المقدمة

في العقود الماضية، ظهرت نمذجة المعادلات الهيكلية SEM  كتقنية إحصائية متقدمة لتحليل البيانات واكتشاف العلاقات المعقدة بين المتغيرات، حيث يعود تأسيسها إلى العقود الأولى من القرن العشرين، أين بدأت الأفكار الأولية في الظهور في مجال الاقتصاد والعلوم الاجتماعية. ومع التقدم الذي عرفته الحوسبة وتوفر برامج الحاسوب المتخصصة لتنفيذ تحليل SEM، شهدت نمذجة المعادلات الهيكلية تطورًا كبيرًا، وأصبحت تقنية شائعة الاستخدام في العلوم الاجتماعية وعلم النفس، والعديد من العلوم الأخرى، ففي أبحاث علم النفس، يتم استخدامها لفحص العلاقات بين التركيبات النفسية المختلفة، مثل سمات الشخصية والمواقف والسلوكيات. على سبيل المثال، قد يستخدم الباحثون SEM لاختبار نموذج لكيفية تأثير احترام الذات على القلق الاجتماعي، أو لفحص العلاقات بين الأبعاد المختلفة للاكتئاب (Willaby et al., 2015). في أبحاث التعلم، يتم استخدام SEM بشكل شائع لفحص العلاقات بين العوامل المختلفة التي قد تؤثر على التحصيل الدراسي، مثل جودة المعلم ومشاركة الوالدين وتحفيز الطلاب. قد يستخدم الباحثون SEM لاختبار نموذج لكيفية تفاعل هذه العوامل للتأثير على النتائج الأكاديمية (Ghasemy et al., 2020). من جانب أبحاث علم الاجتماع، يتم استخدام SEM لفحص العلاقات بين العوامل الاجتماعية المختلفة، مثل الدخل والتعلم والعرق… وتأثيرها على النتائج مثل الصحة والجريمة والحراك الاجتماعي. قد يستخدم الباحثون SEM لاختبار نموذج لكيفية تفاعل هذه العوامل لتشكيل عدم المساواة الاجتماعية. في أبحاث التسويق، يتم استخدامها لفحص العلاقات بين متغيرات التسويق المختلفة، مثل الإعلان والولاء للعلامة التجارية ونية الشراء. قد يستخدم الباحثون SEM لاختبار نموذج لكيفية تفاعل هذه المتغيرات للتأثير على سلوك المستهلك (Hair et al., 2012). بشكل عام، يعد SEM أداة تحليل احصائي يمكن استخدامها لفحص العلاقات بين المتغيرات في مجموعة واسعة من مجالات أبحاث العلوم الاجتماعية. حيث تساعد الباحثين على اختبار النماذج النظرية، وتحديد المسارات السببية المهمة، واكتساب نظرة ثاقبة للظواهر المعقدة.

تظم SEM مقاربتين مهمتين بديلتان لتحليل البيانات هما نمذجة المعادلات الهيكلية ببنية التباين المشترك CB-SEM، ونمذجة المعادلات الهيكلية القائمة على طريقة المربعات الصغرى الجزئية PLS-SEM (Hair et al., 2021). نشأت فكرة CB-SEM من الحاجة إلى تحليل العلاقات الهيكلية بين المتغيرات على أساس العلاقات الإحصائية بين مصفوفات التباين والتباين المشترك بدلاً من تحليل المتغيرات ذاتها. وتستخدم لتحليل المسارات وتقدير المعادلات الهيكلية لاستنتاج العلاقات بين المتغيرات والتأكد من ملاءمة النموذج مع البيانات (Chin et al., 2020). أما PLS-SEM فهم نهج بديل لتحليل العلاقات الهيكلية، يركز على تحليل العلاقات بين المتغيرات باستخدام تقنية الانحدار الجزئي الأكثر بساطة، ويتميز بقدرته على التعامل مع نماذج معقدة ومتغيرات قليلة العينة، ويعتبر مناسبًا في الأبحاث الاستكشافية وعندما تكون الفرضيات أقل تحديدًا (Hair et al., 2019). تستخدم نمذجة المعادلات الهيكلية القائمة على طريقة المربعات الصغرى الجزئية على نطاق واسع في العلوم الاجتماعية والانسانية، خاصة وأنها لا تعتمد بشكل قوي على الفرضيات الإحصائية المحددة مسبقًا، مما يعني أنه يمكن استخدامها لاختبار العلاقات المبدئية دون الحاجة إلى فرضيات قوية مسبقة (Hair et al., 2022).

يتم تحليل نمذجة المعادلات الهيكلية القائمة على طريقة المربعات الصغرى الجزئية باستخدام العديد من البرامج الاحصائية مثل برنامج WarpPLS، برنامج ADANCO، برنامج R، وبرنامج SmartPLS، يعتبر هذا الأخير أحد البرامج الشهيرة والقوية المستخدمة على نطاق واسع لتحليل PLS-SEM. يتميز بواجهة سهلة الاستخدام ومجموعة من الأدوات والميزات التحليلية لتقدير النماذج الهيكلية الجزئية وتحليل المسارات وتفسير النتائج (Ghasemy et al., 2020; Hair et al., 2016).

حاول العديد من الباحثين استكشاف منهجية PLS-SEM من خلال مقالات تمهيدية (Haenlein & Kaplan, 2004; Rigdon, 2013; Nitzl & Chin, 2017; Hair et al., 2020)، أو كتب نظرية تطبيقية (Hand, 2012; Hair et al., 2019; Sarstedt et al., 2021)، ومع ذلك لازالت هناك الحاجة للتعرف على هذه المنهجية وكيفية استخدامها بالاعتماد على برنامج SmartPLS، خاصة في ظل ندره وقلة الأعمال المتعلقة بهذا الموضوع باللغة العربية

وعليه يعتبر هذا الكتاب أول كتاب باللغة العربية في عالمنا العربي يتناول تطبيق نمذجة المعادلات الهيكلية القائمة على طريقة المربعات الصغرى من خلال برنامج SmartPLS، فالغرض الرئيسي من هذا الكتاب هو تمكين الباحثين من فهم هذه التقنية واستخدامها بالاعتماد على برنامج SmartPLS، وبالتالي لقد صممنا هذا الكتاب لجميع القراء والباحثين المهتمين نمذجة المعادلات الهيكلية، حتى ولو كانت عندهم خلفية قليلة أو منعدمة فيما يخص PLS-SEM، حيث يقدم كل فصل نظرة موجزة عن الموضوعات والمقاييس ذات الصلة بتنفيذ PLS-SEM وتفسير النتائج. مصحوبًا بمجموعة كبيرة وجيدة من المراجع لمزيد من القراءة والفهم. ومع ذلك، ينصب التركيز على الوصف المتعمق بالدراسة التطبيقية، والذي يمنح القراء كيفية استخدام SmartPLS للحصول على حلول والإبلاغ عن نتائجها. في المقابل، يركز الكتاب بشكل أقل على الجوانب المتعلقة بتصميم النموذج ومواصفات نموذج القياس، ولكن بدلاً من ذلك، يقدم بيئة عمل SmartPLS بالتفصيل. ويشمل ما يلي:

• نظرة عامة حول نمذجة المعادلات الهيكلية.
• أبعاد التمييز والتفريق بين PLS-SEM وCB-SEM.
• كيفية تقييم نموذج القياس باستخدام SmartPLS.
• كيفية تقييم النموذج الهيكلي باستخدام SmartPLS.
• اختبار الوساطة باستخدام SmartPLS.
• اختبار التأثير المعدل (تحليل المجموعات المتعددة) باستخدام SmartPLS.
• مثال علمي متكامل لتحليل PLS-SEM باستخدام SmartPLS.