انحدار خطي:

$Y= β0 +β1X + ϵY$

فإن الباحث يستطيع استخدام النموذج للتنبؤ بقيمة جديدة لـ $YY$ عندما تكون قيمة $XX$ معروفة.

لكن توجد عدة مصادر لعدم اليقين، منها عدم دقة تقدير متوسط الاستجابة، بالإضافة إلى التباين العشوائي للملاحظات الفردية.

ولهذا تكون فترة التنبؤ عادةً أوسع من فترة الثقة لمتوسط الاستجابة.

ما الفرق بين Prediction Interval وConfidence Interval؟

من أكثر الأخطاء شيوعًا الخلط بين فترة التنبؤ وفترة الثقة.

فترة الثقة (Confidence Interval) تُستخدم لتقدير نطاق يُحتمل أن يحتوي على متوسط قيمة الاستجابة عند قيمة معينة من المتغير المستقل.

أما فترة التنبؤ (Prediction Interval) فتُستخدم لتقدير نطاق يُحتمل أن تقع داخله قيمة فردية جديدة.

بمعنى أبسط:

Confidence Interval: أين يُتوقع أن يكون متوسط الاستجابة؟
Prediction Interval: أين يُتوقع أن تقع ملاحظة فردية جديدة؟

ولهذا السبب تكون فترة التنبؤ أوسع عادةً من فترة الثقة.

مثال مبسط على فترة التنبؤ

لنفترض أن الباحث أنشأ نموذجًا للتنبؤ بمبيعات متجر بناءً على حجم الإنفاق الإعلاني.

عند مستوى إنفاق إعلاني معين، أعطى النموذج توقعًا بأن المبيعات ستكون:

50 ألف جنيه

وكانت فترة التنبؤ عند مستوى ثقة 95%:

40 ألف – 60 ألف جنيه

هذا يعني أن النموذج يقدر أن قيمة المبيعات لملاحظة جديدة عند نفس الظروف يمكن أن تقع ضمن هذا النطاق وفق مستوى التنبؤ المستخدم.

ولا يعني ذلك أن هناك احتمالًا مطلقًا بأن تكون المبيعات داخل النطاق في كل مرة، وإنما يمثل النطاق نتيجة إحصائية مبنية على النموذج والبيانات المستخدمة.

كيف يتم حساب فترة التنبؤ؟

معادلة حساب فترة التنبؤ (Prediction Interval)

ŷ ± t_α/2 × s ×
√1 + 1/n + (x₀ – x̅)²/∑(x_i – x̅)²

في حالة الانحدار الخطي البسيط، تعتمد فترة التنبؤ على عدة عناصر، منها:

القيمة المتوقعة من النموذج.
حجم العينة.
تباين الأخطاء.
قيمة المتغير المستقل $XX$ .
متوسط قيم $XX$ .
مستوى الثقة المطلوب.

حيث:

$y^0$ : القيمة المتنبأ بها.
$t$ : القيمة الحرجة من توزيع T.
$s$ : الخطأ المعياري للنموذج.
$n$ : حجم العينة.
$x0$ : قيمة المتغير المستقل التي نريد التنبؤ عندها.
$xˉ$ : متوسط قيم المتغير المستقل.

ويُلاحظ وجود الرقم 1 داخل الجذر، وهو ما يعكس التباين الإضافي المرتبط بالتنبؤ بملاحظة فردية جديدة، ولذلك تكون فترة التنبؤ أوسع من فترة الثقة لمتوسط الاستجابة.

لماذا تكون فترة التنبؤ أوسع من فترة الثقة؟

عند التنبؤ بقيمة فردية جديدة، لا نعتمد فقط على عدم اليقين في تقدير متوسط الاستجابة، ولكن نأخذ أيضًا في الاعتبار التباين الطبيعي بين القيم الفردية.

لذلك تكون فترة التنبؤ عادةً أوسع من فترة الثقة عند استخدام نفس مستوى الثقة.

ما تأثير مستوى الثقة على فترة التنبؤ؟

كلما زاد مستوى الثقة المطلوب، أصبح نطاق فترة التنبؤ أوسع.

على سبيل المثال، قد تكون فترة التنبؤ عند مستوى ثقة 90% أضيق من فترة التنبؤ عند مستوى ثقة 95%، بينما تكون فترة 99% أوسع عادةً.

وهذا يعكس المفاضلة بين اتساع النطاق ومستوى الثقة.

متى تكون فترة التنبؤ واسعة؟

قد تصبح فترة التنبؤ واسعة عندما يكون هناك قدر كبير من التباين في البيانات أو عندما تكون العينة صغيرة.

كما يمكن أن تتسع الفترة عند إجراء التنبؤ لقيمة تقع بعيدًا عن متوسط قيم المتغير المستقل.

لذلك لا ينبغي تفسير التنبؤ بمعزل عن جودة النموذج وحجم العينة ومدى ملاءمة البيانات للنموذج المستخدم.

فترة التنبؤ باستخدام SPSS

يمكن حساب وفحص فترات التنبؤ باستخدام برامج التحليل الإحصائي مثل SPSS.

وعند إجراء تحليل الانحدار في SPSS، يمكن استخدام خيارات التنبؤ للحصول على القيم المتوقعة وحدود التنبؤ، ثم استخدام النتائج في تفسير النموذج وكتابة نتائج البحث العلمي.

ويجب عند عرض النتائج توضيح مستوى الثقة المستخدم، بالإضافة إلى تفسير الفترة في سياق المشكلة البحثية بدلًا من عرض الأرقام فقط.

أهمية Prediction Interval في البحث العلمي

تزداد أهمية فترة التنبؤ في الدراسات التي تهدف إلى استخدام نموذج إحصائي للتنبؤ بقيم مستقبلية أو قيم جديدة.

ويمكن استخدامها في العديد من المجالات، مثل:

الدراسات الطبية.
الاقتصاد وإدارة الأعمال.
التسويق.
العلوم الاجتماعية.
الهندسة.
التعليم.
تحليل المبيعات.
الدراسات السكانية.

فعلى سبيل المثال، يمكن استخدامها للتنبؤ بمبيعات منتج جديد، أو تقدير قيمة مستقبلية لمتغير طبي، أو توقع أداء طالب بناءً على مجموعة من المتغيرات المستقلة.

الخلاصة

تساعد فترة التنبؤ (Prediction Interval) الباحث على فهم مدى عدم اليقين المرتبط بالتنبؤ بقيمة فردية جديدة. وهي تختلف عن فترة الثقة التي تركز على تقدير متوسط الاستجابة.

ومن أهم النقاط التي يجب تذكرها أن فترة التنبؤ تكون عادةً أوسع من فترة الثقة؛ لأنها تأخذ في الاعتبار ليس فقط عدم اليقين في تقدير متوسط الاستجابة، ولكن أيضًا التباين العشوائي للملاحظة الفردية الجديدة.

لذلك فإن فهم Prediction Interval واستخدامها بشكل صحيح يساعد الباحث على تقديم نتائج إحصائية أكثر دقة ووضوحًا، خصوصًا عند استخدام نماذج الانحدار للتنبؤ بالقيم المستقبلية.

اقرأ ايضا :

نسبة الأرجحية Odds Ratio: مفهومها وطريقة حسابها وتفسيرها