• Like
  • Save
1 การวิเคราะห์เส้นทาง path analysis
Upcoming SlideShare
Loading in...5
×

1 การวิเคราะห์เส้นทาง path analysis

  • 13,284 views
Uploaded on

การวิเคราะห์สาเหตุหรือการวิเคราะห์เส้นทาง (Path Analysis) เป็นเทคนิคที่ ไรท์ (Sewall …

การวิเคราะห์สาเหตุหรือการวิเคราะห์เส้นทาง (Path Analysis) เป็นเทคนิคที่ ไรท์ (Sewall Wright) เป็นผู้คิดค้นขึ้น (Kerlinger and Pedhazur. 1973: 305) เทคนิคการวิเคราะห์ความสัมพันธ์พหุคูณ (Multiple Correlation) การวิเคราะห์ตัวแปรร่วม (Commonality Analysis) หรือการวิเคราะห์สหสัมพันธ์คาโนนิคอล (Canonical Correlation) ล้วนแต่ชี้ถึงการมีความสัมพันธ์แบบธรรมดาระหว่างตัวแปรหรือกลุ่มตัวแปรไม่ได้ยืนยันหรือสนับสนุนถึงความสัมพันธ์ในรูปที่เป็นสาเหตุและผลก็คือ การยืนยันหรือสนับสนุนความสัมพันธ์ในรูปที่เป็นสาเหตุและผลก็คือการยันยันว่า ตัวแปรอิสระ (Independent Variable) ตัวใดเป็นสาเหตุให้เกิดความแปรปรวนหรือแตกต่างในตัวแปรตาม (Dependent Variable) และสาเหตุดังกล่าวนั้นเป็นสาเหตุที่เกิดจากตัวแปรอิสระตัวนั้นๆ โดยตรงหรือเป็นสาเหตุโดยทางอ้อม กล่าวคือไปร่วมกับตัวแปรอื่นในการทำให้เกิดความแปรปรวนในตัวแปรตามหรือเป็นไปทั้งสองทางความรู้ดังกล่าวนี้นับว่าเป็นความรู้ที่ลึกลงไปและช่วยให้เกิดความกระจ่างชัดได้มากขึ้นเพื่อที่จะทราบความรู้ในลักษณะดังกล่าว ไรท์จึงคิดเทคนิคของการวิเคราะห์สาเหตุที่เรียกว่า Path Analysis ขึ้น
ในการวิเคราะห์ด้วย Path Analysis นั้น จะต้องมีโครงสร้างหรือรูปแบบความสัมพันธ์ระหว่างตัวแปรต่างๆในรูปที่เป็นสาเหตุและผลเสียก่อนโครงสร้างหรือรูปแบบดังกล่าวนี้เป็นโครงสร้างหรือรูปแบบตามสมมุติฐานซึ่งจะต้องสร้างจากทฤษฎี แนวความคิดและผลการวิจัยมีเหตุผลน่าเชื่อถือว่าตัวแปรอิสระนั้นๆเป็นสาเหตุต่อตัวแปรตาม ตามโครงสร้างหรือรูปแบบนั้นจริงจากนั้นก็นำมาหาค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปรมาวิเคราะห์ตามโครงสร้างหรือรูปแบบด้วยเทคนิคของ Path Analysis ผลจากการวิเคราะห์จะเป็น
การทดสอบความเที่ยงตรง (Validity) ของโคร

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
13,284
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
0
Comments
0
Likes
18

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. โดย พระครู ปริ ยติสุวรรณรังสี อวยพร ออละมาลี รุ่ งทิวา ปุณะตุง สุ ธินี เคนไชยวงศ์ ทนงศักดิ์ ใจสบาย ั การวิเคราะห์ เส้ นทางความสั มพันธ์ เชิ งสาเหตุระหว่างตัวแปร (Path Analysis)บทนา การศึกษาปั จจัยที่เป็ นสาเหตุของเหตุการณ์หรื อปรากฏการณ์ เป็ นสิ่ งที่นกวิจยให้ความสนใจ ั ัเสมอมา ในการศึกษาความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรทางสังคมศาสตร์ ค่อนข้างมีความสลับซับซ้อน ั ่เนื่องจากมีตวแปรแทรกซ้อนอยูจานวนมาก นักวิจยจึงจาเป็ นต้องมีกรอบแนวคิดทางทฤษฎีของความเป็ น ัสาเหตุ มีการออกแบบการวิจยและใช้เทคนิคการวิเคราะห์ที่เหมาะสม จึงจะช่วยให้สามารถทดสอบความเป็ น ัสาเหตุระหว่างตัวแปรตามสามมุติฐานได้ คาถามในทานอง “ทาไมเรื่ อง (สิ่ ง/เหตุการณ์/)นั้นจึงเกิดขึ้น?”เป็ นคาถามที่แฝงความต้องการคาตอบในลักษณะของ “ความเป็ นสาเหตุของเรื่ อง (สิ่ ง/เหตุการณ์/)นั้น” การแสวงหาสาเหตุของสิ่ งต่าง ๆ เป็ นเรื่ องที่อยูในใจของมนุษย์ตลอดมา คาว่า “สาเหตุ” เป็ นคาที่สาคัญ แต่ก็เป็ น ่คาที่สร้างปั ญหาให้นกปรัชญาและนักวิจยได้ขบคิดและโต้แย้งกันมาเป็ นเวลานานจนถึงปั จจุบน อย่างไรก็ ั ั ัตาม นักวิจยคงปฏิเสธไม่ได้วา ความคิดเกี่ยวกับความเป็ นสาเหตุมีบทบาทสาคัญต่อเป้ าหมายของการวิจย ั ่ ัเสมอมา เช่น นักวิจยทางพฤติกรรมศาสตร์ ที่มีความสนใจเกี่ยวกับการเปลี่ยนแปลงของพฤติกรรมต่าง ๆ ของ ัมนุษย์ เป็ นต้น การแสวงหาความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรในการวิจยใดก็ตาม ทฤษฎี (Theory) ที่ ัเกี่ยวข้องกับเรื่ องที่สนใจศึกษาจัดว่าเป็ นแหล่งแนวคิด / ความรู ้ ที่สาคัญในการเสนอคาอธิ บายเชิงสาเหตุระหว่างตัวแปร รวมทั้งลาดับขั้นการเกิด และลักษณะความสัมพันธ์เชิงสาเหตุ ระหว่างตัวแปร ทฤษฎีจึงมีบทบาทสาคัญที่ช่วยเป็ นพื้นฐานในการเชื่ อมโยงความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรเพื่อสร้างโมเดลเชิงสาเหตุ (Causal Models) ซึ่ งแสดงรู ปแบบของกลไกความเกี่ยวข้องสัมพันธ์เชิงสาเหตุระหว่างตัวแปร หรื อให้แนวคิดในการปรับเปลี่ยนโครงสร้างความสัมพันธ์ระหว่างตัวแปรในโมเดลเชิงสาเหตุ ผูวจยอาจจะต้อง ้ิัอาศัยวิธีการวิเคราะห์ดวยหลักเหตุผล (Logical Analysis) หรื อ อาจทาการเก็บรวบรวมข้อมูลเชิงประจักษ์ ้แล้วนามาทาการวิเคราะห์ทางสถิติ เพื่อช่วยตรวจสอบ ยืนยันความเหมาะสมของโมเดลหรื อปฏิเสธโมเดล การวิเคราะห์ขอมูลเชิงประจักษ์เป็ นวิธีการอย่างหนึ่ง ในการหาหลักฐานเพื่อตอบคาถามว่าโมเดลเชิง ้สาเหตุที่ผวจยพัฒนาขึ้นมา มีความสอดคล้องกับข้อมูลเชิ งประจักษ์หรื อไม่ ถ้าโมเดลไม่สอดคล้องกับข้อมูล ู้ ิ ัผูวจยอาจมุ่งความสงสัยไปยังทฤษฎีที่นามาใช้เป็ นพื้นฐานในการสร้างโมเดลว่ามีความเหมาะสมเพียงใด ้ิัหรื อ อาจสงสัยเกี่ยวกับความเหมาะสมของการออกแบบการวิจย และการดาเนินการวิจย แต่ถาพบว่าโมเดลมี ั ั ้ความสอดคล้องกับข้อมูล สิ่ งนี้มิใช่หลักฐานของการพิสูจน์ทฤษฎีหรื อโมเดล แต่แสดงว่ายังไม่มีหลักฐานที่มาปฏิเสธทฤษฎีหรื อโมเดล หรื อกล่าวอีกนัยหนึ่งว่าหลักฐานที่ได้สนับสนุนความเป็ นไปได้ของทฤษฎีและโมเดลเชิงสาเหตุ วิธีการวิเคราะห์ทางสถิติที่จะช่วยยืนยันหรื อปฏิเสธโมเดลเชิงสาเหตุท่ีผวจยพัฒนาขึ้นมามี ู้ ิ ั
  • 2. ่อยูหลายวิธี วิธีท่ีนิยมกันและเป็ นที่ยอมรับทัวไป ได้แก่ การวิเคราะห์เส้นทางความสัมพันธ์เชิงสาเหตุระหว่าง ่ตัวแปร (Path Analysis) และการวิเคราะห์โครงสร้างความสัมพันธ์ เชิงสาเหตุระหว่างตัวแปร (StructuralEquation Modeling SEM หรื อ LISREL) แต่ในที่น้ ี จะขอกล่าวถึงเฉพาะ Path Analysis เท่านั้น เพื่อใช้เป็ นพื้นฐานของการวิเคราะห์พหุ ระดับเชิงสาเหตุต่อไปความหมายของการวิเคราะห์ เส้ นทาง ไรท์ (Wright, 1934 : 193) ได้ให้ความหมายของเทคนิควิธี Path Analysis ว่าเป็ นวิธีการผสมผสาน ัข้อมูลเชิงปริ มาณซึ่ งสามารถวัดได้จากค่าสหสัมพันธ์กบข้อมูลเชิงคุณภาพ ซึ่ งได้จากความรู ้ตามทฤษฎีเชิงสาเหตุและผลเพื่อการอธิบายในเชิงสถิติ คิมและโคเอาท์ (Kim and Kohout, 1975 : 6) ให้ความหมายว่า เป็ นวิธีการแยกส่ วนและตีความสัมพันธ์เชิงเส้นตรงระหว่างตัวแปรกลุ่มใดกลุ่มหนึ่ง โดยกาหนดว่าความสัมพันธ์ระหว่างตัวแปรจะต้องเป็ นความสัมพันธ์เชิงเหตุผล และเป็ นความสัมพันธ์แบบปิ ด (closed system) เพดเฮาเซอร์ (Pedhauzer, 1982 : 580) กล่าวว่า เป็ นวิธีการศึกษาผลทางตรงและผลทางอ้อมของตัว ั ่แปรต่าง ๆ ที่ต้ งสมมติฐานไว้วาเป็ นสาเหตุของผลนั้นแต่วธีการนี้มิใช่วธีการในการค้นหาสาเหตุหากเป็ น ิ ิวิธีการหนึ่งของการสร้างแบบจาลองเชิงสาเหตุและผล โดยที่นกวิจยอาศัยพื้นความรู ้และข้อกาหนดตาม ั ั ่ทฤษฎีที่มีอยูในการดาเนิ นการ แผนภาพเส้นทาง (Path Diagram) เป็ นแผนภาพที่เสนอแนวคิดในเรื่ อง ความสัมพันธ์ระหว่างตัวแปร โดยให้ตวแปรอิสระตัวหนึ่งมีโอกาสเป็ นตัวแปรตามอีกตัวแปรอื่นได้บาง (วิยะดา ตันวัฒนากูล, 2548, 101) ั ้ การวิเคราะห์เส้นทาง เป็ นวิธีที่มีพ้ืนฐานทางสถิติมาจากการวิเคราะห์การถดถอย (RegressionAnalysis) โดยอาศัยแผนภาพและสมการโครงสร้างของแผนภาพเป็ นหลักในการนามาวิเคราะห์ และอธิบายความสัมพันธ์ของตัวแปลผลทั้งในด้านขนาดและทิศทาง นอกจากนี้ยงสามารถอธิ บายความสัมพันธ์ทางตรง ัและทางอ้อม (สาราญ มีแจ้ง, 2544,63) จินตนา ธนวิบูลชัย (2537: 13) กล่าวว่า เทคนิคการวิเคราะห์เส้นทาง เป็ นวิธีการวิเคราะห์ทางสถิติที่อาศัยการประยุกต์วธีการวิเคราะห์การถดถอย มาอธิ บายความสัมพันธ์ของตัวแปรอิสระหลาย ๆ ตัวที่มีต่อตัว ิแปรตาม ทั้งที่เป็ นความสัมพันธ์เชิงทางตรงและทางอ้อม ตลอดจนอธิบายทิศทางและปริ มาณความสัมพันธ์ของตัวแปรต่าง ๆ โดยมีลูกศรชี้ให้เห็นแบบจาลองของสัมพันธ์ได้ การอธิ บายความสัมพันธ์น้ ีอาศัยความรู ้ในปรากฏการณ์และพื้นฐานความรู ้ตามทฤษฎีที่อธิ บายเชิงเหตุและผลเป็ นสาคัญ อ้างใน จินตนา ธนวิบูลย์ชย(2537) เทคนิค Path Analysis ได้รับการพัฒนาขึ้นโดย ซี วอล ไรท์ ั(Sewall Wright) เมื่อ ค.ศ. 1934 ในสาขาวิชาชีววิทยา ต่อมาใน ค.ศ. 1960 จึงได้มีการนาเอามาใช้ในการวิจย ัทางสังคมศาสตร์ ผูที่ได้พยายามนาเทคนิคนี้มาใช้และปรับปรุ งเทคนิควิธีการนี้ในทางสังคมศาสตร์ ได้แก่ ้บลาลอค(Blalock) บาวดอน (Boudon) ดันแคน (Duncan) แลนด์ (Land) และ ไฮส์ (Heise) 2
  • 3. ชัยวัฒน์ รุ่ งเรื องศรี (2527 : 156) อธิ บายว่าเป็ นระเบียบวิธีวเิ คราะห์อย่างหนึ่งที่อาศัยความรู ้ทางสถิติและพีชคณิ ตเข้ามาประกอบกัน เพื่อพยายามอธิ บายความสัมพันธ์ของตัวแปร หรื อองค์ประกอบของพฤติกรรมทางสังคม องค์ประกอบเหล่านี้กาหนดขึ้นจากความรู ้ทางทฤษฎีท่ีสนับสนุนว่าพฤติกรรมนั้น ๆมีเหตุเกี่ยวเนื่ องกันเป็ นความสัมพันธ์ที่เป็ นเหตุผลสื บต่อกันในทิศทางเดียวกัน โดยสังเกตได้จากรู ปลูกศร สุ ชาติ ประสิ ทธิ์ รัฐสิ นธุ์ (2537: 29) กล่าวว่า การวิเคราะห์เส้นทางเป็ นเทคนิคที่ผวจยต้องการศึกษา ู้ ิ ัความสัมพันธ์ระหว่างตัวแปรเหตุและตัวแปรผล โดยเปิ ดโอกาสให้ตวแปรเหตุแต่ละตัวมีผลเชิงสาเหตุ ัทางตรงและ/หรื อทางอ้อมต่อตัวแปรผล ตามกรอบแนวคิดที่ผวิจยเขียนขึ้นเป็ นแผนภาพเส้นทาง (path ู้ ัdiagram) หรื อตามสมการโครงสร้าง (structural equation) โดยมักจะใช้แผนภาพและสมการโครงสร้างไปพร้อม ๆ กัน นงลักษณ์ วิรัชชัย (2542: 40) กล่าวว่า การวิเคราะห์เส้นทาง เป็ นวิธีการประยุกต์การวิเคราะห์การถดถอยพหุ คูณ เพื่อหาความสัมพันธ์เชิงเหตุผลและผลระหว่างตัวแปรเชิงปริ มาณตามพื้นความรู้ทางทฤษฎีให้ทราบว่าตัวแปรซึ่ งเป็ นเหตุมีอิทธิ พลต่อตัวแปรซึ่ งเป็ นผลในลักษณะใด อิทธิ พลแต่ละประเภทมีปริ มาณและทิศทางอย่างไร ่ เพื่อวิเคราะห์ตรวจสอบทฤษฎีวารู ปแบบความสัมพันธ์เชิงเหตุผลและผลจากปรากฏการณ์จริ งสอดคล้องหรื อขัดแย้งกับความสัมพันธ์ตามทฤษฎี สาราญ มีแจ้ง (2544 : 65) กล่าวว่า การวิเคราะห์เส้นทาง เป็ นเทคนิคทางสถิติที่อาศัยการประยุกต์การวิเคราะห์การถดถอยพหุ คูณ โดยศึกษาขนาดและทิศทางของความสัมพันธ์ระหว่างตัวแปรเหตุท่ีมีผลต่อตัวแปรตามทั้งทางตรงและทางอ้อม ซึ่ งความสัมพันธ์เชิงเหตุและผลนี้ สามารถนามาเขียนอธิ บายได้ดวยรู ป ้แบบจาลองโมเดลและสมการโครงสร้างตามรู ปแบบจาลองที่สร้างขึ้นสรุ ปความหมายของการวิเคราะห์ เส้ นทาง การวิเคราะห์เส้นทาง เป็ นเทคนิคทางสถิติที่อธิบายทิศทางและความสัมพันธ์เชิงเหตุผลตามแบบจาลองที่ผวจยพัฒนาขึ้นมาจากหลักการ แนวคิดหรื อทฤษฎีเป็ นหลัก โดยผลของการศึกษาจะทาให้ ู้ ิ ัทราบขนาดและทิศทางของผลทางตรง (direct effect) และผลทางอ้อม (indirect effect) ระหว่างตัวแปรคัดสรรที่เกิดขึ้นตามช่วงเวลา (chronological order) หรื อตามเหตุการณ์ (event) ที่เกิดขึ้นก่อนหลังในแบบจาลองนั้น ๆวัตถุประสงค์ ของการวิเคราะห์ เส้ นทาง การวิเคราะห์เส้นทาง (Path analysis) เป็ นการศึกษาความสัมพันธ์ของตัวแปรในเชิงเหตุและผลเป็ นวิธีที่มีพ้ืนฐานทางสถิติมาจากการวิเคราะห์การถดถอย (Regression analysis) โดยอาศัยแผนภาพและสมการโครงสร้างของแผนภาพเป็ นหลักในการนามาวิเคราะห์และอธิบายความสัมพันธ์ของตัวแปรเหตุที่มีต่อตัวแปรผลทั้งในด้านขนาดและทิศทาง อีกทั้งยังสามารถอธิ บายความสัมพันธ์ได้ท้ งความสัมพันธ์ทางตรง ัและทางอ้อม ่ 1. เป็ นการศึกษาอิทธิ พลระหว่างตัวแปรต่าง ๆ เพื่อดูวามีอิทธิ พลทางตรงและอิทธิ พลทางอ้อมของตัวแปรที่สันนิษฐานว่าเป็ นสาเหตุต่อตัวแปรที่เป็ นผลหรื อไม่ 3
  • 4. 2. สัมประสิ ทธิ์ เส้นทาง เป็ นค่าที่บ่งบอกถึงอิทธิ พลทางตรงของตัวแปรที่เป็ นสาเหตุที่ทาให้อีกตัวหนึ่งเปลี่ยนแปลงไป เพื่อหาความสัมพันธ์และพยากรณ์และศึกษาอิทธิพลเชิงสาเหตุ (PathAnalysis) 3.การวิจยที่มุ่งแสวงหาความสัมพันธ์เชิงสาเหตุ (Causal Analysis) ัข้ อตกลงเบืองต้ นของการวิเคราะห์ เส้ นทาง ้ ข้อตกลงเบื้องต้นของการวิเคราะห์เส้นทางความสัมพันธ์เชิงสาเหตุระหว่างตัวแปร (PathAnalysis) มีดงนี้ ั 1) ความสัมพันธ์ระหว่างตัวแปรในโมเดลเชิงสาเหตุเป็ นความสัมพันธ์เชิงเส้นตรง(Linear) ,ความสัมพันธ์เชิงบวก (Additive) และเป็ นความสัมพันธ์เชิงสาเหตุ (Causal) 2) ค่าความคลาดเคลื่อน (e) มีลกษณะดังนี้ ั 2.1) แจกแจงแบบปกติสาหรับทุกค่าของ X’s 2.2) มีค่าเฉลี่ย เท่ากับ 0 2.3) ความแปรปรวนคงที่ทุกค่าของ X’s 2.4) เป็ นอิสระจาก e อื่น ๆ และ X’s 3) ความสัมพันธ์เชิงสาเหตุเป็ นไปในทิศทางเดียว (One-Way Causal Flow) ไม่มีทิศทางย้อนกลับ 4) ตัวแปรตามวัดในระดับอันตรภาค (Interval Scale) หรื ออัตราส่ วน (Ratio Scale) 5) ไม่มีความคลาดเคลื่อนเกิดขึ้นในการวัดค่าตัวแปรต้น (No Measurement Errors) 6) ตัวแปรแอบแฝง (Residual Variable) ในสมการถดถอยพหุ คูณแต่ละสมการต้องมีการกระจายแบบสุ่ ม ตัวแปรเหล่านี้ตองไม่มีความสัมพันธ์กนเองและไม่มีความสัมพันธ์กบตัวแปรเกณฑ์ของ ้ ั ัสมการนั้น ๆ ด้วยความรู้ เบืองต้ นเกียวกับวิเคราะห์ อทธิพล หรือการวิเคราะห์ เส้ นทาง (Path Analysis: PA) ้ ่ ิ การวิเคราะห์อิทธิพลเชิงสาเหตุเป็ นเทคนิควิธีการทางสถิติที่ใช้ศึกษาอิทธิพลของตัวแปรสาเหตุหรื อตัวแปรทานายที่มีต่อตัวแปรตาม ทั้งอิทธิ พลทางตรง (direct effect) และอิทธิพลทางทางอ้อม (indirecteffect) Sewall Wright(1934) ผูที่ได้รับยกย่องว่าเป็ นผูริเริ่ มพัฒนาเทคนิคนี้ กล่าวว่า เทคนิคการวิเคราะห์ ้ ้อิทธิ พลเชิงสาเหตุน้ ีไม่ใช้เทคนิคที่ใช้คนหาว่าตัวแปรใดมีอิทธิ พลต่ออีกตัวแปรหนึ่ง แต่เป็ นการตรวจสอบ ้อิทธิ พลเชิงสาเหตุของตัวแปรหนึ่งต่ออีกหนึ่งตามที่ผวจยศึกษาหรื อกาหนดขึ้นจากสมมุติฐานหรื อแนวคิด ู้ ิ ัทฤษฏีหรื อการศึกษาเอกสารที่เกี่ยวข้องโดยมีเหตุผลอยูเ่ บื้องหลังว่า ตัวแปรอิสระนั้นๆเป็ นสาเหตุต่อตัวแปรตามแล้วนาค่าสัมประสิ ทธิ์ สหสัมพันธ์ระหว่างตัวแปรมาวิเคราะห์ตามเทคนิคการวิเคราะห์อิทธิ พลเชิงสาเหตุ 4
  • 5. ผลที่ได้จากการวิเคราะห์จะเป็ นการทดสอบความตรง (validity) ของโครงสร้างหรื อรู ปแบบตามสมมุติบาน ่นั้น และยังช่วยปรับปรุ งโครงสร้างหรื อรู ปแบบอีกด้วย ซึ่ งจะบอกได้วาจากหลักฐานข้อมูลที่ไปเก็บมานั้น ่สามารถที่จะสนับสนุนทฤษฏีหรื อสมมุติฐานที่มีอยูหรื อไม่ การวิเคราะห์เส้นทาง (Path Analysis: เป็ นการศึกษาความสัมพันธ์ของตัวแปร ในเชิงสาเหตุและผลซึ่งมีพ้ืนฐานมาจากการวิเคราะห์การถดถอย (Regression Analysis) โดยอาศัยแผนภาพและสมการโครงสร้างของแผนภาพที่ได้มาจากสมมุติฐานหรื อแนวคิด ทฤษฎีและผลการวิจยเป็ นหลัก ในการนามาวิเคราะห์และ ัอธิ บายความสัมพันธ์ของตัวแปรอิสระที่มีต่อตัวแปรตามทั้งในมิติของขนาดและมิติของทิศทาง สามารถอธิ บายความสัมพันธ์ได้ท้ งทางตรงและทางอ้อม แล้วนาค่าสัมประสิ ทธิ์ สหสัมพันธ์ระหว่างตัวแปรมา ัวิเคราะห์ตามเทคนิคการวิเคราะห์เส้นทาง ผลที่ได้จากการวิเคราะห์เส้นทางจะเป็ นการทดสอบความตรง(Validity) ของโครงสร้างหรื อรู ปแบบตามสมมุติฐานนั้น ซึ่ งเป็ นการบ่งบอกว่าข้อมูลเชิงประจักษ์ (Empirical ่Data) ที่ไปเก็บมานั้นสามารถที่จะสนับสนุนทฤษฎีหรื อสมมุติฐานที่มีอยูหรื อไม่ โดยมีหลักการของสัมประสิ ทธิ์ เส้นทางคือ เมื่อนักวิจยเขียนแผนภาพหรื อโมเดลแสดงอิทธิ พลตามทฤษฎีและสมมุติฐานแล้ว ัสามารถแยกค่าความสัมพันธ์ระหว่างตัวแปรในโมเดล (r) ออกเป็ นผลรวมของพารามิเตอร์ได้ตามทฤษฎีสัมประสิ ทธิ์ เส้นทาง โดยที่สัมประสิ ทธิ์ สหสัมพันธ์ระหว่างตัวแปรสองตัวในโมเดลมีค่าเท่ากับผลบวกของอิทธิพลทางตรง (Direct Effect : DE) อิทธิพลทางอ้อม (Indirect Effect: IE) ความสัมพันธ์เทียม (Spurious ่Relationship : SR) และอิทธิ พลร่ วม (Joint Effect : JE) ที่ไม่สามารถแยกได้วาเป็ นอิทธิ พลแบบใด ดังสมการต่อไปนี้ (นงลักษณ์ วิรัชชัย.2542:188) r = DE + IE + SR + JE ในการวิเคราะห์เส้นทางผูวจยประมาณค่าอิทธิ พลทางตรงได้จากการประมาณค่าพารามิเตอร์ ใน ้ิัสมการถดถอยตามสมการโครงสร้างของรู ปแบบ แล้วนาค่าอิทธิ พลทางตรงนั้นมาประมาณค่าอิทธิ พลทางอ้อม ส่ วนอิทธิ พลร่ วมและอิทธิ พลเทียมได้จากการหาผลคูณของอิทธิ พลทางตรงตามลูกศรในโมเดลแต่ในการวิเคราะห์เส้นทางนั้นเพียงแต่ประมาณค่าสหสัมพันธ์จากอิทธิ พลทางตรงและอิทธิ พลทางอ้อมเท่านั้นไม่รวมความสัมพันธ์เทียมและอิทธิ พล เพราะถ้าโมเดลแสดงอิทธิ พลมีความตรง (Validity) และความสัมพันธ์ระหว่างตัวแปรเป็ นความสัมพันธ์เชิงเหตุและผลจริ ง ค่าความสัมพันธ์เทียมและอิทธิ พลร่ วมควรจะเป็ นศูนย์ (นงลักษณ์ วิรัชชัย .2542 : 190) ดังนั้นค่าสหสัมพันธ์จึงสามารถประมาณค่าจากผลบวกของอิทธิ พลทางตรงและอิทธิ พลทางอ้อมเพียงสองส่ วนเท่านั้น ซึ่ งสามารถเขียนสมการใหม่ได้ ดังนี้r = DE + IE ปั จจุบนการวิเคราะห์เส้นทางสามารถดาเนินการได้หลายวิธีตามที่นกวิจยคิดหรื อพัฒนาขึ้นแต่ละวิธี ั ั ัที่นิยมในปัจจุบนมี 2 วิธีคือ การิ วเิ คราะห์เส้นทางแบบดั้งเดิม และการวิเคราะห์เส้นทางด้วยโปรแกรมลิสเรล ัโดยมีข้ นตอนหลักที่สาคัญอยู่ 3 ขั้นตอน คือ ั 1) การประมาณค่าพารามิเตอร์ ขนาดอิทธิ พล 2) การตรวจสอบทฤษฎีหรื อการตรวจสอบความตรง (Validity) ของโมเดล 3) การวิเคราะห์แยกค่าสหสัมพันธ์ ดังนี้ 5
  • 6. ขั้นตอนที่ 1 การประมาณค่ าพารามิเตอร์ ขนาดอิทธิพล วิธีการประมาณค่าอิทธิ พลในการวิเคราะห์เส้นทางแบบดั้งเดิมใช้การวิเคราะห์การถดถอยประมาณค่าขนาดอิทธิ พลทางตรงหรื อค่าสัมประสิ ทธิ์ เส้นทาง (Path Coefficient) ด้วยค่าสัมประสิ ทธิ์ การถดถอยมาตรฐาน (Standardized regression coefficient) ซึ่งเป็ นการประมาณค่าพารามิเตอร์ แบบวิธีกาลังสองน้อยที่สุด (OLS) การวิเคราะห์การถดถอยจะวิเคราะห์ตามสมการโครงสร้างของโมเดลทีละสมการ ซึ่ งค่าสัมประสิ ทธิ์ ถดถอยมาตรฐานหรื อค่า Beta weight : ß ที่ได้จากสมการต่าง ๆ ก็คือค่าขนาดอิทธิ พลทางตรงของตัวแปรตามโมเดล ดังนั้น ค่าขนาดอิทธิ พล (Pij) ของตัวแปรที่เป็ นสาเหตุต่อตัวแปรตามที่เป็ นอิทธิ พล ่ทางตรงก็คือค่า ß ที่ปรากฏอยูในสมการพยากรณ์ (สาเริ ง บุญเรื องรัตน์.2540) ซึ่งปัจจุบนสามารถใช้ ัโปรแกรม SPSS ช่วยในการวิเคราะห์ ส่ วนโปรแกรมลิสเรลใช้ทฤษฎีทางสถิติวธีแบบไลค์ลิฮูดสู งสุ ด ิ(Maximum Likelihood Statistical Theory) หรื อ ML เป็ นพื้นฐานในการวิเคราะห์ขอมูล วิธีการประมาณค่า ้ทาได้โดยการสมมุติค่าพารามิเตอร์ ข้ ึนมาชุ ดหนึ่งแล้วหาค่าไลค์ลิฮูด หรื อความเป็ นไปได้ของการที่จะได้ค่าสังเกตของตัวแปรจากประชากรกลุ่มที่สมมุติค่าพารามิเตอร์ ไว้น้ น วิธีการประมาณค่าพารามิเตอร์ แบบนี้ ตอง ั ้ใช้การคานวณทวนซ้ า (Iteration) หลายครั้งจนกว่าค่าพารามิเตอร์ ที่ได้ในแต่ละครั้งจะมีค่าเข้าใกล้(Converge)ค่าพารามิเตอร์ ที่เป็ นจริ งขั้นตอนที่ 2 การตรวจสอบทฤษฎีหรือการตรวจสอบความตรงของโมเดล การตรวจสอบความตรงของโมเดลที่วเิ คราะห์เส้นทางแบบดั้งเดิมมีวธีการที่นิยมใช้ในปั จจุบน 2 วิธีคือ ิ ั 1. วิธีของดันแคน (Duncan) เป็ นวิธีการที่มีการตรวจสอบความตรงของโมเดลด้วยการเปรี ยบเทียบค่าสหสัมพันธ์ (Correlation : r) ที่คานวณจากสู ตรสหสัมพันธ์ของเพียร์ สันกับค่าสหสัมพันธ์ที่คานวณจากค่าสัมประสิ ทธิ์ เส้นทาง เรี ยกวิธีการวิเคราะห์แบบนี้วาการวิเคราะห์เส้นทางแบบพีเออาร์ (Par) ่ 2. วิธีของสเปชท์ (Specht) เป็ นวิธีตรวจสอบความตรงของโมเดลด้วยค่าสถิติคิว(Q Statistic) นิยมเรี ยกว่า การวิเคราะห์เส้นทางแบบพีเอคิว (PAQ) การวิเคราะห์เส้นทางแบบ Par เป็ นวิธีการที่ตองคานวณค่าความสอดคล้องที่ค่อนข้างจะยุงยาก ซับซ้อน เพราะนักวิจยต้องคานวณด้วยมือและไม่มีการ ้ ่ ัทดสอบนัยสาคัญทางสถิติของการตรวจสอบความตรงของโมเดล อาจทาให้เกิดความผิดพลาดในการอธิบายความหมายของโมเดลได้ นักวิจยส่ วนใหญ่จึงนิยมใช้การวิเคราะห์เส้นทางแบบ PAQ มากกว่า Par ั ส่ วนการตรวจสอบความตรงของโมเดลที่วเิ คราะห์เส้นทางแบบ PAL โปรแกรมลิสเรลเป็ นโปรแกรมที่นกวิจยสามารถใช้ตรวจสอบโมเดลความสัมพันธ์เชิงโครงสร้างแบบเส้นระหว่างตัวแปรตาม ั ัทฤษฎีวาโมเดลสอดคล้องกับข้อมูลเพียงใดได้หลายวิธีโดยใช้ไค-สแควร์ (X2 ) ดัชนีวดความเหมาะสมหรื อ ่ ัดัชนีวดระดับความกลมกลืน (Goodness of Fit Index = GFI) รากของกาลังสองของเศษเหลือเฉลี่ย (roof of ัmean square residuals = RMR ) ในการตรวจสอบ เมื่อโมเดลและข้อมูลสอดคล้องกัน ผลการประมาณค่าพารามิเตอร์วธี ML จะมีความถูกต้องตรงตามค่าพารามิเตอร์ แต่ถาโมเดลและข้อมูลไม่สอดคล้องกัน ิ ้โปรแกรมสิ สเรลจะมีแนวทางแนะให้นกวิจยปรับเปลี่ยนเส้นทางอิทธิพลในโมเดล ั ั หรื อตรวจสอบความคลาดเคลื่อนในการวัดของตัวแปรจนกว่าจะได้ผลการวิเคราะห์ท่ีตองการ ้ 6
  • 7. ่ ่ ผลจากการตรวจสอบความตรงของโมเดลที่วเิ คราะห์จะเป็ นดัชนีบงชี้วาถ้าโมเดลถูกต้องมีความตรงย่อมสอดคล้องกลมกลืนกับข้อมูลเชิงประจักษ์ ซึ่ งจะมีผลทาให้เมทริ กซ์สหสัมพันธ์จากข้อมูล (rxy ) และเมทริ กซ์สหสัมพันธ์ท่ีคานวณได้มีค่าใกล้เคียงกัน ในวิธีของ Par ถ้าโมเดลไม่สอดคล้องกับข้อมูลเชิงประจักษ์ เมทริ กซ์สหสัมพันธ์จากข้อมูล (rxy ) และเมทริ กซ์สหสัมพันธ์ที่คานวณได้ (ß) จะมีค่าแตกต่างกัน แต่ถาเป็ นวิธีการของ PAQ นักวิจยจะต้องคานวณค่า Q ซึ่งเป็ นสถิติที่ใช้วดความสอดคล้องของ ้ ั ัโมเดล (Measurement of Goodness of Fit) แล้วตรวจสอบด้วยค่าสถิติ W ซึ่งเป็ นสถิติทดสอบนัยสาคัญของค่าสถิติ Q และถ้าเป็ นวิธีของ PAL จะพิจารณาจากค่า prob ของการทดสอบสถิติไค-สแควร์ ค่าสถิติ GFI และค่าสถิติ AGFI เป็ นต้นขั้นตอนที่ 3 การวิเคราะห์ แยกค่ าสหสั มพันธ์ เมื่อตรวจสอบความตรงของโมเดลและได้ผลว่าโมเดลมีความกลมกลืนกับข้อมูลเชิงประจักษ์แล้วนักวิจยจึงมาวิเคราะห์แยกค่าสหสัมพันธ์หรื อการจาแนกค่าอิทธิ พลทางตรงและอิทธิ พลทางอ้อมตามโมเดล ัแสดงรู ปแบบอิทธิพล ให้ได้อิทธิพลทางตรงและอิทธิ พลทางอ้อม เพื่ออธิบายความสัมพันธ์เชิงสาเหตุระหว่างตัวแปร การวิเคราะห์แยกค่าสหสัมพันธ์ใช้หลักและทฤษฎีสมประสิ ทธิ์ อิทธิ พลดังที่ได้กล่าวไว้แล้ว ั ผลจากการวิเคราะห์แยกค่าสหสัมพันธ์จะได้ค่าอิทธิ พลทางตรง (DE) และอิทธิพลทางอ้อม (IE) ซึ่งเมื่อนามารวมกันจะได้ค่าผลรวมอิทธิ พล (Total Effect : TE) และเมื่อนาค่าผลรวมอิทธิ พลไปลบออกจากสัมประสิ ทธิ์ สหสัมพันธ์จะได้เป็ นค่าความสัมพันธ์เทียมและอิทธิ พลร่ วมที่ไม่สามารถแยกได้วาเป็ น ่ความสัมพันธ์แบบใดตามสมการr หรื อ TE = DE + IE + SR + JE ความสั มพันธ์ และความเป็ นสาเหตุ (Correlation and Causation) 1 ความสั มพันธ์ ระหว่าง X และ Y เมื่อเราพบนัยสาคัญทางสถิติของสัมประสิ ทธิ์ สหสัมพันธ์ระหว่างตัวแปร X และ Y แสดงว่าตัวแปร X และ Y มีความผันแปรร่ วมกันในประชากร ซึ่ งความผันแปรร่ วมกันอาจเกิดขึ้นในลักษณะใดลักษณะหนึ่ง ดังนี้ 1) X เป็ นเหตุเดียวหรื อสาเหตุเดียวที่ทาให้เกิดผล Y X Y 2) X เป็ นสาเหตุร่วมกับสาเหตุอื่นที่ทาให้เกิดผล Y X Y Z ั 3) X และ Y มีความสัมพันธ์กนทางอ้อมโดยผ่านตัวแปรแทรกซ้อน (Intervening variable) X Z Y 4) X และ Y เกิดความสัมพันธ์ลวง เนื่องจากถูกกาหนดโดยตัวแปรอื่นร่ วมกัน Z X Y 7
  • 8. 2 ความเป็ นสาเหตุระหว่ าง X และ Y ถ้า X เป็ นเหตุทาให้เกิดผล Y จริ ง จะต้องมีเงื่อนไขต่อไปนี้ เกิดขึ้น 1) X จะต้องเกิดขึ้นก่อน Y 2) สัมประสิ ทธิ์ สหสัมพันธ์ระหว่าง X กับ Y มีนยสาคัญ ั ั 3) X กับ Y มีความสัมพันธ์กนจริ ง ไม่ใช่ความสัมพันธ์ลวง 4) จะต้องมีเหตุผลเชิงทฤษฎีสนับสนุนหรื ออธิบายกลไกของการที่เหตุ X ก่อให้เกิดผลการออกแบบการวิจัยเพือศึกษาความสั มพันธ์ เชิ งสาเหตุระหว่ างตัวแปร ่ 1 การออกแบบการวิจัยเพือการศึกษาความสั มพันธ์ เชิ งสาเหตุระหว่ างตัวแปร สามารถใช้แผนแบบ ่การวิจยเชิงทดลอง และแผนแบบการวิจยที่ไม่ใช่เชิงทดลองได้ ดังภาพที่ 1 ั ั EXPERIMENTAL NON-EXPERIMENTAL DESIGN DESIGN (1) (2) KANDOMIZATION RANDOMIZATION ? MANIPULATION NO MANIPULATION ? CAUSAL RELATIONSHIP RELATIONSHIPS AMONG VARIABLES (1) ถ้าการออกแบบมีการควบคุมตัวแปรเกินไม่เหมาะสม (2) ถ้าการออกแบบมีการสังเกต และใช้เทคนิคการวิเคราะห์ที่เหมาะสมภาพที่ 1 การออกแบบการวิจยเชิงทดลอง และไม่ใช่เชิงทดลองสาหรับการศึกษาความสัมพันธ์เชิงสาเหตุ ัระหว่างตัวแปร ในการวิจยโดยใช้แผนแบบการทดลอง (Experimental Design) ผูวจยสามารถจัดดาเนินการสุ่ ม ั ้ิั(randomization) และสามารถจัดกระทา (Manipulation) กับตัวแปรที่สนใจได้ การจัดดาเนินการสุ่ มทาให้ได้กลุ่มตัวอย่างที่มีความเท่าเทียมกันเข้าสู่ การทดลอง และเป็ นการควบคุมตัวแปรเกินหรื อตัวแปรแทรกซ้อนต่าง ๆ การจัดกระทากับตัวแปรอิสระที่สนใจทาให้สามารถสังเกตผลของการจัดกระทาที่เกิดขึ้นกับความผันแปรของตัวแปรตาม เนื่ องจากความสามารถในการจัดดาเนินการกับตัวแปร และกลุ่มการทดลองทาให้ไม่น่า 8
  • 9. มีปัญหากับความตรงภายในและความตรงภายนอกของการวิจยผูวิจยจึงมีความมันใจในการสรุ ปผล ั ้ ั ่ความสัมพันธ์เชิงสาเหตุของตัวแปรอิสระที่มีต่อตัวแปรตาม สาหรับการวิจยโดยใช้แผนแบบที่ไม่ใช่การทดลอง (Non-Experimental Design) ส่ วนใหญ่แล้วผูวิจย ั ้ ัอาจสามารถทาการสุ่ มตัวอย่างได้ แต่ไม่สามารถจัดกระทากับตัวแปรที่สนใจศึกษาได้ หรื อไม่สามารถทั้งการจัดดาเนินการสุ่ มและการจัดกระทากับตัวแปร ผูวิจยจึงอาจใช้การควบคุมทางสถิติ (Statistical Controls) ้ ัมาทดแทนการสุ่ มได้ แต่เนื่องจากผูวจยไม่สามารถสังเกตความสัมพันธ์ตามช่วงเวลาของตัวแปรอิสระและ ้ิัผลอันเนื่ องมาจากตัวแปรอิสระต่อตัวแปรตามได้ จึงยากแก่การสรุ ปว่าความผันแปรอันเกิดขึ้นกับตัวแปรตามเป็ นผลเนื่องมาจากตัวแปรอิสระหรื อไม่ ดังนั้นการแปลความหมายผลการวิเคราะห์ จึงต้องกระทาด้วยความระมัดระวัง อย่างไรก็ตาม ผูวิจยพึงระลึกเสมอว่า ถ้าการวิจยเชิงทดลองมิได้ออกแบบการทดลองอย่างรอบคอบ ้ ั ัขาดความสมบูรณ์ของการจัดดาเนินการสุ่ มและการจัดกระทากับตัวแปรขาดความเหมาะสมแล้ว ย่อมเกิดความผิดพลาดคลาดเคลื่อนในการสรุ ปความสัมพันธ์เชิงสาเหตุระหว่างตัวแปร ผูวจยสามารถสรุ ปผลได้เพียง ้ิัความสัมพันธ์ระหว่างตัวแปรเท่านั้น ในทางตรงข้ามถ้าผูวิจยใช้แผนแบบการวิจยที่ไม่ใช่การทดลองแต่ได้มี ้ ั ัการศึกษาทฤษฎีท่ีเกี่ยวข้องอย่างรอบด้าน มีการออกแบบการศึกษาที่ครอบคลุมตัวแปรสาคัญอย่างรัดกุม มี ่การติดตามสังเกตผลอย่างเป็ นระบบซ้ า ๆ และใช้การวิเคราะห์ทางสถิติท่ีเหมาะสม ก็ยอมทาให้ผวจยสามารถ ู้ ิ ัสรุ ปผลความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรได้เช่นกัน ่ ้ การแสดงลาดับความสัมพันธ์ระหว่างตัวแปร ยึดหลักการเขียนว่าตัวแปรเหตุจะอยูตน ่ลูกศร ตัวแปรผลจะอยูปลายลูกศร สัญลักษณ์ที่ใช้ มีดงนี้ ั แทนตัวแปรสังเกตได้ (Observed Variable) แทนตัวแปรที่ไม่สามารถสังเกตได้หรื อตัวแปรแฝง (Latent Variable) แสดงตัวแปรที่ปลายลูกศร ทาให้เกิดการเปลี่ยนแปลงโดยตรงกับตัวแปร ่ ั ที่อยูหวลูกศร แสดงว่าตัวแปรที่ปลายลูกศรเมื่อพิจารณาตามแนวคิด/ทฤษฎี น่าจะทาให้ ่ ั เกิดการเปลี่ยนแปลงโดยตรงกับตัวแปรที่อยูหวลูกศร แต่จากการ ตรวจสอบด้วยข้อมูลเชิงประจักษ์ พบว่าไม่เป็ นตามนั้นหรื อไม่มีนยสาคัญ ั 9
  • 10. ั ั แสดงว่าตัวแปรที่ปลายลูกศรทั้งสองมีความสัมพันธ์กน ที่ยงไม่สามารถ ระบุทิศทางความสัมพันธ์เชิงสาเหตุของกันและกันได้ จึงมีทิศทางที่ เป็ นไปได้ท้ ง 2 ทาง ั Pij แสดงสัมประสิ ทธิ์ เส้นทางซึ่ งเป็ นขนาดของผลของตัวแปรเหตุ j ที่มีต่อตัวแปรผล i ่ ่ การแสดงลาดับความสัมพันธ์ระหว่างตัวแปร ยึดหลักการเขียนที่วา ตัวแปรอิสระอยูทางซ้ายของตัว แปรตาม 1. ความสั มพันธ์ เชิ งเหตุและผล ลักษณะของความสัมพันธ์ระหว่างตัวแปรในรู ปแบบความสัมพันธ์เชิงเหตุและผล สามารถเกิดและผล สามารถเกิดขึ้นได้หลายรู ปแบบ ดังนี้ 1.ความสั มพันธ์ ทางตรง เป็ นความสัมพันธ์ระหว่างตัวแปร 2 ตัวโดยที่ตวแปรหนึ่งเป็ นตัว ัแปรเหตุท่ีมีอิทธิ พลถึงอีกตัวแปรหนึ่งซึ่ งเป็ นตัวแปรผลตัวแปรทั้งสองไม่มีตวแปรอื่นมาเกี่ยวข้อง ั X X Y Y จากภาพ แสดงว่า ตัวแปร X มีอิทธิ พลหรื อมีความสัมพันธ์อย่างแท้จริ งต่อตัวแปร Y เนื่องจากไม่มีตัวแปรใดมาเกี่ยวข้องต่ออิทธิ พลของความสัมพันธ์น้ นตัวอย่างเช่นนักวิจยต้องการศึกษาเกี่ยวกับ ั ัความสามารถในการแก้ปัญหาทางคณิ ตศาสตร์ จึงศึกษาแนวคิด ทฤษฎีและงานวิจยที่เกี่ยวข้องพบว่าแรงจูงใจ ัใฝ่ สัมฤทธิ์ทางการเรี ยนคณิ ตศาสตร์ (X) มีอิทธิ พลทางตรงต่อความสามารถในการแก้ปัญหาทางคณิ ตศาสตร์ (Y) 2.ความสั มพันธ์ ทมีตัวแปรคั่นกลาง (Intervening Variable) เป็ นความสัมพันธ์ของตัวแปร ี่2 ตัว โดยมีตวแปรอื่นมาเป็ นตัวเชื่อมความสัมพันธ์ ั X Z Y จากภาพ แสดงว่า ตัวแปร X มีอิทธิ พลต่อตัวแปร Y โดยผ่านไปที่ตวแปร Z ตัวอย่างเช่น ัสถานภาพทางเศรษฐกิจ (X) มีอิทธิ พลต่อแรงจูงใจใฝ่ สัมฤทธิ์ ทางการเรี ยนคณิ ตศาสตร์ (Z) และแรงจูงใจใฝ่สัมฤทธิ์ ทางการเรี ยนคณิ ตศาสตร์ มีอิทธิ พลต่อความสามารถในการแก้ปัญหาทางคณิ ตศาสตร์ (Y) 10
  • 11. 3.ความสั มพันธ์ มีอทธิพลทางตรงและทางอ้อม (Direct Effect and Indirect Effect) ิคือ ความสัมพันธ์ระหว่างตัวแปรเหตุที่มีอิทธิ พลโดยตรงต่อตัวแปรผล นอกจากนี้ตวแปรเหตุยงมีอิทธิ พล ั ัทางอ้อมต่อตัวแปลผลโดยส่ งผ่านตัวแปรอื่น Z X Y จากภาพ แสดงว่า ตัวแปร X มีอิทธิ พลทางตรงต่อตัวแปร Y และมีอิทธิ พลทางอ้อมต่อตาแปร Yโดยส่ งผ่านตัวแปร Z ตัวอย่างเช่น เจคติต่อวิชาคณิ ตศาสตร์ (X) มีอิทธิ พลทางตรงต่อความสามารถในการแก้ไขปั ญหาทางคณิ ตศาสตร์ (Y) นอกจากนั้นยังอิทธิ พลทางอ้อมต่อความสามารถในการแก้ไขปั ญหาทางคณิ ตศาสตร์ โดยผ่านแรงจูงใจใฝ่ สัมฤทธิ์ทางการคณิ ตศาสตร์ (Z) ั 4.ความสั มพันธ์ แบบมีตัวกด คือ ความสัมพันธ์ท่ีตวแปรมีความสัมพันธ์กบตัวแปรเหตุไม่มี ั ัความสัมพันธ์กบตัวแปรผล Z X Y ั ั จากภาพ แสดงว่าตัวแปร Z มีความสัมพันธ์กบตัวแปร X แต่ไม่มีความสัมพันธ์กบตัวแปร Yตัวอย่างเช่น ความสัมพันธ์ทางด้านภาษาไทย (Z) เป็ นตัวแปรที่ส่งผลต่อความสามารถในการแก้ไขปั ญหาทางคณิ ตศาสตร์ (X) และความสามารถในการแก้ไขปั ญหาทางคณิ ตสาสตร์ ส่ งผลต่อผลสัมฤทธิ์ทางคณิ ตศาสตร์ (Y) 5. ความสั มพันธ์ เชิ งเหตุและผลย้ อนกลับ (Reciprocal Causal Relationship) คือความสัมพันธ์ของตัวแปร2 ตัวที่ต่างก็มีอิทธิ พลซึ่ งกันและกัน X Y 11
  • 12. จากภาพ แสดงว่า ตัวแปร X และตัวแปร Y ต่างมีอิทธิ พลต่อกัน แสดงทิศทางอิทธิ พลด้วยลูกศรจากตัวแปร X ไปตัวแปร Y และจากตัวแปร Y ไปตัวแปร X ตัวอย่างเช่น รู ปแบบการสอนของครู (X) ส่ งผลต่อการจัดการเรี ยนการสอน (Y) ส่ งผลต่อรู ปแบบการสอนของครู (X)โมเดลเชิ งสาเหตุ : การสร้ างและการวิเคราะห์ ในที่น้ ีขอยกตัวอย่างโมเดลเชิ งสาเหตุข้ ึนพื้นฐาน สาหรับ 2, 3 และ 4 ตัวแปรเพื่อเป็ นการศึกษาลักษณะของโมเดลสมการโครงสร้างและการคานวณสัมประสิ ทธิ์ เส้นทาง 1 โมเดลเชิงสาเหตุของ 2 ตัวแปร 1) โมเดล : P21 R2 X1 X2 ภาพที่ 9.3 โมเดลเชิงสาเหตุของ 2 ตัวแปร ตัวแปร X1 ถือว่าเป็ นตัวแปรสาเหตุ (ตัวแปรอิสระ) เพียงตัวเดียวของการเกิดผล X2 (ตัวแปรตาม)สาหรับ R2 ถือเป็ นส่ วนที่เหลือ (Residual) หรื อตัวแปรอื่น ๆ ที่มิได้นามาศึกษาในสมการ (UnmeasuredVariables) 2) สมการโครงสร้าง : สมการในรู ปคะแนนดิบ X2 = a + bX1 + e2 สมการในรู ปคะแนนมาตรฐาน Z2 = P21 Z1 + e2 หรื อ Z2 = P21 Z1 + P22 R2 เมื่อ P21 = สัมประสิ ทธิ์ เส้นทางจากตัวแปรอิสระ X1 ไปยังตัวแปรตาม X2 ซึ่งบอกขนาดของผลการเปลี่ยนแปลงในตัวแปรตาม X2 อันเนื่อง มาจากการเปลี่ยนแปลงไป 1 หน่วยของตัวแปรอิสระ X1 P22 = สัมประสิ ทธิ์ เส้นทางจากตัวแปรอิสระอื่น ๆ (R2 ) ที่มิได้นามาศึกษาที่ ส่ งผลต่อตัวแปรตาม X2 3) การคานวณสัมประสิ ทธิ์ เส้นทาง สัมประสิ ทธิ์ เส้นทางสาหรับโมเดลที่สร้างขึ้นมาสามารถคานวณได้ จากการแยกส่ วนความสัมพันธ์ (Decomposition of Correlations) ระหว่างตัวแปรในโมเดลดังนี้ 12
  • 13. จาก r  1  Z 1Z 2 12 N 1  N  Z 1 ( P21 Z 1  e 2 )   2 (Z1) ( Z 1 )( e 2 )  P21  N N  2 Z1 เนื่องจาก เป็ นความแปรปรวนของคะแนนมาตรฐานจึงมีค่าเป็ น 1 N สาหรับ  ( Z 1 )( e 2 ) เป็ นความแปรปรวนร่ วมระหว่างตัวแปร X1 กับ e2 ตามข้อตกลง Nเบื้องต้นมีค่าเป็ น 0 r12 = P21 หรื อ ß 21 ดังนั้น ในโมเดลที่ตวแปรตามเป็ นผลเนื่ องมาจากตัวแปรอิสระเพียง 1 ตัว และตัวแปรส่ วนที่เหลือ R ัอีก 1 ตัว ค่าสัมประสิ ทธิ์ เส้นทางจะมีคาเท่ากับสัมประสิ ทธิ์ สหสัมพันธ์อย่างง่ายระหว่างตัวแปรนั้น ๆ ่ ในทานองเดียวกัน จะได้ r22 = P22 = ß 22 สมมุติวา P21 = 0.6 แสดงว่า X1 สามารถอธิบายการผันแปรของ X2 ได้ [ (.6)2 x 100] ่ เท่ากับ 36% ส่ วน P  1  ( r )  1  0 . 36  0 . 8 22 12 2 แสดงว่า R2 สามารถอธิบายการผันแปรของ 2X2 ได้ [1-( r12 ) ) x 100] เท่ากับ 64%2. โมเดลเชิงสาเหตุของ 3 ตัวแปร กรณี ที่ 1 1) โมเดล (A) : ความเป็ นสาเหตุเกิดจากตัวแปรภายในที่เป็ นอิสระจากกัน P31 R3 1  3  2 P32 ภาพที่ 9.4 โมเดลเชิงสาเหตุของ 3 ตัวแปร (A) ตัวแปรอิสระ X1 และ X2 ต่างเป็ นตัวแปรที่เป็ นอิสระต่อกันหรื อไม่ข้ ึนต่อกัน (Independent causes)และถือว่าเป็ นสาเหตุร่วมกันของการเกิดผล X3 (ตัวแปรตาม) สาหรับ R3 ถือเป็ นตัวแปรอิสระอื่น ๆ ภายนอกที่ 13
  • 14. ไม่ได้นามาศึกษา (Residual) ทั้ง X1 และ X2 จึงถือว่าเป็ นตัวแปรอิสระในโมเดล ซึ่งความผันแปรของมันถูก ่อธิ บายโดยตัวแปรที่อยูนอกโมเดล (Exogenous Vauiables) ดังนั้นการแปรผันของ X1 และ X2 ่อันเนื่องมาจากการกาหนดของตัวแปรภายนอกจึงไม่อยูในเป้ าหมายของการศึกษา ส่ วน X3 เป็ นตัวแปรตาม ่ในโมเดล ซึ่ งความผันแปรของมันถูกอธิ บายโดยตัวแปรที่อยูในโมเดล (Endogenous Variable) คือ X1 และ X2 2) สมการโครงสร้าง Z.3 = P31 Z1 + P32 Z2 + e3 เมื่อ P31 = สัมประสิ ทธิ์ เส้นทางจากตัวแปรอิสระ X1 ไปยังตัวแปรตาม X3 ซึ่งบอกขนาดของผลการเปลี่ยนแปลงในตัวแปรตาม X3 อันเนื่องมาจากการเปลี่ยนแปลงไป 1 หน่วยของตัวแปรอิสระ X1 P32 = สัมประสิ ทธิ์ เส้นทางจากตัวแปรอิสระ X2 ไปยังตัวแปรตาม X3 3) การคานวณสัมประสิ ทธิ์ เส้นทาง สัมประสิ ทธิ์ เส้นทางสาหรับโมเดลนี้สามารถคานวณได้จากการแยกส่ วนความสัมพันธ์ระหว่างตัวแปรในโมเดล ดังนี้ เพราะว่า 1  Z Z r 13 N  1 3 1  N  Z 1 ( P31 Z 1  P32 Z 2  e 3 )    2 (Z1) Z 1Z 2 ( Z 1 )( e 3 )  P31  P32  N N N เพราะฉะนั้น r  13 P 31 หรื อ  31 ทานองเดียวกัน r 23  P 32 หรื อ  32 k แต่เนื่ องจาก R 2 Y . X 1 X 2 X 3 ... Xk   r y.xp  p p 1 เพราะฉะนั้น R  r  r 2 3 . 12 2 13 2 23 ่ สมมติวา P  0.5 , P  0.4 แสดงว่าตัวแปรอิสระ X1 และ X2 สามารถร่ วมกันอธิ บายการ 31 32ผันแปรของตัวแปรตาม X3 ได้  0 . 5    0 . 4   100 เท่ากับ 41% ส่ วน P  1 - (R ) 2 2 32 3.12 2 P  1 - 0.41  0.77 32 แสดงว่า R3 สามารถอธิบายการผันแปรของ X3 ได้ [( 1  R )  100 ] 2 3 . 12เท่ากับ 59% 14
  • 15. กรณี ที่ 2 1) โมเดล (B) : ความเป็ นสาเหตุเกิดจากตัวแปรภายในที่ส่งผลต่อกันภาพที่ 9.5 โมเดลเชิงสาเหตุของ 3 ตัวแปร (B) ตัวแปร X3 เป็ นผลเนื่องมาจากตัวแปร X1 และ X2 ซึ่ งไม่เป็ นอิสระจากกันโดยตัวแปร X2ถูกกาหนดโดยตัวแปรอิสระ X1 (Mediatd cause) ความผันแปรของ X1 ไม่ได้ถูกกาหนดโดยตัวแปรใดเลยในโมเดลตัวแปร X1 จะเป็ น Exogenous Variable ส่ วนตัวแปร X2 และ X3 ความผันแปรของมันถูกกาหนดโดยตัวแปรในโมเดล ทั้ง X2 และ X3 (Endogenous Variable) 2) สมการโครงสร้าง Z 2  P 21 Z 1  e 2 Z 3  P 31 Z 1  P 32 Z 2  e 3 เมื่อ P31   31 2 P32   32.1 15
  • 16. 3) การคานวณสัมประสิ ทธิ์ เส้นทาง สัมประสิ ทธิ์ เส้นทางสาหรับโมเดลนี้สามารถคานวณได้จากการแยกส่ วนความสัมพันธ์ระหว่างตัวแปรในโมเดล ดังนี้ 1 r12  N  Z 1Z 2  P 21 ่สมมติวา P21=0.6 ,P32=0.4 แสดงว่าตัวแปรอิสระ X1และX2สามารถร่ วมกันอธิ บายการผันแปรของตัวแปรตามX3ได้ [(0.5)2+(0.4)2+2(0.5)(0.4)(0.6)]เท่ากับ0.65หรื อ 65% ส่ วนR3สามารถอธิบายความผันแปรของ X3ได้35% 16
  • 17. กรณี ที่ 3 ั 1) โมเดล (C ): ความเป็ นสาเหตุเกิดจากตัวแปรภายในที่สัมพันธ์กนภาพที่ 9.6 โมเดลเชิงสาเหตุของ 3 ตัวแปร (C) ตัวแปรอิสระ X1 และ X2 ถือว่าเป็ นสาเหตุร่วมกันของการเกิดผล X3 (ตัวแปรตาม) โดยตัวแปร ัX1 และ X2 มีความสัมพันธ์กน ซึ่ งไม่มีกาหนดทิศทางของสาเหตุ (Correlated Causes) ทั้ง X1 และ X2 ต่างเป็ น Exogenous Variable ส่ วน X3 เป็ น Exogenous Variable สัมประสิ ทธิ์ สหสัมพันธ์ระหว่าง X1 และ X1และ X2 เสมือนเป็ นค่าที่ถูกกาหนดขึ้นมาจากตัวแปรภายนอก จึงไม่สามารถแยกส่ วนความสัมพันธ์เป็ นองค์ประกอบย่อยได้ 2) สมการโครงสร้าง Z.3 = P31 Z1 + P32 Z2 + e3 เมื่อ P31 = สัมประสิ ทธิ์ เส้นทางจากตัวแปรอิสระ X1 ไปยังตัวแปรตาม P32 = สัมประสิ ทธิ์ เส้นทางจากตัวแปรอิสระ X2 ไปยังตัวแปรตาม X3 3) การคานวณสัมประสิ ทธิ์ เส้นทาง 1 r12  N  Z 1Z 2 1 r13  N  Z 1Z 3 1  N  Z 1 ( P31 Z 1  P32 Z 2  e 3 )    ( Z 1 ) e 3  2 Z1 Z1 Z 2  P 31  P 32  N N N P31  P32 r12 = …………………….(3) Direct Effect) (Unanalyzed Component) 17
  • 18. 1 r23  N  Z 1Z 3 1  N  Z 2 ( P31 Z 1  P32 Z 2  e 3 )    ( Z 2 ) e 3  2 Z1 Z 2 Z2  P 31  P 32  N N N P31 r12 = …………………….(4) P 32(Unanalyzed Component) (Direct Effect) ทั้ง r และ r ประกอบด้วย 2 ส่ วน ได้แก่ 13 23 1) ผลทางตรงและ 2) ผลอันเนื่ องมาจากสาเหตุร่วมที่มีความสัมพันธ์กนเนื่องไม่ทราบทิศทางของความสัมพันธ์เชิงสาเหตุ ั จึงเป็ นส่ วนที่ไม่สามารถวิเคราะห์และแปลความหมายได้ จาก(3) และ (4) เราสามารถแก้สมการหาค่าของ P และ P ได้ 31 32 จากโมเดลความสัมพันธ์สาเหตุ(A) , (B) และ (C) พอสรุ ปได้วา สัมประสิ ทธิ์ สหพันธ์ระหว่างตัว ่ แปรอิสระและตัวแปรตามคู่ใดคู่หนึ่ง สามารถแยกแยะลักษณะความพันธ์ออกเป็ นส่ วนย่อย ได้แก่ 1. ผลทางตรง (Direct Effect หรื อ DE) เป็ นความสัมพันธ์โดยตรงระหว่างตัวแปร 2. ผลทางอ้อม (Indirect Effect หรื อ IE ) เป็ นความสัมพันธ์ทางอ้อมระห่างตัวแปร 3. ผลที่ไม่สามารถนามาวิเคราะห์ (Unanalyzed Component หรื อU) อันเนื่องมาจากเป็ นสาเหตุร่วม ั ที่มีความสัมพันธ์กน (Correlated Causes) 4. ผลลวงที่เกิดขึ้น (Spurious Component หรื อ S) เป็ นความสัมพันธ์ลวง อันเนื่องมาจากสาเหตุ ร่ วมกัน (Common Carses) ผลรวมของ DE กับ IE เรี ยกว่า Total Effect หรื อ Effect Coefficient ซึ่งแสดงถึงผลในเชิงสาเหตุท้ งหมด ส่ วนผลรวมของ U และ S เป็ นส่ วนของความสัมพันธ์ที่ไม่ใช่ความสัมพันธ์เชิงสาเหตุ ั 18
  • 19. 3 โมเดลเชิงสาเหตุของ 4 ตัวแปร 1) โมเดล 19
  • 20. ตัวอย่าง โมเดลเชิงสาเหตุแบบ 4 ตัวแปร โมเดลโครงสร้างแบบเต็มรู ป (Full Model or Just – Identified Model)สมมุติให้ X1 = SES = สถานภาพาทางเศรษฐกิจและสังคม X2 = IQ = คะแนนสถิติปัญญา X3 = ACH = ผลสัมฤทธิ์ ทางการเรี ยน X4 = GPA = คะแนนสถิติปัญญา Z4 = P41 Z1 + P42 Z2 + P43 Z3 + e4 Z3 = P31 Z1 + P32 Z2 + e4 หมายเหตุ ตัวเลขหน้าวงเล็บแสดงสัมประสิ ทธิ์ เส้นทาง ตัวเลขในวงเล็บแสดงความคลาดเคลื่อนมาตรฐาน จากการคานวณค่าสัมประสิ ทธิ์ สหสัมพันธ์ที่ได้จากโมเดลเชิงสาเหตุ (Reproduced Correlation)แบบเต็มรู ป ตามสมการ (5) , (6) , (7), (8) และ (9) ซึ่ งจะได้เท่ากับค่าสัมประสิ ทธิ์ สหสัมพันธ์ที่ได้จากข้อมูลเชิงประจักษ์ (Observed Correlation) ตัวอย่าง โมเดลเชิงสาเหตุแบบ 4 ตัวแปร : โมเดลโครงสร้างแบบไม่เต็มรู ป(Overidentified Model) จากตัวอย่างโมเดลโครงสร้างแบบเต็มรู ป พบว่าผลทางตรงของ SES ต่อ GPA และผลทางตรงของIQ ต่อ ACH มีขนาดเล็กมากเมื่อพิจารณาทั้งในทางสถิติ (Statistic) และทางปฏิบติ (Practicality) จึงอาจลบ ัเส้นทางทั้งสองออกจากโมเดลเชิงสาเหตุ โดยตั้งสมมุติฐานว่าผลตามเส้นทางทั้งสองมีค่าเป็ น 0 เมื่อปรับปรุ งโมเดลเชิงสาเหตุใหม่ตามสมมุติฐานด้วยการลบเส้นทางทั้งสองออก จะได้โมเดลตามสมมุติฐาน หรื อโมเดล 20
  • 21. โครงสร้างแบบไม่เต็มรู ป (Overidentified Model) ซึ่ งเป็ นโมเดลที่มีการลบบางเส้นทางออกจากโมเดลเต็มรู ป หรื อเป็ นการกาหนดให้บางเส้นทางมีผลเป็ น 0 นันเอง เมื่อคานวณค่าสัมประสิ ทธิ์ เส้นทางจะปรากฏผลดังรู ปข้างล่าง ่ Z4 = P41 Z1 + P43 Z3 + e4 Z3 = P31 Z1 + e3เมื่อคานวณค่าสัมประสิ ทธิ์สหสัมพันธ์ที่ได้จากโมเดลปรากฏผล ดังนี้ r13 = P31 = .41 r23 = P31 r12 = .123 r14 = P42 r12 + P43 r13 = .323 r24 = P42 + P43 r13 = .555 r14 = P42 r23 + P43 = .482 ตารางที่ 9.1 สัมประสิ ทธิ์ สหสัมพันธ์ที่ได้จากโมเดล (ค่าที่อยูได้เส้นทแยงมุม) กับ สัมประสิ ทธิ์ ่สหสัมพันธ์ที่ได้จากข้อมูล (ค่าที่อยูเ่ หนือเส้นทแยงมุม) ตัวแปร 1 2 3 4 SES IQ ACH GPA 1 SES 1.000 .300 .410 .330 2 IQ .300 1.000 .160 .570 3 ACH .410 .123 1.000 .500 4 GPA .323 .555 .482 1.000 ่ เราสามารถทาการทดสอบสมมุติฐานศูนย์ (Null Hypothesis, H0 ) ที่วาโมเดลสอดคล้องกับข้อมูลเชิงประจักษ์โดยการใช้ X2 - test ระหว่างสัมประสิ ทธิ์สหสัมพันธ์ที่คานวณได้จากโมเดล (Reproduced Correlation) 21
  • 22. กับสัมประสิ ทธิ์ สหสัมพันธ์ที่คานวณได้จากข้อมูลเชิงประจักษ์ (Observed Correlation)ที่ Degree of Freedomเท่ากับจานวนเส้นทางที่สมมุติให้มีผลเป็ น 0 เมื่อ X2 = 0 แสดงว่าเมตริ กซ์สัมประสิ ทธ์สหสัมพันธ์ท้งสองมี ัค่าเท่ากัน หรื อมีความสอดคล้องอย่างสมบูรณ์ แต่ถาเราปฏิเสธ H0 แสดงว่าโมเดลไม่สอดคล้องกับข้อมูลเชิง ้ประจักษ์ นอกจากนี้ Specht (1975 อ้างถึงใน Pedhazur, 1982) ยังได้เสนอสู ตรสาหรับทดสอบ H0 ที่วาโมเดล ่โครงสร้างแบบไม่เต็มรู ปหรื อโมเดลตามสมมุติฐาน (Overricentified Model ) มีความสอดคล้องกับข้อมูลเชิงประจักษ์หรื อไม่ ดังมีรายละเอียดของขั้นตอนการคานวณดังนี้ 1. คานวณ Generalized Squared Multiple Correlation ของโมเดลโครงสร้างแบบเต็มรู ป (FM)และแบบไม่เต็มรู ป (OM) R 2FM = 1 – (1- R 21 ) (1 - R 22 )…(1- R 2i )…(1- R 2p) ในเมือ R 2i เป็ นกาลังสองของสัมประสิ ทธิ์สัมพันธ์พหุ คูณ (Squared Multiple CorrelationCoefficients) ของเส้นทางที่ I (หรื อสมการที่ i) ในโมเดลโครงสร้างเต็มรู ปแบบ R 2OM = 1 – (1- R 21 ) (1 - R 22 )…(1- R 2j )…(1- R 2p) ในเมื่อ R 2OM เป็ นกาลังสองของสัมประสิ ทธิ์ สหสัมพันธ์พหุคูณของเส้นทางที่ j ในโมเดลโครงสร้างแบบไม่เต็มรู ปแบบ โดย R 2OM สามารถมีค่าต่าสุ ดเป็ น 0 และสู งสุ ดเป็ น R 2FM 2. คานวณค่าดัชนีความสอดคล้อง (Measure of Goodness of Fit หรื อ Q) 1- R 2FM Q= 1-R 2OM 3. คานวณค่า W ซึ่งมีการแจกแจงใกล้เคียงการแจกแจง X2 สาหรับกลุ่มตัวอย่างขนาดใหญ่ X 2 ~ W = – (N-d) loge Q ที่ df = d เมื่อ N = ขนากของกลุ่มตัวอย่าง d = จานวนเส้นทางที่สมมุติให้อิทธิ พลเป็ น 0 ในโมเดลโครงสร้างแบบไม่เต็มรู ป หรื อ จานวนเส้นทางที่ลบออกจากโมเดลโครงสร้างแบบเต็มรู ป ถ้า Q มีค่าเป็ น 1 ทาให้ X 2 จากการคานวณมีค่าเป็ น 0 แสดงว่าโมเดลสอดคล้องอย่างสมบูรณ์กบข้อมูล ัเชิงประจักษ์ แต่ถา R 2OM มีคาน้อยลง Q ก็จะมีคาน้อยลงและ R 2 จะมีค่ามากขึ้น ้ ่ ่ เมื่อการทดสอบ X 2 มีนยสาคัญทางสถิติ แสดงว่า โมเดลไม่สอดคล้องกับข้อมูล แต่ถาการทดสอบ X2 ไม่ ั ้มีนยสาคัญแสดงว่า โมเดลสอดคล้องกับข้อมูลเชิงประจักษ์ อย่างไรก็ตาม ความมีนยสาคัญของ X2 อาจเป็ น ั ัผลกระทบอันเนื่องมาจากขนาดของกลุ่มตัวอย่าง ดังนั้น จึงควรพิจารณาถึงค่าดัชนีความสอดคล้อง (Q) ด้วยในการประเมินความสอดคล้องของโมเดลกับข้อมูลเชิงประจักษ์ ตัวอย่างผลการวิเคราะห์เส้นทาง (Path Analysis) 22
  • 23. 1) บริ บทของการวิจย นักวิจยต้องการศึกษาความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรภายใต้การออกแบบ ั ัการวิจยที่ไม่ใช่การทดลอง เพื่อศึกษาอิทธิพลของตัวแปรต้นที่มีต่อตัวแปรตามในโมเดลเชิงสาเหตุท่ีตวแปรทุกตัว ั ัเป็ นตัวแปรที่สามารถสังเกตหรื อวัดค่าได้ (Manifest Veriables) 2) วัตถุประสงค์ของการวิเคราะห์ นักวิจยต้องการทราบขนาดอิทธิ พลของตัวแปรต้นว่าตัวแปร ัใดบ้างมีผลอย่างมีนยสาคัญต่อขวัญในการปฏิบติงาน และตัวแปรในโมเดลเชิงสาเหตุมีอิทธิ พลต่อกันใน ั ัโครงสร้างความสัมพันธ์เชิงสาเหตุทิศทางใด และขนาดเท่าใด 3) การออกแบบการวิจย ั 3.1) นักวิจยศึกษาแนวคิด ทฤษฎี และผลการวิจยที่เกี่ยวข้อง เพื่อคัดเลือกตัวแปรทานาย ั ั หรื อตัวแปรสาเหตุ เพื่อสร้างเป็ นโมเดลเชิงสาเหตุตามสมมุติฐาน ดังภาพที่ 9.10 ซึ่งประกอบด้วยตัว แปรทั้งหมด 5 ตัว ดังนี้ 1) สิ่ งแวดล้อมทางบ้าน (HOMEMV) ั 2) มนุษย์สัมพันธ์กบเพื่อนร่ วมงาน (HUMANREL) 3) เจตคติต่อเพื่อนร่ วมงาน (ATTFRD) 4) เจตคติต่อหน่วยงาน (ATTINT) 5) ขวัญในการปฏิบติงาน (MORALE) ั | 3.2) นักวิจยสุ่ มตัวอย่างพนักงานจากหน่วยงานต่าง ๆ จานวน 350 คน เพื่อเก็บรวบรวมข้อมูลตาม ัตัวแปรของโมเดลเชิงสาเหตุท้ ง 5 ตัวแปร ั 3.3) นักวิจยวางแผนการศึกษาโครงสร้างความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรโดย ัการวิเคราะห์เส้นทาง (Path Analysis) 23
  • 24. 4) วิธีวเิ คราะห์ ผูวจยทาการวิเคราะห์เส้นทางของโมเดลเชิงสาเหตุตามสมมุติฐานและโมเดลเชิง ้ิัสาเหตุแบบเต็มรู ป (Full Model) โดยใช้โปรแกรม DPSSPC+ ด้วยคาสั่ง REGRESSION โดยใช้วธี ENTER ิ 5) ผลการวิเคราะห์และแปลความหมาย ผลการวิเคราะห์โมเดลโครงสร้างตามสมมุติฐาน โมเดลโครงสร้างเต็มรู ป ผลการทดสอบความสอดคล้องของโมเดล ค่าสัมประสิ ทธิ์ เส้นทางของตัวแปร สาเหตุที่มีต่อขวัญในการปฏิบติงาน และผลการคานวณค่าสัมประสิ ทธิ์ เส้นทางของตัวแปรสาเหตุท่ีมีอิทธิ พลทางตรง ัและทางอ้อมต่อขวัญในการปฏิบติงาน ดังแสดงในตารางที่ 9.2 ตามลาดับ ัตารางที่ 9.2 ค่าสัมประสิ ทธิ์ เส้นทางและสัมประสิ ทธิ์ สหสัมพันธ์พหุ ที่ได้จากการวิเคราะห์โมเดล โครงสร้างเต็มรู ปของตัวแปรเหตุที่ส่งผลต่อขวัญในการปฏิบติงาน ั ตัวแปรเหตุ ตัวแปรผล R R2 Pij t MORALE .0872 .6515** HOMENV .0175 1.035 HUMANREL .4224 18.957** ATTFRD .2103 9.092** ATTINT .3077 14.033** ATTINT .6462 .4177** HOMENV .0630 2.890 HUMANREL .4160 15.273** ATTFRD .2886 14.033** ATTFRD .6156 .3790** HOMENV -.0361 -1.605 HUMANREL .6189 27.537** HOMENV HUMANREL .1181 .0139** .1181 4.203** **p < .01 จากการวิเคราะห์เส้นทางตามโมเดลโครงสร้างเต็มรู ปแบบพบว่าสัมประสิ ทธิ์ การทานาย MORALE,ATTINT, ATTFRD, และ HUMANREL ของสมการทานายทั้ง 4 สมการ มีค่าเท่ากับ 0.6515, 0.4177,0.3790 และ 0.0139 ตามลาดับ ซึ่ งมีนยสาคัญทางสถิติที่ระดับ .01 และพบว่าสัมประสิ ทธิ์ เส้นทางที่มี ันัยสาคัญทางสถิติที่ระดับ .01 มี 7 เส้นทาง 24
  • 25. ตารางที่ 9.3 ค่าสัมประสิ ทธิ์ เส้นทางและสัมประสิ ทธิ์ สหสัมพันธ์พหุ ที่ได้จากการวิเคราะห์โมเดล โครงสร้างตามสมมุติฐานของตัวแปรเหตุที่ส่งผลต่อขวัญในการปฏิบติงาน ั ตัวแปรเหตุ ตัวแปรผล R R2 Pij t MORALE .8069 .6521** HUMANREL .4246 19.134** ATTFRD .2086 9.040** ATTINT .3095 14.164** ATTINT .6462 .4177** HOMENV .0630 2.890 HUMANREL .2886 10.454** ATTFRD .4190 15.273** HOMANREL ATTFRD .6146 .3778** .6146 27.523** HOMENV HUMANREL .1181 .0139** .1181 4.203** **p < .01 จากการวิเคราะห์เส้นทางตามโมเดลโครงสร้างตามสมมุติฐานพบว่า สัมประสิ ทธิ์ การทานายMORALE, ATTINT, ATTFRD, และ HUMANREL ของสมการทานายทั้ง 4 สมการ มีค่าเท่ากับ 0.6521,0.4177, 0.3778 และ 0.0139 ตามลาดับ ซึ่งมีนยสาคัญทางสถิติที่ระดับ .01 ั สัมประสิ ทธิ์ เส้นทางที่มีนยสาคัญทางสถิติที่ระดับ .01 มี 7 เส้นทาง โดยตัวแปรเหตุท่ีสามารถทานาย ัขวัญในการปฏิบติงานได้อย่างมีนยสาคัญทางสถิติ เมื่อเรี ยงลาดับความสาคัญ ได้แก่ ประกอบด้วย มนุษย ั ัสัมพันธ์กบเพื่อนร่ วมงาน (HUMANREL) เจตคติต่อหน่วยงาน (ATTINT) เจตคติต่อเพื่อนร่ วมงาน ั(ATTFRD) ตารางที่ 9.4 การทดสอบโมเดลตามสมมุติฐานกับโมเดลโครงสร้างเต็มรู ป ทดสอบโดยวิธีการของสเปคท์ (Specht) H 0 : โมเดลตามสมมุติฐานหรื อโมเดลไม่เต็มรู ป (Overidentified Model) สอดคล้องกับข้อมูล H 1 : โมเดลตามสมมุติฐานไม่สอดคล้องกับข้อมูล 25
  • 26. 26
  • 27. ตารางที่ 9.5 ค่าสัมประสิ ทธิ์ เส้นทางของโมเดลโครงสร้างตามสมมุติฐาน เส้นทาง ค่าสัมประสิ ทธิ์ เส้นทาง (Pij ) P54 .3095** P53 .2086** P52 .4246** P43 .4190** P42 .2886** P41 .0630 P32 .6146** P21 .1181** **p < .01 จากตารางที่ 9.5 แสดงว่าสัมประสิ ทธิ์ เส้นทาง ที่ได้จากการคานวณโมเดลตามสมมุติฐานพบว่า Pijทุกค่ามีนยสาคัญทางสถิติท่ีระดับ .01 ยกเว้น P41 แสดงว่าสิ่ งแวดล้อมทางบ้านไม่มีอิทธิ พลโดยตรงต่อเจต ัคติต่อหน่วยงาน แต่มีอิทธิ พลโดยตรงต่อมนุษยสัมพันธ์กบเพื่อนร่ วมงาน ั ตารางที่ 9.6 ผลการคานวณค่าสัมประสิ ทธิ์ เส้นทางของตัวแปรเหตุท่ีมีอิทธิ พลทางตรงและทางอ้อมต่อขวัญในการปฏิบติงาน (MORALE) ั ตัวแปรเหตุ ผลทางตรง ผลทางอ้อม ผลรวม (Direct Effect) (Indirect Dffect) (Total Effect) ATTINT P54 - .3095 (.3095) (0) ATTFRD P53 P54 P43 .3383 (.2086) (.1297) HUMANREL P52 P53 P32 + P54 (P43 P32 + P42) .7218 (.4246) (.2972) HOMENV - P52 P21 + P53 P32 P21+ P54 .1047 (0) ( P43 P32 P21 + P42 P21 + P41) (.1047) 27
  • 28. จากตารางที่ 9.6 เมื่อพิจารณาผลรวมแสดงว่าตัวแปรเหตุที่มีอิทธิ พลต่อขวัญในการปฏิบติงานเรี ยง ัตามลาดับความสาคัญได้ดงนี้ (1) มนุษย์สัมพันธ์กบเพื่อนร่ วมงาน (2) เจตคติต่อเพื่อนร่ วมงาน (3) เจตคติ ั ัต่อหน่วยงาน (4) สิ่ งแวดล้อมทางบ้าน โดยมีค่าอิทธิ พลรวมเท่ากับ 0.7218, 0.3383, 0.3095 , แบะ 0.1047ตามลาดับ ั มนุษยสัมพันธ์กบเพื่อนร่ วมงานมีอิทธิ พลสู งสุ ดต่อขวัญในการปฏิบติงาน โดยมีอิทธิ พล ัทางตรงเท่ากับ 0.4246 ส่ วนอิทธิ พลทางอ้อมผ่านเจตคติต่อเพื่อนร่ วมงานและเจตคติต่อหน่วยงานมีค่าเท่ากับ0.2972 เจตคติต่อเพื่อนร่ วมงานมีอิทธิ พลทางตรง และอิทธิ พลทางอ้อมต่อขวัญในการปฏิบติงานเท่ ั ่กับ 0.2086 และ 0.1297 ตามลาดับ ส่ วนเจตคติตอหน่วยงานมีเฉพาะอิทธิ พลทางตรงต่อขวัญในการปฏิบติงานเท่ากับ 0.309 สาหรับสิ่ งแวดล้อมทางบ้านมีอิทธิ พลต่าสุ ด โดยมีอิทธิ พลทางอ้อมเท่ากับ 0.1047 ัการพัฒนาโมเดลเชิ งสาเหตุ หลักการที่สาคัญของการวิเคราะห์โครงสร้างความสัมพันธ์ระหว่างตัวแปร คือ การสร้างโมเดลเชิงสาเหตุ และการใช้ขอมูลเชิงประจักษ์ตรวจสอบโมเดลที่สร้างขึ้น ้ การพัฒนาโมเดลเชิงสาเหตุท่ีดีจะต้องพัฒนาขึ้นมาจากแนวคิดทฤษฎีที่ดีที่สุดเท่าที่จะหาได้ ประกอบกับความรอบรู ้ในเรื่ องที่จะทาวิจยของผูวจย ั ้ิั จึงจะทาให้ได้โมเดลเชิงสาเหตุท่ีสมบูรณ์ท่ีจะนาไปสู่ การคัดเลือกตัวแปรหรื อองค์ประกอบที่เกี่ยวข้องกับโมเดลเชิงสาเหตุท่ีจะพัฒนาขึ้นมา การพัฒนาโมเดลจะต้องผ่านการกลันกรอง ตรวจสอบและปรับปรุ งแก้ไขจนได้โมเดลเชิงสาเหตุท่ีสมเหตุสมผลที่สุด โดยอาจจะใช้ ่การสารวจและวิเคราะห์ขอมูลขั้นต้น โดยการทา factor analysis เบื้องต้น แล้วนามาปรับแก้เพื่อให้ได้โมเดล ้ที่สมบูรณ์สุดจากนั้นจึงเก็บข้อมูลเพื่อใช้ในการทดสอบโมเดลจนกระทังได้โมเดลที่น่าเชื่อถือขั้นตอนการ ่พัฒนาโมเดลเชิงสาเหตุแสดงไว้ในภาพที่ 4.1 28
  • 29. ตัวแปรของความสั มพันธ์ เชิ งเหตุและผล ความสัมพันธ์เชิงเหตุและผล สามารถจาแนกตัวแปรได้เป็ น 3 ประเภท คือ 1.ตัวแปรภายนอก (Exogenous Variable) เป็ นตัวแปรแรกเริ่ มของโมเดล ซึ่ งเป็ นตัวแปรที่เป็ นผลมาจากตัวแปรอื่นนอกโมเดลโดยผูวิจยไม่สนใจจะอธิบายความแปรปรวนของตัวแปร ้ ัดังกล่าวว่าได้รับอิทธิ พลจากตัวแปรใดบ้าง 2.ตัวแปรภายใน (Endogenous Variable) เป็ นตัวแปรที่เป็ นผลของตัวแปรที่อยูใน ่โมเดล ่ 3.ตัวแปรส่ วนทีเ่ หลือ (Residual Variable) เป็ นตัวแปรที่ไม่อยูในโมเดล แต่อาจมี ่อิทธิ พลต่อตัวแปรที่อยูในโมเดลที่สร้างขึ้นหรื อเรี ยกว่าความคลาดเคลื่อน 29
  • 30. จากภาพที่ 4.2 ตัวแปร X1 และตัวแปร X2 เป็ นตัวแปรภายนอกส่ วน X3 และYเป็ นตัวแปรภายในและeiเป็ นตัวแปรส่ วนที่เหลือทฤษฎีสัมประสิ ทธิ์อทธิพล ิ เมื่อมีรูปแบบแสดงอิทธิ พลเชิงสาเหตุทางทฤษฎีแล้ว ผูวจยสามารถแยกค่าความสัมพันธ์ระหว่างตัว ้ิัแปรในโมเดล (r) ออกเป็ นผลรวมของพารามิเตอร์ ตามทฤษฎีสัมประสิ ทธิ์ อิทธิ พลได้โดยที่สัมประสิ ทธิ์ ่สหสัมพันธ์ระหว่างตัวแปรสองตัวในโมเดลมีคาเท่ากับผลบวกของอิทธิ พลทางตรง (Direct Effect : DE)อิทธิพลทางอ้อม (Indirect Effect : IE) ความสัมพันธ์เทียบ (Spurious Relationship : PS) และอิทธิ พลร่ วม ่(Joint Effect : JE) ที่ไม่สามารถแยกได้วาเป็ นอิทธิ พลแบบใด ดังสมการต่อไปนี้ (นงลักษณ์ วิรัชชัย, 2542) r = DE + IE + SR + JE ในการวิเคราะห์อิทธิ พลเชิงสาเหตุ ผูวจยสามารถประมาณค่าอิทธิ พลทางตรงได้จากการ ้ิัประมาณค่าพารามิเตอร์ ในสมการถดถอยตามสมการโครงสร้างของโมเดล แล้วนาค่าอิทธิ พลทางตรงนั้นมาประมาณค่าอิทธิ พลทางอ้อม ส่ วนอิทธิ พลร่ วมและอิทธิ พลเทียมหาได้จากการหาผลคูณของอิทธิ พลทางตรงตามลูกศรในโมเดล แต่ในการวิเคราะห์อิทธิ พลเชิงสาเหตุน้ นเพียงแต่ประมาณค่าสหสัมพันธ์จากอิทธิ พล ัทางตรงและอิทธิพลทางอ้อมเท่านั้นไม่รวมความสัมพันธ์เทียมและอิทธิ พลร่ วมเพราะถ้าโมเดลแสดงอิทธิ พลมีความตรงและความสัมพันธ์ระหว่างตัวแปรเป็ นความสัมพันธ์เชิงเหตุและผลจริ ง ค่าความสัมพันธ์เทียมและอิทธิ พลร่ วมควรจะเป็ นศูนย์ (นงลักษณ์ วิรัชชัย, 2542) ดังนั้น ค่าสหพันธ์จึงสามารถประมาณค่าจากผลบวกของอิทธิ พลทางตรงและอิทธิ พลทางอ้อมเพียงสองส่ วนเท่านั้น ซึ่ งสามารถเขียนสมการใหม่ได้ดงนี้ ั r = DE + IE 30
  • 31. ส่ วนประกอบของการวิเคราะห์ อทธิพลิ โดยทัวไป การวิเคราะห์อิทธิ พลมักจะประกอบด้วยองค์ประกอบ 3 ส่ วน ส่ วนแรก คือ แผนภาพ ่ไดอะแกรมหรื อแผนภาพโมเดลเชิงสาเหตุที่แสดงความสัมพันธ์ของตัวแปร ส่ วนที่สอง การประมาณค่าอิทธิ พล และส่ วนสุ ดท้าย คือ การแยกอิทธิ พลออกเป็ นอิทธิ พลทางตรงและอิทธิ พลทางอ้อม ส่ วนที่หนึ่ง แผนภาพไดอะแกรมหรื อแผนภาพโมเดลเชิงสาเหตุ คือ การเสนอรู ปภาพที่แสดงแบบแผนของตัวแปร โดยการนาเอาตัวแปรที่ตองการศึกษามากาหนดเป็ นรู ปโมเดลเชิงสาเหตุซ่ ึ งประกอบด้วยตัว ้แปรภายนอก (Exogenous) และตัวแปรภายใน (endogenous) ตัวแปรภายนอกคือ ตัวแปรที่เป็ นตัวแปรต้นหรื อตัวแปรสาเหตุอย่างเดียว ส่ วนตัวแปรภายใน คือ ตัวเปรที่เป็ นได้ท้ งตัวแปรสาเหตุและตัวแปรตาม ตาม ัแผนภาพที่ 4.1 ตัวแปรภายนอก ได้แก่ ตัวแปร IQ และ SUPPORT ส่ วนตัวแปรภายในได้แก่ ตัวแปร ่MOTIVE และ ACH บางครั้งอาจมีการจาแนกตัวแปรภายในที่อยูตรงกลางระหว่างตัวแปรภายนอกและตัวแปรภายในว่า ตัวแปรคันกลาง (mediating variable) (นงลักษณ์ วิรัชชัย, 2538) ตามภาพที่ 4.3 ตัวแปร ่คันกลาง ได้แก่ ตัวแปร MOTIVE ่ การนาตัวแปรต่างๆ มากาหนดเป็ นโมเดลหรื อภาพที่แสดงความสัมพันธ์ระหว่างตัวแปรเพื่อที่ผวจย ู้ ิ ัจะได้ศึกว่าตัวแปรต่างๆมีอิทธิ พลต่อกันอย่างไรทั้งในรู ปของในรู ปอิทธิ พลทางตรงและอิทธิ พลทางอ้อมภาพการวิเคราะห์อิทธิ พลจึงเป็ นแบบจาลองความสัมพันธ์ของตัวแปรในรู แบบต่างๆที่กล่าวมาข้างต้น ตามที่ผูวจยกาหนดขึ้นมาจากงานวิจยหรื อทฤษฎีที่เกี่ยวข้อง ้ิั ั การกาหนดความสัมพันธ์ของตัวแปรจากทฤษฎีที่เกี่ยวข้องมีความสาคัญ จนถึงกับมีคากล่าวว่า “การวิเคราะห์อิทธิ พลเป็ นวิธีวทยาศาสตร์ ทางสถิติที่เริ่ มต้น ิด้วยโมเดล” โดยโมเดลของการวิเคราะห์อิทธิพลแต่ละโมเดลที่นามาวิเคราะห์จะประกอบด้วยสมการและข้อสมมุติฐานเกี่ยวกับความสัมพันธ์ของชุดของตัวแปรในโมเดลซึ่ งอาจเป็ นตัวแปรในโมเดล ซึ่ งอาจเป็ นตัวแปรสังเกตได้ (Observed variable)หรื อ/และตัวแปรแฝง(latent variable) 31
  • 32. ส่ วนที่สอง การประมาณค่าพารามิเตอร์ การประมาณค่าพารามิเตอร์ ในโมเดลความสัมพันธ์เชิงสาเหตุตามหลักการวิเคราะห์อิทธิพลของ Wright คือการแก้สมการในรู ปของการแปรปรวน และความแปรปรวนร่ วม โดยค่าพารามิเตอร์ ต่างๆในโมเดล เป็ นค่าสัมประสิ ทธ์การถดถอย ความแปรปรวนและความแปรปรวนร่ วมของตัวแปร การแก้สมการเพื่อคานวณค่าพารามิเตอร์ ต่างๆใช้วธีการที่ซบซ้อนมาก ในปั จจุบน ิ ั ันี้จึงนิยมใช้โปรแกรมคอมพิวเตอร์ ในการประมาณค่าพารามิเตอร์ ส่ วนที่สาม การแยกส่ วนประกอบของค่าอิทธิ พล การวิเคราะห์อิทธิ พลมีความเชื่ อพื้นฐานว่าอิทธิ พลของตัวแปรใดต่อตัวแปรหนึ่ งสามารถแยกค่าอิทธิ พลออกเป็ นอิทธิพลทางตรง อิทธิพลทางอ้อม และอิทธิพลรวม ทั้งนี้หากไม่มีอิทธิ พลทางอ้อม ค่าอิทธิ พลทางตางย่อมมีค่าเท่ากับอิทธิ พลรวม แต่หากมีท้ งค่าอิทธิ พล ัทางตรงและอิทธิ พลทางอ้อมด้วย จะสามารถนามารวมกันเป็ นอิทธิ พลรวมได้ อิทธิพลทางตรง (direct effect) เป็ นค่าอิทธิ พลของตัวแปรใด ๆ ที่มีต่อตัวแปรอื่น โดยไม่ส่งผ่านตัวแปรอื่น อิทธิพลทางอ้ อม (indirect effect) เป็ นค่าอิทธิ พลของตัวแปรใด ๆ ที่ส่งไปยังตัวแปรอื่น โดยผ่านตัวแปรอื่น ๆ ก่อน อิทธิพลรวม (total effect) เป็ นผลรวมของค่าอิทธิ พลทางตรงและอิทธิ พลทางอ้อม การวิเคราะห์อิทธิ พลเชิงสาเหตุมี 2 วิธี ได้แก่การวิเคราะห์แบบดั้งเดิมและวิเคราะห์ดวยโมเดล ้สมการโครงสร้าง การวิเคราะห์ แบบดั้งเดิมวิเคราะห์ได้โดยการวิเคราะห์สหสัมพันธ์พหุคูนและตรวจสอบความตรงของโมเดลด้วยสถิติ X2 ตามวิธีการของ Specht การวิเคราะห์อิทธิ พลเชิงสาเหตุดวยวิธีน้ ีมีขอจากัดที่สาคัญ คือ ้ ้ 1.มีขอตกลงเบื้องต้นว่าตัวแปรวัดได้โดยตรงและไม่มีความคลาดเคลื่อน ข้อตกลงข้อนี้ไม่ ้สอดคล้องกับทฤษฎีการวัด 2.ไม่สามารถวิเคราะห์ความสัมพันธ์เชิงสาเหตุแบบสอบทางได้ (non. recursive) การวิเคราะห์ ด้วยโมเดลสมการโครงสร้ าง (structural equation modeling ) จะผ่อนคลายข้อตกลงเบื้องต้นของการวิเคราะห์แบบดั้งเดิมทั้งสองข้อนี้ เพราะได้นาวิธีการวิเคราะห์องค์ประกอบ (Factoranalysis) หรื อโมเดลการวัดเข้ามาจัดการเกี่ยวกับการวัดตัวแปรทาให้สามารถวิเคราะห์ได้ท้ งตัวแปรสังเกตได้ ัโดยตรงและตัวแปรแฝง การวิเคราะห์อิทธิพลเชิงสาเหตุดวยตัวแปรแฝงมีประโยชน์มาก เพราะเป็ นการ ้บูรณาการหลักการวิจย หลักการวิเคราะห์ขอมูลและหลักการวัดเข้าด้วยกันได้อย่างกลมกลืน โดยไม่ตองแยก ั ้ ้วิเคราะห์เหมือนกับการวิเคราะห์ดวยสถิติแบบดั้งเดิม ้ 32
  • 33. หลักการวิเคราะห์ อิทธิพลด้ วยโมเดลสมการโครงสร้ าง ภาพที่ 4.4 แผนภาพโมเดลสมการโครงสร้างแบบเต็มรู ป จากภาพที่ 4.4 ซึ่งเป็ นโมเดลแสดงความสัมพันธ์ของตัวแปรแฝงภายนอก §1ตัวแปรแฝงภายนอก§2ตัวแปรแฝงภายใน n1 และตัวแปรแฝงภายใน n2 โดยตัวแปรแฝงภายนอก§1เป็ นตัวแปรแฝงที่วดได้ ัทางอ้อมผ่านตัวแปรสังเกตได้ X1 และ X2 ตามลาดับ ตัวแปรแฝงภายนอก§2 เป็ นตัวแปรแฝงที่วดได้ ัทางอ้อมผ่านตัวแปรสังเกตได้X3และX4 ตัวแปรแฝงภายใน n1 เป็ นตัวแปรแฝงที่วดได้ทางอ้อมผ่านตัวแปร ัสังเกตได้ Y1และY2 และตัวแปรแฝงใน n2 เป็ นตัวแปรแฝงที่วดได้ทางอ้อมผ่านตัวแปรสังเกตได้ Y3และ Y4 ั ความสัมพันธ์ของตัวแปรแฝงทั้ง 4 ตัวเป็ นความสัมพันธ์เชิงสาเหตุโดยตัวแปร§1และ§2 เป็ นตัวแปรสาเหตุ หรื อเป็ นตัวแปรที่ส่งอิทธิ พลต่อตัวแปร n1 ด้วยค่าสัมประสิ ทธิ์ อิทธิ พล (path coefficient) เท่ากับ v11และv12 ตามลาดับ ในขณะเดียวกันตัวแปร n1ก็ส่งอิทธิ พลต่อตัวแปร n2 ด้วยสัมประสิ ทธิ์ อิทธิ พลเท่ากับ ß21 โมเดลอิทธิพลเชิงสาเหตุแบบมีตวแปรแฝงเป็ นการผสมผสานวิธีการวิเคราะห์องค์ประกอบ(factor ัanalysis) กับการวิเคราะห์การถดถอย(regresstion)และค่าน้ าหนักองค์ประกอบ(factor loading)ซึ่ งเป็ นค่าสัมประสิ ทธิ์ การถดถอยเมื่อใช้ตวแปรแฝงเป็ นตัวแปรทานาย ตัวแปรสังเกตได้ สัญลักษณ์ของค่าน้ าหนัก ัองค์ประกอบมี 2 ประเภท คือน้ าหนักองค์ประกอบของโมเดลการวัดตัวแปรสังเกตได้ X มีสัญลักษณ์เป็ น h(x)และค่าน้ าหนักองค์ประกอบของการวัดตัวแปรสังเกตได้ Y มีสัญลักษณ์เป็ น h(y) นอกจากนี้ โมเดลสมการโครงสร้างยังมีค่าพารามิเตอร์ ความคลาดเคลื่อนของการวัดตัวแปรสังเกตได้ X มีสญลักษณ์เป็ นS และ ัความคลาดเคลื่อนของการวัดตัวแปรสังเกตได้Y มีสัญลักษณ์เป็ น € 33
  • 34. โมเดลทางคณิ ตศาสตร์ของโมเดลการวิเคราะห์อิทธิพลเชิงสาเหตุตามภาพที่ 4.4 สามารถนามาเขียนเป็ นโมเดลลิสเรลด้วยสัญลักษณ์อกษรกรี กได้ดงนี้ ั ั 34
  • 35. สรุปการวิเคราะห์ ความสัมพันธ์ เชิงสาเหตุระหว่ างตัวแปร(Path Analysis) การวิเคราะห์ความสัมพันธ์เชิงสาเหตุ (Path Analysis) ระหว่างตัวแปรที่สังเกตได้ภายใต้ ่การออกแบบการวิจยที่ไม่ใช่การทดลอง เมื่อชุ ดของตัวแปรอิสระหรื อตัวแปรต้นมีระดับการวัดอยูในมาตรา ัอันตรภาค (Interval scal) หรื อมาตราอัตราส่ วน (Ratio scale) ส่ วนตัวแปรเกณฑ์หรื อตัวแปรตาม มีระดับการ ่วัดอยูในมาตราอันตรภาคหรื อมาตราอัตราส่ วน การวิเคราะห์เส้นทางความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรมีข้ นตอนของการดาเนินงาน ดังนี้ ั 1) สร้างโมเดลเชิงสาเหตุ (Causal Model) ตามสมมุติฐาน 2) สร้างเครื่ องมือและเก็บรวบรวมข้อมูล 3) วิเคราะห์เส้นทางความสัมพันธ์เชิงสาเหตุระหว่างตัวแปร 3.1) วิเคราะห์โมเดลเชิงสาเหตุแบบเต็มรู ป 3.2) วิเคราะห์โมเดลเชิงสาเหตุตามสมมุติฐาน 3.3) ทดสอบโมเดลเชิงสาเหตุตามสมมุติฐาน 3.4) คานวณผลทางตรง ผลทางอ้อมและผลรวม 4) สรุ ปผลเชิงสาเหตุของตัวแปรอิสระที่มีต่อตัวแปรตามลักษณะของการวิเคราะห์ สาเหตุ 1. ไม่ใช่วธีคนหาสาเหตุ แต่เป็ นเทคนิคที่ใช้อธิ บายความเป็ นสาเหตุในเชิงปริ มาณ ิ ้ 2. เป็ นเทคนิคในการตรวจสอบทฤษฎีหรื อรู ปแบบตามสมมุติฐาน 3. ก่อนวิเคราะห์สาเหตุ จะต้องมีโครงสร้างหรื อรู ปแบบความสัมพันธ์ระหว่างตัวแปรอิสระแต่ละตัวกับตัวแปรตาม ในรู ปของสาเหตุและผล ซึ่ งสร้างจากความรู ้ ทฤษฎี ผลการวิจย และแบบแผน ัของค่าสัมประสิ ทธิ์ สหสัมพันธ์ระหว่างตัวแปรต่างๆ 4. ผลจากการวิเคราะห์สาเหตุ เป็ นการยืนยันหรื อสนับสนุนว่า โครงสร้างหรื อรู ปแบบความสัมพันธ์ในรู ปของสาเหตุและผลระหว่างตัวแปรเหล่านั้น (ตามข้อ 3) มีความเป็ นไปได้หรื อไม่จากข้อมูลที่สังเกตหรื อวัดมาครั้งนั้นการวิเคราะห์ เส้ นทาง มีลกษณะใหญ่ ๆ 3 ประการ ั 1. เป็ นเทคนิคทางสถิติที่อาศัยการประยุกต์การวิเคราะห์ถดถอยพหุคูณ 2. เป็ นการศึกษาขนาดและทิศทางของความสัมพันธ์ระหว่างตัวแปรเหตุท่ีมีต่อตัวแปรผลทั้งทางตรงและทางอ้อม 3. ความสัมพันธ์เชิงเหตุและผลนี้ สามารถนามาเขียนอธิ บายได้ดวยรู ปแบบจาลองโมเดล ้และสมการโครงสร้างตามรู ปแบบจาลองที่สร้างขึ้น 35
  • 36. รู ปแบบของความสั มพันธ์ ของตัวแปร 1. ความสัมพันธ์แท้จริ ง (true Correlation) 2. ความสัมพันธ์เทียม (Spurious Relationship) 3. ความสัมพันธ์ที่เกิดจากอิทธิ พลส่ งผ่านจากตัวแปรคันกลาง (Intervening Variable) ่ ั 4. ไม่มีความสัมพันธ์กนเลย (No Correlation) 5. ความสัมพันธ์มีอิทธิพลทางอ้อมและทางตรง (Directed & Indirect Effect) 6. ความสัมพันธ์เชิงเหตุผลย้อนกลับ (Reciprocal Causal Relationship)1. ความสั มพันธ์ แท้จริง (True Correlation) ความสัมพันธ์แท้จริ ง (True Correlation) เป็ นความสัมพันธ์ระหว่างตัวแปร 2 ตัวโดยไม่มีตวแปรอื่น ัเข้ามาเกี่ยวข้อง2. ความสั มพันธ์ เทียม ( Spurious Relationship) ความสัมพันธ์เทียม ( Spurious Relationship) เป็ นความสัมพันธ์ระหว่างตัวแปร 2 ตัว โดยที่ตวแปร ั ัทั้งสองไม่มีความสัมพันธ์กนเลย แต่ได้รับอิทธิ พลจากตัวแปรอื่นที่เป็ นตัวแปรเดียวกันลักษณะข้อมูลที่นามาใช้ในการวิเคราะห์ ่ ระดับการวัดของตัวแปรต่าง ๆ นั้นอยูในระดับมาตราอันตรภาค (Interval Scale)ในกรณี ขอมูลที่เป็ นนามบัญญัติ อาจใช้ตวแปร Dummy (ปรับเป็ น 0 และ 1) เพื่อให้มีความ ้ ัต่อเนื่อง (ในการใช้โปรแกรม LISREL ควรกาหนดให้ขอมูลที่ใช้วเิ คราะห์มีความต่อเนื่ องก่อน ้โดยใช้คาสั่งแปลงข้อมูลเป็ น Continuous)3. ความสั มพันธ์ ทเี่ กิดจากอิทธิพลส่ งผ่านตัวแปรคั่นกลาง (Intervening Variable) ความสัมพันธ์ที่เกิดจากอิทธิ พลส่ งผ่านตัวแปรคันกลาง(Intervening Variable) ่เป็ นความสัมพันธ์ระหว่างตัวแปร 2 ตัว โดยมีตวแปรอื่นเข้ามาเป็ นตัวเชื่อมความสัมพันธ์ ั4. การไม่ มีความสั มพันธ์ (No Correlation) การไม่มีความสัมพันธ์ (No Correlation) เป็ นเป็ นลักษณะที่ตวแปร 2 ตัว ไม่มีส่วนเกี่ยวข้อง เมื่อหา ัความสัมพันธ์จะมีค่าเป็ นศูนย์หรื อเข้าใกล้ศูนย์5. ความสั มพันธ์ มีอทธิพลทางตรงและทางอ้อม (Direct Effect And Indirect Effect) ิ ความสัมพันธ์มีอิทธิพลทางตรงและทางอ้อม (Direct Effect And Indirect Effect) เป็ นความสัมพันธ์ระหว่างตัวแปรเหตุที่มีอิทธิ พลทางตรงต่อตัวแปรผลนอกจากนี้ตวแปรเหตุยงมีอิทธิ พลทางอ้อม ั ัต่อตัวแปรผลโดยส่ งผ่านตัวแปรอื่น6. ความสั มพันธ์ เชิ งเหตุและผลย้ อนกลับ (Reciprocal Causal Relationship) ความสัมพันธ์เชิงเหตุและผลย้อนกลับ เป็ นความสัมพันธ์ของตัวแปรสองตัวที่ต่างมีอิทธิ พลซึ่ งกันและกัน 36
  • 37. ตัวแปรในรู ปแบบความสั มพันธ์ เชิ งสาเหตุ 1. ตัวแปรภายนอก (Exogenous Variable) 2. ตัวแปรภายใน (Endogenous Variable) 3. ตัวแปรส่ วนที่เหลือ (Residual Variable : e)1. ตัวแปรภายนอก (Exogenous Variable) ตัวแปรภายนอก (Exogenous Variable) หมายถึง ตัวแปรที่นกวิจยไม่สนใจศึกษาสาเหตุของตัวแปร ั ัเหล่านี้ ตัวแปรสาเหตุตวแปรภายนอกจึงไม่ปรากฏในโมเดล ั2. ตัวแปรภายใน (Endogenous Variable) ตัวแปรภายใน (Endogenous Variable) หมายถึง ตัวแปรที่นกวิจยสนใจศึกษาว่าได้รับอิทธิ พลจากตัว ั ัแปรใด สาเหตุของตัวแปรภายในจะแสดงไว้ในโมเดลอย่างชัดเจน3. ตัวแปรส่ วนทีเ่ หลือ (Residual Variable : e) ่ ตัวแปรส่ วนที่เหลือ (Residual Variable : e) หมายถึง ตัวแปรที่ไม่ปรากฏอยูในโมเดล แต่อาจมี ่อิทธิ พลต่อตัวแปรที่อยูในโมเดลที่สร้างขึ้นได้แบ่งประเภทของตัวแปรในโมเดลการวิจยตามลักษณะการวัด แบ่งได้ 2 ประเภท ั 1. ตัวแปรแฝง (Latent or unobserved variable) 2. ตัวแปรสังเกตได้ (observedการสร้ างแผนภาพหรือรู ปแบบแสดงอิทธิพลทางทฤษฎี วิธีการสร้างแผนภาพแสดงอิทธิพลตามทฤษฎี แบ่งออกเป็ น 2 ตอน คือตอนที่ 1 ศึกษาทฤษฎี งานวิจย และแนวคิดที่เกี่ยวข้องกับเรื่ องหรื อปรากฏการณ์ท่ีจะทาการวิจย ั ัตอนที่ 2 จัดลาดับตัวแปรว่าตัวแปรใดเป็ นสาเหตุของตัวแปร แล้วกาหนดเป็ นรู ปแบบหรื อแผนภาพการจัดลาดับตัวแปรในรู ปแบบหรื อแผนภาพที่แสดงความสัมพันธ์ระหว่างตัวแปรจะต้องจัดจากซ้ายไปขวา ่เป็ นตัวแปรที่ถูกกระทบโดยตัวแปรอื่น ๆ ที่อยูทางซ้ายมือจากตัวแปรที่ถูกกระทบวิธีวเิ คราะห์ เส้ นทางในการวิเคราะห์เส้นทาง หรื อ การศึกษาความสัมพันธ์เชิงเหตุและผลนั้น มีวธีวเิ คราะห์ 4 วิธี ิ 1. การวิเคราะห์ตารางไขว้ (Cross Table Analysis) 2. การวิเคราะห์ดวยโมเดลล็อกลิเนียร์ (Loglinear Model) ้ 3. การวิเคราะห์เส้นทางแบบดั้งเดิม (Classical Path Analysis) 4. การวิเคราะห์เส้นทางด้วยโปรแกรมเฉพาะหรื อการวิเคราะห์เส้นทางสมัยใหม่ (Modern Path Analysis) 37
  • 38. 1. การวิเคราะห์ ตารางไขว้ (Cross Table Analysis) เป็ นวิธีที่นกสังคมวิทยาใช้ในการศึกษาความสัมพันธ์เชิงเหตุและผล โดยการเก็บรวบรวมข้อมูลไว้ ัในตารางไขว้ ซึ่ งจะแจกแจงความถี่เป็ นค่าร้อยละในแต่ละกลุ่มของตัวแปรที่เป็ นสาเหตุ แล้วทาการเปรี ยบเทียบค่าร้อยละระหว่างกลุ่มที่มีต่อตัวแปรผล ตัวแปรเหตุตวใดที่มีค่าร้อยละสู งกว่าตัวแปรเหตุตวอื่น ๆ ั ัก็แสดงว่าตัวแปรเหตุตวนั้นมีความสัมพันธ์เชิงเหตุผลต่อตัวแปรผลมากกว่าตัวแปรอื่น ๆ ั2. การวิเคราะห์ ด้วยโมเดลล็อกลิเนียร์ (Loglinear Model) ่ เป็ นวิธีการวิเคราะห์ทางสถิติที่ใช้ศึกษาความสัมพันธ์เชิงเหตุและผลระหว่างตัวแปรที่อยูในมาตรานามบัญญัติและมาตราเรี ยงลาดับการวิเคราะห์ดวยวิธีน้ ีจะต้องทาการศึกษาทฤษฎี แนวคิด เพื่อสร้างรู ปแบบ ้ขึ้นตามวัตถุประสงค์ของการวิจยเสี ยก่อน แล้วจึงทาการประมาณค่าพารามิเตอร์ดวยการวิเคราะห์ถดถอย ั ้3. การวิเคราะห์ เส้ นทางแบบดั้งเดิม (Classical Path Analysis) เป็ นวิธีที่ตองทาการศึกษาทฤษฎี งานวิจย และแนวคิดต่าง ๆ เพื่อสร้างรู ปแบบตามวัตถุประสงค์ของ ้ ัการวิจยและมีการประมาณค่าขนาดของอิทธิ พลหรื อค่าสัมประสิ ทธิ เส้นทาง (path Coefficient : P) ด้วย ัเทคนิคการวิเคราะห์การถดถอยพหุ คูณโดยประมาณค่าจากการถดถอยตามสมการในรู ปแบบที่กาหนดไว้ที่ละสมการ ค่าสัมประสิ ทธิ์ถดถอยมาตรฐาน (Standardized Regression Coeffcient หรื อ Beta Weight : β) ที่ได้จากสมการต่าง ๆ ก็คือค่าขนาดอิทธิ พลทางตรงของตัวแปรตามรู ปแบบ ดังนั้นค่าขนาดอิทธิ พล (P) ของตัวแปรที่เป็ นสาเหตุต่อตัวแปรที่เป็ นอิทธิ พลทางตรง ก็คือค่า β (สาเริ ง บุญเรื่ องรัตน์.2526 : 69) การตรวจสอบความสอดคล้องหรื อความตรงของรู ปแบบวิเคราะห์เส้นทางแบบดังเดิม มีวธีใช้กนอยูใน ่ ิ ั ่ปัจจุบน 2 วิธี คือ ั 1. วิธีดนแคน (Duncan) ั 2. วิธีของสเปซท์ (Specht)4. การวิเคราะห์ เส้ นทางด้ วยโปรแกรมเฉพาะหรือการวิเคราะห์ เส้ นทางสมัยใหม่ (Modern Path Analysis) เป็ นการวิเคราะห์เส้นทางที่สามารถวิเคราะห์ได้ดวยโปรแกรมคอมพิวเตอร์ โดยตรง ไม่ตองทาการ ้ ้วิเคราะห์ดวยมือเหมือนการวิเคราะห์ดวยวิธีอื่น ๆ ดังกล่าว ้ ้การวิเคราะห์ เส้ นทางแบบ พี เอ อาร์ (Par) การวิเคราะห์เส้นทางเป็ นวิธีการวิเคราะห์ตวแปรพหุคูณวิธีหนึ่ง การวิเคราะห์เส้นทางจะสามารถ ัประเมินค่าความสัมพันธ์ท้ งทางตรงและทางอ้อมของตัวแปรอิสระที่มีต่อตัวแปรตามพร้อมทั้งแสดง ัความสัมพันธ์ภายในของตัวแปรแต่ละตัวกับตัวแปรตัวอื่น ๆ ในรู ปแบบที่กาหนดไว้ การวิเคราะห์เส้นทางมีรากฐานมาจากรู ปแบบเชิงเส้นตรง นันคือ เป็ นการนาเอาการวิเคราะห์ถดถอยมาขยายให้มีความหมายมากขึ้น ่ 38
  • 39. เงื่อนไขและข้ อจากัด 1. ความสัมพันธ์ระหว่างตัวแปรต่าง ๆ ในแผนภาพ เป็ นความสัมพันธ์แบบสมการเส้นตรง และเป็ นการแสดงความสัมพันธ์แบบเหตุและผล 2. ความคลาดเคลื่อนของตัวแปรไม่สัมพันธ์กน ั 3. เหตุผลในแผนภาพนั้นเป็ นเหตุผลทางตรงทางเดียวเท่านั้น ่ 4. ระดับการวัดของตัวแปรต่าง ๆ นั้นอยูในระดับมาตราอันตรภาค (Interval Scale)หลักการในการกาหนดรู ปแบบตามสมมุติฐาน มีดังนี้ 1. พิจารณาจากทฤษฎี แนวคิด ประกอบกับวิจารณญาณของผูวจย ้ิั 2. พิจารณาแบบแผนของค่าสัมประสิ ทธิ์ ระหว่างตัวแปรต่าง ๆ 3. ยึดข้อตกลงเบื้องต้นของการวิเคราะห์เส้นทางการนาเสนอผลการวิเคราะห์ Path Analysis ควรมีดังนี้ 1. แบบแผนหรื อแผนภาพเส้นทางสมมติ 2. ค่าสัมประสิ ทธิ์ เส้นทางรู ปแบบความสัมพันธ์ระหว่างตัวแปรแผนภาพ 3. ค่าสัมประสิ ทธิ์ เส้นทางที่ปรับแล้ว หรื อค่าค่าสัมประสิ ทธิ์ เส้นทางใหม่ 4. การเปรี ยบเทียบค่าสัมประสิ ทธิ์ สหสัมพันธ์ที่คานวณจากค่าสัมประสิ ทธิ์ เส้นทางกับค่าสัมประสิ ทธิ์ สหสัมพันธ์ที่คานวณจากสู ตรของเพียรสัน 5. อิทธิพลทางตรงของตัวแปร 6. อิทธิพลทางอ้อมของตัวแปร 39
  • 40. บรรณานุกรมสุ ภมาส อังศุโชติและคณะ.สถิติวเิ คราะห์ สาหรับการวิจัยทางสั งคมศาสตร์ และพฤติกรรมศาสตร์ เทคนิคการ ใช้ โปรแกรม LISREL .ม.ป.ท.,2551สุ ภมาส อังศุโชติและคณะ.สถิติวเิ คราะห์ สาหรับการวิจัยทางสั งคมศาสตร์ และพฤติกรรมศาสตร์ เทคนิคการ ใช้ โปรแกรม LISREL .กรุ งเทพ : เจริ ญดีมนคงการพิมพ์ , 2551 ั่สมบัติ ท้ายเรื อคา.สถิติข้ ันสู งสาหรับการวิจัยทางการศึกษา.มหาสารคาม:สานักพิมพ์มหาวิทยาลัย 40
  • 41. ภาคผนวก ตัวอย่ างงานวิจย ัขั้นตอนการวิเคราะห์ ข้อมูลอิทธิพลเชิงสาเหตุด้วยโปรแกรม LISRELเอกสารประกอบคาบรรยาย 41
  • 42. งานวิจัยทีเ่ กี่ยวกับการวิเคราะห์ อทธิพลเชิ งสาเหตุแบบมีตัวแปรแฝง ิ ในปั จจุบนมีงานวิจยที่ทาเกี่ยวกับการวิเคราะห์อิทธิ พลเชิงสาเหตุแบบมีตวแปรแฝงโดยใช้ ั ั ัการวิเคราะห์ดวยโปรแกรมลิสเรล ค่อนข้างมาก จึงขอนาเสนอตัวอย่างงานวิจย ดังนี้ ้ ั เกียรติกาจร กุศล(2543) ได้พฒนารู ปแบบความสัมพันธ์โครงสร้างเชิงสาเหตุขององค์ประกอบที่มี ัอิทธิพลต่อภาวะความเป็ นผูนาของคณบดี สถาบันอุดมศึกษาของรัฐ ในสังกัดทบวงมหาวิทยาลัย โดยมี ้วัตถุประสงค์เพื่อพัฒนารู ปแบบความสัมพันธ์โครงสร้างเชิงสาเหตุขององค์ประกอบที่มีอิทธิ พลต่อภาวะความเป็ นผูนาของคณบดีสถาบันอุดมศึกษาของรัฐวิเคราะห์และเปรี ยบเทียบขนาดและทิศทางของอิทธิพล ้ทางตรงและทางอ้อมขององค์ประกอบที่มีอิทธิ พลต่อภาวะความเป็ นผูนาของคณบดีสถาบันอุดมศึกษาของ ้รัฐในสังกัดทบวงมหาวิทยาลัย รู ปแบบที่พฒนาประกอบด้วยตัวแปรแฝง 5 ตัว และตัวแปรสังเกตได้ 23 ตัว ักลุ่มตัวอย่างเป็ นคณบดีและอาจารย์สถาบันอุดมศึกษาของรัฐ จานวน586 คน เครื่ องมือที่ใช้ ประกอบด้วยแบบสอบถามจานวน 1 ชุ ด มี 6 ตอน วิเคราะห์ขอมูลเบื้องต้นโดยค่าสถิติพ้ืนฐานด้วยโปรแกรม SPSS 7.5 ้ผูวจยตรวจสอบความสอดคล้องของรู ปแบบความสัมพันธ์โครงสร้างเชิงสาเหตุดวยโปรแกรมลิสเรล 8.10 ้ิั ้ ผลการวิจยสรุ ปได้ดงนี้ คือ ั ั 1. การพัฒนารู ปแบบความสัมพันธ์โครงสร้างเชิงสาเหตุขององค์ประกอบที่มีอิทธิ พลต่อภาวะความเป็ นผูนาของคณบดีสถาบันอุดมศึกษาของรัฐ ในสังกัดทบวงมหาวิทยาลัย พบว่า รู ปแบบมีความ ้สอดคล้องกับข้อมูลเชิงประจักษ์ ซึ่ งได้จากการสอบถามความคิดเห็นของกลุ่มตัวอย่างอยูในเกณฑ์ดี ่(ค่า GFI – 0.981} ค่า AGFI = 0.959} ค่า RMR = 0.023 และ X2 = 127.527 ค่า P = 0.470) โดยรู ปแบบประกอบด้วยองค์ประกอบด้านภูมิหลัง (D.BAC) ด้านสถานการณ์ที่เกี่ยวข้อง (SITU) ด้านคุณลักษณะเฉพาะของความเป็ นผูนา (TRAIT) ด้านพฤติกรรมความเป็ นผูนา (BEHAV) และด้านภาวะความเป็ นผูนาของ ้ ้ ้คณบดี (LEAD) และรู ปแบบสามารถอธิ บายค่าความแปรปรวนของตัวแปรภาวะความเป็ นผูนาของคณบดีได้ ้ร้อยละ 82.90 2. องค์ประกอบที่มีอิทธิ พลต่อภาวะความเป็ นผูนาของคณบดี 4 องค์ ประกอบด้วยดังนี้ ้ คือองค์ประกอบด้านภูมิหลัง ด้านสถานการณ์ที่เกี่ยวข้อง ด้านคุณลักษณะเฉพาะของความเป็ นผูนาและด้าน ้พฤติกรรมการเป็ นผูนาของคณบดี ้ โดยที่องค์ประกอบทุกตัวมีอิทธิ พลทางบวกต่อภาวะการเป็ นผูนาของ ้คณบดีสาหรับองค์ประกอบที่มีอิทธิ พลรวม อิทธิ พลทางตรงและอิทธิ พลทางอ้อมต่อภาวการณ์เป็ นผูนาของ ้คณบดีดีที่สุด คือองค์ประกอบด้านภูมิหลังของคณบดีรองลงมา คือองค์ดานสถานการณ์ท่ีเกี่ยวข้อง ้ 3. ข้อค้นพบในการวิจยดังนี้ คือ คณบดีที่มีภาวะความเป็ นผูนา ควรเป็ นผูที่มีความพร้อมในด้าน ั ้ ้ต่างๆดังนี้ 1) ด้านภูมิหลัง ได้แก่ การมีประสบการณ์ดานวิชาการ ทางด้านการบริ หาร และมีทศนคติที่ดีต่อ ้ ัการเป็ นผูนาคณะ 2)ด้านคุณลักษณะเฉพาะของความเป็ นผูนา ได้แก่ การมีความสามารถเชิงทักษะ ้ ้มีบุคลิกภาพที่เหมาะสม และมีสติปัญญาและความเฉลียวฉลาด 3)ด้านพฤติกรรมการเป็ นผูนา ได้แก่้ 42
  • 43. การมีพฤติกรรมแบบเน้นการมีส่วนร่ วม แบบนักพัฒนาและแบบมีอานาจบารมี และ 4) ด้านสถานการณ์ที่เกี่ยวข้องซึ่ งคณบดีจะต้องคานึงถึงด้วยได้แก่ วุฒิภาวะและความพร้อมของผูร่วมงาน การมีเครื อข่ายของ ้ความร่ วมมือกับองค์กรอื่นๆ และการมีโครงสร้างของงานในคณะที่ชดเจนสาหรับภาวะการเป็ นผูนาของ ั ้คณบดีน้ น สามารถพิจารณาได้จาก ความสาเร็ จของงานในคณะ ความพึงพอใจของผูร่วมงาน และพัฒนา ั ้ผูร่วมงานให้มีผลงานทางวิชาการ ดังแสดงในภาพที่ 4.5 ้ 43
  • 44. จิตตานันท์ ต กุล (2545) ได้พฒนาโมเดลเชิงสาเหตุความมีวินยในตนเองของนักศึกษาระดับปริ ญญา ั ัตรี มหาวิทยาลัยเทคโนโลยีสุรนารี :การวิเคราะห์กลุ่มพหุ โดยมีวถตุประสงค์ 4 ประการ ประการแรก เพื่อ ัศึกษาและเปรี ยบเทียบความสามารถมีวนยในตนเองระหว่างนักศึกษาสี่ กลุ่มสาขาวิชา ประการที่สอง เพื่อ ิ ัการศึกษาปั จจัยที่สัมพันธ์และมีอิทธิ พลต่อความมีวนยในตนเอง ประการที่สาม เพื่อพัฒนาโมเดลเชิงสาเหตุ ิ ัของความมีวนยในตนเอง และประการสุ ดท้าย เพื่อทดสอบความไม่แปรเปลี่ยนของโมเดลเชิงสาเหตุความมี ิ ัวินยในตนเองนักศึกษาระดับปริ ญญาตรี มหาวิทยาลัยเทคโนโลยีสุรนารี ที่ศึกษาในกลุ่มสาขาที่แตกต่างกัน ักลุ่มตัวอย่างที่ใช้ในงานวิจย คือ นักศึกษาระดับปริ ญญาตรี มหาวิทยาลัยเทคโนโลยีสุรนารี จานวน 1241 ัคน ตัวแปรที่ใช้ในการวิจย ประกอบด้วยตัวแปรแฝง 3 ตัวแปร คือ ความมีวินยในตัวเอง (SELFDIS) ั ัปัจจัยภายในตัวบุคคล (PERSON) แปละปั จจัยสิ่ งแวดล้อม (ENVIRO) ตัวแปรแฝงทั้งหมดวัดจากตัวแปรสังเกตได้ 13 ตัวแปร เครื่ องมือที่ใช้ในการวิจยเป็ นแบบสอบถามมีความเที่ยงตรงในการวัดตัวแปรแต่ละ ัตัวตั้งแต่.51-.83 วิเคราะห์ขอมูลด้วยสถิติเชิงบรรยาย การวิเคราะห์ความแปรปรวนทางเดียว การวิเคราะห์ ้สหพันธ์แบบเพียร์ สัน การวิเคราะห์การถดถอยพหุ คูณและการวิเคราะห์กลุ่มพหุ ผลการวิจยสรุ ปได้ดงนี้ (1) ความมีวนยในตนเองของนักศึกษามหาวิทยาลัยเทคโนโลยีสุร ั ั ิ ันารี อยูในระดับสู ง ความมีวนยในตนเองของนักศึกษาสี่ กลุ่มสาขาวิชาแตกต่างกันอย่างมีนยสาคัญทางสถิติ ่ ิ ั ัที่ระดับ.01 คือ กลุ่มสาขาวิศวกรรมศาสตร์ มีวนยในตนเองสู งกว่ากลุ่มสาขาเทคโนโลยีสารสนเทศ กลุ่มสาขา ิ ัสาธารณสุ ขศาสตร์ มีวนยในตนเองสู งกว่ากลุ่มสาขาวิชาเทคโนโลยีการเกษตร และกลุ่มสาขาสาธารณสุ ข ิ ัศาสตร์ สูงกว่ากลุ่มสาขาเทคโนโลยีสารสนเทศ (2)ตัวแปรต้น 7 ตัวแปร คือ การควบคุมอีโก้ การควบคุมซูเปอร์ อีโก้ อาชีพบิดา การอบรมเลี้ยงดูแบบประชาธิ ปไตย ความมีวนยในตนเองของอาจารย์ ความมีวนย ิ ั ิ ัในตนเองของเพื่อนสนิท และอิทธิ พลของสื่ อมวลชนมีความสมพันธ์ความมีวนยในตนเองและร่ วมกัน ิ ัทานายความมีวนยในตนเองได้ร้อยละ 45 โดยมีสัมประสิ ทธิ์ การ ถดถอยพหุคูณเท่ากับ .670(3) โมเดลเชิง ิ ัสาเหตุความมีวินยในตนเองของนักศึกษาระดับปริ ญญาตรี มหาวิทยาลัยเทคโนโลยีสุรนารี มีความสอดคล้อง ักับข้อมูลเชิงประจักษ์ (X2 = 28.987, df = 31, p - .570 , GFI = .996 AGFI = .989 และ RMR = .057) ตัวแปรในโมเดลสามารถอธิบายความแปรปรวนของความมีวนยในตนเองได้ร้อยละ 79 ความมีวจยในตนเองได้รับ ิ ั ิัอิทธิ พลจากปั จจัยภายในตัวบุคคลมากกว่างปั จจัยด้านสิ่ งแวดล้อม และ (4) โมเดลเชิ งสาเหตุความมีวิจยใน ัตนเองของนักศึกษาระดับปริ ญญาตรี มหาวิทยาลัยเทคโนโลยีสุรนารี มีความแปรเปลี่ยนในรู ปแบบของโมเดลระหว่างนักศึกษาต่างกลุ่มสาขาวิชา (X2 = 238.122, df = 198, p = .027 , GFI = .964 NFI = .972,RFI = .956 และ RMR = .109) แต่มีความแปรเปลี่ยนของค่าพารามิเตอร์ ทุกค่าที่ทดสอบ ดังแสดงในภาพที่ 4.6 44
  • 45. สวนีย ์ วีระพันธุ์ (2546) ได้พฒนาโมเดลความสัมพันธ์เชิงสาเหตุของความฉลาดทางอารมณ์ของ ันักเรี ยนชั้นมัธยมศึกษาตอนต้น โดยมีวตถุประสงค์เพื่อพัฒนาและตรวจสอบความตรงเชิงโครงสร้างของ ัโมเดลความสัมพันธ์เชิงสาเหตุของความฉลาดทางอารมณ์ของนักเรี ยนมัธยมศึกษาตอนต้น กลุ่มตัวอย่างเป็ นนักเรี ยนชั้นมัธยมศึกษาตอนต้น ในโรงเรี ยนสังกัดสานักงานคณะกรรมการ การศึกษาขั้นพื้นฐานภาคตะวันออก ปี การศึกษา 2545 จานวน 1000 คน เครื่ องมือที่ใช้ในการวิจยประกอบด้วย แบบสอบถาม ัอบรมเลี้ยงดู แบบสอบถามรู ปแบบการสื่ อสารภายในครอบครัว แบบวัดบุคลิกภาพ แบบสอบถามการ ัสนับสนุนทางสังคม แบบสอบถามปฏิสัมพันธ์ระหว่างครู กบนักเรี ยน และแบบวัดความฉลาดทางอารมณ์การวิเคราะห์ขอมูลใช้โปรแกรม SPSS ในการหาค่าสถิติพ้ืนฐานและใช้โปรแกรม LISREL 8.50 ในการ ้วิเคราะห์ความตรงเชิงโครงสร้างของโมเดลความสัมพันธ์เชิงสาเหตุ ผลการวิจยแสดงว่า โมเดลความสัมพันธ์เชิงสาเหตุของความฉลาดทางอารมณ์ของนักเรี ยนชั้นมัธยมต้น ั ่มีความสอดคล้องกับข้อมูลเชิ งประจักษ์อยูในเกณฑ์ที่ดี โดยพิจารณาจากค่าไค-สแควร์ เท่ากับ 1.08 ที่องศาอิสระเท่ากับค่า 11 ค่า p เท่ากับ 1.00 ดัชนี GFI เท่ากับ 1.00 ดัชนี AGFI เท่ากับ 1.00 ดัชนี CFI เท่ากับ1.0 ค่า SRMR เท่ากับ .002 และค่า RMSEA เท่ากับ 0.00 ตัวแปรทั้งหมดในโมเดลสามารถอธิ บายความแปรปรวนของความฉลาดทางอารมณ์ได้ ร้อยละ 94 ตัวแปรที่มีอิทธิพลทางตรงความฉลาดทางอารมณ์อย่างมีนยสาคัญทางสถิติ คือบุคลิกภาพของนักเรี ยน การสนับสนุนทางสังคม การสื่ อสารภายในครอบครัว ัและการอบรมเลี้ยงดู ส่ วนตัวแปรที่มีอิทธิ พลทางอ้อมต่อความฉลาดทางอารมณ์โดยผ่านตัวแปรบุคลิกภาพ ัได้แก่ ปฏิสัมพันธ์ระหว่างครู กบนักเรี ยนและเพศ ดังแสดงในภาพที่ 4.7 45
  • 46. ภาพที่ 4.7 โมเดลแสดงความสัมพันธ์เชิงสาเหตุของความฉลาดทางอารมณ์ของนักเรี ยนชั้น มัธยมศึกษาตอนต้น 46
  • 47. ปณิ ตา นิรมล (2546) ได้พฒนาโมเดลความสัมพันธ์เชิงสาเหตุการกากับตนเองในการเรี ยนของ ันักเรี ยนชั้นมัธยมศึกษาปี ที่ 3 โดยมีวตถุประสงค์เพื่อพัฒนาและตรวจสอบโดยโมเดลความสัมพันธ์เชิงสาเหตุ ัการกากับตนเองในการเรี ยนของนักเรี ยนชั้นมัธยมศึกษาปี ที่ 3 ตามแนวคิดการกากับตนเองของซิ มเมอร์แมน(Zimmerman, 1989) กลุ่มตัวอย่างที่ใช้ในการวิจยเป็ นนักเรี ยนชั้นมัธยมศึกษาปี ทรี่ 3 ในโรงเรี ยนสังกัด ัสามัญศึกษา ภาคตะวันออก จานวน 440 คน ตัวแปรที่ศึกษาประกอบด้วยตัวแปรแฝง 6 ตัวได้แก่ การกับตนเองในการเรี ยนผลสัมฤทธิ์ ทางการเดิม การตั้งเป้ าหมายทางการ แม่แบบทางการเรี ยนความวิตกกังวลและการรับรู้ความสามารถของตนเองทางเรี ยน เครื่ องมือที่ใช้ในการวิจยประกอบด้วย แบบสอบถาม ัสถานะภาพทัวไป แบบวัดการกากับตนเองในการเรี ยน แบบวัดการตั้งเป้ าหมายทางการเรี ยน แบบสอบถาม ่แม่แบบทางการเรี ยน แบบวัดความวิตกและแบบวัดการรับรู้ความสามารถของตนเองทางการเรี ยนการวิเคราะห์ขอมูล ใช้โปแกรม SPSS หาค่าสถิติพ้ืนฐานและใช้โปรแกรม LISREL 8.50 วิเคราะห์โมเดล ้ความสัมพันธ์เชิงสาเหตุ ผลการวิจยพบว่า โมเดลความสัมพันธ์เชิงสาเหตุการกากับตนเองในการเรี ยนมีความสอดคล้องกับ ัข้อมูลเชิงประจักษ์อยูในเกณฑ์ดี โดยพิจารณาจากค่าไค-สแควร์ เท่ากับ 7.08 ที่องศาอิสระเท่ากับ 19 มีค่า ่ความน่าเป็ น เท่ากับ 0.99 ดัชนี GFT เท่ากับ 0.99 ดัชนี AGFI เท่ากับ 0.98 ดัชนี CFI ดัชนี เท่ากับ 1.00 ค่าSRMR เท่ากับ0.01 และค่า RMSEA เท่ากับ 0.00 ตัวแปรทั้งหมดในโมเดลสามารถอธิ บายความแปรปรวนของการกากับตนเองในการเรี ยนได้ร้อยละ 60.70 ตัวแปรที่มีอิทธิ พลทางตรงต่อการกากับตนเองในการเรี ยนอย่างมีนยสาคัญทางสถิติ ได้แก่ การตั้งเป้ าหมายทางการเรี ยน ความวิตกกังวล การรับรู ้ ัความสามารถของตนเองทางการเรี ยนและผลสัมฤทธิ์ ทางการเรี ยนเดิม ดังแสดงในภาพที่ 4.8 ภาพที่ 4.9 โมเดลความสัมพันธ์เชิงสาเหตุการกากับตนเองในการเรี ยน ของนักเรี ยนชั้นมัธยมศึกษาปี ที่ 3 47
  • 48. มะลิวรรณ โคตรศรี (2546) ได้พฒนาโมเดลความสัมพันธ์เชิงสาเหตุของความสามารถใน ัการแก้ปัญหาทางคณิ ตศาสตร์ ของนักเรี ยนชั้นมัธยมศึกษาปี ที่ 3 โดยมีวตถุประสงค์เพื่อพัฒนาและตรวจสอบ ัความตรงเชิงโครงสร้างของโมเดลความสัมพันธ์เชิงสาเหตุของความสามารถในการแก้ปัญหาทางคณิ ตศาสตร์ ของนักเรี ยนชั้นมัธยมศึกษาปี ที่ 3 กลุ่มตัวอย่างเป็ นนักเรี ยนชั้นมัธยมศึกษาปี ที่ 3 ในโรงเรี ยนสังกัดสานักงานคณะกรรมการการศึกษาขั้นพื้นฐาน ภาคตะวันออก ปี การศึกษา 2546 จานวน 420 คนตัวแปรที่ศึกษาประกอบด้วยตัวแปรแฝง 6 ตัวได้แก่ ความสามารถในการแก้ปัญหาทางคณิ ตศาสตร์ แรงจูงใจใฝ่ สัมฤทธิ์ทางการเรี ยนคณิ ตศาสตร์ แบบการคิด ความวิตกกังวลในวิชาคณิ ตศาสตร์ เจตคติต่อวิชาคณิ ตศาสตร์ และความรู ้พ้ืนฐานเดิมทางคณิ ตศาสตร์ เครื่ องมือที่ใช้ในการวิจยประกอบด้วย แบบวัด ัความสามารถในการแก้ปัญหาทางคณิ ตศาสตร์ แบบวัดแรงจูงใจใฝ่ ผลสัมฤทธิ์ ทางการเรี ยนคณิ ตศาสตร์แบบวัดแบบการคิด แบบวัดความวิตกกังวลในวิชาคณิ ตศาสตร์ แบบวัดเจตคติต่อวิชาคณิ ตศาสตร์ และแบบเก็บข้อมูลเกรดวิชาคณิ ตศาสตร์ การวิเคราะห์ขอมูล ใช้โปรแกรม SPSS หาค่าสถิติพ้นฐานและใช้ ้ ืโปรแกรม LISREL 8.50 วิเคราะห์วเิ คราะห์โมเดลความสัมพันธ์เชิงสาเหตุ ผลการวิจยพบว่า โมเดลความสัมพันธ์เชิงสาเหตุของความสามารถในการแก้ปัญหาทางคณิ ตศาสตร์ มี ัความสอดคล้องกับข้อมูลเชิงประจักษ์ โดยพิจารณาโดยพิจารณาจากค่าไค-สแควร์ เท่ากับ 22.47 ที่องศาอิสระเท่ากับ 67 มีค่าความน่าเป็ น เท่ากับ 1.00 ดัชนี GFT เท่ากับ 0.99 ดัชนี AGFI เท่ากับ 0.98 ดัชนี CFIดัชนี เท่ากับ 1.00 ค่า SRMR เท่ากับ0.01 และค่า RMSEA เท่ากับ 0.00 ตัวแปรทั้งหมดในโมเดลสามารถอธิ บายความแปรปรวนของความสามารถในการแก้ปัญหาทางคณิ ตสาสตร์ ได้ร้อยละ 63 ตัวแปรที่มีอิทธิพลทางตรงต่อความสามารถในการแก้ปัญหาทางคณิ ตศาสตร์ อย่างมีนยสาคัญทางสถิติ ได้แก่ แรงจูงใจใฝ่ ัผลสัมฤทธิ์ ทางการเรี ยนคณิ ตศาสตร์ แบบการคิด ความวิตกกังวลในวิชาคณิ ตศาสตร์ เจตคติต่อวิชาคณิ ตศาสตร์ และความรู ้พ้ืนฐานเดิมทางคณิ ตศาสตร์ ดังแสดงในภาพที่ 4.9 48
  • 49. พิชญา ทองอยูเ่ ย็น (2547) ได้พฒนาโมเดลความสัมพันธ์เชิงสาเหตุของความเบื่อหน่ายในการปฏิบติ ั ัหน้าที่ของข้าราชการตารวจชั้นประทวน วัตถุประสงค์เพื่อพัฒนาและตรวจสอบความตรงเชิงโครงสร้างของโมเดลความสัมพันธ์เชิงสาเหตุของความเบื่อหน่ายในการปฏิบติหน้าที่ของข้าราชการตารวจชั้นประทวน ัโดยใช้ทฤษฎีความเหนื่ อยหน่ายของมาสแลค (maslach, 1986) เป็ นกรอบแนวคิดในการพัฒนาโมเดลดังกล่าว ตัวแปรในโมเดลประกอบด้วย ตัวแปรแฝง 5 ตัวแปร และตัวแปรสังเกตได้ 29 ตัวแปร กลุ่มตัวอย่างเป็ นข้าราชการตารวจชั้นประทวนสังกัดตารวจภูธรภาค 2 ปี พ.ศ.2546 จานวน 500 คน ได้มาโดยวิธีการสุ่ มแบบหลายขั้นตอน เครื่ องมือเก็บรวบรวมข้อมูลประกอบด้วย แบบสอบถามและแบบวัด จานวน 7 ชุด การวิเคราะห์ขอมูลใช้โปรกรม SPSS ในการหาค่าสถิติพ้ืนฐานและค่าสัมประสิ ทธิ์ สหสัมพันธ์และใช้โปรแกรม ้LISREL 8.50 ในการวิเคราะห์ความตรงเชิงโครงสร้างของโมเดลความสัมพันธ์เชิงสาเหตุ ผลการวิจยพบว่าโมเดลความสัมพันธ์เชิงสาเหตุของความเบื่อหน่ายในการปฏิบติหน้าที่ของ ั ั ่ข้าราชการตารวจชั้นประทวนมีความสอดคล้องกับข้อมูลเชิงประจักษ์อยูในเกณฑ์ดี โดยพิจารณาจากค่าไค-สแควร์ เท่ากับ 13.43 ที่องศาอิสระเท่ากับ 22 ค่า p เท่ากับ 0.92 ดัชนี GFI เท่ากับ 1.00 ดัชนี AGFI เท่ากับ0.98 ดัชนี CFI เท่ากับ 1.00 ค่า SRMR เท่ากับ 0.02 และค่า RMSEA เท่ากับ 0.00 ตัวแปรทั้งหมดในโมเดล 49
  • 50. สามารถอธิ บายความแปรปรวนของความเบื่อหน่ายในการปฏิบติหน้าที่ของข้าราชการตารวจชั้นประทวนได้ ัร้อยละ 76 ตัวแปรที่มีอิทธิ พลทางตรงต่อความเบื่อหน่ายในการปฏิบติหน้าที่ของข้าราชการตารวจชั้น ัประทวนอย่างมีนยสาคัญทางสถิติ ได้แก่ ความเครี ยดในการปฏิบติหน้าที่ สายงาน และประสบการณ์ในการ ั ัปฏิบติหน้าที่ ส่ วนตัวแปรที่มีอิทธิ พลทางอ้อมต่อความเบื่อหน่ายในการปฏิบติหน้าที่ของข้าราชตารวจชั้น ั ัประทวนอย่างมีนยสาคัญทางสถิติ ได้แก่ ความขัดแย้งในบทบาทของตน สัมพันธภาพในหน่วยงาน ภาระ ังานและอายุ ดังแสดงในภาพที่ 4.10 แพรวพรรณ์ พิเศษ (2548) ได้พฒนาโมเดลความสัมพันธ์เชิงสาเหตุของปั จจัยที่มีผลต่อการเรี ยนรู ้ ัอย่างมีความสุ ขของนักเรี ยนชั้นมัธยมศึกษาปี ที่ 2 โดยมีวตถุประสงค์เพื่อพัฒนาและตรวจสอบความตรงเชิง ัโครงสร้างของปั จจัยที่มีผลต่อการเรี ยนรู ้อย่างมีความสุ ขของนักเรี ยนชั้นมัธยมศึกษาปี ที่ 2 ตามทฤษฎีการเรี ยนรู ้อย่างมีความสุ ขของกิติยวดี บุญซื่ อ และคณะ (2540) กลุ่มเป็ นนักเรี ยนชั้นมัธยมศึกษาปี ที่ 2 ในโรงเรี ยนสังกัดสานักงานคณะกรรมการการศึกษากาขั้นพื้นฐานภาคตะวันออก ปี การศึกษา 2547 จานวน840 คน โมเดลประกอบด้วยตัวแปรอิสระ 5 ตัว ได้แก่ ลักษณะครู ลักษณะพ่อแม่ผปกครอง ลักษณะ ู้เพื่อนในกลุ่ม ลักษณะนักเรี ยน และการจัดการเรี ยนการสอน ตัวแปรตามเป็ น การเรี ยนรู ้อย่างมีความสุ ขเครื่ องมือที่ใช้ประกอบด้วย แบบสอบถามปั จจัยที่มีผลต่อการเรี ยนรู ้อย่างมีความสุ ข และแบบสอบถามการเรี ยนรู ้อย่างมีความสุ ข การวิเคราะห์ค่าสถิติพ้ืนฐานโดยใช้โปรแกรม SPSS และใช้โปรแกรมLISREL 8.50 วิเคราะห์โมเดลความสัมพันธ์เชิ งสาเหตุ 50
  • 51. ผลการวิจยพบว่า โมเดลความสัมพันธ์เชิงสาเหตุของปั จจัยที่มีผลต่อการเรี ยนรู ้อย่างมีความสุ ขของ ั ่นักเรี ยนชั้นมัธยมศึกษาปี ที่ 2 มีความสอดคล้องกับข้อมูลเชิงประจักษ์อยูในเกณฑ์ดี โดยพิจารณาจากค่าไค-สแควร์ เท่ากับ 40.89 ที่องศาอิสระเท่ากับ 83 มีค่าความน่าจะเป็ น เท่ากับ 1.00 ดัชนีวดระดับความกลมกลืน ั(GFI) เท่ากับ 0.99 ดัชนีวดระดับความกลมกลืนที่ปรับแก้แล้ว (AGFI) เท่ากับ 0.98 ค่ารากของค่าเฉลี่ยกาลัง ัสองของเศษเหลือในรู ปคะแนนมาตรฐาน (SRMR) เท่ากับ 0.01 และค่ารากของค่าเฉลี่ยกาลังสองของความคลาดเคลื่อนโดยประมาณ (RMSEA) เท่ากับ 0.00 ตัวแปรทั้งหมดในโมเดลสามารถอธิ บายความแปรปรวนของปั จจัยที่มีผลต่อการเรี ยนรู ้อย่างมีความสุ ขได้ร้อยละ 87 ตัวแปรที่มีอิทธิ พลทางตรงต่อการเรี ยนรู ้อย่างมีความสุ ข ได้แก่ การจัดการเรี ยนการสอน ลักษณะครู ลักษณะนักเรี ยน ลักษณะเพื่อนในกลุ่มและลักษณะพ่อแม่ผปกครองตามลาดับ ผลการตรวจสอบความตรงข้ามกลุ่มชี้ให้เห็นว่า โมเดลความสัมพันธ์เชิงสาเหตุของ ู้ 51
  • 52. ปั จจัยที่มีผลต่อการเรี ยนรู ้อย่างมีความสุ ขที่พฒนาขึ้นสามารถนาไปใช้กบกลุ่มตัวอย่างอื่นที่มีลกษณะ ั ั ัเทียบเคียงกันได้ ดังแสดงในภาพที่ 4.11 อนุ เจริ ญวงษ์ระยับ และคณะ (2549) ได้ศึกษาปัจจัยเชิงสาเหตุและผลของการใฝ่ รู้ทางวิชาวิทยาศาสตร์ ในนักเรี ยนชั้นมัธยมศึกษาปี ที่ 4 ที่ได้รับการพัฒนาความสามารถทางวิทยาศาสตร์ ท่ีแตกต่างกัน3 กลุ่ม ได้แก่ นักเรี ยนโครงการ พสวท. นักเรี ยนปกติที่เรี ยนร่ วมกับนักเรี ยนโครงการ พสวท. และนักเรี ยนโรงเรี ยนมหิ ดลวิทยานุสรณ์ ตัวแปรที่ตองการศึกษา ได้แก่ การใฝ่ รู ้ทางวิทยาศาสตร์ ตัวแปรสาเหตุ ้ได้แก่ สภาพแวดล้อมภายในครอบครัว และสภาพแวดล้อมทางการเรี ยนวิทยาศาสตร์ ตามแนวปฎิรูปการศึกษาตัวแปรผลได้แก่ความตั้งใจเป็ นนักวิทยาศาสตร์ ผลการวิจยโดยพบว่า 1) ในกลุ่มข้อมูลเชิงประจักษ์มีความสอดคล้องกับโมเดลสมมุติฐาน 2) ัรู ปแบบโมเดลไม่แปรเปลี่ยนระหว่างกลุ่ม 3) อิทธิ พลจากใฝ่ รู ้ทางวิทยาศาสตร์ ท่ีมีต่อความตั้งใจเป็ นนักวิทยาศาสตร์ ไม่แปรเปลี่ยนระหว่างกลุ่ม 4) ค่าเฉลี่ยตัวแปรแฝงการใฝ่ เรี ยนทางวิทยาศาสตร์ และความตั้งใจเป็ นนักวิทยาศาสตร์ ท้ งสามกลุ่มแตกต่างกัน โดยนักเรี ยนโครงการ พสวท. มีค่าเฉลี่ยทั้งสองตัวแปร ัสู งสุ ด ตามด้วยนักเรี ยนโครงการโรงเรี ยนมหิ ดลวิทยานุ สรณ์และนักเรี ยนที่ปกติท่ีเรี ยนร่ วมกับนักเรี ยนตามโครงการ พสวท. ตามลาดับ 5) อิทธิ พลจากสภาพสิ่ งแวดล้อมภายในครอบครัวที่มีผลต่อการใฝ่ รู ้ทางวิทยาศาสตร์ แปรเปลี่ยนระหว่างกลุ่ม โดยนักเรี ยนโครงการ พสวท. มีค่าอิทธิ พลสู งสุ ด ตามมาด้วยนักเรี ยนปกติและนักเรี ยนโรงเรี ยนมหิดลวิทยานุสรณ์ ตามลาดับ 6) ค่าเฉลี่ยตัวแปรแฝงสภาพแวดภายในครอบครัวพบว่านักเรี ยนโรงเรี ยนมหิ ดลวิทยานุสรณ์และนักเรี ยนโครงการ พสวท. มีค่าเฉลี่ยแตกต่างกัน แต่มีค่าเฉลี่ยสู งกว่านักเรี ยนปกติ 7) อิทธิ พลทางสภาพแวดล้อมทางการเรี ยนวิทยาศาสตร์ ตามแนวปฏิรูปการศึกษาที่มีต่อการเรี ยนวิทยาศาสตร์ พบว่าแปรเปลี่ยนระหว่างกลุ่มโดยนักเรี ยนโรงเรี ยนมหิ ดลวิทยานุ สรณ์มีคาสัมประสิ ทธิ์ ่อิทธิ พลสู งสุ ด ตามมาด้วยนักเรี ยนปกติ และนักเรี ยนโครงการ พสวท. ตามลาดับ 8) ค่าเฉลี่ยแปรแฝงสภาพแวดล้อมทางการเรี ยนวิทยาศาสตร์ตามแนวปฏิรูปการศึกษา พบว่านักเรี ยนตามแนวปฏิรูปการศึกษาค่าเฉลี่ยสู งกว่านักเรี ยนโครงการ พสวท. และนักเรี ยนปกติ แต่ในนักเรี ยนโครงการ พสวท. และนักเรี ยนปกติมีค่าเฉลี่ยไม่แตกต่างกัน ดังแสดงในภาพที่ 4.12 52
  • 53. 53
  • 54. ตัวอย่ างการวิเคราะห์ อทธิพลเชิ งสาเหตุแบบมีตัวแปรแฝง ิ การวิเคราะห์อิทธิ พลเชิงสาเหตุแบบมีตวแปรที่นามาเสนอครั้งนี้ เป็ นโมเดลเชิงสาเหตุของปั จจัยที่ ัส่ งผลต่อคุณภาพการปฏิบติงานของคุณครู (JOBQUA) โดยมีตวแปรสาเหตุ จานวน 4 ตัว ได้แก่ ความพึง ั ัพอใจในการปฏิบติงาน (JOBSAT) ความผูกพันต่ออาชีพครู (COMMIT) ความก้าวหน้า (GROWTH) ัการบริ หารแบบมีส่วนร่ วม (ADMIN) ตัวแปรเชิงสาเหตุท้ ง 4 ตัวแปรนี้เป็ นตัวแปรแฝง ซึ่ งสามารถวัดผ่าน ัตัวแปรสังเกตได้หรื อตัวบ่งชี้ จานวน 12 ตัวดังมีรายละเอียดดังนี้ ตัวแปรคุณภาพการปฏิบติงานครู (JOBQUA) วัดได้จากตัวแปรสังเกตได้ 2 ตัวแปร คือ ั 1. คุณภาพการสอนของครู (EAV5) 2. คุณภาพการปฏิบติงานอื่นของครู (EAV8) ั ตัวแปรแฝงความพึงพอใจปฏิบติงาน (JOBSAT) วัดผ่านตัวแปรสังเกตได้จานวน 4 ตัวแปร คือ ั 1. ข้อคาถามวัดความพึงพอใจในการทางานข้อที่ 1 (SATISS1) 2. ข้อคาถามวัดความพึงพอใจในการทางานข้อที่ 1 (SATISS2) 3. ข้อคาถามวัดความพึงพอใจในการทางานข้อที่ 1 (SATISS3) 4. ข้อคาถามวัดความพึงพอใจในการทางานข้อที่ 1 (SATISS4) ตัวแปรแฝงความผูกพันต่ออาชีพครู (COMMIT) วัดผ่านตัวแปรสังเกตได้จานวน 2 ตัวแปร คือ 1. ข้อคาถามวัดความผูกพันต่ออาชีพครู ขอที่1 (COMMIT1) ้ 2. ข้อคาถามวัดความผูกพันต่ออาชีพครู ขอที่1 (COMMIT2) ้ ตัวแปรแฝงความก้าวหน้า (GROWTH) วัดผ่านตัวแปรสังเกตได้จานวน 2 ตัวแปร คือ 1. ตัวแปรความก้าวหน้าเมื่อเทียบกับเพื่อนร่ วมรุ่ น (PROT) 2. ตัวแปรความก้าวหน้าเมื่อเทียบกับเพื่อนร่ วมอาชีพ (PROC) ตัวแปรแฝงการบริ หารแบบมีส่วนร่ วม (ADMIN)วัดผ่านตัวแปรสังเกตได้จานวน 2 ตัวแปร คือ 1. การจูงในของผูบริ หารให้เข้ามาร่ วมบริ หารงานแบบมีส่วนร่ วม (COADMT) ้ 2. การมีส่วนร่ วมของครู ในการประเมินผลการปฏิบติงาน (WKEVAT) ั การพัฒนาโมเดลความสัมพันธ์เชิงสาเหตุเพื่อแสดงความสัมพันธ์ของตัวแปรแฝงทั้ง 5 ตัวแปรนี้กาหนดสมมุติฐานดังที่แสดงได้ดงภาพที่ 4.14 ผูวจยควรตระหนักว่าการวิเคราะห์ความสัมพันธ์เชิงสาเหตุน้ น ั ้ิั ัเป็ นเพียงโมเดลที่ผวจยต้องการตรวจสอบความสัมพันธ์ระหว่างตัวแปรที่กาหนดขึ้นมาจากการศึกษาเอกสาร ู้ ิ ัที่เกี่ยวข้องแล้วพัฒนาโมเดลขึ้นตามหลักเหตุผลความสัมพันธ์เชิงสาเหตุ ฉะนั้นการวิเคราะห์โมเดลที่พัฒนาขึ้นมาจึงไม่ใช่การพิสูจน์ความสัมพันธ์ที่แท้จริ งและอาจมีความเป็ นไปได้ที่การศึกษาวิจยในตัวแปร ัเดียวแต่อาจพบรู ปแบบโมเดลความสัมพันธ์เชิงสาเหตุจากทฤษฎีใด สาหรับโมเดลความสัมพันธ์เชิงสาเหตุที่เสนอดังภาพ 4.14 นี้มีรายละเอียดของการกาหนดสมมติฐานความสัมพันธ์ระหว่างตัวแปรต่อไปนี้ ตัวแปรแฝงความพึงพอในในการปฏิบติงานของครู ส่งอิทธิ พลทางตรงค่ะคุณภาพงานของครู ันอกจากนี้ยงส่ งอิทธิ พลทางอ้อมผ่านตัวแปรความผูกพันต่ออาชีพครู ั 54
  • 55. ตัวแปรความผูกพันต่ออาชีพครู ส่งอิทธิ พลต่อตัวแปรคุณภาพงานของครู ตัวแปรความก้าวหน้าส่ งอิทธิ พลทางตรงต่อความพึงพอใจในการปฏิบติงาน ความผูกพันต่ออาชีพ ัครู และตัวแปรคุณภาพงานของครู นอกจากนี้ยงส่ งอิทธิ พลทางอ้อมต่อตัวแปรความผูกพันต่ออาชีพครู และ ัตัวแปรคุณภาพะงานของครู โดยผ่านตัวแปรความพึงพอใจในการปฏิบติงานและความผูกพันต่ออาชีพครู ดวย ั ้ ตัวแปรการบริ หารอย่างมีส่วนร่ วมส่ งอิทธิ พลทางตรงต่อความพึงพอใจในการปฏิบติงาน และตัว ัแปรคุณภาพงานของครู นอกจากนี้ยงส่ งอิทธิ พลทางอ้อมต่อตัวแปรความผูกพันต่ออาชีพครู และตัวแปร ัคุณภาพงานของครู โดยผ่านตัวแปรความพึงพอใจในการปฏิบติงานและความผูกพันต่ออาชีพครู ดวย ั ้ ภาพที่ 4.13 โมเดลเชิงสาเหตุของปั จจัยที่ส่งผลต่อคุณภาพการปฏิบติงานของครู ั 55
  • 56. ตารางที่ 9.8 สัญลักษณ์ภาษากรี กและตัวย่อภาษาอังกฤษ (นงลักษณ์ วิรัชชัย,2542:27)ภาษากรีก คาอ่าน ภาษาอังกฤษ ภาษาไทย แทน  Ksi K คาย เวคเตอร์ตวแปรแฝงภายนอก ั  Eta E อีตา ้ เวคเตอร์ตวแปรแฝงภายใน ั  Eks X อีส เวคเตอร์ตวแปรภายนอกที่สังเกตได้ ั  Wi Y ไว เวคเตอร์ตวแปรภายในที่สังเกตได้ ั  Delta d เดลต้า เวคเตอร์ความคลาดเคลื่อน d ในการวัด ตัวแปร X  Epsilon e เอพซะลอน เวคเตอร์ความคลาดเคลื่อน e ในการวัด ตัวแปร Y ζ Zeta z ซีตา ้ เวคเตอร์ความคลาดเคลื่อน z ในการวัด ตัวแปร   Lamda – X LX แลมด้า-เอ็ก เมตริ กซ์สัมประสิ ทธิ์ การถดถอยของ X บน   Lamda – Y LY แลมด้า-วาย เมตริ กซ์สัมประสิ ทธิ์ การถดถอยของ Y บน   Gamma GA แกมมา เมตริ กซ์อิทธิพลเชิงสาเหตุจากตัวแปร  ต่อ   Beta BE เบต้า เมตริ กซ์อิทธิ พลเชิงสาเหตุระหว่างตัวแปร   Phi PH ฟี เมตริ ก ซ์ ค วามแปรปรวน – ความแปรปรวน ร่ วมระหว่างตัวแปรภายนอกแฝง 56
  • 57. ภาษากรี ก คาอ่าน ภาษาอังกฤษ ภาษาไทย แทน  Psi PS พาย เมตริ ก ซ์ ค วามแปรปรวน – ความแปรปรวน ร่ วมระหว่างความคลาดเคลื่อน z  Theta – TD ธีตา-เดลต้า ้ เมตริ ก ซ์ ค วามแปรปรวน – ความแปรปรวน Delta ร่ วมระหว่างความคลาดเคลื่อน d  Theta - TE ธีตา- ้ เมตริ ก ซ์ ค วามแปรปรวน – ความแปรปรวน Epsilon ร่ วมระหว่างความคลาดเคลื่อน e เอพซะลอน 57
  • 58. 58