كتابة وتصميم واستشارات متميزة · دبي، الإمارات

LabeebWriting & Designs
اطلب استشارة

مرجع لبيب · كل قيمة منسوبة إلى مصدرها الأصلي · آخر مراجعة 22 سبتمبر 2026

مؤشرات جودة المطابقة في التحليل العاملي التوكيدي ونمذجة المعادلات البنائية: القيم المرجعية ومصادرها

القيم التي تتكرر في الرسائل والمقالات لمؤشرات CFI وRMSEA وSRMR وAVE وHTMT تعود إلى عدد محدود من الأبحاث. في هذه الصفحة: ماذا اقترح كل بحث فعلًا، وأي القيم أعراف متداولة لا قواعد ملزمة، وأداة مجانية تقارن قيم AMOS أو SmartPLS الخاصة بك بها.

افحص قيمكجدول CFA / CB-SEMجدول PLS-SEM

قبل أن تبدأ: هذه أعراف بحثية وليست قوانين

لا يوجد لأي مؤشر مطابقة حدّ نجاح رسمي. كل قيمة في الجداول أدناه اقترحها باحث محدد في ظروف محددة، وبعض هذه القيم ما زال محل خلاف بين الباحثين.

  • استخلص هو وبنتلر (Hu & Bentler, 1999) قيمهما من دراسات محاكاة على أنواع معينة من النماذج، وحذّر مارش وزملاؤه (Marsh, Hau & Wen, 2004) من التعامل معها على أنها «قواعد ذهبية» تصلح لكل نموذج (المصدر).
  • يقرّ هينسيلر ورينغل وسارستيدت (Henseler, Ringle & Sarstedt, 2015) بأن الحد الدقيق لمؤشر HTMT قابل للنقاش، ولهذا تُستخدم قيمتان: .85 و.90 (المصدر).
  • قد يحدد مشرفك أو دليل الرسائل في جامعتك أو المجلة التي تستهدفها قيمة مختلفة. عندها يكون معيارهم هو المعتمد، ومن المفيد أن تذكر مصدره في فصل المنهجية.
  • يختلف تقييم النمذجة القائمة على التغاير (AMOS وlavaan وMplus وLISREL) عن تقييم نمذجة المربعات الصغرى الجزئية PLS-SEM (SmartPLS). استخدم الجدول الذي يطابق الأسلوب الذي أجريته.

إذا كنت تكتب رسالتك في جامعة سعودية أو إماراتية، فراجع دليل البحث العلمي الخاص ببرنامجك قبل المناقشة أو التسليم. وإذا نصّ الدليل على قيمة معينة، فاستشهد به إلى جانب البحث الأصلي.

التحليل العاملي التوكيدي والنمذجة القائمة على التغاير: معايير المطابقة والصدق

لمخرجات AMOS وlavaan وMplus وLISREL. يذكر كل صف البحث الذي اقترح القيمة، والمراجع كاملة مع روابط DOI في آخر الصفحة.

المعيار القيمة المتعارف عليها المصدر الأصلي ما ينبغي الانتباه إليه
مربع كاي χ² (مع df وp) p أكبر من .05: لا تُرفض المطابقة التامة Kline (2023) اذكر χ² ودرجات الحرية وقيمة p حتى لو كانت p صغيرة، فالاختبار يرفض النماذج ذات الانحراف البسيط عندما تكون العينة كبيرة.
χ²/df (مربع كاي المعياري) لا يوجد حد متفق عليه. اقتُرحت قيمة 5 تقريبًا في وقت مبكر، وتظهر قيم أشد مثل 2 أو 3 في كتب لاحقة Wheaton et al. (1977)؛ Kline (2023) ينبّه كلاين إلى أن هذه النسبة لا تستند إلى معيار واضح، فلا تعتمد عليها وحدها.
مؤشر المطابقة المقارن CFI ≥ .95 (أو قريب منها)؛ و.90 هو العرف الأقدم Hu & Bentler (1999)؛ قيمة .90: Bentler & Bonett (1980) اقتُرحت قيمة .90 أولًا لمؤشر المطابقة المعياري (NFI) عند بنتلر وبونيت، ثم انتقلت إلى CFI.
مؤشر توكر-لويس TLI (NNFI) ≥ .95 (أو قريب منها) Hu & Bentler (1999) لا يتقيد TLI بالواحد الصحيح، فالقيمة الأعلى من 1 بقليل ليست خطأ.
الجذر التربيعي لمتوسط خطأ الاقتراب RMSEA ≤ .06 (هو وبنتلر)؛ ≤ .05 مطابقة قريبة و≤ .08 مقبولة (براون وكوديك)؛ .08–.10 متوسطة (ماكالوم وزملاؤه) Hu & Bentler (1999)؛ Browne & Cudeck (1992, 1993)؛ MacCallum et al. (1996) اقرأه مع فترة الثقة 90% الخاصة به (الصف التالي).
فترة الثقة 90% لـ RMSEA وPCLOSE PCLOSE أكبر من .05: لا تُرفض فرضية المطابقة القريبة (RMSEA ≤ .05). وإذا تجاوز الحد الأعلى للفترة .10 فلا يمكن استبعاد المطابقة الضعيفة Browne & Cudeck (1992, 1993)؛ MacCallum et al. (1996) اذكر الفترة كاملة لا القيمة وحدها. الفترة الواسعة كثيرًا ما تعكس صغر العينة.
جذر متوسط مربعات البواقي المعياري SRMR ≤ .08 Hu & Bentler (1999) يوصي هو وبنتلر بقراءة SRMR مع CFI أو RMSEA لا منفردًا.
التشبعات المعيارية للفقرات ≥ .50، ويُفضّل ≥ .70 Hair et al. (2019), Multivariate Data Analysis التشبع المعياري الأكبر من 1 يدل على حل غير مقبول (حالة هيوود).
الثبات المركب CR ≥ .60 (باغوزي وي)؛ و≥ .70 هو العرف الأكثر شيوعًا Bagozzi & Yi (1988)؛ Hair et al. (2019) بحث باغوزي وي هو المصدر الذي يُستشهد به عادة لقيمة .60.
متوسط التباين المستخلص AVE ≥ .50 Fornell & Larcker (1981)؛ Bagozzi & Yi (1988) عند .50 يفسّر المتغير الكامن من تباين الفقرات قدر ما يفسّره خطأ القياس على الأقل.
معيار فورنيل-لاركر √AVE لكل متغير كامن أكبر من ارتباطه بكل متغير كامن آخر Fornell & Larcker (1981) أظهر هينسيلر وزملاؤه (2015) أنه كثيرًا ما يعجز عن كشف ضعف الصدق التمييزي، فاذكر HTMT معه.
نسبة HTMT ≤ .85 معيار صارم؛ ≤ .90 للمتغيرات المتقاربة مفهوميًا؛ ويجب ألا تتضمن فترة الثقة (bootstrap) القيمة 1 Henseler, Ringle & Sarstedt (2015) ينسب هينسيلر وزملاؤه قيمة .85 إلى Clark & Watson (1995) وKline (2011)، وقيمة .90 إلى Gold et al. (2001) وTeo et al. (2008).
معامل ألفا كرونباخ ≥ .70 Nunnally (1978) يفترض ألفا تساوي التشبعات، وهو ما نادرًا ما يظهر في CFA، لذا يُذكر الثبات المركب معه عادة. ويناقش Taber (2018) التعامل مع .70 كقاعدة ثابتة.

نمذجة المربعات الصغرى الجزئية PLS-SEM (SmartPLS): معايير نموذج القياس والنموذج البنائي

يُقيَّم نموذج PLS-SEM على مرحلتين: نموذج القياس أولًا ثم النموذج البنائي. القيم أدناه مأخوذة من كتاب هير وزملائه المتاح مجانًا (Hair et al., 2021)، وهو امتداد لكتابهم A Primer on PLS-SEM، ومن الأبحاث التي يستندون إليها.

المعيار القيمة المتعارف عليها المصدر الأصلي ما ينبغي الانتباه إليه
التشبعات الخارجية (Outer loadings) ≥ .708؛ بين .40 و.708 لا تُحذف الفقرة إلا إذا رفع حذفها CR أو AVE؛ أقل من .40 تُحذف Hair et al. (2021), ch. 4 عند .708 يفسّر المتغير الكامن 50% من تباين الفقرة.
ألفا كرونباخ وrho_A (ρA) والثبات المركب (ρC) .70–.90 من مُرضٍ إلى جيد؛ وما فوق .90 إشكالي Hair et al. (2021), ch. 4؛ ρA: Dijkstra & Henseler (2015) ألفا هو الحد المتحفظ وρC الحد المتساهل، ويقع ρA عادة بينهما. القيم المرتفعة جدًا تشير إلى فقرات مكررة.
متوسط التباين المستخلص AVE ≥ .50 Fornell & Larcker (1981)؛ Hair et al. (2021) المنطق نفسه المتبع في التحليل العاملي التوكيدي.
نسبة HTMT ≤ .85 معيار صارم؛ ≤ .90 للمتغيرات المتقاربة مفهوميًا Henseler, Ringle & Sarstedt (2015) هو الاختبار الموصى به للصدق التمييزي في PLS-SEM، ولا يكفي معيار فورنيل-لاركر وحده.
معامل تضخم التباين الداخلي VIF 5 فأكثر تداخل خطي مرجّح؛ 3–5 محتمل؛ أقل من 3 مثالي Hair et al. (2021), ch. 6 افحصه قبل قراءة معاملات المسارات.
معامل التحديد R² .75 كبير، .50 متوسط، .25 ضعيف Hair, Ringle & Sarstedt (2011)؛ Hair et al. (2021), ch. 6 القيمة المقبولة تختلف باختلاف التخصص، وبعض المجالات تنشر عادة قيم R² أقل.
حجم الأثر f² .02 صغير، .15 متوسط، .35 كبير Cohen (1988) اقترح كوهين هذه القيم للانحدار المتعدد، وتطبّقها PLS-SEM على كل مسار.
Q² / Q²predict أكبر من صفر يدل على قدرة تنبؤية Stone (1974); Geisser (1974)؛ ومطبّق في Hair et al. (2019) يعرض SmartPLS قيمة Q²predict عبر إجراء PLSpredict، ويقيّم Hair et al. (2021) التنبؤ خارج العينة بمؤشري RMSE وMAE.

أداة مجانية · تعمل داخل متصفحك ولا تُحفظ أي بيانات

أدخل قيمك: فاحص جودة المطابقة والصدق للتحليل العاملي التوكيدي ونمذجة المعادلات البنائية

اختر نوع النموذج الذي أجريته، وانقل القيم من مخرجات AMOS أو lavaan أو Mplus أو LISREL أو SmartPLS، واترك فارغًا كل ما ليس لديك. تُقارَن كل قيمة بمعيار منشور واحد، ويظهر مصدره بجانبها. تعطي الأداة حكمًا على الأرقام فقط، ولا تكتب أي نص لرسالتك.

نوع النموذج

المطابقة الكلية للنموذج

جودة القياس (أدخل أضعف قيمة بين جميع المتغيرات الكامنة)

كل حكم يقارن رقمًا واحدًا بمعيار منشور واحد. هو ليس حكمًا على نموذجك، ولا يكفي وحده سببًا لحذف فقرات أو إضافتها. إذا حدد مشرفك أو دليل جامعتك أو المجلة المستهدفة معيارًا مختلفًا، فاتبع ذلك المعيار.

كيف يساعدك لبيب

ضعف مؤشر ما سؤال يستحق البحث، لا حكمًا على دراستك. قد يكون السبب في توصيف النموذج، أو صغر العينة، أو فقرات تتشبع على أكثر من عامل، أو فقرة سالبة لم يُعكس ترميزها، أو ببساطة خلية نُقلت خطأً من المخرجات. يجري محللو لبيب تحليلات SPSS وAMOS وSmartPLS ويراجعونها لطلاب الدراسات العليا والباحثين في السعودية والإمارات ودول الخليج: نفحص البيانات والنموذج، ونشرح كل جدول حتى تستطيع الدفاع عنه في المناقشة. نحن ندقق ونحلل ونشرح، ولا نكتب رسالتك أو فصل النتائج نيابة عنك.

خدمة التحليل الإحصائي SPSS وAMOS وSmartPLSتحدث مع لبيب

أدلة ذات صلة

أسئلة شائعة

ما القيم الجيدة لمؤشرات CFI وTLI وRMSEA وSRMR في التحليل العاملي التوكيدي؟

أكثر القيم استشهادًا: CFI وTLI بقيمة .95 فأكثر، وRMSEA بقيمة .06 فأقل، وSRMR بقيمة .08 فأقل (Hu & Bentler, 1999). وما زالت دراسات كثيرة تقبل CFI وTLI من .90 وRMSEA حتى .08، استنادًا إلى Bentler & Bonett (1980) وBrowne & Cudeck (1993). اذكر المعيار الذي اعتمدته ومصدره.

هل قيم هو وبنتلر ملزمة؟

لا. فقد استُخلصت من دراسات محاكاة على نماذج معينة، وعارض مارش وزملاؤه (2004) تطبيقها قواعدَ عامة على كل النماذج. تعامل معها على أنها أعراف واسعة الانتشار، وإذا حدد مشرفك أو جامعتك أو المجلة قيمًا أخرى فاتبعها.

أيهما أستخدم للصدق التمييزي: فورنيل-لاركر أم HTMT؟

اذكر الاثنين إذا طلب دليلك معيار فورنيل-لاركر. فقد أظهر Henseler, Ringle & Sarstedt (2015) أن معيار فورنيل-لاركر كثيرًا ما يعجز عن كشف ضعف الصدق التمييزي، واقترحوا نسبة HTMT بحد .85 أو .90.

هل يستطيع لبيب مراجعة نموذجي في AMOS أو SmartPLS؟

نعم. يستطيع محللونا إجراء التحليل أو مراجعته، وفحص النموذج والبيانات، وشرح كل نتيجة لتفهمها وتدافع عنها. لكننا لا نكتب نص رسالتك: التفسير الذي تقدّمه هو عملك أنت.

ماذا أوصى هو وبنتلر فعلاً؟ والقيم الديناميكية لمؤشرات المطابقة

القائمة الشائعة (CFI ≥ 0.95 وRMSEA ≤ 0.06 وSRMR ≤ 0.08 معاً) تبسيط. اختبر هو وبنتلر (Hu & Bentler, 1999) قواعد تجمع مؤشرين: CFI أو TLI قريب من 0.95 مع SRMR قريب من 0.09، أو RMSEA قريب من 0.06 مع SRMR قريب من 0.09، ونبّها إلى أن أي قيمة قطع واحدة لا تصلح بالقدر نفسه لكل النماذج وأحجام العينات.

القيم الديناميكية: اقترح ماكنيش وولف (McNeish & Wolf, 2023) محاكاة قيم قطع خاصة بنموذجك (عدد الفقرات والتشبعات وحجم العينة) بدلاً من استعارة قيم ثابتة، مع تطبيق ويب مجاني لذلك، وبعض المجلات والمحكّمين يطلبونها اليوم. إذا كانت مؤشراتك قريبة من قيمة قطع ثابتة فاذكر القيم الديناميكية إلى جانب القيم التقليدية. المصدر: McNeish, D., & Wolf, M. G. (2023). Dynamic fit index cutoffs for confirmatory factor analysis models. Psychological Methods, 28(1), 61–88. سجل PubMed.

طريقة الاستشهاد بهذه الصفحة (APA 7)

لبيب للكتابة والتصميم. (22 سبتمبر 2026). مؤشرات جودة المطابقة في التحليل العاملي التوكيدي ونمذجة المعادلات البنائية: القيم المرجعية ومصادرها. https://labeeb.ae/ar/cfa-sem-fit-indices-ar/

أدوات مجانية مرتبطة: قواعد تسليم الرسائل الجامعية في جامعات الخليج · حاسبة حجم العينة وجدول مورجان · الصدق والثبات في الاستبانة وSPSS

المصادر

آخر مراجعة: 22 سبتمبر 2026. تم التحقق في هذا التاريخ من أن كل رابط DOI أدناه يعمل عبر doi.org. أما الكتب التي ليس لها DOI فمذكورة ببياناتها كاملة. المراجع بلغتها الأصلية.

  1. Bagozzi, R. P., & Yi, Y. (1988). On the evaluation of structural equation models. Journal of the Academy of Marketing Science, 16(1), 74–94. https://doi.org/10.1007/BF02723327
  2. Bentler, P. M., & Bonett, D. G. (1980). Significance tests and goodness of fit in the analysis of covariance structures. Psychological Bulletin, 88(3), 588–606. https://doi.org/10.1037/0033-2909.88.3.588
  3. Browne, M. W., & Cudeck, R. (1992). Alternative ways of assessing model fit. Sociological Methods & Research, 21(2), 230–258. https://doi.org/10.1177/0049124192021002005. Reprinted in K. A. Bollen & J. S. Long (Eds.), Testing Structural Equation Models (1993, pp. 136–162). Sage.
  4. Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum.
  5. Dijkstra, T. K., & Henseler, J. (2015). Consistent partial least squares path modeling. MIS Quarterly, 39(2), 297–316. https://doi.org/10.25300/MISQ/2015/39.2.02
  6. Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
  7. Geisser, S. (1974). A predictive approach to the random effect model. Biometrika, 61(1), 101–107. https://doi.org/10.1093/biomet/61.1.101; and Stone, M. (1974). Cross-validatory choice and assessment of statistical predictions. Journal of the Royal Statistical Society: Series B, 36(2), 111–133. https://doi.org/10.1111/j.2517-6161.1974.tb00994.x
  8. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage.
  9. Hair, J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., & Ray, S. (2021). Partial Least Squares Structural Equation Modeling (PLS-SEM) Using R. Springer (open access). https://doi.org/10.1007/978-3-030-80519-7. Companion to Hair, Hult, Ringle & Sarstedt, A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (3rd ed., 2022). Sage.
  10. Hair, J. F., Ringle, C. M., & Sarstedt, M. (2011). PLS-SEM: Indeed a silver bullet. Journal of Marketing Theory and Practice, 19(2), 139–152. https://doi.org/10.2753/MTP1069-6679190202
  11. Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2–24. https://doi.org/10.1108/EBR-11-2018-0203
  12. Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
  13. Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
  14. Kline, R. B. (2023). Principles and Practice of Structural Equation Modeling (5th ed.). Guilford Press.
  15. MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130–149. https://doi.org/10.1037/1082-989X.1.2.130
  16. Marsh, H. W., Hau, K.-T., & Wen, Z. (2004). In search of golden rules: Comment on hypothesis-testing approaches to setting cutoff values for fit indexes and dangers in overgeneralizing Hu and Bentler’s (1999) findings. Structural Equation Modeling, 11(3), 320–341. https://doi.org/10.1207/s15328007sem1103_2
  17. Nunnally, J. C. (1978). Psychometric Theory (2nd ed.). McGraw-Hill. See also Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
  18. Taber, K. S. (2018). The use of Cronbach’s alpha when developing and reporting research instruments in science education. Research in Science Education, 48, 1273–1296. https://doi.org/10.1007/s11165-016-9602-2
  19. Wheaton, B., Muthén, B., Alwin, D. F., & Summers, G. F. (1977). Assessing reliability and stability in panel models. Sociological Methodology, 8, 84–136. https://doi.org/10.2307/270754