Aug 30, 20212 min read

Exploratory Factor Analysis: EFA

Updated: Feb 20, 2023

Factor Analysis

หากพูดถึงการวิเคราะห์องค์ประกอบ หรือ ตัวประกอบ ก็จะนึกถึงเรื่อง Factor Analysis นี้แน่นอน

สำหรับ Factor Analysis นั้นจะแบ่งออกเป็น 2 ประเภทคือ 1) Exploratory Factor Analysis หรือ EFA และ 2) Confirmatory Factor Analysis หรือ CFA

ในบทความนี้จะกล่าวถึง EFA กันก่อน เนื่องจากตัว CFA เคยได้กล่าวไว้ในหลายๆ มิติที่เกี่ยวข้องไปแล้ว เช่น บทความเรื่อง Constructed Validity ทั้ง part1 และ part2

[link part 1: https://www.smartresearchthai.com/post/cfa-for-validity-part1]

[link part 2: https://www.smartresearchthai.com/post/cfa-for-validity-part2]

หรือเรื่อง

Formative-Reflective ก็เกี่ยวกับ CFA เช่นเดียวกัน

[link: https://www.smartresearchthai.com/post/formative-reflective-construct]

Exploratory Factor Analysis: EFA คืออะไร

E ของ EFA ที่ย่อมาจาก Explore หมายถึงการสำรวจ ดังนั้น ความหมายอย่างงายของ EFA ก็คือการวิเคราะห์องค์ประกอบเชิงสำรวจ หมายความว่ายังไม่รู้อะไรทั้งสิ้น แต่ให้สถิติเป็นตัวช่วยบอก ช่วยสำรวจให้เรา

ย้อนความกลับไปอีกหน่อย ว่าทำไม ต้องวิเคราะห์องค์ประกอบด้วย ไม่ว่าจะเป็น EFA หรือ CFA ก็ตาม

เนื่องจากการวิเคราะห์องค์ประกอบนั้น มีจุดมุ่งหมายสำคัญคือการวิเคราะห์ออมาว่าตัวแปรที่สนใจนำมาวิเคราะห์นั้น ตัวแปรใดอยู่ในกลุ่มใดกันบ้าง หรือ กลุ่มที่เราศึกษามานั้นตัวแปรเหล่านี้อยู่ในกลุ่มนี้จริงหรือไม่ ซึ่งต้องอ้างไปยังคำว่า "ตัวแปรแฝง" คำนี้ หมายถึงตัวแปรที่เป็นนามธรรม ไม่สามารถวัด หรือ เก็บข้อมูลได้โดยตรง หรือเรียกอีกอย่างว่า "องค์ประกอบ" ถ้าจะพูดให้ง่ายเข้าไปอีกก็คือ ตัวแปรแฝงนั้น คือหัวข้อในแบบสอบถาม (ขออธิบายในความหมายที่ง่ายที่สุด) ซึ่งแต่ละหัวข้อนั้นเราไม่สามารถเก็บข้อมูลได้โดยตรง ต้องเก็บผ่านตัวแปรสังเกต หรือก็คือข้อคำถาม ตัวชี้วัด ดัชนี้ชี้วัด แล้วแต่จะเรียกได้เลย

ดังนั้น การวิเคราะห์องค์ประกอบ หรือ Factor Analysis ก็คือการให้สถิติเข้ามาช่วยในการจัดกลุ่มหรือตรวจสอบกลุ่ม ซึ่งมี 2 แบบ คือ E Explore กับ C Confirm ดังที่กล่าวไปตอนต้น เรามาขยายใจความกันอีกสักหน่อย

ต้องการจัดกลุ่มตัวแปร โดยที่ยังไม่รู้มาก่อนว่าตัวแปรใดอยู่ภายใต้องค์ประกอบใด
- >> แบบนี้เป็นลักษณะของการ Explore คือสำรวจเพื่อให้รู้ว่าใคร (ตัวแปร) อยู่ด้วยกันบ้าง
ต้องการตรวจสอบตัวแปรที่อยู่ในแต่ละกลุ่มว่ามีน้ำหนักเพียงพอที่จะอยู่ในกลุ่มนั้น จริงหรือไม่
- >> แบบนี้เป็นลักษณะของการ Confirm เนื่องจากรู้แล้วว่าใคร (ตัวแปร) อยู่ด้วยกันบ้าง ใครอยู่กลุ่มใด กลุ่มนั้น (องค์ประกอบ) นั้นๆ ประกอบไปด้วยตัวแปรอะไรบ้าง รู้อยู่แล้ว แต่ต้องการมาตรวจสอบ มายืนยันว่า มันอยู่จริงๆ นะ

ถ้าดูจากภาพประกอบ จะเห็นว่าภาพ EFA จะมีเส้นโยงๆ จากทั้ง Factor1 และ Factor2 ไปยังตัวแปร Y1-Y8 ครบทุกตัว ในขณะที่ภาพ CFA จะเห็นว่า Factor1 และ Factor2 นั้น ถูกกำกับไว้เรียบร้อยแล้ว ว่า Factor1 ประกอบด้วย Y1-Y4 ส่วน Factor2 ประกอบด้วย Y5-Y8

วิเคราะห์ EFA ต้องพิจารณาค่าอะไรบ้าง

มี 5 สิ่งที่ต้องพิจารณาในการวิเคราะห์ EFA ได้แก่

KMO และ Bartlett's test เป็นการดูความสอดคล้องกลมกลืนของข้อมูลทั้งหมด (ตัวแปร / ข้อคำถาม / ตัวชี้ว) ว่ามีความสัมพันธ์กัน สอดคล้องกัน เพียงพอหรือไม่ เพียงพอต่อการจะบอกว่าข้อมูลทั้งหมดนี้ สามารถรวมกลุ่มกันได้จริง มีตัวแปรแฝงอยู่จริงๆ
Communality เป็นการอธิบายว่าตัวแปรแต่ละตัวที่นำมาวิเคราะห์นั้น มีความสามารถในการรวมกลุ่มหรือไม่ เอาไว้พิจารณาว่าตัวแปรนั้นๆ น่าจะรวมกลุ่มกันได้ ไม่ได้อยู่เป็นอิสระ สันโดษ
Eigen Value เป็นค่าที่เอาไว้พิจารณาว่าตัวแปรที่นำเข้ามาวิเคราะห์นี้สามารถสกัด (รวมกลุ่ม) กันได้กี่องค์ประกอบ (กลุ่ม) โดยใช้เกณฑ์ 1.0 ขึ้นไป หากการจัดกลุ่มนั้นๆ มีค่า eigen 1 ขึ้นก็จะยอมรับผลในการจัดกลุ่มนั้นๆ
Factor Loading คือค่าน้ำหนักองค์ประกอบของแต่ละตัวแปรที่มีต่อองค์ประกอบนั้น ซึ่งควรมีค่า 0.3 ขึ้นไป แต่เวลาทำงานจริงจะพบว่าการที่มีค่าน้ำหนักเพียง 0.3 นั้น ถือว่าน้อยมาก ควรมี 0.5 หรือ 0.7 ขึ้นไป จึงจะทำให้การพิจารณาในมิติอื่นๆ นั้นผ่านเกณฑ์ เช่น ค่า CR ค่า AVE (ดูเพิ่มเติมได้ที่เรื่อง Constructed Validity)
Rotation คือการหมุนแกน อธิบายง่ายๆ ว่า การสกัดองค์ประกอบนั้น ตำแหน่งของตัวแปรจะไปลงบนแกนซึ่งมีทั้งค่า + ค่า - แล้วดูว่าตัวแปรไหนอยู่ในแกนเดียวกันบ้าง ก็จะนับว่ารวมกลุ่มกันได้ ทีนี้ ผลที่ได้จากการสกัดครั้งแรกก่อนการหมุนแกนนั้น ตัวแปรยังไม่แยกออกจากกันชัดเจน ยังไม่รู้ว่าตัวแปรใดอยู่กลุ่มใดกันแน่ ยังแยกไม่ออก จึงต้องทำการ "หมุนแกน" เพื่อให้ชัดเจนขึ้น โดยการหมุนแกนมี 2 แบบ คือ Orthogonal กับ Oblique
1. Orthogonal หรือ การหมุนแบบตั้งฉาก คือการหมุนทั้งแกน เพื่อให้แกนไปบรรจบตรงกับตัวแปร
2. Oblique หรือ การหมุนแบบแหลม เป็นการหมุนเพียงบางแกน ไม่หมุนทั้งแกน

จากภาพคือคำอธิบายของการหมุนแกน จะเห็นว่าตั้งแต่แกนยังไม่หมุน ตัวแปรจะไม่ลงอยู่ในแกนเลย แต่พอหมุนแล้วทำให้แกันกับตัวแปรพอดีกัน

สรุป

การวิเคราะห์องค์ประกอบเชิงสำรวจ หรือ Exploratory Factor Analysis นั้นมีไว้เพื่อการสกัดหรือจัดกลุ่มตัวแปรที่ยังไม่มีกลุ่มหรือองค์ประกอบมาก่อน ให้สถิติช่วยในการจัดกลุ่มให้ โดยพิจารณาจากต่างๆ ได้แก่ KMO, Bartlett's test, Communality, Eigen Value, Factor Loading, Rotation.

ศึกษาเพิ่มเติม

1.Youtube EFA concept (James Gaskin)

https://www.youtube.com/watch?v=Q2JBLuQDUvI

2.Youtube EFA Demostration (James Gaskin)

https://www.youtube.com/watch?v=jNDD5WSsOXI