การวิเคราะห์ข้อมูล MPLUS & Smart PLS Structural Equation Modeling
โดย ผศ.ดร.พันทิพา อมรฤทธิ์ และ ผศ.ดร.พิสิษฐ์ ณัฐประเสิร์ฐ
ผศ.ดร.พันทิพา อมรฤทธิ์ และ ผศ.ดร.พิสิษฐ์ ณัฐประเสิร์ฐ อาจารย์ประจำสำนักเทคโนโลยีการศึกษาได้เข้าร่วมอบรมหัวข้อ การวิเคราะห์ข้อมูล MPLUS & Smart PLS Structural Equation Modeling จัดโดย คณะเทคโนโลยีสารสนเทศและการสื่อสาร ม.ศิลปากร วิทยาเขตเมืองทองธานี ซึ่งสามารถสรุปสาระสำคัญเพื่อเผยแพร่ความรู้ทางวิชาการ ได้ดังนี้
วันที่ 21-22 พฤศจิกายน 2567: หัวข้อการอบรม SEM with Mplus
โปรแกรม Mplus เป็นโปรแกรมทางเลือกสำหรับการวิเคราะห์แบบจำลองสมการโครงสร้าง (Structural Equation Modeling: SEM) โดยมีจุดเด่นที่รองรับข้อมูลที่หลากหลาย และสามารถเลือกวิธีการวิเคราะห์ที่เหมาะสมกับข้อมูลได้ โปรแกรม Mplus เป็นอีกโปรแกรมที่เป็นทางเลือกสำหรับการวิเคราะห์แบบจำลองสมการโครงสร้าง ในกรณีที่ผู้วิจัยมีข้อมูลหลากหลายวิธีการวัด สามารถใช้ Mplus โดยผู้วิจัยสามารถเลือก Method ที่ใช้ในการวิเคราะห์ได้สอดคล้องกับระดับข้อมูล และในกรณีที่ข้อมูลของผู้วิจัยมีการแจกแจงไม่ปกติ ไม่ต้องเสียเวลา Clean ข้อมูลเพื่อให้ข้อมูลแจกแจงปกติ ดังนั้นถ้าได้ข้อมูลมาแบบใดก็ตาม ก็แค่เลือก Method ที่สอดคล้องกับข้อมูลก็จะได้ผลตามสภาพการณ์ที่แท้จริงนั้น นอกจากนี้แล้วยังเป็นโปรแกรมที่เขียน Syntax ไม่ยาก
เนื้อหาหลัก
• การจัดการข้อมูลหลายประเภท: รองรับข้อมูลระดับ Nominal, Ordinal, Interval และ Ratio scale เหมาะสำหรับข้อมูลที่มีการแจกแจงไม่ปกติ ลดเวลาในการ Clean ข้อมูล
• วิธีการวิเคราะห์: เลือก Method ที่เหมาะสมตามระดับข้อมูลและลักษณะของข้อมูล โดยเทคนิค Higher order SEM, Mediator types testing, Moderator testing ด้วยเทคนิค Multi-group analysis การวิเคราะห์ Measurement Model สำหรับ Categorical data
• การใช้งานโปรแกรม Mplus: Syntax ใช้งานง่าย พร้อมคำแนะนำจากโปรแกรม โปรแกรมราคาย่อมเยา และมีศักยภาพสำหรับการวิจัยเชิงปริมาณ
• การใช้โปรแกรมน้องใหม่ Jamovi เพื่อการวิเคราะห์ข้อมูล
จุดเด่น
โปรแกรม Mplus สามารถวิเคราะห์ข้อมูลตามสภาพการณ์จริงได้อย่างแม่นยำ แม้ข้อมูลจะไม่ได้ผ่านการ Clean ให้เป็นการแจกแจงปกติ นอกจากนี้ โปรแกรมยังรองรับการใช้งานสำหรับงานวิจัยที่ต้องการความซับซ้อน เช่น การทดสอบตัวแปร Mediator, Moderator และการวิเคราะห์โครงสร้างที่ซับซ้อน
ภาพประกอบ ผลการวิเคราะห์จากข้อมูลที่แจกแจงไม่ปกติ แล้วเลือกใช้ Method ที่ถูกต้อง
ก็ได้ผลที่กลมกลืนกับข้อมูลเชิงประจักษ์ และได้ผลเหมือนกับการ Clean ข้อมูลให้เป็นปกติ
วันที่ 30 พฤศจิกายน – 1 ธันวาคม 2567: หลักสูตร Smart PLS Structural Equation Modeling
การใช้งานโปรแกรม SmartPLS สำหรับการวิเคราะห์ SEM แบบ PLS-SEM (Partial Least Squares Structural Equation Modeling เป็นการบรรยายเนื้อหาเกี่ยวกับหลักการออกแบบการวิจัยเชิงปริมาณ SEM สำคัญอย่างไรในงานวิจัยเชิงปริมาณ ประเภทของ SEM องค์ประกอบของ SEM หลักการของ PLS SEM & CB SEM การใช้โปรแกรม SmartPLS ประมาณพารามิเตอร์ด้วยอัลกอริธึ่ม PLS, Boostrapping, Consistent, PLSpredict, IMPA, First order, Higher order construct, การทดสอบ Mediate effect, และ Moderate effect
การใช้ SmartPLS วิเคราะห์ CB SEM โดยเนื้อหาได้อธิบายถึง
1) หลักการและวิธีการอ่านและเขียนรายงานผลการวิเคราะห์ PLS-SEM โดยเน้นที่การดึงคุณค่าของผลการวิเคราะห์ออกมาให้เห็นถึงความสำคัญของตัวแปร Antecedent ที่มีต่อตัวแปรผลลัพธ์ ทั้ง Direct, Indirect, Total effect, R-sq, f-sq, q-sq
2) การใช้โปรแกรม SmartPLS วิเคราะห์ CB-SEM เพื่อ
2.1) ประเมินความตรง (Cenvergent validity, Discriminant validity) และความเชื่อมั่น (Cronbach’s Alpha, Composite reliability) ของตัวแปรแฝง,
2.2) ทดสอบสมมติฐานการวิจัย ทั้งทางตรงและทางอ้อม
3) การทดลองใช้โปรแกรมน้องใหม่ Jamovi เพื่อการวิเคราะห์
ประโยชน์ที่ได้รับจากการอบรม
1. ความเข้าใจเชิงลึกเกี่ยวกับ SEM ได้เรียนรู้แนวคิดและวิธีการวิเคราะห์ SEM อย่างครบถ้วน ทั้งในมิติของการวิเคราะห์ข้อมูลและการรายงานผล
2. เพิ่มศักยภาพในการเลือกใช้โปรแกรม เข้าใจความแตกต่างระหว่าง Mplus และ SmartPLS รวมถึงข้อดีของแต่ละโปรแกรม ทำให้สามารถเลือกใช้โปรแกรมได้เหมาะสมกับลักษณะของข้อมูลและการวิจัย
3. การวิเคราะห์ข้อมูลที่หลากหลาย สามารถประยุกต์ใช้โปรแกรมในการวิเคราะห์ข้อมูลที่มีความซับซ้อน เช่น ตัวแปร Mediator, Moderator และการทดสอบสมมติฐานที่ซับซ้อน
4. ประสบการณ์ใหม่กับโปรแกรม Jamovi โดย Jamovi เป็นเครื่องมือที่เหมาะสำหรับนักวิจัยหน้าใหม่ มีอินเทอร์เฟซที่เข้าใจง่าย ช่วยลดความซับซ้อนของการวิเคราะห์
การประยุกต์ใช้งานต่อ
1. งานวิจัยเชิงปริมาณในมหาวิทยาลัย นำโปรแกรมที่เรียนรู้มาใช้วิเคราะห์ข้อมูลสำหรับงานวิจัย ทั้งในระดับบัณฑิตศึกษาและระดับอาจารย์ผู้สอน
2. การเขียนรายงานผลการวิจัย ประยุกต์เทคนิคการรายงานผล เช่น Direct, Indirect, และ Total effect เพื่อให้ผู้อ่านเข้าใจผลการวิจัยได้ง่ายขึ้น
3. การจัดอบรมและพัฒนาบุคลากร ถ่ายทอดความรู้ให้แก่นักวิจัยและนิสิตที่สนใจการวิเคราะห์ SEM เพื่อพัฒนาคุณภาพงานวิจัย
4. การประยุกต์ในงานวิชาการและงานพัฒนานโยบาย ใช้ผลการวิเคราะห์ SEM เพื่อสนับสนุนการตัดสินใจในเชิงนโยบายหรือการวางแผนโครงการที่มีความซับซ้อน
