تقرير تحليلي – منصة أرقامي |
تقرير تحليلي – منصة أرقامي |
بمناسبة اليوم الوطني للمملكة العربية السعودية، يقدّم هذا التقرير قراءة تحليلية تستند إلى بيانات الفترة 2015–2024، وهي سنوات تولي خادم الحرمين الشريفين الملك سلمان بن عبدالعزيز آل سعود – حفظه الله – مقاليد الحكم. وقد ركّزنا في هذا التحليل على مجموعة من المتغيرات الاقتصادية والاجتماعية التي تعكس مسيرة التطور والتحول في المملكة، وتشمل:
النمو الاقتصادي (GDP Growth)
البطالة (Unemployment)
مشاركة المرأة في سوق العمل (Female Employment)
الاستثمار الأجنبي المباشر (FDI)
عدد السكان (Population)
data_path = file.choose()
dat = read_csv(data_path, show_col_types = FALSE)
dat = dat %>% arrange(year)
dat = dat %>%
mutate(
population_millions = population / 1e6,
population_growth_pct = 100 * (population / lag(population) - 1)
)mean_gdp = mean(dat$gdp_growth, na.rm = TRUE)
median_gdp = median(dat$gdp_growth, na.rm = TRUE)
range_gdp = range(dat$gdp_growth, na.rm = TRUE)
kable(data.frame(
المؤشر = c("المتوسط", "الوسيط", "أدنى قيمة", "أعلى قيمة"),
القيمة = c(mean_gdp, median_gdp, range_gdp[1], range_gdp[2])
), caption = "ملخص إحصائي للنمو الاقتصادي (GDP Growth) 2015–2024", align = "c", digits = 2)| المؤشر | القيمة |
|---|---|
| المتوسط | 1.61 |
| الوسيط | 1.50 |
| أدنى قيمة | -4.10 |
| أعلى قيمة | 8.70 |
بلغ متوسط النمو الاقتصادي حوالي 1.6%، مع أدنى انكماش في عام 2020 (-4.1%) وأعلى نمو في 2022 (8.7%)، ما يعكس مرونة الاقتصاد السعودي.
ملاحظة: يمثل هذا الملخص الاتجاه العام للنمو الاقتصادي خلال حقبة التقرير، بما في ذلك فترات الانكماش والانتعاش.
avg_unemp = mean(dat$unemployment, na.rm = TRUE)
start_unemp = dat$unemployment[dat$year == min(dat$year)]
end_unemp = dat$unemployment[dat$year == max(dat$year)]
delta_unemp = end_unemp - start_unemp
kable(data.frame(
المؤشر = c("متوسط البطالة 2015–2024", paste0("البطالة في ", min(dat$year)), paste0("البطالة في ", max(dat$year)), "التغير (نهاية - بداية)"),
القيمة = c(avg_unemp, start_unemp, end_unemp, delta_unemp)
), caption = "مؤشرات البطالة: المتوسط ومقارنة البداية والنهاية", align = "c", digits = 2)| المؤشر | القيمة |
|---|---|
| متوسط البطالة 2015–2024 | 6.0 |
| البطالة في 2015 | 5.6 |
| البطالة في 2024 | 5.3 |
| التغير (نهاية - بداية) | -0.3 |
متوسط البطالة كان 6%، وانخفضت من 5.6% في 2015 إلى 5.3% في 2024 بتراجع طفيف (0.3-) مما يشير إلى استقرار نسبي.
avg_female = mean(dat$female_employment, na.rm = TRUE)
start_fem = dat$female_employment[dat$year == min(dat$year)]
end_fem = dat$female_employment[dat$year == max(dat$year)]
delta_fem = end_fem - start_fem
kable(data.frame(
المؤشر = c("متوسط مشاركة المرأة", paste0("عند ", min(dat$year)), paste0("عند ", max(dat$year)), "التغير (نهاية - بداية)"),
القيمة = c(avg_female, start_fem, end_fem, delta_fem)
), caption = "تطور مشاركة المرأة في سوق العمل", align = "c", digits = 2)| المؤشر | القيمة |
|---|---|
| متوسط مشاركة المرأة | 25.73 |
| عند 2015 | 17.00 |
| عند 2024 | 36.30 |
| التغير (نهاية - بداية) | 19.30 |
ارتفعت مشاركة المرأة من 17% عام 2015 إلى 36.3% عام 2024 (+19.3 نقطة)، ما يؤكد التقدم الكبير في تمكين المرأة.
kable(dat %>% select(year, population_millions, population_growth_pct),
caption = "عدد السكان (بالملايين) ومعدل نمو السكان السنوي (%)", align = "c", digits = 2)| year | population_millions | population_growth_pct |
|---|---|---|
| 2015 | 29.82 | NA |
| 2016 | 30.95 | 3.82 |
| 2017 | 30.98 | 0.07 |
| 2018 | 30.20 | -2.52 |
| 2019 | 30.06 | -0.44 |
| 2020 | 31.55 | 4.95 |
| 2021 | 30.78 | -2.43 |
| 2022 | 32.18 | 4.52 |
| 2023 | 33.70 | 4.75 |
| 2024 | 35.30 | 4.74 |
# معدل النمو المركب للسكان عبر الفترة (CAGR)
pop_cagr = 100 * ((tail(dat$population, 1) / head(dat$population, 1))^(1/(nrow(dat)-1)) - 1)
pop_cagr## [1] 1.893627ارتفع عدد السكان من حوالي 29.8 مليون في 2015 إلى 35.3 مليون في 2024 (+5.5 مليون)، بمعدل نمو مركب 1.9%، ما يعكس نموًا سكانيًا مستقرًا.
library(scales)
p1 = ggplot(dat, aes(year, gdp_growth)) +
geom_area(fill = argami_cols[2], alpha = 0.15) +
geom_line(size = 1, color = argami_cols[2]) +
geom_point(size = 2, color = argami_cols[2]) +
geom_hline(yintercept = 0, linetype = 2, color = "gray60") +
annotate("label", x = 2022, y = max(dat$gdp_growth, na.rm=TRUE),
label = "ذروة 2022", fill = "white") +
labs(title = "النمو الاقتصادي", y = "%", x = NULL) + theme_argami()
p2 = ggplot(dat, aes(year, female_employment)) +
geom_line(size = 1, color = argami_cols[3]) +
geom_point(size = 2, color = argami_cols[3]) +
geom_smooth(method = "lm", se = FALSE, linetype = 3, color = "gray40") +
labs(title = "مشاركة المرأة في سوق العمل", y = "%", x = NULL,
subtitle = "اتجاه تصاعدي واضح") + theme_argami()
p3 = ggplot(dat, aes(year, unemployment)) +
geom_ribbon(aes(ymin = pmin(unemployment, 8), ymax = pmax(unemployment, 8)),
fill = "gray95") +
geom_line(size = 1, color = argami_cols[1]) +
geom_point(size = 2, color = argami_cols[1]) +
labs(title = "البطالة", y = "%", x = NULL) + theme_argami()
p4 = ggplot(dat, aes(year, fdi_usd_billion)) +
geom_col(fill = argami_cols[5], width = 0.7) +
geom_hline(yintercept = 0, color = "gray60") +
labs(title = "الاستثمار الأجنبي المباشر (مليار $)", x = NULL, y = NULL) + theme_argami()
can_use_patchwork = requireNamespace("patchwork", quietly = TRUE)
if (can_use_patchwork) {
library(patchwork)
(p1 + p2) / (p3 + p4)
} else {
print(p1); print(p2); print(p3); print(p4)
}
النمو الاقتصادي: تذبذب مع قفزة واضحة في 2022.
مشاركة المرأة: اتجاه تصاعدي ثابت.
البطالة: مستقرة مع تراجع طفيف.
الاستثمار الأجنبي: متقلب لكنه ارتفع بعد 2021.
ggplot(dat, aes(year, gdp_growth)) +
geom_line(size = 1) +
geom_point() +
labs(x = "السنة", y = "النمو الاقتصادي (%)", title = "مسار النمو الاقتصادي في السعودية (2015–2024)") +
theme_argami()
ggplot(dat, aes(year, female_employment)) +
geom_line(size = 1) +
geom_point() +
labs(x = "السنة", y = "مشاركة المرأة (%)", title = "تطور مشاركة المرأة في سوق العمل (2015–2024)") +
theme_argami()
ggplot(dat, aes(year, unemployment)) +
geom_line(size = 1) +
geom_point() +
labs(x = "السنة", y = "البطالة (%)", title = "التغير في معدل البطالة (2015–2024)") +
theme_argami()
ggplot(dat, aes(year, population_millions)) +
geom_area(fill = argami_cols[6], alpha = 0.15) +
geom_line(size = 1, color = argami_cols[6]) +
geom_point(size = 2, color = argami_cols[6]) +
labs(x = "السنة", y = "عدد السكان (مليون)", title = "تطور عدد السكان") +
theme_argami()
سنفحص معاملات الارتباط (بيرسون) بين: - النمو الاقتصادي والبطالة
- الاستثمار الأجنبي المباشر والنمو الاقتصادي
- مشاركة المرأة في العمل والنمو الاقتصادي
vars = dat %>% select(gdp_growth, unemployment, fdi_usd_billion, female_employment)
kable(round(cor(vars, use = "complete.obs"), 3), caption = "مصفوفة الارتباط (بيرسون)")| gdp_growth | unemployment | fdi_usd_billion | female_employment | |
|---|---|---|---|---|
| gdp_growth | 1.000 | -0.276 | 0.592 | 0.259 |
| unemployment | -0.276 | 1.000 | -0.010 | -0.058 |
| fdi_usd_billion | 0.592 | -0.010 | 1.000 | 0.879 |
| female_employment | 0.259 | -0.058 | 0.879 | 1.000 |
أوضح ارتباط موجب بين النمو الاقتصادي والاستثمار الأجنبي المباشر (0.59).
علاقة ضعيفة موجبة بين مشاركة المرأة والنمو الاقتصادي (0.26).
علاقة سالبة ضعيفة بين النمو الاقتصادي والبطالة (-0.28). )
c1 = cor.test(dat$gdp_growth, dat$unemployment)
c2 = cor.test(dat$gdp_growth, dat$fdi_usd_billion)
c3 = cor.test(dat$gdp_growth, dat$female_employment)
kable(bind_rows(
tidy(c1) %>% mutate(pair = "GDP Growth vs Unemployment"),
tidy(c2) %>% mutate(pair = "GDP Growth vs FDI"),
tidy(c3) %>% mutate(pair = "GDP Growth vs Female Employment")
) %>% select(pair, estimate, statistic, p.value, conf.low, conf.high),
caption = "اختبارات الارتباط (بيرسون): التقدير، إحصاء t، قيمة p، وفواصل الثقة", digits = 3)| pair | estimate | statistic | p.value | conf.low | conf.high |
|---|---|---|---|---|---|
| GDP Growth vs Unemployment | -0.276 | -0.813 | 0.440 | -0.772 | 0.428 |
| GDP Growth vs FDI | 0.592 | 2.075 | 0.072 | -0.061 | 0.890 |
| GDP Growth vs Female Employment | 0.259 | 0.758 | 0.470 | -0.443 | 0.764 |
علاقة النمو والبطالة غير معنوية (p=0.44).
علاقة النمو وFDI الأقوى لكنها على حدود الدلالة (p≈0.07).
علاقة النمو ومشاركة المرأة ضعيفة وغير معنوية (p=0.47).
library(tidyr)
library(dplyr)
corr_mat = round(cor(vars, use = "complete.obs"), 2)
corr_df = as.data.frame(corr_mat) %>%
mutate(var1 = rownames(corr_mat)) %>%
tidyr::pivot_longer(-var1, names_to = "var2", values_to = "corr")
ggplot(corr_df, aes(var2, var1, fill = corr)) +
geom_tile(color = "white") +
geom_text(aes(label = corr), size = 4) +
scale_fill_gradient2(low = "#ef4444", mid = "white", high = "#2563eb", midpoint = 0) +
labs(x = NULL, y = NULL, title = "خريطة حرارية للارتباطات") +
theme_argami() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
نقارن أول 5 سنوات (2015–2019) مقابل آخر 5 سنوات (2020–2024) لمتغيري البطالة ومشاركة المرأة.
dat_periods = dat %>%
mutate(period = ifelse(year <= 2019, "2015-2019", "2020-2024"))
tt_unemp = t.test(unemployment ~ period, data = dat_periods, var.equal = FALSE)
tt_female = t.test(female_employment ~ period, data = dat_periods, var.equal = FALSE)
kable(bind_rows(
tidy(tt_unemp) %>% mutate(variable = "Unemployment"),
tidy(tt_female) %>% mutate(variable = "Female Employment")
) %>% select(variable, estimate1, estimate2, statistic, parameter, p.value, conf.low, conf.high),
caption = "اختبار الفروق بين الفترتين (Welch t-test): المتوسطين، إحصاء الاختبار، الدرجات، قيمة p، وفاصل الثقة", digits = 3)| variable | estimate1 | estimate2 | statistic | parameter | p.value | conf.low | conf.high |
|---|---|---|---|---|---|---|---|
| Unemployment | 5.78 | 6.22 | -1.068 | 4.313 | 0.342 | -1.552 | 0.672 |
| Female Employment | 19.00 | 32.46 | -4.860 | 4.555 | 0.006 | -20.794 | -6.126 |
anova_unemp = aov(unemployment ~ period, data = dat_periods)
anova_female = aov(female_employment ~ period, data = dat_periods)
kable(bind_rows(
tidy(anova_unemp) %>% mutate(variable = "Unemployment"),
tidy(anova_female) %>% mutate(variable = "Female Employment")
), caption = "ملخص ANOVA أحادية الاتجاه للفترتين", digits = 3)| term | df | sumsq | meansq | statistic | p.value | variable |
|---|---|---|---|---|---|---|
| period | 1 | 0.484 | 0.484 | 1.140 | 0.317 | Unemployment |
| Residuals | 8 | 3.396 | 0.425 | NA | NA | Unemployment |
| period | 1 | 452.929 | 452.929 | 23.616 | 0.001 | Female Employment |
| Residuals | 8 | 153.432 | 19.179 | NA | NA | Female Employment |
نموذج يوضح أثر الاستثمار الأجنبي المباشر ومشاركة المرأة على النمو الاقتصادي.
fit = lm(gdp_growth ~ fdi_usd_billion + female_employment, data = dat)
reg_sum = tidy(fit)
reg_glance = glance(fit)
kable(reg_sum, caption = "معاملات نموذج الانحدار (OLS): التقديرات، الخطأ المعياري، t، p", digits = 3)| term | estimate | std.error | statistic | p.value |
|---|---|---|---|---|
| (Intercept) | 8.218 | 3.724 | 2.207 | 0.063 |
| fdi_usd_billion | 0.507 | 0.149 | 3.407 | 0.011 |
| female_employment | -0.477 | 0.195 | -2.442 | 0.045 |
kable(reg_glance, caption = "ملخص ملاءمة النموذج: R-squared، إحصاء F، إلخ.", digits = 3)| r.squared | adj.r.squared | sigma | statistic | p.value | df | logLik | AIC | BIC | deviance | df.residual | nobs |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 0.649 | 0.549 | 2.297 | 6.47 | 0.026 | 2 | -20.721 | 49.442 | 50.652 | 36.925 | 7 | 10 |
dat$fit = fitted(fit)
dat$resid = resid(fit)
ggplot(dat, aes(fit, resid)) +
geom_point() + geom_hline(yintercept = 0, linetype = 2) +
labs(x = "القيم المتوقعة", y = "البواقي", title = "مخطط البواقي مقابل القيم المتوقعة") +
theme_argami()
من خلال تتبّع المؤشرات خلال الفترة 2015–2024، يتضح أن
عهد خادم الحرمين الشريفين الملك سلمان بن عبدالعزيز – حفظه الله
– كان مرحلة تحول محورية.
الأرقام تُظهر اقتصادًا resilient تجاوز الأزمات العالمية، بطالة
مستقرة مع اتجاه نزولي، مشاركة نسائية تضاعفت تقريبًا (+19
نقطة)، واستثمارات أجنبية شهدت انتعاشًا بعد 2021.
هذه النتائج لا تعكس مجرد أرقام، بل مسيرة تنموية يقودها الملك سلمان
بحكمة، لتصبح المملكة أكثر تنوعًا اقتصاديًا، أكثر تمكينًا لمواطنيها، وأكثر
حضورًا عالميًا.
وبمناسبة اليوم الوطني، نحتفي بالإنجازات، ونؤكد أن المستقبل مرسوم
بلغة البيانات والتحول، وبقيادة وضعت الإنسان والاقتصاد في قلب رؤية
2030.
جميع الحقوق محفوظة © أرقامي 2025
لمزيد من المعلومات، تواصل معنا عبر بريدنا الإلكتروني: argamil2025@gmail.com