الموثوقية المركبة: المعيار الذهبي لدقة القياس النفسي

تعد الموثوقية المركبة (Composite Reliability) حجر الزاوية في القياس النفسي الحديث، حيث تقدم تقديراً دقيقاً للاتساق الداخلي للمتغيرات الكامنة يتجاوز القصور التاريخي للمقاييس التقليدية. في مجالات علم النفس والعلوم السلوكية، حيث تتسم الظواهر المدروسة بالتعقيد وعدم القابلية للملاحظة المباشرة، يشكل هذا المعامل ركيزة أساسية للتحقق من جودة الأدوات التشخيصية والبحثية قبل الشروع في النمذجة السببية. تهدف هذه المقالة إلى استعراض المفهوم بأبعاده النظرية، الرياضية، والتطبيقية، موفرة دليلاً نقدياً شاملاً للباحثين والممارسين في حقل القياس السيكولوجي.

المدخل المفاهيمي للموثوقية المركبة في القياس النفسي

تُعرّف الموثوقية المركبة بأنها مقياس للاتساق الداخلي لمجموعة من المؤشرات أو الفقرات المرصودة التي تقيس متغيراً كامناً (Latent Construct) مشتركاً، وتعتمد في حسابها على تشبعات العوامل (Factor Loadings) الناتجة عن نماذج التحليل العاملي التوكيدي. على خلاف المقاييس الكلاسيكية التي تفترض مساهمة متساوية لكل فقرة في تقدير السمة النفسية، تنطلق الموثوقية المركبة من افتراض أكثر واقعية يقر بتباين الفقرات في قدرتها التمييزية وتفاوت ارتباطها بالمفهوم النظري المراد قياسه.

في إطار نظرية الاختبارات الكلاسيكية، يتم تقسيم درجة الفرد المرصودة إلى درجتين: الدرجة الحقيقية والخطأ العشوائي. تعبر الموثوقية عموماً عن نسبة تباين الدرجة الحقيقية إلى التباين الكلي الملاحظ. وتتميز الموثوقية المركبة بقدرتها على تقدير هذا التباين الحقيقي انطلاقاً من مصفوفة التغاير البنيوية التي تأخذ في الحسبان التشبع الفعلي لكل مؤشر وتباينات الأخطاء الفريدة المرتبطة بكل مؤشر على حدة.

يكتسب هذا المفهوم أهمية قصوى في دراسة السمات النفسية المعقدة مثل القلق، الاكتئاب، تقدير الذات، والذكاء الوجداني، حيث تتنوع الصياغات اللغوية للأسئلة وتتفاوت درجات ارتباطها بالبناء النفسي. الاعتماد على نموذج قياس مرن يتيح لكل فقرة أن تزن قيمتها الحقيقية يمنح الباحثين ثقة مضاعفة في أن الدرجات المستخلصة تعكس الظاهرة النفسية بدقة وليست مجرد نتاج لأخطاء القياس المتراكمة.

علاوة على ذلك، ترتبط الموثوقية المركبة ارتباطاً وثيقاً بمفاهيم الصدق البنائي، وتحديداً صدق البناء بشقيه التقاربي والتمييزي، إذ لا يمكن التحقق من صدق مقياس ما إذا كانت درجاته تفتقر إلى الحد الأدنى من الاستقرار والاتساق الداخلي المنضبط إحصائياً.

السياق التاريخي وتطور قياس الاتساق الداخلي

شهد تاريخ القياس النفسي محطات مفصلية في سبيل البحث عن معاملات ثبات تمثل الواقع السيكومتري بأمانة؛ حيث سادت لعقود طويلة معادلة ألفا كرونباخ (Cronbach’s Alpha) التي طورها لي كرونباخ عام 1951 كصيغة عامة لمعادلة كودر-ريتشاردسون. وبالرغم من الانتشار الواسع لمعامل ألفا، إلا أن الانتقادات المنهجية توالت عليه نتيجة فرضيته الصارمة المعروفة بـ “التكافؤ التائي المادي” (Essential Tau-Equivalence)، والتي نادراً ما تتحقق في البيانات السلوكية الحقيقية.

مع بزوغ فجر سبعينيات القرن العشرين وتطور نمذجة المعادلة الهيكلية (SEM) على يد كارل يوريسكوغ وزملائه، بدأت النماذج الجنيسية (Congeneric Models) تحل محل النماذج المتكافئة تائياً. أتاح هذا التحول إمكانية السماح للأوزان العاملية بالتباين الحر، مما مهد الطريق لابتكار مؤشرات ثبات تأخذ بعين الاعتبار البنية العاملية الحقيقية للمقاييس السيكولوجية دون إجبار البيانات على شروط غير واقعية.

في هذا السياق، قدم ديلون وغولدشتاين، وتلاهما باحثون بارزون مثل رايكوف (Tenko Raykov) وورن ماكدونالد (Roderick McDonald)، صيغاً رياضية متقدمة لحساب الثبات انطلاقاً من التحليل العاملي؛ حيث عُرفت هذه المؤشرات بأسماء متعددة كمعامل ثبات رايكوف (Raykov’s Rho) ومعامل أوميغا لماكدونالد (McDonald’s Omega). شكلت هذه المساهمات نقلة نوعية من القياس القائم على الارتباطات البسيطة بين الفقرات إلى القياس المبني على النماذج النظرية المحكمة.

اليوم، وبفضل انتشار البرمجيات الإحصائية المتقدمة مثل LISREL، Mplus، AMOS، وحزم لغة R، أصبحت الموثوقية المركبة معياراً لا غنى عنه في تقييم المقاييس النفسية، متجاوزة وضعها كخيار بديل لتصبح المطلب الأساسي للمجلات المحكمة ولجان التحكيم الأكاديمي الرصينة حول العالم.

الأسس النظرية والرياضية لنموذج القياس

تقوم الموثوقية المركبة على النماذج العاملية التوكيدية التي تفترض وجود متغير كامن واحد أو أكثر يفسر التغاير المشترك بين مجموعة من المتغيرات المقاسة. في النموذج الجنيسي، ترتبط كل فقرة بالمتغير الكامن من خلال تشبع عاملي محدد، بالإضافة إلى تباين خطأ يمثل التباين غير المفسر بواسطة البناء المشترك، بما يشمل الخطأ العشوائي والتباين الخاص بالفقرة نفسها.

يتم التعبير عن المعادلة الأساسية لاحتساب الموثوقية المركبة (التي يُرمز لها غالباً بالرمز CR أو $\rho_c$) على النحو الآتي في صورتها الرياضية البسيطة: مربع مجموع تشبعات العوامل القياسية مقسوماً على حاصل جمع مربع مجموع تشبعات العوامل القياسية ومجموع تباينات أخطاء القياس. وتُشتق تباينات الأخطاء لكل فقرة عموماً بطرح مربع التشبع العاملي القياسي للفقرة من الرقم واحد في النماذج المعيارية.

يعكس هذا البناء الرياضي الفلسفة السيكومترية القائلة بأن الفقرات ذات التشبعات العاملية العالية تسهم بوزن أكبر في تقدير المتغير الكامن، مقارنة بالفقرات ذات التشبعات الضعيفة؛ وبالتالي فإن إعطاء وزن ترجيحي موحد لجميع الفقرات—كما يحدث ضمنياً في جمع الدرجات الخام—يعد تشويهاً للحقيقة الإحصائية يقلل من دقة القياس ويضخم أثر الخطأ.

إضافة إلى ذلك، توفر المعادلات المتقدمة للموثوقية المركبة، خصوصاً تلك التي طورها رايكوف، إمكانية احتساب ارتباطات الأخطاء (Correlated Errors) بين الفقرات عند وجود تباين طرائقي (Method Variance) أو تشابه لفظي خاص بين بعض الأسئلة؛ وهي ميزة رياضية يفتقر إليها تماماً معامل ألفا كرونباخ الذي يتعرض للتضخم الزائف عند وجود ارتباط بين الأخطاء.

المقارنة المنهجية: الموثوقية المركبة في مواجهة ألفا كرونباخ

تمثل المقارنة بين الموثوقية المركبة ومعامل ألفا كرونباخ إحدى أهم المناقشات المنهجية في علم النفس الإحصائي. تتلخص المشكلة الأساسية في معامل ألفا في افتراضه الصارم للتكافؤ التائي، وهو شرط يفترض أن جميع الفقرات تمتلك نفس القدرة على قياس السمة، أي أن تشبعاتها العاملية متطابقة في المجتمع الإحصائي؛ وعند انتهاك هذا الافتراض، يُعتبر معامل ألفا حداً أدنى غير دقيق ومتحيزاً سلباً للثبات الفعلي.

في المقابل، تتميز الموثوقية المركبة بكونها غير مقيدة بشرط التكافؤ التائي؛ فهي تعمل بكفاءة مطلقة ضمن النماذج الجنيسية التي تعد النموذج الأكثر شيوعاً وملاءمة للبيانات النفسية الإنسانية. من خلال السماح للتشبعات بالتفاوت الحر، تقدم الموثوقية المركبة تقديراً غير متحيز للاتساق الداخلي، يتطابق مع ألفا فقط في الحالة النادرة التي تتساوى فيها جميع تشبعات الفقرات تماماً.

علاوة على ذلك، يتأثر معامل ألفا كرونباخ بشكل مفرط بعدد الفقرات في المقياس؛ إذ يمكن لمقياس ضعيف الترابط داخلياً أن يحصل على معامل ألفا مرتفع لمجرد أنه يحتوي على عدد كبير من الأسئلة المكررة، مما يعطي انطباعاً مضللاً عن جودة الأداة. على النقيض من ذلك، تركز الموثوقية المركبة على جودة التشبعات وقوة تمثيلها للمتغير الكامن أكثر من تركيزها على الحجم الكمي للمؤشرات.

توضح النقاط التالية الفروق الجوهرية بين المقياسين:

• طبيعة النموذج المفترض: يتطلب ألفا نموذج التكافؤ التائي الصارم، بينما تستند الموثوقية المركبة إلى النماذج الجنيسية المرنة.
• التعامل مع تفاوت الفقرات: يعامل ألفا جميع الفقرات بأوزان متساوية، في حين توزن الموثوقية المركبة كل فقرة وفقاً لتشبعها العاملي الدقيق.
• حساسية أخطاء القياس: يتضخم ألفا بصورة خادعة عند وجود ارتباط بين أخطاء الفقرات، بينما يمكن للموثوقية المركبة ضبط هذه الارتباطات رياضياً وتقديم تقدير واقعي.
• التكامل مع النمذجة الهيكلية: لا يقدم ألفا معلومات عن جودة البناء الهيكلي، في حين تشكل الموثوقية المركبة جزءاً لا يتجزأ من مخرجات التحليل العاملي التوكيدي ونمذجة المعادلات البنائية.

الموثوقية المركبة ونمذجة المعادلة الهيكلية (SEM)

تحتل الموثوقية المركبة موقع الصدارة في تقييم نماذج القياس ضمن إطار نمذجة المعادلة الهيكلية المعتمدة على التغاير (CB-SEM) أو المعتمدة على المربعات الصغرى الجزئية (PLS-SEM). في المنهجية المتبعة ذات المرحلتين التي اقترحها أندرسون وجيربينغ، يجب التحقق من جودة نموذج القياس وصلاحيته وثباته قبل الانتقال إلى اختبار العلاقات الفرضية والمسارات السببية في النموذج البنائي.

في منهجية PLS-SEM تحديداً، يُشار إلى الموثوقية المركبة أحياناً بمعامل ديلون-غولدشتاين أو $\rho_A$ كمعيار أول ومفضل لتقييم الاتساق الداخلي، نظراً لأن خوارزميات PLS تعطي أولوية للمؤشرات وفقاً لأوزانها البنائية في تعظيم التباين المفسر. يؤدي إهمال الموثوقية المركبة والاعتماد الحصري على ألفا كرونباخ في هذه النماذج إلى التقليل من دقة النموذج القياسي وتشويه العلاقات البنائية بين المتغيرات الكامنة.

يتيح تطبيق الموثوقية المركبة داخل بيئة التحليل العاملي التوكيدي للباحثين النفسيين فحص مؤشرات التطابق (Model Fit Indices) مثل مؤشر المطابقة المقارن (CFI) وجذر متوسط مربع خطأ الاقتراب (RMSEA) بالتوازي مع تقييم الثبات؛ مما يمنح رؤية بانورامية شاملة حول ما إذا كانت البيانات التجريبية تدعم البناء النظري المقترح للأداة النفسية أم أن هناك حاجة لإعادة صياغة الفقرات أو استبعاد المؤشرات الضعيفة.

فضلاً عن ذلك، تمكّن البرمجيات الإحصائية المتقدمة الباحثين من استخراج فترات الثقة (Confidence Intervals) لمعامل الموثوقية المركبة باستخدام أساليب إعادة العينات (Bootstrapping)، وهو ما يمنح استنتاجات القياس بعداً استدلالياً رصيناً يتجاوز التقديرات النقطية المفردة المعرضة للتقلبات العينية.

العلاقة البنيوية بين الموثوقية المركبة ومتوسط التباين المستخلص (AVE)

لا يكتمل تقييم الخصائص السيكومترية لأي أداة قياس نفسية دون دراسة التكامل الرياضي والمنهجي بين الموثوقية المركبة ومتوسط التباين المستخلص (Average Variance Extracted – AVE)؛ فبينما تقيس الموثوقية المركبة نسبة التباين المشترك في البناء إلى التباين الكلي بما يشمل الخطأ، يحدد AVE مقدار التباين الحقيقي الذي يلتقطه المتغير الكامن من مؤشراته مقارنة بمقدار التباين الناتج عن خطأ القياس وحده.

وفقاً لمعيار فورنيل ولاركر (Fornell-Larcker Criterion) الشهير، يشترط لتحقيق الصدق التقاربي (Convergent Validity) أن تكون قيمة الموثوقية المركبة 0.70 فأعلى، وأن تتجاوز قيمة متوسط التباين المستخلص عتبة 0.50؛ وتعني هذه العتبة الأخيرة أن البناء الكامن يفسر أكثر من نصف تباين مؤشراته، بينما يعود النصف المتبقي إلى تباينات الأخطاء والخصوصية الفردية للفقرات.

في بعض الحالات السيكومترية المحددة، يرى المنهجيون أنه إذا كانت قيمة AVE أقل قليلاً من 0.50 (مثلاً بين 0.40 و 0.49) ولكن الموثوقية المركبة للبناء تتجاوز 0.70، فإن الصدق التقاربي للمقياس يمكن اعتباره مقبولاً؛ وذلك لأن الموثوقية العالية تشير إلى تماسك بنيوي كافٍ يعوض النقص الطفيف في التباين المستخلص، وهي ميزة تفسيرية لا يمكن إدراكها عند استخدام ألفا كرونباخ بمعزل عن النماذج العاملية.

كذلك يلعب التآزر بين هذين المقياسين دوراً حاسماً في إثبات الصدق التمييزي (Discriminant Validity)؛ حيث يتم التأكد من أن الجذر التربيعي لـ AVE لكل بناء نفسي يفوق معامل الارتباط بينه وبين أي بناء كامن آخر في النموذج، مما يضمن أن المقاييس المعتمدة تقيس سمات نفسية متمايزة ومستقلة مفاهيمياً وليست تكراراً لبناء واحد بأسماء مختلفة.

إرشادات عملية لتفسير النتائج في البحوث السلوكية

يتطلب تفسير قيم الموثوقية المركبة في البحوث النفسية فهماً عميقاً للسياق التطبيقي وطبيعة القرارات المترتبة على نتائج القياس. بشكل عام، يتفق علماء القياس على مجموعة من العتبات الاسترشادية التي تساعد في الحكم على مدى كفاية الأداة واستقرارها الإحصائي عبر مختلف تصاميم البحوث السيكولوجية.

تُصنف قيم الموثوقية المركبة عادة وفق المستويات التالية:

• القيم بين 0.60 و 0.70: تُعتبر مقبولة في البحوث الاستكشافية وتطوير المقاييس الأولية، ولكنها تتطلب حذراً عند تفسير العلاقات السببية المعقدة.
• القيم بين 0.70 و 0.90: تُعد مرضية إلى جيدة جداً في الدراسات الأساسية والتطبيقية، وتشير إلى اتساق داخلي متين وتوازن مثالي بين تمثيل المفهوم وتجنب الحشو.
• القيم بين 0.90 و 0.95: تدل على دقة قياس ممتازة، وتعد مطلوبة بشكل خاص في المقاييس الإكلينيكية والتشخيصية التي تُبنى عليها قرارات فردية مصيرية كالعلاج أو التوجيه المهني.
• القيم التي تتجاوز 0.95: تثير قلقاً منهجياً؛ إذ قد تشير إلى وجود حشو دلالي وتكرار غير مبرر للأسئلة بصيغ متطابقة لفظياً، مما يضيق نطاق البناء النفسي ويضر بصدق المحتوى.

عند كتابة تقرير البحث السيكولوجي، ينبغي للباحث تجنب الاكتفاء بذكر قيمة المعامل مجردة، بل يتعين عليه توضيح خطوات التحليل العاملي التوكيدي المستخدمة لتقديره، وطريقة معالجة البيانات المفقودة، وبرمجيات التحليل المستخدمة، وطبيعة مصفوفة الارتباط (بيرسون للمتغيرات المتصلة أو بوليكوريك للمتغيرات الترتيبية)، بالإضافة إلى تقديم فترات الثقة المناسبة لتعزيز شفافية النتائج وموثوقيتها العلمية.

التحديات المنهجية والقيود الإحصائية

على الرغم من التفوق المنهجي البارز للموثوقية المركبة، إلا أن استخدامها يواجه بعض التحديات الإحصائية التي يجب أن يكون الباحث النفسي على دراية بها؛ في مقدمة هذه التحديات اعتمادها الحساس على افتراض التوزيع الطبيعي المتعدد للمتغيرات عند استخدام طريقة الإمكانية الأعظم (Maximum Likelihood)، حيث يؤدي انتهاك هذا الافتراض إلى تشويه التشبعات وتقديرات الأخطاء ما لم تُستخدم أساليب تصحيح قوية مثل (Satorra-Bentler Robust Estimation).

تنشأ صعوبة أخرى عند التعامل مع البيانات الفئوية أو مقاييس ليكرت الترتيبية ذات الفئات المحدودة (مثلاً مقاييس من 3 إلى 5 استجابات)؛ حيث يؤدي حساب الموثوقية المركبة استناداً إلى مصفوفة تغاير بيرسون العادية إلى التقليل من قيم التشبعات العاملية، وبالتالي الحصول على تقدير متدنٍ وخاطئ للموثوقية المركبة. يتطلب التغلب على ذلك استخدام مصفوفات الارتباط متعددة الأقسام (Polychoric Correlations) واستخدام طرق تقدير مناسبة مثل المربعات الصغرى الموزونة قطرياً (WLSMV).

علاوة على ذلك، تفترض الصيغة الكلاسيكية للموثوقية المركبة أن المقياس أحادي البعد (Unidimensional)؛ فإذا كانت الأداة النفسية تقيس سمة متعددة الأبعاد (Multidimensional)، فإن تطبيق معادلة الثبات المركب الكلية على جميع الفقرات مجتمعة يؤدي إلى خلط غير منهجي بين التباينات، مما يستلزم احتساب الموثوقية المركبة لكل بعد فرعي على حدة، أو الانتقال إلى نماذج متقدمة مثل التحليل العاملي ثنائي العوامل (Bifactor Models) واستخدام مؤشرات متخصصة كأوميغا الهرمية (Omega Hierarchical).

أخيراً، يتطلب احتساب الموثوقية المركبة أحجام عينات كبيرة نسبياً لضمان استقرار تقديرات النماذج العاملية التوكيدية؛ حيث إن تطبيقها على عينات صغيرة (أقل من 100 إلى 150 مشاركاً) قد يؤدي إلى حلول غير صحيحة أو تقديرات غير دقيقة لمعاملات التشبع والأخطاء، مما ينعكس سلباً على موثوقية المؤشر نفسه.

خاتمة واستشراف مستقبلي لقياس الاتساق الداخلي

في الختام، تجسد الموثوقية المركبة نقلة بارزة في مسار القياس النفسي، محولة تركيز الباحثين من الاعتماد السطحي على الارتباطات البسيطة إلى التقدير البنيوي العميق المستند إلى النماذج العاملية الواقعية. من خلال التخلي عن الفرضية المقيدة للتكافؤ التائي وتوفير أداة متوافقة مع متطلبات نمذجة المعادلات الهيكلية المعاصرة، أثبتت الموثوقية المركبة أنها المعيار الأكثر رصانة لتقدير الاتساق الداخلي للأدوات السلوكية والنفسية.

مع استمرار تطور علوم البيانات والقياسات العصبية والسلوكية الدقيقة، تتجه الممارسات المنهجية نحو التبني الكامل للمعاملات المستندة إلى النماذج مثل معاملات رايكوف وماكدونالد كبديل رسمي ونهائي لمعامل ألفا كرونباخ. إن التزام الباحثين بهذه الأدوات المتقدمة لا يعزز فقط من دقة دراساتهم المنشورة، بل يسهم جوهرياً في تجاوز أزمة التكرارية في العلوم النفسية وبناء تراكم معرفي قائم على قياسات دقيقة وصلبة.

المراجع

• Bollen, K. A. (1989). Structural equations with latent variables. John Wiley & Sons.
• Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334.
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50.
• Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A primer on partial least squares structural equation modeling (PLS-SEM) (3rd ed.). SAGE Publications.
• Kline, R. B. (2023). Principles and practice of structural equation modeling (5th ed.). Guilford Press.
• McDonald, R. P. (1999). Test theory: A unified treatment. Lawrence Erlbaum Associates.
• Raykov, T. (1997). Estimation of composite reliability for congeneric measures. Applied Psychological Measurement, 21(2), 173–184.
• Raykov, T. (2001). Bias of coefficient alpha for unidimensional measures with correlated errors. Applied Psychological Measurement, 25(1), 69–76.
• Sijtsma, K. (2009). On the use, the misuse, and the very limited usefulness of Cronbach’s alpha. Psychometrika, 74(1), 107–120.