هل تؤثر القيادة التحويلية في الالتزام التنظيمي مباشرة، أم عبر رفعها للرضا الوظيفي؟ وهل يختلف أثر ضغوط العمل في الاحتراق باختلاف الدعم الاجتماعي؟ السؤال الأول سؤال وساطة، والثاني سؤال تعديل أو تفاعل، والخلط بينهما من أكثر ما تلاحظه لجان المناقشة في نماذج الرسائل. يضاف إلى ذلك أن كثيرًا من الرسائل ما زالت تختبر الوساطة بخطوات Baron وKenny الأربع وحدها، بينما توصي الأدبيات الحديثة باختبار الأثر غير المباشر مباشرة بطريقة Bootstrap. هذا الدليل يفرّق بين المتغير الوسيط والمتغير المعدل، ثم يشرح اختبار كل منهما في PROCESS داخل SPSS وفي AMOS، مع مثالين رقميين وصياغة 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 هو المتغير الوسيط؟ متغير يقع في المسار بين المتغير المستقل والتابع، فينقل جزءًا من أثر المستقل أو كله إلى التابع، ويجيب عن سؤال «كيف أو لماذا يحدث الأثر؟». والمتغير المعدِّل متغير يغيّر قوة العلاقة بين المستقل والتابع أو اتجاهها، ويجيب عن سؤال «متى أو لمن يكون الأثر أقوى؟».
ما الفرق بين المتغير الوسيط والمتغير المعدل؟
| وجه المقارنة | الوسيط (Mediator) | المعدل (Moderator) |
|---|---|---|
| السؤال | كيف ولماذا يؤثر X في Y؟ | متى ولمن يكون أثر X في Y أقوى أو أضعف؟ |
| موقعه في النموذج | في المسار: X ← M ← Y | سهم يقع على العلاقة بين X وY |
| علاقته بـX | يتأثر بـX (المسار a) | لا يُفترض أن يتأثر بـX |
| الاختبار | الأثر غير المباشر a × b | معامل حد التفاعل X × W |
| النموذج في PROCESS | Model 4 | Model 1 |
| مثال | القيادة ← الرضا ← الالتزام | أثر الضغوط في الاحتراق يضعف مع ارتفاع الدعم |
الحكم على الدور يأتي من النظرية لا من البيانات. المتغير نفسه قد يكون وسيطًا في دراسة ومعدلًا في أخرى، والذي يحسم ذلك هو منطق العلاقة في الإطار النظري وتصميم الدراسة (Baron & Kenny, 1986).
خطوات Baron وKenny: لماذا لم تعد كافية وحدها؟
اقترح Baron وKenny (1986) اختبار الوساطة بأربع خطوات: أن يؤثر X في Y (المسار c)، وأن يؤثر X في المتغير الوسيط M (المسار a)، وأن يؤثر M في Y مع ضبط X (المسار b)، ثم أن يضعف أثر X في Y عند إدخال M (المسار c’). هذه الخطوات مفيدة لفهم المنطق، لكن Hayes (2022) يبين أن اشتراط دلالة المسار الكلي c قد يُخفي وساطة حقيقية، وأن الحكم بالوساطة ينبغي أن يقوم على اختبار الأثر غير المباشر a × b نفسه. واختبار Sobel التقليدي يفترض اعتدال توزيع حاصل الضرب، وهو افتراض لا يتحقق غالبًا في العينات الصغيرة والمتوسطة، لذلك يُفضَّل Bootstrap.
📱 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.
ما هي طريقة Bootstrap في اختبار الوساطة؟
يسحب البرنامج آلاف العينات من بياناتك بالإرجاع (5000 عينة مثلًا)، ويحسب الأثر غير المباشر a × b عبر المتغير الوسيط في كل منها، ثم يبني فترة ثقة 95% من توزيع هذه القيم. قاعدة القرار: إذا لم تشمل فترة الثقة الصفر فالأثر غير المباشر دال، أي أن الوساطة متحققة. وتُقرأ النتيجة بعد ذلك:
- وساطة كاملة: الأثر غير المباشر دال والأثر المباشر c’ غير دال.
- وساطة جزئية: الأثر غير المباشر دال والأثر المباشر دال أيضًا.
- لا وساطة: فترة الثقة للأثر غير المباشر تشمل الصفر.
يلاحظ Hayes (2022) أن مصطلحي «كاملة» و«جزئية» يعتمدان على حجم العينة وقوتها الإحصائية، فيُستحسن التركيز على حجم الأثر غير المباشر وفترة ثقته أكثر من التصنيف.
كيف تختبر الوساطة في PROCESS داخل SPSS؟
- ثبّت ماكرو PROCESS (ملف الحوار المخصص من موقع processmacro.org) عبر Extensions ← Utilities ← Install Custom Dialog في الإصدارات الحديثة، ثم يظهر في Analyze ← Regression.
- انقل المتغير التابع إلى Y variable، والمستقل إلى X variable، والمتغير الوسيط إلى Mediator(s) M.
- اختر Model number = 4.
- من Options اختر عدد عينات Bootstrap 5000، ويمكن طلب الآثار المعيارية.
- OK. تظهر المخرجات نصية: نموذج M (المسار a)، ثم نموذج Y (المسارين b وc’)، ثم قسم Direct and indirect effects of X on Y الذي يحوي الأثر غير المباشر وفترة ثقته BootLLCI وBootULCI.
مثال رقمي للوساطة: من المخرجات إلى الجملة
دراسة على 250 موظفًا: X القيادة التحويلية، وM الرضا الوظيفي (المتغير الوسيط)، وY الالتزام التنظيمي (متوسطات على مقياس خماسي). نتائج PROCESS Model 4 بالمعاملات غير المعيارية:
| المسار | المعامل | الخطأ المعياري | الدلالة |
|---|---|---|---|
| a: القيادة ← الرضا | 0.48 | 0.06 | p < .001 |
| b: الرضا ← الالتزام (مع ضبط القيادة) | 0.35 | 0.07 | p < .001 |
| c’: الأثر المباشر للقيادة | 0.21 | 0.07 | p = .004 |
| الأثر غير المباشر a × b | 0.17 | Bootstrap | فترة ثقة 95% [0.10، 0.25] |
| الأثر الكلي c = c’ + a × b | 0.38 | 0.06 | p < .001 |
تحقق من الاتساق: 0.48 × 0.35 = 0.168 ≈ 0.17، و0.21 + 0.168 = 0.378 ≈ 0.38، وهذه المعادلة تتحقق دائمًا في نماذج الانحدار بالمربعات الصغرى على العينة نفسها. فترة الثقة لا تشمل الصفر، والأثر المباشر دال، فالوساطة جزئية.
الصياغة المقترحة: «أظهر تحليل الوساطة باستخدام PROCESS (النموذج 4) مع 5000 عينة Bootstrap أن للقيادة التحويلية أثرًا غير مباشر دالًا في الالتزام التنظيمي عبر الرضا الوظيفي (b = 0.17، 95% CI [0.10، 0.25])، وبقي الأثر المباشر دالًا (b = 0.21، p = .004)، مما يشير إلى وساطة جزئية؛ أي أن نحو 45% من الأثر الكلي (0.17 من 0.38) يمر عبر الرضا الوظيفي».
كيف تختبر الوساطة في AMOS؟
ارسم النموذج بمتغيراته المستقلة والتابعة مع المتغير الوسيط (مشاهدة أو كامنة)، ثم من Analysis Properties ← Bootstrap فعّل Perform bootstrap بعدد 5000 وBias-corrected confidence intervals بمستوى 95، ومن Output فعّل Indirect, direct & total effects. بعد التشغيل اقرأ جدول Standardized Indirect Effects ثم دلالته من Two Tailed Significance (BC). ميزة AMOS أنه يتيح الوساطة بين متغيرات كامنة بعد التحقق من نموذج القياس، وفي النماذج متعددة الوسطاء يحتاج فصل كل أثر غير مباشر على حدة إلى تقديرات معرفة من المستخدم (User-defined estimands).
كيف تختبر التعديل (التفاعل) في PROCESS؟
اختر Model number = 1، وضع المعدل في Moderator variable W، وفعّل من Options توسيط المتغيرات (Mean center) وطلب المنحدرات البسيطة عند المتوسط وانحراف معياري فوقه وتحته. المعامل الحاسم هو معامل حد التفاعل X × W ودلالته، ومعه الزيادة في R² الناتجة عن التفاعل.
مثال رقمي: على 250 موظفًا، X ضغوط العمل، W الدعم الاجتماعي (موسَّط، انحرافه المعياري 0.80)، Y الاحتراق الوظيفي. المعاملات: X = 0.52، W = −0.30، حد التفاعل = −0.18 (p = .002)، والزيادة في R² بسبب التفاعل = 0.03. المنحدرات البسيطة: أثر الضغوط = 0.52 + (−0.18 × W)؛ عند دعم منخفض (W = −0.80) يساوي 0.52 + 0.144 = 0.66، وعند المتوسط 0.52، وعند دعم مرتفع (W = +0.80) يساوي 0.52 − 0.144 = 0.38. أي أن الدعم الاجتماعي يُضعف أثر الضغوط في الاحتراق.
أخطاء شائعة في الوساطة والتفاعل
- الخلط بين المتغير الوسيط والمعدل: تسمية المتغير «وسيطًا» وهو معدل في منطق الإطار النظري، أو العكس.
- رفض الوساطة لأن المسار الكلي c غير دال دون اختبار الأثر غير المباشر.
- الاعتماد على اختبار Sobel وحده في عينة صغيرة.
- اختبار التفاعل دون توسيط المتغيرات ثم تفسير المعاملات الرئيسة كأنها آثار عامة.
- الاكتفاء بدلالة حد التفاعل دون عرض المنحدرات البسيطة أو رسمها.
- ادعاء السببية من بيانات مقطعية؛ الوساطة في التصميم المقطعي تبقى تفسيرًا نظريًا مدعومًا إحصائيًا لا إثباتًا سببيًا (Hayes, 2022).
📱 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 أستخدم PROCESS أم AMOS لاختبار الوساطة؟
إذا كانت متغيراتك، ومنها المتغير الوسيط، درجات محاور مشاهدة ونموذجك بسيط فـPROCESS أسهل وأوضح. وإذا كانت متغيرات كامنة لها نموذج قياس، أو النموذج يتضمن عدة مسارات متزامنة، فـAMOS أو برامج النمذجة البنائية أنسب.
كم عينة Bootstrap أحتاج؟
يوصي Hayes (2022) بخمسة آلاف عينة على الأقل للحصول على حدود فترة ثقة مستقرة، ويمكن زيادتها إلى عشرة آلاف في التقرير النهائي.
هل يمكن أن يكون الأثر الكلي غير دال مع وجود وساطة؟
نعم، خصوصًا إذا كان الأثر المباشر والأثر غير المباشر باتجاهين متعاكسين، أو كانت العينة صغيرة. لهذا لا يُشترط دلالة المسار الكلي للحكم بالوساطة وفق Hayes (2022).
ما معنى الوساطة المعدَّلة؟
أن يختلف حجم الأثر غير المباشر باختلاف مستوى متغير معدل، مثل أن يكون أثر القيادة عبر الرضا أقوى في القطاع الخاص. تُختبر في PROCESS بنماذج مثل 7 و14، ويُقرأ فيها مؤشر الوساطة المعدلة وفترة ثقته.
كيف أكتب فرضية الوساطة في الرسالة؟
صِغها بوصف الأثر غير المباشر: «يوجد أثر غير مباشر دال إحصائيًا للقيادة التحويلية في الالتزام التنظيمي عبر الرضا الوظيفي»، ثم حدد في المنهجية أداة الاختبار وعدد عينات Bootstrap.
المصادر
- Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173
- Hayes, A. F. (2022). Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach (3rd ed.). Guilford Press.
- Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE.
- Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
- The PROCESS macro for SPSS, SAS, and R. https://www.processmacro.org/
- 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.