ด้วยโปรแกรม SPSS AMOS เบื้องต้น - สำนักวิจัย

การวิเคราะห์สมการโครงสร้าง (SEM) ้ งต้น ด้วยโปรแกรม SPSS AMOS เบือ สาน ักวิจ ัย สถาบ ันบ ัณฑิตพ ัฒนบริหารศาสตร์

ห ัวข้อ

2

1

ทบทวนเกีย่ วกับสถิติ Regression และ Factor analysis

2

แนะนำโปรแกรม AMOS

3

กำรวิเครำะห์ขอ้ มูลด้วยโปรแกรม AMOS

4

แบบฝึกหัด

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Multiple Linear Regression จากข ้อมูล Diaper-English.sav ทาการวิเคราะห์ ด ้วยวิธด ี ังนีี้   

3

Enter Stepwise Backward

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Multiple Linear Regression (Enter) Variables Entered/Removeda Model

Variables Entered

Variables Removed

Method

tape, Value, style,

1

absorb, Size,

. Enter

Comfort, price, unisex, leakageb

Model Summary Model

R

R Square

Adjusted R Square

Std. Error of the Estimate

.870a

1

.756

.749

.983

ANOVAa Model

1

Sum of Squares

Mean Square

Regression

857.721

9

95.302

Residual

276.265

286

.966

1133.986

295

Total

4

df

F 98.661

Sig. .000b

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Multiple Linear Regression (Enter) Coefficientsa Model

Unstandardized Coefficients

Standardized

t

Sig.

Collinearity Statistics

Coefficients B (Constant)

1

Beta

-3.590

.307

Size

.524

.113

price

.124

Value unisex

Tolerance

VIF

-11.694

.000

.280

4.644

.000

.234

4.274

.122

.063

1.009

.314

.216

4.626

-.027

.074

-.016

-.369

.712

.442

2.263

.430

.089

.329

4.819

.000

.183

5.469

-.014

.097

-.010

-.148

.882

.197

5.086

absorb

.370

.149

.221

2.479

.014

.107

9.372

leakage

.271

.157

.159

1.731

.085

.100

9.966

Comfort

.074

.081

.045

.910

.363

.345

2.899

tape

.031

.066

.018

.467

.641

.547

1.828

style

5

Std. Error

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Multiple Linear Regression (Stepwise) Variables Entered/Removeda Model

Variables Entered

Variables Removed

Method Stepwise (Criteria: Probability-of-F-to-

1

absorb

. enter = .100).

Model Summary

Stepwise (Criteria: Model Probability-of-F-to2

unisex

. enter = .100).

3

R

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Multiple Linear Regression (Stepwise) ANOVAa Model

1

Sum of Squares 592.152

1

592.152

Residual

541.834

294

1.843

1133.986

295

Regression

769.545

2

384.773

Residual

364.441

293

1.244

1133.986

295

Regression

850.232

3

283.411

Residual

283.755

292

.972

1133.986

295

Regression

855.051

4

213.763

Residual

278.936

291

.959

1133.986

295

Total

3

Total

4

Total

7

Mean Square

Regression

Total

2

df

F

Sig.

321.303

.000b

309.346

.000c

291.646

.000d

223.008

.000e

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Multiple Linear Regression (Stepwise) Coefficientsa Model

Unstandardized Coefficients

Standardized

t

Sig.

Collinearity Statistics

Coefficients

B 1

-.748

.276

absorb

1.209

.067

-1.713

.241

absorb

.825

.064

unisex

.597

.050

-3.387

.281

absorb

.684

.059

unisex

.437

Size

8

-2.711

.007

17.925

.000

-7.116

.000

.493

12.892

.457

.723

VIF

1.000

.000

.749

1.336

11.942

.000

.749

1.336

-12.048

.000

.409

11.656

.000

.696

1.436

.048

.334

9.174

.000

.646

1.548

.603

.066

.322

9.112

.000

.685

1.459

-3.484

.283

-12.332

.000

absorb

.380

.147

.227

2.580

.010

.109

9.190

unisex

.424

.048

.325

8.909

.000

.637

1.570

Size

.614

.066

.328

9.311

.000

.682

1.467

leakage

.332

.148

.195

2.242

.026

.112

8.964

(Constant)

4

Tolerance

1.000

(Constant) 3

Beta

(Constant)

(Constant) 2

Std. Error

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Multiple Linear Regression (Backward) Variables Entered/Removeda Model

Variables Entered

Variables Removed

Method

tape, Value, style, 1

absorb, Size,

. Enter

Comfort, price, unisex, leakageb

Backward (criterion: 2

. style

Probability of F-to-

Model Summary Model

R

R Square

Adjusted R Square Std. Error of the

remove >= .100). Backward (criterion: 3

. Value

1

.756

.749

.983

Probability of F-to-

2

.870b

.756

.750

.981

remove >= .100).

3

.870c

.756

.750

.980

4

.870d

.756

.751

.978

Probability of F-to-

5

.869e

.755

.751

.978

remove >= .100).

6

.868f

.754

.751

.979

Backward (criterion: 4

. tape

Backward (criterion: 5

. price

Probability of F-toremove >= .100). Backward (criterion:

6

. Comfort

Probability of F-toremove >= .100).

9

Estimate .870a

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Multiple Linear Regression (Backward) ANOVAa Model

1

Sum of Squares 857.721

9

95.302

Residual

276.265

286

.966

1133.986

295

Regression

857.700

8

107.213

Residual

276.286

287

.963

1133.986

295

Regression

857.570

7

122.510

Residual

276.416

288

.960

1133.986

295

Regression

857.343

6

142.890

Residual

276.644

289

.957

1133.986

295

Regression

856.434

5

171.287

Residual

277.553

290

.957

1133.986

295

Regression

855.051

4

213.763

Residual

278.936

291

.959

1133.986

295

Total

3

Total

4

Total

5

Total

6

Total

10

Mean Square

Regression

Total

2

df

F

Sig.

98.661

.000b

111.370

.000c

127.644

.000d

149.272

.000e

178.968

.000f

223.008

.000g

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis Coefficientsa Model

Unstandardized Coefficients

Standardized

t

Sig.

Collinearity Statistics

Coefficients B (Constant)

Std. Error

Beta

Tolerance

VIF

-3.590

.307

-11.694

.000

Size

.524

.113

.280

4.644

.000

.234

4.274

price

.124

.122

.063

1.009

.314

.216

4.626

Value

-.027

.074

-.016

-.369

.712

.442

2.263

unisex

.430

.089

.329

4.819

.000

.183

5.469

-.014

.097

-.010

-.148

.882

.197

5.086

absorb

.370

.149

.221

2.479

.014

.107

9.372

leakage

.271

.157

.159

1.731

.085

.100

9.966

Comfort

.074

.081

.045

.910

.363

.345

2.899

.018

.547

1.828

1 style

tape

.031

.066

-3.599

.301

.467

.641

-11.967

.000

Size

.526

.112

.281

4.682

.000

.236

4.243

price

.122

.122

.063

1.002

.317

.218

4.587

Value unisex

-.027

.074

-.016

-.367

.714

.442

2.262

.419

.048

.320

8.722

.000

.629

1.590

absorb

.370

.149

.221

2.480

.014

.107

9.365

leakage

.272

.156

.160

1.741

.083

.101

9.950

Comfort

.072

.080

.044

.901

.368

.349

2.863

.019

.547

1.827

(Constant)

2

tape

.031

.066

-3.614

.297

.471

.638

-12.146

.000

Size

.519

.111

.278

4.689

.000

.242

4.138

price

.106

.113

.054

.933

.351

.251

3.991

unisex absorb

.419

.048

.321

8.743

.000

.629

1.589

.366

.149

.219

2.463

.014

.107

9.311

leakage

.273

.156

.161

1.751

.081

.101

9.946

Comfort

.072

.080

.044

.902

.368

.349

2.863

tape

.032

.066

.019

.487

.626

.548

1.824

(Constant)

3

11

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Coefficientsa Model

Unstandardized Coefficients

Standardized

t

Sig.

Collinearity Statistics

Coefficients B

(Constant)

4

.296

Size

.518

.111

price

.110

unisex

12

Tolerance

VIF

-12.173

.000

.277

4.683

.000

.242

4.134

.113

.056

.974

.331

.252

3.968

.420

.048

.321

8.775

.000

.630

1.588

absorb

.360

.148

.215

2.437

.015

.108

9.261

leakage

.283

.155

.166

1.831

.068

.102

9.782

Comfort

.088

.073

.054

1.212

.227

.421

2.377

-3.518

.284

-12.399

.000

Size

.604

.066

.323

9.102

.000

.672

1.489

unisex

.425

.048

.325

8.928

.000

.637

1.570

absorb

.368

.148

.220

2.488

.013

.108

9.238

leakage

.278

.154

.164

1.803

.072

.102

9.774

Comfort

.088

.073

.054

1.202

.230

.421

2.377

-3.484

.283

-12.332

.000

Size

.614

.066

.328

9.311

.000

.682

1.467

unisex

.424

.048

.325

8.909

.000

.637

1.570

absorb

.380

.147

.227

2.580

.010

.109

9.190

leakage

.332

.148

.195

2.242

.026

.112

8.964

(Constant)

6

Beta

-3.599

(Constant)

5

Std. Error

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Factor analysis  Exploratory Factor Analysis : EFA ึ ษาความสม ั พัีธ์เพือ (การศก ่ ทีจ ่ ะสร ้างนตัวแปรโดยทีเ่ ราไม่ทราบมาก่อี)

- Principal Component Analysis (การวิเคราะห์องนค์ประกอบหลัก) - การหมุีแกีด ้วยวิธ ี Varimax (องนค์ประกอบทีไ่ ด ้มีความแตกต่างนกัีทีส ่ ด ุ )

 Confirmative Factor Analysis : CFA - Confirm hypothesis relationship structure.

13

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Exploratory Factor Analysis : EFA Varible1 Varible2

Component 1 / Factor 1

Varible3

Varible4 Varible5 Varible6 Varible7 14

Component 2

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Exploratory Factor Analysis : EFA (Principal Component Analysis)

จากข้อมูล Diaper-English.sav ทาการวิเคาะห์ ได้ผลดังนี้ KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Approx. Chi-Square Bartlett's Test of Sphericity

df Sig.

15

.806 2372.596 36 .000

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Exploratory Factor Analysis : EFA (Principal Component Analysis) Total Variance Explained Component

Initial Eigenvalues Total

% of Variance

Extraction Sums of Squared Loadings Cumulative %

Total

% of Variance

Rotation Sums of Squared Loadings

Cumulative %

Total

% of Variance

Cumulative %

1

5.019

55.764

55.764

5.019

55.764

55.764

3.058

33.981

33.981

2

1.509

16.764

72.528

1.509

16.764

72.528

2.550

28.337

62.318

3

1.024

11.374

83.903

1.024

11.374

83.903

1.943

21.584

83.903

4

.561

6.230

90.133

5

.327

3.635

93.768

6

.269

2.986

96.754

7

.137

1.525

98.279

8

.099

1.105

99.384

9

.055

.616

100.000

16

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Exploratory Factor Analysis : EFA (Principal Component Analysis) Component Matrixa Component 1

2

3

ขนาดของกล่อง

.761

.485

.217

ราคา

.751

.524

.227

ความคุม้ ค่า

.669

.487

.316

สองเพศ

.752

.148

-.596

รู ปแบบ/สี สนั

.726

.126

-.633

การซึ มซับ

.828

-.383

.085

การรั่ว

.820

-.439

.070

ความสบาย

.757

-.454

.158

เทป

17

.636

-.423

.179

Rotated Component Matrixa Component 1

2

3

ขนาดของกล่อง

.226

.865

.247

ราคา

.194

.891

.239

ความคุม้ ค่า

.187

.858

.118

สองเพศ

.253

.272

.897

รู ปแบบ/สี สนั

.242

.226

.913

การซึ มซับ

.845

.239

.264

การรั่ว

.874

.189

.265

ความสบาย

.864

.181

.157

เทป

.767

.143

.085

ทบทวนเกีย ่ วก ับสถิต ิ Regression และ Factor analysis

Exploratory Factor Analysis : EFA (Principal Component Analysis) Rotated Component Matrixa Component 1

18

2

3

ขนาดของกล่อง

.865

ราคา

.891

ความคุม้ ค่า

.858

Economy

สองเพศ

.897

รู ปแบบ/สี สนั

.913

การซึมซับ

.845

การรั่ว

.874

ความสบาย

.864

เทป

.767

Model

Quality

แนะนาโปรแกรม AMOS

19

แนะนาโปรแกรม AMOS ั ประเภทและสญล ักษณ์ของต ัวแปร 1. ตัวแปรสังเกตได้ หรือตัวแปรบ่งชี้ – เป็ นข้อมูลที่ผ้วู ิ จยั สามารถเก็บได้โดยตรง สัญลักษณ์ที่แสดงถึงตัว แปรบ่งชี้ คือ สี่เหลี่ยมผืนผ้าหรือจัตรุ สั ก็ได้ X

Y

2. ตัวแปรแฝง หรือ ปัจจัย (Factor) – ในที่นี้จะเรียกว่าตัวแปรแฝง เป็ นตัวแปรที่ไม่สามารถเก็บข้อมูลได้ โดยตรง แต่เป็ นตัวแปรที่สร้างขึ้นจากตัวแปรบ่งชี้ ส่วนใหญ่นิยมใช้วงรี F

3. ตัวแปรแสดงความคลาดเคลื่อนในการวัด (Measurement error) ของตัวแปรบ่งชี้หรือสังเกตได้ ส่วน ใหญ่นิยมใช้รปู วงกลม e หรือ r เช่น e

X

Y

4. ตัวแปรแสดงค่าคลาดเคลื่อน (Distturbance) ของตัวแปรแฝงหรือปัจจัย ใช้สญ ั ลักษณ์วงรี หรือ วงกลม ส่วนใหญ่นิยมใช้วงกลม d 20

r

การวิเคราะห์ขอ ้ มูลด้วยโปรแกรม AMOS ประเภทของโมเดลสมการโครงสร้าง โดยทัวไปจะสามารถแบ่ ่ งโมเดลสมการโครงสร้างออกได้เป็ น 4 ประเภท ดังนี้ 1. การวิเคราะห์เส้นทาง (Path Analysis) *2. การวิเคราะห์ปัจจัยเชิงยืนยัน (Confirmatory Factor Analysis: CFA) *3. โมเดลโครงสร้าง (Structural Regression Model: SR) 4. โมเดลโค้งการพัฒนา (Latent Growth Model: LGM)

หมายเหตุ: * ฝึ กอบรมในวันนี้ (ใน SEM ส่วนใหญ่จะเป็ นการรวม CFA และ SR)

21

การวิเคราะห์ขอ ้ มูลด้วยโปรแกรม AMOS การวิเคราะห์ปัจจัยเชิงยืนยัน (Confirmatory Factor Analysis: CFA)

22

การวิเคราะห์ขอ ้ มูลด้วยโปรแกรม AMOS Output การวิเคราะห์ปัจจัยเชิงยืนยัน (Confirmatory Factor Analysis: CFA)

23

การวิเคราะห์ขอ ้ มูลด้วยโปรแกรม AMOS Output การวิเคราะห์ปัจจัยเชิงยืนยัน (Confirmatory Factor Analysis: CFA)

24

การวิเคราะห์ขอ ้ มูลด้วยโปรแกรม AMOS การวิเคราะห์สมการโครงสร้าง (SEM)

25

การวิเคราะห์ขอ ้ มูลด้วยโปรแกรม AMOS Output การวิเคราะห์สมการโครงสร้าง (SEM)

26

การวิเคราะห์ขอ ้ มูลด้วยโปรแกรม AMOS Output การวิเคราะห์สมการโครงสร้าง (SEM)

27

การวิเคราะห์ขอ ้ มูลด้วยโปรแกรม AMOS ตัวอย่าง การวิเคราะห์ปัจจัยเชิงยืนยันลาดับที่สอง

28

แบบฝึ กห ัด ให้ใช้ข้อมูล Daimler-SEM.sav ทาการวิเคราะห์ปัจจัยเชิงสารวจ (EFA) และทาการวิเคราะห์ปัจจัยเชิงยืนยัน (CFA)

29