ما هو مثال مُنجَز (Worked Example) لتغيّرات الارتباط؟

الإجابة المباشرة

يوضح المثال المُنجَز لتغيّرات الارتباط كيف يمكن لقيمة الارتباط أن تتحرك عندما تتغيّر نافذة البيانات أو المحرّكات أو الظروف المستخدمة لحسابه. و“مُنجَز” يعني أنك تكتب الأرقام والافتراضات بالتفصيل، ثم تعيد حساب الارتباط لكل حالة حتى ترى ما الذي تغيّر ولماذا.

عمليًا، تتعامل مع الارتباط كإحصائية وصفية: فهو يلخّص كيف تتحرك سلسلتان زمنيتان معًا خلال عيّنة (sample) محددة. إذا تم تعديل هذه العيّنة—باستخدام فترة مختلفة، أو تردد ملاحظة مختلف، أو قيم تتأثر بقوى كامنة مختلفة—فيمكن أن يتغيّر الارتباط.

الآلية أو التعريف

يقيس الارتباط (الأكثر شيوعًا هو معامل ارتباط بيرسون) بين متغيرين قوة واتجاه التزامنهما الخطي (co-movement) في مجموعة معيّنة من المشاهدات المزدوجة. ولا يدّعي أن المستقبل سيطابق الماضي.

لذلك، يشير “تغيّر الارتباط” إلى تغيّر الارتباط المحسوب عندما تغيّر شيئًا في الإعداد، مثل:

• نافذة الزمن (فترات أقدم مقابل فترات أحدث)،
• نظام الحدث (سلوك المخاطرة-عالية مقابل المخاطرة-منخفضة)،
• تردد أخذ العينات أو مواءمته (يومي مقابل كل ساعة، وكيف تتم مطابقة الطوابع الزمنية)،
• أو المدخلات (على سبيل المثال، استخدام العوائد بدلًا من المستويات الخام).

مصطلحات تقنية شائعة، مع توضيحها:

• نافذة السلاسل الزمنية: الفترة الدقيقة التي تجمع خلالها مشاهدات مزدوجة.
• المشاهدات المزدوجة: كل نقطة في سلسلة واحدة تتم مطابقتها مع النقطة المقابلة في السلسلة الأخرى.
• العوائد مقابل المستويات: غالبًا ما تتصرف العوائد بشكل أكثر ثباتًا من مستويات السعر الخام؛ وقد يؤدي خلط الأساليب إلى تغيير الارتباط.

مثال مُنجَز (رقمي، مع افتراضات صريحة)

افترض أن لديك متغيرين، A و B، تم قياسهما عند خمس أوقات متوافقة (aligned). ستحسب الارتباط مرتين باستخدام عينتين مختلفتين:

الافتراضات (مذكورة صراحة):

1. تستخدم معامل ارتباط بيرسون على المشاهدات المزدوجة المعروضة.
2. تحسب الارتباط على عيّنة من خمس نقاط في كل مرة.
3. تكون السلاسل متوافقة زمنيًا مسبقًا (لا يوجد عدم تطابق في الطوابع الزمنية).
4. تستخدم القيم كما هي مباشرة (وليس العوائد)، فقط لأغراض العرض.

العينة 1 (تغيّرات الارتباط غير موجودة بعد)

مشاهدات مزدوجة (5 أوقات):

• A: 1, 2, 3, 4, 5
• B: 2, 4, 6, 8, 10

هنا B هي بالضبط 2×A، لذا يتحركان معًا بشكل مثالي. وبحسب تعريف معامل ارتباط بيرسون، فإن الارتباط هو +1.

العينة 2 (نفس المتغيرات، علاقة مختلفة)

الآن غيّر فقط B بطريقة تقلب نمط التزامن مع الحفاظ على A كما هو:

• A: 1, 2, 3, 4, 5
• B: -1, -2, -3, -4, -5

هنا B هي بالضبط −1×A، لذا يتحركان بشكل مثالي في اتجاهين متعاكسين. يصبح معامل ارتباط بيرسون −1.

ماذا يعني “تغيّر الارتباط” هنا

بين العينة 1 والعينة 2، تحرّك الارتباط من +1 إلى −1. في هذا السيناريو التوضيحي، فإن المحرّك خلف سلوك B قد تغيّر فعليًا في الإشارة. في البيانات الحقيقية، يمكن أن تحدث تغيّرات الإشارة عندما تتبدّل الظروف الأساسية، أو عندما تهيمن مجموعة مختلفة من القوى، أو عندما تتجاوز نافذة العيّنة حدود الأنظمة.

القيود والمخاطر (أنماط فشل جوهرية)

1. الارتباط يعتمد على العيّنة. إذا حسبت الارتباط على نافذة زمنية مختلفة أو مع مواءمة مختلفة، فقد تحصل على رقم مختلف. تلخّص الإحصائية العيّنة المختارة، وليس علاقة مضمونة.

2. قد ينكسر الارتباط عند تغيّرات الأنظمة. إذا لم تكن العلاقة بين المتغيرين ثابتة عبر الزمن (على سبيل المثال، فترة يهيمن فيها نوع واحد من المحرّكات ثم يتحول لاحقًا إلى نوع آخر)، فقد يتحرك الارتباط بشكل حاد.

3. ليس سببية. حتى الارتباط القوي لا يحدد سبب تحرك المتغيرات معًا. يمكن لآليات مختلفة أن تنتج ارتباطًا متشابهًا.

4. لا خطية ومشكلات التوزيع. يستهدف معامل ارتباط بيرسون التزامن الخطي. إذا كانت العلاقة غير خطية أو تأثرت بالقيم المتطرفة (outliers)، فقد يكون رقم الارتباط مضلِّلًا.

5. قد تضخّم العينات الصغيرة تغيّرات الارتباط. مع عدد قليل من المشاهدات المزدوجة، يمكن أن تتأرجح تقديرات الارتباط بشكل كبير. لذلك يجب أن يتضمن “مثالك المُنجَز” عددًا كافيًا من النقاط ليكون ذا معنى.

التحقق والسؤال التالي الذي يجب طرحه

للتحقق بشكل مستقل من تغيّرات الارتباط، يمكنك:

1. تثبيت التعريف (ما مقياس الارتباط، وما التحويل مثل العوائد أو المستويات).
2. إعادة إنشاء مجموعة البيانات المزدوجة لكل نافذة/نظام.
3. إعادة حساب الارتباط لكل مجموعة بيانات باستخدام نفس الطريقة.
4. فحص الحساسية: هل تبقى النتيجة مشابهة عندما تعدّل حدود النافذة قليلًا أو مواءمة أخذ العينات؟

سؤال مفيد تالٍ هو: ما الذي تغيّر بالضبط بين العينات—نافذة الزمن، أو المواءمة، أم المحرّكات الأساسية؟