สถิติขั้นสูงในงานวิจัย: SEM, Factor Analysis, Path Analysis ใช้ตอนไหน

เมื่องานวิจัยซับซ้อนขึ้น มีตัวแปรแฝง (latent variable) หรือต้องทดสอบหลายความสัมพันธ์พร้อมกัน สถิติพื้นฐานอย่าง t-test หรือ regression ธรรมดาอาจไม่พอ บทความนี้สรุปสถิติขั้นสูงที่ใช้บ่อยในวิทยานิพนธ์เชิงปริมาณ ได้แก่ การวิเคราะห์ SEM, Factor Analysis และ Path Analysis ว่าแต่ละตัวคืออะไร ใช้ตอนไหน ต่างกันอย่างไร พร้อมเกณฑ์ค่าความกลมกลืนและโปรแกรมที่ใช้

สถิติขั้นสูงคืออะไร ใช้เมื่อไหร่

สถิติขั้นสูงในที่นี้หมายถึงการวิเคราะห์หลายตัวแปร (multivariate) ที่ทดสอบความสัมพันธ์ของตัวแปรหลายตัวพร้อมกันในโมเดลเดียว ใช้เมื่องานวิจัยมีลักษณะต่อไปนี้

• มี ตัวแปรแฝง ที่วัดทางอ้อมผ่านหลายข้อคำถาม (เช่น ความพึงพอใจ แรงจูงใจ)
• ต้องทดสอบ หลายสมมติฐานเชิงสาเหตุพร้อมกัน ในโมเดลเดียว
• ต้องการ ยืนยันโครงสร้าง ของเครื่องมือวัด หรือลดจำนวนตัวแปร

ถ้างานของคุณยังเป็นการเปรียบเทียบค่าเฉลี่ยหรือทำนายตัวแปรเดียว ให้ดู วิธีเลือกใช้สถิติให้ถูก (t-test, ANOVA, ถดถอย) ก่อน เพราะอาจยังไม่จำเป็นต้องใช้สถิติขั้นสูง

SEM (Structural Equation Modeling) คืออะไร

การวิเคราะห์ SEM หรือโมเดลสมการโครงสร้าง เป็นเทคนิคที่รวม Factor Analysis กับ Regression เข้าด้วยกัน ทดสอบทั้งโมเดลการวัด (measurement model) และโมเดลโครงสร้าง (structural model) พร้อมกัน จุดเด่นคือรองรับ ตัวแปรแฝง และทดสอบหลายความสัมพันธ์ในคราวเดียว เหมาะกับการทดสอบ กรอบแนวคิดการวิจัย ที่มีเส้นทางความสัมพันธ์ซับซ้อน

องค์ประกอบของ SEM

• Measurement model — ตรวจว่าตัวแปรสังเกตได้ (ข้อคำถาม) วัดตัวแปรแฝงได้ดีแค่ไหน (คือ CFA นั่นเอง)
• Structural model — ทดสอบความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรแฝง

Factor Analysis: EFA ต่างจาก CFA อย่างไร

การวิเคราะห์องค์ประกอบ (Factor Analysis) ใช้จัดกลุ่ม/ยืนยันว่าชุดข้อคำถามสะท้อนองค์ประกอบใดบ้าง แบ่งเป็นสองแบบ

Path Analysis คืออะไร

การวิเคราะห์เส้นทาง (Path Analysis) ทดสอบความสัมพันธ์เชิงสาเหตุระหว่างตัวแปรที่ วัดได้โดยตรง (ไม่มีตัวแปรแฝง) เช่น A ส่งผลต่อ B และ B ส่งผลต่อ C ถือเป็นกรณีพิเศษของ SEM ที่ไม่มี measurement model ใช้แยกผลทางตรง (direct) และทางอ้อม (indirect) ได้

สรุป: ใช้สถิติตัวไหนเมื่อไหร่

เกณฑ์ค่าความกลมกลืนของโมเดล (Fit Indices)

เมื่อรัน SEM/CFA ต้องรายงานค่าความกลมกลืนเพื่อบอกว่าโมเดลสอดคล้องกับข้อมูลเชิงประจักษ์แค่ไหน เกณฑ์ที่นิยมอ้างอิง

ไม่จำเป็นต้องผ่านทุกค่า ให้รายงานหลายดัชนีร่วมกันและอ้างเกณฑ์จากตำราที่ใช้ (เช่น Hair et al., Kline) เพราะบางเกณฑ์อ่อนไหวต่อขนาดกลุ่มตัวอย่าง

โปรแกรมที่ใช้วิเคราะห์ SEM

• AMOS — ต่อยอดจาก SPSS วาดโมเดลแบบ GUI เหมาะกับมือใหม่
• Mplus — ยืดหยุ่นสูง รองรับโมเดลซับซ้อน นิยมในงานระดับสูง
• LISREL — โปรแกรมคลาสสิกด้าน SEM
• R (lavaan) — ฟรี เขียนโค้ด เหมาะกับผู้ที่ถนัดโปรแกรมมิ่ง
• SmartPLS — สำหรับ PLS-SEM เหมาะเมื่อกลุ่มตัวอย่างเล็กหรือข้อมูลไม่เป็นโค้งปกติ

คำถามที่พบบ่อย (FAQ)

การวิเคราะห์ SEM ต่างจาก regression อย่างไร?

Regression ทดสอบตัวแปรตามทีละตัวและใช้ตัวแปรที่วัดได้ตรง ส่วน SEM ทดสอบหลายสมการพร้อมกัน รองรับตัวแปรแฝง และแยกผลทางตรง-ทางอ้อมได้ จึงเหมาะกับโมเดลเชิงสาเหตุที่ซับซ้อน

SEM ต้องใช้กลุ่มตัวอย่างเท่าไหร่?

แนวทางทั่วไปคือ 10-20 คนต่อ 1 พารามิเตอร์ที่ประมาณค่า และโดยรวมไม่ควรต่ำกว่า 200 คน ยิ่งโมเดลซับซ้อนยิ่งต้องการกลุ่มตัวอย่างมาก

EFA กับ CFA ต่างกันอย่างไร?

EFA ใช้สำรวจว่าข้อคำถามจัดเป็นกี่องค์ประกอบเมื่อยังไม่รู้โครงสร้าง ส่วน CFA ใช้ยืนยันโครงสร้างองค์ประกอบที่ตั้งไว้ล่วงหน้าตามทฤษฎี

มือใหม่ควรเริ่มที่โปรแกรมไหน?

AMOS เหมาะกับมือใหม่เพราะวาดโมเดลแบบ GUI ต่อยอดจาก SPSS ได้ ส่วน SmartPLS เหมาะเมื่อกลุ่มตัวอย่างเล็กหรือข้อมูลไม่เป็นโค้งปกติ