int3ract: Johnson-Neyman Technique and its Three-Way Extension for Frequentist and Bayesian Models in R

ملخص تقني: int3ract: تقنية جونسون-نيومان وامتدادها ثلاثي الاتجاهات للنماذج التكرارية والبيزية في لغة R

1. المشكلة: حدود تحليل التفاعل التقليدي

في النمذجة الإحصائية التطبيقية، تُستخدم حدود التفاعل الضربي لتحديد ما إذا كان العلاقة بين متغير تنبؤي ($X$) ومتغير تابع ($Y$) يتم تعديلها بواسطة متغير واحد أو أكثر ($M, W$). ومع ذلك، يحدد البحث ثغرتين رئيسيتين في ممارسات التقارير الحالية:

• نهج "تسليط الضوء" (The Spotlight Approach): يعتمد الباحثون غالبًا على تحليل "الميل البسيط" (simple-slope)، حيث يتم تقييم تأثير $X$ فقط عند قيم محددة تعسفيًا للمتغير المعدل (مثل: المتوسط، أو $+1$ انحراف معياري، أو $-1$ انحراف معياري). وهذا يوفر لقطة ضيقة، وقد تكون مضللة، للتفاعل.
• تعقيد التفاعلات من الدرجة الثالثة: بينما تُدرس التفاعلات الثنائية جيدًا، فإن تفسير التفاعلات الثلاثية معقد رياضيًا وبصريًا. وتفتقر حزم لغة R الحالية إلى القدرة على تصور مناطق الأهمية الإحصائية للتفاعلات الثلاثية بشكل فعال.

2. المنهجية: تقنيات جونسون-نيومان (JN) و JNK

يقدم البحث حزمة int3ract في لغة R، والتي تطبق منهجين أساسيين:

• تقنية جونسون-نيومان (JN) (ثنائية الاتجاه): بدلاً من النقاط المنفصلة، تحدد هذه التقنية النطاق المستمر للمتغير المعدل الذي يكون فيه التأثير المحوري دالًا إحصائيًا. بالنسبة للنموذج الخطي، تقوم التقنية بحساب الميل البسيط $\hat{\theta}_X(m) = \hat{\beta}_1 + \hat{\beta}_3 m$ وتستخدم طريقة دلتا (delta method) لاشتقاق تباين المعاينة الخاص به، مما يحدد المناطق التي تتجاوز فيها قيمة $z$-score العتبة الحرجة ($|z(m)| > z_{\alpha/2}$).
• تقنية جونسون-نيومان-كراوس (JNK) (ثلاثية الاتجاه): هذا هو الامتداد المنهجي الجوهري للبحث. بالنسبة للتفاعل ثلاثي الاتجاهات، يعتمد التأثير الشرطي لـ $X$ على متغيرين معدلين ($M$ و $W$). تستخدم الحزمة طريقة دلتا متعددة المتغيرات لحساب تباين التأثير الشرطي عبر شبكة ثنائية الأبعاد، مما يسمح بتحديد مناطق الأهمية في مستوًى (plane) بدلاً من خط.

3. المساهمات الرئيسية والتنفيذ

توفر حزمة int3ract إطار عمل موحد لكل من النماذج التكرارية (Frequentist) والبيزية (Bayesian):

• المحرك التكراري (JNK_freq()):
  • الكشف التلقائي: تقوم باستخراج المعاملات ومصفوفات التغاير تلقائيًا من كائنات lm و glm و lme4 (النماذج ذات التأثيرات المختلطة) و RSiena (نماذج SAOMs).
  • استقلالية النموذج: يمكن تطبيقها على أي نموذج (البقاء، النماذج الترتيبية، ريجريشن بيتا، إلخ) إذا قدم المستخدم متجه المعاملات ومصفوفة التغاير.
  • دعم التأثيرات المختلطة: بالنسبة لنماذج lme4 ذات حدود التفاعل العشوائية، يمكنها إنشاء مخططات JN لكل مجموعة.
• المحرك البيزي (JNK_bayes()):
  • بدلاً من تقديرات النقطة، تستخدم التوزيعات اللاحقة الشرطية.
  • بالنسبة للتفاعلات ثنائية الاتجاه، تنتج مخططات كثافة التوزيع اللاحق.
  • بالنسبة للتفاعلات ثلاثية الاتجاه، تنتج خرائط حرارية للمتوسط اللاحق وقيم $p$ البيزية، مع استخدام تراكبات الخطوط المتقاطعة (crosshatch) للإشارة إلى المناطق غير الدالة.
• التصور المتقدم:
  • ثنائي الاتجاه: مخططات شريطية مظللة (باللون الأخضر للمناطق الدالة، وباللون الشوكولاتي للمناطق غير الدالة).
  • ثلاثي الاتجاه: خرائط حرارية ذات تدرج لوني ترسم مقدار التأثير عبر شبكة معدلات ثنائية الأبعاد.

4. النتائج والتطبيق

يستعرض البحث فائدة الحزمة من خلال عدة سيناريوهات محاكاة:

• التفاعلات ثنائية الاتجاه: تصور كيفية تقلب الأهمية الإحصائية لمتغير تنبؤي عبر نطاق متغير معدل واحد.
• التفاعلات ثلاثية الاتجاه: توليد خرائط حرارية ثنائية الأبعاد تكشف عن "جزر" معقدة من الأهمية داخل فضاء المتغيرات المعدلة.
• نماذج الفاعل الوكيل العشوائية (SAOMs): توضيح كيفية تعامل الحزمة مع المتطلات المتخصصة لنماذج تطور الشبكات (RSiena)، بما في ذلك القدرة على تقييم التباين عبر مجموعات أو شبكات مختلفة.

5. الأهمية والأثر

تكمن أهمية هذا العمل في دفعه نحو الشفافية الإحصائية. فمن خلال الانتقال من اختبارات "تسليط الضوء" إلى رسم خرائط المناطق المستمرة، تسمح int3ract للباحثين بـ:

1. تجنب الاستنتاقات الخاطئة: منع التفسير الخاطئ للتفاعلات التي قد تكون دالة فقط في نطاقات ضيقة غير مفحوصة.
2. تعزيز التقارير: تقديم بيانات أغنى وأكثر تفصيلًا في المواد التكميلية، بما يتماشى مع الدعوات الحديثة للتقارير الإحصائية القابلة لإعادة الإنتاج والكاملة.
3. الربط بين النماذج: تقديم سير عمل متسق لكل من الباحثين في المجالين التكراري والبيزي، مما يجعل تحليل التعديل المتطور متاحًا عبر مختلف الفلسفات النمذجة.