تحليل المسار والوساطة

تحميل البيانات

الصقوا الأعمدة مباشرة من ورقة العمل (بما في ذلك صف العناوين) – حدّدوها في إكسل، وانسخوها، ثم الصقوها هنا:

تعريف النموذج

متى يُستخدم؟

حين لا يكون السؤال "هل يتنبأ X بـY" بل "عبر ماذا": X يؤثر في M، وM يؤثر في Y. يعرّف Field (2024، القسم 11.4.1) الوساطة بأنها الحالة التي "تُفسَّر فيها العلاقة بين متنبِّئ ومتغير متنبَّأ به عبر علاقة كليهما بمتغير ثالث، هو المتغير الوسيط": الأثر الكلي لـX في Y يتفكك إلى أثر مباشر (c) وأثر غير مباشر عبر المتغير الوسيط (المساران a وb). مثاله (Lambert et al., 2012): استهلاك المواد الإباحية ← تراجع الالتزام بالعلاقة الزوجية ← الخيانة – "ليس من المرجح أن كل من يشاهد المواد الإباحية يسارع فورًا إلى الخيانة؛ فالأرجح أن ذلك يؤدي إلى تغيّر انفعالي أو معرفي" هو الآلية. تحليل المسار هو التعميم: عدة متغيرات متنبَّأ بها، وعدة متغيرات وسيطة (Field، القسم 11.4.7 – متغيران وسيطان على التوازي)، وسلاسل أطول، ومتنبِّئات تؤثر في بعض المتغيرات دون غيرها – تُقدَّر كل المعادلات معًا، ويُفحص النموذج كله مقابل البيانات. وهذه هي الحالة الخاصة من نماذج المعادلات البنائية (SEM) التي تكون فيها كل المتغيرات مُشاهَدة: تصف Pallant (2020، الفصل 10) نمذجة SEM بأنها تقنية "تقوم على الانحدار المتعدد والتحليل العاملي، وتتيح تقييم أهمية كل من المتغيرات المستقلة في النموذج، واختبار المطابقة الكلية للنموذج مع البيانات، والمقارنة بين نماذج بديلة" – وتضيف أن SPSS نفسه لا يتضمنها (يلزم AMOS).

معادلة واحدة فقط – صفحة الانحدار الخطي (المعاملات نفسها، مع تشخيص البواقي)؛ علاقة بين متغيرين من دون اتجاه – صفحة الارتباطات؛ متغير متنبَّأ به ثنائي – الانحدار اللوجستي (يفترض تحليل المسار متغيرات متنبَّأ بها كمّية)؛ العوامل الكامنة – التحليل العاملي التوكيدي (نموذج القياس) ونمذجة المعادلات البنائية (مسارات بين العوامل الكامنة) والوساطة بين المتغيرات الكامنة (bootstrap كما في lavaan)؛ النماذج غير التكرارية (آثار متبادلة) – ليست في الصفحة؛ التعديل (التفاعل؛ Field، القسم 11.3)، والوساطة على نمط PROCESS والوساطة المُعدَّلة – صفحة التعديل والوساطة. درجة المقياس متعدد الفقرات (صفحة ألفا كرونباخ ودرجة المقياس) تُعامل متغيرًا فتريًا وفق اصطلاح الموقع (صفحة المتغيرات ومستويات القياس)؛ أما فقرة ليكرت المفردة – فلا.

المنطق: من النموذج إلى مصفوفة التغاير والعودة

النموذج سلسلة من معادلات الانحدار. Field (2024، القسم 11.4.2): "الحروف التي تشير إلى المسارات تمثّل المعاملات غير المعيارية" – المسار a هو B لـX في معادلة M، والمساران b وc هما B لـM ولـX في معادلة Y. تاريخيًا (Baron & Kenny, 1986، عند Field) كانت تُقدَّر بثلاثة انحدارات منفصلة؛ أما تحليل المسار فيقدّرها كلها دفعة واحدة بطريقة الإمكان الأعظم (ML)، بإعدادات برنامج lavaan في R: في النموذج التكراري (بلا حلقات) تكون المقدِّرات مطابقة لمقدِّرات الانحدار العادي لكل معادلة، والأخطاء المعيارية أصغر قليلًا (المقام N بدلًا من N − k − 1). الأثر غير المباشر هو حاصل ضرب المعاملات على امتداد المسار، ab (Field, Equation 11.6)؛ والكلي – c + ab. في هذه الصفحة، حين توجد عدة مسارات غير مباشرة بين زوج من المتغيرات، يكون الأثر غير المباشر مجموع حواصل الضرب على جميع المسارات، ويُحسب الأثر الكلي من المصفوفة (I − A)⁻¹ لجميع المسارات.

ما الذي يفحصه χ². من النموذج (المعاملات وتباينات الأخطاء) يمكن حساب مصفوفة التغاير التي "يتوقع" رؤيتها بين كل المتغيرات؛ وتُقارن بالمصفوفة المُشاهَدة فعلًا. يقيس χ² الفجوة، ودرجات الحرية هي عدد التباينات والتغايرات في البيانات ناقص عدد المَعلَمات التي يقدّرها النموذج. النموذج الذي يوجد فيه كل سهم ممكن (مثل الوساطة البسيطة X → M → Y مع مسار مباشر) هو نموذج مشبَع: df = 0، مطابقة تامة بالتعريف، ولا شيء يُفحص سوى المعاملات. فقط حين يحذف النموذج علاقة (مثلًا: لا مسار مباشر من "קבוצה" إلى "שימוש_יומי" في ملف المثال) توجد درجات حرية، ويفحص χ² هل يتوافق الحذف مع البيانات – وهنا تكون p الأكبر من .05 هي النتيجة المرغوبة. مؤشرات حسن المطابقة الأخرى (CFI, TLI, RMSEA, SRMR) تترجم الفجوة نفسها إلى مقاييس أقل اعتمادًا على حجم العينة، ويُستخدم AIC وBIC للمقارنة بين نماذج بديلة على البيانات نفسها (American Psychological Association [APA], 2020، الجدول 7.19 – جدول مقارنة النماذج مع χ² وRMSEA وAIC وBIC). تحسب الصفحة كل ذلك تمامًا كما يحسبه lavaan (تطابق حتى المنزلة العشرية السادسة في المؤشرات والمعاملات والأخطاء المعيارية والآثار المعرَّفة).

كيف تُقرأ المخرجات؟

الجدول 1 – المطابقة. أولًا df: إذا كانت 0 – فالنموذج مشبَع والجدول 1 خالٍ من المعلومات. وإلا: χ² مع p (المطلوب أن يكون غير دالّ)، ثم المؤشرات وفق Hu وBentler (1999، ص 27): قيمة "قريبة من .95" لـCFI وTLI، و"قريبة من .06" لـRMSEA و"قريبة من .08" لـSRMR تدل على مطابقة جيدة نسبيًا؛ ويضيف Brown (2015، ص 74-75) النطاقات المقبولة – CFI وTLI بين .90 و.95 (Bentler, 1990، كما ورد عنده)، وRMSEA حتى .08 (Browne & Cudeck, 1993، كما ورد عنده) – ويؤكد أن "القريب من" ليس مصادفة: فقد تغيّرت العتبات بحسب ظروف النموذج. أُجريت محاكاة Hu وBentler على نماذج ذات متغيرات كامنة، ولذلك تكون العتبات تقريبية في نموذج مسارات لمتغيرات مُشاهَدة. تُظلَّل الخلايا الواقعة خارج النطاق المقبول. χ² حساس لحجم العينة: في العينة الكبيرة تأتي كل فجوة صغيرة دالّة إحصائيًا، وفي العينة الصغيرة لا قوة للاختبار – لذلك تُقرأ كل المؤشرات معًا، ويقول مربع "قراءة النتيجة" هل هي متفقة.

الجدول 2 – معاملات المسارات. لكل سهم: B (غير المعياري – "التغير في المتغير المتنبَّأ به لكل وحدة في المتنبِّئ، مع تثبيت الآخرين"؛ Field, 2024، القسم 9.11.3)، والخطأ المعياري، وz وp (تقدير ML – التوزيع الطبيعي، لا t)، وفترة ثقة 95%، وβ المعياري للمقارنة بين المسارات وبين الدراسات. يقرأ Field (القسم 11.4.5) المخرجات مسارًا مسارًا: "استهلاك المواد الإباحية يتنبأ تنبؤًا دالًّا بالالتزام، B = −0.47, 95% CI [−0.94, −0.00], p = .048؛ والإشارة السالبة تعني أنه كلما ارتفع الاستهلاك، انخفض الالتزام".

الجدول 3 – R² وتباين الخطأ لكل متغير متنبَّأ به: كم من تباينه تفسّره معادلته (يبلغ Field في مثاله عن 2% للالتزام و11.4% للخيانة).

الجدول 4 – الآثار. لكل زوج بينهما مسار غير مباشر: الأثر المباشر، وغير المباشر (ab) مع الخطأ المعياري بطريقة دلتا (اختبار Sobel) وp، وفترة ثقة بطريقة دلتا، وفترة ثقة بـbootstrap، والأثر الكلي مع فترة bootstrap، ومؤشر الوساطة. أي فترة تُقرأ؟ هنا تتفق المراجع: Field (القسمان 11.4.2 و11.4.6) – "فضّلتُ مرارًا فترات الثقة من bootstrap، ولذلك أبلغوا عنها"؛ والسبب: توزيع حاصل الضرب ab ليس طبيعيًا وليس متماثلًا، وفترة دلتا المتماثلة أقل دقة في العينات الصغيرة. الحسم: فترة bootstrap التي لا تتضمن الصفر – "نميل إلى استنتاج حدوث وساطة" (Field، نصائح Sam). bootstrap في الصفحة مثبَّت البذرة (البذرة نفسها – الفترة نفسها في كل تشغيل وعلى كل حاسوب؛ غيّروا البذرة لتروا كم تتغير الفترة نفسها)، والمولّد هو مولّد R: البذرة 2026 في الصفحة وiseed = 2026 في lavaan تعطيان العيّنات نفسها وفترة المئينات نفسها (دليل R أدناه)؛ ويطبع PROCESS لـHayes افتراضيًا فترة BCa (مصحَّحة للتحيّز)، قريبة لكنها غير مطابقة.

مخطط المسارات – المعاملات المعيارية على الأسهم، وسهم متقطع للمسار غير الدالّ إحصائيًا؛ يوصي Field (القسم 11.4.6، الشكل 11.12) بعرض النموذج هكذا في التقرير. فقرة النتائج – المطابقة، والمسارات، والآثار غير المباشرة وR²، بالعربية والإنجليزية. مربع "قراءة النتيجة" – هل المؤشرات متفقة؟، ونسبة المشاركين إلى المَعلَمات، ودلتا مقابل bootstrap، والوساطة الجزئية/الكاملة والوساطة غير المتسقة، وتذكير بأن النموذج يسبق البيانات.

حجم الأثر

Field (2024، القسم 11.4.3): "الأبسط هو النظر إلى B للأثر غير المباشر وإلى فترة الثقة له" – ab معامل انحدار بكل معنى الكلمة، بوحدات المتغير المتنبَّأ به. وللمقارنة بين الدراسات تُستخدم صيغ معيارية: الأثر غير المباشر المعياري جزئيًا – ab مقسومًا على الانحراف المعياري للمتغير المتنبَّأ به (MacKinnon, 2008، عند Field، المعادلة 11.7)، ومؤشر الوساطة (index of mediation) – مضروبًا أيضًا في الانحراف المعياري للمتنبِّئ (Preacher & Hayes, 2008، عند Field، المعادلة 11.8)، أي الأثر غير المباشر المعياري كليًا؛ ويبلغ عنه Field في مثاله: "0.04 – صغير جدًا". يطبع الجدول 4 مؤشر الوساطة، ويطبع مربع القراءة المعياري جزئيًا أيضًا. لكل معادلة يكون R² حجم الأثر الكلي (مسطرة Cohen, 1988، ص 413-414: .02 / .13 / .26)، وβ لكل مسار – حجم أثر المسار المفرد. أما النسبة "غير المباشر مقسومًا على الكلي" (P_M) فلا تُطبع: فهي غير محصورة بين 0-1 وتنفجر حين يكون الأثر الكلي صغيرًا (وساطة غير متسقة).

الافتراضات والتحذيرات

النموذج يسبق البيانات. تحدد النظرية بنية الأسهم – لا البرنامج ولا المطابقة. يصوغ Field (2024، القسم 11.4.1) شروط الوساطة بوصفها فرضيات مسبقة ("لكي تكون الفرضية صحيحة: (1)… (4)…")؛ يفحص تحليل المسار هل يتوافق نموذج معيّن مع البيانات، لا هل هو صحيح – فنماذج بديلة (أسهم معكوسة، متغير وسيط لم يُقَس) قد تطابق بالقدر نفسه، وتذكر Pallant (2020، الفصل 10) أن SEM "يتيح المقارنة بين نماذج بديلة". النموذج الذي عُدِّل بعد الاطلاع على النتائج (أُضيف سهم "كي يطابق") تحليل استكشافي ويُبلَّغ عنه بهذه الصفة.

التكرارية. تدعم الصفحة النماذج الخالية من الحلقات (DAG): لا يمكن لمتغير أن يؤثر في نفسه، مباشرةً أو عبر غيره. الآثار المتبادلة في النماذج غير التكرارية تتطلب متغيرات أداتية – ليست في الصفحة.

افتراضات الانحدار لكل معادلة (Field, Section 9.4.1): الخطية والجمعية، واستقلال البواقي، وتجانس التباينات، والاعتدالية. يفترض تقدير ML اعتدالية متعددة المتغيرات للمتغيرات المتنبَّأ بها؛ وانتهاكها يُحيّز χ² والأخطاء المعيارية. فحص بواقي كل معادلة – في صفحة الانحدار الخطي (جدول التشخيص ورسم ZRESID)، وفحص المتغيرات نفسها – في صفحة القيم المتطرفة والافتراضات. يقترح Field (القسم 11.4.4) في PROCESS أخطاءً معيارية متينة في مواجهة عدم تجانس التباين (HC4) – وهي ليست في الصفحة.

حجم العينة. قاعدة تقريبية قديمة: عشرة مشاركين لكل مَعلَمة مقدَّرة (المسارات وتباينات الخطأ)؛ وتحذّر الصفحة عند النزول دونها. قواعد الانحدار لدى Pallant (2020، الفصل 13: N > 50 + 8m، و15 لكل متنبِّئ) تنطبق على كل معادلة على حدة. يشير Field (القسم 11.4.7) إلى أنه في عينة ضخمة (947) "لا قيمة للـ bootstrap" – أما في العينة الصغيرة فهو مهم بشكل خاص.

أنواع المتغيرات. المتغيرات المتنبَّأ بها كمية ومتصلة؛ والمتنبِّئات كمية أو ثنائية (مجموعة 1/2 – وB المستخرج منها هو الفرق بين المتوسطين)؛ والمتغير التصنيفي ذو ثلاثة مستويات فأكثر يتطلب ترميزًا وهميًا (Field, Section 9.4.1)، وهو غير موجود في الصفحة؛ ويدخل المتغير الترتيبي كعدد بحذر. القيم المفقودة – حذف الحالة كاملة على جميع متغيرات النموذج (تُعلن الصفحة عدد الحالات المستبعدة)؛ أما FIML، وهي الطريقة المعتمدة في SEM للقيم المفقودة، فليست في الصفحة – انظروا صفحة القيم المفقودة. المتغيرات الخارجية تُعدّ ثابتة (fixed.x، كالإعداد الافتراضي في lavaan): تبايناتها والتغايرات بينها تؤخذ من العينة ولا تُقدَّر ولا تُحسب كمَعلَمات.

الوساطة غير المتسقة. عندما يكون الأثر المباشر وغير المباشر بإشارتين متعاكستين يكون الأثر الكلي أصغر من كليهما – وقد يكون الارتباط البسيط بين X وY صفرًا رغم وجود وساطة فعلية. لهذا يرفض Field (القسم 11.4.2) الشرط الأول لدى Baron وKenny ("يجب أن يتنبأ X بـ Y أولًا") كشرط ضروري؛ ويشير مربع القراءة إلى مثل هذه الحالة. "الوساطة الكاملة" و"الجزئية" – لغة Baron وKenny: إذا لم يكن المسار المباشر دالًّا إحصائيًا إلى جانب غير المباشر، فهي "كاملة". يحذّر Field من "التفكير بالأبيض والأسود": قيمة p التي تنتقل من .049 إلى .051 ليست تغيرًا، وB الذي ينخفض من .46 إلى .18 هو تغير حتى لو كان كلاهما دالًّا – ويُبلَّغ عن حجم الأثر غير المباشر وفترة الثقة الخاصة به.

ما لا تحسبه هذه الصفحة. العوامل الكامنة وCFA، والنماذج غير التكرارية، ومقارنة النماذج (Δχ²) والنماذج متعددة المجموعات، ومؤشرات التعديل (modification indices)، وFIML للقيم المفقودة، والأخطاء المعيارية المتينة (MLR، HC4)، وفترة bootstrap من نوع BCa، والمتغيرات الوهمية التلقائية، والتعديل والوساطة المُعدَّلة (Field, Section 11.3)، وP_M وκ² (Preacher & Kelley, 2011، لدى Field).

وكيف يُنفَّذ ذلك في SPSS؟

لا يحتوي SPSS على تحليل المسار: Pallant (2020، الفصل 10) – "لا يحتوي IBM SPSS Statistics على وحدة لنماذج المعادلات البنائية، لكنه يدعم الإضافة AMOS". هناك طريقتان شائعتان: (1) AMOS – يُرسم النموذج وتُستخرج الجداول نفسها (تقديرات ML، ومؤشرات المطابقة، والآثار المباشرة/غير المباشرة/الكلية، وbootstrap)؛ (2) PROCESS لـ Hayes (إضافة مجانية) لنماذج الوساطة والتعديل – وهي طريقة Field (2024، القسمان 11.4.4-11.4.5): Analyze › Regression › PROCESS، والمتغير المتنبَّأ به في Y، والمتنبِّئ في X، والمتغير الوسيط (أو عدة متغيرات) في Mediator(s) M، والنموذج 4، وBootstrap inference for model coefficients، وفي الخيارات Effect size وTotal effect model؛ والمخرجات نصية: معادلة M (المسار a)، ومعادلة Y (b وc)، والأثر الكلي، و"Indirect effect of X on Y" مع فترة bootstrap (BCa) ومؤشر الوساطة. يقتصر PROCESS على قوالب النماذج الخاصة به (متغيرات وسيطة متوازية، لا سلسلة طويلة ولا عدة متغيرات متنبَّأ بها)؛ وللنموذج العام – AMOS أو lavaan.

أوامر Syntax التي تولّدها الصفحة تشغّل معادلات النموذج كانحدارات منفصلة في SPSS (طريقة Baron وKenny، Field، القسم 11.4.2)، بعد SELECT IF الذي يعيد إنتاج حذف الحالة كاملة: قيم B وBeta وR Square مطابقة للجدولين 2-3؛ أما الأخطاء المعيارية وt وp فتختلف قليلًا (OLS مقابل ML)؛ ولا تُستخرج مؤشرات المطابقة والآثار غير المباشرة – ولهذه يلزم PROCESS أو AMOS. لنموذج المثال:

SELECT IF (NOT MISSING(גיל) AND NOT MISSING(קבוצה) AND NOT MISSING(עמדות_ציון) AND NOT MISSING(שימוש_יומי)).
EXECUTE.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS CI(95) R ANOVA
  /NOORIGIN
  /DEPENDENT עמדות_ציון
  /METHOD=ENTER קבוצה גיל.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS CI(95) R ANOVA
  /NOORIGIN
  /DEPENDENT שימוש_יומי
  /METHOD=ENTER עמדות_ציון גיל.

وكيف يُنفَّذ ذلك في R؟

حزمة lavaan هي المعيار: يُكتب النموذج كمعادلات (~ للانحدار)، وتُعطى المسارات تسميات، وتُعرَّف الآثار غير المباشرة والكلية بـ :=؛ تقدّر sem() بطريقة ML مع fixed.x = TRUE (الإعداد الافتراضي – وهو بالضبط تهيئة الصفحة)، ويعطي summary(fit.measures = TRUE, standardized = TRUE) الجداول 1-4 (عمود Std.all = β)، وse = "bootstrap" مع parameterEstimates(boot.ci.type = "perc") – فترات bootstrap؛ ومع iseed مساوٍ لبذرة الصفحة – العينات نفسها والفترات نفسها كما في الصفحة. شُغِّل النص البرمجي كما هو على ملف المثال وأعطى قيم الجداول (في التعليقات). قاعدة الموقع للعربية في R: ملف UTF-8، كل سطر تعليق يبدأ بكلمة عربية، وأسماء قصيرة بالإنجليزية للمعادلة، وبيئة UTF-8 للأسماء العبرية (في Windows: R 4.2 وما بعده، أو Sys.setlocale('LC_ALL', 'Hebrew')).

# تحليل المسار – بروفيسور ستات. حُفظ هذا الملف بترميز UTF-8؛ كل سطر تعليق يبدأ بكلمة عربية
library(readxl)   # قراءة ملفات إكسل
library(lavaan)   # نماذج المعادلات البنائية: sem, parameterEstimates, fitMeasures

# التحميل: القالب القياسي – صف = مشارك، عمود = متغير؛ ورقة العمل "נתונים"
d <- read_excel("C:/Rdata/DATA_path_example_heb.xlsx", sheet = "נתונים")
d <- d[, c("קבוצה", "גיל", "עמדות_ציון", "שימוש_יומי")]
names(d) <- c("grp", "age", "att", "use")                 # أسماء قصيرة بالإنجليزية لمعادلة النموذج
d <- d[complete.cases(d), ]                               # حذف الحالة كاملة (113 من 120)

# النموذج: المجموعة والعمر -> الاتجاهات (a1, a2)؛ الاتجاهات والعمر -> الاستخدام (b, c)؛ الآثار غير المباشرة والكلية بـ :=
model <- "
  att ~ a1*grp + a2*age
  use ~ b*att + c*age
  ind_grp := a1*b
  ind_age := a2*b
  tot_age := c + a2*b
"
fit <- sem(model, data = d)                               # تقدير ML، fixed.x = TRUE – كما في الصفحة
summary(fit, fit.measures = TRUE, standardized = TRUE, rsquare = TRUE)   # χ²(1) = 1.948, p = .163; CFI .989, TLI .944, RMSEA .092 [.000, .286], SRMR .029; a1 −0.420 (p = .002), a2 0.012 (.022), b 1.446 (< .001), c −0.026 (.002); Std.all −.279, .202, .703, −.211; R² .121, .477; ind_grp −0.607 (SE 0.201, p = .003), ind_age 0.017 (.025), tot_age −0.008 (.459)

# الجدول 1 – مؤشرات المطابقة فقط
fitMeasures(fit, c("chisq", "df", "pvalue", "cfi", "tli", "rmsea", "rmsea.ci.lower", "rmsea.ci.upper", "srmr", "aic", "bic"))   # 1.948, 1, .163, .989, .944, .092, .000, .286, .029, 600.155, 616.519

# الجدول 4 – فترات bootstrap المئينية للآثار المعرَّفة (1000 عينة)؛ iseed = بذرة الصفحة – العينات نفسها، الفترات نفسها
fitb <- sem(model, data = d, se = "bootstrap", bootstrap = 1000, iseed = 2026)
pe <- parameterEstimates(fitb, boot.ci.type = "perc")
pe[pe$op == ":=", c("label", "est", "se", "ci.lower", "ci.upper")]   # ind_grp −0.607 [−1.082, −0.208]; ind_age 0.017 [0.000, 0.034] (الحد الأدنى −0.0004 – الفترة تتضمن الصفر); tot_age −0.008 [−0.031, 0.014] – كما في الصفحة

عرض النتائج

يُبلَّغ عن طريقة التقدير والبرنامج، وN، والمطابقة (χ² مع df وp، وCFI، وTLI، وRMSEA مع فترة الثقة، وSRMR)، ثم عن المسارات (B مع الخطأ المعياري أو فترة الثقة، وβ، وp) وعن الآثار غير المباشرة مع فترة bootstrap وحجم الأثر – وبدلًا من قائمة طويلة، شكل يتضمن المعاملات (APA، 2020، القسم 6.43: "قدّموا معلومات كافية ليتمكن القارئ من التحقق من التحليلات"؛ القسم 6.44: تُعرَّف الاختصارات CFI وRMSEA وSEM عند ظهورها الأول، خلافًا للرموز الإحصائية القياسية). مثال Field (2024، القسم 11.4.6): "وُجد أثر غير مباشر دالّ إحصائيًا لاستهلاك المواد الإباحية على الخيانة عبر الالتزام بالعلاقة الزوجية، b = 0.13, 95% BCa CI [0.02, 0.27]. كان الأثر صغيرًا جدًا، ومؤشر الوساطة 0.04" – وإلى جانبه رسم للنموذج مع المعاملات على الأسهم والأثر غير المباشر مع فترة الثقة (الشكل 11.12). وللنماذج البديلة – جدول مقارنة كالجدول 7.19 في APA (χ²، df، p، RMSEA مع فترة الثقة، AIC، BIC وΔAIC/ΔBIC)، ولنموذج القياس – كالجدول 7.21 (NFI، CFI، RMSEA لكل نموذج).

قواعد الصياغة (APA, 2020, Section 6.36): B وχ² وz وفترات الثقة لـ B مع صفر قبل النقطة؛ وβ وR² وCFI وTLI وRMSEA وSRMR وp من دونه (لا يمكن أن تتجاوز 1)؛ فترة الثقة بالصيغة 95% CI [LL, UL]، ولفترة bootstrap يُذكر النوع (مئينية / BCa) وعدد العينات. فقرة النتائج في المخرجات مبنية على هذا النحو، بالعربية والإنجليزية.

أخطاء شائعة

بناء النموذج من البيانات. إضافة أسهم حتى تصبح المطابقة جيدة، ثم الإبلاغ كأن فرضية قد اختُبرت (Field، 2024، القسم 11.4.1 – الشروط فرضيات مسبقة).

قراءة p < .05 لـ χ² على أنها "جيدة". العكس: يختبر الاختبار النموذج بوصفه الفرضية الصفرية – والدلالة الإحصائية تعني رفضه. وفي النموذج المشبَع لا يوجد اختبار أصلًا.

اشتراط ارتباط بسيط بين X وY كشرط للوساطة. في الوساطة غير المتسقة يكون الأثر الكلي صغيرًا أو صفرًا – يرفض Field (القسم 11.4.2) شرط Baron وKenny لصالح تقدير الأثر غير المباشر وفترة الثقة الخاصة به.

استنتاج "وساطة كاملة" من تغيّر في الدلالة الإحصائية. "قيمة p التي تنتقل من .049 إلى .051" ليست نتيجة (Field, Section 11.4.2)؛ يُبلَّغ عن ab وفترة bootstrap ومؤشر الوساطة.

فترة ثقة متماثلة للأثر غير المباشر في عينة صغيرة. توزيع ab ملتوٍ؛ Field (القسم 11.4.6) – "أبلغوا عن فترات bootstrap".

تفسير السهم على أنه سبب. يفترض تحليل المسار اتجاه الأسهم ولا يثبته؛ فالنموذج ذو الأسهم المعكوسة قد يطابق البيانات بالقدر نفسه (Pallant، 2020، الفصل 10 – مقارنة النماذج البديلة).

نموذج كبير على عينة صغيرة. أقل من عشرة مشاركين لكل مَعلَمة – تقديرات غير مستقرة واختبارات طبيعية غير موثوقة؛ وفي العينة الصغيرة يكون الـ bootstrap مهمًا بشكل خاص (Field, Section 11.4.7).

مقارنة β بين نماذج مختلفة. المعامل المعياري يتوقف على الانحرافات المعيارية للعينة؛ وللتحليل البعدي أبلغوا أيضًا عن B وعن مؤشر الوساطة (Field, Section 11.4.3).

المراجع

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000

Brown, T. A. (2015). Confirmatory factor analysis for applied research (2nd ed.). Guilford Press.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.

Field, A. (2024). Discovering statistics using IBM SPSS statistics (6th ed.). SAGE.

Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6(1), 1-55. https://doi.org/10.1080/10705519909540118

Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM SPSS (7th ed.). Routledge.

Baron وKenny (1986)، Sobel (1982)، MacKinnon (2008)، Preacher وHayes (2008)، Preacher وKelley (2011)، Hayes (2022)، Lambert وآخرون (2012) وBronstein وآخرون (2019) – كما ورد في Field (2024)؛ Tabachnick وFidell (2013) – كما ورد في Pallant (2020). وفق قاعدة الموقع، لا تظهر في قائمة المراجع إلا المراجع التي قُرئت في أصلها. Bentler (1990) وBrowne وCudeck (1993) – كما ورد في Brown (2015). Field (2024) وPallant (2020) في نسخة رقمية متدفقة – الاستشهاد حسب القسم والفصل؛ Cohen (1988) وAPA (2020) – حسب الصفحة والقسم في الطبعة المطبوعة. الحساب في الصفحة متحقَّق منه مقابل حزمة lavaan 0.6-17 في R.