التدوير المتعامد مقابل التدوير المائل

يحتل التحليل العاملي الاستكشافي مكانة مركزية في ترسانة المنهجيات الإحصائية المتقدمة عبر مختلف حقول العلوم السلوكية، والاجتماعية، والتربوية، والطبية، حيث يُعد الأداة الرياضية الأكثر رسوخاً لاختزال الأبعاد، وتلخيص البيانات المتشابكة، واستكشاف البنى الكامنة وراء المتغيرات الملاحظة. ومع ذلك، فإن النتيجة المستخلصة أولياً من مصفوفة العوامل المشتركة، بصرف النظر عن خوارزمية الاستخراج المستخدمة، سواء أكانت تحليل المحاور الرئيسية أم المربعات الصغرى غير الموزونة أم الإمكانية العظمى، تصطدم بإشكال رياضي جوهري يُعرف في الأدبيات القياسية بـ “معضلة اللاتحديد التدويري”. هذه المشكلة تنبع من وجود عدد لا نهائي من الأطر الهندسية المتكافئة رياضياً والقادرة على تفسير نفس القدر من التباين المشترك بين المتغيرات المقاسة، مما يترك الباحث أمام مصفوفة تشبعات هجينة يصعب تفسيرها نظرياً أو إضفاء معنى مفاهيمي متماسك عليها.

من هذا المنطلق الإبستمولوجي والرياضي، تنبثق مرحلة “تدوير العوامل” بوصفها خطوة حاسمة وضرورية لتحويل فضاء العوامل غير المدورة إلى بنية أكثر بساطة ومقروئية، تسمح بالربط العضوي بين القياس الإمبريقي والنظرية العلمية المجردة. وتتفرع استراتيجيات التدوير في الفضاء الرياضي إلى مسارين رئيسيين متمايزين منهجياً وإبستمولوجياً: التدوير المتعامد، الذي يقيد المحاور العاملية بزوايا قائمة صارمة تفترض الاستقلال التام بين الأبعاد الكامنة، والتدوير المائل، الذي يحرر الزوايا بين المحاور ويفترض تشابك الظواهر الإنسانية والطبيعية وتداخلها الرياضي والواقعي. هذا التمايز لا يمثل مجرد خيار حسابي تقني بل يعكس رؤية فلسفية لطبيعة الظاهرة المدروسة وكيفية تمثيل التعقيد الإنساني في نماذج رياضية.

تستهدف هذه المعالجة الأكاديمية الشاملة تفكيك كافة الأبعاد النظرية، والرياضية، والمفاهيمية، والإجرائية المقترنة بالمفاضلة بين التدوير المتعامد والتدوير المائل في التحليل العاملي الاستكشافي. وسيجري استعراض الأسس التي بنيت عليها الخوارزميات الشائعة في كلا المسارين، واستكشاف الفروق البنيوية بين مصفوفات النتائج، مع تزويد الباحثين بمرتكزات معيارية محكمة لاتخاذ قرارات منهجية ناضجة تنأى عن الركون الأعمى للإعدادات الافتراضية في البرمجيات الإحصائية، وصولاً إلى تأسيس ممارسات بحثية تتسم بالرصانة والدقة الإمبريقية.

1. المقدمة: الإطار المفاهيمي لتدوير العوامل في التحليل الإحصائي

1.1 ماهية مشكلة تدوير المحاور في التحليل العاملي الاستكشافي

تنطلق النمذجة الرياضية للتحليل العاملي الاستكشاري من المعادلة الخطية الأساسية التي تفترض أن كل متغير ملاحظ هو دالة خطية تتكون من تشكيلة مرجحة لمجموعة من العوامل المشتركة مضافاً إليها عامل نوعي أو خطأ قياس. عند استخراج هذه العوامل أولياً، تتحدد المصفوفة العاملية وفق مبادئ تعظيم التباين المفسر تتابعياً، حيث يستأثر العامل الأول بأكبر نسبة ممكنة من التباين الكلي المشترك، ويليه العامل الثاني مستحوذاً على أكبر قدر من التباين المتبقي، وهكذا دواليك. ومع أن هذا الحل يمتلك كفاءة حسابية عليا في ضغط البيانات، إلا أنه يولد حلاً هندسياً مجرداً تتكدس فيه المتغيرات حول العامل الأول، بينما تتأرجح تشبعاتها على العوامل اللاحقة بين القيم الموجبة والسالبة فيما يُعرف بالعوامل ثنائية القطبية، مما يحجب البنية الموضوعية التي صيغت أدوات القياس لرصدها.

هنا تبرز ظاهرة اللاتحديد التدويري؛ إذ إن ضرب مصفوفة التشبعات العاملية الأصلية بأي مصفوفة تحويل متعامدة أو مائلة غير شاذة يؤدي إلى توليد مصفوفة تشبعات جديدة تُعيد إنتاج مصفوفة الارتباطات أو التباين المشترك الأصلية بنفس مستوى الدقة وبنفس نسبة المتبقي الإحصائي تماماً دون أي مساس بمقدار التباين الكلي المفسر. هذا التكافؤ الإحصائي المطلق بين عدد لا حصر له من الحلول يطرح مأزقاً نظرياً يتمثل في كيفية اختيار الحل التدويري الذي يمثل البنية الواقعية للظاهرة. من ثم، فإن التدوير ليس تدخلاً لتعديل قدرة النموذج على التفسير، وإنما هو إعادة تموضع لمحاور الإحداثيات في الفضاء العاملي متعدد الأبعاد لتوزيع التباين المشترك على نحو يعزز إمكانية تأويل النتائج وتسمية العوامل على أسس منطقية ومفاهيمية متماسكة، محولاً الأرقام الصماء إلى أبعاد دلالية قابلة للاختبار والتطبيق.

تتمثل الوظيفة الجوهرية للتحويل التدويري في التخلص من أثر الترتيب الرياضي الصارم الذي تفرضه خوارزميات الاستخراج المبدئي. فبينما يميل الحل غير المدور إلى إظهار عامل عام طاغٍ تتشبع عليه غالبية المتغيرات بدرجات متوسطة أو مرتفعة، يقوم التدوير بتفكيك هذا التمركز المصطنع عبر تدوير المحاور لتمر بأكبر قدر ممكن من تجمعات النقاط الممثلة للمتغيرات، مما يسفر عن حلول مستقرة وقابلة للتكرار عبر عينات مستقلة مأخوذة من نفس المجتمع الإحصائي.

1.2 معايير البنية البسيطة (Simple Structure) لـ ثيرستون

لتجاوز حالة السيولة الرياضية الناتجة عن اللاتحديد التدويري، أرسى عالم القياس النفسي لويس ليون ثيرستون في أربعينيات القرن العشرين مبدأه التاريخي المعروف بـ “البنية البسيطة”. لم يكن هدف ثيرستون إيجاد حل حسابي عشوائي، بل بلورة إطار تحكيمي يستند إلى مبدأ الإيجاز العلمي، حيث يُفضل النموذج الذي يقدم أبسط تفسير ممكن للارتباطات الملاحظة بين المتغيرات. صاغ ثيرستون خمسة معايير هندسية ورياضية دقيقة يجب أن تتوافر في مصفوفة التشبعات العاملية بعد التدوير كي تُوصف بأنها تحقق البنية البسيطة:

• يجب أن يحتوي كل صف في المصفوفة على تشبع صفري واحد على الأقل، مما يعني أن كل متغير يجب ألا يرتبط بجميع العوامل المستخرجة.
• لكل عامل مستخرج، يجب أن يتوافر حد أدنى من المتغيرات التي تقترب تشبعاتها من الصفر، لضمان تمايز العامل واستقلاليته الدلالية عن بقية الأبعاد.
• لكل زوج من العوامل، يجب أن توجد متغيرات عدة تتشبع بقوة على أحدهما وتكاد تنعدم تشبعاتها على الآخر، لتجنب التداخل المفاهيمي بين العوامل المتجاورة.
• لكل زوج من العوامل، وفي حال استخراج أربعة عوامل أو أكثر، ينبغي أن تتمركز نسبة معتبرة من المتغيرات حول الصفر في كلا العاملين، مما يرسخ تباين النطاقات الوظيفية لكل بُعد.
• لكل زوج من العوامل، يجب أن تكون نسبة المتغيرات التي تمتلك تشبعات متزامنة ومرتفعة على كلا العاملين في أدنى مستوياتها الممكنة، للحد مما يُعرف بالتشبعات المتقاطعة المعقدة.

إن تحقيق البنية البسيطة يحول مصفوفة العوامل إلى خريطة مفاهيمية عالية النقاء؛ إذ يصبح لكل متغير “عامل أم” واضح يتشبع عليه بدرجة مرتفعة (غالباً تتجاوز 0.40 أو 0.50)، بينما تقترب تشبعاته على بقية العوامل من الصفر الإحصائي. هذا التباين الحاد بين التشبعات القوية والمهملة يعزز المقروئية النظرية للأبعاد الكامنة، ويتيح للباحثين استنباط مسميات مفاهيمية تعكس بصدق المحتوى المشترك للبنود، مما يسد الفجوة بين القياس الكمي المجرد والتنظير السيكومتري الرصين.

1.3 دواعي المقارنة والالتباس المنهجي بين الأسلوبين

على الرغم من وضوح مفهوم البنية البسيطة، إلا أن التطبيق الإجرائي شهد انقساماً معرفياً حاداً عبر تاريخ التحليل الإحصائي بين مدرستين متنافستين: مدرسة التدوير المتعامد ومدرسة التدوير المائل. تعود جذور هذا الصراع إلى تباين النظرة الإبستمولوجية لطبيعة الكينونات المقاسة؛ فالمدرسة الأرثوذكسية، التي تأثرت بأعمال كبار رواد الإحصاء كـ كايزر وجيلفورد، رأت أن الهدف الأسمى للعلم هو استخلاص مكونات مستقلة تماماً وذات تباين متعامد لتسهيل التنبؤ وتجنب الوقوع في مشكلات الارتباط المتعدد، معتبرة أن الاستقلال الرياضي هو الضامن الحقيقي لبناء مقاييس نقية خالية من التشويش الدلالي.

في المقابل، قادت المدرسة التفاعلية، مدفوعة بأطروحات علماء مثل ريموند كاتل وثيرستون نفسه، توجهاً مغايراً يرى أن فرض التعامد يمثل قسراً غير مبرر للبيانات؛ إذ نادراً ما توجد ظواهر سيكولوجية، أو تربوية، أو اجتماعية تعمل في معزل تام عن بعضها البعض. فإذا كانت سمات مثل القلق والاكتئاب، أو الذكاء اللفظي والذكاء المكاني، ترتبط عضوياً في الواقع الإنساني، فإن إجبار محاورها على البقاء متعامدة بزاوية تسعين درجة يؤدي حتماً إلى تزييف الحقائق السيكومترية وإجبار المتغيرات على التوزع الاصطناعي بين المحاور المقيدة.

وقد تفاقم هذا اللبس المنهجي في العقود الأخيرة نتيجة السلوك البرمجي النمطي للمستخدمين؛ حيث اعتمدت الحزم الإحصائية الرائدة، مثل برنامج SPSS، خوارزمية “فاريمكس” المتعامدة كإعداد افتراضي لعقود طويلة. هذا التفضيل البرمجي الأوتوماتيكي دفع أجيالاً متعاقبة من الباحثين إلى اعتماد التدوير المتعامد دون تقييم مسبق لمبرراته أو إدراك للمخاطر المترتبة على تشويه البنية الحقيقية للمقاييس. إن سوء الاختيار بين التدوير المتعامد والمائل لا يقتصر على كونه تفضيلاً تقنياً عابراً، بل يمتد ليمس جوهر الصدق البنائي والاتساق النظري للمقاييس، مما يجعل التحديد المنهجي الرصين بينهما مسألة ذات تبعات مباشرة على دقة الاستنتاجات العلمية.

2. التدوير المتعامد (Orthogonal Rotation): المبادئ والخصائص التقنية

2.1 المفهوم الرياضي والافتراض الأساسي للاستقلالية

يقوم التدوير المتعامد على قاعدة هندسية صارمة لا تقبل المساومة: الإبقاء على زوايا قائمة ثابتة بمقدار تسعين درجة (أو ما يكافئ نصف القطر البايي $pi/2$) بين جميع المحاور العاملية في الفضاء متعدد الأبعاد أثناء دورانها التبادلي. رياضياً، يعني هذا أن ضرب مصفوفة التحويل المتعامدة في مقلوبها المنقول ينتج مصفوفة الوحدة، أي أن $T^T T = T T^T = I$. ينعكس هذا القيد الهندسي المباشر على مصفوفة الارتباط بين العوامل، حيث تُجبر كافة المعاملات خارج القطر الرئيسي على أن تكون أصفاراً مطلقة، مما يعني الافتراض المسبق بعدم وجود أي علاقة خطية أو تباين مشترك بين العوامل الكامنة المستخرجة في مجتمع الدراسة.

يترتب على هذه الخاصية الهندسية تداعيات رياضية بالغة الأهمية على مستوى المخرجات الإحصائية؛ فالتعامد التام يلغي التمايز بين مصفوفة النمط، التي تمثل معاملات الانحدار المعيارية للمتغيرات على العوامل، ومصفوفة البنية، التي تمثل معاملات ارتباط بيرسون البسيطة بين المتغيرات والعوامل. في حالة التدوير المتعامد، تتطابق هاتان المصفوفتان كلياً في مصفوفة واحدة موحدة تُعرف بمصفوفة التشبعات العاملية المدورة. هذا التطابق ينبع من حقيقة أنه في غياب الارتباط بين المتغيرات التفسيرية (العوامل الكامنة هنا)، يغدو معامل الانحدار البسيط مساوياً لمعامل الانحدار الجزئي، مما يجنب الباحث التعقيد الحسابي والمفاهيمي المترتب على قراءة مصفوفتين متباينتين.

علاوة على ذلك، يتيح التدوير المتعامد تجزئة نظيفة وبسيطة للتباين المشترك الكلي؛ إذ تُحسب قيمة الشيوعية أو الاشتراكية لكل متغير من خلال الجمع الخطي المباشر لمربعات تشبعاته على كافة العوامل المستخرجة دون الحاجة إلى طرح معاملات التغاير أو إدخال عناصر الارتباط البيني في المعادلة، وهو ما يعكس الجاذبية الحسابية الفائقة لهذا الأسلوب التدويري في الأوساط الأكاديمية.

2.2 الخوارزميات الشائعة للتدوير المتعامد

تطورت على مدار العقود الماضية خوارزميات حسابية عدة لتنفيذ التدوير المتعامد، حيث تباينت هذه الطرق في دالة الهدف الرياضية التي تسعى إلى تعظيمها أو تصغيرها للوصول إلى معايير البنية البسيطة. وتتصدر هذه الطرق الخوارزميات الآتية:

• طريقة فاريمكس (Varimax): ابتكرها هنري كايزر في أواخر الخمسينيات، وتُعد بلا منازع الأسلوب الأكثر ذيوعاً واستخداماً في تاريخ التحليل العاملي. تركز دالة فاريمكس على تعظيم تباين مربعات التشبعات العاملية داخل كل عمود في مصفوفة العوامل؛ أي أنها تعمل على مستوى العامل الفردي، مجبرة بعض المتغيرات على امتلاك تشبعات تقترب من الواحد الصحيح بينما تدفع بتشبعات المتغيرات الأخرى نحو الصفر التام. تُطبق خوارزمية فاريمكس عادة بنسخة معيارية (Kaiser Normalization) حيث تُقسم التشبعات أولياً على الجذر التربيعي لشيوعية المتغير لضمان عدم هيمنة المتغيرات ذات الشيوعية العالية على توجيه المحاور، ثم تُعاد إلى أوزانها الطبيعية بعد انتهاء التقارب التدويري، مما يولد حلولاً تتمتع بوضوح تفسيري فائق لكل عامل على حدة.
• طريقة كوارتيماكس (Quartimax): تُعد النظير الموازي لطريقة فاريمكس ولكن على مستوى الصفوف لا الأعمدة. تسعى خوارزمية كوارتيماكس إلى تعظيم تباين مربعات التشبعات العاملية لكل متغير ملاحظ عبر مختلف العوامل؛ مما يعني أنها تهدف إلى جعل المتغير يتشبع بقوة على عامل واحد فقط ويقترب من الصفر في البقية. إلا أن هذا التوجه الحسابي ينطوي على ميل متأصل نحو إبراز عامل عام يستوعب تشبعات معظم المتغيرات بدرجات متوسطة، مما يجعلها أقل كفاءة في تحقيق البنية البسيطة مقارنة بفاريمكس في معظم البحوث السلوكية التي تنفر من فرض العامل العام.
• طريقة إكواماكس (Equamax): تمثل هذه التقنية حلاً وسطياً وتوفيقياً يدمج بين الخصائص الرياضية لفاريمكس وكوارتيماكس؛ حيث تعمل دالتها على تعظيم التباين في صفوف وأعمدة مصفوفة التشبعات في آن واحد عبر موازنة رياضية موزونة تتحدد بناءً على عدد المتغيرات وعدد العوامل المستخرجة. وعلى الرغم من براعتها التصميمية في كبح جماح تشكل العامل العام المهيمن وتفادي التشتت المفرط في التشبعات، إلا أن استخدامها يظل محدوداً نسبياً وتواجه انتقادات تتعلق بعدم استقرار نتائجها عند تطبيقها على عينات بيانات متوسطة الحجم.

2.3 المزايا المنهجية ونقاط القوة

تنبع المكانة الراسخة للتدوير المتعامد من منظومة متكاملة من المزايا التقنية والإجرائية التي توفر للباحثين مسارات واضحة وحاسمة في معالجة البيانات وتفسيرها. وتتجلى أولى هذه المزايا في البساطة التفسيرية المطلقة؛ فالاعتماد على مصفوفة واحدة تلخص في آن واحد معاملات الانحدار ومستويات الارتباط يحمي المحلل الإحصائي من الالتباس المعرفي الناتج عن المفاضلة بين أوزان النمط ومعاملات البنية. تسهل هذه الخاصية مهمة تسمية الأبعاد الكامنة وتحديد هوية المحاور دون الدخول في جدليات التداخل الإحصائي بين المفاهيم.

تتمثل نقطة القوة الثانية، وهي ذات بعد إجرائي مفصلي، في توليد درجات عاملية متعامدة استقلالياً بالكامل. فعندما يرغب الباحث في استخدام العوامل المستخرجة كمتغيرات مستقلة في تحليلات إحصائية لاحقة، كالتحليل الانحداري الخطي المتعدد أو تحليل التباين متعدد المتغيرات، فإن الدرجات العاملية المشتقة من التدوير المتعامد تضمن انعدام الارتباط التام بين المنبئات، مما يقضي جذرياً على معضلة التعددية الخطية، ويحول دون تضخيم الأخطاء المعيارية لمعاملات بيتا، مما يمنح النموذج التنبؤي اللاحق استقراراً رياضياً فائقاً ودقة تفسيرية لا تشوبها شائبة التداخل.

إضافة إلى ذلك، يتمتع التدوير المتعامد، وبخاصة عبر طريقة فاريمكس، بمستوى عالٍ من المتانة الرياضية والمناعة النسبية ضد التذبذب العيني؛ إذ أظهرت دراسات المحاكاة السيكومترية أن حلول فاريمكس تتسم بدرجة عالية من الثبات التكراري عبر العينات العشوائية المتتالية المسحوبة من نفس المجتمع، ما دامت حجوم العينات كافية ومستويات الشيوعية مقبولة، مما يمنح الباحثين شعوراً بالأمان الإحصائي حيال استقرار بنيتهم المستخرجة وعدم تأثرها بالشوائب العشوائية للبيانات.

2.4 الحدود المنهجية والانتقادات

على الرغم من الرواج التاريخي للتدوير المتعامد، إلا أنه يواجه انتقادات إبستمولوجية ومنهجية لاذعة من قبل رواد القياس المتقدم ومدارس القياس الحديثة. يتمحور الانتقاد الأساسي حول عدم واقعية فرضية الاستقلال التام في دراسة الظواهر الإنسانية، والاجتماعية، والنفسية؛ فالكون الاجتماعي والنفسي يتسم بالتشابك والتداخل العضوي. إن افتراض أن السمات السلوكية—كالدافعية للإنجاز، والذكاء الوجداني، وقلق الاختبار، والتحصيل الدراسي—هي كينونات مستقلة استقلالاً تاماً يتعامد بعضها على بعض بزوايا تسعين درجة، يمثل تبسيطاً مفرطاً وتجريداً قسرياً يبتعد كثيراً عن الواقع الميداني المعاش.

يترتب على فرض هذا القيد الهندسي الاصطناعي ما يُعرف في الأدبيات بـ “تشويه البنية الحقيقية للبيانات”؛ فعندما ترتبط العوامل الكامنة في الواقع بنسبة ارتباط معتبرة، فإن إجبار محاور التدوير على البقاء متعامدة يؤدي حتماً إلى دوران المحاور بعيداً عن التجمعات الطبيعية للمتغيرات، مما يسفر عن ظاهرتين سلبيتين مدمرتين للصدق البنائي: الأولى هي تضخم التشبعات المتقاطعة، حيث يظهر المتغير الواحد متشبعاً بقيم متوسطة ومتقاربة على عاملين أو أكثر نتيجة عجز المحور عن الاقتراب الحصري منه، والثانية هي كبت التشبعات الحقيقية وخفض قيمها الاصطناعي، مما يوحي للباحث زيفاً بأن البند الإحصائي ضعيف الصلاحية ويقوده نحو حذفه دون مبرر منطقي.

علاوة على ذلك، يؤدي التدوير المتعامد إلى فقدان معلومات جوهرية تتعلق بطبيعة العلاقات البينية بين الأبعاد الكامنة؛ فالتحليل العاملي الاستكشافي ليس مجرد تقنية لتقليص حجم البيانات، بل هو أداة لاكتشاف الطبيعة الهيكلية للظواهر المعقدة. وبإقصاء معاملات الارتباط بين العوامل، يُحرم الباحث من إمكانية استكشاف العوامل من الرتبة الثانية أو العليا التي تشكل الأساس الفلسفي والتطبيقي لمعظم النماذج التوكيدية ونماذج البنائية المتقدمة، مما يحيل التدوير المتعامد في كثير من السياقات إلى ممارسة إحصائية تعسفية تعيق الفهم الشامل للبنى المدروسة.

3. التدوير المائل (Oblique Rotation): المبادئ والخصائص التقنية

3.1 المفهوم الرياضي والسماح بارتباط العوامل

يتحرر التدوير المائل من القيد الهندسي الصلب الذي يكبّل التدوير المتعامد؛ حيث يسمح للمحاور العاملية بالدوران الحر في الفضاء متعدد الأبعاد لتشكل فيما بينها زوايا غير قائمة، سواء أكانت حادة (أقل من تسعين درجة لتشير إلى ارتباطات موجبة) أم منفرجة (أكبر من تسعين درجة لتعكس ارتباطات سالبة). من الناحية الجبرية، لا تشترط مصفوفة التحويل في التدوير المائل أن تكون مصفوفة متعامدة، بل يُكتفى بكونها مصفوفة غير شاذة قابلة للعكس، مما يترتب عليه أن حاصل ضرب المصفوفة في منقولها لا يساوي مصفوفة الوحدة، أي أن $T^T T ne I$.

هذا التحرير الرياضي يسمح بتوليد مصفوفة تغاير وارتباط حقيقية بين العوامل الكامنة، تأخذ الرمز الإحصائي $(\mathbf{\Phi})$ أو $(\mathbf{P})$، حيث تمثل العناصر القطرية فيها تباينات العوامل الذاتية (وتساوي عادة الواحد الصحيح في المقاييس المعيارية)، بينما تمثل القيم غير القطرية معاملات ارتباط بيرسون بين كل زوج من العوامل الكامنة. وبذلك، فإن التدوير المائل لا يفرض فرضية الارتباط قسراً، ولكنه يمنح البيانات الإمبريقية المرونة الكاملة للإفصاح عن درجة الارتباط البيني الفعلية الكامنة بين الأبعاد، مما يجعله نموذجاً أكثر استيعاباً وتعبيراً عن التعقيد الموضوعي للظواهر المقاسة.

نتيجة لهذه الخصائص الهندسية غير الإقليدية، يفقد فضاء الإسقاط العاملي تطابقه البسيط؛ إذ ينقسم تأثير كل عامل على المتغيرات إلى مستويين متمايزين: تأثير مباشر معزول عن بقية العوامل، وتأثير غير مباشر أو تشاركي نابع من التداخل والارتباط المشترك بين العوامل ذاتها. ولتفكيك هذا التداخل الحسابي بدقة، تفرز خوارزميات التدوير المائل ثلاث مصفوفات إحصائية مستقلة وظيفياً ولكنها مترابطة رياضياً، تمثل معاً الصورة الكاملة للبنية العاملية، وهي مصفوفة النمط، ومصفوفة البنية، ومصفوفة ارتباط العوامل، وهو ما يشكل جوهر النقلة المعرفية في التعامل مع المخرجات الإحصائية المائلة.

3.2 أبرز تقنيات التدوير المائل

ابتكر الإحصائيون حزمة من الخوارزميات المتقدمة التي تنظم عملية ميلان المحاور العاملية لتحقيق التوازن الأمثل بين استيفاء شروط البنية البسيطة وضبط حجم الارتباط البيني بين العوامل لمنع التداخل المفرط. ومن أهم هذه التقنيات المعتمدة:

• طريقة بروماكس (Promax): ابتكرها هندريكسون ووايت عام 1964، وتتميز بسرعتها الحسابية الاستثنائية وكفاءتها التطبيقية العالية. لا تبدأ خوارزمية بروماكس من الصفر، بل تعتمد حلاً مبدئياً متعامداً عبر طريقة فاريمكس؛ ثم تقوم برفع تشبعات مصفوفة فاريمكس لقوة أسية معينة (تُحدد عادة بالقوة التكعيبية أو الرباعية $k=4$). يؤدي هذا الرفع الأسي إلى تضخيم التشبعات المرتفعة والإبقاء عليها واضحة، بينما يسحق التشبعات الصغيرة والمنخفضة لتصبح قريبة جداً من الصفر، مكوناً ما يُعرف بالمصفوفة المستهدفة (Target Matrix). بعد ذلك، تُحسب مصفوفة تحويل مائلة تجعل المحاور تتماشى بأقصى قدر ممكن مع هذه المصفوفة المستهدفة بطريقة المربعات الصغرى، مما ينتج حلاً مائلاً يتسم ببنية بسيطة فائقة النقاء تجمع بين وضوح فاريمكس ومرونة الارتباط المائل.
• طريقة ديركت أوبليمين (Direct Oblimin): صاغها جينريتش وسامبسون، وتُعد خوارزمية التدوير المائل الأكثر استخداماً وانتشاراً في بيئات التحليل الإحصائي المتقدم. تعتمد هذه التقنية على تقليل التغاير بين مربعات التشبعات العاملية للأعمدة المختلفة، ويتحكم في مسارها الحسابي معامل معياري يُعرف بمعامل “دلتا” ($\delta$). تتيح هذه المعلمة للباحث التحكم المباشر في الحد الأقصى المسموح به لدرجة ميلان المحاور؛ حيث تؤدي القيمة الافتراضية ($\delta = 0$) إلى إفراز أعلى مستوى من الميلان الإحصائي المسموح به رياضياً، في حين تدفع القيم السالبة المحاور نحو التوازي والاقتراب من التعامد، بينما تؤدي القيم الموجبة إلى مستويات تداخل عنيفة نادراً ما يُنصح بها في التطبيقات العملية.
• طريقة كوارتيمين (Quartimin): وهي حالة خاصة ونواة مركزية ضمن عائلة أوبليمين الموسعة التي طورها جون كارول، حيث تركز وظيفتها الحسابية على تقليل حاصل ضرب مربعات التشبعات بين أزواج العوامل لأدنى حد ممكن. تتميز كوارتيمين بنزوعها القوي نحو تحقيق نقاء أحادي للبنود، إلا أنها قد تواجه أحياناً عثرات حسابية في حال وجود ارتباطات أولية شديدة الارتفاع بين المتغيرات الملاحظة، مما قد يدفع المحاور إلى الاقتراب الشديد من التوازي التام والوقوع في مشكلات الارتباط الزائد.

3.3 المصفوفات التفسيرية الثلاث في التدوير المائل

يتطلب الفهم الرصين للتدوير المائل استيعاب الوظائف الإحصائية المتباينة للمصفوفات الثلاث التي تنتجها عملية التحليل، والامتناع التام عن قراءتها كجداول مكررة، حيث يختص كل جدول بجانب دلالي محدد:

• مصفوفة النمط (Pattern Matrix): تُعد هذه المصفوفة الركيزة الأولى والأساسية التي يستند إليها الباحث في تفسير التحليل وتسمية العوامل. تحتوي مصفوفة النمط على معاملات الانحدار المعيارية (التي تماثل معاملات بيتا في الانحدار الخطي المتعدد)، والتي تعبر عن مقدار الإسهام الفريد والمباشر للعامل المعني في التنبؤ بالمتغير الملاحظ، بعد تحييد واستبعاد أثر كافة العوامل الأخرى الداخلة في النموذج. وبناءً على هذه الخاصية، فإن قيم التشبعات في مصفوفة النمط ليست معاملات ارتباط مقيدة بالنطاق التقليدي بين [-1 و +1]، بل قد تتجاوز الواحد الصحيح في حالات وجود ارتباطات بينية مرتفعة بين العوامل دون أن يعني ذلك وجود خطأ حسابي، وتُعتمد هذه المصفوفة لتحديد انتماء كل بند للعامل التابع له وتطبيق عتبات القطع الإحصائية (كعتبة 0.40 فأعلى).
• مصفوفة البنية (Structure Matrix): تمثل هذه المصفوفة مصفوفة معاملات ارتباط بيرسون البسيطة (Zero-order Correlations) بين المتغيرات الملاحظة ومحاور العوامل الكامنة دون إجراء أي عزل أو ضبط لتأثير العوامل الأخرى. وتُحسب رياضياً عبر ضرب مصفوفة النمط في مصفوفة ارتباط العوامل: $\mathbf{S} = \mathbf{\Lambda} \mathbf{\Phi}$. ونظراً لكونها تتضمن التأثيرات المباشرة وغير المباشرة معاً، فإن قيمها تقع دائماً ضمن المدى الطبيعي لمعاملات الارتباط [-1 و +1]. تُعد هذه المصفوفة كاشفاً أساسياً لمدى الارتباط الشامل للمتغير بالبُعد العام للدراسة، وتُسهم في كشف التشبعات المقنعة التي قد تحجبها مصفوفة النمط بسبب ظواهر الكبت الإحصائي.
• مصفوفة ارتباط العوامل (Factor Correlation Matrix): هي مصفوفة متماثلة مربعة بأبعاد تساوي عدد العوامل المستخرجة، توثق معاملات الارتباط المتبادلة بين الأبعاد الكامنة ذاتها. تؤدي هذه المصفوفة دوراً تحكيمياً بارزاً؛ إذ تكشف عن طبيعة الهيكل النظري الكلي؛ فإذا كانت قيم الارتباط فيها مرتفعة، فإن ذلك يبرهن على تكامل أبعاد الظاهرة ويفسح المجال للتفكير في استخراج عوامل عامة من الرتبة الثانية، كما تُعد المرجع التجريبي الأول للحكم على مدى جدوى وصحة استخدام الأسلوب المائل برمته مقارنة بالبديل المتعامد.

3.4 المزايا المنهجية والتحديات التحليلية

يوفر التدوير المائل حزمة من المزايا المنهجية التي ترفعه إلى مرتبة المعيار الذهبي في نمذجة وتطوير المقاييس الإنسانية والسلوكية المعاصرة. تكمن فضيلته الكبرى في محاكاته الصادقة للواقع الإمبريقي دون فرض افتراضات مسبقة غير مبررة؛ فمن خلال تحرير زوايا المحاور، يتيح للباحث اكتشاف العلاقات الطبيعية بين البنى الكامنة بحرية مطلقة. علاوة على ذلك، يتميز التدوير المائل بخاصية منهجية فريدة تتمثل في “المرونة الرياضية العكسية”؛ فإذا أفرزت البيانات تشبعات لعوامل مستقلة تماماً، فإن الخوارزميات المائلة كـ أوبليمين وبروماكس تعيد المحاور تلقائياً وبشكل ذاتي إلى وضع التعامد القائم (بزوايا 90 درجة)، لتستقر قيم مصفوفة الارتباط حول الصفر، مما يجعل التدوير المائل خياراً استكشافياً آمناً يستوعب التعامد والترابط على حد سواء.

ومع ذلك، تكتنف تطبيق التدوير المائل مجموعة من التحديات التحليلية والإجرائية التي تتطلب يقظة إحصائية متقدمة؛ وأبرزها الصعوبة الإدراكية والتفسيرية التي تواجه الباحثين عند تقييم مخرجات مصفوفة النمط ومصفوفة البنية بالتزامن. ففي أحيان كثيرة، قد يمتلك متغير ما تشبعاً ضعيفاً جداً في مصفوفة النمط (مثلاً 0.15) مما يوحي بانفصاله عن العامل، ولكنه يظهر تشبعاً هائلاً في مصفوفة البنية (مثلاً 0.65) نتيجة ارتباطه القوي بعامل آخر يتقاطع مع هذا العامل، مما يوقع غير المتخصصين في حيرة عميقة حول المعنى المفاهيمي الحقيقي للبند والقرار الإحصائي السليم بشأنه.

يضاف إلى ذلك أن التدوير المائل يحول دون التوزيع البسيط والمباشر للتباين الكلي المشترك للمقياس؛ إذ لا يمكن ببساطة جمع التباينات المفردة المستخلصة لكل عامل للوصول إلى التباين التراكمي المفسر للنموذج، نظراً لوجود مساحات تباين متداخلة ومحسوبة بصورة مشتركة بين العوامل المترابطة، وهو ما يعقد إجراءات تقديم التقارير الإحصائية المختصرة في الأبحاث المنشورة، فضلاً عن أن استخدام درجات العوامل المائلة كمتغيرات تنبؤية مستقلة في نماذج الانحدار الخطي قد يعيد إحياء مشكلة الارتباط الخطي المتعدد إذا لم تتم معالجتها بحذر منهجي بالغ.

4. الفروق الجوهرية بين التدوير المتعامد والتدوير المائل

4.1 الافتراضات الإبستمولوجية والنظرية

يمثل التباين بين التدوير المتعامد والتدوير المائل في جوهره صراعاً إبستمولوجياً عميقاً حول الكيفية التي ينبغي للعلم أن يمثل بها الواقع. ينطلق التدوير المتعامد من فلسفة وضعية اختزالية (Positivist Reductionism) تفترض أن المعرفة الأكثر دقة هي تلك التي تقسم الظواهر المعقدة إلى عناصر أولية منفصلة تماماً ومستقلة وظيفياً؛ فالعامل بموجب هذا المنظور هو أداة تصنيفية صارمة تُبنى لتمثل بُعداً حصرياً ينبغي ألا يشوبه أي تداخل مع الأبعاد الأخرى، ويُشتق هذا الطرح من الرغبة في التوصل إلى قياسات نقية تُماثل المقاييس الفيزيائية المعيارية (كالطول والوزن ودرجة الحرارة) التي تحتفظ بصفة الاستقلال المفاهيمي والتطبيقي التام.

في الطرف المقابل، يتأسس التدوير المائل على إبستمولوجيا نسقية كلانية (Systemic Holistic Epistemology) ترى أن العالم الإنساني والاجتماعي والطبيعي محكوم بشبكات تفاعلية مترابطة ومعقدة، حيث لا يمكن فهم الأجزاء بمعزل عن علاقاتها البينية. إن افتراض الاستقلال المطلق في علم النفس أو علم الاجتماع أو الإدارة يُعد وفق هذا المنظور وهماً نظرياً يتجاهل التفاعل الديناميكي بين السمات؛ فالذكاء العام، والكفاءة الذاتية، والمرونة النفسية، والأداء الوظيفي، كلها مفاهيم تشتبك إمبريقياً في فضاء الظاهرة السلوكية. وبناءً عليه، يرى أصحاب الطرح المائل أن الهدف الإبستمولوجي للتحليل العاملي ليس تجميل الأرقام لإظهار استقلال وهمي، بل تقديم تمثيل رياضي أمين يعكس درجة التعقيد والترابط المتأصلة في البنية الطبيعية للبيانات.

4.2 الخصائص الهندسية والرياضية للمحاور

تنعكس الفروق النظرية بصورة جذرية على الخصائص الهندسية والرياضية للفضاء العاملي في كلا المسارين. في التدوير المتعامد، يتحرك فضاء المحاور وفق الهندسة الإقليدية الصلبة، ويكون فضاء الإسقاط عبارة عن محاور إحداثيات ديكارتية مقفلة بزاوية قياسها $90^circ$. يتم إسقاط نقاط المتغيرات على المحاور بصورة عمودية مباشرة، مما يجعل المسقط العمودي يمثل في آن واحد الارتباط البسيط ومعامل الانحدار. وتظل مصفوفة تحويل الإحداثيات محكومة بشرط التعامد الصارم ($T^T T = I$)، وهو ما يحافظ على ثبات المسافات البينية والزوايا بين المتغيرات في الفضاء الهندسي دون أي تشوه موضعي لأبعاد المنظومة المتعددة.

أما في التدوير المائل، فإن الفضاء العاملي يتحول إلى فضاء إحداثيات آفيني (Affine Coordinates Space) غير إقليدي، حيث تتذبذب الزوايا بين المحاور لتتخذ أي قيمة هندسية مغايرة للزاوية القائمة. هذا التحرر يولد نوعين متمايزين من الإسقاطات الرياضية لكل نقطة ممثلة لمتغير: إسقاط متوازي (Parallel Projection) يمثل الوزن الفريد للمتغير ويسفر عن قيم مصفوفة النمط، وإسقاط عمودي (Perpendicular Projection) يعكس الارتباط الكلي ويسفر عن قيم مصفوفة البنية. هذا الانفصال الهندسي يفسر رياضياً استحالة احتساب الشيوعية كحاصل جمع بسيط لمربعات التشبعات في الأسلوب المائل؛ إذ يدخل في حساب الشيوعية معادلة تغايرية تتضمن حواصل ضرب التشبعات في معاملات الارتباط بين العوامل ($2 \lambda_{i1} \lambda_{i2} \phi_{12}$)، مما يوضح التباين العميق في الميكانيكا الحسابية بين الأسلوبين.

4.3 طبيعة المخرجات الإحصائية وطرق القراءة

تنعكس هذه الهيكلية الرياضية المتباينة بشكل مباشر على طبيعة الجداول والمخرجات الإحصائية التي يتلقاها الباحث عند استدعاء أوامر التحليل في البرمجيات الإحصائية كـ SPSS أو SAS أو حزم لغة R مثل psych. ففي حالة التدوير المتعامد، يكون التقرير الإحصائي بسيطاً وموجزاً ومباشراً؛ إذ لا ينتج التحليل سوى جدول محوري وحيد يُسمى “مصفوفة العوامل المدورة” (Rotated Factor Matrix). تتضمن هذه المصفوفة كافة البيانات المطلوبة؛ فالقيم المدونة تمثل أوزان المتغيرات وارتباطاتها بالعوامل في آن واحد، ويتم التحقق من تشبع كل بند بقراءة صفه المفرد واختيار العامل الذي يمتلك أعلى قيمة تشبع مع إهمال بقية العوامل التي تقترب تشبعاتها من الصفر، مما يجعل عملية التوثيق سهلة وخالية من التعقيد.

على النقيض من ذلك، فإن اعتماد التدوير المائل يفرض على الباحث قراءة تقرير إحصائي متكامل وموزع عبر ثلاثة جداول حيوية لا غنى عن فحصها مجتمعة: أولها مصفوفة النمط (Pattern Matrix) التي تركز عليها عملية التأويل وحذف البنود غير المنسجمة، وثانيها مصفوفة البنية (Structure Matrix) التي يجب مراجعتها لكشف أي ارتباطات خفية أو تأثيرات مقنعة قد تغفلها مصفوفة النمط، وثالثها مصفوفة ارتباط العوامل (Factor Correlation Matrix) التي تقدم التقييم البصري والكمي لشبكة العلاقات بين المفاهيم الكامنة. كما تتباين طرق احتساب التباين المفسر؛ ففي المتعامد تُحسب نسبة تباين كل عامل كنسبة مئوية صريحة غير متداخلة، بينما في المائل تؤدي الارتباطات التبادلية إلى تداخل مساحات التباين، مما يجعل البرمجيات الحديثة تتجنب جمع نسب التباين تراكمياً منعاً لتجاوز القيمة الكلية الحقيقية للتباين المستخرج.

4.4 جدول المقارنة المعيارية الشاملة

يوضح الجدول الآتي مقارنة تفصيلية دقيقة ومتوازنة تجمع كافة الأبعاد الرياضية، والإجرائية، والنظرية التي تفصل بين استراتيجيتي التدوير المتعامد والتدوير المائل:

البُعد المقارن	التدوير المتعامد (Orthogonal Rotation)	التدوير المائل (Oblique Rotation)
الزاوية الهندسية بين المحاور	ثابتة بصرامة عند $90^circ$ (زاوية قائمة إقليدية).	مرنة وحرة الحركة (زوايا حادة أو منفرجة تتحدد بالبيانات).
الارتباط بين العوامل الكامنة	مفترض أن يكون صفراً مطلقاً ($r = 0.00$) عبر مصفوفة وحدة.	مسموح به إحصائياً وتُقدر قيمته الفعلية في مصفوفة الارتباط.
تطابق مصفوفتي النمط والبنية	تطابق تام ومطلق في مصفوفة واحدة (Rotated Factor Matrix).	انفصال تام بين مصفوفة النمط ومصفوفة البنية وظيفياً وحسابياً.
المصفوفة الأساسية لتفسير البنود	المصفوفة المدورة الموحدة.	مصفوفة النمط (مع الرجوع الاستكشافي لمصفوفة البنية).
طبيعة قيم التشبعات في المصفوفة	معاملات ارتباط محصورة دائماً في المدى الإحصائي [-1، +1].	معاملات انحدار جزئية قد تتجاوز القيمة المطلقة 1.0 في مصفوفة النمط.
حساب قيم الشيوعية للمتغيرات	مجموع مربعات التشبعات البسيطة للمتغير عبر العوامل.	معادلة مركبة تشمل مربعات التشبعات مضافاً إليها التباين التغايري.
الواقعية النفسية والاجتماعية	منخفضة؛ تفرض استقلالية مصطنعة نادراً ما تتحقق إمبريقياً.	عالية جداً؛ تحاكي الطبيعة الشبكية المتداخلة للسمات الإنسانية.
خطر تشويه البنية الحقيقية	مرتفع؛ قد يُضخم التشبعات المتقاطعة ويخفي استجابات البنود.	منخفض؛ يمثل البيانات وفق تموضعها الطبيعي في فضاء المتغيرات.
التعقيد التفسيري لغير المتخصص	بسيط ومباشر ويتطلب قراءة جدول واحد فقط.	أكثر تركيباً ويتطلب فحص مصفوفتين ومصفوفة ارتباط العوامل.
ملاءمة الدرجات لانحدارات لاحقة	مثالية؛ تضمن غياباً تاماً للتعددية الخطية ($VIF = 1$).	تتطلب حذراً؛ قد تولد درجات مترابطة ترفع التعددية الخطية.
التمهيد للتحليل التوكيدي (CFA)	ضعيف؛ لا يتيح اختبار علاقات التغاير بين العوامل الكامنة.	ممتاز؛ يوفر تقديراً أولياً لمصفوفة التغاير المطلوبة في CFA.
أشهر الخوارزميات الممثلة	فاريمكس (Varimax)، كوارتيماكس، إكواماكس.	بروماكس (Promax)، ديركت أوبليمين (Direct Oblimin)، كوارتيمين.

5. أوجه التشابه ونقاط التلاقي المنهجي

5.1 الهدف الغائي المشترك لعملية التدوير

على الرغم من الاستقطاب النظري والمنهجي الحاد بين التدوير المتعامد والتدوير المائل، إلا أنهما ينتميان إلى نفس المنظومة المعرفية ويشتركان في الهدف الغائي الأسمى للتحليل العاملي الاستكشافي. فكلا الأسلوبين لا يسعى بأي حال من الأحوال إلى توليد بيانات جديدة أو تغيير جوهر العلاقات القائمة بين المتغيرات الملاحظة، بل يهدفان معاً إلى استجلاء “البنية البسيطة” وتسهيل المقروئية الدلالية لمصفوفات الأرقام المعقدة التي يفرزها الاستخراج الأولي.

يشترك الأسلوبان في كونهما تحويلات خطية رياضية بحتة لفضاء المتغيرات الكامنة؛ مما يعني أنهما يتطابقان كلياً في الحفاظ على القدرة التفسيرية الشاملة للنموذج الأولي دون أي نقصان. فالتباين الكلي المشترك المستخلص بواسطة العوامل قبل إجراء التدوير يظل هو ذاته التباين المفسر الإجمالي بعد تطبيق أي من أسلوبي التدوير؛ فالتدوير لا يضيف تبايناً جديداً إلى النموذج ولا يبتلع تباينات مستخلصة، بل تقتصر وظيفته الرياضية على إعادة توزيع هذا التباين المشترك بين العوامل بصيغ مختلفة تجعل المعنى النفسي أو التربوي لكل بُعد متمايزاً ومستقلاً عن التجريد الحسابي الأصلي.

إضافة إلى ذلك، يعتمد كلا الأسلوبين على نفس المدخلات الإحصائية الخام؛ إذ ينطلق كلاهما من مصفوفة التغاير أو مصفوفة ارتباطات بيرسون المحسوبة بين المتغيرات الملاحظة الأصلية. وبالتالي، فإن عملية المفاضلة بين التعامد والميلان لا تبدأ إلا بعد استقرار العلاقات الأولية بين بنود المقياس، مما يجعل التدوير عملية توجيه ميكانيكية وإدراكية لا تمس أسس الصدق الظاهري أو التجريبي لبيانات البحث الخام.

5.2 استقلالية مرحلة الاستخراج عن مرحلة التدوير

من المبادئ المنهجية التي تجمع بين التدوير المتعامد والتدوير المائل هو انعدام تأثير أسلوب التدوير المختار على القرارات الإحصائية التي تُتخذ في مرحلة استخراج العوامل (Factor Extraction). فالأمران مرحلتان منفصلتان تماماً من الناحية الخوارزمية؛ حيث يحدد الباحث في المرحلة الأولى الطريقة الحسابية لعزل التباين المشترك عن تباين الخطأ، سواء عبر تحليل المكونات الأساسية (PCA) أو تحليل المحاور الرئيسية (PAF) أو طريقة الإمكانية العظمى (Maximum Likelihood).

وبناءً على هذا الفصل المنهجي، فإن عدد العوامل المحتفظ بها للدوران يظل ثابتاً ولا يتأثر إطلاقاً بما إذا كان الباحث سيوظف تدوير فاريمكس أو بروماكس أو أوبليمين. فالقرارات المتعلقة بعدد الأبعاد المستبقاة تعتمد كلياً على معايير سابقة للتدوير، مثل قاعدة كايزر للقيم الكامنة (Eigenvalues greater than 1)، وفحص الرسم البياني للتفتت السطحي (Scree Plot) لكاتل، والتحليل الموازي لهورن (Parallel Analysis). وبمجرد اتخاذ القرار بتحديد عدد العوامل، يبدأ التدوير عمله ضمن هذا الفضاء المحدد دون القدرة على دمج عوامل أو تخليق عوامل جديدة من تلقاء نفسه.

علاوة على ذلك، تحافظ قيم الشيوعية (Communalities) الخاصة بكل متغير ملاحظ—وهي نسبة التباين في البند التي تفسرها كافة العوامل المشتركة مجتمعة—على قيمتها الرياضية الدقيقة في التدوير المتعامد، بينما تحافظ في التدوير المائل على نفس فضاء الشيوعية المقدر في التحويل الأولي؛ مما يعني أن جودة تمثيل البند في النموذج تظل معياراً ثابتاً يرجع فضله لجودة مرحلة الاستخراج وعلاقة البند بزملائه، وليس نتاجاً سحرياً لعملية التدوير ذاتها.

5.3 حالة التلاقي الرياضي التلقائي

تتمثل إحدى أهم نقاط التلاقي البنيوي المتقدمة بين الأسلوبين في حقيقة رياضية كبرى تُعرف بـ “الاشتمال الحسابي”؛ فالإطار العام للتدوير المائل يستوعب التدوير المتعامد كحالة خاصة ومقيدة ضمن فضاء إمكانياته غير المحدودة. فعندما تُطبق خوارزمية تدوير مائل على مجموعة من البيانات، وتصل حسابات التدوير إلى نتيجة مفادها أن العوامل المستخرجة لا يرتبط بعضها ببعض في الواقع الإمبريقي، فإن مصفوفة التحويل المائلة تقترب ذاتياً من مصفوفة التحويل المتعامدة، وتستقر الزوايا بين المحاور عند تسعين درجة دون أي تدخل يدوي من المحلل.

في هذه الحالة الخاصة، تتلاشى كافة الفروق الإحصائية بين الأسلوبين بصورة تلقائية: فتصبح مصفوفة النمط مطابقة لمصفوفة البنية، وتتحول مصفوفة ارتباط العوامل إلى مصفوفة وحدة قطرية، وتتطابق تشبعات طريقة أوبليمين أو بروماكس تطابقاً كلياً وشبه حرفي مع نتائج طريقة فاريمكس. هذا التلاقي التلقائي يثبت أن الأسلوبين لا يقفان على طرفي نقيض في الخصائص الرياضية الأساسية، بل إن التدوير المتعامد هو النموذج المقيد (Constrained Model)، في حين يمثل التدوير المائل النموذج غير المقيد (Unconstrained Model) الأكثر رحابة وقدرة على احتواء الواقع الإحصائي بمختلف تجلياته.

كما يتفق الأسلوبان اتفاقاً كاملاً في تشخيص المتغيرات الرديئة وغير الصالحة للبقاء في المقاييس المطورة؛ فالمتغير الذي يعاني من ضعف الشيوعية، أو يفشل في التشبع بقوة على أي عامل من العوامل، سيظهر بوصفه عنصراً هابطاً وغير صالح سواء أديرت المحاور بتعامد تام أم بميلان حر، مما يؤكد أن معايير الحذف والتنقية للبنية القياسية تشترك في رصد نفس مواطن الخلل في الأدوات البحثية بصرف النظر عن زوايا الدوران المطبقة.

6. دليل اتخاذ القرار: متى يُستخدم التدوير المتعامد ومتى يُفضل المائل؟

6.1 المعيار التجريبي: عتبة الارتباط العاملي (Threshold Rule)

لتجنب القرارات المزاجية أو الاعتماد الأعمى على الإعدادات الافتراضية، صاغ علماء الإحصاء القياسي المعاصرون، وفي مقدمتهم باربرا تاباشنيك وليندا فيديل، قاعدة إمبريقية تحكيمية دقيقة لحسم المفاضلة بين التدوير المتعامد والمائل. تنص هذه التوصية المنهجية الرصينة على أن المسار الإجرائي الأسلم يبدأ دائماً بإجراء تدوير مائل استكشافي كخطوة أولى في التحليل، بصرف النظر عن التوقعات المسبقة للباحث، ثم التوجه مباشرة نحو فحص مصفوفة ارتباط العوامل (Factor Correlation Matrix) الناتجة عن هذا التدوير المبدئي.

تتمثل القاعدة الحاكمة في مراقبة معاملات الارتباط بين العوامل ومقارنتها بعتبة إحصائية محددة: إذا أظهرت المصفوفة وجود أي ارتباط بين زوج من العوامل يتجاوز القيمة المطلقة ($|r| > 0.32$)، فإن هذا يعني إحصائياً أن هذين العاملين يشتركان في أكثر من 10% من التباين الذاتي لكل منهما ($0.32^2 \approx 0.10$). يُعد هذا التباين المشترك كافياً لإثبات أن افتراض الاستقلالية والتعامد هو افتراض زائف، ويفرض منهجياً الاستمرار في اعتماد التدوير المائل وتوثيق مصفوفة النمط ومصفوفة البنية كأساس لتفسير النتائج، نظراً لأن اللجوء للتعامد في ظل هذه القيم سيؤدي حتماً إلى تشويه البنية ورفع معدلات التشبعات المتقاطعة بصورة اصطناعية.

أما إذا كانت جميع معاملات الارتباط بين العوامل الكامنة دون هذه العتبة بشكل ملحوظ (أي أن جميع قيم $|r| < 0.32$، ويميل بعض الإحصائيين المتشددين لخفض العتبة إلى 0.20)، فإن الباحث يمتلك حينها مسوغاً إمبريقياً كاملاً للانتقال إلى التدوير المتعامد (مثل فاريمكس) وإعادة تدوير المحاور. يتيح هذا التحول الاستفادة من بساطة التقرير الإحصائي القائم على مصفوفة واحدة، دون أي خوف من التضحية بصدق البيانات أو تشويه واقع العلاقات بين المتغيرات الملاحظة.

6.2 طبيعة المجال الأكاديمي والبناء النظري للبحث

لا يمكن فصل القرار الإحصائي التدويري عن السياق الإبستمولوجي والنموذج المعرفي الحاكم للمجال الأكاديمي الذي تنتمي إليه الدراسة. ففي العلوم السلوكية والإنسانية، مثل علم النفس الإكلينيكي والمعرفي، والعلوم التربوية، والإدارة السلوكية، وعلم الاجتماع، يُفترض منهجياً ونظرياً أن التدوير المائل هو الخيار الأصح والمفضل افتراضياً. إن قياس سمات شخصية، أو استجابات انفعالية، أو كفايات قيادية ينطلق من فرضية الاندماج البيئي والارتباط الوظيفي لتلك السمات داخل البناء النفسي للإنسان، مما يجعل فرض التعامد ضرباً من الانفصال عن المنطلقات النظرية لتلك العلوم.

على الجانب الآخر، تبرز مجالات علمية يمتلك فيها التدوير المتعامد مبررات نظرية ومنهجية قوية؛ ففي القياسات الحيوية الصلبة، والقياسات الفيزيائية، وعلم قياس أبعاد الجسم البشري (Anthropometry)، والعديد من التطبيقات الهندسية الصناعية، تكون المتغيرات المصممة مفصولة فيزيائياً بطبيعتها، ويسعى الباحث إلى استخلاص أبعاد لا تمت بصلة لبعضها البعض لتوجيه التصاميم المادية أو النماذج الروبوتية. ففي مثل هذه البيئات، يتماشى التدوير المتعامد تماماً مع الواقع النظري للظاهرة دون التسبب في أي تشويه بنيوي.

وينطبق الأمر ذاته على الدراسات التي تسعى لاختبار أطر نظرية صارمة ومقننة مسبقاً صُممت أدواتها استناداً إلى فلسفة الأبعاد المستقلة كنموذج العوامل الخمسة الكبرى للشخصية (Big Five Personality Traits) في صيغته الكلاسيكية الصارمة التي افترضت استقلال العوامل؛ حيث يكون الباحث ملزماً بمحاكاة الفلسفة النظرية التي تأسس عليها المقياس الأصلي لضمان المقارنة الصادقة لنتائجه مع الأدبيات العالمية التراكمية، ما لم يكن هدف بحثه نقض تلك الاستقلالية واختبار وجود عامل عام للشخصية من الرتبة العليا.

6.3 الأهداف التحليلية اللاحقة والنمذجة الإحصائية

تؤدي الغايات التطبيقية للتحليل العاملي الاستكشافي دوراً حاسماً في ترجيح كفة أحد الأسلوبين؛ إذ يجب على الباحث أن ينظر خطوتين للأمام متسائلاً: ماذا سأفعل بالنتائج والدرجات العاملية المستخرجة بعد انتهاء التحليل العاملي؟ إذا كان التحليل العاملي مجرد محطة أولى تهدف إلى استخلاص درجات عاملية نقية (Factor Scores) لاستخدامها كمتغيرات مستقلة أو وسيطة في نماذج الانحدار الخطي المتعدد العادي (OLS)، فإن التدوير المتعامد يمتلك أفضلية إجرائية كبرى؛ لأنه يقضي تماماً على أي شبهة لارتباط خطي متعدد بين المتنبئات، مما يضمن كفاءة مقدرات بيتا واستقرارها الإحصائي التام.

في المقابل، إذا كان التحليل العاملي الاستكشافي يُنفذ بوصفه خطوة تمهيدية أو استطلاعية لتطوير أداة قياس جديدة يُراد إخضاعها لاحقاً لـ التحليل العاملي التوكيدي (CFA) أو لنماذج المعادلة البنائية (Structural Equation Modeling – SEM)، فإن التدوير المائل يغدو واجباً منهجياً لا محيد عنه. فالنماذج التوكيدية والبنائية تفترض افتراضاً أساسياً وجود معاملات تغاير حرة ($Covariance$) بين العوامل الكامنة؛ وبالتالي، فإن التدوير المائل يمنح الباحث الرؤية الواقعية الدقيقة لحجم هذه التغايرات واتجاهاتها، مما يجنب النموذج التوكيدي اللاحق مأزق انخفاض مؤشرات حسن المطابقة الناتج عن التثبيت المصطنع للمحاور في المرحلة الاستكشافية.

علاوة على ذلك، يمارس اختيار أسلوب التدوير تأثيراً مباشراً على عمليات التحقق من الصدق التمييزي (Discriminant Validity) والصدق التقاربي (Convergent Validity) للأدوات؛ فالاعتماد الخاطئ على التدوير المتعامد يخفي الارتباطات الحقيقية بين الأبعاد، مما قد يوهم الباحث بتحقق الصدق التمييزي زيفاً، في حين يكشف التدوير المائل عن الحجم الحقيقي للتداخل التفسيري، مانحاً الباحث الفرصة لتعديل البنود المتشابكة أو إعادة دمج الأبعاد قبل الشروع في استخدام الأداة في اتخاذ قرارات مصيرية كالتشخيص النفسي أو القرارات التربوية الحيوية.

7. الأسئلة الشائعة حول تدوير العوامل (FAQ)

7.1 هل يعتبر استخدام التدوير المتعامد خطأً منهجياً إذا كانت العوامل مترابطة؟

نعم، يجمع غالبية علماء القياس السيكومتري الحديث على أن استخدام التدوير المتعامد مع بيانات تترابط عواملها الكامنة في الواقع يُعد خطأً منهجياً صريحاً وتشويهاً مقصوداً للبنية المعرفية للبيانات. إن الإصرار على فرض زوايا تسعين درجة بين المحاور في ظل وجود ارتباطات حقيقية يُجبر المتغيرات على الابتعاد عن محاورها الأصلية، مما يُنتج انخفاضاً زائفاً في معاملات تشبع البنود على عواملها الحقيقية، ويولد في الوقت ذاته تشبعات متقاطعة مصطنعة (Cross-loadings) لا وجود لها في طبيعة الظاهرة المدروسة.

هذا التشوه الإحصائي يقود الباحثين في كثير من الأحيان إلى اتخاذ قرارات كارثية تتعلق بحذف بنود جيدة ومحكمة الصياغة بسبب تدني تشبعاتها، أو الفشل في إثبات الصدق البنائي لمقاييسهم. علاوة على ذلك، فإن حجب الارتباطات الواقعية يمنع التراكم المعرفي السليم حول شبكة العلاقات السببية بين المفاهيم، ويؤدي إلى انهيار النموذج فور اختباره في التحليل العاملي التوكيدي، مما يجعل التدوير المتعامد في هذه الحالة إجراءً مضللاً يفقد البحث العلمي رصانته وموثوقيته.

7.2 أي مصفوفة يجب اعتمادها لتفسير البنود عند استخدام التدوير المائل؟

عند استخدام التدوير المائل، يجب أن ينصب الاعتماد الأساسي والمحوري على مصفوفة النمط (Pattern Matrix) لتحديد هوية العوامل وتسميتها وتعيين انتماء كل متغير للعامل المخصص له. ترجع هذه الأولوية إلى أن مصفوفة النمط تعبر عن معاملات الانحدار المعيارية الفريدة لكل متغير على العامل بعد استبعاد وضبط التأثيرات الناتجة عن تداخله مع العوامل الأخرى، مما يمنح الباحث تقييماً نقياً ودقيقاً لمساهمة البند الحصرية في تكوين البُعد المفاهيمي المستهدف.

ومع ذلك، تقتضي قواعد الرصانة الأكاديمية عدم إهمال مصفوفة البنية (Structure Matrix)؛ بل يجب فحصها بالتوازي لمراقبة معاملات الارتباط البسيطة والتأكد من عدم وجود بنود تعاني من الكبت الإحصائي (Suppressor Effects)، حيث قد يمتلك بند ما تشبعاً ضعيفاً في النمط ولكنه يمتلك ارتباطاً كلياً عالياً في البنية. ولتحقيق الشفافية التامة والالتزام بالمعايير الدولية لجمعية علم النفس الأمريكية (APA)، يتعين على الباحث نشر مصفوفة النمط كاملة مع توثيق مصفوفة ارتباط العوامل في المتن الرئيسي للبحث، وتوفير مصفوفة البنية في الملاحق للمهتمين بالتحقق من جودة البناء العاملي الكلي.

7.3 لماذا يستمر الاعتماد الواسع على طريقة فاريمكس (Varimax) رغم مزايا المائل؟

يعود البقاء التاريخي الطويل لطريقة فاريمكس وهيمنتها على الأبحاث المنشورة إلى مزيج من “القصور الذاتي المنهجي” والتفضيلات البرمجية؛ فالبرمجيات الإحصائية الشهيرة، وفي مقدمتها برنامج SPSS، ضبطت إعداداتها الافتراضية على خيار فاريمكس منذ إصداراتها الأولى في القرن الماضي، وظل معظم الباحثين غير المتخصصين في القياس يستخدمون التحليل العاملي كأداة إجرائية سريعة دون الالتفات إلى تفاصيل الصندوق الأسود لتلك الخيارات البرمجية التلقائية.

يُضاف إلى ذلك عامل الراحة الإدراكية وسهولة تقديم التقارير؛ فطريقة فاريمكس تنتج جدولاً واحداً بسيطاً ومألوفاً لدى المحكمين ولجان الترقيات والمجلات العلمية، بينما يتطلب التدوير المائل فهماً سيكومترياً متقدماً للتفريق بين النمط والبنية وتبرير أسباب الارتباط البيني، وهو ما يتطلب مساحة إضافية وجهداً أكبر في الكتابة والمناقشة. غير أن هذا الواقع في طريقه للتغير المتسارع؛ إذ تشدد المجلات الرصينة ومراجعي الدراسات القياسية اليوم على ضرورة تقديم مبررات إمبريقية لاختيار التدوير ورفض الاستخدام الآلي لفاريمكس دون فحص مسبق لمصفوفة الارتباط المائل.

7.4 كيف تؤثر زاوية دلتا (Delta) في طريقة ديركت أوبليمين على النتائج؟

يُمثل معامل دلتا ($\delta$) في خوارزمية ديركت أوبليمين صمام الأمان والتحكم المباشر في درجة السماح بانحراف المحاور العاملية عن التعامد؛ أي أنه يحدد السقف الأعلى المسموح به لمستوى التغاير بين تشبعات العوامل. يتم ضبط هذا المعامل افتراضياً في معظم البرمجيات على القيمة ($\delta = 0$)، وتُشير هذه القيمة الصفرية إلى أعلى مستوى من الميلان الإحصائي المقبول نظرياً، وهو الوضع الذي يمنح المحاور مرونة كاملة للاقتراب من تجمعات المتغيرات الطبيعية وتوليد بنية بسيطة عالية التمايز.

إذا اختار الباحث تخفيض قيمة دلتا لتصبح سالبة (مثلاً $\delta = -0.40$ أو $\delta = -1.0$)، فإن الخوارزمية تبدأ في كبح جماح المحاور وتقييد حركتها تدريجياً، مما يجبر العوامل على تقليل ارتباطاتها البينية ودفعها نحو التوازي والاقتراب الحثيث من وضع التعامد، وكلما زادت السلبية اقترب الحل المائل من التدوير المتعامد. أما إذا رُفعت دلتا إلى قيم موجبة (مثلاً $\delta = 0.50$)، فإن الخوارزمية تمنح ضوءاً أخضر لمستويات ارتباط شديدة العنف بين العوامل، وهو ما ينطوي على مخاطر جمة قد تصل إلى حد تكرار العوامل لبعضها البعض أو وقوع مصفوفة الارتباط في مشكلة الشذوذ الإحصائي، لذا يُنصح دائماً بالبقاء عند القيمة الصفرية ما لم توجد ضرورة رياضية مثبتة لتعديلها.

8. الخاتمة: نحو رؤية تكاملية ومنهجية في تطبيق تدوير العوامل

8.1 خلاصة المقارنة الفلسفية والإجرائية

يقودنا التأمل المعمق في التدوير المتعامد والتدوير المائل إلى إدراك حقيقة إبستمولوجية حاسمة: إن التدوير المتعامد لا يمثل بأي حال نموذجاً بديلاً مكافئاً في الاتساع للتدوير المائل، بل هو حالة خاصة ونموذج فرعي مقيد يقع جغرافياً ونظرياً داخل الفضاء الفسيح والشامل للتدوير المائل. فبينما يصر التدوير المتعامد على حبس الواقع السيكولوجي والاجتماعي المعقد داخل قالب هندسي مثالي صارم يفترض استقلالية البنى الكامنة، يتبنى التدوير المائل فلسفة إحصائية واقعية تمنح البيانات الإمبريقية حريتها المطلقة للتعبير عن ذاتها وعن تشابكاتها المتأصلة.

إن الاختيار الرشيد بين هذين النهجين لا ينبغي أن ينطلق من تفضيلات مسبقة، أو ركون إلى ما اعتاد عليه المحكمون، أو استسلام لخيارات البرمجيات الجاهزة؛ بل يجب أن يكون محصلة واعية لعملية مواءمة منهجية متكاملة توازن بين طبيعة الظاهرة المدروسة، والأهداف التحليلية النهائية للدراسة، ومستوى التداخل الإمبريقي الفعلي الكامن في مصفوفة الارتباط. فالغاية القصوى للتحليل العاملي الاستكشافي ليست إنتاج مصفوفات منمقة سهلة التأويل فحسب، بل تقديم نماذج رياضية صادقة تصف البناء الكامن للأبعاد الإنسانية بأعلى درجات الدقة والنزاهة العلمية.

8.2 بروتوكول مقترح للممارسات الأكاديمية الرصينة

تأسيساً على ما تقدم من شواهد منهجية وأدبيات قياسية متقدمة، يُقترح البروتوكول المنهجي المعياري الآتي بوصفه دليلاً إجرائياً متسلسلاً للباحثين عند الشروع في إجراء التحليل العاملي الاستكشافي لبياناتهم:

• الخطوة الأولى: البدء الاستكشافي بالمائل؛ يجب البدء دائماً بتطبيق أسلوب تدوير مائل مرن (مثل بروماكس بقوة أسية $k=4$ أو ديركت أوبليمين بقيمة $\delta = 0$) كخطوة تحكيمية أولى لاختبار مدى ترابط العوامل الكامنة المستخرجة في فضاء البحث.
• الخطوة الثانية: فحص مصفوفة ارتباط العوامل؛ يتوجه الباحث فوراً إلى جدول ارتباط العوامل لفحص قيم المعاملات خارج القطر؛ فإذا رُصد ارتباط واحد على الأقل يتجاوز العتبة المعيارية ($|r| > 0.32$)، يُعتمد الحل المائل كحل نهائي ووحيد للبحث دون تردد.
• الخطوة الثالثة: التحول المشروط للمتعامد؛ إذا ثبت يقيناً أن كافة الارتباطات بين العوامل دون عتبة $0.32$ (أو دون $0.20$ في التحليلات الأكثر تحفظاً)، يحق للباحث حينها فقط التحول بأمان إلى التدوير المتعامد (كطريقة فاريمكس المعيارية) للاستفادة من وضوح وبساطة المصفوفة الموحدة.
• الخطوة الرابعة: التوثيق الأكاديمي الشفاف؛ يجب على الباحث عند اعتماد التدوير المائل الإفصاح الكامل عن مصفوفة النمط في المتن، ومصفوفة ارتباط العوامل، والإشارة إلى معاملات مصفوفة البنية؛ مع تبرير خياره التدويري بالبراهين الإمبريقية المستمدة من بيانات عينته، مما يرسخ تقاليد البحث العلمي الرصين ويعزز قابلية الأدوات القياسية للاستخدام والتكرار المستقبلي بثقة واقتدار.

المراجع

• Brown, T. A. (2015). Confirmatory factor analysis for applied research (2nd ed.). Guilford Publications.
• Costello, A. B., & Osborne, J. (2005). Best practices in exploratory factor analysis: Four recommendations for getting the most from your analysis. Practical Assessment, Research, and Evaluation, 10(7), 1-9. https://doi.org/10.7275/jyj1-4868
• Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272-299. https://doi.org/10.1037/1082-989X.4.3.272
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
• Hendrickson, A. E., & White, P. O. (1964). PROMAX: A quick method for rotation to oblique simple structure. British Journal of Statistical Psychology, 17(1), 65-70. https://doi.org/10.1111/j.2044-8317.1964.tb00244.x
• Jennrich, R. I., & Sampson, P. F. (1966). Rotation for simple loadings. Psychometrika, 31(3), 313-323. https://doi.org/10.1007/BF02289465
• Kaiser, H. F. (1958). The varimax criterion for analytic rotation in factor analysis. Psychometrika, 23(3), 187-200. https://doi.org/10.1007/BF02289233
• Tabachnick, B. G., & Fidell, L. S. (2019). Using multivariate statistics (7th ed.). Pearson.
• Thurstone, L. L. (1947). Multiple-factor analysis: A development and expansion of The vectors of mind. University of Chicago Press.