นางสาว วรรณา เฉลิมพรพงศ์ 51810950

1. ความแกร่งของโมเดลสมการโครงสร้างเชิงสำรวจ: อิทธิพลของขนาดกลุ่มตัวอย่าง ระดับของการแจกแจงไม่ปกติ ขนาดโมเดล และการกำหนดข้อมูลจำเพาะของโมเดลไม่ถูกต้องROBUSTNESS OF EXPLORATORY STRUCTURAL EQUATION MODELING: EFFECTS OF SAMPLE SIZE, DEGREE OF NONNORMALITY, MODEL SIZE AND MODEL MISSPECIFICATION นางสาว วรรณา เฉลิมพรพงศ์ 51810950

2. โมเดลสมการโครงสร้าง (SEM) โมเดลสมการโครงสร้าง δ1 x1 λx11 λx21 ξ1 λy11 δ2 x2 y1 ε1 η1 λx31 λy21 δ3 x3 y2 ε2 ψ21 21 β211 y3 ε3 β12 λy31 λx42 δ4 x4 λy42 y4 ε4 η2 λx52 ξ2 δ5 x5 λy52 y5 ε5 λx62 δ6 x6 λy62 y6 ε6 โมเดลการวัด โมเดลการวัด

3. CFA การวิเคราะห์องค์ประกอบเชิงยืนยัน (CFA ) มี 5 ขั้นตอน 1. การกำหนดข้อมูลจำเพาะของโมเดล (Model Specification) 2. การระบุความเป็นได้ค่าเดียวของ โมเดล (Model Identification) 3. การประมาณค่าพารามิเตอร์ของโมเดล (Estimating the Parameter) (MLE) 4. การประเมินความสอดคล้องของโมเดล (Evaluating the Data-Model Fit) (Chi-square, CFI, SRMR, RMSEA) 5.การดัดแปรโมเดล (Model Modification) δ1 x1 λ11 λ21 ξ1 δ2 x2 φ23 λ31 δ3 x3 21 λ42 δ4 x4 λ52 ξ2 δ5 x5 λ62 δ6 x6 โมเดลการวัด

4. ปัญหาในการวิเคราะห์CFAเกี่ยวกับโมเดลองค์ประกอบตามทฤษฎีไม่สอดคล้องกับข้อมูลเชิงประจักษ์ปัญหาในการวิเคราะห์CFAเกี่ยวกับโมเดลองค์ประกอบตามทฤษฎีไม่สอดคล้องกับข้อมูลเชิงประจักษ์ • ขนาดของกลุ่มตัวอย่างเล็กเกินไป • การแจกแจงของตัวแปรสังเกตได้ไม่เป็นแบบปกติ • การกำหนดข้อมูลจำเพาะของโมเดลไม่ถูกต้อง (model misspecification)

5. ปัญหาโมเดลองค์ประกอบไม่สอดคล้องกับข้อมูลเชิงประจักษ์ ในกรณี Model Misspecification เป็นเพราะข้อมูลเชิงประจักษ์มีน้ำหนักองค์ประกอบข้ามองค์ประกอบเล็กๆซ่อนอยู่ แต่โมเดลองค์ประกอบของ CFA บังคับให้มีน้ำหนักองค์ประกอบข้ามองค์ประกอบเป็นศูนย์และใช้วิธีปรับโมเดลทำให้เกิดการผิดรูปองค์ประกอบ • ปีค.ศ. 2009 Asparouhov and Muthen ได้พัฒนาวิธีใหม่ชื่อ Exploratory Structural Equation Modeling: ESEM (โมเดลสมการโครงสร้างเชิงสำรวจ) โดยการบูรณาการระหว่าง CFA, SEM และ EFA เข้าด้วยกัน

6. โมเดลสมการโครงสร้างเชิงสำรวจ (ESEM) โมเดลการวัด λy11 y1 ε1 η1 δ1 x1 λy21 y2 ε2 ψ21 β211 ใช้การหมุนแกนชื่อ Quartimin (Jennrich, 1966) Geomin (Yates, 1987) ซึ่งยอมให้เกิดความคลาดเคลื่อนมาตรฐานสำหรับคำตอบของการหมุน y3 ε3 β12 λy31 λy42 y4 ε4 η2 λy52 y5 ε5 λy62 y6 ε6 EFA CFA

7. Model Misspecification ESEM y1 y1 .36 ε1 .8 .8 y7 y7 y2 y2 ε7 .36 .36 ε2 η1 η1 .8 y8 y8 y1 SE y3 y3 .36 .36 ε3 ε8 .8 ε9 .36 .36 ε4 y4 y9 y4 y9 .5 .8 y10 y5 y10 y5 .36 .36 ε5 ε10 .5 .25 .25 1 y6 y6 .36 ε6 .8 .8 η2 η2 .8 .8 .8 Small Cross-Loadings Small Cross-Loadings

9. ESEM วิธีการของ ESEM โดยใช้โปรแกรม Mplus 1. ทุกพารามิเตอร์คำนวณด้วยวิธีการ ประมาณค่า MLE 2. ใช้ฟังก์ชันการหมุนจีโอมิน (Geomin) 3. การประเมินความสอดคล้องของโมเดล (Evaluating the Data-Model Fit) (Chi-square, CFI, SRMR, RMSEA) λy11 y1 ε1 η1 λy21 y2 ε2 ψ21 y3 ε3 β12 λy31 λy42 y4 ε4 η2 λy52 y5 ε5 λy62 y6 ε6 โมเดลการวัด

10. Marsh et al. (2009)ได้ศึกษาข้อมูลจริงเรื่อง ESEM ในกรณีการประยุกต์กับการประเมินของนักศึกษาเกี่ยวกับการสอนในระดับมหาวิทยาลัย และได้สรุปไว้ว่าโครงสร้าง ESEM เหมาะสมกับข้อมูลมากกว่าโมเดล CFAซึ่งมีตัวแปรสังเกตได้ 33 ตัวแปร และมีตัวแปรแฝง 9 ตัวแปรโดยมีน้ำหนักองค์ประกอบหลัก เท่ากับ .47 - .94น้ำหนักองค์ประกอบเล็กข้ามองค์ประกอบเท่ากับ -.03 - .30 สหสัมพันธ์ระหว่างตัวแปรแฝงเฉลี่ยเท่ากับ .34 Marsh et al. (2010)ได้ศึกษาข้อมูลจริงเรื่องมุมมองใหม่เกี่ยวกับโครงสร้างห้าองค์ประกอบใหญ่ผ่าน ESEM และได้แสดงให้เห็นว่าโครงสร้าง ESEM เหมาะสมกับข้อมูลมากกว่าโมเดล CFAซึ่งมีตัวแปรสังเกตได้ 60 ตัวแปร และมีตัวแปรแฝง 5 ตัวแปรโดยมีน้ำหนักองค์ประกอบหลักเท่ากับ .074 - .738น้ำหนักองค์ประกอบเล็กข้ามองค์ประกอบเท่ากับ -.360 - .327 สหสัมพันธ์ระหว่างตัวแปรแฝงเฉลี่ยเท่ากับ .46

11. Kristjanson et al. (2011)ได้ศึกษาข้อมูลจริงเรื่องสิ่งคาดหวังเกี่ยวกับผลของการสูบบุหรี่ในนักสูบบุหรี่หญิงวัยรุ่นในกรณีความแตกต่างระหว่างบุคคลและติดนิโคติน และได้แสดงให้เห็นว่าโครงสร้าง ESEM เหมาะสมกับข้อมูลมากกว่าโมเดล CFAซึ่งมีตัวแปรสังเกตได้ 18 ตัวแปร และมีตัวแปรแฝง 6 ตัวแปรโดยมีน้ำหนักองค์ประกอบหลักเท่ากับ .253 - 1.025น้ำหนักองค์ประกอบเล็กข้ามองค์ประกอบเท่ากับ -.061 - .487 สหสัมพันธ์ระหว่างตัวแปรแฝงเฉลี่ยเท่ากับ .084 - .612 Morin (2011) ได้ศึกษาข้อมูลจริงเรื่องการมีผลข้ามรูปแบบของ Physical self-inventory (PSI-S)โดย ESEM และได้แสดงให้เห็นว่าโครงสร้าง ESEM เหมาะสมกับข้อมูลมากกว่าโมเดล CFAซึ่งมีตัวแปรสังเกตได้ 18 ตัวแปร และมีตัวแปรแฝง 6 ตัวแปรโดยมีน้ำหนักองค์ประกอบหลักเท่ากับ .218- .719 น้ำหนักองค์ประกอบเล็กข้ามองค์ประกอบเท่ากับ -.072 - .451 สหสัมพันธ์ระหว่างตัวแปรแฝงเฉลี่ยเท่ากับ .219- .945

12. จากงานวิจัยประยุกต์ ESEM ทั้งสี่เรื่องพบว่า ESEM เป็นวิธีใหม่ที่เหมาะสมกว่า CFA แต่เนื่องจาก CFA มีความแกร่งต่อข้อมูลลักษณะต่างๆ จึงทำให้ผู้วิจัยสนใจว่า ESEMมีความแกร่งเหมือนกับ CFA หรือไม่ ความแกร่งของESEMหมายถึง การที่ผลการวิเคราะห์ของESEMยังมีความถูกต้องขณะที่มีการฝ่าฝืนข้อตกลงของการประมาณค่า โดยพิจารณาจาก • ค่าBias ของตัวประมาณค่าพารามิเตอร์ • ค่า Bias ของตัวประมาณค่าความคลาดเคลื่อนของการประมาณค่าพารามิเตอร์ • และค่า Bias ของสถิติการทดสอบไค-สแควร์

13. วัตถุประสงค์ของการวิจัยวัตถุประสงค์ของการวิจัย 1. เพื่อวิเคราะห์ความแกร่งของ ESEM ภายใต้เงื่อนไข 440 เงื่อนไข จาก 4 ตัวแปร (5x11x2x4) คือ ขนาดกลุ่มตัวอย่าง(100, 200, 400, 800, 1600) ระดับของการแจกแจงไม่ปกติ ((sk = 0, ku = 0),(0, -1.2), (0, 3), (0.5, 0.6), (-0.5, 0.6), (1, 1.6), (-1, 1.6), (1.5, 3.2), (-1.5, 3.2), (2, 6) และ (-2, 6)) ขนาดโมเดล(โมเดลขนาดเล็ก, โมเดลขนาดใหญ่) การกำหนดข้อมูลจำเพาะของโมเดลไม่ถูกต้อง(0, 0.1, 0.3, 0.5)

14. โมเดลขนาดเล็กการกำหนดข้อมูลจำเพาะของโมเดลไม่ถูกต้องλ41 = 0, 0.1, 0.3, 0.5 อ้างอิงจาก Yang-Wallentin, Jorekog, & Luo (2010)

15. โมเดลขนาดใหญ่การกำหนดข้อมูลจำเพาะของโมเดลไม่ถูกต้องλ14 ,λ16,1 = 0 λ14 ,λ16,1 = 0.1 λ14 ,λ16,1 = 0.3 λ14 ,λ16,1 = 0.5 อ้างอิงจาก Yang-Wallentin, Jorekog, & Luo (2010)

16. วัตถุประสงค์ของการวิจัยวัตถุประสงค์ของการวิจัย 2. เพื่อวิเคราะห์ความแกร่งของ CFA ภายใต้เงื่อนไข 440 เงื่อนไข คือ ขนาดกลุ่มตัวอย่าง5 ขนาด ระดับของการแจกแจงไม่ปกติ 11 ระดับ ขนาดโมเดล2 ขนาด การกำหนดข้อมูลจำเพาะของโมเดลไม่ถูกต้อง4 ระดับ 3. เพื่อเปรียบเทียบความแกร่งระหว่าง ESEM กับ CFA ภายใต้เงื่อนไข 440 เงื่อนไข 4. เพื่อเปรียบเทียบค่าสถิติวัดระดับความกลมกลืนของ ESEM กับ CFA ของข้อมูลจริง ภายใต้เงื่อนไขขนาดกลุ่มตัวอย่าง5 ขนาด

17. กรอบแนวคิดในการวิจัย ข้อมูลจากการจำลองข้อมูล ขนาดกลุ่มตัวอย่าง (5) ระดับของการแจกแจงไม่ ปกติ (11) ขนาดโมเดล (2) การกำหนดข้อมูลจำเพาะ ของโมเดลไม่ถูกต้อง (4) • ความแกร่งของ ESEM, CFA • Bias ของตัวประมาณ • ค่าพารามิเตอร์ • Bias ของตัวประมาณค่า • ความคลาดเคลื่อนมาตรฐาน • -Bias ของสถิติทดสอบ • Chi-square เปรียบเทียบความแกร่งระหว่างESEM กับ CFA เปรียบเทียบ ค่าสถิติวัดระดับความกลมกลืนระหว่าง ESEM กับ CFA ข้อมูลจริงจากผลการประเมินการสอน ขนาดกลุ่มตัวอย่าง (5) ค่าสถิติวัดระดับความกลมกลืนของ ESEM, CFA - Chi-Square - CFI - SRMR - RMSEA

18. สมมติฐานของการวิจัย 1. ESEM มีค่า Bias ของตัวประมาณค่าพารามิเตอร์ น้อยกว่า CFAสำหรับ ทุกขนาดกลุ่มตัวอย่าง(100, 200, 400, 800, 1600) ทุกระดับของการแจกแจงไม่ปกติ ((sk = 0, ku = 0),(0, -1.2), (0, 3), (0.5, 0.6), (-0.5, 0.6), (1, 1.6), (-1, 1.6), (1.5, 3.2), (-1.5, 3.2), (2, 6) และ (-2, 6)) ทุกขนาดโมเดล(โมเดลขนาดเล็ก, โมเดลขนาดใหญ่) ทุกระดับการกำหนดข้อมูลจำเพาะของโมเดลไม่ถูกต้อง (0, 0.1, 0.3 และ 0.5)

19. สมมติฐานของการวิจัย 2. ESEM มีค่า Bias ของตัวประมาณค่าความคลาดเคลื่อนมาตรฐาน น้อยกว่า CFAสำหรับ ทุกขนาดกลุ่มตัวอย่าง ทุกระดับของการแจกแจงไม่ปกติ ทุกขนาดโมเดล ทุกระดับการกำหนดข้อมูลจำเพาะของโมเดลไม่ถูกต้อง 3. ESEM มีค่าสถิติการทดสอบไค-สแควร์ มากกว่า CFA สำหรับ ทุกขนาดกลุ่มตัวอย่าง ทุกระดับของการแจกแจงไม่ปกติ ทุกขนาดโมเดล ทุกระดับการกำหนดข้อมูลจำเพาะของโมเดลไม่ถูกต้อง

20. สมมติฐานของการวิจัย 4. ESEM มีค่าสถิติวัดระดับความกลมกลืน ดีกว่าCFA สำหรับทุกขนาดกลุ่มตัวอย่างของข้อมูลจริง (100 คน, 200 คน, 400 คน, 800 คน และ 1600 คน)

21. ประโยชน์ที่คาดว่าจะได้รับจากการวิจัยประโยชน์ที่คาดว่าจะได้รับจากการวิจัย • ทำให้เลือกใช้สถิติได้เหมาะสมกับลักษณะเงื่อนไขของกลุ่มตัวอย่างตามตัวแปร 4 ตัวแปรที่ศึกษา

22. ขอบเขตของการวิจัย • ศึกษาโดยจำลองข้อมูลด้วยวิธีการมอนติคาร์โล ทดลองซ้ำ 2,000 ครั้งต่อ 1 เงื่อนไข • ศึกษาโดยจำลองข้อมูลด้วยวิธีการมอนติคาร์โลของเงื่อนไขตามตัวแปร 4 ตัวแปร จำนวน 440 เงื่อนไข (5x11x2x4) • ศึกษาข้อมูลจริงจากผลการประเมินการสอนของนักศึกษา จำนวนขนาดกลุ่มตัวอย่าง 5 ขนาด

23. วิธีดำเนินการวิจัย การวิจัยความแกร่งของ ESEM แบ่งเป็น ขั้นตอนที่ 1 การศึกษาแบบจำลองข้อมูล ขั้นตอนที่ 2 การศึกษาข้อมูลจริงจากผลการประเมินการสอน

24. ขั้นตอนที่ 1 การศึกษาแบบจำลองข้อมูล 1. การออกแบบการจำลองข้อมูล (Simulation design) 2. การสร้างข้อมูล โดยใช้โปรแกรม PRELIS 3. วิเคราะห์ข้อมูลเบื้องต้น โดยใช้โปรแกรม PRELIS 4. วิเคราะห์ข้อมูลด้วยวิธี ESEM โดยใช้โปรแกรม Mplus 6 5. วิเคราะห์ข้อมูลด้วยวิธี CFA โดยใช้โปรแกรม Mplus 6 6. หาค่าความแกร่งของ ESEM และ CFA 7. เปรียบเทียบความแกร่งระหว่าง ESEM กับCFA

25. ขั้นตอนที่ 2 การศึกษาข้อมูลจริงจากผลการประเมินการสอน 1. การสุ่มกลุ่มตัวอย่าง ประชากร คือ นักศึกษามหาวิทยาลัยเทคโนโลยีราชมงคลตะวันออก วิทยาเขตจันทบุรี ปีการศึกษา 2554 ซึ่งมี 2 คณะ คณะที่ 1 มี 5 สาขา และคณะที่ 2 มี 9 สาขา กลุ่มตัวอย่างมี 5 ขนาด (100 คน,200 คน, 400 คน,800 คนและ 1,600 คน) ได้มาโดยวิธีการสุ่มแบบหลายขั้นตอน 1.1. สุ่มแบบแบ่งชั้น ใช้คณะที่นักศึกษาสังกัดอยู่เป็นชั้น สุ่มอย่างง่าย 70% ของ ประชากร สุ่มได้ 10 สาขา คือ คณะที่ 1ได้ 4 สาขา และคณะที่ 2 ได้ 6 สาขา 1.2. สุ่มแบบแบ่งชั้น ใช้สาขาที่สุ่ม 10 สาขา เป็นชั้น สุ่มอย่างง่าย สาขาละ 10 % ของขนาดกลุ่มตัวอย่าง 1.3. สุ่มแบบง่าย 1 วิชา จากวิชาที่เรียนแต่ละคนในกลุ่มตัวอย่าง

26. ขั้นตอนที่ 2 การศึกษาข้อมูลจริงจากผลการประเมินการสอน 2. ศึกษาเครื่องมือที่ใช้ในการวิจัยและทฤษฎีที่เกี่ยวข้อง เครื่องมือที่ใช้ในการวิจัย แบบประเมินอาจารย์ผู้สอนออนไลน์ของมหาวิทยาลัยเทคโนโลยีราชมงคลตะวันออก เป็นแบบเลือกตอบ 5 คำตอบ จำนวน 18ข้อ • 3. การเก็บรวบรวมข้อมูล • จากฐานข้อมูลออนไลน์ของสำนักงานทะเบียนของมหาวิทยาลัย ผู้วิจัยเก็บรวบรวมข้อมูลของกลุ่มตัวอย่าง ตามขนาดกลุ่มตัวอย่าง

27. ขั้นตอนที่ 2 การศึกษาข้อมูลจริงจากผลการประเมินการสอน • 4. วิเคราะห์ข้อมูลเบื้องต้น โดยใช้โปรแกรม PRELIS • (ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน ความเบ้ ความโด่ง) 5. วิเคราะห์ข้อมูลด้วยวิธี ESEM โดยใช้โปรแกรม Mplus 6 (ค่าสถิติวัดระดับความกลมกลืน) (Chi-square, CFI, SRMR, RMSEA) 6. วิเคราะห์ข้อมูลด้วยวิธี CFA โดยใช้โปรแกรม Mplus 6 (ค่าสถิติวัดระดับความกลมกลืน) (Chi-square, CFI, SRMR, RMSEA) 7. เปรียบเทียบค่าสถิติวัดความกลมกลืนระหว่าง ESEM กับCFA

28. ขอบคุณค่ะ