สถ ต ข นส งและการว เคราะห ข อม ล

สถ ต ข นส งและการว เคราะห ข อม ล ผศ.ดร. อรสา จร ญธรรม คณะคร ศาสตร มหาว ทยาล ยราชภ ฏวไลยอลงกรณ ในพระบรมราช ปถ มภ

สถ ต ข นส งและการว เคราะห ข อม ล 1. วงจรว จ ย 2. ประเภทของสถ ต ตามบทบาท ในการว จ ย 3. ประเภทของสถ ต ทดสอบ

RESEARCH CYCLE THEORY RECOMMENDATIONS RES. FRAMEWORK RES. HYPOTHESES INFERENCES RESEARCH PROBLEMS POPULATION AND SAMPLING DATA ANALYSIS INSTRUMENTATION DATA COLLECTION

ประเภทของสถ ต ตามบทบาทในการว จ ย สถ ต ว าด วยการเล อกกล มต วอย าง ( sampling statistics) สถ ต บรรยาย(descriptive statistics) สถ ต อน มานหร อสถ ต เช งอ างอ ง ( inferential statistics)

การใช สถ ต เพ อการว เคราะห ข อม ล สถ ต เช งพรรณนา(Descriptive statistics) เป นสถ ต ท ใช อธ บายล กษณะของข อม ลเท าท ม อย และน ามาว เคราะห เท าน น เช น สถ ต ท เก ยวก บน กศ กษาท อย ในห องน สถ ต ท เก ยวก บน กศ กษาในสาขาว ชา-คณะ และมหาว ทยาล ยแห งหน ง โดยค าสถ ต ท ได ต องมาจาก ข อม ลต วอย างหร อท งหมดท กล าวถ ง สถ ต ท ใช ว เคราะห เช น ส ดส วน/ร อยละ ค าเฉล ย ค าม ธยฐาน ค าฐานน ยม ค าเบ ยงเบนมาตรฐาน ค าพ ส ย ระหว างควอไทล ค าเปอร เซ นไทล ค าสหส มพ นธ ฯลฯ

สถ ต เช งอ างอ ง (Inferential Statistics) ค อสถ ต ท อธ บายล กษณะของข อม ลท ม อย ท งหมดหร อของกล มประชากร (Population) โดย อาศ ยข อม ลบางส วนจากกล มท เป นต วแทนของ กล มท งหมด ท เร ยกว า กล มต วอย าง (Sample) ก ก กก ก

การศ กษาความส มพ นธ เช งสาเหต การว จ ยเช งทดลอง CONTROL BY DESIGN การว จ ยเช งสหส มพ นธ CONTROL BY STATISTICS

ประเภทของสถ ต ทดสอบ 1. ANOVA(F-test) : Analysis of Variance 2. ANCOVA : Analysis of Covariate 3. MANOVA : Multiple Analysis of Variance 4. MRA : Multiple Regression Analysis 5. Path, Factor, Cluster, Discriminant and Model LISREL 6. Heirachical Linear Model and Normal Distribution

ก ก ก กก ก 1 ก - ก - 2 ก Nominal / Ordinal Interval / Ratio Frequencies, Percentage, Mode Mean and Standard Deviation Range Variance, Percentile, Quartile Nominal Nominal Phi, Cramer s v, Chi-square Ordinal Ordinal Spearman s rho, Kendall s, Tau-a, Tau-b, Tau-c Interval / Interval / Pearson Correlation Ratio Ratio ก SPSS Frequencies Descriptive Crosstabs Correlattion Correlation

ก ก 2 SPSS. > 1 / ก ก > 1 Interval / Ratio Interval / Ratio Multiple Regression Regression. ก ก 2 ก - ก Nominal Interval / Ratio t - test Independence Samples - ก Nominal Interval / Ratio t - test t-test Paired Samples t-test

ก ก SPSS 3. ก ก 2 ก ก 2 ก - ก Nominal Nominal Nominal Ordinal Chi-Square Mann Whitney Crosstabs Non-parametric - ก Nominal Nominal Nominal Ordinal McNemar Sign test Wilcoxon Crosstabs Non-parametric

4 ก ก SPSS. ก ก >2 ก ก - ก Nominal Interval ANOVA ONE-Way ANOVA - ก Nominal Interval ANOVA GLM-Univariate (Interaction) Nominal & Interval Interval ANOVA GLM-Univariate (Covariate)

5 ก ก SPSS. ก ก >2 ก - ก - ก Nominal Nominal Nominal Ordinal Chi-Square Kruskal-wallis Crosstab Non-parametric Nominal Nominal Cochran s Q Non-parametric Nominal Ordinal Friedman Non-parametric 8. ก ก ก Interval / Ratio Nominal Discriminant Discriminant

Quantitative Data Analysis Type of Data Ordinal / Nominal Interval / Ordinal Rho Relationship between variables Chi-Square Phi Cramer s V Logistic Regression Pearson r correlation Multiple Regression Canonical Correlation Regression Analysis Factor Analysis Differences between Groups Sign Test Wilcoxon matched pairs t - test for Independent ANOVA / ANCOVA MANOVA /MANCOVA Discriminate Analysis

ก Analysis of Variance (ANOVA) X1 X Y X2 Y X3 t-test / One-way ANOVA Three-way ANOVA

ก Analysis of Covariate (ANCOVA) ก ก X Y Z ก ก X Y X Y X Y Z One-way ANOVA ก ANCOVA

ก Multivariate Analysis of Variance(MANOVA) Y1 Y1 X1 X Y2 Y2 X2 Y3 One-way MANOVA Two-way MANOVA

สถ ต ว เคราะห ความส มพ นธ ระหว างต วแปร ประเด น ร ปแบบการว เคราะห MRA EFA PA CFA SEM 1.แนวความค ด การว เคราะห การสร างสมการ พยากรณ เพ อ การคาดการณ แนวโน มของ เหต การณ ท ต องการศ กษา การศ กษา ความส มพ นธ ระหว างต วแปร และป จจ ยแฝง โดยเป นการ ทดสอบหา ความส มพ นธ ว าต วแปรต วใดท ควรอย ในกล ม ป จจ ยแฝง เด ยวก น การศ กษา ความส มพ นธ เช ง สาเหต ของ ระหว างต วแปร ก บต วแปร โดย เป นการ ว เคราะห ความส มพ นธ ว าต วแปรใดเป น ต วแปรท ม อ ทธ พลทางตรง และทางอ อมก บ อ กหน งต วแปร การทดสอบเช ง ย นย น ความส มพ นธ ระหว างต วแปร ก บป จจ ยแฝงโดย เป นการ ย นย น ความส มพ นธ ว าต วแปร เหล าน นม อ ทธ พลต อป จจ ย แฝงท สร างข น หร อไม การ ทดสอบ สมมต ฐาน ความส มพ นธ ท ต งไว ระหว าง ป จจ ยแฝงท สร าง ข นต งแต สอง ป จจ ยแฝง โดย การสร างเป น โครงสร างโมเดล สมมต ฐาน

ประเด น ร ปแบบการว เคราะห MRA EFA PA CFA SEM 2. ร ปแบบ ความส มพ นธ ความส มพ นธ ระหว างต วแปร อ สระ (Independent Variable) และ ต วแปรตาม (Dependent Variable) ความส มพ นธ ระหว างต วแปร (Variable :Var) ก บป จจ ยแฝง (Latent Variable:LV) (Var LV) ความส มพ นธ ระหว างต วแปร (Variable) ก บ อ กต วแปร (Variable) หน ง (Var LV) ความส มพ นธ ระหว างต วแปร (Variable) ก บ ป จจ ยแฝง (Latent Variable) (Var LV) ความส มพ นธ ระหว างป จจ ยแฝง (Latent Variable) ก บป จจ ยหน ง (Latent Variable) (LVr LV) 3. โปรแกรมท ใช ในการว เคราะห โปรแกรม SPSS,Excel หร อ โปรแกรมอ นๆ โปรแกรม SPSS โปรแกรม AMOS,LISREL หร อโปรแกรม อ นๆ โปรแกรม AMOS,LISREL หร อโปรแกรม อ นๆ โปรแกรม AMOS,LISREL หร อโปรแกรม อ นๆ

ก ก MULTIPLE REGRESSION ANALYSIS (MRA) X1 X2 X3 Y X4

การว เคราะห การถดถอยพห ค ณ (Multiple Regression Analysis= MRA) ใช ว เคราะห อะไร? 1.ใช ศ กษาความส มพ นธ ระหว างต วแปรตามหน งต วก บต วแปรต นหลายต ว 2. ใช ศ กษาเปร ยบเท ยบอ ทธ พลของต วแปรต นแต ละต วท ม ต อต วแปรตาม 3.ใช สร างสมการพยากรณ ต วแปรตามเม อร ค าต วแปรต น 4.ใช ศ กษาอ ทธ พลหล ก อ ทธ พลปฏ ส มพ นธ ระหว างต วแปรต นท ม ต อต วแปร ตาม 5.ใช ศ กษาเปร ยบเท ยบค าเฉล ยกรณ ประชากรหลายกล มแบบเด ยวก บ ANOVA 6.ใช ศ กษาส ดส วนความแปรปรวนในต วแปรตามท อธ บายได ด วยต วแปรต น

การว เคราะห การถดถอยพห ค ณ (Multiple Regression Analysis= MRA) ใช ก บข อม ลประเภทใด? ต วแปรตาม ต วแปรตามหน งต วเป นต วแปรเมตร ก ต วแปรต น ม ต วแปรต นต งแต หน งต วข นไปเป นไปได ท งต ว แปรเมตร กและน นเมตร ก ในกรณ ท เป นต วแปรน นเมตร กต อง เปล ยนร ป( tranform)ต วแปรให เป นต วแปรด มม

การว เคราะห การถดถอยพห ค ณ (Multiple Regression Analysis= MRA) ผลการว เคราะห ท ส าค ญค ออะไร 1.ได ค าส มประส ทธ สหส มพ นธ พห ค ณระหว างต วแปรตามหน งต วก บต ว แปรต นหลายต ว ซ งแปลความหมายได ถ งสามล กษณะ ค อ ความม น ยส าค ญจร ง (existence) ท ศทางความส มพ นธ (direction) ขนาดความส มพ นธ (magnitude)และร อยละของค าความแปรปรวนในต ว แปรตามท อธ บายได ด วยต วแปรต นหร อค าส มประส ทธ การพยากรณ หร อ R 2

การว เคราะห การถดถอยพห ค ณ (Multiple Regression Analysis= MRA) 2. ก (b) (β) ก ก β 3. ก ก ก ก 4. ก ก ก ก ก ก ก ANOVA

การว เคราะห การถดถอยพห ค ณโดยใช โปรแกรม SPSS ข อม ลท เก บจากกล มต วอย าง จ านวน 30 คน (ด งปรากฏในตารางข างล าง) - จงท าการทดสอบว าการท างานเป นท ม (X 1 ) - การสน บสน นการปฏ บ ต งาน (X 2 ) - การเป ดโอกาสเร ยนร โดยการทดลอง (X 3 ) และ - ความร บผ ดชอบในงาน (X 4 ) ส งผลต อความเป นองค การแห งการเร ยนร (Y) หร อไม (ก าหนดระด บน ยส าค ญ เท าก บ.05)

คนท X1 X2 X3 X4 Y 1 14 16 6 13 19 2 15 11 9 19 20 3 20 16 10 21 25 4 13 12 9 13 18 5 9 11 6 19 16 6 23 14 9 18 28 7 13 12 9 17 18 8 14 14 10 14 19 9 16 18 10 21 20 10 9 15 4 15 14 11 9 11 5 16 14 12 11 12 6 15 16 13 8 11 5 12 14 14 11 14 6 15 16 15 12 16 8 13 17 16 8 14 4 14 13 17 14 17 9 16 19 18 11 16 7 19 16 19 12 16 8 17 17 20 9 15 5 16 14 21 8 15 4 14 13 22 7 14 4 15 12 23 6 12 3 18 11 24 20 17 9 13 18 25 13 17 8 16 18 26 11 16 9 16 20 27 14 18 9 11 21 28 14 19 9 18 22 29 12 13 4 17 14 30 17 20 10 19 24

ข นตอนการว เคราะห การถดถอยพห ค ณโดยใช โปรแกรม SPSS ม ด งน เป ดไฟล ข อม ล ข อม ลการถดถอย ซ ง ปรากฏด งน

ท าการว เคราะห ข อม ลโดยคล กเมน Analyze/Regression/Linear (ข นตอนด งภาพข างล าง)

เม อคล กจะปรากฏหน าต างด งน

คล กต วแปร Y แล วคล กล กศรเพ อส งไปย งช อง Dependent: แล วคล กต วแปร X1,X2, X3 และ X4 แล วคล กล กศรเพ อส งไปย งช อง Independent(s) : ส วนตรง Method ให เล อก Stepwise (ด งภาพข างล าง)

(1) (2) ตาราง Variables Entered/Removed ค าสถ ต ต าง ๆ ม ความหมาย ด งน 1. หมายเลข (1) หมายถ ง ต วแปรพยากรณ (หร อต วแปรอ สระ) ท สามารถพยากรณ ต ว แปรเกณฑ (ต วแปรตาม) (Y) ได อย างม น ยส าค ญทางสถ ต ในท น ม 2 ต วแปรอ สระ ค อ X 1 และ X 3 2. หมายเลข (2) หมายถ ง ต วแปรเกณฑ (หร อต วแปรตาม) ในท น ค อ Y

ตาราง Model Summary ค าสถ ต ต าง ๆ ม ความหมายด งน R หมายถ ง ค าท แสดงความส มพ นธ ระหว างต วแปรอ สระก บต วแปรตาม ซ ง ในท น ม 2 Model (2 ต วแปรอ สระท สามารถพยากรณ ต วแปรตามได ) ด งน Model 1 จะม ต วแปรอ สระ 1 ต ว ค อ X 1 ท สามารถพยากรณ ต วแปรตาม (Y) ได โดยม ค าส มประส ทธ สหส มพ นธ (R) เท าก บ 0.895 Model 2 จะม ต วแปรอ สระ 2 ต ว ค อ X 1 และ X 3 ท ร วมก นพยากรณ ต วแปรตาม (Y) ได โดยม ค าส มประส ทธ สหส มพ นธ (R) เท าก บ 0.923

R Square หมายถ ง ค าส มประส ทธ การต ดส นใจ (R 2 ) ซ งจะแสดงถ ง อ ทธ พลของต วแปรอ สระ (X) ท ม ต อต วแปรตาม (Y) ด งน 1. Model 1 จะม ต วแปรอ สระ 1 ต ว ค อ X 1 ท สามารถพยากรณ ต วแปรตาม (Y) ได ร อยละ 80.00 (ท าให อย ในร ปร อยละโดยน าค า R Square ค ณด วย 100 จากต วอย างจะได 0.800 x 100 = 80.00 %) 2. Model 2 จะม ต วแปรอ สระ 2 ต ว ค อ X 1 และ X 3 ท ร วมก น พยากรณ ต วแปรตาม (Y) ได ร อยละ 85.20 (ท าให อย ในร ปร อยละโดย น าค า R Square ค ณด วย 100 จากต วอย างจะได 0.852 x 100 = 85.20 %)

Adjusted R Square หมายถ ง ค า R Square ท ม การ ปร บแก ให เหมาะสม ใช ในกรณ ท กล มต วอย างม จ านวน น อย โดยน อยกว า 20 เท าของต วแปรอ สระจาก ต วอย างม ต วแปรอ สระ 4 ต ว ด งน น จะต องใช กล ม ต วอย างไม น อยกว า 120 คน ซ งในท น ใช กล มต วอย าง จ านวน 30 คน ด งน น ในต วอย างน จ งควรใช ค า Adjusted R Square มากกว า R Square

1. Model 1 จะม ต วแปรอ สระ 1 ต ว ค อ X ท สามารถ 1 พยากรณ ต วแปรตาม (Y) ได ร อยละ 79.30 (ท าให อย ในร ป ร อยละโดยน าค า Adjusted R Square ค ณด วย 100 จาก ต วอย างจะได 0.793 x 100 = 79.30 %) 2. Model 2 จะม ต วแปรอ สระ 2 ต ว ค อ X และ X ท 1 3 ร วมก นพยากรณ ต วแปรตาม (Y) ได ร อยละ 84.10 (ท าให อย ในร ปร อยละโดยน าค า Adjusted R Square ค ณด วย 100 จากต วอย างจะได 0.841 x 100 = 84.10 %)

Std. Error of the Estimate หมายถ ง ค าความคลาดเคล อนมาตรฐานใน การพยากรณ ต วแปรตามด วยต วแปรอ สระ (S.E. est ) ด งน 1. Model 1 จะม ต วแปรอ สระ 1 ต ว ค อ X 1 ท สามารถพยากรณ ต ว แปรตาม (Y) ได ร อยละ 79.30 จะม ความคลาดเคล อนมาตรฐานในการพยากรณ ต วแปรตาม (Y) เท าก บ 1.79412 2. Model 2 จะม ต วแปรอ สระ 2 ต ว ค อ X และ 1 X 3 ท ร วมก น พยากรณ ต วแปรตาม (Y) ได ร อยละ 84.10 จะม ความคลาดเคล อนมาตรฐานใน การพยากรณ ต วแปรตาม (Y) เท าก บ 1.57463

ตาราง ANOVA เป นการว เคราะห ความแปรปรวน ซ งในการ ทดสอบว าจะสามารถใช ต วแปรอ สระท ค ดเล อกเข าสมการน มาพยากรณ ต วแปรตามได หร อไม ถ าม น ยส าค ญแสดงว าใช พยากรณ ได

1.Model 1 แสดงว าต วแปรอ สระ X 1 ได ร บการ ค ดเล อกเป นต วแปรพยากรณ เข าสมการเพ อพยากรณ ต วแปรตาม (Y) (เน องจากค า Sig. ม ค าน อยกว า ระด บน ยส าค ญท ก าหนด) 2. Model 2 แสดงว าต วแปรอ สระ X 1 และ X 3 ได ร บการค ดเล อกเป นต วแปรพยากรณ เข าสมการเพ อ พยากรณ ต วแปรตาม (Y) (เน องจากค า Sig. ม ค า น อยกว าระด บน ยส าค ญท ก าหนด)

ตาราง Coefficients. 1 2 1 3 4 p

ตาราง Coefficients จะแสดงค าสถ ต ต าง ๆ ด งน 1. B แสดงค าส มประส ทธ การถดถอยของต วแปรอ สระ แต ละต ว พร อมท งค าคงท เพ อน ามาใช ในการสร างสมการ พยากรณ 1.1 Model 1 จะได ค าส มประส ทธ การถดถอย (B) ของต วแปรอ สระ X เท าก บ 0.881 และม ค าคงท เท าก บ 1 6.577 1.2 Model 2 จะได ค าส มประส ทธ การถดถอย (B) ของต วแปรอ สระ X เท าก บ 0.595 และ X เท าก บ 1 3 0.636 และม ค าคงท เท าก บ 5.597

2. Std. Error หร อ S.E. เป นค าความคลาดเคล อน bi มาตรฐานของส มประส ทธ การถดถอยแต ละต วแปรอ สระ 2.1 Model 1 จะได ค าความคลาดเคล อนมาตรฐาน ของส มประส ทธ การถดถอยของต วแปรอ สระ X เท าก บ 1 0.083 (S.E. = 0.083) bi 2.2 Model 2 จะได ค าความคลาดเคล อนมาตรฐาน ของส มประส ทธ การถดถอยของต วแปรอ สระ X เท าก บ 1 0.119 และต วแปรอ สระ X เท าก บ 0.208 (S.E. = 3 bi 0.119,=0.208)

3. Beta แสดงค าส มประส ทธ การถดถอยของต วแปรอ สระแต ละต วในร ป คะแนนมาตรฐาน ส าหร บสร างสมการพยากรณ ในร ปของคะแนนมาตรฐาน ค า Beta สามารถบอกได ว าต วแปรอ สระต วใดม อ ทธ พลต อต วแปรตามมาก หร อน อยกว าก น ถ า Beta ของต วแปรอ สระใดม ค ามากกว า (โดยไม ค ด เคร องหมาย) แสดงว า ต วแปรอ สระต วน นม อ ทธ พลต อต วแปรตามมาก 3.1 Model 1 จะได ค าส มประส ทธ การถดถอยในร ปคะแนน มาตรฐานของต วแปรอ สระ X 1 เท าก บ 0.895 (β = 0.895) 3.2 Model 2 จะได ค าส มประส ทธ การถดถอยในร ปคะแนน มาตรฐานของต วแปรอ สระ X 1 เท าก บ 0.604 และต วแปรอ สระ X 3 เท าก บ 0.368 (β = 1 0.604 และ β 3 = 0.368) ซ งแสดงว า ต วแปรอ สระ X 1 ม อ ทธ พลต อต วแปรตาม (Y) มากกว าต วแปรอ สระ X 3

4. t และ Sig. เป นค าสถ ต ท และค าความน าจะเป น (Sig.) ของการทดสอบ t ส าหร บทดสอบว าต วแปรอ สระต วใดควร น าไปใช ในสมการพยากรณ ได บ าง ถ าค า t ม ค าส งอย างม น ยส าค ญ (หร อค า Sig. ม ค าน อยหร อเท าก บระด บน ยส าค ญ ท ก าหนด) แสดงว า สามารถน าไปใช ในสมการพยากรณ ได 5. จากผลการว เคราะห ข อม ลด วยโปรแกรม SPSS สามารถ น ามาเสนอเป นตารางได ด งน

ตาราง 1 ผลการว เคราะห อ านาจพยากรณ ของการท างานเป นท ม (X 1 )และ การเป ดโอกาสเร ยนร โดยการทดลอง (X 3 )ท ม ต อความเป นองค การแห งการ เร ยนร (Y) ต วแปร พยากรณ R R 2 Adjusted R 2 b S.E. est β t Sig X 1 0.895 0.800 0.793 0.595 0.119 0.604 5.019 * 0.000 X 3 0.923 0.852 0.841 0.636 0.208 0.368 3.058 * 0.005 a = 5.597 S.E. est Y = 1.57463 * ม น ยส าค ญทางสถ ต ท ระด บ.05

จากตาราง 1 แสดงว า การท างานเป นท ม (X 1 ) และการเป ดโอกาสเร ยนร โดย การทดลอง (X 3 ) สามารถพยากรณ ความเป นองค การแห งการเร ยนร (Y)ได อย าง ม น ยส าค ญทางสถ ต ท ระด บ.05 โดยต วแปรท งสองร วมก นพยากรณ ความเป นองค การแห งการเร ยนร ได ร อยละ 84.10 ม ความคลาดเคล อนมาตรฐานของการพยากรณ (S.E. est ) 1.57463 และ สามารถเข ยนสมการพยากรณ ในร ปคะแนนด บและคะแนนมาตรฐานได ด งน สมการพยากรณ ในร ปคะแนนด บ Y = 5.597 + 0.595 X 1 + 0.636 X 3 สมการพยากรณ ในร ปคะแนนมาตรฐานได ด งน Z r = 0.604 Z 1 + 0.368 Z 3

ก (Path Analysis) X1 X2 -.139 X4 X5.286 -.145 Y.054.296 X3

การว เคราะห เส นทาง การศ กษาความส มพ นธ ของต วแปรในเช งเหต และผลเป นว ธ ท ม พ นฐานทาง สถ ต มาจากการว เคราะห การถดถอย (Regression Analysis) - อาศ ยแผนภาพและสมการโครงสร างของแผนภาพเป นหล กในการน ามา ว เคราะห และอธ บายความส มพ นธ ของต วแปรเหต ท ม ต อต วแปรผลท งในด าน ขนาดและท ศทาง - สามารถอธ บายความส มพ นธ ได ท งความส มพ นธ ทางตรงและทางอ อม - การว เคราะห เส นทางในป จจ บ นสามารถด าเน นการโดยสร ปได 2 แนวทาง - การว เคราะห เส นทางแบบด งเด ม - การว เคราะห ด วยโปรแกรมเฉพาะทางคอมพ วเตอร

การว เคราะห เส นทางแบบด งเด ม - เป นว ธ การประมาณค าพาราม เตอร ด วยว ธ ก าล งสองน อย ท ส ด จะว เคราะห ค าพาราม เตอร จากการถดถอยสมการโครงสร างท ละสมการ และม การตรวจสอบความสอดคล องหร อความตรงของ ร ปแบบ 2 ว ธ ค อ 1. ว ธ ของด นแคน (Duncan) ท ตรวจสอบความสอดคล องหร อ ความตรงของร ปแบบด วยการเปร ยบเท ยบค าสหส มพ นธ ท ค านวณ จากส ตรสหส มพ นธ ของเพ ยร ส น (Pearson Correlation) ก บค า สหส มพ นธ ท ค านวณมาจากค าส มประส ทธ เส นตรง เร ยกการ ว เคราะห เส นทางแบบน ว าการว เคราะห เส นทางแบบพ เอ อาร (Path Analysis with Correlation : PAR)

การว เคราะห เส นทางแบบด งเด ม 2. ว ธ ของสเปชท (Specht) ท ตรวจสอบความ สอดคล องของร ปแบบด วยค าสถ ต ค ว (Q Statistic) จ ง เร ยกว า การว เคราะห เส นทางแบบน ว าการว เคราะห เส นทางแบบ พ เอ ค ว (Path Analysis with Q Statistic : PAQ)

การว เคราะห เส นทางด วยโปรแกรมเฉพาะทางคอมพ วเตอร -โปรแกรมล สคอมป (LISCOMP) -โปรแกรมเอ คซ (EQS) -โปรแกรมล สเรล (LISREL) - พ เอ แอล (Path Analysis with LISREL : PAL)

ความหมายของการว เคราะห เส นทาง การว เคราะห เส นทางม ล กษณะใหญ ๆ 3 ประการ เป นเทคน คทางสถ ต ท อาศ ยการประย กต การว เคราะห ถดถอยพห ค ณ เป นการศ กษาขนาดและท ศทางของความส มพ นธ ระหว าง ต วแปรเหต ท ม ต อต วแปรผลท งทางตรงและทางอ อม ความส มพ นธ เช งเหต และผลน สามารถน ามาเข ยนอธ บาย ได ด วยร ปแบบจ าลองโมเดลและสมการโครงสร างตามร ป แบบจ าลองท สร างข น

ร ปแบบความส มพ นธ เช งเหต และผล e 1 e 3 e Y X 1 X 3 Y X 2 e 2

ร ปแบบความส มพ นธ เช งเหต และผล ต วแปรภายนอก (Exdogeneous Variable) เป นต วแปรเร มของ แบบจ าลองซ งเป นต วแปรท เป นผลมาจากต วแปรอ นนอก แบบจ าลอง โดยผ ว จ ยไม สนใจจะอธ บายความแปรปรวนของต ว แปรด งกล าวว าได ร บอ ทธ พลจากต วแปรใดบ าง ต วแปรภายใน (Endogeneous Variable) เป นต วแปรท เป นผล ของต วท อย ในร ปแบบ ต วแปรส วนท เหล อ (Residual Variable : e) เป นต วแปรท ไม อย ใน ร ปแบบ แต อาจม อ ทธ พลต อต วแปรท อย ในร ปแบบท สร างข นได

การสร างแผนภาพหร อร ปแบบแสดงอ ทธ พลทางทฤษฎ ว ธ การสร างร ปแบบแสดงอ ทธ พลตามทฤษฎ แบ งได 2 ตอน ศ กษาทฤษฎ งานว จ ย และแนวค ดท เก ยวข องก บเร อง หร อปรากฏการณ ท จะท าการว จ ย จ ดล าด บต วแปรวาด วยแปรใดเป นสาเหต ของต วแปรใด แล วก าหนดเป นร ปแบบหร อแผนภาพ

แบบจ าลองเส นทางแสดงความส มพ นธ ระหว างต วแปร X 1 X 3 Y X 2 ให ความหมายว า ต วแปรท อย ในล กศรน น เป นผลโดยตรงจากต วแปรท อย ต น ล กศร ต วอย างเช น ต วแปร X 1 ม ผลโดยตรงต อต วแปร X 2 เร ยกต วแปร X 1 ว า ต วแปรเหต และเร ยกต วแปร X 2 ว าต วแปรผล

ข อตกลงเบ องต นของการว เคราะห เส นทาง ระด บของการว ดของต วแปรต าง ๆ อย ในระด บต งแต มาตราอ นตรภาพ ข นไป ต วแปรต าง ๆ ต องม ความส มพ นธ ก นในเช งเส นตรงเท าน น และเป นการ แสดงความส มพ นธ ในแบบเหต และผล ต วแปรแอบแฝง (Residual Variable) ในสมการถดถอยพห ค ณแต ละ สมการต องม การกระจายแบบส ม ต วแปรเหล าน ต องไม ม ความส มพ นธ ก นเองและไม ม ความส มพ นธ ก บต วแปรเกณฑ ของสมการน น ๆ ด วย ความส มพ นธ เช งสาเหต และผลในโมเดลน เป นเหต และผลทางตรงทาง เด ยวเท าน น ไม ม ผลย อนกล บ (Recursive)

บทสร ป การว เคราะห เส นทาง ป ญหาการว จ ยม กจะเป นการศ กษาในส งต อไปน และจะม ต ว ท บ งช ด งน ร ปแบบ.. การพ ฒนาร ปแบบ... ป จจ ยท ส งผลต อ. จ ดม งหมายของการว จ ย เพ อตรวจสอบร ปแบบความส มพ นธ เช งเหต และผลของต ว แปรเหต และต วแปรผล ว าล กษณะความส มพ นธ ตามร ปแบบตามสมมต ฐาน ก บร ปแบบ ตามข อม ลประจ กษ ม ความสอดคล องก นหร อไม โดยการน าแนวค ดของการว เคราะห ถดถอยพห ค ณมาประย กต ให เก ดประโยชน มากข น ล กษณะต วแปรท น ามาศ กษา ต วแปร ตามและต วแปรอ สระควรเป นข อม ลในระด บอ ตรภาพข นไปหร อต วแปรห น

Estimate S.E. C.R. P Label behaviors <--- support.234.046 5.069 *** behaviors <--- school.215.043 4.945 *** behaviors <--- authority.184.040 4.592 *** behaviors <--- attitude.303.040 7.594 *** behaviors Estimate.814

Implied (for all variables) Correlations (Group number 1- Default model) attitude authority school support behaviors attitude 1.000 authority.853 1.000 school.724.698 1.000 support.697.662.843 1.000 behaviors.842.806.806.789 1.000

Sample Correlations (Group number 1) attitude authority school support behaviors attitude 1.000 authority.853 1.000 school.724.698 1.000 support.697.662.843 1.000 behaviors.842.806.806.789 1.000

ก ก (FACTOR ANALYSIS) d1 d2 d3 d4 d5 X1 X2 X3 X4 X5 K1 K2

การว เคราะห องค ประกอบ (Factor analysis) ความหมายของการว เคราะห องค ประกอบ การว เคราะห องค ประกอบ หมายถ ง เทคน คว ธ ทางสถ ต ท จะจ บ กล มหร อรวมกล ม หร อรวมต วแปรท ม ความส มพ นธ ก นไว ในกล ม เด ยวก น ซ งความส มพ นธ เป นไปได ท งทางบวกและทางลบ ต วแปร ภายในองค ประกอบเด ยวก น จะม ความส มพ นธ ก นส ง ส วนต วแปร ท ต างองค ประกอบ จะส มพ นธ ก นน อยหร อไม ม สามารถใช ได ท ง การพ ฒนาทฤษฎ ใหม หร อการทดสอบหร อย นย นทฤษฎ เด ม

เทคน คของการว เคราะห องค ประกอบ เทคน คของการว เคราะห องค ประกอบ แบ งออกเป น 2 ประเภท 1. การว เคราะห องค ประกอบเช งส ารวจ (Exploratory Factor Analysis) 2. การว เคราะห องค ประกอบเช งย นย น (Confirmatory Factor Analysis)

การว เคราะห องค ประกอบเช งส ารวจ (Exploratory Factor Analysis) การว เคราะห องค ประกอบเช งส ารวจจะใช ในกรณ ท ผ ศ กษาต องการม ความร เก ยวก บโครงสร างความส มพ นธ ของต วแปรเพ อศ กษาโครงสร างของต วแปร และลดจ านวน ต วแปรท ม อย เด มให ม การรวมก นได

การว เคราะห องค ประกอบเช งย นย น (Confirmatory Factor Analysis) การว เคราะห องค ประกอบเช งย นย น จะใช ในกรณ ท ผ ศ กษาทราบโครงสร างความส มพ นธ ของต ว แปร หร อคาดว าโครงสร างความส มพ นธ ของต วแปรควรจะ เป นร ปแบบใด หร อคาดว าต วแปรใดบ างท ม ความส มพ นธ ก น มากและควรอย ในองค ประกอบเด ยวก น หร อคาดว าม ต วแปร ใดท ไม ม ความส มพ นธ ก น ควรจะอย ต างองค ประกอบก น

ว ตถ ประสงค ของเทคน ค Factor Analysis 1. เพ อศ กษาว าองค ประกอบร วมท จะสามารถอธ บาย ความส มพ นธ ร วมก นระหว างต วแปรต าง ๆ โดยท จ านวน องค ประกอบร วมท หาได จะม จ านวนน อยกว าจ านวนต วแปรน น จ งท าให ทราบว าม องค ประกอบร วมอะไรบ าง โมเดลน เร ยกว า Exploratory Factor Analysis Model : EFA

ว ตถ ประสงค ของเทคน ค Factor Analysis 2. เพ อต องการทดสอบสมม ต ฐานเก ยวก บโครงสร างของ องค ประกอบว า องค ประกอบแต ละองค ประกอบ ประกอบด วยต วแปรอะไรบ าง และต วแปรแต ละต วควรม น าหน กหร ออ ตราความส มพ นธ ก บองค ประกอบมากน อย เพ ยงใด ตรงก บท คาดคะเนไว หร อไม หร อสร ปได ว าเพ อ ต องการทดสอบว าต วประกอบอย างน ตรงก บโมเดลหร อ ตรงก บทฤษฎ ท ม อย หร อไม โมเดลน เร ยกว า Confirmatory Factor Analysis Model: CFA

ประโยชน ของเทคน ค Factor Analysis 1. ลดจ านวนต วแปร โดยการรวมต วแปรหลาย ๆ ต วให อย ใน องค ประกอบเด ยวก น องค ประกอบท ได ถ อเป นต วแปรใหม ท สามารถหาค าข อม ลขององค ประกอบท สร างข นได เร ยกว า Factor Score จ งสามารถน าองค ประกอบด งกล าวไปเป นต ว แปรส าหร บการว เคราะห ทางสถ ต ต อไป

ประโยชน ของเทคน ค Factor Analysis 2. ใช ในการแก ป ญหาอ นเน องมาจากการท ต วแปรอ สระของ เทคน คการว เคราะห สมการความถดถอยม ความส มพ นธ ก น (Multicollinearity) ซ งว ธ การอย างหน งในการแก ป ญหาน ค อ การรวมต วแปรอ สระท ม ความส มพ นธ ไว ด วยก น โดยการสร าง เป นต วแปรใหม หร อเร ยกว า องค ประกอบ โดยใช เทคน ค Factor Analysis แล วน าองค ประกอบด งกล าวไปเป นต วแปร อ สระในการว เคราะห ความถดถอยต อไป

ประโยชน ของเทคน ค Factor Analysis 3. ท าให เห นโครงสร างความส มพ นธ ของต วแปรท ศ กษา เน องจากเทคน ค Factor Analysis จะหาค า ส มประส ทธ สหส มพ นธ (Correlation) ของต วแปรท ละ ค แล วรวมต วแปรท ส มพ นธ ก นมากไว ในองค ประกอบ เด ยวก น จ งสามารถว เคราะห โครงสร างท แสดง ความส มพ นธ ของต วแปรต าง ๆ ท อย ในองค ประกอบ เด ยวก นได

ข อตกลงเบ องต นของการใช สถ ต การว เคราะห องค ประกอบ 1. ต วแปรท ค ดเล อกมาว เคราะห องค ประกอบ ต องเป นต ว แปรท ม ค าต อเน อง หร อม ค าในมาตราระด บช วง (Interval scale) และมาตราอ ตราส วน (Ratio scale) 2. ต วแปรท ค ดเล อกมาว เคราะห องค ประกอบ ควรม ความส มพ นธ ระหว างต วแปรในระด บส ง (r = 0.30 0.70) ร ปแบบความส มพ นธ ระหว างองค ประกอบและต วแปรท อย ในร ป เช งเส น (linear) เท าน น

ข อตกลงเบ องต นของการใช สถ ต การว เคราะห องค ประกอบ 3. จ านวนต วแปรท ค ดเล อกมาว เคราะห องค ประกอบ ควรม จ านวนมากกว า 30 ต วแปร 4. กล มต วอย าง ควรม ขนาดใหญ และควรม มากกว าจ านวนต วแปร จ านวนข อม ลมากกว า จ านวนต วแปรอย างน อย 5 20 เท า

ข อจ าก ดและป ญหาของการใช สถ ต การว เคราะห องค ประกอบ 1. ข อจ าก ดเร องจ านวนต วอย าง เน องจากการใช สถ ต การว เคราะห องค ประกอบต องใช จ านวนต วอย าง (sample size) จ านวนมาก หากใช ต วอย างน อยค าส มประส ทธ สหส มพ นธ จะต า แนวค ดการใช ขนาดต วอย าง ส าหร บการใช สถ ต การว เคราะห องค ประกอบในการว จ ย แนวค ดการใช ขนาดต วอย าง ข อเสนอแนะขนาดต วอย าง (n) และเหต ผล 1. ก (Comrey & Lee, 1992) ได เสนอแนะขนาดต วอย างด งน จ านวน 50 ราย ถ อว า แย มาก (very poor) จ านวน 100 ราย ถ อว า ไม ด (poor) จ านวน 200 ราย ถ อว า พอใช ได (fair) จ านวน 300 ราย ถ อว า ด (as a good) จ านวน 500 ราย ถ อว า ด มาก (as exellent)

ข อจ าก ดและป ญหาของการใช สถ ต การว เคราะห องค ประกอบ แนวค ดการใช ขนาดต วอย าง ส าหร บการใช สถ ต การ ว เคราะห องค ประกอบในการว จ ย แนวค ดการใช ขนาด ต วอย าง 2. การใช ขนาดต วอย างข นอย ก บจ านวน องค ประกอบท ต องการว เคราะห 2.1 ถ าการว จ ยน นม จ านวนองค ประกอบน อย (2-3 องค ประกอบ) และ/หร อม ค าน าหน กองค ประกอบต ามาก 2.2 กรณ ม จ านวนองค ประกอบ 4 องค ประกอบ หร อม ค า น าหน ก องค ประกอบมากกว า 0.6 2.3 จ านวนองค ประกอบม เท าก บ 10องค ประกอบหร อ น าหน กองค ประกอบ น อยกว า 0.4 2.4 การว จ ยน นม จ านวนองค ประกอบน อย(2 3 องค ประกอบ) และ/หร อม ค า น าหน กองค ประกอบต ามาก ข อเสนอแนะขนาดต วอย าง (n) และเหต ผล 2.1 ขนาดต วอย างแค 150 รายก เพ ยงพอ 2.2 ไม จ าเป นต องระบ จ านวนต วอย าง 2.3 ต วอย างควรม มากกว า 150 ราย 2.4 ขนาดต วอย าง ควรม อย างน อย 300

ข นตอนการว เคราะห องค ประกอบ ข นท 1 ก าหนดป ญหาการว จ ย ทบทวนองค ประกอบต วแปรจากทฤษฎ เก บข อม ล และเล อกว ธ ว เคราะห องค ประกอบตามว ตถ ประสงค การว จ ย ข นท 2 ตรวจสอบข อม ลท ใช ว เคราะห ว าเป นไปตามข อตกลงหร อไม และ สร างเมทร กซ สหส มพ นธ (Correlation Matrix) ข นท 3 สก ดองค ประกอบ (Extraction Factor Analysis : Factor Extraction หร อ Initial Factors) ข นท 4 เล อกว ธ การหม นแกน (Factors Rotation) ข นท 5 เล อกค าน าหน กองค ประกอบ (Factors Score) ข นท 6 ต งช อองค ประกอบท ว เคราะห ได

การออกแบบว จ ยและการประย กต ใช สถ ต การว เคราะห องค ประกอบ การออกแบบว จ ยส าหร บการใช สถ ต การว เคราะห องค ประกอบ ส วน ใหญ น ยมออกแบบว จ ยแบบไม ทดลอง (Non-Experimental Research Design) ท เป นการว จ ยแบบอธ บายความส มพ นธ (Explanatory research) ท ม ล กษณะค าถามการว จ ยท ต องการคาดคะเน ความส มพ นธ เพ อใช อธ บายความส มพ นธ ระหว างต วแปรใช ตรวจสอบโครงสร างของช ดต วแปรในร ปของจ านวนท น อยท ส ดของ ต วแปรแฝงท ส งเกตไม ได หร อว ดได โดยตรง หร ออาจเร ยกได ว าเป น ต วแปรแฝง หร อองค ประกอบ ซ ง ต วแปรแฝงท ส งเกตไม ได เหล าน จะถ กเร ยกว า องค ประกอบ (Joreskog & Sorbom, 1993)

ต วอย างห วข อการว จ ยท ใช สถ ต การว เคราะห องค ประกอบ ห วข อการว จ ย 1. การสร างแบบว ดค ณธรรม จร ยธรรมพ นฐานสาหร บ น กเร ยนม ธยมศ กษาตอนต น คมกฤช ใจคาป น ศ กษาศาสตร มหาบ ณฑ ต สาขาการว ดและประเม นผล ทางการศ กษา มหาว ทยาล ยเช ยงใหม ก มภาพ นธ 2544 ว ตถ ประสงค และ ว ธ การใช ว ธ การว เคราะห องค ประกอบ 1.1) เพ อสร างแบบว ด ค ณธรรม จร ยธรรมพ นฐาน ในด านความกต ญญ กตเวท การพ งตนเอง การร จ ก ประมาณตนและ ความเอ อเฟ อเผ อแผ 1.2) ว ธ การใช Exploratory Factor Analysis (EFA) เน องจากเป นการสร าง เคร องม อใหม EFA ผลการว จ ยแบบย อ ผลการว เคราะห ด วย EFA พ จารณาค าถ วงน าหน กต งแต 0.3 ข นไป ได จ านวนข อท เป นไปตาม เกณฑ 39 ข อ จาก 157 ข อ ด งน ความกต ญญ กตเวท 11 ข อ การพ งตนเอง 8 ข อ การร จ กประมาณตน 8 ข อ ความเอ อเฟ อเผ อแผ 12 ข อ

ห วข อการว จ ย 2. การศ กษาการท างานเป นท มและการ สร างโมเดลการฝ กอบรมเพ อพ ฒนาการ ท างานเป นท มของพน กงาน ธนว ฒน ภมรพรอน นต ปร ญญาการศ กษาด ษฎ บ ณฑ ต สาขาว ชาจ ตว ทยาการให ค าปร กษา มหาว ทยาล ยศร นคร นทรว โรฒ ธ นวาคม 2551 ว ตถ ประสงค และว ธ การใช ว ธ การว เคราะห องค ประกอบ 1. เพ อศ กษาองค ประกอบการท างานเป น ท มของพน กงาน 2. ว ธ การใช การว เคราะห องค ประกอบ เช งย นย น (Confirmatory factor analysis) ผ ว จ ยต องการศ กษาว าคะแนนการทางาน เป นท ม ม 2 องค ประกอบค อ องค ประกอบท 1 ค อ การสร างท มงาน ม องค ประกอบย อย 5 องค ประกอบ ได แก เป าหมายของท มงาน ว ส ยท ศน ท มงาน ภาระงานและท กษะท จาเป น ร ปแบบพฤต กรรมทางส งคม และการ เป นผ น า ส วนองค ประกอบท 2กระบวนการทางาน เป นท ม ม องค ประกอบย อย 5 องค ประกอบได แก การวางแผน การ ด าเน นงานตามแผน การประสาน ก จกรรม ความพ งพอใจของท มงาน และ การประเม นผล ผลการว จ ยแบบย อ 1. คะแนนการทางานเป นท มของพน กงานท ง10 องค ประกอบ ย อย ม ค าส มประส ทธ สหส มพ นธ ต งแต.067 -.736 และม ความส มพ นธ อย างม น ยส าค ญทางสถ ต ท ระด บ.05 ท กค า 2. โมเดลการว เคราะห เช งย นย น อ นด บท 1 ของการทางานเป นท มของพน กงาน F1: การสร างท มงาน ม 5 ต วแปร ม ค าน าหน กองค ประกอบต งแต 0.28-0.58 F2 : กระบวนการทางาน ม 5 ต วแปร ค าน าหน กองค ประกอบต งแต 0.20-0.26 ค าความเช อถ อได ของการว ด (R2)แต ละองค ประกอบย อยม ค าต งแต 0.21 1.18 3. โมเดลการว เคราะห เช งย นย น อ นด บท 2 ของการทางานเป นท มของพน กงาน F1: การสร างท มงาน ม 5 ต วแปร ม ค าน าหน กองค ประกอบ ต งแต 0.32-0.75 F2 : กระบวนการทางาน ม 5 ต วแปร ค าน าหน กองค ประกอบต งแต 0.20-0.26 ค าความเช อถ อได ของการว ด (R2)แต ละองค ประกอบย อยม ค าต งแต 0.21 1.47 4. โมเดลโครงสร างการท างานเป นท มม ความเหมาะสมพอด ก บข อม ลเช งประจ กษ

ต วอย างงานว จ ย Factor Analysis การว เคราะห องค ประกอบพฤต กรรมการอน ร กษ ส งแวดล อมของน กเร ยน ม ธยมศ กษาตอนปลาย จ งหว ดปท มธาน ( FACTOR ANALYSIS OF ENVIRONMENT CONSERVATION BEHAVIORS AMONG HIGH SCHOOL STUDENTS IN PHATHUMTANEE ) ผ ว จ ย จ ตเจร ญ ศรขว ญ ค าถามการว จ ย อะไรค อองค ประกอบของพฤต กรรมการอน ร กษ ส งแวดล อมของน กเร ยน ม ธยมศ กษาตอนปลาย ว ตถ ประสงค การว จ ย เพ อว เคราะห องค ประกอบพฤต กรรมการอน ร กษ ส งแวดล อมของน กเร ยน ม ธยมศ กษาตอนปลาย

ขอบเขตการว จ ย 1.ประชากร ประชากรท ใช ในการศ กษาคร งน เป นน กเร ยนช นม ธยมศ กษาตอนปลาย ส งก ดส าน กงานคณะกรรมการการศ กษาข นพ นฐานจ งหว ดปท มธาน ป การศ กษา 2550 จ านวน 4,400 คน 2. กล มต วอย าง กล มต วอย างในการศ กษาคร งน ค อน กเร ยนช นม ธยมศ กษาตอนปลาย ส งก ดส าน กงานคณะกรรมการการศ กษาข นพ นฐานจ งหว ดปท มธาน ป การศ กษา 2550 จ านวน 1,267 คน ซ งได มาจากการส มแบบหลายข นตอน

ต วอย างแบบสอบถามพฤต กรรมการอน ร กษ ส งแวดล อมของน กเร ยนม ธยมศ กษาตอนปลาย พฤต กรรมของน กเร ยน 1. น กเร ยนสนใจอ านเอกสารเผยแพร ด านส งแวดล อมของโรงเร ยน 2. น กเร ยนด หร ออ านข าวเก ยวก บส งแวดล อมอย เป นประจ า 3. น กเร ยนปล กต นไม ร วมก บทางโรงเร ยนท กคร งท ม โครงการปล กต นไม ในว น ส าค ญต าง ๆ 4. น กเร ยนป ดไฟฟ าท ไม จ าเป นอย เสมอเพ อประหย ดกระแสไฟฟ า 5. เม อผ ปกครองใช ให ไปซ อหลอดไฟน กเร ยนจะซ อหลอดไฟท ช วยประหย ด พล งงานเท าน น 6. น กเร ยนจะแจ งให ทางโรงเร ยนทราบเม อพบเห นท อน าประปาร ว 7. น กเร ยนท งขยะลงในถ งขยะท กคร ง 8. น กเร ยนม กน าถ านไฟฉายหร อหลอดไฟฟ าท เส อมค ณภาพแล วไปท งแยกก บ ขยะประเภทอ น 9. น กเร ยนใช กระดาษท งสองหน าก อนท กคร งท จะน าไปท ง ระด บการปฏ บ ต 5 4 3 2 1

ต วอย างแบบสอบถามพฤต กรรมการอน ร กษ ส งแวดล อมของน กเร ยนม ธยมศ กษาตอนปลาย พฤต กรรมของน กเร ยน 1. น กเร ยนสนใจอ านเอกสารเผยแพร ด านส งแวดล อมของโรงเร ยน ENV1 2. น กเร ยนด หร ออ านข าวเก ยวก บส งแวดล อมอย เป นประจ า ENV2 3. น กเร ยนปล กต นไม ร วมก บทางโรงเร ยนท กคร งท ม โครงการปล กต นไม ในว น ส าค ญต าง ๆ ENV3 4. น กเร ยนป ดไฟฟ าท ไม จ าเป นอย เสมอเพ อประหย ดกระแสไฟฟ า ENV4 5. เม อผ ปกครองใช ให ไปซ อหลอดไฟน กเร ยนจะซ อหลอดไฟท ช วยประหย ด พล งงานเท าน น ENV5 6. น กเร ยนจะแจ งให ทางโรงเร ยนทราบเม อพบเห นท อน าประปาร ว ENV6 7. น กเร ยนท งขยะลงในถ งขยะท กคร ง ENV7 8. น กเร ยนม กน าถ านไฟฉายหร อหลอดไฟฟ าท เส อมค ณภาพแล วไปท งแยกก บ ขยะประเภทอ น ENV8 9. น กเร ยนใช กระดาษท งสองหน าก อนท กคร งท จะน าไปท ง ENV9 ระด บการปฏ บ ต 5 4 3 2 1

ค าส งของ SPSS for Windows ส าหร บเทคน ค Factor Analysis Analyze Dimension Reduction Factor

จะปรากฏหน าต าง โดยต องเล อกต วแปรใส ใน box ของVariables

เล อกป ม Descriptives จะปรากฏหน าต าง ส วนท 1 : Statistics ซ งผ ใช สามารถเล อกทางเล อกต าง ๆ ได ด งน Univariate descriptive จะแสดงจ านวนข อม ล, ค าเฉล ย และค าเบ ยงเบนมาตรฐานของต วแปรแต ละต ว Initial solution จะแสดงค า initial communalities, eigenvalue และ percentage of variance explained ส วนท 2 : Correlation Matrix ซ งม ทางเล อกต อไปน Coefficients จะให ค าเมทร กซ ส มประส ทธ สหส มพ นธ ของต วแปรท กค Significance levels เม อเล อกทางเล อกน ผลล พธ จะแสดงค า one-tailed significance level ของการทดสอบค าส มประส ทธ สหส มพ นธ ของต วแปรแต ละค Diterminant จะแสดงค า determinant ของเมทร กซ ส มประส ทธ สหส มพ นธ KMO and Bartlett s test of sphericity ถ าเล อกทางเล อกน ผลล พธ จะแสดงค า KMO และ Bartlett s test

KMO and Bartlett s test of sphericity ถ าค า KMO ม ค าน อย (เข าส ศ นย ) แสดงว าเทคน ค Factor Analysis ไม เหมาะสมก บข อม ลท ม อย ถ าค า KMO ม ค ามาก (เข าส หน ง) แสดงว าเทคน ค Factor Analysis เหมาะสม ก บข อม ลท ม อย โดยท วไปถ าค า KMO <.5 จะถ อว า ข อม ลท ม อย ไม เหมาะสมท จะใช เทคน ค Factor Analysis Bartlett s Test of sphericity เป นค าสถ ต ท ใช ทดสอบสมมต ฐาน

เล อกป ม Extraction จะปรากฏหน าต าง ส วนท 1 : Method เป นการให เล อกว ธ การสก ด ป จจ ย ซ งแบ งออกเป น 2 ว ธ ใหญ ๆ ค อ 1. Principal Component Analysis (PCA) เป นว ธ การสก ดป จจ ยท ได ร บความน ยมมากท ส ด

2. Common Factor Analysis (CFA) เป นเทคน คท ม ว ตถ ประสงค เหม อนเทคน ค PCA ค อ จะ สร าง Factor เพ อลดจ านวนต วแปร แต หล กเกณฑ ของ CFA จะพยายามท าให ค าแปรปรวนเฉพาะส วนของ common factor มากท ส ด โดยไม พ จารณาถ งค า Unique Factor เทคน ค CFA ม เทคน คย อย 6 เทคน คด งน Unweighted Least Square Generalized Least Square Maximum Likelihood Method Alpha factoring Image Factoring

2 : Display ก Unrotate factor solution ก Factor ก ก communality, eigenvalues Scree plot ก eigenvalues ก ก Factor ก 3 : Extract ก ก ก ก ก Eigenvalues over : eigenvalues ก กก ก ก SPSS ก 1 box ก ก Number of factors : ก Factor ก

ก Rotation ก ส วนท 1 : Method เม อสก ดป จจ ยได แล ว จะต องม การจ ดต วแปรแต ละต วว าควรจะอย ใน ป จจ ยใด โดยพ จารณาจากค า Factor loading น นค อ ถ าค า Factor loading ของต วแปรหน งม ค ามาก (เข าส ±1) ในป จจ ยหน งและม ค าน อย (เข าส ศ นย ) ในป จจ ยอ น ๆ จะจ ดต วแปรน นอย ในป จจ ยท ท าให ค า Factor loading มาก แต ถ าค า Factor loading ม ค ากลาง ๆ ไม ช ดเจนว าควรจ ด ต วแปรอย ใน Factor ใดก ต องม การหม นแกน ป จจ ย เพ อเปล ยนเมตร กซ ท าให ค า Factor loading ม ค ามากส าหร บป จจ ยใดป จจ ยหน ง เท าน น จ งสามารถจ ดต วแปรต าง ๆ ว าควรอย ใน ป จจ ยใด

ก ก 2 Orthogonal Rotation ก ก กก ก 1.1 Varimax Factor loading ก ก 1.2 Quartimax ก ก 1.3 Equamax ก Varimax Quartimax

Oblique Rotation เป นการหม นแกนท เม อหม นแล ว ป จจ ยอาจจะไม ต งฉากก น หร อ ป จจ ย ไม เป นอ สระก นโดยใน SPSS เร ยกเป น Direct Oblimin และ Promax ผ ใช จะต องเล อก ทางเล อกใดทางเล อกหน งเพ ยง ทางเล อกเด ยว ถ าเล อก Noneแสดงว าไม ต องการ ให ม การหม นแกนป จจ ย

ส วนท 2 : Display ผ ใช สามารถเล อกท จะแสดงค าต าง ๆ ด งน Rotated solution ถ าเล อก Orthogonal Rotation (Varimax, Quartimax หร อ Equamax) จะ แสดง pattern matrix ถ าเล อก Directed Oblimin หร อ Promax จะแสดงเมตร กซ pattern, Structure และ Factor correlation Loading plot(s) จะแสดงกราฟของป จจ ยต าง ๆ ใน 3 dimension ของ 3 Factor แรก แต ถ าม 2 Factor จะแสดงกราฟ 2 dimension ส วนท 3 : Maximum Iteration for Convergence เป นการก าหนด จ านวนรอบส งส ดของการหม นแกนป จจ ยเพ อให ค า Factor loading ช ดเจน ข น โปรแกรม SPSS ก าหนด default เป น 25 รอบ ผ ใช สามารถก าหนด เลขจ านวนเต มบวก

เล อกป ม Scores จะปรากฏหน าต าง Save as variables เม อเล อกทางเล อกน จะเป นการ save Factor score ในร ปของต ว แปรโดยท 1 Factor ถ อเป น 1 ต วแปร โดยตารางผลล พธ จะแสดง ช อ และ label ของต วแปรใหม โดยผ ใช จะต องเล อกว ธ การค านวณ Factor score โดยม ว ธ การค านวณให เล อก 3 ว ธ ซ งผ ใช ต องเล อก เพ ยงทางเล อกเด ยว Regression ใช เทคน ค regression ในการหาค า Factor score โดยว ธ น ให ค าแปรปรวนเท าก บ (ส มประส ทธ สหส มพ นธ ระหว าง ค า Factor score ท ประมาณได ก บค า Factor score จร ง) 2 ส วน ใหญ น ยมใช ว ธ น Bartlett Anderson-Rubin Display factor score coefficient matrix จะแสดงเมตร กซ ค า ส มประส ทธ ของ Factor score และCovariance matrix ของ Factor score

เล อกป ม Options จะปรากฏหน าต าง ส วนท 1 : Missing ผ ใช ต องเล อกเพ ยงทางเล อกเด ยวจาก Exclude case listwise จะว เคราะห เฉพาะ case ท ม ค า ของท กต วแปร Exclude case pairwise จะไม รวม case ท ม missing ของต วแปรค ใดค หน ง Replace with mean แทนค า missing value ด วย ค าเฉล ยของต วแปรน น ๆ และใช ท ก case ในการว เคราะห ป จจ ย ส วนท 2 : Coefficient Display Format ผ ใช สามารถเล อกท จะแสดงค าส มประส ทธ Sorted by size จะแสดงค า Factor loading เร ยงตามล าด บ โดยต วแปรท ม ค า Factor loading ส ง ๆ ใน ป จจ ยเด ยวก น จะอย ด วยก น Suppress absolute values less than จะไม แสดงค าส มประส ทธ สหส มพ นธ หร อ Factor loading ท ม ค าน อยกว าท ระบ โดยค าท จะระบ ม ค า.10

ต วอย าง สมมต ว าผ ว จ ยต องการศ กษาพฤต กรรมการอน ร กษ ส งแวดล อม ของน กเร ยนม ธยมศ กษาตอนปลาย จ งหว ดปท มธาน โดยสนใจท จะศ กษา ต วแปรต อไปน ว าสามารถจ ดกล มต วแปรได อย างไร และได ผลล พธ ด งน ความหมายของผลล พธ ตารางท 1 Descriptive Statistics จากข อม ลต วอย าง 1267 ราย แสดงค าเฉล ย และค าเบ ยงเบน มาตรฐานของต วแปรท ง 9 ต ว เช น ต ว แปร env1 ม ค าเฉล ยของระด บ พฤต กรรม เป น 2.58 ค าเบ ยงเบน มาตรฐานเป น 1.130

ตารางท 2 Correlation Matrix ความหมายของผลล พธ ตารางท 2 Correlation Matrix ค าส มประส ทธ สหส มพ นธ ในตารางท 2 เป นค าส มประส ทธ สหส มพ นธ ของ Pearson (Pearson Correlation) จะพบว าต วแปร env8 และ env9 ม ความส มพ นธ ก นมากท ส ด (มากกว าต วแปรค อ น ๆ ) โดยม ค าส มประส ทธ สหส มพ นธ.844 ด งน นต วแปร env8 และ env9 ควรอย ใน Factor เด ยวก น

ตารางท 3 KMO and Bartlett s Test 3 KMO and Bartlett s Test Kaiser-Meyer-Olkin ก Factor Analysis.823 กก.5 Factor Analysis Bartlett s Test of Sphericity H 0 : (env1, env2,, env9) ก H 1 : (env1, env2,, env9) ก ก ก Chi-Square = 8389.502 Significance =.000 ก.05 H 0 env1,env2,,env9 ก Factor Analysis

ความหมายของผลล พธ ตารางท 4 Communalities จากตาราง 4 จะพบว าส าหร บแต ละต วแปร จะม ค า initial communalities และ Extraction communalities Communalities เป นค าส ดส วนของค าแปรปรวนของต วแปร ท สามารถอธ บายได โดย Common Factor ท งหมด โดยท 0 < communality < 1 ถ า communality = 0 แสดงว า Common Factor ไม สามารถ อธ บายความผ นแปร (ค าแปรปรวน)ของต วแปร แต ถ าค า communality = 1 แสดงว า Common Factor สามารถ อธ บายความผ นแปรได ท งหมด Initial Communality จากว ธ Principal Component จะ ก าหนดให Initial communality ของต วแปรท กต วเป น 1 Extraction Communality เป นค า communality ของต ว แปรหล งจากท ได สก ดป จจ ยแล ว จะพบว าค า Extraction communality ของต วแปร env6 ม ค าต าส ด =.774 แต ก ย งไม ต า มาก น าจะสามารถจ ดอย ใน Factor ใด Factor หน งได ช ดเจน

ตารางท 5 Total Variance Explained 1 2 3 4 5 Total Variance Explained 5 Factor ก ก ก Principle Component ก ก

ผลล พธ 1 2 ความหมาย Component หมายถ ง Factor หร อป จจ ย โดยท วไปจะสก ดให ม จ านวนป จจ ย =จ านวนต วแปร ในต วอย างน ม 9 ต วแปร จ งม 9 ป จจ ยหร อ 9 Component Total Eigenvalues หมายถ ง ค าความผ นแปร หร อความแปรปรวนท งหมดในต วแปรเด มท สามารถ อธ บายได โดย Factor หร อ Eigenvalue ค อ ผลบวก ค าของ Factor loading ยกก าล งสอง ของแต ละต ว แปรใน Factor หน ง ๆ ด งน นจะไม พ จารณา Factor ท ม ค า Eigenvalue น อยกว า 1 จะพบว าม เพ ยง Factorหร อComponent ท 1,2 และ 3 เท าน นท ม ค า Eigenvalue มากกว า 1 จ ง ควรม เพ ยง 3 Factor เท าน น

ผลล พธ 2 ความหมาย % of Variance หมายถ ง เปอร เซ นต ท แต ละ Factor สามารถอธ บายความผ นแปรได เน องจาก เด มม ต วแปร 9 ต ว และจากตารางท 4 จะพบว าแต ละต วม ค า Communality เร มต นเป น 1 เสมอ จ งม ความผ นแปรท งหมด = 9 เช น - % of Variance ของ Factor ท 1 = (4.674/9)*100 = 51.938 % หมายถ ง Factor ท 1 สามารถอธ บายความผ นแปรท งหมดได 51.938 % - % of Variance ของ Factor ท 2 = (1.708/9)*100 = 18.978 % หมายถ ง Factor ท 2 สามารถอธ บายความผ นแปรของข อม ลได 18.978 % - % of Variance ของ Factor ท 3 = (1.144/9)*100 = 12.712 % หมายถ ง Factor ท 3 สามารถอธ บายความผ นแปรของข อม ลได 12.712 %

ผลล พธ ความหมาย 2 Comulative % หมายถ ง ผลบวกสะสมของ % of Variance - % of Cumulative ของ 3 Factor แรก =51.938+18.978 +12.712 = 83.628 หมายถ ง Factor ท 1-3 อธ บายค าแปรปรวนของต ว แปรท ง 9 ต วได 83.628 %

ผลล พธ 3 ความหมาย Extraction Sums of Squared Loadings โดยว ธ Principal component ค า Initial Eigenvalue ใน 2 และค า Extraction Sums of Squared Loadings จะเท าก น และจะแสดงเฉพาะ Factor ท ม ค า Eigenvalue มากกว า 1

ผลล พธ 4 ความหมาย Rotation Sums of Squared Loadings จะให ค า Eigenvalue, % of Variance และ Cumulative % ของ Factor ต างๆ เม อท าการหม นแกนป จจ ยไปในล กษณะท ป จจ ยต าง ๆ ย งคงต งฉากก น หร อเป นอ สระก น ในต วอย างน เล อกว ธ Varimax เป นว ธ หม นแกนป จจ ยจะพบว าค า Eigenvalue, % of Variance ของ Factor ท 1 เม อหม นแกน แล วน อยกว าเม อย งไม ได หม นแกน( 2.539น อยกว า4.674) Eigenvalue, % of Variance ของ Factor ท 2 เม อหม นแกน แล วมากกว าเม อย งไม ได หม นแกน( 2.518มากกว า1.708) Eigenvalue, % of Variance ของ Factor ท 3 เม อหม นแกน แล วมากกว าเม อย งไม ได หม นแกน( 2.470 มากกว า1.144) แต Cumulative ของท ง 3 Factor ย งคงเท าเด ม

สร ปผลล พธ ตารางท 5 1. จะพบว าควรม Factor เพ ยง 3 Factor เน องจาก เฉพาะ 3 Factor แรกเท าน นท ม ค า Eigenvalue มากกว า 1 2. Factor ท ส าค ญท ส ดค อ Factor ท 1 เน องจากอธ บายหร อด งความ แปรปรวนของข อม ลได มากท ส ดในต วอย างน ได ถ ง 51.938 % ส วน Factor ท 2 จะส าค ญรองลงมา 3. โปรแกรม SPSS จะก าหนดให หาค าเฉพาะ Factor ท ม ค า Eigenvalues เก น 1 ถ าต วแปรท กต ว ( 9 ต ว) เป นอ สระก น จะม 9 Factor หร อ 9 Component โดยท แต ละต วม ค าแปรปรวน = 1 4. ในทางปฏ บ ต เม อใช ข อม ลท เก ดข นจร งม กจะพบว าม บาง Factor ท ม ค า Eigenvalue ใกล 1 ท าให ผ ว เคราะห ต องต ดส นใจว าควรม ก Factor

ตารางท 6 Component Matrix ความหมายของผลล พธ ตารางท 6 : Component Matrix ค าในตารางท 6 เป นส มประส ทธ หร อท เร ยกก นว า Factor loading เป นค าท แสดงความส มพ นธ ของต วแปรก บ Factor ท ง 3 Factor โดยท ย งไม ม การหม นแกนป จจ ย

ตารางท 7 Rotation Component Matrix a

ความหมายของผลล พธ ตารางท 7 : Rotation Component Matrix 7 Factor loading ก ก Varimax Factor loading ก Factor loading ก ก Factor loading Factor ก ก Factor Factor 1 ก 3 env7, env8, env9 อธ บายความ แปรปรวนขององค ประกอบได 28.209% Factor 2 ก 3 env1, env2, env3 อธ บายความ แปรปรวนขององค ประกอบได 27.980% Factor 3 ก 3 env4, env5, env6 อธ บายความ แปรปรวนขององค ประกอบได 27.439% และต วแปรส งเกตได ท ง 9 ต วร วมก นอธ บายความแปรปรวนขององค ประกอบท ง 3 องค ประกอบได 83.628%

การต งช อต วประกอบ องค ประกอบท ประกอบด วยต วแปร env1-env3 ซ งเป นต วแปรข าวสารด าน ส งแวดล อม จ งต งช อ องค ประกอบน ว า ด านการร บร ข าวสาร (news) องค ประกอบท ประกอบด วยต วแปร env4-env6 ซ งเป นต วแปรความร ด าน ส งแวดล อม จ งต งช อ องค ประกอบน ว า ด านความร ( Knowledge) องค ประกอบท ประกอบด วยต วแปร env7-env9 ซ งเป นต วแปรความตระหน กด าน ส งแวดล อม จ งต งช อ องค ประกอบน ว า ด านความตระหน ก (Awareness)

การว เคราะห องค ประกอบเช งย นย น(CFA) การว เคราะห องค ประกอบเช งย นย น(CFA)เป นการทดสอบเช งย นย น ความส มพ นธ ระหว างต วแปรก บป จจ ยแฝง โดยจะเป นการ ย นย น ความส มพ นธ ว าต วแปรเหล าน นม อ ทธ พลต อป จจ ยแฝงท สร าง ข นมาหร อไม

ล กษณะข อม ลท ใช ในการว เคราะห 1. เป นข อม ลท ว ดค าแบบล เค ร ท ( Likert Scale) 2. จ านวนข อม ลท ใช เพ อการว เคราะห ควรม อย างน อย 100 ต วอย าง กรณ การใช โปรแกรม AMOS โดยส วนใหญ จะใช ว ธ การประมาณค าความเป นไปได ส งส ด (Maximum Likelihood: ML) ด งน นควรใช กล มต วอย างอย างต า ประมาณ 100-200 ต วอย าง

ต วอย างการว เคราะห องค ประกอบเช งย นย น โดยส วนใหญ โมเดล CFA จะม สามล กษณะ 1.โมเดลองค ประกอบเช งย นย นหน งป จจ ย (One factor congeneric model) 2.โมเดลองค ประกอบเช งย นย นหลายป จจ ย (Multi factor congeneric model) 3.โมเดลองค ประกอบเช งย นย นหลายช น (Higher order factor model)

โมเดลองค ประกอบเช งย นย นหน งป จจ ย การสร างโมเดลองค ประกอบเช งย นย นหน งป จจ ย เป นว ธ การว ดโมเดลเป นล กษณะโมเดลแบบสมการ ถดถอย(Regression model) ค อประกอบด วยป จจ ย หน งป จจ ยแฝง(Latent Variable)และต วแปรส งเกต ได (Observed variable)

โมเดลองค ประกอบเช งย นย นหน งป จจ ยกรณ ต วอย างการใช โปรแกรม LISREL

ต วแปร ข อค าถาม น าหน ก องค ประกอบ R-square สปส.คะแนน องค ประกอบ ENV1 ENV2 ENV3 1.น กเร ยนสนใจอ านเอกสารเผยแพร ด านส งแวดล อมของโรงเร ยน 2.น กเร ยนด หร ออ านข าวเก ยวก บ ส งแวดล อมอย เป นประจ า 3. น กเร ยนปล กต นไม ร วมก บทาง โรงเร ยนท กคร งท ม โครงการปล ก ต นไม ในว นส าค ญต าง ๆ 0.89 1.02 0.92 0.63 0.94 0.70 0.09 0.75 0.12 จากตารางพบว าองค ประกอบด านการร บร ข าวสาร (news)ส งแวดล อมม จ านวน 3 ข อ ค าถามม น าหน กองค ประกอบม ค าต งแต 0.89 ถ ง 1.02 ม น ยส าค ญทางสถ ต ท ระด บ.05 ม ค าส มประส ทธ การพยากรณ (R-square) ต งแต 0.63 ถ ง 0.94 และม ค าส มประส ทธ คะแนนองค ประกอบต งแต 0.09 ถ ง 0.75

ผลการว เคราะห องค ประกอบเช งย นย นโมเดลการว ดด านการ ร บร ข าวสารส งแวดล อมพบว าโมเดลม ความสอดคล องก บ ข อม ลเช งประจ กษ อย ในเกณฑ ท ด มากโดยพ จารณาจากค า ไค-สแควร ม ค าเท าก บ 0.00 ค าความน าจะเป นเท าก บ 1.00 (p=1.00) ท องศาอ สระ (df) เท าก บ 0 และ ค า RMSEA เท าก บ 0.000

ค าสถ ต ท ช ว ดความเหมาะสมของโมเดล ล าด บท ค าสถ ต ก ก 1. ค าไค-สแควร Chi-square ค า p ต องส งกว า 0.05 จะแสดงว าโมเดลม ความ เหมาะสมและสอดคล องกลมกล นก บข อม ลเช ง ประจ กษ 2. ค า Factor loading ค าน าหน กของต วแปรควรม ค าระหว าง0.30-1.00 3. ค า Root mean square error of Approximation (RMSEA) ควรม ค าอย ระหว าง 0.00-0.08 โดยค าท เข าใกล 0.00 เป นค าท ด ท ส ด บางต ารายอมร บได ไม เก น 0.05 4. ค า SRMR ควรม ค าอย ระหว าง 0.00-0.08 โดยค าท เข าใกล 0.00 เป นค าท ด ท ส ด บางต ารายอมร บได ไม เก น 0.05

ค าสถ ต ท ช ว ดความเหมาะสมของโมเดล ล าด บท ค าสถ ต ก ก 5. ค า GFI ควรม ค าต งแต 0.90-1.00 โดยค า 1 หมายถ งค า ช ว ดว าโมเดลเหมาะสมด ท ส ด 6. ค า TLI ค าด ชน ท 7. ค า CFI ค าด ชน ท 8. ค า CMIN/DF ไม ควรเก น 2.00 ระด บ 0.90เป นระด บท โมเดลม ความ เหมาะสม ระด บ 0.90เป นระด บท โมเดลม ความ เหมาะสม

ต วแปร ข อค าถาม น าหน ก องค ประกอบ R-square สปส.คะแนน องค ประกอบ ENV4 ENV5 ENV6 1. น กเร ยนป ดไฟฟ าท ไม จ าเป นอย เสมอเพ อประหย ดกระแสไฟฟ า 2. เม อผ ปกครองใช ให ไปซ อหลอดไฟ น กเร ยนจะซ อหลอดไฟท ช วย ประหย ดพล งงานเท าน น 3. น กเร ยนจะแจ งให ทางโรงเร ยนทราบ เม อพบเห นท อน าประปาร ว 0.86 0.85 0.76 0.82 0.84 0.61 0.42 0.51 0.17 จากตารางพบว าองค ประกอบด านความร (know)ส งแวดล อมม จ านวน 3 ข อค าถามม น าหน กองค ประกอบม ค าต งแต 0.76 ถ ง 0.86 ม น ยส าค ญทางสถ ต ท ระด บ.05 ม ค า ส มประส ทธ การพยากรณ (R-square) ต งแต 0.61 ถ ง 0.84 และม ค าส มประส ทธ คะแนน องค ประกอบต งแต 0.17 ถ ง 0.51

ต วแปร ข อค าถาม น าหน ก องค ประกอบ ENV7 1.น กเร ยนท งขยะลงในถ งขยะท กคร ง 0.69 R-square 0.60 สปส.คะแนน องค ประกอบ 0.11 ENV8 ENV9 2. น กเร ยนม กน าถ านไฟฉายหร อหลอด ไฟฟ าท เส อมค ณภาพแล วไปท ง แยกก บขยะประเภทอ น 3. น กเร ยนใช กระดาษท งสองหน าก อน ท กคร งท จะน าไปท ง 0.90 0.85 0.93 0.76 0.78 0.19 จากตารางพบว าองค ประกอบด านความตระหน ก (awareness)ส งแวดล อมม จ านวน 3 ข อค าถามม น าหน กองค ประกอบม ค าต งแต 0.69 ถ ง 0.90 ม น ยส าค ญทางสถ ต ท ระด บ.05 ม ค าส มประส ทธ การพยากรณ (R-square) ต งแต 0.60 ถ ง 0.93 และม ค า ส มประส ทธ คะแนนองค ประกอบต งแต 0.11 ถ ง 0.78

โมเดลองค ประกอบเช งย นย นหน งป จจ ยกรณ ต วอย างการ ใช โปรแกรม AMOS 1. การก าหนดโครงสร างโมเดล จากการว เคราะห องค ประกอบพฤต กรรมการอน ร กษ ส งแวดล อมของน กเร ยน พบว า ประกอบด วยป จจ ยแฝง ( Latent Variable) ด าน การร บร ข าวสาร (news) ท สะท อนมาจากต วแปร (Observed variable) จ านวน 3 ต วแปร ได แก env1, env2, env3

โมเดลองค ประกอบเช งย นย นหน งป จจ ย จากการวาดภาพโมเดลในโปรแกรม AMOS ด งแสดงในร ป จะประกอบไปด วย ต วแปรแบบ Exogenous Variable (ป จจ ยแฝง,news) ต วแปรแบบ Endogenous Variable ( env1,env2,env3) และเป นต วแปรท จะต องม ค าความคลาดเคล อนก าก บเสมอในโมเดล

โมเดลองค ประกอบเช งย นย นหน งป จจ ย การก าหนดค า FIX ของต วแปรป จจ ยแฝง ( Latent Variable) เน องจากต วแปร Latent Variable เป นต วแปรท สร างข นมาซ งไม ม ค าแต เก ดจากต วแปร Observed variable หลายๆต วจ งต องก าหนดค า ความส มพ นธ ของต วแปร Latent ก บต วแปร Observed ต วใดต วหน งให เป นต วแปรคงท (Fix) แล วก าหนดค าเร มต นเป น 1.0

ผลการว เคราะห จากข อม ลการว เคราะห พบว า ด านการร บร ข าวสารส งแวดล อมว ดได จาก ต วแปร env1,env2,env3 โดยต วแปร env2 ม น าหน กของต วแปร (Regression Weight) มากท ส ดเท าก บ 0.97 รองลงมาได แก ต วแปร env3 ม ค าเท าก บ 0.84 และต าส ดค อต วแปร env1 ม ค าเท าก บ 0.79

LISREL MODEL OR SEM d1 X1 Y1 e1 d2 X2 K1 Y2 e2 d3 X3 E1 E2 Y3 e3 d4 X4 K2 Y4 e4 d5 X5 Z1 Z2

LISREL MODEL OR SEM z1 d1 X1 Y1 e1 d2 X2 K1 E1 Y2 e2 Y3 e3 E2 d3 X3 K2 Y4 e4 z2 K1, K2 = (MODERATOR) E2 = (MEDIATOR)

MULTI-LEVEL ANALYSIS HEIRACHICAL LINEAR MODEL MACRO LEVEL Z MICRO LEVEL X Y Z=MODERATOR