top of page
Writer's pictureNott Panik Senariddhikrai

CB-SEM_PLS-SEM

Updated: Oct 13, 2020

"แม้ว่าทั้งคู่จะมีเป้าหมายเดียวกัน คือ ทำการทดสอบ SEM เหมือนกัน แต่ด้วยข้อจำกัดหลายประการของ CB จึงทำให้เกิด PLS ขึ้นมา"

CB-SEM : Covariance Based
PLS-SEM : Partial Least Square Based

วันนี้จะมาชวนคุยเรื่อง CB-SEM กับ PLS-SEM


เคยเกริ่นไว้ในบทความก่อนหน้านี้เกี่ยวกับ Latent Moderator เคยอ้างเรื่องนี้ไว้อยู่นิดหน่อย (บทความที่อ้างถึง) ทีนี้เลยอยากมาชวนคุยเพิ่มเติมเกี่ยวกับเรื่องนี้กันครับ


ในเว็บไซต์ของ SmartPLS มีคำแนะนำอยู่หลายเรื่องเกี่ยวกับ PLS ทีนี้ผมขอหยิบมาสองประเด็น

ประเด็นที่ 1 คือ Choosing Between PLS-SEM and CB-SEM


ประเด็นที่ 2 คือ PLS-SEM Compared with CB-SEM (https://www.smartpls.com/documentation/choosing-pls-sem/pls-sem-compared-with-cbsem)


จากสองประเด็นนี้ ผมมาสรุปคร่าวๆ ให้อ่านกันครับ


แม้ว่าทั้งคู่จะมีเป้าหมายเดียวกัน คือ ทำการทดสอบ SEM เหมือนกัน แต่ด้วยข้อจำกัดหลายประการของ CB จึงทำให้เกิด PLS ขึ้นมา เงื่อนไขบางประการที่ว่า เช่น sample size ที่ต้องมีอย่างน้อย 200, ค่าโมเดลฟิตที่เอาไว้พิจารณาการผ่านเกณฑ์มีหลายค่า, ทำงานเบื้องหลังด้วยค่า covariance เป็นต้น เหล่านี้ทำให้การวิเคราะห์ SEM อาจทำได้ยากขึ้น และในบางครั้งไม่เหมาะกับสถานการณ์ของข้อมูลจริงที่เป็นอยู่ เช่น กรณีของกลุ่มตัวอย่างที่เป็นบริษัทหรือหน่วยงานแล้วเป็นหน่วยงานที่มีจำกัด ที่ไม่สามารถเก็บข้อมูลมากกว่า 200 ตัวอย่างได้ ดังนั้นพอนำไปวิเคราะห์ SEM ก็ทำได้ไม่เต็มที่ (อาจทำในลักษณะ path analysis หรือ ลดรูปเป็น regression แทน) ดังนั้น PLS จึงเกิดมาเพื่อทดแทนและแก้ปัญหาเหล่านี้


 

ในประเด็นที่ 1 Choosing Between PLS-SEM and CB-SEM

สรุปไว้ว่า แนวทางการเลือกใช้ระหว่าง CB-SEM กับ PLS-SEM คือ

>เลือกใช้ PLS เมื่อ

  • ต้องการทดสอบเรื่องการพยากรณ์โมเดล

  • องค์ประกอบเป็นแบบ Formative

  • โครงสร้างโมเดลมีความซับซ้อน เช่น มีทั้ง Reflective และ Formative ผสมกัน

  • ตัวอย่างมีจำนวนน้อย หรือ ข้อมูลไม่แจกแจงเป็นโค้งปกติ

>>เลือกใช้ CB เมื่อ

  • ต้องการทดสอบทฤษฎี เช่น การทดสอบ constructed validity

  • ต้องการปรับโมเดล โดยเชื่อมความสัมพันธ์ของ covariance

  • ต้องการค่าโมเดลฟิต เพื่อยอมรับโมเดล


ในประเด็นที่ 2 PLS-SEM Compared with CB-SEM

จากในเว็บมีการนำเสนอผลการทดสอบจาก SmartPLS กับ AMOS ว่ามีผลต่างกันอย่างไรบ้าง ซึ่งผลโดยรวมถือว่าใกล้เคียงกันสำหรับการทดสอบของ PLS กับ CB แบบ ML estimator แต่มีความต่างกันเมื่อทดสอบ CB โดยใช้ estimator อื่น เช่น GLS, ULS, ADF.







ภาพแรกเป็นของ smartpls (มีสีเหลืองกับน้ำเงิน) ภาพสองเป็นของ AMOS (มีสีม่วงอ่อน)

จะเห็นว่าค่ามีความใกล้เคียงกันมาก


ตรงนี้ผมขอเสริมนิดนึงว่า ตัวอย่างนี้เป็น TAM Model (Davis, 1989) ซึ่งสามารถดาวน์โหลดไฟล์ไปลองเล่นกันดูได้ที่ https://www.smartpls.com/documentation/sample-projects/tam ในเว็บอธิบายว่ามีจำนวนตัวอย่างถึง 1190 ตัวอย่าง แล้วถ้าสังเกตจากจำนวน indicator ในโมเดลแล้ว จะพบว่า เป็นเกณฑ์ที่เหมาะสมสำหรับวิเคราะห์ด้วย CB-SEM ดังนั้น ตรงนี้ผมมีมุมมองว่าผลใกล้เคียงกันเนื่องจากคุณสมบัติของข้อมูลชุดนี้ และโมเดลที่มีหน้าตาแบบนี้ สามารถทำงานบน CB-SEM ได้ ดังนั้นผลที่ได้จากการรันด้วย AMOS กับ SmartPLS จึงคล้ายกัน แต่ถ้ากลับกันว่าลองตัดข้อมูลเหลือไม่ถึง 200 และ indicator มี 1 ตัวบ้าง 2 ตัวบ้าง ผลต้องต่างกันแน่นอน เพราะตัว CB เองอาจจะรันไม่ออกด้วยซ้ำไป


 

วันนี้ขอชวนกันเท่านี้ก่อน โอกาสหน้าจะมาชวนคุยต่อเรื่อง PLS ในประเด็นต่างๆ เช่น ในแง่โปรแกรม SmartPLS, WarpPLS หรือในแง่ผลของโปรแกรมหากมีจำนวนตัวอย่างที่น้อย หรือโมเดลมีความซับซ้อน เช่นมีตัวแปร Latent Moderator หรือในประเด็น Constructed Validity หรือการทำ Repeated Indicator สำหรับการทดสอบแบบ Second Order เป็นต้น


ใครอ่านแล้วสนใจในประเด็นไหน อยากพูดคุยเพิ่มเติม ติดต่อเรามาได้ในทุกช่องทางเลยนะครับ


ร่วมติดตามได้ทุกช่องทาง

follow or subscribe in any channel


tel.086-555-5949

line: @SmartResearchThai

Blockdit: SmartResearchThai

Youtube: SmartResearchThai

Facebook: SmartResearchThai


 

EP.4 CB-SEM : PLS-SEM _ For You Statistic



Comments


bottom of page