ความแตกต่างระหว่าง การวิเคราะห์เส้นทาง (Path Analysis) กับ การวิเคราะห์สมการโครงสร้าง (SEM)
"ประเด็นมันเลยอยู่ที่ว่า เกิดความเข้าใจผิดในการเรียก โดยจริงๆแล้วต้องการวิเคราะห์ Path Analysis แต่ยังคงเรียกแบบเดิม คือ SEM หรือกลับกัน จริงๆ ต้องการวิเคราะห์ Full SEM แต่ภาพแทนโมเดลกลับใช้เป็น Path Analysis"
บทความนี้จะกล่าวถึงความแตกต่างระหว่าง การวิเคราะห์เส้นทาง (Path Analysis) กับ การวิเคราะห์สมการโครงสร้าง (SEM)
ในการวิเคราะห์สถิติขั้นสูงไม่ว่าจะเป็นในระดับปริญญาโท หรือ ปริญญาเอก โดยเฉพาะในเชิงปริมาณ มักนำการวิเคราะห์สมการโครงสร้างมาใช้ ที่เราจะเรียกกันว่า "SEM" ซึ่งย่อมาจาก Structural Equation Modeling แต่กลับมีบางประเด็นที่น่าสนใจ ว่า การวาดโมเดลที่เป็นตัวแทนของ SEM หรือ สมการโครงสร้างนั้น บางครั้งทำให้เข้าใจผิดกัน
ภาพโมเดลที่เป็นตัวแทนของ สมการโครงสร้าง SEM ที่ถูกต้อง ในรูปจะมีทั้งวงรี และ สี่เหลี่ยม ลองดูตัวอย่างจากภาพนี้ เป็นโมเดลตามทฤษฎี TAM (Technology Acceptance Model) ภาพนี้เป็นตัวอย่างการวิเคราะห์ TAM โดยใช้โปรแกรม SmartPLS (สนใจต้องการผู้ช่วยให้คำแนะนำ ดูรายละเอียดเพิ่มเติม)
จากภาพจะเห็นว่าในโมเดลจะมีภาพแทนทั้งวงรี (หรือวงกลม) และสี่เหลี่ยม อธิบายคร่าวๆ ได้ว่า
วงรี หรือ วงกลม คือ ตัวแปรแฝง หรือ Latent Variable
สี่เหลี่ยม คือ ตัวแปรสังเกต หรือ Observed Variable
เราเรียกว่าโมเดลลักษณะนี้ ว่า SEM: Structural Equation Modeling หรือ สมการโครงสร้าง ผมขอเรียกให้ชัดเจนขึ้นว่าเป็น Full SEM เพื่อแทนความเป็น SEM แบบเต็มรูปแบบ
ในขณะที่ภาพตัวแทนที่เป็นโมเดลการวิเคราะห์เส้นทาง หรือ Path Analysis นั้น จะแทนด้วยสี่เหลี่ยมทั้งหมด ลองดูภาพตัวอย่างของ TAM model นี้ แต่ปรับให้อยู่ในรูปของ Path Analysis
จากภาพเป็นการปรับภาพโมเดลให้อยู่ในรูปแบบของ Path Analysis ซึ่งภาพนี้เป็นส่วนหนึ่งในคอร์ส Full SEM by AMOS (สนใจเรียน-ดูรายละเอียดเพิ่มเติม) จะเห็นว่าใช้สี่เหลี่ยมเป็นตัวแทนทั้งหมด
ต้องย้อนความเรื่อง Path Analysis กันสักนิดนึงครับ ความว่า path analysis นั้นสามารถเรียกว่าได้ว่าเป็น Advanced Regression เราลองมาทวนความรู้เกี่ยวกับ regression กันสักเล็กน้อยครับ regression นั้น (โฟกัสแค่ linear regression) คือสถิติเพื่อการทำนาย หรือ วิเคราะห์อิทธิพลที่ส่งผล โดยมีตัวแปรตามเพียง 1 ตัวเท่านั้น แต่มีตัวแปรอิสระ หรือตัวแปรต้นได้หลายตัว
ถ้ามีตัวแปรต้น 1 ตัว เรียกว่า simple regression
ถ้ามีตัวแปรต้น มากกว่า 1 ตัว เรียกว่า multiple regressionทีนี้ ลองเทียบกับภาพ path analysis ข้างต้น จะเห็นว่า หากเราต้องการวิเคราะห์โมเดล TAM นี้ โดยใช้ regression เราจะต้องทำการวิเคราะห์หลายครั้ง ดังนี้
EOU > USEF
EOU + USEF > ATT
USEF + ATT > BI
ATT + BI > USE
จะเห็นว่าต้องทำถึง 4 ครั้ง ถึงจะได้ค่าอิทธิพลในทุกๆ เส้นทาง ดังนั้น การเกิดขึ้นของ path analysis เพื่อแก้ปัญหาการวิเคราะห์ลักษณะนี้ เนื่องจากการวิเคราะห์ครั้งเดียว ย่อมดีกว่าการวิเคราะห์หลายครั้ง ให้ลองนึกภาพตาม ว่า ปัจจัยหรือสาเหตุของการเกิดสิ่งต่างๆ นั้น ไม่ได้มีเพียงสาเหตุเดียว แต่ย่อมมีหลายสาเหตุ บางสาเหตุมีน้ำหนักมาก บางสาเหตุมีน้ำหนักน้อย ต่างกันไป แต่ถ้าเราพิจารณาในมิติเดียว (สาเหตุเดียว) อาจทำให้คำตอบไม่ตรงนัก หรือทำให้แก้ปัญหาผิดจุด เช่น ปัญหาสิ่งแวดล้อม จะบอกว่าเป็นปัญหาของธรรมชาติอย่างเดียวคงไม่ได้ ย่อมมีมนุษย์เข้ามามีส่วนด้วย หรือ พูดกลับกัน จะบอกว่าเป็นปัญหาของมนุษย์อย่างเดียว ไม่เกี่ยวกับธรรมชาติก็คงไม่ได้เช่นกัน
ไม่ว่าจะเป็นปัญหาในสาขาวิชาใด ย่อมไม่ได้มีเพียงสาเหตุหรือปัจจัยเดียวเท่านั้น ดังนั้น การพิจารณาตัวแปรต่างๆ เข้ามาเพื่อวิเคราะห์อิทธิพลที่ส่งผล หรือ ปัจจัยที่ก่อให้เกิด หรือสร้างโมเดลการทำนายนั้น ล้วนมาจากหลายปัจจัยทั้งสิ้น
กลับมาที่โมเดล TAM ของเราในบทความนี้ หากเราทำการวิเคราะห์ทีละเส้นทาง เช่น EOU > ATT และ USEF > ATT เราก็จะได้คำตอบเพียงเส้นทางเดียวเท่านั้น โดยไม่ได้มองถึงอิทธิพลของอีกตัวแปรเลย
แต่ถ้าหากเราวิเคราะห์พร้อมกัน EOU + USEF > ATT ผลของ ATT ที่เกิดขึ้นย่อมมาจากอิทธิพลของ EOU และ USEF เมื่ออยู่ร่วมกัน
อธิบายให้เห็นภาพเพิ่มขึ้น ว่า บางงานเราวิเคราะห์แยกกันสองเส้นทาง ผลที่ได้คือ มีนัยสำคัญทั้งสองเส้นทาง แต่พอเรามาวิเคราะห์รวมกันสองเส้นทาง กลับพบว่ามีเพียง 1 เส้นทางที่มีนัยสำคัญ แบบนี้แสดงว่า ตัวแปรตั้นทั้งสองตัวนั้นอาจมีอิทธิพลหรือปฏิสัมพันธ์กันบางอย่าง ทำให้เมื่ออยู่ร่วมกันแล้ว ผลเปลี่ยนไป
กลับมาสู่ประเด็นหลักของบทความนี้
ที่หยิบยกประเด็นนี้ขึันมา เนื่องจากว่า เมื่อก่อนเราอาจเรียก path analysis ว่า SEM จึงทำให้เมื่อเวลาผ่านมาจึงยังคงเรียกตามเดิมอยู่ ขออธิบายเพิ่มเติมในประเด็นนี้ดังนี้
path analysis หรือ การวิเคราะห์เส้นทางนั้น เป็นได้ทั้งคำเรียกของตัวสถิติ และเป็นทั้งการอธิบายค่าอิทธิพลของโมเดล หากเคยเห็นในบทความใช้คำว่า ค่าอิทธิพลการวิเคราะห์เส้นทาง ปรากฏบนหัวตารางที่นำเสนอค่า DE, IE, TE แต่ตัวบทความนั้นทำการวิเคราะห์ด้วย Full SEM ถือว่าเป็นเรื่องไม่แปลก เนื่องจากคำเรียกการวิเคราะห์เส้นทางนั้น ก็เพื่อเน้นย้ำถึงค่าอิทธิพลต่างๆ ที่อยู่บนเส้นในแต่ละเส้นทางนั่นเอง
ประเด็นมันเลยอยู่ที่ว่า เกิดความเข้าใจผิดในการเรียก โดยจริงๆแล้วต้องการวิเคราะห์ Path Analysis แต่ยังคงเรียกแบบเดิม คือ SEM หรือกลับกัน จริงๆ ต้องการวิเคราะห์ Full SEM แต่ภาพแทนโมเดลกลับใช้เป็น Path Analysis นึกภาพตามง่ายๆ ว่า นำเสนอเป็นภาพสี่เหลี่ยมแต่เรียกเป็น SEM
ดังนั้น ถ้าวาดโมเดลตั้งต้นผิด ก็จะนำไปสู่การวิเคราะห์ที่ผิดด้วย เมื่อนำส่งให้นักวิเคราะห์ หรือที่ปรึกษาพิจารณา ก็จะเข้าใจไปว่าต้องการวิเคราะห์ Path Analysis เพราะนำเสนอรูปแบบสี่เหลี่ยม ซึ่งแท้จริงแล้ว ต้องการวิเคราะห์เป็น Full SEM
สรุป
หากเราทำความเข้าใจตัวสถิติ รวมถึงโมเดลที่เป็นภาพแทนของตัวสถิติให้ชัดเจน ก็จะง่ายต่อการนำไปวิเคราะห์ หรือ นำเสนอต่อไป ซึ่งหลายบทความก็มีที่นำเสนอเป็นสี่เหลี่ยมแต่กลับเรียกเป็น SEM ทุกครั้งที่อ่านเจอบทความเช่นนี้ ก็จะเกิดข้อสงสัยขึ้นมาทันทีว่า ตกลงแล้วงานนี้วิเคราะห์ด้วย SEM หรือ Path Analysis กันแน่ แต่ถ้าบทความไหนนำเสนอด้วยรูปวงกลม หรือวงรี แม้ว่าจะไม่ได้มีสี่เหลี่ยมอยู่ในนั้นก็ตาม อย่างน้อยผู้อ่านก็พอคาดได้ว่างานนี้เป็น Full SEM จริง แต่ถ้าบทความไหนนำเสนอภาพ (ผลลัพธ์) ที่ประกอบด้วยทั้งวงรี และสี่เหลี่ยมอยู่ในภาพเดียวกัน แน่นอนว่า จะต้องมีตัวเลขเกี่ยวกับค่าอิทธิพลเส้นทางและค่าน้ำหนักองค์ประกอบ แบบนี้ก็จะยิ่งชัดว่าเป็น Full SEM แน่นอน
.
.
.
สนใจเรียนเรียน Full SEM by AMOS/ LISREL/ Mplus สามารถติดต่อสอบถามได้ในทุกช่องทาง
หรือต้องการผู้ช่วย ติวเตอร์ในการให้คำแนะนำ สามารถติดต่อเข้ามาได้เช่นกัน
.
💝ร่วมติดตามได้ทุกช่องทาง
💝follow or subscribe in any channel
.
📳tel.086-555-5949
🆔️line: @SmartResearchThai
💌email: contact@SmartResearchThai.com
Blockdit: SmartResearchThai
Youtube: SmartResearchThai
Facebook: SmartResearchThai