‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ‬

‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى‬

Exploratory Factor Analysis (EFA) Vs.

Confirmatory Factor Analysis (CFA)
Differences and similarities

Hesham F. Gadelrab, PhD

Mansoura University
heshfm@yahoo.com
Factor Analysis: From Items to Factors
 ‫ﻣﻘﺪﻣﻪ‬
‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ هﻮ اﺳﻠﻮب اﺣﺼﺎﺋﻰ ﻳﺴﺘﺨﺪم ﻓﻰ‬ ‫‪z‬‬
‫اﺳﺘﻜﺸﺎف اﻟﺒﻨﺎء اﻟﻌﺎﻣﻠﻰ اﻟﻤﺤﺘﻤﻞ اﻟﺬى ﻗﺪ ﻳﻘﻊ ﺧﻠﻒ ﻣﺠﻤﻮﻋﻪ ﻣﻦ‬
‫اﻟﻤﺘﻐﻴﺮات اﻟﻤﻼﺣﻈﻪ ﺑﺪون اﻓﺘﺮاض ﺷﻜﻞ ﻣﺤﺪد ﻣﺴﺒﻘﺎ ﻟﻬﺬا اﻟﺒﻨﺎء‪.‬‬
‫ﺑﻴﻨﻤﺎ ﻳﺴﺘﺨﺪم اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى ﻓﻰ اﻟﺘﺤﻘﻖ ﻣﻦ ﺑﻨﺎء ﻋﺎﻣﻠﻰ‬ ‫‪z‬‬
‫ﺗﻢ ﺗﺤﺪﻳﺪﻩ ﻣﺴﺒﻘﺎ ﻳﻘﻊ ﺧﻠﻒ ﻣﺠﻤﻮﻋﻪ ﻣﻦ اﻟﻤﺘﻐﻴﺮات‪ .‬وﻳﺴﻤﺢ‬
‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى ﺑﺎﺧﺘﺒﺎر ﻓﺮوض ﺗﺘﻌﻠﻖ ﺑﺎﻟﻌﻼﻗﺎت ﺑﻴﻦ‬
‫اﻟﻤﺘﻐﻴﺮات اﻟﻤﻼﺣﻈﻪ وﺑﻌﻀﻬﺎ اﻟﺒﻌﺾ وآﺬا ﻋﻼﻗﺘﻬﺎ ﺑﺎﻟﻤﺘﻐﻴﺮات‬
‫اﻟﻜﺎﻣﻨﻪ اﻟﺘﻰ ﻳﻔﺘﺮض اﻧﻬﺎ ﺗﻘﻊ ﺧﻠﻒ ﺗﻠﻚ اﻟﻤﺘﻐﻴﺮات‪.‬‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ‬

‫ﻳﻬﺪف اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ اﻟﻰ ﺗﺤﺪﻳﺪ ﻋﺪد اﻟﺘﻜﻮﻳﻨﺎت‬ ‫‪z‬‬

‫اﻻﻓﺘﺮاﺿﻴﻪ اﻟﺘﻰ ﺗﻘﻊ ﺧﻠﻒ ﻣﺠﻤﻮﻋﻪ ﻣﻦ اﻟﻤﺘﻐﻴﺮات‪ ،‬واﻟﺘﻮﺻﻞ‬
‫ﻟﻌﺪد ﻗﻠﻴﻞ ﻣﻦ اﻟﻤﻜﻮﻧﺎت )اﻟﻌﻮاﻣﻞ( اﻟﺘﻲ ﺗﻔﺴﺮ اﻟﻌﻼﻗﺎت ﺑﻴﻦ‬
‫اﻟﻤﺘﻐﻴﺮات‪.‬‬
‫آﻤﺎ أﻧﻪ ﻳﻤﺪ اﻟﺒﺎﺣﺚ ﺑﻮﺳﻴﻠﺔ ﻟﺘﻔﺴﻴﺮ اﻟﺘﺒﺎﻳﻦ اﻟﻤﻮﺟﻮد ﺑﻴﻦ اﻟﻤﺘﻐﻴﺮات‬ ‫‪z‬‬
‫ﺑﺎﺳﺘﺨﺪام ﻋﺪد أﻗﻞ ﻣﻦ اﻟﻌﻮاﻣﻞ‪.‬‬
‫وآﺬﻟﻚ ﻳﻤﻜﻦ ﺑﺎﺳﺘﺨﺪام اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ اﻟﺘﺤﻘﻖ ﻣﻦ‬ ‫‪z‬‬
‫اﻓﺘﺮاض ﺗﺸﺒﻊ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻤﺘﻐﻴﺮات ﻋﻠﻰ ﺗﻜﻮﻳﻦ ﻓﺮﺿﻰ ﻣﻌﻴﻦ‬
‫ﻣﻦ ﻋﺪﻣﻪ‪.‬‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ‪ :‬اﻻﻓﺘﺮاﺿﺎت‬

‫اﻟﻤﺘﻐﻴﺮات ﻣﻘﺎﺳﻪ ﻋﻠﻰ اﻟﻤﺴﺘﻮى اﻟﻔﺘﺮى أو اﻟﻨﺴﺒﻪ‬ ‫‪z‬‬

‫اﻟﻌﻴﻨﺎت ﻋﺸﻮاﺋﻴﻪ‬ ‫‪z‬‬
‫اﻟﻌﻼﻗﻪ ﺑﻴﻦ اﻟﻤﺘﻐﻴﺮات ﺧﻄﻴﻪ‬ ‫‪z‬‬
‫اﻟﺘﻮزﻳﻊ اﻻﻋﺘﺪاﻟﻰ ﻟﻠﻤﺘﻐﻴﺮات‬ ‫‪z‬‬
‫ﻋﻴﻨﻪ آﺒﻴﺮﻩ ﻣﻦ اﻷﻓﺮاد‪ ،‬ﻻ ﺗﻘﻞ ﻋﻦ ‪ 100‬أو ‪ 5‬أﺿﻌﺎف ﻋﺪد‬ ‫‪z‬‬
‫اﻟﻤﺘﻐﻴﺮات اﻟﻤﻘﺎﺳﻪ ﻋﻠﻰ اﻷﻗﻞ‪.‬‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ‪ :‬ﻓﺼﻞ اﻟﻌﻮاﻣﻞ‬

‫ﻳﻬﺘﻢ أﺳﻠﻮب اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ ﺑﺎآﺘﺸﺎف اﻟﻌﻮاﻣﻞ‬ ‫‪z‬‬

‫اﻟﻤﺸﺘﺮآﻪ‪ ،‬ﻟﺬﻟﻚ ﻳﻌﺘﻤﺪ اﺳﻠﻮب ﻓﺼﻞ اﻟﻌﻮاﻣﻞ ﻋﻠﻰ ﺣﺼﻮل اﻟﻌﺎﻣﻞ‬
‫اﻷول ﻋﻠﻰ أآﺒﺮ ﻗﺪر ﻣﻤﻜﻦ ﻣﻦ اﻟﺘﺒﺎﻳﻦ اﻟﻤﺸﺘﺮك‪ .‬أﻣﺎ اﻟﻌﻮاﻣﻞ‬
‫اﻟﺘﺎﻟﻴﻪ ﻓﺎﻧﻬﺎ ﺗﺤﺼﻞ ﻋﻠﻰ ﻗﺪر ﻣﻦ اﻟﺘﺒﺎﻳﻦ اﻟﻤﺸﺘﺮك اﻟﻤﺘﺒﻘﻰ ﺑﻌﺪ‬
‫اﻟﻌﺎﻣﻞ اﻷول وهﻜﺬا ﺣﺘﻰ ﻳﺘﻢ ﺗﻔﺴﻴﺮ آﻞ اﻟﺘﺒﺎﻳﻦ اﻟﻤﺸﺘﺮك ﻣﻦ‬
‫ﺧﻼل اﻟﻌﻮاﻣﻞ اﻟﺘﻰ ﺗﻢ ﻓﺼﻠﻬﺎ‪.‬‬
‫ﻃﺮق اﻟﻔﺼﻞ اﻟﻤﺒﺎﺷﺮﻩ ﺗﻔﺼﻞ اﻟﻌﻮاﻣﻞ ﻣﻦ ﻣﺼﻔﻮﻓﻪ ﻣﻌﺎﻣﻼت‬ ‫‪z‬‬
‫اﻻرﺗﺒﺎط ﺑﺸﻜﻞ ﻣﺒﺎﺷﺮ ﻋﺪد ﻣﻦ اﻟﻨﻤﺎذج اﻟﺮﻳﺎﺿﻴﻪ‪ .‬وإذا آﺎن اﻟﺤﻞ‬
‫اﻟﺬى ﺗﻘﺪﻣﻪ ﻃﺮق اﻟﻔﺼﻞ اﻟﻤﺒﺎﺷﺮﻩ ﻏﺎﻣﺾ أو ﺻﻌﺐ اﻟﺘﻔﺴﻴﺮ‪،‬‬
‫ﻳﻘﻮم اﻟﺒﺎﺣﺚ ﺑﺘﺪوﻳﺮ اﻟﻤﺤﺎور‪ ،‬اﻟﺬى ﻗﺪ ﻳﺴﺎﻋﺪ ﻓﻰ ﺗﻔﺴﻴﺮ اﻟﺘﺸﺒﻌﺎت‬
‫وﺗﻘﻠﻴﻞ اﻟﻐﻤﻮض‪.‬‬
‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ‪ :‬ﻣﺤﻜﺎت ﻓﺼﻞ اﻟﻌﻮاﻣﻞ‬

‫هﻰ ﻣﺤﻜﺎت ﻟﺘﺤﺪﻳﺪ ﻋﺪد اﻟﻌﻮاﻣﻞ اﻟﺘﻰ ﻳﺘﻢ ﻓﺼﻠﻬﺎ‪ ،‬ﺑﻤﻌﻨﻰ اﻻﺑﻘﺎء‬ ‫‪z‬‬
‫ﻋﻠﻰ اﻟﻌﻮاﻣﻞ اﻟﺘﻰ ﺗﻔﺴﺮ أآﺒﺮ ﻗﺪر ﻣﻦ اﻟﺘﺒﺎﻳﻦ اﻟﻤﺸﺘﺮك‪.‬‬
‫ﻣﺤﻚ آﺎﻳﺰر ‪eigenvalue > 1 : Kaiser’s Criterion‬‬ ‫–‬
‫ﻣﺤﻚ آﺎﺗﻞ ‪scree test : Cattell’s Criterion‬‬ ‫–‬
‫ﻧﺴﺒﻪ اﻟﺘﺒﺎﻳﻦ اﻟﻤﻔﺴﺮ‪ :‬ﻻ ﺗﻘﻞ ﻋﻦ ‪%10 – 5‬‬ ‫–‬
‫اﻟﺘﺸﺒﻌﺎت‪ 3 :‬ﻣﺘﻐﻴﺮات ﻋﻠﻰ اﻷﻗﻞ‪ ،‬ﻻ ﻳﻘﻞ ﺗﺸﺒﻌﻬﺎ ﻋﻦ ‪0.3‬‬ ‫–‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ‪ :‬ﺧﻄﻮات‬

‫اﻟﻔﺼﻞ اﻷوﻟﻰ ‪Initial Extraction‬‬ ‫‪z‬‬

‫آﻞ ﻋﺎﻣﻞ ﻳﻔﺴﺮ أآﺒﺮ آﻤﻴﻪ ﻣﻦ اﻟﺘﺒﺎﻳﻦ اﻟﻤﺘﺒﻘﻰ ﻣﻦ اﻟﻌﺎﻣﻞ اﻟﺬى ﻳﺴﺒﻘﻪ‬ ‫–‬
‫اﻟﻌﻮاﻣﻞ ﻏﻴﺮ ﻣﺮﺗﺒﻄﻪ‬ ‫–‬
‫اﻟﺠﺬور اﻟﻜﺎﻣﻨﻪ ‪ eigenvalue‬ﺗﺤﺪد آﻤﻴﻪ اﻟﺘﺒﺎﻳﻦ اﻟﺬى ﻗﺎم اﻟﻌﺎﻣﻞ‬ ‫–‬
‫ﺑﺘﻔﺴﻴﺮﻩ‬
‫ﺗﺤﺪﻳﺪ ﻋﺪد اﻟﻌﻮاﻣﻞ‬ ‫‪z‬‬
‫‪Scree Test‬‬ ‫–‬
‫ﻧﺴﺒﻪ اﻟﺘﺒﺎﻳﻦ اﻟﻤﻔﺴﺮ‬ ‫–‬
‫‪ 3‬ﻋﻠﻰ اﻷﻗﻞ ﻣﻦ اﻟﻤﺘﻐﻴﺮات ﺗﺸﺒﻌﺖ ﻋﻠﻰ اﻟﻌﺎﻣﻞ ﺗﺸﺒﻌﺎت داﻟﻪ )ﻻ ﺗﻘﻞ‬ ‫–‬
‫ﻋﻦ ‪(0.3‬‬
‫اﻟﻤﺘﻐﻴﺮات اﻟﻤﺘﺸﺒﻌﻪ ﻋﻠﻰ ﻋﻮاﻣﻞ ﻣﺨﺘﻠﻔﻪ ﺗﻘﻴﺲ أﺑﻌﺎد ﻣﺨﺘﻠﻔﻪ‬ ‫–‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ‪ :‬ﺧﻄﻮات‬

‫اﻟﻤﺘﻐﻴﺮات اﻟﻤﺘﺸﺒﻌﻪ ﻋﻠﻰ ﻧﻔﺲ اﻟﻌﻮاﻣﻞ ﺗﻘﻴﺲ ﺑﻌﺪ واﺣﺪ‬ ‫–‬

‫ﻻ ﻳﻮﺟﺪ ﻣﺘﻐﻴﺮات آﺜﻴﺮة ﺗﺸﺒﻌﺖ ﻋﻠﻰ أآﺜﺮ ﻣﻦ ﺑﻌﺪ‬ ‫–‬

‫ﺗﺪوﻳﺮ اﻟﻤﺤﺎور‬ ‫‪z‬‬

‫ﺣﺴﺎب درﺟﺎت اﻟﻌﻮاﻣﻞ ‪Factor Score‬‬ ‫‪z‬‬
‫ﻋﺮض اﻟﻨﺘﺎﺋﺞ وﺗﻔﺴﻴﺮ اﻟﻌﻮاﻣﻞ اﻟﻨﺎﺗﺠﻪ وﺗﺴﻤﻴﺘﻬﺎ‬ ‫‪z‬‬
‫ﻋﺪد اﻟﻌﻮاﻣﻞ اﻟﻨﺎﺗﺠﺔ ﻳﺘﺮاوح ﺑﻴﻦ ‪1‬و ﻋﺪد اﻟﻤﺘﻐﻴﺮات اﻟﻤﻘﺎﺳﺔ‬ ‫‪z‬‬
Rotation
Example

Hand Number Word Gestalt Triangles Spatial Matrix Photo

Movements Recall Order Closure Momery Analogies Series

Sequential Simultaneous
Processing Processing
Example

e1 e2 e3 e4 e5 e6 e7 e8
1 1 1 1 1 1 1 1
Hand Number Word Gestalt Spatial Matrix Photo
Movements Recall Triangles
Order Closure Momery Analogies Series

Sequential Simultaneous
Processing Processing
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى‪ :‬ﺧﻄﻮات‬

‫ﻳﺴﺘﺨﺪم اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى ﻓﻰ اﻟﺘﺤﻘﻖ ﻣﻦ ﺻﺤﻪ اﻟﺒﻨﺎء‬ ‫‪z‬‬

‫اﻟﻌﺎﻣﻠﻰ اﻟﺬى ﻳﺘﻢ اﻓﺘﺮاﺿﻪ ﻓﻰ ﺿﻮء ﻧﻈﺮﻳﻪ ﻣﺤﺪدﻩ أو أدﻟﻪ ﻣﻦ‬
‫دراﺳﺎت ﺳﺎﺑﻘﻪ أو آﻼهﻤﺎ‪.‬‬
‫ﻳﻤﺮ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى ﺑﺎﻟﺨﻄﻮات اﻷﺗﻴﻪ‪:‬‬ ‫‪z‬‬
‫ﻣﺮاﺟﻌﻪ اﻻﻃﺎر اﻟﻨﻈﺮى واﻟﺪراﺳﺎت اﻟﺴﺎﺑﻘﻪ اﻟﺘﻰ ﺗﺪﻋﻢ ﺗﻮﺻﻴﻒ ﻣﺤﺪد‬ ‫–‬
‫ﻟﻠﺒﻨﺎء اﻟﻌﺎﻣﻠﻰ‪.‬‬
‫ﺗﻮﺻﻴﻒ اﻟﻨﻤﻮذج ‪ Model Specification‬وﻓﻘﺎ ﻟﻠﺒﻨﺎء اﻟﻌﺎﻣﻠﻰ اﻟﺬى‬ ‫–‬
‫ﺗﻢ ﺗﺤﺪﻳﺪﻩ‪.‬‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى‪ :‬ﺧﻄﻮات‬

‫اﻟﺘﺤﻘﻖ ﻣﻦ آﻮن اﻟﻨﻤﻮذج ﻣﻌﺮف رﻳﺎﺿﻴﺎ ‪Model Identification‬‬ ‫–‬

‫)اﻣﻜﺎﻧﻴﻪ اﻟﺘﻮﺻﻞ ﻟﻘﻴﻤﻪ ﻣﺤﺪدﻩ ﻟﻜﻞ ﺑﺎراﻣﺘﺮ ﻳﺮاد ﺗﻘﺪﻳﺮ ﻗﻴﻤﺘﻪ(‪.‬‬
‫ﺟﻤﻊ اﻟﺒﻴﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام ﻋﻴﻨﺎت ﻣﻨﺎﺳﺒﻪ ﻣﻦ ﺣﻴﺚ اﻟﺤﺠﻢ )ﻣﻦ ‪20 – 5‬‬ ‫–‬
‫ﻓﺮد ﻟﻜﻞ ﺑﺎراﻣﺘﺮ ﻳﺘﻢ ﺗﻘﺪﻳﺮﻩ(‪.‬‬
‫اﻟﺘﺤﻠﻴﻼت اﻻﺣﺼﺎﺋﻴﻪ اﻟﻮﺻﻔﻴﻪ ﻟﻠﻤﺘﻐﻴﺮات‪(scaling, missing :‬‬ ‫–‬
‫)‪data, collinearity issues, outlier detection‬‬
‫ﺗﻘﺪﻳﺮ ﺑﺎراﻣﺘﺮات اﻟﻨﻤﻮذج‬ ‫–‬
‫اﻟﺘﺤﻘﻖ ﻣﻦ ﻣﻼﺋﻤﻪ اﻟﺒﻴﺎﻧﺎت ﻟﻠﻨﻤﻮذج )ﻣﺆﺷﺮات اﻟﻤﻼﺋﻤﻪ ‪Goodness-‬‬ ‫–‬
‫‪of-Fit Indices).‬‬
‫ﻋﺮض وﺗﻔﺴﻴﺮ اﻟﻨﺘﺎﺋﺞ‪.‬‬ ‫–‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى‪ :‬اﻟﻤﻼﺋﻤﻪ‬

‫ﺗﺴﺘﺨﺪم اﻻﺳﺎﻟﻴﺐ اﻻﺣﺼﺎﺋﻴﻪ اﻟﺘﻘﻠﻴﺪﻳﻪ اﻻﺧﺘﺒﺎرات اﻻﺣﺼﺎﺋﻴﻪ ﻟﺘﺤﺪﻳﺪ ﻣﺴﺘﻮى‬ ‫‪z‬‬

‫اﻟﺪﻻﻟﻪ ‪ ،significance of the analysis‬ﺑﻴﻨﻤﺎ ﻳﻌﺘﻤﺪ اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ‬
‫اﻟﺘﻮآﻴﺪى ﻓﻰ اﻷﺳﺎس ﻋﻠﻰ ﻣﺪى ﻣﻼﺋﻤﻪ اﻟﺒﻴﺎﻧﺎت ﻟﻠﻨﻤﻮذج اﻟﺬى ﺗﻢ ﺗﻮﺻﻴﻔﻪ‬
‫ﻣﺴﺒﻘﺎ‪ .‬وﻟﻠﻘﻴﺎم ﺑﺬﻟﻚ هﻨﺎك ﻣﺎ ﻳﻌﺮف‪χ 2‬ﺑﻤﺆﺷﺮات ﺣﺴﻦ اﻟﻤﻼﺋﻤﺔ ‪goodness-‬‬
‫‪ .of-fit indices‬وهﻰ ﻣﺆﺷﺮات إﺣﺼﺎﺋﻴﺔ أو وﺻﻔﻴﺔ ﺗﺤﺪد ﻗﻴﻤﺔ ﺗﺴﺎﻋﺪ‬
‫اﻟﺒﺎﺣﺚ ﻋﻠﻰ ﺗﺤﺪﻳﺪ ﻣﺪى ﺟﻮدة ﻧﻤﻮذج ﻣﻘﺘﺮح‪ ،‬ﻋﻦ ﻃﺮﻳﻖ ﻣﻘﺎرﻧﺘﻪ ﺑﻨﻤﻮذج‬
‫أﺧﺮ أو ﺑﺎﺧﺘﺒﺎر اﻟﺘﻮاﻓﻖ ﺑﻴﻦ ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻦ‪/‬اﻟﺘﻐﺎﻳﺮ اﻟﺘﻰ ﻳﻘﺘﺮﺣﻬﺎ اﻟﻨﻤﻮذج‬
‫واﻟﻤﺼﻔﻮﻓﺔ اﻟﻤﻼﺣﻈﺔ‪.‬‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى‪ :‬ﻣﺆﺷﺮات اﻟﻤﻼﺋﻤﻪ‬

‫ﻣﺮﺑﻊ آﺎى ‪ :‬ﻳﻌﻜﺲ هﺬا اﻟﻤﺆﺷﺮ ﻣﺪى اﻟﺘﺒﺎﻳﻦ ﺑﻴﻦ ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻦ‪/‬اﻟﺘﻐﺎﻳﺮ‬ ‫‪z‬‬
‫اﻟﻤﻼﺣﻈﺔ ﻣﻦ اﻟﺒﻴﺎﻧﺎت اﻟﻔﻌﻠﻴﺔ وﺗﻠﻚ اﻟﻤﺼﻔﻮﻓﺔ اﻟﺘﻰ ﺗﻘﺘﺮﺣﻬﺎ اﻟﻌﻼﻗﺎت ﺑﻴﻦ‬
‫اﻟﻤﺘﻐﻴﺮات اﻟﻤﻮﺟﻮدة ﻓﻰ اﻟﻨﻤﻮذج اﻟﻨﻈﺮى‪.‬‬
‫إذا آﺎﻧﺖ ﻗﻴﻤﺔ ﻣﺮﺑﻊ آﺎى ﻷﺣﺪ اﻟﻨﻤﺎذج داﻟﺔ إﺣﺼﺎﺋﻴﺎ‪ ،‬آﺎن ذﻟﻚ ﻣﺆﺷﺮا‬ ‫‪z‬‬
‫ﻋﻠﻰ اﺧﺘﻼف اﻟﻨﻤﻮذج اﻟﻨﻈﺮى ﺑﺸﻜﻞ آﺒﻴﺮ وﻣﻌﻨﻮى ﻋﻦ اﻟﻨﻤﻮذج اﻟﻔﻌﻠﻰ‬
‫اﻟﺬى ﻳﺤﺪد اﻟﻌﻼﻗﺎت ﺑﻴﻦ اﻟﻤﺘﻐﻴﺮات‪ .‬وﻋﻠﻰ ذﻟﻚ ﻓﺈن اﻟﻘﻴﻤﺔ اﻟﺪاﻟﺔ ﻟﻬﺬا‬
‫اﻟﻤﺆﺷﺮ ﺗﻌﻨﻰ رﻓﺾ اﻟﻨﻤﻮذج اﻟﻤﻘﺘﺮح أو إﻋﺎدة ﺗﻮﺻﻴﻔﻪ‪.‬‬
‫أهﻢ ﻋﻴﻮب هﺬا اﻟﻤﺆﺷﺮ هﻮ ﺗﺄﺛﺮﻩ ﺑﺤﺠﻢ اﻟﻌﻴﻨﺔ اﻟﻤﺴﺘﺨﺪﻣﺔ‪ .‬ﻓﺎﻟﻌﻴﻨﺎت ذات‬ ‫‪z‬‬
‫اﻟﺤﺠﻢ اﻟﻜﺒﻴﺮ ﻗﺪ ﺗﺆدى ﻟﺮﻓﺾ اﻟﻨﻤﻮذج ﺣﺘﻰ ﻟﻮ آﺎن ﻧﻤﻮذج ﺟﻴﺪ أو ﻗﺮﻳﺐ‬
‫ﻣﻦ اﻟﻨﻤﻮذج اﻟﺤﻘﻴﻘﻰ وﺣﺘﻰ ﻟﻮ آﺎن اﻻﺧﺘﻼف ﺑﻴﻦ اﻟﻨﻤﻮذج اﻟﻤﻘﺘﺮح‬
‫واﻟﺒﻴﺎﻧﺎت ﺻﻐﻴﺮ‪.‬‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى‪ :‬ﻣﺆﺷﺮات اﻟﻤﻼﺋﻤﻪ‬

‫ﻣﺆﺷﺮ اﻟﻤﻼءﻣﺔ ﻏﻴﺮ اﻟﻤﻌﻴﺎرى )‪ : (NNFI‬وﻳﻌﺘﻤﺪ هﺬا اﻟﻤﺆﺷﺮ‬ ‫‪z‬‬

‫ﻋﻠﻰ ﻣﻘﺎرﻧﺔ اﻟﻨﻤﻮذج اﻟﺬى ﻳﻘﺘﺮﺣﻪ اﻟﺒﺎﺣﺚ ﺑﻨﻤﻮذج أﺧﺮ ﻳﺴﻤﻰ‬
‫اﻟﻨﻤﻮذج اﻟﻘﺎﻋﺪى ‪ baseline model‬وهﻮ اﻟﻨﻤﻮذج اﻟﺬى‬
‫ﻳﻔﺘﺮض أن ﺟﻤﻴﻊ اﻟﻌﻼﻗﺎت ﺑﻴﻦ اﻟﻤﺘﻐﻴﺮات ﺻﻔﺮﻳﺔ وهﻮ ﺑﺬﻟﻚ‬
‫ﻳﻘﺎرن اﻟﻨﻤﻮذج اﻟﺬى ﻳﻘﺘﺮﺣﻪ اﻟﺒﺎﺣﺚ ﺑﺄﻗﻞ اﻟﻨﻤﺎذج ﻣﻼءﻣﺔ‬
‫)اﻟﻨﻤﻮذج اﻟﺼﻔﺮى(‪ .‬وﺑﺬﻟﻚ ﻳﻌﻜﺲ هﺬا اﻟﻤﺆﺷﺮ اﻟﻤﻼﺋﻤﺔ‬
‫اﻟﻤﻜﺘﺴﺒﺔ اﻟﺘﻰ ﻧﺤﺼﻞ ﻋﻠﻴﻬﺎ ﻣﻦ ﺗﻮﺻﻴﻒ اﻟﻨﻤﻮذج اﻟﻤﻘﺘﺮح‬
‫ﻣﻘﺎرﻧﺔ ﺑﻨﻘﻄﺔ ﺻﻔﺮ اﻟﻤﻼﺋﻤﺔ وهﻮ اﻟﻨﻤﻮذج اﻟﺼﻔﺮى‪.‬‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى‪ :‬ﻣﺆﺷﺮات اﻟﻤﻼﺋﻤﻪ‬

‫ﻣﺆﺷﺮ اﻟﻤﻼﺋﻤﺔ اﻟﺘﺰاﻳﺪى) ‪ : (IFI‬و هﻮﻳﺸﺒﻪ اﻟﻤﺆﺷﺮ اﻟﺴﺎﺑﻖ‬ ‫‪z‬‬

‫ﺣﻴﺚ ﻳﻌﻜﺲ ﻣﺪى ﺗﻔﻮق اﻟﻨﻤﻮذج اﻟﺬى ﻳﻘﺘﺮﺣﻪ اﻟﺒﺎﺣﺚ ﻓﻰ ﻣﻼءﻣﺘﻪ‬
‫ﻋﻠﻰ ﻧﻤﻮذج ﻗﺎﻋﺪى )اﻟﻨﻤﻮذج اﻟﺼﻔﺮى(‪.‬‬
‫ﻣﺆﺷﺮ اﻟﻤﻼﺋﻤﺔ اﻟﻤﻘﺎرن ) ‪ : (CFI‬ﻷن اﻟﻤﺆﺷﺮات اﻟﺴﺎﺑﻘﺔ ﻗﺪ‬ ‫‪z‬‬
‫ﺗﺨﺮج ﻋﻦ اﻟﻤﺪى ﺻﻔﺮ إﻟﻰ ‪ ، 1‬ﻣﻤﺎ ﻳﺼﻌﺐ ﺗﻔﺴﻴﺮهﺎ وإﻋﻄﺎءهﺎ‬
‫ﻣﻌﻨﻰ ؛ إﻗﺘﺮح ﺑﺎﻧﺘﻠﺮ ‪ Bentler‬هﺬا اﻟﻤﺆﺷﺮ اﻟﺬى ﻻﺗﻘﻞ ﻗﻴﻤﻪ ﻋﻦ‬
‫ﺻﻔﺮ وﻻ ﺗﺰﻳﺪ ﺑﺄى ﺣﺎل ﻋﻦ ‪.1‬‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى‪ :‬ﻣﺆﺷﺮات اﻟﻤﻼﺋﻤﻪ‬

‫ﺟﺬر ﻣﺘﻮﺳﻂ ﻣﺮﺑﻊ اﻟﺨﻄﺄ اﻟﺘﻘﺎرﺑﻰ ‪Root Mean Square Error‬‬ ‫‪z‬‬
‫‪ :of Approximation‬ﻷن ﺟﻤﻴﻊ اﻟﻨﻤﺎذج اﻟﺘﻰ ﻳﻘﺘﺮﺣﻬﺎ اﻟﺒﺎﺣﺚ ﻳﻘﺼﺪ‬
‫ﺑﻬﺎ اﻻﻗﺘﺮاب ﺑﻘﺪر اﻹﻣﻜﺎن ﻣﻦ اﻟﺤﻘﻴﻘﺔ‪ ،‬وﻻ ﻳﻮﺟﺪ ﻧﻤﻮذج ﻣﺎ ﻣﻄﺎﺑﻖ ﺗﻤﺎﻣﺎ‬
‫ﻟﻠﺤﻘﻴﻘﺔ‪ .‬ﺑﻤﻌﻨﻰ أﻧﻪ ﻻﺑﺪ أن ﻳﻮﺟﺪ درﺟﺔ ﻣﺎ ﻣﻦ اﻟﺨﻄﺄ ﻓﻰ ﺗﻮﺻﻴﻒ اﻟﻨﻤﻮذج‪.‬‬
‫وﻳﻘﺪر هﺬا اﻟﻤﺆﺷﺮ هﺬا اﻟﺨﻄﺄ ﻋﻦ ﻃﺮﻳﻖ ﻗﻴﺎس ﻣﺪى اﻟﺘﻨﺎﻗﺾ‬
‫‪ discrepancy‬ﺑﻴﻦ ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻦ‪/‬اﻟﺘﻐﺎﻳﺮ اﻟﺘﻰ ﻳﻤﻜﻦ ﺗﻜﻮﻳﻨﻬﺎ ﻣﻦ‬
‫اﻟﺒﻴﺎﻧﺎت اﻟﻤﻼﺣﻈﺔ واﻟﻤﺼﻔﻮﻓﺔ اﻟﻤﺴﺘﺨﻠﺼﺔ ﻣﻦ اﻟﻨﻤﻮذج اﻟﻤﻘﺘﺮح‪ .‬وإذا آﺎﻧﺖ‬
‫اﻟﻤﺆﺷﺮات اﻟﺴﺎﺑﻘﺔ ﻗﺪ ﺗﺘﺄﺛﺮ ﻗﻴﻤﺘﻬﺎ ﺑﺤﺠﻢ اﻟﻨﻤﻮذج وﻋﺪد اﻟﻤﺘﻐﻴﺮات اﻟﻤﻜﻮﻧﺔ‬
‫ﻟﻪ؛ ﻓﺈن هﺬا اﻟﻤﺆﺷﺮ ﻳﺘﻤﻴﺰ ﺑﺄﻧﻪ ﻣﺘﺤﺮر ﻣﻦ أﺛﺮ ذﻟﻚ‪.‬‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻟﺘﻮآﻴﺪى‪ :‬ﻣﻤﻴﺰات‬

‫ﻳﻤﻜﻦ اﺧﺘﺒﺎر ﻓﺮوض ﺗﺘﻌﻠﻖ ﺑﺄﻓﻀﻠﻴﺔ ﻋﺪة ﻧﻤﺎذج ﻋﺎﻣﻠﻴﺔ ‪nested‬‬ ‫‪z‬‬
‫‪models‬‬
‫ﻳﻤﻜﻦ اﺧﺘﺒﺎر ﻓﺮوض ﺗﺘﻌﻠﻖ ﺑﺎﻟﻌﻼﻗﺎت ﺑﻴﻦ ﺗﺒﺎﻳﺎﻧﺎت أﺧﻄﺎء اﻟﻘﻴﺎس‬ ‫‪z‬‬
‫ﻳﻤﻜﻦ اﺧﺘﺒﺎر ﻓﺮوض ﺗﺘﻌﻠﻖ ﺑﺎﻟﻤﻘﺎرﻧﺔ ﺑﻴﻦ ﻣﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻨﻤﺎذج‬ ‫‪z‬‬
‫اﻟﻌﺎﻣﻠﻴﺔ ﻋﻨﺪ ﺗﺴﺎوى ﻗﻴﻢ ﺑﻌﺾ اﻟﺒﺎراﻣﺘﺮات‬
‫ﻳﻤﻜﻦ اﺧﺘﺒﺎر ﻓﺮوض ﺗﺘﻌﻠﻖ ﺑﺎﻟﻤﻘﺎرﻧﺔ ﺑﻴﻦ ﻋﺪد ﻣﻦ اﻟﻌﻴﻨﺎت ﻓﻰ‬ ‫‪z‬‬
‫ﻧﻔﺲ اﻟﻮﻗﺖ‬
Example

e1 e2 e3 e4 e5 e6 e7 e8
1 1 1 1 1 1 1 1
Hand Number Word Gestalt Spatial Matrix Photo
Movements Recall Triangles
Order Closure Momery Analogies Series

Sequential Simultaneous
Processing Processing
Example: Within-Factor Correlated
Measurement Errors

e1 e2 e3 e4 e5 e6 e7 e8
1 1 1 1 1 1 1 1
Hand Number Word Gestalt Spatial Matrix Photo
Movements Recall Triangles
Order Closure Momery Analogies Series

Sequential Simultaneous
Processing Processing
Example: Between-Factor Correlated
Measurement Errors

e1 e2 e3 e4 e5 e6 e7 e8
1 1 1 1 1 1 1 1
Hand Number Word Gestalt Spatial Matrix Photo
Movements Recall Triangles
Order Closure Momery Analogies Series

Sequential Simultaneous
Processing Processing
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ واﻟﺘﻮآﻴﺪى‪:‬‬
‫ﺗﺸﺎﺑﻬﺎت واﺧﺘﻼﻓﺎت‬

‫اﻟﺘﺸﺎﺑﻬﺎت‬ ‫‪z‬‬
‫آﻼ اﻻﺳﻠﻮﺑﻴﻦ ﻳﻌﺘﻤﺪ ﻋﻠﻰ اﻟﻨﻤﺎذج اﻻﺣﺼﺎﺋﻴﻪ اﻟﺨﻄﻴﻪ‬ ‫–‬
‫آﻼ اﻻﺳﻠﻮﺑﻴﻦ ﻟﻪ أﻓﺘﺮاﺿﺎت ﻳﺠﺐ اﻟﺘﺄآﺪ ﻣﻦ ﺗﺤﻘﻘﻬﺎ ﻗﺒﻞ اﺳﺘﺨﺪاﻣﻬﻢ ﻓﻰ‬ ‫–‬
‫اﻟﺘﺤﻠﻴﻞ‬
‫آﻼ اﻻﺳﻠﻮﺑﻴﻦ ﻳﻔﺘﺮﺿﺎن اﻟﺘﻮزﻳﻊ اﻻﻋﺘﺪاﻟﻰ‬ ‫–‬
‫آﻼ اﻻﺳﻠﻮﺑﻴﻦ ﻳﺘﻀﻤﻨﺎن ﻣﺘﻐﻴﺮات ﻣﻼﺣﻈﻪ وآﺬﻟﻚ ﻣﺘﻐﻴﺮات آﺎﻣﻨﻪ‬ ‫–‬
 ‫اﻟﺘﺤﻠﻴﻞ اﻟﻌﺎﻣﻠﻰ اﻻﺳﺘﻜﺸﺎﻓﻰ واﻟﺘﻮآﻴﺪى‪:‬‬
‫ﺗﺸﺎﺑﻬﺎت واﺧﺘﻼﻓﺎت‬

‫اﻻﺧﺘﻼﻓﺎت‬ ‫‪z‬‬
‫‪z‬‬ ‫‪CFA‬‬ ‫‪EFA‬‬
‫ﻧﻌﻢ‬ ‫ﻻ‬ ‫ﻳﺘﻄﻠﺐ ﺗﺤﺪﻳﺪ ﻣﺴﺒﻖ ﻟﺸﻜﻞ اﻟﻨﻤﻮذج‬ ‫–‬
‫ﻧﻌﻢ‬ ‫ﻻ‬ ‫ﻳﺘﻄﻠﺐ ﺗﺤﺪﻳﺪ ﻣﺴﺒﻖ ﻟﻌﺪد اﻟﻌﻮاﻣﻞ‬ ‫–‬
‫ﻳﺘﻄﻠﺐ ﺗﺤﺪﻳﺪ ﻣﺴﺒﻖ ﻻرﺗﺒﺎط آﻞ‬ ‫–‬
‫ﻧﻌﻢ‬ ‫ﻻ‬ ‫ﻣﺘﻐﻴﺮ ﺑﺎﻟﻌﺎﻣﻞ‬
‫ﻧﻌﻢ‬ ‫ﻻ‬ ‫ﻳﺘﻄﻠﺐ ﻧﻤﻮذج ﻣﺪﻋﻢ ﺑﺎﻃﺎر ﻧﻈﺮى‬ ‫–‬
‫ﻧﻌﻢ‬ ‫ﻻ‬ ‫ﻳﺘﻀﻤﻦ ﻧﻤﺬﺟﻪ أﺧﻄﺎء اﻟﻘﻴﺎس‬ ‫–‬
‫ﻻ‬ ‫ﻧﻌﻢ‬ ‫ﻳﺘﻮﺻﻞ ﻟﻠﺒﻨﺎء اﻟﻌﺎﻣﻠﻰ ﻟﻠﻤﺘﻐﻴﺮات‬ ‫–‬
‫ﻻ‬ ‫ﻧﻌﻢ‬ ‫ﻳﻔﺴﺮ أآﺒﺮ ﻗﺪر ﻣﻤﻜﻦ ﻣﻦ اﻟﺘﺒﺎﻳﻦ‬ ‫–‬
~END~