شرح منهجية PLS-SEM لتحليل بيانات الاستبيان في 7 خطوات

منهجية PLS-SEM لتحليل بيانات الاستبيان واستخلاص النتائج

يُعد تحليل بيانات الاستبيان واستخلاص النتائج باستخدام منهجية PLS-SEM أحد الأساليب الإحصائية المستخدمة على نطاق واسع، وهو اختصار لـ (Partial Least Squares Structural Equation Modeling). يُستخدم هذا النهج بشكل خاص في البحوث الاستكشافية التي تهدف إلى التنبؤ أو تطوير النظريات، حيث يشترك في بعض الجوانب مع تحليل الانحدار المتعدد، لكنه يركز بشكل أساسي على تعظيم التباين المفسَّر بين المتغيرات التابعة. إضافةً إلى ذلك، يسهم هذا الأسلوب في تقييم جودة البيانات استنادًا إلى خصائص نموذج القياس المستخدم. ونظرًا لأهمية هذا المنهج، حرصت على تقديم شرح مفصل حول كيفية تطبيقه في تحليل بيانات الاستبيان واستخلاص النتائج، وذلك من خلال هذا المقال الذي يستعرض أبرز مفاهيم PLS-SEM وآليات استخدامه.

 

مفهوم منهجية PLS-SEM في التحليل الإحصائي

منهجية PLS-SEM هي إحدى الأساليب المستخدمة في تحليل المعادلات الهيكلية، حيث تُستخدم لدراسة العلاقات بين المتغيرات المستقلة والتابعة. وينقسم هذا الأسلوب في التحليل إلى جانبين رئيسيين: الأول يركز على الدراسات التنبؤية، بينما يهتم الجانب الآخر باختيار النموذج المناسب وتحليله باستخدام أسلوب PLS-SEM.

 

سمات منهجية PLS-SEM في التحليل الإحصائي

تتميز منهجية PLS-SEM بعدد من السمات الفريدة التي تجعلها منهجًا فعالًا في التحليل الإحصائي وهي كالتالي:

1- النهج التنبؤي في التحليل

تركز منهجية PLS-SEM بشكل أكبر على التنبؤ بدلاً من اختبار النظريات القائمة، مما يجعلها نهجًا مثاليًا للباحثين الذين يسعون إلى تقدير تأثير المتغيرات المستقلة على المتغيرات التابعة

2- المرونة في الافتراضات الإحصائية

لا يتطلب استخدام هذا الأسلوب أن تكون البيانات موزعة توزيعًا طبيعيًا، كما يمكن تطبيقه على العينات الصغيرة دون أن يؤثر ذلك بشكل كبير على النتائج. بالإضافة إلى ذلك، يتميز بقدرته على معالجة البيانات التي تعاني من مشكلات مثل التباين غير المتجانس

3- دعم النماذج الهيكلية ذات المسارات المتعددة

تُعد منهجية PLS-SEM من الأساليب المثالية لتحليل البيانات، خاصةً عند التعامل مع النماذج المعقدة التي تحتوي على مسارات متعددة. كما تدعم هذه المنهجية دراسة العلاقات المباشرة وغير المباشرة، بالإضافة إلى تمكين تحليل المتغيرات الكامنة التي يتم قياسها من خلال مؤشرات متعددة

4- إمكانية معالجة العينات الصغيرة والبيانات متعددة الأبعاد

تُعد منهجية PLS-SEM خيارًا فعالًا لتحليل البيانات، خاصة عند التعامل مع العينات الصغيرة التي قد يقل عددها عن 150 مفردة. كما تُفضل هذه المنهجية في الحالات التي تواجه قيودًا تتعلق بصعوبة جمع بيانات كبيرة، دون أن يؤثر ذلك على دقة النتائج. إضافةً إلى ذلك، تُعد منهجية PLS-SEM مثالية لتحليل البيانات التي تتضمن مؤشرات انعكاسية وتكوينية، فضلاً عن قدرتها على دراسة المتغيرات الكامنة والعلاقات بينها بفعالية.

5- التفسير العملي والتكامل مع البرمجيات الحديثة

توفر منهجية PLS-SEM نتائج واضحة وسهلة الفهم والتفسير، مما يساعد الباحثين على استخلاص استنتاجات عملية قابلة للتطبيق في عملية اتخاذ القرار. كما يتميز هذا النهج بمرونته وسهولة استخدامه مع البرمجيات المتخصصة، مثل:

1. برنامج (SmartPLS).
2. برنامج (WarpPLS).
3. برنامج (ADANCO).

 

كيفية استخدام منهجية PLS-SEM في التحليل؟

تُعد منهجية PLS-SEM أداة إحصائية مرنة تُستخدم لتحليل العلاقات بين المتغيرات الكامنة من خلال نماذج المعادلات الهيكلية. يتم اللجوء إلى هذا الأسلوب في مواقف محددة تعزز من دقته وفعاليته مقارنة بالأساليب الإحصائية الأخرى، وتشمل هذه الحالات ما يلي:

1. عندما يكون الهدف الرئيسي هو التنبؤ بسلوك متغير تابع بناءً على متغيرات مستقلة.
2. يُفضل استخدامه في الدراسات التطبيقية التي تهدف إلى تطوير نماذج تنبؤية.
3. يُعد أكثر كفاءة عند التعامل مع العينات الصغيرة نسبيًا، حيث يتفوق على أسلوب CB-SEM في تحليل البيانات ذات الحجم المحدود.
4. مناسب للبيانات التي تحتوي على انحرافات أو تباين غير متجانس، كما أنه لا يشترط أن تكون البيانات موزعة توزيعًا طبيعيًا.
5. يُستخدم في الدراسات الاستكشافية التي تسعى إلى بناء أو تطوير نظريات جديدة.
6. يُلجأ إليه عند تحليل نماذج قياس معقدة تضم متغيرات كامنة ذات أبعاد فرعية متعددة، مثل دراسة تأثير القيادة التحويلية على الأداء التنظيمي من خلال محاور كالتواصل، والتحفيز، والتمكين.
7. يُستخدم عندما يكون الهدف اختبار قوة النموذج في التنبؤ بالقيم المستقبلية للمتغيرات التابعة.

 

مراحل تحليل بيانات الاستبيان باستخدام منهجية PLS-SEM

يتم إجراء تحليل بيانات الاستبيان باستخدام منهجية PLS-SEM من خلال اتباع مجموعة من الخطوات التالية:

المرحلة الأولى: إعداد البيانات

في هذه المرحلة، يقوم الباحث بجمع البيانات والتأكد من اكتمالها، ثم يعمل على تنظيفها عبر التحقق من وجود أي قيم مفقودة أو شاذة ومعالجتها وفقًا للمنهجية المناسبة. بعد ذلك، يتم ترميز البيانات وتحويل الإجابات إلى أرقام قابلة للتحليل والمعالجة الإحصائية.

المرحلة الثانية: تصميم النموذج المفاهيمي

في هذه المرحلة، يحدد الباحث المتغيرات الكامنة المستقلة والتابعة، ثم يصوغ فرضيات البحث ويحدد المسارات المحتملة بين هذه المتغيرات. بعد ذلك، يتم اختيار المؤشرات المناسبة وتصنيفها إلى انعكاسية أو تكوينية وفقًا لطبيعة النموذج.

المرحلة الثالثة: إعداد وتصميم الاستبيان

في هذه المرحلة، يقوم الباحث بتصميم الاستبيان بحيث يعكس المتغيرات الكامنة بدقة، ثم يضيف مجموعة من الأسئلة لكل متغير لضمان قياسه بشكل صحيح. بعد ذلك، يتم استخدام مقياس ليكرت الخماسي أو السباعي لتوحيد الإجابات وتحقيق اتساق البيانات.

المرحلة الرابعة: التحقق من الصدق والثبات

في هذه المرحلة، يتحقق الباحث من مدى شمولية الأسئلة لجميع جوانب المتغيرات (صدق المحتوى)، كما يتأكد من تميز كل متغير عن الآخر (صدق التمييز). بالإضافة إلى ذلك، يتم فحص مدى تجمع المؤشرات لتشكيل المتغير (صدق التقارب) والتأكد من ثبات البيانات باستخدام معامل الاتساق الداخلي “ألفا كرونباخ”. أخيرًا، يقوم الباحث بتحميل المؤشرات والتحقق من أن قيمتها تتجاوز (0.7) لضمان جودتها ودقتها في التحليل.

المرحلة الخامسة: تحليل وتفسير النتائج

في هذه المرحلة، يقوم الباحث بتحليل وتفسير المؤشرات الفردية، ثم يدرس العلاقات بين المتغيرات من خلال فحص معاملات المسار. كما يتم تقييم القوة التنبؤية للنموذج باستخدام قيم (R², Q²). أخيرًا، يتم عرض النتائج في جداول ورسوم بيانية واضحة، مما يسهل فهمها وتفسيرها بوضوح.

 

أبرز مزايا استخدام منهجية PLS-SEM في تحليل البيانات

تُعد منهجية PLS-SEM من الأساليب الحديثة والفعالة في تحليل البيانات، خاصةً في البحوث العلمية التي تتعامل مع نماذج هيكلية معقدة تحتوي على متغيرات كامنة وعلاقات متعددة. وتتميز هذه المنهجية بقدرتها على تقديم نتائج دقيقة ومرنة، وفيما يلي أبرز مزايا استخدامه:

1. تتيح منهجية PLS-SEM إمكانية العمل مع العينات الصغيرة، على عكس الأساليب الأخرى مثل CB-SEM التي تتطلب حجم عينة أكبر.
2. تُعد خيارًا مثاليًا للأبحاث الاستكشافية والدراسات التي تواجه قيودًا في الموارد.
3. لا يشترط أسلوب PLS-SEM افتراض التوزيع الطبيعي للبيانات، حيث يمكنه التعامل بمرونة مع البيانات غير المتجانسة (Heterogeneity).
4. يمتاز بقدرته على تحليل النماذج التي تضم متغيرات وسيطة أو معدلة، كما يدعم دراسة العلاقات المعقدة بين المتغيرات.
5. يجمع بين كونه أداة تفسيرية وتنبؤية قوية، حيث يوفر أدوات دقيقة لتقييم القدرة التنبؤية للنموذج المدروس.
6. يسمح باستخدام المؤشرات الانعكاسية والتكوينية في نفس النموذج، مما يساعد في بناء نماذج دقيقة تعتمد على مقاييس غير مباشرة.
7. يُقلل من تأثير مشكلة الارتباط الخطي المتعدد ويحدّ من تأثير القيم الشاذة في البيانات.
8. يُعد خيارًا مناسبًا للدراسات التي تهدف إلى اكتشاف علاقات جديدة بين المتغيرات، كما يُستخدم عند دراسة نظريات جديدة أو غير مدعومة بأدلة كافية.
9. يوفر مخرجات إحصائية دقيقة عبر الرسوم البيانية والجداول، مما يسهل على الباحث تفسير العلاقات والمسارات بين المتغيرات بطريقة واضحة وسلسة.
10. يقدم قياسات دقيقة للمؤشرات الإحصائية مثل T-Statistics وP-Values، مما يتيح للباحث اختبار الفروض البحثية بدقة وموثوقية عالية وفقًا لمنهجية PLS-SEM.

 

أبرز عيوب استخدام منهجية PLS-SEM في تحليل البيانات:

على الرغم من المزايا العديدة التي تتمتع بها منهجية PLS-SEM، إلا أن هناك بعض القيود والتحديات التي ينبغي على الباحثين مراعاتها عند اعتماد هذا الأسلوب في تحليل البيانات، والتي تشمل ما يلي:

1. لا يوفر أسلوب PLS-SEM أدوات دقيقة لتقييم مدى ملاءمة النموذج الكلي، مقارنةً بأسلوب CB-SEM، حيث يعتمد على مؤشرات جزئية قد لا تعكس جودة النموذج بشكل شامل.
2. يركز بشكل أساسي على القدرة التنبؤية، مما قد يؤدي إلى إغفال بعض التفاصيل المتعلقة بتفسير العلاقات المعقدة بين المتغيرات.
3. قد تتأثر دقة النتائج بحجم العينة، إذ إن استخدام عينات صغيرة جدًا قد يؤدي إلى استنتاجات غير مستقرة أو مضللة.
4. يواجه الباحثون تحديات في التحقق من صحة وثبات المؤشرات التكوينية، مما يستلزم إجراءات إضافية لضمان الدقة.
5. يمكن أن يكون أسلوب PLS-SEM حساسًا تجاه القيم المتطرفة، مما يتطلب معالجة مسبقة دقيقة قبل التحليل لضمان عدم تأثيرها السلبي على النتائج.
6. قد تكون النتائج التي يتم الحصول عليها باستخدام هذا الأسلوب أقل قدرة على التعميم، مقارنةً بالأساليب التقليدية مثل CB-SEM، بسبب تأثير حجم العينة وطبيعتها.
7. يواجه الباحثون صعوبة في مقارنة نتائج PLS-SEM مع الدراسات التي تعتمد على أساليب تحليلية مختلفة.
8. يتطلب التحقق المستمر من معاملي الصدق والثبات لضمان موثوقية النتائج، ما يستدعي استخدام مقاييس تكميلية لدعم دقة التحليل وفقًا لمنهجية PLS-SEM.

الخاتمة

تُعد منهجية PLS-SEM أداة قوية ومرنة لتحليل بيانات الاستبيانات واستخلاص النتائج، خاصةً عند التعامل مع النماذج الهيكلية المعقدة والبيانات غير المتجانسة. وعلى الرغم من المزايا العديدة التي توفرها، مثل القدرة التنبؤية العالية ودعم العلاقات المتعددة، إلا أنها تتطلب دقة في التحقق من الصدق والثبات لضمان موثوقية النتائج. لذا، يُنصح الباحثون باستخدام PLS-SEM بحذر، مع مراعاة القيود المحتملة، لضمان تحقيق أقصى استفادة من هذا الأسلوب في التحليل الإحصائي.