مؤشرات جودة المطابقة في النمذجة البنائية: معناها وحدودها وكيف تكتبها

شغلت نموذجك في AMOS، فظهرت أمامك قائمة طويلة من الأرقام: مربع كاي دال، وCFI قريب من 0.92، وRMSEA قريب من 0.07. هل نموذجك مقبول؟ زميلك يقول نعم، ومقال قرأته يشترط 0.95، والمشرف يسألك لماذا جاء مربع كاي دالًا. هذا الارتباك مفهوم، لأن مؤشرات جودة المطابقة في النمذجة بالمعادلات البنائية (SEM) كثيرة، وحدودها تتداول بصيغ مختلفة، وأحيانًا تنسب إلى غير أصحابها. يشرح هذا المقال ما يقيسه كل مؤشر، والحدود الشائعة ومصدرها، ولماذا هي إرشادات لا قواعد صارمة، وكيف تكتب النتائج في رسالتك، وما الذي يتغير إذا كنت تستخدم PLS-SEM.

ما المقصود بمطابقة النموذج؟

في النمذجة القائمة على التغاير (CB-SEM)، وهي ما ينفذه AMOS وحزمة lavaan في R وبرنامج Stata، ترسم نموذجًا نظريًا يحدد أي المتغيرات يرتبط بأيها. يستخدم البرنامج هذا النموذج لإنتاج مصفوفة تغاير متوقعة، ثم يقارنها بمصفوفة التغاير الفعلية في بياناتك. مؤشرات المطابقة تجيب عن سؤال واحد بطرق مختلفة: إلى أي حد تقترب المصفوفة المتوقعة من الفعلية؟

تقسم المؤشرات عادةً إلى مجموعتين:

مؤشرات المطابقة المطلقة (Absolute Fit): تقيس مدى مطابقة النموذج للبيانات مباشرةً، مثل مربع كاي وRMSEA وSRMR وGFI.
مؤشرات المطابقة التزايدية أو المقارنة (Incremental Fit): تقارن نموذجك بنموذج أساسي يفترض عدم وجود أي علاقة بين المتغيرات، مثل CFI وTLI.

ولأن كل مؤشر يرى جانبًا مختلفًا من المطابقة، فالعرف أن تعرض عدة مؤشرات من المجموعتين، لا مؤشرًا واحدًا تختاره لأنه جاء جيدًا.

المؤشرات واحدًا واحدًا

مربع كاي (Chi-square) ومربع كاي النسبي

يختبر مربع كاي فرضية أن النموذج يطابق البيانات تمامًا في المجتمع، لذلك تريده غير دال: القيمة الدالة تعني رفض المطابقة التامة. المشكلة أنه شديد الحساسية لحجم العينة، فمع العينات الكبيرة يصبح دالًا حتى بسبب فروق صغيرة لا قيمة عملية لها. لهذا نادرًا ما يحكم عليه وحده، لكن عرضه مع درجات الحرية وقيمة الدلالة يبقى جزءًا أساسيًا من أي تقرير.

لتخفيف أثر حجم العينة يستخدم كثيرون مربع كاي مقسومًا على درجات الحرية (χ²/df، ويظهر في AMOS باسم CMIN/DF). لا يوجد حد متفق عليه لهذا المؤشر؛ يقبل كثيرون القيم الأقل من 3، ويتساهل بعضهم حتى 5. وهو لا يحل مشكلة الحساسية لحجم العينة حلًا كاملًا.

مؤشر المطابقة المقارن (CFI)

يقارن CFI نموذجك بالنموذج الأساسي الذي لا يفترض أي ارتباطات، ويقيس مقدار التحسن الذي حققه نموذجك. تتراوح قيمته بين 0 و1، وكلما اقترب من 1 كانت المطابقة أفضل. وهو أقل تأثرًا بحجم العينة من مربع كاي، لذلك تجده في أغلب تقارير النمذجة البنائية.

مؤشر توكر ولويس (TLI)

يعرف أيضًا بمؤشر المطابقة غير المعياري (NNFI). يشبه CFI في فكرته، لكنه يعاقب النماذج المعقدة التي تضيف معالم كثيرة مقابل تحسن قليل، فيكافئ البساطة. ولأنه غير معياري، قد تتجاوز قيمته 1 أحيانًا.

جذر متوسط مربع خطأ الاقتراب (RMSEA)

يقيس RMSEA مقدار عدم المطابقة لكل درجة حرية. هو لا يسأل: هل يطابق النموذج البيانات تمامًا؟ بل يسأل: هل يطابقها تقريبًا؟ القيمة الأصغر أفضل. يفضل أن تعرضه مع فترة الثقة 90% حوله، ويعرض AMOS معه قيمة PCLOSE، وهي اختبار للمطابقة القريبة يفضل ألا يكون دالًا. ومن المعروف أن RMSEA قد يتضخم في النماذج ذات درجات الحرية القليلة، خاصة مع العينات الصغيرة، فلا تحكم عليه وحده في هذه الحالة.

جذر متوسط مربعات البواقي المعياري (SRMR)

يقيس SRMR متوسط الفرق بين الارتباطات الملاحظة في البيانات والارتباطات التي يتوقعها النموذج. القيمة 0 تعني مطابقة تامة، والقيمة الأصغر أفضل. ميزته أنه سهل الفهم، لأنه يعبر عن البواقي بوحدة الارتباط. وفي AMOS قد تحتاج إلى حسابه من قائمة الإضافات (Plugins)، لأنه لا يظهر ضمن المخرجات الافتراضية.

مؤشر حسن المطابقة (GFI)

من أقدم المؤشرات، ويقيس نسبة التباين والتغاير في البيانات التي يفسرها النموذج، بفكرة تشبه معامل التحديد في الانحدار. يتداول الباحثون له حدًا تقليديًا هو 0.90، لكن كثيرًا من المنهجيين لا ينصحون بالاعتماد عليه، لأنه يتأثر بحجم العينة وتعقيد النموذج. إذا طلبه قسمك فاعرضه، لكن لا تبن حكمك عليه.

الحدود الشائعة: من أين جاءت؟

أشهر مرجع لحدود المؤشرات دراسة هو وبنتلر (Hu & Bentler, 1999)، التي اختبرت المؤشرات بالمحاكاة واقترحت قيمًا تقريبية للحكم بأن المطابقة جيدة. وإلى جانبها تتداول الدراسات حدودًا أكثر تساهلًا للمطابقة المقبولة. يلخص الجدول الآتي الصورة:

المؤشر	ما يقيسه	المطابقة الجيدة وفق هو وبنتلر	الحد المتساهل الشائع
χ²	المطابقة التامة	يفضل أن يكون غير دال	يتساهل فيه مع العينات الكبيرة
χ²/df	مربع كاي نسبة إلى درجات الحرية	لم تقترح الدراسة له حدًا	أقل من 3، وبعضهم حتى 5
CFI	التحسن مقارنة بالنموذج الأساسي	قريب من 0.95 فأعلى	0.90 فأعلى
TLI	التحسن مع مكافأة البساطة	قريب من 0.95 فأعلى	0.90 فأعلى
RMSEA	عدم المطابقة لكل درجة حرية	قريب من 0.06 فأقل	0.08 فأقل
SRMR	متوسط البواقي المعيارية	قريب من 0.08 فأقل	يستخدم كثيرون الحد نفسه
GFI	نسبة التغاير المفسر	لم تقترح الدراسة له حدًا	0.90 فأعلى تقليديًا

وأوصى هو وبنتلر بقراءة مؤشرين معًا بدل الاعتماد على مؤشر واحد، كأن تجمع SRMR مع CFI أو مع RMSEA، لأن كل مؤشر أكثر حساسية لنوع مختلف من أخطاء تحديد النموذج.

لماذا هي إرشادات لا قواعد صارمة؟

يتعامل كثير من الطلبة مع 0.95 و0.06 كأنهما خط فاصل بين النجاح والرسوب. لكن هذه الحدود نتجت عن دراسة محاكاة بشروط محددة، وتطبيقها حرفيًا على كل نموذج محل نقد بين المنهجيين. من أسباب ذلك:

المؤشرات تتأثر بخصائص النموذج: عدد المتغيرات والفقرات، وقوة التشبعات، وحجم العينة، كلها تغير قيم المؤشرات.
طريقة التقدير مهمة: الحدود اشتقت أساسًا مع طريقة الاحتمال الأقصى (Maximum Likelihood)، وقد تختلف قيم المؤشرات مع طرق أخرى، مثل الطرق المستخدمة للبيانات الترتيبية.
المطابقة الجيدة لا تعني نموذجًا صحيحًا: قد تطابق نماذج مختلفة البيانات نفسها بالدرجة نفسها، وقد يطابق نموذج جيدًا وفيه مسارات بلا معنى نظري.
المطابقة الشاملة قد تخفي خللًا موضعيًا: قد تأتي المؤشرات جيدة بينما تشبعات بعض الفقرات ضعيفة أو بعض البواقي كبيرة.

لذلك احكم على النموذج من جوانبه كلها: المؤشرات مجتمعة، والتشبعات ودلالتها، والبواقي، والمعنى النظري. وراجع ما يعتمده قسمك والمجلة التي تستهدفها، فبعضها يطلب الحدود الأكثر صرامة وبعضها يقبل المتساهلة.

حين تكون المطابقة ضعيفة: مؤشرات التعديل

إذا جاءت المؤشرات دون المقبول، يقدم لك AMOS حلًا مغريًا: مؤشرات التعديل (Modification Indices) التي تقترح إضافة مسارات أو ربط أخطاء فقرات لتحسين المطابقة. استخدمها بحذر:

لا تقبل تعديلًا إلا بمبرر نظري أو منهجي، مثل تشابه صياغة فقرتين في المقياس نفسه.
لا تربط أخطاء فقرات تنتمي إلى متغيرات مختلفة دون مبرر قوي.
عدل خطوة خطوة، وأعد تقدير النموذج بعد كل تعديل.
اذكر كل تعديل في الرسالة مع سببه.

التعديل المبني على البيانات وحدها ينقل التحليل من التوكيد إلى الاستكشاف، وقد ينتج نموذجًا يطابق عينتك ولا يتكرر في غيرها. والحل أحيانًا أن تراجع نموذج القياس أولًا عبر التحليل العاملي التوكيدي قبل أن تختبر النموذج البنائي، فكثير من مشكلات المطابقة يبدأ من فقرات ضعيفة.

كيف تكتب مؤشرات المطابقة في رسالتك؟

اذكر البرنامج وطريقة التقدير، مثل الاحتمال الأقصى.
اعرض مربع كاي مع درجات الحرية وقيمة الدلالة، ثم χ²/df.
اعرض CFI وTLI وRMSEA مع فترة الثقة 90%، وSRMR.
اذكر الحدود التي اعتمدتها ومرجعها، ولا تنسب الحدود المتساهلة إلى هو وبنتلر.
إذا عدلت النموذج، فاعرض المؤشرات قبل التعديل وبعده مع المبرر.
إذا قارنت نماذج بديلة، فاعرضها في جدول واحد. النماذج المتداخلة تقارن بفرق مربع كاي، وغير المتداخلة بمعايير مثل AIC وBIC.

هذا مثال افتراضي على الصياغة، والقيم فيه للتوضيح فقط:

أظهرت نتائج التحليل العاملي التوكيدي بطريقة الاحتمال الأقصى أن قيمة مربع كاي دالة (χ² = 151.2، df = 84، p < 0.001)، وهو أمر متوقع مع حجم العينة. أما بقية المؤشرات فدلت على مطابقة جيدة: χ²/df = 1.80، وCFI = 0.96، وTLI = 0.95، وRMSEA = 0.052 بفترة ثقة 90% بين 0.038 و0.065، وSRMR = 0.045، وهي قيم تحقق الحدود التي اقترحها هو وبنتلر (Hu & Bentler, 1999).

اتبع دليل التوثيق المعتمد في قسمك في طريقة كتابة الرموز والأرقام، وضع المؤشرات في جدول إذا كانت لديك عدة نماذج.

وماذا عن PLS-SEM؟

إذا كنت تستخدم SmartPLS أو منهج المربعات الصغرى الجزئية (PLS-SEM) عمومًا، فالمنطق مختلف. هذا المنهج لا يحاول إعادة إنتاج مصفوفة التغاير، بل يسعى إلى تعظيم التباين المفسر في المتغيرات التابعة، لذلك لا تنطبق عليه مؤشرات المطابقة التقليدية بالطريقة نفسها. ويجري التقييم على مرحلتين:

نموذج القياس: التشبعات، والثبات المركب، ومتوسط التباين المستخلص، والصدق التمييزي.
النموذج البنائي: فحص الارتباط الخطي المتعدد بين المتغيرات المستقلة، ومعاملات المسار ودلالتها بطريقة البوتستراب (Bootstrapping)، ومعامل التحديد R² الذي يبين نسبة التباين المفسر في كل متغير تابع، وحجم الأثر f²، والقدرة التنبؤية Q² التي تدل قيمتها الأكبر من الصفر على أن للنموذج صلة تنبؤية.

أما SRMR فيعرضه بعض الباحثين في PLS-SEM مؤشرًا تقريبيًا للمطابقة، ويقرؤه بعضهم بالحد المألوف 0.08، لكن دوره هنا محل نقاش، فلا تجعله أساس الحكم على النموذج. وكذلك مؤشر GoF الذي ظهر في دراسات سابقة، فقد انتقده عدد من المؤلفين ولا يصلح مقياسًا للمطابقة. تجد مقارنة كاملة بين المنهجين في مقال الفرق بين AMOS وSmartPLS.

أخطاء شائعة

الحكم على النموذج بمؤشر واحد، أو عرض المؤشرات الجيدة وإخفاء غيرها.
رفض النموذج لأن مربع كاي دال مع عينة كبيرة، دون النظر إلى بقية المؤشرات.
عرض الحدود دون ذكر مرجعها، أو نسب حدود متساهلة إلى هو وبنتلر.
تعديل النموذج بمؤشرات التعديل حتى تتحسن المطابقة دون مبرر نظري.
تقييم نموذج PLS-SEM بمؤشرات CB-SEM التقليدية.
الاكتفاء بالمطابقة الشاملة دون فحص التشبعات والبواقي.

أسئلة شائعة

مربع كاي في نموذجي دال، فهل النموذج مرفوض؟

ليس بالضرورة. مربع كاي حساس جدًا لحجم العينة، ويصبح دالًا غالبًا مع العينات الكبيرة. اعرضه بأمانة، ثم احكم على النموذج من خلال المؤشرات الأخرى مجتمعة، واذكر هذا التحفظ في التفسير.

هل قيمة CFI تساوي 0.92 مقبولة؟

هي مقبولة وفق الحد المتساهل الشائع (0.90 فأعلى)، لكنها أقل من القيمة القريبة من 0.95 التي اقترحها هو وبنتلر للمطابقة الجيدة. اعرضها بوضوح، واذكر الحد الذي اعتمدته ومرجعه، وانظر إلى بقية المؤشرات معها.

ما الحد الأدنى من المؤشرات التي أعرضها؟

العرف الشائع أن تعرض مربع كاي مع درجات الحرية والدلالة، وCFI، وTLI، وRMSEA مع فترة الثقة، وSRMR. وإذا طلب قسمك أو المجلة مؤشرات أخرى مثل GFI، فأضفها.

مؤشرات المطابقة أداة للحكم على النموذج، لا هدف تطارده بالتعديلات. اعرضها كاملة، واذكر مرجع حدودك، وفسرها مع التشبعات والمعنى النظري. وإذا أردت من يراجع نموذجك أو يبنيه في AMOS أو SmartPLS أو R ويساعدك في تفسير مخرجاته، فتعرف على خدمة التحليل الإحصائي في مركز المستشار، والاستشارة الأولى مجانية.