Reflective model ต้องพิจารณา Factor Loading, Cronbach Alpha, AVE
Formative model ต้องพิจารณา VIF, Tolerance, R-square, f-square, Q-square
ในการวิเคราะห์สถิติขั้นสูง SEM หรือ Structural Equation Modeling ที่เรียกเป็นภาษาไทยว่า สมการโครงสร้าง นั้น มักถูกนำมาใช้วิเคราะห์เสมอ โดยเฉพาะการศึกษาในระดับปริญญาเอก ทีนี้ การวิเคราะห์ SEM หรือ สมการโครงสร้างนั้น จะมีแนวทางออกเป็น 2 แบบ คือ Covariance-based และ Variance-based (เคยเขียนไว้ในบันทึกเก่าเรื่อง CB-SEM_PLS-SEM) ในบทความนี้ จะพูดถึง PLS-SEM ว่าเกณฑ์ความสอดคล้องโมเดล หรือ Model fit Criteria นั้น ต้องพิจารณาอะไรบ้าง
จากบทความของ Hair, Sarstedt, และ Ringle (2011) เรื่อง An assessment of the use of partial least square structural equation modeling in marketing research. ได้ให้คำแนะนำไว้ว่า ถ้าวิเคราะห์ด้วย PLS แล้วเนี่ย จะต้องพิจารณาด้วยค่าอะไรบ้าง
CB-SEM จะมีเงื่อนไขคือเรื่องของ sample ต้องมีจำนวนเยอะ เพราะเบื้องหลังนั้นจะทำค่าของตัวแปรทั้งหมดสร้างเป็น Covariance Matrix แล้วคำนวนจากตรงนั้น และการวิเคราะห์แบบนี้มีมานานแล้ว เป็นเหมือน Basic ที่ต้องรู้ เมื่อเริ่มศึกษา SEM ซึ่งโปรแกรมที่อยู่ในกลุ่มนี้ เช่น AMOS LISREL Mplus
PLS-SEM จะเป็นการผ่อนคลายข้อตกลง ข้อบังคับหลายๆ อย่างของ CB-SEM ซึ่งยังเป็นเรื่องทีค่อนข้างใหม่ แม้ว่าจะเกิดมาเป็นสิบๆ ปี แล้วก็ตาม เบื้องหลังการทำงานของ PLS นั้นจะเป็น Variance based ดังนั้น ข้อตกลง ข้อบังคับจึงผ่อนคลายมากขึ้น เช่น sample ไม่ต้องเยอะก็ทำได้ หรือโมเดลจะมีความซับซ้อนแค่ไหน มีตัวแปรน้อยแค่ไหน ก็ทำได้ ซึ่งโปรแกรมที่นิยมก็คือ Smart PLS
มาดูกันว่า จะวิเคราะห์ PLS นั้น ต้องพิจารณาอะไรบ้าง (ขอยกประเด็นที่สำคัญๆ) โดยแยกเป็นส่วนที่เป็น Reflective model กับ Formative model (บมความเก่าเรื่อง Formative-Reflective constructed)
Refective model
ค่าน้ำหนักองค์ประกอบ (Standardized Factor Loading) >= 0.70
ค่าความเชื่อมั่น (Cronbach Alpha) >= 0.70
ค่าความแปรปรวนเฉลี่ยที่สกัดได้ (Average Variance Extraction: AVE) >=0.50
Discriminant Validity ... ค่า AVE > Square Correlation ตามสูตรของ Fornell-Larcker
Formative model
VIF < 5
Tolerance > 0.20
R-square จะพิจารณาตามแต่ละสาขาของงานวิจัย
f-square = 0.02 for weak, 0.15 for moderate, 0.35 for strong
Q-square > 0
เป็นอย่างไรกันบ้างครับกับการพิจารณาค่าความสอดคล้องของโมเดลหรือ Model fit criteria เมื่อวิเคราะห์ด้วย PLS หากเราใช้แนวทางของ CB-SEM ค่าที่ใช้พิจารณาก็จะมีพวก Chi-square, df, P-value, RMSEA, GFI, AGFI, CFI, RMR, SRMR, Critical N เหล่านี้ ซึ่งจะมองว่าง่ายก็ได้ หรือจะมองว่ายากก็ได้ คือ ง่ายในเชิงว่ามีค่าให้พิจารณาแน่นอน แต่ก็ยากในเชิงที่ว่าค่าเหล่านี้ก็ไม่ได้ผ่านเกณฑ์กันง่ายๆ เพราะมันจะแปรผันไปตาม sample และจำนวนตัวแปร ยิ่งโมเดลมีความใหญ่ ซับซ้อนมากแค่ไหน ค่าเหล่านี้ ก็จะผ่านเกณฑ์ยากมากขึ้นเท่านั้น
ขอขอบคุณบทความจาก Hair และคณะครับ
Joe F Hair, Marko Sarstedt, Christian M Ringle, Jeannette A Mena. 2011.
ร่วมติดตามได้ทุกช่องทาง
follow or subscribe in any channel
tel.086-555-5949
line: @SmartResearchThai
Blockdit: SmartResearchThai
Youtube: SmartResearchThai
Facebook: SmartResearchThai
留言