Download 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 <= .050,
Probability-of-F-toremove >= .100).
Model Summary
Stepwise (Criteria: Model
Probability-of-F-to2
unisex
. enter <= .050,
.521
1.358
Probability-of-F-to- 2
.679
.676
1.115
3
.866c
.750
.747
.986
Stepwise (Criteria: 4
.868d
.754
.751
.979
. enter <= .050,
Stepwise (Criteria:
Probability-of-F-to. enter <= .050,
Probability-of-F-toremove >= .100).
6
Estimate
.522
remove >= .100).
leakage
Std. Error of the
.824b
Probability-of-F-to-
4
Adjusted R Square
1
Probability-of-F-toSize
R Square
.723a
remove >= .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