top of page

CFA for Validity [part1]


"จะเห็นได้ว่าการวิเคราะห์ CFA มักทำเพื่อดูเรื่อง Constructed Validity เป็นสำคัญ"

บทความนี้อยากทบทวนเรื่อง Validity กันครับ (บทความนี้เคยเขียนในเว็บไซต์เก่า แต่เข้าถึงยากจึงอยากมาเขียนในพื้นที่ใหม่นี้ อีกครั้ง)


CFA (Confirmatory Factor Analysis) กับการยืนยันว่าเหตุใดจึงต้องทำ CFA และต้องทำอะไรบ้าง ต้องการผลอะไรจาก CFA บ้าง จะขอหยิบบทความที่ทำการทดสอบเกี่ยวกับ Constructed Validity (ความตรงเชิงโครงสร้าง) โดยใช้กรณีศึกษาเกี่ยวกับ "การยินยอมในการจัดเก็บภาษีสินค้าและบริการ" โดยในบทความนั้นจะเน้นเกี่ยวกับการวิเคราะห์ CFA เป็นหลัก และเป็นเสมือนการ Prelim ไปสู่การวิเคราะห์ SEM ต่อไป



CFA on GST compliance in Malaysia
CFA on GST compliance in Malaysia

บทความจาก Zubaidah Harun และคณะ 2016 ได้ทำการวิเคราะห์องค์ประกอบเชิงยืนยัน (CFA) ในเรื่อง การยินยอมในการจัดเก็บภาษีและบริการ ประเทศมาเลเซีย โดยในบทความนี้เน้นการนำเสนอการวิเคราะห์ CFA เสมือนเป็นการ Prelim ไปสู่การวิเคราะห์ SEM ต่อไป


บทความนี้นำเสนออะไรในเรื่อง CFA บ้าง

  • ผลการทดสอบ Model fit ในแต่ละองค์ประกอบ (Constructed) ในระดับ First Order มีทั้งหมด 8 องค์ประกอบ ซึ่งออกผลค่าโมเดลฟิตทั้ง 8 องค์ประกอบ

  • ผลการทดสอบจาก Constructed รวม คือนำองค์ประกอบทั้งหมด รวมทั้ง First Order และ Second Order มารวมกันอยู่ในโมเดลเดียว (ขอเรียกว่าโมเดลทำงาน สังเกตง่ายๆคือมันอยู่ในไฟล์รันเดียวกัน)

  • ผลการทดสอบค่า CR,AVE ซึ่งเป็นตัวบ่งบอกความสามารถในการเป็นองค์ประกอบเดียวกัน (CR: Constructed Reliability และ AVE: Average Variance Extraction)

  • ผลการทดสอบ Discriminant Validity ซึ่งเป็นการบอกความแตกต่างในแต่ละองค์ประกอบ หมายถึงว่า ตัวแปรภายในองค์ประกอบเดียวกัน ต้องสัมพันธ์กันเพียงพอ และต่างองค์ประกอบต้องแตกต่างกันเพียงพอ



The Measurement Model All constructed
The Measurement Model All constructed

จากภาพ All Constructed จะเห็นว่าเป็นการนำทุกองค์ประกอบมารวมกันอยู่ในโมเดลทำงานเดียวกัน เพื่อทดสอบให้เห็นว่าองค์ประกอบทั้งหมดนั้นมีความสัมพันธ์กันเพียงพอหรือไม่ ค่าความสัมพันธ์ต่างๆ นั้น มีความสัมพันธ์กันในองค์ประกอบเดียวกัน (CR และ AVE) และในแต่ละองค์ประกอบต่างกันพอหรือไม่ (Discriminant)


ค่าพิจารณาของ CR และ AVE นั้น อิงจากบทความนี้บอกว่า CR ควรมีค่ามากกว่า 0.6 ขึ้นไป และค่า AVE ควรมีค่ามากกว่า 0.5 ขึ้นไป ซึ่งทุกองค์ประกอบมีค่าผ่านเกณฑ์หมด นอกนี้ เมื่อพิจารณาเรื่อง Discriminant ด้วยค่า Correlation ระหว่างองค์ประกอบนั้น ก็จะพบว่ามีค่าน้อยกว่า 0.85 ซึ่งถือว่าไม่มีความสัมพันธ์ที่สูงจนเกินไป แต่จากการอ่านบทความนี้มีจุดที่ตกหล่นไปบางประการคือในตารางนำเสนอ ดังภาพด้านล่าง

ตารางการนำเสนอนี้ไม่ได้ชี้แจงใต้ตารางว่าค่าในตารางคือค่าใด และค่าในแนวทแยงคือค่าใด และเมื่ออ่านจากในเนื้อหาก็ยังไม่พบว่าคือแนวทแยงคือค่าใด แต่ค่าในตารางแสดงถึงค่า Correlation ระหว่างองค์ประกอบ และค่าในแนวทแยงโดยทั่วไปจะหมายถึงค่า Square root of AVE โดยค่าในแนวทแยงควรมีมากกว่าค่า Correlation ระหว่างองค์ประกอบในตาราง



Discriminant Validity
Discriminant Validity

โดยสรุปคือ บทความนี้ได้นำเสนอการวิเคราะห์ CFA เพื่อต่อไปยอดไปสู่การทำ SEM ต่อไป โดยเป็นการวิเคราะห์เพื่อหาค่า CR, AVE, Correlation เพื่อทดสอบเรื่อง Constructed Validity และ Discriminant Validity

สำหรับเนื้อหาในบทความนี้ ผู้วิจัยสรุปว่า ทุกองค์ประกอบมีความสามารถในการบ่งบอกถึงองค์ประกอบตนเองและต่างองค์ประกอบได้เป็นอย่างดี มีค่าน้ำหนักผ่านเกณฑ์ ค่าพิจารณาต่างๆ ผ่านเกณฑ์ โดยใช้โปรแกรม AMOS จัดการ


 

อ้างอิง

Zubaidah Harun, etc. 2016. The Confirmatory Factor Analysis (CFA) on GST Compliance Research Model in Malaysia.



 

ปล.

สูตรการคำนวณ CR, AVE ไม่สามารถแสดงค่าได้โดยตรงจากโปรแกรม ต้องไปทำต่อใน Excel


CR AVE formula
CR AVE formula

4 Comments


pakinw
pakinw
Jul 22, 2023

ในตารางนี้ .839>.814 ก็แสดงว่าไม่ผ่าน Discriminat Validity สิครับ ทำไมเจ้าของบทความไม่แก้ไขโมเมล

Like
Replying to

สวัสดีครับ ขอบคุณที่แลกเปลี่ยนอีกครั้งครับ ถ้าเจ้าของบทความหมายถึงผู้เขียนบทความต้นทางเลย ก็ใช่ครับ ในบทความไม่ได้ชี้แจงไว้ว่าเป็นค่าอะไร แต่ในแนวคิดของเรื่อง discriminant นี้ จะมีหลักๆ ที่ทราบคือของ fornell & larcker กับ Hair ซึ่งของ fornell ค่าแนวทแยงคือ square root of AVE ส่วนค่าในตารางคือ construct correlation ซึ่งถ้าตามอ่านจากบทความต้นทาง มีการชี้แจงว่าค่า AVE ของแต่ละตัวคือเท่าไร เช่น GST มีค่า AVE=0.687 ซึ่งพอไปถอดรากจะได้ 0.828 ซึ่งก็จะตรงกับค่าในแนวทแยงที่ปรากฏในตาราง และค่าในตารางคือ construct correlation ครับ


ส่วนสูตรของ hair จะเป็นว่าแนวทแยงคือค่า AVE ส่วนค่าในตารางคือ square of construct correlation ครับ ส่วนคำอธิบายที่ว่า แนวแยงควรมีค่ามากกว่า อันนี้ถูกต้องครับ ผมก็ได้เขียนไว้ เพียงแต่เนื้อหาของบทความต้นทางน้อยกว่า ซึ่งอาจเรียกว่าไม่ผ่านเกณฑ์ 1 ตัว ดังนั้น ผมจึงอธิบายว่า เราหยิบบทความนี้ขึ้นมาแลกเปลี่ยนกัน ด้วยจุดมุ่งหมายว่าอยากจะอธิบายการตรวจสอบ construct ครับ


ยินดีที่ได้แลกเปลี่ยนครับ

Like
bottom of page