Rose, Sarah A., Markman B., & Sawilowsky, S. (2017). Limitations in the Systematic Analysis of Structural Equation Model Fit Indicies. Journal of Modern Applied Statistical Methods, 16(1), 69-85 doi: 10.22237/jmasm/149357040.

Main Article Content

natthaphon nkhanthachai


ตัวแบบสมการโครงสร้าง (Structural Equation Models, SEM) เป็นวิธีการวิเคราะห์ข้อมูลทางสถิติที่ซับซ้อน (Complex methods of data analysis) ประกอบด้วยวิธีการทางสถิติ เช่น การวิเคราะห์การแปรปรวนร่วม (Covariance), การวิเคราะห์การถดถอยเชิงพหุ, (Multiple regression analysis), การวิเคราะห์ปัจจัย (Factor analysis) การวิเคราะห์เส้นทาง (Path analysis) และ การวิเคราะห์ไคสแคว์ (Chi-square analysis) เป็นต้น

          SEM นำมาใช้ในการทดสอบตัวแบบความสัมพันธ์เชิงเหตุ-ผล (Causal relationship) ระหว่างตัวแปร โดยเฉพาะอย่างยิ่งระหว่างตัวแปรแฝง (Latent variables) ซึ่งเรียกว่าเป็นตัวแบบเชิงโครงสร้าง (Structural model)

          ตัวแปร (Variable) ในระบบของ SEM แบ่งเป็น 2 ประเภท ประเภทที่ 1 ได้แก่ ตัวแปรซึ่งสังเกตหรือวัด (Measure) ได้โดยตรง หรือ Observable variables หรือ Manifest variables ซึ่งอาจมีความสำคัญในตัวของตนเอง หรือเป็นตัวชี้แสดง (Variable indicator) ของตัวแปรประเภทที่ 2 เรียกว่า ตัวแปรแฝง (Latent variables) ซึ่งไม่สามารถสังเกตหรือวัดได้โดยตรง

          ตัวแบบในระบบของ SEM มี 2 ประเภทได้แก่ ตัวแบบการวัด (Measurement model) และตัวแบบโครงสร้าง (Structural model) ตัวแบบการวัดเป็นตัวแบบแสดงความสัมพันธ์ระหว่างตัวแปรแฝง และตัวแปรที่สังเกตได้โดยตรง ซึ่งอาจเป็นตัวแบบเชิงสะท้อน (Reflective model) หรือตัวแบบเชิงองค์ประกอบ (Formative model) โดยมีข้อสมมติ (Assumption) ว่าตัวแปรแฝงเป็นเหตุ (Cause) และตัวแปรชี้แสดง หรือตัวแปรที่สังเกตได้โดยตรงเป็นผล (Effect) ส่วนตัวแบบโครงสร้าง เป็นตัวแบบความสัมพันธ์เชิงเหตุ-ผล (causal model) ระหว่างตัวแปรแฝง

          การทดสอบตัวแบบใน SEM เป็นการทดสอบตัวแบบการวัดและตัวแบบโครงสร้างไปพร้อม ๆ กัน (Simultaneous) โดยใช้ - test และดัชนีความเหมาะสมดี (Goodness of fit indices)


Download data is not yet available.

Article Details

Article review


Bagozzi, Richard P. (2010). Structural Equation Models Are Modelling tools with Man Ambiguities: Comments Acknowledging the need for Caution and Humility in Their Use. Journal of consumer Psychology 20(2010) 208-214.
Ewing, R. Hamidi, S., Gallivan, F., Nelson, A.C., & Grace, J.B. (2014). Structural eauation models of VMT growth in us urbanized areas. Urban Studies, 51(14), 3079-3096 doi: 10.117/0042018013516521.
Davcit, Nebojsa S. (2014). The Use and Misuse of Structural Equation Modeling (SEM) in Management Research: A Review and Critique, Journal of Advance in Management Research, 11(1), 47-81.
Kerlinger, F.N. and Lee, Howard B. (2000). Foundations of Behavioral Research (4th ed.) New yourk: Harcourt College Publishers.
Khanthachai, N. (2019). Article Review: Tomarken Andrew J and Waller, Niels G. (2005). Structural Equation Modeling: Strengths, Limitations, and Misconceptions. Ann. Rev. Clin. Psychol 1: 31-36.
Kline, R.B. (2011). Principles and Practice of Structural Equation Modeling (3rd ed.) .New York, NY : The Guildford Press.
Tomarken, Andrew J. & Waller, Niels G. (2005). Structural Equation Modeling: Strengths, Limitations, and Misconceptions. Ann.Rev. Clin. Psychol. 1:31-65.
Xie, Yihui (2008). Strutural Equation Modeling: Where Are Advantages? Retrieved form: advantages /(20/2/2019).
Werner, Christina and Schermelleh-Engel, Karin (2009). Structural Equation Modeling: Advantages, Challenges and Problems. Frankfurt: Goethe University.