التحليل العاملي الاستكشافي والتوكيدي: الفرق والشروط والمؤشرات الأساسية

طورت مقياسًا جديدًا، أو ترجمت مقياسًا أجنبيًا إلى العربية، والآن تسأل: هل تقيس الفقرات فعلًا الأبعاد التي افترضتها؟ ألفا كرونباخ لا يجيب عن هذا السؤال، وصدق المحكمين وحده لا يكفي كثيرًا من اللجان. هنا يأتي دور التحليل العاملي (Factor Analysis) بنوعيه الاستكشافي والتوكيدي. يشرح هذا المقال الفرق بينهما، ومتى تستخدم كلًا منهما، وشروط تطبيقهما، والمؤشرات التي تقرؤها في المخرجات، مع مثال تطبيقي وأخطاء يتكرر وقوع الباحثين فيها.

ما التحليل العاملي ولماذا تحتاجه؟

التحليل العاملي مجموعة أساليب إحصائية تبحث في الارتباطات بين عدد كبير من الفقرات، وتجمع الفقرات المترابطة في عدد أقل من العوامل الكامنة. الفكرة أن الفقرات التي تقيس مفهومًا واحدًا ترتبط ببعضها أكثر من ارتباطها بفقرات المفاهيم الأخرى.

مثال: مقياس من 20 فقرة عن «جودة الحياة الجامعية». قد يكشف التحليل أن الفقرات تتجمع في أربعة عوامل: البيئة الأكاديمية، والعلاقات الاجتماعية، والخدمات، والرضا عن التخصص. هذا التجمع دليل على صدق البناء (Construct Validity)، وهو نوع من الصدق تجد موقعه بين أنواع الصدق الأخرى في مقال الصدق والثبات في أدوات البحث العلمي.

الفرق بين الاستكشافي والتوكيدي

القاعدة العملية: إذا كنت تعرف مسبقًا عدد الأبعاد وفقرات كل بعد من نظرية أو مقياس منشور، فالتوكيدي هو الأنسب. وإذا كنت تبني مقياسًا جديدًا أو لا تثق في انتقال البنية إلى بيئتك، فابدأ بالاستكشافي.

شروط التحليل العاملي الاستكشافي

حجم العينة

لا يوجد رقم متفق عليه. من الأعراف الشائعة نسبة 5 إلى 10 مشاركين لكل فقرة، وتصنيف كومري ولي (Comrey & Lee) الذي يعد 100 مشارك ضعيفًا، و200 مقبولًا، و300 جيدًا، و500 جيدًا جدًا، و1000 ممتازًا. وتشير أدبيات أحدث إلى أن الحجم المطلوب يقل كلما كانت التشبعات مرتفعة وكل عامل ممثلًا بفقرات كافية. تجد العوامل المؤثرة في حجم العينة في مقال كيف تحسب حجم العينة.

ملاءمة البيانات

• مقياس كايزر-ماير-أولكن (KMO): يقيس كفاية العينة لإجراء التحليل. صنف كايزر (Kaiser) القيم: 0.90 فأعلى رائعة، ومن 0.80 إلى 0.89 جديرة بالتقدير، ومن 0.70 إلى 0.79 متوسطة، ومن 0.60 إلى 0.69 متواضعة، ومن 0.50 إلى 0.59 بائسة، وما دون 0.50 غير مقبولة. الحد الأدنى الشائع 0.50، ويفضل كثيرون 0.60 فأعلى.
• اختبار بارتليت للكروية (Bartlett’s Test): يجب أن يكون دالًا (Sig. أقل من 0.05)، أي أن مصفوفة الارتباط ليست مصفوفة وحدة، وأن بين الفقرات ارتباطات تكفي للتحليل.
• مصفوفة الصورة المضادة (Anti-image): قيم كفاية العينة لكل فقرة على قطرها، والفقرات التي تقل عن 0.50 تستحق المراجعة.
• الاشتراكيات (Communalities): نسبة تباين الفقرة التي تفسرها العوامل. الاشتراكيات المنخفضة جدًا تعني أن الفقرة لا تشترك مع غيرها، وتختلف الحدود المقترحة للمراجعة بين 0.30 و0.50.

خطوات التحليل الاستكشافي وقراءة مخرجاته في SPSS

1. افتح Analyze، ثم Dimension Reduction، ثم Factor، وانقل الفقرات إلى خانة Variables.
2. من Descriptives اختر KMO and Bartlett’s test of sphericity وAnti-image.
3. من Extraction اختر طريقة الاستخراج وScree plot.
4. من Rotation اختر طريقة التدوير.
5. من Options اختر Sorted by size وSuppress small coefficients لإخفاء التشبعات الصغيرة وتسهيل القراءة.

طريقة الاستخراج

المكونات الأساسية (Principal Components) هي الخيار الافتراضي والأكثر انتشارًا في الرسائل، لكنها من الناحية الفنية أسلوب لتلخيص البيانات لا لكشف عوامل كامنة. لذلك يوصي كثير من المنهجيين بأساليب العوامل المشتركة، مثل المحاور الأساسية (Principal Axis Factoring) أو الاحتمال الأقصى (Maximum Likelihood)، عندما يكون الهدف كشف مفاهيم كامنة.

تحديد عدد العوامل

• معيار كايزر: الإبقاء على العوامل ذات الجذر الكامن (Eigenvalue) الأكبر من 1. شائع وسهل، لكنه يميل إلى استخراج عوامل أكثر من اللازم.
• منحنى الانحدار (Scree Plot): طريقة كاتل (Cattell)، وتبقي العوامل الواقعة قبل نقطة انكسار المنحنى.
• التحليل الموازي (Parallel Analysis): طريقة هورن (Horn)، وتقارن الجذور الكامنة لبياناتك بجذور بيانات عشوائية. يعدها كثير من المنهجيين أدق من معيار كايزر.

وفي جدول التباين المفسر الكلي (Total Variance Explained) تقرأ نسبة التباين التي تفسرها العوامل مجتمعة. يذكر هير وزملاؤه (Hair et al.) أن تفسير نحو 60% يعد مرضيًا في العلوم الاجتماعية، وقد تقبل أحيانًا نسب أقل.

التدوير وقراءة التشبعات

التدوير المتعامد مثل Varimax يفترض أن العوامل غير مترابطة، والتدوير المائل مثل Promax وDirect Oblimin يسمح بترابطها. في العلوم الإنسانية تترابط الأبعاد غالبًا، لذلك يفضل كثيرون التدوير المائل، وتقرأ عندها مصفوفة الأنماط (Pattern Matrix).

الحد الشائع لقبول التشبع 0.40، ويستخدم بعض الباحثين 0.30 أو 0.50. راجع الفقرة التي لا تتشبع على أي عامل، والفقرة التي تتشبع بقيم متقاربة على عاملين، والعامل الذي تمثله أقل من ثلاث فقرات. وبعد استقرار البنية احسب معامل ألفا كرونباخ لكل عامل.

وعند الكتابة في الرسالة، اذكر كل قرار اتخذته بترتيبه، كما في هذه الصياغة النموذجية التي تضع فيها قيمك الفعلية:

بلغت قيمة KMO (…) وكان اختبار بارتليت دالًا إحصائيًا، مما يشير إلى ملاءمة البيانات للتحليل العاملي. واستخدم أسلوب المحاور الأساسية مع التدوير المائل Promax، وحدد عدد العوامل بالتحليل الموازي، فأسفر التحليل عن (…) عوامل تفسر (…) من التباين الكلي، وتراوحت تشبعات الفقرات بين (…) و(…).

التحليل العاملي التوكيدي ومؤشراته

في التحليل التوكيدي ترسم النموذج مسبقًا: كل عامل وفقراته، والعلاقات بين العوامل. ثم يختبر البرنامج مدى مطابقة البيانات لهذا النموذج. أهم ما تقرؤه:

• مؤشرات المطابقة: مثل CMIN/DF وCFI وTLI وRMSEA وSRMR، ولكل منها حدود شائعة يختلف فيها المؤلفون، وتجد تفصيلها في مقال الفرق بين AMOS وSmartPLS.
• التشبعات المعيارية: يقبل كثيرون 0.50 فأعلى، والأفضل 0.70 فأعلى، ويجب أن تكون دالة إحصائيًا.
• الصدق التقاربي: متوسط التباين المستخلص (AVE) 0.50 فأعلى وفق معيار فورنل ولاركر (Fornell & Larcker)، والثبات المركب (CR) 0.70 فأعلى.
• الصدق التمييزي: أن يكون كل عامل متميزًا عن العوامل الأخرى، ويختبر بمعيار فورنل ولاركر أو بمعيار HTMT.

مؤشرات التعديل (Modification Indices) تقترح تعديلات تحسن المطابقة، مثل ربط أخطاء فقرتين. لا تقبل أي تعديل إلا بمبرر نظري أو منهجي واضح، مثل تشابه صياغة الفقرتين، واذكر كل تعديل في الرسالة.

مثال تطبيقي: من الاستكشاف إلى التوكيد

دراسة افتراضية بعنوان «بناء مقياس للاندماج الأكاديمي لدى طلبة الجامعات والتحقق من خصائصه السيكومترية». خطة التحليل المنطقية:

1. يصوغ الباحث 30 فقرة من الأدبيات، ويعرضها على محكمين لمراجعة المحتوى والصياغة.
2. يطبق المقياس على عينة أولى، ويتحقق من KMO وبارتليت، ثم يجري تحليلًا استكشافيًا بأسلوب المحاور الأساسية وتدوير مائل، ويحدد عدد العوامل بالتحليل الموازي ومنحنى الانحدار.
3. يحذف الفقرات ضعيفة التشبع أو متداخلة التشبع واحدة بعد الأخرى، ويعيد التحليل بعد كل حذف حتى تستقر البنية.
4. يطبق الصورة الناتجة على عينة ثانية مستقلة، ويجري تحليلًا توكيديًا، ويقرأ المطابقة والتشبعات وAVE وCR.

استخدام عينتين مستقلتين هو جوهر هذه الخطة، لأن تأكيد البنية على البيانات نفسها التي استكشفت منها لا يضيف دليلًا حقيقيًا.

أخطاء شائعة

• إجراء التحليل الاستكشافي والتوكيدي على العينة نفسها.
• الاعتماد على معيار الجذر الكامن الأكبر من 1 وحده لتحديد عدد العوامل.
• استخدام التدوير المتعامد تلقائيًا مع أبعاد يتوقع ترابطها نظريًا.
• حذف فقرات كثيرة دفعة واحدة دون إعادة التحليل بعد كل حذف.
• قبول تعديلات مؤشرات التعديل كلها لتحسين المطابقة دون مبرر.
• تسمية العوامل بأسماء لا تعكس مضمون الفقرات المتشبعة عليها.

كثير من هذه المشكلات يمكن تقليلها قبل جمع البيانات، عند تصميم الاستبانة وصياغة فقرات واضحة لكل بعد.

أسئلة شائعة

هل أستخدم التحليل العاملي الاستكشافي مع مقياس منشور؟

إذا كان المقياس مستقر البنية ومطبقًا في بيئات قريبة من بيئتك، فالتوكيدي هو الأنسب عادةً. وإذا ترجمته إلى ثقافة مختلفة أو شككت في بنيته، فقد يبدأ بعض الباحثين بالاستكشافي، مع ذكر المبرر.

ما قيمة KMO المقبولة؟

الحد الأدنى الشائع 0.50، ويفضل كثيرون 0.60 فأعلى، وكلما اقتربت من 1 كانت البيانات أنسب للتحليل. هذه أعراف مأخوذة عن تصنيف كايزر، لا قواعد مطلقة.

كم مشاركًا أحتاج للتحليل العاملي؟

لا يوجد رقم واحد. الأعراف الشائعة 5 إلى 10 مشاركين لكل فقرة، أو 200 إلى 300 مشارك على الأقل في كثير من التوصيات، والحاجة تقل حين تكون التشبعات مرتفعة والعوامل ممثلة بفقرات كافية.

ما الفرق بين مصفوفة الأنماط ومصفوفة البنية؟

تظهران مع التدوير المائل. مصفوفة الأنماط تعرض الإسهام الخاص لكل عامل في الفقرة، ومصفوفة البنية تعرض الارتباط البسيط بينهما. يعتمد معظم الباحثين على مصفوفة الأنماط في تفسير البنية.

التحليل العاملي الاستكشافي يكشف البنية، والتوكيدي يختبرها، والجمع بينهما على عينتين مستقلتين يقدم أقوى دليل على صدق البناء. إذا أردت من يخطط لتحليل أداتك وينفذه ويفسر مؤشراته ويكتبها بصياغة سليمة، فتعرف على خدمة التحليل الإحصائي في مركز المستشار، أو احجز استشارة مجانية.