أجريت التحليل العاملي التوكيدي في AMOS فظهر لك CFI = 0.93 وRMSEA = 0.07، فهل نموذجك مقبول أم مرفوض؟ هذا السؤال يتكرر في كل رسالة تستخدم مقياسًا متعدد الأبعاد، والإجابة ليست «نعم» أو «لا» بقدر ما هي قراءة متكاملة لعدة مؤشرات وحدودها ومصادرها. كثير من الرسائل تنقل جدولًا لمؤشرات المطابقة دون أن تذكر من وضع حدودها، أو تعدّل النموذج بمؤشرات التعديل حتى «يطابق» دون مبرر نظري. هذا الدليل يشرح متى تستخدم التحليل العاملي التوكيدي، وكيف تبني النموذج في AMOS، وكيف تقرأ مؤشرات المطابقة والتشبعات والثبات المركب والصدق التقاربي والتمييزي، ثم مثالًا رقميًا كاملًا وصياغته.
هذا المقال جزء من دليل كتابة رسالة الماجستير الذي يُعدّه فريق Mastermind PhD، ويرتبط بخدمة التحليل الإحصائي. آخر تحقق من المصادر: نوفمبر 2026.
ما هو التحليل العاملي التوكيدي (CFA)؟ أسلوب من أساليب النمذجة بالمعادلات البنائية يختبر مدى مطابقة بنية عاملية محددة مسبقًا لبيانات العينة: يحدد الباحث سلفًا عدد العوامل وأي الفقرات تتشبع على أي عامل، ثم يقارن البرنامج مصفوفة التباين المشترك التي يفترضها النموذج بالمصفوفة المشاهدة، ويُخرج مؤشرات تبين مقدار التطابق بينهما.
متى تستخدم التحليل العاملي التوكيدي؟
تستخدمه حين تكون لديك بنية مفترضة مبررة نظريًا: مقياس مقنن معروف الأبعاد، أو بنية ظهرت في تحليل عاملي استكشافي سابق على عينة أخرى، أو نموذج قياس تريد التحقق منه قبل اختبار الفرضيات في نموذج بنائي كامل. وهو الخطوة الأولى في منهجية الخطوتين المعروفة في النمذجة البنائية: نموذج القياس أولًا ثم النموذج البنائي (Kline, 2016).
لا تستخدم التحليل العاملي التوكيدي لاكتشاف البنية من الصفر؛ هذا دور التحليل العاملي الاستكشافي. وإذا كان هدفك التنبؤ ونموذجك معقدًا وعينتك صغيرة فقد يناسبك نهج PLS-SEM في SmartPLS بدلًا من AMOS.
شروط التحليل العاملي التوكيدي
- حجم العينة: لا يوجد رقم واحد؛ يشير Kline (2016) إلى أن 200 حالة حد شائع في الأدبيات، وأن العدد المطلوب يزيد مع تعقيد النموذج وانخفاض التشبعات.
- التوزيع: طريقة الأرجحية العظمى الافتراضية في AMOS تفترض اعتدالًا متعدد المتغيرات؛ افحص الالتواء والتفرطح ومؤشر Mardia من خيار Tests for normality and outliers.
- عدد الفقرات لكل عامل: ثلاث فقرات على الأقل لكل عامل ليكون العامل محددًا تحديدًا جيدًا.
- عدم وجود قيم مفقودة: AMOS لا يحسب مؤشرات التعديل مع القيم المفقودة؛ عالجها قبل التحليل.
📱 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.
كيف تبني النموذج في AMOS؟
- افتح ملف SPSS من File ← Data Files.
- ارسم لكل عامل شكلًا بيضاويًا (متغير كامن) ومستطيلات لفقراته باستخدام أداة Draw a latent variable.
- اسحب أسماء الفقرات من List variables in data set إلى المستطيلات، وسمِّ المتغيرات الكامنة وحدود الخطأ (e1، e2 …) من Plugins ← Name Unobserved Variables.
- ارسم أسهمًا ثنائية الاتجاه بين العوامل إذا افترضت ارتباطها، وهو الغالب.
- يثبّت AMOS تلقائيًا تشبع فقرة واحدة في كل عامل على 1 لتحديد مقياس العامل.
- من Analysis Properties ← Output فعّل Standardized estimates وSquared multiple correlations وModification indices.
- Calculate Estimates، ثم اقرأ النتائج من Text Output.
مؤشرات المطابقة: ماذا يعني كل مؤشر وما حدوده؟
| المؤشر | ماذا يقيس | الحد المقترح | المصدر |
|---|---|---|---|
| χ² ودلالته | الفرق بين المصفوفتين؛ عدم الدلالة مطابقة | غير دال مثاليًا، لكنه يتأثر بحجم العينة | Kline (2016) |
| χ²/df (CMIN/DF) | مربع كاي النسبي | أقل من 3 شائع في الأدبيات التطبيقية | شائع، ولا يُعتمد عليه وحده (Kline, 2016) |
| CFI | المطابقة المقارنة بالنموذج المستقل | 0.95 فأكثر لمطابقة جيدة | Hu & Bentler (1999) |
| TLI | المطابقة مع عقوبة التعقيد | 0.95 فأكثر | Hu & Bentler (1999) |
| RMSEA | خطأ الاقتراب لكل درجة حرية | 0.06 أو أقل، مع فترة ثقة 90% | Hu & Bentler (1999) |
| SRMR | متوسط البواقي المعيارية | 0.08 أو أقل | Hu & Bentler (1999) |
قاعدتان مهمتان. الأولى أن Hu وBentler (1999) اقترحوا هذه الحدود بوصفها معايير مركبة (مثل CFI قرب 0.95 مع SRMR قرب 0.08) لا عتبات منفصلة لكل مؤشر. والثانية أن Kline (2016) يحذر من التعامل مع الحدود كقواعد ذهبية، ويوصي بعرض χ² ودرجات الحرية وRMSEA بفترة ثقته وCFI وSRMR معًا، مع فحص البواقي. لذلك إن رأيت في رسالة أخرى حد 0.90 لمؤشر CFI فهو معيار أقدم أكثر تساهلًا، ويجب أن تذكر مصدر أي حد تعتمده.
التشبعات والثبات المركب والصدق التقاربي
بعد المطابقة انتقل إلى جدول Standardized Regression Weights. التشبع المعياري يمثل ارتباط الفقرة بعاملها، ويوصي Hair وآخرون (2019) بأن يكون 0.50 فأكثر، ويفضل 0.70 فأكثر. ومن التشبعات تحسب مؤشرين لا يُخرجهما AMOS مباشرة:
- الثبات المركب (CR) = (مجموع التشبعات)² ÷ [(مجموع التشبعات)² + مجموع تباينات الخطأ]، حيث تباين خطأ الفقرة = 1 − مربع تشبعها. الحد المقترح 0.70 فأكثر (Hair et al., 2019).
- متوسط التباين المستخلص (AVE) = متوسط مربعات التشبعات. الحد المقترح 0.50 فأكثر، أي أن العامل يفسر أكثر من نصف تباين فقراته (Fornell & Larcker, 1981).
الصدق التمييزي: Fornell-Larcker وHTMT
الصدق التمييزي في التحليل العاملي التوكيدي يعني أن كل عامل يختلف فعلًا عن العوامل الأخرى. معيار Fornell وLarcker (1981): الجذر التربيعي لقيمة AVE لكل عامل يجب أن يكون أكبر من ارتباطه بأي عامل آخر. معيار HTMT (Henseler, Ringle, & Sarstedt, 2015): نسبة الارتباطات بين فقرات عاملين مختلفين إلى الارتباطات داخل العامل الواحد، والحد المقترح أقل من 0.85 للمفاهيم المتباعدة و0.90 للمتقاربة. وقد أظهرت دراستهم أن HTMT أدق في كشف ضعف الصدق التمييزي، فيُستحسن عرض المعيارين معًا.
مؤشرات التعديل: متى تستخدمها ومتى تتجنبها؟
مؤشر التعديل (Modification Index) يقدّر مقدار انخفاض χ² إذا أُضيف مسار أو ارتباط. الإغراء كبير بربط أخطاء الفقرات حتى تتحسن المطابقة، لكن هذا يحول التحليل العاملي التوكيدي إلى استكشافي. الممارسة المقبولة: لا تربط إلا أخطاء فقرتين من العامل نفسه بينهما تشابه في الصياغة أو المعنى يبرر ذلك، وعدّل خطوة واحدة في كل مرة، واذكر كل تعديل وسببه في الرسالة. أما نقل فقرة إلى عامل آخر أو ربط أخطاء عبر عوامل مختلفة فيحتاج مبررًا نظريًا قويًا (Kline, 2016).
مثال رقمي كامل: من المخرجات إلى الجملة
نموذج قياس رباعي العوامل من 19 فقرة لمقياس الاندماج الوظيفي، طُبّق على 300 معلم، والعوامل مرتبطة. درجات الحرية: عدد القيم المشاهدة 19 × 20 ÷ 2 = 190، والمعالم الحرة 44 (15 تشبعًا حرًا بعد تثبيت أربعة، و19 تباين خطأ، و4 تباينات للعوامل، و6 ارتباطات)، فدرجات الحرية 190 − 44 = 146.
المطابقة: χ²(146) = 312.4، p < .001، وχ²/df = 2.14، وCFI = 0.951، وTLI = 0.943، وRMSEA = 0.062 بفترة ثقة 90% من 0.052 إلى 0.071، وSRMR = 0.048. مربع كاي دال كما هو متوقع مع 300 حالة، وCFI وSRMR يحققان المعيار المركب لـHu وBentler (1999)، وRMSEA أعلى قليلًا من 0.06 لكن حدها الأدنى ضمن المدى الجيد، وTLI قريب من 0.95. الحكم: مطابقة مقبولة.
العامل الأول (خمس فقرات) تشبعاته المعيارية 0.72 و0.78 و0.81 و0.69 و0.75. مجموعها 3.75 ومربع المجموع 14.06، ومجموع تباينات الخطأ 2.18، فالثبات المركب = 14.06 ÷ (14.06 + 2.18) = 0.87، ومتوسط مربعات التشبعات AVE = 2.82 ÷ 5 = 0.56. والجذر التربيعي لـAVE = 0.75، وهو أكبر من أعلى ارتباط لهذا العامل بغيره (0.52)، فالصدق التمييزي متحقق وفق Fornell وLarcker.
الصياغة المقترحة: «أظهر التحليل العاملي التوكيدي مطابقة مقبولة للنموذج الرباعي: χ²(146) = 312.4، p < .001، CFI = .951، TLI = .943، RMSEA = .062 [90% CI: .052، .071]، SRMR = .048. وتراوحت التشبعات المعيارية للعامل الأول بين .69 و.81، وبلغ الثبات المركب .87 ومتوسط التباين المستخلص .56، مما يدعم الصدق التقاربي، وتحقق الصدق التمييزي وفق معيار Fornell وLarcker».
أخطاء شائعة في التحليل العاملي التوكيدي
- عرض χ²/df وCFI فقط دون RMSEA وSRMR.
- اعتماد حدود دون ذكر مصادرها، أو خلط حدود قديمة بحديثة في جدول واحد.
- ربط أخطاء الفقرات عبر عوامل مختلفة لتحسين المطابقة.
- حذف فقرات كثيرة حتى تتحسن المؤشرات دون مناقشة أثر ذلك على صدق المحتوى.
- إغفال فحص الاعتدال قبل استخدام الأرجحية العظمى.
- الخلط بين التشبعات المعيارية وغير المعيارية في الجداول.
📱 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 يكفي χ²/df أقل من 3 لقبول النموذج؟
لا. هذا المؤشر متأثر بحجم العينة وليس له مصدر موحد للحد. اعرضه إن طلبه مشرفك، لكن اعتمد في الحكم على CFI وTLI وRMSEA وSRMR معًا وفق Hu وBentler (1999).
ماذا أفعل إذا كان CFI أقل من 0.90؟
افحص التشبعات المنخفضة ومؤشرات التعديل والبواقي المعيارية. قد تكون هناك فقرة ضعيفة أو خطأ في تحديد النموذج. عدّل خطوة واحدة مبررة، وإن بقيت المطابقة ضعيفة فناقش البنية بصدق بدل التلاعب بالنموذج.
هل أحتاج تحليلًا عامليًا استكشافيًا قبل التوكيدي؟
إذا كانت الأداة جديدة أو مترجمة ولم تُختبر بنيتها فنعم، ويُفضَّل على عينة مستقلة. وإذا كان المقياس مقننًا ومعروف البنية فالتوكيدي وحده كافٍ غالبًا.
كيف أحسب الثبات المركب وAVE في AMOS؟
لا يُخرجهما AMOS مباشرة. انسخ التشبعات المعيارية إلى Excel، واحسب CR من مربع مجموع التشبعات مقسومًا على نفسه مضافًا إليه مجموع تباينات الخطأ، وAVE من متوسط مربعات التشبعات، أو استخدم إضافات AMOS المتاحة.
ما الفرق بين AMOS وSmartPLS في التحليل التوكيدي؟
AMOS يعتمد التباين المشترك ومؤشرات المطابقة الكلية ويناسب اختبار النظرية، وSmartPLS يعتمد المربعات الصغرى الجزئية ويركز على الثبات والصدق والقدرة التنبؤية ويتساهل مع العينات الأصغر. اختر وفق هدف الدراسة لا وفق سهولة البرنامج.
المصادر
- Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
- Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
- Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50.
- 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
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage.
- IBM. IBM SPSS Amos documentation. https://www.ibm.com/docs/en/spss-amos
آخر تحقق من المصادر: نوفمبر 2026. المقال تعليمي عام ولا يغني عن لائحة جامعتك أو توجيهات مشرفك. كيف نُعد محتوانا.