Abstract:
يعد التمييز بين المشاهدات من الأساليب الشائعة الاستخدام وذلك لكثرة الظواهر التطبيقية التي يمكن أن يتم تحليلها من خلال اسلوب التمييز بين المشاهدات. هنالك العديد من الطرق التي يمكن أن تستخدم للتمييز بين المشاهدات مثل الدالة التمييزية الخطية والدالة التمييزية التربيعية أو أسلوب النموذج اللوجستي الثنائي، وهناك اسلوب حديث للتمييز بين المشاهدات وهو تقنية الشبكات العصبية الإصطناعية Artificial Neural Networks.
في هذه الدراسة تم إجراء مقارنة بين ثلاثة أساليب للتمييز وهي طريقة الشبكات العصبية، طريقة النموذج اللوجستي وطريقة الدالة التمييزية، وذلك لتصنيف المشاهدات إلى المجموعة التي تنتمي إليها في حالة كون بعض المتغيرات لا تتبع التوزيع الطبيعي، وقد أجريت تلك المقارنة للمفاضلة بين الطرق الثلاث. تم استخدام معيار نسبة المشاهدات المصنفة خطأ (نسبة التصنيف الخاطئ) كمعيار للمقارنة.
تكمن مشكلة البحث في المفاضلة بين الأساليب الإحصائية التقليدية التي تعالج النماذج ذات المتغيرات التابعة النوعية خاصة أساليب التصنيف والتمييز مثل التحليل التمييزي و نموذج الانحدار اللوجستي ومقارنتها بنتائج اسلوب الشبكات العصبية الذي يعتبر أسلوب حديث للفصل بين المشاهدات. هدفت الدراسة إلى التعرف على الأساليب التي تعالج النماذج ذات المتغيرات التابعة النوعية والمفاضلة بينها، كما تهدف الدراسة إلى تسليط الضوء على استخدام الشبكات العصبية الاصطناعية في التطبيقات الإحصائية خاصة في التصنيف والتنبؤ، وكذلك هدفت الدراسة إلى التعرف على أهم العوامل التي تؤثر على كفاية دخل الأسرة.
من أهم نتائج الدراسة أن النماذج المقترحة أعطت نتائج متطابقة من حيث معنوية تأثير وأهمية المتغيرات المستقلة الداخلة في التحليل. حيث أن متغير حجم الأسرة هو أهم عامل للفصل والتمييز بين دخول الأسر من حيث الكفاية وعدم الكفاية، بينما متغير وجود طلبة جامعيين بالأسرة ليس له تأثير على كفاية دخل الأسرة. كما نجد أن طريقة الشبكات العصبية الإصطناعية قد أعطت نسبة تصنيف أفضل من النموذج اللوجستي وطريقة الدالة التمييزية.
من أهم توصيات الدراسة الاستفادة من الأساليب الإحصائية المتقدمة (أساليب التحليل متعدد المتغيرات) مثل الدالة التمييزية، ونماذج التصنيف الحديثة مثل نماذج الشبكات العصبية، للفصل أو التمييز بين مجموعتين أو أكثر، في جميع مجالات المعرفة.
