Construct Validity ความตรงเชิงโครงสร้าง

Construct Validity ความตรงเชิงโครงสร้าง

Outline:

1.Construct Validity คืออะไร?

2.ประเภทของ Construct Validity

3.ตัวอย่างจากงานวิจัยจริง

4.สรุป

“Construct Validity คืออะไร? เข้าใจง่าย ใช้ได้จริงในงานวิจัยเชิงปริมาณ”

1.Construct Validity คืออะไร?

.

ทวนความ validity เล็กน้อย คือ การวัดความตรงของข้อคำถามในเครื่องมือวิจัย เช่น แบบสอบถาม ว่าข้อคำถามแต่ละข้อนั้น ตรงกับเรื่องที่ทำหรือไม่ ตรงกับหัวข้อ (ตัวแปร) นั้นๆ หรือไม่ เช่นการตรวจสอบด้วย IOC โดยใช้ผู้เชี่ยวชาญเป็นผู้ให้คะแนนความตรง เรียกว่า content validity ในขณะที่ Construct Validity หรือความตรงเชิงโครงสร้าง คือ การวัดความตรงของข้อคำถามด้วยตัวเลข ให้ตัวเลขเป็นคำตอบ ด้วยการทดสอบ CFA

.

ขยายความเพิ่มเติม Construct Validity ก็คือการประเมินตัวแปรเชิงนามธรรม (ตัวแปรแฝง latent variable) ตามที่ทฤษฎีที่กำหนดไว้ ซึ่งเป็นตัวแปรที่ไม่สามารถสังเกตหรือวัดได้โดยตรง เช่น ส่วนประสมการตลาด การมีความส่วนร่วมของชุมชน หรือความพึงพอใจ จึงต้องสร้างเครื่องมือขึ้นมาวัด เช่น แบบสอบถาม โดยส่วนใหญ่เครื่องมือก็คือแบบสอบถามที่มีหลายข้อคำถามเพื่อวัดตัวแปรเหล่านี้ (นิยามปฎิบัติการ) โดยเฉพาะการใช้มาตรวัดแบบ Likert Scale 5 ระดับ การตรวจสอบ Construct Validity จึงเป็นการยืนยันว่าเครื่องมือที่เราสร้างขึ้นสามารถวัดสิ่งที่เราต้องการวัดได้จริงหรือไม่

.

2.ประเภทของ Construct Validity:

.

การจะทดสอบว่าตัวแปรมีความตรงเชิงโครงสร้างหรือไม่ เราจะทดสอบเป็น 2 ประเด็น คือ Convergent Validity และ Discriminant Validity

.

Convergent Validity: เป็นการทดสอบความเข้ากันได้ของตัวชี้วัดในแต่ละองค์ประกอบ วัดว่าองค์ประกอบนั้น ๆ ประกอบด้วยตัวชี้วัดเหล่านี้จริงหรือไม่ เช่น ตัวแปรความพึงพอใจ (Satisfaction) ประกอบไปด้วยตัวชี้วัด 5 ตัว Sat1-Sat5 เราทดสอบ convergent เพื่อดูว่า sat1-sat5 อยู่ภายใน Satisfaction จริงหรือไม่ ทดสอบด้วยค่า 2 ค่า คือ CR และ AVE

.

CR : composite reliability ซึ่งควรมีค่ามากกว่า 0.7 ขึ้น จึงถือว่าผ่านเกณฑ์ และ

AVE : average variance extraction ซึ่งควรมีค่ามากกว่า 0.5 ขึ้นไป จึงถือว่าผ่านเกณฑ์

.

Discriminant Validity: เป็นการทดสอบความต่างระหว่างองค์ประกอบ ก็คือองค์ประกอบ A ต่างจากองค์ประกอบ B หรือไม่ เช่น ความพึงพอใจในงาน กับ พฤติกรรมองค์กร เป็นคนละเรื่องกัน ความพึงพอใจก็มีตัวชี้วัดเป็นของตัวเอง และพฤติกรรมองค์กร ก็มีตัวชี้วัดเป็นของตนเอง เช่นกัน จึงวัดว่าทั้งสองเรื่องนั้น ต่างกันหรือไม่ เราทดสอบด้วยสูตรของ Forenell & Larcker 1981., Hair 2010. หรือ HTMT.

.

1) สูตรของ Forenell Larcker : ค่าในตาราง คือค่าสหสัมพันธ์ตัวแปรแฝง ส่วนค่าในแนวทแยง คือ √AVE

.

2) สูตรของ Hair 2010 ค่าในตาราง คือสหสัมพันธ์ยกกำลังสอง ส่วนค่าในแนวทแยงคือ AVE และ

.

3) HTMT: Heterotrait-Monotrait Ratio ควรมีค่าน้อยกว่า 0.85

.

แสดงตัวอย่างบางส่วน จากการวิเคราะห์ด้วย plugins AMOS

.

Master Validity ด้วยสูตรของ Forenell & Larcker 1981.

สรุปเกณฑ์ที่ใช้ตรวจสอบ ได้ดังนี้

• convergent validity :

  • CR >=0.7

  • AVE >=0.5

• discriminant validity :

  • Forenell & Larcker; √AVE > Latent correlation

  • Hair; AVE > Latent correlation square

  • HTMT <= 0.85

.

3.ตัวอย่างจากงานวิจัยจริง:

ตัวอย่างงานวิจัยเรื่อง "Self-directed Learning Behavior among Communication Arts Students in a HyFlex Learning Environment at a Government University in Thailand" . (James, Danty, Utapao, Kanyapat, Suvanno, Sawitree, Nunez, Gina Masbad and Senariddhikrai, Panik., 2024)

.

https://www.degruyterbrill.com/document/doi/10.1515/edu-2024-0028/html

.

เป็นการทดสอบ Measurement model ในระดับ Second Order ว่าองค์ประกอบทั้ง 8 อยู่ภายใต้ SDL หรือไม่ โดยเราทำการทดสอบ CR, AVE, Discriminant เหล่านี้ จะทดสอบในระดับ first order. ลองดูผลลัพธ์จากบทความ

.

CR AVE

.

Discriminant Validity

.

จะเห็นว่ามีการนำเสนอ CR และ AVE เพื่อบ่งบอกถึงความเข้ากันได้ของแต่ละองค์ประกอบ (SDL มี 8 องค์ประกอบ) ในระดับ first order จากนั้นทดสอบ Discriminant Validity เพื่อบ่งบอกถึงความต่างระหว่างองค์ประกอบ โดยใช้สูตรของ Forenell & Larcker, 1981. ซึ่งพบว่าค่าในแนวทแยงมีค่ามากกว่าค่าสหสัมพันธ์ในตาราง จึงสรุปได้ว่า องค์ประกอบทั้ง 8 มีความแตกต่างกัน

.

สรุป:

Construct Validity ทำเพื่ออะไร

• Construct Validity เป็นขั้นตอนที่ควรทำเพื่อตรวจสอบความเหมาะสมขององค์ประกอบ เช่น วัด“ความพึงพอใจของลูกค้า” อันประกอบด้วยตัวชี้วัด Sat1-Sat5 เป็นตัวแทนเรื่องความพึงพอใจ จริงหรือไม่

• เป็นขั้นตอนสำคัญก่อนทำ SEM เพื่อให้มั่นใจว่าเครื่องมือวัดแต่ละตัวมีคุณภาพ ตัวชี้วัดทุกตัวผ่านเกณฑ์ เหมาะสม เพราะถ้าวัดไม่ดีตั้งแต่ต้น การวิเคราะห์ SEM ก็จะให้ผลที่คลาดเคลื่อนได้

  
  

ข้อควรระวังในการรายงานผล Construct Validity

• ควรแสดงรายละเอียดผลต่างๆ เช่น ค่า CR AVE Discriminant Validity เพื่อให้ผู้อ่านเห็นหลักฐานชัดเจนว่าเครื่องมือวัดมีความน่าเชื่อถือจริง บ่งบอกความสัมพันธ์ภายใน และความแตกต่างภายนอก

• รายงานให้ถูกต้อง โดยเฉพาะค่า √AVE หรือ AVE ในแนวทแยง หรือ HTMT ใช้สูตรของใคร เพราะเป็นเกณฑ์สำคัญในการตัดสินว่าแต่ละตัวแปรมีความแตกต่างกันจริง

• อ้างอิงทฤษฎีให้ชัดเจนในการเลือกใช้ตัวแปร มีเหตุผลรองรับในการเลือกตัวแปรเหล่านั้น

.

---

ต้องการเรียนสถิติ อยากปรึกษาสถิติทั้งเรื่อง Factor Analysis, CFA, SEM หรือเรื่องอื่นๆ สามารถติดต่อสอบถามเข้ามาได้เลย

.

Training and Coaching package

'นึกถึงสถิติ นึกถึงเรา Smart Research Thai'

ร่วมติดตามได้ทุกช่องทาง

follow or subscribe in any channel

.

tel.086-555-5949

line: @SmartResearchThai

email: contact@SmartResearchThai.com

www.SmartResearchThai.com

Blockdit: SmartResearchThai

Youtube: SmartResearchThai

Facebook: SmartResearchThai

#ปรึกษาสถิติ #สอนใช้โปรแกรมสถิติ #แก้ปัญหาสถิติ