Latent structure
نمذجة المعادلات البنيوية (SEM)
نمذجة المعادلات البنيوية هي إطار إحصائي متعدد المتغيرات يقدر في وقت واحد نموذج القياس - الذي يربط المؤشرات المرصودة بالبنى الكامنة - ونموذج بنيوي يحدد العلاقات الاتجاهية أو المتبادلة بين تلك البنى. تستند نمذجة المعادلات البنيوية إلى تقليد LISREL الذي طوره كارل جوريسكوج في السبعينيات، وهي الأداة القياسية لاختبار النماذج النظرية المعقدة في العلوم الاجتماعية والسلوكية والإدارية.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
+10 more
المصادر
- Hair, J. F., Black, W. C., Babin, B. J. & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage Learning. ISBN: 978-1473756540
- Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). The Guilford Press. ISBN: 978-1462523344
- Byrne, B. M. (2012). Structural Equation Modeling with Mplus: Basic Concepts, Applications, and Programming. Routledge. DOI: 10.4324/9780203807644 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 1). Structural Equation Modeling. ScholarGate. https://scholargate.app/ar/statistics/sem
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تحليل العوامل التأكيدي (CFA)القياس النفسي↔ compare
- التحليل العاملي الاستكشافي (EFA)الإحصاء↔ compare
- تحليل الوساطةالإحصاء↔ compare
- النمذجة متعددة المستوياتإحصاء البحث↔ compare
- تحليل المسارالإحصاء↔ compare
يُستشهد بها في
تحليل العوامل البايزينمذجة المعادلات الهيكلية البايزية (BSEM)نموذج العامل الثنائي (العوامل العامة والخاصة)تحليل العوامل التأكيدي (CFA)تحليل العوامل التأكيديألفا كرونباخ (تحليل الموثوقية)التحليل العاملي الاستكشافي (EFA)التحليل العاملي الاستكشافي لتطوير المقاييس (EFA)نموذج خليط النمو (GMM)النمذجة الخطية الهرمية (HLM / نمذجة المستويات المتعددة)تحليل الفئات الكامنة (LCA)نموذج منحنى النمو الكامن (LGC)أوميغا الهرمية لماكدونالد (ωh)اختبار ثبات القياستحليل العوامل التأكيدي متعدد المستويات (MCFA)اختبار الثبات القياسي القوي