การพิจารณาขนาดตัวอย่างกับกำลังการทดสอบที่เหมาะสม กับระดับความแกร่งของความสัมพันธ์ระหว่างตัวแปร ในการพัฒนาแบบจำลองสมการโครงสร้าง
คำสำคัญ:
การพัฒนาแบบจำลองสมการโครงสร้าง, ขนาดตัวอย่าง, กำลังการทดสอบ, ความแกร่งของความสัมพันธ์บทคัดย่อ
เมื่อนักวิจัยใช้เทคนิคการพัฒนาแบบจำลองสมการโครงสร้าง มักมีคำถามเกี่ยวกับขนาดตัวอย่าง เนื่องจากไม่แน่ใจว่าควรกำหนดด้วยวิธีการใด ต้องกำหนดขนาดตัวอย่างจำนวนเพียงใดจึงจะเพียงพอที่จะทำให้มีความมั่นใจต่อผลการวิจัย ในบทความนี้มีวัตถุประสงค์เพื่อเน้นประเด็นสำคัญที่ควรใช้เพื่อพิจารณาขนาดตัวอย่างในการนำเทคนิคการพัฒนาแบบจำลองสมการโครงสร้างมาใช้ บทความนี้ได้แสดงให้เห็นผลการทดสอบพารามิเตอร์ของประชากรภายใต้เงื่อนไขการกำหนดขนาดตัวอย่างที่ต่างกัน 7 เงื่อนไข และกำหนดระดับความแกร่งของความสัมพันธ์ระหว่างตัวแปร 3 ระดับ เพื่อค้นหาขนาดตัวอย่างที่เหมาะสมที่ทำให้มีกำลังการทดสอบไม่น้อยกว่า 0.80 จากผลการทดสอบสามารถสรุปได้ว่า (1) ขนาดตัวอย่างที่เพียงพอสำหรับการวิเคราะห์แบบจำลองการวัดที่มีความสัมพันธ์ระหว่างตัวแปรแฝงระดับปานกลางและระดับสูงคือควรกำหนดอย่างน้อย 150 ตัวอย่าง (2) ขนาดตัวอย่างที่เพียงพอสำหรับการวิเคราะห์แบบจำลองสมการโครงสร้างที่ไม่มีตัวแปรแฝงคั่นกลางและความสัมพันธ์ระหว่างตัวแปรแฝงภายนอกอยู่ในระดับปานกลาง คือ กำหนดให้มีขนาดตัวอย่างไม่น้อยกว่า k(k+3)/2 เมื่อ k คือ จำนวนตัวแปรสังเกตได้ และ (3) ขนาดตัวอย่างที่เพียงพอสำหรับการวิเคราะห์แบบจำลองสมการโครงสร้างที่มีตัวแปรแฝงคั่นกลาง และ ความสัมพันธ์ระหว่างตัวแปรแฝงภายนอกอยู่ในระดับปานกลาง และระดับสูง คือ กำหนดให้มีขนาดตัวอย่างไม่น้อยกว่า 20 เท่าของจำนวนตัวแปรสังเกตได้
References
วัลลภ รัฐฉัตรานนท์. 2562. การหาขนาดตัวอย่างที่เหมาะสมสำหรับการวิจัย: มายาคติในการใช้สูตร ของทาโร ยามาเน และเครจซี-มอร์แกน. วารสารรัฐศาสตร์ปริทรรศน์ มหาวิทยาลัยเกษตรศาสตร์. 6 (1) 24 – 40.
พูลพงศ์ สุขสว่าง. 2556. โมเดลสมการโครงสร้าง. กรุงเทพฯ: โรงพิมพ์วัฒนาพาณิช จำกัด.
Anderson, J. C., & Gerbing, D.W. 1984. The effect of sampling error on convergence, improper solutions, and goodness-of-fit indices for maximum likelihood confirmatory factor analysis. Psychometrika. 49 (2) 155–173. https://doi.org/10.1007/BF02294170
Browne, M. W. 1984. Asymptotically distribution-free methods for the analysis of covariance structures. British Journal of Mathematical and Statistical Psychology. 37, 62 - 83. https://doi.org/10.1111/j.2044-8317.1984.tb00789.x
Hair, J.F., Black, W.C., Babin, B.J. and Anderson, R.E. 2010. Multivariate Data Analysis (7th Ed). Pearson, New York.
Hoe, S. L. 2008. Issues and Procedures in Adopting Structural Equation Modeling Technique. Journal of Applied Quantitative Methods. 3 76 - 83.
Kline, R. B. 2010. Principles and practice of structural equation modeling. (3rd ed.) Guilford Press, New York.
Muthén, L. K., & Muthén, B. O. 2002. How to use a Monte Carlo study to decide on sample size and determine power. Structural Equation Modeling. 9 599–620. https://doi.org/10.1207/S15328007SEM0904_8
Chiang, I-C.A., Jhangiani, R.S., & Price, P.C. 2015. Research Methods of Psychology.
(2nd ed.) Canadian Edition. Victoria, B.C.: BCcampus. Retrieved March 25, 2022
from https://opentextbc.ca/researchmethods/
Raykov, T., & Marcoulides, G. A. 2006. A first course in structural equation modeling.
(2nd ed.) Mahwah, NJ: Erlbaum.
Singh, K., Junnarkar, M., & Kaur, J. 2016. Measures of Positive Psychology, Development and Validation. Berlin: Springer. https://doi.org/10.1007/978-81-322-3631-3
Schumacker, R. E., and Lomax, R. G. 2004. A beginner's guide to structural equation modeling. (2nd ed.) Lawrence Erlbaum Associates Publishers.
Tabachnick, B.G. and Fidell, L.S. 2007. Using Multivariate Statistics. (5th ed.) New York: Allyn and Bacon.
. 2013. Using Multivariate Statistics. Boston, MA: Pearson Education Inc.
Uttley, J. 2019. Power Analysis, Sample Size, and Assessment of Statistical Assumptions.
The Journal of the Illuminating Engineering Society. 15 (2 - 3) 1 - 20. https://doi.org/10.1080/15502724.2018.1533851
Wilkinson, L. and the Task Force on Statistical Inference. 1999. Statistical Methods in Psychology Journals: Guidelines and Explanations. American Psychologist. 54
- 604. https://doi.org/10.1037/0003-066X.54.8.594
Rathachatranon, Wanlop. 2019. Determining an Appropriate sample size for social science research: The Myth of using Taro Yamane and Krejcie & Morgan Method. Political Science of Kasetsart University Review. 6 (1) 24 – 40. (In Thai)
Suksawang, Poonpong. 2013. Structural equation modeling. Bangkok: Printing house wattanaphanit. (In Thai)
Downloads
เผยแพร่แล้ว
ฉบับ
บท
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ข้อความ ข้อคิดเห็น ข้อมูล เนื้อหา รูปภาพ แผนภูมิ แผนผัง เป็นต้น ที่ปรากฏและแสดงในบทความต่างๆ ในวารสารบริหารธุรกิจเทคโนโลยีมหานคร ถือเป็นความรับผิดชอบโดยตรงของผู้เขียนบทความนั้นๆ มิใช่เป็นความรับผิดชอบใดๆ ของวารสารบริหารธุรกิจเทคโนโลยีมหานคร และมหาวิทยาลัยเทคโนโลยีมหานคร
บทความที่ตีพิมพ์ในวารสารบริหารธุรกิจเทคโนโลยีมหานคร ถือเป็นลิขสิทธิ์เฉพาะของคณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีมหานคร หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนใดส่วนหนึ่งไปเผยแพร่ต่อหรือเพื่อกระทำการใดๆ จะต้องได้รับการอนุญาตเป็นลายลักษณ์อักษรจากคณะบริหารธุรกิจ มหาวิทยาลัยเทคโนโลยีมหานครก่อนเท่านั้น
