مؤشر حسن المطابقة: بوصلة النمذجة البنائية

يمثل تقييم النماذج الإحصائية في العلوم النفسية والسلوكية أحد أكثر التحديات المنهجية دقة، حيث يتوقف قبول النظريات وتفسير السلوك البشري على مدى تطابق البنى النظرية الافتراضية مع البيانات الواقعية المرصودة. وتعد مؤشرات حسن المطابقة الأدوات القياسية والرياضية الحاسمة التي تمكن الباحثين من الحكم الموضوعي على جودة تمثيل النماذج السببية والعاملية لشبكة العلاقات المعقدة بين المتغيرات النفسية، محولة التخمينات النظرية إلى بنيات علمية قابلة للاختبار والتحقق التجريبي.

مؤشر حسن المطابقة (Fit Index)

1. التعريف الدقيق والموجز

مؤشر حسن المطابقة هو مقياس إحصائي كمي يُستخدم في سياق نمذجة المعادلة الهيكلية والتحليل العاملي لتقييم درجة التقارب الإحصائي بين مصفوفة التباين والتباين المشترك المشاهدة في عينة الدراسة وتلك المستنتجة أو المتوقعة من النموذج النظري المفترض. يهدف هذا المؤشر إلى تحديد ما إذا كان النموذج النظري يفسر العلاقات بين المتغيرات بدرجة كافية تجعل تبنيه مبرراً علمياً دون تشويه للواقع الإمبريقي.

يتجاوز المؤشر مجرد كونه قيمة رقمية منفردة؛ إذ يمثل إطاراً استدلالياً متكاملاً يتراوح بين الاختبارات الإحصائية الصارمة التي تعتمد على توزيع كاي-تربيع واختبار الفرضيات الصفرية، والمقاييس الوصفية التوفيقية التي تزن المفاضلة بين دقة التمثيل وبساطة النموذج الإحصائي. من خلال هذه المقاييس، يستطيع الباحث النفسي معرفة مقدار الانحراف أو الخطأ المتبقي بين ما افترضه العقل النظري وما نطقت به البيانات الميدانية، مما يمنع تعميم نماذج زائفة أو غير دقيقة.

2. التأصيل اللغوي والاشتقاق

يتركب المصطلح في اللغة العربية من ثلاثة ألفاظ متضايفة؛ فكلمة «مُؤَشِّر» مشتقة من الجذر اللغوي العربي (أ-ش-ر)، ويقال أشَر إلى الشيء أي أومأ إليه ودلّ عليه بعلامة فارقة، فالمؤشر هو الأداة أو العلامة الدالة على حالة محددة أو مقدار متغير. وكلمة «حُسْن» مشتقة من (ح-س-ن)، وهو نقيض القُبح والردء، وتدل في سياق القياس على الجودة والإتقان وبلوغ التمام المطلوب. أما كلمة «مُطَابَقَة» فهي مصدر للفعل الرباعي (طَابَقَ)، المشتق من الجذر (ط-ب-ق)، وتعني جعل الشيء مساوياً لغيره وحذوه حذو النعل بالنعل حتى يتطابقا بلا تفاوت أو نتوء.

وفي السياق الغربي المقابل، دخل مصطلح (Fit Index) إلى حقل الإحصاء القياسي والقياس النفسي كاستعارة وظيفية من علم الخياطة والصناعة الميكانيكية؛ حيث تشير كلمة (Fit) المشتقة من الإنجليزية الوسطى إلى مدى ملاءمة الثوب لقياسات الجسد بدقة، بينما تعود كلمة (Index) إلى اللاتينية (indicare) التي تعني الإشارة أو التوضيح الصريح. وقد دُمج المفهومان في الأدبيات الإحصائية النفسية ليدلا حصراً على مقياس الدرجة التي يلائم بها الإطار النظري قياسات الظاهرة النفسية الحقيقية.

3. النطق والبنية الصرفية

تُضبط بنية المصطلح صوتياً وصرفياً على النحو التالي: يُنطق الجزء الأول «مُؤَشِّر» بضم الميم وفتح الهمزة وتشديد الشين المكسورة مع تنوين الرفع أو تنوين الكسر حسب موقعه الإعرابي، وهو من الناحية الصرفية «اسم فاعل» من الفعل فوق الثلاثي (أشَّرَ). ويُنطق اللفظ الثاني «حُسْنِ» بضم الحاء وسكون السين وكسر النون كونه مضافاً إليه، وهو «مصدر ثلاثي» للفظ حَسُنَ. ويأتي اللفظ الثالث «المُطَابَقَةِ» بضم الميم وفتح الطاء والباء مع كسر القاف، وهو «مصدر قياسي» لوزن (فَاعَلَ – مُفَاعَلَة).

يُستخدم المصطلح في الأدبيات العربية إما مفرداً بالصيغة السابقة أو بصيغة الجمع «مؤشرات حسن المطابقة»، ويُعامل نحوياً كمركب إضافي تركيبي. ومن المقبول صياغياً أيضاً استخدام «مؤشرات جودة التوفيق» أو «مؤشرات ملاءمة النموذج»، إلا أن مصطلح «مؤشر حسن المطابقة» يظل الأكثر شيوعاً ورسوخاً في المعاجم المتخصصة الصادرة عن الجمعيات النفسية العربية والجامعات الرائدة.

4. التفسير المفاهيمي المفصل

يقوم المفهوم الجوهري لمؤشر حسن المطابقة على فكرة مركزية في القياس النفسي الرياضي: إننا لا نستطيع في كثير من الأحيان قياس المتغيرات النفسية الكامنة (مثل الذكاء، القلق، الرضا الوظيفي) بصورة مباشرة، بل نستدل عليها عبر مؤشرات وبنود اختبارية مرصودة. وعندما يصيغ الباحث فرضية نظرية تقرر أن خمسة بنود تقيس عاملاً كامناً واحداً، فإن هذه الفرضية تولد رياضياً ما يُعرف باسم «مصفوفة التباين والتباين المشترك المفترضة» والمشار إليها إحصائياً بالرمز سيكما ثيتا $\Sigma(\theta)$. في المقابل، نملك مصفوفة التباينات المشتركة الواقعية المستخرجة مباشرة من إجابات المفحوصين والمشار إليها بالرمز $S$.

تتمثل الوظيفة الجوهرية لمؤشر حسن المطابقة في قياس المسافة الهندسية أو الرياضية بين المصفوفة المشاهدة $S$ والمصفوفة المتوقعة $\Sigma(\theta)$. فإذا كانت الفرضية النظرية صحيحة وصادقة تماماً، فإن الفرق بين المصفوفتين يقترب من الصفر الإحصائي، وتكون البقايا غير المفسرة مجرد خطأ عشوائي ناتج عن المعاينة. أما إذا كان هناك خلل في البنية النظرية (كأن تفترض نظرية أحادية البعد لظاهرة هي في أصلها ثنائية الأبعاد)، فإن المصفوفة المفترضة ستعجز عن إعادة إنتاج العلاقات بين البنود، مما يرفع من قيمة بواقي التباين، وهو ما تلتقطه مؤشرات المطابقة معلنةً فشل النموذج.

يمتد نطاق هذا المفهوم ليغطي أبعاداً متعددة من التحقق؛ فهناك مؤشرات تفحص التطابق الكلي دون مقارنة، وأخرى تقيس التطابق عبر مقارنة النموذج بـ «نموذج الاستقلال» أو النموذج الصفري (Null Model) الذي يفترض انعدام أي علاقة بين المتغيرات. كما تعالج هذه المؤشرات معضلة «فرط التخصيص»؛ فالنماذج بالغة التعقيد التي تحتوي على مسارات حرة كثيرة قد تظهر مطابقة ممتازة ظاهرياً ولكنها تفتقر إلى البساطة التفسيرية (Parsimony)، وهنا تتدخل مؤشرات التقتير لتفرض عقوبة رياضية على التعقيد الزائد غير المبرر.

تنحصر حدود مؤشرات حسن المطابقة في كونها أدوات لتفنيد النماذج وليس لإثبات صحتها المطلقة؛ فالمطابقة الممتازة لا تعني بالضرورة أن النموذج هو التفسير الحقيقي والوحيد للظاهرة، إذ قد توجد نماذج بديلة ومكافئة رياضياً تحقق نفس مستوى المطابقة وتفسر الظاهرة بتصورات مناقضة تماماً. ومن ثم فإن المؤشر يقيس الصلاحية الإحصائية لتمثيل البيانات، ولكنه لا يغني عن المنطق النظري والمحتوى السيكولوجي الرصين.

5. التطور التاريخي

بدأت الجذور المبكرة لفكرة مطابقة النماذج مع الأبحاث الإحصائية الرائدة لعالم الإحصاء الشهير كارل بيرسون في مطلع القرن العشرين، وتحديداً عام 1900، عندما ابتكر اختبار كاي-تربيع (Chi-Square Goodness of Fit)، والذي كان يُستخدم في الأصل لمقارنة التكرارات المشاهدة بالتكرارات المتوقعة في الجداول التوافقية. وظل هذا الاختبار لعقود طويلة هو المعيار الأوحد المتاح لفحص مدى ملاءمة النماذج الإحصائية للبيانات في العلوم الحيوية والاجتماعية.

مع بزوغ التحليل العاملي على يد تشارلز سبيرمان ورواد القياس النفسي، وتطوره لاحقاً إلى التحليل العاملي التوكيدي في ستينيات وسبعينيات القرن العشرين بفضل الإسهامات الثورية للعالم السويدي كارل يوريسكوغ (Karl Jöreskog)، برزت معضلة منهجية كبرى. فقد تبيّن أن اختبار كاي-تربيع شديد الحساسية لحجم العينة؛ فحينما تكون العينة كبيرة (وهو المطلب الأساسي في أبحاث علم النفس لضمان دقة التقدير)، يرفض الاختبار إحصائياً حتى أدنى الانحرافات الطفيفة التي لا قيمة سيكولوجية لها، مما يحكم على نماذج جيدة وسليمة نظرياً بالرفض الخاطئ.

دفع هذا القصور كبار علماء القياس إلى ابتكار حلول بديلة ومؤشرات عملية؛ ففي عام 1973، قدّم ليدارد تاكر ولويس لويس مؤشر (TLI)، والذي عُرف لاحقاً بمؤشر نون-نورمد، مقترحين تصحيح التقدير مقارنة بالنموذج الصفري مع مراعاة درجات الحرية. وتلا ذلك في عام 1980 طرح بيتر بنتلر ودوغلاس بونيت لمؤشر المطابقة المعياري (NFI)، والذي مثل تحولاً تاريخياً نحو استخدام مؤشرات وصفية تقع قيمتها بين الصفر والواحد الصحيح، لتبدأ حقبة تجاوز الهيمنة المطلقة لاختبار الفرضية الصفرية القائم على كاي-تربيع.

شهدت التسعينيات ذروة النضج المنهجي لهذا الحقل؛ حيث قدم بيتر بنتلر عام 1990 مؤشر المطابقة المقارن (CFI) ليتجاوز سلبيات المؤشرات السابقة في العينات الصغيرة. وفي الوقت نفسه، طور مايكل براون وروبرت كوديك عام 1992 مؤشر جذر متوسط مربع خطأ الاقتراب (RMSEA) المرتكز على مقترح ستول شتايغر لعام 1980، وهو ما غير فلسفة القياس السيكومتري من افتراض «المطابقة التامة غير الواقعية» إلى مفهوم «المطابقة التقريبية المقبولة سكانياً». وتوجت هذه التطورات بالدراسة الفاصلة التي نشرها لي-تزه هو وبيتر بنتلر عام 1999، والتي وضعت عتبات القطع المنهجية المعتمدة حتى يومنا هذا في المجلات المحكمة.

6. الأسس النظرية

تستند مؤشرات حسن المطابقة إلى عدة أطر نظرية إحصائية ورياضية رصينة، يأتي في مقدمتها إطار «تقدير الإمكانية القصوى» (Maximum Likelihood Estimation). في هذا الإطار، يتم البحث عن قيم معلمات النموذج التي تجعل البيانات المشاهدة في أعلى درجات احتماليتها. وتنتج هذه العملية دالة مطابقة لوغاريتمية يُرمز لها رياضياً بـ $F_{ML}$، وتمثل هذه الدالة المسافة الرياضية بين مصفوفة البيانات ومصفوفة النموذج؛ فإذا كان التطابق تاماً، فإن قيمة هذه الدالة تصبح صفراً، وكلما ازدادت الفجوة بين المصفوفتين، ارتفعت قيمة الدالة معبرة عن سوء المطابقة.

الأساس النظري الثاني هو «مبدأ التقتير العلمي» (Principle of Parsimony) المعروف تاريخياً باسم نصل أوكام (Occam’s Razor)، والذي ينص على أنه عند التساوي في التفسير، فإن التفسير الأكثر بساطة والأقل افتراضاً هو الأقرب إلى الحقيقة. ترجم علماء الإحصاء هذا المبدأ إلى إدراج «درجات الحرية» (Degrees of Freedom) كمتغير ضابط داخل معادلات المؤشرات؛ بحيث يُمنح النموذج درجات تقدير أعلى كلما استطاع تفسير أكبر قدر من التباين بأقل عدد ممكن من المسارات والمعلمات الحرة، مما يحمي البحث السيكولوجي من السقوط في شباك التعقيد التفسيري الوهمي.

كما تعتمد المؤشرات الحديثة على «نظرية المعلومات» (Information Theory)، ولا سيما مفهوم تباعد كولباك-ليبلير (Kullback-Leibler Divergence)، الذي يقيس مقدار فقدان المعلومات عند استخدام نموذج نظري تقريبي لتمثيل التوزيع الاحتمالي الحقيقي للظاهرة. وتجسد معايير مثل معيار أكايكي للمعلومات (AIC) ومعيار بايز للمعلومات (BIC) هذا الإطار النظري، حيث تحسب بدقة حجم المعلومات الضائعة نتيجة استخدام النموذج، مفاضلة بين جودة الإحكام والعقوبة الإحصائية على كل معلمة جديدة تُضاف للنموذج.

7. المكونات والأنواع والأبعاد الرئيسية

تُصنف مؤشرات حسن المطابقة في التحليل الإحصائي السيكومتري إلى ثلاث فئات رئيسية متكاملة، يمتلك كل منها زاوية رؤية خاصة لفحص جودة التمثيل الإحصائي:

• مؤشرات المطابقة المطلقة (Absolute Fit Indices): تقيس هذه الفئة مدى قدرة النموذج النظري المقترح على إعادة إنتاج بيانات العينة المشاهدة دون مقارنة بنموذج مرجعي أساسي، ومن أبرزها:
  • اختبار نسبة الإمكانية لكاي-تربيع ($\chi^2$): الاختبار الإحصائي الأساسي، وتدل قيمته غير الدالة إحصائياً ($p > .05$) على مطابقة ممتازة، رغم عيبه الشهير بالحساسية لحجم العينة.
  • جذر متوسط مربع خطأ الاقتراب (RMSEA): يقيس التباين المتبقي لكل درجة حرية على مستوى المجتمع وليس العينة فقط، وتعتبر القيم الأقل من 0.05 دليلاً على تطابق ممتاز، بينما تشير القيم بين 0.05 و 0.08 إلى تطابق مقبول.
  • جذر متوسط المربعات المتبقية القياسي (SRMR): يمثل متوسط الفروق المعيارية بين التباينات المشتركة المشاهدة وتلك المتوقعة، وتعد القيمة الأقل من 0.08 معياراً لجودة النموذج.
  • مؤشر جودة المطابقة (GFI) ومؤشر المطابقة المعدل (AGFI): مقاييس تاريخية طورت لمحاكاة معامل التحديد $R^2$ في الانحدار، وتعتبر القيم الأعلى من 0.90 مقبولة عموماً.
• مؤشرات المطابقة التزايدية أو المقارنة (Incremental / Comparative Fit Indices): تقيّم هذه الفئة جودة النموذج المقترح عبر مقارنته بنموذج الأساس الصفري (Baseline/Null Model) الذي يُفترض فيه أن جميع المتغيرات مستقلة تماماً عن بعضها البعض:
  • مؤشر المطابقة المقارن (CFI): أحد أكثر المؤشرات استخداماً وموثوقية في علم النفس؛ نظراً لعدم تأثره بحجم العينة، وتدل القيم الأعلى من 0.95 على تطابق ممتاز، وما بين 0.90 و 0.95 على تطابق كافٍ.
  • مؤشر تاكر-لويس (TLI / NNFI): يتميز بفرضه عقوبة على النماذج شديدة التعقيد مقارنة بالنموذج الصفري، ويفضل أن تتجاوز قيمته 0.95.
  • مؤشر المطابقة المعياري (NFI): يقيس نسبة التحسن في المطابقة مقارنة بالنموذج الصفري، لكنه يعاني من التقليل من جودة النموذج في العينات الصغيرة.
• مؤشرات المطابقة التقتيرية والمعلوماتية (Parsimony-Adjusted & Information Indices): صُممت للمقارنة والمفاضلة بين نماذج نظرية متعددة ومتنافسة تم تطبيقها على نفس مجموعة البيانات:
  • معيار أكايكي للمعلومات (AIC): مقياس مقارن لا يمتلك مدى محدداً؛ حيث يُفضل النموذج الذي يحقق أدنى قيمة لـ AIC كونه يمثل النموذج الأكثر كفاءة بأقل فقد للمعلومات.
  • معيار بايز للمعلومات (BIC): يشبه معيار أكايكي ولكنه يفرض عقوبة رياضية أشد صرامة على عدد المعلمات في العينات الكبيرة بناءً على المنطق البايزي.

8. الأمثلة وحالات الدراسة التوضيحية

لتوضيح التطبيق العملي لمؤشرات المطابقة في الميدان السيكولوجي، نستعرض حالة دراسية شائعة تتعلق بتطوير وتقنين مقياس نفسي لتقييم «الاحتراق النفسي الأكاديمي» لدى طلبة الجامعة. افترض فريق البحث السيكومتري في البداية وجود «نموذج أحادي العامل»، ينص على أن جميع بنود المقياس العشرين تقيس بعداً عاماً واحداً هو الضغط والإنهاك العام. تم جمع البيانات من عينة قوامها 600 طالب وطالبة، ثم أُجري التحليل العاملي التوكيدي لفحص النموذج.

أظهرت المخرجات الإحصائية للنموذج الأحادي النتائج التالية: قيمة كاي-تربيع كانت مرتفعة جداً ودالة إحصائياً ($chi^2(170) = 1145.20, p < .001$)، وبلغ مؤشر CFI قيمة 0.72، ومؤشر TLI قيمة 0.69، في حين سجل مؤشر RMSEA قيمة مرتفعة بلغت 0.11، وبلغ SRMR نحو 0.095. بالنظر إلى هذه الأرقام وفق المحكات المنهجية، فإن النموذج الأحادي سقط بوضوح في اختبار المطابقة؛ فالقيم التزايدية أقل بكثير من العتبة الدنيا (0.90)، ومؤشرات الخطأ المطلق أعلى من الحدود الآمنة، مما يثبت تجريبياً أن بنية الاحتراق النفسي ليست بعداً أحادياً بسيطاً، وأن إجبار البنود على التشبع بعامل وحيد يشوه طبيعة البيانات الواقعية.

في المرحلة التالية، استند الباحثون إلى الإطار النظري الراسخ لعالمة النفس كريستينا ماسلاك، وأعادوا تحديد البنية العاملية لتكون «نموذجاً ثلاثي الأبعاد» يشتمل على: (1) الإجهاد الانفعالي، (2) تبلد المشاعر ونزع الإنسانية، (3) تدني الشعور بالإنجاز الشخصي. وبعد إعادة تشغيل التحليل على نفس البيانات، جاءت النتائج مختلفة جذرياً: انخفضت قيمة كاي-تربيع بشكل ملحوظ إلى ($chi^2(167) = 285.40, p < .001$)، ورغم بقاء الدلالة الإحصائية بسبب حجم العينة الضخم، إلا أن مؤشر CFI قفز إلى 0.97، وبلغ TLI نحو 0.96، واستقر مؤشر RMSEA عند 0.038 (مع فترة ثقة 90% تراوحت بين 0.031 و 0.045)، بينما انخفض SRMR إلى 0.042.

سمح هذا التحول الرقمي الحاسم في مؤشرات حسن المطابقة للباحثين برفض النموذج الأحادي علمياً وقبول النموذج ثلاثي الأبعاد باطمئنان منهجي؛ فالارتفاع القياسي لمؤشري CFI و TLI، مصحوباً بالانخفاض الكبير لأخطاء التقدير في RMSEA و SRMR، وفر دليلاً تجريبياً قاطعاً على أن الظاهرة النفسية متعددة الأبعاد، وضمن سلامة الخصائص السيكومترية للنسخة المعربة من المقياس قبل البدء في استخدامه التشخيصي والإرشادي.

9. القياس والتقييم

يتم قياس وحساب مؤشرات حسن المطابقة آلياً عبر حزم البرمجيات الإحصائية المتخصصة في نمذجة المعادلات الهيكلية مثل R (لا سيما حزمة lavaan المتقدمة)، وبرنامج Mplus، وIBM SPSS AMOS، وLISREL. تُدخل مصفوفة التباينات المشتركة للبيانات، وتُصاغ معادلات النموذج الهيكلي، لتقوم خوارزميات الاستمثال بتقدير المعلمات وتوليد جدول مفصل يتضمن كافة قيم المؤشرات ومستويات دلالتها وفترات الثقة المرافقة لها.

تخضع عملية التقييم والتفسير لمعايير وقواعد إرشادية حاكمة، أكثرها شيوعاً في الأدبيات المعاصرة هي المحكات المقترحة في دراسة هو وبنتلر (Hu & Bentler, 1999)، والتي تتبنى منهجية «المحك الثنائي المشترك» (Combinational Rules) للحد من الوقوع في أخطاء النوع الأول (رفض نموذج صحيح) أو أخطاء النوع الثاني (قبول نموذج خاطئ). وتنص هذه القواعد على ضرورة التزام الآتي:

• المطابقة الجيدة جداً: CFI $ge$ 0.95 و TLI $ge$ 0.95 متزامناً مع RMSEA $le$ 0.06 و SRMR $le$ 0.08.
• المطابقة المقبولة: CFI $ge$ 0.90 و TLI $ge$ 0.90 مع بقاء RMSEA بين 0.06 و 0.08 و SRMR $le$ 0.10.
• فترات الثقة لـ RMSEA: يجب فحص فترة الثقة 90% لهذا المؤشر؛ إذ يشترط أن يكون الحد الأدنى قريباً من الصفر وألا يتجاوز الحد الأعلى 0.08 أو 0.10 كحد أقصى.

يؤكد المتخصصون في القياس النفسي على عدم الاعتماد مطلقاً على مؤشر واحد لعزل حكم المطابقة؛ إذ ينبغي دوماً تقديم تقرير تركيبي يجمع بين مؤشر مطلق رئيسي (مثل SRMR أو RMSEA) ومؤشر نسبي مقارن (مثل CFI أو TLI)، بالتوازي مع عرض قيمة كاي-تربيع ودرجات حريتها، لتوفير رؤية بانورامية نزيهة تحيط بجوانب القوة والضعف في النموذج الخاضع للاختبار.

10. التطبيقات والأهمية العملية

تحظى مؤشرات حسن المطابقة بأهمية بالغة وتطبيقات واسعة النطاق تمس صلب الممارسات الإكلينيكية، والتربوية، والبحثية في العلوم النفسية والاجتماعية:

• التحقق السيكومتري من الأدوات التشخيصية: يعتمد المعالجون النفسيون والأطباء الإكلينيكيون على أدوات تقييم معقدة مثل قائمة بيك للاكتئاب أو مقياس مينيسوتا متعدد الأوجه للشخصية (MMPI)؛ ولا يمكن الشروع في تطبيق هذه الأدوات لاتخاذ قرارات علاجية مصيرية إلا بعد إثبات أن مؤشرات المطابقة لبنيتها العاملية تقع ضمن الحدود المقبولة في البيئة المستهدفة.
• التقييم التربوي والامتحانات الدولية: في مشروعات التقييم العالمية مثل اختبارات (PISA) و (TIMSS)، تُستخدم مؤشرات المطابقة للتأكد من أن أسئلة الاختبار تقيس بدقة الكفايات المعرفية المستهدفة لدى الطلاب عبر مختلف المناهج والأنظمة المدرسية.
• القيادة والسلوك التنظيمي: تُبنى نماذج الموارد البشرية المعاصرة المفسرة للالتزام المهني والاحتراق والأداء على دراسات هيكلية معقدة، وتعتبر مؤشرات المطابقة صمام الأمان الذي يمنع الشركات من تبني سياسات واستراتيجيات عمل مبنية على تصورات نفسية وهمية لا تعكس بيئة الموظفين الواقعية.
• اختبار النظريات السيكولوجية التنافسية: توفر مؤشرات المطابقة لعلماء النفس ميداناً رياضياً منصفاً للمفاضلة بين النظريات المتضاربة؛ حيث يمكن للباحثين تصميم نماذج إحصائية تمثل كل نظرية على حدة ومقارنة قيم التوفيق الإحصائي لحسم النزاعات العلمية بناءً على براهين رقمية موثوقة.

11. الأدلة التجريبية والبحوث

احتلت دراسة لي-تزه هو وبيتر بنتلر (Hu & Bentler, 1999) المنشورة في الدورية المرموقة Structural Equation Modeling مكانة استثنائية بوصفها الأكثر تأثيراً واستشهاداً في تاريخ هذا المجال. استخدم الباحثان في تلك الورقة أسلوب المحاكاة المونتيكارلو (Monte Carlo Simulations) على مئات الآلاف من مجموعات البيانات المصطنعة تحت ظروف تباينت فيها أحجام العينات ودرجات الالتواء والابتعاد عن التوزيع الطبيعي ومستويات سوء التحديد في النماذج. أثبتت نتائج التجربة أن الحدود التقليدية السابقة (مثل اعتبار 0.90 حداً كافياً لـ CFI) تؤدي إلى قبول نسبة خطيرة من النماذج الخاطئة، مما برر رفع العتبة إلى 0.95 لتحقيق الأمان المنهجي.

في المقابل، قاد البروفيسور هربرت مارش مع زملائه (Marsh, Hau, & Wen, 2004) حركة نقدية تجريبية كبرى من خلال دراستهم الشهيرة الموسومة بـ «البحث عن القواعد الذهبية»، حيث حذروا من التحول إلى التطبيق الحرفي والميكانيكي لأرقام هو وبنتلر. أظهرت بحوث مارش القائمة على المحاكاة المعقدة لنماذج الشخصية والتقييم الذاتي متعددة الأبعاد أن العتبات الصارمة (مثل CFI > 0.95 و RMSEA < 0.05) قد تؤدي إلى رفض نماذج نظرية صحيحة ومفيدة للغاية، لا سيما في الظواهر النفسية المركبة التي تتضمن عدداً هائلاً من البنود والأبعاد المتداخلة طبيعياً.

وفي دراسات متتالية ركزت على فحص استقرار المؤشرات عبر الثقافات والبيئات غير المعتدلة توزيعياً (مثل دراسات Chen, 2007; Beauducel & Wittmann, 2005)، أثبتت الأدلة التجريبية أن التوزيع التكراري لمؤشر RMSEA ومؤشر CFI يتغير تلقائياً وفق نوع مصفوفة البيانات المقدرة (كاستخدام مصفوفات الارتباط البوليكوري بدلاً من ارتباط بيرسون في البيانات الرتبية)، وهو ما قاد التوجه البحثي الحديث نحو تطوير «محكات مخصصة ديناميكياً» لكل نموذج اعتماداً على خوارزميات المحاكاة الحاسوبية اللحظية بدلاً من الاستناد إلى عتبات رقمية ثابتة مسبقاً.

12. الاعتبارات الثقافية وعبر الثقافات

تكتسب مؤشرات حسن المطابقة حساسية علمية فائقة عند تطبيق النماذج والتقنيات السيكومترية عبر سياقات ثقافية ولغوية متنوعة، وتحديداً عند فحص ما يُعرف بـ تناسق القياس عبر الثقافات (Measurement Invariance / Equivalence). يهدف هذا الإجراء إلى التأكد من أن المقياس النفسي يقيس نفس البنية السيكولوجية بنفس المعنى والدقة لدى عينات تنتمي إلى ثقافات متباينة (كالمقارنة بين الثقافات الغربية الفردية والثقافات الشرقية الجمعية).

يتم هذا الفحص عبر سلسلة هرمية من النماذج التوكيدية المقيدة تدريجياً، حيث تلعب الفروق في مؤشرات المطابقة بين النماذج المتعاقبة دور الحكم النهائي:

• التكافؤ الصوري أو البنائي (Configural Invariance): يُختبر فيه ما إذا كان النمط العام للعوامل والبنود متطابقاً عبر الثقافات، ويُحكم على ذلك عبر مؤشرات المطابقة المعتادة (CFI > 0.90 و RMSEA < 0.08).
• التكافؤ المتري أو الضعيف (Metric Invariance): تُقيد فيه تشبعات البنود لتكون متساوية بين المجموعتين الثقافيتين. ولا يُعتمد هنا على كاي-تربيع بل على التغير في مؤشرات المطابقة؛ حيث يعتبر التغير في CFI بمقدار $\Delta\text{CFI} le 0.010$ مصحوباً بتغير طفيف في RMSEA دليلاً على أن وحدة القياس متماثلة بين الثقافتين (Chen, 2007).
• التكافؤ القياسي أو القوي (Scalar Invariance): تُقيد فيه الأوزان والتقاطعات، ويُعد تحقق مطابقة هذا المستوى شرطاً لازماً للمقارنة المباشرة بين متوسطات الدرجات عبر الثقافات المختلفة دون الوقوع في التحيز الثقافي.

علاوة على ذلك، تلعب أنماط الاستجابة الثقافية دوراً مؤثراً في قيم مؤشرات المطابقة؛ ففي المجتمعات العربية والشرقية، قد يميل الأفراد إلى أسلوب الإجابة المتطرفة أو النزوع نحو المسايرة الاجتماعية ومرضاة الباحث بدرجة تفوق المجتمعات الغربية. هذا التباين الثقافي في نمط التعامل مع بدائل مقياس ليكرت يؤدي إلى زيادة الالتواء والتفرطح في البيانات المشاهدة، مما ينعكس سلباً على قيمة كاي-تربيع ومؤشرات التوفيق المطلق مالم يستخدم الباحثون طرق تقدير قوية تتلاءم مع هذه الخصوصيات الثقافية.

13. الانتقادات والجدل والقيود

على الرغم من المكانة المحورية التي تحتلها مؤشرات حسن المطابقة في التحليل الإحصائي الحديث، إلا أنها واجهت وتواجه انتقادات منهجية واسعة أثارت نقاشات ساخنة في مجلات القياس والتقييم النفسي:

أول وأخطر هذه الانتقادات هو ما يصفه علماء المنهجية بـ «عقلية العتبات الآلية» أو الوقوع في فخ «القواعد الذهبية الصنمية»؛ إذ تحول تقييم النماذج في كثير من الأبحاث المنشورة إلى طقس شكلي يبحث فيه الكاتب عن تجاوز رقم 0.95 في CFI وأقل من 0.06 في RMSEA دون أي تفكير نقدي في المعنى السيكولوجي لتلك المعلمات، مما شجع على التلاعب في النماذج وتعديلها تعسفياً عبر ما يعرف بمؤشرات التعديل (Modification Indices) وربط أخطاء القياس عشوائياً فقط لبلوغ المؤشرات المقبولة.

ويتمثل النقد الثاني في إهمال الفحص المحلي للمطابقة (Local Fit). فقد يحقق النموذج مؤشرات مطابقة كلية (Global Fit) خارقة للعادة، ومع ذلك يحتوي على معلمات غير منطقية بالمرة في بنيته الداخلية، مثل وجود تباينات متبقية سالبة يستحيل حدوثها واقعياً (تُعرف بتقديرات هايوود Heywood Cases)، أو وجود معاملات تشبع عاملي تزيد قيمتها عن الواحد الصحيح، أو وجود ارتباطات بالغة الضعف ومعدومة الدلالة بين مؤشرات يفترض أنها تقيس نفس البعد. إن الاكتفاء ببريق المؤشرات الكلية دون تفحص مصفوفة البواقي المعيارية ومعاملات المسار يؤدي إلى تمرير نماذج مشوهة جوهرياً.

أخيراً، يؤكد نقاد السيكومتريكس أن مؤشرات المطابقة قد تؤدي إلى معاقبة النماذج الصحيحة المعقدة؛ فالظواهر الإنسانية بطبيعتها متشابكة وغنية بالتفاصيل، واشتراط نسب مطابقة مرتفعة جداً قد يدفع الباحثين إلى تبني مقاييس بالغة القصر وسطحية المضمون لا لشيء إلا لأن النماذج البسيطة جداً تحقق حسابياً مؤشرات مطابقة أفضل بكثير من النماذج الغنية التي تحاكي التركيب النفسي الواقعي بتعقيداته الحقيقية.

14. المصطلحات ذات الصلة والفروق

تتداخل مؤشرات حسن المطابقة مع العديد من المفاهيم الإحصائية والسيكومترية القريبة، مما يستوجب تحديد الفروق الجوهرية التي تفصل بينها بدقة من خلال المقارنات التالية:

• حسن المطابقة الكلي (Global Fit) مقابل حسن المطابقة المحلي (Local Fit): يفحص المطابقة الكلية مدى ملاءمة النموذج ككل عبر مصفوفة البيانات الإجمالية (مثل مؤشري CFI و RMSEA)، بينما يركز التوفيق المحلي على سلامة المعلمات الفردية داخل النموذج، مثل معنوية كل تشبع عاملي، وحجم البواقي المعيارية لكل زوج من البنود، وغياب تقديرات هايوود الشاذة.
• مؤشرات المطابقة (Fit Indices) مقابل معامل التحديد ($R^2$): تقيس مؤشرات المطابقة مدى نجاح النموذج الإجمالي في إعادة إنتاج العلاقات بين المتغيرات في المجتمع، في حين يقيس معامل التحديد $R^2$ مقدار التباين المفسر في متغير تابع أو كامن محدد بواسطة المتغيرات المستقلة الموجهة نحوه في النموذج.
• مؤشرات المطابقة (Fit Indices) مقابل مؤشرات التعديل (Modification Indices): تخبرك مؤشرات المطابقة بالحالة الراهنة لجودة النموذج وما إذا كان مقبولاً أم لا، بينما تقدم مؤشرات التعديل توقعاً مقدماً بالقيمة التي سينخفض بها كاي-تربيع إذا ما تم تحرير مسار مغلق أو السماح بارتباط بين خطأي قياس، وهي أداة تشخيصية وليست تقييمية عامة.
• المطابقة الإحصائية (Statistical Fit) مقابل الصدق النظري (Theoretical Validity): المطابقة الإحصائية هي توافق رياضي بحت بين الأرقام، بينما الصدق النظري هو الأساس المنطقي والفلسفي الذي يفسر لماذا ترتبط هذه المتغيرات معاً. النموذج المطابق إحصائياً قد يكون باطلاً نظرياً، ولكن النموذج الصادق نظرياً يسعى دوماً للبرهنة على صدقه بالمطابقة الإحصائية.

15. ملخص وخلاصة ختامية

تشكل مؤشرات حسن المطابقة عصب التحقق التجريبي في النمذجة الإحصائية النفسية، ويمكن تكثيف أبرز حقائقها وأبعادها في النقاط الاستخلاصية التالية:

• مؤشرات حسن المطابقة هي مقاييس كمية تقيم المسافة الرياضية بين مصفوفة البيانات المشاهدة ومصفوفة العلاقات المستنتجة من النموذج النظري النفسي.
• نشأت تاريخياً لتجاوز قيود اختبار كاي-تربيع التقليدي وحساسيته المفرطة لحجم العينة الكبير، مما فتح المجال لتقييم النماذج بمقاييس تقريبية وصفية دقيقة.
• تنقسم إلى ثلاثة أنماط وظيفية متكاملة: مؤشرات مطلقة (مثل RMSEA و SRMR)، ومؤشرات تزايدية مقارنة (مثل CFI و TLI)، ومؤشرات تقتيرية ومعلوماتية (مثل AIC و BIC).
• يُعد محك هو وبنتلر (Hu & Bentler, 1999) المرجعية الأكثر قبولاً، حيث يوصي بقيم CFI و TLI لا تقل عن 0.95 وقيم RMSEA لا تزيد عن 0.06 لضمان دقة النموذج.
• تكتسب دوراً محورياً في قياس التكافؤ عبر الثقافات للتحقق من عدم تحيز المقاييس النفسية المترجمة وضمان صدق المقارنات الدولية والإقليمية.
• لا يجوز تحويل المؤشرات إلى قواعد ذهبية صماء؛ بل يجب تفسيرها دوماً في ضوء المنطق السيكولوجي، والفحص المحلي للبواقي، والتعقيد البنيوي للظاهرة المدروسة.

وختاماً، فإن مؤشرات حسن المطابقة ليست مجرد أرقام إحصائية مجردة يتباهى بها الباحث في جداول التحليل، بل هي البوصلة المنهجية التي تضمن نزاهة المسار الاستدلالي في العلوم النفسية. إنها الجسر المتين الذي يعبر عليه المنطق السيكولوجي من فضاء النظريات والتأملات المجردة إلى أرض الحقائق الإمبريقية الصلبة، مما يجعل منها ركيزة لا غنى عنها لبناء مقاييس تتمتع بأقصى درجات الثبات والصدق والجدوى الإنسانية والعيادية.

المراجع

• Bentler, P. M. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 107(2), 238–246. https://doi.org/10.1037/0033-2909.107.2.238
• Browne, M. W., & Cudeck, R. (1992). Alternative ways of assessing model fit. Sociological Methods & Research, 21(2), 230–258. https://doi.org/10.1177/0049124192021002005
• Chen, F. F. (2007). Sensitivity of goodness of fit indexes to lack of measurement invariance. Structural Equation Modeling: A Multidisciplinary Journal, 14(3), 464–504. https://doi.org/10.1080/10705510701301834
• Hu, L. t., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
• Marsh, H. W., Hau, K. T., & Wen, Z. (2004). In search of golden rules: Comment on hypothesis-testing approaches to setting cutoff values for fit indexes and dangers in overgeneralizing Hu and Bentler’s (1999) findings. Structural Equation Modeling, 11(3), 320–341. https://doi.org/10.1207/s15328007sem1103_2