دراسة مقارنة بني األساليب اإلحصائية لدراسة العوامل املؤثرة على تعدد الزوجات يف األراضي الفلسطينية

Transcript

1 جاااة اااهااا ااا - غااا عاادااةل ساا ا عااااة سااهاا اا ااة ك القتصااةل ع سه اإل رل ا قساااح ر صاااةق ساتا ا ا ا ا دراسة مقارنة بني األساليب اإلحصائية لدراسة العوامل املؤثرة على تعدد الزوجات يف األراضي الفلسطينية A Comparative Study Between Statistical Methods to Study the Factors Affecting the Polygamy in the Palestinian Territories إعداد الباحث ياسر عبد اهلل عابد إشراف األستاذ الدكتور/ عبد اهلل حممد اهلبيل أستاذ االحصاء - جامعة األزهر -غزة ق ت ذه س عةس عتكدةال ملت ة حلصال ع ى لاج ملةجستري يف ر صةق ن ك القتصةل ع سه اإل رل ا جة ه - غ 1436 ه 2015 م

2 بسم اهلل الرمحن الرحيم أ ف ال ي ت د ب ر ون ال ق ر آن و ل و ك ان م ن ع ند غ ي ر الل ه ل و ج د وا ف يه اخ ت الف ا ك ث ري ا صدق اهلل العظيم سورة النساء )82( أ

3 اإلهداء إلى من تنير بحبها الوجدان ويسع قلبها كل الحنان... إلى روح والدي طيب هللا ث اره...إلى من أحمل اسمه بكل افتخار... إلى رفيقة الدرب وخليلة القلب... إلى القلوب الرقيقة والنفوس البريئة... إلى من شاركوني حنان أمي وعطاء أبي واستمد بهم عزتي... إلى روح المربية الفاضلة/ سعاد عبد القادر المصري رحمها هللا... إلى من لم يدخروا جهدا عني... إلى كل من ساندني وشجعني وكل من له فضل علي... إلى من علمونا فأخلصوا.. وزرعوا فينا فأنتجوا لهم كل االحت ارم... إلى من نفتديه بأرواحنا ودمائنا ونبقى في حقه مقصرين... أهدي هذا العمل أمي الغالية أبي الفاضل زوجتي الحبيبة أبنائي األع ازء إخواني وأخواتي حماتي زمالئي ومد ارئي أصدقائي وأحبائي أساتذتي األفاضل وطني فلسطين الباحث ياسر عبد هللا عابد ب

4 الشكر والتقدير الحمد هلل وحده والصالة والسالم على من ال نبي بعده ال يسعني في هذا المقام اال أن أتوجه بالحمد والشكر واالمتنان هلل عز وجل الذي أمدني بالصبر وااليمان وأكرمني بنعمه التي ال تعد وال تحصى فالحمد هلل رب العالمين القائل في كتابه الحكيم "وما بكم من نعمة فمن هللا" سورة النحل 53. أود وأنا في ختام هذا الجهد المتواضع ان أسجل شكري الجزيل إلى والدي العزيز رحمه هللا كما أتقدم بالشكر الجزيل إلى والدتي الغالية والتي كانت دعواتها لي بالتوفيق تنير أمامي الطريق في كل الظروف. كما أتقدم بالشكر والعرفان إلى أستاذي الفاضل الدكتور عبد هللا الهبيل على ما بدله من جهد في إش ارفه على هذه الرسالة ودعمه المتواصل لي حتى إنجاز هذا الجهد. كما أتقدم بالشكر الجزيل ألعضاء لجنة المناقشة المحترمين لما سوف يقدمونه من مالحظات قيمة إلغناء هذه الرسالة. كما أتقدم بالشكر والعرفان الي اعضاء هيئة التدريس في قسم االحصاء ألا ستاذ الدكتور / محمود عكاشة والدكتور / مؤمن الحنجوري والدكتور / شادي التلباني على كل ما بدلوه من جهد خالل الد ارسة. وختاما ال يسعني إال أن أتقدم بجزيل الشكر والعرفان إلى كل من ساعدني وساهم في إنجاز هذا الجهد المتواضع. والحمد هلل رب العالمين ج

5 ع- الملخص تناولت هذه الد ارسة المقارنة بين أسلوب الشبكات العصبية وأسلوب االنحدار اللوجستي كأحد األساليب التي ينصح في استخدامها في البيانات ثنائية االستجابة واستخدام تقنية البوتست ارب لتأكيد النتائج وتم استخدام معايير التقييم االحصائية "دقة النموذج وحساسية النموذج خصوصية النموذج معدل اإلنذا ارت الخاطئة للنموذج المساحة تحت المنحني ROC ومعدل الخطأ في التصنيف " وبناء على نتائج تلك المعايير توصلت الد ارسة إلي أن أسلوب الشبكات العصبية أفضل من أسلوب االنحدار اللوجستي للتطبيق علي بيانات هذه الد ارسة واستخدام تقنية البوتست ارب أكدت هذه النتائج كما توصلت الد ارسة من خالل توفيق النموذج النهائي للشبكات العصبية واالنحدار اللوجستي إلى أن أهم العوامل التي كان لها أثر واضح على تعدد الزوجات في األسرة الفلسطينية هي كما يوضح الجدول التالي: الشبكات العصبية (ANN) 1 دد م ارت الزواج للزوجة. 2- وجود أبناء أوبنات يعيشون في األسرة. 3- عمر السيدة عند الزواج االول. 4 -العمرعند الحمل األول. اإلنحدار اللوجستي )LR( 1 -عمر السيدة عند الزواج االول. 2- مدة الحياة الزوجية. 3- عدد م ارت الزواج للزوجة. 4 -وجود أبناء وبنات يعيشون في األسرة. وباستخدام نموذج الشبكات العصبية تم قياس درجة األهمية للمتغير المستقل على المتغير التابع كان عدد م ارت الزواج هو العامل األكثر أهمية %31.1 وبنسبة وكان عامل وجود أبناء أو بنات يعيشون في األسرة بنسبة %21.4 وكان عامل عمر السيدة عند الزواج األول بنسبة بينما كان عامل العمر عند الحمل االول بنسبة %6.9. %16.5 د

6 Abstract This study addressed the comparison between the method of neural networks and the method of logistic regression as one of the methods that are recommended to use in dual-data response. The statistical evaluation criteria "model accuracy model sensitivity model privacy false alarms rate the area under the curved ROC and the rate of misclassification "were used; accordingly the researcher found that neural networks method is better than the logistic regression method to be applied on the study data and the use of bootstrap technique has confirmed these results. The researcher conclude through the final Neural Network model that the most important factors that have a clear impact on polygamy in the Palestinian community by using neural networks are: Neural Networks (ANN) 1. Marriage times' number of wife 2.The presence of sons and daughters living in the family. 3.The wife age at first marriage. 4.The wife age at first pregnancy. Logistic Regression (LR) 1. The wife age at first marriage. 2. The marital life duration. 3. Marriage times' number of wife 4.The presence of sons and daughters living in the family. By Using neural network model it has been measuring the degree of importance of the independent variable on the dependent variable and the results were as the following: the number of marriage times was the most important factor and was about 31.1%. While the factor of the presence of sons or daughters living in the family was about 21.4%. The factor of woman age at first marriage increased about 16.5%. While the factor of age at first pregnancy was about 6.9%. ه

7 قائمة المحتويات أ ب ج د ه و ز ح ط قرآن كريم إهداء شكر وتقدير الملخص Abstract قائمة المحتويات قائمة الجداول قائمة االشكال قائمة المختص ارت الفصل األول: مقدمة 1.1 مقدمة 2.1 مشكلة الد ارسة 3.1 أهداف الد ارسة 4.1 أهمية الد ارسة 5.1 حدود الد ارسة 6.1 مصدر البيانات 7.1 متغي ارت الد ارسة وتعريفاتها االج ارئية 8.1 منهجية الد ارسة 9.1 الد ارسات السابقة 10.1 تقسيم الد ارسة الفصل الثاني: االنحدار اللوجستي 1.2 مقدمة 2.2 مفهوم االنحدار اللوجستي 3.2 خطوات تحليل االنحدار اللوجستي 4.2 تحويالت االنحدار اللوجستي لوغاريتم معامل الترجيح معامل الترجيح أو المفاضلة 5.2 تقدي ارت وتفسير معامل االنحدار اللوجستي تقدير معامالت االنحدار اللوجستي تفسير معامالت االنحدار اللوجستي 6.2 تقويم مالئمة نموذج االنحدار اللوجستي التحقق من مالئمة النموذج ككل و

8 م ازيا وعيوب االنحدار اللوجستي 8.2 مبر ارت استخدام االنحدار اللوجستي 9.2 الخالصة الفصل الثالث : الشبكات العصبية وطرق تقييم االداء 1.3 مقدمة 2.3 تاريخ الشبكات العصبية 3.3 أنواع التدريب في الشبكات العصبية التدريب الموجه التدريب غير الموجه التدريب القصري 4.3 مكونات ومنظومة الشبكات العصبية االصطناعية 5.3 ما هيه العصبة االصطناعية 6.3 نماذج الشبكات العصبية االصطناعية 7.3 البنية المعمارية للشبكة العصبية االصطناعية 8.3 الشبكات العصبية االصطناعية للنماذج الخطية وغير الخطية 9.3 عدد طبقات الشبكات العصبية شبكات الطبقة المفردة الشبكات متعددة الطبقات 10.3 استخدام الشبكات العصبية في التنبؤ 11.3 م ازيا وعيوب الشبكات العصبية 12.3 طريق تقييم االداء طريقة البوتست ارب مصفوفة التصنيف منحنيات ROC المساحة تحت المنحنى 13.3 الخالصة الفصل ال اربع: تحليل البيانات ومناقشة النتائج 1.4 مقدمة 2.4 البيانات واالحصاءات الوصفية 3.3 نموذج االنحدار اللوجستي 4.4 نموذج االنحدار اللوجستي طريقة البوتست ارب 5.4 نموذج الشبكات العصبية 6.4 نموذج الشبكات العصبية طريقة البوتست ارب 7.4 مقارنة بين النماذج ز

9 توفيق النموذج النهائي باستخدام االنحدار اللوجستي 9.4 توفيق النموذج النهائي باستخدام الشبكات العصبية 10.4 خالصة الفصل الخامس : النتائج والتوصيات 1.5 النتائج 2.5 التوصيات قائمة الم ارجع 1. الم ارجع العربية 2. الم ارجع اإلنجليزية المالحق ح

10 رقم الجدول قائمة الجداول عنوان الجدول جدول التصنيف مصفوفة التصنيف ( التشويش( وصف متغي ارت الد ارسة احصاءات متغي ارت الد ارسة تصنيف نموذج االنحدار اللوجستي تصنيف نموذج االنحدار اللوجستي - طريقة البوتست ارب تصنيف نموذج الشبكات العصبية تصنيف نموذج الشبكات العصبية طريقة البوتست ارب معايير الدقة للنماذج العوامل المؤثرة على تعدد الزوجات في فلسطين درجة األهمية لكل عامل من العوامل المؤثرة على تعدد الزوجات صفحة ط

11 رقم الشكل الشبكة العصبية االصطناعية. دالة التنشيط اللوجستية مكونات الخلية العصبية نموذج لشبكة عصبية ذات تغدية امامية نموذج لشبكة عصبية ذات تغدية مرتجعه. التمثيل البياني للشبكة العصبية قائمة األشكال عنوان الشكل شبكة عصبية للنموذج الخطي ذات وحدة اخ ارج واحدة شبكة عصبية للنموذج الخطي ذات مدخلين ومخرج واحد شبكة عصبية للنموذج الخطي ذات عدة مدخالت وعدة مخرجات شبكة عصبية للنموذج غير الخطي ذات مدخل واحد ومخرج واحد يمثل معمارية الشبكات الطبقة المفردة يمثل معمارية شبكات متعددة الطبقات التوزيع النسبي لمتغير تعدد الزوجات في فلسطين منحني ROC يبين حساسية وخصوصية نموذج االنحدار اللوجستي منحني ROC يبين حساسية وخصوصية نموذج االنحدار اللوجستي- منحني ROC يبين حساسية وخصوصية نموذج الشبكات العصبية طريقة بوتستر اب منحني ROC يبين حساسية وخصوصية نموذج الشبكات العصبية طريقة البوتست ارب. صفحة ي

12 قائمة المختص ارت LR Logistic regression ROC Receiver Operator Characteristic Curve OLS ANN ML Ordinary Least Squares Artificial Neural Networks Maximum Likelihood LSE Least Squares Estimate ك

13 الفصل األول مقدمة 1

14 1.1 مقدمة تعدد الزوجات نمط من أنماط الزواج يباح بمقتضاه أن يكون في عصمة الرجل أكثر من زوجة واحدة وقد أخذ بهذا النظام كثير من الشعوب في مختلف العصور ولعل أشهرها العب ارنيون في العصور القديمة والعرب في الجاهلية والف ارعنة إذ كان ألشهر ف ارعنتهم " رمسيس الثاني" ثماني زوجات والعديد من الجواري. وقد كان هذا النظام معروفا لدى األسر المالكة في مصر القديمة ولدى األش ارف واألغنياء وبين عامة الشعب أحيانا وما ي ازل هذا النظام منتش ار حتى اآلن. )2004 لدى كثير من الشعوب بما فيها الشعوب العربية واإلسالمية )الشنقيطي والثابت تاريخيا كما يشير علماء األنثروبولوجيا واالجتماع أن هذا النمط من الزواج ظهر بشكل واضح عند الشعوب غير المتقدمة التي اعتمدت نمط اإلنتاج الز ارعي كما يالحظ أن التعدد كان وما ي ازل منتش ار بين شعوب وقبائل أخرى ال تدين باإلسالم مثل : " الشعوب الواقعة في إفريقيا والهند والصين واليابان ومناطق أخرى في جنوب شرق أسيا " )شكري 2000(. أما الحكمة من تعدد الزوجات فقد أجمعت الد ارسات على عدة أمور منها : " إن عدد النساء قد يتجاوز عدد الرجال خاصة في أوقات الحروب وبسبب حب الذرية والرغبة في الحصول عدد وافر من األطفال خاصة الذكور منهم وعقم الزوجة أو مرضها والقيمة االجتماعية لألطفال والمباهاة على اعتبار أن األطفال رمز لمكانة الرجل وسلطته وقد يستخدم تعدد الزوجات نظام لتوثيق صلة الق اربة وتدعيم أواصر العالقات بين األسر في بعض المجتمعات ويرى بعض علماء النفس أن الرجل ينزع إلى تعدد العالقات بحكم تكوينه البيولوجي وفطرته ( جابر والطاهر 2004(. 2

15 وقد اوضح كثير من علماء االجتماع المعاصرين على أن نظام تعدد الزوجات في طريقه إلى االختفاء استجابة للتحوالت االجتماعية االقتصادية والثقافية التي أصابت المجتمعات اإلنسانية ونتيجة لتغير أسلوب الحياة فيها وتغير أنماطها اإلنتاجية من أنماط اإلنتاج الز ارعي التقليدي إلى أنماط اإلنتاج الصناعي وما الزم هذا التغير من انتشار للتعليم وزيادة مساهمة الم أرة بسوق العمل وتغيير في مكانتها االجتماعية وارتفاع تكاليف الحياة ويبدوا أن هذا النمط من الزواج آخذ في االضمحالل خاصة في ظل كثرة القوانين التي وضعت لضبطه من في كثير المجتمعات اإلنسانية ففي تونس مثال اتجه المشرعون اتجاها متشددا بخصوص تعدد الزوجات حيث ألغوا هذا النظام من الزواج وأكدوا ضرورة احتفاظ الرجل بزوجة واحدة واعتبروا الزواج بام أرة ثانية زواجا باطال واذا تزوج الرجل بأكثر من زوجة واحدة يستوجب عقابا بالحبس لمدة عام كما قيدته كثير من التشريعات الليبية والمغربية وشددت قوانين األحوال الشخصية في تركيا على منعه وتجريم من يمارسه ( المالك ونوفل 2006(. تبين األدبيات االجتماعية في هذا السياق تفاوت شدة مواقف األف ارد واتجاهاتهم تجاه نظام تعدد الزوجات تبعا الختالف خصائصهم وكذلك تبعا الختالف خصائص المحيط الذي يعيشون في كنفه كما تتفاوت المواقف لتأخذ أبعادا متباينة كتلك المالزمة للممارسات المتعلقة بتك ارر الزواج للرجل خاصة في حالة عقم الزوجة أو عدم إنجاب الزوجة لألطفال الذكور أو حالة عجزها أو مرضها ( عطشان 1998(. وتعد هذه المواقف مهمة في تحديد مالمح نمط تعدد الزوجات في المجتمع الفلسطيني التعقيد والقصور. وان كانت آلية عمل مثل هذه المواقف غامضة ويكتنفها كثير من أوجه 3

16 وال شك أن هناك العديد من العوامل التي يمكن أن تؤثر في تعدد الزوجات للرجل في األ ارضي الفلسطينية والتي سوف تتناولها الد ارسة وتحديد أهم تلك العوامل المؤثرة في تعدد الزوجات في األ ارضي الفلسطينية. وهناك العديد من األساليب اإلحصائية التي بموجبها يمكن د ارسة تأثير المتغي ارت المستقلة على تعدد الزوجات ومن هذه األساليب اإلحصائية االنحدار اللوجستي و الشبكات العصبية االصطناعية. 2.1 مشكلة الد ارسة من المألوف في الد ارسات االنسانية واالجتماعية واالقتصادية ان يكون المتغير التابع متغي ار Dichotomous منفصال قيمة ثنائية يأخذ بحيث )نوعيا ( هذا يشكل تحديا وان اكثر او كبي ار للباحثين عند محاولتهم توظيف تحليل االنحدار الخطي )البسيط او المتعدد( الذي يكون مقيد نوعا ما باشت ارط ان يكون المتغير التابع متغي ار كميا متصال بدال من ان يكون وصفيا منفصال. كما أن تعدد الزوجات من الممكن أن يؤدي إلى ضرر ال تستطيع كثير من النساء العيش معه ويخلو قانون األحوال الشخصية الفلسطيني وكذلك قانون حقوق العائلة المطبقان في من فلسطين أي تقييد لتعدد الزوجات ويعطيان الحق المطلق للزوج في الزواج من أربعة نساء األمر الذي تم تقييده في قوانين األحوال الشخصية لبعض البلدان العربية وفى بلدان عربية أخرى تم منع تعدد الزوجات. القانون الحالي ال يعطي الحق للزوجة باالختيار بين االستم ارر في الحياة الزوجية مع زوجها الذي تزوج من ثانية وبين حرية إنهاء العالقة الزوجية إذا تضررت من ذلك ( المركز الفلسطيني لحقوق اإلنسان 2010( ومن هنا ظهرت الحاجة إلى د ارسة متعمقة للعوامل التي 4

17 تؤثر في تعدد الزوجات للرجال وقد تعددت األساليب اإلحصائية التي تتناول د ارسة أثر هذه العوامل وبناء على ما سبق فإن التساؤل الرئيسي لهذه الد ارسة هو : ما هو االسلوب اإلحصائي األمثل لد ارسة العوامل التي تؤثر في تعدد الزوجات للرجال في األ ارضي الفلسطينية 3.1 أهداف الد ارسة تهدف هذه الد ارسة وبشكل محدد إلى المقارنة بين كال من أسلوبي االنحدار اللوجستي والشبكات العصبية وتحديد األسلوب األمثل من بين األساليب في تحديد العوامل المؤثرة على تعدد الزوجات في اال ارضي الفلسطينية وينبثق من هذا الرئيسي الهدف مجموعة من االهداف الفرعية التالية.. مدى انتشار ظاهرة تعدد الزوجات في اال ارضي الفلسطينية 1- د ارسة التعرف على أهم المحددات االجتماعية واالقتصادية لنمط تعدد الزوجات في المجتمع الفلسطيني. -2 النماذج االحصائية المتمثلة في نموذج االنحدار اللوجستي ونموذج الشبكات 3- تطبيق العصبية والمقارنة بينهما. وعلى ضوء ما تقدم فقد تم صياغة أهداف الد ارسة بجملة من التساؤالت وهي : االسلوب اإلحصائي األمثل لد ارسة العوامل لتعدد الزوجات للرجال في اال ارضي 1- ما هو الفلسطينية انتشار ظاهرة تعدد الزوجات في اال ارضي الفلسطينية 2- ما مدى 3- ما أهم المحددات االجتماعية واالقتصادية لنمط تعدد الزوجات في اال ارضي الفلسطينية 5

18 4.1 أهمية الد ارسة تنبع أهمية هذه الد ارسة من خالل استخدام أساليب إحصائية متقدمة في التحليل ومحاولتها الكشف عن أهم محددات نمط تعدد الزوجات وآثاره االجتماعية والديموغ ارفية في المجتمع الفلسطيني باعتبار أن هذا النمط من الزواج له وظائفه االجتماعية واالقتصادية والسياسية في مجتمعنا الفلسطيني وتكمن أهمية الد ارسة أيضا في ندرة الد ارسات االجتماعية التحليلية التي تناولت موضوع محددات تعدد الزوجات وآثاره في المجتمع الفلسطيني. فعلى الرغم من وجود بعض الد ارسات التي بحثت في هذا السياق إال أن أغلب هذه الد ارسات ناقشت هذا الموضوع حسب علم الباحث- كصيغة جزئية في د ارسة أو بطريقة عابرة أو تناولته كبعد ثقافي محدد أو كجزء من د ارسة واسعة دون الدخول في حيثيات هذه الظاهرة ولم تطرحها كقضية محورية وأساسية ومن هنا جاءت أهمية هذه الد ارسة في تركيزها حصريا على بحث وتحليل محددات نمط تعدد الزوجات وآثاره االجتماعية والديموغ ارفية التي أغفلتها الد ارسات السابقة. وبشكل عام فإن أهمية هذه الد ارسة تأتي من كونها تشكل محاولة لربط نمط تعدد الزوجات بجوانب اجتماعية ثقافية وديموغ ارفية األمر الذي من شأنه أن يسهم في تعميق معرفتنا حول ظاهرة تعدد الزوجات من جوانب وأبعاد اجتماعية وديموغ ارفية مختلفة. وبصورة عامة فقد جاءت هذه الد ارسة لتغطي نقصا حاصال في األدبيات االجتماعية والديموغ ارفية التي لم يسبق أن تعرضت لمثل هذه الظواهر من ازوية عالقتها بالسلوك االجتماعي والديموغ ارفي لألزواج بالد ارسة والتحليل. 6

19 5.1 حدود الد ارسة تنقسم حدود الد ارسة إلى ثالثة أج ازء : النساء من 12 سنة فما فوق 1- الحدود السكانية : 2- الحدود المكانية ( الجغ ارفية( : األ ارضي الفلسطينية ( الضفة الغربية وقطاع غزة(. 3- الحدود الزمنية : المسح الصحي الديموغ ارفي لعام 2004 م. 6.1 مصدر البيانات تم الحصول على بيانات الد ارسة من الجهاز المركزي لإلحصاء الفلسطيني من خالل المسح الصحي الديموغ ارفي لعام 2004 وسوف يتم كذلك استخدام النش ارت اإلحصائية الصادرة عن الجهاز المركزي لإلحصاء الفلسطيني المتعلقة بالد ارسة موضع االهتمام. 7.1 متغي ارت الد ارسة وتعريفاتها اإلج ارئية قسمت هذه المتغي ارت إلى قسمين رئيسين هما أوال : المتغي ارت المستقلة بناء على ما سبق من الد ارسات السابقة فإن المتغي ارت المستقلة التي يتوقع الباحث أن يكون لها تأثير على المتغير التابع ( تعدد الزوجات( هي : - العمر عند الزواج األول مدة الحياة الزوجية. 3.صلة الق اربة بين الزوجة وزوجها األول. 7

20 4. هل سبق الحمل. 5.العمر عند الحمل األول.. هل سبق للزوجة حمل أي مولود عاش لفترة محددة لو حتى.6 7.المنطقة. 8.مدى وجود أبناء يعيشون معك اآلن. عدد م ارت الزواج للزوجة..9. بين الفروق أبناء وال يعيشون في األسرة 11. عدد المواليد. الفروق بين المواليد الحالية والسابقة حالة الحمل الحالية. 14. وجود أحمال ال تنتهي بوالدة. 15. مجموع األحمال طوال الحياة أكثر من خمسة. 16. نوع التجمع. 8

21 ثانيا : المتغير التابع يعد متغير تعدد الزوجات المتغير الرئيسي في هذه الد ارسة حيث سعت هذه الد ارسة إلى التعرف على محدداته المختلفة وقد صنف هذا المتغير على أنه متغير وصفي ثنائي يأخذ احدى القيمتين التاليتين: : زوجة واحدة على ذمة الرجل ( ال يوجد تعدد زوجات ) 0 : أكثر من زوجة على ذمة الرجل ( يوجد تعدد زوجات( منهجية الد ارسة تتركز الفكرة األساسية للد ارسة على وصف الظاهرة قيد الد ارسة ود ارسة العوامل المؤثرة ع ىل تعدد الزوجات في المجتمع الفلسطيني وسوف نقوم في هده الد ارسة باعتماد المنهج الوصفي واستخدام اسلوب التحليلي االنحدار اللوجستي والشبكات العصبية والمقارنة بينهما. يهتم حيث أسلوب االنحدار اللوجستي بمحاولة تحديد طبيعة العالقة بين المتغي ارت واستخدام تلك العالقة في التنبؤ بقيم متغير ما ( المتغير التابع) إذا علمت قيمة المتغير أو المتغي ارت األخرى ( المتغي ارت المستقلة) أي أن الغرض األساسي الستخدام االنحدار اللوجستي هو تقدير النموذج الذي يمثل العالقة بين المتغي ارت الستخدامها في التنبؤ اإلحصائي. وأيضا الغرض األساسي من استخدام النماذج اللوجستية هو التنبؤ بوقوع أو عدم وقوع حدث معين أو ظهور أو عدم ظهور ظاهرة معينة. أما الشبكات العصبية فتعرف في معينة خصائص لها التي المعلومات لبناء نظام بأنها التقليدية. الشبكات مع متشابهة األداء العصبية البيولوجية. ويمكن استخدامها النماذج عن كبديل الشبكات نماذج أثبتت ولقد وسهولة بدقة المشكالت بحل التنبؤ على قدرتها العصبية مقارن ة 9

22 باألساليب اإلحصائية إلى فرضيات النظر بدون الشبكات أسلوب تطبيق يمكن حيث التقليدية طبيعة عن معينة المتغي ارت التقليدية الطرق من العكس على وذلك البعض بعضها مع وعالقتها SPSS وبرنامج )2013 )العباسي التنبؤ في العادية. وسيتم استخدام برنامج التحليل اإلحصائي R في تحليل البيانات. 9.1 الد ارسات السابقة يقوم هذا الجزء من الد ارسة باستع ارض أهم الد ارسات السابقة التي تناولت ظاهر األسرة لزوجات ومحدداتها وآثارها الديموغ ارفية بالبحث والتحليل. تشير د ارسة )1986 Chami( إلى أن نظام تعدد الزوجات في الوطن العربي ينتشر لدى السيدات الالتي لم يسبق لهن الزواج وتجاوزن السن المتعارف عليه عند الزواج والالتي ينحدرن من منابت وأصول ريفية أو بدوية وبالنسبة للرجال فإنهم ينتمون إلى مختلف الش ارئح االجتماعية واالقتصادية وبينت الد ارسة أن أهم دوافع هذا النمط من الزواج أن تكون الزوجة األولى عقيما وغير قادرة بيولوجيا على الحمل واإلنجاب أو تعاني من أم ارض أو علل صحية وخلصت الدر اسة إلى أن العالقة بين هذه العوامل ونمط تعدد الزوجات معقدة ويشوبها كثير من الغموض وعدم الوضوح. كما خلصت د ارسة ( سليمان 1997 ) بعنوان " تعدد الزوجات وآثاره االقتصادية واالجتماعية : د ارسة ميدانية في مدينة الحسكة " إلى أن مظاهر التحديث المختلفة التي أصابت مجتمع الحسكة السورية ( كارتفاع مستوى تعليم السكان وزيادة مساهمة الم أرة بسوق العمل وارتفاع عمرها عند الزواج ) قد أحدثت تغيي ارت جذرية واسعة سواء فيما يتعلق ببنية األسرة وحجمها أو بنمط تعدد الزوجات كما أدت هذه التغي ارت إلى زيادة اتجاه األزواج نحو " الزواج األحادي " ونحو 10

23 تكوين أسرة صغيرة الحجم وزيادة تبني مظاهر التحديث. كما بينت الد ارسة أن تعدد الزوجات كثي ار ما يرتبط بزيادة بروز مشاكل داخل األسرة وضعف الروابط األسرية وزيادة تبني األطفال بسلوكيات غير سوية. أما د ارسة ( المصاورة 1999( بعنوان " األنماط الزواجية وتبايناتها في األردن في العقدين فتؤكد خصوصية العالقة القائمة بين العوامل الثقافية من جهة ونمط تعدد الزوجات الماضيين " من جهة أخرى إذ تشير الد ارسة أن لألع ارف والقيم االجتماعية والثقافية السائدة في المجتمع األردني المحافظ دو ار في تبرير استم ارر نظام تعدد الزوجات لدى الرجال بل تضفي عليه الشرعية الالزمة خاصة وأن هذا النمط من الزواج يرتبط لدى الكثير من األسر بمفهوم " السترة " فكثي ار ما تنظر األسر إلى الزواج كونه سترة إلناث العائلة بصرف النظر عن الحالة الزواجية للرجل كما خلصت الد ارسة إلى أن نسبة تعدد الزوجات تزداد في المناطق الريفية وبين النساء األميات في المجتمع األردني. وقامت د ارسة )مصطفى 2011 ( تعدد الزوجات بعنوان" في المجتمع الليبي" وهي د ارسة وصفية تحليلية على عينة من زوج ليبي توصلت الد ارسة إلى أن أهم العوامل ع ىل المؤثرة 300 تعدد الزوجات في ليبيا هي )العمر المستوى التعليمي الدخل(. كما بينت د ارسة لدائرة اإلحصاءات العامة االردنية )2008( أن نسبة تعدد الزوجات في المجتمع األردني واضحة لدى األجيال الكبيرة بالعمر من السيدات )فوق 40 عاما( مقارنة بالسيدات في األعمار الشابة والى ارتفاع نسب تعدد الزوجات في المناطق الريفية والبادية األردنية مقارنة بما هو عليه في المناطق الحضرية. 11

24 وقامت در اسة )العبادي واخرون 2014 ( بعنوان "دعم ال اري المهني للمدقق باستخدام تقنيات البحث عن البيانات ي التنبؤ بوجود اخطاء جوهريه في القوائم المالية" ومن اهداف هده بين الشبكات "المقارنة الد ارسة العصبية واالنحدار اللوجستي في د ارسة وجود اخطاء جوهرية في بنود القوائم المالية" حيث بلغت عينة الد ارسة 130 شركة صناعية وخدمية في االردن حيث اظهرت االنحدار تقنية اللوجستي دقه اكثر من تقنية الشبكات العصبية في هدا المجال. بعنوان " وقامت د ارسة ( الم ارد 2012 ) مقارنه بين الشبكات العصبية واالنحدار الكالسيكي في التنبؤ بمستويات نتائج بحوث طلبه كلية التربية الرياضية" وتناولت هده الد ارسة بين المقارنة الشبكات العصبية والطريقة اإلحصائية الكالسيكية وكانت عينة البحث من بحوث السنة الد ارسية ال اربعة في كلية التربية الرياضية بجامعة الموصل في الع ارق للعام الد ارسي 2006 وبلغ حجم العينة 357 طالبا حيث اوضحت الد ارسة ان طريقة الشبكات العصبية تقدما واضحا علي طريقة االنحدار المتدرج وفق المعايير االحصائية و اظهار افضل السبل إلظهار نتائجها في رفع مستوي البحوث العلمية واالرتقاء بها. وتناولت د ارسة )سليمان حمدي 2014 ( بعنوان " المقارنة بين النموذج اللوجستي الثنائي ونماذج الشبكات العصبية االصطناعية للتمييز بين دخل األسرة " وقامت هذه الد ارسة بالمقارنة بين طريقة الشبكات العصبية ونموذج االنحدار اللوجستي لتصنيف المشاهدات الى المجموعة التي تنتمي اليها في حالة كون بعض المتغي ارت ال تتبع التوزيع الطبيعي وذلك للمفاضلة بين الطريقتين المستخدمتين. وقد تم استخدام معيار نسبة المشاهدات المصنفة خطأ كمعيار للمقارنة بين الطريقتين وتمثلت مشكلة الد ارسة في كيفية تمييز وتصنيف دخول االسر من حيث الكفاية الى دخل كافي ودخل غير كافي في ظل الزيادة الكبيرة في أسعار معظم السلع الضرورية وهدفت 12

25 الد ارسة الى التعرف على اهم المتغي ارت التي تؤثر على كفاية دخل االسرة والمقارنة بين أسلوبي النموذج اللوجستي الثنائي ونماذج الشبكات العصبية باإلضافة الى التعرف على االسلوب االحصائي األفضل بين االسلوبين معالجة مثل هذه البيانات. ومن أهم نتائج هذه الد ارسة ان طريقة الشبكات العصبية االصطناعية قد اعطت نسبة تصنيف أفضل من نمودج االنحدار اللوجستي الثنائي من أهم توصيات الد ارسة: االستفادة من األساليب اإلحصائية في جميع مجاالت المعرفة وتعميم تطبيق أسلوبي الشبكات العصبية والنموذج اللوجستي في جميع مجاالت المعرفة. د ارسة ) 1997 )Savitridina, أشارت في د ارستها " محددات ونتائج الزواج المبكر في إندونيسيا" وباستخدامها طريقة االنحدار اللوجستي إلى أن متغي ارت التعليم الوضع الوظيفي للم أرة قبل الزواج والسكن الحالي هي متغي ارت دالة إحصائيا في المبكر الزواج في التغي ارت تفسير المتغي ارت هذه بين ومن هو المتغير الم أرة تعليم أن وجدت في المبكر الزواج تفسير في األقوى إندونيسيا. من اإلقامة ومكان الم أرة عمل أن إلى الد ارسات بعض تشير التعليم أهمية إلى إضافة األول. الزواج عند العمر على قويا تأثي ار تؤثر التي المتغي ارت د ارسة ( الختاتنة 2000) بينت هذه الد ارسة " مشكالت الزواج في األردن " أن تأخير العمر عند الزواج له انعكاسات هامة على بقاء مؤسستهن الزواجية واستم اررها عمر الم أرة عند الزواج زيادة نضجها في التعاطي مع شؤونها األسرية إذ عادة ما يقترن بتأخر وارتفاع مستوى د اريتها ومعرفتها الحياتية وارتفاع مهارتها في إدارة شؤون أسرتها داخل نطاق مؤسستها الزواجية وزيادة خبرتها ومستوى مدركاتها وزيادة عوامل األلفة واالنسجام والتوافق مع الزوج وبالتالي احتماالت استم اررية عرى زواجها وديمومته. 13

26 وتتفق هذه الرسالة مع الد ارسات السابقة وتتفق هذه الرسالة مع الد ارسات السابقة في المتغي ارت األكثر تأثير على تعدد الزوجات وهي متغير العمر عند الزواج األول ومتغير االنجاب )وجود أوالد األسرة(. واختلفت الد ارسة مع الد ارسات السابقة متغير في نوع التجمع الذي أولته الد ارسات السابقة أهمية على خالف هذه الد ارسة حيث كان فيها أقل أهمية مقارنة مع باقي المتغي ارت كما أوضحت الد ارسات السابقة ان تعدد الزوجات كان ينتشر بين جميع ش ارئح الرجال وطبقاتهم تقسيم الد ارسة تنقسم الد ارسة إلى خمس فصول حيث يحتوي الفصل األول يتكون هدا و على المقدمة الفصل من العامة المقدمة مشكلة الد ارسة أهداف الد ارسة أهمية الد ارسة حدود الد ارسة مصدر الد ارسة والد ارسات السابقة التي تتعلق بموضوع الد ارسة ومنهجية الد ارسة. أما الفصل الثاني عبارة عن اإلطار النظري لنموذج اإلحدار اللوجستي وسوف يتم تناول تعريف عام عن مفهومه وعن خطوات تحليله وتحويالته وتقدير وتفسير معامالته تقويم مالئمته وميز ات وعيوبه وأخي ار مبر ارت اإلنحدار اللوجستي. والفصل الثالث يتعلق باإلطار النظري للشبكات العصبية وسوف يتناول مقدمه عنها وتاريخها وانواع التدريب في الشبكات العصبية والمكونات والنماذج والبنية المعمارية وطبقات واخي ار استخدامات الشبكات العصبية. والفصل ال اربع تحليل يتم البيانات باستخدام اسلوبي االنحدار اللوجستي واسلوب الشبكات العصبية ومناقشة النتائج. وأخي ار الفصل الخامس والذي يتعلق النتائج بسد المستخلصة من التحليل و اخي ار سوف نقوم التوصيات بسرد المستخلصه من التحليل والنتائج. 14

27 الثاني الفصل االنحدار اللوجستي 15

28 1.2 مقدمة من المألوف في الد ارسات االنسانية واالجتماعية واالقتصادية ان يكون المتغير التابع متغي ار Dichotomous منفصال قيمة ثنائية يأخذ بحيث )نوعيا ( اكثر او وان هذا يشكل تحديا كبي ار للباحثين عند محاولتهم توظيف تحليل االنحدار الخطي )البسيط او المتعدد( الذي يكون مقيد نوعا ما باشت ارط ان يكون المتغير التابع متغي ار كميا متصال بدال من ان يكون وصفيا منفصال. Logistic Analysis كما يذكر (lea,1997) بانه يجب استخدام تقنية االنحدار اللوجستي في مثل تلك الحاالت وأنه وان كانت هناك العديد من األساليب االحصائية التي Technique طورت لتحليل البيانات ذات المتغي ارت الوصفية )النوعية( مثل تحليل التمييزية الدوال Discriminant Functions Analysis اإل أن االنحدار اللوجستي يتميز بالعديد من الممي ازت التي تجعله مالئما لالستخدام في مثل تلك الحاالت )بابطين 2009 (. كما يتميز االنحدار اللوجستي في كونه االنحدار نماذج من مرونة أكثر التقليدية اذ باإلمكان افت ارض عالقة معينة تربط بين المتغير التابع والمتغي ارت التوضيحية األخرى ومن )المستقلة( خالله نستطيع مباشره تقدير احتمال حدوث حدث ما )ال اروي 1998 (. وتمكن أهمية تحليل االنحدار اللوجستي عند مقارنته باألساليب االحصائية األخرى )االنحدار الخطي والتحليل التمييزي( أن االنحدار في أداة هو اللوجستي أكثر قوة ألنه يقدم اختبا ار لمعنوية المعامالت كما انه يعطي الباحث فكرة عن مقدار تأثير المتغير المستقل في المتغير التابع النوعي الثنائي القيمة باإلضافة فأن االنحدار الى ذلك اللوجستي يرتب تأثير المتغي ارت المستقلة مما يسمح للباحث االستنتاج بأن متغي ار ما يعتبر أقوي من المتغير اآلخر في فهم ظهور النتيجة المطلوبة كما ان تحليل االنحدار اللوجستي يمكنه ان يتضمن المتغي ارت المستقلة النوعية و هناك 16

29 Regression Multinomial Logistic نوع آخر هو االنحدار اللوجستي المتعدد المستخدم في حالة المتغير التابع االسمي متعدد القيم )اكثر من قيمتين( كما ان هناك نوع ثالت لالنحدار اللوجستي يسمي االنحدار اللوجستي الرتبوي )الترتيبي( Ordinal Logistic Regression الذي )2012 يستخدم في الحاالت يكون التي فيها المتغير التابع متغير رتبوي)عباس أننا علما سنستخدم ترميز المتغير التابع ثنائي القيمة بالقيمتين) 0 1 ( دون غيرها من اشكال الترميز األخرى في هذه الدراسة. مفهوم االنحدار اللوجستي 2.2 االنحدار اللوجستي هو أحد نماذج االنحدار التي تكون فيها العالقة بين المتغير المعتمد )التابع( Yو المتغي ارت المستقلة)المفسرة( X غير خطية وغالبا ما تأخذ دالة االستجابة للنموذج الشكل s ورياضيا تعرف كاالتي: p i = E(Y i X i ) = e(b 0+B1X1+B2X2+ +B K X K ) 1+e (B 0+B1X1+B2X2+ +B K X K ) )1.2( i = 0, 1,., k وأن نموذج اللوجستي نماذج من مرونة أكثر االنحدار التقليدية باإلمكان إذ افت ارض عالقة معينة تربط بين المتغير التابع والمتغي ارت المفسرة االخرى ومن خالله نستطيع تقدير احتمال حدوث حدث ما فضال عن سهولة تحويله الي الشكل الخطي باستخدام ما يعرف بتحويل اللوجيت ) logit trans formation والمعروف كاالتي: ( Logit(p i ) = ln [ p i 1 p i ] = B 0 + B 1 X 1 + B 2 X B K X K )2.2( حيث أن: 17

30 [ p i : تمثل ما يسمى بنسبة الرجحان وهي نسبة احتمال حدوث الحدث الى عدم حدوث ذلك 1 p i ] الحدث. ) i :Logit(p تمثل اللوغاريتم الطبيعي لنسبة الرجحان. : تمثل الجزء المقطوع )ثابت المعادلة(. :المعامل اللوجستي لكل حالة من حاالت المتغير المستقل حيث. i=1,2,,k :المتغيرات المستقلة حيث.i=1,2,,k B 0 B i x i حيث أشار )الجعضي 2005 ( أن االنحدار اللوجستي هو أسلوب إحصائي لفهم ب ني العالقة المتغير التابع ذو المستوي الوصفي ومتغير واحد أكثر أو من المتغي ارت المستقلة والتي تسمي أحيانا متغي ارت مصاحبه أو متغي ارت مفسرة بحيث تكون تلك المتغي ارت المستقلة من أي نوع من مستويات القياس. ونموذج االنحدار اللوجستي نموذج يستخدم للتنبؤ باحتمالية وقوع حدث ما وذلك بمالءمة البيانات على منحنى اللوجستي ويستخدم االنحدار اللوجستي عدة متغي ارت متوقعة والتي يمكن ان تكون رقمية او فئوية علي سبيل المثال يستخدم االنحدار اللوجستى في تسويق لحساب توقعات الميل المستهلك الى ش ارء منتج ما او امتناعه عن الش ارء ويستخدم االنحدار اللوجستي بشكل واسع.)2012 في الطب والعلوم االجتماعية)عباس كما يمكن تعريفه بأنه أسلوب احصائي لفحص العالقة بين المتغير التابع النوعي ومتغير واحد او اكثر من المتغي ارت المستقلة أي انه االسلوب االحصائي المستخدم لفحص وتوفيق العالقة بين المتغير التابع النوعي ثنائي القيمة ومتغير واحد أو أكثر من المتغي ارت المستقلة أيا كان نوعها ويسمي هنا بتحليل االنحدار اللوجستى الثنائي Binary Logistic Regression ويعرف كذلك 18

31 بأنه ذلك النوع من االنحدار المستخدم في التنبؤ بقيم المتغي ارت التابعة النوعية أو الفئوية باالعتماد على مجموعة متغي ارت مستقلة مختلطة كأن يكون قسم منها متغي ارت مستمرة أو قياسات والقسم.)2012 اآلخر يكون على شكل متغي ارت متقطعة نوعية أو فئوية )عباس 3.2 خطوات تحليل االنحدار اللوجستي قبل البدء في تحليل نموذج االنحدار اللوجستي البد من تفحص البيانات هناك عادة ثالث و خطوات أساسية في تحليل نماذج اللوجستي وهي: توفيق النموذج الخام توفيق النموذج المعدل اختبار الفرضيات ولكن ال يجب بالضرورة اتباع هذه الخطوات في تحليل كل نموذج انحدار لوجستي رغم أنه يمكننا أخذها كإرشاد )عكاشة 2002(. 4.2 تحويالت االنحدار اللوجستي يصنف النموذج اللوجستي ضمن النماذج الالخطية التي يمكن تحويلها الي نماذج خطية وتسمى هذه النماذج بالنماذج الخطية ضمنيا )جوهريا( Intrinsically Linear Model Smith,1981( ) Draper &.ويميل اإلحصائيون عادة الى التحويل الخطي لهذه النماذج إل ازلة انحناءات معلماتها وذلك لتأثير هذه االنحناءات السلبي في حالة وجودها على خصائص مقد ارت المربعات الصغرى لها Least Squares estimators ومن ثم قيم االستجابة التي يتم )LSE) التنبؤ بها حيث تكون هذه المقد ارت في الغالب متحيزة وال تتوزع طبيعيا وتبايناتها ال تكون أصغر.)Rat ما يمكن مما يجعل نتائج االختبا ارت مضللة ( David,1983 & 19

32 وهناك عدة إج ارءات تحويلية يمكن أن تقدم مساهمات جدية لحل بعض الصعوبات والتحديات التي تواجه تفسير نموذج االنحدار اللوجستي وفي هذا الجزء من الد ارسة سوف يتم عرض أهم المفاهيم التي تسهم في تقديم الحلول وهي على النحو التالي: لوغاريتم معامل الترجيح )Logit) Log Odds إن استخدام الدالة اللوغاريتمية يعمل على ضم وضغط القيم العالية في البيانات وتوسيع وفرد القيم الضغط هذا إن حيث فيها جدا الصغيرة والتوسيع قد يعمل على تصحيح عدة مشكالت (King& ووجود التوزيع التواء مثل البيانات في مشاهدات التباين تجانس وعدم متطرفة.Zeng,2001) إن ويسمى اللوغاريتم هو الطبيعي لمعامالت الترجيح Odds فهو Logit Log Odds تركيب خطي من المتغي ارت المستقلة التعبير ويمكن عن نموذج االنحدار اللوجستي بالعالقة الخطية مع لوجت االحتمال وفقا للمعادلة التالية: logit = log(odds) = log ( p 1 p ) = α + β 1X β p X p (3.2) - < Logit < لدالة اللوجت فهي الرئيسة الوظيفة أما السماح بتطبيق االنحدار الخطي عند تحليل العالقات للبيانات ذات المتغي ارت التابعة الثنائية (Walker,1996) وعليه فان االنحدار اللوجستي يشير الى نماذج االنحدار التي تتضمن اللوجت كمتغير تابع في المعادلة ويحسب مقدار التغير في لوغاريتم معامل الترجيح للمتغير التابع وليس في المتغير التابع نفسه كما هو الحال في تحليل االنحدار الخطي (2006.(Garson, 20

33 2.4.2 معامل الترجيح أو المفاضلة Odds ان معامل الترجيح Odds هو عبارة عن طريقة للتعبير عن مدى احتمال حدوث شيء ما مقارنة باحتمال عدم حدوثه وغالبا ما يتم التعبير عنه على شكل نسبة بين العددين. ويمكن التعبير عنه كما في المعادلة التالية : odds = ( p 1 p ) = exp[a + β 1X β P X P ] )4.2( 0 < odds < حيث أن : :Odds هي معامل ترجيح حدوث الشيء وتكون P: هي احتمال حدوث ذلك الشيء 1-P :هي احتمال عدم حدوث ذلك الشيء P ومن الجدير ذكره أن معامل الترجيح Odds قد حل مشكلة الحدود العليا لالحتمال بحيث أصبح معامل الترجيح يأخذ أي قيمة من الصفر وحتى ما النهاية بدال من P التي تأخذ أي قيمة من الصفر وحتى الواحد الصحيح.)Pample,2000) 21

34 5.2 تقديرات وتفسير معامالت االنحدار اللوجستي تقدير معامالت االنحدار اللوجستي من أجل تقدير معامالت االنحدار يتم اللجوء اللوجستي إلى طريقة االحتمال األعظم وهي من الطرق األكثر مالئمة لكافة الخطية النماذج Maximum Likelihood Method Alterative وغير الخطية وطريقة االحتمال األعظم هي طريقة تك اررية تعتمد على تك ارر العمليات الحسابية عدة م ارت حتى يتم الوصول أفضل إلى تقدير للمعامالت والتى من خاللها يمكن تفسير بيانات المشاهدة.(Newsom,2003) حيث أشارlea (1997( انه في ظل توافر الشروط المعتادة لالنحدار الخطي فان طريقة المربعات الصغرى العادية تعطي مقد ارت تتصف بأنها مقد ارت خطية غير متحيزة ولها أقل تباين حيث تبحث طريقة المربعات الصغرى عن أقل مجموع لمربعات انح ارفات البيانات المشاهدة عن خط االنحدار ولكن يتم استبعاد استخدام طريقة المربعات الصغرى لتقدير االنحدار نموذج اللوجستي وتستخدم طريقة االحتمال األعظم لحساب المعامالت اللوجستي وتهدف هذه الطريقة الى تعظيم لوغاريتم االحتمال log likelihood الذي يعكس مدى أن تكون أو احتمال إمكانية تلك القيم المشاهدة للمتغير التابع في اإلمكان توقعها أو التنبؤ بها من خالل المتغير أو المتغي ارت المستقلة ويالحظ أن تقدي ارت االحتمال األعظم أنها طريقة تك اررية تبدأ أن ينبغي أولية لما بقيمة تكون عليه معامالت اللوجت ثم تحدد هذه الطريقة اتجاه ومقدار التغير في معامالت اللوجت والذي سيزيد من لوغارتيم االحتمال( Walker,1996 ). ولوصف طريقة اإلمكان األكبر يجب التعرف على دالة اإلمكان (L).Likelihood Functio وتكون دالة اإلمكان (L) في حالة االنحدار اللوجستي هي : Klein,2002) ). Kleinbaum & 22

35 m 1 n L = p(x 1 ) [1 p(x 1 )] l=1 l=m 1 +1 (5.2) حيث أن: L: هي اإلمكان. دالة ) l P(x :هي احتمال ظهور الصفة ) l p(x 1: هي احتمال عدم ظهور الصفة n :هي العدد الكلي للحاالت m: 1 هي عدد الحاالت التي تمثل الصفة : تشير الى حاصل الضرب وهي تعني أن الدالة عبارة عن حاصل ضرب قيم االحتمال لكل حالة. ويوضح al.,2001) (Cook et الصيغة الرياضية لدالة اإلمكان األكبر في حالة البيانات الثنائية والتي تكون على شكل المعادلة( 6.2 ): n L(β i ) y = p i y i (1 p i i ) (6.2) i=1 (6.2) وبالتعويض عن p i بما يساويها في المعادلة p i = exp(y) 1 + exp(y) (7.2) حيث أن >y> - 23

36 وبعد أخذ اللوغاريتم الطبيعي للطرفين والتبسيط نحصل على دالة الهدف التالية : n n ln[l(β i )] = y i (β β k x k ) ln(1 + e (β 0+ +β k x k ) ) i=1 i=1 (8.2) وللحصول على تقدي ارت المعالم التي تعظم الهدف وعند اشتقاق دالة الهدف بالنسبة للمعلمات المر اد تقدي ارها وجعلها مساوية للصفر. فينتج (1+k) من المعادالت الغير خطية التي يمكن حلها من خالل خوارزمية تك اررية al.,2001).(cook et تفسير معامالت االنحدار اللوجستي logit اما بالنسبة لتفسير معامالت االنحدار اللوجستي فيتم استخدام معامل اللوجت (b) والذي يسمي أيضا بمعامل االنحدار اللوجستي غير المعياري يرمز له بالرمز coefficient وهو يقابل المعامل غير المعياري (b) في االنحدار الخطي ويستخدم المعامل (b) في االنحدار (1) اللوجستي لتقدير لوغاريتم معامل ترجيح log odds بان يكون المتغير التابع يساوي لكل وحدة تغير في المتغير المستقل علما بان االنحدار اللوجستي بحسب مقدار التغير في لوغاريتم معامل الترجيح log odds للمتغير التابع وليس التغير في المتغير التابع نفسه كما هو االمر في االنحدار الخطي (Garson,2006) وبالتالي فان تغير معامالت االنحدار بداللة اللوجستي اللوجت يقدم تفسي ار مطابقا لما هو عليه االمر في االنحدار الخطي ولكن الفرق الوحيد هو في وحدات المتغير التابع حيث أن وحدات المتغير التابع في حالة االنحدار اللوجستي تمثل لوغاريتمات معامالت االحتمال )الترجيح( )بابطين 2009 (. كما يمكن تفسير معامالت االنحدار اللوجستي بداللة االحتماالت في المتغير الزيادة حيث ان log odds المستقل بمقدار وحدة واحدة ستزيد اللوجت أو لوغاريتم معامل الترجيح ( p ) 1 p او 24

37 بان يكون المتغير التابع يساوى (1=Y) بمقدار احتمال معين هو معامل المتغير المستقل.)Garson,2006) 6.2 تقويم مالءمة نموذج االنحدار اللوجستي يرى (2000 Lemshow, (Hosmer and أنه في حالة توفيق نموذج االنحدار اللوجستي تبدأ عملية تقويم النموذج. وهناك طريقتان للتحقق من مالءمة النماذج يمكن تصنيفها كالتالي التحقق من مالءمة النموذج ككل أن أول خطوة في عملية تقويم مالئمة النموذج الذي تم توفيقه عادة ما تكون تقويم داللة المتغي ارت ككل في النموذج بمعنى تحديد ما اذا كانت المتغي ارت المستقلة ككل في النموذج ترتبط بشكل دال إحصائيا بالمتغير التابع أم ال (2000 Lemshow,.(Hosmer and وهناك عدة مقاييس مهمة تساعد على تقويم النموذج النهائي الذي تم توفيقه للبيانات وهي تحليل الرواسب والفروق واحصاءات R 2 هوزمر واختبار ليشمو لجودة المطابقة وجداول التصنيف اضافة الى تحليل منحنى.ROC.1 تحليل الرواسب والفروق Riseduals and Deviance يرى بعض االحصائيين مثل (2006 )Garson, أن هذا االختبار هو أحد مقاييس جودة المطابقة Goodness-of-fit حيث تشير النتائج الدالة إحصائيا الى أن النموذج يتطابق مع البيانات المشاهدة.ولذا يستخدم هذا االختبار للتحقق مما إذا كانت هناك عالقة دالة إحصائية بين المتغي ارت المستقلة والمتغير التابع (2002.(Menard, 25

38 إحصاءات R )ال 2 اروي 1998 (.2 في نموذج االنحدار اللوجستي يستعاض عن معامل التحديد R 2 الذي يستخدم لمعرفة مدى Nagelkerke مالئمة نماذج االنحدار المقترحة لبيانات الد ارسة بإحصائتي التوفيق R 2 اللتين لهما هدف االحصاءة R 2 في االنحدار الخطي المتعدد نفسها. Cox & snell R 2 R 2 = 1 [ L 2 0 n ] L 1 ( 9.2) R 2 Z = 1 [L 0 ] n 2 (10.2) R 2 = R2 R Z 2 (11.2) أن: حيث : L 0 دالة االمكان في حالة النموذج يحتوي على الثابت فقط L 1 :دالة اإلمكان في حالة النموذج يضم جميع المتغي ارت المستقلة n: حجم العينة 26

39 3 -اختبار هوزمر ليشمو لجودة المطابقة Hosmer And Lemeshow )ال اروي 1998 ( يستخدم هذا االختبار لمعرفة فيما اذا كان النموذج يمثل البيانات بشكل جيد أم ال اذ يستخدم اختبار مربع كاي لحسن المطابقة x 2 التالية: لتقييم الفرق بين القيم المشاهدة والمتوقعة واختبار الفروض H :تساوي 0 الحاالت المشاهدة مع الحاالت المتنبأ بها أي أن النموذج يمثل البيانات بشكل جيد. H :عدم 1 تساوي الحاالت المشاهدة مع الحاالت المتنبأ بها أي ان النموذج ال يمثل البيانات بشكل جيد. x 2 ويكون الق ارر بقبول فرضية العدم إذا كانت القيمة االحتمالية إلحصاءه غير معنوية أي أكبر من مستوى المعنوية المحدد. 4 -جدول التصنيف Classification Table هو جدول يوضح عدد الحاالت المشاهدة التي تمتلك صفة ما وعدد الحاالت المشاهدة التي ال تمتلك تلك الصفة في مقابل عدد الحاالت المتوقعة التي تمتلك الصفة و عدد الحاالت المتوقعة ال تمتلك التي تلك الصفة بحيث يوضح الجدول عدد الحاالت التي تم تصنيفها بطريقة صحيحة وعدد الحاالت التي تم تصنيفها بطريقة خاطئة (1997 Leitner,.)Soderstorm & وتعتمد فكرة استخدام هذا التحليل على ان النموذج اذا قام بتوقع تصنيف الحاالت بشكل صحيح اعتمادا على معيار ما فإن ذلك يعطي برهانا بأن النموذج يطابق البيانات المشاهدة أما الشكل العام لجدول التصنيف (1.2) فهو 1999) Wang, :(Ferrer & 27

40 جدول )1.2( : جدول التصنيف Classification table التصنيف الموجب المتوقع السالب المجموع P P- الموجب P المشاهد الموجب الصحيح TP الموجب الخاطئ FP السالب الخاطئ FN السالب الصحيح TN السالب N 1 Q- Q 5 -تحليل منحنى ROC تعطى المساحة تحت منحنى ROC والتي تت اروح ما بين الصفر والواحد الصحيح مقياسا لمدى قدرة النموذج للتمييز بين الحاالت التي تمتلك السمة موضع الفحص والحاالت التي ال تمتلك السمة وهي تعتبر من أفضل مقاييس دقة التصنيف ( Bradley,1997 ).وتكون المساحة تحت قطر الصدفة تساوي 0.5.وكلما ازدت القدرة التمييزية للنموذج وابتعاد المنحنى عن قطر الصدفة باتجاه الركن األيسر العلوي ازدت المساحة تحت منحنى ROC حتى تصل الى القيمة واحد صحيح والتي تعني التمييز التام للحاالت Lemshow,2000).(Hosmer & 6.إحصاءة Statistic( )Wald : يقوم اختبار Wald test باختبار الفرضية الصفرية القائلة بأن تأثير معامل االنحدار اللوجستي المرتبط بالمتغير المستقل X يساوي صف ار Fitzgerald,1999( )Cizek &. H 0 β = 0 28

41 ويتم حساب إحصاءة Wald كالتالي : W 2 = [ b ] S. E b 2 ( 12.2) حيث أن : هي قيمة معامل االنحدار اللوجستي للمتغير X. b : هي قيمة الخطأ المعياري لمعامل االنحدار اللوجستي للمتغير X. S.E ( Poston( χ 2 2 وحيث تتبع إحصاءة W توزيع مربع كاي إذا كانت إحصاءة Wald statistic ذات داللة إحصائية فإن ذلك يعني رفض الفرضية الصفرية وبذلك يكون المتغير المستقل X له تأثير في التنبؤ بقيمة المتغير التابع Y. أما إذا كانت X إحصاءه والد غير دالة إحصائيا فإن المتغير المستقل ليس له تأثير في التنبؤ بقيمة المتغير التابع Y مما يعني إمكانية حذفه من النموذج ألن ليس له أي داللة إحصائية )Menard,2002( 7.2 مزيا وعيوب االنحدار اللوجستي: )عكاشة, 2002 ; )Gebotys,2000 أوال : م ازيا االنحدار اللوجستي 1 -يتعامل مع المتغي ارت الوصفية أو الكمية ويتضمن حدودا للتفاعالت واختبا ار لداللة المعامالت. 2 -يعطى الباحث فكرة عن مقدار تأثير كل متغير مستقل على متغير االستجابة الثنائية. 3 -يرتب االنحدار اللوجستي تأثير المتغي ارت مما يسمح للباحث باالستنتاج بأن متغي ار ما أقوى من المتغير األخر. 4 -يعتبر أقل حساسية اتجاه االنح ارفات عن اعتدالية التوزيع لمتغي ارت الد ارسة. 29

42 5 -تقدي ارت المعالم Parameter Estimation وفق النموذج اللوجستي تعد مقبولة في ظل غياب بعض القيود المفروضة على االنحدار الخطي واللوغاريتمي. ثانيا : عيوب االنحدار اللوجستي يعاب على االنحدار اللوجستي أنه ال يأخذ الزمن الذي يسبق حدوث الحدث )السكري 1999 ( حيث يرى )2003 al., )Karen et أن هذا النموذج يواجه مشكلة عدم القدرة على التعامل مع البيانات التي تعتمد على التغير في النقطة الزمنية التي تسبق حدوث الحدث Cross وتحتوي على بيانات اختفاء Censored Data وخاصة في الد ارسات المقطعية Sectional, لذلك كان هناك البديل األكثر تعامال مع هذه الحالة وهو انحدار كوكس. 8.2 مبر ارت استخدام االنحدار اللوجستي عند محاولة استخدام تحليل االنحدار الخطي بطريقة المربعات الصغرى OLS لتوفيق البيانات ذات المتغي ارت التابعة الثنائية يبرز نوعان رئيسيان من المشاكل هما المبر ارن الستخدام االنحدار اللوجستي مكان االنحدار الخطي أو غيره من االساليب االحصائية االخرى لتوفيق البيانات مع المتغير التابع الثنائي وهذان النوعان من المشاكل يمكن وضعهما تحت نوعين رئيسين من المشاكل )2009. )بابطين التنبؤ في حالة االنحدار اللوجستي ليس هو بالدقة التنبؤ بقيمة المتغير التابع وانما هو االحتمال p(y/x)=1 بان يكون المتغير التابع انما صفر او واحد ((p(y/x)=0 اما أي أو وبناء على ذلك فان المتغير التابع في حالة االنحدار اللوجستي ليس هو المتغير التابع نفسه كما هو الحال 30

43 عند استخدام االنحدار الخطى وانما هو عبارة عن احتمال أن تكون قيمة المتغير التابع تساوى واحد وهو الغالب في االستخدام أو احتمال ان تكون قيمة المتغير التابع تساوى صف ار. ينشأ النوع االول من المشاكل التي تواجه االنحدار الخطي وهو المشاكل المفاهيمية من حقيقة ان االحتماالت يجب ان تت اروح قيمها بين الواحد الصحيح كحد أعلى والصفر كحد أنه أي ادني ووفقا لتعريف االحتماالت ال يمكن لقيمة االحتمال أن تتجاوز الواحد الصحيح وال ان تنخفض الى ما دون الصفر. وبما ان تحليل االنحدار الخطي هو نموذج خطي يسمح لخط االنحدار يمتد أن حتى موجب ما النهاية و يمتد حتى سالب ما النهاية حسب قيمة المتغير او المتغي ارت المستقلة فان استخدامه مع البيانات ذات المتغير التابع الثنائي قد يجعل الباحث في حيره من حيث أمره يجد نفسه امام قيم متوقعه للمتغير التابع تتجاوز الواحد الصحيح يتناقض تماما مع مفهوم االحتماالت. أو تقل عن صفر األمر الذي وبناء علي اعاله ما جاء فان توفيق البيانات في حالة المتغير التابع الثنائي لن يكون من خالل استخدام افضل خط مستقيم ولكن باستخدام المنحى اللوجستي الذي تقع قيمته بين الصفر والواحد الشكل يأخذ والذي S وهو االنسب لتوفيق البيانات المشاهدة في حالة المتغي ارت التابعة الثنائية. أما النوع الثاني من المشاكل وهو المشاكل االحصائية فيكمن في انتهاك افتر اضات تحليل االنحدار Normality الخطي وهما افت ارضيين رئيسيين هما األول اعتدالية التوزيع الطبيعي والثاني تجانس التباين Homoscedasticity حيث تنشأ هاتان المشكلتان بسبب الطبيعة الثنائية للمتغير X التابع فبالنسبة لتوزيع األخطاء سوف لن يكون طبيعيا عند أي مستوى من مستويات عندما المتغير يكون التابع ثنائيا حيث ان توزيع األخطاء في مثل هذه الحالة سيكون متبعا االنحدار Normal Distribution كما تنشأ اللوجستي Logistic Regression وليس التوزيع الطبيعي 31

44 مشكلة عدم تجانس تباين المتغير العشوائي )حد الخطأ( عند استخدام االنحدار الخطي لتوفيق البيانات مع المتغير التابع الثنائي وذلك الن حد الخطأ في االنحدار يتفاوت ويتغير حسب مستويات المتغير المستقل حيث يالحظ ان توفيق البيانات من خالل خط مستقيم يمتد من X األدنى الحد للمتغير التابع الى الحد األعلى سوف يولد قيم اخطاء غير متجانسة. 9.2 الخالصة في هذا الفصل تم استع ارض مقدمة عامة عن االنحدار اللوجستي وأيضا مفهوم االنحدار اللوجستي وخطوات تحليل االنحدار اللوجستي ومن ثم التحويالت وكيفيه استخدامها في االنحدار اللوجستي وتقدير وتفسير معامالت االنحدار اللوجستي وأيضا تقويم االنحدار نموذج مالءمة اللوجستي باستخدام عدة طرق منها التحقق من مالئمة النموذج ككل و تحليل الرواسب والفروق واختبار هوزمر- ليمشو لجودة المطابقة وجدول التصنيف الدي يتم من خالله تصنيف الحالة واخي ار تحليل منحى ROC وتم استع ارض اهم الم ازيا والعيوب ومبر ارت استخدام االنحدار اللوجستي. 32

45 الفصل الثالث الشبكات العصبية وطرق تقييم األداء 33

46 1.3 مقدمة الشبكات تعتبر تطور ا يعكس الذي الصناعي الذكاء مجاالت أهم من العصبية هاما ملموس ا طريقة في التفكير اإلنساني الشبكات فكرة وتدور البشرى العقل محاكاة حول العصبية باستخدام في تمت التي الد ارسات من العديد إلى المجال هذا المنظور في التطور يعود وقد اآللي الحاسب )Neural Processing( المعالجة مجال العصبي المشاكل حل طريق عن المحاكاة عملية وتتم على تعتمد والتي الذاتي التعلم عمليات إتباع خالل من وذلك تواجهه التي الخب ارت المختزنة في )2013 أفضل تحقق التي الشبكة نتائج )العباسي علماء قام الرياضيات بمحاكاة الشبكة العصبية برمجي ا في أبسط صورها نموذج بصنع رياضي لها معالجة البيانات في العالية بالسرعة يتميز مع والتعامل التعلم على بقدرته يتميز كما التطبيقات من لكثير مناسبة جعلها مما خاطئا منها جزء يكون قد التي البيانات من مختلفة أنماط. تمييز اإلشارة معالجة والكالم الصور تمييز مثل الصوت الخ الشبكات العصبية االصطناعية متوازي بناء ذو هيكل عن عبارة المعلومات يتكون وحدات معالجة من الهيكل هذا بمعالجة تقوم المعلومات وتدعى بالعصبونات عناصر او بين اإلشا ارت وتمر الحساب العصبونات عبر محلية ذاكرة تمثل عصبية خلية وكل ربط خطوط ربط بوزن خط كل يرفق كما معين عددي مع يضرب )Weight( )Local Memory( )Activation Function( االشا ارت الداخلة تفعيل دالة عصبون كل على يطبق ثم للعصبون عنه الناجمة الخرج اشارة تحديد ليتم الموزونة الدخل اشا ارت مجموع يمثل الذي الشبكة دخل على )الزبيدي والدليمي 2008(. 34

47 مجال أهمها عديدة مجاالت في دخلت حيث المشاكل من العديد حل في الفضل لها و الطب: وهو مبدأ أي البشرى العقل حالة في كما الذاكرة بمبدأ يرتبط الذي الفوري الطب تطبيق العالمات المرضية والتشخيص ومجال االتصاالت السلكية والالسلكية: مثل التخلص من صدى التليفونات وفى خطوط في ينتج قد الذي الصوت ال اردا ارت لتحديد العسكرية األهداف ومجال األعمال الحسابات لفتح وذلك المصرفية: بالبنوك الخاصة عن طريق بصمة أو الصوت أو اللمس التوقيعات على للتعرف وكذلك العين ومجاالت اليد. وخطوط البنكية األعمال: كتطبيق الشبكات.)2013 األعمال مجال في خاصة وبصفة أعمال عدة في االقتصادية )العباسي 2.3 تاريخ الشبكات العصبية دونالد هيب )Hebb( السلوك منظمة كتابه في المشابك أن إلى أشار 1949 م العصبية الروابط )العصبونات( كان يوجد إذا أنه بمعنى أكثر استعمالها تم كلما تقوى العصبية الخاليا بين الوصلة فتقوى كثيفة بصورة بيانات بنقل يقومان منهم اثنين ولكن بعض بجانب الخاليا من عدد بينهما وتصبح عملية معالجتها للعمليات أسرع مع تك ارر إثارتها بنفس المعطيات كانت بداية هذه يسمى لما التفكير بالمعالجات الشبكات أو العصبية على وقتها في مطروحة كانت والتي العصبية )ABM( شبكات وليس خاليا صورة شركة قامت العشرين القرن من الخمسينات في مت اربطة بأول محاولة لمحاكاة الخلية العصبية ونجح ذلك بعد عدة محاوالت فاشلة ولكن كان علم الكمبيوتر في ذلك الوقت يتجه ناحية الحساب المتسلسل مما أدى إلى إهمال موضوع الخاليا العصبية ووضعه )Bernard W.( في األد ارج وفي قام 1959 م عام تكيفي عنصر نموذجي ببناء خطي آدا الين ومجموعة خطية تكيفية عناصر.Many ADA LINE كان Adaptive Linear Element للشبكات ظهور أول هو هذا قابلة مرشحات أو كفالتر تستخدم كانت الحالي بشكلها العصبية للتكيف Filter( )Adaptive تستعمل ت ازل وما الهاتف خطوط من الصدى إللغاء تجاري ا حتى 35

48 الوقت و هذا استمرت بشكل ضئيل ولكن الد ارسات إلى أن الفترة هذه بعد قدم )Hopfield( بحثه إمكانية استخدام فيه بين والذي الشبكات )Neural Network and Physical Systems( بعض حل في العصبية المعضالت الصعبة مثل المعروفة )البائع المتجول( وبعض التطبيقات علم الشبكات في التطور وتوالى العملية االصطناعية الذي المذهل للتطور نتيجة هذا وقتنا إلى تقنيات الحواسيب في حصل الشخصية والحواسيب فائقة حسابية بقدر ات تتمتع والتي الصغيرة خزن عالية وسعات تطور عن فضال البرمجيات في البحوث انتشار على ساعد مما أدواتها وتوافر هذا المجال الشبكات من جديدة أنواع إضافة خالل من وذلك وابتكار خوارزميات لتعليم جديدة.)2012 الشبكات كفاءتها وزيادة العصبية ( ارشد وآخرون أنواع التدريب في الشبكات العصبية 3.3 الشبكات في التدريب من أنواع ثالثة تمييز يمكن العصبية االصطناعية وهي: التدريب الموجه اإلدخال من مكون زوج بإدخال التدريب يتم الحقيقي واإلخ ارج المطلوب وتعدل األو ازن اإلخ ارج بين الفرق على باالعتماد المطلوب واإلخ ارج الحقيقي ويستمر يصبح أن إلى التدريب الفرق بين القيمتين مقارب ا للصفر )خروفة 2010( وفي هذه العملية يتم إج ارء مقارنة بين اإلخ ارج الحقيقي وبين االخ ارج المطلوب إلى ان يتم تنقيص أخطاء أداء الشبكة بعد إعطاء مصفوفة األو ازن الخطأ متجه ويحدد بين يقارن انه حيث vector( )output المخرجات متجه مع )real vector( والمدخالت اإلخ ارج مع أيضا ويقارن للشبكة التالية: المعادلة خالل من األخطاء لتحديد المرغوب Real output- Target output = error (1.3) 36

49 وأشهر شبكات االنتشار شبكة التدريب من النوع هذا الت ارجعي )البكري واسماعيل.)1891 : التدريب غير الموجه ال نحتاج هنا لوجود اإلخ ارج المطلوب ونكتفي بتسليط اإلدخال حيث تحدث عملية تنظيم ذاتي باالعتماد على خوارزمية تعليم معينة بدون اإلخ ارج المطلوب وأشهر شبكتين من هذا النوع هما شبكة "كوهين" وشبكة "كروسبيك" التدريب القصري هي طريقة تعليم تشبه التدريب الموجه ولكن ال يوجد إخ ارج مطلوب محدد بل يوجد مؤشر يحدد صحة او خطأ اإلخ ارج حيث تعدل األو ازن اعتماد ا على ذلك وتزداد األو ازن في حالة كون إجابة المؤشر صائبة وبعكسه ستقلل األو ازن )خروفة 2010(. مكونات ومنظومة الشبكات العصبية االصطناعية 4.3 نيرون اسم عليها يطلق معالجة عناصر عدة من مركبة مجموعة من العصبية الشبكة تتكون العناصر لها وهذه العمليات إج ارء على القدرة خطوات: عدة خالل من الحسابية (Neuron).(Neuron) عناصر خالل من أوال تمر البيانات معالجة المعالجة البسيطة - الناقلة. الربط خطوط عبر األعصاب بين اإلشا ارت تمر - الداخلة اإلشارة مع ويضرب معين مدخل لكل معين وزن إعطاء يتم الربط خطوط ومن - )1.3( إلى (Neuron) شكل ويوضح العصبية للشبكة بسيط ا نموذج ا االصطناعية )العباسي 2013(. 37

50 شكل )1.3(: الشبكة العصبية االصطناعية التالي: النحو على ش ارئح ثالثة من تتكون العصبية الشبكة أن السابق الشكل من ويتضح.x شريحة المدخالت Layer( Input (.وتشمل قيم - شريحة مخفية) Layer Hidden (.وتشمل قيم w والعمليات الناتجة في الشريحة المخفية. - شريحة المخرجات قيمy. Output (.وتشمل Layer( - العصبة ماهية االصطناعية 5.3 العصبية الخلية االصطناعية العصبية الشبكة مكونات من مكونة هي االصطناعية وهي الخلية من مستوحاة آلية بوحدات متصلة مبسطة آلية وحدة أنها تعرف على وهي البيولوجية عبر هذا األثر ينتقل و الشبكة وحدات على بها تؤثر تنشيطية داخلية بحالة مزودة وهي مجاورة االرتباطات الترميمات في تتمثل التي الشبكية حساب وحدة عن عبارة هي عامة وبصفة الشبكية بينها. فيما االرتباط قوية العصبة وتحتوي على الصورية المكونات التالية: 38

51 تمثل ej(t) 1- دالة التنشيط االبتدائي: تنشيط العصبة )j( في اللحظة )t( وهي عبارة عن 1-0 قيمة اإلشارة الواردة من الخلية j وتكون هذه القيمة عادة محصورة بين و 1 أو و 1.e(t) حيث إذا كانت العصبة تحتوي على N مدخل يكون لدينا الشعاع e 1 (t) e 2 (t) e 3 (t) e(t) =... ( e n (t)) (2.3) وهي تعبر عن قوة االرتباط بالخاليا ويعرف wij على أنه قيمة 2- مجموعة الترجيحات: i الترجيح الخاص باالرتباط الناتج عن اإلشارة الصادرة من الوحدة j إلى الوحدة بالنسبة wij لنظام بسيط تمثل مجموعة االرتباطات بالشعاع ويسمي قيمة الترجيح الخاص باالرتباط wij حالة اثارة إذا كانت قيمتها موجبة وتسمي حالة ثبات إذا كانت مساوية للصفر وحالة ثبط اذا كانت قيمتها سالبة كما يلي: w i1 w i2 w i3 w ij > 0 w ij =. s i { w ij < 0.. w ij = 0 ( w in ) حالة اثارة حالة ثبط حالة ثبات (3.3) 3- دالة الدخول: تمثل هذه الدالة كل اإلشا ارت الواردة من المحيط الخارجي وتتبنى معظم i كاآلتي: 39 نماذج الدالة المجموع الترجيحي وبالتالي يعرف مدخل العصبة

52 n E i (t) = w ij. e j (t) j=1 تسمح هذه الدالة بتوليد حالة نشاط جديدة للعصبة وذلك حسب قيمة مجموع بحيث: (4.3) 4- دالة التنشيط: المدخالت E i a i (t) = F i (E i (t)) ( 5.3) التنشيط دالة وتتميز بالخصائص التالية: مت ازيدة. و رتيبة التنشيط دالة تكون أ-الرتابة: بحيث العتبة دور تلعب معينة قيمة على التنشيط دالة تحتوي قد عتبة: على تحتوي ب- يمكن العصبة مما مهملة تصبح الدالة قيمة أن االصطناعية بالتصدي للصخب األبيض. على قيمة الدالة تحتوي قد اإلشباع: ج- ثابتة النقطة هذه بعد اإلجابة تكون بحيث قصوى عبر جدا كبيرة قيم انتشار يجنب مما الشبكة العصبية. د- االشتقاق: تكون عادة قابلة لالشتقاق وهذه الخاصية ضرورية في بعض نماذج الشبكات في العصبية مرحلة التمرن. 40

53 وتشمل دالة التنشيط الدوال: من نوعين التحفيز أو التنشيط دالة أوال : اللوجيستيكية تعود هذه التسمية إلى شكل الدالة الذي يتخذ شكل الحرف اإلنجليزي s في وتستخدم F 0 الخفية الطبقة إذ تت اروح قيمتها بين بحيث تكون و 1 خطية كما في الشكل ( 2.3 ) وهي تحتوي على نوعين من الدوال: النوع األول: الدالة الثنائية بعتبة: F(E i ) = { 1 s ie i > σ σ R 0 sin on σ seuil (6.3) النوع الثاني: الدالة الخطية بعتبة: 0 s i E i > σ 1 F(E i ) = { a E i + b s i E i [σ 1 σ 2 ] 1 s i E i > σ 2 (7.3) )صادي 1998( شكل )2.3(: دالة التنشيط اللوجستية 41

54 األسي التابع دالة ثاني ا: حيث ان الشبكة العصبية للخاليا التنشيط دالة في شيوعا األكثر هو األسي التابع ] 0.1 [ العصبية تتبع الحسابات الخطية طريق تحويل عن قيمة ضمن المجال ويتبع المشتق. تابعة بساطة في تتمثل إضافية ميزة أيضا تنشيط حالة حسب ذلك و للعصبة المخرج قيمة بتحديد الدالة هذه تسمح الخروج: 5- دالة تعريفية دالة الحاالت معظم في الدالة هذه تكون و اإلرسال بدالة كذلك تسمى و الخلية حيث: Y (t) = S(a (t) ) = a (t) (8.3) العصبية الخلية توضيح ويمكن االصطناعية في ومكوناتها الشكل) 3.3 (: شكل )3.3(: مكونات الخلية العصبية 1998(. )صادي الشبكات نماذج العصبية االصطناعية 6.3 العصبية الشبكة تنظم االصطناعية بعدة العصبية الخاليا توصيل بمعنى مختلفة هيئات لعدة طرق مختلفة منها: 42

55 الشبكات التغذية ذات العصبية األمامية: أوال : الوحدات بين الت اربطات من مغلقة حلقة وجود من تركيبها يخلو التي الشبكات وهى المكونة وتعد لها. هذه الشبكات من أكثر الشبكات استخداما حيث تتكون الشبكة من هذا النوع من طبقتين على األقل كما تتواجد في كثير من األحيان طبقات مخفية بين طبقة المدخالت وطبقة المخرجات وتنتقل العمليات الحسابية في اتجاه واحد إلى األمام من طبقة المدخالت إلى طبقة المخرجات عبر : (4.3) شكل من يتضح كما المخفية الطبقات مخرجات طبقة مخفية مدخالت شكل )4.3(: نموذج لشبكة عصبية ذات تغذية أمامية في مستقبالت نموذج )التغذية األمامية( كل مخرج هو معادلة مباشرة من ناقالت المدخالت والتي من الممكن أن تحسب مباشرة من األمام بعد نشر قيم المدخالت من خالل :)Berthold and Hand, 2002( الشبكة كما هو الحال في المعادلة )8.3( n a i = f(a i ) = f ( w ik x k ) i = 1,...., p ( 9.3) k=0 43

56 ثاني ا: الشبكات التغذية ذات العصبية المرتجعة: من طبقة واحدة من يتألف أن ويمكن واحدة خلفية تغذية حلقة األقل على يحوي النوع هذا العصبونات العصبونات كل إدخال إلى إخ ارجه يعود عصبون وكل تغذية هناك وقد تكون المتبقية جميع شبكات ونأ منها إدخاله إلى يعود العصبون إخ ارج أن أي ذاتية خلفية قليلة العكسية التغذية الشكل )5.3(. االستخدام خطأ كما هو موضح في شكل )5.3( نموذج لشبكة عصبية ذات تغدية مرتجعة ثالث ا: الشبكات ذات العصبية الت اربط الذاتي: العناصر كافة تلعب التي الشبكات وهى استقبال في يتمثل نموذجيا دو ار لها المكونة المدخالت.)2013 المخرجات في وبث نفس الوقت )العباسي المعمارية البنية العصبية للشبكة االصطناعية 7.3 البعض: بعضها مع العصبية الخاليا بها ترتبط التي الطريقة هي العصبية الشبكة معمارية الشبكة تمثيل أ. عدة من يتكون وموجه ا مرجح ا بيان ا العصبية الشبكة تعتبر العصبية: عصبات تمثيلها يمكن حيث بينها فيما مت اربطة بطريقتين هما: 44

57 كل في وتظهر الطبقات مختلف فيه توضح بياني شكل عن عبارة هو البياني: التمثيل - أما المرقمة الخلية تمثيل و يتم لها المكونة الخاليا طبقة االرتباط فيمثل بسهم موجه يمثل. ) القيمة الترجيحية كما يوضح ذلك الشكل) 6.3 الشكل )6.3(: التمثيل البياني للشبكة العصبية N التمثيل المصفوفي: نستعمل هنا مصفوفة مربعة P(N.N) حيث هو عدد العصبات -.j المكونة شبكة و P(ij)=Wij هو قيمة االرتباط الموجود بين الخلية I والخلية w 1.1 w 1.2 w 1R W ij = ( w 2.1 w 3.1 w 2.1 w 3.1 w 2.1 ) w 3.1 (10.3) العصبية: تمثل الشبكة هندسة ب. من نوعان وهناك بينها فيما الخاليا ارتباط طريقة الهندسة هما: الهندسات أو االرتباط الكاملة الشبكة الشبكات الحلقية. - 45

58 المتعددة الشبكة الطبقات: تتكون ال ولكن البعض ببعضها تتصل طبقات عدة من الشبكات هذه - طبقات: ثالثة من تتكون وهي الطبقة لنفس المكونة الخاليا بين ارتباطات توجد خروج. طبقة خفية- طبقة الدخول- طبقة والشبكات المتعددة الطبقات وهما: الشبكات من نوعين تتضمن )الشبكات العصبية المتعددة التغذية ذات الطبقات األمامية- الشبكات العصبية المتعددة التغذية ذات الطبقات العكس( )يوسف وآخرون 2012(. الشبكات العصبية االصطناعية الخطية وغير الخطية للنماذج 8.3 الشبكات في النموذج فمثال طبقات عدة أو واحدة طبقة من تتألف أن يمكن العصبية الخطي خارج( واحد ومتغير داخل واحد )متغير واحدة طبقة من المتكون فان الشبكة العصبية تتألف من طبقة إدخال واحدة وطبقة إخ ارج واحدة ووحدة تمثل قيمة والموضحة في الشكل )7.3(: شكل )7.3(: شبكة عصبية للنموذج الخطي ذات وحدة إخ ارج واحدة ( وأ طبقة إخ ارج( Y P = δw P0 + X 1 W P1 ( 11.3 ) 46

59 ويتم حساب مجموع مربعات الخطأ باستخدام المعادلة )10.3(: SSE = 1 n n (Y P Y P ) 2 p=1 ( 12.3) أما في حالة النموذج الخطي لمتغيري إدخال فإن رسم الشبكة يكون كما هو موضح في الشكل :)8.3( شكل )8.3(: شبكة عصبية للنموذج الخطي ذات م دخلين وم خرج واحد وبما أن التنبؤ في هذه الحالة هو ألكثر من متغير واحد فيجب إضافة أكثر من متغير خارج للشبكة لتصبح بالشكل الموضح أدناه )9.3(: 47

60 شكل )9.3(: شبكة عصبية للنموذج الخطي ذات عدة مدخالت وعدة مخرجات أما بالنسبة لمجموع مربعات الخطأ فيتم ايجاده بجمع مجموع مربعات الخطأ لكل متغير خارج مع اآلخر للحصول على مجموع مربعات الخطأ الكلي كما في المعادلة: TSSE = SSE L L L = (13.3) حيث أن : : رقم المخرج. L : مجموع مربعات الخطأ TSSE : مربعات الخطأ SSE أما للنماذج غير الخطية فإنه من الضروري توفيق المنحنى أو الشكل المناسب للبيانات قيد البحث وتتم االستعانة بدالة التحفيز التي تتولى نشر القيمة الداخلة إليها وفق المقياس المحدد لها في القيمة الخارجة وبالنسبة إلى رسم الشبكة )مثال لمتغير مدخل واحد ومتغير مخرج واحد( تكون موضحة كما في الشكل )10.3( 48

61 شكل )10.3(: شبكة عصبية للنموذج غير الخطي ذات م دخل واحد وم خرج واحد من خالل مالحظة الشكل )10.3( فإن هناك إضافة جديدة للشبكة وهي )الوحدة المخفية( وتكون ما بين وحدتي اإلدخال واإلخ ارج. وتعطي هذه الطبقات مرونة إضافية في بناء الدوال الناقلة بين المدخالت والمخرجات. مما تقدم يمكن القول بان الشبكة العصبية االصطناعية تتكون من وحدة حسابية ذات مدخل واحد أو متعددة المدخالت واشارة خارجة واحدة ولكل إشارة داخلة وزن يعمل على تعديل اإلشارة الداخلة ويكون بمثابة المشبك العصبي )نقطة اشتباك( يعمل على تحفيز الخلية إلنتاج إشارة رد فعل عندما تكون قيمته موجبة او إخمادها وتقليل اإلشارة الخارجة عندما تكون قيمته سالبة ( ارشد وآخرون 2012(. الشبكات طبقات عدد العصبية شبكات الطبقة المفردة network( )single layer تمتلك هذه الشبكة طبقة واحدة من األو ازن إما وحدات اإلدخال فيمكن تعريفها بأنها اإلشا ارت التي تستلمها من العالم الخارجي. وترتبط هذه الوحدات بوحدات اإلخ ارج )التي تمثل اإلجابة لوحدات اإلدخال( وذات ارتباط كامل ومن أمثلتها شبكة preceptor( )auto hetor Adeline ذات طابع انسياب الخطأ خلفا وال ترتبط وحدات اإلخ ارج بأي وحدات أخرى باستثناء شبكه 49

62 الشكل )11.3( )Hopfield( التي فيها كل وحدات اإلدخال هي نفسها وحدات اإلخ ارج يمثل نموذج لهذه الشبكات )البكري واسماعيل 2010 (. X 1 X 2 w11 1 W12 W21 W2n W22 Y1 Y2 X3 Wn1 Wn2 wnn Y3 شكل )11.3(: يمثل معمارية شبكات الطبقة المفردة الشبكات متعددة الطبقات network( )Multi layer هي الشبكات التي تمتلك طبقة أو أكثر من العقد المخفية nodes( )Hidden يمكن تعريفها بأنها الوحدات التي تمثل وحدات إدخال و وحدات إخ ارج يمكن لهذه الشبكة التي تحل مشاكل أكثر تعقيدا من النوع األول ولكن تدريبها يكون أصعب من أمثلتها Medline( Back propagation )necogmatron miff الشكل )12.3( يمثل نموذج هذه الشبكات. X1 V1j V1p V11 Z1 W1q W11 W1k Y1 X2 X3 Vi1 vij vip Vn1 vnj vnp Z2 Z3 Wj1 wik wjq wpk wpq Y2 Y3 شكل )12.3(: يمثل معمارية الشبكات متعددة الطبقات )البكري واسماعيل 2010(.)2000 وفي الشبكة العصبية ثالث طبقات من األو ازن هي:)عيسى - طبقة الوزن بين مستوى اإلدخال والمستوى المخفي. - طبقات األو ازن بين المستويات المخفية. 50

63 - طبقة الوزن بين المستوى المخفي ومستوى اإلخ ارج استخدام الشبكات العصبية في التنبؤ بدأت في اآلونة األخيرة اهتمامات الباحثين في استخدام أساليب الشبكات العصبية في المعالجات اإلحصائية والتنبؤ باستخدام الشبكات العصبية حيث تستخدم الشبكات العصبية في بعض األحيان للتنبؤ قصير األجل خصوصا في الصناعات اإللكترونية وهذه التقنية الحديثة توفر دالة مرنة Function( )Flexible يمكن أن تالئم النماذج غير الخطية ومنها نماذج الشبكات العصبية الذكائية الصناعية والتي تعد دوال غير خطية مرنة والشكل العام لدالة الشبكات العصبية المستخدمة في التنبؤ يتبع الصيغة اآلتية: Y = F[H 1 (x) H 2 (x), H n (x)] + μ ( 14.3) حيث أن: Y: تمثل المتغير التابع. X: تمثل المتغي ارت التفسيرية أو المتغي ارت المستقلة. :F H تمثل دوال شبكات العصبيات. أما µ فتمثل حد الخطأ في الدالة. وتسمى مجموعة متغي ارت )X( بالمدخالت. ويسمى المتغير )Y( بالمخرجات أو الناتج. وتسمى )H( دوال التحفيز للطبقات الخفية و) F ( مخرجات دالة التحفيز الخفية. 51

64 ومما سبق يكمن الفرق في استخدام نموذج الشبكات العصبية للتنبؤ عن نماذج أخرى مثل نموذج االنحدار الخطي في أن دالة االنحدار خطية كما أنه ال توجد هناك دوال للطبقات الخفية في نموذج االنحدار في حين تحتاج الشبكات العصبية إلى وحدات إدخال للشبكة العصبية هي اختيار عدد قليل من العقد المخفية عند البدء بتدريب الشبكة العصبية وبعدها ت ازد العقد المخفية إلى أن نصل إلى أقل مربع خطأ ممكن وأفضل نتائج في معايير المقارنة )الم ارد 2012( عدة خطوات للتنبؤ منها وهناك اختبار المتغي ارت معالجة البيانات من خالل اج ارء بعض العمليات على البيانات المستخدمة متل تحديد.1.2 االتجاه العام والتركيز على العالقات بين المشاهدات وتوزيع البيانات. 3. تقسيم البيانات الى مجاميع. أ. مجموع التدريب ب. مجموع اختبار ج. مجموعة فرعية تحديد نموذج الشبكة العصبية تحديد معيار للتقييم تدريب الشبكة تنفيد الشبكة وعيوب م ازيا الشبكات العصبية 11.3 الشبكات أسلوب يتميز البدائل من غيره عن العصبية بالم ازيا البيانات تحليل عملية في اإلحصائية التالية: 52

65 معقد بتركيب تقوم أنها إذ األساس هذا على مبنية الشبكة هندسة إن المعالجة: في الموا ازة - المتغي ارت لكل المستعملة مع مقارنة التنفيذ وقت يقلص مما الوقت نفس في ومعالجتها البرمجة طريقة على تعتمد التي الكالسيكية المعالجة التسلسلية للمتغي ارت. - القدرة على التكيف: إن قدرة التمرن الفعالة للشبكة تؤهلها الستيعاب محددات جديدة للمشكلة المعطيات خالل من للمحيط الجديدة الخارجي. الشبكات تقنية في الحدث تمثيل يتم الموزعة: الذاكرة العصبية الصورية خريطة حسب - بالتصدي يسمح مما للخاليا تنشيط أن ضياع على زيادة للصخب ال الشبكة من عنصر أدائها. على يؤثر األمثلة على التعرف من الشبكة تتمكن التمرن عملية خالل من التعميم: على القدرة - المشابهة. الشبكة نموذج بناء سهولة االصطناعية: والقيام برنامج بكتابة ذلك ويتم باالختيار - كبيرة. لوسائل يحتاج ال وهذا للمعطيات مجموعة أي إدخال عند كثي ار يتأثر ال أدائها فإن البيانات بتلقي الشبكة تقوم أن بمجرد -.)2012 البيانات الجديدة من إضافية في موجودة تكن لم والتي البداية )يوسف وآخرون في كما المتغي ارت بين والعالقة البيانات نوعية بشأن بين قوية افت ارضات وجود ال تتطلب - األساليب اإلحصائية األخرى. من كبير عدد توافر ال تتطلب البيانات التجريبية. - 53

66 لترتيب حاجة هناك ليس المتغي ارت تلقائي ا تضع الشبكة أن حيث وذلك أهميتها حسب - حسب طبيعة بها خاصة أو ازن إليها. المدخلة البيانات النماذج في واضحة ق ار ارت تعطى معالجة يمكنها كما المعروفة ا القر ارت اتخاذ مشكالت -.)2013 )Stochastic( والتي تتصف بمدخالت واضحة غير )العباسي المي ازت هذه كل من بالرغم و للشبكات العصبية اال انه يوجد لها بعض العيوب وتتمثل في: استغالل عدم التقنية: الناحية من حالي ا تتم المحاكاة أن إذ المعالجة في الموا ازة خاصية - تسلسلية معالجة ذات أجهزة على الكثير من يستغرق مما كالسيكية الوقت. السليم االختيار م ارعاة يجب للمعطيات والتشخيص لها السليم والترميز الصحيح للظاهرة - وأيض ا عملية المدخالت والمخرجات للوصول إلى نموذج فعال )يوسف وآخرون 2012(. ال يمكن صياغتها التي المتغي ارت ذات المشاكل مع تتعامل ال أيض ا أنها عليها ويعاب - بعض الحاالت في نتائج تعطي أنها كما كمي ا لها منطقي ا تفسير ا أن نقدم ال نستطيع قد.)2013 )عالقات ه ارئية( )العباسي 12.3 طرق تقييم األداء: سنناقش في هذا الجزء عدة طرق لتقييم االداء لكل من أسلوبي االنحدار اللوجستي والشبكات العصبية طريقة البوتست ارب Bootstrap هي تقنية تعتمد على الكمبيوتر حيث يعتمد عليها لالستدالل على اخذ العينات عن طريق أخذ عينات متكررة مستمدة من العينة نفسها بدال من استخدامات بيانات المجتمع كله. ويشار الى هذا االسلوب بعملية اعادة أخذ العينات وكل عينة عشوائية من حجم n تعتبر عينة البوتست ارب. 54

67 يوصف التوزيع )التوزيع التجريبي( بانه توزيع عينات البوتست ارب التي تم اخدها من خالل أي مجموعة حقيقية من البيانات أي انه إذا كانت X=x x,1 x,2 x..,3 n فإن احتمال أخذ العينات n ألي بيانات متقطعة هو n/1 العينة العشوائية بحجم من مجموعة البيانات األصلية يشار لها X * =x * 1,x * 2,x * 3,..x * n حيث تشير النجمة فوق الرمز على ان * X ليست البيانات الحقيقية (Efron at للمجموعة X لكنها عبارة عن مجموعة أخذت كعينة من البيانات األصلية..el.,1993) العينة المأخوذة من البيانات الحقيقية تكون كعملية وصف للتوزيع التجريبي حيث ان عملية المعاينة تكون مع التك ارر وعمليات التك ارر ^ F (X x, x, x,..x ) * * * * * n * ) S(X هو ^ * في البوتست ارب ألي احصاء ممكن حسابه من المعادلة التالية ) S(X حيث أن مقدر احصائي في عملية التك ارر للبوتست ارب من البيانات األصلية. وهذا اإلحصاء قد يكون المتوسط او االنح ارف المعياري أو أي احصاء آخر من عينة البوتست ارب التي قد تكون تولدت ^ * b (X ) إليجاد تقدي ارت لإلحصاء حيث حيث..B 2 b=1 وتقدي ارت هذا االحصاء يمكن S استخدامها لبناء توزيع معاينة Wang,1999).)Ferrer & هناك نوعان من البوتست ارب: بوتست ارب معلمي :- حيث يكون ينتمي لعائلة معلمية وفقط يتم تقدير من معالمها F -1 العينة. بوتست ارب غير معلمي:- حيث ال يكون توزيع معلوما ويتم تقدير باالعتماد على ^ F F -2 البيانات التي ينتمي اليها التوزيع التجريبي. 55

68 مصفوفة التصنيف )التشويش( :Confusion Matrix تعتبر مصفوفة التصنيف مؤشر احصائي على مدى مالءمة النموذج ومن ثم مطابقته للبيانات حث يعمل على تصنيف الظواهر ثنائية الحدث عن طريق استخدام مصفوفة الخلط )التشويش( Confusion Matrix التي تظهر االنتماء الفعلي مقابل االنتماء به لكل المتنبأ مجموعة 1997) Leitner, )Soderstorm & وتعتمد فكرة استخدام هذا التحليل على ان النموذج اذا قام بتوقع تصنيف الحاالت بشكل صحيح اعتمادا على معيار ما فإن ذلك يعطي (1.2) برهانا بأن النموذج يطابق البيانات المشاهدة اما الشكل العام لجدول التصنيف فهو. 1999) Wang, Ferrer ):كما & يوضح الجدول (1.3) جدول )1.3( مصفوفة التصنيف )التشويش( :Confusion Matrix التصنيف السالب التنبؤ الموجب المشاهدات السالب الموجب السالب الصحيح TN السالب الخاطئ FN الموجب الخاطئ FP الموجب الصحيح TP 56

69 حيث نستطيع الحصول من هذه المصفوفة على معايير دقة التصنيف التالية TN TP N Accuracy = الدقة (Accuracy)... حيث يمثل -1 عدد العينات التي صنفت سالبة )ال تمتلك الصفة( وهي في الحقيقة سالبة :TN TP :عدد العينات التي صنفت موجبة)تمتلك الصفة( وهي في الحقيقة موجبة N: عدد العينات الكلي Sensitivity = TP TP FN حساسية النموذج :Sensitivity... حيث تمثل -2 عدد العينات التي صنفت سالبة وهي في الحقيقة موجبة ويصبح النموذج اكثر حساسية FN إذا استطاع تحديد أكبر عدد صحيح من الحاالت االيجابية. Specificity = TN TN FP خصوصية النموذج :Specificity... حيث تمثل -3 FP عدد العينات التي صنفت موجبة وهي في الحقيقة سالبة ويصبح النموذج اكثر خصوصية إذا استطاع تحديد أكبر عدد صحيح من الحاالت السالبة. Error rate = FP FN N -4 معدل الخطأ :Error rate False positive rate = FP FP TN 5- معدل االنذا ارت الخاطئة :False positive rate Presisisn = TP TP+FP : -6 معيار Presisisn ) 2011). Milan and Sunila Kumari 57

70 منحنيات ROC الحساسية والخصوصية ألي اختبار تعتمد على اكثر من ( جودة او نوعية ) االختبار بل تعتمد أيضا على تعريف ماذا يشكل االختبار غير طبيعي. بالتطبيق يتم اختيار نقطة قطع تفصل بين االختبار الطبيعي واالختبار غير طبيعي. ومكان هذه النقطة سيحدد عدد االيجابيات الحقيقية السلبيات الحقيقية االيجابيات الخاطئة باإلضافة للسلبيات الخاطئة. ومنحنيات ROC هي اختصار Curve( ( Receiver Operator Characteristic وهي عبارة عن تقنية لتصور تحسين واختيار أداة التصنيف على أساس عملية أدائها حيث يتم رسم الحساسية كدالة في الخصوصية لجميع نقاط القطع. كل نقطة على منحنى الروك تمثل الحساسية على الخصوصية. وبالتالي فإن الدقة األعلى لالختبا ارت تمثل بمخطط ROC على أعلى ازوية المنحنى اليسرى أي عندما تكون حساسية االختبار %100 وخصوصيته %100 أيضا ROC منحنى ( Bradley,1997 ).ويوضح عدة أمور أهمها 1- المفاضلة بين الحساسية والخصوصية لالختبار ( حيث أنه أي زيادة في الحساسية سي ارفقها انخفاض في الخصوصية(. المنحنى الذي يقترب من أعلى الجانب األيسر لحدود الشكل البياني ثم الحد العلوي من -2 مساحة ROC يمثل االختبار األدق. أقرب منحنى الى الخط الذي يمثل 45 درجة قطر على فضاء منحنيات ROC يكون أقل -3 دقة. انحدار خط المماس لنقاط القطع تزودنا بمعدل االرجحية العظمى )LR( لتلك االختبار. القيمة من المساحة تحت المنحنى تعبر عن دقة االختبار. 58

71 المساحة تحت المنحنى إذا عرفت التوزيعات االحتمالية لكل من الكشف واالنذا ارت الخاطئة فإنه يمكن انشاء منحني برسم دالة التوزيع الت اركمي )المساحة الواقعة تحت التوزيع االحتمالي من - إلى ROC + (. وتستخدم المنطقة تحت المنحنى ROC عادة كمقياس لجودة التصنيف االحتمالي. ويتم : منحنى ROC احتساب المساحة تحت باستخدام الصيغة التالية 1 TP FP 1 AROC d TP* dfp P N PN N 0 0.(Hosmer & Lemshow,2000) 13.3 الخالصة في هذا الفصل تم استع ارض مقدمة عامة عن الشبكات تاريخ الشبكات وأيضا العصبية العصبية وأنواع التدريب في الشبكات العصبية ومكونات ومنظومة الشبكات العصبية االصطناعية وأيضا نماذج الشبكات العصبية االصطناعية والبنية المعمارية للشبكة العصبية االصطناعية.كما تم التطرق الى طبقات الشبكة العصبية واستخدام الشبكات العصبية في التنبؤ وتم استع ارض أهم الم ازيا والعيوب للشبكات العصبية كما تم التطرق الى طرق تقييم األداء لكل من أسلوب االنحدار اللوجستي والشبكات العصبية ومنها طريقة البوتست ارب و مصفوفة التصنيف ومنحنيات ROC والمساحة تحت المنحنى. 59

72 الفصل ال اربع تحليل البيانات ومناقشة النتائج 60

73 1.4 مقدمة في هذه الد ارسة سوف نقوم بتطبيق نموذجين للتصنيف االنحدار اللوجستي والشبكات Bootstrapping العصبية وسنقوم بتقييم دقة التصنيف للنماذج باستخدام تقنية البوتست ارب ومنحنيات ROC.ومن ثم توفيق النموذج النهائي وذلك من أجل تحديد أهم العوامل المؤثرة على تعدد الزوجات في األ ارضي الفلسطينية و سنستخدم بيانات الجهاز المركزي لإلحصاء الفلسطيني لعام 2004 المتمثلة ببيانات استمارة " وسائل تنظيم األسرة االنجاب تفضيل االنجاب" 2.4 البيانات واالحصاءات الوصفية تحتوي هذه البيانات على 4972 حالة وتتضمن 17 متغير منها 16 متغير مستقل ومتغير تابع هو)وجود زوجة أخرى في عصمة الزوج(. تم استثناء 214 مفردة لوجود قيم في مفقودة المتغير محل الد ارسة " هل توجد في عصمة زوجك أي زوجة أخرى " وسيكون هذا المتغير هو المتغير التابع وهذا االستبانة موجه للسيدات. ومجموعة األسباب المؤثرة على وجود زوجة ثانية في عصمة الزوج التي سيحتويها النموذج )المتغي ارت المستقلة( ستكون )عمر السيدة عند الزواج األول مدة الحياة الزوجية للسيدة بالسنوات كاملة صلة الق اربة بين السيدة وزوجها االول عدد م ارت الزواج هل سبق للزوجة الحمل العمر عند الحمل األول هل سبق ان انجب اي مولود حتى ولو لم يعش اال لفترة محدودة فقط وجود بنات او ابناء يعيشون معك االن وجود بنات او ابناء احياء لكن ال يعيشون معك في االسرة عدد المواليد الفرق سنتين أو اكثر بين المولود الحالي والسابق حالة الحمل الحالية وجود احمال ال تنتهي بوالدة حية سواء باإلجهاض أو أن المولود خرج ميتا مجموع االحمال طوال الحياة المنطقة ونوع التجمع( جدول رقم )1.4( يوضح وصف لمتغي ارت الد ارسة. 61

74 جدول )1.4( وصف متغي ارت الد ارسة رمز المتغير وصف المتغير االجابات النوع عددي عددي عددي عددي عددي عددي عددي عددي عددي عددي عددي عددي عددي عددي 0 ال- 1- نعم العمر عدد السنوات ابن عم 1- ابن عمه 2- ابن خال 3- ابن خاله 4- ابن عم وخاله/ ابن عمه وخال 5- من نفس الحمولة 6- ال يوجد قرابة 7- مرة واحدة 1- أكثر من مرة 2- نعم 1- ال 2- العمر نعم 1- ال 2- نعم 1- ال 2- نعم 1- ال 2- مولود واحد او اكثر 1- ال مواليد 2- نعم 1- ال 2- نعم 1- ال 2- غير متأكدة 3- نعم 1- ال 2- هل توجد في عصمة زوجك أي زوجة اخرى عمر السيدة عند الزواج األول مدة الحياة الزوجية للسيدة بالسنوات كاملة صلة القرابة بين السيدة وزوجها االول عدد مرات الزواج هل سبق للزوجة الحمل العمر عند الحمل األول هل سبق ان انجب اي مولود حتى ولو لم يعش اال لفترة محدودة فقط وجود بنات او ابناء يعيشون معك االن وجود بنات او ابناء احياء لكن ال يعيشون معك في االسرة عدد المواليد الفرق سنتين أو اكثر بين المولود الحالي والسابق حالة الحمل الحالية وجود احمال ال تنتهي بوالدة حية سواء باإلجهاض أو أن المولود خرج ميتا re03 re03a re03b re03c re03d re04 re04a re05 re08 re10 re16 re29 re33 re مجموع االحمال طوال الحياة عددي re المنطقة نوع التجمع الضفة الغربية قطاع غزة حضر ريف مخيمات عددي عددي Region Loctype الوصف االحصائي لمتغي ارت الد ارسة 371 أن أظهر سيدة توجد في عصمة زوجها زوجة أخرى بنسبة %7.8. والشكل) 1.4 ) التالي يوضح التوزيع النسبي لهذا المتغير. 62

75 الشكل )1.4( التوزيع النسبي لمتغير تعدد الزوجات في فلسطين CFR يوضح الشكل )1.4( التوزيع النسبي لمتغير تعدد الزوجات في األ ارضي الفلسطينية حيث بلغت نسبة النساء اللواتي يوجد في عصمة أزواجهن زوجة أخرى %7.8 وبلغت نسبة النساء اللواتي ال توجد زوجة أخرى في عصمة أزواجهن %92.2. صلة القرابة بين الزوجة وزوجها عدد مرات الزواج للزوجة هل سبق للزوجة الحمل جدول) 2.4 ( احصاءات متغي ارت الد ارسة وجود زوجة خرى في عصمة الزوج نعم ال % عدد % عدد ابن عم ابن عمه ابن خال ابن خاله ابن عم وخاله/ ابن عمه وخال من نفس الحمولة ال يوجد قرابة قيمة مفقودة مرة واحدة أكثر من مرة نعم ال 63