مشرفك قال «استخدم نمذجة المعادلات البنائية»، ثم اختلف الزملاء: فريق يقول AMOS هو المعيار، وفريق يقول SmartPLS أسهل وأسرع. من على حق؟ كلاهما، لكن لنماذج مختلفة. الاختيار بين البرنامجَين ليس تفضيلًا شخصيًا بل نتيجة ثلاثة أسئلة عن دراستك: هل تختبر نظرية راسخة أم تستكشف نموذجًا جديدًا؟ كم حجم عينتك وكيف توزيعها؟ وهل بُناك انعكاسية أم تكوينية؟ هذا المقال يجيب عن سؤال AMOS أم SmartPLS بمقارنة البرنامجَين في عشرة معايير، ويقدم شجرة قرار، ثم قائمة المؤشرات التي يجب أن تُبلِّغ عنها في كل برنامج حتى يقبل المحكمون النتائج.
هذا المقال جزء من دليل كتابة رسالة الماجستير الذي يُعدّه فريق Mastermind PhD، ويرتبط بخدمة التحليل الإحصائي. آخر تحقق من المصادر: نوفمبر 2026.
ما الفرق بين AMOS وSmartPLS؟ AMOS برنامج من IBM لنمذجة المعادلات البنائية القائمة على التغاير (CB-SEM) يُقدِّر النموذج بطريقة الإمكان الأعظم ويقيّمه بمؤشرات المطابقة الكلية، ويناسب اختبار النظريات الراسخة بعينات كبيرة. SmartPLS برنامج لنمذجة المسار بالمربعات الصغرى الجزئية (PLS-SEM) يُعظِّم التباين المفسَّر في المتغيرات التابعة، ويناسب النماذج الاستكشافية والتنبؤية والعينات الأصغر والتوزيعات غير الطبيعية، ويقيَّم بمعايير التنبؤ لا بمطابقة كلية.
AMOS أم SmartPLS؟ المقارنة في عشرة معايير
| المعيار | AMOS (CB-SEM) | SmartPLS (PLS-SEM) |
|---|---|---|
| هدف الدراسة | اختبار وتأكيد نظرية قائمة | التنبؤ والاستكشاف وتطوير النظرية |
| منطق التقدير | تقليل الفرق بين مصفوفة التغاير المشاهدة والمقدَّرة | تعظيم التباين المفسَّر في البُنى التابعة |
| حجم العينة | 200 فأكثر غالبًا، أو 10 حالات لكل معلمة | يعمل مع عينات أصغر (الجذر التربيعي العكسي أو تحليل القوة)؛ العينة الكبيرة أفضل دائمًا |
| التوزيع | يفترض الاعتدالية المتعددة في الإمكان الأعظم؛ توجد بدائل مصححة | لا يفترض توزيعًا؛ الاستدلال بإعادة المعاينة Bootstrap |
| نوع البُنى | انعكاسية أساسًا؛ التكوينية ممكنة بتعقيد | انعكاسية وتكوينية بسهولة |
| النماذج المعقدة | تزداد مشكلات التقدير مع كثرة البُنى والمسارات | يتعامل مع النماذج الكبيرة والبُنى الهرمية بسلاسة |
| تقييم النموذج | χ²/df، CFI، TLI، RMSEA، SRMR | لا مطابقة كلية بالمعنى نفسه؛ SRMR تقريبي، R²، f²، Q²، PLSpredict |
| الوساطة والتعديل | ممكنة؛ الوساطة بـBootstrap، التعديل بالمنتجات أو المجموعات المتعددة | مدمجة بواجهة مباشرة للوساطة والتعديل والمجموعات المتعددة |
| القبول في الكليات العربية | راسخ في التربية وعلم النفس والعلوم الصحية | متزايد بقوة في الإدارة والتسويق ونظم المعلومات |
| التكلفة والتعلم | إضافة مرخصة ضمن IBM SPSS؛ واجهة رسم مألوفة | ترخيص سنوي مع نسخة طلابية؛ منحنى تعلم أسرع |
متى يكون AMOS الخيار الصحيح؟
إذا كان سؤالك AMOS أم SmartPLS، فالكفة تميل إلى AMOS في هذه الحالات:
- نموذجك مستمد من نظرية راسخة وتريد تأكيدها أو مقارنة نماذج متنافسة.
- عينتك 200 فأكثر وتوزيع المتغيرات مقبول (أو يمكنك استخدام Bollen-Stine bootstrap للتصحيح).
- تخصصك تربوي أو نفسي أو صحي وتتوقع لجنة تطلب مؤشرات المطابقة الكلية.
- تحتاج تحليلًا عامليًا توكيديًا دقيقًا لأداة قياس ستُستخدم في دراسات لاحقة، أو اختبار ثبات البنية عبر مجموعات (Measurement invariance).
- النموذج صغير إلى متوسط: ثلاث إلى ست بُنى بمسارات محدودة.
📱 اسأل مختصًا إحصائيًا عن بياناتك — أرسل وصف أداة الدراسة وحجم العينة على واتساب، ونرد عليك بخطة التحليل المناسبة. مع كل تحليل تستلم ملف SPSS الخام وتقرير النتائج.
متى يكون SmartPLS أنسب؟
- الهدف التنبؤ أو استكشاف علاقات جديدة أو تمديد نظرية لسياق جديد.
- العينة أصغر من 200، أو التوزيع منحرف بوضوح، أو البيانات ترتيبية.
- بعض بُناك تكوينية (مؤشر مركَّب من أبعاد مختلفة مثل «الأداء التنظيمي» من الربحية والحصة السوقية ورضا العملاء).
- النموذج معقد: ثماني بُنى فأكثر، أو بُنى من مرتبة أعلى، أو عدة وسائط ومعدِّلات.
- تخصصك إداري أو تسويقي أو نظم معلومات حيث يُستخدم PLS-SEM على نطاق واسع في المجلات المرجعية.
شجرة قرار: AMOS أم SmartPLS في ثلاثة أسئلة
- هل تختبر نظرية راسخة بنموذج محدود البُنى؟ نعم ← انتقل إلى السؤال 2. لا (استكشاف أو تنبؤ أو نموذج كبير) ← SmartPLS.
- هل عينتك 200 فأكثر وتوزيعك مقبول؟ نعم ← AMOS. لا ← SmartPLS، أو AMOS مع تقدير متين وتصحيح Bootstrap إذا أصر القسم عليه.
- هل كل بُناك انعكاسية؟ نعم ← أي البرنامجَين وفق الإجابتَين السابقتَين. لا (بُنى تكوينية) ← SmartPLS.
مهما كانت إجابتك عن سؤال AMOS أم SmartPLS، اكتب مبررها في فصل المنهجية بمرجعَين على الأقل، فاللجان تعترض على غياب التبرير أكثر من اعتراضها على الاختيار نفسه.
قائمة الإبلاغ في AMOS
نموذج القياس (CFA): التشبعات المعيارية (0.50 فأكثر، ويُفضَّل 0.70)، الصدق التقاربي بمتوسط التباين المستخلص AVE ≥ 0.50 والثبات المركب CR ≥ 0.70، الصدق التمايزي بمعيار Fornell-Larcker (جذر AVE لكل بُنية أكبر من ارتباطها بغيرها) أو HTMT.
مطابقة النموذج: χ² ودرجات حريته ودلالته، χ²/df أقل من 3 (وبعض المراجع 5)، CFI وTLI ≥ 0.90 (و0.95 للمطابقة الجيدة وفق Hu & Bentler)، RMSEA ≤ 0.08 (و0.06 للجيدة) مع فترة ثقته، SRMR ≤ 0.08. أبلغ عن المؤشرات الخمسة معًا ولا تنتقِ ما يُرضي.
النموذج البنائي: معاملات المسار المعيارية مع قيم t أو p، التباين المفسَّر R² لكل بُنية تابعة، والأثر غير المباشر بفترات ثقة Bootstrap (2,000 إلى 5,000 عينة) لفرضيات الوساطة.
قائمة الإبلاغ في SmartPLS
نموذج القياس الانعكاسي: التشبعات الخارجية ≥ 0.708، ثبات المؤشرات، الثبات المركب بين 0.70 و0.95 (وألفا كرونباخ وrho_A)، AVE ≥ 0.50، والصدق التمايزي بمعيار HTMT أقل من 0.85 (أو 0.90 للبُنى المتقاربة مفهوميًا) مع فترات ثقته.
نموذج القياس التكويني: التعدد الخطي بين المؤشرات VIF أقل من 5 (ويُفضَّل أقل من 3)، ودلالة الأوزان الخارجية ومعناها.
النموذج البنائي: VIF بين البُنى، معاملات المسار بدلالتها من Bootstrap بـ10,000 عينة فرعية وفترات الثقة، R² وR² المعدل (0.25 ضعيف، 0.50 متوسط، 0.75 كبير في الإدارة)، حجم الأثر f² (0.02 صغير، 0.15 متوسط، 0.35 كبير)، الملاءمة التنبؤية Q² أكبر من صفر، وإجراء PLSpredict للقوة التنبؤية خارج العينة. SRMR أقل من 0.08 يُذكر بوصفه مؤشرًا تقريبيًا فقط.
مثال قرار AMOS أم SmartPLS: دراستان بنموذج متشابه وبرنامجَين مختلفَين
الدراسة الأولى في كلية التربية تختبر نموذجًا راسخًا للكفاءة الذاتية بأربع بُنى انعكاسية (16 فقرة) على 420 معلمًا، والتوزيع مقبول، والهدف تأكيد أن النموذج يصلح للسياق السعودي. القرار: AMOS؛ تحليل عاملي توكيدي لنموذج القياس ثم النموذج البنائي مع الإبلاغ عن χ²/df وCFI وTLI وRMSEA وSRMR، والوساطة بـBootstrap بـ5,000 عينة.
الدراسة الثانية في كلية الأعمال تستكشف أثر «الجاهزية الرقمية»، وهي بُنية تكوينية من أربعة مؤشرات مختلفة (البنية التحتية، المهارات، الثقافة، القيادة)، في الأداء عبر وسيطَين ومعدِّل واحد، على 160 مديرًا، وتوزيع البيانات منحرف. القرار: SmartPLS؛ تقييم نموذج القياس التكويني بالأوزان وVIF، ثم المسارات بـBootstrap بـ10,000 عينة فرعية، وR² وf² وQ² وPLSpredict.
الفرق بين القرارَين في مسألة AMOS أم SmartPLS ليس في مهارة الباحث بل في مطابقة الأداة لهدف الدراسة وحجم العينة ونوع البُنى، وهذا ما يجب أن تقوله جملة التبرير في المنهجية.
أخطاء شائعة في الاختيار والإبلاغ
- حسم سؤال AMOS أم SmartPLS لصالح SmartPLS فقط لأن العينة صغيرة بينما الهدف تأكيد نظرية بنموذج بسيط؛ الأفضل تكبير العينة أو تبرير الاختيار بما يتجاوز حجم العينة.
- الإبلاغ عن مؤشرات مطابقة AMOS (CFI وRMSEA) لنموذج SmartPLS أو العكس.
- تجاهل الصدق التمايزي، أو الاعتماد على Fornell-Larcker فقط في PLS رغم أن HTMT هو المعيار الموصى به حاليًا.
- حذف فقرات كثيرة لتحسين المطابقة دون تبرير نظري (استغلال العينة).
- استخدام Bootstrap بـ500 عينة فرعية فقط؛ المعيار الحالي 5,000 إلى 10,000.
- تفسير R² مرتفع في PLS على أنه دليل صحة النظرية.
📱 استفسر الآن على واتساب — 5 سنوات خبرة في كل التخصصات و14 خدمة أكاديمية. الدفع على مرحلتين (80/20)، والتعديلات مجانية حتى اعتماد المشرف في حدود 30% من الفصل.
الأسئلة الشائعة
هل يمكن إجراء التحليل العاملي التوكيدي في SmartPLS؟
PLS-SEM يُقيّم نموذج القياس بالتشبعات وAVE وHTMT، لكنه لا يُنتج التحليل العاملي التوكيدي بالمعنى التقليدي ولا مؤشرات مطابقة كلية موثوقة. إذا كان هدف الدراسة تطوير أداة قياس والتحقق من بنيتها العاملية فـAMOS (أو R-lavaan) هو الأنسب.
عينتي 150 حالة ونموذجي من خمس بُنى انعكاسية مستمد من نظرية راسخة، AMOS أم SmartPLS؟
الحجم على حدود AMOS الدنيا. إذا كان التوزيع مقبولًا ونموذجك بسيطًا فيمكن استخدام AMOS مع ذكر المحدد؛ وإذا انحرف التوزيع أو تعقّد النموذج فSmartPLS مع تحليل القوة لتبرير العينة. ناقش الخيارَين مع المشرف ووثّق القرار.
هل تقبل اللجان العربية SmartPLS؟
نعم على نحو متزايد، خاصة في كليات الإدارة والاقتصاد، بشرط الإبلاغ وفق إرشادات Hair وزملائه (2019) والاستشهاد بها. في كليات التربية وعلم النفس لا يزال AMOS أكثر رسوخًا.
ما البديل المجاني للبرنامجَين؟
حزمة lavaan في R لنمذجة التغاير (تعادل AMOS وتزيد عنه)، وحزمة seminr أو plspm في R وبرنامج ADANCO لنمذجة PLS. البرامج المجانية مقبولة أكاديميًا بشرط ذكر الحزمة وإصدارها.
هل أستخدم SPSS أولًا قبل AMOS أو SmartPLS؟
نعم. التنظيف والوصفي والصدق الأولي وألفا كرونباخ تُجرى في SPSS، ويُصدَّر الملف (.sav أو .csv) إلى البرنامج البنائي. التحليل البنائي يبدأ من بيانات نظيفة ومتغيرات مرمَّزة بشكل صحيح.
المصادر
- 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.
- Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2–24. https://doi.org/10.1108/EBR-11-2018-0203
- Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford.
- Byrne, B. M. (2016). Structural Equation Modeling with AMOS: Basic Concepts, Applications, and Programming (3rd ed.). Routledge.
- Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
- Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
- Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50.
- SmartPLS GmbH. SmartPLS 4. https://www.smartpls.com/ · IBM. IBM SPSS Amos. https://www.ibm.com/products/structural-equation-modeling-sem
آخر تحقق من المصادر: نوفمبر 2026. المقال تعليمي عام ولا يغني عن لائحة جامعتك أو توجيهات مشرفك. كيف نُعد محتوانا.