Construct Validity ความตรงเชิงโครงสร้าง

Nott Panik Senariddhikrai
2 days ago
2 min read

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

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