การวิเคราะห์mediation model และ Moderation model
Embed Size (px)
Transcript of การวิเคราะห์mediation model และ Moderation model

การวเคราะห mediation model และ Moderation model
รองศาสตราจารย ดร. มนตร พรยะกล
ภาควชาสถต คณะวทยาศาสตร มหาวทยาลยรามคาแหง
บรรยายท'ศนยจดการความรและถายทอดผลงานวจย
สานกงานคณะกรรมการวจยแหงชาต
วนทA 22 กนยายน 2564
1รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

ซอฟทแวรท*ใช
1. ADANCO หรอ Smart PLS หรอ RISREL หรอ AMOS
2. Edraw หรอซอฟทแวรวาดภาพอEนใชวาดภาพกรอบการวจย
3. PROCESS ใชวเคระห mediation analysis, moderation analysis, moderated
mediation analysis ตาม PROCESS template ทEกาหนด ใหใชADANCO หรอ Smart
PLS หรอ RISREL หรอ AMOS ตรวจสอบคณภาพเครEองมอ แตถาจะใชวเคราะหกรอบ
การวจยใหรน PROCESS ดวยเพราะ ADANCO หรอ Smart PLS หรอ RISREL หรอ
AMOS ไมทดสอบสายโซเสนทางทiงเสนแตวเคราะหเฉพาะเสนทางและไมวเคราะห
conditional effect2รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

ความสมพนธระหวาง SRA, MRA, PA และ SEM
Simple regression Analysis (SRA) สามารถเสนอตวแบบเปนภาพไดดงน7 :
Y= α + β X + u
ตวอยางเชน Demand= α + β Price + u
Perceived Usefullness = α + β Perceived Usefullness + u
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 3

Simple Regression Analysis (SRA)
Standardized regression equation คอ SRA มคาสงเกต (X, Y) ท/แปลงเปนstandardized score (z!, z" )
โดยท/ z! =#!$%#&"และ z" =
'!$('&#
ตวแบบคอ
z3 = ρ4z4 + z5 ; -1≤ ρ!≤1ρ$ คอสหสมพนธระหวาง X กบ Y แปลผลไดวาถา X เพ/มขGน 1 SDx จะสงผลใหY มคาเพ/มขGน (หรอลดลงถามคาลบ) ρ$* SDy
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 4

Multiple Regression Analysis (MRA)
regression model คอ
Y = β" +β!X!+ β#X#+ … + β$X$+ u ; -∞≤ β%≤∞standardized model คอ
𝑍& = ρ!Z!+ ρ#Z#+ … + ρ$Z$+ u ; -1≤ ρ%≤1
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 5

Multiple Regression Analysis (MRA)
Graphic representation ของ regression model
Y = β! +β"X"+ β#X#+ … + β$X$+ u คอ
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 6

Multiple Regression Analysis (MRA)
Regression coefficient อานผลแบบเดยวกยใน SRA,
β% =∆'∆(!
= อตราเปล/ยนของ Y เมAอ X% เปลAยนแปลงคาไป1 หนวยเม/อ IV อ/นมคาคงท/
ρ! คอสหสมพนธระหวาง X% กบ Y แปลผลไดวาถา X เพ/มขGน 1 SDj จะสงผลใหY มคาเพ/มขGน (หรอลดลงถา มคาลบ) ρ%* SDy
ρ' > ρ% แปลผลวา X% มอทธพลตอ Y มากกวา X%
R# = ∑!" )*#$
∑!" *#$ = % ความผนแปรในคาของ Y ท/ Xs สามารถอธบายได , 0 ≤ R% ≤1
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 7

Multiple Regression Analysis (MRA)
คณภาพตวแบบการถดถอย
1. เคร6องหมายของ สปส การถดถอย (sign) ตรงตามบรบท เคร6องหมายลบแปลวาการเปล6ยนแปลงสวน
ทางกน เคร6องหมายบวกแปลวาการเปล6ยนแปลงไปในทางเดยวกน
2. ขนาดคา สปส การถดถอย (size) ลดหล6นสอดคลองกบวรรณกรรม
3. มนยสาคญสอดคลองกบวรรณกรรม (significant)
H: ρ&≠ 0 เปนจรงตามวรรณกรรม (p-value ≤ 0.10, 0.05,0.01 หรอ | t | ≥ 1.65, 1.96, 2.58 โดยท6
t& = '(!)*!ใชทดสอบ Ho: β& = 0 vs H1: β& ≠ 0 (หรอ ρ&≠ 0 )
4. No multicollinearity, no serial correlation, no heteroscedastic variance, no non-normality of residual รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 8

Multiple Regression Analysis (MRA)
Multicollinearity ในท/นGแนะนา VIF
R%# จาก X% = f(X", X#, . . , X%&", X%'", … , X() ; j =1,2,3,…,k
ถา R%# มคาเทากบ 0.70 ถง 0.85 จะมผลให VIF% ="
"&)!" มคาเทากบ 3.33 ถง 6.67
R%#= .70 หมายถง 70% ของความผนแปรในคาของ X% เกดจากตวแปรอสระอRนๆ
R%#= .80 หมายถง 80% ของความผนแปรในคาของ X% เกดจากตวแปรอสระอRนๆ
R%#= .85 หมายถง 85% ของความผนแปรในคาของ X% เกดจากตวแปรอสระอRนๆ
ใน SEM ถา VIF (variance inflation factor) ของตวชhวดคใดๆมคาสงเกนเกณฑเหลานhการรนอาจไมพบคาตอบ (converge)
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 9

Multiple Regression Analysis (MRA)
เกณฑคณภาพตวแบบการถดถอย
R*+,-./0 1%# = ∑#$ 34%
"
∑#$ 4%" = สดสวนความผนแปรของ Y ทBอธบายโดย X", X#, … , X(; 0 ≤ R# ≤1
(ม X% ในตวแบบ)
R*+,-./* 0&% = ∑"# 23$%
∑"# 3$% = สดสวนความผนแปรของ Y ทBอธบายโดย X", X#, … , X$;0 ≤ R% ≤1
(ไมม X! ในตวแบบ);
Effect size f%#= &!"#$%&' ()* '&'+#$%&' ()
*
"'&!"#$%&' ()* =
&#,-".' /0 ()*
"'&!"#$%&' ()*
f%# ใชแสดงความสาคญของตวแปรอสระ X& . โดย Cohen's (1988) แนะนาไวดงนJ
f2≥ 0.02, f2≥ 0.15, f2≥ 0.35 หมายถง small effect sizes, medium effect sizes และ large effect sizes
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 10

Path Analysis (PA) หรอ Path Model (PM)
PA คอเครอขายของตวแปรท/เช/อมโยงถงกนตามทฤษฎและผลการวจยปจจบน โดยตวแปร
เช/อมถงกนดวยสมการถดถอย
สมมตผลจากการทบทวนวรรณกรรมพบวาตวแปร Job performance (JP), job satisfaction
(JS), organization commitment (OC) and Organization justice (OJ) สมพนธกนดงนG
JP = β1 +β2JS+β3OC+u2JS = β1 +β4OJ+β5OC+u3OC = β1 +β6OJ+u4
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 11

Path Analysis (PA)
สมการทGง 3 สามารถพฒนาเปนเครอขายตวแปรเปน path model ไดดงภาพ และจากภาพเสนทางสามารถนาเสนอเปนสมการถดถอยไดเชนกน
JP = β& +β'JS+β(OC+u'JS = β& +β)OJ+β*OC+u(OC = β& +β+OJ+u)
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 12

Path Analysis (PA)จากสมการถดถอยทGง 3 เม/อรนผานซอฟทแวรสถตสมมตพบคาประมาณดงนG
,ρ2= 0.1 , ,ρ3 = 0.2, ,ρ4 = 0.3, ,ρ5 = 0.4, ,ρ6 = 0.5 และมนยสาคญท/ระดบนยสาคญ 0.01 เม/อนาไปแทนท/ใน β2, β3, β4, β5, β6 จะปรากฎผลดงนG
JP = β& +β'JS+β(OC+u'JS = β& +β)OJ+β*OC+u(OC = β& +β+OJ+u)
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 13

Path Analysis (PA) และ Structural Equation Modeling (SEM)
1. ถาตวแปรสามารถวดคาไดโดยตรง หรอวดผานตวชhวดและแปลงคาเปนยอดรวม หรอ Z-score หรอคาเฉลRย หรอ factor score (construct score) จะไดตวแบบเสนทาง (Path analysis--PA หรอ Path model--PM).
2. ถาตวแปรเปนมโนทศน (latent variable--LV, concept, trait) ซR งไมสามารถวดคาไดโดยตรง ตองวดผานตวชhวด (index, dummy, manifest variable) และผวจยตองการนาเสนอสมการการวด (measurement model) ดวย จะไดตวแบบ structural equation model--SEM.
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 14

Research design for SEM
1. Causality/Causation model1) recursive model
2) reciprocal model หรอ non-recursive model
3) second order model หรอ third order model
2. Mediation model
3. Moderation model
4. Integrated moderation and mediation model
5. Multilevel SEM
1) Multilevel mediation model
2) Multilevel moderation model15รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

Research design for SEM1. causality
Causality คอความเช;อมโยงระหวางตวแปรเปนเครอขาย ทกเสนทางเช;อมโยงตามทฤษฎและ/หรองานวจย มจดมงหมายเพ;อย 7าวาความสมพนธตามเสนทางแตละเสนทางยงคงเปนจรงแมจะอยในบรบทท;แตกตางจากเดม
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 16

1) Recursive structural model, reflective measurement model
PQ
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 17
BL
CS

2) Recursive structural model, formative measurement model
18รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง
Research design for SEM

3.1) Non-recursive structural model, mixed measurement
model
19รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง
Research design for SEM

3.2) Non-recursive structural model, mixed measurement model
20รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง
Research design for SEM

3.3) Second order formative feedback structural model, reflective measurement model (2nd order or 3rd order model is a multi-dimensional construct or multiple-facet construct where each sub-
dimension reflects the following related dimension)
21รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง
Research design for SEM

4. Mediation and multiple mediation model
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 22
OCB = β1 + β5OC + β6PS + β7LB + u2OC = β1 + β2OJ + u3PS = β1 + β3OJ + u4LB = β1 + β4OJ + u5

Mediation model
Mediator คอตวแปรทRแฝงเรนเชRอมโยงปจจยสาเหตสปจจยผลลพธ หมายความวาอทธพลทRปจจยสาเหต (X) มผลกระทบตอปจจยผลลพธ (Y) นhนอาจมใชมผลเฉพาะทางตรงดงภาพ
X®Y แตอาจเปนเพราะ
1. ตองผานปจจยอRนมากอนเปนทอดๆ (serial mediation) หรอ
2. ผานปจจยตางๆทRคอนขางอสระตอกน (parallel mediation)
Mediation model คอตวแบบทRมงศกษาวาตวแปรสาเหต (antecedent) สงผลกระทบตอตวแปรผลลพธ (output variable) อยางไร (HOW) สงผลกระทบทางตรงหรอวาตองออมผานปจจยใดบาง ออมผานอยางไร
ถาตองออมผานปจจยใดเรยกกระบวนการนhนวา underlying mechanism ของ X®Y 23รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

Moderator หรอ interaction หรอ conditional variable คอตวแปร W ท;ซอนเรนอยโดย
ท;ถามปฏสมพนธกบตวแปรสาเหตแลวมผลใหอทธพลตามเสนทาง X® Y
เปล;ยนแปลงไปโดยรวมหรอ ณ บางคา (pick-a-point) หรอบางชวงของ W (Johnson-
Neyman output) ของตวแปรกากบ
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 24
5. Moderation model

6. Multilevel Mediation (MLM)1) กรณ 1-2-1 model
25
level 2 level 1
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

Multilevel Mediation (MLM)2) กรณ 2-2-1 model
26
level 2
level 1
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

Multilevel Mediation (MLM)3) กรณ 1-1-2 model
27
level 2 level 1
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

Mediation Analysis
28รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

อทธพลการค,นกลาง (Mediation effect)
ตวแปรค(นกลาง คอตวแปรทAแฝงเชAอมโยงตวแปร X กบ Y เขาหากนทาใหมความสมพนธตอกนสง สงเกตไดจากคาสมประสทธR เสนทางสงมากจนผดสงเกต
1. สมประสทธR เสนทางสงกวา 0.20 (Chin, 1998) หรอ
2. มคา VAF (Variable Account For) ดงนV (Hair et al., 2013, p.224)
1) ถา VAF = อทธพลทางออมอทธพลทางตรง2อทธพลทางออม
≤ 0.20 แสดงวาไมตองมตวแปร
คAนกลาง
2) ถาอตราสวน VAF > 0.20 แตไมเกน 0.80 แสดงวาตองมตวแปรคAนกลางและตองม
ตวอAนอกเพราะตวแปรคAนกลางทAพบนV เปนเพยงบางสวน (partial mediation)
3) ถา VAF > 0.80 แสดงวาตวแปรคAนกลางทAพบนVครบแลว (full mediation)
29รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

วธวเคราะหอทธพลการค3นกลางเด3ยว
1. วเคราะหอทธพลรวม (Total effect) จากเสนทาง X®Y วามคาสงผดสงเกตหรอไม
2. เพAมตวแปรคAนกลาง W แลววเคราะห
1) อทธพลทางออมมนยสาคญหรอไม ถามนยสาคญแสดงวา W เปนตวแปรคAนกลาง
2) อทธพลทางตรง (direct effect) ลดลงเปน 0 หรอไม
(1) ถาลดลงเปน 0 แสดงวา W เปนตวแปรคAนกลาง
(2) ถาลดลงแตไมเปน 0 และมนยสาคญ อกทVง VAP มคาระหวาง 0.20 ถง 0.80 แสดงวาจะยงมตวแปรคAนกลางอAนอก ใหทา multiple mediation (ถาตองการ)
30รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

วธวเคราะหอทธพลการค/นกลางพห (multiple mediation) แบบขนาน
1. วเคราะหอทธพลรวม X®Y วามคาสงผดสงเกตหรอไม
2. เพ?มตวแปรค?นกลาง W1, W2,…,Wk แลววเคราะห
1) อทธพลทางออมรวม (a1b1+a2b2+…+akbk) มนยสาคญหรอไม ถามนยสาคญแสดงวา W1, W2,…,Wk
เปนตวแปรค?นกลาง
(1) ถาไมมนยสาคญแสดงวา W บางตวไมมนยสาคญ ใหตรวจสอบอทธพลทางออมทกเสนทาง
(2) นาเสนอคาอทธพลทางออมเรยงตามปรมาณ คาท?สงกวาแสดงวาตวแปรค?นกลางตวนNนสาคญกวา
2) อทธพลทางตรงลดลงเปน 0 หรอไม
(1) ถาลดลงเปน 0 หรอไมมนยสาคญแสดงวา W1, W2,…,Wk เปนตวแปรค?นกลาง
(2) ถาลดลงแตไมเปน 0 และมนยสาคญ อกทNง VAP มคาระหวาง 0.20 ถง 0.80 แสดงวาจะยงมตวแปรค?นกลางอ?นอก
31รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

parallel mediation
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 32
Research question คอ Y ไดรบอทธพลจาก X อยางไร ตองออมผานปจจยอRนหรอไม

วธวเคราะหอทธพลการค3นกลางพห (multiple mediation) แบบขนานResearch hypotheses คอ:
1. Total mediation effect aka total indirect effect คอ
H: b1*b2+c1*c2+d1*d2+e1*e2 ≠ 02. Specific indirect effects คอ:
H: b1*b2 ≠ 0H: c1*c2 ≠ 0H: d1*d2 ≠ 0H: e1*e2 ≠ 0
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 33

วธวเคราะหอทธพลการค/นกลางพห (multiple mediation) แบบอนกรม
1. วเคราะหอทธพลรวม X®Y วามคาสงผดสงเกตหรอไม
2. เพ?มตวแปรค?นกลาง W1, W2,W3 (สมมตวามตวแปรค?นกลาง 3 ตว) แลววเคราะห
1) อทธพลทางออมตลอดสาย (b1*b2*b3*b4) มนยสาคญหรอไม ถามนยสาคญแสดงวา W1, W2, W3 เปนตว
แปรค?นกลาง
(1) ถาไมมนยสาคญแสดงวา W บางตวไมมนยสาคญ ใหตรวจสอบอทธพลทางออมทกเสนทางลด
(2) นาเสนอคาอทธพลทางออมทกเสนทางเรยงตามปรมาณ คาท?สงกวาแสดงวาทางนNนสาคญกวา
2) อทธพลทางตรงลดลงเปน 0 หรอไม
(1) ถาลดลงเปน 0 หรอไมมนยสาคญแสดงวา W1, W2, W3 เปนตวแปรค?นกลาง
(2) ถาลดลงแตไมเปน 0 และมนยสาคญ อกทNง VAP มคาระหวาง 0.20 ถง 0.80 แสดงวาจะยงมตวแปรค?นกลางอ?นอก
34รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

วธวเคราะหอทธพลการค;นกลางพห (multiple mediation) แบบอนกรม
35
Research question คอ Y ไดรบอทธพลจาก X อยางไร ตองออมผานปจจยอRนเปน
ทอด ๆ หรอไม อยางไร
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

วธวเคราะหอทธพลการค;นกลางพห (multiple mediation) แบบอนกรม
Research hypotheses คอ:
H: b1*b2*b3*b4 ≠ 0
H: b1*b2*b9 ≠ 0
H: b1*b6*b4 ≠ 0
H: b1*b8 ≠ 0
H: b5*b3*b4 ≠ 0
H: b5*b9 ≠ 0
H: b7*b4 ≠ 0
H: c ≠ 0
36รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

ตวอยาง serial mediation model
37รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

Moderation Analysis
38รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

Moderation model
Moderation model ใชศกษา WHEN คอ เม.อ W มคาเทาไรจงจะมผลให Y ไดรบ
ผลกระทบจาก X มากท.สด (หรอนอยท.สด ขBนอยกบบรบท)
1. ถาอทธพลของ W มนยสาคญ W จะมผลให อทธพลตามเสนทาง X® Y
เพ.มขBน (สปส ของ X*W มเคร.องหมาย +) หรอลดลง (สปส ของ X*W มเคร.องหมาย -)
และอทธพลตามเสนทาง X® Y จะมคามากเม.อ W มคาในชวงใด (Johnson-Neyman
output)
2. ถาอทธพลของ X*W ไมมนยสาคญ อทธพลตามเสนทาง X® Y จะมคามาก
หรอมคาปานกลาง หรอมคานอยเม.อ W มคาเทาไร (pick-a-point)
39รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

ตวอยาง Moderation model
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 40

มาตรวดการรบรพฤตกรรมผนา (บางสวนจากจานวน 18 ขอ)
1. หวหนาใสใจความตองการของลกนอง
2. หวหนาจะหารอลกนองเสมอเม<อมปญหา
3. หวหนารบฟงความคดเหนของลกนอง
4. หวหนาจะขอคาแนะนาจากลกนองเร<องการมอบหมายภารกจ
5. หวหนาจะชวยลกนองปฏบตภารกจจนสาเรจGoswami, A. and Goffnett, S. P. (2019), Path-Gold Leader’s Behaviors and Subordinates’ Personality: Resulting Subordinates' Behaviors, in Academy of Management Annual Meeting Proceedings, October 2014, 49 pp.
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 41

ขIนตอนการวเคราะห mediation model, moderation model, moderated mediation model
1. Data cleaning
2. วเคราะหคณภาพเคร/องมอ (กรณ LIKERT type scale หรอ Semantic differential
scale)
3. วเคราะหตวแบบดวยซอฟทแวรท/เหมาะสม
4. ถาผลการวเคราะหขอ 2. และ/หรอขอ 3. ตกเกณฑหรอขดแยงกบทฤษฎหรอ
บรบทใหวนกลบไปทาขอ 1-3 ซM าจนกวาจะไดผลลพธท/ตรงเกณฑหรอสอดคลอง
กบทฤษฎหรอบรบท
42รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

เกณฑวดคณภาพตวแบบConvergent validity1. Measure of homogeneity คอในแตละบลอคตวชNวดจะตอง covary
2. Loading ³ .707 หรอไมนอยกวา 0.5 ตองมนยสาคญและมผลให AVEq ³ 0.50 คอ AVEq = "5&𝜆67&→9'&# ³ 0.50
3. Cronbach’s alpha α: =∑'(')*& ,;<<(9'&,9')&)
5&'∑'(')*& ,;<<(9'&,9')&)
∗ 5&5&&"
เปนการรวมคาสหสมพนธเขาดวยกนดวยนNาหนกเทากน เกณฑคอ α: ³ 0.7
4. Composite Reliability (CR), Dillon-Goldstein’s r, Joreskog’s ρ
ρq =(∑'+#
*& @'&)"
(∑'+#*& @'&)"' ∑'+#
*& ("&@'&" )
เปนการรวมคา loading เขาดวยกนดวยนNาหนกเทากน เกณฑคอ ρ ³ 0.6
5. ไมม multicollinearity ระหวางตวชNวด
43รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

เกณฑคณภาพตวแบบDiscriminant validity
1. HTMT ratio < 1
2. Cross loading แยกกลม ไมปะปน และมคาสง
Jörg Henseler & Christian M. Ringle & Marko Sarstedt (2015),A new criterion for assessing discriminant validity in variance-based
structural equation modeling J. of the Acad. Mark. Sci. (2015) 43:115–135
44รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

เกณฑคณภาพตวแบบถาตวแปรแฝงปลายทางไดรบผลกระทบมาจากตวแปรแฝงตนทาง k ตว ดงนNน Effect size
f*#= )%$,-./0/" &)01,-./0/
"
"&)%$,-./0/" , i = 1,2,3,…,k
Effect size (f2) ใชวด R2ของทกเสนทางท?พงเขาสตวแปรแฝงปลายทาง ใชควบกบ t-test เกณฑคอ
f*#= 0.02 LVi ตนทางมความสาคญนอย
f*#=0.15 LViตนทางมความสาคญปานกลาง
f*#= 0.35 LViตนทางมความสาคญมาก
Lathan, H. and Ramli, N. A. (2013). The Results of Partial Least Squares-Structural Equation Modelling Analyses (PLS-SEM), Retrieved 1 June, 2018 from https://www.researchgate.net/profile/Hengky_Latan/publication/272304948_The_Results_of_Partial_Least_Squares-Structural_Equation_Modelling_Analyses_PLS-SEM/links/59e86340a6fdccfe7f8b49e9/The-Results-of-Partial-Least-Squares-Structural-Equation-Modelling-Analyses-PLS-SEM.pdf
45รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

เกณฑคณภาพตวแบบ1. Communality คอคาเฉล?ยของ r2 ในบลอก (r2 คอ item reliability) เรยกอกช?อหน?งวา Average Variance Extracted (AVE) ใชระบวาตวแปรแฝงสงผลไปสตวชNวดไดดเพยงใด เกณฑขNนต?าคอ 0.5
Comq = "5&∑A5& corr#(xA:, I𝜉q)
โดยท? Pq คอจานวนตวชNวดของบลอคท? q
2. คา R2
1) R2 = 0.02 ตวแปรแฝงตนทางมความสาคญนอย
2) R2 = 0.13 ตวแปรแฝงตนทางมอทธพลมความสาคญปานกลาง
3) R2 = 0.26 ตวแปรแฝงตนทางมความสาคญสง
Lathan, H. and Ramli, N. A. (2013). The Results of Partial Least Squares-Structural Equation Modelling Analyses (PLS-SEM), Retrieved 1 June, 2018 from https://www.researchgate.net/profile/Hengky_Latan/publication/272304948_The_Results_of_Partial_Least_Squares-Structural_Equation_Modelling_Analyses_PLS-SEM/links/59e86340a6fdccfe7f8b49e9/The-Results-of-Partial-Least-Squares-Structural-Equation-Modelling-Analyses-PLS-SEM.pdf
46รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

เกณฑคณภาพตวแบบ
หมายเหต
CB-SEM software และ VB-SEM software วดคณภาพเคร/องมอตางกน
CB-SEM พฒนาซอฟทแวรจากอลกอรธมท/ประมาณคา linear model ดวย multivariate
normal distribution ประมาณคาพารามเตอรคอ สปส เสนทางตางๆ ในตวแบบดวยการ
minimize ความคลาดเคล/อนระหวางคาประมาณ CV-matrix จากขอมลเชงประจกษกบ
CV-matrix ท/ไดมาจากตวแบบท/ผานการวเคราะหจนพบคาตอบ (convergent) จงใช fit
index หลายตว แตท/ใชเปนหลกคอ root mean square error ≤ 0.05 และ B"
/C< 2
และคา fit index ประมาณ 0.9
47รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

เกณฑคณภาพตวแบบ
หมายเหตVB-SEM พฒนาจากอลกอรธมท/ประมาณคาสมการถดถอยดวย OLS คอ minimize sum
square residual คอ //DE∑*F"+ e*# = 0 ไมเกAยวของกบ covariance matrix จงไมมการทดสอบ
ความสอดคลอง แตประเมนตวแบบภายนอกและภายในดวย1. Convergent validity
loading เปนปรมาณบวก, ไมมปญหา item multicollinearity, มนยสาคญ, มคาไมตAากวา 0.707 หรอถาตAากวา 0.707 กตองไมตAากวา 0.5 เฉพาะบางตวแต AVE ยงคงไมตAากวา 0.5
2. Discriminant validity HTMT< 1 (นกวจยใชเกณฑตางกนแตนยมกาหนดให HTMT มคาไมเกน 0.85) หรอ cross
correlation แยกจากกลมตวชVวดอยางชดเจนและมคาสง, CR ≥0.6
48รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง

วธอางองงานนาเสนอน?
มนตร พรยะกล (22 กนยายน 2564), การวเคราะห mediation model และ Moderation model [สไลดเพาเวอรพอยท] เรยกดจาก http://www.research.ru.ac.th/
รองศาสตราจารย ดร. มนตร พรยะกล ภาควชาสถต มหาวทยาลยรามคาแหง 49