النمذجة بالمعادلات البنائية SEM: دليل المبتدئ لرسالة الماجستير

أعدّه فريق Mastermind PhD · آخر تحديث: 3 نوفمبر 2026 · سياسة التحرير

مشرفك اقترح «نمذجة بالمعادلات البنائية» لاختبار نموذج دراستك، وأنت لم تتجاوز في مقررات الإحصاء الانحدار المتعدد: من أين تبدأ؟ هذا موقف شائع في رسائل الإدارة والتسويق والتربية وعلم النفس، لأن النماذج التي تجمع عدة متغيرات كامنة ومسارات متزامنة ووسطاء أصبحت هي المعتاد في الدوريات، ولم يعد الانحدار المنفصل لكل فرضية كافيًا. الخبر الجيد أن النمذجة بالمعادلات البنائية تقوم على منطق بسيط يمكن فهمه قبل الدخول في البرامج: قِس متغيراتك قياسًا جيدًا أولًا، ثم اختبر العلاقات بينها دفعة واحدة. هذا الدليل يشرح المصطلحات الأساسية، والفرق بين النهجين الرئيسين، وحجم العينة، والخطوات الست من النظرية إلى التقرير، وقراءة المؤشرات وحدودها المنسوبة لمصادرها، مع مثال رقمي كامل لرسالة ماجستير، وقالب لعرض النتائج، وأخطاء تتكرر في الرسائل.

هذا المقال جزء من دليل كتابة رسالة الماجستير الذي يُعدّه فريق Mastermind PhD، ويرتبط بخدمة التحليل الإحصائي. آخر تحقق من المصادر: نوفمبر 2026.

لماذا تُستخدم النمذجة بالمعادلات البنائية بدل الانحدار المتعدد؟

الانحدار المتعدد يتعامل مع درجة المحور (متوسط الفقرات) كأنها قياس خالٍ من الخطأ، ويختبر معادلة واحدة في كل مرة. أما النمذجة بالمعادلات البنائية فتقدم ثلاث مزايا:

1. تفصل خطأ القياس: تُقدَّر المتغيرات الكامنة من فقراتها مع احتساب خطأ كل فقرة، فتكون تقديرات العلاقات أدق (Kline, 2016).
2. تختبر النموذج كاملًا دفعة واحدة: المسارات كلها والوسطاء تُقدَّر معًا، بدل سلسلة انحدارات منفصلة.
3. تقيّم صدق القياس داخل التحليل نفسه: التشبعات والثبات المركب والصدق التقاربي والتمييزي جزء من المخرجات.

لكن هذه المزايا لها ثمن: عينة أكبر، وافتراضات أكثر، ومؤشرات تحتاج تفسيرًا دقيقًا. إذا كانت دراستك فرضية واحدة بين متغيرين فالانحدار أو الارتباط يكفيان، ولا داعي لاستخدام النمذجة بالمعادلات البنائية لمجرد أنها تبدو أقوى.

المصطلحات الأساسية التي ستقابلها

📱 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.

النهجان الرئيسان: CB-SEM أم PLS-SEM؟

هناك نهجان في النمذجة بالمعادلات البنائية لتقدير النماذج، ولكل منهما برامجه ومنطقه:

ويلخص Hair وآخرون في كتاب A Primer on PLS-SEM معيار الاختيار: إذا كان الهدف اختبار نظرية راسخة ومقارنة نماذج بديلة فـCB-SEM أنسب، وإذا كان الهدف التنبؤ أو استكشاف امتداد لنظرية قائمة أو كان النموذج معقدًا والعينة محدودة فـPLS-SEM أنسب. المهم أن تختار وفق هدف دراستك وتبرر ذلك في فصل المنهجية، لا وفق ما يجيده المحلل أو ما استخدمته رسالة سابقة.

كم حجم العينة المطلوب؟

لا توجد قاعدة واحدة متفق عليها لحجم العينة في النمذجة بالمعادلات البنائية، وهذه أبرز الإرشادات مع مصادرها:

• في CB-SEM: يذكر Kline (2016) أن 200 حالة رقم شائع في الأدبيات حدًا أدنى تقريبيًا، ويعرض قاعدة نسبة الحالات إلى المعالم الحرة، حيث تُعد 20 حالة لكل معلم نسبة مثالية و10 أقل مثالية، مع تأكيده أن العدد المطلوب يزيد مع تعقيد النموذج وانخفاض التشبعات وعدم اعتدال البيانات.
• في PLS-SEM: قاعدة «عشرة أضعاف» (عشرة أضعاف أكبر عدد من الأسهم المتجهة إلى متغير كامن واحد) شائعة، لكن Hair وآخرين في A Primer on PLS-SEM ينبهون إلى أنها تقدير خشن، ويوصون بتحليل القوة الإحصائية لتحديد الحجم.
• تحليل القوة: يمكن تقدير الحد الأدنى بأداة مثل G*Power بناءً على أكبر عدد من المنبئات لمتغير داخلي واحد وحجم الأثر المتوقع ومستوى الدلالة والقوة المطلوبة (0.80 عادة)، وهذا التبرير أقوى أمام اللجنة من نسبة جاهزة. واحسب أيضًا نسبة الاستجابة المتوقعة، فإن احتجت 300 استبانة صالحة وتوقعت استبعاد 15% فوزّع نحو 355.
• عمليًا: إذا كان نموذجك من 3 إلى 5 متغيرات كامنة بنحو 15 إلى 25 فقرة، فعينة من 250 إلى 400 مشارك تجعلك في موقف مريح مع أي من النهجين.

الخطوات الست في النمذجة بالمعادلات البنائية

1. تحديد النموذج من النظرية

ارسم نموذجك على الورق قبل فتح أي برنامج: ما المتغيرات الكامنة؟ ما فقرات كل منها؟ ما المسارات المفترضة واتجاهها؟ كل سهم يجب أن تقابله فرضية مبررة من الإطار النظري أو الدراسات السابقة. هذه الخطوة تحدد كل ما بعدها، وأغلب مشكلات المطابقة لاحقًا مصدرها نموذج لم يُبنَ على أساس نظري واضح.

2. التعريف (Identification)

يجب أن يكون عدد المعلومات المتاحة (التباينات والتباينات المشتركة بين الفقرات) أكبر من عدد المعالم المطلوب تقديرها، أي أن تكون درجات الحرية موجبة. عدد المعلومات = ف × (ف + 1) ÷ 2 حيث ف عدد الفقرات. والقاعدة العملية لنموذج القياس: ثلاث فقرات على الأقل لكل متغير كامن، وتثبيت تشبع فقرة واحدة على 1 في كل عامل لتحديد مقياسه (Kline, 2016).

3. فحص البيانات

القيم المفقودة، والقيم المتطرفة متعددة المتغيرات (مسافة Mahalanobis)، والاعتدال (الالتواء والتفرطح ومؤشر Mardia في AMOS)، والتعدد الخطي. الأرجحية العظمى في CB-SEM حساسة لعدم الاعتدال الشديد، وعندها يمكن الاستعانة بـBootstrap لتقدير الدلالة.

4. تقييم نموذج القياس

في CB-SEM يكون ذلك بالتحليل العاملي التوكيدي ومؤشرات المطابقة، ثم التشبعات والثبات المركب ومتوسط التباين المستخلص والصدق التمييزي. وفي PLS-SEM يكون بالتشبعات والثبات (ألفا والثبات المركب) وAVE ومعيار HTMT دون التركيز على المطابقة الكلية. لا تنتقل إلى المسارات قبل أن يكون القياس مقبولًا.

5. تقييم النموذج البنائي

معاملات المسار ودلالتها، والآثار غير المباشرة بفترات ثقة Bootstrap، وقيم R² للمتغيرات الداخلية. وفي PLS-SEM يضاف حجم الأثر f² والقدرة التنبؤية Q² أو PLSpredict.

6. التعديل والتقرير

أي تعديل على النموذج بعد رؤية البيانات يجب أن يكون محدودًا ومبررًا نظريًا ومذكورًا صراحة، ثم تُعرض النتائج بجداول واضحة وشكل للنموذج النهائي بمعاملاته.

مؤشرات المطابقة في CB-SEM وحدودها

اقترح Hu وBentler (1999) هذه الحدود بوصفها معايير مركبة تُقرأ معًا، ويحذر Kline (2016) من معاملتها كقواعد قاطعة، ويوصي بعرض مجموعة المؤشرات كاملة مع فحص البواقي. ومؤشر χ²/df شائع في الرسائل العربية لكنه لا يُعتمد عليه وحده.

مؤشرات صدق القياس وثباته

مثال رقمي كامل على النمذجة بالمعادلات البنائية في رسالة ماجستير

الدراسة: أثر القيادة التحويلية في الالتزام التنظيمي عبر الرضا الوظيفي، على 320 موظفًا في قطاع الخدمات، بنموذج CB-SEM في AMOS. لكل متغير كامن خمس فقرات، أي 15 فقرة.

التعريف: عدد المعلومات 15 × 16 ÷ 2 = 120. والمعالم الحرة في نموذج القياس 33: 12 تشبعًا حرًا (بعد تثبيت تشبع واحد في كل عامل)، و15 تباين خطأ، و3 تباينات للعوامل، و3 ارتباطات بينها. فدرجات الحرية 120 − 33 = 87.

نموذج القياس: χ²(87) = 176.3، p < .001، وχ²/df = 2.03، وCFI = 0.962، وTLI = 0.954، وRMSEA = 0.057، وSRMR = 0.041. ويمكن التحقق من RMSEA يدويًا: الجذر التربيعي لـ(176.3 − 87) ÷ (87 × 319) يساوي نحو 0.057. تراوحت التشبعات المعيارية بين 0.68 و0.86، والثبات المركب بين 0.86 و0.91، وAVE بين 0.56 و0.67، والجذر التربيعي لكل AVE أكبر من ارتباطات العامل بغيره، وقيم HTMT بين 0.51 و0.63. القياس مقبول.

النموذج البنائي: ثلاثة مسارات: القيادة ← الرضا، والرضا ← الالتزام، والقيادة ← الالتزام. لاحظ أن ثلاثة مسارات بين ثلاثة متغيرات كامنة تحل محل الارتباطات الثلاثة في نموذج القياس، فيبقى عدد المعالم كما هو وتبقى المطابقة مطابقة لنموذج القياس تمامًا؛ وهذه نقطة يسأل عنها المناقشون أحيانًا.

التحقق من الاتساق: الأثر غير المباشر = 0.54 × 0.41 = 0.22. وR² للرضا = 0.54² = 0.29 لأن له منبئًا واحدًا. ولحساب R² للالتزام نحتاج الارتباطين الضمنيين: ارتباط القيادة بالالتزام = 0.26 + 0.22 = 0.48، وارتباط الرضا بالالتزام = 0.41 + (0.26 × 0.54) = 0.55؛ فـR² = (0.26 × 0.48) + (0.41 × 0.55) = 0.125 + 0.226 ≈ 0.35.

الصياغة المقترحة: «أظهر نموذج القياس مطابقة جيدة (χ²(87) = 176.3، p < .001، CFI = .962، TLI = .954، RMSEA = .057، SRMR = .041)، وتحقق الثبات والصدق التقاربي والتمييزي. وفي النموذج البنائي كان للقيادة التحويلية أثر مباشر دال في الالتزام التنظيمي (β = .26، p < .001)، وأثر غير مباشر دال عبر الرضا الوظيفي (β = .22، 95% CI [.14، .31])، وفسر النموذج 29% من تباين الرضا الوظيفي و35% من تباين الالتزام التنظيمي».

كيف تكتب أسلوب التحليل في الفصل الثالث؟

فقرة «أساليب المعالجة الإحصائية» في المنهجية هي أول ما يقرؤه المناقش ليحكم على وعيك بالأداة. اجعلها تجيب عن خمسة أسئلة: لماذا النمذجة بالمعادلات البنائية لا الانحدار؟ لماذا هذا النهج (CB-SEM أو PLS-SEM)؟ ما البرنامج وإصداره وطريقة التقدير؟ ما المراحل (القياس ثم البنائي)؟ وما الحدود المعتمدة ومصادرها؟

مثال مختصر يمكن تكييفه: «اعتمدت الدراسة النمذجة بالمعادلات البنائية القائمة على التباين المشترك لاختبار نموذج نظري مستمد من الأدبيات يتضمن متغيرًا وسيطًا، باستخدام برنامج AMOS وطريقة الأرجحية العظمى. وجرى التحليل على مرحلتين: تقييم نموذج القياس بالتحليل العاملي التوكيدي ومؤشرات المطابقة وفق المعايير المركبة لـHu وBentler (1999)، والثبات المركب ومتوسط التباين المستخلص وفق Fornell وLarcker (1981)، والصدق التمييزي بمعيار HTMT (Henseler et al., 2015)؛ ثم تقييم النموذج البنائي بمعاملات المسار وقيم R²، واختبار الأثر غير المباشر بفترات ثقة Bootstrap من 5000 عينة».

لاحظ أن الفقرة تحدد الإجراءات والمعايير قبل رؤية النتائج، وهذا ما يحميك من تهمة «تفصيل المعايير على النتائج». وإذا غيّرت شيئًا بعد التحليل فاذكره في الفصل الرابع صراحة.

كيف تعرض النتائج في الفصل الرابع؟

رتب العرض بترتيب التحليل نفسه:

1. فحص البيانات: القيم المفقودة والمتطرفة والاعتدال في فقرة قصيرة أو جدول.
2. نموذج القياس: جدول المطابقة، ثم جدول التشبعات والثبات المركب وAVE لكل متغير، ثم جدول الصدق التمييزي.
3. النموذج البنائي: شكل النموذج بمعاملاته المعيارية، وجدول المسارات بمعاملاتها ودلالتها، وجدول الآثار غير المباشرة بفترات الثقة، وقيم R².
4. قرار الفرضيات: جدول يربط كل فرضية بالمسار الذي يختبرها وقرار القبول أو الرفض.

واذكر في المنهجية البرنامج وإصداره، وطريقة التقدير، وعدد عينات Bootstrap، ومصادر الحدود التي اعتمدتها. ويُستحسن الاحتفاظ بملف النموذج وملف البيانات النهائي، فقد يطلبهما المشرف أو المناقشون.

أي برنامج تختار: AMOS أم SmartPLS أم غيرهما؟

اختيار البرنامج في النمذجة بالمعادلات البنائية تابع لاختيار النهج، لا العكس. AMOS يعمل مع SPSS ويتيح رسم النموذج بالسحب والإفلات، وهو الأكثر انتشارًا في الرسائل العربية التي تتبع نهج التباين المشترك، ويُخرج مؤشرات المطابقة والآثار غير المباشرة بـBootstrap. SmartPLS برنامج مستقل بواجهة رسومية يتبع نهج المربعات الصغرى الجزئية، ويُخرج تقييم القياس (الثبات وAVE وHTMT) والمسارات وR² وf² وأدوات التنبؤ، وتشرح وثائقه الرسمية كل خوارزمية وإعداداتها. أما lavaan في R وMplus فأكثر مرونة في النماذج المتقدمة (البيانات الترتيبية، والنماذج متعددة المستويات)، لكنهما يتطلبان كتابة أوامر.

نصيحة عملية: اسأل مشرفك عن البرنامج الذي يفضله القسم قبل البدء، لأن بعض المناقشين يطلبون ملف النموذج نفسه، وتبرير الاختيار في المنهجية أهم من الاختيار ذاته. وإذا كنت مترددًا بين AMOS وSmartPLS فالمعيار الحاسم هو هدف الدراسة: اختبار نظرية قائمة ومطابقتها أم التنبؤ وتفسير التباين.

الافتراضات وكيف تتعامل مع البيانات غير المعتدلة

أكثر ما يواجهه باحث الماجستير في CB-SEM ثلاث مشكلات:

1. عدم الاعتدال: إذا تجاوز الالتواء أو التفرطح الحدود المعتادة لبعض الفقرات، فاستخدم Bootstrap لتقدير دلالة المسارات والآثار غير المباشرة بدل الاعتماد على الأخطاء المعيارية العادية، واذكر ذلك في المنهجية. وتعرض كتب مثل Kline (2016) بدائل أخرى للتقدير المتين.
2. القيم المفقودة: AMOS يقدّر النموذج مع القيم المفقودة بطريقة الأرجحية العظمى للمعلومات الكاملة إذا فعّلت Estimate means and intercepts، لكنه لا يُخرج حينها مؤشرات التعديل. لذلك عالج المفقود في SPSS أولًا إن كانت نسبته صغيرة، ووثّق الطريقة.
3. التعدد الخطي بين المتغيرات الكامنة: ارتباط يتجاوز 0.85 بين متغيرين كامنين علامة على أنهما قد يقيسان الشيء نفسه، وهنا يكشف معيار HTMT المشكلة قبل أن تفسد تقديرات المسارات.

وفي PLS-SEM لا يُشترط الاعتدال، لكن الدلالة تُقدَّر دائمًا بـBootstrap، ويبقى فحص القيم المتطرفة والمفقودة ضروريًا.

الوساطة داخل النموذج البنائي

من أهم مزايا النمذجة بالمعادلات البنائية أنها تختبر الوساطة بين متغيرات كامنة مع احتساب خطأ القياس. الأثر غير المباشر هو حاصل ضرب المسارين، ودلالته تُختبر بفترة ثقة Bootstrap: إذا لم تشمل الصفر فالوساطة متحققة، وهو المنطق نفسه الذي يشرحه Hayes (2022) في الانحدار. وفي النماذج متعددة الوسطاء يحتاج AMOS إلى تقديرات معرفة من المستخدم لفصل كل أثر غير مباشر، بينما يعرض SmartPLS الآثار غير المباشرة المحددة لكل مسار مباشرة.

قائمة تحقق قبل تسليم الفصل لمشرفك

• كل سهم في النموذج يقابله فرضية مكتوبة ومبرر نظري في الفصل الثاني.
• درجات الحرية موجبة والنموذج معرَّف، وكل متغير كامن له ثلاث فقرات على الأقل.
• نتائج فحص البيانات (المفقود والمتطرف والاعتدال) مذكورة بأرقامها.
• نموذج القياس مقبول بمؤشراته كلها قبل عرض أي مسار.
• مصادر حدود المؤشرات مذكورة في المنهجية أو تحت الجداول.
• الآثار غير المباشرة معروضة بفترات ثقة Bootstrap وعدد العينات.
• أي تعديل على النموذج الأصلي مذكور صراحة مع سببه.
• الشكل النهائي للنموذج يعرض المعاملات المعيارية وقيم R².

أخطاء شائعة في النمذجة بالمعادلات البنائية تتكرر في رسائل الماجستير

• اختبار النموذج البنائي مباشرة دون تقييم نموذج القياس.
• رسم أسهم لا تقابلها فرضيات أو مبررات نظرية.
• تعديل النموذج بمؤشرات التعديل مرارًا حتى تتحسن المطابقة، دون ذكر ذلك.
• اختيار SmartPLS أو AMOS دون تبرير، أو الخلط بين منطقيهما (مثل طلب CFI من نموذج PLS).
• اعتماد حدود للمؤشرات دون ذكر مصادرها، أو المزج بين حدود متعارضة.
• تفسير معاملات المسار في بيانات مقطعية على أنها إثبات سببي قاطع.
• عرض معاملات غير معيارية في الشكل ومعيارية في الجدول دون توضيح.
• إغفال الآثار غير المباشرة وفترات ثقتها عند وجود وسيط.

📱 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 استخدام النمذجة بالمعادلات البنائية مع مقياس ليكرت؟

نعم، وهو الشائع في الرسائل. الفقرات ذات خمس نقاط فأكثر تُعامل عادة كمتغيرات متصلة مع الأرجحية العظمى، مع فحص الاعتدال، واستخدام Bootstrap عند الانحراف. وPLS-SEM لا يفترض الاعتدال أصلًا.

هل أحتاج تحليلًا عامليًا استكشافيًا قبل النمذجة بالمعادلات البنائية؟

إذا كانت أدواتك مقننة معروفة البنية فالتحليل التوكيدي ضمن نموذج القياس يكفي غالبًا. وإذا كانت أداة جديدة أو مترجمة لم تُختبر بنيتها فيُفضَّل استكشافي أولًا، ويكون على عينة مستقلة إن أمكن.

ما الفرق بين تحليل المسار والنمذجة البنائية؟

تحليل المسار يختبر العلاقات بين متغيرات مشاهدة (درجات محاور) دون نموذج قياس، والنمذجة البنائية الكاملة تضيف نموذج قياس للمتغيرات الكامنة فتحتسب خطأ القياس. الثانية أدق، والأولى أبسط وتحتاج عينة أصغر.

هل قيمة R² المنخفضة تعني أن النموذج فاشل؟

لا بالضرورة. يقول Hair وآخرون في A Primer on PLS-SEM إن الحكم على R² يعتمد على التخصص وتعقيد النموذج؛ ففي دراسات سلوك المستهلك مثلًا قد تُعد قيمة نحو 0.20 مرتفعة. المهم أن تكون المسارات المفترضة مبررة ودالة.

كم متغيرًا كامنًا يناسب رسالة الماجستير؟

لا يوجد حد ملزم، لكن نموذجًا من ثلاثة إلى خمسة متغيرات كامنة مع وسيط واحد أو اثنين يكفي لرسالة قوية ويمكن الدفاع عنه بسهولة. النماذج الكبيرة تحتاج عينات أكبر وتزيد احتمالات مشكلات المطابقة.

المصادر

• Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
• 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., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage.
• 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
• 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
• Hayes, A. F. (2022). Introduction to Mediation, Moderation, and Conditional Process Analysis (3rd ed.). Guilford Press.

آخر تحقق من المصادر: نوفمبر 2026. المقال تعليمي عام ولا يغني عن لائحة جامعتك أو توجيهات مشرفك. كيف نُعد محتوانا.