Structural Equation Modeling: SEMการวิ�จั�ยยคสั�งคมควิามร� �

รศ. ดร. วิ�โรจัน์� สัารร�ตน์ะหลั�กสั�ตรศ�กษาศาสัตรดษฎี�บั�ณฑิ�ตสัาขาวิ�ชาการบัร�หารการศ�กษา

มหาวิ�ทยาลั�ยมหามกฎีราชวิ�ทยาลั�ย 2556

SEM

SEM

การสัร�างโมเดลัสัมการโครงสัร�าง (Structural Equation Modeling: SEM) เป็%น์เทคน์�คทาง

สัถิ�ต�เทคน์�คหน์�'งท�'ใช�ใน์การทดสัอบั (testing) แลัะป็ระมาณค+า (estimate) ควิามสั�มพั�น์ธ์�เช�ง

เหตผลั (causal relationships)

การสัร�างโมเดลัสัมการโครงสัร�าง ม�ได�ท� 0งเพั1'อ การย1น์ย�น์ (confirmation) แลัะเพั1'อการสั2ารวิจั

(exploration) หมายควิามวิ+า การสัร�างโมเดลั อาจัม�วิ�ตถิป็ระสังค�เพั1'อการทดสัอบัทฤษฎี�

(theory testing) หร1อเพั1'อสัร�างทฤษฎี� (theory building) Bollen, K A., & Long, S. J. (1993). Testing

Structural Equation Models. SAGE Focus Edition, vol. 154. Retrieved March 18, 2010,

from http://en.wikipedia.org/wiki/Structural_equatio

n_modeling#cite_note-3

Theory Testing VS Theory Building

• กรณ�การทดสัอบัทฤษฎี� (theory testing) สัร�างโมเดลั ด�วิยวิ�ธ์�การเช�งอน์มาน์ (deductive) หร1อการวิ�จั�ยเช�ง

ป็ร�มาณ (quantitative research) เร�'มต�น์จัากการศ�กษาทฤษฎี�แลัะงาน์วิ�จั�ยเพั1'อก2าหน์ดโมเดลัสัมมต�ฐาน์ท�'แสัดง

เป็%น์โมเดลัควิามสั�มพั�น์ธ์�เช�งสัาเหต (causal model) ท�'จัะ ได�ร�บัการทดสัอบัจัากข�อม�ลัท�'รวิบัรวิมได�มา วิ+าม�ควิาม

สัอดคลั�อง (fit)  ก�น์หร1อไม+ โดยใช�การวิ�เคราะห�องค� ป็ระกอบัเช�งย1น์ย�น์ (confirmatory factor analysis)

• กรณ�การสัร�างทฤษฎี� (theory building) สัร�างโมเดลัด�วิย วิ�ธ์�การเช�งอป็มาน์ (inductive) หร1อการวิ�จั�ยเช�งคณภาพั

(qualitative research) แลั�วิใช�ข�อม�ลัป็ระมาณค+าของ พัาราม�เตอร�อ�สัระ (free parameters) ซึ่�'งบั+อยคร�0งท�'

สัมมต�ฐาน์เบั10องต�น์อาจัม�การป็ร�บัโมเดลั ใน์กรณ�เช+น์น์�0ใช� การวิ�เคราะห�องค�ป็ระกอบัเช�งสั2ารวิจั (exploratory factor

analysis)

SEM…เป็�นเพื่��อยื�นยืนหรื�อทดสอบทฤษฎี�มากกว่�าสรื�างทฤษฎี�ใน์บัทควิาม What is Structural Equation Modeling? (http://www2.gsu.edu/~mkteer/sem.html) ให�

ท�ศน์ะวิ+า SEM…is a largely confirmatory, rather than exploratory, technique. That is, a researcher are more likely to use SEM to determine whether a certain model is valid., rather than using SEM to "find" a suitable model--although SEM analyses often involve a

certain exploratory element. แลัะ Garson (2009) ให�ท�ศน์ะวิ+า SEM is usually viewed as a

confirmatory rather than exploratory procedure

ในท��น��จะกล่�าว่ถึ"งการืสรื�างโมเดล่สมการืโครืงสรื�างเพื่��อการืยื�นยืนหรื�อทดสอบทฤษฎี� (theory testing) ท��ม�หล่กฐานทางทฤษฎี�แล่ะงานว่(จยืสนบสน)น

Garson, G.D. (2009). Structural Equation Modeling. Retrieved

March 18, 2010, from http://faculty.chass.

ncsu.edu/garson/PA765/structur.htm

SEM

การสัร�างโมเดลัสัมการโครงสัร�าง ผ��สัร�างโมเดลัจัะต�องค2าน์�งถิ�งต�วิแป็รท�'แตกต+างก�น์ 2 ป็ระเภท น์�'น์ค1อ ต�วิแป็รภายน์อก (exogenous variables) แลัะ ต�วิแป็รภายใน์ (endogenous variables)

ต�วิแป็รภายน์อกจัะพั�จัารณาให�เป็%น์จัดเร�'มต�น์ของโมเดลั เป็%น์จัดเร�'มต�น์ของห�วิลั�กศร ต�วิแป็รภายน์อกจั�งเป็%น์ได�เฉพัาะต�วิแป็รต�น์/ ต�วิแป็รอ�สัระสั+วิน์ต�วิแป็รภายใน์เป็%น์ได�ท� 0งต�วิแป็รต�น์/ ต�วิแป็รอ�สัระ (independent variable) แลัะต�วิแป็รตาม(dependent variable) ท�'ถิ�กท2าน์ายด�วิยต�วิแป็รภายน์อก แลัะต�วิแป็รภายใน์อ1'น์ๆ ซึ่�'งทกต�วิแป็ร

ต�องอย�+ภายใต�ทฤษฎี�ใน์การเช1'อมโยงก�น์ ซึ่�'งแตกต+างจัากต�วิแป็รต�น์/ต�วิแป็รอ�สัระแลัะต�วิแป็ร ตามใน์สัมการถิดถิอย (regression) ซึ่�'งจัะแสัดงให�เห9น์เฉพัาะต�วิแป็รต�น์/ต�วิแป็รอ�สัระท�'สั+งผลั

หร1อท2าน์ายต�วิแป็รตาม

สัมการถิดถิอย (regression)

SEM องค�ป็ระกอบัท�'สั2าค�ญของโมเดลัสัมการโครงสัร�าง ค1อ

โมเดลัโครงสัร�าง/ โมเดลัสัมการโครงสัร�าง (structural model/structural equation model) ซึ่�'งแสัดงถิ�ง ควิามสั�มพั�น์ธ์�เช�งสัาเหต (causal relationship) ระหวิ+างต�วิแป็ร

ภายน์อกแลัะต�วิแป็รภายใน์ (หร1อระหวิ+างต�วิแป็รแฝง) ซึ่�'งอาจัเป็%น์แบับัทางเด�ยวิแลัะ แบับัเสั�น์เช�งบัวิก (recursive and linear additive) หร1อแบับัสัองทางแลัะแบับัเสั�น์เช�ง

บัวิก (non-recursive and linear additive) แลัะโมเดลัการวิ�ด (measurement model) ซึ่�'งแสัดงถิ�งควิามสั�มพั�น์ธ์�ระหวิ+างต�วิแป็รแฝงก�บัต�วิแป็รสั�งเกตได� (ด�ภาพัใน์เฟรมถิ�ด

ไป็)

ลั�กษณะขององค�ป็ระกอบัของโมเดลัสัมการโครงสัร�างท�'ม�ท� 0งโมเดลัโครงสัร�าง แลัะ โมเดลัการวิ�ดด�งกลั+าวิ ท2าให�แตกต+างจัากโมเดลัการวิ�เคราะห�องค�ป็ระกอบั (factor

analysis model) ท�'ป็ระกอบัด�วิยเฉพัาะโมเดลัการวิ�ด (measurement model) เท+าน์�0น์ แลัะแตกต+างจัากโมเดลัเสั�น์ทาง (path diagram) ท�'ม�เฉพัาะโมเดลัโครงสัร�าง

(structural model) เท+าน์�0น์

ควิามสั�มพั�น์ธ์�เช�งสัาเหต

SEM --- Path analysis + Factor analysis

การืว่(เครืาะห*ตามหล่กการืว่(เครืาะห*เส�นทาง (path analysis)

การืว่(เครืาะห*องค*ป็รืะกอบ (factor analysis)

การืว่(เครืาะห*ตามหล่กการืว่(เครืาะห*เส�นทาง (path analysis)

การืว่(เครืาะห*องค*ป็รืะกอบ (factor analysis)

สัถิาน์ะทางเศรษฐสั�งคมการศ�กษาของบั�ดาอาช�พัของบั�ดา

คะแน์น์ภาษาอ�งกฤษคะแน์น์คณ�ตศาสัตร�คะแน์น์วิ�ทยาศาสัตร�

การได�ร�บัการยอมร�บัเง�น์เด1อน์ ควิามพั�งพัอใจัใน์งาน์

ภ�ม�หลั�งทาง

ครอบัคร�วิ

ผลัสั�มฤทธ์�>จัากโรงเร�ยน์

ควิามสั2าเร9จัใน์อาช�พั

โมเดล่สมการืโครืงสรื�างท��สะท�อนให�เห,นถึ"งท�งการืว่(เครืาะห*เส�นทาง (path analysis) แล่ะการืว่(เครืาะห*องค*ป็รืะกอบ (factor analysis)

SEM

การย1น์ย�น์หร1อการทดสัอบัวิ+าโมเดลัท�'สัร�างข�0น์ม�ควิามสัอดคลั�องก�บั ข�อม�ลัเช�งป็ระจั�กษ�หร1อไม+น์�0น์ ม�สัถิ�ต�วิ�ดควิามสัอดคลั�องด�งน์�0 เช+น์

1) ค+าไค- สัแควิร� (chi-square) ท�'ไม+ม�น์�ยสั2าค�ญค1อค+า p-value สั�งกวิ+า 0.05 2) ค+าสั�ดสั+วิน์ไค-สัแควิร�/df ม�ค+าไม+ควิรเก�น์ 2.003) ค+า goodness of fit index: GFI, adjusted goodness of fit index:AGFI,

comparative fit index: CFI ม�ค+าต�0งแต+ 0.90 – 1.00 4) ค+า standardized root mean squared residual: standardized RMR,

root mean square of error approximation: RMSEA ม�ค+าต2'ากวิ+า 0.05 5) ค+า critical n: CN ม�ค+าเท+าก�บัหร1อมากกวิ+า 200 ของกลั+มต�วิอย+าง6) ค+า largest standardized residual ม�ค+า -2 ถิ�ง 2

(ศ�กษาเพั�'มเต�ม)

ยื)คก�อนสงคมคว่ามรื-� การวิ�จั�ย “ ”ยื)คก�อนสงคมคว่ามรื-� สั+วิน์ใหญ+ ม�

โมเดลัการวิ�จั�ยเป็%น์โมเดลัแสัดงควิามสั�มพั�น์ธ์� เช�งสัาเหตระหวิ+างต�วิแป็ร โดยม�หลั�กฐาน์จัาก ทฤษฎี�แลัะงาน์วิ�จั�ยรองร�บั ม�ค2าถิามวิ�จั�ยง+าย ไม+

ซึ่�บัซึ่�อน์ ม�การต�0งสัมมต�ฐาน์วิ�จั�ยแยกเป็%น์ข�อๆ ด�งเช+น์ การวิ�เคราะห�เสั�น์ทาง (path analysis)

เป็%น์กรณ�ต�วิอย+างหน์�'งของโมเดลัการวิ�จั�ยแบับั เก+า เป็%น์การศ�กษาอ�ทธ์�พัลัระหวิ+างต�วิแป็รต+าง

ๆ เพั1'อด�วิ+าม�อ�ทธ์�พัลัทางตรงแลัะอ�ทธ์�พัลัทางอ�อมของต�วิแป็รท�'สั�น์น์�ษฐาน์วิ+าเป็%น์สัาเหตต+อ

ต�วิแป็รท�'เป็%น์ผลัหร1อไม+ สั�มป็ระสั�ทธ์�>เสั�น์ทางเป็%น์ค+าท�'บั+งบัอกถิ�งอ�ทธ์�พัลัทางตรงของต�วิแป็ร

ท�'เป็%น์สัาเหตท�'ท2าให�อ�กต�วิหน์�'งเป็ลั�'ยน์แป็ลังไป็

น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคมควิามร� �. วิารสัารบัร�หารการศ�กษา

มหาวิ�ทยาลั�ยขอน์แก+น์, 1(2), 9-18.

ยคน์�0น์ย�งไม+กลั+าวิถิ�ง

ต�วิแป็รแฝงแลัะ ต�วิแป็รสั�งเกต !!

ยื)คก�อนสงคมคว่ามรื-� ใน์การวิ�เคราะห�เสั�น์ทางเพั1'อศ�กษาป็รากฏการณ�ต+าง ๆ วิ+าม�สัาเหตเก�ดมาจัาก

อะไรน์�0น์ ผ��วิ�จั�ยอาศ�ยทฤษฎี�แลัะงาน์วิ�จั�ยต+าง ๆ มาต�0งเป็%น์สัมมต�ฐาน์ โดยการ สัร�างเป็%น์แผน์ภาพัเสั�น์ทาง แสัดงอ�ทธ์�พัลัระหวิ+างต�วิแป็รต+าง ๆ จัากน์�0น์จั�ง

ด2าเน์�น์การทดสัอบัแผน์ภาพัตามสัมมต�ฐาน์น์�0น์วิ+าเหมาะสัมหร1อไม+ โดยใช�สัถิ�ต�วิ�เคราะห�เสั�น์ทาง (path analysis) ท�'ม�ข�อตกลังเบั10องต�น์ทางสัถิ�ต�ด�งน์�01) ควิามสั�มพั�น์ธ์�ระหวิ+างต�วิแป็รใน์โมเดลัะต�องเป็%น์เช�งเสั�น์ตรง เป็%น์บัวิกแลัะเป็%น์

เหตผลั2) ควิามคลัาดเคลั1'อน์แต+ลัะต�วิจัะต�องไม+สั�มพั�น์ธ์�ก�บัต�วิแป็รภายใน์โมเดลั3) เสั�น์ทางเช�งสัาเหตจัะต�องเป็%น์ระบับัท�ศทางเด�ยวิ4) ต�วิแป็รจัะต�องถิ�กวิ�ดอย�+ใน์มาตราอ�น์ตรภาค (interval) 5) ใน์การวิ�เคราะห�เสั�น์ทางจัะเก�'ยวิข�องอย�+ 2 โมเดลั ค1อโมเดลัท�ศทางเด�ยวิเต9มร�ป็

(identified model) แลัะ โมเดลัแสัดงท�ศทางเด�ยวิท�'ม�การต�ดเสั�น์ทางท�'ไม+ม�น์�ย สั2าค�ญหร1อไม+ม�ควิามหมายออกจัากโมเดลั (over just identified model)

ด�ภาพัเฟรมถิ�ดไป็

น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคมควิามร� �. วิารสัารบัร�หารการศ�กษา มหาวิ�ทยาลั�ยขอน์แก+น์,

1(2), 9-18.

ยื)คก�อนสงคมคว่ามรื-�

การวิ�เคราะห�เสั�น์ทางท�'เป็%น์โมเดลัท�ศทางเด�ยวิเต9มร�ป็

การวิ�เคราะห�เสั�น์ทางท�'เป็%น์โมเดลัแสัดงท�ศทางเด�ยวิท�'ม�การต�ดเสั�น์ทางท�'ไม+ม�น์�ยสั2าค�ญหร1อไม+ม�ควิามหมายออก

จัากโมเดลั

กรณ�ต�วิอย+างจัากภาพั อาจัแยกต�0ง สัมมต�ฐาน์การวิ�จั�ยออกเป็%น์สัองข�อ

สัมมต�ฐาน์ข�อแรก สัถิาน์ะทางเศรษฐสั�งคม(SES) แลัะระด�บัสัต�ป็@ญญา (IQ) ของ

ป็ระชากร ม�อ�ทธ์�พัลัต+อผลัสั�มฤทธ์�>ทางการ เร�ยน์ (nAch) โดยป็ระชากรท�'ม�สัถิาน์ะทาง

เศรษฐสั�งคมด�แลัะระด�บัสัต�ป็@ญญาสั�งม�แน์วิโน์�มท�'จัะม�ผลัสั�มฤทธ์�>ทางการเร�ยน์สั�ง

กวิ+ากลั+มอ1'น์สัมมต�ฐาน์ข�อสัอง ป็ระชากรท�'ม�ระด�บัสัต�

ป็@ญญา แลัะม�ผลัสั�มฤทธ์�>ทางการเร�ยน์ต+าง ก�น์ระด�บัสั�งม�ผลัการเร�ยน์เฉลั�'ย (GPA) ด�

กวิ+าป็ระชากรกลั+มอ1'น์

ยื)คก�อนสงคมคว่ามรื-� การต�0งสัมมต�ฐาน์การวิ�จั�ยท�'แยกก�น์ออกเป็%น์สัองข�อด�งกลั+าวิข�างต�น์ ม�จัดอ+อน์ ค1อ

1) โมเดลัการวิ�จั�ยก�บัโมเดลัการวิ�เคราะห�ไม+ตรงก�น์ เหม1อน์ก�บัการแยกโมเดลัการวิ�จั�ย เป็%น์สัองโมเดลั ผลัการวิ�จั�ยจั�งไม+สัมบั�รณ�เท+าท�'ควิร เพัราะ 1) สัถิ�ต�วิ�เคราะห�ใน์อด�ตไม+

สัามารถิวิ�เคราะห�ข�อม�ลัท�'ม�ต�วิแป็รหลัายต�วิพัร�อมก�น์ได�2) น์�กวิ�จั�ยสัน์ใจัศ�กษาแต+อ�ทธ์�พัลัหลั�กแลัะอ�ทธ์�พัลัทางตรง (direct effects) ไม+สัน์ใจั

ศ�กษาอ�ทธ์�พัลัจัากป็ฏ�สั�มพั�น์ธ์� หร1ออ�ทธ์�พัลัทางอ�อม (indirect effects) ซึ่�'งม�ผลัท2าให� ได�ผลัการวิ�จั�ยค+อน์ข�างจั2าก�ด ไม+สัมบั�รณ�ตามสัภาพัควิามเป็%น์จัร�ง

3) หากโมเดลัการวิ�จั�ยม�ต�วิแป็รหลัายระด�บั เช+น์ ม�ต�วิแป็รวิ�ดระด�บัองค�กร แลัะม�ต�วิแป็ร วิ�ดระด�บับัคคลั เป็%น์ต�น์ ผลัการวิ�เคราะห�ข�อม�ลัจัะให�ผลัท�'ม�การป็ระมาณค+าอ�ทธ์�พัลั

ของต�วิแป็รขน์าดองค�กรได�ต2'ากวิ+าท�'ควิร แต+หากใช�เทคน์�คการวิ�เคราะห�โมเดลัเช�งเสั�น์ ระด�บัลัดหลั�'น์ (hierarchical linear model: HLM) จัะได�ผลัการวิ�เคราะห�ตรงตามควิาม

เป็%น์จัร�งมากข�0น์4) โมเดลัการวิ�จั�ยม�ได�รวิมเทอมควิามคลัาดเคลั1'อน์ใน์การวิ�ดต�วิแป็รต�องม�ข�อตกลังเบั10อง

ต�น์วิ+า ต�วิแป็รทกต�วิไม+ม�ควิามคลัาดเคลั1'อน์ใน์การวิ�ด ซึ่�'งเป็%น์ข�อตกลังเบั10องต�น์ไม+ สัอดคลั�องก�บัสัภาพัควิามเป็%น์จัร�ง

น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคมควิามร� �. วิารสัารบัร�หารการศ�กษา มหาวิ�ทยาลั�ยขอน์แก+น์,

1(2), 9-18.

ยื)คสงคมคว่ามรื-� การวิ�จั�ยม�ลั�กษณะค2าถิามวิ�จั�ยเก�'ยวิก�บั ควิามสั�มพั�น์ธ์�เช�งสัาเหตท�'ซึ่�บัซึ่�อน์ ลั�กซึ่�0งมากกวิ+ายคก+อน์ โมเดลัการ

วิ�จั�ยยคสั�งคมควิามร� �น์�0จั�งม�ลั�กษณะแตกต+างจัากโมเดลัการวิ�จั�ยยคก+อน์ ต�วิแป็รใน์การวิ�จั�ยม� ท�0งต�วิแป็รสั�งเกตได� (observed variable) แลัะ ต�วิแป็รแฝง (latent or unobserved variable) โดยท�'ต�วิแป็รแฝง

เป็%น์ต�วิแป็รท�'ไม+ม�ควิามคลัาดเคลั1'อน์ใน์การวิ�ด ซึ่�'งวิ�ดได�จัากต�วิบั+งช�0ท�'เป็%น์ ต�วิแป็รสั�งเกตได� ด�งภาพั

POTENT

ACADEM

PROCESS

ENVIR

EFFECTIV

NT

CHAR

SATIS

LO

THINK

LEARNACTIV

PARCHILD

TRUSTSHAR

EPOSIT

MOTIVEXPEC

ICT

RESOU

KNOW

VISION

STRUC

DEFF

MORN

DEVEL

CHANG สั�มฤทธ์�> กางเพั9ง. (2551). ป็@จัจั�ยทางการบัร�หารท�'ม�อ�ทธ์�พัลัต+อป็ระสั�ทธ์�ผลัของโรงเร�ยน์: การ

พั�ฒน์าแลัะตรวิจัสัอบัควิามตรงของต�วิแบับั. ดษฎี�น์�พัน์ธ์�ป็ร�ญญาศ�กษาศาสัตรดษฎี�บั�ณฑิ�ต สัาขาวิ�ชาการบัร�หารการศ�กษา มหาวิ�ทยาลั�ยขอน์แก+น์.

จัากภาพั โมเดลัการวิ�จั�ยป็ระกอบัด�วิยโมเดลัการวิ�ด (measurement model) ห�า โมเดลั แลัะโมเดลัสัมการโครงสัร�าง (structural equation model) หน์�'งโมเดลั

“กรณ�ของ ” โมเดล่การืว่ด ท�'ม�หลั�กฐาน์ทางทฤษฎี�แลัะงาน์วิ�จั�ยเก�'ยวิก�บัต�วิแป็รแต+ลัะ ต�วิรองร�บัสัน์�บัสัน์น์ท�0งห�าโมเดลั ค1อ ( ใช�ร�ป็วิงร�เป็%น์สั�ญลั�กษณ�แทน์ต�วิแป็รแฝง แลัะ

ร�ป็สั�'เหลั�'ยมแทน์ต�วิแป็รสั�งเกตได�)

ตว่แป็รืแฝงภายืนอก (exogenous latent variable) ได�แก+ 1) โมเดล่การืว่ดตว่แป็รืแฝง POTENT (ป็@จัจั�ยสัมรรถิน์ะขององค�การ) วิ�ดจัากต�วิแป็ร

สั�งเกต 5 ต�วิแป็ร ได�แก+ (1) การจั�ดโครงสัร�างท�'เหมาะสัม (STRUC) (2) วิ�สั�ยท�ศน์� พั�น์ธ์ก�จั แลัะยทธ์ศาสัตร� (VISION) (3) ควิามร� �ควิามสัามารถิของบัคลัากร

(KNOW) (4) การจั�ดทร�พัยากรการเร�ยน์ร� � (RESOU) แลัะ (5) การใช�เทคโน์โลัย� สัารสัน์เทศแลัะการสั1'อสัารใน์การบัร�หาร (ICT) 2) โมเดล่การืว่ดตว่แป็รืแฝง

ACADEM (ป็@จัจั�ยภาวิะผ��น์2าทางวิ�ชาการ) วิ�ดจัากต�วิแป็รสั�งเกต 4 ต�วิแป็ร ได�แก+(1) การน์�ยามแลัะการสั1'อสัารเป็Bาหมายร+วิม (DEFF) (2) การก2าก�บัต�ดตาม แลัะให�

ข�อม�ลัป็Bอน์กลั�บัเก�'ยวิก�บักระบัวิน์การเร�ยน์การสัอน์ (MORN) (3) การสั+งเสัร�มการ พั�ฒน์าวิ�ชาช�พั (DEVEL) แลัะ(4) การเป็%น์ผ��น์2าการเป็ลั�'ยน์แป็ลัง (CHANGE)

ตว่แป็รืแฝงภายืใน (endogenous latent variable) ได�แก+ 1) โมเดล่การืว่ดตว่แป็รืแฝง PROCESS (ป็@จัจั�ยการจั�ดกระบัวิน์การเร�ยน์ร� �) วิ�ดจัากต�วิแป็ร5 ต�วิแป็ร ได�แก+ (1) การเน์�น์ผ��เร�ยน์เป็%น์สั2าค�ญ (CHILD) (2) การจั�ดก�จักรรมสั+ง

เสัร�มคณภาพัผ��เร�ยน์อย+างหลัากหลัาย (ACTIV) (3) การเน์�น์กระบัวิน์การค�ด(THINK) (4) การจั�ดบัรรยากาศให�เอ10อต+อการเร�ยน์ร� � (LEARN) แลัะ(5) การม�สั+วิน์

ร+วิมของผ��เก�'ยวิข�อง (PAR) 2) โมเดล่การืว่ดตว่แป็รืแฝง ENVIR (ป็@จัจั�ยบัรรยากาศของโรงเร�ยน์) วิ�ดจัากต�วิแป็ร 5 ต�วิแป็ร ได�แก+ (1) ควิามคาดหวิ�งสั�ง(EXPEC) (2) บัรรยากาศเช�งบัวิก (POSIT) (3) การให�ควิามเป็%น์ก�น์เองแลัะไวิ�

วิางใจัซึ่�'งก�น์แลัะก�น์ (TRUST) (4) การสั+งเสัร�มให�ม�การต�ดสั�น์ใจัร+วิม (SHARE) แลัะ(5) การจั�ดระบับัการจั�งใจั (MOTIV) 3) โมเดล่การืว่ดตว่แป็รืแฝง EFFECTIV (ป็@จัจั�ยป็ระสั�ทธ์�ผลัของโรงเร�ยน์) วิ�ดจัากต�วิแป็ร 4 ต�วิแป็ร ได�แก+ (1) ผลัสั�มฤทธ์�>

ทางการเร�ยน์ (NT) (2) คณลั�กษณะของน์�กเร�ยน์ (CHAR) (3) ควิามพั�งพัอใจัของ คร� (SATIS) แลัะ (4) ควิามเป็%น์องค�การแห+งการเร�ยน์ร� � (LO)

ยื)คสงคมคว่ามรื-�สั+วิน์โมเดล่สมการืโครืงสรื�าง ม�หลั�ก

ฐาน์ทางทฤษฎี�แลัะงาน์วิ�จั�ยสัน์�บัสัน์น์วิ+า ต�วิแป็รแฝง POTENT แลัะต�วิแป็รแฝงACADEM ม�ควิามสั�มพั�น์ธ์�ก�น์ ต+างม�

อ�ทธ์�พัลัทางตรงต+อต�วิแป็รแฝงPROCESS แลัะต�วิแป็รแฝง ENVIR แลัะม�อ�ทธ์�พัลัท�0งทางตรงแลัะทางอ�อมต+อ

ต�วิแป็รแฝง EFFECTIV กรณ�ม�อ�ทธ์�พัลั ทางอ�อม ม�ต�วิแป็รแฝง PROCESS แลัะ

ต�วิแป็รแฝง ENVIR เป็%น์ต�วิแป็รค�'น์ กลัางหร1อต�วิแป็รสั+งผ+าน์ (intervening

or mediating variable or mediator) ต�วิแป็รแฝง ACADEM ม�อ�ทธ์�พัลัทาง

อ�อมต+อต�วิแป็รแฝง EFFECTIV ด�วิย โดยผ+าน์ต�วิแป็รแฝง PROCESS

POTENT

ACADEM

PROCESS

ENVIR

EFFECTIV

ยื)คสงคมคว่ามรื-�

โมเดลัการวิ�จั�ยจัากภาพั ควิรก2าหน์ดสัมมต�ฐาน์การวิ�จั�ยเป็%น์ข้�อคว่ามบรืรืยืายืรื-ป็แบบอ(ทธิ(พื่ล่ในโมเดล่เป็�นภาพื่รืว่ม เช+น์ โมเดลัสัมการโครงสัร�างท�'สัร�างข�0น์ม�ควิามสัอดคลั�องหร1อกลัมกลั1น์ก�บัข�อม�ลัเช�งป็ระจั�กษ�

ใช�สัถิ�ต�วิ�เคราะห�ท�'สัามารถิวิ�เคราะห�ป็ระมาณค+าพัาราม�เตอร�ใน์โมเดลัสัมการถิดถิอยทกโมเดลัไป็พัร�อม ก�น์ (simultaneous equation model) แลัะม�การทดสัอบัควิามกลัมกลั1น์ของโมเดลั (model goodness

of fit test) ค1อ การืว่(เครืาะห*โมเดล่สมการืโครืงสรื�าง (Structural Equation Model: SEM)

ซึ่�'งต�องใช�โป็รแกรมคอมพั�วิเตอร�สั2าหร�บัการวิ�เคราะห� SEM ท�'ใช�ก�น์มากค1อ โป็รแกรม LISREL แลัะ โป็รแกรม Mplus เป็%น์ต�น์ สั2าหร�บัโป็รแกรม SPSS ไม+สัามารถิวิ�เคราะห�ข�อม�ลัตามโมเดลัน์�0ได�

POTENT

ACADEM

PROCESS

ENVIR

EFFECTIV

NT

CHAR

SATIS

LO

THINK LEAR

NACTI

V PARCHILD

TRUST

SHARE

POSIT

MOTIV

EXPEC

ICT

RESOU

KNOW

VISION

STRUC

DEFF

MORNDEVELCHANG

ยื)คสงคมคว่ามรื-�

การวิ�เคราะห�โมเดลัสัมการโครงสัร�าง (Structural Equation Model: SEM) หร1อสัถิ�ต� วิ�เคราะห� SEM พั�ฒน์าโดย Karl G. Joreskog เม1'อ ป็C ค.ศ. 1960 เป็%น์โมเดลัท�'บั�รณาการโมเดลั

การวิ�ดตามหลั�กการวิ�เคราะห�องค�ป็ระกอบั แลัะโมเดลัโครงสัร�างตามหลั�กการวิ�เคราะห�เสั�น์ ทาง ก�บัวิ�ธ์�การป็ระมาณค+าพัาราม�เตอร�ตามหลั�กวิ�ชาเศรษฐม�ต�

กลั+าวิได�วิ+า การวิ�เคราะห�โมเดลัสัมการโครงสัร�าง เป็%น์สัถิ�ต�วิ�เคราะห�ข� 0น์สั�งท�'ได�ร�บัการพั�ฒน์า ใหม+ แต+ย�งคงม�หลั�กการพั10น์ฐาน์ทางสัถิ�ต�แบับัเด�ม Kuhnel (2001 อ�างถิ�งใน์ น์งลั�กษณ� วิ�ร�ช

ช�ย, 2548) สัรป็วิ+า ........

“ การเร�ยน์ร� �เร1'องการวิ�เคราะห�โมเดลัสัมการโครงสัร�าง ไม+เพั�ยงแต+จัะช+วิยให�ผ��เร�ยน์สัามารถิ วิ�เคราะห�ข�อม�ลัท�'ม�ต�วิแป็รจั2าน์วิน์มากใน์การวิ�จั�ยท�'ม�พั10น์ฐาน์ทางทฤษฎี�รองร�บัเท+าน์�0น์ แต+การ

เร�ยน์ร� �เร1'องการวิ�เคราะห�โมเดลัสัมการโครงสัร�าง ย�งจัะเป็%น์ป็ระโยชน์�ช+วิยให�ผ��เร�ยน์เร�ยน์ร� �หลั�กการ พั10น์ฐาน์ของสัถิ�ต�วิ�เคราะห�ท� 0งหมด แลัะม�ป็ระสับัการณ�ตรงใน์การท2าควิามเข�าใจับัทบัาท

”ของสัถิ�ต�วิ�เคราะห�ต+อการวิ�จั�ยด�วิย น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคม

ควิามร� �. วิารสัารบัร�หารการศ�กษา มหาวิ�ทยาลั�ยขอน์แก+น์, 1(2), 9-18.

ยื)คสงคมคว่ามรื-�

น์งลั�กษณ� วิ�ร�ชช�ย (2548) ได�กลั+าวิวิ+า เม1'อศ�กษาหลั�กการของสัถิ�ต�วิ�เคราะห�สั+วิน์ท�'เป็%น์สัถิ�ต�วิ�เคราะห�อภ�มาน์ เป็ร�ยบั เท�ยบัก�บัหลั�กการของสัถิ�ต�วิ�เคราะห�ท�'ได�ร�บัการพั�ฒน์าใหม+ ม�ควิามเก�'ยวิข�องเช1'อมโยงถิ�งก�น์ของสัถิ�ต�วิ�เคราะห�แบับั

เด�ม 3 ป็ระเภท ด�งน์�0

ป็รืะเภทแรืก เป็%น์สัถิ�ต�วิ�เคราะห�ใช�ทดสัอบัควิามแตกต+างของค+าเฉลั�'ยระหวิ+างป็ระชากรสัองกลั+ม ป็ระเภท t-test แลัะ z-test สัถิ�ต�วิ�เคราะห� ต+อจัากน์�0น์ขยายขอบัเขตการวิ�เคราะห� เป็%น์การทดสัอบัควิามแตกต+างของค+าเฉลั�'ยระหวิ+าง

ป็ระชากรต�0งแต+สัามกลั+มข�0น์ไป็ โดยใช� การวิ�เคราะห�ควิามแป็รป็รวิน์ (analysis of variance: ANOVA) กลั+าวิได�วิ+า t-test เป็%น์กรณ�หน์�'งของ ANOVA เม1'อน์�กวิ�จั�ยเร�ยน์เร1'องการวิ�เคราะห�การถิดถิอยพัหค�ณ (multiple regression analysis: MRA) น์�กวิ�จั�ยได�เร�ยน์ร� �วิ+า ANOVA แลัะ ANCOVA (analysis of covariance) เป็%น์กรณ�หน์�'งของ MRA เม1'อ

น์�กวิ�จั�ยเร�ยน์ร� �ถิ�งเร1'องสัถิ�ต�วิ�เคราะห�ต�วิแป็รพัหน์าม (multivariate statistical analysis) จัะเห9น์วิ+า สัถิ�ต�วิ�เคราะห�ท�0งANOVA, ANCOVA, MRA เป็%น์สั+วิน์หน์�'งของการวิ�เคราะห�ควิามแป็รป็รวิน์ต�วิแป็รพัหน์าม (multivariate analysis of variance: MANOVA) การวิ�เคราะห�การถิดถิอยพัหค�ณต�วิแป็รพัหน์าม (multivariate multiple regression analysis: MMRA) สัถิ�ต�วิ�เคราะห�ใน์กรณ�ท�'ม�โมเดลัการวิ�จั�ยรองร�บั ม�การขยายขอบัเขตการวิ�เคราะห�ให�ครอบัคลัม

ถิ�งการวิ�เคราะห�เสั�น์ทาง (path analysis) สั2าหร�บักรอบัร�ป็สัามเหลั�'ยมใน์ภาพั แสัดงถิ�งสัถิ�ต�วิ�เคราะห�ท�'ใช�การ วิ�เคราะห�ควิามแป็รป็รวิน์แลัะการวิ�เคราะห�ถิดถิอยพัหค�ณสั2าหร�บัการวิ�เคราะห�ข�อม�ลัพัหระด�บั ท�'เร�ยกวิ+า การวิ�เคราะห�

โมเดลัเช�งเสั�น์ระด�บัลัดหลั�'น์ (hierarchical linear model : HLM) ด�วิย สัถิ�ต�วิ�เคราะห�ท�0งหมดน์�0เป็%น์สัถิ�ต�วิ�เคราะห�ท�'ม� ต�วิแป็รต�น์ต�วิแป็รตาม รวิมเร�ยกวิ+าเทคน์�คทางสัถิ�ต�กรณ�ต�วิแป็รม�ควิามสั�มพั�น์ธ์�เช�งเหตเช�งผลั (dependence

statistical technique)

LISREL or SEM

t-testANOVA

MRA, ANCOVA

HotellingT2

MANOVA

MMRA, MANCOVA PATH ANALYSIS

FACT OR, C LUSTE R ANAL YS IS

NONP

ARAM

ETRI

CST

ATISTI

CS

HLM

น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคมควิามร� �. วิารสัารบัร�หารการศ�กษา มหาวิ�ทยาลั�ยขอน์แก+น์,

1(2), 9-18.

ยื)คสงคมคว่ามรื-�• ป็รืะเภทท��สอง ใน์กรอบัทางซึ่�ายม1อเป็%น์เทคน์�คทาง

สัถิ�ต�กรณ�ต�วิแป็รม�ควิามสั�มพั�น์ธ์�เช�งเหตเช�งผลัสั2าหร�บัการวิ�เคราะห�ข�อม�ลัป็ระเภทท�'ไม+ม�ข�อก2าหน์ด

เก�'ยวิก�บัพัาราม�เตอร� ซึ่�'งข�อม�ลัม�ระด�บัการวิ�ดของ ต�วิแป็ร ระด�บัน์ามบั�ญญ�ต�แลัะเร�ยงอ�น์ด�บั สัถิ�ต�

วิ�เคราะห�ใน์กลั+มน์�0 ค1อ สัถิ�ต�น์�น์พัาราเมตร�ก (non parametric statistics) สัถิ�ต�วิ�เคราะห�ป็ระเภทการ

วิ�เคราะห�องค�ป็ระกอบั แลัะสัถิ�ต�วิ�เคราะห�ป็ระเภทสัถิ�ต� น์�น์พัาราเมตร�ก

• ป็รืะเภทท��สาม ใน์กรอบัทางขวิาม1อของภาพั เป็%น์สัถิ�ต�วิ�เคราะห�ป็ระเภทท�'ข�อม�ลัไม+ม�การระบัต�วิแป็รต�น์

ต�วิแป็รตาม ข�อม�ลัม�เพั�ยงชดของต�วิแป็รท�'สั�มพั�น์ธ์� ก�น์ เร�ยกวิ+า เทคน์�คทางสัถิ�ต�กรณ�ต�วิแป็รสั�มพั�น์ธ์�

ระหวิ+างก�น์ (interdependent statistical technique) ได�แก+ สัถิ�ต�วิ�เคราะห�ใน์กลั+มการวิ�เคราะห�องค�ป็ระกอบั

(factor analysis) การวิ�เคราะห�มาตรพัหม�ต�(multidimensional scaling)

LISREL or SEM

t-testANOVA

MRA, ANCOVA

HotellingT2

MANOVA

MMRA, MANCOVA PATH ANALYSIS

FACTOR, CLUSTER ANALYSIS

NONP

ARAM

ETRI

CST

ATIST

ICS

HLM

ยื)คสงคมคว่ามรื-� สัถิ�ต�วิ�เคราะห� SEM ย�งม�ศ�กยภาพัสัามารถิ

วิ�เคราะห�โมเดลัควิามสั�มพั�น์ธ์�เช�งสัาเหตพัห ระด�บั (multi-level causal model) โมเดลั

การวิ�เคราะห�องค�ป็ระกอบัระยะยาวิ(longitudinal factor analysis model)

โมเดลักลั+มพัห (multiple population model) โมเดลัโค�งพั�ฒน์าการแบับัม�ต�วิแป็ร

แฝง (latent growth curve model) แลัะ โมเดลัอ1'น์ ๆ อ�กมาก (Joreskog and

Sorbom , 1996 อ�างถิ�งใน์ น์งลั�กษณ� วิ�ร�ชช�ย, 2548) รวิมท�0งสัามารถิวิ�เคราะห�โมเดลัSEM ท�'ควิามสั�มพั�น์ธ์�ระหวิ+างต�วิแป็รไม+เป็%น์

แบับัเสั�น์ตรงได�อ�กหลัายโมเดลั (Joreskog, et al, 1999 อ�างถิ�งใน์ น์งลั�กษณ� วิ�ร�ชช�ย, 2548) ขอบัเขตการวิ�เคราะห�ท�'กวิ�างขวิาง

ท2าให�สัถิ�ต�วิ�เคราะห� SEM สัามารถิวิ�เคราะห�เพั1'อตอบัค2าถิามวิ�จั�ยได�กวิ�างขวิางแลัะลั�กซึ่�0งมากข�0น์

น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคมควิามร� �. วิารสัารบัร�หารการศ�กษา มหาวิ�ทยาลั�ยขอน์แก+น์,

1(2), 9-18.

ยื)คสงคมคว่ามรื-� น์งลั�กษณ� วิ�ร�ชช�ย (2548) ได�กลั+าวิอ�กวิ+า สัถิ�ต�วิ�เคราะห� SEM เป็%น์สัถิ�ต�วิ�เคราะห�ท�'เหมาะสัมก�บังาน์วิ�จั�ย

ทางสั�งคมศาสัตร�แลัะพัฤต�กรรมศาสัตร� ใน์ยคสั�งคมควิามร� � ด�วิยเหตผลัโดยสัรป็ด�งน์�0

• ม�ศ�กยภาพัสัามารถิวิ�เคราะห�ข�อม�ลัได�กวิ�างขวิาง เพัราะม�หลั�กการวิ�เคราะห� ท�'สัามารถิวิ�เคราะห�ข�อม�ลัได� เช+น์เด�ยวิก�บัสัถิ�ต�วิ�เคราะห�ท�'ง+ายท�'สัด เช+น์ t-test ไป็จัน์ถิ�งสัถิ�ต�ข� 0น์สั�งท�'ซึ่�บัซึ่�อน์ด�งกลั+าวิแลั�วิข�างต�น์

• สัามารถิใช�สัถิ�ต�วิ�เคราะห�เป็%น์ภาพัรวิมได�ตามโมเดลัการวิ�จั�ย แลัะม�สัถิ�ต�ทดสัอบัควิามตรงของโมเดลัการวิ�จั�ย

• การผ+อน์คลัายข�อตกลังเบั10องต�น์ทางสัถิ�ต� ป็กต�สัถิ�ต�วิ�เคราะห�ย�'งเป็%น์สัถิ�ต�ข� 0น์สั�ง จัะย�'งม�ข�อตกลังเบั10อง ต�น์ทางสัถิ�ต�มากข�0น์ แต+สัถิ�ต�วิ�เคราะห� SEM กลั�บัม�ข�อตกลังเบั10องต�น์ทางสัถิ�ต�น์�อยลัง การท�'สัถิ�ต�

วิ�เคราะห� SEM น์2าเทอมควิามคลัาดเคลั1'อน์มาวิ�เคราะห�ด�วิย ท2าให�สัามารถิวิ�เคราะห�ข�อม�ลักรณ�ท�'เทอม ควิามคลัาดเคลั1'อน์สั�มพั�น์ธ์�ก�น์ได� ต�วิแป็รใน์โมเดลัการวิ�จั�ยม�ควิามคลัาดเคลั1'อน์ใน์การวิ�ดได� หร1อโมเดลั

การวิ�จั�ยม�ต�วิแป็รแฝงได� ต�วิแป็รท2าน์ายอาจัม�ควิามสั�มพั�น์ธ์�ก�น์ได� โมเดลัการวิ�เคราะห�ไม+จั2าเป็%น์ต�องเป็%น์ โมเดลัอ�ทธ์�พัลัแบับับัวิก แลัะม�อ�ทธ์�พัลัทางเด�ยวิ อาจัเป็%น์โมเดลัแบับัค�ณ แลัะม�อ�ทธ์�พัลัย�อน์กลั�บัได�

น์อกจัากน์�0ย�งสัามารถิวิ�เคราะห�กรณ�ต�วิแป็รหลัายต�วิใน์โมเดลัการวิ�จั�ยม�ระด�บัการวิ�ดแบับัน์ามบั�ญญ�ต�หร1อแบับัเร�ยงอ�น์ด�บัได�ด�วิย

• ใน์การวิ�จั�ยเช�งทดลัองเม1'อต�วิแป็รตามสัร�างข�0น์ตามโมเดลัการวิ�ด แลัะต�วิแป็รตามอย�+ใน์ร�ป็ของต�วิแป็ร แฝง การวิ�เคราะห�ด�วิยสัถิ�ต�วิ�เคราะห� SEM จัะให�ผลัการวิ�เคราะห�ถิ�กต�องมากกวิ+าการวิ�เคราะห�ด�วิย

ANOVA, MANOVA แบับัเด�ม น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคม

ควิามร� �. วิารสัารบัร�หารการศ�กษา มหาวิ�ทยาลั�ยขอน์แก+น์, 1(2), 9-18.

ยื)คสงคมคว่ามรื-� แม�วิ+าการวิ�เคราะห� SEM เป็%น์สัถิ�ต�

วิ�เคราะห�ท�'ม�ควิามเหมาะสัมก�บังาน์ วิ�จั�ยทางสั�งคมศาสัตร� แลัะพัฤต�กรรม

ศาสัตร�มากข�0น์ แต+ก9ย�งม�จัดอ+อน์ ซึ่�'งใน์อน์าคตคงม�การพั�ฒน์าให�ม�ควิาม

เหมาะสัมมากย�'งข�0น์ จัดอ+อน์ของสัถิ�ต� วิ�เคราะห� SEM ม�สัามป็ระการ ด�งน์�0

1. ต�องใช�กลั+มต�วิอย+างขน์าดใหญ+ การ วิ�เคราะห� SEM ต�องใช�กลั+มต�วิอย+าง

ขน์าดใหญ+เช+น์เด�ยวิก�บัการวิ�เคราะห� การถิดถิอย เกณฑิ�สั2าหร�บัการก2าหน์ด

ขน์าดกลั+มต�วิอย+าง ระบัขน์าดกลั+มต�วิอย+างเป็%น์ฟ@งก�ช�'น์ของจั2าน์วิน์

พัาราม�เตอร�ท�'ต�องป็ระมาณค+า ค1อ ต�องม�ขน์าดกลั+มต�วิอย+างป็ระมาณ 20

คน์ ต+อหน์�'งพัาราม�เตอร�

น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคมควิามร� �. วิารสัารบัร�หารการศ�กษา มหาวิ�ทยาลั�ยขอน์แก+น์, 1(2), 9-18.

ยื)คสงคมคว่ามรื-�2. จัดอ+อน์ใน์การวิ�เคราะห�เพั1'อตรวิจัสัอบัควิามตรงของโมเดลั เป็%น์การทดสัอบัสัมมต�ฐาน์ทาง

สัถิ�ต�วิ+า เมทร�กซึ่�ควิามแป็รป็รวิน์- ควิามแป็รป็รวิน์ร+วิมจัากข�อม�ลัเช�งป็ระจั�กษ� ไม+แตกต+างจัากเมทร�กซึ่�ควิามแป็รป็รวิน์- ควิามแป็รป็รวิน์ท�'ค2าน์วิณจัากค+าพัาราม�เตอร�ใน์โมเดลั หร1อ H0 : =

การทดสัอบัด�งกลั+าวิเป็%น์การทดสัอบัด�วิย chi-square test เม1'อน์�กวิ�จั�ยไม+สัามารถิป็ฏ�เสัธ์ สัมมต�ฐาน์ทางสัถิ�ต� การแป็ลัควิามหมายจัะถิ1อวิ+าโมเดลัสัอดคลั�องก�บัข�อม�ลัเช�งป็ระจั�กษ� แต+ใน์

ควิามเป็%น์จัร�ง โมเดลัท�'น์�กวิ�จั�ยทดสัอบัอาจัจัะย�งม�ใช+โมเดลัท�'ด�ท�'สัด

Meehl and Waller (2002 อ�างถิ�งใน์ น์งลั�กษณ� วิ�ร�ชช�ย, 2548) เสัน์อทางเลั1อกใน์การแก�ไขจัด อ+อน์ของการวิ�เคราะห�โมเดลัสัมการโครงสัร�าง (SEM) สัองวิ�ธ์� วิ�ธ์�แรก ค1อการพั�ฒน์าโมเดลัท�'ม�

ควิามเป็%น์ไป็ได�ตามทฤษฎี�ท� 0งหมด น์2ามาวิ�เคราะห�เพั1'อให�ได�โมเดลัท�'สัอดคลั�องก�บัข�อม�ลัเช�ง ป็ระจั�กษ�ท�'ด�ท�'สัด แลัะวิ�ธ์�ท�'สัองเป็%น์วิ�ธ์�ท�' Joreskog and Sorbom (1996 อ�างถิ�งใน์ น์งลั�กษณ�

วิ�ร�ชช�ย, 2548) เสัน์อไวิ� ค1อ การรวิบัรวิมข�อม�ลัจั2าน์วิน์มาก แยกกลั+มต�วิอย+างเป็%น์สัองกลั+ม กลั+ม แรก เป็%น์กลั+มต�วิอย+างสั2าหร�บัการวิ�เคราะห� (analysis sample) แลัะกลั+มท�'สัอง เป็%น์กลั+มสั2าหร�บั

ตรวิจัสัอบัควิามตรง (validated sample) เพั1'อตรวิจัสัอบัย1น์ย�น์ควิามตรงของผลัการวิ�เคราะห�ข�อม�ลั

น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคมควิามร� �. วิารสัารบัร�หารการศ�กษา มหาวิ�ทยาลั�ยขอน์แก+น์,

1(2), 9-18.

ยื)คสงคมคว่ามรื-�3. ม�โมเดลัแลัะกระบัวิน์การวิ�เคราะห�ย+งยาก เน์1'องจัาก

ม�ต�วิแป็รหลัายป็ระเภท แลัะม�เทอมควิามคลัาด เคลั1'อน์ใน์โมเดลั รวิมท�0งม�เสั�น์ทางอ�ทธ์�พัลัแบับั

ต+างๆ แม�จัะม�โป็รแกรมคอมพั�วิเตอร�ช+วิยใน์การ วิ�เคราะห� แต+การเข�ยน์ค2าสั�'งแตกต+างจัากโป็รแกรม

เด�ม กระบัวิน์การวิ�เคราะห�ข�อม�ลัม�ใช+วิ�เคราะห�คร�0ง เด�ยวิได�ผลัการวิ�เคราะห�ท�น์ท�แบับัโป็รแกรม SPSS

การวิ�เคราะห� SEM ต�องวิ�เคราะห�ข�อม�ลั แลั�วิน์2าผลั การวิ�เคราะห�มาพั�จัารณา หากโมเดลัย�งไม+

สัอดคลั�องก�บัข�อม�ลั ต�องพั�จัารณาป็ร�บัโมเดลัใน์ สั+วิน์ของการผ+อน์คลัายข�อตกลังเบั10องต�น์ แลั�วิ

วิ�เคราะห�ใหม+ ซึ่�'งน์�กวิ�จั�ยอาจัต�องป็ร�บัโมเดลัแลัะวิ�เคราะห�ใหม+หลัายคร�0งกวิ+าจัะได�ผลัการวิ�เคราะห�

ข�อม�ลัท�'ถิ�กต�อง อย+างไรก9ด� ป็@จัจับั�น์ม�การพั�ฒน์าโป็รแกรมคอมพั�วิเตอร�ให�สัามารถิใช�งาน์ได�สัะดวิกมากย�'งข�0น์

น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคมควิามร� �. วิารสัารบัร�หารการศ�กษา มหาวิ�ทยาลั�ยขอน์แก+น์,

1(2), 9-18.

ยื)คสงคมคว่ามรื-� เน์1'องจัากสัถิ�ต�วิ�เคราะห� SEM ใช�หลั�กการสัถิ�ต�แบับัเด�มเป็%น์พั10น์ฐาน์ ด�งน์�0น์ใน์กรณ�ท�'น์�กวิ�จั�ยย�งต�0ง

ค2าถิามวิ�จั�ยแบับัเด�ม ก2าหน์ดสัมมต�ฐาน์วิ�จั�ยเป็%น์รายข�อ แม�ผลัการวิ�เคราะห�ท�'ได�จัากสัถิ�ต�วิ�เคราะห�SEM จัะม�ควิามถิ�กต�องมากข�0น์ แต+ผลัการวิ�เคราะห�ก9ม�ได�แตกต+างมากมายจัากผลัการวิ�เคราะห�แบับั

เด�ม น์�กวิ�จั�ยอาจัพั�จัารณาถิ�งควิามค�มค+าใน์การเร�ยน์ร� �สัถิ�ต�วิ�เคราะห� SEM อาจัพั�จัารณาเร�ยน์ร� �การ อ+าน์ผลัการวิ�จั�ยท�'ใช�สัถิ�ต�วิ�เคราะห� SEM โดยไม+ต�องเร�ยน์ร� �ท�'จัะใช�สัถิ�ต�วิ�เคราะห� SEM ใน์การวิ�จั�ยก9ได�

แต+ใน์กรณ�ท�'น์�กวิ�จั�ยก2าหน์ดป็@ญหาวิ�จั�ยท�'ม�ควิามซึ่�บัซึ่�อน์ ลั�กซึ่�0งมากกวิ+าใน์อด�ต ม�การสัร�างโมเดลั การวิ�จั�ยท�'ม�ต�วิแป็รแฝง แลัะม�การก2าหน์ดสัมมต�ฐาน์วิ�จั�ยเป็%น์ภาพัรวิม สัถิ�ต�วิ�เคราะห� SEM เป็%น์เร1'อง

สั2าค�ญ ท�'น์�กวิ�จั�ยควิรใช� เพัราะจัะท2าให�ได�ผลัการวิ�จั�ยท�'ตอบัค2าถิามวิ�จั�ยได�อย+างถิ�กต�องแลัะสัมบั�รณ�

งาน์วิ�จั�ยใน์ยคสั�งคมควิามร� �สั+วิน์ใหญ+จั�งเป็%น์งาน์วิ�จั�ยท�'ใช�สัถิ�ต�วิ�เคราะห� SEM มากข�0น์ สั2าหร�บัการ เร�ยน์การสัอน์ น์�กศ�กษาระด�บัป็ร�ญญามหาบั�ณฑิ�ตทกคน์ต�องได�เร�ยน์ร� �สัถิ�ต�วิ�เคราะห� SEM เพั�ยง

พัอท�'จัะอ+าน์งาน์วิ�จั�ยยคสั�งคมควิามร� �ได�เข�าใจั แลัะน์2าผลัการวิ�จั�ยไป็ใช�ป็ระโยชน์�ได� น์�กศ�กษาระด�บั ป็ร�ญญาดษฎี�บั�ณฑิ�ตทกคน์ควิรต�องได�เร�ยน์ร� �สัถิ�ต�วิ�เคราะห� SEM ถิ�งข�0น์ใช�ใน์การวิ�เคราะห�ข�อม�ลั

สั2าหร�บัการวิ�จั�ยของตน์ได� โดยน์งลั�กษณ� วิ�ร�ชช�ย ม�ควิามเห9น์วิ+า ใน์ยคสั�งคมควิามร� �น์� 0น์การม�ควิามร� � เร1'องสัถิ�ต�วิ�เคราะห� SEM ซึ่�'งเป็%น์สัถิ�ต�วิ�เคราะห�ท�'ม�ควิามเหมาะสัมสั2าหร�บัการวิ�จั�ยทางสั�งคมศาสัตร�

แลัะพัฤต�กรรมศาสัตร� เป็%น์สัถิ�ต�วิ�เคราะห�ท�'น์+าจัะเป็%น์เร1'องท�'ม�ป็ระโยชน์�ค�มค+าการลังทน์เร�ยน์ร� � น์งลั�กษณ� วิ�ร�ชช�ย (2548). แน์วิโน์�มการวิ�จั�ยใน์ยคสั�งคมควิามร� �. วิารสัารบัร�หารการศ�กษา

มหาวิ�ทยาลั�ยขอน์แก+น์, 1(2), 9-18.

ทฤษฎี�+งาน์วิ�จั�ย... จัดเร�'มต�น์การสัร�างโมเดลั สัมการโครงสัร�างเพั1'อการย1น์ย�น์หร1อทดสัอบัทฤษฎี�

การืศึ"กษาทฤษฎี�แล่ะงานว่(จยืท��เก��ยืว่ข้�องในบทท�� 2 เพั1'อสัร�างโมเดลัสัมการโครงสัร�างท�'เป็%น์โมเดลัการวิ�จั�ยหร1อโมเดลั

สัมมต�ฐาน์ ถิ1อวิ+าเป็%น์จัดเร�'มต�น์ ท�'สั2าค�ญ หากศ�กษาไม+ตรงเร1'องตรงป็ระเด9น์ ผลัท�'เก�ดตามข�0น์มาก9จัะ

ไม+ตรงเร1'องตรงป็ระเด9น์ด�วิยด3าเน(นการืว่(จยื ตามว่(ธิ�การืท��ก3าหนดในบทท�� 3•ป็ระชากรแลัะกลั+มต�วิอย+าง ขน์าดกลั+มต�วิอย+างป็ระมาณ 20 คน์ ต+อหน์�'งพัาราม�เตอร� •เคร1'องม1อท�'ใช�ใน์การวิ�จั�ย (ลั�กษณะ การสัร�าง การตรวิจัสัอบัควิามตรงจัากผ��ทรงคณวิฒ� แลัะการทดลัองใช�เพั1'อหาค+าควิามเช1'อม�'น์)•การรวิบัรวิมข�อม�ลัจัากกลั+มต�วิอย+างของป็ระชากร•การวิ�เคราะห�ข�อม�ลั โดยใช�สัถิ�ต�วิ�เคราะห� SEM เช+น์ LISREL, MPLUS, AMOS, หร1อ EQS ซึ่�'งน์�กวิ�จั�ยใน์สัาขาวิ�ชาการบัร�หารการศ�กษาท�'ไม+ได�ศ�กษาลังลั�กใน์เร1'องน์�0 จัะต�องเข�าร�บัฝDกอบัรมแบับัเข�ม เพั1'อให�ม�ควิามร� �ควิามเข�าใจัท�'ถิ+องแท� สัามารถิใช�โป็รแกรมวิ�เคราะห�ข�อม�ลัได�เอง•เกณฑิ�วิ�ดควิามสัอดคลั�อง เช+น์ ค+าค+า , /df, GFI, AGFI, CFI, standardized RMR, RMSEA, CN largest standardized residual, แลัะค+า Q-plot เป็%น์ต�น์ หากผลัการวิ�เคราะห�ข�อม�ลัไม+เป็%น์ไป็ตามเกณฑิ�ก9จัะม�การป็ร�บัโมเดลั

,

ผล่ล่พื่ธิ* -- ได�โมเดลัสัมการโครงสัร�างถิ1อเป็%น์โมเดลัสัมมต�ฐาน์หร1อโมเดลัการวิ�จั�ย

ผล่การืว่(จยื ---โมเดลัสัมการโครงสัร�างท�'สัร�างข�0น์จัากทฤษฎี�ม�ควิามสัอดคลั�องก�บัข�อม�ลัเช�งป็ระจั�กษ�

หากต�ดสั�น์ใจั SEM… ผ��วิ�จั�ยต�องค2าน์�งถิ�ง....คณภาพัของโมเดลัสัมการโครงสัร�าง.... เร�'มต�น์ต�0งแต+ บัทท�' 2 โดยจัะต�อง review ทฤษฎี� + งาน์วิ�จั�ย

สัน์�บัสัน์น์การสัร�างโมเดลั อย+างหน์�กแน์+น์เข�มแข9ง ตรง เร1'องตรงป็ระเด9น์ หากขาดคณภาพั.... ไม+วิ+าจัะใช�เทคน์�ควิ�ธ์�

การทางสัถิ�ต�ด�อย+างไร ผลัท�'ได�จัากการพั�ฒน์าก9ย+อมด�อยคณภาพัไป็ด�วิย

การวิ�จั�ย SEM เป็%น์การวิ�จั�ยเช�งป็ร�มาณม�วิ�ตถิป็ระสังค�แลัะระเบั�ยบัวิ�ธ์�วิ�จั�ยท�'

ช�ดเจัน์ จั�งไม+น์+าเป็%น์ห+วิง ท�'จัะต�องให� ควิามสั2าค�ญ ค1อ การ review ทฤษฎี�

แลัะงาน์วิ�จั�ยสัน์�บัสัน์น์การสัร�างโมเดลั ใน์บัทท�' 2 วิ+าจัะต�องตรงเร1'องตรง ป็ระเด9น์ อย+างเป็%น์เหตผลั

ข�อควิรค2าน์�งถิ�ง..... บัทท�' 2• ไม+...... อ�างอ�งทฤษฎี�แลัะงาน์วิ�จั�ยท�'ไม+ตรง ต�องการทราบัเร1'องราวิ

ของเร1'องหน์�'ง แต+กลั�บัไป็ศ�กษาเร1'องราวิของอ�กเร1'องหน์�'งมาแทน์ หร1อมาแทรกป็น์

• ไม+..... “ ” สั�งเคราะห�เน์10อหาเพั1'อก2าหน์ดต�วิแป็ร แบับัม�ธ์ง ไวิ�ก+อน์ลั+วิง หน์�า วิ+าต�องการม�ก�'ต�วิ หร1อม�อะไรบั�าง ไม+วิ+าเน์10อหาท�'ศ�กษามาน์�0น์จัะ

กลั+าวิต�วิแป็รอ1'น์ไวิ�น์อกเหน์1อจัากน์�0น์ก9ตาม.... เอาทกต�วิแป็ร แลั�วิ สัร�างตารางสั�งเคราะห� หากม�มากมาย ค+อยก2าหน์ดเกณฑิ�เพั1'อค�ด

เลั1อก• ไม+.... “ ” น์2าเสัน์อเน์10อหา แบับัน์20าท+วิมท+ง ไม+ทราบัวิ+าตรงไหน์กลั+าวิถิ�ง

ต�วิแป็รใด แต+เม1'อท2าตารางสั�งเคราะห�กลั�บัม�ต�วิแป็รป็รากฏใน์ตาราง สั�งเคราะห�น์�0น์ เอา ให�ช�ดๆ เลัยวิ+า ม�อะไรบั�าง 1, 2,3, 4…

• ..................................

ไม+ก2าหน์ดต�วิแป็รตามใจัค�ด...

• Warning: Indicator variables cannot be combined arbitrarily to form latent variables. For instance, combining gender, race, or other demographic variables to form a latent variable called "background factors" would be improper because it would not represent any single underlying continuum of meaning. The confirmatory factor analysis step in SEM is a test of the meaningfulness of latent variables and their indicators but the researcher may wish to apply traditional tests (ex., Cronbach's alpha) or conduct traditional factor analysis (ex., principal axis factoring) as well. Rex B. Kline

ท2าตารางสั�งเคราะห�.. หลั�งการ review แต+ลัะต�วิแป็ร

องค*ป็รืะกอบ

Bennis and Nanus (1985)

Hickman & Silva (1984)

Westley & Mintbarg (1989)

Lesoure (1990)

Braun (1991)

Fisher and Wilmore (1993)

Nanus (1992)

Piciacchia (1996)

Marinelli (1998)

Thompson (2000)

Manning and Robertson (2002)

Williams (2005)

Sashkin & Sashkin (2003)

Kantabutra and Avery (2004)

Zaccaro & Bennis (2004)

Leimbach (2006)

(2005)

Thomus (2005)

Kapur (2007)

Kahan (2002)

Thompson (2005)

Leonard (2008)

Rock (2009)

วิ�ระวิ�ฒน์� ป็�น์น์�ตาม�ย (2544)

เศวิต ต�น์พัลั�ร�ตน์� (2547)

สัดา สัวิรรณาภ�รมย�แลัะอด�ศ�กด�> จั�น์ทรป็ระภาเลั�ศ (2552)

พั�ชาย ร�ตน์ดลัก ณ ภ�เก9ต (2552)

สัมชาย เทพัแสัง (2552)

ไพัท�รย� สั�น์ลัาร�ตน์� (2553)

บั�รช�ย ศ�ร�มหาสัาคร(2553)

สัร�พั�น์ธ์� เสัน์าน์ช (2553)

สัภาบั�น์เพั�'มผลัผลั�ตแห+งชาต� (2553)

สั2าน์�กงาน์คณะกรรมการการศ�กษาข�0น์พั10น์ฐาน์ (2553)

รวิม

1. การสัร�างวิ�สั�ยท�ศน์� 33

2. การเผยแพัร+วิ�สั�ยท�ศน์� 33

3. การป็ฏ�บั�ต�ตามวิ�สั�ยท�ศน์� 33

4. การเป็%น์แบับัอย+างท�'ด� 17

5. การป็ระเม�น์วิ�สั�ยท�ศน์� 5

6. การม�สั+วิน์ร+วิม 2

7. การสัร�างน์วิ�ตกรรมแลัะการเป็ลั�'ยน์แป็ลัง

4

8. การสัร�างควิามไวิ�วิางใจั 1

9. การให�ควิามสั2าค�ญก�บัผ��อ1'น์

1

10. การมอบัอ2าน์าจั 4

11. การค�ดเช�งกลัยทธ์� 4

12. ควิามค�ดสัร�างสัรรค� 1

13. ผ��น์2าการเป็ลั�'ยน์แป็ลัง 1

14. การย�ดม�'น์ใน์อดมการณ� 1

15. ควิามร�บัผ�ดชอบัต+อวิ�สั�ยท�ศน์�

1

16. มน์ษย�สั�มพั�น์ธ์� 1

17. การท2างาน์เป็%น์ท�ม 3

รวิม 5 7 8 5 3 4 6 3 3 5 5 4 4 4 5 3 3 3 4 5 6 4 4 6 4 5 3 4 4 3 4 5 4 145

การสั�งเคราะห�จัากหลัากหลัาย แหลั+ง ถิ1อเป็%น์ท�กษะการค�ดข�0น์

สั�งสัดตาม Bloom’s taxonomy revised 2001

(Synthesis)

วิ�ตถิป็ระสังค�การวิ�จั�ย ... ควิรก2าหน์ดเพั1'อเร�ยน์ร� �ใน์ค2าถิามแลัะสัถิ�ต�ข� 0น์พั10น์ฐาน์ด�วิย

ตว่อยื�างว่ตถึ)ป็รืะสงค*การืว่(จยื --- โมเดลัสัมการโครงสัร�างภาวิะผ��น์2าเช�งวิ�สั�ยท�ศน์�

การวิ�จั�ยคร�0งน์�0ม�จัดม+งหมายเพั1'อศ�กษาโมเดลัสัมการโครงสัร�างภาวิะผ��น์2าแห+งการ เป็ลั�'ยน์แป็ลังของผ��บัร�หารสัถิาน์ศ�กษาข�0น์พั10น์ฐาน์ โดยม�วิ�ตถิป็ระสังค� ด�งน์�0

– เพั1'อศ�กษาระด�บัพัฤต�กรรมภาวิะผ��น์2าแห+งการเป็ลั�'ยน์แป็ลังของผ��บัร�หารสัถิาน์ศ�กษาข�0น์ พั10น์ฐาน์ แลัะเป็ร�ยบัเท�ยบัจั2าแน์กตามเพัศ อาย ป็ระสับัการณ�เป็%น์ผ��บัร�หาร แลัะระด�บั

ของสัถิาน์ศ�กษา– เพั1'อศ�กษาระด�บัพัฤต�กรรมใน์ป็@จัจั�ยท�'ม�อ�ทธ์�พัลัต+อภาวิะผ��น์2าแห+งการเป็ลั�'ยน์แป็ลังของ

ผ��บัร�หารสัถิาน์ศ�กษาข�0น์พั10น์ฐาน์ แลัะเป็ร�ยบัเท�ยบัจั2าแน์กตามเพัศ อาย ป็ระสับัการณ� เป็%น์ผ��บัร�หาร แลัะระด�บัของสัถิาน์ศ�กษา

– เพั1'อตรวิจัสัอบัควิามกลัมกลั1น์ของโมเดลัสัมการโครงสัร�างภาวิะผ��น์2าแห+งการเป็ลั�'ยน์แป็ลังของผ��บัร�หารสัถิาน์ศ�กษาข�0น์พั10น์ฐาน์ท�'พั�ฒน์าข�0น์ก�บัข�อม�ลัเช�งป็ระจั�กษ�

– เพั1'อศ�กษาขน์าดอ�ทธ์�พัลัทางตรง อ�ทธ์�พัลัทางอ�อม แลัะอ�ทธ์�พัลัรวิมของป็@จัจั�ยท�'น์2ามาศ�กษาต+อภาวิะผ��น์2าแห+งการเป็ลั�'ยน์แป็ลังของผ��บัร�หารสัถิาน์ศ�กษาข�0น์พั10น์ฐาน์

กรณ�ศ�กษา ... กรณ� SEM ม�ต�วิแป็รสั�งเกตhttp://ednet.kku.ac.th/~edad/OLD/Dissertation_Pdf/Samrit.pdfhttp://ednet.kku.ac.th/~edad/OLD/phenporn.pdfhttp://ednet.kku.ac.th/~edad/OLD/Jirawan_PhD[1].pdfhttp://ednet.kku.ac.th/~edad/OLD/Nikanchala_thesis.pdfhttp://ednet.kku.ac.th/~edad/OLD/Nikanchala_thesis.pdfhttp://www.mbuisc.ac.th/phd/thesis/Supphakant.pdfhttp://www.mbuisc.ac.th/phd/thesis/wongwarin.pdf

การวิ�จั�ย SEM…. ผ��วิ�จั�ย• เป็%น์น์�กศ�กษาค�น์ควิ�าทฤษฎี�แลัะงาน์วิ�จั�ยท�'เก�'ยวิข�อง• เป็%น์น์�กทดสัอบัหร1อย1น์ย�น์ทฤษฎี�• เป็%น์น์�กสัร�างโมเดลัสัมการโครงสัร�างเช�งเหตผลั• เป็%น์น์�กออกแบับังาน์วิ�จั�ยเช�งป็ร�มาณ• เป็%น์น์�กสั�งเคราะห�ข�อม�ลัหร1อต�วิแป็ร• เป็%น์น์�กวิ�เคราะห�ข�อม�ลัด�วิยสัถิ�ต�วิ�เคราะห� SEM• เป็%น์น์�กวิ�เคราะห�องค�ป็ระกอบัแลัะเสั�น์ทางอ�ทธ์�พัลั• เป็%น์น์�กสัร�างโมเดลัเช�งทฤษฎี�เพั1'อเป็%น์แน์วิการพั�ฒน์า• เป็%น์น์�กวิ�ทยาศาสัตร�ทางสั�งคมศาสัตร�เช�งเหตผลั• เป็%น์น์�กสัร�างองค�ควิามร� �ใหม+จัากการสั�งเคราะห�ต�วิแป็ร• เป็%น์..................

Some QuestionsHow many observed variables are recommended?• Typically, each variable in the model is conceptualized as a latent one, measured

by multiple indicators. Multiple indicators are developed for each latent variable, with at least two and preferably three or more indicators per latent variable.

• Indicator variables are observed variables, sometimes called manifest variables or reference variables. Items in a survey instrument may be indicators, for instance. Four or more indicators are recommended, though three is acceptable and common practice. As few as two indicators or even a single indicator may be acceptable if the researcher is confident in the measure's validity and reliability.

• What is the problem with having less than three indicators per variable? How many are recommended? (Point 3) Four are recommended, three is okay, two is problematic, with one measurement error cannot be modeled. Models using only two indicators are more likely to be underidentified and/or fail to converge, and error estimates may be unreliable.

Some QuestionsSample Size• In relation to parameters, what sample size does Kline recommend? He

recommends 10 times as many cases as parameters (or ideally 20 times). He states that 5 times or less is insufficient for significance testing of model effects. Rex B. Kline

• To have confidence in the goodness of fit test, a sample size of 100 to 200 is recommended (Hoyle 1995). In general a model should contain 10 to 20 times as many observations as variables (Mitchell 1993).

• Sample Size. As with factor analysis, you should have lots of data when evaluating a SEM. As usual, there are several rules of thumb. For a simple model, 200 cases might be adequate. When relationships among components of the model are strong, 10 cases per estimated parameter may be adequate. Karl L. Wuensch Dept. of Psychology, East Carolina University, Greenville, NC USA November, 2009

แนะน3าเว่,บไซด*ม�ค3าถึาม- ค3าตอบเก��ยืว่กบ SEM ท��น�าสนใจ

หล่ายืป็รืะเด,น

Principles and Practice of Structural Equation Modeling

Rex B. Kline NY: Guilford Press, 1998.

http://student.sut.ac.th/buratin/index.php/using-mplus/49-rex-b-kline