การวิเคราะห์สมการโครงสร้างหรือโมเดลสมโครงสร้างเชิงสำรวจ (Exploratory structural equation model: ML-ESEM) เป็นเทคนิคการวิเคราะห์ทางสถิติที่ใช้การจำลองโมเดลทางสถิติ (Statistical modeling) ซึ่งเทคนิคโมเดลสมโครงสร้างเชิงสำรวจนี้เป็นโมเดลการวัดขั้นสูงที่มีจุดประสงค์ในการตรวจสอบโครงสร้างของตัวแปรที่มีจำนวนโครงสร้างหลายองค์ประกอบ และตรวจสอบรูปแบบความสัมพันธ์ระหว่างตัวแปรโครงสร้าง (Construct variable) หรือตัวแปรแฝง (Latent variable) กับตัวบ่งขี้ของตัวแปร (Indicator) ซึ่งเรียกว่าตัวแปรสังเกตได้ (Observed variable) โดยมีแนวคิดเกี่ยวกับโมเดลสมการโครงสร้างเชิงสำรวจดังนี้
แนวคิดพื้นฐานเกี่ยวกับโมเดลสมการโครงสร้างเชิงสำรวจ
ในการวัดทางพฤติกรรมศาสตร์ สังคมศาสตร์หรือแม้กระทั่งตัวแปรทางการศึกษาก็ตาม ตัวแปรที่ผู้วิจัยทำการศึกษามักเป็นตัวแปรที่มีลักษณะเป็นเชิงนามธรรม ที่ไม่สามารถวัดและสังเกตได้โดยตรง หรือในทางจิตวิทยาเรียกตัวแปรเหล่านี้ว่า ตัวแปรโครงสร้างเชิงสมมติฐาน (Hypothetical construct) หรือตัวแปรโครงสร้างทางจิตวิทยา (Psychological construct) หรือเรียกว่าตัวแปรแฝง (Latent variable) ในการวิเคราะห์สมการโครงสร้าง ในกระบวนการวัดนั้นผู้วิจัยจะต้องทำการวิเคราะห์ความหมายตามโครงสร้างทางทฤษฎีเพื่อพัฒนาความหมายเชิงปฏิบัติการ (Operational definition) เพื่อให้สามารถวัดและสังเกตได้โดยตรงหรือเรียกว่าตัวแปรสังเกตได้ (Observed or manifest variable) หรือตัวบ่งชี้การวิเคราะห์สมการโครงสร้างนั้นจะทำการศึกษาความสัมพันธ์ระหว่างตัวแปรแฝงหรือตัวแปรที่ผู้วิจัยต้องการจะวัดอย่างแท้จริงกับตัวแปรสังเกตได้หรือตัวบ่งชี้ที่ผู้วิจัยพัฒนาขึ้นมา โดยพิจารณาว่าตัวแปรสังเกตได้นั้นสามารถตัวตัวแปรแฝงได้ดีมากน้อยเพียงใด และมีความคลาดเคลื่อนในการวัดอย่างไร
https://drive.google.com/file/d/1bHCGXweO20NN_zUR90IKzuwpc3EDb7Be/view?usp=sharing
ภาพที่ 1 โมเดลการวัดตัวแปรแฝงความรู้สึกเป็นส่วนหนึ่งของโรงเรียนกับตัวแปรสังเกตได้
หลักการดังกล่าวนั้นเป็นกระบวนการวิเคราะห์องค์ประกอบและสามารถใช้ในการตรวจสอบความตรงเชิงโครงสร้างของเครื่องมือวิจัยต่อไป ทั้งนี้ในการวิเคราะห์สมการโครงสร้างใช้วงกลมหรือวงรีเพื่อแสดงว่าตัวแปรดังกล่าวนั้นเป็นตัวแปรแฝง ในขณะที่ตัวแปรสังเกตได้นั้นจะใช้สัญลักษณ์สี่เหลี่ยมแสดงดังภาพที่ 1 ซึ่งเป็นโมเดลการวัดตัวแปรแฝงความรู้สึกเป็นส่วนหนึ่งของโรงเรียนซึ่งแสดงอยู่ในรูปวงรีกับข้อคำถามที่ใช้วัดความรู้สึกเป็นส่วนหนึ่งของโรงเรียนจำนวน 6 คำถาม ซึ่งข้อคำถามที่วัดความรู้สึกเป็นส่วนหนึ่งของโรงเรียนดังกล่าวนั้นเป็นตัวแปรสังเกตได้ ซึ่งสามารถวัดหรือสังเกตได้โดยตรงซึ่งแสดงอยู่ในรูปสี่เหลี่ยมโดยรายละเอียดของโมเดลนั้นจะอธิบายในส่วนองค์ประกอบของโมเดลต่อไป
โมเดลการวัด (Measurement model)
เป็นโมเดลทางสถิติที่จำลองรูปแบบความสัมพันธ์ระหว่างตัวแปรแฝง (Latent variable) กับตัวแปรสังเกตได้ (Observed variable) โดยใช้เทคนิคการวิเคราะห์องค์ประกอบ (Factor analysis) ในการตรวจสอบความสัมพันธ์ระหว่างตัวแปรแฝงที่เป็นตัวแปรตามทฤษฎี (Psychological construct variable) กับตัวแปรสังเกตได้หรือพฤติกรรมต่าง ๆ ที่ผู้วิจัยกำหนดความหมายเชิงปฏิบัติการ (Operational definition) และพัฒนาเป็นข้อคำถามในการวัดตัวแปรเชิงทฤษฎีดังกล่าว ซึ่งในโมเดลการวัดนี้จะทำการสกัดความแปรปรวนของคะแนนที่ได้มาออกเป็นสองส่วน ได้แก่ ความแปรปรวนวัดตัวแปรเชิงทฤษฎีนั้นและความแปรปรวนของความคลาดเคลื่อนในการวัด ผลการวิเคราะห์โมเดลการวัดนี้จะบ่งชี้ว่าตัวแปรสังเกตได้แต่ละตัวแปรนั้นวัดตัวแปรแฝงได้ดีหรือไม่จะสามารถพิจารณาได้จากค่าน้ำหนักองค์ประกอบ (Lambda) หรือค่าน้ำหนักองค์ประกอบมาตรฐาน (l) ซึ่งความแปรปรวนที่ได้จากตัวแปรสังเกตได้แต่ละตัวแปรนั้นจะสกัดเป็นความแปรปรวนของตัวแปรแฝง ด้วยเหตุนี้เองผลการวิเคราะห์ที่ได้จากโมเดลการวัดทำให้ตัวแปรแฝงนั้นปราศจากความคลาดเคลื่อนในการวัด และทำให้ผลการวิเคราะห์มีความตรงตามทฤษฎีที่กำหนด ซึ่งโมเดลการวัดนี้เป็นการใช้การวิเคราะห์สมการโครงสร้างในการตรวจสอบความตรงเชิงโครงสร้าง (Construct validity) ของเครื่องมือวัด ซึ่งใช้การวิเคราะห์องค์ประกอบ (Factor analysis) ซึ่งประกอบด้วยการวิเคราะห์องค์ประกอบเชิงสำรวจและการวิเคราะห์เชิงยืนยันเพื่อใช้ในการตรวจสอบโครงสร้างของตัวแปรและเป็นพื้นฐานหลักของการวิเคราะห์โมเดลสมการโครงสร้างเชิงสำรวจ
การวิเคราะห์องค์ประกอบเชิงสำรวจและเชิงยืนยันและโมเดลสมการโครงสร้างเชิงสำรวจ
โมเดลสมการโครงสร้างเชิงสำรวจเป็นเทคนิคการวิเคราะห์องค์ประกอบขั้นสูงที่ประยุกต์ใช้การวิเคราะห์องค์ประกอบเชิงสำรวจ (Exploratory factor analysis) ร่วมกันกับการวิเคราะห์องค์ประกอบเชิงยืนยัน (Confirmatory factor analysis) ซึ่งเทคนิคการวิเคราะห์องค์ประกอบทั้งสองชนิดนั้นต่างเป็นโมเดลทางสถิติที่มีจุดประสงค์เพื่อตรวจสอบโครงสร้างของตัวแปร หรือการพิจารณาความสัมพันธ์ระหว่างตัวแปรสังเกตได้ของตัวแปรแฝงมาสร้างเป็นองค์ประกอบ (Factor) (Hair et al., 2010)
การวิเคราะห์องค์ประกอบเชิงสำรวจ (Exploratory factor analysis) เป็นการวิเคราะห์องค์ประกอบที่นักวิจัยมุ่งศึกษาโมเดลการวัด (Measurement model) โดยที่ไม่มีการระบุลักษณะรูปแบบการวัดระหว่างตัวแปรแฝงหรือองค์ประกอบกับตัวแปรสังเกตได้หรือข้อคำถามที่ใช้วัดในการศึกษาเนื่องจากในการพัฒนาแบบวัดนั้นอาจจะไม่ได้พัฒนาการทฤษฎีที่ชัดเจน แต่ใช้ข้อมูลและกระบวนการทางสถิติเพื่อตรวจสอบโครงสร้างของตัวแปร และความสัมพันธ์กับข้อคำถามที่วัดองค์ประกอบดังกล่าว โดยปกติแล้วผู้วิจัยอาจจะไม่ทราบชัดเจนว่าข้อคำถามหรือตัวแปรสังเกตได้นั้นวัดในองค์ประกอบใดบ้าง หรือโครงสร้างของตัวแปรนั้นควรมีจำนวนเท่าใดและองค์ประกอบแต่ละด้านมีตัวแปรสังเกตได้ใดบ้างที่ใช้ในการวัด โดยสามารถวิเคราะห์องค์ประกอบเชิงสำรวจได้โดยใช้โปรแกรมสำเร็จรูปทางสถิติโดยทั่วไป เช่น SPSS PSPP หรือโปรแกรมอื่น ๆ
การวิเคราะห์องค์ประกอบเชิงยืนยัน (Confirmatory factor analysis) เป็นการวิเคราะห์องค์ประกอบที่นักวิจัยมุ่งศึกษาโมเดลการวัด (Measurement model) โดยที่มีการระบุลักษณะรูปแบบการวัดระหว่างตัวแปรแฝงกับตัวแปรสังเกตได้หรือข้อคำถามที่ใช้วัดในการศึกษา อย่างชัดเจน และทราบจำนวนองค์ประกอบที่ใช้ในการศึกษาเนื่องจากในการพัฒนาแบบวัดนั้นอยู่บนทฤษฎีที่มีความชัดเจน
https://drive.google.com/file/d/1I_AsiK8pvuu9gs1wp6N2W1a3NK7wTT0a/view?usp=sharing
ภาพที่ 2 การเปรียบเทียบโมเดลการวัดของการวิเคราะห์องค์ประกอบเชิงยืนยันและเชิงสำรวจ
ตัวอย่างการตรวจสอบโครงสร้างของตัวแปรความรู้สึกเป็นส่วนหนึ่งของโรงเรียนแสดงดังภาพที่ 2 ซึ่งเป็นการเปรียบเทียบโมเดลการวัดของการวิเคราะห์องค์ประกอบเชิงยืนยันและเชิงสำรวจ จากโมเดลการวัดดังกล่าวนั้นมีการกำหนดตัวแปรแฝงจำนวน 2 โครงสร้าง (องค์ประกอบ) ซึ่งหมายถึงองค์ประกอบความรู้สึกเป็นส่วนหนึ่งของโรงเรียน (Sense of belonging) และความรู้สึกแปลกแยกจากโรงเรียน (Alienation) จากแบบวัดจำนวน 6 ข้อคำถาม ซึ่งหากผู้วิจัยต้องการวิเคราะห์องค์ประกอบเชิงยืนยันของแบบวัดดังกล่าว ผู้วิจัยจะต้องระบุความสัมพันธ์ระหว่างตัวแปรแฝงกับตัวแปรสังเกตได้ให้ชัดเจนว่าตัวแปรแฝงแต่ละตัวนั้นวัดจากข้อคำถามไหนเป็นหลัก เช่น ตัวแปรแฝงความรู้สึกเป็นส่วนหนึ่งของโรงเรียนวัดจากข้อคำถามจำนวน 3 ข้อ ได้แก่ ข้อคำถามที่ 1 ถึง 3 เป็นต้น
การวิเคราะห์องค์ประกอบเชิงสำรวจนั้น โดยปกติแล้วผู้วิจัยอาจจะไม่กำหนดจำนวนองค์ประกอบไว้อย่างชัดเจน แต่จะใช้ผลการวิเคราะห์องค์ประกอบเชิงสำรวจในการพิจารณาว่าน่าจะมีโครงสร้างของแบบวัดดังกล่าวทั้งหมดกี่โครงสร้าง โดยเกณฑ์ในการพิจารณาจำนวนองค์ประกอบนั้นมีด้วยกันหลายเทคนิควิธีเช่น การพิจารณาค่าไอเกนที่มากกว่า 1 หรือการพิจารณาจากจุดโค้งหักจากผลการวิเคราะห์ Scree plot ซึ่งการกำหนดจำนวนองค์ประกอบหรือโครงสร้างจากข้อมูลดังกล่าวนั้นถือเป็นข้อจำกัดที่สำคัญของการวิเคราะห์องค์ประกอบเชิงสำรวจเนื่องจากทำให้ผลการวิเคราะห์มีความอัตนัยสูง (Subjective) และขึ้นอยู่กับลักษณะของคุณภาพของข้อมูลเป็นหลักและอาจจะทำให้ข้อค้นพบของการศึกษานั้นขาดความน่าเชื่อถือ
อย่างไรก็ตามการวิเคราะห์องค์ประกอบเชิงสำรวจอาจจะกำหนดจำนวนองค์ประกอบโดยผู้วิจัยได้ เช่นจากภาพที่ 2 ในการวิเคราะห์องค์ประกอบเชิงสำรวจที่มีการกำหนดจำนวนองค์ประกอบ 2 องค์ประกอบ ในการประมาณค่าน้ำหนักองค์ประกอบที่สะท้อนความสัมพันธ์ระหว่างตัวแปรแฝงกับตัวแปรที่ใช้วัดนั้นจะมีการประมาณค่าน้ำหนักองค์ประกอบข้ามกลุ่มทั้งหมด ในขณะที่การวิเคราะห์องค์ประกอบเชิงยืนยันนั้นจะไม่ประมาณค่าน้ำหนักองค์ประกอบข้ามกลุ่มซึ่งมีความสอดคล้องกับข้อตกลงเบื้องต้นเกี่ยวกับการวัดว่า ตัวแปรสังเกตได้หรือตัวแปรที่ใช้วัดนั้นควรจะวัดในประเด็นเดียวหรือมีมิติเดียวเท่านั้น (Hair et al., 2010) อย่างไรก็ตามในทางปฏิบัติในการวิเคราะห์องค์ประกอบเชิงยืนยันที่ไม่ประมาณค่าน้ำหนักองค์ประกอบข้ามกลุ่มเนื่องจากการกำหนดโมเดลการวัดให้มีความสอดคล้องกับทฤษฎีหรือโมเดลการวัดที่ผู้วิจัยกำหนด และอาจจะไม่สามารถตรวจสอบได้อย่างชัดเจนว่าข้อคำถามดังกล่าวนั้นมีคุณสมบัติในการวัดในมิติเดียวหรือไม่ เนื่องจากไม่มีการประมาณค่าน้ำหนักองค์ประกอบข้ามกลุ่ม (Cross-loading) การไม่ประมาณค่าน้ำหนักองค์ประกอบข้ามกลุ่มของการวิเคราะห์องค์ประกอบเชิงยืนยันนั้น ส่งผลเสียต่อการประมาณค่าน้ำหนักองค์ประกอบซึ่งทำให้ค่าน้ำหนักองค์ประกอบนั้นมีความลำเอียง (Bias) และอาจทำให้ตัวแปรนั้นขาดความตรงเชิงจำแนก (Discrimination validity) (Marsh et al., 2014; Tóth-Király et al., 2017)
เพื่อแก้ไขข้อจำกัดของการวิเคราะห์องค์ประกอบเชิงสำรวจและการวิเคราะห์องค์ประกอบเชิงยืนยัน จึงมีการพัฒนาเทคนิคการวิเคราะห์โมเดลสมการโครงสร้างเชิงสำรวจ (Marsh et al., 2014; Tóth-Király et al., 2017) เป็นโมเดลทางสถิติที่ใช้ในการตรวจสอบความตรงเชิงโครงสร้างที่มีประสิทธิภาพสูง โดยเป็นการประยุกต์ใช้ข้อดีของการวิเคราะห์องค์ประกอบเชิงสำรวจ (Exploratory Factor Analysis: EFA) สามารถประมาณค่าน้ำหนักองค์ประกอบข้ามกลุ่ม (Cross-loadings) ซึ่งช่วยลดความลำเอียง (Bias) ในการประมาณค่าสัมประสิทธิ์ค่าน้ำหนักองค์ประกอบและมีผลต่อความตรงเชิงจำแนก (Discrimination validity) และประยุกต์ข้อดีของการวิเคราะห์องค์ประกอบเชิงยืนยัน (Confirmatory Factor Analysis: CFA) ที่มีประสิทธิภาพในการตรวจสอบความตรงเชิงโครงสร้างของผลการวัดจากเครื่องมือ การวิเคราะห์โมเดลสมการโครงสร้างเชิงสำรวจจึงเป็นเทคนิคทางสถิติที่มีความเหมาะสมในการศึกษาเกี่ยวกับโครงสร้างของตัวแปรที่มีหลายองค์ประกอบเป็นโมเดลการวัดที่มีประสิทธิภาพที่มีความสอดคล้องกับข้อมูลเชิงประจักษ์ ช่วยเพิ่มความตรงเชิงจำแนกระหว่างองค์ประกอบ และเป็นเทคนิคทางสถิติที่สะท้อนธรรมชาติของข้อมูลมากที่สุด (Marsh et al., 2014; Tóth-Király et al., 2017)
รายการอ้างอิง
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis: International version. Pearson.
Marsh, H. W., Morin, A. J., Parker, P. D., and Kaur, G. (2014). Exploratory structural equation modeling: An integration of the best features of exploratory and confirmatory factor analysis. Annual Review of Clinical Psychology, 10, 85-110.
Tóth-Király, I., Bõthe, B., Rigó, A., and Orosz, G. (2017). An illustration of the exploratory structural equation modeling (ESEM) framework on the passion scale. Frontiers in Psychology, 8, 1-15.
