ในการวิเคราะห์สมการโครงสร้าง (SEM) มักเลี่ยงไม่ได้เลยที่จะต้องวิเคราะห์องค์ประกอบเชิงยืนยัน หรือ CFA (Confirmatory Factor Analysis) ดังนั้น ครั้งนี้ได้โอกาสเขียนบทความเกี่ยวกับ CFA โดยจะนำเสนอในรูปแบบ series ซึ่งเตรียมไว้ทั้งหมด 4 ตอน ได้แก่ (1) Introduction CFA, (2) First/ Higher-Order model, (3) Formative model, และ (4) Validity สำหรับบทความนี้จะเป็น series ที่ 3 เรื่อง Formative มาติดตามกันได้เลยครับ
CFA Series (3) : Formative
มาต่อกันใน CFA series (3) ในบทนี้จะเกี่ยวกับเรื่อง Formative จากที่กล่าวไปแล้วใน CFA series (1) ว่า CFA เอาไว้ทำอะไร ทำไมต้องวิเคราะห์ ต้องรู้อะไรบ้าง และต้องตรวจสอบอะไรบ้าง และใน CFA series (2) ว่า First/ Higher order คืออะไร ไปแล้วนั้น ต่อไปจะมาลงในรายละเอียด Formative กันครับ
บทสาม Formative จึงขอเล่าเกี่ยวกับว่า
1. รูปแบบของ Measurement Model
มาถึงในตอนที่ 3 ก็ต้องย้ำกันอีกครั้งว่า เรื่อง CFA นั้นเกี่ยวข้องกับคำว่า Measurement model หรือโมเดลการวัด ดังนั้นถ้าจะให้พูดง่ายๆ ว่า CFA คืออะไร ก็คือสถิติที่เอาไว้ทดสอบโมเดลการวัด แล้วโมเดลการวัดคืออะไร ก็คือการทดสอบว่าองค์ประกอบที่กำลังสนใจอยู่นั้น วัดได้จริงหรือไม่ การจะวัดได้จริงจึงขึ้นอยู่กับตัวแปรสังเกตในองค์ประกอบนั้นๆ
ทีนี้ เรื่องโมเดลการวัด หรือ Measurement model ที่เราคุ้นหน้าคุ้นตากันดีนั้น แท้จริงแล้วคือแบบ Reflective model (ดูภาพอีกครั้ง)
จากภาพจึงเป็นโมเดล CFA แบบ Reflective model เนื่องจากเส้นลูกศรชี้ออกจาก Latent ไปยัง Observed ซึ่งหมายความได้ว่า องค์ประกอบก่อให้เกิดตัวแปรสังเกตเหล่านี้ ดังนั้น เวลานำไปวิเคราะห์จริง จึงสามารถตัดหรือเพิ่มตัวแปรสังเกตได้ เพราะตัวแปรสังเกตเหล่านี้เกิดจากคำนิยามในเรื่องนั้นๆ จึงมีโอกาสเปลี่ยนแปลงไปตามพื้นที่ได้
ทีนี้ลองมาดูภาพที่แสดงความแตกต่างระหว่าง Reflective กับ Formative
ที่มา: [1] Marko Sarstedt, Joseph Hair, Jun-Hwa Cheah, Jan-Michael Becker. 2019. How to specify, estimate, and validate higher-order constructs in PLS-SEM. Australian Marketing Journal.
จากภาพเป็นการนำเสนอ Higher-Order ที่เป็นไปได้ทั้งแบบ Reflective และ Formative จึงเกิดขึ้นใน 4 ลักษณะ ได้แก่ 1) Reflective-Reflective 2) Reflective-Formative 3) Formative-Reflective และ 4) Formative-Formative
ดังนั้น ขอให้นึกถึงบทความนี้ไว้สักนิดว่า เวลาทำ CFA หรือ SEM การลากลูกศรจึงมีความสำคัญมาก บางครั้ง ผู้เรียนที่เริ่มต้นศึกษาลากผิด เข้าใจว่าลูกศรจะออกจาก Observed ชี้ไปหา Latent แต่ไม่ได้มีจุดมุ่งหมายจะทำเป็น Formative ดังนั้นเวลาไปวิเคราะห์ก็อาจเกิดข้อผิดพลาดได้ และที่สำคัญหากต้องการวิเคราะห์ Formative นั้น โปรแกรมสถิติที่จะวิเคราะห์ รวมถึงการแปลผลก็ยังมีข้อจำกัด ประเด็นนี้จะขออธิบายในหัวข้อที่ 4 โปรแกรมที่ใช้วิเคราะห์
2. Reflective model
จากที่กล่าวไปในหัวข้อก่อนหน้า ขอย้ำอีกครั้งว่าองค์ประกอบที่เราเรียนๆ กันส่วนใหญ่จึงพูดถึงแบบ Reflective model ดังนั้นไม่แปลกเลยว่าเวลาวิเคราะห์ CFA แล้วทำไมถึงสามารถตัดตัวแปรสังเกตได้
แต่กระนั้น ก็ยังคงมีคำถามว่าตัวแปรนี้ตัดไม่ได้ รีวิวมาแล้วห้ามตัด ซึ่งในประเด็นนี้ถามว่าที่ไปรีวิวมานั้นเป็นแบบ Reflective หรือ Formative ถ้าเป็น Formative ก็โอเคว่าไม่ควรตัด (แต่ก็ต้องแน่ใจว่า เข้าใจและมันเป็น Formative จริง) เพราะถ้าเป็น Reflective ก็ต้องตัดได้ แล้วทำไมถึงต้องตัดล่ะ ก็เพราะค่าน้ำหนักมันน้อยกว่า 0.3 (อ่านทบทวนใน Series (1) )
แต่บอกว่าห้ามตัดเพราะเป็นตัวแปรสำคัญ ถ้าสำคัญแล้วทำไมถึงมีค่าน้ำหนักน้อย คำถามนี้ ตอบได้ง่ายๆ ก็คือว่าข้อมูลดิบมีปัญหา หรือการเก็บข้อมูลมีปัญหา
ลองนึกภาพว่า กำลังศึกษาเรื่องกฏหมายที่มีผลต่อนักศึกษานิติศาสตร์ ดังนั้นกลุ่มตัวอย่างจึงควรเป็นนักศึกษาคณะนิติศาสตร์ แต่กลับไปถามกับกลุ่มนักศึกษาสายวิทยาศาสตร์สุขภาพ (ไม่ได้ถามเรื่องกฏหมาย แต่ถามเรื่องเกี่ยวกับนักศึกษานิติศาสตร์) คำตอบที่ได้จึงไม่ชัดเจนไม่ต้องตามทฤษฎี
ดังนั้นผลที่ออกมาเลยกลายเป็นว่าบางตัวตรง ส่วนบางตัวก็ไม่ตรงตามทฤษฎี ประเด็นนี้จึงต้องย้อนกลับไปตอนรีวิวกันใหม่เลย
ในหัวข้อนี้ Reflective จะไม่อธิบายเนื้อหาอะไรมาก เพราะอย่างที่กล่าวไปข้างต้นว่า ที่เราเรียนๆ กันมามักสอนในรูปของ Reflective ดังนั้น สามารถอ่านทบทวนได้ใน Series (1) และ Series (2)
3. Formative model
มาถึงหัวข้อสำคัญ คือ Formative จากที่ย้อนความทบทวนกันทั้งเรื่อง Measurement model เรื่อง Reflective จนมาถึงหัวข้อสำคัญนี้ Formative
Measurement model แบบ Formative นั้น ต้องชัดในขั้นทฤษฎีเลย ว่าองค์ประกอบนี้เป็นแบบ Formative นะ ไม่ใช่ Reflective ซึ่งก็น่าจะหาบทความอ้างอิงยากพอสมควร เพราะการจะมั่นใจได้ว่าองค์ประกอบนี้เป็น Formative ก็ต้องมีการทดสอบมากมาย ทีนี้มาอธิบายกันก่อนว่า Formative model คืออะไร
Formative model คือ Measurement model หรือโมเดลการวัดที่ Observed ชี้ลูกศรเข้าหา Latent ซึ่งถ้าเรามองภาพปกติ ก็คือลูกศรจะย้อนทางกัน ดูภาพประกอบ
ที่มา: [2] Subhadip Roy, et al. 2012. The Effect of Misspecification of Reflective and Formative Constructs in Operations and Manufacturing Management Research. The Electric Journal of Business Research Methods. Volume 10 Issue 1 2012 (pp.34-52).
จากภาพจะเห็นว่า Observed ชี้เข้าหา Latent ซึ่งมันย้อนทางกับแบบ Reflective ดังนั้นถ้าเราวาดรูปโดยลืมนึกถึงเรื่องนี้ไป ก็จะทำให้ผิดพลาดได้
ทีนี้ความหมายของเส้นลูกศรที่ย้อนทางแบบนี้ จะมีความหมายได้ว่าอย่างไร หมายความได้ว่า องค์ประกอบ (latent) ที่จะเกิดขึ้นนี้เกิดมาจากตัวแปรสังเกต (observed) เหล่านี้ (เท่านั้น) - ลองอ่านทวอีกครั้งนะครับ ถ้าเราดูตามความหมายแบบ Reflective จะให้ความหมายว่า องค์ประกอบก่อให้เกิดตัวแปรเหล่านี้ แต่ในความหมายของ Formative คือ ตัวแปรเหล่านี้ก่อให้เกิดองค์ประกอบ
ทีนี้ พอเราเริ่มชำนาญการมองโมเดลล่ะ จะเห็นลักษณะเส้นทางเหมือนการพยากรณ์แบบปกติเลย ถ้าทำ Regression หรือ Path Analysis ก็จะมีหน้าตาแบบนี้ ใช่ครับ อีกความหมายในทางโปรแกรมคือตัวแปรเหล่านี้มีความสัมพันธ์กัน (มองเป็นตัวแปรภายนอก) ร่วมกันพยากรณ์ก่อให้เกิดองค์ประกอบ (มองเป็นตัวแปรภายใน) จึงให้ความหมายว่าตัวแปรสังเกตร่วมกันพยากรณ์ตัวแปรแฝง
แต่ปัญหามีอยู่ว่าเมื่อไหร่ อย่างไร ที่จะเป็น Formative มีหลายครั้งที่เข้าใจว่างานตัวเองเป็น Formative เพราะรีวิวมาแล้วมั่นใจว่า ตัวแปรสังเกตเหล่านี้ร่วมกันก่อให้เกิดองค์ประกอบ ลองนึกภาพตามเรื่อง Student Engagement มีงานวิจัยของ Courtney Sanders เป็นงานดุษฎีนิพนธ์ ที่ศึกษาว่า ตัวแปรนี้ควรทดสอบด้วย Reflective หรือ Formative [3]
Reflective model vs Formative model
ดังนั้น ประเด็นที่อยากจะเสริมในหัวข้อนี้ก็คือความเป็น Formative ต้องชัดเจนว่าตัวแปรเหล่านี้ก่อต่อกัน ร่วมกันทำให้เกิดเป็นองค์ประกอบจริงหรือไม่ นึกง่ายๆ ว่า ถ้าเรากำลังศึกษาเรื่อง Student engagement แล้วหาคำนิยาม แล้วแตกคำนิยามออกมา เพื่อสร้างเป็นข้อคำถามในแบบสอบถาม ลักษณะนี้คือวิธีการวัดแบบ Reflective แต่ถ้าพบเจอว่า มีตัวแปรที่เป็นคำถามที่ชัดเจน และต้องถามแบบนีเเท่านั้น มีการพิสูจน์มามากมายแล้ว โอเค สามารถมาทดสอบแบบ Formative ได้
4.โปรแกรมที่ใช้วิเคราะห์
หัวข้อที่ 4 นี้สำคัญเนื่องจากโปรแกรมยอดฮิตที่ใช้ในการวิเคราะห์ CFA, SEM จะไม่พ้น AMOS, LISREL, Mplus แต่โปรแกรมเหล่านี้เรียกว่ากลุ่ม co-variance based (อ่านเพิ่มเติม) ซึ่งไม่เหมาะกับการวิเคราะห์ Formative ถามว่าทำได้มั้ย ก็สามารถทำได้ แต่ไม่เหมาะ ที่ใช้คำว่าไม่เหมาะ เนื่องจากต้องไปพลิกแผลงวิธีการเล็กน้อยเพื่อให้ทำได้ เรียกว่าการวิเคราะห์แบบ MIMIC model
ที่มา: [4] Nick Lee, John Cadogan, Laura Chamberlain. 2013. The MIMIC model and formative variables: problems and solutions. AMS Rev.
จากภาพจะเห็นการเราต้องแปลงให้อยู่ในรูปของ MIMIC model เสียก่อนถึงจะทดสอบความเป็น Formative ได้ อธิบายเพิ่มเติมจากภาพก็คือ x1 x2 x3 พยากรณ์ Latent ซึ่ง default จะไม่สามารถทำได้ถ้าตัว Latent ไม่มี observed เป็นของตัวเอง ยกเว้นการทดสอบแบบ second-order ซึ่ง second-order ก็ยังเป็นการชี้แบบจาก second-order latent ไปหา first-order latent ซึ่งก็มี observed เป็นของตัวเองอยู่ดี ดังนั้นใน MIMIC model นี้จึงต้องสร้าง observed ให้กับ latent นี้เพิ่ม เพื่อให้ผลของ Formative model ออกมาได้ ไม่เช่นนั้นโปรแกรมจะขึ้น error เกี่ยวกับ parameter มาเตือน
แต่! ถ้าเราใช้โปรแกรมตระกูล Variance based หรือเรียกกันว่า PLS (Partial Least Square) ก็จะสามารถวิเคราะห์ได้ง่ายกว่า (อ่านเพิ่มเติมเกี่ยวกับ PLS) ลองมาดูตัวอย่าง การวิเคราะห์ Formative โดยโปรแกรมกลุ่ม PLS เป็นตัวอย่างใน youtube ของ James Gaskin
จะเห็นได้ว่าการวิเคราะห์ด้วย PLS นั้นง่ายกว่าสำหรับเรื่อง Formative ดังนั้นจึงกลายเป็นว่าโปรแกรมกลุ่ม PLS เช่น SmartPLS ถึงได้เริ่มเป็นที่รู้จักและนำมาใช้กันมากขึ้น แต่จริงๆ แล้วโปรแกรมกลุ่มนี้ก็มีเงื่อนไขของตัวมันเอง ไม่ใช่ว่าเพราะใช้งานง่ายเลยเลือกหยิบใช้ได้เลย เช่น เมื่อ sample size น้อยๆ เมื่อมี Formative model หรือเมื่อต้องการทดสอบ Latent Interaction (อ่านเพิ่มเติม)
5.สรุป
ในบทสรุป อยากทบทวนว่าการจะตัดสินใจว่าเป็น Formative นั้นไม่ง่าย ต้องพิจารณาในเชิงทฤษฎีเป็นอย่างมาก หรือถ้างานวิจัยเราต้องการเป็นก่อประเด็นทดสอบเพื่อยืนยันว่า ตัวแปรนี้ เป็น Formative ก็สามารถทำได้ แต่คงต้องมีการอ้างอิงที่หนักพอสมควรว่า ถึงเวลาแล้วใช่หรือไม่ ที่ตัวแปรนี้จะสามารถเรียกว่าเป็น Formative ได้ แล้วจึงนำไปสู่ประเด็นเรื่องโปรแกรมในการวิเคราะห์เป็นลำดับต่อไป
อ้างอิง
[1] Marko Sarstedt, Joseph Hair, Jun-Hwa Cheah, Jan-Michael Becker. 2019. How to specify, estimate, and validate higher-order constructs in PLS-SEM. Australian Marketing Journal.
[2] Subhadip Roy, et al. 2012. The Effect of Misspecification of Reflective and Formative Constructs in Operations and Manufacturing Management Research. The Electric Journal of Business Research Methods. Volume 10 Issue 1 2012 (pp.34-52).
[3] Courtney Sanders. 2017. Student engagement and post-college outcomes: A comparison of formative and reflective models. Dissertation James Madison University.
[4] Nick Lee, John Cadogan, Laura Chamberlain. 2013. The MIMIC model and formative variables: problems and solutions. AMS Rev.
สนใจเรียน CFA SEM สามารถสอบถามรายละเอียดได้ในทุกช่องทาง หรือดูรายละเอียดการสอนได้ที่
ร่วมติดตามได้ทุกช่องทาง
follow or subscribe in any channel
.
tel.086-555-5949
line: @SmartResearchThai
Blockdit: SmartResearchThai
Youtube: SmartResearchThai
Facebook: SmartResearchThai
Comments