تحليل بيانات ونتائج الاستبيان باستخدام أسلوب PLS-SEM

تحليل البيانات ونتائج الاستبيان باستخدام أسلوب PLS- SEM هو أحد الأساليب المتبعة في العمليات الإحصائية وهو اختصار لكلمة (Partial Least Squares Structural Equation Modeling)، ويستخدم هذه الأسلوب بشكل خاص عندما تكون البحوث استكشافية أو هدفها التنبؤ وتطوير النظريات الحالية، وهو يتشابه مع أسلوب تحليل الانحدار المتعدد والهدف الأساسي منه هو تعظيم التباين الموضح بين البيانات أو المتغيرات التابعة، ولكن بالإضافة إلى ذلك يساهم بشكل كبير في تقييم جودة البيانات بناء على خصائص نموذج القياس المستخدم.

نظرًا لأهمية هذا الأسلوب حرصت شركة دراسة على توضيح كيفية استخدام أسلوب PLS- SEM في تحليل البيانات ونتائج الاستبيان وذلك من خلال المقال الحالي الذي تناول عناصر توضيحية عن أسلوب PLS- SEM وكيفية استخدامه.

تحليل البيانات ونتائج الاستبيان باستخدام أسلوب PLS- SEM هو أحد الأساليب المتبعة في العمليات الإحصائية وهو اختصار لكلمة (Partial Least Squares Structural Equation Modeling)، ويستخدم هذه الأسلوب بشكل خاص عندما تكون البحوث استكشافية أو هدفها التنبؤ وتطوير النظريات الحالية، وهو يتشابه مع أسلوب تحليل الانحدار المتعدد والهدف الأساسي منه هو تعظيم التباين الموضح بين البيانات أو المتغيرات التابعة، ولكن بالإضافة إلى ذلك يساهم بشكل كبير في تقييم جودة البيانات بناء على خصائص نموذج القياس المستخدم.

نظرًا لأهمية هذا الأسلوب حرصت شركة دراسة على توضيح كيفية استخدام أسلوب PLS- SEM في تحليل البيانات ونتائج الاستبيان وذلك من خلال المقال الحالي الذي تناول عناصر توضيحية عن أسلوب PLS- SEM وكيفية استخدامه.

أسلوب PLS- SEM هو نهج أو أسلوب متبع لتحليل المعادلات الهيكلية ويستخدم في تحليل العلاقات بين المتغيرات التابعة والمستقلة، وينقسم هذا الأسلوب في التحليل إلى جانبين وهما الدراسات القائمة على التنبؤ والجانب الآخر يتناول اختيار وتحليل النموذج الذي يستخدم أسلوب PLSc- SEM.

يتمتع أسلوب PLS-SEM بمجموعة من الخصائص وهي:

1- التوجه التنبؤي:

يركز PLS- SEM على التنبؤ أكثر من اختبار النظريات القائمة، هذا ويعتبر أسلوب PLS- SEM أسلوب مثالي عندما يكون الباحث يهدف إلى تقدير تأثير المتغيرات المستقلة على المتغيرات التابعة.

2- المرونة في وضع الافتراضات الإحصائية:

 لا يشترط عن استخدام هذا الأسلوب أن تتبع البيانات توزيعًا طبيعيًا، ويمكن استخدامه مع العينات الصغيرة نسبيًا أن يؤثر ذلك على النتائج، كما يعالج هذا الأسلوب البيانات التي تحتوي على مشكلات متعددة مثل التباين غير المتجانس.

3- دعم النماذج المعقدة ذو المسارات المتعددة:

يعد أسلوب PLS- SEM لتحليل البيانات من الأساليب المثالية المستخدمة في تحليل النماذج التي تتسم بالتعقيد والمسارات المتعددة، كما يدعم العلاقات المباشرة وغير المباشرة، ويتيح الأسلوب تحليل المتغيرات الكامنة التي يتم قياسها بمؤشرات متعددة.

4- القدرة على التعامل مع العينات الصغير والبيانات متعددة الأبعاد:

يعد أسلوب PLS- SEM فعالًا مع العينات الصغير التي قد يقل عددها عن 150 مفردة، ويفضل استخدامه عند مواجهة تحديات أو قيود تتعلق بصعوبة جمع بيانات كبيرة، دون أي تأثير على النتائج، كما يعد الخيار الأمثل في تحليل البيانات التي تتضمن مؤشرات انعكاسية وتكوينية، كما يمكنه تحليل المتغيرات الكامنة والعلاقات فيما بينها.

5- قابلية التفسير والتطبيق العلمي والتكامل مع البرمجيات الحديثة:

يساهم أسلوب PLS- SEM لتحليل البيانات نتائج تتسم بالإيضاح وسهولة الفهم والتفسير، إذ يُمَكِن الباحثين من استخلاص استنتاجات عملية بطريقة مباشرة يمكن استخدامها في اتخاذ القرارات، كما يتميز الأسلوب بسهولة استخدامه مع البرمجيات المتخصصة مثل:

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

تعرف على تحليل البيانات وتفسيرها في البحث العلمي.

يتم استخدام أسلوب PLS- SEM كأداة إحصائية مرنة في تحليل العلاقات بين المتغيرات الكامنة من خلال نماذج المعادلات الهيكلية، ويتم الاستعانة بهذا الأسلوب في مواقف محددة، تُعزز من فاعليته ودقته مقارنةً بالأساليب الإحصائية الأخرى، وهي:

1. عندما يكون الهدف الأساسي هو التنبؤ بسلوك متغير تابعة بناء على متغيرات مستقلة.
2. يفضل استخدامه في الدراسات التطبيقية التي تهدف إلى تطوير نماذج توقعيه.
3. يستخدم عند وجود عينات صغيرة نسبيًا فهو أكثر كفاءة في التعامل مع البيانات ذات الحجم الصغير مقارنةً بأسلوب CB- SEM.
4. يفضل استخدامه مع البيانات التي تتضمن انحرافات أو تباين غير متجانس ولا يشترط أن تكون موزعة توزيعًا طبيعيًا.
5. يستخدم في الدراسات الاستكشافية التي تهدف إلى بناء أو تطوير نظرية جديدة.
6. يلجأ إليه الباحثين إذا كان نموذج القياس يتضمن متغيرات كامنة معقدة تتكون من أبعاد فرعية متعددة مثل قياس تأثير القيادة التحويلية على الأداء التنظيمي عبر أبعاد مثل التحفيز، والتمكين، والتواصل.
7. يستخدم أسلوب PLS- SEM عندما يكون الهدف هو اختبار قوة النموذج في التنبؤ بالقيم المستقبلية للمتغيرات التابعة.

يتم تحليل البيانات الخاصة بالاستبيان باستخدام أسلوب PLS- SEM من خلال الخطوات التالية:

أولًا: إعداد البيانات:

في هذه الخطوة يقوم الباحث بجمع البيانات والتأكد من اكتمالها ومن ثم تنظيف البيانات والتحقق من القيم المفقودة أو القيم الشاذة والتعامل معها، ثم بعد ذلك يبدأ الباحث في عملية ترميز البيانات وتحويل الإجابات إلى أرقام قابلة للمعالجة.

ثانيًا: بناء النموذج المفاهيمي:

يقوم الباحث في هذه الخطوة بتحديد المتغيرات الكامنة التابعة والمستقلة، ثم يضع الباحث فروض البحث وتحديد المسارات المتوقعة بين هذه المتغيرات، ومن ثم اختيار المؤشرات وتحديد ما إذا كانت المؤشرات انعكاسية أو تكوينية.

ثالثًا: تصميم الاستبيان:

يقوم الباحث في هذه الخطوة بتصميم الاستبيان والتأكد من أن الأسئلة تمثل المتغيرات الكامنة بشكل صحيح، ومن ثم إضافة أسئلة تحت كل متغير، ومن ثم استخدام مقياس ليكرت الخماسي أو السباعي لتوحيد الإجابات.

رابعًا: التأكد من معاملي الصدق والثبات:

في هذه الخطوة يقوم الباحث بالتأكد من أن الأسئلة تغطي جميع جوانب المتغيرات (صدق المحتوى)، ومن ثم التأكد من أن المتغيرات متميزة عن بعضها البعض (صدق التمييز)، وأيضًا التحقق من أن المؤشرات تتجمع لتكوين المتغير (صدق التقارب)، والتأكد من صدق الثبات من خلال استخدام معامل الاتساق الداخلي ألفا كرونباخ. ومن ثم يقوم الباحث بتحميل المؤشرات والتأكد من أنها أكبر من (0.7) لضمان جودتها.

خامسًا: تفسير النتائج:

يقوم الباحث في هذه الخطوة بفحص وتفسير المؤشرات الفردية ومن ثم تفسير العلاقات بين المتغيرات من خلال فحص معاملات المسار ومن ثم تفسير القوة التنبؤية باستخدام قيم (R², Q²)، ثم يقوم الباحث بعرض النتائج في جداول ورسوم بيانية واضحة لتسهيل تفسير النتائج.

يمكنك الاطلاع على مقال شمولي يوضح كيفية عمل استبيان بحث علمي.

يُعد PLS-SEM أحد الأساليب الحديثة والفعّالة لتحليل البيانات في البحوث العلمية، خاصةً عند التعامل مع نماذج هيكلية معقدة تحتوي على متغيرات كامنة ومتعددة العلاقات. وفيما يلي أبرز مميزات استخدام هذا الأسلوب:

1. يمكن استخدام PLS-SEM مع العينات الصغيرة، مقارنة بالأساليب الأخرى مثل CB-SEM التي تتطلب حجم عينة كبير.
2. يُعد اختيارًا مناسبًا للأبحاث الاستكشافية والدراسات ذات الموارد المحدودة.
3. لا يتطلب أسلوب PLS-SEM افتراض توزيع طبيعي للبيانات، كونه يتعامل مع البيانات غير المتجانسة بسهولة (Heterogeneity).
4. يمكنه تحليل النماذج التي تحتوي على متغيرات وسيطة ومعدلة، كما يدعم التعامل مع العلاقات المتعددة بين المتغيرات.
5. يُعد أسلوبًا تفسيريًا وتنبؤيًا قويًا في نفس الوقت، إذ يُوفر أدوات دقيقة لتقييم القدرة التنبؤية للنموذج.
6. يتيح أسلوب PLS-SEM استخدام مؤشرات انعكاسية وتكوينية في نفس النموذج، كما يُسهم في بناء نماذج دقيقة تعتمد على مقاييس غير مباشرة.
7. يقلل من تأثير مشكلة الارتباط الخطي المتعدد، كما يُقلل من تأثير القيم الشاذة.
8. يُعتبر مثاليًا للدراسات التي تهدف لاكتشاف العلاقات الجديدة بين المتغيرات، كما يُستخدم في الحالات التي تكون فيها النظرية المدروسة جديدة أو غير مثبتة بشكل كافٍ.
9. يُوفر مخرجات إحصائية واضحة عبر الرسوم البيانية والجداول؛ مما يسهل على الباحث تفسير العلاقات والمسارات بين المتغيرات بطريقة سهلة.
10. يوفر قيمًا دقيقة للمؤشرات الإحصائية مثل T-Statistics و P-Values، إذ يتيح للباحث اختبار الفروض بدقة وموثوقية عالية.

على الرغم من المميزات المتعددة السابق ذكرها إلا أن هناك بعض العيوب والقيود التي يجب على الباحثين أخذها بعين الاعتبار عند استخدام هذا الأسلوب في تحليل البيانات وهي:

1. لا يوفر أسلوب PLS-SEM مقاييس ملائمة لتقييم ملائمة النموذج الكلية بدقة مثل CB-SEM، إذ يعتمد على المؤشرات الجزئية التي لا تعكس أحيانًا جودة النموذج بشكلٍ عام.
2. التركيز على القدرة التنبؤية بشكل أساسي مما يجعله يهمل التفسير الدقيق لبعض العلاقات المعقدة بين المتغيرات.
3. التأثر بحجم العينات الصغيرة فمن الممكن أن تكون بعض النتائج غير مستقرة إذا كانت العينة صغيرة جدًا، مما ينتج عنها نتائج ضعيفة ومضللة.
4. صعوبة التحقق من صحة وثبات المؤشرات التكوينية بشكل دقيق، مما يتطلب إجراءات إضافية ومعقدة في بعض الأحيان.
5. يمكن لأسلوب PLS-SEM أن يتأثر بشكل ملحوظ بالقيم المتطرفة في البيانات، والتي تتطلب معالجة دقيقة قبل إجراء عملية التحليل.
6. قد تكون النتائج المستخلصة باستخدام أسلوب PLS-SEM أقل قدرة على التعميم مقارنةً بالأساليب الأكثر تقليدية مثل CB-SEM، وذلك انعكاس لتأثير التعميم بحجم العينة وطبيعتها.
7. صعوبة مقارنة النتائج المستخلصة من PLS-SEM مع نتائج الدراسات الأخرى التي تستخدم أساليب مختلفة.
8. الحاجة الدائمة للتحقق الدقيق من معاملي الصدق والثبات، مما يجعله في حاجة إلى مقاييس تكميلية لضمان دقة النتائج.

من خلال البحث في قواعد البيانات وجدنا بحث تحت عنوان تحليل العوامل التي تؤثر على النية المقاولاتية من وجهة نظر طلبة المركز الجامعي مغنية: باستخدام نمذجة المعادلات البنائية PLS-SEM لكل من الباحثة سهام بوريش والباحث جميل مراد بودية، يمكن الاستزادة من هذا البحث في فهم أكثر عن تحليل بيانات الاستبيان باستخدام أسلوب PLS-SEM، وتحميل النص كامل من خلال الضغط على عنوان البحث.

تحليل الاستبيان في البحث العلمي.

طرق تحليل الاستبيان في البحث العلمي.

نموذج الاستبيان في البحث العلمي.

التحليل الإحصائي ومناقشة النتائج SPSS.

Dash, G., & Paul, J. (2021). CB-SEM vs PLS-SEM methods for research in social sciences and technology forecasting. Technological Forecasting and Social Change, 173, 121092.‏ https://doi.org/10.1016/j.techfore.2021.121092.