مثال عملي على الارتباط الإيجابي: سيناريو عددي شفاف

الإجابة المباشرة: ماذا يوضح المثال العملي على الارتباط الإيجابي

يعني الارتباط الإيجابي أنه عندما يميل أحد المتغيرين إلى الزيادة، فإن المتغير الآخر يميل أيضًا إلى الزيادة (وعندما يميل أحدهما إلى النقصان، يميل الآخر أيضًا إلى النقصان). يجعل المثال العملي ذلك ملموسًا عبر استخدام قيم بيانات مزدوجة وبيان كيف يعكس حساب الارتباط نمط “الحركة في الاتجاه نفسه”.

في الواقع، الفكرة الأساسية هي فكرة وصفية: يلخص الارتباط مدى قوة تحرك سلسلتين زمنيتين متزامنتين معًا. لا يثبت السببية، ولا يضمن تشابهًا في المستقبل.

الآلية أو التعريف: إعداد المتغيرات ومقياس الارتباط

للتوضيح، لنفترض وجود متغيرين عامّين، متزامنين زمنيًا، تم قياسهما عبر نفس نقاط الزمن الخمس:

X: قيمة المتغير X عند الأوقات t1–t5
Y: قيمة المتغير Y عند الأوقات t1–t5

مقياس عددي شائع هو معامل الارتباط لِبيرسون، r، والذي يتراوح من -1 إلى +1:

r > 0 يشير إلى ارتباط إيجابي (حركة في الاتجاه نفسه)
r = 0 يشير إلى عدم وجود علاقة خطية
r < 0 يشير إلى ارتباط سلبي (حركة في الاتجاه المعاكس)

افتراضات حساب “مثال عملي”:

يتم إقران X وY حسب الزمن (t1 مع t1، وهكذا).
العلاقة التي يتم تلخيصها خطية تقريبًا.
تُعامل الأرقام بشكل متسق (نفس الوحدات أو تحويلات قابلة للمقارنة، إن وجدت).

الدليل أو المثال: سيناريو كامل عددي على ارتباط إيجابي

افترض الملاحظات الخمس المزدوجة التالية (الوحدات اعتباطية):

X = [1, 2, 3, 4, 5]
Y = [2, 4, 6, 8, 10]

تزداد هاتان السلسلتان معًا بمعدل نسبي ثابت. الآن احسب r (ارتباط بيرسون).

الخطوة 1: إيجاد المتوسطات.

mean(X) = (1+2+3+4+5)/5 = 3
mean(Y) = (2+4+6+8+10)/5 = 6

الخطوة 2: حساب الانحرافات عن المتوسط وحاصل ضرباتها.

بالنسبة لـ X: X-mean(X) = [-2, -1, 0, 1, 2]
بالنسبة لـ Y: Y-mean(Y) = [-4, -2, 0, 2, 4]

حاصل ضرب الانحرافات:

(X-mean(X))*(Y-mean(Y)) = [8, 2, 0, 2, 8]
المجموع = 20

الخطوة 3: حساب معاملات التقييس.

مجموع مربعات انحرافات X = (-2)^2+(-1)^2+0^2+1^2+2^2 = 10
مجموع مربعات انحرافات Y = (-4)^2+(-2)^2+0^2+2^2+4^2 = 40

الخطوة 4: حساب r.

r = sum[(X-mean(X))(Y-mean(Y))] / sqrt[(sum(X-dev^2))*(sum(Y-dev^2))]
r = 20 / sqrt(10*40) = 20 / sqrt(400) = 20/20 = 1

النتيجة: r = 1، ما يشير إلى ارتباط خطي إيجابي مثالي ضمن هذه البيانات المفترضة، والتي هي متناسبة تمامًا.

حدّ المادة الذي يوضحه هذا المثال: العلاقة “مبنية داخليًا”. إذا كانت بيانات العالم الحقيقي مليئة بالضوضاء (بدلًا من كونها متناسبة تمامًا)، فغالبًا سيكون r أقل من 1 حتى عندما تميل المتغيرات إلى التحرك في الاتجاه نفسه في كثير من الأحيان.

القيود والمخاطر: لماذا قد يضلل الارتباط الإيجابي رغم ذلك

الارتباط لا يعني السببية. يمكن لمتغيرين أن يتحركا معًا بسبب عامل ثالث مشترك، أو تحرك متزامن بالصدفة، أو آثار تزامن زمني.
قد تفشل الاستقرارية عبر أنظمة السوق. قد لا تستمر علاقة تم قياسها في فترة واحدة لاحقًا إذا تغيرت التقلبات أو السيولة أو السلوك. يمكن لنفس زوج المتغيرات أن يُظهر ارتباطًا إيجابيًا مرتفعًا في نظام واحد وارتباطًا أضعف في نظام آخر.
قيد الارتباط الخطي. يلتقط ارتباط بيرسون التزامن الخطي في الحركة. إذا كانت العلاقة غير خطية أو تغيّر شكلها، فقد يقلل r من تقدير الاعتماد ذي المعنى.
مشكلات البيانات والقياس. يُحسب الارتباط من أوقات أخذ عينات محددة. قد يؤدي تغيير تكرار أخذ العينات أو استخدام طوابع زمنية غير متطابقة إلى تغيير r.
التكاليف وآثار التنفيذ (نقطة عامة). حتى إذا كان سلسلتان مرتبطتين إيجابيًا، فقد يتأثر تحويل هذا النمط إلى نتائج فعلية بتكاليف المعاملات، والتوقيت، وقيود التنفيذ العملية. يصف الارتباط التزامن في الحركة؛ ولا يقوم بنمذجة هذه الاحتكاكات الإضافية.

التحقق أو السؤال التالي: كيف تتحقق بشكل مستقل من الارتباط الإيجابي

للتحقق من الارتباط الإيجابي لزوج المتغيرات الخاص بك، يمكنك:

جمع القيم المزدوجة X(t) وY(t) لنقاط الزمن نفسها.
رسم X مقابل Y (مخطط تشتت) لمعرفة ما إذا كانت النقاط تميل إلى الارتفاع.
حساب Pearson r باستخدام الخطوات أعلاه (أو آلة حاسبة/أداة) ضمن افتراضات متسقة.
اختبار الحساسية بإعادة حساب r لنوافذ زمنية مختلفة والتحقق مما إذا كانت الإشارة تبقى موجبة.

سؤال مفيد تالٍ هو: “هل يبقى الارتباط إيجابيًا عندما يتغير إطار الزمن؟”

DOCUMENT END