تحليل المسار - ما هو وكيفية استخدامه

تحليل المسار هو شكل من أشكال الانحدار المتعدد تحليل احصائي يتم استخدامه لتقييم النماذج السببية من خلال فحص العلاقات بين متغير تابع ومتغيرين مستقلين أو أكثر. باستخدام هذه الطريقة ، يمكن للمرء تقدير كل من حجم وأهمية الروابط السببية بين المتغيرات.

الوجبات الجاهزة الرئيسية: تحليل المسار

تحليل المسار مفيد نظريًا لأنه ، على عكس التقنيات الأخرى ، يجبرنا على تحديد العلاقات بين جميع المتغيرات المستقلة. وينتج عن هذا نموذج يوضح الآليات السببية التي تنتج من خلالها المتغيرات المستقلة تأثيرات مباشرة وغير مباشرة على متغير تابع.

تم تطوير تحليل المسار بواسطة Sewall Wright ، عالم الوراثة ، في عام 1918. بمرور الوقت ، تم اعتماد الطريقة في العلوم الفيزيائية والعلوم الاجتماعية الأخرى ، بما في ذلك علم الاجتماع. اليوم يمكن للمرء إجراء تحليل المسار مع البرامج الإحصائية بما في ذلك SPSS و STATA وغيرها. تُعرف الطريقة أيضًا بالنمذجة السببية ، وتحليل هياكل التباين ، والنماذج المتغيرة الكامنة.

هناك متطلبان رئيسيان لتحليل المسار:

1. يجب أن تسير جميع العلاقات السببية بين المتغيرات في اتجاه واحد فقط (لا يمكن أن يكون لديك زوج من المتغيرات التي تسبب بعضها البعض)
2. يجب أن يكون للمتغيرات ترتيب واضح للوقت حيث لا يمكن القول أن أحد المتغيرات يسبب متغيرًا ما لم يسبقه في الوقت المناسب.

عادة ما يتضمن تحليل المسار بناء مخطط مسار يتم فيه تحديد العلاقات بين جميع المتغيرات والاتجاه السببي بينهما. عند إجراء تحليل المسار ، يمكن للمرء أولا بناء مخطط مسار الإدخال، الذي يوضح العلاقات المفترضة. في مخطط المسار، يستخدم الباحثون الأسهم لإظهار كيفية ارتباط المتغيرات المختلفة مع بعضها البعض. يشير السهم الذي يشير من ، على سبيل المثال ، المتغير أ إلى المتغير ب ، إلى أن المتغير أ يُفترض أنه يؤثر على المتغير ب.

بعد الانتهاء من التحليل الإحصائي ، سيقوم الباحث بعد ذلك بإنشاء مخطط مسار الإخراج، والذي يوضح العلاقات كما هي موجودة بالفعل ، وفقا للتحليل الذي أجري. إذا كانت فرضية الباحث صحيحة ، فسيعرض مخطط مسار الإدخال ومخطط مسار الإخراج نفس العلاقات بين المتغيرات.

دعونا ننظر في مثال قد يكون فيه تحليل المسار مفيدًا. لنفترض أنك تفترض أن العمر له تأثير مباشر على الرضا الوظيفي ، وأنك تفترض أن له تأثيرًا إيجابيًا ، فكلما كان العمر أكبر ، كلما كان الرضا أكثر تجاه وظيفته. سيدرك الباحث الجيد أن هناك بالتأكيد متغيرات مستقلة أخرى تؤثر أيضًا على متغيرنا المعتمد في الرضا الوظيفي: على سبيل المثال ، الاستقلالية والدخل ، من بين أمور أخرى.

باستخدام تحليل المسار ، يمكن للباحث إنشاء رسم بياني يرسم العلاقات بين المتغيرات. سيوضح الرسم البياني العلاقة بين العمر والحكم الذاتي (لأنه عادةً ما يكون العمر الأكبر ، درجة أكبر من الحكم الذاتي سيكون لديهم) ، وبين العمر والدخل (مرة أخرى ، تميل إلى أن تكون هناك علاقة إيجابية بين اثنان). بعد ذلك ، يجب أن يُظهر المخطط أيضًا العلاقات بين هاتين المجموعتين من المتغيرات والمتغير التابع: الرضا الوظيفي.

بعد باستخدام برنامج إحصائي لتقييم هذه العلاقات ، يمكن للمرء بعد ذلك إعادة رسم الرسم البياني للإشارة إلى حجم العلاقات وأهميتها. على سبيل المثال ، قد يجد الباحث أن كلاً من الاستقلالية والدخل مرتبطان بالرضا الوظيفي ، أحدهما المتغيرات لها ارتباط أقوى بكثير بالرضا الوظيفي عن الأخرى ، أو أن هذا المتغير ليس له صلة مهمة بالمهمة رضا.

في حين أن تحليل المسار مفيد لتقييم الفرضيات السببية ، فإن هذه الطريقة لا يمكن تحديدها اتجاه السببية. يوضح الارتباط ويشير إلى قوة الفرضية السببية ، لكنه لا يثبت اتجاه السببية. من أجل فهم اتجاه السببية بشكل كامل ، يمكن للباحثين التفكير في إجراء دراسات تجريبية حيث يتم تعيين المشاركين عشوائيا لمجموعة العلاج والسيطرة.

يمكن للطلاب الذين يرغبون في معرفة المزيد عن تحليل المسار وكيفية إجرائه الرجوع إلى نظرة عامة على جامعة إكستر تحليل المسار و تحليل البيانات الكمية للعلماء الاجتماعيين بقلم برايمان وكرامر.

محدث بقلم نيكي ليزا كول ، دكتوراه