การวิเคราะห์สมการโครงสร้าง ( sem) ...

การวิ�เคราะห์สมการโครงสร�าง (SEM) ด้�วิยโปรแกรม SPSS AMOS เบื้��องต้�น

ส�าน�กวิ�จั�ย สถาบื้�นบื้�ณฑิ�ต้พั�ฒนบื้ร�ห์ารศาสต้ร

ห์�วิข้�อ

ทบทวนเกี่��ยวกี่บสถิ ติ Regression และ Factor analysis1

แนะน��โปรแกี่รม AMOS2

กี่�รว เคร�ะห์�ข้�อม�ลด้�วยโปรแกี่รม AMOS3

แบบฝึ"กี่ห์ด้4

2

ทบื้ทวินเก&'ยวิก�บื้สถ�ต้� Regression และ Factor analysis

Multiple Linear Regression

จ�กี่ข้�อม�ล Diaper-English.sav ท��กี่�รว เคร�ะห์� ด้�วยว ธี�ด้งน�&

EnterStepwiseBackward

3


Multiple Linear Regression (Enter)

4

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1

tape, Value, style,

absorb, Size,

Comfort, price,

unisex, leakageb

. Enter

Model Summary

Model R R Square Adjusted R Square Std. Error of the

Estimate

1 .870a .756 .749 .983

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1

Regression 857.721 9 95.302 98.661 .000b

Residual 276.265 286 .966

Total 1133.986 295


Multiple Linear Regression (Enter)

5

Coefficientsa

Model Unstandardized Coefficients Standardized

Coefficients

t Sig. Collinearity Statistics

B Std. Error Beta Tolerance VIF

1

(Constant) -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

style -.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


Multiple Linear Regression (Stepwise)

6



1 absorb .

Stepwise (Criteria:

Probability-of-F-to-

enter <= .050,


remove >= .100).

2 unisex .

Stepwise (Criteria:


enter <= .050,


remove >= .100).

3 Size .

Stepwise (Criteria:


enter <= .050,


remove >= .100).

4 leakage .

Stepwise (Criteria:


enter <= .050,


remove >= .100).

Model Summary

Model R R Square Adjusted R Square Std. Error of the

Estimate

1 .723a .522 .521 1.358

2 .824b .679 .676 1.115

3 .866c .750 .747 .986

4 .868d .754 .751 .979



7

ANOVAa


1

Regression 592.152 1 592.152 321.303 .000b

Residual 541.834 294 1.843

Total 1133.986 295

2

Regression 769.545 2 384.773 309.346 .000c

Residual 364.441 293 1.244

Total 1133.986 295

3

Regression 850.232 3 283.411 291.646 .000d

Residual 283.755 292 .972

Total 1133.986 295

4

Regression 855.051 4 213.763 223.008 .000e

Residual 278.936 291 .959

Total 1133.986 295



8

Coefficientsa


Coefficients



1(Constant) -.748 .276 -2.711 .007

absorb 1.209 .067 .723 17.925 .000 1.000 1.000

2

(Constant) -1.713 .241 -7.116 .000

absorb .825 .064 .493 12.892 .000 .749 1.336

unisex .597 .050 .457 11.942 .000 .749 1.336

3

(Constant) -3.387 .281 -12.048 .000

absorb .684 .059 .409 11.656 .000 .696 1.436

unisex .437 .048 .334 9.174 .000 .646 1.548

Size .603 .066 .322 9.112 .000 .685 1.459

4

(Constant) -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


Multiple Linear Regression (Backward)

9



1

tape, Value, style,

absorb, Size,

Comfort, price,

unisex, leakageb

. Enter

2 . style

Backward (criterion:

Probability of F-to-

remove >= .100).

3 . Value



remove >= .100).

4 . tape



remove >= .100).

5 . price



remove >= .100).

6 . Comfort



remove >= .100).

Model Summary

Model R R Square Adjusted R

Square

Std. Error of the

Estimate

1 .870a .756 .749 .983

2 .870b .756 .750 .981

3 .870c .756 .750 .980

4 .870d .756 .751 .978

5 .869e .755 .751 .978

6 .868f .754 .751 .979


Multiple Linear Regression (Backward)

10

ANOVAa


1

Regression 857.721 9 95.302 98.661 .000b

Residual 276.265 286 .966

Total 1133.986 295

2

Regression 857.700 8 107.213 111.370 .000c

Residual 276.286 287 .963

Total 1133.986 295

3

Regression 857.570 7 122.510 127.644 .000d

Residual 276.416 288 .960

Total 1133.986 295

4

Regression 857.343 6 142.890 149.272 .000e

Residual 276.644 289 .957

Total 1133.986 295

5

Regression 856.434 5 171.287 178.968 .000f

Residual 277.553 290 .957

Total 1133.986 295

6

Regression 855.051 4 213.763 223.008 .000g

Residual 278.936 291 .959

Total 1133.986 295


11

Coefficientsa


Coefficients



1

(Constant) -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

style -.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

2

(Constant) -3.599 .301 -11.967 .000

Size .526 .112 .281 4.682 .000 .236 4.243

price .122 .122 .063 1.002 .317 .218 4.587

Value -.027 .074 -.016 -.367 .714 .442 2.262

unisex .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

tape .031 .066 .019 .471 .638 .547 1.827

3

(Constant) -3.614 .297 -12.146 .000

Size .519 .111 .278 4.689 .000 .242 4.138

price .106 .113 .054 .933 .351 .251 3.991

unisex .419 .048 .321 8.743 .000 .629 1.589

absorb .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


12

Coefficientsa


Coefficients



4

(Constant) -3.599 .296 -12.173 .000

Size .518 .111 .277 4.683 .000 .242 4.134

price .110 .113 .056 .974 .331 .252 3.968

unisex .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

5

(Constant) -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

6

(Constant) -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


Factor analysis Exploratory Factor Analysis : EFA(กี่�รศึ(กี่ษ�คว�มสมพันธี�เพั+�อท��จะสร��งติวแปรโด้ยท��เร�ไม-ทร�บม�กี่-อน)

- Principal Component Analysis (กี่�รว เคร�ะห์�องค�ประกี่อบห์ลกี่)

- กี่�รห์ม.นแกี่นด้�วยว ธี� Varimax (องค�ประกี่อบท��ได้�ม�คว�มแติกี่ติ-�งกี่นท��ส.ด้)

Confirmative Factor Analysis : CFA- Confirm hypothesis relationship structure.

13


Exploratory Factor Analysis : EFA

14

Component 1 / Factor 1

Component 2

Varible1

Varible2

Varible3

Varible4

Varible5

Varible6

Varible7


Exploratory Factor Analysis : EFA (Principal Component Analysis)

15

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .806

Bartlett's Test of Sphericity

Approx. Chi-Square 2372.596

df 36

Sig. .000

จัากข้�อม)ล Diaper-English.sav ท�าการวิ�เคาะห์ ได้�ผลด้�งน&�



16

Total Variance Explained

Component Initial Eigenvalues Extraction Sums of Squared Loadings Rotation Sums of Squared Loadings

Total % of Variance Cumulative % Total % of Variance 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



17

Component Matrixa

Component

1 2 3

ข้น�ด้ข้องกี่ล-อง .761 .485 .217

ร�ค� .751 .524 .227

คว�มค.�มค-� .669 .487 .316

สองเพัศึ .752 .148 -.596

ร�ปแบบ/ส�สน .726 .126 -.633

กี่�รซึ(มซึบ .828 -.383 .085

กี่�รร�ว .820 -.439 .070

คว�มสบ�ย .757 -.454 .158

เทป .636 -.423 .179

Rotated Component Matrixa

Component

1 2 3

ข้น�ด้ข้องกี่ล-อง .226 .865 .247

ร�ค� .194 .891 .239

คว�มค.�มค-� .187 .858 .118

สองเพัศึ .253 .272 .897

ร�ปแบบ/ส�สน .242 .226 .913

กี่�รซึ(มซึบ .845 .239 .264

กี่�รร�ว .874 .189 .265

คว�มสบ�ย .864 .181 .157

เทป .767 .143 .085



18

Rotated Component Matrixa

Component

1 2 3

ข้น�ด้ข้องกี่ล-อง .865 ร�ค� .891 คว�มค.�มค-� .858 สองเพัศึ .897

ร�ปแบบ/ส�สน .913

กี่�รซึ(มซึบ .845 กี่�รร �ว .874 คว�มสบ�ย .864 เทป .767

Economy

Model

Quality

แนะน�าโปรแกรม AMOS

19

แนะน�าโปรแกรม AMOS

20

ประเภทและส�ญล�กษณข้องต้�วิแปร1. ต้�วิแปรส�งเกต้ได้� ห์ร�อต้�วิแปรบื้/งชี้&� – เป1นข้�อม)ลท&'ผ)�วิ�จั�ยสามารถเก2บื้ได้�

โด้ยต้รง ส�ญล�กษณท&'แสด้งถ3งต้�วิแปรบื้/งชี้&� ค�อ ส&'เห์ล&'ยมผ�นผ�าห์ร�อจั�ต้4ร�สก2ได้�

2. ต้�วิแปรแฝง ห์ร�อ ป6จัจั�ย (Factor) – ในท&'น&�จัะเร&ยกวิ/าต้�วิแปรแฝง เป1นต้�วิแปรท&'ไม/สามารถเก2บื้ข้�อม)ลได้�โด้ยต้รง แต้/เป1นต้�วิแปรท&'สร�างข้3�นจัากต้�วิแปรบื้/งชี้&� ส/วินให์ญ/น�ยมใชี้�วิงร&

3. ต้�วิแปรแสด้งควิามคลาด้เคล�'อนในการวิ�ด้ (Measurement error) ข้องต้�วิแปรบื้/งชี้&�ห์ร�อส�งเกต้ได้� ส/วินให์ญ/น�ยมใชี้�ร)ปวิงกลม ห์ร�อ เชี้/น

4. ต้�วิแปรแสด้งค/าคลาด้เคล�'อน (Distturbance) ข้องต้�วิแปรแฝงห์ร�อป6จัจั�ย ใชี้�ส�ญล�กษณวิงร& ห์ร�อวิงกลม ส/วินให์ญ/น�ยมใชี้�วิงกลม

d

X Y

F

e rXe Y r

การวิ�เคราะห์ข้�อม)ลด้�วิยโปรแกรม AMOS

21

ประเภทข้องโมเด้ลสมการโครงสร�าง

โด้ยท�'วิไปจัะสามารถแบื้/งโมเด้ลสมการโครงสร�างออกได้�เป1น 4 ประเภท ด้�งน&�

1. การวิ�เคราะห์เส�นทาง (Path Analysis)*2. การวิ�เคราะห์ป6จัจั�ยเชี้�งย�นย�น (Confirmatory Factor Analysis: CFA)*3. โมเด้ลโครงสร�าง (Structural Regression Model: SR)4. โมเด้ลโค�งการพั�ฒนา (Latent Growth Model: LGM)

ห์มายเห์ต้4: * ฝ8กอบื้รมในวิ�นน&� (ใน SEM ส/วินให์ญ/จัะเป1นการรวิม CFA และ SR)

22

การวิ�เคราะห์ป6จัจั�ยเชี้�งย�นย�น (Confirmatory Factor Analysis: CFA)


23

Output การวิ�เคราะห์ป6จัจั�ยเชี้�งย�นย�น (Confirmatory Factor Analysis: CFA)


24

Output การวิ�เคราะห์ป6จัจั�ยเชี้�งย�นย�น (Confirmatory Factor Analysis: CFA)


25

การวิ�เคราะห์สมการโครงสร�าง (SEM)


26

Output การวิ�เคราะห์สมการโครงสร�าง (SEM)


27

Output การวิ�เคราะห์สมการโครงสร�าง (SEM)


28

ต้�วิอย/าง การวิ�เคราะห์ป6จัจั�ยเชี้�งย�นย�นล�าด้�บื้ท&'สอง


29

แบื้บื้ฝ8กห์�ด้

ให์�ใชี้�ข้�อม)ล Daimler-SEM.sav ท�าการวิ�เคราะห์ป6จัจั�ยเชี้�งส�ารวิจั (EFA) และท�าการวิ�เคราะห์ป6จัจั�ยเชี้�งย�นย�น (CFA)

การวิเคราะห์สมการโครงสร้าง ( sem) ...

Documents