نموذج القياس مقابل النموذج الهيكلي
تمت المراجعة العلمية · د. مروة عبد العظيم · 16 نوفمبر، 2026
معايير التدقيق والاعتماد السريري
يخضع هذا المحتوى لمعايير ضبط الجودة والتدقيق العلمي والأكاديمي الصارمة في شبكة علم النفس العربي، لضمان صحة المعلومات ودقتها السريرية ومطابقتها لأحدث الأدلة والبراهين الصادرة عن الجمعيات النفسية والطبية المعتمدة (APA / WHO).
تُمثّل نمذجة المعادلة الهيكلية (Structural Equation Modeling – SEM) إحدى أبرز القفزات الإبستمولوجية والمنهجية في تاريخ العلوم السلوكية والاجتماعية والإدارية خلال نصف القرن الأخير؛ إذ أتاحت للباحثين تفكيك التعقيد الكامن وراء الظواهر الإنسانية التي استعصت طويلاً على أدوات القياس الكلاسيكية. لعقود مديدة، ظل التحليل الإحصائي حبيس النماذج الخطية التقليدية، مثل الانحدار المتعدد وتحليل التباين، التي افترضت زيفاً خلو المتغيرات المستقلة من أخطاء القياس، وعجزت عن التعامل المباشر مع المفاهيم المجردة التي لا يمكن رصدها بالحواس بصورة مباشرة. جاءت نمذجة المعادلة الهيكلية لتعيد رسم الحدود الفاصلة بين ما هو نظري مجرد وما هو إمبيريقي محسوس، مؤسسةً بنيتها الرياضية المبتكرة على ثنائية بالغة الأهمية: الفصل المنهجي والتكامل الإجرائي بين “نموذج القياس” (Measurement Model) و”النموذج الهيكلي” (Structural Model).
يقوم نموذج القياس بدور “الجسر الإمبيريقي” الذي يربط بين العالم الذهني الافتراضي للمفاهيم المجردة (مثل الرضا الوظيفي، الالتزام التنظيمي، الرفاه النفسي، أو القلق الأكاديمي) وبين العالم الفيزيقي المحسوس المتمثل في استجابات الأفراد على فقرات الاستبيانات والمقاييس المقننة. في المقابل، يُمثل النموذج الهيكلي “الهندسة المعمارية النظرية” التي تسعى لاختبار الفرضيات السببية، وتحديد اتجاه وقوة المسارات التأثيرية، والتحقق من شبكات الوساطة والتعديل بين تلك المفاهيم المجردة بعد أن تمت تنقيتها وتبرئتها من أدران أخطاء القياس العشوائية والمنتظمة. إن هذه القسمة المنهجية ليست ترفاً أكاديمياً أو تفصيلاً فنياً ثانوياً، بل هي الضمانة الوحيدة لصون النزاهة العلمية للنتائج، وحماية الباحثين من الوقوع في فخ الاستنتاجات الزائفة أو العلاقات الوهمية.
على الرغم من الأهمية الحاسمة لهذه التفرقة، يُلاحظ المطلع على الإنتاج البحثي المعاصر خلطاً منهجياً متكرراً بين وظيفة نموذج القياس ووظيفة النموذج الهيكلي؛ حيث يُسارع باحثون إلى فحص العلاقات السببية وتأكيد الفرضيات النظرية متجاهلين التحقق الصارم من الكفاءة السيكومترية لأدواتهم، أو يقعون في التباس مفاهيمي ناجم عن التعامل مع مخرجات البرمجيات الإحصائية ككتلة واحدة غير مفككة. يهدف هذا المقال إلى تقديم تفكيك منهجي وتحليلي شامل للنموذجين، موضحاً الأسس الإحصائية لكل منهما، والحدود الفاصلة بينهما، ومعايير الجودة الصارمة المعتمدة عالمياً في تقييمهما، وصولاً إلى رسم خارطة طريق عملية تمكّن الباحث العربي من تطبيق هذه المنهجيات المتقدمة بأعلى درجات الدقة والموثوقية العلمية.
1. المقدمة المنهجية: فهم البنية المزدوجة لنمذجة المعادلة الهيكلية (SEM)
1.1 مفهوم المتغيرات الكامنة وأزمة القياس في العلوم الاجتماعية والسلوكية
تنطلق العلوم الاجتماعية والإنسانية من إشكالية بنيوية تتعلق بطبيعة موضوعاتها وظواهرها؛ فالعديد من البناءات النظرية المركزية في تخصصات مثل الإدارة وعلم النفس وعلم الاجتماع تمثل “متغيرات كامنة” (Latent Variables) أو بناءات غير قابلة للملاحظة المباشرة (Unobservable Constructs). فالإنسان لا يمكنه رؤية “الذكاء الوجداني”، أو لمس “العدالة التنظيمية”، أو وزن “الولاء للعلامة التجارية” بموازين فيزيائية مادية. لذا، استوجب المنطق العلمي قياس هذه الكيانات النظرية عبر الاستدلال عليها بواسطة مؤشرات سلوكية أو لفظية مرصودة (Observed Indicators)، تمثل تجليات عملية لتلك البناءات الخفية. على سبيل المثال، استطاع باحثون قياس الرفاه النفسي عبر أبعاد ومؤشرات مقننة، كما يتجلى في دراسة Tennant et al. (2007) التي طورت مقياس وارويك-إدنبرة للرفاه النفسي لتجسيد المفاهيم العاطفية والأدائية الكامنة في أطر إمبيريقية منضبطة ومحددة بدقة.
تجلى القصور التاريخي لأساليب الانحدار الخطي التقليدي (OLS Regression) في عجزها المزمن عن التعامل مع هذه الطبيعة المركبة للظواهر الإنسانية؛ إذ تفترض معادلات الانحدار الكلاسيكية أن جميع المتغيرات المُدخلة في التحليل مقاسة بقياس تام يخلو من أخطاء القياس (Measurement Errors). بيد أن الواقع الميداني يُثبت أن كل استجابة بشرية على فقرة في مقياس تخضع لعوامل تشويش متعددة، تتراوح بين سوء فهم صياغة السؤال، وتأثيرات التحيز الاجتماعي، والتعب اللحظي، وتقلبات الانتباه الذهني. عندما يتجاهل الباحث وجود أخطاء القياس ويدمج درجات البنود الخام كمتغيرات مستقلة في نماذج الانحدار، تنهار الافتراضات الإحصائية، ويحدث ما يُعرف في الأدبيات بـ “تحيز التوهين” (Attenuation Bias)، الذي يقود إلى تقليل حجم معاملات الانحدار بصورة اصطناعية، أو تضخيمها بصورة مضللة، مما يزعزع صدق النتيجة الإجمالية.
من رحم هذه الأزمة المنهجية، وُلدت نمذجة المعادلة الهيكلية (SEM) كإطار تحليلي ثوري أرسى دعائمه رواد القياس والإحصاء، مدمجاً إرثين تاريخيين منفصلين: التحليل العاملي التوكيدي (CFA) المستمد من التقاليد السيكومترية، وتحليل المسار (Path Analysis) المنبثق من نظريات السببية والنمذجة الرياضية. يسمح هذا الإطار التكاملي الموحد بنمذجة البناءات النظرية كمتغيرات كامنة منقاة من الخطأ العشوائي، بالتزامن مع اختبار شبكات معقدة من المسارات التفسيرية والسببية في آن واحد، وهو ما منح الباحثين القدرة على سبر أغوار العلاقات الإنسانية المركبة بكفاءة وقوة إحصائية غير مسبوقة.
1.2 التعريف الموجز بنموذج القياس والنموذج الهيكلي
يُعرف “نموذج القياس” (Measurement Model) بأنه الشق العملياتي الإمبيريقي من نمذجة المعادلة الهيكلية، الذي يتولى صياغة وتوصيف العلاقات الدقيقة بين المتغيرات الكامنة المجردة والمؤشرات التجريبية المشاهدة المخصصة لقياسها. تنحصر الوظيفة المحورية لهذا النموذج في الإجابة عن سؤال منهجي جوهري: هل تقيس هذه الحزمة المحددة من الفقرات أو الاختبارات ذلك البعد النظري الكامن بدقة وموثوقية، ودون تشويه ناتج عن تباين الأخطاء؟ إنه يمثل فحصاً صارماً للصدق التشغيلي للأدوات، واختباراً للاتساق البنائي بين المفاهيم النظرية ومفردات جمع البيانات، معزولاً عن أي فروض حول علاقات التأثير والتأثر بين المتغيرات الكامنة وبعضها البعض.
على الطرف المقابل، يُمثل “النموذج الهيكلي” (Structural Model) الشق النظري التفسيري، وميدان اختبار العلاقات السببية والمسارات الافتراضية؛ إذ يتولى تحديد وتفكيك طبيعة العلاقات القائمة بين المتغيرات الكامنة ذاتها. في هذا النموذج، تُعامل المتغيرات الكامنة كمتغيرات خارجية (Exogenous Variables) ومستقلة، أو متغيرات داخلية (Endogenous Variables) وتابعة. تُترجم النظريات العلمية داخل النموذج الهيكلي إلى أسهم موجهة تعبر عن فرضيات التأثير المباشر، ومسارات غير مباشرة توضح آليات الوساطة المعقدة، وتأثيرات تفاعلية تكشف عن المتغيرات المعدلة التي تتحكم في شروط تحقق الظاهرة. على سبيل المثال، تتطلب دراسة نماذج السلوك المعقدة مثل نظرية السلوك المخطط صياغة مسارات هيكلية تتنبأ بالنية والسلوك استناداً إلى الاتجاهات والمعايير الشخصية وإدراك التحكم السلوكي، كما صاغها بصورة رائدة Ajzen (1991) في دراسته التأسيسية التي مهدت لبناء نماذج هيكلية تنبؤية وتفسيرية.
تتسم العلاقة بين نموذج القياس والنموذج الهيكلي بأنها علاقة جدلية ذات تتابع زمني ومنطقي صارم؛ فلا يمكن للنموذج الهيكلي أن يقوم على قدمين راسختين ما لم يستند إلى نموذج قياس محقق لأعلى شروط الصدق والثبات. إذا شابت أداة القياس شوائب عدم الصدق التقاربي أو عدم التمايز، فإن كل مسار سببي يختبره النموذج الهيكلي يغدو مساراً واهياً يصف علاقات بين أشباح ومفاهيم مجهولة الهوية الرياضية. إن التتابع المنهجي يفرض التحقق من صحة أوعية القياس أولاً، قبل الشروع في فحص ما يتدفق بينها من مياه العلاقات السببية والتفسيرية.
1.3 أسباب الخلط الأكاديمي الشائع بين المفهومين
ينشأ الخلط الأكاديمي الواسع بين نموذج القياس والنموذج الهيكلي من جملة أسباب منهجية وتقنية تتداخل في الممارسات البحثية المعاصرة. يأتي في مقدمة هذه الأسباب التشابك البصري عند تمثيل النماذج في بيئات البرمجيات الإحصائية الحديثة؛ ففي برامج مثل AMOS وSmartPLS وMplus، يرسم الباحث الدوائر المعبرة عن المتغيرات الكامنة والمستطيلات المعبرة عن المتغيرات المشاهدة في واجهة رسومية موحدة، وتظهر الأسهم المتجهة من الكامن إلى المشاهد (القياس) جنباً إلى جنب مع الأسهم الواصلة بين المتغيرات الكامنة ذاتها (الهيكل). هذا التداخل الشكلي يولد انطباعاً زائفاً بأن التحليل يمثل عملية خطوة واحدة غير متمايزة الأركان، مما يغري الباحث بالنظر إلى النموذج ككتلة إحصائية صماء يتم تشغيلها بضغطة زر واحدة.
يتمثل السبب الثاني، وهو الأخطر إبستمولوجياً، في الاندفاع المحموم لدى بعض الباحثين لاختبار الفرضيات النظرية والسببية والوصول السريع إلى مستويات الدلالة الإحصائية (p-values)؛ بغية الإعلان عن قبول الفرضيات البحثية في أطروحاتهم أو مقالاتهم المنشورة. يدفع هذا التسرع إلى إهمال خطوة التمحيص المستقل والشامل لنموذج القياس عبر التحليل العاملي التوكيدي المنفصل؛ مما يؤدي إلى تمرير أدوات قياس رديئة ومؤشرات ذات تشبعات ضعيفة وتداخلات خطية فادحة إلى داخل النموذج الهيكلي، وهو ما يُعرف في المنهجية بمبدأ “إدخال النفايات يقود بالضرورة إلى إخراج النفايات” (Garbage in, Garbage out).
لفض هذا النزاع المنهجي وإرساء معايير الممارسة الرصينة، جاءت المساهمة التأسيسية التي رسخها أندرسون وجيربنج عبر “نهج الخطوتين” (Two-Step Approach). يفرض هذا النهج قاعدة إجرائية قطعية تقضي بضرورة فصل التحليل إلى مرحلتين مستقلتين تماماً: في المرحلة الأولى، يتم تقييم نموذج القياس وإعادة صياغته وتشذيبه عبر التحليل العاملي التوكيدي لضمان تمتعه بأعلى درجات الصدق التقاربي والتمايزي والاتساق الداخلي ومؤشرات التوفيق المقبولة. وفقط عندما يستوفي نموذج القياس كافة الشروط والمعايير الصارمة، يُسمح للباحث بالانتقال إلى المرحلة الثانية، والمتمثلة في تثبيت أطر القياس واختبار الفرضيات السببية داخل النموذج الهيكلي. إن الالتزام بهذا النهج هو المعيار الذهبي الذي يفصل البحث الرصين عن الممارسات التجزيئية المشوهة.
2. نموذج القياس (Measurement Model): الأساس الإمبيريقي للبحث
2.1 التعريف والوظيفة المنهجية لنموذج القياس
يمثل نموذج القياس حجر الزاوية الإمبيريقي في البناء المنهجي الكلي، ووظيفته الأساسية هي تحديد الكيفية الرياضية التي تتجسد بها المتغيرات الكامنة في صورة مؤشرات وسلوكيات واستجابات قابلة للقياس الميداني المباشر. في صياغته الرياضية التقليدية، يُفترض أن كل متغير مشاهد ($x$ أو $y$) هو دالة خطية تتكون من جزأين رئيسيين: الإسهام الحقيقي المباشر للمتغير الكامن المعني مضروباً في وزنه النسبي أو تشبعه العاملي، مضافاً إليه تباين الخطأ الفريد المرتبط بتلك الفقرة بالتحديد. من الناحية الرياضية والمعادلات المصفوفية لنماذج المتغيرات الخارجية، يُصاغ نموذج القياس بالمعادلة التالية:
$$x = \Lambda_x \xi + \delta$$
حيث يمثل المتجه $x$ مصفوفة المؤشرات المشاهدة، وتُمثل $\Lambda_x$ (لامدا) مصفوفة تشبعات العوامل التي تعكس قوة الرابطة بين كل مؤشر والمتغير الكامن، بينما تُمثل $xi$ (كساي) المتغير الكامن الخارجي المستهدف، ويُمثل $\delta$ (دلتا) متجه أخطاء القياس الخاصة بتلك المؤشرات. وفيما يخص المتغيرات الكامنة التابعة (الداخلية $eta$)، تُصاغ المعادلة بصورة مماثلة:
$$y = \Lambda_y \eta + \varepsilon$$
حيث تُمثل $varepsilon$ (إبسيلون) أخطاء القياس المقترنة بمؤشرات المتغير التابع.
تكمن العبقرية الإحصائية لنموذج القياس في قدرته الصريحة على فصل “التباين الحقيقي” (True Variance) الناشئ عن المتغير الكامن، عن “تباين الخطأ” (Error Variance) الناتج عن العشوائية أو عيوب التصميم والصياغة. في أساليب الإحصاء الوصفي أو الجمع الخطي التراكمي لدرجات الفقرات، يُدمج خطأ القياس قسراً داخل الدرجة الكلية للمتغير؛ مما يُضعف صدق القياس ومصداقية التحليل. أما نموذج القياس في SEM، فيعزل خطأ كل فقرة في معامل منفصل ومستقل، متيحاً للمتغير الكامن أن يتمثل رياضياً بدرجات نقية تعكس التباين المشترك الخالص بين المؤشرات المخصصة له، وهو ما يوفر منصة رياضية غاية في الدقة تضمن أن الاستبيان يقيس بالفعل ما صُمم لقياسه دون تشويش أو زيف.
2.2 التحليل العاملي التوكيدي (CFA) كجوهر إحصائي للنموذج
يُعد التحليل العاملي التوكيدي (Confirmatory Factor Analysis – CFA) المحرك الإحصائي والجوهر الرياضي لنموذج القياس. بخلاف التحليل العاملي الاستكشافي (EFA) الذي يترك للبيانات حرية التجمع العشوائي لاكتشاف التكوينات المحتملة دون فرض شروط مسبقة، ينطلق التحليل التوكيدي من افتراض نظري صارم يصيغه الباحث مسبقاً قبل جمع البيانات؛ حيث يحدد بدقة أي المؤشرات المشاهدة ترتبط بأي المتغيرات الكامنة، مشترطاً في الوقت ذاته أن تكون تشبعات تلك المؤشرات على العوامل الأخرى مساوية للصفر إحصائياً. على سبيل المثال، عند تقييم استبانات السلوك المعقدة كاستبانة القوة والصعوبات المطبقة على الأطفال والمراهقين كما درسها Goodman (1997)، يتطلب الأمر استخدام تحليلات عاملية توكيدية صارمة للتأكد من أن البنود المخصصة للسلوك الاجتماعي أو المشكلات الانفعالية تعكس بالفعل تلك الأبعاد المستهدفة بدقة دون تداخل شاذ مع الأبعاد السلوكية الأخرى للمفحوصين.
يعمل التحليل العاملي التوكيدي على إجراء مقارنة رياضية دقيقة بين مصفوفة التغاير والتباين المشترك المستمدة من البيانات الميدانية الفعلية للعينة ($S$)، ومصفوفة التغاير والتباين المشترك التي يتنبأ بها النموذج المفترض نظرياً ($\Sigma(\theta)$). كلما اقتربت المسافة الإحصائية بين هاتين المصفوفتين من الصفر، دل ذلك على أن النموذج المقترح يمتلك قدرة فائقة على إعادة إنتاج العلاقات الميدانية بين البنود، ومن ثم يتم الحكم عليه بجودة التوفيق والملائمة (Model Fit).
يخضع كل بند من بنود المقياس في التحليل العاملي التوكيدي لتقييم مجهري عبر فحص “تشبعات العوامل المعيارية” (Standardized Factor Loadings). تُشير الأدبيات السيكومترية الرصينة إلى ضرورة أن يتجاوز تشبع البند على عامله الكامن عتبة 0.708؛ إذ يعني هذا الرقم حسابياً أن أكثر من 50% من تباين البند المشاهد يتم تفسيره مباشرة بواسطة المتغير الكامن ($0.708^2 \approx 0.50$)، بينما يعود الباقي إلى أخطاء القياس. إذا تراوحت التشبعات بين 0.50 و0.70، فإنها قد تُقبل بشروط حذرة شريطة ألا يؤدي استبقاؤها إلى خفض مؤشرات الصدق المركب للبعد، في حين يُعد أي بند يقل تشبعه عن 0.50 مرشحاً حتمياً للحذف نظراً لغلبة تباين الخطأ على محتواه التفسيري.
2.3 معايير الجودة الصارمة: الثبات والصدق
لا يكتمل نموذج القياس ولا يُعتمد كمنصة مقبولة للتحليل إلا باجتياز حزمة متكاملة من الاختبارات السيكومترية الدقيقة التي تغطي أبعاد الثبات والصدق بمستوياتهما المختلفة. يُقاس الاتساق الداخلي تقليدياً بواسطة معامل ألفا كرونباخ (Cronbach’s Alpha)، غير أن نمذجة المعادلة الهيكلية كشفت عن قصور جوهري في هذا المعامل؛ نظراً لاعتماده على فرضية “التكافؤ التاو المحدود” (Tau-Equivalence) التي تفترض تساوي تشبعات وأوزان جميع البنود على البعد الكامن، وهو افتراض يندر تحققه عملياً. بديلاً عن ذلك، تعتمد نماذج القياس على مقياس “الثبات المركب” (Composite Reliability – CR)، الذي يحسب الثبات الفعلي بناءً على التشبعات المتمايزة لكل بند وأخطائه المقدرة بصورة تجريبية، مسترشداً بالصيغة الرياضية التالية:
$$CR = \frac{(\sum \lambda_i)^2}{(\sum \lambda_i)^2 + \sum (1 – \lambda_i^2)}$$
حيث تمثل $\lambda_i$ التشبع المعياري للبند $i$. يُشترط عموماً أن تتجاوز قيمة الثبات المركب عتبة 0.70 للدراسات الاستكشافية والمتقدمة، وتُعد القيم الأعلى من 0.80 مؤشراً ممتازاً على موثوقية البناء واتساقه الداخلي الصارم.
فيما يتعلق بالصدق البنائي، يقف “صدق التقارب” (Convergent Validity) كمعيار إلزامي يثبت أن حزمة المؤشرات تشترك فيما بينها في التعبير عن نسبة عالية من التباين العائد للمفهوم الكامن المشترك. يُقاس صدق التقارب إحصائياً عبر “متوسط التباين المستخرج” (Average Variance Extracted – AVE)، الذي وضعه فورنيل ولاركر، وتتحدد معادلته كالتالي:
$$AVE = \frac{\sum \lambda_i^2}{n}$$
حيث يمثل $n$ عدد البنود المكونة للبعد. تنص القاعدة المنهجية القطعية على ضرورة أن تتجاوز قيمة AVE عتبة 0.50 الصارمة؛ مما يضمن أن المتغير الكامن يستخلص ويفسر أكثر من نصف تباين مؤشراته مجتمعة، متفوقاً رياضياً على حصة تباين الأخطاء العشوائية المتجمعة.
أما “صدق التمايز” (Discriminant Validity)، فيُمثل الوجه المكمل للصدق؛ إذ يُعنى بإثبات أن المتغير الكامن يمثل ظاهرة إحصائية ونظرية مستقلة بذاتها وتتمايز تماماً عن سائر المتغيرات الكامنة الأخرى في النموذج. لعقود طويلة، اعتمد الباحثون حصرياً على “معيار فورنيل-لاركر” (Fornell-Larcker Criterion)، الذي يشترط أن يكون الجذر التربيعي لقيمة AVE لكل متغير كامن أكبر بصورة قاطعة من معاملات الارتباط القائمة بينه وبين أي متغير كامن آخر في المصفوفة. بيد أن الانتقادات الإحصائية الحديثة أظهرت عجز هذا المعيار عن اكتشاف مشكلات التمايز في بعض الظروف المعقدة، مما دفع الأدبيات الحديثة إلى فرض استخدام “نسبة الارتباط بين السمات المختلفة والمتماثلة” المعروفة بـ (Heterotrait-Monotrait Ratio of Correlations – HTMT). يُشترط منهجياً ألا تتجاوز قيمة نسبة HTMT عتبة 0.85 في النماذج الصارمة ذات المفاهيم المتباعدة، أو عتبة 0.90 كحد أقصى للمفاهيم المتقاربة نظرياً، حيث يشير أي تجاوز لهذه العتبات إلى تداخل خطير يفيد بأن المتغيرين يقيسان في الحقيقة المفهوم ذاته بصيغ لفظية مكررة.
2.4 أنماط نماذج القياس: النماذج الانعكاسية مقابل التكوينية
يتطلب الفهم العميق لنموذج القياس استيعاب التمايز الفلسفي والإحصائي الحاد بين نمطين رئيسيين من أطر الربط بين المؤشرات والمتغيرات الكامنة: النماذج الانعكاسية (Reflective Models) والنماذج التكوينية (Formative Models). في “النموذج الانعكاسي”، يُنظر إلى المتغير الكامن بوصفه كياناً حقيقياً مستقلاً موجوداً مسبقاً، وتعتبر المؤشرات المشاهدة مجرد انعكاسات وتجليات خارجية صادرة عنه؛ ولذا تتجه الأسهم في المخطط البياني من المتغير الكامن الدائري نحو المؤشرات المستطيلة. بناءً على هذا التصور، يُفترض أن تكون البنود الانعكاسية مترابطة ترابطاً داخلياً وثيقاً، وأن تكون قابلة للتبادل (Interchangeable)؛ بحيث لا يؤدي حذف فقرة واحدة من الاستبيان إلى تغيير المعنى الجوهري للبناء النظري للظاهرة المقاسة.
على النقيض من ذلك تماماً، ينهض “النموذج التكويني” على تصور مغاير جذرياً؛ حيث يُنظر إلى المتغير الكامن كمركّب تجريدي يُصنع ويتشكل إحصائياً بفعل تجميع المؤشرات المشاهدة معاً؛ ولذلك تتجه الأسهم في المخطط البياني من المؤشرات الخارجية لتصب مباشرة في المتغير الكامن. خير مثال على ذلك هو مفهوم “الحالة الاجتماعية والاقتصادية” (Socioeconomic Status – SES)؛ إذ لا تمثل هذه الحالة كياناً مستقلاً يُنتج المؤشرات، بل إن مؤشرات الدخل الشهري، ومستوى التعليم، ونوعية الوظيفة، هي التي تُشكل مجتمعة هذا المفهوم. بناءً عليه، لا يُشترط في النماذج التكوينية وجود ارتباط خطي مرتفع بين المؤشرات، ولا يجوز مطلقاً تبادلها أو حذف أي منها؛ لأن حذف مؤشر (مثل الدخل) يؤدي مباشرة إلى بتر جزء جوهري من المحتوى النظري للمتغير الكامن ذاته.
يمتد التأثير المنهجي للاختيار بين النمطين إلى صلب خوارزميات التقدير الإحصائي ومعايير الحكم على الجودة؛ فاختبارات الاتساق الداخلي الكلاسيكية (مثل ألفا كرونباخ، والثبات المركب CR، وصدق التقارب AVE) تُعد أدوات غير صالحة ولا معنى لتطبيقها على النماذج التكوينية؛ نظراً لغياب فرضية التباين المشترك الداخلي بين المؤشرات. عوضاً عن ذلك، تُقيّم النماذج التكوينية عبر فحص خلو البنود من مشكلات “التعددية الخطية الفائقة” باستخدام معامل تضخم التباين (VIF)، الذي يُشترط ألا يتجاوز قيمة 3.0 إلى 5.0 كحد أقصى، وفحص “الأوزان الخارجية” (Outer Weights) ومستويات دلالتها الإحصائية عبر أساليب إعادة العينات (Bootstrapping). إن الخلط في توصيف طبيعة القياس (معاملة نموذج تكويني كنموذج انعكاسي أو العكس) يُعد من الأخطاء القاتلة التي تقود إلى تشويه كامل لنتائج النموذج الهيكلي الذي سيُبنى عليه لاحقاً.
3. النموذج الهيكلي (Structural Model): اختبار النظريات والمسارات السببية
3.1 المفهوم والهدف: صياغة العلاقات بين المتغيرات الكامنة
يمثل النموذج الهيكلي ذروة المسار البحثي في الدراسات القائمة على التحقق من النظريات؛ إذ يتجاوز حدود تقييم الأدوات الميدانية ليتولى مهمة نمذجة البنية المعرفية التفسيرية للظاهرة محل الدراسة. يتمحور هدف النموذج الهيكلي حول ترجمة الفرضيات التجريدية المستمدة من الأدبيات المحكمة إلى شبكة علاقات ومسارات احتمالية تربط بين المتغيرات الكامنة المنقاة من أخطاء القياس. في هذا الإطار، لا يتعامل النموذج الهيكلي مع بنود الاستبانة المفردة ولا يلتفت إلى تفاصيلها الدقيقة، بل يتعامل حصراً مع الكيانات المفاهيمية الكامنة في علاقاتها التبادلية، مما يمنحه قوة تفسيرية تضاهي التجارب المعملية المنضبطة في عزل تأثيرات المتغيرات الخارجية والوسيطة.
تتم الصياغة الرياضية للنموذج الهيكلي في مصفوفات المعادلة البنائية العامة وفق المعادلة التأسيسية الشهيرة لنماذج التغاير:
$$\eta = B\eta + \Gamma\xi + \zeta$$
في هذه المعادلة الصارمة، تُمثل $eta$ (إيتا) متجه المتغيرات الكامنة الداخلية أو التابعة المستهدف تفسيرها أو التنبؤ بها، في حين تُمثل $xi$ (كساي) متجه المتغيرات الكامنة الخارجية أو المستقلة التي تقع خارج إطار التفسير المباشر للمعادلة. أما المصفوفة $B$ (بيتا)، فتحتوي على معاملات المسارات التي تربط المتغيرات التابعة ببعضها البعض (كما في حالات الوساطة)، في حين تتولى المصفوفة $\Gamma$ (غاما) قياس معاملات التأثير المباشر للمتغيرات المستقلة الخارجية على المتغيرات التابعة. أخيراً، يُمثل المتجه $zeta$ (زيتا) مصفوفة “أخطاء المعادلة البنائية” أو ما يُعرف بتباين الاضطراب المتبقي (Disturbance/Residual Errors)، وهو التباين الفعلي في المتغيرات التابعة الذي لم تستطع المتغيرات المستقلة المضمنة في النموذج تفسيره علمياً.
تُظهر هذه الصياغة الأنيقة كيف يُمكّن النموذج الهيكلي الباحث من اختبار نظريات كاملة كنظم متفاعلة بدلاً من تفتيتها إلى معادلات انحدار جزئية ومعزولة. عند دراسة قرارات الأفراد المعقدة ومحددات السلوك الوقائي، على سبيل المثال، استطاعت النماذج النظرية كنماذج المعتقدات الصحية تجسيد البناءات متعددة الأبعاد وتحديد اتجاهات الاستجابة كما بينتها المراجعة التقييمية الشاملة التي قدمها Janz & Becker (1984)، حيث تبرز الحاجة إلى تمثيل العلاقات البنائية بين المدركات الفردية والدوافع الذاتية والسلوك النهائي في مصفوفة سببية واحدة وشاملة ومترابطة.
3.2 أنماط العلاقات والمسارات داخل النموذج الهيكلي
يتسع النموذج الهيكلي لاحتضان صور متعددة ومتباينة من شبكات العلاقات الإحصائية التي تعكس التعقيد الأصيل في الظواهر الإنسانية والسلوكية، ويمكن تصنيف هذه المسارات إلى ثلاثة أنماط رئيسية:
- المسارات المباشرة (Direct Effects): تُمثل أبسط صور العلاقات البنائية، وتُعبر عن التأثير الخطي المفترض لمتغير كامن مستقل على متغير كامن تابع دون توسط أي متغير ثالث بينهما. يُعبر عنها بيير بسهم أحادي الرأس يمتد مباشرة من المتغير التفسيري إلى المتغير التابع، وتُقدر قيمتها عبر معامل المسار المعياري ($\beta$)، الذي يُقاس وزنه ودلالته الإحصائية وفق اختبارات الفروض الكلاسيكية.
- المسارات غير المباشرة وعلاقات الوساطة (Indirect and Mediating Effects): تُعد الميزة الأعظم للنماذج الهيكلية؛ حيث تمكّن الباحث من فتح “الصندوق الأسود” للعلاقة المباشرة لفهم الكيفية والآلية التي يؤثر بها المتغير المستقل على المتغير التابع عبر متغير وسيط واحد أو عدة متغيرات وسيطة متسلسلة أو متوازية. يتفرع تحليل الوساطة إلى “وساطة كاملة” (Full Mediation) عندما يفقد المسار المباشر دلالته الإحصائية تماماً بمجرد دخول المتغير الوسيط، أو “وساطة جزئية” (Partial Mediation) عندما يحتفظ المسار المباشر بدلالته الإحصائية مع انخفاض في وزنه المعياري، مؤكداً وجود قنوات تفسيرية إضافية إلى جانب المتغير الوسيط المفحوص.
- التأثيرات المعدلة والتفاعلية (Moderating Effects): تتناول هذه المسارات فحص شروط وحدود سريان العلاقة النظرية؛ حيث يتدخل متغير كامن معدل (سواء كان متغيراً كمياً مستمراً أو تصنيفياً نوعياً) ليتحكم في قوة العلاقة بين المتغير المستقل والتابع أو يغير اتجاهها الرياضي. يتم اختبار المتغيرات المعدلة عبر تقنيات متعددة، منها “تحليل المجموعات المتعددة” (Multi-Group SEM) في حالة المتغيرات التصنيفية، أو عبر صياغة “حدود الضرب التفاعلية” (Interaction Terms) بين المتغيرات الكامنة المستمرة.
يتطلب فحص مسارات الوساطة الحديثة تجاوز الأساليب الكلاسيكية المعيبة تاريخياً كطريقة بارون وكيني (Baron & Kenny)؛ حيث يفرض التحليل الهيكلي المعاصر استخدام أسلوب “إعادة العينات اللابارامترية” (Bootstrapping) لبناء فترات ثقة مصححة للتحيز (Bias-Corrected Confidence Intervals) لحجم الأثر غير المباشر؛ لكون توزيع حاصل ضرب المعاملين ($a \times b$) لا يتبع التوزيع الطبيعي المتماثل حتى وإن كانت المتغيرات الفردية موزعة توزيعاً طبيعياً.
3.3 معايير تقييم القدرة التفسيرية والتنبؤية للنموذج الهيكلي
يخضع النموذج الهيكلي لمحاكمة إحصائية صارمة تهدف إلى قياس متانته التفسيرية وقوته التنبؤية بالاعتماد على مصفوفة من المؤشرات المترابطة، ولا سيما في نماذج المربعات الصغرى الجزئية (PLS-SEM) والنماذج القائمة على التغاير (CB-SEM) على حد سواء. يتصدر هذه المؤشرات “معامل التحديد” ($R^2$)، الذي يقيس النسبة المئوية للتباين في المتغير الكامن التابع المفسرة بواسطة شبكة المتغيرات المستقلة المتصلة به. تُصنف قيم $R^2$ في الأبحاث الاجتماعية والسلوكية عادةً إلى مستويات دلالية: حيث تُعد القيمة القريبة من 0.26 أو 0.25 دليلاً على أثر تفسيري ضعيف، وقيمة 0.50 أثراً متوسطاً، في حين تُعد القيم المتجاوزة لـ 0.75 مؤشراً على قدرة تفسيرية جوهرية ومرتفعة للغاية، شريطة الحذر من التضخيم غير المنطقي الناشئ عن مشكلات التعددية الخطية.
يأتي في المرتبة الثانية مؤشر “حجم الأثر” ($f^2$) المستند إلى إسهام كوهين، وتتجلى وظيفته في تقييم المساهمة النسبية المعزولة لكل متغير مستقل في بناء معامل التحديد للمتغير التابع، وذلك عبر قياس التغير الرياضي في قيمة $R^2$ عند إدراج المتغير المستقل في النموذج مقابل حذفه منه بالمعادلة التالية:
$$f^2 = \frac{R^2_{\text{included}} – R^2_{\text{excluded}}}{1 – R^2_{\text{included}}}$$
وفقاً لمعايير كوهين الإرشادية المعتمدة، تُشير القيم المساوية لـ 0.02 إلى حجم أثر ضعيف، وقيم 0.15 إلى أثر متوسط، في حين تعكس القيم البالغة 0.35 فما فوق حجماً تفسيرياً كبيراً وبارزاً للمتغير المستقل داخل البنية الهيكلية.
تخضع “معاملات المسار المعيارية” (Path Coefficients – $\beta$) بدورها للفحص عبر تقييم اتساق اتجاه إشارتها الجبرية (+ أو -) مع المنطق النظري المفترض، واستخراج درجات الاختبار التائي ($t$-values) ومستويات الدلالة الاحتمالية ($p$-values) المرافقة لها؛ حيث تُعد الرابطة دالة إحصائياً عند مستوى ثقة 95% إذا تجاوزت قيمة $t$ المحسوبة عتبة 1.96 الصارمة للاختبارات ثنائية الطرف. علاوة على ذلك، أضحى تقييم “الأهمية التنبؤية” (Predictive Relevance – $Q^2$) عبر تقنية إعادة استخدام العينات والتغطية العمياء (Blindfolding) إجراءً لازماً في نماذج PLS-SEM؛ حيث يشير الحصول على قيم $Q^2$ أكبر من الصفر إلى امتلاك النموذج الهيكلي لخاصية الصدق التنبؤي وتفوقه على التقديرات العشوائية البسيطة عند محاولة التنبؤ ببيانات المشاهدات خارج إطار العينة الأصلية.
4. الفروق الجوهرية بين نموذج القياس والنموذج الهيكلي
4.1 المقارنة من حيث الهدف الإبستمولوجي والبحثي
يكمن التمايز الأكبر بين النموذجين في المستوى المعرفي (الإبستمولوجي) الذي يستهدفه كل منهما داخل معمارية البحث العلمي. يركز نموذج القياس كل ثقله على إشكالية “التجسيد العملياتي” (Operationalization)؛ أي الإجابة عن مسألة الترجمة الأمينة للمفاهيم الذهنية والمشاعر الإنسانية والتنظيمية المجردة إلى متغيرات رقمية وبيانات إمبيريقية موثوقة. إنه يُمثل أداة التحقق من “أمانة الأدوات” ونقاء قنوات الاتصال بين عقل الباحث واستجابات المبحوثين، دون أن يتدخل إطلاقاً في تحديد أي هذه المفاهيم يُسبب الآخر أو يتنبأ بحدوثه. إن غايته تنحصر في التثبت من أن الميزان يزن بدقة متناهية، وبأن الأبعاد المقاسة متمايزة وغير متداخلة بصورة زائفة.
في الاتجاه المغاير تماماً، ينطلق النموذج الهيكلي من افتراض اكتمال سلامة الميزان وتطهير أدوات القياس، ليشرع في مهمة إبستمولوجية مختلفة كلياً تتمثل في “توليد المعرفة العلمية واختبار النظريات” (Theory Testing and Nomological Validation). ينصب اهتمام النموذج الهيكلي على فحص الفرضيات التفسيرية، وتفكيك العلاقات السببية بين الظواهر، وتحديد الأوزان النسبية للقوى الفاعلة في السلوك الإنساني أو التنظيمي. من هذا المنطلق، يتمتع نموذج القياس بأولوية منطقية وإجرائية مطلقة؛ إذ يستحيل بناء نظرية رصينة أو إثبات مسار سببي صادق باستخدام أدوات قياس مشوهة أو مضطربة سيكومترياً.
4.2 المقارنة من حيث المدخلات والمخرجات الإحصائية
تتباين طبيعة المدخلات والمخرجات الحسابية بين شقي المعادلة الهيكلية تبايناً جذرياً ينعكس على بنية المعادلات الإحصائية للبرمجيات. في نموذج القياس، تتمثل المدخلات الحصرية في استجابات المبحوثين المباشرة على بنود الاستبانة والمؤشرات المشاهدة الفردية، وتُعامل أخطاء الفقرات كعناصر محورية خاضعة للتقدير المباشر في مصفوفات التغاير. وتتمثل مخرجاته في تشبعات العوامل (Factor Loadings)، ومصفوفات تباين أخطاء القياس ($\delta$ و $varepsilon$)، ومؤشرات الاتساق الداخلي (CR)، ونسب التباين المستخرج (AVE)، ونسب التمايز (HTMT).
أما في النموذج الهيكلي، فإن المدخلات لا تعود درجات البنود المفردة بصورتها الخام، بل تصبح المتغيرات الكامنة المنقاة بما تحمله من درجات بنائية مستخلصة، جنباً إلى جنب مع مصفوفات التباين المشترك القائمة بين تلك العوامل الكامنة مجتمعة. وتتمثل مخرجات النموذج الهيكلي في معاملات المسارات السببية المعيارية وغير المعيارية ($\beta$ و $\gamma$)، وأخطاء البواقي والاضطراب البنائي ($zeta$)، ومعاملات التحديد والتفسير ($R^2$)، ومقاييس أحجام الأثر التفسيري والتنبؤي ($f^2$ و $Q^2$).
يمتد هذا التباين ليشمل منطق تطبيق مؤشرات جودة التوفيق العامة (Goodness-of-Fit Indices) في النماذج القائمة على التغاير (CB-SEM)؛ فمؤشرات المطابقة كمعامل المطابقة المقارن (CFI)، ومؤشر تاكر-لويس (TLI)، وجذر متوسط مربعات خطأ الاقتراب (RMSEA)، وجذر متوسط مربعات البواقي القياسي (SRMR)، تُحسب أولاً لنموذج القياس المشبع لتحديد السقف الرياضي الأعلى للمطابقة الذي يمكن للبيانات الميدانية بلوغه. وعند تشغيل النموذج الهيكلي بفرض قيود سببية محددة، لا يمكن لمؤشرات المطابقة الهيكلية أن تتفوق رياضياً على مؤشرات نموذج القياس، بل تكون إما مساوية لها تماماً أو أدنى منها قليلاً بدرجة تعكس تكلفة القيود السببية المفروضة على مصفوفة العلاقات.
4.3 المقارنة من حيث التعامل مع الخطأ الإحصائي
يُعد التمييز بين نمطي الأخطاء في التحليل البنائي من أدق المفاهيم الإحصائية التي تفصل بين المتخصصين وغيرهم. يُعنى نموذج القياس بالتعامل مع “خطأ القياس” (Measurement Error)، الذي يرمز له إغريقياً بـ $\delta$ لمؤشرات المتغيرات المستقلة و $varepsilon$ لمؤشرات المتغيرات التابعة. يعكس هذا الخطأ التباين غير المنتظم، أو الشوائب الناشئة عن صياغة البند، أو ضعف فهم المفحوصين، أو تقلبات البيئة الميدانية. ينجح نموذج القياس في عزل هذا الخطأ الخاص بكل فقرة بصورة منفردة ومستقلة، مما يمنع تسربه إلى الدرجة الكامنة للبُعد.
على الجانب الآخر، يتعامل النموذج الهيكلي مع نوع مغاير تماماً من الأخطاء يُعرف بـ “خطأ الاضطراب البنائي” أو البواقي الهيكلية (Structural Disturbance/Residual Error)، ويرمز له بالرمز $zeta$ (زيتا). لا ينشأ هذا الخطأ عن عيوب في الصياغة اللفظية أو جهل المفحوصين، بل ينبع من القصور الذاتي للنظرية العلمية ذاتها في الإحاطة بكافة محددات الظاهرة الإنسانية؛ إذ يمثل النسبة المئوية من التباين في المتغير الكامن التابع التي عجزت المتغيرات الكامنة المستقلة المدرجة في النموذج عن تفسيرها ($1 – R^2$).
تتضح خطورة الخلط بين هذين الخطأين عند استخدام الأساليب التقليدية كالخط الانحداري؛ حيث يؤدي تجاهل خطأ القياس إلى امتصاصه قسراً داخل خطأ المعادلة البنائية، مما يقود إلى انتهاك خطير للافتراض الأساسي للانحدار المتمثل في استقلال المتغيرات المستقلة عن أخطاء البواقي (Zero Covariance Assumption)، وينتج عن ذلك تضخيم زائف أو تخفيض مشوه لمعاملات المسار الهيكلية؛ وهو المأزق الرياضي الذي يعالجه SEM ببراعة من خلال الفصل التام بين خطأ قياس الأداة وخطأ تفسير النظرية.
4.4 مصفوفة الفروق التفصيلية: جدول المقارنة الشامل
يوضح الجدول المقارن التالي التمايزات الهيكلية والإحصائية والمفاهيمية الدقيقة بين نموذج القياس والنموذج الهيكلي:
| وجه المقارنة | نموذج القياس (Measurement Model) | النموذج الهيكلي (Structural Model) |
|---|---|---|
| التعريف الجوهري | الإطار المسؤول عن تجسيد المتغيرات الكامنة المجردة عبر المؤشرات والفقرات المشاهدة وتحديد نقائها السيكومتري. | الإطار المسؤول عن صياغة واختبار شبكة العلاقات السببية والتفسيرية والتفاعلية القائمة بين المتغيرات الكامنة ذاتها. |
| الهدف الإبستمولوجي والبحثي | التحقق من الصدق التشغيلي للأدوات وضبط جودة المقاييس وتصفية أخطاء القياس العشوائية. | اختبار النظريات العلمية، والتحقق من صحة الفرضيات التفسيرية، وبناء المعرفة السببية حول الظواهر. |
| الأداة الإحصائية الأساسية | التحليل العاملي التوكيدي (CFA) عبر مصفوفات التباعد والتباين المشترك بين البنود. | تحليل المسار متعدد المتغيرات (Path Analysis) والانحدار الهيكلي البنائي المتزامن. |
| الوحدات الخاضعة للتحليل | الفقرات والمؤشرات الميدانية الفردية وأخطاؤها الخاصة والارتباطات القائمة بينها وبين العوامل. | المفاهيم والبناءات الكامنة التجريدية بدرجاتها الصافية المقدرة وعلاقاتها التبادلية. |
| طبيعة الخطأ الإحصائي المعالج | أخطاء القياس الفردية الخاصة بالمؤشرات والفقرات المشاهدة ($\delta$ و $varepsilon$). | أخطاء الاضطراب والبواقي البنائية غير المفسرة في المتغيرات التابعة الكامنة ($zeta$). |
| المؤشرات والمعايير المركزية | تشبعات العوامل ($> 0.708$)، الثبات المركب ($CR > 0.70$)، الصدق التقاربي ($AVE > 0.50$)، الصدق التمايزي ($HTMT < 0.85/0.90$). | معاملات المسار ($\beta$ مع $p < 0.05$)، معامل التحديد ($R^2$)، حجم الأثر ($f^2$)، والأهمية التنبؤية ($Q^2$). |
| معايير جودة التوفيق (Fit) | يحدد الحد الأقصى الممكن لتوفيق البيانات ومطابقتها لمصفوفة التباين الميدانية ($CFI, TLI, RMSEA$). | يخضع لقيود المسارات السببية وتكون مؤشراته مطابقة لنموذج القياس أو أدنى منه قليلاً. |
| التسلسل المنهجي للتطبيق | يُنفذ ويُقيّم ويُشذب أولاً بصورة مستقلة وإلزامية (المرحلة الأولى في نهج الخطوتين). | يُنفذ لاحقاً بعد ثبوت الصدق المطلق لكافة أدوات وأبعاد نموذج القياس (المرحلة الثانية). |
| أبرز التحديات التقنية الشائعة | انخفاض التشبعات، وضعف الاتساق الداخلي، وخلل الصدق التمايزي وتداخل المؤشرات الخطير. | التعددية الخطية بين المتغيرات الكامنة، وفقدان الدلالة الإحصائية للمسارات، وتدني القوة التفسيرية ($R^2$). |
5. أوجه التشابه والتكامل المنهجي بين النموذجين
5.1 الاعتماد المتبادل ومفهوم النموذج الهيكلي الكامل (Full SEM)
على الرغم من التمايز الاصطلاحي والإجرائي الحاسم بين النموذجين، فإنهما يظلان في جوهر التحليل الإحصائي وجهين لعملة واحدة، ولا يمكن فصل أحدهما عن الآخر إلا فصلاً مرحلياً وتنظيمياً. لا وجود لنموذج هيكلي موثوق يمتلك أدنى قيمة علمية بمعزل عن نموذج قياس راسخ ومتين ومستوفٍ لكافة الشروط السيكومترية. إذا كانت أدوات القياس مهتزة أو تفتقر إلى صدق التقارب أو الصدق التمايزي، فإن كل رقم يخرجه النموذج الهيكلي في صورة معامل مسار سببي يغدو رقماً مضللاً يصف علاقات وهمية لا صلة لها بالواقع الميداني، وهو التطبيق الحرفي لقاعدة “إدخال البيانات المشوهة يقود بالضرورة إلى نتائج مشوهة”.
يتجسد التكامل الفائق في مفهوم “النموذج الهيكلي الكامل” (Full Latent Structural Equation Model)؛ حيث يتم دمج مصفوفات نموذج القياس ومصفوفات النموذج الهيكلي في نظام موحد من المعادلات الرياضية يتم تقدير معالمها الإحصائية تقديراً متزامناً (Simultaneous Estimation). في هذا الإطار المتقدم، تُقدّر تشبعات العوامل وأخطاء القياس في اللحظة ذاتها التي تُحسب فيها معاملات المسارات السببية وأخطاء البواقي البنائية؛ مما يتيح للنظام الحسابي مراعاة التغذية الراجعة والتشابك التبادلي بين تباين الأخطاء وقوة المسارات التفسيرية، وهو ما يمنح نمذجة المعادلة الهيكلية تفوقها الرياضي الكاسح على أي أسلوب إحصائي خطي آخر.
تتجلى خطورة إغفال هذا الاعتماد المتبادل في السيناريوهات التي يقود فيها الخلل الخفي في نموذج القياس إلى إخفاء أو تزييف العلاقات السببية في النموذج الهيكلي. فعلى سبيل المثال، إذا كان تشبع أحد المؤشرات منخفضاً، فإن تباين الخطأ المتضخم المرتبط به سيتسلل بطرق غير مباشرة ليخفض من التباين المشترك للبعد الكامن؛ مما يؤدي إلى إضعاف معامل المسار السببي المرتبط بذلك البعد وإسقاط دلالته الإحصائية ظلماً (خطأ من النوع الثاني – Type II Error). وعلى العكس من ذلك، قد يؤدي التداخل الخطير بين مؤشرات بعدين مختلفين إلى خلق ارتباط زائف ومضخم يفرز مساراً سببياً دالاً إحصائياً ولكنه فارغ من أي أساس واقعي (خطأ من النوع الأول – Type I Error).
5.2 المحددات المنهجية والافتراضات الإحصائية المشتركة
يشترك نموذجا القياس والهيكل في الخضوع لمجموعة صارمة من الافتراضات الإحصائية والمحددات المنهجية التي لا يستقيم التحليل دون استيفائها بالكامل. يأتي في صدارة هذه المحددات مسألة “حجم العينة الكافي” وحساب القوة الإحصائية (Statistical Power Analysis). تخضع النماذج القائمة على التغاير (CB-SEM) لقواعد مشددة لحجم العينة؛ نظراً لحاجتها لمصفوفات تباين وتغاير مستقرة تمنع مشكلات عدم التقارب الحسابي (Non-convergence) أو الحلول غير المناسبة كظهور تباينات سالبة (Heywood Cases). تتباين القواعد الإرشادية بين اشتراط حد أدنى يتراوح بين 200 إلى 500 مفحوص للنماذج المتوسطة، أو تطبيق قاعدة “عشرة إلى عشرين مفحوصاً لكل معلمة حرة مقدرة” في النموذج الإجمالي.
يتمثل الافتراض المشترك الثاني في ضرورة فحص طبيعة توزيع البيانات؛ إذ تتطلب أساليب التقدير الشائعة، ولا سيما طريقة “الإمكانية الأعظم” (Maximum Likelihood – ML)، تحقق فرضية “التوزيع الطبيعي المتعدد” (Multivariate Normality). يقود انتهاك هذا الافتراض إلى تضخيم اصطناعي لقيمة مربع كاي ($\chi^2$) وخفض مضلل لمؤشرات المطابقة كـ CFI، بالإضافة إلى تشويه الأخطاء المعيارية لمعاملات المسارات الهيكلية. في حالة البيانات غير الطبيعية، يلتزم الباحثون في كلا النموذجين باللجوء إلى مقدرات تصحيحية قوية، مثل مقدر ساتورا-بنتلر (Satorra-Bentler Robust ML) في CB-SEM، أو الانتقال الواعي إلى أساليب PLS-SEM اللابارامترية التي لا تفترض توزيعاً محدداً للبيانات.
علاوة على ذلك، يتقاسم النموذجان حساسية بالغة لمشكلة “التعددية الخطية الفائقة” (Multicollinearity)؛ ففي نموذج القياس، تؤدي التعددية بين المؤشرات التكوينية إلى اضطراب أوزانها وفقدان دلالتها، وفي النموذج الهيكلي، تقود التعددية المرتفعة بين المتغيرات الكامنة المستقلة إلى تشويه معاملات الانحدار ومضاعفة أخطائها المعيارية. كما يشترك النموذجان في تهديد “تحيز الطريقة الشائعة” (Common Method Bias – CMB) الناجم عن جمع بيانات المتغيرات المستقلة والتابعة من المصدر ذاته في استبيان واحد؛ مما يستدعي إجراء اختبارات صارمة مشتركة مثل اختبار العامل الواحد لهارمان، أو تضمين عامل كامن مشترك في نموذج القياس لعزل هذا التباين الطفيلي قبل الانتقال لاختبار المسارات الهيكلية.
5.3 التفاعل الديناميكي في خطوة تحسين وتعديل النماذج
نادراً ما يتطابق النموذج الأولي الذي يصوغه الباحث مع البيانات الميدانية تطابقاً مثالياً من المحاولة الأولى؛ مما يفتح الباب أمام مرحلة دقيقة من التفاعل الديناميكي بين القياس والهيكل تُعرف بـ “تحسين وتعديل النموذج” (Model Modification). في النماذج القائمة على التغاير، تزود البرمجيات الإحصائية الباحث بـ “مؤشرات التعديل” (Modification Indices – MI)، التي تحسب المقدار الرياضي المتوقع لانخفاض قيمة مربع كاي في حال تم تحرير معلمة كانت مقيدة، مثل السماح لخطأي قياس بين فقرتين بالارتباط المشترك، أو فتح مسار سببي مباشر إضافي لم يكن مفترضاً في النموذج الأصلي.
تتطلب هذه الخطوة أقصى درجات الانضباط الأكاديمي والحذر المنهجي؛ إذ يقع العديد من الباحثين في منزلق خطير يُعرف بـ “الانتهازية الإحصائية” أو التصيد البياني (Data Dredging)؛ حيث يُسارعون إلى ربط أخطاء الفقرات عشوائياً أو إضافة مسارات سببية لمجرد خفض قيمة مربع كاي وتحسين مؤشرات المطابقة ظاهرياً دون الاستناد إلى أي مسوغ نظري. تنص المعايير العلمية على أن الارتباط المشترك بين أخطاء القياس داخل نموذج القياس لا يجوز قبوله إلا إذا وُجد تبرير منطقي حاسم، مثل تشابه الصياغة اللفظية المعكوسة بين الفقرتين، أو اشتراكهما في بعد فرعي دقيق غير ممثل في الهيكل العام، مع حظر ربط الأخطاء بين فقرات تنتمي إلى عوامل كامنة مختلفة؛ لأن ذلك يُعد تدميراً صريحاً للصدق التمايزي للبناء.
يمتد هذا التفاعل إلى النموذج الهيكلي؛ إذ قد تكشف حقائق فحص القياس عن ضرورة دمج بعدين كامنين في بعد واحد نتيجة لارتفاع نسبة HTMT بينهما؛ مما يفرض إعادة هيكلة شبكة الفرضيات السببية بالكامل. إن الموازنة الرصينة بين المطابقة الإحصائية للبيانات والمنطق المعرفي للنظرية تقتضي ألا تُجرى أي تعديلات هيكلية إلا إذا كانت مدعومة بحجج إبستمولوجية مسبقة، وأن يتم إعادة التحقق من النموذج المعدل باستخدام عينة مستقلة جديدة (Cross-Validation) للتأكد من أن التحسينات لم تكن مجرد نتاج للصدفة الإحصائية لخصائص عينة بعينها.
6. دليل الاستخدام التطبيقي: متى وكيف يُطبق كل نموذج؟
6.1 سياقات الاكتفاء بنموذج القياس (CFA Only)
على الرغم من الشهرة الواسعة للنماذج الهيكلية الكاملة، إلا أن هناك مسارات ومنهجيات بحثية كاملة تقتضي الاكتفاء بتطبيق نموذج القياس (التحليل العاملي التوكيدي) كغاية نهائية ومحورية للبحث دون الحاجة إلى صياغة أو اختبار أي مسارات هيكلية سببية. تتصدر هذه السياقات “دراسات بناء وتطوير المقاييس والاستبانات الجديدة” (Scale Development Studies)؛ حيث يكرس الباحث جهده العلمي لتأسيس أداة قياس جديدة لظاهرة مستحدثة، وتمر العملية بمراحل تبدأ من توليد البنود والتحكيم الظاهري، مروراً بالتحليل الاستكشافي، وصولاً إلى تتويج العمل بنموذج قياس توكيدي صارم يثبت بالدليل الإمبيريقي الكفاءة السيكومترية للأداة وقابليتها للتعميم.
يتجلى السياق الثاني في “دراسات التقنين والتعريب والترجمة عبر الثقافات” للمقاييس العالمية المستقرة؛ حيث يسعى الباحث إلى فحص البنية العاملية لمقياس نُقل إلى بيئة لغوية وثقافية مغايرة، وتحديد ما إذا كان البناء النظري الأصلي يحتفظ بخصائصه وتوزيعه العاملي ذاته عند تطبيقه على مجتمع جديد. في هذا المضمار، يُعد نموذج القياس هو الأداة المثالية والوحيدة المطلوبة لتأكيد الصدق العاملي دون تشويش ناجم عن علاقات سببية تابعة. إن دراسات الأطر الثقافية والاجتماعية وسياقاتها القيمية كالفردية والجماعية كما تناولتها التحليلات البعدية المقارنة الرائدة لدى Oyserman et al. (2002) تُبرز بصورة جلية كيف يتطلب الفحص المنهجي الدقيق تطبيق نماذج قياس حذرة للتثبت من دلالات المفاهيم عبر الثقافات المختلفة قبل افتراض تطابقها العاملي.
يبرز أيضاً سياق منهجي فائق الأهمية يتمثل في فحص “التكافؤ القياسي عبر المجموعات” (Measurement Invariance)؛ حيث يختبر الباحث ما إذا كان الأفراد من خلفيات متنوعة (مثل الذكور والإناث، أو ثقافات مختلفة، أو مستويات عمرية متباينة) يفهمون ويفسرون بنود المقياس بالطريقة ذاتها. يتطلب هذا الفحص إجراء سلسلة متدرجة وصارمة من نماذج التحليل العاملي التوكيدي للمجموعات المتعددة، تشمل:
- التكافؤ الشكلي (Configural Invariance): ثبات نفس البنية العاملية وعدد العوامل وتوزيع البنود عبر كافة المجموعات دون فرض قيود عددية على المعلمات.
- التكافؤ المتري (Metric Invariance): فرض قيود تساوي تشبعات العوامل عبر المجموعات لضمان أن كل بند يمتلك الوزن النسبي ذاته في قياس المفهوم الكامن.
- التكافؤ القياسي القوي (Scalar Invariance): فرض تساوي نقاط التقاطع (Intercepts) للفقرات، وهو الشرط الحتمي الذي يسمح للباحث بمقارنة المتوسطات الحسابية للعوامل الكامنة بين المجموعات بطريقة علمية نزيهة.
6.2 سياقات الانتقال الإلزامي للنموذج الهيكلي الكامل
يصبح الانتقال إلى تشغيل النموذج الهيكلي الكامل استحقاقاً علمياً وإلزاماً منهجياً لا مفر منه في الدراسات ذات الطبيعة التفسيرية القائمة على اختبار الفرضيات (Hypothesis-Testing Research)، ولا سيما تلك التي تسعى للتحقق من أطر ونظريات إدارية وسلوكية معقدة تصف مسارات الظاهرة محل الاهتمام. فإذا كان الهدف الجوهري للبحث يتجاوز مجرد فحص سلامة الأدوات إلى محاولة الإجابة عن أسئلة من طراز: “هل تؤدي القيادة التحويلية إلى تعزيز سلوكيات المواطنة التنظيمية من خلال التمكين النفسي؟”، فإن الاكتفاء بنموذج القياس يغدو عجزاً منهجياً، ويصبح النموذج الهيكلي هو السبيل العلمي الأوحد لتمثيل هذه الشبكة السببية المتراكبة.
يتأكد هذا الإلزام المنهجي عند الحاجة إلى تفكيك سلاسل الوساطة المتعددة (Serial and Parallel Mediation)، واختبار نماذج الوساطة المعدلة (Moderated Mediation)؛ حيث تتيح النمذجة الهيكلية تقدير كافة الآثار المباشرة وغير المباشرة وحساب التفاعلات المعقدة دفعة واحدة، مع السيطرة التامة على أخطاء القياس. إن محاولة دراسة مثل هذه النظم المتشابكة عبر النماذج التراجعية المجزأة تفقد التحليل تماسكه، وتغفل تقدير الترابطات الكامنة بين المتغيرات التابعة، وهو ما يتلافاه النموذج الهيكلي بالكامل.
علاوة على ذلك، يُعد النموذج الهيكلي أداة لا غنى عنها في الأبحاث التنبؤية والتطبيقية الموجهة لصناع القرار ورسم الاستراتيجيات في قطاعات الأعمال والسياسات العامة؛ إذ يتيح للباحث والممارس مقارنة الأوزان النسبية لمختلف المتغيرات المستقلة والوسيطة المؤثرة في النتائج المستهدفة (مثل الأداء المؤسسي، أو ولاء العملاء). تُمكّن مخرجات النموذج الهيكلي (مثل مصفوفات الأثر الكلي الذي يجمع التأثير المباشر وغير المباشر) المؤسسات من تحديد “نقاط الارتكاز الاستراتيجية” الأكثر فاعلية، وتوجيه الموارد المحدودة نحو البرامج والمتغيرات التي تمتلك أعلى معامل مسار هيكلي حقيقي ومثبت سيكومترياً.
6.3 خارطة طريق تنفيذية للباحث (برمجيات CB-SEM مقابل PLS-SEM)
لتحقيق أقصى درجات الكفاءة المنهجية، يحتاج الباحث إلى خارطة طريق إجرائية واضحة المعالم تقوده خطوة بخطوة من مرحلة مسح البيانات الميدانية حتى كتابة التقرير النهائي، مع القدرة على المفاضلة الواعية بين النهجين الرئيسيين للنمذجة: النمذجة المعتمدة على التغاير (CB-SEM) والنمذجة المعتمدة على التباين والمربعات الصغرى الجزئية (PLS-SEM). يتطلب هذا الاختيار مراعاة الفروق التقنية التالية:
- متى نختار CB-SEM (مثل AMOS, LISREL, Mplus, lavaan)؟ يكون هذا النهج هو الخيار الأمثل عندما يكون الهدف الرئيس للبحث هو اختبار نظرية مستقرة وتأكيدها أو مقارنة نماذج نظرية متنافسة، وحيثما تكون المتغيرات الكامنة مصاغة حصراً بصورة انعكاسية، والبيانات الميدانية تتبع التوزيع الطبيعي المتعدد (أو تم تعديلها بمقدرات قوية)، وحجم العينة كبيراً نسبياً ($N > 200$).
- متى نختار PLS-SEM (مثل SmartPLS, ADANCO)؟ يبرز هذا النهج كخيار متفوق عندما يكون الهدف الرئيس هو التنبؤ وتطوير نظريات جديدة استكشافية، أو عندما يحتوي النموذج على بناءات تكوينية (Formative Constructs)، أو في النماذج الهيكلية فائقة التعقيد التي تتضمن العديد من المتغيرات والمسارات، وحيثما تكون العينة المتاحة صغيرة نسبياً والبيانات لا تتبع بالضرورة التوزيع الطبيعي.
تتمثل الخطوات التسلسلية الصارمة لخارطة الطريق التنفيذية فيما يلي:
- المرحلة 1: تدقيق وتنظيف البيانات الخام: فحص القيم المفقودة ونسبها والتعامل معها بأساليب التعويض المتقدمة، والكشف عن القيم الشاذة والمتطرفة أحادية ومتعددة المتغيرات (باستخدام مسافة مهلانوبيس Mahalanobis Distance)، والتأكد من خلو البيانات من أخطاء الإدخال.
- المرحلة 2: الفحص السيكومتري لنموذج القياس (CFA / Outer Model): تشغيل نموذج القياس مستقلاً، واستبعاد أو تشذيب البنود ذات التشبعات الهابطة عن 0.50، والتحقق الحاسم من تجاوز الثبات المركب (CR) لعتبة 0.70، ومتوسط التباين المستخرج (AVE) لعتبة 0.50، واختبار الصدق التمايزي عبر فورنيل-لاركر ونسبة HTMT الأقل من 0.85.
- المرحلة 3: التحقق من مؤشرات التوفيق الشاملة (في حالة CB-SEM): التأكد من بلوغ النموذج عتبات القبول المعترف بها: أن تكون النسبة $chi^2 / df < 3.0$، ومؤشرات CFI وTLI تتجاوز 0.90 أو 0.95، وقيمة RMSEA أقل من 0.06 إلى 0.08 مع فترات ثقة مقبولة، وSRMR أقل من 0.08.
- المرحلة 4: تقييم وفحص النموذج الهيكلي (Inner Model): بعد تجميد أطر القياس، يتم إطلاق المسارات الهيكلية وتقدير معاملات المسار ($\beta$)، واختبار دلالتها عبر فترات الثقة الناتجة عن Bootstrapping (5000 إلى 10000 عينة فرعية)، وتوثيق قيم $R^2$ للمتغيرات التابعة، وأحجام الأثر $f^2$، والأهمية التنبؤية $Q^2$.
- المرحلة 5: صياغة التقرير وفق معايير النشر الدولية (APA Guidelines): كتابة النتائج بشفافية عبر فصل جداول مخرجات القياس (التشبعات، الثبات، الصدق التقاربي، الصدق التمايزي) في قسم مستقل، تليها جداول ورسوم النموذج الهيكلي التي توضح مسارات الفرضيات ومعاملاتها وفترات الثقة ومصير كل فرضية (قبول أو رفض) بكل وضوح وتجرد علمي.
7. الأسئلة الشائعة حول نموذج القياس والنموذج الهيكلي
7.1 هل يمكن قبول فرضيات النموذج الهيكلي إذا لم يستوفِ نموذج القياس مؤشرات المطابقة؟
الإجابة المنهجية القطعية والحاسمة هي: لا، إطلاقاً وبشكل لا يقبل الاستثناء. تنص القواعد الإبستمولوجية للنمذجة البنائية على أن أي مسار هيكلي دال إحصائياً يُستخرج في ظل نموذج قياس فاشل هو مسار “باطل وزائف إحصائياً”. يرجع تفسير هذه القاعدة إلى أن فشل نموذج القياس يعني أحد أمرين مأساويين: إما أن المؤشرات لا تقيس المفهوم النظري المستهدف (غياب صدق التقارب)، أو أن المؤشرات تتداخل وتتطابق مع مفاهيم أخرى داخل النموذج (غياب الصدق التمايزي). وفي كلتا الحالتين، تصبح المتغيرات الكامنة كيانات مجهولة الهوية الرياضية، وتغدو معاملات المسار المرتفعة مجرد قياس لعلاقات مشوهة بين شوائب الأخطاء والبنود المشتركة.
إذا واجه الباحث هذه المعضلة، فإن الممارسة المنهجية السليمة تفرض التوقف التام عند الخطوة الأولى، والامتناع المطلق عن الانتقال إلى النموذج الهيكلي، والشروع في اتخاذ “إجراءات تصحيحية” واعية على نموذج القياس. تبدأ هذه الإجراءات بالفحص المتأني لمصفوفة التشبعات وحذف البنود المتردية ذات التشبعات المتدنية، أو إزالة البنود التي تتسبب في تشوهات خطيرة وتداخلات عبر العوامل (Cross-Loadings)، وإعادة تقييم الصدق بعد كل تعديل. وإذا استمر الفشل، يتعين على الباحث مراجعة البنية النظرية برمتها، أو إعادة جمع البيانات باستخدام أدوات مقننة وأكثر اتساقاً وموثوقية.
7.2 ما الفرق الجوهري بين التحليل العاملي الاستكشافي (EFA) ونموذج القياس (CFA)؟
يكمن الفرق الجوهري بين الأسلوبين في حجم ومصدر “التحكم النظري المسبق” الذي يفرضه الباحث على بنية البيانات. التحليل العاملي الاستكشافي (Exploratory Factor Analysis – EFA) هو أداة اكتشاف واستطلاع استقرائية وتجريبية تُستخدم في بدايات البحث العلمي أو عند بناء أدوات قياس جديدة كلياً في ظل غياب نظرية راسخة؛ حيث يُسمح لكافة البنود بالتشبع بحرية على جميع العوامل الكامنة المستخرجة في المصفوفة، وتتولى خوارزميات التدوير (Rotation) الكشف عن التجمعات الطبيعية للبيانات دون تدخل إرادي مقيد من الباحث.
في المقابل، يُمثل التحليل العاملي التوكيدي (CFA) التطبيق العملياتي الحقيقي لنموذج القياس، وهو أداة استنتاجية واختبارية صارمة لا مكان فيها للاستكشاف العشوائي. ينطلق الباحث في CFA من نظرية رصينة وواضحة المعالم، فيفرض سلفاً وبصورة جازمة أن الفقرات من 1 إلى 5 تتبع حصراً العامل الأول، وأن تشبعاتها على باقي العوامل تساوي صفراً مطلقاً. يتمثل دور CFA في اختبار هذه “الفرضية الهندسية الصارمة” ومقارنتها بالبيانات الميدانية؛ ولذلك فإن EFA ينتمي إلى مرحلة استطلاع الأدوات وبنائها الأولى، في حين يمثل CFA مرحلة التأكيد والاختبار النهائي لكفاءة الأداة قبل إدماجها في أي نموذج هيكلي سببي.
7.3 كيف تختلف معايير تقييم النموذجين بين AMOS المعتمد على التغاير وSmartPLS المعتمد على التباين؟
ينبع الاختلاف في معايير التقييم بين بيئتي AMOS وSmartPLS من التباين في الفلسفة الحسابية الجوهرية لكل منهما. يعتمد برنامج AMOS على نهج النمذجة القائمة على التغاير (CB-SEM)؛ ولذلك ينصب تركيزه الأساسي في تقييم كلا النموذجين على “مؤشرات جودة التوفيق الشاملة” (Global Goodness-of-Fit)؛ حيث يُحاكم نموذج القياس ونموذج الهيكل معاً عبر مؤشرات مطابقة المصفوفات مثل مربع كاي، ومؤشرات التوفيق المقارنة ($CFI, TLI$)، ومؤشرات البواقي الخطية ($RMSEA, SRMR$). وإذا لم يحقق النموذج هذه العتبات العامة، يُعتبر النموذج برمته مرفوضاً رياضياً.
على الطرف النقيض، يعتمد برنامج SmartPLS على نهج المربعات الصغرى الجزئية القائمة على تباين البنود (PLS-SEM)، وهي خوارزمية تهدف إلى تعظيم التباين المفسر بدلاً من مطابقة مصفوفات التغاير. لذلك، يرفض PLS-SEM الاعتماد الحاسم على مؤشرات التوفيق الشاملة (مثل SRMR أو NFI إلا كأدوات استئناسية محدودة جداً)، ويستبدلها بمعايير تقييم متدرجة ومحددة بدقة؛ في نموذج القياس، يركز التقييم على مقاييس الثبات الفردي للبنود، والثبات المركب ($CR$)، ومتوسط التباين المستخرج ($AVE$)، ونسبة الصدق التمايزي الصارمة ($HTMT$). وفي النموذج الهيكلي، يركز التقييم بالكامل على القدرة التفسيرية والتنبؤية غير البارامترية عبر فحص معاملات التحديد ($R^2$)، وحجم الأثر التفسيري ($f^2$)، ودلالة المسارات الناتجة عن أسلوب إعادة العينات ($Bootstrapping$)، والأهمية التنبؤية للنموذج خارج العينة ($Q^2$).
7.4 هل مؤشرات جودة التوفيق الإجمالية (Global Fit Indices) تخص نموذج القياس أم النموذج الهيكلي؟
هذا السؤال من أكثر الأسئلة المنهجية التي تثير بلبلة لدى الباحثين المبتدئين. الحقيقة الرياضية الصارمة تفيد بأن مؤشرات جودة التوفيق الإجمالية تخص أولاً وقبل كل شيء نموذج القياس المستقل (CFA). فعند تشغيل نموذج القياس المشبع الذي ترتبط فيه كافة العوامل الكامنة ببعضها البعض بحرية ودون أي قيود سببية اتجاهية، نحصل على أفضل مطابقة رياضية ممكنة للبيانات، وهو ما يمثل السقف الأعلى للأداء الإحصائي لمصفوفة الارتباطات الميدانية.
عندما ينتقل الباحث إلى النموذج الهيكلي ويستبدل خطوط الارتباطات التبادلية الحرة بمسارات سببية محددة وأسهم أحادية الاتجاه، فإنه يقوم بفرض قيود رياضية جديدة على مصفوفة التغاير. وبناءً على قوانين الجبر الخطي، لا يمكن لمؤشرات توفيق النموذج الهيكلي أن تتفوق رياضياً على مؤشرات نموذج القياس؛ بل تكون إما متطابقة معها تماماً (إذا كان النموذج الهيكلي مشبعاً بالكامل ومساوياً في درجات الحرية لنموذج القياس)، أو أدنى منها قليلاً بدرجة تتناسب مع مدى التضحية الرياضية الناتجة عن مسارات الحذف السببية. لذلك، يجب على الباحث أن يدرك أن مؤشرات المطابقة الإجمالية الممتازة للنموذج الهيكلي لا تعني بالضرورة أن الفرضيات السببية صحيحة أو ذات دلالة؛ إذ قد يتمتع النموذج بمؤشرات مطابقة فائقة الجودة لمجرد أن نموذج القياس الأساسي قوي جداً، في حين تكون معاملات المسار الهيكلية ($\beta$) ضعيفة وغير دالة إحصائياً، وتكون قيمة التباين المفسر ($R^2$) قريبة من الصفر. ينبغي الفصل الدقيق بين “جودة تمثيل البيانات” (Fit) و”جودة المعنى التفسيري والسببي” (Substantive Theoretical Significance).
8. الخاتمة: الرؤية المنهجية الموحدة لسلامة التحليل الإحصائي
8.1 خلاصة المقارنة وأثر الالتزام المنهجي
في ختام هذا التفكيك المنهجي الشامل، يتضح بجلاء أن نموذج القياس والنموذج الهيكلي يمثلان الركيزتين المتكاملتين اللتين لا غنى لإحداهما عن الأخرى في منظومة نمذجة المعادلة الهيكلية المعاصرة. يقف نموذج القياس كصمام أمان صارم يصون النزاهة العلمية للبحث، ويضمن أن الأدوات المستخدمة تتمتع بأعلى مواصفات الصدق والثبات والتجريد من تباينات الأخطاء الميدانية. بينما يتولى النموذج الهيكلي البناء على هذه الأرضية الصلبة ليمارس وظيفته الأسمى في تفكيك واختبار المسارات السببية وتوليد النظريات وتعميق الفهم المعرفي للبنى السلوكية والإنسانية.
إن إدراك الفروق الجوهرية بين هذين النموذجين يحمي الباحثين من الوقوع في منزلقين كلاسيكيين بالغي الخطورة: منزلق القفز المتسرع نحو اختبار الفرضيات وإعلان دلالة العلاقات السببية استناداً إلى أدوات قياس هشة ومضطربة، ومنزلق الانغماس المفرط في تجميل أدوات القياس وتعديلها انتهازياً دون امتلاك رؤية هيكلية وتفسيرية واضحة المعالم. إن الفصل بين النموذجين ليس سوى أسلوب إجرائي يهدف إلى تحقيق الضبط المنهجي الصارم، بينما هما في الحقيقة نسق متناغم وموحد؛ فبدون القياس الرصين يصبح الهيكل محض تخمينات تفتقر إلى الأساس الإمبيريقي، وبدون الهيكل السببي يغدو القياس جهداً تصنيفياً عقيماً يفتقر إلى الرؤية التفسيرية.
8.2 توصيات علمية للباحثين والمحللين الإحصائيين
بناءً على المبادئ المنهجية الصارمة والمستقرة في الأدبيات السيكومترية المتقدمة، يُوصى الباحثون والمحللون الإحصائيون في العلوم الإدارية والسلوكية بمراعاة التوجيهات التطبيقية التالية لضمان ارتقاء أبحاثهم إلى مصاف النشر الدولي الرصين:
- الالتزام الصارم بنهج الخطوتين (Two-Step Approach): تبني استراتيجية أندرسون وجيربنج بشكل إلزامي في كافة أبحاث SEM؛ وذلك بالتحقق المستقل والتام من مطابقة وكفاءة نموذج القياس وحساب مؤشرات الصدق المركب (CR) والتقارب (AVE) والتمايز (HTMT) واعتمادها، قبل محاولة تشغيل أو اختبار أي مسار سببي داخل النموذج الهيكلي.
- الشفافية الكاملة في الإبلاغ عن النتائج (Reporting Transparency): تجنب دمج مخرجات النموذجين في جداول ملتبسة؛ بل يجب تخصيص جداول مستقلة ومفصلة لنموذج القياس تتضمن التشبعات الفردية، وأخطاء القياس، وقيم الثبات المركب، ومصفوفة الصدق التمايزي، وتخصيص جداول وأشكال بيانية مستقلة للنموذج الهيكلي توضح معاملات المسار بدقة، وفترات الثقة الناتجة عن Bootstrapping، ومستويات الدلالة الإحصائية، وقيم $R^2$ و$f^2$.
- الفهم العميق لطبيعة البناءات القياسية (انعكاسية مقابل تكوينية): الامتناع عن تطبيق المعايير السيكومترية الكلاسيكية للنماذج الانعكاسية (مثل ألفا كرونباخ أو AVE) على البناءات التكوينية، وتحديد النمط القياسي المناسب بدقة استناداً إلى المنطق النظري قبل الشروع في جمع البيانات وتحليلها.
- الحذر المنهجي عند تعديل النماذج: تجنب التحرير العشوائي لمؤشرات التعديل (Modification Indices) لمجرد تحسين جودة التوفيق ظاهرياً، والامتناع التام عن ربط أخطاء القياس عبر العوامل المختلفة؛ صوناً لسلامة البناء النظري للظاهرة وتجنباً لتطويع النموذج للبيانات بشكل مصطنع وزائف.
- فحص التكافؤ القياسي عند المقارنة الميدانية: التحقق من استيفاء شروط التكافؤ الشكلي والسكري والقياسي (Measurement Invariance) كشرط منهجي مسبق وإلزامي قبل الشروع في مقارنة المسارات الهيكلية أو مقارنة المتوسطات الكامنة عبر المجموعات السكانية أو الثقافية المتباينة.
المراجع
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-t
Goodman, R. (1997). The Strengths and Difficulties Questionnaire: A Research Note. Journal of Child Psychology and Psychiatry, 38(5), 581–586. https://doi.org/10.1111/j.1469-7610.1997.tb01545.x
Janz, N. K., & Becker, M. H. (1984). The Health Belief Model: A Decade Later. Health Education Quarterly, 11(1), 1–47. https://doi.org/10.1177/109019818401100101
Oyserman, D., Coon, H. M., & Kemmelmeier, M. (2002). Rethinking individualism and collectivism: Evaluation of theoretical assumptions and meta-analyses. Psychological Bulletin, 128(1), 3–72. https://doi.org/10.1037/0033-2909.128.1.3
Tennant, R., Hiller, L., Fishwick, R., Platt, S. D., Joseph, S., Weich, S., et al. (2007). The Warwick-Edinburgh Mental Well-being Scale (WEMWBS): development and UK validation. Health and Quality of Life Outcomes, 5(1), 63. https://doi.org/10.1186/1477-7525-5-63